近日，上海交通大学2022届优异学士学位论文（TOP1%）正式揭晓，学院2022届本科毕业生庄琬婧同学的毕业论文获评上海交通大学优异学士学位论文。

庄琬婧同学来自智慧能源创新学院首届本科高年级专项班。2021年5月，学院首次开展本科高年级国家电投专项选拔，共招收来自7个院系、14个专业的40名学生，纳入产教融合协同育人培养体系。学生所学专业涵盖电气工程及其自动化、信息工程、能源与动力工程、机械工程、工业工程、土木工程、材料科学与工程、环境科学与工程、生物医学工程等，来源多样。为此，学院充分发挥上海交大-国家电投产教融合平台建设优势，依托上海交大和国家电投在人才、智力、技术、资本、管理等方面的资源优势，充分协作，共同设计制定学生大四学年的培养计划，培养方案“一人一案”，充分兼顾来自不同院系专业学生的修业特点，通过学生暑期实习实践的现场认知和学习锻炼，通过《智慧能源及其应用》《智慧能源专业实习》《智慧能源系统设计实践》等课程安排，让学生最大限度地利用好第四年的修业机会，将所学专业与能源行业尽快融合，培养复合型创新型应用型人才。

首届学生的毕业设计（论文）选题，均来自于企业生产一线的技术课题，侧重发挥学生的交叉学科背景和优势，利用能源动力、电气工程、材料、环境、土木等多学科知识解决能源领域的复杂问题。庄琬婧同学的毕业论文课题就充分利用了国家电投的企业资源，课题来源于企业，应用于企业，体现出产融融合与学科交叉的强大优势。

针对这篇论文的研究背景、研究初衷、研究过程和成果，听听庄琬婧同学怎么说——

Q1：为什么选择这个题目？

在《智慧能源及其应用》这门课上，黎灿兵老师讲了风、光、核等多种能源种类，也是我们第一次系统认识光伏的特性，电力系统中光伏的位置，和随之而来的管理问题。光伏具有波动性、随机性和间歇性的特点，对电力系统的调峰调频带来很大风险。在选择毕业设计题目的时候，我注意到了光伏预测，想试试能不能进一步了解光伏预测的内容，看看和同学们能不能对行业问题提出自己的方案。

Q2：选题后，经过与企业的沟通，发现企业存在怎样的技术问题或难题？

在选择这个课题后，我们具体了解了行业内光伏发电功率预测的方法及面临的问题。我国能源转型的过程中，光伏、风电等清洁能源装机容量快速增长，这类清洁能源普遍具有随机性、波动性、间歇性特点，对电力系统安全运行带来严重风险。目前电网公司会要求该类发电企业通过滚动预测手段预报未来可能的发电功率，然后每隔一定周期上报一次一组预测数据。

一般光伏发电站委托第三方预测中心提供光伏预测报告，并提交给电网的调度中心，供电网制定发电计划。如果实际发电功率大于预测发电功率，调度中心会降低火电出力，或者把光伏电从电网中断开，即常说的“弃光”，造成能源浪费和经济浪费；如果实际发电功率小于预测发电功率，需要调度水电站火电站增加发电功率维持电网平衡。调度会影响光伏电站的收益，而火电额外的功率调整操作会降低汽轮机工作寿命，增加运维成本，整个电力系统付出经济上和设备上的额外成本。因此，光伏预测准确性的上升对提高能源系统效率非常有意义。

Q3：听说学院毕设论文指导采用双导师制，每位学生配备一名校内导师、一名企业导师进行指导。那么，在论文研究过程中，得到了老师们或团队成员的哪些帮助呢？

我毕设的研究内容主要围绕光伏发电功率预测，具体工作由我、于永跃和刘诗铭三位同学协作完成，三人隶属一个大的课题组。

我的校内指导教师是于立军教授，企业指导教师是周海翔老师（国家电投国核自仪系统工程有限公司副总经理）。过程中，两位导师一同把关毕设整体进度，指导毕设进行的方向，于立军老师课题组的老师和学长会解答我们遇到的问题，国家电投集团相关企业在本次毕业设计中提供了教学和资料上的帮助。

