UPDATE // RELASE NOTES Solar Forecast ML

[Tom-HA]

Leider kann ich den obrigen Post nicht mehr ergänzen, daher hier die Updates für SFML:

Mehr Stabilität, intelligentere Fehlerbereinigung & kein Einfrieren mehr zur EOD-Zeit!

Hallo zusammen,

in den letzten Tagen habe ich intensiv unter der Haube gearbeitet, um einige hartnäckige Probleme zu lösen, die mir von euch in der Community gemeldet wurden. Viele dieser Optimierungen betreffen die Stabilität der Datenbank, die KI-Genauigkeit und die System-Performance.

Hier ist eine kurze Übersicht der wichtigsten Neuerungen in der kommenden Version:

---

1. Schluss mit dem Einfrieren von Home Assistant! (Performance-Fix)

• Das Problem: Einige von euch haben bemerkt, dass Home Assistant während des EOD-Workflow-Trainings für einige Sekunden nicht mehr reagiert hat. Das lag daran, dass das CPU-intensive Training der KI-Modelle den Hauptprozess von Home Assistant blockiert hat.
• FIX: Das Modelltraining läuft ab sofort in einem völlig eigenständigen Hintergrund-Prozess ab HA 2026.6.x.
• Die Vorteile:
  • Home Assistant bleibt während des Trainings zu 100 % reaktionsschnell.
  • Ein Sicherheits-Timeout bricht das Training ab, falls es sich jemals aufhängen sollte.
  • Eine Ressourcen-Bremse sorgt dafür, dass die KI nur einen einzigen CPU-Thread nutzt, damit euer Raspberry Pi oder NUC nicht überhitzt.
  • Sollte der Hintergrund-Prozess durch System-Einschränkungen blockiert werden, gibt es einen automatischen Fallback, der das Training sicher im Hauptprozess zu Ende führt.

---

2. „Hubble“ passt auf: Automatische Fehlererkennung & Selbstheilung

Um eure Datenbanken vor „giftigen“ Daten (durch Sensor-Aussetzer, falsche Konfigurationen oder Abstürze) zu schützen, habe ich die Schnittstelle [Hubble] weiter entwickelt. Hubble spricht verständliches Deutsch mit euch im Log und repariert Fehler im Hintergrund:

• Präventiver Sensor-Audit: Wenn ihr versehentlich einen falschen Sensor konfiguriert (z. B. Leistung in Watt statt Energie in kWh), vergiftet es nicht mehr die DB. Hubble erstellt stattdessen einen Eintrag direkt unter System-Probleme (HA Repairs) in euren Home Assistant Einstellungen und erklärt euch verständlich, was zu tun ist.
• Live-Spike-Filter: Liefert ein Sensor plötzlich einen unphysikalischen Riesenwert (z. B. durch einen Übertragungsfehler, Neustart, Fehler), filtert Hubble diesen Wert heraus und ersetzt ihn live durch eine physikalische Näherung. Eure KI lernt dadurch keinen Unsinn.
• Nächtliche Datenpflege (EOD-Hygienist): Hubble scannt jede Nacht die letzten 24 Stunden.
  • Unplausibel hohe Erträge (z. B. durch fehlerhafte Zähler-Sprünge) werden für das Training gesperrt.
  • Datenlücken füllen: Fehlten tagsüber Werte (z. B. durch einen Home Assistant Absturz), rekonstruiert Hubble die Lücke anhand eures täglichen Endzählerstands und verteilt den Ertrag proportional zur Sonnenkurve. Die Lücke in eurer Statistik ist geflickt, aber die KI wird mit diesen künstlichen Werten nicht kontaminiert.

---

3. Korrektur der doppelten Winter-/Sommer-Kompensation (KI-Feinschliff)

• Das Problem: In den Modellen kam es zu einer mathematischen „Doppelkorrektur“ der Saisonalität (Winter/Sommer). Da die KI-Modelle das saisonale Verhalten bereits im Training gelernt haben, führte eine zusätzliche, feste Saisonskalierung im Sommer zu Überprognosen und im Winter zu Unterprognosen.
• Lösung: Die redundante Skalierung wurde entfernt. Die Modelle prognostizieren die Werte nun absolut präzise und nativ auf Basis des gelernten Jahresverlaufs.

