Mirrors/EOS
1
0
Fork 0
mirror of https://github.com/Akkudoktor-EOS/EOS.git synced 2025-11-04 00:36:21 +00:00
Code Issues Actions 4 Packages Projects Releases Wiki Activity

Update visualize.py

Browse Source 
initial clean up, translations
This commit is contained in:
NormannK
2024-09-20 18:26:46 +02:00
committed by drbacke
parent 06058bc176
commit a1ea125553
1 changed files with 118 additions and 201 deletions
Download Patch File Download Diff File Expand all files Collapse all files

319
modules/visualize.py
View File

@@ -1,276 +1,193 @@
import numpy as np import numpy as np
from modules.class_sommerzeit import *
from modules.class_load_container import Gesamtlast # Stellen Sie sicher, dass dies dem tatsächlichen Importpfad entspricht
import matplotlib
matplotlib.use('Agg') # Setzt das Backend auf Agg
import matplotlib.pyplot as plt import matplotlib.pyplot as plt
from matplotlib.backends.backend_pdf import PdfPages from matplotlib.backends.backend_pdf import PdfPages
from datetime import datetime from datetime import datetime
from modules.class_sommerzeit import * # Ensure this matches the actual import path
from modules.class_load_container import Gesamtlast # Ensure this matches the actual import path
# Set the backend for matplotlib to Agg
import matplotlib
matplotlib.use('Agg')
def visualisiere_ergebnisse(gesamtlast, pv_forecast, strompreise, ergebnisse, discharge_hours, laden_moeglich, temperature, start_hour, prediction_hours,einspeiseverguetung_euro_pro_wh, filename="visualisierungsergebnisse.pdf", extra_data=None): def visualisiere_ergebnisse(gesamtlast, pv_forecast, strompreise, ergebnisse, discharge_hours, laden_moeglich, temperature, start_hour, prediction_hours, einspeiseverguetung_euro_pro_wh, filename="visualization_results.pdf", extra_data=None):
##################### #####################
# 24h # 24-hour visualization
##################### #####################
with PdfPages(filename) as pdf: with PdfPages(filename) as pdf:
# Last und PV-Erzeugung # Load and PV generation
plt.figure(figsize=(14, 14)) plt.figure(figsize=(14, 14))
plt.subplot(3, 3, 1) plt.subplot(3, 3, 1)
stunden = np.arange(0, prediction_hours) hours = np.arange(0, prediction_hours)
gesamtlast_array = np.array(gesamtlast) gesamtlast_array = np.array(gesamtlast)
# Einzellasten plotten # Plot individual loads
#for name, last_array in gesamtlast.lasten.items(): plt.plot(hours, gesamtlast_array, label='Load (Wh)', marker='o')
plt.plot(stunden, gesamtlast_array, label=f'Last (Wh)', marker='o')
# Gesamtlast berechnen und plotten # Calculate and plot total load
gesamtlast_array = np.array(gesamtlast) plt.plot(hours, gesamtlast_array, label='Total Load (Wh)', marker='o', linewidth=2, linestyle='--')
plt.plot(stunden, gesamtlast_array, label='Gesamtlast (Wh)', marker='o', linewidth=2, linestyle='--') plt.xlabel('Hour')
plt.xlabel('Stunde') plt.ylabel('Load (Wh)')
plt.ylabel('Last (Wh)') plt.title('Load Profiles')
plt.title('Lastprofile')
plt.grid(True) plt.grid(True)
plt.legend() plt.legend()
# Electricity prices
# Strompreise hours_p = np.arange(0, len(strompreise))
stundenp = np.arange(0, len(strompreise))
plt.subplot(3, 2, 2) plt.subplot(3, 2, 2)
