Vinnerliste

Dette skal nå være fikset.

Ja, du har lagt EXE-filen i /bin-mappen. Den skal ligge i HS4-roten. Du skal i praksis bare pakke opp alle filene direkte til HS4-mappen, så order den resten selv.

God kveld. Regner med at Node Red er såpass utbredt i Home Assistant at det faller inn i denne kategorien. Om jeg bommer er det bare på flytte posten 🙂 Jeg bruker Nordpool-integrasjonen i HA (og i Node Red) for å automatisere varmen/strømforbruk i forhold til timespris. På den måten unngår jeg å brenne av en del watt når prisen er som værst (slik som enkelte timer i dag og i morgen) Dog føler jeg at jeg magler en del fleksibilitet (og kunnskap hos meg) knyttet til bruken av timesprising Nordpool-integrasjonen fungerer sånn sett veldig bra, og jeg har allerede lagt inn logikk knyttet til "Low Price" og f.eks 90% av "low price". Denne logikken kjører kun de dagene hvor: Prisen er over 0.25,- pr kWh og at det er en viss differanse mellom billigste og dyreste time. Ergo har jo dette ikke vært i bruk på lang tid pga de billige strømprisene vi har hatt i mange måneder. Svakheten med min logikk, slik jeg ser det, er at når prisene er som i dag, så vil snittprisen bli såpass høy at de fleste timene er under snittprisen. Det betyr at varmen skrur seg på en pris/time som er langt fra den billigste, men som likevel er under snittprisen. Jeg kunne ønske meg å få ut (i Node Red) f.eks billigste time (eller to timer, for den sak skyld) mellom 05:00 og 12:00. Tilsvarende for mellom f.eks 12:00 og 20:00) På den måten blir varmeproduksjonen såpass jevn at komforten blir uforandret. Uten denne logikken risikerer man f.eks at alle timer under snittpris er fra 01:00 til 07:00, og det er jo ikke så hensiktsmessig igjen. Nå er jo klokkeslettene bare noen eksempler, så antall timer og antall timer mellom to klokkeslett burde jo kunne endres etter behov. Man kan jo også leke med tanken om at selv om f.eks 21:00 til 23:59 er "dyre" timer, så kan disse timene i enkelte tilfeller være langt billigere enn prisbildet i det man går over til neste dag. Ergo hadde det f.eks vært lønnsomt å fyre opp den billigste timen mellom 21:00 og 00:00 i stedet for å vente til f.eks 01:00 Jeg vet det er noe som heter Off peak 1 og Off peak 2 i Nordpool-integrasjonen, men denne gir for lite fleksibilitet i mine øyne. Jeg kjenner jeg har for lite kunnskap rundt arrays, json og behandling av disse i Node Red 😞 Er det noen som har utforsket noen prinsipper rundt dette?

Takker for svar. Da var jeg et skritt nærmere. Da må jeg bare få lagt inn all info for Tibber ID etc!!

Dette skal nå være fikset.

