conlegfc: 1757, conaifc: 5134, confc: 4121
conlegfc: 1022, conaifc: 3592, confc: 2821
conlegfc: 549, conaifc: 718, confc: 667
conlegfc: 191, conaifc: 234, confc: 221
NextHour00 => starttime: 2026-05-17 17:00:00, day: 17, weekday: Sun, holiday: 0, hourofday: 18, today: 1
pvapifcraw: 4188, pvapifc: 3057, pvaifc: -, pvfc: 3057, aihit: 0
conlegfc: 1757, conaifc: 5134, confc: 4121, conbiascorr: 0, confcEx: 1757, weatherid: 3, wcc: 81, rr1c: 0.00
temp: 17.10, windspeed: 13.00, windspeed_fast: 13.00, rad1h: 1210, sunaz: 261.40, sunalt: 31.40, DoN: 1
rrange: 0.00, crange: 80, DaysInRange: 3, correff: 0.73/0.85
soc01: 91.9, soc02: -, soc03: -, socprogwhsum: 11769
rcdchargebat01: 1, rcdchargebat02: -, rcdchargebat03: -
lcintimebat01: -, lcintimebat02: -, lcintimebat03: -
strategybat01: loadRelease, strategybat02: -, strategybat03: -
NextHour01 => starttime: 2026-05-17 18:00:00, day: 17, weekday: Sun, holiday: 0, hourofday: 19, today: 1
pvapifcraw: 2624, pvapifc: 2624, pvaifc: -, pvfc: 2624, aihit: 0
conlegfc: 1022, conaifc: 3592, confc: 2821, conbiascorr: 0, confcEx: 1022, weatherid: 3, wcc: 84, rr1c: 0.00
temp: 16.70, windspeed: 11.00, windspeed_fast: 11.00, rad1h: 760, sunaz: 273.50, sunalt: 22.20, DoN: 1
rrange: 0.00, crange: 85, DaysInRange: 3, correff: 1.00/-
soc01: 90.4, soc02: -, soc03: -, socprogwhsum: 11572
rcdchargebat01: 1, rcdchargebat02: -, rcdchargebat03: -
lcintimebat01: -, lcintimebat02: -, lcintimebat03: -
strategybat01: loadRelease, strategybat02: -, strategybat03: -
NextHour02 => starttime: 2026-05-17 19:00:00, day: 17, weekday: Sun, holiday: 0, hourofday: 20, today: 1
pvapifcraw: 1320, pvapifc: 1320, pvaifc: 789, pvfc: 789, aihit: 1
conlegfc: 549, conaifc: 718, confc: 667, conbiascorr: 0, confcEx: 549, weatherid: 3, wcc: 84, rr1c: 0.00
temp: 16.00, windspeed: 11.00, windspeed_fast: 11.00, rad1h: 380, sunaz: 284.90, sunalt: 13.60, DoN: 1
rrange: 0.00, crange: 85, DaysInRange: 3, correff: 1.00/-
soc01: 91.2, soc02: -, soc03: -, socprogwhsum: 11678
rcdchargebat01: 1, rcdchargebat02: -, rcdchargebat03: -
lcintimebat01: -, lcintimebat02: -, lcintimebat03: -
strategybat01: loadRelease, strategybat02: -, strategybat03: -
NextHour03 => starttime: 2026-05-17 20:00:00, day: 17, weekday: Sun, holiday: 0, hourofday: 21, today: 1
pvapifcraw: 324, pvapifc: 204, pvaifc: -, pvfc: 204, aihit: 0
conlegfc: 191, conaifc: 234, confc: 221, conbiascorr: 0, confcEx: 191, weatherid: 3, wcc: 84, rr1c: 0.00
temp: 15.30, windspeed: 9.00, windspeed_fast: 9.00, rad1h: 90, sunaz: 296.30, sunalt: 5.00, DoN: 1
rrange: 0.00, crange: 85, DaysInRange: 4, correff: 0.63/0.86
soc01: 91.1, soc02: -, soc03: -, socprogwhsum: 11661
rcdchargebat01: 1, rcdchargebat02: -, rcdchargebat03: -
lcintimebat01: -, lcintimebat02: -, lcintimebat03: -
strategybat01: loadRelease, strategybat02: -, strategybat03: -Informationen zum neuronalen Netz der Verbrauchsvorhersage
