13009000 构建城市尺度建筑能耗模型 UBEM- 机理数据联合驱动 + 自底向 上 一 个老问题的几个新挑战： 历史 / 未来天气 (a)CMIP6 未来气象数据库 (b) 动态降尺度方法 难点：海量 ( 数十万栋 ) 、 多维 ( 形貌、功能、年龄 等 ) 的城市级建筑信息难获 取 Dabe/Time 目标：机理 - 数据联合驱动、 全自动化、结果可信的 UBEM 构建城市尺度建筑能耗模型 UBEM- 机理数据联合驱动 + 自底向 上 城市级 社区级 楼宇级 一个老问题的几个新挑战的解决思路： EnergyPlus 全 社 会 用 电 交 通 运 输 批 发 零 售 5 1 民 生 活 社区尺度 UBEM 模拟建筑群的 典型年逐时冷 / 热 / 电能 耗 EnergyPlus 建筑热工机理模拟 ● 室外太阳热辐射 ● 围护结构传热 (mid-rise) Residennal Chigh-nise) Ofce Commercial Industrial Adninistative Educatonsl Chuster 9 机理 - 数据联合驱动模型验证的关键技术 平台最易受质疑的就是模型真实性，故采用时间 - 空间 - 能量三维度验证 A) 典型建筑 / 社区验证

........................................ 7 1.3.1 聚焦数据流通质量，打造高效边云协同体系 ...... 7 1.3.2 围绕工艺流程优化，提高机理模型供给能力 ...... 7 1.3.3 坚持行业痛点导向，完善特定场景解决方案 ...... 8 1.3.4 重视平台安全防护，建立高度可靠安全系统 ...... 8 二、石化行业 . ...................................... 28 4.3.1 统一技术架构接口规范，保障数据融通............. 28 4.3.2 突破全生命周期机理模型，推动数物融合......... 29 4.3.3 构建多层次体系化平台，实现数据分级分类 .... 29 五、船舶行业 ................................. .............................. 44 6.3.1 深化数据应用，完善数据流通体系..................... 44 6.3.2 聚焦生产过程，强化机理模型供给..................... 45 6.3.3 围绕行业痛点，推广解决方案普及..................... 45 七、轨道交通行业 ............

( 大脑 ) 融合水文机理模型、人工智能模型实现孪生场景下的预测。 实时感知能力 ( 眼、手 ) 结合物联传感实现对现实观测数据的实时感知。 孪生转化能力 ( 躯干 ) 对现实世界物理模拟，提供一个真实的空间仿真本体。 数字孪生水利重点解决的三个问题 孪生、感知、决策 GISTC P6 智能决策能力：经验模型、机理模型、人工智能模型 … 主要利用机理模型模拟水利物理系统的物理属性、 主要利用机理模型模拟水利物理系统的物理属性、 状态 变化及运行规律，实现对水利系统的物理孪生、 状态孪 生和机理孪生。 主要用于天气观测，基于英伟达 CorrDiff 生成式 AI 模 型技术，融合了人工智能、 物理模拟和观测数据，能够 从今天的数据来预测未来世界的影响。 新安江 模 型 、 双超产 流模型 等水利 部模型 方法 马斯京 根河道 汇流模 型 山 丘 区 河 道 山 丘 反 干 GISTC 工程过 水模拟 模型 、水工 程复杂 调度模 型 型 、二维 水动力 模 型 道模型 、潮位 边界模 型 水文机理模型 四类下 垫面产 流模型 降雨 蒸发 泊 及 蓄 滞 洪 一 平 原 区 河 道 平 原 区

