28.12.2013 Aufrufe

Projektgruppe Business Intelligence Applications and Evaluation ...

Projektgruppe Business Intelligence Applications and Evaluation ...

Projektgruppe Business Intelligence Applications and Evaluation ...

MEHR ANZEIGEN
WENIGER ANZEIGEN

Erfolgreiche ePaper selbst erstellen

Machen Sie aus Ihren PDF Publikationen ein blätterbares Flipbook mit unserer einzigartigen Google optimierten e-Paper Software.

Projektbericht Cuberunner<br />

Smart Wind Farm Control – Dokumentation<br />

3.4.4 Projektordnerstruktur<br />

Die Ordnerstruktur des Projektes ist wie folgt gegliedert:<br />

SWF_Toolbox Ordner<br />

-.settings Ordner Eclipse IDE Einstellungen<br />

-bin Ordner Class-Dateien<br />

-icons Ordner Verwendete Icons<br />

-lib Ordner Bibliotheken<br />

-logs Ordner Log-Dateien<br />

-- MeineLogDatei.log Datei Aktuelle Log-Datei<br />

-resources Ordner<br />

--images Ordner Bilder für die Willkommensseite<br />

--reports Ordner SWF Microsoft Excel Reports<br />

--start.html Datei Willkommens-HTML-Seite<br />

-src Ordner Java Klassen<br />

-tools Ordner<br />

-- OpenVPNPortable Ordner VPN Client Applikation<br />

-.classpath Datei Klassenpfade<br />

-.project Datei Projekteinstellungen<br />

-generator_config.xml Datei XML-Konfigurationsdatei<br />

-log4j-3.properties Datei Log4j Konfiguration<br />

3.5 Data Mining<br />

Für das Data Mining setzt die Teilgruppe das SAP HANA System in Kombination mit R ein. Diese<br />

Entscheidung ist darin begründet, dass SAP bisher für Data Mining Zwecke R empfahl und die Physiker<br />

von ForWind bereits Erfahrungen im Umgang mit R besitzen und somit evtl. Algorithmen übernommen<br />

werden können.<br />

Für die Umsetzung des DV-Konzepts wurden zunächst einfache Data Mining Beispiele unabhängig<br />

von den Windenergiedaten getestet (siehe Kapitel 4.4). Anschließend wurde innerhalb der Windenergiedaten<br />

nach Mustern gesucht. Zunächst lagen der <strong>Projektgruppe</strong> lediglich die Daten von ForWind<br />

mit sechs Attributen vor: Timestamp, Windgeschwindigkeit (in m/s), Windrichtung, Leistungsabgabe,<br />

Generator Drehzahl sowie Betriebsstatus. Da der genaue Inhalt des Betriebsstatus unbekannt war und<br />

lediglich bekannt, dass die Werte zwischen 0 und 25 liegen, wurde zunächst eine Regression für das<br />

Attribut Betriebsstatus durchgeführt. Hierfür wurden die folgenden zwei Prozeduren in SAP HANA<br />

angelegt:<br />

DROP PROCEDURE smartwindfarm.classification;<br />

CREATE PROCEDURE smartwindfarm.classification(IN windfarm_data SMARTWIND-<br />

FARM.sensordaten, OUT result SMARTWINDFARM.results)<br />

LANGUAGE RLANG AS<br />

BEGIN<br />

#Workspace festlegen<br />

setwd("/tmp/rtest")<br />

494<br />

#Variablendefinition<br />

Sensor_timestamp = as.numeric(windfarm_data$SENSOR_TIMESTAMP)

Hurra! Ihre Datei wurde hochgeladen und ist bereit für die Veröffentlichung.

Erfolgreich gespeichert!

Leider ist etwas schief gelaufen!