专利名称：对能量负荷进行建模和监测的系统和方法
技术领域：
本发明大体上涉及建模和监测物理系统，并且特别是涉及创建和选择用于具有不同的操作模式的系统的模型。
背景技术：
物理系统例如电公用设施系统或加热、通风和空气调节(HVAC)系统可以由耦合于计算机和/或服务器的用于监测物理系统的各种参数或特征的智能电子设备(“IED”) 的网络监测。除了监测这些系统以外，可以用多种方式在数学上对物理系统建模。通常，模型采用物理系统的可以被测量或观测的一个或多个可观测的性质，并且预测系统的被认为因果地由所观测的性质影响的某个其他性质的数字特征化。物理系统的可以被测量或观测的可观测的性质被称为“驱动变量”或“自变量”。系统的被认为由驱动变量因果地影响的性质被称为“建模的变量”或“因变量”。一种用于对物理系统建模的方法是通过线性回归模型的使用，线性回归模型将预测的量计算为按比例缩放的输入量的线性组合。然而，一些物理系统可以具有线性或分段线性行为的规范，每个规范可以被完全单独地建模，但是没有单个模型将对所有适用性规范起作用。可以使用具有单独地对每个模式的驱动变量的线性模型或分段线性模型来对物理系统适当地建模，但不可构造对于所有的模式都良好地起作用的单个模型。因此，存在对一种对物理系统建模的改进的系统和方法的需要。本发明目的在于满足这些需要中的一个或多个并解决其他的问题。发明概述本发明包括为具有不同的操作模式的系统提供物理系统行为的灵活和精确的预测的系统、方法和计算机程序产品。本发明的系统和方法对具有不同的操作模式的物理系统建模。这些类型的系统的实例包括在计算机控制下的复杂系统，例如能量负荷监测和管理系统、复杂的工业系统、加热、通风和空气调节(HVAC)系统、生产线系统、和能量被消耗的其他系统。能量消耗可以是这些类型的物理系统中的成本动因。货物的生产者能够监测和管理能量消耗和能量成本的效率越高，生产货物的总成本就越低。本发明的系统、方法和计算机程序产品使用计算机模型精确地和高效率地监测和管理能量消耗。能量负荷可以包括公用设施服务量例如电公用设施服务、煤气公用设施服务、水公用设施服务、大气公用设施服务、蒸汽公用设施服务等的测量结果。例如，根据本发明的对能量负荷进行建模和监测的计算机实现的方法包括使用负荷监测服务器来定义影响系统的能量负荷的操作的影响动因。影响动因类似于影响系统操作的自变量。在一个系统中，影响动因可以是例如室外温度。室外温度影响HVAC系统的系统操作。同样，对能量负荷进行建模和监测的计算机实现的方法包括使用负荷监测服务器来定义能量负荷的操作。能量负荷的操作可以是因变量，例如在HVAC系统实例中的“千瓦”。监测和建模系统可以然后被用于确定室外温度对在HVAC系统中使用的千瓦的数量的影响。此外，建模和监测方法使用负荷监测服务器来定义表示能量负荷的操作条件的、作为离散值的分割变量。继续HVAC系统实例，分割变量可以基于建筑物的占用水平被定义为离散值，例如“占用”和“未占用”，其反映HVAC系统的两种操作条件。一旦变量被定义，用于对能量负荷进行建模和监测的计算机实现的方法就在负荷监测服务器接收参考数据集。参考数据集包括因变量、自变量和分割变量的同步值。在HVAC系统实例中，参考数据集包括在一天期间的多个时间的室外温度、所使用的千瓦以及建筑物的占用状态的值。建模和监测系统和方法然后使用负荷监测服务器对参考数据集中的分割变量的每个离散值创建模型。模型代表系统的能量负荷的操作。在对分割变量的每个离散值创建模型之后，每个模型被填充有与相应于所创建的模型的分割变量(占用或未占用)的离散值同步的自变量(室外温度)和因变量(千瓦)的值，使得因变量作为自变量的函数被建模。模型可以在相同的时间被同一方创建和填充，或模型可以用模块化的方式创建，其中一方可以收集和组织组成输入数据集的数据，并且另一方可以创建模型以操作数据集。相似地，另外的方可以提供另外的同步数据或变量。当模型被创建并且变量被映射时，建模和监测系统可以通过插入新的输入数据集合来评估模型的精确度。可以在负荷监测服务器接收输入数据。输入数据可以包括假设的测量结果、估计的测量结果等。输入数据集可以包括自变量(室外温度)和分割变量(占用或未占用)的另外的同步值。本发明的系统可以然后使用所创建的模型处理自变量(室外温度)和分割变量(占用或未占用)的另外的同步值，并且使用负荷监测服务器从所创建的模型产生输出数据集。输出数据集包括预测的因变量(千瓦)的同步值。输出数据集还可以包括来自输入数据集的自变量和分割变量的同步值。输入和输出数据集可以然后在计算机显示器上向用户显示或被存储在计算机可读取存储介质上，或以其他方式被进一步检查。输出数据集可以然后被用于进行对能量负荷系统的调整并采取行动来进一步指示能量负荷系统的操作行为。在本发明的系统和方法中，可能在模型的创建中使用多于一个分割变量。正如可以对单个分割变量的每个离散值创建模型，可以对每个分割变量的每个离散值创建模型。例如，考虑两个分割变量占用率(具有值“占用”和“未占用”)和HVAC模式(具有值“正常”和“维护”)。可以对这两个分割变量的每个可能的组合创建模型(总共四个模型)。