| 2025 | No.10 | No.9 | No.8 | No.7 | No.6 | No.5 |
|---|---|---|---|---|---|---|
| No.4 | No.3 | No.2 | No.1 | |||
| 2024 | No.12 | No.11 | No.10 | No.9 | No.8 | No.7 |
| No.6 | No.5 | No.4 | No.3 | No.2 | No.1 | |
| 2023 | No.12 | No.11 | No.10 | No.9 | No.8 | No.7 |
| No.6 | No.5 | No.4 | No.3 | No.2 | No.1 | |
| 2022 | No.12 | No.11 | No.10 | No.9 | No.8 | No.7 |
| No.6 | No.5 | No.4 | No.3 | No.2 | No.1 | |
| 2021 | No.12 | No.11 | No.10 | No.9 | No.8 | No.7 |
| No.6 | No.5 | No.4 | No.3 | No.2 | No.1 | |
| 2020 | No.12 | No.11 | No.10 | No.9 | No.8 | No.7 |
| No.6 | No.5 | No.4 | No.3 | No.2 | No.1 | |
| 2019 | No.12 | No.11 | No.10 | No.9 | No.8 | No.7 |
| No.6 | No.5 | No.4 | No.3 | No.2 | No.1 | |
| 2018 | No.12 | No.11 | No.10 | No.9 | No.8 | No.7 |
| No.6 |
随着全球能源结构的转型与数字化技术的迅猛发展,人工智能(Artificial Intelligence,AI)大模型在能源行业中的应用逐渐成为推动行业变革的重要力量。能源行业作为国民经济的基础产业,在生产与消费模式应对复杂多变的能源供需关系时,正面临着效率提升、成本优化、绿色转型等多重挑战。从多个案例与实证数据角度进行分析得出,AI大模型赋能传统能源行业,使其焕发新的生命力,而AI大模型凭借其强大的数据处理能力、深度学习算法以及高效的预测分析功能,为能源行业注入了全新的数字动能。
在全球能源转型背景下,人工智能(Artificial Intelligence,AI)技术为矿山行业突破效率瓶颈、实现安全高效绿色生产提供了关键路径。系统分析了AI在矿山领域的应用现状与挑战,指出其当前局限于单场景模型化应用、面临复杂环境适应性差、行业知识壁垒高、数据治理困难等核心问题。通过构建“基础层—技术层—应用层”参考架构,提出了AI赋能矿业的典型场景,包括资源勘探、智能作业、安全预警、设备预维等,促进AI技术与矿山生产深度融合,推动矿山全流程智能化发展,助力矿业向智能绿色可持续方向转型升级。
人工智能(Artificial Intelligence,AI)能源与算力技术发展的非对称性导致“能源-算力剪刀差”持续扩大。提出能源与算力协同新范式,通过能源革命重构AI基础设施,以新能源技术驱动算法创新,实现双向赋能。实证分析表明协同度呈现非线性增长特征,且受区域异质性及政策选择压力的显著影响。可持续发展路径涵盖能源互联网与联邦学习融合、全球能源-算力交易市场构建以及算力-电力互操作技术突破。基于我国产业生态现状,提出通过技术-机制协同创新,力争2030年前建成全球示范性协同模式。
氢能作为清洁能源,其高效存储与技术利用备受关注。近年来,固态储氢材料因其高安全性和高储氢密度成为研究热点。系统综述了各类金属氢化物等储氢材料的研究进展,重点分析了人工智能(Artificial Intelligence,AI)与储氢材料设计、性能优化和应用的机遇与挑战。此外,探讨了机器学习在固态储氢材料整条产业链中的潜在作用。最后,展望了低成本、高性能固态储氢材料的未来发展方向,以促进人工智能技术应用于氢能产业加速其商业化进程。
人工智能(Artificial Intelligence,AI)技术的快速发展正在重塑全球能源行业的格局。通过AI发展对能源的依赖和能源行业全产业链绿色化转型对AI技术的需求两方面分析了AI技术与能源变革的双向影响。系统梳理了国内AI与能源发展相关政策,详细分析了不同阶段的政策,为后续AI技术与能源变革的进程提供了宏观政策环境参考。通过对典型AI+能源案例的分析,总结了当前取得的成效,同时也对现阶段存在的问题与调整进行了汇总,为后续制定科学、有效和有针对性的融合发展政策提供了一定的参考。
