Is het verdamping?

import numpy as np
import matplotlib.pyplot as plt
from scipy.optimize import curve_fit

# Gegeven data en constante waarden
# Berekening massa water
m_maatbeker = 0.8208  # massa van de maatbeker in kg
m_maatbeker_en_water_start = 1.2929 # massa van de maatbeker + water aan het begin in kg
m_maatbeker_en_water_eind = 1.2749 # massa van de maatbeker + water aan het eind in kg
c_water = 4186 # soortelijke warmte van water in J/(kg·K)
m_water_start = m_maatbeker_en_water_start - m_maatbeker  # massa van het water aan het begin in kg
print(f'Massa van het water aan het begin: {m_water_start:.2f} kg')
m_water_eind = m_maatbeker_en_water_eind - m_maatbeker  # massa van het water aan het eind in kg
print(f'Massa van het water aan het eind: {m_water_eind:.2f} kg')
m_water_verloren = m_water_start - m_water_eind  # massa van het water dat is verdampt in kg
print(f'Massa van het water dat is verdampt: {m_water_verloren:.2f} kg')

# Temperature measurements and power estimation 

tempmetingen = np.loadtxt('tempmetingen.csv', delimiter=';', skiprows=1)
t = tempmetingen[:,0]  # tijd in minuten
t_sec = t * 60  # tijd in seconden
T = tempmetingen[:,1]  # temperatuur in graden Celsius

# Vermogen : T(t) - T (omgeving) = (P * t) / (m_water_start * c_water)
def bereken_vermogen(t, P):
    return 21.2 + (P * t) / (m_water_start * c_water)
    
# Bereken het vermogen aan de hand van de eerste 5 meetpunten (lineaire benadering)
popt, pcov = curve_fit(bereken_vermogen, t_sec[:5], T[:5]) 
P_fit = popt[0]
u_P_fit = np.sqrt(np.diag(pcov))[0]
print(f'Geschat vermogen: {P_fit:.2f} W ± {u_P_fit:.2f} W')  # vermogen in Watt 
# Theoretische temperatuurverloop zonder verdamping
T_theorie = bereken_vermogen(P_fit, t_sec)

#2 Energie en rendement

# Bereken de hoeveelheid energie die is toegevoegd
E_toegevoegd = P_fit * t_sec[-1]  # in Joules
print(f'Totaal toegevoegde energie: {E_toegevoegd:.2f} J')

# Bereken de hoeveelheid energie die is gebruikt voor verdamping
L_vaporisatie = 2501600  # Latente warmte van verdamping voor water in J/kg gevonden in tabel A2
E_verdampt = m_water_verloren * L_vaporisatie  # in Joules
print(f'Totaal gebruikte energie voor verdamping: {E_verdampt:.2f} J')

# Bereken het rendement
rendement = ((E_toegevoegd - E_verdampt) / E_toegevoegd) * 100  # in procenten
print(f'Rendement van het verwarmingsproces: {rendement:.2f} %')

# Numerieke Simulatie met Verdamping

# Parameters en Startwaarden
dt = 10                  # Tijdstap in seconden
t_sim = np.arange(0, t_sec[-1], dt)
T_sim = np.zeros(len(t_sim))
T_sim[0] = T[0]          # Starttemperatuur uit je metingen
m_nu = m_water_start

# schatten een verdampingsconstante (k)
# dm = k * (T - T_omgeving)
# Hoe hoger de T, hoe meer massa er per seconde verdampt
delta_T_avg = np.mean(T) - 20  # Gemiddeld temperatuurverschil met omgeving (20°C)
print(f'Gemiddeld temperatuurverschil met omgeving: {delta_T_avg:.2f} °C')
dm = m_water_verloren  # totale massa verlies tijdens het experiment
t_totaal = t_sec[-1]  # totale tijd van het experiment in seconden
k_evap = dm/((delta_T_avg)*t_totaal)  # eenvoudige schatting op basis van gemeten massa verlies
print(f'Schatting van de verdampingsconstante k: {k_evap:.2e} kg/(s·°C)') 

# De Numerieke Simulatie 
for i in range(1, len(t_sim)):
    # Energiebalans per tijdstap dt:
    Q_in = P_fit * dt
    
    # Verdamping hangt af van temperatuurverschil met omgeving
    # dm = k * (T - T_omgeving)
    dm = k_evap * (T_sim[i-1] - 20) * dt
    if T_sim[i-1] < 20: dm = 0 # Geen verdamping onder kamertemperatuur
    
    Q_uit_evap = dm * L_vaporisatie
    m_nu -= dm # De massa van het water neemt af
    
    # Temperatuurverandering: dT = Q_netto / (m * c)
    dT = (Q_in - Q_uit_evap) / (m_nu * c_water)
    T_sim[i] = T_sim[i-1] + dT

# Theoretische Lineaire Trendlijn zonder Verdamping
# Simulatie met verdamping vergelijken met theorie zonder verdamping
# Reële metingen
# Plotten van de vergelijking
plt.figure(figsize=(10, 6), dpi=450)
plt.plot(t_sec, T, 'r+', label='Metingen (Realiteit)')
plt.plot(t_sec, T_theorie, 'g--', label='Lineaire Trendlijn (Geen verdamping)')
plt.plot(t_sim, T_sim, 'b-', label='Numerieke Simulatie (Inclusief verdamping)')
plt.xlabel('$t$ (s)')
plt.ylabel('$T$ $(^\circ C)$', rotation=0, labelpad=20)
plt.axhline(0, color='black', linewidth=0.8)
plt.axvline(0, color='black', linewidth=0.8)
plt.title('Vergelijking: Theorie vs. Simulatie vs. Metingen')
plt.legend()
plt.grid(True)
plt.show()

# Verbeteringen en reflectie

print("Mogelijke verbeteringen aan het experiment kunnen zijn:")
print("- Gebruik een beter geïsoleerde maatbeker om warmteverlies te verminderen.")
print("- Meet de omgevingstemperatuur en corrigeer voor warmteverlies aan de omgeving.")
print("- Gebruik een nauwkeurigere thermometer voor betere temperatuurmetingen.")
print("- Herhaal het experiment meerdere keren om gemiddelde waarden te verkrijgen en de precisie te verbeteren.")
print("- De druk constant houden zodat er geen fouten worden gemaakt door veranderende druk in de berekening van het vermogen. Het kookpunt verschilt namelijk erg als de druk varieert gedurende de tijd.")