基于科学机器学习的智慧能源系统张东晓宁波东方理工大学（暂名）2024年6月21日汇报提纲一、科学机器学习二、风功率与光功率预测技术三、电力负荷预测技术2模型驱动方法•问题的本质：给定输入，通过施加一定条件（或算法），得到最终的输出。这些算法可以是确定性的，也可以是随机的。关键:•如何获得模型（方程或公式），即输入和输出之间的映射关系或者模式•构造求解方程的复杂算法•模型参数：观测值、反问题建模、数据同化等。图源：人工智能时代背景下的软件测试,51testing33数据驱动方法•问题的本质：我们找不到对应的模式，我们不知道如何把输入映射为输出。案例:MNIST数字识别。由于手写字体因人而异，我们不知道如何将输入转化为输出。•虽然我们不知道如何映射，但是我们有数据，可以把这个映射学习出...