76_SolarForecast - Informationen/Ideen zu Weiterentwicklung und Support

[DS_Starter]

@all,

in der V 2.6.8 (contrib) ist ein weiteres Consumer Feature hinzugekommen.

exclgroup    
    Nummer einer optionalen Exclude-Gruppe. Verbraucher, die dieselbe Exclude-Gruppe besitzen, werden beim Start gegeneinander geprüft.
   Wird ein Verbraucher einer Exclude-Gruppe gestartet, werden alle weiteren Verbraucher derselben Gruppe so lange nicht freigegeben, bis der
   aktive Verbraucher seine Ausführung beendet hat (z.B. Status finished).
   Wertebereich: Ganzzahl von 1..X, default: 0 (keine Gruppenzugehörigkeit)

Innerhalb der Gruppe wird die Priorität wiederum durch swprio festgelegt.
Beispiele für den Einsatz dieser Funktion könnte sein:

WP + Heizstab
Das klassischste Szenario. WP und Heizstab heizen dasselbe Medium (Puffer, Warmwasser). Wenn die WP läuft, ist der Heizstab überflüssig und würde nur zusätzlichen Netzstrom ziehen. Beide in Gruppe 1 → Heizstab startet nicht solange WP aktiv.

Mehrere Warmwasserbereiter
Haus mit zwei Wohneinheiten, je ein Boiler. Beide werden solar beheizt aber nie gleichzeitig – der kombinierte Verbrauch würde den Surplus übersteigen und beide würden toggling zeigen. Exclude-Gruppe sorgt für sequenziellen Betrieb.

Geschirrspüler + Waschmaschine
Nicht wegen Überlast, sondern wegen Warmwasser-Konkurrenz wenn beide an eine Frischwasserstation angeschlossen sind. Oder schlicht weil der User bei knappem Surplus lieber eines vollständig durchlaufen lassen will statt beide halbgar.

Post #6038 ist upgedated.

[300P]

Der Traum vom WOW ist wohl vorbei....

Code Auswählen Erweitern


Informationen zum neuronalen Netz der Verbrauchsvorhersage

letztes KI-Training: 09.05.2026 21:38:52 / Laufzeit in Sekunden: 5168
KI Abfragestatus: ok
letzte KI-Ergebnis Generierungsdauer: 58.5 ms
Alpha: 0.8
Verbrauchernummer Wärmepumpe: 08

=== Modellparameter ===

Normierungsgrenzen: PV=10450 Wh, Hausverbrauch: Min=0 Wh / Max=6770 Wh
Trainingsdaten: 12069 Datensätze (Training=9655, Validation=2414)
Architektur: Inputs=98, Hidden Layers=80-40, Outputs=1
Hyperparameter: Learning Rate=0.002, Momentum=0.8, BitFail-Limit=0.28
Aktivierungen: Hidden=ELLIOT_SYMMETRIC, Steepness=1.0, Output=LINEAR
Trainingsalgorithmus: INCREMENTAL, Registry Version=v1_heatpump_active_pv
Zufallsgenerator: Mode=2, Period=20
Modellalter: 24 h

=== Trainingsmetriken ===

bestes Modell bei Epoche: 5706 (max. 15000)
Training MSE: 0.000634
Validation MSE: 0.000073
Validation MSE Average: 0.000094
Validation MSE Standard Deviation: 0.000011
Validation Bit_Fail: 0
Model Bias: -7 Wh
Model Slope: 1.0
Trainingsbewertung: ok

=== Fehlermaße der Prognosen ===

MAE: 44.38 Wh
MedAE: 33.76 Wh
RMSE: 48.59 Wh
RMSE relative: 4 %
RMSE Rating: excellent
MAPE: 3.88 %
MdAPE: 2.41 %
R²: 1.00

=== Rauschen ===

Rauschen Bewertung: low
Empfehlung für Bit_Fail: 0.28 (Einstellung von aiControl->aiConBitFailLimit)

=== Drift-Kennzahlen ===

Drift Score: 19.21
Drift RMSE ratio: 33.88
Drift Slope: 0.705
Drift Bias: 959.88
Drift Bias Live: 953.26
Drift Index: 2.36
Drift Bewertung: recalibration blocked: rmse_anomaly
Slope recalibrated: 1.0
Bias recalibrated: -7
letzte Rekalibrierung: -


Schade ☹️
Ich warte aber mit dem neuen Trainieren bis morgen.....

[DS_Starter]

War ja auch ein bisschen zu perfekt 
Aber vllt. hast du gerade ein paar Ausreißer die der RMSE hochziehen. Der Kennwert ist empfindlich dafür.
Kann morgen tatsächlich anders aussehen.