专利名称：用于智能控制建筑物内能耗的基于传感器的占用和行为预测方法
技术领域：
本发明涉及用于控制建筑物内的能耗的方法，并且更为具体地，涉及用于响应于 传感器输出而控制建筑物内的能耗的方法。
背景技术：
能量的价格每天都在很大程度地改变，并且在稳定地增加。在维持舒适的同时最 小化建筑物的加热和空调成本必须基于对在建筑物内使用的设备和系统的识别以及基于 用户行为和建筑物环境的特性。基于所述对系统组件的识别，建筑物控制可以基于所定义 的舒适水平以及建筑物空间的实际使用，优化舒适度和能量。根据每天或每周设置的调度表来控制比如房屋、办公楼或仓库的建筑物的HVAC 系统，这是已知的。也就是，电子控制器可以建立一系列的设置温度，该一系列的设置温度 可以操作该HCAV系统来在一天的某些时间实现。所述设置温度和相关联的时间可以根据 星期而改变。所述时间和设置温度可以由编程员基于在各个时间处期望位于该建筑物内的 人数来选择。例如，为了减少能量成本，当仅仅几个或少数人被期望位于该建筑物内时，该 建筑物可以不维持在舒适的温度。所述时间和设置温度还可以基于该建筑物内的环境温度 对该HVAC系统的设置温度的变化的已知响应时间选择。也就是，可以根据天气条件以及该 建筑物内的机器和家用电器所生成的热量，改变HVAC系统达到新的设置温度所需要的时 间长度。这种已知的HVAC控制系统的问题在于建筑物将被占用的时间段不总是公知的。 即使在占用时间是公知的情形下，所述占用时间段每周都易于发生改变。即使在占用调度 表的变化是已知时，经常不根据该新的调度表对该HVAC系统进行重新编程，因为找不到知 道如何重新编程该系统的人，重新编程被认为是太难的任务，或者对该HVAC控制系统的重 新编程被完全忘记。因此，当发生占用调度表变化时，该HVAC系统通常在它不需要操作时 操作，和/或在该HVAC系统关闭时，占用者经受不舒适的温度。另一问题在于，因为HVAC控制系统编程员知道将来占用调度表的不确定性，所以 所述编程员在该天的大部分时间内，在操作该HVAC系统时会有意地产生错误。尽管这种实 践可以使得占用者更舒适，但是它确实导致该HVAC系统在该HVAC系统不需要操作时进行 操作的情形。鉴于现有技术既不是可预期的也不是显而易见的，所以提出一种用于基于实际占用来控制HVAC系统使得该系统仅仅在需要时进行操作的方法。
发明内容
本发明提供了一种方法，用于感测建筑物的当前人员占用以及当前能耗特性，以 便鉴于过去的占用和能耗模式，预测在随后的几小时内的HVAC操作要求。在一个实施例中，本发明使用感测技术以及系统识别方案来确定占用者行为、设 备特征以及环境因素之间的关系。占用者行为可以包括比如占用、移动模式、舒适偏好以及 设备使用的参数。设备特征可以包括电压、电流和/或相位的时间/频率模式。环境因素 可以包括比如温度、湿度、二氧化碳、照明和声音的参数。本发明还可以使用模式识别和分 类技术，以得到基于传感器的行为预测算法，该算法可预测若干小时之后的事情。这种基于 模型的预测可以被用作控制和优化技术的研发的基准。本发明可以基于包括商业和居民建筑物应用的新型基础结构的系统方案。新特征 是使用传感器来识别电子系统，以及评估环境参数以及人和建筑物之间的相互作用。这种 传感器使用可以在仍然为占用者提供高水平舒适度的同时，提供用于达到更低能耗的系统 优化的因素。在本发明的一个形式中，本发明包括用于控制建筑物内的能耗的方法，该方法包 括提供与该建筑物相关联的至少一个环境感测设备以及至少一个能耗感测设备。从该环境 感测设备以及该能耗感测设备收集当前数据以及相关联的时间数据。能耗参数的将来值是 基于所收集的当前数据、所述相关联的时间数据以及从该环境感测设备和该能耗感测设备 收集的历史数据而被预测的。根据时间确定每单位能耗的将来成本曲线(profile)。