Ja, ich habe vier Himmelsrichtungen angelegt. Ich werde es mal beobachten. Die vier Flächen haben sehr unterschiedliche Voraussetzungen, ich habe ein kompliziertes Dach.
Das spielt nur eine untergeordnete Rolle.. ich kann Dir wirklich nur dringend raten sie zusammenzufassen. Du wirst mit einer sehr großen Wahrscheinlichkeit Probleme bekommen – Hardware! Sobald Du mehr Samples hast, wird sie es nicht mehr packen, du vervierfachst den Druck auf die eh schon geteilten Resourchen und der Mehrwert ist eher gering.
Bitte nicht vergessen (Beispiel)
100 Samples auf vier Gruppen sind effektiv 400(!!) Training-Samples!! - das wird sich nach einigen Monaten Laufzeit noch weiter aufsummieren! Du wirst sehr sehr schnell an das Limit deiner Hardware kommen!
Best
Zara
Ok, dann wieder ich das so machen.
Was ist hier eine geeignete Vorgehensweise: einfach den Durchschnitt bilden bzgl. Azimuth, Neigung und Ausrichtung?
1 „Gefällt mir“
Kannst den Durchschnitt nehmen, ist auch nur für das Physics Model, wenn die Ki genug kennt ist der Azimut und der Winkel nicht mehr so wichtig.
Denk dran es wird mit Nordazimut gearbeitet.
Also Süd ist 180°
Nachdem ich alle Himmelsrichtungen habe, nehme ich eine Süd-Ost und eine Nord-West.
Daten habe ich soweit sie bzw kann sie erstellen. Muss eben alles ausrechnen, ich habe sowohl senkrechte als auch liegende Paneele.
Das ist definitiv der bessere Ansatz! Mach es wie folgt:
Nord + West
Ost + Süd
Bezüglich des Tilt, nehm einfach den Mittelwert oder was dominiert. SFML wird es lernen! - Allerdings kann es sein, dass Du Schattenmeldungen bekommst, obwohl keiner da ist.. das ist aber zu verschmerzen, hauptsache die Prognose stimmt!
Hallo zusammen,
ich nutze seit ein paar Wochen SFML in meinem HA. HA läuft auf einem Synology NAS innerhalb einer VM.
Heute morgen musste ich wegen Updates HA neu starten. Nach dem Neustart hatte der Sensor, welcher SFML den heutigen Ertrag irgendwie Schluckauf, und hat um 7 Uhr morgens SFML 36kw/h gemeldet. Das ist natürlich absolut unrealistisch mit meinem Balkonkraftwerk. Habe ich irgendeine Möglichkeit innerhalb von SFML den Wert zu korrigieren, oder bleibt nur den Tag vom Learning auszuschließen? Die Neuberechnung um 12:30 sah dann so aus:
Forecast Automatically Adjusted
Adaptive Forecast Correction Applied
Reason: Updated weather data
Morning Analysis:
-
Actual Production: 37.68 kWh
-
Forecast Was: 1.39 kWh
-
Deviation: +2607%
Correction:
-
Original Daily Forecast: 6.64 kWh
-
Corrected Daily Forecast: 43.05 kWh (+548%)
-
Recalculated Hours: 12
am besten den Schalter setzen und den Tag nicht lernen lassen.
Dieser geht dann heute um 23:30 automatisch wieder aus.
Zeig mal den Sensor um den es geht.
1 „Gefällt mir“
Oh, das ist ärgerlich. Am besten den Tag nicht lernen lassen und dann sollte kein Folge Problem entstehen.
So, Integration läuft jetzt seit zwei Tagen.
Sollte sich an System Status schon etwas getan haben? Hier steht noch immer “warning”.
Im Log habe ich aktuell zwei Benachrichtigungen:
Dieser Fehler stammt von einer benutzerdefinierten Integration
Logger: custom_components.solar_forecast_ml.data.data_weather_expert_blender
Quelle: runner.py:289
Integration: Solar Forecast ML (Dokumentation, Probleme)
Erstmals aufgetreten: 00:20:14 (2 Vorkommnisse)
Zuletzt protokolliert: 05:35:02
WttrIn fetch error: ‘NoneType’ object has no attribute ‘get’
Die zweite zeigt zumindest einen Fortschritt:
Dieser Fehler stammt von einer benutzerdefinierten Integration
Logger: custom_components.solar_forecast_ml.production.production_scheduled_tasks
Quelle: runner.py:289
Integration: Solar Forecast ML
Erstmals aufgetreten: 8. April 2026 um 23:30:00 (1 Vorkommnis)
Zuletzt protokolliert: 8. April 2026 um 23:30:00
AI model training incomplete: Need 10 samples for Ridge, got 2
Bei Bedarf kann ich mein Setup ausführlich schildern…
Alles ist gut bei dir - einfach weiter laufen lassen. Erster Fehler tritt nur sporadisch auf, wenn von WttrIn keine Daten kommen (was aber nicht schlimm ist) und der Zweite sagt, dass er noch mehr Samples benötigt - also mehr Lerntage.
3 „Gefällt mir“
OK alles klar. Danke für die Rückmeldung.
Das ist vielleicht interessant zu wissen:
Was bedeuten die Status-Stufen?
| Status | Bedeutung | Was passiert? |
|---|---|---|
| OK | Kein Drift erkannt | Modell verhält sich stabil und erwartungsgemäß |
| Info | Leichte Veränderung | Innerhalb normaler Schwankungen – wird beobachtet |
| Warning | Drift erkannt | System reagiert aktiv, Gegenmaßnahmen laufen |
| Critical | Starker Drift | Modell braucht dringend mehr Trainingsdaten |
2 „Gefällt mir“
bei mir läuft SFML seit ca 10 Tagen und an dieser Stelle steht irgendwie nichts….
Wochenverbrauch, Monatsverbrauch …..
und dann frage ich mich, was ich hier eintragen sollte ….
mit meiner alten Anker Solix E1600 1. Generation geht keine Hardware-Nulleinspeisung aber ich regel das bestmöglich mit einer HA-Automation, die die Hauseinspeisung alle 2 Minuten dem Netzbezug anpasst.
Wenn du eine Nulleinspeisung betreibst, einfach den Haken setzen - fertig.
1 „Gefällt mir“
ok, allerdings steht da noch als Erklärung:
Mit aktivierter Option werden gedrosselte Stunden vom ML-Training ausgeschlossen….
demnach würde ja nicht viel für das Training übrig bleiben ….
und wieso habe ich keinen Wert beim Wochenverbrauch?
Hast du den Hausverbrauch gesetzt?
ach so, hab ich noch nicht gesetzt weil da optional dahinterstand
1 „Gefällt mir“
Ja, das ist das Problem von Nulleinspeisungs.
Dann lieber eine Dicke Batterie?