stigvi

Jeg vil jo tro du vet det finnes zigbee brytere og de kan også knyttes opp til lyset direkte slik at det kan styres selv om sentraleenheten skulle falle ut

Har litt problem med å skjønne hvorfor dette er populært ? Fordelen med smartpærer er så mange og åpenbare at for meg er det et helt soleklart valg. Og i armaturer der en ikke kan skifte pære er det ofte mulig med andre løsninger. En led-driver med zigbee ligger på rundt om 600 kroner, den også. Eller skifte hele armaturen som fortsatt kan koste mindre enn 650+montering av dimmer. Philips sine Hue taklamper er faktisk ganske gunstige på pris. Hva med alt lysutstyr som ikke er fastmontert, da? Stålamper og bordlamper er ganske normalt å ha. En kan selvfølgelig sette på dimmer der også, men å skifte pære er veldig mye lettere og gir mer funksjonalitet.

I en annen tråd spør du om zigbee pærer vs zwave dimmere. Fordelen med zigbee pærer er jo at du slipper sånne ombygginger.......

Jeg byttet ut led driveren bak mitt speil til en som har zigbee. Alt er mulig hvis motivasjonen er høy nok. Det eneste ikke dimbare lyset hos meg er i kjøleskapet, mikroen og stekeovn. Ventilatorhette f.eks. har jeg bygd om pluss speil på to bad

Å komme inn på badet om morgenen uten å bli blendet av lys er faktor #1 for at kona synes det er greit at jeg sysler med hjemmeautomasjon.

Jeg er blitt litt hekta på bayesiske sensorer (ref varmestyring) og vurderer om jeg skal bruke en eller flere slike på lysstyring også. Den analoge attributten på denne som angir sannsynlighet kan muligens direkte angi lysstyrke. Eventuelt at den multipliseres med solens høyde som en utledet faktor. På den bayesiske sensorens innganger kan en da ha: Sovetid Våknetid Om en har besøk Hverdag eller helg Lysstyrke ute/vær ute og det fantasien måtte komme opp med

Kommer jo an på hva som er målet. 1. Kun av/på 2. Endre lysstyrke 3. Endre hvitbalanse/fargetemperatur 4. Endre farger fra hele spekteret Mine krav er på punkt 3 og da nytter det sjelden med noe annet enn smartpærer ?

Elko impulsfjær bak bryterknappen løste det problemet hos meg.

Min løsning på akkurat denne dimmebryteren var å fortelle den hvilket lys den skal styre. Jeg bruker Home Assistant og DeConz. I deconz valgte jeg on/off clusteret for dimmeren og satte at dimmeren skal styre en spesifikk lysgruppe. Når det var gjort, forsvant problemene. Tror også at det er dette Philips sin hub gjør når du setter opp systemet der. Philips sin hub sender en "beskjed" til dimmer om hvilket lys den skal styre. Det virker som om denne dimmeren krever en direkte kobling til lys.

Med smarte pærer får du jo litt mer som f.eks mulighet til å endre fargetemperatur. Circadian lysstyring er kult ? https://community.home-assistant.io/t/circadian-lighting-custom-component/61246

Zigbee (og z-wave) er et mesh nettverk og rekkevidde er ikke noe problem. Jeg har f.eks en liten temperaturføler i fryseren som akkurat har nok sendestyrke til å nå ut til en lyspære i boden. Og så tar lyspæren jobben med å sende data videre til hub.

Det finnes vel ikke så mye zwave lys? Og Fibaro dimmer 2 kan vel ikke styre noe zigbee enheter i det hele tatt? Edit: Ok, skjønner nå hva du vil fram til så det jeg skrev over er lite relevant. Men du skriver at Fibaro dimmer 2 er nesten enerådene. Med Philips, Osram og IKEA inne på zigbee så er nå inntrykket mitt at det er zigbee som dominerer på lysstyring.

Fordel med zigbee lys OG zigbee brytere er at du kan (hvis du vil) knytte brytere og lys sammen slik at bryter styrer lys direkte uten å være avhengig av en sentral enhet. Den sentrale enheten får også bryterhendelsene så det er fortsatt fullt mulig å lage rutiner som kjøres. For meg er det "et must" at jeg via zigbee brytere kan slå på/av lys selv om Home Assistant boksen er nede og ute av drift.

Produkter med begrenset levetid er jo drømmen til produsentene. Er vel derfor det knapt finnes en telefon å få kjøpt med byttbart batteri

Du kan lage hull. Men du må tette hullet med en kabelmuffe / kitt / gummipropp. Og de som kontrollerer elektriske anlegg kan være pirkete på slikt. En vil ikke at gnister eller plast som brenner i sikringsskapet, lett skal finne en vei ut derifra.

Ta en omstart. De første minuttene etter en omstart får du mulighet til å nullstille passordet

Om det er noen her som har erfaring med å sette innetemperatur som funksjon av sesong (sommer/vinter) eller utetemperatur? Eller vet om lesestoff om emnet?

