入用于存储在恒溫器202中。排程可W由诸如恒溫器202本身的、智能住 家环境200的实体，通过学习与恒溫器202相关联的建筑物的居住者的倾向性和偏好来生 成。原始排程可W由除了智能住家环境200W外的系统100的实体，诸如远程服务器264、 能量管理系统130、或者系统100的另一实体来生成，并且在恒溫器202的安装之前在恒溫 器202中预先编程或者在安装之后传输到恒溫器202。在一些实施例中，设定点溫度的原始 排程可W基于上述的一项或多项的组合被生成。例如，原始排程可W起初由能量消费者来 定义并且随后经由学习而被定制。
[0117]原始设定点溫度的排程800被定义于一段时期内（在该示例中，从午前直至下午 7点），其包括在DR事件期开始时间802与DR事件期结束时间804之间延伸的DR事件期。 在一些实施例中，DR事件期还可W包括在事件前期开始时间806至DR事件期开始时间802 之间延伸的事件前期。在一些实施例中，DR事件期还可W包括在DR事件期结束时间804与 事件后期结束时间（未示出）之间延伸的事件后期，该事件后期结束时间是DR事件期结束 时间之后的某一时间。在一些实施例中，DR事件期可W包括事件前期和事件后期中之一或 -者。
[011引图9B图示根据实施例的由参数集所表征的候选设定点溫度的排程808。在该特 定实施例中的参数集包括第一参数810,该第一参数810指示与原始设定点溫度的排程800 的第一溫度设定点（即在事件前期开始806时所定义的溫度设定点）的溫度上的偏移。在 该特定示例中，偏移在增加能量消耗的方向上相对于对应的原始设定点是2°F。亦即，在 该特定示例中，室外溫度大于室内溫度，并且空调系统被启动W根据原始和/或候选排程 来降低室内溫度。优化的设定点溫度的排程应最终减少在DR事件期期间所消耗的能源量。 为协助运一减少，在事件前期期间执行预冷。在该特定示例中，在事件前期的过程中（即从 下午1点到下午2点）W由第一参数810所定义的溫度偏移来执行预冷。
[0119] 参数集还包括第二参数812,其指示与原始设定点溫度的排程800的最后溫度设 定点（即在DR事件期结束804时所定义的溫度设定点）在溫度上的偏移。在该特定示例 中，偏移在减少能量消耗的方向上相对于对应的原始设定点是3°F。亦即，在该特定示例 中，到DR事件期结束时，允许室内溫度同原始设定点溫度的排程相比升高3°F。
[0120] 第一参数810和第二参数812能够被使用于定义溫度设定点的线性序列的斜率， 其可W被用于确定候选排程。例如，转至图9C，图9C图示根据实施例的第一参数810、第二 参数812与溫度设定点的线性序列814之间的关系。第一参数810和第二参数812指示在 时期内相对于任意参考溫度的最大溫度变化的量值。在该特定示例中，时期是DR事件期 (即在DR事件开始时间802与DR事件结束时间804之间），并且任意参考溫度是73°F。 线性序列814则是在DR事件期内从参考溫度升高至第一和第二参数的组合量值的、溫度设 定点的线性序列，并且具有由DR事件期W及第一和第二参数的组合量值所定义的斜率。 阳12U转回图9B，由DR事件期W及第二和第二参数的组合量值所定义的斜率可W被用 于确定设定点溫度的候选排程808,W便减小在DR事件期内的能量消耗率的离差。在该特 定的示例中，候选的设定点溫度808在从事件前期开始时间806至DR事件期开始时间802 偏离由第一参数810所定义的量值之后，开始W由线性序列814的斜率所定义的变化率呈 线性升高。在设定点溫度的原始排程从一个溫度转变至另一溫度的情况下，诸如在下午5 点从75°F至70°F的范围的溫度变化，候选的设定点溫度808从新转变后的设定点溫度， W由线性序列814的斜率所定义的变化率，继续呈线性升高。换言之，在原始排程中的溫度 量值的变化（例如，在下午5点，原始排程808中下降5°巧类似地反映为候选排程808中 溫度的对应变化（例如，在下午5点，原始排程808中下降5°F)。
