76_SolarForecast - Informationen/Ideen zu Weiterentwicklung und Support

[300P]

Ergebnis:

Code Auswählen Erweitern

letztes KI-Training: 28.06.2026 20:39:45 / Laufzeit in Sekunden: 712
KI Abfragestatus: ok
letzte KI-Ergebnis Generierungsdauer: 95.27 ms
Alpha: 0.8
Verbrauchernummer Wärmepumpe: 07,08

Bewertungsüberblick
Trainingsbewertung: Retrain (Retrain)
Data-Parameter-Ratio Bewertung: ok (ok)
Lernverhalten: ok gesundes Lernverhalten (6.5 % Epochenausnutzung)
Einstellhinweise:
Die Aktivierungsfunktion SIGMOID bildet alle Inputs auf 0..1 ab. Slope < 0.75 oder schwaches R² bei gesundem Training kann auf unzureichende Gradientendynamik hinweisen, besonders wenn Delta-Features oder hohe Lastdynamik (WP/EV) vorliegen. Versuch: aiConActFunc SIGMOID_SYMMETRIC.

Rauschen Bewertung: merkliches Rauschen, Interpretation mit Vorsicht (borderline)
Drift Bewertung: -
Empfehlung für Retrain: keine

Modellparameter
Normierungsgrenzen: PV=9975 Wh, Hausverbrauch: Min=0 Wh / Max=6970 Wh
Trainingsdaten: 10538 Datensätze (Training=8430, Validation=2108)
Architektur: Inputs=114, Hidden Layers=12, Outputs=1
Hyperparameter: Learning Rate=0.0001, Momentum=0.5, BitFail-Limit=0.34
Aktivierungen: Hidden=SIGMOID, Steepness=0.7, Output=LINEAR
Trainingsalgorithmus: INCREMENTAL, Profile=v1_heatpump_active_pv
Zufallsgenerator: Mode=1, Period=25
Modellalter: - h

Trainingsmetriken
bestes Modell bei Epoche: 974 (max. 15000)
Training MSE: 0.009438
Validation MSE: 0.007106
Validation MSE Average: 0.007206
Validation MSE Standard Deviation: 0.000003
Validation Bit_Fail: 8
Data Parameter Ratio: 7.565
Model Bias: 541 Wh
Model Slope: 0.59
Trainingsbewertung: Retrain

Fehlermaße der Prognosen
MAE: 411.41 Wh
MedAE: 288.86 Wh
RMSE: 507.21 Wh
RMSE relative: 51 %
RMSE Rating: acceptable
MAPE: 36.70 %
MdAPE: 26.09 %
R²: 0.50

Rauschen
Rauschen Bewertung: borderline
Empfehlung für Bit_Fail: 0.34 (Einstellung von aiControl->aiConBitFailLimit)


und weiter trainieren mit Vorgabe "SIGMOID_SYMMETRIC"

[DS_Starter]

SIGMOID_SYMMETRIC ist aber als "Versuch" un nicht "Vorgabe" gekennzeichnet. Soll heißen "probiere es mal und vergleiche).

[300P]

Genau - Versuch macht Kluch 

[300P]

Das war nicht ganz so gut

Code Auswählen Erweitern

letztes KI-Training: 28.06.2026 20:49:36 / Laufzeit in Sekunden: 245
KI Abfragestatus: ok
letzte KI-Ergebnis Generierungsdauer: 101.25 ms
Alpha: 0.8
Verbrauchernummer Wärmepumpe: 07,08

Bewertungsüberblick
Trainingsbewertung: Retrain (Retrain)
Data-Parameter-Ratio Bewertung: ok (ok)
Lernverhalten: very_early sehr früh konvergiert (1.8 % Epochenausnutzung)
Einstellhinweise:
Lernrate zu hoch: Lernrate (aiControl->aiConLearnRate) um Faktor 5-10 reduzieren (z.B. von 0.01 auf 0.001-0.002)
Architektur prüfen: Netz möglicherweise zu klein für die Datenmenge, Hidden-Layer-Neuronen (aiControl->aiConHiddenLayers) erhöhen (z.B. 50-25 -> 64-32)

Rauschen Bewertung: merkliches Rauschen, Interpretation mit Vorsicht (borderline)
Drift Bewertung: -
Empfehlung für Retrain: keine

Modellparameter
Normierungsgrenzen: PV=9975 Wh, Hausverbrauch: Min=0 Wh / Max=6970 Wh
Trainingsdaten: 10538 Datensätze (Training=8430, Validation=2108)
Architektur: Inputs=114, Hidden Layers=12, Outputs=1
Hyperparameter: Learning Rate=0.0001, Momentum=0.5, BitFail-Limit=0.34
Aktivierungen: Hidden=SIGMOID_SYMMETRIC, Steepness=0.7, Output=LINEAR
Trainingsalgorithmus: INCREMENTAL, Profile=v1_heatpump_active_pv
Zufallsgenerator: Mode=1, Period=25
Modellalter: - h

Trainingsmetriken
bestes Modell bei Epoche: 273 (max. 15000)
Training MSE: 0.009600
Validation MSE: 0.007683
Validation MSE Average: 0.007569
Validation MSE Standard Deviation: 0.000004
Validation Bit_Fail: 9
Data Parameter Ratio: 7.565
Model Bias: 577 Wh
Model Slope: 0.58
Trainingsbewertung: Retrain

Fehlermaße der Prognosen
MAE: 433.68 Wh
MedAE: 300.54 Wh
RMSE: 533.73 Wh
RMSE relative: 53 %
RMSE Rating: acceptable
MAPE: 39.47 %
MdAPE: 27.96 %
R²: 0.46

Rauschen
Rauschen Bewertung: borderline
Empfehlung für Bit_Fail: 0.34 (Einstellung von aiControl->aiConBitFailLimit)

komische Grafik für heute Nacht
jetzt kommt wieder ELLIOT_SYMMETRIC zum Zug 

[DS_Starter]

komische Grafik für heute Nacht

Ist die Hitze 
Sicherheitshalber ... hast du restartet nach dem Download?

