面向数字孪生赋能的智能能源系统的机场就绪度战略管理:一种可靠性感知的贝叶斯决策框架

《Energies》:Strategic Management of Airport Readiness for Digital-Twin-Enabled Smart-Energy Systems: A Reliability-Aware Bayesian Decision Framework

【字体: 大 中 小 】 时间:2026年08月30日 来源:Energies 3.9

编辑推荐:

  摘要 机场面临着日益增长的脱碳压力,需要在整合数字孪生、人工智能、实时监测、电气化、可再生能源系统和韧性运营控制的同时,对能源密集型基础设施进行脱碳改造。本研究开发了一个可靠性感知的贝叶斯框架,用于评估全球20个主要国际机场在数字孪生赋能的智能能源系统方面的

  
摘要

机场面临着日益增长的脱碳压力,需要在整合数字孪生、人工智能、实时监测、电气化、可再生能源系统和韧性运营控制的同时,对能源密集型基础设施进行脱碳改造。本研究开发了一个可靠性感知的贝叶斯框架,用于评估全球20个主要国际机场在数字孪生赋能的智能能源系统方面的就绪度。优选潜在模型采用15个机场级能力指标,组织为四个理论定义的领域:智能能源基础设施、数字孪生与智能系统、管理与组织就绪度、以及治理与韧性。第十六个指标——证据透明度,作为辅助的报告质量指标单独保留。另有八个附加变量描述了机场规模以及国家或经济体层面的有利环境。证据来源包括官方机场报告、可持续发展披露、监管记录、项目文件和国际数据集,并明确区分了运营系统、试点项目、计划投资和集团层面的声明。观测层面的可靠性纳入来源质量、验证、时间相关性、一致性和完整性,而缺失观测值不对贝叶斯测量模型贡献直接似然。优选的PyMC/NUTS规范产生了稳定的后验估计,无发散转换,最大整体就绪度R-hat为1.003,后验预测性能可接受(RMSE = 0.094;MAE = 0.057)。新加坡樟宜机场、香港国际机场、阿姆斯特丹史基浦机场和哥本哈根机场构成了最高就绪度组。敏感性分析表明,主要排序对替代可靠性假设、方差下限选择、先验规范和高信息限制具有稳健性,尽管更强的信息性缺失假设影响了几个证据稀疏的机场。一个互补的基于规则的阈值筛选识别了能力不足和证据缺口,而不将其解释为因果必要条件。该框架为基准比较、投资排序、采购以及综合数字与能源转型规划提供了不确定性感知的基础。
数字孪生赋能的智能能源系统机场就绪度研究解读

一、研究背景与问题提出

机场正日益被期待作为集成的能源、数字和物流基础设施运营,而非传统的交通终端。旅客航站楼、货运设施、地面支持设备、公用事业网络、信息平台、安保系统及出行服务必须持续且紧密协同运转。同时,机场面临减少排放、提升能效、推进地面运营电气化、整合可再生能源以及增强对运营、气候和网络中断韧性的日益增长的压力。数字孪生技术因将物理资产与最新或定期更新的数据相连接,使运营者能够监测系统状态、模拟替代方案、预测故障并支持运营决策而具有特别的相关性。尽管已有研究展示了数字孪生和人工智能在机场应用的潜力,但实施仍然呈现碎片化状态。已有应用多聚焦于建筑、流程或子系统层面,缺乏对机场是否具备综合基础设施、数据、组织能力和治理体系的全面就绪度评估。此外,基于二手证据的评估面临证据异质性和不完整性的核心挑战:机场信息分散于年度报告、可持续发展披露、采购文件、监管记录等多种来源,这些来源在权威性、时效性、范围和完整性上差异显著。传统基准比较方法将异构披露转换为看似可比的评分,可能将集团层面证据归于单一机场,或将缺失信息视为零值,产生缺乏同等精确证据支撑的排名。就绪度本质上也是多维且仅部分可观测的,需要一种不确定性感知的潜在测量方法。

二、研究设计与方法

研究人员采用跨断面二手数据设计,对20个经目的性选择的国际机场进行比较分析,涵盖北美、欧洲、中东和亚太地区的16个国家或经济体,机场为分析单位。优选就绪度构念包含15个机场级能力指标(C01-C15),先验地组织为四个理论定义领域:智能能源基础设施(C01-C04)、数字孪生与智能系统(C05-C08)、管理与组织就绪度(C09-C12)、治理与韧性(C13-C15)。第十六个指标证据透明度(C16)作为辅助报告质量指标单独保留。八个情境变量(X01-X08)在就绪度得分之外分析。

