專利名稱：用于智能控制建筑物內能耗的基于傳感器的占用和行為預測方法
技術領域：
本發明涉及用于控制建筑物內的能耗的方法，并且更為具體地，涉及用于響應于 傳感器輸出而控制建筑物內的能耗的方法。
背景技術：
能量的價格每天都在很大程度地改變，并且在穩定地增加。在維持舒適的同時最 小化建筑物的加熱和空調成本必須基于對在建筑物內使用的設備和系統的識別以及基于 用戶行為和建筑物環境的特性。基于所述對系統組件的識別，建筑物控制可以基于所定義 的舒適水平以及建筑物空間的實際使用，優化舒適度和能量。根據每天或每周設置的調度表來控制比如房屋、辦公樓或倉庫的建筑物的HVAC 系統，這是已知的。也就是，電子控制器可以建立一系列的設置溫度，該一系列的設置溫度 可以操作該HCAV系統來在一天的某些時間實現。所述設置溫度和相關聯的時間可以根據 星期而改變。所述時間和設置溫度可以由編程員基于在各個時間處期望位于該建筑物內的 人數來選擇。例如，為了減少能量成本，當僅僅幾個或少數人被期望位于該建筑物內時，該 建筑物可以不維持在舒適的溫度。所述時間和設置溫度還可以基于該建筑物內的環境溫度 對該HVAC系統的設置溫度的變化的已知響應時間選擇。也就是，可以根據天氣條件以及該 建筑物內的機器和家用電器所生成的熱量，改變HVAC系統達到新的設置溫度所需要的時 間長度。這種已知的HVAC控制系統的問題在于建筑物將被占用的時間段不總是公知的。 即使在占用時間是公知的情形下，所述占用時間段每周都易于發生改變。即使在占用調度 表的變化是已知時，經常不根據該新的調度表對該HVAC系統進行重新編程，因為找不到知 道如何重新編程該系統的人，重新編程被認為是太難的任務，或者對該HVAC控制系統的重 新編程被完全忘記。因此，當發生占用調度表變化時，該HVAC系統通常在它不需要操作時 操作，和/或在該HVAC系統關閉時，占用者經受不舒適的溫度。另一問題在于，因為HVAC控制系統編程員知道將來占用調度表的不確定性，所以 所述編程員在該天的大部分時間內，在操作該HVAC系統時會有意地產生錯誤。盡管這種實 踐可以使得占用者更舒適，但是它確實導致該HVAC系統在該HVAC系統不需要操作時進行 操作的情形。鑒于現有技術既不是可預期的也不是顯而易見的，所以提出一種用于基于實際占用來控制HVAC系統使得該系統僅僅在需要時進行操作的方法。
發明內容
本發明提供了一種方法，用于感測建筑物的當前人員占用以及當前能耗特性，以 便鑒于過去的占用和能耗模式，預測在隨后的幾小時內的HVAC操作要求。在一個實施例中，本發明使用感測技術以及系統識別方案來確定占用者行為、設 備特征以及環境因素之間的關系。占用者行為可以包括比如占用、移動模式、舒適偏好以及 設備使用的參數。設備特征可以包括電壓、電流和/或相位的時間/頻率模式。環境因素 可以包括比如溫度、濕度、二氧化碳、照明和聲音的參數。本發明還可以使用模式識別和分 類技術，以得到基于傳感器的行為預測算法，該算法可預測若干小時之后的事情。這種基于 模型的預測可以被用作控制和優化技術的研發的基準。本發明可以基于包括商業和居民建筑物應用的新型基礎結構的系統方案。新特征 是使用傳感器來識別電子系統，以及評估環境參數以及人和建筑物之間的相互作用。這種 傳感器使用可以在仍然為占用者提供高水平舒適度的同時，提供用于達到更低能耗的系統 優化的因素。在本發明的一個形式中，本發明包括用于控制建筑物內的能耗的方法，該方法包 括提供與該建筑物相關聯的至少一個環境感測設備以及至少一個能耗感測設備。從該環境 感測設備以及該能耗感測設備收集當前數據以及相關聯的時間數據。能耗參數的將來值是 基于所收集的當前數據、所述相關聯的時間數據以及從該環境感測設備和該能耗感測設備 收集的歷史數據而被預測的。根據時間確定每單位能耗的將來成本曲線(profile)。