能量管理系統及方法與流程

本公開的方面和實施例大體上涉及任何建筑物或過程(諸如任何商業、工業或機構設施)內的能量管理的評估。

公開背景

當前能量消耗分析集中于每日值，例如一天的測量消耗值，諸如總和、最大值、最小值、平均值或中值。最小值有時被錯誤地稱為基本負荷，而被更好地稱為恒定的24小時值，因為它是最小值，其也是日常能量消耗的不變部分。最大值影響能量使用的年成本。總和或平均值(以及不太頻繁的中值)用于計算，例如用于在合計儀表或主儀表每天的用量的報告中的計算。

一天的最小和最大能量消耗值提供關于極值而不是在整個給定的一天的不同的能量消耗水平的間隔的信息。類似地，總和、平均值和中值是聚合值，并且因此不包含關于整個給定的一天的不同能量消耗水平的間隔的詳細信息。

公開概述

在本公開的一個方面，用于能量管理的方法包括使用一個或多個能量消耗儀表來在一個時間段期間收集站點的能量消耗數據；識別能量消耗數據內的數據集群，該數據集群指示站點處的能量消耗的狀態；將該時間段內的數據集群進行分類；對數據集群進行分析；以及將多個能量消耗分類中的一個分配給該時間段。

在一些實施例中，時間段被分類為開放日、24小時開放日或24小時關閉日。

在一些實施例中，該方法包括關于該時間段期間的實際能量消耗將時間段識別為正常時間段或異常時間段。

在一些實施例中，該方法包括響應于對異常時間段的識別，控制至少一個設備以管理能量消耗。

在一些實施例中，該方法包括向用戶提供至少一個建議以提高站點的能量消耗效率。

在一些實施例中，該方法包括提供關于該時間段的期望的能量使用和期望的分類；將實際能量使用與期望的能量使用進行比較；以及將分配給該時間段的能量消耗分類與期望的分類進行比較。

在一些實施例中，該方法包括執行自學習和連續自適應過程，以用于學習站點的正常能量消耗模式。

在一些實施例中，該方法包括提供多個儀表；對從每個儀表收集的數據進行分析；根據能量管理效率來對儀表進行排名；將儀表排名通知給用戶。

在一些實施例中，該方法包括識別與正常運行時間對應的第一數據集群；識別與正常關閉時間對應的第二數據集群；計算第一數據集群的第一平均能量消耗值和第二數據集群的第二平均能量消耗值；以及計算第一平均能量消耗值與第二平均能量消耗值的比率。

在一些實施例中，該方法包括如果第一平均能量消耗值與第二平均能量消耗值的比率低于臨界比值，則通知用戶。

在一些實施例中，該方法包括識別與在正常運行時間和正常關閉時間之間轉變的能量消耗對應的數據集群；計算數據集群的斜率；以及如果斜率低于臨界斜率，則通知用戶。

在本公開的另一方面，用于能量管理的系統包括至少一個能量消耗儀表；控制器，其具有處理器和存儲器組件。控制器與至少一個能量消耗儀表通信。處理器被配置為使用至少一個能量消耗儀表來在一個時間段期間收集站點的能量消耗數據；識別能量消耗數據內的數據集群，該數據集群指示站點處的能量消耗的狀態；將該時間段內的數據集群進行分類；對數據集群進行分析；以及將多個能量消耗分類中的一個分配給該時間段。

在系統的一些實施例中，處理器還被配置為將該時間段分類為開放日、24小時開放日或24小時關閉日。

在系統的一些實施例中，處理器被配置為關于該時間段期間的實際能量消耗將時間段識別為正常時間段或異常時間段。

在系統的一些實施例中，處理器還被配置為響應于對異常時間段的識別，控制至少一個設備以實時地管理能量消耗。

在系統的一些實施例中，處理器還被配置為向用戶提供建議以提高站點的能量消耗效率。

在系統的一些實施例中，處理器還被配置為提供關于該時間段的期望的能量使用和期望的分類；將實際的能量使用與期望的能量使用進行比較；以及將分配給時間段的能量消耗分類與期望的分類進行比較。

在系統的一些實施例中，處理器還被配置為執行自學習過程，以用于學習站點的正常能量消耗模式。

在系統的一些實施例中，處理器被配置為對從每個儀表收集的相應數據進行分析；根據能量效率來對儀表進行排名；以及將儀表排名通知給用戶。

在系統的一些實施例中，處理器被配置為識別與正常運行時間對應的第一數據集群；識別與正常關閉時間對應的第二數據集群；計算第一數據集群的第一平均能量消耗值和第二數據集群的第二平均能量消耗值；以及計算第一平均能量消耗值與第二平均能量消耗值的比率。

