MyEMS开源能源管理系统核心代码解读002

本期解读：

能耗数据清洗算法：myems/myems-cleaning/clean_energy_value.py

代码见底部截图

这段代码是一个用于清洁和标记能源数据质量的Python脚本，主要用于处理能源值数据，识别并标记出异常或“坏”的数据点。以下是对代码的概括性总结和详细解析：

总结

连接数据库：脚本首先尝试连接到历史数据数据库。

确定处理时间范围：确定需要清洁数据的时间范围。

识别异常数据：

步骤2：检查两类异常情况。第一类是基于预设的高限和低限的异常值；第二类是形状为凹形（concave）的异常数据模式。

步骤3：进一步检查凹形数据模式。

标记异常数据：将识别为异常的数据点的is_bad属性标记为1。

重置未检查的数据：将未检查的数据点的is_bad属性重置为0。

休眠与重试：处理完毕后休眠一段时间后继续执行。

详细解析

数据库连接：使用mysql.connector连接到MySQL数据库，处理任何连接错误。

确定时间范围：

从数据库中查询最后一个已检查（is_bad非空）和未检查（is_bad为空）的数据点的时间，以确定需要清洁的时间范围。

如果所有数据点都已检查，则从配置的起始日期时间开始。

异常数据检查：

步骤2：检查两类异常数据。第一类是超出高低限的数据点；第二类是形状为凹形的数据序列。

步骤3：对凹形数据进行更详细的检查，识别不符合正常趋势的数据点。

更新数据库：

将识别为异常的数据点的is_bad属性更新为1。

对于那些在处理时间范围内未被检查的数据点，将它们的is_bad属性重置为0。

错误处理和日志记录：在每一步骤中，如果遇到异常，记录错误信息，并在休眠后重试。

循环执行：脚本在完成一次清洁操作后休眠一段时间（例如15分钟），然后重新开始，确保持续监控和清洁数据。

注意事项

脚本使用配置文件（config模块）来获取数据库连接信息和其他设置。

异常检测逻辑依赖于特定的业务规则和数据特性，可能需要根据实际情况调整。

数据库操作包括读取数据点、更新数据点的状态等，需要确保数据库性能可以支持这些操作。