pvlib_3.py

#
# wczytanie bibliotek
#
import numpy as np
import pandas as pd

import pvlib
from pvlib.pvsystem import PVSystem
from pvlib.location import Location
from pvlib.modelchain import ModelChain
from pvlib.temperature import TEMPERATURE_MODEL_PARAMETERS as PARAMS

import warnings
warnings.filterwarnings(action='ignore')

#
# Określenie lokalizacji instalacji
#
latitute, longitute = 50.84093845231934, 18.908785660900786
tz = 'Europe/Warsaw'
altitude = 315

# utworzenie instancji obiektu lokalizacji instalacji
location = Location(latitute, longitute, tz, altitude)

#
# Budowa instalacji fotowoltaicznej 
#

# wybór bazy urządzeń, a nastepnie inwertera i modułu z bazy danych
cec_inverters = pvlib.pvsystem.retrieve_sam('CECInverter')
sandia_modules = pvlib.pvsystem.retrieve_sam('SandiaMod')
inverter_parameters = cec_inverters['ABB__MICRO_0_25_I_OUTD_US_208__208V_']
module_parameters = sandia_modules['Canadian_Solar_CS5P_220M___2009_']

#model temperaturowy modułu
temp_model_parameters = PARAMS['sapm']['open_rack_glass_polymer']

#konfiguracja instalacji
PV_system = PVSystem(surface_tilt=35, surface_azimuth=180,
                     module_parameters=module_parameters,
                     inverter_parameters = inverter_parameters,
                     temperature_model_parameters = temp_model_parameters
                    )

#
# utworzenie instancji obiektu ModelChain
#
mc = ModelChain(PV_system, location)

#
# Uruchomienie modelu
#

# Pobranie danych pogodowych i przypisanie ich do roku 2020
COERCE_YEAR = 2020
weather, months, input_data, metadata = pvlib.iotools.read_pvgis_tmy('CZ_tmy_2005_2020.csv', map_variables=True)
weather.index = weather.index.map(lambda weather: weather.replace(year = COERCE_YEAR))

#uruchomienie modelowania 
mc.run_model(weather)

import matplotlib.pyplot as plt

plt.figure(figsize=(12,6))
ax = mc.results.dc['p_mp'].resample('D').sum().plot(label = 'moc DC')
mc.results.ac.resample('D').sum().plot(ax=ax, label = 'moc AC')
plt.ylabel('Moc [W]')
plt.xlabel('Miesiące')
plt.title('Różnica w mocy instalacji po stronie DC i AC')
plt.legend()
plt.show()

df_irradiation = pd.DataFrame({
    'ghi': mc.results.weather['ghi'],
    'poa': mc.results.total_irrad['poa_global']
})

df_monthly = df_irradiation.resample('M').sum()
df_monthly.plot.bar(figsize=(12,6))
plt.ylabel('Napromieniowanie słoneczne [Wh/m$^2$]')
plt.xlabel('Miesiące TMY')
plt.xticks([0,1,2,3,4,5,6,7,8,9,10,11], labels = ['styczeń','luty','marzec','kwiecień','maj','czerwiec','lipiec','sierpień','wrzesień', 'październik', 'listopad','grudzień'])
plt.title('Różnica pomiędzy globalnym poziomym napromieniowaniem\n a całkowitym napromienieniem w płaszczyźnie modułu dla poszczególnych miesięcy TMY')
plt.show()