Miten aloitat kotitalouden sähkön optimoinnin?

Energiaoptimointi ei ala Home Assistantista.
Se ei ala akusta.
Se ei ala aggregaattorista.

Se alkaa yhdestä kysymyksestä:

Mitä ongelmaa olen ratkaisemassa?

Vaihe 1 – Ymmärrä lähtötilanne

Ennen kuin kosket mihinkään ohjaukseen, selvitä:

✔ Vuosikulutus (kWh)

✔ Kuormaprofiili (mihin aikaan kulutat?)

✔ Lämmitystapa

✔ Pääsulakekoko

✔ Onko sähköauto?

✔ Onko aurinkosähköä?

Ilman tätä tietoa optimointi on arvausta.

Kuormaprofiili

Ensimmäinen tekninen askel on tuntidata.

Kysy itseltäsi:

• Kuinka suuri osa kulutuksesta on siirrettävissä?
• Kuinka suuri osa on pakollista?

Teoreettinen siirrettävä osuus voidaan kuvata:

Jos siirrettävä osuus on alle 20 %,
optimointipotentiaali on rajallinen.

Vaihe 2 – Määritä tavoite

Optimoinnilla voi olla eri tavoitteita:

• 💰 Laskun pienentäminen
• ⚡ Pääsulakkeiden hallinta
• 🌱 Oman tuotannon maksimointi
• 🔋 Valmius akustolle
• 🔄 Valmius kysyntäjoustoon
• 🧠 Ymmärrys ja hallinta

Tavoite määrittää arkkitehtuurin.

Vaihe 3 – Aloita yksinkertaisesta

Suurin virhe on aloittaa tasolta 3.

Aloita näin:

Taso 1 (perusoptimointi)

• Pörssisähkösopimus
• Halvimpien tuntien tunnistaminen
• Lämmityksen ajastus (jos mahdollista)
• EV-latauksen ajastus

Tämä voi tuoda jo 50–150 € vuodessa.

Vaihe 4 – Rajoitteet kuntoon

Ennen kuin teet mitään monimutkaista:

• Onko sulakevahti?
• Onko minimilämpötilarajat?
• Onko legionellakuumennus turvattu?
• Onko fallback-tilat?

Optimointi ei saa koskaan:

• laskea käyttöveden lämpöä liian alas
• ylittää vaihekuormaa
• jäädä pysyvästi “pois päältä” virheen vuoksi

Vaihe 5 – Fysiikka mukaan

Kun perusoptimointi toimii, lisää:

• Ulkolämpötilan huomiointi
• Useampi lämmitysjakso
• COP-ystävällinen ajo
• Sääennuste

Optimointi ei ole vain:

Missä:

• P = sähkön hinta (€/kWh)
• E = kulutettu energia (kWh)

Vaan todellisuudessa:

Missä:

• Q = tarvittava lämpö
• COP = hyötysuhde

Jos et ymmärrä COP:ia,
et vielä optimoi.

Vaihe 6 – Arvioi investoinnit

Moni kysyy ensimmäisenä:

Kannattaako akku?

Ennen investointia tee kolme laskelmaa:

1. Tuntihintojen hajonta
2. Oma kulutusprofiili
3. Investoinnin NPV

Jos NPV on negatiivinen ilman reservituloja,
akku on enemmän strateginen kuin taloudellinen investointi.

Yleiset virheet

❌ Ylioptimointi

• Liian aggressiivinen ajo
• COP heikkenee
• Mukavuus kärsii

❌ Liian monimutkainen järjestelmä

• Ei fallbackia
• Liikaa riippuvuuksia

❌ Sokeus kokonaisteholle

• Sulakkeet laukeavat
• Kuormitus keskittyy yhdelle vaiheelle

❌ Hinta ainoana signaalina

• Fysiikka unohtuu
• Rakennuksen lämpökapasiteettia ei huomioida

HEOMF-arviointi – missä olet nyt?

Voit arvioida oman tasosi:

• 0 = Ei tuntidataa
• 1 = Hintareaktiivinen
• 2 = Rajoitteet huomioiva
• 3 = Monimuuttujainen
• 4 = Markkinaosallistuja

Kaikkien ei tarvitse nousta tasolle 4.

Useimmille taso 2 on erittäin järkevä.

Mitä tarvitaan teknisesti?

Minimivarustus tasolle 2:

• Tuntihinta-integraatio
• Mittaus (vaihekohtainen jos mahdollista)
• Ohjattava rele lämpöpumpulle
• EV-latauksen ohjaus
• Sulakevahti

Taso 3:

• Ennuste
• PV-integraatio
• Monijaksoinen ajo
• Tilakone / kausimalli

Miten edetä käytännössä?

1. Kerää 3–6 kk dataa
2. Tee yksinkertainen analyysi
3. Testaa manuaalisesti
4. Lisää automaatio vasta kun ymmärrät järjestelmän

Tämä oli oma polkuni.

Kenelle tämä ei sovi?

Rehellinen vastaus:

Jos et halua:

• ymmärtää järjestelmää
• seurata dataa
• ylläpitää ohjausta

→ valmiit kaupalliset ratkaisut voivat olla parempi vaihtoehto.

HEOMF ei pakota ketään tekniseen harrastamiseen.

OSA 8 Yhteenveto

Kotitalouden energian optimointi ei ole:

• teknologiaharrastus
• tai pikavoitto

Se on asteittainen kehityspolku.

Aloita yksinkertaisesta.
Varmista rajoitteet.
Lisää fysiikka.
Arvioi investoinnit realistisesti.

Ja vasta sitten mieti markkinaosallistumista.

Kotitalous osana sähköjärjestelmää

OSA 6:ssa syntyi HEOMF-kehikko.
Se vastasi kysymykseen: kuinka kypsä kotitalouden energiajärjestelmä on?

OSA 7 vastaa seuraavaan kysymykseen:

Mitä tapahtuu, kun kypsä kotitalous ei optimoi vain itseään varten – vaan osallistuu sähköjärjestelmään?

Tässä kohtaa siirrytään yksittäisestä talosta osaksi infrastruktuuria.

Mikä on kysyntäjousto kotitaloudessa?

Yksinkertaisimmillaan kysyntäjousto tarkoittaa:

• Kulutuksen siirtämistä
• Kulutuksen pienentämistä
• Kulutuksen kasvattamista

vastauksena hintaan tai ohjaussignaaliin.

Taloudellisessa mielessä jousto tarkoittaa:

Missä:

• ΔP = hinnan muutos
• ΔE = siirretty energia

Mutta järjestelmätasolla tämä ei ole enää vain rahakysymys.

Se on tasapainokysymys.

Sähköjärjestelmän perusfysiikka

Sähköjärjestelmässä tuotannon ja kulutuksen on oltava tasapainossa joka sekunti.

Yksinkertaistettuna:

Jos tuotanto ylittää kulutuksen → taajuus nousee
Jos kulutus ylittää tuotannon → taajuus laskee

Perinteisesti tätä tasapainoa ylläpitivät:

• Vesivoima
• Kaasuvoima
• Hiilivoima

Mutta uusiutuvan tuotannon kasvaessa:

• Tuuli vaihtelee
• Aurinko vaihtelee
• Tuotanto ei ole täysin ennustettavaa

Silloin kulutus alkaa kiinnostaa uudella tavalla.

Miksi kotitaloudet ovat nyt merkittäviä?

Suomessa:

• Lämmitys sähköistyy (maalämpö, ILP, suora sähkö)
• Sähköautojen määrä kasvaa
• Pienimuotoinen aurinkotuotanto lisääntyy
• Akustot yleistyvät

Yksittäinen kotitalous on pieni.

Mutta 500 000 kotitaloutta on merkittävä tehoreservi.

Esimerkki:

• Jos 200 000 taloa siirtää 2 kW kuormaa
• Se on 400 MW

Se on jo voimalaitoksen kokoluokka.

HEOMF-taso 4 – järjestelmätason osallistuja

OSA 6:ssa määriteltiin taso 4:

• Akusto
• Aggregaattoriyhteys
• Reservimarkkinat
• V2X
• Tehojousto

Tässä kohtaa optimointi ei ole enää vain kulutuksen siirtoa.

Se on markkinatoimintaa.

Aggregaattorin rooli

Yksittäinen kotitalous ei voi osallistua suoraan reservimarkkinoille.

Tarvitaan aggregaattori.

