来源：国家电网报2026-03-23

攻坚小组依托海量居民历史用电数据，运用机器学习算法，分析重庆市全域及各片区、各区县等多维度居民用电数据，开发了居民负荷识别与节电潜力评估模型。

来源：能源评论·首席能源观2026-03-06

例如，融合人工智能、机器学习与高分辨率数值天气预报的新一代新能源功率预测技术，能够更精准地模拟复杂地形下的小尺度天气过程对风电场、光伏电站的影响，大幅提升风电、光伏出力的预测精度和时空分辨率，为电网的稳定调度提供可靠依据

来源：国家电网报2026-01-05

“碳迹”智能分析决策平台采用机器学习神经网络算法，从大量火电机组及电网运行历史数据中挖掘影响碳排放的关键因素，根据《温室气体排放核算与报告要求》中的基础算法，完成火电机组多时间尺度下碳排放量的准确计算，

来源：国家电网报2025-12-16

不同场景对数据流通安全能力的要求存在差异，数据沙箱技术适用于社区网格用电、用水、用气数据分析等需多方数据融合与深度分析的场景，可信执行环境技术可满足综合能源园区等主体的高敏感数据实时计算需求，联邦学习技术可解决电力金融征信等领域机器学习联合建模问题

来源：中能传媒研究院2025-12-01

中小型或个体开发者可以调用大模型能力提升边侧与端侧的开发应用效率；具身智能，通过赋予机器人实时反应能力和智慧赋能物理世界，实现更加紧密的人机交互；量子人工智能，利用量子计算机的特殊性质，如量子叠加和量子纠缠，来加速机器学习和优化算法

来源：国家电网报2025-11-25

柔性研发团队采用机器学习等技术，整合承德电网运行、新能源发电、碳排放等方面数据超2亿条，构建能源生产数据分析模型、能源传输分析模型、能源消费分析模型、能源服务分析模型等多维分析模型，并在此基础上开发了“

来源：中国电力2025-11-21

就分析方法而言，文献系列研究采用相关性分析法、显著性检验法等传统统计分析方法，以及决策树、随机森林、支持向量机等机器学习算法，系统分类构建模型，深入剖析各要素间的影响关系；文献采用解释结构模型分析了电力需求各影响之间的结构层次关系

来源：ABB电气2025-10-29

凭借深厚的超大规模经验与充足电力供应，applied digital为人工智能（ai）工厂、人工智能/机器学习（ai/ml）、区块链和高性能计算（hpc）工作负载提供支持。

来源：中国电力2025-10-22

通过引入人工智能技术，构建“ai筛选+规则校验”的混合筛选体系，利用机器学习算法对运行方式进行多维度特征提取和智能评估，快速识别关键运行场景。为电网规划设计和运行决策提供高质量的运行方式场景支撑。

来源：浙电e家2025-10-20

它在高精度传感的基础上，通过机器学习模型深度分析数据，能精准识别覆冰、山火、雷击的独特特征，实现了从“感知异常”到“诊断病因”的跨越，大幅提升了预警的准确性。

来源：中能传媒研究院2025-10-13

英国国家电网与人工智能企业深度合作，开发出能够处理海量信息的电力需求预测模型，通过机器学习算法优化电网运行管理。...通过部署机器学习模型实时分析生产数据，实现了参数组合的动态优化。该公司还利用数字孪生技术模拟设备维护方案，使维修时间减少50%以上，大幅提升了生产效率和设备可靠性。

来源：国家电网报2025-09-09

“启航”还完成了基于海量语音数据的机器学习，提升人机交互精准度。经历“训练-预测-验证-优化”多轮次操作，2021年3月，“启航”在平湖市供电公司配网调度指挥工作中上线应用。...攻关团队应用信息抽取技术整合保电、故障处置等环节关键数据，集成变电站、线路等电网基础数据，并将这些数据作为机器学习和统计建模的基础，构建了具备语音识别、语音合成、图文识别、语义理解、生物特征识别等能力的电力语音数据库

来源：朗新研究院2025-09-09

它能够量化分析峰谷电价调整、充电基础设施布局优化、v2g车网互动技术推广等政策和措施对日负荷峰值、谷值、波动率的实时影响，并通过机器学习持续校准预测模型。

来源：浙电e家2025-09-05

基础预测模型选取4类不同原理的高性能机器学习和深度学习模型，采用各自地形的历史数据分别进行训练，确保“工具”与“预报员”的适配度，避免通用模型的“水土不服”。第四步：校准“预报结果”。

来源：中国电力2025-08-26

在此背景下，采用机器学习算法建立投资成效评价体系的必要性日益凸显。机器学习算法，特别是深度学习等先进技术，能够高效处理和分析大规模、多维度的数据集，从而揭示传统方法难以发现的复杂模式和关联。

来源：国家电网报2025-08-26

强化数据清洗与标注，引入机器学习算法，全面提升数据质量。加强多源数据融合校验，整合传感器数据、设备图像、运维文本等多模态信息，通过交叉验证机制降低单一数据源偏差影响。

来源：国家电网报2025-08-26

今年年初以来，安徽电科院积极构建“省级主站-地市子站-终端设备”三级智能管控体系，引入机器学习算法，实现电池寿命预测精度提升至95%以上；牵头编制《配电终端后备电源技术规范》，将混合超容电池性能指标、智能监测系统架构

来源：能源评论•首席能源观2025-08-14

人工智能与机器学习技术应用于负荷预测模型的动态优化，通过挖掘历史气象数据与用电曲线的关联性，提升极端天气下负荷波动的预测准确率，捕捉高温高湿环境下空调负荷的非线性增长特征，构建电网与气象环境的虚拟映射体

来源：国家电网报2025-07-29

针对用电异常监测依赖固定阈值的局限性，宁波供电公司应用机器学习和大数据分析技术，依托用电信息采集系统开发了基于自适应聚类算法的分析模型，提高用电行为识别的准确性。

来源：清华大学能源互联网创新研究院2025-06-30

会上，美国工程院院士、宁波东方理工大学常务副校长兼教务长张东晓作了题为“科学机器学习与智慧能源系统”的主旨报告。经专家同意，在此分享报告ppt，欢迎品读。