Advertisement

风电SCADA运行数据集-147万条记录

  •  5星
  •     浏览量: 0
  •     大小:None
  •      文件类型：None

简介：
该数据集包含147万条风电场SCADA系统采集的数据记录，涵盖风力发电机组的关键运行参数和状态信息，适用于数据分析、故障诊断及性能优化研究。 时间 B17.UC_ScadaActivePowerSetpoint B17.CI_YawBrakePressure3 B17.CI_TowerClearanceHb B17.CI_SubVibNacelleForeAftAcceleration B17.S_ShaftPowerSetpointTarget B17.CI_PcsActivePower B17.CI_PcsMeasuredGeneratorSpeed B17.CI_PcsMeasuredElectricalTorque B17.CO_PcsTorqueDemand B17.CI_TowerClearanceValue B17.CI_TowerClearanceValid B17.CI_RotorSpeed B17.CI_RotorSpeed2 B17.CI_SubVibNacelleSideSideAcceleration B17.CI_NacellePosition B17.CI_NacelleAutoKeySwitch B17.CI_HydraulicPowerPackPressure B17.CI_IprRealP

全部评论 (0)

还没有任何评论哟~
客服
客服
客服关闭
  • 风电SCADA运行数据集-147万条记录
    优质
    该数据集包含147万条风电场SCADA系统采集的数据记录，涵盖风力发电机组的关键运行参数和状态信息，适用于数据分析、故障诊断及性能优化研究。 时间 B17.UC_ScadaActivePowerSetpoint B17.CI_YawBrakePressure3 B17.CI_TowerClearanceHb B17.CI_SubVibNacelleForeAftAcceleration B17.S_ShaftPowerSetpointTarget B17.CI_PcsActivePower B17.CI_PcsMeasuredGeneratorSpeed B17.CI_PcsMeasuredElectricalTorque B17.CO_PcsTorqueDemand B17.CI_TowerClearanceValue B17.CI_TowerClearanceValid B17.CI_RotorSpeed B17.CI_RotorSpeed2 B17.CI_SubVibNacelleSideSideAcceleration B17.CI_NacellePosition B17.CI_NacelleAutoKeySwitch B17.CI_HydraulicPowerPackPressure B17.CI_IprRealP
     
  • 包含30万条记录的风电机组运行全面数据集
    优质
    本数据集收录了超过30万条风电机组运行详细记录，涵盖多种运行状态与维护信息，为风电系统分析、优化及故障预测提供坚实的数据支持。 风电机组完整运行数据集包含30万余条记录，涵盖了风速、风向、温度、湿度、气压以及真实功率等各项指标。其中WINDSPEED 表示预测的风速，WINDDIRECTION 表示风向，TEMPERATURE 表示温度，HUMIDITY 表示湿度，PRESSURE 表示气压，PREPOWER 则是系统生成的预测功率值。ROUND(A.WS,1) 代表实际测量到的小数点后一位精确度的风速数据，而 ROUND(A.POWER,0) 是指经过四舍五入处理后的整数值的实际功率输出。YD15 目标为基于已有实际功率进行准确预测。
     
  • 海上风电发电量预测数据集（CSV格式，含4万余条记录）
    优质
    本数据集包含超过四万条详细的海上风力发电记录，以CSV格式提供，旨在为研究者与开发者提供精确的海上风电发电量预测所需的数据支持。 海上风电出力预测的数据分为训练组和测试组两大类，主要包括风电场基本信息、气象变量数据和实际功率数据三个部分。风电场基本信息涵盖各风电场的装机容量等信息；气象变量数据包含从2022年1月到2024年1月份期间，每间隔15分钟记录的各风电场的气象情况；实际功率数据则是各风电场每间隔15分钟的发电出力详情。这些数据集文件采用csv格式存储。A榜提供两个训练集和两个测试集的数据。
     
  • 风力发电预测数据集（含28201条记录）
    优质
    本数据集包含28,201条详细的风力发电相关记录，旨在为研究人员和工程师提供一个全面的资源库，用于开发和优化风能预测模型。 根据风机的ID（tracking_id）、日期时间、风速（m/s）、大气温度（°C）、轴温（°C）、叶片角度（°）、齿轮箱温度（°C）、发动机温度（°C）、电机转矩（N-m）、发电机温度（°C）、大气压力（帕斯卡）、面积温度（°C）、风车车体温度（°C）、风向（°），电阻（欧姆），转子转矩(N-m)、状态，云层高度，叶片长度(m)，风车高度(m)等参数来预测风力发电的发电量。
     
