mirror of
https://github.com/Akkudoktor-EOS/EOS.git
synced 2025-04-19 08:55:15 +00:00
- Akku mit Verlusten + Bug in der test.py Gesamtlast kein update
This commit is contained in:
Bla Bla
parent
356abf1b08
commit
133bfc6727
@ -1,12 +1,15 @@
|
||||
import numpy as np
|
||||
class PVAkku:
|
||||
def __init__(self, kapazitaet_wh, hours):
|
||||
def __init__(self, kapazitaet_wh, hours, lade_effizienz=0.9, entlade_effizienz=0.9):
|
||||
# Kapazität des Akkus in Wh
|
||||
self.kapazitaet_wh = kapazitaet_wh
|
||||
# Initialer Ladezustand des Akkus in Wh
|
||||
self.soc_wh = 0
|
||||
self.hours = hours
|
||||
self.discharge_array = np.full(self.hours, 1)
|
||||
# Lade- und Entladeeffizienz
|
||||
self.lade_effizienz = lade_effizienz
|
||||
self.entlade_effizienz = entlade_effizienz
|
||||
|
||||
def reset(self):
|
||||
self.soc_wh = 0
|
||||
@ -22,19 +25,27 @@ class PVAkku:
|
||||
def energie_abgeben(self, wh, hour):
|
||||
if self.discharge_array[hour] == 0:
|
||||
return 0.0
|
||||
if self.soc_wh >= wh:
|
||||
self.soc_wh -= wh
|
||||
return wh
|
||||
else:
|
||||
abgegebene_energie = self.soc_wh
|
||||
self.soc_wh = 0
|
||||
return abgegebene_energie
|
||||
soc_tmp = self.soc_wh
|
||||
# Berechnung der tatsächlichen Entlademenge unter Berücksichtigung der Entladeeffizienz
|
||||
effektive_entlademenge = wh / self.entlade_effizienz
|
||||
# Aktualisierung des Ladezustands ohne negativ zu werden
|
||||
self.soc_wh = max(self.soc_wh - effektive_entlademenge, 0)
|
||||
return soc_tmp-self.soc_wh
|
||||
|
||||
# if self.soc_wh >= wh:
|
||||
# self.soc_wh -= wh
|
||||
# return wh
|
||||
# else:
|
||||
# abgegebene_energie = self.soc_wh
|
||||
# self.soc_wh = 0
|
||||
# return abgegebene_energie
|
||||
|
||||
def energie_laden(self, wh):
|
||||
if self.soc_wh + wh <= self.kapazitaet_wh:
|
||||
self.soc_wh += wh
|
||||
else:
|
||||
self.soc_wh = self.kapazitaet_wh
|
||||
# Berechnung der tatsächlichen Lademenge unter Berücksichtigung der Ladeeffizienz
|
||||
effektive_lademenge = wh * self.lade_effizienz
|
||||
# Aktualisierung des Ladezustands ohne die Kapazität zu überschreiten
|
||||
self.soc_wh = min(self.soc_wh + effektive_lademenge, self.kapazitaet_wh)
|
||||
|
||||
|
||||
|
||||
|
||||
|
||||
@ -6,6 +6,7 @@ from pprint import pprint
|
||||
class EAuto:
|
||||
def __init__(self, soc=None, capacity = None, power_charge = None, load_allowed = None):
|
||||
self.soc = soc
|
||||
self.init_soc = soc
|
||||
self.akku_kapazitaet = capacity
|
||||
self.ladegeschwindigkeit = power_charge
|
||||
self.laden_moeglich = None
|
||||
@ -14,9 +15,13 @@ class EAuto:
|
||||
self.laden_moeglich = load_allowed
|
||||
self.berechne_ladevorgang()
|
||||
|
||||
def reset(self):
|
||||
self.soc = self.init_soc
|
||||
self.stuendlicher_soc = []
|
||||
|
||||
def set_laden_moeglich(self, laden_moeglich):
