Hauptmenü

Neueste Beiträge

#11
Solaranlagen / Aw: 76_SolarForecast - Informa...
Letzter Beitrag von DS_Starter - 27 Dezember 2025, 17:49:33
Hallo 300P,

welcome back  :)

ZitatGehe ich (z.Z. noch) recht in der Annahme das:
Code Auswählen
- aiConHiddenLayers=80‑40‑20
- aiConTrainStart=3:1
- aiConActFunc=GAUSSIAN

noch nicht als Parameter eintragbar und als Parameter mit dieser u.s. aktuellen Version 2.0.0 im Contrib vom 10,12,2025 noch nicht genutzt werden kann?
Absolut. Den Artikel habe ich vorbereitend geschrieben (...in Entwicklung).
Die Version im contrib ist noch die du bereits hast mit der initialen FANN-Logik.
Jetzt ist die Entwicklung bereits viel weiter, aber noch nicht im contrib weil ich noch ein paar Problemchen lösen muß.

Sobald es soweit ist, update ich das contrib und gebe auch Bescheid dass es upgedated wurde.

LG,
Heiko
#12
Sprachsteuerung / Aw: [alexa-fhem | Generell] Al...
Letzter Beitrag von Joker - 27 Dezember 2025, 17:22:01
Ja... das stimmt. Die Frage ist, was ist eigentlich richtig.
Die Anmeldung mit "node" erfolgt ja durch den alexa-fhem Docker Container, und da hab ich nichts bzgl Username eingestellt bzw. scheint das default so zu sein. Ich wüßte auch nicht wie ich das beeinflußen könnte?

Allerdings ergibt ja sowohl die Anmeldung mit "fhem" als auch mit "node" ein "Permission denied"...
#13
Forum-Software / Aw: wer hat hier den Bot einge...
Letzter Beitrag von RalfRog - 27 Dezember 2025, 17:06:15
Interessant vor allem hinsichtlich der bis auf den Inhalt korrekten Zitate.
#14
Solaranlagen / Aw: 76_SolarForecast - Informa...
Letzter Beitrag von 300P - 27 Dezember 2025, 16:49:11
Hier (unten) die aktuellen Ergebnisse vorher <==> nachher bei mir zu den obigen vorgenommenen Einstellungen:
(Anlage mit 7kW-WP / 14.5 kWp PV / 26 kW Akku)


Informationen zum neuronalen Netz der Verbrauchsvorhersage

letztes KI-Training: 27.12.2025 16:36:49 / Laufzeit in Sekunden: 589.53
letzte KI-Ergebnis Generierungsdauer: 0.13 ms

=== Modellparameter ===

Trainingsdaten: 6649 Datensätze (Training=5319, Validierung=1330)
Architektur: Inputs=18, Hidden Layers=64-32-16, Outputs=1
Hyperparameter: Learning Rate=0.001, Momentum=0.7, BitFail-Limit=0.35
Aktivierungen: Hidden=SIGMOID, Steilheit=0.9, Output=LINEAR
Zufallsgenerator: Mode=1, Periode=10

=== Trainingsmetriken ===

bestes Modell bei Epoche: 154 (von max. 15000)
Training MSE: 0.004
Validation MSE: 0.002
Validation Bit_Fail: 0
bester Trainingslauf: 0
Trainingsbewertung: ok (Val MSE Standard Deviation=0.000123, Val MSE Avg=0.002798)

=== Fehlermaße der Prognosen ===

MAE: 679.94 Wh
MedAE: 637.03 Wh
RMSE: 0.045
MAPE: 41.330 %
MdAPE: 33.187 %
R²: 0.014

 Erläuterung der Kennzahlen

Train MSE / Validation MSE → wie gut das Netz trainiert und generalisiert. Daumenregel:
   MSE < 0.01 → sehr gut
   MSE 0.01–0.05 → gut
   MSE > 0.1 → schwach
   Interpretation Verhältnis Train MSE zu Validation MSE:
      Validation ≈ Train → gute Generalisierung
      Validation deutlich größer → Überfitting
      Validation kleiner → Validierungsdaten sind einfacher oder Split begünstigt

Validation Bit_Fail → Anzahl der Ausreißer

MAE (Mean Absolute Error) → mittlere absolute Abweichung in Wh. Richtwerte bei typischem Verbrauch 500–1500 Wh:
   < 100 Wh → sehr gut
   100–300 Wh → gut
   > 300 Wh → schwach

