Anfangs und Endzustand jeder Stunden berücksichtigt.

This commit is contained in:
Bla Bla
2024-08-31 10:40:07 +02:00
parent 65ecf4cf3c
commit c03d5f386a
4 changed files with 56 additions and 265 deletions

View File

@@ -1,5 +1,17 @@
from datetime import datetime
from pprint import pprint
import numpy as np
def replace_nan_with_none(data):
if isinstance(data, dict):
return {key: replace_nan_with_none(value) for key, value in data.items()}
elif isinstance(data, list):
return [replace_nan_with_none(element) for element in data]
elif isinstance(data, float) and np.isnan(data):
return None
else:
return data
class EnergieManagementSystem:
@@ -58,10 +70,29 @@ class EnergieManagementSystem:
ende = min( len(lastkurve_wh),len(self.pv_prognose_wh), len(self.strompreis_euro_pro_wh))
# Endzustände auf NaN setzen, damit diese übersprungen werden für die Stunde
last_wh_pro_stunde.append(np.nan)
netzeinspeisung_wh_pro_stunde.append(np.nan)
netzbezug_wh_pro_stunde.append(np.nan)
kosten_euro_pro_stunde.append(np.nan)
akku_soc_pro_stunde.append(self.akku.ladezustand_in_prozent())
einnahmen_euro_pro_stunde.append(np.nan)
eauto_soc_pro_stunde.append(self.eauto.ladezustand_in_prozent())
verluste_wh_pro_stunde.append(np.nan)
haushaltsgeraet_wh_pro_stunde.append(np.nan)
# Berechnet das Ende basierend auf der Länge der Lastkurve
for stunde in range(start_stunde, ende):
for stunde in range(start_stunde+1, ende):
# Zustand zu Beginn der Stunde (Anfangszustand)
akku_soc_start = self.akku.ladezustand_in_prozent() # Anfangszustand Akku-SoC
if self.eauto:
eauto_soc_start = self.eauto.ladezustand_in_prozent() # Anfangszustand E-Auto-SoC
# Anpassung, um sicherzustellen, dass Indizes korrekt sind
verbrauch = lastkurve_wh[stunde]
verbrauch = lastkurve_wh[stunde] # Verbrauch für die Stunde
if self.haushaltsgeraet != None:
verbrauch = verbrauch + self.haushaltsgeraet.get_last_fuer_stunde(stunde)
haushaltsgeraet_wh_pro_stunde.append(self.haushaltsgeraet.get_last_fuer_stunde(stunde))
@@ -69,8 +100,8 @@ class EnergieManagementSystem:
haushaltsgeraet_wh_pro_stunde.append(0)
erzeugung = self.pv_prognose_wh[stunde]
strompreis = self.strompreis_euro_pro_wh[stunde] if stunde < len(self.strompreis_euro_pro_wh) else self.strompreis_euro_pro_wh[-1]
verluste_wh_pro_stunde.append(0.0)
verluste_wh_pro_stunde.append(0.0)
# Logik für die E-Auto-Ladung bzw. Entladung
if self.eauto: # Falls ein E-Auto vorhanden ist
@@ -108,7 +139,7 @@ class EnergieManagementSystem:
einnahmen_euro_pro_stunde.append(stündliche_einnahmen_euro)
gesamtkosten_euro = sum(kosten_euro_pro_stunde) - sum(einnahmen_euro_pro_stunde)
gesamtkosten_euro = np.nansum(kosten_euro_pro_stunde) - np.nansum(einnahmen_euro_pro_stunde)
expected_length = ende - start_stunde
array_names = ['Eigenverbrauch_Wh_pro_Stunde', 'Netzeinspeisung_Wh_pro_Stunde', 'Netzbezug_Wh_pro_Stunde', 'Kosten_Euro_pro_Stunde', 'akku_soc_pro_stunde', 'Einnahmen_Euro_pro_Stunde','E-Auto_SoC_pro_Stunde', "Verluste_Pro_Stunde"]
all_arrays = [last_wh_pro_stunde, netzeinspeisung_wh_pro_stunde, netzbezug_wh_pro_stunde, kosten_euro_pro_stunde, akku_soc_pro_stunde, einnahmen_euro_pro_stunde,eauto_soc_pro_stunde,verluste_wh_pro_stunde]
@@ -128,11 +159,13 @@ class EnergieManagementSystem:
'Einnahmen_Euro_pro_Stunde': einnahmen_euro_pro_stunde,
'Gesamtbilanz_Euro': gesamtkosten_euro,
'E-Auto_SoC_pro_Stunde':eauto_soc_pro_stunde,
'Gesamteinnahmen_Euro': sum(einnahmen_euro_pro_stunde),
'Gesamtkosten_Euro': sum(kosten_euro_pro_stunde),
'Gesamteinnahmen_Euro': np.nansum(einnahmen_euro_pro_stunde),
'Gesamtkosten_Euro': np.nansum(kosten_euro_pro_stunde),
"Verluste_Pro_Stunde":verluste_wh_pro_stunde,
"Gesamt_Verluste":sum(verluste_wh_pro_stunde),
"Gesamt_Verluste":np.nansum(verluste_wh_pro_stunde),
"Haushaltsgeraet_wh_pro_stunde":haushaltsgeraet_wh_pro_stunde
}
out = replace_nan_with_none(out)
return out