主要关键技术方法包括:其一,预定义来源层级与证据处理协议,区分经审计报告、监管记录、官方机场文件、研究文献、供应商材料和第三方新闻的优先级,并区分运营系统、试点项目、计划投资和集团声明;其二,观测层面可靠性评估,从来源质量、独立验证、时间相关性(指数衰减参数λ = 0.20)、跨源一致性和完整性五个维度进行编码,合成复合可靠性系数并纳入观测方差;其三,缺失数据与歧义协议,采用五种预定义状态代码分类未解决记录,缺失观测不贡献直接似然项,不转换为零值;其四,贝叶斯潜在测量模型,使用PyMC中的No-U-Turn Sampler(NUTS)估计,观测模型结合标准特定截距、正载荷和机场领域潜在效应,区间编码的不确定性通过变换尺度上的标准差(除以3.92)表示;其五,基于规则的阈值筛选,定义运营参考阈值识别低于阈值、近阈值和证据缺口;其六,多层稳健性验证,包括等可靠性重拟合、高信息子集分析、方差下限替代、先验敏感性、潜在结构比较(一因子、二因子、四因子模型)和信息性缺失选择模型。

三、主要研究结果

4.1数据覆盖、缺失与可靠性:320个机场-标准单元格中260个被观测(81.3%覆盖),优选C01-C15模型含300个可能单元格中的240个观测记录(80.0%覆盖)。缺失集中于C01(50%缺失)、C02(65%)、C03(60%)和C05(65%)。观测平均可靠性为0.861。

4.2描述性领域画像:智能能源值范围为12.5-100.0,数字与智能系统为25.0-100.0,而管理与组织为68.8-100.0,治理与韧性为59.5-100.0,表明技术领域跨机场异质性更大。

4.3贝叶斯潜在就绪度估计:新加坡樟宜机场后验整体就绪度均值最高(91.6,95% CrI:88.9-94.2),其后为香港国际机场(91.0)、阿姆斯特丹史基浦(87.5)和哥本哈根(84.3)。东京羽田最低(53.8)。

4.4维度层面就绪度模式:机构就绪度与技术就绪度呈明显不对称,管理与组织均值90.2,治理与韧性88.4,而智能能源仅59.0,数字与智能系统64.3。

4.5解释性机场就绪度画像:新加坡樟宜、香港、阿姆斯特丹史基浦和哥本哈根构成综合领导者组;希思罗和英迪拉·甘地为数字先进但能源滞后;七个机场为机构发达但技术不均衡;亚特兰大、洛杉矶、迪拜和东京羽田为早期/较低就绪度。马德里-巴拉哈斯、哈马德和班加罗尔因存在零观测领域而未分配画像。

4.6阈值筛选结果:基线B0规则下,135个单元格达标,48个低于阈值,10个近阈值,47个阈值交叉不确定,60个证据缺口。最频繁不足为C06物联网/实时能源监测和C07数据平台互操作性(各10个标志)。

4.7可靠性调整与敏感性:等可靠性重拟合产生Spearman rho = 1.000,平均绝对得分差仅0.186分,表明可靠性主要调节后验精度而非中央排序。

4.8情境有利环境:物流绩效关联最强(rho = 0.539),政府AI就绪度呈适度负相关(rho = -0.324),电网碳强度和可再生份额关联接近零。

4.9稳健性、敏感性与验证:优选模型无发散转换,最大R-hat为1.003,最小有效样本量为1003,RMSE为0.094,MAE为0.057。大多数后验重拟合保留了完整排序和领导者组,但信息性缺失假设导致更大移动(γ = -1.0时rho = 0.923,最大排名移动7位)。四因子模型优于一因子模型(ELPD优势51.7,SE = 18.8),但二因子技术/机构模型在统计上接近。

四、讨论与结论

讨论指出,数字孪生赋能的智能能源就绪度应被视为互补能力的配置而非单一技术采纳结果。最清晰的跨机场模式是机构与技术就绪度之间的差距:正式战略、执行责任、伙伴关系和韧性安排往往先于微电网、储能、电气化和同步数字孪生等物理与数字系统成熟。研究严格区分了可见数字化活动与运营数字孪生能力,静态BIM模型和三维可视化不被编码为运营数字孪生。研究结论强调,领域能力不同形态可产生相似整体就绪度,后验不确定性与直接证据覆盖应置于整体得分之外加以考量。对机场管理者、投资者和政策制定者的实践意义包括:围绕互操作性和实施依赖关系排序投资,数字孪生采购应明确规定实时数据连接、同步频率、决策功能、系统边界和网络责任。研究局限性包括依赖于公开二手证据、缺失仍大量存在、三个机场领域组合完全未观测、样本为目的性选择且仅限20个大型国际机场、等权重为规范性选择。未来研究应结合纵向数据、直接调查、专家或运营者验证以及更大样本,检验就绪度是否能预测后续能源强度、排放和项目交付速度的变化。
相关新闻
生物通微信公众号
微信
新浪微博

热点排行

    今日动态 | 人才市场 | 新技术专栏 | 中国科学人 | 云展台 | BioHot | 云讲堂直播 | 会展中心 | 特价专栏 | 技术快讯 | 免费试用

    版权所有 生物通

    Copyright© eBiotrade.com, All Rights Reserved

    联系信箱:

    粤ICP备09063491号