在系統的一些實施例中，處理器還被配置為識別作為異常能量消耗的主要貢獻者的能量消耗儀表。

附圖簡述

附圖不旨在按比例繪制。在附圖中，在各圖中示出的每個相同的或幾乎相同的組件由相同的數字表示。為了清楚起見，并不是每一個組件都可以被標記在每個附圖中。在附圖中：

圖1是本公開的系統的一個實施例的示意圖；

圖2是本公開的方法的實施例的流程圖；

圖3是示出在站點處一周內的能量使用隨時間變化的圖表；

圖3a是示出在站點處一周內的能量使用隨時間變化的圖表，其中水平虛線示出用于限定數據點的類別的示例閾值；

圖4是本公開的方法的實施例的過程的流程圖，以圖示對意外的全局行為(通常“關閉日”被“開放”)的檢測；

圖5是本公開的方法的實施例的另一過程的流程圖，以圖示步驟12至16的一個可能的替代(使用手動調度作為任何學習方法或算法的輸入)；

圖6是本公開的方法的實施例的另一過程的流程圖，以圖示動態建模(其中反饋回路顯示模型的每日或實時更新)；

圖7是示出能量使用隨時間變化的圖表；

圖8是本公開的方法的實施例的另一過程的流程圖；

圖9-14示出根據性能度量的儀表的排名的示例圖表；以及

圖15是可以在其上實現本公開的各種實施例的系統的框圖。

公開的詳細描述

本文所討論的方法和系統的示例并不將其應用限于下面描述中闡述的或者在附圖中示出的組件的結構和布置的細節。該方法和系統能夠在其他實施例中實現或以各種方式被實踐或執行。本文提供的具體實施的示例僅用于說明性目的且并不旨在限制。特別地，結合任何一個或者多個示例論述的動作、組件、元素以及特征并不旨在排除任何其他的示例中的類似作用。

另外，本文所用的措辭和術語也是出于描述的目的，并且不應被視為具有限制性。對本文中以單數形式提到的系統和方法的示例、實施例、組件、元素或者動作的任何引用也可以涵蓋包括復數的實施例，以及本文中以復數形式對任何實施例、組件、元素或者動作的任何引用也可以涵蓋只包括單數的實施例。以單數形式或者復數形式的引用并不旨在限制目前公開的系統或者方法、它們的組件、動作或者元素。本文使用的“包括(including)”、“包含(comprising)”或“具有(having)”、“含有(containing)”、“涉及(involving)”及其變型是指包括其后列舉的項目及其等價物以及額外的項目。“或”的引用可被解釋為包含性的，使得使用“或”所描述的任何術語可以指示所描述的術語的單個、多于一個以及全部中的任何一種。此外，在本文檔和通過引用合并到本文中的文檔之間的術語的使用不一致的情況下，在被合并的參考資料中的術語用法是對本文檔的術語用法的補充；對于不可調和的不一致性，以本文檔中的術語用法為準。

本公開大體上涉及分析站點的能量消耗數據并采取動作來提高該站點的能量效率。

需要提供被定位到設施、設施中的建筑物、建筑物內的樓層和/或另一計量的站點的準確的、實時和/或歷史能量消耗數據。本公開提供了用于檢測和警告設備或器件(諸如供熱、通風與空氣調節(hvac)系統)是否在其應當已經關閉時被保持運行的方法和系統。本公開還提供了用于識別是否存在在給定的一天引起異常能量消耗的因素的方法和系統。本公開提供了用于向用戶提供提高能量消耗效率的可操作的建議的方法和系統。在實施例中，方法和系統包括站點中的多個儀表，其允許用戶看到哪個被計量的設備或設備組需要能量效率改進或校正動作。本公開提供了用于對過程或建筑物或其特定組件中的一個(例如，在一年內跟隨外部日光時間而改變的特定樓層上的燈)的正常能量消耗(或功率消耗)行為動態建模的方法。

本公開的方法可以在經由網絡連接的組件(諸如能量儀表)的系統上實現。在圖1中，控制器110包括處理器112和存儲器組件114，并且處理器112被配置用于執行本文所述的過程中的一個或多個。控制器110被連接到網絡116。能量使用儀表118a、118b、118c與網絡進行通信并且可通過網絡116與控制器110通信。在一些實施例中可以提供多于或少于三個能量使用儀表。能量使用儀表118a、118b、118c收集關于站點的能量使用數據(例如，每個能量使用儀表從位于站點中的相應設備126a、126b、126c收集能量使用數據)并且通過網絡將數據傳輸到控制器110。設備126a、126b、126c可以通過網絡116與控制器110進行通信并且可以由從控制器110傳輸的一個或多個信號控制。計算機或另一電子設備120可以與網絡進行通信，并且具有允許用戶122查看由本公開的方法的過程提供的信息的用戶界面。控制器124被連接到網絡116。如所示，控制器包括處理器112和存儲器組件114。為了管理設備126a、126b、126c的能量消耗，計算機120包括允許用戶向控制器發送命令以影響這些設備的操作(例如，關閉這些設備、降低其能量消耗等)的用戶界面。在一些實施例中，基于所接收的且分析的數據，控制器可以采取動作來控制一個或多個設備。

另一實施例可以基于可被用作系統的輸入的公用事業設施間隔數據測量來建立。這可手動地(例如利用csv(逗號分隔值)文件)或經由云計算連接或者(如果連接到公用事業設施)自動地實現。

另一實施例可以通過連接到任何現有的能量測量系統(諸如現有的建筑物管理系統)中來附加地部署系統或者將系統部署為元控制器。

本公開的系統通過將能量消耗數據的集群分配給若干每日配置文件(profile)元素中的一個且然后基于存在的配置文件元素的組合對設施的日常操作模式進行分類來使能量消耗數據的解釋自動化。該系統在基線周期(諸如2周周期)內學習當前的日常操作模式并且可以在某些事情改變(諸如一天內的一組配置文件元素的不同開始/停止時間或在周末與預期不同的設施操作模式)時生成通知。然后，系統動態地(諸如每日或利用每個新的數據點或任何其他相關的刷新時間)更新模型，檢測和調整其對接收的新數據的參考，并且因此能夠檢測任何新的行為。模型不斷地學習并且調整自己。新的配置文件可能成為任何給定的一天或時間段的新的正常參考。因此，季節性能量消耗配置文件(季節性)在連續模式下反映在模型中。因此，所有變化都將被檢測，并觸發分析以定義它們是否出界(異常)以及是否需要觸發警報或者它們是否是“同類最佳(bestinclass)”。

