> 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/docs-us-cs/vyhodnoceni-a-reporting/climate-compensated.md).

# Kompenzace klimatu

Spotřebu energie na vytápění a chlazení převážně určují venkovní podmínky. Chladný leden vypadá horší než mírný, i když budova funguje identicky. Klimatická kompenzace odstraňuje vliv počasí, takže období lze porovnávat na stejném základě — měsíc s měsícem, zimu se zimou a budovu předtím a potom, co myCoreAI převzal řízení.

## Co klimatická kompenzace dělá

myCoreAI normalizuje naměřenou spotřebu energie vůči referenční venkovní teplotě. Místo vykazování hrubých kWh uvádí energii *na jednotku potřeby vytápění*. Počasí se z velké části vyruší a zbývající část odráží budovu a její regulační strategii.

Tento princip se používá na třech místech:

* **Metriky účinnosti pro jednotlivé budovy** porovnávající období s AI zapnutou a AI vypnutou při ekvivalentních venkovních teplotách.
* **Odhady úspor založené na regresi** pro topnou sezónu — energie se fituje podle venkovní teploty (nebo stupňodnů vytápění) zvlášť pro každý režim řízení a rozdíl mezi křivkami je úspora.

## Stupnědny vytápění (HDD)

HDD je standardní vstup pro normalizaci. Pro každý den myCoreAI vypočítá rozdíl mezi základní teplotou budovy (venkovní teplotou, nad kterou už není potřeba vytápění) a průměrnou venkovní teplotou daného dne a sčítá pouze hodiny, kdy je venkovní teplota pod touto základní hodnotou. Chladný den dává vysoké HDD; mírný den nízké; teplý den nulové.

Energie dělená HDD vyjadřuje spotřebu na stupeň potřeby vytápění — porovnatelnou napříč obdobími i povětrnostními podmínkami. Stupnědny chlazení fungují obdobně pro dálkové chlazení.

## Rozlišení a přesnost

| Rozlišení           | Metoda                              | Výsledek                                                                                            |
| ------------------- | ----------------------------------- | --------------------------------------------------------------------------------------------------- |
| Hodinové nebo denní | Regrese vůči venkovní teplotě / HDD | Nejčistší normalizace; krátké mrazové vlny neskreslují fit                                          |
| Měsíční             | Národní normalizační faktory        | Funguje pro reporting na nejvyšší úrovni; nelze z něj určit, který týden nebo systém způsobil změnu |

Energetická data s vyšším rozlišením jsou jediným největším zlepšením pro reporting s klimatickou kompenzací.

### Praktický příklad

Kancelářská budova s dálkovým vytápěním ve středním Švédsku spotřebuje 180 MWh během chladného ledna a 140 MWh následující leden při řízení pomocí myCoreAI. Hrubé údaje naznačují pokles o 22 %. Po tom, co myCoreAI normalizuje oba měsíce vůči HDD pomocí základní teploty budovy, činí klimaticky kompenzovaná spotřeba za druhý leden 155 MWh — tedy pokles o 14 %, jakmile se zohlední mírnější počasí. Hodnota 14 % je ta, která odráží výkon řízení; hodnota 22 % mísí počasí a řízení.

## Kde se kompenzované údaje zobrazují

* Procesy **analýza úspor** zobrazení v myPortal vykresluje energii přímo proti venkovní teplotě, se samostatnými trendovými čarami pro období s AI zapnutou a AI vypnutou — vizuální podoba stejné normalizace, s počasím na ose x.

Hrubá, nekompenzovaná spotřeba zůstává k dispozici v odečtech měřidel, fakturách a exportech. Hrubá hodnota ukazuje, co budova spotřebovala; kompenzovaná ukazuje, jak si vedla po odstranění vlivu počasí.


---

# 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 by asking a question.

Perform an HTTP GET request on the following URL with the `ask` and `goal` query parameters:

```
GET https://docs.myrspoven.com/myrspoven-docs/docs-us-cs/vyhodnoceni-a-reporting/climate-compensated.md?ask=<question>&goal=<user_goal>
```

`ask` is the immediate question: it should be specific, self-contained, and written in natural language.
`goal` is what the user is ultimately trying to achieve, the reason they need the answer. Sharing it helps GitBook give you a better, more relevant answer. A goal is most helpful when it describes the outcome the user wants rather than restating the question. For example, with `ask=how do I create an API token`, a goal like `automate deployments from our CI pipeline` lets GitBook tailor the answer to that use case.

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.