Zitat von: DS_Starter am 08 Januar 2026, 09:43:08@Wolle,Laut meinem debug von gestern wird aber swoncond nur beim erstmaligen einschalten geprüft, nicht aber nach interruptable ?ZitatWäre es eventuell möglich einen zusätzlichen Schlüssel z.B. replan=1 einzufügen, der eine sofortige Neuplanung einleitet, wenn der Zyklus abgeschlossen ist?Das wäre möglich. Allerdings wirkt es dann natürlich ständig, sodass man eigentlich nur mit interuptable arbeiten bräuchte um den gleichen Effekt zu erzielen.
Aktuell habe ich dafür den Befehl "set <name> consumerNewPlanning XX" vorgesehen.
Die Idee dahinter ist, dass der User z.B. mit einem notify, DOIF auf einen finished-Status reagieren und über diesen Befehl direkt eine Neueinplanung vornehmen kann. Das ist wesentlich flexibler, weil man z.B. die täglichen Neueinplanungen auf 3 begrenzen oder von Zusatzbedingungen abhängig gestalten kann.
LG,
Heiko
ZitatDas wäre möglich. Allerdings wirkt es dann natürlich ständig, sodass man eigentlich nur mit interuptable arbeiten bräuchte um den gleichen Effekt zu erzielen.
2026.01.13 06:27:29 5: EcoFlowMax(Ecoflow 0.3.9.0): Ecoflow_Get(): EcoFlowMax: $model =
2026.01.13 06:27:29 5: EcoFlowMax(Ecoflow 0.3.9.0): Ecoflow_Get(): cmd = devices
2026.01.13 06:27:29 5: EcoFlowMax(Ecoflow 0.3.9.0): Ecoflow_Request(): Method = GET
2026.01.13 06:27:29 5: EcoFlowMax(Ecoflow 0.3.9.0): Ecoflow_Request(): $nonce=124528 $timestamp=1768282049382
2026.01.13 06:27:29 5: EcoFlowMax(Ecoflow 0.3.9.0): Ecoflow_Request(): $url = /iot-open/sign/device/list $query_str = accessKey=xxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxx&nonce=124528×tamp=1768282049382
2026.01.13 06:27:29 5: EcoFlowMax(Ecoflow 0.3.9.0): Ecoflow_Request(): $sign = xxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxx
2026.01.13 06:27:29 5: EcoFlowMax(Ecoflow 0.3.9.0): Ecoflow_Response(): $url = https://api-e.ecoflow.com/iot-open/sign/device/list
2026.01.13 06:27:29 5: EcoFlowMax(Ecoflow 0.3.9.0): Ecoflow_Response(): $data = {"code":"0","message":"Success","data":[{"sn":"BKxxxxxxxxxxxxxx","deviceName":"STREAM Max-7155gol","online":1}],"eagleEyeTraceId":"","tid":""}
2026.01.13 06:27:29 5: EcoFlowMax(Ecoflow 0.3.9.0): Ecoflow_Response(): code = 0
2026.01.13 06:27:29 5: EcoFlowMax(Ecoflow 0.3.9.0): Ecoflow_Response(): data_1_deviceName = STREAM Max-7155gol
2026.01.13 06:27:29 5: EcoFlowMax(Ecoflow 0.3.9.0): Ecoflow_Response(): data_1_online = 1
2026.01.13 06:27:29 5: EcoFlowMax(Ecoflow 0.3.9.0): Ecoflow_Response(): data_1_sn = BKxxxxxxxxxxxxxx
2026.01.13 06:27:29 4: EcoFlowMax(Ecoflow 0.3.9.0): Ecoflow_Response(): data_1_sn : Comparing SerialNo BKxxxxxxxxxxxxxx
2026.01.13 06:27:29 5: EcoFlowMax(Ecoflow 0.3.9.0): Ecoflow_Response(): $base = data_1
2026.01.13 06:27:29 4: EcoFlowMax(Ecoflow 0.3.9.0): Ecoflow_Response():
2026.01.13 06:27:29 5: EcoFlowMax(Ecoflow 0.3.9.0): Ecoflow_Response(): eagleEyeTraceId =
2026.01.13 06:27:29 5: EcoFlowMax(Ecoflow 0.3.9.0): Ecoflow_Response(): message = Success
2026.01.13 06:27:29 5: EcoFlowMax(Ecoflow 0.3.9.0): Ecoflow_Response(): tid = Informationen zum neuronalen Netz der Verbrauchsvorhersage
letztes KI-Training: 13.01.2026 04:58:59 / Laufzeit in Sekunden: 9511
KI Abfragestatus: ok
letzte KI-Ergebnis Generierungsdauer: 80.79 ms
Verbrauchernummer Wärmepumpe: 03
=== Modellparameter ===
Normierungsgrenzen: PV=18612 Wh, Hausverbrauch: Min=0 Wh / Max=6400 Wh
Trainingsdaten: 8035 Datensätze (Training=6428, Validierung=1607)
Architektur: Inputs=112, Hidden Layers=80-40-20, Outputs=1
Hyperparameter: Learning Rate=0.005, Momentum=0.8, BitFail-Limit=0.35
Aktivierungen: Hidden=SIGMOID, Steilheit=1.2, Output=LINEAR
Trainingsalgorithmus: INCREMENTAL, Registry Version=v1_heatpump_active_pv
Zufallsgenerator: Mode=2, Periode=10
=== Trainingsmetriken ===
bestes Modell bei Epoche: 1916 (von max. 15000)
Training MSE: 0.000451
Validation MSE: 0.002025
Validation MSE Average: 0.002368
Validation MSE Standard Deviation: 0.000026
Validation Bit_Fail: 0
Model Bias: 42 Wh
Model Slope: 0.9
Trainingsbewertung: Retrain
=== Fehlermaße der Prognosen ===
MAE: 137.45 Wh
MedAE: 39.56 Wh
RMSE: 187.68 Wh
RMSE relative: 60 %
RMSE Rating: very bad
MAPE: 18.01 %
MdAPE: 10.29 %
R²: 0.91
=== Drift-Kennzahlen ===
Drift Score: -
Drift RMSE relative: -
Drift Bias: -
Drift Slope: -
Drift Bewertung: -