Code doesn't execute.

[i5sanchez]

Bug report checklis

• Searched the issues page for similar reports

• Read the relevant sections of the documentation

• Browse the tutorials and tests for usefull code snippets and examples of use

• Reproduced the issue after updating with pip install --upgrade pandapower (or git pull)

• Tried basic troubleshooting (if a bug/error) like restarting the interpreter and checking the pythonpath

Reproducible Example

# -*- coding: utf-8 -*-
"""
Created on Thu May  9 15:30:17 2024
@author: Usuario
"""
import pandapower as pp
import pandas as pd
import os
os.environ["NUMBA_DISABLE_JIT"] = "1"


Vdc = 12

# Crear una red vacía
net = pp.create_empty_network()

#print(pp.available_std_types(net, "line"))

# Código para corregir los valores NaN en net.ext_grid
net.ext_grid['name'] = net.ext_grid['name'].fillna('bus_1')
net.ext_grid['bus'] = net.ext_grid['bus'].fillna(1)
net.ext_grid['bus'] = net.ext_grid['bus'].astype(int)


# Crear el bus 1 con coordenadas geográficas
bus1 = pp.create_bus(net, vn_kv=0.012, name='bus_1', geodata=(-65.4644, -18.169))

# Crear el bus 2 con coordenadas geográficas
bus2 = pp.create_bus(net, vn_kv=0.012, name='bus_2', geodata=(-65.4634, -18.1704))

# Crear el bus 3 con coordenadas geográficas
bus3 = pp.create_bus(net, vn_kv=0.012, name='bus_3', geodata=(-65.465, -18.1699))

net.bus_geodata['coords'] = net.bus_geodata.apply(lambda row: (row['x'], row['y']), axis=1)

print(net.bus_geodata.isnull().sum())

# Agregar almacenamiento de energía a cada bus
storage_capacity = 712  # Capacidad de almacenamiento en Wh
max_p_charge = 160  # Potencia máxima de carga en W
max_p_discharge = 160  # Potencia máxima de descarga en W
efficiency = 0.95  # Eficiencia de carga/descarga

for bus in [bus1, bus2, bus3]:
    pp.create_storage(net, bus=bus, p_mw=0, max_e_mwh=storage_capacity / 1000, max_p_mw=max_p_charge, min_p_mw=-max_p_discharge, efficiency=efficiency)

# Agregar la columna 'state_of_charge_mwh' al DataFrame net.storage e inicializarla con ceros
net.storage['state_of_charge_mwh'] = 0.0

# Ruta del archivo CSV a importar
ruta_archivo = "C:\\Users\\Usuario\\.spyder-py3\\data_proysolar\\df_4viviendas_30.97.csv"

# Cargar el archivo CSV en un DataFrame
df = pd.read_csv(ruta_archivo)

dc_line_std_type = {
    "r_ohm_per_km": 1.95,  # Resistencia de la línea en ohmios/km
    "x_ohm_per_km": 0,      # Reactancia de la línea en ohmios/km
    "c_nf_per_km": 0,       # Capacidad de carga de la línea en nF/km
    "max_i_ka": 88.2,       # Corriente máxima admisible en kA
    # Otros parámetros relevantes para la línea DC
}


# Nombre del tipo estándar de línea DC
dc_line_std_type_name = "tipo_estandar_linea_DC"

# Agregar el tipo estándar de línea DC a la red
net.std_types['line'][dc_line_std_type_name] = dc_line_std_type

# Crear la línea que conecta los buses 1 y 2 utilizando el tipo estándar de línea DC
pp.create_line(net, from_bus=bus1, to_bus=bus2, length_km=0.174, std_type= '15-AL1/3-ST1A 0.4')
pp.create_line(net, from_bus=bus2, to_bus=bus3, length_km=0.19137, std_type= '15-AL1/3-ST1A 0.4')
pp.create_line(net, from_bus=bus3, to_bus=bus1, length_km=0.03508, std_type= '15-AL1/3-ST1A 0.4')


# Función para adaptar el DataFrame
def adaptar_df(df, Vdc, x, y, name):
    df.drop(columns=['num_pan20', 'caida_tension', 'caida_porc'], inplace=True)
    df['vn_kv'] = Vdc / 1000
    df['x'] = x
    df['y'] = y
    df['name'] = name
    df['p_kw'] = df['gen'] / 1000
    df.drop(columns=['gen'], inplace=True)
    return df