Hei, Om dere synest det blir mye config for å endre setpunkt på de forskjellige termostatene basert på tidspunkt og tilstand kan jeg anbefale å bruke "schedy" i "appdaemon", og la denne ta over dette. Det er ikke perfekt, men gjør jobben. Støtter også input fra vindu og dører slik at for eksempel termostaten skrues av om vindu eller dør står åpen. Jeg bruker denne sammen med input boleans på tilstandander som "hvem er hjemme" "utetemp" Strømpris" "ferie" "fridag" osv. som igjen bestemmer schedules. min konfig: schedy_heating: # This is our app instance name. module: hass_apps_loader class: SchedyApp actor_type: thermostat watched_entities: - input_boolean.pers1_hjemme - input_boolean.pers2_hjemme - input_boolean.pers3_hjemme - input_boolean.varmt_ute - input_boolean.ferie - input_boolean.energy_cost_high - input_boolean.jentene_hjemme - input_boolean.fri rooms: living: actors: climate.stue: schedule: - v: 22 rules: - rules: - x: "Add(-0.5) if is_on ('input_boolean.energy_cost_high') else Next()" - x: "Add(-5) if is_on ('input_boolean.varmt_ute') else Next()" - x: "Add(-10) if is_on ('input_boolean.ferie') else Next()" - rules: - x: "Next() if state('input_boolean.fri') == 'off' else Break()" - { start: "14:00", end: "22:00", weekdays: 1-4 } - { start: "14:00", end: "23:00", weekdays: 5 } - { start: "08:00", end: "23:00", weekdays: 6 } - { start: "08:00", end: "23:00", weekdays: 7 } - { v: 18 } - rules: - x: "Next() if state('input_boolean.fri') == 'on' else Break()" - { start: "08:00", end: "22:00", weekdays: 1-4 } - { start: "08:00", end: "23:00", weekdays: 5 } - { start: "08:00", end: "23:00", weekdays: 6 } - { start: "08:00", end: "23:00", weekdays: 7 } - { v: 18 } Bad: actors: climate.bad: schedule: - x: "Add(-4) if is_on ('input_boolean.ferie') else Next()" - { v: 24, start: "23:00", end: "06:00", weekdays: 1-4 } - { v: 24, start: "23:00", end: "06:00", weekdays: 5 } - { v: 24, start: "23:00", end: "06:00", weekdays: 6 } - { v: 24, start: "23:00", end: "06:00", weekdays: 7 } - { v: 24 } Bad2: actors: climate.bad2: schedule: - x: "Add(-1) if is_on ('input_boolean.energy_cost_high') else Next()" - x: "Add(-10) if is_on ('input_boolean.ferie') else Next()" - { v: 22, start: "20:00", end: "06:00", weekdays: 1-4 } - { v: 22, start: "20:00", end: "06:00", weekdays: 5 } - { v: 22, start: "20:00", end: "10:00", weekdays: 6 } - { v: 22, start: "20:00", end: "10:00", weekdays: 7 } - { v: 20 } Bedroom: actors: climate.masterbedroom: schedule: - x: "Add(-5) if is_on ('input_boolean.varmt_ute') else Next()" - x: "Add(-10) if is_on ('input_boolean.ferie') else Next()" - { v: 16, start: "21:00", end: "02:00", weekdays: 1-4 } - { v: 16, start: "22:00", end: "02:00", weekdays: 5 } - { v: 16, start: "23:00", end: "04:00", weekdays: 6 } - { v: 16, start: "22:00", end: "04:00", weekdays: 7 } - { v: 12 } pers0: actors: climate.pers0: schedule: - x: "Add(-1) if is_on ('input_boolean.energy_cost_high') else Next()" - x: "Add(-5) if is_on ('input_boolean.varmt_ute') else Next()" - x: "Add(-7) if is_on ('input_boolean.ferie') else Next()" - { v: 21, start: "11:00", end: "20:00", weekdays: 1-4 } - { v: 21, start: "11:00", end: "21:00", weekdays: 5 } - { v: 21, start: "08:00", end: "21:00", weekdays: 6 } - { v: 21, start: "08:00", end: "20:00", weekdays: 7 } - { v: 17 } pers1: actors: climate.pers1: schedule: - v: 21 rules: - rules: - x: "Add(-0.5) if is_on ('input_boolean.energy_cost_high') else Next()" - x: "Add(-5) if is_on ('input_boolean.varmt_ute') else Next()" - x: "Add(-7) if is_off ('input_boolean.pers1_hjemme') else Next()" - x: "Add(-7) if is_on ('input_boolean.ferie') else Next()" - rules: - x: "Next() if state('input_boolean.fri') == 'off' else Break()" - { start: "02:00", end: "04:00", weekdays: 1-4 } - { start: "11:00", end: "17:30", weekdays: 1-4 } - { start: "02:00", end: "04:00", weekdays: 5 } - { start: "11:00", end: "18:00", weekdays: 5 } - { start: "03:00", end: "20:00", weekdays: 6 } - { start: "03:00", end: "19:00", weekdays: 7 } - { v: 17 } - rules: - x: "Next() if state('input_boolean.fri') == 