76_SolarForecast - Informationen/Ideen zu Weiterentwicklung und Support

[DS_Starter]

Kannst du evtl. die Datei des Traininglaufes in deine Backuproutine operatingMemory dort noch mit einbauen ?

Das ist schon passiert denn die KI Daten müssen ja einen FHEM Restart überleben.
Du/ihr findet das beste bzw. verwendete Trainingsergebnis im File

../FHEM/FhemUtils/NeuralNet_SolarForecast_<Name>

Und wird beim Start geladen:

2026.01.19 20:47:15.626 3: SolCast - cached data "pvHistory" restored
2026.01.19 20:47:15.644 3: SolCast - cached data "pvCircular" restored
2026.01.19 20:47:15.646 3: SolCast - cached data "consumerMaster" restored
2026.01.19 20:47:15.646 3: SolCast - cached data "radiationApiData" restored
2026.01.19 20:47:15.647 3: SolCast - cached data "statusApiData" restored
2026.01.19 20:47:15.648 3: SolCast - cached data "weatherApiData" restored
2026.01.19 20:47:15.694 3: SolCast - cached data "aiRawData" restored
2026.01.19 20:47:15.703 3: SolCast - cached data "NeuralNetwork" restored

Fehlt vermutlich noch im Wiki.

Edit: Oder meinst du dass man mehrere Versionen sichern kann?

[300P]

Edit: Oder meinst du dass man mehrere Versionen sichern kann?

Ja - das war mein Anliegen 

Ich habe am RPI eine 1 TB Platte und sichere mir da 14 Tage

[DS_Starter]

Ah, ok. Mach ich.

[TheTrumpeter]

Wie schon mehrfach erwähnt sind Waschmaschine und Trockner echte Störenfriede weil ich einfach kein semantisches Zusatzsignal generieren kann. Es gibt weder Temperatur noch Tages/Jahreszeitabhängigkeiten. Das passiert einfach und die KI kann es nicht vorhersehen.

Wenn die Consumer bei SF bekannt sind und deren Steuerung durch SF erfolgt, sollte das aber klappen, oder?

(Ich habe sowohl die Waschmaschine als auch den Geschirrspüler als separaten Verbraucher registriert. Allerdings wird die Steuerung wohl auch mittelfristig nicht über SF erfolgen, da ist der WAF einfach nicht gegeben. Aber vielleicht ist das bei anderen ja besser...)

[300P]

Ja - die müssten n.m.M. mittels Legacy-Methode in den ConForecast hineingenommen sein.
Da kommt es aber darauf an wie du aiConXYXYX eingestellt hast.

Ich habe (u.a.) von 0.1 bis 1.0 alle Varianten mit AI:FANN bei mir zur Kontrolle laufen lassen und der ChatGPT zum "Fraß" vorgeworfen.

Vergleichsergebnis nach x-Trainings und viel Geduld :
(triff aber sicher nicht für alle zu)

Code Auswählen Erweitern

🔹 aiConAlpha = 0.9 ⚖️ (sehr gut gewählt)

Du hast bewusst kein 1.0 gewählt – und das ist klug.

KI dominiert → gute Prognose
Legacy puffert → Schutz vor Drift & Sonderfällen

👉 0.9 ist produktionsreifer als 1.0,
auch wenn 1.0 auf dem Papier ,,reiner" wirkt.