Федеральное государственное бюджетное образовательное учреждение высшего профессионального образования

«Московский государственный технический университет имени Н.Э. Баумана» (МГТУ им. Н.Э. Баумана)

Факультет: ИУ «Информатики и систем управления»

Кафедра: ИУ10 «Защиты информации»

Методические указания к выполнению лабораторных работ в рамках курса «Введение в анализ больших информационных массивов»

Москва, 2023 г.

Лабораторная 1. Визуализация и обработка больших массивов данных в MATLAB

Цель

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

Решение

Для этого смоделируем (сам процесс моделирования описан ниже), что в трех точках на высоте 80 метров было установлено по три датчика скорости ветра, это делается для усреднения данных, и один датчик температуры.

Р исунок 1. Моделирование данных

Моделируем данные в Excel или другой программе. Для этого создаем 5 столбцов: 1я колонка - время, 2-4 колонки – скорость ветра, измеренные в одной точке тремя различными датчиками. 5я колонка – температура. Далее, данные записываются в файле с расширением txt (можно переместить таблицу в блокнот). Начинать следует с 00.00.00, заканчивать – 24.00.00, с шагом в 1 минуту.

Импорт данных в python заключается в создании csv файла путем копирования данных из Excel. В результате должно получиться следующее:

Р исунок 2. Моделирование данных

В качестве разделителей между столбцами используем “;” и не забываем дать название для каждого столбца в первой строке файла.

Теперь, когда работа с данными завершена, можно перейти к написанию кода на python.

Первым делом создаем virtual environment:

Открываем консоль (cmd для Windows) и переходим в папку, в которой будем выполнять лабораторные работы

python -m venv venv

venv\Scripts\activate

pip install -r req.txt

Далее создаем файл, в котором будет выполняться ЛР.

Импортируем библиотеки:

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

Далее приступаем к написанию основной функции. Назовем ее main(). Начнем с того, что обозначим типы данных для столбцов в считываемом файле csv:

def main():

df = pandas.read_csv('data.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['Temp'].astype(float) # Явно указываем тип данных на float

Построим график зависимости для параметров Time и Temp:

plt.plot(df['Time'], df['Temp'])

Удаляем столбцы Time и Temp, оставляя только V и вычисляем среднее значение от оставшихся V1, V2, V3:

mV = df.drop('Time', axis=1).drop("Temp", axis=1).mean(axis=1)

Приступаем к построению графиков:

iT = df['Temp'] < 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['Temp'] # Создаем переменную temp, содержащую одноименный столбец

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

Чтобы функция запустилась, необходимо написать:

if __name__ == '__main__':

main() # Вызов функции main

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. Значит, мы должны построить график зависимости средней скорости ветра при минимальной температуре от времени. Чем меньше температура и выше скорость ветра – тем больше КПД турбины.

Контрольные вопросы

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

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

3. Что такое критический диапазон?

4. Какой командой показываются значения, удовлетворяющие условию?

5. Сформулируйте определение КПД.