Danke für den Hinweis, manchmal sieht man den Wald vor lauter Bäumen nicht, anscheinend bin ich schon sensorblind 
.
Nochmal vielen Dank und schönen Abend..
Hallo,
ich hab drei WR mit insgesamt 5 Strings, alles unterschiedliche Leistung und ausrichtung.
Wie sollte ich di am besten anlegen?
Pro WR? Pro String? als eine Einheit?
Danke und schönen abend!
Bin gerade dabei die letzten Sensoren bei SFML State einzutragen.
Bei Gesamten Hausverbrauch in Watt… Ist damit gemeint der Netzbezug + verbrauchte Solarenergie?
Wenn das so ist hat da eine nen Sensor den ich mir anlegen kann? Die einzelnen Sensoren dafür sind vorhanden.
Musst halt noch Deine Entitätsnamen eintragen. Das Powermeter muss ±Watt anzeigen.
##WattHaus +-Watt-Verbrauch laut Zähler minus Akku -laden und -entladen + Solar
- name: "watt haus"
unique_id: "watt_haus"
unit_of_measurement: "W"
device_class: "power"
state_class: "measurement"
state: >
{% set solar_in = (int(states ('sensor.watt_solar_gesamt')|round(0))) -%}
{% set power_meter = (((int(states('sensor.powermeter'))*1)|round(0))) -%}
{% set laden_akku = (((([0, (int(states('sensor.battery_charge_discharge_power')))]|max)|round(0)))) -%}
{% set entladen_akku = ((((([0, (int(states('sensor.battery_charge_discharge_power')))]|min)|round(0))*-1))) -%}
{{((power_meter) + (solar_in) + (entladen_akku) - (laden_akku))|round(0)}}
1 „Gefällt mir“
Hallo Simon86, entweder pro String (erhöhte Rechenleistung) oder versuch´s doch mal als eine Einheit. Sollte ML und KI egal sein, dauert evtl. ein paar Tage länger. Wenn Du aber bös verschattet bist, wäre pro String wohl die bessere Lösung.
schitt habe keinen Leistungssensor der ±Watt anzeigt. Nur + oder 0.
Zweimal „discharge“?
Ja, der zweite zeigt beim Huawei-Batteresystem den Entladewert als Plus-Wert. Wenn Du die Werte getrennt angezeigt bekommst dann brauchst Du das nicht. Bei mir ist aber Laden- u. Entladen ±.
Kann man alles richtig gut im Template-Editor unter den Werkzeugen testen.
Hallo @Tom-HA ,
zunächst mal Danke für dieses tolle Modul, krass, was alles geht auf so nem raspi…
Ein Frage habe ich:
Mein Lichtsensor (Lux)
…auf dem Dach macht die Lichtstärkemessung nicht in LUX, sondern ist ein HomematicIP-Gerät, welches einen relativen Wert im Messbereich zwischen 0 und 100.000 liefert. Da es ja ein numerische Größe ist, würde das Modell trotzdem performen? Der Lux-Sensor ist bei mir im Vorgarten und nicht auf dem Dach neben der Solaranlage. Deshalb würde ich gerne diesen für die Kalkulation benutzen.
Hallo Zusammen,
ich komme nachund nach weiter bei mit der Konfiguration. Vieles habe ich nun mit dem ESC erstellt, und verbleiben tut noch die Panelgruppen-Konfiguration.
Ich habe zwei Panelgruppen. Die eine mit insgesamt 1000W zeigt leicht Richtung SSW (190 Grad) und hat eine Neigung von ca. 21 Grad.
Die andere Gruppe hat 660W, zeigt auch Richtung 190Grad und hat eine Neigung von nur 5 Grad (leider).
Wenn ich nach Azimut und PV im Web suche, heißt es es, dass eine Ausrichtung nach Süden ein Azimut von 0 hat, Richtiung Westen dann positive Werte kämen…. In dieser Intergation - was gebe ich da an?
Viele Grüße
Du gibt
1000/190/21/STRING_SENSOR_DAILY1,
660/190/5/DEIN STRING_Sensor_daily_2"
ein
1 „Gefällt mir“
Mir fiel auf, dass bei jedem Neustart von HA es wieder bei 0% Genauigkeit der letzten 30 Tage los geht. Auch ansonsten scheint alles eher wieder von 0 zu starten als weiter zu gehen. Hab ich da etwas falsch eingerichtet oder ist das so? Denn HA starte ich sicherlich alle 2 Tage neu, eher häufiger, aufgrund der Updates die andauernd kommen. Aktuell beglückt mich die HomeMatic Integration mit täglichen Updates.
Dürfte eigentlich nicht so sein.
Ich kann ständig neustarten und es hat keinen Einfluss bisher.
