Об’єкт
Приватний будинок площею 150 м² у Київській області. Система опалення побудована на базі теплового насоса Mitsubishi Electric Zubadan та водяної системи теплої підлоги.
Об’єкт було обрано як експериментальний майданчик для розробки та тестування технологій штучного інтелекту в інженерних системах будівель.
Завдання
Сучасні теплові насоси працюють за закладеними виробником алгоритмами. Навіть за наявності погодозалежного керування вони не аналізують особливості конкретного будинку, його теплову інерцію, сонячні надходження, історію роботи обладнання чи результати попередніх рішень.
Метою проєкту стало створення системи, здатної аналізувати роботу теплового насоса як інженер та самостійно приймати рішення щодо оптимальних режимів опалення.
Інженерний підхід
Фахівці SM Systems розробили експериментальну платформу AI Engineering, яка працює поверх штатної автоматики теплового насоса. Система не замінює заводський контролер.
Вона аналізує його роботу, формує рекомендації та керує температурними уставками, використовуючи власну логіку прийняття рішень.
Тепла підлога
Температура підлоги, повітря в приміщенні та подачі теплоносія аналізуються як єдина теплова система.
Погода
Алгоритм враховує зовнішню температуру, сонячну радіацію та прогноз на найближчі 24 години.
Енергія
Поточне енергоспоживання теплового насоса зіставляється з режимами роботи та реакцією будинку.
Історія
Кожне рішення, зміна уставок і реакція будинку зберігаються для подальшого аналізу.
AI як інженер-теплотехнік
Основною особливістю проєкту стала інтеграція моделей штучного інтелекту в процес аналізу експлуатації. Після завершення кожної доби AI аналізує повний журнал роботи системи так само, як це робив би досвідчений інженер-теплотехнік.
Він оцінює стабільність температурного режиму, поведінку теплої підлоги, реакцію будинку на погодні зміни, ефективність обраних температурних уставок, причини зайвих запусків або тривалих циклів роботи та можливість подальшої оптимізації параметрів.
За результатами аналізу AI формує рекомендації щодо коригування температурних уставок та інших теплотехнічних параметрів системи. Таким чином алгоритм не лише керує будинком, а й поступово вдосконалює власну логіку на основі накопичених даних.
Прогнозування замість реакції
На відміну від більшості побутових систем керування, алгоритм працює на випередження. Він враховує прогноз зовнішньої температури та сонячної активності й заздалегідь змінює температурні уставки теплої підлоги.
Перед очікуваним сонячним прогрівом будинку система може завчасно зменшити температуру теплоносія. Перед різким похолоданням — навпаки, підготувати будівлю до збільшення теплового навантаження ще до того, як температура в приміщенні почне знижуватися.
Такий підхід дозволяє використовувати теплову інерцію будинку як додатковий ресурс для підтримання комфорту.
Безперервне навчання
Під час експлуатації система постійно накопичує історичні дані. Кожне рішення алгоритму, зміна температурних уставок, реакція будинку та енергоспоживання теплового насоса зберігаються для подальшого аналізу.
Це дозволяє поступово покращувати алгоритми керування на основі реальної експлуатації конкретного об’єкта, а не лабораторних моделей.
Результат
У результаті було створено експериментальну платформу AI Engineering для систем опалення. Вона безперервно аналізує роботу теплового насоса, прогнозує зміну теплового навантаження будинку, враховує погодний прогноз та сонячну радіацію, автоматично керує температурними уставками й накопичує історію експлуатації.
Проєкт підтвердив можливість використання AI як інженерного інструмента для розвитку сучасних HVAC-систем.
Що демонструє цей проєкт
Більшість сучасних систем автоматизації працюють за фіксованими алгоритмами, які практично не змінюються після введення об’єкта в експлуатацію. Ми досліджуємо інший підхід.
Алгоритми керування можуть розвиватися разом із будівлею, аналізувати результати власної роботи та постійно вдосконалюватися на основі накопичених даних. Саме такий підхід ми розглядаємо як наступний етап розвитку інженерних систем будівель.
Висновок
Цей проєкт став дослідницькою платформою SM Systems у напрямку AI Engineering. Він показав, що штучний інтелект може використовуватися не лише для диспетчеризації чи візуалізації даних, а й як інженерний інструмент, здатний аналізувати роботу HVAC, прогнозувати поведінку будівлі та допомагати у прийнятті оптимальних рішень.
Саме ці технології сьогодні ми переносимо на комерційні об’єкти, створюючи нове покоління систем керування кліматом.
AI Engineering перетворює систему опалення з набору уставок на інженерний процес, який навчається на реальній поведінці будинку.