Kontynuując temat z poprzednich wpisów dotyczących integracji systemów automatyki z systemem monitorowania jakości oraz poziomu zanieczyszczenia powietrza Airly przyszedł‚ i czas na wdrożenie funkcjonalności w HomeAssistant 😀 w tym krótkim wpisie postaram się pokrótce to przedstawić i opisać. Przechodzimy zatem do szczegółów…

Aby móc sczytywać informacje z serwisu Airly, potrzebne jest konto, jeśli jeszcze takowego nie mamy zakładamy je tutaj po rejestracji i zalogowaniu dostaniemy klucz API tj.:

Następnie musimy określić swoje położenie celem zlokalizowania najbliższej czujki. Wchodzimy więc na mapy,  gdzie wpisujemy adres lub klikamy zlokalizuj mnie. Zostaną wyświetlone punkty czujek dostępne w określonym położeniu, po czym wybieramy najbliższy czujnik, klikając w niego – otrzymamy taki widok:

Wskazany sensor pokazuje pomiar na żywo, a klikając w pasek URL przeglądarki dostajemy wswpółrzędne geograficzne – kolejno szerokość i długość (patrz. na screen zaznaczenie kolorem czerwonym). Zapisujemy współrzędne czujnika Airly, które będziemy potrzebować w następnym kroku, w moim przykładzie jest to szerokość: 52.16471 i długość: 21.08311.

Dalej przechodzimy do zdefiniowania sensora HA, który będzie komunikował się z serwisem Airly pobierając wartości pogodowe z najbliżej zlokalizowanego czujnika względnem podanego położenie (krok wcześniejszy). Będzie to możliwe dzięki Airly API, które udostępnia szereg operacji wokół‚ zasobów, m. in. /v2/measurements/nearest zasobu zwracającego pomiary dla instalacji najbliżej określonej lokalizacji. Tworzymy zatem taki sensor dodając go do pliku configuration.yaml:

sensor:
  - platform: rest
    scan_interval: 900
    name: Airly
    resource: https://airapi.airly.eu/v2/measurements/nearest?lat=49.72347&lng=22.04834&maxDistanceKM=5
    value_template: "{{ value_json['current']['values'][0]['value'] }} {{ value_json['current']['values'][1]['value'] }} {{ value_json['current']['values'][2]['value'] }} {{ value_json['current']['values'][3]['value'] }} {{ value_json['current']['values'][4]['value'] }} {{ value_json['current']['values'][5]['value'] }} {{ value_json['current']['indexes'][0]['level'] }} {{ value_json['current']['indexes'][0]['value'] }} {{ value_json['current']['indexes'][0]['description'] }}"
    headers:
      apikey: API_AIRLY
      Accept-Language: pl

Komponent rest z platformy sensor zawiera klucz resource czyli adres czujnika Airly, który musimy przestawić: https://airapi.airly.eu/v2/measurements/nearest?lat=49.72347&lng=22.04834&maxDistanceKM=5

• lat= czyli szerokość geograficzna zmieniamy na wcześniej zapisane współrzędne czujnika (patrz wyżej)
• lng= długość geograficzna zmieniamy na wcześniej zapisane współrzędne (patrz wyżej)
• maxDistanceKM= określa limit odległości w kilometrach w jakiej od określonego punktu geograficznego znajdują się instalacje czujników.

Poza tym zamieniamy jeszcze wartość API_AIRLY klucza apikey – (patrz pierwszy screen – Twój klucz API).

Następnie konfigurując template sensor tworzymy konkretne sensory, jakie mają być:

- platform: template
  sensors:
      airly_pm1:
        friendly_name: "Pył PM1"
        icon_template: mdi:jquery
        unit_of_measurement: "μg/m3"
        value_template: "{{ states.sensor.airly.state.split(' ')[0] }}"
      airly_pm25:
        friendly_name: "Pył PM25"
        icon_template: mdi:jquery
        unit_of_measurement: "μg/m3"
        value_template: "{{ states.sensor.airly.state.split(' ')[1] }}"
      airly_pm10:
        friendly_name: "Pył PM10"
        icon_template: mdi:jquery
        unit_of_measurement: "μg/m3"
        value_template: "{{ states.sensor.airly.state.split(' ')[2] }}"
      airly_pressure:
        friendly_name: "Ciśnienie"
        icon_template: mdi:gauge
        unit_of_measurement: "hPA"
        value_template: "{{ states.sensor.airly.state.split(' ')[3] | float | round(1) }}"
      airly_humidity:
        friendly_name: "Wilgotność"
        icon_template: mdi:water-percent
        unit_of_measurement: "%"
        value_template: "{{ states.sensor.airly.state.split(' ')[4] | float | round(0) }}"
      airly_temperature:
        friendly_name: "Temperatura"
        icon_template: mdi:thermometer
        unit_of_measurement: "°C"
        value_template: "{{ states.sensor.airly.state.split(' ')[5] | float | round(1) }}"
      airly_quality:
        friendly_name: "Jakość powietrza"
        icon_template: mdi:quicktime
        value_template: "{{ states.sensor.airly.state.split(' ')[6] }}"
      airly_level:
        friendly_name: "Poziom"
        icon_template: mdi:database
        value_template: "{{ states.sensor.airly.state.split(' ')[7] | float | round(0) }}"
      airly_description:
        friendly_name: "Komunikat"
        icon_template: mdi:alert
        value_template: "{{ states.sensor.airly.state.split(' ')[8:] | join(' ') }}"

Pozostaje stworzenie zakładki oraz widoku w interfejsie poprzez group wpisując w pliku groups.yaml:

pogoda:
  name: 'Pogoda'
  view: yes
  icon: mdi:cloud
  entities:
      - group.airly

airly:
  name: 'Stacja pogoda Airly'
  entities:
      - sensor.airly_quality
      - sensor.airly_level
      - sensor.airly_description
      - sensor.airly_temperature
      - sensor.airly_humidity
      - sensor.airly_pressure
      - sensor.airly_pm1
      - sensor.airly_pm25
      - sensor.airly_pm10

Natomiast jeśli korzystamy z Lovelace UI do pliku ui-lovelace.yaml dodajemy poniższy wpis:

 - icon: mdi:cloud
      id: pogoda
      title: 'Pogoda'
      cards:
      - type: vertical-stack
        cards:
          - type: entities
            title: 'Stacja pogody Airly'
            entities:
              - entity: sensor.airly_quality
              - entity: sensor.airly_level
              - entity: sensor.airly_description
              - entity: sensor.airly_temperature
              - entity: sensor.airly_humidity
              - entity: sensor.airly_pressure
              - entity: sensor.airly_pm1
              - entity: sensor.airly_pm25
              - entity: sensor.airly_pm10

Przeładowujemy konfigurację i wchodząc na HA poprzez WWW uzyskujemy taki o to efekt  🙂

To by było na tyle. Jeśli coś jest niezrozumiałe lub macie jakieś pytania dawać znać, postaram się pomóc.

Instrukcja przygotowana przez: krl