Ich möchte euch eine Home-Assistant-Automatisierung zeigen, mit der mein PV-Akku nicht mehr direkt morgens mit dem Laden beginnt.
Die einfache Variante wäre eine feste Ladepause bis mittags (z.b. über die App des Wechselrichters). Das funktioniert aber nur bedingt: Ist der Vormittag sonnig und der Nachmittag bewölkt, kann der Speicher am Ende des Tages zu leer bleiben.
Meine Lösung berechnet deshalb den Ladestart jeden Tag neu.
Dafür nutzt Home Assistant:
den aktuellen Ladezustand des Akkus,
die nutzbare Batteriekapazität,
die maximale Ladeleistung,
eine angenommene Grundlast,
den Ziel-Ladezustand
und die Solcast-Prognose in 30-Minuten-Zeitfenstern.
Das Template sortiert die prognostizierten Zeitfenster nach Ertrag und prüft, wie viele davon benötigt werden, um den Akku noch vollständig zu laden. Der früheste benötigte Slot wird dann zum berechneten Ladestart.
Morgens wird die Ladeleistung zunächst gesperrt. Sobald der berechnete Zeitpunkt erreicht ist, gibt Home Assistant die maximale Ladeleistung wieder frei. Verschlechtert sich die Prognose, wird der Ladebeginn entsprechend vorgezogen.
In meinen bisherigen Tests lag der Start oft ungefähr bei 13:30 Uhr. Auch an wechselhafteren Tagen wurde der Akku trotzdem voll.
Im Video zeige ich den gesamten Aufbau mit Solcast, Helfer, Template und den drei Automatisierungen. Außerdem ordne ich ein, warum eine reduzierte Mittagsspitze am eigenen Haus zwar sinnvoll sein kann, aber noch kein eindeutiger Beleg für eine tatsächliche Entlastung des lokalen Stromnetzes ist.
Ich mache mir da ehrlich gesagt keinen großen Kopf. Meine beiden Marstek-Speicher arbeiten zusammen mit dem Marstek Smart Meter autonom im Eigenverbrauchsmodus und dürfen jederzeit mit dem maximal verfügbaren PV-Überschuss laden.
EVCC greift nur begrenzend ein oder im PV-Wallbox-Boost-Modus. Für das reine Monitoring in Home Assistant nutze ich zusätzlich die Viper Modbus TCP Integration.
Dynamische Tarife (Tibber) sind für mich seit September 2025 kein Thema mehr. Über gut drei Jahre lag ich im Schnitt bei etwa 35 Cent/kWh. Deshalb bin ich wieder auf einen Festpreistarif mit 28 Cent/kWh gewechselt.
Als Prognoselösung – aktuell noch ohne praktischen Nutzen für die Steuerung, obwohl das inzwischen möglich wäre – setze ich SFML/Stats von @Tom-HA ein. Mich interessiert die Technologie einfach. Das Projekt hat sich wirklich hervorragend entwickelt.
Den größten praktischen Nutzen sehe ich derzeit im Monitoring/Benchmarking und der Überwachung meiner drei PV-Flächen (Ost, West und Süd) mit insgesamt 28 kWp.
Ich verstehe deinen Punkt, aber Smart Charge funktioniert etwas anders.
Die lokale KI prüft mehrere Parameter und als einen der wichtigsten den Wirkungsgrad , Preisentwicklung, Umwandlungsverluste, Progonse und Strompreis vs Direkteinspeisung. Strompreis Folgetag. Das immer am BV Nutzungsverhalten. Es macht nämlich keinen Sinn den Akku vollzuladen wenn Solarertrag den Bedarf deckt aber am kommenden Tag der Preis deutlich günstiger ist.
Dazu Obergrenze SOC zum Beispiel 100% und Entladegrenze eingebe.
Dann Strompreisgrenze und absolute Strompreisgrenze. GPM holt dann die Werte automatisch. Tibber und wie sie alles heißen sind bewusst nicht Teil der Logik.
Der Ansatz war ja hier, bewußt niederschwellig mit einem einfachen Skript einzusteigen. Aber danke für den Hinweis auf deine Lösung, die kannte ich noch nicht.