СИИ 1 лаба

Министерство цифрового развития, связи и массовых коммуникаций Российской Федерации Ордена трудового Красного Знамени Федеральное государственное бюджетное образовательное учреждение высшего профессионального образования Московский технический университет связи и информатики Кафедра «Сети и системы фиксированной связи» Лабораторная работа №1 «Визуализация и обработка больших массивов данных»

Группа: БОС-2001 Выполнил: Ядринцев С. М. Проверил(а): Матюнина Д.Д. Дата: 22.10.2023

Москва 2023

1) Цель работы

Найти оптимальное положение ветровой турбины, при котором коэффициент полезного действия был бы максимальный.

2) Код программы import numpy as np # Модуль с «более продвинутой математикой» import pandas # Модуль, с помощью которого мы прочитаем csv import matplotlib.pyplot as plt # Модуль работы с графиками def main(): df = pandas.read_csv('mydata1.csv', sep=';') # Считываем файл Data.csv с разделителем ; df['V1'].astype(float) # Явно указываем тип данных на float df['V2'].astype(float) # Явно указываем тип данных на float df['V3'].astype(float) # Явно указываем тип данных на float df['T'].astype(float) # Явно указываем тип данных на float plt.plot(df['Time'], df['T']) mV = df.drop('Time', axis=1).drop("T", axis=1).mean(axis=1) iT = df['T'] < 2 # Фильтруем значения температуры (<2). iV = mV < 1 # Фильтруем среднее значение скорости (<1). i = df[iT | iV] # Выбираем строки, в которых есть подходящая средняя # скорость или температура. time = i['Time'] # Создаем переменную time, содержащую одноименный столбец temp = i['T'] # Создаем переменную temp, содержащую одноименный столбец figure, axis=plt.subplots(3) axis[0].plot(df['Time'],df['T']) axis[1].plot(df['Time'], df['T']) axis[1].plot(time,temp,'r*') axis[2].grid(True) print(max(mV)) axis[2].hist(mV,len(range(0,int(max(mV)),1))) plt.show() plt.plot(time, temp, 'r*') # Строим график температуры от времени plt.grid(True) # Включаем сетку на графике (аналогично grid on в Matlab) plt.show() # Отображаем график if __name__ == '__main__': main() # Вызов функции main

Рис. №1 – график зависимости температуры от времени 3) Контрольные вопросы

1. Для каких целей используется усреднение данных, и каким образом оно осуществляется?

С помощью усреднения мы убираем кратковременные выбросы значений датчиков, что дает ровные показания.

2. Откуда берется искажающая результаты анализа информация? Как от нее избавится?

Информация, искажающая результаты анализа, возникает вследствие того, что мы неправильно обозначили начальный диапазон для анализа. Чтобы этого избежать, надо использовать критический диапазон.

3. Что такое критический диапазон?

Значение, которое с доверительной вероятностью 95% не превышается величиной разности между максимальным и минимальным результатами трех или более измерений, полученными в условиях повторяемости.

4. Какой командой показываются значения, удовлетворяющие условию?

plt.plot(time, temp, 'r*' )

5. Сформулируйте определение КПД.

КПД (коэффициент полезного действия) – безразмерная величина, характеризующая эффективность работы. Работа есть сила, влияющая на процесс в течение некоторого времени. На действие силы затрачивается энергия. Энергия вкладывается в силу, сила вкладывается в работу, работа характеризуется результативностью.