Watt Pilot

Watt Pilot: App that analyzes electricity use, predicts demand, and uses an AI personal energy assistant to deliver custom tips and the best times to run appliances, helping you save money and cut CO₂

Comment

Portuguese (PT)

Inspiration

O custo da eletricidade e a variabilidade de tarifas tornam difícil perceber, no dia a dia, onde e quando estamos a gastar mais energia. Muitas casas já têm dados (tomadas inteligentes, faturas, contadores), mas faltam ferramentas que transformem isso em ações simples e personalizadas. O Watt Pilot nasce para traduzir consumo em decisões: poupança em €, redução de CO₂ e uso mais inteligente da energia (especialmente quando há renováveis e horários mais baratos).

What it does

O Watt Pilot é uma app web/mobile que:

  • Recolhe e organiza dados de consumo (histórico e, no futuro, em tempo real).
  • Usa forecasting para prever a procura doméstica (próximas horas/dias).
  • Identifica anomalias e desperdícios (picos, standby elevado, aparelhos fora do padrão).
  • Sugere horários ótimos para usar aparelhos ou armazenar energia renovável (quando aplicável).

  • Envia feedback rápido e humanizado via LLM, em notificações curtas e úteis, por exemplo:

    • “Parabéns! Poupou 5€ esta semana.”
    • “O aparelho X está com consumo acima da média das últimas 2 semanas.”

How we built it

  • Fonte de dados (MVP): exportação do histórico de consumo das tomadas TP-Link Tapo P110 (ficheiro XLS/CSV).
  • Pipeline de dados (ETL): scripts em Python para importar, limpar, normalizar e agregar o consumo por minuto/hora/dia.
  • Backend/API: FastAPI para ingestão, consulta de séries temporais e endpoints de insights/recomendações.
  • Base de dados time-series: TimescaleDB (PostgreSQL) para guardar histórico e suportar agregações eficientes.
  • Modelos de previsão e análise: módulo em Python para forecasting, baseline de consumo e deteção de desvios/anomalias.
  • Personalização com LLM: geração de mensagens curtas com contexto (poupança, tendência, alerta) e linguagem simples.
  • Frontend Web PoC: React + Vite + TypeScript para dashboard e visualização do consumo.
  • Escala (próximo passo): Home Assistant (edge) + MQTT (Mosquitto) para ingestão em tempo real e suporte a dispositivos com comunicação aberta.

Challenges we ran into

  • Qualidade e granularidade dos dados: exportações podem ter resoluções diferentes e exigem normalização.
  • Transformar dados em ação: o desafio não é só “mostrar gráficos”, mas gerar recomendações que o utilizador realmente siga.
  • Personalização sem ser invasivo: equilibrar utilidade, clareza e frequência de notificações para não virar “spam”.
  • Escalabilidade e interoperabilidade: diferentes marcas e protocolos exigem uma camada de integração (edge) bem definida.
  • Privacidade e segurança: consumo energético pode revelar hábitos; é preciso desenhar com proteção desde o início.

Accomplishments that we're proud of

  • Definimos uma arquitetura clara e escalável: MVP por exportação → evolução para tempo real via edge + MQTT.
  • Criámos um pipeline que transforma histórico bruto em séries temporais prontas para análise e previsão.
  • Implementámos a base para insights imediatos (poupança, anomalias, tendências) com feedback amigável via LLM.
  • Mantivemos o foco em impacto real: poupar dinheiro, reduzir desperdício e baixar pegada de carbono.

What we learned

  • O utilizador quer respostas simples e rápidas, não relatórios longos — a IA tem de servir a decisão.
  • Forecasting funciona melhor quando combinado com baseline + contexto (rotina da casa, dias da semana, sazonalidade).
  • A arquitetura “edge-first” dá mais robustez: menos dependência de cloud de fabricantes e melhor privacidade.
  • Pequenas vitórias (ex.: “poupou 5€” ou “reduziu picos”) aumentam a adoção e a motivação do utilizador.