取决 于所预测的将来能耗参数值以及所确定的能耗成本曲线，控制能耗。在本发明的另一形式，本发明包括用于控制建筑物内的能耗的方法，该方法包括 提供与该建筑物相关联的至少一个人员存在感测设备以及至少一个能耗感测设备。从该人 员存在感测设备以及该能耗感测设备收集当前数据以及相关联的时间数据。人员存在参数 的将来值是基于所收集的当前数据、所述相关联的时间数据以及从该人员存在感测设备和 该能耗感测设备收集的历史数据而被预测的。取决于所述人员存在参数的预测值，控制能耗。在本发明的又一形式，本发明包括用于控制建筑物内的HVAC操作的方法，该方法 包括提供与该建筑物相关联的至少一个环境感测设备。从该环境感测设备收集当前数据。 与该建筑物相关联的将来温度是基于所收集的当前数据以及从该环境感测设备收集的历 史数据而被预测的。根据所预测的将来温度，控制HVAC系统的操作。除了控制建筑物内的HVAC操作之外，本发明可以被使用来控制其它形式的能耗， 包括热水系统、本地电力产生(例如，光电、基于实时价格和能量存储从公用事业单位购买 /销售)以及负载调度(例如，比如洗衣机、烘干机、洗碗机等家用电器的启动时间等)的管 理。本发明的优点在于可以减少能量成本而不牺牲舒适水平。
通过参照结合附图给出的下述对本发明的实施例的描述，本发明的上述和其它特征和目的以及实现它们的方式将变得更加显而易见，并且本发明自身将更好理解，其中图1是适合于与本发明的建筑物能耗控制方法一起使用的基于传感器的HVAC控 制系统的一个实施例的方框图；图2是适合于与本发明的建筑物能耗控制方法一起使用的学习算法/预测器的方 框图；图3是本发明的用于控制建筑物内的能耗的方法的一个实施例的流程图；图4是例示本发明的用于控制建筑物内的能耗的方法的另一实施例的流程图；图5是例示本发明的用于控制建筑物内的能耗的方法的又一实施例的流程图；图6是例示本发明的用于控制建筑物内的HVAC操作的方法的一个实施例的流程 图。在上述几个图形中，对应的参考标记指示对应的部件。尽管所述附图表示本发明 的实施例，但是所述附图不必按比例绘制的，并且为了更好地例示和说明本发明，可以放大 某些特征。尽管本文中阐述的几个形式的范例例示了本发明的实施例，但是下面公开的实 施例不是意在是排他性的，或者不意在被解释为将本发明的范围限制在所公开的精确形 式。
具体实施例方式在算法和操作数据方面，呈现了下面描述的一些部分。除非在本文中以其它方式 声明或者根据所述描述是显而易见的，比如“运算”、“收集”、“控制”、“确定”、“预测”、“处理” 或“计算”的术语或类似术语指代计算设备的动作，该计算设备可以在被编程来执行这些动 作后，自动地执行这些动作，即，不需要人的干预。下文中公开的实施例不是意在是排他性的，或者不是意在将本发明限制到在下面 的描述中公开的精确形式。相反，选择和描述上述实施例，从而使得本领域中的其它技术人 员可以使用它的教导。现在参见图1，示出了本发明的基于传感器的HVAC控制系统20的一个实施例，该 HVAC控制系统20包括建筑物22，该建筑物22具有多个房间M。在每个房间M内，可以 存在一个或多个环境消耗感测设备26以及一个或多个环境感测设备观。能耗感测设备沈 可以感测比如电力或天然气的一些公用事业的消耗的一个或多个特性。例如，能耗感测设 备沈可以感测正在被消耗的电力的电压、电流、功率和/或相位，并且可以监测并记录这些 参数随时间的变化。环境感测设备观可以感测与建筑物22内部和外部的环境相关联的各种参数中的 任何一种，包括人的存在。为了感测建筑物22外部的环境参数，可以在建筑物22的外部布 置至少一个环境传感器观，如图1中所例示。环境感测设备28可以感测环境参数，比如温 度、湿度、水分、风速和光照水平，上述中的所有参数可以与建筑物22内的将来温度和/或 温度变化率有关系。