


Kapitel 1: Erste Schritte
Warum einen intelligenten Heizungsregler bauen?
Ich habe vor kurzem damit begonnen, einen intelligenten Heizungsregler für meine Terma MOA Blue-Heizungen zu erstellen, und zwar unter Verwendung von Python, Docker und Bluetooth Low Energy (BLE).
Das Problem
Derzeit gibt es keine native Möglichkeit, zwischen Home Assistant (HA) und meinen Heizungen zu kommunizieren.
Das Ziel
Ich benötigte eine präzise Steuerung der Heizungen für mein Saisonmietobjekt, um:
- Optimieren Sie den Energieverbrauch – Verhindern Sie, dass Gäste beim Auschecken die Temperaturen zu hoch einstellen oder die Heizungen eingeschaltet lassen.
- Einstellungen aus der Ferne verwalten – Vermeiden Sie kostspielige Heizkosten, ohne die Immobilie persönlich zu besichtigen.
- Aktivieren Sie die Automatisierung – Integrieren Sie in Zukunft HA für eine bessere Planung und Überwachung.
Dieser Beitrag ist das erste Kapitel einer Reihe, in der ich Sie durch den Prozess führe – von der Einrichtung des Raspberry Pi und Docker bis zum Schreiben von Python-Skripten für die direkte Bluetooth-Steuerung.
Über die Terma MOA Blue-Heizungen
Das Terma MOA Blue ist ein Bluetooth-fähiges Heizelement, das für elektrische Heizkörper und Handtuchwärmer entwickelt wurde.
Hauptmerkmale:
-
Mehrere Modi:
- Manuell (Raumtemperatur)
- Manuell (Heizelementtemperatur)
- Zeitpläne und Timer
-
Temperaturregelung:
- Unterstützt Präzisionseinstellungen in 0,1°C-Schritten.
-
Bluetooth Low Energy (BLE):
- Ermöglicht die Fernsteuerung über mobile Apps oder benutzerdefinierte Integrationen.
Während diese Heizungen nahtlos mit der mobilen App des Herstellers funktionieren, wollte ich mehr Flexibilität, indem ich sie direkt in ein benutzerdefiniertes Python/Docker-Setup integriere.
Besonderer Dank geht an die Home Assistant Community
Ich möchte der Home Assistant Community ein großes Lob dafür aussprechen, dass sie den Grundstein gelegt und Einblicke in die Verbindung dieser Heizungen mithilfe von BLE gegeben hat.
Ihre Diskussionen haben dazu beigetragen, zu klären, wie die Bluetooth-Eigenschaften strukturiert sind, und viele der in diesem Projekt implementierten Techniken inspiriert.
Projektübersicht
Wir behandeln:
- Einrichten des Raspberry Pi mit Docker.
- Schreiben eines Python-Skripts unter Verwendung von BLE, um eine Verbindung zur Heizung herzustellen.
- Kodierung und Dekodierung von Temperaturdaten und Heizmodi.
- Verpacken der App in Docker für eine einfache Bereitstellung.
- Planung für zukünftige Funktionen wie Unterstützung mehrerer Heizungen und Automatisierung.
Einrichten des Raspberry Pi
Ich habe mich entschieden, einen Raspberry Pi als zentrale Steuerung für dieses Projekt zu verwenden. So habe ich es eingerichtet:
- Flash Raspberry Pi OS: Laden Sie das neueste Raspberry Pi OS-Image herunter und installieren Sie es.
- SSH und WLAN aktivieren: Konfigurieren Sie den SSH-Zugriff und die WLAN-Anmeldeinformationen während des Flashens, um die Remote-Entwicklung zu ermöglichen.
- Docker installieren: Docker erleichtert die Bereitstellung und das Testen.
Befehle:
sudo apt update sudo apt install -y docker.io sudo usermod -aG docker $USER
- Docker-Installation testen:
docker --version docker run hello-world
Dadurch wird überprüft, ob Docker installiert ist und ordnungsgemäß ausgeführt wird.
Einrichten von Git und Fernzugriff
Um Aktualisierungen des Codes zu vereinfachen, habe ich SSH-Schlüssel und Git für den Fernzugriff von meinem PC aus eingerichtet.
Wichtige Schritte:
- Generieren Sie ein SSH-Schlüsselpaar:
ssh-keygen -t ed25519 -C "your_email@example.com"
- Fügen Sie den öffentlichen Schlüssel zu GitHub hinzu.
- Klonen Sie das Repository:
git clone git@github.com:<username>/<repo>.git </repo></username>
Repository-Link
Sie können sich den vollständigen Quellcode in meinem GitHub-Repo ansehen:
? GitHub – ha-hudsonread-heater-control
Sie können es gerne forken, Verbesserungen vorschlagen oder etwaige Probleme melden!
Steuern des Heizgeräts mit Bluetooth
Die Terma MOA Blue-Heizung kommuniziert über Bluetooth Low Energy (BLE), daher habe ich die Bleak-Bibliothek in Python verwendet, um die Verbindung zu verwalten.
Wichtige Funktionen bisher implementiert:
- Temperaturen lesen und schreiben: Verwendung von UUID-basierten Merkmalen.
- Modussteuerung:Umschaltung zwischen Aus, Manuell (Raumtemperatur) und Manuell (Heizelementtemperatur).
- Dynamische Updates: Steuern Sie die Temperaturen, ohne die Modi zu beeinflussen.
Aktueller Stand und nächste Schritte
Im Moment kann der Controller:
- An die Heizung anschließen.
- Lesen Sie die aktuelle Temperatur und die Zieltemperatur ab.
- Wechseln Sie Modi und passen Sie die Temperaturen unabhängig an.
Nächste Schritte:
- Unterstützung für mehrere Heizungen hinzufügen.
- Aktivieren Sie die Automatisierung durch Integration mit Home Assistant oder ähnlichen Plattformen.
Folgen Sie uns
Bleiben Sie dran für Kapitel 2, in dem ich in den Python-Code eintauche, erkläre, wie die BLE-Kodierung und -Dekodierung funktioniert, und Erkenntnisse aus dem Debuggen von Bluetooth-Verbindungen teile.
Wir behandeln auch manuelle Kopplungs- und Verbindungsbefehle mit bluetoothctl für alle, die sich tiefer mit dem BLE-Debugging befassen möchten.
Vergessen Sie nicht, ⭐️ das GitHub-Repo zu besuchen und mir in den Kommentaren mitzuteilen, welche Funktionen Sie gerne als nächstes hinzugefügt sehen würden!
Das obige ist der detaillierte Inhalt vonErstellen einer intelligenten Heizungssteuerung mit Python, Docker und Bluetooth #1. Für weitere Informationen folgen Sie bitte anderen verwandten Artikeln auf der PHP chinesischen Website!

