能源轉型導致了稱為權力下放的重大轉變。可再生能源資源允許本地微型發電，而不是集中發電，從而減少對集中能源系統的依賴。然而，由此產生的可再生能源和分布式能源的廣泛整合使得能源供應鏈的控制變得越來越困難。

只有使用信息物理系統 （CPS），才能實現這種間歇性和異構集群的組合。在能源轉型的背景下，需求、發電和儲存之間的相互作用極為重要 。

網絡物理系統

通過機器學習從大數據中收集見解是許多 CPS 應用程序的核心能力，計算智能在這些過程中起著關鍵作用 。

機器學習技術的最新進展，尤其是深度學習，在許多能源系統環境中開辟了新的可能性或數據驅動的方法。然而，大多數基于機器學習的模型都是黑盒模型，可解釋性非常低。此外，現有的能源管理系統很大程度上是基于規則或邏輯的。機器智能與傳統物理系統的結合帶來了另一個挑戰以及集成過程中可能的計算成本。

值得注意的是，智能模型的計算成本很高，并且在某些情況下可能相對較慢，這可能會給參數更新和模型預測控制等實時應用帶來障礙。因此，從未來的角度來看，預計基于 CPS 的能源系統中的計算引擎可以以微妙的方式平衡領域知識和機器智能，從而以適度的計算成本實現最佳性能。

這些想法是使用通過機器學習從數據中提取知識的典型過程來說明的，如圖 1 所示。

圖 1. 通過機器學習從數據中提取知識的典型過程。EETech 的圖像屬性

很明顯，CPS 對于集中式高碳能源系統向分散式低碳能源供應的轉變至關重要。除了這種關聯帶來的好處外，還需要承擔大量成本，因為在傳感和計算模型方面的大量投資要先于更有效的資源使用和精益運營所帶來的好處［2］。在這方面要討論的三個關鍵領域包括經濟、安全問題和政策。

電力數字化轉型

隨著供暖、制冷和運輸等能源供應部門各個分支之間的傳統界限開始模糊，電力部門正在經歷一場重大的數字化轉型。能源市場、商業模式和消費模式的既定概念正在被顛覆，新的供應商正在進入市場。

除了當前的轉型挑戰之外，新技術正在以更快的速度影響能源公司的內部商業文化、戰略和一般管理。這方面的主要研究是關于經濟和環境影響評估。該領域的主要貢獻者包括通過保持能源消耗和大規模投資新安裝電力供應能力、間歇性可再生能源整合、電動汽車先進充電技術和推廣分布式能源來實現智能需求響應 。這進一步要求研究發電、配電成本以及能源基礎設施和維護。

能源安全的影響

能源安全的影響是多方面的。貫穿始終強調的 CPS 的巨大優勢伴隨著其獨特的缺點，例如對能源和工業安全的網絡威脅。事實證明，CPS 可以增強能源和工業等關鍵部門的運營，但同時也會使它們更容易受到網絡攻擊，從而使它們依賴網絡。這可能會破壞能源價值鏈中任何一點具有戰略意義的能源供應，從而嚴重影響國民經濟。

由于 CPS 將網絡空間與物理世界連接起來的固有特性，攻擊很容易從一個滲透到另一個，從而在現實世界中造成重大風險。畢竟，網絡犯罪造成的經濟影響不容忽視。這使得通過投資強大的基礎、壓力測試和投資下一代技術等關鍵資產來關注網絡安全和彈性是不可避免的。

總而言之，數字技術發展需要有效的政策和市場設計，以幫助引導轉型走向安全和可持續的道路。政府現在了解與這些技術進步相關的經濟競爭力以及管理這些技術進步的政策影響，以便在多個層面上有效實施。

監控與 CPS 相關的環境過程也很重要，從供水到火災探測，以建立明確的環境政策，同時關注環境問題、安全政策和圍繞人工智能的管理規則。