DWD 天気予報データに基づいて太陽光発電システム (PV システム) の予想発電量を決定するモデル。
プログラムの基本的な手順は、Kilian Knoll の「DWDForecast」ツールから派生しています: https://github.com/kilianknoll/DWDForecast アイデアをありがとう!
次のライブラリが使用されます。
Python > 3.8.1 インタープリターを使用して仮想環境を作成します (Python 3.7.x では pytables で問題が発生する可能性があります)。
次に、requirements.txt からパッケージをインストールします。
この実装は、太陽光発電システムからの測定値に対して予測モデルを検証するために使用されます。
そこで、以下のような計画がスタートしました。
その後、この検証の結果は、最適な使用順序をスケジュールするための生産予測のベースラインとなります。
ここでの目標は、自家発電した電力の消費を最大化することです。
したがって、予測は定期的に実行されるスレッドとして設定され、たとえば 6 時間ごとに予測が更新されます。次に、予測データは SQL ライブラリに保存され、Node-Red 環境で表示されます。
PV インバータの現在値は、InfluxDB に定期的に (たとえば、分ごとに) 保存されます。
天気予報は DWD Mosmix モデルから取得されます。太陽光発電システムの場所に最も近いステーションは、configuration.ini ファイルの「DWD」セクションに定義されています。
基本的に、検証の目的で、予測データおよび履歴データ (測定値) に基づいてシミュレーションを行うことができます。過去のデータには、地球規模の日射量と拡散日射量が含まれます。
屋上の利用可能なエリアは非常に限られているため、小型の太陽光発電システムを設置しています。
構成：
太陽光発電システムの基本構成は、SolarSystem セクションのconfiguration.ini ファイルで行われます。
DWD Mosmix 予報は、時間ごとの世界日射量 (ghi) 値を提供します。 PVLIB モデル チェーンを実行するには、拡散水平照射 (dhi) と直接法線照射 (dni) も必要です。
PVLIB は、ghi から dni を決定するためのいくつかのアルゴリズムを考え出します。ここでは複数のモデルを使用していますが、DISC モデルがうまく機能するようです。
dhi の計算には、Erbs モデルが使用されます。予測値と (DWD による) 測定値が良好に一致していることがわかりました。
main.py を実行すると、小麦データ、日射量、および PV システムの計算結果を含む CSV ファイルが生成されます。このファイルは「output」ディレクトリに保存されます。
* i_sc : Short-circuit current (A)
* i_mp : Current at the maximum-power point (A)
* v_oc : Open-circuit voltage (V)
* v_mp : Voltage at maximum-power point (V)
* p_mp : Power at maximum-power point (W)
* i_x : Current at module V = 0.5Voc, defines 4th point on I-V
curve for modeling curve shape
* i_xx : Current at module V = 0.5(Voc+Vmp), defines 5th point on
I-V curve for modeling curve shape
