Analyse des Stromverbrauchs
(zdimension.fr)- Da in Frankreich die Strompreise gestiegen sind und die Wahl eines zum eigenen Verbrauch passenden Tarifs wichtiger geworden ist, wurde eine Python-Web-App erstellt, die Daten des Linky-Smart-Meters mit öffentlichen Tarifdaten kombiniert
- Wenn die Datenübertragung im Vertrag aktiviert ist, sendet der Linky-Zähler Verbrauchsdaten in 30-Minuten-Intervallen an Enedis; über die Wrapper-API von MyElectricalData lassen sich die Rohdaten im JSON-Format automatisch erfassen
- Französische Stromtarife bestehen aus einer festen Grundgebühr und verbrauchsabhängigen Kosten; bei Modellen wie Base, Peak Hours und Tempo variiert der kWh-Preis je nach Tageszeit und Tageskategorie
- Die App lädt Daten unter anderem von MyElectricalData und data.gouv.fr, visualisiert sie als Heatmap und vergleicht anhand in SQLite gespeicherter Verbrauchswerte pro Zeitabschnitt die Kosten je Tarifmodell
- Auf Basis des persönlichen Verbrauchs sparte Tempo in den letzten zehn Monaten mehr als 300 Euro; selbst nur mit NiceGUI und SQLite ließ sich eine persönliche Analyse-App in dieser Größenordnung problemlos umsetzen
Linky-Zähler und Zugriff auf Verbrauchsdaten
- Der französische Stromnetzbetreiber Enedis ersetzt seit 2015 herkömmliche Stromzähler durch Linky-Smart-Meter
- Über die Taste an der Vorderseite des Zählers lassen sich Werte wie momentane Scheinleistung (VA) und kumulierter Energieverbrauch (kWh) anzeigen
- Über den Kommunikationsport an der Vorderseite können Echtzeitdaten ausgelesen werden, für die in dieser Analyse benötigte Datenerfassung war das jedoch nicht zwingend erforderlich
- Wenn die Datenübertragung im Vertrag aktiviert ist, wird der tägliche Stromverbrauch in 30-Minuten-Intervallen an Enedis gesendet und kann auch auf der Enedis-Website eingesehen werden
Erfassung der Rohdaten zum Verbrauch
- Die Enedis-Website bietet Diagramme und Filter, für eigene Analysen müssen die Rohdaten jedoch direkt heruntergeladen und verarbeitet werden
- Ein CSV-Export ist zwar möglich, aber sich jeden Tag einzuloggen und die Daten manuell herunterzuladen, eignet sich nicht für Automatisierung
- Es gibt zwar eine Enedis-API, aber für den Zugriff ist wie bei französischen öffentlichen APIs der Status als registrierter Fachnutzer erforderlich
- MyElectricalData wird als Wrapper-API genutzt, um Enedis-Daten abzurufen
- Die API liefert die Verbrauchsdaten eines Tages als JSON zurück; jeder Eintrag ist durch die Endzeit des 30-Minuten-Intervalls gekennzeichnet
- Beispiel:
"2024-02-01 00:30:00"steht für das Intervall vom 1. Februar 00:00 bis 00:30 Uhr - Ein Beispielwert
1258wird als etwas wie „Watt-Halbstunden“ interpretiert, also als Verbrauch von 629 Wh in diesen 30 Minuten - Für die Tarifberechnung werden Werte in Wh benötigt, daher wird der Wert vor der weiteren Verarbeitung halbiert
- Beispiel:
Daten zu französischen Strompreisen und Tarifstruktur
- Um die tatsächlichen Kosten zu berechnen, reicht der Stromverbrauch allein nicht aus; es werden zusätzlich Tarifdaten benötigt
- Die regulierten Tarife des öffentlichen Versorgers EDF werden von der Regierung festgelegt und sind im Allgemeinen stabiler als Markttarife privater Anbieter
