1. 风电机组故障诊断数据集概述
在风电行业摸爬滚打多年,我深刻体会到高质量数据集对于故障诊断模型开发的决定性作用。这次要分享的是基于爱尔兰某风电场3MW机组SCADA系统构建的时空特征融合数据集,这个宝贝疙瘩包含了2014-2015年间的49027条运行数据记录和553条故障记录,采样间隔10分钟,覆盖63个监测变量和6种典型故障状态。
重要提示:处理工业SCADA数据时,原始数据就像刚挖出来的矿石,必须经过多道工序提炼才能用于模型训练。这个数据集的价值在于已经完成了从原始数据到训练样本的全流程处理,包括异常值清洗、特征工程和样本标注。
数据集最亮眼的设计在于其时空矩阵样本构建策略。通过设置双向3个时间步长的标注窗口,配合步长为1的滑动采样,最终生成的30394个时空样本完美保留了设备状态的时空演化特征。这种处理方式特别适合捕捉风机这类复杂机电系统故障的传播特性。
需要模型API调用? 免费领10W Token,多模型网关一键接入 Claude、DeepSeek 等主流模型。
2. 数据集构建关键技术解析
2.1 数据清洗的魔鬼细节
原始SCADA数据清洗是个技术活,我们采用了两阶段过滤策略:
- 物理规则过滤:剔除风速≤0、功率≤0等明显不合理数据
- 基于DBSCAN的聚类清洗:这个环节最有讲究,我们测试了25种参数组合(ε从0.02到0.06,np从6到12),通过回归模型和二分类模型的联合评估确定最优参数。
这里分享个实战技巧:在确定DBSCAN参数时,建议先做小样本测试。我们当时用5%的数据快速验证不同参数组合的表现,大幅缩短了调参时间。最终选定的ε=0.02, np=6组合在保持85%以上有效数据的同时,异常值识别准确率达到92%。
2.2 特征工程实战要点
数据集包含的92个特征字段可以划分为7大类:
- 振动特征(机舱X/Y向、传动链)
- 风速风向(3s/30s/300s平均)
- 转速特征(风轮、发电机、转子频率)
- 温度特征(轴承、线圈、齿轮箱等32个测点)
- 功率特征(有功/无功的max/min/avg)
- 运行参数(偏航速度、变桨位置等)
- 故障标签(fault_code)
特别要注意温度特征的预处理:不同测点的温度值量纲差异很大(比如IGBT温度通常比轴承温度高几十度),必须做Z-score标准化。我们的做法是先剔除±3σ之外的离群值,再进行归一化。
