Energy Datum es un generador de un sitio web estático que permite visualizar de diferentes maneras el consumo de energía de tu hogar. Nada mejor que verlo para hacerse una idea:
✨ Ver demo ✨
El propósito inicial del proyecto era poder responder, desde un punto de vista económico, a las preguntas:
- ¿Me interesa poner paneles solares en mi casa?
- ¿Cuánto tiempo voy a tardar en amortizar la inversión?
Ya había utilizado algún simulador online, pero no me fiaba de los resultados.
Además, en el camino me han ido surgiendo otro tipo de preguntas que también he considerado interesante responder:
- ¿Tengo la tarifa que mejor se adapta a mis hábitos de consumo?
- ¿Me interesa más una tarifa de 3 tramos, de fin de semana o de precio fijo?
- ¿Me interesa más el mercado regulado o el mercado libre?
- ¿Cuánto habria pagado en el mercado regulado por el consumo de mi último año?
- Si la empresa X me ofrece unas condiciones ¿Cuánto habría pagado si hubiera tenido esas condiciones durante el último año?
- ¿Consumo más energía por la mañana o por la tarde-noche?
- ¿Consumo más energía los fines de semana?
Actualmente el proyecto se encuentra en una versión alpha. Todavía no se responde a la pregunta que dió origen al proyecto, pero sí al resto.
Si te interesa tener respuesta a alguna de estas preguntas, ¡Anímate!
Para los curiosos que echen un ojo al código, he de hacer unas explicaciones sobre el contexto en el que he desarrollado del proyecto. Este proyecto ha sido desarrollado casi íntegramente durante mi permiso de paternidad, mientras estaba yo solo al cargo de mi hija, aprovechando sus siestas. Las siestas de mi hija conmigo, siempre son en la mochila de porteo, y casi siempre con una mano sujetando su cabeza. Así que échale imaginación: de pie (¡Bendito standing desk!), cargando con más de 6kg, balanceándome contínuamente (y normalmente tarareando algo) y sólo con una mano disponible para escribir.
Soy consciente de que el código no es muy bonito de ver, no es nada consistente, hay duplicidades, etc. He primado que sea funcional lo antes posible (¿Recuerdas la pregunta que quiero responder? No quiero que pase de este verano para tomar una decisión). Más adelante, si hay tiempo y ganas, se puede refactorizar. O mejor aún, ¡Hazme una PR con tus mejoras!
Dicho esto, espero que seas algo más considerado antes de emitir un juicio 😉.
Una vez descargado y configurado el proyecto (ver instrucciones aquí), el funcionamiento es sencillo: te descargas de tu distribuidora eléctrica las lecturas del contador, ejecutas un script, y subes los cambios a GitHub. ¡Y ya está! Gracias a GitHub Pages tendrás tu sitio web accesible en https://<TU_USUARIO_GITHUB>.github.io/energydatum/.
He intentado complicarme lo menos posible con la tecnología para que sea fácil de usar y desplegar.
Aún siendo un desarrollador Java, he preferido utilizar Python debido a la variedad de librerías que existen para procesamiento de datos (pyspark, pandas, numpy, etc.).
He usado la versión 3.9 de Python, porque he tenido un problema con python 3.10, PySpark, Pandas, el PyCharm (2021.3.2) en modo debug. Al crear un DataFrame de PySpark, a partir de otro DataFrame de Pandas, que ha sido creado leyendo de un fichero json, PySpark acaba llamando al método
to_recordsdel DataFrame de Pandas. Esto provoca un error deNoneType is not callable. Parece ser (por lo que he leído aquí) que esto se debe a un problema con Python 3.10 y al ejecutar en debug en PyCharm. Al pasar a Python 3.9.12, se soluciona el problema.
