76_SolarForecast - Informationen/Ideen zu Weiterentwicklung und Support

DS_Starter · 14 März 2026, 22:50:44

ZitatWieso ist der fortlaufende Counter nicht wichtig?
Für etotal in setupInverterDev01 kann ich doch keinen Momentanwert für die aktuelle PV-Leistung nehmen. Ich benötige doch ein Reading, das die erzeugten kWh kumuliert. Oder verstehe ich die Doku da falsch?

Wahrscheinlich habe ich deinen Post falsch interpretiert. Natürlich ist der fortlaufende Wert wichtig. Nur ob das erstellte userReading einen Event wirft ist für SF nicht wichtig weil das Reading ausgelesen wird. Es muß natürlich erstellt werden in der erwähnten Art und Inhalt.

DS_Starter · 14 März 2026, 23:01:57

@roadghost,

ZitatFrüher war Laden ein positiver Wert, und Entladen ein negativer (Minus-Zeichen vor dem Wert).

Leider hast du nicht geschrieben wie es nun aktuell erstellt wird, ich vermute genau andersherum.
Wenn dem so ist wäre die Definition so richtig wie du geschrieben hast:

Code Auswählen

SH10rt_1_LAN pin=-pout pout=03_Battery_Power:W cap=14000 charge=Battery_Level show=2 pinmax=5000
Hier ist Entladen ein positiver Wert des Readings 03_Battery_Power. Laden entsprechend wenn es ein negativer Wert ist.

Was ist jetzt das eigentliche Problem?

roadghost · 14 März 2026, 23:08:27

Das Problem ist, das beim Laden und Entladen nur ein Wert im Register steht, bspw. 346 oder 4552 - aber kein Minuszeichen mehr davor, wenn entladen wird.

DS_Starter · 14 März 2026, 23:29:27

Wenn ich dich richtig verstehe, enthält dieses Reading jetzt nur noch den Wert, aber nicht mehr die Richtung (in oder out) über eine Vorzeichenkennung.

Dann bleibt nichts anderes übrig, als eine andere Quelle für die Richtung zu finden. Gibt es ein anderes Reading welches vllt. nur die Richtung anzeigt ohne Wert?
Du könntest auch mal alle Readings deines neuen Sungrow posten. Vllt. fällt etwas auf.
Und gibt es im Solaranlagen Bereich evtl. ein Unterforum welches sich mit deinem WR-Typ beschäftigt?

LG,
Heiko

roadghost · 14 März 2026, 23:50:37

Ja - Du verstehst es richtig.

Ich suche aktuell nach einer Möglichkeit, ein anderes Register (5214) statt dem 13021 auszulesen, das ist auch Battery_Power.

Ich habe die Hoffnung, dass dort ein Minuszeichen ausgegeben wird.

DS_Starter · 14 März 2026, 23:59:00

@all,

ich habe die contrib-Version upgedatet und entsprechend des Hinweises von 300P eine Anpassung der Normierungsgrenzwert-Quelle vorgenommen.
Die Änderung wirkt beim nächsten AI Con Training.

Gisbert · 15 März 2026, 07:42:11

Guten Morgen Heiko,

seit einer knappen Woche beobachte ich, dass der Wert von special_todayConForecastTillSunset zu jeder vollen Stunde einen kleinen Ausschlag nach oben macht.
Die Kurve von RestOfDayConsumptionForecast bildet aber wie erwartet eine glatte Kurve über der Zeit. Siehe beide Kurven im Anhang.
Der Effekt des ersten Readings (special_todayConForecastTillSunset) ist nur klein, so dass Automatisierungen beruhend auf diesem Reading nur minimal gestört werden.
Dennoch ist der beschriebene Effekt sichtbar. Ich will nicht ausschließen, dass ich dafür gesorgt hab, aber dann wüsste ich nicht, wie ich das angestellt hab. Kannst du dir die Sache einmal anschauen?

Viele Grüße Gisbert

DS_Starter · 15 März 2026, 09:24:10

Moin Gisbert,

todayConForecastTillSunset wird zeitgewichtet berechnet. Das bedeutet, dass dieser Wert von zwei sich kontinuierlich ändernden Größen abhängig ist, CON-Prognose und Zeit.
Gerade zum Stundenwechsel kann es ein kleines Gap geben, welches sich aus diesem Zusammenhang sowie einer veränderten CON-Prognose ergibt, die ja - wie alles im SF-Modul - in einem Stundenraster berechnet wird.
Es ist also eine ganz normale Anpassung.
In einer theoretischen Betrachtung könnte ein gleichmäßigerer Verlauf durch Verringerung des Rastermaßes erreicht werden. Das ist aber rein theoretisch weil ausgeschlossen.
Mit etwas Aufwand kann man eine künstliche Glättung herbeiführen, was sich an anderer Stelle wieder negativ bemerkbar machen könnte da alles im Modul mehr oder weniger miteinander in Beziehung steht.

LG,
Heiko

300P · 15 März 2026, 09:48:29

Guten Morgen Heiko!

kurz vor dem Restart wegen der neuen Version und neuem Training habe ins Logbuch gesehen (ist noch da )

Code Auswählen

2026.03.15 09:00:25 1: Forecast DEBUG> start add AI raw data for hour: 9
2026.03.15 09:00:25 1: Forecast DEBUG> AI raw add - 1 entities added to raw data pool (set verbose 4 for output more detail)
2026.03.15 09:00:26 1: Forecast DEBUG> AI raw data saved into file: ./FHEM/FhemUtils/AIraw_SolarForecast_Forecast
2026.03.15 09:00:26 1: Forecast DEBUG> DRIFT [con]: Flag=mild | Block=unstable_bias | SlopeLive=0.047 | DriftSlope=0.046 | BiasLive=1518.76 | DriftBias=-1656.65 | RMSErelLive=57.8 | RMSErelRatio=2.89 | DriftScore=2.12 | Zone3Hours=1 | Hist=[stable,low,mild,mild,mild,low,low,low,low,low,low,low,low,low,low,stable,stable,stable,stable,mild]
2026.03.15 09:00:26 1: Forecast DEBUG> AI FANN drift data type 'con' successfully written to file: ./FHEM/FhemUtils/NeuralNet_SolarForecast_Forecast

Das ist ja schon sehr "happig" (Kontrolle der anderen Werte - immer so um die 1500/1600 in den letzten Tagen

=>> | Block=unstable_bias ..... BiasLive=1518.76 | DriftBias=-1656.65 (Minuswert)

Am Anfang hatte ich "nur" einen Bias um die -345 vor ca. 4 Tagen.

Oder wurde dies eventuell vorher durch diese eine Änderung (r30948) verursacht....

Code Auswählen

  #my $bias_drift  = $bias_live  - $bias_model;
 	25872	  my $bias_drift  = $bias_model - $bias_live;

Egal - ich starte ein neues Training....

Nach dem Training:

Die Änderung mit den Min-Summe von String/WR (Minimalleistung ausschlaggebend) funktioniert meiner Ansicht nach "noch nicht" so ganz - müsste bei mir 9.500 + S-Zuschlag) statt der 16.071 sein
Anzeige weiterhin:

Code Auswählen

letztes KI-Training: 15.03.2026 09:39:03 / Laufzeit in Sekunden: 1632
KI Abfragestatus: ok
letzte KI-Ergebnis Generierungsdauer: 101.1 ms
Verbrauchernummer Wärmepumpe: 08

=== Modellparameter ===

Normierungsgrenzen: PV=16071 Wh, Hausverbrauch: Min=0 Wh / Max=7598 Wh
Trainingsdaten: 8041 Datensätze (Training=6432, Validation=1609)
Architektur: Inputs=98, Hidden Layers=80-40, Outputs=1
Hyperparameter: Learning Rate=0.001, Momentum=0.6, BitFail-Limit=0.23
Aktivierungen: Hidden=GAUSSIAN_SYMMETRIC, Steepness=1.0, Output=LINEAR
Trainingsalgorithmus: INCREMENTAL, Registry Version=v1_heatpump_active_pv
Zufallsgenerator: Mode=1, Period=20
Modellalter: - h

