emission_detect_ai/将电厂的天数据合并.ipynb

In [1]:

import pandas as pd
import numpy as np

import matplotlib.pyplot as plt
#新增加的两行
from pylab import mpl

# 设置显示中文字体

mpl.rcParams["font.sans-serif"] = ["SimHei"]

mpl.rcParams["axes.unicode_minus"] = False

In [2]:

zjxz_daily = pd.read_excel('./data/机器学习样表.xlsx', sheet_name=0, header=[0, 1])
old_cols = zjxz_daily.columns
new_cols = [x[0].strip() if 'Unnamed' in x[1] else x[0] + '_' + x[1] for x in old_cols]
zjxz_daily.columns = new_cols
zjxz_daily.head()

Out[2]:

	日期	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	...	供热量（吉焦）	产渣量（吨）	机组运行时间（小时）	硫分（%）	脱硫副产品产量（吨）	脱硫剂使用量（吨）	脱硫设施运行时间（小时）	脱硝还原剂消耗量（吨）	脱硝运行时间（小时）	燃料消耗量（吨）
0	2018-10-01	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	...	6536.83	NaN	24.0	0.51	NaN	5.06	24.0	2.98	24.0	323
1	2018-10-02	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	...	2484.64	NaN	24.0	0.51	NaN	5.04	24.0	2.97	24.0	218
2	2018-10-03	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	...	3020.83	NaN	24.0	0.51	NaN	5.04	24.0	2.95	24.0	212
3	2018-10-04	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	...	5599.23	NaN	24.0	0.51	72.52	5.03	24.0	2.98	24.0	223
4	2018-10-05	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	...	4702.65	NaN	24.0	0.51	NaN	5.06	24.0	3.01	24.0	243

5 rows × 44 columns

In [3]:

zjxz_daily_data = zjxz_daily[['日期', '企业名称', '发电量（千瓦时）', '供热量（吉焦）', '燃料消耗量（吨）']].copy()

In [49]:

zjxz_daily_data

Out[49]:

	日期	企业名称	发电量（千瓦时）	供热量（吉焦）	燃料消耗量（吨）
0	2018-10-01	浙江秀舟热电有限公司	156796.00	6536.83	323
1	2018-10-02	浙江秀舟热电有限公司	133984.00	2484.64	218
2	2018-10-03	浙江秀舟热电有限公司	134023.00	3020.83	212
3	2018-10-04	浙江秀舟热电有限公司	124765.00	5599.23	223
4	2018-10-05	浙江秀舟热电有限公司	134414.00	4702.65	243
...	...	...	...	...	...
1173	2022-01-22	浙江秀舟热电有限公司	52.24	12472.00	822
1174	2022-01-23	浙江秀舟热电有限公司	51.36	12051.00	790
1175	2022-01-24	浙江秀舟热电有限公司	51.12	11276.00	751
1176	2022-01-25	浙江秀舟热电有限公司	49.32	11007.00	672
1177	2022-01-26	浙江秀舟热电有限公司	29.64	8132.00	484

1178 rows × 5 columns

In [52]:

zjxz_emiss_data = pd.read_csv('data/train_data.csv')
zjxz_emiss_data

Out[52]:

	days	发电量（千瓦时）	供热量（吉焦）	机组运行时间（小时）	硫分（%）	脱硫剂使用量（吨）	脱硫设施运行时间（小时）	脱硝还原剂消耗量（吨）	脱硝运行时间（小时）	燃料消耗量（吨）	...	cSO2	cO2	csmoke	flow	rNOx	rO2	temp	rSO2	rsmoke	day_of_year
0	2018-10-01	156796.00	6536.83	24.0	0.51	5.06	24.0	2.98	24.0	323	...	2.148473e+07	3.745944e+07	6.519466e+05	162345.192917	28.981417	9.900000	51.250000	5.581667	0.209167	273
1	2018-10-02	133984.00	2484.64	24.0	0.51	5.04	24.0	2.97	24.0	218	...	1.587722e+07	2.832146e+07	3.656575e+05	140175.330833	22.220750	9.400000	50.679167	4.364167	0.190417	274
2	2018-10-03	134023.00	3020.83	24.0	0.51	5.04	24.0	2.95	24.0	212	...	2.829086e+07	3.174159e+07	5.181773e+05	154686.184167	24.816708	8.550000	52.808333	7.580000	0.139583	275
3	2018-10-04	124765.00	5599.23	24.0	0.51	5.03	24.0	2.98	24.0	223	...	1.030569e+07	2.511504e+07	2.299438e+06	120345.545833	21.875125	10.202083	48.854167	2.808958	0.893333	276
4	2018-10-05	134414.00	4702.65	24.0	0.51	5.06	24.0	3.01	24.0	243	...	1.830254e+06	4.106346e+07	6.230433e+06	162533.103542	25.605917	11.497917	45.783333	0.393333	2.141875	277
...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...
1082	2022-01-22	52.24	12472.00	24.0	0.59	8.46	24.0	4.56	24.0	822	...	3.626034e+06	4.149625e+07	6.512159e+06	218349.604167	2.603662	7.921417	55.441542	0.690904	1.242762	21
1083	2022-01-23	51.36	12051.00	24.0	0.59	8.46	24.0	4.58	24.0	790	...	4.074431e+06	4.422277e+07	6.203422e+06	210121.608333	6.638867	8.756333	54.574333	0.810112	1.230213	22
1084	2022-01-24	51.12	11276.00	24.0	0.59	8.43	24.0	4.57	24.0	751	...	4.928013e+06	4.655727e+07	6.101480e+06	211378.329167	12.277371	9.110167	53.031042	0.973396	1.203483	23
1085	2022-01-25	49.32	11007.00	24.0	0.59	8.43	24.0	4.56	24.0	672	...	4.584759e+06	7.959093e+07	6.326125e+06	240801.208333	5.684492	13.636042	42.908458	0.807300	1.098229	24
1086	2022-01-26	29.64	8132.00	24.0	0.59	8.44	24.0	4.57	24.0	484	...	5.701371e+06	9.866431e+07	6.632631e+06	263197.579167	1.672292	15.621583	36.412917	0.904429	1.050008	25

1087 rows × 165 columns

In [60]:

zjxz_save_cols = zjxz_emiss_data.columns[:3].tolist() + ['燃料消耗量（吨）'] + zjxz_emiss_data.columns[-7:-1].tolist()
zjxz_save_data = zjxz_emiss_data[zjxz_save_cols].copy()
zjxz_save_data

Out[60]:

	days	发电量（千瓦时）	供热量（吉焦）	燃料消耗量（吨）	flow	rNOx	rO2	temp	rSO2	rsmoke
0	2018-10-01	156796.00	6536.83	323	162345.192917	28.981417	9.900000	51.250000	5.581667	0.209167
1	2018-10-02	133984.00	2484.64	218	140175.330833	22.220750	9.400000	50.679167	4.364167	0.190417
2	2018-10-03	134023.00	3020.83	212	154686.184167	24.816708	8.550000	52.808333	7.580000	0.139583
3	2018-10-04	124765.00	5599.23	223	120345.545833	21.875125	10.202083	48.854167	2.808958	0.893333
4	2018-10-05	134414.00	4702.65	243	162533.103542	25.605917	11.497917	45.783333	0.393333	2.141875
...	...	...	...	...	...	...	...	...	...	...
1082	2022-01-22	52.24	12472.00	822	218349.604167	2.603662	7.921417	55.441542	0.690904	1.242762
1083	2022-01-23	51.36	12051.00	790	210121.608333	6.638867	8.756333	54.574333	0.810112	1.230213
1084	2022-01-24	51.12	11276.00	751	211378.329167	12.277371	9.110167	53.031042	0.973396	1.203483
1085	2022-01-25	49.32	11007.00	672	240801.208333	5.684492	13.636042	42.908458	0.807300	1.098229
1086	2022-01-26	29.64	8132.00	484	263197.579167	1.672292	15.621583	36.412917	0.904429	1.050008

1087 rows × 10 columns

In [61]:

for col in ['rNOx', 'rSO2', 'rsmoke']:
    zjxz_save_data[col] = zjxz_save_data[col]*101800*273 / (101325 * (273 + zjxz_save_data.temp))

In [62]:

zjxz_save_data

Out[62]:

	days	发电量（千瓦时）	供热量（吉焦）	燃料消耗量（吨）	flow	rNOx	rO2	temp	rSO2	rsmoke
0	2018-10-01	156796.00	6536.83	323	162345.192917	24.515087	9.900000	51.250000	4.721475	0.176932
1	2018-10-02	133984.00	2484.64	218	140175.330833	18.829456	9.400000	50.679167	3.698115	0.161356
2	2018-10-03	134023.00	3020.83	212	154686.184167	20.891797	8.550000	52.808333	6.381178	0.117507
3	2018-10-04	124765.00	5599.23	223	120345.545833	18.641687	10.202083	48.854167	2.393757	0.761287
4	2018-10-05	134414.00	4702.65	243	162533.103542	22.031219	11.497917	45.783333	0.338422	1.842860
...	...	...	...	...	...	...	...	...	...	...
1082	2022-01-22	52.24	12472.00	822	218349.604167	2.174305	7.921417	55.441542	0.576970	1.037824
1083	2022-01-23	51.36	12051.00	790	210121.608333	5.558760	8.756333	54.574333	0.678312	1.030064
1084	2022-01-24	51.12	11276.00	751	211378.329167	10.328571	9.110167	53.031042	0.818888	1.012453
1085	2022-01-25	49.32	11007.00	672	240801.208333	4.935421	13.636042	42.908458	0.700918	0.953511
1086	2022-01-26	29.64	8132.00	484	263197.579167	1.482407	15.621583	36.412917	0.801733	0.930782