letztes KI-Training: 16.05.2026 20:11:32 / Laufzeit in Sekunden: 1701
KI Abfragestatus: ok
letzte KI-Ergebnis Generierungsdauer: 13.42 ms
Alpha: 0.7
Verbrauchernummer Wärmepumpe: -
=== Modellparameter ===
Normierungsgrenzen: PV=15400 Wh, Hausverbrauch: Min=0 Wh / Max=44466 Wh
Trainingsdaten: 9234 Datensätze (Training=7387, Validation=1847)
Architektur: Inputs=69, Hidden Layers=80-40, Outputs=1
Hyperparameter: Learning Rate=0.005, Momentum=0.6, BitFail-Limit=0.25
Aktivierungen: Hidden=ELLIOT_SYMMETRIC, Steepness=0.4, Output=LINEAR
Trainingsalgorithmus: INCREMENTAL, Registry Version=v1_common_active_pv
Zufallsgenerator: Mode=2, Period=10
Modellalter: - h
=== Trainingsmetriken ===
bestes Modell bei Epoche: 4260 (max. 15000)
Training MSE: 0.000126
Validation MSE: 0.000281
Validation MSE Average: 0.000287
Validation MSE Standard Deviation: 0.000011
Validation Bit_Fail: 0
Model Bias: 118 Wh
Model Slope: 1.0
Trainingsbewertung: Retrain
=== Fehlermaße der Prognosen ===
MAE: 240.91 Wh
MedAE: 66.77 Wh
RMSE: 298.90 Wh
RMSE relative: 113 %
RMSE Rating: weak
MAPE: 56.72 %
MdAPE: 18.35 %
R²: 0.93
=== Rauschen ===
Rauschen Bewertung: borderline
Empfehlung für Bit_Fail: 0.34 (Einstellung von aiControl->aiConBitFailLimit)
=== Drift-Kennzahlen ===
Drift Score: -
Drift RMSE ratio: -
Drift Slope: -
Drift Bias: -
Drift Bias Live: -
Drift Index: -
Drift Bewertung: -
Slope recalibrated: -
Bias recalibrated: -
letzte Rekalibrierung: -
LG WDSZitat von: neobiker am 15 Mai 2026, 13:06:14Hallo,
bei mir kommen keine Docsis Infos mehr.
Ich sehe auch nicht ein Attribute EnableDocsisInfo wie es in der Doku steht.
Aber noch ein Disable DocsisInfo das auf 0 steht.
FritzSmart 26.05.11b
Cable6660
Edit:
Jetzt konnte ich EnableDocsisInfo einschalten.
Gruss Neobiker
Zitat von: DS_Starter am 17 Mai 2026, 14:52:52Noch offene Baustelle: Slope 0.84
Der Slope liegt mit 0.84 knapp unter dem Idealwert 1.0 und gerade noch im grünen Bereich (Limit 0.7). Das bedeutet das Modell unterschätzt tendenziell hohe Verbräuche leicht. Das wird sich in der Drift-Analyse zeigen als leicht positiver DriftBias. Die Bias-Korrektur in _aiFannApplyBiasCorrection sollte das aber kompensieren.

aiConLearnRate=0.002
aiConBitFailLimit=0.15aiConShuffleMode=1 Trainingsergebnis: Deutliche Verbesserung
Das neue Training ist signifikant besser als das vorherige. Ein direkter Vergleich:
Kennzahl Vorher Jetzt Bewertung
Beste Epoche 333 3998 ✓ 12× mehr Training
Train MSE 0.000099 0.000177 weniger überangepasst
Val MSE 0.000122 0.000172 ✓ näher beieinander
Val/Train Ratio 1.23 0.97 ✓ kein Overfitting
Slope 0.86 0.84 ≈ gleich, noch Potenzial
Bit_Fail 0 0 ✓
Score 2.12 79 ✓
(Drift) (Training)
Zitat von: Prof. Dr. Peter Henning am 25 April 2026, 13:44:46Hmmmm. Bunt. Ergonomie nein Danke, würde ich sagen.
. Meine bisherige UI ist mit FUIP, hat aber so ihre Probleme...