In diesem Video zeige ich dir Schritt für Schritt, wie du den Schimmel-Indikator (oder Mold Indikator) in Home Assistant optimal nutzen kannst, um Schimmelbildung in deinem Zuhause zu verhindern. Von den Grundlagen bis zur praktischen Anwendung im Live-System erhältst du alle Infos, die du brauchst, um deinen Wohnraum besser zu schützen!
Themen, die wir behandeln:
Wofür ist der Schimmelindikator nützlich?
Wie funktioniert der Mold Indikator?
Was brauchst du, um ihn einzurichten?
So berechnest du den Kalibrierungsfaktor.
Den Schimmelindikator in Home Assistant anlegen.
Einrichtung und praktische Tipps.
Beispiele aus einem echten System.
Egal, ob du ein Neuling in Home Assistant bist oder dein Smart Home weiter optimieren möchtest – dieses Video bietet dir hilfreiche Einblicke!
Ja, über relativ komplizierte Automationen würde das vermutlich gehen. Du müsstest einen Zähler immer dann wenn einer der Sensoren über den Schwellwert geht +1 zählen lassen und jedes mal wenn einer unter den Schwellwert geht wieder -1 Somit hättest du im Zähler immer die aktuelle Anzahl der „gefährdeten“ Räume und könntest diese dann wieder in einer anderen Automation auswerten.
Der Sinn deines Vorhabens erschließt sich mir allerdings nicht gänzlich. Denn damit würden die ja, wenn dauerhaft nur in 2 Räumen der Wert bei 99% liegt keine Warnung kommen, aber die Räume schimmeln dir trotzdem Weg. Also sollte eine Lüftungs-Warnung imho immer pro Raum einzeln kommen und nicht erst wenn der dritte Raum mit zum Schimmeln anfängt.
Hallöchen zusammen,
die Jahreszeit der kalten Wände beginnt nun wieder in den alten Häusern.
Ich hatte jetzt eine Zeitlang den Indikator getestet und bei mir kamen immer andere Werte herraus, also habe ich mich mal auf die Suche gemacht und folgendes für mich entdeckt und wollte das mit Euch teilen.
Hier wird die realative Luftfeuchte ermittelt und das dynamisch mit einem weiteren Tempsensor an der kalten Stelle an der sich Schimmel bilden könnte.
Hier mal der Code welcher in den configuration.yaml eingefügt werden muss um den Sensor zu erstellen.
Aktuell bin ich noch am testen, aber bisher sieht das ganz gut aus.
- sensor:
- name: Schimmel Büro
unit_of_measurement: "%"
state_class: measurement # only include this if you want long term statistics
state: >
{# ### CHANGE THESE THREE SENSORS ### #}
{% set room_temp = states('sensor.buro_temperatur_temperature')|float(0) %}
{% set room_humid = states('sensor.buro_temperatur_humidity')|float(0) %}
{% set crit_temp = states('sensor.buro_temperatur_wand_temperature')|float(0) %}
{# ### -------------------------- ### #}
{% set MK2 = 17.62 %}
{% set MK3 = 243.12 %}
{% set alpha = MK2 * room_temp / ( MK3 + room_temp ) %}
{% set beta = MK2 * MK3 / ( MK3 + room_temp ) %}
{% set dewpt = MK3 * ( alpha + log( room_humid / 100 ) ) / ( beta - log( room_humid / 100 ) ) %}
{% set alpha_crit = MK2 * crit_temp / ( MK3 + crit_temp ) %}
{% set beta_crit = MK2 * MK3 / ( MK3 + crit_temp) %}
{% set crit_humidity = e ** ( ( dewpt * beta_crit - MK3 * alpha_crit) / ( dewpt + MK3) ) * 100 %}
{{ ([0,crit_humidity,100]|sort)[1] | round(0) }}
icon: >
{% if this.state|float(0) == 0 %}
mdi:water-alert-outline
{% elif this.state|float(0) > 70 %}
mdi:water-percent-alert
{% else %}
mdi:water-check-outline
{% endif %}
der Kalibrierungsfaktor hat sich immer wieder geändert und dadurch haben sich natpürlich die Werte auch immer wieder geändert.
Ich hatte einfach ein paar Tage hintereinander die Außenwand gemessen und den Faktor neu errechnet und er wich leider immer sehr stark voneinander ab.
Was nicht wirklich zuverlässig ist.
Mit dem selbstgebauten Sensor auf Berechnung mit der Magnus-Formel
Sehr schönes Template. Als ich das so gelesen hatte, musste ich an meine Außenwerkstatt denken. Da werde ich das einsetzen!
Habe mir das mal in den Template Editor gezogen. Du könntest noch den Punkt erweitern, ob denn nun Schimmelgefahr besteht, oder nicht, wenn du das Ergebnis auch als Text haben möchtest.
{% set risk = ([0,crit_humidity,100]|sort)[1] %}
{{ 'Schimmelgefahr' if risk >= 75 else 'Keine Schimmelgefahr' }}
Ich habe natürlich wieder etwas herumgespielt. MK2 und MK3 habe ich auf 1 gesetzt um für mich einigermaßen realistische Werte zu erhalten. Müsste sonst auch erstmal wie du den Verlauf checken um MK2 und MK3 zu setzen.
wobei $T$ die Temperatur in Grad Celsius ist und $E(T)$ der Sättigungsdampfdruck in Hektopascal ($\text{hPa}$).
2. Die Konstanten ($MK2$ und $MK3$)
Die in Ihrem Template verwendeten Konstanten $MK2$ und $MK3$ (oft auch als $C_1$ und $C_2$ bezeichnet) sind die numerischen Koeffizienten, die die Kurvenform des Sättigungsdampfdrucks über der Temperatur bestimmen:
$MK2 = 17.62$ (Manchmal als $C_1$ oder $a$ verwendet)
$MK3 = 243.12$ (Manchmal als $C_2$ oder $b$ verwendet)
Diese spezifischen Werte ($17.62$ und $243.12$) stammen aus der Goff-Gratch-Gleichung bzw. den darauf basierenden WMO-Standardwerten und liefern eine sehr hohe Genauigkeit im Temperaturbereich von etwa $-30,^\circ\text{C}$ bis $70,^\circ\text{C}$ (also weit über den Bereich, der in Wohnräumen relevant ist).
3. Anwendung in Ihrem Sensor
Ihr Sensor verwendet diese Konstanten, um aus der Raumtemperatur ($room_temp$) und der relativen Luftfeuchtigkeit ($room_humid$) zunächst den Taupunkt ($dewpt$) zu berechnen:
Sie bilden die Grundlage für die mathematische Umwandlung der Luftfeuchtigkeit (ausgedrückt als Prozent) in die absolute Feuchtigkeit (ausgedrückt als Taupunkttemperatur).
Ohne diese spezifischen Konstanten wäre die berechnete kritische Feuchtigkeit ($crit_humidity$) physikalisch inkorrekt.
Zusammenfassend sind $MK2$ und $MK3$ feste, universelle Zahlen aus der Thermodynamik, die in diesem spezifischen Formelaufbau zur genauen Berechnung von Feuchtigkeitsbeziehungen verwendet werden. Sie müssen sie nicht ändern, solange Sie das Formelschema beibehalten.
ich lasse mir das in der Bubblecard anzeigen, bin nicht der Fan von Schrift
Als ich das so gelesen hatte, musste ich an meine Außenwerkstatt denken. Da werde ich das einsetzen!
Herkunft und Bedeutung der Konstanten
