Ensimmäinen talvi osoitti, että hintaperusteinen optimointi toimii, mutta vain tiettyyn rajaan asti. Seuraava kysymys oli paljon kiinnostavampi: kuinka suuri potentiaali tässä oikeasti on, kun tarkastellaan yksittäisten hintapiikkien sijaan usean vuoden dataa?
Yksittäinen kallis päivä voi helposti antaa kuvan valtavasta säästömahdollisuudesta. Samoin kesäinen nollahinta voi synnyttää vaikutelman, että sähkö on pian käytännössä ilmaista. Kummastakaan ei kuitenkaan voi päätellä paljon ilman pidempää aineistoa.
Aineisto – yli 50 000 tuntia hintadataa
Analyysi tehtiin Suomen hinta-alueen day-ahead-hinnoista ajalta 1.1.2020–30.9.2025. Aineistossa oli yli 50 000 tuntihavaintoa. Hinnat normalisoitiin Suomen aikaan, arvonlisävero huomioitiin, varsinainen analyysi tehtiin Pythonilla ja visualisointi Excelillä.
Tavoitteena ei ollut tarkastella vain vuosittaista keskihintaa, vaan erityisesti vuorokauden sisäistä vaihtelua, kuukausivaihtelua, nolla- ja negatiivisten tuntien kehitystä sekä sitä, mihin vuorokaudenaikaan halvin tunti ja kuusi halvinta tuntia sijoittuivat.
Vuosikeskiarvo ei kerro optimointipotentiaalia
Vuonna 2020 sähkön keskihinta oli noin 3,5 snt/kWh. Vuonna 2022 hintataso moninkertaistui, ja vuosina 2023–2025 keskihinta tasaantui uudelleen. Optimoinnin näkökulmasta vuosikeskiarvo ei kuitenkaan ole tärkein muuttuja. Ratkaisevampaa on se, kuinka paljon hinta vaihtelee saman vuorokauden sisällä.
Vuorokauden sisäinen hintaero
Yksi yksinkertainen tapa kuvata optimointipotentiaalia on tarkastella vuorokauden kalleimman ja halvimman tunnin välistä eroa:
Kaavassa ΔP on vuorokauden kalleimman ja halvimman tunnin erotus. Vuonna 2020 ero oli suhteellisen pieni, vuonna 2022 erittäin suuri ja vuosina 2023–2025 selvästi korkeampi kuin ennen energiakriisiä.
Tämä mittari kuitenkin liioittelee helposti käytännön säästömahdollisuutta. Kotitalous ei voi siirtää koko kulutustaan yhdeltä tunnilta toiselle, eikä esimerkiksi lämmitystä voi yleensä keskittää yhteen ainoaan tuntiin.
Realistisempi mittari: kuusi halvinta tuntia
Lämmityksen kaltaiselle kuormalle realistisempi vertailu on vuorokauden keskihinnan ja kuuden halvimman tunnin keskihinnan välinen ero. Se vastaa paremmin tilannetta, jossa kulutusta voidaan siirtää useamman tunnin jaksolle mutta ei rajattomasti.
Vuosina 2023–2025 tämä erotus oli keskimäärin noin 3,2–3,3 snt/kWh.
Jos maalämpöpumppu kuluttaa esimerkiksi 7000 kWh vuodessa ja koko kulutus voitaisiin siirtää tämän keskimääräisen marginaalin verran edullisemmaksi, teoreettinen säästö olisi:
7000 kWh × 0,033 €/kWh ≈ 231 € vuodessa. Tämä on kuitenkin teoreettinen yläraja. Osa kulutuksesta osuu jo ilman ohjausta halvoille tunneille, kaikkea kulutusta ei voi siirtää ja lämpöpumpun COP muuttuu käyttötilanteen mukaan. Näihin verrattuna omassa kohteessa mitattu noin 100–135 euron vuosihyöty asettuu varsin realistiselle tasolle.
Nolla- ja negatiiviset tunnit yleistyivät
Ennen vuotta 2022 nolla- ja negatiivisia tuntihintoja esiintyi vain satunnaisesti. Sen jälkeen niiden määrä kasvoi nopeasti: vuonna 2022 niitä oli jo kymmeniä, vuonna 2023 satoja ja vuonna 2024 lähes tuhat tuntia.
Tämä muuttaa optimoinnin luonnetta. Kyse ei ole enää vain siitä, milloin sähkö on vuorokauden halvinta, vaan myös siitä, milloin markkinahinta painuu nollaan tai negatiiviseksi. Samalla on kuitenkin huomattava, että nämä tunnit eivät yleensä osu kovimpiin pakkasiin, vaan painottuvat kevääseen, kesään ja tuulisiin syyspäiviin – juuri niihin ajankohtiin, jolloin rakennuksen lämmitystarve on usein pieni.
Suurin hintavaihtelu ei siis automaattisesti tarkoita suurinta säästöpotentiaalia, koska joustettavan kulutuksen määrä vaihtelee vuodenajan mukana.
Halvin tunti ei ole enää aina yöllä
Vuosina 2020–2022 vuorokauden halvin tunti sijoittui usein aamuyön tunneille, tyypillisesti noin klo 03–05. Vuosina 2024–2025 kuvio alkoi muuttua ja halvimpia tunteja siirtyi yhä useammin keskipäivään.