---

4. Bessere Wetterdaten-Filter & Schutz vor eingefrorenen Sensoren

• Abregelungs-Schutz: Wenn eure PV-Anlage abgeregelt wird (z. B. weil die Batterie voll ist und nicht mehr eingespeist werden darf), weicht die reale Produktion stark vom Wetterpotenzial ab. Der Wetterschätzer überspringt diese Stunden nun automatisch beim Lernen, damit die KI nicht fälschlicherweise denkt, es sei bewölkt gewesen.
• Freeze-Detection: Wenn ein Sensor (Temperatur, Solar-Strahlung oder Lux) ausfällt und über 3 Stunden exakt denselben Wert einfriert, wird dieser Wert vom System ignoriert und durch meine robusten Wetterschätzungen ersetzt. → @Heatseeker - FIX

---

5. Robustes Verhalten bei Zähler-Resets (z. B. um Mitternacht)

• Das Problem: Viele Wechselrichter-Sensoren setzen sich nicht genau um Mitternacht auf 0 zurück. Das führte bei nachgelagerten Zählerstand-Berechnungen oft zu negativen Ertragssprüngen oder verfälschten Werten für die erste Stunde des neuen Tages.
• FIX: Der Live-Sensor-Reader und die historische Zählerstand-Berechnung erkennen Zähler-Resets nun intelligent und addieren den Ertrag nahtlos weiter ab Null.

Ich denke, damit habe ich alles was ihr gemeldt habt " erwischt"

Zara

[Tom-HA]

Update Weather-Fusion AI

Ich habe die beiden am häufigsten gemeldeten Probleme der Weather Fusion AI Integration analysiert und behoben.

Hier ist eine kurze Übersicht, was genau ich repariert habe:

1. Absturz beim Klick auf das Zahnrad (Fehler 500)

• Das Problem: Wenn man in Home Assistant bei der Integration auf das Zahnrad (Konfiguration/Optionen) geklickt hat, stürzte das Fenster ab. Das lag an Änderungen in neueren Home Assistant-Versionen und an Fehlern, wenn man optionale Sensoren leer gelassen hat.
• Fix Ich habe die Einstellungen komplett an die neuen Home Assistant-Vorgaben angepasst. Der Absturz ist behoben. Ihr könnt die Optionen nun wieder ganz normal öffnen, ändern und speichern – auch wenn ihr nicht alle Sensoren belegt habt.

2. Die Vorhersage-Genauigkeit bleibt dauerhaft bei 0% oder „Nicht verfügbar“

• Das Problem: Viele hatten die Integration schon wochenlang laufen, aber die Genauigkeit wurde nicht berechnet (blieb auf 0% oder “Nicht verfügbar”). Die KI hat scheinbar nichts gelernt. Dafür gab es zwei Gründe:
  1. Nachträgliche Änderungen ignoriert: Wenn ihr eure Sensoren (z. B. für die Temperatur oder den Regen) nachträglich über das Zahnrad geändert habt, hat das System das im Hintergrund nicht richtig übernommen. Es dachte, es gibt keine Sensoren zum Vergleichen, und hat nichts aufgezeichnet.
  2. Zeitzonen-Verschiebung beim ICON: Die Vorhersagen von ICON wurden fälschlicherweise in der Weltzeit (UTC) statt in eurer lokalen Uhrzeit geladen. Dadurch passten die Vorhersagen zeitlich nicht zu den echten Messdaten eurer Wetterstation (im Sommer gab es z. B. eine Verschiebung von 2 Stunden). Die KI konnte die Daten daher nicht miteinander verknüpfen.
• Fix: Ich habe beide Fehler behoben! Die Integration merkt sich nun jede Sensor-Änderung sofort und rechnet die Zeiten des ICON automatisch in eure lokale Uhrzeit um. Die KI kann jetzt fehlerfrei vergleichen. Nach der Mindest-Lernzeit von 3 Tagen wird eure echte Genauigkeit berechnet und angezeigt.

