С радиаторами просто: термостат щёлкнул — через 5 минут тепло пошло, ещё через 5 — уже эффект. С тёплым полом всё иначе: пока стяжка прогреется, пока отдаст тепло воздуху — проходит 1-2 часа. Если ждать срабатывания термостата — да, через 15-30 минут уже перегрев.
Поэтому стандартный гистерезис 0.5°C для ТП работает плохо. Нужно либо:
Расширять гистерезис до 1-2°C (мириться с колебаниями)
Управлять по температуре пола/обратки, а не воздуха
Добавлять упреждение — начинать греть до того, как термостат сработает
Третий вариант и пытаюсь реализовать через прогноз погоды. Но это эксперимент, не готовое решение.
То, что пытаюсь сделать я — упреждение через прогноз погоды. Если знаю, что через 4 часа похолодает, начинаю греть заранее, не дожидаясь падения температуры воздуха.
Но согласен — для радиаторов с их инерцией 5-10 минут обычный ПИД по воздуху работает отлично. С тёплыми полами сложнее.
У меня котёл классический, так что особой разницы между 52°C и 70°C нет. А 52°C выбрано потому что дальше стоит термоклапан, который режет до 40°C для тёплого пола. Греть до 70°C и потом сбрасывать до 40°C — лишние потери.
Тёплые полы — это кайф. Слегка тёплые или очень тёплые — нравятся всем, от детей до стариков. Всю зиму отапливаюсь только ими, радиаторы есть, но не включал ни разу. Проблемы с регулировкой температуры как таковой нет — можно сделать проще: закрывать контуры по достижению температуры с гистерезисом 0.5°C и не усложнять.
Статья — это скорее концепция и идея, чем решение реальной проблемы. Хотелось покопаться в данных, понять физику системы, попробовать выжать экономию через прогноз погоды.
Про инерционность
Да, инерция ТП — это особенность, не баг. 4 часа лага означают, что дом сам сглаживает колебания. Просто нужно учитывать это при управлении.
Про котёл и термоклапан
Верно, котёл классический, не конденсационный. Термоклапан на гребёнке режет температуру с 52°C до 40°C. Конденсационный котёл с низкотемпературным режимом был бы эффективнее для ТП. Но работаю с тем, что есть.
Спасибо за наводку! Полез читать про heat anticipator.
Что нашёл
Heat anticipator — это резистор в механическом термостате, который слегка подогревает биметаллическую пластину во время работы котла. Термостат выключает котёл чуть раньше, чем нужно, потому что "предвидит", что система ещё отдаст накопленное тепло. Простое и гениальное решение 50-х годов.
Рассказали ли ИИ про это?
Честно — нет, не рассказали. Ни один из пяти. Возможно, не так спрашивал. Спасибо, что указали — это именно та концепция, которую я пытаюсь реализовать цифровым способом: учитывать инерцию системы и выключать/включать котёл с упреждением.
Про физическую модель
Согласен — подход "сначала данные, потом физика" имеет минусы. Но в моём случае это осознанный выбор. Система уже работает, хочу понять её поведение эмпирически.
Долго, больно и дорого?
Пока ESP32 + датчики обошлись в 3 тысяч рублей и два месяца вечеров. Если не взлетит — поставлю погодозависимый контроллер. Но попробовать стоило 🙂
Ветер анализировал — он показал влияние только на подвал (-47% корреляция), который не отапливается и продувается. На отапливаемые помещения влияние слабое (5-7%). Видимо, утепление стен работает. Но согласен — на других домах ветер может быть критичным фактором, особенно при плохой герметичности.
Про облачность ночью
Облачность влияет не на дом напрямую, а на температуру воздуха на улице. Ясной ночью холоднее, облачной — теплее. В данных разница 8°C. Использую облачность как поправку к прогнозу: ясной ночью дом остывает быстрее — значит греем чуть интенсивнее. Повторюсь данные за 4 дня (стоит это учесть).
Про температурный график
Именно к этому и иду. Классический температурный график "температура улицы → температура подачи" — это основа. Моя модель использует три фактора:
Температура воздуха — главный, с прогнозом на 4 часа вперёд
Согласен частично. Датчики воздуха в помещениях пока не установлены — есть только комнатный термостат в одной точке. Обратка выбрана осознанно: она показывает теплоотдачу пола без шума от сквозняков, солнца из окна, открытых дверей. Но вы правы — для полной картины нужны оба параметра. В планах добавить.
