emission_detect_ai/各个机组特征工程.ipynb at master

51 KiB

Raw Permalink Blame History

In [1]:

import pandas as pd
import numpy as np

In [2]:

daily_data = pd.read_excel('data/电厂日数据.xlsx', sheet_name=None)
daily_data.keys()

Out[2]:

dict_keys(['浙江秀舟', '武乡西山', '邯郸东郊', '建投遵化'])

In [3]:

zjxz_daily = daily_data.get('浙江秀舟')
wxxs_daily = daily_data.get('武乡西山')
hddj_daily = daily_data.get('邯郸东郊')
jtzh_daily = daily_data.get('建投遵化')

In [4]:

zjxz_daily['发电量（万千瓦时）'] = zjxz_daily['发电量（千瓦时）'] / 10000
zjxz_daily.head()

Out[4]:

	days	发电量（千瓦时）	供热量（吉焦）	燃料消耗量（吨）	流量（m3/h）	氮氧化物浓度(mg/m3)	含氧量（%）	温度（℃）	二氧化硫浓度(mg/m3)	烟尘浓度(mg/m3)	发电量（万千瓦时）
0	2018-10-01	156796.0	6536.83	323	162345.192917	24.515087	9.900000	51.250000	4.721475	0.176932	15.6796
1	2018-10-02	133984.0	2484.64	218	140175.330833	18.829456	9.400000	50.679167	3.698115	0.161356	13.3984
2	2018-10-03	134023.0	3020.83	212	154686.184167	20.891797	8.550000	52.808333	6.381178	0.117507	13.4023
3	2018-10-04	124765.0	5599.23	223	120345.545833	18.641687	10.202083	48.854167	2.393757	0.761287	12.4765
4	2018-10-05	134414.0	4702.65	243	162533.103542	22.031219	11.497917	45.783333	0.338422	1.842860	13.4414

In [5]:

zjxz_daily.rename(columns={'流量 （m3/h）': 'flow', '温度（℃）': 'temperature', '含氧量（%）': 'r_O2'}, inplace=True)
zjxz_daily['c_smoke'] = zjxz_daily['flow'] * zjxz_daily['烟尘浓度(mg/m3)']
zjxz_daily['c_NO2'] = zjxz_daily['flow'] * zjxz_daily['氮氧化物浓度(mg/m3)']
zjxz_daily['c_SO2'] = zjxz_daily['flow'] * zjxz_daily['二氧化硫浓度(mg/m3)']
zjxz_daily['企业名称'] = '浙江秀舟热电有限公司'

In [6]:

zjxz_daily_final = zjxz_daily[
    ['days', '企业名称', 'r_O2', 'temperature', '发电量（万千瓦时）', '供热量（吉焦）', 'c_smoke', 'c_NO2', 'c_SO2', 'flow', '燃料消耗量（吨）']].copy()

In [7]:

wxxs_daily.rename(columns={'Unnamed: 0': 'days'}, inplace=True)

In [8]:

num_cols = [x for x in wxxs_daily.columns if x not in ['days', '企业名称', '机组1_状态', '机组2_状态']]

In [9]:

wxxs_daily.dropna(inplace=True)
wxxs_daily = wxxs_daily[~((wxxs_daily['机组1_状态'] == '停运') & (wxxs_daily['机组2_状态'] == '停运'))].copy()
wxxs_daily.shape

Out[9]:

(112, 23)

In [10]:

wxxs_daily.columns

Out[10]:

Index(['days', '发电量_1（万千瓦时）', '供热量_1（吉焦）', '燃料消耗量_1（吨）', '发电量_2（万千瓦时）',
       '供热量_2（吉焦）', '燃料消耗量_2（吨）', '企业名称', '发电量（万千瓦时）', '供热量（吉焦）', '燃料消耗量（吨）',
       '机组1_二氧化硫浓度(mg/m3)', '机组1_氮氧化物浓度(mg/m3)', '机组1_烟尘浓度(mg/m3)',
       '机组1_流速(m/s)', '机组1_流量(m3/h)', '机组1_状态', '机组2_二氧化硫浓度(mg/m3)',
       '机组2_氮氧化物浓度(mg/m3)', '机组2_烟尘浓度(mg/m3)', '机组2_流速(m/s)', '机组2_流量(m3/h)',
       '机组2_状态'],
      dtype='object')

