mirror of
https://github.com/Akkudoktor-EOS/EOS.git
synced 2025-04-19 08:55:15 +00:00
95b0ec5664
Ein paar Zeitfunktionen korrigiert (24h / 48h) Strompreis Cache stündlich leeren Strompreis bei nur 24h Daten, wird verdoppelt (Prognose fehlt noch)
111 lines
4.8 KiB
Python
111 lines
4.8 KiB
Python
import json
|
|
from datetime import datetime, timedelta, timezone
|
|
import numpy as np
|
|
from pprint import pprint
|
|
|
|
# Lade die .npz-Datei beim Start der Anwendung
|
|
|
|
class LoadForecast:
|
|
def __init__(self, filepath=None, year_energy=None):
|
|
self.filepath = filepath
|
|
self.data = None
|
|
self.data_year_energy = None
|
|
self.year_energy = year_energy
|
|
self.load_data()
|
|
|
|
def get_daily_stats(self, date_str):
|
|
"""
|
|
Gibt den 24-Stunden-Verlauf mit Erwartungswert und Standardabweichung für ein gegebenes Datum zurück.
|
|
|
|
:param data: NumPy Array mit Shape (365, 2, 24), repräsentiert Daten für ein Jahr
|
|
:param date_str: Datum als String im Format "YYYY-MM-DD"
|
|
:return: Ein Array mit Shape (2, 24), enthält Erwartungswerte und Standardabweichungen
|
|
"""
|
|
# Umwandlung des Datums-Strings in ein datetime-Objekt
|
|
date = datetime.strptime(date_str, "%Y-%m-%d")
|
|
|
|
# Berechnung des Tages des Jahres (1 bis 365)
|
|
day_of_year = date.timetuple().tm_yday
|
|
|
|
# Extraktion des 24-Stunden-Verlaufs für das gegebene Datum
|
|
daily_stats = self.data_year_energy[day_of_year - 1] # -1, da die Indizierung bei 0 beginnt
|
|
return daily_stats
|
|
|
|
def get_hourly_stats(self, date_str, hour):
|
|
"""
|
|
Gibt Erwartungswert und Standardabweichung für eine spezifische Stunde eines gegebenen Datums zurück.
|
|
|
|
:param data: NumPy Array mit Shape (365, 2, 24), repräsentiert Daten für ein Jahr
|
|
:param date_str: Datum als String im Format "YYYY-MM-DD"
|
|
:param hour: Spezifische Stunde (0 bis 23)
|
|
:return: Ein Array mit Shape (2,), enthält Erwartungswert und Standardabweichung für die spezifizierte Stunde
|
|
"""
|
|
# Umwandlung des Datums-Strings in ein datetime-Objekt
|
|
date = datetime.strptime(date_str, "%Y-%m-%d")
|
|
|
|
# Berechnung des Tages des Jahres (1 bis 365)
|
|
day_of_year = date.timetuple().tm_yday
|
|
|
|
# Extraktion von Erwartungswert und Standardabweichung für die gegebene Stunde
|
|
hourly_stats = self.data_year_energy[day_of_year - 1, :, hour] # Zugriff auf die spezifische Stunde
|
|
|
|
return hourly_stats
|
|
|
|
def get_stats_for_date_range(self, start_date_str, end_date_str):
|
|
"""
|
|
Gibt die Erwartungswerte und Standardabweichungen für einen Zeitraum zurück.
|
|
|
|
:param start_date_str: Startdatum als String im Format "YYYY-MM-DD"
|
|
:param end_date_str: Enddatum als String im Format "YYYY-MM-DD"
|
|
:return: Ein Array mit den aggregierten Daten für den Zeitraum
|
|
"""
|
|
start_date = datetime.strptime(start_date_str, "%Y-%m-%d")
|
|
end_date = datetime.strptime(end_date_str, "%Y-%m-%d")
|
|
|
|
start_day_of_year = start_date.timetuple().tm_yday
|
|
end_day_of_year = end_date.timetuple().tm_yday
|
|
|
|
# Beachten, dass bei Schaltjahren der Tag des Jahres angepasst werden muss
|
|
stats_for_range = self.data_year_energy[start_day_of_year:end_day_of_year] # -1 da die Indizierung bei 0 beginnt
|
|
# print(start_day_of_year,"-",end_day_of_year)
|
|
# print(stats_for_range.shape)
|
|
stats_for_range =stats_for_range.swapaxes(1, 0)
|
|
|
|
stats_for_range = stats_for_range.reshape(stats_for_range.shape[0],-1)
|
|
# print(stats_for_range.shape)
|
|
# print(stats_for_range)
|
|
# print()
|
|
# print(stats_for_range)
|
|
# print(start_day_of_year, " ",end_day_of_year)
|
|
# Hier kannst du entscheiden, wie du die Daten über den Zeitraum aggregieren möchtest
|
|
# Zum Beispiel könntest du Mittelwerte, Summen oder andere Statistiken über diesen Zeitraum berechnen
|
|
return stats_for_range
|
|
|
|
|
|
|
|
def load_data(self):
|
|
with open(self.filepath, 'r') as file:
|
|
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)
|
|
|
|
def get_price_data(self):
|
|
# load_profiles_exp_l = load_profiles_exp*year_energy
|
|
# load_profiles_std_l = load_profiles_std*year_energy
|
|
|
|
return self.price_data
|
|
|
|
# Beispiel für die Verwendung der Klasse
|
|
if __name__ == '__main__':
|
|
filepath = r'..\load_profiles.npz' # Pfad zur JSON-Datei anpassen
|
|
lf = LoadForecast(filepath=filepath, year_energy=2000)
|
|
#load_forecast = lf.get_price_data
|
|
#
|
|
#price_forecast = HourlyElectricityPriceForecast(filepath)
|
|
specific_date_prices = lf.get_daily_stats('2024-02-16') # Datum anpassen
|
|
specific_date_prices = lf.get_hourly_stats('2024-02-16', 12) # Datum anpassen
|
|
print(specific_date_prices)
|
|
#for price in price_forecast.get_price_data():
|
|
# print(price.get_starts_at(), price.get_total(), price.get_currency())
|