Teil 2: Echter Hausstromverbrauch messen

Meine PV-Anlage & Wechselrichter-App: Wie ich den echten Hausstromverbrauch berechne

Blogserie: Mein Smart Home mit Home Assistant – Teil 2

Einleitung: Warum ich eine eigene Wechselrichter-App gebaut habe

Nachdem ich meine Wärmepumpe vollständig über Modbus und MyUplink integriert hatte, wollte ich eine der wichtigsten und meistgestellten Fragen endlich korrekt beantworten:

„Wie viel verbraucht mein Haus wirklich – und wie groß ist der Anteil der Wärmepumpe daran?“

Die Antwort darauf erhält man nicht durch eine einzelne API oder ein einzelnes Gerät. Darum habe ich meine eigene Django-Wechselrichter-App gebaut, die meinen Qcells-Wechselrichter lokal abfragt, die Daten in meiner Datenbank speichert und über eine saubere Live-API an Home Assistant liefert.

Diese Architektur erlaubt es mir:

PV-Erzeugung in Echtzeit auszulesen,
Hausverbrauch & Netzfluss korrekt zu erfassen,
die Wärmepumpenleistung abzuziehen,
und dadurch den echten Hausstromverbrauch ohne WP zu berechnen.

1. Der Qcells Wechselrichter – und warum ich ihn lokal abfrage

Ich nutze einen Qcells Wechselrichter (Q.HOME+ oder vergleichbares Modell), der – wie die meisten modernen Geräte – eine lokale API bzw. lokale Datenquelle bereitstellt. Der Vorteil gegenüber Cloud-Diensten liegt auf der Hand:

keine Verzögerung (Daten alle paar Sekunden verfügbar),
keine Rate Limits oder sperrige Cloud-APIs,
100% Unabhängigkeit, auch bei Internetausfall,
aktive Kontrolle über Format, Sicherheit und Datenfluss.

Qcells bietet hier (je nach Modell) zwei Varianten:

Lokale JSON-Daten über das Webinterface des Wechselrichters
Modbus TCP (Wikipedia)

Dokumentation (je nach Serie): Qcells Produktübersicht – Wechselrichter

Für meine Anwendung nutze ich die lokale JSON-Abfrage.

2. Wie die lokale Qcells API grundsätzlich funktioniert

Qcells stellt – ähnlich wie viele andere Wechselrichterhersteller – eine lokale, meist recht einfache HTTP-Schnittstelle bereit, über die man JSON-Daten abrufen kann.

Typische Struktur:

http://IP_DES_WECHSELRICHTERS/api/real_time_data

Der Endpoint liefert Werte wie:

pv_power_w – aktuelle PV-Leistung
house_consumption_w – Hausverbrauch
grid_power_w – Einspeisung / Bezug
battery_soc_pct – Ladestand der Batterie
battery_power_w – laden oder entladen

Ein Beispiel einer von mir abgefragten Qcells-Antwort:

{
  "pv_power_w": 473,
  "house_consumption_w": 445,
  "grid_power_w": -123,
  "battery_power_w": 0,
  "battery_soc_pct": 9
}

Diese Daten nutze ich dann weiter in meiner Django-App und Home Assistant.

3. Die Architektur: Von Qcells → Django → Home Assistant

Meine Energie-Datenpipeline sieht so aus:

Qcells Wechselrichter liefert lokale Echtzeitdaten (JSON)
Meine Django-Wechselrichter-App (Django Framework) holt die Werte regelmäßig ab, speichert sie in meiner Datenbank und stellt sie über eine API bereit
Home Assistant ruft meine API über die REST-Integration ab

Das sorgt für:

klare Datenstrukturen
Performanz
Cloud-Unabhängigkeit
Langzeitspeicherung

4. Das Polling-Skript: Wie ich Qcells in die Datenbank schreibe

In meiner Django-App existiert ein Management-Kommando: poll_wechselrichter.

Es holt die Qcells Daten alle zwei Minuten ab und schreibt sie in die ThinkKreativ-Datenbank.

