battery-charging-optimizer/openems/SOC_CALIBRATION_GUIDE.md

SOC-Kalibrierung & Drift-Management

Problem: SOC ist berechnet, nicht gemessen

Wie SOC funktioniert

Der State of Charge (SOC) wird vom Battery Management System (BMS) berechnet, nicht direkt gemessen:

Berechnungsmethoden:

1. Coulomb Counting (Hauptmethode)

   • Integriert Strom über Zeit: ∫ I(t) dt
   • Geladen mit 5A für 1h = +5Ah
   • Entladen mit 3A für 1h = -3Ah
   • Netto: +2Ah → SOC steigt um ~2%

2. Spannungsbasiert (Open Circuit Voltage)

   • Zellspannung korreliert mit SOC
   • 4.2V/Zelle ≈ 100% SOC
   • 3.2V/Zelle ≈ 0% SOC (Minimum)

3. Kalman-Filter / State Estimation

   • Kombiniert beide Methoden
   • Berücksichtigt Temperatur, Alterung, Laderate

Warum SOC abweicht (Drift)

Hauptursachen:

Ursache	Effekt	Beispiel
Keine vollen Zyklen	BMS verliert Referenzpunkte	Immer 30-92%, nie 20-100%
Coulomb Counting Fehler	Akkumuliert über Zeit	0.1% Fehler/Tag = 3% nach 1 Monat
Temperatur	Kapazität ändert sich	10kWh bei 20°C, 9.5kWh bei 5°C
Alterung	Tatsächliche Kapazität sinkt	10kWh neu, 9.2kWh nach 3 Jahren
Strommessung	Sensorfehler (±1-2%)	5.0A gemessen, 5.1A real
Selbstentladung	Nicht im SOC berücksichtigt	1-2%/Monat

Beispiel SOC-Drift:

Tag 1: BMS kalibriert, SOC = 100% (korrekt)
Tag 5: SOC = 95% (BMS sagt), real = 96% (+1% Drift)
Tag 10: SOC = 88% (BMS sagt), real = 91% (+3% Drift)
Tag 30: SOC = 65% (BMS sagt), real = 72% (+7% Drift)
→ Nach Vollladung: Kalibriert sich neu

GoodWe-spezifische Einstellungen

Hardware-seitiges 20% Minimum

Du hast im GoodWe eingestellt:

• Minimum SOC: 20%
• Entladung stoppt bei 20%
• Freigabe nur bei Netzausfall

Bedeutung:

┌─────────────────────────────────────┐
│  100% ← Hardware-Maximum            │
│   ↕                                 │
│   80% ← Nutzbare Kapazität          │
│   ↕                                 │
│   20% ← Hardware-Minimum            │  ← GoodWe stoppt hier!
│   ↓                                 │
│    0% ← Nur bei Netzausfall         │
└─────────────────────────────────────┘

Effektive Kapazität:

• Physisch: 10 kWh (100%)
• Nutzbar: 8 kWh (80% von 20-100%)
• Reserve für Netzausfall: 2 kWh (20%)

Integration mit unserem Optimizer

Unser Optimizer:

• min_soc: 20% (redundant, aber konsistent)
• max_soc: 100%
• reserve_capacity: 2 kWh (entspricht 20%)

Das passt perfekt zusammen! ✅

Auswirkungen auf die Optimierung

Problem 1: Ungenaue Planung

Szenario:

14:05 Uhr (Planung):
  BMS zeigt: SOC 30%
  Real: SOC 35% (5% Drift)

  Optimizer plant: (100 - 30) × 10kWh - 2kWh = 6.8 kWh
  Tatsächlich braucht: (100 - 35) × 10kWh - 2kWh = 6.3 kWh

  → Plant 500Wh zu viel
  → Nutzt eventuell 1 Stunde mehr als nötig
  → Könnte teurere Stunde nutzen

