Hallo,
ein Modul das Readings über ein Neuronales Netzwerk mit Set Befehlen verknüpft wäre hilfreich.
Sicherlich müsste eine Trainingsdatei vom Nutzer erstellt werden.
Vielleicht wäre auch ein Anlernen im Betrieb möglich.
Und das angelernte Netz müsste gesichert werden.
Beispielanwendung 1: PV Überschuss anhand Generatorleistung verheizen
Eingabeneuronen so ...
X1 = PV Ertrag (0 - 6000W) / 100 Beispiel: 0.0 - 0.6
X2 = Temperatur Warmwasser (+40 - +80 Grad) / 100 Beispiel: 0.4 - 0.8
X3 = Temperatur Kühltruhe (-16 - -36 Grad) / -100 Beispiel: 0.16 - 0.36
Ausgabeneuronen:
Y1 = Set off/on "Heizelement Warmwasser" (1500W)
Y2 = Set off/on "Kühltruhe Deep Freeze Taste" (140W)
Y3 = Set off/on "Getränkekühlschrank kühlt" (80W)
Ich habe das mal mit dem erstbesten Tool das ich gefunden habe simuliert.
Auf den ersten Blick sehe ich da keine Probleme.
Mir ist nicht ganz klar wie man so eine Neurales Netz im Betrieb vergrößert / verkleinert.
MfG
Tool: https://slxs.de/mltool/
Aufbau: 3-5-3
Lernrate 10
Epochen 500
Trainingsdaten X
0.6 0.4 0.2
0.6 0.4 0.4
0.4 0.5 0.2
0.1 0.4 0.2
0.2 0.4 0.2
0.2 0.4 0.4
0.6 0.8 0.2
0.5 0.7 0.2
0.1 0.4 0.2
0.1 0.4 0.4
0.0 0.8 0.2
0.6 0.8 0.4
0.0 0.4 0.2
Trainingsdaten Y
1 1 1
1 0 1
1 1 1
0 0 1
0 1 1
0 0 1
0 1 1
0 1 1
0 1 1
0 0 1
0 0 0
0 0 1
0 0 0
Testdaten X -> Ergebnis Y (off bis 0.49 / on ab 0.50)
0.1 0.4 0.2 -> 0.03 0.57 0.83 off on on = passt
0.2 0.4 0.2 -> 0.23 0.78 0.97 off on on = passt
0.3 0.4 0.2 -> 0.64 0.89 0.99 on on on = passt
0.4 0.4 0.2 -> 0.88 0.94 1.00 on on on = passt
0.5 0.4 0.2 -> 0.96 0.96 1.00 on on on = passt
0.6 0.4 0.2 -> 0.98 0.97 1.00 on on on = passt
0.1 0.6 0.2 -> 0.00 0.29 0.16 off off on = passt
0.2 0.6 0.2 -> 0.00 0.51 0.53 off on on = passt
0.3 0.6 0.2 -> 0.04 0.75 0.88 off on on = passt
0.4 0.6 0.2 -> 0.24 0.90 0.98 OFF on on = passt nicht ganz
0.5 0.6 0.2 -> 0.64 0.95 0.99 on on on = passt
0.6 0.6 0.2 -> 0.87 0.98 1.00 on on on = passt
0.6 0.8 0.2 -> 0.24 0.95 0.98 off on on = passt
0.6 0.8 0.3 -> 0.14 0.61 0.98 off on on = passt
0.1 0.4 0.3 -> 0.02 0.08 0.85 off off on = passt
0.0 0.4 0.3 -> 0.00 0.04 0.46 off off off = passt
Das tönt nach einem sehr interessanten Ansatz. In der Tat wünsche ich mir manchmal eine künstliche Intelligenz in der Steuerung. Bislang verwende ich DOIFs, Hysteresen, PID Steuerungen etc. und komme damit gut zurecht. Die Knacknuss dürfte wohl sein, dass dieses neuronale Netz transparent und nachvollziehbar agiert weil - gerade z.B. die PV Steuerung - von sovielen Faktoren abhängt dass eine automatische Steuerung manchmal Quatsch macht und ich dann gerne in den manuellen Modus wechsle.