实现对物理 流域的实时监控、 发现问题、 优化 调度的新型基础设施。 一 定义定位—定义 预报 基本内涵是以流域为单元， 遵循客观规律， 在总结 分析典型历史事件和及时掌握现状的基础上， 根据业务 需求， 采用基于机理揭示和规律把握、 数理统计和数据 挖掘技术等数学模型方法， 对水安全要素发展趋势做出 不同预见期 ( 短期、 中期、 长期等 ) 重点在防洪、 供水、 工程安全、 泥沙分析等专业模型， 及动态可视化模型等方面进行突破。 一是研究流域自然规律， 对降雨 - 产流 - 汇流 - 演进全过程洪水形成演变规律， 河道泥沙演变趋 势及 江湖关系变化机理， 水库群及引调水工程泥沙冲淤规律， 以及大坝渗流及变形的发展规律等进行研究， 研发机理分析模型。努力打造通用的水利专业工程软件包， 用于流域防洪、供水调度、工程安全、泥 聚焦水利工程体系科学精细调度， 集成应用各类 知识， 推进预报调度一体化智能化、 实体工程与数字孪生工程同步交互调度。 二是探索构建知识平台， 利用知识图谱和机器学习等技术实现对水利对象 关联关系和水利规律等知识的抽取、 管理和组合应用， 为数字孪生水利提供智 能内核， 支撑正向智能推理和反向溯因分析， 主要包括水利知识和水利知识引 擎， 水利知识经知识引擎组织、 推理后形成支撑研判、

临前所未有的挑战：系统规模的指数级增长、多学科交叉的深度融合、全生命周 期管理的极致要求，以及对安全性、可靠性和可持续性的严苛标准。这些挑战， 已然超出了传统方法和人类智力的极限。我们迫切需要一种新的力量，来驾驭这 份复杂，洞悉其规律，优化其进程。人工智能，无疑是这个时代最响亮的回答。 这便是我们探索工程智能（AI for Engineering）的第一个动因：工程学科的 发展，亟需人工智能的深度赋能。将 AI 的感知、认知、决策与生成能力，注入 于推动国家制造强国、科技强国战略目标的实现，具有不可替代的战略支撑作用。 1.2 工程智能的定义 科学与工程，两者在人类文明进程中相辅相成，却有着本质区别：科学以“认 识世界”为目标，致力于探索自然规律、构建理论体系，其方法论核心在于理论 工程智能白皮书 AI for Engineering White Paper ©同济大学工程智能研究院版权所有。如需引用，请注明出处。 3 推导与实验验证 动。 相应地，本文所指之“智能”特指人工智能技术。其核心能力体现在感知、 认知、决策、自适应等方面，具体通过机器学习、深度学习、自然语言处理、计 算机视觉等技术路径，使机器能够从海量数据中学习规律、识别模式、进行推理 判断，并最终以近似甚至超越人类的方式解决复杂问题。在工程语境下，区别于 传统的自动化技术，这种“智能”的价值尤其体现在它解决了传统自动化无法应 对的非确定性问题，是改进流程、优化决策和驱动创新的关键技术引擎。

态反演揭示演变规律； 根据电压暂降事件时、空特性和演变规律，系统掌握系统电压暂降等短时电压扰动特性。 总体技术路线 2 电能质量领域的应用：电压暂降反演 ③ 多重判据的电压暂 降 同源检测 ③ 特征融合的 DG 控 制 参数辨识 ③ 暂降幅值分区并行 迭 代评估 ③ 脱网时序估计的多 ① 电压暂降事件映射 规则挖掘 ①DG 控制参数对暂 降 的影响规律 ① 配网拓扑多阶段自 (708 时间 (s) 2.4 电能质量领域的应用： DG 时序脱网与多阶段电压暂降反演 有源配网暂降与 DG 脱网存在 时 序关联，结合 LVRT 特性研究时序特征和规律， 实现多阶段电压 暂 降等短时电压扰动反演。 Journal of Electrical Power&Energy Systems,2025,165:110486

抗信息综合监测模型诊断绕组松散状态和形变故 障。如文献[65]提出了基于多状态量特征及变化规 律的高压电缆状态综合评价方法，建立了含局部放 电谱图、接地电流变化曲线、温升变化曲线的图谱 库，总结了不同缺陷下各状态量的特征及变化规律。 目前，高校团队一般是在实验室设计小尺寸模 型，制作若干人工缺陷进行试验分析，利用各类传 感器感知多维时空数据，提出该条件下多维信息融 图 9 智能传感器专用芯片示意图 Fig monitoring system based on PSIC 合方法，分析状态参量与缺陷类型、部件、严重程 度和发展趋势的关联关系。但是，输变电设备内部 数据获取方式有限，对缺陷发展过程中的时空演变 规律无法有效辨识。随着输变电设备的传感器物联 网大力建设，缺陷监测数据将逐渐丰富，多源时空 数据耦合的缺陷智能识别研究将迎来新一轮热潮。 3.3 高保真动态多维数字孪生的状态异常预警等 关键技术 bank[J]. IEEE Transactions on Power Delivery, 2020, 35(5): 2551-2553. [42] 周路遥，曹俊平，王少华，等. 基于多状态量特征及变化规律的高 压电缆状态综合评估[J]. 高电压技术，2019，45(12)：3954-3963. ZHOU Luyao, CAO Junping, WANG Shaohua, et al. Comprehensive