1087 rows × 10 columns

In [4]:

xswx_daily = pd.read_excel('./data/机器学习样表.xlsx', sheet_name=3)
xswx_daily.columns

Out[4]:

Index(['企业名称', '地址', '省份', '经度', '纬度', '烟囱高度(m)', '机组数量', '单机容量（MW）', '生产设备类型',
       '锅炉额定蒸发量 t/h ', '汽轮机类型', '压力参数', '冷却方式', '脱硝工艺', '脱硫工艺', '除尘工艺',
       'Unnamed: 16', '日期', '机组编号', '投产日期', '燃煤干燥无灰基挥发分vda（%）',
       '入炉煤低位发热量（GJ/t）', '入炉煤消耗量发电（吨）', '入炉煤消耗量供热（吨）', '脱硝还原剂使用量a侧（吨）',
       '脱硝还原剂使用量b侧（吨）', '脱硝设施运行时间a侧（小时）', '脱硝设施运行时间b侧（小时）', '发电量', '供热量(吉焦)',
       '机组运行时间', '硫分（%）', '脱硫副产品产量（吨）', '脱硫剂使用量（吨）', '脱硫设施运行时间（小时）',
       '脱硝还原剂消耗量（吨）', '燃料消耗量（吨）', '石灰石总量（吨）', 'Unnamed: 38', 'Unnamed: 39',
       '日期.1', '机组编号.1', '投产日期.1', '燃煤干燥无灰基挥发分vda（%）.1', '入炉煤低位发热量（GJ/t）.1',
       '入炉煤消耗量发电（吨）.1', '入炉煤消耗量供热（吨）.1', '脱硝还原剂使用量a侧（吨）.1', '脱硝还原剂使用量b侧（吨）.1',
       '脱硝设施运行时间a侧（小时）.1', '脱硝设施运行时间b侧（小时）.1', '发电量（万千瓦时）', '供热量（吉焦）',
       '机组运行时间（小时）', '硫分（%）.1', '脱硫副产品产量（吨）.1', '脱硫剂使用量（吨）.1',
       '脱硫设施运行时间（小时）.1', '脱硝还原剂消耗量（吨）.1', '燃料消耗量（吨）.1', '石灰石总量（吨）.1'],
      dtype='object')

In [5]:

xswx_daily_unit_1 = xswx_daily[xswx_daily['日期'] >= '2021-01-01'][['日期', '发电量', '供热量(吉焦)', '燃料消耗量（吨）']].copy()
xswx_daily_unit_1.columns = ['days', "发电量_1（万千瓦时）", '供热量_1（吉焦）', '燃料消耗量_1（吨）']
xswx_daily_unit_2 = xswx_daily[xswx_daily['日期.1'] >= '2021-01-01'][
    ['日期.1', '发电量（万千瓦时）', '供热量（吉焦）', '燃料消耗量（吨）.1']].copy()
xswx_daily_unit_2.columns = ['days', "发电量_2（万千瓦时）", '供热量_2（吉焦）', '燃料消耗量_2（吨）']
xswx_daily_unit_2.tail(2)

Out[5]:

	days	发电量_2（万千瓦时）	供热量_2（吉焦）	燃料消耗量_2（吨）
149	2021-05-30	1033	0.0	4763.4
150	2021-05-31	909	0.0	4516.5

In [6]:

min_start = min(xswx_daily_unit_1.days.min(), xswx_daily_unit_2.days.min())
max_end = max(xswx_daily_unit_1.days.max(), xswx_daily_unit_2.days.max())
date_range = pd.date_range(min_start, max_end, freq='D')
date_range

Out[6]:

DatetimeIndex(['2021-01-01', '2021-01-02', '2021-01-03', '2021-01-04',
               '2021-01-05', '2021-01-06', '2021-01-07', '2021-01-08',
               '2021-01-09', '2021-01-10',
               ...
               '2021-05-22', '2021-05-23', '2021-05-24', '2021-05-25',
               '2021-05-26', '2021-05-27', '2021-05-28', '2021-05-29',
               '2021-05-30', '2021-05-31'],
              dtype='datetime64[ns]', length=151, freq='D')

In [7]:

xswx_daily_unit_1 = xswx_daily_unit_1.set_index('days').reindex(date_range).fillna(0)
xswx_daily_unit_2 = xswx_daily_unit_2.set_index('days').reindex(date_range).fillna(0)

In [8]:

xswx_daily_data = pd.concat([xswx_daily_unit_1, xswx_daily_unit_2], axis=1)

In [9]:

xswx_daily_data['企业名称'] = '武乡西山发电有限责任公司'
xswx_daily_data['发电量（万千瓦时）'] = xswx_daily_data['发电量_1（万千瓦时）'] + xswx_daily_data['发电量_2（万千瓦时）']
xswx_daily_data['供热量（吉焦）'] = xswx_daily_data['供热量_1（吉焦）'] + xswx_daily_data['供热量_2（吉焦）']
xswx_daily_data['燃料消耗量（吨）'] = xswx_daily_data['燃料消耗量_1（吨）'] + xswx_daily_data['燃料消耗量_2（吨）']

In [10]:

xswx_daily_data

Out[10]:

	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）
2021-01-01	952.0	11032.5	5478.8	893	0.0	4689.7	武乡西山发电有限责任公司	1845.0	11032.5	10168.5
2021-01-02	1127.0	11180.5	6125.4	1061	0.0	5455.5	武乡西山发电有限责任公司	2188.0	11180.5	11580.9
2021-01-03	1051.0	11197.7	5717.6	1053	0.0	4060.5	武乡西山发电有限责任公司	2104.0	11197.7	9778.1
2021-01-04	1179.0	11146.6	6172.5	1237	0.0	5574.7	武乡西山发电有限责任公司	2416.0	11146.6	11747.2
2021-01-05	1142.0	10922.4	6053.3	1082	0.0	6363.9	武乡西山发电有限责任公司	2224.0	10922.4	12417.2
...	...	...	...	...	...	...	...	...	...	...
2021-05-27	0.0	0.0	0.0	1192	0.0	5684.3	武乡西山发电有限责任公司	1192.0	0.0	5684.3
2021-05-28	0.0	0.0	0.0	1159	0.0	5349.3	武乡西山发电有限责任公司	1159.0	0.0	5349.3
2021-05-29	0.0	0.0	0.0	998	0.0	4851.2	武乡西山发电有限责任公司	998.0	0.0	4851.2
2021-05-30	0.0	0.0	0.0	1033	0.0	4763.4	武乡西山发电有限责任公司	1033.0	0.0	4763.4
2021-05-31	0.0	0.0	0.0	909	0.0	4516.5	武乡西山发电有限责任公司	909.0	0.0	4516.5

151 rows × 10 columns

In [11]:

xswx_emiss_data = pd.read_excel('data/机器学习样表_单位换算.xlsx', sheet_name=2)
xswx_emiss_data

Out[11]:

	Unnamed: 0	Unnamed: 1	监控点名称	二氧化硫浓度(mg/m3)	氮氧化物浓度(mg/m3)	烟尘浓度(mg/m3)	流速(m/s)	流量(m3/h)	Unnamed: 8	Unnamed: 9	...	Unnamed: 14	监控点名称.1	二氧化硫浓度(mg/m3).1	氮氧化物浓度(mg/m3).1	烟尘浓度(mg/m3).1	流速(m/s).1	流量(m3/h).1	Unnamed: 21	Unnamed: 22	状态.1
0	2021.1.1	武乡西山发电有限责任公司	1号炉废气排放口	20.15	31.49	2.49	11.24	1558502.96	NaN	NaN	...	武乡西山发电有限责任公司	2号炉废气排放口	22.00	33.09	2.25	5.00	731609.00	NaN	NaN	正常运行
1	2021.1.2	武乡西山发电有限责任公司	1号炉废气排放口	20.27	31.65	2.51	12.03	1648629.50	NaN	NaN	...	武乡西山发电有限责任公司	2号炉废气排放口	20.45	34.37	2.37	9.18	1326387.42	NaN	NaN	正常运行
2	2021.1.3	武乡西山发电有限责任公司	1号炉废气排放口	19.72	31.68	2.50	12.11	1656682.63	NaN	NaN	...	武乡西山发电有限责任公司	2号炉废气排放口	19.82	33.55	2.38	9.85	1417186.13	NaN	NaN	正常运行
3	2021.1.4	武乡西山发电有限责任公司	1号炉废气排放口	17.64	31.51	2.52	11.79	1610496.46	NaN	NaN	...	武乡西山发电有限责任公司	2号炉废气排放口	20.18	32.47	2.39	9.07	1304455.88	NaN	NaN	正常运行
4	2021.1.5	武乡西山发电有限责任公司	1号炉废气排放口	18.66	31.72	2.50	11.97	1652330.08	NaN	NaN	...	武乡西山发电有限责任公司	2号炉废气排放口	21.07	33.73	2.42	9.71	1390566.88	NaN	NaN	正常运行
...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...
113	2021.4.26	武乡西山发电有限责任公司	1号炉废气排放口	0.22	0.01	0.19	0.00	0.00	NaN	NaN	...	武乡西山发电有限责任公司	2号炉废气排放口	18.31	35.41	2.03	9.59	1316204.83	NaN	NaN	正常运行
114	2021.4.27	武乡西山发电有限责任公司	1号炉废气排放口	0.00	0.01	0.21	0.00	0.00	NaN	NaN	...	武乡西山发电有限责任公司	2号炉废气排放口	0.14	0.43	0.08	1.44	193474.61	NaN	NaN	停运
115	2021.4.28	武乡西山发电有限责任公司	1号炉废气排放口	0.01	0.00	0.25	0.00	0.00	NaN	NaN	...	武乡西山发电有限责任公司	2号炉废气排放口	0.00	0.01	0.09	2.69	467356.96	NaN	NaN	停运
116	2021.4.29	武乡西山发电有限责任公司	1号炉废气排放口	0.00	0.01	0.26	0.00	0.00	NaN	NaN	...	武乡西山发电有限责任公司	2号炉废气排放口	0.01	0.05	0.07	2.30	401366.08	NaN	NaN	停运
117	2021.4.30	武乡西山发电有限责任公司	1号炉废气排放口	0.00	0.02	0.56	0.00	0.00	NaN	NaN	...	武乡西山发电有限责任公司	2号炉废气排放口	3.96	22.90	0.68	6.09	932694.63	NaN	NaN	停运

