CN102985890A - 能量节省测量、调整以及货币化系统和方法 - Google Patents
能量节省测量、调整以及货币化系统和方法 Download PDFInfo
- Publication number
- CN102985890A CN102985890A CN2011800282040A CN201180028204A CN102985890A CN 102985890 A CN102985890 A CN 102985890A CN 2011800282040 A CN2011800282040 A CN 2011800282040A CN 201180028204 A CN201180028204 A CN 201180028204A CN 102985890 A CN102985890 A CN 102985890A
- Authority
- CN
- China
- Prior art keywords
- energy
- data
- facility
- group
- energy charge
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
- 238000000034 method Methods 0.000 title claims abstract description 95
- 238000005259 measurement Methods 0.000 title abstract description 32
- 238000010438 heat treatment Methods 0.000 claims description 49
- 238000005057 refrigeration Methods 0.000 claims description 46
- 230000008569 process Effects 0.000 claims description 36
- 238000006116 polymerization reaction Methods 0.000 claims description 34
- 230000007246 mechanism Effects 0.000 claims description 33
- 238000004088 simulation Methods 0.000 claims description 22
- 230000008878 coupling Effects 0.000 claims description 18
- 238000010168 coupling process Methods 0.000 claims description 18
- 238000005859 coupling reaction Methods 0.000 claims description 18
- 238000012545 processing Methods 0.000 claims description 18
- 238000013500 data storage Methods 0.000 claims description 16
- 238000011002 quantification Methods 0.000 claims description 12
- 230000001052 transient effect Effects 0.000 claims description 11
- 238000004422 calculation algorithm Methods 0.000 claims description 7
- 230000007423 decrease Effects 0.000 claims description 7
- 230000000737 periodic effect Effects 0.000 claims description 6
- 238000003860 storage Methods 0.000 claims description 5
- 230000004044 response Effects 0.000 claims description 4
- 230000008859 change Effects 0.000 abstract description 55
- 238000010276 construction Methods 0.000 abstract description 2
- 238000009418 renovation Methods 0.000 abstract 2
- 238000005067 remediation Methods 0.000 abstract 1
- 230000000694 effects Effects 0.000 description 24
- 238000013461 design Methods 0.000 description 20
- OKTJSMMVPCPJKN-UHFFFAOYSA-N Carbon Chemical compound [C] OKTJSMMVPCPJKN-UHFFFAOYSA-N 0.000 description 15
- 229910052799 carbon Inorganic materials 0.000 description 15
- 230000006870 function Effects 0.000 description 13
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 description 13
- 230000005611 electricity Effects 0.000 description 11
- 238000005265 energy consumption Methods 0.000 description 11
- 238000001816 cooling Methods 0.000 description 10
- 239000000446 fuel Substances 0.000 description 9
- 238000006243 chemical reaction Methods 0.000 description 8
- 230000001965 increasing effect Effects 0.000 description 8
- 238000004458 analytical method Methods 0.000 description 7
- 238000005516 engineering process Methods 0.000 description 7
- 239000000463 material Substances 0.000 description 7
- 230000008901 benefit Effects 0.000 description 6
- 230000001419 dependent effect Effects 0.000 description 6
- 230000002708 enhancing effect Effects 0.000 description 6
- 230000006872 improvement Effects 0.000 description 6
- 230000000875 corresponding effect Effects 0.000 description 5
- 238000003745 diagnosis Methods 0.000 description 5
- 230000001932 seasonal effect Effects 0.000 description 5
- 238000009423 ventilation Methods 0.000 description 5
- 230000015572 biosynthetic process Effects 0.000 description 4
- 238000007796 conventional method Methods 0.000 description 4
- 238000010606 normalization Methods 0.000 description 4
- 230000002159 abnormal effect Effects 0.000 description 3
- 238000013459 approach Methods 0.000 description 3
- 230000004907 flux Effects 0.000 description 3
- 230000033001 locomotion Effects 0.000 description 3
- 239000000047 product Substances 0.000 description 3
- 238000013179 statistical model Methods 0.000 description 3
- 230000002776 aggregation Effects 0.000 description 2
- 238000004220 aggregation Methods 0.000 description 2
- 230000006399 behavior Effects 0.000 description 2
- 230000001427 coherent effect Effects 0.000 description 2
- 238000012937 correction Methods 0.000 description 2
- 238000007405 data analysis Methods 0.000 description 2
- 238000009795 derivation Methods 0.000 description 2
- 238000011161 development Methods 0.000 description 2
- 230000018109 developmental process Effects 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 238000009826 distribution Methods 0.000 description 2
- 239000004615 ingredient Substances 0.000 description 2
- 238000009434 installation Methods 0.000 description 2
- 230000003993 interaction Effects 0.000 description 2
- 230000001788 irregular Effects 0.000 description 2
- 238000012067 mathematical method Methods 0.000 description 2
- 230000005055 memory storage Effects 0.000 description 2
- 239000000203 mixture Substances 0.000 description 2
- 230000000379 polymerizing effect Effects 0.000 description 2
- 230000000750 progressive effect Effects 0.000 description 2
- 230000001105 regulatory effect Effects 0.000 description 2
- 230000008439 repair process Effects 0.000 description 2
- 230000002277 temperature effect Effects 0.000 description 2
- 206010000117 Abnormal behaviour Diseases 0.000 description 1
- 241001269238 Data Species 0.000 description 1
- PEDCQBHIVMGVHV-UHFFFAOYSA-N Glycerine Chemical compound OCC(O)CO PEDCQBHIVMGVHV-UHFFFAOYSA-N 0.000 description 1
- 238000012550 audit Methods 0.000 description 1
- 238000013474 audit trail Methods 0.000 description 1
- 238000003339 best practice Methods 0.000 description 1
- 230000033228 biological regulation Effects 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 238000012512 characterization method Methods 0.000 description 1
- 239000007795 chemical reaction product Substances 0.000 description 1
- 239000003245 coal Substances 0.000 description 1
- 230000002860 competitive effect Effects 0.000 description 1
- 230000001143 conditioned effect Effects 0.000 description 1
- 230000001276 controlling effect Effects 0.000 description 1
- 230000002596 correlated effect Effects 0.000 description 1
- 238000013480 data collection Methods 0.000 description 1
- 230000004069 differentiation Effects 0.000 description 1
- 238000006073 displacement reaction Methods 0.000 description 1
- 239000002803 fossil fuel Substances 0.000 description 1
- 238000007710 freezing Methods 0.000 description 1
- 230000008014 freezing Effects 0.000 description 1
