CN102859550A - 能量需求预测装置及方法 - Google Patents

Abstract

一种能量需求预测装置(1)，包含图像分析部(7)、预测部(8)。图像分析部(7)基于通过图像传感器(9)获得的图像数据(16)，生成包含预测对象区域的人信息(22a)和环境信息(22b)中至少一方的分析数据(22)。预测部(8)基于分析数据(22)、和使用了与分析数据(22)对应的过去数据而生成的能量需求预测模型，执行能量需求预测，生成预测数据(23)。

Description

能量需求预测装置及方法

技术领域

本发明的实施方式涉及预测各种设备的能量需求的装置及方法。

背景技术

近年来，防止全球变暖及降低环境负担备受关注。要求活用例如楼宇、工厂、车间等这样的设备所具备的用于节能、造能、储能的装置的功能，进行浪费较少的有效能源管理。

为了进行控制需求等这样的能量管理，需要高精度的能量需求预测。

作为能量需求预测的一例，具有基于电使用量、气候、气温、日程(平日、休息日、特殊日)等信息进行能量需求预测的方法。

在此现有的能量需求预测中，使用例如温度计、湿度计、照度计、电力数据等这样的物理传感器的测量值。

然而，若仅用物理传感器的测量值进行能量需求预测，则有时精度不充分。

发明内容

发明所要解决的课题

本发明的实施方式的目的在于，提供一种进行高精度化能量需求预测的能量需求预测装置及方法。

用于解决课题的手段

根据实施方式，能量需求预测装置包含图像分析部和预测部。图像分析部基于通过图像传感器获得的图像数据，生成包含预测对象区域的人信息和环境信息中至少一方的分析数据。预测部基于分析数据和使用了与分析数据对应的过去数据而生成的能量需求预测模型，执行能量需求预测，生成预测数据。

附图说明

图1是表示第一实施方式的能量需求预测装置的构成之一例的方框图；

图2是表示具备第一实施方式的能量需求预测装置的能量需求预测系统之一例的方框图；

图3是表示第二实施方式的环境模型生成部及环境分析部之一例的方框图；

图4是表示第三实施方式的人模型生成部及人分析部之一例的方框图；

图5是表示第四实施方式的能量需求预测装置的构成之一例的方框图。

具体实施方式

下面，参照附图对本发明的各实施方式进行说明。另外，在以下的各图中，对相同或几乎相同的要素赋予相同的符号并省略说明，或简单地说明，仅对不同的部分进行详细地说明。

(第一实施方式)

在本实施方式中，对能量需求预测装置进行说明，该能量需求预测装置分析通过图像传感器获得的图像数据，在能量需求预测区域生成包含动态变化的人信息和环境信息中至少一方的图像分析数据，基于图像分析数据执行能量需求预测。另外，在本实施方式中，除了使用图像分析数据外，也可以使用例如，温度、湿度、气候、日程、电使用量等信息，执行能量需求预测。

本实施方式的能量需求预测装置通过分析图像数据，正确测量能量需求预测区域的例如环境信息、电量、人的行动信息等这样的数据，实现高精度的能量需求预测。

图1为显示本实施方式的能量需求预测装置的构成之一例的方框图。

能量需求预测装置1具备输入控制部2、处理器3、存储装置4、输出控制部5。

处理器3通过执行存储于存储装置4的程序6，作为图像分析部7、预测部8、设备控制部24起作用。另外，图像分析部7、预测部8、设备控制部24也可以由硬件安装于能量需求预测装置1。

能量需求预测装置1连接为可从图像传感器9、红外线传感器10、激光传感器11、测量用设备121～12n、楼宇自动化系统(BAS：楼宇监视系统)13、环境管理系统(EMS)14接收与能量需求预测区域相关的各种数据。另外，能量需求预测装置1与输出装置15、控制对象的设备251～25m连接。