圖2提供了可由本公開的系統執行的本公開的方法10的一個實施例的流程圖。在塊12，能量消耗數據例如從一個或多個能量使用儀表118a、118b、118c收集。能量使用儀表可以用于整個設施、設施中的建筑物、設施中的樓層或另一計量的區域。它可專用于特定類型的使用，諸如hvac或照明，或者其可以是使用的混合。優選地，在設施內存在多個儀表118a、118b、118c，其中每個儀表測量設施的相應計量區域中的能量消耗或者測量相應類型的使用的能量消耗。能量消耗數據經由耦合到控制器110的有線或無線網絡116來傳輸。在塊14，能量使用信號被分解成與使用的每日時間間隔和在該使用時間期間的能量消耗對應的數據。這提供了一整天的離散間隔處的能量使用信息，而不是該給定的一天的能量使用的平均值或中值。能量使用數據示出了在給定的一天期間以及在一系列的天、周或另一時間段內的運行時間期間和/或關閉時間期間的能量使用。

在塊16，通過系統來對該能量使用站點(諸如建筑物、建筑物內的樓層或另一站點)的正常行為進行建模。一旦該能量使用站點的正常行為是已知的，則系統在塊18設置警報級別，該警報級別與對應于能量的異常過度消耗的能量使用相對應。可替代地或此外，在塊20，根據該能量使用站點的測量的最佳天或者根據行業內的最佳實踐或其他相關標準，系統可以確定能夠實際上實現的最佳行為。在塊22，實際的能量消耗與警報級別和/或最佳能量使用行為進行比較。在塊24，系統向用戶提供明確的可操作建議以提高能量使用效率。如果系統檢測到較長的開放時間，則系統通知用戶檢查這是否由于不尋常的工作調度或事件(例如，儲備、再充填或維護操作)，以及/或者通知用戶檢查這是否由于過程的不想要的改變(例如，對設置的錯誤更改、維護沒有重新啟動自動化并且使設備“強制開啟”)。如果系統在開放時間期間檢測到較高的消耗，則系統檢查溫度設定點是否已經改變，系統檢查hvac單元是否具有性能問題等。此外，在一些實施例中，控制器可以控制設備中的一個或另一設備以改變站點的能量使用。

在一個實施例中，在塊14，使用自動配置文件識別來將每個時間段劃分成有意義的數據點組。

每天可被切分成兩個或三個(或更多個)元操作模式30、32、34。圖3示出了在站點處從星期一到星期日運行的一周的時間段內的能量消耗數據。每個數據點36表示在給定時間的站點處的能量使用。站點可以是建筑物、建筑物內的樓層、樓層內的房間或其中正在消耗能量的另一站點。基本負荷期可被分類為“全關”模式(或“全關”元類別)30。全關模式并不一定意味著設施中的所有設備關閉，而是全關模式用作在諸如辦公樓中的周末或所有夜晚或者在當工業設施關閉時的假日或銀行假日的時間期間的站點處能量消耗的基線標準。第二分類是“全開”模式32，其對應于當建筑物或設施完全運行時。“全開”模式32的時間是當占用者存在、訪問者出入、典型辦公時間或學生在校園內時的時間。第三分類是“斜上升或下降”模式34，其對應于諸如當用戶還沒有出現但加熱或冷卻已經開始達到預期的舒適程度的時期(斜上升期)或者當加熱或冷卻關閉或當用戶離開且關閉燈時的時期(斜下降期)。圖3示出了這些元類別(或模式)30、32、34中的每一個中的多個能量使用數據點36。

每隔一定在有規律的間隔處收集能量使用數據點36，該間隔可根據用戶偏好或系統能力來設置。收集數據點36的時間間隔是足夠小的，使得站點處的能量使用的行為由圖3的圖捕獲。在一個實施例中，能量使用數據在一些實施例中在有規律的間隔處收集，或者在其他實施例中可作為實時連續數據被收集。在一些實施例中，以1分鐘間隔、6分鐘間隔、10分鐘間隔、15分鐘間隔、30分鐘間隔或為該站點定義的任何其他時間間隔處記錄能量使用數據。

在系統中，每個日常數據值36被分配給定義的元操作模式30、32、34。因此，數據值可以屬于“全開”模式32、“全關”模式30、“斜上升/下降”模式34。

在一個實施例中，系統創建七個類別，這些類別在能量使用管理方面是有意義的，以將每天與其他天進行比較，并且在異常能量使用行為的情況下或者當潛在的能量節省或最佳實踐可被應用時提供自動建議。這些類別是用于創建元類別的基礎。這些類別使系統能夠確定每個元類別的正常值和異常值。例如，類別7向我們示出了該特定站點和儀表以及在該特定時期季節和星期幾的異常高(峰值)的數據點。

圖3示出了作為元類別30、32、34的組成的七個類別。每個類別每天被自動計算。這些類別是能量消耗軸上的值的區段(bins)(“使用”可以是每個數據間隔的平均值或總和、可以是kw或kwh)。圖3a示出了示例閾值61a、61b、61c、61d、61e、61f。這六個閾值使七個類別分隔開。類別1具有閾值61a，在閾值61a之上，數據點將被分類為類別2(cat2)。類別2、3、4、5和6中的每一個具有上閾值和下閾值。類別7(cat7)是為類別6的上閾值61f以上的所有數據點而定義的。這些類別在每次模型更新時(諸如每日或每次新的讀數/測量的實時)進行調整，以便適應緩慢變化或檢測突然變化。類別1跨越包括圖3中的數據點36的集群40的功率消耗范圍。類別1包括給定的一天中的異常低的功率消耗值。類別2跨越包括圖3中的數據點36的集群31的功率消耗范圍。類別2包括正常的“全關”功率消耗數據點。類別1和類別2是組成關閉時間30元類別的數據點36的類別。

