Vinnerliste

Vasket deler av siste automaseringsprosjekt...heldigvis bare ledningene!

Da er problemet løst! Årsaken var en nybegynnerfeil og løsningen var å lese bruksanvisningen for Z-wave plugin for HS litt grundig! På et eller annet tidspunkt har jeg funnet ut at det er enkelt å «navigere» mellom noder ved å skifte node på z-wave taben. Men, da navigerer man ikke mellom noder, men kobler den aktuelle devicen til en annen node! Gjør man det en del ganger så blir det rimelig kaos (se bilde under, kryss over funksjonen det ikke er lurt å bruke). Så dette er en litt skummel funksjon (som man sjeldent trenger), i alle fall for nybegynnere. Heldigvis fullt mulig å koble ting riktig igjen, tok meg 2-3 timer med litt systematisk tilnærming. Et viktig læringpunkt for meg er å være litt mer forsiktig med hvor jeg trykker i HS, og lese meg litt mer opp. Kan kanskje være et poeng å ta med en setning om dette i Homeseerskolen? Uansett, stor takk til @Moskusfor hjelp.

Kodesnutten som lager strømforbruksmodellen kan kanskje brukes av flere, hvis man har influxdb som datalager, eller har en annen måte å få dataene over til Pandas. def analyse_history(): """Extract historical data from InfluxDB and build bilinear model for power usage as a function of indoor and outdoor temperature returns a sklearn model. """ from influxdb import DataFrameClient from sklearn import linear_model pdclient = DataFrameClient('influxservernavn', influx_port, '', '', 'openhab_db') indoormeasurename = u'Sensor_fraluft_temperatur' outdoormeasurename = u'Netatmo_ute_temperatur' powermeasurename = u'Smappee_avgW_5min' outdoor = pdclient.query("select mean(value) from " + outdoormeasurename + " group by time(1h)")[outdoormeasurename] outdoor.columns = [outdoormeasurename] indoor = pdclient.query("select mean(value) from " + indoormeasurename + " group by time(1h)")[indoormeasurename] indoor.columns = [indoormeasurename] power = pdclient.query("select mean(value) from " + powermeasurename + " group by time(1h)")[powermeasurename] power.columns = [powermeasurename] dataset = pandas.concat([indoor, outdoor, power], axis=1).dropna() dataset['indoorvsoutdoor'] = dataset[indoormeasurename] - dataset[outdoormeasurename] dataset['indoorderivative'] = dataset[indoormeasurename].diff() dataset.dropna(inplace=True) # Drop edge NaN due to diff() # Linear regression: lm = linear_model.LinearRegression() X = dataset[['indoorderivative', 'indoorvsoutdoor']] y = dataset[[powermeasurename]] model = lm.fit(X, y) print("How much can we explain? %.2f" % model.score(X, y)) print("Coefficients %s" % str(model.coef_)) return model Hos meg blir 'score' på modellen bare 26%, som ikke er særlig høyt. Ved å ha ute og innetemperatur som uavhengige variabler klarer jeg oppnå 38% forklaringsgrad, men etter noe tenking, så har jeg kommet til at det bare beskriver gamle data og er ikke like interessant når man skal predikere (det betyr f.eks. at når innetemperatur er høy, så er vi hjemme og bruker varmtvann og komfyr samtidig, og den effekten har du ikke lyst å ha inn i forvarmingsregnestykket). Fysikk tilsier at strømforbruket skal være lineært i de to størrelsene jeg bruker, og det trumfer støyen i dataene. Denne snutten kjører nå hver time for meg, og strømoptimaliseringen vil således hele tiden oppdatere seg (om enn marginalt). Maskinlæring!

