发展大数据和机器学习理论和技术来指导和优化能源的开发、输运和利用,是智慧能源的关键核心内容。我们重点考虑如下方面: 1.开展能源和碳管理领域的基础理论和应用技术研发,并形成相应软件平台。 2.发展和完善针对能源领域典型应用的机器学习算法,在重点领域(石油、电力、光伏、风电)和重点局域(深圳市、广东其他城市和北京市)开展应用示范,形成具有自主知识产权的技术产品。 3.发展具有理论指导的深度学习TgNN(Theory-guided Neural Network)的理论基础和应用技术,形成相关算法,并在典型能源领域的开发、输运和利用方面进行示范。TgNN既符合训练数据要求(比如,常规神经网),又有理论指导(满足物理机理(控制方程)、工程约束和专家意见)。利用TgNN构建的Surrogate(替代模型)将有助于极大地提高大规模能源系统仿真模拟、历史拟合和优化的效率。 4.建立数据驱动(data-driven)的物理过程挖掘和控制方程推导的理论体系和方法,并与能源和其他领域的实验相结合进行科学规律探索。
发布时间:
2023
-
07
-
15
浏览次数:34