- data.gouv.fr stellt französische öffentliche Datensätze bereit; auch Daten zu regulierten Stromtarifen können dort als CSV heruntergeladen werden
- Französische Stromtarife bestehen im Wesentlichen aus zwei Teilen
- Grundgebühr: ein fester monatlicher oder jährlicher Betrag
- Verbrauchskosten: variable Kosten abhängig von der in einem bestimmten Tarifzeitraum verbrauchten Strommenge
- Das Grundmodell variiert je nach Nutzungszeit und Bedingungen
- Base: derselbe Strompreis unabhängig von der Tageszeit
- Peak Hours: in der Regel sind die 16 Stunden von 06:00 bis 22:00 Uhr Peak und die 8 Stunden von 22:00 bis 06:00 Uhr Off-Peak; der Peak-Preis ist höher
- Das Stromnetz übermittelt ein Signal zum Beginn der Nebenzeit, und Geräte wie Warmwasserbereiter werden teils so eingestellt, dass sie um 22:00 Uhr anlaufen
- Bei guter Nutzung dieses Modells sind Einsparungen von mehreren hundert Euro pro Jahr möglich
Bedingungen und Preise des Tempo-Tarifs
- Tempo teilt den Tag nicht nur in Peak und Off-Peak, sondern verwendet zusätzlich die drei Tageskategorien Red, White und Blue
- Red-Tage sind sehr teuer, White-Tage günstiger als Base und Blue-Tage noch günstiger
- Die Farbe eines Tages wird meist einige Tage im Voraus bekanntgegeben, und die Anzahl der Tage pro Farbe ist fest vorgegeben
- Red-Tage sind auf 22 Tage pro Jahr begrenzt und werden nur im Winter vergeben
- Die Preise zum Stand vom 15. Februar 2024 waren wie folgt
- Base: 25.16¢/kWh
- Peak: Peak 27.00¢/kWh, Off-Peak 20.68¢/kWh
- Tempo Blue: Peak 16.09¢/kWh, Off-Peak 12.96¢/kWh
- Tempo White: Peak 18.94¢/kWh, Off-Peak 14.86¢/kWh
- Tempo Red: Peak 75.62¢/kWh, Off-Peak 15.68¢/kWh
- Tempo wirkt beim Durchschnittspreis attraktiv, spiegelt aber die Belastung des Stromnetzes im Winter durch erhöhten Heizbedarf wider
- In den meisten Teilen des französischen Festlands, wo die Winter kalt sind und elektrisch geheizt wird, kann Tempo der teuerste Tarif sein
- Wer mit Gas oder Holz heizt oder im Süden lebt, für den kann Tempo eine gute Wahl sein
Umsetzung der Python-Web-App
- Mit NiceGUI wurde eine kleine Python-Web-App erstellt
- Die App übernimmt vier Aufgaben
- Abruf der Enedis-Verbrauchsdaten über MyElectricalData
- Sammlung von Stromtarifdaten aus mehreren Quellen
- Darstellung der Daten als Heatmap
- Vergleich aller verfügbaren Tarife, um den günstigsten zu finden
- Die Verbrauchsdaten werden jede Nacht aktualisiert; die Daten des Tages N sind bei Enedis normalerweise in der Nacht von N+1 zwischen 01:00 und 02:00 Uhr verfügbar
Speicherstruktur in SQLite und Berechnung
- Da die API täglich JSON liefert, wäre es aufwendiger als ein CSV-Export, beim Start der App jedes Mal die gesamte Verbrauchshistorie erneut abzurufen
- Im ersten Prototyp wurde ein großes Dictionary mit
pickleserialisiert, wegen der zu speichernden Datenmenge erfolgte aber der Wechsel zu SQLite - Ein Tag besteht aus 48 Intervallen zu je 30 Minuten, ein Jahr also aus 17.520 Intervallen
- Da außerdem für jedes Intervall die Preise je Tarif berechnet werden müssen, passten Joins in einer relationalen Datenbank gut zu diesem Anwendungsfall
