Mirrors/EOS
1
0
Fork 0
mirror of https://github.com/Akkudoktor-EOS/EOS.git synced 2025-12-14 07:46:18 +00:00
Code Issues Actions 1 Packages Projects Releases Wiki Activity

Inverter Klasse hinzugefügt

Browse Source 
Kleinere Bugs bei max_WR Leistung behoben
This commit is contained in:
Bla Bla
2024-05-02 10:27:33 +02:00
parent ae05608c6e
commit 1145d3c185
5 changed files with 425 additions and 260 deletions
Download Patch File Download Diff File Expand all files Collapse all files

78
modules/visualize.py
View File

@@ -170,52 +170,52 @@ def visualisiere_ergebnisse(gesamtlast, pv_forecast, strompreise, ergebnisse, d
if extra_data != None:
plt.figure(figsize=(14, 10))
plt.subplot(1, 2, 1)
f1 = np.array(extra_data["verluste"])
f2 = np.array(extra_data["bilanz"])
n1 = np.array(extra_data["nebenbedingung"])
scatter = plt.scatter(f1, f2, c=n1, cmap='viridis')
plt.figure(figsize=(14, 10))
plt.subplot(1, 2, 1)
f1 = np.array(extra_data["verluste"])
f2 = np.array(extra_data["bilanz"])
n1 = np.array(extra_data["nebenbedingung"])
scatter = plt.scatter(f1, f2, c=n1, cmap='viridis')
# Farblegende hinzufügen
plt.colorbar(scatter, label='Nebenbedingung')
# Farblegende hinzufügen
plt.colorbar(scatter, label='Nebenbedingung')
pdf.savefig() # Speichert die komplette Figure im PDF
plt.close() # Schließt die Figure
pdf.savefig() # Speichert die komplette Figure im PDF
plt.close() # Schließt die Figure
plt.figure(figsize=(14, 10))
filtered_verluste = np.array([v for v, n in zip(extra_data["verluste"], extra_data["nebenbedingung"]) if n < 0.01])
filtered_bilanz = np.array([b for b, n in zip(extra_data["bilanz"], extra_data["nebenbedingung"]) if n< 0.01])
beste_verluste = min(filtered_verluste)
schlechteste_verluste = max(filtered_verluste)
beste_bilanz = min(filtered_bilanz)
schlechteste_bilanz = max(filtered_bilanz)
plt.figure(figsize=(14, 10))
filtered_verluste = np.array([v for v, n in zip(extra_data["verluste"], extra_data["nebenbedingung"]) if n < 0.01])
filtered_bilanz = np.array([b for b, n in zip(extra_data["bilanz"], extra_data["nebenbedingung"]) if n< 0.01])
beste_verluste = min(filtered_verluste)
schlechteste_verluste = max(filtered_verluste)
beste_bilanz = min(filtered_bilanz)
schlechteste_bilanz = max(filtered_bilanz)
data = [filtered_verluste, filtered_bilanz]
labels = ['Verluste', 'Bilanz']
# Plot-Erstellung
fig, axs = plt.subplots(1, 2, figsize=(10, 6), sharey=False) # Zwei Subplots, getrennte y-Achsen
data = [filtered_verluste, filtered_bilanz]
labels = ['Verluste', 'Bilanz']
# Plot-Erstellung
fig, axs = plt.subplots(1, 2, figsize=(10, 6), sharey=False) # Zwei Subplots, getrennte y-Achsen
# Erster Boxplot für Verluste
#axs[0].boxplot(data[0])
axs[0].violinplot(data[0],
showmeans=True,
showmedians=True)
axs[0].set_title('Verluste')
axs[0].set_xticklabels(['Verluste'])
# Erster Boxplot für Verluste
#axs[0].boxplot(data[0])
axs[0].violinplot(data[0],
showmeans=True,
showmedians=True)
axs[0].set_title('Verluste')
axs[0].set_xticklabels(['Verluste'])
# Zweiter Boxplot für Bilanz
axs[1].violinplot(data[1],
showmeans=True,
showmedians=True)
axs[1].set_title('Bilanz')
axs[1].set_xticklabels(['Bilanz'])
# Zweiter Boxplot für Bilanz
axs[1].violinplot(data[1],
showmeans=True,
showmedians=True)
axs[1].set_title('Bilanz')
axs[1].set_xticklabels(['Bilanz'])
# Feinabstimmung
plt.tight_layout()
# Feinabstimmung
plt.tight_layout()
pdf.savefig() # Speichert den aktuellen Figure-State im PDF