此外，使用本发明的系统和方法，还可能创建具有多于一个自变量的模型。如果对于单个自变量，简单的线性模型具有例如形式y = mx+b，那么具有多个自变量的线性模型具有形式 y = π^χ+π^ζ+·.. +bo在监测操作中，通过进行因变量(千瓦)的实时测量并比较实时测量结果与所建模的因变量(千瓦)以评估在真实的读数和所建模的读数之间的任何差异，参考数据可以被用于说明能量负荷目前的操作情况。本发明的用于对物理系统建模的方法是通过线性回归模型的使用，线性回归模型将预测的量计算为按比例缩放的输入量的线性组合。模型采用物理系统的所测量的或可观测的性质，并且预测该系统的由被观测的性质因果地影响的某个其他的性质的数字特征化。如上述，物理系统的可以被测量或观测的可观测的性质被称为“自变量”。系统的被认为由驱动变量因果地影响的性质被称为“因变量”。可以通过考虑在某个时间段(参考时期)内捕获驱动变量和所建模的变量的参考数据集并通过然后推断最好地从该数据集中的驱动变量估计所建模的变量的关系，来根据
6经验创建根据本发明的对能量负荷进行建模和监测的系统和方法。线性回归模型可以为以线性方式对环境作出响应的系统提供可接受的估计。但对于展示在驱动数据和所建模的变量之间的关系中的非线性度的系统，不可构造对系统操作的不同的模式良好地起作用的单个系统模型。根据本发明的一些实施方案，系统、方法和计算机程序产品包括在外部仪器例如智能电子设备(IED)中监测物理系统的特征，以产生在IED中缓存的所监测的特征值。IED通过通信网络通信地耦合于监测服务器。所监测的特征值指示物理系统的特征。服务器被用于对物理系统的性能和特征建模并监测所述性能和特征，如上文描述的。根据本发明的一些实施方案，根据本发明的用于对能量负荷进行建模和监测的计算机可读存储介质包括一个或多个计算机可读指令，其被配置为使一个或多个计算机处理器执行包括使用负荷监测服务器定义因变量以及使用负荷监测服务器定义自变量的操作，因变量代表能量负荷的操作，自变量代表能量负荷的操作的影响动因。计算机可读存储介质还包括被配置为使处理器执行包括使用负荷监测服务器定义分割变量以及在负荷监测服务器接收参考数据集的操作的指令，分割变量作为离散值代表能量负荷的操作条件，参考数据集包括因变量、自变量和分割变量的同步值。操作还包括使用负荷监测服务器对参考数据集中的分割变量的每个离散值创建模型，模型代表能量负荷的操作；以及然后使用与相应于所创建的模型的分割变量的离散值同步的因变量和自变量的值填充每个所创建的模型，使得因变量作为自变量的函数被建模。计算机可读存储介质还包括被配置为使处理器执行包括在负荷监测服务器接收输入数据集以及使用所创建的模型处理自变量和分割变量的另外的同步值的操作的指令，输入数据集包括自变量和分割变量的另外的同步值。计算机可读存储介质还包括被配置为使处理器执行包括使用负荷监测服务器从所创建的模型产生输出数据集的操作的指令，输出数据集包括与来自输入数据集的自变量和分割变量的值同步的预测的因变量值。考虑到各种实施方案和/或方面的详细描述，本发明的上述的和另外的方面和实施方案将对本领域的技术人员是明显的，详细描述参照附图做出，附图的简要描述在下文被提供。附图简述在阅读以下的详细描述时和在参照附图时，本发明的上述的和其他的优点将变得明显。
图1是根据本公开的一些方面的能量建模和监测系统的功能框图；图2是根据本发明的能量模型的创建的图形表示，其示出了具有作为对监测和建模服务器的数据流输入的所观测的物理性质的物理系统。图3是用于基于多种驱动数据预测估计的电消耗的根据本发明的模型的图形表示。
图4示出了单个驱动模型的实例，其示出了由分段线性模型近似的非线性关系。图5示出了双模物理系统的建筑物能量消耗的实例。图6示出了用于预测根据本发明的双模物理系统的建筑物能量消耗的模型。图7A和7B是示出了根据本发明的对能量负荷进行建模和监测的方法的流程图。图8是被示为多个离散值的所监测的特征和分割数据的实例的图形表示。
所示实施方案的详细描述虽然将结合某些方面和/或实施方案来描述本发明，但是将理解，本发明不限于这些具体的方面和/或实施方案。相反，本发明旨在涵盖所有的可选形式、修改和等效的布置，如可以被包括在如所附的权利要求限定的本发明的精神和范围内的。除非另有说明，或如可以从它们的使用的上下文明显的，本文使用的任何术语、缩写、首字母缩写或科学符号和记号在本发明最接近地涉及的技术领域中将被给予它们的一般的意思。以下的术语、缩写和首字母缩写也可以在本文含有的描述中使用。所建模的变量是可以在数字上被测量或观测和特征化的物理量，其被认为被驱动变量因果地影响。驱动变量包括任何可以在数字上被测量或观测和特征化的物理量。驱动变量的实例包括但不限于室内温度和室外温度、湿度、大气压力，云量、日长、建筑物占用率、产品颜色、产品重量、生产活动、工作的工时等。驱动数据是代表单个驱动变量的测量或观测的一序列加了时间戳的数据值。驱动数据点是值的集合，每个值针对模型中的每个驱动变量，全部值在同一时间点是有效的。温度、压力、风速和建筑物占用率的同时的值可以形成模型的驱动数据点，其例如取决于那些变量。