Concepto fundamental
SCADA: Sistema de control de supervisión, control y adquisición de datos, adquisición de datos y monitoreo
Los parámetros que se monitorean incluyen
las rpm del generador, las temperaturas de los cojinetes del generador, la temperatura del aceite, el ángulo de cabeceo,
el sistema de guiñada, las velocidades del viento
GUI: interfaces gráficas de usuario 图形用户界面
frases profesionales
reducción del viento
valor atípico valor atípico/valor atípico
red eléctrica compañía eléctrica
histograma histograma
modelo de regresión modelo de regresión
DPI: significa "puntos por pulgada". DPI se utiliza para medir la resolución de una imagen tanto en la pantalla como impresa.
Descripción de datos sin procesar
Programa 1 2018 Datos Scada de Un Aerogenerador
Objeto de análisis: potencia del generador de energía eólica
Objetivo: construir un modelo de curva de potencia de salida de energía eólica
Factores que influyen en el modelo: método de detección y procesamiento de datos, curva de energía eólica, selección óptima para la toma de decisiones Solución
: modelos de regresión modelo de análisis de regresión
funciones objetivas optimización función objetivo
características del viento generación de energía: aleatoriedad e intermitencia
Velocidad del viento - curva de potencia de salida
Nota：La curva de potencia típica de una turbina eólica tiene tres velocidades características principales:
- (Vc); 2) velocidad nominal (Vr); y 3) velocidad de corte (Vs). 1)
Velocidad del viento de arranque; velocidad sin carga; 2) velocidad nominal; 3) velocidad del viento de corte ( considere la seguridad del ventilador, detenga la velocidad de funcionamiento)
Factores que influyen en la curva real de velocidad-potencia del viento
las curvas de potencia empíricas podrían ser sustancialmente diferentes de las teóricas debido a
- la ubicación de la turbina,
- densidad del aire,
- distribución de la velocidad del viento,
- dirección del viento,
- problemas mecánicos y de control,
- incertidumbres en las mediciones.
los datos muestran
En las turbinas eólicas, los sistemas Scada miden y guardan datos como la velocidad del viento, la dirección del viento, la potencia generada, etc. en intervalos de 10 minutos. Este archivo se tomó del sistema scada de una turbina eólica que funciona y genera energía en Turquía.
Los datos del archivo son:
Fecha/Hora (para intervalos de 10 minutos)
BT ActivePower (kW): La potencia generada por la turbina en ese momento
Velocidad del viento (m/s): La velocidad del viento a la altura del buje de la turbina (la velocidad del viento que la turbina usa para generación eléctrica)
TheoreticalPowerCurve (KWh): Los valores teóricos de potencia que genera el aerogenerador con esa velocidad de viento dada por el fabricante del aerogenerador, y
Dirección del viento (°): La dirección del viento a la altura del buje del aerogenerador (los aerogeneradores giran a esta dirección automáticamente)
ruta de construcción de maquetas
1. Procesamiento de datos
2. Establecimiento del modelo de potencia
Preprocesamiento de datos
enfoques creados por el hombre,
modelos basados en estadísticas,
modelos basados en el aprendizaje.
Método de cuatro pasos para el preprocesamiento de datos
comprobación de validez, comprobación de validez
de datos escalado de datos, escalado de rango de
datos preprocesamiento de datos faltantes,
eliminación de retrasos en el preprocesamiento de datos faltantes.? ? ? ? ?
tres tipos de valores atípicos representativos
1、El primer tipo: el valor de la energía eólica tiende a cero cuando la velocidad del viento correspondiente es mayor que la velocidad del viento de corte pero menor que la velocidad del viento de corte.
Causa: mantenimiento de turbinas eólicas y reducción de viento.
2 、 El segundo tipo: los valores atípicos también están lejos de sus datos de potencia ideales en la curva de potencia, pero no son iguales a cero.
Causa: restricción del viento y suciedad, insectos o hielo en las palas, mal funcionamiento del paso y otros factores.
