Hallo Community,
ich habe in einem anderen Thread mein Projekt für ein selbstlernendes, auf Machine Learning basierendes Skript vorgestellt das sehr präzise Solarprognosen erstellt. Es war ziemlich umfangreich und hat einige an ihre Grenzen gebracht – ohne Wertung. 
Ich bekam Anfragen, ob man das nicht einfacher mit einer App lösen könnte.
Da ich normalerweise umfangreiche Python-Skripte schreibe – da fühle ich mich wohl und zu Hause –, habe ich mir die Strukturen angeschaut und einen Versuch gestartet.
Schnell stieß ich an meine Grenzen, da Home Assistant nativ wichtige Bibliotheken nicht unterstützt und diese auch nicht über Custom Components nachladen kann – so ein Mist!
Also habe ich das Skript von Machine Learning auf ein Gewichtungsschema umgeschrieben.
Ich bitte euch, Solar Forecast ML zu testen und mir Feedback zu geben:
- Wie funktioniert es bei euch?
- Seid ihr zufrieden damit?
WICHTIG:
- Die Nutzung des Codes für kommerzielle Zwecke, ist strengstens untersagt! Es wäre respektlos und unfair gegenüber meiner Arbeit.
- Nach mehreren Hinweisen, habe ich es nun doch auf GitHub veröffentlicht
Es bleibt aber ein privates open-source Projekt - Community-Based - Mehrfach wurde ich gefragt ob ich einen Andreas (Akkudoktor) kennen würde - Nein Ich kenne keinen Akku-Doktor, auch habe keine YouTube-Channel…
- Simon kenne ich auch nicht, wir haben noch nie miteinander gesprochen / geschrieben -Ich kenne aber einiger seiner Videos, die ich gut gemacht finde für diejenigen die mit HA anfangen wollen und / oder nach Ideen suchen. Mein Ansatz ist ein anderer, ich suche nach Dingen die es noch nicht gibt und habe Spaß daran mich da mit zu befassen.
- Ich wurde zu meinem Hintergrund gefragt: , ich komme aus der Linux-Welt und glaube an Open-Source und Community. Ich bin nicht in der Hauptberuflich in der IT tätig.
- Mein Nick-Name Zara-Toorox ist eine Hommage an eine freie Linux-Version, an der ich vor 20 Jahren mal mitgearbeitet hatte " Two-RoXX" war ein Projekt das für alle Zugang zu informationen und der Welt für alle eröffnen sollte. - Gibt es nicht mehr
link:
Was ist Solar Forecast ML?
Solar Forecast ML ist eine intelligente Custom Component für Home Assistant, die den Solarertrag für heute und morgen vorhersagt. Im Gegensatz zu klassischen Wetterprognosen kombiniert sie die Daten deiner eigenen Solaranlage mit Wetterinformationen und – falls vorhanden – zusätzlichen Wettersensoren (wie Lux, Temperatur, Wind oder UV-Index).
Durch tägliches Lernen aus diesen Daten wird die Prognose immer präziser und passt sich individuell an deinen Standort und deine Anlage an.
Selbstlernendes System:
- Vergleicht täglich um Mitternacht die Prognose mit dem tatsächlichen Ertrag
- Passt Gewichtungen automatisch an
- Wird mit jedem Tag genauer
- Speichert gelernte Werte persistent
Flexible Sensor-Integration:
- Pflicht: Wetter-Entity + täglicher Ertragssensor
- Optional: Lux-Sensor, Außentemperatur, Wind-Geschwindigkeit, UV-Index
Drei Sensoren:
- sensor.solarprognose_heute: Prognose für heute (kWh)
- sensor.solarprognose_morgen: Prognose für morgen (kWh)
- sensor.prognose_genauigkeit: Modell-Genauigkeit (%)
Wie funktioniert es?
Phase 1: Basis-Vorhersage (Tag 1-7)
- Nutzt Wetterdaten (z. B. sonnig = 100 %, bewölkt = 30 %)
Phase 2: Kalibrierung (ab Tag 7)
- Analysiert historische Ertragsdaten
- Passt Prognose an deine Anlage an
Phase 3: Selbst-Optimierung (laufend)
- Täglich um 00:01 Uhr: Fehleranalyse und Anpassung der Gewichte
- Speichert Gewichte in /config/custom_components/solar_forecast_ml/learned_weights.json
Lern-Algorithmus:
- Fehler = Tatsächlich - Vorhergesagt
- Neue Gewichtung = Alte Gewichtung + Lernrate × (Fehler / Ertrag)
- Begrenzung der Gewichte, um Überanpassung zu vermeiden
Installation
1. Integration hinzufügen
- Home Assistant → Einstellungen → Geräte & Dienste → + INTEGRATION HINZUFÜGEN
- Suche nach “Solar Forecast ML”
2. Konfiguration
Pflichtfelder:
- Wetter-Entity: z. B. weather.dwd_weather_berlin (Empfehlung: DWD Wetter für DE)
- Power Entity: z. B. sensor.sql_system_daheim_ertrag_heute (muss täglich auf 0 zurückgesetzt werden)
- Update-Intervall: 3600 (1 Stunde)Optionale Felder:
- Lux-Sensor: z. B. sensor.brightness_outdoor
- Temperatur: z. B. sensor.outdoor_temperature
- Wind: z. B. sensor.wind_speed
- UV-Index: z. B. sensor.uv_index
3. Fertig!
Es werden folgende Sensoren automatisch erstellt
- solarprognose_heute,
- solarprognose_morgen und
- prognose_genauigkeit
Feedback gesucht!
- Wie genau ist die Prognose?
- Gab es Probleme bei der Einrichtung?
- Habt ihr Vorschläge für Verbesserungen?
Bitte postet euer Feedback hier oder schickt mir eine Nachricht. Ich freue mich auf eure Rückmeldungen!
Tom-HA
Bitte nach dem herunterladen das .txt entfernen, dann erhält du eine normale zip Datei diese entpacken und in den Costum components Ordner von HA kopieren und neustarten!
solar_forecast_ml_BETA_1-1.zip.txt (43,6 KB)
