技术问题描述：供热行业通过技术进步降低能源消耗是节能减排、助力双碳的重点方向。城市信息模型CIM通过加载其上的全量全域数据在系统内汇集交融，实现对真实世界运行规律的识别，产生新的知识涌现，为改善和优化供热系统提供有效的指引。因此，将人工智能技术、地理信息技术GIS与传统供热运行技术进行交叉融合，促进供热系统升级，是供热行业提升管理水平和效率急需技术进步的升级方向。

解决的关键问题及应用场景如下：

1.基于城市信息模型的智慧供热系统数字孪生平台技术研究：三维GIS模型实现了供热系统宏观大场景的数字化模型表达和空间分析，BIM则实现了对管网、换热站等物理设施功能信息的精确表达，将这两者融合集成，可构建起CIM的框架。实现供热管线、设备等资产的数字化管理，供热运行的可视化管理。

2.基于机器学习数据驱动与机理模型融合可解释的热负荷预测技术研究：利用供热机理模型结合机器学习算法，对多源多尺度多模态数据融合建模总结出热源及换热站的负荷与室外温度、室内温度和停热率等信息的热负荷预测模型。实现热源的供给侧精准供给，需求侧满足需求，提高热网运行的网源匹配度。

3.基于数据驱动和自动决策的换热站智能运行调控技术研究：在智慧供热系统中，运行和控制策略需利用人工智能技术实现决策过程的智慧化。决策中所应用的模型来自机理+人工智能方法。智慧供热系统可自主决策，决策模型具备自我学习能力，控制模型可自动更新，总结出换热站控制二网供温、二网均温及室温等参数的控制模型，控制过程精准，效果逼近系统最大能效。

4.基于跨模态数据融合建模的建筑热负荷预测模型：建筑的最终能源使用用途中,供热负荷占了很大的比例,对建筑热负荷进行预测是用于建筑能源管理优化很有潜力的方式。目前已经应用的建筑能耗预测方式是基于物理原理的方式,但构建建筑模型需要耗费大量的人力及时间,限制了这种方法大规模推广。依靠历史负荷数据和负荷相关变量等跨模态数据建立热负荷预测模型，使建筑热负荷计算较传统物理原理具备更好的泛化复制能力。在热网设计规划、能耗统计、按需个性化供热等方面提供准确的理论指导。

-需要的技术成果及相关指标描述：1.基于城市信息模型的供热数字孪生CIM平台研发，实现GIS和BIM的深度融合。（1）平台支持osgb等三维格式加载、支持空间量算等功能，三维建模支持多种分辨率能力。（2）基于CIM平台的供热数字孪生业务系统一套。

2.基于机器学习数据驱动与机理模型融合可解释的热负荷预测技术研究，热源预测的准确度95%以上。

3.基于数据驱动和自动决策的换热站智能运行调控技术研究，调控目标达成率98%以上。

4. 建立基于跨模态数据融合建模的建筑热负荷预测模型，该模型对不同类型的建筑具有广泛复制性。-

拟合作方式：合作开发-

拟投入资金（万元）：900