2. Неделя наблюдений — мало
Полностью согласен. 4 дня — это разведка, не финальная модель. Цель статьи — показать подход и выявить ключевые факторы. Коэффициенты будут уточняться по мере накопления данных. Для этого и заложена адаптация.
3. Короткий цикл — очевидно
Да, это очевидно. Но "очевидно" ≠ "уже сделано". Статья фиксирует проблему (циклы по 2-6 часов) и путь к решению. Нейросети здесь не при чём — линейная регрессия и здравый смысл.
4. Скважность 30-40%
Котёл 24 кВт на дом ~105 м². При -10°C на улице — да, работает около 40% времени. Теплопотери можно посчитать, но это в пределах нормы для моего региона и конструкции стен.
5. Один регулируемый параметр
Верно, это ограничение. Сервоприводы на коллектор + зональные термостаты — правильное решение, но дороже. Я пробую выжать максимум из того, что есть. Если не получится — буду апгрейдить железо.
6. Облака не влияют на теплопотери
Влияют, но не напрямую. Ясной ночью радиационное выхолаживание сильнее — земля и крыша отдают тепло в космос. Облака экранируют ИК-излучение. Разница 8°C в температуре воздуха между ясной и облачной ночью — это факт из данных. Год наблюдений покажет, сохранится ли закономерность — согласен.
В целом, критика по делу. Статья — не готовое решение, а отправная точка. Посмотрим, что покажет практика.
Спасибо за практический опыт! Очень полезное сравнение систем.
Про обратку — именно так и планирую
Сейчас датчики стоят на обратке каждого контура, но управление пока через комнатный термостат (воздух). В следующей итерации хочу добавить датчик на общую обратку и управлять по нему — как вы и рекомендуете. Это логичнее: обратка показывает реальную теплоотдачу пола, без шума от сквозняков и солнца.
Про ваши циклы
Час-полтора при 0°C — это близко к тому, к чему стремлюсь (20-30 мин ВКЛ / 15-25 мин ВЫКЛ). У вас колебания ±0.5°C воздуха — отличный результат. У меня пока ±6°C по обратке, что в воздухе, видимо, даёт ±2-3°C. Есть куда расти.
Про разделение батареи — интересный лайфхак
Идея с двумя неравными частями (одна всегда включена, вторая управляется) — это по сути hardware-реализация базовой нагрузки + пикового регулирования.
Про суточный цикл
То, что у вас холоднее утром и теплее вечером — это классика. Ночью теплопотери максимальны (нет солнца, температура ниже), а к вечеру дом накапливает тепло от дневного прогрева + бытовые источники (готовка, люди, техника).
В статье речь про скорость остывания обратки тёплого пола (воды в трубе), а не воздуха в доме. Воздух остывает значительно медленнее — стяжка работает как аккумулятор и постепенно отдаёт тепло. Скорость остывания воздуха отдельно не замерял, но по ощущениям она в разы меньше.
Про дом и конструкцию
У меня: облицовочный кирпич + 10 см утеплителя + керамический блок 2.1 НФ. Пол — ЖБ плита + 5 см пеноплекса. Инерция меньше, чем у газобетона D400 400мм — у вас стена сама по себе работает как аккумулятор тепла.
В вашем случае, возможно, автоматизация и правда избыточна — дом сам справляется. Это хороший пример того, что правильная конструкция важнее умной автоматики 👍
Спасибо, что ознакомились со статьей и за ваш вопрос.
Почему облачность влияет именно ночью?
Днём главный фактор — солнечная радиация. Поток солнечной энергии настолько большой, что перекрывает остальные эффекты: облачно или ясно, разница в поступлении тепла всё равно определяется прежде всего солнцем.
Ночью солнца нет, и начинает доминировать другой механизм — радиационное охлаждение. Земля, крыша и стены дома излучают длинноволновое инфракрасное тепло вверх, в атмосферу. При ясном небе это излучение уходит в верхние холодные слои атмосферы, поэтому поверхность остывает быстрее.