|
||||
self.laden_moeglich = laden_moeglich
|
||||
self.stuendlicher_soc = [self.soc] # Beginnt mit dem aktuellen SoC
|
||||
self.stuendlicher_soc = [] # Beginnt mit dem aktuellen SoC
|
||||
self.stuendliche_last = [] # Zurücksetzen der stündlichen Last
|
||||
|
||||
def berechne_ladevorgang(self):
|
||||
|
||||
@ -10,6 +10,8 @@ class EnergieManagementSystem:
|
||||
self.strompreis_cent_pro_wh = strompreis_cent_pro_wh # Strompreis in Cent pro Wh
|
||||
self.einspeiseverguetung_cent_pro_wh = einspeiseverguetung_cent_pro_wh # Einspeisevergütung in Cent pro Wh
|
||||
|
||||
def set_gesamtlast(self,load):
|
||||
self.lastkurve_wh = load
|
||||
|
||||
def set_akku_discharge_hours(self, ds):
|
||||
self.akku.set_discharge_per_hour(ds)
|
||||
|
||||
@ -66,11 +66,13 @@ class LoadForecast:
|
||||
end_day_of_year = end_date.timetuple().tm_yday
|
||||
|
||||
# Beachten, dass bei Schaltjahren der Tag des Jahres angepasst werden muss
|
||||
stats_for_range = self.data_year_energy[start_day_of_year-1:end_day_of_year] # -1 da die Indizierung bei 0 beginnt
|
||||
|
||||
stats_for_range = self.data_year_energy[start_day_of_year:end_day_of_year] # -1 da die Indizierung bei 0 beginnt
|
||||
# print()
|
||||
# print(stats_for_range)
|
||||
# print(start_day_of_year, " ",end_day_of_year)
|
||||
# Hier kannst du entscheiden, wie du die Daten über den Zeitraum aggregieren möchtest
|
||||
# Zum Beispiel könntest du Mittelwerte, Summen oder andere Statistiken über diesen Zeitraum berechnen
|
||||
return stats_for_range
|
||||
return stats_for_range[0]
|
||||
|
||||
|
||||
|
||||
|
||||
@ -1,19 +1,13 @@
|
||||
import numpy as np
|
||||
import matplotlib.pyplot as plt
|
||||
import numpy as np
|
||||
import matplotlib.pyplot as plt
|
||||
from modules.class_load_container import Gesamtlast # Stellen Sie sicher, dass dies dem tatsächlichen Importpfad entspricht
|
||||
import matplotlib.pyplot as plt
|
||||
|
||||
|
||||
|
||||
|
||||
def visualisiere_ergebnisse(gesamtlast,leistung_haushalt,leistung_wp, pv_forecast, strompreise, ergebnisse):
|
||||
|
||||
|
||||
def visualisiere_ergebnisse(gesamtlast,leistung_haushalt,leistung_wp, pv_forecast, strompreise, ergebnisse, soc_eauto, discharge_hours, laden_moeglich):
|
||||
# Last und PV-Erzeugung
|
||||
plt.figure(figsize=(14, 10))
|
||||
|
||||
plt.subplot(3, 1, 1)
|
||||
plt.subplot(3, 2, 1)
|
||||
stunden = np.arange(1, len(next(iter(gesamtlast.lasten.values()))) + 1)
|
||||
|
||||
|
||||
@ -31,9 +25,13 @@ def visualisiere_ergebnisse(gesamtlast,leistung_haushalt,leistung_wp, pv_forecas
|
||||
plt.grid(True)
|
||||
plt.legend()
|
||||
|
||||
|
||||
|
||||
|
||||
|
||||
# Strompreise
|
||||
stundenp = np.arange(1, len(strompreise)+1)
|
||||
plt.subplot(3, 1, 2)
|
||||
plt.subplot(3, 2, 2)
|
||||
plt.plot(stundenp, strompreise, label='Strompreis (€/Wh)', color='purple', marker='s')