模型是从驱动数据点产生被建模的变量的估计的数学公式。参考数据集是在某个或某些时间段(参考时期)内被建模的因变量的驱动数据和数据的集合，其被认为例示待建模的系统的“典型”行为。参考数据集被分析以使用线性回归作为一种技术来确定模型的函数形式。参考时期是被参考数据集覆盖的一个或多个时间段。分割变量是具有对用于创建或评估模型的任何驱动数据的定值的离散标称(分类)变量。分割域是分割变量的所有可能的值的集合。分割函数是具有有限的范围的某个或某些连续输入变量的离散值函数。根据本发明的一些实施方案，系统、方法和计算机程序产品包括监测外部仪器例如智能电子设备(IED)中的物理系统的特征，以产生在IED中缓存的所监测的特征值。IED通过通信网络通信地耦合于负荷监测服务器。所监测的特征值指示物理系统的特征。负荷监测服务器执行根据本发明的对能量负荷进行建模和监测的计算机实现的方法。负荷监测服务器定义代表影响系统的能量负荷的操作的影响动因的自变量。影响动因是系统行为的动因并且类似于影响系统操作的自变量。在根据本发明的一个系统中，影响动因可以是例如室外温度。室外温度影响HVAC系统的系统操作。根据本发明的对能量负荷进行建模和监测的计算机实现的方法包括使用负荷监测服务器定义能量负荷的操作。如上文概述的，能量负荷的操作可以是因变量，例如在HVAC系统实例中的“千瓦”。监测和建模系统可以然后被用于确定室外温度对在HVAC系统中使用的千瓦的数量的影响。此外，本发明的建模和监测方法使用负荷监测服务器来定义代表能量负荷的操作条件的分割变量作为离散值。继续上文的HVAC系统实例，分割变量可以被定义为离散值，例如“占用”和“未占用”。一旦变量被定义，本发明的用于对能量负荷进行建模和监测的计算机实现的方法就在负荷监测服务器接收参考数据集。参考数据集包括因变量、自变量和分割变量的同步值。在HVAC系统实例中，参考数据集包括在一天期间的多个时间的室外温度、所使用的千瓦以及建筑物的占用状态的值。建模和监测系统和方法然后使用负荷监测服务器对参考数据集中的分割变量的每个离散值创建模型。模型代表系统的能量负荷的操作。—旦对分割变量的每个离散值创建了模型，每个模型就被填充有与相应于所创建的模型的分割变量(占用或未占用)的离散值同步的自变量(室外温度)和因变量(千瓦)的值，使得因变量作为自变量的函数被建模。如上文概述的，模型可以在相同的时间由同一方创建和填充，或模型可以用模块化的方式创建，其中一方可以收集和组织组成输入数据集的数据，并且另一方可以创建模型以操作数据集。相似地，另外的方可以提供将在模型中使用的另外的同步数据或变量。在模型被创建并且变量被映射之后，建模和监测系统可以通过插入新的输入数据集合来评估模型的精确度。输入数据集可以在负荷监测服务器被接收。输入数据集可以包括自变量(室外温度)和分割变量(占用或未占用)的另外的同步值。本发明的系统可以然后使用所创建的模型来处理自变量(室外温度)和分割变量(占用或未占用)的另外的同步值，并且使用负荷监测服务器从所创建的模型产生输出数据集。输出数据集包括预测的因变量(千瓦)的同步值。输出数据集还可以包括来自输入数据集的自变量和分割变量的同步值。输入和输出数据集可以然后在计算机显示器上向用户显示或被存储在计算机可读取存储介质上，或以其他方式被进一步检查。输出数据集可以然后被用于对能量负荷系统进行调整以及采取行动以进一步指示能量负荷系统的操作行为。在进一步的监测操作中，参考数据可以被用于说明能量负荷目前如何通过进行因变量(千瓦)的实时测量并比较实时测量与所建模的因变量(千瓦)以评估在真实的读数和所建模的读数之间的任何差异来操作。例如，在图1中，大体上示出了能量监测系统100。能量监测系统100包括负荷监测服务器110、多个智能电子设备120a-e(以下称为“IED”)、通信网络130和计算机140。IED 120a-e通过通信网络130通信地耦合于负荷监测服务器110和计算机140。通信网络130可以是有线或无线网络。如本文所使用的，IED是指具有采样、收集或测量能量系统的一个或多个操作特征或参数的能力的任何系统元件或装置。正在被能量监测系统100监测的能量系统可以是由首字母缩写WAGES或水、大气、煤气、电或蒸汽指定的五个公用设施中的任何一个，或可以是任何其他的物理系统，例如生产设施、生产线、HVAC系统、其他的工业设施等。能量监测系统100还可以监测与WAGES公用设施、其他的工业设施等相关的其他能量消耗系统。在电公用设施背景中，IED可以基于可从施耐德电气(Schneider Electric)获得的PowerLogic I0N7550/7650功率和能量计或任何其他合适的监测设备(例如电路监测器)、断路器、继电器、计量设备或功率计等。能量监测系统100可以被配置为监测WAGES公用设施或其他物理系统中的任何一个的多个特征或参数中的一个或多个。对于电工用设施，能量监测系统100可以被配置为监测电特征，例如功率、电压、电流、电流畸变、电压畸变和/或能量。对于其他公用设施，能量监测系统100可以被配置为监测体积流率、质量流率、体积通量、质量通量等。为了简单性，以下的公开将参照被配置为监测功率(例如以瓦特或千瓦为单位)的能量监测系统100描述本发明，虽然将理解，以下的实施方案和方面的全部可以相似地被应用来监测任何其他的电特征，或WAGES公用设施或任何其他的物理系统例如生产设施、生产线、制造设施、工厂、HVAC系统、其他的工业设施等中的任何一个的任何其他的特征。IED120a_e中的每个以监测间隔周期性地产生所监测的特征值，其中所监测的特征值指示正在被监测的物理特征。换句话说，IED 120a_e监测功率以产生指示正在被消耗的电力的多个功率测量。