Det er egentlig ganske enkel matematikk bak dette. Hver kolonne (B til G) er like og hvis en vil ha flere "innganger" så er det bare å legge til videre etter G. Prior på B må legges inn manuelt og er samme som prior konfigurasjonen på bayesian sensor. Prior på C hentes fra probability på B, altså foregående. Så det en endrer er B7 og rad 8. Utgang er G12 hvis en bruker alle 6 kolonnene. Bayesian.xlsx

Er en feil, ja. Det skal være 35% (Har ikke funnet en god måte å skalere sensorer på i forbindelse med visning i brukergrensesnittet)

Siste 24 timer ser slik ut

Jeg følger jo med ? Det dreier seg om å sette riktige sannsynligheter på inngangene. Slik at en inngang ikke bidrar for lite til å ha noen virkning eller bidrar for mye og overstyrer andre innganger. Sånn sett er simulering med regnearket et must. Nå treffer det 100% prosent hos meg, men av og til stusser jeg på hvorfor varmen står på når den kanskje skulle vært av fordi jeg har glemt at strømpris er en faktor.

Har brukt det en god stund (siden i fjor sommer) og synes det fungerer bra

I mitt system bruker jeg innganger til styringen som f.eks. dette - entity_id: binary_sensor.preheat_day prob_given_true: 0.66 platform: 'state' to_state: 'on' preheat_day er en sensor som fører til at varmen slås på automatisk før vi er hjemme. Den er kun tidsstyrt og jeg tar den (og de andre) med her for eksempelets skyld binary_sensor: - platform: template sensors: worktime: entity_id: sensor.time_online value_template: >- {{ now().hour*3600+now().minute*60 + 2400 >= (state_attr("input_datetime.worktime_start", "timestamp") | int) and now().hour*3600+now().minute*60 - 1200 < (state_attr("input_datetime.worktime_end", "timestamp") | int) and states("binary_sensor.workday_sensor") == "on"}} soonsleeptime: entity_id: sensor.time_online value_template: >- {{ (now().hour*3600+now().minute*60 + 60*(states("input_number.heatingtime") | int) >= (state_attr("input_datetime.normal_bedtime", "timestamp") | int) or now().hour < 4) and now().strftime("%w") != "5" and now().strftime("%w") != "6" and states("input_boolean.sleeptime") == "off" }} preheat_day: entity_id: sensor.time_online value_template: >- {{ now().hour*3600+now().minute*60 + 60*(states("input_number.heatingtime") | int) >= (state_attr("input_datetime.worktime_end", "timestamp") | int) and now().hour*3600+now().minute*60 - 3600 < (state_attr("input_datetime.worktime_end", "timestamp") | int) and states("binary_sensor.workday_sensor") == "on" }} preheat_night: entity_id: sensor.time_online value_template: >- {{ (now().hour*3600+now().minute*60 + 120*(states("input_number.heatingtime") | int) >= (state_attr("input_datetime.wakeuptime", "timestamp") | int) and now().hour*3600+now().minute*60 - 600 < (state_attr("input_datetime.wakeuptime", "timestamp") | int) and states("binary_sensor.workday_sensor") == "on") or (now().hour >= 6 and now().hour < 9 and states("binary_sensor.workday_sensor") == "off") }} heatlimit_morning: entity_id: sensor.time_online value_template: >- {{ now().hour*3600+now().minute*60 + 900 >= (state_attr("input_datetime.wakeuptime", "timestamp") | int) and now().hour*3600+now().minute*60 < (state_attr("input_datetime.worktime_start", "timestamp") | int) and states("binary_sensor.workday_sensor") == "on" }} extended_preheat: entity_id: sensor.time_online value_template: >- {{ (now().hour*3600+now().minute*60 + 120*(states("input_number.heatingtime") | int) >= (state_attr("input_datetime.worktime_end", "timestamp") | int) and now().hour*3600+now().minute*60 + 60*(states("input_number.heatingtime") | int) < (state_attr("input_datetime.worktime_end", "timestamp") | int) and states("binary_sensor.workday_sensor") == "on") or (now().hour*3600+now().minute*60 + 180*(states("input_number.heatingtime") | int) >= (state_attr("input_datetime.wakeuptime", "timestamp") | int) and now().hour*3600+now().minute*60 + 120*(states("input_number.heatingtime") | int) < (state_attr("input_datetime.wakeuptime", "timestamp") | int) and states("binary_sensor.workday_sensor") == "on") or (now().hour >= 5 and now().hour < 6 and states("binary_sensor.workday_sensor") == "off") }} Og da har jeg synliggjort en svakhet med Home Assistant. Beregning av tidspunkter og i det hele tatt, styring basert på tidspunkt, blir fort komplisert og uoversiktlig. Men jeg har i det minste klart å separere de forskjellige delene godt. Jeg trenger ikke rote med en kompleks varmestyringslogikk for å endre på tidstyringen når jeg setter forskjellige sensorer av eller på og deretter bruker sensoren som inngang til den bayesiske sensoren

Det kommer senere i dag eller i morgen

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.