In [11]:

wxxs_unit_1 = wxxs_daily[['days', '企业名称']].copy()
wxxs_unit_2 = wxxs_daily[['days', '企业名称']].copy()

In [12]:

wxxs_unit_1['c_smoke'] = wxxs_daily['机组1_流量(m3/h)'] * wxxs_daily['机组1_烟尘浓度(mg/m3)']
wxxs_unit_1['c_NO2'] =  wxxs_daily['机组1_流量(m3/h)'] * wxxs_daily['机组1_氮氧化物浓度(mg/m3)']
wxxs_unit_1['c_SO2'] =  wxxs_daily['机组1_流量(m3/h)'] * wxxs_daily['机组1_二氧化硫浓度(mg/m3)']
wxxs_unit_1['flow'] = wxxs_daily['机组1_流量(m3/h)']
wxxs_unit_1['r_O2'] = np.nan
wxxs_unit_1['temperature'] = np.nan
wxxs_unit_1['发电量（万千瓦时）'] = wxxs_daily['发电量_1（万千瓦时）']
wxxs_unit_1['供热量（吉焦）'] = wxxs_daily['供热量_1（吉焦）']
wxxs_unit_1['燃料消耗量（吨）'] = wxxs_daily['燃料消耗量_1（吨）']

wxxs_unit_2['c_smoke'] = wxxs_daily['机组2_流量(m3/h)'] * wxxs_daily['机组2_烟尘浓度(mg/m3)']
wxxs_unit_2['c_NO2'] =  wxxs_daily['机组2_流量(m3/h)'] * wxxs_daily['机组2_氮氧化物浓度(mg/m3)']
wxxs_unit_2['c_SO2'] =  wxxs_daily['机组2_流量(m3/h)'] * wxxs_daily['机组2_二氧化硫浓度(mg/m3)']
wxxs_unit_2['flow'] = wxxs_daily['机组2_流量(m3/h)']
wxxs_unit_2['r_O2'] = np.nan
wxxs_unit_2['temperature'] = np.nan
wxxs_unit_2['发电量（万千瓦时）'] = wxxs_daily['发电量_2（万千瓦时）']
wxxs_unit_2['供热量（吉焦）'] = wxxs_daily['供热量_2（吉焦）']
wxxs_unit_2['燃料消耗量（吨）'] = wxxs_daily['燃料消耗量_2（吨）']

In [13]:

wxxs_daily_final = pd.concat([wxxs_unit_1, wxxs_unit_2], axis=0)

In [14]:

hddj_daily.rename(columns={'Unnamed: 0': 'days'}, inplace=True)
hddj_daily.shape

Out[14]:

(59, 28)

In [15]:

hddj_daily.columns

Out[15]:

Index(['days', '发电量_1（万千瓦时）', '供热量_1（吉焦）', '燃料消耗量_1（吨）', '发电量_2（万千瓦时）',
       '供热量_2（吉焦）', '燃料消耗量_2（吨）', '企业名称', '机组1_流量 （m3/h）', '机组1_NOx浓度(mg/m3)',
       '机组1_SO2浓度(mg/m3)', '机组1_烟尘浓度(mg/m3)', '机组1_含氧量（%）', '机组1_温度（℃）',
       '机组1_烟气湿度（%）', '机组1_烟气压力（千帕）', '机组1_烟气流速（m/s）', '机组1_状态',
       '机组2_流量 （m3/h）', '机组2_NOx浓度(mg/m3)', '机组2_SO2浓度(mg/m3)',
       '机组2_烟尘浓度(mg/m3)', '机组2_含氧量（%）', '机组2_温度（℃）', '机组2_烟气湿度（%）',
       '机组2_烟气压力（千帕）', '机组2_烟气流速（m/s）', '机组2_状态'],
      dtype='object')

In [16]:

hddj_unit_1 = hddj_daily[['days', '企业名称']].copy()
hddj_unit_2 = hddj_daily[['days', '企业名称']].copy()

