大数据预测建模:研究问题与应用场景宋哲,美国爱荷华大学博士南京大学商学院教授邮箱:zsong1@nju.edu.cn南京大学商学院个人网址:http://nubs.nju.edu.cn/sz/list.htm汇报内容2•个人介绍•最近研究内容个人介绍宋哲,教授,博士生导师,南京大学商学院美国爱荷华大学工业工程博士(2008年)、博士后(2009年)。国际知名期刊IEEETransactionsonSustainableEnergyAssociateEditor。IEEEPowerEngineeringSocietyLetters,IndustrialEngineering&Management编委。在美国留学期间参美国知名公司和机构资助的制造,能源,医疗等行业的数据挖掘和决策优化项目,这些公司和机构包括:IowaEnergyCenter,JohnDeere,MidAmericanEnergy,IAWIND,UIHC。在SCI检索国际一流期刊发表30篇论文,包括ESI高被引论文、影响因子大于10的期刊论文;ElsevierScopus统计论文被引1200多次;获得美国和中国发明专利8项、20项软件著作权;带领研究团队获工信部举办的“首届(2017)中国工业大数据创新竞赛”第二名和第三名(1460支队伍,首次由政府主管部门组织的工业大数据领域权威的全国性创新竞赛)。3数据建模•“自下而上”vs“自上而下”的认知•数据驱动•问题驱动数据挖掘复杂系统搜索和优化、仿真决策、政策和管理模式数据知识、模型大数据分析的难点•泛化能力(Generalization)•通过某些现有的机器/系统产生的历史数据学习和训练模型,使其能够部署到其他类似的机器/系统上面,保证模型的准确性不会下降很快。•自适应性(Self-Adaptive)•基于某一段历史数据学习和训练的模型能否在未来的使用过程当中保持稳定的准确性,同时依据现场和自身的状态评估自我性能,拥有自我更新的能力。泛化能力•简单原则(奥坎姆剃刀原则)•同时训练多个模型和组装模型(BaggingandBoosting)•机理融入到数据建模•特征变换与选择(Featuretransformationandselection)•数据预处理•模型切割自适应能力•“线上”与“线下”的统一模型的自我评估和更新风机叶片结冰故障预测•叶片结冰是风电领域的一个全球范围难题。低温环境所导致的叶片结冰对风机的发电性能和安全运行造成较大的威胁。随着风机的设计功率不断提升,现有风机塔筒高度也在不断增长,冬季里大量风机都会触碰到较低的云层,在低温和潮湿环境下非常容易结冰。目前对叶片结冰故障的监测手段主要是比较风机实际功率与理论功率之间的偏差,当偏差达到一定值后会触发风机的报警和停机。然而触发报警时往往已经发生叶...