convertir los valores de vatios a lo largo del tiempo a kWh

Si solo puede realizar mediciones en momentos discretos, la única forma posible es sumar y dividir por el tiempo entre mediciones: la integral

$$ E_ \ text {total} = \ int \ limits_ {T_ \ text {start}} ^ {T_ \ text {end}} P (t) dt $$

realmente se derrumba en una suma, \ $ P (t) \ $ solo se conoce por conjunto de puntos. Por ejemplo, suponga que el valor de potencia es constante por el tiempo que pasa entre sus \ $ N \ $ mediciones individuales, llamémoslo a \ $ T_ \ text {muestra} \ $, luego

$$ \ begin {align} \ tilde E & = \ sum \ limits_ {n = 0} ^ {N-1} T_ \ text {muestra} \ cdot P (nT) \\ & = T_ \ text {muestra} \ sum \ limits_ {n = 0} ^ {N-1} P (nT) \\ \ end {align} $$

Ahora, dices

  

un conjunto de puntos que realmente no tiene ninguna rima o razón

Bueno, eso es un problema. ¿Qué pasa si la potencia aumenta entre dos puntos de medición y resulta que es baja cada vez que realmente tomas nota?

La respuesta a este problema es Nyquist-Shannon Tepling de muestreo , que es bastante útil en muchas aplicaciones de procesamiento de señales, pero en este caso significa:

  

Si tiene una señal real (aquí: sus mediciones de potencia) cuya frecuencia más alta es \ $ f_ \ text {max} \ $, entonces deberá mirarla dos veces esa frecuencia para asegurarse de no perder nada. , es decir, \ $ f_ \ text {muestra} \ ge 2f_ \ text {max} \ $.

Frecuencia aquí significa la cantidad de tiempo entre dos eventos consecutivos. Eso significa que si puede decir "la fluctuación de potencia más corta que debo considerar es \ $ T \ $ larga (por ejemplo, 5 segundos)", entonces su señal de frecuencia más alta \ $ f_ \ text {max} = \ frac1T \ $ (es decir, 0.2 Hz en el caso de 5s), y tendrá que muestrear dos veces esa frecuencia, por lo que \ $ f_ \ text {sample} \ ge 2f_ \ text {max} = \ frac2T \ $, o considerando el intervalo de muestreo \ $ T_ \ text {muestra} = \ frac1 {f_ \ text {muestra}} \ le \ frac12 T \ $.

Si realiza una muestra más lenta que eso, su medida no es representativa de lo observado (a menos que tenga otro modelo restringido de la forma en que fluctúa el consumo de energía, que no parece tener), y no se puede extraer ninguna declaración de su conjunto de puntos de medición.

Si luego tiene las mediciones en un intervalo de tiempo sensible y constante, simplemente sumándolas y multiplicando el resultado con ese intervalo, obtendrá su lectura de energía total. No necesita ningún módulo especial de Python para eso, es decir, simplemente

 ### assuming "powers" is a list / iterable of your power measurements in Watt, 
 ### and "T" contains the sample interval in seconds

 total_power = sum(powers) / 1000 * T / 3600

le dará su kWh.

Ahora, podría decir "¿cómo debo saber qué tan rápido se encienden y apagan mis aparatos?"

En muchos escenarios, puede poner un límite razonable a la fluctuación de potencia. Por ejemplo, seguro, las luces pueden encenderse y en fracciones de segundo, pero la cantidad de energía consumida por las luces apagadas rápidamente (por ejemplo, el uso del inodoro, encender, 60 s, apagar) es probablemente insignificante, mientras que las cosas que realmente importan (nevera, calentador de agua, lavadora, horno) tienden a cambiar relativamente lento en un escenario de uso doméstico típico.

No necesitas un paquete de Python que contenga algunas bibliotecas para la integración para hacerlo. Como dices, no tienes una función para integrar de todos modos.

Si tiene un conjunto de puntos, simplemente multiplique cada valor de potencia (en vatios) por el período de tiempo y agréguelos a todos.

Por ejemplo, si obtiene 1kW por 2 horas, luego 5kW por 30 minutos, hace 4.5kWh. Si tiene valores de tiempo para cada punto de medición, en lugar de puntos, simplemente reste el valor de tiempo de punto anterior del valor de tiempo de punto actual, tendrá el período.

Primero: determine qué mide realmente el dispositivo de muestreo; En la mayoría de los dispositivos de medición de potencia, la muestra es la energía acumulada durante el período de muestreo de los dispositivos. Eso significa que el dispositivo está haciendo la integración por usted y todo lo que necesita hacer es transformar la medición en kWh. Suponiendo que la muestra se mide en segundos y proporciona un valor en vatios:

$$ kWh = {sample \ value} \ cdot \ left (\ frac {\ frac {T} {1000}} {(60 \ cdot 60)} \ right) $$

En realidad, muchos dispositivos le dan poder acumulado, por lo que es posible que deba restar el valor anterior para obtener el poder sobre esa muestra:

$$ kWh = (muestra (n) - muestra (n-1)) \ cdot \ left (\ frac {\ frac {T} {1000}} {(60 \ cdot 60)} \ right) $$

El dispositivo puede medir potencia real (vatios) o potencia aparente (VoltAmps o VA). Si el dispositivo mide la potencia aparente, es probable que le proporcione el factor de potencia en su salida, tenga en cuenta que el factor de potencia muestreado también está integrado por el dispositivo. En ese caso:

$$ kWh = muestra \ cdot {power \ factor} \ cdot \ left (\ frac {\ frac {T} {1000}} {(60 \ cdot 60)} \ right) $$

Todo lo anterior le da el flujo de energía promedio y no el flujo de energía instantáneo. Hay algunos dispositivos, por ejemplo, unidades de medición de fasor, que proporcionan mediciones precisas de potencia aparente que revelan qué tan dinámicas son las cargas que usamos normalmente. Las cargas capacitivas (por ejemplo, las fuentes de alimentación de CC) y las cargas inductivas (cualquier máquina giratoria) causan armónicos y cambios de fase, al igual que las cargas con ciclos de trabajo en los que la carga se enciende y apaga dentro del ciclo de suministro, por ejemplo. Cargadores de dispositivos móviles. Estas cosas son comunes en los hogares, así que tenga cuidado con las afirmaciones de que el flujo de energía es estable, probablemente no lo sea :)

Interpolar los puntos de medición como trapezoides e integrarlos. (Creo que el tipo de interpolación es lo que pediste para la versión de integración) Integrándolos fácilmente, porque el cálculo del área de trapecios es fácil.

enlace

Luego compare sus resultados con los de un medidor de energía. Si hay demasiada diferencia, está fuera de los requisitos del teorema de muestreo de Nyquist-Shannon que Marcus mencionó anteriormente. Si están estrechamente relacionados, puede intentar un ajuste fino mejorando la técnica de interpolación.

En el caso del teorema de muestreo de Nyquist-Shannon (siempre copio y pego que :)) falla; puede intentar evaluar los puntos de datos siempre que estén estrechamente relacionados en el tiempo, interpolarlos e integrarlos después de superar el intervalo de tiempo para obtener datos nuevos (lo que rompe el teorema y evitará eso), rellene ese vacío promediando y los siguientes paquetes de puntos de datos estrechamente relacionados. Y comparar con un medidor de energía como dije antes. Buena suerte.