Aggregaattori:

• Kokoaa satoja tai tuhansia kohteita
• Myy joustokapasiteetin markkinoille
• Jakaa korvauksen osallistujille
• Vastaa teknisistä vaatimuksista

Kotitalouden näkökulmasta tämä tarkoittaa:

• Ulkopuolinen taho voi ohjata kuormaa
• Ohjaus voi tapahtua sekunneissa tai minuuteissa
• Korvaus perustuu tehoon tai energiamäärään

Akuston rooli

Kun akku tulee mukaan, optimointifunktio laajenee.

Yksinkertaistettu akkuoptimointi voidaan esittää:

Mutta tämä on vain energian arbitraasi.

Todellinen arvo voi syntyä reservimarkkinoista:

• FCR
• aFRR
• mFRR
• FFR

Tällöin akku ei optimoi tuntihintaa,
vaan reagoi taajuuspoikkeamaan.

Tässä kohtaa kotitalous alkaa muistuttaa mikrosähköasemaa.

V2X – tulevaisuuden kysymys

Sähköauto on potentiaalinen akku.

Jos V2X (Vehicle-to-Grid) yleistyy:

• Auto voi syöttää verkkoon
• Auto voi tasata huippukuormia
• Auto voi osallistua reserviin

Mutta tässä on haasteita:

• Laitteiston puute
• Standardointi
• Akkujen kuluminen
• Verkkosäännöt

V2X ei ole vielä arkipäivää,
mutta se kuuluu HEOMF-tason 4 potentiaaliin.

Missä vaiheessa kotitalous on valmis aggregaattorille?

Kypsyysmallin näkökulmasta:

Jos kotitalous on:

• ilman sulakevahtia
• ilman perusrajoitteita
• ilman ymmärrystä omasta kuormaprofiilista

→ aggregaattoriyhteys voi aiheuttaa ongelmia.

Mutta jos kotitalous on:

• tasolla 2 tai 3
• rajoitteet kunnossa
• ohjaus kerroksittain rakennettu

→ aggregaattoriyhteys on luonteva laajennus.

HEOMF auttaa vastaamaan tähän.

Taloudellinen realismi

Reservimarkkinoilla tuotto ei ole rajaton.

Jos akku maksaa 10 000 €
ja vuosituotto on 500–800 €
takaisinmaksuaika on pitkä.

Lisäksi pitää huomioida:

• Syklien määrä
• Hyötysuhde
• Investointiriski
• Markkinakorvausten mahdollinen lasku

Taloudellinen optimointi voidaan yksinkertaistaa:

Jos NPV (Nettonykyarvo) on negatiivinen, investointi ei ole taloudellisesti perusteltu – vaikka teknisesti kiinnostava.

Onko aggregointi kotitalouden “päämäärä”?

Ei välttämättä.

Monelle kotitaloudelle:

• Taso 2–3 tuo 80 % hyödystä
• Järjestelmä pysyy hallittavana
• Säästö on konkreettinen

Aggregointi tuo:

• lisätuottoa
• mutta myös lisäkompleksisuutta

Kypsyysmallin tarkoitus ei ole pakottaa korkeimmalle tasolle.

Se auttaa arvioimaan, milloin se on järkevää.

Kotitalous sähköjärjestelmän vakauden tukena

Kun uusiutuva tuotanto kasvaa, tarvitaan:

• Nopeaa säätöä
• Hajautettua kapasiteettia
• Reaktiivista kulutusta

Kotitaloudet voivat tarjota:

• Lämpövarastoa (rakenteet)
• Sähköauton joustoa
• Akuston tehoa
• Lämmityksen siirtoa

Ne eivät korvaa voimalaitoksia.

Mutta ne voivat vähentää huippujen tarvetta.

Mitä tämä tarkoittaa omassa kehityspolussa?

Oma kehityspolkuni oli:

1. Hintareaktiivinen optimointi
2. Rajoitteet huomioiva ohjaus
3. Monimuuttujainen järjestelmä
4. HEOMF-kehikon synty
5. Valmius arvioida markkinaosallistumista

En ole vielä aktiivinen reservimarkkinatoimija.

Mutta järjestelmä on rakennettu niin, että se voisi olla.

Se on ero “harrastajan optimoinnin” ja “järjestelmätason valmiuden” välillä.

OSA 7 Yhteenveto

Kotitalous ei ole enää vain kuluttaja.

Se voi olla:

• Hintareagoija
• Joustopotentiaali
• Akustoresurssi
• Reservitoimija

Mutta osallistuminen ei ole itseisarvo.

Se on kypsyys- ja riskikysymys.

Kotitalouksien energianhallinnan kypsyysmallin synty

Kun olin käynyt läpi:

• hinnan
• COP:n
• sulakeongelmat
• legionellan
• mukavuuden
• aurinkotuotannon
• järjestelmäarkkitehtuurin

… alkoi muodostua yksi oivallus:

Kaikki kotitaloudet eivät ole samalla tasolla.
Ja niiden ei tarvitse olla.

Tämä ei ole binäärinen kysymys:
optimoit tai et optimoi.

Se on kypsyyskysymys.

Näin syntyi ajatus kehikosta.

Mikä on HEOMF?

HEOMF = Home Energy Optimization Maturity Framework

Se ei ole tekninen tuote.
Se ei ole yksittäinen algoritmi.
Se ei ole laitelista.

Se on arviointikehikko.

Sen tarkoitus on vastata kolmeen kysymykseen:

1. Missä tasossa kotitalous on nyt?
2. Mitä seuraava taso vaatii?
3. Onko seuraavalle tasolle siirtyminen järkevää?

Miksi kypsyysmalli on tarpeen?

Energiaoptimoinnista puhutaan usein kahdella tavalla:

• Ylihypetettynä (“tekoäly optimoi kaiken”)
• Tai triviaalina (“siirrä kulutus yöhön”)

Todellisuudessa optimointi on asteittainen prosessi.

Kypsyysmalli tuo tähän rakennetta.

Sama logiikka kuin:

• teollisuuden automaation tasomallit
• tietoturvan kypsyysmallit
• laadunhallinnan maturity-mallit

HEOMF – viisi tasoa

Taso 0 – Passiivinen kuluttaja

• Kiinteä sopimus
• Ei tuntiseurantaa
• Ei ohjausta
• Ei kuormanhallintaa

Tämä oli yleinen tilanne ennen 2021 kriisiä.

Taso 1 – Hintatietoinen

• Pörssisähkö
• Halvimmat tunnit manuaalisesti
• Ajastin tai yksinkertainen ohjaus

Tämä vastaa OSA 2:n alkuvaihetta.

Taso 2 – Rajoitteet huomioiva

• Sulakevahti
• Minimilämpötilat
• Useampi lämmitysjakso
• Perusautomaatio

Tämä on jo teknisesti kypsä taso useimmille kotitalouksille.

Taso 3 – Monimuuttujainen optimointi

• HDD huomioitu
• COP-ajattelu mukana
• Sääennuste
• PV-integraatio
• Automaattinen tuntivalinta

Tässä vaiheessa optimointi on jo järjestelmä.

Taso 4 – Järjestelmätason osallistuja

• Tehoreservi
• Aggregaattoriyhteys
• Akusto
• V2X
• Verkkoon päin vaikuttaminen

Tämä on seuraavan vaiheen keskustelu – OSA 7.

HEOMF ei ole lineaarinen säästömalli

Moni ajattelee, että mitä korkeampi taso, sitä suurempi säästö.

Todellisuudessa säästöfunktio muistuttaa kyllästyvää käyrää:

Alussa pienet toimet tuottavat paljon.
Myöhemmin lisätyö tuottaa vähemmän lisähyötyä.

Tämä on tärkeä viesti:

Kaikkien ei tarvitse tavoitella tasoa 4.

Kehikon toinen ulottuvuus: Riskinhallinta

HEOMF ei mittaa vain säästöä.

Se mittaa myös:

• Luotettavuutta
• Turvallisuutta
• Kompleksisuutta
• Huollettavuutta
• Ylläpidettävyyttä

Esimerkiksi:

Taso 3 voi olla teknisesti vaikuttava,
mutta jos järjestelmä vaatii jatkuvaa manuaalista puuttumista,
se ei ole kypsä.

Kypsyys tarkoittaa vakautta.

HEOMF ja insinöörimäinen ajattelu

Kehikko syntyi käytännössä tästä kysymyksestä:

Miten arvioisin toisen kotitalouden järjestelmän?

Ei riitä että kysyy:

• Onko pörssisähkö?
• Onko akku?

Pitää kysyä:

• Onko kokonaistehon hallinta?
• Onko fallback-tilat?
• Onko COP huomioitu?
• Onko turvallisuus priorisoitu?

HEOMF tuo näihin systematiikan.