Dieses Tutorial zeigt, wie man Python verwendet, um das statistische Konzept des Zipf -Gesetzes zu verarbeiten, und zeigt die Effizienz des Lesens und Sortierens großer Textdateien von Python bei der Bearbeitung des Gesetzes. Möglicherweise fragen Sie sich, was der Begriff ZiPF -Verteilung bedeutet. Um diesen Begriff zu verstehen, müssen wir zunächst das Zipf -Gesetz definieren. Mach dir keine Sorgen, ich werde versuchen, die Anweisungen zu vereinfachen. Zipf -Gesetz Das Zipf -Gesetz bedeutet einfach: In einem großen natürlichen Sprachkorpus erscheinen die am häufigsten vorkommenden Wörter ungefähr doppelt so häufig wie die zweiten häufigen Wörter, dreimal wie die dritten häufigen Wörter, viermal wie die vierten häufigen Wörter und so weiter. Schauen wir uns ein Beispiel an. Wenn Sie sich den Brown Corpus in amerikanischem Englisch ansehen, werden Sie feststellen, dass das häufigste Wort "Th ist

Der Umgang mit lauten Bildern ist ein häufiges Problem, insbesondere bei Mobiltelefonen oder mit geringen Auflösungskamera-Fotos. In diesem Tutorial wird die Bildfilterungstechniken in Python unter Verwendung von OpenCV untersucht, um dieses Problem anzugehen. Bildfilterung: Ein leistungsfähiges Werkzeug Bildfilter

