Optimierung Entladezustand Akku

modules/class_akku.py

@@ -1,14 +1,26 @@
+import numpy as np
 class PVAkku:
     def __init__(self, kapazitaet_wh):
         # Kapazität des Akkus in Wh
         self.kapazitaet_wh = kapazitaet_wh
         # Initialer Ladezustand des Akkus in Wh
         self.soc_wh = 0
+        self.discharge_array = np.full(24, 1)
+
+    def reset(self):
+        self.soc_wh = 0
+        self.discharge_array = np.full(24, 1)
+        
+    def set_discharge_per_hour(self, discharge_array):
+        assert(len(discharge_array) == 24)
+        self.discharge_array = discharge_array
 
     def ladezustand_in_prozent(self):
         return (self.soc_wh / self.kapazitaet_wh) * 100
 
-    def energie_abgeben(self, wh):
+    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

modules/class_ems.py

@@ -39,6 +39,12 @@ class EnergieManagementSystem:
         self.pv_prognose_wh = pv_prognose_wh
         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_akku_discharge_hours(self, ds):
+        self.akku.set_discharge_per_hour(ds)
+        
+    def reset(self):
+        self.akku.reset()
+        
     def simuliere(self):
         eigenverbrauch_wh_pro_stunde = []
         netzeinspeisung_wh_pro_stunde = []
@@ -67,7 +73,7 @@ class EnergieManagementSystem:
             else:
                 netzeinspeisung_wh_pro_stunde.append(0.0)
                 benötigte_energie = verbrauch - erzeugung
-                aus_akku = self.akku.energie_abgeben(benötigte_energie)
+                aus_akku = self.akku.energie_abgeben(benötigte_energie, stunde)
                 stündlicher_netzbezug_wh = benötigte_energie - aus_akku
                 netzbezug_wh_pro_stunde.append(stündlicher_netzbezug_wh)
                 eigenverbrauch_wh_pro_stunde.append(erzeugung)
@@ -86,7 +92,10 @@ class EnergieManagementSystem:
             'Kosten_Euro_pro_Stunde': kosten_euro_pro_stunde,
             'akku_soc_pro_stunde': akku_soc_pro_stunde,
             'Einnahmen_Euro_pro_Stunde': einnahmen_euro_pro_stunde,
-            'Gesamtkosten_Euro': gesamtkosten_euro
+            'Gesamtbilanz_Euro': gesamtkosten_euro,
+            'Gesamteinnahmen_Euro': sum(einnahmen_euro_pro_stunde),
+            'Gesamtkosten_Euro': sum(kosten_euro_pro_stunde)
+            
         }
 
     # def simuliere(self):

modules/visualize.py

@@ -57,7 +57,12 @@ def visualisiere_ergebnisse(last, pv_forecast, strompreise, ergebnisse):
     # Zusammenfassende Finanzen
     plt.subplot(3, 2, 3)
     gesamtkosten = ergebnisse['Gesamtkosten_Euro']
-    plt.bar('Gesamtkosten', gesamtkosten, color='red' if gesamtkosten > 0 else 'green')
+    gesamteinnahmen = ergebnisse['Gesamteinnahmen_Euro']
+    gesamtbilanz = ergebnisse['Gesamtbilanz_Euro']
+    plt.bar('GesamtKosten', gesamtkosten, color='red' if gesamtkosten > 0 else 'green')
+    plt.bar('GesamtEinnahmen', gesamteinnahmen, color='red' if gesamtkosten > 0 else 'green')
+    plt.bar('GesamtBilanz', gesamtbilanz, color='red' if gesamtkosten > 0 else 'green')
+    
     plt.title('Gesamtkosten')
     plt.ylabel('Euro')
 
@@ -67,3 +72,4 @@ def visualisiere_ergebnisse(last, pv_forecast, strompreise, ergebnisse):
 
     plt.tight_layout()
     plt.show()
+

test.py

@@ -9,8 +9,9 @@ from modules.class_strompreis import *
 from pprint import pprint
 import matplotlib.pyplot as plt
 from modules.visualize import *
-
-
+from deap import base, creator, tools, algorithms
+import numpy as np
+import random
 
 
 date = "2024-02-16"
@@ -18,7 +19,17 @@ akku_size = 1000 # Wh
 year_energy = 2000*1000 #Wh
 einspeiseverguetung_cent_pro_wh = np.full(24, 7/1000.0)
 
+
 akku = PVAkku(akku_size)
+discharge_array = np.full(24,1)
+# discharge_array[12] = 0
+# discharge_array[13] = 0
+# discharge_array[14] = 0
+# discharge_array[15] = 0
+# discharge_array[16] = 0
+# discharge_array[17] = 0
+# discharge_array[18] = 1
+# akku.set_discharge_per_hour(discharge_array)
 
 # Load Forecast
 lf = LoadForecast(filepath=r'load_profiles.npz', year_energy=year_energy)
@@ -40,7 +51,58 @@ specific_date_prices = price_forecast.get_prices_for_date(date)
 # EMS / Stromzähler Bilanz
 ems = EnergieManagementSystem(akku, specific_date_load, pv_forecast, specific_date_prices, einspeiseverguetung_cent_pro_wh)
 o = ems.simuliere()
-pprint(o)
+pprint(o["Gesamtbilanz_Euro"])
+
+
+# Optimierung
+
+# 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()
+    gesamtbilanz = o["Gesamtbilanz_Euro"]
+    #print(individual, " ",gesamtbilanz)
+    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, 24)
+toolbox.register("population", tools.initRepeat, list, toolbox.individual)
+
+toolbox.register("evaluate", evaluate)
+toolbox.register("mate", tools.cxTwoPoint)
+toolbox.register("mutate", tools.mutFlipBit, indpb=0.05)
+toolbox.register("select", tools.selTournament, tournsize=3)
+
+# Genetischer Algorithmus
+def optimize():
+    population = toolbox.population(n=100)
+    hof = tools.HallOfFame(1)
+    
+    stats = tools.Statistics(lambda ind: ind.fitness.values)
+    stats.register("avg", np.mean)
+    stats.register("min", np.min)
+    stats.register("max", np.max)
+    
+    algorithms.eaSimple(population, toolbox, cxpb=0.5, mutpb=0.2, 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()
+pprint(o["Gesamtbilanz_Euro"])
+
 
 
 visualisiere_ergebnisse(specific_date_load, pv_forecast, specific_date_prices, o)