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:MM）
HUFL：High UseFul Load（高有用负荷）
HULL：High UseLess Load（高无用负荷）
MUFL：Middle UseFul Load（中有用负荷）
MULL：Middle UseLess Load（中无用负荷）
LUFL：Low UseFul Load（低有用负荷）
LULL：Low UseLess Load（低无用负荷）
OT：Oil 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
1+24条数据逐条滚动预测7/8一天的数据。同理再取8/8的1+24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][1+24]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：