环境感测设备观可以感测指示人或动物的存在的环境参数，比如运 动、门移动、声音级、二氧化碳水平以及电子卡读数。电子卡读数可以在工作环境中感测，在 该工作环境中，使用者在进入或离开该建筑物时，在读卡器中扫描他们的个人识别卡。感测设备沈、28中的每个可以与中央电子处理器30电通信。尽管设备26J8在 图1中被示出为经由各自的电导体32连接到处理器30，但是设备沈、观与处理器30无线通信也在本发明的范围内。处理器30可以与互联网34电通信，经由该互联网34，处理器30可以接收随时间 变化的每单位能耗的将来成本的当前曲线。例如，处理器30可以接收在该天的各个时间的 电力成本的调度表，该调度表可以在决定何时和/或是否操作各种电子设备时由处理器30 使用，所述各种设备比如是采暖通风以及空调(HVAC)系统36以及家用电器38，所述家用电 器38比如是电炉、衣服烘干机等。在处理器30的控制下，HVAC系统36能够单独地管理每 个房间M的环境温度。也就是，HVAC系统36能够逐个房间实现期望的设置温度。控制系统20可以使用具有模式识别和学习算法的传感器设备沈、28，以基于先前 占用水平和行为来预测在将来的几个小时内建筑物22的占用人的行为。可以选择几个小 时的范围，因为建筑物的蓄热物质通常使得可以在将来的几个小时内感觉到操作HVAC系 统的效果。换言之，建筑物内的温度可以是在仅先前几个小时内的外部环境温度和该建筑 物的HVAC操作的函数，并且可以明显与多于几个小时之前该建筑物中的温度无关以及不 受其影响。环境传感器观可以测量室内和室外环境条件(例如，温度、湿度、二氧化碳、照明、 运动活动以及声音)。能耗感测设备26可以测量该建筑物内的正在操作的家用电器和设备 的特性(例如，AC/DC电流、电压、相位和频率谐波)。机器学习算法可以从这些所感测的物 理参数中提取更高级的特征，所述所感测的物理参数比如是该房间中的人数、指定家用电 器的使用、或者占用者的特定活动，比如做饭、洗澡等。可以发现该数据和高级特征中的时 间模式，并且在预测即将到来的活动时使用该时间模式。这些预测可以被送到建筑物自动 控制系统，该建筑物自动控制系统优化地在舒适度和建筑物系统的能量效率管理之间进行 折衷，所述建筑物系统例如是HVAC(例如，居民加热/制冷或商用通风)、热水、本地功率产 生(例如，光电、基于实时价格和能量存储从公用事业单位购买/销售)以及负载调度(例 如，比如洗衣机、烘干机、洗碗机等的家用电器的延迟启动)。图2例示了在处理器30内具体实现的学习算法/预测器的示例输入和输出。该 预测器接收由环境感测设备观提供的室内和室外环境因素，包括温度、湿度、声音、二氧化 碳、照明以及运动等。该预测器还接收设备或家用电器电能消耗特征，包括每个设备的电 压、电流、相位和功率。基于上述输入、与上述输入相关联的时间、将先前输出与相关联的先前输入相关 的历史数据、以及与该先前输入和先前输出相关联的时间，该学习算法/预测器可以输出 若干预测。上述输出例如可以与建筑物的占用者的移动(例如，该占用者移入和移出该建 筑物以及在房间之间移动)、设备和家用电器的使用以及能耗相关。作为本发明的实现方案的一个示例，环境感测设备观可以检测建筑物22的洗澡 间中的温度、湿度和声音级中的持续增加，所述持续增加与使用洗澡间淋浴一致。此外，能 耗感测设备26可以在操作头发烘干机时，同时指示用于对水进行加热的天然气或电力使 用的增加、热水流量的增加和/或电能消耗的增加。处理器30可以分析先前数据模式，并 且得出的结论是，这种到来数据之后通常是人员继续占用该洗澡间至少20分钟，如运动传 感器所检测到的。对先前数据的分析还可以揭示出，这种输入数据之后通常人员继续占用 该建筑物22至少30分钟，也如运动传感器或其他类型的人员存在传感器设备所检测到的。 