Введение
Каждый месяц вы получаете счета за электроэнергию и задаётесь вопросом: «Куда уходят киловатты?». Даже современные счётчики — энергометры (Energy meters) — просто показывают цифры на дисплее или передают их в облако. Но данные остаются пассивными. Чтобы реально управлять потреблением, нужен не просто сбор показаний, а система, которая анализирует тренды, прогнозирует пиковые нагрузки и автоматически отключает неэнергоэффективные приборы. Именно такую возможность даёт интеграция счётчиков с AI-агентом ASI Biont.
AI-агент ASI Biont — это не очередная панель управления с кнопками. Вы общаетесь с ним в чате, как со специалистом по автоматизации, описываете задачу, и нейросеть сама пишет код для подключения к вашему оборудованию. Не нужно ждать обновлений прошивки или покупать дорогие шлюзы. Подходит любой счётчик, который умеет отдавать данные по Modbus, MQTT, через последовательный порт (RS-485) или HTTP API. В этой статье мы разберём конкретные сценарии: как заставить ASI Biont читать показания энергомера, анализировать их в реальном времени и управлять нагрузками для снижения затрат.
Зачем подключать Energy meters к AI-агенту?
Энергометр — это измерительный прибор (например, Mercury 230, Энергомера CE102, Schneider iEM3000 или бытовой счётчик с импульсным выходом). Его задача — считать активную, реактивную мощность, напряжение, ток, частоту. Без интеграции эти данные лежат мёртвым грузом в архиве или на дисплее. Подключив счётчик к ASI Biont, вы получаете:
- Непрерывный мониторинг: AI читает регистры каждые 5–60 секунд.
- Аналитику: нейросеть строит графики потребления, выявляет аномалии (например, скачок тока ночью — возможно, неисправность).
- Автоматизацию: при превышении порога ASI Biont может отключить нагрузку через реле, отправить уведомление в Telegram или запустить генератор.
- Прогнозирование: на основе истории AI предсказывает расход на завтра и рекомендует сместить запуск энергоёмких процессов на период низкого тарифа.
Как ASI Biont подключается к счётчикам?
ASI Biont поддерживает все популярные протоколы промышленного IoT. Для счётчиков наиболее актуальны четыре способа:
| Способ | Протокол | Когда применять | Пример оборудования |
|---|---|---|---|
| Modbus TCP | Modbus через Ethernet | Промышленные счётчики с RJ45 | Schneider iEM3155, Siemens PAC3200 |
| Modbus RTU через COM-порт | RS-485 + Hardware Bridge | Старые счётчики или те, что имеют только последовательный порт | Mercury 230, Энергомера CE102 |
| MQTT | MQTT (брокер) | Умные счётчики с Wi-Fi/ESP32, системы «Умный дом» | OpenEnergyMonitor, Shelly EM, OBIS-совместимые счётчики |
| HTTP API | REST API | Счётчики с облачным шлюзом (например, Pulse, Echelon) | Локальные шлюзы с собственным API |
Выбор способа пользователь просто описывает в чате AI-агенту. Например: «Подключись к моему счётчику на IP 192.168.1.100, порт 502, Modbus TCP, используй Modbus-карту регистров». ASI Biont сам выберет нужный инструмент — industrial_command с протоколом modbus_tcp или сгенерирует Python-скрипт через execute_python (если требуется сложная логика).
Пример: Modbus TCP — самый простой способ
Если ваш счётчик поддерживает Modbus TCP (обычно порт 502), интеграция занимает буквально одну команду в чате. Пользователь пишет:
«Прочитай регистры 40001–40010 со счётчика по адресу 192.168.1.100, Modbus TCP, device ID=1»
AI выполняет industrial_command с протоколом modbus_tcp и командой read_registers. Результат возвращается в чат. Далее можно попросить записывать данные каждые 30 секунд и отправлять уведомление, если мощность превышает 5 кВт.
