2026.05.11 12:11:51 3: [FritzBox_7590|FRITZ!Box 7590|154.08.25|Attr_Modul.2227] - BASIC:Attr set setSubVerbose4 -> Neustart internal Timer - APICHECKED = 1
2026.05.11 12:12:00 3: [FritzBox_7590|FRITZ!Box 7590|154.08.25|Readout_API_Check.11081] - BASIC:Response -> luaQuery:200 luaData:200
2026.05.11 12:12:11 2: [FritzBox_7590|FRITZ!Box 7590|154.08.25|Readout_Run_Web_TR064.9022] - SIGNIFICANT:2FA Info/State - start getting TR064 data
2026.05.11 12:12:12 2: [FritzBox_7590|FRITZ!Box 7590|154.08.25|Readout_Run_Web_TR064.9031] - SIGNIFICANT:X_AVM-DE_Auth GetInfo ->
tiny log level for Dumper: 5
2026.05.11 12:12:12 2: [FritzBox_7590|FRITZ!Box 7590|154.08.25|Readout_Run_Web_TR064.9043] - SIGNIFICANT:X_AVM-DE_Auth GetState ->
tiny log level for Dumper: 5
2026.05.11 12:12:12 2: [FritzBox_7590|FRITZ!Box 7590|154.08.25|Readout_Run_Web_TR064.9048] - SIGNIFICANT:2FA Info/State - end getting TR064 data
2026.05.11 12:12:12 2: [FritzBox_7590|FRITZ!Box 7590|154.08.25|Readout_Run_Web_TR064.9196] - SIGNIFICANT:wrong Fritz!OS: 08.25 for usb mobile via TR064 or not a Fritz!Box
2026.05.11 12:12:12 2: [FritzBox_7590|FRITZ!Box 7590|154.08.25|Readout_Run_Web_TR064.9295] - SIGNIFICANT:wan(ip|ppp)connection - start getting TR064 data
2026.05.11 12:12:12 2: [FritzBox_7590|FRITZ!Box 7590|154.08.25|Readout_Run_Web_TR064.9385] - SIGNIFICANT:AccessType - end getting TR064 data
2026.05.11 12:14:24 3: [FritzBox_7590|FRITZ!Box 7590|154.08.25|Attr_Modul.2227] - BASIC:Attr del setSubVerbose4 -> Neustart internal Timer - APICHECKED = 1
# helper:
# TR064control:
# WANIPConnection:
# action GetStatusInfo
# active -1
# control wanipconnection1
# igd 0
# service WANIPConnection:1
# WANPPPConnection:
# action GetStatusInfo
# active -1
# control wanpppconn1
# igd 0
# service WANPPPConnection:1
Zitat von: DerD am 11 Mai 2026, 13:48:32Hast du eine Info, wie es denn zu den Werten kam?Nein weiß ich nicht, ich habe sie von anderen Firmwaren wie z.B. dem Cul übernommen
Zitat von: Ralf9 am 10 Mai 2026, 11:32:19Hast Du auch mal die 0x43 getestet ob es beim Empfang einen Unterschied macht?
Zitat von: Ralf9 am 10 Mai 2026, 11:32:19Ich hab mir mal die Unterschiede zu den FSK rfmodes angeschaut.
Die rfmodes stehen am Anfang der signalduino_protocols.pm und können einfach miteinander verglichen werden.
Zitat von: Sailor am 11 Mai 2026, 08:58:44# 3. Unaltered or only marginally modified AI-generated code fragmentsin der Praxis gut handelbar ist, würde mich doch stark wundern.
# are explicitly labeled at the relevant sections within the source code
# via comments such as:
# "Begin - AI-generated segment - source: [AI NAME] - Begin"
# "End - AI-generated segment - source: [AI NAME] - End"
Zitat von: Gisbert am 11 Mai 2026, 10:10:07Hallo 300P,
Information about the neural network for consumption forecasting
last AI training: 2026-05-11 02:01:56 / Runtime in seconds: 1361 ####### gute Laufzeit
AI query status: ok
last AI result generation time: 42.23 ms ####### okay
Alpha: 1
Consumer number Heat pump: 01
=== Model Parameters ===
Standardization Limits: PV=16687 Wh, Household Consumption: Min=0 Wh / Max=14430 Wh ####### Hoher Spitzeverbrauch => ist der wirklich so hoch (EV/WP ??). Oder was ist der Grund dafür ??
Training Data: 2896 Data Records (Training=2316, Validation=580) ####### akzeptabel (aber noch nicht gut / Anzahl)
Architecture: Inputs=94, Hidden Layers=64-32, Outputs=1 ####### ok
Hyperparameters: Learning Rate=0.005, Momentum=0.5, BitFail-Limit=0.35 ####### LR auf 0.002 gehen - Bitfail auf 0.30
Activations: Hidden=SIGMOID, Steepness=0.9, Output=LINEAR ####### evtl. testweise anpassen - aber nicht jetzt und nicht alles auf einmal
Training Algorithm: INCREMENTAL, Registry Version=v1_heatpump_pv ####### evtl. testweise mal anpassen - aber nicht jetzt und nicht alles auf einmal
Random Generator: Mode=2, Period=10 ####### okay
Model Age: 7 h
=== Training Metrics ===
best model at Epoche: 3249 (max. 15000) ####### gute Tiefe
Training MSE: 0.000533 #######gut
Validation MSE: 0.001664 #######gut
Validation MSE Average: 0.001864 #######gut
Validation MSE Standard Deviation: 0.000146 #######gut
Validation Bit_Fail: 1 #######sehr gut ist aber auch nicht absolute Hauptzweck 0 zu erreichen
Model Bias: 364 Wh #######normal
Model Slope: 0.7 okay
Training evaluation: Retrain #######sagt eigentlich genau das was du machen muss ...erneut anpassen und trainieren
=== Forecast Error Measures ===
MAE: 322.41 Wh #######okay
MedAE: 213.62 Wh #######okay
RMSE: 363.79 Wh #######okay
RMSE relative: 52 % #######okay
RMSE Rating: acceptable ####### genau
MAPE: 43.21 % #######zu hoch
MdAPE: 22.46 % #######im Rahmen
R²: 0.77 #######bei WP schon ein guter Wert ich habe meist 0.69 - 0.79 0.8 erreiche ich nur ausnahmsweise mal
=== Noise ===
Noise Rating: borderline #######da ist Luft nach oben
Recommendation for Bit_Fail: 0.34 (Setting of aiControl->aiConBitFailLimit) #######wie oben - 0.30 nutzen
=== Drift Indicators ===
Drift Score: - #######Werte kommen ferst nach mind. 24 Stunden Laufzeit
Drift RMSE ratio: - #######Werte kommen ferst nach mind. 24 Stunden Laufzeit
Drift Slope: 1 #######Werte kommen ferst nach mind. 24 Stunden Laufzeit
Drift Bias: 0 #######Werte kommen ferst nach mind. 24 Stunden Laufzeit
Drift Bias Live: - #######Werte kommen ferst nach mind. 24 Stunden Laufzeit
Drift Index: - #######Werte kommen ferst nach mind. 24 Stunden Laufzeit
Drift Rating: fresh_model #######Werte kommen ferst nach mind. 24 Stunden Laufzeit
Slope recalibrated: 0.7 #######Werte kommen ferst nach mind. 24 Stunden Laufzeit
Bias recalibrated: 364 #######Werte kommen ferst nach mind. 24 Stunden Laufzeit
last recalibration: - #######Werte kommen ferst nach mind. 24 Stunden Laufzeit