中國網/中國發展門戶網訊 能源模型是用于模擬和預測能源系統行為的數學模型，是研究和解決能源相關問題的重要工具。20世紀70年代中期，世界性石油危機的發生促使學術界高度關注能源供應安全問題，積極開展能源預測及關聯模型研究，能源系統分析工具方法開始不斷涌現。隨著計算機技術的發展，能源需求預測和能源供應規劃的模型化得以實現，出現了TESOM、MARKAL等模型。伴隨能源市場化進程，能源模型在更豐富的數據支撐下得到進一步發展，出現了以LEAP和NEMS為代表的經典模型。在應對氣候變化成為全球性問題并逐步得到重視的背景下，越來越多的能源模型開始考慮并納入溫室氣體排放，進而有了綜合評估模型的雛形。隨著能源模型的日益功能化，模型開發與應用所關注的焦點從單一的能源供應安全，延伸到能源經濟、能源與環境、能源與健康，甚至能源與社會等系列問題。能源模塊、經濟模塊、大氣化學模塊、地球系統模塊等連接、耦合多模塊的綜合模型逐漸形成。目前，大多數歐美發達國家和地區的研究機構及主流智庫均投入大量人力、物力，開發了成熟的能源模型工具，并不斷增加新的應用場景，這些模型工具已在能源戰略規劃與氣候政策的制定過程中發揮了巨大作用。

隨著新一代信息技術的廣泛應用，數字技術與能源行業逐步融合，并為行業高質量發展賦能。煤礦智能化、智慧油氣田、智能電網建設得到快速推進，源、網、荷、儲一體化協同配置，煤、油、氣、電、氫等多能互補，電網、熱網、燃料網甚至水網等多網融合，使得現代能源體系呈現出包容、韌性、綠色、低碳、智慧的特征。面對全新的能源發展格局與能源經濟形勢，傳統的能源模型已無法滿足當前復雜多變的決策需求。同時，以數字化、網絡化、智能化為特征的數字經濟蓬勃發展，正在深刻重塑經濟社會發展的模式和動能，數字技術驅動能源系統變革。數字經濟和能源革命交織演進，為能源模型創新發展帶來重大機遇，同時也對能源模型的適用性、精準性、創新性提出了更高要求。數字經濟時代創新發展能源模式亟須重新定義能源模型及其內涵，充分融合大數據、人工智能等前沿技術，構建出與新型能源體系相適應的智能化建模與決策支持工具。

為此，本文系統梳理了能源模型的基本內涵和研究范疇，全面總結了當前主流模型的構建思路。在此基礎上，探討了全球能源模型研發的最新進展，深入剖析了數字經濟時代我國能源模型的研發需求和當前研究與實踐面臨的現實挑戰，進而為主動把握數字經濟的變革趨勢，推進有中國特色的能源模型研發及其方法體系的構建，提供研究、應用及管理決策參考。

能源模型的基本內涵與范疇界定

在數字經濟時代，能源模型研發正在經歷由依賴傳統的能源轉化過程分析或經濟學的理論假設向基于數據驅動和技術創新引領的新范式轉變。這種變革不僅拓展了能源模型的傳統范疇，也增加了其復雜性和功能性，以適應新興技術和不斷變化的能源復雜系統與經濟社會系統。基于此，對能源模型的理解與認知需要從狹義和廣義兩個層面進行界定。

狹義的能源模型

狹義的能源模型即傳統的能源模型，通常基于運籌、優化等數學方法，聚焦于能源生產、轉化/轉換、分配和消費的數學模擬。模型參數往往依賴于人工提取的結構化數據和先驗知識，包括能源消費、生產能力、資源分布等，以及與經濟、環境和技術進步相關的外部數據。模型功能主要專注于預測未來的能源需求和供應情況，探討優化資源配置，評估不同能源政策的潛在影響，常用于處理線性系統和穩定條件下的能源問題，從而服務于中長期的能源政策和戰略規劃制定。根據不同的分類方式，傳統的能源模型的分類也不同。根據模型的功能和使用目的，有研究將其分為能源系統優化模型、能源系統仿真模型，以及定性和混合方法模型。根據應用的數學方法劃分，將能源模型分為線性規劃、混合整數規劃、動態規劃、隨機規劃及基于Agent的建模等類型。

