Använda GPT för att analysera IAMMETER Cloud Energy-data — En komplett handledning
📘 Introduktion
Den här handledningen visar hur du ansluter dinIAMMETER Cloudkonto till ChatGPT (eller IAMMETER-assistenten), hämta dinsmart energimätaredata via IAMMETERs öppnaAPIoch genererar automatiskt enAI-driven energioptimeringsrapport.
Det fungerar för alla IAMMETER-produkter, inklusive:
- 🏠 WEM3080— Enfas energiövervakning för hemmet
- ⚙️ WEM3080T / WEM3080TD— Trefasiga energimätare
- ☀️ solcellsövervakningssystem
🧩 Steg 1 — Förberedelse
1️⃣ Logga in på IAMMETER Cloud
👉 https://www.iammeter.com/login
2️⃣ Skaffa din API-token
Efter inloggning klickar du på dinprofilikon (övre högra hörnet)
Välja"Inställningar->Token"
Kopiera din token — den ser ut så här (endast exempel):
xx ...
3️⃣ Anslut till GPT
I ChatGPT (eller IAMMETER-assistenten) skriver du:
Min IAMMETER API-token är xxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxGPT kommer att ansluta till ditt IAMMETER Cloud-konto och lista alla tillgängliga platser och mätare.
⚙️ Steg 2 — Hämta information om plats och mätare
GPT kommer att returnera en översikt som denna:
| Webbplatsnamn | Typ | Kraft i realtid | Månadsenergi | PV-aktiverad |
|---|---|---|---|---|
| Hemenergiövervakning | En fas | 2400 W | 272 kWh | Nej |
| Solcellssystem | PV | –870 W | 211 kWh | ✅ Ja |
🔎 Steg 3 — Välj en webbplats att analysera
Berätta för GPT:
Jag vill analysera webbplatsen Home Energy MonitorGPT kommer att be om dinmätarens serienummer (SN). Du hittar den i IAMMETER Cloud →Enhetslista, till exempel:
70B3D5XXXXXX📊 Steg 4 — Kör effektanalysen
GPT kommer att ringaofficiellt IAMMETER Cloud APIslutpunkt: 👉Dokumentation av system-API
Exempel:
GetPowerAnalysis(sn="70B3D5XXXXXX", starttid="2025-11-21", sluttid="2025-11-28")Exempelresultat:
| Metrisk | värde |
|---|---|
| Genomsnittlig effekt | 497,2 W |
| Maximal effekt | 5598 V |
| Minsta effekt | 64 W |
| Genomsnittlig effekt under dagtid | 480,8 W |
🌱 Steg 5 — Exempel på AI-energioptimeringsrapport
Nedan följer ett exempel på en GPT-genererad energieffektivitetsrapport baserad på IAMMETER Cloud-data.
⚡ Insikter om hushållsenergi
- Genomsnittlig belastning ≈ 500 W
- Högre belastning nattetid – troligen från varmvattenberedare eller luftkonditionering
- Toppbelastning upp till 5,6 kW — korta händelser med hög förbrukning detekterade
💡 Optimeringsförslag
| Kategori | Rekommendation | Potentiella besparingar |
|---|---|---|
| Standby-ström | Stäng av tomgångskontakter med smarta uttag | ~8–10% |
| Styrning av varmvattenberedare | Schemalägg drift under lågtrafik eller soltimmar | ~10–15% |
| Toppbelastningshantering | Undvik att köra flera tunga enheter samtidigt | ~5–8% |
Total besparingspotential:≈ 20–25 % (≈ 1 700 kWh/år, ≈ 120–150 USD)
🧠 Steg 6 — Valfri integrering av smart kontroll
Du kan kombinera IAMMETER-data + AI-insikter förautomatiserad kontrollmed hjälp av öppna plattformar:
| Plattform | Beskrivning |
|---|---|
| 🏠 Hemassistent | Realtidskontroll via MQTT-integration |
| 🧩 Node-RED | Bygg smarta logikflöden (t.ex. minska effekten över 3 kW) |
| ☁️ Saker och tingBoard | Skapa dashboards och prognostisera trender |
| 🔌 WPC3700 Wi-Fi-strömstyrenhet | Använd överskottsenergi från solceller för värmereglering |
🏁 Steg 7 — Sammanfattning
| Steg | Handling | GPT-kapacitet |
|---|---|---|
| 1 | Hämta API-token | Autentisera användare |
| 2 | Anslut till IAMMETER Cloud | Lista platser och mätare |
| 3 | Ange mätarens SN | Identifiera enhet |
| 4 | Kör effektanalys | Hämta effektdata |
| 5 | Generera rapport | AI-baserade energiinsikter |
| 6 | (Valfritt) Integrerad kontroll | Aktivera automatisering |
📎 Exempel på datakälla
- IAMMETER Cloud-konto (demoanvändare)
- Plats:Hemenergiövervakning
- Mätarens SN:70B3D5XXXXXX
- Datumintervall:2025-11-21 → 2025-11-28
✅ Fördelar med IAMMETER + GPT-integration
- NollkodAI-energianalys
- Omedelbaroptimeringsrapporterför husägare
- Sömlös anslutning mellanIoT-mätningochAI-beslutsfattande