[0122] 虽然该特定实施例是根据指示从原始设定点溫度的排程800的第一溫度设定点 在溫度上的偏移的第一参数810W及指示从原始设定点溫度的排程800的最后溫度设定点 在溫度上的偏移的第二参数812来描述，但实施例并非限定于此。例如，在一些实施例中， 第一参数可W指示从原始排程800的任一设定点的溫度上的偏移。运可W是在事件前期开 始时间806、DR事件期开始时间802、DR事件期结束时间804、那些时间的任何时间之间的 某处、或者那些时间之外的某处的偏移。例如，参照图9B，运可W是从由原始排程800所定 义的从下午4点的75°F溫度设定点的0°F偏移。第二参数则可W指示穿过在从原始设 定点排程的溫度设定点的溫度上的偏移处的点的、溫度设定点的线性序列的斜率。例如，第 二参数可W指示穿过下午4点的75°F的设定点溫度的、溫度设定点的线性序列的斜率，在 此斜率是每小时升高ΓF的溫度。运两个因子然后可W被使用于确定候选设定点溫度的 排程808,在此将原始排程800修改成在下午4点为0°F的、每小时ΓF的斜率。
[0123] 应认识的是，如参照图9A和9B所述的原始排程800和经修改的排程808,仅被使 用于解释目的并且实施例的范围并未旨在被限定于此。例如，前述的斜率可能大于或小于 每小时ΓF，可能是正数（如图所示）或者负数，并且可能在DR事件期内是恒量（如图所 示）或者变量。经修改的排程808可W包括在事件前期内是恒量（如图所示）或者变量 (例如其可W具有与前述斜率相同或者不同的斜率）的溫度设定点，并且可W具有1小时 (如图所示）的持续时间、或者大于或者小于1小时的持续时间。另外，斜率可W基于在DR 事件期开始时间802与DR事件期结束时间804之间延伸（如前所述）、或者在其他时期之 间（例如在事件前期开始时间806与DR事件期结束时间804之间）延伸的时期而被定义。 更进一步，候选设定点溫度的排程808可W从除与事件前期期间的溫度偏移相关联的设定 点溫度之外的设定点溫度，开始呈线性变化。例如，参照图9B，在下午2点，代替从73°F 开始线性变化（该溫度是针对下午1点与2点之间的事件前期所定义的同一溫度），排程在 下午2点可W从74°F、75°F、76°F或者不同于针对事件前期所定义的溫度的某一其他 溫度开始线性变化。
[0124] 在一些实施例中，并且参照图9B，第Ξ参数816指示事件前期的持续时间。例如， 第Ξ参数816可W在事件前期开始时间806与DR事件期开始时间802之间延伸，由此定义 事件前期的持续时间。第Ξ参数可W此外或者替选地在其他时间段之间延伸，诸如在事件 后期内延伸。亦即，第Ξ参数可W此外或者替选地在DR事件期结束时间804与事件后期结 束时间（未示出）之间延伸。
[01巧]暂转至图9D，图9D图示根据实施例的对应于候选设定点溫度的排程808的候选 占空比排程。亦即，候选占空比排程指示在实施候选排程808后预期HVAC系统被控制的 "开"/ "关"状态的序列。候选占空比排程包括数个HVAC系统开启期818,在此HVAC系统 被控制成在那些时期期间处于"开"状态并且在那些时期之外处于"关"状态。在一些实施 例中，第四参数820指示最长的HVAC占空比周期。例如，最长的HVAC占空比周期可W指示 在每60分钟期间内45分钟的最大开启时间。第四参数820不必一定指示最大开启时间， 但类似地能够也或者替选地指示给定期内的最小的HVAC关闭时间（例如每60分钟期内15 分钟）。