HEOMF ei ole “Home Assistant -kehikko”

Tärkeä huomio:

Kehikko ei ole sidottu alustaan.

Se voi toteutua:

• HA:ssa
• kaupallisessa ohjausjärjestelmässä
• aggregaattoriratkaisussa
• lämpöpumpun omalla älyllä

Alusta ei määritä kypsyyttä.
Ohjauksen laatu määrittää.

HEOMF ja tuleva suunnitteluopas

Tässä kohtaa blogisarja alkaa yhdistyä laajempaan tavoitteeseen:

• Tekninen opas kotitalouksien optimointiin
• Arviointilomake
• Kypsyystasojen kuvaus
• Riskimatriisi
• Investointien priorisointimalli

HEOMF ei ole vain omaa taloa varten.

Se on siirrettävä malli.

Miksi tämä on tärkeää juuri nyt?

Suomi on erityisasemassa:

• Lämmitys sähköistyy
• Sähköautot yleistyvät
• Tuuli- ja aurinkotuotanto kasvavat
• Hintavaihtelu jää pysyväksi ilmiöksi

Kotitalous ei ole enää marginaali.

Se on hajautettu resurssi.

Ilman kehikkoa keskustelu jää hajanaiseksi.

HEOMF:n synty ei ollut suunniteltu

Se ei syntynyt teoriasta.

Se syntyi virheistä:

• Liian aggressiivisesta ajosta
• Sulakeongelmista
• COP-sokeudesta
• Mukavuusrajan ylityksistä

Kehikko on tiivistettyä kokemusta.

OSA 6 Yhteenveto

HEOMF on vastaus tähän kysymykseen:

Miten kotitalouksien energianhallintaa voidaan arvioida systemaattisesti?

Se ei ole tekninen yksityiskohta.
Se on ajattelumalli.

Seuraavassa osassa mennään seuraavaan loogiseen askeleeseen:

Jos kotitaloudet ovat kypsiä,
mitä ne voivat tehdä sähköjärjestelmän hyväksi?

Kun euro, fysiikka ja arki kohtaavat

OSA 1–4 käsittelivät motivaatiota, kokeiluja, dataa ja arkkitehtuuria.

OSA 5 on se vaihe, jossa optimointi muuttuu aikuiseksi.

Tässä kohtaa kysymys ei enää ole:

“Kuinka paljon voin säästää?”

Vaan:

“Kuinka paljon kannattaa säästää – ja millä ehdoilla?”

Säästö vs. mukavuus – väärä vastakkainasettelu?

Optimointikeskustelu menee usein ääripäihin:

• Joko säästät maksimaalisesti
• Tai elät mukavuudessa ilman optimointia

Todellisuudessa kyse on säätötehtävästä.

Sisälämpötila ei ole on/off-arvo. Se on vaihteluväli.

Jos referenssitilanteessa vuorokausivaihtelu oli 1,0–1,3 °C
ja optimoinnissa se kasvoi 0,2–0,7 °C,
kysymys kuuluu:

Huomaako asukas tämän?

Usein ei.

Mutta jos vaihtelu kasvaa yli 2 °C,
mukavuus alkaa heiketä.

Tässä kohtaa optimointi kohtaa fysiikan.

Rakenteiden lämpökapasiteetti – energian varastointia betonissa

Lattialämmityksen etu on lämpökapasiteetti.

Rakenteen varastointikyky voidaan yksinkertaistaa:

Missä:

• m = massa
• c = ominaislämpökapasiteetti
• ΔT = lämpötilan muutos

Betonilaatta voi varastoida merkittävän määrän energiaa pienellä lämpötilan muutoksella.

Mutta tässä on raja.

Jos nostat lattian lämpötilaa liikaa:

• COP heikkenee
• menovesi nousee
• kompressorin kuormitus kasvaa
• mukavuus heikkenee

Optimaalinen ΔT ei ole “maksimi”.
Se on kompromissi.

COP – optimoinnin näkymätön muuttuja

Lämpöpumpun hyötysuhde:

COP ei ole vakio.

Se riippuu:

• ulkolämpötilasta
• menoveden lämpötilasta
• kaivon lämpötilasta
• kompressorin kuormituksesta

OSA 2:ssa lähestyin optimointia hinnan kautta.

OSA 5:ssa ajattelu muuttuu:

Jos nostat menoveden 3 °C korkeammaksi saadaksesi “enemmän lämpöä varastoon”, COP voi laskea merkittävästi.

Silloin optimointifunktio ei ole enää:

Vaan todellisuudessa:

Halpa tunti + huono COP
voi olla kalliimpi kuin hieman kalliimpi tunti + parempi COP.

Tämä on optimoinnin kypsyysvaihe.

Legionella – turvallisuus ennen hintaa

Lämmin käyttövesi tuo optimointiin uuden muuttujan: hygienian.

Legionella-bakteerin torjunta perustuu riittävän korkeaan lämpötilaan.

Yksinkertaistettuna:

• alle 40 °C → riski kasvaa
• 50–55 °C → kasvu hidastuu
• 60 °C → bakteerit kuolevat

Legionellakuumennus on siis turvallisuusfunktio.

Se ei saa olla hinnan armoilla.

Optimoinnissa legionella-boost voidaan kuitenkin ajoittaa halvemmille tunneille, kunhan ehto täyttyy:

• Kuumennus tehdään riittävän usein
• Minimilämpötilaa ei aliteta

Tässä kohtaa ohjauksen pitää olla prioriteettipohjainen:

1. Turvallisuus
2. Mukavuus
3. Sähkötekniset rajoitteet
4. Vasta sitten hinta

Tämä on sama ajattelutapa kuin teollisuuden sekvenssiohjauksessa.

“Turvakorkeus” – analogia robotiikasta

Robotiikassa liikkeissä on turvakorkeus.

Ensin noustaan turvalliselle korkeudelle,
sitten siirrytään,
sitten lasketaan.

Energiaoptimoinnissa vastaava turvakorkeus on:

• Minimi sisälämpötila
• Minimi käyttöveden lämpötila
• Maksimi vaihekuorma
• Maksimi sallittu ΔT

Optimointi saa toimia vain tämän “turvakehyksen” sisällä.

Jos kehys rikkoutuu → optimointi keskeytyy.

Tämä ajattelu estää ylilyönnit.

Todellinen vuosihyöty – kuinka paljon kannattaa optimoida?

Teoreettinen säästö maalämpöpumpun osalta:

• noin 200–250 €/vuosi

Käytännössä:

• 100–135 €/vuosi

Jos aggressiivinen optimointi:

• nostaa sisälämpötilan vaihtelua
• lisää järjestelmän kompleksisuutta
• lisää vikatilanteiden riskiä

Onko se sen arvoista?

Tässä kohtaa optimointi muuttuu insinööripäätökseksi.

Säästö ei ole ainoa metriikka.

Kysymys: mikä on “liikaa”?

Liiallinen optimointi voi tarkoittaa:

• liian lyhyitä, kovia ajosykljä
• COP:n tarpeetonta heikkenemistä
• käyttöveden rajatilanteita
• jatkuvaa manuaalista säätämistä
• järjestelmän haavoittuvuutta

Yksi hyvä mittari on:

Jos järjestelmä vaatii päivittäistä ihmisen puuttumista,
se ei ole vielä valmis.

Keväällä 2025 tehty uusi konfiguraatio vähensi tätä merkittävästi.

Psykologinen tekijä – hallinnan tunne

Yksi optimoinnin aliarvostetuimmista hyödyistä on hallinnan tunne.

Energiakriisin aikana:

• hinta vaihteli rajusti
• sähköpula oli mahdollinen
• uutisointi oli epävarmaa

Optimointi toi:

• ymmärrystä
• näkyvyyttä
• vaikutusmahdollisuuden

Tämä ei näy Excelissä.

Mutta se on todellinen arvo.

Mikä on optimaalinen taso kotitaloudelle?

OSA 5:n perusteella voidaan hahmottaa kolme tasoa:

Taso 1 – Hintareaktiivinen

• Halvimmat tunnit
• Yksinkertainen ajastus

Taso 2 – Rajoitteet huomioiva

• Sulakevahti
• Minimilämpötilat
• Monijaksoinen ajo

Taso 3 – Fysiikan huomioiva

• COP-optimointi
• HDD-pohjainen säätö
• Ennusteiden hyödyntäminen
• PV-integraatio

Suurimmalle osalle kotitalouksista Taso 2 on jo erittäin hyvä.

Taso 3 on teknisesti kiehtova, mutta ei aina taloudellisesti välttämätön.