In [17]:

hddj_unit_1['c_smoke'] = hddj_daily['机组1_流量 （m3/h）'] * hddj_daily['机组1_烟尘浓度(mg/m3)']
hddj_unit_1['c_NO2'] = hddj_daily['机组1_流量 （m3/h）'] * hddj_daily['机组1_NOx浓度(mg/m3)']
hddj_unit_1['c_SO2'] = hddj_daily['机组1_流量 （m3/h）'] * hddj_daily['机组1_SO2浓度(mg/m3)']
hddj_unit_1['flow'] = hddj_daily['机组1_流量 （m3/h）']
hddj_unit_1['r_O2'] = hddj_daily['机组1_含氧量（%）']
hddj_unit_1['发电量（万千瓦时）'] = hddj_daily['发电量_1（万千瓦时）']
hddj_unit_1['供热量（吉焦）'] = hddj_daily['供热量_1（吉焦）']
hddj_unit_1['temperature'] = hddj_daily['机组1_温度（℃）']
hddj_unit_1['燃料消耗量（吨）'] = hddj_daily['燃料消耗量_1（吨）']

hddj_unit_2['c_smoke'] = hddj_daily['机组2_流量 （m3/h）'] * hddj_daily['机组2_烟尘浓度(mg/m3)']
hddj_unit_2['c_NO2'] = hddj_daily['机组2_流量 （m3/h）'] * hddj_daily['机组2_NOx浓度(mg/m3)']
hddj_unit_2['c_SO2'] = hddj_daily['机组2_流量 （m3/h）'] * hddj_daily['机组2_SO2浓度(mg/m3)']
hddj_unit_2['flow'] = hddj_daily['机组2_流量 （m3/h）']
hddj_unit_2['r_O2'] = hddj_daily['机组2_含氧量（%）']
hddj_unit_2['发电量（万千瓦时）'] = hddj_daily['发电量_2（万千瓦时）']
hddj_unit_2['供热量（吉焦）'] = hddj_daily['供热量_2（吉焦）']
hddj_unit_2['temperature'] = hddj_daily['机组2_温度（℃）']
hddj_unit_2['燃料消耗量（吨）'] = hddj_daily['燃料消耗量_2（吨）']

In [18]:

hddj_daily_final = pd.concat([hddj_unit_1, hddj_unit_2], axis=0)

In [19]:

jtzh_daily.rename(columns={'Unnamed: 0': 'days'}, inplace=True)
jtzh_daily['机组1_状态'] = (jtzh_daily['机组1_状态'] == '正常运行') * 1
jtzh_daily['机组2_状态'] = (jtzh_daily['机组2_状态'] == '正常运行') * 1
jtzh_daily.shape

Out[19]:

(31, 26)

In [20]:

jtzh_daily.columns

Out[20]:

Index(['days', '发电量_1（万千瓦时）', '供热量_1（吉焦）', '燃料消耗量_1（吨）', '发电量_2（万千瓦时）',
       '供热量_2（吉焦）', '燃料消耗量_2（吨）', '企业名称', '机组1_流量 （m3/h）', '机组1_NOx浓度(mg/m3)',
       '机组1_SO2浓度(mg/m3)', '机组1_烟尘浓度(mg/m3)', '机组1_含氧量（%）', '机组1_温度（℃）',
       '机组1_烟气湿度（%）', '机组1_烟气流速（m/s）', '机组1_状态', '机组2_流量 （m3/h）',
       '机组2_NOx浓度(mg/m3)', '机组2_SO2浓度(mg/m3)', '机组2_烟尘浓度(mg/m3)', '机组2_含氧量（%）',
       '机组2_温度（℃）', '机组2_烟气湿度（%）', '机组2_烟气流速（m/s）', '机组2_状态'],
      dtype='object')

In [21]:

jtzh_unit_1 = jtzh_daily[['days', '企业名称']].copy()
jtzh_unit_2 = jtzh_daily[['days', '企业名称']].copy()