  • 百度问答数据集合超百万条记录
    优质
    该数据集包含超过一百万条百度问答平台上的用户提问与回答记录，内容涵盖广泛的主题领域，为研究者提供了宝贵的语料资源。 自己整理了一些高质量的百度问答数据集。
     
  • 维基百科中文数据集250万条记录
    优质
    简介：本数据集包含超过250万条维基百科中文词条记录，覆盖广泛的知识领域，为自然语言处理和机器学习研究提供了丰富的资源。 标题“维基百科中文语料（数据集）250w条”表明这是一个包含250万条简体中文文本的数据集，来源于维基百科。这样的数据集通常被广泛用于自然语言处理（NLP）任务，如机器学习、深度学习和人工智能的研究。 描述中提到“共约250w条简体中文语料”，进一步确认了数据集的规模，表明它是一个大型且多样化的文本资源，适合进行大规模统计分析和模型训练。选择简体中文意味着这个数据集主要面向中国大陆和其他使用简体中文的地区。 标签包括： 1. **数据集**：这表示该集合经过整理并可供研究和分析使用。 2. **维基百科**：表明内容来自开放源代码在线百科全书，覆盖广泛的主题领域，如科学、历史、文化等。因此这个数据集的内容丰富且具有权威性。 3. **中文语料**：意味着文本是用简体中文编写，对于研究中文语言特性和开发相关NLP模型特别有价值。 根据压缩文件的名称“中文语料库第4批实体待过滤_20221222”，可以推断出以下几点： 1. **第4批**：这可能意味着数据集是更大项目的一部分，可能存在其他批次的数据。 2. **实体待过滤**：表示文本中包含需要进一步处理的专有名词如人名、地名等，在NLP任务中通常需通过命名实体识别（NER）来标记这些名词。 3. **20221222**：这个日期可能是文件创建或更新的时间，显示了数据集最新的状态。 基于以上信息，该数据集可以用于多种NLP任务： - 语言模型训练 - 文本分类 - 机器翻译 - 问答系统开发 - 信息抽取 - 情感分析 - 文本摘要生成 - 新文本创作 使用此数据集时，研究者或开发者需要进行预处理工作如分词、去除停用词和标点符号等操作。由于可能包含未过滤的实体，使用者还需执行额外清理以确保模型准确性和泛化能力。考虑到维基百科是数据来源之一，在应用中需遵守适当的版权规定并尊重原始信息的开放许可条款。
     
  • 风电机组SCADA数据
    优质
    风电机组SCADA数据是指通过 Supervisory Control and Data Acquisition（监督控制和数据采集）系统收集的关于风电设备运行状态的各项实时监测信息。这些数据涵盖发电量、温度、转速等关键参数，对于优化风机性能、预测维护需求及提升风电场整体运营效率至关重要。 2021年收集了近两万条风电机组数据，每十分钟采集一次，共涉及21个参数。
     
  • 京东商品数据集包含约11万条记录
    优质
    此京东商品数据集收录了大约十一万条详尽的商品信息记录，为研究者和开发者提供了丰富的电商行业分析素材。 京东商品数据集包含了平台上各种商品的详细信息，适用于数据分析、市场调研及推荐系统等多种应用场景。以下是根据您提供的字段（商品名称、价格、评论条数、店铺、id）对数据集进行的具体描述： **数据集字段说明** - 商品名称：这是用户识别特定产品的标准标识符。 示例：“小米Redmi Note 12 Turbo” - 价格：当前销售价，可能包括优惠后的折扣价等。实际售价会因促销活动等因素而变动。 示例：¥1999 - 评论条数：该商品收到的用户评价数量，体现了市场反馈和受欢迎程度。 示例：2000+ - 店铺：销售此产品的店铺名称或标识符，可能涵盖京东自营店及第三方商家等。 示例：“京东自营旗舰店”、“XX品牌官方旗舰店” - id：用于在平台上唯一识别商品的编号（如SKU ID）。 示例：“1234567890”，由数字和字母组合而成。
     
  • TAC前十厂商数据（21万条记录）
    优质
    本报告基于21万条记录深入分析了TAC评分排名前十的制造商表现，涵盖产品质量、客户满意度及市场占有率等多维度指标。 1. TAC对应厂商数据已更新至2022年8月份，包含约21万条记录。 2. 可通过TAC识别提取IMEI并建立相应的识别库。 3. 利用TAC可以识别设备的生产厂商、型号，并判断终端是手机、车机还是物联设备。