In de zomer kun je een heleboel aan je klimaatregeling bouwen. Je kunt controleren of sensoren waarden doorgeven, of een airco reageert en of een automatisering de juiste beslissing denkt te nemen. Alleen zegt dat nog niet zoveel over hoe het huis zich gedraagt zodra het buiten echt koud wordt.
Dat is precies de fase waarin mijn eigen smarthome nu terechtkomt. De afgelopen maanden draaide een groot deel van de ontwikkeling om het samenbrengen van gegevens, het verbeteren van regels en het leren van het gedrag van onze woning. Maar door de relatief hoge buitentemperaturen kon ik de verwarmingskant nog niet onder alle omstandigheden beoordelen.
Nu begint het interessantere werk: kijken of die keuzes ook in de praktijk kloppen.
De warmte komt niet uit één installatie
Onze woning wordt elektrisch verwarmd. We gebruiken drie Daikin Perfera-airco's: in de woonkamer, slaapkamer en op zolder. Daarnaast hangen in verschillende ruimtes infraroodpanelen voor gerichte bijverwarming. Voor warm water is er een elektrische boiler.
Die combinatie vraagt een andere aanpak dan één centrale thermostaat. Een airco kan een hele ruimte op temperatuur brengen, terwijl een infraroodpaneel vooral warmte geeft op de plek waar dat op dat moment nodig is. Wat verstandig is, hangt dus af van meer dan alleen de ingestelde temperatuur.
In de woonkamer spelen bijvoorbeeld de open trap, luchtstromen en warmte die naar boven verdwijnt een rol. Op de slaapkamer is nachtelijk comfort belangrijker dan continu op een vaste temperatuur blijven. Voor de kinderkamer gelden weer andere grenzen. Daar wil ik slaap- en aanwezigheidssituaties kunnen meenemen, maar wel met een veilige minimale temperatuur.
De basis van ons gasloos verwarmen heb ik eerder uitgebreid beschreven. Deze update gaat over de regeling erachter.
Temperatuur meten is het begin, niet de beslissing
Ik gebruik losse temperatuur- en luchtvochtigheidssensoren per ruimte. Ook aanwezigheid, de status van de airco's, buitentemperatuur, stroomverbruik en zonneproductie kunnen meewegen.
Een thermostaat die alleen de huidige temperatuur met een setpoint vergelijkt, mist veel van die context. Als het huis bijvoorbeeld vanzelf opwarmt door de zon, hoeft een verwarming niet hetzelfde te reageren als op een donkere, koude ochtend.
Ik wil ook weten hoe de temperatuur zich ontwikkelt. Is een ruimte langzaam aan het afkoelen, of daalt de temperatuur juist snel? Hoe gedroeg die ruimte zich eerder onder vergelijkbare omstandigheden? En wat gebeurt er als een andere warmtebron al aanstaat?
Juist daarom verzamel ik historische gegevens. Die maken het mogelijk om verschillende strategieën eerst naast elkaar te leggen voordat ik een bestaande regeling aanpas.
Wat de eerste echte verwarmingsperiode boven water haalt
Een aantal onderwerpen is de afgelopen tijd al duidelijk geworden.
De woonkamer moet verwarmen wanneer dat nodig is
Een regeling kan technisch correct zijn en toch niet het gewenste gedrag opleveren. We hebben situaties gehad waarin de airco in de woonkamer niet aansloeg terwijl de omstandigheden daar wel aanleiding toe leken te geven. Dan wil ik niet zomaar de gewenste temperatuur verhogen, maar de volledige beslisketen terugzoeken: meetwaarde, aanwezigheid, comfortmarge, prioriteit en eventuele blokkades.
De slaapkamer en zolder vragen andere grenzen
In de slaapkamer wil ik voorkomen dat automatische koeling 's nachts het comfort in de weg zit. Op zolder bleek eerder ook dat koeling kon worden voorgesteld terwijl de situatie daar niet om vroeg. Dat zijn voorbeelden van waarom verwarmen, koelen en ontvochtigen verschillende redenen en grenzen moeten hebben.
