Zara-Toorox/Solar-Forecast-ML

解决的问题

Solar Forecast ML 解决了通用太阳能预测工具的局限性，这些工具通常依赖云服务或静态公式，无法考虑场地特定因素，如局部遮阴、特定屋顶几何形状或逆变器限制。它通过学习您特定太阳能装置独特的发电模式，提供高度准确、个性化的预测。

工作原理

该项目直接在您的 Home Assistant 实例中运行完整的 AI 堆栈。它使用基于 transformer 的模型，带有注意力机制，基于您的本地传感器数据和天气输入进行训练。通过构建您系统的数字孪生，它根据您的实际历史性能持续优化预测，考虑季节性遮阴、雾气和硬件限制等变量。所有训练和推理都在您的本地硬件上进行，确保完全的数据隐私。

适用人群

该项目适用于拥有带直流功率传感器的太阳能光伏系统，并希望超越基本云估算的 Home Assistant 用户。它最适合重视数据隐私、希望优化能源管理（如电池充电）并愿意配置传感器和管理自己本地基础设施的用户。

亮点

• 本地 Transformer 模型： 在您的家庭服务器上本地运行 transformer 架构，不依赖外部云 API 或 PyTorch 等大规模框架。
• 数字孪生方法： 学习场地特定细节，包括遮阴模式、面板方向和逆变器削波，提供量身定制的 72 小时预测。
• 隐私优先设计： 没有数据、传感器读数或学习到的模型权重会离开您的本地 Home Assistant 实例。
• 可解释 AI： 提供预测质量的透明度，并包含可选的 'Hubble' 能源助手，用通俗语言解释能源建议。