View File

@@ -154,8 +154,16 @@ class optimization_problem:
final_soc = ems.eauto.ladezustand_in_prozent() # Nimmt den SoC am Ende des Optimierungszeitraums
eauto_roi = max(0,(parameter['eauto_min_soc']-ems.eauto.ladezustand_in_prozent()) )
if (parameter['eauto_min_soc']-ems.eauto.ladezustand_in_prozent()) <= 0.0:
#print (parameter['eauto_min_soc']," " ,ems.eauto.ladezustand_in_prozent()," ",(parameter['eauto_min_soc']-ems.eauto.ladezustand_in_prozent()))
for i in range(0, self.prediction_hours):
if eautocharge_hours_float[i] != 0.0: # Wenn die letzten x Stunden von einem festen Wert abweichen
gesamtbilanz += self.strafe # Bestrafe den Optimierer
eauto_roi = (parameter['eauto_min_soc']-ems.eauto.ladezustand_in_prozent())
individual.extra_data = (o["Gesamtbilanz_Euro"],o["Gesamt_Verluste"], eauto_roi )
@@ -191,7 +199,7 @@ class optimization_problem:
if start_solution is not None and start_solution != -1:
population.insert(0, creator.Individual(start_solution))
algorithms.eaMuPlusLambda(population, self.toolbox, 100, 200, cxpb=0.2, mutpb=0.2, ngen=1000, stats=stats, halloffame=hof, verbose=True)
algorithms.eaMuPlusLambda(population, self.toolbox, mu=200, lambda_=300, cxpb=0.3, mutpb=0.4, ngen=500, stats=stats, halloffame=hof, verbose=True)
#algorithms.eaSimple(population, self.toolbox, cxpb=0.2, mutpb=0.2, ngen=1000, stats=stats, halloffame=hof, verbose=True)
member = {"bilanz":[],"verluste":[],"nebenbedingung":[]}

View File

@@ -113,7 +113,8 @@ def visualisiere_ergebnisse(gesamtlast, pv_forecast, strompreise, ergebnisse, d
plt.subplot(3, 2, 2)
plt.plot(stunden, ergebnisse['akku_soc_pro_stunde'], label='PV Akku (%)', marker='x')
plt.plot(stunden, ergebnisse['E-Auto_SoC_pro_Stunde'], label='E-Auto Akku (%)', marker='x')
plt.legend(loc='upper left')
plt.legend(loc='upper left', bbox_to_anchor=(1, 1)) # Legende außerhalb des Plots platzieren
plt.grid(True, which='both', axis='x') # Grid für jede Stunde
ax1 = plt.subplot(3, 2, 3)
for hour, value in enumerate(discharge_hours):