Ervaringen met Quatt en HA en andere Domotica

[jj85]

@assasinbats had je hem al een keer verwijderd, HA restart en dan opnieuw toevoegen?

[assasinbats]

jj85 schreef op vrijdag 6 februari 2026 @ 10:38:
@assasinbats had je hem al een keer verwijderd, HA restart en dan opnieuw toevoegen?

Jep, boodt geen soelaas helaas.

[leejoow]

jj85 schreef op vrijdag 6 februari 2026 @ 09:34:
[...]

Bij HA onder docker werkt dat anders. Je hoeft geen esphome te installeren.

Je hoeft in geen geval de ESPHome addon inderdaad te installeren, de firmware staat al op de module. Ik snap ook nog niet wat er fout gaat bij @assasinbats, ben wel blij om te horen dat bij andere het wel gewoon werkt. Ik puzzel nog even verder hier!

[jj85]

leejoow schreef op vrijdag 6 februari 2026 @ 11:38:
[...]


Je hoeft in geen geval de ESPHome addon inderdaad te installeren, de firmware staat al op de module. Ik snap ook nog niet wat er fout gaat bij @assasinbats, ben wel blij om te horen dat bij andere het wel gewoon werkt. Ik puzzel nog even verder hier!

@assasinbats Is je module wel via de webinterface te benaderen? Je kan eventueel ook zelf de module op basis van ip-adres aan HA toevoegen. Maar mogelijk allemaal al geprobeerd (maar dat mist in je bericht wat er allemaal al geprobeerd is )

[TeslaNerd]

assasinbats schreef op vrijdag 6 februari 2026 @ 11:17:
[...]

Jep, boodt geen soelaas helaas.

Kun jij de relevante HA-logs laten zien?

[assasinbats]

Home Assistant log (dit is wat ik kon vinden wat mij relevant leek. Items in t log niet gerelateerd aan de heatpump voegen denk ik niks toe)

code:

Logger: aioesphomeapi.connection
Source: runner.py:154
First occurred: 9:03:23 AM (134 occurrences)
Last logged: 12:18:22 PM

heatpump-listener @ 192.168.1.154: Connection error occurred: heatpump-listener @ 192.168.1.154: Connection lost

Vanuit heatpump-listener.local zie ik de volgende error:

code:

12:10:50
[W]
[api.connection:1978]
Home Assistant 2025.6.1 (192.168.1.100): Reading failed CONNECTION_CLOSED errno=128

http://heatpump-listener.local/ is benaderbaar en daar komen alle signalen zichtbaar op binnen

Handmatig toevoegen via t ipadres aan HA levert t zelfde resultaat op als automatisch toevoegen.

Thanks allemaal voor het meedenken

[ Voor 17% gewijzigd door assasinbats op 06-02-2026 12:23 ]

[jj85]

assasinbats schreef op vrijdag 6 februari 2026 @ 12:22:
Home Assistant log (dit is wat ik kon vinden wat mij relevant leek. Items in t log niet gerelateerd aan de heatpump voegen denk ik niks toe)

code:

Logger: aioesphomeapi.connection
Source: runner.py:154
First occurred: 9:03:23 AM (134 occurrences)
Last logged: 12:18:22 PM

heatpump-listener @ 192.168.1.154: Connection error occurred: heatpump-listener @ 192.168.1.154: Connection lost

Vanuit heatpump-listener.local zie ik de volgende error:

code:

12:10:50
[W]
[api.connection:1978]
Home Assistant 2025.6.1 (192.168.1.100): Reading failed CONNECTION_CLOSED errno=128

http://heatpump-listener.local/ is benaderbaar en daar komen alle signalen zichtbaar op binnen[Afbeelding]

Handmatig toevoegen via t ipadres aan HA levert t zelfde resultaat op als automatisch toevoegen.

Thanks allemaal voor het meedenken

@leejoow Ik had deze week met m'n eigen OpenQuatt gepruts een licht overbelaste ESP (teveel modbus reads etc). Daardoor werkte de API heel slecht. Kan zoiets hier ook aan de orde zijn?

[TeslaNerd]

Is dat met de debug-logging Enabled?



Bij mij ziet het met debug-logging enabled er zo uit na een restart (Restart via de web pagina van de Listener):

NB bij mij draait de OpenQuatt firmware ipv de Listener firmware maar dat zal er niet veel anders uit zien na een herstart, toch @leejoow ?

[ Voor 74% gewijzigd door TeslaNerd op 06-02-2026 13:27 ]

[Appesteijn]

Op basis van het script van @RickvdT ben ik bezig om hier een HA integratie van te maken. Nog niet af, maar dit is wat ik nu heb:

Via HACS is het te installeren:
https://github.com/Appesteijn/stooklijn

Dan krijg je ongeveer dit:

[ Voor 31% gewijzigd door Appesteijn op 14-02-2026 23:37 ]

[assasinbats]

De afgelopen weken ben ik samen met @leejoow af en aan bezig geweest om iets te verzinnen om het ESP bordje uitleesbaar te krijgen in mijn (Docker) HA. We waren inmiddels allebei zonder ideëen (niet dat ik bijzonder veel kaas van al dit HA heb, maar met ChatGPT komt zelf een kneus zoals ik ergens) en stonden op t punt om t bordje om te ruilen voor een nieuw exemplaar. Toen bedacht ik me dat ik nog één ding kon doen: op een oude RPi een nieuwe HA zonder Docker installeren en dan kijken of het dan wel werkt. En verdomd: dat deed het! Autodetectie van de ESP, alle signalen in één keer doorgevend. Duidelijk dus dat het aan mijn HA lag.
Diezelfde avond had ik een vriend op bezoek met een hoop meer HA kennis. Na een snelle blik van hem zag hij dat mijn HA verouderd was (2025 core) terwijl de RPi nu een 2026 core had. Ik had natuurlijk wel HA laten checken op updates, maar kennelijk was zowel mijn Debian als de Docker outdated. De hele buts aan de update gezet, en vervolgens werkt het bordje zoals verwacht..

Ik voel me dr wel stom over dat het zoiets stoms was.. Maar dikke shout out naar Leejow voor t geduld met deze amateur.

[leejoow]

Ik ben blij dat we het gevonden hebben! Nu veel plezier ervan 🙂

[TeslaNerd]

Hier ook nog een dikke shout out naar @leejoow voor zijn engineering skills en enthousiasme om OpenQuatt mogelijk te maken. Met OpenQuatt verandert jouw Quatt van een gesloten systeem in een full tweakable open source systeem.

Sneak preview: @Jordi_ van OpenAmber is al heel ver met het doorgronden van het updaten van de parameter file van de buitenunit controller voor tweaken van de frequentie mapping en bodemplaatverwarming. Dan kunnen irritante resonanties bij de bron worden aangepakt en stoppen wij die 600 MWh aan zinloze bodemplaatverwarming

[Fragger123]

Appesteijn schreef op zaterdag 14 februari 2026 @ 12:11:
Op basis van het script van @RickvdT ben ik bezig om hier een HA integratie van te maken. Nog niet af, maar dit is wat ik nu heb: [Afbeelding]

Via HACS is het te installeren:
https://github.com/Appesteijn/stooklijn

Dan krijg je ongeveer dit:
[Afbeelding]

Cool lijkt prima te werken, moest wel bijna alle sensor namen aanpassen in het dashbordje want de meeste niet voor mijn installatie.

[jj85]

Appesteijn schreef op zaterdag 14 februari 2026 @ 12:11:
Op basis van het script van @RickvdT ben ik bezig om hier een HA integratie van te maken. Nog niet af, maar dit is wat ik nu heb: [Afbeelding]

Via HACS is het te installeren:
https://github.com/Appesteijn/stooklijn

Dan krijg je ongeveer dit:
[Afbeelding]

Nice! Deze week eens proberen.
Wel even een vraag: heb je hierin rekening gehouden met het potentieel overbelasten van de Quatt servers? Daar waren ze niet zo blij mee.

De default dashboard gaat nog niet zo lekker. Die verwijst nog naar quatt_stooklijn. Terwijl al m'n entities nu beginnen met quatt_warmteanalyse.


Misschien nog wel de datapunten op 0 weghalen uit de fit, die vertekenen nu het beeld een beetje

Nu lijk ik warmtevraag te hebben bij 20grC buiten.

Verder wel echt vet! Heel toegangelijk zo

[ Voor 34% gewijzigd door jj85 op 16-02-2026 10:59 ]

[leejoow]

Ik zou denk ik eerder er dan voor kiezen om de data zelf uit de modbus te sniffen

[jj85]

leejoow schreef op maandag 16 februari 2026 @ 10:32:
Ik zou denk ik eerder er dan voor kiezen om de data zelf uit de modbus te sniffen

Deze haalt de data op uit de Quatt cloudserver. Dus kan ik als beginpunt de installatiedatum kiezen.
M'n modbus levert alleen de huidige data. Dus daar kan ik niet snel een stooklijn op bepalen.

[Fragger123]

Deels, hij haalt ook data uit je homeassistant statistics.

Ik moest inderdaad ook het dashboard flink aanpassen omdat de entiteiten anders zijn

[Appesteijn]

Fragger123 schreef op maandag 16 februari 2026 @ 09:32:
[...]


Cool lijkt prima te werken, moest wel bijna alle sensor namen aanpassen in het dashbordje want de meeste niet voor mijn installatie.

[Afbeelding]

Nice! Heb je een lijstje van sensoren die je moest aanpassen (via DM)? Dan kan ik kijken of dat makkelijker kan.

[Appesteijn]

jj85 schreef op maandag 16 februari 2026 @ 09:40:
[...]

Nice! Deze week eens proberen.
Wel even een vraag: heb je hierin rekening gehouden met het potentieel overbelasten van de Quatt servers? Daar waren ze niet zo blij mee.

De default dashboard gaat nog niet zo lekker. Die verwijst nog naar quatt_stooklijn. Terwijl al m'n entities nu beginnen met quatt_warmteanalyse.
[Afbeelding]

Misschien nog wel de datapunten op 0 weghalen uit de fit, die vertekenen nu het beeld een beetje
[Afbeelding]
Nu lijk ik warmtevraag te hebben bij 20grC buiten.

Verder wel echt vet! Heel toegangelijk zo

Ja je hebt wel apexchart-card via HACS nodig.
De 0 data punten worden niet meegenomen in de berekening van de lijn, ze waorden nog wel getoond.

[jj85]

Appesteijn schreef op maandag 16 februari 2026 @ 11:06:
[...]


Ja je hebt wel apexchart-card via HACS nodig.

Ja, dat is het probleem ook niet.
Probleem is dat in de dashboard er veelal gevraagd word om sensor.quatt_stooklijn_xxx. Terwijl al m'n entities nu beginnen met sensor.quatt_warmteanalyse_xxx.
Ik gok dat je gedurende je project een keer de naam hebt aangepast van Quatt Stooklijn naar Quatt Warmteanalyse

De 0 data punten worden niet meegenomen in de berekening van de lijn, ze waorden nog wel getoond.

Hmm, toch loopt die lijn niet lekker.
Je zou eigenlijk alle punten >20grC of <100W/k eruit moeten filteren (of iets in die richting)

[RickvdT]

Appesteijn schreef op zaterdag 14 februari 2026 @ 12:11:
Op basis van het script van @RickvdT ben ik bezig om hier een HA integratie van te maken. Nog niet af, maar dit is wat ik nu heb: [Afbeelding]

Via HACS is het te installeren:
https://github.com/Appesteijn/stooklijn

Dan krijg je ongeveer dit:
[Afbeelding]

Heel tof! Maakt het ook een stuk laagdrempeliger.

Een tekortkoming van mijn code is de 'knik' berekening. Deze is nu gebaseerd op de laatste 10 dagen met detail data uit Home assistant (voordat het de long term statistics in gaat). Dit betekent dus dat het alleen soepel werkt als je warmtepomp op maximaal vermogen heeft gedraaid in de afgelopen 10 dagen. En eigenlijk nooit accuraat is als je huidige stooklijn nooit het maximale vermogen van je Quatt vraagt.

