Мы занимаемся автоматизацией отопления уже больше 5 лет. За это время через нас прошли десятки объектов — от небольших домов до коттеджей по 500 квадратов. И на каждом втором объекте одна и та же история: стоит дорогой термостат, а хозяин всё равно недоволен.
Жалобы типовые: «то жарко, то холодно», «котёл щёлкает каждые пять минут», «поставил погодозависимую автоматику — стало только хуже». В какой-то момент мы поняли, что проблема не в конкретных устройствах. Проблема в самом подходе к управлению отоплением.
Расскажем, что именно не так и почему мы в итоге сделали контроллер с нейросетью.
Гистерезис: просто, но грубо
Большинство термостатов работают по принципу гистерезиса. Выставили 22 градуса, задали зону нечувствительности в 1 градус. Температура упала до 21 — котёл включился. Поднялась до 23 — выключился.
Логика понятная, реализация копеечная. Но есть фундаментальная проблема: дом — это не термос. У него есть тепловая инерция.
Когда котёл выключился при 23 градусах, батареи ещё горячие. Они продолжают отдавать тепло, температура растёт до 24-25. Потом дом начинает остывать, но котёл включится только при 21 градусе — когда уже прохладно.
Получается температурная пила: перегрев-недогрев-перегрев. Ни о каком комфорте речи нет. А котёл работает в режиме старт-стоп, что убивает его ресурс.
Можно уменьшить гистерезис до 0.5 градуса. Тогда пила станет мельче, но котёл будет щёлкать в три раза чаще. Тоже не вариант.
PID-регулятор: умно, но сложно
Следующий уровень — PID-регулирование. Алгоритм учитывает не только текущую температуру, но и скорость её изменения, и накопленное отклонение от цели. Математически красиво, работает точнее гистерезиса.
Но есть подвох. PID нужно настраивать. Три коэффициента — P, I, D — подбираются под конкретную систему. Мощность котла, объём помещений, тип радиаторов, утепление стен — всё влияет.
Мы видели, как монтажники тратят часы на подбор этих коэффициентов методом проб и ошибок. Выставили одни значения — система раскачивается. Другие — реагирует слишком медленно. Третьи — вроде работает, но при смене погоды всё разлетается.
А ещё PID плохо справляется с нелинейностью. Отопление — нелинейная система. Скорость нагрева при +5 на улице и при -20 — разная. Инерция пустого дома и дома с людьми — разная. Один набор коэффициентов не может учесть все ситуации.
В итоге PID или постоянно немного недогревает, или немного перегревает. Лучше гистерезиса — да. Идеально — нет.
Погодозависимая автоматика: красиво на бумаге
ПЗА — ещё один популярный подход. Идея простая: чем холоднее на улице, тем горячее должен быть теплоноситель в батареях. Выбираем кривую зависимости и наслаждаемся автоматикой.
На практике всё сложнее. Кривых — десятки. Какая подходит именно вашему дому? Угадать с первого раза почти нереально. Монтажники обычно ставят «среднюю» и уезжают. А дальше — как повезёт.
Но главная проблема ПЗА — она не видит, что происходит внутри дома. Солнце светит в панорамные окна — помещение нагревается, а система этого не знает и продолжает топить по уличной температуре. Или наоборот: пасмурный день, в доме много людей и техники — внутренние источники тепла компенсируют часть нагрузки, но ПЗА об этом не в курсе.
Ещё момент: уличный датчик. Если он в тени — будет показывать холоднее, чем есть. На солнце — теплее. В обоих случаях система ошибается.
Мы не говорим, что ПЗА бесполезна. Для больших зданий с постоянной нагрузкой она работает нормально. Но для частного дома, где всё постоянно меняется — солнце, люди, режим дня — это слишком грубый инструмент.
Почему мы пошли в сторону нейросети
Все эти подходы объединяет одно: они пытаются описать поведение дома формулой. Гистерезис — простейшая формула. PID — посложнее. ПЗА — ещё сложнее. Но любая формула — это упрощение.
Реальный дом — сложная система с кучей переменных. Толщина стен, площадь остекления, ориентация по сторонам света, тип отопления, привычки жильцов. Учесть всё в формуле невозможно.
Мы подумали: а что если не писать формулу, а дать системе самой разобраться?
Нейросеть не знает заранее, как устроен ваш дом. Она наблюдает. Включили нагрев — смотрит, как быстро растёт температура. Выключили — смотрит, как быстро падает. Солнце вышло — фиксирует влияние. Люди пришли — тоже.
Через несколько дней работы система понимает: чтобы к 7 утра было 22 градуса, нужно начать греть не в 6:50, а в 5:40. Потому что именно этому дому нужно столько времени на прогрев. И эти данные постоянно уточняются.
Никаких коэффициентов для настройки. Никаких кривых для выбора. Никакого гистерезиса. Система адаптируется сама.
Что получилось в итоге
Наш контроллер Thermozone AI ab4 — это четыре независимых потока нейровычислений на процессоре ESP32. Четыре зоны, каждая со своим ИИ-алгоритмом.
Первые дни после установки — период обучения. Контроллер собирает данные: как реагирует помещение на нагрев, какая тепловая инерция, как влияют внешние факторы. Потом выходит на рабочий режим и продолжает уточнять модель в фоне.
Результат — ровная температура без скачков. Котёл работает плавнее, меньше циклов включения-выключения. Расход топлива снижается — не потому что мы «умнее экономим», а потому что система не перегревает и не компенсирует потом недогрев.
Работает с газовыми и электрическими котлами, тёплыми полами, конвекторами, термоголовками. Есть интеграция с Home Assistant для тех, кто строит комплексную автоматизацию.
Честно о минусах
Нейросеть — не волшебство. Есть требования.
Нужен хороший датчик температуры. ИИ принимает решения на основе данных, и если датчик врёт на полградуса — решения будут неточными. Мы рекомендуем качественные цифровые датчики и правильное размещение.
Нужно время на обучение. Первые 2-3 дня система изучает дом. В этот период возможны небольшие отклонения от целевой температуры. Потом — стабильная работа.
Не подходит для простых задач. Если у вас однокомнатная квартира и нужно просто включать-выключать обогреватель — это перебор. Thermozone AI сделан для сложных систем, где классические методы не справляются.
Итог
Мы не утверждаем, что все термостаты на рынке плохие. Для своих задач они работают. Но подход «формула на все случаи жизни» имеет потолок. И мы этот потолок видели слишком много раз на реальных объектах.
Нейросеть — это другая философия. Не подгонять дом под формулу, а подстраивать управление под конкретный дом. Для частных домов со сложным отоплением это даёт результат, которого не добиться настройкой коэффициентов.
Если интересуют технические детали — пишите в комментариях, разберём подробнее. Или загляните к нам на сайт, там есть документация и примеры реальных внедрений.
Какой термостат стоит у вас? Сталкивались с проблемами, которые мы описали? Расскажите в комментариях — нам правда интересен ваш опыт.