根據 DWD 天氣預報數據確定光伏系統（PV 系統）預期功率輸出的模型。
該程式的基本過程源自 Kilian Knoll「DWDForecast」工具：https://github.com/kilianknoll/DWDForecast 非常感謝您的想法！
使用以下程式庫：
使用 Python > 3.8.1 解釋器建立虛擬環境（Python 3.7.x 可能會導致 pytables 出現問題。）
然後安裝requirements.txt中的軟體包
該實施用於根據光伏系統的測量值驗證預測模型
於是，啟動了以下計劃：
稍後，此驗證的結果將作為生產預測的基線，以安排最佳的利用順序...
其中的目標是最大化自己對自發電的消耗。
因此，預測將設定為定期運行的線程，每 6 小時更新一次預測。然後，預測資料將儲存在 SQL-Library 中，以便在 Node-Red 環境中顯示。
PV逆變器的目前值將定期（例如每分鐘）儲存在InfluxDB中。
天氣預報取自 DWD Mosmix 模型。最接近光電系統位置的站點在configuration.ini 檔案的「DWD」部分中定義。
基本上，出於驗證目的，可以將模擬基於預測數據以及歷史數據（測量值）。歷史數據包括全域輻照以及漫射輻照
由於可用的屋頂面積非常有限，我安裝了一個小型光電系統。
配置：
光電系統的基本配置在 SolarSystem 部分的 configuration.ini 檔案中完成。
DWD Mosmix 預報提供每小時結果中的全球輻射 (ghi) 值。為了運行 PVLIB 模型鏈，還需要漫射水平照射 (dhi) 和直接法向照射 (dni)。
PVLIB 提出了幾個演算法來根據 ghi 確定 dni。這裡我們使用了其中的多個，但 DISC 模型似乎效果很好。
對於 dhi 計算，使用 Erbs 模型。它顯示預測值和測量值（透過 DWD）之間具有良好的一致性。
運行 main.py 後，會產生一個包含小麥資料、輻照度和計算光電系統結果的 csv 檔案。該檔案儲存在「輸出」目錄中。
* 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
