second version

2026-04-03 14:23:16 +02:00
parent 897b95f728
commit 9f4126946d
105 changed files with 9738 additions and 1470 deletions
--- a/docs/04-modules/planning-extended-horizon.md
+++ b/docs/04-modules/planning-extended-horizon.md
@@ -0,0 +1,190 @@
+# Rozšířený horizont plánování (96h)
+
+## Motivace
+
+OTE publikuje ceny max 36h dopředu. FVE forecast je dostupný na 7 dní.
+Rozšířením horizontu solver vidí vzdálené příležitosti (záporné ceny, levná okna)
+a může optimálně připravit baterii, TUV zásobník a EV nabíjení.
+
+Klíčový princip: solver nepotřebuje explicitní "šetři baterii před zápornou cenou"
+constraint. Pokud dostane správné (odhadované) ceny pro celých 96h, sám pozná
+že je výhodnější počkat na zápornou cenu než vybíjet dnes za průměrnou.
+
+## Datové zdroje pro predikci cen za horizont OTE
+
+### Vrstva 1 – Sezónní průměr z historických OTE dat
+
+Tabulka `ems.market_price_stats` (analogie `consumption_baseline_stats`):
+```sql
+SELECT
+  EXTRACT(DOW  FROM interval_start AT TIME ZONE 'Europe/Prague') AS dow,
+  EXTRACT(HOUR FROM interval_start AT TIME ZONE 'Europe/Prague') AS hour,
+  AVG(buy_raw_price_czk_kwh)    AS avg_price,
+  STDDEV(buy_raw_price_czk_kwh) AS stddev_price,
+  PERCENTILE_CONT(0.25) WITHIN GROUP (
+    ORDER BY buy_raw_price_czk_kwh) AS p25,
+  PERCENTILE_CONT(0.75) WITHIN GROUP (
+    ORDER BY buy_raw_price_czk_kwh) AS p75
+FROM ems.market_interval_price
+WHERE market_source IN ('OTE_CZ', 'OTE_CZ_DAM')
+  AND interval_start >= now() - INTERVAL '6 months'
+GROUP BY dow, hour
+```
+
+Plnit denně po importu OTE. Min. 3 měsíce dat pro smysluplné průměry.
+
+### Vrstva 2 – Korekce počasím (proxy)
+
+Záporné/nízké ceny korelují s vysokou FVE výrobou v celé síti CZ.
+```
+predicted_irradiance > historical_avg * 1.3  → cena * 0.70 (30% sleva)
+predicted_irradiance < historical_avg * 0.5  → cena * 1.20 (20% přirážka)
+```
+
+Korelaci ověřit po 3+ měsících dat. Zatím použít konzervativní korekci ±15%.
+
+### Kombinovaná predikce s uncertainty margin
+```
+predicted_price[t] = seasonal_avg[dow, hour]
+                     × weather_correction_factor[t]
+                     × (1 ± uncertainty_margin[t])
+
+uncertainty_margin roste s horizontem:
+  0-36h:   0%   (přesné OTE ceny, žádná predikce)
+  36-72h: 20%
+  72-96h: 35%
+```
+
+## Uncertainty weighting v objective function
+
+Vzdálenější sloty mají nižší váhu – solver je konzervativnější:
+```python
+def slot_weight(t: int, now_index: int) -> float:
+    hours_ahead = (t - now_index) * 0.25
+    if hours_ahead <= 36:  return 1.0   # přesné OTE ceny
+    if hours_ahead <= 72:  return 0.7   # predikce, střední jistota
+    return 0.4                           # predikce, nízká jistota
+
+# V objective function:
+prob += pulp.lpSum(
+    slot_weight(t, now_index) * (
+        gi[t] * slots[t].buy_price * INTERVAL_H / 1000
+        - ge[t] * slots[t].sell_price * INTERVAL_H / 1000
+        + ...
