Gå til innhold
  • Bli medlem
Støtt hjemmeautomasjon.no!

Vinnerliste

  1. ZoRaC

    ZoRaC

    Crew


    • Poeng

      11

    • Innlegg

      5 744


  2. Moskus

    Moskus

    Administrator


    • Poeng

      4

    • Innlegg

      16 801


  3. Arne Johnny

    Arne Johnny

    Medlemmer


    • Poeng

      4

    • Innlegg

      278


  4. aleks

    aleks

    Medlemmer


    • Poeng

      2

    • Innlegg

      759


Populært innhold

Viser innholdet med mest poeng fra 30. jan. 2019 i alle områder

  1. Det er lansert en ny tjeneste (beta) som viser luftkvalitet, men som også melder forventet luftkvalitet fremover i tid: https://luftkvalitet.miljostatus.no/ Tjenesten har også et API: https://api.met.no/weatherapi/airqualityforecast/0.1/documentation
    3 poeng
  2. Norges Energi kom på døra mi i går. Han innledet med hvor høye strømprisene har blitt med de nye målerne (så han avslørte med en gang at han ikke hadde peiling...). Mens han tok frem nettbrettet sitt for å vise det gode tilbudet sitt, så sa jeg at jeg hadde Tibber. Da lukket han nettbrettet sitt igjen og sa at «Å ja, da har jeg ikke noe å stille opp med». ?
    2 poeng
  3. Bruker den til å varsle om at jeg må huske å legge ovnen via sonos på dagtid og pushover på kvelden, samt at jeg setter varmepumpe til viftemodus for å spre varmen fra vedovnen. Så er veldig kjekt Sent from my iPhone using Tapatalk
    2 poeng
  4. Sent from my iPhone using Tapatalk
    1 poeng
  5. Avfukter ja. Kjøpte hos Elkjøp. https://www.elkjop.no/product/hjem-og-husholdning/vifter-og-aircondition/MRD10/wood-s-avfukter-mrd10
    1 poeng
  6. Ikke helt den samme tilnærmingen, men Plugins -> Z-wave -> Node Information gir mye nyttig informasjon om nodene dine.
    1 poeng
  7. Halv pris i mai og november normalt, hvis det ikke haster.
    1 poeng
  8. .. kjøp en NodeMCU også. De er billigere og sannsynligvis mer robuste. En Raspberry Pi har et SD-kort med et operativsystem kjørende. Det kan knele, f.eks. ved at minnekortet tar kvelden eller at skriving til minnekortet blir avbrutt og data blir korrupt. En Arduino eller NodeMCU er mer "sikker" med tanke på ting som uforutsette strømbrudd, etc.
    1 poeng
  9. Nei, det ser ut som om deConz utviklerene gir fra seg specs. Det er bare et serielt interface tilsvarende som Zwave sticks. Fra openhab forumet:
    1 poeng
  10. Avslutt HomeSeer og se i oppgavebehandling at både HomeSeer.exe og HSPI_* ikke kjører før du restarter. Har du automatisk Windows Updates og reboot? Det kan skape problemer. Jeg ville brukt en annen PC til å administrere HomeSeer. Serveren ville jeg latt være bare en server.
    1 poeng
  11. Kom over en del EN-62056 standarder. NEK referer til 62056-1-0:2015. Den er der. 62056-7-5:2016 som de også referer til er ikke der, men det er en del andre som kanskje sier noe fornuftig. Jeg legger det på volafile som sletter automatisk etter 48 timer. Tror ikke det er så smart å ha dem liggende permanent på forumet. https://volafile.org/r/tt6b75tm
    1 poeng
  12. Liker godt Sg sine spottar. Godt lys, god spredning og god fargegjengivelse (ra-indeks). Dimmer veldig lavt med rett dimmar. Har Sg soft dim 2 warm hos meg og er veldig fornøgd. Det som er verdt å nevne er at Fibaro dimmer2 ikkje klarar og dimma 4 av desse lavt nok. Har 4 soner med dali spottar av samme type, og desse dimmar mykje lavare. Så vidt det er lys når de står på lavaste dimming. Sent fra min SM-G930F via Tapatalk
    1 poeng
  13. Har en temp sensor over ovnen. Når den er over 26 grader så fyrer jeg:) Sent from my iPhone using Tapatalk
    1 poeng
  14. «etasje-rom» som plassering.
    1 poeng
  15. Til info, utvikleren har lagt ut noen oppdateringer på denne. I skrivende stund er versjonen på 0.1.48.0. Min fra August var versjon 0.1.0.0. Link til nedlasting/exe fil: https://ci.appveyor.com/project/dk307/HSPI-InfluxDBPersistence/build/artifacts?branch=master
    1 poeng
  16. Ca midt på siden ser du Conbee og Rasbee er nå del av den innebygget zigbee-støtten: https://www.home-assistant.io/components/zha/
    1 poeng
  17. Tiltak implementert! Ser ut til å funke (håndklær i tørketrommel og ikke-sentrifugert ullvask henger til tørk fra i går kveld):
    1 poeng
  18. Den fra HomeSeer selv er ikke verdt noe særlig. JowiHue er veien å gå for Zigbee med HomeSeer.
    1 poeng
  19. Zigbee-plugin bruker Osram sin hub til å kommunisere med devices - usikker på hvor stor støtte den har. JowiHue kan benytte flere huber inkl Hue hub og Deconz/Conbee, og dermed gi mye høyere frihet.
    1 poeng
  20. Da skal ikke jeg kverulere mer.
    1 poeng