一般而言，最常用的分類方式是按照建模邏輯及模型分析方法，將能源模型劃分為自上而下的模型、自下而上的模型與混合模型。前兩種模型的本質區別在于處理消費者行為、企業行為，以及市場表現的方法不同。

自上而下的模型。自上而下的模型是一種基于經濟學理論的能源系統建模方法，側重于將能源系統與其他宏觀經濟部門建立聯系，簡化能源系統的組成部分和復雜性。此類模型包括可計算一般均衡（CGE）模型、投入產出模型、計量經濟模型、系統動力學模型及多智能體等。其中，CGE模型是自上而下的模型中最為典型的代表。CGE模型通過構建福利、就業以及經濟增長之間的互饋關系，一般以最大化社會福利為目標，利用生產要素（勞動力、資本等）分配來實現均衡（圖1）。模型對于能源技術的考慮主要是基于價格相關政策，如稅收、補貼等。技術進步通常利用基于學習或研發的學習曲線來刻畫，對特定部門詳細的規劃能力較弱。

自下而上的模型。自下而上的模型的主要特征是基于能量及物質平衡原理，從能源系統最小單元（如單個技術或者設備）的輸入、輸出及效率入手，構建局部能源模塊，進而通過能源從供給到需求的全過程，自下而上地構建和分析整個能源系統（圖2）。模型搭建過程依賴于大量的技術及設備參數，并依據技術及設備的投入產出，基于工程技術原理，實現對能源供給與需求的分析。自下而上的能源模型能夠較好地刻畫能源系統的物理特性和技術特征，分析不同能源部門之間的相互聯系，但缺少能源系統對宏觀經濟系統影響的反饋分析。由于對能源活動產生的成本評估局限在所分析的系統內部，一般情況下，自下而上的模型對于給定減排目標的成本估計小于自上而下的模型。

混合模型。混合模型是將自上而下模型和自下而上模型相結合，包括“軟鏈接”和“硬鏈接”兩種方式。“軟鏈接”需要人為地將數據及參數在模型間傳輸，而“硬鏈接”借助程序實現數據和參數在模型間的傳輸。近年來，常見的氣候變化綜合評估模型均是將氣候、經濟、環境和能源模塊相互耦合形成閉環，是混合模型的典型代表。自下而上的能源模型可以與自上而下的經濟模型相結合進行不斷的迭代優化，還可以進一步與大氣循環模塊、氣候模塊及相關的影響評估模塊進行鏈接，實現人類活動與地球系統的雙向耦合，進而形成多種形式的閉環模擬（圖3）。

廣義的能源模型

在數字經濟發展的大背景下，能源模型不斷融合大數據分析、人工智能、機器學習和物聯網等各種數字技術，以提高模型的預測精度、適應性和交互性。模型的形態已經不僅僅是預測和優化的工具，更是實時監控和動態調整能源系統的平臺，可以實時收集和分析來自各種智能設備的數據，以優化能源流和提升系統的整體效能。不同于傳統模型側重于中長期預測和靜態優化，廣義模型強調實時性和動態性，能夠及時響應外部變化，及時優化決策。

