开发板官网www.edevkit.com变压器油温预测模型下载训练数据数据集下载地址https://github.com/zhouhaoyi/ETDataset数据集收集了两个地方的变压器从2016年7月到2018年7月的变压器数据包括每分钟和每小时的数据。数据包括date, HUFL, HULL, MUFL, MULL, LUFL, LULL and OT日期负载和OT油温数据。数据说明下载解压打开文件夹。打开“ETT-small”文件夹存放的数据文件“ETTh1”“ETTh2”是两个地方变压器的小时数据“ETTm1”“ETTm2”是两个地方的分钟数据。分钟的数据量较大使用小时数据比较合适训练每天24个数据打开“ETTh1.csv”查看文件。date时间戳格式 YYYY/M/D H:MMHUFLHigh UseFul Load高有用负荷HULLHigh UseLess Load高无用负荷MUFLMiddle UseFul Load中有用负荷MULLMiddle UseLess Load中无用负荷LUFLLow UseFul Load低有用负荷LULLLow UseLess Load低无用负荷OTOil Temperature油温预测OT油温数据和预测电池容量一样用前一组的数据预测下一个油温数据。油温数据也需要加入到训练把OT列数据复制一列命名“next_ot”整体上移一个数据当前数据就指向下一个油温数据。第一列“date”时间不需要参与训练把第一列删除。如上图训练的窗口值设置为1输入当前的负载和OT数据预测下一个小时油温值这样输入数据就有7个通道“next_ot”作为目标列。导入文件进入“Reality AI Tools”新建一个“ETT”工程。进入“Data”-“Source”-“External Data”导入外部文件选择上面处理过的“ETTh1.csv”文件。导入完成配置文件在最后一列“next_ot”列选择“Target Value”设置为目标列。采样率1hz。模型训练导入完成开始准备数据集和采样列表。进入“Data”-“Curate”数据整理页面在“Project Files”看到上传的文件。如果看到文件前面有红色报错鼠标悬停查看信息提示说数据损坏查看数据列是否只包含数值数据说明文件里有字符串的内容。训练数据只能是数值类数据。打开文件查看是否“date”列没删除时间是字符串然后在“Source”里删除文件重新上传。上传文件无误后看到右侧“Target Value”识别为“next_OT”列数据“from Data file”来自文件。说明文件目标列识别正确可以创建数据集。勾选文件点击“Add to Data Set”创建数据集。进入“Data Sets”页面点开创建的数据集。“Data Channels”显示当前的数据通道有7个Ch1~Ch7对应之后生成代码的输入数据格式。右侧显示了当前文件里的目标值数值范围区间6.04~15.95之间的数据较多。勾选所有通道点击“Create Sample List”创建“Single List”采样列表。“Target Reduction Method”选择“mean”平均值根据设置窗口值做一个平均值。比如窗口值设置8训练时会把8组数据做一个平均值参与训练。这里窗口值和偏移都设置为1当前一组数据预测下一次油温数据。点击“Submit”创建采样列表。进入“Sample lists”页面查看创建的采样列表。需要注意的是查看“Data Shape”是否正确比如当前ETT数据有7个通道值窗口值是1“Data Shape”就是7x1才是正确的如果看到是6x1就不正确输入通道变成了6个和实际不符。需要删除重新创建。如果经常错误需要刷新网页重新登录。进入“AI Explore”-“Values and RUL”选择创建的采样列表。点击“Start Explore”开始训练模型。等待训练完成。选择第一个模型点击“Create Base Tool”准备生成代码。进入“Deploy”-“embedded”选择要生成的模型点击“New package”配置参数后点击“Generate Package”开始生成。等待生成完成。模型使用生成的代码通过网页下载或者直接在工程中下载放入到“src/”目录下。准备测试数据测试数据从“ETTh1.csv”截取一段比如取7/8的数据和前一条数据124条数据逐条滚动预测7/8一天的数据。同理再取8/8的124条数据准备两段数据。整理数据数据需要把7列数据整理成数组方便代码使用用data[7][124]的二维数组接收。按顺序把每列的数据复制出来在编辑器上用“,”组成数组。然后复制到代码的数组里。修改测试代码打开“example.c”添加测试代码按照ch0[0]~ch0[n], ch1[0]~ch1[n]的通道顺序取测试数据组成输入数组。逐条预测出24个油温数据。查看结果编译下载运行打开串口助手查看。第一组预测数据第二组预测数据 瑞萨单片机AI教程【十二】变压器油温预测模型
