Smart-Meter-Toolkit

Immer mehr Immobilien von Endkunden wurden in den letzten Jahren mit Smart Metern ausgerüstet, die den Stromverbrauch nicht nur messen, sondern die Werte auch regelmässig an den Netzbetreiber übermitteln. Typischerweise geschieht dies einmal pro Tag oder seltener. Endkunden können diese Daten meist über eine Weboberfläche rückwirkend einsehen. Für eine detailliertere Analyse oder gar Einbindung der Messdaten in Heim­auto­matisie­rungs­prozesse ist dies jedoch unzureichend. Deshalb beinhaltet Art. 8a der Strom­versorgungs­verordnung eine Bestimmung, dass Endverbraucher Messdaten direkt und lokal über eine Kunden­schnitt­stelle am Smart Meter empfangen können. So lässt sich der aktuelle Stromverbrauch praktisch in Echtzeit mit einer Auflösung von 5 bis 15 s erfassen.

Kunden­schnitt­stelle

Alle gängigen Smart Meter verfügen über eine Kunden­schnitt­stelle, auch «Consumer Information Interface» (CII) genannt, die sich zu diesem Zweck einsetzen lässt. Nun werden für die Datenübertragung leider keine Protokolle eingesetzt, die die Messwerte gemäss Strom­ver­sorgungs­ver­ordnung in einer verständlich dargestellten Form zeigen. Die hiesigen Zähler verwenden dafür meist den Standard DLMS/Cosem, der über dem High-Level Data Link Control (HDLC) Netzwerkprotokoll eingesetzt wird. Für den Physical Layer werden je nach Zählermodell der M-Bus- oder der DSMR-P1-Standard verwendet. Zudem sind die Mess-Samples aus Daten­schutz­gründen oft verschlüsselt und werden fragmentiert übermittelt. Somit werden seitens Smart-Meter-Hersteller zwar internationale Standards eingehalten, für Netzbetreiber wie EKZ bleibt aber die Frage, wie die Kunden gemäss Verordnung die Messdaten «in verständlich dargestellter Form» empfangen können.

Proof of Concept

An den Energy Hackdays im August 2020 sammelte EKZ dazu erste Erfahrungen. Ein Team entwickelte einen Proof of Concept (PoC), um mit zum Teil offenen, aber auch proprietären Soft­ware­kompo­nenten die Smart Meter über die Kunden­schnitt­stelle auszulesen und die Daten zu visualisieren. Daraufhin beauftragte EKZ die Firma Supercomputing Systems AG (SCS), auf der Basis dieses PoCs ein Produkt zu entwickeln, das interessierten Endkunden zur Verfügung gestellt werden kann. Die Lösung musste einfach und kostengünstig für die Endkunden sein, durfte aber auch keine proprietären Komponenten enthalten, da diese schlecht erweiterbar sind und häufig unter einschrän­kenden Lizenz­bedingungen stehen.

Variante mit Raspberry Pi

In der Initialisierungs­phase des Projekts wurde evaluiert, ob die definitive Lösung über eine eigene Hardware auf Basis eines Micro­controllers und der entsprechenden M-Bus- oder DSMR-P1-Schnittstelle verfügen soll. Dies hätte jedoch entweder viel Aufwand für die Produktion und den Vertrieb aufseiten EKZ bedeutet oder wäre bei einem Open-Hardware-Projekt eine grosse Hürde für Endkunden, um ihre Hardware selbst zusammen­zustellen. Es wurde deshalb eine Variante mit einem Raspberry Pi gewählt, wobei die Endkunden je nach Zählertyp den passenden USB-Adapter bei einem Drittanbieter erwerben können.

Zudem stellte sich die Frage, wie die geparsten Zählerdaten weitergeleitet werden sollten. Hier wurde auf MQTT gesetzt – einem einfachen publish-subscribe-basierten Netz­werk­protokoll, das beispielsweise im IoT-Bereich verbreitet ist. Es bietet die Flexibilität, die Daten sowohl im Netzwerk als auch lokal auf dem Gerät, auf dem die Zählerdaten empfangen werden, weiter­zuverwenden.

Open-Source-Softwarelösung

SCS entwickelte für EKZ eine reine Open-Source-Software­lösung, die auf Github gehostet wird. Der Fokus lag dabei einerseits auf einem einfachen Einsatz der Software, andererseits auf der Zugänglichkeit für versierte End­benut­zerinnen und Endbenutzer, um die Software anzupassen oder weiterzuentwickeln. Deshalb wählte man für die Kernapplikation, den Data Collector, die Program­mier­sprache Python 3. Der Flexibilitäts­gedanke wurde auch in der Architektur dieser Software weitergeführt, indem ein oder mehrere Smart-Meter-Lesegeräte als Datenquellen und eine oder mehrere Datensenken instanziiert werden können. Eingangsseitig ist es also möglich, mehrere Zähler parallel an das gleiche Raspberry Pi anzuschliessen und deren Daten im gleichen Programm­prozess an die Daten­senken weiterzuleiten.

