Bringt EIA irgendwelche Vorteile wenn man weder WP noch WB hat, aktuell?
Meiner Meinung nach die verbesserte Wetterprognose mit Warnhinweisen (Unwetter, Hitze usw.).
Alleine das schon wäre es mir Wert gewesen - das ist sicher Ansichtssache.
Die zusätzlichen “Intelligenzen” kannst Du ja auch später einschalten, wenn vorhanden …
1 „Gefällt mir“
Mohmals zum Thema Regen:
Mache ich da etwas falsch? Habe schon lange WFAI und eigene Wetterstation. 112 mm Regen für die nächsten 24 Stunden ist doch zu viel. Ab morgen ist strahlender Sonnenschein angesagt bei uns.
Aus EAI; 112 mm und heute, morgen und übermorgen Starkregen.
Joo, ich habe da auch was mit Regen zusammengeschrieben: Welchen Sensor verwendest Du mm/h? Oder einen Tageszähler in mm/h?
Hallo @nightrunner
Der Regensensor (im gesamten SFML Ökosystem) muß “Event” messen und nicht "Summe pro Tag). → Sonst geht Hubble (und Kepler) von Dauerregen aus und meinen, dass ihre Prognose daneben liegt,
Kannst Du das bitte Querchecken?
Zara
Hallo @Tom-HA
hallo @Joachim-xo
ich glaube ich habe den richtigen Sensor:
Was mir auffällt der Wert erwarteter Niederschlag ist innerhalb von 30 Minuten auf 97 gesunken von 112.
Installation EAI heute vormittag, nur weather AI in EAI, weil wallbox nicht möglich wegen der Pflichtfelder.
Was mir auch aufgefallen ist; die Wetterzeitreise zeigt nur eibnen Graphen für Weather Fusion Prognose, die beiden anderen nicht.
(Beitrag vom Verfasser gelöscht)
Ich bekam eine Frage zum Solar-Cockpit und was man dort sieht. Da ich denke das es viele Interessiert hier eine Erklärung:
1: In dieser Box sieht man die bereinigte Prognose-Güte des letzten abgeschlossenen Tages und den Fortschritt der aktuell erzeugten kWh Std
2: Das ist die aktuelle Prognose-Güte bis zu letzten vollen Stunde, inclusive weitere Info
3: Zeigt die Anzahl der für heute bereits erfolgreichen Lernsignale die im EOD für das Training genutzt werden können
4: Zeigt die Prognosekurve inklusive der Unsicherheiten (P10 - P90) Gelb ist das was die MPPT durchlassen. Bei Nulleinspeisung / Abregelung fällt der Wert auf das MPPT- Maximum. unter “3” wird denn der Einbruch erklärt → sofern technisch sauber erklärbar
5: P10 ist der Sensorwert der das absolute Minimum darstellt, also den ersten Quantil. Diese Prognose ist der Sicherheitsanker und hat die größtmögliche Wahrscheinlichkeit. Sie sollte grundsätzlich unterhalb der regulären Prognose liegen
6: Zeigt die Energieflüsse.
Noch ein Hinweis:
Die Starkregenereignisse wiederholen sich für jeden Tag bis eischließlich 03. August.
Es sind verschiedene Zeitfenster 
an denen der Regen auftritt
Das habe ich gesehen, aber für die nächsten Tage ist doch überhaupt kein Regen angesagt, auch in wfai nicht.
Geb Kepler ein wenig Zeit dein lokales Wetter zu lernen! - Es ist eine lokale KI die nicht auf Schwarmwissen zurückgreift
1 „Gefällt mir“
Ich habe einen fixen Strompreis und fixe Einspeisevergütung.
Gibt es eine Möglichkeit die Werte fest einzugeben oder muss ich dafür den “Umweg” über neu zu erstellende Helfer machen?
Hast Du schon im config_flow geschaut? Da geht‘s nicht per Helper.
War falsch, deswegen gelöscht!
Ich versuche zu verstehen 
- Stehe aber gerade etwas auf dem Schlauch.. hast Du es so wie im Handbuch beschrieben gemacht, oder gibt es einen Fehler im Config-Flow?
Ach so, da habe ich den
sensor.grid_price_monitor_average_price_today
aus der GPM Integration genommen.
Edit: Du hast Recht! Du musst wohl einen input.number Sensor erstellen.
Hallo @Joachim-xo
Es geh um das Regen-Event also nicht die Tagessumme. Beispiel:
Tagesumme:
Morgens regnet es für eine Stunde insgesamt 15mm .. dieser Wert bleibt bis zum Reset bestehen. Das führt dazu, dass SFML denkt " Hey es hat den ganzen Tag geregnet." → Sollte ECMWF, ICON, GFS, AIF,. sagen " Es regnet nur am morgen für eine Stunde" führt das dazu das die Wetter-KI lernt " die sind alle Falsch denn es hat den ganzen Tag geregnet"
Event / Ereignis:
Morgens regnet es für eine Stunde insgesamt 15mm. Sobald es trocken ist zeigt der Sensor “Null”. SFML weiß dann das ECMWF, ICON, GFS,.. korrekt waren und bezieht es ins Lernen ein.
Ja / nein:
Es gibt auch Sensoren die sagen nur JA Regen und gehen auf NEIN Trocken. Diese eigenen sich NICHT zum Lernen, da die Intensität des Regens einen unmittelbaren Einfluss auf die Nässe auf den Zellen hat.
Also:
Bitte immer einen Event / Ereignis Sensor nutzen (wie die letztendendes in der Hersteller-App heißen ist egal) die nach dem Regenschauer wieder auf Null fallen. Auf keinen Fall einen Tagessummen oder on/off Sensor. Das führt zu falschen Lernsignalen und vergiftet langfristig die Lernsignale der KI und alle daraus resultierenden Prognosen, Lernen, Epochen,..
Ich kann es nicht oft genug sagen:
Das komplette SFML Ökosystem basiert auf lokalen Signalen hat keinen Zugriff auf externe Quellen. Daher ist es zwingend notwendig die Lernsignale / Daten so sauber wie möglich zu übergeben. Sonst lernt die Ki falsch!