开发板官网www.edevkit.com变压器油温预测模型下载训练数据数据集下载地址https://github.com/zhouhaoyi/ETDataset数据集收集了两个地方的变压器从2016年7月到2018年7月的变压器数据包括每分钟和每小时的数据。数据包括date, HUFL, HULL, MUFL, MULL, LUFL, LULL and OT日期负载和OT油温数据。数据说明下载解压打开文件夹。打开“ETT-small”文件夹存放的数据文件“ETTh1”“ETTh2”是两个地方变压器的小时数据“ETTm1”“ETTm2”是两个地方的分钟数据。分钟的数据量较大使用小时数据比较合适训练每天24个数据打开“ETTh1.csv”查看文件。date时间戳格式 YYYY/M/D H:MMHUFLHigh UseFul Load高有用负荷HULLHigh UseLess Load高无用负荷MUFLMiddle UseFul Load中有用负荷MULLMiddle UseLess Load中无用负荷LUFLLow UseFul Load低有用负荷LULLLow UseLess Load低无用负荷OTOil Temperature油温预测OT油温数据和预测电池容量一样用前一组的数据预测下一个油温数据。油温数据也需要加入到训练把OT列数据复制一列命名“next_ot”整体上移一个数据当前数据就指向下一个油温数据。第一列“date”时间不需要参与训练把第一列删除。如上图训练的窗口值设置为1输入当前的负载和OT数据预测下一个小时油温值这样输入数据就有7个通道“next_ot”作为目标列。导入文件进入“Reality AI Tools”新建一个“ETT”工程。进入“Data”-“Source”-“External Data”导入外部文件选择上面处理过的“ETTh1.csv”文件。导入完成配置文件在最后一列“next_ot”列选择“Target Value”设置为目标列。采样率1hz。模型训练导入完成开始准备数据集和采样列表。进入“Data”-“Curate”数据整理页面在“Project Files”看到上传的文件。如果看到文件前面有红色报错鼠标悬停查看信息提示说数据损坏查看数据列是否只包含数值数据说明文件里有字符串的内容。训练数据只能是数值类数据。打开文件查看是否“date”列没删除时间是字符串然后在“Source”里删除文件重新上传。上传文件无误后看到右侧“Target Value”识别为“next_OT”列数据“from Data file”来自文件。说明文件目标列识别正确可以创建数据集。勾选文件点击“Add to Data Set”创建数据集。进入“Data Sets”页面点开创建的数据集。“Data Channels”显示当前的数据通道有7个Ch1~Ch7对应之后生成代码的输入数据格式。右侧显示了当前文件里的目标值数值范围区间6.04~15.95之间的数据较多。勾选所有通道点击“Create Sample List”创建“Single List”采样列表。“Target Reduction Method”选择“mean”平均值根据设置窗口值做一个平均值。比如窗口值设置8训练时会把8组数据做一个平均值参与训练。这里窗口值和偏移都设置为1当前一组数据预测下一次油温数据。点击“Submit”创建采样列表。进入“Sample lists”页面查看创建的采样列表。需要注意的是查看“Data Shape”是否正确比如当前ETT数据有7个通道值窗口值是1“Data Shape”就是7x1才是正确的如果看到是6x1就不正确输入通道变成了6个和实际不符。需要删除重新创建。如果经常错误需要刷新网页重新登录。进入“AI Explore”-“Values and RUL”选择创建的采样列表。点击“Start Explore”开始训练模型。等待训练完成。选择第一个模型点击“Create Base Tool”准备生成代码。进入“Deploy”-“embedded”选择要生成的模型点击“New package”配置参数后点击“Generate Package”开始生成。等待生成完成。模型使用生成的代码通过网页下载或者直接在工程中下载放入到“src/”目录下。准备测试数据测试数据从“ETTh1.csv”截取一段比如取7/8的数据和前一条数据124条数据逐条滚动预测7/8一天的数据。同理再取8/8的124条数据准备两段数据。整理数据数据需要把7列数据整理成数组方便代码使用用data[7][124]的二维数组接收。按顺序把每列的数据复制出来在编辑器上用“,”组成数组。然后复制到代码的数组里。修改测试代码打开“example.c”添加测试代码按照ch0[0]~ch0[n], ch1[0]~ch1[n]的通道顺序取测试数据组成输入数组。逐条预测出24个油温数据。查看结果编译下载运行打开串口助手查看。第一组预测数据第二组预测数据