如上文概述的，可以通过获得物理系统的可以被测量或观测的一个或多个可观测的性质(驱动变量)并且使用这些驱动变量来预测系统的被认为由动因因果地影响的某个其他性质(所建模的变量)的数字特征化，来在数学上对WAGES公用设施和其他物理系统建模。本发明的系统和方法包括使用线性回归模型的在数学上建模的物理系统，其计算预测的量作为按比例缩放的输入量的线性组合。根据本发明的线性回归模型还包括计算预测的量的非线性变换作为一个或多个按比例缩放的输入量的线性组合的那些模型，其中任何一个按比例缩放的输入量还可以以前被非线性地变换。在输入量和所建模的量上使用的一般变换包括但不限于对数、指数、平方、平方根和高阶多项式。例如，自变量值可以按比例缩放，使得自变量和因变量之间的所建模的关系是线性的。此外，当使用模型来产生预测的因变量值时，用于创建模型的同一个比例缩放可以被应用于自变量值。可以通过查看在某个时间段(参考时期)内捕获驱动变量和所建模的变量的数据集(参考数据集)并然后推断最好地从该数据集中的驱动变量估计所建模的变量的关系，根据经验来创建根据本发明的线性回归模型。根据本发明的线性回归模型还包括计算预测的量的非线性变换作为一个或多个按比例缩放的输入量的线性组合的那些模型，其中任一个按比例缩放的输入量还可以以前被非线性地变换。例如，在输入量和所建模的量上使用的变换包括但不限于对数、指数、平方、平方根和高阶多项式。作为图1中示出的实例，功率监测系统100包括负荷监测服务器110和一组所连接的传感器或其他的数据录入装置，包括IED 120a-e。图1的系统100可以被用于预测在一天中在一个特定的工业建筑物中的总电能消耗。所以在图1的实例中，所建模的变量是总每日能量消耗。为了创建模型，捕获在过去在某个观测期期间的实际能量消耗的数据必须被提供。特征化在相同的时间期间对建筑物的能量消耗的物理影响的数据也必须被提供。这些数据被称为驱动数据。这两种类型的数据都通过传感器或其他的数据录入装置例如IED 120a_e被提供。图2扩展图1的实施例以示出任何物理系统，包括环境202、建筑物204和人206，其拥有可以使用传感器和其他的观测工具232、234、236、252、254、272来观测和测量的物理性质222、224、226、对2、对4、对6、沈2。加了时间戳的数据的流指示室外的天气温度222、日长224、风速226、建筑物占用率M6、建筑物内部的人的工时沈2、以及商业活动(例如所制造的小部件的生产单元M4)的测量。计算机系统服务器210在参考时间段内分析加了时间戳的数据^Oa-g (参考数据)，以确定对驱动变量222、224、226、244,246、262和所建模的变量(例如每日能量消耗M2)之间的关系建模的最佳公式。一旦该模型220被创建，对任何日子的能量消耗的预测就可以通过提供对该日子的驱动变量的值而作出。艮口，能量消耗242是驱动变量222、224、226、M4、M6J62的函数。如图3中所示的，然后通过在其他时间段内提供驱动变量数据390a_g以产生所建模的输出321来使用模型320，所建模的输出321是如果系统100仍然如它在参考时期期间一样运转则所建模的变量(电消耗)应当有的估计323。参考时期可以是自变量和因变量被采样的任何时期或持续时间。监测间隔可以是在产生所监测的特征值之间的任何时期或持续时间。例如，监测间隔可以是一分钟、一秒、十分之一秒等。对于一秒的监测间隔，图1中的IED 120a-e每秒产生一个所监测的特征值(例如从功率测量得到)。每秒一个IED监测功率可以产生如下的所监测的特征值的周期序列[99. 7千瓦，99. 8千瓦，100. 2千瓦，100. 1千瓦，125千瓦]。这些功率测量中的每个相应于以连续的一秒间隔周期性地产生的所监测的特征值。IED 120a_e可以如何在实践中使用的非限制性的实例规定，IED 120a_e中的每个是监测建筑物中的电公用设施的不同的方面的功率监测器。第一 IED 120a监测对整个建筑物的进入的电力服务。第二、第三和第四IED120b-d监测建筑物内的公共电压总线的不同的电路。第五IED 120e监测建筑物内的服务器机房中的服务器的关键电路。IED120a-e中的每个监测功率消耗，并且以监测间隔周期性地产生功率测量，S卩，被监测的特征值。根据本发明的一些实施方案，存储在第一 IED 120a的存储器中的所监测的功率值(特征值)和/或任何相关联的信息通过网络130传输至负荷监测服务器110，用于存储和/或处理。