发展大数据和机器学习理论和技术来指导和优化能源的开发、输运和利用，是智慧能源的关键核心内容。我们重点考虑如下方面：
1.开展能源和碳管理领域的基础理论和应用技术研发，并形成相应软件平台。
2.发展和完善针对能源领域典型应用的机器学习算法，在重点领域（石油、电力、光伏、风电）和重点局域（深圳市、广东其他城市和北京市）开展应用示范，形成具有自主知识产权的技术产品。
3.发展具有理论指导的深度学习TgNN（Theory-guided Neural Network）的理论基础和应用技术，形成相关算法，并在典型能源领域的开发、输运和利用方面进行示范。TgNN既符合训练数据要求（比如，常规神经网），又有理论指导（满足物理机理（控制方程）、工程约束和专家意见）。利用TgNN构建的Surrogate（替代模型）将有助于极大地提高大规模能源系统仿真模拟、历史拟合和优化的效率。
4.建立数据驱动（data-driven）的物理过程挖掘和控制方程推导的理论体系和方法,并与能源和其他领域的实验相结合进行科学规律探索。