- 230000012010 growth Effects 0.000 description 1
- 238000005286 illumination Methods 0.000 description 1
- 230000006698 induction Effects 0.000 description 1
- 238000007689 inspection Methods 0.000 description 1
- 230000010354 integration Effects 0.000 description 1
- 230000002045 lasting effect Effects 0.000 description 1
- 238000012886 linear function Methods 0.000 description 1
- 238000012417 linear regression Methods 0.000 description 1
- 238000007726 management method Methods 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 238000007620 mathematical function Methods 0.000 description 1
- 238000013178 mathematical model Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000008450 motivation Effects 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 230000008520 organization Effects 0.000 description 1
- 230000036961 partial effect Effects 0.000 description 1
- 238000000059 patterning Methods 0.000 description 1
- 230000000704 physical effect Effects 0.000 description 1
- 238000005293 physical law Methods 0.000 description 1
- 238000013439 planning Methods 0.000 description 1
- 238000010248 power generation Methods 0.000 description 1
- 238000003825 pressing Methods 0.000 description 1
- 238000003908 quality control method Methods 0.000 description 1
- 238000013139 quantization Methods 0.000 description 1
- 230000009467 reduction Effects 0.000 description 1
- 238000003303 reheating Methods 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 230000002441 reversible effect Effects 0.000 description 1
- 239000011435 rock Substances 0.000 description 1
- 239000007787 solid Substances 0.000 description 1
- 230000007480 spreading Effects 0.000 description 1
- 238000003892 spreading Methods 0.000 description 1
- 238000005728 strengthening Methods 0.000 description 1
- 230000036561 sun exposure Effects 0.000 description 1
- 238000012360 testing method Methods 0.000 description 1
- 230000005619 thermoelectricity Effects 0.000 description 1
- 238000012546 transfer Methods 0.000 description 1
- 230000009466 transformation Effects 0.000 description 1
- 230000001131 transforming effect Effects 0.000 description 1
- 238000012384 transportation and delivery Methods 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
- G06Q50/06—Energy or water supply
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
- G05B19/00—Programme-control systems
- G05B19/02—Programme-control systems electric
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q40/00—Finance; Insurance; Tax strategies; Processing of corporate or income taxes
- G06Q40/12—Accounting
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02P—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN THE PRODUCTION OR PROCESSING OF GOODS
- Y02P90/00—Enabling technologies with a potential contribution to greenhouse gas [GHG] emissions mitigation
- Y02P90/80—Management or planning
- Y02P90/84—Greenhouse gas [GHG] management systems
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02P—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN THE PRODUCTION OR PROCESSING OF GOODS
- Y02P90/00—Enabling technologies with a potential contribution to greenhouse gas [GHG] emissions mitigation
- Y02P90/80—Management or planning
- Y02P90/84—Greenhouse gas [GHG] management systems
- Y02P90/845—Inventory and reporting systems for greenhouse gases [GHG]
Landscapes
- Business, Economics & Management (AREA)
- Engineering & Computer Science (AREA)
- Economics (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Health & Medical Sciences (AREA)
- Theoretical Computer Science (AREA)
- General Business, Economics & Management (AREA)
- Marketing (AREA)
- Strategic Management (AREA)
- Accounting & Taxation (AREA)
- Finance (AREA)
- Primary Health Care (AREA)
- Tourism & Hospitality (AREA)
- General Health & Medical Sciences (AREA)
- Human Resources & Organizations (AREA)
- Water Supply & Treatment (AREA)
- Public Health (AREA)
- Development Economics (AREA)
- Technology Law (AREA)
- Automation & Control Theory (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
系统和方法包括基于历史数据精确地对设施的随着时间的推移的能量使用进行建模,以及在对设施的重新设计、改型、或者改造、或者其他积极改变之后精确地预测或者测量随着时间的推移的其实际减少的能量使用。无论在预测的、实时的还是历史的查看时间点(POV)上,对于设施的能量足迹的干预矫正或者改造而言能量成本节省是可信的。依据一个实施例,使用算术回归和最速下降收敛算术解、大部分基于使建模和测量简化的建筑科学(构建)数据对比外部平均温度(t)来对多变量输入进行建模。因此连同系统和方法一起解决了附加性:其更准确,更可重复,更可靠,以及因此更可信且更容易货币化。
Description
相关申请
本申请要求于2010年4月8日提交的且题目为“ENERGY-SAVING MEASUREMENT, ADJUSTMENT AND MONETIZATION SYSTEM AND METHOD”的美国临时申请号61/342,165的优先权的权益,该美国临时申请的全部公开内容通过该引用结合于本文中。本申请还是于2011年4月7日提交的且题目为“ENERGY-SAVING MEASUREMENT, ADJUSTMENT AND MONETIZATION SYSTEM AND METHOD”的美国申请序列号13/081,855的继续申请并要求其优先权的权益,该美国申请的全部公开内容通过该引用结合于本文中。
技术领域
本发明一般涉及能量节省领域。更特别地,本发明涉及更准确地对过去和未来使用进行建模,对当前使用和节省下的东西进行测量、在可感测的情况下对当前问题进行诊断并进行调整,以及对能量节省进行货币化。
背景技术
常规能量节省计算通常依赖于从构建的对历史使用数据起作用的工程模型或统计回归模型导出的能量使用基线预测。核心是在可归因于较佳能量系统设计和修改的能量减小(节省)对比可归因于照常的商业的那些之间进行区分的能力。前者被认为具有包括碳排放信用或抵消的附加值,而后者不被认为是这样的。准确并确信地在这两者之间进行辨别以及以可信、透明和可执行的方式对未来能量使用进行量化的能力已经是个问题了。
常规方法包括复杂的统计回归模型以及工程模型,它们分析多个能量消耗子系统并试图把组成数据聚合到统计未来使用的模型系统中。把这样的聚合数据与用于模型化和聚合的子系统的正进行的计量的使用数据进行比较以确定可能例如出自把HVAC系统的中央加热工厂部件转换为更高能效的多分布空间加热子系统的能量节省。
现有技术采用两个基本方法。第一个涉及对在存在完整的前后数据基础的情况下可以被合理准确地产生的数据使用回归拟合。弱点是它采用了不表示物理现实且因此可能不能够表示正在进行的场所的性能的任何物理或操作改变的统计拟合参数。第二个方法是工程建模方法,依据字面意思,除非在所涉及的成本和时间与节省值不成比例的研究背景中完成,否则其对实际能量使用进行建模以达到典型地仅近似加或减百分之30(±30%)的准确度。
图1是图示了随着现有设施的潜在可信的重新设计或改造之前和之后的时间的流逝、基于历史数据的单燃料的回归建模的现有技术方法以预测未来能量使用(上描记线“以前”情况),以及预测的或实际的能量消耗(下描记线“以后”情况)的图。水平轴表示时间推移,要么以小时、天、月,要么以年来加以测量。上平滑描记线图示了典型地通过根据公用事业账单或模型数据的统计建模导出的历史基线能量消耗。连续的虚线按照对诸如温度之类的例行变量的调整来使历史基线延伸。这表示在缺少高效改进的情况下建筑物会消耗什么样的能量。斜下降线图示了在高效措施的安装期间使用方面的改变。下平滑描记线图示了基于试图捕获所述改进的预计(projected)影响的第二回归或工程分析的、经调整的如改进的能量消耗的预测值(如果改进确实是这样的,则其当然较低)。这被建筑物操作者用来标识针对错误检测和诊断的异常行为。叠加在下描记线上的矩形点图示了如通过(一个或多个)公用事业等级计量仪测量的如改进的建筑物的所测量的实际消耗。
在图1的经调整的上历史描记线和下计量点之间在时间上的任何点处的差表示基于改进的能量节省或成本规避,要么是在功率、能量、碳方面测量的,要么在现金值方面测量的。因此,如果上描记线是准确的且更重要地是可信的,则基于所述改进的能量节省将是清楚的。不幸地是,如下面将进一步论述的,通常该描记线既不准确也不可信。因此,基于常规建模和计量技术或方法,不存在用于能量信用或碳抵消的成本有效可信基础。
常规方法还使得简化了用来预测未来基线能量使用的回归建模和当前能量使用的准确测量这二者的假设和使用简化方法。这些简化的净效应在建模和测量方面是不准确的且不确定的,例如,缺少可信度。可信的能量节省(例如碳抵消或硬通货)常常终结于错误的财政手段(wrong pocket)。这是因为通常把大概松散的能量节省性能和/或测量标准(例如,在能量账单上能量节省必须为10%或更多)构建到合约协议中,所述合约协议比另一方更支持一方的能量信用或货币化交易(例如,公用事业优先于消费者)。例如,能量提供者或分发者可能假定难以测量仅为10%的能量成本节省并且将愿意仅为这样的保守节省假定付费,而随着时间推移的实际节省是显著更大的。该假定常常被表达为:如果消费者安装了特定的能量节省包,则将把该消费者“视为”已经节省了一些能量,并且不“需要”能量节省测量方面的精确性或者实际上根本不存在任何测量。因此,规避了精确测量并且把能量生成归类到公用事业的行政或消费者服务线项目而不是被适当地归属为可销售的(或以其他方式可货币化的)能量节约产品。
在2007年,能效评估组织(Efficiency Valuation Organization,EVO)公布了国际节能效果测量和认证规程(IPMVP)。IPMVP企图建立用来基于多种假设、度量和指导方针测量和说明能量节省的标准。它进一步建议仅对相干独立变量进行建模而不对不相干变量进行建模的重要性。它标识出许多这样的按照推测相干的独立变量。IPMVP未能标识出任何基于现实的(即,基于建筑科学的)变量以作为其指导方针或提议的一部分。