根据一些实施方案，存储在IED 120a-e的存储器中的所监测的特征值和/或相关联的信息通过网络130以预定的间隔传输。例如，所监测的特征值和相关联的信息可以每小时、每二十小时、每日、每周或每月传输。根据IED 120a_e中的存储器的量以及第一记录间隔的持续时间来设想具有较高或较低的频率的其他传输计划表表。计算机140(例如工作站)的用户145可以在显示器上查看所监测的功率值。用户145还可以查看被存储在服务器110上的任何相关联的信息。可选地，用户145可以将工作站计算机140通过网络130直接地连接于IED120a-e中的一个或多个，以在视频显示器上查看和/或下载被存储在IED120a-e上的所监测的特征值s和/或相关联的信息。虽然常规的线性回归模型对于以线性方式对环境作出响应的系统来说可接受的，但是对于展示在驱动数据和所建模的变量之间的关系中的非线性度的系统，分段线性模型提供近似化非线性模型的简化方法。图4示出了作为平均每日室外温度的函数的建筑物中的能量消耗的单个驱动模型的实例，其示出了被分段线性模型近似化的非线性关系。一些物理系统可以具有线性或分段线性行为的规范，其中每个规范可以被良好地建模，但是没有单个模型将对于所有适用性规范起作用。这样的物理系统的一个实例是建筑物的能量消耗，该建筑物的加热和空气调节系统在自动化建筑物管理系统(BMS)的控制下。建筑物管理系统可以在它们具有相应于建筑物中的被预测的活动的两种或多种操作模式的意义上是“模态的”。例如，BMS可以具有“占用的”和“未占用的”空气调节和加热程序，其中每个程序使用不同的算法或过程来控制建筑物空气调节设备。虽然可以使用由室外温度、占用率和商业活动驱动的线性或分段线性模型对于每个模式单独地对能量消耗良好地建模，但是在本发明的系统和方法之前，不能构造对占用模式和未占用模式都起作用的单个模型。图5示出了对这样的双模系统的建筑物能量消耗数据的实例。如果每个模式可以使用线性模型被单独地精确地描述，那么两个模型可以被创建，并且用户可以根据需要在两个模型之间切换。在这种情况下，在模型创建期间，背景数据根据物理系统被假定在每个模式中的时间段被分割为数批，并且模型对于每个模式被构建。用户可以将所有的系统数据分割为工作日时间和周末时间，并且然后构建两个线性回归模型，一个用于工作日数据并且一个用于周末数据。当使用模型来进行对能量消耗的估计时，工作日模型将被用于预测工作日消耗，并且周末模型将被用于预测周末消耗。在本实例中，数据基于数据记录的时间分割为组将作为对正在被建模的系统的操作模式的“最佳猜测”代理(proxy)。只要建筑物管理系统的操作模式在相同的时间边界上改变作为区分模型的周末/工作日选择，每个模式有一个模型的意图将被满足。数据和模型产生的这样的基于时间的划分可以以构建模型的集合为特征，一个模型针对作为时间的函数的标称离散变量的每个值。在上文的实例中，有序的离散变量可以被称为“工作周”并且含有两个值，即“工作日，，和“周末”中的一个。用于创建模型的背景数据集中的数据可以被分配该“分割变量”的值以将其分类为工作日和周末数据。这种方法的困难是，真实世界系统可能不改变它们在严格可预测的时间计划表上的模式。继续建筑物管理系统的实例，建筑物可以在假日的工作日期间未被占用，并且可以在特殊事件期间的周末或在占用者正在加班工作时被占用。警报建筑物管理者将对BMS的计划表中的例外编程以在工作日假日中将系统置于“未占用，，模式中，以及在工作的周末将系统置于“占用”模式中。例如，在周末日工作的建筑物占用者可以按下“超越(override)”按钮以在占用者在周末在建筑物中工作时切换初始加热或冷却。或者，模式的选择可以基于决策准则的复杂的自动化集合来控制。排他地依赖于用于在创建期间分割数据并且用于在产生输出时在模型之间切换的设定的时间相关计划表的线性建模系统将对这些例外的情况使用错误的模型。此外，本发明的系统和方法可以在模型的创建中使用多于一个分割变量。以与对单个分割变量的每个离散值创建模型的相同的方式，可以对每个分割变量的每个离散值创建模型。如在上文的实例中的，如果有被标记为“占用，，和“HVAC模式”的两个分割变量，那么占用率的值可以是“占用”和“未占用”，而对HVAC模式的值可以是“正常”和“维护”。可以对总共四个模型的这些分割变量的每个可能的组合创建模型。本发明的系统和方法使用被外部数据流传送或从外部数据流计算的分割变量代替根据时间计算的有序的离散变量。本发明的系统和方法可以使用基于室外温度对工业建筑物中的能量消耗建模的之前的实例来进一步示出，其中建筑物HVAC系统具有两个不同的操作模式，即，“占用，，和“未占用”。建筑物管理系统可以是计算机控制的，并且可以在任何给定的时间使操作模式作为以整数编码的离散值的流而变得可用。相应于操作模式的离散值可以以例如五分钟间隔被报告。如果零代表“未占用，，并且一代表“占用”，那么建筑物模式数据的加了时间戳的流可以被直接地用作分割数据流。如图6的曲线以及图7的伴随的流程图中所示的，为了使用这个流数据创建模型，将根据在每次采样的时间的“建筑物模式”变量的值将参考数据分割为数据的两个子集。一个模型将对在“未占用”组中的数据创建并且另一个将对在“占用”组中的数据创建。