+    )
+    for t in range(T)
+)
+```
+
+## TUV predikce potřeby
+
+### Princip
+
+TUV zásobník drží teplo ~24h. Solver může ohřát vodu v levném okně
+před očekávanou spotřebou. Potřebuje vědět:
+- Aktuální teplotu zásobníku (z telemetrie)
+- Kdy typicky klesá teplota (statistika per DOW+hodina)
+- Minimální přijatelnou teplotu (tuv_min_temp_c)
+
+### Tabulka `ems.tuv_usage_stats`
+
+Analogie `consumption_baseline_stats` pro TUV zásobník:
+```sql
+-- Průměrný pokles teploty zásobníku per DOW+hodina
+-- (záporné = zásobník se ochladil, kladné = TČ ohřívalo)
+SELECT
+  EXTRACT(DOW  FROM measured_at AT TIME ZONE 'Europe/Prague') AS dow,
+  EXTRACT(HOUR FROM measured_at AT TIME ZONE 'Europe/Prague') AS hour,
+  AVG(temp_delta_c)    AS avg_temp_delta,   -- průměrná změna za hodinu
+  STDDEV(temp_delta_c) AS stddev_temp_delta
+FROM (
+  SELECT
+    measured_at,
+    tuv_tank_temp_c - LAG(tuv_tank_temp_c) OVER (
+      PARTITION BY site_id ORDER BY measured_at
+    ) AS temp_delta_c
+  FROM ems.telemetry_heat_pump
+  WHERE site_id = $1
+    AND measured_at >= now() - INTERVAL '30 days'
+) sub
+WHERE temp_delta_c IS NOT NULL
+  AND ABS(temp_delta_c) < 5   -- filtruj extrémní skoky (start TČ)
+GROUP BY dow, hour
+```
+
+### Použití v solveru
+```python
+# Pro každý slot t zjisti predikovanou teplotu zásobníku:
+tuv_predicted[t] = tuv_current + SUM(avg_temp_delta[dow, hour] 
+                                     for slots before t)
+
+# Pokud tuv_predicted[t] < tuv_min_temp + safety_margin:
+#   → solver musí naplánovat ohřev před tímto slotem
+#   → heat_pump_enabled[t-N] = True (kde N = počet slotů potřebných pro ohřev)
+
+# Potřebný čas ohřevu (orientační):
+# delta_temp = tuv_target - tuv_current
+# time_h = delta_temp × volume_l × 1.163 / (cop × hp_power_w / 1000)
+```
+
+## EV v rozšířeném horizontu
+
+### Tesla (s API – fáze 2)
+```
+Vstup:  aktuální SoC z Tesla API, nastavený deadline uživatelem
+Solver: deadline constraint přes celých 96h
+        nabij nejlevněji v rámci časového okna
+```
+
+### Zoe (bez API)
+```
+Vstup:  ev_arrival_stats (statistika příjezdů per DOW+hodina)
+        energy_delivered_wh z aktuální session (odhad SoC)
+Solver: soft constraint – pravděpodobnost příjezdu jako váha
+        pokud P(příjezd v slot t) > 60%: rezervuj nabíjecí kapacitu
+```
+
+### Predikce příjezdu v solveru
+```python
+# Pro každý slot t kde P(příjezd) > 0.4:
+arrival_prob = ev_arrival_stats[dow, hour] / total_arrivals_this_dow
+
+# Soft constraint (ne hard – auto nemusí přijet):
+# Přidej "expected EV consumption" jako součást load_baseline
+ev_expected_w[t] = arrival_prob * ev_charge_power_typical
+```
+
+## Implementační plán
+
+### Fáze 3a – Historické průměry cen (hotovo)
+
+1. Tabulka `ems.market_price_stats` – migrace **V022__extended_planning.sql**
+2. `fn_update_market_price_stats()` – `db/routines/R__fn_extended_planning.sql`, APScheduler **14:45** (`main.py`)
+3. Solver: slotová páteř `generate_series` + `COALESCE(effective_*, fn_get_predicted_price(...))` v `_load_slots`
+
+### Fáze 3b – TUV statistika potřeby (hotovo)
+
+1. Tabulka `ems.tuv_usage_stats` – V022
+2. `fn_update_tuv_usage_stats()` – repeatable výše, job **00:45**
+3. Solver: look-ahead simulace teploty + součet `hp` v okně 9 slotů (`solve_dispatch`)
+
+### Fáze 3c – Rozšíření solveru na 96h (hotovo)
+
+1. `HORIZON_HOURS = 96`, `slot_weight()` – váhy **1,0 / 0,7 / 0,4** v účelové funkci
+2. Příznak `PlanningSlot.is_predicted_price` (z SQL `(ep.effective_buy IS NULL)`)
+
+### Fáze 3d – EV v rozšířeném horizontu (závisí na Tesla API)
+
+1. Pravděpodobnostní příjezd ze statistiky
+2. Deadline constraint přes celých 96h
+3. Tesla API integrace
+
+### Fáze 3e – Korekce cen počasím
+
+Po nasbírání 3+ měsíců korelačních dat rozšířit `fn_get_predicted_price` (viz vrstva 2 výše).
+
+## Prerekvizity
+
+- Min. 3 měsíce historických OTE dat pro smysluplné průměry
+- Min. 1 měsíc telemetrie TUV pro tuv_usage_stats
+- Stabilní základní provoz (Modbus zápis, telemetrie)