En tvilling, der bor i din edge-enhed
Når vi i VikingHeat siger "digital tvilling", mener vi noget meget konkret: en matematisk model af præcis dit hus, der kører inde i edge-enheden og bliver bedre dag for dag.
Den er ikke en generisk profil for "et 1970'er parcelhus" eller "et nyt rækkehus". Den er din boligs egen model — kalibreret på dine målte temperaturer, dit varmeforbrug og dine reaktioner på udeklimaet.
Det er fundamentet for, at AI'en overhovedet kan planlægge intelligent. Uden en troværdig model er enhver "AI-styring" bare en termostat med marketing.
Hvad lærer modellen helt konkret?
Den digitale tvilling lærer fire ting parallelt:
1. Termisk inerti — hvor "tungt" er huset?
Termisk inerti er målet for, hvor hurtigt et hus mister eller optager varme. Et tungt hus med betongulve og massivt murværk kan svinge 3-4 grader uden at brugeren mærker det — det fungerer som et batteri på 100 kWh varme. Et let trækonstruktions-hus svinger meget hurtigere og opfører sig mere som et 20 kWh-batteri.
Modellen estimerer din boligs termiske tidskonstant — typisk mellem 20 og 80 timer for danske enfamiliehuse. Det er den parameter, der afgør hvor langt fremad MPC overhovedet kan planlægge med fornuft.
2. Klimaskærm — hvor godt isoleret er du, virkeligt?
Energimærke-rapporten siger måske "B" fra 2009. Men huset har fået nye vinduer, gjort noget ved tag-isoleringen og fået skiftet døre siden. Den faktiske U-værdi er en anden i 2026, end den var på papir for 17 år siden.
Modellen finder den reelle, samlede varmetabskoefficient ved at sammenligne målt udetemperatur med målt indvendig respons over forskellige driftsregimer. Resultatet er ofte 15-25% bedre end energimærket — eller 10% værre, hvis huset er belastet af kuldebroer.
3. Brugsmønster — hvornår er folk hjemme, og hvornår larmer de?
Et hus, der står tomt fra 8-16 hver hverdag, har et helt andet optimalt drifts-profil end et hus med hjemmearbejde og børnefamilie. Modellen lærer mønsteret uden at du skal indtaste det manuelt — den ser bare på de termiske afvigelser fra "ren passiv drift" og udleder hvor og hvornår der bidrages med intern varme.
4. Varmepumpe-respons — hvad sker der præcis, når jeg trykker på knappen?
Den sidste komponent er pumpens egen karakteristik. Hvor hurtigt reagerer kompressoren, når AI'en sender en ny frekvens-instruktion? Hvor mange minutter varer det fra fremløbet sættes op, til indetemperaturen begynder at stige? Hvordan ændrer COP sig hen over driftspunkter?
Den slags kan ikke læses ud af et datablad — det skal måles i lige præcis dit hus med lige præcis din installation.
Kalibreringen: 2-3 uger til en god model
Når VikingHeat installeres, starter den i en observations-fase. I de første 2-3 uger lader AI'en pumpen køre tæt på sin oprindelige opførsel, men logger alt: ude- og indetemperatur, fremløb, kompressorfrekvens (Modbus-register 1046), varmemediepumpe (1102), brugsvandscyklusser og el-forbrug.
Med +1.000 scenarier i timen kan edge-enheden hurtigt eksperimentere bag kulisserne — den kører tusindvis af "hvad nu hvis"-simuleringer mod den indkommende måledata, og parameterne i modellen falder gradvist på plads.
Efter cirka 14-21 dage er modellen god nok til at overtage planlægningen aktivt. Efter en hel fyringssæson er den tæt på fysisk eksakt.
Hvorfor en datadrevet model slår en generisk profil
Producenter, der laver "smart" varmestyring, bruger næsten altid en arketype-tilgang: huset klassificeres som "type 3" eller "kategori B", og en gennemsnitlig model anvendes. Det er bedre end ingenting — men det er en gennemsnits-model, ikke din.
Forskellen kommer fra ting, ingen arketype kan fange:
- Vindeksponering (et hus i læ taber 15-20% mindre varme en blæsende dag) - Solindfald (sydvendte vinduer og deres reelle u-værdi) - Skygge fra naboer eller træer - Skjulte kuldebroer i konstruktionen - Varmeafgivelse fra apparater og beboere
AI'en fanger det hele, fordi den bygger modellen ud fra dit hus' faktiske termiske respons — ikke ud fra hvordan en simuleret arketype burde opføre sig.
48 timers planlægning: hvorfor lige det tal?
Modellen bruges til at planlægge 36–72 timer frem. Hvorfor netop det horisont?
Kortere end 24 timer fanger man ikke morgenpeak/aftendal-strukturen ordentligt. Længere end 72 timer er vejrprognosen for usikker til at være planlægningsværdi. 48 timer er sweet-spottet: lang nok til at flytte last meningsfuldt, kort nok til at prognose-præcisionen holder.
Hver 15. minut replanlægges hele horisonten med opdaterede data. Det er ikke en plan, der lægges fast — det er en rullende beslutning, der hele tiden forbedres.
Konklusion
En digital tvilling er ikke et marketing-buzzword. Det er den eneste måde, en MPC-løsning kan vide, hvad den faktisk gør, når den justerer på pumpen. Uden den ville AI'en bare gætte — med den planlægger den med faktiske, kalibrerede sandheder om dit hus.
Skift fra at sælge varmepumpe til at sælge 22 grader.
Vil du teste det selv?
Få et estimat på hvor meget VikingHeat ville spare i præcis dit hus — baseret på husstørrelse, varmepumpe og elprisniveau.
Beregn din besparelse