尽管有IPMVP,但是还是没有被广泛接受的成本高效的“计量仪”,该计量仪用来测量可归因于可以按惯例部署在商业环境中的能量效率改进的能量使用减小。部分原因可能是公用事业公司有它们自己的文化焦点,甚至是它们的最进步的(progressive)和隔绝的(decoupled)。该焦点是能量销售而不是能量效率,其中其性能包括一致性因子、非传输成本、本地经济改善以及竞争力、较低的第一成本、稳定的长期成本等等。因此,如由IPMVP所描述的广泛使用的选项C计量已经被大大地忽略了以有利于通过公用事业的中央功率站项目开发。
建筑科学已经教导我们每个建筑物具有一个“特征(signature)”,其描述整个一年内建筑物对可变温度的反应,要么是以季节、月、24小时周期、小时来测量的,要么以某其他时间基础来测量的。在图2中示出了典型的建筑物特征图。本领域技术人员将理解,随着温度的增加,电力(ELECTRICITY)曲线上升,这大部分是由于空气调节/通风需求引起的,而GAS曲线随着温度的降低而上升,这大部分是由于加热需求引起的。这些是有点理想化的曲线,但是它们是建筑物对平均外部温度改变的功率消耗反应的准确特征。还参见图2A,其图示了终端使用能量模型对比平均月温度的面积归一化能量组成,以及其标识出在典型设施(例如,建筑物)中能量消耗的主要贡献者。
由美国促进能源效益经济委员会(ACEEE or ACE3),____, 2008公开的H. Reichmuth, PE的“A Method for Deriving an Empirical Hourly Base Load Shape from Utility Hourly Total Load Records”也是本发明的背景技术。该文章描述了使用非加热/制冷基础负荷形状来导出加热和制冷终端使用负荷形状,使用地点最小负荷形状来抑制该数据,以及修整该需求以达到经验的以小时计的基础负荷形状的方法。该文章仅从公用事业的角度(POV)解决了聚合的整个公用事业(遍及所有公用事业)规划。从设施的碳足迹、改进以及对能量成本规避的计量的POV来看,它没有解决具体地方或者设施能量追踪。
在以下熟悉的公式中表达了观看能量成本节省或信用的常规方法:
S = CH- Cc ±Adj,
其中,S是以美元计的能量成本节省,CH是历史能量成本,Cc是当前能量成本,以及Adj是调整,所有单位为诸如US美元之类的货币单位。随着此公式而来的问题是能量信用协议的大多数方在很大程度上同意该公式和成本因子,但是关于可能在合同下进行的调整强烈不同意。这是因为在常规方法下,该调整是把纯统计变量链接到一个或多个现实世界改变的任意尝试。例如,使用的增加是来自于改进方面的低效率或者来自于办公设备的附加使用吗?常规统计建模把某错误引入到了这样的表面上简单的计算中。关于能量信用的计算的这些以及其他不确定性仍然未解决和未决定,从而削弱了能量效率的值。
在简要概述中,现有技术未能教导适当的计量(技术)或者计量仪(“计量仪器”)以用于以能够被成本高效地应用在例行商业环境中的方式可靠地、准确地、可重复地、并且因此可信地预测和/或测量能量节省。此外,现有技术未能教导以能够被成本高效地应用在例行商业环境中的方式可靠地、准确地、可重复地、并且因此可信地说明作为系统解决方案的能量成本规避的集成系统和方法。
附图说明
图1是图示了在相同的时间间隔上针对当前状况所预测的设施的历史能量消耗对比其实际计量的能量消耗的轨迹的图。
图2是图示了如由两个不同的电力和气体消耗曲线对比平均室外温度(T)来表征的建筑物的对温度的“特征”反应的图。
图2A是图示了归一化的模型终端使用能量成分对比均值或平均月温度的图案化图,其中,每种颜色表示诸如建筑物之类的设施内以及周围的不同成分。
图3是图示了所发明的效率生成器系统的一个实施例的系统框图。
图4是在基于建筑科学的能量效率生成系统及其货币化方面图示了本发明的另一方面的系统框和处理流程图。
图5是描绘了用于对从能量消耗设施重引导到所计量的公用事业网的能量进行量化的方法的实施例的流程图。
具体实施方式
本发明的实施例在把三个有意义的增强结合到遵守IPMVP的过程的同时(这使得其更加鲁棒)遵守国际节能效果测量和认证规程(IPMVP)的原则。两个这样的增强是使用模拟建筑物模型(在本文中还被称为“模拟设施模型”,或者ABM)的结果,所述模拟建筑物模型是基于所测量的能量使用和一致的温度数据的组合的物理/统计模型:(1)ABM提供了对受物理定律以及数学约束的数据的奇异拟合,并且因此唯一地表示实际建筑物,以及(2)该过程允许将能量使用解聚为分量终端使用(加热、制冷等等),其在两个初始诊断方面以及在针对随着时间推移的建筑物的非例行改变进行调整的方面给予帮助。第三个增强是将统计不确定性结合在对节省的估计中,其提供了对所需数据的质量控制。
在本文中术语“非例行改变”指的是在设施内对于设计、材料、配置、结构、能量消耗器具等的改变,其具有导致能量负荷图案中的持续位移的潜力。这些可以包括安装更高能效的器具、绝缘墙、安装太阳能板以产生功率、以及其他持续的能量负荷变化的改变。一般且预期的改变(诸如建筑物占用率、能量使用或者所使用的能量类型的季节改变、由于日常人类活动而引起的能量消耗方面的一般变化等等)通常被认为是“例行改变”。
这些增强提供了两个重要益处:(1)用于处理在建筑物中发生的普遍改变的清晰过程,并且其常常产生对更典型的测量和认证(M&V)方法的挑战,以及(2)在合同规定的节省估计方面的更大的准确性和确定性。采用这些增强,本发明不仅满足遵守IPMVP的要求,而且它甚至是更加严格的,其包括更多的特征,并且是比先前已经实施的更清楚、更约定俗成的过程。
该增强的过程实施例足够鲁棒以便满足成为公用事业提供者的能量供应组合(portfolio)的一部分的需求,以及以便向建筑物操作者提供针对性能的改进基础。实际上,我们把来自此增强M&V过程的输出称为虚拟计量仪,并且把通过该虚拟计量仪计算的节省称为效率生成(efficiency generation,EG)。
所发明的实施例的关键特征包括但不限于:(1) 提供了比所要求的或者常规应用的更严格的M&V,以便遵守IPMVP;(2)包括组合的物理/数学模型(ABM),被校准到实际公用事业账单,以使实际上来自回归模型的结果具有基础,以及为对任何未来的非例行调整的分析做准备;(3)说明例行调整,遵循最佳实践建模过程,包括提供回归模型的统计特性,诸如不确定性,以及(4)对基于期望的置信水平和预期的节省获得历史(预计前)状况的鲁棒基线模型所必须的要求数量的数据进行量化。
从计划性角度来看,一个或多个实施例提供了若干附加优点。由于把所得到的模型结合于实际建筑物,所以结果是较不主观的并且是高度可复制的。而且,该过程是自动化的,这相当大地减少了分析时间和成本。
由于准确性的增加以及在基于历史使用数据对未来基线使用进行建模以及测量、记录和报告实际能量使用节省、以及把两者都链接到实际建筑物特性方面的使用的简易性,所以本发明在能量节省测量、诊断、调整、审计追踪和信用或货币化方面是有用的。虽然所发明的实施例是遵守IPMVP选项C的,但是它们还包括若干增强,如本领域普通技术人员将基于本文所提供的说明意识到的那样。和现有技术方法不同,所发明的实施例中的一个或多个包括对设施的非例行改变的能量使用影响,包括能量节约改进。本发明因此在各种开发者、合约方、项目设计者、供应者、工程师、贷方、基于化石的(碳)供应者以及分发者、和信用声誉好的经纪人(例如,其中的能量服务公司(ESCO))之间“使赛场平等”。
进入建筑物中的能量流例如被理解为由碳足迹来表征,由于它们直接或间接地依赖于逐渐减少的化石燃料源,所以碳足迹越来越容易被理解并且是测量的。来自一个或多个建筑物、工厂(例如,厂子)、或者园区、或者其任何组合(在本文通常且故意地被概括地称为“设施”,无论是单独地还是全体地都是如此)的碳排放可以从其导出。因此,本发明的实施例包括到建筑物的应用,该建筑物无论是单独地,还是多个但被聚合为一个实际的或概念上的设施。因此,现在可以更好地量化来自设计为节约或者来自于已有设施的改造的效率增益,并且可以更好地回答重要的附加性问题。
进入建筑物中的能量流包括直接燃料类型(天然气)和间接燃料类型(煤、气、电力生成中的油混合物、冷水、热水或蒸汽流),因此,当正更准确地测量这样的流入物时,正更准确地测量碳足迹。对于更准确地测量的碳足迹的节省是更准确地减少的碳排放的结果,并且有助于从历史观点上说成问题的附加性确定。这些节省还产生了有价值的信用或其他货币化回报,像对于在产生能量成本规避方面所涉及的那些而言赚得的收入或者甚至是应得的利润。
准确地预测未来或者当前能量节省或者成本规避的能力是所发明的系统的更大的能力的结果,该更大的能力用来在由与建筑物的主要目的相关联的使用增加或减少(其通常不表示附加性)所引起的消耗改变和由较佳建筑物和能量系统设计(其通常确实表示附加性)所引起的消耗改变之间进行区分。因此,经受如由本发明所提供的这样的建模和测量的建筑物可以潜在地适格于迄今为止将是不可实现的建筑物碳信用或抵消。此外,所发明的系统提供了足够的审计和记录透明度,将出现可以满足针对能量节约和可货币化的成本规避的附加性和市场可交易性的国内和国际规范的新标准。
现在参考图3,将描述一个实施例中的所发明的能量效率生成器系统10。“能量效率生成器”指的是用于实现由该系统“供应”到地球的能量网的能量成本规避(新的能量形式,或者至少一种新的定义能量的方式)的所发明的机制。它可以被认为是作为提供这样的能量成本规避的量化的精确仪器。在此领域中的一些人把单位功率和能量节省分别称为“负瓦”或者“负瓦-小时”。所发明的系统10的典型的实施例包括一个或多个变量或因子回归建模器100、定标(scale)和聚合机构102、公用事业等级“智能”计量仪104、能量节约计算器106和数据集/表单/报告(汇报)机构108。将把建模器(modeler)100理解为包括一个或多个相干变量,其包括插塞负荷(plug load)、天气、地点、周围、占用率、空间使用、操作小时、以及建筑科学。
应当注意,在图3中,建筑科学由实线指示,而其余的因子由虚线指示。这是使建筑科学对所发明系统的重要贡献突出。
定标和聚合机构102可以采用简单效应-乘法器(effect-multiplier)的形式,其考虑来自一个或多个子系统或建筑物的多个建模输入。该定标和聚合机构102或者“数据聚合器”通常与计算器106耦合,并且另外与建模器100和“智能”计量仪104中的任一个或者这二者耦合。在典型的实施例中,该数据聚合器包括设备可读指令,其被配置为当由数据处理电路执行时促使数据聚合器聚合来自两个或更多个建筑物的基于时间的设施能量负荷数据。于是认为所聚合的数据表示包括两个或更多建筑物的单个设施。
计量仪104优选为智能计量仪,其实时地精确测量设施能量负荷并且把精确的负荷数据供应给计算器106。然而,更广泛地,“合适的”计量仪104几乎可以是被配置为测量被一个或多个子系统和/或设施(例如,建筑物,建筑物群、等等)的终端使用利用的能量源(例如,电力、气体、等等)上的负荷(例如,使用、流、消耗、需求)的任何已知的能量计量装置。
计算器(或比较器、或者差异器(differencer))106有效地确定两个基于时间的输入之间的实时或运行时间的差或增量(Δ)。
数据集汇报机构108可以输出从计算器106接收的数据,无论该数据是原始的、经处理的、制成表格的、制成图形的,还是以对用户而言有用的其他形式。用户例如可能包括正试图可能在能量节省性能合同(ESPC)下货币化能量节约措施(ECM)的能量服务公司(ESCO)。本领域那些技术人员将意识到数据集汇报机构108的实施例可以产生半或全自动化的账单,例如机构108可以直接生成表示所赚能量信用或抵销的发票。依据本发明的这样的报告可以采用任何合适的形式,例如硬拷贝或电子的。
针对图4进一步论述上面描述的建模器100、定标和聚合机构102、计量仪104、计算器106以及数据集汇报机构108的附加实施例,并且所述附加实施例照样被预期为处于依据图3中所描绘的实施例的那些特征的范围之内。
数据集108还可以在设计为节约的功能块110处由设计人员手动或自动地审阅,其输出可以由回归建模器100重新建模或者原始建模,所述回归建模器100在将被在本文中称为闭环设计和计量系统100的东西中。因而, 出于节约的考虑,可以在块110处执行原始设施设计,并且可以依据本发明针对其有效性对这样的最佳设计实践的结果进行监视。可替换地,可以在块110处执行经修改的设施设计(设计修改)以实现更大的能量成本规避。
智能计量仪104还可以包括控制器部分,其例如实时响应于性能测量而有效地控制建筑物的加热和制冷子系统。例如,它可以使用用于数据分析的比例积分微分(PID)方法,因此不仅说明第一阶功率需求而且还说明第二和第三阶需求。因而,可以针对设施的加热、制冷和其他能量消耗子系统的更高效和响应控制来监视功率使用、功率使用率(一阶导数)、以及甚至功率使用的变化率(二阶导数)。
常规统计回归不能被容易地应用到以物理建筑物参数而不是统计系数来表达的模型。因此,本领域那些技术人员将意识到温度加基于建筑(设计、工程、构造、建筑物材料,等等)科学的数学反应方法的重要内含物(可能排除其他变量),其避免了常规统计回归以及其使用软件实现的数学算法,该软件实现的数学算法包括通过允许把物理属性归因于该数据而改进了建模的新颖的最速下降解收敛技术。
对于基于时间的(例如,周期的)使用数据的任何给定集而言,这里把所得到的整个建筑物模型叫做等价的“模拟建筑物模型”(ABM)。在真实的意义上来讲,ABM是逆模型:它是产生与真实建筑物相同的周期性(例如,按月)能量账单模式的假设非常简单的建筑物的模型。下面相当详尽地描述基于建筑科学的建模的方法。
总的来说,建筑物或建筑物群越大,所述特征就越准确。图1中所示出的函数关系基于按月平均温度,并且足以在按月平均的基础上对建筑物或建筑物群的按月性能进行量化。依据本发明已经把此量化水平确定为足以支持合约关系,其在不考虑节省的精确定时的情况下处理按月能量节省。
在实践中,节省值常常是非常与时间有关的,诸如炎热夏季下午的节省对于在此时必须购买成本高的额外功率的公用事业而言更有价值。因此,以一天中的时间为基础、采用被区分为按小时分类(高峰、非高峰、按月最大峰,等等)的能量估值来构建大多数能量合同。为了与用于对能量和节省进行估值的常用合同基础对准,必须进一步通过把按日平均能量使用的估计扩展到相关联的按小时平均能量使用的估计来产生图2中发现的按日平均能量使用或节省的估计。这通过使用与图2中所描画的相同的按小时负荷测量(如被聚合以产生按日或按月平均能量使用函数)来完成。
第一步是把图2中所示出的能量特征解聚为其构成终端使用。能量特征应当被看作如图2A中所图示的若干基础终端使用的和。