取決 于所預測的將來能耗參數值以及所確定的能耗成本曲線，控制能耗。在本發明的另一形式，本發明包括用于控制建筑物內的能耗的方法，該方法包括 提供與該建筑物相關聯的至少一個人員存在感測設備以及至少一個能耗感測設備。從該人 員存在感測設備以及該能耗感測設備收集當前數據以及相關聯的時間數據。人員存在參數 的將來值是基于所收集的當前數據、所述相關聯的時間數據以及從該人員存在感測設備和 該能耗感測設備收集的歷史數據而被預測的。取決于所述人員存在參數的預測值，控制能耗。在本發明的又一形式，本發明包括用于控制建筑物內的HVAC操作的方法，該方法 包括提供與該建筑物相關聯的至少一個環境感測設備。從該環境感測設備收集當前數據。 與該建筑物相關聯的將來溫度是基于所收集的當前數據以及從該環境感測設備收集的歷 史數據而被預測的。根據所預測的將來溫度，控制HVAC系統的操作。除了控制建筑物內的HVAC操作之外，本發明可以被使用來控制其它形式的能耗， 包括熱水系統、本地電力產生(例如，光電、基于實時價格和能量存儲從公用事業單位購買 /銷售)以及負載調度(例如，比如洗衣機、烘干機、洗碗機等家用電器的啟動時間等)的管 理。本發明的優點在于可以減少能量成本而不犧牲舒適水平。
通過參照結合附圖給出的下述對本發明的實施例的描述，本發明的上述和其它特征和目的以及實現它們的方式將變得更加顯而易見，并且本發明自身將更好理解，其中圖1是適合于與本發明的建筑物能耗控制方法一起使用的基于傳感器的HVAC控 制系統的一個實施例的方框圖；圖2是適合于與本發明的建筑物能耗控制方法一起使用的學習算法/預測器的方 框圖；圖3是本發明的用于控制建筑物內的能耗的方法的一個實施例的流程圖；圖4是例示本發明的用于控制建筑物內的能耗的方法的另一實施例的流程圖；圖5是例示本發明的用于控制建筑物內的能耗的方法的又一實施例的流程圖；圖6是例示本發明的用于控制建筑物內的HVAC操作的方法的一個實施例的流程 圖。在上述幾個圖形中，對應的參考標記指示對應的部件。盡管所述附圖表示本發明 的實施例，但是所述附圖不必按比例繪制的，并且為了更好地例示和說明本發明，可以放大 某些特征。盡管本文中闡述的幾個形式的范例例示了本發明的實施例，但是下面公開的實 施例不是意在是排他性的，或者不意在被解釋為將本發明的范圍限制在所公開的精確形 式。
具體實施例方式在算法和操作數據方面，呈現了下面描述的一些部分。除非在本文中以其它方式 聲明或者根據所述描述是顯而易見的，比如“運算”、“收集”、“控制”、“確定”、“預測”、“處理” 或“計算”的術語或類似術語指代計算設備的動作，該計算設備可以在被編程來執行這些動 作后，自動地執行這些動作，即，不需要人的干預。下文中公開的實施例不是意在是排他性的，或者不是意在將本發明限制到在下面 的描述中公開的精確形式。相反，選擇和描述上述實施例，從而使得本領域中的其它技術人 員可以使用它的教導。現在參見圖1，示出了本發明的基于傳感器的HVAC控制系統20的一個實施例，該 HVAC控制系統20包括建筑物22，該建筑物22具有多個房間M。在每個房間M內，可以 存在一個或多個環境消耗感測設備26以及一個或多個環境感測設備觀。能耗感測設備沈 可以感測比如電力或天然氣的一些公用事業的消耗的一個或多個特性。例如，能耗感測設 備沈可以感測正在被消耗的電力的電壓、電流、功率和/或相位，并且可以監測并記錄這些 參數隨時間的變化。環境感測設備觀可以感測與建筑物22內部和外部的環境相關聯的各種參數中的 任何一種，包括人的存在。為了感測建筑物22外部的環境參數，可以在建筑物22的外部布 置至少一個環境傳感器觀，如圖1中所例示。環境感測設備28可以感測環境參數，比如溫 度、濕度、水分、風速和光照水平，上述中的所有參數可以與建筑物22內的將來溫度和/或 溫度變化率有關系。