> 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. Zimny styczeń wygląda gorzej niż łagodny, nawet jeśli budynek działa identycznie. Kompensacja klimatyczna usuwa wpływ pogody, dzięki czemu okresy można porównywać na zasadzie porównywalne z porównywalnym — miesiąc do miesiąca, zimę do zimy oraz budynek przed i po przejęciu kontroli przez myCoreAI.

## Co robi kompensacja klimatyczna

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

Zasada ta jest stosowana w trzech miejscach:

* **Wskaźniki efektywności dla pojedynczego budynku** porównywanie okresów z AI włączoną i wyłączoną przy równoważnych temperaturach zewnętrznych.
* **Szacowanie oszczędności na podstawie regresji** dla sezonu grzewczego — energię dopasowuje się do temperatury zewnętrznej (lub stopniodni grzewczych) oddzielnie dla każdego trybu sterowania, a różnica między dopasowaniami stanowi oszczędność.

## Stopniodni grzewcze (HDD)

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

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

## Rozdzielczość i dokładność

| Rozdzielczość         | Metoda                                          | Wynik                                                                                                                |
| --------------------- | ----------------------------------------------- | -------------------------------------------------------------------------------------------------------------------- |
| Godzinowa lub dzienna | Regresja względem temperatury zewnętrznej / HDD | Najczystsza normalizacja; krótkie fale mrozu nie zniekształcają dopasowania                                          |
| Miesięczna            | Krajowe współczynniki normalizacyjne            | Sprawdza się w raportowaniu na najwyższym poziomie; nie pozwala określić, który tydzień lub system spowodował zmianę |

Dane energetyczne o wyższej rozdzielczości to najważniejsza poprawa w raportowaniu skorygowanym o warunki klimatyczne.

### Przykład z życia

Biuro ogrzewane z sieci ciepłowniczej w centralnej Szwecji zużywa 180 MWh w zimnym styczniu i 140 MWh w styczniu roku następnego przy sterowaniu myCoreAI. Surowe dane 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. Wartość 14% odzwierciedla skuteczność sterowania; wartość 22% miesza wpływ pogody i sterowania.

## Gdzie pojawiają się wartości skorygowane

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

Surowe, nieskorygowane zużycie pozostaje dostępne w odczytach liczników, fakturach i eksportach. Surowe dane pokazują, ile zużył budynek; dane skorygowane pokazują, jak działał po usunięciu 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 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/ocena-i-raportowanie/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.