What's next for Watt Pilot

  • Ingestão em tempo real: integrar Home Assistant + MQTT e suportar tomadas/dispositivos com APIs abertas.
  • Planeador inteligente: permitir que o utilizador defina objetivos (€/CO₂) e que a app proponha planos semanais.
  • Integração com tarifas e renováveis: otimizar com base em tarifas horárias, PV e baterias (quando disponíveis).
  • Automação opcional: além de recomendar, permitir executar ações (ligar/desligar) com permissão do utilizador.
  • Privacidade e produto: perfis por casa, encriptação, controlo de dados e uma UX mobile completa com notificações.

English

Inspiration

Electricity costs and changing tariffs make it hard to understand, day to day, where and when we spend the most energy. Many homes already have data (smart plugs, bills, meters), but few tools turn it into simple, personalized actions. Watt Pilot translates consumption into decisions that save money, reduce CO₂, and use energy more intelligently, especially when renewables and cheaper time windows are available.

What it does

Watt Pilot is a web and mobile app that:

  • Collects and organizes electricity usage data (historical, and later in real time)
  • Uses forecasting to predict household demand for the next hours or days
  • Detects anomalies and waste (spikes, high standby usage, devices behaving outside their usual pattern)
  • Suggests optimal times to run appliances or store renewable energy when applicable

  • Delivers fast, human-friendly feedback through an LLM in short, useful notifications, for example:

    • “Congrats! You saved €5 this week.”
    • “Device X is consuming above its 2-week average.”

How we built it

  • Data source (MVP): export of usage history from TP-Link Tapo P110 smart plugs (XLS/CSV file).
  • Data pipeline (ETL): Python scripts to import, clean, normalize, and aggregate consumption by minute/hour/day.
  • Backend/API: FastAPI for ingestion, time-series queries, and insights or recommendation endpoints.
  • Time-series database: TimescaleDB (PostgreSQL) to store history and support efficient aggregations.
  • Forecasting and analytics: a Python module for demand forecasting, consumption baselines, and anomaly or deviation detection.
  • LLM personalization: generation of short, context-aware messages (savings, trends, alerts) in simple language.
  • Web PoC frontend: React + Vite + TypeScript for the dashboard and consumption visualizations.
  • Scale (next step): Home Assistant (edge) + MQTT (Mosquitto) for real-time ingestion and support for devices with open communication.

Challenges we ran into

  • Data quality and granularity: exports may come at different resolutions and require normalization.
  • Turning data into action: the challenge is not only showing charts, but generating recommendations people actually follow.
  • Personalization without being intrusive: balancing usefulness, clarity, and notification frequency so it does not feel like spam.
  • Scalability and interoperability: different brands and protocols require a well-defined edge integration layer.
  • Privacy and security: energy usage can reveal household habits, so protection must be built in from the start.

Accomplishments that we're proud of

  • We defined a clear, scalable architecture: an export-based MVP evolving into real-time ingestion via edge plus MQTT.
  • We built a data pipeline that turns raw history into analysis-ready time series for forecasting and insights.
  • We implemented the foundation for fast insights (savings, anomalies, trends) with friendly, personalized LLM feedback.
  • We stayed focused on real impact: saving money, reducing waste, and lowering the carbon footprint.

What we learned

  • Users want simple, fast answers, not long reports. AI should support decisions.
  • Forecasting works best when combined with a baseline plus context (household routine, weekdays, seasonality).
  • An edge-first architecture is more robust, reduces reliance on vendor clouds, and improves privacy.
  • Small wins (for example, “you saved €5” or “you reduced peaks”) increase adoption and user motivation.

What's next for Watt Pilot

  • Real-time ingestion: integrate Home Assistant plus MQTT and support smart plugs and devices with open APIs.
  • Smart planner: let users set goals (money and CO₂) and generate weekly action plans.
  • Tariffs and renewables integration: optimize using time-of-use prices, solar PV, and batteries when available.
  • Optional automation: beyond recommendations, enable actions such as switching devices on or off with user permission.
  • Privacy and product readiness: home profiles, encryption, data controls, and a complete mobile UX with notifications.

Built With

Share this project:

Updates