因为处理器30得出的结论是该洗澡间将被占用至少20多分钟以及该建筑物22将被占用至少30多分钟，所以处理器30可以决定继续HVAC系统36的操作，或者至少继续提供该洗 澡间内的热量，该热量是洗澡间特别需要的。否则，如果处理器30没有数据指示建筑物22 将继续被占用任何时间长度，则处理器30可以基于建筑物22可能马上将不被占用的可能 性，禁止HVAC系统36的操作。作为本发明的实现方案的另一示例，能耗感测设备沈可以检测比如电炉的家用 电器38的持续使用。电炉使用可以由功率消耗中的类似时间模式在某些时间或者具有特 定发生频率的周期性出现来指示，该周期性出现与典型的做饭安排相一致。电炉使用还可 以由环境感测设备观所测量的厨房内的环境温度中的其它方式的未说明的峰值指示或确 认，该峰值还可以在某些时间发生或者以特定的发生频率发生，并且与典型的做饭安排相 一致。处理器30可以分析先前数据模式，并且得出的结论是，这种指示做饭的数据之后通 常是人员继续占用该厨房至少10分钟，如运动传感器所检测到的。对先前数据的分析还可 以揭示出，这种到来数据之后通常是人员继续占用该建筑物22至少60分钟，也如运动传感 器或其他类型的人员存在传感器设备所检测到的。因为处理器30得出的结论是该厨房将 被占用至少10多分钟以及该建筑物22将被占用至少60多分钟，所以处理器30可以决定继 续HVAC系统36的操作，或者至少继续提供该厨房内的空调，该空调是该厨房特别需要的。 否则，如果处理器30没有用于指示建筑物22将继续被占用任何时间长度的数据，则处理器 30可以基于建筑物22可能马上将不被占用的可能性，禁止HVAC系统36的操作。作为本发明的实现方案的另一示例，环境感测设备观可以检测卧室(其缺少移动 性并且具有低的声音级)中的照明(即，光)的光照水平，这可以对应于夜间的阅读行为。 如果这种数据在后半夜或通常与睡觉时间相关联的时间接收，则该数据尤其可能被解释为 指示阅读的行为。如果用户期望，则处理器30可以被编程为通过断开或禁止HVAC系统36 的操作，或者至少将所述设置点温度降低到打开加热器的温度之下，来响应于这种指示睡 觉时间阅读的数据。处理器30可以被编程来将这些动作应用于整个建筑物22，或者仅仅应 用于卧室。否则，如果处理器30没有用于指示占用者正在准备晚上睡觉的数据，则为了建 筑物22的活动占用者的舒适，处理器30可以继续HVAC系统36的操作。能耗感测设备沈可以识别能耗的各种特性，并且处理器30可以从中得出关于正 在消耗能量的负载的类型的结论。基于正在操作的机器和家用电器的类型，处理器30可以 做出关于机器和家用电器所生成的热量的假设以及建筑物22或者该建筑物22内的特定房 间将被继续占用某一时间段的可能性的假设。例如，建筑物内消耗的功率水平可以与该机 器和家用电器在不久的将来所生成的热量直接相关。处理器30还可以将这个所生成的热 量作为它的关于HVAC系统36是否应该被操作来提供热量或空调的判决的要素。作为能耗感测设备沈可以识别的特性的另一示例，不同类型的负载可以导致所 供应的功率的不同相位。比如电机的感应型负载例如可以产生大约90度的超前相移。比 如电池充电器的电容型负载可以产生大约90度的滞后相移。电阻型负载通常产生较小的 相移或者不产生相移。因此，处理器30可以分析相移，并且做出关于正在被操作的机器和 家用电器的类型的假设。根据这个信息，处理器30还可以得出关于所期望的人员占用行为 和/或机器和家用电器所生成的热量的结论。基于此，处理器30可以控制HVAC系统36的 操作。当然，处理器30不必做出关于正在被操作的机器和家用电器的类型的假设。相反， 处理器30可以使用历史数据中的趋势来直接解释在随后的几个小时期间，特定类型的相移对人员占用和热量生成的可能影响。