def predict_felipe_potencia():
potencia_model = potencia.Potencia()
diccionario = []
for i in range(0, 10):
df = dataFelipe_potencia.iloc[i]
# get data to be predicted
X = [[
float(df['TEMPERATURA SALIDA BOMBA CALOR FELIPE']),
float(df['POTENCIA TERMICA BOMBA CALOR FELIPE']),
float(df['C_O_P BOMBA CALOR FELIPE']),
float(df['POTENCIA TRAFO 4']),
float(df['POTENCIA TRAFO 5']),
float(df['TEMPERATURA EXTERIOR']),
float(df['TEMPERATURA AMBIENTE BOMBA CALOR FELIPE'])
]]
prediction_ = potencia_model.predict_felipe(X)
prediction = float(prediction_[0])
valorReal = float(df['POTENCIA BOMBA CALOR FELIPE'])
# Potencia mala --> diagnostico (clustering)
kmeans_prediction = ' '
tolerancia = valorReal * valorToleranciaPotencia
if (prediction < (valorReal - tolerancia) or prediction >
(valorReal + tolerancia)):
kmeans_ = clustering.KMeans_()
kmeans_prediction = kmeans_.predict_felipe_potencia(X)
# Diccionario con todas las variables de un registro que se va retornar
resultado = {
'Diagnostico': kmeans_prediction,
'POTENCIA BOMBA CALOR FELIPE PREDICHA': round(prediction, 3)
}
diccionario.append(resultado)
dataFelipe_potencia.drop(range(0, 10), inplace=True)
dataFelipe_potencia.reset_index(drop=True, inplace=True)
return jsonify(diccionario)
def predict_frio_2_potencia():
potencia_model = potencia.Potencia()
diccionario = []
for i in range(0, 10):
df = dataFrio2_potencia.iloc[i]
# get data to be predicted
X = [[
float(df['POTENCIA TERMICA GRUPO FRIO 2']),
float(df['ENTRADA AGUA A TORRE 2']),
float(df['SALIDA AGUA TORRE 2']),
float(df['POTENCIA TRAFO 4']),
float(df['POTENCIA TRAFO 5']),
float(df['POTENCIA MEDIA CONECTADA']),
float(df['CONTROL FRÍO']),
float(df['KIGO FRIGORÍAS GENERADAS GRUPO DE FRÍO 2']),
float(df['TEMPERATURA EXTERIOR'])
]]
prediction_ = potencia_model.predict_grupo_frio_2(X)
prediction = float(prediction_[0])
valorReal = float(df['POTENCIA GRUPO FRÍO 2'])
# Potencia mala --> diagnostico (clustering)
kmeans_prediction = ' '
tolerancia = valorReal * valorToleranciaPotencia
if (prediction < (valorReal - tolerancia) or prediction >
(valorReal + tolerancia)):
kmeans_ = clustering.KMeans_()
kmeans_prediction = kmeans_.predict_frio_2_potencia(X)
# Diccionario con todas las variables de un registro que se va retornar
resultado = {
'Diagnostico': kmeans_prediction,
'POTENCIA GRUPO FRÍO 2 PREDICHA': round(prediction, 3)
}
diccionario.append(resultado)
dataFrio2_potencia.drop(range(0, 10), inplace=True)
dataFrio2_potencia.reset_index(drop=True, inplace=True)
return jsonify(diccionario)
def train_felipe_potencia():
potencia_model = potencia.Potencia()
potencia_model.fit_felipe()
return jsonify('Entrenado exitosamente')
def train_carlos_potencia():
potencia_model = potencia.Potencia()
potencia_model.fit_carlos()
return jsonify('Entrenado exitosamente')
def train_frio_2_potencia():
potencia_model = potencia.Potencia()
potencia_model.fit_grupo_frio_2()
return jsonify('Entrenado exitosamente')