基础终端使用是已被对按月公用事业账单数据(表示包括所有燃料的整个建筑物能量使用数据)和相关联的平均按月温度进行拟合并且从该按月公用事业账单数据(表示包括所有燃料的整个建筑物能量使用数据)和相关联的平均按月温度导出的物理参数的固有结果。开发构成能量终端使用的模型的需求是使物理模型拟合按月公用事业数据而不是简单的统计模型的最有意义的原因之一。现有技术通常使简单的统计模型分别拟合电能量和燃料(气体)能量。在现有技术中,这些分别导出的模型没有利用建筑物或设施的能量平衡,其是使得能够实现对构成终端使用的准确确定的必要信息。好的工程实践要求建筑物模型涉及建筑物的能量平衡以便准确估计能量使用之间的相互作用。例如,由电照明生成的热可以减小用来加热一空间所必要的气热量,或者电照明和计算机负荷还变成制冷负荷。
相比之下,本发明使建筑物或建筑物群的简单物理模型同时拟合电和气体账单数据这二者,从而使用通过参考建筑物能量平衡提供的分析优点。在本发明中,建筑物的物理模型是若干构成能量终端使用模型的和,从而使得每个构成能量终端使用对(versus)按月平均温度的函数是该模型的固有结果。
对于构成能量终端使用中的每一个而言,使用按小时负荷测量结果来产生“按小时负荷因子”,其中针对特定小时的按小时负荷因子是小于1的分数,其描述针对在该特定小时中使用的该构成终端使用的按日平均能量的部分。自然地,针对一天中的所有24小时的负荷因子将总计为1。对于每个构成终端使用而言,将存在一组24个按小时负荷因子。对于一些构成终端使用而言,针对每个月可能有必要产生不同的按小时负荷因子集。构成终端使用广泛地匹配于加热、制冷、基本负荷、室内热水(DHW)、以及任何已知或计量的终端使用的能量使用分类。
本发明中的该广泛分类的使用是在时间和间接成本方面的主要节省,其将以其他方式在最终对最后结果几乎没有影响的编译细节中被采用。实际上这些非常广的分类聚合了更多的详细且显著的终端使用差别,诸如照明、插座、风扇等。在没有更详细的差别的情况下,使用该广泛分类常常是误差源。依据本发明、通过使用相同的按小时负荷数据来导出如图2中所图示的聚合物理模型和针对构成终端使用的按小时负荷因子这二者,使由于此广泛分类而引起的误差最小化。在本发明中还通过确切地使用与在拟合该数据的物理模型中所使用的相同的按小时负荷因子导出中的构成终端使用分量来使由于广泛表征而引起的误差最小化。
如图2中所示,最适合于本发明的建筑物和建筑物群将具有有条理的温度相关性。这本质上是季节相关性,其中在夏季用于制冷是最大能量使用,而在冬季用于加热是最大能量使用。近似四月和九月的中间季节将具有最小的加热和制冷,并且某些天可能除了维持处于待机状态的加热和制冷系统所必要的最小辅助能量使用(其在这里被视为是被指定为基础负荷能量的构成终端使用能量的一部分)之外,基本上不具有加热或制冷。参考针对三月-四月和九月-十月的月份的按小时负荷测量结果来产生针对基础负荷的按小时负荷因子。
可能需要对于不同的天类型(占用的,未占用的,等等)来产生分别的按小时负荷因子集,但是在大多数情况下其是不必要的。针对特定的天类型的按小时负荷测量结果被根据一天中的小时来分类,并且建立针对24小时中的每一个的最小负荷。这些24小时的按月最小负荷组成了24小时负荷形状(load shape),其是最小负荷的轨迹,并且其被看作基础负荷的负荷形状。此最小负荷形状可能包含具有公知或测量的负荷形状的子部分,诸如用于外部照明,其可以是单独指定的构成终端使用。以此方式,当它是可获得的时,本发明使用公知的信息。由于这些已经是已知的,所以未产生针对公知负荷的按小时负荷因子。于是根据最小负荷的轨迹和作为它的一部分的公知负荷之间的差来产生负荷因子。按照定义的按小时负荷因子是每个单独的小时内发生的按日负荷的该分数。
然后参考针对加热和制冷季节的按小时负荷测量结果来产生针对加热和制冷构成终端使用的按小时负荷因子。对于加热和制冷这二者而言,标识出每个加热或制冷月的峰值负荷日,以及来自此峰值日的负荷形状变为从其导出针对每个加热或制冷月的加热和制冷按小时负荷因子的负荷形状。把峰值日负荷形状而不是平均日负荷形状用作参考,这是因为已经发现它是驱动该负荷的人类和控制行为的最清晰的表达。然后根据由针对加热或制冷日的总峰值日负荷和先前已经计算出的基础负荷、以及任何其他已知负荷之间的差限定的按小时负荷的形状来导出针对构成加热和制冷能量终端使用的按小时负荷因子。
对基于建筑科学的建模的重要性的上述论述不破坏图3的将多个因子包括到建模器100中的重要性。本文描述和图示的其他因子将被本领域的那些技术人员理解为表示可以用来覆盖建筑科学数据的次级重要性的第二层因子。换言之,基础划线(base-lining)应当首先是基于建筑科学的,并且然后可以按期望或需要在边缘中用其他因子加以调整。
本文把模拟建筑物建模器100定义为一装置,其被配置为依据本文所描述的终端使用方程产生“模拟建筑物模型”(本文还称为变量或因子回归模型、等价模拟模型、或者模拟设施模型)。
建模器100计算计量的总建筑物能量使用以作为主要建筑物能量终端使用的和。已经证明相对小的参数集是足够全面的以支持合理的能量平衡,以及更是足够独立的以允许可防御的回归解(regression solution)。建模器使用仅八个关键参数的集合—内部和外部增益、聚合归一化UA、加热和制冷效率、服务水加热、热拦截(heat intercept)和冷拦截(cool intercept)—以在气体加热的办公建筑物中产生鲁棒且可重复的能量特征。然后可以把这几个参数/变量插入到建筑物能量终端使用的估计中。
建模器在按月平均温度作为主要独立变量的情况下进行操作。在此按月能量聚合水平下,短期热瞬变值最终得到平衡,留下季节温度改变作为主要驱动器。在此高聚合水平下,可以合理地拟合所观测的按月数据的终端使用建筑物模型在代数上变得十分简单。在表1中以及在随附的论述中列出并论述此模型中所使用的变量。
表1-等价的模拟建筑物参数
参数,符号 | 单位 | 注释 |
归一化的聚合UA, UAn | 已解出 | |
内部增益,Qin | 已解出 | |
外部能量,Qext | 内部增益的固定百分比 | |
归一化的SWH,SWH | 加仑/天/ft2 | 已解出 |
热拦截,Ht | T华氏度 | 已解出 |
冷拦截,Ct | T华氏度 | 已解出 |
加热效率,Eh | 无单位 | 假定为.75 |
制冷效率,COP | 无单位 | 已解出 |
*归一化为主题建筑物中的被调节空间的地板面积。
已经发现表1中的参数足够支持商业建筑物的通用终端使用能量模型。在表1中注意:假定了参数中的两个参数,而其他六个参数都根据该数据解出。通过此模型、(基础负荷、加热和制冷能量)估计的能量使用中的大部分是基于通过回归从该数据导出的唯一建筑物参数的。
表1的参数都间接地通过它们在能量终端使用的计算中的角色来在该建筑物能量模型中起作用。因此,对这些参数的此论述可以涉及它们在随后的各种能量终端使用方程中的作用。
聚合UA, UAn —这是建筑物的聚合热损失参数。它包括建筑物热损失/增益和通风损失/增益,其还是温度敏感的,全部被按平方英尺的地板面积归一化。此变量在代数上表示建筑物的聚合温度相关特性,包括热损失和通风损失,但是不包括加热或制冷效率。这样的聚合值将非常难于直接通过各个测量结果的组合来计算。但是在逆模型的背景下,所有这些热和通风因子的聚合效应是相对直接的用于确定,并且在特征化结果中是有用的。总的来说,此温度斜率与建筑物能量特征中的可见斜率稍微不同。在终端使用方程中,它在估计加热和制冷终端使用这二者的过程中起作用。
内部增益Qin是在用来计算加热和制冷终端使用的净负荷中起作用的那部分基础负荷。在此模型中,该基础负荷的部分是在加热和制冷负荷中不起作用的外部增益。
外部能量Qext 被假定为内部增益的小的固定百分比;通常近似5%,但是从建筑物到建筑物可以变化。外部能量的主要成分通常但是不排他地是室外照明和标志。明显例外包括实质上定位在建筑物、大的停车场结构等外部的大数据中心。
服务水加热SWH是在七月至九月中出现的以水/天的经加热加仑为单位来表达的非空间热气体能量使用的平均,对于该类型的建筑物而言其允许此变量相对于似乎合理的热水使用的详细巡查。如果不存在夏季气体使用,并且因此没有气体SWH,则假定电SWH为.002加仑/天/ft2。SWH终端使用的估计是基于季节变化的入口水温度,并且因此具有轻微的季节变化。存在许多情况,在这些情况中此参数比单独对于热水加热而言是似乎合理的大得多,这是因为诸如对于分发环或重新加热而言它包含其他显著的夏季气体使用。
热拦截Ht 是最高温度,在该最高温度处观测到加热,并且在终端使用方程中假定在低于此的温度处热负荷将线性增加。虽然此温度受内部设定温度影响,但是它还受内部增益和控制误差影响。在实践中,当内部增益对加热有贡献时,此温度将低于内部温度,但是已经观测到此温度高于内部温度的许多情况。这些暗示过加热或重新加热。此加热拦截温度是潜在控制误差的强指标。
制冷拦截Ct是最低温度,在该最低温度处观测到制冷,并且在终端使用方程中假定在高于此的温度处制冷负荷将线性增加。虽然此温度受内部设定温度影响,但是它还受内部增益和控制误差影响。在实践中,当内部增益对制冷负荷有贡献时,此温度将低于内部温度。此变量实际上在内部增益和制冷之间对电能量进行划分,并且在温和的制冷主导的气候中(诸如南加利福尼亚)在关于制冷在什么温度处开始的能量特征上不存在可见的平衡点温度。该制冷开始于最低观测温度并且在该温度之上线性增加。在这些不明确的情况中,制冷拦截未被很好地限定,并且该模型可能不正确地解出不合理地低的制冷拦截,其导致夸大的制冷负荷和不合理地低的内部增益。因此,把此变量约束为不低于小于最小输入温度的一度华氏温度(近似0.6摄氏度)。此约束实质上允许把合理的最大内部增益应用于不明确的情况。
加热效率Eh是假定的加热效率。原则上它可能是解出的而不是假定的变量。然而,它接近于与温度敏感聚合UA线性对应,并且其为整体回归增添了某种不稳定性。虽然加热效率从建筑物到建筑物可能变化,但是它通常将处于70-85%的范围中。在此工作中,假定加热效率为75%。已经观察到了实际效率显著地小于该假定的几个稀有情况,并且这些情况在不常见的高聚合UA和制冷效率COP中得以揭示。
制冷效率COP是制冷能量的性能的表观系数(COP);即,被冷却空气的热能量含量相对于用来冷却该空气的电能量的比率,如采用相同的测量单位表达的那样。假定针对制冷的聚合UA与用于加热的聚合UA相同。在实践中可能不是这样,因为在制冷季节期间可能存在更多的通风,或者某其他热特性可能季节性地改变。制冷COP包括制冷的实际COP,并且它包括热特性的季节改变的效应。
全模拟建筑物模型包括把用于特定终端使用的能量规定为平均按月温度的函数的若干能量终端使用模型的和。下面的用于导出和/或归因于对于特定终端使用的总按月建筑物能量使用的一部分的每个方程或方程组在本文中被定义为“终端使用模型方程”。从针对特定终端使用执行终端使用模型方程或方程组导出的结果在本文中被定义为“终端使用模型”。例如,对于下面所述的针对每个终端使用的每个方程或方程组而言,从内部增益终端使用模型方程导出的终端使用模型在本文中被定义为“内部增益模型”,从“空间热”气体终端使用建模器导出的终端使用模型在本文中被定义为“空间热模型”,等等。
整个终端使用方程组包括表1中的模型参数和平均按月温度的函数,并且实质上减小到采用六个未知数的联立方程。此方程组不容易通过常规的线性回归解出,并且相反借助于迭代最速下降收敛算法来解出。
此类型的数学方法依靠这样的假定:存在导致对该数据的最佳拟合的真实建筑物模型参数的唯一组合,以及所述解在也可以导致良好拟合的伪参数集上将不收敛。构建收敛路径在此类型的数学中总是重要的,并且它通常是通过认真地设计(tailor)初始条件和通过控制迭代步骤来完成的。当前的建筑物模型已经证明对于具有电和气体能量的建筑物而言是稳定且可重复的。
针对五个模拟建筑物参数的解实质上是具有大约12-24个信息项的五个未知数方面的问题。理想地,这在代数方面可能被完成,但是它将是非常冗长乏味的,并且它将难以随着该过程可能被适配到新的情形而改变。
可以避免代数复杂性的方法在这里被称为最速下降的方法。此方法已经在数学课本中进行了描述并且此方法超出了该论述的范围以详细地重复。特定应用被称为Fletcher-Powell方法。通常这是一般用在复杂问题中的迭代方法。它通过建立拟合指标的质量(诸如CHI平方或R平方(这里叫做“拟合指标”))而开始,其与在能量使用数据和与从该模拟建筑物模型导出的相同的数据的估计之间的差成比例。
简要地,该过程开始于针对所有的未知变量的假定解,以及立即将所有未知数的值迭代地改变小的量,始终寻求导致该数据和该模型之间的更接近的拟合的改变。未知数的小改变不是随机的,而是对于每次迭代,以使得导致稍微更好的拟合的这样的方式来改变每个变量。
对每个变量的小的递增改变通过在两个条件下评估该模型来导出:一个采用该变量的当前值,而第二个采用改变了称为“固定改变”的小的固定量的变量。
对于每次迭代,每个变量被改变这样的量,该量与在这里被称为针对该变量的梯度的事物成比例,并且由下式规定:
(拟合指标1-拟合指标2)/(变量的固定改变),其中,对于每个不同变量而言,变量的固定改变是不同的固定数。
对于建筑物能量数据的分析,已经发现所引入的针对每个变量的改变通常应当近似为该变量的初始值的1/1000。总的来说,针对每个变量的梯度将随着该变量的值而改变,而其他变量随着每次迭代而改变。因此,对于每次迭代而言,必须针对每个未知变量来计算新的梯度。
针对每个变量的梯度仅与将被应用于每个变量的改变的整体成比例。将被应用于每个未知变量的全递增改变将基于乘以活动因子的该梯度。此分析中的活动因子对于每个变量而言通常是不同的恒定数,并且不像梯度那样,活动因子不随着每次迭代而改变。
诸如这些之类的方法要求假定的开始点合理地接近最终解,并且对变量的迭代改变给彼此带来一定关系。在任何特定问题中,该方法的成功依赖于作出关于开始点和变量改变所按照的相对速率的良好选择。如果这些选择不足够好,则将找不到对于未知变量的满意解,这是因为变量都将以与每次迭代不协调的方式改变,从而使得该数据和该模型之间的差将绝对不会减小,并且实际上可能实际上增加了。这被称为“收敛失败”。
使该过程收敛是此类型数学中的焦点挑战。要求对特定问题类别的良好物理和数学理解以使该方法对该类问题起作用。在此情况中,通过来自许多成百上千的建筑物的能量数据的分析来通知该过程,并且此信息已经被用来设计将利用建筑物能量数据可靠地工作的过程,如下面所论述的那样。
这里特定的感兴趣的问题涉及创建建筑物的能量使用的模型。这是特别复杂的问题,这是因为用于建筑物的能量使用数据可能受到无规律的占用行为以及非恒定的故障控制的强烈影响,其可能不是可以通过任何种类的模型描述的。另外,即使占用者和机器正正确且有规律地执行,建筑物能量使用的模型也最多是复杂得多的真实情形的高度简化近似。简而言之,任何种类的建筑物模型和该数据之间存在显著且不可避免的误差量,并且此差可能干扰或改变包括此最速下降方法在内的任何数据分析或回归过程的收敛。
不管这些显著的误差源如何,针对大多数建筑物的能量使用数据示出了非常明显的图案。因此,对于此特定类的问题而言,已经使初始条件和变量的递增改变的选择适应于建筑物能量使用的物理性质以及与它相关联的误差。
字面上存在初始变量条件和活动因子的无限种类的组合,并且许多将导致良好的结果,不过一些组合将需要更多的迭代以便成功地收敛,而一些组合可能不收敛。
在可以成功收敛的组合之中,最终被解出的变量的值将稍微依赖于初始条件、活动因子、以及甚至固定变量改变的大小而不同。最终值将是接近的,无论导致它们的路径是什么,然而,由于此过程被应用在“公用事业节约计量”的背景中,所以重要的是关于初始条件和活动因子是特定的,从而使得该计算是可严格地重复的。
