> For the complete documentation index, see [llms.txt](https://docs.myrspoven.com/llms.txt). Markdown versions of documentation pages are available by appending `.md` to page URLs; this page is available as [Markdown](https://docs.myrspoven.com/myrspoven-docs/myrspoven-docs-pl/funkcje-ai/ai-penalty.md). # Kara za AI myCoreAI równoważy kilka konkurujących celów w każdym cyklu optymalizacji — komfort użytkowników, efektywność urządzeń i koszty eksploatacji. Każdy niepożądany wynik wiąże się z karą, a myCoreAI wybiera wariant planu z najniższą łączną karą w horyzoncie optymalizacji. Ta strona opisuje, jak uporządkowane są te priorytety. ## Jak działa system kar W każdym cyklu myCoreAI ocenia wiele kandydackich planów nastaw w horyzoncie 72 godzin, przewiduje wynik każdego z nich na podstawie modelu budynku, sumuje kary i wybiera plan o najniższym koszcie. Do Systemu Zarządzania Budynkiem (BMS) przekazywana jest tylko pierwsza godzina; pozostała część horyzontu zapewnia, że bieżąca decyzja prowadzi do spójnej trajektorii. Kary nie mają jednakowej wagi, a kilka z nich zależy od pory roku, pory dnia lub zajętości. ## Priorytet 1 — Komfort Kary za komfort dominują. myCoreAI waży je znacznie wyżej niż jakikolwiek składnik energii lub kosztu, więc akceptuje większe zużycie energii, zamiast dopuścić do wyjścia komfortu poza granice komfortu. Kary za komfort obejmują: * **Temperatura wewnętrzna** poza granicami komfortu * **Poziomy CO₂** powyżej skonfigurowanego limitu * **Wilgotność** powyżej skonfigurowanego limitu, tam gdzie jest mierzona W budynkach ze skonfigurowanymi grupami czujników myCoreAI ocenia komfort dla każdej grupy (zazwyczaj jedna grupa na obieg grzewczy lub chłodniczy), a nie dla pojedynczego czujnika. ## Priorytet 2 — Zachowanie jednostki wentylacyjnej Dla każdej centrali wentylacyjnej (AHU) myCoreAI wybiera między ogrzewaniem, chłodzeniem a trybem wyłącznie wentylacji na podstawie temperatury zewnętrznej i pory roku. | Pora roku | Rola AHU | Kara | | --------- | ------------------------------ | ---------------------------------------------------------------------------------------------- | | Zima | Ogrzewanie przez AHU | Wysoka — odradzane, chyba że wymaga tego komfort lub **Ogrzewanie z wentylacją** jest włączone | | Lato | Bezpłatne chłodzenie przez AHU | Niska — zalecane przed chłodzeniem mechanicznym | | Cały rok | Praca wentylatora / ciśnienia | Niewielka stała — zniechęca do niepotrzebnej wentylacji | ## Priorytet 3 — Źródło ogrzewania myCoreAI przypisuje niską karę głównym obiegom grzewczym (zazwyczaj ciepło sieciowe przez grzejniki), a wysoką karę ogrzewaniu opartemu na AHU. Ta hierarchia prowadzi do logiki zimowej opisanej powyżej. Składnik wygładzający zniechęca do szybkich zmian nastaw ogrzewania z godziny na godzinę. **Maks. zmiana obiegu grzewczego** ustawienie w ustawieniach AI ogranicza, jak szybko mogą zmieniać się nastawy. ## Priorytet 4 — Źródło chłodzenia Źródła chłodzenia mają niewielkie kary, uporządkowane według kosztu i wpływu na środowisko: darmowe chłodzenie przez wentylację, następnie chłodzenie sieciowe, a potem chłodzenie mechaniczne. ## Modyfikacja ceny energii Gdy [myLoadshift](/myrspoven-docs/myrspoven-docs-pl/funkcje-ai/loadshift.md) jest aktywny, myCoreAI mnoży kary związane z energią przez zmienną w czasie cenę spot i przesuwa zużycie w kierunku tańszych godzin. Kary za komfort nie są modyfikowane przez cenę. ## Limit energii Gdy skonfigurowano limit energii, uruchamia się dodatkowa kara, gdy przewidywana średnia dzienna zbliża się do limitu. myCoreAI nadaje jej dużą wagę — limit zachowuje się jak prawie twarde ograniczenie. ## Jak to wszystko działa razem myCoreAI ocenia każdy wariant planu pod kątem: 1. Kary za komfort — wysokie, zwykle zerowe, gdy komfort jest utrzymany 2. Kary za wykorzystanie urządzeń — umiarkowane, zależne od pory roku i temperatury 3. Kary za wygładzanie — małe, utrzymują stabilną pracę 4. Kary związane z kosztami — małe, preferują tańszą energię, gdy inne ograniczenia są spełnione 5. Kary za limit — aktywne tylko w pobliżu limitu energii Plan o najniższym całkowitym koszcie jest wysyłany do realizacji. ## Przykład praktyczny Biuro ogrzewane ciepłem sieciowym w łagodny lutowy popołudniowy dzień: temperatura zewnętrzna wynosi 6 °C, czujniki wewnętrzne utrzymują się w środkowym zakresie, a cena spot gwałtownie spada między 13:00 a 15:00. Przy aktywnym myLoadshift myCoreAI nieco podnosi temperaturę zasilania grzejników w tanim oknie, aby wstępnie naładować masę budynku, a następnie pozwala mu przejść przez wczesnowieczorny szczyt cenowy. Kary za komfort pozostają przez cały czas na poziomie zerowym — działanie jest napędzane wyłącznie składnikiem kosztowym, ograniczonym przez limit wygładzania na obiegu grzewczym. ## Interpretowanie nieoczekiwanego zachowania Gdy nastawy wyglądają nielogicznie — zasilanie grzejników bez zmian w łagodny dzień, AHU pracuje cieplej niż oczekiwano — zwykle aktywna jest kara o wyższym priorytecie: czujnik komfortu bliski swojego limitu, składnik wygładzający zapobiegający szybkiemu spadkowi lub budynek zbliżający się do limitu energii. Aby ukierunkować myCoreAI na bardziej agresywne oszczędzanie energii, dostosuj ustawienia AI: poszerz adaptacyjne minimum/maksimum, włącz AI Freedom lub zwiększ przesunięcia poza godzinami pracy. --- # Agent Instructions This documentation is published with GitBook. GitBook is the documentation platform designed so that both humans and AI agents can read, navigate, and reason over technical content effectively. Learn more at gitbook.com. ## Querying This Documentation If you need additional information that is not directly available in this page, you can query the documentation dynamically by asking a question. Perform an HTTP GET request on the current page URL with the `ask` query parameter, and the optional `goal` query parameter: ``` GET https://docs.myrspoven.com/myrspoven-docs/myrspoven-docs-pl/funkcje-ai/ai-penalty.md?ask=&goal= ``` `ask` is the immediate question: it should be specific, self-contained, and written in natural language. `goal` is optional and describes the broader end goal you are ultimately trying to accomplish on behalf of the user. GitBook uses it to tailor the answer towards what is most useful for that goal. The response will contain a direct answer to the question and relevant excerpts and sources from the documentation. Use this mechanism when the answer is not explicitly present in the current page, you need clarification or additional context, or you want to retrieve related documentation sections.