118 rows × 24 columns

In [12]:

xswx_emiss_data_1 = xswx_emiss_data[np.array(xswx_emiss_data.columns)[[0, 3, 4, 5, 6, 7, 10]]].copy()
xswx_emiss_data_2 = xswx_emiss_data[np.array(xswx_emiss_data.columns)[[13, 16, 17, 18, 19, 20, 23]]].copy()
xswx_emiss_data_1

Out[12]:

	Unnamed: 0	二氧化硫浓度(mg/m3)	氮氧化物浓度(mg/m3)	烟尘浓度(mg/m3)	流速(m/s)	流量(m3/h)	状态
0	2021.1.1	20.15	31.49	2.49	11.24	1558502.96	正常运行
1	2021.1.2	20.27	31.65	2.51	12.03	1648629.50	正常运行
2	2021.1.3	19.72	31.68	2.50	12.11	1656682.63	正常运行
3	2021.1.4	17.64	31.51	2.52	11.79	1610496.46	正常运行
4	2021.1.5	18.66	31.72	2.50	11.97	1652330.08	正常运行
...	...	...	...	...	...	...	...
113	2021.4.26	0.22	0.01	0.19	0.00	0.00	停运
114	2021.4.27	0.00	0.01	0.21	0.00	0.00	停运
115	2021.4.28	0.01	0.00	0.25	0.00	0.00	停运
116	2021.4.29	0.00	0.01	0.26	0.00	0.00	停运
117	2021.4.30	0.00	0.02	0.56	0.00	0.00	停运

118 rows × 7 columns

In [13]:

xswx_emiss_data_1.columns = ['days'] + xswx_emiss_data_1.columns[1:].tolist()
xswx_emiss_data_2.columns = xswx_emiss_data_1.columns.tolist()

In [14]:

xswx_emiss_data_1.index = pd.to_datetime(xswx_emiss_data_1.days)

In [15]:

xswx_emiss_data_2.index = pd.to_datetime(xswx_emiss_data_2.days)

In [16]:

xswx_emiss_data_1.drop(columns=['days'], inplace=True)
xswx_emiss_data_2.drop(columns=['days'], inplace=True)

In [17]:

xswx_emiss_data_1.columns = [f'机组1_{x}' for x in xswx_emiss_data_1.columns]
xswx_emiss_data_2.columns = [f'机组2_{x}' for x in xswx_emiss_data_2.columns]

In [18]:

xswx_emiss_data_1.reset_index().days.value_counts()

Out[18]:

2021-01-01    1
2021-03-17    1
2021-03-29    1
2021-03-28    1
2021-03-27    1
             ..
2021-02-05    1
2021-02-04    1
2021-02-03    1
2021-02-02    1
2021-04-30    1
Name: days, Length: 118, dtype: int64

In [64]:

wxxs_save_data = pd.concat([xswx_daily_data, xswx_emiss_data_1, xswx_emiss_data_2], axis=1)
wxxs_save_data.index = wxxs_save_data.index.astype(str)

邯郸东郊¶

In [20]:

hddj_daily = pd.read_excel('data/机器学习样表_单位换算.xlsx', sheet_name=5)
hddj_daily.columns

Out[20]:

Index(['企业名称', '地址', '省份', '经度', '纬度', '机组数量', '单机容量（MW）', '生产设备类型',
       '锅炉额定蒸发量 t/h ', '汽轮机类型', '压力参数', '冷却方式', '脱硝工艺', '脱硫工艺', '除尘工艺', '日期',
       '机组编号', '投产日期', '燃料类型', '低位发热量（GJ/t）', '产灰量（吨）', '发电量（万千瓦时）', '供热量',
       '产渣量', '机组运行时间', '发电煤耗（克/千瓦时）', '燃料消耗量（吨）', 'Unnamed: 27', '日期.1',
       '机组编号.1', '投产日期.1', '燃料类型.1', '低位发热量（GJ/t）.1', '产灰量（吨）.1',
       '发电量（万千瓦时）.1', '供热量.1', '产渣量.1', '机组运行时间.1', '发电煤耗（克/千瓦时）.1',
       '燃料消耗量（吨）.1'],
      dtype='object')

In [21]:

hddj_daily_1 = hddj_daily[['日期', '发电量（万千瓦时）', '供热量', '燃料消耗量（吨）']].copy()
hddj_daily_1.columns = ['days', "发电量_1（万千瓦时）", '供热量_1（吉焦）', '燃料消耗量_1（吨）']
hddj_daily_2 = hddj_daily[['日期.1', '发电量（万千瓦时）.1', '供热量.1', '燃料消耗量（吨）.1']].copy()
hddj_daily_2.columns = ['days', "发电量_2（万千瓦时）", '供热量_2（吉焦）', '燃料消耗量_2（吨）']

In [22]:

min_start = min(hddj_daily_1.days.min(), hddj_daily_2.days.min())
max_end = max(hddj_daily_1.days.max(), hddj_daily_2.days.max())
date_range = pd.date_range(min_start, max_end, freq='D')
date_range

Out[22]:

DatetimeIndex(['2022-01-01', '2022-01-02', '2022-01-03', '2022-01-04',
               '2022-01-05', '2022-01-06', '2022-01-07', '2022-01-08',
               '2022-01-09', '2022-01-10', '2022-01-11', '2022-01-12',
               '2022-01-13', '2022-01-14', '2022-01-15', '2022-01-16',
               '2022-01-17', '2022-01-18', '2022-01-19', '2022-01-20',
               '2022-01-21', '2022-01-22', '2022-01-23', '2022-01-24',
               '2022-01-25', '2022-01-26', '2022-01-27', '2022-01-28',
               '2022-01-29', '2022-01-30', '2022-01-31', '2022-02-01',
               '2022-02-02', '2022-02-03', '2022-02-04', '2022-02-05',
               '2022-02-06', '2022-02-07', '2022-02-08', '2022-02-09',
               '2022-02-10', '2022-02-11', '2022-02-12', '2022-02-13',
               '2022-02-14', '2022-02-15', '2022-02-16', '2022-02-17',
               '2022-02-18', '2022-02-19', '2022-02-20', '2022-02-21',
               '2022-02-22', '2022-02-23', '2022-02-24', '2022-02-25',
               '2022-02-26', '2022-02-27', '2022-02-28'],
              dtype='datetime64[ns]', freq='D')

In [23]:

hddj_daily_1 = hddj_daily_1.set_index('days').reindex(date_range).fillna(0)
hddj_daily_2 = hddj_daily_2.set_index('days').reindex(date_range).fillna(0)

In [24]:

hddj_daily_1

Out[24]:

	发电量_1（万千瓦时）	供热量_1（吉焦）	燃料消耗量_1（吨）
2022-01-01	494.20	30829	2861
2022-01-02	554.30	32122	2536
2022-01-03	558.30	33451	2911
2022-01-04	529.70	33179	3023
2022-01-05	563.90	29731	3191
2022-01-06	561.00	32505	3357
2022-01-07	570.00	33189	3231
2022-01-08	526.80	31881	2765
2022-01-09	517.10	30799	2574
2022-01-10	512.80	29277	2512
2022-01-11	521.20	32460	2757
2022-01-12	543.32	33593	3132
2022-01-13	512.52	33326	2950
2022-01-14	495.42	31417	2755
2022-01-15	500.06	32434	2834
2022-01-16	527.93	31986	3182
2022-01-17	496.50	32268	3121
2022-01-18	529.31	31814	3241
2022-01-19	552.01	30414	3274
2022-01-20	544.00	32416	3594
2022-01-21	561.29	34300	3891
2022-01-22	574.00	38342	4276
2022-01-23	534.94	37444	3767
2022-01-24	543.91	34539	3175
2022-01-25	538.31	36753	3860
2022-01-26	529.59	34148	3749
2022-01-27	525.88	33630	3725
2022-01-28	545.06	34181	3866
2022-01-29	522.68	30637	3395
2022-01-30	509.69	34254	3101
2022-01-31	516.51	32145	2985
2022-02-01	500.46	25687	2662
2022-02-02	477.03	29061	2821
2022-02-03	439.93	29598	2779
2022-02-04	452.76	28709	2523
2022-02-05	508.35	30133	2884
2022-02-06	485.41	27635	2902
2022-02-07	469.75	28259	2939
2022-02-08	452.87	26685	2556
2022-02-09	470.87	26037	2691
2022-02-10	490.75	25530	2901
2022-02-11	467.50	24359	2790
2022-02-12	446.31	24180	2766
2022-02-13	466.12	25274	3054
2022-02-14	464.96	29338	2533
2022-02-15	466.40	27394	2611
2022-02-16	493.26	27639	2905
2022-02-17	495.53	30228	2894
2022-02-18	524.59	28126	3030
2022-02-19	466.49	27575	2470
2022-02-20	503.46	27424	2799
2022-02-21	521.02	26965	3098
2022-02-22	528.08	26886	3317
2022-02-23	533.95	25022	3174
2022-02-24	505.76	26727	3079
2022-02-25	445.43	21930	2580
2022-02-26	491.01	16645	2733
2022-02-27	465.33	17884	2862
2022-02-28	487.21	15457	3029

