模块化机房柴油发电机组数据

通过对柴油发电机组运行数据的实时监测和智能分析，实现备用电源监控、运行状态评估和故障预警三大功能，解决了传统发电机组监控不足、故障发现滞后的问题。实时监测三相电压电流，将输出电压不平衡度控制在2%以内、频率偏差稳定在±0.5Hz，供电可靠性达到99.9%；通过水温、油压、油位及负载率等多维度指标评估机组健康状态，故障率降低60%；基于健康度与多参数分析，预警准确率达85%以上，可提前5-15天发现潜在故障，维护成本降低30%。运用本数据可实现电源质量分析、机组状态评估与预测性维护，从而保障供电可靠性、优化运行负载、降低维护成本与故障风险。1.数据采集：频率10秒，数据包括：设备ID、运行状态_RunState、输出电压_VoutA/B/C(V)、输出电流_IoutA/B/C(A)、有功功率_Pout(kW)、频率_F(Hz)、水温_Tw(℃)、油压_Poil(bar)、油位_Flevel(%)、累计时间_Thours(h)、平均电压_Vout_avg(V)、平均电流_Iout_avg(A)、电压不平衡度_Vout_unbal(%)、频率偏差_Fdev(Hz)、负载率_LoadRate(%)、运行健康度_GenHealth(%)、状态_Status、建议_Advice。2.数据处理：剔除无效数据（电压±20%，频率45-55Hz，水温0-100℃）；时间对齐：北京时间，10秒间隔。3.计算指标：(1)Vout_avg=(VoutA+VoutB+VoutC)/3；Iout_avg=(IoutA+IoutB+IoutC)/3。(2)Vout_unbal=((max(VoutA,VoutB,VoutC)-min(VoutA,VoutB,VoutC))/Vout_avg)×100。(3)Fdev=F-50。(4)LoadRate=(Pout/500)×100。(5)GenHealth=0.3×Vscore+0.25×Fscore+0.2×Tscore+0.15×Pscore+0.1×FlevelScore。Vscore=100-Vout_unbal×25(Vunbal≤2否则0)；Fscore=100-|Fdev|×100(|Fdev|≤0.5否则0)；Tscore=100-|Tw-85|×2(75≤Tw≤95否则0)；Pscore=100-|Poil-4|×10(3≤Poil≤5否则0)；FlevelScore=Flevel(Flevel≥20否则Flevel×2)。RunState=0时GenHealth=0。4. 状态判定：(1) 运行状态 [列名：运行状态] 运行良好：健康度≥80、电压不平衡度≤1%、频率偏差≤0.3Hz 且 RunState=1；正常：健康度≥70、电压不平衡度≤2%、频率偏差≤0.5Hz 且 RunState=1；关注：健康度 < 70 或电压不平衡度 > 2% 或频率偏差 > 0.5Hz 且 RunState=1；停机：RunState=0

搜集汇总

背景与挑战

背景概述

该数据集通过对柴油发电机组运行数据的实时监测与智能分析，实现备用电源监控、运行状态评估和故障预警，有效解决传统监控不足和故障滞后问题。数据每10秒采集一次，涵盖电压、电流、功率、频率、水温、油压等多维度指标，并基于健康度模型进行状态判定与预测性维护，预警准确率超85%，可提前5-15天发现潜在故障，从而提升供电可靠性、优化负载并降低维护成本。