近年来,以大模型、智能体为代表的新一代人工智能技术已成为推动传统产业转型升级的关键力量。石化行业作为国民经济的支柱行业,在保障国家能源供应安全等方面发挥着关键作用。通过深入剖析人工智能在石化行业生产经营、工程服务、科技创新等多个关键环节的应用现状,对人工智能赋能石化行业转型升级的潜在问题开展了充分探讨,并提出了有助于人工智能与石化行业深度融合的若干建议,期望能为石化行业借助人工智能技术实现安全稳定、高效敏捷、绿色节能的可持续发展提供有价值的参考。
随着人工智能(Artificial Intelligence,AI)技术的迅猛发展,其在能源系统中的应用正逐步深入,从智能调度、故障诊断到能源管理与优化决策,正推动能源系统向智能化、低碳化、高效化方向转型。然而,AI在推动能源变革的过程中也面临诸多挑战,如数据质量和安全问题、模型透明度与可解释性不足、技术与制度协同不足以及伦理与政策的滞后等。系统梳理了AI在能源系统中的主要应用场景,深入分析了在能源系统转型过程中面临的关键技术与治理难题,并从技术、制度与政策三个维度提出应对策略,以期为实现新型能源系统的智能化升级提供理论支持和实践路径。
近年来,人工智能(Artificial Intelligence,AI)模型的规模不断扩大,训练与推理过程的能耗问题日益突出,推动了低碳AI研究的兴起。系统梳理了大模型绿色计算的关键技术,重点分析了低碳训练与推理优化方法。在训练阶段,现有研究主要从模型架构优化、计算精度调整、资源调度策略等方面降低能耗,包括神经网络架构搜索、混合精度计算及分布式训练等方法。在推理阶段,优化策略则侧重于模型剪枝、量化技术、边缘计算、缓存复用等技术,以减少计算成本与碳排放。此外,归纳了低碳AI面临的挑战,如计算硬件能效瓶颈、碳足迹量化方法的不确定性以及数据中心绿色能源利用的限制,并探讨了未来的发展趋势。
随着全球能源转型加速,低碳化、智能化成为能源行业发展的核心方向。人工智能(Artificial Intelligence,AI)技术凭借强大的数据分析、预测优化和智能决策能力,正在深刻改变能源行业的生产、传输与消费模式。近年来,AI大模型(如GPT、BERT等)在自然语言处理、图像识别等领域取得突破性进展,在能源行业的应用潜力逐渐显现,然而其在工程化落地方面仍面临技术适配性、数据质量、算力成本等多重挑战。聚焦AI大模型在能源行业工程化落地关键环节,结合行业趋势、技术应用、典型案例等研判分析,提出系统化的实践路径解决方案。
电池是目前最重要的储能技术之一,传统的电池研发方法研发周期长,研发成本高。将人工智能技术应用到电池研发领域不仅能够提高研发效率,还能寻求技术上的突破。对人工智能技术在电池研发领域的专利申请情况进行分析,主要包括专利申请态势、技术布局主要目标国、国际分类号统计分析、技术分支占比以及重要技术分支方面。希望为该领域创新主体未来的研究方向和技术借鉴提供参考信息。
深度融合新一代信息技术,将各类数据进行统一处理,构建数学模型对数据进行科学分析,利用分析结果支撑精准决策,将决策结果同控制系统进行联动交互,最终实现子系统乃至系统整体的智能决策控制,是煤炭行业技术创新、生产变革、管理提升的必由之路。利用人工智能、数字孪生等新一代信息技术,对原先独立运行的设备、系统进行集中统一管理,打造“感知-分析-决策-控制”闭环,实现“1+1>2”的生产效能和管理效能提升,可提高煤矿单位工时煤炭产量,保障生产人员安全,降低单班井下人员数量,达到生产经营透明化和决策科学化目标。
目前,行业专网网络部署中主要是宽带集群通信网络和窄带集群通信网络,但伴随着专网对宽带化可视化应用场景需求的不断提升,综合考虑通信体制自主化、现网网络部署、网络建设成本、网络业务应用需求等多方面因素,提出了宽窄带集群融合技术。设计了宽带集群通信技术与窄带集群通信技术融合的组网架构,并结合产业界5G技术的发展对宽窄带融合技术未来演进路径进行分析及研究。
聚焦于公共数据授权运营的创新实践,深入探讨了基于数据空间的两类公共数据授权运营的参考技术构架。对比发现,基于数据要素库的数据空间在支撑公共数据授权运营方面具有显著优势:不仅通用性强,能够提供技术简单低成本的实施方案,而且满足数据安全合规性的要求。通过建立以数据要素库为核心的可信数据空间,能够有效实现公共数据授权运营全生命周期的管理和可信流通。
随着汽车毫米波雷达系统在车辆主动安全和自动驾驶领域的广泛应用,传感器之间相互干扰问题也愈发突出。干扰消除与信号重构方法通过分析信号的特点和干扰的特性,利用算法分别进行干扰消除和信号重构,以提高干扰环境下信号的质量和可靠性。基于此,分别从干扰检测与信号重构两个角度对主流技术方法进行了系统归纳与分析。