Code Auswählen

026.03.15 09:11:50 1: Forecast DEBUG> AI FANN Training for Consumption Forecast BlockingCall PID "654661" with Timeout 86400 s started
2026.03.15 09:11:52 1: Forecast DEBUG> AI FANN - Target-Norm: raw_max=5933, p99=4528, p99.5=5845, targmaxval=7598
2026.03.15 09:11:52 1: Forecast DEBUG> AI FANN - True Outliers above p99.5 (5845): 5933
2026.03.15 09:11:56 1: Forecast - DBG F[8027]: lag1=0.355 hppf=0.219 lag24=0.424 d1p=0.000 d1n=0.227 rollstd=0.182 up=0 down=1 upS=0.000 downS=0.227 vol=1 pvX=0 break=1
2026.03.15 09:11:56 1: Forecast - DBG F[8027]: tmplag1=0.120 tmplag3=0.110 tmplag24=0.245 tmpd1p=0.005 tmpd1n=0.000 tmpd3p=0.015 tmpd3n=0.000 tmpTrdp=0.010 tmpTrdn=0.000
2026.03.15 09:11:56 1: Forecast - DBG F[8028]: lag1=0.199 hppf=0.206 lag24=0.196 d1p=0.286 d1n=0.000 rollstd=0.188 up=1 down=0 upS=0.286 downS=0.000 vol=1 pvX=0 break=1
2026.03.15 09:11:56 1: Forecast - DBG F[8028]: tmplag1=0.125 tmplag3=0.128 tmplag24=0.247 tmpd1p=0.015 tmpd1n=0.000 tmpd3p=0.012 tmpd3n=0.000 tmpTrdp=0.014 tmpTrdn=0.000
2026.03.15 09:11:56 1: Forecast - DBG F[8029]: lag1=0.359 hppf=0.238 lag24=0.145 d1p=0.151 d1n=0.000 rollstd=0.238 up=1 down=0 upS=0.151 downS=0.000 vol=1 pvX=0 break=0
2026.03.15 09:11:56 1: Forecast - DBG F[8029]: tmplag1=0.140 tmplag3=0.120 tmplag24=0.230 tmpd1p=0.000 tmpd1n=0.037 tmpd3p=0.000 tmpd3n=0.018 tmpTrdp=0.000 tmpTrdn=0.027
2026.03.15 09:11:56 1: Forecast - DBG F[8030]: lag1=0.444 hppf=0.240 lag24=0.178 d1p=0.000 d1n=0.339 rollstd=0.339 up=0 down=1 upS=0.000 downS=0.339 vol=1 pvX=0 break=1
2026.03.15 09:11:56 1: Forecast - DBG F[8030]: tmplag1=0.102 tmplag3=0.125 tmplag24=0.217 tmpd1p=0.000 tmpd1n=0.002 tmpd3p=0.000 tmpd3n=0.025 tmpTrdp=0.000 tmpTrdn=0.014
2026.03.15 09:11:56 1: Forecast - DBG F[8031]: lag1=0.212 hppf=0.238 lag24=0.155 d1p=0.173 d1n=0.000 rollstd=0.351 up=1 down=0 upS=0.173 downS=0.000 vol=1 pvX=0 break=1
2026.03.15 09:11:56 1: Forecast - DBG F[8031]: tmplag1=0.100 tmplag3=0.140 tmplag24=0.200 tmpd1p=0.002 tmpd1n=0.000 tmpd3p=0.000 tmpd3n=0.037 tmpTrdp=0.000 tmpTrdn=0.018
2026.03.15 09:11:56 1: Forecast - DBG F[8032]: lag1=0.309 hppf=0.242 lag24=0.183 d1p=0.000 d1n=0.207 rollstd=0.333 up=0 down=1 upS=0.000 downS=0.207 vol=1 pvX=0 break=1
2026.03.15 09:11:56 1: Forecast - DBG F[8032]: tmplag1=0.102 tmplag3=0.102 tmplag24=0.170 tmpd1p=0.000 tmpd1n=0.005 tmpd3p=0.000 tmpd3n=0.005 tmpTrdp=0.000 tmpTrdn=0.005
2026.03.15 09:11:56 1: Forecast - DBG F[8033]: lag1=0.168 hppf=0.251 lag24=0.236 d1p=0.239 d1n=0.000 rollstd=0.381 up=1 down=0 upS=0.239 downS=0.000 vol=1 pvX=0 break=1
2026.03.15 09:11:56 1: Forecast - DBG F[8033]: tmplag1=0.098 tmplag3=0.100 tmplag24=0.175 tmpd1p=0.000 tmpd1n=0.010 tmpd3p=0.000 tmpd3n=0.013 tmpTrdp=0.000 tmpTrdn=0.011
2026.03.15 09:11:56 1: Forecast - DBG F[8034]: lag1=0.301 hppf=0.262 lag24=0.229 d1p=0.000 d1n=0.128 rollstd=0.353 up=0 down=1 upS=0.000 downS=0.128 vol=1 pvX=0 break=1
2026.03.15 09:11:56 1: Forecast - DBG F[8034]: tmplag1=0.087 tmplag3=0.102 tmplag24=0.152 tmpd1p=0.000 tmpd1n=0.012 tmpd3p=0.000 tmpd3n=0.027 tmpTrdp=0.000 tmpTrdn=0.020
2026.03.15 09:11:56 1: Forecast - DBG F[8035]: lag1=0.214 hppf=0.244 lag24=0.187 d1p=0.056 d1n=0.000 rollstd=0.353 up=1 down=0 upS=0.056 downS=0.000 vol=1 pvX=0 break=1
2026.03.15 09:11:56 1: Forecast - DBG F[8035]: tmplag1=0.075 tmplag3=0.098 tmplag24=0.140 tmpd1p=0.020 tmpd1n=0.000 tmpd3p=0.000 tmpd3n=0.003 tmpTrdp=0.009 tmpTrdn=0.000
2026.03.15 09:11:56 1: Forecast - DBG F[8036]: lag1=0.245 hppf=0.258 lag24=0.301 d1p=0.044 d1n=0.000 rollstd=0.196 up=1 down=0 upS=0.044 downS=0.000 vol=1 pvX=0 break=0
2026.03.15 09:11:56 1: Forecast - DBG F[8036]: tmplag1=0.095 tmplag3=0.087 tmplag24=0.123 tmpd1p=0.000 tmpd1n=0.015 tmpd3p=0.000 tmpd3n=0.007 tmpTrdp=0.000 tmpTrdn=0.011
2026.03.15 09:11:56 1: Forecast - DBG F[8037]: lag1=0.270 hppf=0.260 lag24=0.243 d1p=0.000 d1n=0.137 rollstd=0.192 up=0 down=1 upS=0.000 downS=0.137 vol=1 pvX=0 break=1
2026.03.15 09:11:56 1: Forecast - DBG F[8037]: tmplag1=0.080 tmplag3=0.075 tmplag24=0.110 tmpd1p=0.000 tmpd1n=0.003 tmpd3p=0.003 tmpd3n=0.000 tmpTrdp=0.000 tmpTrdn=0.000
2026.03.15 09:11:56 1: Forecast - DBG F[8038]: lag1=0.176 hppf=0.253 lag24=0.365 d1p=0.217 d1n=0.000 rollstd=0.187 up=1 down=0 upS=0.217 downS=0.000 vol=1 pvX=0 break=1
2026.03.15 09:11:56 1: Forecast - DBG F[8038]: tmplag1=0.077 tmplag3=0.095 tmplag24=0.092 tmpd1p=0.007 tmpd1n=0.000 tmpd3p=0.000 tmpd3n=0.010 tmpTrdp=0.000 tmpTrdn=0.001
2026.03.15 09:11:56 1: Forecast - DBG F[8039]: lag1=0.297 hppf=0.262 lag24=0.241 d1p=0.000 d1n=0.207 rollstd=0.174 up=0 down=1 upS=0.000 downS=0.207 vol=1 pvX=0 break=1
2026.03.15 09:11:56 1: Forecast - DBG F[8039]: tmplag1=0.085 tmplag3=0.080 tmplag24=0.075 tmpd1p=0.000 tmpd1n=0.010 tmpd3p=0.000 tmpd3n=0.005 tmpTrdp=0.000 tmpTrdn=0.007
2026.03.15 09:11:56 1: Forecast - DBG F[8040]: lag1=0.156 hppf=0.247 lag24=0.266 d1p=0.295 d1n=0.000 rollstd=0.194 up=1 down=0 upS=0.295 downS=0.000 vol=1 pvX=0 break=1
2026.03.15 09:11:56 1: Forecast - DBG F[8040]: tmplag1=0.075 tmplag3=0.077 tmplag24=0.070 tmpd1p=0.018 tmpd1n=0.000 tmpd3p=0.015 tmpd3n=0.000 tmpTrdp=0.016 tmpTrdn=0.000
2026.03.15 09:11:56 1: Forecast - DBG F[8041]: lag1=0.321 hppf=0.249 lag24=0.231 d1p=0.000 d1n=0.194 rollstd=0.234 up=0 down=1 upS=0.000 downS=0.194 vol=1 pvX=0 break=1
2026.03.15 09:11:56 1: Forecast - DBG F[8041]: tmplag1=0.092 tmplag3=0.085 tmplag24=0.065 tmpd1p=0.000 tmpd1n=0.003 tmpd3p=0.005 tmpd3n=0.000 tmpTrdp=0.001 tmpTrdn=0.000
2026.03.15 09:11:56 1: Forecast - DBG F[8042]: lag1=0.188 hppf=0.247 lag24=0.419 d1p=0.400 d1n=0.000 rollstd=0.247 up=1 down=0 upS=0.400 downS=0.000 vol=1 pvX=0 break=1
2026.03.15 09:11:56 1: Forecast - DBG F[8042]: tmplag1=0.090 tmplag3=0.075 tmplag24=0.053 tmpd1p=0.003 tmpd1n=0.000 tmpd3p=0.018 tmpd3n=0.000 tmpTrdp=0.010 tmpTrdn=0.000
2026.03.15 09:11:56 1: Forecast - DBG F[8043]: lag1=0.412 hppf=0.260 lag24=0.226 d1p=0.000 d1n=0.276 rollstd=0.359 up=0 down=1 upS=0.000 downS=0.276 vol=1 pvX=0 break=1
2026.03.15 09:11:56 1: Forecast - DBG F[8043]: tmplag1=0.092 tmplag3=0.092 tmplag24=0.065 tmpd1p=0.000 tmpd1n=0.015 tmpd3p=0.000 tmpd3n=0.015 tmpTrdp=0.000 tmpTrdn=0.015
2026.03.15 09:11:56 1: Forecast - DBG F[8044]: lag1=0.223 hppf=0.247 lag24=0.342 d1p=0.229 d1n=0.000 rollstd=0.337 up=1 down=0 upS=0.229 downS=0.000 vol=1 pvX=0 break=1
2026.03.15 09:11:56 1: Forecast - DBG F[8044]: tmplag1=0.077 tmplag3=0.090 tmplag24=0.062 tmpd1p=0.015 tmpd1n=0.000 tmpd3p=0.003 tmpd3n=0.000 tmpTrdp=0.009 tmpTrdn=0.000
2026.03.15 09:11:56 1: Forecast - DBG F[8045]: lag1=0.351 hppf=0.262 lag24=0.208 d1p=0.000 d1n=0.201 rollstd=0.358 up=0 down=1 upS=0.000 downS=0.201 vol=1 pvX=0 break=1
2026.03.15 09:11:56 1: Forecast - DBG F[8045]: tmplag1=0.092 tmplag3=0.092 tmplag24=0.045 tmpd1p=0.000 tmpd1n=0.018 tmpd3p=0.000 tmpd3n=0.018 tmpTrdp=0.000 tmpTrdn=0.018
2026.03.15 09:11:56 1: Forecast - DBG F[8046]: lag1=0.214 hppf=0.227 lag24=0.270 d1p=0.016 d1n=0.000 rollstd=0.317 up=1 down=0 upS=0.016 downS=0.000 vol=1 pvX=0 break=0
