Πώς μια έξυπνη αντλία θερμότητας μαθαίνει τις ανάγκες του σπιτιού σας

А έξυπνη αντλία θερμότητας μπορεί να κάνει περισσότερα από το να ανοίγει από εφαρμογή. Τα πιο εξελιγμένα controls μπορούν να παρατηρούν πώς αντιδρά το κτίριο και να προσαρμόζουν την λειτουργία τους αντί να βασίζονται για πάντα σε μία σταθερή ρύθμιση.

Μαθαίνει πραγματικά το σπίτι ή ακολουθεί κανόνες;

Υπάρχουν και οι δύο περιπτώσεις. Ένα απλό adaptive system μπορεί να προσαρμόζει την καμπύλη θέρμανσης από το σφάλμα θερμοκρασίας. Ένα machine-learning system μπορεί να δημιουργεί μοντέλο της θερμικής απόκρισης του κτιρίου από ιστορικά δεδομένα.

Για τον χρήστη η διαφορά δεν είναι πάντα ορατή, αλλά τεχνικά είναι μεγάλη. Το πρώτο είναι rule/adaptive control, το δεύτερο μπορεί να είναι data-driven prediction.

Τι μπορεί να «μάθει»;

• Πόσο γρήγορα χάνει θερμότητα το σπίτι.
• Πόσο χρόνο χρειάζεται για να φτάσει setpoint.
• Πώς επηρεάζεται από εξωτερική θερμοκρασία και ήλιο.
• Πότε συνήθως ζητείται ΖΝΧ.
• Ποιες ρυθμίσεις οδηγούν σε υψηλότερο ή χαμηλότερο COP.

Η ποιότητα της μάθησης εξαρτάται από την ποιότητα και διάρκεια των δεδομένων.

Παράδειγμα: ένα πρωινό του Ιανουαρίου

Ένα συμβατικό πρόγραμμα μπορεί να πει «στις 07:00 θέλω 21°C». Ένα predictive system μπορεί να ξέρει ότι με 8°C έξω χρειάζεται 40 λεπτά, αλλά με 0°C χρειάζεται 90 λεπτά. Έτσι ξεκινά μόνο όσο νωρίς χρειάζεται.

Αν συνδυάζεται με πρόγνωση καιρού, μπορεί να αποφύγει υπερβολική προθέρμανση όταν αναμένεται γρήγορη άνοδος της εξωτερικής θερμοκρασίας.

Μπορεί να μάθει λάθος;

Ναι. Αλλαγή κουφωμάτων, νέος χρήστης, αλλαγή ωραρίου ή πολύ λίγα δεδομένα μπορούν να κάνουν ένα μοντέλο προσωρινά ανακριβές. Γι’ αυτό τα σοβαρά controls χρειάζονται limits, fallback rules και δυνατότητα manual override.

Το AI δεν πρέπει να έχει ανεξέλεγκτη πρόσβαση σε κρίσιμες παραμέτρους ασφάλειας. Οι προστασίες του κατασκευαστή παραμένουν ανεξάρτητες.

Cloud ή local learning;

Το cloud επιτρέπει περισσότερη υπολογιστική ισχύ, συγκεντρωτική ανάλυση και συχνές βελτιώσεις. Το local control προσφέρει μεγαλύτερη ανεξαρτησία από internet και μπορεί να μειώσει θέματα ιδιωτικότητας.

Ένα καλό προϊόν πρέπει να εξηγεί τι συνεχίζει να λειτουργεί αν χαθεί το internet και ποια δεδομένα αποστέλλονται εκτός συσκευής.

Πώς το αξιολογεί ο καταναλωτής;

Ζητήστε να δείτε αν η εφαρμογή εμφανίζει ιστορικά, learning status, weather compensation, energy data και προσαρμογές. Αν το μόνο «έξυπνο» στοιχείο είναι remote on/off, δεν μιλάμε για πραγματική μάθηση του κτιρίου.

Η έξυπνη αντλία πρέπει να κάνει τον χρήστη να ασχολείται λιγότερο με setpoints, όχι περισσότερο.