Zara

[Tom-HA]

UPDATE Grid Price Monitor (GPM)

Hallo zusammen,

ich habe ein neues Update für Solar Forecast GPM (Grid Price Monitor) fertiggestellt. In diesem Update habe ich einige nervige Fehler behoben und die Zuverlässigkeit des Batterie-Trackers und die Grundlagen für Smart Charging eingebaut.

1. Zuverlässigerer Batterie-Tracker (Riemann-Summe)

• Keine falschen Spitzen mehr bei Ausfällen: Wenn der Leistungssensor der Batterie kurzzeitig offline war (z. B. Zustand unknown oder unavailable), hat der Tracker nach der Wiederkehr die Energie für die gesamte Ausfallzeit hochgerechnet. Das führte zu riesigen Fehlmessungen (Spitzen). Ich habe das so angepasst, dass Lücken jetzt übersprungen werden und der Zähler danach sauber neu ansetzt.
• Schutz vor Zeitumstellungen: Bei NTP-Zeitsynchronisationen oder der Umstellung auf Sommer-/Winterzeit konnten negative Zeitspannen entstehen, die den Zähler durcheinandergebracht haben. Das ist jetzt abgesichert.
• Automatischer Mitternachts-Reset: Wenn die Batterie nachts gar nicht genutzt wurde (konstant 0 W), wurde der Tageszähler um Mitternacht nicht zurückgesetzt, weil keine neuen Messwerte kamen. Jetzt prüft das System den Datumswechsel alle 5 Minuten im Hintergrund und nullt den Zähler zuverlässig.

2. Smart Charging

• Solarprognose eingebaut: Dieses Update arbeitet nun mit STATS und SFML und Hubble zusammen.
• Schutz vor Abstürzen: Wenn die Batteriekapazität in den Einstellungen fälschlicherweise auf 0 gesetzt wurde, stürzte die Berechnung ab. Hier greift jetzt eine automatische Absicherung.

3. Zeitzonen & Abfragen

• Keine Verschiebungen bei Historie-Abfragen: Um Zeitverschiebungen zu verhindern, speichere ich die Preisdaten in lokaler Zeit in der Datenbank ab. Bei den Abfragen für die Historie und Tagesdurchschnittswerte kam es jedoch zu einem Konflikt mit UTC. Ich habe die Abfrage-Logik korrigiert, sodass die Zeitzonen-Offsets nun perfekt übereinstimmen.

4. Bessere Einrichtung (UI)

• MwSt.-Vorauswahl korrigiert: Bei der Ersteinrichtung gab es einen Konflikt bei der Mehrwertsteuer-Auswahl, wodurch die Standardeinstellung (z. B. 19% für Deutschland) im Dropdown-Menü leer blieb. Das ist nun behoben.
• Dynamischer Datenbankpfad: Der Pfad zur geteilten Datenbank wird nun dynamisch über die Home Assistant API ermittelt, statt starr auf /config/... zu verweisen. Das erhöht die Kompatibilität mit verschiedenen Installationen und ist für Smart Charging wichtig

Das Update läuft bei mir bereits im Test.

[Tom-HA]

Update TFS HA

Dieses Update erhöht (so Gott will) vor allem die mathematischen Präzision des Trainingsprozesses, sowie die Harmonisierung von Trainings- und Inferenz-Features sowie der Absicherung der automatischen LoRA-Feinabstimmung. Danke an HA-Dev für das HA Update 2026.6x (!!!)

1. Optimierung des Kalibrierungsverlusts (Calibration Loss)

Die mathematische Formulierung der Klasse CalibrationLoss in losses.py wurde grundlegend überarbeitet. Bisher führte ein harter Schwellenwert-Vergleich (Sprungfunktion) zu einer mathematisch nicht-differenzierbaren Verlustfunktion, was den Gradientenfluss (Backpropagation) blockierte. Durch die Einführung einer, differenzierbaren Sigmoid-Approximation mit kontrollierter Temperatur wird nun sichergestellt, dass die Kalibrierungsinformationen aktiv zur Gewichtsoptimierung des Modells beitragen. Auch an dieser Stelle noch einmal dank an HA-DEV (!!)

