风力涡轮机的预测性维护仪表盘 Part1 数据处理+预测剩余寿命（XGBoost）

最新推荐文章于 2025-05-28 20:48:34 发布

喝杯冰咖啡

最新推荐文章于 2025-05-28 20:48:34 发布

阅读量935

点赞数 13

文章标签： python 运维开发 dash

本文链接：https://blog.youkuaiyun.com/qq_46211790/article/details/142654006

版权

预测方法（XGBoost）

RUL 预测通常使用以下一些方法：

机器学习和深度学习：使用历史数据训练模型来预测剩余寿命。常见的算法包括支持向量机、随机森林、XGBoost 和神经网络等,本文采用XGBoost来预测风电剩余寿命（2014.5-----2015.1）

一、代码逐行解析

#库引入
import pandas sa pd

#调用机器学习相关库和工具做寿命预测，模型评估
from sklearn.model_selection import train_test_split

#固定搭配
pd.options.mode.chained_assignment = None

数据获取及处理

def data_preprocessing():
    #数据获取
    df = pd.read_csv("D:\\Wind Power Doctor\\SCADA_data1.csv")
    status_data_wec = pd.read_csv("D:\\Wind Power Doctor\\status_data_wec1.csv")

    # 计算逆变器的平均温度
    df["Inverter avg. temp"] = df[
        [
            "CS101 : Sys 1 inverter 1 cabinet temp.",
            "CS101 : Sys 1 inverter 2 cabinet temp.",
            "CS101 : Sys 1 inverter 3 cabinet temp.",
            "CS101 : Sys 1 inverter 4 cabinet temp.",
            "CS101 : Sys 1 inverter 5 cabinet temp.",
            "CS101 : Sys 1 inverter 6 cabinet temp.",
            "CS101 : Sys 1 inverter 7 cabinet temp.",
            "CS101 : Sys 2 inverter 1 cabinet temp.",
            "CS101 : Sys 2 inverter 2 cabinet temp.",
            "CS101 : Sys 2 inverter 3 cabinet temp.",
            "CS101 : Sys 2 inverter 4 cabinet temp.",
        ]
    ].mean(axis=1)

    #计算逆变器的标准温度
    df["Inverter std. temp"] = df[
        [
            "CS101 : Sys 1 inverter 1 cabinet temp.",
            "CS101 : Sys 1 inverter 2 cabinet temp.",
            "CS101 : Sys 1 inverter 3 cabinet temp.",
            "CS101 : Sys 1 inverter 4 cabinet temp.",
            "CS101 : Sys 1 inverter 5 cabinet temp.",
            "CS101 : Sys 1 inverter 6 cabinet temp.",
            "CS101 : Sys 1 inverter 7 cabinet temp.",
            "CS101 : Sys 2 inverter 1 cabinet temp.",
            "CS101 : Sys 2 inverter 2 cabinet temp.",
            "CS101 : Sys 2 inverter 3 cabinet temp.",
            "CS101 : Sys 2 inverter 4 cabinet temp.",
        ]
    ].std(axis=1)

上述代码计算了逆变器温度的均值温度与标准温度，并在DataFrame中生成新的列，df的内容如下：

dataframe部分列截取（原始数据见SCADA_data1.csv）
CS101 : Sys 1 inverter 1 cabinet temp.	CS101 : Sys 1 inverter 1 cabinet temp.	CS101 : Sys 1 inverter 1 cabinet temp.	CS101 : Sys 1 inverter 1 cabinet temp.	CS101 : Sys 1 inverter 1 cabinet temp.	CS101 : Sys 1 inverter 1 cabinet temp.
25	26	..	..	..	28
22	23	..	..	..	32

经上述处理后，Dataframe将变为：

新增average & standard temperature两列
CS101 : Sys 1 inverter 1 cabinet temp.	CS101 : Sys 1 inverter 1 cabinet temp.	CS101 : Sys 1 inverter 1 cabinet temp.	CS101 : Sys 1 inverter 1 cabinet temp.	CS101 : Sys 1 inverter 1 cabinet temp.	CS101 : Sys 1 inverter 1 cabinet temp.	Inverter avg. temp	Inverter std. temp
25	26	..	..	..	28	（25+26+...）/6
22	23	..	..	..	32	(22+23+...）/6

时间格式转换 + 排序

    #将时间转换为Datatime格式，例如，01-02-2023 表示 2023 年 2 月 1 日）
    df["Time"] = pd.to_datetime(df["Time"], dayfirst=True, errors="coerce")

    #根据time列对DataFrame进行排序
    df.sort_values(by="Time", axis=0, inplace=True)

    #这行代码在排序后重置 DataFrame 的索引，drop=True 表示不保留旧索引列
    df.reset_index(drop=True, inplace=True)

转换结果如下：

最低0.47元/天解锁文章