无需人工 值守 雷球联动 跟踪 人脸识别 门禁  黑名单人员自动告警  黑名单车辆自动告警  重点区域人员聚集预 警  出入口人员尾随预 警  重点人员出行规律记录  重点车辆出入规律记录 社区安防 - 视频告警系统 社区安防 - 周界防控 社区安防 - 高空抛物监控 社区安防 -AI 智能 电动车进电梯预 警（避 免火灾隐患） 人脸抓拍识别（快递或黑名

技术成果： 提高模拟精 度 考虑流域空间异质性的组合水文预报模 型 组合水文预报模型 产流空间异质性规律 P15 将水文学原理和数据驱动模型相耦合 ，构建物理函数约束的深度学习模型 ，在深度学习模型中考虑了 流域产汇流的物理机制 ，使深度学习模型测预测结果更符合物理规律。 耦合物理机制的深度学习： 产汇流机制约束的深度学习洪水预报模 型 技术成果： 提高模拟精 度 在损失函数中嵌入物理机制

力供需之间的动态 平衡，确保电力系统的安全稳定运行，已成为各方关注的重点并得到业界的普遍认同。 （2）荷端资源开发潜力巨大。江苏负荷规模居于全国前列，资源的总量和多样性优 势明显，负荷规模大、规律性好、可控性强的工业用电量占全社会用电量的比重接近七成， 电动汽车、5G 基站、数据中心等新型具有调节潜力的灵活性资源规模日益增长；荷端资 源信息化管理程度高，负荷监测覆盖率高，实现了 50 千伏安以上容量客户负荷 形式，属于资源管理模式，而非具体资源类型。故课题主要侧重于工业负荷、充换电负荷、 非工空调、用户侧储能、5G 基站及数据中心等本体资源的开发利用，着重分析其技术调 节潜力。 3.1.1 工业负荷 江苏工业负荷规模大、规律性好、可控性强，可调节潜力巨大，是需求侧资源利用 的优先挖掘和重点开拓方向。不同类型工业的主要负荷调节设备、参与需求响应的时间 尺度以及响应潜力（即可调负荷占比）有明显差异。相关研究表明 [11]，在理想的政策、技术、 。由于各类 充电场景差异较大，不同类型的充电设施聚合开发难度也不同。高速公路充电站、快充站， 主要是满足客户快速补能需求，调节难度大；公交车站、专用车充电站，由于公交车、专 用车运行里程有限、规律性较强、出行时间短、单车充放电功率大等特点，参与短时灵活 | 12 | 需求侧资源潜力评估与开发利用路径 性调节的难度小，是可以优先开发的重点资源；居民用户和办公场所的内部电动汽车充电 设施

舶的航行轨迹均具有随机性，以任意一艘船舶为中心的 5 公里广播范围内，接收信息的目标船舶始 终处于动态流转状态。前一秒处于 5 公里范围内的船舶，可能因航行远离脱离广播覆盖，新的船舶 又可能因航行靠近进入覆盖范围，这种无固定规律的目标实时变化，使得移动通信网络难以提前识别、 持续确定每一次广播的具体接收目标，对网络的实时感知、动态组网与快速适配能力提出了极高要求。 图 1 船船互联场景 任务驱动式智能互联技术白皮书 20%），网络难以通过统一规则捕捉意图产生的规律。 这种“临时、随机、难感知”的通信意图，对移动网络的资源调度能力提出了特殊要求：传统基于 “长期规划、固定分配”的资源模式已无法适配，网络需支持“即时接入、即时释放”的灵活调度。 在智能体突发通信意图时，能快速分配信令信道与数据带宽，完成链路建立与信息传输；通信意图 终止后，立即释放资源以避免浪费，从而适配智能体高频次、短时长、无规律的自主通信需求，这 也成

工作组 / 部门 / 岗位、新的职能 / 职责、以及相应的人员配置落实解决 新 1.4 组织优化必须尊重普遍规律 —— XX 餐饮的组织变革并非独创性变革。全球领先酒店集团在组织设置上的共性 规律应予遵循，无论当前 / 近期 / 中远期架构，均不要因个性而背离 ► 全球领先酒店集团的共性规律不只是借鉴表面，更主要是借鉴内在原理 ( 即管理科学的基本原理 ) ，例如 ► 表面：设若干 C*O ，每个 ► 尽管每个企业都有自身历史原因形成的特殊个性，但整体框架首先讲共性；近期目标方案要尽量靠拢这些共性做法， 当前落地实施方案也不能违背这些普遍规律 新 1.4 组织优化必须尊重普遍规律 ——集团型企业的分层合理定位各有授权、垂直管控打通的共性规律应予遵循，无 论当前 / 近期 / 中远期架构，均不要因个性而背离 ► 集团企业在组织顶层设计上最重要的合理性，是管控分层定位各有授权、垂直管控打通、实现组织扁平化 XX 餐饮的借鉴 对 XX 餐饮的 借鉴 ► 以 XX 餐饮的总体规模而言， A 类集团更适合作为借鉴对象 ► 应该遵循『职能设置的三类模式』并把握各类职能的特点，不止是酒店业，各行业都遵循以下规律 ► 只在酒店管理公司总部层面的职能：集中型 ► 该类职能的特点：资源掌控、非人力密集、无需对分散业务经营的差异化决策与反馈、往 往需要强专业的稀缺人才 ► 在酒店管理公司 / 区域 / 酒店均设且对接的职能：分层型