*/2 * * * * www-data /usr/bin/flock -n /tmp/wechselrichter.poll.lock \
  /bin/sh -lc 'cd /home/thom7e/meinportfolio && \
  /home/thom7e/meinportfolio/.venv/bin/python manage.py poll_wechselrichter \
  >> /var/log/thinkkreativ/poll.log 2>&1'

5. Der Live-API-Endpunkt für Home Assistant

Home Assistant fragt nicht den Wechselrichter ab, sondern meine Django-API. Das hat enorme Vorteile:

ich kontrolliere das Format
ich filtere und normalisiere die Werte
ich kann später weitere Daten hinzufügen, ohne HA umzubauen

Meine API liefert z. B.:

{
  "pv_power_w": 473,
  "house_consumption_w": 445,
  "grid_power_w": -123,
  "battery_power_w": 0,
  "battery_soc_pct": 9
}

Home Assistant holt das so ab:

rest:
  - resource: https://thinkkreativ.de/api/wechselrichter/live/
    scan_interval: 5
    sensor:
      - name: "PV Leistung"
        value_template: "{{ value_json.pv_power_w }}"

6. Der wichtigste Punkt: Der echte Hausstromverbrauch ohne Wärmepumpe

Für mich – und für die meisten Menschen, die ein Energiemonitoring beginnen – ist das der zentrale Aha-Moment:

Ich kann endlich sauber berechnen, wie viel mein Haus ohne Wärmepumpe verbraucht.

Das geht nur, wenn man die Daten aus:

der Wärmepumpe (Modbus-Leistung),
dem Qcells-Wechselrichter (Hausverbrauch),

kombiniert.

6.1 Die Formel

Hausstrom ohne WP = Hausverbrauch gesamt – WP-Leistung

Diese eine Zeile ist das Fundament meiner gesamten Energieanalyse.

6.2 Umsetzung in Home Assistant

sensor:
  - platform: template
    sensors:
      hausstrom_ohne_wp:
        friendly_name: "Hausverbrauch ohne Wärmepumpe"
        unit_of_measurement: "W"
        value_template: >
          {% set haus = states('sensor.house_consumption_w') | float %}
          {% set wp = states('sensor.wp_power_w') | float %}
          {{ (haus - wp) | round(0) }}

6.3 Typische realistische Werte

Nacht-Grundlast: 300–500 W
Typischer Tagesverbrauch ohne WP: 7–10 kWh
WP-Anteil: ca. 20–35 % im Winter

Beispiel eines Tages:

Gesamtverbrauch: 10,13 kWh
Wärmepumpe: 2,1 kWh
Haus ohne WP: 8,03 kWh

Ohne diese Trennung ist ein sinnvolles Energiemanagement kaum möglich.

7. Warum meine Django-Datenbank langfristig ein Vorteil ist

Da ich alle Qcells-Daten nicht nur in HA nutze, sondern zusätzlich in meiner Django-Datenbank speichere, habe ich:

eine unabhängige Langzeitdatenbasis,
volle Exportmöglichkeiten,
eigene Diagramme auf thinkkreativ.de,
historische Analysen ohne Drittanbieter.

Selbst wenn Home Assistant ausfällt, bleiben die Daten erhalten.

8. Das Zusammenspiel: PV, Wärmepumpe & New Analytics

Durch die Kombination aus:

lokaler Qcells-API,
Modbus-Daten der Wärmepumpe,
eigener ThinkKreativ-Datenbank,
Home Assistant Visualisierung,
und dem Sensor „Hausverbrauch ohne WP“

habe ich ein System, das Energieflüsse realistisch und minutiös korrekt abbildet.

Für mich ist das das Herz meiner gesamten Energieoptimierung.

Ausblick auf Teil 3

Im nächsten Teil der Serie zeige ich:

wie ich Mining vollständig PV-geführt betreibe,
wie ich Schwellwerte für Überschuss definiere,
welche Faktoren ich nutze („Mining vs. Einspeisen“),
und wie Home Assistant automatisch entscheidet, wann der Miner laufen darf.

Wenn du möchtest, erstelle ich jetzt sofort Teil 3 – ebenfalls in HTML.