Eher daran, das die Tage länger werden.
Grüße
2 „Gefällt mir“
diesen Bobbel ab ich auch jeden tag, ab unabhängg der Version, nur erst 21Uhr, also wenn die Sonne schon lange weg ist…hmm
wobei, heute mal nicht, aber dafür hat es gut daneben gehauen, wie jeen Tag seit dem Update auf 18.4.0 bzw. 18.6.0…jeden Tag zu wenig vorhergesagt, heute ist der Abstand noch größer geworden…
1 „Gefällt mir“
Wenn mittags nicht der Speicher voll gewesen wäre, hätte es wieder genau gepasst. Hier das Produktivsystem:
Und hier der RasPi 5:
Erster Tag mit der neuen Version….hat er deutlich unterschätzt - war aber auch der erste Tag mit wirklich 100% purer Sonnenschein ohne eine einzige Wolke. Insofern wieder was gelernt (und er übertreibt so gut wie nie, was ich sehr gut finde):
Bei den einzelnen Strings tut er sich schwer zwecks lernen. In Summe ist das Ergebnis gut, aber auf den einzelnen String bezogen liegt er meist um die 20% daneben.
Aber er lernt immer noch brav 15 Samples pro Tag…bin aktuell bei 727.
Heute wurde bei mir “deutlich” überschätzt.
Edit: eine gute Vorhersage, nur in der Höhe selten gesehen.
Über 6kwh hab ich bei meinen Setup eigentlich nie gesehen.
Aber weiter gutes Lernmaterial gerade die bobbel am Abend müssen noch wech.
Offensichtlich habe ich versäumt das mal genauer zu erklären / die wissenschaftlich annerkannte / theoretische interpretation darzulegen
ich lese immer wieder, dass eine Abweichung von +10 % als „deutlich“ oder „viel“ wahrgenommen wird. Ich möchte das mal kurz aus wissenschaftlicher Perspektive einordnen, denn das Gegenteil ist der Fall: 10 % bei einer fixen Day-Ahead-Prognose sind ein herausragendes Ergebnis.
Damit ihr die Zahlen von SFML korrekt interpretieren könnt, hier ein wenig Kontext, warum ich mich hier ganz bewusst für die „harte Tour“ entschieden habe.
1. Die „Ehrliche Haut“: Ich (SFML) arbeitet ohne Schwellenwerte
Viele kommerzielle Prognosen (wie z. B. Solcast) nutzen oft rollende Updates (die Vorhersage wird alle 15–60 Min. korrigiert) und Schwellenwerte.
Das heißt: Randzeiten (Sonnenaufgang/Untergang) oder Phasen unter 50W werden einfach aus der Statistik gelöscht, weil sie den Schnitt „versauen“.
Ich gehe mit SFML „All In“: Ich werte jeden Momentanwert ungefiltert aus. Das ist mutig, denn ohne Schwellenwerte explodiert die statistische Verzerrung (MAPE) mathematisch regelrecht.
In der Wissenschaft gilt eine solche Metrik ohne Filterung als extrem volatil und oft sogar als „unfair“ gegenüber dem Modell. Aber ich will, dass die Prognose ehrlich ist.
2. Das Problem der „asymmetrischen Bestrafung“
Warum ziehen die Randzeiten den Schnitt so hoch?
- Beispiel 07:30 Uhr:
- Reale Erzeugung: 10 W
- Prognose: 30 W (Ein winziger Fehler von nur 20 W!)
- Abweichung: 200 %
Obwohl diese 20 W z.B. für euren Akku völlig egal sind, stehen sie mit 200 % in meiner Statistik. Wenn meine Software am Ende des Tages bei 10 % landet, bedeutet das, dass die Prognose über die Mittagszeit fast perfekt auf dem Punkt lag, um diese mathematischen Ausreißer der Randzeiten wieder glattzubügeln.
