> 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/kom-igang/readme.md).

# Myrspoven

myCoreAI är Myrspovens optimeringslager för kommersiella byggnader och bostadshus. Det ansluter till ett befintligt fastighetsautomationssystem (BMS) och tränar en fysikinformerad digital tvilling som modellerar hur byggnaden reagerar på väder, hur den används och vilka styråtgärder som tillämpas. Utifrån detta justerar systemet automatiskt ett urval styrsignaler för att minska energislöseri och samtidigt hålla inomhusförhållandena inom överenskomna komfortgränser.

Byggnadens befintliga HVAC-logik förblir oförändrad — myCoreAI gör inga permanenta ändringar i den. I stället arbetar systemet ovanpå den logiken och finjusterar kontinuerligt relevanta signaler, så att byggnaden drivs mer effektivt.

***

### Målgrupp

* **Portfölj- och kapitalförvaltare** använder myCoreAI för att minska energikostnaderna och förbättra rörelsemarginalerna i sina fastighetsportföljer. myCoreAI ansluter till befintliga fastighetssystem och optimerar kontinuerligt börvärden för HVAC — med mätbara besparingar utan investeringar eller ändringar i befintlig infrastruktur. Systemet stöder även energihanteringskrav enligt ISO 50001 och rapportering enligt EPBD.
* **Fastighets- och anläggningsförvaltare** ansvarar för den dagliga driften. De anger komfortgränser, granskar prestanda och hanterar aviseringar — myCoreAI sköter den kontinuerliga optimeringen i bakgrunden, så att driftteamen slipper justera börvärden manuellt i hela byggnaden.
* **Systemintegratörer och leverantörer av energidata** ansluter byggnader till plattformen genom att mappa befintliga BMS-signaler: sensorerna som myCoreAI läser av och börvärdena som systemet styr.\
  Integrationen är signalbaserad och leverantörsoberoende — den fungerar med system från exempelvis Schneider, Siemens och Fidelix.
* **Partner** som bygger en BMS-anslutning eller läser av byggnadsstatus till sina egna system använder Myrspovens API:er enligt överenskommelse. Se [Utvecklare](https://docs.myrspoven.com/developers).

### Så fungerar det

Varje timme kör myCoreAI samma process:

1. **Läsa av** de senaste signalerna från BMS:en. Det omfattar sensordata i realtid — inomhustemperaturer, energimätare och utrustningsstatus — samt byggnadens egen konfiguration, till exempel aktuella börvärden och systemstruktur.
2. **Förutsäga** hur byggnaden kommer att reagera under de kommande 72 timmarna med hjälp av den digitala tvillingen, väderprognosen och inlärda mönster för byggnadens beteende.
3. **Optimera** börvärdespolicyn för att minimera energianvändningen och samtidigt hålla sig inom komfortgränserna.
4. **Skriva** de resulterande börvärdena tillbaka till BMS:en — de skickas var 15:e minut.

Den digitala tvillingen tränas om när nya data kommer in, så att myCoreAI anpassar sig när byggnaden, vädret och användningsmönstren förändras.

<figure><img src="https://1808626733-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>myCoreAI:s reglerloop — sensordata in, optimerade börvärden ut.</p></figcaption></figure>

#### Exempel

Tänk dig ett kontor med fjärrvärme. Det ansluter sitt BMS via en standardiserad signalmappning: zonernas temperaturer, fram- och returtemperaturer i två värmekretsar, den primära värmemätaren och utomhussensorn. myCoreAI tränar en digital tvilling på byggnadens senaste historik och tar sedan över börvärdena för framledningstemperaturen i värmekretsarna. Under de följande veckorna börjar systemet förvärma tidigare med lägre framledningstemperaturer, jämnar ut morgonens uppvärmningsförlopp och låter byggnaden svalna långsamt på den lagrade värmen under kvällen, samtidigt som zonernas temperaturer hålls inom de överenskomna komfortgränserna.

Resultat: mindre levererad energi, utan ändringar i BMS-logiken.

### Viktiga begrepp

* **BMS / BAS (Building Management System / Building Automation System)** — byggnadens befintliga styrsystem (Schneider, Siemens, Fidelix med flera), som myCoreAI läser data från och skriver börvärden till.
* **Signal** — en enskild namngiven dataström från byggnaden. Allt representeras på denna nivå: sensordata som läses in i processen ovan (en temperatursensor, en energimätare), ett börvärde och utrustningsstatus är alla varsin signal. Se [Utvecklarreferens](https://docs.myrspoven.com/developers).
* **Börvärde** — ett skrivbart värde som skickas tillbaka till BMS:en (till exempel en framledningstemperatur för en värmekrets). BMS:ens egna reglerloopar styr utifrån börvärdet.
* **Digital tvilling** — en fysikinformerad modell av en specifik byggnad, tränad på byggnadens sensordatahistorik. myCoreAI använder den för att förutsäga hur ändringar av börvärden påverkar inomhusförhållanden och energianvändning.
* **Optimeringshorisont** — hur långt framåt myCoreAI blickar när systemet väljer börvärden. För närvarande 72 timmar.
* **Baslinje (energi)** — den referensprofil för energianvändning som en byggnad jämförs med i rapporteringen och som används för att uppskatta besparingar. Den skiljer sig från byggnadens *styrnings-* baslinje — hur byggnadens egna system skulle fungera utan myCoreAI — och dessa två begrepp får inte förväxlas.
* **Komfortgränser** — gränserna för inomhusförhållandena (vanligtvis temperaturen) som myCoreAI måste hålla sig inom. Konfigureras per byggnad och kan ibland läras in från historiska data.
* **myLoadshift** — flyttar energianvändningen för uppvärmning till timmar med lägre kostnad, baserat på spotpriser på el eller en dynamisk fjärrvärmetaxa. Komfortgränserna ändras inte.

## Vad händer härnäst?

| Målgrupp                          | Börja här                                                                                                             |
| --------------------------------- | --------------------------------------------------------------------------------------------------------------------- |
| **Kunder** med myPortal 2.0       | [myPortal 2.0](https://docs.myrspoven.com/myrspoven-docs/myrspoven-docs-sv/anvand-myportal-2.0/myportal-2.md)         |
| **Kunder** med myPortal           | [myPortal](https://docs.myrspoven.com/myrspoven-docs/myrspoven-docs-sv/andra-granssnitt/myportal.md)                  |
| **BMS-integrationspartner**       | [BMS-integration](https://docs.myrspoven.com/myrspoven-docs/myrspoven-docs-sv/anslut-din-byggnad/bms-integrations.md) |
| **Partner** med Myrspovens API:er | [Utvecklare](https://docs.myrspoven.com/developers)                                                                   |
| Alla **integrationsalternativ**   | [Integrationer](https://docs.myrspoven.com/myrspoven-docs/myrspoven-docs-sv/anslut-din-byggnad/overview.md)           |
| **Säkerhet och regelefterlevnad** | [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-sv/kom-igang/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.
