Hi, thanks for implementing the dynamic tariff option, really enjoying it!
I got one question regarding “aggressiveness” of the system.
Last week Sunday with plenty solar production, the system wanted to charge from grid.
This week, where solar production is rather low, the system does not plan to charge from grid, neither delay discharge afterwards.
I think it would make sense (17% efficiency factor), battery is at 0% soc, and weather forecast doesn’t look good.
Lowest prices start in 1 hour and right now the plan looks like this:
EDIT: The forecast changed, and the system started charging from the grid, but only to 41%. I would have expected it to charge to 100%, because at the moment a full battery is empty at 2-4am (heatpump). A little more „aggressiveness“ would have been nice.
@merlinste. Welcome to the OpenEMS Community, thanks for getting in touch and for the generally positive feedback.With your name I was able to identify your FEMS-System.
The downside of the “Artificial Intelligence” system we use is, that it is a bit hard to explain why it is behaving the way it does. I have following explanation for this case:
Availability of Day-Ahead-Prices from Tibber is always only from 1 pm, so before 1 pm we can only create a Schedule (“Fahrplan”) till midnight.
Due to the way the algorithm works, it will always target an empty battery by the end of the Schedule
→ before 1 pm it would never schedule to charge for your next-day-morning consumption
Additionally yesterday was a very sunny day (34,4 kWh) vs. only 14,1 kWh today. The prediction algortihm tries to adapt, but most likely it was “expecting” more production.
The development focus till now was a “Winter-Mode” that charges during cheap wind energy hours in the night. We are currently planning evaluating some features that would help in this situation (“Spring-Mode”), e.g. it would have been more efficient to charge the (DC-side) PV production to battery instead of supplying the consumption here.
Thanks for your fast reply (on a Sunday!!).
Yes, and I want to emphasize how happy I am with the Fenecon system. I love it, and I would not say this about many technical objects
My purpose was to give some feedback and room for improvement, as I generally think that this type of intelligence is the future, and I am generally impressed of how good the prediction algorithm works.
Your explanation about the time point helps a lot in understanding the logic.
One idea: I use greenshare.energy (I think they use other data sources themselves) for an estimation of % green energy in the grid over the next 10 days. Another piece of software that works surprisingly well, and the correlation between % green energy and prices is crazy. Helps me a lot in planning further ahead when to expect cheap energy. Maybe data like this could be used to create a „bigger“ roadmap some time in the future.
I did not know about https://greenshare.energy/, but their approach sounds a lot like “Grünstromindex” by our friends from STROMDAO (founding members of OpenEMS Association and member of the board since the beginning):
@zoernert: Let’s discuss if and how we could use your API to improve the price trend beyond day-ahead.
Moin Stefan,
habe gerade das Video gesehen (leider nicht früher, bin seit kurzem Rentner und habe mehr jetzt mehr Zeit). Sehr interessant, wir( betreibe das mit meinem Sohn zusammen) haben das eigentlich schon sehr früh so gesehen. Wir haben das FENECON System (fems10673), eine Nibe Wärmepumpe und ein e-Auto nur für die Kurzstrecke ( MG ZS EV mit 50 kWh Batterie).
Ich schreibe dir einfach mal, weil ich bisher doch versucht habe, in das System regulierend einzugreifen, was ja möglicherweise die KI Steuerung beeinflusst. Z.B., wenn ich die Wärmepumpe in den Komfortmodus schalte ( quasi Warmwasser auf Vorrat, bei niedrigen Preisen bzw. Überproduktion. Oder auch durch erhöhen der Notstromreserve, um den Bezug aus dem Netz zu erzwingen. Ich denke, das verfälscht die Ergebnisse der KI Steuerung schon irgendwie. Würde mich gerne komplett darauf verlassen. Aber vielleicht sollte man doch die Komponenten seines Systems als Grundlage eingeben können
Mit Grüßen aus dem hohen Norden
Wolfgang Wierzbinski
Kann das Video auch nur jedem empfehlen. Klar ist da auch Marketing dabei. Ein gutes Produkt will auch verkauft werden.
Es werden sehr viele Fragezeichen zum Thema dynamische Tarife/Netzentgelte beseitigt. Auch die perspektivischen Fragestellungen zum, ja durchaus immer undurchsichtiger werdenden, Energiemarkt werden diskutiert.
Moin;
kann mir vielleicht jemand bei einem Problem mit dem Laden des Fenecon Speichers aus dem Netz helfen? Muss sagen das ich bei diesem Thema noch Anfänger bin. Apps Tibber und ModbusTCP sind natürlich vorhanden, und ich habe an auch am Beta-Test teilgenommen. Alles in QModMaster ist soweit eingetragen. Funktionscode16/ Write Multiple Register ist ausgewählt. Im System steht dann aber unter Externe Schnittstellen/Modbus/TCP Schreibzugriff ctrlApiMoodbusTcp1
“Fehler Invalid Modbus Function call: Only FC3, FC4, FC6 and FC16 are supported”
Auch im Online-Monitoring erscheint keine externe Vorgabe
Gruß
Wolfgang
Ich denke und gehe davon aus, dass diese Registeradresse, die du versuchst zu schreiben schlichtweg nicht existent ist. Woher hast du denn die Registeradresse, die du versuchst zu schreiben?
Hallo Forum! Die App „Dynamischer Stromtarif“ läuft bei plant nach meiner Beobachtung recht clever die Entladungsverzögerung und auch die Beladung aus dem Netz. Jedoch ist mir bei letzterem möglicherweise ein Verbesserungsvorschlag aufgefallen: Der Speicher steht in meinem Fall in einem unisolierten Raum und die Umgebungstemperatur fällt nachts auf ca 0 Grad. Dadurch bedingt erlaubt das Batteriemanagement nur noch eine relativ geringe Ladeleistung. In Vorausplanung der o.g. App sind für die Nachstunden oft sehr ambitionierte Beladungsphasen mit hohen Leistungen zu sehen, die dann aber nicht erfolgen (können). Am nächsten Tag sieht man dann entsprechend in der Historie, dass der Speicher nur sehr behutsam und ganz offensichtlich für die zunächst korrekt berechnete Strategie, viel zu wenig beladen wurde. Könnte man der App die temperaturbedingten, maximalen Ladeleistungen für die korrekte Planung beibringen? In diesen Fällen hätte sie schlichtweg früher mit der Beladung beginnen müssen, um das Ladeziel im günstigsten Zeitfenster zu erreichen.
danke für die hilfreiche Beobachtung! Ich habe mir die Batterie im Detail angesehen und du hast recht, dass die Beladung in diesen Zeiten stark limitiert ist. Hier müsste der “Digitale Zwilling” der Batterie verbessert werden, um das abzubilden. Ich kann dir leider keine kurzfristige Verbesserung zusagen, nehme das aber mit auf.