3 、 El tipo final: el valor de la energía eólica excede la limitación física de la turbina eólica.
error1:
Resolviendo: agregue pip install windrose
Paquete Python
matplotlib
pyplot—— dibujo
estructura basica
# coding=utf-8
from matplotlib import pyplot as plt# 导包
x=range(2,26,2)
y=[15,13,14,6,16,19,22,9,11.5,16,19,21]
# 绘图，展示图形
plt.plot(x,y)
plt.show()
Pregunta 1 : Las fuentes chinas de Matplotlib no se muestran
Establecer fuentes chinas
from matplotlib.font_manager import FontProperties
font= FontProperties(fname=r"C:\Windows\Fonts\simhei.ttf", size=10) # 此文件路径为windows自带的字体路径，需要什么字体都可以此路径下找
plt.xticks(list(x)[::3],_xtick_labels[::3],rotation=(45),fontproperties=font)#rotation 旋转坐标刻度角度
# 注意fontproperties=font，其中这个font是用户自定义的预使用字体代号
Pregunta 2 : el error
en realidad significa que el número de datos x e y no se corresponde Nota: ¡el rango (a, b) no puede casarse con b! ! ! !
Agregar guías horizontales y verticales
import matplotlib.pyplot as plt
plt.axhline(y=0.5, color='r', linestyle='-')
plt.show()
entumecido
remodelar/aplanar tipo redondo
aleatorio
(24,1) es diferente de (24,), el primero es un arreglo bidimensional, el segundo es unidimensional
Eje
Array unidimensional 0 eje
Array bidimensional 0, 1 eje
Array tridimensional 0, 1, 2 ejes
datos de lectura numpy
tipo CSV
predecir
KNeighborsRegressor: Al encontrar los k vecinos más cercanos de una muestra y asignar el valor promedio de ciertos (algunos) atributos de estos vecinos a la muestra, se puede obtener el valor del atributo correspondiente de la muestra.
DecisionTreeRegressor: el tipo de datos de los nodos de hoja del árbol de regresión es continuo, mientras que el tipo de datos de los nodos de hoja del árbol de clasificación es discreto.
Los nodos de hoja del árbol de regresión son valores específicos, mientras que los nodos de hoja del árbol de clasificación son las categorías pronosticadas determinadas de acuerdo con las categorías de muestra de entrenamiento.
Los nodos hoja de un árbol de regresión devuelven la media de un "grupo" de datos de entrenamiento en lugar de predicciones específicas y continuas.
ExtraTreesRegressor():
Parque eólico EDPR
frases profesionales
mástil medido (torre de medición)
vida útil proyectada a largo plazo; vida útil proyectada a largo plazo
fatiga acumulada fatiga
acumulada tiempo de inactividad tiempo de inactividad
aprendizaje supervisado (aprendizaje supervisado)
Aprendizaje de Tesis-Machine Learning para Mantenimiento Predictivo en Aerogeneradores
objetivo principal
1, mantenimiento predictivo en turbinas eólicas
2, análisis de big data
3, algoritmos de aprendizaje automático
El objetivo principal de este proyecto de tesis es mejorar el conocimiento actual sobre el
mantenimiento predictivo en turbinas eólicas mediante la implementación de un análisis de big data en un conjunto de datos del mundo real .
turbina eólica
falla del subsistema
ciclo de vida de grandes datos
Métodos comunes de diagnóstico de fallas para generadores de energía eólica
Revisión de la tecnología de diagnóstico de fallas para cajas de engranajes de turbinas eólicas
Zhou Zekun
(Instituto de Ingeniería Eléctrica de Shanghai, Shanghai 200240)
Preprocesamiento de datos
De acuerdo con la forma del método del cuartil , los datos serán eliminados debido a los problemas causados por los componentes del sistema durante el proceso de operación.
Fusión de datos SCADA basada en una red de autocodificador variacional profundo
Advertencia de avería de la caja de cambios de energía eólica