廣義能源模型是伴隨數字經濟時代能源系統數字化、智能化的新趨勢而逐步興起的新事物，其內涵外延還處在不斷豐富和拓展之中，尚未形成統一、規范、成熟的定義和分類體系。一方面，不同研究視角和應用場景對廣義能源模型的理解和界定各有側重，尚未達成普遍共識。例如，部分模型突出呈現數據驅動和人工智能視角，部分模型聚焦于能源系統和數字技術的融合，還有部分模型關注于多能互補和智慧能源，也有部分模型的研發立足于能源區塊鏈和能源互聯網視角等。另一方面，由于廣義能源模型尚處在快速發展演進之中，新模型、新內涵、新應用不斷涌現，其內在邏輯和外在表征尚未完全清晰和穩定，不同模型之間的異同、聯系和邊界有待進一步厘清。因此，對廣義能源模型的界定和分類還有待學界和業界在理論、方法和實踐上進一步探索、積累和凝練，形成較為成熟的知識體系。

盡管廣義能源模型的定義和分類尚不成熟，但其代表了能源模型發展的新方向、新趨勢，對探索數字經濟時代能源系統新模式具有重要意義。未來，廣義能源模型的研發及應用無疑將引領能源模型領域的理論創新、方法突破和應用拓展，成為支撐能源體系變革和能源行業數字化轉型的關鍵力量之一。

全球能源模型發展的前沿動態

傳統能源模型的研發趨勢

傳統能源模型在建模理念、技術路線上相對穩定，雖然還未能廣泛融入數字經濟時代的新技術和特征，但也在不斷與時俱進，呈現出一些新的發展趨勢。

集成度不斷提高。隨著研究需求及技術水平的提高，能源模型的集成度不斷提高，主要體現在數據、軟件和學科上的集成。從數據層面看，能源模型從最開始的經濟、能源數據擴展到了生態、環境、健康、氣象等數據類型。隨著數據范圍的持續擴大，能源模型也逐步拓展為綜合評估模型，涵蓋氣候、經濟、社會、生態、水資源、土地利用等多個模塊，其應用范圍也不斷擴大。從軟件層面看，能源模型從最初的模型優化求解軟件出發，隨著技術的進步，目前大部分模型通常需要使用各種軟件工具，包括數據處理工具、可視化工具等，更好地集成了各種軟件工具，提高了模型的易用性和效率。從學科層面看，能源模型從能源科學、經濟學出發，隨著社會需求的發展，模型開發涉及更多的學科，包括但不限于信息科學、管理科學、環境科學、地球科學及工程技術科學等方面的知識。隨著多學科交叉與融合，以及建模技術的不斷發展，能源模型可以更好地整合各種學科的知識，提高模型的綜合性能。總體來看，集成度的提升可以大幅提高能源模型的準確性和可靠性，使得政策制定者與研究者可以更加科學地擬訂政策，并且更好地預測評估政策的實施效果和可能影響、提高政策的綜合性和協調性。

程序代碼開源化。早期的能源模型通常由政府、大型企業和學術機構等專業組織開發和使用，這使得公眾很難獲得詳細信息，也限制了研究人員和其他組織在能源模型領域開展工作。網絡社區的出現是數字經濟時代的重要產物，各種在線社區（如Github、Stack Overflow等）聚集了大量的專業人士和技術開發愛好者，尤其是能源建模愛好者開始在此類社區分享知識、討論問題。2014年，開源能源建模倡議（OEMI）作為一項國際性的倡議，旨在促進能源領域的開源建模和數據共享，大多數模型可以在Github上公開獲取。截至2024年5月已有超過250個開源能源模型加入，編程語言以Python、R為主，并且開源的能源模型逐漸接近商業模型的功能，能源模型情景研究的透明度問題也出現了相應的標準。目前，大型研究機構的模型都陸續做了開源化處理，模型的開源化有利于被不同研究小組用于涵蓋全球和區域尺度的能源問題研究。總體來看，能源模型朝開源化的方向發展是一種必然的趨勢，有助于彌合理論和實踐的差距，產生更大社會影響，增加模型透明性，加速模型改進，促進模型的交叉驗證和準確性提升。應當強調的是，我國的能源模型研究團隊在模型代碼的透明度上還整體落后于國際水平，大部分并未實現自主化和開源化。

