随着数字化建模技术、先进传感量测技术、多源融合的状态监测技术的广泛应用，必将构建起越来越真实的设备状态数据集。依靠人工智能和神经网络对状态的科学评价，并逐步建立自动学习、持续迭代、自我完善的深度学习模型，实现知识的自我学习和成长，进而对设备的状态进行判断、预测、预警等，在数字世界推演电力系统运行态势将成为可能。
目前，基于大数据的电力设备数字孪生技术架构已经取得了阶段性的成果。物联网技术、5G通信技术、新型传感技术、大数据分析技术、数据挖掘技术、人工智能等技术已经应用于电力设备的状态评估中，初步形成了电力设备状态评估数字孪生技术应用体系。然而，结合实际的业务需求以及现场的各种工况，数字孪生技术还面临着传感信息有限、数据复杂多样融合度不高、数字孪生模型准确性和普适性不足等一系列问题。这些问题在新型电力系统下将变得更为复杂。进一步开展数值计算技术、多物理场耦合仿真的同时，开展基于知识协同、知识图谱的模型构建是提高数字孪生模型准确性的有益探索。
得益于大数据、云计算、物联网、移动互联网、人工智能等新兴技术的快速发展，数字电网智能运维的技术架构已经初步成型，提升了电网生产运行水平和设备健康水平。而新材料技术、量子通信技术、量子计算、芯片技术、融合人工智能和物联网技术等前沿技术的持续发展，也必然会推动数字电网智能运维技术不断发展和完善，为新型电力系统建设提供更为坚强的支撑保障。
渝公网安备 50010902000974号