Een kinderkamer is geen gewone energiebesparingszone
Voor de kinderkamer werk ik met een slaapstand, beschikbaarheid en minimale temperatuurgrenzen. Als de ruimte niet in gebruik is, hoeft de verwarming niet precies hetzelfde te werken als tijdens het slapen. Maar automatisch terugschakelen mag nooit betekenen dat de ruimte oncomfortabel koud wordt. Een handmatige stand moet bovendien herkenbaar en voorspelbaar blijven.
Dit zijn concrete situaties waarop ik de regeling verder afstel. Ze zijn geen bewijs dat iedere situatie inmiddels al perfect verloopt.
Node-RED bewaakt de regels, de ML-worker helpt vooruitkijken
De uitvoering loopt via Home Assistant en Node-RED. De aparte ML-worker kijkt naar historische en actuele gegevens en kan daarmee een betere keuze voorstellen. De Climate Director draait inmiddels als een begrensd automatisch systeem.
Dat onderscheid is belangrijk. Ik wil dat een model kan helpen met timing en strategie, maar niet dat een onzekere voorspelling zomaar een comfortgrens of veiligheidsregel opzijzet.
Voor mij zijn vooral de redenen achter een beslissing belangrijk. Waarom bleef verwarming uit? Welk signaal gaf de doorslag? Was het een bewuste besparing, een verkeerde meting of een regel die te streng was ingesteld?
Wanneer een bewoner handmatig ingrijpt, is dat óók informatie. Een systeem dat die correctie onmiddellijk ongedaan maakt, is niet slim genoeg ontworpen.
Meer over de basis staat in mijn Home Assistant-opzet en op de pagina over klimaatregeling.
Ventilatie hoort bij hetzelfde verhaal
Verwarmen en ventileren kun je niet helemaal los van elkaar zien. Extra ventileren kan nodig zijn na het douchen, maar het kan ook onnodig warmte afvoeren. Alleen reageren op een hoge relatieve luchtvochtigheid is daarom te eenvoudig.
Ik kijk naar de binnen- en buitenomstandigheden, de duur van een vochtige situatie en het gebruik van de ruimte. Een toiletbezoek hoeft bijvoorbeeld niet dezelfde ventilatiereactie op te leveren als een douche. Tegelijk blijft voldoende ventilatie een randvoorwaarde, ook wanneer het buiten koud is.
De uitdaging is om een gezond en prettig binnenklimaat te combineren met zo weinig mogelijk onnodig warmteverlies.
Wanneer noem ik de winterregeling geslaagd?
Niet wanneer het dashboard er goed uitziet of wanneer een testscenario een groen vinkje krijgt.
Ik wil gedurende een echte koude periode kunnen terugzien of kamers hun gewenste comfort halen, hoeveel de verschillende warmtebronnen daarvoor gebruiken, hoe vaak iemand handmatig moet ingrijpen en of er onnodig wordt geschakeld.
Daarbij wil ik ook onderscheid maken tussen een lager totaalverbruik, minder netafname en meer gebruik van eigen zonnestroom. Dat zijn verschillende resultaten, ook al komen ze uiteindelijk allemaal op de energierekening terug.
De eerste analyses van het energiesysteem zijn veelbelovend, maar een korte meetperiode in wisselend weer is geen betrouwbare uitspraak over een volledig stookseizoen. Die conclusie trek ik pas met voldoende vergelijkbare data.
De volgende stap is vooral beter afstellen
Het werk verschuift voor mij van functies toevoegen naar echt gedrag beoordelen. De buitenlucht wordt kouder, de warmtevraag neemt toe en de woning laat zien waar de aannames te optimistisch waren.
Juist dat maakt het interessant. Een automatisering die nooit verkeerd reageert in een simulatie kan thuis alsnog irritant zijn. Dan moet de regeling veranderen, niet het huishouden.
Ik blijf de komende periode bijhouden wat ik meet, welke keuzes ik aanpas en wat daarvan daadwerkelijk te merken is. Mijn eerdere artikel over de stap van vaste automatiseringen naar datagedreven sturing geeft de achtergrond bij die ontwikkeling.