> 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/pierwsze-kroki/readme.md).

# Myrspoven

myCoreAI to warstwa optymalizacyjna Myrspoven dla budynków komercyjnych i mieszkalnych. Łączy się z istniejącym systemem zarządzania budynkiem (BMS) i uczy się cyfrowego bliźniaka opartego na fizyce tego, jak budynek reaguje na pogodę, jak jest użytkowany oraz jakie działania sterujące są do niego stosowane. Na tej podstawie automatycznie dostosowuje wybrany zestaw sygnałów sterujących, aby ograniczyć marnotrawstwo energii, jednocześnie utrzymując warunki wewnętrzne w uzgodnionych granicach komfortu.

Istniejąca logika HVAC budynku pozostaje bez zmian — myCoreAI nie wprowadza do niej trwałych zmian. Zamiast tego działa ponad tą logiką, stale dostrajając odpowiednie sygnały, tak aby budynek pracował w bardziej efektywnym punkcie pracy.

***

### Odbiorcy

* **Zarządzający portfelem i aktywami** używają myCoreAI, aby obniżać koszty energii i poprawiać marże operacyjne w całym portfelu budynków. myCoreAI łączy się z istniejącymi systemami budynkowymi i stale optymalizuje nastawy HVAC — zapewniając wymierne oszczędności bez nakładów inwestycyjnych i bez zmian w istniejącej infrastrukturze. Wspiera też obowiązki związane z zarządzaniem energią w ramach ISO 50001 oraz raportowania EPBD.
* **Zarządcy nieruchomości i obiektów** są codziennymi operatorami. Ustalają granice komfortu, analizują wyniki i reagują na alerty — myCoreAI zajmuje się ciągłą optymalizacją w tle, dzięki czemu zespoły techniczne nie muszą ręcznie dostrajać nastaw w całym budynku.
* **Integratorzy systemów i dostawcy danych energetycznych** łączą budynki z platformą, mapując istniejące sygnały BMS: czujniki, z których myCoreAI odczytuje dane, oraz nastawy, którymi steruje.\
  Integracja opiera się na sygnałach i jest niezależna od dostawcy — działa ze stosami takimi jak Schneider, Siemens i Fidelix.
* **Programiści** pracują z Myrspoven za pośrednictwem Myrspoven AI-API, aby odczytywać sygnały, wysyłać nastawy lub tworzyć narzędzia nadbudowane na platformie. Możesz korzystać z API bezpośrednio albo podłączyć do niego własne skrypty i potoki.

### Jak to działa

Co godzinę myCoreAI wykonuje tę samą pętlę:

1. **Odczyt** najnowsze sygnały z BMS. Obejmuje to bieżące dane z czujników — temperatury wewnętrzne, liczniki energii, status urządzeń — a także własną konfigurację budynku, taką jak bieżące nastawy i struktura systemu.
2. **Przewiduj** jak budynek zareaguje w ciągu najbliższych 72 godzin, wykorzystując cyfrowego bliźniaka wraz z prognozą pogody i wyuczonymi wzorcami zachowania budynku.
3. **Optymalizuj** politykę nastaw tak, aby zminimalizować zużycie energii przy zachowaniu granic komfortu.
4. **Zapis** wynikowe nastawy do BMS — wysyłane co 15 minut.

Cyfrowy bliźniak jest ponownie trenowany w miarę napływu nowych danych, dzięki czemu myCoreAI dostosowuje się do zmian w budynku, pogodzie i wzorcach użytkowania.

<figure><img src="https://2834401454-files.gitbook.io/~/files/v0/b/gitbook-x-prod.appspot.com/o/spaces%2FkvWb2bblPg0JMbwweyz7%2Fuploads%2Fgit-blob-cd742cd594cbc1bae4ba3773a6c4ae53833973c5%2Fmycoreai-control-loop.svg?alt=media" alt="myCoreAI control loop: the building&#x27;s BMS sends sensor readings, directly or via the Myrspoven edge, to the cloud, which runs the optimizer hourly over a 72-hour horizon using weather and price inputs, then writes setpoints back every 15 minutes."><figcaption><p>Pętla sterowania myCoreAI — dane z czujników na wejściu, zoptymalizowane nastawy na wyjściu.</p></figcaption></figure>