|
||||
plt.title('Strompreise')
|
||||
plt.xlabel('Stunde des Tages')
|
||||
@ -41,26 +39,44 @@ def visualisiere_ergebnisse(gesamtlast,leistung_haushalt,leistung_wp, pv_forecas
|
||||
plt.legend()
|
||||
plt.grid(True)
|
||||
|
||||
print(pv_forecast.shape)
|
||||
print(len(ergebnisse['Eigenverbrauch_Wh_pro_Stunde']))
|
||||
|
||||
plt.figure(figsize=(18, 12))
|
||||
|
||||
stunden = np.arange(1, len(ergebnisse['Eigenverbrauch_Wh_pro_Stunde'])+1)
|
||||
# Eigenverbrauch, Netzeinspeisung und Netzbezug
|
||||
plt.subplot(3, 2, 1)
|
||||
plt.subplot(3, 2, 3)
|
||||
plt.plot(stunden, ergebnisse['Eigenverbrauch_Wh_pro_Stunde'], label='Eigenverbrauch (Wh)', marker='o')
|
||||
plt.plot(stunden, ergebnisse['Netzeinspeisung_Wh_pro_Stunde'], label='Netzeinspeisung (Wh)', marker='x')
|
||||
plt.plot(stunden, ergebnisse['akku_soc_pro_stunde'], label='Akku (%)', marker='x')
|
||||
plt.plot(stunden, ergebnisse['Netzbezug_Wh_pro_Stunde'], label='Netzbezug (Wh)', marker='^')
|
||||
#plt.plot(stunden, pv_forecast, label='PV-Erzeugung (Wh)', marker='x')
|
||||
plt.plot(stunden, pv_forecast, label='PV-Erzeugung (Wh)', marker='x')
|
||||
#plt.plot(stunden, last, label='Last (Wh)', marker='o')
|
||||
|
||||
plt.title('Energiefluss pro Stunde')
|
||||
plt.xlabel('Stunde')
|
||||
plt.ylabel('Energie (Wh)')
|
||||
plt.legend()
|
||||
plt.grid(True)
|
||||
|
||||
plt.subplot(3, 2, 4)
|
||||
plt.plot(stunden, ergebnisse['akku_soc_pro_stunde'], label='Akku (%)', marker='x')
|
||||
plt.plot(stunden, soc_eauto, label='Eauto Akku (%)', marker='x')
|
||||
plt.legend(loc='upper left')
|
||||
|
||||
ax1 = plt.subplot(3, 2, 5)
|
||||
for hour, value in enumerate(discharge_hours):
|
||||
if value == 1:
|
||||
ax1.axvspan(hour, hour+1, color='red', alpha=0.3, label='Entlademöglichkeit' if hour == 0 else "")
|
||||
for hour, value in enumerate(laden_moeglich):
|
||||
if value == 1:
|
||||
ax1.axvspan(hour, hour+1, color='green', alpha=0.3, label='Lademöglichkeit' if hour == 0 else "")
|
||||
ax1.legend(loc='upper left')
|
||||
|
||||
|
||||
|
||||
|
||||
plt.grid(True)
|
||||
plt.figure(figsize=(14, 10))
|
||||
# Kosten und Einnahmen pro Stunde
|
||||
plt.subplot(3, 2, 2)
|
||||
plt.subplot(1, 2, 1)
|
||||
plt.plot(stunden, ergebnisse['Kosten_Euro_pro_Stunde'], label='Kosten (Euro)', marker='o', color='red')
|
||||
plt.plot(stunden, ergebnisse['Einnahmen_Euro_pro_Stunde'], label='Einnahmen (Euro)', marker='x', color='green')
|
||||
plt.title('Finanzielle Bilanz pro Stunde')
|
||||
@ -70,7 +86,7 @@ def visualisiere_ergebnisse(gesamtlast,leistung_haushalt,leistung_wp, pv_forecas
|
||||
plt.grid(True)
|
||||
|
||||
# Zusammenfassende Finanzen
|
||||
plt.subplot(3, 2, 3)
|
||||
plt.subplot(1, 2, 2)
|
||||
gesamtkosten = ergebnisse['Gesamtkosten_Euro']
|
||||