類別3跨越包括圖3中的數據點36的集群37的功率消耗范圍。類別3是組成斜上升/下降34元類別的數據點36的類別。

類別4、類別5、類別6和類別7組成給定的一天中的運行時間32元類別。類別4包括數據點36的集群38。類別5包括數據點的集群35。類別6包括數據點的集群33。閾值線61e將類別5與類別6分隔開。類別7跨越包括圖3中的數據點36的集群39的功率消耗范圍。類別7包括給定的一天中的異常高(異常峰值)能量消耗值。

在一個實施例中，系統基于該站點的能量消耗配置文件將類別分配給功率消耗數據點36的集群。類別4是數據點36的中間類別，該中間類別在某些情況下能夠被分配給斜上升/下降34元類別。例如，如果在斜上升或斜下降數據點內存在兩個不同的操作模式，則使用類別3和類別4兩者來表示斜上升/下降34元類別中的數據點36是有用的。類別4是靈活或“浮動”類別，其可以根據需要而與運行時間32元類別或斜上升/下降34元類別有關。例如，類別4可以對應于在每晚結束時的三個小時內的峰值負荷的50％處的預熱模式或預冷模式。在類別4被包括在具有類別3的斜上升/下降34元類別中的情況下，運行時間(“全開”)32元類別僅包括類別5、類別6和類別7。

在可由系統執行的方法10中，識別典型的能量使用配置文件。首先，存在開放日，其通常表現三種類型的運行模式的混合：“全開”模式32、“全關”模式30和“斜上升/下降”模式34，如圖3所示。例如，在辦公室，每周的工作日是開放日50。其次，存在24小時關閉日52，在該24小時關閉日52，僅存在“全關”模式30(可能具有在“斜上升/下降”模式34中的一些界外值)。例如，當整個設施關閉兩周時的假日是一組24小時關閉日。第三，存在24小時開放日54，如圖7所示，在該24小時開放日54，僅存在“全開”模式(可能具有在星期一到星期四的“斜上升/下降”模式中的一些界外值)。例如，校園內的數據中心設施通常展示24開放日。在圖3中，星期一至星期五的每一天被標記為開放日50，而星期六和星期日各自被標記為24小時關閉日52。

本公開的方法和系統中的至少一些實時運行，該方法和系統可以自動地將每個數據點分類成類別并且將設施的操作的每一天分類成上面的日分類50、52、54中的一個。也就是說，每天可以被實時地分類為“開放日”50、“24小時開放日”54或“24小時關閉日”52。

在一個實施例中，自動調度比較工具通過控制器來實現。展示工具的操作的流程圖360在圖4中示出。使用該工具，用戶輸入設施的調度，該調度在圖4中的塊60識別意圖在“開放日”、“24小時開放日”和“24小時關閉日”分類中的那些天。它還確定在“關斷”模式下應花費多少時間。在塊62，系統例如從能量消耗儀表收集能量消耗數據。收集的步驟可包括上傳能量消耗數據。然后在塊64，工具實時地對天進行分類并且自動地檢查設施的能量消耗數據是否與預期的用戶調度一致。在塊66，該方法自動地檢測與設施的正常運行能量消耗行為相比的全局異常行為。這可以基于由圖2的塊16產生的正常能量使用模型。例如，該方法檢測站點是否在預期是“24小時關閉日”期間未被關“斷”。

圖5示出了用于將所有數據點分配給類別的替代過程370。這是塊12、14和16的替代。塊70、72和74表示塊12和14的替代。塊76是塊16的替代。在一些實施例中，系統在圖5中的塊70使用手動輸入的開放時間和關閉時間的調度作為塊74處的監督學習方法或過程的輸入。系統基于塊74和在塊72處從能量儀表收集的能量消耗數據來確定開放時間和關閉時間的典型能量消耗。方法識別什么是真實的運行時間與調度的開放時間。

在塊76，系統使用基于使用中值和標準偏差的統計分析的簡單方法，或者使用稍微更高級的方法，諸如聚類、相關性、協方差等。以這種方式，方法識別三種主要的操作模式，上面的討論中被稱為元類別：運行時間(“全開”模式)32、關閉時間(“全關”模式)30和“斜上升/下降”模式34的中間值。

例如，系統使用塊76的統計分析作為基于四分位或十分位的數據分組的統計分析方法的輸入。使用統計分析，系統基于最小和最大能量消耗值作為起始點來確定能量使用數據點的上集群和下集群。然后，系統將數據分組成十分位類別。例如，系統將較低的三個十分位數分組成一組且將較高的三個十分位數分組成另一組。然后，系統對信號進行分析并分解操作模式。

這不是方法/解決方案的限制性列表。這些示例作為例證被給出，以示出在每種情況下，方法針對同一目標：將開放時間和關閉時間之間的能量消耗信號以及斜上升或斜下降類別進行分解。

圖5示出了將每個數據點分配給類別的替代方式。最小(min)值可用于建立高于該最小值的“隧道”或帶，以試圖在機械上和統計上仿真聚類以創建在關閉時間元類別中的類別1和類別2的等價物。

