Solar Optimizer a EMHASS: automatické řízení spotřeby ze solárů

Mám doma solární panely skoro tři roky a dlouho jsem řešil pořád to samé: v poledne přebývá energie, večer beru ze sítě. Baterie problém částečně řeší, ale co dny, kdy slunce svítí víc, než baterie stačí vstřebat? Tady začíná skutečně zajímavá partie — automatické přesměrování přebytků přímo do spotřebičů v domácnosti. A Home Assistant na to má dnes nástroje, které mě fakt baví.

Solar Optimizer: simulované žíhání jako algoritmus pro tvůj dům

Jeden z nástrojů, o kterém se mluví čím dál víc, je Solar Optimizer — custom integrace pro Home Assistant s aktuálně přes 230 hvězdičkami na GitHubu. Její poslední release 3.8.2 vyšel v červnu 2026 a přináší opravy UI karet, takže integrace aktivně žije.

Co Solar Optimizer dělá? Sleduje aktuální přebytek výroby a na základě toho zapíná nebo vypíná spotřebiče — myčku, bojler, podlahové topení, cokoli, co máš v Home Assistantu pod kontrolou. Ale na rozdíl od jednoduchých threshold automatizací („zapni při výkonu > 1 500 W") používá algoritmus simulovaného žíhání (simulated annealing). Zjednodušeně: systém zkouší různé kombinace zapnutých spotřebičů a hledá tu, která nejlépe využije dostupný přebytek bez překročení dovoleného odběru ze sítě.

Klíčové parametry algoritmu jsou initial_temp, cooling_factor a max_iteration_number. Cooling factor 0,95 znamená, že algoritmus postupně „ochlazuje" a na konci přijímá jen velmi malé odchylky od optimálního řešení. Pokud máš velké spotřebiče (tepelné čerpadlo, rychlonabíječka), doporučuji zvýšit initial_temp — jinak algoritmus nemusí prohledat dostatečně velký prostor řešení.

Reálná konfigurace vypadá tak, že v YAML definuješ sensory pro aktuální výrobu a čistou spotřebu ze sítě. Například pro střídač Enphase:

- name: "Total power instantaneous production (W)"
  state_class: measurement
  unit_of_measurement: "W"
  state: >
    {% set power = [states('sensor.envoy_xxxxx_current_power_production') | float(default=0), 0] | max %}
    {{ power | round(2) }}

Tohle jsem si upravil pro vlastní střídač — principiálně to funguje s čímkoli, co ti Home Assistant umí přečíst lokálně.

AIO Energy Management a EMHASS: dva přístupy k přesměrování přebytků

Vedle Solar Optimizeru stojí za pozornost dvě další řešení s jiným filozofickým přístupem.

AIO Energy Management (verze 1.0.0 vydaná v dubnu 2026) přináší funkci „excess solar" — jednoduše mapuješ přebytkový výkon na konkrétní zařízení. Integrace generuje binární sensory jako binary_sensor.excess_solar_water_heater, na které pak napíšeš automatizaci:

alias: "Excess Solar: Management"
triggers:
  - trigger: state
    entity_id: binary_sensor.excess_solar_water_heater
    to: "on"
actions:
  - action: switch.turn_on
    target:
      entity_id: switch.water_boiler

Je to přímočaré a pro běžný bojler nebo koupelnové topení naprosto dostačující. Jak uvádí Creating Smart Home, tato funkcionalita byla plánována od začátku projektu — trvalo pár let ji dotáhnout do použitelné podoby.

EMHASS (Energy Management for Home Assistant) jde ještě dál. Jde o skutečný EMS s matematickou optimalizací pod kapotou, který běží plně lokálně. Komunita kolem EMHASS je aktivní a vývojáři reagují na problémy. Oproti AIO se EMHASS hodí pro složitější scénáře — například kombinaci baterie, tepelného čerpadla a proměnlivé tarifu elektřiny. Jak zmiňuje diskuze na fóru Home Assistant, EMHASS nepotřebuje žádnou cloudovou EMS službu, což je pro mě klíčové.

Pro předpověď výroby pak existuje pvcast — lokální alternativa k forecast.solar. Postavíš si model svého FV systému, zadáš libovolný zdroj předpovědi počasí a získáš lokálně vypočítanou predikci výroby. Forecast.solar je sice zdarma, ale jak upozorňují zkušení uživatelé, jeho konfigurovatelnost a spolehlivost API nechávají občas přát.

Jak to celé poskládat do funkčního celku

Z vlastní zkušenosti ti říkám: největší chyba je vrhnout se rovnou na složité algoritmy bez solidního datového základu. Nejdřív potřebuješ mít v Home Assistantu spolehlivé sensory pro:

1. Aktuální výrobu FV (W, ne kumulativní kWh)
2. Čistou spotřebu ze sítě (kladná = odběr, záporná = dodávka)
3. Vlastní spotřebu domácnosti

Bez těchto tří hodnot v reálném čase žádný optimizer nefunguje správně. Jak popisuje průvodce od Spectrum Energy Systems, klíčová kombinace je: data ze střídače v reálném čase + integrace tarifu elektřiny + optimalizační algoritmus. Když tohle máš, domácnost přestane být pasivní spotřebič a stane se aktivně řízeným energetickým aktivem.

Praktický postup pro začátečníky:

• Krok 1: Zprovozni lokální čtení dat ze střídače (bez cloudu, přes lokální integraci nebo Modbus)
• Krok 2: Nastav Energy Dashboard v Home Assistantu — uvidíš self-consumption percentage a začneš chápat, kde ztrácíš přebytky
• Krok 3: Přidej jednoduchou threshold automatizaci pro jeden spotřebič (například bazénové čerpadlo nebo bojler)
• Krok 4: Až tohle běží stabilně, sáhni po Solar Optimizeru nebo AIO Energy Management pro chytřejší řízení více spotřebičů najednou
• Krok 5: Pro pokročilé: EMHASS + pvcast pro plnohodnotný lokální EMS

Jeden reálný příklad z komunity Home Assistant: automatické zapínání bazénového čerpadla při výrobě nad 1,5 kW a vypínání pod 1 kW. Jednoduché, ale účinné — čerpadlo jako velký spotřebič výrazně snižuje dodávku do sítě v slunečných hodinách.

Kam to směřuje

Fragmentace trhu energetického managementu je v 2026 stále velká. Standardy jako S2 od TNO nebo EEBUS zatím čekají na širší průmyslové přijetí — jak trefně poznamenávají v diskuzích na fóru, EU by musela vydat direktivu, která by výrobce donutila tyto protokoly podporovat. Zatím se každý výrobce tepelného čerpadla, střídače nebo wallboxu drží svého ekosystému.

Home Assistant v tomto světě funguje jako univerzální lepidlo — a komunita kolem Solar Optimizeru, EMHASS i AIO Energy Managementu ukazuje, že open-source přístup dokáže překonat to, co propriétární řešení za tisíce eur stále neumí: skutečně lokální, transparentní a přizpůsobitelný energetický management.

Máš doma přebytky ze solárů a ještě je aktivně neřídíš? Zkus začít s Energy Dashboardem a jednou automatizací na bojler — výsledky tě překvapí rychleji, než čekáš. A pak mi napiš, jak to dopadlo.