plt.plot(stundenp, strompreise, label='Strompreis (€/Wh)', color='purple', marker='s') plt.plot(hours_p, strompreise, label='Electricity Price (€/Wh)', color='purple', marker='s')
plt.title('Strompreise') plt.title('Electricity Prices')
plt.xlabel('Stunde des Tages') plt.xlabel('Hour of the Day')
plt.ylabel('Preis (€/Wh)') plt.ylabel('Price (€/Wh)')
plt.legend() plt.legend()
plt.grid(True) plt.grid(True)
# Strompreise # PV forecast
stundenp = np.arange(1, len(strompreise)+1)
plt.subplot(3, 2, 3) plt.subplot(3, 2, 3)
plt.plot(stunden, pv_forecast, label='PV-Erzeugung (Wh)', marker='x') plt.plot(hours, pv_forecast, label='PV Generation (Wh)', marker='x')
plt.title('PV Forecast') plt.title('PV Forecast')
plt.xlabel('Stunde des Tages') plt.xlabel('Hour of the Day')
plt.ylabel('Wh') plt.ylabel('Wh')
plt.legend() plt.legend()
plt.grid(True) plt.grid(True)
# Vergütung # Feed-in remuneration
stundenp = np.arange(0, len(strompreise))
plt.subplot(3, 2, 4) plt.subplot(3, 2, 4)
plt.plot(stunden, einspeiseverguetung_euro_pro_wh, label='Vergütung €/Wh', marker='x') plt.plot(hours, einspeiseverguetung_euro_pro_wh, label='Remuneration (€/Wh)', marker='x')
plt.title('Vergütung') plt.title('Remuneration')
plt.xlabel('Stunde des Tages') plt.xlabel('Hour of the Day')
plt.ylabel('€/Wh') plt.ylabel('€/Wh')
plt.legend() plt.legend()
plt.grid(True) plt.grid(True)
# Temperature forecast
# Temperatur Forecast
plt.subplot(3, 2, 5) plt.subplot(3, 2, 5)
plt.title('Temperatur Forecast °C') plt.title('Temperature Forecast (°C)')
plt.plot(stunden, temperature, label='Temperatur °C', marker='x') plt.plot(hours, temperature, label='Temperature (°C)', marker='x')
plt.xlabel('Stunde des Tages') plt.xlabel('Hour of the Day')
plt.ylabel('°C') plt.ylabel('°C')
plt.legend() plt.legend()
plt.grid(True) plt.grid(True)
pdf.savefig() # Speichert den aktuellen Figure-State im PDF pdf.savefig() # Save the current figure state to the PDF
plt.close() # Schließt die aktuelle Figure, um Speicher freizugeben plt.close() # Close the current figure to free up memory
##################### #####################
# Start_Hour # Start hour visualization
##################### #####################
plt.figure(figsize=(14, 10)) plt.figure(figsize=(14, 10))
if ist_dst_wechsel(datetime.now()): if ist_dst_wechsel(datetime.datetime.now()):
stunden = np.arange(start_hour, prediction_hours-1) hours = np.arange(start_hour, prediction_hours - 1)
else: else:
stunden = np.arange(start_hour, prediction_hours) hours = np.arange(start_hour, prediction_hours)
# print(ist_dst_wechsel(datetime.now())," ",datetime.now()) # Energy flow, grid feed-in, and grid consumption
# print(start_hour," ",prediction_hours," ",stunden)
# print(ergebnisse['Eigenverbrauch_Wh_pro_Stunde'])
# Eigenverbrauch, Netzeinspeisung und Netzbezug
plt.subplot(3, 2, 1) plt.subplot(3, 2, 1)
plt.plot(stunden, ergebnisse['Last_Wh_pro_Stunde'], label='Last (Wh)', marker='o') plt.plot(hours, ergebnisse['Last_Wh_pro_Stunde'], label='Load (Wh)', marker='o')
plt.plot(stunden, ergebnisse['Haushaltsgeraet_wh_pro_stunde'], label='Haushaltsgerät (Wh)', marker='o') plt.plot(hours, ergebnisse['Haushaltsgeraet_wh_pro_stunde'], label='Household Device (Wh)', marker='o')