图像传感器9为例如相机、拍摄装置、可视相机等。

红外线传感器10为例如红外线相机等。

激光传感器11测量激光。激光传感器11为例如激光相机。

设备121～12n例如为温度计、湿度计、照度计、电力计等这样的物理传感器、其它设备。设备121～12n获得温度、湿度、照度、电力信息、气候信息、日程信息等。

楼宇自动化系统13控制、监视、管理建筑物内的空调、热源、照明、变电所、防灾、安全等。

环境管理系统14管理能量需求预测区域的环境。

设备251～25m是设置于例如空调设备、照明设备、百叶窗驱动设备、窗帘驱动设备等这样的能量需求预测区域的控制对象的设备。

输入控制部2分别将通过图像传感器9、红外线传感器10、激光传感器11获得的图像数据16、红外线图像数据(红外线测量数据)17、激光图像数据(激光测量数据)18存储于存储装置4。

另外，输入控制部2将通过设备121～12n获得的设备数据191～19n存储于存储装置4。

另外，输入控制部2输入楼宇自动化系统13的BAS数据20、环境管理系统14的EMS数据21，且将其存储于存储装置4。

图像分析部7执行对存储于存储装置4的图像数据16、红外线图像数据17、激光图像数据18的分析处理，生成包含人信息22a和环境信息22b的分析数据22，将分析数据22存储于存储装置4。图像分析部7执行作为人信息生成部7a、环境信息生成部7b的功能。

人信息生成部7a从图像数据16、红外线图像数据17、激光图像数据18中提取特征量，执行基于所提取的特征量和所设定的判断基准的识别处理等，生成人信息22a。

人信息22a包含能量需求预测区域中人的有无、人的数量、人的分布·密度、人的活动量、人的着衣量、人的属性(姓名、性别、体型、身高、年龄等)、人的姿势(站姿、坐姿等)、人的行动状态(正在工作中、正在移动、正在会话等)、停在能量需求预测区域的人的特定信息等。

环境信息生成部7b从图像数据16、红外线图像数据17、激光图像数据18中提取特征量，执行基于所提取的特征量和所设定的判断基准的识别处理等，生成环境信息22b。

环境信息22b包含照度、日照量、百叶窗开闭量、太阳光的入射状态等光信息、办公室设备的有无、位置、个数、办公室的出入口、窗的位置及数量、通道的位置等布局信息、热源及耗电设备的位置及数量、气候信息等。

预测部8基于存储于存储装置4的分析数据22、设备数据191～19n、BAS数据20、EMS数据21和能量需求预测模型(预测式)，执行能量需求预测，生成预测数据23。而且，预测部8将预测数据23存储于存储装置4。这样，对能量需求预测而言，使用动态变化的分析数据22，因此，能够进行灵活且高精度的预测。

能量需求预测模型基于过去数据和与此过去数据对应的过去的耗能量而生成，该过去数据包含过去的分析数据22、过去的设备数据191～19n、过去的BAS数据20、过去的EMS数据21。通过使用能量需求预测模型，可进行将来的能量(电力)需求预测。

设备控制部24基于存储于存储装置4的预测数据23、分析数据22的人信息22a及环境信息22b、设备数据191～19n、以及控制设定数据26，执行控制处理，生成包含对于设备251～25m的控制命令和控制值中至少一方等的控制数据27，该控制处理是对与能量需求预测区域关联的控制对象的设备251～25m进行的控制处理。而且，设备控制部24将控制数据27存储于存储装置4。

在此，控制设定数据26包含相对于个人的用户信息、个人的属性数据、个人的舒适状态信息。另外，控制设定数据26包含与人的行动状态(热时的动作、冷时的动作、正在伏案工作、正在站着说话、正在步行)对应的控制值。

例如，设备控制部24基于预测数据23生成将能量需求控制在规定值以下的这样的控制数据27。由此，能够实现节能、造能、储能。

另外，设备控制部24也可以基于存储于存储装置4的分析数据22的人信息22a和包含与用户信息、属性数据、个人的舒适状态信息及人的动作对应的控制值的控制设定数据26，生成对于设备251～25m的控制数据27。

另外，设备控制部24通过人信息22a识别个人，在控制设定数据26中生成控制数据27，该控制数据27用于实施对此人所设定的舒适状态。例如，设备控制部24也可以基于人信息22a中包含的人的行动状态(热时的动作、冷时的动作、正在伏案工作、正在站着说话、正在步行)，在控制设定数据26中生成用于实施对此行动状态所设定的控制的控制数据27。