Problem 2: Keine Kalibrierung durch Teilzyklen

Typischer Tagesablauf (OHNE Kalibrierung):

07:00 → SOC 92% (nicht 100% erreicht)
   ↓ PV-Produktion überschuss lädt minimal
09:00 → SOC 95% (immer noch nicht 100%)
   ↓ PV reicht für Eigenverbrauch
12:00 → SOC 93% (leicht entladen)
   ↓ Eigenverbrauch übersteigt PV
18:00 → SOC 65% (Eigenverbrauch ohne PV)
   ↓ Weiterer Eigenverbrauch
22:00 → SOC 45% (vor Laden)
   ↓ Günstige Stunden: Laden
23:00 → SOC 60% (teilweise geladen)
00:00 → SOC 75% (weiter geladen)
   ↓ Auto-Modus
07:00 → SOC 92% (nicht 100%)

→ Kein voller Zyklus!
→ BMS hat keine Referenzpunkte
→ SOC driftet weiter

Lösungen

Lösung 1: Höherer Sicherheitspuffer (Sofort umsetzbar)

Empfehlung: 25-30% statt 20%

input_number:
  battery_optimizer_safety_buffer:
    initial: 30  # Statt 20

Begründung:

• SOC kann um 5-10% abweichen
• Puffer kompensiert Drift
• Hardware stoppt sowieso bei 100%
• Lieber eine Stunde mehr laden als 8% zu wenig

Berechnung:

Ohne Drift:
  6.8 kWh × 1.20 = 8.16 kWh (20% Puffer)

Mit 5% Drift:
  6.8 kWh × 1.30 = 8.84 kWh (30% Puffer)
  → Kompensiert Drift + normale Schwankungen

Lösung 2: Monatliche Kalibrierung (Empfohlen)

Automatischer Kalibrierungs-Zyklus:

Phase 1: Entladung (natürlich durch Eigenverbrauch)

• Ziel: SOC auf ~20% bringen
• Dauer: Normalerweise 1-2 Tage
• Optimizer pausiert (Manual Override)

Phase 2: Vollladung (erzwungen, unabhängig von Preisen)

• Ziel: SOC auf 100% laden
• Dauer: 2-5 Stunden (je nach Start-SOC)
• Volle Ladeleistung (5kW)

Phase 3: Kalibrierung (automatisch durch BMS)

• BMS erkennt: Zellen bei 4.2V = 100% SOC
• Vergleicht mit berechnetem SOC
• Korrigiert Coulomb Counter
• Passt Kapazitäts-Schätzung an

Ergebnis:

• ✅ SOC wieder präzise
• ✅ BMS hat Referenzpunkte
• ✅ Tatsächliche Kapazität bekannt
• ✅ Drift zurückgesetzt

Häufigkeit:

• Minimum: Alle 3 Monate
• Empfohlen: Jeden Monat
• Bei Bedarf: Wenn SOC merklich abweicht

Installation: Siehe battery_calibration_automation.yaml

Lösung 3: SOC-Monitoring (Automatisch)

Erkenne SOC-Drift automatisch:

# Automation: SOC-Drift-Detektor
alias: "Batterie: SOC-Drift Warnung"
description: "Warnt wenn SOC wahrscheinlich driftet"
trigger:
  # Wenn Batterie "voll" ist aber nicht 100%
  - platform: state
    entity_id: input_boolean.goodwe_manual_control
    from: "on"
    to: "off"
    for:
      minutes: 30
condition:
  # SOC ist unter 98%
  - condition: numeric_state
    entity_id: sensor.esssoc
    below: 98

  # Aber Laden lief mehr als 2 Stunden
  - condition: template
    value_template: >
      {% set duration = as_timestamp(now()) - as_timestamp(trigger.from_state.last_changed) %}
      {{ duration > 7200 }}
action:
  - service: notify.persistent_notification
    data:
      title: "SOC-Drift erkannt?"
      message: >
        Laden lief {{ ((as_timestamp(now()) - as_timestamp(trigger.from_state.last_changed)) / 3600) | round(1) }}h,
        aber SOC ist nur {{ states('sensor.esssoc') }}%.
        Eventuell SOC-Drift? Kalibrierung empfohlen.