Mitä itse muutin tämän jälkeen?

OSA 5:n jälkeen oma ajattelu muuttui:

• En enää ajanut pumppua “maksimi-boostilla”
• Käytin useampia jaksoja
• Pidin COP:n paremmalla tasolla
• En jahdannut jokaista senttiä

Optimointi muuttui tasapainoksi.

OSA 5 Yhteenveto

Optimointi ei ole kilpailu siitä, kuka ajaa eniten halvoilla tunneilla.

Se on:

• fysiikan
• talouden
• mukavuuden
• turvallisuuden
• ja järjestelmäluotettavuuden

tasapainottamista.

Euro on tärkeä,
mutta se ei ole ainoa muuttuja.

Kun optimoinnista tuli järjestelmä

OSA 1:ssa syntyi motivaatio, OSA 2:ssa tehtiin ensimmäiset kokeilut ja OSA 3:ssa data pakotti ajattelemaan laajemmin.

OSA 4 on se kohta, jossa optimointi muuttuu “kikkailusta” järjestelmäksi.

Kun ohjaus alkoi olla päivittäistä manuaalityötä ja mukaan tuli yhä enemmän reunaehtoja (mukavuus, sulakkeet, COP, käyttövesi), kävi selväksi, että pelkkä ajastus tai yksittäinen pilvipalvelu ei riitä. Tarvittiin oma “kotitalouden energian käyttöjärjestelmä”.

Tässä kohtaa Home Assistant (HA) nousi keskiöön.

Miksi Home Assistant?

Kotitalouden energiankäytön ohjaus on käytännössä säätöjärjestelmä, jossa on:

• useita mittauksia (hinta, teho, lämpötilat, ennusteet)
• useita toimilaitteita (lämpöpumppu, EV-lataus, releet, varaajat)
• ristiriitaisia tavoitteita (halpa hinta vs COP vs mukavuus vs sulakkeet)
• sekä poikkeustilanteita (pakkasjakso, sähkökatko, datakatko, laitevika)

Tällaisessa kokonaisuudessa HA:n vahvuus on:

• paikallinen logiikka (ei riippuvuutta pilvestä)
• laaja integraatiotuki (Nordpool, Shelly, Modbus, P1/HAN, API:t)
• mahdollisuus rakentaa “PLC-tyylinen” ohjausrakenne (tilakoneet, prioriteetit, hystereesit)
• läpinäkyvyys: näet mitä järjestelmä tekee ja miksi

Samaan aikaan pitää myöntää yksi asia suoraan:

Home Assistant on aluksi hankalampi kuin valmiit “optimointipalvelut”.
Mutta se on ainoa tapa rakentaa ohjaus, joka huomioi kaikki sinun reunaehtosi.

Perusperiaate: Ohjauskerrokset (Layering)

Tärkein arkkitehtuurinen päätös oli jakaa logiikka kerroksiin.

Ajattelen tätä kuin teollisuusautomaatiota: ensin turvallisuus, sitten rajoitteet, vasta sitten optimointi.

Kerros 0: Turva ja perustoiminta

• Mitä tapahtuu, jos HA kaatuu?
• Mitä tapahtuu, jos wifi pätkii?
• Mitä tapahtuu, jos mittausdata puuttuu?

Perusajatus: talon pitää pysyä lämpimänä ja turvallisena, vaikka optimointi loppuisi.

Kerros 1: Rajoitteet (Constraints)

• Pääsulake ja vaihekuorma
• Käyttöveden minimilämpö
• Sisälämpötilan alaraja
• Lämpöpumpun suojaehdot
• Järjestelmän “ei ikinä” -säännöt

Kerros 2: Optimointi (Price / PV / Forecast)

• Halvimmat tunnit
• PV-tuotannon hyödyntäminen
• Sääennuste
• Käyttöjaksojen määrän valinta
• Dynaaminen priorisointi

Tämä arkkitehtuuri oli koko järjestelmän käännekohta.
Ilman kerrosjakoa logiikka muuttuu nopeasti sekavaksi “jos tämä niin tuo” -rakenteeksi.

Kerrosmalli mahdollistaa:

• laajennettavuuden
• vikatilanteiden hallinnan
• optimoinnin kehittämisen ilman, että turvallisuus vaarantuu

Uusi konfiguraatio keväällä 2025

Keväällä 2025 tein tietoisesti päätöksen: mittausjakso oli ohi, nyt voi kehittää.

Suurin muutos oli siirtyminen yhden pitkän ajon mallista monijaksoiseen ohjaukseen, jossa lämmitys jaetaan vuorokauden sisällä useampaan osaan.

Tämä oli iso askel kohti “COP-ystävällistä” ja mukavuusrajoissa pysyvää optimointia.

Monijaksomalli (esimerkki-ajattelu)

• Kesä: käyttövesi 2 × 1 h / päivä
• Kevät/syksy: 3 jaksoa / päivä
• Talvi: 4 jaksoa / päivä

Tämä sopi erityisen hyvin osittain varaavaan vesikiertoiseen lattialämmitykseen.

Samalla se vähensi kahta ongelmaa:

1. Lämpötilan heilahtelu pieneni
2. “Kaksi vuorokautta lähes ilman lämmitystä” -tilanne käytännössä poistui

Sulakevahti: optimoinnin pakollinen perusta

Kun sähköauto, maalämpö ja sauna osuvat samoihin halpoihin tunteihin, optimointi voi nostaa huipputehoa.

Tämä on optimoinnin paradoksi:

• lasku voi pienentyä
• mutta liittymätehon tarve voi kasvaa

Koska olin 3×25 A liittymällä, sulakevahdista tuli käytännössä pakollinen.

Sulakevahdin peruslogiikka

• Jos mikä tahansa vaihe ylittää 25 A → EV-lataus pois
• Palautus vasta, kun virta on selvästi alle rajan (hystereesi), ettei tule sahausta

Tämä yksi logiikka teki optimoinnista mahdollisen ilman jatkuvaa varomista.

Tärkeä huomio:

Sulakevahdin ei pidä “optimoida”. Sen pitää suojata.

Sulakevahti kuuluu aina kerrokseen 1 (rajoitteet), ei kerrokseen 2 (optimointi).

Vaihekuorman tasaus (vinokuorma)

Sulakevahdin jälkeen seuraava askel oli rehellinen sähkötekniikka.

Monessa talossa kuormat eivät ole tasapainossa:

• yksi vaihe on jatkuvasti raskaampi
• muilla on varaa

Tämä aiheuttaa sen, että “sulakeongelma” ei ole kokonaistehon ongelma vaan yhden vaiheen ongelma.

Ratkaisuvaihtoehdot ovat käytännössä:

1. Kuormien uudelleen kytkentä vaiheille (sähkötyö)
2. Ohjauksen ajoitus niin, ettei sama vaihe kuormitu samaan aikaan
3. Pitkällä tähtäimellä: laitteet jotka tukevat vaiheohjausta tai dynaamista vaiheiden käyttöä

Tässä kohtaa optimointi ei ole enää pelkkää ohjelmointia. Se on osa sähkösuunnittelua.

Lämpöpumpun ohjaus: EVU, Boost ja “COP-ajattelu”

Thermia Calibra 12:n ohjaus meni käytännössä näin:

• EVU/estot toimivat “kytkimenä”: saako pumppu käydä vai ei
• Boost nostaa tavoitetasoa, mutta voi heikentää COP:ia
• menoveden lämpötilan nostaminen nostaa kompressorin työmäärää

OSA 2:ssa lähdin mallilla:

“lyhyt, kova ajo halvalla hinnalla”

OSA 4:ssa mallista tuli:

“riittävästi ajoa sopivissa jaksoissa, niin että COP pysyy järkevänä ja mukavuus säilyy”

Tämä on myös se kohta, jossa sääennuste ja ulkolämpötila alkoivat aidosti vaikuttaa ohjaukseen.

Ohjauksen “tilakone”: kesä / välikausi / talvi

Yksi käytännöllisimmistä arkkitehtuuriratkaisuista on tehdä tilat:

• Kesätila: pääpaino käyttövedessä
• Välikausi: 2–3 lämmitysjaksoa
• Talvitila: 4 jaksoa, sulake- ja COP-rajoitteet korostuvat

Tila voi perustua esimerkiksi:

• ulkolämpötilan liukuvaan keskiarvoon
• tai lämmitystarvelukuun (HDD)
• tai yksinkertaisesti kalenteriin + lämpötilaan

Tässä on tärkeä periaate:

Järjestelmä ei saa vaihtaa tilaa liian herkästi.
Käytä hystereesiä ja viivettä.

