File size: 2,590 Bytes
0a665df
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
37
38
39
40
41
42
43
44
45
46
47
48
49
50
51
52
53
54
55
56
57
58
59
60
61
62
63
64
65
66
67
68
69
70
71
72
73
74
75
76
77
78
79
80
81
82
83
84
85
86
87
88
89
90
91
92
93
94

# ============================================================
# Task: sdwpf_operating_state_classification
# ============================================================
# 任务目标:
# - 根据 SDWPF 风机的静态属性和历史 SCADA 数据,预测风机的运行状态类别。
# - 这是 episode-level 分类任务:每个 episode_id 对应一个静态样本。
#
# 核心语义:
# - sample 是 wind_turbine episode_id。
# - inputs 是模型能看到的静态属性和历史时序数据。
# - prediction.target.column = target_class_id 是模型要预测的类别标签。
# - target_class_id / target_class_name 不能作为输入字段,否则会产生直接标签泄漏。
# ============================================================

task:
  id: sdwpf_operating_state_classification
  type: episode_classification
  description: >
    Classify each wind turbine timestamp into one of four operating states
    (normal, low_power, stopped, anomalous) based on active power output relative
    to rated power. 134 turbines, single wind farm.

inherit_general: true

sample:
  primary_key: episode_id # ID 用于连接 labels.csv、splits.csv 和静态属性表。

inputs:
  tabular_static:
    source: turbine_metadata # 指向 data_refs.tabular_static 中的静态属性表。
    fields:
      # - x
      # - y
      - elevation
      - mean_power
      - std_power
      - max_power
      - capacity_factor_pct
      - mean_wind_speed

  time_series:
    - fields:
        - Wspd
        - Wdir
        - Etmp
        - Itmp
        - Ndir
        - Pab1
        - Pab2
        - Pab3
        - Prtv
        - T2m
        - Sp
        - RelH
        - Wspd_w
        - Wdir_w
        - Tp
        # - Patv
      source: sdwpf_scada # 指向 data_refs.time_series 中定义的底层 SDWPF h5 文件。

      window:
        length: 2016 # 历史窗口长度为 6 个任务时间步。
        unit: 10min # 每步 10 分钟,因此模型看到过去 1 小时。

  graph:
      source: turbine_proximity


prediction:
  field: target_class_id


leakage:
  forbidden_input_columns:
    - target_class_id
    - target_class_name
    - episode_id # 主键只用于 join / indexing
    - fd_subset # 数据子集标记,不能作为输入。
    - Patv #数据泄露

data_refs:
  tabular_static:
    turbine_metadata:
      file: SDWPF/input_multimodal/meta_features.csv
      id_column: episode_id

  time_series:
    sdwpf_scada:

  graph:
    turbine_proximity:
      file: SDWPF/input_multimodal/node_level_task_graphs/turbine_proximity/turbine_proximity.csv