Installation der Kalibrierung

Schritt 1: Input Helper erstellen

# In configuration.yaml
input_boolean:
  battery_calibration_active:
    name: "Batterie Kalibrierung aktiv"
    icon: mdi:battery-sync
    initial: off

Via UI:

1. Einstellungen → Geräte & Dienste → Helfer
2. "Helfer hinzufügen" → "Toggle/Schalter"
3. Name: Batterie Kalibrierung aktiv
4. Entity ID: input_boolean.battery_calibration_active
5. Icon: mdi:battery-sync

Schritt 2: Automations installieren

Kopiere die 4 Automations aus battery_calibration_automation.yaml:

1. Kalibrierung starten (jeden 1. des Monats)
2. Kalibrierungs-Laden (stündlich während aktiv)
3. Kalibrierung beenden (nach 24h oder bei 100%)
4. Notfall-Abbruch (bei kritisch niedrigem SOC)

Via UI oder YAML:

• UI: Einstellungen → Automationen & Szenen → Neue Automation → YAML-Modus
• YAML: In automations.yaml einfügen

Schritt 3: Testen

Manuelle Kalibrierung triggern:

# Developer Tools → Services
service: input_boolean.turn_on
target:
  entity_id: input_boolean.battery_calibration_active

Beobachte:

1. Manual Override wird aktiviert
2. Batterie lädt auf 100%
3. Nach 24h oder bei 100%: Automatische Deaktivierung

Best Practices

Wann Kalibrierung durchführen?

Automatisch:

• ✅ Jeden Monat (1. des Monats)
• ✅ Nach Software-Updates
• ✅ Nach längeren Ausfällen

Manuell:

• ⚠️ Wenn SOC merklich abweicht
• ⚠️ Wenn Batterie nie 100% erreicht
• ⚠️ Wenn Kapazität sich verändert anfühlt

Nicht nötig:

• ❌ Wöchentlich (zu häufig)
• ❌ Wenn SOC präzise ist
• ❌ Bei normalen Teilzyklen

Optimale Kalibrierungs-Bedingungen

Faktor	Optimal	Warum
Temperatur	15-25°C	Beste Messgenauigkeit
Laderate	0.5C (5kW bei 10kWh)	Minimiert Fehler
Entladerate	Natürlich (Eigenverbrauch)	Realistisch
Dauer	Mindestens 6h	BMS braucht Zeit

Was nach Kalibrierung zu erwarten ist

Sofort:

• ✅ SOC springt eventuell (z.B. 92% → 97%)
• ✅ BMS hat neue Referenzpunkte
• ✅ Kapazitäts-Schätzung aktualisiert

In den nächsten Tagen:

• ✅ Präziserer SOC
• ✅ Bessere Ladeplanung
• ✅ Weniger "überraschende" SOC-Werte

Langfristig:

• ✅ Verlangsamter Drift
• ✅ Längere Batterielebensdauer
• ✅ Genauere Kapazitäts-Prognosen

Erweiterte Lösungen

Adaptive Pufferberechnung

Konzept: Puffer basierend auf historischer Drift anpassen

# Pseudo-Code für zukünftige Version
historical_drift = learn_from_last_30_days()
# Beispiel: SOC war durchschnittlich 5% höher als geplant

adaptive_buffer = base_buffer + historical_drift
# 20% + 5% = 25%

# Plane mit adaptivem Puffer
capacity_with_buffer = capacity × (1 + adaptive_buffer)

SOC-Validierung über Spannung

Konzept: Vergleiche BMS-SOC mit Zellspannung

# Sensor für SOC-Validierung
sensor:
  - platform: template
    sensors:
      battery_soc_validated:
        friendly_name: "SOC (validiert)"
        unit_of_measurement: "%"
        value_template: >
          {% set soc = states('sensor.esssoc') | float %}
          {% set voltage = states('sensor.battery_voltage') | float %}

