惯性聚合 高效追踪和阅读你感兴趣的博客、新闻、科技资讯
阅读原文 在惯性聚合中打开

推荐订阅源

Cyberwarzone
Cyberwarzone
Jina AI
Jina AI
WordPress大学
WordPress大学
N
Netflix TechBlog - Medium
freeCodeCamp Programming Tutorials: Python, JavaScript, Git & More
Google DeepMind News
Google DeepMind News
博客园 - 司徒正美
宝玉的分享
宝玉的分享
C
Check Point Blog
有赞技术团队
有赞技术团队
小众软件
小众软件
IT之家
IT之家
Vercel News
Vercel News
V2EX - 技术
V2EX - 技术
雷峰网
雷峰网
L
Lohrmann on Cybersecurity
Cloudbric
Cloudbric
Engineering at Meta
Engineering at Meta
Schneier on Security
Schneier on Security
P
Privacy International News Feed
Apple Machine Learning Research
Apple Machine Learning Research
W
WeLiveSecurity
大猫的无限游戏
大猫的无限游戏
S
SegmentFault 最新的问题
J
Java Code Geeks
T
Threatpost
S
Secure Thoughts
T
Tailwind CSS Blog
V
V2EX
Attack and Defense Labs
Attack and Defense Labs
P
Palo Alto Networks Blog
S
Security @ Cisco Blogs
The GitHub Blog
The GitHub Blog
Simon Willison's Weblog
Simon Willison's Weblog
The Register - Security
The Register - Security
AWS News Blog
AWS News Blog
罗磊的独立博客
GbyAI
GbyAI
Blog — PlanetScale
Blog — PlanetScale
Microsoft Azure Blog
Microsoft Azure Blog
Forbes - Security
Forbes - Security
N
News | PayPal Newsroom
博客园 - 叶小钗
Hugging Face - Blog
Hugging Face - Blog
Exploit-DB.com RSS Feed
Exploit-DB.com RSS Feed
OSCHINA 社区最新新闻
OSCHINA 社区最新新闻
Y
Y Combinator Blog
C
CXSECURITY Database RSS Feed - CXSecurity.com
Webroot Blog
Webroot Blog
爱范儿
爱范儿

博客园 - 曦远Code

StarBlog番外(5) 从1.6到1.10,基于Avalonia AOT 开发的 Publisher 半年进化之路 你的显卡能跑多少算子?用 55 个检查项,给 PyTorch GPU 环境做一次冒烟测试 ROCm on Windows 性能排查:RX 6650 XT 跑 PyTorch,为什么加速不明显? lighthouse-fw:一个管理腾讯云轻量服务器防火墙的终端工具 用本地大模型驱动中文输入法,我做了一个实验性的项目 Spark.NET:一个试图把 Django / Rails 式开发体验带回 .NET 世界的全栈 Web 框架。 Zed AI 白嫖免费模型,搭配 DeepSeek v4,玩转 Agent 编程技巧 当 CGO 遇见 Zig:一种更优雅的折腾方式,对比 GCC 后端 2026年AI编程工具横评:Cursor、Codex、Claude Code、Zed、Windsurf 后 Django 时代:SQLAlchemy 2.0、Tortoise 与 Piccolo 三大异步 ORM 选型指南 Python网络请求库,从 requests 到 httpx 浅谈次世代代码编辑器 Zed:Rust 原生性能、GPU 渲染 现代 Python 程序优雅处理日期时间的避坑指南 你的SSH密钥可能已经过期了 是谁 2026 年还在用 Sublime Text 写代码? 什么年代了怎么还在用bash啊?现代化shell开箱体验: fish, nu, elvish 别再手动复制SSH公钥了,Linux服务器一键从GitHub快速导入公钥 2026年的Linux桌面环境选择,哪些适合Debian服务器? 在 Windows 11 上使用 Hyper-V 虚拟机准备安装OpenClaw C# 扩展方法只会写 this 吗?C# 14 新语法直接把扩展方法玩出了花 经历分享,发现挖矿木马后,服务器快速备份与重装(腾讯云平台) Coolify: Vercel 的开源版私有化部署平替版 分享一些2026年有意思的现代化Django生态组件 实测 Django 6.0:模版片段、后台任务、CSP 安全,三大特性体验报告 当人人都能用 AI 写代码时,我为什么选择重回 Django? 打包ROCm环境的相关Wheel方便后续使用 从挖矿木马入侵到 Docker Rootless 加固,我的服务器安全复盘 AMD显卡也能畅玩AI画图!ROCm+ComfyUI部署全指南
给热水器装上“电量显示”:用 Shelly Gen4 脚本实现零改装水量预测
曦远Code · 2026-05-26 · via 博客园 - 曦远Code

前言

相信很多家里还在用储水式热水器的朋友都有热水焦虑:洗澡前要提前开,洗到一半怕没水。市面上大多数传统热水器就是一个黑盒,除了一个模糊的温度表,你根本不知道剩下的热水够洗 5 分钟还是 15 分钟。

最近我拿到了德国外企 Shelly 的新款 Shelly 2PM Gen4,尝试用一种极客的方式彻底解决这个问题。

思路

把”电量”翻译成”水量”

