3.5日常学习

matlab处理数据 

自己写了关于detect_data的函数，让它帮我改了，哈哈哈

%改正前

function data_chuli(path1,savepath)
    [num]=xlsread('path1',1,'B18:F23');
    a = num;
    b=a';
    c=b(:);
    xlswrite('savepath',c)
end

%改正后

function data_chuli(path1, savepath)
    num = xlsread(path1, 1, 'B18:F23');
    a = num;
    b = a';
    c = b(:);
    xlswrite(savepath, c);
end

test成功！！！！ 

将xlsx文件转换成CSV文件方法

jupyter notebook成功，pycharm失败

调试问题与解决 

solution：python ： 'gbk' codec can't decode byte 0xbe in position 18: illegal multibyte sequenc_gbk' codec can't decode byte 0xa2 in position 50: -CSDN博客

未报错，解决 

问题2

等我吃饭回来再解决。吃完了，休息一下下，来解决了！

明天要上两年的数据再看看

 

又读不懂代码了

for i in range(n):
        if (load_profile[i] - threshold) < 0 :
            if ess_cap >= max_cap :
                new_profile = np.append(new_profile, [load_profile[i]])
                ess_cap = max_cap
                abs_charge = np.append(abs_charge, [ess_cap])
            elif ess_cap < max_cap :
                if (threshold - load_profile[i]) < charge_rate :
                    new_profile = np.append(new_profile, [threshold])
                    ess_cap += (threshold - load_profile[i])
                    abs_charge = np.append(abs_charge, [ess_cap])
                else :
                    new_profile = np.append(new_profile, [load_profile[i]+charge_rate])
                    ess_cap += charge_rate
                    abs_charge = np.append(abs_charge, [ess_cap])

对于循环次数范围内的每个索引i：
- if 负载曲线中第i个数据减去阈值小于0：(负载曲线 < 阈值)
    - if 当前电池容量大于等于目标电池容量：
        - 将负载数据加入np.append()新的充电曲线中
        - 将电池容量设为目标电池容量
        - 将电池容量加入np.append()绝对充电量数据中
    - esif 当前电池容量小于目标电池容量：
        - if（阈值减去负载数据）小于充电速率：
            - 将阈值加入新的充电曲线中
            - 电池容量增加 +=（阈值减去负载数据）
            - 将电池容量加入np.append()绝对充电量数据中
        - else：
            - 将（负载数据加上充电速率）加入np.append()新的充电曲线中
            - 电池容量增加 +=充电速率
            - 将电池容量加入np.append()绝对充电量数据中

elif load_profile[i] >= threshold :
            diff = (load_profile[i]-threshold)
            if diff <= ess_cap-(0.1)*max_cap :
                ess_cap -= diff
                abs_charge = np.append(abs_charge, [ess_cap])
                new_profile = np.append(new_profile, [threshold])
            elif diff > ess_cap-(0.1)*max_cap :
                new_profile = np.append(new_profile, [threshold+(diff-(ess_cap-(0.1)*max_cap))])
                ess_cap = (0.1)*max_cap
                abs_charge = np.append(abs_charge, [ess_cap])
    return new_profile, abs_charge

 if 负载曲线中第i个数据大于等于阈值：(负载曲线 > 阈值)
- 计算负载数据与阈值之间的差值diff
- if diff小于等于电池剩余容量减去0.1倍目标电池容量：
    - 减去diff的容量值，更新电池剩余容量
    - 将电池剩余容量加入绝对充电量数据中
    - 将阈值加入新的充电曲线中
- 否则如果diff大于电池剩余容量减去0.1倍目标电池容量：
    - 将（阈值加上diff减去（电池剩余容量减去0.1倍目标电池容量））加入新的充电曲线中
    - 将电池剩余容量设为0.1倍目标电池容量
    - 将电池剩余容量加入绝对充电量数据中
- 返回新的充电曲线和绝对充电量数据

进行综合能源系统优化调度需要以下数据：
1. 各种能源资源的供给情况，包括电力、燃气、热能等；
2. 能源系统的负荷需求数据，即各个能源设备的负荷需求情况；

3. 各种能源设备的性能参数，包括效率、启停时间、最大/最小输出等；
4. 能源价格数据，包括电价、燃气价格等；
5. 系统约束条件，如设备的运行限制、能源供给的约束条件等；
6. 优化目标函数，即需要优化的目标，如成本最小、排放最低等。

综合能源系统优化调度需要综合考虑以上数据，并通过数学建模和优化算法来实现系统的最优调度。