Mirrors/EOS
1
0
Fork 0
mirror of https://github.com/Akkudoktor-EOS/EOS.git synced 2025-04-19 00:45:22 +00:00
Code Issues Actions 1 Packages Projects Releases Wiki Activity

Neues LFP Modell, die Daten für das Training waren falsch (Auflösung war

Browse Source 
nicht gut)
Ladeeff = 0.8 entlade=1.0 da er sonst versucht das Entladen nach "hinten
zu schieben"
Optimierung weniger Iterationen
This commit is contained in:
Bla Bla 2024-05-01 11:22:26 +02:00
parent 46cf5cc42c
commit 49b2386f98
3 changed files with 13 additions and 4 deletions
Show Stats Download Patch File Download Diff File Expand all files Collapse all files

BIN
battery_model.pkl
View File

Binary file not shown.

11
modules/class_akku.py
View File

@ -108,7 +108,16 @@ class PVAkku:
verluste_wh = geladene_menge_ohne_verlust* (1.0-self.lade_effizienz)
return geladene_menge, verluste_wh
# Zusätzliche Verluste, wenn die Energiezufuhr die Kapazitätsgrenze überschreitet
zusatz_verluste_wh = 0
if effektive_lademenge > geladene_menge_ohne_verlust:
zusatz_verluste_wh = (effektive_lademenge - geladene_menge_ohne_verlust) * self.lade_effizienz
# Gesamtverluste berechnen
gesamt_verluste_wh = verluste_wh + zusatz_verluste_wh
return geladene_menge, gesamt_verluste_wh
# effektive_lademenge = wh * self.lade_effizienz
# self.soc_wh = min(self.soc_wh + effektive_lademenge, self.kapazitaet_wh)

6
modules/class_optimize.py
View File

@ -130,7 +130,7 @@ class optimization_problem:
# Genetischer Algorithmus
def optimize(self,start_solution=None):
population = self.toolbox.population(n=300)
population = self.toolbox.population(n=200)
hof = tools.HallOfFame(1)
stats = tools.Statistics(lambda ind: ind.fitness.values)
@ -144,7 +144,7 @@ class optimization_problem:
population.insert(0, creator.Individual(start_solution))
#algorithms.eaMuPlusLambda(population, self.toolbox, 100, 200, cxpb=0.4, mutpb=0.5, ngen=500, stats=stats, halloffame=hof, verbose=True)
algorithms.eaSimple(population, self.toolbox, cxpb=0.4, mutpb=0.4, ngen=400, stats=stats, halloffame=hof, verbose=True)
algorithms.eaSimple(population, self.toolbox, cxpb=0.4, mutpb=0.4, ngen=100, stats=stats, halloffame=hof, verbose=True)
member = {"bilanz":[],"verluste":[],"nebenbedingung":[]}
for ind in population:
@ -269,7 +269,7 @@ class optimization_problem:
print(o)
visualisiere_ergebnisse(gesamtlast, pv_forecast, specific_date_prices, o,best_solution[0::2],best_solution[1::2] , temperature_forecast, start_hour, self.prediction_hours,einspeiseverguetung_euro_pro_wh,extra_data=extra_data)
os.system("scp visualisierungsergebnisse.pdf andreas@192.168.1.135:")
os.system("cp visualisierungsergebnisse.pdf ~/")
#print(eauto)
return {"discharge_hours_bin":discharge_hours_bin, "eautocharge_hours_float":eautocharge_hours_float ,"result":o ,"eauto_obj":eauto,"start_solution":best_solution,"spuelstart":spuelstart_int}