近日，歐洲能源研究聯盟（EERA）宣布新推出“能源數字化”（DfE）聯合研究計劃，旨在通過信息技術和能源數字化支持實現零碳歐洲目標。EERA是歐洲最大的低碳能源研究非營利性國際協會，是歐盟戰略能源技術規劃（SET-Plan）的研究支柱，此前共開展了17個低碳能源技術領域的聯合研究計劃，本次新增的DfE聯合研究計劃是在能源和數字技術交叉領域的研發部署，是EERA的首個跨領域聯合研究計劃。該計劃發布了《能源數字化戰略研究與創新議程》，確定了到2024年能源數字化的研發目標和關鍵優先事項，重點關注2個特定領域：高性能計算，數據科學與人工智能；以及4個交叉領域：能源系統集成交叉領域技術，材料、工藝和設備多尺度建模，水電數字化技術，核材料物理模型、健康監測和無損顯微結構檢驗。關鍵內容如下：

一、高性能計算

1、目標及重點任務

該領域的目標是設計可利用百億億次（Exascale）超級計算機的軟件、工具和服務，以解決能源領域新科學挑戰。主要包括兩個子目標：

（1）通過高性能計算實現變革性的能源科學發現。將重點完成如下任務：①利用百億億次超級計算機實現低碳能源科學的突破性進展，將識別EERA低碳能源技術領域的科學挑戰，確定各領域最新技術、瓶頸、成本、領域間協同作用、差距分析，并設計開發領域適用軟件；②設計和開發最先進的計算方法和高性能計算軟件，使數值模擬工具能用于百億億次超級計算機并可管理生成的數據。

（2）推進百億億次超級計算機服務。將重點進行如下活動：促進協同設計軟件開發方法并在能源業界中使用數值工具，將設計一個“軟件即服務”（SaaS）門戶，作為EERA高性能計算服務的主要入口。

2、研究主題及預期產出

本議程已確定了至2023年的部分研究主題及預期產出，包括：①識別科學挑戰，預期產出為評估相關低碳能源技術所需開展的計算活動，并確定其科學優先級和協同作用（到2021年）；②識別技術挑戰，預期產出為確定能源領域適用的高性能計算工具和服務（到2021年）；③用于能源領域的高性能計算開發方案，預期產出為EERA和能源百億億次計算卓越中心（EoCoE-2）合作發布的立場文件（到2021年）；④開發SaaS門戶，預期產出為設計和實施SaaS門戶，包括服務和代碼（到2022年）；⑤建立能源高性能計算社區，預期產出為建立一個大型歐洲平臺，以協調高性能計算在能源領域的部署，并實施具有挑戰性的舉措（到2023年）。

二、數據科學與人工智能

1、目標及重點任務

該領域目前處于啟動階段，主要包括三個子目標：

（1）實施FAIR[1]和開放原則，即基于FAIR和開放原則構建開發能力，同時考慮數據安全性、隱私和主權要求，以支持開發有價值的可利用數據治理基礎架構。將重點完成如下任務：①建立一個EERA跨聯合研究計劃論壇，討論公平和開放的數據標準；②為所有聯合研究計劃開展FAIR相關活動和研討，建立FAIR和開放能源數據的成熟標準，包括元數據標準；③建立EERA以外的FAIR和開放能源數據社區，形成足夠規模以開發和正式批準建立能源領域的FAIR和開放（元）數據標準；④匯集用于FAIR和開放數據的平臺服務，長期目標是使EERA成為歐洲能源研究人員和能源數據企業查找、訪問和交換能源（元）數據的樞紐。

（2）開發人工智能方法。將重點進行如下活動：①實現FAIR和開放數據服務與AI工具所需協議的數據格式和擴大服務過程的無縫連接；②在能源系統管理中應用機器學習技術，如確定能源價格、需求和存儲的最佳平衡方案，精準預測，智能電網，故障預防等；③應用深度學習方法，如開發確定性和概率預測方法，以及利用深度神經網絡處理大規模能源數據集的非線性復雜關系。

