battery-charging-optimizer/openems/legacy/v1/README.md

Batterie-Lade-Optimierung für OpenEMS + Home Assistant

🎯 Ziel

Intelligente Steuerung der Batterieladung basierend auf:

• ⚡ Dynamischen Strompreisen (haStrom FLEX PRO)
• ☀️ PV-Prognosen (Forecast.Solar)
• 🔋 Batterie-Status und Verbrauch

📊 Dein System

• Batterie: GoodWe 10 kWh (nutzbar 20-100%)
• Wechselrichter: GoodWe 10 kW
• PV-Anlage: 9,2 kWp (Ost/West Flachdach)
• Steuerung: OpenEMS Edge auf BeagleBone
• Automation: Home Assistant + PyScript

🎮 Funktionen

Automatische Optimierung

• ✅ Tägliche Planerstellung um 14:05 Uhr (nach Strompreis-Update)
• ✅ Stündliche automatische Ausführung
• ✅ Berücksichtigung von PV-Prognosen
• ✅ Konservative Strategie (nur bei sehr günstigen Preisen)
• ✅ Schutz der Batterie (SOC-Grenzen, Reserve)

Intelligente Entscheidungen

Das System lädt nur wenn:

• Strompreis unterhalb Schwellwert (< 28 ct/kWh)
• Wenig PV-Ertrag erwartet
• Batterie-Kapazität verfügbar
• Kein manueller Override aktiv

Sicherheit & Kontrolle

• 🛡️ Keep-Alive alle 30s (verhindert Timeout)
• 🚨 Notfall-Stop Funktion
• 🔧 Manueller Override (4h Auto-Reset)
• 📊 Umfangreiches Dashboard
• 📝 Detailliertes Logging

📦 Installierte Komponenten

Konfigurationsdateien

• battery_optimizer_config.yaml - Input Helper, Templates, Sensoren
• battery_optimizer_rest_commands.yaml - OpenEMS REST API Befehle
• battery_optimizer_automations.yaml - 6 Automatisierungen

PyScript Module

• battery_charging_optimizer.py - Haupt-Optimierungsalgorithmus
• battery_power_control.py - Modbus Steuerung & Hilfsfunktionen

Dashboard

• battery_optimizer_dashboard.yaml - Lovelace UI Konfiguration

Dokumentation

• INSTALLATION_GUIDE.md - Schritt-für-Schritt Installation
• README.md - Diese Datei

🚀 Quick Start

1. Installation

# PyScript via HACS installieren
# Konfigurationsdateien zu Home Assistant hinzufügen
# PyScript Dateien nach /config/pyscript/ kopieren
# Home Assistant neu starten

Siehe INSTALLATION_GUIDE.md für Details.

2. Konfiguration

Setze folgende Werte:

• Min SOC: 20%
• Max SOC: 100%
• Preis-Schwellwert: 28 ct/kWh
• Max Ladeleistung: 10000 W
• Reserve: 2 kWh
• Strategie: Konservativ

3. Ersten Plan erstellen

# Entwicklerwerkzeuge → Dienste
service: pyscript.calculate_charging_schedule

4. Optimierung aktivieren

input_boolean.battery_optimizer_enabled: ON

📈 Beispiel: Heute (7. Nov 2025)

Strompreise

• Günstigste Stunde: 3:00 Uhr - 26.72 ct/kWh
• Durchschnitt: 29.51 ct/kWh
• Teuerste Stunde: 17:00 Uhr - 37.39 ct/kWh
• Aktuell (19:00 Uhr): 31.79 ct/kWh

Optimierungs-Strategie

Mit konservativer Strategie würde System:

• ✅ Laden: 1-5 Uhr (Preise: 26-27 ct/kWh)
• ❌ Nicht laden: 6-23 Uhr (Preise über Schwellwert)
• ☀️ Warten auf PV-Ertrag ab Sonnenaufgang

Geschätzte Ersparnis: 8-12% vs. ständiges Laden bei Durchschnittspreis

🎛️ Services

Haupt-Services

# Neuen Plan berechnen
pyscript.calculate_charging_schedule

# Aktuellen Plan ausführen
pyscript.execute_current_schedule

Manuelle Steuerung

# Laden starten (10kW)
pyscript.start_charging_cycle:
  power_w: -10000

# Laden stoppen
pyscript.stop_charging_cycle

# Notfall-Stop
pyscript.emergency_stop

Modbus Direkt

# Beliebige Leistung setzen
pyscript.set_battery_power_modbus:
  power_w: -5000  # 5kW laden

📊 Monitoring

Wichtige Sensoren

Status

• input_boolean.battery_optimizer_enabled - System AN/AUS
• sensor.battery_state_of_charge - Aktueller SOC
• sensor.nächste_ladestunde - Wann wird geladen