Ik heb geprobeerd dit om te bouwen naar de Quatt api data maar dan liep ik er tegen aan dat je veel ruis krijgt van uren dat de warmtepomp maar een deel van het uur heeft gedraaid en defrosts die weer deels afhangen van luchtvochtigheid buiten wat een onbekende is. Ik denk dat daar verbetering mogelijk is maar ik kwam er niet helemaal uit met alleen data van mijn eigen setup (waar ik gelukkig nooit gas gebruik).

jj85 schreef op maandag 16 februari 2026 @ 09:40:
[...]
Misschien nog wel de datapunten op 0 weghalen uit de fit, die vertekenen nu het beeld een beetje

Ik denk inderdaad dat daar nog iets niet helemaal lekker loopt als ik zo naar de voorbeelden kijk. Het beste kun je alle data met een warmteoutput minder dan 2kw negeren. Dit is in veel gevallen het minimale vermogen van een Quatt (staat in de specsheet per A/W). Dus ook al vraagt de stooklijn 1,5kw zal de Quatt 2kw leveren wat betekent dat je deze data niet wilt gebruiken.

[Appesteijn]

jj85 schreef op maandag 16 februari 2026 @ 11:19:
[...]

Ja, dat is het probleem ook niet.
Probleem is dat in de dashboard er veelal gevraagd word om sensor.quatt_stooklijn_xxx. Terwijl al m'n entities nu beginnen met sensor.quatt_warmteanalyse_xxx.
Ik gok dat je gedurende je project een keer de naam hebt aangepast van Quatt Stooklijn naar Quatt Warmteanalyse

[...]

Hmm, toch loopt die lijn niet lekker.
Je zou eigenlijk alle punten >20grC of <100W/k eruit moeten filteren (of iets in die richting)

Ja dat klopt, de oude naam dekte niet helemaal de lading. Ik had niet verwacht dat mensen hem al geïnstalleerd zouden hebben
Ik zou graag willen dat mensen met alleen gas verbruik en dagelijkse temperatuur registratie met deze integratie ook hun warmte behoeft kunnen berekenen. En dan dus weten welke warmtepomp ze nodig hebben.

Als het goed is worden alle punten met < 200W eruit gefilterd. Morgen heb ik tijd om er naar te kijken, dank voor het meekijken in ieder geval.

[Fragger123]

Appesteijn schreef op maandag 16 februari 2026 @ 11:04:
[...]


Nice! Heb je een lijstje van sensoren die je moest aanpassen (via DM)? Dan kan ik kijken of dat makkelijker kan.

Ja zie ook het bericht van jj het was vooral 'quatt_stooklijn' naar 'quatt_warmteanalyse'

[verguldebarman]

Appesteijn schreef op zaterdag 14 februari 2026 @ 12:11:
Op basis van het script van @RickvdT ben ik bezig om hier een HA integratie van te maken. Nog niet af, maar dit is wat ik nu heb: [Afbeelding]

Via HACS is het te installeren:
https://github.com/Appesteijn/stooklijn

Dan krijg je ongeveer dit:
[Afbeelding]

Ziet er goed uit en direct geïnstalleerd!!

Bij mij wordt alleen het Knikpunt niet berekend. Ik heb geen gas sensoren ingevuld, alleen de quatt sensoren. Zit het daarmee te maken kunnen hebben?

Ik de sensor "sensor.quatt_stooklijn_quatt_stooklijn_slope" staat op unknown trouwens. Enig idee waarom?

[jj85]

@verguldebarman even hernoemen
jj85 in "Ervaringen met Quatt en HA en andere Domotica"

[verguldebarman]

jj85 schreef op maandag 16 februari 2026 @ 18:54:
@verguldebarman even hernoemen
jj85 in "Ervaringen met Quatt en HA en andere Domotica"

Dat had ik al gedaan. De rest werkt perfect alleen Knee en Slope blijven unknown.

[Appesteijn]

verguldebarman schreef op maandag 16 februari 2026 @ 19:15:
[...]

Dat had ik al gedaan. De rest werkt perfect alleen Knee en Slope blijven unknown.

Hmm wellicht even de data wissen (of HA opnieuw opstarten) en opnieuw genereren.

Heb je anders een log file output voor me?

[verguldebarman]

Appesteijn schreef op maandag 16 februari 2026 @ 22:52:
[...]


Hmm wellicht even de data wissen (of HA opnieuw opstarten) en opnieuw genereren.

Heb je anders een log file output voor me?

Data gewist, geen succes.

Welke log file output bedoel je en waar staat die? Of bedoel je debug logging?

[Appesteijn]

verguldebarman schreef op dinsdag 17 februari 2026 @ 07:32:
[...]

Data gewist, geen succes.

Welke log file output bedoel je en waar staat die? Of bedoel je debug logging?

Settings -> System -> Logs en dan kijken of hier iets staat van de Custom Component

Ik zie met dat het versiebeheer nog niet lekker loopt, ik heb wat updates gepushed mbt caching, maar in HACS komen deze nu gelijk als nieuwe versie door, dat is niet de bedoeling.

[verguldebarman]

Appesteijn schreef op dinsdag 17 februari 2026 @ 07:37:
[...]

Settings -> System -> Logs en dan kijken of hier iets staat van de Custom Component

Ik zie met dat het versiebeheer nog niet lekker loopt, ik heb wat updates gepushed mbt caching, maar in HACS komen deze nu gelijk als nieuwe versie door, dat is niet de bedoeling.

Ik vrees niet heel veel zinnigs in de logs. Of kan je iets met de warming?

code:

2026-02-17 16:51:31.000 INFO (MainThread) [custom_components.quatt_stooklijn] Triggering Quatt Stooklijn analysis
2026-02-17 16:51:31.000 DEBUG (MainThread) [custom_components.quatt_stooklijn.coordinator] Manually updated quatt_stooklijn data
2026-02-17 16:51:31.002 INFO (MainThread) [custom_components.quatt_stooklijn.coordinator] Starting Quatt Stooklijn analysis
2026-02-17 16:51:31.002 INFO (MainThread) [custom_components.quatt_stooklijn.coordinator] Fetching Quatt insights data...
2026-02-17 16:52:10.799 INFO (MainThread) [custom_components.quatt_stooklijn.coordinator] Fetching live history for stooklijn analysis...
2026-02-17 16:52:24.875 INFO (MainThread) [custom_components.quatt_stooklijn.analysis.stooklijn] Using temperature from: sensor.thermostat_temperature_outside (6130 records)
2026-02-17 16:52:24.881 WARNING (MainThread) [custom_components.quatt_stooklijn.analysis.stooklijn] Could not find temperature or power data (temp=True, power=False)
2026-02-17 16:52:24.890 INFO (MainThread) [custom_components.quatt_stooklijn.coordinator] Running stooklijn calculations...
2026-02-17 16:52:25.062 INFO (MainThread) [custom_components.quatt_stooklijn.coordinator] Running heat loss analysis...
2026-02-17 16:52:25.113 INFO (MainThread) [custom_components.quatt_stooklijn.coordinator] Quatt Stooklijn analysis completed
2026-02-17 16:52:25.114 DEBUG (MainThread) [custom_components.quatt_stooklijn.coordinator] Finished fetching quatt_stooklijn data in 54.112 seconds (success: True)

[Appesteijn]

Ok ik heb het een en ander aangepast. Er wordt nu zoveel mogelijk data uit Home Assistant zelf gebruikt en 1 keer 30 dagen richting de Quatt API. Deze Quatt API data wordt gecached, dus bij volgende updates wordt alleen een delta binnengehaald.
Het berekenen van het knikpunt blijft nog lastig omdat dit op minuten data gebaseerd is vanuit het Home Assistant data en deze wordt in de regel maar voor de afgelopen 10 dagen opgeslagen. De integratie probeert wel 30 dagen op te halen (alleen binnen HA), maar voor de meeste mensen zal dit dus maar 10 dagen zijn.

Ook heb ik het versiebeheer nu beter, de laatste versie is 0.2.2. Als er wat mensen mee willen testen dan wordt dat gewaardeerd, bij voldoende positieve tests, kan ik deze integratie aanmelden bij HACS.

https://github.com/Appesteijn/stooklijn

[nairolf]

RickvdT schreef op maandag 16 februari 2026 @ 11:41:
[...]


Heel tof! Maakt het ook een stuk laagdrempeliger.

Een tekortkoming van mijn code is de 'knik' berekening. Deze is nu gebaseerd op de laatste 10 dagen met detail data uit Home assistant (voordat het de long term statistics in gaat). Dit betekent dus dat het alleen soepel werkt als je warmtepomp op maximaal vermogen heeft gedraaid in de afgelopen 10 dagen. En eigenlijk nooit accuraat is als je huidige stooklijn nooit het maximale vermogen van je Quatt vraagt.

Ik heb geprobeerd dit om te bouwen naar de Quatt api data maar dan liep ik er tegen aan dat je veel ruis krijgt van uren dat de warmtepomp maar een deel van het uur heeft gedraaid en defrosts die weer deels afhangen van luchtvochtigheid buiten wat een onbekende is. Ik denk dat daar verbetering mogelijk is maar ik kwam er niet helemaal uit met alleen data van mijn eigen setup (waar ik gelukkig nooit gas gebruik).

Probeer de uur-data eens te 24-uur sommeren/middelen. Dan krijg je als data de 24-uur warmtebehoefte in kWh (of als je weer door 24 deelt, dus middelen, het 24-uurs gemiddelde vermogen). In combinatie met de 24-uur gemiddelde temperatuur geeft dit waarschijnlijk een goed beeld. Dat doet het iig bij mij voor mijn gasverbruik (oud plaatje):



Dit is alle 24-uurs gemiddelden (dus 00:00-23:59, 01:00-00:59, 02:00-01:59, etc..), en daaruit volgt bij mij dus dat bij -22 (gevoelstemperatuur, oftewel -10 met 15 m/s wind) wij verwachten 8.86 kuub gas te moeten gebruiken.

[RickvdT]

nairolf schreef op dinsdag 17 februari 2026 @ 23:54:
[...]
Probeer de uur-data eens te 24-uur sommeren/middelen. Dan krijg je als data de 24-uur warmtebehoefte in kWh (of als je weer door 24 deelt, dus middelen, het 24-uurs gemiddelde vermogen). In combinatie met de 24-uur gemiddelde temperatuur geeft dit waarschijnlijk een goed beeld. Dat doet het iig bij mij voor mijn gasverbruik (oud plaatje):

[Afbeelding]

Dit is alle 24-uurs gemiddelden (dus 00:00-23:59, 01:00-00:59, 02:00-01:59, etc..), en daaruit volgt bij mij dus dat bij -22 (gevoelstemperatuur, oftewel -10 met 15 m/s wind) wij verwachten 8.86 kuub gas te moeten gebruiken.

Voor het bepalen van de totale warmtebehoefte van de woning is jouw methode prima maar om een inschatting te maken van de werkelijke stooklijn en prestaties kun je denk ik niet met gemiddelde data werken.

Om het enigszins te verduidelijken, stel ik wil van mijn auto het benzineverbruik bij 3000 toeren weten. Als ik de motor een half uur op 5000 toeren rijd en een half uur stationair laat draaien op 1000 toeren en dan de verbruikte benzine meet kan ik een benzineverbruik bij gemiddeld 3000 toeren vaststellen. Dat zegt echter weinig over het benzineverbruik bij 3000 toeren, daarvoor meet je liever gewoon de benzine flow als de motor 3000 toeren maakt. Hetzelfde gebeurt met de Quatt data als het de long term statistics in gaat. Je krijgt gewoon erg veel ruis en gaat verkeerde dingen meten.

Mooi voorbeeld, het defrost interval is gemiddeld 52 minuten. Dat betekent dat er elke 6 uur een uur is dat 2x een defrost heeft. In de detail data geen probleem, in de long term statistics krijg je een outlier. Zo zijn er nog wel wat voorbeelden.

[Tokolosh]

Weet iemand hoe Quatt “DHW On” detectie regelt?

Dit zit in de remote API maar ik wil graag dit lokaal doen en mijn afzuiging maximaal laten draaien zodra er een douche aan gaat.

Ik verwacht dat het iets is al -dT > 0.2C per minuut bij de bottom temp van de heat battery maar als de precieze berekening hier achter bekend is zou dat mooi(er) zijn.

[ Voor 31% gewijzigd door Tokolosh op 23-02-2026 20:29 ]

[jj85]

@Tokolosh Heb je all-e?
Er zit een flowmeter in de heatcharger, die meet dus DHW.

