> 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-sv/komma-igang/readme.md).
# Myrspoven
myCoreAI är Myrspovens optimeringslager för kommersiella och bostadsbyggnader. Det kopplas till ett befintligt Building Management System (BMS) och tränar en fysikinformerad digital tvilling av hur byggnaden reagerar på väder, hur den används och vilka styråtgärder som tillämpas på den. Utifrån detta justerar det automatiskt en utvald uppsättning styrsignaler för att minska energislöseri samtidigt som inomhusförhållandena hålls inom överenskomna komfortgränser.
Byggnadens befintliga HVAC-logik ligger kvar — myCoreAI gör inga permanenta förändringar i den. I stället arbetar det ovanpå den logiken och finjusterar kontinuerligt de relevanta signalerna så att byggnaden körs vid en mer effektiv driftpunkt.
***
### Målgrupp
* **Portfölj- och tillgångsförvaltare** använder myCoreAI för att minska energikostnaderna och förbättra driftsmarginalerna i hela sin fastighetsportfölj. myCoreAI kopplas till befintliga byggnadssystem och optimerar HVAC-inställningsvärden kontinuerligt — vilket ger mätbara besparingar utan kapitalutgifter eller förändringar i den befintliga infrastrukturen. Det stöder också energiuppfyllnads- och rapporteringskrav enligt ISO 50001 och EPBD.
* **Fastighets- och anläggningsförvaltare** är de som sköter den dagliga driften. De sätter komfortgränser, granskar prestanda och hanterar larm — myCoreAI sköter den kontinuerliga optimeringen i bakgrunden, så att driftteamen inte manuellt behöver finjustera inställningsvärden i hela byggnaden.
* **Systemintegratörer och leverantörer av energidata** kopplar byggnader till plattformen genom att mappa befintliga BMS-signaler: de sensorer som myCoreAI läser och de inställningsvärden det styr.\
Integrationen är signalbaserad och leverantörsagnostisk — system som Schneider, Siemens, Honeywell och Fidelix stöds fullt ut.
* **Utvecklare** arbetar med Myrspoven via Myrspoven AI-API för att läsa signaler, skicka inställningsvärden eller bygga verktyg ovanpå plattformen. Du kan arbeta direkt mot API:et eller koppla dina egna skript och pipelines till det.
### Så fungerar det
Varje timme kör myCoreAI samma loop:
1. **Läs** de senaste signalerna från BMS. Detta omfattar live-sensordata — inomhustemperaturer, energimätare, utrustningsstatus — tillsammans med byggnadens egen konfiguration, såsom aktuella inställningsvärden och systemstruktur.
2. **Förutsäg** hur byggnaden kommer att reagera under de kommande 72 timmarna, med hjälp av den digitala tvillingen tillsammans med väderprognosen och inlärda mönster för hur byggnaden beter sig.
3. **Optimera** inställningsvärdespolicyn för att minimera energianvändningen samtidigt som komfortgränserna hålls.
4. **Skriv** de resulterande inställningsvärdena tillbaka till BMS — skickas var 15:e minut.
Den digitala tvillingen tränas om när nya data kommer in, så myCoreAI anpassar sig i takt med att byggnaden, vädret och användningsmönstren förändras.
myCoreAI:s styrloop — sensorer in, optimerade inställningsvärden ut.
#### Arbetsexempel
Tänk dig en kontorsbyggnad som värms med fjärrvärme och har en tariff baserad på kapacitet — alltså en där kostnaden delvis beror på byggnadens högsta effektuttag, inte bara den totala energianvändningen. Den kopplar sitt BMS via en standardiserad signalmappning: zontemperaturer, tillopp och retur på två värmekretsar, den primära värmemätaren och utomhussensorn. myCoreAI tränar en digital tvilling på byggnadens senaste driftshistorik och tar sedan över tilloppinställningsvärdena för värmekretsarna. Under de följande veckorna jämnar det ut morgonens uppvärmningsramp genom att förvärma tidigare vid lägre tilloppstemperaturer, håller zontemperaturerna inom de konfigurerade komfortgränserna och sänker den dagliga toppen under tarifftröskeln.
Resultat: lägre levererad energi och en reducerad kapacitetsavgift, utan någon ändring i BMS-logiken.
### Nyckelbegrepp
* **BMS / BAS (Building Management System / Building Automation System)** — den befintliga styrstacken i byggnaden (Schneider, Siemens, Honeywell, Fidelix med flera) som myCoreAI läser från och skriver inställningsvärden till.
* **Signal** — ett enskilt namngivet dataflöde från byggnaden. Det är den nivå på vilken allt representeras: sensordata som läses in i loopen ovan (en temperatursensor, en energimätare), ett inställningsvärde och utrustningsstatus är alla varsin signal. Se [Utvecklarreferens](/myrspoven-docs/myrspoven-docs-sv/utvecklarreferens/overview.md).
* **Inställningsvärde** — ett skrivbart värde som skickas tillbaka till BMS (till exempel en tilloppstemperatur för en värmekrets). BMS:ets egna styrloopar agerar på inställningsvärdet.
* **Digital tvilling** — den fysikinformerade modellen av en specifik byggnad, tränad från dess sensordatahistorik. myCoreAI använder den för att förutsäga hur förändringar i inställningsvärden kommer att påverka inomhusförhållanden och energianvändning.
* **Optimeringshorisont** — hur långt fram i tiden myCoreAI tittar när det väljer inställningsvärden. För närvarande 72 timmar.
* **Baslinje (energi)** — den referensenergiprofil som en byggnad jämförs med i rapportering, använd för att uppskatta besparingar. Detta skiljer sig från byggnadens *styr* baslinje — hur dess egna system skulle köras utan myCoreAI — och de två får inte blandas ihop.
* **Komfortgränser** — gränserna för inomhusförhållanden (vanligen temperatur) som myCoreAI måste hålla sig inom. Konfigureras per byggnad, ibland lärda från historiska data.
* **Energigräns** — valfri funktion som begränsar byggnadens högsta effektuttag. Relevant för kapacitetsbaserade ("effekt") tariffer, där avgifter skalar med toppeffekt snarare än total energi.
* **myLoadshift** — flyttar förbrukningen över dagen som svar på elpriser på spotmarknaden (t.ex. ENTSO-E day-ahead).
## Vad händer härnäst
| Målgrupp | Börja här |
| ---------------------------------- | ---------------------------------------------------------------------------------------------- |
| **Kunder** som använder myPortal | [myPortal](/myrspoven-docs/myrspoven-docs-sv/kundgranssnitt/myportal.md) |
| **BMS-integrationspartners** | [BMS-integration](/myrspoven-docs/myrspoven-docs-sv/integrations/overview/bms-integrations.md) |
| **Utvecklare** bygger mot API:erna | [Utvecklarreferens](/myrspoven-docs/myrspoven-docs-sv/utvecklarreferens/overview.md) |
| Alla **integrationsalternativ** | [Integrationer](/myrspoven-docs/myrspoven-docs-sv/integrations/overview/bms-integrations.md) |
| **Säkerhet och efterlevnad** | [trust.myrspoven.com](https://trust.myrspoven.com/) |
---
# 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-sv/komma-igang/readme.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.