第五届全国工业互联网数据创新应用大赛机组数据驱动的风电场短期风况预测数据可视化气象数据

Posted 2021-11-08 遇上雨也笑笑

tags:

篇首语：本文由小常识网(cha138.com)小编为大家整理，主要介绍了第五届全国工业互联网数据创新应用大赛机组数据驱动的风电场短期风况预测数据可视化气象数据相关的知识，希望对你有一定的参考价值。

声明

系列博客不会出现任何真实数据
比赛期间将拒绝一切私信，有问题请发评论

系列文章目录

文章目录

声明
系列文章目录
更新说明
注
前言
一、必要的准备
二、在同一张图内展示
- 风速
- 风向
三、分开展示
- 风速
- 风向
四、结语

更新说明

无

注

注：大赛官网明确规定数据不可用作其他用途，所以图就不展示了

前言

风场间的机舱数据有何关系，机舱数据和气象数据又有何关系，下面将以气象数据的时间线为主，然后从机舱数据中提取与气象数据处于同一时间的数据，通过可视化的方式来直观的展现它们的关系。

一、必要的准备

main.py见系列第5个博客【4】【数据管理】

你需要把mian.py和train放在同一目录下，然后运行以下代码

from main import *

dm = Data_Manager()

dm.load_test_data()

np.nan_to_num(dm.X_, copy=False)
np.nan_to_num(dm.X0, copy=False)
np.nan_to_num(dm.Y0, copy=False)
np.nan_to_num(dm.S, copy=False)
np.nan_to_num(dm.W, copy=False)
np.nan_to_num(dm.test_X_, copy=False)
np.nan_to_num(dm.test_X0, copy=False)
np.nan_to_num(dm.test_W, copy=False);

二、在同一张图内展示

当众多曲线相似性很高时，可以通过在同一张图内展示，观察它们的重合度

f = 0    # 可以通过设置 f 来选择风场，[风场1: 0], [风场2: 1]
size = 500    # 时间长度，注：最大不要超过 17520
z = np.arange(size)
i = np.random.randint(0, 17520 - size)

风速

注：气象数据的风速数据与机舱数据的风速数据不在同一空间（机舱数据被归一化了），所以不能同图展示

fig, ax = plt.subplots(figsize=(50, 10))
for m in range(machine_len):
    spd_w, dir_w = dm.weather['data'][f, i:i+size, m, :].T
    ax.plot(z, spd_w)
plt.show()

fig, ax = plt.subplots(figsize=(50, 10))
spd_w, dir_w = dm.weather['data'][f, i:i+size, -1, :].T
ax.set_ylabel('气象数据')
ax.plot(z, spd_w)
plt.show()

风向

注：气象数据的风向数据与机舱数据的风向数据不在同一空间（机舱数据被归一化了），所以不能同图展示

fig, ax = plt.subplots(figsize=(50, 10))
for m in range(machine_len):
    spd_w, dir_w = dm.weather['data'][f, i:i+size, m, :].T
    ax.plot(z, dir_w) 
plt.show()

fig, ax = plt.subplots(figsize=(50, 10))
spd_w, dir_w = dm.weather['data'][f, i:i+size, -1, :].T
ax.set_ylabel('气象数据')
ax.plot(z, dir_w)
plt.show()

三、分开展示

当众多曲线相似性不高时，可以通过分开展示，观察它们的差异性

f = 0    # 可以通过设置 f 来选择风场，[风场1: 0], [风场2: 1]
size = 300    # 时间长度，注：最大不要超过 17520
z = np.arange(size)
i = np.random.randint(0, 17520 - size)

风速

for m in range(machine_len+1):
    spd_w, dir_w = dm.weather['data'][f, i:i+size, m, :].T

    fig, ax = plt.subplots(figsize=(50, 10))
    ax.set_ylabel(machine[f][m] if m < machine_len else '气象数据')
    ax.plot(z, spd_w)

    plt.show()

风向

for m in range(machine_len+1):
    spd_w, dir_w = dm.weather['data'][f, i:i+size, m, :].T

    fig, ax = plt.subplots(figsize=(50, 10))
    ax.set_ylabel(machine[f][m] if m < machine_len else '气象数据')
    ax.plot(z, dir_w)

    plt.show()