Open Source
Beiträge zur Verbesserung und Weiterentwicklung der Modelle und Kommentare und Feedback sind jederzeit herzlich willkommen!
Kontaktieren Sie unser Projektteam oder übermitteln Sie direkt ein pull request auf GitHub.
| FINE Das FINE Python-Paket stellt ein Framework zur Modellierung, Optimierung und Analyse von Energiesystemen bereit. Dabei können verschiedene räumliche verteilte Technologieportfolios mit einer diskreten zeitlichen Auflösung betrachtet werden. Das Ziel der Optimierung ist die Minimierung der annualisierten Gesamtkosten unter Berücksichtigung von technischen und ökologischen Nebenbedingungen. Dabei können zeitlich hochaufgelöste Zeitreihen Nachfrage- und Einspeiseprofile verwendet werden, welche jedoch auch automatisiert zu Typperioden aggregiert werden können um die benötigte Rechenzeit des Modells zu reduzieren. Eine auf Superposition basierende Speichermodellierung gewährt dabei weiterhin die adäquate Berücksichtigung von saisonalen Speichern. |
| GLAES GLAES ist ein Framework zur Landnutzungsanalyse und wurde erschaffen, um auf einfach verschiedenste räumliche Informationen aus einer Vielzahl an Datenquellen in eine einheitliche Lösung zu integrieren. Der Hauptzweck von GLAES ist die Bewertung der territorialen Eignung und Potentialabschätzung von erneuerbaren Energien wie Onshore-Windparks und Photovoltaik-Freiflächen. |
| tsam tsam ist ein Python-Paket, das verschiedene Algorithmen maschinellen Lernens für die Aggregation von Zeitreihen zu Typperioden verwendet. Es kann für alle Formen von Zeitreihen verwendet werden, so zum Beispiel Wetterdaten, Nachfrageprofilen oder beiden gleichzeitig. Das Modul ist in der Lage, die Input-Zeitreihen für Energiesystemmodelle und damit die Modellkomplexität sowie die zur Lösung des Optimierungsproblems benötigte Rechenzeit signifikant zu reduzieren. |
