Wärmepumpen Klasse für meine WP erzeugt (Achtung Standard)

PV Prognose aufsummieren der Strings eingebaut

modules/class_heatpump.py

@@ -3,7 +3,7 @@ from datetime import datetime, timedelta, timezone
 import numpy as np
 from pprint import pprint
 
-# Lade die .npz-Datei beim Start der Anwendung
+
 class Waermepumpe:
     def __init__(self, max_heizleistung, prediction_hours):
         self.max_heizleistung = max_heizleistung
@@ -21,9 +21,11 @@ class Waermepumpe:
         return heizleistung
 
     def elektrische_leistung_berechnen(self, aussentemperatur):
-        heizleistung = self.heizleistung_berechnen(aussentemperatur)
-        cop = self.cop_berechnen(aussentemperatur)
-        return heizleistung / cop
+        #heizleistung = self.heizleistung_berechnen(aussentemperatur)
+        #cop = self.cop_berechnen(aussentemperatur)
+        
+        return 1164  -77.8*aussentemperatur + 1.62*aussentemperatur**2.0
+        #1253.0*np.math.pow(aussentemperatur,-0.0682)
 
     def simulate_24h(self, temperaturen):
         leistungsdaten = []
@@ -37,6 +39,40 @@ class Waermepumpe:
             leistungsdaten.append(elektrische_leistung)
         return leistungsdaten
 
+# # Lade die .npz-Datei beim Start der Anwendung
+# class Waermepumpe:
+    # def __init__(self, max_heizleistung, prediction_hours):
+        # self.max_heizleistung = max_heizleistung
+        # self.prediction_hours = prediction_hours
+
+    # def cop_berechnen(self, aussentemperatur):
+        # cop = 3.0 + (aussentemperatur-0) * 0.1
+        # return max(cop, 1)
+
+
+    # def heizleistung_berechnen(self, aussentemperatur):
+        # #235.092 kWh + Temperatur * -11.645
+        # heizleistung = (((235.0) + aussentemperatur*(-11.645))*1000)/24.0
+        # heizleistung = min(self.max_heizleistung,heizleistung)
+        # return heizleistung
+
+    # def elektrische_leistung_berechnen(self, aussentemperatur):
+        # heizleistung = self.heizleistung_berechnen(aussentemperatur)
+        # cop = self.cop_berechnen(aussentemperatur)
+        # return heizleistung / cop
+
+    # def simulate_24h(self, temperaturen):
+        # leistungsdaten = []
+        
+        # # Überprüfen, ob das Temperaturarray die richtige Größe hat
+        # if len(temperaturen) != self.prediction_hours:
+            # raise ValueError("Das Temperaturarray muss genau "+str(self.prediction_hours)+" Einträge enthalten, einen für jede Stunde des Tages.")
+        
+        # for temp in temperaturen:
+            # elektrische_leistung = self.elektrische_leistung_berechnen(temp)
+            # leistungsdaten.append(elektrische_leistung)
+        # return leistungsdaten
+
 
 
 

modules/class_pv_forecast.py

@@ -52,16 +52,35 @@ class PVForecast:
 
     def process_data(self, data):
         self.meta = data.get('meta', {})
-        values = data.get('values', [])[0]
-        for value in values:
+        all_values = data.get('values', [])
+
+        # Berechnung der Summe der DC- und AC-Leistungen für jeden Zeitstempel
+        for i in range(len(all_values[0])):  # Annahme, dass alle Listen gleich lang sind
+            sum_dc_power = sum(values[i]['dcPower'] for values in all_values)
+            sum_ac_power = sum(values[i]['power'] for values in all_values)
+            
+            # Erstellen eines ForecastData-Objekts mit den summierten Werten
             forecast = ForecastData(
-                date_time=value.get('datetime'),
-                dc_power=value.get('dcPower'),
-                ac_power=value.get('power'),
-                windspeed_10m=value.get('windspeed_10m'),
-                temperature=value.get('temperature')
+                date_time=all_values[0][i].get('datetime'),
+                dc_power=sum_dc_power,
+                ac_power=sum_ac_power,
+                # Optional: Weitere Werte wie Windspeed und Temperature, falls benötigt
+                windspeed_10m=all_values[0][i].get('windspeed_10m'),
+                temperature=all_values[0][i].get('temperature')
             )
-            self.forecast_data.append(forecast)
+            
+            self.forecast_data.append(forecast)        
+
+        # values = data.get('values', [])[0]
+        # for value in values:
+            # forecast = ForecastData(
+                # date_time=value.get('datetime'),
+                # dc_power=value.get('dcPower'),
+                # ac_power=value.get('power'),
+                # windspeed_10m=value.get('windspeed_10m'),
+                # temperature=value.get('temperature')
+            # )
+            # self.forecast_data.append(forecast)
 
     def load_data_from_file(self, filepath):
         with open(filepath, 'r') as file:

modules/visualize.py

@@ -3,7 +3,7 @@ from modules.class_load_container import Gesamtlast  # Stellen Sie sicher, dass
 import matplotlib.pyplot as plt
 
 
-def visualisiere_ergebnisse(gesamtlast,leistung_haushalt,leistung_wp, pv_forecast, strompreise, ergebnisse, soc_eauto, discharge_hours, laden_moeglich):
+def visualisiere_ergebnisse(gesamtlast,leistung_haushalt,leistung_wp, pv_forecast, strompreise, ergebnisse, soc_eauto, discharge_hours, laden_moeglich, temperature):
     # Last und PV-Erzeugung
     plt.figure(figsize=(14, 10))
     
@@ -70,7 +70,17 @@ def visualisiere_ergebnisse(gesamtlast,leistung_haushalt,leistung_wp, pv_forecas
         ax1.axvspan(hour, hour+1, color='green',ymax=value, alpha=0.3, label='Lademöglichkeit' if hour == 0 else "")
     ax1.legend(loc='upper left')
 
-
+    ax1 = plt.subplot(3, 2, 6)
+    ax1.plot(stunden, temperature, label='Temperatur °C', marker='x')
+    
+    
+    ax2 = ax1.twinx()
+    ax2.plot(stunden, leistung_wp, label='Wärmepumpe W', marker='x')
+    plt.legend(loc='upper left')
+    
+    
+    
+    
     
     
     plt.grid(True)