In [25]:

hddj_daily_data = pd.concat([hddj_daily_1, hddj_daily_2], axis=1)

In [26]:

hddj_emiss_data = pd.read_excel('data/机器学习样表_单位换算.xlsx', sheet_name=4)
hddj_emiss_data.columns

Out[26]:

Index(['时间', '企业名称', '监测点', '流量 （m3/h）', 'NOx浓度(mg/m3)', 'SO2浓度(mg/m3)',
       '烟尘浓度(mg/m3)', '含氧量（%）', '温度（℃）', '烟气湿度（%）', '烟气压力（千帕）', '烟气流速（m/s）',
       '状态', 'Unnamed: 13', '时间.1', '企业名称.1', '监测点.1', '流量 （m3/h）.1',
       'NOx浓度(mg/m3).1', 'SO2浓度(mg/m3).1', '烟尘浓度(mg/m3).1', '含氧量（%）.1',
       '温度（℃）.1', '烟气湿度（%）.1', '烟气压力（千帕）.1', '烟气流速（m/s）.1', '状态.1'],
      dtype='object')

In [27]:

hddj_emiss_data.head(2)

Out[27]:

	时间	企业名称	监测点	流量 （m3/h）	NOx浓度(mg/m3)	SO2浓度(mg/m3)	烟尘浓度(mg/m3)	含氧量（%）	温度（℃）	烟气湿度（%）	...	流量 （m3/h）.1	NOx浓度(mg/m3).1	SO2浓度(mg/m3).1	烟尘浓度(mg/m3).1	含氧量（%）.1	温度（℃）.1	烟气湿度（%）.1	烟气压力（千帕）.1	烟气流速（m/s）.1	状态.1
0	2022-01-01 00:00:00	国电电力邯郸东郊热电有限责任公司	1号机组排口DA002（DCS）	930582.0	13.379	13.158	3.438	6.435	48.604	14.695	...	1111474.8	18.171	18.171	0.476	7.065	48.307	13.253	-0.012	13.693	停运
1	2022-01-01 01:00:00	国电电力邯郸东郊热电有限责任公司	1号机组排口DA002（DCS）	891316.8	19.312	17.951	2.798	7.164	47.819	14.156	...	1103194.8	20.524	22.773	0.479	7.130	48.887	13.734	-0.021	13.691	停运

2 rows × 27 columns

In [28]:

hddj_emiss_data_1 = hddj_emiss_data[['时间', '流量 （m3/h）', 'NOx浓度(mg/m3)', 'SO2浓度(mg/m3)',
                                     '烟尘浓度(mg/m3)', '含氧量（%）', '温度（℃）', '烟气湿度（%）', '烟气压力（千帕）', '烟气流速（m/s）',
                                     '状态', ]].copy()
hddj_emiss_data_2 = hddj_emiss_data[['时间.1', '流量 （m3/h）.1',
                                     'NOx浓度(mg/m3).1', 'SO2浓度(mg/m3).1', '烟尘浓度(mg/m3).1', '含氧量（%）.1',
                                     '温度（℃）.1', '烟气湿度（%）.1', '烟气压力（千帕）.1', '烟气流速（m/s）.1', '状态.1']].copy()

In [29]:

hddj_emiss_data_1.columns = ['date'] + hddj_emiss_data_1.columns[1:].tolist()
hddj_emiss_data_2.columns = hddj_emiss_data_1.columns.tolist()

In [30]:

hddj_emiss_data_1['days'] = hddj_emiss_data_1.date.apply(lambda x: str(x).split(' ')[0])
hddj_emiss_data_2['days'] = hddj_emiss_data_2.date.apply(lambda x: str(x).split(' ')[0])

In [31]:

num_cols = hddj_emiss_data_1.columns[1:-2]
hddj_emiss_daily_1 = hddj_emiss_data_1.ffill().groupby('days')[num_cols].mean()
hddj_emiss_daily_1['状态'] = '正常运行'
hddj_emiss_daily_1.columns = [f"机组1_{x}" for x in hddj_emiss_daily_1.columns]
hddj_emiss_daily_2 = hddj_emiss_data_2.ffill().groupby('days')[num_cols].mean()
hddj_emiss_daily_2['状态'] = '正常运行'
hddj_emiss_daily_2.columns = [f"机组2_{x}" for x in hddj_emiss_daily_2.columns]

In [32]:

hddj_daily_data.index = hddj_daily_data.index.astype(str)
hddj_daily_data['企业名称'] = "国电电力邯郸东郊热电有限责任公司"

In [33]:

hddj_save_data = pd.concat([hddj_daily_data, hddj_emiss_daily_1, hddj_emiss_daily_2], axis=1)
hddj_save_data

Out[33]:

