风力 涡轮 机 预测 和 健康 管理 库处理风力涡轮机事件（也称为警报 或状态）数据以及操作 SCADA 数据（通常来自风力涡轮机的 10 分钟数据），以便更轻松地进行故障检测，预测或可靠性研究。
源代码
http://www.gitpp.com/ditantan/wtphm
该库中操作的数据是涡轮机事件/状态/警报数据和 10 分钟运行 SCADA 数据。它们必须采用下述格式。
事件数据 这event_data与涡轮机产生的任何故障或信息消息有关。这是瞬时的，并记录信息，例如已发生的故障，或状态消息，例如低风或无风，或涡轮机因暴风而关闭。
数据必须具有以下列标题和可用信息：
turbine_num：数据适用的涡轮机
code：有一系列可能发生在涡轮机上的事件。其中每一项都有一个事件代码
description：每个事件代码还有相关的描述
time_on: 活动开始时间
stop_cat：这是导致涡轮机停止的事件类别。它可能是涡轮机中事件起源的功能位置（例如变桨系统）、电网相关事件的类别、涡轮机因测试或维护而停机、由于阴影闪烁而停电等。
此外，必须有一个特定事件code表明在任何停机或异常运行期后恢复正常运行。
SCADA/运行数据 通常scada_data以 10 分钟为间隔进行记录，并具有前 10 分钟期间的平均功率输出、最大、最小和平均风速等属性。
出于此库的目的，它必须具有以下列标题和数据：
SCADA（Supervisory Control And Data Acquisition）系统 ，即数据采集与监视控制系统，是一种自动化控制系统，广泛应用于多个领域，包括电力系统、给水系统、石油、化工以及能源行业等。该系统以计算机为基础，实现对现场运行设备的监视和控制，包括数据采集、设备控制、测量、参数调节以及各类信号报警等功能。
在电力系统以及电气化铁道上，SCADA系统又被称为远动系统。作为能量管理系统（EMS系统）的一个最主要的子系统，SCADA系统具有信息完整、提高效率、正确掌握系统运行状态、加快决策以及帮助快速诊断出系统故障状态等优势，已成为电力调度不可或缺的工具。
不过，由于各个应用领域对SCADA的要求不同，不同应用领域的SCADA系统发展也不完全相同。在实际应用中，PLC通常用作现场设备，因为它们比特定于过程的RTU更加通用和经济。通信基础设施则提供与监控系统的连接，然后连接到RTU和PLC以供用户命令。
总的来说，SCADA系统以其强大的功能和广泛的应用领域，为多个行业的自动化控制和监视提供了有力的支持。
根据SCADA数据进行预测性维护主要涉及到对系统采集的大量数据进行分析和处理，以提前识别设备可能存在的问题，并预测其维护需求。以下是一些关键的步骤和方法：
数据采集与整合 ：SCADA系统实时采集设备运行状态、环境参数、能源消耗等多种数据。这些数据是预测性维护的基础，需要确保数据的准确性和完整性。
数据清洗与预处理 ：在进行分析之前，需要对原始数据进行清洗，去除异常值和噪声，以确保后续分析的准确性。同时，可能还需要对数据进行标准化或归一化处理，以便更好地进行比较和分析。
特征提取与选择 ：从清洗后的数据中提取与设备维护相关的特征，如温度、压力、振动等。这些特征将用于构建预测模型。
建立预测模型 ：利用机器学习或深度学习算法，根据历史数据和提取的特征建立预测模型。这些模型可以预测设备的剩余寿命、故障发生的概率等。
模型验证与优化 ：使用一部分保留的数据对模型进行验证，评估其预测性能。根据验证结果对模型进行优化，以提高预测的准确性。
发布与维护计划 ：基于模型的预测结果，制定设备的维护计划。这包括确定维护的时间、内容以及所需的资源等。同时，需要定期更新和维护预测模型，以适应设备状态和环境条件的变化。
实施与监控 ：按照制定的维护计划实施维护工作，并监控设备的实际运行状态。通过比较实际数据与预测数据，可以评估预测性维护的效果，并进一步优化维护策略。
通过以上步骤，可以根据SCADA数据进行预测性维护，提前发现设备的潜在问题，降低故障发生的概率，减少维修成本，提高设备的运行效率和使用寿命。
风力 涡轮 机 预测 和 健康 管理 库处理风力涡轮机事件（也称为警报 或状态）数据以及操作 SCADA 数据（通常来自风力涡轮机的 10 分钟数据），以便更轻松地进行故障检测，预测或可靠性研究。
源代码
http://www.gitpp.com/ditantan/wtphm
www.gitpp.com 收集了大量 风力发电相关的开源软件
风能
DSWE - 用于风能 (DSWE) 应用的各种数据科学方法的 R 实现，例如提供机器学习方法来准确估计风电曲线。