2026.03.15 09:11:56 1: Forecast - DBG F[8046]: tmplag1=0.075 tmplag3=0.077 tmplag24=0.080 tmpd1p=0.040 tmpd1n=0.000 tmpd3p=0.037 tmpd3n=0.000 tmpTrdp=0.039 tmpTrdn=0.000
2026.03.15 09:11:57 1: Forecast DEBUG> First attempt 0 with Seed=865384
2026.03.15 09:11:57 1: Forecast DEBUG> AI FANN Training started with Params:
input datasets=8041, 
Registry version=v1_heatpump_active_pv, 
training algo=FANN_TRAIN_INCREMENTAL, 
output AF=LINEAR, 
hidden AF=GAUSSIAN_SYMMETRIC, 
hidden Neurons=80-40, 
hidden steepness=1.0, 
max. Epoches=15000, 
mse_error=0.001, 
learning rate=0.00100, 
learning momentum=0.6, 
BitFail limit: 0.23, 
Data sharing=chronological split and AI internal shuffle of training data (Train=6432, Test=1608), 
Data shuffle=1 (period=20)
2026.03.15 09:11:57 1: Forecast DEBUG> Epoche 1: Train MSE=0.016309, Val MSE=0.021312, Val MAE=0.118072, Val MedAE=0.103683, Bit_Fail=159 -> Snap metric improved
2026.03.15 09:11:58 1: Forecast DEBUG> Epoche 2: Train MSE=0.013619, Val MSE=0.018340, Val MAE=0.109486, Val MedAE=0.096403, Bit_Fail=126 -> Snap metric improved
2026.03.15 09:11:58 1: Forecast DEBUG> Epoche 3: Train MSE=0.012192, Val MSE=0.014898, Val MAE=0.098268, Val MedAE=0.086457, Bit_Fail=79 -> Snap metric improved
2026.03.15 09:11:59 1: Forecast DEBUG> Epoche 4: Train MSE=0.010690, Val MSE=0.011962, Val MAE=0.087267, Val MedAE=0.075355, Bit_Fail=44 -> Snap metric improved
2026.03.15 09:11:59 1: Forecast DEBUG> Epoche 5: Train MSE=0.009235, Val MSE=0.009808, Val MAE=0.077780, Val MedAE=0.063803, Bit_Fail=28 -> Snap metric improved
2026.03.15 09:12:00 1: Forecast DEBUG> Epoche 6: Train MSE=0.008173, Val MSE=0.008369, Val MAE=0.070996, Val MedAE=0.055947, Bit_Fail=12 -> Snap metric improved
2026.03.15 09:12:01 1: Forecast DEBUG> Epoche 7: Train MSE=0.007570, Val MSE=0.007489, Val MAE=0.067055, Val MedAE=0.052387, Bit_Fail=9 -> Snap metric improved
2026.03.15 09:12:01 1: Forecast DEBUG> Epoche 8: Train MSE=0.007238, Val MSE=0.006962, Val MAE=0.064806, Val MedAE=0.050324, Bit_Fail=8 -> Snap metric improved
2026.03.15 09:12:01 1: PERL WARNING: Argument "" isn't numeric in sprintf at (eval 41138) line 1.
2026.03.15 09:12:02 1: Forecast DEBUG> Epoche 9: Train MSE=0.007018, Val MSE=0.006616, Val MAE=0.063226, Val MedAE=0.048676, Bit_Fail=7 -> Snap metric improved
2026.03.15 09:12:02 1: Forecast DEBUG> Epoche 10: Train MSE=0.006840, Val MSE=0.006362, Val MAE=0.062015, Val MedAE=0.048014, Bit_Fail=5 -> Snap metric improved
2026.03.15 09:12:03 1: Forecast DEBUG> Epoche 11: Train MSE=0.006678, Val MSE=0.006159, Val MAE=0.061023, Val MedAE=0.047606, Bit_Fail=2 -> Snap metric improved
2026.03.15 09:12:03 1: Forecast DEBUG> Epoche 12: Train MSE=0.006524, Val MSE=0.005991, Val MAE=0.060174, Val MedAE=0.047401, Bit_Fail=2 -> Snap metric improved
2026.03.15 09:12:04 1: Forecast DEBUG> Epoche 13: Train MSE=0.006375, Val MSE=0.005854, Val MAE=0.059541, Val MedAE=0.047450, Bit_Fail=2 -> Snap weighted rmse improved
2026.03.15 09:12:29 1: Forecast DEBUG> Epoche 60: Train MSE=0.004913, Val MSE=0.005501, Val MAE=0.058970, Val MedAE=0.049011, Bit_Fail=2 -> Snap weighted rmse improved
2026.03.15 09:12:31 1: Forecast DEBUG> Epoche 64: Train MSE=0.004876, Val MSE=0.005476, Val MAE=0.058773, Val MedAE=0.049063, Bit_Fail=2 -> Snap weighted rmse improved
2026.03.15 09:12:32 1: Forecast DEBUG> Epoche 65: Train MSE=0.004866, Val MSE=0.005479, Val MAE=0.058785, Val MedAE=0.049037, Bit_Fail=2 -> Snap weighted rmse improved
2026.03.15 09:12:33 1: Forecast DEBUG> Epoche 67: Train MSE=0.004848, Val MSE=0.005486, Val MAE=0.058821, Val MedAE=0.049015, Bit_Fail=2 -> Snap weighted rmse improved
2026.03.15 09:12:33 1: Forecast DEBUG> Epoche 68: Train MSE=0.004840, Val MSE=0.005490, Val MAE=0.058843, Val MedAE=0.048936, Bit_Fail=2 -> Snap weighted rmse improved
2026.03.15 09:12:50 1: Forecast DEBUG> Epoche 100: Train MSE=0.004625, Val MSE=0.007611, Val MAE=0.071882, Val MedAE=0.063495, Bit_Fail=3
2026.03.15 09:13:45 1: Forecast DEBUG> Epoche 200: Train MSE=0.004132, Val MSE=0.008484, Val MAE=0.077282, Val MedAE=0.072491, Bit_Fail=7
2026.03.15 09:14:40 1: Forecast DEBUG> Epoche 300: Train MSE=0.003703, Val MSE=0.006083, Val MAE=0.062222, Val MedAE=0.051923, Bit_Fail=7
2026.03.15 09:15:01 1: Forecast DEBUG> Epoche 340: Train MSE=0.003586, Val MSE=0.005874, Val MAE=0.060732, Val MedAE=0.050314, Bit_Fail=6 -> Snap weighted rmse improved
2026.03.15 09:15:02 1: Forecast DEBUG> Epoche 341: Train MSE=0.003587, Val MSE=0.005834, Val MAE=0.060475, Val MedAE=0.050212, Bit_Fail=6 -> Snap metric improved
2026.03.15 09:15:03 1: Forecast DEBUG> Epoche 342: Train MSE=0.003583, Val MSE=0.005804, Val MAE=0.060295, Val MedAE=0.050139, Bit_Fail=6 -> Snap metric improved
2026.03.15 09:15:03 1: Forecast DEBUG> Epoche 343: Train MSE=0.003580, Val MSE=0.005782, Val MAE=0.060166, Val MedAE=0.049749, Bit_Fail=6 -> Snap metric improved
2026.03.15 09:15:04 1: Forecast DEBUG> Epoche 344: Train MSE=0.003576, Val MSE=0.005764, Val MAE=0.060065, Val MedAE=0.049771, Bit_Fail=6 -> Snap weighted rmse improved
2026.03.15 09:15:04 1: Forecast DEBUG> Epoche 345: Train MSE=0.003573, Val MSE=0.005749, Val MAE=0.059979, Val MedAE=0.049700, Bit_Fail=6 -> Snap metric improved
2026.03.15 09:15:05 1: Forecast DEBUG> Epoche 346: Train MSE=0.003570, Val MSE=0.005735, Val MAE=0.059902, Val MedAE=0.049665, Bit_Fail=6 -> Snap metric improved
2026.03.15 09:15:05 1: Forecast DEBUG> Epoche 347: Train MSE=0.003566, Val MSE=0.005722, Val MAE=0.059833, Val MedAE=0.049633, Bit_Fail=6 -> Snap metric improved
2026.03.15 09:15:06 1: Forecast DEBUG> Epoche 348: Train MSE=0.003563, Val MSE=0.005710, Val MAE=0.059768, Val MedAE=0.049572, Bit_Fail=6 -> Snap metric improved
2026.03.15 09:15:06 1: Forecast DEBUG> Epoche 349: Train MSE=0.003560, Val MSE=0.005700, Val MAE=0.059706, Val MedAE=0.049600, Bit_Fail=6 -> Snap weighted rmse improved
2026.03.15 09:15:07 1: Forecast DEBUG> Epoche 350: Train MSE=0.003557, Val MSE=0.005689, Val MAE=0.059647, Val MedAE=0.049298, Bit_Fail=6 -> Snap metric improved
2026.03.15 09:15:08 1: Forecast DEBUG> Epoche 351: Train MSE=0.003553, Val MSE=0.005679, Val MAE=0.059590, Val MedAE=0.049198, Bit_Fail=6 -> Snap metric improved
2026.03.15 09:15:08 1: Forecast DEBUG> Epoche 352: Train MSE=0.003550, Val MSE=0.005670, Val MAE=0.059536, Val MedAE=0.049097, Bit_Fail=6 -> Snap metric improved
2026.03.15 09:15:09 1: Forecast DEBUG> Epoche 353: Train MSE=0.003547, Val MSE=0.005661, Val MAE=0.059484, Val MedAE=0.048958, Bit_Fail=6 -> Snap metric improved
2026.03.15 09:15:09 1: Forecast DEBUG> Epoche 354: Train MSE=0.003544, Val MSE=0.005653, Val MAE=0.059434, Val MedAE=0.048991, Bit_Fail=6 -> Snap weighted rmse improved
2026.03.15 09:15:10 1: Forecast DEBUG> Epoche 355: Train MSE=0.003541, Val MSE=0.005644, Val MAE=0.059386, Val MedAE=0.048917, Bit_Fail=6 -> Snap metric improved
2026.03.15 09:15:10 1: Forecast DEBUG> Epoche 356: Train MSE=0.003538, Val MSE=0.005637, Val MAE=0.059340, Val MedAE=0.048855, Bit_Fail=6 -> Snap metric improved
