Ich dachte, es wäre mal eine gute Idee, dieses Add-On zu installieren. Dann lese ich bei Voraussetzungen, dass AC-gekoppelte Speicher nicht unterstützt werden.
Auf Grund meiner Dach- und Verschattungssituation habe ich aber nun mal microWechselrichter.
Warum wird obige Config nicht unterstützt und kommt das ggf. noch?
Hallo @NorbertKre
Der Punkt ist ein physikalischer. Grundsätzlich speichern Akkus in DC. Das bedeutet bei einem AC-Angebundenen Akku, AC immer in DC umgewandelt werden muss. Speist der Akku dann auch noch selbst ein muss DC wieder in AC umgewandelt werden.
Die Wirkungskette ist dann:
- Solarzellen DC
- WR input Solarzellen DC
- WR output AC (1. Wechselschritt)
- Akku AC → DC (2. Wechslschritt) -max 800W Input)
- Akku DC → Einspeisung → 3. Wechselschritt
Hinzu kommt noch die Verlustrate des WR.
Nur um Vollastbereich erreicht ein WR eine Effizienz von 92 -98 %. Läuft er im Teillastbereich verschlechtert sich die Effizienz dramatisch und pendelt sich im Mittel um die 65% ein. Hinzu kommen auch noch die AC-Ausgangsbeschränkungen des WR 800W.
Es sind also eine Vielzahl von Verlusten die in der Kette entstehen, die sich nicht sauber auftrennen lassen. Das alles ist unglaublich ineffizient und kann nicht sauber aufgetrennt werden.
Das ist der Grund. Wirtschaftlich und aus dem Gesichtspunkt der Effizienz und maximalen Nutzen ist das eh Unsinn.
BKW / Anlagen in denen der Speicher (Akku) DC-Seitig angebunden haben, ist der Verlust um ein vielfaches geringer, da die Umwandlungsverluste fast komplett wegfallen.
Auch können diese Systeme (Anker, Fronius, Zendure, Ecoflow,..) mit deutlichen höheren Strömen den Akku direkt DC-Laden. Eine Drosselung findet faktisch nicht statt.
Für die KI bedeutet das, sie hat keine plausiblen Werte um festzustellen, ob eine Differenz auf Grund mehrfacher Wechslerverluste oder Fehl-Prognose / technischen Defekt entsteht. → sie lernt schlicht falsch da sie vergiftete Daten bekommt..
Wirkungskette DC-seitiger Akku (Anker, EcoFlow, Zendure, Dachanlagen,..):
- Solarzellen DC
- WR input Solarzellen DC
- WR zu Speicher → DC / DC
- Akku DC → DC in WR
- WR Netz → DC / AC (1 Umwandlungsschritt)
Gruß Zara
Wenn Du weitere Fragen hast, melde Dich gern!
Hallo Zara,
die Antwort ging ja schnell 
Mir ist das mit dem Verlusten bzw. der doppelten Wandlung durchaus bewusst. Mein Speicher (Pytes V5 und Wechselrichter Victron MP II) war auf Grund der fehlenden Sonne gestern und heute leer, dann hat er mit 50+ A geladen.
Ich dachte, das Tool würde nur einen Forecast bzgl. Sonne machen!? Das später ein Speicher für den Nachtverbrauch ins Spiel kommt, wäre dann doch egal, offensichtlich nicht, oder?
Im Umkehrschluss bedeutet das doch, dass ggf. noch weitere Parameter herangezogen werden müssen. Die DC- und AC-Leistung kenne ich; auch hier ließe sich ein Faktor ableiten.
Sicherlich könnte man den Wandlungsverlust, den es auch bei direkt angeschlossenen Speicher (Hybrid WR) gibt, doch auch mit einem Faktor beschreiben. Dann wäre die KI nicht mehr alleine.