# Adaptar el DataFrame
df = adaptar_df(df, Vdc, 0, 0, 'grupo1')
"""
# Agregar buses desde el DataFrame
for index, row in df.iterrows():
    pp.create_bus(net, vn_kv=row['vn_kv'], name=row['name'], geodata=(row['x'], row['y']))
"""
"""
# Agregar líneas desde el DataFrame
for index, row in df.iterrows():
    pp.create_line(net, from_bus=1, to_bus=2, length_km=0.05, std_type=dc_line_std_type_name)

# Agregar cargas desde el DataFrame
for index, row in df.iterrows():
    pp.create_load(net, bus=bus1, p_mw=row['Demanda'] / 1e6, q_kvar=0)
    pp.create_load(net, bus=bus2, p_mw=row['Demanda'] / 1e6, q_kvar=0)
    pp.create_load(net, bus=bus3, p_mw=row['Demanda'] / 1e6, q_kvar=0)
 
    # Agregar generadores desde el DataFrame
for index, row in df.iterrows():
    pp.create_sgen(net, bus=bus1, p_mw=row['p_kw']/1000, q_mvar=0,sn_mva=row['p_kw']/1000, name=row['name'],slack=True)
    pp.create_sgen(net, bus=bus2, p_mw=row['p_kw']/1000, q_mvar=0,sn_mva=row['p_kw']/1000, name=row['name'])
    pp.create_sgen(net, bus=bus3, p_mw=row['p_kw']/1000, q_mvar=0,sn_mva=row['p_kw']/1000, name=row['name'])
"""
# Agregar generador con slack=True
#pp.create_gen(net, bus=bus1, p_mw=0, vm_pu=1.0, slack=True)


# Definir e inicializar los registros horarios de generación y consumo para cada nodo
generation_records = {"bus_1": [0] * 24, "bus_2": [0] * 24, "bus_3": [0] * 24}  # Registros horarios de generación inicializados en cero
consumption_records = {"bus_1": [0] * 24, "bus_2": [0] * 24, "bus_3": [0] * 24}  # Registros horarios de consumo inicializados en cero

# Función para actualizar los registros horarios
def update_hourly_records(df):
    for index, row in df.iterrows():
        surplus_energy = row['surplus']
        unsatisfied_energy = row['energia_insatisfecha']
        time_str = row['Time']
        hour = int(time_str.split(':')[0])  # Extraer solo la hora desde 'HH:MM:SS'
        for node in ["bus_1", "bus_2", "bus_3"]:
            if surplus_energy > 0:
                generation_records[node][hour] += surplus_energy
            elif unsatisfied_energy > 0:
                consumption_records[node][hour] += unsatisfied_energy

# Modificar los registros horarios con los datos del DataFrame
update_hourly_records(df)

for hour in range(24):
    for node in ["bus_1", "bus_2", "bus_3"]:
        bus_index = net.bus.index[net.bus['name'] == node]
        if len(bus_index) > 0:
            node_index = bus_index[0]
            pp.create_gen(net, bus=node_index, p_mw=generation_records[node][hour], vm_pu=1.0, name=f'gen_hour_{hour}_{node}')
            pp.create_load(net, bus=node_index, p_mw=consumption_records[node][hour], q_kvar=0, name=f'load_hour_{hour}_{node}')
            #print(f"Nivel de almacenamiento en {node}: {net.storage.at[node_index, 'state_of_charge_mwh']} MWh")
        else:
            print(f"No se encontró el nodo {node} en net.bus")

    # Modificar la potencia del ext_grid según los valores de 'energia_insatisfecha' y 'surplus' multiplicados por 3
    p_ext_grid = sum([consumption_records[node][hour] * 3 for node in ["bus_1", "bus_2", "bus_3"]])  # Multiplicar por 3 los valores de 'energia_insatisfecha'
    p_ext_grid -= sum([generation_records[node][hour] * 3 for node in ["bus_1", "bus_2", "bus_3"]])  # Multiplicar por 3 los valores de 'surplus'
    net.ext_grid.at[0, 'p_mw'] = p_ext_grid
"""
# Crear registros horarios de generación y consumo para cada nodo
generation_records = {"bus1": [0] * 24, "bus2": [0] * 24, "bus3": [0] * 24}  # Registros horarios de generación inicializados en cero
consumption_records = {"bus1": [0] * 24, "bus2": [0] * 24, "bus3": [0] * 24}  # Registros horarios de consumo inicializados en cero

# Función para actualizar los registros horarios
def update_hourly_records(df):
    for index, row in df.iterrows():
        surplus_energy = row['surplus']
        unsatisfied_energy = row['energia_insatisfecha']
        time_str = row['Time']
        hour = int(time_str.split(':')[0])  # Extraer solo la hora desde 'HH:MM:SS'
        for node in ["bus1", "bus2", "bus3"]:
            if surplus_energy > 0:
                generation_records[node][hour] += surplus_energy
            elif unsatisfied_energy > 0:
                consumption_records[node][hour] += unsatisfied_energy