環境感測設備觀可以感測指示人或動物的存在的環境參數，比如運 動、門移動、聲音級、二氧化碳水平以及電子卡讀數。電子卡讀數可以在工作環境中感測，在 該工作環境中，使用者在進入或離開該建筑物時，在讀卡器中掃描他們的個人識別卡。感測設備沈、28中的每個可以與中央電子處理器30電通信。盡管設備26J8在 圖1中被示出為經由各自的電導體32連接到處理器30，但是設備沈、觀與處理器30無線通信也在本發明的范圍內。處理器30可以與互聯網34電通信，經由該互聯網34，處理器30可以接收隨時間 變化的每單位能耗的將來成本的當前曲線。例如，處理器30可以接收在該天的各個時間的 電力成本的調度表，該調度表可以在決定何時和/或是否操作各種電子設備時由處理器30 使用，所述各種設備比如是采暖通風以及空調(HVAC)系統36以及家用電器38，所述家用電 器38比如是電爐、衣服烘干機等。在處理器30的控制下，HVAC系統36能夠單獨地管理每 個房間M的環境溫度。也就是，HVAC系統36能夠逐個房間實現期望的設置溫度。控制系統20可以使用具有模式識別和學習算法的傳感器設備沈、28，以基于先前 占用水平和行為來預測在將來的幾個小時內建筑物22的占用人的行為。可以選擇幾個小 時的范圍，因為建筑物的蓄熱物質通常使得可以在將來的幾個小時內感覺到操作HVAC系 統的效果。換言之，建筑物內的溫度可以是在僅先前幾個小時內的外部環境溫度和該建筑 物的HVAC操作的函數，并且可以明顯與多于幾個小時之前該建筑物中的溫度無關以及不 受其影響。環境傳感器觀可以測量室內和室外環境條件(例如，溫度、濕度、二氧化碳、照明、 運動活動以及聲音)。能耗感測設備26可以測量該建筑物內的正在操作的家用電器和設備 的特性(例如，AC/DC電流、電壓、相位和頻率諧波)。機器學習算法可以從這些所感測的物 理參數中提取更高級的特征，所述所感測的物理參數比如是該房間中的人數、指定家用電 器的使用、或者占用者的特定活動，比如做飯、洗澡等。可以發現該數據和高級特征中的時 間模式，并且在預測即將到來的活動時使用該時間模式。這些預測可以被送到建筑物自動 控制系統，該建筑物自動控制系統優化地在舒適度和建筑物系統的能量效率管理之間進行 折衷，所述建筑物系統例如是HVAC(例如，居民加熱/制冷或商用通風)、熱水、本地功率產 生(例如，光電、基于實時價格和能量存儲從公用事業單位購買/銷售)以及負載調度(例 如，比如洗衣機、烘干機、洗碗機等的家用電器的延遲啟動)。圖2例示了在處理器30內具體實現的學習算法/預測器的示例輸入和輸出。該 預測器接收由環境感測設備觀提供的室內和室外環境因素，包括溫度、濕度、聲音、二氧化 碳、照明以及運動等。該預測器還接收設備或家用電器電能消耗特征，包括每個設備的電 壓、電流、相位和功率。基于上述輸入、與上述輸入相關聯的時間、將先前輸出與相關聯的先前輸入相關 的歷史數據、以及與該先前輸入和先前輸出相關聯的時間，該學習算法/預測器可以輸出 若干預測。上述輸出例如可以與建筑物的占用者的移動(例如，該占用者移入和移出該建 筑物以及在房間之間移動)、設備和家用電器的使用以及能耗相關。作為本發明的實現方案的一個示例，環境感測設備觀可以檢測建筑物22的洗澡 間中的溫度、濕度和聲音級中的持續增加，所述持續增加與使用洗澡間淋浴一致。此外，能 耗感測設備26可以在操作頭發烘干機時，同時指示用于對水進行加熱的天然氣或電力使 用的增加、熱水流量的增加和/或電能消耗的增加。處理器30可以分析先前數據模式，并 且得出的結論是，這種到來數據之后通常是人員繼續占用該洗澡間至少20分鐘，如運動傳 感器所檢測到的。對先前數據的分析還可以揭示出，這種輸入數據之后通常人員繼續占用 該建筑物22至少30分鐘，也如運動傳感器或其他類型的人員存在傳感器設備所檢測到的。 