Home Assistant Powercalc 1.17.3版本发布:智能家居能耗监测新升级
2025-07-04 03:07:09作者:傅爽业Veleda
项目简介
Home Assistant Powercalc是Home Assistant平台上一个专注于家庭能耗监测与计算的集成组件。它能够帮助用户精确计算各种智能设备的电力消耗,为家庭能源管理提供数据支持。通过这个组件,用户可以实时监控家中各类电器的用电情况,进行能耗分析,并据此优化用电习惯。
版本亮点
新增设备支持
1.17.3版本显著扩展了对多种智能设备的支持范围,特别是Shelly和TP-Link Kasa系列产品:
- Shelly系列:新增了对Shelly EM、Shelly 1、Shelly 2.5、Shelly i3、Shelly plus 2PM以及Shelly Pro 3EM等多款设备的支持,覆盖了从基础开关到专业级能耗监测设备
- TP-Link Kasa系列:增加了HS103、EP10和HS105三款智能插座的能耗计算支持,进一步完善了对主流智能插座品牌的兼容性
这些新增的设备配置文件使得用户能够更准确地监测这些设备的能耗情况,为家庭能源管理提供更全面的数据基础。
功能增强
本次更新在用户体验和功能完善方面做了多项改进:
- 域组类型选项流:实现了域组类型的选项流功能,使用户在配置过程中能够更直观地选择和设置相关参数
- 多开关实体预填充:在发现流程中预先填充多开关实体,简化了配置过程,提升了用户体验
- 能源组零起点选项:新增了能源组从零开始计算的选项,为能耗数据分析提供了更多灵活性
问题修复
开发团队针对以下问题进行了修复:
- 功率传感器模板跟踪问题:解决了使用模板的功率传感器有时无法正确跟踪的问题,确保了能耗数据的准确性
- 待机功率字段显示问题:修复了选项流中待机功率字段不显示的问题,恢复了这一重要参数的配置功能
技术细节解析
设备配置文件优化
本次更新中对智能开关配置文件进行了调整,使其更符合文档规范。这意味着:
- 设备参数定义更加标准化
- 能耗计算模型更加精确
- 设备兼容性得到提升
特别是对Shelly Pro 3EM设备,开发团队提供了多个配置文件,以适应不同使用场景的需求,体现了对专业级能耗监测设备的重视。
能耗计算改进
新版本在能耗计算算法上做了优化:
- 改进了功率传感器的跟踪机制,确保在各种情况下都能准确记录设备能耗
- 增加了"从零开始"的选项,为长期能耗趋势分析提供了更好的支持
- 优化了待机功率的处理逻辑,使低功耗设备的能耗监测更加精确
应用价值
1.17.3版本的发布为用户带来了更全面的设备支持、更精确的能耗计算和更流畅的使用体验。这些改进使得:
- 用户可以监控更多类型的智能设备,构建更完整的家庭能源监测系统
- 能耗数据更加准确可靠,为节能决策提供有力支持
- 配置过程更加简单直观,降低了使用门槛
对于关注家庭能源管理的用户来说,这次更新无疑提供了更强大的工具来了解和优化家庭用电情况。
总结
Home Assistant Powercalc 1.17.3版本通过扩展设备支持、增强核心功能和修复已知问题,进一步巩固了其作为Home Assistant平台上重要能耗监测组件的地位。无论是新增的设备配置文件,还是改进的能耗计算逻辑,都体现了开发团队对产品质量和用户体验的持续关注。对于智能家居爱好者和能源管理关注者来说,这无疑是一个值得升级的版本。
登录后查看全文
热门项目推荐
相关项目推荐
AutoGLM-Phone-9BAutoGLM-Phone-9B是基于AutoGLM构建的移动智能助手框架,依托多模态感知理解手机屏幕并执行自动化操作。Jinja00
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
GLM-4.6V-FP8GLM-4.6V-FP8是GLM-V系列开源模型,支持128K上下文窗口,融合原生多模态函数调用能力,实现从视觉感知到执行的闭环。具备文档理解、图文生成、前端重构等功能,适用于云集群与本地部署,在同类参数规模中视觉理解性能领先。Jinja00