# Actualizar los registros horarios con los datos del DataFrame
update_hourly_records(df)
# Calcular la generación y el consumo para cada nodo
# Calcular la generación y el consumo para cada nodo
for hour in range(24):
    for node in ["bus1", "bus2", "bus3"]:
        node_index = net.bus.index[net.bus.name == node][0]
        pp.create_gen(net, bus=node_index, p_mw=generation_records[node][hour], vm_pu=1.0, name=f'gen_hour_{hour}_{node}')
        pp.create_load(net, bus=node_index, p_mw=consumption_records[node][hour], q_kvar=0, name=f'load_hour_{hour}_{node}')
        print(f"Nivel de almacenamiento en {node}: {net.storage.at[node_index, 'state_of_charge_mwh']} MWh")
"""

# Crear generador con slack=True como bus de referencia
#pp.create_gen(net, bus=bus1, p_mw=0, vm_pu=1.0, slack=True)


# Crear el nodo PV para representar la generación y consumo de energía en la red
#pp.create_sgen(net, bus=bus2, p_mw=0, q_mvar=0, name='PV_generation', slack=True)  # Generador PV controlado

# Crear líneas y buses como se hizo antes...

# Función para adaptar el DataFrame como antes...

# Adaptar el DataFrame como antes...

# Agregar buses desde el DataFrame como antes...

# Agregar cargas desde el DataFrame como antes...

# Agregar generadores desde el DataFrame como antes...

# Ahora la red debería estar correctamente creada en Pandapower (variable 'net')

# Puedes utilizar funciones de Pandapower para analizar la red, como pp.runpp() para calcular flujos de potencia, etc.
pp.runpp(net)
print(net.res_line)  # Flujos de potencia en las líneas

Issue Description and Traceback

runfile('C:/Users/Usuario/Desktop/Mi ingeniería e. e/Contenidos por cursos/Cuarto curso/Octavo semestre (BOLIVIA)/RAMP/archivos_py_surplus/procesador_microred.py', wdir='C:/Users/Usuario/Desktop/Mi ingeniería e. e/Contenidos por cursos/Cuarto curso/Octavo semestre (BOLIVIA)/RAMP/archivos_py_surplus')
x         0
y         0
coords    0
dtype: int64
Traceback (most recent call last):

  File ~\anaconda3\envs\ramp\lib\site-packages\spyder_kernels\py3compat.py:356 in compat_exec
    exec(code, globals, locals)

  File c:\users\usuario\desktop\mi ingeniería e. e\contenidos por cursos\cuarto curso\octavo semestre (bolivia)\ramp\archivos_py_surplus\procesador_microred.py:207
    pp.runpp(net)

  File ~\anaconda3\envs\ramp\lib\site-packages\pandapower\run.py:250 in runpp
    _powerflow(net, **kwargs)

  File ~\anaconda3\envs\ramp\lib\site-packages\pandapower\powerflow.py:75 in _powerflow
    ppc, ppci = _pd2ppc(net)

  File ~\anaconda3\envs\ramp\lib\site-packages\pandapower\pd2ppc.py:101 in _pd2ppc
    net["_is_elements"] = aux._select_is_elements_numba(net, sequence=sequence)

  File ~\anaconda3\envs\ramp\lib\site-packages\pandapower\auxiliary.py:798 in _select_is_elements_numba
    set_elements_oos(element_df["bus"].values, element_df["in_service"].values,

  File ~\anaconda3\envs\ramp\lib\site-packages\numba\core\dispatcher.py:468 in _compile_for_args
    error_rewrite(e, 'typing')

  File ~\anaconda3\envs\ramp\lib\site-packages\numba\core\dispatcher.py:409 in error_rewrite
    raise e.with_traceback(None)

TypingError: non-precise type array(pyobject, 1d, C)
During: typing of argument at C:\Users\Usuario\anaconda3\envs\ramp\lib\site-packages\pandapower\auxiliary.py (756)

El sistema no puede encontrar la ruta especificada.

Expected Behavior

It should give the results and power fluxes in the grid.

Installed Versions

• python version: 3.10.14
• pandas version: 2.2.2
• networkx version: 3.3
• scipy version: 1.13.0
• numpy version: 1.24.4
• packaging version: 23.2
• tqdm version: 4.66.2
• deepdiff version: 7.0.1
  Operating System name/version: Microsoft Windows 11 Home / 10.0.22631 N/D Compilación 22631

Label

• Relevant labels are selected