jsacostas / curso-python-pscad

Introdução

O curso está baseado no trabalho feito por KarlClinckspoor modificado para ter um enfoque na engenharia elétrica e no PSCAD

Objetivo

Ensinar os princípios básicos de programação em Python para poder resolver diferentes tarefas usando esta limguagem de programação.

Motivação

No nosso meio académico a gente tem accesso a diferentes softwares de programação pagos. No entanto, na industria muitas vezes não tem disponíveis programas como o Matlab. Neste contexto fica necessário aprender a usar linguagens de programação livres. R e Python são as linguagens de programação livres mais usadas neste momemto. Por serem livres a comunidade de desenvolvimento é muto grande e constatemente estão liverando pacotes para resolver diversas tarefas.

Recentemete, fazendo uma pesquisa de programação no PSCAD descubri que foi liberada uma livraría de automação (Automation Library) que permite rodar várias simulações, mudar parámetros, entre outros, todo desde o Python. Como tivesse sido tão bom descubrir isso logo que eu comecei a usar PSCAD no mestrado, não queria que vocês tivessem que sofrer o mesmo tento que repetir casos uma e outra vez, esqueceno de mudar algum parámetro, mudar o nome, salvar resultados, entre outros kkk. Faz não muito tempo que eu comecei a aprender Python, mas pretendo ensinar para vocês tudo o que eu sei.

Ao final deste curso vocês poderão:

• Renomear centenas de arquivos
• Plotar dados dos experimentos
• Rodar o PSCAD desde python e automatizar as simulações.
• Mudar definitivamente para o Python kkkkk

Sobre a linguagem e as ferramentas

Python é uma linguagem interpretada bastante popular no meio científico devido à sua simplicidade e clareza de sintaxe, comunidade extensa, e, principalmente, pacotes prontos e de fácil uso para a maior parte das tarefas. Além disso, é totalmente gratuíta e compatível com Windows, Linux e Mac. Este curso utilizará alguns recursos exclusivos das versões mais recentes do Python, como f-strings, e é recomendado que seja instalada a distribuição Anaconda.

A vantagem do pacote Anaconda é que ela vem com muitos pacotes científicos pré-instalados. Este material supõe que o leitor esteja utilizando Windows, mas as diferenças entre Windows e Max/Linux, quanto a Python, são mínimas. Após a instalação, é possível iniciar uma seção de um Jupyter Notebook clicando no ícone do Jupyter ou escrevendo jupyter notebook no command prompt (cmd). Isso criará uma nova aba no seu navegador (Firefox, Chrome, etc), onde será possível navegar pelo sistema de arquivos, abrir e criar novos arquivos .ipynb.

Para testar se a instalação ocorreu corretamente:

• Apertar Windows+R e digitar cmd
• Digitar cmd na barra de endereço de uma janela do windows explorer.
• Digite jupyter notebook, que inicia o servidor dos notebooks (não feche a janela!) ou python, que inicia o interpretador interativo, ou ipython, que inicia o interpretador interativo melhorado.

O ambiente de Jupyter Notebooks, onde este curso foi feito, possibilita utilizar vários kernels de várias linguagems. Inclusive, o nome Jupyter vem de Julia, Python, R, que são três linguagem com bastante aplicabilidade científica.

Caso apareça alguma mensagem de erro, mencionando que o arquivo não pode ser encontrado, veja nestas guias como alterar a variável path, para o seu SO. Windows, Linux. Você pode sempre ir com o console até o diretório onde o Python foi instalado e rodar tudo por lá, ao invés de alterar a variável PATH.

É possível utilizar editores de texto ou IDEs alternativas para a criação de scripts, como Sublim Text, Notepad ++, etc, mas o IDE do Jupyter Notebook possue a vantagem de juntar código e resultados, deixando os dados e a organização do pensamento organizados.

No jupyter notebook é possível baixar o arquivo .py correspondente. Esse arquivo pode ser rodado no terminal digitando python script.py.

nbextensions

Há algumas opções extras para Jupyter Notebooks que podem ser instaladas, chamadas de nbextensions. Durante as aulas, utilizarei algumas ferramentas extras dessas extensões. Por exemplo, a criação de um sumário automaticamente faz parte desse pacote. Para instalar o nbextensions, rode o seguinte código no console, caso a variável PATH tenha sido configurada corretamente.

conda install -c conda-forge jupyter_contrib_nbextensions

Depois configure-as pelo browser.

Neste pacote de extensões é interessante habilitar scratchpad e Variable Inspector

Estrutura do curso

1. 'Hello world', tipos de dados e ajuda
2. Operações matemáticas básicas, Variáveis
3. Estruturas de dados. Listas, tuples, dicionários
4. Loops e condicionais
5. Funções. Definições e uso. Métodos internos
6. Instalação e uso de pacotes externos
7. Introdução a numpy
8. Introdução a pandas
9. Introdução a pyplot
10. Iteragindo com programas externos
11. Lendo e escrivendo arquivos
12. Python e PSCAD
13. Classes e markdown

Recursos para aprendizado

Se vocês fiacam com perguntas que não foram abordadas neste curso os seguentes recursos podem ajudar a encontrar a resposta a suas duvidas:

• Stack Overflow, uma comunidade de perguntas e respostas. Grande parte de suas dúvidas já foram perguntadas anteriormente, provavelmente com boas respostas.

• Documentação oficial do Python

• Automate the Boring Stuff with Python

• Youtube:

  • Tutorial por Sendtex
  • Tutorial por Socratica

• PSCAD Automation reference

Promessas

Talvez você consiga utilizar essa ferramenta adequadamente para resolver seus problemas, talvez não. Eu sou só um aluno de doutorado tentando transmitir o que eu sei e ajudar vocês. Não mostrarei como resolver os problemas de todos, mas sim algumas maneiras de resolver alguns problemas, depois você altera e aplica esses métodos para seus problemas pessoais.