Облака работают как своего рода экран: они поглощают это излучение и частично переизлучают его обратно вниз. В результате потери тепла уменьшаются, и дом остывает медленнее.
По моим данным разница в скорости остывания получилась примерно такая:
ясная ночь: −3.4 °C/час
облачная ночь: −2.5 °C/час
На практике это даёт примерно 8–9 °C разницы температуры за ночь, что хорошо видно на графиках.
Про угол солнца и инсоляцию
Вы абсолютно правы: зимой вклад солнца сильно зависит от геометрии дома — ориентации окон, их площади и угла солнца над горизонтом.
В моём случае окна относительно небольшие и частично затенены, поэтому эффект инсоляции получается примерно около 18 %.
Но ваш пример с кабинетом — это совсем другая ситуация. 10 м² остекления на запад — это уже несколько киловатт солнечного тепла, поэтому +8 °C за пару часов вполне реалистично. В таких помещениях солнце может быть главным фактором изменения температуры, иногда даже важнее уличной температуры.
Для таких домов модель действительно нужно калибровать отдельно — возможно, с учётом азимута окон и высоты солнца.
Сравнение с промышленными системами
Классические погодозависимые контроллеры (Vaillant, Buderus, Viessmann) обычно используют довольно простую модель: температура улицы → температура подачи по линейной или кривой зависимости.
Это работает достаточно надёжно, но имеет ограничения:
система реагирует на уже произошедшее изменение температуры, а не на прогноз
солнечная радиация напрямую не учитывается
параметры обычно не адаптируются под конкретный дом
В моей модели я пытаюсь добавить три вещи:
краткосрочный прогноз (примерно на 4 часа)
учёт солнца и облачности
самообучение по реальным данным дома
Посмотрим, даст ли это реальную экономию — обязательно напишу в следующей статье.
P.S. Про вентиляцию — это отдельная тема. У меня пока естественная
Спасибо [@shadows](#) за внимательность! Первоначальный расчёт содержал ошибку — не учитывались первые 20-30 минут после выключения котла, когда коллектор ещё отдаёт тепло. Пересчёт выполнен по 19 периодам остывания длительностью 30+ минут. Это отличный пример того, зачем нужны комментарии и peer review 🙏
Спасибо, что ознакомились со статьей и задали вопрос.
Точность прогноза погоды на 4 часа:
Open-Meteo и подобные сервисы дают точность прогноза температуры на 4-6 часов около 90-95%. Ошибка обычно ±1-2°C. Для нашей задачи это более чем достаточно — мы не ракету запускаем, а решаем: греть чуть больше или чуть меньше.
Но главное — мы не работаем вслепую:
Прогноз погоды — это ориентир, а не команда к действию. Он помогает модели заранее подготовиться к похолоданию или потеплению.
А реальное управление всегда опирается на температуру обратки тёплого пола — это фактические данные с датчиков здесь и сейчас. Логика такая:
1. Прогноз говорит: "через 4 часа похолодает до -15°C"
2. Модель рассчитывает: "целевая температура обратки = 34.5°C"
3. Но решение принимается по факту:
- Обратка сейчас 32°C < цели → включаем котёл
- Обратка сейчас 35°C > цели → выключаем
Даже если прогноз ошибся — система всё равно будет держать комфортную температуру, просто чуть менее оптимально. Прогноз даёт упреждение, а датчики дают точность.
Это как навигатор: он показывает пробку через 5 км, ты заранее перестраиваешься. Но рулишь всё равно по тому, что видишь перед собой.
У меня была похожая проблема, решил её программно.
Защита от проветривания:
В интерфейсе есть галочка "Защита от проветривания". Как работает:
Код анализирует скорость падения температуры
Если падает слишком быстро (открыли окно) — игнорирует эту комнату
Но следит, чтобы обратка не ушла ниже критических 22-25°C — тогда всё равно включается
Почему ESP32, а не готовые термостаты:
Пробовал собрать систему на готовых термостатах — проводных, WiFi, 433 МГц. Понял: индивидуальные проекты домов и разные представления о комфорте требуют кастомизации алгоритма. Готовые решения слишком негибкие — нельзя добавить своё условие или изменить логику.