  21. Jeg laget for to uker siden en liten(?) kode for å optimalisere strømforbruket med tanke på strømutgifter (ikke strømforbruk) for å ta hensyn til varierende pris gjennom døgnet (og siden jeg for et par uker siden fikk timesavlesning gjennom ny måler fra BKK og strømregning hos Tibber). Grunntanken er å forvarme huset når prisen er billig. For å kunne gjøre dette må man ha en modell av huset som beskriver strømforbruk som funksjon av husets tilstand (temperatur) og hvilken temperatur man ønsker. Jeg har i et halvt år samlet strømforbruk hvert 5. minutt og samtidig logget temperatur. Ved å se på midlere strømforbruk for hver time og sammenligne det med temperaturer og temperaturendring over hver time så kan man bygge en modell på dette (hvis jeg gjentar denne analysebiten kontinuerlig, så kan det kalles maskinlæring). Jeg bruker da sklearn i Python til å lage en (multi)lineær modell som predikerer strømforbruk utifra temperaturendring og differanse mellom ute og innetemperatur. Det er betydelig med støy i denne modellen, se plott av alle dataene mine her: Som en bilineær modell i Python, så implementerer jeg den slik, dette blir nesten analogt med de rette linjene i plottet over: def hourly_power_usage(tmpincrease, insideoutsidediff): """This function could do multlinear regression on the dataset or use finished regression coefficients. It answers what power (in KwH) is needed for the whole house to reach the delta temperature in one hour. """ # from sklearn import linear_model # model = lm.fit(X, y) # X = [inne_diff, inne_diff_ute], y=Smappee5minavg(hour)] coef = [2.150, 0.189] # beware W vs KW intercept = 0.5735 return coef[0] * tmpincrease + coef[1] * insideoutsidediff + intercept Her er det tallene 2.150 og 0.189 kW som man kan tolke: 2150 er ekstraeffekten som kreves for å øke temperaturen med en grad i løpet av en time, samt at man må legge på 189W for hver grad differanse det er på ute og inne, og blir et mål på hvor godt huset er isolert. Kaldere utetemperatur gir høyere pådrag på 189-koeffisienten. I tillegg passer det modellen å legge på 573 watt uansett hvordan temperaturforholdene er. Når denne modellen er på plass, så kan man ved å kjenne framtidas strømpris, framtidas temperaturbehov (ønsket termostatinnstilling) og framtidas utetemperatur (yr) estimere strømforbruk og tilhørende kostnad. I tillegg kan man få tilpasset start av oppvarming for å møte et framtid temperaturønske. Jeg har delt "optimaliseringen" i to deler. Først en kodesnutt som flytter oppvarming tidligere i tid i tilfelle estimert effektpådrag blir for stort. Hvis man skal hoppe fra 18 grader til 25 grader i ett jafs, så tilsier modellen et effektuttak på omtrent 14KW. Jeg har ikke nok variabel effekt (Multireg x 5 (snart 10) + varmepumpe) til å klare dette, så det betyr at jeg må starte en eller to timer tidligere. Koden er enkel brute-force som øker termostatverdien timen forut for høyt estimert effektuttak og gjør dette omigjen helt til effektuttaket går under en viss grenseverdi. Resultatet av det steget ligger i den blåe linja i plottene lenger nede, kalt 'Kwh-adjusted'. Neste steg er optimalisering - her gjør jeg det med hjemmelaget brute-force (jeg tror optimaliseringsteknikken kalles 'simulated annealing'). Jeg øker temperaturen med 0.5 grader på tilfeldige tidspunkt (untatt i nedkjøliingsperioder) og rekalkulerer kostnad. Hvis en viss temperaturøkning resulterer i redusert kostnad, bevares forslaget, ellers forkastes det. Dette gjøres iterativt, og endel ganger omigjen for å øke sannsynligheten for at man ender opp på et globalt minimum. Resultatet blir som man kan se i plottet under. Optimaliseringen gjentas hver time, og jeg har justert antall iterasjoner slik at det tar ca 1 minutt å kjøre. Her kan man se blå kurve som startpunkt, og rød kurve som ferdig produkt. I natt har altså huset tenkt å begynne med forsiktig oppvarming allerede klokka ett for å på billigst mulige måte klare holde 25 grader mellom 7 og 8 i morgen tidlig når prisen er 80 øre (25 grader er 'master-termostat', faktiske termostater har en viss delta i forhold til denne utifra rommets behov). Det regnes også ut hvor mye man sparer på optimaliseringen, akkurat i denne perioden er det hele 2.37 kr (det er mye i forhold til det jeg har sett de i ukene dette har vært i drift..). (i plottet ser man at jeg også skrur av varmtvannstank i døgnets tre-fire dyreste timer) Så, virker det? Vel, jeg har ikke kontroll på alt effektuttak ennå (venter på 5 stk multireg som skal monteres av elektriker), men jeg er ihvertfall i stand til å observere historisk strømforbruk og pris som ser slik ut: og gjetter på at akkurat her har jeg spart noen titalls øre
    1 poeng
  22. Kan være. Jeg kjører 5.14.0.177. Utvikleren ba meg prøve ny versjon av Mono når jeg la inn feilmeldingen din (testet ikke selv før jeg laget en issue på github... ) : https://github.com/dk307/HSPI_InfluxDBPersistence/issues/2 Utført. Splittet ut fra:
    1 poeng
  23. Får svare meg selv her: HSPI_InfluxDBPersistence fungerer helt supert! Lett å konfigurere, og man kan kjøre spørringer mot databasen. Man kan f.eks legge til gjentakende sql-spørringer mot databasen som oppdaterer en device. Kan brukes til å f.eks ha "Raid 1" på temperatursensorer, eller filtrere ut usannsynlige verdier.
    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.