dc.contributor.advisor	Bílek Petr, Ing. Ph.D. :62637	cs
dc.contributor.author	Sodomka, Jan	cs
dc.contributor.referee	Grosman Josef, Ing. :68833	cs
dc.date.accessioned	2025-07-14T12:43:17Z
dc.date.available	2025-07-14T12:43:17Z
dc.date.committed	9.5.2025	cs
dc.date.defense	11.6.2025	cs
dc.date.issued	2025-06-11	cs
dc.date.submitted	12.10.2024	cs
dc.description.abstract	Tato bakalářská práce se zabývá návrhem a implementací webové aplikace pro optimalizaci nabíjení baterie u fotovoltaických elektráren s využitím spotových cen elektřiny. Vytvořený systém kombinuje data o spotových cenách, predikci solární výroby a spotřební profil domácnosti k efektivnímu plánování nabíjení. Aplikace byla implementována s využitím Django backendu, PostgreSQL databáze a Next.js frontendu. Jádrem systému je optimalizační algoritmus se čtyřmi rizikovými profily. Testování prokázalo snížení nákladů na nabíjení baterie ze sítě o 77,6 % až 92,3 % při porovnání samotné silové ceny elektřiny. Po započítání všech regulovaných poplatků (distribuce, systémové služby, daň z elektřiny a obchodní poplatek) se celková úspora pohybuje v rozmezí 29,8 % až 43,0 %. Průměrná cena za 1 kWh energie dobíjené ze sítě klesla z 5,95 Kč/kWh na 3,41 Kč/kWh při použití extrémního rizikového profilu, přičemž množství dostupné energie zůstalo zachováno. Práce demonstruje, že pokročilé algoritmy mohou výrazně zlepšit ekonomickou efektivitu provozu domácích fotovoltaických systémů.	cs
dc.description.abstract	This bachelor's thesis deals with the design and implementation of a web application for optimizing battery charging in photovoltaic power plants using spot electricity prices. The created system combines data on spot prices, solar production prediction, and household consumption profile for efficient charging planning. The application was implemented using Django backend, PostgreSQL database, and Next.js frontend. The core of the system is an optimization algorithm with four risk profiles. Testing demonstrated a reduction in battery charging costs from the grid by 77.6% to 92.3% when comparing energy-only electricity prices. After including all regulated fees (distribution, system services, electricity tax, and trading fee), which total 3.20 CZK/kWh and cannot be influenced by optimization, the total savings range from 29.8% to 43.0% depending on the selected risk profile. The average price per 1 kWh of energy charged from the grid decreased from 5.95 CZK/kWh in the non optimized scenario to 3.41 CZK/kWh when using the extreme risk profile, while the total amount of available energy remained virtually unchanged. The thesis demonstrates that advanced algorithms can significantly improve the economic efficiency of domestic photovoltaic systems.	en
dc.format	57	cs
dc.identifier.uri	https://dspace.tul.cz/handle/15240/177314
dc.language.iso	CS	cs
dc.subject	fotovoltaická elektrárna	cs
dc.subject	bateriové úložiště	cs
dc.subject	spotové ceny elektřiny	cs
dc.subject	optimalizace	cs
dc.subject	Django	cs
dc.subject	React	cs
dc.title	Aplikace pro optimalizaci chodu fotovoltaické elektrárny na základě predikce cen elektřiny a počasí	cs
dc.title	Application for optimization of photovoltaic power plant operation based on electricity price and weather prediction	en
dc.type	diplomová práce	cs
local.degree.abbreviation	Bakalářský	cs
local.identifier.author	M22000185	cs
local.identifier.stag	47918	cs

Aplikace pro optimalizaci chodu fotovoltaické elektrárny na základě predikce cen elektřiny a počasí

Files

Original bundle

Collections