plt.plot(stunden, ergebnisse['Netzeinspeisung_Wh_pro_Stunde'], label='Netzeinspeisung (Wh)', marker='x') plt.plot(hours, ergebnisse['Netzeinspeisung_Wh_pro_Stunde'], label='Grid Feed-in (Wh)', marker='x')
plt.plot(stunden, ergebnisse['Netzbezug_Wh_pro_Stunde'], label='Netzbezug (Wh)', marker='^') plt.plot(hours, ergebnisse['Netzbezug_Wh_pro_Stunde'], label='Grid Consumption (Wh)', marker='^')
plt.plot(stunden, ergebnisse['Verluste_Pro_Stunde'], label='Verluste (Wh)', marker='^') plt.plot(hours, ergebnisse['Verluste_Pro_Stunde'], label='Losses (Wh)', marker='^')
plt.title('Energiefluss pro Stunde') plt.title('Energy Flow per Hour')
plt.xlabel('Stunde') plt.xlabel('Hour')
plt.ylabel('Energie (Wh)') plt.ylabel('Energy (Wh)')
plt.legend() plt.legend()
# State of charge for batteries
plt.subplot(3, 2, 2) plt.subplot(3, 2, 2)
plt.plot(stunden, ergebnisse['akku_soc_pro_stunde'], label='PV Akku (%)', marker='x') plt.plot(hours, ergebnisse['akku_soc_pro_stunde'], label='PV Battery (%)', marker='x')
plt.plot(stunden, ergebnisse['E-Auto_SoC_pro_Stunde'], label='E-Auto Akku (%)', marker='x') plt.plot(hours, ergebnisse['E-Auto_SoC_pro_Stunde'], label='E-Car Battery (%)', marker='x')
plt.legend(loc='upper left', bbox_to_anchor=(1, 1)) # Legende außerhalb des Plots platzieren plt.legend(loc='upper left', bbox_to_anchor=(1, 1)) # Place legend outside the plot
plt.grid(True, which='both', axis='x') # Grid für jede Stunde plt.grid(True, which='both', axis='x') # Grid for every hour
ax1 = plt.subplot(3, 2, 3) ax1 = plt.subplot(3, 2, 3)
for hour, value in enumerate(discharge_hours): for hour, value in enumerate(discharge_hours):
#if value == 1: ax1.axvspan(hour, hour + 1, color='red', ymax=value, alpha=0.3, label='Discharge Possibility' if hour == 0 else "")
print(hour)
ax1.axvspan(hour, hour+1, color='red',ymax=value, alpha=0.3, label='Entlademöglichkeit' if hour == 0 else "")
for hour, value in enumerate(laden_moeglich): for hour, value in enumerate(laden_moeglich):
#if value == 1: ax1.axvspan(hour, hour + 1, color='green', ymax=value, alpha=0.3, label='Charging Possibility' if hour == 0 else "")
ax1.axvspan(hour, hour+1, color='green',ymax=value, alpha=0.3, label='Lademöglichkeit' if hour == 0 else "")
ax1.legend(loc='upper left') ax1.legend(loc='upper left')
ax1.set_xlim(0, prediction_hours) ax1.set_xlim(0, prediction_hours)
pdf.savefig() # Speichert den aktuellen Figure-State im PDF pdf.savefig() # Save the current figure state to the PDF
plt.close() # Schließt die aktuelle Figure, um Speicher freizugeben plt.close() # Close the current figure to free up memory
# Financial overview
fig, axs = plt.subplots(1, 2, figsize=(14, 10)) # Create a 1x2 grid of subplots
total_costs = ergebnisse['Gesamtkosten_Euro']
total_revenue = ergebnisse['Gesamteinnahmen_Euro']
total_balance = ergebnisse['Gesamtbilanz_Euro']
losses = ergebnisse['Gesamt_Verluste']
plt.grid(True)
fig, axs = plt.subplots(1, 2, figsize=(14, 10)) # Erstellt 1x2 Raster von Subplots
gesamtkosten = ergebnisse['Gesamtkosten_Euro']
gesamteinnahmen = ergebnisse['Gesamteinnahmen_Euro']
gesamtbilanz = ergebnisse['Gesamtbilanz_Euro']
verluste = ergebnisse['Gesamt_Verluste']