2026.03.15 09:15:11 1: Forecast DEBUG> Epoche 357: Train MSE=0.003535, Val MSE=0.005629, Val MAE=0.059295, Val MedAE=0.048776, Bit_Fail=5 -> Snap metric improved
2026.03.15 09:15:12 1: Forecast DEBUG> Epoche 358: Train MSE=0.003532, Val MSE=0.005622, Val MAE=0.059251, Val MedAE=0.048680, Bit_Fail=5 -> Snap metric improved
2026.03.15 09:15:12 1: Forecast DEBUG> Epoche 359: Train MSE=0.003529, Val MSE=0.005615, Val MAE=0.059209, Val MedAE=0.048596, Bit_Fail=5 -> Snap metric improved
2026.03.15 09:15:34 1: Forecast DEBUG> Epoche 400: Train MSE=0.003387, Val MSE=0.004928, Val MAE=0.055113, Val MedAE=0.045296, Bit_Fail=5
2026.03.15 09:15:34 1: Forecast DEBUG> Epoche 400: Train MSE=0.003387, Val MSE=0.004928, Val MAE=0.055113, Val MedAE=0.045296, Bit_Fail=5 -> Snap metric improved
2026.03.15 09:15:35 1: Forecast DEBUG> Epoche 401: Train MSE=0.003391, Val MSE=0.004939, Val MAE=0.055174, Val MedAE=0.045123, Bit_Fail=6 -> Snap weighted rmse improved
2026.03.15 09:15:38 1: Forecast DEBUG> Epoche 408: Train MSE=0.003373, Val MSE=0.004942, Val MAE=0.055204, Val MedAE=0.044955, Bit_Fail=6 -> Snap weighted rmse improved
2026.03.15 09:15:39 1: Forecast DEBUG> Epoche 409: Train MSE=0.003370, Val MSE=0.004936, Val MAE=0.055169, Val MedAE=0.044797, Bit_Fail=6 -> Snap metric improved
2026.03.15 09:15:39 1: Forecast DEBUG> Epoche 410: Train MSE=0.003368, Val MSE=0.004930, Val MAE=0.055131, Val MedAE=0.044730, Bit_Fail=6 -> Snap metric improved
2026.03.15 09:15:40 1: Forecast DEBUG> Epoche 411: Train MSE=0.003365, Val MSE=0.004924, Val MAE=0.055092, Val MedAE=0.044719, Bit_Fail=6 -> Snap metric improved
2026.03.15 09:15:40 1: Forecast DEBUG> Epoche 412: Train MSE=0.003363, Val MSE=0.004918, Val MAE=0.055051, Val MedAE=0.044709, Bit_Fail=6 -> Snap metric improved
2026.03.15 09:15:41 1: Forecast DEBUG> Epoche 413: Train MSE=0.003360, Val MSE=0.004912, Val MAE=0.055010, Val MedAE=0.044573, Bit_Fail=6 -> Snap metric improved
2026.03.15 09:15:42 1: Forecast DEBUG> Epoche 415: Train MSE=0.003355, Val MSE=0.004899, Val MAE=0.054926, Val MedAE=0.044676, Bit_Fail=5 -> Snap bit tradeoff
2026.03.15 09:15:43 1: Forecast DEBUG> Epoche 416: Train MSE=0.003353, Val MSE=0.004893, Val MAE=0.054884, Val MedAE=0.044652, Bit_Fail=5 -> Snap metric improved
2026.03.15 09:15:43 1: Forecast DEBUG> Epoche 417: Train MSE=0.003350, Val MSE=0.004887, Val MAE=0.054842, Val MedAE=0.044683, Bit_Fail=5 -> Snap weighted rmse improved
2026.03.15 09:16:27 1: Forecast DEBUG> Epoche 500: Train MSE=0.003181, Val MSE=0.005788, Val MAE=0.058627, Val MedAE=0.046762, Bit_Fail=15
2026.03.15 09:16:38 1: Forecast DEBUG> Epoche 520: Train MSE=0.003151, Val MSE=0.004950, Val MAE=0.053829, Val MedAE=0.043404, Bit_Fail=7 -> Snap weighted rmse improved
2026.03.15 09:16:39 1: Forecast DEBUG> Epoche 521: Train MSE=0.003151, Val MSE=0.004949, Val MAE=0.053813, Val MedAE=0.043325, Bit_Fail=7 -> Snap weighted rmse improved
2026.03.15 09:16:39 1: Forecast DEBUG> Epoche 522: Train MSE=0.003149, Val MSE=0.004943, Val MAE=0.053785, Val MedAE=0.043370, Bit_Fail=7 -> Snap weighted rmse improved
2026.03.15 09:16:40 1: Forecast DEBUG> Epoche 523: Train MSE=0.003146, Val MSE=0.004937, Val MAE=0.053760, Val MedAE=0.043317, Bit_Fail=7 -> Snap metric improved
2026.03.15 09:16:42 1: Forecast DEBUG> Epoche 527: Train MSE=0.003138, Val MSE=0.004922, Val MAE=0.053685, Val MedAE=0.043382, Bit_Fail=7 -> Snap weighted rmse improved
2026.03.15 09:16:42 1: Forecast DEBUG> Epoche 528: Train MSE=0.003136, Val MSE=0.004919, Val MAE=0.053671, Val MedAE=0.043342, Bit_Fail=7 -> Snap metric improved
2026.03.15 09:16:43 1: Forecast DEBUG> Epoche 529: Train MSE=0.003134, Val MSE=0.004916, Val MAE=0.053658, Val MedAE=0.043286, Bit_Fail=7 -> Snap metric improved
2026.03.15 09:16:44 1: Forecast DEBUG> Epoche 530: Train MSE=0.003132, Val MSE=0.004914, Val MAE=0.053648, Val MedAE=0.043211, Bit_Fail=7 -> Snap metric improved
2026.03.15 09:16:44 1: Forecast DEBUG> Epoche 531: Train MSE=0.003130, Val MSE=0.004912, Val MAE=0.053637, Val MedAE=0.043189, Bit_Fail=7 -> Snap metric improved
2026.03.15 09:16:45 1: Forecast DEBUG> Epoche 532: Train MSE=0.003128, Val MSE=0.004910, Val MAE=0.053628, Val MedAE=0.043179, Bit_Fail=7 -> Snap metric improved
2026.03.15 09:16:47 1: Forecast DEBUG> Epoche 536: Train MSE=0.003120, Val MSE=0.004904, Val MAE=0.053592, Val MedAE=0.043154, Bit_Fail=7 -> Snap metric improved
2026.03.15 09:16:47 1: Forecast DEBUG> Epoche 537: Train MSE=0.003118, Val MSE=0.004903, Val MAE=0.053583, Val MedAE=0.042992, Bit_Fail=7 -> Snap metric improved
2026.03.15 09:16:48 1: Forecast DEBUG> Epoche 539: Train MSE=0.003114, Val MSE=0.004900, Val MAE=0.053568, Val MedAE=0.042968, Bit_Fail=7 -> Snap metric improved
2026.03.15 09:17:00 1: Forecast DEBUG> Epoche 560: Train MSE=0.003063, Val MSE=0.004765, Val MAE=0.053737, Val MedAE=0.044213, Bit_Fail=6 -> Snap bit tradeoff
2026.03.15 09:17:02 1: PERL WARNING: Argument "" isn't numeric in sprintf at (eval 56272) line 1.
2026.03.15 09:17:04 1: Forecast DEBUG> Epoche 568: Train MSE=0.003052, Val MSE=0.004799, Val MAE=0.054057, Val MedAE=0.043869, Bit_Fail=6 -> Snap weighted rmse improved
2026.03.15 09:17:04 1: Forecast DEBUG> Epoche 569: Train MSE=0.003050, Val MSE=0.004799, Val MAE=0.054065, Val MedAE=0.043857, Bit_Fail=6 -> Snap weighted rmse improved
2026.03.15 09:17:05 1: Forecast DEBUG> Epoche 570: Train MSE=0.003048, Val MSE=0.004800, Val MAE=0.054072, Val MedAE=0.043824, Bit_Fail=6 -> Snap weighted rmse improved
2026.03.15 09:17:06 1: Forecast DEBUG> Epoche 572: Train MSE=0.003045, Val MSE=0.004801, Val MAE=0.054083, Val MedAE=0.043793, Bit_Fail=6 -> Snap weighted rmse improved
2026.03.15 09:17:07 1: Forecast DEBUG> Epoche 574: Train MSE=0.003041, Val MSE=0.004801, Val MAE=0.054089, Val MedAE=0.043774, Bit_Fail=6 -> Snap weighted rmse improved
2026.03.15 09:17:09 1: Forecast DEBUG> Epoche 578: Train MSE=0.003034, Val MSE=0.004801, Val MAE=0.054095, Val MedAE=0.043758, Bit_Fail=6 -> Snap weighted rmse improved
2026.03.15 09:17:10 1: Forecast DEBUG> Epoche 579: Train MSE=0.003032, Val MSE=0.004801, Val MAE=0.054095, Val MedAE=0.043721, Bit_Fail=6 -> Snap weighted rmse improved
2026.03.15 09:17:21 1: Forecast DEBUG> Epoche 600: Train MSE=0.002999, Val MSE=0.005433, Val MAE=0.058189, Val MedAE=0.048570, Bit_Fail=7
2026.03.15 09:18:14 1: Forecast DEBUG> Epoche 700: Train MSE=0.002846, Val MSE=0.005287, Val MAE=0.056649, Val MedAE=0.047066, Bit_Fail=9
2026.03.15 09:18:25 1: Forecast DEBUG> Epoche 720: Train MSE=0.002820, Val MSE=0.004601, Val MAE=0.052395, Val MedAE=0.042071, Bit_Fail=8 -> Snap weighted rmse improved
2026.03.15 09:18:26 1: Forecast DEBUG> Epoche 721: Train MSE=0.002814, Val MSE=0.004575, Val MAE=0.052206, Val MedAE=0.041825, Bit_Fail=8 -> Snap metric improved
2026.03.15 09:18:27 1: Forecast DEBUG> Epoche 723: Train MSE=0.002810, Val MSE=0.004555, Val MAE=0.052054, Val MedAE=0.041890, Bit_Fail=8 -> Snap weighted rmse improved
2026.03.15 09:18:27 1: Forecast DEBUG> Epoche 724: Train MSE=0.002808, Val MSE=0.004550, Val MAE=0.052018, Val MedAE=0.041740, Bit_Fail=6 -> Snap metric improved