Aún siendo una cantidad reducida de datos, he decidido utilizar PySpark porque su sintaxis me parece muy intuitiva, quizás esté influenciado por mi background sql. Creo que Pandas habría encajado mejor y los tiempos de ejecución (dado el volumen de datos) serían considerablemente más bajos, de hecho hice un intento de usarlo, pero finalmente desistí, sentía que no avanzaba a un ritmo adecuado (dado el contexto mencionado anteriormente). Para lo único que uso pandas es para la lectura/escritura de ficheros.
Para la representación de los datos utilizo Plotly, que es una librería python de visualización de datos que permite generar gráficos interactivos de forma muy sencilla y exportarlos en html.
Para la renderización del contenido he optado por html, usando Fomantic UI para darle una apariencia algo "resultona". Desconocía fomantic ui, es un fork de semantic ui, y lo descubrí gracias a DataTables, una librería javascript para la visualización de tablas. También he utilizado Jinja, otra librería python, como motor de templates html y así poder tener una plantilla base con la estructura común a todas las páginas del sitio.
Para implementar cierto dinamismo en las páginas he optado por el clásico JQuery, que me parece muy sencillo de usar (fácil y sencillo, para toda la familia).
Por último, mencionar el uso de Dataframe JS, que es una librería javascript del estilo a pandas, permitiéndome hacer ciertos cálculos de forma dinámica.
| Origen | Descripción |
|---|---|
| API E-SIOS | Precio de la electricidad |
| Datos Madrid - Calendario Laboral | Festivos nacionales |
| Iberdrola Distribución | Consumo eléctrico por horas |
| PVGIS | Radiación solar en un sitio con estimación de producción eléctrica |
- Verifica que cumples con los requisitos
- Haz un fork del repo
- Y si le das 1 ⭐ ¡Genial!
- Configura GitHub Pages en tu repo, sobre la rama
mainy la carpetadocs - Clona tu repo
- Revisa y adapta el fichero de configuración
config.toml - Añade los datos de las lecturas de tu contador en la capeta
import/consumptions- Una vez procesados se mueven automáticamente a
import/consumptions/processed
- Una vez procesados se mueven automáticamente a
- Crea un fichero
.enven la raíz del repo (ver ejemplo justo debajo) - Ejecuta el script
run.cmd- ¡Ten paciencia! La primera vez tardará un rato
- Haz push de los cambios
- ¡Ya está!
- En unos pocos minutos tendrás tu propio sitio Energy Datum disponible en
https://<TU_USUARIO_GITHUB>.github.io/energydatum/
- En unos pocos minutos tendrás tu propio sitio Energy Datum disponible en
Este es contenido que tienes que anadir en el fichero .env:
JAVA_HOME=<JDK_PATH>
SPARK_HOME=<SPARK_PATH>
HADOOP_HOME=<SPARK_PATH>
PYSPARK_PYTHON=<PYTHON_PATH>\python.exe
ESIOS_TOKEN=<TOKEN_ESIOS>
PATH=%PATH%;%HADOOP_HOME%\binEste fichero no debería publicarse nunca en GitHub, porque contiene información sensible. Ya está añadido en el
.gitignore, así que en principio no hay de qué preocuparse.
E-SIOS es una API de REE (Red Eléctrica de España) que permite acceder, entre otros, a los precios de la electricidad en el mercado regulado. Para poder utilizar esta API hay que solicitar un token. La solicitud es sencilla, se envía un email y, en mi caso, en 24h ya tenía el token.
¡Más fácil aún!
- Añade nuevos datos de las lecturas de tu contador en la capeta
import/consumptions - Ejecuta el script
run.cmd - Haz push de los cambios
- ¡Y listo!
- Hay que ser un poco paciente y darle tiempo a GitHub para que procese los cambios
- Recuerda que tu sitio Energy Datum estará disponible en
https://<TU_USUARIO_GITHUB>.github.io/energydatum/
Una vez ejecutado el script run.cmd, ejecuta el script server.cmd. Tendrás el sitio web accesible en http://localhost:80808/energydatum/.
