Home Assistant Powercalc 1.17.12版本发布:智能家居能耗监测新功能解析
Home Assistant Powercalc是Home Assistant平台上一个专注于智能家居设备能耗监测的开源插件。它通过精确计算各类智能设备的电力消耗,帮助用户更好地了解和管理家庭能源使用情况。最新发布的1.17.12版本带来了一系列功能增强和设备支持更新,进一步提升了能耗监测的准确性和便利性。
新增设备支持
本次更新显著扩展了支持的智能设备范围,新增了多个知名品牌的设备配置文件:
-
Philips Hue系列:新增了Hue ambiance downlight(LDT001)的能耗配置文件,完善了飞利浦Hue产品线的支持。
-
LEDVANCE产品:增加了4058075729223型号的配置文件,这是欧司朗旗下LEDVANCE品牌的一款智能照明产品。
-
PAR16-GL-WIFILIC-TY-RGBCW:新增了这款可调光调色LED灯泡的能耗模型。
-
Calex G95 Gold:支持了这款经典的金色装饰灯泡的能耗计算。
-
Shelly Plug S MTR Gen3:新增了这款智能插座的能耗监测支持,Shelly是智能家居领域广受欢迎的品牌。
-
Amazon Echo Dot Gen 2:增加了第二代Echo Dot智能音箱的能耗配置文件。
-
Lindby E27:支持了这款常见E27接口灯泡的能耗计算。
这些新增设备支持使得Powercalc能够覆盖更广泛的智能家居场景,为用户提供更全面的能耗监测能力。
功能增强
-
测量工具风扇支持:新版本在测量工具中增加了对风扇设备的支持,用户现在可以更准确地测量和记录风扇类设备的能耗特性。
-
传感器组排除选项:新增了从自动跟踪传感器组中排除特定实体的功能,这为用户提供了更灵活的能耗监测配置选项,可以根据实际需求定制监测范围。
-
测量工具流媒体控制:针对音箱测量,增加了禁用流媒体的选项。这一改进使得音箱的能耗测量更加准确,避免了背景流媒体活动对测量结果的干扰。
问题修复
-
测量工具设备类型选择修复:解决了selected_device_type环境变量在测量工具中无效的问题,确保了设备类型选择的正确性。
-
充电测量模型生成修复:修复了充电测量模型生成过程中的几个错误,提高了充电类设备能耗计算的准确性。
技术实现分析
Powercalc通过设备特定的能耗模型来实现精确的电力计算。每个设备配置文件(model.json)包含了该设备在不同工作状态下的能耗特性。例如,对于智能灯泡,配置文件会记录其在各种亮度、色温设置下的功率消耗数据。
新版本中增加的测量工具改进,特别是风扇支持和流媒体控制选项,展示了项目对多样化智能设备能耗特性的深入理解。通过提供更细粒度的测量控制,用户可以获取更接近真实使用场景的能耗数据。
自动传感器组排除功能的实现,反映了项目对用户个性化需求的重视。在大型智能家居环境中,不是所有设备都需要纳入能耗监测,这一功能让用户能够更灵活地管理监测范围。
应用建议
对于使用Home Assistant管理智能家居的用户,建议:
-
定期更新Powercalc插件以获取最新的设备支持和功能改进。
-
对于新支持的设备类型,建议重新运行测量工具以获取最准确的能耗数据。
-
利用新增的传感器组排除功能,可以优化能耗监测系统性能,特别是设备数量较多的环境。
-
在进行音箱测量时,根据实际情况选择是否启用流媒体控制选项,以获得最具代表性的能耗数据。
未来展望
从本次更新可以看出,Powercalc项目正朝着更广泛的设备兼容性和更精确的能耗计算方向发展。随着智能家居设备种类的不断丰富,预计未来版本会继续扩展支持更多设备类型,并可能引入更智能的能耗预测和分析功能。
对于开发者而言,项目活跃的社区贡献模式也值得关注。本次更新中就有多位贡献者提交了不同设备的配置文件,这种开放的协作方式有助于快速扩展项目功能。
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