- Das Schema speichert Verbrauchsdaten und Intervallinformationen pro Tarif getrennt
consumption: Jahr, Monat, Tag, Intervallnummer von 0 bis 47 und Wertplan_slice: Tarif-ID, Vertragsleistung, Tempo-Tageskategorie, Beginn/Ende des Tarifzeitraums, Grundgebühr sowie Peak-/Off-Peak-kWh-Preise
- Das SQL zur Berechnung der Anzeigedaten wird abhängig von den UI-Eingaben und dem gewählten Tarif dynamisch erzeugt und läuft ausreichend schnell
Analyseergebnisse und Bewertung der Werkzeuge
- Für das persönliche Verbrauchsprofil war der Tempo-Tarif am günstigsten
- In den letzten zehn Monaten wurden mit dem Tempo-Tarif mehr als 300 Euro gespart
- Selbst im Januar, als an einigen Tagen elektrisch geheizt werden musste und es viele Red-Tage gab, waren Blue- und White-Tage über den Monat hinweg ausreichend, um insgesamt unter Base zu bleiben
- NiceGUI war praktisch für die Erstellung einer Python-Web-App und kann dank eines nativen Modus auch als plattformübergreifendes Desktop-App-Framework ähnlich wie Electron genutzt werden
- Die eingebauten Komponenten waren gut, und bei Bedarf konnten native Quasar-Funktionen verwendet werden
- Auch SQLite ließ sich für diesen einfachen Anwendungsfall gut handhaben
- Der Code ist auf GitHub veröffentlicht
- Für französische Leser gibt es außerdem das separate Open-Source-Tool comparateur-abonnements-electricite
- Der Code liegt unter EDF_Simulateur_Prix
- Es vergleicht auf Basis von CSV-Exporten verschiedene französische Strom-Abonnementtarife und berechnet, wie viel insgesamt unter jedem Tarif gezahlt worden wäre
- Es unterstützt mehr Tarife als das Tool des Autors, während dessen Tool stärker auf die Analyse des alltäglichen Verbrauchs fokussiert ist
1 Kommentare
Kommentare auf Hacker News
Auch in Ontario, Kanada, wurden Smart Meter in großem Maßstab eingeführt, aber die Leute haben ihre Nutzung nicht wesentlich aus den Spitzenzeiten verlagert, und ob die Kosten gerechtfertigt waren, blieb ebenfalls fraglich.
Bei Haushalten mit geringem Verbrauch sind die Implementierungskosten ähnlich hoch, und die durch Verhaltensänderungen erzielbaren Erträge nehmen immer weiter ab.
https://www.auditor.on.ca/en/content/annualreports/arreports...
Auch Submetering für kleinere Wohneinheiten wie Eigentumswohnungen oder Apartments wurde vorangetrieben, obwohl Mieter oder Bewohner kaum Einfluss auf Anlagen und Verbrauch haben.
Im Gegenteil: Wenn Eigentümer oder Bauträger die Stromrechnung nicht selbst zahlen, haben sie einen stärkeren Anreiz, weniger effiziente Anlagen einzubauen.
In der Praxis waren Taktiken wie sehr günstige LEDs, Förderungen für Renovierungen und effizientere Haushaltsgeräte wirksamer; Fernseher und Computer verbrauchen nur noch einen Bruchteil von früher, und Netzteile sind inzwischen fast durchweg Schaltnetzteile.
Einen „smarten Kühlschrank“, der bei niedrigen Preisen extrem stark herunterkühlt und bei hohen Preisen zurückfährt, habe ich noch nicht gefunden; auch wenn es widersprüchlich klingt, mehr Strom zu verbrauchen, um zu sparen, stimmt die Aussage.
Ich würde mir wünschen, dass auch Druck auf Telekommunikationsanbieter ausgeübt wird, damit sie auf die Effizienz der Endkundengeräte achten, deren Nutzung sie erzwingen.
