:fill(white):strip_exif()/i/2006976478.jpeg?f=thumbmini)
:strip_exif()/i/2002540872.png?f=thumbmini)
:strip_exif()/i/2001369095.png?f=thumbmini)
:strip_exif()/i/2002562464.png?f=thumbmini)
Situatie
Wij hebben twee Tesla’s (Model Y), een eigen laadpaal en een flinke hoeveelheid zonnepanelen. Vooruitkijkend naar 2027 (einde salderen) ben ik gaan onderzoeken of ik slimmer kan laden dan nu.
Wens
Mijn wens was simpel: Zonne-energie die over is (in huis gebruiken we maximaal 20% per dag) gaat naar 1 van de auto's. Geen teruglevering tenzij onvermijdelijk (omdat de auto's vol zijn) en geen stroom van het net tenzij echt nodig. Het laadvermogen moest zich dus volledig automatisch en dynamisch aanpassen op basis van het actuele zonoverschot.
Gewenst resultaat: Minimale netbelasting, minimale teruglevering, minimale kosten en dus maximaal gebruik van mijn eigen zonne-energie.
Oplossing
De kern van de oplossing lag in het gebruik van een BLE-module (ESP32 M5NanoC6) die de Tesla via Bluetooth vertelt hoeveel ampère er geladen mag worden en hoe vol de batterij geladen moet worden. De BLE Module doet zich voor als een soort key-card die commando's naar de auto stuurt. Groot voordeel: Deze oplossing maakt geen gebruik van de Tesla Cloud. Dat is fijn want alles blijft lokaal. Bovendien wordt de Tesla could steeds complexer en beperkt het aantal requests per dag (en op een wisselend bewolkte dag gaan er veel requests naar de auto)
De BLE module heb ik verstopt in de laadpaal (hij krijgt er ook zijn voeding van) en draait op ESPHome. De module werkt perfect samen met Home Assistant. Zodra een laadscenario actief is en de voorwaarden kloppen, wordt de Tesla gewekt door de BLE module en begint het laden op maat.
Ik gebruik hiervoor het project yoziru/esphome-tesla-ble.
Wie wil kan overstappen naar de uitgebreide fork van PedroKTFC, maar voor mij geldt: less is more — de originele versie bevat alles wat ik nodig heb.
Home Assistant als brein
Home Assistant verzamelt alle relevante informatie:
- Zonneproductie via Modbus, met fallback op de SolarEdge API
- Huishoudelijk energie verbruik, inclusief warmtepomp en andere groot verbruikers (wasmachine etc.)
- Status van de laadpaal
- Aanwezigheid en status van de auto
Op basis van die gegevens beslissen automatiseringen of er geladen mag worden, en zo ja: met welk vermogen. Elke 2 minuten wordt het laadvermogen automatisch aangepast aan het actuele overschot. Geen overbodige commando’s, geen handmatig werk.
Scenario's
In het HA dashboard kies ik één van de drie scenario’s:
Laden met zon
- Alleen laden bij zonoverschot
- Dynamische aanpassing van laadstroom
Laden met zon maar 's nacht doorladen indien nodig
- Zelfde als hierboven, maar met een concreet doel (bijv. “60% geladen om 07:00u”)
- Handig bij gepland vertrek
Snel laden
- Onmiddellijk laden op maximaal vermogen
- Onafhankelijk van zon of overschot
De praktijk
Deze zomer rijd ik vrijwel volledig op mijn eigen zonnestroom, dus alleen het eerste scenario wordt gekozen. Het systeem werkt na wat getweak zeer betrouwbaar. Handmatig stoppen of starten hoeft niet meer. Inpluggen, scenario kiezen en klaar. En hoewel ik nu nog profiteer van salderen, voorkom ik al onnodige terugleverkosten en ontlast ik het net. Vanaf 2027 wordt dit alleen maar waardevoller.
Voor wie interessant?
Heb je een Tesla (elk model), zonnepanelen en een eigen laadpaal? Dan is dit een perfect moment om te beginnen met slim laden.
- Je voorkomt onnodige teruglevering
- Je gebruikt meer van je eigen stroom
- Je bent voorbereid op het einde van salderen
- Het is leuk om dit te realiseren en je bepaalt zelf hoe ver je gaat: van eenvoudig tot geavanceerd, met dynamische tarieven, weersvoorspelling opnemen in je laadalgoritme, of thuisbatterij-integratie. Alles is modulair en uitbreidbaar. De combinatie, Home Assistant-BLE-Tesla (lokaal) werkt super en Tesla stimuleert het gebruik (en zal het in de toekomst niet dichtzetten is mij ter ore gekomen). Wel belangrijk dat je auto en de BLE module een goede Wifi ontvangst hebben.
Ik ben benieuwd of meer mensen een soortgelijke implementatie hebben en welke ervaringen erbij horen. En mocht iemand geïnspireerd zijn om zelf aan de gang te gaan... gewoon doen! Stel je vragen hier of zet chatGPT aan het werk. Zijn YAML kennis is best ok.