Energie

• sensor.battery_power - Aktuelle Batterieleistung
• sensor.pv_power - Aktuelle PV-Leistung
• sensor.house_consumption - Hausverbrauch

Prognosen

• sensor.energy_production_tomorrow - PV Ost morgen
• sensor.energy_production_tomorrow_2 - PV West morgen
• sensor.durchschnittspreis_heute - Avg. Strompreis

Dashboard

![Dashboard Preview]

• Status-Karten
• Preis-Grafik
• Konfiguration
• Energieflüsse
• Manuelle Steuerung
• Ladeplan-Tabelle

⚙️ Strategien

Konservativ (Standard)

• Ziel: Minimales Risiko, günstigste Preise
• Schwellwert: Min + 30% der Tagesspanne
• Ideal für: Einstieg, stabilen Betrieb

Moderat

• Ziel: Ausgewogen
• Schwellwert: Durchschnittspreis
• Ideal für: Nach Testphase

Aggressiv

• Ziel: Maximale Arbitrage
• Schwellwert: 70% des Durchschnitts
• Ideal für: Erfahrene Nutzer
• Hinweis: Entlade-Funktion noch nicht implementiert

🔧 Technische Details

Optimierungs-Algorithmus

1. Strompreise für 24h laden
2. PV-Prognose berechnen (Ost + West)
3. Batterie-Status prüfen
4. Für jede Stunde:
   - Ist Preis < Schwellwert?
   - Ist PV-Ertrag < 1 kWh?
   - Ist Kapazität verfügbar?
   → Wenn JA: Ladung planen
5. Plan speichern & ausführen

OpenEMS Integration

Modbus TCP: 192.168.89.144:502

• Register 706: ess0/SetActivePowerEquals (FLOAT32)
• Negativ: Laden (z.B. -10000W = 10kW laden)
• Positiv: Entladen (z.B. 5000W = 5kW entladen)

JSON-RPC: 192.168.89.144:8084

• ESS Mode: REMOTE (manuell) / INTERNAL (auto)
• Controller: ctrlBalancing0 (enable/disable)

Ablauf Ladevorgang

graph TD
    A[Stündlicher Trigger] --> B{Plan vorhanden?}
    B -->|Nein| C[Warten]
    B -->|Ja| D{Ladung geplant?}
    D -->|Nein| E[Auto-Modus]
    D -->|Ja| F[ESS → REMOTE]
    F --> G[Balancing → OFF]
    G --> H[Modbus 706 schreiben]
    H --> I[Keep-Alive 30s]
    I --> J{Nächste Stunde}
    J --> K[Zurück zu Auto]

🔮 Roadmap

Phase 1: Basis (✅ Fertig)

• ✅ Preis-basierte Optimierung
• ✅ Einfache PV-Prognose
• ✅ Automatische Ausführung
• ✅ Dashboard

Phase 2: Erweitert (geplant)

• InfluxDB Integration
• Historische Verbrauchsanalyse
• Verbesserte PV-Verteilung (stündlich)
• Wetterabhängige Anpassungen

Phase 3: Intelligent (Zukunft)

• Machine Learning Verbrauchsprognose
• Dynamische Strategien
• Entlade-Arbitrage
• Peak-Shaving
• Netzdienliche Optimierung

🐛 Bekannte Einschränkungen

• PV-Prognose nutzt vereinfachte Tagesverteilung
• Keine historische Verbrauchsanalyse (kommt in Phase 2)
• Entlade-Funktion noch nicht implementiert
• Keep-Alive nur in PyScript (bei HA-Neustart Unterbrechung)

📚 Weiterführende Links

• OpenEMS Dokumentation
• Home Assistant PyScript
• Forecast.Solar
• haStrom FLEX PRO

🤝 Beitragen

Verbesserungsvorschläge willkommen!

• PV-Prognose verfeinern
• Verbrauchsprognose hinzufügen
• ML-Modelle trainieren
• Dashboard verbessern

⚠️ Disclaimer

• System greift direkt in Batteriesteuerung ein
• Verwendung auf eigene Gefahr
• Keine Haftung für Schäden
• Teste ausgiebig mit niedriger Leistung
• Überwache die ersten Tage intensiv

📝 Changelog

Version 1.0 (2025-11-07)

• Initiale Version
• Konservative Strategie
• Basis-Optimierung implementiert
• Dashboard & Monitoring
• Vollständige Dokumentation

---

Autor: Felix's Energie-Optimierungs-Projekt Status: Production Ready ✅ Python: 3.x (PyScript) Home Assistant: 2024.x+