经验建立了在表2中阐述的初始条件和活动因子的值将导致未知变量的解。
表2-初始值和活动因子
注意活动因子中的广泛范围。已经基于把此方法应用到成百上千的建筑物以便在1000次迭代之内得到满意解而选择了这些。针对在开头的一千次迭代之内具有最高拟合指标的迭代的未知变量的值被视为所解出的值。
通常,在开头的一百或这样的迭代之后,良好的解将是显然的,并且对于所有后来的迭代而言,拟合指标和变量将保持几乎恒定。如本领域普通技术人员将意识到的那样,大数目的迭代和计算尤其使其自身适宜于采用依据所发明的实施例中的一个或多个所描述的基于计算机的方法和系统。
存在如果未适当地设置则此方法可能失败的三个常见方式:
(1)变量的递增改变可能太大,并且该变量将过冲(overshoot),并且然后在下一次迭代中对其自身过校正(在一些情况中,对于不确定的迭代数而言,这导致回归的陷阱,这是由于它在过冲和下冲(under shooting)之间振荡);
(2)变量的递增改变可能变得非常小,从而使得它可能采用大数目次(例如数千次)的迭代来达到均衡;以及
(3)过冲变量可能使得其他相关变量过冲或下冲,并且该过程可能要求大数目次的迭代以使误差消失,或者它可能导致不稳定。
常规数学方法将具有所有都彼此相关的活动因子,就像它们是最速下降向量的正交分量一样,希望朝向最终均衡。但是此问题不使用平滑数学函数;在该函数中在加热和制冷拦截处存在断点,并且误差可能使它甚至更不规则,从而使得可以容易地使常规最速下降方法脱轨。导致所发明的实施例的方法作为最速下降处的一个尝试开始,但是然后被演进为层级方法以便处理整个建筑物能量数据的特性。
所发明的方法利用这样的事实:在能量对比温度空间中,建筑物中的能量使用采用针对几乎所有建筑物的常见图案,如图2A中那样。如图2A中所呈现的,几乎所有商用建筑物之间的差异是在若干终端使用曲线的尺寸和定位方面的程度问题。终端使用关系的此规则性对于所发明的过程而言具有非常显著的益处,并且允许控制拟合过程,从而使得至最终均衡的进展不涉及显著数量的失稳过冲和下冲。
在拟合过程中,UA和内部增益是主要变量,即,最能够影响整体拟合。但是存在重要差异。UA变量在几何上被紧密链接到加热和制冷拦截以及链接到COP。因此当UA过冲时,三个其他变量也改变,这导致显著的均衡改变。我们的经验指示当UA从下面慢慢接近其均衡值时,取得最稳定的结果。因而,此变量的迭代“速度”被减速了1/500的非常低的活动因子,并且开始位置表示针对此变量的非常低的值。这样,UA变量在最小过冲的情况下几乎按指数规律地接近该均衡。实质上,此变量设定台级,而其他变量关于它上下跳动。
内部增益变量展示了某种独立性;不是如此直接地链接到其他变量。在回归过程中,其初始值是针对该类建筑物的典型值,并且它具有1/50的活动因子。这是强变量,但是其过冲是稳定的且减弱的。
其他变量、热拦截、冷拦截以及COP具有在1至60的范围内的相对高的活动因子。在典型的回归中,这些变量在主要变量、UA和内部增益之后、在后来的迭代中改变,减少了该模型和该数据之间的大多数差异。由于这些变量具有相对较高的活动因子,所以它们在后来的迭代中在均衡附近继续足够快地改变,其中所有其他变量如果有的话就改变得非常慢。COP的初始值为2.2这样一个典型值。
热拦截和冷拦截的初始值处于它们的范围的末端,其中,开始热拦截处于80华氏度处,而开始冷拦截处于50或55华氏度处。随着迭代进行,这些变量以这样的方式改变:在不会非常过冲的情况下以简单的相干运动跟随UA的改变。
此拟合过程转换一般图像以拟合特定数据。此转换平稳地进行,直到到达包括如所拟合的所有燃料在内的实际整个建筑物能量使用数据的最终特征。前几次迭代示出了主要运动,其由对UA和内部增益的改变导致。涉及加热和制冷拦截的细化(refinement)通常发生在后来的迭代中。随着回归进行,变量的协调运动是光滑且有序的,稍微直接地进行到均衡。内部增益和COP变量将过冲和下冲一点,但是在该过程的主要主题上这是小的涟漪。在典型的但不排他的实施例中,在大约165次迭代之后取得最佳拟合。
所发明的实施例包含三个重要概念:
1)使用温度对比能量分析空间,其中用来表达终端使用函数,其示出了能量特征而且还提供了查看整体能量使用的好方法;
2)使用简单模拟建筑物模型,其包括被使用的特定的八个变量,其可能看起来好像是过于简化的聚合大建筑物模型,但是其能够利用所有的其一般不规则性来拟合真实世界按月能量数据;以及
3)使用分析过程,当与特定建模变量一起使用时,该分析过程是稳定的。
终端使用模型描绘了终端使用的简单线性描述,但是由于某种终端使用可能为其他终端使用以及为其他燃料带来工程关系,所以基础情形更复杂。例如,气体加热依赖于电内部增益,如电制冷那样。加热和制冷还依赖于建筑物“UAn”,其通常在气体加热的温度斜率中予以揭示。因此通过在建筑物的聚合能量平衡中占优势的工程关系将建筑物参数约束到彼此。
在模拟建筑物模型内部,对于整个建筑物而言,建筑物能量终端使用采用kWh/天的单位来表达。终端使用建模器方程(或者简单地“终端使用方程”)在本文中被定义为是针对下面所呈现的每个终端使用的方程。终端使用方程都是不变的或者是均值按月温度t的简单线性函数,以及使用总的建筑物面积FT2。
服务水加热(SWH)电和气体终端使用因子在本文中由下列方程定义以及依据下列方程加以确定:
SWH 电, kWh/天 = (SWH 设定点温度—入口水温度)*SWH (gal)*FT2*8.33/34l3/SWH elec eff,
其中 'SWH elec eff’ = 1。“入口水温度”从均值按月室外温度的年度集合导出。
SWH 气体, kWh/天 = (SWH 设定点温度—入口水温度)*SWH (gal)*FT2*8.33/34l3/SWH gas eff,
其中 'SWH gas eff’ = 0.65。SWH的量和燃料类型通过对夏季气体使用的查看来加以确定。如果针对七月的平均归一化气体能量大于0.001 W/ft2,则假定气体 SWH。
内部电增益终端使用因子在本文中由下列方程定义以及依据下列方程加以确定:
内部增益, kWh/天 = Qin*FT2*24/1000,
其中,FT2是建筑物经调节的空间的面积。
外部电增益终端使用因子在本文中由下列方程定义以及依据下列方程加以确定:
外部电, kWh/天 = 内部增益 * .05。
空间热气体终端使用因子在本文中由下列方程定义以及依据下列方程加以确定:
首先,计算总的空间热负荷,H gross。
如果t>Ht, 热拦截,则H gross = 0。否则, 对于 t< Ht而言, H gross, kWh/天,
= ((Ht -t)*UAn*24-Qin*RGh(t)*24* 3.413)*FT2/3413,
其中,FT2是建筑物经调节的空间的面积。
空间热气体 = H gross/Eh,其中假定 Eh= 0.75。
保留增益的计算:此计算的关键部分是作为能量平衡的一部分的内部增益的小部分的估计,RGh(t)。在能量平衡中不是所有的内部增益都得以保留,这是因为当存在热需求时常常将不发生该增益,并且它通过通风或制冷散失。在能量平衡中保留的该部分内部增益称为“保留增益”。总的来说,保留增益依赖于内部增益的幅度、占用的定时、建筑物的质量以及室外温度。找到其至能量平衡的方式的内部增益的量完全是建筑物特定的,并且依赖于热瞬变以及变量占用,即,它潜在地是复杂的。
扩展的按小时模拟已经示出了聚合按月保留增益可以由对于每个建筑物而言唯一的温度的函数来表示。然而,保留增益函数的常见特征是在低温度处使用所有增益,而在中等温度时几乎不使用增益。此工作假定标准线性保留增益函数具有这样的值:在<=40华氏度处为1,线性地减少到在>=80华氏度时的0。
加热保留增益函数(t),RGh(t)在本文中由以下定义以及被确定为:
= 1 , 如果温度<= 40华氏度;
= 0, 如果温度>=80华氏度; 以及
= (温度-40)/(80-40), 如果 40<温度<80华氏度。
原则上,制冷应当与加热类似,但是实际上的节省器/渗透物效应排出并且以较低温度减少保留增益。针对制冷假定的保留增益函数,或者“制冷增益函数(t)”,RGc(t),在本文中通过下列定义并且被确定为:
= 1, 如果温度>80华氏度;
= 0, 如果温度<Ct, 制冷拦截; 以及
= (温度-Ct)/(80-Ct) 对于 Ct < 温度 <80而言。
空间热电:在主要由气体加热的建筑物中,空间热电指的是与空间热的分布相关联的电附属机构(风扇、泵、等等)。空间热电终端使用因子在本文中由下列公式定义以及依据下列公式加以确定:
空间热电,kWh/天 = Hgross/COPaux,其中,COPaux是电附属机构的聚合COP,这里假定为10。
制冷电:制冷电,kWh/天,在本文中由下列定义并且被确定为:
= 0, 如果 t< Ct, 制冷拦截,以及
本领域那些技术人员将意识到本发明的许多唯一特征从对图3的理解显现出来。首先,实时计量控制器或者"智能"控制器104可以利用基于PID(基于公式的)输入来对加热和制冷子系统实时进行微小校正,例如通常是在成本上小于后面是过校正的欠校正的该微小校正。换言之,控制器104可以是计算机控制的或辅助的,并且可以作为专用机器来运行,该专用机器执行存储在存储器中的软件指令以服务于重要控制器以及用于建筑物的以本文所描述的能量成本规避措施为特征的计量功能。
其次,将意识到,能量节约计算器(或者比较器或者所谓的“差异器”)106可以包括来自建模器100的多个因子中的一个或多个、和来自定标和聚合块102的一个或多个能量消耗子系统、和来自“智能”计量仪104的无数个公用事业等级计量输入。那些技术人员将意识到计算器108还可以是计算机控制的或辅助的。本领域那些技术人员还将意识到定标和聚合块102尽可能地以及合理地宽地捕获数据集以便包括在给定的ECM计算中,从而吸引大型公用事业加入能量节省事业,或者吸引大资产或者吸引立法/规章/动机以吸引借贷或其他共同开发努力或者合资企业。这样的聚合可以是建筑物内的加热、制冷和其他能量消耗子系统的简单聚合;或者它可以是街区或园区内的跨越多个设施(例如,建筑物)的同样的事物的聚合。
第三,数据集/表单汇报机构108可以输出对希望监视这样的能量节约测量的结果的任何一方有用的硬拷贝或电子报告,例如,ESCO或者ESPC可以要求以对该信息的一个或多个用户特别有用的形式呈递的报告。机构108还可以使记账自动化以降低汇报/记账成本以及提高汇报/记账效率。那些技术人员将意识到机构108还可以是计算机控制的或辅助的。
第四,本领域那些技术人员将意识到原始建筑物设计为节约可以开始于块110,在块100处进行建模,以及其能量成本规避可以在块106处加以计算。在块108处发布的报告可以在建筑物设计离开绘制板之前以及在它上线之前很久证明或驳斥(但更有可能改进)该建筑物设计。因此,可以提升建筑物标准,并且可以在货币上回报满足那些较高标准的建筑物的设计者或拥有者-或者通过本发明构思的设计改进工具的提供者。
第五,将意识到提供从现实以及因此更准确的模型和可能异常的计量结果产生的整体系统的实时(运行时)诊断/调整能力。例如,如果节省器控制器故障,并且让节省器在热天运行,那么它将相当大地增加制冷要求,其进而将导致比平常更高的消耗。通过比较计量数据和预计的改进基线,操作者将立即看到异常值并且能够诊断和修复该问题。
本领域那些技术人员将意识到在建模中使用无数变量或因子成本高。那些技术人员还将意识到这些变量中的许多变量彼此依赖,而不是独立的,例如运行的小时以及占用中的每一个均影响空间使用。还将意识到,这样的多因子建模的结果相当容易被打折扣。通过“打折扣”,意味着该结果是可疑的,这是因为许多这样的不同的变量倾向于随着时间的推移彼此抵消。
此外,随着该模型的复杂性的增长,其可信度下降,即使该模型是全面的且基于现实的也是如此。因此,依据本发明的一个实施例,通过考虑可获得的变量中的相对少的几个使该模型大大地简化了。这是因为太细粒度的数据源(产生相对更大的数据量)导致无法抵抗的分析任务,而太粗的数据源(产生相对较小的数据量)提供不足的输出。换言之,相信在所描述的信息和数据之间存在最优平衡,从而本发明利用此平衡。
特别地,已经发现最重要的变量是基于建筑科学的,例如,由建筑物的随着时间的推移对外部温度的特征反应所表征的设施的设计、构建、材料等等。这样的方法是更基于现实的,并且是更简单的并且因此更成本有效。更重要地,这样的方法更可信并且因此可货币化。可信性还针对基准测试目的提供了扩展值,因为本发明的实施例可以被利用来比较不同环境和/或气候中的不同建筑物/设施的能量使用性能。
参考图4,依据聚焦于基于建筑科学的效率生成器和闭环系统验证和改进的实施例来图示了所发明的系统10’。系统10’包括建筑科学建模器200(如本文所描述的,其基于其设计、构建、布局、材料等等考虑建筑物的对平均外部温度的动态反应);能量消耗模型数据库(DB)202,其存储这样的基于建筑科学的建模的预测结果;实时计量仪204,其生成从建筑物的各种加热、制冷和其他能量消耗子系统收集的高度精确、实时的测量数据;比较器206,用于比较经建模的数据和计量的数据;以及公用事业/网208,节省的能量被高效地馈送到其中。公用事业/网208进而向已被建模并且现在正被计量的建筑物210供应能量。
建筑科学建模器200的实施例在本文中被以不同的名称称为“(一个或多个)因子回归建模器”、“模拟建筑物和/或设施建模器”、“建模机构”、或者简单的“建模器”,并且与图3的建模器100相对应。然而,这些术语未必指示相对于彼此的不同的结构配置,而是相反指示本发明的一个或多个实施例中的建模器的若干概念上的方面。
建模器200通常与计量部分204耦合,并且被配置有存储在与建模器200集成或者在工作中与建模器200耦合的非瞬时数据存储介质处的设备可读指令。在示例性但非排他性的实施例中,建模器包括微软ExcelTM电子表格,其被适当地配置有和/或可访问公式、数据以及本文所描述的其他信息。
如遍及此说明书所提到的非瞬时设备可读介质可以是磁数据存储介质(例如,硬盘驱动器、等等)、光学数据存储介质(例如,紧致盘、等等)、固态存储介质(例如,随机存取存储电路器件、等等)、或者其任何组合。可替换地,非瞬时设备可读介质可以是这里未列出但是对于普通技术人员而言将是已知的、且数据可以被存储在其处以及数据可以被从其取出的任何其他适合的存储设备。
建模器200指令被配置成,当由(例如,计算设备的)数据处理电路执行时促使建模机构处理与第一时间周期相关联的第一组设施能量负荷数据和与该第一时间周期相关联的第一组外部环境温度数据中的每一个。依据所发明的方法和系统的实施例,处理该数据包括产生模拟建筑物模型。更特别地,该处理包括把测量的第一周期温度插入到上面指示的方程中,以及针对表1中的参数中的每一个的初始未知值迭代地解所述方程。
模拟建筑物模型通常表示在第一时间周期期间和在第一测量的温度处、作为多个标识的终端使用的和的设施的总能量负荷。由终端使用模型方程的新颖系统提供的以及由其新颖处理提供的关键突破是所得到的模拟建筑物模型表示该建筑物的特定建筑科学管控的能量负荷特性。因此,模拟建筑物模型随后可以用作用于在可选的温度条件下对该设施的理论能量负荷进行建模的十分精确的工具。