因為處理器30得出的結論是該洗澡間將被占用至少20多分鐘以及該建筑物22將被占用至少30多分鐘，所以處理器30可以決定繼續HVAC系統36的操作，或者至少繼續提供該洗 澡間內的熱量，該熱量是洗澡間特別需要的。否則，如果處理器30沒有數據指示建筑物22 將繼續被占用任何時間長度，則處理器30可以基于建筑物22可能馬上將不被占用的可能 性，禁止HVAC系統36的操作。作為本發明的實現方案的另一示例，能耗感測設備沈可以檢測比如電爐的家用 電器38的持續使用。電爐使用可以由功率消耗中的類似時間模式在某些時間或者具有特 定發生頻率的周期性出現來指示，該周期性出現與典型的做飯安排相一致。電爐使用還可 以由環境感測設備觀所測量的廚房內的環境溫度中的其它方式的未說明的峰值指示或確 認，該峰值還可以在某些時間發生或者以特定的發生頻率發生，并且與典型的做飯安排相 一致。處理器30可以分析先前數據模式，并且得出的結論是，這種指示做飯的數據之后通 常是人員繼續占用該廚房至少10分鐘，如運動傳感器所檢測到的。對先前數據的分析還可 以揭示出，這種到來數據之后通常是人員繼續占用該建筑物22至少60分鐘，也如運動傳感 器或其他類型的人員存在傳感器設備所檢測到的。因為處理器30得出的結論是該廚房將 被占用至少10多分鐘以及該建筑物22將被占用至少60多分鐘，所以處理器30可以決定繼 續HVAC系統36的操作，或者至少繼續提供該廚房內的空調，該空調是該廚房特別需要的。 否則，如果處理器30沒有用于指示建筑物22將繼續被占用任何時間長度的數據，則處理器 30可以基于建筑物22可能馬上將不被占用的可能性，禁止HVAC系統36的操作。作為本發明的實現方案的另一示例，環境感測設備觀可以檢測臥室(其缺少移動 性并且具有低的聲音級)中的照明(即，光)的光照水平，這可以對應于夜間的閱讀行為。 如果這種數據在后半夜或通常與睡覺時間相關聯的時間接收，則該數據尤其可能被解釋為 指示閱讀的行為。如果用戶期望，則處理器30可以被編程為通過斷開或禁止HVAC系統36 的操作，或者至少將所述設置點溫度降低到打開加熱器的溫度之下，來響應于這種指示睡 覺時間閱讀的數據。處理器30可以被編程來將這些動作應用于整個建筑物22，或者僅僅應 用于臥室。否則，如果處理器30沒有用于指示占用者正在準備晚上睡覺的數據，則為了建 筑物22的活動占用者的舒適，處理器30可以繼續HVAC系統36的操作。能耗感測設備沈可以識別能耗的各種特性，并且處理器30可以從中得出關于正 在消耗能量的負載的類型的結論。基于正在操作的機器和家用電器的類型，處理器30可以 做出關于機器和家用電器所生成的熱量的假設以及建筑物22或者該建筑物22內的特定房 間將被繼續占用某一時間段的可能性的假設。例如，建筑物內消耗的功率水平可以與該機 器和家用電器在不久的將來所生成的熱量直接相關。處理器30還可以將這個所生成的熱 量作為它的關于HVAC系統36是否應該被操作來提供熱量或空調的判決的要素。作為能耗感測設備沈可以識別的特性的另一示例，不同類型的負載可以導致所 供應的功率的不同相位。比如電機的感應型負載例如可以產生大約90度的超前相移。比 如電池充電器的電容型負載可以產生大約90度的滯后相移。電阻型負載通常產生較小的 相移或者不產生相移。因此，處理器30可以分析相移，并且做出關于正在被操作的機器和 家用電器的類型的假設。根據這個信息，處理器30還可以得出關于所期望的人員占用行為 和/或機器和家用電器所生成的熱量的結論。基于此，處理器30可以控制HVAC系統36的 操作。當然，處理器30不必做出關于正在被操作的機器和家用電器的類型的假設。相反， 處理器30可以使用歷史數據中的趨勢來直接解釋在隨后的幾個小時期間，特定類型的相移對人員占用和熱量生成的可能影響。