为了使用模型进行预测，驱动数据点将使其时间戳与在相同的时间(同步)的“建筑物模式”变量的值比较，以找到建筑物模式的值，然后建筑物模式的值将用于选择驱动数据将被插入的模型以预测在该时间的能量消耗。图7A和7B提供用于采用根据本发明对能量负荷进行建模和监测的计算机实现的方法的过程流程。在步骤701中，负荷监测服务器被用于定义代表能量负荷的操作的因变量。能量负荷的操作可以是因变量，例如在HVAC系统实例中的“千瓦”。在步骤703中，负荷监测服务器定义代表能量负荷的操作的一个或多个影响动因的一个或多个自变量。影响动因类似于在上文的实例中影响HVAC系统的系统操作的自变量。在一个系统中，影响动因可以是例如室外温度。在建筑物实例中，室外温度影响HVAC系统的系统操作。监测和建模系统可以然后被用于确定室外温度对在HVAC系统中使用的千瓦的数量的特定的影响。在步骤705中，建模和监测方法使用负荷监测服务器来定义代表能量负荷的操作条件的一个或多个分割变量作为离散值。继续HVAC系统实例，分割变量可以被定义为包括离散值，例如“占用”和“未占用”。一旦变量被定义，在步骤707中，用于对能量负荷进行建模和监测的计算机实现的方法就在负荷监测服务器接收参考数据集。参考数据集包括能量负荷(因变量)、影响动因(自变量)和分割变量的操作的同步值。在HVAC系统实例中，参考数据集包括在一天期间的多个时间的所使用的千瓦、室外温度以及建筑物的占用状态的值。在步骤709中，建模和监测系统和方法然后使用负荷监测服务器对参考数据集中的分割变量的每个离散值创建模型。模型代表系统的能量负荷的操作。在对分割变量的每个离散值创建模型之后，在步骤711中，每个模型被填充有与相应于所创建的模型的分割变量(占用或未占用)的离散值同步的自变量(室外温度)和因变量(千瓦)的值，使得因变量作为自变量的函数被建模。当模型被创建并且变量被映射时，在步骤713中，建模和监测系统可以通过插入新的输入数据集合来评估模型的精确度。输入数据可以在步骤715中在负荷监测服务器被接收。输入数据集可以包括自变量(室外温度)和分割变量(占用或未占用)的另外的同步值。在步骤717中，本发明的系统可以然后使用所创建的模型处理自变量(室外温度)和分割变量(占用或未占用)的另外的同步值，并且在步骤719中使用负荷监测服务器从所创建的模型产生输出数据集。输出数据集包括预测的因变量(千瓦)的同步值。输出数据集还可以包括来自输入数据集的自变量(室外温度)和分割变量的同步值。在步骤721中，输出数据集可以然后在计算机显示器上向用户显示或被存储在计算机可读取存储介质上，或以其他方式被进一步检查。输出数据集可以然后被用作对能量负荷系统进行调整并采取行动以进一步指示能量负荷系统的操作行为的基础。例如，在步骤723中，用户或本发明的系统可以确定是否需要对能量负荷系统的调整。如果需要调整，那么可以在步骤725中进行能量负荷调整，并且过程可以返回至步骤715，并且另一个输入数据集可以被处理。然而，如果在步骤723中确定没有能量负荷调整是必需的，那么过程在步骤727停止。此外，在监测操作中，参考数据可以被用于说明能量负载目前如何通过进行因变量(千瓦)的实时测量并比较实时测量与所建模的因变量(千瓦)以评估在真实的读数和所建模的读数之间的任何差异来操作。可以然后对系统进行调整以解决可能存在的关于能量负荷系统的操作行为的任何问题。调整可以包括对系统例如HVAC系统的计算机控制重新编程。同样，在真实的读数和所建模的读数之间的差异可以指示系统中的部件故障，并且出故障的部件的修理或更换可以被执行以修正系统性能，这将随后使真实的读数和所建模的读数达到一致。本发明可以从来自外部仪器的离散数据流、测量或由如上的离散类别特征化的某个定性的物理性质的观测创建分割变量。此外，本发明的系统和方法可以使用来自对外部数据分类的外部仪器、测量、观测等的连续的量来创建分割变量。函数的范围可以是离散类别的有限集合，其成为分割变量的分割域。例如，考虑相同的建模场景，但是其中建筑物管理系统的操作模式不可直接地作为数据流可用。一个实例可以是，当建筑物管理系统(BMS)在不同的操作模式当中选择但是使选择基于直接地检测建筑物占用率而不是被编程以在不同的时间使用不同的操作模式的传感器时。即，建筑物中的人的数量的所监测的特征值指示建筑物的占用率。建筑物安全系统提供关于建筑物占用率的数据作为在任何给定的时间的建筑物占用者的数量。该信息在参考时期期间以及在当驱动数据是可用的时的所有其他时间可用于本发明的建模和监测计算机系统。具有如前所述的两个值，即占用和未占用的分割变量可以然后被创建，但是它的值使用建筑物占用人数的函数来确定。例如，如果建筑物中的常规的占用者的数量是500，那么分割变量可以每当人数超过250时被定义为“占用”。如果人数低于250，那么分割变量将被定义为“未占用”。人数的连续输入数据被分割函数作用以产生离散分割数据，离散分割数据将继续在模型创建和评估中被使用，如在上文的前述的实例中的。如可以从本实例看到的，分割数据可以是多个离散值。进一步扩展人数实例，可以对多个占用率值设置HVAC系统。