Neueste Beiträge

#91

Sonstige Systeme / Aw: 433Mhz Signalduino manax /...

Letzter Beitrag von Andreas 4711 - 27 Dezember 2025, 19:08:29

Hallo,

ich hatte noch ein IP44-Conecto-4-fach Funksteckdosenset aus dem Jahre 2022 im Keller liegen, das ich mit dem hier geschriebenen in FHEM einlernen konnte.

Die Steckdosen scheint es als Indoor-Variante noch zu geben.

Danke an alle, die an diesem Thread mitgeschrieben haben.

Gruß,

Andreas

#92

InterTechno / Aw: Sind Conecto Funksteckdose...

Letzter Beitrag von Andreas 4711 - 27 Dezember 2025, 18:58:30

Falls es nach so langer Zeit noch interessiert: Hatte noch ein IP-44-Conecto-4-fach-Funksteckdosenset aus dem Jahr 2022 im Keller liegen, das ich in FHEM einlernen wollte. Nach längerem Hin & Her hat es dann wie folgt geklappt:
-SignalDuino, 433,92 MHz, V 4.0.0
-autocreate
-Steckdose einstecken, Fernbedienung betätigen (ev. mehrmals)
-neues unknwon_select_model Gerät erscheint im FHEM-Webfrontend unter Everything
-unknwon_select_model anklicken, attr "model" auf "RC_10" setzen, Save Config
-Gerät wird im Webfrontend z.B. mit RC_10_38BO_"Taste-Fernbedienung" angezeigt
-Gerät im Webfrontend schalten -> FHEM fordet dich auf, die Fernbedienung zu drücken
-jetzt kann die Funksteckdose auch in FHEM geschaltet werden

Die Conecto Funksteckdosen gibt´s noch als Indoor - Variante. Gleichen ansonsten meinen von 2022.

Weitere Infos finden sich hier:

https://forum.fhem.de/index.php?topic=94327.0

Grüße,

Andreas

#93

fronthem / smartVISU / Aw: smartVISU v3.6 ist erschie...

Letzter Beitrag von wvhn - 27 Dezember 2025, 18:00:41

Der neue Treiber bringt Dir auch die Option "Aktivitätsanzeige" auf die Konfigurationsseite. Wenn Du das Blinken nicht brauchst und die config.ini manuell ergänzt, dann brauchst Du den neuen Treiber nicht. Allerdings fehlt dann auch das Array "io.openItems", das Dir in der Konsole anzeigt, welche items noch nicht aktualisiert werden. Das ist für die Fehlersuche recht praktisch.

Gruß
Wolfram

#94

Heizungssteuerung/Raumklima / Aw: Vitoconnect - Verbesserte ...

Letzter Beitrag von stefanru - 27 Dezember 2025, 17:54:53

Hi Uron,

ich habe nochmal geschaut und bei dir geht es gleich am Anfang schief.
Er scheint sich erst gar nicht mit der API verbinden zu können.
Kannst du mal schauen dass bei dir alles unter https://developer.viessmann-climatesolutions.com/ passt und richtig eingestellt ist?
Schau mal im Dashboard das deine ClientID dem API Key entspricht.
Du kannst auch mal unten unter "Generate Access Token" ein IOT Token erzeugen und schauen ob das geht. Im Endeffekt macht der Code bis daher nichts anderes.
Im Anhang mal noch eine Version wo er bis dahin alles mit Verbose 1 logged.
Wenn du diese lädst können wir vielleicht mehr sehen.
Bisher sehe ich immer nur das er das Access Token nicht generiert weil irgend etwas wohl nicht passt bei deinem Login.

Gruß,
Stefan

#95

Solaranlagen / Aw: 76_SolarForecast - Informa...

Letzter Beitrag von DS_Starter - 27 Dezember 2025, 17:49:33

Hallo 300P,

welcome back 

Gehe 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

#96

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"...

#97

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.

#98

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)

Code Auswählen Erweitern

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.

                                                                                                                                           



#99

Forum-Software / Aw: wer hat hier den Bot einge...

Letzter Beitrag von tomcat.x - 27 Dezember 2025, 16:27:21

User Alexios Riner

https://forum.fhem.de/index.php?topic=142269.msg1354387#msg1354387
https://forum.fhem.de/index.php?topic=143090.msg1354386#msg1354386

#100

Solaranlagen / Aw: 76_SolarForecast - Informa...

Letzter Beitrag von 300P - 27 Dezember 2025, 16:20:05

Als 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:

Code Auswählen Erweitern

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)     

Gehe ich (z.Z. noch) recht in der Annahme das:

Code Auswählen Erweitern

- 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?

Code Auswählen Erweitern

# 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