Domoticz中MQTT自动发现与Shelly EM电能监测的配置优化
问题背景
在智能家居系统中,Domoticz作为开源的家庭自动化平台,经常与各种智能设备配合使用。Shelly EM是一款支持电能监测的智能设备,通过Tasmota固件可以实现丰富的功能。本文将探讨在使用Domoticz的MQTT自动发现功能时,如何正确配置Shelly EM的电能监测数据。
核心问题分析
当用户将Tasmota固件的Shelly EM设备通过ShellyTeacher工具接入Domoticz时,发现电能使用数据(功率)在第二个通道(index1)上无法正确更新。具体表现为:
- 通道1(index0)的电能数据能够正常更新Domoticz中的"General-kWh"设备
- 通道2(index1)的电能数据虽然能接收到,但无法正确反映在Domoticz界面上
技术原理
Domoticz的MQTT自动发现功能依赖于设备发送的特定格式的配置信息。对于电能监测设备,需要同时配置功率(Power)和总电能(Total)两个指标。Domoticz会根据这些配置信息自动创建对应的虚拟设备。
解决方案
经过深入分析,发现问题出在MQTT自动发现消息中uniq_id字段的命名格式上。正确的命名格式应该遵循以下原则:
- 设备标识符(如FCD79D)应放在最前面
- 测量类型(如ENERGY)应紧随其后
- 通道编号(1或2)应放在测量类型之后
- 具体测量项(Power或Total)应放在最后
具体修改方案如下:
原配置:
"uniq_id": "FCD79D_ENERGY_Total_1"
应修改为:
"uniq_id": "FCD79D_ENERGY_1_Total"
同理,功率测量的配置也应做相应调整:
原配置:
"uniq_id": "FCD79D_ENERGY_Power_1"
应修改为:
"uniq_id": "FCD79D_ENERGY_1_Power"
实施建议
对于使用ShellyTeacher工具的用户,建议联系工具开发者更新配置模板,使其生成的uniq_id符合Domoticz的解析规则。手动修改MQTT自动发现消息也是一种可行的临时解决方案。
总结
Domoticz的MQTT自动发现功能对设备标识符的格式有特定要求。正确配置uniq_id字段的结构对于多通道电能监测设备的正常工作至关重要。通过调整命名格式,可以确保Domoticz能够正确解析和显示来自Shelly EM等设备的多通道电能数据。
这一问题的解决不仅适用于Shelly EM设备,对于其他通过MQTT接入Domoticz的多通道电能监测设备也具有参考价值。理解Domoticz的MQTT自动发现机制,有助于用户更好地集成各类智能家居设备。
GLM-5智谱 AI 正式发布 GLM-5,旨在应对复杂系统工程和长时域智能体任务。Jinja00
GLM-5-w4a8GLM-5-w4a8基于混合专家架构,专为复杂系统工程与长周期智能体任务设计。支持单/多节点部署,适配Atlas 800T A3,采用w4a8量化技术,结合vLLM推理优化,高效平衡性能与精度,助力智能应用开发Jinja00- QQwen3.5-397B-A17BQwen3.5 实现了重大飞跃,整合了多模态学习、架构效率、强化学习规模以及全球可访问性等方面的突破性进展,旨在为开发者和企业赋予前所未有的能力与效率。Jinja00
Kimi-K2.5Kimi K2.5 是一款开源的原生多模态智能体模型,它在 Kimi-K2-Base 的基础上,通过对约 15 万亿混合视觉和文本 tokens 进行持续预训练构建而成。该模型将视觉与语言理解、高级智能体能力、即时模式与思考模式,以及对话式与智能体范式无缝融合。Python00
MiniMax-M2.5MiniMax-M2.5开源模型,经数十万复杂环境强化训练,在代码生成、工具调用、办公自动化等经济价值任务中表现卓越。SWE-Bench Verified得分80.2%,Multi-SWE-Bench达51.3%,BrowseComp获76.3%。推理速度比M2.1快37%,与Claude Opus 4.6相当,每小时仅需0.3-1美元,成本仅为同类模型1/10-1/20,为智能应用开发提供高效经济选择。【此简介由AI生成】Python00
Qwen3.5Qwen3.5 昇腾 vLLM 部署教程。Qwen3.5 是 Qwen 系列最新的旗舰多模态模型,采用 MoE(混合专家)架构,在保持强大模型能力的同时显著降低了推理成本。00- RRing-2.5-1TRing-2.5-1T:全球首个基于混合线性注意力架构的开源万亿参数思考模型。Python00