2、研究主題及預期產出

本議程已確定了至2024年的部分研究主題及預期產出，包括：①識別技術挑戰，預期產出為確定能源社區感興趣的資源庫和數據庫（到2021年），確定EERA需要的AI工具和服務（到2021年），確定低碳能源社區的元數據標準（到2021年），確定將數據庫無縫連接到AI工具和服務需實現的技術方法（到2022年）；②實現FAIR數據論壇和平臺服務，預期產出為網站、資料庫等（到2023年）；③正式批準FAIR和開放能源數據標準（到2024年）。

三、能源系統集成交叉領域技術

1、目標及重點任務

該領域的目標是收集、存儲和處理來自各種數據源的數據和信息，并將各種方法和工具結合起來，以優化綜合能源系統的設計和運營，提高系統效率、經濟性和彈性，同時確保用戶側的易用性、隱私性和環境友好性。主要包括三個子目標：

（1）收集相關數據和信息，以對綜合能源系統進行建模和仿真。將重點完成如下任務：①確定建模和預測所需的最少數據和信息，該任務將確定所需使用的傳感器數量和理想的采樣率；②集成非傳感器來源的數據和信息，此類信息可能來自能源系統中的服務及維護和/或組件升級，以及與發電和需求的潛在變化相關信息。

（2）數據驅動的建模和預測相關混合工具和方法。將重點完成如下任務：開發并提供必要的專有知識和技術，以在所有時空尺度上進行匯總、預測、控制和優化。

（3）建模和數據集成。將重點完成如下任務：開發一種新方法、技術和解決方案，采用考慮不同能源網絡（電、氣、石油、熱力、交通）之間潛在協同作用的綜合方法，確保系統各參與者和組件之間的有效交互。

2、研究主題及預期產出

本議程已確定了至2023年的部分研究主題及預期產出，包括：①確定建模和預測所需的最少數據和信息，預期產出為降低安裝、運行/服務和維護成本（到2021年）；②集成非傳感器來源的數據和信息，預期產出為改善運行或預測可靠性以及能源系統可靠性（到2022年）；③在不同時空尺度上對相關數據進行匯總、預測、控制和優化，預期產出為對本地和區域/國家級別的能源系統及其相互作用和關系進行建模（到2023年）。

四、材料、工藝和設備多尺度建模

1、目標及重點任務

該領域的目標是確定能源領域的材料、工藝和設備的多尺度建模和仿真面臨的挑戰和發展趨勢，提出通用方法以進行新型材料的原子和微觀特征研究，確定通過百億億次高性能計算、機器學習和人工智能實現大規模計算（包括數據挖掘）的新方法，定義能源應用相關的介尺度模型以及能夠耦合離散模型和連續模型的關鍵參數，集成多物理場建模和仿真以解決與能源領域設備和工藝相關的工程問題。將重點完成如下任務：①開發材料微尺度（原子及分子）模型和工具；②開發設備和工藝的介尺度及大尺度模型，如利用輸運方程的蒙特卡洛法、有限元法、有限體積法等，通過介尺度和大尺度建模研究材料結構中的缺陷、裂紋、晶界等，評估固體和流體能源材料的特定參數和行為，研究設備或工藝中的化學或物質輸運過程，優化對最優材料的篩選過程等；③開發集成仿真平臺、模型降階方法和應用工具；④與高性能計算、數據科學和人工智能相關的新計算范式，包括材料模擬、數據庫和材料篩選、機器學習和人工智能用于材料發現和加速計算、百億億次高性能計算用于材料設計等。

2、研究主題及預期產出

本議程已確定了至2023年的部分研究主題及預期產出，包括：①電化學界面的多尺度建模，預期產出為批準該主題相關的大型歐洲資助計劃，組織電化學界面多尺度建模相關的國際會議或座談會（到2023年）；②基于機器學習的新材料性能識別，預期產出為借助歐盟及成員國的高性能計算資源投入，資助該主題相關的大型歐洲計劃（到2023年）。