#### Przykład z życia

Rozważmy biuro ogrzewane z sieci ciepłowniczej. Łączy ono swój BMS poprzez standardowe mapowanie sygnałów: temperatury stref, zasilanie i powrót na dwóch obiegach grzewczych, główny licznik ciepła oraz czujnik zewnętrzny. myCoreAI trenuje cyfrowego bliźniaka na podstawie najnowszej historii budynku, a następnie przejmuje nastawy zasilania obiegów grzewczych. W kolejnych tygodniach wcześniej rozpoczyna podgrzewanie przy niższych temperaturach zasilania, spłaszcza poranny wzrost i pozwala budynkowi wieczorem korzystać z nagromadzonego ciepła, podczas gdy temperatury stref pozostają w uzgodnionych granicach komfortu.

Wynik: mniejsze dostarczone zużycie energii, bez zmian w logice BMS.

### Kluczowe pojęcia

* **BMS / BAS (Building Management System / Building Automation System)** — istniejący w budynku stos sterowników (Schneider, Siemens, Fidelix i inni), z którego myCoreAI odczytuje dane i do którego zapisuje nastawy.
* **Sygnał** — pojedynczy, nazwany strumień danych z budynku. To poziom, na którym reprezentowane jest wszystko: dane z czujników odczytywane w powyższej pętli (czujnik temperatury, licznik energii), nastawa i status urządzenia to każdy osobny sygnał. Zobacz [Dokumentacja dla programistów](/myrspoven-docs/myrspoven-docs-pl/dokumentacja-dla-deweloperow/overview.md).
* **Nastawa** — zapisywalna wartość odsyłana do BMS (na przykład temperatura zasilania obiegu grzewczego). Własne pętle sterowania BMS działają na podstawie nastawy.
* **Cyfrowy bliźniak** — model oparty na fizyce konkretnego budynku, trenowany na podstawie historii jego danych z czujników. myCoreAI używa go do przewidywania, jak zmiany nastaw wpłyną na warunki wewnętrzne i zużycie energii.
* **Horyzont optymalizacji** — jak daleko w przyszłość myCoreAI zagląda przy wyborze nastaw. Obecnie 72 godziny.
* **Linia bazowa (energia)** — referencyjny profil zużycia energii, względem którego porównuje się budynek w raportowaniu, używany do szacowania oszczędności. To coś innego niż *sterowania* linia bazowa — jak jego własne systemy działałyby bez myCoreAI — i tych dwóch pojęć nie należy ze sobą mylić.
* **Granice komfortu** — granice warunków wewnętrznych (zwykle temperatury), których myCoreAI musi przestrzegać. Konfigurowane dla każdego budynku osobno, czasem wyznaczane na podstawie danych historycznych.
* **myLoadshift** — przesuwa zużycie energii na ogrzewanie na tańsze godziny, wykorzystując ceny spot energii elektrycznej lub dynamiczną taryfę ciepła sieciowego. Granice komfortu pozostają bez zmian.

## Co dalej

| Odbiorcy                                          | Zacznij tutaj                                                                                               |
| ------------------------------------------------- | ----------------------------------------------------------------------------------------------------------- |
| **Klienci** korzystając z myPortal                | [myPortal](/myrspoven-docs/myrspoven-docs-pl/interfejsy-klienta/myportal.md)                                |
| **Partnerzy integracji BMS**                      | [Integracja BMS](/myrspoven-docs/myrspoven-docs-pl/integracje/overview/bms-integrations.md)                 |
| **Programiści** tworzenie rozwiązań z użyciem API | [Dokumentacja dla programistów](/myrspoven-docs/myrspoven-docs-pl/dokumentacja-dla-deweloperow/overview.md) |
| Wszystkie **opcje integracji**                    | [rozdziale Integracje](/myrspoven-docs/myrspoven-docs-pl/integracje/overview.md)                            |
| **Bezpieczeństwo i zgodność**                     | [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 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/myrspoven-docs-pl/pierwsze-kroki/readme.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.
