Danke @Johnny_1993 das zeigt sehr gut ein “Problem” bei der Beurteilung der Prognose-Güte. Im Grunde ist sie so nicht zu bestimmen, da der MPTT-Abgeregelt hat.
Das kommende Update führt daher eine Trennung der Prognosegüte in zwei Güteklassen ein, um die Analysepräzision zu erhöhen. Diese Differenzierung ist ein Kernmerkmal des neuen KI-Stacks.
Systematik der Güteklassen
- Bereinigte Prognose („Echt“): Hierbei werden systembedingte Limitierungen algorithmisch exkludiert. Das betrifft insbesondere das MPPT-Throttling (Abregelung durch das Tracking) sowie das Inverter-Clipping (Kappung bei Erreichen der Wechselrichter-Nennleistung).
- Unbereinigte Prognose: Abbildung des theoretischen Ertragspotenzials ohne Berücksichtigung technischer Restriktionen.
Delta und Genauigkeit
Durch die Gegenüberstellung beider Klassen wird die Diskrepanz zwischen potenzieller und tatsächlich gewandelter Energie messbar.
Funktion: Anhand dieser beiden Güteklassen lässt sich präzise beurteilen, wie viel Energie aufgrund technischer Sättigung ungenutzt bleibt. Dies dient als objektive Datengrundlage, um die Wirtschaftlichkeit eines Speichers zu validieren oder vergrößeren.
Schaut man sich zum Beispiel Freitag, den 24.04. an, so wurde bisher nur die Abweichung ausgegeben. Somit entstand der Eindruck, dass SFML 26,6 % daneben gelegen hätte, was außerhalb des von mir festgelegten Zielkorridors liegt.
Betrachtet man aber die „echte“ Genauigkeit, in der das MPPT-Throttling / Inverter-Clipping bereinigt wurde, sind es nur 10,8 %. Diese neue Anzeigefunktion zeigt auch, welche Werte zur Selbstkorrektur von der KI genutzt werden und warum.