Data validation
Nadie ha tomado este issue todavía.
Evaluación
- Dificultad
- 5/5
- Tiempo estimado
- Más de una semana
- Aptitud para principiantes
- 25/100
Línea de trabajo
No se han identificado archivos, pruebas ni puntos de entrada. Empieza revisando la estructura de la base de datos de almacenamiento de PNNL y las distintas clases de tecnologías; después, define el enfoque de metadatos y visualización necesario para comparar los parámetros esenciales y limitar la validación a tecnologías seleccionadas. El trabajo estará terminado cuando los expertos en energía puedan inspeccionar y validar los datos relevantes de todas las clases.
Escrito por el modelo de indexación a partir del texto del issue.
Descripción
The techno-economical parameters of the different technologies are the main drivers of the PyPSA modeling.
As such, they should be easy to validate by energy experts with e.g. experience in building energy projects.
I structured the data from the PNNL storage database so that it would be easy to see which technologies PyPSA may select. This gives the opportunity to limit the data validation effort to a subset of technologies.
The database structure makes it difficult to do this for all the data, considering the different technology classes (storage (electricity, heat, ...) , generation, transport/transmission, ... ). An approach would be to use more meta-data that allows easy visualization of essential parameters across all technologies.
- Lenguaje dominante
- Python
- Estrellas
- 132
- Forks
- 59
- Métricas de merge de PR
- Sin PR fusionados en 30 d
Preparar el entorno
- Sin Dockerfile ni archivo de Docker Compose
- Tiene una plantilla de pull request
- Sin guía de contribución
Primeros pasos
- Lee el issue completo y luego la guía de contribución del proyecto.
- Comenta en el issue que vas a ocuparte — evita que dos personas hagan lo mismo.
- Haz un fork del repositorio y trabaja en una rama.
- Abre un pull request que haga referencia al número del issue.
Más de PyPSA/technology-data
-
bug
Dificultad 2/5 1-3 horas Aptitud para principiantes 65/100
PyPSA/technology-data#271 ·
-
data: Add ACER's CONE studyAbierto
Dificultad 3/5 1-2 días Aptitud para principiantes 45/100
PyPSA/technology-data#284 ·
-
energy_penalty() applies the capture energy penalty to only one of six technologiesPosiblemente ocupada @millingermarkus la tomó hace 28 días. Abiertobug
Dificultad 3/5 1-2 días Aptitud para principiantes 68/100
PyPSA/technology-data#283 ·
-
feature
Dificultad 4/5 3-5 días Aptitud para principiantes 38/100
PyPSA/technology-data#282 · 4 comentarios ·
-
bug
Dificultad 5/5 Más de una semana Aptitud para principiantes 25/100
PyPSA/technology-data#281 ·
Todos los issues de PyPSA/technology-data
Issues similares
-
Dificultad 2/5 1-3 horas Aptitud para principiantes 72/100
Juniper/ansible-junos-stdlib#904 ·
-
Dificultad 2/5 1-3 horas Aptitud para principiantes 82/100
pollen-robotics/reachy_mini#1457 ·
Los mantenedores suelen responder en 1 día
-
area:runtime good first issue
Dificultad 2/5 1-3 horas Aptitud para principiantes 72/100
WATonomous/wato_f1tenth#39 ·
-
Dificultad 2/5 1-3 horas Aptitud para principiantes 82/100
FireDynamics/fdsreader#123 ·
-
Dificultad 1/5 Menos de una hora Aptitud para principiantes 85/100