In Großbritannien gibt es solche Tarife bereits, und die Preisunterschiede sind ziemlich deutlich: https://agileprices.co.uk/
Jetzt, da die Großhandelspreise wegen erneuerbarer Energien stark schwanken, wirken Einheitstarife oder einfache Tag-/Nachttarife sehr veraltet.
Es läuft darauf hinaus, dass Strom über längere Zeit kostenlos oder negativ bepreist ist und zu anderen Zeiten deutlich teurer wird.
Allerdings bin ich mir nicht sicher, was Verbraucher außer dem Kauf einer Batterie tun können.
Es werden nicht viele Leute ihr Abendessen um drei Stunden vorziehen oder nach hinten schieben und mitten in der Nacht Wäsche waschen, nur um ein paar Dollar zu sparen.
Heizen und Kühlen verbrauchen viel Strom, daher könnte es sich lohnen, sie zu bestimmten Zeiten zu reduzieren.
Der lukrative Bereich sind günstige industrielle Prozesse, die viel Strom verbrauchen und sich ein- und ausschalten lassen, zum Beispiel indem sie nur 25 % der Zeit laufen.
Das ist schwierig, weil die Kapital- und Betriebskosten für stillstehende Anlagen und Personal hoch sind, aber die möglichen Energieeinsparungen sind so groß, dass letztlich etwas entstehen wird; Wasserstoff-Elektrolyse könnte ein Kandidat sein.
Der Ice Bear von Ice Energy ist dafür ausgelegt, nachts Eis zu erzeugen und tagsüber mit diesem Eis das Kältemittel zu kühlen, damit der energieintensive Kondensator in Spitzenzeiten weniger laufen muss.
Stanford betreibt ebenfalls einen 4-Millionen-Gallonen-Wassertank unter einem Parkplatz und 360 Meilen Rohrleitungen; nachts wird mit Ammoniak als Kältemittel Eis erzeugt, das von Mittag bis 18 Uhr zur Kühlung des Campus genutzt wird.
1999 wurde das System für 22 Millionen Dollar in seine heutige Form umgebaut, und es soll jährlich etwa 500.000 Dollar an Stromkosten sparen.
Der Hauptzweck lag meines Erachtens eher darin, Besuche zur Zählerablesung zu reduzieren, als in einer Nachfrageflexibilität der Verbraucher.
Anpassung braucht Zeit, und es braucht auch extreme Preisschwankungen, die genügend Anreiz bieten.
Außerdem waren Tools nötig, die die Nachfrageflexibilität anhand von Marktpreisen automatisieren; inzwischen lassen sich Wärmepumpen und Ladegeräte für Elektroautos so einstellen, dass sie in den günstigsten Stunden laufen.
Technology Connections hat ebenfalls gesagt, dass sie ihre Klimaanlage so nutzen: Sie lassen sie die ganze Nacht stark laufen, um das Haus stärker abzukühlen, damit es tagsüber mit weniger Aufwand durchhält.
Die Stromverteiler in Ontario zeigen Zeiten und Preise sehr klar an; Spitzenzeiten liegen bei etwa 0,18 CAD/kWh, Nebenzeiten bei 0,11 CAD/kWh, also über 50 % Unterschied.
Das Problem ist, dass Strom in Ontario, Québec, Manitoba und British Columbia im Verhältnis zum Lebensstandard günstig ist, sodass der Anreiz, ihn effizienter zu nutzen, schwach ist.
Die Einsparungen sind nicht groß genug, um den Aufwand zu rechtfertigen.
Smart Meter wurden auch installiert, um die Ablesung zu beschleunigen und Daten darüber zu sammeln, wann Menschen genau Strom verbrauchen.
Das Verteilnetz ist passiv, sodass Netzbetreiber kaum sehen können, was an verschiedenen Orten und zu verschiedenen Zeiten passiert.