可替代地，信號處理、時間序列分析和特征提取可用于定義一系列的平坦的數據點、最低的數據點、表示峰值的數據點，以及定義表示斜上升或斜下降時期的一系列的數據點，并且可用于確定一系列的數據點的角度。

在本公開的另一方面，方法和系統的一個實施例包括自動的自學習和自調整機制以適應變化。圖6示出了自學習或自調整過程380，其中在塊80，用戶定義學習期；在塊82，系統(例如，從能量儀表)收集能量消耗數據；在塊84，系統學習該計量的站點的“正常”能量消耗行為；以及在學習期結束后，系統在塊86將該計量的站點的實時能量消耗數據與學習的“正常”能量消耗行為進行比較。在一些實施例中，圖6的自學習過程對于創建圖2的塊16處的模型是有用的。圖6中的從塊86到塊82的反饋可以是(例如，實時或任何相關的時間段或者響應于觸發的)定期更新。

能量消耗根據許多不同的驅動器和約束(諸如外部溫度、預期的內部溫度、所使用的房間數量、占用者或訪問者的數量、所服務的餐具的數量以及其他因素)而變化。另外，能量消耗受到結構性因素的影響，諸如建筑物的年限、建筑物的大小、建筑物的位置、建筑物的溫度慣性、所使用的絕緣材料、照明類型、建筑物的樓層數量以及其他結構性因素。

在一些實施例中，系統將確定通用能量管理性能指標。這是考察能量性能的新方式：，前后一致地檢查站點或樓層(或被計量的任何東西)從能量角度被管理。這與“基準”站點的性能與類似的其他建筑物或過程非常不同(并且互補和更具操作性)。下面的解釋是該新方法的一個實施例。

系統實現自學習過程，其使用學習期來定義每個類別(全開、全關、斜上升/下降)中的建筑物的典型行為。在塊80，學習期可由用戶來設置或者可基于變化的穩定性來自我計算。當平均值和標準偏差對于每個類別是相當穩定(即使存在這些天的不同的配置文件)時，系統可以認為學習期成功。這可以在一個站點和另一站點之間變化，因為一些站點每周7天開放，具有非常類似的天(每天相同的開放時間)并且非常清晰地定義過程和例程。在這些站點中，由于變化被減少到異常，因此學習將是快速的。其他站點可以不斷地適應特定用途，諸如體育中心。在這種情況下，可能需要更長的時間段來定義什么是相關的。以及可能需要自動概要分析(auto-profiling)來將這些天分組成更均勻的組。

在塊84，自學習過程使用能量消耗統計例如(如，用于建筑物、建筑物的樓層或另一計量的區域的)每個儀表的典型平均值和典型標準偏差來定義典型行為。在塊86，系統不將計量的區域的能量消耗與全局絕對能量消耗值進行比較，而是與由該方法在學習期學習的“正常行為”進行比較。

除了初始的自學習特征外，系統利用在學習時間段期間和之后操作的自調整或自適應機制。

學習時間段可以由用戶設置或者可以是自動計算的學習時間段，以優化系統的學習。學習時間段的持續時間應當被設置成使得系統盡可能快地學習和適應，同時確保在該時間段期間在能量消耗中存在足夠的一致性，使得系統觀察和學習該計量的區域的“正常”能量消耗行為。該過程存在記憶方面，因為它自調整且自適應以隨著時間保持一致性。該過程的自調整機制在圖6中示出，其中塊86以迭代反饋回路循環回到塊82。該回路可以是實時的(由所接收/測量的每個新的數據點觸發)或者在任何其他相關的時間間隔。(可能的觸發間隔的示例：每小時、每日、每周)

在本公開的另一實施例中，系統自動地定義每個站點的相關集群的數量。

一些儀表或站點可以僅表現“開”或“關”能量消耗。例如，這可以是具有分表的站點的情況，其中只有單件裝備耦合到分表。在一些站點中，電流/電力變壓器可能是低質量或不適合足夠的精度或預期的負載的，因此它們可能提供錯誤的能量消耗數據。

一些儀表可能表現兩個元類別而沒有斜上升/下降或近似沒有斜上升/下降值。其他儀表可能表現三個元類別、四個元類別或更多的元類別。

數據集群指示站點處的能量使用的狀態。例如，數據集群可以指示其中能量使用是相對恒定、大體上增加或大體上降低的時間段。對于許多儀表，能量消耗行為的更好的統計表示可以通過增加的數據集群的數量或者有時僅通過2個集群來實現。本文中的討論在六個組之間進行區分：2個集群組、3個集群組、4個集群組、5個集群組、6個集群組和7個集群組。

最佳的集群數量可以由系統自動地確定為系統中全局設置的或逐個站點設置的參數。或者，這可以是另一實施例中的全局設置或逐個站點設置的手動參數。

3個集群的行為是常見的并且以上關于圖3論述，其中存在“全開”模式、“全關”模式和“斜上升/下降”模式。

2個集群的行為是3個集群的行為的簡化版本。它反映了僅存在兩個模式：“全開”32和“全關”30，而沒有“斜上升/下降”模式，如圖7所示。這種情況的示例是沒有加熱/冷卻系統的大型儲存建筑物。相反，只有燈被同時打開或關閉。因此，站點僅具有兩個有意義的操作模式。該站點處的能量消耗數據的聚類和分類反映了這個。