'on' else Break()" - { start: "03:00", end: "19:00", weekdays: 1-4 } - { start: "03:00", end: "19:00", weekdays: 5 } - { start: "03:00", end: "19:00", weekdays: 6 } - { start: "03:00", end: "19:00", weekdays: 7 } - { v: 18 } pers2: actors: climate.pers2: schedule: - v: 21 rules: - rules: - x: "Add(-0.5) if is_on ('input_boolean.energy_cost_high') else Next()" - x: "Add(-5) if is_on ('input_boolean.varmt_ute') else Next()" - x: "Add(-7) if is_off ('input_boolean.pers2_hjemme') else Next()" - x: "Add(-7) if is_on ('input_boolean.ferie') else Next()" - rules: - x: "Next() if state('input_boolean.fri') == 'off' else Break()" - { start: "01:00", end: "04:00", weekdays: 1-4 } - { start: "10:00", end: "18:00", weekdays: 1-4 } - { start: "01:00", end: "04:00", weekdays: 5 } - { start: "10:00", end: "18:00", weekdays: 5 } - { start: "03:00", end: "20:00", weekdays: 6 } - { start: "03:00", end: "19:00", weekdays: 7 } - { v: 18 } - rules: - x: "Next() if state('input_boolean.fri') == 'on' else Break()" - { start: "03:00", end: "19:00", weekdays: 1-4 } - { start: "03:00", end: "19:00", weekdays: 5 } - { start: "03:00", end: "19:00", weekdays: 6 } - { start: "03:00", end: "19:00", weekdays: 7 } - { v: 18 } pers3: actors: climate.pers3: schedule: - v: 21 rules: - rules: - x: "Add(-0.5) if is_on ('input_boolean.energy_cost_high') else Next()" - x: "Add(-5) if is_on ('input_boolean.varmt_ute') else Next()" - x: "Add(-7) if is_off ('input_boolean.pers3_hjemme') else Next()" - x: "Add(-7) if is_on ('input_boolean.ferie') else Next()" - rules: - x: "Next() if state('input_boolean.fri') == 'off' else Break()" - { start: "02:00", end: "05:00", weekdays: 1-4 } - { start: "10:00", end: "17:30", weekdays: 1-4 } - { start: "02:00", end: "05:00", weekdays: 5 } - { start: "10:00", end: "18:00", weekdays: 5 } - { start: "03:00", end: "20:00", weekdays: 6 } - { start: "03:00", end: "19:00", weekdays: 7 } - { v: 18 } - rules: - x: "Next() if state('input_boolean.fri') == 'on' else Break()" - { start: "03:00", end: "20:00", weekdays: 1-4 } - { start: "03:00", end: "20:00", weekdays: 5 } - { start: "03:00", end: "20:00", weekdays: 6 } - { start: "03:00", end: "20:00", weekdays: 7 } - { v: 18 } Kjellerstue: actors: climate.kjellerstue: schedule: - v: 21 rules: - rules: - x: "Add(-0.5) if is_on ('input_boolean.energy_cost_high') else Next()" - x: "Add(-5) if is_on ('input_boolean.varmt_ute') else Next()" - x: "Add(-4) if is_off ('input_boolean.jentene_hjemme') else Next()" - x: "Add(-7) if is_on ('input_boolean.ferie') else Next()" - rules: - x: "Next() if state('input_boolean.fri') == 'off' else Break()" - { start: "02:00", end: "04:00", weekdays: 1-4 } - { start: "10:00", end: "17:30", weekdays: 1-4 } - { start: "02:00", end: "04:00", weekdays: 5 } - { start: "10:00", end: "18:00", weekdays: 5 } - { start: "03:00", end: "20:00", weekdays: 6 } - { start: "03:00", end: "19:00", weekdays: 7 } - { v: 18 } - rules: - x: "Next() if state('input_boolean.fri') == 'on' else Break()" - { start: "03:00", end: "20:00", weekdays: 1-4 } - { start: "03:00", end: "20:00", weekdays: 5 } - { start: "03:00", end: "20:00", weekdays: 6 } - { start: "03:00", end: "20:00", weekdays: 7 } - { v: 18 } Kjellergang: actors: climate.kjellergang: schedule: - x: "Add(-0.5) if is_on ('input_boolean.energy_cost_high') else Next()" - x: "Add(-5) if is_on ('input_boolean.varmt_ute') else Next()" - x: "Add(-7) if is_on ('input_boolean.ferie') else Next()" - { v: 20 } Vaskerom: actors: climate.vaskerom: schedule: - v: 22 rules: - rules: - x: "Add(-0.5) if is_on ('input_boolean.energy_cost_high') else Next()" - x: "Add(-5) if is_on ('input_boolean.varmt_ute') else Next()" - x: "Add(-8) if is_on ('input_boolean.ferie') else Next()" - rules: - x: "Next() if state('input_boolean.fri') == 'off' else Break()" - { start: "23:00", end: "07:00", weekdays: 1-5 } - { start: "23:00", end: "19:00", weekdays: 6-7 } - { v: 20 } - rules: - x: "Next() if state('input_boolean.fri') == 'on' else Break()" - { start: "23:00", end: "19:00", weekdays: 1-7 } - { v: 20 }

