หน้าแรก>การเขียนโปรแกรมที่เกี่ยวข้อง>ซอร์สโค้ดอื่น ๆ
ดาวน์โหลด

PV-พยากรณ์

แบบจำลองเพื่อกำหนดกำลังไฟฟ้าที่คาดหวังของระบบไฟฟ้าโซลาร์เซลล์ (PV-System) ตามข้อมูลพยากรณ์อากาศ DWD

ขั้นตอนพื้นฐานของโปรแกรมได้มาจากเครื่องมือ "DWDForecast" ของ Kilian Knoll: https://github.com/kilianknoll/DWDForecast ขอบคุณมากสำหรับแนวคิด!

มีการใช้ไลบรารีต่อไปนี้:

  • PVLIB: ไลบรารีสำหรับการสร้างแบบจำลองระบบไฟฟ้าโซลาร์เซลล์ รวมถึงการคำนวณการแผ่รังสี ฯลฯ (https://pvlib-python.readthedocs.io/en/stable/)
  • wetterdienst: ไลบรารี Python เพื่อเข้าถึงโมเดลการคาดการณ์ DWD (Deutscher Wetter Dienst) (https://pypi.org/project/wetterdienst/)
  • Pandas Library, Dataframes ถูกใช้เป็นแบบจำลองข้อมูลพื้นฐาน

การติดตั้ง

สร้างสภาพแวดล้อมเสมือนจริงโดยใช้ล่าม Python > 3.8.1 (Python 3.7.x อาจทำให้เกิดปัญหากับ pytables)

จากนั้นติดตั้งแพ็คเกจจาก Requirements.txt

วัตถุประสงค์

การใช้งานนี้ใช้ในการตรวจสอบแบบจำลองการคาดการณ์กับค่าที่วัดได้จากระบบ PV

จึงได้ริเริ่มแผนงานดังต่อไปนี้

  • ตั้งค่าระบบ PV ที่แสดงถึงการกำหนดค่าของฉัน
  • รับข้อมูลพยากรณ์สภาพอากาศปัจจุบันจาก DWD ในอีก 48 ชั่วโมงข้างหน้า และใช้ข้อมูลการฉายรังสีเพื่อคำนวณกำลังไฟฟ้าที่คาดหวังในช่วงเวลานี้
  • เปรียบเทียบข้อมูลที่คาดการณ์กับข้อมูลการผลิตที่ได้รับจากอินเวอร์เตอร์ (ผ่าน Web-Frontend)

แผนการพัฒนาต่อไป

ต่อมา ผลลัพธ์ของการตรวจสอบนี้จะเป็นพื้นฐานสำหรับการคาดการณ์การผลิตเพื่อจัดกำหนดการลำดับการใช้ประโยชน์ของ...

  • การบรรทุกรถยนต์ไฟฟ้า
  • ซักรีด
  • เครื่องล้างจาน
  • -

โดยที่เป้าหมายคือการเพิ่มการบริโภคไฟฟ้าที่สร้างขึ้นเองให้เกิดประโยชน์สูงสุด

ดังนั้นการคาดการณ์จะถูกตั้งค่าเป็นเธรดที่ทำงานเป็นประจำซึ่งจะอัปเดตการคาดการณ์แต่ละครั้ง เช่น 6 ชั่วโมง จากนั้น ข้อมูลการคาดการณ์จะถูกจัดเก็บไว้ใน SQL-Library เพื่อแสดงในสภาพแวดล้อม Node-Red

ค่าปัจจุบันของอินเวอร์เตอร์ PV จะถูกจัดเก็บเป็นประจำ (เช่น รายนาที) ใน InfluxDB

การใช้เครื่องมือ

การกำหนดค่า

ข้อมูลพยากรณ์อากาศ

พยากรณ์อากาศนำมาจากแบบจำลอง DWD Mosmix สถานีที่ใกล้กับตำแหน่งของระบบ PV มากที่สุดถูกกำหนดไว้ในไฟล์ configuration.ini ในส่วน "DWD"

โดยพื้นฐานแล้ว เพื่อจุดประสงค์ในการตรวจสอบความถูกต้อง เป็นไปได้ที่จะสร้างการจำลองตามข้อมูลการคาดการณ์ตลอดจนข้อมูลในอดีต (ค่าที่วัดได้) ข้อมูลในอดีตรวมถึงการฉายรังสีทั่วโลกและการฉายรังสีแบบกระจาย

การติดตั้ง PV ของฉัน

เนื่องจากพื้นที่ดาดฟ้าที่มีอยู่ค่อนข้างจำกัด ฉันจึงติดตั้งระบบ PV ขนาดเล็กไว้

การกำหนดค่า:

  • แผงเซลล์แสงอาทิตย์: LG LG355N1C,V5 ได้รับการติดตั้งเป็นแบบตะวันออก-ตะวันตก
  • แผงที่ติดตั้งบนหลังคาฝั่งตะวันออก (ราบ = 101 องศาตะวันออก): 7 x 355 W = 2485 W
  • แผงติดตั้งบนหลังคาด้านทิศตะวันตก (ราบ = 281 องศาตะวันตก): 8 x 355 W = 2840 W
  • อินเวอร์เตอร์: Kostal Plenticore Plus 4.2 (4.2 kWp)

การกำหนดค่าพื้นฐานของระบบ PV เสร็จสิ้นในไฟล์ configuration.ini ในส่วน SolarSystem

การยืนยัน

แบบจำลองการฉายรังสี

การคาดการณ์ DWD Mosmix ให้ค่าการฉายรังสีทั่วโลก (ghi) ในการสรุปใหม่รายชั่วโมง ในการรัน PVLIB Model Chain ยังจำเป็นต้องมีการฉายรังสีแนวนอนแบบกระจาย (dhi) และการฉายรังสีโดยตรงแบบปกติ (dni) ด้วย

การฉายรังสีโดยตรงแบบปกติ (dni)

PVLIB มาพร้อมกับอะลอกริทึมสองสามตัวเพื่อกำหนด dni จาก ghi ที่นี่เราใช้หลายอัน แต่โมเดล DISC ดูเหมือนว่าจะทำงานได้ดี

การฉายรังสีแนวนอนแบบกระจาย (dhi)

สำหรับการคำนวณ dhi จะใช้แบบจำลอง Erbs แสดงให้เห็นความสอดคล้องที่ดีระหว่างค่าที่คาดการณ์และค่าที่วัดได้ (ตาม DWD)

เอาท์พุต

ไฟล์ CSV พร้อมข้อมูลทั้งหมด

หลังจากรัน main.py ไฟล์ csv จะเก็บข้อมูลข้าวสาลี การฉายรังสี และผลลัพธ์ของระบบ PV ที่คำนวณ ไฟล์นี้ถูกเก็บไว้ในไดเร็กทอรี "output"

ภายใน

DC-พารามิเตอร์ (จากซอร์สโค้ด 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
ขยาย
ข้อมูลเพิ่มเติม
แอปที่เกี่ยวข้อง
แนะนำสำหรับคุณ
ข้อมูลที่เกี่ยวข้อง ทั้งหมด