Tähän vaikuttavat muun muassa aurinkotuotannon ja tuulivoiman kasvu sekä sähkömarkkinan muutokset. Optimoinnin näkökulmasta tärkeä seuraus on selvä: ohjausta ei enää kannata rakentaa pysyvän “yösähköjakson” ympärille. Järjestelmän on pystyttävä reagoimaan päivän todelliseen hintarakenteeseen.
HDD ja hintavaihtelu yhdessä
Lämmityksen optimointia tarkasteltaessa pelkkä hintavaihtelu ei riitä, koska lämmitystarve muuttuu jatkuvasti. HDD-luku antaa karkean kuvan siitä, kuinka paljon ulkolämpötila kasvattaa rakennuksen lämmitystarvetta.
Kylminä päivinä HDD on suuri ja lämmitysenergiaa tarvitaan paljon. Lämpiminä päivinä HDD on pieni ja siirrettävää lämmityskuormaa on vähemmän.
Talvella 2022–2023 sekä hinnat että HDD olivat korkeita, mutta vuorokauden sisäinen hintaero ei ollut jatkuvasti suurimmillaan. Kesällä 2024 tilanne saattoi olla päinvastainen: ΔP oli suuri, mutta HDD pieni ja lämmityksessä siirrettävää energiaa vähän.
Tästä seuraa yksi keskeinen johtopäätös: lämmityksen optimointipotentiaali riippuu hinnan ja lämmitystarpeen yhteisvaikutuksesta, ei kummastakaan yksin.
COP ja hinnan yhteispeli
Hintaa pitää tarkastella yhdessä myös lämpöpumpun hyötysuhteen kanssa. COP heikkenee, kun tarvittavaa menoveden lämpötilaa nostetaan, ja käyttöolosuhteet vaikuttavat muutenkin lämpöpumpun toimintaan.
Jos lämmitys keskitetään kovalla pakkasella lyhyeen ja aggressiiviseen boost-jaksoon, sähkö voi kyllä olla kyseisinä tunteina halvempaa, mutta samalla sähkönkulutus tuotettua lämpöyksikköä kohti voi kasvaa. Silloin halvin sähkötunti ei välttämättä tuota halvinta lämpöä.
Yksinkertaistettu hintaoptimointi voidaan kuvata näin:
Todellisessa lämmityskustannuksessa mukaan tulee kuitenkin myös hyötysuhde:
Kaavassa Q on tarvittava lämpöenergia. Tämä oli merkittävä muutos koko ajattelussa: sähkön hinta on tärkeä, mutta se ei yksin ratkaise tuotetun lämmön kustannusta.
Kuinka suuri potentiaali kotitalouksilla on?
Yksittäisen kotitalouden vuosittainen suora rahallinen hyöty voi jäädä melko maltilliseksi, esimerkiksi joihinkin satoihin euroihin. Järjestelmätasolla merkitys voi silti olla suurempi, koska kotitalouksien lämmitys, sähköautot ja muut ohjattavat kuormat muodostavat yhdessä suuren joustoresurssin.
Kun suuri määrä kuormia pystyy siirtymään pois kulutushuipuista tai hyödyntämään ylituotannon tunteja, vaikutus näkyy kulutushuippujen tasoittumisena ja uusiutuvan tuotannon helpompana hyödyntämisenä. Yksittäinen talo on pieni, mutta sama toimintaperiaate voi skaalautua suureen joukkoon kotitalouksia.
Mitä data opetti?
Pitkä hintadata vahvisti kolme asiaa:
- Vuorokauden halvin tunti ei ole pysyvä eikä enää välttämättä sijaitse yöllä.
- Hintavaihtelu ei yksin määritä lämmityksen optimointipotentiaalia, vaan mukana ovat myös lämmitystarve ja COP.
- Teoreettinen säästöpotentiaali on aina suurempi kuin käytännössä saavutettava hyöty.
Optimointi ei siis ole pelkkä “valitse kuusi halvinta tuntia” -algoritmi. Se on monen muuttujan säätötehtävä, jossa hintasignaali, rakennuksen fysiikka ja laitteiden ominaisuudet on sovitettava yhteen.
Datasta kohti järjestelmäajattelua
Osassa 2 optimointi oli vielä suurelta osin reaktiivista: hinnat katsottiin, halvat tunnit valittiin ja järjestelmää ohjattiin niiden perusteella. Tässä vaiheessa pitkä aineisto pakotti katsomaan kokonaisuutta analyyttisemmin. Hintasignaali säilyi tärkeänä, mutta fysiikka alkoi määrittää optimoinnin todelliset rajat.
Seuraavassa osassa
Osassa 4 siirrytään käytännön järjestelmäarkkitehtuuriin: Home Assistant -logiikkaan, sulakevahtiin, COP-ystävällisempään ajoon, monijaksoiseen lämmitykseen ja aurinkotuotannon integrointiin.
Optimointi-sarjan pääsivulta löydät kaikki sarjan osat ja kokonaisuuden etenemisjärjestyksen.