工业大数据创新竞赛组委会-工业大数据创新竞赛白皮书（2017）-20181-105页_7mb

工业大数据创新竞赛白皮书总结

核心内容

《工业大数据创新竞赛白皮书（风机结冰故障分析指南）》是由工信部信息化和软件服务业司与工业互联网产业联盟指导，工业大数据创新竞赛组委会编写的一份技术文档，旨在总结2017年首届工业大数据竞赛的成果，推动工业大数据技术发展和应用生态建设。

该白皮书围绕“风机叶片结冰故障预测”这一工业大数据典型应用场景，详细介绍了工业大数据分析的方法论、竞赛案例、获奖算法及其分析流程。白皮书为工业大数据分析提供了系统性指导，并对竞赛中提出的多种算法进行了分析和总结，具有重要的实践与理论价值。

主要观点

1. 工业大数据的重要性
   工业大数据是推动制造业智能化转型的重要工具，它不仅是一种技术，更是一种理念，是工业与新一代信息技术深度融合的体现。

2. 数据驱动与物理模型的结合
   工业大数据分析应结合业务目标与物理模型，通过数据驱动和物理建模的融合，提高预测的准确性与可解释性。

3. 数据不平衡问题
   在风机结冰预测问题中，结冰样本数量远少于非结冰样本，因此需要采用特定的评价指标（如马修斯相关系数）和处理方法（如欠采样、惩罚项等）以解决数据不平衡带来的建模挑战。

4. 工业智能分析方法论
   工业智能分析包括六个主要步骤：业务场景分析、数据问题定义、数据场景化、模型建立、模型价值评估和模型部署实施。该流程为工业大数据建模提供了系统的指导。

5. 模型的泛化与迁移学习
   针对不同风机的数据分布差异，模型需要具备良好的泛化能力。迁移学习和模型优化是提高模型适应性的重要手段。

关键信息

1. 竞赛概况

• 竞赛主题：聚焦“赋能与赋智，构建工业大数据应用生态”。
• 指导单位：工信部信息化和软件服务业司、工业互联网产业联盟。
• 参赛队伍：超过1000支队伍参与，其中60%以上为高校学生团队。
• 赛题内容：包括风机叶片结冰预测与风机齿形带故障分类两个真实工业问题。
• 获奖队伍：12支队伍获奖，包括万腾科技、济中节能、浙江运达风电等企业及高校团队。

2. 风机结冰预测方法论

• 结冰预测流程：包括物理建模、特征提取、动态特性分析、建立预测模型、诊断分析等步骤。
• 特征提取：从原始数据中提取了如风速、功率、温度、湿度、叶片角度等关键参数，并进一步通过滑动窗提取统计特征。
• 模型构建：构建了基于物理原理与数据驱动相结合的预测模型，解决了早期结冰预测的难题。

3. 竞赛解法集

以下是五个主要解法及其特点：

1. 基于CNN-LSTM深度学习网络的风机叶片结冰预测

   • 所属单位：万腾科技
   • 方法特点：采用深度学习网络，结合卷积层和LSTM，提高模型对时间序列数据的建模能力。
   • 处理方式：引入马修斯相关系数（MCC）作为评价指标，优化模型泛化性能。

2. 基于物理原理+KNN分类的混合预测模型

   • 所属单位：济中节能
   • 方法特点：通过物理建模提取特征，再结合KNN分类算法进行预测。
   • 优势：算法简单、泛化能力强、训练时间短，适合处理数据不平衡问题。

3. 基于领域知识特征构建和未来结冰概率估计的风机叶片结冰预测

   • 所属单位：浙江运达风电股份有限公司
   • 方法特点：基于领域知识构建特征，提取结冰严重程度与风速、温度等参数之间的关系，实现对结冰概率的估计。

4. 基于数据驱动和非均衡数据学习的故障预测研究

   • 所属单位：北京邮电大学
   • 方法特点：通过数据驱动的方法提取特征，并结合非均衡数据学习策略优化模型。

5. 基于敏感特征的风机叶片结冰预测算法

   • 所属单位：西安交通大学
   • 方法特点：通过分析敏感特征，提取结冰关键指标，提高模型的预测准确率。

4. 方法论总结

• 工业大数据建模流程：包括业务场景分析、数据问题定义、数据场景化、模型建立、模型评估和模型部署实施。
• 模型优化方向：包括特征选择、数据预处理、模型泛化、迁移学习、模型结构优化等。
• 未来展望：工业大数据竞赛将逐年举办，推动工业大数据生态发展，促进产、学、研、用协同创新。

参与单位与专家

• 指导专家：孙家广、谢少锋、安筱鹏、李杰、王建民、林诗万、余晓晖等。
• 编写组成员：包括工信部、中国信息通信研究院、北京天泽智云科技有限公司、金风科技、万腾科技、济中节能、浙江运达风电、北京邮电大学、西安交通大学等单位的专家和研究人员。

数据与模型分析

• 数据集：竞赛提供了5个风机的数据集，包括训练集和测试集，其中结冰样本数量远少于非结冰样本。
• 特征提取：包括瞬态特征（如风速、功率、温度等）和统计特征（如风速平方、结冰严重程度等）。
• 模型训练：采用滑动窗处理、数据预处理、特征选择、损失函数优化等方式，提升模型性能。
• 模型验证：通过交叉验证、验证集测试、AUC评估等方法验证模型效果，部分模型在测试集中表现优异。

结论

《工业大数据创新竞赛白皮书（风机结冰故障分析指南）》总结了工业大数据竞赛的经验与成果，提出了工业智能分析的方法论，并对风机结冰预测这一具体问题进行了深入分析。通过融合物理模型与数据驱动方法，竞赛团队成功构建了多种预测模型，提高了结冰预测的准确性与及时性。未来，随着工业大数据竞赛的持续举办，工业大数据技术将不断优化，推动中国工业向智能化、高效化、数据化方向发展。