Ok, her er et eksempel. Tibber sier at strømpris er 10 øre pr kwh og slik har den vært lenge. Så stiger prisen til 12 øre pr kwh. I flg Tibber er det 20% økning og prisnivå går fra normal til expensive. Men la oss si at du betaler 40 øre pr kwh i nettleie. Så den egentlige økningen for deg er fra 50 til 52 øre. Det er kun en 4% økning i pris og prisnivå er fortsatt normal. Lager du automasjon basert på Tibber sin indikasjon på at strømmen er blitt dyr så slår du av varmen pga en reell økning i pris på 4%. Det kan jo være greit nok, det. Men for meg var det ikke greit nok. Det ble for mange perioder med "dyr" strøm og ekstra ille ble det i år med lave strømpriser i forhold til nettleie. Altså at strømpris varierte mellom 5 og 10 øre. Tibber sier en dobling i pris, men reell økning er fra 45 til 50 øre. Knapt noe å bry seg om.

Jeg har laget et felt for å kunne skrive inn pris for nettleie input_number: pris_pr_kwh_kleppenergi: name: Nettleie pr kWh min: 0 max: 200 step: 0.01 unit_of_measurement: 'øre' icon: mdi:cash-100 mode: box Så en ny sensor som summerer pris fra Tibber med dette sensor: - platform: template sensors: total_electricity_price: friendly_name: "Total strømpris" unit_of_measurement: 'NOK' value_template: >- {% if states('sensor.electricity_price_orstad') != 'unavailable' %} {{ (states('sensor.electricity_price_orstad')|float + states('input_number.pris_pr_kwh_kleppenergi')|float / 100) | round(4) }} {% else %} {{ states('sensor.total_electricity_price') }} {% endif %} Deretter en sensor som gir meg snitt de 3 siste dager sensor: - platform: statistics name: "Strompris filtrert" entity_id: sensor.total_electricity_price precision: 4 sampling_size: 144 max_age: hours: 72 Og til slutt en sensor som gir prisnivå sensor: - platform: template sensors: pricelevel: friendly_name: "Strømprisnivå" value_template: >- {% if states('sensor.total_electricity_price')|float(0.5) >= states('sensor.strompris_filtrert')|float(0.5) *0.9 and states('sensor.total_electricity_price')|float(0.5) < states('sensor.strompris_filtrert')|float(0.5) *1.15 %} NORMAL {% elif states('sensor.total_electricity_price')|float >= states('sensor.strompris_filtrert')|float *0.6 and states('sensor.total_electricity_price')|float < states('sensor.strompris_filtrert')|float *0.9 %} CHEAP {% elif states('sensor.total_electricity_price')|float < states('sensor.strompris_filtrert')|float *0.6 %} VERY_CHEAP {% elif states('sensor.total_electricity_price')|float >= states('sensor.strompris_filtrert')|float *1.15 and states('sensor.total_electricity_price')|float < states('sensor.strompris_filtrert')|float *1.4 %} EXPENSIVE {% elif states('sensor.total_electricity_price')|float >= states('sensor.strompris_filtrert')|float *1.4 %} VERY_EXPENSIVE {% endif %} Disse prisnivåene har samme tekst som Tibber sine tekster på dette og nivåene er også like i forhold til snittpris siste 3 dager. Det er bare nettleie som tas med som er eneste forandring.

Ja, du kan ha av + på, volum og valg av tone.

Så nå har du fem centimeter lengre armer, samt brukt et par timer på å spore opp kubbeskrujernet før du kjøpte ett nytt ? Samt noen striper i panna etter skapet? ?