除了相移之外，可以由处理器30感测和分析的另一电气特性是电力线中的由机 器和家用电器生成的或者辐射到空气中的谐波频率分量。处理器30可以基于这种检测到 的谐波频率分量，做出关于所期望的人员占用行为和/或由机器和家用电器生成的热量的 假设。随后，处理器30可以相应地控制HVAC系统36。图3示出了本发明的用于控制建筑物内的能耗的方法300的一个实施例。在第一 步骤302中，收集传感器数据以及相关联的时间数据。例如，处理器30可以从能耗感测装 置沈以及环境感测装置观接收传感器数据，并且可以将该传感器数据与处理器30从互联 网34接收或利用内部时钟生成的时间数据相匹配。在下一步骤304中，所述传感器数据和相关联的时间数据与先前识别的模式相匹 配。也就是，处理器30可以在先前收集的数据中，或者已经从其它来源下载到处理器30中 的先前数据中搜索，并识别历史数据中的与最近收集的传感器数据相似的部分。然后，在步骤306，基于与所收集的数据匹配的模式进行能耗预测、环境预测、和/ 或行为预测。例如，处理器30可以识别来自传感器沈、28的紧接在与当前数据匹配的历史 数据之后的那些历史数据的模式，并且处理器30可以假设，紧跟在当前传感器数据之后的 将来数据将遵循与所述历史数据相似的模式。也就是，处理器30可以对当前数据进行外推 以与所述历史数据中被识别出的模式匹配。基于此，处理器30可以做出关于将来传感器读 数的预测，并且这些所预测的将来传感器读数可以与建筑物22内部和外部的能耗、环境条 件和/或占用者行为的预测直接相关。在步骤308，识别在各个将来时间处的能量成本曲线。在一个实施例中，处理器30 可以周期性地从互联网34下载或以其他方式接收在一天中的每小时中被电力公司收取的 每千瓦时电力的各个成本。在最终步骤310，基于所收集的数据、能耗预测和能量成本曲线，控制能耗。也就 是，处理器30可以决定是否操作HVAC系统36，和/或可以决定是否或者决定在哪个时间 以成本节约的方式操作家用电器38，该成本节约的方式不显著地牺牲建筑物22的占用者 的舒适度和/或方便性。处理器30可以基于从感测设备沈、观收集的数据、关于能耗的预 测、环境条件和/或占用者的行为、以及在一天的各个小时的能量成本，进行这些判决。图4中例示了本发明的用于控制建筑物内的能耗的方法400的另一实施例。在 第一步骤402中，提供与建筑物相关联的至少一个环境感测设备以及至少一个能耗感测设 备。例如，可以在建筑物22中提供环境感测设备观和能耗感测设备26。在下一步骤404中，从所述环境感测设备和所述能耗感测设备收集当前数据以及 相关联的时间数据。例如，处理器30可以从能耗感测设备沈和环境感测设备观接收传感 器数据，并且可以将该传感器数据与处理器30从互联网34接收或者利用内部时钟生成的 时间数据匹配。接着，在步骤406，基于所收集的当前数据、相关联的时间数据以及从环境感测设 备和能耗感测设备收集的历史数据，预测能耗参数的将来值。例如，处理器30可以识别来 自传感器沈、28的紧接在与当前数据匹配的历史数据之后的那些历史数据的模式。然后， 处理器30可以假设，能耗参数的将来值(其由感测设备沈、观的将来读数提供)将遵循与 所述历史数据相似的模式。也就是，处理器30可以对当前数据进行外推以与所述历史数据中的所识别出的模式匹配。基于此，处理器30可以做出关于与建筑物22内部和外部的能 耗、环境条件和/或占用者行为相关的能耗参数的将来值的预测。在下一步骤408，根据时间确定每单位能耗的将来成本曲线。例如，处理器30可以 周期性地从互联网34下载或以其他方式接收在一天中的每小时被电力公司收取的每千瓦 时电力的各个成本。在最终步骤410，根据预测的将来能耗参数值以及所确定的能耗成本曲线，控制能 耗。