2. Harmonisierung der Feature-Skalierung

Die Erstellung des zeitlichen Verlaufstensors über die Methode _build_temporal_tensor in engine.py wurde angepasst. Während in der Trainingsphase die reale Gesamtkapazität der PV-Anlage in die Normalisierung einfloss, war dieser Wert bei der Inferenz auf einen konstanten Platzhalter normiert. Dies führte dazu, dass das Modell zur Laufzeit Werte außerhalb der gelernten Verteilung (Out-of-Distribution) verarbeiten musste. Die Normalisierung wurde vereinheitlicht, indem nun auch in der Inferenz die reale Gesamtkapazität eurer PV-Gruppen übergeben wird.

3. Präzisierung des Wetter-Paddings (Weather Forecast Padding)

Beim Auffüllen unvollständiger Wettervorhersagen über die Hilfsfunktion _pad_weather in engine.py wurde die Logik zur Zeitstempelfortschreibung überarbeitet. Anstelle von geteilten Objekt-Referenzen auf das letzte Wetterelement (was zu Timestamp-Drifts führte) werden nun explizite Kopien der Datenpunkte erzeugt und deren Zeitstempel stündlich inkrementiert. Dies garantiert konsistente Zeitreihen-IDs für nachgelagerte Berechnungen. Ich hoffe das HA zukünfitg nicht wieder an dieser Stelle bricht, aber mit 2026.6 scheint Ruhe eingekehrt zu sein.

4. Integration einer Validierungs-Schranke für LoRA-Adapter

Der Feinabstimmungs-Prozess in finetune.py und runner.py wurde um einen Safeguard ergänzt, ihr kennt das schon von SFML. Vor dem Speichern eines neu trainierten LoRA-Adapters wird dessen Validierungsverlust (val_loss) mit dem Verlust des aktuell aktiven Adapters abgeglichen. Verschlechtert sich der Validierungswert, wird der neue Adapter verworfen (rejected_worse_loss), um Leistungseinbußen durch Überanpassung (Overfitting) zu unterbinden.

Zara

[Tom-HA]

Version 28.0.2 HA-Cache-Fix Update

Einige von euch und auch auf anderen Plattformen haben Meldungen im Protokoll zum letzten Release.
Diese beziehen sich auf ein Caching-Problem in Home Assistant selbst. Dieses Update behebt diesen Fehler in dem der Code das selber übernimmt.

Es ist auch noch ein weiterer Fehler dazugekommen. SMART (wenn es konfiguriert ist) wird nicht auf allen Systemen korrekt angezeigt.

Neue Funktioinen:
Keine

Status:
Im Test

[Tom-HA]

UPDATE SFML / STATS / GPM V28.0.4

Leistungsoptimierungen & Stabilität EOD / KI-Training

Aufgrund der wachsenden Aufgaben des Hubble-KI-Stacks kam es in letzter Zeit bei einigen Systemen mit geringerer Leistung, virtuellen Maschinen (VMs) und Setups, die nahe an ihren Ressourcengrenzen laufen, zu Performance-Problemen.

Um eine durchgehend stabile Systemumgebung zu gewährleisten, wurde die Leistung des KI-Stacks in dieser Version bewusst gedrosselt. Diese Anpassung garantiert, dass SFML inkl. STATS und GPM auf allen von Home Assistant unterstützten Systemen zuverlässig und flüssig läuft.

---

Breaking Changes (Schwerwiegende Änderungen)

• KI-Leistungsbegrenzung: Dieses Update schränkt die maximale Leistung des integrierten KI-Stacks bewusst ein, um den Host-Server vor Überlastung zu schützen.
• Feature-Freeze für KI-Funktionen: In dieser Version (Solar Forecast ML) werden keine weiteren KI-Funktionen hinzugefügt, um die langfristige Stabilität des Host-Systems zu sichern.
• EOD-Zeit: Zum Schutz von Proxmox-basierten Systemen wurde das EOD (End of Day / Task) zeitlich verlängert.