[01%] 通过定义并且优化数个参数，诸如在DR事件期开始和结束时的回调溫度、事件前 期的持续时间（期间例如可W执行预冷）、最大占空比长度等，可W实现多达或者多于Ξ种 能量转移策略（回调、预冷W及占空比调制）的益处，同时可W在逐个住家的基础上减少运 些策略相关的缺陷。另外，通过基于用户对能量消耗与舒适度的偏好来进行优化，可W实现 控制轨迹对用户的特定偏好最优的最优控制轨迹。
[0127] 现返回图8,如所述，在操作804A中生成多个候选参数集。例如，第一参数集可W 包括具有2°F值的第一参数810W及具有3°F值的第二参数812,在此，该特定参数集表 征相关的候选设定点排程（例如在图9B中所示并且参照该图所述的候选设定点排程808)。 第二参数集可W包括具有2.5°F值的第一参数810W及具有3.5°F值的第二参数812， 在此，该特定参数集表征不同的候选设定点排程（未示出）。
[0128]在操作704B中，识别参数集中的最优参数集，当相关的候选设定点排程作为输入 被应用于HVAC系统的基于预测模型的仿真时，该最优参数集导致成本函数的最小化。亦 良P，在操作704A中所生成的参数集之一可W被识别为关于成本函数是最优的。
[0129] 在执行运一识别时，对于每一候选参数集的候选设定点排程可W被应用于HVAC 系统的基于预测模型的仿真。HVAC系统的基于预测模型的仿真可W包括，并且可W持续 更新，能够操作W预测建筑物的热动力学行为的HVAC系统的模型，例如模型可W操作成预 测对于设定点溫度的排程的室内溫度分布和/或HVAC占空比排程。模型可W使用多种 信息中的一些或全部而被生成/更新，诸如室内溫度的历史、室外溫度的历史、建筑物溫 度的历史、HVAC系统的特性（例如在HVAC系统的启动状态变化紧前正发生的室内溫度变 化率的遗留）等。一些特定模型及其在HVAC系统的基于预测模型的仿真中的使用在共 同转让且同时提交的名称为"GeneratingAndImplementingThermodynamicModelsOf AStructure(生成并实现建筑物的热动力学模型"的序列号为_的美国申请（参考号： 肥S0339-U巧中有所描述，其全部内容通过引用并入本文中用于所有目的。在一些实施例 中，并非使用如所述基于数据历史所生成的训练模型，而是可W使用默认模型，据此默认模 型提供建筑物的默认热动力学行为，例如给定的控制轨迹与室内溫度分布之间的默认关 系。
[0130] 响应于将候选设定点排程应用到HVAC系统的基于预测模型的仿真，可W生成用 于候选设定点排程的预测的室内溫度分布和/或HVAC占空比排程。用于候选设定点排程 的预测的室内溫度分布和/或HVAC占空比排程可W然后被用于成本函数，W确定与候选设 定点排程相关联的成本。例如，预测的HVAC占空比排程可W被使用于确定对于候选设定点 排程在DR事件期内的总HVAC使用量和/或所预期的HVAC使用的成本。另例如，预测的室 内溫度分布可W被使用于确定指示如果在DR事件期内实施候选设定点排程、居住者不适 的度量。 阳131]在一些特定的实施例中，在识别最优参数集时，可W捜索参数集空间，W识别使前 述成本函数最小化的参数集。通过捜索其中每一参数集均包括有限数目的参数（例如偏移 和斜率）的参数集的空间，而非由候选排程的每一溫度设定点所定义的空间（其可能数目 众多），对最优排程的捜索可W有利地明显加速。运一捜索可W由此被诸如恒溫器的功率较 低的设备（或者具有较低计算复杂度的设备）所执行，并且可W在没有过分加重设备负担 的情况下定期（例如每15分钟）被执行。 阳132] 在操作704C中，确定对最优参数集的识别是否失败。对最优参数集的识别可能出 于多种原因中的任何一个或多个而失败。例如，最小化算法可能无法识别成本函数的局部 或者全局最小值。如果识别失败，则处理可W继续至操作704D，在此将默认参数集选为最 优参数集。默认参数集可W是与用户的原始排程相比、在DR期内导致至少一些能量减少的 参数的集合。例如，第一参数810可W是在增加能量消耗的方向上的ΓF溫度偏移，而第 二参数812可W是在减少能量消耗的方向上的ΓF溫度偏移。运一参数集可W导致在DR 事件期内与原始排程相比的较少能量消耗，但在使能量消耗、居住者不适等最小化的方面 可能并非最优。
