De Adaptieve temperatuur regeling bestaat uit een aantal onderdelen.
- PI-Regeling (comfort)
- COP gestuurde optimalisatie (efficiency)
- Energie verbruik optimalisatie (kostenbesparing)
- Machine learning gestuurde gebouw simulator
- gebouw Inzichten
PI-Regeling
De PI-regeling (Proportioneel-Integraal) is een feedbackmechanisme dat continu het verschil meet tussen de gewenste binnen temperatuur en de werkelijke temperatuur. Het vormt het hart van de adaptieve besturing omdat warmtepompen traag reageren — het duurt tijd voordat een aanpassing in watertemperatuur effect heeft op de ruimtetemperatuur.
De combinatie van snelle P-reactie en geduldige I-correctie zorgt voor stabiele temperatuurregeling zonder overreactie of permanente afwijkingen, wat essentieel is voor zowel comfort als energie-efficiëntie. De P-term reageert op het huidige verschil (de “fout”) tussen gewenste en werkelijke temperatuur. Hoe groter dit verschil, hoe sterker de correctie. De I-term kijkt naar de opgestapelde fout over tijd. Dit elimineert de “steady-state error” die een pure P-regeling niet kan oplossen.
De COP gestuurde optimalisatie
De COP-optimalisatie stuurt de warmtepomp aan om te werken op condities waar de COP het hoogst is. In de praktijk betekent dit: lagere watertemperaturen wanneer mogelijk. Een warmtepomp die water van 35°C produceert heeft een aanzienlijk hogere COP dan dezelfde WP die 55°C moet leveren. De adaptieve regeling berekent continu de laagste watertemperatuur die nog voldoende is om de gewenste ruimtetemperatuur te bereiken, en stuurt daar naartoe.
Van elke 2 graden wordt er een tabel van COP waarden opgeslagen. Wanneer de PI-regeling een aanvoertemperatuur wil instellen, raadpleegt de COP Optimizer deze tabel: “Bij de huidige buitentemperatuur van 5°C heb ik geleerd dat 33°C aanvoer de beste COP oplevert.” Als de huidige instelling daar significant van afwijkt, geeft de optimizer een correctie-aanbeveling.
Energie-optimalisatie
De energie-optimalisatie past het stookgedrag van de warmtepomp automatisch aan op basis van dynamische stroomprijzen. Het systeem ontvangt uurlijkse EPEX-spotprijzen via flow card en bepaalt op basis daarvan wanneer het slim is om meer of minder te verwarmen.
Het systeem categoriseert de actuele marktprijs in vijf niveaus (zeer laag → zeer hoog) waarop het een gewenste temperatuuraanpassing adviseert.
| Prijscategorie |
Actie |
Temperatuuraanpassing |
| Zeer laag (<€0,04/kWh) |
Maximaal voorverwarmen |
+1,5°C |
| Laag (€0,04-0,06) |
Matig voorverwarmen |
+0,75°C |
| Normaal (€0,06-0,10) |
Handhaven |
0°C |
| Hoog (€0,10-0,12) |
Matig reduceren |
-0,5°C |
| Zeer hoog (>€0,12/kWh) |
Maximaal reduceren |
-1,0°C |
Het systeem kijkt elke 4 uur vooruit om te anticiperen op prijsveranderingen. Hoge tarieven bepalen mede de prio om zo te sturen op kostenbesparing ten gunste van de andere onderdelen.
De woning heeft thermische massa. De energie-optimalisatie benut dit als een gratis “warmtebatterij”. Deze opgeslagen warmte houdt het comfort op peil tijdens de piekuren wanneer stroom duur is en de warmtepomp juist minder draait.
Gebouw simulator
Deze bouwt automatisch een thermisch model van je woning op door continu te observeren hoe de binnentemperatuur reageert op verwarming, buitentemperatuur en andere factoren. Het systeem leert letterlijk hoe jouw specifieke huis zich gedraagt. Op basis van een te kiezen gebouwprofiel bepaal je de startwaarden voor het model. Met behulp van ML (machine learning) leert en past het model zich aan.
Het model schat vijf kernparameters die het thermisch gedrag van je woning beschrijven:
| Parameter |
Betekenis |
| UA (Warmteverlies) |
Hoe snel warmte weglekt per graad temperatuurverschil met buiten (kW/°C) |
| C (Thermische massa) |
Hoeveel energie je woning kan “opslaan” per graad (kWh/°C) |
| τ (Tijdsconstante) |
Hoe traag je woning reageert — de combinatie van UA en C (uren) |
| G (Zonnewinst) |
Hoeveel invloed zonnestraling heeft op de binnentemperatuur. Omdat de zonnewinst wijzigt gedurende de dag hanteren we een dag/nachtcurve. |
| Pint (Interne warmte) |
Basiswarmte van bewoners, apparaten en verlichting (kW), ook hier gebruikt gemaakt van |
Deze waarden worden continu bijgewerkt via een forgetting factor (0.999), waardoor het model zich geleidelijk aanpast aan veranderende omstandigheden — bijvoorbeeld na isolatiewerkzaamheden of bij seizoenswisselingen.
Door het werkelijke thermische gedrag te leren, kan de PI-regeling voorspellen in plaats van alleen reageren. Het systeem weet bijvoorbeeld dat jouw woning 6 uur nodig heeft om 2°C op te warmen, en kan dus om 5:00 beginnen met voorverwarmen zodat het om 7:00 behaaglijk is. Zonder dit model zou de regeling pas om 7:00 constateren dat het te koud is — veel te laat voor een traag reagerend warmtepompsysteem.
Gebouw inzichten
Vertaalt de droge thermische parameters uit het gebouwmodel naar concrete, begrijpelijke aanbevelingen voor de gebruiker. Waar het gebouwmodel cijfers leert (UA = 0.15 kW/°C), maakt de Insights-service daar bruikbare adviezen van.
Bovendien detecteert de service wanneer de geleerde waarden afwijken van wat je zou verwachten bij het gekozen gebouwprofiel. Dit kan wijzen op verborgen problemen (slechte isolatie, tochtgaten) of simpelweg een verkeerd ingesteld profiel. Zo krijgt de gebruiker niet alleen een slimmere regeling, maar ook inzicht in de energetische kwaliteit van de woning — kennis die ook buiten de warmtepompregeling waardevol is.
In de volgende posting laat ik relevante nieuwe flowkaartjes zien en corresponderende Advanced Settings. Om de Adaptieve regeling ten volle te benutten zijn ook de nieuwe kaartjes voor het verkrijgen van externe stroomverbruik, externe binnen+buiten temperatuur en de koppeling van dynamische stroomtarieven van belang.
