Erklärung SFML: Die Tagesprognose (finale Prognose 30Min vor Sonnenaufgang)

Solar Forecast ML – Morgendliche Forecast erklärt

Jeden Morgen rund um den Sonnenaufgang durchläuft die Integration eine 3-stufige Forecast-Sequenz, die dynamisch auf die tatsächliche Sonnenaufgangszeit abgestimmt ist.

Zeitplan des Morgens

Die drei Morgenaufgaben sind nicht fix – sie werden täglich neu berechnet, basierend auf dem aktuellen Sonnenaufgang. Heute war Sonnenaufgang um 06:55 Uhr, daher:

Task Uhrzeit Zeitbasis
[1/3] Weather Blend Refresh 06:10 Sonnenaufgang − 45 min
[2/3] Corrected Forecast 06:15 Sonnenaufgang − 40 min
[3/3] Final Forecast 06:25 Sonnenaufgang − 30 min

Start & Initialisierung (06:07:50)

Bevor die Morgen-Sequenz startet, initialisiert und überprüft sich die Integration / das System vollständig:

Erster Forecast-Probe-Durchlauf

2026-03-01 06:07:50.607 INFO  Forecast using database: 72 hours across 3 days
2026-03-01 06:07:50.610 DEBUG Lag-Feature 'production_yesterday' = 6.47 kWh (from DB: 2026-02-28)
2026-03-01 06:07:50.610 DEBUG Physics+LSTM blend active
2026-03-01 06:07:51.160 INFO  Forecast complete: Today=5.63 kWh, Tomorrow=5.81 kWh, Day After=6.05 kWh
                              Method=AI + Physics
2026-03-01 06:07:51.161 DEBUG Skipping today forecast storage - locked by morning routine
2026-03-01 06:07:51.161 DEBUG Skipping tomorrow forecast storage - locked by morning routine
2026-03-01 06:07:51.162 DEBUG Skipping day_after_tomorrow forecast storage - locked by morning routine

Die Prognose wird berechnet, aber nicht gespeichert – die vom Early Morning Forecast (00:30 Uhr) gesetzten Locks schützen die Tagesprognosen vor unbeabsichtigtem Überschreiben. Das ist kein Fehler, sondern gewolltes Verhalten.

Physik-Engine & Panel-Gruppen initialisiert

2026-03-01 06:07:50.610 INFO  Panel groups updated: 2 groups, total 2.29 kWp
2026-03-01 06:07:50.610 DEBUG PanelGroupCalculator initialized: 2 groups, 2.29 kWp, albedo=0.20, sys_eff=0.90
2026-03-01 06:07:50.610 INFO  PhysicsCalibrator connected to PanelGroupCalculator for self-learning
2026-03-01 06:07:50.621 INFO  Solar Forecast Coordinator fully initialized (AI-Ready, 2.29 kWp)

Die Anlage mit 2,29 kWp auf 2 Panel-Gruppen ist vollständig geladen. Der Physik-Kalibrator ist mit dem Panel-Rechner verbunden für kontinuierliches Selbstlernen.

Astronomie-Cache & Wetterquellen bereit

Astronomiedaten (Sonnenstand, Sonnenaufgang/-untergang) für 9 Tage und 216 Stunden im Speicher-Cache. Alle Wetterquellen liefern frische Daten.


Schritt [1/3] – Weather KI erstellt einen neuen " Blend" @ 06:10

2026-03-01 06:10:00.001 INFO  ╔══════════════════════════════════════════════════╗
2026-03-01 06:10:00.001 INFO  ║ [1/3] WEATHER BLEND REFRESH @ 06:10             ║
2026-03-01 06:10:00.001 INFO  ╚══════════════════════════════════════════════════╝
2026-03-01 06:10:00.001 INFO  → Fetching fresh weather data from multiple sources...
2026-03-01 06:10:00.001 INFO  Pipeline: Refreshing all weather sources (force)...

Kurz vor Sonnenaufgang werden alle Wetterquellen zwangsweise neu abgefragt – unabhängig davon, ob noch gecachte Daten vorliegen. Ziel: Die aktuellsten Wetterdaten für den Tagesstart sicherstellen.

Wetter-Korrektur für alle 72 Stunden

Für jede Stunde wird die rohe GHI-Solarstrahlung aus Open-Meteo mit stündlichen Korrekturfaktoren multipliziert. Diese Faktoren stammen aus dem Lernprozess des Vortags (EOD-Workflow). Für Nacht-Stunden (0 W/m²) wird ein Fallback-Wert mit Minimalfaktor berechnet.
Das neuronale Wetter-Korrekturmodell (MLP) hat aktuell einen R²-Wert von 0,244 – zu niedrig um zuverlässige Vorhersagen zu machen. Ab R² ≥ 0,5 würde es aktiviert. Bis dahin werden die bewährten statischen Korrekturfaktoren aus dem EOD-Lernprozess verwendet. Das ist kein Fehler – das System wählt automatisch die zuverlässigere Methode.

Schritt [2/3] – Corrected Forecast @ 06:15

In diesem Schritt werden alle gelernten Korrekturen auf die frischen Wetter-Rohdaten angewendet:

  • Die Rolling Correction Factors aus dem EOD der letzten 8 Tage (solar=0,714 – der Wetterdienst überschätzt die Sonne systematisch)
  • Die stündlichen Lernfaktoren aus dem Vergleich von Prognose vs. Realität
  • Die Wetter-Experten-Gewichtungen (welche Quelle ist bei welcher Wetterlage am zuverlässigsten)

Das Ergebnis ist eine korrigierte Wettervorhersage, die als Grundlage für den finalen Prognose-Durchlauf dient.

Schritt [3/3] – Final Forecast @ 06:25 (30 Min vor Sonnenaufgang)

Dies ist der wichtigste Forecast des Tages. Genau 30 Minuten vor Sonnenaufgang wird die finale Tagesprognose berechnet – mit allen verfügbaren Informationen:

  • Frisch abgerufene Wetterdaten aller Quellen (aus Schritt 1)
  • Alle gelernten Korrekturfaktoren angewendet (aus Schritt 2)
  • Aktuelle Live-Sensordaten der Wetterstation
  • Gestrige Produktion als KI-Eingabe (6,47 kWh)

Was macht dieser Forecast anders als der Early Morning Forecast um 00:30?

Der Early Morning Forecast um 00:30 Uhr arbeitet mit den Wetterdaten vom Vorabend. Bis 06:25 Uhr können sich die Wetterprognosen erheblich verändert haben – neue Modellläufe der Wetterdienste, geänderte Wolkenvorhersagen, etc. Der Final Forecast nutzt die aktuellsten Daten unmittelbar vor Produktionsbeginn.

Nach dem Final Forecast wird der Tages-Lock aufgehoben und neu gesetzt – die aktualisierte Prognose ersetzt den Wert vom Early Morning Forecast als verbindliche Tageserwartung für alle Automationen.


Fazit – Vollständige Morgen-Sequenz

Das System ist pünktlich zum Sonnenaufgang um 06:55 Uhr vollständig einsatzbereit – alle Automationen, Sensors und Dashboards zeigen die finale Prognose.

6 „Gefällt mir“

Mir erschließt sich die Namensgebung nicht. Die Abkürzung müsste doch „NLP“ heißen?

Hallo @Joachim-xo

MLP steht für den englishcen Begriff der dahinterstehenden Technik : Multi-Layer Perceptron

1 „Gefällt mir“