Estás leyendo la publicación: Prediga y diagnostique fallas en turbinas eólicas y tenga la oportunidad de trabajar con el equipo digital de ReNew Power
En un intento por acelerar el análisis del viento, ReNew Power, una de las principales empresas de energía renovable en India, en asociación con MachineHack, está lanzando un hackatón de contratación de ciencia de datos programado para el 19 de agosto de 2022a 9 de septiembre de 2022.
El hackathon de contratación de ciencia de datos brinda a los profesionales de datos una oportunidad emocionante para demostrar sus capacidades y tener la oportunidad de trabajar con ReNew Power. Los candidatos también tendrían la oportunidad de ganar premios como iPhone 13, iPad Air, Samsung Galaxy Watch 4–42 mm, Alexa Echo Show 8 y más.
¡Así que regístrese hoy!
Planteamiento y descripción del problema
El tiempo de inactividad no planificado de las turbinas eólicas puede resultar en una pérdida significativa de ingresos y energía. Por lo tanto, es importante predecir y marcar la falla de los componentes para evitar más pérdidas y realizar el mantenimiento antes de que se produzca la falla completa, lo que a su vez requiere el reemplazo de los componentes e incurre en costos más altos.
Además, los sistemas de monitoreo basados en condiciones se basan en sistemas de control de supervisión y adquisición de datos (SCADA) para predecir fallas y obtener información valiosa sobre el rendimiento de la turbina.
En este hackathon, ReNew Power compartió datos normalizados minuto a minuto de datos de velocidad del viento, potencia y temperatura para múltiples componentes de una turbina eólica. La compañía está buscando crear un modelo para obtener la temperatura esperada de los cojinetes del rotor de una turbina que funcione idealmente. A continuación, utilizará el modelo para comprobar la desviación de la temperatura real de los cojinetes del rotor de la turbina defectuosa con respecto a la temperatura esperada.
** Es de tener en cuenta
FECHA DE INICIO: 19 de agosto
FECHA DE FINALIZACIÓN: 9 de septiembre
Haga clic aquí para participar en el hackathon
MachineHack y ReNew Power han creado un conjunto de datos de entrenamiento de 909604 filas con 16 columnas y un conjunto de datos de prueba de 303202 filas con 15 columnas para resolver el problema de predicción.
Directrices para el envío
Los modelos de Sklearn admiten la método de predicción () para generar los valores predichos
El participante debe presentar una archivo .csve con exactamente 3,03,202 filas con 1 columna [“Target”]. El envío devolverá una puntuación no válida si tiene filas o columnas adicionales.
** El archivo debe tener exactamente 1 columna.
Criterios de evaluación
La evaluación del hackatón se realizará utilizando el Error porcentual absoluto medio. Uno puede usar sklearn.metrics.mean_absolute_percentage_error para calcular lo mismo.
El hackathon también admitiría tablas de clasificación públicas y privadas, donde la tabla de clasificación pública se evaluará en 30% de datos de prueba. Por otro lado, la tabla de clasificación privada estará disponible al final del hackathon y se evaluará en 100% de los datos de prueba.
La puntuación final será 70* [Leaderbaord (100% of test dataset)] + 30* [Solution Approach]
FECHA DE INICIO: 19 de agosto
FECHA DE FINALIZACIÓN: 9 de septiembre
Haga clic aquí para participar en el hackathon
premios
Los 25 mejores candidatos en la tabla de clasificación pública tendrán la oportunidad de ser entrevistados/contratados por ReNew Power. ReNew Power seleccionará a los tres (3) ganadores principales, junto con los ganadores semanales, según los criterios establecidos.
** Nota: Habrá dos ganadores semanales durante las dos primeras semanas. Esto también hace que sea probable que los candidatos ganen dos premios (premio semanal + premio del ganador)
Primer premio: iPhone 13 (128 GB)
Segundo precio: iPad aire WiFi (64GB)
Tercer premio: Reloj Samsung Galaxy 4 – 42 mm
Ganadores semanales (total 2): Alexa Echo Mostrar 8
Detalles del conjunto de datos
- Tren: 909604 filas x 16 columnas
- Prueba: 303202 filas x 15 columnas
- Sample Submission.csv: consulte la sección ‘Evaluación’ en la página web de MachineHack para obtener más detalles sobre cómo generar un envío válido.
Para saber más sobre los atributos, haga clic en aquí.