由于燈比預期更早或更晚地打開或關閉，因此能量消耗中的僅有的變化出現在“開”或“關”模式間隔的開始和結束處。該信息可能在統計術語中不是有意義的，在商業術語中也不是有意義的。在這種情況下，根據本公開的方法的實施例中的一個，在僅有“開”或“關”模式的站點處存在五種類別的能量消耗數據。第一類別(類別1)是低于類別2的所有數據點。類別2是“全關”模式。類別4是類別2和類別6之間的數據點。類別6是“全開”模式。類別7是高于類別6的數據點。在2個集群行為的情況下，不需要類別3和5。

對4個集群的行為的分析類似于對2個集群的行為的分析，但對4個集群的分析利用類別3和類別5。類別1低于類別2。類別2是“全關”模式。類別6是“全開”模式。類別7高于類別6。

斜上升/下降模式是高于“全關”類別的類別。這被計算并且取決于檢測到的操作模式。如果類別2是“關閉時間”，則類別3是斜上升/下降。如果存在兩個關閉模式，則類別3是第二關閉模式且類別4是斜上升/下降模式。

對5個集群行為的分析。類別1低于最低集群且類別7高于最高集群。類別2是最低(第一)集群。類別3是第二集群。類別4是第三集群。類別5是第四集群且類別6是最高集群。

對6個集群行為和7個集群行為的分析類似于對4個集群行為的分析的邏輯，具有浮動的斜上升/下降元類別。

如果需要，所使用的類別的數量能夠增加至8或9個類別。例如，將存在用于每個集群的類別、用于高于最高集群的數據點的類別、用于低于最低集群的數據點的類別以及用于在四個集群之間的三個相應間隙中的每一個中的數據點的三個類別。

在本公開的另一方面，系統基于站點的使用行為來將有意義的元類別分配給數據。在一個示例中，類別2可以是基線“全關”模式，且類別1可低于類別2。在該示例中，類別3是“斜上升/下降”模式，且類別4、5、6和7對應于運行時間。

在另一實施例中，在運行時間對應于“全開”模式的情況下，在運行時間中可能存在很小的變化。在該示例中，使類別6對應于“全開”且類別7對應于高于“全開”模式的數據可能是有用的。類別5將是“斜上升/下降”模式，而類別1、2、3和4將對應于關閉時間。在關閉時間的能量消耗中存在變化的情況下，例如在存在逐步關閉過程的情況下，這將是特別有用的。

在一些實施例中，本公開的方法檢查能量使用以查看哪種方法是最佳的。在過程檢測到存在逐步關閉過程并且在過程檢測到運行時間期間使用中的變化很小的情況下，該過程警告用戶這是這種情況和/或改變過程的規則以適當地定義類別。

在本公開的另一實施例中，系統在圖8的過程390中使用元類別來定義站點配置文件。該方法在圖8中的塊90確定天的類型并且確定在每個元類別中花費的時間。在塊92，系統確定哪些天是“開放”、“24小時開放”和“24小時關閉”。系統確定一周每天的開放時間的持續時間、一周每天的關閉時間的持續時間、一周每天的斜上升時間的持續時間和一周每天的斜下降時間的持續時間。

然后在塊94，系統使用每日配置文件來對站點進行概要分析。這可用于塊64中的日分類。例如，對于其中所有天都被識別為24小時開放日的站點，該站點可被分析為始終運行的站點。

在塊96，系統針對每種類型的天確定所有相關的配置文件(例如，季節性加熱工作日、冷卻工作日、春季、獨特異常高等)。在塊98，系統基于總體配置文件來對站點分類。例如，系統創建所有配置文件中的配置文件并計算每個配置文件中的天數。

在本公開的另一實施例中，系統在每日閾值和每日平均值之間進行區分并且定義每類別和元類別的實際使用。

閾值分析可能有助于識別趨勢、配置文件、季節性。典型的閾值將是當從類別2(cat2)移動到類別3(cat3)時，因為這是當從關閉元類別移動到斜上升和下降元類別時。然后，系統使用每個類別的平均值并且也使用每個元操作模式的平均值，以查找每日配置文件的變化。例如，系統可確定在“關”時間期間哪些天具有較低的平均能量消耗。

在本公開的另一實施例中，系統使用元類別來定義和分類每日配置文件。通過使用每元類別的實際使用，系統將天分類成等效配置文件或者識別新的配置文件以對每天進行分類。系統可以找到與“正常開放日”的季節相關的配置文件。例如，商店可以在一整年中的星期日具有不同的配置文件。在夏季期間(例如，六月和八月之間)，商店可以被檢測到開放10個小時。在四月和夏季的開始之間，同一個商店可能僅在上午時間開放。在一年的余下時間，商店在星期日關閉。

在本公開的另一實施例中，系統自動地檢測和命名每日配置文件。系統識別能量消耗的經常性行為和模式，諸如加熱或冷卻季節性配置文件，或諸如“具有異常行為的單日”。系統可包括用于諸如站點、站點中的建筑物、建筑物中的樓層、開放空間或制造空間的各種空間的數據。系統還可以包括用于諸如照明、加熱、冷卻、機器、it空間等的不同能量消耗類型的數據。數據可被分成相關的時間段。本公開的系統提供有意義的能量管理信號和配置文件。這些信號和配置文件有助于解釋能量消耗行為和能量消耗行為建模以及對可操作建議的定義是有用的。因此，請求這些配置文件以用于豐富分析是可能的。(用于說明目的的示例，其不是限制性：關于配置文件的溫度回歸、特定配置文件的日光變化回歸。)