HunyuanOCRHunyuanOCR 是基于混元原生多模态架构打造的领先端到端 OCR 专家级视觉语言模型。它采用仅 10 亿参数的轻量化设计,在业界多项基准测试中取得了当前最佳性能。该模型不仅精通复杂多语言文档解析,还在文本检测与识别、开放域信息抽取、视频字幕提取及图片翻译等实际应用场景中表现卓越。00
GLM-ASR-Nano-2512GLM-ASR-Nano-2512 是一款稳健的开源语音识别模型,参数规模为 15 亿。该模型专为应对真实场景的复杂性而设计,在保持紧凑体量的同时,多项基准测试表现优于 OpenAI Whisper V3。Python00
GLM-TTSGLM-TTS 是一款基于大语言模型的高质量文本转语音(TTS)合成系统,支持零样本语音克隆和流式推理。该系统采用两阶段架构,结合了用于语音 token 生成的大语言模型(LLM)和用于波形合成的流匹配(Flow Matching)模型。 通过引入多奖励强化学习框架,GLM-TTS 显著提升了合成语音的表现力,相比传统 TTS 系统实现了更自然的情感控制。Python00
Spark-Formalizer-X1-7BSpark-Formalizer 是由科大讯飞团队开发的专用大型语言模型,专注于数学自动形式化任务。该模型擅长将自然语言数学问题转化为精确的 Lean4 形式化语句,在形式化语句生成方面达到了业界领先水平。Python00
最新内容推荐
MQTT 3.1.1协议中文版文档:物联网开发者的必备技术指南 Solidcam后处理文件下载与使用完全指南:提升CNC编程效率的必备资源 Python案例资源下载 - 从入门到精通的完整项目代码合集 TortoiseSVN 1.14.5.29465 中文版:高效版本控制的终极解决方案 CrystalIndex资源文件管理系统:高效索引与文件管理的最佳实践指南 QT连接阿里云MySQL数据库完整指南:从环境配置到问题解决 Windows Server 2016 .NET Framework 3.5 SXS文件下载与安装完整指南 Python开发者的macOS终极指南:VSCode安装配置全攻略 瀚高迁移工具migration-4.1.4:企业级数据库迁移的智能解决方案 STM32到GD32项目移植完全指南:从兼容性到实战技巧
项目优选
收起
deepin linux kernel
C
24
9
Ascend Extension for PyTorch
Python
223
246
暂无简介
Dart
672
157
本项目是CANN提供的数学类基础计算算子库,实现网络在NPU上加速计算。
C++
663
313
React Native鸿蒙化仓库
JavaScript
262
324
Nop Platform 2.0是基于可逆计算理论实现的采用面向语言编程范式的新一代低代码开发平台,包含基于全新原理从零开始研发的GraphQL引擎、ORM引擎、工作流引擎、报表引擎、规则引擎、批处理引引擎等完整设计。nop-entropy是它的后端部分,采用java语言实现,可选择集成Spring框架或者Quarkus框架。中小企业可以免费商用
Java
9
1
🎉 (RuoYi)官方仓库 基于SpringBoot,Spring Security,JWT,Vue3 & Vite、Element Plus 的前后端分离权限管理系统
Vue
1.2 K
655
🔥LeetCode solutions in any programming language | 多种编程语言实现 LeetCode、《剑指 Offer(第 2 版)》、《程序员面试金典(第 6 版)》题解
Java
64
19
openGauss kernel ~ openGauss is an open source relational database management system
C++
160
218
TorchAir 支持用户基于PyTorch框架和torch_npu插件在昇腾NPU上使用图模式进行推理。
Python
330
137