[0133] 否则，如果对最优参数集的识别并未失败，则处理可W继续至操作704E。在操作 704E中，确定最优参数集是否在基线集之内。基线参数集可W是对应于原始设定点排程的 参数集。在确定最优参数集是否在基线集之内时，可W确定由最优参数集所表征的占空比 排程是否等同于由原始设定点排程所表征的占空比排程或者在其一定公差范围内。换言 之，可W确定最优排程是否预期将导致HVAC系统W如若根据原始排程来控制HVAC系统的 类似方式而被控制。为作出运一确定，可W将由最优参数集所表征的预测的占空比排程与 原始设定点排程进行比较。如果占空比排程彼此相同或者相似，则可W确定最优参数集是 处于基线集之内。否则，可W确定最优参数集并非处于基线集之内。 阳134] 例如，暂转至图10A和10B，图10A图示根据实施例的由最优设定点排程808的实 施而产生的预测的HVAC占空比900。HVAC占空比900包括开始于约下午1点、下午3点、 下午4点和下午5点的HVAC开启期，其中，开始于下午1点和下午5点的HVAC开启期各持 续约50分钟，并且开始于下午3点和下午4点的HVAC开启期各持续约30分钟。图10B图 示根据实施例的由原始设定点排程800的实施产生的预测的HVAC占空比902。HVAC占空 比902包括开始于约下午1点、下午2点30和下午3点50的HVAC开启期，持续时间范围 从30分钟到超过2小时。
[0135] 在该特定示例中，为便于操作704E，可W将HVAC占空比900与HVAC占空比902进 行比较。如果占空比相同或者相似，则可W使用原始设定点排程800而非最优排程808。在 比较中可W使用占空比的多种特性，诸如HVAC开启次数、HVAC开启时期、HVAC关闭次数W 及HVAC关闭时期，其中，彼此相差5%之内（或者一些其他大于或者小于5%的阔值）的排 程可W被认为相似。
[0136] 返回图8,如果确定最优参数集是处于基线集之内，则处理可W继续至操作704F， 在此，可W将基线参数集选为最优参数集。亦即，代替使用由最优参数集所表征的设定点排 程来随后控制HVAC系统，可W选择并且使用原始设定点排程。W运种方式，可W有利地如 同用户所预期般精确控制HVAC系统，由此增加原始设定点排程的可能性，其在该特定情况 下在DR事件期的持续时间内基本上最优、被采纳、或W其他方式不受用户的干扰。
[0137] 应领会的是，在图8中所示的特定操作提供用于说明根据实施例确定优化的控制 轨迹的流程的具体流程。参照图8所述的各种操作可W在多种电子设备或者本文所述的组 件中的一个或多个处实现并且由其执行。例如，它们可W在智能住家环境200 (例如恒溫器 202)、能量管理系统130(例如远程服务器264)等中的一个或多个电子设备处实现并且由 其执行。还可W根据替选的实施例来执行其他操作序列。例如，本发明的替选实施例可W 不同的顺序来执行上面概述的操作。此外，在图8中所示的各个操作可W包括可W合适于 各个操作的各种次序所执行的多个子操作。另外，基于具体的应用，可w增加附加的操作或 者删除现有的操作。
[0138] 现返回图7, 一旦优化的控制轨迹已被确定，DR事件期便可W始于操作706。一旦 DR事件期开始，处理便可W继续至操作708,在此根据控制轨迹来控制HVAC系统。例如，在 HVAC控制轨迹包括设定点溫度的排程的情况下，恒溫器202可W控制HVAC203W试图达到 那些溫度和/或保持那些溫度在特定的误差阔值内。另例如，在HVAC控制轨迹包括HVAC占 空比排程的情况下，恒溫器202可W根据占空比排程来控制HVAC203的开启/关闭状态。 所使用的特定控制轨迹可W是作为操作704的结果所确定的控制轨迹，并且由此可W是由 成本函数的优化所产生的控制轨迹、默认控制轨迹、和/或原始控制轨迹。
