emission_detect_ai/将电厂的天数据合并.ipynb at a5342ea6bce4ad16bb23e63e985460b21ebbe2ba

80 KiB

Raw Blame History

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 [37]:

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

Out[37]:

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 [38]:

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[38]:

	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 [39]:

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[39]:

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 [40]:

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 [42]:

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

In [44]:

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 [46]:

xswx_daily_data

Out[46]:

	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 [103]:

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[103]:

	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 [104]:

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[104]:

	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 [105]:

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 [106]:

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

In [107]:

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

In [108]:

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

In [109]:

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 [110]:

xswx_emiss_data_1.reset_index().days.value_counts()

Out[110]:

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 [112]:

pd.concat([xswx_daily_data, xswx_emiss_data_1, xswx_emiss_data_2], axis=1)

Out[112]:

	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_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
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	...	2.49	11.24	1558502.96	正常运行	22.00	33.09	2.25	5.00	731609.00	正常运行
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	...	2.51	12.03	1648629.50	正常运行	20.45	34.37	2.37	9.18	1326387.42	正常运行
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	...	2.50	12.11	1656682.63	正常运行	19.82	33.55	2.38	9.85	1417186.13	正常运行
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	...	2.52	11.79	1610496.46	正常运行	20.18	32.47	2.39	9.07	1304455.88	正常运行
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	...	2.50	11.97	1652330.08	正常运行	21.07	33.73	2.42	9.71	1390566.88	正常运行
...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...
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	...	NaN	NaN	NaN	NaN	NaN	NaN	NaN	NaN	NaN	NaN
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	...	NaN	NaN	NaN	NaN	NaN	NaN	NaN	NaN	NaN	NaN
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	...	NaN	NaN	NaN	NaN	NaN	NaN	NaN	NaN	NaN	NaN
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	...	NaN	NaN	NaN	NaN	NaN	NaN	NaN	NaN	NaN	NaN
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	...	NaN	NaN	NaN	NaN	NaN	NaN	NaN	NaN	NaN	NaN

151 rows × 22 columns

邯郸东郊¶

In [114]:

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

Out[114]:

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 [116]:

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 [118]:

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[118]:

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 [119]:

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 [120]:

hddj_daily_1

Out[120]:

	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 [122]:

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

In [125]:

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

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 [127]:

hddj_emiss_data.head(2)

Out[127]:

	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 [126]:

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 [128]:

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 [129]:

hddj_emiss_data_1.columns = [f'机组1_{x}' for x in hddj_emiss_data_1.columns]
hddj_emiss_data_2.columns = [f'机组2_{x}' for x in hddj_emiss_data_2.columns]

In [130]:

hddj_emiss_data_2

Out[130]:

	机组2_date	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
0	2022-01-01 00:00:00	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	1103194.8	20.524	22.773	0.479	7.130	48.887	13.734	-0.021	13.691	停运
2	2022-01-01 02:00:00	1086537.6	14.074	16.777	0.490	7.398	48.794	13.674	-0.026	13.470	停运
3	2022-01-01 03:00:00	1076364.0	18.024	17.549	0.481	7.694	48.866	13.691	-0.025	13.351	停运
4	2022-01-01 04:00:00	1066298.4	16.406	18.709	0.475	7.770	48.090	13.093	-0.022	13.103	停运
...	...	...	...	...	...	...	...	...	...	...	...
1411	2022-02-28 19:00:00	960645.6	11.857	17.406	0.415	7.353	48.755	14.155	-0.009	11.975	NaN
1412	2022-02-28 20:00:00	1014156.0	19.930	19.709	0.420	7.532	48.974	13.962	0.007	12.621	NaN
1413	2022-02-28 21:00:00	967834.8	19.400	19.780	0.450	7.840	49.538	14.562	0.000	12.148	NaN
1414	2022-02-28 22:00:00	1014112.8	16.875	20.308	0.432	7.822	48.593	13.728	0.013	12.570	NaN
1415	2022-02-28 23:00:00	1013400.0	16.565	16.111	0.607	7.941	48.373	13.500	0.005	12.515	NaN

1416 rows × 11 columns

80 KiB Raw Blame History Unescape Escape

邯郸东郊¶

80 KiB

Raw Blame History