Online via HACS

[Tom-HA]

UPDATE V28.0.6 ist verfügbar (SFML, STATS, GPM)

ich habe soeben das Update auf Version 28.0.6 bereitgestellt! Mit diesem Release behebe ich einige wichtige Punkte, die mir aus der Community gemeldet wurden:

• Zeitzonen-Verschiebung bei dynamischen Strompreisen:
  Einige von euch hatten eine Zeitverschiebung bei der Berechnung der dynamischen Stromtarife bemerkt. Ein großes Dankeschön geht an den User ** @Johnny_1993 ** hier aus dem Forum für den wertvollen Hinweis!
• Eigenständige Zeitzonen-Berechnung (Hubble-Drift behoben):
  Um diesen Fehler dauerhaft zu lösen, berechnet die Integration die lokale Zeitzone nun wieder komplett selbstständig und verlässt sich nicht mehr auf die internen Home Assistant-Hilfsfunktionen. Die Verschiebung hatte leider auch dazu geführt, dass das Hubble-Diagnosemodul und die aufgezeichneten Ist-Werte einen Drift aufwiesen. Das läuft nun wieder absolut synchron.
• Unabhängiges Error-Reporting:
  Ich habe die interne Home Assistant-Funktion zur Fehlermeldung entfernt. Die Integration übernimmt das Abfangen und Aufbereiten von Diagnosemeldungen ab sofort wieder eigenständig.

Vielen Dank für euren fantastischen Support und die Fehlermeldungen, die mir helfen, das Projekt stabil zu halten! Nach dem Update bitte wie gewohnt Home Assistant einmal neu starten, damit alle Änderungen aktiv geladen werden.

[Tom-HA]

UPDATE V 28.0.8 SFML // STATS // GPM

Dieses Release stabilisiert SFML, STATS- und GPM-Funktionen, behebt mehrere gemeldete Fehler und führt die freie Auswahl eines Strompreis-Sensors ein ( @salmunia ).

Änderungen & Bugfixes:

• Robustere Datenbankverbindungen:
  Zentralisierung der SQLite-Konfiguration durch einen verbesserten Auto-Reconnect-Mechanismus zur Vermeidung von Verbindungsabbrüchen.
• Fehler bei Ertragsabruf behoben: (Danke @Joachim-xo für das ausführliche LOG)
  Der Fehler name 'db_path' is not defined beim Abrufen des heutigen Gesamtertrags wurde korrigiert.
• TZINFO Home-Assistant-Zeitlogik:
  Explizite Handhabung der Zeitzonen wieder direkt im Code und nicht via hass, damit Tageswerte und Forecast-Zeiten unter allen Bedingungen stabil und korrekt berechnet werden.
• Scheduler-Fix im Forecast Collector:
  Behebung des Scheduler-Ausfalls, der durch den Fehler function object has no attribute tzinfo verursacht wurde.
• Smart-Charge-Logik:
  Optimierter Fallback bei fehlendem State of Charge (SOC), unvollständigen Forecast-Daten oder lückenhafter Konfiguration.
• Datenvalidierung für Preis-Forecasts (GPM):
  Die Preis-Forecast-Verarbeitung wurde gegen veraltete, unvollständige oder fehlende Datensätze abgesichert.
• Erweiterte Frontend-Zustandsübersicht (Hubble):
  Neue Frontend-Keys zur transparenten Darstellung der Smart-Charge-Entscheidungen und -Zustände.
• Optimierte Home-Assistant-2026.6 Kompatibilität:
  Manuelle Update-Listener für Options-Reloads wurden entfernt und vollständig auf das native OptionsFlowWithReload umgestellt.

Vielen Dank für das tolle Bug-Tracking im größten deutschen Home-Assistant-Forum Simon42 – ohne euch wäre es um ein Vielfaches schwerer, und die gesamte, weltweite SFML-Community profitiert von eurer Arbeit!