ESP32 + датчики + свой код = полная свобода. Хочешь среднюю температуру — пожалуйста. Хочешь минимум с исключением кухни — легко. Хочешь защиту от проветривания — добавляешь за вечер.
Для вашего случая:
Самое простое и дешёвое — перенести термостат в нейтральную комнату, которая не реагирует резко на проветривание или тепло от готовки. Обычно это коридор или спальня.
Если хочется большего контроля — добро пожаловать в мир ESP32 😄
Спасибо, что ознакомились со статьей и за вопрос. В данный момент термостат действительно один и он "говори" котлу когда включаться или выключаться а на котле стоит ограничение которое не дает температуре подачи расти выше 52 градусов.
В части вашего вопросы - вы правы, классическое решение с 6 комнатными термостатами и сервоприводами на коллекторе — это проверенный путь. Но у меня немного другой подход:
Уже есть данные — датчики DS18B20 на обратках стоят, данные собираются. Осталось только добавить логику управления.
Интерес к эксперименту — хотелось понять, можно ли выжать экономию из анализа данных и прогноза погоды, а не просто реактивного управления "холодно → греем".
Упреждение — классические термостаты реагируют на факт: "стало холодно". Моя модель реагирует на прогноз: "через 4 часа похолодает" — и начинает греть заранее. Это сглаживает колебания.
Вы правы в главном: для большинства случаев 6 термостатов + сервоприводы — проще и надёжнее. Мой путь — это DIY-эксперимент для тех, кому интересно покопаться в данных и выжать максимум из того, что есть.
Если эксперимент не даст ожидаемых 15-20% экономии — возможно, вернусь к классике 😄
Живой и приветливый саппорт :)
Прочел статью на хабре, проверил саппорт, отписался на хабре и хочется сказать:
«А она то и в действительности крутиться..»
Именно! Поэтому и копаю в сторону упреждения.
С радиаторами просто: термостат щёлкнул — через 5 минут тепло пошло, ещё через 5 — уже эффект. С тёплым полом всё иначе: пока стяжка прогреется, пока отдаст тепло воздуху — проходит 1-2 часа. Если ждать срабатывания термостата — да, через 15-30 минут уже перегрев.
Поэтому стандартный гистерезис 0.5°C для ТП работает плохо. Нужно либо:
Расширять гистерезис до 1-2°C (мириться с колебаниями)
Управлять по температуре пола/обратки, а не воздуха
Добавлять упреждение — начинать греть до того, как термостат сработает
Третий вариант и пытаюсь реализовать через прогноз погоды. Но это эксперимент, не готовое решение.
То, что пытаюсь сделать я — упреждение через прогноз погоды. Если знаю, что через 4 часа похолодает, начинаю греть заранее, не дожидаясь падения температуры воздуха.
Но согласен — для радиаторов с их инерцией 5-10 минут обычный ПИД по воздуху работает отлично. С тёплыми полами сложнее.
У меня котёл классический, так что особой разницы между 52°C и 70°C нет. А 52°C выбрано потому что дальше стоит термоклапан, который режет до 40°C для тёплого пола. Греть до 70°C и потом сбрасывать до 40°C — лишние потери.
Спасибо за развёрнутый комментарий! По делу.
Про выбор ТП как основного отопления
Тёплые полы — это кайф. Слегка тёплые или очень тёплые — нравятся всем, от детей до стариков. Всю зиму отапливаюсь только ими, радиаторы есть, но не включал ни разу. Проблемы с регулировкой температуры как таковой нет — можно сделать проще: закрывать контуры по достижению температуры с гистерезисом 0.5°C и не усложнять.
Статья — это скорее концепция и идея, чем решение реальной проблемы. Хотелось покопаться в данных, понять физику системы, попробовать выжать экономию через прогноз погоды.
Про инерционность
Да, инерция ТП — это особенность, не баг. 4 часа лага означают, что дом сам сглаживает колебания. Просто нужно учитывать это при управлении.
Про котёл и термоклапан
Верно, котёл классический, не конденсационный. Термоклапан на гребёнке режет температуру с 52°C до 40°C. Конденсационный котёл с низкотемпературным режимом был бы эффективнее для ТП. Но работаю с тем, что есть.
Спасибо за наводку! Полез читать про heat anticipator.