# Kosten und Einnahmen pro Stunde auf der ersten Achse (axs[0]) # Costs and revenues per hour on the first axis (axs[0])
axs[0].plot(stunden, ergebnisse['Kosten_Euro_pro_Stunde'], label='Kosten (Euro)', marker='o', color='red') axs[0].plot(hours, ergebnisse['Kosten_Euro_pro_Stunde'], label='Costs (Euro)', marker='o', color='red')
axs[0].plot(stunden, ergebnisse['Einnahmen_Euro_pro_Stunde'], label='Einnahmen (Euro)', marker='x', color='green') axs[0].plot(hours, ergebnisse['Einnahmen_Euro_pro_Stunde'], label='Revenue (Euro)', marker='x', color='green')
axs[0].set_title('Finanzielle Bilanz pro Stunde') axs[0].set_title('Financial Balance per Hour')
axs[0].set_xlabel('Stunde') axs[0].set_xlabel('Hour')
axs[0].set_ylabel('Euro') axs[0].set_ylabel('Euro')
axs[0].legend() axs[0].legend()
axs[0].grid(True) axs[0].grid(True)
# Zusammenfassende Finanzen auf der zweiten Achse (axs[1]) # Summary of finances on the second axis (axs[1])
labels = ['GesamtKosten [€]', 'GesamtEinnahmen [€]', 'GesamtBilanz [€]'] labels = ['Total Costs [€]', 'Total Revenue [€]', 'Total Balance [€]']
werte = [gesamtkosten, gesamteinnahmen, gesamtbilanz] values = [total_costs, total_revenue, total_balance]
colors = ['red' if wert > 0 else 'green' for wert in werte] colors = ['red' if value > 0 else 'green' for value in values]
axs[1].bar(labels, werte, color=colors) axs[1].bar(labels, values, color=colors)
axs[1].set_title('Finanzübersicht') axs[1].set_title('Financial Overview')
axs[1].set_ylabel('Euro') axs[1].set_ylabel('Euro')
# Zweite Achse (ax2) für die Verluste, geteilt mit axs[1] # Second axis (ax2) for losses, shared with axs[1]
ax2 = axs[1].twinx() ax2 = axs[1].twinx()
ax2.bar('GesamtVerluste', verluste, color='blue') ax2.bar('Total Losses', losses, color='blue')
ax2.set_ylabel('Verluste [Wh]', color='blue') ax2.set_ylabel('Losses [Wh]', color='blue')
ax2.tick_params(axis='y', labelcolor='blue') ax2.tick_params(axis='y', labelcolor='blue')
pdf.savefig() # Speichert die komplette Figure im PDF pdf.savefig() # Save the complete figure to the PDF
plt.close() # Schließt die Figure plt.close() # Close the figure
if extra_data != None: # Additional data visualization if provided
plt.figure(figsize=(14, 10)) if extra_data is not None:
plt.subplot(1, 2, 1) plt.figure(figsize=(14, 10))
f1 = np.array(extra_data["verluste"]) plt.subplot(1, 2, 1)
f2 = np.array(extra_data["bilanz"]) f1 = np.array(extra_data["verluste"])
n1 = np.array(extra_data["nebenbedingung"]) f2 = np.array(extra_data["bilanz"])
scatter = plt.scatter(f1, f2, c=n1, cmap='viridis') n1 = np.array(extra_data["nebenbedingung"])
scatter = plt.scatter(f1, f2, c=n1, cmap='viridis')
# Farblegende hinzufügen # Add color legend
plt.colorbar(scatter, label='Nebenbedingung') plt.colorbar(scatter, label='Constraint')
pdf.savefig() # Speichert die komplette Figure im PDF pdf.savefig() # Save the complete figure to the PDF
plt.close() # Schließt die Figure plt.close() # Close the figure
plt.figure(figsize=(14, 10))
plt.figure(figsize=(14, 10)) filtered_losses = np.array([v for v, n in zip(extra_data["verluste"], extra_data["nebenbedingung"]) if n < 0.01])
filtered_verluste = np.array([v for v, n in zip(extra_data["verluste"], extra_data["nebenbedingung"]) if n < 0.01]) filtered_balance = np.array([b for b, n in zip(extra_data["bilanz"], extra_data["nebenbedingung"]) if n < 0.01])