在了解行业的过程中，国家电投黄河上游水电开发有限责任公司创盈公司党委书记、董事长苏晓军和杨迪老师给了我们很大帮助，杨迪老师解答了有关光伏预测行业现状的许多问题，帮我们了解一线情况。

国核自仪的王凡老师在毕业设计中全程指导、帮助我们解决问题。在毕设的准备阶段，他提供了机器学习、python语言等学习资料，收集了毕设题目相关的期刊论文、学位论文等文献资料，帮助我和我的组员快速熟悉了解我们需要面对的课题，他还提供了徐汇某电站的历史发电数据和天气数据。在我和我的组员遇到瓶颈或者技术难题时，王凡老师积极与我们一同讨论解决方法，探讨新思路，每次都能以很高的效率解决眼前的问题，慢慢地，我们都很享受和他讨论的时间。

Q4：论文解决了什么样的技术问题或难点？

论文从数据预处理的角度，提高了模型学习质量，降低模型需要处理的数据量，采用的方法是用改进蚁群聚类方法把历史发电数据按天气类型聚类，让神经网络按天气分别学习，准确率比直接学习高，另外，我们通过数据分析处理减少数据量。

蚁群算法是一种自组织启发性算法，通过模拟自然界蚂蚁路径规划原则，对噪声不敏感、结果质量好，但蚁群算法结构复杂，收敛速度慢。我们着重对蚁群算法做了两步改进，先是增加变异步骤，选择10%-20%的最优解，把一定比例的对象随机分配到别的聚类中心，保留聚类表现变好的变异。这一步改进引入了随机性，能有效避免算法陷入局部最优，提高算法聚类质量，但增加了算法的复杂性和计算量，延长聚类时间，增加了模型成本。

课题增加第二步变异改善这个问题，将k-means算法和蚁群算法结合，通过k-means算法进行一次预聚类，使算法在运行前期快速收敛，并提高整体聚类效果。

图1 聚类改进示意图

在完成聚类模型后，我们还要解决如何减少数据量这个问题，我们选择的方法是结合皮尔逊相关性系数和天气分类标准筛选合适的变量，这里提出了“强相关变量组”的创新点。筛选出合适变量后，课题参考特征工程的思想，对变量进行特征构造，大大缩减数据量，提取关键指标，使改进蚁群算法在5分钟内可完成聚类，大大减少聚类需要的时间，并进一步提高聚类准确度。

图2 数据分析与处理流程示意图

图3 最终聚类效果

Q5：论文具有什么样的工程应用价值和企业评价？

论文的研究对进一步挖掘利用现有光伏电站海量数据具有较高的实践意义，项目挖掘海量发电数据中的有效信息，提升新能源电力上网及参与调峰比例，保障电网稳定和安全。同时，我也积极配合国核自仪完成科技创新项目《基于边缘计算的综和智慧能源管控一体化平台》等实践工作，受到公司领导的一致好评。

上海交通大学优异学士学位论文评选自2012届启动开展，已历时十年。评选工作充分调动了广大师生的积极性，入选比例控制在百分之一，竞争相当激烈。学校2022届优异学士论文入围59篇，经过激烈竞争和评选答辩，最终，来自19个学院（含致远学院）的40篇论文入选。

学院首届本科毕业生优异论文评选工作得到了学院层面的高度重视。论文指导教师于立军教授全程悉心指导，崔立峰教授代表学院出席学校优异论文评审答辩。答辩前，学院专门组织院内专家进行答辩演练，副院长刘晓晶、于立军教授、崔立峰教授参加演练，给出全面的、多角度的完善意见，协力助推产教融合培养做出特色、做出成效。