:strip_exif()/f/image/NrrXwrEnlg0i3V8Q0QicA2Qx.jpg?f=fotoalbum_large)
Wij hebben twee Tesla’s (Model Y), een eigen laadpaal en een flinke hoeveelheid zonnepanelen. Vooruitkijkend naar 2027 (einde salderen) ben ik gaan onderzoeken of ik slimmer kan laden dan nu.
Wens
Mijn wens was simpel: Zonne-energie die over is (in huis gebruiken we maximaal 20% per dag) gaat naar 1 van de auto's. Geen teruglevering tenzij onvermijdelijk (omdat de auto's vol zijn) en geen stroom van het net tenzij echt nodig. Het laadvermogen moest zich dus volledig automatisch en dynamisch aanpassen op basis van het actuele zonoverschot.
Gewenst resultaat: Minimale netbelasting, minimale teruglevering, minimale kosten en dus maximaal gebruik van mijn eigen zonne-energie.
Oplossing
De kern van de oplossing lag in het gebruik van een BLE-module (ESP32 M5NanoC6) die de Tesla via Bluetooth vertelt hoeveel ampère er geladen mag worden en hoe vol de batterij geladen moet worden. De BLE Module doet zich voor als een soort key-card die commando's naar de auto stuurt. Groot voordeel: Deze oplossing maakt geen gebruik van de Tesla Cloud. Dat is fijn want alles blijft lokaal. Bovendien wordt de Tesla could steeds complexer en beperkt het aantal requests per dag (en op een wisselend bewolkte dag gaan er veel requests naar de auto)
De BLE module heb ik verstopt in de laadpaal (hij krijgt er ook zijn voeding van) en draait op ESPHome. De module werkt perfect samen met Home Assistant. Zodra een laadscenario actief is en de voorwaarden kloppen, wordt de Tesla gewekt door de BLE module en begint het laden op maat.
Ik gebruik hiervoor het project yoziru/esphome-tesla-ble.
Wie wil kan overstappen naar de uitgebreide fork van PedroKTFC, maar voor mij geldt: less is more — de originele versie bevat alles wat ik nodig heb. Home Assistant als brein
Home Assistant verzamelt alle relevante informatie:
- Zonneproductie via Modbus, met fallback op de SolarEdge API
- Huishoudelijk energie verbruik, inclusief warmtepomp en andere groot verbruikers (wasmachine etc.)
- Status van de laadpaal
- Aanwezigheid en status van de auto
Op basis van die gegevens beslissen automatiseringen of er geladen mag worden, en zo ja: met welk vermogen. Elke 2 minuten wordt het laadvermogen automatisch aangepast aan het actuele overschot. Geen overbodige commando’s, geen handmatig werk.
Scenario's
In het HA dashboard kies ik één van de drie scenario’s:
Laden met zon
- Alleen laden bij zonoverschot
- Dynamische aanpassing van laadstroom
Laden met zon maar 's nacht doorladen indien nodig
- Zelfde als hierboven, maar met een concreet doel (bijv. “60% geladen om 07:00u”)
- Handig bij gepland vertrek
Snel laden
- Onmiddellijk laden op maximaal vermogen
- Onafhankelijk van zon of overschot
De praktijk
Deze zomer rijd ik vrijwel volledig op mijn eigen zonnestroom, dus alleen het eerste scenario wordt gekozen. Het systeem werkt na wat getweak zeer betrouwbaar. Handmatig stoppen of starten hoeft niet meer. Inpluggen, scenario kiezen en klaar. En hoewel ik nu nog profiteer van salderen, voorkom ik al onnodige terugleverkosten en ontlast ik het net. Vanaf 2027 wordt dit alleen maar waardevoller.
Voor wie interessant?
Heb je een Tesla (elk model), zonnepanelen en een eigen laadpaal? Dan is dit een perfect moment om te beginnen met slim laden.
- Je voorkomt onnodige teruglevering
- Je gebruikt meer van je eigen stroom
- Je bent voorbereid op het einde van salderen
- Het is leuk om dit te realiseren en je bepaalt zelf hoe ver je gaat: van eenvoudig tot geavanceerd, met dynamische tarieven, weersvoorspelling opnemen in je laadalgoritme, of thuisbatterij-integratie. Alles is modulair en uitbreidbaar. De combinatie, Home Assistant-BLE-Tesla (lokaal) werkt super en Tesla stimuleert het gebruik (en zal het in de toekomst niet dichtzetten is mij ter ore gekomen). Wel belangrijk dat je auto en de BLE module een goede Wifi ontvangst hebben.
Ik ben benieuwd of meer mensen een soortgelijke implementatie hebben en welke ervaringen erbij horen. En mocht iemand geïnspireerd zijn om zelf aan de gang te gaan... gewoon doen! Stel je vragen hier of zet chatGPT aan het werk. Zijn YAML kennis is best ok.
:no_upscale():strip_icc():strip_exif()/f/image/NrrXwrEnlg0i3V8Q0QicA2Qx.jpg?f=user_large)
:no_upscale():strip_icc():strip_exif()/f/image/MA4Rj8zg5yTMwwajkZdu0oaM.jpg?f=user_large)