模型尺度精細化。數字經濟時代下的數據處理技術及數據獲取方式為傳統能源模型尺度的精細化提供了技術和數據支撐。高性能的計算機、并行計算、分布式計算等技術為能源模型提供了更多的計算資源，可以保證模型的穩定性和運行效率。能源模型尤其是電力系統的模型時間分辨率已經從早期的年度、月度提高到了日、小時，甚至更高的時間分辨率（圖4）。在空間上，模型從大洲、國家尺度細化到了網格及點源尺度。數據獲取技術提供了更準確、更豐富的能源數據。互聯網、物聯網、傳感器等技術收集的大量設備級數據，使得模型具備了更豐富的技術細節，可以在更細致的層面上描述或刻畫不同的技術、設備和情景，如電力系統的旋轉備用、儲能設備等。應用需求進一步促進了模型精度的提高。隨著供給與需求界限的模糊，電力規劃為了更好地適應需求，需要更高精度的模擬分析。總體來看，隨著數據處理技術、數據獲取方式及應用需求的不斷發展，能源模型的時空精度也在不斷提高，有助于模型應用于更多的領域，在更加微觀的層面上，以更高的時空分辨率，采用更加全面準確的信息和手段來模擬和預測未來的能源供需情況及其與經濟社會、生態環境等系統的互動耦合，這有助于制定更加切實可行的戰略與政策。

廣義能源模型的研發趨勢

廣義能源模型正以數字化、智能化、網絡化為牽引，以體系化、生態化、平臺化為導向，呈現出下述演進趨勢。

模型智能化。通過集成機器學習技術，包括深度學習和強化學習等子領域，來賦予能源模型更高級的認知能力。自主學習和自我調整。通過持續的學習和數據分析，智能化的能源模型能自動識別和適應能源市場和環境變化的新模式。例如，自動調整預測算法，根據實時天氣條件、用戶行為或市場需求變化來優化能源分配策略。 復雜數據分析。深度學習和強化學習等技術特別適用于處理非線性和高維度的問題，處理和分析來自各種傳感器和智能設備的大規模實時數據集，提取有價值的洞察。智能決策支持。模型的智能化使其能夠提供基于數據驅動的決策支持（如自動調節電網負載）優化能源儲備使用，以及預測和管理能源系統的風險。

多模型混合。通過集成優化模型、物理模型、統計模型、智能模型等多種范式的優勢，構建高度融合、高維可視化的混合智能模型體系，全方位分析復雜能源系統。模型間的高度融合。多模型混合通過算法和數據層面的集成，實現了模型間的無縫對接和相互補充。例如，數字孿生技術、物理模型可提供關于能源系統物理和化學過程的深入洞見；統計模型則擅長處理和預測大規模歷史數據模式；智能模型（如基于機器學習的模型）則能從數據中學習并預測未來趨勢，優化系統性能。多能流系統的整合分析。隨著能源形態的多樣化，如電力、熱能、冷能等不同形式能源的綜合管理變得越來越重要。多模型混合允許進行跨能源形態的協同優化和規劃，通過模擬不同能源之間的交互作用，實現能效最大化和成本最小化。

模型生態化。通過構建模型組件庫、模型算法庫、知識圖譜等，將各類能源模型按照標準接口有機地組合起來，形成靈活定制、功能多樣的綜合建模平臺。模型組件庫和算法庫。通過開發和維護一個包含各種模型組件和算法的庫，使模型開發者可以輕松訪問和使用資源來構建或優化自己的能源模型。組件可以是預處理數據的工具、優化算法或是特定能源應用的模擬技術等。跨平臺模型的服務。利用最新的API技術和微服務架構，構建跨平臺的模型服務，允許模型功能以服務的形式被部署在云平臺上，支持多種客戶端訪問，實現模型的即用即走。云邊端協同則進一步拓展了模型的應用場景，使模型能夠在云中進行大規模計算，同時在邊緣端快速響應本地數據。

