Release Notes: Solar Forecast ML 18.6.0
Wichtiger Installationshinweis: Dies ist der zweite Teil des “Frühjahrs- Major Update”. Version 18.6.0 darf nur installiert werden, wenn Version 18.4.0 zuvor für mindestens 24 Stunden aktiv gelaufen ist.
Fokus: Zeitstempel-Integrität, Korrektur der Forecast-Unterschätzung, adaptive KI-Gewichtung, Priorisierung von Hardware-Sensoren und zwei neue Wetter-Features — basierend auf umfangreichen Frühjahrs-Analysen (Theorie vs. Praxis).
Zeitmanagement & Synchronisation
Dieses Update beseitigt Inkonsistenzen bei den Zeitzonen und verhindert Rechenfehler durch den Zeitversatz zwischen Weltzeit (UTC) und lokaler Zeit (+2h Fehler). Ein Problem das durch das HA Update entstanden ist, durch neues internes Handling.
- Systemweite Migration: Über 100 Zeitstempel-Abfragen wurden auf eine neue, sichere Methode umgestellt, um absolute Konsistenz zu gewährleisten.
- Fehlerprävention: Das System erkennt nun automatisch, ob Zeitdaten “naiv” (ohne Zeitzone) vorliegen, und ordnet sie korrekt der lokalen Zeit zu.
- Datenbank-Integrität: Alle Datensätze werden garantiert mit Zeitzonen-Informationen gespeichert, was Fehler bei der historischen Analyse verhindert.
- (danke @Kaysen899 für den Hinweis)
Forecast-Optimierung & Physik-Korrekturen
Behebung von massiven Unterschätzungen, insbesondere während des starken Vormittags-Anstiegs und bei wechselhafter Bewölkung am Nachmittag.
Präzision am Vormittag (Genauigkeit: 50% → 98%)
- Faktor-Optimierung: Ein starrer, Korrekturfaktor wurde entfernt. Das System nutzt nun bevorzugt die präziseren, stündlichen Faktoren, um den steilen Leistungsanstieg am Morgen besser abzubilden, als auch die relative Stabilität in der Mittagszeit
- Erweiterter Spielraum: Die Sicherheitsgrenzen für die KI wurden gelockert, damit das Modell bei extrem klarem Himmel und starker Einstrahlung nicht künstlich “eingebremst” wird → ein wichtiges Learning aus dem Jahrezeitenwechsel
Intelligente Wolken-Logik (Korrektur der Wetterdaten)
- Das Problem: Externe Wetterdienste meldeten oft dichte Bewölkung (86–100%), obwohl die tatsächliche Einstrahlung dem widersprach.
- Die Lösung: Ein neuer Filter vergleicht die gemessene Einstrahlung mit dem theoretischen Maximum. Wenn die Sonne real stärker scheint als vorhergesagt, werden die Wolkenwerte der Wetterdienste automatisch korrigiert.
- Status-Upgrade: Bei sehr guten Strahlungswerten wird der Wetterstatus von “Bedeckt” eigenständig auf “Heiter” hochgestuft — auch in der Kalibrierungs-Logik.
Physikalische Feinabstimmung
Anpassung der mathematischen Modelle an die reale Anlagen-Geometrie (Verbesserung und Fine-Tuning):
- Erweiterte Grenzwerte: Die Rechenbereiche wurden vergrößert, um die Besonderheiten bei flach geneigten Panels (z.B. 9° Tilt) besser zu kompensieren.
- Reaktionsgeschwindigkeit: Die Glättung von Lichtwechseln wurde optimiert, damit das System schneller auf plötzliche Wetteränderungen reagiert.
Adaptive KI-Gewichtung (NEU — Kern-Feature)
Die Forecast-Engine nutzt mehrere Modelle (Physics, LSTM, Ridge, Transformer) und blendet diese zu einer Gesamtprognose zusammen. Bisher konnte das konservative Physics-Modell die besseren AI-Modelle zu stark “bremsen” — besonders bei Installationen mit längerer Lernhistorie führt das zu Problemen. Danke für eure täglichen Updates hier im Forum!
- Graduierte Vertrauenssteuerung: Das System lernt automatisch, welches Modell unter welchen Bedingungen am besten performt, und passt die Gewichtung fließend an — nicht binär “an/aus”, sondern stufenlos von 30% bis 92% KI-Vertrauen. Die Steuerung basiert auf dem gemessenen Leistungsvorteil der KI gegenüber dem Physics-Modell.
- Situationsbewusst: An sonnigen Tagen mit stabiler Wetterlage dominiert die KI (nachweislich bis zu 2x genauer als Physics). An bewölkten Tagen mit unsicherer Datenlage behält das Physics-Modell automatisch mehr Einfluss als Sicherheitsnetz.