gesamteinnahmen = ergebnisse['Gesamteinnahmen_Euro']
|
||||
gesamtbilanz = ergebnisse['Gesamtbilanz_Euro']
|
||||
|
||||
80
test.py
80
test.py
@ -20,7 +20,7 @@ import os
|
||||
|
||||
|
||||
|
||||
prediction_hours = 48
|
||||
prediction_hours = 24
|
||||
date = (datetime.now().date() + timedelta(hours = prediction_hours)).strftime("%Y-%m-%d")
|
||||
date_now = datetime.now().strftime("%Y-%m-%d")
|
||||
|
||||
@ -32,12 +32,13 @@ max_heizleistung = 1000 # 5 kW Heizleistung
|
||||
wp = Waermepumpe(max_heizleistung,prediction_hours)
|
||||
|
||||
akku = PVAkku(akku_size,prediction_hours)
|
||||
discharge_array = np.full(prediction_hours,1)
|
||||
|
||||
laden_moeglich = np.full(prediction_hours,1)
|
||||
eauto = EAuto(soc=60, capacity = 60000, power_charge = 7000, load_allowed = laden_moeglich)
|
||||
|
||||
discharge_array = np.full(prediction_hours,1) #np.array([1, 0, 1, 0, 1, 1, 1, 1, 1, 0, 1, 1, 0, 1, 1, 0, 1, 1, 1, 1, 1, 1, 1, 1, 0, 1, 0, 0, 0, 1, 1, 1, 1, 0, 1, 1, 0, 0, 0, 0, 1, 0, 0, 1, 0, 0, 1, 0]) #
|
||||
|
||||
laden_moeglich = np.full(prediction_hours,1) # np.array([0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 1, 0, 0, 1, 0, 1, 1, 0, 1, 1, 1, 0, 0, 0, 0, 1, 1, 1, 1, 0, 1, 1, 0, 0])
|
||||
#np.full(prediction_hours,1)
|
||||
eauto = EAuto(soc=10, capacity = 60000, power_charge = 7000, load_allowed = laden_moeglich)
|
||||
min_soc_eauto = 20
|
||||
hohe_strafe = 10.0
|
||||
|
||||
|
||||
|
||||
@ -52,12 +53,14 @@ gesamtlast = Gesamtlast()
|
||||
lf = LoadForecast(filepath=r'load_profiles.npz', year_energy=year_energy)
|
||||
#leistung_haushalt = lf.get_daily_stats(date)[0,...] # Datum anpassen
|
||||
leistung_haushalt = lf.get_stats_for_date_range(date_now,date)[0,...].flatten()
|
||||
# print(date_now," ",date)
|
||||
# print(leistung_haushalt.shape)
|
||||
gesamtlast.hinzufuegen("Haushalt", leistung_haushalt)
|
||||
|
||||
# PV Forecast
|
||||
###############
|
||||
#PVforecast = PVForecast(filepath=os.path.join(r'test_data', r'pvprognose.json'))
|
||||
PVforecast = PVForecast(url="https://api.akkudoktor.net/forecast?lat=50.8588&lon=7.3747&power=5400&azimuth=-10&tilt=7&powerInvertor=2500&horizont=20,40,30,30&power=4800&azimuth=-90&tilt=7&powerInvertor=2500&horizont=20,40,45,50&power=1480&azimuth=-90&tilt=70&powerInvertor=1120&horizont=60,45,30,70&power=1600&azimuth=5&tilt=60&powerInvertor=1200&horizont=60,45,30,70&past_days=5&cellCoEff=-0.36&inverterEfficiency=0.8&albedo=0.25&timezone=Europe%2FBerlin&hourly=relativehumidity_2m%2Cwindspeed_10m")
|
||||
PVforecast = PVForecast(prediction_hours = prediction_hours, url="https://api.akkudoktor.net/forecast?lat=50.8588&lon=7.3747&power=5400&azimuth=-10&tilt=7&powerInvertor=2500&horizont=20,40,30,30&power=4800&azimuth=-90&tilt=7&powerInvertor=2500&horizont=20,40,45,50&power=1480&azimuth=-90&tilt=70&powerInvertor=1120&horizont=60,45,30,70&power=1600&azimuth=5&tilt=60&powerInvertor=1200&horizont=60,45,30,70&past_days=5&cellCoEff=-0.36&inverterEfficiency=0.8&albedo=0.25&timezone=Europe%2FBerlin&hourly=relativehumidity_2m%2Cwindspeed_10m")