Muuten järjestelmä “sekoilee” kelien vaihdellessa.

Hintadata: Nordpool on vain yksi signaali

Kun ohjaus muuttui järjestelmäksi, hinnasta tuli yksi signaali muiden joukossa.

Hintaa ei voi käyttää “yksinvaltiaana”, koska:

• COP vaihtelee
• sulakkeet rajoittavat
• mukavuus rajoittaa
• käyttövesi rajoittaa
• PV-tuotanto muuttaa logiikkaa

Siksi käytännössä tein ohjauksen niin, että:

• Hinta valitsee “hyvät ikkunat”
• Rajoitteet päättävät, mitä niissä ikkunoissa saa tehdä

Tämä erottaa kestävän ohjauksen “pörssisähkökikkailusta”.

Aurinkosähkö muuttaa kaiken

Kun aurinkosähkö tuli mukaan keväällä 2025, optimointi ei enää ollut pelkkää kulutuksen siirtoa halvemmalle hinnalle.

Siitä tuli myös:

• oman tuotannon hyödyntämistä
• myynnin vs itse käytön tasapainoa
• ja käytännössä “päiväaikaan siirtyvää” optimointia

Tämä näkyi erityisesti kesällä:

• hinnat voivat olla nollassa
• PV tuottaa paljon
• ja silti suuri osa tuotannosta menee myyntiin

Kun järjestelmä osaa hyödyntää PV:tä, se voi:

• lämmittää käyttöveden tuotannon aikaan
• nostaa lattialämmön lämpöä varovasti (jos hyötyä)
• ajoittaa EV-latausta keskelle päivää

Tässä kohtaa ohjaus alkaa näyttää jo “kotien energiahubilta”.

Luotettavuus ja “mitä jos data puuttuu?”

Tämä on osa, jonka moni harrastaja ohittaa — mutta se on ammattilaisjuttu.

Kysymykset jotka pitää ratkaista:

• Mitä jos Nordpool-hinta ei päivity?
• Mitä jos ulkolämpötila-anturi antaa virhettä?
• Mitä jos Shelly ei vastaa?
• Mitä jos HA boottaa kesken ohjauksen?

Periaate:

• Kaikki tärkeät ohjaukset tarvitsevat “fallbackin”.

Käytännössä se tarkoittaa:

• jos hinta puuttuu → käytä viimeistä tunnettua hintaa tai siirry “perusjaksoon”
• jos lämpötila puuttuu → käytä varovaisempaa lämmitysjaksotusta
• jos mittaus puuttuu → estä aggressiiviset toiminnot (EV-lataus, boost)
• jos HA on alhaalla → laitteet palaavat oletustilaan (lämmitys päälle, optimointi pois)

Tämä on iso osa sitä, miksi oma ohjaus kannattaa tehdä kunnolla.

Miksi tästä syntyy kehikko (HEOMF)

Kun rakennat ohjauksen näin, huomaat nopeasti, että kaikki eivät ole samalla “tasolla”.

Joku on tasolla:

• “katson hinnat ja laitan ajastuksen”

Toinen on tasolla:

• “minulla on sulakevahti ja dynaaminen lämmitys”

Kolmas on tasolla:

• “minulla on ennusteet, PV-integraatio ja monimuuttujainen optimointi”

Tässä vaiheessa alkoi käytännössä syntyä ajatus kypsyysmallista:

• ei yhtä oikeaa tapaa
• vaan tasoja ja valmiuksia

Ja juuri tähän blogisarja myöhemmin linkittyy.

OSA 4 Yhteenveto

OSA 4:n ydinsanoma on tämä:

Kun kotitalous alkaa optimoida sähköä, se muuttuu järjestelmäksi.
Ja järjestelmää ei voi ohjata yhdellä säännöllä.

Home Assistant ei ollut vain “älykoti-alusta”.
Siitä tuli energianhallinnan alusta.

Kun ohjaus rakennetaan kerroksittain:

• turva
• rajoitteet
• optimointi

… siitä tulee hallittava, laajennettava ja luotettava.

Data ei valehtele – mitä sähkön hinnat 2020–2025 oikeasti kertovat

Ensimmäinen talvi opetti, että optimointi toimii – mutta rajallisesti.

Seuraava looginen kysymys oli:

Kuinka suuri potentiaali tässä oikeasti on?

On helppo nähdä yksittäinen kallis päivä ja ajatella, että optimointi pelastaa kaiken.
On myös helppo nähdä kesäpäivä nollahinnalla ja kuvitella, että sähkö on pian ilmaista.

Totuus löytyy vain datasta.

Aineisto – 50 000 tuntia hintaa

Analyysi tehtiin Suomen hinta-alueen (FI) day-ahead-hinnoista ajalta 1.1.2020–30.9.2025.
• Yli 50 000 tuntihavaintoa
• Hinnat normalisoitu Suomen aikaan
• ALV huomioitu
• Analyysi Pythonilla
• Visualisointi Excelillä

Tavoitteena ei ollut vain keskihinta.

Tavoitteena oli ymmärtää:
• Vuorokausivaihtelu
• Kuukausivaihtelu
• Nolla- ja negatiivisten tuntien dynamiikka
• Halvimman tunnin sijainti
• Kuuden halvimman tunnin sijainti

Vuosikeskiarvot eivät kerro optimointipotentiaalia

Vuonna 2020 keskihinta oli noin 3,5 snt/kWh.
Vuonna 2022 se moninkertaistui.
Vuonna 2023–2025 keskihinta tasaantui, mutta vaihtelu kasvoi.

Optimoinnin kannalta keskihinta ei ole olennaisin muuttuja.

Olennaista on vuorokauden sisäinen hajonta.

Vuorokauden sisäinen hintaero

Optimointipotentiaali voidaan esittää yksinkertaistetusti:

Missä ΔP on vuorokauden kalleimman ja halvimman tunnin erotus.

Analyysin perusteella:

• 2020: pieni ΔP
• 2022: erittäin suuri ΔP
• 2023–2025: ΔP pysyvästi korkeampi kuin ennen kriisiä

Mutta tämä ei vielä kerro realistista säästöä.

Kukaan ei siirrä koko kulutustaan yhdeltä tunnilta toiselle.

Realistisempi mittari: halvimmat 6 tuntia vs. vuorokauden keskiarvo

Käytännössä lämmitystä ei voi keskittää yhteen tuntiin.
Tarvitaan useampi jakso.

Siksi analysoin:

• Vuorokauden keskihinnan
• Kuuden halvimman tunnin keskihinnan

Säästöpotentiaali:

Vuosina 2023–2025 tämä erotus oli keskimäärin noin 3,2–3,3 snt/kWh.

Tämä on realistisempi optimointimarginaali.

Jos maalämpöpumppu kuluttaa esimerkiksi 7000 kWh vuodessa:

7000 kWh × 0,033 €/kWh ≈ 231 €

Tämä on teoreettinen yläraja.

Käytännössä osa energiasta osuu jo valmiiksi halvoille tunneille.
COP ei ole vakio.
Kaikki tunnit eivät ole siirrettävissä.

Siksi oma tulos (100–135 €) asettuu realistiselle tasolle.

Nolla- ja negatiiviset tunnit – uusi normaali

Ennen vuotta 2022 nollahintaisia tunteja oli satunnaisesti.

Vuonna 2022: kymmeniä
Vuonna 2023: satoja
Vuonna 2024: lähes tuhat

Tämä muuttaa koko optimointilogiikan.

Enää ei kysytä:

Milloin sähkö on halvinta?

Vaan:

Milloin sähkö on ilmaista tai jopa negatiivista?

Mutta tässä on tärkeä havainto:

Negatiiviset hinnat eivät yleensä esiinny kovilla pakkasilla.

Ne keskittyvät:

• Kevääseen
• Kesään
• Tuulisiin syyspäiviin

Juuri silloin, kun lämmitystarve on pieni.

Tästä syntyy paradoksi:

Suurin hintavaihtelu ei aina osu suurimpaan kulutukseen.

Halvin tunti ei enää ole aina yöllä

Vuosina 2020–2022 halvin tunti oli lähes aina:

03:00–05:00

Vuonna 2024–2025 tapahtui muutos.

Halvimmat tunnit alkoivat siirtyä keskipäivään.

Syynä:

• Aurinkotuotannon kasvu
• Tuulivoiman lisääntyminen
• Flow-based markkinakytkentä

Tämä muuttaa perinteisen “yösähkö”-ajattelun.

Optimointi ei voi enää perustua kiinteään yöjaksoon.