[Tokolosh]

jj85 schreef op maandag 23 februari 2026 @ 20:41:
@Tokolosh Heb je all-e?
Er zit een flowmeter in de heatcharger, die meet dus DHW.

Jazeker, ik heb de All-E! Gewonnen met Tweakers testpanel

Bedankt voor de info; is er manier om die flowmeter uit te lezen met HA? Mischien kijk ik er overheen?

[--Christiaan--]

Appesteijn schreef op maandag 16 februari 2026 @ 11:04:
[...]


Nice! Heb je een lijstje van sensoren die je moest aanpassen (via DM)? Dan kan ik kijken of dat makkelijker kan.

Ik heb even alles met Replace all aangepast. Alle sensoren heten nog quatt_stooklijn maar dat moet quatt_warmteanalyse zijn. De services zijn wel nog quatt_stooklijn om het werkend te krijgen.

En dan is er nog een entity die aangeroepen wordt maar niet lijkt te bestaan in het dashboard, dat is sensor.quatt_warmteanalyse_aanbevolen_aanvoertemperatuur

Wat moet ik daar precies doen?

Mooi werk trouwens!

[Appesteijn]

--Christiaan-- schreef op maandag 23 februari 2026 @ 21:45:
[...]

Ik heb even alles met Replace all aangepast. Alle sensoren heten nog quatt_stooklijn maar dat moet quatt_warmteanalyse zijn. De services zijn wel nog quatt_stooklijn om het werkend te krijgen.

En dan is er nog een entity die aangeroepen wordt maar niet lijkt te bestaan in het dashboard, dat is sensor.quatt_warmteanalyse_aanbevolen_aanvoertemperatuur

Wat moet ik daar precies doen?

Mooi werk trouwens!

Bij mij heet die 'aanbevolen aanvoertemperatuur', ook in de grafiek moet je die aanpassen. Ik moest die met de hand nog aanpasen. Je krijg dan te zien wat volgens je verzamelde data de beste aanvoertemperatuur. Dit zou gelijk moeten lopen met je Flowmeter temperatuur:

Ik dacht dat ik dat had gefixed in de laatste (pre) release even kijken wat daar mis is gegaan.

[--Christiaan--]

Appesteijn schreef op maandag 23 februari 2026 @ 23:19:
[...]


Bij mij heet die 'aanbevolen aanvoertemperatuur', ook in de grafiek moet je die aanpassen. Ik moest die met de hand nog aanpasen. Je krijg dan te zien wat volgens je verzamelde data de beste aanvoertemperatuur. Dit zou gelijk moeten lopen met je Flowmeter temperatuur: [Afbeelding]

Ik dacht dat ik dat had gefixed in de laatste (pre) release even kijken wat daar mis is gegaan.

Thanks! Kun je me vertellen hoe die entity exact heet? Want ik kan helemaal niks vinden wat er op lijkt.

Of komt het misschien omdat ik bij Stooklijn Point 1 en 2 nog niks heb ingevuld?

En dan meteen de vraag, hoe kom ik er achter wat ik daar moet invullen? Sorry voor de vele vragen, ik ben het nog erg aan het ontdekken allemaal. Ik begrijp dat het dan om de current quatt stooklijn gaat, maar hoe vind ik die?

[ Voor 16% gewijzigd door --Christiaan-- op 24-02-2026 12:10 ]

[jj85]

Appesteijn schreef op maandag 23 februari 2026 @ 23:19:
[...]


Bij mij heet die 'aanbevolen aanvoertemperatuur', ook in de grafiek moet je die aanpassen. Ik moest die met de hand nog aanpasen. Je krijg dan te zien wat volgens je verzamelde data de beste aanvoertemperatuur. Dit zou gelijk moeten lopen met je Flowmeter temperatuur: [Afbeelding]

Ik dacht dat ik dat had gefixed in de laatste (pre) release even kijken wat daar mis is gegaan.

Ik zit even te denken wat we hier nou precies berekenen

Basis is warmteverlies / warmte vanuit de Quatt bij buitentemp (de Power stooklijn).
Dit wordt door Quatt berekent als P = flow * (Tuit - Tin) *constante

In de aanbevolen aanvoertemp doe je precies het omgekeerde, je start met P.
Tuit = Tin + P / (flow * constante)

Wat is hier de 'winst'?

Hij slaat bij mij trouwens de flow en Tin entiteit niet op in de config en kan dus de watertemp niet berekenen. Bugje?

[Appesteijn]

jj85 schreef op dinsdag 24 februari 2026 @ 12:41:
[...]

Ik zit even te denken wat we hier nou precies berekenen

Basis is warmteverlies / warmte vanuit de Quatt bij buitentemp (de Power stooklijn).
Dit wordt door Quatt berekent als P = flow * (Tuit - Tin) *constante

In de aanbevolen aanvoertemp doe je precies het omgekeerde, je start met P.
Tuit = Tin + P / (flow * constante)

Wat is hier de 'winst'?

Hij slaat bij mij trouwens de flow en Tin entiteit niet op in de config en kan dus de watertemp niet berekenen. Bugje?

Mijn idee was dat je hiermee de vereiste watertemperatuur kan ophalen om via OpenQuatt de Quatt aan te sturen.
En het is voor mij een sanity check om te kijken of dit de watertemperatuur bij de flowmeter benadert.

[ Voor 6% gewijzigd door Appesteijn op 24-02-2026 18:01 ]

[Appesteijn]

--Christiaan-- schreef op dinsdag 24 februari 2026 @ 12:08:
[...]

Thanks! Kun je me vertellen hoe die entity exact heet? Want ik kan helemaal niks vinden wat er op lijkt.

Of komt het misschien omdat ik bij Stooklijn Point 1 en 2 nog niks heb ingevuld?

En dan meteen de vraag, hoe kom ik er achter wat ik daar moet invullen? Sorry voor de vele vragen, ik ben het nog erg aan het ontdekken allemaal. Ik begrijp dat het dan om de current quatt stooklijn gaat, maar hoe vind ik die?

Geen probleem, ook ik ben ooit begonnen

Als je naar je dashboard kijkt, dan kan je rechts bovenin op Edit klikken. Dan moet je naar de Edit knop van de sensor die nu op 'ik kan deze niet vinden' staat. Bij mij heet de correcte sensor: sensor.quatt_warmteanalyse_aanbevolen_aanvoertemperatuur


Er moet wel wat data zijn zodat hij iets kan berekenen en de pomp moet werken, anders staat er 'unknown'

[jappo]

Appesteijn schreef op dinsdag 24 februari 2026 @ 20:40:
[...]

Bij mij heet de correcte sensor: sensor.quatt_warmteanalyse_aanbevolen_aanvoertemperatuur

[…]

Bij mij bestaat deze sensor (ook) niet. Hij is niet aangemaakt onder de Quatt warmteanalyse integratie.
Zou dat wel zo moeten zijn?
Ik heb versie 0.2.5 van de integratie.

Het dashboard ziet er nu zo uit bij mij.Hieronder alle entiteiten die zijn aangemaakt.Ik heb het idee dat er meer mist in de grafieken.

[Appesteijn]

jappo schreef op dinsdag 24 februari 2026 @ 22:47:
[...]


Bij mij bestaat deze sensor (ook) niet. Hij is niet aangemaakt onder de Quatt warmteanalyse integratie.
Zou dat wel zo moeten zijn?
Ik heb versie 0.2.5 van de integratie.

Het dashboard ziet er nu zo uit bij mij.

[Afbeelding]

[Afbeelding]

[Afbeelding]

Hieronder alle entiteiten die zijn aangemaakt.

[Afbeelding]

Ik heb het idee dat er meer mist in de grafieken.

Kun je eens onder Settings -> System -> Logs kijken of daar nog iets staat mbt de Quatt warmteanalyse integratie?

[jappo]

Appesteijn schreef op dinsdag 24 februari 2026 @ 23:02:
[...]

Kun je eens onder Settings -> System -> Logs kijken of daar nog iets staat mbt de Quatt warmteanalyse integratie?

Geen foutmeldingen voor deze integratie.
Ik heb je een log via pm gestuurd. Tijdens dit log heb ik een reload van de integratie gedaan en een nieuwe calculatie.

Misschien goed om dit verder via een issue op github te doen?

[ Voor 7% gewijzigd door jappo op 25-02-2026 07:27 ]

[jj85]

jappo schreef op dinsdag 24 februari 2026 @ 22:47:
[...]
Ik heb versie 0.2.5 van de integratie.

Volgens mij zit die watertemp-berekening in v 0.2.7 (die staat nu als pre-release in HACS).
@Appesteijn Klopt toch?

[--Christiaan--]

Dat is bij mij inderdaad ook het probleem, de entity bestaat letterlijk niet.







Hoe zet ik pre-release aan in HACS?

[jj85]

@--Christiaan--
Zoek integratie op in HACS, klik op puntjes rechts en dan Redownload.
Vervolgens 'need different version' en selecteer daar de gewenste versie.

[--Christiaan--]

Dank! Het is gelukt.

Heeft iemand nog een idee hoe ik de waardes vind die ik bij Stooklijn Point 1 en 2 moet invullen?

[jj85]

--Christiaan-- schreef op woensdag 25 februari 2026 @ 10:21:
Dank! Het is gelukt.

Heeft iemand nog een idee hoe ik de waardes vind die ik bij Stooklijn Point 1 en 2 moet invullen?

Opvragen bij Quatt

[Fragger123]

jj85 schreef op woensdag 25 februari 2026 @ 10:33:
[...]

Opvragen bij Quatt

Zou eigenlijk nice zijn als ze die gewoon in de CiC json feed zetten.

[jj85]

Fragger123 schreef op woensdag 25 februari 2026 @ 11:52:
[...]


Zou eigenlijk nice zijn als ze die gewoon in de CiC json feed zetten.

Ja, dat is al 1000x gevraagd. Tevens bestaat er al net zo lang de wens om die parameters (onder disclaimer) zelf te kunnen bijwerken in de app.

OpenQuatt biedt hierin wat meer momenteel

[nairolf]

jj85 schreef op woensdag 25 februari 2026 @ 11:58:
[...]

Ja, dat is al 1000x gevraagd. Tevens bestaat er al net zo lang de wens om die parameters (onder disclaimer) zelf te kunnen bijwerken in de app.

OpenQuatt biedt hierin wat meer momenteel
[Afbeelding]

offtopic:
What?!? Een Kp van 3.8 kW per graad temperatuurfout?!? Heftig...

[jj85]

@nairolf Scherp!
Ik wil het niet koud krijgen natuurlijk.

Maar dit is voornamelijk een correctie op kamertemperatuur/setpoint.
Dus in de basis is de warmteverliesstooklijn van Quatt in charge, daar bovenop komt een correctie op basis van de thermostaat. Met 3800 W/K is de correctie wel enigszins aggresief.

Waarde is ooit in een simulatie bepaald, maar wel aan de hoge kant nu. Tzt eens wat verder tunen. Voorals nog heeft het systeem wel heel mooi gedraait hiermee

[nairolf]

jj85 schreef op woensdag 25 februari 2026 @ 13:15:
@nairolf Scherp!
Ik wil het niet koud krijgen natuurlijk.

Maar dit is voornamelijk een correctie op kamertemperatuur/setpoint.
Dus in de basis is de warmteverliesstooklijn van Quatt in charge, daar bovenop komt een correctie op basis van de thermostaat. Met 3800 W/K is de correctie wel enigszins aggresief.

Waarde is ooit in een simulatie bepaald, maar wel aan de hoge kant nu. Tzt eens wat verder tunen. Voorals nog heeft het systeem wel heel mooi gedraait hiermee

Heftige simulatie dan! Ik heb een eigen regeling geschreven met een OTGW en analyse van oude data. Die komt op een warmteverlies van 2.168kWh/graaddag met grens 15C. (Dat is wel windchill, dus gevoelstemperatuur. Niet de echte. Bij -10 met 15m/s wind (-22.1 windchill) is dat een warmteenergie van 80 kWh(th) per dag). De stooklijn is gezet op 0.137 graad watertemperatuur per kWh dagenergie, en de correctie gezet op 2 graden watertemperatuur per graad kamertemperatuur, maar dat is de “PID error”, dus daar zit al de integraal met constante van Ti=10800 (Ki=2/10800) seconden in. (Kd=0) Dat zou betekenen dat mijn Kp in W/K termen 2/0,137*24=350,365 W/K staat, een factor 10 minder dan bij jou 😂.