除了相移之外，可以由處理器30感測和分析的另一電氣特性是電力線中的由機 器和家用電器生成的或者輻射到空氣中的諧波頻率分量。處理器30可以基于這種檢測到 的諧波頻率分量，做出關于所期望的人員占用行為和/或由機器和家用電器生成的熱量的 假設。隨后，處理器30可以相應地控制HVAC系統36。圖3示出了本發明的用于控制建筑物內的能耗的方法300的一個實施例。在第一 步驟302中，收集傳感器數據以及相關聯的時間數據。例如，處理器30可以從能耗感測裝 置沈以及環境感測裝置觀接收傳感器數據，并且可以將該傳感器數據與處理器30從互聯 網34接收或利用內部時鐘生成的時間數據相匹配。在下一步驟304中，所述傳感器數據和相關聯的時間數據與先前識別的模式相匹 配。也就是，處理器30可以在先前收集的數據中，或者已經從其它來源下載到處理器30中 的先前數據中搜索，并識別歷史數據中的與最近收集的傳感器數據相似的部分。然后，在步驟306，基于與所收集的數據匹配的模式進行能耗預測、環境預測、和/ 或行為預測。例如，處理器30可以識別來自傳感器沈、28的緊接在與當前數據匹配的歷史 數據之后的那些歷史數據的模式，并且處理器30可以假設，緊跟在當前傳感器數據之后的 將來數據將遵循與所述歷史數據相似的模式。也就是，處理器30可以對當前數據進行外推 以與所述歷史數據中被識別出的模式匹配。基于此，處理器30可以做出關于將來傳感器讀 數的預測，并且這些所預測的將來傳感器讀數可以與建筑物22內部和外部的能耗、環境條 件和/或占用者行為的預測直接相關。在步驟308，識別在各個將來時間處的能量成本曲線。在一個實施例中，處理器30 可以周期性地從互聯網34下載或以其他方式接收在一天中的每小時中被電力公司收取的 每千瓦時電力的各個成本。在最終步驟310，基于所收集的數據、能耗預測和能量成本曲線，控制能耗。也就 是，處理器30可以決定是否操作HVAC系統36，和/或可以決定是否或者決定在哪個時間 以成本節約的方式操作家用電器38，該成本節約的方式不顯著地犧牲建筑物22的占用者 的舒適度和/或方便性。處理器30可以基于從感測設備沈、觀收集的數據、關于能耗的預 測、環境條件和/或占用者的行為、以及在一天的各個小時的能量成本，進行這些判決。圖4中例示了本發明的用于控制建筑物內的能耗的方法400的另一實施例。在 第一步驟402中，提供與建筑物相關聯的至少一個環境感測設備以及至少一個能耗感測設 備。例如，可以在建筑物22中提供環境感測設備觀和能耗感測設備26。在下一步驟404中，從所述環境感測設備和所述能耗感測設備收集當前數據以及 相關聯的時間數據。例如，處理器30可以從能耗感測設備沈和環境感測設備觀接收傳感 器數據，并且可以將該傳感器數據與處理器30從互聯網34接收或者利用內部時鐘生成的 時間數據匹配。接著，在步驟406，基于所收集的當前數據、相關聯的時間數據以及從環境感測設 備和能耗感測設備收集的歷史數據，預測能耗參數的將來值。例如，處理器30可以識別來 自傳感器沈、28的緊接在與當前數據匹配的歷史數據之后的那些歷史數據的模式。然后， 處理器30可以假設，能耗參數的將來值(其由感測設備沈、觀的將來讀數提供)將遵循與 所述歷史數據相似的模式。也就是，處理器30可以對當前數據進行外推以與所述歷史數據中的所識別出的模式匹配。基于此，處理器30可以做出關于與建筑物22內部和外部的能 耗、環境條件和/或占用者行為相關的能耗參數的將來值的預測。在下一步驟408，根據時間確定每單位能耗的將來成本曲線。例如，處理器30可以 周期性地從互聯網34下載或以其他方式接收在一天中的每小時被電力公司收取的每千瓦 時電力的各個成本。在最終步驟410，根據預測的將來能耗參數值以及所確定的能耗成本曲線，控制能 耗。