Använda GPT för att analysera IAMMETER Cloud-energidata

📘 Introduktion

Denna handledning visar hur du ansluter ditt IAMMETER Cloud-konto till ChatGPT (eller IAMMETER Assistant), hämtar data från din smarta elmätare via IAMMETER:s öppna API och automatiskt genererar en AI-baserad energianalysrapport.

Det fungerar för alla IAMMETER-produkter, inklusive:

🏠 WEM3080 — Enfas-elmätare för hemmabruk
⚙️ WEM3080T / WEM3080TD — Trefas-elmätare
☀️ System för övervakning av solceller (PV)

🧩 Steg 1 — Förberedelser

1️⃣ Logga in på IAMMETER Cloud

👉 /login

2️⃣ Hämta din API-token

Klicka på din profilikon (uppe till höger) efter inloggningen
Välj ”Settings->Token”
Kopiera din token — den ser ut så här (endast exempel):
```
xxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxx
```

3️⃣ Anslut till GPT

I ChatGPT (eller IAMMETER Assistant), skriv:

My IAMMETER API Token is xxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxx

GPT ansluter då till ditt IAMMETER Cloud-konto och listar alla tillgängliga platser och mätare.

⚙️ Steg 2 — Hämta information om plats och mätare

GPT returnerar en översikt som denna:

Platsnamn	Typ	Realtidseffekt	Månadsenergi	PV aktiverad
Home Energy Monitor	Enfas	2400 W	272 kWh	Nej
Solcellssystem	PV	–870 W	211 kWh	✅ Ja

🔎 Steg 3 — Välj en plats att analysera

Säg till GPT:

I want to analyze the Home Energy Monitor site

GPT kommer att fråga efter din mätarens serienummer (SN). Du hittar det i IAMMETER Cloud → Enhetslista, till exempel:

70B3D5XXXXXX

📊 Steg 4 — Kör effektanalysen

GPT anropar den officiella IAMMETER Cloud API-endpointen: 👉 System-API-dokumentation

Exempel:

GetPowerAnalysis(sn="70B3D5XXXXXX", startTime="2025-11-21", endTime="2025-11-28")

Exempel på resultat:

Mätvärde	Värde
Medeleffekt	497,2 W
Maxeffekt	5598 W
Minimieffekt	64 W
Medeleffekt dagtid	480,8 W

🌱 Steg 5 — Exempel på AI-baserad energianalysrapport

Nedan finns ett exempel på en GPT-genererad energieffektivitetsrapport baserad på IAMMETER Cloud-data.

⚡ Insikter om hushållets energianvändning

Medellast ≈ 500 W
Högre nattlast — troligen från varmvattenberedare eller luftkonditionering
Topplast upp till 5,6 kW — korta högförbrukningshändelser upptäckta

💡 Optimeringsförslag

Kategori	Rekommendation	Potentiella besparingar
Standbyeffekt	Stäng av inaktiva stickproppar med smarta uttag	~8–10 %
Varmvattenberedare	Schemalägg drift under lågtrafik eller soltimmar	~10–15 %
Topplastshantering	Undvik att köra flera tunga apparater samtidigt	~5–8 %

Total besparingspotential： ≈ 20–25 % (≈ 1 700 kWh/år, ≈ 120–150 USD)

🧠 Steg 6 — Valfri integration för smart styrning

Du kan kombinera IAMMETER-data med AI-insikter för automatiserad styrning med hjälp av öppna plattformar:

Plattform	Beskrivning
🏠 Home Assistant	Realtidsstyrning via MQTT-integration
🧩 Node-RED	Bygg smarta logikflöden (t.ex. bryt strömmen över 3 kW)
☁️ ThingsBoard	Skapa instrumentpaneler och förutsäg trender
🔌 WPC3700 Wi-Fi-strömkontroller	Använd överskottsenergi från solceller för värmestyrning

🏁 Steg 7 — Sammanfattning

Steg	Åtgärd	GPT-förmåga
1	Hämta API-token	Autentisera användaren
2	Anslut till IAMMETER Cloud	Lista platser och mätare
3	Ange mätarens SN	Identifiera enheten
4	Kör effektanalys	Hämta effektdata
5	Generera rapport	AI-baserade energiinsikter
6	(Valfritt) Integrera styrning	Möjliggör automatisering