ich habe schon seit einiger Zeit die Idee im Kopf eine Plattform zu "erschaffen", die es ermöglichen sollt, Daten von diversen Sonoren zu konsolidieren und für z.B. die Wissenschaft zur Verfügung zu stellen.
Meine eingehende Frage ist - gibt es dies schon? Ich meine, es gibt einige Plattformen, die generell Datensätze zur Verfügung stellen, diese jedoch entweder verkaufe oder sehr weit gefasst sind.
Mal ein Beispiel: User A hat zu Hause eine PV Anlage mit Speicher. Er/Sie sammel die Daten schon lokal z.B. in einer InfluxDB oder einfach in Home Assistant für Trends und Dashboard.
Gerne würde er/sie wissen, ob seine Anlage mit dem Wechselrichter X und der Wärmepumpe Y eine gute oder schlechte Performance hat. Dazu geht er/sie auf die "neue Plattform" und such nach dem Wechselrichter und Akku, um die von der Community geteilten Daten sich anzuschauen. Vielleicht sogar mit dem Filter auf einen Postleitzahlenbereich, um Umwelteinflüsse mit abzubilden.
Andersherum stellt er/sie seine, anonymisierten Daten gleichermaßen zur Verfügung, um den zentralen Datensatz hier zu erweitern.
Wissenschaftlicher Nutzen: z.B. der Ausfall in Spanien - man könnte die Oszillation von mehreren (tausend) Messpunkten aus betrachten (die meistern Wechselrichter sollte die Frequenz tracken können). Oder anderes Beispiel wäre Spannungsunterschiede in PLZ Bereichen. Oder Daten zu Wärmepumpeneffizient (wobei hier mehrerer Faktoren zu berücksichtigen wäre). Oder man trainiert sein eigenes Comunity-Model für das EOS. Ich glaube es gibt viele Anwendungsmöglichkeiten mit solche einem Datentopf.
Bedenken, die ich dazu hätte:
Datenschutz: wie kann ich sicherstellen, dass nicht "zu viel" geteilt wird, um z.B. Verbrauchs oder Nutzungspatern zu erkennen. Mögliche Lösung: Daten werden nur auf generische Metainfos aggregiert (z.B. Modell, PLZ, Datentype). So kein Rückschluss auf einen individuellen Nutzer.
Qualität der Daten: eine Plausibilität und Anomalieerkennung sollte darüber gelegt werden. Mögliche Lösung: KI könnten helfen
Datenform: wie kann ein einheitliches Datenschema sichergestellt werden? Mögliche Lösung: ein Exportertool oder Integration, die die Daten entsprechend vorberietet und hochlädt.
Gerne kann ich hier mehr ins Detail gehen, wie ich mir das vorstelle.
Aber zunächst würde ich gerne mal euer Feedback dazu haben, bevor man hier tiefer hineingeht.
Würde mich freuen, wenn wir das schlich mal diskutieren könnten.
Dazu müsste man aber auch Sensorenkriterien einhalten bei den Nutzern, ansonsten sind die Daten schon sehr verzerrt. Der eine misst in Windrichtung, der Andere Südseite, der Eine hat den einen Sensor, ein Anderer nen Anderen. Etc. pp.
Zudem gibt es eine unfassbar große Menge an "Selbstbetrüger" die sich ihre Wärmepumpendaten schönrechnen z.B. oder Herstellerinfos nutzen die geschönt sind. Nur Wenige nutzen einen zusätzlich geeichten Wärmemengenzähler und dazu den Leistungsmesser. Abtauenergie wird z.B. nicht direkt erfasst in einem Wärmemengenzähler, Verbrauch schon. Sehr komplex. Selbes dann mit Wechselrichter, Akkus.
Ich denke auch, das scheitert an der Messdatenqualität bzw. der Zuverlässigkeit hinsichtlich individueller Parameter. Verschattung, Neigung, Zusammenspiel div. Ausrichtungen und Module etc. etc. Die meisten Consumer-Sensoren dürften hier einen Fehler von 1-5% oder mehr haben, mit Ausreissern nach oben und unten.
Evtl. gibt es schon von Forschungseinrichtungen oder Unis organisierte Cluster mit Messstellen - vielleicht weiß Andreas da etwas mehr? Damit bekommst Du aber nicht die gewünschte repräsentative Messung in der Breite.
Also davon ab, die Idee finde ich sehr gut, und ich würde mir sogar Sensoren extra dafür kaufen damit verlässliche Daten vorhanden sind! Sonne, Wind, Feuchte. Ein festgelegtes Setup dazu wo installiert wird etc.
Hey, danke für das schnelle Brainstorming. Das mit den Messunterschieden ist ein sehr valider Punkt. Meine, vielleicht sehr naive, Idee war, die Qualität am Erzeuger, sprich dem Sensor (Gerät, das den Sensor zur Verfügung stellt), mit einzubeziehen. So könnte man Messungenauigkeiten erkennbar bzw. auch kompensierbar machen (z.B. Sensor x hat eine Ungenauigkeit von 5 %). Wobei ich meine, dass bei einem entsprechend großen Datensatz Messungenauigkeiten einer Quelle statistisch nicht mehr relevant ist (bin aber kein Experte ).
Bezüglich umgebungsabhängigen Daten (Temperatur, Druck etc.) funktioniert das, nur wenn diese gemittelt werden bzw. Ausreise valide erkannt werden können. Hier ist vermutlich nur durch eine gewisse Menge an Daten ein zielführendes Ergebnis zu bekommen.
Ein Gegenargument - wenn ich die Wetterdaten mir anschauen sind die dort angegeben Temperaturen ja auch nicht die bei mir z.B. am Haus gemessenen, sondern gemittelte von mehreren Sensoren irgendwo "in der nähe". Ich verwende diese Information dennoch, da sie für den Zweck ausreichende genau sind.
Vielleicht muss man die Daten in Qualitätsstufen sehen und auch so bereitstellen. Wenn wir genug "echte" bzw. ausreichend genaue Daten in einem kritischen Maße haben, sollte das ausreichend genau sein um zumindest z.B. einen Trend zu erkennen. Mal als erweiterter Gedanke zum Thema.
).