python - 为什么这个输出辐照度预测值会有些相同?我正在使用 PVLIB 的 GFS 模型。我在这里做错了什么?
问题描述
#这里初始化模式
model = GFS(resolution='half', set_type='latest')
#我要预测辐照度的位置,还有时区
latitude, longitude, tz = 15.134677754177943, 120.63806622424912, 'Asia/Manila'
start = pd.Timestamp(datetime.date.today(), tz=tz)
end = start + pd.Timedelta(days=7)
#从GFS拉取数据
raw_data = model.get_processed_data(latitude, longitude, start, end)
raw_data = pd.DataFrame(raw_data)
data = raw_data
#我们正在使用的光伏系统的描述
system = PVSystem(surface_tilt=10, surface_azimuth=180, albedo=0.2,
module_type = 'glass_polymer',
module=module, module_parameters=module,
temperature_model_parameters=temperature_model_parameters,
modules_per_string=24, strings_per_inverter=32,
inverter=inverter, inverter_parameters=inverter,
racking_model='insulated_back')
#使用模型链
mc = ModelChain(system, model.location, orientation_strategy=None,
aoi_model='no_loss', spectral_model='no_loss',
temp_model='sapm', losses_model='no_loss')
mc.run_model(data);
mc.total_irrad.plot()
plt.ylabel('Plane of array irradiance ($W/m^2$)')
plt.legend(loc='best')
这是它的图片
实际上,我现在几天都得到了相同的辐照度值。所以我相信有问题。我认为至少每天应该有一些不同的价值
解决方案
我认为这些日子看起来都一样的原因是预测数据预测那些日子一直是阴天,所以几天内的值非常相似并不一定有任何“错误”——只是连续几天阴天。看看raw_data['total_clouds']
这个预测的变化有多大(几乎总是 100% 的云量)。另请注意,如果您打印 的实际值mc.total_irrad
,您会发现每天都有一些细微的变化,这些变化太小而无法出现在绘图上。
推荐阅读
- twilio - 如何查看已向 Twilio 电话号码发送退出关键字短信的所有号码?
- excel - 如何在使用 VBA 输入用户后对 MS-Excel 表列进行排序?
- python - 通过 pandas 读取 csv 文件时识别 python 对象
- r - 如何围绕价值创造区域?
- amazon-web-services - AWS ElasticSearch - 红色状态
- javascript - 如何使用 JavaScript 从表中动态获取信息
- java - Eclipse 远程调试不适用于 Weblogic 中的实例
- mongodb - 在两组中求和计数结果
- python - 无法解压缩包含日志文件的 zip
- laravel - 从地址栏中隐藏 URL 路径并仅从站点访问它