Even terugrekenen: 7020/26=270 W/K, met een kamerfout van 0.5 graad (deadband even uitgesloten, dus 1900W correctie) doe je dus al alsof het buiten 1900/270=7,037 graden kouder buiten is

[Appesteijn]

jj85 schreef op woensdag 25 februari 2026 @ 09:29:
@--Christiaan--
Zoek integratie op in HACS, klik op puntjes rechts en dan Redownload.
Vervolgens 'need different version' en selecteer daar de gewenste versie.

[Afbeelding]

[Afbeelding]

Ach zucht, prereleases worden niet automatisch 'gepushed' naar gebruikers, logisch mijn fout.

[MWink]

In het algemene Quatt forum kreeg ik de vraag hoe je via de Home Assistant Quatt integratie een compressor frequentie kunt skippen als deze bijvoorbeeld resonantie geeft. Je hebt hiervoor wel een via HA instelbare thermostaat nodig.

Ik heb een eenvoudig voorbeeld HA automation gemaakt die bij mij na zo'n 3 minuten een einde maakt aan een bepaalde frequentie.

Voorbeeld yaml script, (de device_id en entity_id uiteraard aanpassen):

code:

alias: Skip HP frequency
description: ""
triggers:
  - trigger: time_pattern
    minutes: /2
conditions:
  - condition: and
    conditions:
      - type: is_on
        condition: device
        device_id: eeed0df548b1e918191e21c636530b1b
        entity_id: 486a8eb38b543923005560f26edfea0b
        domain: binary_sensor
        for:
          hours: 0
          minutes: 2
          seconds: 0
      - type: is_value
        condition: device
        device_id: 2c70e882af3a53aa83569f52c9d2a039
        entity_id: 9631c184f5394c1ae238c6d947ddbcb6
        domain: sensor
        below: 40
        above: 38
actions:
  - action: climate.set_temperature
    metadata: {}
    data:
      temperature: >-
        {{ state_attr('climate.diyless_thermostat_3_central_heating' ,
        'temperature') | float + 0.1 }}
    target:
      device_id: 8bed7270197be004dc0d9638f75b9ec0
mode: single

Je kunt bij below: 40 above: 38 dan de range invullen van de frequenties waar je last hebt van resonanties. Bij de Quatt zijn de stappen in [Hz]: 30, 39, 49, 55, 61, 67, 72, 79, 85, 90. Uiteraard als je last hebt van de 90 Hz, dan is het simpeler de SoundSlider op Library te zetten, en als je last hebt van de hogere frequenties zoals 79 en 85 Hz kun je beter juist de temperatuur 0.1 C naar beneden bijstellen.

Ik realiseer mij bij dit (te) eenvoudig voorbeeld dat er nog wat toegevoegd moet worden om te voorkomen dat de thermostaat setpoint maar blijft toenemen, als de warmtevraag afneemt in de woning. Je komt anders niet meer onder deze frequentie. Of je moet handmatig de temperatuur weer een stuk lager zetten. Maar als basis voor je eigen automation kun je eens proberen.

[ Voor 16% gewijzigd door MWink op 03-03-2026 20:22 ]

[Tokolosh]

Zijn er ook mensen die (sinds cic update 4.2.0) problem hebben met de “domestic hot water on” sensor”? Bij mij lijkt het nu alsof ik 24/7 onder de douche sta terwijl erg geen sww vraag in het huis is

[Rowwan]

Tokolosh schreef op maandag 9 maart 2026 @ 19:04:
Zijn er ook mensen die (sinds cic update 4.2.0) problem hebben met de “domestic hot water on” sensor”? Bij mij lijkt het nu alsof ik 24/7 onder de douche sta terwijl erg geen sww vraag in het huis is

Hier geen probleem met 4.2.0.

[Magreet1]

Tokolosh schreef op maandag 9 maart 2026 @ 19:04:
Zijn er ook mensen die (sinds cic update 4.2.0) problem hebben met de “domestic hot water on” sensor”? Bij mij lijkt het nu alsof ik 24/7 onder de douche sta terwijl erg geen sww vraag in het huis is

Dat heb ik in de app van Quatt sinds zondagochtend. Is die sensor ook in JSON af te lezen?

[m10tech]

Voor wie mijn sniffer gebruikt, de 2.0.0 versie is compatible met CiC 4.2.0
https://github.com/M10tech/Quatt-sniffer
Wegens 24 uur caching nog niet getest als volledig git sourced, maar werkt wel als local versie...

[Appesteijn]

Ik heb de Quatre Warmte Analyse integratie bijgewerkt. Hopelijk is de informatie nu wat duidelijker. Als je wil helpen testen of andere feedback hebt dan hoor ik het graag:

https://github.com/Appesteijn/stooklijn

[leejoow]

Heatpump Listener - Quatt v 1.1.0

Voor wie mijn Heatpump Listener gebruikt: er is een nieuwe firmware welke er voor zorgt dat hij compatible is met CiC 4.2.0. Hij zou ook met de oudere versies moeten blijven werken.

Daarnaast is er een config switch toegevoegd die modbus commandos logs die voorbij komen maar (nog) niet geconfigureerd zijn. Standaard staat deze op off nadat er opgestart wordt. Als deze op on gezet wordt zullen alle commando's die nog niet in de software geconfigureerd zijn voorbij komen in de log. Ideaal om eventuele extra registers te reverse engineeren

Via Home Assistant wordt de update automatisch aangeboden, anders is hij ook te vinden op de GitHub (binaries voor single en duo).

[User9]

Nvm. Is al opgelost...

[ Voor 86% gewijzigd door User9 op 26-03-2026 10:54 ]

[Appesteijn]

Ik ben nu aan het experimenteren of ik een model kan laten leren wat de warmtevraag gaat worden en de weersvoorspelling meeneemt voor de aankomende 6 uur (vanaf de gratis open-meteo integratie), dus als het over een uur warm wordt, dan kan je nu alvast wat terug schakelen. Ook de instraling van de zon wordt als aparte variabele meegenomen. Hopelijk komen er nog wat koude dagen aan, dan kan het model beter worden.

Als je mee wil helpen testen, dan kan je pre-release v0.5.3 installeren via HACS: https://github.com/Appesteijn/stooklijn

[Appesteijn]

Nog een bug gefixed in de laatste versie, dank. In plaats van de OTGW integratie heb ik nu de soundslider geimplementeerd om te kijken of we daarmee het maximale vermogen kunnen beinvloeden als de Quatt to hard of te zacht werkt.

[TeslaNerd]

Appesteijn schreef op woensdag 1 april 2026 @ 00:03:
Nog een bug gefixed in de laatste versie, dank. In plaats van de OTGW integratie heb ik nu de soundslider geimplementeerd om te kijken of we daarmee het maximale vermogen kunnen beinvloeden als de Quatt to hard of te zacht werkt.

Ik zie dat jij actief aan het ontwikkelen bent met jouw Quatt Warmteanalyse en al weer een versie 0.6.1 op Github hebt staan. Kun jij de nieuwste features van jouw Quatt regeling nog eens toelichten?
Ik ben benieuwd of jouw Warmteanalyse ook kan worden gekoppeld aan bijvoorbeeld OpenQuatt met de directe aansturing van de 10 compressor levels voor een enkele Quatt of de 100 combinaties van compressor niveaus voor de Quatt DUO

[Appesteijn]

Ja het is een beetje uit de hand gelopen

Het thermisch model lijkt wel goed geleerd te worden, dus geen linieare stooklijn meer, maar een model wat de eigenschappen van jou huis leert en samen met de 6-uurs weer forecast van OpenMeteo (gratis in HA) en voorspelling doet van de verwachtte binnen temperatuur, welk vermogen dan nodig is en wat de water aanvoer temperatuur zou moeten zijn. Zo wordt er ook meegenomen hoe hard de zon gaat schijnen en wanneer je huis hierdoor verwarmt wordt. De verwachte warmtevraag heeft ook invloed op de huidige warmtevraag, zo zou het stookgedrag dus rustiger moeten worden. Omdat ik nog geen OpenQuatt heb, kan ik dat nog niet valideren.



Ik ben nog niet helemaal tevreden over een aantal waarden die berekend worden, bijvoorbeeld het knikpunt ging omhoog nu er minder koude nachten zijn, dat is logisch om hoe het knikpunt berekend wordt, maar wil ik graag opgelost hebben. Daarvoor moet er gewoon meer getest worden.

Recent heb ik toegevoegd dat als de echte aanvoertemeratuur te hoog is (meer dan 2 graden t.o.v. de voorspelde temperatuur uit het geleerde model) dat dan de soundslider omlaag wordt gezet. Dit gebeurd nu nog om de 5 minuten. Als de aanvoer temperatuur te laag is, gaat de soundslider weer omhoog, dit gebeurt ook als de warmtepomp uit gaat. Of dit echt veel effect heeft weet ik nog niet, maar het is in ieder geval een knop waar ik nu aan kan draaien. Wellicht is dit ook mogelijk met de maximale watertemperatuur, maar die is nog niet te zetten via de Quatt integratie.

[jj85]

Appesteijn schreef op woensdag 22 april 2026 @ 23:04:
Ja het is een beetje uit de hand gelopen

Het thermisch model lijkt wel goed geleerd te worden, dus geen linieare stooklijn meer, maar een model wat de eigenschappen van jou huis leert en samen met de 6-uurs weer forecast van OpenMeteo (gratis in HA) en voorspelling doet van de verwachtte binnen temperatuur, welk vermogen dan nodig is en wat de water aanvoer temperatuur zou moeten zijn. Zo wordt er ook meegenomen hoe hard de zon gaat schijnen en wanneer je huis hierdoor verwarmt wordt. De verwachte warmtevraag heeft ook invloed op de huidige warmtevraag, zo zou het stookgedrag dus rustiger moeten worden. Omdat ik nog geen OpenQuatt heb, kan ik dat nog niet valideren.

[Afbeelding]

Ik ben nog niet helemaal tevreden over een aantal waarden die berekend worden, bijvoorbeeld het knikpunt ging omhoog nu er minder koude nachten zijn, dat is logisch om hoe het knikpunt berekend wordt, maar wil ik graag opgelost hebben. Daarvoor moet er gewoon meer getest worden.

Recent heb ik toegevoegd dat als de echte aanvoertemeratuur te hoog is (meer dan 2 graden t.o.v. de voorspelde temperatuur uit het geleerde model) dat dan de soundslider omlaag wordt gezet. Dit gebeurd nu nog om de 5 minuten. Als de aanvoer temperatuur te laag is, gaat de soundslider weer omhoog, dit gebeurt ook als de warmtepomp uit gaat. Of dit echt veel effect heeft weet ik nog niet, maar het is in ieder geval een knop waar ik nu aan kan draaien. Wellicht is dit ook mogelijk met de maximale watertemperatuur, maar die is nog niet te zetten via de Quatt integratie.

[Afbeelding]

Ik heb in OpenQuatt nu geen manual mode zitten.
Zit er aan te denken om een soort custom heating strategie toe te voegen, waarin de gebruiker bijv een HA entiteit aan OpenQuatt kan koppelen. Bijv compressor level (of iets op een schaal van 0 tot 100%) en heating aan/uit. Of alternatief, een gewenste watertemperatuur.

Welke 'gaspedalen' zou je nodig hebben/ willen zien voor een koppeling tussen jouw integratie en OpenQuatt?

[Ferdinand Oeinck]

jj85 schreef op donderdag 23 april 2026 @ 10:53:
[...]

Ik heb in OpenQuatt nu geen manual mode zitten.
Zit er aan te denken om een soort custom heating strategie toe te voegen, waarin de gebruiker bijv een HA entiteit aan OpenQuatt kan koppelen. Bijv compressor level (of iets op een schaal van 0 tot 100%) en heating aan/uit. Of alternatief, een gewenste watertemperatuur.

Welke 'gaspedalen' zou je nodig hebben/ willen zien voor een koppeling tussen jouw integratie en OpenQuatt?

