2026.01.0.rc7 (#514)

* update README.md

* Implemented check op AWS (only AWS stations have irradiance data, reported by @steynovich, issue

* Fix error calculating charge-power "new style" (reported by @Mirabis)

* 2026.01.0.rc7

* correct typo's

Author: corneel27

README.md

@@ -13,13 +13,19 @@ berekeningen en bewerkingen uit:
 * ophalen van meteogegevens bij Meteoserver
 * berekenen van de optimale inzet van een aanwezige batterij, wp-boiler en elektrische auto.<br>
 
-Het programma draait alleen als addon op HA installaties met een arm64 processor (bijv Raspberry Pi4) of 
-een intel 64 bit processor (amd64)
+Het programma draait alleen als addon op HA-installaties met een arm64 processor (bijv Raspberry Pi4) of 
+een intel 64 bit processor (amd64). Maar het kan ook separate Docker-container worden geinstalleerd
 
 ---
+## Documentatie 
+In de loop van 2025 is begonnen met het verhuizen en actualiseren van de documentie vanaf DOCS.md
+naar de wiki-pagina's op github: https://github.com/corneel27/day-ahead/wiki
+---
+
 ## Installatie
-Deze is uitgebreid beschreven in DOCS.md:
-https://github.com/corneel27/day-ahead/blob/main/dao/DOCS.md
+Deze is uitgebreid beschreven in de wiki: https://github.com/corneel27/day-ahead/wiki/2.-Installatie-en-basis-configuratie
+
+
 
 ---
 ## Optimization
@@ -43,7 +49,7 @@ Aan de hand van de gekozen strategie kan met behulp van het algoritme de meest o
 variabelen worden berekend. Dit zijn:
 * per uur verbruik en kosten op de inkoopmeter
 * per uur teruglevering en opbrengst op de inkoopmeter
-* per uur laad- cq ontlaadvermogen van de batterij en de SoC aan het einde van het uur
+* per uur laad- c.q. ontlaadvermogen van de batterij en de SoC aan het einde van het uur
 * tijdstip waarop de boiler moet worden opgewarmd
 * uurvakken waarin de elektrische auto moet worden geladen
 

dao/prog/da_meteo.py

@@ -181,6 +181,22 @@ def get_dif_rad_factor(self, utc_time):
             value = 0.0
         return value
 
+    @staticmethod
+    def is_aws(station:str):
+        """
+        station :code van een knmi station
+        :return: boolean
+        """
+        start = datetime.date.today() - datetime.timedelta(days=4)
+        end = datetime.date.today() - datetime.timedelta(days=1)
+        knmi_df = knmi.get_hour_data_dataframe(
+            [station],
+            start=start,
+            end=end,
+            variables=["Q"],
+        )
+        return len(knmi_df) > 0
+
     def which_station(self) -> str:
         """
         berekent welk weerstation het dichtst bij is
@@ -196,7 +212,7 @@ def which_station(self) -> str:
             afstand = (self.latitude - station.latitude) ** 2 + (
                 self.longitude - station.longitude
             ) ** 2
-            if result is None or afstand < distance:
+            if (result is None or afstand < distance) and self.is_aws(key):
                 distance = afstand
                 result = key
         return str(result)

dao/prog/day_ahead.py

@@ -54,8 +54,8 @@ def __init__(self, file_name=None):
     def calc_optimum(
         self, _start_dt: dt.datetime | None = None, _start_soc: float | None = None
     ):
-        # _start_dt = datetime.datetime(year=2026, month=1, day=8, hour=18, minute=0)
-        # _start_soc = 18.8
+        # _start_dt = datetime.datetime(year=2026, month=1, day=13, hour=23, minute=0)
+        # _start_soc = 11.0
         if _start_dt is not None or _start_soc is not None:
             self.debug = True
         logging.info(f"Debug = {self.debug}")
@@ -3729,7 +3729,7 @@ def calc_optimum(
                     sum_weight_factor = 0
                     sum_power = 0 # in W
                     for cs in range(CS[b]):
-                        wf = ac_to_dc_w[b][0][ds].x
+                        wf = ac_to_dc_w[b][0][cs].x
                         if wf > 0:
                             sum_weight_factor += wf
                             sum_power += wf * charge_stages[b][cs]["power"]

release-testing/CHANGELOG.md

@@ -1,5 +1,10 @@
 # Changelog 刀 DAO
 # Day Ahead Optimizer
+# 2026.01.0.rc7
+- Updated several python packages
+- Update README.md, link to wiki: https://github.com/corneel27/day-ahead/wiki
+- Implemented check op AWS (only AWS stations have irradiance data, reported by @steynovich)
+- Fix error calculating charge-power "new style" (reported by @mirabis)
 
 # 2026.01.0.rc6
 Fixed not starting ml-training from run-menu (reported by @balk)

release-testing/config.yaml

@@ -1,6 +1,6 @@
 ---
 name: 刀 Day Ahead Optimizer (TESTING)
-version: 2026.01.0.rc6
+version: 2026.01.0.rc7
 stage: experimental
 slug: day_ahead_opt-testing
 description: Beta version of DAO. Use only for testing!