未來，傳統能源模型與廣義能源模型相互借鑒、交叉融合將成為必然趨勢。二者優勢互補，有機結合，必將不斷催生能源模型的新理念、新范式，為建設新型的能源復雜系統提供堅實的模型工具和方法支撐。

數字經濟時代我國能源模型研發需求與面臨的挑戰

我國能源模型研發的現實需求

我國正處在能源革命、數字經濟兩大變革疊加期，能源體系正經歷前所未有的深刻變革，亟須研發自主創新、體系完備、適應國情的能源模型。同時，從國際視野審視，我國能源模型發展還存在短板，研發及應用需要進一步強化。

實現模型研發的自主創新方面。在國內能源模型研發領域，長期依賴于引進和模仿國外的成熟模型，雖然在技術空白期能迅速補齊短板，但隨之而來的是一系列深層次問題。例如，限制了國內研發在原創性、適應性及技術深度上的發展。由于缺少對模型底層邏輯和核心算法的掌握，導致國產模型在復雜的國際場景中往往無法展示其應有的適應性和解釋力，國內模型服務于國際能源治理和國際氣候談判面臨較大挑戰。由于缺乏能夠獨立支撐決策的模型系統，我國在重要的全球性議題中話語權受限，不僅影響了我國的國際影響力，也制約了我國在全球能源與氣候政策形成中的參與度和主導能力。國內模型的局限性反映了一個更廣泛的技術依賴問題，即在關鍵技術和理論研究方面未能實現自主突破。在日益復雜的地緣政治博弈與國內外經濟形勢，以及資源環境領域國際競爭加劇的背景下，急需我國科研力量在能源模型領域進行深入和系統的自主創新研究。

構建適應國情的模型體系方面。各國的資源環境條件差異要求能源模型擁有能夠精準反映國家特點的模型體系，而我國的能源系統展現出能源資源稟賦多樣、能源需求持續增長，以及政策調控性強、約束條件多等獨特性。盡管如此，目前國內運用的能源模型常常缺乏足夠的本土化定制，未能充分反映出能源系統的復雜性與時空差異。國內現有的模型多聚焦于特定技術或經濟過程，而在國家層面缺乏整合，尤其是聚合多尺度（從地方到國家級）、多領域（涵蓋產業、居民和交通多個能源消費領域）、多場景（正常供需平衡、突發事件響應等情境）的能源模型體系缺失，導致現有模型在應對復雜的國家能源戰略政策制定和應急管理時顯得難以適配。更為重要的是，從國家能源安全的高度考慮，構建一個能夠全面反映和預測能源流動、市場反應及政策影響的協同模型體系，不僅能處理常規的能源經濟活動，還能在能源危機、環境變化等非常態事件中提供決策支持，其對保障國家能源安全與可持續發展，顯得尤為迫切。

服務“雙碳”目標的模型研發及應用方面。實現“雙碳”目標，給我國現有能源系統帶來前所未有的挑戰，也對能源綠色低碳轉型提出了階段性要求。目前，國內關于如何實現這一轉型的能源模型刻畫存在顯著分歧，尤其是在路徑選擇和政策評估方面，分歧的原因部分源于現有的模型在覆蓋領域、數據質量、方法論等方面的局限。國內的能源模型主要集中在傳統的能源消費和生產模擬，而對于納入金融、經濟和社會維度的溫室氣體排放預測（以碳排放為主）及具體減排路徑的綜合模擬分析能力尚顯不足。模型難以為“雙碳”進程預測、路徑優化及具體政策的制定提供全面的、科學的決策支持，尤其是在評估各種氣候政策和減排技術的經濟和社會影響方面。