在一個實施例中，系統根據從能量使用信息提取的條件來自動地命名經常性的配置文件。例如，在第一配置文件中，在4月10日和6月15日之間存在較低的基本負荷能量消耗值，并且在一周的所有天存在較長的基本負荷持續時間。第二配置文件對應于較長的基本負荷持續時間，其通常發生在星期六和星期日。第三配置文件對應于每星期一的時段的最大峰值，其在12月10日至3月31日發生。規則可被添加到過程以協助命名過程。例如，規則建立，使得該第一配置文件發生在供暖和冷卻季節，該第二配置文件在24小時關閉日的周末發生，并且(如在該第三配置文件中看到的)最大峰值在供暖期內發生。特征提取可能有助于從波形中提取出有意義的特點。

在本公開的另一實施例中，除了上面數據的分類之外，系統還分析能量使用數據的波形。可能執行與天的類型中的每一種(開放日、24小時開放日和24小時關閉日)有關的以及與由系統檢測和命名的經常性配置文件有關的波形分析。

能量使用數據的波形分析可用于識別數據中的開放-關閉“碰撞(bumps)”的數量。例如，在12:00h至14:00h之間關閉的銀行辦公室中，一切都在12:00h至13:30h之間關閉。波形分析可用于測量“斜上升”和“斜下降”數據的角。如果角太平坦，則可能存在能夠在時間優化方面節省能量的過程變化。波形分析可用于分析使用數據中的平穩段水平(plateaulevel)的數量和差異。例如，第一加熱或冷卻步驟較早地開始以達到舒適區。系統分析該數據以確定該第一過程步驟是否過早地開始，并且確定通過稍后開始第一過程步驟能夠節省多少錢。

圖9-14示出了示例排名圖形，其可通過諸如通過網絡連接到控制器的計算機或移動設備的電子設備上的用戶接口被提供給用戶或者在報告中提供。

本公開的方法和系統分析從每個儀表收集的相應數據、根據能量管理效率對儀表進行排名并向用戶通知儀表排名。圖9示出了站點中的一組儀表的總分的排名的示例。每個儀表具有示出其總分的柱130a、130b、130c...。良好管理的站點具有較低的分數，而管理較差的站點具有較高的分數。用戶可以快速地查看圖9的圖表并確定哪些儀表在提高能量管理效率方面需要注意。在圖9中，與柱130e對應的儀表具有最差的能量管理效率，而與柱130f對應的儀表具有最佳的能量管理效率。總分是基于按照從儀表收集的數據計算的各種度量。系統使用術語能量管理效率，因為它指示如何一致管理站點。不僅是指示站點如何相對于一些或多或少類似的其他站點執行。相關或不相干以及不相干的類型給我們提供如何良好管理能量的有力指標。因此，系統將能夠提供有價值的觀點和/或建議：“異常峰值在冬季供暖期內頻繁地出現并且當由外部溫度變化歸一化時似乎反映異常行為”，或“在關閉時間持續時間期間的工作日之間特別是每月的第二個星期四存在不一致性”。

圖10-14示出了可以在系統使用的各種度量。在圖10中，圖表用于基于良好管理的時間程度來對儀表進行排名。在其中全開時期密切地對應于其間站點被調度為開放營業的時間時，儀表受到良好管理。全開時期延伸遠至調度的關閉時間的儀表沒有被良好管理。在圖11中，儀表基于其斜上升/下降時期的斜率來進行排名。斜上升/下降模式中的陡坡對應于其中設備是有效的儀表。圖12示出了基于基本負荷波動的儀表的排名。其中基本負荷具有小波動的儀表對應于有效的能量使用。圖13示出了基于儀表的全開能量消耗與儀表的基本負荷能量消耗的比率的儀表的排名。具有全開能量使用與基本負荷能量使用的高比率的儀表對應于有效的能量使用。圖14示出了基于儀表的工作日能量消耗模式的一致性的儀表的排名。

為了計算圖11的斜率值，至少一個實施例中的系統識別與在正常運行時間和正常關閉時間之間轉變的能量消耗對應的數據集群，并且使用線性回歸或其他統計分析來計算數據集群的斜率。如果斜率低于臨界斜率，則該方法可以通知用戶。臨界斜率由用戶或通過方法被預定義為一斜率，在該斜率下能量使用是低效的。

為了計算圖13的比值，系統識別與正常運行時間對應的第一數據集群，然后識別與正常關閉時間對應的第二數據集群，計算第一數據集群的第一平均能量消耗值和第二數據集群的第二平均能量消耗值，并且計算第一平均能量消耗值與第二平均能量消耗值的比率。第一數據集群和第二數據集群分別是基本負荷和全開模式的數據集群。如果第一平均能量消耗值與第二平均能量消耗值的比率低于臨界比值，則系統可以通過電子設備上的用戶接口來向用戶提供通知。臨界比值由用戶或系統被預定義為一比率，高于或低于該比率，能量使用是低效的。

在一些實施例中，這些能量管理性能指標可被組合以對建筑物的行為(或樓層或特定過程或特定器件)進行建模并且細化相關聯的配置文件。作為示例，它可連接到稅率引擎以優化成本降低。(“我們應該由于2小時前的較低率而提前開始該過程么？”)。

本文所述的至少一些方法和系統能夠向用戶發送自動警報和報告，確定用戶應當采取的動作以提高能量消耗站點的能量效率，不管能量消耗站點是設施、設施內的建筑物、建筑物內的樓層或另一計量的區域還是任何過程或任何特定的器件。

該詳細描述討論涉及本公開的方法和系統的實施例。系統的實施例被配置為執行方法的一個或多個實施例的步驟。在討論方法的實施例的步驟的情況下，它們同樣適用于系統的實施例的能力。