Misschien opgenomen vermogen? Dan is aansturing op basis van een P1 meter mogelijk. Overtollige energie in het huis stoppen onafhankelijk van setpoint en/of watertemperatuur.

[jj85]

Ferdinand Oeinck schreef op donderdag 23 april 2026 @ 11:01:
[...]

Misschien opgenomen vermogen? Dan is aansturing op basis van een P1 meter mogelijk. Overtollige energie in het huis stoppen onafhankelijk van setpoint en/of watertemperatuur.

Die snap ik misschien niet helemaal.
Bedoel je een input op elektrisch vermogen vd warmtepomp? Dus als er 500W overschot is, dat de Quatt op 500W gaat draaien? En bij 3kW overschot op 3kW gaan draaien? Wordt het dan niet loeiheet in de zomer als de zon schijnt en Quatt maximaal staat te stampen?

[Ferdinand Oeinck]

jj85 schreef op donderdag 23 april 2026 @ 11:06:
[...]

Die snap ik misschien niet helemaal.
Bedoel je een input op elektrisch vermogen vd warmtepomp? Dus als er 500W overschot is, dat de Quatt op 500W gaat draaien? En bij 3kW overschot op 3kW gaan draaien? Wordt het dan niet loeiheet in de zomer als de zon schijnt en Quatt maximaal staat te stampen?

Ja voor 500W is dat prima. 3kW ook als het buiten koud is. In de zomer moet je het wel uit kunnen zetten uiteraard. Of dan de koelmode aanzetten?

[Ferdinand Oeinck]

Ok, mijn software zal niet alle overschot naar de quatt sturen, maar ook de thuisbatterijen opladen. Door het vermogen aan te kunnen geven is snel schakelen beter mogelijk bijvoorbeeld bij halfbewolkt weer. Of als bijvoorbeeld de waterkoker of wasmachine aangaat. Dan moet de quatt ff uit...

[TeslaNerd]

Dit begint verdacht veel te lijken op een OpenQuatt Energy OS 💪

[ Voor 7% gewijzigd door TeslaNerd op 23-04-2026 12:02 ]

[jj85]

Dan zie ik momenteel het volgende voor me:
Custom strategie
- werkmodus: uit/heating/cooling
- sturen op: Powerinput, watertemperatuur, direct comp level of vertaling naar 0 tot 100% gaspedaal

Beide items via koppeling middels HA entiteit

[Appesteijn]

jj85 schreef op donderdag 23 april 2026 @ 10:53:
[...]

Ik heb in OpenQuatt nu geen manual mode zitten.
Zit er aan te denken om een soort custom heating strategie toe te voegen, waarin de gebruiker bijv een HA entiteit aan OpenQuatt kan koppelen. Bijv compressor level (of iets op een schaal van 0 tot 100%) en heating aan/uit. Of alternatief, een gewenste watertemperatuur.

Welke 'gaspedalen' zou je nodig hebben/ willen zien voor een koppeling tussen jouw integratie en OpenQuatt?

Ik heb een aantal sensoren hiervoor:
- 'aanbevolen aanvoerteperatuur'
- 'mpc aanbevolen aanvoertemperatuur'
- 'openquatt balance point'
- 'openquatt stooklijn'
- 'openquatt stooklijn slope'

Vooral de MPC aanbevolen aanvoertemperatuur lijkt mij het meest interessant, want dat is gebaseerd op wat het model heeft geleerd van je huis en de weersvoorspelling. Met de onderste drie kan je een lineair model gebruiken, maar dat is toch lastig als je nog niet een heel jaar data hebt (in de zomer gaan de 'warme' meting overheersen).

Je kan natuurlijk mijn repo uitchecken en aan je coding agent vragen hoe dit het beste te koppelen is.

[Toby-Wan]

jj85 schreef op donderdag 23 april 2026 @ 12:06:
Dan zie ik momenteel het volgende voor me:
Custom strategie
- werkmodus: uit/heating/cooling
- sturen op: Powerinput, watertemperatuur, direct comp level of vertaling naar 0 tot 100% gaspedaal

Beide items via koppeling middels HA entiteit

kan ik in de zomer ook mijn PV export affakkelen met de bodem plaat verwarming?

[TeslaNerd]

Beste mede-Quatters,
Iedereen die de Quatt-integratie in Home Assistant heeft of met een OpenQuatt (ESP32) draait, herkent de zinloze vraag: "Mijn pomp doet X bij buitentemperatuur Y, is dat normaal?". Er worden massaal screenshots gedeeld van daggrafieken om gedrag te vergelijken, maar een echte, objectieve benchmark ontbreekt.
Ik wil dit veranderen met het project OpenHeatPumps.nl. De visie is geïnspireerd op de internationale HeatpumpMonitor.org en de aanpak van OpenAmber.nl.
🎯 Wat is de visie?
In plaats van naar lastig vergelijkbare COP te kijken, gaan we de "Black Box" openen met metrics die er echt toe doen:
De APK-Check (Carnot-score): Een score die de invloed van het weer wegfiltert en puur de technische conditie van je machine meet.
Huis-efficiëntie: We berekenen 'kWh per Dynamische Graaddag' op basis van jouw live thermostaat-setpoint (geen vaste 18 graden!).
Benchmarken: Vergelijk jouw installatie objectief met de 'community-standaard' om afwijkingen sneller te signaleren.

Het lukt mij zelf niet om zo een analytics server op te zetten, maar met hulp van ai heb ik een opzet op github gemaakt voor dit project:

🔒 Privacy-by-Design
We houden het veilig en drempelloos:
Anonieme data: Identificatie via een anonieme hash van je Device ID/MAC-adres.
Anonieme locatie: Alleen de eerste cijfers van je postcode voor KNMI-weerdata.
Transparant: De code is volledig open-source en inzichtelijk.
🛠️ Hulp Gezocht: De Fundering!
De visie staat, de GitHub is ingericht en het domein openheatpumps.nl is vastgelegd. Maar eerlijk is eerlijk: ik heb meer verstand van warmtepomp-data dan van het inrichten van servers. Daarom zoek ik hulp:
Hosting: Wie wil/kan een kleine Docker-stack (MQTT-broker & InfluxDB) hosten voor deze community-data?
Dashboarding: Wie vindt het leuk om de eerste Grafana-dashboards te bouwen?
Early Adopters: Wie durft als eerste zijn data te streamen zodra de server live is?
Bekijk het project op GitHub:
👉 https://github.com/GtHbbrr/OpenQuatt-Community-Analytics
Heb jij de skills om dit technisch te realiseren, of wil je meedenken over de metrics? Laat het horen in dit topic!

[ Voor 3% gewijzigd door TeslaNerd op 26-04-2026 18:46 ]

[Ferdinand Oeinck]

TeslaNerd schreef op zondag 26 april 2026 @ 18:43:
Huis-efficiëntie: We berekenen 'kWh per Dynamische Graaddag' op basis van jouw live thermostaat-setpoint (geen vaste 18 graden!).

Waarom niet de gevoelstemperatuur (chill factor) nemen als temperatuur voor graaddagen? Huizen in ons land zijn soms erg wind gevoelig! Zelf neem ik ook facultatief de chill factor hiervoor....

[TeslaNerd]

Ferdinand Oeinck schreef op zondag 26 april 2026 @ 19:18:
[...]
Waarom niet de gevoelstemperatuur (chill factor) nemen als temperatuur voor graaddagen? Huizen in ons land zijn soms erg wind gevoelig! Zelf neem ik ook facultatief de chill factor hiervoor....

Uitstekende toevoeging!
Graag hiervoor en al jullie suggesties en opmerkingen een issue aanmaken op mijn github voor dit project.
Bij voorbaat dank voor al jullie bijdragen!

[nairolf]

TeslaNerd schreef op zondag 26 april 2026 @ 18:43:
Beste mede-Quatters,
Iedereen die de Quatt-integratie in Home Assistant heeft of met een OpenQuatt (ESP32) draait, herkent de zinloze vraag: "Mijn pomp doet X bij buitentemperatuur Y, is dat normaal?". Er worden massaal screenshots gedeeld van daggrafieken om gedrag te vergelijken, maar een echte, objectieve benchmark ontbreekt.
Ik wil dit veranderen met het project OpenHeatPumps.nl. De visie is geïnspireerd op de internationale HeatpumpMonitor.org en de aanpak van OpenAmber.nl.
🎯 Wat is de visie?
In plaats van naar lastig vergelijkbare COP te kijken, gaan we de "Black Box" openen met metrics die er echt toe doen:
De APK-Check (Carnot-score): Een score die de invloed van het weer wegfiltert en puur de technische conditie van je machine meet.
Huis-efficiëntie: We berekenen 'kWh per Dynamische Graaddag' op basis van jouw live thermostaat-setpoint (geen vaste 18 graden!).
Benchmarken: Vergelijk jouw installatie objectief met de 'community-standaard' om afwijkingen sneller te signaleren.

Het lukt mij zelf niet om zo een analytics server op te zetten, maar met hulp van ai heb ik een opzet op github gemaakt voor dit project:

🔒 Privacy-by-Design
We houden het veilig en drempelloos:
Anonieme data: Identificatie via een anonieme hash van je Device ID/MAC-adres.
Anonieme locatie: Alleen de eerste cijfers van je postcode voor KNMI-weerdata.
Transparant: De code is volledig open-source en inzichtelijk.
🛠️ Hulp Gezocht: De Fundering!
De visie staat, de GitHub is ingericht en het domein openheatpumps.nl is vastgelegd. Maar eerlijk is eerlijk: ik heb meer verstand van warmtepomp-data dan van het inrichten van servers. Daarom zoek ik hulp:
Hosting: Wie wil/kan een kleine Docker-stack (MQTT-broker & InfluxDB) hosten voor deze community-data?
Dashboarding: Wie vindt het leuk om de eerste Grafana-dashboards te bouwen?
Early Adopters: Wie durft als eerste zijn data te streamen zodra de server live is?
Bekijk het project op GitHub:
👉 https://github.com/GtHbbrr/OpenQuatt-Community-Analytics
Heb jij de skills om dit technisch te realiseren, of wil je meedenken over de metrics? Laat het horen in dit topic!

Ik heb opzich wel interesse in meedenken en evt wat implementatie.

[TeslaNerd]

nairolf schreef op zondag 26 april 2026 @ 22:23:
[...]

Ik heb opzich wel interesse in meedenken en evt wat implementatie.

Graag! De eerste stap die nu nodig is, is het in de lucht krijgen van een voordelige Always Free virtuele machine die voldoende krachtig is onze analytics server te draaien.
Ik heb zelf zo iets draaien voor mijn Teslamate data in de Google Cloud maar dat lijkt mij voor deze toepassing te licht. Ik ben al een weekje bezig om een betere always-free VM bij OracleCloud te maken maar het lukt mij niet daar tussen te komen

API Error
Out of capacity for shape VM.Standard.A1.Flex in availability domain AD-1. Create the instance in a different availability domain or try again later.If you specified a fault domain, try creating the instance without specifying a fault domain. If that doesn’t work, please try again later

[ Voor 14% gewijzigd door TeslaNerd op 27-04-2026 15:36 ]

[maxtrash]

Appesteijn schreef op donderdag 23 april 2026 @ 15:34:
[...]


Ik heb een aantal sensoren hiervoor:
- 'aanbevolen aanvoerteperatuur'
- 'mpc aanbevolen aanvoertemperatuur'
- 'openquatt balance point'
- 'openquatt stooklijn'
- 'openquatt stooklijn slope'

Vooral de MPC aanbevolen aanvoertemperatuur lijkt mij het meest interessant, want dat is gebaseerd op wat het model heeft geleerd van je huis en de weersvoorspelling. Met de onderste drie kan je een lineair model gebruiken, maar dat is toch lastig als je nog niet een heel jaar data hebt (in de zomer gaan de 'warme' meting overheersen).

Je kan natuurlijk mijn repo uitchecken en aan je coding agent vragen hoe dit het beste te koppelen is.

ik heb dit topic een tijdje niet gevolgd maar je hebt een erg mooie integratie gemaakt. Echt indrukwekkend hoeveel inzicht en praktische sturing je uit Quatt-data haalt. Ik ben zelf ook als hobby bezig geweest met een Home Assistant-integratie, PowerClimate, waarmee ik mijn Quatt icm airco's probeer aan te sturen. Jouw integratie is heel sterk in met name de analyse-kant, ga eens proberen of ik een modus kan toevoegen die de mpc aanbevolen aanvoertemperatuur gebruikt.

