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 Viking Heat overhovedet kan planlægge intelligent. Uden en troværdig model er enhver "smart-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 handler om, hvor hurtigt (eller langsomt) stuens temperatur falder - altså hvor meget varme er gemt i murværk, betongulve, indervægge, møbler. Hele husets indhold fungerer tilsammen som et varmelager. Et tungt murstenshus har langt mere energi bundet i selve materialerne end i luften i rummene, og det lager opfører sig som et batteri: er huset først varmt, holder murværket og resten af massen på varmen i lang tid, selv hvis varmepumpen holder pause. Er det først kølet ned, tager det tilsvarende lang tid at varme op igen. Derfor ændrer temperaturen i sådan et hus sig kun langsomt på en almindelig efterårsdag — det tager typisk adskillige timer at flytte den mærkbart, op eller ned. Et let trækonstruktions-hus har meget mindre lagret masse og reagerer derfor væsentligt hurtigere.
Din Viking Heat enhed beregner trægheden specifikt for dit hus — hvor lang tid det tager at flytte temperaturen givet den aktuelle udetemperatur — udtrykt som husets termiske tidskonstant, det der bestemmer hvor stort et pusterum varmepumpen har på en given dag. Det er den parameter, der afgør hvor langt fremad MPC overhovedet kan planlægge med fornuft, rundt om de dyreste timer.
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. Sammen med den lagrede masse fra punkt 1 er det denne varmetabskoefficient, der bestemmer, hvor hurtigt "batteriet" reelt aflades når udetemperaturen ændres — jo bedre klimaskærm, jo længere holder den lagrede varme, før huset køler mærkbart af.
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. En varm ovn, en Playstation eller et tændt tv tilføjer alle væsentlige mængder af energi.
4. Varmesystemets-respons — hvad sker der præcis, når jeg trykker på knappen?
Den sidste komponent er varmepumpens egen karakteristik. Hvor hurtigt reagerer kompressoren? Hvor hurtigt stiger temperaturen i radiatoren? Hvor lang tid går der fra varmepumpen er tændt til det kan mærkes i stuen? Hvordan ændre effektiviteten sig?
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 med varmebehov til en god model
Når VikingHeat installeres, starter den i en observations-fase. I de første 2-3 uger lader enheden pumpen køre upåvirket med sin oprindelige opførsel, men logger alt: ude- og indetemperatur, fremløb, kompressorfrekvens, 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, men forbedres og tilrettes løbende herefter. For huset lever og ændrer sig med jer, så det skal Viking Heat også gøre.
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 fra store træer taber mindre varme en blæsende dag) - Solindfald (sydvendte vinduer og deres reelle u-værdi) - Skjulte kuldebroer i konstruktionen eller forskubbet isolering - Varmeafgivelse fra apparater og beboere
VikingHeat 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 VikingHeat bare gætte — med den planlægger den med faktiske, kalibrerede sandheder om dit hus.
