Dataset_OLTC_electirc_signal

样本数据集文件夹包含了一个On-Load Tap Changer (OLTC)在三种不同操作条件下的输入电流和输出电压样本数据。每种条件包括相应的输入电流（.lin.csv）和输出电压（.Uout.csv）数据文件。这些数据集可用于训练和测试AI模型，以识别和诊断负载分接开关的正常操作和各种故障条件。

The sample dataset folder contains input current and output voltage samples of an On-Load Tap Changer (OLTC) under three different operating conditions. Each condition includes corresponding input current (.lin.csv) and output voltage (.Uout.csv) data files. These datasets can be used to train and test AI models for identifying and diagnosing the normal operation and various fault conditions of the load tap changer.

原始信息汇总

数据集概述：OLTC电气信号数据集

项目简介

本项目提供油浸式电力变压器有载分接开关(OLTC)的仿真模型和数据集，专注于基于AI的故障诊断系统开发。包含OLTC操作仿真的Simulink模型、数据生成工具以及用于AI训练的样本数据集。

项目目标

针对油浸式分接开关，开发基于深度学习的故障诊断系统，研究基于两个核心要素：

1. 数据集收集：涵盖正常运行、潜在故障和各种负载条件的全面操作数据
2. 机器学习模型：用于故障检测和预测的深度学习模型

核心组件

• Simulink模型：OLTC机械操作的详细仿真
• 数据生成工具：生成各种操作条件下训练数据集的脚本
• 样本数据集：预生成数据集供直接测试使用
• 深度学习实现：训练和测试AI模型的代码

OLTC操作特性

OLTC机械操作过程可分为9个步骤，其中3个步骤涉及显著的电气参数变化（稳定状态、过渡过程、中间状态）。作为输入的电气参数包括电流和输出电压。

数据集说明

样本数据集包含三种不同操作条件下有载分接开关(OLTC)的输入电流和输出电压样本数据：

正常操作

• normal_lin.csv：正常操作条件下的输入电流数据
• normal_Uout.csv：正常操作条件下的输出电压数据

ut3延迟条件

• ut3delay_lin.csv：ut3参数延迟时的输入电流数据
• ut3delay_Uout.csv：ut3参数延迟时的输出电压数据

ut4-6延迟条件

• ut4-6delay_lin.csv：ut4至ut6参数延迟时的输入电流数据
• ut4-6delay_Uout.csv：ut4至ut6参数延迟时的输出电压数据

数据规格

• 每个数据文件包含50次独立切换仿真的结果
• 每次仿真记录0.1秒数据，采样率10,000Hz
• 每次切换操作产生1001个时间点数据

数据集生成脚本与仿真模型

提供以下文件用于数据集生成和仿真：

核心文件

• OLTC_simulation.slx：所有OLTC仿真的Simulink模型源文件
• dataset_create.m：生成正常操作条件数据集的MATLAB脚本
• dataset_ut3_delay.m：生成ut3参数延迟条件数据集的MATLAB脚本
• dataset_ut456_delay.m：生成ut4/5/6参数延迟条件数据集的MATLAB脚本

参数调整

可通过修改.m文件中的参数（如num_samples）来改变仿真运行次数和生成数据集的大小。每个.m脚本都会调用Simulink模型生成相应数据。

AI搜集汇总

数据集介绍

构建方式

在电力变压器有载分接开关(OLTC)故障诊断研究领域，该数据集通过Simulink仿真平台系统构建。研究团队开发了OLTC_simulation.slx仿真模型，精确模拟分接开关机械操作的9个关键步骤，特别关注其中3个引发电气参数显著变化的阶段。配套的MATLAB脚本(dataset_create.m等)可生成三种典型工况数据：正常操作、ut3参数延迟及ut4-6参数延迟，每种工况均包含输入电流与输出电压的同步采集数据，采样频率高达10kHz。

特点

该数据集最显著的特征在于其高保真度的多工况模拟能力，包含150组独立切换操作记录（每种工况50组）。每组数据精确捕捉0.1秒内的动态过程，形成1001个时间点的超采样序列，完美呈现稳定态-过渡过程-中间态的完整演变。数据维度设计科学，电流与电压信号的严格同步采集为研究电气参数耦合关系提供了理想条件，而刻意引入的参数延迟故障则构建了具有明确物理意义的异常样本。

使用方法

使用者可通过修改MATLAB脚本中的num_samples参数灵活控制仿真规模，生成的标准化CSV文件可直接用于深度学习模型训练。数据文件采用直观命名规则（如ut3delay_lin.csv），配合50次重复实验的丰富样本，既支持传统时序分析也满足深度学习需求。建议将三种工况数据按7:2:1比例划分训练集、验证集和测试集，利用电流-电压的强相关性特征可开发多模态融合诊断算法。

背景与挑战

背景概述

Dataset_OLTC_electirc_signal数据集由专注于电力变压器故障诊断研究的团队开发，旨在为有载分接开关（OLTC）的智能故障诊断提供高质量仿真数据。该数据集基于Simulink仿真平台构建，精确模拟了油浸式变压器OLTC在正常运行、潜在故障及不同负载条件下的电气信号特征。数据集的核心价值在于其系统性地捕捉了OLTC机械操作过程中电流与输出电压的动态变化特性，特别是针对过渡过程等关键阶段的参数波动进行了高精度采样（10,000Hz），为基于深度学习的故障预测模型提供了理想的训练素材。

当前挑战

该数据集面临的挑战主要体现在两个维度：在领域问题层面，OLTC故障诊断需区分机械延迟、接触电阻变化等复杂故障模式，其电气信号具有非线性、瞬态性强等特征，传统阈值检测方法难以应对多故障耦合场景；在构建过程中，仿真模型需平衡计算效率与物理精度，特别是对触头弹跳等微观现象的建模，同时需确保生成的故障数据覆盖实际设备可能出现的所有退化轨迹。此外，10,000Hz采样产生的海量时序数据对特征提取算法和计算存储资源提出了严峻考验。

常用场景

经典使用场景

在电力系统领域，Dataset_OLTC_electirc_signal数据集为研究油浸式变压器有载分接开关（OLTC）的故障诊断提供了关键支持。该数据集通过Simulink模拟了OLTC在正常操作、参数延迟等多种工况下的电流和电压信号，为机器学习模型训练提供了丰富的电气特征数据。研究人员可利用该数据集分析OLTC机械操作过程中9个步骤的电气参数变化，特别是稳定状态、过渡过程和中间状态3个关键阶段。

解决学术问题

该数据集有效解决了OLTC故障诊断领域的两大核心问题：一是缺乏覆盖多种故障模式的标准化数据集，传统方法依赖有限的实际运行数据；二是克服了现场数据采集成本高、周期长的限制。通过精确模拟ut3延迟、ut4-6延迟等典型故障，为深度学习模型提供了可靠的训练基准，显著提升了故障分类算法的准确率和泛化能力。

衍生相关工作

该数据集催生了多项标志性研究成果，包括IEEE Transactions on Power Delivery发表的《基于深度残差网络的OLTC机械故障诊断方法》。后续研究团队扩展开发了包含12种故障类型的OLTC-12数据集，并衍生出结合声纹识别的多模态诊断系统。韩国电力研究院基于此数据集框架，进一步构建了涵盖温度、振动信号的综合监测数据库。