Smart Meter sind eine Basistechnologie, die andere Pläne und Projekte ermöglicht.
Hydro-Québec ermöglicht es, den Stromverbrauch in Echtzeit zu sehen, aber obwohl mein Zähler von 2011 das ebenfalls könnte, gibt der Verteiler den Entschlüsselungsschlüssel nicht heraus.
Auch wenn sie die Stromnutzungsgewohnheiten nicht stark verändern, sind sie weit entfernt von einem Verlustgeschäft, und die Investition lohnt sich durchaus.
Vor ein paar Jahren habe ich ein Projekt mit dem französischen Linky gemacht: Ein ESP8266 las den seriellen Datenstrom am unten freiliegenden Port aus, schrieb ihn in eine InfluxDB-Zeitreihendatenbank auf einem lokalen Server, und die Kennzahlen wurden in einem Grafana-Dashboard angezeigt.
Der serielle Port war nicht standardkonform, daher musste ich Einstellungen wie 7 Bit, keine Parität und 1 Stoppbit nachverfolgen; außerdem brauchte es etwas Level-Shifting-Schaltung für den ESP8266.
Am Ende erhielt ich etwa einmal pro Sekunde Daten zum Stromverbrauch, und aus den Daten wurden sehr detaillierte Analysen möglich.
Ich erzähle diese Geschichte oft, wenn ich Seitenkanalangriffe auf Systeme erkläre, die solche Daten nutzen.
Nach einiger Beobachtungszeit konnte man anhand von Lastsprüngen und den quantisierten Änderungen beim Ein- und Ausschalten einzelner Geräte erkennen, auf welcher Etage sich jemand im Haus aufhielt.
Zum Beispiel verbraucht der Wasserkocher in der Küche immer 1220±5 W, und nichts anderes im Haus erzeugt einen Sprung in dieser Größenordnung.
Die Schlafzimmerbeleuchtung im obersten Stock verbraucht exakt 42 W, und die Waschmaschine startet mit einem sehr spezifischen Anstiegsmuster, bevor sie im 30-Sekunden-Takt zwischen zwei Leistungsniveaus hin- und herwechselt.
Selbst mit nur einer einzigen Zahl für die Gesamtleistung des ganzen Hauses lässt sich bei ausreichend hoher zeitlicher Auflösung erstaunlich viel über Bewegungen und Verhalten einer Person herausfinden.
In Finnland und vermutlich auch in anderen nordischen Ländern kommen inzwischen Zähler mit P1-Port auf den Markt, über den Nutzer die Daten direkt abrufen können
Mit einem RJ26-Kabel, einem ESP8622 und ein wenig esphome-Konfiguration bekomme ich alle 4 Sekunden allerlei Daten vom Zähler
Man sieht Gesamtverbrauch, aktuellen Verbrauch, Strom und Spannung je Phase usw.