输出控制部5将存储于存储装置4的预测数据23及其它各种数据输出至输出装置15。

另外，输出控制部5将存储于存储装置4的控制数据27输出至设备251～25m。

输出装置15为例如显示装置、语音输出装置、通信装置等，其显示、语音输出、发送预测数据23及其它各种数据。

设备251～25m基于控制数据27动作。设备251～25m为例如空调设备、照明设备、百叶窗驱动设备等。

图2为表示具备本实施方式的能量需求预测装置1的能量需求预测系统之一例的方框图。

图像传感器91、92分别相对于能量需求预测区域281、282设置。图像传感器91、92设置于例如办公室的顶棚或屋外，拍摄办公室。图像传感器91、92可以为可视相机、红外线相机等。通过图像传感器91、92获得的图像数据16存储于预先准备的存储区域。图像处理服务器29的图像分析部7分析所拍摄的图像数据16，生成人信息22a及环境信息22b。图像处理服务器29将人信息22a及环境信息22b发送至楼宇自动化系统13。另外，图像分析部7的功能也可以包含于图像传感器91、92。此时，可去除图像处理服务器29。

楼宇自动化系统13除了管理楼宇外，也使用人信息22a及环境信息22b，进行基于预测部8的预测数据23的生成和基于设备控制部24的设备控制。

例如，预测部8基于人信息22a、环境信息22b、来自其它设备121～12n的设备数据191～19n、由楼宇自动化系统13使用的设备使用状况、电使用量等BAS数据20，执行能量需求预测。

另外，判定人的行动好坏等的楼宇管理、由预测部8进行的能量需求预测不仅可以通过楼宇自动化系统13执行，也可以通过其它计算机执行。

设备控制部24基于人信息22a，确定停留在能量需求预测区域281、282的个人。另外，设备控制部24基于人信息22a，确定个人的状态(正感觉热、正感觉冷等)、行动(正在伏案工作、正在站着说话、正在步行等)。另外，设备控制部24基于在控制设定数据26中所设定的个人的属性、喜好信息，进行适合于每个人的属性、状态、行动、喜好的设备控制。

设备控制的结果所得到的控制数据27被发送至例如空调设备、照明设备、百叶窗驱动设备等这样的控制对象的设备251～25m。

在如上所述的能量需求预测装置1中，能量需求预测模型除了基于电使用量、气候、气温、日程(平日、休息日、特殊日)等信息外，还可基于人信息22a、环境信息22b生成能量需求预测。

能量需求预测模型使用基于过去数据的统计上的预测、相对于过去数据的回归式的推导、基于理论的物理式的利用等构筑。例如，能量需求预测模型的预测高精度且可实时进行。参照过去数据而构筑的能量需求预测模型基于能量需求预测区域281、282的现状数据，进行将来的能量需求预测。

另外，在本实施方式中，对图像分析而言，虽然使用由图像传感器9、红外线传感器10、激光传感器11获得的数据，但不一定使用这些所有的数据。即，只要设置图像传感器9、红外线传感器10、激光传感器11中任意一个以上的传感器即可。另外，对于图像传感器9、红外线传感器10、激光传感器11中任意一个以上的种类也可以设置两台以上的传感器。另外，通过热传感器(热源感应传感器)等其它传感器获得的数据也可以用于图像分析。也可以选择所获得的数据中的一个或多个数据而用于图像分析。

若举例进行更具体地说明，则在本实施方式中，主要使用图像传感器9生成人信息22a，基于此人信息22a进行对需求响应(例如，来自电力公司的降低耗能量的委托)的应对处理及需求预测。与此相对，也可以例如，使用热传感器、激光传感器11、基于无线通信等技术检测人的存在的传感器，生成人信息22a，此人信息22a用于对需求响应的应对处理及需求预测。

在以上说明的本实施方式中，除了通过设备传感器121～12n获得的设备数据191～19n外，也可以基于由图像数据16所生成的人信息22a、环境信息22b，进行能量需求的预测。由此，能够提高预测精度。