Tenkte å beskrive min løsning på varmestyring. Når en får mange nok parametre å ta hensyn til så kan ordinær tilstandsstyring bli ganske kompleks. Styring av varme gjøres ofte basert på status om en er hjemme, strømpris, tid på døgn, temperatur, dører eller vinduer åpne, ønske om å skru på varme når en snart er hjemme (for å slippe å komme hjem til kaldt hus) osv. I tillegg ønsker en forskjellig styring på de forskjellige varmekildene. Alt dette gjorde at jeg så mørkt på å lage logikk som skal styre dette. Så jeg endte opp med å bruke noen bayesiske sensorer. Da koker det ned til å enkelt beskrive hvor mye jeg ønsker at varmen skal slås på i de forskjellige tilstandene isolert sett. Bayesisk sensor brukes vanligvis i hjemmeautomasjon til å avgjøre om en er hjemme eller ikke basert på forskjellige innsignaler. Den bayesiske sensoren i Home Assistant er binær, dvs at den har en tilstand som er av eller på (eller hjemme og borte). Mine varmekilder har 3 tilstander jeg ønsket å styre (borte, økonomi eller komfort som hver har sine temperaturer en ønsker å oppnå). Home Assistant sin bayesisk sensor har en attributt som angir kalkulert sannsynlighet og denne bruker jeg til å styre varmen. Er sannsynligheten for at jeg ønsker varme mindre enn 10% så settes varmekilden i "borte" modus. Er sannsynligheten mellom 10% og 50% så settes de i økonomi og ved mer enn 50% så settes de i komfortmodus. Dette løses ved å hente ut sannsynligheten med dette: - platform: template sensors: varmekabel_probability: friendly_name: "Varmekabel sannsynlighet" unit_of_measurement: '%' value_template: "{{ state_attr('binary_sensor.varmekabler', 'probability') }}" og følgende automatisering - id: varmekabler_eco alias: Setter varmekabler i øko trigger: - entity_id: sensor.varmekabel_probability platform: numeric_state above: 0.1 below: 0.5 for: seconds: 20 action: - alias: '' data: entity_id: - climate.bad_u_etg - climate.bad_1_etg - climate.gang_u_etg - climate.vaskerom preset_mode: eco service: climate.set_preset_mode Jeg har lagt inn 20 sekund forsinkelse her fordi ovnene liker ikke å bli mast på for ofte. Forsinkelsen kunne vært kortere som f.eks. 2s. Varme i garasjen har en forsinkelse på 2 minutt slik at kortvarig bruk av garasjeport ikke fører til endring på ovnen der. Så til selve den bayesiske sensoren: binary_sensor: - platform: bayesian name: 'Varmekabler' prior: 0.35 probability_threshold: 0.5 #device_class: presence observations: - entity_id: input_boolean.travel_enabled prob_given_true: 0.001 platform: 'state' to_state: 'on' - entity_id: binary_sensor.noen_er_hjemme prob_given_true: 0.7 platform: 'state' to_state: 'on' - entity_id: input_boolean.sleeptime prob_given_true: 0.32 platform: 'state' to_state: 'on' - entity_id: binary_sensor.soonsleeptime prob_given_true: 0.32 platform: 'state' to_state: 'on' - entity_id: input_boolean.soonhome prob_given_true: 0.66 platform: 'state' to_state: 'on' - entity_id: binary_sensor.preheat_day prob_given_true: 0.66 platform: 'state' to_state: 'on' - entity_id: binary_sensor.preheat_night prob_given_true: 0.66 platform: 'state' to_state: 'on' - entity_id: binary_sensor.extended_preheat prob_given_true: 0.6 platform: 'state' to_state: 'on' - prob_given_true: 0.6 platform: 'template' value_template: >- {{ float(states('sensor.electricity_price_orstad')) < (float(state_attr('sensor.electricity_price_orstad', 'max_price')) - float(state_attr('sensor.electricity_price_orstad', 'min_price'))) * 0.3 + float(state_attr('sensor.electricity_price_orstad', 'min_price')) }} - prob_given_true: 0.4 platform: 'template' value_template: >- {{ float(states('sensor.electricity_price_orstad')) > (float(state_attr('sensor.electricity_price_orstad', 'max_price')) - float(state_attr('sensor.electricity_price_orstad', 'min_price'))) * 0.95 + float(state_attr('sensor.electricity_price_orstad', 'min_price')) }} Jeg starter med å si at normal tilstand er 35% som betyr økonomimodus på varmekildene. På en bayesisk sensor er det slik at innganger som bidrar med mer enn 50% gjør at sannsynligheten for på/hjemme/sann/varme/osv går opp. Innganger som bidrar med mindre enn 50% gjør at den totale sannsynligheten går ned. Så når jeg har en bryter som sier jeg er på ferie og setter sannsynligheten til 0.001 så går sannsynligheten for at jeg ønsker varme så kraftig ned at ingen andre innganger klarer å få den over 10% som var grensen for bortemodus. Resten av inngangene er vel stort sett selvforklarende. Varmen settes i de forkjellige modusene ut i fra om jeg er hjemme, om det er sovetid osv. Nederst har jeg satt opp ønsket mitt ut i fra strømpris lav eller høy. To andre bayesiske sensorer hos meg ser slik ut: - platform: bayesian name: 'Panelovner garasje' prior: 0.35 probability_threshold: 0.5 #device_class: presence observations: - entity_id: binary_sensor.garasjeport prob_given_true: 0.001 platform: 'state' to_state: 'on' - entity_id: input_boolean.garage_comfort prob_given_true: 0.7 platform: 'state' to_state: 'on' - platform: bayesian name: 'Panelovner tvstue' prior: 0.35 probability_threshold: 0.5 #device_class: presence observations: - entity_id: input_boolean.travel_enabled prob_given_true: 0.001 platform: 'state' to_state: 'on' - entity_id: binary_sensor.noen_er_hjemme prob_given_true: 0.7 platform: 'state' to_state: 'on' - entity_id: input_boolean.sleeptime prob_given_true: 0.32 platform: 'state' to_state: 'on' - entity_id: binary_sensor.soonsleeptime prob_given_true: 0.32 platform: 'state' to_state: 'on' - entity_id: binary_sensor.preheat_day prob_given_true: 0.66 platform: 'state' to_state: 'on' - entity_id: input_boolean.soonhome prob_given_true: 0.66 platform: 'state' to_state: 'on' - entity_id: binary_sensor.heatlimit_morning prob_given_true: 0.4 platform: 'state' to_state: 'on' Den for garasje er svært enkel og styres kun ut i fra 2 innganger. Panelovnene inneholder mer, men i motsetning til varmekablene så er ikke strømpris med som en inngang på disse. Men strømpris kunne fint vært med, men da med sannsynlighet som lå nærmere 50% i forhold til det varmekablene har. Dess lenger fra midtpunktet på 50% en inngang bidrar med, dess mer påvirkes utgangen. Det som kompliseres er å finne riktige sannsynligheter på inngangene. For å gjøre denne jobben lettere, laget jeg et excel regneark der jeg kan simulere hvor mye hver inngang påvirker utgangen. Kan gjerne dele dette regnearket ..... Så det var min løsning. Sikkert ikke veldig unikt, men jeg tror at dette i det minste kan være til bittelitt nytte for de som eventuelt er i startgropa for å sette opp et system.