Seguro que echando un ojo a los scripts run.cmd y server.cmd no te cuesta mucho crear unos equivalentes en shell script. Si es el caso, ¡Hazme una PR! 😉
No sé si hay un estándar en el formato de los datos de las lecturas de los contadores. Yo vivo en la Comunidad de Madrid y mi distribuidora es Iberdrola Distribución. En el caso de esta distribuidora, los datos se descargan en formato csv y tienen la siguiente estructura:
CUPS;Fecha;Hora;Consumo_kWh;Metodo_obtencion
<NUMERO_CUPS>;02/06/2020;1;0,275;R
<NUMERO_CUPS>;02/06/2020;2;0,255;R
<NUMERO_CUPS>;02/06/2020;3;0,284;R
<NUMERO_CUPS>;02/06/2020;4;0,293;R
Si tienes otra distribuidora y los datos los tienes en otro formato, por el momento tendrás que transformarlos manualmente en el formato anterior. Puedes abrirme un issue y comentarme en qué otro formato tienes los datos para ver si se podría adaptar el código de forma sencilla y soportar ambos.
Tengo pendiente investigar Datadis, que es una plataforma que centraliza los datos de todas las distribuidoras y además expone un API para poder descargar los datos de forma automática. Desconozco si funciona bien, si tiene todos los datos, la frecuencia de actualización, estabilidad del servicio, etc.
Si la primera vez tienes muchos datos y tu distribuidora no te deja exportarlos de una vez en un único fichero, como ocurre con iberdrola distribución (como máximo te deja exportar 12 meses), no hay problema. En la carpeta import/consumptions puedes depositar tantos ficheros como desees.
Se asume que en una ejecución, los datos de las lecturas no tienen duplicados entre sí. Lo que sí se tiene en cuenta, es que podría haber duplicados con los datos procesados en una ejecución anterior. En este caso, prevalecen los últimos en ser procesados.
Normalmente los valores de la columna hora están comprendidos entre 1 y 24. Sin embargo esto no se cumple los días que se cambia la hora.
Si tienes otra distribuidora, presta atención a cómo registra las lecturas los días que cambia la hora, y si lo hace de otra forma, por el momento tendrás que corregirlo a mano.
Cuando se adelanta la hora (a las 02:00 se pasa a las 03:00, ejemplo: 27/03/2022), estos valores van de 1 a 23. En este caso se incrementa en 1 el valor de la columna hora a partir de la hora 3.
Horas: 0 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23
Lecturas
(sin corregir) 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23
\ \ \ \ \ \ \ \ \ \ \ \ \ \ \ \ \ \ \ \ \
\--- (+1) ---\
\ \ \ \ \ \ \ \ \ \ \ \ \ \ \ \ \ \ \ \ \
(corregido): 1 2 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24
Cuando se retrasa la hora (a las 03:00 se pasa a las 02:00, ejemplo: 31/10/2021), estos valores van de 1 a 25. En este caso se elimina la 4ª lectura y se decrementa en 1 el valor de la columna hora a partir de la hora 4.
Este cambio supone pérdida de datos, pero se asume ya que solo ocurre una vez año.
Horas: 0 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23
Lecturas
(sin corregir) 1 2 3 <4> 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25
/ / / / / / / / / / / / / / / / / / / / /
/--- (-1) ---/
/ / / / / / / / / / / / / / / / / / / / /
(corregido): 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24
Disponer de un contardor de la luz "smart" y tener acceso a sus lecturas.
Necesitarás tener instalado:
¡OJO! Actualmente soy usuario de Windows, así que todas las recomendaciones/comentarios van orientadas a ese SO.