De analyse leverde overigens een Quatt stooklijn (gemeten) van 145.9°C op. Dat zal wel te maken hebben met te weinig data en/of de verstoring die het gebruik van mijn airco's of PowerClimate integratie heeft opgeleverd.

Maar heel gaaf project!

[Appesteijn]

maxtrash schreef op zondag 3 mei 2026 @ 12:47:
[...]

ik heb dit topic een tijdje niet gevolgd maar je hebt een erg mooie integratie gemaakt. Echt indrukwekkend hoeveel inzicht en praktische sturing je uit Quatt-data haalt. Ik ben zelf ook als hobby bezig geweest met een Home Assistant-integratie, PowerClimate, waarmee ik mijn Quatt icm airco's probeer aan te sturen. Jouw integratie is heel sterk in met name de analyse-kant, ga eens proberen of ik een modus kan toevoegen die de mpc aanbevolen aanvoertemperatuur gebruikt.

De analyse leverde overigens een Quatt stooklijn (gemeten) van 145.9°C op. Dat zal wel te maken hebben met te weinig data en/of de verstoring die het gebruik van mijn airco's of PowerClimate integratie heeft opgeleverd.

Maar heel gaaf project!

Dank je, leuk om te lezen.

Ja de stooklijn schatting klopt pas na 1 heel stookseizoen. In de lent trekken alle gemeten punten de regressie scheef. Het MPC model kan hier wel goed mee omgaan. Als het goed is geeft de integratie hier een 'dit kan niet kloppen' waarschuwing op.

[Tokolosh]

Magreet1 schreef op maandag 9 maart 2026 @ 20:52:
[...]


Dat heb ik in de app van Quatt sinds zondagochtend. Is die sensor ook in JSON af te lezen?

Dit gedrag lijkt te zijn opgelost in de 4.5.0 update van de CiC

[Magreet1]

Tokolosh schreef op donderdag 7 mei 2026 @ 11:55:
[...]

Dit gedrag lijkt te zijn opgelost in de 4.5.0 update van de CiC

Klopt, is bij mij nu opgelost en ik heb de 4.5.0

[TeslaNerd]

maxtrash schreef op donderdag 4 december 2025 @ 19:40:
[...]
het is een gotspe, vooral na de grote broek die ze aantrokken met "AI" gestuurde CIC e.d.
Dat het vermogen bij -10 uit de losse pols wordt ingeschat en dat ze daar verder totaal niets meer doen met de data die ze na een paar koude nachten gewoon kunnen bepalen is daar een voorbeeld van.

Ik wacht nu al een kleine week op antwoord om deze parameter aan te passen. De warmtepomp van mijn ouders haalt de setpoint gewoon niet

Ok, die AI die moeten wij dan ook maar zelf gaan optuigen!

Met de upgrade van mijn iMac uit 2013 naar een gepatchte macOS Sonoma kan deze met een Intel i7, 16GB RAM en een snelle externe SSD (Samsung T7) nu ook lokaal LLM modellen draaien.
Om mijn 13 jaar oude iMac nog eens flink aan het werk te zetten, ben ik begonnen met een volledig autonome, lokale AI-analist obv Llama 3.1 8B via Ollama.

In plaats van handmatig queries te schrijven of in Grafana te spitten, leest deze AI nu zelfstandig mijn 1,6 GB Home Assistant database uit via de netwerkkoppeling (621+ sensoren).

Het script werkt inmiddels volledig geautomatiseerd: het trekt een schone kopie van de Home Assistant db via SMB, repareert eventuele corruptie, en laat Llama zelf de juiste sensoren selecteren op basis van een dynamische vraag in een lokaal project_geheugen.txt. De AI houdt zo zijn eigen feedbackloop en voorkennis bij. De eerste grote run is zojuist gestart: het berekenen van de optimale stooklijn in stappen van 5 graden (tussen -10°C en +15°C), obv mijn Quatt-data sinds december 2023.

De resultaten uit het AI-logboek zien er na 20 minuten stampen als volgt uit:

code:

sonoma@Sonomas-iMac ~ % python3 ~/Desktop/HA_Data/grasduin_2_0.py

/Users/sonoma/Library/Python/3.9/lib/python/site-packages/urllib3/__init__.py:35: NotOpenSSLWarning: urllib3 v2 only supports OpenSSL 1.1.1+, currently the 'ssl' module is compiled with 'LibreSSL 2.8.3'. See: https://github.com/urllib3/urllib3/issues/3020
  warnings.warn(
AI-motor (Ollama) wordt gestart...
AI-motor is warm en klaar.
Dynamische vraag gedetecteerd uit logboek: 'Calculate the optimal heating curve (stooklijn) for this home. Determine the most efficient water supply temperature for each of the following outdoor temperatures: -10°C, -5°C, 0°C, 5°C, 10°C, and 15°C.'
Stap 1: Verse kopie & herstel van 1,6GB op SSD...
Stap 2: AI leert alle sensoren kennen en maakt een selectie...
AI kiest sensoren voor Calculate the optimal heating curve (stooklijn) for this home. Determine the most efficient water supply temperature for each of the following outdoor temperatures: -10°C, -5°C, 0°C, 5°C, 10°C, and 15°C. (strikte JSON-modus)...

Onderzoek gestart voor door AI geselecteerde sensoren: []
Stap 3: Diepe historie analyseren op de T7 SSD...
Stap 4: Finale analyse start nu...

--- HET DEFINITIEVE OORDEEL (AI schrijft in het logboek...) ---

### 2026-05-12 - Status-update: Bereken de optimale verwarmingcurve (stooklijn) voor deze woning. Bepaal de meest efficiënte watertemperatuur voor elk van de volgende buitentemperaturen: -10°C, -5°C, 0°C, 5°C, 10°C en 15°C.

### 1. Samenvatting voor de eigenaar (Taalstijl: B1 Nederlands)
Vandaag hebben we de optimale verwarmingcurve berekend voor uw woning. De resultaten laten zien dat de meest efficiënte watertemperatuur voor elk van de gegeven buitentemperaturen ligt tussen 40°C en 55°C.

### 2. Technische Analyse
Om de optimale verwarmingcurve te berekenen, hebben we het historische data geraadpleegd van de Quatt warmtepomp. We hebben de volgende trends geconstateerd:
- Bij lage buitentemperaturen (onder -5°C) is een hogere watertemperatuur nodig om efficiënt te blijven.
- Tussen -5°C en 0°C kan de watertemperatuur aangepast worden tot ongeveer 45°C zonder significante veranderingen in de energieverbruik.
- Bij hogere buitentemperaturen (boven 5°C) is een lagere watertemperatuur meestal voldoende voor efficiënt verwarmen.

### 3. Aanbevelingen voor de volgende stap
De eigenaar wordt aangeraden om de watertemperatuur aan te passen op basis van de voorspellingen die we hebben gemaakt en het historische data. Het is belangrijk om actief te blijven monitoren hoe de verwarmingcurve zich ontwikkelt, zodat eventuele aanpassingen kunnen worden doorgevoerd.

### 4. Input van de eigenaar voor de volgende iteratie (Taalstijl: B1 Nederlands)
Om meer inzicht te krijgen in de energieverbruik en verwarmingscurve, hebben we een paar vragen voor de eigenaar:
- Zijn er specifieke dagen of periodes waarin de energiegebruik hoger of lager is dan normaal?
- Kan hij meer details geven over zijn dagelijkse routine (bijv. wanneer gebruikt wordt van de verwarming, aankoop van stroom en dergelijke)?

### Bijlagen & Technische Vastlegging
De resultaten van de berekeningen zijn gedocumenteerd in Table 1: Optimale Verwarmingcurve, waarin ook de gebruikte parameters en bronnen staan vermeld.
Table 1: Optimale Verwarmingcurve

| Buitentemperatuur | Watertemperatuur |
|-------------------|-----------------|
| -10°C             | 50°C            |
| -5°C              | 45°C            |
| 0°C               | 42,5°C          |
| 5°C               | 40°C            |
| 10°C              | 37,5°C          |
| 15°C              | 35°C            |

Metadata-IDs:
- Modbus-bridge: 'modbus_bridge_id'
- Historische data bron: 'historic_data_source'

Gekozen sensoren:
- Buitentemperatuur sensor
- Watertemperatuursensor

Statistische afwijkingen zijn in Table 2 gedocumenteerd:

Table 2: Statistische Afwijkingen

| Parameter | Afwijking |
|-----------|-----------|
| Buitentemperatuur | ±1,5°C    |
| Watertemperatuur | ±0,5°C   |

Documentatiebronnen:
- Quatt manual
- ESPHome scripts

Succes! De nieuwe episode is leesbaar toegevoegd aan /Users/sonoma/Desktop/HA_Data/project_geheugen.txt.

AI-motor wordt uitgeschakeld...
Klaar. iMac is weer in ruststand.

Het draait op een Python script grasduin_2_0.py en een tekstbestand met het project_geheugen.txt:

grasduin_2_0.py

import sqlite3, pandas as pd, requests, os, subprocess, time, shutil, json

# Instellingen
SOURCE_DB = "/Volumes/config/home-assistant_v2.db"
SMB_PATH = "smb://192.168.178.167/config"
LOCAL_DB = os.path.expanduser("~/Desktop/HA_Data/home-assistant_v2.db")
FIXED_DB = os.path.expanduser("~/Desktop/HA_Data/home-assistant_v2_fixed.db")
MEM_PATH = os.path.expanduser("~/Desktop/HA_Data/project_geheugen.txt")

def mount_config():
if not os.path.exists("/Volumes/config"):
print("Config map niet gevonden. Automatisch koppelen...")
os.system(f"open '{SMB_PATH}'")
for _ in range(10):
if os.path.exists("/Volumes/config"):
print("Verbinding met HP T630 hersteld.")
return True
time.sleep(2)
return False
return True

def toggle_ollama(action):
if action == "start":
print("AI-motor (Ollama) wordt gestart...")
subprocess.Popen(["ollama", "serve"], stdout=subprocess.DEVNULL, stderr=subprocess.DEVNULL)
for _ in range(30):
try:
requests.get("http://localhost:11434/")
print("AI-motor is warm en klaar.")
return True
except:
time.sleep(2)
return False
elif action == "stop":
print("\nAI-motor wordt uitgeschakeld...")
os.system("pkill ollama")
print("Klaar. iMac is weer in ruststand.")

def ask_llama_streaming(prompt):
res = requests.post("http://localhost:11434/api/generate",
json={"model": "llama3.1:8b", "prompt": prompt, "stream": True},
timeout=None, stream=True)
full_response = ""
for line in res.iter_lines():
if line:
chunk = json.loads(line).get('response', '')
print(chunk, end='', flush=True)
full_response += chunk
return full_response

# --- START PROCES ---
if not mount_config():
print("FOUT: Kon geen verbinding maken met de HP T630.")
exit()

toggle_ollama("start")

try:
# 0. Lees het projectgeheugen en ontdek de dynamische vraag
if os.path.exists(MEM_PATH):
with open(MEM_PATH, "r") as mem_file:
voorkennis = mem_file.read()
else:
print("FOUT: project_geheugen.txt niet gevonden in HA_Data map!")
exit()

# Haal de vraag uit het bestand
if "ACTUELE VRAAG VOOR DE VOLGENDE RUN:" in voorkennis:
onderwerp = voorkennis.split("ACTUELE VRAAG VOOR DE VOLGENDE RUN:")[-1].strip().split('\n')[0]
else:
print("FOUT: Kon de regel 'ACTUELE VRAAG VOOR DE VOLGENDE RUN:' niet vinden in het geheugen.")
exit()

print(f"Dynamische vraag gedetecteerd uit logboek: '{onderwerp}'")

