# Optimizer 🧪

> Den eksperimentelle optimizer bruger prognoser og din forbrugshistorik til at beregne den billigste styring af opladning og batteri, men viser foreløbig kun resultaterne.

> **Eksperimentel**
>
> Optimizeren er på et tidligt udviklingsstadie. De viste data er indtil videre kun til information. Styringshandlinger følger i kommende versioner.

Optimizeren analyserer prognoser, forbrugsdata og den aktuelle tilstand af dit energisystem for at træffe omkostningsoptimale beslutninger. Den supplerer evcc’s regelbaserede styring med forudseende optimering.

## Hvorfor en optimizer?

evcc arbejder regelbaseret og deterministisk. Det fungerer fint i mange opsætninger. F.eks. et solcelleanlæg, et hjemmebatteri og et køretøj.

I mere komplekse scenarier når denne tilgang sin grænse:

* **Flere køretøjer:** Hvilket skal oplades først?
* **Hjemmebatteri eller køretøj:** Hvor skal den tilgængelige energi hen?
* **Dynamiske tariffer:** Kan det betale sig at oplade fra elnettet i nat, eller kommer der nok solenergi i morgen?

Optimizeren kan besvare disse spørgsmål. I dag indstiller du selv værdier som prisgrænser eller hjemmebatteriets prioritet. Fremover kan du overlade disse beslutninger til optimizeren. Den finder så automatisk de optimale værdier. Vi arbejder på det skridt for skridt.

## Hvad gør optimizeren?

Optimizeren indsamler forskellige data:

* **Prognosedata:** [Solproduktion](/da/tariffs#solar), [elpriser](/da/tariffs#price), [eksporttariffer](/da/features/dynamic-feedin), [udetemperatur](/da/tariffs#temperature) til at forudsige varmebehovet
* **Historiske data:** Din husstands typiske forbrugsprofil
* **Aktuel tilstand:** Hjemmebatteriets opladningsniveau, tilsluttede køretøjer, varmebehov

Ud fra disse data beregner en optimeringsalgoritme den forventede adfærd for dit energisystem. Den finder omkostningsoptimale handlinger: effektive [ladeplaner](/da/features/plans), batteristyring (afladning låst, opladning fra elnettet). Den forudsiger også, hvornår hjemmebatteriet vil være fuldt eller tomt.

Mål: **Minimér energiomkostningerne.**

## Brug af optimizeren

Aktivér den via brugergrænsefladen:

1. **Opsætning → Eksperimentel** → aktivér
2. **Opsætning → Optimering 🧪** → aktivér

Optimizeren kræver et aktivt [sponsorat](/da/sponsorship). Ved nye installationer kan det tage op til 24 timer at indsamle nok data til at vise de første resultater.

* **Hovedvisning → Energiflow (fold ud):** Viser, hvornår hjemmebatteriet forventes at være fuldt eller tomt.
* **Menu → Optimering:** Grafer, der viser, hvordan dit hjemmebatteri og dine ladepunkter bør opføre sig i de kommende timer, og hvad de forventede energiomkostninger over optimeringshorisonten bliver (se skærmbilledet nedenfor).

![Optimizerens fejlsøgningsvisning med prognoser og optimeringsresultater.](/_astro/optimizer-debug-light-1x.DOLE3BY3.webp)

Optimizerens fejlsøgningsvisning med prognoser og optimeringsresultater.

## Aktuel status og næste skridt

Optimizeren er indtil videre kun til information. Den viser prognoser og mulige besparelser, men styrer endnu ikke noget aktivt.

Næste skridt:

* Integrere handlinger: aktiv styring af hjemmebatteriet
* Lade optimizeren optimere [ladeplaner](/da/features/plans)
* Give brugerne mulighed for at overlade bestemte indstillinger til optimizeren

## Teknisk baggrund

Optimizeren er baseret på Python og udnytter det stærke økosystem for matematisk optimering og statistik. Den er ikke en del af selve evcc, men en selvstændig tjeneste.

Når den er aktiveret, kaldes cloudtjenesten `optimizer.evcc.io`. Tjenesten er **tilstandsløs**. Data gemmes kun, når du giver feedback på en forklaring af en plan. Detaljer om databeskyttelse finder du i vores [privatlivspolitik](https://evcc.io/en/datenschutz/).

Ligesom evcc selv er optimizeren open source: [github.com/evcc-io/optimizer](https://github.com/evcc-io/optimizer). Du kan også installere Docker-imaget [evcc/optimizer](https://hub.docker.com/r/evcc/optimizer) lokalt. Brug miljøvariablen `OPTIMIZER_URI` til at pege evcc mod dit eget endpoint.

For at holde beregningen hurtig samler evcc tidsintervallerne efter de første 48 timer til intervaller på en time. Med din egen optimizer kan du flytte denne grænse med miljøvariablen `OPTIMIZER_COARSEN_AFTER` i timer, f.eks. `72`. Værdien `0` beholder intervaller på 15 minutter for hele prognosen.