数字孪生技术如何重塑建筑能源系统的韧性：从优化到自愈的新范式

本文探讨面向气候压力的建筑能源系统自愈型数字孪生框架，以稳定性保持为核心目标，通过物理信息模型、数据同化与模型预测控制的协同，实现极端条件下能耗降低与热舒适保障，推动从“优化优先”到“韧性优先”的范式转变。

全球极端天气事件频率增加，传统建筑能源管理系统以优化为核心，在极端条件下暴露脆弱性：模型失配放大误差、传感器漂移与扰动形成隐性退化、缺乏稳定性显式考量易陷入不稳定状态。现有数字孪生研究多聚焦优化，忽视极端条件下的稳定性保持问题。

新框架以稳定性保持为首要目标，包含三个关键层面：1.物理信息神经网络融合热传导方程等先验知识与数据驱动，兼顾灵活性与物理一致性；2.数据同化技术持续融合传感器数据修正模型参数，实现在线适应；3.带稳定性约束的闭环干预，控制动作同时确保系统状态在稳定区域内。

热浪场景实验显示：总能耗减少11.2%，热舒适违规时间减少56.2%；多复合扰动场景下仍保持稳定运行；消融实验表明数据同化贡献最大，物理信息建模次之，稳定性约束提升可靠性（虽有轻微最优性损失）。

自愈能力分三层：1.检测层：监测物理系统与虚拟模型残差，超阈值判定异常；2.诊断层：通过数据同化估计异常类型、位置与严重程度；3.修复层：在线参数更新、调整控制策略或重构逻辑实现自适应修复。

实践意义：为气候不确定性下建筑能源系统提供主动适应方案，为电网、交通等领域韧性设计提供借鉴；未来方向：探索建筑集群协调控制、多利益相关者权衡、人类经验融入自动化决策等问题。