五、水電數字化技術

1、目標及重點任務

水電行業正處于數字化轉型的開始階段，該領域第一階段的目標是確定研究重點和主題，包括：確定該領域的最新技術及其發展水平；確定水電數字化的相關應用案例；總結水電數字化相關的國家級和國際研究計劃；增進對水電站運行、負荷、老化和壽命之間關系的理解；通過更多基于數據的決策確定未來挑戰（如安全性）；支持學術界和行業共同參與數字化計劃和項目。將重點完成如下任務：①設備級技術方面，包括：監控系統的安裝和管理；數據的質量保證和統一；渦輪和發電機的數字孿生；關鍵設備的異常檢測安裝和管理。②系統級技術方面，包括：支持輔助服務的虛擬電廠；網絡攻擊的安保和預防；大數據基準；與其他數字化活動的接口。③經濟方面，包括：經濟高效的運行和維護；數字平臺的新商業模式。④環境方面，包括：根據新的可用數據改進水力模型；通過河床掃描建立河流數字孿生；基于衛星流量監測的模型驗證；識別魚類行為和魚梯影響的圖像處理技術。⑤社會方面，包括：促進對現有和新技術的接納；減輕跨學科合作的復雜性；維護和運行方面的專有知識管理。

2、研究主題及預期產出

本議程已確定了至2023年的部分研究主題及預期產出，包括：①水電應用案例，預期產出為水電數字化相關應用案例報告（到2021年）；②水電數字化研究動態，預期產出為水電數字化國內外研究動態報告（到2021年）；③水電站整修，預期產出為開發一種確定水電站最佳整修時間的工具（到2023年）。

六、核材料物理模型、健康監測和無損顯微結構檢驗

1、目標及重點任務

該領域重點關注核材料的物理建模、健康監測和無損檢驗，以將材料微觀結構、性能、加工參數、建模與核電廠組件的在役檢查和狀態檢測聯系起來。主要包括兩個子目標：

（1）物理建模，開發模型以實現通過實驗數據推斷安全運行條件。該領域考慮的物理模型涵蓋所有范圍，從使用量子力學和物理數學進行電子結構計算，到使用有限元方法求解連續模型。將進行以建模為目的、使用幾種先進材料表征技術的實驗，在不同尺度下觀察材料微觀結構特征和變化，對暴露后的材料進行檢查以研究物理機理及不同尺度變化之間的相關性。

（2）材料健康監測和無損結構檢驗，開發和優化智能無損檢驗技術，包括用于材料和組件表征以及結構監測的認知自適應傳感器技術。將開發和優化用于材料健康監測和無損結構檢驗的機器學習和人工智能算法，處理和分析生命周期各階段的材料健康監測和無損結構檢驗數據，并存儲在核材料數據庫的數字孿生文件中，并開發和應用可預測材料特性的模型。

（3）與高性能計算、數據科學和人工智能相關的新范式。將采用多種方法進行多尺度建模，包括量子力學、物理數學和有限元法等，通過大數據和人工智能來處理、選擇和分析各種材料性能表征技術產生的大量數據。

2、研究主題及預期產出

本議程已確定了至2024年的部分研究主題及預期產出，包括：①用于材料的機器學習和人工智能技術，預期產出為對歐洲最新技術、差距和需求進行匯編（到2021年）；②用于材料健康監測和無損結構檢驗的機器學習和人工智能技術，預期產出為開發和優化能夠處理和分析相關數據的機器學習和人工智能算法（到2022年）；③數字孿生數據庫，預期產出為建立核材料全生命周期數字孿生數據庫（到2024年）；④用于材料性能預測的機器學習和人工智能技術，預期產出為開發和應用材料特性預測模型（到2024年）。

[1] FIAR原則指可發現（Findable）、可訪問（Accessible）、可互操作（Interoperable）和可重用（Reusable）。