In [22]:

jtzh_unit_1['c_smoke'] = jtzh_daily['机组1_流量 （m3/h）'] * jtzh_daily['机组1_烟尘浓度(mg/m3)']
jtzh_unit_1['c_NO2'] = jtzh_daily['机组1_流量 （m3/h）'] * jtzh_daily['机组1_NOx浓度(mg/m3)']
jtzh_unit_1['c_SO2'] = jtzh_daily['机组1_流量 （m3/h）'] * jtzh_daily['机组1_SO2浓度(mg/m3)']
jtzh_unit_1['flow'] = jtzh_daily['机组1_流量 （m3/h）']
jtzh_unit_1['r_O2'] = jtzh_daily['机组1_含氧量（%）']
jtzh_unit_1['temperature'] = jtzh_daily['机组1_温度（℃）']
jtzh_unit_1['发电量（万千瓦时）'] = jtzh_daily['发电量_2（万千瓦时）']
jtzh_unit_1['供热量（吉焦）'] = jtzh_daily['供热量_2（吉焦）']
jtzh_unit_1['燃料消耗量（吨）'] = jtzh_daily['燃料消耗量_1（吨）']

jtzh_unit_2['c_smoke'] = jtzh_daily['机组2_流量 （m3/h）'] * jtzh_daily['机组2_烟尘浓度(mg/m3)']
jtzh_unit_2['c_NO2'] = jtzh_daily['机组2_流量 （m3/h）'] * jtzh_daily['机组2_NOx浓度(mg/m3)']
jtzh_unit_2['c_SO2'] = jtzh_daily['机组2_流量 （m3/h）'] * jtzh_daily['机组2_SO2浓度(mg/m3)']
jtzh_unit_2['flow'] = jtzh_daily['机组2_流量 （m3/h）']
jtzh_unit_2['r_O2'] = jtzh_daily['机组2_含氧量（%）']
jtzh_unit_2['temperature'] = jtzh_daily['机组2_温度（℃）']
jtzh_unit_2['发电量（万千瓦时）'] = jtzh_daily['发电量_2（万千瓦时）']
jtzh_unit_2['供热量（吉焦）'] = jtzh_daily['供热量_2（吉焦）']
jtzh_unit_2['燃料消耗量（吨）'] = jtzh_daily['燃料消耗量_2（吨）']

In [23]:

jtzh_daily_final = pd.concat([jtzh_unit_1, jtzh_unit_2], axis=0)
jtzh_daily_final

Out[23]:

	days	企业名称	c_smoke	c_NO2	c_SO2	flow	r_O2	temperature	发电量（万千瓦时）	供热量（吉焦）	燃料消耗量（吨）
0	2022-05-01	建投遵化热电有限责任公司	1.467475e+06	1.063321e+07	1.055453e+07	820965	7.795833	52.320833	0.000	0	1889
1	2022-05-02	建投遵化热电有限责任公司	1.558803e+06	1.328556e+07	1.074905e+07	907380	7.295833	53.145833	0.000	0	2622
2	2022-05-03	建投遵化热电有限责任公司	1.427659e+06	1.111851e+07	9.591219e+06	771360	7.650000	51.841667	0.000	0	2233
3	2022-05-04	建投遵化热电有限责任公司	1.499975e+06	1.164537e+07	1.007516e+07	780390	7.462500	51.808333	0.000	0	2203
4	2022-05-05	建投遵化热电有限责任公司	1.724199e+06	1.227060e+07	1.193453e+07	870075	7.195833	52.354167	0.000	0	2524
...	...	...	...	...	...	...	...	...	...	...	...
26	2022-05-27	建投遵化热电有限责任公司	1.020390e+06	1.173919e+07	1.101318e+07	836100	6.329167	44.741667	467.106	0	2401
27	2022-05-28	建投遵化热电有限责任公司	1.169393e+06	1.393048e+07	1.335698e+07	895515	6.183333	45.587500	504.900	0	2611
28	2022-05-29	建投遵化热电有限责任公司	1.124243e+06	1.267043e+07	1.129934e+07	837945	6.425000	45.545833	462.822	0	2846
29	2022-05-30	建投遵化热电有限责任公司	1.296293e+06	1.442430e+07	1.434195e+07	915030	6.162500	45.175000	528.960	0	2981
30	2022-05-31	建投遵化热电有限责任公司	1.554891e+06	1.758048e+07	1.593381e+07	992220	5.570833	46.100000	672.180	0	3560

62 rows × 11 columns

In [24]:

all_daily_data = pd.concat([zjxz_daily_final, wxxs_daily_final, hddj_daily_final, jtzh_daily_final])

In [25]:

unit_features = pd.read_excel('data/电厂特征表.xlsx', header=None).T

In [26]:

unit_features = unit_features.rename(columns=unit_features.iloc[0]).drop(unit_features.index[0])
unit_features.head()