Gruß Norbert
Hallo @NorbertKre
war gerade am Rechner 
Wenn Du nur die Prognose willst, ohne STATS Auswertung .. dann kannst Du es so machen
Dafür braucht Du nur den Powersensor und die die MAX Einspeiseleistung des WR.. dann ist alles was danach kommt egal ich hatte dich anders Verstanden.. my fault!
Habe gerade nochmal die Voraussetzungen angeschaut: ich bräuchte einen “PV zu Akku Sensor”. Was steckt da genau dahinter - Welche Daten werden da benötigt?
Du findest alle Daten hier …
Für mich zum Verständnis:
Für STATS in Kombination mit einem AC-Speichersystem reicht ein DC-Shunt am Akku nicht aus, da die Wandlungsverluste – also das Delta aus PV-DC und Akku-DC – künstlich die Last, z. B. im Haus, erhöhen würden oder der Speicher nicht so voll werden würde, wie es anhand der übrigen Werte zu erwarten wäre.
Persönlich:
Den technischen Hintergrund und auch die Herausforderung für eine saubere Auswertung kann ich nachvollziehen. Gerade bei einer „KI-Betrachtung“ ist es natürlich wichtig, möglichst belastbare und eindeutig interpretierbare Daten zu haben. Allerdings empfinde ich AC-Speicher nicht als selten. Ganz im Gegenteil: Ich habe eher den Eindruck, dass solche Systeme künftig noch häufiger werden – beispielsweise in Mietwohnungen, bei Nachrüstlösungen oder überall dort, wo ein Eingriff auf der DC-Seite nicht ohne Weiteres möglich ist
Deshalb fände ich es schade, „wenn AC-Speicher außen vor bleiben würden“ (in diesem Kontext). Vielleicht muss die Lösung am Ende nicht darin bestehen, die physikalischen Verluste vollständig aufzulösen, sondern zusätzliche Messwerte, Plausibilitäten oder wie schon vorgeschlagen wurde Korrekturfaktoren einzubeziehen.
Guten Abend @Linos
Man muss hier unterscheiden zwischen AC-Speichern und PV-Anlage + AC gebundenen Speicher und die Auswirkungen im System.
Du hast völlig recht, eine KI kann immer nur so gut sein wie die Daten an denen sie lernt. - Genau hier liegt das beschriebene Problem.
Mit dem “Laden” des Akku hat das nichts zu tun. Es geht einzig und allein um das saubere Aufteilen von Energieströmen. Gerade SMC (Smart Charge) bezieht den Wirkungsgrad mit ein. Auf meiner Website ist das gut und ausführlich erklärt.
Zum Thema " Akku in Mietwohnung" , da bin ich 100% Deiner Meinung! Akku + dynamischen Tarif ist eine sinnvolle Option. SFML ist jedoch eine Solar-Suite mit dem Kern Solar-Prognose und die optimale Verwertung / Steuerung und Auswertung von Solar-Energie.
Ich habe es extra Modular aufgebaut so, das jeder es für sich Modular zusammenstellen kann - wie er es braucht / wie die Hardware Situation ist.
Bei BKW mit AC-Akku kann man SFML als Prognose nutzen - kein Problem! Allerdings alles andere (Stats, EAI,..) bleiben außen vor. Da eben die Ströme nicht sauber differenzierbar sind.
Wovon ich klar und deutlich abrate und tunlichst nicht machen würde:
- Templates die Plausibilität faken
- Templates / Sensoren nachzubauen
- …
Das geht 100% schief!!! Ich habe da die tollsten und wildesten Claude-Bastelein gesehen.. die alle nicht tragfähig sind. Bitte FINGER WEG von solchen Überlegungen! Wir sprechen hier beim Lernen von Gewichten im Milliardstel-Bereich !!! Auch siehen die Beiden AI-Stacks (Hubble + Kepler) den Akku nicht als " Müllhalde" für überschüssigen Ertrag, sondern als aktives / gleichwertiges Mitglied der eigenen Energie-Infrastuktur der dynamisch und effizient seinen Teil beiträgt. Das ist ein großer Unterschied zu einfachen 0815 Automationen die man in HA bauen kann. - faktisch ist es nicht nachzubauen.
https://www.solarforecastml.com/de/features/#stats
Zara
Unabhängig von meiner Lösung und Frage muss ich Linos unterstützen.