	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
2022-01-01	494.20	30829	2861	536.50	324	2752	国电电力邯郸东郊热电有限责任公司	941229.60	18.200375	18.165208	...	1095004.20	19.098625	16.495917	0.477167	7.384167	49.570583	14.332542	-0.001208	13.711958	正常运行
2022-01-02	554.30	32122	2536	567.90	1008	3086	国电电力邯郸东郊热电有限责任公司	992216.10	19.536458	18.721167	...	1113858.45	20.497292	15.455208	0.453042	6.918208	48.557083	13.511000	-0.004167	13.774167	正常运行
2022-01-03	558.30	33451	2911	566.20	1296	2914	国电电力邯郸东郊热电有限责任公司	1016053.05	20.577917	16.690083	...	1111516.35	19.519958	15.434792	0.459625	7.142917	49.184958	13.971208	-0.003500	13.844875	正常运行
2022-01-04	529.70	33179	3023	563.50	1248	2847	国电电力邯郸东郊热电有限责任公司	979135.35	20.397917	15.546958	...	1112429.55	17.986042	13.265125	0.464458	7.163542	49.099500	13.916375	-0.008208	13.842125	正常运行
2022-01-05	563.90	29731	3191	609.30	1362	3014	国电电力邯郸东郊热电有限责任公司	996159.15	17.955417	14.888333	...	1141153.80	18.756125	14.446000	0.487458	6.975583	49.745875	14.428917	0.005875	14.311083	正常运行
2022-01-06	561.00	32505	3357	577.20	1236	3353	国电电力邯郸东郊热电有限责任公司	970119.15	20.292250	13.671917	...	1112256.75	17.648125	9.985417	0.552083	7.258000	50.724417	15.268208	-0.000167	14.131583	正常运行
2022-01-07	570.00	33189	3231	579.00	1035	3252	国电电力邯郸东郊热电有限责任公司	998681.85	18.996333	14.894875	...	1113637.65	18.144083	14.375125	0.531500	7.082708	50.259708	14.889875	-0.003833	14.068833	正常运行
2022-01-08	526.80	31881	2765	542.90	1323	2548	国电电力邯郸东郊热电有限责任公司	974497.65	19.103583	16.130625	...	1092330.60	17.743625	15.234625	0.502833	7.209167	49.827500	14.535917	0.001125	13.726083	正常运行
2022-01-09	517.10	30799	2574	538.90	1305	2394	国电电力邯郸东郊热电有限责任公司	957560.55	19.974542	13.766125	...	1083863.40	17.620958	13.893542	0.565583	7.215167	49.601458	14.305000	-0.008500	13.569167	正常运行
2022-01-10	512.80	29277	2512	483.40	1335	2303	国电电力邯郸东郊热电有限责任公司	956263.20	20.450042	15.530625	...	1037804.40	17.968750	12.740167	0.514167	7.948000	49.459583	14.191625	-0.030583	12.975792	正常运行
2022-01-11	521.20	32460	2757	536.10	1299	2819	国电电力邯郸东郊热电有限责任公司	955973.40	18.979875	14.161208	...	1084317.30	17.114042	11.562042	0.526583	7.341083	50.172417	14.764958	-0.029042	13.674167	正常运行
2022-01-12	543.32	33593	3132	558.85	1368	2612	国电电力邯郸东郊热电有限责任公司	987528.75	18.116542	11.636042	...	1094112.45	17.645292	11.908917	0.523000	7.001083	49.564167	14.263000	-0.015208	13.690458	正常运行
2022-01-13	512.52	33326	2950	527.32	1398	2820	国电电力邯郸东郊热电有限责任公司	971672.85	18.861125	13.701250	...	1072833.30	18.238292	11.256125	0.487292	7.163792	49.767583	14.442958	-0.022458	13.463542	正常运行
2022-01-14	495.42	31417	2755	512.83	1536	2820	国电电力邯郸东郊热电有限责任公司	956458.65	18.336958	12.812500	...	1066098.60	17.308125	11.162625	0.478542	7.419292	49.618292	14.328583	-0.026708	13.353708	正常运行
2022-01-15	500.06	32434	2834	517.19	1242	2986	国电电力邯郸东郊热电有限责任公司	950168.55	20.059333	12.266542	...	1075279.95	18.627792	13.612458	0.497458	7.446625	49.474000	14.199875	-0.017833	13.440708	正常运行
2022-01-16	527.93	31986	3182	542.34	1116	3132	国电电力邯郸东郊热电有限责任公司	973078.80	19.974500	14.186208	...	1090436.85	16.915625	12.755250	0.442083	7.392500	49.458458	14.185542	-0.014458	13.628750	正常运行
2022-01-17	496.50	32268	3121	513.14	1362	2912	国电电力邯郸东郊热电有限责任公司	956802.15	18.879083	13.058542	...	1064488.95	18.095833	11.811625	0.488917	7.067125	49.127708	13.929958	-0.020917	13.250917	正常运行
2022-01-18	529.31	31814	3241	544.11	1305	3070	国电电力邯郸东郊热电有限责任公司	991453.20	20.236625	15.996250	...	1092306.45	18.965000	14.870083	0.492542	7.034500	49.347542	14.144208	-0.004125	13.642042	正常运行
2022-01-19	552.01	30414	3274	565.96	1161	3297	国电电力邯郸东郊热电有限责任公司	991811.85	20.144542	14.782958	...	1087070.70	19.335167	14.736000	0.494667	7.120333	50.075542	14.787958	-0.029292	13.718750	正常运行
2022-01-20	544.00	32416	3594	581.34	1329	3359	国电电力邯郸东郊热电有限责任公司	1005389.55	19.532208	15.500333	...	1113286.95	18.942125	15.420750	0.440667	7.128083	49.868583	14.510042	-0.025833	13.986250	正常运行
2022-01-21	561.29	34300	3891	617.18	1383	4019	国电电力邯郸东郊热电有限责任公司	1028425.05	19.846833	15.057042	...	1150941.60	18.483375	13.172750	0.490542	6.855500	50.414417	14.936792	-0.005083	14.560750	正常运行
2022-01-22	574.00	38342	4276	585.25	1368	3923	国电电力邯郸东郊热电有限责任公司	1030724.40	20.398667	15.060083	...	1115300.25	18.465542	14.323500	0.540750	6.913500	50.396083	15.098875	-0.022167	14.133250	正常运行
2022-01-23	534.94	37444	3767	550.24	1242	3743	国电电力邯郸东郊热电有限责任公司	685315.05	20.195708	13.737458	...	1102247.70	18.294292	13.573833	0.561625	7.263125	49.926292	14.761500	-0.027958	13.891958	正常运行
2022-01-24	543.91	34539	3175	550.61	1362	3852	国电电力邯郸东郊热电有限责任公司	747819.00	19.783167	13.516667	...	1098705.00	17.310875	14.138333	0.523708	7.422375	49.522792	14.277750	-0.015417	13.751458	正常运行
2022-01-25	538.31	36753	3860	551.21	1131	3621	国电电力邯郸东郊热电有限责任公司	981332.25	20.899917	17.045250	...	1110458.10	17.740417	15.157083	0.548583	7.225333	49.643167	14.441208	-0.008750	13.930542	正常运行
2022-01-26	529.59	34148	3749	545.59	891	3735	国电电力邯郸东郊热电有限责任公司	973191.45	19.605917	15.363083	...	1098819.75	18.230167	13.962875	0.529250	7.353625	49.324125	14.133625	-0.019167	13.717375	正常运行
2022-01-27	525.88	33630	3725	537.33	777	3446	国电电力邯郸东郊热电有限责任公司	976386.90	21.139042	16.053542	...	1079510.70	17.716750	14.416917	0.446208	7.150917	49.165083	13.993833	-0.019167	13.451958	正常运行
2022-01-28	545.06	34181	3866	554.88	558	3721	国电电力邯郸东郊热电有限责任公司	995228.10	20.381167	17.793375	...	1093401.60	18.939708	16.025875	0.442833	6.876500	49.420125	14.186417	-0.007375	13.664208	正常运行
2022-01-29	522.68	30637	3395	544.47	399	3142	国电电力邯郸东郊热电有限责任公司	967837.80	20.602667	15.591625	...	1083312.90	19.393750	15.589125	0.495917	7.114250	49.561625	14.288167	-0.012125	13.557125	正常运行
2022-01-30	509.69	34254	3101	526.92	258	2820	国电电力邯郸东郊热电有限责任公司	959857.95	22.424542	21.170125	...	1077400.95	20.856208	19.920417	0.505208	7.135000	49.392292	14.165333	-0.019083	13.457583	正常运行
2022-01-31	516.51	32145	2985	528.13	210	2966	国电电力邯郸东郊热电有限责任公司	982636.80	22.933250	18.113667	...	1081850.55	20.094917	18.052333	0.477458	7.262000	48.929000	13.787333	-0.011708	13.436125	正常运行
2022-02-01	500.46	25687	2662	543.60	207	2895	国电电力邯郸东郊热电有限责任公司	958825.35	18.983458	16.199000	...	1089026.85	20.805875	17.409333	0.419625	6.965333	48.865042	13.722667	-0.020083	13.511750	正常运行
2022-02-02	477.03	29061	2821	534.40	186	2930	国电电力邯郸东郊热电有限责任公司	935412.75	19.692250	15.898208	...	1089972.75	19.052292	15.773458	0.413333	7.029000	49.367125	14.131875	-0.013042	13.611125	正常运行
2022-02-03	439.93	29598	2779	494.86	204	2937	国电电力邯郸东郊热电有限责任公司	908839.35	20.232167	14.801333	...	1060159.80	19.806708	15.555333	0.420792	7.337792	48.929583	13.783458	-0.020375	13.166667	正常运行
2022-02-04	452.76	28709	2523	493.99	282	2867	国电电力邯郸东郊热电有限责任公司	911025.60	18.351792	14.603708	...	1059162.90	17.241125	14.201500	0.426000	7.606125	48.940875	13.776375	-0.031458	13.159875	正常运行
2022-02-05	508.35	30133	2884	521.49	285	2916	国电电力邯郸东郊热电有限责任公司	920823.45	19.440333	14.161000	...	1084824.90	17.398917	13.958750	0.417125	7.327083	49.117375	13.928458	-0.020042	13.502917	正常运行
2022-02-06	485.41	27635	2902	503.13	363	2947	国电电力邯郸东郊热电有限责任公司	916121.70	18.340417	14.278167	...	1059457.95	15.366292	14.157000	0.412875	7.405000	49.008958	13.860208	-0.019833	13.172083	正常运行
2022-02-07	469.75	28259	2939	484.85	363	2754	国电电力邯郸东郊热电有限责任公司	917169.90	18.995583	15.024875	...	1046341.05	18.485042	14.790833	0.411958	7.544167	48.647417	13.576750	-0.021792	12.952875	正常运行
2022-02-08	452.87	26685	2556	481.92	603	2485	国电电力邯郸东郊热电有限责任公司	886401.60	20.192167	14.818625	...	1036790.55	18.849500	13.748292	0.409208	7.437333	48.806583	13.721208	-0.025417	12.863625	正常运行
2022-02-09	470.87	26037	2691	488.17	681	2834	国电电力邯郸东郊热电有限责任公司	906835.80	19.853292	14.572875	...	1038851.70	17.988792	14.982000	0.413333	7.305083	49.236333	14.036875	-0.026583	12.952667	正常运行
2022-02-10	490.75	25530	2901	508.89	591	3172	国电电力邯郸东郊热电有限责任公司	928945.80	19.825792	15.346833	...	1062997.35	17.954583	14.905292	0.439542	7.322958	49.126708	13.953417	-0.011083	13.232667	正常运行
2022-02-11	467.50	24359	2790	497.45	735	2835	国电电力邯郸东郊热电有限责任公司	885137.40	20.022458	15.645167	...	1059613.65	17.185792	15.418750	0.431875	7.399125	49.408708	14.210083	-0.011542	13.247875	正常运行
2022-02-12	446.31	24180	2766	474.04	621	2787	国电电力邯郸东郊热电有限责任公司	878793.15	19.901583	11.658667	...	1043504.40	18.584083	11.594583	0.440250	7.651625	49.116458	13.956625	-0.018250	12.992667	正常运行
2022-02-13	466.12	25274	3054	491.41	594	2915	国电电力邯郸东郊热电有限责任公司	904216.50	19.563583	14.393250	...	1061035.50	19.747500	14.760208	0.450958	7.574292	49.781083	14.427542	-0.037625	13.313500	正常运行
2022-02-14	464.96	29338	2533	491.96	651	2555	国电电力邯郸东郊热电有限责任公司	898221.45	19.591208	16.393500	...	1059337.20	19.648167	15.406917	0.424833	7.482917	49.330375	14.049500	-0.044708	13.217542	正常运行
2022-02-15	466.40	27394	2611	444.04	474	2447	国电电力邯郸东郊热电有限责任公司	898496.85	20.304208	15.477375	...	1021689.15	18.697583	13.850625	0.418458	7.849917	49.334625	14.077958	-0.049333	12.751083	正常运行
2022-02-16	493.26	27639	2905	420.10	1074	2350	国电电力邯郸东郊热电有限责任公司	930371.55	19.781625	13.623167	...	991069.20	16.822500	12.883958	0.418792	7.987792	49.201917	13.875458	-0.062125	12.336333	正常运行
2022-02-17	495.53	30228	2894	469.32	1362	2623	国电电力邯郸东郊热电有限责任公司	924087.90	20.751667	16.294000	...	1039439.10	19.709708	14.789000	0.391833	7.572167	49.359500	14.031000	-0.041375	12.966167	正常运行
2022-02-18	524.59	28126	3030	531.28	1413	2724	国电电力邯郸东郊热电有限责任公司	943475.55	17.547500	15.684250	...	1088419.20	17.534083	15.288667	0.413625	7.403667	49.193625	13.987625	-0.024583	13.562792	正常运行
2022-02-19	466.49	27575	2470	497.11	1317	2409	国电电力邯郸东郊热电有限责任公司	927422.25	16.901125	14.059042	...	1065218.70	17.390458	14.100208	0.411917	7.867083	48.750417	13.605208	-0.032292	13.194958	正常运行
2022-02-20	503.46	27424	2799	460.91	1281	2916	国电电力邯郸东郊热电有限责任公司	956680.50	17.790792	14.316042	...	1079138.85	18.781292	14.185750	0.417083	7.481667	49.719708	14.403625	-0.016708	13.532375	正常运行
2022-02-21	521.02	26965	3098	482.89	1317	2996	国电电力邯郸东郊热电有限责任公司	948743.85	20.735625	13.478583	...	1083679.50	19.196333	13.091000	0.420542	7.096250	49.336583	14.083542	-0.014750	13.520000	正常运行
2022-02-22	528.08	26886	3317	490.45	1314	3209	国电电力邯郸东郊热电有限责任公司	960633.00	20.336125	17.093583	...	1082105.40	19.493083	15.314375	0.407500	7.471250	49.393917	14.153542	-0.018667	13.514750	正常运行
2022-02-23	533.95	25022	3174	494.54	1407	2868	国电电力邯郸东郊热电有限责任公司	962487.30	14.817583	12.260375	...	1071494.25	16.403542	11.103458	0.416125	7.264125	49.460667	14.195833	-0.019167	13.393625	正常运行
2022-02-24	505.76	26727	3079	527.43	1200	2921	国电电力邯郸东郊热电有限责任公司	923360.40	12.179875	8.796875	...	1059437.85	14.083875	6.978250	0.421917	7.268875	49.327667	14.195417	-0.010125	13.237458	正常运行
2022-02-25	445.43	21930	2580	473.06	1368	2584	国电电力邯郸东郊热电有限责任公司	860085.15	10.475958	6.187042	...	1024307.10	12.822500	7.001375	0.403125	7.359417	48.764042	13.771625	-0.005583	12.710292	正常运行
2022-02-26	491.01	16645	2733	509.18	1341	2545	国电电力邯郸东郊热电有限责任公司	902073.30	16.492917	9.615208	...	1037322.30	16.268375	8.824500	0.417542	7.432958	48.933458	13.873167	0.002500	12.894500	正常运行
2022-02-27	465.33	17884	2862	500.18	1269	2825	国电电力邯郸东郊热电有限责任公司	873491.25	19.575875	18.428667	...	1035227.55	19.332083	17.331167	0.350625	7.471875	48.993042	13.949583	0.000250	12.880750	正常运行
2022-02-28	487.21	15457	3029	497.76	1236	2632	国电电力邯郸东郊热电有限责任公司	873223.80	19.886042	17.970458	...	1027222.05	19.495750	18.255167	0.358292	7.451500	49.359958	14.249000	0.008292	12.840625	正常运行