例如，回来参照图l，IED120a可以监测特定的楼层的占用特征。将加热、通风和空气调节引导到该楼层的HVAC系统可以然后在该特定的楼层的占用率计数达到阈值时切换到“占用”模式。同样，如图8中所示的，所监测的特征值是以人数给出的在建筑物中的人的数量HC。分割数据可以是多个离散值，HCu、HC。、HCf。。这些离散值可以指示建筑物的占用率的阈值水平。例如，在低于HCu的人数水平，建筑物被认为是“空的”。对于高于HCJfi是低于HC。的人数水平，建筑物被认为是“未被占用的”。对于高于HC。但是低于HCf。的人数水平，建筑物被认为是“被占用的”，并且对于高于HCf。&人数水平，建筑物被认为是“被完全占用的”。以这种方式，四个离散值(空、未占用、占用和完全占用)被用作分割值。在时间、至时间t24之间的人数的被存储的监测的特征值被周期性地记录。当人数的所监测的特征值超过阈值HCu、HC。、HCf。或下降到低于阈值!1(；、!1(；、!^。时，对于该时间段的分割值也将改变。例如，在时刻t5，人数值是HC5。HC5在HCdn HC。之间，由此指示“未占用”的分割值。在时间t9，人数值是HC9。HC9在队和HCf。之间，由此指示“占用”的分割值。另外的所监测的特征也可以被记录，并且记录间隔可以是连续的。阈值可以用作系统或操作者采取进一步的行动例如增加或减少HVAC系统的设定点的触发标准。在图8的实例中，当建筑物是空的时，空气调节水平可以被设置到80华氏度。当建筑物未被占用时，空气调节水平可以被设置到78度，并且当建筑物被占用时，水平可以被设置到74度。同样，可以根据在能量监测系统100中正被使用的特定的IED的应用来设置阈值。本文描述的方法中的任何一个可以包括由(a)处理器、(b)控制器和/或(C)任何其他的合适的处理设备执行的机器可读指令。将容易地理解，IED 120a-e、服务器110和/或计算机140可以包括这样的合适的处理设备。本文公开的任何算法、软件或方法可以体现在被存储在有形介质例如闪存、CD-ROM、软盘、硬盘驱动器、数字通用光盘(DVD)或其他的存储设备上的软件中，但是本领域的普通技术人员将容易地认识到，整个算法和/或其部分可以可选地由除了控制器之外的设备执行和/或以公知的方式体现在固件或专用硬件中(例如，它可以由专用集成电路(ASIC)、可编程逻辑器件(PLD)、现场可编程逻辑器件(FPLD)、离散逻辑等实现)。此外，在本文描绘的任何流程图中表示的机器可读指令中的一些或全部可以被手动地实现。此外，虽然参照本文描绘的流程图描述了特定的算法，但是本领域的技术人员将容易地认识到，实现示例性的机器可读指令的许多其他方法可以可选地被使用。例如，块的执行的顺序可以被改变，和/或所描述的块中的一些可以被改变、消除或组合。虽然通过上述的讨论，实例已经讨论了根据环境影响和人类占用率对工业建筑物的能量消耗建模，但是本发明没有将其使用限于这样的应用。可以被预测到期望的精确度作为驱动变量的某个数量的线性或分段线性函数的任何建模的变量将是同样合适的，该函数显示函数关系中的模态。虽然本发明的具体的方面、实施方案和应用已经被示出和描述，但是应理解，本发明不限于本文公开的精确的构造和组成，并且各种修改、改变和变化形式可以从上文的描述中是明显的，而不偏离如在所附的权利要求中限定的本发明的精神和范围。
权利要求
1.一种对能量负荷进行建模和监测的计算机实现的方法，所述方法包括 使用负荷监测服务器定义因变量，所述因变量代表所述能量负荷的操作；使用所述负荷监测服务器定义至少一个自变量，所述至少一个自变量代表所述能量负荷的所述操作的至少一个影响动因；使用所述负荷监测服务器定义至少一个分割变量，所述至少一个分割变量作为两个或多个离散值的集合代表所述能量负荷的操作条件；在所述负荷监测服务器接收参考数据集，所述参考数据集包括所述因变量、至少一个自变量和至少一个分割变量的同步值；使用所述负荷监测服务器分析所述参考数据集，以基于所述至少一个分割变量的所述离散值将所述参考数据集组织成相互依赖的数据；使用所述负荷监测服务器对经分析的参考数据集中的所述至少一个分割变量的每个离散值创建模型，其中所述因变量作为所述至少一个自变量的函数被建模，所述模型代表所述能量负荷的操作；在所述负荷监测服务器接收输入数据集，所述输入数据集包括所述至少一个自变量和所述至少一个分割变量的另外的同步值；使用所创建的模型处理所述至少一个自变量和所述至少一个分割变量的所述另外的同步值；以及使用所述负荷监测服务器从所创建的模型产生输出数据集，所述输出数据集包括根据来自所述输入数据集的所述至少一个自变量和所述至少一个分割变量所预测的因变量值。
2.根据权利要求1所述的方法，其中使用线性回归法来形成每个所创建的模型。
3.根据权利要求2所述的方法，其中所述线性回归法是分段线性回归法。
4.根据权利要求1所述的方法，其中所述分割变量包括从一系列连续的值得到的离散值的集合。
5.根据权利要求1所述的方法，其中所述参考数据集中的所述同步值是在过去进行的测量的结果。
6.根据权利要求5所述的方法，其中所述测量使用外部仪器来执行。
