OpenMeteo - Seite 3
Teilen:
|
|
||
|
Das Netz hat ja keine Ahnung von Wetter. Es weiß ja nichtmal, was das ist. Die "KI" erkennt ja nur mathematische Zusammenhänge zwischen den Parametern der Vergangenheit (Strahlung, Sonnenstand, Sonnenstunden, Luftfeuchtigkeit, Temperatur usw). All die Daten fittet sie zu einem Modell. Die KI selbst macht ja keinerlei Vorhersage oder berücksichtigt Wahrscheinlichkeiten. Sie bekommt die Wettervorhersage für morgen und errechnet auf Basis ihrer Erfahrung die zu erwartende Leistung. Ob es da regnet oder nicht ist dem Netz vollkommen egal. |
||
|
||
|
ich gebe dem Modell (in meinem Fall ein GA, kein ANN) je nach Parameter 1-2 "historische" Werte (zB Sonneneinstrahlung aktuell + Sonneneinstrahlung vor einer Stunde, vielleicht noch vor 2 Stunden). Damit wird zB thermische Trägheit modelliert (ich modelliere ja Raumtemperatur, nicht PV-Ertrag), als Ergebnis sieht man oft die Nachbildung eines PT1-Gliedes. Im Nachgang prüfe ich, ob die (zusätzlichen) Parameter überhaupt eine Relevanz haben (LRP) und ob sie gegebenenfalls redundant sind (Cosinus-Redundanz). mein Ziel ist es immer, mit möglichst kleinem Netz und möglichst wenig Inputs nicht unbedingt ein optimales, sondern ein ausreichend gutes Ergebnis zu erzielen (Stichwort Pareto-Front) |
||
|
||
Juni Überprüfung:  ANALYSE FÜR 2025-06-26 KI-Soll: 102.72 kWh | Ist: 96.71 kWh Max. verschattete Module gleichzeitig: 0 Dezember Überprüfung:  ANALYSE FÜR 2025-12-26 KI-Soll: 20.39 kWh | Ist: 28.73 kWh Max. verschattete Module gleichzeitig: 32 Das würde ja grundsätzlich passen, auch mit den Verschattungen. So ganz zufrieden bin ich noch nicht, aber für's erste lass ich's gut sein und beobachte das ganze mal, wie es sich verhält. Man merke: "einfach" nur die Globalstrahlung heranzuziehen, ist vor allem im Winter problematisch. Unter Berücksichtigung von Dachneigung und Sonnenstand kommt man dann in die Nähe (~10%) des GTI. Derzeit hab ich mal eine Gewichtung von 80% GTI und 20% cglo, da meine cglo Berechnung eher im etwas höher war im Winter. Wie @Benji schon angemerkt hat, geht das deutlich einfacher und mit viel weniger Training und Aufwand - man lernt viel und es gibt einem mal etwas Einblick in die obskure Welt der "KIs" |
||
|
||
|
Ja, das ist nachvollziehbar, im Prinzip versuchst du dein Haus zu modellieren, für das es ja eine sinnvolle physikalische Repräsentation geben wird, die halt nicht einfach zu finden ist. Die Relevanz der features für das Netz ist eine der großen Herausforderungen für ein vernünftiges Modell. Wenn z.B. die Trägheit im Haus deutlich höher als 1-2h ist, wäre die feature selection schlecht, weil sie die Wirklichkeit kaum abbilden kann, dieses Wissen kann man entweder voraussetzen oder separat mit einem Netz er-trainieren. Deswegen finde ich, dass der Ansatz einfach mal etwas reinzustecken und zu schauen was rauskommt, am Ende vermutlich auf einem statistischen Mittel der Jahre für jeden Zeitpunkt landen wird. Dachneigung und Sonnenstand lassen sich auch einfach mathematisch beschreiben und vermutlich auch einfacher berechnen als mit einem ANN. Sorry wenn das zu kritisch wirkt, ich hab' nur schon ein paar schlechte Erfahrungen mit vermeintlich gut trainierten Netzen gemacht (Fußballwetten ) |
||
|
||
|
Meine Frage weicht ja schon sehr weit vom openmeteo Thema ab, sorry dafür. Du hast ja dein Haus mit deiner PoorMansPassivhausProjektierungTM modelliert. Hast du das schon mal mit längeren Zeitreihen von realen Wetterdaten gefüttert und das Ergebnis mit deinen Raumtemperaturmesswerten verglichen? |
||
|
||
|
boah, dass sich daran noch jemand erinnern kann gute Idee, sollte ich beizeiten mal machen (was deine frage beantowtet: nein habe ich noch nicht) |
Beitrag schreiben oder Werbung ausblenden?
Einloggen
Kostenlos registrieren [Mehr Infos]