早期的研究多采用传统机器学习方法用于锂离子电池的温度预测，kim等人提出使用人工神经网络开发在线适用的温度预测模型，并取得了一定的效果。...随着深度学习的发展，尤其是循环神经网络(recurrent neural network, rnn)在时间序列预测中的广泛应用，使得研究者开始将其应用于锂电池温度预测领域。
通过神经网络模型(convnext)，结合图像语义分割技术以及迁移学习技术，进一步识别高分遥感图像中屋顶资源，在此基础上评估可利用屋顶面积、预计可装机容量及预测年发电量等数据，相应的测算数据通过统计年鉴
目前，数据驱动方法发展迅速，如支持向量回归(support vector regression, svr)、高斯过程回归(gaussian process regression, gpr)和神经网络(neural
结合大数据技术，通过聚类分析和特征工程捕捉数据实时波动趋势，应用长短期记忆网络和循环神经网络等机器学习模型，实现短期和超短期电力负荷高精度预测。
上层年滚动优化在每年初开始计算，采用神经网络方法，通过历史信息对已建成的光伏及负荷数据进行预测，然后构建光-储系统变时间尺度的年滚动优化模型，优化目标为年收益最大。
该系统依托多年火电设备远程诊断经验和技术监督专家团队，融合神经网络深度学习算法，实现了火电机组设备健康状态的实时监控与预警，显著提升了设备运行的安全性和效率。
利用大数据分析云平台上处理过的海量数据和神经网络模型，思格新能源构建了云端bms(电池管理系统)，从而量化电池健康状态，提供最佳运行决策并最大程度延长使用寿命。...目前，公司与遍布60余个国家及地区的99家分销商合作，建立了广泛的全球合作网络。
该芯片专为ai大模型定制，集成了2个自研的神经网络处理大脑（npu）、2个独立图像信号处理器（isp），拥有40核处理器，可支持最高30b参数的大模型，为飞行汽车的自动驾驶功能提供了强大的计算支撑。
、回归—神经网络混合模型、其余模型”的分类模式对碳交易价格预测模型相关研究进行综合评价。...本文研究基于中国知网及谷歌学术中英文关键词检索的文献统计结果，创新碳价影响因素和预测模型的分类方法，统计梳理国内外碳交易价格相关影响因素及预测模型研究现状，按照“固有属性、外部指标、舆论事件、混合因素”对影响因素进行归类，并按照“回归模型、神经网络模型
四、发展建议1.技术融合创新·构建"物理+数据"混合驱动模型，增强可解释性（如pinn物理信息神经网络）。
而从演化的趋势看，神经网络...神经网络和电力网络都表现出“小世界网络”的特性，即局部节点之间高度连接，同时通过少数长程连接实现全局通信。这种结构在提高效率的同时降低了连接成本。
国能日新功率预测技术采用微地形、微气象建模，从物理上分区域预测，利用神经网络等ai算法，实现模型与真实光伏场站的高度匹配，达到更高功率预测精度，为项目可靠、稳定运行提供技术保障。
据介绍，2024年国网成都供电公司与国家超级计算成都中心共同研发了基于lstm神经网络的电网负荷预测模型，通过大数据与人工智能计算，在成都市范围内实现了分地区的分钟级实时负荷预测。
“大瓦特·驭电”从基础模型开始就完全自主开发，全球首创神经网络求解高阶微分代数方程技术，填补了国内外在电力系统科学计算大模型领域的空白。...“大瓦特·驭电”利用基于物理约束神经网络的人工智能技术，能够依据新能源发电状况，快速精准分析电网安全边界，动态优化电网运行方式，有效解决新能源变化无常、难以计划带来的难题，最大限度提高新能源的利用率，为电力系统规划与运行方案制定提供了全新的工具
在基座设计方面，研制以图神经网络和transformer算子为核心的仿真分析大模型基座，实现电力系统变规模、变拓扑、多层次空间特征提取和节点拓扑关联解耦，适应大规模潮流方程的并行求解。...它利用基于物理约束神经网络的人工智能技术，能够依据新能源发电状况，快速精准分析电网安全边界，动态优化电网运行方式，有效解决新能源变化无常、难以计划带来的难题，最大限度提高新能源的利用率，为电力系统规划与运行方案制定提供了全新的工具
接下来，公司将以数智技术赋能新型电力系统安全稳定分析研究，促进神经网络、大模型在电网分析中的应用。逐绿领航，新能源并网实现突破。
据了解，该系统可自动采集继电保护装置和故障录波器的录波数据，实时整合气象系统等外部信息，在物理机理分析的基础上，应用神经网络人工智能技术构建多模态协同故障原因辨识模型，实现对变压器故障区域、故障侧、故障相的精准定位
基于对各类线路故障机理和特征的深入研究，研发团队在该系统交流线路故障原因辨识功能中搭建了人工神经网络模型，利用上万例实际故障分类开展故障原因辨识训练。
采用“物联表+辨识模组”方式，创新移频迭代滤波动态信号分析方法，研发深度神经网络模型结合事件先验信息的负荷波形分解方法、基于多时间尺度的空调负荷识别方法，从用户总负荷中精准提取居民空调负荷。
在大模型技术能力获得突破性进展的情况下，研发团队针对新能源超高渗透率系统的新能源承载能力评估这一紧迫需求，以未来态潮流场景生成为突破口，发挥图神经网络、transformer等新一代ai技术优势，提出了...研发团队长期开展数据—模型联合驱动的电力系统安全稳定分析研究，率先探索图神经网络在系统稳定分析的应用，结合物理拓扑嵌入和规模降维算法实现大规模系统的暂态功角稳定分析，在2023年相继完成数据驱动的静态安全分析
此举有望进一步降低神经网络参数规模和计算复杂度，支持将大模型轻量化部署到边缘类脑计算装置和端侧设备，同时实现低功耗推理。...平台及智能体在算力层面融合密集矩阵计算和神经形态计算，在框架层面融合主流全局学习和类脑局部学习，在模型层面融合深度网络、脉冲网络和神经符号范式，实现更小参数、更少数据、更低能耗，提升时空动态分析、符号推理和在线学习能力
2023年3月团队结合江苏省气象监测体系和省级气象平台气象预测结果，采用包含神经网络在内的多模型融合预测技术，以集群为单位开展分布式光伏未来出力预测，实现分布式光伏未来10天预测，短期预测准确率达94%...多模型融合分布式光伏预测精度↑项目以分布式光伏集群为单位，开展分布式光伏未来出力预测，建立人工神经网络、时序预测深度学习等多预测模型，融合多模型预测结果，根据不同模型近段时间的表现，动态调整模型权重系数
ai加持 精准把握电力市场国能日新「旷冥」大模型基于优质的多源气象预报数据，采用大气分层结构，逐层加密，提高近气象预报精度，利用时序注意力机制，捕捉气象周期特征，依托动态神经网络，跟踪气象时空演变，带来更优秀的极端天气预报和功率预测能力
国网山东电力主动探索新型负荷资源管理模式，积极应用国家电网公司重大科技项目理论研究成果，利用核密度估计、神经网络等先进算法开发了“负荷资源调节潜力在线动态评估”微应用。
遍布全平台的高精度智能传感器可实时采集设备的运行数据和状态评价数据，并形成历史数据库，为设备故障诊断提供坚实基础，应用人工神经网络，让机器具备自我学习能力，基于自动采集到的各种类型数据，针对不同故障类型给出最佳