          {# Validiere SOC gegen Spannung #}
          {% if voltage > 54.0 and soc < 95 %}
            {{ 'SOC zu niedrig (Voltage hoch)' }}
          {% elif voltage < 50.0 and soc > 30 %}
            {{ 'SOC zu hoch (Voltage niedrig)' }}
          {% else %}
            {{ soc }}
          {% endif %}

Batterie-Gesundheits-Tracking

Konzept: Überwache tatsächliche Kapazität über Zeit

# Berechne echte Kapazität aus Vollzyklus
sensor:
  - platform: template
    sensors:
      battery_true_capacity:
        friendly_name: "Wahre Batterie-Kapazität"
        unit_of_measurement: "kWh"
        value_template: >
          {% if is_state('input_boolean.battery_calibration_active', 'on') %}
            {# Nach Vollzyklus: Berechne Energie geladen #}
            {% set energy = states('sensor.battery_charged_energy') | float %}
            {% set soc_diff = 80 %}  {# 20% → 100% #}
            {{ (energy / (soc_diff / 100)) | round(2) }}
          {% else %}
            {{ states('input_number.battery_capacity_kwh') }}
          {% endif %}

Zusammenfassung

Empfohlene Maßnahmen

Priorität	Maßnahme	Aufwand	Nutzen
🔴 HOCH	Puffer auf 30% erhöhen	1 min	Sofort bessere Ergebnisse
🟡 MITTEL	Monatliche Kalibrierung	30 min	Langfristig präziser SOC
🟢 NIEDRIG	SOC-Monitoring	15 min	Frühwarnung bei Drift

Checklist

• Sicherheitspuffer auf 30% erhöhen
• Input Helper für Kalibrierung erstellen
• 4 Kalibrierungs-Automations installieren
• Erste manuelle Kalibrierung durchführen
• SOC-Monitoring Automation installieren
• Nach 1 Monat: Überprüfen ob Batterie regelmäßig 100% erreicht

Technische Details

GoodWe BMS-Spezifikationen

SOC-Berechnung:

• Methode: Coulomb Counting + Voltage Estimation
• Update-Rate: 1 Hz (jede Sekunde)
• Genauigkeit: ±3% (typisch), ±5% (maximum)
• Kalibrierungs-Intervall: Empfohlen alle 30 Tage

Referenzpunkte:

• 100% SOC: 54.4V (LiFePO4, 16S × 3.4V)
• 20% SOC: 51.2V (LiFePO4, 16S × 3.2V)
• Floating Voltage: 54.0V

Kapazitäts-Learning:

• Algorithmus: Adaptive Weighted Integration
• Lernrate: 0.1-0.5 (abhängig von Confidence)
• Konvergenz: 3-5 Vollzyklen

Home Assistant Integration

Wichtige Entities:

• sensor.esssoc: BMS-berechneter SOC
• sensor.battery_voltage: Gesamt-Spannung
• sensor.battery_current: Lade-/Entladestrom
• sensor.battery_power: Leistung (W)
• sensor.battery_temperature: Temperatur

Berechnete Sensoren:

• SOC-Validierung
• Wahre Kapazität
• Drift-Erkennung
• Health-Score

Referenzen

Weiterführende Informationen

• GoodWe BMS Manual: SOC-Algorithmus Details
• Battery University: SOC Estimation Techniques
• OpenEMS Documentation: Battery Management
• Home Assistant: Template Sensors & Automations

Support & Community

• Home Assistant Community Forum
• GoodWe Support
• OpenEMS Community
• Battery Management System Best Practices

---

Version: 1.0 Datum: 2025-11-25 Autor: Felix + Claude Status: Produktions-bereit