加速數字技術賦能模型研發方面。隨著大數據、人工智能等數字技術的飛速發展，能源系統的數字化、智能化和網絡化轉型對能源模型提出了新的高標準，不僅需要模型在傳統的預測和分析能力上更加精確，還要求模型能夠實時互動、迅速適應變化并進行智能優化。然而，當前我國能源模型在智能化應用方面還存在一定的短板。多數模型還停留在依賴傳統算法和人為調整的階段，這使得能源模型在處理復雜、動態的能源數據時效率低下、響應遲緩，難以滿足實時數據處理和決策支持的需求。特別是在數字經濟背景下，這種不足更加突出，需要深度融合能源技術與數字技術，打造一批智能預測、智能優化、智能調控的新型數字化能源模型。

數字經濟時代我國能源模型研發面臨的挑戰

數據處理能力水平不足。隨著大量傳感器、智能計數器的發展及數字化能源資產的增加，能源行業的數據量呈現爆炸性增長，涵蓋了從能源供給到終端消費的各個環節，具有高維度、高頻率和大體量的特性。這對能源模型的數據處理能力提出了新的要求。我國能源行業龐大復雜，數據基礎設施總體薄弱，遠程在線監測系統覆蓋率低，各環節智能傳感器布局不足，難以實現高效實時獲取全面的數據支撐，對海量數據收集存在瓶頸。大數據分布式處理、實時流數據處理、并行計算等基礎技術和工具的應用相對滯后，數據處理能力不足制約了模型的實時性和高維度。高效的數據處理不僅需要先進的技術，也依賴于具備相關技能的人才，能源數據的處理需要掌握能源行業知識和數據智能處理技能的復合型人才，但目前這類人才的培養模式單一，人才匱乏已成為瓶頸。

數據共享壁壘有待突破。由于一些能源數據涉及國家能源安全問題，數據共享的同時需要保證數據的安全性和隱私性，能源模型數據的共享已有進展，仍不如計算機科學或生物醫學領域普遍。目前，大部分能源模型關聯的公開數據為宏觀數據，如人口、國內生產總值（GDP）、城鎮化率等。聯合國政府間氣候變化專門委員會（IPCC）一直強調加強模型的透明度，但是《全球升溫1.5℃特別報告》所用的支撐模型也只對外公布了結果數據，輸入參數未公開發布，影響報告科學性和權威性。國際能源署（IEA）、國際能源經濟學家協會（IAEE）等國外大型組織提供了一些公開數據，但數量和范圍還遠遠不夠。我國在數據共享方面也較為落后，詳細的微觀數據，特別是企業和個體級別的能源消費數據均不易獲取，限制了我國能源模型的深入研究。在強調數據共享的同時，如何平衡數據安全性、可用性和隱私保護是一大難題。

理論技術創新難度升級。由于能源系統呈現出更加復雜多變的非線性和動態性特征，傳統的建模方法論在數字經濟時代受到嚴峻挑戰。數字技術與能源系統的深度融合，使得能源系統的結構日益復雜，能源流、信息流、價值流匯聚，能源系統的行為愈發依賴于海量異構數據的交互作用。單一學科的理論視角難以揭示其內在機理。同時，大數據、人工智能、區塊鏈等顛覆性技術在能源領域得到廣泛應用，數字孿生、智慧能源、能源互聯網等新模式、新業態不斷涌現，使得能源供給與需求界限日益模糊，能源供需預測趨于復雜，而能源技術創新、商業模式創新與能源模型系統的交互影響機制尚不明晰，缺乏系統性理論闡釋。此外，數字經濟發展大大拓展了能源系統邊界，各類主體行為更加活躍，能源生產、消費行為更趨復雜多樣，供需博弈更趨激烈，進一步加大了建模理論與技術突破的難度。

新時期我國能源模型創新發展的對策建議

抓住數字經濟時代機遇，準確把握全球能源模型發展動態與技術前沿，研發具有自主知識產權和中國特色的大型能源模型，并加快其推廣應用，有效服務于國家及區域重大戰略需求，是今后我國各類型能源模型創新發展亟須解決的問題。