- Ensemble-Anpassung: Das AI-Modell erhält standardmäßig mehr Gewicht (30% statt 15%), da es sich in der Praxis als stabilerer Prediktor erwiesen hat. → ein wichtiges Leaning aus den Datenauswertungen!
Erweiterte Wetter-Features (NEU)
Die Testreihen haben gezeigt, dass besonders die Nachmittagsstunden eine zu große Drift aufweisen. Diese kommt von den Wetterdaten, da mit länger werdenden Tagen die Prognosegenauigkeit der Wetterdienste proportional abnimmt. Statt die Prognose rollend zu machen, wurde die Wetter-KI um zwei neue Kern-Features erweitert:
- Drucktendenz (24h): Die KI berücksichtigt nun die Änderung des Luftdrucks über die letzten 24 Stunden. Bei stabiler Hochdrucklage (geringe Druckänderung) gewichtet das System die gestrige Produktion stärker — ein bewährter meteorologischer Indikator. Funktioniert ohne zusätzliche Sensoren.
- Stabilitäts-gesteuertes Persistence-Damping: Die bisherige Logik reduzierte die Gewichtung gestiger Produktionsdaten pauschal bei steigender Bewölkung. Nun wird geprüft, ob die Wetterlage tatsächlich instabil ist. Bei stabilem Druck bleiben die Persistence-Features stärker gewichtet — auch wenn der Wetterdienst mehr Wolken meldet.
Hinweis: Nach dem Update erscheint einmalig im LOG:
LSTM ensemble prediction failed: Features: expected 32, got 33
Das ist normal und wird beim nächsten EOD durch den Sequenzer automatisch behoben. Ein neues Training wird ausgelöst — der EOD dauert dadurch einmalig länger, abhängig von der eigenen Hardware.
Hardware-Priorisierung & Sicherheit
- MPPT-Drosselung: Die Logik zur Erkennung einer vollen Batterie wurde grundlegend verbessert. Der direkte Hardware-Input (Ladestrom sinkt unter 50W) hat nun immer Vorrang vor Wetterprognosen — unabhängig von Bewölkung oder Tageszeit. Gedrosselte Stunden werden zuverlässig vom Lernen ausgeschlossen, was ein schleichendes Absinken der Nachmittagsprognose verhindert.
- Langzeit-Stabilität: Ein Fehler in der täglichen Datenrücksetzung wurde behoben. Das System startet nun jeden Morgen mit einer “sauberen” Historie, was ein schleichendes Abweichen der Vorhersage im Dauerbetrieb verhindert und die Drift-Korrektur deutlich aufwertet!
Robustheit & Community-Beiträge
- Gesamt-Audit: Eine vollständige Tiefenanalyse der KI-Struktur wurde erfolgreich abgeschlossen.
- Fehlerschutz: Die Berechnung der Bewölkungsfaktoren wurde gegen ungültige Zahlenwerte (NaN) abgesichert (Dank an el_pedro99 für den Code).
- Referenz-Check: Die physische Panel-Konfiguration (Ausrichtung und Neigung) ist nun der alles entscheidende Ankerpunkt für die Plausibilität aller Berechnungen → wurde neu hinzugefügt
- Stündliche Einstrahlung wird auf physikalisch plausible Werte begrenzt (0–1600 W/m²).
Status: Build erfolgreich → Testing abgeschlossen
Release: Montag nach dem Tagesabschluss vor dem EOD
HINWEIS: Die ersten Tage kann die Prognose etwas abweichen stabilisiert sich dann aber!
Zara
Vielen Dank an:
@alteMade für die unermüdliche und gründliche Analyse
@Kaysen899 für deine tolle Initative mit dem EOD-Thread und dem Grundlagentesten auf zwei unterschiedlichen Systemen
@Joachim-xo für die zahlreichen Inputs zur Bedienerfreundlichkeit
@ottokar für die geduldige Analyse des “Hic-Up” währende des EOD
@harryp für die Pflege des Forums
@dietmar1968 für die Tests und fundierten Hinweise
@Wolfi1 und all die Anderen für den wertvollen Input über die ganzen Monate die wir schon gemeinsam daran arbeibeiten
Roadmap (nach Validierung der Fixes und hoffentlich keine neuen Hic-Ups durch HA-Änderungen):
- MacOsx App finalisieren
- Single-Docker Image um SFML ausserhalb von HA stabil zu nutzen (wer es möchte) um unabhänger von HA selbst zu werden
- Polish von Stats
In diesem Update wurde STATS aus Zeitgründen nicht grundlegend gefixt → kommt im nächsten Update!
Hinweis in eigener Sache:
Ich bin allen hier wirklich sehr dankbar für die regelmäßigen Meldungen, Berichte und Unterstützung.- Besonders auch die vielen kreativen Ideen (Dashboards, Nutzung der Sensoren, … ) → sollte jemand Unterstützung bei der Umsetzung eigener Ideen brauchen, bitte zögert nicht mich anzusprechen!