Flexible Software­architektur

Als Datensenken stehen aktuell eine MQTT-Client-Implementierung und ein einfacher Datenlogger ins Linux-Log-Journal zur Verfügung, die wiederum parallel eingesetzt werden können. Es ist aufgrund des erweiterbaren Softwaredesigns einfach möglich, nebst weiteren Zählern auch Datensenken zu anderen Schnittstellen hinzuzufügen. Um die Messdaten innerhalb der Applikation weiterleiten zu können, ohne die Datenquellen und -senken zu stark miteinander zu koppeln, wurde auf das Observer Pattern zurückgegriffen. Dies passt gut zum asynchronen Ansatz, auch bekannt als async/await-Konzept, auf das die Applikation aufbaut. Asynchrone Programmierung wird gerne in I/O-lastigen Applikationen eingesetzt, die wie hier einen Grossteil der Zeit auf Datenübertragung an den Ein- und Ausgängen warten. Umgesetzt wird dies mit pseudoparallelen Tasks, verwaltet in einem Python-eigenen Eventloop, der nur in einem Thread läuft. Tasks, die momentan nichts verarbeiten müssen, sind pausiert und blockieren somit nicht den Rest der Applikation. Aufgrund der Implementierung des Eventloop mit Betriebssystemfunktionen müssen die einzelnen Tasks auch nicht aktiv gepollt werden, was zu einer tiefen CPU-Last der Applikation führt.

Für das Dekodieren der von den Zählern stammenden DLMS-Nachrichten wurde eine umfangreiche, ebenfalls open-source verfügbare Software-Library der finnischen Firma Gurux in die Applikation eingebunden. Sie bietet die nötigen Funktionen, wie das Entschlüsseln und Interpretieren der DLMS-Daten für den Einsatz mit den hierzulande eingesetzten Smart Metern.

Python-Paket und Demo-Image

Den Benutzern stellt SCS nicht nur ein Python-Paket mit der oben beschriebenen Data-Collector-Software auf dem offiziellen Python-Package-Index (PyPi) zur Verfügung, sondern auch ein fertiges Raspberry Pi Demo-Image, das direkt auf eine SD-Karte geflasht werden kann. Mit wenigen Konfi­gurations­schritten über ein lokales Webinterface des Raspberry Pi ist damit die Visualisierung der Messdaten über Grafana möglich. Weiter werden in dieser Demo die Daten per InfluxDB aufgezeichnet, damit sie rückwirkend über ein paar Monate angezeigt werden können. All dies findet lokal auf dem Raspberry Pi statt – es werden keine Verbraucher­daten in die Cloud geschickt.

In die Heimautomation integrierbar

Ambitionierte Endnut­zerinnen und Endnutzer, die ihre Smart-Meter-Messdaten in eine Heim­auto­matisierungs­lösung einbinden möchten, können die Data-Collector-Software direkt mit einem externen MQTT-Broker verknüpfen. Da in Python entwickelt, ist es auch möglich, die Software auf einer anderen Linux-Plattform statt auf einem Raspberry Pi laufen zu lassen. Somit ist die Software flexibel einsetzbar.

Auf Github

Als Hosting-Standort für das Projekt wurde Github gewählt, weil es eine gut zugängliche und ausgebaute Plattform für Open-Source-Vorhaben bietet, wo sich User und Entwickler zur Lösung austauschen und sich gegenseitig helfen [1]. SCS pflegt die Community, nimmt Vorschläge und Bugreports entgegen und webt diese wiederum in die Lösung ein. Auch wurde das Projekt schon mehrfach geforkt, wo andere Personen eigene Varianten für ihre spezifischen Anwen­dungs­zwecke entworfen haben.

Offen für andere Verteilnetze

Obwohl die Lösung auf Wunsch von EKZ speziell für ihre eingesetzten Zähler und Konfiguration entworfen wurde, ist sie mittlerweile generisch genug, um auch mit Smart Metern von anderen Verteil­netz­betrei­bern eingesetzt zu werden, wie sich gezeigt hat. Aktuell werden die Zähler E450, E360 und bald E570 von Landis+Gyr, Iskraemeco AM550 und Kamstrup Omnipower mit dem HAN-NVE-Modul unterstützt. Neben einem kompatiblen Smart Meter muss man vom Verteilnetzbetreiber die Kunden­schnitt­stelle freischalten lassen, um die Messdaten lokal empfangen zu können. Dies erreicht man bei EKZ über den Kundensupport, wo man auch eine ausführliche Instal­lations­anleitung erhält. Die Schritte für das Aufsetzen der Lösung sowie weitere Infor­mationen findet man auch im Wiki der Github-Projektseite.

Referenz

[1] github.com/scs/smartmeter-datacollector