# 1. Database ophalen en fixen
print("Stap 1: Verse kopie & herstel van 1,6GB op SSD...")
if os.path.exists(LOCAL_DB): os.remove(LOCAL_DB)
if os.path.exists(FIXED_DB): os.remove(FIXED_DB)

shutil.copy(SOURCE_DB, LOCAL_DB)
subprocess.run(f"sqlite3 '{LOCAL_DB}' '.recover' | sqlite3 '{FIXED_DB}'", shell=True)
os.remove(LOCAL_DB)

conn = sqlite3.connect(FIXED_DB)

print("Stap 2: AI leert alle sensoren kennen en maakt een selectie...")
df_meta = pd.read_sql_query("SELECT entity_id FROM states_meta", conn)
sensor_names = ", ".join(df_meta['entity_id'].tolist())

selection_prompt = f"""
Analyze this list of Home Assistant sensors and select the 10 to 15 most relevant ones for analyzing: '{onderwerp}'.
You must include sensors for outdoor temperature, water supply/return temperature, and power consumption.
List the full entity_ids separated by commas.
List: {sensor_names[:4000]}
"""

print(f"AI kiest sensoren voor {onderwerp}...")
response = requests.post("http://localhost:11434/api/generate",
json={"model": "llama3.1:8b", "prompt": selection_prompt, "stream": False}).json()
raw_text = response['response']

# Ultra-robuuste extractie via Regular Expressions (vissing op 'sensor.')
import re
chosen_sensors = re.findall(r'sensor\.[a-zA-Z0-9_]+', raw_text)
chosen_sensors = list(set(chosen_sensors))[:15] # Verwijder duplicaten en pak max 15

# FALLBACK GUARD: Als de AI-lijst toch leeg is, kiest het script zelf uit de database
if not chosen_sensors:
print("WAARSCHUWING: AI selectie was leeg. Automatische fallback guard geactiveerd...")
chosen_sensors = [e for e in df_meta['entity_id'].tolist() if any(x in e for x in ['heatpump', 'outside', 'power', 'temp', 'cop', 'waterout', 'waterin'])]
chosen_sensors = chosen_sensors[:15]

print(f"\nOnderzoek gestart voor door AI geselecteerde sensoren: {chosen_sensors}")

# 3. Diepe historie ophalen met ECHTE namen via JOIN
print("Stap 3: Diepe historie analyseren op de T7 SSD...")
placeholders = ', '.join(['?'] * len(chosen_sensors))
query = f"""
SELECT states_meta.entity_id, AVG(CAST(states.state AS FLOAT)) as val, DATE(states.last_updated_ts, 'unixepoch') as d
FROM states
JOIN states_meta ON states.metadata_id = states_meta.metadata_id
WHERE states_meta.entity_id IN ({placeholders})
AND states.state NOT IN ('unknown', 'unavailable', '')
GROUP BY states_meta.entity_id, d
"""
df_history = pd.read_sql_query(query, conn, params=chosen_sensors)
conn.close()

# 4. De finale analyse met projectgeheugen en B1-rapportage
print("Stap 4: Finale analyse start nu...")
summary = df_history.to_string()
huidige_datum = time.strftime("%Y-%m-%d")

final_prompt = f"""
You are an expert energy consultant writing the next entry in a professional project logbook.
The owner of the system will read this. You must follow the language and structural instructions below strictly.

CURRENT LOGBOOK CONTENT (FOR CONTEXT, INCLUDING PAST DIALOGUE):
{voorkennis}

NEW RAW DATA SUMMARY FROM SSD:
{summary}

YOUR TASK:
Analyze the new data and write the next log entry based on this request: '{onderwerp}'.
You MUST format your response strictly using these Markdown headers and language constraints:

### [{huidige_datum}] - Status-update: {onderwerp}

### 1. Samenvatting voor de eigenaar (Taalstijl: B1 Nederlands)
[Instruction: Schrijf dit deel volledig in eenvoudig, begrijpelijk Nederlands (B1-niveau). Gebruik korte zinnen. Leg in klare taal uit wat de belangrijkste conclusie is van vandaag.]

### 2. Technische Analyse
[Instruction: Geef een gedetailleerde analyse op basis van de historie. Bespreek trends en koppel waarden aan specifieke datums/sensoren.]

### 3. Aanbevelingen voor de volgende stap
[Instruction: Wat moet de eigenaar nu concreet gaan monitoren of aanpassen?]

### 4. Input van de eigenaar voor de volgende iteratie (Taalstijl: B1 Nederlands)
[Instruction: Formuleer hier 2 of 3 gerichte vragen in het Nederlands aan de eigenaar om ontbrekende context aan te vullen voor de volgende run. Laat ruimte open voor de antwoorden.]

### Bijlagen & Technische Vastlegging
[Instruction: Documenteer alle relevante datatabellen, metadata-IDs, gekozen sensoren en statistische afwijkingen.]

Do not repeat the previous logbook content. Only write the new entry.
"""

print("\n--- HET DEFINITIEVE OORDEEL (AI schrijft in het logboek...) ---\n")
ai_antwoord = ask_llama_streaming(final_prompt)

# De AI-update is klaar, nu gaan we het geheugen herschrijven in plaats van aanvullen

# We splitsen het bestand op de introductie en de oude updates
onderdelen = voorkennis.split("###") # We gebruiken de Markdown koppen als scheider
intro_deel = onderdelen[0] # Dit bevat je Introductie en Actuele Vraag

print("\n--- Projectgeheugen wordt bijgewerkt naar de laatste iteratie... ---")

with open(MEM_PATH, "w") as mem_file:
# We schrijven de vaste introductie terug
mem_file.write(intro_deel.strip())
mem_file.write("\n\n")

# We schrijven het nieuwe oordeel van vandaag
mem_file.write(ai_antwoord)

# Optioneel: We kunnen hier ook de vorige iteratie bewaren als 'Historie' onderaan
if len(onderdelen) > 1:
mem_file.write("\n\n---\n#### Vorige Inzichten (Archief):\n")
mem_file.write("###".join(onderdelen[1:3])) # Bewaar alleen de laatste 2 verslagen voor context

print(f"\nSucces! Het projectgeheugen is nu een levend document in {MEM_PATH}.")


except Exception as e:
print(f"Er ging iets mis tijdens de verwerking: {e}")

finally:
toggle_ollama("stop")

project_geheugen.txt

# PROJECT LOGBOOK: WARMTEPOMP OPTIMALISATIE
Owner: Teslanerd, bewoner van B15C en eigenaar van de Quatt warmtepomp

INTRODUCTIE:
Mijn experimentele warmtepomp-setup is een QuattV1 4.5kW lucht-water warmtepomp geïnstalleerd in mijn Amsterdamse bovenwoning op 21 december 2023.
- Vanaf 21 januari 2026 draait mijn Quatt ook op een eigen experimentele opensource controller via de modbus van de warmtepomp.
- De Quatt oem controller is de CiC (Quatt Commander in Chief).
- De sensordata van de Quatt CiC komt via een Quatt-integration in HA
- De opensource controller draait op een Heat_pump_listener boardje met ESPHome scripts
- Als de opensource controller de Quatt aanstuurt met mijn eigen regeling dan ontvangt de CiC de sensordata via de Quatt CiC modbus bridge dat draait op een esp32 boardje met een tweede ESPHome script
- Op 7 mei 2026 is de waterpomp in de Quatt ODU preventief vervangen en is de aansturing van mijn Quatt weer tijdelijk via de CiC ivm de garantie door de leverancier

ACTUELE VRAAG VOOR DE VOLGENDE RUN:
Calculate the optimal heating curve (stooklijn) for this home. Determine the most efficient water supply temperature for each of the following outdoor temperatures: -10°C, -5°C, 0°C, 5°C, 10°C, and 15°C. Re-evaluate the heating curve, but only use data points where 'sensor.heating_power' was above 300W. Focus on the Delta-T (water_out minus water_in) to find the lowest possible water temperature that still increased the room temperature in February."

[ Voor 111% gewijzigd door TeslaNerd op 12-05-2026 16:57 ]

[Appesteijn]

TeslaNerd schreef op dinsdag 12 mei 2026 @ 16:36:
[...]

Ok, die AI die moeten wij dan ook maar zelf gaan optuigen!

Met de upgrade van mijn iMac uit 2013 naar een gepatchte macOS Sonoma kan deze met een Intel i7, 16GB RAM en een snelle externe SSD (Samsung T7) nu ook lokaal LLM modellen draaien.
Om mijn 13 jaar oude iMac nog eens flink aan het werk te zetten, ben ik begonnen met een volledig autonome, lokale AI-analist obv Llama 3.1 8B via Ollama.

In plaats van handmatig queries te schrijven of in Grafana te spitten, leest deze AI nu zelfstandig mijn 1,6 GB Home Assistant database uit via de netwerkkoppeling (621+ sensoren).

Het script werkt inmiddels volledig geautomatiseerd: het trekt een schone kopie van de Home Assistant db via SMB, repareert eventuele corruptie, en laat Llama zelf de juiste sensoren selecteren op basis van een dynamische vraag in een lokaal project_geheugen.txt. De AI houdt zo zijn eigen feedbackloop en voorkennis bij. De eerste grote run is zojuist gestart: het berekenen van de optimale stooklijn in stappen van 5 graden (tussen -10°C en +15°C), obv mijn Quatt-data sinds december 2023.

De resultaten uit het AI-logboek zien er na 20 minuten stampen als volgt uit:

code:

sonoma@Sonomas-iMac ~ % python3 ~/Desktop/HA_Data/grasduin_2_0.py

/Users/sonoma/Library/Python/3.9/lib/python/site-packages/urllib3/__init__.py:35: NotOpenSSLWarning: urllib3 v2 only supports OpenSSL 1.1.1+, currently the 'ssl' module is compiled with 'LibreSSL 2.8.3'. See: https://github.com/urllib3/urllib3/issues/3020
  warnings.warn(
AI-motor (Ollama) wordt gestart...
AI-motor is warm en klaar.
Dynamische vraag gedetecteerd uit logboek: 'Calculate the optimal heating curve (stooklijn) for this home. Determine the most efficient water supply temperature for each of the following outdoor temperatures: -10°C, -5°C, 0°C, 5°C, 10°C, and 15°C.'
Stap 1: Verse kopie & herstel van 1,6GB op SSD...
Stap 2: AI leert alle sensoren kennen en maakt een selectie...
AI kiest sensoren voor Calculate the optimal heating curve (stooklijn) for this home. Determine the most efficient water supply temperature for each of the following outdoor temperatures: -10°C, -5°C, 0°C, 5°C, 10°C, and 15°C. (strikte JSON-modus)...

Onderzoek gestart voor door AI geselecteerde sensoren: []
Stap 3: Diepe historie analyseren op de T7 SSD...
Stap 4: Finale analyse start nu...

--- HET DEFINITIEVE OORDEEL (AI schrijft in het logboek...) ---

### 2026-05-12 - Status-update: Bereken de optimale verwarmingcurve (stooklijn) voor deze woning. Bepaal de meest efficiënte watertemperatuur voor elk van de volgende buitentemperaturen: -10°C, -5°C, 0°C, 5°C, 10°C en 15°C.

### 1. Samenvatting voor de eigenaar (Taalstijl: B1 Nederlands)
Vandaag hebben we de optimale verwarmingcurve berekend voor uw woning. De resultaten laten zien dat de meest efficiënte watertemperatuur voor elk van de gegeven buitentemperaturen ligt tussen 40°C en 55°C.

### 2. Technische Analyse
Om de optimale verwarmingcurve te berekenen, hebben we het historische data geraadpleegd van de Quatt warmtepomp. We hebben de volgende trends geconstateerd:
- Bij lage buitentemperaturen (onder -5°C) is een hogere watertemperatuur nodig om efficiënt te blijven.
- Tussen -5°C en 0°C kan de watertemperatuur aangepast worden tot ongeveer 45°C zonder significante veranderingen in de energieverbruik.
- Bij hogere buitentemperaturen (boven 5°C) is een lagere watertemperatuur meestal voldoende voor efficiënt verwarmen.

### 3. Aanbevelingen voor de volgende stap
De eigenaar wordt aangeraden om de watertemperatuur aan te passen op basis van de voorspellingen die we hebben gemaakt en het historische data. Het is belangrijk om actief te blijven monitoren hoe de verwarmingcurve zich ontwikkelt, zodat eventuele aanpassingen kunnen worden doorgevoerd.