Ich habe einen Raspberry Pi Zero WH mit Ethernet-HAT und einem USB-Infrarot-Lesekabel an den Smart Meter angeschlossen; der Pi liest alle Werte aus und sendet sie per MQTT an InfluxDB 2.0
InfluxDB läuft virtualisiert auf Proxmox
Gleichzeitig protokolliert auch der Solarwechselrichter über Open Source namens „Solaranzeige“ per Modbus TCP in dieselbe InfluxDB, und visualisiert wird alles mit Grafana
Ein guter Stack, der seit über 7 Jahren problemlos läuft und hilft, den Stromverbrauch besser zu verstehen
Bei neueren Versionen versorgt der Port sogar den ESP mit Strom, was sehr praktisch ist, weil man sich keine Gedanken machen muss, wie man Strom dorthin bekommt, wenn der Zähler draußen sitzt
Sie sind bidirektional und damit auch darauf vorbereitet, Solarstrom ins Netz einzuspeisen
Da das Gebiet weit von den Ballungsräumen entfernt ist, könnte es sich um einen landesweiten Austausch handeln
Auch ein alter Stromzähler sendet jede Minute den Stromverbrauch an Google Sheets
Ich habe einen ESP32 und einen sehr einfachen Lichtsensor verwendet und den Sensor mit Blu Tack auf die 1000th/kW-LED geklebt
Diese LED blinkt 1000 Mal pro verbrauchter Stromeinheit, und die Informationen werden per Wi-Fi an Google Sheets gesendet
Auch Stundensummen werden unbegrenzt protokolliert; das läuft weiter, bis Google Sheets sich beschwert
Ich wollte schon länger Daten aus einem alten Zähler auslesen und würde gern mehr darüber erfahren
Im Vereinigten Königreich haben viele Kunden Smart Energy Meter, und Octopus ist ein Energieanbieter, der das für Datenfans und Sparwillige sehr gut nutzt
Die Daten kann man per API abrufen, mit täglichem Verbrauch in 30-Minuten-Blöcken[0], oder direkt im Energienutzungsbereich der Website als CSV-Datei herunterladen
Die API-Daten werden nur einmal pro Tag aktualisiert, aber mit einem kleinen kostenlosen Zusatzgerät von Octopus[1] bekommt man Zugriff auf den Live-Verbrauch. Vermutlich wird er alle 10 Sekunden aktualisiert
All diese Daten sammle ich in Echtzeit über die Home-Assistant-Integration
Es gibt außerdem mehrere Tarife mit dynamischen Preisen, um die Smart Meter zu nutzen
Der einfachste, Tracker[2], ändert den Einheitspreis täglich abhängig vom Großhandelspreis
Agile[3] ist dasselbe Konzept, aber der Preis ändert sich alle 30 Minuten; die Spitzen sind höher und die Tiefpunkte niedriger, was gut ist, wenn man Verbrauch aus den Peak-Zeiten heraus verschieben kann
Es gibt auch „intelligente“ Tarife: Wenn man Octopus erlaubt, das Autoladegerät[4] oder die Hausbatterie[5] zu steuern, lädt es zu den günstigsten Zeiten
Octopus macht das im Vereinigten Königreich wirklich gut und verkauft unter dem Namen Kraken[6] auch Backend-Services an andere Energieunternehmen, die bisher in der Steinzeit feststeckten
[0] https://developer.octopus.energy/docs/api/
[1] https://octopus.energy/blog/octopus-home-mini/
[2] https://octopus.energy/smart/tracker/
[3] https://octopus.energy/smart/agile/
[4] https://octopus.energy/smart/intelligent-octopus-go/
[5] https://octopus.energy/smart/intelligent-octopus-flux/
[6] https://kraken.tech
Sie fahren eine ziemlich erstaunliche Werbekampagne, in der man nur ein pinkes Maskottchen sieht und kaum erkennt, was sie eigentlich verkaufen
Alternative Anbieter zu EDF haben in Frankreich einen sehr schlechten Ruf
Die Verträge sind unklar, und die Preise können stark schwanken, wie nach dem Krieg in der Ukraine
Einige setzen auch skrupellose Verkäufer ein, die ältere Menschen dazu bringen, den Vertrag zu wechseln; Total Energy kommt einem da in den Sinn
Die meisten kaufen MWh von EDF und verkaufen sie weiter und spekulieren auf künftige Produktionsverträge, investieren aber keinen einzigen Euro in Erzeugungsanlagen
Es wäre gut, wenn es eine Möglichkeit gäbe, den elektrischen Warmwasserbereiter von etwa 22 Uhr bis 7 Uhr morgens auszuschalten.
Es scheint keinen Grund zu geben, das Wasser in einer Zeit, in der es niemand braucht, durchgehend heiß zu halten, und ich weiß auch, dass erneutes Aufheizen weniger Energie kostet als das Halten der Temperatur.
Die Temperatur habe ich bereits so weit wie möglich heruntergeregelt.