SFML Hybrid-AI im Härtetest: Schnee, Frost und die Realität der Prognose
Hallo zusammen,
ich wollte euch mal ein kurzes Update zu meiner aktuellen Integration (original System, aktuelle SFML-Version) geben und die Daten der letzten 24 Stunden etwas einordnen.
Mit Spannung habe ich auf den heutigen Tag geschaut, die Wetterdienste habe die Apokalypse verausgesagt, Schulen wurden geschlossen, man sollte zu Hause bleiben.. man kennt es ja..
Daher war heute so ein Tag, an dem sich die Spreu vom Weizen trennt – wir hatten hier alles dabei: morgendlicher Frost auf den Paneelen, keine direkte Sonne, deutliche Minusgrade und ab dem Nachmittag einsetzender Schneefall.
Die Analyse: Prognose vs. Realität
Wie ihr im Dashboard sehen könnt, hat die Wetter-KI gestern Abend gegen 23:30 Uhr eine Prognose erstellt, die im Vergleich zur IST-Linie etwas zu optimistisch war – der Schneefall war in der Realität intensiver als berechnet - aber der Zeitpunkt schon sehr genau.
- Ertrag: 1.01 kWh
- Prognose: 1.21 kWh
- Genauigkeit: 84%
Hardware & “Training” als Erfolgsfaktor
Bevor man die Zahlen bewertet, muss man zwei Dinge klar sagen: Die Technik ist kein Zauberwerk, sondern das Ergebnis von Datenqualität. Damit die KI solche Ergebnisse liefert, sind zwei Bedingungen absolut essenziell:
- Korrekte Sensorik: Ohne die passenden Sensoren (und deren saubere Einbindung) fehlen dem System die Augen.
- Zeit zum Lernen: Die Integration braucht eine gewisse Phase, um das Verhalten der Anlage bei verschiedenen Wetterlagen zu verstehen. Eine KI ist nur so gut wie das Training, das sie durch die realen Daten vor Ort erfährt.
Meine persönliche Einschätzung
Ehrlich gesagt: 16% Abweichung unter diesen extremen Bedingungen sind aus meiner Sicht unglaublich. Wir reden hier von einer KI, die versucht, das Zusammenspiel aus Frost, diffuser Einstrahlung und einer sich ansammelnden Schneeschicht vorherzusagen und das am Abend zuvor!
Wenn man sich die offiziellen “Wetter-Drama-Meldungen” in den Medien als Vergleich heranzieht, merkt man erst, wie präzise der Code eigentlich arbeitet. Während die Meteorologen oft nur vage Warnungen ausgeben, liefert die SFML-Integration verwertbare Daten, mit denen man das Energiemanagement im Haus tatsächlich planen kann.
Fazit
Der Code leistet unter diesen schweren Bedingungen einen hervorragenden Job. Dass die Prognose den Schneefall leicht unterschätzt hat, ist bei solchen Wetterkapriolen völlig normal. Für mich bestätigt das System einmal mehr: Wenn die Basis (Sensoren & Lernzeit) stimmt, ist die Hybrid-AI ein extrem mächtiges Werkzeug.
Zara
11 „Gefällt mir“
Ich hab bei mir die Situation, das die Südlichen Panele durch das Nachbarhaus zw. Oktober und März um die Mittagszeit verschattet sind, bin gespannt inwieweit die KI das auch lernt und berücksichtigt.
Da braucht es halt die Daten aus dem Sommer, da ja dann Licht kommt. (Sonne)
1 „Gefällt mir“
Sehr cooles Projekt. Ich habe eine etwas größere Anlage (12kWp Ost-West) und ein Balkonkraftwerk (2 Paneele Süd, 2 Paneele West). Wie ist es am besten mit den Aufteilungen der Ausrichtungen? Der Mikrowechselrichter ist ja auf 800 Watt begrenzt. Lieber zwei Instanzen laufen lassen (dann wird die Wetterprognose wohl schlechter) oder lieber keine Aufteilung angeben und es der KI überlassen oder fein granular aufteilen, dann ist die 800W-Grenze nicht berücksichtigt…
Ich nutze HA als Docker. Wird vielleicht irgendwas wo gespeichert, was nicht persistent ist?
Oder läuft da beim Neustart ein Job, der alles zurücksetzt?
Hallo.
Wie oben beschrieben geht es ausschließlich um die DC-Leistung (1x Gesamt und pro String).. die Aufteilung sollte Sinnvoll sein.. gleiche Ausrichtung und ähnlicher Tilt = eine Gruppe. Wichtig ist die Paneele müssen pro Gruppe addiert werden und entsprechende Sensoren erstellt.
MitDocker hab ich mich nie beschäftigt.
Eigentlich wird von SFML alles lokal auf der Festplatte gespeichert.
1 „Gefällt mir“