MedAE (Median Absolute Error) → Median der absoluten Fehler in Wh (toleriert einzelne Ausreißer besser)
   < 100 Wh → sehr gut
   100–200 Wh → gut
   200–300 Wh → mittelmäßig
   > 300 Wh → schwach

RMSE (Root Mean Squared Error) → mittlere quadratische Abweichung in Wh
   Interpretation: wie groß Fehler im Mittel sind, mit Betonung auf Ausreißer
   Richtwerte:
   < 0.01 → sehr gut
   0.01–0.03 → gut
   0.03–0.05 → mittelmäßig / akzeptabel
   > 0.05 → schwach

MAPE (Mean Absolute Percentage Error) → relative Abweichung in %
   Richtwerte:
   < 10 % → sehr gut - Modell liegt fast immer sehr nah an den echten Werten
   10–20 % → gut - Prognosen sind solide, kleine Abweichungen sind normal
   20–30 % → mittelmäßig / akzeptabel - Modell ist brauchbar, aber nicht präzise – für grobe Trends ok
   > 30 % → schwach - Modell verfehlt die Werte deutlich, oft durch Ausreißer oder fehlende Features
   ⚠️ Vorsicht: bei kleinen Werten (<200 Wh) kann MAPE stark verzerren → MdAPE heranziehen

MdAPE (Median Absolute Percentage Error) → Median der prozentualen Fehler in % (robuster gegenüber kleinen Werten)
   Richtwerte:
   < 10 % → sehr gut
   10–20 % → gut
   20–30 % → mittelmäßig
   > 30 % → schwach

R² (Bestimmtheitsmaß) → Maß für die Erklärungskraft des Modells. Je näher R² an 1 liegt, desto besser.
   R² = 1.0 → perfekte Vorhersage, alle Punkte liegen exakt auf der Regressionslinie
   R² > 0.8 → sehr gut - Modell erfasst den Großteil der Streuung → sehr zuverlässige Prognosen
   R² = 0.6 – 0.8 → gut - Modell erklärt einen soliden Teil der Varianz → brauchbar für viele Anwendungen
   R² = 0.5–0.6 → mäßig / grenzwertig - Modell liegt knapp über ,,zufällig" → Muster erkannt, Prognosen nur eingeschränkt nützlich
   R² < 0.5 → schwach - Modell erklärt weniger als die Hälfte der Varianz → deutlicher Verbesserungsbedarf
   R² = 0.0 → Modell erklärt gar nichts, es ist nicht besser als der Mittelwert der Daten
   R² < 0.0 → Modell ist schlechter als einfach immer den Mittelwert vorherzusagen
   ⚠️ R² ist sehr empfindlich gegenüber Ausreißern und Varianz in den Daten.

                                                                                                                                           

#16
Solaranlagen / Aw: 76_SolarForecast - Informa...
Letzter Beitrag von 300P - 27 Dezember 2025, 16:20:05
Zitat von: DS_Starter am 25 Dezember 2025, 17:21:10Als kleinen Ausblick habe ich vorbereitend einen Artikel zur KI-Verbrauchsprognose erstellt. In der Zwischenzeit ist schon sehr viel passiert. Die Modellierung ist vorangeschritten. Es wird diverse Einstellmöglichkeiten zur Modellanpassung geben.


Hallo Heiko,

bin wieder aus der Sonne zurück und versuche mich bei den Einstellungen gemäß des obigen Artikels.
Meist schreibe ich mir am Anfang von neuen Sachen alle Parameter - egal ob ich Standart nutze oder nicht -  zur Übersicht mit in die jeweiligen Attribute hinein um dann den einen deren evtl. mal dann auszuprobieren.

Bislang habe ich folgendes hinterlegt:
aiTrainStart=3
aiStorageDuration=3600
aiTreesPV=30
aiConActivate=1
aiConLearnRate=0.001
aiConMomentum=0.7
aiConShuffleMode=1
aiConShufflePeriod=10
aiConSteepness=0.9
aiConTrainAlgo=RPROP


Jetzt meine Frage (frei nach dem heiteren Beruferaten "Was bin ich" ->> Hans Sachs)  ;)  ;D  O:-)

Gehe ich (z.Z. noch) recht in der Annahme das:
- aiConHiddenLayers=80‑40‑20
- aiConTrainStart=3:1
- aiConActFunc=GAUSSIAN

noch nicht als Parameter eintragbar und als Parameter mit dieser u.s. aktuellen Version 2.0.0 im Contrib vom 10,12,2025 noch nicht genutzt werden kann?