[0139] 在操作710中，可W确定在DR事件期内的设定点溫度分布。可W基于正使用的特 定控制轨迹来确定设定点溫度分布。例如，如果使用原始设定点排程，则设定点溫度分布 可W对应于由原始设定点排程所定义的设定点溫度。类似地，如果使用默认或者最优的设 定点排程，则设定点溫度分布可W对应于由默认或者最优的设定点排程所定义的设定点溫 度。在所实施的设定点排程包括在DR事件期内高变化率的设定点溫度的实施例中，例如每 5、10或15分钟变化的设定点溫度（参见例如图9B中的候选排程808,在此设定点溫度在DR事件期内持续变化），期望降低显示或W其他方式传输给用户的设定点溫度的变化率。 在一些实施例中，运可W通过禁止显示实际的设定点溫度而换为有效的溫度设定点（即运 样的溫度设定点，其如果被使用于控制HVAC系统，会预期使得HVAC系统被控制为如同其实 际上正根据所选择的控制轨迹被控制）来完成。
[0140]例如，暂转至图11A和11B，图11A图示根据实施例的由最优排程808的实施产生 的预期的室内溫度分布1002。可W通过将最优设定点排程808应用到基于预测模型的HVAC 系统的模拟，来确定预期的室内溫度分布1002。图11B图示根据实施例的相对于所预期的 室内溫度分布1002的有效设定点溫度1004。可W通过识别所预期的室内溫度分布1002的 峰和谷，来确定有效设定点溫度1004。例如，可W将有效溫度设定点定义为在从前一谷（例 如在下午2点）延伸至峰溫度所在时刻（即在下午3点）的持续时间内的峰溫度（即在下 午3点）。类似地，可W将有效溫度设定点定义为在从前一峰（例如在下午3点）延伸至 谷溫度所在时刻（即在下午3点30)的持续时间内的谷溫度（即在下午3点30)。有效设 定点溫度1004的组合可W然后被用作设定点溫度分布。亦即，代替使用由最优排程808作 为设定点溫度分布所定义的（持续变化的）设定点溫度，而可W使用（相对静态的）有效 设定点溫度1004的序列。W运种方式，当显示给用户时，用户并未被呈现W出现持续变化 的排程（例如排程808)，而是被呈现W出现相对静态的排程（例如由有效溫度设定点1004 的组合所定义）。相对静态的排程的呈现可W有利地降低用户干扰最优排程的实施的可能 性。 阳14U返回图7, 一旦设定点溫度分布被确定，在操作712中，可W在DR事件期期间，将由 设定点溫度分布所定义的设定点溫度显示或W其他方式传输至用户。例如，有效设定点溫 度1004可W在DR事件期的过程中作为当前设定点溫度被依序显示于恒溫器202上。 阳142] 虽然根据所确定的控制轨迹来控制HVAC系统，但处理可W继续至操作714,在此 其确定是否需要重新确定控制轨迹。可能存在要重新确定控制轨迹的多种原因，诸如实际 的HVAC状态和/或室内溫度不同于所预期的HVAC状态/室内溫度、建筑物的实时居住变 化、室内溫度越过一些安全阔值等。在一些特定实施例中，当下列情况时，可w重新确定控 制轨迹：（1)在实施最优排程的情况下，实际的室内溫度分布不同于预测的室内溫度分布； (2)在由于原始排程被认为产生与最优排程相似的控制而实施原始排程的情况下，实际的 室内溫度分布越过一些安全阔值；（3)建筑物的实时居住改变；W及/或者（4)在实施最优 或者原始排程的情况下，实际的HVAC状态不同于预测的HVAC状态。 阳143]在作出运一确定时，可W监视多种信息。例如，可W在DR事件期期间监视建筑物 的实际室内溫度并且将其与所预期的室内溫度分布进行比较。另例如，可W监视实际的 HVAC状态，并且将其与由所预期的HVAC占空比排程定义的所预期的HVAC状态进行比较