IEA-15-240-RWT - 与 IEA Wind 联合开发的 15 MW 参考风力涡轮机存储库。
Windpowerlib - 用于对风力涡轮机和发电场的输出进行建模的库。
turbosFoam - 使用执行器线方法在 OpenFOAM 中模拟风能和海洋水力涡轮机的库。
nalu-wind - 针对百亿亿次计算平台的风电场模拟求解器。
openfast - 一种多物理、多保真度工具，用于模拟风力涡轮机和风电场的耦合动态响应。
amr-wind - 用于风力涡轮机和风电场模拟的大规模并行、块结构自适应网格、不可压缩流求解器。
OpenOA - 该库提供了一个用于处理风力发电厂（例如 SCADA）的大型时间序列数据的框架。
ROSCO - NREL 用于风力涡轮机应用的参考开源控制器。
floris - 一个面向控制的工程尾流建模框架，用于评估风电场控制对 AEP 和风电场设计的影响。
PyWake - 用 Python 实现的风电场 AEP 计算器，包括尾流模型的集合。
WISDEM - 风电场集成系统设计和工程模型。
WOMBAT - 风电场运营和维护成本效益分析工具。
TopFarm2 - 由 DTU Wind Energy 开发的 Python 包，用于帮助风电场优化。
BasicDTUController - 该项目的范围是提供一个开源、开放访问控制器，可供风能社区作为参考。
WindEnergyToolbox - Python 脚本的集合，有助于使用（可能很多）HAWC2、HAWCStab2、FAST 或其他基于文本输入的模拟工具。
WindfarmGA - 用于优化风电场布局的遗传算法。
wtphm - 风力涡轮机预测和健康管理库处理风力涡轮机事件数据以及操作 SCADA 数据，以便更轻松地进行故障检测、预测或可靠性研究。
AirfoilPreppy - 用于预处理和评估空气动力学翼型数据的 Python 模块，主要用于风力涡轮机应用。
Draco - 针对监控风能生产系统中常见的机器学习问题的端到端解决方案集合。
pyconturb - 风能应用的约束随机湍流。
ORBIT - 海上可再生能源系统平衡安装工具可计算海上风电场系统平衡（除涡轮机之外的所有设备）成本的资本成本和活动时间。
WindTurbineClassification - 用于快速异常检测的“正常”风力涡轮机运行行为规范。
ANYstruct - 具有自动优化和报告生成功能的海上钢结构计算工具。
SHARPy - 用 Python 模拟高展弦比飞机和风力涡轮机。
WindSE - 使用 FEniCS 后端执行风电场模拟和优化的 Python 包。
WEIS - WEIS 是一个结合了多种工具的框架，可实现浮动海上风力涡轮机的设计优化。
pyNuMAD - 一种用 Python 编写的面向对象的开源软件，有助于创建和分析风力涡轮机叶片的三维模型。
HAMS - 一种开源计算机程序，用于分析三维浮动或水下结构的波衍射和辐射。
Brightwind - Python 库旨在增强风资源分析师的能力并建立通用的行业标准工具集。
NRWAL - 海上风电成本方程库。
welib - 风能库，用于风力涡轮机分析的 python 和 matlab 工具。
digital_wra_data_standard - 该标准数据模型和相关工具旨在作为风能资源评估应用程序的通用构建块。
awebox - 机载风能的单风筝和多风筝系统的建模和优化控制。
CCBlade.jl - 用于螺旋桨和涡轮机的叶片单元动量方法。
Lidarwind - 从 WindCube-200 的多普勒激光雷达观测中检索风速和风向剖面。
FLOWUnsteady - 用于多旋翼飞机和风能的交互式空气动力学和声学求解器。
stochLAB - 一种在海上风电场运行海鸟碰撞风险模型的工具。
能源研究和预测- 旨在为不同物理参数化和数值策略的探索和研究提供灵活的计算框架，并表征影响风力涡轮机提取风能能力的流场。
FLOWFarm.jl - 用于基于梯度的优化的风电场模拟工具。
Foxes - 基于工程尾流模型的模块化风电场仿真和尾流建模工具箱。
风力 涡轮 机 预测 和 健康 管理 库处理风力涡轮机事件（也称为警报 或状态）数据以及操作 SCADA 数据（通常来自风力涡轮机的 10 分钟数据），以便更轻松地进行故障检测，预测或可靠性研究。
源代码
http://www.gitpp.com/ditantan/wtphm
www.gitpp.com 收集了大量 风力发电相关的开源软件
