การใช้ GPT วิเคราะห์ข้อมูลพลังงาน IAMMETER Cloud

📘 บทนำ

บทช่วยสอนนี้สาธิตวิธีการเชื่อมต่อบัญชี IAMMETER Cloud ของคุณกับ ChatGPT (หรือ IAMMETER Assistant) ดึงข้อมูล สมาร์ทมิเตอร์พลังงาน ผ่าน API แบบเปิดของ IAMMETER และสร้าง รายงานการวิเคราะห์พลังงานด้วย AI โดยอัตโนมัติ

วิธีการนี้ใช้ได้กับผลิตภัณฑ์ IAMMETER ทั้งหมด รวมถึง:

🏠 WEM3080 — มอนิเตอร์พลังงานภายในบ้านแบบเฟสเดียว
⚙️ WEM3080T / WEM3080TD — มิเตอร์พลังงานสามเฟส
☀️ ระบบมอนิเตอร์โซลาร์ PV

🧩 ขั้นตอนที่ 1 — การเตรียมการ

1️⃣ เข้าสู่ระบบ IAMMETER Cloud

👉 /login

2️⃣ รับโทเค็น API ของคุณ

หลังจากเข้าสู่ระบบ ให้คลิกที่ ไอคอนโปรไฟล์ (มุมขวาบน)
เลือก "Settings->Token"
คัดลอกโทเค็นของคุณ — มีลักษณะดังนี้ (ตัวอย่างเท่านั้น):
```
xxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxx
```

3️⃣ เชื่อมต่อกับ GPT

ใน ChatGPT (หรือ IAMMETER Assistant) ให้พิมพ์:

My IAMMETER API Token is xxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxx

GPT จะเชื่อมต่อกับบัญชี IAMMETER Cloud ของคุณและแสดงรายการไซต์และมิเตอร์ทั้งหมดที่มี

⚙️ ขั้นตอนที่ 2 — ดึงข้อมูลไซต์และมิเตอร์

GPT จะแสดงภาพรวมดังนี้:

ชื่อไซต์	ประเภท	พลังงานแบบเรียลไทม์	พลังงานรายเดือน	เปิดใช้ PV
Home Energy Monitor	เฟสเดียว	2400 W	272 kWh	ไม่
Solar PV System	PV	–870 W	211 kWh	✅ ใช่

🔎 ขั้นตอนที่ 3 — เลือกไซต์ที่จะวิเคราะห์

บอก GPT:

ฉันต้องการวิเคราะห์ไซต์ Home Energy Monitor

GPT จะขอ หมายเลขซีเรียลของมิเตอร์ (SN) ของคุณ คุณสามารถหาได้ใน IAMMETER Cloud → Device List ตัวอย่างเช่น:

70B3D5XXXXXX

📊 ขั้นตอนที่ 4 — เรียกใช้การวิเคราะห์พลังงาน

GPT จะเรียกใช้ API IAMMETER Cloud อย่างเป็นทางการ ที่ endpoint: 👉 เอกสาร API ระบบ

ตัวอย่าง:

GetPowerAnalysis(sn="70B3D5XXXXXX", startTime="2025-11-21", endTime="2025-11-28")

ตัวอย่างผลลัพธ์:

ค่าชี้วัด	ค่า
กำลังไฟฟ้าเฉลี่ย	497.2 W
กำลังไฟฟ้าสูงสุด	5598 W
กำลังไฟฟ้าต่ำสุด	64 W
กำลังไฟฟ้าเฉลี่ยช่วงกลางวัน	480.8 W

🌱 ขั้นตอนที่ 5 — ตัวอย่างรายงานการเพิ่มประสิทธิภาพพลังงานด้วย AI

ด้านล่างคือตัวอย่างรายงานประสิทธิภาพพลังงานที่สร้างโดย GPT จากข้อมูล IAMMETER Cloud

⚡ ข้อมูลเชิงลึกด้านพลังงานภายในบ้าน

โหลดเฉลี่ย ≈ 500 W
โหลดในช่วงกลางคืนสูง — อาจเกิดจากเครื่องทำน้ำอุ่นหรือเครื่องปรับอากาศ
โหลดสูงสุดถึง 5.6 kW — ตรวจพบเหตุการณ์การใช้พลังงานสูงระยะสั้น

💡 คำแนะนำในการเพิ่มประสิทธิภาพ

หมวดหมู่	คำแนะนำ	การประหยัดที่เป็นไปได้
ไฟฟ้าสแตนด์บาย	ปิดปลั๊กที่ไม่ได้ใช้งานด้วยสมาร์ทซ็อกเก็ต	~8–10%
การควบคุมเครื่องทำน้ำอุ่น	กำหนดเวลาทำงานในช่วงนอกชั่วโมงpeakหรือช่วงโซลาร์	~10–15%
การจัดการโหลดสูงสุด	หลีกเลี่ยงการใช้งานอุปกรณ์หนักหลายเครื่องพร้อมกัน	~5–8%

ศักยภาพการประหยัดทั้งหมด: ≈ 20–25% (≈ 1,700 kWh/ปี, ≈ $120–150 USD)

🧠 ขั้นตอนที่ 6 — การรวมระบบควบคุมอัจฉริยะ (ไม่บังคับ)

คุณสามารถรวมข้อมูล IAMMETER + ข้อมูลเชิงลึกจาก AI สำหรับ การควบคุมอัตโนมัติ โดยใช้แพลตฟอร์มเปิด:

แพลตฟอร์ม	คำอธิบาย
🏠 Home Assistant	การควบคุมแบบเรียลไทม์ผ่านการรวมระบบ MQTT
🧩 Node-RED	สร้างโฟลว์ลอจิกอัจฉริยะ (เช่น ตัดไฟเมื่อเกิน 3 kW)
☁️ ThingsBoard	สร้างแดชบอร์ดและพยากรณ์แนวโน้ม
🔌 WPC3700 Wi-Fi Power Controller	ใช้พลังงานส่วนเกินจากโซลาร์สำหรับควบคุมระบบทำความร้อน

🏁 ขั้นตอนที่ 7 — สรุป

ขั้นตอน	การดำเนินการ	ความสามารถของ GPT
1	รับโทเค็น API	ยืนยันตัวตนผู้ใช้
2	เชื่อมต่อกับ IAMMETER Cloud	แสดงรายการไซต์และมิเตอร์
3	ระบุหมายเลข SN ของมิเตอร์	ระบุอุปกรณ์
4	เรียกใช้การวิเคราะห์พลังงาน	ดึงข้อมูลพลังงาน
5	สร้างรายงาน	ข้อมูลเชิงลึกด้านพลังงานด้วย AI
6	(ไม่บังคับ) รวมระบบควบคุม	เปิดใช้งานระบบอัตโนมัติ

📎 ตัวอย่างแหล่งข้อมูล

บัญชี IAMMETER Cloud (ผู้ใช้ทดสอบ)
ไซต์: Home Energy Monitor
หมายเลข SN ของมิเตอร์: 70B3D5XXXXXX
ช่วงวันที่: 2025-11-21 → 2025-11-28

✅ ประโยชน์ของการรวม IAMMETER + GPT

การวิเคราะห์พลังงานด้วย AI แบบไม่ต้องเขียนโค้ด
รายงานการเพิ่มประสิทธิภาพ ทันทีสำหรับเจ้าของบ้าน
การเชื่อมต่อที่ราบรื่นระหว่าง IoT metering และ AI decision-making