9月20日
，由ABB與中國自動化學會聯合主辦的“2023 ABB杯智能技術創新大賽”圓滿落下帷幕，頒獎儀式在中國國際工業博覽會ABB展台現場舉行。其中
，在“變頻器半導體溫度預測AI建模挑戰賽”中
，共有5組隊伍從來自全國51所院校的86支隊伍、194人ren中zhong入ru圍wei決jue賽sai。經jing過guo現xian場chang答da辯bian和he多duo位wei專zhuan家jia的de嚴yan格ge評ping審shen
，最zui終zhong
，來lai自zi上shang海hai交jiao通tong大da學xue電dian子zi信xin息xi與yu電dian氣qi工gong程cheng學xue院yuan自zi動dong化hua係xi王wang景jing成cheng教jiao授shou指zhi導dao的de甘gan子zi毅yi
、吳舜禹同學榮獲一等獎桂冠。

賽題背景

絕緣柵雙極型晶體管（Insulated Gate Bipolar Transistor，IGBT）廣泛應用於現代電力電子裝置中，是其中最重要、也是容易失效的功率半導體器件。IGBT的可靠性在一定程度上決定了電力電子裝置的整體可靠性。當變頻器處理反複波動的負載功率時，IGBT芯片的溫度（通常等效為芯片PN結的溫度
，簡稱結溫）隨之大幅波動。結溫的波動會在IGBT內部產生熱應力衝擊，加速老化
，造成IGBT失效。因此

，IGBT結溫的在線監測是變頻器功率控製、IGBT壽命預測的先決條件。除壽命預測外，IGBT結溫信息還有助於實現精確過溫保護，這同樣有助於提高變流器的可靠性，增加變流器的無故障服務時間。如何實現高精度、快響應的IGBT結溫實時監測，成為近年來學術界與工業界的研究熱點之一。

針對這一熱點問題，ABB杯創新大賽設計了“變頻器半導體溫度預測AI建模挑戰賽”的新賽題，要求選手們通過挖掘數據價值，解決具體的應用難題：基於ABB提供的來自真實工業場景的海量數據，綜合利用機器學習、大數據預測等先進技術
，分析設備數據間的關係，並在Python環境下自主開發和建立變頻器核心元件IGBT的溫度估測模型，對不同負載功率下IGBT的溫度波動進行高精度

、快響應的實時監測。模型的準確性和創新性是決定選手勝敗的關鍵。

一等獎解決方案

目標變量分布分析

解決方案的模型框架

麵對賽題所給出的海量低質數據，甘子毅
、吳舜禹同學在與導師多次討論後，決定以多工況為切入點

，通過特征挖掘對IGBTyunxinggongkuangjinxinghuafen，zaiduiyingshejibutongfuzadudejiqixueximoxing。shiyanjieguobiaoming，suotichudefenjieyucemoxingkeyizaidashujujizhongxianzhujiakuaixunlianhetuilisudu，bingtongshijianguleyucejingdu。

賽題背景與解決方案

源自“上海交大電院”公眾號

賽後，特邀專家與比賽評委團對賽題和一等獎作品做了多角度的點評與分析。

中國科學院大學人工智能學院副教授繆青海表示
，機器學習中，數據
、算法是核心要素。數據分布的複雜性為模型架構的選擇和後續訓練帶來挑戰。針對‘變頻器半導體溫度預測’AIjianmo，shanghaijiaotongdaxuecansaiduiliyongxingyelingyuxianyanzhishi

，jiangshujuyijugongkuangfenlei
，qibenzhishangleisiyujiangshujukongjianfuzaliuxingjinxingfenpian，meiyigefenpianshiyigejuyouxiangduijiandanjiegoudeziliuxing。zaiziliuxingshang，kecaiyongxiangduijiandandemoxingjikequdelixiangdexiaoguo
，xunlianbiandegengjiarongyi，tuilixingnenggengjiagaoxiao。tongguoyinrulingyuzhishiduishujujinxingqianchuli，gaifangfayoujiaohaodepushixing，zaiduogelingyuyoujiaohaodetuiguangqianjing。

