Calls, war ein Teams Unterhaltung mit Tom und verschiedenen interessierten Usern.
Hier ist der Threat
1 „Gefällt mir“
Vielleicht kann jemand noch erklären wie man z.B. SFML Stats Lite nutzen kann bzw wie ich die Daten ins Dashboard bekomme. Konfiguriert habe ich das nach besten Wissen (obwohl ich bei meinem Goodwe WR Schwierigkeiten habe die Daten richtig zu deuten)
Du erstellst ein neues Dashboard und dann wählst du Website und gibst dort die IP inclusive Pfad ein. siehe hier.
1 „Gefällt mir“
Boah ey, das ist ja ultrakalt bei euch!
Ach nee, das ist ja die Sonnenhöhe 
Hi,
welche Sensoren sind den die Basis für die unten fehlenden Werte?
Ich hab euf meinem System daheim seit dem großen Update dort Null stehen….
Ich vermute der Verbrauchsensor für den Jahres-Netzbezug. Der hat aber Werte, auf nem zweiten System ist alles ok…Ich finde meinen Fehler nicht….
@Tom-HA
Ich fand die Eingabe der Sensoren in den früheren Stat Versionen besser.
Gibt es einen Grund warum du die Aufteilung abgeschafft hast?
Nur eine Kleinigkeit, wurde eventuell auch schon mal erwähnt, aber bei 100% sollte doch Schluss sein 
da fehlen ja noch welche, weiter unten.
Guten Abend zusammen,
es kam nun mehrfach die Frage auf “Warum wird eine Prognose erstellt, wenn es doch klar ist, dass kein Ertrag (Schnee) stattfinden wird?!”
Der Hintergrund ist, dass Wetter und Prognose eine Einheit sind. Zwar wird die Prognose verworfen beim Lernen, aber das Wetter wird unabhängig davon weiter gelernt. Es ist also nicht so, dass ein verschenkter Solar-Tag ebenso ein verlorener Wetter-Lerntag ist. Zur besseren Verdeutlichung, habe ich einen String vom Schnee befreit und den anderen weiterhin vom Schnee bedeckt gelassen. Hier das Ergebnis:
Die Logische Konsequenz ist natürlich sichtbar, aber viel wichtiger ist die Erkenntnis, dass trotz “0-Ertrag” in den letzten Tagen (Schnee) dieses korrekt ignoriert wurde und nicht zu “wilden” Korrekturen geführt hat. Noch spannender ist, was EOD heute gesagt hat:
Gruppe1: warning: 8/10 frost; obstacle; clouds I skipped learning Physics
Gruppe 2: confidence 84% | Physics well calibrated |
Das bedeutet, dass die Integration korrekt erkannt hat, das Gruppe keine Performance geliefert hat und vom Physics-Learning ausgeschlossen wurde. Gruppe 2 hingegen die Treffergenauigkeit der AI bei 84% lag und Physics gepasst hat. > was auch korrekt ist.
Das ist ein großer Erfolg!
1 „Gefällt mir“
@Tom-HA
Hallo Zara,
Du hast ja den EOD Bericht vorgestellt.
Könntest du bei Gelegenheit einmal eine Auflistung mit den Abkürzungen ins Deutsche auf deiner Homepage einstellen?
Beispielsweise: R², AI RMSE…
Hallo Leute, bin gestern erst auf das Projekt gestoßen. Mega cool. Aber natürlich gleich 2 Probleme.
Ich habe versucht die Verbrachszähler über Helfer anzulegen . Die man wohl braucht beim SFML State.
Er finden die Sensoren aber nicht wie bei der Einrichtung angegeben war . Was mache ich falsch?
Die Seite mit Daten bekomme ich angezeigt wie es sein soll. Nur dauert es keine 30 Sekunden das mein MacBook die CPU und GPU auf über 80 Grad steigt und die Lüfter hoch drehen wenn ich mir die Seite anzeigen lasse. Das ganze lasse ich über FireFox mir anzeigen.
Mache das lieber über ein Helfer!
Verbrauchszähler
genau da ist das Problem. Habe versucht die Sensoren anzugeben über den Helfer. Kennt er nicht. Welche Sensoren müssen da verwendet werden?
Danke dir für die Hilfe.
Hier findet sich nicht zu “solar” - 0,0
/config/.storage/core.config_entries