通常，本公開的方法和系統有助于檢測與預期的建筑物操作的典型偏差。由本公開使用的過程能夠在設施中的儀表上實現，并且評估結果可以顯示在儀表上或者通過網絡被發送給用戶。本公開的方法和系統可以在包括云中或設備或兩者的某種組合的多個場景中實現。方法和系統可以利用綠色/黃色/紅色信號燈評估可視化，以便于向用戶通知可提高能量效率的動作。本公開的系統分析設施的間隔能量數據并自動地將間隔數據的集群分配給幾個每日配置文件元素中的一個(諸如基本負荷、全開、全關等)。一天內的特定的一組配置文件元素的存在用于對這一天期間的設施操作模式進行分類(諸如開放日、24小時開放日、24小時關閉日等)。

圖15示出形成系統400的計算組件的示例框圖，其可被配置為實現本文公開的一個或多個方面。例如，系統400可以可通信地耦合到控制器110、被包括在控制器110內、耦合到計算機(或其他電子設備)120、被包括在計算機(或其他電子設備)120內、耦合到每個儀表118a、118b、118c或被包括在每個儀表118a、118b、118c內。系統400還可以被配置為對能量消耗進行分析，如以上更詳細討論的。

系統400可包括例如計算平臺，如基于英特爾奔騰類型的處理器、摩托羅拉的powerpc、sunultrasparc、德州儀器dsp、惠普pa-risc處理器或任何其它類型的處理器的那些計算平臺。系統400可包括專門編程的專用硬件，例如專用集成電路(asic)。本公開內容的各個方面可被實施為在如圖15所示的系統400上執行的專業軟件。

系統400可以包括連接到如磁盤驅動器、存儲器、閃存或用于存儲數據的其它設備的一個或多個存儲器設備410的處理器/asic406。存儲器410可以在系統400的操作期間用于存儲程序和數據。計算機系統400的組件可以由互連機構408耦合，該互連機構308可包括一個或多個總線(例如，集成于同一機器內的組件之間)和/或網絡(例如，存在于分立機器上的組件之間)。互連機構408使通信(例如，數據、指令)能夠在系統400的組件之間進行交換。系統400也包括一個或多個輸入設備404，其可包括例如鍵盤或觸摸屏。系統400包括一個或多個輸出設備402，其可包括例如顯示器。此外，計算機系統400可包含可將計算機系統400連接至通信網絡(額外地或作為互連機構408的替代)的一個或多個接口(未示出)。

系統400可包括儲存系統412，其可包括計算機可讀和/或可寫的非易失性介質，其中信號可被存儲以提供由處理器執行的程序或提供在介質上或在介質中存儲的由程序處理的信息。介質可例如是磁盤或閃存存儲器，并且在一些實施例中可包括ram或其他非易失性存儲器，如eeprom。在一些實施例中，處理器可使數據從非易失性介質被讀取到另一個存儲器410中，這允許與介質相比處理器/asic更快地訪問信息。這個存儲器410可以是易失性的隨機存取存儲器，例如動態隨機存取存儲器(dram)或靜態隨機存取存儲器(sram)。它可位于儲存系統412中或存儲器系統410中。處理器406可操縱集成電路存儲器410內的數據并且接著在完成處理之后將數據復制到儲存器412。已知用于管理儲存器412和集成電路存儲器元件410之間的數據移動的各種機構，并且本公開內容不限于此。本公開內容不限于特定的存儲器系統410或儲存系統412。

系統400可以包括可使用高級計算機編程語言編程的計算機平臺。系統400也可使用專業編程的專用硬件(例如，asic)來實現。系統400可包括處理器406，其可以是市場上可買到的處理器，例如從英特爾公司可購得的公知的奔騰類處理器。許多其他處理器是可用的。處理器406可執行操作系統，其可以是例如從微軟公司可購買的windows操作系統、從蘋果電腦公司可購買的macos系統x、從sunmicrosystems可購買的solaris操作系統或者從各種來源可獲得的unix和/或linux。可使用許多其他操作系統。

處理器和操作系統可共同形成計算機平臺，對于該計算機平臺可以用高級編程語言編寫應用程序。應當理解，本公開不限于特定的計算機系統平臺、處理器、操作系統或網絡。此外，對本領域的技術人員應當明顯的是，本公開不限于特定的編程設計語言或計算機系統。此外應該認識到，還可使用其他適合的編程語言和其他適合的計算機系統。

在一些實施例中，本發明的方法和系統可以從除了能量儀表之外的數據源(諸如來自計算機可讀存儲器組件的數據文件)收集數據。

在一些實施例中，系統可以在主站點或儀表級處觸發警報。還可以使用連接到單個儀表的分表，并且每個分表可以觸發警報。

上面的方法和系統的關于“能量”消耗的描述也旨在涵蓋與“功率”消耗有關的方法和系統。類似地，上面的方法和系統的關于“功率”消耗的描述也旨在涵蓋與“能量”消耗有關的方法和系統。

實施例在其應用中不限于下面描述中所闡述或在附圖中示出的組件的結構和布置的細節。另外，本文所用的措辭和術語也是出于描述的目的，并且不應被視為具有限制性。“包括(including)”、“包含(comprising)”，或“具有(having)”、“含有(containing)”、“涉及(involving)”以及本文中其變型的使用意為包括以下列出的項目及其等同形式以及其他項目。

至此，已經描述了至少一個實施例的幾個方面，應認識到，本領域的技術人員將容易想到各種改變、修改和改進。這樣的改變、修改和改進旨在成為本公開的一部分，并且旨在落入本公開的范圍內。因此，前文的描述和附圖僅僅是示例性的。