Zara-Toorox/Solar-Forecast-ML

해결하는 문제

Solar Forecast ML은 일반적으로 클라우드 서비스나 정적 공식에 의존하여 국부적인 음영, 특정 지붕 형상, 인버터 제한과 같은 사이트별 요인을 고려하지 못하는 일반적인 태양광 예측 도구의 한계를 해결합니다. 특정 태양광 설치의 고유한 생산 패턴을 학습하여 매우 정확하고 개인화된 예측을 제공합니다.

작동 방식

이 프로젝트는 Home Assistant 인스턴스 내에서 완전한 AI 스택을 직접 실행합니다. 주의 메커니즘을 갖춘 트랜스포머 기반 모델을 사용하여 로컬 센서 데이터와 날씨 입력을 학습합니다. 시스템의 디지털 트윈을 구축함으로써 실제 과거 성능을 기반으로 예측을 지속적으로 개선하며, 계절적 음영, 안개, 하드웨어 제약과 같은 변수를 고려합니다. 모든 학습과 추론은 로컬 하드웨어에서 실행되어 완전한 데이터 프라이버시를 보장합니다.

대상 사용자

이 프로젝트는 DC 전력 센서가 있는 태양광 PV 시스템을 보유하고 기본적인 클라우드 기반 추정을 넘어서려는 Home Assistant 사용자를 위한 것입니다. 데이터 프라이버시를 중시하고 에너지 관리(예: 배터리 충전)를 최적화하려는 사용자에게 가장 적합하며, 센서 구성과 로컬 인프라 관리에 익숙한 사용자에게 적합합니다.

주요 특징

• 로컬 트랜스포머 모델: 외부 클라우드 API나 PyTorch와 같은 대규모 프레임워크에 의존하지 않고 홈 서버에서 트랜스포머 아키텍처를 로컬로 실행합니다.
• 디지털 트윈 접근 방식: 음영 패턴, 패널 방향, 인버터 클리핑을 포함한 사이트별 세부 사항을 학습하여 맞춤형 72시간 예측을 제공합니다.
• 프라이버시 우선 설계: 데이터, 센서 판독값, 학습된 모델 가중치는 로컬 Home Assistant 인스턴스 밖으로 나가지 않습니다.
• 설명 가능한 AI: 예측 품질에 대한 투명성을 제공하며, 에너지 권장 사항을 평이한 언어로 설명하는 선택적 'Hubble' 에너지 코파일럿을 포함합니다.