Sen on oltava reagoiva järjestelmä.

HDD ja hintavaihtelu – tärkeä yhdistelmä

Lämmitystarve ei ole vakio.

HDD-luku antaa karkean kuvan:

Kylminä päivinä HDD on suuri → kulutus suuri.
Lämpiminä päivinä HDD pieni → kulutus pieni.

Kysymys kuuluu:

Osuuko suurin ΔP samaan aikaan suurimman HDD:n kanssa?

Talvella 2022–2023:

• Korkeat hinnat
• Suuri HDD
• Mutta ΔP ei aina ollut maksimaalinen

Kesällä 2024:

• Suuri ΔP
• Pieni HDD
• Vähäinen lämmityspotentiaali

Tästä seuraa tärkeä johtopäätös:

Optimointipotentiaali ei riipu vain hinnasta, vaan hinnan ja lämmitystarpeen yhteisvaikutuksesta.

COP ja hinnan yhteispeli

Yksi kiinnostavimmista havainnoista syntyi, kun hintaa tarkasteltiin yhdessä lämpöpumpun hyötysuhteen kanssa.

COP heikkenee, kun:

• Menoveden lämpötila nousee
• Ulkolämpötila laskee

Jos kovalla pakkasella siirrät kaiken lämmityksen lyhyeen boost-jaksoon, tapahtuu:

• Hinta voi olla halpa
• Mutta COP laskee
• Sähkönkulutus per tuotettu lämpöyksikkö kasvaa

Yksinkertaistettuna optimointifunktio ei ole vain:

Vaan todellisuudessa:

Missä Q on tarvittava lämpöenergia.

Tämä oivallus muutti ajattelua merkittävästi.

Halpa hinta ei vielä tee halvinta lämpöä.

Kuinka suuri potentiaali kotitalouksilla oikeasti on?

Jos tarkastellaan koko Suomen tasoa:

• Kotitalouksien kulutus ~30 % kokonaiskulutuksesta
• Merkittävä osa lämmityksessä
• Sähköautojen määrä kasvaa
• Lämpöpumppujen määrä kasvaa

Yksittäisen kotitalouden säästö voi olla 100–300 € vuodessa.

Järjestelmätasolla tämä on:

• Kulutushuipun tasaamista
• Reservitarpeen pienentämistä
• Uusiutuvan tuotannon integroinnin helpottamista

Kotitalous ei ole enää passiivinen kuorma.
Se on potentiaalinen joustoresurssi.

Mitä data opetti minulle?

Kolme tärkeintä havaintoa:

1. Vuorokauden halvin tunti ei ole vakio
2. Hintavaihtelu ei yksin riitä – HDD ja COP ratkaisevat
3. Teoreettinen yläraja on aina suurempi kuin käytännön säästö

Optimointi ei ole yksinkertainen “6 halvinta tuntia” -algoritmi.

Se on monimuuttujainen säätötehtävä.

Mikä muuttui OSA 2 → OSA 3 välillä?

OSA 2:ssa optimointi oli reaktiivista.
OSA 3:ssa siitä tuli analyyttistä.

Data pakotti luopumaan yksinkertaisista malleista.

Hintasignaali on tärkeä.
Mutta fysiikka määrää rajat.

Seuraavassa osassa

OSA 4:ssa siirrytään järjestelmäarkkitehtuuriin:

• Home Assistant -logiikan rakenne
• Sulakevahti
• COP-ystävällinen ajo
• Monijaksoinen lämmitys
• Aurinkotuotannon integrointi
• Ja lopulta: kohti kokonaisoptimoitua energiajärjestelmää

Ensimmäinen talvi – kun teoria kohtasi todellisuuden

Jos ensimmäinen osa oli päätös reagoida, toinen osa oli päätös testata.

Syksyllä 2022 kiinteähintainen sopimus oli päättymässä. Pörssisähkö ei ollut enää teoreettinen vaihtoehto – se oli todellisuus. Talvi 2022–2023 lähestyi, ja markkina oli epävakaa.

Ajatus oli yksinkertainen:
siirretään lämmitys halvimmille tunneille ja katsotaan, mitä tapahtuu.

Siitä alkoi ensimmäinen oikea koe.

Ensimmäinen hypoteesi

Alkuperäinen oletus oli yksinkertainen:

Jos maalämpöpumppu käy vain vuorokauden halvimpina tunteina, sähkölasku pienenee ilman merkittävää vaikutusta asumismukavuuteen.

Logiikka perustui tuntihintaeroihin. Vuorokauden halvimpien tuntien ja keskihinnan ero oli usein 3–4 snt/kWh, joskus enemmän.

Taloudellinen perusajattelu oli:

Missä siirretty energia E kerrotaan hinnan erotuksella.

Teoriassa tämä näytti hyvältä. Käytännössä muuttujia oli enemmän kuin aluksi ymmärsin.

EVU – ensimmäinen ohjaus

Thermia Calibra 12 mahdollistaa ulkoisen ohjauksen EVU-toiminnon kautta. Käytännössä pumpulle voidaan kertoa:

• nyt saa käydä
• nyt ei saa käydä

Alkuvaiheessa toteutus oli yksinkertainen. Kellokytkin, myöhemmin Shelly Pro 2.
Joka päivä tarkistin seuraavan päivän hinnat, valitsin 4–8 halvinta tuntia ja ohjelmoin ohjauksen käsin.

Tämä ei ollut automaatio.
Tämä oli rutiini.

Ja sitä jatkui pitkään, koska halusin ymmärtää ilmiön ennen kuin rakennan pysyvän logiikan.

Tunnit eivät olleet vakio

Tunnit vaihtelivat ulkolämpötilan mukaan.

Tässä vaiheessa mukaan tuli lämmitystarveluku (HDD):

Missä:

• T_b = peruslämpötila (17 °C)
• T_t = vuorokauden keskilämpötila

Käytännössä:

• Leudolla säällä riitti 3–4 tuntia
• Pakkasella 6–8 tuntia
• Kovilla pakkasilla jopa enemmän

Tämä ei vielä ollut automaattista. Se oli käsityötä.

Mutta tässä vaiheessa optimointi alkoi muuttua dynaamiseksi.

Ensimmäinen sokeus: COP

Alkuvaiheessa olin “sokea” yhdelle asialle: lämpöpumpun hyötysuhteelle.

Lämpöpumpun suorituskyky kuvataan COP:lla:

Missä:

• Q_lämpö = tuotettu lämpöenergia
• W_sähkö = käytetty sähköenergia

Mitä korkeampi menoveden lämpötila, sitä matalampi COP.

Ja mitä kylmempi ulkoilma, sitä matalampi COP.

Alkuvaiheen strategia oli:

Ajetaan pumppu täydellä teholla mahdollisimman lyhyessä jaksossa.

Tämä tarkoitti:

• Boost-tila päällä
• Menovesi normaalia korkeampi
• Kompressori lähes jatkuvasti 100 % teholla valitun jakson ajan

Taloudellinen optimointi keskittyi hintaan, ei hyötysuhteeseen.

Jälkikäteen tarkasteltuna tämä oli liian yksinkertaistettu malli.

Ylimitoitus pelasti kokeilun

Onneksi maalämpöpumppu oli hieman ylimitoitettu.

Monissa kohteissa:

• Kaivot ovat alimitoitettuja
• Pakkasilla joudutaan sähkövastuksille
• Tehoreserviä ei ole

Tässä kohteessa pumppu kykeni tuottamaan riittävästi lämpöä lyhyessä ajassa. Tämä mahdollisti jopa liian aggressiivisen optimoinnin ilman, että vastukset aktivoituivat.

Jos pumppu olisi ollut rajalla mitoitettu, kokeilu olisi voinut päättyä nopeasti.

Tämä on tärkeä havainto:

Kaikki kiinteistöt eivät sovellu aggressiiviseen hintaperusteiseen optimointiin.

Talvi 2022–2023 – kriittinen testi

Kun kiinteähintainen sopimus päättyi, alkoi todellinen altistuminen markkinalle.

Talvi 2022–2023 oli:

• Kallis
• Volatiili
• Epävarma

Tuntien manuaalinen valinta oli päivittäinen rutiini.

Ja tässä vaiheessa alkoi näkyä optimoinnin rajat.

Lämpötilan käyttäytyminen

Referenssijaksolla vuorokauden sisäinen lämpötilavaihtelu oli:

• noin 1–1,3 °C

Optimoinnin aikana:

• kasvua 0,2–0,7 °C
• makuuhuoneissa jopa yli 2 °C

Lattialämmitys reagoi hitaasti. Radiaattorit nopeammin.