也就是，處理器30可以決定是否操作HVAC系統36，和/或可以決定是否或者決定在一 天中的哪個時間以成本節約的方式操作家用電器38，該成本節約的方式不顯著地犧牲建筑 物22的占用者的舒適度和/或方便性。處理器30可以基于從感測設備沈、觀收集的數據、 關于能耗的預測、環境條件和/或占用者的行為、以及在一天的各個小時的能量成本，進行 這些判決。圖5例示了本發明的用于控制建筑物內的能耗的方法500的又一實施例。在第一 步驟502，提供與建筑物相關聯的至少一個人員存在感測設備以及至少一個能耗感測設備。 例如，可以在建筑物22中提供能耗感測設備沈以及例如聲音檢測器、運動檢測器和/或二 氧化碳檢測器的環境感測設備觀。這些類型的環境感測設備觀都能夠檢測人員存在。在下一步驟504，從人員存在感測設備以及從能耗感測設備收集當前數據，以及相 關聯的時間數據。例如，處理器30可以從能耗設備沈以及能夠檢測人員存在的環境感測 設備觀接收傳感器數據，并且可以將該傳感器數據與處理器30從互聯網34接收或者利用 內部時鐘生成的時間數據匹配。接著，在步驟506，基于所收集的當前數據、相關聯的時間數據以及從人員存在感 測設備和能耗感測設備收集的歷史數據，預測人員存在參數的將來值。例如，處理器30可 以識別來自傳感器觀的緊接在與當前數據匹配的歷史數據之后的那些歷史數據的模式。 然后，處理器30可以假設，人員存在參數的將來值(其由感測設備觀的將來讀數提供)將 遵循與所述歷史數據相似的模式。也就是，處理器30可以對當前數據進行外推以與所述歷 史數據中的所識別出的模式匹配。基于此，處理器30可以做出關于與建筑物22內部和外 部的能耗、環境條件和/或占用者行為相關的人員存在參數的將來值的預測。在一個實施 例中，人員存在參數可以與在各個時間處建筑物的占用者數目有關。可以逐個房間對這個 人員存在參數進行細分。在最終步驟508，根據預測的將來人員存在參數值，控制能耗。也就是，處理器30 可以決定是否操作HVAC系統36，和/或可以決定是否或者決定在一天中的哪個時間以成本 節約的方式操作家用電器38，該成本節約的方式不顯著地犧牲建筑物22的占用者的舒適 度和/或方便性。處理器30可以基于從感測設備沈、28收集的數據以及關于人員存在的 預測、環境條件和/或占用者的行為，進行這些判決。在一個實施例中，在進行這些關于能 耗的控制的判決時，處理器30還可以考慮在一天中的各個小時的能量成本。圖6例示了本發明的用于控制建筑物內的HVAC操作的方法600的實施例。在第 一步驟602，提供與建筑物相關聯的至少一個環境感測設備。例如，可以在建筑物22內和/ 或在建筑物22的外部提供形式為環境溫度檢測器的環境感測設備觀。在下一步驟604，從環境感測設備收集當前數據。例如，處理器30可以從一個或多 個環境感測設備28接收溫度數據，該一個或多個環境感測設備28以環境溫度檢測器的形式布置在建筑物22的各個房間M中和/或建筑物22的外部。接著，在步驟606，基于所收集的當前數據以及從環境感測設備收集的歷史數據， 預測與該建筑物相關聯的將來溫度。例如，處理器30可以識別來自溫度傳感器觀的緊接在 與當前溫度數據匹配的歷史數據之后的那些歷史數據的模式。然后，處理器30可以假設， 由感測設備觀的將來讀數提供的將來溫度將遵循與所述歷史數據相似的模式。也就是，處 理器30可以對當前數據進行外推以與所述歷史數據中的所識別出的模式匹配。基于此，處 理器30可以做出關于建筑物22內的將來溫度的預測。在一個具體實施例中，處理器30可 以接收建筑物22的外部溫度以及建筑物22的內部溫度。基于所述外部溫度和所述內部溫 度的差值，處理器30可以基于歷史溫度變化率，預測(例如，下幾個小時內的)將來的內部 溫度，假設其間HVAC系統不操作。可以逐房間地對所述溫度差以及溫度預測進行細分。在形成將來的內部溫度的預測時，處理器30可以考慮其它變量。