# Versions History intern
164 my %vNotesIntern = (
165   "2.0.0"  => "10.12.2025  initial implementation of neural network for consumption forecasting with AI::FANN ".
166                            "aiControl: more keys for aiCon... ".
167                            "edit commandRef, remove __batSaveSocKeyFigures ",
168   "1.60.7" => "21.11.2025  new special Reading BatRatio, minor code changes ",

Aus dem Code geht dies n.m.A. so hervor.
Danke für eine kurze Info dazu
Gruß
Günter
#17
MQTT / Aw: [gelöst] ZigBee2MQTT und 5...
Letzter Beitrag von Wernieman - 27 Dezember 2025, 16:09:48
Sorry es Dir zu sagen, aber Deine Korrektur hat gar nichts gebracht. Nur diesmal hilft auch ein Restart von FHEM nichts, nur die erste Dose funktioniert. Komischerweise gibt es jetzt unter:
Probably associated with
zigbee_Steckdosenleiste_1_CH2
zigbee_Steckdosenleiste_1_CH2
zigbee_Steckdosenleiste_1_CH3
zigbee_Steckdosenleiste_1_CH3
zigbee_Steckdosenleiste_1_CH4
zigbee_Steckdosenleiste_1_CH4
zigbee_Steckdosenleiste_1_CH5
zigbee_Steckdosenleiste_1_CH5

Also alles verdoppelt. ABER .. die Device existieren jeweils nur ein mal. Habe versucht mich da durchzugucken, aber ich verstehe (scheinbar) zu wenig ...

Und um sicherzugehen mein Vorgehen am Ende:
Device gelöscht, save und sicherheitshalber FHEM restart (bzw. shutdown, starten tut bei mir docker). Nach Start FHEM Device angeschlossen und autocreate. Nun das Template zugeordnet und getestet (negativ). Save und FHEM restart und nochmals getestet. Wieder negativ.
#18
MQTT / Aw: zb_Button1 sendet als Butt...
Letzter Beitrag von frober - 27 Dezember 2025, 15:03:53
Hat sich erledigt.
Danke für eure Antworten.

Peinlich  :-[
Ich habe alle Attr von Button1 nach 2 + 3 kopiert und ausgerechnet das Anpassen des devicetopic vergessen.  :'(

@TomLee, du hast Recht setlist ist Quatsch, keine Ahnung was ich da gedacht habe...

@Nobbynews, das mit der Bridge werde ich probieren. Aber ich lösche sie nicht ganz, sondern reduziere sie auf das state, da ich online/offline monitore. 
#19
FHEM Development / Aw: glob/Wildcards in CommandI...
Letzter Beitrag von jw2013 - 27 Dezember 2025, 14:42:32
Wünsche Euch Frohe Weihnachten!

@rudolfkoenig, das FHEM Package-Build-System für OpenWrt habe ich so gestaltet, dass Module bei der Installation eigene Konfigurations-Dateien bereitstellen können, die beim Start von FHEM mit eingebunden werden. Das ist für Frontend-Module wie FHEMWEB und telnet nützlich, und für Singletons wie DOIFtools. Nach der Installation eines solchen Moduls soll die Funktionalität ab dem nächsten Start/Restart von FHEM bereit stehen.

Aktuell funktioniert das auch, wenn fhem über das OpenWrt Service Script neu gestartet wird, da dieses die Wildcard/Glob Funktionalität nachbildet: Alle Dateien /etc/config/fhem/mod.cfg.d/*.cfg werden in einer automatisch angelegten /etc/config/fhem/mod.cfg inkludiert, und diese wiederum in fhem.cfg. Ein "shutdown restart" in FHEM hingegen durchläuft nicht das Service Script, und ignoriert neu installierte Modul-Konfigurationen.

Mit der Änderung könnte man auf die automatisch erzeugte Sammel-Datei verzichten, und neue Konfigurationen würden auch beim FHEM-internen Restart berücksichtigt.
#20
fronthem / smartVISU / Aw: smartVISU v3.6 ist erschie...
Letzter Beitrag von Joker - 27 Dezember 2025, 14:34:22
Erstmal danke für die neue Version  8)  Update hat soweit problemlos geklappt.

Zum Verständnis der Aktivitätsanzeige: Den neuen Treiber braucht man nur für das Blinken des Logos oder? Weil dass die fehlenden Items rot umrahmt werden, funktioniert augenscheinlich auch so.

Leider kann ich das mit dem blinkenden Logo bei mir nicht testen, weil ich das smartVISU Logo bei mir ausgebaut habe- sonst hätte ich ich auf dem Handy in der Titelleiste keinen Platz für meine anderen Icons gehabt  :P