ONLINE VIA HACS

[Tom-HA]

UPDATE V 30.0.0 RC1 SFML // STATS // GPM

Aufgrund von Instabilitäten der internen Home Assistant Riemann-Sensoren (kWh-Berechnungen) ist es zu Abweichungen bei der Gesamt-IST-Berechnung gekommen. Der Code hat diese Abweichungen aus GIGO-Gründen (Garbage In, Garbage Out) registriert und die fehlerhaften IST-Werte aus Home Assistant verworfen.

Um ein Gefühl für die Größenordnung zu bekommen: Bei einer Beispiel-Anlage mit 2,0 kWp betrug die Abweichung 140 Wh pro Tag (!!!) – zum Teil entstanden sogar negative Deltas.

Um unabhängiger von Fehlern in Home Assistant zu sein und die Integration grundlegend zu stabilisieren, habe ich sämtliche Rechenoperationen direkt in den Code verschoben.

Mit dieser Maßnahme ist der Code resistent gegen Bugs in Home Assistant selbst. Nutzer müssen nun auch nicht mehr „rumbasteln“ und eigene Tagessensoren anlegen. Da der Code jetzt in Echtzeit live selbst rechnet, reicht die Angabe folgender Sensoren:

• Power-Sensor pro Gruppe → That’s all!

Durch diesen Umbau kann ich Fehler wie Neustarts, Cloud-Sensor-Abbrüche oder unregelmäßige Aktualisierungen direkt am Entstehungspunkt abfangen.

---

BREAKING CHANGE!

Aufgrund der neuen Logik ist dieses Update eine sogenannte Breaking Change.

• Nach dem Update müssen die Gruppen-Sensoren neu angelegt werden.
• Um das zu vereinfachen, gibt es ein neues Eingabefenster mit Dropdown-Auswahl.
• Beim folgenden EOD (End of Day) werden die Gruppen automatisch migriert.

Hinweis: Bei dieser Version handelt es sich um einen Release Candidate (RC1). Das bedeutet, dass trotz intensiver Tests noch Fehler auftreten können, die ich übersehen habe.

---

Weitere Änderungen

Der Code verlässt sich nun nicht mehr auf die internen Home Assistant Threads, sondern nutzt einen eigenen Thread-Manager. Damit sollten Blockaden während des EOD der Vergangenheit angehören.

Durch den " Weggang" von Home Assisatnt kommt die Wahrheit nun direkt aus dem Code. Das bedeutet auch, dass es nun einzelne SQL-Sensoren gibt, die direkt auf die DB zeigen und die Wahrheit anzeigen.

Das hat den Vorteil, dass ich STATS entschlacken konnte, es müssen keine Panelgruppen Sensoren mehr angelegt werden. Die kommen nun automatisch von SFML STATS.

• STATUS: Im Test
• Release: Morgen im Laufe des Tages

[Tom-HA]

Version 32.0.0 SOT – Wichtige Hinweise bitte zwingend lesen!

Ein riesiges Dankeschön geht an die Beta-Tester hier im Forum und rund um die Welt – ohne euren unermüdlichen Einsatz wäre dieser Meilenstein schlicht unmöglich gewesen. Danke euch!

Warum dieser massive Umbau?

Aufgrund von Instabilitäten der internen Home Assistant Riemann-Sensoren (kWh-Berechnungen) kam es zuletzt leider zu Abweichungen bei der Gesamt-IST-Berechnung. Mein Code hat diese fehlerhaften Werte aus Home Assistant aus GIGO-Gründen (Garbage In, Garbage Out) völlig zu Recht verworfen. Auch zahlreiche BUGs von Home Assistant in der Vergangenheit und vermutlich auch Zukunft haben mir Kopfschmerzen gemacht. Die Tester wissen sehr genau wovon ich spreche

Um das Projekt komplett unabhängig von HA-Fehlern zu machen und die Integration radikal zu stabilisieren, habe ich einen harten Schnitt gemacht: Sämtliche kritischen Berechnungen sind ab sofort vollständig von Home Assistant entkoppelt. Bugs in HA schlagen damit nicht mehr auf SFML, STATS oder GPM durch! SFML ist ließt nur noch!