|
||||
pv_forecast = PVforecast.get_pv_forecast_for_date_range(date_now,date) #get_forecast_for_date(date)
|
||||
temperature_forecast = PVforecast.get_temperature_for_date_range(date_now,date)
|
||||
|
||||
@ -79,19 +82,20 @@ gesamtlast.hinzufuegen("Heatpump", leistung_wp)
|
||||
# EAuto
|
||||
######################
|
||||
leistung_eauto = eauto.get_stuendliche_last()
|
||||
soc_eauto = eauto.get_stuendlicher_soc()
|
||||
gesamtlast.hinzufuegen("eauto", leistung_eauto)
|
||||
|
||||
print(gesamtlast.gesamtlast_berechnen())
|
||||
# print(gesamtlast.gesamtlast_berechnen())
|
||||
|
||||
# EMS / Stromzähler Bilanz
|
||||
ems = EnergieManagementSystem(akku, gesamtlast.gesamtlast_berechnen(), pv_forecast, specific_date_prices, einspeiseverguetung_cent_pro_wh)
|
||||
|
||||
|
||||
o = ems.simuliere(0)#ems.simuliere_ab_jetzt()
|
||||
pprint(o)
|
||||
pprint(o["Gesamtbilanz_Euro"])
|
||||
#pprint(o)
|
||||
#pprint(o["Gesamtbilanz_Euro"])
|
||||
|
||||
visualisiere_ergebnisse(gesamtlast,leistung_haushalt,leistung_wp, pv_forecast, specific_date_prices, o)
|
||||
#visualisiere_ergebnisse(gesamtlast,leistung_haushalt,leistung_wp, pv_forecast, specific_date_prices, o, soc_eauto)
|
||||
|
||||
|
||||
#sys.exit()
|
||||
@ -100,23 +104,40 @@ visualisiere_ergebnisse(gesamtlast,leistung_haushalt,leistung_wp, pv_forecast, s
|
||||
|
||||
# Fitness-Funktion (muss Ihre EnergieManagementSystem-Logik integrieren)
|
||||
def evaluate(individual):
|
||||
# Hier müssen Sie Ihre Logik einbauen, um die Gesamtbilanz zu berechnen
|
||||
# basierend auf dem gegebenen `individual` (discharge_array)
|
||||
#akku.set_discharge_per_hour(individual)
|
||||
ems.reset()
|
||||
ems.set_akku_discharge_hours(individual)
|
||||
o = ems.simuliere_ab_jetzt()
|
||||
eauto.reset()
|
||||
ems.set_akku_discharge_hours(individual[:prediction_hours])
|
||||
|
||||
eauto.set_laden_moeglich(individual[prediction_hours:])
|
||||
eauto.berechne_ladevorgang()
|
||||
leistung_eauto = eauto.get_stuendliche_last()
|
||||
gesamtlast.hinzufuegen("eauto", leistung_eauto)
|
||||
|
||||
ems.set_gesamtlast(gesamtlast.gesamtlast_berechnen())
|
||||
|
||||
o = ems.simuliere(0)
|
||||
gesamtbilanz = o["Gesamtbilanz_Euro"]
|
||||
#print(individual, " ",gesamtbilanz)
|
||||
|
||||
# Überprüfung, ob der Mindest-SoC erreicht wird
|
||||
final_soc = eauto.get_stuendlicher_soc()[-1] # Nimmt den SoC am Ende des Optimierungszeitraums
|
||||
strafe = 0.0
|
||||
#if final_soc < min_soc_eauto:
|
||||
# Fügt eine Strafe hinzu, wenn der Mindest-SoC nicht erreicht wird
|
||||