2026.03.15 09:18:28 1: Forecast DEBUG> Epoche 725: Train MSE=0.002806, Val MSE=0.004547, Val MAE=0.051995, Val MedAE=0.041627, Bit_Fail=6 -> Snap metric improved
2026.03.15 09:18:30 1: Forecast DEBUG> Epoche 729: Train MSE=0.002800, Val MSE=0.004542, Val MAE=0.051961, Val MedAE=0.041636, Bit_Fail=6 -> Snap weighted rmse improved
2026.03.15 09:18:30 1: Forecast DEBUG> Epoche 730: Train MSE=0.002798, Val MSE=0.004541, Val MAE=0.051960, Val MedAE=0.041624, Bit_Fail=6 -> Snap weighted rmse improved
2026.03.15 09:18:31 1: Forecast DEBUG> Epoche 731: Train MSE=0.002797, Val MSE=0.004541, Val MAE=0.051960, Val MedAE=0.041618, Bit_Fail=6 -> Snap weighted rmse improved
2026.03.15 09:18:32 1: Forecast DEBUG> Epoche 733: Train MSE=0.002794, Val MSE=0.004541, Val MAE=0.051963, Val MedAE=0.041615, Bit_Fail=6 -> Snap weighted rmse improved
2026.03.15 09:18:33 1: Forecast DEBUG> Epoche 734: Train MSE=0.002792, Val MSE=0.004541, Val MAE=0.051966, Val MedAE=0.041618, Bit_Fail=5 -> Snap bit tradeoff
2026.03.15 09:18:33 1: Forecast DEBUG> Epoche 735: Train MSE=0.002791, Val MSE=0.004541, Val MAE=0.051969, Val MedAE=0.041540, Bit_Fail=5 -> Snap weighted rmse improved
2026.03.15 09:19:02 1: Forecast DEBUG> Epoche 790: Train MSE=0.002737, Val MSE=0.004526, Val MAE=0.051913, Val MedAE=0.041838, Bit_Fail=7 -> Snap weighted rmse improved
2026.03.15 09:19:03 1: Forecast DEBUG> Epoche 791: Train MSE=0.002736, Val MSE=0.004526, Val MAE=0.051915, Val MedAE=0.041775, Bit_Fail=7 -> Snap weighted rmse improved
2026.03.15 09:19:08 1: Forecast DEBUG> Epoche 800: Train MSE=0.002720, Val MSE=0.005550, Val MAE=0.057785, Val MedAE=0.047490, Bit_Fail=11
2026.03.15 09:20:01 1: Forecast DEBUG> Epoche 900: Train MSE=0.002602, Val MSE=0.005182, Val MAE=0.055534, Val MedAE=0.044335, Bit_Fail=8
2026.03.15 09:20:54 1: Forecast DEBUG> Epoche 1000: Train MSE=0.002492, Val MSE=0.005661, Val MAE=0.058375, Val MedAE=0.047280, Bit_Fail=12
2026.03.15 09:21:49 1: Forecast DEBUG> Epoche 1100: Train MSE=0.002388, Val MSE=0.005168, Val MAE=0.056079, Val MedAE=0.044901, Bit_Fail=7
2026.03.15 09:22:01 1: PERL WARNING: Argument "" isn't numeric in sprintf at (eval 70367) line 1.
2026.03.15 09:22:42 1: Forecast DEBUG> Epoche 1200: Train MSE=0.002290, Val MSE=0.006335, Val MAE=0.062216, Val MedAE=0.049381, Bit_Fail=9
2026.03.15 09:23:36 1: Forecast DEBUG> Epoche 1300: Train MSE=0.002196, Val MSE=0.007368, Val MAE=0.066747, Val MedAE=0.052580, Bit_Fail=19
2026.03.15 09:24:31 1: Forecast DEBUG> Epoche 1400: Train MSE=0.002103, Val MSE=0.006656, Val MAE=0.062910, Val MedAE=0.050147, Bit_Fail=20
2026.03.15 09:25:25 1: Forecast DEBUG> Epoche 1500: Train MSE=0.002006, Val MSE=0.006950, Val MAE=0.064535, Val MedAE=0.051977, Bit_Fail=24
2026.03.15 09:26:20 1: Forecast DEBUG> Epoche 1600: Train MSE=0.001949, Val MSE=0.007324, Val MAE=0.066545, Val MedAE=0.053156, Bit_Fail=25
2026.03.15 09:26:38 1: SMAInverter SBS25_2 -> BlockingCall SMAInverter_getstatusDoParse Timeout: process terminated
2026.03.15 09:27:01 1: PERL WARNING: Argument "" isn't numeric in sprintf at (eval 86282) line 1.
2026.03.15 09:27:14 1: Forecast DEBUG> Epoche 1700: Train MSE=0.001883, Val MSE=0.007462, Val MAE=0.067098, Val MedAE=0.055102, Bit_Fail=28
2026.03.15 09:28:03 1: Forecast DEBUG> Early stopping bei Epoche 1791 (no improvement since 1000 epochs)
2026.03.15 09:28:03 1: === Snapshot-Statistik ===
2026.03.15 09:28:03 1: Metric-Improvement Snapshots:              47 (letzte Epoche: 725)
2026.03.15 09:28:03 1: Weighted-RMSE-Proxy-Improvement Snapshots: 33 (letzte Epoche: 791)
2026.03.15 09:28:03 1: Bit-Improvement Snapshots:                 0 (letzte Epoche: 0)
2026.03.15 09:28:03 1: Bit-Tradeoff Snapshots:                    3 (letzte Epoche: 734)
2026.03.15 09:28:03 1: Forecast DEBUG> Best Snapshot reloaded from Epoche 791: Train MSE=0.002736, Val MSE=0.004526, Val MAE=0.051915, Val MedAE=0.041775, Bit_Fail=7,
2026.03.15 09:28:03 1: Forecast DEBUG> Run Validation Test with 20% of Input data ...
2026.03.15 09:28:03 1: Forecast DEBUG> Validation finished - Best Training MSE=0.002736, Validation MSE=0.004526, Validation Bit_Fail=7
2026.03.15 09:28:03 1: Forecast DEBUG> Retrain check -> 
-- In Normalization Space: -- 
Train MSE=0.002736 
Val MSE=0.004526 
Val Mean=0.0083866127 
VAL/TRAIN MSE Ratio=1.654113 (limit=2.5) 
Diff=0.001790 (limit=0.005) 
ValStd=0.0002142695 (limit=0.00209665317084299) 
-- At Original Scale: -- 
MAE=394.4752234586 
RMSE/MAE=1.1378 (limit=2.5) 
Slope=0.959560 (limit=0.7 .. 1.3) 
Bias=-123.16 (limit=+-591.712835187901) 
R2=0.64 
P95=1004.6011 (limit=1577.9008938344) 
P99=1481.7492 (limit=3155.8017876688) 
-- Robustness Indicators: -- 
RMSE relative=21 (limit=60) 
BitFail=7 (limit=5) 
BitFailRate=0.0044 (limit=0.1) 
Forecast Quality Score=86 
-> Retrain decision=Retrain
2026.03.15 09:28:04 1: Forecast DEBUG> Retry attempt 1 with Seed=32575219
2026.03.15 09:28:04 1: Forecast DEBUG> AI FANN Training started with Params:
input datasets=8041, 
Registry version=v1_heatpump_active_pv, 
training algo=FANN_TRAIN_INCREMENTAL, 
output AF=LINEAR, 
hidden AF=GAUSSIAN_SYMMETRIC, 
hidden Neurons=80-40, 
hidden steepness=1.0, 
max. Epoches=15000, 
mse_error=0.001, 
learning rate=0.00100, 
learning momentum=0.6, 
BitFail limit: 0.23, 
Data sharing=chronological split and AI internal shuffle of training data (Train=6432, Test=1608), 
Data shuffle=1 (period=20)
2026.03.15 09:28:04 1: Forecast DEBUG> Epoche 1: Train MSE=0.016086, Val MSE=0.019013, Val MAE=0.110944, Val MedAE=0.095529, Bit_Fail=135 -> Snap metric improved
2026.03.15 09:28:05 1: Forecast DEBUG> Epoche 2: Train MSE=0.013580, Val MSE=0.017271, Val MAE=0.105766, Val MedAE=0.091599, Bit_Fail=116 -> Snap metric improved
2026.03.15 09:28:05 1: Forecast DEBUG> Epoche 3: Train MSE=0.011908, Val MSE=0.014616, Val MAE=0.096530, Val MedAE=0.082334, Bit_Fail=75 -> Snap metric improved
2026.03.15 09:28:06 1: Forecast DEBUG> Epoche 4: Train MSE=0.010262, Val MSE=0.012308, Val MAE=0.087700, Val MedAE=0.072905, Bit_Fail=55 -> Snap metric improved
2026.03.15 09:28:06 1: Forecast DEBUG> Epoche 5: Train MSE=0.008876, Val MSE=0.010807, Val MAE=0.081054, Val MedAE=0.064810, Bit_Fail=40 -> Snap metric improved
2026.03.15 09:28:07 1: Forecast DEBUG> Epoche 6: Train MSE=0.007930, Val MSE=0.009910, Val MAE=0.076988, Val MedAE=0.059645, Bit_Fail=32 -> Snap metric improved
2026.03.15 09:28:07 1: Forecast DEBUG> Epoche 7: Train MSE=0.007376, Val MSE=0.009419, Val MAE=0.074942, Val MedAE=0.058219, Bit_Fail=27 -> Snap metric improved
2026.03.15 09:28:08 1: Forecast DEBUG> Epoche 8: Train MSE=0.007051, Val MSE=0.009162, Val MAE=0.074248, Val MedAE=0.057667, Bit_Fail=19 -> Snap metric improved
2026.03.15 09:28:09 1: Forecast DEBUG> Epoche 9: Train MSE=0.006830, Val MSE=0.009036, Val MAE=0.074240, Val MedAE=0.058871, Bit_Fail=18 -> Snap bit tradeoff
2026.03.15 09:28:57 1: Forecast DEBUG> Epoche 100: Train MSE=0.004522, Val MSE=0.008353, Val MAE=0.077439, Val MedAE=0.071715, Bit_Fail=8
