CARE to Compare：用于风力涡轮机数据异常检测的真实世界数据集

异常检测在风力涡轮机预测性维护领域起着关键作用，然而不同算法的比较是一项困难的任务，因为特定领域的公共数据集很少。许多不同方法的比较要么使用来自许多不同领域的基准数据、不可访问的数据，要么使用少数公开数据集，这些数据集缺乏关于故障的详细信息。此外，许多出版物强调了一些故障检测成功的案例研究。通过本文，我们发布了一个高质量数据集，包含来自3个不同风电场的36台风力涡轮机的数据，以及据我们所知任何公开风力涡轮机数据集中最详细的故障信息。新数据集包含89年的真实世界风力涡轮机运行数据，分布在44个标记的时间帧中，这些时间帧对应导致故障的异常，以及51个表示正常行为的时间序列。此外，通过基于涡轮机状态的每个数据点标签确保训练数据的质量。此外，我们提出了一种新的评分方法，称为CARE（覆盖度、准确性、可靠性和早期性），该方法利用数据集中存在的信息深度来识别一个良好的全方位异常检测模型。该分数考虑了异常检测性能、正确识别正常行为的能力以及尽可能少地发出误报同时早期检测异常的能力。