变压器故障诊断(python代码,逻辑回归/SVM/KNN三种方法同时使用,有详细中文注释)

视频效果:变压器三种方法下故障诊断Python代码_哔哩哔哩_bilibili代码运行要求:tensorflow版本>=2.4.0,Python>=3.6.0即可,无需修改数据路径。

1.数据集介绍:

采集数据的设备照片

变压器在电力系统中扮演着非常重要的角色。尽管它们是电网中最可靠的部件,但由于内部或外部的许多因素,它们也容易发生故障。可能有许多启动器会导致变压器故障,但可能导致灾难性故障的启动器如下:机械故障,电介质故障等

这些数据是从2019年6月25日到2020年4月14日通过物联网设备收集的,每15分钟更新一次。

第一个文件打开 (10列特征)

第二个文件打开 (6列特征,最后一列是标签,正常状态为0,故障为1)

参数说明:

电流电压:

VL1-相线1

VL2-相线2

VL3-相线3

IL1-电流线路1

IL2-电流线路2

IL3-电流线路3

VL12-电压线1 2

VL23-电压线2 3

VL31-电压线3 1

INUT-中性点电流

概述:

OTI-机油温度指示器

WTI-绕组温度指示器

ATI-环境温度指示器

OLI-油位指示器

OTI_A-油温指示器报警

OTI_T-油温指示器跳闸

MOG_A-标签:正常未0,故障为1.

2.整个代码流程:

  1. 导入和配置库:导入了所需的数据处理、数据可视化和机器学习相关的库,并进行了matplotlib和seaborn的样式和参数配置。

  2. 数据预处理:读取了两个CSV文件(Overview.csv和CurrentVoltage.csv),将它们转换为DataFrame,并对其中的日期时间列进行了格式转换。

  3. 数据合并:将两个DataFrame(tf和cv)根据时间戳列(DeviceTimeStamp)合并为一个新的DataFrame(transformer)。

  4. 数据可视化:使用matplotlib和seaborn库绘制了多个图表,包括散点图、折线图、计数柱状图和饼图,来可视化不同传感器数据的变化趋势、分布情况等。

  5. 机器学习模型训练和评估:使用scikit-learn库中的机器学习模型(Logistic Regression、SVM、K-Nearest Neighbors)对数据进行了训练,并进行了模型准确率的评估。具体步骤包括:

    • 数据预处理:特征缩放,将特征值缩放到0到1的范围内。
    • 训练集和测试集划分:将数据集划分为训练集和测试集。
    • 模型训练:分别使用Logistic Regression、SVM和K-Nearest Neighbors模型对训练集进行训练。
    • 预测和评估:使用训练好的模型对测试集进行预测,并计算模型的训练准确率和测试准确率。
    • 分类报告和混淆矩阵:打印出分类报告,包括精确率、召回率和F1分数等指标,同时绘制混淆矩阵来展示模型的分类结果。

3.原始数据特征展示:

3.1.使用sns.relplot函数绘制tf DataFrame中的OTI、ATI和WTI列的关系图,根据MOG_A列进行着色。

3.2. 绘制油温指示器图

3.3.绘制绕组温度指示器警报图

3.4.绘制油温指示器警报 OTIT 图

3.5.绘制温度指示器行程图

3.6 绘制油位指示器图

3.7.绘制磁性油位指示器图

3.8分别绘制OTI_T列和MOG_A列的计数柱状图和饼图

4.三种不同模型下的诊断准确率(log:逻辑回归,svc:支持向量机,knn方法)

训练集和测试集的特征输入。

训练集和测试集的标签输入。

三种方法下测试集的混淆矩阵

数据和代码放在了压缩包里,下载后无需修改数据路径,解压缩后直接运行

复制代码
import numpy as np  # 导入NumPy库用于数值计算
import pandas as pd  # 导入Pandas库用于数据处理和CSV文件读写
import os  # 导入os库用于操作系统相关功能
for dirname, _, filenames in os.walk('/data'):
    for filename in filenames:
        print(os.path.join(dirname, filename))
import pandas as pd  # 导入Pandas库
import numpy as np  # 导入NumPy库
import seaborn as sns  # 导入Seaborn库用于数据可视化
import matplotlib.pyplot as plt  # 导入Matplotlib库用于绘图
import datetime  # 导入datetime库用于日期时间处理
import warnings  # 导入warnings库用于警告管理
from matplotlib import pyplot as plt
#压缩包:https://mbd.pub/o/bread/ZJybm5dq
相关推荐
惜鸟2 分钟前
Pydantic 的 BaseSettings 配置解析
后端·python
MYH51611 分钟前
拉力测试cuda pytorch 把 4070显卡拉满
人工智能·pytorch·python
某人辛木15 分钟前
基于tensorflow实现的猫狗识别
人工智能·python·tensorflow
大白爱琴18 分钟前
使用python进行图像处理—图像变换(6)
图像处理·人工智能·python
键盘林24 分钟前
分布式系统简述
java·开发语言
可儿·四系桜25 分钟前
如何在 Java 中优雅地使用 Redisson 实现分布式锁
java·开发语言·分布式
月忆36431 分钟前
等待组(waitgroup)
前端·爬虫·python
Stanford_110636 分钟前
关于大数据的基础知识(二)——国内大数据产业链分布结构
大数据·开发语言·物联网·微信小程序·微信公众平台·twitter·微信开放平台
一个何包蛋!!37 分钟前
相关类相关的可视化图像总结
开发语言·python·数据可视化
技术便签37 分钟前
第一篇:Agent2Agent (A2A) 协议——协作式人工智能的黎明
人工智能·python·ai编程·agi·多智能体·智能体·adk