Sie besteht aus einem programmierbaren Timer-Lichtschalter https://leviton.com/products/vpt24-1pz und einem 120-V-Steuerschütz.
Das genaue Modell kenne ich nicht, aber vermutlich ist es https://ca.rs-online.com/product/eaton-cutler-hammer/c25bnb2....
In der Box befinden sich ein 240-V-Stromkreis und ein 120-V-Stromkreis; der 120-V-Stromkreis ist mit dem programmierbaren Timer-Lichtschalter verbunden und führt dann zum Steuereingang des Schützes.
Die 240-V-Leitung geht in das Schütz hinein und verlässt die Box auf der anderen Seite wieder in Richtung Warmwasserbereiter.
In meinem Fall ist der Warmwasserbereiter so eingestellt, dass er werktags von 16 bis 23 Uhr ausgeschaltet ist, um Spitzenlasttarife zu vermeiden. Normalerweise dusche ich irgendwann in diesem Zeitraum.
Bei Bedarf kann ich die Box öffnen und den Timer-Schalter drücken, um das Programm vorübergehend zu übersteuern.
Allerdings habe ich keine Messwerte, die zeigen würden, ob sich das finanziell lohnt.
Trotzdem ist in der stündlichen Stromnutzung sehr deutlich zu sehen, wann sich der Warmwassertank um 23 Uhr einschaltet.
Wenn es bei 240 V mehr als 40 A sind, kann man einen astronomischen 120-V-Zeitschalter kaufen und dessen Ausgang als Eingang für die 120-V-Steuerspule eines auf die Leistung des Warmwasserbereiters ausgelegten Schützes verwenden.
Im Allgemeinen ist es besser, das Wasser heiß genug zu halten, um Bakterien abzutöten und ihr Wachstum zu verhindern.
Das ist allerdings nur nützlich, wenn man allein lebt.
Wenn die Freundin mit im Haus wohnt, ist das Herumspielen an der Warmwasserversorgung absolut tabu.
Ich nutze eine ziemlich gute Grafana-basierte UI, die die Stromverbrauchsdaten der Tesla Powerwall anzeigt: https://github.com/jasonacox/Powerwall-Dashboard
Raumtemperatur und Klimaanlagenbetrieb sehe ich ebenfalls mit an: https://github.com/cdzombak/ecobee_influx_connector
Als Nächstes plane ich, auch die Ladedaten des Autos über ChargePoint Home hinzuzufügen.
Für solche Projekte halte ich die Kombination aus Grafana+Influx für passend.
Vor ein paar Jahren habe ich einen Sense-Stromzähler installiert und bin sehr zufrieden damit.
Es hat eine Weile gedauert, ihn einzurichten, sich daran zu gewöhnen und mehrere Geräte erkennen zu lassen, aber inzwischen kann ich meine kommende Stromrechnung ziemlich zuverlässig vorhersagen und bei Bedarf gegensteuern.
Am hilfreichsten ist, dass er die größten Stromverbraucher anzeigt; indem ich das aufmerksam verfolgt habe, konnte ich meine Rechnung um mindestens ein Drittel senken.
Die Angst und Kontroverse rund um vernetzte Zähler drehte sich weniger um „Überwachung“ durch Großunternehmen, sondern eher um die Möglichkeit, Kunden den Strom aus der Ferne abzuschalten oder zu begrenzen, sowie um die Sorge, dass Dritte die Lebensgewohnheiten einer Familie erkennen und etwa für Einbrüche missbrauchen könnten.
Das Ablesen des Zählers, ohne die Wohnung zu betreten, war mit „Telereport“ bereits ein gelöstes Problem.
Dabei handelte es sich um einen kleinen, dedizierten kabelgebundenen Bus, der bis zu einem Gemeinschaftsbereich wie dem Hauseingang eines Mehrfamilienhauses oder einem Kasten nahe dem Zugang eines Einfamilienhauses führte und lokales Ablesen ermöglichte.