另外，通过使用图像传感器9和图像分析部7，不设置其它各种种类的传感器，就能够增加用于能量需求预测的有效信息，能够将动态变化的信息有效地用于预测，能够降低成本。

在本实施方式中，基于设备数据191～19n、人信息22a、环境信息22b和控制设定数据26，能够进行适于所识别的人的属性、反映个人喜好的设备控制。

在本实施方式中，作为过去数据及现状数据，能够使用正确且丰富的的数量的分析数据22、设备数据191～19n、BAS数据20、EMS数据21。

在本实施方式中，使用用设备传感器121～12n等物理传感器所测量的温度及湿度等信息、能量需求预测区域中的设备251～25m的电使用量等电力信息、以及基于图像传感器9所获得的人信息22a、环境信息22b，可构筑高精度的能量需求预测模型。

在本实施方式中，能够以年、月、日、小时、秒为间隔或实时进行能量需求预测，能够进行保持最优的能量平衡的能量需求控制。

在本实施方式中，能够以楼宇、楼层、地区、地域等这样的各种能量需求预测区域281、282为单位进行能量需求预测。

在本实施方式中，电力信息能够通过楼宇自动化系统13或电力计来测量或获得。另外，在本实施方式中，能够基于人信息22a和环境信息22b中至少一方，对每个能量需求预测区域281、282推定各设备的电力使用状态。设备控制部24相对于需求响应，基于来自图像传感器9的图像数据16，选择没被使用但电源接通的设备，能够关闭所选择的设备的电源。因此，在本实施方式中，通过设备控制部24能够对需求响应灵活应付。

(第二实施方式)

在本实施方式中，对上述第一实施方式的环境信息22b进行更具体地说明。

如上所述，环境信息22b包含照度、日照量、百叶窗开闭量、太阳光的入射量等光信息、办公室设备的有无·位置·个数、出入口及窗的位置·数量、通道的位置等布局信息、消耗热源及电力的设备的位置·数量、气候信息等。环境信息22b通过分析设置于办公室内的图像传感器9的图像数据16获得。例如，若是照度，则通过事先设定某物体在某条件时在图像数据16上具有怎样的亮度分布而求得。基于通过照度变化产生的图像数据16上的亮度变化、图像传感器参数，使与照度相应的亮度数据库化。与照度的计算相关的学习或更新使用该数据库化后的照度和亮度进行。就百叶窗而言，环境信息生成部7b首先通过对图像数据16的物体识别或手动输入来识别百叶窗的位置。然后，环境信息生成部7b检测图像数据16中的百叶窗的变化，识别百叶窗的开闭量及开闭角度。数据库化从图像数据16求得的百叶窗的状态和开闭量及开闭角度。与百叶窗的开闭量及开闭角度的识别相关的学习或更新，使用数据库化后的图像数据16的百叶窗状态和开闭量及开闭角度来进行。

办公室设备的有无或位置、布置、办公室布局信息通过对图像数据16进行办公室设备等物体的识别处理而求得。环境信息生成部7b通过使用物体形状的测量、物体配置的关系性、或学习技术等，识别办公室的代表设备(桌子、椅子、显示器、PC、打印机、分区、白板等)。图像数据16中的物体的朝向及大小依照图像传感器9和物体的位置关系变化，但环境信息生成部7b使用各种学习技术等，吸收该不同点从而正确地识别物体。由此，对于办公室的布局变更等，用户不需要用手将信息输入，环境信息生成部7b可瞬间自动把握新的布局。图像传感器9可设置于屋外。环境信息生成部7b通过分析屋外的图像数据16，可生成气候、分析对象楼宇的空间信息、周围建筑物的布局信息。另外，环境信息生成部7b由太阳或星星的位置关系可生成测量地点的经度及纬度、测量对象楼宇的朝向等信息。

包含于环境信息22b的各种信息也可以从各种专用的传感器中获得。然而，通过分析由图像传感器9得到的图像数据16来获得各种信息，不需要具备各个专用的传感器，因此，能够降低成本。环境信息22b中的布局信息、气候信息等虽然可通过人的手动输入获得，但通过使用图像传感器9，能够实时获得这些信息，能够节省用户手动输入的时间。

