influx data base added

data_base_influx.py

@@ -0,0 +1,33 @@
+from influxdb_client import InfluxDBClient, Point, WritePrecision
+from datetime import datetime
+
+class DataBaseInflux:
+    def __init__(self, url: str, token: str, org: str, bucket: str):
+        self.url = url
+        self.token = token
+        self.org = org
+        self.bucket = bucket
+        self.client = InfluxDBClient(url=self.url, token=self.token, org=self.org)
+        self.write_api = self.client.write_api(write_options=None)
+
+    def store_data(self, data: dict):
+        measurement = "messungen"  # Fest auf "messungen" gesetzt
+
+        point = Point(measurement)
+
+        # Alle Key/Value-Paare als Fields speichern
+        for key, value in data.items():
+            point = point.field(key, value)
+
+        # Zeitstempel automatisch auf jetzt setzen
+        point = point.time(datetime.utcnow(), WritePrecision.NS)
+
+        # Punkt in InfluxDB schreiben
+        self.write_api.write(bucket=self.bucket, org=self.org, record=point)
+
+db = DataBaseInflux(
+    url="http://localhost:8086",
+    token="Cw_naEZyvJ3isiAh1P4Eq3TsjcHmzzDFS7SlbKDsS6ZWL04fMEYixWqtNxGThDdG27S9aW5g7FP9eiq5z1rsGA==",
+    org="allmende",
+    bucket="allmende_db"
+)

main.py

@@ -1,11 +1,18 @@
 import time
 from datetime import datetime
 from data_base_csv import DataBaseCsv
+from data_base_influx import DataBaseInflux
 from heat_pump import HeatPump
 
 interval = 10  # z.B. alle 10 Sekunden
 
-db = DataBaseCsv('modbus_log.csv')
+#db = DataBaseCsv('modbus_log.csv')
+db = DataBaseInflux(
+    url="http://localhost:8086",
+    token="Cw_naEZyvJ3isiAh1P4Eq3TsjcHmzzDFS7SlbKDsS6ZWL04fMEYixWqtNxGThDdG27S9aW5g7FP9eiq5z1rsGA==",
+    org="allmende",
+    bucket="allmende_db"
+)
 hp = HeatPump(ip_address='10.0.0.10')
 
 while True:

plot_data.py

@@ -0,0 +1,41 @@
+# Neu laden nach Code-Reset
+import pandas as pd
+import matplotlib.pyplot as plt
+
+# Pfad zur neu hochgeladenen Datei
+file_path = "modbus_log.csv"
+df_new = pd.read_csv(file_path)
+
+# Zeitstempel in datetime konvertieren
+df_new['Zeit'] = pd.to_datetime(df_new['Zeit'])
+
+# Spaltenbezeichnungen für den Plot
+registers = [
+    '10 - Gebäudeseite Wärmepumpe Vorlauf/Austritt  (Warm)',
+    '11 - Gebäudeseite Wärmepumpe Rücklauf/Eintritt  (Kalt)',
+    '12 - Umweltseite/Quelle Wärmepumpe Eintritt (Warm)',
+    '13 - Umweltseite/Quelle Wärmepumpe Austritt (Kalt)',
+    '50 - Rücklauftemperatur Direkterheizkreis  oder Puffertemperatur',
+    '70 - Vorlauftemperatur Mischerkreis 1',
+    '150 - Trinkwarmwasserspiecher oben (Ein)',
+    '153 - Trinkwarmwasserspiecher unten (Aus)'
+]
+all_registers = ['300 - Aussentemperatur'] + registers
+
+# Plot erzeugen
+plt.figure(figsize=(14, 8))
+
+for reg in all_registers:
+    plt.plot(df_new['Zeit'], df_new[reg], label=reg)
+
+plt.title("Temperaturverläufe inkl. Außentemperatur (neue Daten)")
+plt.xlabel("Zeit")
+plt.ylabel("Temperatur (°C)")
+plt.grid(True)
+plt.tight_layout()
+
+# Legende außerhalb des Plots platzieren
+plt.legend(loc='center left', bbox_to_anchor=(1.0, 0.5))
+plt.subplots_adjust(right=0.75)
+
+plt.show()