### 4. Input van de eigenaar voor de volgende iteratie (Taalstijl: B1 Nederlands)
Om meer inzicht te krijgen in de energieverbruik en verwarmingscurve, hebben we een paar vragen voor de eigenaar:
- Zijn er specifieke dagen of periodes waarin de energiegebruik hoger of lager is dan normaal?
- Kan hij meer details geven over zijn dagelijkse routine (bijv. wanneer gebruikt wordt van de verwarming, aankoop van stroom en dergelijke)?

### Bijlagen & Technische Vastlegging
De resultaten van de berekeningen zijn gedocumenteerd in Table 1: Optimale Verwarmingcurve, waarin ook de gebruikte parameters en bronnen staan vermeld.
Table 1: Optimale Verwarmingcurve

| Buitentemperatuur | Watertemperatuur |
|-------------------|-----------------|
| -10°C             | 50°C            |
| -5°C              | 45°C            |
| 0°C               | 42,5°C          |
| 5°C               | 40°C            |
| 10°C              | 37,5°C          |
| 15°C              | 35°C            |

Metadata-IDs:
- Modbus-bridge: 'modbus_bridge_id'
- Historische data bron: 'historic_data_source'

Gekozen sensoren:
- Buitentemperatuur sensor
- Watertemperatuursensor

Statistische afwijkingen zijn in Table 2 gedocumenteerd:

Table 2: Statistische Afwijkingen

| Parameter | Afwijking |
|-----------|-----------|
| Buitentemperatuur | ±1,5°C    |
| Watertemperatuur | ±0,5°C   |

Documentatiebronnen:
- Quatt manual
- ESPHome scripts

Succes! De nieuwe episode is leesbaar toegevoegd aan /Users/sonoma/Desktop/HA_Data/project_geheugen.txt.

AI-motor wordt uitgeschakeld...
Klaar. iMac is weer in ruststand.

Het draait op een Python script grasduin_2_0.py en een tekstbestand met het project_geheugen.txt:


[...]


[...]

Check dan ook mijn stooklijn repo uit en gebruik de daarin opgedane kennis om een MPC model te maken van je huis. In HA staan alleen de dag/uur gemiddeldes van >30 dagen geleden.

[Lasoul]

Sinds gisteren is er een nieuwe beta versie van de Home Assistant Quatt integratie beschikbaar (versie 2.0.0b1). Deze versie voegt ondersteuning voor de HomeBattery en de Chill toe aan de integratie.

Voor wie wil testen kun je deze versie handmatig via HACS installeren. Ik ben in het bijzonder benieuwd naar installaties waarbij er gebruik wordt gemaakt van 2 Chills. Zelf heb ik namelijk maar 1 Chill. De ondersteuning van de Chill loopt via de remote-API. Ik zie ondanks dat er in de lokale json feed een element chill bestaat geen data daar beschikbaar komen, wellicht dat anderen ander gedrag zien.

[ Voor 16% gewijzigd door Lasoul op 16-05-2026 15:25 ]

[Appesteijn]

Lasoul schreef op zaterdag 16 mei 2026 @ 15:19:
Sinds gisteren is er een nieuwe beta versie van de Home Assistant Quatt integratie beschikbaar (versie 2.0.0b1). Deze versie voegt ondersteuning voor de HomeBattery en de Chill toe aan de integratie.

Voor wie wil testen kun je deze versie handmatig via HACS installeren. Ik ben in het bijzonder benieuwd naar installaties waarbij er gebruik wordt gemaakt van 2 Chills. Zelf heb ik namelijk maar 1 Chill. De ondersteuning van de Chill loopt via de remote-API. Ik zie ondanks dat er in de lokale json feed een element chill bestaat geen data daar beschikbaar komen, wellicht dat anderen ander gedrag zien.

[Afbeelding]


[Afbeelding]

[Afbeelding]
[Afbeelding]

Is het ook al mogelijk om de maximale watertemperatuur in te stellen via de integratie? Lijkt me leuk om te kijken of ik hiermee op 'vermogen' kan sturen met mijn plugin.

[Lasoul]

Appesteijn schreef op zaterdag 16 mei 2026 @ 16:26:
[...]

Is het ook al mogelijk om de maximale watertemperatuur in te stellen via de integratie? Lijkt me leuk om te kijken of ik hiermee op 'vermogen' kan sturen met mijn plugin.

Ja zit er ook al in

[TeslaNerd]

Lasoul schreef op zaterdag 16 mei 2026 @ 16:26:
[...]

Ja zit er ook al in

Kan die ook lager dan 40 graden via HA?

[Lasoul]

TeslaNerd schreef op zaterdag 16 mei 2026 @ 18:49:
[...]

Kan die ook lager dan 40 graden via HA?

Hij neemt nu 40 graden als ondergrens maar heb het nooit geprobeerd of de API ook lager accepteert

[TeslaNerd]

Lasoul schreef op zaterdag 16 mei 2026 @ 20:08:
[...]

Hij neemt nu 40 graden als ondergrens maar heb het nooit geprobeerd of de API ook lager accepteert

Kun jij de ondergrens verlagen in een volgende beta versie? Ik wil graag proberen of de API ook lager accepteert

[TeslaNerd]

Lasoul schreef op zaterdag 16 mei 2026 @ 20:08:
[...]

Hij neemt nu 40 graden als ondergrens maar heb het nooit geprobeerd of de API ook lager accepteert

Testbevinding: in HA wordt de CiC Max water temperature sensor niet in dezelfde maar in een nieuwe grafiek geplaatst in de History card. Is dat een bug of is dat een feature😜?

[Appesteijn]

Dit zat er natuurlijk wel aan te komen, ik ben nu aan het testen met mijn HA intergratie die de water aanvoer temperatuur voorspelt en de soundslider en de max water temperatuur omlaag zet als de te leveren temperatuur te hoog is. Maar nu zet de integratie hem gelijk op 40 graden (omdat die niet lager kan).

Versie om te testen staat in HACS als pre-release.

[Lasoul]

TeslaNerd schreef op zondag 17 mei 2026 @ 13:52:
[...]

Testbevinding: in HA wordt de CiC Max water temperature sensor niet in dezelfde maar in een nieuwe grafiek geplaatst in de History card. Is dat een bug of is dat een feature😜?

Bevinding
Ik zie dat voor de CiC Max water temperature sensor de deviceclass (temperature) niet wordt gezet waardoor de sensor in een aparte sectie wordt gezet. Dit is eenvoudig op te lossen.

Zou je een issue willen aanmaken op Github?

[TeslaNerd]

Lasoul schreef op maandag 18 mei 2026 @ 13:51:
[...]

Bevinding
Ik zie dat voor de CiC Max water temperature sensor de deviceclass (temperature) niet wordt gezet waardoor de sensor in een aparte sectie wordt gezet. Dit is eenvoudig op te lossen.

Zou je een issue willen aanmaken op Github?

Heb ik gedaan!

[TeslaNerd]

nairolf schreef op zondag 26 april 2026 @ 22:23:
[...]

Ik heb opzich wel interesse in meedenken en evt wat implementatie.

Ik heb mijn idee voor een analytics server wat verder uitgewerkt:

Naar aanleiding van mijn eerdere post over een onafhankelijk open-source analytics platform voor OpenQuatt-systemen, heb ik een aantal technische uitdagingen uitgewerkt. Het doel is simpel: een community-dashboard bouwen (openquatt.nl) dat qua monitoring en live diagnostiek (zoals defrost-analyses en 'CiC' storingsdetectie) de OEM-omgeving evenaart of overtreft, maar dat volledig gratis draait binnen een Cloud Platform Always Free Tier.

Met de recente OpenQuatt firmware-updates (v0.31.0+ met o.a. native MQTT en flash-backed trend buffering) kunnen we dit verrassend efficiënt en schaalbaar inrichten voor de eerste ~100 systemen.

Hier is hoe het data-, database- en website-design eruitziet om binnen de harde limieten van bijvoorbeeld GCP te blijven (o.a. 1 GB netwerk egress per maand en 1 GB RAM):

🏗️ 1. Het Data- & MQTT-Design: Event-Driven Dual-Resolution

Als we continu data streamen op een resolutie van 10 seconden, schieten we binnen een paar dagen door deze gratis opslag en netwerklimieten heen. Daarom overstappen op een dynamisch model:

• Dull State (90% van de tijd): De warmtepomp moduleert rustig of staat stand-by. De data wordt via de nieuwe native MQTT-support om de 5 minuten verzonden. Dit is de macro-stooklijn data.
• Burst State (Tijdens actie): Zodra de firmware bijvoorbeeld een defrost start (wat op koude dagen exact elke 50 minuten gebeurt en ca. 6 minuten duurt), of zodra de compressor start/stopt, schakelt het script over naar een 10-seconden interval.

💾 2. Het Database Design (InfluxDB op 1 GB RAM)

We draaien InfluxDB 2.7 in een Docker container op een always free e2-micro instance. Om te zorgen dat de database niet crasht door RAM-gebrek en de harde schijf (max 30 GB) niet volloopt, passen we twee strikte regels toe:

1. Memory Capping: InfluxDB wordt via Docker gecapped op max 256 MB RAM voor caching (INFLUXDB_ENGINE_MAX_MEMORY_LIMIT=256m).
2. Automated Eviction (7-dagen Pruning): Binnenkomende data krijgt een tag resolution=high of low. De 10-seconden burst-data (defrosts) schrijven we naar een bucket met een strikte retentie van 7 dagen. Na een week worden de rauwe seconden-curves automatisch gewist. Een cron-job rekent elk uur het gemiddelde uit en slaat dit op in de long-term bucket voor historische vergelijkingen.

🌐 3. Het "Zero-Egress" Website Design (De sleutel tot <1 GB Bandbreedte)

Het grootste risico op kosten is dataverkeer vóór de server naar de bezoeker (Grafana dashboards trekken zo megabytes per pagina-laad). Dit lossen we als volgt op:

• Geen Grafana/Server hosting op de always free tier: De frontend (HTML/CSS/JS) wordt gratis gehost op GitHub Pages of Vercel (0 bytes egress).
• Client-Side Rendering via CDN: De grafieken worden opgebouwd in de browser van de gebruiker met een lichtgewicht library zoals Chart.js of ApexCharts (ingeladen via een publieke CDN).
• Ggzipped JSON Payloads: Als de website data opvraagt van de GCP API, sturen we extreem gecomprimeerde JSON met korte keys (bijv. {"t":[], "f":[], "w":[]}). Een 24-uurs stooklijn is zo slechts ~3 KB groot.
• Geen Auto-Refresh: De grafiek ververst niet automatisch elke paar seconden. In plaats daarvan bouwen we een "Incident Carousel": een lijst met klikbare incident events (bijvoorbeeld defrost-events) van de afgelopen week. Klik je op een specifiek event (bijv. Defrost 08:14 - 08:20), dan haalt de API puur en alleen die 36 datapunten op (~600 bytes).

🚨 Wat levert dit ons op? (De 'Community CiC')

Door deze data centraal en op hoge resolutie te verzamelen, kunnen we features bouwen die een stand-alone Home Assistant niet makkelijk kan, bijvoorbeeld voor:

1. CV-Waterdruk monitoring & Expansievat diagnostiek: als de druk binnen 10 minuten na compressorstart met >0.6 bar stijgt, triggert het platform een waarschuwing dat je expansievat mogelijk defect is of dat een antivriesklep lekt.
2. Defrost Efficiency Vergelijking: We kunnen exact zien hoe snel de warmtewisselaar ijsvrij wordt gemaakt. Duurt een defrost langer dan 10 minuten? Dan krijgt de gebruiker een melding om de luchttoevoer van de buitenunit te controleren op bladeren of blokkades.
3. Anonieme Peer-Benchmarking: Jouw COP en energieverbruik automatisch vergelijken met 5 andere Tweakers met hetzelfde type woning (bijv. jaren '30 tussenwoning) tijdens dezelfde koude week.

Mochten er mensen zijn die willen meedenken met het schrijven van de Python MQTT-listener die deze topics vertaalt naar InfluxDB, of interesse hebben in een test-setup zodra de eerste alpha-versie van de backend draait: laat het hieronder weten!

[Lasoul]

TeslaNerd schreef op dinsdag 19 mei 2026 @ 12:24:
[...]

Heb ik gedaan!

Issue is opgelost en gaat aankomend weekend mee met de volgende beta release