3. Wissenschaftliche Einordnung (Ungefilterter Momentan-MAPE)
Für eine fixe Day-Ahead-Prognose (die über den Tag nicht mehr verändert wird!), bei der jeder Wert voll zählt, sieht die wissenschaftliche Skala so aus:
| MAPE (+/- %) | Bewertung | Realität im Feld |
|---|---|---|
| < 20 % | Herausragend / Königsklasse | Ohne KI kaum zu erreichen (außer in der Wüste). |
| 20 % – 40 % | Sehr Gut | Exzellentes Modell, das auch schwierige Dämmerungsphasen / Wettersituationen meistert. |
| 40 % – 70 % | Gut / Industriestandard | Das normale Bild in Mitteleuropa für fixe Prognosen. |
Mein Fazit: Was sagen uns die 10 %?
Wenn ihr eine Abweichung von 10 % seht, dann ist das bei einer ungefilterten, fixen Prognose eigentlich ein Ritterschlag. Andere Anbieter „mogeln“ sich oft durch ständige Updates an die Wahrheit heran – ich versuche, sie euch 45 Min vor Sonnenaufgang ehrlich vorauszusagen.
Mein Ziel für SFML ist alles, was unter 20 % liegt. Wer dort landet, nutzt eine der präzisesten fixen Prognosen, die aktuell machbar sind.
Wenn ich dann sehe, dass TFS teilweise zwei Tage in Folge unter 1 % raushaut, wisst ihr, auf welchem Level wir hier eigentlich diskutieren.
Bleibt also entspannt bei 10 % – 20% ist eure Planung ist damit präziser, als es die meisten professionellen Wetterstationen könnten! Hinzu kommt noch das @alteMade @Wolfi1 @Kaysen899 und viele andere recht hatten.. lieber konservativer also “unterprognostizieren” und wenige Ausrutscher nach oben. Genau das mach SFML
Zara
2 „Gefällt mir“
Danke für die Erklärung, ich hatte es bewusst in Anführungszeichen gesetzt.
Da die 10% natürlich ein super Ergebnis ist. Wollte sowieso abwarten und noch etwas zu der WR Limitierung schreiben. Da es jetzt auf den Sommer zu geht.
Da ich ja ein BKW habe und 880Wp mit einen “800”W WR. Der WR limitiert bei 862 W auf der MPPT Seite, leider kann ich das nicht eingeben. Im Config Flow geht nur 0,8 oder 0,9 kWp.
Am gestrigen Tag waren über den Mittag für 3h gedacht, das 0,88 KW produziert werden. Was in der Theorie bestimmt machbar ist aber mit wärmekoeffizient und Hitze am WR selber, sind die Spikes nur kurz und nicht von Dauer erreichbar.
Gestern konnte bestmt wieder gut gelernt werden, was das Maximum für meine Anlage ist.
Einige Tage mit richtigem Aprilwetter, zu den Zeiten hat auch jegliche Wettervorhersage nicht wirklich gepasst, jetzt bei stabilem Sonnenwetter bleibt er 10-20% unter dem tatsächlichem Wert. Nur sehr wenige Tage die überschätzt wurden. Damit kann man gut arbeiten.
Hier die Kurven von gestern mit der neuen Version:
Gruß Ralf
Edit: Nun die Daten von heute, da ist was kaputt, das sind ja 100% Genauigkeit 
1 „Gefällt mir“
Nach 2 Tagen mit der neuen Version, Top-Ergebnisse!!
Heute leicht verschätzt, aber dennoch sehr gut!
Ich bin mehr als glücklich damit 
Hat sich mein blöder zweiter Wechselrichter nicht mit meinem Repeater verbunden, so dass zwei Stunden auf meiner Mischgruppe nichts gemessen wurde …
Fritz!Mesh scheint suboptimal zu sein; ist aber seit 2023 das erste Mal passiert.
Das ist ja sehr erfreulich! 
1 „Gefällt mir“
Nachdem es die letzten Tage recht gut lief, wird es heute zäh - und leider auch kein MDC - obwohl es eigentlich hätte durchlaufen müssen
2026-04-10 12:30:00 - custom_components.solar_forecast_ml.production.production_adaptive_forecast - INFO - === Adaptive Forecast Check ===
2026-04-10 12:30:00 - custom_components.solar_forecast_ml.production.production_adaptive_forecast - INFO - Time: 12:30:00
2026-04-10 12:30:00 - custom_components.solar_forecast_ml.production.production_adaptive_forecast - INFO - Collecting analysis data...
