隨著數字化建模技術、先進傳感量測技術、多源融合的狀態監測技術的廣泛應用，必將構建起越來越真實的設備狀態數據集。依靠人工智能和神經網絡對狀態的科學評價，并逐步建立自動學習、持續迭代、自我完善的深度學習模型，實現知識的自我學習和成長，進而對設備的狀態進行判斷、預測、預警等，在數字世界推演電力系統運行態勢將成為可能。
目前，基于大數據的電力設備數字孿生技術架構已經取得了階段性的成果。物聯網技術、5G通信技術、新型傳感技術、大數據分析技術、數據挖掘技術、人工智能等技術已經應用于電力設備的狀態評估中，初步形成了電力設備狀態評估數字孿生技術應用體系。然而，結合實際的業務需求以及現場的各種工況，數字孿生技術還面臨著傳感信息有限、數據復雜多樣融合度不高、數字孿生模型準確性和普適性不足等一系列問題。這些問題在新型電力系統下將變得更為復雜。進一步開展數值計算技術、多物理場耦合仿真的同時，開展基于知識協同、知識圖譜的模型構建是提高數字孿生模型準確性的有益探索。
得益于大數據、云計算、物聯網、移動互聯網、人工智能等新興技術的快速發展，數字電網智能運維的技術架構已經初步成型，提升了電網生產運行水平和設備健康水平。而新材料技術、量子通信技術、量子計算、芯片技術、融合人工智能和物聯網技術等前沿技術的持續發展，也必然會推動數字電網智能運維技術不斷發展和完善，為新型電力系統建設提供更為堅強的支撐保障。
渝公網安備 50010902000974號