Mirrors/EOS
1
0
Fork 0
mirror of https://github.com/Akkudoktor-EOS/EOS.git synced 2025-08-25 15:01:14 +00:00
Code Issues Actions 1 Packages Projects Releases Wiki Activity

Last Container zum Vereinheitlichen und Bugfixes

Browse Source
This commit is contained in:
Bla Bla
2024-03-03 10:03:32 +01:00
parent e152bb0f48
commit 9e20df9edc
8 changed files with 103 additions and 27 deletions
Download Patch File Download Diff File Expand all files Collapse all files

11
modules/class_ems.py
View File

@@ -1,6 +1,6 @@
from datetime import datetime
from pprint import pprint
from modules.class_generic_load import *
class EnergieManagementSystem:
@@ -10,11 +10,7 @@ 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
# print("\n\nLastprognose:",self.lastkurve_wh.shape)
# print("PV Prognose:",self.pv_prognose_wh.shape)
# print("Preis Prognose:",self.strompreis_cent_pro_wh.shape)
# sys.exit()
def set_akku_discharge_hours(self, ds):
self.akku.set_discharge_per_hour(ds)
@@ -42,6 +38,9 @@ class EnergieManagementSystem:
einnahmen_euro_pro_stunde = []
akku_soc_pro_stunde = []
#print(gesamtlast_pro_stunde)
#sys.exit()
ende = min( len(self.lastkurve_wh),len(self.pv_prognose_wh), len(self.strompreis_cent_pro_wh))
#print(ende)
# Berechnet das Ende basierend auf der Länge der Lastkurve

8
modules/class_heatpump.py
View File

@@ -5,8 +5,9 @@ from pprint import pprint
# Lade die .npz-Datei beim Start der Anwendung
class Waermepumpe:
def __init__(self, max_heizleistung):
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
@@ -26,6 +27,11 @@ class Waermepumpe:
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)

2
modules/class_load.py
View File

@@ -79,7 +79,7 @@ class LoadForecast:
data = np.load(self.filepath)
self.data = np.array(list(zip(data["yearly_profiles"],data["yearly_profiles_std"])))
self.data_year_energy = self.data * self.year_energy
pprint(self.data_year_energy)
#pprint(self.data_year_energy)
def get_price_data(self):
# load_profiles_exp_l = load_profiles_exp*year_energy

35
modules/class_load_container.py Normal file
View File

@@ -0,0 +1,35 @@
import json
from datetime import datetime, timedelta, timezone
import numpy as np
from pprint import pprint
class Gesamtlast:
def __init__(self):
self.lasten = {} # Enthält Namen und Lasten-Arrays für verschiedene Quellen
def hinzufuegen(self, name, last_array):
"""
Fügt ein Array von Lasten für eine bestimmte Quelle hinzu.
:param name: Name der Lastquelle (z.B. "Haushalt", "Wärmepumpe")
:param last_array: Array von Lasten, wobei jeder Eintrag einer Stunde entspricht
"""
self.lasten[name] = last_array
def gesamtlast_berechnen(self):
"""
Berechnet die gesamte Last für jede Stunde und gibt ein Array der Gesamtlasten zurück.
:return: Array der Gesamtlasten, wobei jeder Eintrag einer Stunde entspricht
"""
if not self.lasten:
return []
# Annahme: Alle Lasten-Arrays haben die gleiche Länge
stunden = len(next(iter(self.lasten.values())))
gesamtlast_array = [0] * stunden
for last_array in self.lasten.values():
gesamtlast_array = [gesamtlast + stundenlast for gesamtlast, stundenlast in zip(gesamtlast_array, last_array)]
return np.array(gesamtlast_array)