2026-04-10 12:30:00 - custom_components.solar_forecast_ml.production.production_adaptive_forecast - INFO - Morning analysis (06:35-12:30): Actual=0.08 kWh, Predicted=1.50 kWh, Deviation=-95% (-1.42 kWh)
2026-04-10 12:30:00 - custom_components.solar_forecast_ml.production.production_adaptive_forecast - INFO - Criterion 1: Daily forecast=3.70 kWh, Dynamic threshold=0.37 kWh, Deviation=1.42 kWh
2026-04-10 12:30:00 - custom_components.solar_forecast_ml.production.production_adaptive_forecast - INFO - Criterion 2 (No special situation): MET
2026-04-10 12:30:00 - custom_components.solar_forecast_ml.production.production_adaptive_forecast - INFO - Criterion 3 (>= 3h until sunset): MET (7.5h)
2026-04-10 12:30:00 - custom_components.solar_forecast_ml.production.production_adaptive_forecast - DEBUG - Weather data freshness: last_updated=2026-04-10T10:00:11+02:00, age=2.5h, fresh=True
2026-04-10 12:30:00 - custom_components.solar_forecast_ml.production.production_adaptive_forecast - INFO - Criterion 4 (Fresh weather data): MET (06:00 UTC)
2026-04-10 12:30:00 - custom_components.solar_forecast_ml.production.production_adaptive_forecast - INFO - Criterion 5 (Cloud cover diff > 25pp): NOT MET - Morning=90%, Current=90% (+0pp)
2026-04-10 12:30:00 - custom_components.solar_forecast_ml.production.production_adaptive_forecast - INFO - == Result: NO CORRECTION ==
2026-04-10 12:30:00 - custom_components.solar_forecast_ml.production.production_adaptive_forecast - INFO - Reason: Weather data nearly unchanged (Diff: 0pp)
@Tom-HA wenn der Forecast 95% denaben liegt, warum wird denn dann nicht angepasst?
1 „Gefällt mir“
Ich werde mich hier nun tägliche beteiligen mit den aktuellen Testergebnissen aus der Entwickung und den Entsprechenden Vergleichen. Das gibt euch auch einen Überlick darüber, wie der aktuelle Stand der Entwicklung ist.
10.04.2026 — sehr schwere Wetterbedingungen (Frost am Morgen, Regenschauer, Sonne,Bewölkung Nebel)
| # | System | Prognose | IST | Fehler absolut | Fehler % |
|---|---|---|---|---|---|
| 1 | TFS HA (g5 + Wetter KI) | 3.84 kWh | 4.44 kWh | −0.60 kWh | −14% |
| 2 | Trixi Container (g1) | 5.80 kWh | 4.44 kWh | +1.36 kWh | +31% |
| 3 | Meteo Forecast | 2.84 kWh | 4.44 kWh | −1.60 kWh | −36% |
| 4 | SFML | 6.78 kWh | 4.44 kWh | +2.34 kWh | +53% |
| 5 | Eigene Schätzung | ~7.00 kWh | 4.44 kWh | +2.56 kWh | +58% |
| 6 | Solar Forecast | 7.84 kWh | 4.44 kWh | +3.40 kWh | +77% |
| 7 | TFS HA (g4 ohne Wetter RAW) | 8.17 kWh | 4.44 kWh | +3.73 kWh | +84% |
Es bestättigt sich das die SFML mit diesen Wetterbedingen immer wieder Probleme hat. TFS HA g5 kann hier wirklich der Game-Changer sein.
Hinweise:
- TFS HA (g5 + Wetter KI) ist seit heute im Verbund mit SFML integriert. D.h ab morgen ist es möglich erste Aussagen zu treffen ob ein echter Mehrwert aus der selbst Trainierten TFS G5 HA KI im Zusammenspiel mit SFML entsteht.
- TFS HA (g4 ohne Wetter RAW) = das ist der reine RAW output von TFS ohne Wetterdaten oder Physik mit einzubeziehen. Das ist die Kontrollgruppe!
- Trixi Container (g1) = die standalone Linux-Version im RAW output
Den gesamten Thread und weitere Infos über den Entwicklungsstand und / oder Fehlschläge findet ihr hier:
Ist sicherlich auch interesaant für alle die sich für lokale KI-Entwicklung interessieren
2 „Gefällt mir“
