strompreis/README.md

Strompreis & Netz Pipeline

Automatisierte End-to-End Daten-Pipeline zur Erfassung, Analyse und Visualisierung von Strommarkt- und Wetterdaten.

🏗 Architektur (Medallion Prinzip)

Das Projekt folgt einer sauberen Data-Engineering-Struktur unter Verwendung von DuckDB und Polars:

1. Bronze Layer (Raw): Unveränderte API-Antworten von SMARD und Bright Sky werden als historische Fakten gespeichert.
2. Gold Layer (Combined): Transformierte, bereinigte und über Zeitstempel zusammengeführte Daten (Inner Join), die direkt für Analysen und das Dashboard bereitstehen.

🚀 Features

• Datensammlung: Automatisiertes Abrufen von:
  • Strompreisen, Netzlast, Gesamterzeugung, Wind- & Solar-Erzeugung (SMARD API).
  • Umfassenden Wetterdaten (Temperatur, Wind, Solarstrahlung, etc. via Bright Sky API).
• Dashboard: Interaktive Visualisierung mit Streamlit (Preise, Energiemix, Wetter-Details).
• REST-API: FastAPI-Schnittstelle für den programmatischen Zugriff auf aktuelle Daten.
• Orchestrierung: Vollständige Docker-Integration inklusive eines automatisierten Schedulers.

🛠 Installation & Betrieb

Mit Docker (Empfohlen)

Das gesamte System (Pipeline, API, Dashboard) wird mit einem Befehl gestartet:

docker-compose up --build

• Dashboard: http://localhost:8501
• API: http://localhost:8000/docs

Lokal (Entwicklung)

1. Abhängigkeiten installieren:

   uv sync
   

2. Pipeline manuell ausführen:

   uv run python main.py run
   

3. Dashboard starten:

   uv run streamlit run dashboard/app.py
   

⚙️ Konfiguration

Die Konfiguration erfolgt über config/config.yaml oder Umgebungsvariablen mit dem Präfix STROM_:

• STROM_SMARD__REGION: Region-Code (Standard: DE-LU)
• STROM_DATABASE__PATH: Pfad zur DuckDB Datei
• INTERVAL: Ausführungsintervall des Schedulers im Docker-Container (in Sekunden).

🧪 Tests

uv run pytest

Lizenz

MIT