Her er min oppskrift: Dropbox med det som skal til: https://www.dropbox.com/sh/8yu8q1h755v264q/AADXMeVA7xZoD_8nED2zERw9a?dl=0 - Last ned Han-Port og legg denne inn etter anvisninger som ligger i mappen sammen med pakken. - Installer node-red. https://nodered.org/docs/getting-started/installation - Importer flow, dette kan gjøres i webgrensesnitt, (IP):1880 (fil ligger i Dropbox) - Det er mulig dere må endre på banen i AMS blokken alt etter hvor dere har filene til Han-Port. - Som nevnt over er MQTT innebygd i Node-Red, dette fant jeg ikke ut før etter jeg hadde lagt inn alt, så det ligger MQTT outputs til mosquitto i denne flowen. - Om man uansett ønsker å installere mosquitto så finner man det her: https://mosquitto.org/download/ Om man vil ha webserver med visualisering: - Installer InfluxDB plugin i Node-Red. http://blog.catchpoint.com/2018/01/17/how-to-grafana-with-node-red-influxdb/ - Installer InfluxDB. https://docs.influxdata.com/influxdb/v1.5/introduction/installation/ - Installer Grafana. http://docs.grafana.org/installation/ - Gå inn i webgrensesnitt (ip):3000 Bruker: admin Passord: admin - Legg til InfluxDB server som kilde. http://docs.grafana.org/v3.1/datasources/influxdb/ - Importer Grafana Dash (Fil ligger i Dropbox) Sikkert noe jeg har glemt nå, men er bare å spørre hvis det blir problemer

Fungerer 100% her også. Satt dette opp rett etter denne guiden ble laget, og har fungert siden. Har ikke gjort noe som helst med det, bare ruller å går. Kjører også RFXCOM på samme enhet.

Skal prøve å exportere filen på nytt når jeg kommer hjem.

Bingo. Det beste er å sette opp en Rapsberry Pi og forwarde USB-en til HS3 derfra. @ZoRaC har laget en ypperlig guide her: Hver maskin skal i utgangspunktet lisensieres... Med RPi-løsningen er ikke dette et problem. Pi'en plasserer du så sentralt du kan.

Akkurat, ja. Jeg hadde faktisk en mistanke om det, derfor jeg spurte. Men tydeligvis er det ikke bare-bare å oppdage det i etterkant. Ja, det kan være at det er nødvendig, ja.

Tja, å få teste det er jo en fordel. Nå har jeg ikke sjekket mulighetene i API'et grundig. Men det meste kan nok gjøres kun ved tilgang til app ja for å sjekke at ting stemmer overens. Men, den største utfordringen ligger nok i å finne tid

Som vanlig finner jeg løsningen rett etter å ha postet, disablet z-wave plugin, renamet z-wave DB (data/zwave)og enablet igjen. Ingen feilmeldinger så langt iallefall

Jeg brukte en fres og merket opp hvor mye det måtte freses. så lagde jeg plass selv!

Tok en runde med fjernkontrollen til webasto varmeren (Audi) i dag: Har remote som først trenger et trykk for "wake up" av kontrolleren, deretter er det bryter ved siden av som må brytes for å starte varmer. Så brukte en Nodemcu med et rele for dette, remote bruker 3V og rele går på 5V. Brukte D6 Output direkte på knapp 1 for wake up, trenger bare et "3V støt" for å komme i gang, deretter venter jeg bare et par sekunder så remote er oppe og går og så bryter jeg knapp 2 med rele for å sende RF til bilen som da starter diesel varmer. Så blir vel å legge den på MQTT hvis jeg ikke tar den direkte fra Homeseer. "Alexa, heat my car" ? Utdrag av test kode: // setup pinMode(D6, OUTPUT); // Power ON pinMode(D7, OUTPUT); // Trigger relay digitalWrite(D6, LOW); digitalWrite(D7, HIGH); // set relay HIGH, use LOW to toggle // loop digitalWrite(D6, HIGH); // Power on remote control delay(500); // Delay digitalWrite(D6, LOW); // Power off delay(2000); // wait 2 sec for remote contol to wake up digitalWrite(D7, LOW); // Send to relay/short button on remote control to send "heater on" delay(500); // 0.5 sec should be long enough for tooggle switch digitalWrite(D7, HIGH); // turn off toogle relay Bilder: Knapp 1 er nede for power up, knapp 2 over er styrt av rele. Kjører inn 3.3 Volt på undersiden hvor batteri sitter:

kjøpt en homey for å teste. Ikke fått tid til å bruke den særlig enda, men skal prøve å være litt aktiv her fremover Ps: akkurat fått støtte for en del av xiaomi zigbee brytere og sensorer.

Hi, my name is Bram and I work at Athom, the company who's developing Homey! @danielb told my about this forum and I thought it would be interesting to see if you have any questions I can help you with! I'm not sure if it is allowed to talk English on this forum, but my Norwegian is not that good (read: not existing haha!) I will check in once in a while to see if any of you have new questions for me:)