59 rows × 27 columns

In [34]:

jtzh_daily = pd.read_excel('data/机器学习样表_单位换算.xlsx', sheet_name=7)
jtzh_daily.columns

Out[34]:

Index(['企业名称', 'address_reg', 'address1', '经度', '纬度', '机组数量', '单机容量（MW）',
       '生产设备类型', '锅炉额定蒸发量 t/h ', '汽轮机类型', '压力参数', '冷却方式', '脱硝工艺', '脱硫工艺',
       '除尘工艺', '燃料类型', '低位发热量（GJ/t）', 'Unnamed: 17', '日期', '机组编号', '投产日期',
       '产灰量（吨）', '产石膏量（吨）', '脱硝设施耗电量（千瓦时）', '运行时间（小时）', '除尘设施运行时间（小时）',
       '除尘耗电量（千瓦时）', '发电量（万千瓦时）', '供热量（万吉焦）', '产渣量', '脱硫剂使用量（吨）', '脱硫耗电量（千瓦时）',
       '脱硫设施运行时间（小时）', '脱硝还原剂消耗量（吨）', '脱硝运行时间（小时）', '燃料消耗量（吨）', 'Unnamed: 36',
       '日期.1', '机组编号.1', '投产日期.1', '产灰量（吨）.1', '产石膏量（吨）.1', '脱硝设施耗电量（千瓦时）.1',
       '运行时间（小时）.1', '除尘设施运行时间（小时）.1', '除尘耗电量（千瓦时）.1', '发电量（万千瓦时）.1',
       '供热量（万吉焦）.1', '产渣量.1', '脱硫剂使用量（吨）.1', '脱硫耗电量（千瓦时）.1', '脱硫设施运行时间（小时）.1',
       '脱硝还原剂消耗量（吨）.1', '脱硝运行时间（小时）.1', '燃料消耗量（吨）.1'],
      dtype='object')

In [35]:

jtzh_daily_1 = jtzh_daily[['日期', '发电量（万千瓦时）', '供热量（万吉焦）', '燃料消耗量（吨）']].copy()
jtzh_daily_1.columns = ['days', "发电量_1（万千瓦时）", '供热量_1（吉焦）', '燃料消耗量_1（吨）']
jtzh_daily_2 = jtzh_daily[['日期.1', '发电量（万千瓦时）.1', '供热量（万吉焦）.1', '燃料消耗量（吨）.1']].copy()
jtzh_daily_2.columns = ['days', "发电量_2（万千瓦时）", '供热量_2（吉焦）', '燃料消耗量_2（吨）']

In [36]:

jtzh_daily_2

Out[36]:

	days	发电量_2（万千瓦时）	供热量_2（吉焦）	燃料消耗量_2（吨）
0	2022-05-01	0.000	0	0
1	2022-05-02	0.000	0	0
2	2022-05-03	0.000	0	0
3	2022-05-04	0.000	0	0
4	2022-05-05	0.000	0	0
5	2022-05-06	0.000	0	0
6	2022-05-07	0.000	0	426
7	2022-05-08	218.196	0	1873
8	2022-05-09	444.756	0	2350
9	2022-05-10	552.114	0	2636
10	2022-05-11	481.542	0	2432
11	2022-05-12	439.788	0	2099
12	2022-05-13	495.702	0	2340
13	2022-05-14	486.624	0	2737
14	2022-05-15	460.524	0	2461
15	2022-05-16	505.578	0	2615
16	2022-05-17	432.450	0	2593
17	2022-05-18	509.586	0	2871
18	2022-05-19	514.404	0	2637
19	2022-05-20	514.434	0	2682
20	2022-05-21	520.626	0	2581
21	2022-05-22	500.040	0	2632
22	2022-05-23	584.886	0	3187
23	2022-05-24	514.488	0	2719
24	2022-05-25	486.474	0	2599
25	2022-05-26	501.366	0	2794
26	2022-05-27	467.106	0	2401
27	2022-05-28	504.900	0	2611
28	2022-05-29	462.822	0	2846
29	2022-05-30	528.960	0	2981
30	2022-05-31	672.180	0	3560

In [37]:

min_start = min(jtzh_daily_1.days.min(), jtzh_daily_2.days.min())
max_end = max(jtzh_daily_1.days.max(), jtzh_daily_2.days.max())
date_range = pd.date_range(min_start, max_end, freq='D')
date_range

Out[37]:

DatetimeIndex(['2022-05-01', '2022-05-02', '2022-05-03', '2022-05-04',
               '2022-05-05', '2022-05-06', '2022-05-07', '2022-05-08',
               '2022-05-09', '2022-05-10', '2022-05-11', '2022-05-12',
               '2022-05-13', '2022-05-14', '2022-05-15', '2022-05-16',
               '2022-05-17', '2022-05-18', '2022-05-19', '2022-05-20',
               '2022-05-21', '2022-05-22', '2022-05-23', '2022-05-24',
               '2022-05-25', '2022-05-26', '2022-05-27', '2022-05-28',
               '2022-05-29', '2022-05-30', '2022-05-31'],
              dtype='datetime64[ns]', freq='D')

In [38]:

jtzh_daily_1 = jtzh_daily_1.set_index('days').reindex(date_range.astype(str)).fillna(0)
jtzh_daily_2 = jtzh_daily_2.set_index('days').reindex(date_range.astype(str)).fillna(0)

In [39]:

jtzh_daily_data = pd.concat([jtzh_daily_1, jtzh_daily_2], axis=1)
jtzh_daily_data

Out[39]:

	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）
2022-05-01	444.630	0	1889	0.000	0	0
2022-05-02	516.594	0	2622	0.000	0	0
2022-05-03	410.316	0	2233	0.000	0	0
2022-05-04	421.908	0	2203	0.000	0	0
2022-05-05	486.318	0	2524	0.000	0	0
2022-05-06	457.542	0	2343	0.000	0	0
2022-05-07	451.140	0	2278	0.000	0	426
2022-05-08	484.986	0	1120	218.196	0	1873
2022-05-09	0.000	0	0	444.756	0	2350
2022-05-10	0.000	0	0	552.114	0	2636
2022-05-11	0.000	0	0	481.542	0	2432
2022-05-12	0.000	0	0	439.788	0	2099
2022-05-13	0.000	0	0	495.702	0	2340
2022-05-14	0.000	0	121	486.624	0	2737
2022-05-15	159.936	0	2251	460.524	0	2461
2022-05-16	516.192	0	2543	505.578	0	2615
2022-05-17	432.300	0	2432	432.450	0	2593
2022-05-18	508.680	0	2810	509.586	0	2871
2022-05-19	516.066	0	2972	514.404	0	2637
2022-05-20	517.356	0	2623	514.434	0	2682
2022-05-21	521.454	0	2759	520.626	0	2581
2022-05-22	504.798	0	2545	500.040	0	2632
2022-05-23	587.400	0	3294	584.886	0	3187
2022-05-24	515.964	0	2633	514.488	0	2719
2022-05-25	485.346	0	2694	486.474	0	2599
2022-05-26	503.502	0	2619	501.366	0	2794
2022-05-27	470.340	0	2510	467.106	0	2401
2022-05-28	508.644	0	2753	504.900	0	2611
2022-05-29	460.536	0	1163	462.822	0	2846
2022-05-30	8.610	0	0	528.960	0	2981
2022-05-31	0.000	0	0	672.180	0	3560

In [40]:

jtzh_emiss_data = pd.read_excel('data/机器学习样表_单位换算.xlsx', sheet_name=6)
jtzh_emiss_data.columns

Out[40]:

Index(['时间', '企业名称', '监测点', '流量 （m3/h）', 'NOx浓度(mg/m3)', 'SO2浓度(mg/m3)',
       '烟尘浓度(mg/m3)', '含氧量（%）', '烟气湿度（%）', '温度（℃）', '烟气流速（m/s）', '状态',
       'Unnamed: 12', '时间.1', '企业名称.1', '监测点.1', '流量 （m3/h）.1',
       'NOx浓度(mg/m3).1', 'SO2浓度(mg/m3).1', '烟尘浓度(mg/m3).1', '含氧量（%）.1',
       '烟气湿度（%）.1', '温度（℃）.1', '烟气流速（m/s）.1', '状态.1'],
      dtype='object')

In [41]:

jtzh_emiss_data_1 = jtzh_emiss_data[['时间', '流量 （m3/h）', 'NOx浓度(mg/m3)', 'SO2浓度(mg/m3)',
                                     '烟尘浓度(mg/m3)', '含氧量（%）', '温度（℃）', '烟气湿度（%）', '烟气流速（m/s）',
                                     '状态', ]].copy()
jtzh_emiss_data_2 = jtzh_emiss_data[['时间.1', '流量 （m3/h）.1',
                                     'NOx浓度(mg/m3).1', 'SO2浓度(mg/m3).1', '烟尘浓度(mg/m3).1', '含氧量（%）.1',
                                     '温度（℃）.1', '烟气湿度（%）.1', '烟气流速（m/s）.1', '状态.1']].copy()

In [42]:

jtzh_emiss_data_1.columns = ['date'] + jtzh_emiss_data_1.columns[1:].tolist()
jtzh_emiss_data_2.columns = jtzh_emiss_data_1.columns.tolist()

In [43]:

jtzh_emiss_data_1['days'] = jtzh_emiss_data_1.date.apply(lambda x: str(x).split(' ')[0])
jtzh_emiss_data_2['days'] = jtzh_emiss_data_2.date.apply(lambda x: str(x).split(' ')[0])

In [44]:

jtzh_emiss_data_1

Out[44]:

	date	流量 （m3/h）	NOx浓度(mg/m3)	SO2浓度(mg/m3)	烟尘浓度(mg/m3)	含氧量（%）	温度（℃）	烟气湿度（%）	烟气流速（m/s）	状态	days
0	2022-05-01 00:00:00	705600	9.79	11.48	1.89	8.2	51.5	8.8	8.61	正常运行	2022-05-01
1	2022-05-01 01:00:00	716760	14.68	14.25	1.87	8.3	52.4	9.5	8.83	正常运行	2022-05-01
2	2022-05-01 02:00:00	685080	12.44	11.01	1.92	8.6	51.9	9.4	8.43	正常运行	2022-05-01
3	2022-05-01 03:00:00	687960	16.18	12.24	1.91	8.6	51.5	9.4	8.46	正常运行	2022-05-01
4	2022-05-01 04:00:00	691920	19.52	12.77	1.86	8.8	51.2	9.2	8.47	正常运行	2022-05-01
...	...	...	...	...	...	...	...	...	...	...	...
739	2022-05-31 19:00:00	56520	-0.13	0.06	0.68	19.8	29.8	0.8	0.59	停运	2022-05-31
740	2022-05-31 20:00:00	49680	-0.14	0.08	0.67	20.0	29.4	0.7	0.52	停运	2022-05-31
741	2022-05-31 21:00:00	47160	-0.15	0.07	0.68	20.0	28.9	0.5	0.49	停运	2022-05-31
742	2022-05-31 22:00:00	44280	-0.15	0.03	0.67	20.0	28.4	0.4	0.46	停运	2022-05-31
743	2022-05-31 23:00:00	38880	-0.15	0.01	0.66	20.0	27.9	0.2	0.40	停运	2022-05-31

744 rows × 11 columns

In [45]:

num_cols = jtzh_emiss_data_1.columns[1:-2]
jtzh_emiss_daily_1 = jtzh_emiss_data_1.ffill().groupby('days')[num_cols].mean()
jtzh_emiss_daily_1['状态'] = jtzh_emiss_data_1.ffill().groupby('days')['状态'].apply(lambda x: x.value_counts().index[0])
jtzh_emiss_daily_1.columns = [f"机组1_{x}" for x in jtzh_emiss_daily_1.columns]

jtzh_emiss_daily_2 = jtzh_emiss_data_2.ffill().groupby('days')[num_cols].mean()
jtzh_emiss_daily_2['状态'] = jtzh_emiss_data_1.ffill().groupby('days')['状态'].apply(lambda x: x.value_counts().index[0])
jtzh_emiss_daily_2.columns = [f"机组2_{x}" for x in jtzh_emiss_daily_2.columns]

In [50]:

jtzh_emiss_daily_1

Out[50]:

	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
days
2022-05-01	820965.0	12.952083	12.856250	1.787500	7.795833	52.320833	9.204167	10.088750	正常运行
2022-05-02	907380.0	14.641667	11.846250	1.717917	7.295833	53.145833	9.016667	11.147917	正常运行
2022-05-03	771360.0	14.414167	12.434167	1.850833	7.650000	51.841667	8.750000	9.415417	正常运行
2022-05-04	780390.0	14.922500	12.910417	1.922083	7.462500	51.808333	8.495833	9.496250	正常运行
2022-05-05	870075.0	14.102917	13.716667	1.981667	7.195833	52.354167	8.725000	10.636667	正常运行
2022-05-06	816300.0	14.321667	14.458750	1.729583	7.433333	51.462500	8.858333	9.971667	正常运行
2022-05-07	804405.0	16.310833	13.279583	1.837917	7.333333	51.025000	8.595833	9.781667	正常运行
2022-05-08	845610.0	18.585417	13.300417	1.906667	7.862500	51.854167	9.483333	10.417500	正常运行
2022-05-09	26370.0	6.152083	0.403750	0.651250	19.887500	34.925000	2.458333	0.285000	停运
2022-05-10	269970.0	-0.208333	0.264583	1.107500	19.912500	32.612500	0.000000	2.819583	停运
2022-05-11	163470.0	-0.147917	0.288333	1.262083	20.100000	22.850000	0.000000	1.665833	停运
2022-05-12	27720.0	-0.182083	0.225417	0.636667	20.216667	19.625000	0.000000	0.277917	停运
2022-05-13	50760.0	-0.140833	0.102917	0.629583	20.270833	18.637500	0.000000	0.507083	停运
2022-05-14	48540.0	-0.112500	0.052083	0.626667	20.237500	21.245833	0.345833	0.490417	停运
2022-05-15	602865.0	85.984583	6.295833	1.590833	13.391667	39.200000	4.379167	6.872500	停运
2022-05-16	912705.0	14.561250	13.784583	1.407500	7.279167	53.104167	9.058333	11.232917	正常运行
2022-05-17	816165.0	13.918333	12.802083	1.493333	7.700000	53.766667	9.658333	10.111250	正常运行
2022-05-18	892620.0	14.547083	13.451250	1.721667	7.141667	52.816667	8.712500	10.920833	正常运行
2022-05-19	904860.0	15.437083	13.886250	1.705833	7.012500	52.487500	7.966667	10.968333	正常运行
2022-05-20	906690.0	13.552917	13.295000	1.815417	7.041667	53.208333	8.454167	11.080417	正常运行
2022-05-21	931575.0	16.459583	11.678333	1.968750	7.241667	53.270833	7.487500	11.228333	正常运行
2022-05-22	891885.0	15.156250	13.014167	1.800000	7.120833	52.929167	8.608333	10.908750	正常运行
2022-05-23	1000560.0	14.451667	13.710833	2.156667	6.716667	53.529167	8.504167	12.238333	正常运行
2022-05-24	921300.0	13.775000	12.157083	2.155833	7.191667	53.195833	8.562500	11.273333	正常运行
2022-05-25	867765.0	15.344167	12.987083	1.666250	7.337500	52.162500	8.283333	10.549167	正常运行
2022-05-26	902100.0	14.439167	13.062917	1.760833	7.245833	52.087500	8.283333	10.967083	正常运行
2022-05-27	865320.0	14.760000	12.725417	1.699167	7.358333	52.287500	8.270833	10.518750	正常运行
2022-05-28	925965.0	15.012917	14.615833	1.708750	7.170833	53.245833	8.679167	11.337917	正常运行
2022-05-29	861255.0	14.035000	12.818750	1.580000	7.470833	53.304167	8.891667	10.572083	正常运行
2022-05-30	71640.0	0.266667	0.770417	0.662500	19.554167	39.675000	3.845833	0.811667	停运
2022-05-31	53550.0	-0.043333	0.085417	0.663750	19.941667	28.033333	0.454167	0.556667	停运

