> 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/ocena-i-raportowanie/climate-compensated.md).

# Kompensacja klimatyczna

Zużycie energii na ogrzewanie i chłodzenie jest zdominowane przez warunki zewnętrzne. Chłodny styczeń wygląda gorzej niż łagodny, nawet jeśli budynek działa identycznie. Korekta klimatyczna usuwa składnik pogodowy, dzięki czemu okresy można porównywać na zasadzie „jak za jak”: miesiąc do miesiąca, zima do zimy oraz budynek z samym sobą przed i po przejęciu sterowania przez myCoreAI.

## Co robi korekta klimatyczna

myCoreAI normalizuje zmierzone zużycie energii względem odniesienia temperatury zewnętrznej. Zamiast raportować surowe kWh, raportuje energię *na jednostkę zapotrzebowania na ogrzewanie*. Pogoda w dużej mierze się znosi, a pozostała część odzwierciedla budynek i jego strategię sterowania.

Zasada jest stosowana w trzech miejscach:

* **Wskaźniki efektywności dla pojedynczego budynku** porównujące okresy z AI włączoną i AI wyłączoną przy równoważnych temperaturach zewnętrznych.
* **Szacunki oszczędności oparte na regresji** dla sezonu grzewczego — energia jest dopasowywana względem temperatury zewnętrznej (lub stopniodni ogrzewania) oddzielnie dla każdego trybu sterowania, a różnica między dopasowaniami stanowi oszczędność.
* **Porównania z odniesieniem** względem znormalizowanego zużycia podobnych budynków.

## Stopnieodni ogrzewania (HDD)

HDD to standardowy input normalizacyjny. Dla każdego dnia myCoreAI oblicza różnicę między temperaturą bazową budynku (temperaturą zewnętrzną, powyżej której ogrzewanie nie jest potrzebne) a średnią temperaturą zewnętrzną danego dnia, sumując tylko te godziny, w których temperatura zewnętrzna jest niższa od bazowej. Zimny dzień daje wysoki HDD; łagodny dzień — niski; ciepły dzień — zero.

Energia podzielona przez HDD wyraża zużycie na stopień zapotrzebowania na ogrzewanie — porównywalne między okresami i warunkami pogodowymi. Stopnieodni chłodzenia działają symetrycznie w przypadku chłodzenia sieciowego.

## Rozdzielczość i dokładność

| Rozdzielczość         | Metoda                                          | Wynik                                                                                                         |
| --------------------- | ----------------------------------------------- | ------------------------------------------------------------------------------------------------------------- |
| Godzinowa lub dzienna | Regresja względem temperatury zewnętrznej / HDD | Najczystsza normalizacja; krótkie okresy mrozu nie zniekształcają dopasowania                                 |
| Miesięczna            | Krajowe współczynniki normalizacji              | Działa w raportowaniu na poziomie ogólnym; nie pozwala wyizolować, który tydzień lub system spowodował zmianę |

Dane energetyczne o wyższej rozdzielczości to pojedyncza największa poprawa w raportowaniu skorygowanym o warunki pogodowe.

### Przykład

Biuro ogrzewane z sieci ciepłowniczej w środkowej Szwecji zużywa 180 MWh w mroźnym styczniu i 140 MWh w kolejnym styczniu przy sterowaniu myCoreAI. Surowe wartości sugerują spadek o 22%. Po tym, jak myCoreAI normalizuje oba miesiące względem HDD, używając temperatury bazowej budynku, skorygowane zużycie w drugim styczniu wynosi 155 MWh — czyli spadek o 14% po uwzględnieniu łagodniejszej pogody. To właśnie wartość 14% odzwierciedla skuteczność sterowania; wartość 22% miesza wpływ pogody i sterowania.

## Gdzie pojawiają się skorygowane wartości

* Te **analiza oszczędności** widok w myPortal przedstawia wykres energii względem temperatury zewnętrznej bezpośrednio, z osobnymi liniami trendu dla okresów AI włączonej i AI wyłączonej — wizualna forma tej samej normalizacji, z pogodą na osi x.

Surowe, nieskorygowane zużycie pozostaje dostępne w odczytach liczników, fakturach i eksportach. Surowe pokazuje, ile budynek zużył; skorygowane pokazuje, jak działał po wyeliminowaniu wpływu pogody.


---

# 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/ocena-i-raportowanie/climate-compensated.md?ask=<question>&goal=<endgoal>
```

`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.