PV Prognose

PV-прогноз

Модель для определения ожидаемой выходной мощности фотоэлектрической системы (PV-системы) на основе данных прогноза погоды DWD.

Основная процедура программы была заимствована из инструмента Kilian Knoll «DWDForecast»: https://github.com/kilianknoll/DWDForecast Большое спасибо за идеи!

Используются следующие библиотеки:

• PVLIB: Библиотека для моделирования фотоэлектрических систем, включая расчет освещенности и т. д. (https://pvlib-python.readthedocs.io/en/stable/)
• wetterdienst: библиотека Python для доступа к модели прогноза DWD (Deutscher Wetter Dienst). (https://pypi.org/project/wetterdienst/)
• Библиотека Pandas, Dataframes используются в качестве базовой модели данных.

Установка

Создайте виртуальную среду с помощью интерпретатора Python > 3.8.1 (Python 3.7.x может вызвать проблемы с таблицами pytables.)

Затем установите пакеты из require.txt.

Цель

Эта реализация используется для проверки модели прогноза на соответствие измеренному значению фотоэлектрической системы.

Поэтому был инициирован следующий план:

• настроить фотоэлектрическую систему, соответствующую моей конфигурации
• получить текущие данные прогноза погоды от DWD на предстоящие 48 часов и использовать данные об облучении для расчета ожидаемой выходной мощности в этом временном диапазоне
• сравнить прогнозируемые данные с производственными данными, предоставленными инвертором (через веб-интерфейс)

Планы на дальнейшее развитие

В дальнейшем результаты этой проверки станут основой для прогноза добычи и определения оптимального порядка использования...

• Загрузка электромобиля
• прачечная
• посудомоечная машина
• ...

где цель состоит в том, чтобы максимизировать собственное потребление самогенерируемой электроэнергии.

Таким образом, прогноз будет настроен как регулярно работающий поток, который будет обновлять прогноз каждые, например, 6 часов. Затем данные прогноза будут сохранены в библиотеке SQL для отображения в среде Node-Red.

Текущие значения фотоэлектрического инвертора будут регулярно (например, ежеминутно) сохраняться в InfluxDB.

Использование инструмента

Конфигурация

Данные прогноза погоды

Прогноз погоды взят из модели DWD Mosmix. Станция, ближайшая к местоположению фотоэлектрической системы, определяется в файле Configuration.ini в разделе «DWD».

По сути, в целях проверки можно основывать моделирование на прогнозных данных, а также на исторических данных (измеренные значения). Исторические данные включают глобальное облучение, а также диффузное облучение.

Моя фотоэлектрическая установка

Поскольку доступная площадь крыши весьма ограничена, у меня установлена ​​небольшая фотоэлектрическая система.

Конфигурация:

• Фотоэлектрические панели: LG LG355N1C,V5, установлены в конфигурации Восток-Запад.
• Установленные панели на крыше восточной стороны (азимут = 101 градус востока): 7 x 355 Вт = 2485 Вт
• Установленные панели на крыше западной стороны (азимут = 281 градус запада): 8 x 355 Вт = 2840 Вт
• Инвертор: Kostal Plenticore Plus 4.2 (4,2 кВтпик)

Базовая конфигурация фотоэлектрической системы выполняется в файле Configuration.ini в разделе SolarSystem.

Проверка

Модели облучения

Прогноз DWD Mosmix предоставляет значения глобального облучения (ghi) в почасовом выражении. Для запуска цепочки моделей PVLIB также требуется диффузное горизонтальное облучение (dhi) и прямое нормальное облучение (dni).

Прямое нормальное облучение (дни)

PVLIB предлагает пару алогрифмов для определения dni из ghi. Здесь мы используем несколько из них, но модель DISC, похоже, работает хорошо.

Диффузное горизонтальное облучение (ДХИ)

Для расчета dhi используется модель Эрбса. Он показал хорошее соответствие прогнозируемых и измеренных (по DWD) значений.

Выходы

CSV-файл со всеми данными

После запуска main.py создается CSV-файл, содержащий данные о погоде, облучении и результатах расчета фотоэлектрической системы. Этот файл хранится в «выходном» каталоге.

Внутренности

DC-Параметры (из исходного кода PVLIB)

    * 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