环境信息生成部7b可算出、推定某一点的测量值、所指定的范围的测量值、室内整体的值、楼层整体的值、楼宇整体的值作为环境信息22b。

图3为表示本实施方式的环境模型生成部及环境分析部的一例的方框图。另外，在该图3中，主要图示上述图1没有记载的构成要素。

处理器3通过执行在图3中省略的程序6，实现作为环境模型生成部30、环境分析部31的功能。

环境模型生成部30基于存储于存储装置4的环境信息22b，通过模型自动生成技术(例如，模型自动生成工具)，生成能量需求预测区域的环境模型32。例如，环境模型32表示环境的特征·特性。而且，环境模型生成部30将环境模型32存储于存储装置4。

环境分析部31基于环境模型32，执行三维空间的复原、温度及湿度的推定、热量及风的推定、空调仿真等，生成环境分析数据33。而且，环境分析部31将环境分析数据33存储于存储装置4。

输出控制部5向在图3中省略的输出装置15输出环境分析数据33。

在本实施方式中，能够基于环境信息22b构筑环境模型32，并基于环境模型32，进行与环境相关的三维空间的复原、温度及湿度的推定、热量及风的推定、空调仿真等。

环境信息22b也可以与通过通常的传感器获得的各种信息(例如，室内·室外的温湿度、风速、CO₂浓度、气候等)、来自楼宇自动化系统13的信息组合而使用。

另外，环境信息22b通过利用人信息22a，能够提高测量精度。

在本实施方式的环境分析部31中，也可以基于环境信息22b，从一部分楼层的状况预测其它楼层的状况。

(第三实施方式)

在本实施方式中，对上述第一实施方式的人信息22a进行更具体地说明。

如上所述，人信息22a包含能量需求预测区域中人的有无或人数、人的分布、活动量、着衣量、属性(姓名、性别、体型、身高、年龄等)、姿势(站姿、坐姿等)、行动(工作、移动、会话等)等信息。人信息22a通过分析设置于办公室内的图像传感器9的图像数据16而获得。人信息生成部7a通过分析图像数据16的时间·空间方向的亮度变化，提取人的活动。人信息生成部7a进行人和其它物体的识别、行动及举动的识别。将人信息生成部7a的识别对象数据库化，对人信息生成部7a的识别而言，适用于学习技术。

人信息生成部7a可算出、推定某一点的测量值，指定的范围的测量值、室内整体的值、楼层整体的值、楼宇整体的值作为人信息22a。

图4为表示本实施方式的人模型生成部及人分析部的一例的方框图。另外，在该4中，主要图示在上述图1这个没有记载的构成要素。

处理器3通过执行在图4中省略的程序6，实现作为人模型生成部34、人分析部35的功能。

人模型生成部34基于存储于存储装置4的人信息22a，通过模型自动生成技术，生成能量需求预测区域中的人模型36。例如，人模型36表示人的特征·特性。而且，人模型生成部34将人模型36存储于存储装置4。

人分析部35基于人模型36，执行与人的行动预测、人的活动相应的空调·照明仿真等，生成人分析数据37。而且，人分析部35将人分析数据37存储于存储装置4。

输出控制部5向输出装置15输出人分析数据37。

在本实施方式中，能够基于人信息22a构筑能量需求预测对象区域中的人模型36，并基于人模型36，进行与行动预测、人的活动对应的空调·照明仿真等。

人信息22a也可与来自楼宇中央监视系统、出入室管理系统、安全系统的信息组合而使用。

另外，人信息22a能够利用环境信息22b提高测量精度。

在本实施方式的人分析部35中，也可以关于人信息22a，从一部分楼层的状况，预测其它楼层的状况。

(第四实施方式)

在本实施方式中，对上述从第1到第3实施方式的变形例进行说明。

图5为表示本实施方式的能量需求预测装置的构成的一例的方框图。在该图5中，主要只图示上述图1没有记载的部分。

处理器3通过执行在图5中省略的程序6，作为模型选择部38、系数修正部39、更新部40、数据补充部41、特殊日判断部42起作用。下面，对此进行说明。

【模型选择部38】

存储装置4存储多个能量需求预测模型431～43k和表示该多个能量需求预测模型431～43k各自的特征的模型特征数据441～44k。

多个能量需求预测模型431～43k和对应的模型特征数据441～44k相互关联设置。

模型特征数据441～44k作为用于从多个能量需求预测模型431～43k中选择适当的模型的基准使用。

模型选择部38基于现在(最新)的人信息22a、环境信息22b、设备数据191～19n等数据，从模型特征数据441～44k中选择与该现在数据表示的内容相适合的模型特征数据。而且，模型选择部38选择与所选择的模型特征数据对应的能量需求预测模型。

