Last Container zum Vereinheitlichen und Bugfixes

modules/class_ems.py

@@ -1,6 +1,6 @@
 from datetime import datetime
 from pprint import pprint
-
+from modules.class_generic_load import *
 
 
 class EnergieManagementSystem:
@@ -11,10 +11,6 @@ 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
    
-        # 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

modules/class_heatpump.py

@@ -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)

modules/class_load.py

@@ -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

modules/class_load_container.py

@@ -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)

modules/class_pv_forecast.py

@@ -31,10 +31,12 @@ 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:
@@ -42,6 +44,11 @@ class PVForecast:
         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):
         self.meta = data.get('meta', {})
@@ -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
@@ -124,12 +133,13 @@ class PVForecast:
 
         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())
+

modules/class_strompreis.py

@@ -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)

modules/visualize.py

@@ -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))
     

test.py

@@ -7,6 +7,8 @@ from  modules.class_pv_forecast import *
 from modules.class_akku import *
 from modules.class_strompreis import *
 from modules.class_heatpump import * 
+from modules.class_generic_load import *
+from modules.class_load_container import * 
 from pprint import pprint
 import matplotlib.pyplot as plt
 from modules.visualize import *
@@ -16,8 +18,9 @@ import random
 import os
 
 
+
 prediction_hours = 48
-date = (datetime.now().date() + timedelta(days=1)).strftime("%Y-%m-%d")
+date = (datetime.now().date() + timedelta(hours = prediction_hours)).strftime("%Y-%m-%d")
 date_now = datetime.now().strftime("%Y-%m-%d")
 
 akku_size = 30000 # Wh
@@ -25,16 +28,28 @@ year_energy = 2000*1000 #Wh
 einspeiseverguetung_cent_pro_wh = np.full(prediction_hours, 7/(1000.0*100.0)) # € / Wh
 
 max_heizleistung = 1000  # 5 kW Heizleistung
-wp = Waermepumpe(max_heizleistung)
+wp = Waermepumpe(max_heizleistung,prediction_hours)
 
 akku = PVAkku(akku_size,prediction_hours)
 discharge_array = np.full(prediction_hours,1)
 
+
+#Gesamtlast
+#############
+gesamtlast = Gesamtlast()
+
+
 # Load Forecast
 ###############
 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()
+gesamtlast.hinzufuegen("Haushalt", leistung_haushalt)
+
+# Generic Load
+##############
+# zusatzlast1 = generic_load()
+# zusatzlast1.setze_last(24+12, 0.5, 2000)  # Startet um 1 Uhr, dauert 0.5 Stunden, mit 2 kW
 
 
 # PV Forecast
@@ -42,10 +57,10 @@ leistung_haushalt = lf.get_stats_for_date_range(date_now,date)[0,...].flatten()
 #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")
 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)
 
 
+
 # Strompreise
 ###############
 filepath = os.path.join (r'test_data', r'strompreise_akkudokAPI.json')  # Pfad zur JSON-Datei anpassen
@@ -54,18 +69,25 @@ price_forecast = HourlyElectricityPriceForecast(source="https://api.akkudoktor.n
 specific_date_prices = price_forecast.get_price_for_daterange(date_now,date)
 
 # WP
+##############
 leistung_wp = wp.simulate_24h(temperature_forecast)
+gesamtlast.hinzufuegen("Heatpump", leistung_wp)
 
-# LOAD
-load = leistung_haushalt + leistung_wp
-
+# print(gesamtlast.gesamtlast_berechnen())
+# sys.exit()
 
 # EMS / Stromzähler Bilanz
-ems = EnergieManagementSystem(akku, load, pv_forecast, specific_date_prices, einspeiseverguetung_cent_pro_wh)
+ems = EnergieManagementSystem(akku, gesamtlast.gesamtlast_berechnen(), pv_forecast, specific_date_prices, einspeiseverguetung_cent_pro_wh)
+
+
 o = ems.simuliere_ab_jetzt()
 pprint(o)
 pprint(o["Gesamtbilanz_Euro"])
-#sys.exit()
+
+visualisiere_ergebnisse(gesamtlast.gesamtlast_berechnen(),leistung_haushalt,leistung_wp, pv_forecast, specific_date_prices, o)
+
+
+sys.exit()
 
 # Optimierung