ABB中國運動控製部技術專家、ABB杯創新大賽評委團成員孟金磊
、邢承彥、楊曉茹提到，麵向工業預測類算法場景，獲獎選手對賽題理解深入、建模流程清晰，考慮了多工況下特征與預測目標之間關係的差異性，采用差分、組合
、變(bian)換(huan)等(deng)特(te)征(zheng)工(gong)程(cheng)方(fang)法(fa)，同(tong)時(shi)從(cong)機(ji)理(li)角(jiao)度(du)提(ti)取(qu)關(guan)鍵(jian)特(te)征(zheng)，根(gen)據(ju)不(bu)同(tong)工(gong)況(kuang)嚐(chang)試(shi)不(bu)同(tong)複(fu)雜(za)度(du)的(de)回(hui)歸(gui)模(mo)型(xing)及(ji)集(ji)成(cheng)學(xue)習(xi)方(fang)法(fa)

，最(zui)終(zhong)模(mo)型(xing)具(ju)備(bei)較(jiao)高(gao)的(de)魯(lu)棒(bang)性(xing)和(he)推(tui)理(li)速(su)度(du)。

瑞典皇家工學院KTH兼任教授、ABB瑞典研究院資深主任科學家龐智博說到，這次比賽的選題是AI在(zai)工(gong)業(ye)電(dian)子(zi)和(he)自(zi)動(dong)化(hua)領(ling)域(yu)應(ying)用(yong)的(de)熱(re)點(dian)和(he)難(nan)點(dian)問(wen)題(ti)之(zhi)一(yi)。經(jing)過(guo)近(jin)幾(ji)年(nian)大(da)量(liang)頭(tou)部(bu)企(qi)業(ye)和(he)學(xue)術(shu)團(tuan)隊(dui)的(de)探(tan)索(suo)

，大(da)家(jia)的(de)關(guan)注(zhu)點(dian)已(yi)經(jing)從(cong)數(shu)據(ju)和(he)模(mo)型(xing)的(de)有(you)無(wu)問(wen)題(ti)，轉(zhuan)變(bian)為(wei)數(shu)據(ju)和(he)模(mo)型(xing)的(de)實(shi)用(yong)性(xing)問(wen)題(ti)，甚(shen)至(zhi)是(shi)數(shu)據(ju)和(he)模(mo)型(xing)的(de)‘去粗存精’的問題。獲獎團隊采取了領域知識與AIjianmoshenduronghedecelve，wanquanfuhexingyedegongshihequshi。jinyibudi
，tamengenjuduidianlidianziqijiangongkuangdeshenrulijie，youxiaohuajianleshujukongjian
，tigaolesuanfadejingduheyunxingxiaolv。zhexiejinzhan，duijiejuezheyidaleigongyeshujuheAI模型的去粗存精問題，都有啟發意義。同時這個工作也完美地展示了，跨學科的知識結構和人才培養
，對實現工業AI落地的重要性。

人工智能正在改變工業世界。通過人工智能挖掘數據價值、提供數據洞察
，可用於優化工業流程
，提高生產效率與產品質量，並加速工業綠色轉型。目前，ABB 有 130 多個以人工智能為重點的項目，在眾多領域利用人工智能為客戶提供支持、創造價值。

關於ABB杯智能技術創新大賽

ABB杯智能技術創新大賽由ABB公司與中國自動化學會聯合主辦
，並得到行業協會、業界專家以及瑞士駐華使領館的大力支持，18年nian來lai不bu斷duan迭die代dai升sheng級ji
，累lei計ji參can賽sai選xuan手shou已yi超chao兩liang萬wan人ren。比bi賽sai致zhi力li於yu培pei養yang複fu合he型xing創chuang新xin人ren才cai和he新xin工gong科ke應ying用yong型xing人ren才cai
，溝gou通tong產chan學xue研yan用yong，攜xie手shou各ge界jie推tui動dong工gong業ye數shu字zi化hua、智能化轉型。