Schönes Projekt! Allerdings musst Du bei der Genauigkeit das Inverter-Clipping und / oder Mppt Throtteling mit einbeziehen. Sonst stimmen die Werte nicht. Beispiel: Wenn der IST-Wert stark vom Prognosewert abweicht da IST gedrosselt ist, verfälscht es sonst die Prognose-Realität! Gleiches gilt für Ausschlussgründe / Leistungsminderungsgründe wie z.B. Defekte, Stromausfälle, Umbauten, .. Du könntest das zum Beipiel mit einem Cut-Off des Powersensor lösen oder den Wert des Inverter-Clipping zusätzlich betrachten. Das ist auch besonders bei BKW ein echtes Thema!
Hier mal ein Beispiel:
Man sieht gut wie ab ca. 13 Uhr der Forecast dramatisch vom IST abweicht. Eine Ungenauigkeit von ca. 48% → Am Ende des Tages wird der Forecast vermutlich eine Abweichung von um die 30 -38% haben. Daher ist es wichtig zu verstehen warum und wie genau der Forecast OHNE Ausfälle gewesen wäre.
Das siehst du oben links.. bis zum Zeitpunkt des Ausfalls / Throtteling 92,8% das ist auch genau dort wo SFML lernt. Alles andere wäre fatal!
Hier sieht man gut, woher die tatsächliche Abweichung kommt..
a) Inverter-Clipping
b) Mppt-Throtteling
c) Stromausfall / Sensorabbruch
ich denke so ist es noch ein wenig plastischer was ich meine..
Hier mal wie Stats es zukünftig anzeigen wird..
Delta = das was man aktuell sieht
Genauigkeit = der Prognosezeitraum der “normal” lief ohne Mppt-Throtteling, Inverter-Clipping , Defekte,.. ausgenommen sind Wetterereignisse, da dieser zur Prognosegüte gehören.
Das zeigt besser wie überlegen und die echte Prognosegüte tatsächlich ist. (ich glaube ich mache mal einen Info-Thread dazu) da es oft missverstanden wird.. und User annehmen es wäre kaputt 