29
modules/class_pv_forecast.py
View File

@@ -31,16 +31,23 @@ class ForecastData:
return self.temperature
class PVForecast:
def __init__(self, filepath=None, url=None, cache_dir='cache'):
def __init__(self, filepath=None, url=None, cache_dir='cache', prediction_hours = 48):
self.meta = {}
self.forecast_data = []
self.cache_dir = cache_dir
self.prediction_hours = prediction_hours
if not os.path.exists(self.cache_dir):
os.makedirs(self.cache_dir)
if filepath:
self.load_data_from_file(filepath)
elif url:
self.load_data_with_caching(url)
# Überprüfung nach dem Laden der Daten
if len(self.forecast_data) < self.prediction_hours:
raise ValueError(f"Die Vorhersage muss mindestens {self.prediction_hours} Stunden umfassen, aber es wurden nur {len(self.forecast_data)} Stunden vorhergesagt.")
def process_data(self, data):
@@ -72,7 +79,9 @@ class PVForecast:
self.load_data_from_url(url)
def load_data_with_caching(self, url):
cache_file = os.path.join(self.cache_dir, self.generate_cache_filename(url))
date = datetime.now().strftime("%Y-%m-%d")
cache_file = os.path.join(self.cache_dir, self.generate_cache_filename(url,date))
if os.path.exists(cache_file):
with open(cache_file, 'r') as file:
data = json.load(file)
@@ -89,11 +98,11 @@ class PVForecast:
return
self.process_data(data)
def generate_cache_filename(self, url):
def generate_cache_filename(self, url,date):
# Erzeugt einen SHA-256 Hash der URL als Dateinamen
hash_object = hashlib.sha256(url.encode())
hex_dig = hash_object.hexdigest()
return f"cache_{hex_dig}.json"
cache_key = hashlib.sha256(f"{url}{date}".encode('utf-8')).hexdigest()
#cache_path = os.path.join(self.cache_dir, cache_key)
return f"cache_{cache_key}.json"
def get_forecast_data(self):
return self.forecast_data
@@ -121,15 +130,16 @@ class PVForecast:
start_date = datetime.strptime(start_date_str, "%Y-%m-%d").date()
end_date = datetime.strptime(end_date_str, "%Y-%m-%d").date()
date_range_forecast = []
for data in self.forecast_data:
data_date = datetime.strptime(data.get_date_time(), "%Y-%m-%dT%H:%M:%S.%f%z").date()
#print(data.get_date_time())
if start_date <= data_date <= end_date:
date_range_forecast.append(data)
ac_power_forecast = np.array([data.get_ac_power() for data in date_range_forecast])
return ac_power_forecast
return np.array(ac_power_forecast)[:self.prediction_hours]
def get_temperature_for_date_range(self, start_date_str, end_date_str):
start_date = datetime.strptime(start_date_str, "%Y-%m-%d").date()
@@ -143,7 +153,7 @@ class PVForecast:
forecast_data = date_range_forecast
temperature_forecast = [data.get_temperature() for data in forecast_data]
return np.array(temperature_forecast)
return np.array(temperature_forecast)[:self.prediction_hours]
@@ -154,3 +164,4 @@ if __name__ == '__main__':
forecast = PVForecast(r'..\test_data\pvprognose.json')
for data in forecast.get_forecast_data():
print(data.get_date_time(), data.get_dc_power(), data.get_ac_power(), data.get_windspeed_10m(), data.get_temperature())

2
modules/class_strompreis.py
View File

@@ -54,7 +54,7 @@ class HourlyElectricityPriceForecast:
while start_date <= end_date:
date_str = start_date.strftime("%Y-%m-%d")
daily_prices = self.get_price_for_date(date_str)
print(len(self.get_price_for_date(date_str)))
#print(len(self.get_price_for_date(date_str)))
if daily_prices.size > 0:
price_list.extend(daily_prices)
start_date += timedelta(days=1)

5
modules/visualize.py
View File

@@ -3,8 +3,11 @@ import matplotlib.pyplot as plt
def visualisiere_ergebnisse(last,leistung_haushalt,leistung_wp, pv_forecast, strompreise, ergebnisse):
stunden = np.arange(1, len(last)+1) # 1 bis 24 Stunden
#print(last)
stunden = np.arange(1, len(last)+1) # 1 bis 24 Stunden
# Last und PV-Erzeugung
plt.figure(figsize=(14, 10))