---

Wichtige technische Änderungen (Die neue Architektur)

• SFML ist jetzt die Source of Truth (SOT): Solar Forecast ist der Chef im Ring, der Hubble AI-Stack das zentrale Herz.
• Datenbank-Entkopplung: Die andockenden Apps (Solar Forecast Stats, Grid Price Monitor, TFS HA) habe ich weitestgehend vom Home Assistant Recorder und der HA-Datenbank entkoppelt. SFML verwaltet seine eigene DB und hat als SOT das exklusive Schreib- und Änderungsrecht. Jede Änderung (z. B. von STATS, Sensoren,..) wird von Hubble auf Validität geprüft, bevor sie in die DB wandert.
• Performance-Schub ohne HA-Bremse: Berechnungen laufen im Handumdrehen. Kein Lag mehr durch Home Assistant, kein Einfrieren beim EOD, keine heißgelaufenen Prozessoren! SFML dirigiert die Prozesse nun über einen eigenen Thread-Manager, um die Single-Thread-Bremse im Event-Loop von HA clever zu umgehen – vollkommen hardware- und ressourcenschonend.

---

Was ändert sich nach dem Update?

1. Drastisch vereinfachte Konfiguration

Durch den Architektur-Wechsel fällt tonnenweise Konfigurationsaufwand weg. Es sind für die Solaranlage keine Energiesensoren mehr notwendig, die sich täglich zurücksetzen.
Nach dem Update musst du nur noch die POWER-SENSOREN (W) deiner einzelnen Strings eintragen – das ist alles! Keine Helfer mehr, kein Gebastel, keine Summensensoren. SFML berechnet Power und Energie hocheffizient selbst.

2. Neue, hochpräzise SOT-Sensoren

Weil der Code die Power-Sensoren direkt abfragt und selbst rechnet, gibt es keine Rundungs- oder Intervallfehler mehr (inklusive automatischer Fehlerkorrektur bei Sensorausfällen oder Neustarts). Die neuen SOT-Sensoren sitzen direkt auf der SFML-DB (losgelöst vom HA-Recorder, spiegeln ihre Werte aber natürlich trotzdem in HA), perfekt für Automationen:

• Gruppen- / String-Sensoren: Jeder String erhält einen eigenen, extrem genauen Energie- (kWh) und Power-Sensor (W).
• Gesamtsensoren: Ein Gesamtenergie- und Gesamtpower-Sensor, die penibel auf Genauigkeit überwacht werden. Genauer geht es nicht!

---

Neue Funktionen direkt aus dem Code

SurPlus-Sensor (Überschuss)

STATS stellt einen neuen Binär-Sensor zur Verfügung. Er schaltet auf „an“, sobald Netzeinspeisung stattfindet und die Solarleistung (SOT) größer als der aktuelle Hausbedarf ist. Perfekt, um per Automation Eigenverbraucher wie Heizstäbe oder E-Autos zu steuern. Eine integrierte Hysterese verhindert wildes Hin- und Herschalten.

Smart Charge

STATS bekommt vom Hubble AI-Stack alle notwendigen Informationen, um Akkus intelligent zu laden. Das ist nicht einfach nur Überschussladen, wie man es von einer simplen Automation kennt! Hubble kennt den Solar-Ertrag des kommenden Tages, die Brutto-Strompreise und schaltet intelligent die Netzladung eines Akkus. So ist sichergestellt, dass zu Hochpreiszeiten der Akku oder die Solaranlage die Energie bereitstellen. Dabei betrachtet Hubble auch Wochentage sowie Wochenendtage und berechnet den typischen Verbrauch, um das Optimum aus dynamischen Strompreisen herauszuholen. Selbst die Lade- und Entladeverluste werden einbezogen: Hubble entscheidet dynamisch, ob es gerade nicht besser ist, den günstigen/kostenlosen Netzstrom direkt zu nutzen und Solar exklusiv für den aktuellen Hausbedarf vorzuhalten.