- Java 11 (¿Java? Sí, diría que pyspark lo acaba usando por debajo)
- Te recomiendo la JDK de Azul, ya que permite descargar un fichero comprimido sin instalar nada en el sistema
- Python 3.9.12
- En algún otro punto ya he mencionado los problemas que tuve con Python 3.10
- Spark 3.2.1
- Descargar y descomprimir
- Winutils 3.2
- Descargar
winutils.exeyhadoop.dll, y depositarlos en la carpetabinde Spark
- Descargar
Estas son las versiones que tengo yo, no digo que sean las únicas con las que funcione
Además tendrás que definir la variable de entorno PYTHONHOME, apuntando a la ruta donde hayas instalado python. Y modificar la variable de entorno PATH para incluir %PYTHONHOME% y %PYTHONHOME%\Scripts.
Este es el menú principal del sitio:
En la opción de menú Consumo se disponen de distintas vistas sobre el consumo eléctrico:
La opción Día semana muestra el consumo eléctrico (consumo medio diario y consumo acumulado diario) según el día de la semana, el mes del año y el año. Aquí se un ejemplo del consumo diario medio:
La opción Periodo muestra el consumo eléctrico según los periodos (tramos) de diferentes tarifas (2.0TD, fin de semana y precio fijo). A continuación se muestra un ejemplo de cómo se distribuiría el consumo con una tarifa de 3 periodos. Se puede ver el consumo acumulado de cada uno de los periodos (tramos) de la tarifa en cuestión para los últimos 12 meses. También se puede ver el % que representa cada uno de los periodos con respecto al total.
Pulsando en el icono de información, a la izquierda de cada tarifa, se puede ver el detalle de las horas en las que aplica cada uno de los periodos. Ejemplo para la tarifa 2.0TD:
La opción Diario permite mostrar el consumo de días concretos. Inicialmente no se muestra nada:
Seleccionando un día del calendario y pulsando en el botón '+', se mostrará el consumo del día seleccionado en la gráfica
Pudiendo añadir más de un día al mismo tiempo:
En esta pantalla se pueden confirurar las ofertas recibidas de diferentes compañías comercializadoras (tanto para el precio de compra como para el precio de venta). Estas ofertas (precio de compra) son las que se utilizan en el apartado de costes (explicado más abajo) para hacer una comparativa del coste de la energía consumida. El precio de venta se utiliza en el apartado de Autoconsumo (explicado más abajo) para calcular el precio final teniendo en cuenta la venta de los excedentes.
Esta configuración se guarda en el propio navegador, por lo que si se cambia de navegador o de disposito habrá que volver a introducir la configuración. Existe la opción de exportar la configuración, para evitar tener que volver a introducirla manualmente. También existe la posibilidad de importar la configuración a partir de una URL. Es por esto, que he incluido una copia de la configuración en el repositorio de GitHub, y así poder importarla fácilmente desde cualquier dispositivo.
Existe la posibilidad de introducir los precios finales (habiendo aplicado todos los descuentos) o bien introducir los precios en bruto e indicar el descuento que se tiene. Si se tuvieran varios descuentos (como por ejemplo en mi caso con TotalEnergies), se pueden indicar de la siguiente forma: dto1 > dto2 (ejemplo: 5 > 35, ya que no es lo mismo un 40% que primero un 5% y luego un 35%).
Es recomendable que se metan los precios sin IVA, ya que en el apartado de costes se hace una comparativa con PVPC (mercado regulado), y estos costes vienen sin IVA.
También se muede marcar la oferta que tenemos en uso actualmente. Esto permite mostrarla en el apartado de Precios PVPC (explicado más abajo) y ver cómo evoluciona el precio regulado con respecto a los precios que tenemos actualmente.
¿Tienes otro tipo de tarifa? Te animo a abrir un issue. O mejor aún, ¡Impleméntalo y haz una PR!
Los nombres de las ofertas tienen la estructura: compañía + tipo tarifa + fecha oferta
fix: tarifa de precio fijo | wk: tarifa de fin de semana | 20td: tarifa de 3 tramos
En esta sección se muestra una comparativa de los costes de la energía consumida. En la comparativa se incluye siempre el coste de PVPC, además de las ofertas confuradas en el apartado de configuración.