Auch mit diesem Verfahren war eine entfernte Datenübertragung möglich, ohne Zusatzfunktionen wie Begrenzung oder Abschaltung.
Aus ähnlichen Gründen gibt es auch Kontroversen um die IVRE-Norm, also beim heimischen Laden von Batterie-Elektrofahrzeugen.
Die Norm verlangt eine Art Fernsteuerung, mit der die Last bei Bedarf des Stromnetzes getrennt werden kann, berücksichtigt dabei aber nicht, dass auch nicht wenige Menschen mit selbst verbrauchter heimischer Solarenergie mit abgeschaltet werden könnten.
Statt die vom Netz aufzunehmende Last zu analysieren, lautet es sinngemäß: „Wenn das Netz belastet ist, führe das aus.“
Auch die Einschätzung, dass die Enedis-Website gut sei, ist umstritten.
Ich will die Arbeit des Autors nicht schlechtreden, aber meiner Meinung nach ist Monitoring nur dann nützlich, wenn man auch handeln kann.
Solarstrom und steuerbare Haushaltsgeräte wären gut, aber tatsächlich gibt es kaum Geräte, die dafür ausgelegt sind, dann zu laufen, wenn Solarstrom verfügbar ist; das gilt auch für 99 % der Produkte, die das von sich behaupten.
Als Erstes fällt einem der Warmwasserbereiter im Haushalt ein, den man etwa mit HA/Shelly steuern kann, um Last zu verschieben. Manchmal läuft es nur darauf hinaus, den Strom abrupt abzuschalten und ihn wieder zuzuschalten, wenn genug Solarstrom vorhanden ist.
Danach kommen Geschirrspüler und Waschmaschine: Man belädt sie im Voraus und lässt sie „bis zu einem festgelegten Datum/Uhrzeit, möglichst mit Solarstrom“ laufen.
Solche Automatisierung wäre technisch sehr einfach und günstig, wenn sie in das Gerätedesign eingebaut würde, aber bislang scheint das fast niemand zu tun.
Stattdessen werden verpflichtendes Monitoring und öffentliche Monitoring-Lösungen immer stärker vorangetrieben.
Ich persönlich habe Solarstrom und versuche, die Last möglichst zu verschieben, aber es ist wirklich schwierig und bleibt meist auf dem Niveau von Smart Switches, die mit HA verbunden sind.
Man kann Geschirrspüler oder Waschmaschinen hacken. Es sind einfache Geräte: Man schaut sich die Steuerung an und bildet sie über die GPIOs eines Geräts wie eines Raspberry Pi Zero nach. Aber da die Steuerung von Gerät zu Gerät anders ist, ist das ein langer und unbequemer Prozess, den man bei jedem Gerätewechsel wiederholen muss.
Es gibt keinen Standard.
Ich hatte einmal ein Projekt, bei dem ich mit einem Nest-Thermostat die Raumtemperatur und die Klimaanlagen-Einstellungen und mit Wetterdaten die Außentemperatur verfolgt habe.
Dabei habe ich festgestellt, dass abends die Klimaanlage oft weiterlief, obwohl die Außentemperatur bereits unter die Zieltemperatur gefallen war.
Dadurch wurde mir klar, dass es besser war, die Fenster zu öffnen; eine Möglichkeit, die Veränderung des Stromverbrauchs zu verfolgen, hatte ich zwar nicht, aber ich war zufrieden, weil so viel mehr frische Luft hereinkam.
Als Google Nest übernahm und die API-Authentifizierung änderte, funktionierte es nicht mehr, und wegen eines Neugeborenen hatte ich keine Zeit, die neue API zu unterstützen.
Vielleicht belebe ich es diesen Sommer wieder.
Außerdem kann sich warme Luft in Ecken stauen; es hilft also, die Richtung des Ventilators umzukehren oder ihn auf die Ecke auszurichten.