初始地,可以依据第一时间周期的众多部分中的每一个的平均温度(例如,一年长的第一时间周期的按月平均温度)来处理模拟建筑物模型,以产生历史基线能量负荷,可以把后来的按月设施能量负荷数据与该历史基线能量负荷进行比较以确定例如由于该设施中的非例行能量节约改变而引起的量化差异。
对通过模拟建筑物模型在第二、一般为后来的时间周期期间测量的第二组环境温度数据进行的后来的处理包括计算估计或者预计,该估计或者预计是在同一第一时间周期具有相反与在第二时间周期期间是相同的温度期间该同一设施的能量负荷将会是什么的估计或预计。
在优选实施例中,第二时间周期在持续时间上通常是按月的,但是并不受限于此,并且在持续时间上可以更短或者更长。时间周期也不需要被依据日历间隔来测量,但是可以包括任何指定的、通常持续的时间周期。针对时间周期的基于时间的设施能量负荷数据通常表示针对该时间周期的总的或者基本上总的设施能量负荷测量结果。
所发明的系统10’的实时计量仪204在本文中还称为“计量部分”。计量部分204可以是适合于测量设施的能量负荷的单个能量计量装置,无论是连续地还是递增地,或者可以包括每个均适合于测量设施的总能量负荷的单独部分的多个能量计量装置。例如,计量部分204可以包括一个或多个电计量仪和/或一个或多个气体计量仪,或者这二者的组合。
所提供的每个计量仪可以测量设施的整体能量负荷,或者特定形式的递送能量(例如,电,气体,等)的整体设施负荷,或者设施的特定部分(例如,建筑物的一部分,或者组成为一个“设施”的多个建筑物中的一个建筑物,等等)的能量负荷,或者设施的一个或多个特定终端使用的能量负荷,或者其任何组合。因此,普通技术人员将意识到计量部分204包括依据替代实施例的宽范围的配置。
普通技术人员将意识到不同形式的能量可以被依据不同的测量单位(例如,B.T.U./小时,瓦特,等等)来测量。用于测量单位的术语在不同的地理区域、不同的行业等中还可以被不同地表达。同样地,温度可以被依据不同的热测量系统和/或单位(例如,华氏温标,摄氏温标,开氏温标,等等)来测量。因此,各种实施例中的智能计量仪204可以依据适合的这样的单位中的任何一个或者任何组合来测量和/或报告能量负荷和/或温度情况,和/或可以把测量单位转换为其他测量单位。例如,计量仪204的实施例可以采用一种测量单位来测量能量负荷,并且把所测量的值转换为另一种测量单位(例如,过程)以用于向比较器(计算器)206报告。
在一实施例中,计量仪204将包括被适合地配置为执行这样的转换的数据处理电路。计量仪204同样可以包括非瞬时数据存储介质,其被适合地配置为存储测量数据,无论这些测量数据是原始的还是在这样的转换过程之前、期间和/或之后经处理的/经转换的,以及用来存储被适当地配置为当被执行时促使该电路如所指示的那样对测量数据进行转换的编码指令。
计量部分204还可以包括适合于测量设施外部的环境温度的一个或多个热计量装置。“适合的”热计量装置几乎可以是被配置为实时地精确测量周围温度(例如,外部环境温度)(无论是连续地还是递增地)、以及被配置为把热测量结果呈递为可用于供比较器(计算器)206使用的数据的任何设备。
在至少一个实施例中,把(一个或多个)能量计量装置和(一个或多个)热计量装置组合在单个(单一)设备内。同样地,单一实时计量仪204可以被安装在一设施处和/或与能量递送管道耦合。在至少一个实施例中,计量部分包括在工作中与设施的加热子系统和制冷子系统中的任一个或者这二者耦合的控制器部分,以及该控制器部分包括指令,所述指令被配置为当被如上面所论述的电路执行时影响对加热和制冷子系统中的任一个或这二者的控制,这在建筑物温度控制中有助于避免过加热、过制冷或者其他过度变化。
在典型的实施例中,能量消耗模型数据库(还被称为“模拟设施模型数据库”,或者简单地“数据库”)202包括与建模器耦合的非瞬时数据存储介质。因而,该数据库通常被配置为从建模器进行接收并且可检索地存储模拟设施模型。
比较器(“计算器”)206与数据库202耦合,并且被配置为从该数据库检索模拟建筑物模型以及比较该模拟建筑物模型与在后来的时间周期期间收集的设施能量负荷数据而不是用来构建ABM的设施能量负荷数据。通常地,后来收集的设施能量负荷数据是在与由ABM使用的外部环境温度数据相同的时间周期期间收集的。
计算器通常包括存储在非瞬时设备可读介质处的编码指令。在一实施例中,所述指令被配置为当由数据处理电路执行时促使该电路计算该模拟设施模型的多个所标识终端使用能量负荷部分的和。此外,计算器将通常计算后来收集的总能量负荷数据和第一模拟设施模型的多个所标识的终端使用能量负荷部分的和之间的量化差。此量化差对应于通过在这两个设施能量负荷数据测量时间周期之间的设施中发生的非例行改变而返回给公用事业网的能量数量。
这样的改变可以增加或者减小设施的能量负荷。然而,如果该量化差指示减小的设施能量负荷,则该改变通常被识别为起因于对该设施的非例行能量节约改变。如果在为可归因于节约措施的能量负荷减小分配信用的能量供应合同下发生这样的改变,例如,该设施可以被视为已经赚得与量化差相对应的以及依据该合同的条款的信用。
如上面所论述的,所发明的系统的实施例还包括配置有指令的数据聚合器,所述指令被设计为使该聚合器从多个建筑物聚合能量负荷数据,例如以用于作为单个设施的集合处理。尽管在图4中未示出数据聚合器,但是应当把该聚合器理解为是该系统的任选部分。因此, 它可以按照与在图3中的102处描绘的十分相同的方式存在于图4的系统实施例中。
通常地,数据聚合器在工作中与建模器200、计量部分204以及能量消耗模型数据库202中的一个或多个耦合以从其接收数据。数据聚合器还与计算器/比较器206耦合以便提供一个或多个所得到的聚合的数据集,以用于比较和计算针对设施的能量负荷的差。这样的聚合不仅增加了经由所发明的方法可获得的准确度,而且更直接地表示在能量节约项目和技术中各个ESCO和潜在的投资者的大规模的兴趣。
在一实施例中,所发明的系统包括至少一个数据记录机构(在图4中未示出),其在工作中与计算器耦合并且被配置为记录模拟设施模型中的能量负荷和基于时间的设施能量负荷数据集中的测量的能量负荷之间的量化差。这样的记录可以包括存储用于后来的检索的机器可读数据和/或产生人类可读输出中的任一个。因此,数据可以被记录在非瞬时机器可读数据存储介质和/或人类可读介质中的任一个或者这二者处,以及数据记录机构将包括这样的介质和/或将与这样的介质耦合。
被配置为产生人类可读输出的数据记录机构的实施例包括打印机、电子显示设备、或者被配置为记录人类可读输出的任何其他设备,如普通技术人员将意识到的那样。
在一个实施例中,所发明的系统与公用事业网耦合。例如,公用事业网可以与计量部分耦合以从该设施接收重定向的能量。通过采用能量消耗减小的材料、设备、重配置、技术或者其他非例行改变来修改该设施,可以把能量重定向到该网。按照这样的改变从该设施重定向到该网的能量通过计算器来量化,并且可以被报告给相关的ESCO或者其他兴趣方。
“重定向的能量”在本文中被定义为在该设施的ABM调整的基线总能量负荷和非例行改变之后针对该设施的后来测量的能量负荷数据之间的设施能量负荷的差。然而,由于例行改变而引起的能量负荷差在本文中通常不被视为是重定向的能量,也不是导致增加的设施能量负荷的改变。如上面所描述的,在相对高的特异性程度的情况下,所发明的系统和方法之间的关键差异之一是由于非例行改变引起的对设施能量负荷的影响可以通常与由于例行改变而引起的影响分离。
再次参考图4,在判定块212处,可以实时检测异常结果,其中异常导致在块214处的可能的实时诊断和/或修复。例如,计量数据的描记线或图可能立即向经训练的分析师指示加热器已经故障或者被不适当地安装。还可能的是,异常结果可以导致在块216处对建筑物的设计、建模、或者能量消耗子系统的改进(这样的可能性由虚线指示)。
为了辅助对异常结果进行诊断,在一实施例中该系统被配置为使用来自第二时间周期的设施能量负荷数据和外部环境温度数据来产生第二模拟建筑物模型。
在本文中,功能块200、202、204和206被称为能量效率生成器218,如由图4中的虚轮廓线指示的。本领域技术人员将意识到能量效率生成器218还可以包括功能块212、214和216中的一个或多个,因为那些功能块还借助于闭环反馈和潜在地实时的问题识别和解决来向能量效率任务(proposition)增加值。本领域技术人员将意识到图4中所示的功能块中的任何或者所有可以采用硬件、固件、或者其组合来实现。例如,通用计算机或者处理器可以执行存储在存储器中的指令,从而使得它充当专用计算机或者把计量的数据转变为能量成本规避报告和碳信用(其是有形的)的机器。
图5描绘了方法500的实施例,该方法500用于对从能量消耗设施重定向到利用所发明系统的经计量的公用事业网的效率生成的能量资源进行量化。在502处,第一组外部环境温度数据和设施的第一组总能量负荷数据在整个第一时间周期内被收集。在504处所描绘的任选操作中,其中该设施包括多个建筑物、机构等等,数据聚合器对来自多个建筑物的基于第一时间的设施能量负荷数据进行聚合以便为该设施创建统一的能量负荷数据集。
在506处,示例性实施例进一步包括处理收集的第一组外部环境温度数据和该设施的总能量负荷数据,该处理产生模拟设施模型。在典型的实施例中,该处理包括执行迭代最速下降收敛算法,使用上面所描述的终端使用模型方程。所产生的模拟设施模型包括多个模型终端使用能量负荷部分,它们的和表示针对该模拟设施模型的总能量负荷。
在508处,在整个第二时间周期内由计量设备来收集第二组外部环境温度数据和该设施的第二组总能量负荷数据中的每一个。通常,第二时间周期按年月顺序晚于第一时间周期。如同在504处的操作那样,数据聚合器在510处可选地对来自多个建筑物的基于第二时间的设施能量负荷数据进行聚合以创建针对该设施的第二统一的能量负荷数据集。
在512处,模拟建筑物模型被运行(例如,被处理),用来自第二时间周期的温度数据代替来自第一周期的温度数据。然后,在514处,通过对从在512处的操作得到的经调整的终端使用能量负荷进行求和,来计算该设施的经调整的基线总能量负荷。经调整的基线能量负荷表示如果外部则在第一时间周期期间设施的总能量负荷将会是什么的估计。
在518处,示例性实施例进一步包括计算(例如,量化)第二组总能量负荷数据和该设施的经调整的基线总能量负荷之间的差。在518处,把该差记录在非瞬时机器可读数据存储介质和人类可读介质中的任一个或者这二者处。
在520处,示例性实施例进一步包括确定针对与第二组总能量负荷数据和第一模拟设施模型的多个所标识的终端使用能量负荷部分的和之间的量化差相对应的能量的合约成本应得的信用,以及,在522处,把该信用记录在非瞬时机器可读数据存储介质和人类可读介质中的任一个或者这二者处。如本文中所使用的,信用可以表示和/或几乎是任何值。例如,信用可以包括减小的能量成本/价格、针对未来能量成本的预付款、有权使用(access to)一个或多个附加资源、有权使用附加的和/或高级服务或服务水平、全部或部分满意和/或债务的免除等等中的任何一个或多个。
操作502至522中的一个或多个在所发明的方法的实施例中通过执行存储在非瞬时数据存储介质处的设备可读指令的数据处理电路来执行。该电路可以是通用计算机的一部分(例如,固态微处理器或者另一集成电路器件),或者可以是专用设备的一部分(例如,“智能计量仪”的实施例)。通常地,该电路在工作中将与非瞬时数据存储装置耦合,所述非瞬时数据存储装置包括专门被配置为当由这样的电路执行时用以依据所描述的实施例产生模拟设施模型、和/或执行操作502至522中的任何一个或多个的指令。
已经发现,使用本发明在近似15- 60%的范围上的能量节省是可实现的和可货币化的。因此,本领域技术人员将意识到:使用本文所描述和图示的用来预测未来能量消耗基线的唯一回归模型、用来基于改进的建筑物设计和构造来测量当前实时能量消耗的精确“智能”计量仪、以及比较器和汇报机构可以使非例行设施改变(例如,碳附加性)的实际能量重定向影响的准确、可重复的以及因此可靠的确定的先前困难任务半自动化或者全自动化。还应当意识到能量节约(以及通过节约措施节约的能量)可以作为有价值的产品进行销售,无论是返回到所述网中还是作为针对设计和构造的新标准或者作为可获利的能量节约企业。
本领域技术人员将意识到,包括在本发明中的基于科学的因子和其他回归建模概念的自然扩展表现了它们自己。例如,设施可能包括单个建筑物,在该建筑物中对能量成本规避感兴趣的各方包括租客、房东和建筑物拥有者。或者设施可能包括具有多个建筑物的城市街区,每个建筑物均被容易地建模,但是具有下述理解:在该街区中每个建筑物对其他建筑物的影响,例如阳光暴露于直接或反射的光和热。或者设施可能是教学医院、大学、商行、或者覆盖若干城市街区或者甚至田地的其他机构园区,在其中,甚至位于远处的(例如,广泛地分开的)建筑物之间的相互作用可能通过回归模型来理解。例如,为了其主要目的附带地产生制冷气流副产品的建筑物可以被通风至以其他方式要求能量消耗空气调节子系统的附近建筑物。因此,本文有意地将设施广泛地定义为包括任何以及所有这样的单个和多个、本地和远程的建筑物组合。自然地,上面所论述的聚合和定标的优点是对于较大设施而言较容易实现和货币化。
将理解,本发明不限于本文所图示和描述的方法或者构造、制造、材料、应用或使用的细节。实际上,把制造、使用或者应用的任何合适的变体构思为替代实施例,并且因此处于本发明的精神和范围之内。
进一步意图是本发明的任何其他实施例处于本发明的范围之内,所述任何其他实施例从使用或操作的应用或者方法,配置,制作方法、形状、尺寸或材料的任何改变得出,其在本文中所包含的详细书面说明或图示之内未规定,但是本领域技术人员仍将理解。
最后,本领域技术人员将意识到,本文所描述和图示的所发明的方法、系统和装置可以采用软件、固件或硬件、或者其任何合适的组合来实现。优选地,为了低成本和灵活性的目的,该方法系统和装置被采用这三个的组合来实现。因此,本领域技术人员将意识到,本发明的方法和系统的实施例可以通过计算机或微处理器过程来实现,在该计算机或微处理器过程中执行指令,所述指令被存储以用于在计算机可读介质上执行以及被任何合适的指令处理器执行。
因此,虽然已经参考所发明的装置的前述实施例示出和描述了本发明,但是对于本领域技术人员将显而易见的是,可以在不偏离如随附权利要求书中所限定的本发明的精神和范围的情况下,在其中进行形式和细节方面的其他改变。
Claims (25)
1.一种能量节约商品化系统,包括:
计量部分,其被配置有适合于测量外部环境温度的热计量装置和适合于测量设施的能量负荷的能量计量装置中的每一个;以及
建模机构,其与所述计量部分耦合并且被配置有被存储的设备可读指令,其中,所述指令被配置成当由数据处理电路执行时使得所述建模机构处理与第一时间周期相关联的第一组设施能量负荷数据和也与该第一时间周期相关联的第一组外部环境温度数据中的每一个,以及产生第一模拟设施模型,其中所述第一组设施能量负荷数据表示针对所述第一时间周期的总设施能量负荷,以及其中所述第一模拟设施模型包括多个标识的终端使用能量负荷部分。
2.如权利要求1所述的能量节约商品化系统,还包括:
模拟设施模型数据库,其包括与所述建模机构耦合的非瞬时数据存储介质,其中所述模拟设施模型数据库被配置为从所述建模机构进行接收以及可检索地存储所述第一模拟设施模型。