例如，處理器30 可以從其它類型的環境傳感器觀接收數據，比如外部風速傳感器；用于檢測下雨或冰雨的 外部水分傳感器；用于檢測太陽光強度的外部光傳感器；用于檢測窗簾是否處于打開位置 從而使得它們允許太陽光通過窗戶進入房間24的傳感器；用于檢測進入房間M的太陽光 的內部光傳感器；外部和/或內部濕度傳感器；地面溫度傳感器；考慮到人體趨于輻射顯 著熱量并且提高建筑物內的溫度的人員存在傳感器；以及用于感測窗戶和門是否被保持為 打開、被打開到什么程度、以及被打開持續多長時間段的檢測器，其中該窗口和門的打開使 得外部空氣能夠進入建筑物22。處理器30還可以經由互聯網34接收一些類型的環境數 據。這種在線數據可以包括當前的外部溫度，所預測的外部溫度以及其它當前或將來天氣 條件。處理器30可以考慮的其它參數(在形成將來的內部溫度的預測時)可以從能耗感 測設備26接收。例如，感測設備沈可以檢測建筑物22內正在消耗的總電能，以便使得處 理器30能夠估計將由這種能耗生成的熱量。在最終步驟608，根據預測的將來溫度，控制HVAC系統的操作。也就是，處理器30 可以決定是否操作HVAC系統36，從而可以減少成本，而不會顯著地犧牲建筑物22的占用者 的舒適度。處理器30可以基于從感測設備沈、觀收集的數據以及關于將來溫度的預測、環 境條件和/或占用者的行為，進行這些判決。在一個實施例中，在進行這些關于HVAC系統 36的操作的判決時，處理器30還可以考慮在一天中的各個小時的能量成本。如上所述，處理器30可以分析在建筑物22內收集的先前數據的模式，以便對當前 數據進行外推，并且進行一些關于將來數據的預測。然而，處理器30具有從其它類似建筑 物收集以用于分析的先前數據的數據庫，這也可以在本發明的范圍內。在另一實施例中，處 理器30不會執行任何數據分析，而是將可用的數據輸入到查找表中，并且根據該查找表的 輸出來操作該HVAC系統。在本文中，已經參照根據將當前觀測到的傳感器數據與該數據中的先前觀測到的 模式匹配并且將該信息外推到將來時間點而導出的能耗預測、環境預測以及行為預測，來 描述了本發明。然而，要理解的是，本發明的范圍包括將所述預測視為消耗、行為等的模型 的輸出，該消耗、行為等的模型是根據歷史數據構建和學習的。也就是，傳感器可以測量參 數的幅度，如上所述，并且這些參數可以被使用來導出用戶行為和環境的統計模型，在該模 型中，即將到來的狀態取決于當前狀態和先前狀態。這個基于模型的方案當然類似于上述 的其它實施例。要理解的是，所述基于傳感器的行為建模也在本發明的范圍內，相對于數據外推，該建模可以建議對底層用戶行為的更多理解。 盡管本發明已經被描述為具有示例設計，但是還可以在本公開的精神和范圍內進 一步對本發明進行修改。因此，本申請意在涵蓋使用本發明的一般性原理的本發明的任何 變型、使用和修改。此外，本申請意在涵蓋比如在本發明所屬領域中的已知或常用實踐范圍 內的本發明的改變。
權利要求
1.一種用于控制建筑物內的能耗的方法，所述方法包括以下步驟提供與所述建筑物相關聯的至少一個環境感測設備以及至少一個能耗感測設備； 從所述環境感測設備以及所述能耗感測設備收集當前數據以及相關聯的時間數據； 基于所收集的當前數據、所述相關聯的時間數據以及從所述環境感測設備和所述能耗 感測設備收集的歷史數據，預測能耗參數的將來值； 根據時間確定每單位能耗的將來成本曲線；以及 取決于所預測的將來能耗參數值以及所確定的能耗成本曲線，控制能耗。
2.如權利要求1所述的方法，其中，所述建筑物包括多個房間，逐個房間預測所述能耗 參數的將來值，并且逐個房間控制所述能耗。
3.如權利要求1所述的方法，其中，所預測的能耗參數值對應于將來25小時之內的時 間，并且取決于時間的每單位能耗的將來成本曲線具有小于25小時的范圍。