2026.03.15 09:29:19 1: Forecast DEBUG> Epoche 140: Train MSE=0.004234, Val MSE=0.007403, Val MAE=0.072232, Val MedAE=0.066911, Bit_Fail=7 -> Snap weighted rmse improved
2026.03.15 09:29:19 1: Forecast DEBUG> Epoche 141: Train MSE=0.004229, Val MSE=0.007384, Val MAE=0.072113, Val MedAE=0.066806, Bit_Fail=7 -> Snap metric improved
2026.03.15 09:29:20 1: Forecast DEBUG> Epoche 142: Train MSE=0.004223, Val MSE=0.007366, Val MAE=0.071993, Val MedAE=0.066599, Bit_Fail=7 -> Snap metric improved
2026.03.15 09:29:20 1: Forecast DEBUG> Epoche 143: Train MSE=0.004217, Val MSE=0.007347, Val MAE=0.071870, Val MedAE=0.066422, Bit_Fail=7 -> Snap metric improved
2026.03.15 09:29:21 1: Forecast DEBUG> Epoche 144: Train MSE=0.004211, Val MSE=0.007326, Val MAE=0.071741, Val MedAE=0.066167, Bit_Fail=7 -> Snap metric improved
2026.03.15 09:29:22 1: Forecast DEBUG> Epoche 145: Train MSE=0.004205, Val MSE=0.007305, Val MAE=0.071605, Val MedAE=0.065866, Bit_Fail=7 -> Snap metric improved
2026.03.15 09:29:22 1: Forecast DEBUG> Epoche 146: Train MSE=0.004199, Val MSE=0.007283, Val MAE=0.071462, Val MedAE=0.065742, Bit_Fail=7 -> Snap metric improved
2026.03.15 09:29:23 1: Forecast DEBUG> Epoche 147: Train MSE=0.004192, Val MSE=0.007259, Val MAE=0.071311, Val MedAE=0.065632, Bit_Fail=7 -> Snap metric improved
2026.03.15 09:29:23 1: Forecast DEBUG> Epoche 148: Train MSE=0.004186, Val MSE=0.007235, Val MAE=0.071157, Val MedAE=0.065600, Bit_Fail=7 -> Snap metric improved
2026.03.15 09:29:24 1: Forecast DEBUG> Epoche 149: Train MSE=0.004180, Val MSE=0.007210, Val MAE=0.071000, Val MedAE=0.065317, Bit_Fail=7 -> Snap metric improved
2026.03.15 09:29:24 1: Forecast DEBUG> Epoche 150: Train MSE=0.004174, Val MSE=0.007185, Val MAE=0.070838, Val MedAE=0.065145, Bit_Fail=7 -> Snap metric improved
2026.03.15 09:29:25 1: Forecast DEBUG> Epoche 151: Train MSE=0.004168, Val MSE=0.007159, Val MAE=0.070672, Val MedAE=0.065015, Bit_Fail=7 -> Snap metric improved
2026.03.15 09:29:25 1: Forecast DEBUG> Epoche 152: Train MSE=0.004162, Val MSE=0.007132, Val MAE=0.070503, Val MedAE=0.064856, Bit_Fail=7 -> Snap metric improved
2026.03.15 09:29:26 1: Forecast DEBUG> Epoche 153: Train MSE=0.004156, Val MSE=0.007105, Val MAE=0.070331, Val MedAE=0.064778, Bit_Fail=7 -> Snap metric improved
2026.03.15 09:29:26 1: Forecast DEBUG> Epoche 154: Train MSE=0.004150, Val MSE=0.007078, Val MAE=0.070157, Val MedAE=0.064487, Bit_Fail=7 -> Snap metric improved
2026.03.15 09:29:27 1: Forecast DEBUG> Epoche 155: Train MSE=0.004144, Val MSE=0.007051, Val MAE=0.069979, Val MedAE=0.064197, Bit_Fail=7 -> Snap metric improved
2026.03.15 09:29:28 1: Forecast DEBUG> Epoche 156: Train MSE=0.004138, Val MSE=0.007023, Val MAE=0.069801, Val MedAE=0.063882, Bit_Fail=7 -> Snap metric improved
2026.03.15 09:29:28 1: Forecast DEBUG> Epoche 157: Train MSE=0.004132, Val MSE=0.006995, Val MAE=0.069620, Val MedAE=0.063639, Bit_Fail=7 -> Snap metric improved
2026.03.15 09:29:29 1: Forecast DEBUG> Epoche 158: Train MSE=0.004126, Val MSE=0.006967, Val MAE=0.069438, Val MedAE=0.063208, Bit_Fail=7 -> Snap metric improved
2026.03.15 09:29:29 1: Forecast DEBUG> Epoche 159: Train MSE=0.004120, Val MSE=0.006939, Val MAE=0.069255, Val MedAE=0.062926, Bit_Fail=7 -> Snap metric improved
2026.03.15 09:29:30 1: Forecast DEBUG> Epoche 160: Train MSE=0.004135, Val MSE=0.006762, Val MAE=0.067816, Val MedAE=0.061704, Bit_Fail=6 -> Snap metric improved
2026.03.15 09:29:30 1: Forecast DEBUG> Epoche 161: Train MSE=0.004127, Val MSE=0.006745, Val MAE=0.067696, Val MedAE=0.061905, Bit_Fail=6 -> Snap weighted rmse improved
2026.03.15 09:29:31 1: Forecast DEBUG> Epoche 162: Train MSE=0.004122, Val MSE=0.006727, Val MAE=0.067565, Val MedAE=0.061722, Bit_Fail=6 -> Snap metric improved
2026.03.15 09:29:31 1: Forecast DEBUG> Epoche 163: Train MSE=0.004116, Val MSE=0.006711, Val MAE=0.067438, Val MedAE=0.061625, Bit_Fail=6 -> Snap metric improved
2026.03.15 09:29:32 1: Forecast DEBUG> Epoche 164: Train MSE=0.004110, Val MSE=0.006695, Val MAE=0.067312, Val MedAE=0.061335, Bit_Fail=6 -> Snap metric improved
2026.03.15 09:29:32 1: Forecast DEBUG> Epoche 165: Train MSE=0.004105, Val MSE=0.006679, Val MAE=0.067187, Val MedAE=0.061164, Bit_Fail=6 -> Snap metric improved
2026.03.15 09:29:33 1: Forecast DEBUG> Epoche 166: Train MSE=0.004099, Val MSE=0.006663, Val MAE=0.067061, Val MedAE=0.061043, Bit_Fail=6 -> Snap metric improved
2026.03.15 09:29:34 1: Forecast DEBUG> Epoche 167: Train MSE=0.004093, Val MSE=0.006647, Val MAE=0.066935, Val MedAE=0.060784, Bit_Fail=6 -> Snap metric improved
2026.03.15 09:29:34 1: Forecast DEBUG> Epoche 168: Train MSE=0.004088, Val MSE=0.006631, Val MAE=0.066809, Val MedAE=0.060175, Bit_Fail=6 -> Snap metric improved
2026.03.15 09:29:35 1: Forecast DEBUG> Epoche 169: Train MSE=0.004082, Val MSE=0.006615, Val MAE=0.066685, Val MedAE=0.059960, Bit_Fail=6 -> Snap metric improved
2026.03.15 09:29:35 1: Forecast DEBUG> Epoche 170: Train MSE=0.004077, Val MSE=0.006599, Val MAE=0.066560, Val MedAE=0.059896, Bit_Fail=6 -> Snap metric improved
2026.03.15 09:29:36 1: Forecast DEBUG> Epoche 171: Train MSE=0.004071, Val MSE=0.006583, Val MAE=0.066436, Val MedAE=0.059628, Bit_Fail=6 -> Snap metric improved
2026.03.15 09:29:36 1: Forecast DEBUG> Epoche 172: Train MSE=0.004066, Val MSE=0.006567, Val MAE=0.066313, Val MedAE=0.059461, Bit_Fail=6 -> Snap metric improved
2026.03.15 09:29:37 1: Forecast DEBUG> Epoche 173: Train MSE=0.004061, Val MSE=0.006551, Val MAE=0.066191, Val MedAE=0.059473, Bit_Fail=6 -> Snap weighted rmse improved
2026.03.15 09:29:37 1: Forecast DEBUG> Epoche 174: Train MSE=0.004055, Val MSE=0.006535, Val MAE=0.066069, Val MedAE=0.059172, Bit_Fail=6 -> Snap metric improved
2026.03.15 09:29:38 1: Forecast DEBUG> Epoche 175: Train MSE=0.004050, Val MSE=0.006519, Val MAE=0.065948, Val MedAE=0.058956, Bit_Fail=6 -> Snap metric improved
2026.03.15 09:29:38 1: Forecast DEBUG> Epoche 176: Train MSE=0.004045, Val MSE=0.006504, Val MAE=0.065829, Val MedAE=0.058507, Bit_Fail=6 -> Snap metric improved
2026.03.15 09:29:39 1: Forecast DEBUG> Epoche 177: Train MSE=0.004039, Val MSE=0.006488, Val MAE=0.065711, Val MedAE=0.058225, Bit_Fail=6 -> Snap metric improved
2026.03.15 09:29:40 1: Forecast DEBUG> Epoche 178: Train MSE=0.004034, Val MSE=0.006473, Val MAE=0.065593, Val MedAE=0.057934, Bit_Fail=6 -> Snap metric improved
2026.03.15 09:29:40 1: Forecast DEBUG> Epoche 179: Train MSE=0.004029, Val MSE=0.006458, Val MAE=0.065476, Val MedAE=0.057913, Bit_Fail=6 -> Snap metric improved
2026.03.15 09:29:51 1: Forecast DEBUG> Epoche 200: Train MSE=0.003944, Val MSE=0.005425, Val MAE=0.058441, Val MedAE=0.048410, Bit_Fail=6
2026.03.15 09:29:51 1: Forecast DEBUG> Epoche 200: Train MSE=0.003944, Val MSE=0.005425, Val MAE=0.058441, Val MedAE=0.048410, Bit_Fail=6 -> Snap metric improved
2026.03.15 09:29:52 1: Forecast DEBUG> Epoche 201: Train MSE=0.003939, Val MSE=0.005380, Val MAE=0.058173, Val MedAE=0.048250, Bit_Fail=5 -> Snap metric improved