业财一体化能力 数联能力 数据治理 数据集数量 主数据管理能力 数据管理成熟度评价 数据共享 数据目录管理情况 异构数据的标准化率 标准化数据集容量 多系统数据接口打通情况 机理模型/数据模型数量 高级数据分析（机器学习、神经网络等）比例 智联能力 智能决策 领域知识图谱数量 智能算法数量 数字孪生 数据驱动的运营决策场景比例 数字化效益 数字绩效 技术管理绩效 数联能力 数据治理 高质量数据集数量 主数据管理能力 数据质量 数据共享 数据目录管理情况 异构数据的标准化率 标准化数据集容量 多系统数据接口打通情况 智联能力 数据开发 机理模型/数据模型数量 高级统计分析比例 预测分析比例 机器学习(深度学习)比例 智能决策 领域知识图谱数量 工业智能算法数量 数字孪生 数据驱动的运营决策场景比例 数字化效益 数字绩效 数据共享 数据目录管理情况 异构数据的标准化率 标准化数据集容量 多系统数据接口打通情况 智联能力 数据开发 进出用能单位/进出主要次级用能单位/ 主要用能单位在线数据分析能力 机理模型/数据模型数量 高级统计分析比例 预测分析比例 机器学习(深度学习)比例 智能决策 领域知识图谱数量 工业智能算法数量 数字孪生 数据驱动的运营决策场景比例 数字化效益 数字绩效

设备数字孪生管理系统，以管理壳为载体，打通发电设备生产侧及产 品侧各环节数字孪生数据壁垒，形成产品全生命周期的数字孪生服务 与管理能力；从发电设备制造商的角度，基于对上千台机组设计、运 行调试经验的综合与升华，构建行业机理与人工智能算法相结合的发 电设备智能运维解决方案，实现 IT 与 OT 的融合，助力发电行业智能 化生产运行，实现“安全高效、清洁低碳、灵活智能”的生产目标。 技术简介 1.基于多维度整合的发电设备数字样机建模技术 低代码开发环境和图 形化编程技术降低开发门槛，为上层数字孪生管理系统提供技术支持。 数字孪生管理系统完成设备全生命周期的孪生体信息模型、2D/3D 模 型及机理模型的构建，通过构建孪生体映射全生命周期不同领域数据、 关联行业机理模型、结合三维结构模型进行设备孪生体的综合运行， 通过孪生体向上游解决方案提供数据服务。最终，围绕发电设备的产 品设计与仿真、生产过程建模与控制、产品质量管理、协同工艺规划、

AI和深度学习技术，加速企业智能决策与自主优化 石化行业地质勘探、控制优化等大量过程涉及复杂原理，一些传统机理模型尚不能对过程行为进 行清晰反应。石油石化企业通过引入人工智能和深度学习技术，构建深层神经网络模型，从海量 业务数据中自动提取复杂特征和模式。此类技术能够帮助企业对大量机理未知的过程建模，并利 用计算结果指导决策，优化工艺控制参数、故障预警策略等。例如，深度学习技术已被广泛用于 跨系统的全量数据汇聚。整合生产、设备管理、供应链、服务生态等多类数据源，构建企业 级数据资产目录，特别是支撑海量工业数据的存储、处理与分析。构建数据的批处理和流式 处理引擎，形成可持续发展的一体化整合能力。 智能决策层：以机理与数据为核心，构建覆盖炼化、管道、储运等关键场景的行业算法库， 实现工艺优化、设备预测性维护等功能的实时分析与闭环调控。依托强化学习与智能体，动 态集成生产、市场及供应链等多维信息，自主生成兼顾效率、成本与风险的最优决策方案， 至模型推理全生 命周期。云边端分布式架构实现数据分级治理⸺边缘节点处理实时响应，云端聚焦全局优 化，形成弹性技术支撑体系。 智能决策⸺打造多模态协同控制中枢：深度融合机理模型与数据模型，将炼化反应动力 学、油藏渗流机理等专业知识嵌入AI算法，显著提升复杂工况下的分析精度与可解释性；通 过集成规则引擎、先进过程控制与优化求解器，实现从参数动态调优到资源协同分配的多模 态决策闭环，通过智能