3.如权利要求1所述的能量节约商品化系统,其中所述设施包括一个或多个建筑物、一个或多个工厂、一个或多个园区、或者其任何组合中的任何。
4.如权利要求1所述的能量节约商品化机构,其中处理第一组设施能量负荷数据和第一组外部环境温度数据中的每一个包括执行迭代最速下降收敛算法。
5.如权利要求1所述的能量节约商品化机构,其中所述建模机构还被配置为依据与第二时间周期相关联的第二组外部环境温度数据来重新计算所述多个标识的终端使用能量负荷部分,其中所述第二时间周期不同于所述第一时间周期。
6.如权利要求1所述的能量节约商品化机构,还包括:
控制器部分,其在工作中与设施的加热子系统和制冷子系统中的任一个或者这二者耦合,所述控制器部分包括被配置为当被执行时影响所述加热和制冷子系统中的任一个或者这二者的控制的指令。
7.如权利要求5所述的能量节约商品化系统,还包括:
计算器,其被配置为对重新计算的多个标识的终端使用能量负荷部分的和和与所述第二时间周期相关联的第二组设施能量负荷数据进行比较。
8.如权利要求1所述的能量节约商品化系统,其中所述计量部分还包括多个能量计量装置,每一个均适合于测量所述设施的总能量负荷的一部分。
9.如权利要求7所述的能量节约商品化系统,还包括:
数据聚合器,其与所述计量部分、所述建模机构以及所述计算器中的任何一个或者任何组合耦合,其中,所述数据聚合器包括设备可读指令,其被配置为当由数据处理电路执行时使得所述数据聚合器聚合来自所述多个建筑物的第一组设施能量负荷数据。
10.如权利要求7所述的能量节约商品化系统,还包括:
数据记录机构,其在工作中与所述计算器耦合,并且被配置为在非瞬时机器可读数据存储介质和人类可读介质中的任一个或者这二者处记录重新计算的多个标识的终端使用能量负荷部分的和、和与所述第二时间周期相关联的第二组基于时间的设施能量负荷数据的总能量负荷之间的定量差。
11.如权利要求7所述的能量节约商品化系统,其中把从包括所述计量部分、所述建模机构、模拟设施模型数据库、所述计算器、数据聚合器以及数据汇报机构的组中选择的两个或更多个配置为单一设备。
12.如权利要求7所述的能量节约商品化系统,还包括:
公用事业网,其与所述计量部分耦合以接收从所述设施重定向的能量,其中所述重定向的能量通过所述计算器来定量地测量。
13.一种用于对从能量消耗设施重定向到所计量的公用事业网的能量进行量化的方法,包括:
在整个第一时间周期内收集第一组外部环境温度数据和设施的第一组总能量负荷数据中的每一个;
通过计量设备在整个第二时间周期内收集第二组外部环境温度数据和设施的第二组总能量负荷数据中的每一个,其中,所述第二时间周期在持续时间方面近似等价于所述第一时间周期,而在时间方面晚于所述第一时间周期;
执行存储在非瞬时数据存储介质处的设备可读指令,以及所述指令被配置为当被数据处理电路执行时使得所述电路依据所述第一组外部环境温度数据处理所述设施的第一组总能量负荷数据、以及产生包括多个模型终端使用能量负荷部分的第一模拟设施模型;
执行类似地存储的设备可读指令,其被配置为当被执行时使得所述电路依据所述第二组外部环境温度数据处理所述第一模拟设施模型、以及产生多个经修订的模型终端使用能量负荷部分;
计算所述多个经修订的终端使用能量负荷部分的和;以及
计算所述第二组总能量负荷数据与所述多个经修订的终端使用能量负荷部分的和之间的量化差。
14.如权利要求13所述的方法,其中所述设施包括多个建筑物。
15.如权利要求13所述的方法,其中依据所述第一组外部环境温度数据对所述设施的第一组总能量负荷数据的处理包括执行迭代最速下降收敛算法。
16.如权利要求13所述的方法,还包括:
把所述量化差记录在非瞬时机器可读数据存储介质和人类可读介质中的任一个或者这二者处。
17.如权利要求13所述的方法,还包括:
响应于所述第二组总能量负荷数据与所述第一模拟设施模型的多个标识的终端使用能量负荷部分的和之间的量化差,来执行存储在非瞬时数据存储介质处的设备可读指令,并且所述指令被配置为当被数据处理电路执行时使得所述电路依据所述第二组外部环境温度数据处理所述设施的第二组总能量负荷数据、以及产生包括多个模型终端使用能量负荷部分的第二模拟设施模型。
18.如权利要求14所述的方法,还包括:
聚合所述多个建筑物的总能量负荷以产生所述第一组总设施能量负荷数据和所述第二组总设施能量负荷数据中的任一个或者这二者。
19.如权利要求13所述的方法,还包括:
确定针对能量的合约成本应得的信用,其中所述信用的量对应于所述第二组总能量负荷数据与所述多个经修订的终端使用能量负荷部分的和之间的量化差;以及
把所述信用记录在非瞬时机器可读数据存储介质和人类可读介质中的任一个或者这二者处。
20.一种制品,包括:
存储在非瞬时设备可读介质处的编码指令,其中所述指令被配置为当被数据处理电路执行时使得所述电路:
处理与第一时间周期相关联的第一组设施能量负荷数据和与所述第一时间周期相关联的第一组外部环境温度数据中的每一个,其中,所述第一组设施能量负荷数据表示针对所述第一时间周期的总设施能量负荷;以及
根据经处理的设施能量负荷数据和外部环境温度数据产生包括多个标识的终端使用能量负荷部分的第一模拟设施模型。
21.如权利要求20所述的制品,其中所述编码指令进一步被配置为当被执行时:
依据与第二时间周期相对应的第二组外部环境温度数据重新处理所述第一模拟设施模型,以及产生多个经修订的标识的模型终端使用能量负荷部分,其中所述第二时间周期不同于所述第一时间周期;
计算所述多个经修订的终端使用能量负荷部分的和;
计算与所述第二时间周期相对应的第二组设施能量负荷数据与所述多个经修订的终端使用能量负荷部分的和之间的量化差;以及
把所述量化差记录在非瞬时机器可读数据存储介质和人类可读介质中的任一个或者这二者处。
22.如权利要求20所述的制品,其中,所述指令还被配置为当被执行时使得所述电路对多个建筑物的总能量负荷进行聚合以产生所述第一组设施能量负荷数据。
23.如权利要求21所述的制品,其中所述指令进一步被配置为当被执行时使得所述电路确定针对能量的合约成本应得的信用,以及把所述信用记录在非瞬时机器可读数据存储介质和人类可读介质中的任一个或者这二者处,其中,所述信用的量对应于与所述第二时间周期相对应的第二组测量的能量负荷数据与所述多个经修订的终端使用能量负荷部分的和之间的量化差。
24.如权利要求20所述的制品,其中,把所述电路和所述非瞬时设备可读介质组合在被配置为测量设施能量负荷的实时计量仪器之内。
25.如权利要求20所述的制品,其中依据所述第一组外部环境温度数据对所述第一组设施能量负荷数据的处理包括执行迭代最速下降收敛算法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201610167835.5A CN105976258B (zh) | 2010-04-08 | 2011-04-07 | 能量节约计量系统和方法 |
Applications Claiming Priority (5)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
US34216510P | 2010-04-08 | 2010-04-08 | |
US61/342165 | 2010-04-08 | ||
PCT/US2011/031624 WO2011127313A1 (en) | 2010-04-08 | 2011-04-07 | Energy-saving measurement, adjustment and monetization system and method |
US13/081,855 US8355827B2 (en) | 2010-04-08 | 2011-04-07 | Energy-saving measurement, adjustment and monetization system and method |
US13/081855 | 2011-04-07 |
Related Child Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201610167835.5A Division CN105976258B (zh) | 2010-04-08 | 2011-04-07 | 能量节约计量系统和方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN102985890A true CN102985890A (zh) | 2013-03-20 |
CN102985890B CN102985890B (zh) | 2016-04-27 |
Family
ID=44761620
Family Applications (2)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201610167835.5A Active CN105976258B (zh) | 2010-04-08 | 2011-04-07 | 能量节约计量系统和方法 |
CN201180028204.0A Active CN102985890B (zh) | 2010-04-08 | 2011-04-07 | 能量节省测量、调整以及货币化系统和方法 |
Family Applications Before (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201610167835.5A Active CN105976258B (zh) | 2010-04-08 | 2011-04-07 | 能量节约计量系统和方法 |
Country Status (4)
Country | Link |
---|---|
US (3) | US8355827B2 (zh) |
EP (1) | EP2556416B1 (zh) |
CN (2) | CN105976258B (zh) |
WO (1) | WO2011127313A1 (zh) |
Cited By (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104091213A (zh) * | 2014-07-15 | 2014-10-08 | 深圳先进技术研究院 | 建筑物地板表面温度预测方法及系统 |
CN105717355A (zh) * | 2014-07-11 | 2016-06-29 | 英科德技术股份有限公司 | 用于能量测量的装置、服务器、系统和方法 |
CN105844340A (zh) * | 2015-02-03 | 2016-08-10 | 华为技术有限公司 | 数据处理方法及装置 |
CN105992954A (zh) * | 2013-11-08 | 2016-10-05 | 施耐德电气美国股份有限公司 | 基于传感器的设施能量建模 |
CN107683485A (zh) * | 2015-06-09 | 2018-02-09 | 欧保能源公司 | 电子客户服务点处的最佳能量存储方法的确定 |
EP3504668A4 (en) * | 2016-08-24 | 2019-08-14 | Alibaba Group Holding Limited | CALCULATION OF INDIVIDUAL CARBON FOOTPRINTS |
Families Citing this family (74)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US8359215B1 (en) * | 2007-07-12 | 2013-01-22 | Ecova, Inc. | System and method for managing utility resources based on normalized utility usage |
US9130402B2 (en) | 2007-08-28 | 2015-09-08 | Causam Energy, Inc. | System and method for generating and providing dispatchable operating reserve energy capacity through use of active load management |
US9177323B2 (en) | 2007-08-28 | 2015-11-03 | Causam Energy, Inc. | Systems and methods for determining and utilizing customer energy profiles for load control for individual structures, devices, and aggregation of same |
US8805552B2 (en) | 2007-08-28 | 2014-08-12 | Causam Energy, Inc. | Method and apparatus for actively managing consumption of electric power over an electric power grid |
US8806239B2 (en) | 2007-08-28 | 2014-08-12 | Causam Energy, Inc. | System, method, and apparatus for actively managing consumption of electric power supplied by one or more electric power grid operators |
WO2009154623A1 (en) * | 2008-06-19 | 2009-12-23 | Hewlett-Packard Development Company, L.P. | Capacity planning |
AU2010330657A1 (en) * | 2009-12-10 | 2012-08-02 | Lowfoot Inc. | System, method and computer program for energy use management and reduction |
WO2011111348A1 (ja) * | 2010-03-08 | 2011-09-15 | パナソニック株式会社 | 利用開始区間予測装置及び利用開始区間予測方法 |
WO2011127313A1 (en) * | 2010-04-08 | 2011-10-13 | Energyresource Management Corp | Energy-saving measurement, adjustment and monetization system and method |
US9104211B2 (en) | 2010-11-19 | 2015-08-11 | Google Inc. | Temperature controller with model-based time to target calculation and display |
