营销网站的建立,wordpress 外链视频,wordpress 网站登录,wordpress 去掉文章作者 本文参考链接link 负荷持续时间曲线 (Load Duration Curve)#xff0c;是根据实际的符合数据进行降序排序之后得到的一个曲线 这个曲线能够发现负荷在某个区间时#xff0c;将会持续多长时间#xff0c;有助于发电容量的规划
净负荷(net load) 是指预期负荷和预期可再生… 本文参考链接link 负荷持续时间曲线 (Load Duration Curve)是根据实际的符合数据进行降序排序之后得到的一个曲线 这个曲线能够发现负荷在某个区间时将会持续多长时间有助于发电容量的规划
净负荷(net load) 是指预期负荷和预期可再生能源发电量之间的差值净负荷可以帮助规划资源配置
以下是根据caiso在2023年的负荷数据得到的画出四条曲线的代码
import pandas as pd
import numpy as np
# Import the necessaries libraries
import plotly.express as px
import plotly.offline as pyo
pyo.init_notebook_mode()# data_file ./caiso_load_2023_hourly.csv
data_file caiso_load_2023_hourly.csv
data_all pd.read_csv(data_file)load_chron np.array(data_all[load.load])
load_dur np.flip(np.sort(load_chron))
net_load_chron np.array(data_all[net_load])
net_load_dur np.flip(np.sort(net_load_chron))data_plot pd.DataFrame({datetime: pd.Series(pd.date_range(start2023-01-01 01:00:00, end2023-12-31 23:00:00, freqh)),h_count: np.arange(1,len(load_dur)1),load_chron: load_chron,load_dur: load_dur,net_load_chron: net_load_chron,net_load_dur: net_load_dur,
})
label_dict {load_chron: Load in MW,value: Load in MW,datetime: Timestamp,h_count: Hour #
}fig px.line(data_plot, xdatetime, yload_chron, labelslabel_dict)
fig.update_layout(width900, height600)
fig.show()fig px.line(data_plot, xh_count, y[load_chron, load_dur, net_load_chron, net_load_dur], labelslabel_dict)
fig.update_layout(width900, height600, )
fig.update_traces(visiblelegendonly)
fig.show()