Para el caso de PVPC, este coste es sin IVA, por lo que, tal y como se ha mencionado anteriormente, es recomendable intruducir los precios de las ofertas sin IVA, para que la comparativa tenga sentido.
En este apartado únicamente se tienen en cuenta los últimos 12 meses con datos. En la imagen se muestran 11, porque la tarifa 2.0TD fue creada un junio del 2021, y en la fecha en la que se hizo la captura de patalla (mayo del 2022, con datos de abril 2021) aún no había 12 meses de datos.
Hasta diciembre del 2021 tuve HolaLuz, y me anunciaron un cambio de precios a partir de enero del 2022, que son los que se ven en morado. A principios de enero del 2022 me cambié a TotalEnergies (tarifa fin de semana - wk), ¡Y menos mal!. En su momento no había desarrollado Energy Datum y me hice un excel guarro para decidir la tarifa. Con Energy Datum habría sido todo más sencillo. Tenía mis dudas entre la tarifa de 3 tramos, la de fin de senana o la de precio fijo. Por lo que ve, dados mis hábitos, poco habrían variado las facturas. He de decir que siempre hemos tenido tarifas con alguna discrinación horaria y estamos habituados a hacer uso de algunos electrodomésticos cuando más nos interesa.
No lo he mencionado hasta ahora, pero todos los gráficos son interactivos: al pasar el ratón por encima se puede ver más detalle, se puede hacr zoom, etc.
En esta opción de menú se puede acceder a diversos datos utilizados en múltiples partes del sitio:
- Se puede consultar el listado de días festivos nacionales, utilizados para los cálculos de consumos por periodos
- Se puede consultar la lista de indicadores de E-SIOS, el API de REE, utilizado para obtener los precios de PVPC
Y también se puede ver la evolución del precio de PVPC, categorizando los precios según los tramos de cada tipo de tarifa. A continuación se muestra un ejemplo de la evolución de precios PVPC categorizados según los periodos de la tarifa de fin de semana (2 tramos). Como esta tarifa es la que tengo marcada en la configuración como 'en uso', me aparece la linea de puntos de referencia.
Se aprecia que el precio que tengo está claramente por debajo del PVPC. Por el momento ¿Cuánto durará? No me importa mucho ya que no tengo ningún tipo de permanencia.
En estas gráficas se muestra tanto el precio medio (línea) como la desviación estándar (franja de color más claro que la línea). Si se hace zoom se aprecia mejor:
En la opción de menú Autoconsumo se disponen de varios apartados relacionados con el autoconsumo, y más esecíficamente con la instalación de paneles solares:
Gracias a estas seccionees se puede respoder a las preguntas que dieron origen a esta proyecto.
En el subapartado de Calibrado se puede ver cuál es la mejor configuración para la instalación de paneles solares. Este apartado es útil si tienes un tejado plano (como es mi caso) y puedes jugar con la inclinación y orientación de los paneles. Si tienes un tejado inclinado y la inclinación y orientación son fijas, en el fichero de configuración (config.yml) deberías indicar los valores de dichos parámetros (angle y aspect, respectivamente), así como desactivar el calibrado mediante el atributo calibrate_angle_and_aspect = false.
- En primer lugar se determina el mejor ángulo de inclinación de los paneles. Para ello se hacen simulaciones de una instalación con 1 kWhp y orientada al sur, y se va variando la inclinación de los paneles, desde los 25º hasta los 50º. Con cada inclinación se hace una estimación de la producción anual de energía y se compara con el consumo real del último año. Se establece una puntuación para cada configuración, tratando de maximizar el autoconsumo y los excedentes.
- A continuación se hace el mismo proceso, pero para la orientación. En este caso se simula una instalación de 1kWhp y con 30º de inclinación, y se hacen simulaciones variando la orientación entre loas 15º oeste y 15º este (con respecto al sur). Se establece una puntuación siguiendo los mismos criteros que antes.