传统的解决办法是拆机加传感器,但这不仅破坏保修,还有漏水风险。

Shelly 方案的巧妙之处在于:利用 Gen4 芯片的本地脚本能力,构建一个虚拟传感器。

注意:Shelly 2PM Gen4 不仅能预测热水量,还支持远程开关控制实时能耗计量。Gen4 设备更支持 Matter 协议和 Zigbee,可与 HomeKit、Google Home、Alexa 等主流智能家居平台无缝联动。

原理很简单:

  1. 升温模型: 脚本监测实时功率。只要功率达到阈值,就说明热水器在加热,根据物理公式计算注入的热量,实时增加水量百分比。
  2. 损耗模拟: 即使不使用,热水器也会散热。脚本会根据时间自动扣除热散失导致的百分比下降。
  3. 本地 UI: 所有的计算都在 Shelly 内部完成,并直接在手机 App 上生成一个像手机电量一样的百分比进度条。

实现原理

硬件安装

接线图

安装过程非常简单:

  1. 断电操作:首先关闭家庭配电箱中热水器对应的断路器
  2. 串联安装:将 Shelly 2PM Gen4 串联在热水器的火线上
  3. 接线规范
    • 火线进线(L)连接到 Shelly 的 1 脚
    • 火线出线连接到 Shelly 的 2 脚(输出至热水器)
    • 零线(N)直接连接到热水器
  4. 恢复供电:确认接线无误后,合上断路器

安全提示:如果对电气操作不熟悉,建议请专业电工协助安装。

功率限制提醒:Shelly 2PM Gen4 的额定负载为 2400W(单路)/ 3840W(总路)。安装前务必核对热水器铭牌功率——部分大容量或即热式热水器功率可能高达 3000W~6000W,严禁超限使用,否则存在过热甚至火灾风险。如热水器功率超出限制,请选择更高规格的 Shelly 设备或仅用于控制回路。

智能算法

我们开发了一段运行在继电器里的脚本,核心原理如下:

1. 功率监测

// 获取实时功率
let status = Shelly.getComponentStatus("switch:0");
let power = status.apower; // 单位:瓦特

2. 状态判断

  • 加热状态:当实时功率 > 额定功率 × 70% 时,判定为加热中
  • 保温状态:当功率低于阈值时,判定为保温或关机状态

3. 热水量计算

// 加热时:按时间比例累加
let add_percent = (delta_s / expected_time_s) * 100;
water_percent = water_percent + add_percent;

// 保温时:模拟热散失
let drop_percent = cool_per_sec * delta_s;
water_percent = water_percent - drop_percent;

4. 状态持久化

使用 Shelly 的虚拟组件(Virtual Component)存储热水量百分比,即使设备重启也不会丢失数据。

实际效果

创建脚本

在 Shelly App 中,进入"脚本"功能模块,点击"+"创建新脚本。将我们的智能预测脚本粘贴进去,保存并运行。

创建新脚本

运行监控

脚本运行后,会自动创建一个名为"预测热水量"的虚拟组件。可以实时看到热水量百分比的变化。

电量检测和热水量变化

实时数据

脚本运行中

运行一段时间后,App 界面会展示完整的监控信息:

  • 设备主页:显示设备在线状态和快速控制按钮,支持远程开关热水器
  • 功率图表:实时功率曲线,清晰展示加热和保温周期
  • 能耗统计:累计用电量和运行时长,帮助你掌握热水器的真实能耗

App 各界面展示

更多功能展示

验证准确性

通过对比热水器自带的温度表读数和我们的预测结果,验证算法的准确性。实测数据显示,预测误差控制在 ±5% 以内,完全满足日常使用需求。

热水器温度表

为什么这个方案更有意义?

在智能家居领域,我们经常讨论智能化,但很多方案只是简单的远程开关。Shelly 这个项目的意义在于软件定义硬件

  • 非侵入式: 不需要动水路,不破坏原机。
  • 低延迟 & 隐私: 数据不上传云端,本地脚本直接算出结果,响应速度是秒级的。
  • 远程控制: 出门忘记关热水器?手机一点即可远程关闭,还能定时开关。
  • 能耗计量: 精确记录每次加热的用电量,帮你优化使用习惯、节省电费。
  • 场景联动: 可以设置——“当热水量达到 80% 时,给手机推送消息,并自动关闭洗手间排气扇”。
  • 生态兼容(Gen4): 支持 Matter 和 Zigbee 协议,可接入 Apple HomeKit、Google Home、Amazon Alexa 等主流平台,与其他智能设备无缝联动。

小结

对于用户来说,Shelly 2PM Gen4 不仅仅是一个开关,它更像是一个运行在家里的微型服务器。通过开放的脚本接口,我们可以把任何传统家电进行智能化改造。

除了本文介绍的热水量预测,还能获得远程开关能耗统计等实用功能。Gen4 设备更支持 Matter 和 Zigbee 协议,轻松融入全屋智能生态。

如果你也受够了盲猜热水温度,这种用代码解决生活痛点的方式,或许是另一种优雅的解决方案。

最后提醒:选购和安装前,请务必确认热水器功率在 Shelly 2PM Gen4 的承载范围内(单路 ≤ 2400W,总路 ≤ 3840W)。部分大功率热水器(如 3000W 以上的储水式或即热式)需要选择更高规格的设备,切勿超限使用。

微信公众号:「程序设计实验室」 专注于互联网热门新技术探索与团队敏捷开发实践,包括架构设计、机器学习与数据分析算法、移动端开发、Linux、Web前后端开发等,欢迎一起探讨技术,分享学习实践经验。