2026.03.15 09:29:52 1: Forecast DEBUG> Epoche 202: Train MSE=0.003934, Val MSE=0.005362, Val MAE=0.058060, Val MedAE=0.047993, Bit_Fail=5 -> Snap metric improved
2026.03.15 09:29:53 1: Forecast DEBUG> Epoche 204: Train MSE=0.003924, Val MSE=0.005343, Val MAE=0.057932, Val MedAE=0.047935, Bit_Fail=5 -> Snap metric improved
2026.03.15 09:29:54 1: Forecast DEBUG> Epoche 205: Train MSE=0.003920, Val MSE=0.005337, Val MAE=0.057885, Val MedAE=0.047970, Bit_Fail=5 -> Snap weighted rmse improved
2026.03.15 09:29:55 1: Forecast DEBUG> Epoche 206: Train MSE=0.003915, Val MSE=0.005331, Val MAE=0.057841, Val MedAE=0.047807, Bit_Fail=5 -> Snap metric improved
2026.03.15 09:29:55 1: Forecast DEBUG> Epoche 207: Train MSE=0.003910, Val MSE=0.005327, Val MAE=0.057801, Val MedAE=0.047776, Bit_Fail=5 -> Snap metric improved
2026.03.15 09:29:56 1: Forecast DEBUG> Epoche 208: Train MSE=0.003905, Val MSE=0.005322, Val MAE=0.057763, Val MedAE=0.047751, Bit_Fail=5 -> Snap metric improved
2026.03.15 09:29:56 1: Forecast DEBUG> Epoche 209: Train MSE=0.003900, Val MSE=0.005318, Val MAE=0.057727, Val MedAE=0.047691, Bit_Fail=5 -> Snap metric improved
2026.03.15 09:29:57 1: Forecast DEBUG> Epoche 210: Train MSE=0.003896, Val MSE=0.005315, Val MAE=0.057693, Val MedAE=0.047583, Bit_Fail=5 -> Snap metric improved
2026.03.15 09:29:57 1: Forecast DEBUG> Epoche 211: Train MSE=0.003891, Val MSE=0.005311, Val MAE=0.057659, Val MedAE=0.047290, Bit_Fail=5 -> Snap metric improved
2026.03.15 09:29:58 1: Forecast DEBUG> Epoche 212: Train MSE=0.003886, Val MSE=0.005308, Val MAE=0.057628, Val MedAE=0.047259, Bit_Fail=5 -> Snap metric improved
2026.03.15 09:29:59 1: Forecast DEBUG> Epoche 214: Train MSE=0.003877, Val MSE=0.005302, Val MAE=0.057568, Val MedAE=0.047263, Bit_Fail=5 -> Snap weighted rmse improved
2026.03.15 09:29:59 1: Forecast DEBUG> Epoche 215: Train MSE=0.003873, Val MSE=0.005299, Val MAE=0.057539, Val MedAE=0.047243, Bit_Fail=5 -> Snap metric improved
2026.03.15 09:30:00 1: Forecast DEBUG> Epoche 216: Train MSE=0.003868, Val MSE=0.005296, Val MAE=0.057510, Val MedAE=0.047068, Bit_Fail=5 -> Snap metric improved
2026.03.15 09:30:01 1: Forecast DEBUG> Epoche 217: Train MSE=0.003864, Val MSE=0.005293, Val MAE=0.057483, Val MedAE=0.046962, Bit_Fail=5 -> Snap metric improved
2026.03.15 09:30:01 1: Forecast DEBUG> Epoche 218: Train MSE=0.003859, Val MSE=0.005291, Val MAE=0.057456, Val MedAE=0.046852, Bit_Fail=5 -> Snap metric improved
2026.03.15 09:30:02 1: Forecast DEBUG> Epoche 220: Train MSE=0.003824, Val MSE=0.004997, Val MAE=0.055863, Val MedAE=0.046127, Bit_Fail=5 -> Snap metric improved
2026.03.15 09:30:07 1: Forecast DEBUG> Epoche 228: Train MSE=0.003788, Val MSE=0.004991, Val MAE=0.055789, Val MedAE=0.046169, Bit_Fail=5 -> Snap weighted rmse improved
2026.03.15 09:30:10 1: Forecast DEBUG> Epoche 234: Train MSE=0.003762, Val MSE=0.004966, Val MAE=0.055568, Val MedAE=0.046398, Bit_Fail=5 -> Snap weighted rmse improved
2026.03.15 09:30:10 1: Forecast DEBUG> Epoche 235: Train MSE=0.003758, Val MSE=0.004962, Val MAE=0.055530, Val MedAE=0.046424, Bit_Fail=5 -> Snap weighted rmse improved
2026.03.15 09:30:11 1: Forecast DEBUG> Epoche 236: Train MSE=0.003754, Val MSE=0.004958, Val MAE=0.055494, Val MedAE=0.046372, Bit_Fail=5 -> Snap metric improved
2026.03.15 09:30:45 1: Forecast DEBUG> Epoche 300: Train MSE=0.003535, Val MSE=0.006482, Val MAE=0.063787, Val MedAE=0.055532, Bit_Fail=12
2026.03.15 09:31:38 1: Forecast DEBUG> Epoche 400: Train MSE=0.003248, Val MSE=0.006879, Val MAE=0.065367, Val MedAE=0.055307, Bit_Fail=19
2026.03.15 09:32:03 1: PERL WARNING: Argument "" isn't numeric in sprintf at (eval 103177) line 1.
2026.03.15 09:32:31 1: Forecast DEBUG> Epoche 500: Train MSE=0.003030, Val MSE=0.008611, Val MAE=0.075792, Val MedAE=0.067682, Bit_Fail=22
2026.03.15 09:33:24 1: Forecast DEBUG> Epoche 600: Train MSE=0.002843, Val MSE=0.005693, Val MAE=0.058645, Val MedAE=0.048007, Bit_Fail=11
2026.03.15 09:34:18 1: Forecast DEBUG> Epoche 700: Train MSE=0.002688, Val MSE=0.006707, Val MAE=0.064922, Val MedAE=0.055409, Bit_Fail=11
2026.03.15 09:35:11 1: Forecast DEBUG> Epoche 800: Train MSE=0.002536, Val MSE=0.006292, Val MAE=0.062302, Val MedAE=0.052607, Bit_Fail=10
2026.03.15 09:36:04 1: Forecast DEBUG> Epoche 900: Train MSE=0.002410, Val MSE=0.006455, Val MAE=0.062920, Val MedAE=0.052364, Bit_Fail=9
2026.03.15 09:36:58 1: Forecast DEBUG> Epoche 1000: Train MSE=0.002314, Val MSE=0.007054, Val MAE=0.066405, Val MedAE=0.057091, Bit_Fail=14
2026.03.15 09:37:01 1: PERL WARNING: Argument "" isn't numeric in sprintf at (eval 119701) line 1.
2026.03.15 09:37:51 1: Forecast DEBUG> Epoche 1100: Train MSE=0.002202, Val MSE=0.008111, Val MAE=0.072275, Val MedAE=0.061992, Bit_Fail=15
2026.03.15 09:38:44 1: Forecast DEBUG> Epoche 1200: Train MSE=0.002106, Val MSE=0.008462, Val MAE=0.073314, Val MedAE=0.064599, Bit_Fail=20
2026.03.15 09:39:03 1: Forecast DEBUG> Early stopping bei Epoche 1236 (no improvement since 1000 epochs)
2026.03.15 09:39:03 1: === Snapshot-Statistik ===
2026.03.15 09:39:03 1: Metric-Improvement Snapshots:              62 (letzte Epoche: 236)
2026.03.15 09:39:03 1: Weighted-RMSE-Proxy-Improvement Snapshots: 8 (letzte Epoche: 235)
2026.03.15 09:39:03 1: Bit-Improvement Snapshots:                 0 (letzte Epoche: 0)
2026.03.15 09:39:03 1: Bit-Tradeoff Snapshots:                    1 (letzte Epoche: 9)
2026.03.15 09:39:03 1: Forecast DEBUG> Best Snapshot reloaded from Epoche 236: Train MSE=0.003754, Val MSE=0.004958, Val MAE=0.055494, Val MedAE=0.046372, Bit_Fail=5,
2026.03.15 09:39:03 1: Forecast DEBUG> Run Validation Test with 20% of Input data ...
2026.03.15 09:39:03 1: Forecast DEBUG> Validation finished - Best Training MSE=0.003754, Validation MSE=0.004958, Validation Bit_Fail=5
2026.03.15 09:39:03 1: Forecast DEBUG> Retrain check -> 
-- In Normalization Space: -- 
Train MSE=0.003754 
Val MSE=0.004958 
Val Mean=0.0079710095 
VAL/TRAIN MSE Ratio=1.320815 (limit=2.5) 
Diff=0.001204 (limit=0.005) 
ValStd=0.0005120264 (limit=0.00199275237601976) 
-- At Original Scale: -- 
MAE=421.667650545097 
RMSE/MAE=1.1208 (limit=2.5) 
Slope=1.027701 (limit=0.7 .. 1.3) 
Bias=-327.88 (limit=+-632.501475817646) 
R2=0.60 
P95=1041.9990 (limit=1686.67060218039) 
P99=1461.9828 (limit=3373.34120436078) 
-- Robustness Indicators: -- 
RMSE relative=22 (limit=60) 
BitFail=5 (limit=5) 
BitFailRate=0.0031 (limit=0.1) 
Forecast Quality Score=83 
-> Retrain decision=ok
2026.03.15 09:39:03 1: Forecast DEBUG> Best model after retries comes from Attempt=0 with: 
Seed=865384, 
Model Score=86, 
Model Slope=0.96, 
Model Bias=-123.16, 
VAL MedAE=317.43, 
VAL MAE=394.48, 
VAL weighted RMSE=448.82, 
VAL weighted RMSE relative=21 %, 
VAL weighted RMSE_Rating=good, 
VAL R2=0.64, 
Val MSE=0.004526
2026.03.15 09:39:03 1: Forecast DEBUG> AI FANN training data successfully written to file: ./FHEM/FhemUtils/NeuralNet_SolarForecast_Forecast
2026.03.15 09:39:03 1: Forecast DEBUG> AI FANN con Training BlockingCall PID '654661' finished