Что нашёл
Heat anticipator — это резистор в механическом термостате, который слегка подогревает биметаллическую пластину во время работы котла. Термостат выключает котёл чуть раньше, чем нужно, потому что "предвидит", что система ещё отдаст накопленное тепло. Простое и гениальное решение 50-х годов.
Рассказали ли ИИ про это?
Честно — нет, не рассказали. Ни один из пяти. Возможно, не так спрашивал. Спасибо, что указали — это именно та концепция, которую я пытаюсь реализовать цифровым способом: учитывать инерцию системы и выключать/включать котёл с упреждением.
Про физическую модель
Согласен — подход "сначала данные, потом физика" имеет минусы. Но в моём случае это осознанный выбор. Система уже работает, хочу понять её поведение эмпирически.
Долго, больно и дорого?
Пока ESP32 + датчики обошлись в 3 тысяч рублей и два месяца вечеров. Если не взлетит — поставлю погодозависимый контроллер. Но попробовать стоило 🙂
Спасибо за критику от профессионала!
Про ветер
Ветер анализировал — он показал влияние только на подвал (-47% корреляция), который не отапливается и продувается. На отапливаемые помещения влияние слабое (5-7%). Видимо, утепление стен работает. Но согласен — на других домах ветер может быть критичным фактором, особенно при плохой герметичности.
Про облачность ночью
Облачность влияет не на дом напрямую, а на температуру воздуха на улице. Ясной ночью холоднее, облачной — теплее. В данных разница 8°C. Использую облачность как поправку к прогнозу: ясной ночью дом остывает быстрее — значит греем чуть интенсивнее. Повторюсь данные за 4 дня (стоит это учесть).
Про температурный график
Именно к этому и иду. Классический температурный график "температура улицы → температура подачи" — это основа. Моя модель использует три фактора:
Температура воздуха — главный, с прогнозом на 4 часа вперёд
Солнечная радиация — поправка днём (бесплатное тепло)
Облачность — поправка ночью (влияет на скорость остывания)
Плюс самообучение коэффициентов под конкретный дом. Посмотрим, даст ли это реальный выигрыш по сравнению с простым графиком на стене.
Про температуру в помещениях
Согласен — это правильный ориентир. Пока датчики только на обратке контуров, но датчики воздуха в планах.
Спасибо за критику! Разберу по пунктам.
1. Обратка vs температура воздуха
Согласен частично. Датчики воздуха в помещениях пока не установлены — есть только комнатный термостат в одной точке. Обратка выбрана осознанно: она показывает теплоотдачу пола без шума от сквозняков, солнца из окна, открытых дверей. Но вы правы — для полной картины нужны оба параметра. В планах добавить.
2. Неделя наблюдений — мало
Полностью согласен. 4 дня — это разведка, не финальная модель. Цель статьи — показать подход и выявить ключевые факторы. Коэффициенты будут уточняться по мере накопления данных. Для этого и заложена адаптация.
3. Короткий цикл — очевидно
Да, это очевидно. Но "очевидно" ≠ "уже сделано". Статья фиксирует проблему (циклы по 2-6 часов) и путь к решению. Нейросети здесь не при чём — линейная регрессия и здравый смысл.
4. Скважность 30-40%
Котёл 24 кВт на дом ~105 м². При -10°C на улице — да, работает около 40% времени. Теплопотери можно посчитать, но это в пределах нормы для моего региона и конструкции стен.
5. Один регулируемый параметр
Верно, это ограничение. Сервоприводы на коллектор + зональные термостаты — правильное решение, но дороже. Я пробую выжать максимум из того, что есть. Если не получится — буду апгрейдить железо.
6. Облака не влияют на теплопотери
Влияют, но не напрямую. Ясной ночью радиационное выхолаживание сильнее — земля и крыша отдают тепло в космос. Облака экранируют ИК-излучение. Разница 8°C в температуре воздуха между ясной и облачной ночью — это факт из данных. Год наблюдений покажет, сохранится ли закономерность — согласен.
В целом, критика по делу. Статья — не готовое решение, а отправная точка. Посмотрим, что покажет практика.
Спасибо за практический опыт! Очень полезное сравнение систем.