预测部8基于通过模型选择部38所选择的能量需求预测模型，进行能量需求预测。

在本实施方式中，依照过去数据的倾向，准备多个能量需求预测模型。

在本实施方式中，能够从多个能量需求预测模型431～43k中选择在现在的能量需求预测区域中最优的能量需求预测模型。例如，在某能量需求预测模型的构筑中所参照的过去数据和现在的气候或季节相同，在模型构筑时和现在，屋内人数不同的情况下，模型选择部38不优先过去的气候或季节而优先人数条件，选择与人数条件适合的能量预测模型。

由此，能够提高预测精度。

【系数修正部39】

系数修正部39基于获得的人信息22a、环境信息22b、设备数据191～19n等数据，自动修正能量需求预测模型431～43k的系数。由此，能够提高预测精度。

具体而言，系数修正部39基于如下信息进行能量需求预测模型431～43k的系数修正，该信息包含楼宇·楼层的人数的增减、气候或阴晴的状况、太阳的入射光等这样的现在信息、时间序列的变化。例如，系数修正部39在楼层的人数急剧增加的情况下，调整相对于人数的系数，构筑适合于现状的能量需求预测模型，最小化实际的能量需求和预测值之间的偏差。

【更新部40】

更新部40基于现在的人信息22a、环境信息22b、设备数据191～19n等数据，每经过规定时间，进行能量需求预测模型431～43k的更新(依次更新)。例如，更新部40使用前一天获得的数据、一小时前获得的数据、一分钟前获得的数据，依次更新能量需求预测模型431～43k。在能量需求预测模型431～43k的更新中，能够使用各种模型自动生成技术。

在本实施方式中，不限于通过图像传感器获得的人信息22a、环境信息22b，也使用电力信息或气候信息等设备数据191～19n，依次更新能量需求预测模型431～43k，因此，能够提高预测精度。

【数据补充部41】

数据补充部41基于所获得的人信息22a、环境信息22b、设备数据191～19n等数据，算出对能量需求预测有效的补充数据45。而且，数据补充部41将补充数据45存储于存储装置4。

例如，模型选择部38、系数修正部39、更新部40等这样的各种构成要素使用通过数据补充部41算出的补充数据45执行处理。

例如，在不直接获得各设备251～25m的电使用量的情况下，数据补充部41基于可获得的电力信息和人信息22a、环境信息22b等，推定各设备251～25m的电使用量。

例如，数据补充部41判断处于正在工作的人前面的个人计算机为电源接通，从其登录时间推定电使用量。关于打印机及复印机，也与个人计算机的情况一样地推定电使用量。

例如，数据补充部41从楼层整体的电使用量和各房间的在室状况推定各房间的电使用量。

例如，数据补充部41基于各房间的布局和人数的分布，推定或预测办公室设备的使用状况，并能够反映到能量需求预测。

例如，数据补充部41基于设置有传感器的区域的数据，推定或算出相对于没有设置传感器的区域的测量项目。

例如，基于由周围的图像传感器获得的人信息来推定人的流动，能够算出没有设置图像传感器的区域的人数。

由此，能够提高预测精度，比对所有的值都使用传感器进行测量的情况，更能降低成本。

【特殊日判断部42】

特殊日判断部42基于所获得的人信息22a、环境信息22b、设备数据191～19n等数据，例如执行与阈值的比较等处理，判断是否为特殊日，或进行特殊日的预测。而且，特殊日判断部42将表示判断结果的特殊日判断数据46存储于存储装置4。

例如，模型选择部38、系数修正部39、更新部40、数据补充部41等这样的各种构成要素使用特殊日判断数据46来执行处理。

对公司的成立纪念日等这样的与平时不同的日子(特殊日)而言，能量需求的倾向与平日不同。因此，必须在预测能量需求上注意。

例如，在平日和特殊日有时要准备不同的能量需求预测模型，把握特殊日是重要的。作为特殊日的设定，虽然可手动输入日程，但有时在设想不到的日子表示与特殊日同样的能量需求倾向。因此，特殊日判断部42基于通过图像传感器9获得的图像数据16，进行特殊日的判断或预测。由此，能够事先应对没有预想的能量需求变动。