- En último lugar se cogen las 5 mejores configuraciones de cada uno de los dos apartados anteriores, se combinan entre ellas y se vuelven a hacer simulaciones y a puntuarlas.
- Las 10 mejores configuraciones de este último paso, son las que se consideran como las mejores configuraciones, teniendo siempre en cuenta los hábitos de consumo.
Tanto si se han fijado unos parámetros de inclinación y orientación, como si han sido obtenidos mediante calibrado, se hacen simulaciones del comportamiento de la instalación con varias potencias instaladas. Esto se hace indicando en el fichero de configuración una lista de potencias con las que hacer la simulación (ej: peakpower = [ 1.8, 2.25, 2.7, 3.15, 3.6 ]).
En el subapartado Calculadora se puede ver el comportamiento de la instalación con las diferentes potencias instaladas y los diferentes parámetros de inclinación y orientación (si procede).
Al seleccionar una configuración y pulsar sobre el botón de añadir:
Podremos ver varias gráficas:
Una estimación del autoconsumo mes a mes (con los excedentes generados, susceptibles de ser vendidos)
Un agregado anual de esta información:
Es muy fácil hacer comparativas entre las diferentes configuraciones, basta con seleccionar varias:
Las gráficas anteriores se actualizan en consecuencia:
Para cada una de las configuraciones seleccionadas y para cada una de las ofertas configuradas en la sección de Configuración (sólo se tienen en cuenta las ofertas configuradas con algún precio de compra y un precio de venta), se hace un cálculo del coste del consumo sin paneles y con paneles, y por tanto del ahorro conseguido:
También se puede ver el plazo de amortización de las combinaciones anteriores:
Se establece el precio de la instalación (y se configura: vida útil, inflación, descuento ibi):
Cuando la configuración es válida se ven las siguientes gráficas:
En la primera gráfica se ve cómo se va amortizando la inversión a lo largo de la vida útil de la instalación.
En la segunda gráfica se ve el coste en energía sin la instación (línea discontínua), comparado con el coste con la instalación (línea contínua).
🏁 Versión 1.0.0.alpha1
- Visualización del consumo por año
- Visualización del consumo por mes
- Visualización del consumo por día de la semana
- Visualización del consumo por hora del día
- Visualización del consumo por periodo
- Visualización del consumo por día del año
- Visualización del coste de la energía consumida en los últimos 12 meses
- Pantalla de configuración para poder configurar las ofertas recibidas de las comercializadoras
- Visualización de la evolución del precio PVPC
- Visualización de los festivos nacionales
- Visualización de los indicadores de E-SIOS
🏁 Versión 1.0.0.alpha2
- Posibilidad de importar la configuración de una URL (para cargarla directamente desde el GitHub)
- Se añade fichero de configuración en formato TOML para indicar el usuario de github y el nombre del fichero que contiene el backup de la configuración, para así poder construir la URL de descarga
🏁 Versión 1.0.0.alpha2b
- Corregidas URLs de recursos estáticos en sección Indicadores E-SIOS
- Se fuerza el modo Desktop View para dispositivos móviles
🏁 Versión 1.0.0.alpha2c
- Corregido cálculo de los periodos de las tarifas con discrminación horaria
🏁 Versión 1.0.0.alpha3
- La sección Precios PVPC, dividirla en 2 subsecciones: compra y venta
- Implementada lógica para tener en cuenta los cambios de hora en los precios de la electricidad
- Implementada lógica para tener en cuenta los adelantos de hora en los consumos
🏁 Versión 1.0.0.alpha4
- Calibrado de ángulo de inclinación y orientación. Se hace uso de PVGIS. Se añade variable de entorno con las coordenadas geográficas
🏁 Versión 1.0.0.alpha4b
- Descomentado código en
main.py
🏁 Versión 1.0.0.alpha5