也就是，处理器30可以决定是否操作HVAC系统36，和/或可以决定是否或者决定在一 天中的哪个时间以成本节约的方式操作家用电器38，该成本节约的方式不显著地牺牲建筑 物22的占用者的舒适度和/或方便性。处理器30可以基于从感测设备沈、观收集的数据、 关于能耗的预测、环境条件和/或占用者的行为、以及在一天的各个小时的能量成本，进行 这些判决。图5例示了本发明的用于控制建筑物内的能耗的方法500的又一实施例。在第一 步骤502，提供与建筑物相关联的至少一个人员存在感测设备以及至少一个能耗感测设备。 例如，可以在建筑物22中提供能耗感测设备沈以及例如声音检测器、运动检测器和/或二 氧化碳检测器的环境感测设备观。这些类型的环境感测设备观都能够检测人员存在。在下一步骤504，从人员存在感测设备以及从能耗感测设备收集当前数据，以及相 关联的时间数据。例如，处理器30可以从能耗设备沈以及能够检测人员存在的环境感测 设备观接收传感器数据，并且可以将该传感器数据与处理器30从互联网34接收或者利用 内部时钟生成的时间数据匹配。接着，在步骤506，基于所收集的当前数据、相关联的时间数据以及从人员存在感 测设备和能耗感测设备收集的历史数据，预测人员存在参数的将来值。例如，处理器30可 以识别来自传感器观的紧接在与当前数据匹配的历史数据之后的那些历史数据的模式。 然后，处理器30可以假设，人员存在参数的将来值(其由感测设备观的将来读数提供)将 遵循与所述历史数据相似的模式。也就是，处理器30可以对当前数据进行外推以与所述历 史数据中的所识别出的模式匹配。基于此，处理器30可以做出关于与建筑物22内部和外 部的能耗、环境条件和/或占用者行为相关的人员存在参数的将来值的预测。在一个实施 例中，人员存在参数可以与在各个时间处建筑物的占用者数目有关。可以逐个房间对这个 人员存在参数进行细分。在最终步骤508，根据预测的将来人员存在参数值，控制能耗。也就是，处理器30 可以决定是否操作HVAC系统36，和/或可以决定是否或者决定在一天中的哪个时间以成本 节约的方式操作家用电器38，该成本节约的方式不显著地牺牲建筑物22的占用者的舒适 度和/或方便性。处理器30可以基于从感测设备沈、28收集的数据以及关于人员存在的 预测、环境条件和/或占用者的行为，进行这些判决。在一个实施例中，在进行这些关于能 耗的控制的判决时，处理器30还可以考虑在一天中的各个小时的能量成本。图6例示了本发明的用于控制建筑物内的HVAC操作的方法600的实施例。在第 一步骤602，提供与建筑物相关联的至少一个环境感测设备。例如，可以在建筑物22内和/ 或在建筑物22的外部提供形式为环境温度检测器的环境感测设备观。在下一步骤604，从环境感测设备收集当前数据。例如，处理器30可以从一个或多 个环境感测设备28接收温度数据，该一个或多个环境感测设备28以环境温度检测器的形式布置在建筑物22的各个房间M中和/或建筑物22的外部。接着，在步骤606，基于所收集的当前数据以及从环境感测设备收集的历史数据， 预测与该建筑物相关联的将来温度。例如，处理器30可以识别来自温度传感器观的紧接在 与当前温度数据匹配的历史数据之后的那些历史数据的模式。然后，处理器30可以假设， 由感测设备观的将来读数提供的将来温度将遵循与所述历史数据相似的模式。也就是，处 理器30可以对当前数据进行外推以与所述历史数据中的所识别出的模式匹配。基于此，处 理器30可以做出关于建筑物22内的将来温度的预测。在一个具体实施例中，处理器30可 以接收建筑物22的外部温度以及建筑物22的内部温度。基于所述外部温度和所述内部温 度的差值，处理器30可以基于历史温度变化率，预测(例如，下几个小时内的)将来的内部 温度，假设其间HVAC系统不操作。可以逐房间地对所述温度差以及温度预测进行细分。在形成将来的内部温度的预测时，处理器30可以考虑其它变量。