Ich werde bei einem Kollegen genau meine Speicherlösung nachrüsten. Warum? Weil er einen jungen (nicht-Hybrid) Sungrow-Wechselrichter hat, wo ein Speicher angeschlossen werden soll. Da geht nur AC!
Ein “Anpassungs-Faktor” könnte hier ein erster Ansatz sein.
Gerne kann ich Entitäten-Listen von Victron und Pytes zur Verfügung stellen.
Da ist Zara mit seiner Antwort meiner Rückantwort dazwischen gekommen. Die Lösung ist eindeutig mehr wie SolCast. Aber den ersten Ansatz mit nur PV könnte ich ja mal ausprobieren….
Hallo @NorbertKre
Ich verstehe deinen Punkt, aber als Entwickler muss ich Dir wirklich sagen:
SFML Prognose = kein Problem wird funktionieren
Stats und alles weitere = nicht zuverlässig möglich
Es gibt auch keinen Work-Around oder KI-Bastel-Lösungen die hier zuverlässig greifen. Das liegt in der Natur der Sache.. es können max. Annäherungen sein, aber niemals qualitative “Fixe”.
Wir haben das hier und im Beta-Thread schon alles zig mal durchgespielt und ausprobiert… es geht einfach nicht, da es zuviel Unsicherheit und Fehlerquellen gibt.
Ich möchte das so klar sagen, damit Du keine falschen Erwartungen hast, später enttäuschst bist, oder anfängst Zeit zu investieren irgendetwas zu basteln, dass für einen kurzen Moment scheinbar funktioniert.
FAZIT:
SFML kannst Du nutzen, alles weitere klares Nein..
Nachtrag:
Ganz klares nein! SolCast ist rollierend und nicht lokal lernend und kann weder Schatten, lokales Wetter, Schnee, Frost,.. ect erkennen. Bietet auch keine P10 Prognose, kein Anlagenwissen in der Tiefe, keine Auswertungen .. das sind grundsätzlich unterschiedliche Dinge.
Danke für die ausführliche Erklärung. Die Unterscheidung und auch deine Warnung vor künstlich erzeugten bzw. „passend gemachten“ Sensorwerten kann ich gut nachvollziehen. Genau in diese Richtung wollte ich aber nicht gehen 
Mein Gedanke wäre eher, AC-gekoppelte Systeme langfristig trotzdem auf dem Radar zu behalten – gerade bei Nachrüstungen, Mietwohnungen oder bestehenden Anlagen. Prognostizieren müssen wir dort ja grundsätzlich genauso.
Ich verstehe deine Einwände hinsichtlich der Datenqualität! Vielleicht muss aber auch nicht jeder Anwendungsfall den gleichen Anspruch an Genauigkeit haben. Neben Hubble/Kepler könnte ich mir beispielsweise eine Art „Lite“-Ansatz im Ökosystem vorstellen, der bewusst mit „ausreichend plausiblen“ strömen arbeitet.
Für EMS-Anwendungen reicht bereits gute Näherung, um Laden, Entladen oder Überschüsse sinnvoll zu steuern – auch wenn die Werte nicht für hochpräzises Lernen oder eine perfekte statistische Auswertung geeignet sind. Hier muss ich jetzt aber selber aufpassen, dass ich nicht große PV-Anlage und Wohnung mit Dynamische in einem Topf werfe
Danke für das offene Ohr und entschuldigt bitte die Blutgrätsche → ich wollte nicht vom eigentlichen Thema abweichen.
Grüße vom AC-Speicher mit DC-Stützrädern 