编辑推荐：
工业锅炉运行数据收集困难且存在长尾分布问题，影响深度学习分析。广州大学等研究人员收集浙江化工厂燃煤锅炉数据，生成高维时间序列数据集。该研究为解决工业设备分析长尾问题提供基础，助力优化锅炉运行123。
在工业生产的大舞台上，锅炉设备就像一位默默奉献却至关重要的幕后英雄，它将燃料的化学能转化为热能，以蒸汽的形式为发电、化工、冶金、造纸等众多行业提供不可或缺的动力支持。然而，这位 “英雄” 的工作环境却十分恶劣，高温、高压、高粉尘的环境不仅让传感器容易 “受伤”，导致记录的数据残缺不全或错误百出，还使得设备故障发生的概率极低且难以捕捉，这就造成了正常样本和异常样本的数量极度不平衡，呈现出一种棘手的长尾分布现象。在这样的情况下，传统的锅炉建模算法难以精准地描绘出锅炉真实的燃烧场景，无法满足设备分析的需求，而深度学习虽然潜力巨大，但由于缺乏高质量的数据集，也难以充分发挥其优势，锅炉设备的优化运行和安全保障面临着严峻的挑战。
为了打破这一困境，广州大学等研究机构的科研人员挺身而出，开展了一项极具价值的研究。他们将目光聚焦于浙江一家化工厂的燃煤锅炉，收集了其在 2022 年 3 月 27 日至 4 月 1 日期间，以 5 秒为间隔的运行数据，最终得到了包含 30 个变量、共计 86400 个样本的数据集。经过深入分析，他们发现该数据集呈现出长尾分布的特征，其中异常状态的数据占比 8.6% ，而锅炉出口蒸汽温度在正常运行时通常保持在 530°C - 545°C 之间，可作为判断设备状态的关键指标。这一研究成果发表在《Scientific Data》上，为工业设备分析领域带来了新的曙光。
在研究过程中，研究人员运用了多种关键技术方法。在数据收集环节，他们构建了一套集成分布式控制系统（DCS）的传感器网络，通过在锅炉的关键部位部署高精度传感器，实现了对锅炉运行参数的实时监测和数据采集。面对数据缺失和损坏的问题，他们采用自回归模型（AutoReg）对数据进行预处理，有效填补了缺失值。为了验证数据集的有效性，他们运用了多种 Transformer 模型变体对锅炉出口蒸汽温度进行预测，并采用模型加权集成技术提升预测精度；同时，利用 Diffusion - TS、TimeVAE、TimeGAN 等生成模型对数据进行生成，通过多种评估指标分析生成数据的质量。
下面来详细看看研究结果。
- 时间序列预测模型：研究人员选用了 7 种 Transformer 模型变体（Informer、Autoformer、Fedformer、PatchTST、Preformer、iTransformer、Pathformer）对锅炉出口蒸汽温度进行预测。结果显示，不同模型在不同预测长度下表现各异，其中 Fedformer 在预测长度为 96 和 192 时表现最佳，Pathformer 在预测长度为 336 和 720 时表现出色。并且，所有模型的预测性能都随着预测长度的增加而下降。为了解决这一问题，研究人员提出模型加权集成技术，根据各模型在测试中的误差指标分配权重，最终通过加权平均计算预测结果。经实践验证，该技术显著提升了预测的准确性，使最终预测结果与实际情况更加吻合。
- 时间序列生成模型：由于数据集存在长尾分布，传统机器学习模型在处理时面临诸多挑战。研究人员采用 Diffusion - TS、TimeVAE、TimeGAN 等生成模型来生成锅炉设备数据，并使用 T - SNE 分析、判别分数、预测分数、相关分数等指标对生成样本的质量进行评估。结果发现，长尾因素对数据生成过程产生了负面影响，生成数据在相关性分数和预测分数等方面表现较差，与原始数据的分布存在一定差异，这表明在生成长尾数据方面仍有较大的提升空间。
综合来看，这项研究意义重大。它所提供的锅炉设备长尾分布时间序列数据集，为工业设备分析领域的研究人员提供了宝贵的资源，有助于深入探究长尾问题的解决方案。在时间序列预测和生成模型的研究中，研究人员发现的模型性能变化规律以及提出的模型加权集成技术，为后续的相关研究提供了重要的参考，有助于推动工业设备运行优化和故障预测等方面的发展，提高工业生产的安全性和效率，让锅炉设备这位 “幕后英雄” 能够更加稳定、高效地服务于各个行业。
