面向智能微电网的数字孪生方法下的 AI 增强物联网系统：用于预测性维护与可负担性优化

本研究提出了一种基于数字孪生建模方法的 AI 增强物联网框架，用于智能微电网中的预测性维护与可负担性优化。该系统集成了实时传感器数据、基于机器学习的故障预测和成本敏感的运行分析，以提高分布式微电网环境中的可靠性和能源效率。通过将物理微电网组件与虚拟数字孪生同步，框架实现了组件退化的早期检测、动态负载管理和优化维护调度。实验评估表明，与基线微电网管理方法相比，框架在预测准确性、运行停机时间减少和可衡量的成本节省方面均取得了改进。研究结果凸显了数字孪生驱动的物联网架构作为下一代智能且可负担能源系统的可扩展解决方案的潜力。