In [47]:

jtzh_daily_data['企业名称'] = "建投遵化热电有限责任公司"
jtzh_save_data = pd.concat([jtzh_daily_data, jtzh_emiss_daily_1, jtzh_emiss_daily_2], axis=1)

In [48]:

jtzh_save_data

Out[48]:

	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_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
2022-05-01	444.630	0	1889	0.000	0	0	建投遵化热电有限责任公司	820965.0	12.952083	12.856250	...	正常运行	64290.0	0.169583	-1.430417	0.210833	20.512500	13.150000	0.000000	0.630417	正常运行
2022-05-02	516.594	0	2622	0.000	0	0	建投遵化热电有限责任公司	907380.0	14.641667	11.846250	...	正常运行	71235.0	0.143333	-1.401250	0.211667	20.416667	15.525000	0.000000	0.704583	正常运行
2022-05-03	410.316	0	2233	0.000	0	0	建投遵化热电有限责任公司	771360.0	14.414167	12.434167	...	正常运行	71370.0	1.227500	-1.264167	0.218333	19.479167	22.129167	0.200000	0.722917	正常运行
2022-05-04	421.908	0	2203	0.000	0	0	建投遵化热电有限责任公司	780390.0	14.922500	12.910417	...	正常运行	73785.0	0.134583	-1.037500	0.214167	20.095833	26.258333	0.016667	0.757500	正常运行
2022-05-05	486.318	0	2524	0.000	0	0	建投遵化热电有限责任公司	870075.0	14.102917	13.716667	...	正常运行	73605.0	0.075417	-0.920417	0.212083	20.150000	23.062500	0.212500	0.750000	正常运行
2022-05-06	457.542	0	2343	0.000	0	0	建投遵化热电有限责任公司	816300.0	14.321667	14.458750	...	正常运行	59610.0	0.082083	-0.922083	0.210833	20.308333	15.370833	0.000000	0.590417	正常运行
2022-05-07	451.140	0	2278	0.000	0	426	建投遵化热电有限责任公司	804405.0	16.310833	13.279583	...	正常运行	128505.0	16.567917	-0.578333	0.481667	19.883333	17.375000	0.104167	1.297083	正常运行
2022-05-08	484.986	0	1120	218.196	0	1873	建投遵化热电有限责任公司	845610.0	18.585417	13.300417	...	正常运行	676485.0	135.337500	7.194583	1.159583	10.775000	35.941667	6.804167	7.757917	正常运行
2022-05-09	0.000	0	0	444.756	0	2350	建投遵化热电有限责任公司	26370.0	6.152083	0.403750	...	停运	768375.0	14.072500	14.240000	0.990417	7.158333	44.408333	11.366667	9.436250	停运
2022-05-10	0.000	0	0	552.114	0	2636	建投遵化热电有限责任公司	269970.0	-0.208333	0.264583	...	停运	892770.0	14.628750	14.722083	1.354167	6.433333	44.408333	11.441667	10.987083	停运
2022-05-11	0.000	0	0	481.542	0	2432	建投遵化热电有限责任公司	163470.0	-0.147917	0.288333	...	停运	806250.0	15.005000	14.337500	1.321250	6.629167	43.937500	10.600000	9.805833	停运
2022-05-12	0.000	0	0	439.788	0	2099	建投遵化热电有限责任公司	27720.0	-0.182083	0.225417	...	停运	757695.0	15.691667	13.880833	1.195833	6.604167	43.604167	10.866667	9.228333	停运
2022-05-13	0.000	0	0	495.702	0	2340	建投遵化热电有限责任公司	50760.0	-0.140833	0.102917	...	停运	823410.0	14.090000	13.739583	1.269583	6.254167	43.504167	10.720833	10.015833	停运
2022-05-14	0.000	0	121	486.624	0	2737	建投遵化热电有限责任公司	48540.0	-0.112500	0.052083	...	停运	816600.0	15.875000	13.857917	1.365833	6.375000	44.533333	11.595833	10.068750	停运
2022-05-15	159.936	0	2251	460.524	0	2461	建投遵化热电有限责任公司	602865.0	85.984583	6.295833	...	停运	808785.0	14.118750	14.242917	1.252500	6.437500	44.541667	11.550000	9.954583	停运
2022-05-16	516.192	0	2543	505.578	0	2615	建投遵化热电有限责任公司	912705.0	14.561250	13.784583	...	正常运行	861765.0	15.751250	14.907500	1.249583	6.450000	45.491667	12.154167	10.716250	正常运行
2022-05-17	432.300	0	2432	432.450	0	2593	建投遵化热电有限责任公司	816165.0	13.918333	12.802083	...	正常运行	792225.0	13.562917	14.112083	1.308333	6.983333	46.116667	12.208333	9.870833	正常运行
2022-05-18	508.680	0	2810	509.586	0	2871	建投遵化热电有限责任公司	892620.0	14.547083	13.451250	...	正常运行	866895.0	14.520417	13.890417	1.287917	6.391667	44.933333	11.258333	10.660833	正常运行
2022-05-19	516.066	0	2972	514.404	0	2637	建投遵化热电有限责任公司	904860.0	15.437083	13.886250	...	正常运行	871455.0	14.498333	15.750417	1.176250	6.395833	44.466667	11.366667	10.697083	正常运行
2022-05-20	517.356	0	2623	514.434	0	2682	建投遵化热电有限责任公司	906690.0	13.552917	13.295000	...	正常运行	862005.0	13.764167	15.565417	1.099583	6.225000	45.175000	11.695833	10.653333	正常运行
2022-05-21	521.454	0	2759	520.626	0	2581	建投遵化热电有限责任公司	931575.0	16.459583	11.678333	...	正常运行	898170.0	15.342500	13.702083	1.205833	6.458333	45.204167	9.837500	10.888750	正常运行
2022-05-22	504.798	0	2545	500.040	0	2632	建投遵化热电有限责任公司	891885.0	15.156250	13.014167	...	正常运行	866460.0	16.112083	14.662917	1.146250	6.337500	45.016667	10.062500	10.512083	正常运行
2022-05-23	587.400	0	3294	584.886	0	3187	建投遵化热电有限责任公司	1000560.0	14.451667	13.710833	...	正常运行	974625.0	16.114583	15.273750	1.201667	5.845833	45.633333	9.937500	11.813750	正常运行
2022-05-24	515.964	0	2633	514.488	0	2719	建投遵化热电有限责任公司	921300.0	13.775000	12.157083	...	正常运行	894960.0	14.147917	13.437500	1.277083	6.166667	45.575000	9.408333	10.788750	正常运行
2022-05-25	485.346	0	2694	486.474	0	2599	建投遵化热电有限责任公司	867765.0	15.344167	12.987083	...	正常运行	854205.0	15.225417	14.508750	1.211250	6.295833	44.412500	8.583333	10.172083	正常运行
2022-05-26	503.502	0	2619	501.366	0	2794	建投遵化热电有限责任公司	902100.0	14.439167	13.062917	...	正常运行	874425.0	15.542083	15.649583	1.173750	6.237500	44.458333	8.741667	10.432917	正常运行
2022-05-27	470.340	0	2510	467.106	0	2401	建投遵化热电有限责任公司	865320.0	14.760000	12.725417	...	正常运行	836100.0	14.040417	13.172083	1.220417	6.329167	44.741667	8.937500	9.993750	正常运行
2022-05-28	508.644	0	2753	504.900	0	2611	建投遵化热电有限责任公司	925965.0	15.012917	14.615833	...	正常运行	895515.0	15.555833	14.915417	1.305833	6.183333	45.587500	9.491667	10.801250	正常运行
2022-05-29	460.536	0	1163	462.822	0	2846	建投遵化热电有限责任公司	861255.0	14.035000	12.818750	...	正常运行	837945.0	15.120833	13.484583	1.341667	6.425000	45.545833	9.350000	10.090000	正常运行
2022-05-30	8.610	0	0	528.960	0	2981	建投遵化热电有限责任公司	71640.0	0.266667	0.770417	...	停运	915030.0	15.763750	15.673750	1.416667	6.162500	45.175000	9.208333	11.002083	停运
2022-05-31	0.000	0	0	672.180	0	3560	建投遵化热电有限责任公司	53550.0	-0.043333	0.085417	...	停运	992220.0	17.718333	16.058750	1.567083	5.570833	46.100000	9.641667	12.008333	停运

31 rows × 25 columns

In [65]:

writer = pd.ExcelWriter('data/电厂日数据.xlsx',engine='openpyxl')

zjxz_save_data.to_excel(writer,"浙江秀舟")
wxxs_save_data.to_excel(writer,"武乡西山")
hddj_save_data.to_excel(writer,"邯郸东郊")
jtzh_save_data.to_excel(writer,"建投遵化")

writer.save()
writer.close()

In [ ]: