Die Fußbodentemperatur KI lernt durch permanente Analyse aller Sensor- und Wetterdaten das Heizverhalten des Fußbodens. Als Ergebnis kann die KI zu jedem Zeitpunkt genau die optimale Fußbodentemperatur berechnen.

Smart-Heat OS hat 2 unabhängige KI-Modelle integriert, die von unterschiedlichen Entwicklungsteams erschaffen wurden. Nach unseren internen Test funktionieren beide Modelle gleichermaßen hervorragend. Dennoch besteht die Möglichkeit, auf das andere Modell zu wechseln, sofern es in spezifischen Gebäuden Umstände geben sollte, die dazu führen, dass eines der Modelle kein optimales Ergebnis liefert.

Heizvorgang-Analyse mit statistischem Raum-Modell (aktuell KI-PRO)

Die automatische Anpassung der Heizkurve erfolgt durch periodische Analyse der Heizvorgänge in jedem Raum. Die Wirkung der Heizvorgänge wird mit Rücksicht auf verschiedene, auch externe Einflussfaktoren intertemporal evaluiert. Die gewonnenen Daten fließen in ein statistisches Modell des Raumes, aus dem für alle möglichen Ziel- und Außentemperaturen die optimale Heizkurve abgeleitet wird.

Zeitperioden-Analyse mit Ranking-Modell (aktuell KI)

Die Ranking-Modell-KI evaluiert rückwirkend die Rücklauftemperaturen der Fußbodenheizung in Bezug auf aufgetretene Raumtemperaturen und Wetterbedingungen. Die Analysen erfolgen täglich für unterschiedlich lange Zeitperioden (Rückschau-Zeiträume). Jeder Datensatz wird anhand bestimmter Kriterien gefiltert und bewertet. Die 20 Datensätze mit dem besten Rating werden für jeden Raum gespeichert, in einem Regressionsmodell zusammengefasst und als Rücklauf-Heizkennlinie für den jeweiligen Raum ausgegeben.

Datengewinnung

Die Ranking-Modell-KI speichert analysiert täglich jeden Raum in Bezug auf die Rückschauzeiträume 1d, 2d, 4d, 6d, 8d, 10d, 12d, 14d (d = Tage)

Hierzu verwendet sie jeden Sensor- und Ausgangs-Wert, der übermittelt wurde und ordnet die zum jeweiligen Zeitpunkt maßgeblichen Wetterbedingungen zu.

Freigabekriterien für den Lernvorgang

Die gewonnenen Daten werden im ersten Schritt durch Filterkriterien validiert. Sofern die nachfolgenden Kriterien im Prüfzeitraum nicht zutreffen, werden die gewonnenen Daten verworfen:

  • Der Unterschied der Innentemperatur zu Außentemperatur muss mindestens 15K sein.
  • Der Stellantrieb darf im Abfragezeitraum mindestens 40% der Zeit nicht geschlossen sein.

Ranking der Daten und Lernfortschritt

Daten die den Filterkriterien entsprechen, werden gerankt. So ist beispielsweise ein
– 10d Datensatz mit 91% Öffnungszeit eines Stellantriebs bei einer Außentemperatur von -15°C und einer Innentemperatur von 22°C
von deutlich größerer Wertigkeit, als ein
– 1d Datensatz mit 41% Öffnungszeit eines Stellantriebs bei einer Außentemperatur von 5°C und einer Innentemperatur von 22°C.

Übernahme von anderen Räumen aus der gleichen Etage

Innerhalb eines Hauses unterscheiden sich Räume innerhalb derselben Etage so geringfügig, dass die KI die Daten mit einem entsprechend niedrigeren Ranking auch für andere Räume übernehmen kann.

Lernfortschritt

Die KI erzielt schnelleren Lernfortschritt,

  • je länger ein Raum durchgehend beheizt wird.
  • je größer der Unterschied der Innentemperatur zur Außentemperatur ist.
  • je mehr Heizvorgänge durchgeführt werden.

Einstellungen und Aktivierung

Die KI-Algorithmen sind im Modul “Automatische Heizkurvenanpassung für Fußbodenheizung” integriert. Zusätzlich müssen die Module “Heizflächenoptimierung” und “Wetter-PRO” aktiviert sein. Wetter-PRO wird benötigt, da beide KI-Modelle permanent detaillierte standortspezifische Wetterdaten über einen Online-Service abfragen.

Sobald alle Module aktiviert sind erscheint in den Raumseiten das neue Segment für die KI.

Durch Klicken auf “zu den FBH Genius Einstellungen” gelangen Sie zu der Auswahlseite, in der Sie das gewünschte KI-Modell auswählen können.