7.根据权利要求1所述的方法，其中所述参考数据集中的所述同步值是假设的测量结果
8.根据权利要求1所述的方法，其中所述输入数据集中的所述另外的同步值是假设的测量结果。
9.根据权利要求1所述的方法，其中所述因变量的所述同步值是对公用设施服务量的测量的结果。
10.根据权利要求9所述的方法，其中所述公用设施服务量的测量是对电公用设施服务的测量，并且测量结果包括电流、电压、功率和能量中的至少一个。
11.根据权利要求9所述的方法，其中所述公用设施服务是煤气公用设施服务、水公用设施服务、大气公用设施服务或蒸汽公用设施服务。
12.根据权利要求1所述的方法，其中所述自变量的所述同步值是对温度或生产量的至少一个测量结果。
13.根据权利要求1所述的方法，其中所述分割变量的所述同步值包括建筑物占用率、建筑物管理系统模式以及所制造的产品的类型中的至少一个。
14.根据权利要求1所述的方法，其中所述影响动因包括室外温度、大气压力、湿度、云量特征、日长、建筑物占用率、生产单元以及工作的工时的物理性质中的至少一个。
15.根据权利要求1所述的方法，其中所述参考数据集被智能电子设备(IED)提供到所述负荷监测服务器。
16.一种用于对能量负荷进行建模和监测的系统，所述系统包括负荷监测服务器，其被配置为定义因变量，所述因变量代表所述能量负荷的操作；定义至少一个自变量，所述至少一个自变量代表所述能量负荷的所述操作的至少一个影响动因；定义至少一个分割变量，所述至少一个分割变量作为两个或多个离散值的集合代表所述能量负荷的操作条件；接收参考数据集，所述参考数据集包括所述因变量、至少一个自变量和至少一个分割变量的同步值；分析所述参考数据集，以基于所述至少一个分割变量的所述离散值将所述参考数据集组织成相互依赖的数据；对经分析的参考数据集中的所述至少一个分割变量的每个离散值创建模型，其中所述因变量作为所述至少一个自变量的函数被建模，所述模型代表所述能量负荷的操作；接收输入数据集，所述输入数据集包括所述至少一个自变量和所述至少一个分割变量的另外的同步值；使用所创建的模型处理所述至少一个自变量和所述至少一个分割变量的所述另外的同步值；以及从所创建的模型产生输出数据集，所述输出数据集包括根据来自所述输入数据集的所述至少一个自变量和所述至少一个分割变量所预测的因变量值。
17.根据权利要求16所述的系统，还包括智能电子设备(IED)，其通过通信网络通信地耦合于所述负荷监测服务器，所述IED存储所述参考数据集的被监测的特征值。
18.根据权利要求17所述的系统，其中所述参考数据集的所存储的被监测的特征值包括所述因变量、所述自变量和所述分割变量的所述同步值。
19.一种用于对能量负荷进行建模和监测的计算机可读存储介质，所述计算机可读存储介质包括被配置为使一个或多个计算机处理器执行操作的一个或多个计算机可读指令，所述操作包括使用负荷监测服务器定义因变量，所述因变量代表所述能量负荷的操作；使用所述负荷监测服务器定义至少一个自变量，所述至少一个自变量代表所述能量负荷的所述操作的至少一个影响动因；使用所述负荷监测服务器定义至少一个分割变量，所述至少一个分割变量作为两个或多个离散值的集合代表所述能量负荷的操作条件；在所述负荷监测服务器接收参考数据集，所述参考数据集包括所述因变量、至少一个自变量和至少一个分割变量的同步值；使用所述负荷监测服务器分析所述参考数据集，以基于所述至少一个分割变量的所述离散值将所述参考数据集组织成相互依赖的数据；使用所述负荷监测服务器对经分析的参考数据集中的所述至少一个分割变量的每个离散值创建模型，其中所述因变量作为所述至少一个自变量的函数被建模，所述模型代表所述能量负荷的操作；在所述负荷监测服务器接收输入数据集，所述输入数据集包括所述自变量和所述分割变量的另外的同步值；使用所创建的模型处理所述至少一个自变量和所述至少一个分割变量的所述另外的同步值；以及使用所述负荷监测服务器从所创建的模型产生输出数据集，所述输出数据集包括根据来自所述输入数据集的所述至少一个自变量和所述至少一个分割变量所预测的因变量值。
20.根据权利要求2所述的方法，其中所述线性回归法计算预测的量的非线性变换作为至少一个按比例缩放的输入量的线性组合。
全文摘要
用于预测具有不同的操作模式的物理系统的操作的系统、方法和计算机程序产品使用系统的可观测的性质来预测系统的其他性质。包括温度或生产量的自变量被观测以确定所建模的因变量——包括能量负荷——被影响的程度。代表因变量的操作条件的分割变量被定义为离散值。接收具有因变量、自变量和分割变量的同步值的参考数据集，并且对参考数据集中的分割变量的每个离散值创建模型。每个模型填充有因变量和自变量的值。因变量作为自变量的函数被建模。通过处理新的输入数据以从输入数据集产生包括同步的因变量、自变量和分割变量的值的输出数据来评估模型精确度。
文档编号G06F1/32GK102597639SQ201080048534
公开日2012年7月18日 申请日期2010年9月15日 优先权日2009年9月16日
发明者安东尼·R·格雷, 肖恩·霍普 申请人:施耐德电气美国股份有限公司