Out[26]:

	企业名称	地址	省份	经度	纬度	烟囱高度（m）	脱硝工艺	脱硝剂名称	脱硝设备数量	脱硫工艺	...	发电机组1_单机容量（MW）	发电机组1_投产日期	发电机组1_汽轮机类型	发电机组1_压力参数	发电机组1_冷却方式	发电机组2_单机容量（MW）	发电机组2_投产日期	发电机组2_汽轮机类型	发电机组2_压力参数	发电机组2_冷却方式
1	浙江秀舟热电有限公司	嘉兴市南湖区凤桥镇	浙江省	120°51′5.54″	30°39′14.76″	80	SNCR SCR	氨水	3	石灰石-石膏湿法	...	15	2014-07-01 00:00:00	背压式	高压	水冷-闭式循环	15	2018-08-01 00:00:00	抽背式	高压	水冷-闭式循环
2	武乡西山发电有限责任公司	山西省武乡县丰州镇下城村	山西省	112°51′11″	36°50′0″	240	SCR	尿素	2	石灰石--石膏湿法	...	600	2006-10-07 00:00:00	抽凝式	亚临界	空冷-直接空冷	600	2007-01-07 00:00:00	抽凝式	亚临界	空冷-直接空冷
3	国电电力邯郸东郊热电有限责任公司	河北肥乡经济开发区光明西路11号	河北省	114°39'0"	36°34'0"	NaN	采用高效低氮燃烧器＋SCR	NaN	NaN	石灰石-石膏湿法	...	350	2019-06-08 00:00:00	抽凝式	超超临界	水冷-闭式循环	350	2019-06-08 00:00:00	抽凝式	超超临界	水冷-闭式循环
4	建投遵化热电有限责任公司	河北省遵化市新店子镇程庄子村	河北省	117°58'40"	40°4'33"	NaN	采用高效低氮燃烧器＋SCR	NaN	NaN	石灰石-石膏湿法	...	350	2019-07-09 00:00:00	抽凝式	超临界	水冷-闭式循环	350	2020-05-02 00:00:00	抽凝式	超临界	水冷-闭式循环

4 rows × 33 columns

In [27]:

unit_features.to_excel('data/机组特征表.xlsx')

In [28]:

unit_features_used = unit_features[['企业名称', '生产设备类型', '燃料类型', '低位发热量（GJ/t）']].copy()
unit_features_used['汽轮机类型'] = unit_features['发电机组1_汽轮机类型']
unit_features_used['冷却方式'] = unit_features['发电机组1_冷却方式']
unit_features_used['额定蒸发量'] = unit_features['锅炉1额定蒸发量 t/h'] + unit_features['锅炉2额定蒸发量 t/h']
unit_features_used['压力参数'] = unit_features['发电机组1_压力参数']
unit_features_used['单机容量'] = unit_features['发电机组1_单机容量（MW）'] + unit_features['发电机组2_单机容量（MW）']

In [29]:

for i in range(2, 5):
    unit_features_used.loc[i, '额定蒸发量'] = unit_features_used.loc[i, '额定蒸发量'] / 2
    unit_features_used.loc[i, '单机容量'] = unit_features_used.loc[i, '单机容量'] / 2

In [30]:

unit_features_used

Out[30]:

	企业名称	生产设备类型	燃料类型	低位发热量（GJ/t）	汽轮机类型	冷却方式	额定蒸发量	压力参数	单机容量
1	浙江秀舟热电有限公司	高温高压循环流化床锅炉	中高挥发分烟煤	20.501	背压式	水冷-闭式循环	230	高压	30
2	武乡西山发电有限责任公司	煤粉锅炉	褐煤	18.643	抽凝式	空冷-直接空冷	2080.0	亚临界	600.0
3	国电电力邯郸东郊热电有限责任公司	煤粉锅炉	低挥发分烟煤	19.087	抽凝式	水冷-闭式循环	1125.0	超超临界	350.0
4	建投遵化热电有限责任公司	煤粉锅炉	一般烟煤	14.682	抽凝式	水冷-闭式循环	1172.0	超临界	350.0

In [31]:

final_data = all_daily_data.merge(unit_features_used, how='left', on='企业名称')