Jeg bruker den verdien APIet leverer så langt, som altså rapporterer mot en "normal" og fungerer fint. Du kan jo lage deg noen "binary_sensor" som holder på egne prisverdier, eller lage automater som forholder seg til en gitt pris. PriceLevel Price level based on trailing price average (3 days for hourly values and 30 days for daily values) Value Description NORMAL The price is greater than 90 % and smaller than 115 % compared to average price. CHEAP The price is greater than 60 % and smaller or equal to 90 % compared to average price. VERY_CHEAP The price is smaller or equal to 60 % compared to average price. EXPENSIVE The price is greater or equal to 115 % and smaller than 140 % compared to average price. VERY_EXPENSIVE The price is greater or equal to 140 % compared to average price. Glemte å si at jeg også henter ut verdier ra api med sensorer jeg har definert #Tibber - platform: template sensors: tibber_nett: friendly_name: "Nett Eier" entity_id: sensor.electricity_price_xx value_template: "{{ state_attr('sensor.electricity_price_xx', 'grid_company') }}" icon_template: mdi:fuse tibber_max: friendly_name: "Max pris" unit_of_measurement: "NOK/kWh" entity_id: sensor.electricity_price_xx value_template: "{{ state_attr('sensor.electricity_price_xx', 'max_price') }}" icon_template: mdi:currency-usd tibber_avg: friendly_name: "Gjennomsnittspris" unit_of_measurement: "NOK/kWh" entity_id: sensor.electricity_price_xx value_template: "{{ state_attr('sensor.electricity_price_xx', 'avg_price') }}" icon_template: mdi:currency-usd tibber_min: friendly_name: "Minimumspris" unit_of_measurement: "NOK/kWh" entity_id: sensor.electricity_price_xx value_template: "{{ state_attr('sensor.electricity_price_xx', 'min_price') }}" icon_template: mdi:currency-usd tibber_estimert: friendly_name: "Estimert forbruk" unit_of_measurement: 'kWh' entity_id: sensor.electricity_price_xx value_template: "{{ state_attr('sensor.electricity_price_xx', 'estimated_annual_consumption') }}" icon_template: mdi:power-plug tibber_price_level: friendly_name: "Prisnivå" entity_id: sensor.electricity_price_xx value_template: "{{ state_attr('sensor.electricity_price_xx', 'price_level') }}" icon_template: mdi:currency-usd