Kannst ja evtl. nochmals schauen....- Dankeschön !!

DS_Starter · 15 März 2026, 10:13:52

Guten Morgen,

die Vorzeichenänderung bei DriftBias kommt durch

my $bias_drift = $bias_model - $bias_live;

Das ist richtig. Ansonsten ist die Driftberechnung - hier maßgeblich durch BiasLive=1518.76 - durch die Berücksichtigung eines 96h Fensters beeinflusst. D.h. einmalige Ausreißer, bei mir durch Wama und Trockner verursacht, führen zu einer übermäßig langen Blockierung (Block=unstable_bias) der Drift-Rekalibrierung.
Dieses Fenster habe ich inzwischen auf 24h geändert, was die Rekal wesentlich aktiver werden lässt. Lade ich noch hoch wenn noch nicht geschehen.

Die andere Sache ... zeige mal bitte den Wert von pvInverterCapSum aus "get .. valCurrent".

300P · 15 März 2026, 10:49:13

Zitat von: DS_Starter am 15 März 2026, 10:13:52Die andere Sache ... zeige mal bitte den Wert von pvInverterCapSum aus "get .. valCurrent".

pvInverterCapSum => 9500

Code Auswählen

aiConActFunc => GAUSSIAN_SYMMETRIC
aiConActivate => 1
aiConAlpha => 0.7
aiConBitFailLimit => 0.23
aiConHiddenLayers => 80-40
aiConLearnRate => 0.001
aiConMomentum => 0.6
aiConProfile => v1_heatpump_active_pv
aiConShuffleMode => 1
aiConShufflePeriod => 20
aiConSteepness => 1.0
aiConTrainAlgo => INCREMENTAL
aiConTrainStart => 30:3
aiLastGetResultTime => 0.00075
aiStorageDuration => 3600
aiTrainStart => 3
aiTreesPV => 30
aicanuse => ok
aitrainstate => ok
aitrawstate => ok
allStringsFullfilled => 1
allstringscount => 6
allstringspeak => 14610
allstringspeakbytemp => 15720
animate => 1
autarkyrate => 100
backupFilesKeep => 14
batRatio01 => 16.29
batRatio02 => 34.79
batcapsum => 24428
batpowerinsum => 524
batpoweroutsum => 0
batsocslidereg => 3.45 3.45 3.45
batsoctotal => 3.45
batteryPreferredCharge => 30
batwhdeficitsum => 23585
batwhtotal => 843
beamHeightlevel => 1:200,2:200,3:200
cachefilesloaded => 1
conNNGetResultState => ok
conNNLastGetResultTime => 0.08532
conNNTrainstate => ok
consForecastIdentWeekdays => 0
consForecastInPlanning => 1
consForecastLastDays => 14
consumerCollected => 1
consumerdevs => FBDECT_fbahahttp_11657_0127183 FBDECT_fbahahttp_E8_DF_70_07_3E_57 FBDECT_fbahahttp_11657_0067275 FBDECT_fbahahttp_34_31_C4_D4_31_37 FBDECT_fbahahttp_E8_DF_70_07_42_0B SMA_Elgris_EM2 MQTT_EMSwp
consumerdist => 130
consumption => 1937
ctrunning => 0
cycleInterval => 15
dayAfterTomorrowConfc => 34631
dayAfterTomorrowPVfc => 16959
dummyConsumption => 497.15
dummyIcon => status_comfort@#ff8c00
dwdRad1hAge => 2026-03-15 09:00:00
dwdRad1hAgeTS => 1773561600
dwdRad1hDev => DWD
dwdWfchAge => 2026-03-15 10:41:41
dwdWfchAgeTS => 1773567701
eFeedInTariff => 0.08123
eFeedInTariffCcy => €
ePurchasePrice => 0.25
ePurchasePriceCcy => €
feedinPowerLimit => 6000
genPVdeviation => continuously
genPVforecastsToEvent => adapt4Steps
genslidereg => 2442 2440 2471
globalMode => unset
gridconsumption => 0
gridfeedin => 10
h2consumerdist => 50
h4fcslidereg => 12000 12000 12000
headerDetail => all
heatpumpInstalled => 08
homenodedyncol => 1
hourCount => 24
layoutType => double
moonPhaseI => 7
nextCycleTime => 1773567955
outsideTemp => 5.9
pvInverterCapSum => 9500
runTimeCentralTask => 1.59033
runTimeLastAPIAnswer => 1.1396
runTimeLastAPIProc => 0.3542
scaleMode => 1:lin,2:lin
selfconsumption => 1937
selfconsumptionrate => 78
setupcomplete => 1
shiftx => 0
shifty => 0
showDiff => 1:bottom,2:bottom
showGenerators => 1
showLink => 1
showconsumer => 1
showconsumerdummy => 1
showconsumerpower => 1
showconsumerremaintime => 1
size => 600
smoother => OTP => Battery_ChargeOptTargetPower_01 => ALPHA => 1
                                                      CHANGED => 0
                                                      DEADBAND => 10
                                                      NEWVAL => 2500
                                                      OBJ => FHEM::SolarForecast::Smoother=HASH(0x55a4452fb0)
                                                      OLD => 2500
                                                      SMOOTHED => 2500
                   Battery_ChargeOptTargetPower_02 => ALPHA => 1
                                                      CHANGED => 0
                                                      DEADBAND => 10
                                                      NEWVAL => 2000
                                                      OBJ => FHEM::SolarForecast::Smoother=HASH(0x55a44531f0)
                                                      OLD => 2000
                                                      SMOOTHED => 2000
strokeCmrRedColLimit => 500
strokeconsumerdyncol => 1
strokewidth => 12
sunriseToday => 2026-03-15 06:44:00
sunriseTodayTs => 1773553440
sunriseTomorrowTs => 1773639660
sunsetToday => 2026-03-15 18:32:00
sunsetTodayTs => 1773595920
sunsetTomorrowTs => 1773682380
surplus => 534
surplusslidereg => 615 283 411 918 653 591 588 516 422 516 471 484 515 386 467 445 654 557 537 534
tdConFcTillSunset => 11890
tdConFcUp2Now => 17464
tdPvFcUp2Now => 3952
tmConFcTillSunset => 30344
tmConInHrWithPVGen => 23485
tomorrowconsumption => 40688

300P · 15 März 2026, 10:58:53

Die Peaks kommen (glaub ich) eher von der Wärmepumpe bei der 2-maligen täglichen WW-Aufbereitung (ab ca. 04:00 Uhr. und meist meist gegen 12:00 Uhr )

(Screenshot gestern / heute)

dieter114 · 15 März 2026, 11:26:59

Moin Heiko,

mal ne Frage zur Erzeugungsprognose:
Meine angezeigte PV Abweichungen der letzten Woche lagen im Bereich +/- 5-10%.
Das ist für mich völlig in Ordnung, mehr kann man nicht erwarten aber
was ist mit der Prognose Erzeugung Morgen?
Da stehen bei mir seit Wochen völlig unplausible Werte.
Hier ist es total bewölkt und das bleibt auch noch ca 2 Tage so.
Morgen und übermorgen sollen hier 38 kWh erzeugt werden.
Das ist etwa 50% der maximal möglichen Anlagenleistung bei totaler Sonne 12h lang.
Ich vermute die Wetterprognose ist irgendwie falsch, nur hab ich die lange nicht geändert....

Grüße WDS

DS_Starter · 15 März 2026, 11:48:03

@300P,

ZitatDie andere Sache ... zeige mal bitte den Wert von pvInverterCapSum aus "get .. valCurrent".

Problem erkannt ... Problem gebannt

Liegt im contrib.
Leider erst nach neuem Training aktiviert.

ZitatDie Peaks kommen (glaub ich) eher von der Wärmepumpe bei der 2-maligen täglichen WW-Aufbereitung

Ja durchaus. Die Rekalibrierung benötigt einen rmse_rel_ratio und bias_var unter einem vorgebénen Schwellenwert.
Sonst ändert man auf einen neuen Bias der zu sehr von den Ausreißern geprägt ist. Die Schwellenwerte beobachte ich aber weiter.

@dieter114,

das kann durchaus an der Wetter-bzw. Strahlungsprognose liegen. Allerdings wird sich je nach stabiler/instabiler Wetterlage die Prognose für morgen oder übermorgen mit ziemlicher Sicherheit wieder anpassen.
Wir als Nutzer konsumieren die Wetterprognose nur und können sie nicht grundlegend ändern, dafür beziehen wir sie ja.

OpenMeteo bringt uns die direkte globale Stahlung als Antwort, zu sehen über "get ... radiationApiData" was dann 'nur' noch umgerechnet wird auf die Anlagenparamter.
Wenn das Wetter/die Strahlungsprognose über openMeteo bei dir nicht so hilfreich sein sollte bleibt nur der Wechsel auf einen anderen Anbieter.

LG,
Heiko

dieter114 · 15 März 2026, 14:17:14

Zitat von: DS_Starter am 15 März 2026, 11:48:03OpenMeteo bringt uns die direkte globale Stahlung als Antwort, zu sehen über "get ... radiationApiData" was dann 'nur' noch umgerechnet wird auf die Anlagenparamter.

stimmt: das passt sich tagsüber an.
Nur wenn in der Vorhersage absolute "Mondwerte" stehen hilft es nicht.
Ich versuche einmal einen anderen Anbieter.
Danke für die schnelle Antwort.
LG WDS