In diesem Artikel wird erklärt, wie man schöne Suppe, eine Python -Bibliothek, verwendet, um HTML zu analysieren. Es beschreibt gemeinsame Methoden wie find (), find_all (), select () und get_text () für die Datenextraktion, die Behandlung verschiedener HTML -Strukturen und -Anternativen (SEL)

Python, ein Favorit für Datenwissenschaft und Verarbeitung, bietet ein reichhaltiges Ökosystem für Hochleistungs-Computing. Die parallele Programmierung in Python stellt jedoch einzigartige Herausforderungen dar. Dieses Tutorial untersucht diese Herausforderungen und konzentriert sich auf die globale Interprete

Dieser Artikel vergleicht TensorFlow und Pytorch für Deep Learning. Es beschreibt die beteiligten Schritte: Datenvorbereitung, Modellbildung, Schulung, Bewertung und Bereitstellung. Wichtige Unterschiede zwischen den Frameworks, insbesondere bezüglich des rechnerischen Graps

Dieses Tutorial zeigt, dass eine benutzerdefinierte Pipeline -Datenstruktur in Python 3 erstellt wird, wobei Klassen und Bedienerüberladungen für verbesserte Funktionen genutzt werden. Die Flexibilität der Pipeline liegt in ihrer Fähigkeit, eine Reihe von Funktionen auf einen Datensatz GE anzuwenden

Serialisierung und Deserialisierung von Python-Objekten sind Schlüsselaspekte eines nicht trivialen Programms. Wenn Sie etwas in einer Python -Datei speichern, führen Sie eine Objektserialisierung und Deserialisierung durch, wenn Sie die Konfigurationsdatei lesen oder auf eine HTTP -Anforderung antworten. In gewisser Weise sind Serialisierung und Deserialisierung die langweiligsten Dinge der Welt. Wen kümmert sich um all diese Formate und Protokolle? Sie möchten einige Python -Objekte bestehen oder streamen und sie zu einem späteren Zeitpunkt vollständig abrufen. Dies ist eine großartige Möglichkeit, die Welt auf konzeptioneller Ebene zu sehen. Auf praktischer Ebene können das von Ihnen ausgewählte Serialisierungsschema, Format oder Protokoll jedoch die Geschwindigkeit, Sicherheit, den Status der Wartungsfreiheit und andere Aspekte des Programms bestimmen

Das Statistikmodul von Python bietet leistungsstarke Datenstatistikanalysefunktionen, mit denen wir die allgemeinen Merkmale von Daten wie Biostatistik und Geschäftsanalyse schnell verstehen können. Anstatt Datenpunkte nacheinander zu betrachten, schauen Sie sich nur Statistiken wie Mittelwert oder Varianz an, um Trends und Merkmale in den ursprünglichen Daten zu ermitteln, die möglicherweise ignoriert werden, und vergleichen Sie große Datensätze einfacher und effektiv. In diesem Tutorial wird erläutert, wie der Mittelwert berechnet und den Grad der Dispersion des Datensatzes gemessen wird. Sofern nicht anders angegeben, unterstützen alle Funktionen in diesem Modul die Berechnung der Mittelwert () -Funktion, anstatt einfach den Durchschnitt zu summieren. Es können auch schwimmende Punktzahlen verwendet werden. zufällig importieren Statistiken importieren Aus Fracti


Heiße KI -Werkzeuge

Undresser.AI Undress
KI-gestützte App zum Erstellen realistischer Aktfotos

AI Clothes Remover
Online-KI-Tool zum Entfernen von Kleidung aus Fotos.

Undress AI Tool
Ausziehbilder kostenlos

Clothoff.io
KI-Kleiderentferner

AI Hentai Generator
Erstellen Sie kostenlos Ai Hentai.

Heißer Artikel

Heiße Werkzeuge

Dreamweaver Mac
Visuelle Webentwicklungstools

SublimeText3 Linux neue Version
SublimeText3 Linux neueste Version

SublimeText3 chinesische Version
Chinesische Version, sehr einfach zu bedienen

SublimeText3 Englische Version
Empfohlen: Win-Version, unterstützt Code-Eingabeaufforderungen!

ZendStudio 13.5.1 Mac
Leistungsstarke integrierte PHP-Entwicklungsumgebung