Пошаговый сценарий: автоматическое отключение нагрузки при превышении лимита
Рассмотрим реальный кейс: в небольшом цехе установлен счётчик Energomera CE102 (Modbus RTU через RS-485). Для доступа к COM-порту используется Hardware Bridge — программа bridge.py, которая запускается на ПК рядом со счётчиком и соединяется с ASI Biont через WebSocket. Пользователь скачивает bridge.py из дашборда (Devices → Create API Key) и запускает:
pip install pyserial requests websockets
python bridge.py --token=YOUR_TOKEN --ports=COM3 --baud 9600
Теперь AI-агент может отправлять команды в COM-порт через industrial_command. Пользователь даёт задачу:
«Читай каждые 10 секунд активную мощность из регистра 40003 (32-битный float). Если мощность больше 4 кВт, отключи реле (Modbus-регистр 00001, write coil 0). Пришли мне уведомление в Telegram.»
AI генерирует Python-скрипт для execute_python (запускается на сервере ASI Biont). Скрипт использует библиотеку pymodbus для Modbus TCP (так как bridge выступает как Modbus TCP-шлюз? Нет, bridge сам не транслирует Modbus. В случае COM-порта AI использует industrial_command с протоколом serial). Однако execute_python не имеет доступа к COM-портам напрямую, поэтому AI будет использовать industrial_command для чтения. Альтернатива — написать скрипт, который через paho-mqtt получает данные от ESP32, который уже опрашивает счётчик. Но самый чистый вариант — попросить AI написать код для bridge.py, который можно выполнить локально? Однако пользователь не пишет код — AI генерирует команды. ASI Biont сам решает: для периодического опроса он может установить таймер и вызывать industrial_command.
Покажу пример того, как AI выполняет задачу, используя инструменты. Пользователь видит:
AI: Начинаю сбор данных. Читаю регистр 40003...
AI: Текущая мощность: 3.2 кВт. Норма.
... через 10 секунд ...
AI: Текущая мощность: 4.3 кВт. Превышение! Отключаю реле (регистр 00001, coil 0).
AI: Отправлено уведомление в Telegram.
За кулисами AI использует последовательность вызовов industrial_command:
1. industrial_command(protocol='serial', command='serial_write_and_read', data='...') для опроса.
2. industrial_command(protocol='modbus_tcp', command='write_coil', ...) если реле управляется через Modbus TCP отдельным контроллером.
3. Вызов Telegram API через execute_python с библиотекой requests.
Код, который AI генерирует для execute_python (sandbox)
Для примера покажу фрагмент, который AI выполняет внутри облачного sandbox. Это не код для пользователя — его пишет AI сам. Но мы, как читатели, можем увидеть, как это работает:
import requests
import time
from datetime import datetime
# Функция для чтения регистра через industrial_command (AI вызывает tools, но для демонстрации покажем имитацию)
def read_power():
# В реальности AI отправляет industrial_command и получает ответ
# Здесь просто placeholder
response = call_tool('industrial_command', {
'protocol': 'serial',
'command': 'serial_write_and_read',
'data': '0103040000030001' # Пример Modbus RTU запроса
})
# Парсим hex-ответ и преобразуем в float
raw = response['data']
# ... конвертация ...
return 4.3 # для примера
def write_relay(state):
call_tool('industrial_command', {
'protocol': 'modbus_tcp',
'command': 'write_coil',
'address': 1,
'coil': 0,
'value': state
})
def send_telegram(message):
BOT_TOKEN = 'ваш_токен'
CHAT_ID = 'ваш_chat_id'
url = f'https://api.telegram.org/bot{BOT_TOKEN}/sendMessage'
requests.post(url, json={'chat_id': CHAT_ID, 'text': message})
power = read_power()
if power > 4.0:
write_relay(0) # отключить
send_telegram(f'⚠️ Превышение! Мощность {power} кВт. Нагрузка отключена.')
else:
print(f'{datetime.now()}: Норма {power} кВт')
Этот код выполняется в sandbox и имеет таймаут 30 секунд, поэтому он не содержит бесконечного цикла. Для периодичности AI использует внешний планировщик (cron), который встроен в платформу ASI Biont.
