Gå til innhold
  • Bli medlem
Støtt hjemmeautomasjon.no!

Vinnerliste

  1. haraldov

    haraldov

    Medlemmer


    • Poeng

      3

    • Innlegg

      219


  2. Moskus

    Moskus

    Administrator


    • Poeng

      1

    • Innlegg

      16 853


  3. flyingdingy

    flyingdingy

    Medlemmer


    • Poeng

      1

    • Innlegg

      9


  4. stigvi

    stigvi

    Medlemmer


    • Poeng

      1

    • Innlegg

      2 766


Populært innhold

Viser innholdet med mest poeng fra 07. okt. 2022 i alle områder

  1. - platform: oldbayesian Antar du har glemt å endre den. Jeg skal kikke på den nye bayesian, jeg også. Men har det ikke travelt.
    1 poeng
  2. Jeg lagde nå et Bayesian testing regneark for varmekablene i stuen min. Dere finner det her: https://docs.google.com/spreadsheets/d/1j1iU14pl3SEqUASy7VazXRxOuXKzo0_FvGh0t7YCITg/edit?usp=sharing. Har ikke testet alt igjennom ennå, men regnearket har hjulpet meg mye. Her er den oppdaterte bayesian.yaml filen basert på sannsynlighetene i regnearket. binary_sensor: - platform: oldbayesian name: 'Varmekabler stue-kjøkken-gang' prior: 0.42 probability_threshold: 0.8 observations: - platform: 'numeric_state' entity_id: 'sensor.regulator_energy_usage' prob_given_true: 0.01 prob_given_false: 0.07 below: 32 - platform: 'state' entity_id: 'binary_sensor.uteplassdor_forsinket_tid' prob_given_true: 0.01 prob_given_false: 0.07 to_state: 'on' - platform: 'state' entity_id: 'input_boolean.ferie' prob_given_true: 0.01 prob_given_false: 0.93 to_state: 'on' - platform: 'state' entity_id: 'binary_sensor.natt' prob_given_true: 0.01 prob_given_false: 0.43 to_state: 'on' - platform: 'state' entity_id: 'binary_sensor.noen_er_hjemme' prob_given_true: 0.40 prob_given_false: 0.14 to_state: 'on' - entity_id: 'sensor.prisniva' prob_given_true: 0.01 prob_given_false: 0.07 platform: 'state' to_state: 'EXPENSIVE' - entity_id: 'sensor.prisniva' prob_given_true: 0.05 prob_given_false: 0.21 platform: 'state' to_state: 'VERY_EXPENSIVE' - entity_id: 'sensor.prisniva' prob_given_true: 0.05 prob_given_false: 0.21 platform: 'state' to_state: 'EXTREMELY_EXPENSIVE'
    1 poeng
  3. Nå har utvikleren laget et regneark vi kan bruke for å teste Bayesian sannsynlighet. Håper dette hjelper med å finne riktig sannsynlighet. Dere finner regnearket her: https://docs.google.com/spreadsheets/d/17aDaO8Na2FiLXdlBmpJA1AGsGEGnGaZG24eJTSz1gko/edit?usp=sharing
    1 poeng
  4. Det fungerte bedre ja. Tusen takk!
    1 poeng
  5. Fantastisk plugin! I beskrivelsen din ser jeg du har "RealtimePower" Denne finner jeg ikke igjen hos meg - skjønner ikke helt hvor jeg skal finne den? (alt det andre ser ut til å fungere fint, den henter siste times forbruk osv.) Jeg skulle gjerne brukt den som en trigger hvor jeg kan legge inn f.eks. at hvis det er over 9kW - "skru av varmekabler kontor" f.eks. for å holde seg innen det effekt trinnet man ønsker... (vet det er snittet av timen, men innen timen er gått så er det for sent, derfor tenker jeg at hvis man har en hard-cut på rett oppunder det man ønsker så kan den justere seg ved å skru av enheter dynamisk selvom menneskene i huset skrur av og på andre enheter) Edit: Fikset - det var blitt noe bug med Pulse device'n min. Alt i skjønneste orden nå!
    1 poeng
  6. Problemet er ikke koden, men erstatte tidligere sannsynligheter med riktige. Prøver å følge hva professoren skriver her: https://community.home-assistant.io/t/how-bayes-sensors-work-from-a-statistics-professor-with-working-google-sheets/143177. Tidligere kunne en jo unngå problemet med å regne ut P(False) ved å regne P(False) = 1- P(True). Dette er ikke riktig i følge matematikken sier professoren. Så jeg prøvde å finne riktig sannsynligheter ved å bruke metoden som står her: https://www.home-assistant.io/integrations/bayesian/ Eksempel varmekabler kjøkken og stue: Vi starter med å finne ut Prior (start sannsynlighet): Ut i fra HA Historikk så er varmekablene PÅ 2.5 timer hvert døgn. Så Prior blir da 2.5t/24t = 0.1 Varmekablene er AV 24t - 2.5t = 18 t. Så AV sannsynlighet blir 21.5t/24t = 0.9 Jeg starter med probality threshold på 0.8. Den må være over 0.1 for at vi skal få ON i Bayesian Binary sensor active og kan endres. Binær sensor Hjemme (binary_sensor.noen_er_hjemme) Av 2.5 timer hvert dag varmekabler varmer opp. Hvor ofte er Hjemme på? 2 t er på så sannsynlighet True blir: 2t/2.5t = 0.8 Av 21.5 t hver dag når varmekabler ikke varmer opp. Hvor ofte er Hjemme på: 0.1 t er ikke på så sannsynlighet False blir: 0.1t/21.5t = 0.005 Numeric state sensor Pid regulator (sensor.regulator_energy_usage) Av 2.5 timer hvert dag varmekabler varmer opp. Hvor ofte er Pid regulator på? 0.5 t er på så sannsynlighet True blir: 0.5t/2.5t = 0.2 Av 21.5 t hver dag når varmekabler ikke varmer opp. Hvor ofte er Pid regulator på: 2.5 t er ikke på så sannsynlighet False blir: 2.5t/21.5t = 0.12 Jeg får da Bayesian Binary Sensor Active ON, men skulle ha hatt OFF da Pid regulatoren skal slå av varmekablene når Pid regulatoren er under 32 %. I følge dokumentasjonen bør en da legge til flere sensorer. Jeg er dessverre ikke sikker på om jeg orker å bruke så mye tid på dette. Brukte 6 timer på dette igår og nå går formiddagen på det. Mulig veien videre er Schedy viss jeg ikke får på plass alle disse sannsynlighetene og bayesian binary sensor active fungerer slik den er påtenkt.
    1 poeng
  7. Send til support, tror ikke vi kan gjøre noe.
    1 poeng
  8. Hei Jeg hadde nylig besøk av elektriker. Han boret hull i bakveggen på switchen og monterte den direkte over veggboksen der stikkontakten hadde vært montert. Dermed kunne ledningene i veggboksen, som kommer direkte fra sikringsskapet, trekkes inn i swichen og kobles til der direkte. Min er plassert i en bod, så utseendet er ikke viktig, men dette ble en pen og ryddig montering.
    1 poeng
Vinnerlisten er satt til Oslo/GMT+01:00
×
×
  • Opprett ny...

Viktig informasjon

Vi har plassert informasjonskapsler/cookies på din enhet for å gjøre denne siden bedre. Du kan justere dine innstillinger for informasjonskapsler, ellers vil vi anta at dette er ok for deg.