雍培：电力遇上大数据，使我的科研如鱼得水 | 提升之路系列（九）

导读

为了发挥清华大学多学科优势，搭建跨学科交叉融合平台，创新跨学科交叉培养模式，培养具有大数据思维和应用创新的“π”型人才，由清华大学研究生院、清华大学大数据研究中心及相关院系共同设计组织的“清华大学大数据能力提升项目”开始实施并深受校内师生的认可。项目通过整合建设课程模块，形成了大数据思维与技能、跨界学习、实操应用相结合的大数据课程体系和线上线下混合式教学模式，显著提升了学生大数据分析能力和创新应用能力。

至今，已有来自全校45个院系的3055名同学参加大数据能力提升项目，其中556位同学通过课程学习和实践获得由清华大学研究生院颁发的“清华大学大数据能力提升项目证书”。

谈起最大的收获，同学们表示无论是自身的数据思维还是本专业与大数据技术相结合的科研能力以及实践经验等方面均得到了很大的提升。清华的数据科学人才培养究竟有什么特别之处？让我们一起通过他们的故事，揭秘各院系清华学子的大数据提升之路吧！

雍培 电机系

随着信息化进程的不断深入，数据正成为社会各行业的重要财富与宝库。如何有效利用数据，挖掘数据中蕴含的规律与知识是各领域的重点与难点。随着能源互联网建设逐渐深入，数字电网的建设给电力领域带来了海量数据，新基建的提出使得数据中心、5G 通信为代表的信息通信技术与电力能源深度耦合，电力与数据的交叉大有可为。在这样的背景下，作为一名电气工程博士生，我一入学便报名参加了“大数据能力提升项目”。期望能够通过项目课程的学习，收获数据知识、提升数据能力，从而将项目中学习到的知识和技能与自己的科研工作结合，碰撞出新的火花。

在整个项目期间，我十分珍惜宝贵的上课机会，认真对待每一门大数据能力提升项目课程的学习，丰富了自己的知识与技能，取得了令人满意的成绩。在“大数据分析”课程中，了解了大量数据分析与处理的基本原理和方法，为大数据知识的储备和技能的实践打下了坚实的基础。在“云计算与商业模式”课程中，通过王建民院长与数位老师深入浅出的讲座，对于云计算有了更加深刻的认识。在“数据可视化”课程中，首次系统地学习了各类数据的可视化理论与方法，在完成课程大作业的过程中极大增强了自身的数据可视化能力，受到授课老师的肯定。

数据可视化课程设计所制作的网站

而在“大数据实践课”上，非常有幸参与了与百望云合作的发票大数据项目，作为组长组织队员们分工协作密切配合，并与企业导师紧密协作，高质量地完成了“基于发票大数据的税收风险监控模型分析”项目，项目也获得了优秀团队奖的荣誉。这次难能可贵的经历也让我首次实际接触到了企业的大数据分析需求，锻炼了运用所学知识解决实际问题的能力，培养了团队协作能力和作为组长的沟通能力。

优秀团队奖获奖证书

参加项目形成的数据思维也对我的研究产生了潜移默化的影响，在方法上和思维上都给予了我莫大的帮助。在方法上，在大数据能力提升项目中学到的各种技能使得我的科研如鱼得水。例如在开展电力系统随机优化时，用聚类方法对于海量场景进行筛选，可以有效降低优化求解规模；又如在撰写论文的过程中，利用学习到的数据可视化方法，使得研究结果能够有效呈现，提高论文稿件水平。在思维上， 我学会了从数据的视角来看待问题。在高比例可再生能源并网后的电力系统分析研究中，需要处理海量电力系统运行模拟数据。如果对于数据挨个进行分析，则将消耗大量的算力和时间。我提出了将海量数据样本映射到参数空间中，并根据参数空间的性质对于数据样本进行分类的方法。对于参数空间中同一类的数据样本，只需要进行一次分析。相比于传统的挨个进行分析的方法，我提出的方法显著降低了计算复杂度，在数量级上提高了计算效率。相关成果在电力系统顶级期刊上发表论文，并受到同行们的关注与肯定。

此外，我还担任了电力系统预测技术的课程助教。电力系统预测是电力领域与数据领域结合最紧密的方向之一，其本质可以看成一个回归问题。因此，用于处理回归问题的数据分析方法，几乎都能在电力系统预测领域找到自己的一席之地。从最基础的多元回归，到复杂的深度神经网络，电力系统预测领域的技术手段也在不断进步。担任助教期间，我结合大数据能力提升项目中学习到的知识，为三年级本科生们主讲电力大数据和人工智能预测方法的内容；为同学们设计课程大作业，引导同学们学习大数据分析方法，锻炼同学们应用数据分析手段解决电力系统预测问题的能力。作为助教为本科生们讲课的过程，不仅使得自己的知识与技能得到了强化，还将它们传播到了到更多同学中。

作为助教为本科生讲课

站在当下，回顾自己参加“大数据能力提升项目”的经历，感到收获颇丰。它不仅仅是一段学习知识的旅程，同时是知行合一、不断进步的过程，也是结识志同道合伙伴、收获友谊的过程。虽然项目已经结束，但是大数据知识与技能已经成为我学习与工作的一部分。展望未来，我将继续在电力领域开展探索，明年 2 月，我有幸将前往麻省理工学院信息与决策实验室访问交流，和信息与数据领域最前沿的研究者们共同工作。希望能够通过研究发掘数据的价值，争取做出更多更好的成果。

编辑：文婧

校对：林亦霖