76_SolarForecast - Informationen/Ideen zu Weiterentwicklung und Support

Begonnen von DS_Starter, 11 Februar 2024, 14:11:00

Vorheriges Thema - Nächstes Thema

peterboeckmann

Hallo Heiko,

der Stundenwechsel um 12 Uhr hat jedenfalls geklappt.

Viele Grüße,
Peter

Wolle02

Jetzt kommt mit der V2.2.3 beim Stundenwechsel keine Kommastelle mehr.

marboj

setupInverterDev01
OpenDTU_2370752 pvOut=power:W capacity=800 etotal=yieldtotal:kWh strings=Ost,West
setupInverterDev02
OpenDTU_2370752 pvOut=power:W capacity=800 etotal=yieldtotal:kWh strings=SüdGarage,SüdGarten feed=bat

Habe jetzt einen 2. Inverter angelegt und die Strings zugeordnet. Jetzt wird aber der doppelte Ertrag angezeigt, obwohl die Strings zugeordnet sind...

Gruß
Marco
meine FHEM-Konfiguration: Raspberry Pi4, BT-Dongle, CUL868, CeeBee II

DS_Starter

So, bei PV Forecast sollte bei dir/euch auch keine Nachkommstelle mehr erscheinen --> contrib.
Proxmox+Debian+MariaDB, PV: SMA, Victron MPII+Pylontech+CerboGX
Maintainer: SSCam, SSChatBot, SSCal, SSFile, DbLog/DbRep, Log2Syslog, SolarForecast,Watches, Dashboard, PylonLowVoltage
Kaffeekasse: https://www.paypal.me/HMaaz
Contrib: https://svn.fhem.de/trac/browser/trunk/fhem/contrib/DS_Starter

DS_Starter

ZitatHabe jetzt einen 2. Inverter angelegt und die Strings zugeordnet. Jetzt wird aber der doppelte Ertrag angezeigt, obwohl die Strings zugeordnet sind...
Der doppelte Ertrag wovon?

Ansonsten muß Debug bemüht werden --> ctrlDebug=collectData,radiationProcess
Proxmox+Debian+MariaDB, PV: SMA, Victron MPII+Pylontech+CerboGX
Maintainer: SSCam, SSChatBot, SSCal, SSFile, DbLog/DbRep, Log2Syslog, SolarForecast,Watches, Dashboard, PylonLowVoltage
Kaffeekasse: https://www.paypal.me/HMaaz
Contrib: https://svn.fhem.de/trac/browser/trunk/fhem/contrib/DS_Starter

peterboeckmann

Hallo Heiko,

Zitat von: DS_Starter am 05 März 2026, 12:26:46So, bei PV Forecast sollte bei dir/euch auch keine Nachkommstelle mehr erscheinen --> contrib.

ja, das passt jetzt wieder.

Danke und Viele Grüße,
Peter

marboj

Hallo Heiko,

die Infos waren vielleicht zu düftig:

Stand vor der Batterie war, dass 4 Panele am WR waren und der einen Gesamtoutput der 4 Module angezeigt hat.

Jetzt ist es so, dass die Batterie an 2 Panelen hängt und der Ausgang der Batterie an den Eingängen 1 und 2 des WR, die Eingänge 3 + 4 des WR haben noch die Panele.

Die Batterie schaltet den Ertrag der Panele durch an den WR, wenn diese voll ist.

Wie bekomme ich das sinnvoll dargestellt.

Mein erster Ansatz, der bei Überschusseinspeisung funktiniert, dass ich einen zweiten Inverter angelegt habe (mit feed=bat) und dem die Summe der Panele 1+2 als Ertrag zuordne.

Somit ist die Anzeige bei Überschusseinspeisung richtig.

Wenn aber der Speicher Strom an 1+2 abgibt, würde das ja auch als Solarertrag angezeigt.

Wie bekomme ich das am Besten angezeigt? Sowohl der Speicher als auch der WR sind als Geräte im FHEM vorhanden.

Gruß
Marco
meine FHEM-Konfiguration: Raspberry Pi4, BT-Dongle, CUL868, CeeBee II

Shadow3561

Ich muss leider noch einmal dazwischen grätschen. Sorry.
Ich habe bei mir die KI-Verbrauchsprognose aktiviert und bekomme viel zu hohe Verbräuche vorhergesagt.
Anscheinend bin ich zu dusselig um alles richtig interpretieren und die Einstellungen dementschend anzupassenpassen.

aiConActivate=1 aiConAlpha=0.5  aiTrainStart=7 aiStorageDuration=3000 aiTreesPV=3 aiConHiddenLayers=50-25 aiConTrainStart=5:2 aiConProfile=v1_common_active_pv aiConBitFailLimit=0.50
letztes KI-Training: 05.03.2026 12:46:28 / Laufzeit in Sekunden: 4759
KI Abfragestatus: ok
letzte KI-Ergebnis Generierungsdauer: 20.38 ms
Verbrauchernummer Wärmepumpe:  -

=== Modellparameter ===

Normierungsgrenzen: PV=5797 Wh, Hausverbrauch: Min=0 Wh / Max=17670415 Wh
Trainingsdaten: 7225 Datensätze (Training=5780, Validation=1445)
Architektur: Inputs=69, Hidden Layers=50-25, Outputs=1
Hyperparameter: Learning Rate=0.005, Momentum=0.5, BitFail-Limit=0.35
Aktivierungen: Hidden=SIGMOID, Steepness=0.9, Output=LINEAR
Trainingsalgorithmus: INCREMENTAL, Registry Version=v1_common_active_pv
Zufallsgenerator: Mode=2, Period=10

=== Trainingsmetriken ===

bestes Modell bei Epoche: 9610 (max. 15000)
Training MSE: 0.000000
Validation MSE: 0.000001
Validation MSE Average: 0.000001
Validation MSE Standard Deviation: 0.000000
Validation Bit_Fail: 0
Model Bias: 553 Wh
Model Slope: 1.0
Trainingsbewertung: Retrain

=== Fehlermaße der Prognosen ===

MAE: 3954.92 Wh
MedAE: 1628.48 Wh
RMSE: 7879.64 Wh
RMSE relative: 2755 %
RMSE Rating: very bad
MAPE: 689.42 %
MdAPE: 450.91 %
R²: 1.00

=== Rauschen ===

Rauschen Bewertung: noisy
Empfehlung für Bit_Fail: 0.4 (Einstellung von aiControl->aiConBitFailLimit)

=== Drift-Kennzahlen ===

Drift Score: -
Drift RMSE ratio: -
Drift Slope: -
Drift Bias: -
Drift Bewertung: -