Modelleren van warmte in huis dankzij machine learning?

Pagina: 1
Acties:

Vraag


  • Commander Zulu
  • Registratie: December 1999
  • Laatst online: 12-02 12:50
Mijn huis barst van de slimme apparaten die van alles meten. Ik zou graag een voorspelling willen hebben van de warmte in huis, om beter de temperatuur te regelen, en om verbruik te verminderen. Bestaat er al een tool die dit kan, zonder zelf te gaan programmeren?

Ik merk bijvoorbeeld dat bij zonneschijn het huis snel opwarmt (als de screens open zijn) en bij harde wind het sneller afkoelt. De warmtepomp heeft wel een eigen algoritme, maar is beperkt in mogelijkheden. Zou het tegenwoordig niet mogelijk moeten zijn om om een slimmer model te maken, dankzij al die extra inputs?

In huis en buiten heb ik talloze Hue motion sensors die temperatuur meten per ruimte. In HomeAssistant heb ik de volgende devices al geintegreerd: EcoDan warmtepomp, SolarEdge power monitoring en zonnepanelen, Somfy screens en de weersvoorspelling. Misschien lukt het ook wel om de WTW ventilatie uit te lezen.

Het liefste zou ik deze bak data, van afgelopen 12 maanden, in een ML model willen gooien, die dan automatisch een model maakt van mijn huis. Zodat je dan slimmer kan sturen om 's ochtends minder te verwarmen als er zometeen veel zon verwacht wordt, of extra te verwarmen als de ventilatie hoger staat omdat je dan meer warmte verliest.

Dankzij GenAI zou ik zelf met HomeAssistant, Python en ML een model kunnen gaan bouwen, maar bestaan er al softwareoplossingen die dit plug-and-play mogelijk maken?

Alle reacties


  • olafmol
  • Registratie: April 2002
  • Laatst online: 19:56
Daarvoor heb je geen (dure) AI algoritmes nodig. Google op PID en feedback control, dit is al bijna 100 jaar geleden bedacht en werkt nog steeds prima voor deze usecases.