> 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/mat-besparingar/climate-compensated.md).

# Klimatkompensation

Energianvändningen för uppvärmning och kylning påverkas framför allt av utomhusförhållandena. En kall januari ser sämre ut än en mild, även när byggnaden drivs på exakt samma sätt. Klimatkompensering tar bort vädrets påverkan så att perioder kan jämföras på lika villkor – månad mot månad, vinter mot vinter och en byggnad med sig själv före och efter att myCoreAI tog över styrningen.

## Vad klimatkompensering gör

myCoreAI normaliserar den uppmätta energianvändningen mot en referens för utomhustemperaturen. I stället för att redovisa faktisk energianvändning i kWh redovisas energi *per enhet värmebehov*. Vädrets påverkan försvinner till stor del, och det som återstår speglar byggnaden och dess styrstrategi.

Principen tillämpas på tre områden:

* **Effektivitetsmått per byggnad** som jämför perioder med och utan AI-styrning vid likvärdiga utomhustemperaturer.
* **Regressionsbaserade besparingsuppskattningar** för uppvärmningssäsongen – energianvändningen anpassas mot utomhustemperaturen (eller antalet uppvärmningsgraddagar) separat för varje styrläge, och skillnaden mellan de anpassade kurvorna utgör besparingen.

## Uppvärmningsgraddagar (HDD)

HDD är standardmåttet för normalisering. För varje dag beräknar myCoreAI skillnaden mellan byggnadens bastemperatur (den utomhustemperatur över vilken ingen uppvärmning behövs) och dagens genomsnittliga utomhustemperatur. Endast de timmar då utomhustemperaturen är lägre än bastemperaturen räknas med i summan. En kall dag ger ett högt HDD-värde, en mild dag ett lågt och en varm dag noll.

Energianvändning dividerad med HDD uttrycker förbrukningen per grad värmebehov och kan jämföras mellan perioder och väderförhållanden. Kylgraddagar fungerar på motsvarande sätt för fjärrkyla.

## Upplösning och noggrannhet

| Upplösning          | Metod                                  | Resultat                                                                                                                  |
| ------------------- | -------------------------------------- | ------------------------------------------------------------------------------------------------------------------------- |
| Timvis eller daglig | Regression mot utomhustemperatur / HDD | Tydligast normalisering; korta köldknäppar förvränger inte kurvan                                                         |
| Månadsvis           | Nationella normaliseringsfaktorer      | Fungerar för övergripande rapportering; kan inte identifiera vilken vecka eller vilket system som låg bakom en förändring |

Energidata med högre upplösning är den enskilt viktigaste förbättringen för klimatkompenserad rapportering.

### Räkneexempel

En fjärrvärmd kontorsbyggnad i mellersta Sverige förbrukar 180 MWh under en kall januarimånad och 140 MWh i januari året därpå, då myCoreAI styr byggnaden. De okompenserade siffrorna tyder på en minskning med 22 %. Efter att myCoreAI har normaliserat båda månaderna mot HDD med hjälp av byggnadens bastemperatur är den kompenserade förbrukningen för den andra januarimånaden 155 MWh – en minskning med 14 % när hänsyn har tagits till det mildare vädret. Siffran 14 % speglar styrningens resultat, medan siffran 22 % blandar ihop vädrets och styrningens påverkan.

## Var kompenserade siffror visas

* På **AI PÅ jämfört med AV** i myPortal 2.0 visas den dagliga energianvändningen i förhållande till utomhustemperaturen, med separata kurvor för dagar med och utan myCoreAI. Detta är en visuell form av samma normalisering, med vädret på x-axeln. Se [Besparingar med AI PÅ jämfört med AV](https://docs.myrspoven.com/myrspoven-docs/myrspoven-docs-sv/mat-besparingar/ai-on-off-savings.md) för information om hur de dagliga besparingarna beräknas utifrån detta.

Faktisk, okompenserad förbrukning finns fortfarande tillgänglig i mätaravläsningar, fakturor och exporter. Den faktiska förbrukningen visar vad byggnaden har förbrukat; den kompenserade visar hur byggnaden har presterat när vädrets påverkan har räknats bort.


---

# 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/mat-besparingar/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.