In [32]:

import datetime as dt

In [33]:

def cal_timedelta(x):
    date = dt.datetime.strptime(x, '%Y-%m-%d')
    date = dt.date(date.year, date.month, date.day)
    start_date = dt.date(date.year, 1, 1)
    time_delta = (date - start_date).days
    return time_delta

In [34]:

final_data['day_of_year'] = final_data.days.apply(cal_timedelta)

In [35]:

final_data['week_of_year'] = final_data['day_of_year'] // 7

In [36]:

final_data

Out[36]:

	days	企业名称	r_O2	temperature	发电量（万千瓦时）	供热量（吉焦）	c_smoke	c_NO2	c_SO2	flow	...	生产设备类型	燃料类型	低位发热量（GJ/t）	汽轮机类型	冷却方式	额定蒸发量	压力参数	单机容量	day_of_year	week_of_year
0	2018-10-01	浙江秀舟热电有限公司	9.900000	51.250000	15.6796	6536.83	2.872405e+04	3.979907e+06	7.665088e+05	162345.192917	...	高温高压循环流化床锅炉	中高挥发分烟煤	20.501	背压式	水冷-闭式循环	230	高压	30	273	39
1	2018-10-02	浙江秀舟热电有限公司	9.400000	50.679167	13.3984	2484.64	2.261807e+04	2.639425e+06	5.183845e+05	140175.330833	...	高温高压循环流化床锅炉	中高挥发分烟煤	20.501	背压式	水冷-闭式循环	230	高压	30	274	39
2	2018-10-03	浙江秀舟热电有限公司	8.550000	52.808333	13.4023	3020.83	1.817677e+04	3.231672e+06	9.870800e+05	154686.184167	...	高温高压循环流化床锅炉	中高挥发分烟煤	20.501	背压式	水冷-闭式循环	230	高压	30	275	39
3	2018-10-04	浙江秀舟热电有限公司	10.202083	48.854167	12.4765	5599.23	9.161746e+04	2.243444e+06	2.880779e+05	120345.545833	...	高温高压循环流化床锅炉	中高挥发分烟煤	20.501	背压式	水冷-闭式循环	230	高压	30	276	39
4	2018-10-05	浙江秀舟热电有限公司	11.497917	45.783333	13.4414	4702.65	2.995257e+05	3.580802e+06	5.500482e+04	162533.103542	...	高温高压循环流化床锅炉	中高挥发分烟煤	20.501	背压式	水冷-闭式循环	230	高压	30	277	39
...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...
1486	2022-05-27	建投遵化热电有限责任公司	6.329167	44.741667	467.1060	0.00	1.020390e+06	1.173919e+07	1.101318e+07	836100.000000	...	煤粉锅炉	一般烟煤	14.682	抽凝式	水冷-闭式循环	1172.0	超临界	350.0	146	20
1487	2022-05-28	建投遵化热电有限责任公司	6.183333	45.587500	504.9000	0.00	1.169393e+06	1.393048e+07	1.335698e+07	895515.000000	...	煤粉锅炉	一般烟煤	14.682	抽凝式	水冷-闭式循环	1172.0	超临界	350.0	147	21
1488	2022-05-29	建投遵化热电有限责任公司	6.425000	45.545833	462.8220	0.00	1.124243e+06	1.267043e+07	1.129934e+07	837945.000000	...	煤粉锅炉	一般烟煤	14.682	抽凝式	水冷-闭式循环	1172.0	超临界	350.0	148	21
1489	2022-05-30	建投遵化热电有限责任公司	6.162500	45.175000	528.9600	0.00	1.296293e+06	1.442430e+07	1.434195e+07	915030.000000	...	煤粉锅炉	一般烟煤	14.682	抽凝式	水冷-闭式循环	1172.0	超临界	350.0	149	21
1490	2022-05-31	建投遵化热电有限责任公司	5.570833	46.100000	672.1800	0.00	1.554891e+06	1.758048e+07	1.593381e+07	992220.000000	...	煤粉锅炉	一般烟煤	14.682	抽凝式	水冷-闭式循环	1172.0	超临界	350.0	150	21

1491 rows × 21 columns

In [37]:

final_data.to_csv('data/unit_train_data.csv', encoding='utf-8-sig', index=False)

In [37]:

51 KiB Raw Permalink Blame History Unescape Escape

51 KiB

Raw Permalink Blame History