AI для теплового насоса: як поєднати сонце, теплову інерцію й тариф

Погодозалежна крива, пріоритет гарячої води та графік роботи не потребують окремої AI-платформи. Частина сучасних виробників пропонує також погодний прогноз, інтеграцію фотоелектрики й адаптацію за даними будівлі. Такі функції, зокрема, описує NIBE. (NIBE — повітряні теплові насоси: прогноз погоди та інтеграція сонячної генерації)

Тому ми не починаємо з твердження, що штатна автоматика нічого не вміє. Починаємо з конкретної задачі: яке рішення для цього об’єкта можна прийняти краще?

Сонячний прогноз: використати більше корисного тепла

Сонце може прогріти приміщення після того, як опалення вже накопичило тепло в підлозі. Предиктивний сценарій заздалегідь зменшує нагрів, щоб частину потреби покрили сонячні надходження.

Але не вся сонячна енергія є заслугою AI. Звичайне керування також зменшуватиме опалення після прогріву. Рахувати потрібно додатковий ефект прогнозу порівняно з цим базовим режимом.

Для ілюстрації припустімо: без прогнозу корисно використано 4 кВт·год сонячного тепла, із прогнозом — 7 кВт·год. Якщо різниця 3 кВт·год справді заміщує тепло насоса при COP 3, розрахункове скорочення електроспоживання дорівнює 1 кВт·год.

Це результат заданого сценарію, не сезонна гарантія. Порівняння має зберігати погоджений комфорт і враховувати подальший догрів. Також потрібно зіставити кінцевий тепловий стан будівлі або врахувати різницю накопиченої енергії.

Саме зменшення перегріву на 2 °C ще не дає готової кількості заощаджених кіловат-годин: для цього потрібен енергетичний баланс, а не довільна теплоємність на квадратний метр.

Нічний тариф: менший рахунок не завжди означає менше енергії

Виробники вже використовують прогноз ціни для зміни часу виробництва тепла. NIBE описує такий підхід у Smart Price Adaption, із залежністю від відповідного тарифного договору. (NIBE S735 — Smart Price Adaption)

Порахуємо власний умовний сценарій. Потрібно передати будівлі 20 кВт·год корисного тепла. Денний COP — 3,8, нічний — 3,2. Для завчасного накопичення приймемо 90% корисного використання виробленого тепла. Ціни — умовні: 0,24 €/кВт·год удень і 0,12 уночі, не чинні тарифи.

Виробництво безпосередньо вдень:

E_d=20/3,8=5,26 кВт·год; C_d≈1,26 €

Нічне виробництво з прийнятими втратами накопичення:

E_n=20/(3,2×0,9)=6,94 кВт·год; C_n≈0,83 €

Для цієї порції тепла витрати зменшуються приблизно на 34%, хоча електроспоживання зростає приблизно на 32%. Це не суперечність: оптимізація вартості й оптимізація енергії мають різні критерії.

Сонце, тариф і фотоелектрика можуть вимагати різних дій

Якщо завтра очікується сильний сонячний прогрів, додаткове нічне накопичення може виявитися зайвим. Якщо вдень є надлишок власної електрогенерації, нічний перенос не обов’язково найвигідніший.

Наше завдання — порівняти сценарії разом, а не скласти незалежні рекламні відсотки. Для цього потрібні дані про реакцію будівлі, доступні уставки, обмеження температури, джерела енергії та пріоритети користувача.

Що отримує замовник

У межах AI Engineering ми б спочатку сформували цифровий контекст об’єкта й перевірили рекомендації без автоматичного втручання. Далі — погоджені зміни уставок і розкладів із журналом рішень. Заводські захисти й базове керування залишаються незалежними.

Результат варто показувати окремо: заощаджена енергія, зменшена вартість, комфорт і пікове навантаження. AII Systems у цьому підході є інструментом реалізації, а не заміною інженерного розрахунку.

Цінність AI — не в тому, що він частіше змінює температуру. Вона в тому, що кожна зміна має зрозумілу причину, допустимі межі й результат, який можна перевірити.