Möchte gern meinen Strom per Direktvermarktung verkaufen. Da die Preise am day-ahead Spot Market dann am geringsten sind, wenn die Sonne am meisten scheint, möchte ich tagsüber den Speicher laden, den Teil Eigenverbrauch "reservieren" und den übrig gebliebenen Teil zu den Stunden mit der höchsten Vergütung einspeisen.
Wie kann ich so etwas simulieren, wenn ich auch noch die Sonnenscheindauerprognose mit einbeziehen will. Meine Kenntnisse reichen leider nur bis zur linearen Optimierung. Dafür scheint es mir aber zu komplex. Am Ende soll ein Python Script auf einem Raspi den Wechselrichter mit diesen Daten steuern.
Habe mit wenig Programmierkenntnissen mittels HomeAssistant ein äghnliches Problem gelöst: wie tief entlade ich den Akku, abhängig vom erwarteten Ertrag des Folgetages, um möglichst viel Notstrom-Reserve zu behalten. Dein Problem kannst Du ähnlich sehen: wie tief entlade ich den Akku (also welcher SOC) wenn ich eine gute Einspeisevergütung bekomme. Du musst also in regelmäßigen Intervallen diesen Mindest-SOC berechnen und dann nur dann einspeisen wenn Du drüber bist. Verständlich?
Wir arbeiten gerade an so eine Art von Tool, allerdings arbeiten wir noch bei ein paar Basics, die wir dafür für notwendig halten. Aktuell geht dabei um die PV-Prognose aus Wetterdaten, die wird für den erwartbaren Ertrag benötigen. Als Vorlage und auch mit Unterstützung nutzen wir die Logik von solXpect. Börsenpreise sind easy zu bekommen. Der Rest ist erwarteter Eigenverbrauch und SoC der Batterie. Ich hoffe das wir das Tool in wenigen Wochen vorstellen können.
Ich nutze dafür, ähnlich wie @mager, den ioBroker (Ist bzw. war halt schon bei mir im Einsatz). Hole mir einmal täglich die Preise, berechne die Höchst/Tiefstpreise, vergleiche regelmäßig den aktuellen Preis mit den Berechnungen und lasse entsprechend die Batterie entladen (und speise ein) oder laden. Wobei der Eigenbedarf immer und jederzeit Vorrang hat.
Problem/Offene Fragestellung dabei noch: Ich gehe dabei davon aus, dass bei niedrigen Preisen auch entsprechende PV-Produktion vorhanden ist, so dass die Batterien auch geladen werden können. Ob ich damit - vor allem im Winter - richtig liege muss ich noch sehen. {green}:sweaty:
@nick81 habe vor ca. einem halben Jahr angefangen, eine ähnliche App zu entwickeln. Also PV Prognose, Erfassung und optimale Planung der Verbraucher. Sucht ihr noch Unterstützung für die Entwicklung?
Es wird eine API die mit dynamischen Daten arbeiten kann (Ausrichtung, Größe, Effizienz, Standort für Wetterdaten, Verschattung/Horizont). Die Ergebnisse der Prognose sind wir aktuell am prüfen, sieht grundsätzlich schon ganz gut aus. Das könnte man natürlich dann auch in Homeassistant o.ä. integrieren.
Danke für das Angebot. Aktuell ist die App in node.js geschrieben und umfasst aktuell die Prognose anhand von Wetterdaten open-meteo (DNI, Diffuse, Shortwave und Temperatur) um anhand des Sonnenstandes die Leistung zu errechnen.