SCADA-GAN合成代
使用通用对抗网络综合生成SCADA数据集。 从简单的GAN网络开始，发展到WGAN和具有不同结果的CGAN。
二手的Keras和2功能：发电机频率和发电机电压相位更简单
观察结果：具有2个特征，所获得的综合数据集与真实特征非常相似。 哦耶！！
但是...当使用大量特征时，会观察到渐变消失（如Ian GoodFellow的论文）。 使用Wassertein GAN（ ）实现进行了进一步测试，以解决这种情况，并生成更多功能和CGAN以取得更好的结果。
样本合成生成的SCADA消息
Synthetic Data set output (Created by GAN):
Generator Prod Freq Avg Generator Prod Volt Phase Avg
0 50.312412 405.223846
1 50.780399
2021-12-02 14:47:04
60KB
1
随着对风能的需求持续以指数级的速度增长，降低运行和维护（O＆M）成本并提高可靠性已成为风力涡轮机维护策略中的重中之重。 在风力涡轮机故障达到灾难性阶段之前对其进行预测对于降低由于不必要的定期维护而导致的运维成本至关重要。 利用基于SCADA数据的状态监视系统，该系统利用了已经在风力涡轮机控制器处收集的数据，是一种经济高效的方法，可以监视风力涡轮机以进行故障预警。 本文提出了一种基于人工神经网络（ANN）的基于存储的SCADA数据的风力发电机主轴承故障预测和自动生成警告和警报的方法。 建立了汽轮机主轴承正常行为的ANN模型，然后计算出该参数的估计值与实际值之间的偏差。 此外，已经开发了一种用于产生预警和警报并且避免基于该偏差的误报和警报的方法。 通过这种方式，风电场运营商能够有足够的时间来计划维护，因此，可以避免意外停机，并可以降低运维成本。
2021-05-30 00:34:01
4.8MB
1
DataFountain-海上风场SCADA数据缺失智能修复
提供33个风场，每个风场68个变量在一个月内的数据，部分数据被人为剔除，要求使用剩余数据对缺失数据进行修复。
我们方案在线上比赛的ab榜最终成绩都是第三;
可惜线下答辩比较糟糕，替代晋级，根据比赛评分规则，一切都看线下答辩评委委的评分：
评分规则：线上效果分值，40-70分，为避免作品效果与实际评价出入，结合线上赛成绩排名及现场答辩情况，以10分梯度共计5档评分（每个团队有分数段重叠），第一，二名60-70分，第三，四名55-65分，第五，六名50-60分，第七，八名45-55分，第九，十名40-50分，评委可在评分范围内给分。
最终评分就这样，两个4分直接把我们队拖到门外了。
发起方想到想要一些非传统的“特征目标预测”的模型，我们的方案就中规中矩没啥特色，第一第二名的方案比较牛，多研究他们的方案比较有益。
方案总共分为4部分：
2021-04-18 15:42:01
893KB
1