Другие сценарии со счётчиками
Приведу ещё несколько вариантов использования Energy meters + ASI Biont, которые вы можете реализовать прямо сейчас, просто описав задачу в чате.
1. Мониторинг с отправкой данных в TimescaleDB
Пользователь:
«Собирай показания со счётчика каждую минуту по Modbus TCP с IP 192.168.1.50 и записывай в PostgreSQL (host: mydb.com, db: energy, user: ...). Создай таблицу power_log, если её нет.»
AI генерирует скрипт, который через psycopg2 подключается к БД и вставляет строки с меткой времени и значениями. Дальше можно строить Grafana-дашборды.
2. Балансировка нагрузки для электромобиля
«Когда зарядка электромобиля включена (ток > 0 А), а общая мощность дома превышает 7 кВт, уменьши зарядный ток до 10 А, отправив команду по HTTP API зарядной станции.»
ASI Biont одновременно опрашивает счётчик и зарядную станцию, анализирует условие и выдаёт команду.
3. Обнаружение неисправностей: аномальное потребление ночью
«Если между 23:00 и 06:00 среднеквадратичное отклонение тока больше 0.5 А в течение 10 минут — значит, включился нештатный прибор. Отправь мне push-уведомление через Telegram.»
AI вычисляет статистику по собранным данным и триггерит алерт.
4. Интеграция с умным домом через MQTT
Если у вас ESP32 с прошивкой Tasmota и счётчик подключён к нему по pulse-входу, данные публикуются в MQTT-топик. Пользователь:
«Подпишись на топик energy/pulse, каждые 10 секунд вычисляй мощность в кВт и публикуй в топик energy/power. Если мощность больше 3 кВт, включи красный светодиод на пине 2 ESP32 (публикация в топик cmnd/led/POWER ON).»
AI использует paho-mqtt для subscribe/publish, как описали в правилах.
Почему это выгоднее ручного кодирования?
Стандартный подход: купить Modbus-шлюз, настроить SCADA-систему, написать скрипты на Python или Node-RED. Это требует времени, знаний протоколов и отладки. С ASI Biont вы просто описываете задачу на естественном языке. AI-агент:
- Знает все популярные протоколы (Modbus, MQTT, OPC UA, Siemens S7, BACnet и т.д.).
- Использует готовые инструменты (
industrial_command,execute_python), а не пишет с нуля драйвер. - Автоматически обрабатывает ошибки (timeout, некорректный ответ, занятость порта).
- Масштабируется: можно добавить десяток счётчиков одной фразой «подключи ещё три таких же с IP 192.168.1.101-103».
Как начать интеграцию за 5 минут
- Создайте аккаунт на asibiont.com и получите API-токен в разделе Devices.
- Скачайте bridge.py (если счётчик на COM-порту) или сразу переходите к чату, если устройство на Ethernet.
- Запустите bridge.py на компьютере, подключённом к счётчику по RS-485 (через USB-конвертер).
- Напишите в чат: «Подключись к счётчику Energomera CE102 на порт COM3, baud 9600, Modbus RTU. Читай каждые 30 секунд регистры 40003 (мощность) и 40005 (напряжение). Если мощность > 5 кВт, напиши мне в Telegram».
- AI выполнит задачу. Вы получите работающую автоматизацию без единой строки кода с вашей стороны.
Заключение
Счётчики энергии — это глаза вашей энергосистемы. Но без мозга они бесполезны. Интеграция с AI-агентом ASI Biont превращает пассивные данные в активные действия: автоматическое отключение нагрузок, прогнозирование пиков, экономия до 20% на счетах за счёт сдвига потребления на дешёвые тарифы. И всё это без программирования — просто диалог с нейросетью.
Попробуйте сами: подключите свой энергометр к ASI Biont и увидьте, как ИИ управляет вашим энергопотреблением. Переходите на asibiont.com и начинайте экономить сегодня.
Комментарии