基于数字孪生的多园区能耗预测调度方法及控制系统

本申请提供了一种基于数字孪生的多园区能耗预测调度方法及控制系统，通过构建一个从数据感知到闭环优化的技术链条，系统性地解决了多园区能耗管理的痛点；首先，通过构建全域统一的数字孪生模型，实现了对分散异构的园区资产与数据的标准化集成，克服了信息孤岛问题；其次，采用联邦学习进行预测，在保障各园区数据隐私和安全的前提下，实现了跨园区的知识共享与联合建模，显著提升了单一园区在数据有限情况下的预测精度；最后，通过“预测‑决策‑执行‑更新”的闭环流程，将传统被动、静态的能耗管理转变为主动、动态的预测调度，能够前瞻性地平抑用能高峰、优化能源分配，有效降低了综合能耗成本与碳排放。