[300P]

restartet nach dem Download

Ja hab ich

Jetzt ist alles wieder gut .......

[peterboeckmann]

Hallo Heiko,

@Peter,

sieht doch gut aus nach den Werten zu urteilen. Was sagt das Balkendiagramm?

Die Prognose ist in den letzten Tagen recht konstant. Im Screenshot anbei ist oben pv und unten con, jeweils Prognose und real.

CON Abweichung fortlaufend 7,1% gestern 16,5%. Beide Tage mehr verbraucht als prognostiziert.

Ich vermute, dass ich pv doch wieder rausnehmen werde. Aber erstmal abwarten, wie es morgen läuft.

Viele Grüße,
Peter

[DS_Starter]

PV setzt man als Flag, wenn man (signifikante) Verbraucher einschaltet wenn PV vorhanden ist. Für die KI bedeutet der Zusammenhang -> Achtung, viel PV-Erzeugung -> Verbrauch wird steigen. Kommt nur darauf an signifikant der Verbrauch real steigt wenn PV erzeugt wird.

[peterboeckmann]

Hallo Heiko,

PV setzt man als Flag, wenn man viele (signifikante) Verbraucher einschaltet wenn PV vorhanden ist. Für die KI bedeutet der Zusammenhang -> Achtung, viel PV-Erzeugung -> Verbrauch wird steigen. Kommt nur darauf an signifikant der Verbrauch real steigt wenn PV erzeugt wird.

Dann habe ich das schon richtig verstanden. Es kommt eben drauf an, was ich und was das NN für signifikant hält. 

Die Relevanz der großen PV-Erzeugung überlagert sich ja auch teilweise mit saisonalen Effekten.
Lange Zeit hatte ich recht gute Ergebnisse ohne das Flag pv.
Daher die Überlegung, auch mal wieder einen Probelauf ohne das Flag zu machen. Mal schauen.

Ich bin vorhin beim Aufräumen des attr aiControl darüber gestolpert, dass ich aiConAlpha auf 0.7 stehen habe. Wenn ich das mal probehalber auf 1 setzen will: Wann wirkt sich die Änderung aus? Beim Training oder bei der nächsten Prognose (stündlich o.ä.)?

Viele Grüße,
Peter

[tpm88]

Deswegen würde ich gern vorab in die Runde fragen wer ebenfalls OpenMeteo mit mehr als 2 Strings nutzt und seine Erfahrungen damit berichtet.

Bei mir werkeln zwei SF Instanzen mit jeweils drei Strings und OpenMedia ( 1x normal, 1x D2 ). Beide haben bis jetzt am Abend jeweils 264 von ( vermutlich in Summe ) möglichen 7336 Abfragen getätigt. Ohne Probleme...

[DS_Starter]

Danke tpm88 für die Info. Damit kann man die Vermutung von Wolfdieter wohl negieren.

[DS_Starter]

@Peter,

alles klar. Naja, das NN muß natürlich lernen wie sich PV-Erzeugung auf den Verbrauch auswirkt, auch die Saisonalität. Dazu gibt es die eingebauten Semantiken. Vllt. solltest du PV drin lassen, aber "active" herauslassen, er wirkt verstärkend.

Ich bin vorhin beim Aufräumen des attr aiControl darüber gestolpert, dass ich aiConAlpha auf 0.7 stehen habe. Wenn ich das mal probehalber auf 1 setzen will: Wann wirkt sich die Änderung aus? Beim Training oder bei der nächsten Prognose (stündlich o.ä.)?

Das wirkt sich sofort aus. 0.7 ist ein Mischkalkulation aus KI-Ergebnis und Legacy Progose, wobei KI übergewichtet ist. Mit 1 nutzt du nur das KI-Ergebnis.

LG,
Heiko

[300P]

WOW - Gestern die Neuerungen im Contrib und heute schon für Alle verfügbar.

Das nenne ich Tempo.   

Sorry - >>>> siehe Folgepost

[DS_Starter]

Moin,

Gestern die Neuerungen im Contrib und heute schon für Alle verfügbar.

Ähmm ... nein. Das ist doch nur eine Ankündigung:

In Kürze wird die Version 2.8.0 ausgeliefert. Es ist ein bedeutendes Update mit vielen Verbesserungen, Weiterentwicklungen und Anpassungen. In den meisten Fällen sollte das Update problemlos laufen. Dennoch ist es ratsam, sich vorab in diesem Beitrag über den Inhalt der Version 2.8.0 zu informieren

[300P]

Wer (alles) liest ist klär im Vorteil - da hast du recht:

..in kürze....


PS:
Die Autokorrektur im Safari bringt mich heute zum Wahnsinn.   macht jetzt schon 3 x aus 'klar' -> 'klär'