Yksi mielenkiintoinen havainto:

Kun halvimmat tunnit sattuivat vuorokauden alkuun ja seuraavana päivänä vuorokauden loppuun, syntyi lähes kahden vuorokauden mittainen lämmityskatkos.

Sisälämpötila alkoi pudota.

Käyttöveden lämpötila saattoi laskea alle 40 °C.

Tämä oli ensimmäinen hetki, jolloin ymmärsin:

Halvin tunti ei ole aina järjestelmän kannalta optimaalisin tunti.

Pääsulakkeet ja tehorajat

Sähköauto, sauna ja maalämpö samanaikaisesti → 3×25 A ei riittänyt.

Yksittäisen vaiheen kuormitus ylitti rajan.

Tässä vaiheessa optimointi siirtyi uudelle tasolle:

• Ei enää pelkkä hintaoptimointi
• Mukaan kokonaistehon hallinta

Myöhemmin tämä johti Home Assistant -pohjaiseen sulakevahtiin:

Jos minkä tahansa vaiheen virta > 25 A → auton lataus pois.

Yksinkertainen sääntö, mutta välttämätön.

Onoffer.io – ensimmäinen automaatio

Kun manuaalinen työ kävi raskaaksi, otettiin käyttöön Onoffer.io.

Se mahdollisti:

• “6 halvinta tuntia”
• Hintarajan asettamisen
• Releen etäohjauksen

Se toimi teknisesti luotettavasti.

Mutta sillä oli rajoitus:

Se ei ymmärtänyt kiinteistön lämmitystarvetta.

Tuntimäärä piti edelleen säätää käsin.

Ensimmäinen data-analyysi

Mittausjakson aikana:

• Maalämpöpumpun kulutus mitattiin tuntitasolla (Shelly EM3)
• Hinta haettiin pörssistä
• Laskennallinen vertailu tehtiin “tasainen käyttö” -skenaarioon

Tuloksena:

• 100–135 € vuotuinen säästö
• 28–30 % suhteellinen hyöty pumpun energiasta

On kuitenkin huomioitava:

• COP:n muutosta ei ollut aluksi huomioitu
• Boost-tila nosti menoveden lämpötilaa
• Mahdollinen hyötysuhteen heikkeneminen lisäsi sähkönkulutusta

Taloudellinen optimointi ei ollut vielä kokonaisoptimointia.

Ensimmäinen johtopäätös

Talvi 2022–2023 opetti kolme asiaa:

1. Hintaperusteinen optimointi toimii – mutta rajallisesti
2. Järjestelmä tarvitsee kokonaistehon hallinnan
3. Lämpöpumpun COP on osa yhtälöä

Aggressiivinen optimointi on mahdollista, jos:

• Pumppu on ylimitoitettu
• Vastukset eivät aktivoidu
• Rakenteissa on lämpökapasiteettia

Mutta se ei ole universaali ratkaisu.

Mikä muuttui ajattelussa?

Alkuvaiheen malli oli:

Etsi halvimmat tunnit → aja täysillä → säästä.

Talven jälkeen malli alkoi muuttua:

Ymmärrä rakennuksen lämpökapasiteetti
Ymmärrä COP:n käyttäytyminen
Hallitse kokonaistehoa
Optimoi usean muuttujan perusteella

Hintaa ei voinut irrottaa fysiikasta.

Siirtymä kohti järjestelmäajattelua

Keväällä 2025 mittausjakso päättyi.

Sen jälkeen rakennettiin uusi, kehittyneempi Home Assistant -konfiguraatio:

• Ulkolämpötilan perusteella 1–4 lämmitysjaksoa
• COP-ystävällisempi ajo
• Sulakevahti integroitu
• Aurinkotuotanto huomioitu
• Sähköauto mukana kokonaisuudessa

Mutta se kuuluu OSA 3:een.

Kun sähkö ei ollutkaan enää itsestäänselvyys – kotitalouden energiakokeilun alku

Syksyllä 2021 sähkö ei ollut enää vain laskurivillä näkyvä kuluerä. Se alkoi muuttua riskiksi. Tässä kirjoituksessa kerron, miten Turun Satavassa alkoi kotitalouden energiakokeilu, joka johti lopulta järjestelmälliseen sähkön optimointiin, Home Assistant -ohjaukseen ja opinnäytetyöhön.

Hetki, jolloin kaikki muuttui

Hintojen nousu ei tullut yhdessä yössä, mutta merkit olivat ilmassa. Pohjoismainen sähkömarkkina reagoi globaaleihin energiamarkkinoihin, kaasun hintaan, siirtoyhteyksiin ja geopoliittiseen epävarmuuteen. Sähkö ei ollut enää tasaisesti 3–5 senttiä kilowattitunnilta – se alkoi elää.

Se oli hetki, jolloin päätin reagoida.

En siksi, että olisin nähnyt tarkasti mitä tulee tapahtumaan, vaan siksi että halusin ostaa aikaa. Otin kiinteähintaisen sähkösopimuksen noin viiden sentin tasolla. Se ei ollut paniikkiratkaisu, vaan strateginen hengähdystauko. Ajattelin: jos tilanne pahenee, minulla on rauha rakentaa ratkaisu.

En silloin vielä täysin ymmärtänyt, että kyse oli myös hallinnan tunteesta.

Talon lähtötilanne – 1952 rintamamiestalo Satavassa

Kokeilun näyttämö oli oma kotini Turun Satavassa. Vuonna 1952 rakennettu puurakenteinen rintamamiestalo, lämmitetty nettoala noin 191 m². Talossa oli tehty merkittävä remontti vuosina 2019–2021:

• Sähkökattila oli korvattu maalämpöpumpulla (Thermia Calibra 12)
• Kahdessa alimmassa kerroksessa vesikiertoinen lattialämmitys
• Yläkerran makuuhuoneissa vesikiertoiset radiaattorit
• Tukilämmityksenä ilmalämpöpumppu
• Ulkovaippaa oli lisäeristetty ja julkisivu uusittu

Energiatodistuksen mukaan rakennuksen energialuokka oli B ja E-luku 90. Taloni ei ollut energiasyöppö. Päinvastoin – se oli varsin kohtuullinen kuluttaja ottaen huomioon iän ja koon.

Vuonna 2020 talouteen oli tullut sähköauto, Nissan Leaf. Se lisäsi sähkönkulutusta, mutta samalla se avasi uuden näkökulman: liikenteen energia oli siirtynyt tankkauspumpulta sähkömittarin taakse.

Vuonna 2021 tein vielä yhden muutoksen: puulämmitteinen sauna vaihtui sähkölämmitteiseksi. Muutos ei ollut pelkästään mukavuusratkaisu. Se oli osa ajattelun muutosta. Jos lämmitysenergia on sähköä, sitä voidaan mitata, ohjata ja optimoida. Puun poltto ei taivu algoritmeihin.

Jälkikäteen ajateltuna tämä oli ensimmäinen askel kohti kokonaisvaltaista energiakontrollia.

Ajatus ei syntynyt 2021

Vaikka kriisi toimi katalyyttina, ajatus kotitalouksien energiankäytön optimoinnista ei ollut uusi.

Olen pohtinut aihetta jo vuodesta 2007. Silloin ajatus oli kunnianhimoinen: kehittää laitteita ja palveluja, joilla kotitaloudet voisivat osallistua kysyntäjoustoon. Sähkön hinta oli kuitenkin tasainen, IoT-laitteita ei ollut saatavilla kuluttajatasolla, rajapintoja ei ollut auki ja oma osaaminen sekä resurssit olivat rajalliset. Työskentelin ulkomailla matkapuhelinverkkojen rakennusprojekteissa. Energia-ajatus jäi hautumaan.

Vuonna 2021 maailma oli toinen.

• Pörssisähkö oli yleistynyt
• IoT-releet maksoivat kymmeniä euroja
• Avoimia rajapintoja oli saatavilla
• Dataa pystyi keräämään ja analysoimaan Pythonilla
• Ja ennen kaikkea: hinnalla oli merkitystä

Teknologia oli vihdoin valmis siihen, mitä olin miettinyt 15 vuotta aiemmin.

Raha vai ymmärrys?

Kun hinnat nousivat, motivaatio oli aluksi yksinkertainen: raha.

Mutta pian huomasin, että kyse oli muustakin.

Energiakriisi synnytti epävarmuuden. Sähköpula oli otsikoissa. Siirtoyhteyksiä katkaistiin. Hinta vaihteli tunneittain. Ensimmäistä kertaa tuntui, että kotitalous on osa suurempaa järjestelmää, ei pelkkä passiivinen kuluttaja.

