聚焦数学竞赛
共探解题之道
本次我们有幸邀请到斩获第十七届“中国电机工程学会杯”全国大学生电工数学建模竞赛全国二等奖的优秀小组——数学2302刘瑜、数学2302董源、数学2302薛冰三位同学，她们将结合自身经历，分享竞赛备考的实战经验。
Q1:“这次竞赛的72小时高强度建模过程中，你们遇到的最棘手的技术难题是什么？又是如何分工协作、一步步攻克这个难题的？”
A：“在本次竞赛中，最棘手的技术难题是问题三中NWP（数值天气预报）数据与光伏功率的时空匹配与非线性耦合建模。NWP数据空间分辨率低（1-10km），且存在系统误差，如何将其与电站实际功率数据高效对齐并建立动态关联模型是一大挑战。
分工：由刘瑜负责VAR模型核心算法构建、董源负责NWP数据插值与预处理、薛冰负责模型验证与误差分析协同推进。
攻克步骤：（1）数据对齐：采用反距离加权法将NWP数据插值到电站位置，并通过线性插值统一时间分辨率至15分钟；（2）平稳性处理：对NWP变量和功率数据进行ADF检验，对非平稳序列进行一阶差分；（3）模型优化：通过AIC/BIC准则确定VAR模型最优滞后阶数，并利用脉冲响应分析量化气象变量的动态影响；（4）验证调整：通过残差自相关检验发现阴雨天气下模型误差较大，进而引入场景划分方案，显著提升复杂天气下的预测精度。这一难题的突破点在于将气象数据的系统误差修正与动态滞后效应纳入模型，最终通过多变量VAR框架实现了功率预测的适应性优化。”
Q2:“你们是如何在模型的精确性、复杂度和实现可行性之间取得平衡的？最关键的权衡点是什么？”
A：“平衡的核心在于以实际数据特征驱动模型选择，避免“过拟合”和“黑箱化”。
问题二中，LSTM模型虽能捕捉非线性特征，但训练耗时且需大量数据。因此，我们同时保留双重移动平均模型（DMA）作为基线对比，确保在数据平稳时段仍能快速输出可靠结果。问题三的VAR模型虽需平稳性假设，但通过季节、极端天气标志扩展，在保证可解释性的同时提升了泛化能力。
取得平衡的最关键权衡点：模型的可解释性与计算资源的匹配。例如，VAR模型通过脉冲响应分析明确量化了云量对功率的滞后影响，而LSTM更依赖数据驱动，适合作为补充。最终选择“多模型耦合”策略，在关键场景如多云天气优先采用VAR+物理修正，而非单纯堆叠神经网络。”
Q3:“备赛期间你们是如何平衡专业课学习和建模训练的？有没有什么高效的备赛方法或者团队磨合技巧，可以分享给学弟学妹？”
A：“高效备赛方法：（1）分类整理历年优秀论文的模型结构（如VAR/LSTM的适用场景），形成“问题-模型-评估”索引表，加速解题思路生成；（2）明确每人主导一个模型，减少重复工作，并通过每日站会同步进度。
团队磨合技巧：（1）基于优势分工；（2）鼓励成员主动提出协作中的问题，同时也要接受他人的反馈，不抵触不同意见；（3）当模型选择分歧时，以快速验证结果为准。”
Q4:“竞赛结束后回看这段经历，你们觉得数学建模竞赛带给你们最大的收获是什么？对未来的专业学习或职业规划又产生了哪些影响？”
A：“最大收获：系统性思维提升得到了提升从单纯算法实现扩展到“数据预处理-模型耦合-结果验证”全流程设计，例如通过场景划分方案认识到工程问题中“没有万能模型”，需动态调整策略。将数学学院的统计基础（如VAR模型）与电气工程的NWP数据结合，体会到多学科交叉的创新潜力,提升了跨学科协作能力.
职业规划：从事数学教育，“电工杯” 获奖经历能区别于普通数学教师，不仅懂理论，更懂数学与应用，在指导学生建模竞赛、培养应用型数学思维时更具说服力；保研时，数学专业的科研潜力往往需要通过“竞赛 + 论文”来体现。有科研经历的同学，在申请应用数学、计算数学、控制科学与工程、电气工程、管理科学与工程等交叉学科时，是比成绩单更具说服力的材料。考研复试阶段，竞赛经历则是面试中的亮点话题。考生可详细阐述在竞赛过程中，如何将偏微分方程、线性规划、机器学习等数学知识应用于电力相关实际问题。
总结：这次竞赛不仅是技术能力的淬炼，更让我们认识到协作中包容分歧、在迭代中保持理性的重要性。未来会将建模中沉淀的“问题拆解-实证驱动”思维应用于更复杂的能源系统研究中。”
我们将持续推出数学竞赛特辑
分享优秀同学的经验与方法
与你一同在数学的海洋中破浪前行
（撰稿：刘瑜 董源 薛冰 编辑：李宁 编审：张沂红）
