教程概览


应用场景


温升指因风力发电机绕组温度升高，发电机内部温度高于外界环境温度的现象。在风力发电场景中，由于各种外部环境与设备内部因素的影响，风力发电机组温度往往会出现波动。为了避免发电机组过热导致风机停机并确保各风机的正常运行，运维人员有必要提前对风力发电机温升现象进行预测，并及时获取潜在过热风险的告警通知。


本教程介绍：

  • 通过在智能实验室或智能任务流中利用 Tensorflow 机器学习框架和长短期记忆网络算法（Long Short Term Menoery，LSTM）开发预测模型用于预测风力发电机绕组温升。

  • 将预测结果可视化，并通过电子邮箱发送实时温升告警。

适用人群


本教程主要面向以下人群：

  • 无数据科学背景，需要初步了解智能工作室产品功能。

  • 有数据科学背景，需要深入了解智能工作室产品功能。

  • 有数据科学背景，需要通过智能工作室完成具体机器学习场景的工程化落地任务。

  • 有数据科学背景，需要通过一个完整的示例参考设计具体场景的任务流。

整体架构


本教程主要包含以下任务：

  • 探索用于预测风机绕组温升的样例数据集。

  • 基于特征工程与算法构建并训练预测模型。

  • 利用训练完成的模型预测风机绕组温升。

  • 保存预测结果至 MySQL 数据表中并将结果可视化。


本教程整体流程如下。


../_images/struct1.png

前提条件


开始之前，确保

  • 可访问以下功能页面：

    • 数据集管理

    • 智能任务流

    • 智能集市

    • 智能实验室

  • 你已了解智能任务流中各类算子的功能和使用方法。更多信息，参见 算子参考文档。

  • 当前 OU 已申请在 资源管理 页面中 数据仓库存储、文件存储 HDFS 以及 AI 容器计算 资源，用于存储和处理必要数据。更多信息，参见 EnOS 上的资源。

  • 当前 OU 已配置 MySQL 数据源连接。更多信息，参见 配置数据源连接。

教程单元


本教程包含以下单元：