随着全球积极应对减少碳排放、应对气候变化的迫切需求，沙迦大学研究人员正聚焦一项可能重塑能源未来的尖端技术——人工智能数字孪生。环境科学家认为，化石燃料与全球变暖相关，而这些物理世界的数字复制品有望改变各种清洁能源平台上的能源生产、管理和优化，加速摆脱化石燃料的进程。

数字孪生具备复制和与复杂系统交互的能力，成为各行各业创新的基石，推动了效率提升、成本降低以及新解决方案的开发。不过，科学家警告，当前数字孪生模型存在明显局限性，限制了其充分利用风能、太阳能、地热能、水力发电和生物质能等能源的潜力。

研究人员在《能源联系》杂志上指出，数字孪生在优化可再生能源系统方面成效显著，但每种能源都有独特挑战，从数据多变性和环境条件到系统复杂性，这些都可能限制数字孪生技术的性能。

在研究中，作者对数字孪生在可再生能源系统应用的现有文献进行了广泛回顾，研究了各种环境、功能、生命周期和架构框架，以了解其当前应用情况及存在的差距。为提取有意义的见解，他们采用先进文本挖掘技术，融合人工智能、机器学习和自然语言处理技术，分析了大量原始数据，发现结构化模式、概念和新兴趋势。

通过深入分析，作者得出关键结论，指出研究空白、提出新方向，并概述了充分利用数字孪生技术在可再生能源领域潜力需应对的挑战。在详细讨论数字孪生在各种可再生能源应用中的集成后，作者总结了其在风能、太阳能、地热能、水力发电和生物质能五大主要能源领域的重要发现，全面概述了如何定制数字孪生以优化每个领域的性能。

研究表明，数字孪生为各种可再生能源系统带来显著优势：风能方面，可预测未知参数、纠正不准确测量，提高系统可靠性和性能;太阳能方面，有助于识别影响效率和输出功率的关键因素，实现更好的系统设计和优化;地热能方面，可模拟整个操作过程，促进成本分析并减少时间和费用;水力发电方面，人工智能驱动的模型可模拟系统动力学，在老旧水电厂减轻工人疲劳对生产力的影响;生物质能方面，通过深入了解运营流程和工厂配置来提高性能和管理。

然而，作者也指出了数字孪生在不同可再生能源系统应用中的关键局限性：风能上，精确建模和监测环境条件存在挑战，难以模拟叶片腐蚀等关键因素;太阳能方面，可靠预测长期性能不足，难以追踪太阳能板老化;地热能方面，缺乏高质量数据阻碍了模拟地质不确定性和地下条件的能力，模拟长期行为也具复杂性;水力发电方面，精准模拟水流变化和捕捉环境生态约束条件困难;生物质能方面，难以模拟整个生产供应链，无法为生物过程等提供精确模型。

作者强调了这些缺陷对可再生能源领域的广泛影响，并提供了一套指导方针和研究路线图，建议改进数据收集方法、推进建模技术和扩展计算能力，以提高数字孪生技术的可靠性和精度，为决策和系统优化提供可靠见解。

更多信息：Concetta Semeraro 等，《驾驭未来：探索数字孪生在可再生能源中的应用及影响》，Energy Nexus(2025)