> 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/ai-funktioner/ai-penalty.md). # AI-straff myCoreAI balanserar flera konkurrerande mål i varje optimeringscykel — komfort för de boende, utrustningens effektivitet och driftskostnad. Varje oönskat utfall medför en straffavgift, och myCoreAI väljer den kandidatplan som har den lägsta totala straffavgiften över optimeringshorisonten. Den här sidan beskriver hur dessa prioriteringar är ordnade. ## Hur straffsystemet fungerar I varje cykel utvärderar myCoreAI många kandidatplaner för börvärden över en horisont på 72 timmar, förutspår utfallet för var och en mot byggnadsmodellen, summerar straffen och väljer planen med lägst kostnad. Endast den första timmen skickas till byggnadsledningssystemet (BMS); den återstående horisonten säkerställer att det aktuella beslutet leder till en sammanhängande utveckling. Straffen är inte lika tungt vägda, och flera är villkorade av säsong, tid på dygnet eller beläggning. ## Prioritet 1 — Komfort Komfortstraff dominerar. myCoreAI viktar dem långt högre än någon energi- eller kostnadsterm, så den accepterar högre energianvändning i stället för att låta komforten avvika utanför komfortgränserna. Komfortstraff omfattar: * **Inomhustemperatur** utanför komfortgränserna * **CO₂-nivåer** över den konfigurerade gränsen För byggnader med konfigurerade sensorgrupperingar utvärderar myCoreAI komfort per grupp (vanligtvis en grupp per värme- eller kylkrets) snarare än per enskild sensor. ## Prioritet 2 — Beteende hos luftbehandlingsaggregat För varje luftbehandlingsaggregat (AHU) väljer myCoreAI mellan värme, kyla eller endast ventilation baserat på utomhustemperatur och säsong. | Säsong | AHU-roll | Straff | | --------- | ----------------- | -------------------------------------------------------------------------------------- | | Vinter | Värme via AHU | Hög — avråds om inte komforten kräver det eller **Värme med ventilation** är aktiverat | | Sommar | Frikyla via AHU | Låg — uppmuntras före mekanisk kyla | | Året runt | Fläkt-/tryckdrift | Liten konstant — avskräcker onödig ventilation | ## Prioritet 3 — Värmekälla myCoreAI tilldelar en låg straffavgift till de primära värmekretsarna (vanligtvis fjärrvärme via radiatorer) och en hög straffavgift till värme via AHU. Denna rangordning ger vinterlogiken ovan. En jämnhetsterm avråder från snabba timvisa förändringar i värmebörvärden. Inställningen **Maximal ändring för värmekrets** i AI-inställningarna begränsar hur snabbt börvärden kan förändras. ## Prioritet 4 — Kylkälla Kylkällor har lätta straff, ordnade efter kostnad och miljöpåverkan: frikyla via ventilation, sedan fjärrkyla, sedan mekanisk kyla. ## Energiprisjustering När [myLoadshift](/myrspoven-docs/myrspoven-docs-sv/ai-funktioner/loadshift.md) är aktiv multiplicerar myCoreAI energirelaterade straff med det tidsvarierande spotpriset och flyttar förbrukningen till billigare timmar. Komfortstraff prisjusteras inte. ## Att sätta ihop det hela myCoreAI poängsätter varje kandidatplan utifrån: 1. Komfortstraff — höga, vanligtvis noll när komforten upprätthålls 2. Utrustningsanvändningsstraff — måttliga, säsongs- och temperaturberoende 3. Jämnhetsstraff — små, håller driften stabil 4. Kostnadsrelaterade straff — små, gynnar billigare energi när andra begränsningar är uppfyllda Planen med lägst totalkostnad skickas. ## Exempel En kontorsbyggnad med fjärrvärme en mild februariaftermiddag: utomhustemperaturen är 6 °C, inomhussensorerna ligger mitt i bandet och den dynamiska fjärrvärmetaxan sjunker kraftigt mellan 13:00 och 15:00. Med myLoadshift aktiv höjer myCoreAI radiatorns framledning något under det billiga fönstret för att förladda byggnadsmassan, och låter sedan temperaturen glida genom den tidiga kvällens pristopp. Komfortstraffen förblir noll hela tiden. Åtgärden drivs helt av kostnadstermerna och begränsas av jämnhetsgränsen på värmekretsen. ## Tolkning av oväntat beteende När börvärden ser kontraintuitiva ut — radiatorframledning oförändrad en mild dag, AHU som kör varmare än väntat — är vanligtvis en straffavgift med högre prioritet aktiv: en komfortsensor nära sin gräns, eller jämnhetstermen som förhindrar ett snabbt fall. För att styra myCoreAI mot mer aggressiva energibesparingar, justera AI-inställningarna: bredda det adaptiva min-/maxvärdet, aktivera AI Freedom eller öka förskjutningar utanför arbetstid. --- # 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-sv/ai-funktioner/ai-penalty.md?ask=&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.