Wind Turbine Temperature Prediction

طوّرت حلاً للتعلم الآلي للصيانة التنبؤية في قطاع طاقة الرياح. يحلل النظام بيانات المستشعرات في الوقت الفعلي من توربينات متعددة بما في ذلك سرعة الرياح، وسرعة المولد، والطاقة الفعالة، ودرجة حرارة غلاف التوربين - للتنبؤ بدرجة حرارة محامل الدوار بدقة عالية. باستخدام خوارزمية XGBoost مع هندسة الميزات المتقدمة ومعالجة القيم المفقودة، حقق النموذج متوسط ​​خطأ مطلق (MAE) يبلغ حوالي 0.21 درجة مئوية ومعامل تحديد (R²) يبلغ حوالي 0.98، مما يتيح الكشف المبكر عن الأعطال وتقليل وقت التوقف غير المخطط له. يُعد هذا الحل مثالياً لشركات الطاقة التي تسعى إلى تحسين أداء التوربينات وخفض تكاليف الصيانة.