iwugermany / dibs---dynamic-iso-building-simulator Goto Github PK

Hi,

I was wondering if the python model can be used for a multi-zone hourly simulation as well (and if you have an example of this, e.g. with 2 zones)?

Best,
Matthias

Anaconda env
pandas 2.0.3

Beim starten von annualSimulation.py nach Anleitung bekomme ich ein "IndexError: single positional indexer is out-of-bounds"

Volle Meldung:
`Traceback (most recent call last):

File ~\Anaconda3\envs\DIBS\lib\site-packages\spyder_kernels\py3compat.py:356 in compat_exec
exec(code, globals, locals)

File c:\users\hartmut\dibs---dynamic-iso-building-simulator\iso_simulator\annualsimulation\annualsimulation.py:635
f_GHG = f_GHG.iloc[0] # Selects first row (0) value

File ~\Anaconda3\envs\DIBS\lib\site-packages\pandas\core\indexing.py:1103 in getitem
return self._getitem_axis(maybe_callable, axis=axis)

File ~\Anaconda3\envs\DIBS\lib\site-packages\pandas\core\indexing.py:1656 in _getitem_axis
self._validate_integer(key, axis)

File ~\Anaconda3\envs\DIBS\lib\site-packages\pandas\core\indexing.py:1589 in _validate_integer
raise IndexError("single positional indexer is out-of-bounds")

IndexError: single positional indexer is out-of-bounds`

Soweit ich das nachvollziehen kann:
Zeile 635
f_GHG = f_GHG.iloc[0]
scheint bei Fueltype = 'None' den error zu erzeugen

Zeile 627
setzt man Fueltype = 'NoCooling' läuft es

Edit: Zeilen ergänzt

Ich habe ein Problem entdeckt, als ich DIBS zur Simulation der Solarstromerzeugung in den Gebäuden verwendet habe. Appliance_gains_elt_demand wird nicht an eine Liste angehängt, sondern im hourlyResults-Datenrahmen gespeichert und später summiert, um den Jahreswert zu erhalten. Dieser Jahreswert wird später zur Berechnung des Strombedarfs verwendet. Leider wird im Datenrahmen immer derselbe Wert gespeichert, da der Parameter nicht an die Liste angehängt wird. Infolgedessen ist Appliance_gains_elt_demand das ganze Jahr über konstant und der Gesamtstrombedarf ergibt einen falschen Wert. Ich habe dieses Problem behoben, indem ich Appliance_gains_elt_demand einfach an eine Liste angehängt habe. Zu Ihrer Information...

hourlyResults = pd.DataFrame({
'ApplianceGainsEltDemand':ApplianceGainsEltDemand,
'HeatingDemand': HeatingDemand,
'HeatingEnergy': HeatingEnergy,
'Heating_Sys_Electricity': Heating_Sys_Electricity,
'Heating_Sys_Fossils': Heating_Sys_Fossils,
'CoolingDemand': CoolingDemand,
'CoolingEnergy': CoolingEnergy,
'Cooling_Sys_Electricity': Cooling_Sys_Electricity,
'Cooling_Sys_Fossils': Cooling_Sys_Fossils,
'HotWaterDemand': HotWaterDemand,
'HotWaterEnergy': HotWaterEnergy,
'HotWater_Sys_Electricity': HotWater_Sys_Electricity,
'HotWater_Sys_Fossils': HotWater_Sys_Fossils,
'IndoorAirTemperature': TempAir,
'OutsideTemperature': OutsideTemp,
'LightingDemand': LightingDemand,
'InternalGains': InternalGains,
'Appliance_gains_demand': Appliance_gains_demand,
'Appliance_gains_elt_demand': Appliance_gains_elt_demand,
'SolarGainsSouthWindow': SolarGainsSouthWindow,
'SolarGainsEastWindow': SolarGainsEastWindow,
'SolarGainsWestWindow': SolarGainsWestWindow,
'SolarGainsNorthWindow': SolarGainsNorthWindow,
'SolarGainsTotal': SolarGainsTotal,
'Daytime': DayTime,
})