ZitatDer Schnellfall als solcher wird ja über die Wetterdienste prognostiziert und könnte unter Beachtung der Temperaturen der nachfolgenden Tage sowie der in SF hinterlegten Anstellwinkel der Solarpaneele hinsichtlich seiner wahrscheinlichen Auswirkungen in den nächsten Tagen (z.B. Solarpaneele bleiben bedeckt) - auch ohne KI - in der PV-Erzeugungsprognose berücksichtigt werden. Ist dies angedacht?Hättest du einen konkreten Vorschlag zur mathematischen Abbildung eines solchen Zustandes?
ZitatEdit: Aktuell sehe ich nur aufgrund der schneebedeckten Module eine PV-Deviation von rund 100%Ist bei mir auch so. Es ist Winter ... tja was soll man da machen.
Zitat von: DS_Starter am 10 Januar 2026, 11:21:59Zur Zeit habe ich wegen Schnee ...
"shellyemmini" => [0,0,0, 1,1,0, 0,0,0], # similar to 'shellypmmini' EM1 or PM1 ?(EM1 or PM1) lieferte aber schon den entscheidenden Tipp; nach Modifikation auf "shellyemmini" => [0,0,0, 1,1,0, 1,0,0], # similar to 'shellypmmini' EM1 or PM1 ?werden die entsprechenden readings angelegt.Zitat von: CoolTux am 10 Januar 2026, 11:11:44Der Thread kommt mir seltsam vor.Das ist mMn. noch untertrieben.
Zitat von: passibe am 09 Januar 2026, 22:42:28Was sagt denn:
docker exec zigbee2mqtt ls -la /dev
total 4
drwxr-xr-x 5 root root 340 Jan 9 21:41 .
drwxr-xr-x 1 root root 4096 Jan 9 21:38 ..
lrwxrwxrwx 1 root root 13 Jan 9 21:41 fd -> /proc/self/fd
crw-rw-rw- 1 root root 1, 7 Jan 9 21:41 full
drwxrwxrwt 2 root root 40 Jan 9 21:41 mqueue
crw-rw-rw- 1 root root 1, 3 Jan 9 21:41 null
lrwxrwxrwx 1 root root 8 Jan 9 21:41 ptmx -> pts/ptmx
drwxr-xr-x 2 root root 0 Jan 9 21:41 pts
crw-rw-rw- 1 root root 1, 8 Jan 9 21:41 random
drwxrwxrwt 2 root root 40 Jan 9 21:41 shm
lrwxrwxrwx 1 root root 15 Jan 9 21:41 stderr -> /proc/self/fd/2
lrwxrwxrwx 1 root root 15 Jan 9 21:41 stdin -> /proc/self/fd/0
lrwxrwxrwx 1 root root 15 Jan 9 21:41 stdout -> /proc/self/fd/1
crw-rw-rw- 1 root root 5, 0 Jan 9 21:41 tty
crw-rw---- 1 root dialout 188, 1 Jan 9 21:41 ttyACM0
crw-rw-rw- 1 root root 1, 9 Jan 9 21:41 urandom
crw-rw-rw- 1 root root 1, 5 Jan 9 21:41 zero
Zitat von: passibe am 09 Januar 2026, 22:42:28Sicher, dass Z2M nicht parallel als nicht-container irgendwo läuft und du aus Versehen gar nicht mit port 8089 verbunden bist?Das wäre für mich nicht erklärbar, denn ich habe bisher zigbee2mqtt nur im Docker getestet.
Zitat von: passibe am 09 Januar 2026, 22:42:28Eigentlich dürfte Z2M aber im Container nicht die Devices des Docker-Hosts sehen.Meine ich auch. Gibt es eine Einstellung für Docker, das alle Geräte durchreicht? Habe ich da mal was kaputt gemacht?
Zitat von: passibe am 09 Januar 2026, 22:42:28Poste bitte auch mal Log von Z2M beim Start.
[2026-01-10 11:16:04] info: z2m: Logging to console, file (filename: log.log)
[2026-01-10 11:16:04] info: z2m: Starting Zigbee2MQTT version 2.7.2 (commit #3a49c95786c2fba749e7696aab4cc38e467d2c4c
)
[2026-01-10 11:16:04] info: z2m: Starting zigbee-herdsman (8.0.1)
[2026-01-10 11:16:04] info: zh:adapter:discovery: Matched adapter: {"path":"/dev/ttyUSB1","manufacturer":"ITead","serialNumber":"48d17ff1cb8aef118f9e24ccef8776e9","pnpId":"usb-ITead_Sonoff_Zigbee_3.0_USB_Dongle_Plus_48d17ff1cb8aef118f9e24ccef8776e9-if00-port0","vendorId":"10c4","productId":"ea60"} => zstack: 4
[2026-01-10 11:16:04] info: zh:zstack:znp: Opening SerialPort with {"path":"/dev/ttyUSB1","baudRate":115200,"rtscts":false,"autoOpen":false}
[2026-01-10 11:16:04] error: z2m: Error while starting zigbee-herdsman
[2026-01-10 11:16:04] error: z2m: Failed to start zigbee-herdsman
[2026-01-10 11:16:04] error: z2m: Check https://www.zigbee2mqtt.io/guide/installation/20_zigbee2mqtt-fails-to-start_crashes-runtime.html for possible solutions
[2026-01-10 11:16:04] error: z2m: Exiting...
[2026-01-10 11:16:04] error: z2m: Error: Error: No such file or directory, cannot open /dev/ttyUSB1
letztes KI-Training: 10.01.2026 10:40:47 / Laufzeit in Sekunden: 6762
KI Abfragestatus: ok
letzte KI-Ergebnis Generierungsdauer: 58.42 ms
Verbrauchernummer Wärmepumpe: 08
=== Modellparameter ===
Normierungsgrenzen: PV=16071 Wh, Hausverbrauch: Min=0 Wh / Max=7598 Wh
Trainingsdaten: 6947 Datensätze (Training=5557, Validierung=1390)
Architektur: Inputs=61, Hidden Layers=80-40-20, Outputs=1
Hyperparameter: Learning Rate=0.005, Momentum=0.8, BitFail-Limit=0.35
Aktivierungen: Hidden=SIGMOID, Steilheit=0.5, Output=LINEAR
Trainingsalgorithmus: INCREMENTAL, Registry Version=v1_heatpump
Zufallsgenerator: Mode=2, Periode=10
=== Trainingsmetriken ===
bestes Modell bei Epoche: 4687 (von max. 15000)
Training MSE: 0.003686
Validation MSE: 0.008438
Validation MSE Average: 0.011097
Validation MSE Standard Deviation: 0.001267
Validation Bit_Fail: 0
Model Bias: 913 Wh
Model Slope: 0.5
Trainingsbewertung: Retrain
=== Fehlermaße der Prognosen ===
MAE: 527.61 Wh
MedAE: 388.05 Wh
RMSE: 649.57 Wh
RMSE relative: 30 %
RMSE Rating: weak
MAPE: 24.23 %
MdAPE: 20.32 %
R²: 0.35
=== Drift-Kennzahlen ===
Drift Score: -
Drift RMSE relative: -
Drift Bias: -
Drift Slope: -
Drift Bewertung: -