【python】计算太阳辐射(GHI、DNI、DHI)

2024-06-05 02:52

本文主要是介绍【python】计算太阳辐射(GHI、DNI、DHI),希望对大家解决编程问题提供一定的参考价值,需要的开发者们随着小编来一起学习吧!

太阳辐射在许多场景都常有应用,本文将利用pvlib简单计算一下太阳辐射强度。

需要注意的是几个常见的概念,有时会发生混淆:

全球水平辐射(GHI)

全球水平辐射(Global Horizontal Irradiance, GHI)是指单位面积上,垂直于地面接收到的来自太阳的直接辐射和大气散射辐射的总和。

直接法线辐射(DNI)

直接法线辐射(Direct Normal Irradiance, DNI)是指单位面积上,垂直于来自太阳的直接辐射的接收量。与GHI不同,DNI只考虑了太阳直射光,不包括大气散射光。

水平散射辐射(DHI)
水平散射辐射(Diffuse Horizontal Irradiance,DHI)是指在水平面上,仅由天空散射光组成的太阳辐射。这部分辐射来自太阳直射光在大气中被分散后的结果。

事实上pvlib库中采用Ineichen模型用于计算太阳辐射,主要根据林克浑浊系数进行计算。

import pandas as pd
import matplotlib.pyplot as plt
import pvlib
from pvlib.location import Location# 设置地点和时区
latitude, longitude, tz = 40.3, 120.3, 'Asia/Shanghai'
location = Location(latitude, longitude, tz)# 生成一天内每小时的时间序列
times = pd.date_range('2023-12-01 00:00', '2023-12-01 23:59', freq='1h', tz=tz)# 使用pvlib计算太阳位置
solar_position = location.get_solarposition(times)# 计算全球水平面上的辐射量
dni_extra = pvlib.irradiance.get_extra_radiation(times)
airmass = location.get_airmass(solar_position=solar_position)
linke_turbidity = pvlib.clearsky.lookup_linke_turbidity(times, latitude, longitude)
csky = pvlib.clearsky.ineichen(solar_position['apparent_zenith'], airmass['airmass_relative'], linke_turbidity, altitude=location.altitude, dni_extra=dni_extra)# 散射辐射(DHI)
dhi = csky['dhi']# 绘制全球辐射、直接辐射和散射辐射的变化图
plt.figure(figsize=(10, 6))
plt.plot(times, csky['ghi'], label='Global Horizontal Irradiance (GHI)')
plt.plot(times, csky['dni'], label='Direct Normal Irradiance (DNI)')
plt.plot(times, dhi, label='Diffuse Horizontal Irradiance (DHI)')
plt.xlabel('Time')
plt.ylabel('Irradiance (W/m^2)')
plt.title('Irradiance throughout the day')
plt.legend()
plt.xticks(rotation=45)
plt.tight_layout()
plt.show()# 给出一天中最大的辐射值
max_ghi = csky['ghi'].max()
print(f"The maximum global horizontal irradiance is {max_ghi} W/m^2")

这篇关于【python】计算太阳辐射(GHI、DNI、DHI)的文章就介绍到这儿,希望我们推荐的文章对编程师们有所帮助!



http://www.chinasem.cn/article/1031871

相关文章

python: 多模块(.py)中全局变量的导入

文章目录 global关键字可变类型和不可变类型数据的内存地址单模块(单个py文件)的全局变量示例总结 多模块(多个py文件)的全局变量from x import x导入全局变量示例 import x导入全局变量示例 总结 global关键字 global 的作用范围是模块(.py)级别: 当你在一个模块(文件)中使用 global 声明变量时,这个变量只在该模块的全局命名空

【Python编程】Linux创建虚拟环境并配置与notebook相连接

1.创建 使用 venv 创建虚拟环境。例如,在当前目录下创建一个名为 myenv 的虚拟环境: python3 -m venv myenv 2.激活 激活虚拟环境使其成为当前终端会话的活动环境。运行: source myenv/bin/activate 3.与notebook连接 在虚拟环境中,使用 pip 安装 Jupyter 和 ipykernel: pip instal

【机器学习】高斯过程的基本概念和应用领域以及在python中的实例

引言 高斯过程(Gaussian Process,简称GP)是一种概率模型,用于描述一组随机变量的联合概率分布,其中任何一个有限维度的子集都具有高斯分布 文章目录 引言一、高斯过程1.1 基本定义1.1.1 随机过程1.1.2 高斯分布 1.2 高斯过程的特性1.2.1 联合高斯性1.2.2 均值函数1.2.3 协方差函数(或核函数) 1.3 核函数1.4 高斯过程回归(Gauss

poj 1113 凸包+简单几何计算

题意: 给N个平面上的点,现在要在离点外L米处建城墙,使得城墙把所有点都包含进去且城墙的长度最短。 解析: 韬哥出的某次训练赛上A出的第一道计算几何,算是大水题吧。 用convexhull算法把凸包求出来,然后加加减减就A了。 计算见下图: 好久没玩画图了啊好开心。 代码: #include <iostream>#include <cstdio>#inclu

uva 1342 欧拉定理(计算几何模板)

题意: 给几个点,把这几个点用直线连起来,求这些直线把平面分成了几个。 解析: 欧拉定理: 顶点数 + 面数 - 边数= 2。 代码: #include <iostream>#include <cstdio>#include <cstdlib>#include <algorithm>#include <cstring>#include <cmath>#inc

uva 11178 计算集合模板题

题意: 求三角形行三个角三等分点射线交出的内三角形坐标。 代码: #include <iostream>#include <cstdio>#include <cstdlib>#include <algorithm>#include <cstring>#include <cmath>#include <stack>#include <vector>#include <

【学习笔记】 陈强-机器学习-Python-Ch15 人工神经网络(1)sklearn

系列文章目录 监督学习:参数方法 【学习笔记】 陈强-机器学习-Python-Ch4 线性回归 【学习笔记】 陈强-机器学习-Python-Ch5 逻辑回归 【课后题练习】 陈强-机器学习-Python-Ch5 逻辑回归(SAheart.csv) 【学习笔记】 陈强-机器学习-Python-Ch6 多项逻辑回归 【学习笔记 及 课后题练习】 陈强-机器学习-Python-Ch7 判别分析 【学

XTU 1237 计算几何

题面: Magic Triangle Problem Description: Huangriq is a respectful acmer in ACM team of XTU because he brought the best place in regional contest in history of XTU. Huangriq works in a big compa

nudepy,一个有趣的 Python 库!

更多资料获取 📚 个人网站:ipengtao.com 大家好,今天为大家分享一个有趣的 Python 库 - nudepy。 Github地址:https://github.com/hhatto/nude.py 在图像处理和计算机视觉应用中,检测图像中的不适当内容(例如裸露图像)是一个重要的任务。nudepy 是一个基于 Python 的库,专门用于检测图像中的不适当内容。该

pip-tools:打造可重复、可控的 Python 开发环境,解决依赖关系,让代码更稳定

在 Python 开发中,管理依赖关系是一项繁琐且容易出错的任务。手动更新依赖版本、处理冲突、确保一致性等等,都可能让开发者感到头疼。而 pip-tools 为开发者提供了一套稳定可靠的解决方案。 什么是 pip-tools? pip-tools 是一组命令行工具,旨在简化 Python 依赖关系的管理,确保项目环境的稳定性和可重复性。它主要包含两个核心工具:pip-compile 和 pip