Hyperlokale weersverwachting voor warmtepompen

Overzicht

Voor dit project aan de Hanzehogeschool hebben we een slim weersvoorspellingssysteem gebouwd dat een betere lokale voorspelling geeft voor de temperatuur en luchtvochtigheid. Deze voorspelling wordt gemaakt met een AI-model dat lokaal geplaatste sensoren vergelijkt met weergegevens van het KNMI. Deze nauwkeurige voorspelling kan worden gebruikt om de temperatuur van een warmtepomp efficiënt te automatiseren.

Belangrijkste Kenmerken

• Hoge Precisie: Met meerdere sensoren op optimale locaties is het mogelijk om nauwkeurige en precieze gegevens te verzamelen die kunnen worden gebruikt voor het maken van de beste voorspellingen.
• Stabiliteit: Alle berekeningen kunnen offline en lokaal worden uitgevoerd, dit is veilig en stabiel.
• AI-model: Door een AI-model te trainen met gegevens die teruggaan tot 1950, hebben we een goede basis gelegd door te leren van het verleden.
• Slimme Huis Integratie: Dit systeem kan volledig worden geïntegreerd in Home Assistant voor het bouwen van weersgebaseerde automatiseringen.

Gebruikte Technologieën

• Python: Voor het bouwen van de voorspellingsapp.
• Tensorflow: Voor het trainen van het AI-model.
• KNMI Public API: Voor het verzamelen van de weergegevensgeschiedenis van 1950 tot heden.

Uitdagingen en Lessen

Een belangrijke uitdaging was het kiezen van de juiste weer-API om te gebruiken. We kozen uiteindelijk voor de KNMI-API omdat deze een weerstation dicht bij onze locatie had. We vergeleken ook de geschatte temperatuur van het KNMI met de werkelijke temperatuur op onze locatie.

Resultaat

Het systeem werkt uitstekend voor onze locatie en is effectief in het maken van een nauwkeurige weersvoorspelling voor elk uur tot 48 uur vooruit.