強化關聯數據基礎設施建設，提升能源模型的綜合集成能力。立足我國數字經濟發展基礎，建立國家級能源大數據中心。加快能源領域傳感器、智能儀表等數據采集設備的部署，構建覆蓋能源全產業鏈、全價值鏈的數據感知網絡。統籌能源數據采集、存儲、管理和應用，推動能源數據標準化、規范化，提高數據質量和可用性，為跨領域數據匯聚融合奠定堅實基礎。加大海量能源數據處理關鍵技術攻關，提升數據處理效率。面對海量、異構、非結構化的能源數據，實現從數據到信息、從信息到知識、從知識到智慧的躍升。加強能源模型集成技術研發與應用研究，吸收數字技術的新理念、新方法。借鑒人工智能、多智能體等前沿理論，推動能源、經濟、氣候、環境等不同領域模型的深度耦合集成，全面提高模型的綜合性和系統性。

夯實能源模型基礎理論研究，構建中國特色能源模型學科體系。加強重大理論和方法的原創性研究。針對能源系統的不確定性、動態性等特點，結合我國豐富的應用場景與海量數據資源優勢，加強不確定性理論、系統優化理論、多能融合理論、多主體博弈理論等能源模型基礎理論研究。結合人工智能、區塊鏈等新技術發展，加強智能優化、深度學習、多智能體等智能化建模新方法研究，形成一批原創性理論成果。推進能源模型領域的學科交叉融合與知識創新。加強能源模型研發與數學、物理、信息、經濟、管理等學科的交叉融合，深入研究能源系統建模的一般規律和中國特色的政策環境、社會經濟條件及區域發展需求，提煉能源模型研發的“中國經驗”。加強中國區域特色和新興領域的模型研發。考慮區域能源資源條件，加強區域能源互聯網與綜合能源系統研究，提高多尺度能源系統整體優化能力水平。順應數字化、智能化趨勢，強化能源模型與智慧能源系統、綜合能源服務等新業態、新模式融合創新。

創新數據共享機制，改善能源模型的可靠性、實用性與靈活性。建立開放共享的能源模型數據平臺。明確數據的產權歸屬和使用權限，確保跨領域數據匯聚的法律和政策支持。通過搭建國家、行業和企業級的共享平臺，促進政府、企業、研究機構的數據共享，從而豐富能源模型的數據源。創新能源模型參數的辨識與動態更新技術。基于能源物聯網等新型數據采集手段，獲取能源系統運行的動態數據，應用機器學習、數據同化等智能算法，實現能源模型關鍵參數的自動識別和實時更新。強化數據安全和隱私保護能力。制定統一的數據安全管理制度，明確數據分級分類管理要求。借助區塊鏈等新技術，實現數據的可追溯、不可篡改，保證數據溯源的真實性和完整性。

以重大戰略需求為牽引，加快能源模型領域的人才培養與開發。完善能源模型領域人才培養體系。面向數字經濟與綠色經濟發展需求，加快建設多層次、多類型、學科交叉的能源模型人才培養體系。在高校開設能源模型相關專業課程，培養具備扎實理論基礎和專業技能的高素質人才。鼓勵能源企業、互聯網企業等參與人才培養，開展訂單式、項目制人才的定制化培養。加強能源模型領域人才開發與領軍人才培育。制定能源模型領域專業化人才支持政策，完善人才評價和激勵機制。重點支持一批能源模型領域具有戰略眼光、戰略思維、扎實理論基礎的拔尖創新人才。以科技攻關牽引能源模型人才隊伍成長。加大科技投入，支持能源模型領域基礎理論、共性技術、重大工程的攻關，鼓勵能源企業、科研機構等建立能源模型創新中心、應用創新實驗室等科技轉化平臺，打造人才聚集的“高地”。

（作者：高俊蓮，中國礦業大學（北京）管理學院 湘江實驗室；張博，廈門大學管理學院；張國生，中國石油勘探開發研究院；劉合，多資源協同陸相頁巖油綠色開采全國重點實驗室。《中國科學院院刊》供稿）