Про обратку — именно так и планирую
Сейчас датчики стоят на обратке каждого контура, но управление пока через комнатный термостат (воздух). В следующей итерации хочу добавить датчик на общую обратку и управлять по нему — как вы и рекомендуете. Это логичнее: обратка показывает реальную теплоотдачу пола, без шума от сквозняков и солнца.
Про ваши циклы
Час-полтора при 0°C — это близко к тому, к чему стремлюсь (20-30 мин ВКЛ / 15-25 мин ВЫКЛ). У вас колебания ±0.5°C воздуха — отличный результат. У меня пока ±6°C по обратке, что в воздухе, видимо, даёт ±2-3°C. Есть куда расти.
Про разделение батареи — интересный лайфхак
Идея с двумя неравными частями (одна всегда включена, вторая управляется) — это по сути hardware-реализация базовой нагрузки + пикового регулирования.
Про суточный цикл
То, что у вас холоднее утром и теплее вечером — это классика. Ночью теплопотери максимальны (нет солнца, температура ниже), а к вечеру дом накапливает тепло от дневного прогрева + бытовые источники (готовка, люди, техника).
Важное уточнение
В статье речь про скорость остывания обратки тёплого пола (воды в трубе), а не воздуха в доме. Воздух остывает значительно медленнее — стяжка работает как аккумулятор и постепенно отдаёт тепло. Скорость остывания воздуха отдельно не замерял, но по ощущениям она в разы меньше.
Про дом и конструкцию
У меня: облицовочный кирпич + 10 см утеплителя + керамический блок 2.1 НФ. Пол — ЖБ плита + 5 см пеноплекса. Инерция меньше, чем у газобетона D400 400мм — у вас стена сама по себе работает как аккумулятор тепла.
В вашем случае, возможно, автоматизация и правда избыточна — дом сам справляется. Это хороший пример того, что правильная конструкция важнее умной автоматики 👍
Спасибо за добрые слова :)
Спасибо, что ознакомились со статьей и за ваш вопрос.
Почему облачность влияет именно ночью?
Днём главный фактор — солнечная радиация. Поток солнечной энергии настолько большой, что перекрывает остальные эффекты: облачно или ясно, разница в поступлении тепла всё равно определяется прежде всего солнцем.
Ночью солнца нет, и начинает доминировать другой механизм — радиационное охлаждение. Земля, крыша и стены дома излучают длинноволновое инфракрасное тепло вверх, в атмосферу. При ясном небе это излучение уходит в верхние холодные слои атмосферы, поэтому поверхность остывает быстрее.
Облака работают как своего рода экран: они поглощают это излучение и частично переизлучают его обратно вниз. В результате потери тепла уменьшаются, и дом остывает медленнее.
По моим данным разница в скорости остывания получилась примерно такая:
ясная ночь: −3.4 °C/час
облачная ночь: −2.5 °C/час
На практике это даёт примерно 8–9 °C разницы температуры за ночь, что хорошо видно на графиках.
Про угол солнца и инсоляцию
Вы абсолютно правы: зимой вклад солнца сильно зависит от геометрии дома — ориентации окон, их площади и угла солнца над горизонтом.
В моём случае окна относительно небольшие и частично затенены, поэтому эффект инсоляции получается примерно около 18 %.
Но ваш пример с кабинетом — это совсем другая ситуация. 10 м² остекления на запад — это уже несколько киловатт солнечного тепла, поэтому +8 °C за пару часов вполне реалистично. В таких помещениях солнце может быть главным фактором изменения температуры, иногда даже важнее уличной температуры.
Для таких домов модель действительно нужно калибровать отдельно — возможно, с учётом азимута окон и высоты солнца.
Сравнение с промышленными системами
Классические погодозависимые контроллеры (Vaillant, Buderus, Viessmann) обычно используют довольно простую модель:
температура улицы → температура подачи по линейной или кривой зависимости.
Это работает достаточно надёжно, но имеет ограничения:
система реагирует на уже произошедшее изменение температуры, а не на прогноз
солнечная радиация напрямую не учитывается
параметры обычно не адаптируются под конкретный дом
В моей модели я пытаюсь добавить три вещи:
краткосрочный прогноз (примерно на 4 часа)
учёт солнца и облачности
самообучение по реальным данным дома
Посмотрим, даст ли это реальную экономию — обязательно напишу в следующей статье.
