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。
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
请把这个活动推给顶尖程序员😎本次活动专为懂行的顶尖程序员量身打造,聚焦AtomGit首发开源模型的实际应用与深度测评,拒绝大众化浅层体验,邀请具备扎实技术功底、开源经验或模型测评能力的顶尖开发者,深度参与模型体验、性能测评,通过发布技术帖子、提交测评报告、上传实践项目成果等形式,挖掘模型核心价值,共建AtomGit开源模型生态,彰显顶尖程序员的技术洞察力与实践能力。00
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