4.如權利要求1所述的方法，其中，所述控制步驟包括選擇能耗率要被改變時的將來 時間。
5.如權利要求1所述的方法，其中，所述能耗參數包括人員存在參數。
6.如權利要求1所述的方法，其中，所述能耗參數包括所述建筑物內的環境溫度。
7.如權利要求1所述的方法，其中，所述環境感測設備包括運動檢測器、聲音檢測器、 二氧化碳檢測器、門移動檢測器以及電子卡讀取器中至少之一。
8.一種用于控制建筑物內的能耗的方法，所述方法包括以下步驟提供與所述建筑物相關聯的至少一個人員存在感測設備以及至少一個能耗感測設備；從所述人員存在感測設備以及所述能耗感測設備收集當前數據以及相關聯的時間數據；基于所收集的當前數據、所述相關聯的時間數據以及從所述人員存在感測設備和所述 能耗感測設備收集的歷史數據，預測人員存在參數的將來值；以及 取決于所預測的人員存在參數的將來值，控制能耗。
9.如權利要求8所述的方法，還包括根據時間確定每單位能耗的將來成本曲線的步 驟，所述控制步驟取決于所確定的能耗成本曲線。
10.如權利要求8所述的方法，其中，所述建筑物包括多個房間，逐個房間預測所述人 員存在參數的將來值，并且逐個房間控制所述能耗。
11.如權利要求8所述的方法，其中，所述人員存在參數包括所述建筑物中的人數。
12.如權利要求8所述的方法，其中，所述預測步驟包括識別所述歷史數據中的趨勢， 并且基于所述趨勢對所收集的當前數據進行外推。
13.如權利要求8所述的方法，其中，所述趨勢包括取決于所述能耗感測設備所感測的 能耗的特性的所述人員存在參數中的將來變化。
14.如權利要求8所述的方法，其中，所述控制步驟包括選擇能耗率要被改變時的將來 時間和能耗率中的變化中至少之一。
15.一種用于控制建筑物內的HVAC操作的方法，所述方法包括以下步驟 提供與所述建筑物相關聯的至少一個環境感測設備；從所述環境感測設備收集當前數據；基于所收集的當前數據以及從所述環境感測設備收集的歷史數據，預測與所述建筑物 相關聯的將來溫度；以及取決于所預測的將來溫度，控制HVAC系統的操作。
16.如權利要求15所述的方法，還包括以下步驟提供與所述建筑物相關聯的至少一個能耗感測設備；以及從所述能耗感測設備收集當前數據；其中，與所述建筑物相關聯的將來溫度是基于所收集的當前數據、以及從所述能耗感 測設備收集的歷史數據而被預測的。
17.如權利要求15所述的方法，還包括根據時間確定每單位能耗的將來成本曲線的步 驟，所述控制步驟取決于所確定的能耗成本曲線。
18.如權利要求15所述的方法，其中，所述建筑物包括多個房間，逐個房間預測與所述 建筑物相關聯的將來溫度，并且逐個房間控制所述能耗。
19.如權利要求15所述的方法，其中，基于所述HVAC系統在所述預測步驟的時間和所 述將來溫度的時間之間是空閑的，預測與所述建筑物相關聯的將來溫度。
20.如權利要求15所述的方法，還包括預測人員存在參數的將來值的步驟，所述HVAC 系統的操作是取決于所預測的人員存在參數的將來值而被控制的。
全文摘要
一種用于控制建筑物(22)內的能耗的方法包括提供與該建筑物(22)相關聯的至少一個環境感測設備(28)以及至少一個能耗感測設備(26)。從該環境感測設備(28)以及該能耗感測設備(26)收集當前數據以及相關聯的時間數據。能耗參數的將來值是基于所收集的當前數據、所述相關聯的時間數據以及從該環境感測設備(28)和該能耗感測設備(26)收集的歷史數據而被預測的。根據時間確定每單位能耗的將來成本曲線。根據所預測的將來能耗參數值以及所確定的能耗成本曲線，控制能耗。
文檔編號G05B15/02GK102132223SQ200980132835
公開日2011年7月20日 申請日期2009年7月31日 優先權日2008年7月31日
發明者B·W·安德魯斯, M·赫因克 申請人:羅伯特·博世有限公司