9月29日下午，我校第328讲白云大讲堂在西校区思齐楼儒学堂举行。本次讲座特邀广州城市理工学院大数据技术系教授吴丽镐教授作《基于多因素融合的配变重过载预测模型研究》专题分享，面向理工科学子开展科研方法与学科竞赛专题指导。

讲座现场

讲座伊始，吴丽镐教授以本校2019级数据科学与大数据技术专业优秀学子的竞赛、升学与就业案例为切入点，结合往届学生的科创成长经历，鼓励同学们善用AI工具，同时切忌过度依赖技术工具，要扎实学好专业知识，主动参与实践竞赛，在项目实操中锻炼数据分析与模型构建能力，切实提升自身综合实力。

讲座围绕配电变压器重过载预测这一电力行业实际课题展开。吴丽镐教授将配变运维比作电梯运行：配变一旦发生重过载，会加速设备老化，造成设备损坏，甚至引发区域大面积停电，给社会生产生活带来不利影响。传统运维多为故障出现后再抢修，较为被动；而借助大数据、人工智能开展重过载预测，能够推动运维模式从事后抢修转变为事前预防，实现电网设备智慧运维，保障供电安全可靠。

该课题依托南方某供电局真实配变运行数据开展研究，在真实工业数据场景下，科研工作也遇到不少棘手难题，其中最突出的就是重过载样本仅占0.4%的样本极度不平衡问题。正常运行状态的数据样本数量庞大，代表故障风险的重过载样本却十分稀少，这种数据分布失衡会直接造成模型训练偏向多数样本，出现预测失效、风险漏判等问题，也是时序类工业项目普遍会碰到的痛点。

针对这一困境，研究团队没有直接套用现成模型，而是立足原始数据集深度挖掘，通过滞后平移、分组统计、提取物理特征等一系列特征工程手段，将原始11列基础特征扩充至99维，深度挖掘时间维度、设备属性、环境条件等潜藏在数据内部的有效信息，为后续模型训练打下扎实的数据基础。随后，吴丽镐教授介绍了课题的两项核心研究成果：一是利用聚类分组结合TCNDLinear模型，解决负荷异质性与时序预测误差累积问题；二是通过特征增强、SMOTE过采样、异构模型集成完成算法迭代，有效优化预测效果，降低重过载漏报率。他还结合项目实践，分享了重视特征工程、妥善处理不平衡数据集、开展基线对比等实用科研经验，为同学们开展科创项目提供参考。

讲座现场

讲座尾声，吴丽镐教授向同学们推荐了多项高含金量的时间序列类学科竞赛。他提醒同学们，科创能力重在积累，建议从练习赛起步，循序渐进锻炼实战能力，把课堂所学理论迁移到真实竞赛任务当中，真正实现以赛促学。

本次讲座立足工业真实科研项目，把算法研究和学科竞赛培养紧密结合，在场学生认真听讲，对大数据技术的产业应用和竞赛备赛有了更为清晰的认识。下一步，学校将继续依托白云大讲堂开展更多科创主题讲座，丰富科创育人载体，提升学生科研创新素养，为同学们升学就业提供有力支撑。（文 / 校团委郑珂可 干乐怡 图/校团委项目管理中心 责任编辑杨薇）