filtered_bilanz = np.array([b for b, n in zip(extra_data["bilanz"], extra_data["nebenbedingung"]) if n< 0.01])
beste_verluste = min(filtered_verluste)
schlechteste_verluste = max(filtered_verluste)
beste_bilanz = min(filtered_bilanz)
schlechteste_bilanz = max(filtered_bilanz)
data = [filtered_verluste, filtered_bilanz] best_loss = min(filtered_losses)
labels = ['Verluste', 'Bilanz'] worst_loss = max(filtered_losses)
# Plot-Erstellung best_balance = min(filtered_balance)
fig, axs = plt.subplots(1, 2, figsize=(10, 6), sharey=False) # Zwei Subplots, getrennte y-Achsen worst_balance = max(filtered_balance)
# Erster Boxplot für Verluste data = [filtered_losses, filtered_balance]
#axs[0].boxplot(data[0]) labels = ['Losses', 'Balance']
axs[0].violinplot(data[0], # Create plots
showmeans=True, fig, axs = plt.subplots(1, 2, figsize=(10, 6), sharey=False) # Two subplots, separate y-axes
showmedians=True)
axs[0].set_title('Verluste')
axs[0].set_xticklabels(['Verluste'])
# Zweiter Boxplot für Bilanz # First violin plot for losses
axs[1].violinplot(data[1], axs[0].violinplot(data[0], showmeans=True, showmedians=True)
showmeans=True, axs[0].set_title('Losses')
showmedians=True) axs[0].set_xticklabels(['Losses'])
axs[1].set_title('Bilanz')
axs[1].set_xticklabels(['Bilanz'])
# Feinabstimmung # Second violin plot for balance
plt.tight_layout() axs[1].violinplot(data[1], showmeans=True, showmedians=True)
axs[1].set_title('Balance')
axs[1].set_xticklabels(['Balance'])
pdf.savefig() # Speichert den aktuellen Figure-State im PDF
plt.close()
# plt.figure(figsize=(14, 10))
# # Kosten und Einnahmen pro Stunde
# plt.subplot(1, 2, 1)
# plt.plot(stunden, ergebnisse['Kosten_Euro_pro_Stunde'], label='Kosten (Euro)', marker='o', color='red')
# plt.plot(stunden, ergebnisse['Einnahmen_Euro_pro_Stunde'], label='Einnahmen (Euro)', marker='x', color='green')
# plt.title('Finanzielle Bilanz pro Stunde')
# plt.xlabel('Stunde')
# plt.ylabel('Euro')
# plt.legend()
# Fine-tuning
plt.tight_layout()
# plt.grid(True) pdf.savefig() # Save the current figure state to the PDF
# #plt.figure(figsize=(14, 10)) plt.close() # Close the figure
# # Zusammenfassende Finanzen
# #fig, ax1 = plt.subplot(1, 2, 2)
# fig, ax1 = plt.subplots()
# gesamtkosten = ergebnisse['Gesamtkosten_Euro']
# gesamteinnahmen = ergebnisse['Gesamteinnahmen_Euro']
# gesamtbilanz = ergebnisse['Gesamtbilanz_Euro']
# labels = ['GesamtKosten [€]', 'GesamtEinnahmen [€]', 'GesamtBilanz [€]']
# werte = [gesamtkosten, gesamteinnahmen, gesamtbilanz]
# colors = ['red' if wert > 0 else 'green' for wert in werte]
# ax1.bar(labels, werte, color=colors)
# ax1.set_ylabel('Euro')
# ax1.set_title('Finanzübersicht')
# # Zweite Achse (ax2) für die Verluste, geteilt mit ax1
# ax2 = ax1.twinx()
# verluste = ergebnisse['Gesamt_Verluste']
# ax2.bar('GesamtVerluste', verluste, color='blue')
# ax2.set_ylabel('Verluste [Wh]', color='blue')
# # Stellt sicher, dass die Achsenbeschriftungen der zweiten Achse in der gleichen Farbe angezeigt werden
# ax2.tick_params(axis='y', labelcolor='blue')
# pdf.savefig() # Speichert den aktuellen Figure-State im PDF
# plt.close() # Schließt die aktuelle Figure, um Speicher freizugeben
# plt.title('Gesamtkosten')
# plt.ylabel('Euro')
# plt.legend()
# plt.grid(True)
# plt.tight_layout()
#plt.show()