Die Nutzung erneuerbarer Energien, insbesondere der Solarenergie, spielt eine zentrale Rolle im Kampf gegen den Klimawandel. Doch wie viel Energie kann eine Solaranlage in einer bestimmten Stadt und zu einem bestimmten Zeitraum tatsächlich produzieren? Diese Frage habe ich mir gestellt und eine interaktive Anwendung entwickelt, die genau das berechnet und visualisiert.
Der Solar-Energie-Schätzer ermöglicht es Benutzern, eine Stadt auszuwählen, einen Zeitraum festzulegen und die geschätzte Energieproduktion in Form von Heatmaps und Tabellen anzuzeigen. Die Anwendung ist nicht nur für Technikbegeisterte interessant, sondern auch für alle, die sich für erneuerbare Energien und Datenvisualisierung begeistern.
Methodik
Um die Energieproduktion von Solaranlagen zu schätzen, habe ich folgende Schritte durchgeführt:
Datenbeschaffung:
Ich nutze die OpenWeatherMap API, um Wetterdaten wie Bewölkung und Temperatur für die ausgewählte Stadt abzurufen.
Die geografischen Koordinaten (Breitengrad und Längengrad) der Stadt werden verwendet, um die Sonnenposition zu berechnen.
Berechnung der Energieproduktion:
Mit der Pysolar-Bibliothek berechne ich den Solarzenitwinkel, um die Sonneneinstrahlung zu bestimmen.
Die Energieproduktion wird basierend auf der Panel-Effizienz, der Panel-Größe und den Wetterbedingungen geschätzt.
Visualisierung:
Die Ergebnisse werden in Form von Heatmaps (pro Stunde und Tag) und einer Tabelle (Gesamtenergie pro Stadt) dargestellt.
Die Heatmaps verwenden eine Gelb-Rot-Farbpalette, um die Energieproduktion intuitiv darzustellen.
Benutzerfreundlichkeit:
Die Anwendung wurde mit Streamlit entwickelt, um eine interaktive und benutzerfreundliche Oberfläche zu schaffen.
Benutzer können mehrere Städte hinzufügen und die Ergebnisse vergleichen.
Ergebnisse & Learnings
Der Solar-Energie-Schätzer liefert präzise Schätzungen der Energieproduktion für beliebige Städte und Zeiträume. Die Heatmaps und Tabellen ermöglichen es Benutzern, die Ergebnisse einfach zu interpretieren und zu vergleichen.
Key Learnings:
Datenintegration: Die Kombination von Wetterdaten (OpenWeatherMap) und Solarberechnungen (Pysolar) war eine spannende Herausforderung.
Visualisierung: Die Verwendung von Plotly und Streamlit hat gezeigt, wie wichtig eine intuitive Darstellung von Daten ist.
Benutzerinteraktion: Die Möglichkeit, mehrere Städte hinzuzufügen und zu vergleichen, macht die Anwendung besonders wertvoll.
Links zur GitHub-Repo
git@github.com:Hamzasspace/Solar-Energie-Schaetzer-Energieproduktion-visualisieren.git
https://github.com/Hamzasspace/Solar-Energie-Schaetzer-Energieproduktion-visualisieren.git
Team & Rollen
Hamza Hrizi
In alle Schritte des Projekts eingebunden.
Mentor:in
Julia Norget