P.S. Про вентиляцию — это отдельная тема. У меня пока естественная
Спасибо [@shadows](#) за внимательность! Первоначальный расчёт содержал ошибку — не учитывались первые 20-30 минут после выключения котла, когда коллектор ещё отдаёт тепло. Пересчёт выполнен по 19 периодам остывания длительностью 30+ минут. Это отличный пример того, зачем нужны комментарии и peer review 🙏
Спасибо, что ознакомились со статьей и задали вопрос.
Точность прогноза погоды на 4 часа:
Open-Meteo и подобные сервисы дают точность прогноза температуры на 4-6 часов около 90-95%. Ошибка обычно ±1-2°C. Для нашей задачи это более чем достаточно — мы не ракету запускаем, а решаем: греть чуть больше или чуть меньше.
Но главное — мы не работаем вслепую:
Прогноз погоды — это ориентир, а не команда к действию. Он помогает модели заранее подготовиться к похолоданию или потеплению.
А реальное управление всегда опирается на температуру обратки тёплого пола — это фактические данные с датчиков здесь и сейчас. Логика такая:
Даже если прогноз ошибся — система всё равно будет держать комфортную температуру, просто чуть менее оптимально. Прогноз даёт упреждение, а датчики дают точность.
Это как навигатор: он показывает пробку через 5 км, ты заранее перестраиваешься. Но рулишь всё равно по тому, что видишь перед собой.
Спасибо за вопрос и что ознакомились со статьей.
У меня была похожая проблема, решил её программно.
Защита от проветривания:
В интерфейсе есть галочка "Защита от проветривания". Как работает:
Код анализирует скорость падения температуры
Если падает слишком быстро (открыли окно) — игнорирует эту комнату
Но следит, чтобы обратка не ушла ниже критических 22-25°C — тогда всё равно включается
Почему ESP32, а не готовые термостаты:
Пробовал собрать систему на готовых термостатах — проводных, WiFi, 433 МГц. Понял: индивидуальные проекты домов и разные представления о комфорте требуют кастомизации алгоритма. Готовые решения слишком негибкие — нельзя добавить своё условие или изменить логику.
ESP32 + датчики + свой код = полная свобода. Хочешь среднюю температуру — пожалуйста. Хочешь минимум с исключением кухни — легко. Хочешь защиту от проветривания — добавляешь за вечер.
Для вашего случая:
Самое простое и дешёвое — перенести термостат в нейтральную комнату, которая не реагирует резко на проветривание или тепло от готовки. Обычно это коридор или спальня.
Если хочется большего контроля — добро пожаловать в мир ESP32 😄
Спасибо, что ознакомились со статьей и за вопрос. В данный момент термостат действительно один и он "говори" котлу когда включаться или выключаться а на котле стоит ограничение которое не дает температуре подачи расти выше 52 градусов.
В части вашего вопросы - вы правы, классическое решение с 6 комнатными термостатами и сервоприводами на коллекторе — это проверенный путь. Но у меня немного другой подход:
Почему не пошёл по классике:
Цена — 6 термостатов + 6 сервоприводов + контроллер = 9-12К рублей.
Уже есть данные — датчики DS18B20 на обратках стоят, данные собираются. Осталось только добавить логику управления.
Интерес к эксперименту — хотелось понять, можно ли выжать экономию из анализа данных и прогноза погоды, а не просто реактивного управления "холодно → греем".
Упреждение — классические термостаты реагируют на факт: "стало холодно". Моя модель реагирует на прогноз: "через 4 часа похолодает" — и начинает греть заранее. Это сглаживает колебания.
Вы правы в главном: для большинства случаев 6 термостатов + сервоприводы — проще и надёжнее. Мой путь — это DIY-эксперимент для тех, кому интересно покопаться в данных и выжать максимум из того, что есть.
Если эксперимент не даст ожидаемых 15-20% экономии — возможно, вернусь к классике 😄
Спасибо за проявленный интерес, продолжение будет :)
Те, кто пишут нехорошести — видимо не привыкли удобному сервису.
Прочел статью на хабре, проверил саппорт, отписался на хабре и хочется сказать:
«А она то и в действительности крутиться..»