例如，处理器30 可以从其它类型的环境传感器观接收数据，比如外部风速传感器；用于检测下雨或冰雨的 外部水分传感器；用于检测太阳光强度的外部光传感器；用于检测窗帘是否处于打开位置 从而使得它们允许太阳光通过窗户进入房间24的传感器；用于检测进入房间M的太阳光 的内部光传感器；外部和/或内部湿度传感器；地面温度传感器；考虑到人体趋于辐射显 著热量并且提高建筑物内的温度的人员存在传感器；以及用于感测窗户和门是否被保持为 打开、被打开到什么程度、以及被打开持续多长时间段的检测器，其中该窗口和门的打开使 得外部空气能够进入建筑物22。处理器30还可以经由互联网34接收一些类型的环境数 据。这种在线数据可以包括当前的外部温度，所预测的外部温度以及其它当前或将来天气 条件。处理器30可以考虑的其它参数(在形成将来的内部温度的预测时)可以从能耗感 测设备26接收。例如，感测设备沈可以检测建筑物22内正在消耗的总电能，以便使得处 理器30能够估计将由这种能耗生成的热量。在最终步骤608，根据预测的将来温度，控制HVAC系统的操作。也就是，处理器30 可以决定是否操作HVAC系统36，从而可以减少成本，而不会显著地牺牲建筑物22的占用者 的舒适度。处理器30可以基于从感测设备沈、观收集的数据以及关于将来温度的预测、环 境条件和/或占用者的行为，进行这些判决。在一个实施例中，在进行这些关于HVAC系统 36的操作的判决时，处理器30还可以考虑在一天中的各个小时的能量成本。如上所述，处理器30可以分析在建筑物22内收集的先前数据的模式，以便对当前 数据进行外推，并且进行一些关于将来数据的预测。然而，处理器30具有从其它类似建筑 物收集以用于分析的先前数据的数据库，这也可以在本发明的范围内。在另一实施例中，处 理器30不会执行任何数据分析，而是将可用的数据输入到查找表中，并且根据该查找表的 输出来操作该HVAC系统。在本文中，已经参照根据将当前观测到的传感器数据与该数据中的先前观测到的 模式匹配并且将该信息外推到将来时间点而导出的能耗预测、环境预测以及行为预测，来 描述了本发明。然而，要理解的是，本发明的范围包括将所述预测视为消耗、行为等的模型 的输出，该消耗、行为等的模型是根据历史数据构建和学习的。也就是，传感器可以测量参 数的幅度，如上所述，并且这些参数可以被使用来导出用户行为和环境的统计模型，在该模 型中，即将到来的状态取决于当前状态和先前状态。这个基于模型的方案当然类似于上述 的其它实施例。要理解的是，所述基于传感器的行为建模也在本发明的范围内，相对于数据外推，该建模可以建议对底层用户行为的更多理解。 尽管本发明已经被描述为具有示例设计，但是还可以在本公开的精神和范围内进 一步对本发明进行修改。因此，本申请意在涵盖使用本发明的一般性原理的本发明的任何 变型、使用和修改。此外，本申请意在涵盖比如在本发明所属领域中的已知或常用实践范围 内的本发明的改变。
权利要求
1.一种用于控制建筑物内的能耗的方法，所述方法包括以下步骤提供与所述建筑物相关联的至少一个环境感测设备以及至少一个能耗感测设备； 从所述环境感测设备以及所述能耗感测设备收集当前数据以及相关联的时间数据； 基于所收集的当前数据、所述相关联的时间数据以及从所述环境感测设备和所述能耗 感测设备收集的历史数据，预测能耗参数的将来值； 根据时间确定每单位能耗的将来成本曲线；以及 取决于所预测的将来能耗参数值以及所确定的能耗成本曲线，控制能耗。
2.如权利要求1所述的方法，其中，所述建筑物包括多个房间，逐个房间预测所述能耗 参数的将来值，并且逐个房间控制所述能耗。
3.如权利要求1所述的方法，其中，所预测的能耗参数值对应于将来25小时之内的时 间，并且取决于时间的每单位能耗的将来成本曲线具有小于25小时的范围。
