Анализ данных солнечной радиации
Концепция
С каждым годом становятся все более доступными для обычных граждан альтернативные источники электроэнергии. Например, солнечная радиация. Цены на солнечные панели снижаются. Поэтому я решила узнать, можно ли с помощью них экономить на обслуживании дачного домика. Для первоначальной оценки целесообразности установки солнечных панелей на дачном участке мы проведем расчет главного показателя эффективности солнечных панелей, а именно прихода солнечной радиации на горизонтальную поверхность.
Источник данных
Для источника данных для расчета я выбрала базу данных NASA. Потому что с её помощью можно получить данные о радиации в любой точке планеты без реальных измерений, благодаря математическим моделям ассимилированных данных.
Обработка результата
Для оценки полученного значения в конце расчета, зададимся нижней границей значения, которое бы нас устроило, при котором ставить солнечные панели будет выгодно. Для этого спросим чат GPT:
Запрос: При каких годовых значениях солнечной радиации на горизонтальную поверхность целесообразно устанавливать солнечные панели для экономии затрат на электроэнергию Ответ: Установка солнечных панелей для экономии затрат на электроэнергию целесообразна при годовых значениях солнечной радиации на горизонтальную поверхность от 1000 кВт-ч/м2 до 2000 кВт-ч/м2 и более. Эти значения гарантируют эффективное производство электроэнергии с помощью солнечных панелей. Однако при правильном проектировании и расположении солнечных панелей, экономия затрат на электроэнергию также может быть достигнута при низких годовых значениях солнечной радиации.
Примем нижнюю границу за 1000 кВт-ч/м2 или 1 МВт-ч/м2.
Получение данных из БД NASA SSE
База данных предоставляет наборы солнечных и метеорологических данных из исследований НАСА, необходимых для анализа работы энергетических объектов на основе возобновляемых источников энергии, повышения энергоэффективности зданий и удовлетворения потребностей сельского хозяйства.
Основные разделы документации: Первым делом стоит обратить внимание на страницу с рекомендациями по работе с данными: https://power.larc.nasa.gov/ -> Data Access Tutorials.
В меню слева доступно несколько полезных текстов:
1. Описание доступных в БД параметров: Parameters -> Dictionary -> Parameter Dictionary 2. Примеры кода со способами получения доступа к данным из интерфейсов прикладного программного обеспеения (API): Service Data Request / API
Выбор точки для оценки солнечного излучения
Запрос: Назови любой административный (город, поселок, деревня) объект РФ Ответ: Краснодар.
Выбор расчетного года
Получили таблицу на 8760 строк, т. е. значения для каждого часа за 2015 год. Теперь преобразуем первый столбец, чтобы вместо номера был сам час. Для этого нам надо получить список всех часов за 2015 год.
Проверка корректности полученных данных
Построим график изменения солнечного излучения (столбец № 7 — ALLSKY_SFC_SW_DWN) за первые сутки года.
Годовой приход радиации
Теперь построим график годового прихода радиации на горизонтальную поверхность.
Годовая сумма радиации
Итог
Получили значение выше нижнего порога, заданного в начале (1,5 МВтч/кв.м > 1 МВтч/кв.м), а это значит, что в Краснодаре солнечные панели могут сэкономить Ваши деньги.
Список использованных источников:
The POWER Project: https://power.larc.nasa.gov/
#pip install mplcyberpunk
import pvlib #библиотека для выбора точки установки import requests #для обращения к сайту import pandas as pd #для анализа данных import datetime #для времени import numpy as np #для математических действий import mplcyberpunk #для красоты import matplotlib.pyplot as plt #для графиков %matplotlib inline
Ссылка на коды: https://docs.google.com/document/d/1Omrf3zqLNONlPXLOlVIEQvTt8P71IJO6KvYk3EqScX8/edit