strafe = max(0,(min_soc_eauto - final_soc) * hohe_strafe ) # `hohe_strafe` ist ein vorher festgelegter Strafwert
|
||||
gesamtbilanz += strafe
|
||||
#if strafe > 0.0:
|
||||
# print(min_soc_eauto," - ",final_soc,"*10 = ",strafe)
|
||||
|
||||
return (gesamtbilanz,)
|
||||
|
||||
|
||||
# Werkzeug-Setup
|
||||
creator.create("FitnessMin", base.Fitness, weights=(-1.0,))
|
||||
creator.create("Individual", list, fitness=creator.FitnessMin)
|
||||
|
||||
toolbox = base.Toolbox()
|
||||
toolbox.register("attr_bool", random.randint, 0, 1)
|
||||
toolbox.register("individual", tools.initRepeat, creator.Individual, toolbox.attr_bool, prediction_hours)
|
||||
toolbox.register("individual", tools.initRepeat, creator.Individual, toolbox.attr_bool, prediction_hours*2)
|
||||
toolbox.register("population", tools.initRepeat, list, toolbox.individual)
|
||||
|
||||
toolbox.register("evaluate", evaluate)
|
||||
@ -126,7 +147,7 @@ toolbox.register("select", tools.selTournament, tournsize=3)
|
||||
|
||||
# Genetischer Algorithmus
|
||||
def optimize():
|
||||
population = toolbox.population(n=100)
|
||||
population = toolbox.population(n=500)
|
||||
hof = tools.HallOfFame(1)
|
||||
|
||||
stats = tools.Statistics(lambda ind: ind.fitness.values)
|
||||
@ -134,20 +155,31 @@ def optimize():
|
||||
stats.register("min", np.min)
|
||||
stats.register("max", np.max)
|
||||
|
||||
algorithms.eaSimple(population, toolbox, cxpb=0.5, mutpb=0.2, ngen=100,
|
||||
algorithms.eaSimple(population, toolbox, cxpb=0.4, mutpb=0.3, ngen=100,
|
||||
stats=stats, halloffame=hof, verbose=True)
|
||||
return hof[0]
|
||||
|
||||
best_solution = optimize()
|
||||
print("Beste Lösung:", best_solution)
|
||||
|
||||
ems.set_akku_discharge_hours(best_solution)
|
||||
o = ems.simuliere_ab_jetzt()
|
||||
pprint(o["Gesamtbilanz_Euro"])
|
||||
#ems.set_akku_discharge_hours(best_solution)
|
||||
ems.reset()
|
||||
eauto.reset()
|
||||
ems.set_akku_discharge_hours(best_solution[:prediction_hours])
|
||||
eauto.set_laden_moeglich(best_solution[prediction_hours:])
|
||||
eauto.berechne_ladevorgang()
|
||||
leistung_eauto = eauto.get_stuendliche_last()
|
||||
gesamtlast.hinzufuegen("eauto", leistung_eauto)
|
||||
ems.set_gesamtlast(gesamtlast.gesamtlast_berechnen())
|
||||
|
||||
o = ems.simuliere(0)
|
||||
|
||||
soc_eauto = eauto.get_stuendlicher_soc()
|
||||
print(soc_eauto)
|
||||
pprint(o)
|
||||
pprint(eauto.get_stuendlicher_soc())
|
||||
|
||||
visualisiere_ergebnisse(load,leistung_haushalt,leistung_wp, pv_forecast, specific_date_prices, o)
|
||||
visualisiere_ergebnisse(gesamtlast,leistung_haushalt,leistung_wp, pv_forecast, specific_date_prices, o,soc_eauto,best_solution[:prediction_hours],best_solution[prediction_hours:] )
|
||||
|
||||
|
||||
# for data in forecast.get_forecast_data():
|
||||
|
||||
Loading…
x
Reference in New Issue
Block a user