Najczęstsze pytanie, jakie słyszę od zarządców i właścicieli budynków, brzmi: „ile zaoszczędzę?”. Uczciwa odpowiedź przed analizą jest jedna: nie wiem, i nikt rzetelny tego nie wie. Typowy zakres dla Water AI to 10–30% mniej zużytego ciepła, ale to, gdzie w tym przedziale wyląduje konkretny budynek, zależy od instalacji, a nie od tego, czy to hotel, czy szkoła.
Dlatego zaczynam od sprawdzenia, czy jest co poprawiać. Poniżej opisuję, jak to wygląda w praktyce.
Sygnały, że budynek grzeje więcej, niż potrzebuje
- Przy odwilży ludzie otwierają okna. To najprostszy dowód, że regulacja nie nadąża za pogodą i ciepło ucieka na zewnątrz.
- Jedne pomieszczenia są przegrzane, inne chłodne. Zwykle oznacza to nierówny rozkład ciepła w instalacji. Częsta reakcja to podniesienie temperatury dla całego budynku, czyli grzanie wszystkich, żeby dogrzać kilka miejsc.
- Ustawienia węzła nie były ruszane od lat. Krzywa grzewcza ustawiona przy uruchomieniu rzadko pasuje do budynku po termomodernizacji, wymianie okien czy zmianie sposobu użytkowania.
- Budynek jest używany nieregularnie. Biurowiec pusty w weekendy, szkoła w ferie, hotel przy zmiennym obłożeniu, hala pracująca na zmiany. Tam, gdzie zapotrzebowanie na ciepło się zmienia, sterowanie z wyprzedzeniem ma najwięcej do zrobienia.
- Rachunki rosną mimo podobnych zim. Jeśli po korekcie pogodowej zużycie nie spada albo rośnie, instalacja traci sprawność. Jak porównywać sezony, opisuję w poradniku o metodzie stopniodni.
Rodzaj budynku nie przesądza o wyniku
Water AI stosuje się w spółdzielniach i wspólnotach, hotelach, szpitalach, szkołach, biurowcach, galeriach, basenach i zakładach produkcyjnych. Działa z ciepłem sieciowym, kotłowniami gazowymi i pompami ciepła. Nie zastępuje istniejącego systemu BMS, tylko go uzupełnia.
To jednak lista miejsc, gdzie technologia może działać, a nie gwarancja efektu. Dwa podobne biurowce mogą mieć zupełnie inny potencjał, bo jeden ma dobrze ustawioną automatykę i zrównoważoną instalację, a drugi pracuje na ustawieniach sprzed dekady.
Jakie dane przygotować do analizy
Na pierwszą ocenę wystarczy niewiele:
- Faktury za ciepło z dwóch, trzech ostatnich sezonów grzewczych, najlepiej z rozbiciem na centralne ogrzewanie i ciepłą wodę, jeśli dostawca je podaje.
- Rodzaj obiektu i sposób użytkowania: godziny pracy, przerwy, obłożenie.
- Źródło ciepła: węzeł sieciowy, kotłownia gazowa albo pompa ciepła.
- Sposób rozprowadzenia ciepła w budynku.
- Typ sterownika w węźle lub kotłowni i rodzaj czujników temperatury, na przykład Pt1000. Wystarczy zdjęcie tabliczki znamionowej.
- Dostęp do internetu (LAN) w pomieszczeniu technicznym, bo system pracuje na bieżących danych i prognozie pogody.
Jak wygląda ocena przed wdrożeniem
- Analiza faktur. Sprawdzam zużycie w kolejnych sezonach po korekcie pogodowej i szukam sygnałów strat.
- Ocena techniczna instalacji. Na podstawie danych o węźle, sterowniku i rozprowadzeniu ciepła sprawdzamy, czy montaż jest możliwy i co trzeba przygotować.
- Decyzja. Dostajesz informację, czy Water AI ma w tym budynku sens. Jeśli nie, mówię to wprost. Lepiej odpuścić na starcie niż rozliczać oszczędności, których nie będzie.
- Montaż i okres pomiarowy. Po decyzji system jest instalowany w węźle, a oszczędność liczona jest z faktur dostawcy ciepła, osobno dla c.o. i c.w.u., z korektą stopniodni zgodną z IPMVP.
Co dokładnie robi system po montażu
Regulator predykcyjny co 10 minut wyznacza parametry pracy ogrzewania na 6 godzin naprzód, na podstawie danych z budynku i prognozy pogody. Uzupełnieniem jest dynamiczna optymalizacja hydrauliczna oraz SCAT, fizyczne uzdatnianie wody bez chemii, które ogranicza osadzanie kamienia i rozwój biofilmu. Szerzej o każdej z technologii piszę w poradniku o predykcji, hydraulice i SCAT.
Kto płaci i kiedy
W modelu ESCO właściciel budynku nie ponosi kosztów wdrożenia, serwisu ani monitoringu. Wynagrodzenie to ustalony w umowie udział w zmierzonej oszczędności. Jeśli oszczędności nie ma, nie ma też wynagrodzenia. Ten model sam w sobie wymusza uczciwą ocenę na starcie: nikomu nie opłaca się montować systemu tam, gdzie nie ma czego oszczędzać.
Przykłady z referencji
W Urzędzie Miasta Lublin, przez trzy sezony grzewcze, oszczędności wyniosły średnio około 15–23% na budynek, najlepszy wynik to 30,4%, bez skarg na komfort. Wdrożenie zajęło II miejsce w konkursie „Innowacyjny Samorząd 2024”. W siedmiu budynkach Politechniki Lubelskiej wyniki wyniosły od 13,2 do 28,0%. Rozrzut między budynkami tego samego właściciela dobrze pokazuje, dlaczego każdy obiekt ocenia się osobno.
Jeśli chcesz sprawdzić swój budynek, wyślij faktury za ciepło z ostatnich sezonów. Analiza jest bezpłatna. Więcej o technologii na stronie Water AI.
Najczęstsze pytania
Ile zaoszczędzę z Water AI?
Typowy zakres to 10–30% mniej zużytego ciepła przy zachowanym komforcie, ale konkretny wynik zależy od instalacji i sposobu użytkowania budynku. Rzetelną ocenę daje dopiero analiza faktur i danych technicznych.
Jakie dokumenty są potrzebne do analizy?
Faktury za ciepło z dwóch, trzech sezonów grzewczych, informacja o źródle ciepła, typie sterownika w węźle lub kotłowni i sposobie użytkowania budynku.
Czy Water AI nadaje się do każdego budynku?
Nie zawsze. Rodzaj budynku nie przesądza o wyniku. Jeśli instalacja jest już dobrze ustawiona i zrównoważona, potencjał może być niewielki, i wtedy mówię to wprost przed wdrożeniem.