在deCONZ中集成Gledopto GL-DR-001Z智能断路器
Gledopto GL-DR-001Z是一款基于Zigbee协议的DIN导轨式智能断路器,型号标识为TS011F,制造商代码为_TZ3000_zwtj16m9。这款设备不仅具备基本的开关控制功能,还集成了电能计量功能,非常适合智能家居中的电力监控应用。
设备功能特性
该智能断路器主要提供以下功能:
- 基本的开关控制功能(On/Off Cluster)
- 简单计量功能(Simple Metering Cluster)
- 电力测量功能(Electrical Measurement Cluster)
技术细节分析
从设备节点信息可以看出,该断路器支持多个重要的Zigbee集群:
基本集群
设备支持ZBasic、ZPowerConfiguration等基础集群,确保设备能够正常加入Zigbee网络并维持连接。
开关控制集群
On/Off集群提供了标准的开关控制功能,可以通过Zigbee命令远程控制断路器的通断状态。
电能计量功能
Simple Metering集群提供了电能计量数据,包括:
- 当前功率(Active Power)
- 累计用电量(Current Summation Delivered)
- 电压(RMS Voltage)
- 电流(RMS Current)
特别值得注意的是,设备报告的电流值以毫安(mA)为单位,功率值以瓦特(W)为单位。例如,当设备显示6600mA时,表示实际电流为6.6安培;显示1500则表示当前功率为1500瓦。
集成挑战与解决方案
在初始集成时,用户可能会遇到以下问题:
-
电能数据不可见:虽然设备支持电能计量功能,但这些数据可能不会自动显示在REST API中。需要通过DFF编辑器手动配置才能获取这些数据。
-
单位转换问题:设备报告的电能数据可能使用了特定的乘数或单位系统。例如,"kW & kWh Binary"的单位表示方式需要特别注意,可能需要额外的转换才能得到标准的千瓦时(kWh)数值。
-
子设备识别:电能计量功能可能需要作为子设备来访问,而不是直接通过主设备接口获取。
实际应用建议
对于希望集成这款智能断路器的用户,建议:
-
确保使用最新版本的deCONZ软件,以获得最佳的设备兼容性。
-
通过DFF编辑器手动配置电能计量功能,确保所有可用数据都能被正确读取。
-
注意数据的单位和转换关系,特别是累计用电量的计算方式。
-
对于HomeKit用户,可以通过homebridge-deconz插件将设备接入苹果生态系统。
这款智能断路器为家庭电力监控提供了经济高效的解决方案,特别适合需要远程控制和电能监控的应用场景。通过适当的配置,用户可以充分利用其全部功能,实现智能化的电力管理。
ERNIE-4.5-VL-28B-A3B-ThinkingERNIE-4.5-VL-28B-A3B-Thinking 是 ERNIE-4.5-VL-28B-A3B 架构的重大升级,通过中期大规模视觉-语言推理数据训练,显著提升了模型的表征能力和模态对齐,实现了多模态推理能力的突破性飞跃Python00
Kimi-K2-ThinkingKimi K2 Thinking 是最新、性能最强的开源思维模型。从 Kimi K2 开始,我们将其打造为能够逐步推理并动态调用工具的思维智能体。通过显著提升多步推理深度,并在 200–300 次连续调用中保持稳定的工具使用能力,它在 Humanity's Last Exam (HLE)、BrowseComp 等基准测试中树立了新的技术标杆。同时,K2 Thinking 是原生 INT4 量化模型,具备 256k 上下文窗口,实现了推理延迟和 GPU 内存占用的无损降低。Python00
MiniMax-M2MiniMax-M2是MiniMaxAI开源的高效MoE模型,2300亿总参数中仅激活100亿,却在编码和智能体任务上表现卓越。它支持多文件编辑、终端操作和复杂工具链调用Python00
HunyuanVideo-1.5HunyuanVideo-1.5作为一款轻量级视频生成模型,仅需83亿参数即可提供顶级画质,大幅降低使用门槛。该模型在消费级显卡上运行流畅,让每位开发者和创作者都能轻松使用。本代码库提供生成创意视频所需的实现方案与工具集。00
MiniCPM-V-4_5MiniCPM-V 4.5 是 MiniCPM-V 系列中最新且功能最强的模型。该模型基于 Qwen3-8B 和 SigLIP2-400M 构建,总参数量为 80 亿。与之前的 MiniCPM-V 和 MiniCPM-o 模型相比,它在性能上有显著提升,并引入了新的实用功能Python00
GOT-OCR-2.0-hf阶跃星辰StepFun推出的GOT-OCR-2.0-hf是一款强大的多语言OCR开源模型,支持从普通文档到复杂场景的文字识别。它能精准处理表格、图表、数学公式、几何图形甚至乐谱等特殊内容,输出结果可通过第三方工具渲染成多种格式。模型支持1024×1024高分辨率输入,具备多页批量处理、动态分块识别和交互式区域选择等创新功能,用户可通过坐标或颜色指定识别区域。基于Apache 2.0协议开源,提供Hugging Face演示和完整代码,适用于学术研究到工业应用的广泛场景,为OCR领域带来突破性解决方案。00