- Visualización de estimación de energía generada por meses, bien para las mejores configuraciones del calibrado, o bien para los parámetros indicados en el fichero de configuración
- Visualización de estimación de energía generada anualmente, bien para las mejores configuraciones del calibrado, o bien para los parámetros indicados en el fichero de configuración
- Se tienen en cuenta en el fichero de configuración propiedades para indicar la potencia instalada, orientación, y demás datos necesarios para la estimación de la producción
🏁 Versión 1.0.0.alpha5b
- Visualización del consumo teniendo en cuenta la producción. Se podrá ver la energía sobrante y la que se acaba comprando a la comercializadora. Este cálculo se hará para los últimos 12 meses. Se mostrará una visión mensual y una anual
🏁 Versión 1.0.0.alpha6
- Añadir en la pantalla de configuración la posibilidad de añadir ofertas de compra de electricidad
- En la pantalla Precio PVPC > Compra mostrar la oferta de compra en uso
🏁 versión 1.0.0.beta1
- Visualización del coste con autoconsumo y comparación sin él
- En la pantalla Coste se añade opción para ver el coste con/sin IVA
🏁 versión 1.0.0.beta2
- Visualización del plan de amortización
🏁 versión 1.0.0.beta3
- En la sección de Autoconsumo > Calculadora cambiar la configuración de descuento ibi a nivel general
- En la sección de Autoconsumo > Calculadora añadir visualización con las cantidades pagadas con/sin autoconsumo a lo largo de la vida de la instalación
🏁 versión 1.0.0 🌈
- Añadir documentación de la sección Autoconsumo
- Añadir sección de consejos sobre la instalación de paneles solares video. Listado de marcas de TIER 1. Listado de marcas de inversores.
🏁 versión 1.0.1
- Corregido error cuando no hay calibraciones previas porque no se han realizado nunca y la calibración está deshabilitada
🏁 versión 1.0.2
- Corregido error al recuperar los dias festivos por cambio de formato en origen
- Se refactoriza el codigo para usar la nueva cabecera de autenticacion del API de PVGIS
Algunas ideas que se me van ocurriendo y que todavía no he planificado (ni sé si algún día se planificarán)
- Añadir simulador de facturación
- Se puede seleccionar un rango de fechas para simular la facturación
- He hecho algunas comparativas con facturas reales y hay cosas que no me cuadran (por poco, y a mi favor)
- Estaría bien añadir alguna sección donde documentar esto
- Añadir visualización de la evolución del precio de compra/venta de PVPC en cada hora del día
- Añadir visualización de la evolución de la media móvil del precio de compra/venta de PVPC en cada hora del día
- Registro en Datadis y probar que funciona
- Es un servicio transversal a todas las distribuidoras eléctricas que permite recuperar el consumo eléctrico (de esta forma no habría que descargar los consumos manualmente)
- Añadir la opción de incluir posibles consumos
- Ejemplo: añadir al consumo real, el hipotético consumo de un A/C encendido por las noches entre junio y agosto
- Mejorar logs
- Cambiar
printpor el sistema de logging de python - Añadir más logs
- Cambiar
- Añadir filtro por columnas a las tablas
- Añadir una sección al menú de Datos con el histórico del clima
- Añadir al fichero de configuración
- propiedad para deshabilitar la recuperación de los precios
- propiedad para deshabilitar la recuperación de la generación eléctrica
- propiedad para deshabilitar la recuperación del histórico del clima
- Migrar código Spark (PySpark) a Pandas
- Traducir tablas de datatables a español
- ¿Se puede tener con cualquier comercilizadora precio de mercado libre para la energía comprada y precio de mercado regulado para la vendida?
- ¿Cómo se vende la energía excedente con precio de mercado regulado? ¿Se vende al precio de venta de la hora en la que esa energía sea excedente, o toda la energía excedente se vende al precio medio del mes del precio de venta?