4.如权利要求1所述的方法，其中，所述控制步骤包括选择能耗率要被改变时的将来 时间。
5.如权利要求1所述的方法，其中，所述能耗参数包括人员存在参数。
6.如权利要求1所述的方法，其中，所述能耗参数包括所述建筑物内的环境温度。
7.如权利要求1所述的方法，其中，所述环境感测设备包括运动检测器、声音检测器、 二氧化碳检测器、门移动检测器以及电子卡读取器中至少之一。
8.一种用于控制建筑物内的能耗的方法，所述方法包括以下步骤提供与所述建筑物相关联的至少一个人员存在感测设备以及至少一个能耗感测设备；从所述人员存在感测设备以及所述能耗感测设备收集当前数据以及相关联的时间数据；基于所收集的当前数据、所述相关联的时间数据以及从所述人员存在感测设备和所述 能耗感测设备收集的历史数据，预测人员存在参数的将来值；以及 取决于所预测的人员存在参数的将来值，控制能耗。
9.如权利要求8所述的方法，还包括根据时间确定每单位能耗的将来成本曲线的步 骤，所述控制步骤取决于所确定的能耗成本曲线。
10.如权利要求8所述的方法，其中，所述建筑物包括多个房间，逐个房间预测所述人 员存在参数的将来值，并且逐个房间控制所述能耗。
11.如权利要求8所述的方法，其中，所述人员存在参数包括所述建筑物中的人数。
12.如权利要求8所述的方法，其中，所述预测步骤包括识别所述历史数据中的趋势， 并且基于所述趋势对所收集的当前数据进行外推。
13.如权利要求8所述的方法，其中，所述趋势包括取决于所述能耗感测设备所感测的 能耗的特性的所述人员存在参数中的将来变化。
14.如权利要求8所述的方法，其中，所述控制步骤包括选择能耗率要被改变时的将来 时间和能耗率中的变化中至少之一。
15.一种用于控制建筑物内的HVAC操作的方法，所述方法包括以下步骤 提供与所述建筑物相关联的至少一个环境感测设备；从所述环境感测设备收集当前数据；基于所收集的当前数据以及从所述环境感测设备收集的历史数据，预测与所述建筑物 相关联的将来温度；以及取决于所预测的将来温度，控制HVAC系统的操作。
16.如权利要求15所述的方法，还包括以下步骤提供与所述建筑物相关联的至少一个能耗感测设备；以及从所述能耗感测设备收集当前数据；其中，与所述建筑物相关联的将来温度是基于所收集的当前数据、以及从所述能耗感 测设备收集的历史数据而被预测的。
17.如权利要求15所述的方法，还包括根据时间确定每单位能耗的将来成本曲线的步 骤，所述控制步骤取决于所确定的能耗成本曲线。
18.如权利要求15所述的方法，其中，所述建筑物包括多个房间，逐个房间预测与所述 建筑物相关联的将来温度，并且逐个房间控制所述能耗。
19.如权利要求15所述的方法，其中，基于所述HVAC系统在所述预测步骤的时间和所 述将来温度的时间之间是空闲的，预测与所述建筑物相关联的将来温度。
20.如权利要求15所述的方法，还包括预测人员存在参数的将来值的步骤，所述HVAC 系统的操作是取决于所预测的人员存在参数的将来值而被控制的。
全文摘要
一种用于控制建筑物(22)内的能耗的方法包括提供与该建筑物(22)相关联的至少一个环境感测设备(28)以及至少一个能耗感测设备(26)。从该环境感测设备(28)以及该能耗感测设备(26)收集当前数据以及相关联的时间数据。能耗参数的将来值是基于所收集的当前数据、所述相关联的时间数据以及从该环境感测设备(28)和该能耗感测设备(26)收集的历史数据而被预测的。根据时间确定每单位能耗的将来成本曲线。根据所预测的将来能耗参数值以及所确定的能耗成本曲线，控制能耗。
文档编号G05B15/02GK102132223SQ200980132835
公开日2011年7月20日 申请日期2009年7月31日 优先权日2008年7月31日
发明者B·W·安德鲁斯, M·赫因克 申请人:罗伯特·博世有限公司