Halusin ymmärtää järjestelmää.

Miten sähkömarkkina toimii?
Miten tuntihinta muodostuu?
Voiko kotitalous oikeasti vaikuttaa kuluihinsa?
Voiko se osallistua kantaverkon tasapainottamiseen?

Tässä vaiheessa alkoi syntyä ajatus: tämä on opinnäytetyön aihe.

29.9.2022 – ensimmäinen askel opinnäytetyöhön

Syyskuun 29. päivänä 2022 lähetin viestin mahdollisuudesta tehdä opinnäytetyö aiheesta:

“Kotitalouksien merkitys kysyntäjouston tuottajina”

Kirjoitin tuolloin, että olin miettinyt aihetta jo 15 vuotta aiemmin. Nyt sähkön hinnan nousu ja mahdollinen sähköpula tekivät siitä ajankohtaisen.

Halusin tutkia:

• Kotitalouksien tarvetta ja potentiaalia kysyntäjoustossa
• Sähköautojen käyttöä energiavarastoina
• Lämmityksen etäsäätöä hinnan, sääennusteen ja rakennuksen ominaisuuksien mukaan
• Taloudellista hyötyä kuluttajalle
• Osallistumista kantaverkon joustomarkkinoille

Suunnittelin valjastavani oman taloni ja autoni testikohteeksi.

Vastaus oli käytännöllinen: liian aikaista. Opinnot eivät olleet riittävän pitkällä.

Mutta päätös oli tehty.

Dataa alettiin kerätä opinnäytetyön mielessä.

Ensimmäinen tekninen kysymys

Ensimmäinen varsinainen tekninen kysymys oli yksinkertainen:

Voiko kotitalous siirtää lämmitystä halvoille tunneille ilman että asumismukavuus kärsii?

Maalämpöpumppu oli luonnollinen kohde.

Thermia Calibra 12:ssa oli EVU-ominaisuus (älykäs sähköverkkotulo), joka mahdollisti kompressorin eston tai boost-tilan ulkoisella ohjauksella. Tämä tarkoitti, että ulkoinen rele pystyi käytännössä ohjaamaan pumpun toimintaa.

Ensimmäinen kokeilu tehtiin hyppylangoilla. Seuraavaksi ohjelmoitavalla kellokytkimellä. Pian tilalle tuli Shelly Pro -rele.

Alkuvaiheessa ohjaus oli manuaalista:

• Katso seuraavan päivän hinnat
• Valitse 4–6 halvinta tuntia
• Ohjelmoi lämmitys niihin

Se oli kömpelöä, mutta opettavaista.

Miksi lattialämmitys oli avain?

Lattialämmityksessä on lämpökapasiteettia. Betonilaatta toimii energiavarastona.

Ajatus oli yksinkertainen:
ladataan lämpöä rakenteisiin silloin kun sähkö on halpaa.

Taloudellinen potentiaali voidaan yksinkertaistaa kaavalla:

Missä:

• S = säästö
• E = siirretty energia (kWh)
• P_kallis = kalliin tunnin hinta
• P_halpa = halvan tunnin hinta

Jos esimerkiksi 30 kWh lämmitysenergiaa siirretään tunnilta, jolla hintaero on 3 snt/kWh, päivittäinen säästö on 0,90 €. Vuositasolla puhutaan jo merkittävämmistä summista – ainakin teoriassa.

Käytännössä mukana on:

• Lämpöpumpun hyötysuhteen vaihtelu
• Ulkolämpötilan vaikutus
• Käyttöveden lämpötilarajat
• Asumismukavuus
• Sulakekoko

Teoria oli yksinkertainen. Toteutus ei.

Sähköauto – tulevaisuuden varasto, mutta ei vielä

Sähköauto toi toisen ulottuvuuden.

Vuonna 2020 talouteen tullut Nissan Leaf kulutti noin 2500–3000 kWh vuodessa. Latauksen siirtäminen yöaikaan oli helppoa. Sähköauto on luonteeltaan joustava kuorma.

Mutta V2X-laitteita ei ollut saatavilla Suomen markkinoilla. Auto ei voinut toimia energiavarastona verkkoon päin.

Siitä huolimatta latauksen ohjaus oli tärkeä osa kokonaisuutta. Se osoitti, että kotitaloudessa on useita joustoresursseja:

• Lämmitys
• Lämmin käyttövesi
• Sähköauto
• Sauna
• Myöhemmin aurinkosähkö

Kysymys ei ollut enää yksittäisestä laitteesta, vaan energiajärjestelmästä.

Ensimmäiset ongelmat

Kun lämmitys ja sähköauton lataus alkoivat ajoittua samoille tunneille, pääsulakkeet alkoivat palaa.

Talo oli 3×25 A liittymällä. Kun sauna, sähköauto ja maalämpö kävivät yhtä aikaa, yksittäinen vaihe saattoi ylittyä.

Tämä oli ensimmäinen konkreettinen oppi:

Optimointi ei ole pelkkää hinnan seuraamista.
Se on kokonaistehon hallintaa.

Myöhemmin tämä johti sulakevahdin rakentamiseen Home Assistantiin: jos minkä tahansa vaiheen virta ylittää 25 A, auton lataus katkaistaan.

Yksinkertainen logiikka, suuri vaikutus.

Asumismukavuus – raja jonka yli ei mennä

Kokeilujen aikana sisälämpötilan vaihtelu kasvoi.

Vuorokauden sisäinen lämpötilan ero kasvoi 0,2–0,7 °C verrattuna referenssijaksoon. Makuuhuoneissa ero saattoi kasvaa jopa yli kahteen asteeseen.

Yhdessä tilanteessa lämmitys ajoittui niin, että talo oli lähes kaksi vuorokautta ilman aktiivista lämmitystä. Käyttöveden lämpötila laski alle 40 °C.

Tämä oli tärkeä käännekohta.

Halvin tunti ei ole aina paras tunti.

Tässä vaiheessa optimointi siirtyi mekaanisesta ajastuksesta kohti järjestelmätason ajattelua.

Home Assistant – oma ohjausjärjestelmä

Seuraava askel oli siirtyminen täysin omaan ohjauslogiikkaan.

Raspberry Pi:lle asennettu Home Assistant mahdollisti:

• Automaattisen hinnan haun
• Lämmitysjaksojen määrän säätämisen ulkolämpötilan mukaan
• Sulakevahdin
• Sähköauton latauksen integroinnin
• Myöhemmin aurinkotuotannon huomioinnin

Lämmitykselle luotiin 1–4 käyttöjaksoa vuorokaudessa riippuen ulkolämpötilasta. Tämä tasoitti lämpötilavaihtelua ja esti käyttöveden alilämpenemisen.

Optimointi ei ollut enää pelkkä “halvimmat tunnit” -logiikka. Se alkoi muistuttaa säätöjärjestelmää.

Taloudellinen tulos

Mittausjakson perusteella maalämpöpumpun ajastuksesta saatu rahallinen hyöty oli noin 100–135 € vuodessa. Prosentuaalisesti noin 28–30 % verrattuna tilanteeseen, jossa pumppu olisi käynyt tasaisesti ilman hintaohjausta.

Summa ei ollut mullistava.

Mutta kyse ei ollut enää vain rahasta.

Hallinnan tunne

Jälkikäteen ajateltuna energiamurros ei ollut vain tekninen tai taloudellinen kysymys. Se oli psykologinen.

Kun markkina muuttui arvaamattomaksi, halusin ymmärtää ja hallita omaa osaani siitä.

Optimointi toi:

• Läpinäkyvyyttä kulutukseen
• Ymmärrystä järjestelmästä
• Kyvyn reagoida
• Teknistä oppimista
• Ja lopulta opinnäytetyön aiheen

Syksyllä 2025 opinnäytetyö alkoi virallisesti. Mutta todellisuudessa se oli alkanut kolme vuotta aiemmin.

Tämä ei ole vielä valmis järjestelmä

Tämä blogisarja ei kerro valmiista ratkaisusta.

Se kertoo kehityksestä:

• Kellokytkimestä omaan säätölogiikkaan
• Manuaalisesta ohjauksesta automaatioon
• Halvimman tunnin metsästyksestä kokonaistehon hallintaan
• Yksittäisestä talosta osaksi sähköjärjestelmää

Seuraavassa osassa syvennyn tarkemmin ensimmäisiin kokeiluihin: EVU-logiikkaan, Shelly-releisiin ja siihen, mitä data todella näytti.