Damit nicht genug! Hubble zeigt dir schwarz auf weiß, ob sich ein Akku lohnt, ob sich eine Vergrößerung auszahlt und wie hoch die Ersparnis wirklich ist. Das macht er nicht einfach durch statische Berechnungen, sondern er schaut ganz genau hin:

• Wann habe ich Strom gekauft und zu welchem Preis?
• Wann habe ich Solarenergie aus dem Akku genommen und wie hoch war der Strompreis zu diesem Zeitpunkt?
• Wann habe ich Akku-Energie genutzt und wie hoch war zu dem Zeitpunkt der Strompreis?
• Wie wird das Wetter die nächsten Tage? Macht es Sinn, Strom im Akku vorzuhalten (z. B. für Wärmepumpen)?

Der maximale und minimale SOC wird dabei völlig dynamisch berechnet und danach zu bestimmten, frei eingebbaren Brutto-Preisen nachgeladen.

Kurzum: Hubble sieht einen Akku nicht als simplen Solarspeicher, sondern als aktives Bauteil in der Energieinfrastruktur und versucht, in Verbindung mit dynamischen Strompreisen das absolute Maximum für dich herauszuholen.

Diagnose-Sensoren 2.0

Die alten Diagnosesensoren sind zurück – aber in einer Version, die nicht mehr mühsam selbst interpretiert werden muss. Hubble bereitet die Daten visuell auf und zeigt immer genau, was er als Herz der Integration gerade tut (z. B. wenn der EOD läuft).

Gridpreis Monitor (GPM) kann nun zeitbasierte Tarife!

Ein großer Community-Wunsch, der mich erreichte, ist umgesetzt: GPM kann jetzt mit zeitbasierten Stromtarifen (z. B. Nachtstrom) umgehen. Er arbeitet nahtlos mit Smart-Charge zusammen, liefert einen eigenen Binär-Sensor sowie Preissensoren. Damit wird das Erstellen von Spar-Automationen zum Kinderspiel.

STATS Lovelace-Karten fürs Dashboard

Schluss mit YAML- und Code-Basteleien! STATS bringt ab sofort zwei (BETA) Dashboard-Karten mit, die die wichtigsten SOT-Informationen out-of-the-box anzeigen.

---

Weitere Änderungen im Überblick

• TZINFO wird nun direkt im eigenen Code geregelt
• Validierungsprüfung für Weights hinzugefügt
• EOD-Thread und Prognose-Berechnung komplett außerhalb des HA-Hauptthreads ausgelagert
• Optimierungen am Energie-Dashboard & Wetter-Anzeige gefixt
• Neue ICON2- und ECMWF-Gewichtungslogik in der KI
• Protokolle aufgeräumt & KI spürbar beschleunigt
• Hubble & Core-Skripte aktualisiert
• DB-Locking Calls vollständig eliminiert
• STATS von DB entkoppelt
• … und vieles mehr!

---

Credits

• Ein riesiges Lob an die tapferen User im Beta-Test-Forum und im Update-Thread!
• Danke an die beiden Jungs (mittlerweile echte Freunde), die meinen Frust und mein Gemecker während der Entwicklung ertragen und von Tag eins an dieses Projekt geglaubt haben.
• Danke an die vielen helfenden Hände beim Testen rund um den Globus!

und nicht zuletzt an meine Familie, die wirklich vieeeel mitmacht!

**Bitte gebt den Usern im Beta-Test Thread ein Herz.. einfach mal vorbeischauen, sie tragen maßgeblich dazu bei das es hier weitergeht! Auch die Zahlreichen Helfer die supporten und unterstützen verdienen ein Herz wenn sie euch helfen **

Beta -Thread : SFML + STATS v32

Hier siehts soweit auch unspektakulär aus. Mal schauen was passiert, wenn die Sonne kommt.

**Mein Kaffe ist leer… **

BITTE. NICHT VERGESSEN NACH DEM UPDAT E IN SFML DIE PANELGRUPPEN SENSOREN EINZUGEBEN (WATT)

STATUS: Pentration und Sicherheitstest
RELASE-DATUM: Heute im Laufe des Tages