第二章：Python环境准备——工欲善其事，必先利其器

各位同学，咱们正式开始动手了。

做储能峰谷套利模型，说白了就是跟数据打交道。你得处理充放电数据、电价数据、电池衰减曲线……这些活儿，Python 是最顺手的工具。但 Python 本身只是个光杆司令，得给它配上合适的“武器库”。

这一章，我就带你把这套环境搭好。别嫌麻烦，我见过太多人因为环境问题卡了三天，最后发现是库装错了版本。咱们一步到位，后面写代码才痛快。

2.1 为什么选 Anaconda？

你可能会问：直接装个 Python 不行吗？

行，但你会后悔。我刚开始做项目时也这么干，结果装一个库报一个错，pip install 半天，最后发现依赖冲突了。Anaconda 的好处是——它把 Python 解释器、常用库、包管理器全打包好了。你装一个 Anaconda，相当于请了个“管家”，后面装库、建虚拟环境都省心。

我个人习惯用 Anaconda 的 conda 命令来管理环境。尤其是做储能项目时，不同项目可能依赖不同版本的 pandas 或 numpy，用虚拟环境隔离，互不干扰。

2.2 安装 Anaconda

步骤很简单，我直接说重点。

1. 下载安装包：去 Anaconda 官网（anaconda.com）下载对应你操作系统的版本。Windows 选 64 位，Mac 选 Intel 或 M 系列芯片对应的版本。
2. 安装过程：一路默认就行。但有一个选项要注意——“Add Anaconda to my PATH environment variable”，我建议勾上。虽然官方说不勾更安全，但咱们做数据分析，后面要在命令行里频繁调用 conda，不勾的话每次都得进 Anaconda Prompt，麻烦。
3. 验证安装：打开终端（Windows 用 cmd 或 PowerShell），输入 conda --version，如果显示版本号，说明装好了。

2.3 配置 Jupyter Notebook

Jupyter Notebook 是什么？说白了，它是一个交互式编程环境。你写一段代码，立刻能看到结果，还能在中间加文字说明。做储能收益模型时，我经常一边写代码一边画图，电价曲线、充放电策略一目了然。

启动方式很简单：

# 在终端输入
jupyter notebook

浏览器会自动打开一个页面，默认地址是 http://localhost:8888。你可以在里面新建 Python 文件，开始写代码。

我个人习惯在 Jupyter 里做三件事：

• 数据探索：快速查看电价数据、电池参数
• 模型调试：分段运行代码，看中间变量
• 结果可视化：直接画收益曲线图

2.4 安装必备库

做储能峰谷套利，有三个库是必须装的：pandas、numpy、matplotlib。我一个个说。

2.4.1 pandas——数据处理的核心

pandas 是 Python 数据分析的“瑞士军刀”。它提供了 DataFrame 这种数据结构，你可以把它想象成 Excel 表格，但操作起来比 Excel 灵活得多。

在储能项目中，我用 pandas 做这些事：

• 读取电价 CSV 文件
• 按时间序列对齐充放电数据
• 计算每日收益、累计收益

安装命令：

conda install pandas

或者用 pip：

pip install pandas

2.4.2 numpy——数值计算的基础

numpy 是 pandas 的底层支撑。它处理的是数组和矩阵运算。你想想看，储能系统里电池的 SOC（荷电状态）计算、充放电功率的累加，本质上都是数组运算。numpy 的速度比 Python 原生列表快几十倍。

安装命令：

conda install numpy

2.4.3 matplotlib——画图必备

做收益模型，光看数字不够直观。你得把电价曲线、充放电策略、收益变化画出来。matplotlib 就是干这个的。

我个人习惯用 matplotlib 的 pyplot 模块，简单几行代码就能出图。比如画一条电价曲线：

import matplotlib.pyplot as plt
import numpy as np

# 模拟一天24小时的电价
hours = np.arange(24)
price = [0.3, 0.28, 0.25, 0.22, 0.2, 0.18, 0.15, 0.2, 0.5, 0.8, 0.9, 0.85,
         0.7, 0.6, 0.55, 0.5, 0.6, 0.85, 0.95, 1.0, 0.9, 0.7, 0.5, 0.35]

plt.plot(hours, price, marker='o')
plt.xlabel('小时')
plt.ylabel('电价（元/kWh）')
plt.title('典型日电价曲线')
plt.grid(True)
plt.show()

这段代码跑出来，你就能看到电价在白天有两个高峰——这就是套利的机会点。

安装命令：

conda install matplotlib

2.5 本章知识体系

下面这张图，我把本章的核心逻辑画出来了。你一看就明白：

2.6 验证环境是否装好

装完别急着走，先跑个测试脚本。我每次搭新环境都会做这一步，确保所有库都能正常调用。

# 测试脚本：验证环境
import pandas as pd
import numpy as np
import matplotlib.pyplot as plt

print("pandas 版本:", pd.__version__)
print("numpy 版本:", np.__version__)
print("matplotlib 版本:", plt.matplotlib.__version__)
print("环境准备完成！")

如果三行版本号都正常打印出来，恭喜你，环境搭好了。

好了，环境准备好了。下一章咱们就开始处理真实的电价数据，看看峰谷价差到底有多大。

---