特殊日判断部42主要使用由图像数据16得到的人信息22a中所包含的人数的增减、人的流动、移动人数、各楼层的人数分布、它们的时间序列变化等，进行特殊日的判断或预测。由此，可进行楼宇整体、楼层整体、房间整体中的能量需求倾向的预测，能够提高作为楼宇整体的能量需求预测的精度。

另外，例如，在特殊日的情况下，也能够切换能量需求预测模型。

虽然说明了本发明几个实施方式，但这些实施方式仅作为例子进行提示，不试图限定发明的范围。这些新颖的实施方式可用其它各种各样的方式实施，在不脱离发明要旨的范围内，能够进行各种省略、置换、变更。这些实施方式及其变形包含于发明的范围或要旨内，同时包含于与专利申请范围所述的发明均等的范围内。

Claims (11)

1.一种能量需求预测装置，其具备：

图像分析部，该图像分析部基于通过图像传感器获得的图像数据，生成包含预测对象区域的人信息和环境信息中至少一方的分析数据；以及

预测部，该预测部基于所述分析数据、和使用了与所述分析数据对应的过去数据而生成的能量需求预测模型，执行能量需求预测，生成预测数据。

2.如权利要求1的能量需求预测装置，其中，

所述过去数据包含通过设备传感器获得的过去的数据，

所述预测部基于所述分析数据、通过所述设备传感器新获得的数据、和所述能量预测模型，执行所述能量需求预测。

3.如权利要求1的能量需求预测装置，其中，还具备：

设备控制部，该设备控制部基于包含人的识别结果的所述人信息、和包含对所述人或所述人的属性设定的控制值的控制设定数据，生成适合于所述人信息表示的所述人的控制数据；以及

输出控制部，该输出控制部将所述控制数据输出至对应的设备。

4.如权利要求1的能量需求预测装置，其中，

所述环境信息包含光信息、设备配置信息、气候信息中的至少一个，

该能量需求预测装置还具备环境模型生成部，该环境模型生成部基于所述环境信息，生成表示所述预测对象区域的环境特征的环境模型。

5.如权利要求1的能量需求预测装置，其中，

所述人信息包含人的数量信息、分布信息、活动量信息、着衣量信息、属性信息、行动信息中的至少一个，

该能量需求预测装置还具备人模型生成部，该人模型生成部基于所述人信息，生成表示停留在所述预测对象区域的人的特征的人模型。

6.如权利要求1的能量需求预测装置，其中，还具备：

存储部，该存储部将多个能量需求预测模型和表示所述多个能量需求预测模型各自的特征的多个模型特征数据建立关联而存储；以及

选择部，该选择部基于所述分析数据，选择与适合于所述分析数据的模型特征数据建立关联的能量需求预测模型，

所述预测部基于所述分析数据和所选择的能量需求预测模型，执行所述能量需求预测。

7.如权利要求1的能量需求预测装置，其中，

还具备系数修正部，该系数修正部基于所述分析数据，修正所述能量需求预测模型的系数。

8.如权利要求1的能量需求预测装置，其中，

还具备更新部，该更新部基于所述分析数据，每经过规定时间依次更新所述能量需求预测模型。

9.如权利要求1的能量需求预测装置，其中，

还具备数据补充部，该数据补充部基于所述分析数据，推定用于所述能量需求预测的值。

10.如权利要求1的能量需求预测装置，其中，

还具备特殊日判断部，该特殊日判断部基于所述分析数据，判断是否为特殊日，生成表示判断结果的特殊日判断数据。

11.一种能量需求预测方法，其为基于计算机的能量需求预测方法，其具备如下步骤：

基于通过图像传感器获得的图像数据，生成包含预测对象区域的人信息和环境信息中至少一方的分析数据，将分析数据存储于存储装置的步骤；

基于存储于所述存储装置的所述分析数据、和使用了与所述分析数据对应的过去数据而生成的能量需求预测模型，执行能量需求预测，生成预测数据，将所述预测数据存储于所述存储装置的步骤。

Images