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。