US8918219B2 (en) | 2010-11-19 | 2014-12-23 | Google Inc. | User friendly interface for control unit |
JP4995958B2 (ja) * | 2010-09-16 | 2012-08-08 | 株式会社東芝 | 消費エネルギー算出装置 |
US20120150707A1 (en) * | 2010-09-20 | 2012-06-14 | Johnson Controls Technology Company | Systems and methods for providing energy efficient building equipment and services |
US8738195B2 (en) * | 2010-09-21 | 2014-05-27 | Intel Corporation | Inferencing energy usage from voltage droop |
JP5603730B2 (ja) * | 2010-10-14 | 2014-10-08 | アズビル株式会社 | エネルギー総量管理装置および方法 |
US9612286B2 (en) | 2011-02-04 | 2017-04-04 | Bidgely Inc. | Systems and methods for improving the accuracy of appliance level disaggregation in non-intrusive appliance load monitoring techniques |
US10586181B2 (en) * | 2011-04-12 | 2020-03-10 | Autodesk, Inc. | Generation of occupant activities based on recorded occupant behavior |
US8738334B2 (en) * | 2011-04-29 | 2014-05-27 | International Business Machines Corporation | Anomaly detection, forecasting and root cause analysis of energy consumption for a portfolio of buildings using multi-step statistical modeling |
US9224128B2 (en) * | 2011-05-17 | 2015-12-29 | Southern Company Services, Inc. | Energy information exchange |
EP2769281B1 (en) | 2011-10-21 | 2016-04-13 | Nest Labs, Inc. | Intelligent controller providing time to target state |
JP6019566B2 (ja) * | 2011-11-17 | 2016-11-02 | ソニー株式会社 | 電力管理装置および電力管理方法 |
US10554077B2 (en) * | 2011-12-13 | 2020-02-04 | Schneider Electric USA, Inc. | Automated monitoring for changes in energy consumption patterns |
CA2847213A1 (en) * | 2012-01-19 | 2013-07-25 | Hunt Energy Iq, Lp | Estimating and optimizing cost savings for large scale deployments using load profile optimization |
US9235825B2 (en) * | 2012-03-05 | 2016-01-12 | Green Charge Neworks LLC | Processing load profiles for consumption management systems |
CA2871616C (en) | 2012-04-25 | 2019-10-08 | Bidgely Inc. | Energy disaggregation techniques for low resolution whole-house energy consumption data |
JP5895246B2 (ja) * | 2012-04-26 | 2016-03-30 | パナソニックIpマネジメント株式会社 | 制御装置および制御方法 |
US10679131B2 (en) * | 2012-07-12 | 2020-06-09 | Eaton Intelligent Power Limited | System and method for efficient data collection in distributed sensor measurement systems |
US8849715B2 (en) | 2012-10-24 | 2014-09-30 | Causam Energy, Inc. | System, method, and apparatus for settlement for participation in an electric power grid |
US10861112B2 (en) | 2012-07-31 | 2020-12-08 | Causam Energy, Inc. | Systems and methods for advanced energy settlements, network-based messaging, and applications supporting the same on a blockchain platform |
US9513648B2 (en) | 2012-07-31 | 2016-12-06 | Causam Energy, Inc. | System, method, and apparatus for electric power grid and network management of grid elements |
US10475138B2 (en) | 2015-09-23 | 2019-11-12 | Causam Energy, Inc. | Systems and methods for advanced energy network |
US8983669B2 (en) | 2012-07-31 | 2015-03-17 | Causam Energy, Inc. | System, method, and data packets for messaging for electric power grid elements over a secure internet protocol network |
US9644991B2 (en) | 2012-10-01 | 2017-05-09 | Cooper Technologies Company | System and method for support of one-way endpoints in two-way wireless networks |
US9396293B2 (en) | 2012-11-06 | 2016-07-19 | Cenergistic Llc | Adjustment simulation method for energy consumption |
US9135667B2 (en) | 2012-11-16 | 2015-09-15 | Johnson Controls Technology Company | Systems and methods for building energy use benchmarking |
US9471722B2 (en) * | 2013-02-05 | 2016-10-18 | Johnson Controls Technology Company | Systems and methods for evaluating a fault condition in a building |
JP2014180187A (ja) * | 2013-03-15 | 2014-09-25 | Toshiba Corp | 電力需要予測装置、方法及びプログラム並びに需要抑制計画策定装置 |
US10187707B2 (en) | 2014-11-17 | 2019-01-22 | Curb, Inc. | Home intelligence system |
US10318895B1 (en) | 2013-08-27 | 2019-06-11 | Curb, Inc. | System for promoting efficient use of resources |
JP6104116B2 (ja) * | 2013-09-26 | 2017-03-29 | アズビル株式会社 | エネルギー削減量予測方法および装置 |
US9699708B2 (en) | 2014-01-17 | 2017-07-04 | Cooper Technologies Company | Dynamically-selectable multi-modal modulation in wireless multihop networks |
US10210568B2 (en) | 2014-09-26 | 2019-02-19 | Battelle Memorial Institute | Coordination of thermostatically controlled loads with unknown parameters |
US10346933B2 (en) * | 2015-02-12 | 2019-07-09 | C3 Iot, Inc. | Systems and methods for regression-based determination of expected energy consumption and efficient energy consumption |
US9977447B2 (en) | 2015-03-31 | 2018-05-22 | Enernoc, Inc. | Demand response dispatch system employing weather induced facility energy consumption characterizations |
US10025338B2 (en) | 2015-03-31 | 2018-07-17 | Enernoc, Inc. | Demand response dispatch prediction system |
US20160291622A1 (en) | 2015-03-31 | 2016-10-06 | Enernoc, Inc. | System for weather induced facility energy consumption characterization |
US20160294185A1 (en) | 2015-03-31 | 2016-10-06 | Enernoc, Inc. | Energy brown out prediction system |
US9904269B2 (en) | 2015-03-31 | 2018-02-27 | Enernoc, Inc. | Apparatus and method for demand coordination network control |
US10304145B2 (en) * | 2015-05-15 | 2019-05-28 | Linkbee, Llc | System and method to dynamically allocate energy savings amounts for remote energy efficient light fixture networks |
US10250034B2 (en) * | 2015-08-26 | 2019-04-02 | Abb Schweiz Ag | Distributed utility resource planning and forecast |
US9702582B2 (en) | 2015-10-12 | 2017-07-11 | Ikorongo Technology, LLC | Connected thermostat for controlling a climate system based on a desired usage profile in comparison to other connected thermostats controlling other climate systems |
US10452034B2 (en) * | 2015-12-16 | 2019-10-22 | Johnson Controls Technology Company | Central plant control system with building energy load estimation |
DE102017204176A1 (de) | 2017-03-14 | 2018-09-20 | Bayerische Motoren Werke Aktiengesellschaft | Verfahren zum Aggregieren von Betriebswerten einer Vielzahl örtlich verteilter Betriebseinheiten sowie Überwachungsvorrichtung zum Durchführen des Verfahrens |
US11875371B1 (en) | 2017-04-24 | 2024-01-16 | Skyline Products, Inc. | Price optimization system |
US10222249B2 (en) * | 2017-05-02 | 2019-03-05 | GM Global Technology Operations LLC | Liquid level sensing and diagnostic determination |
US10999652B2 (en) | 2017-05-24 | 2021-05-04 | Engie Storage Services Na Llc | Energy-based curtailment systems and methods |
US10658841B2 (en) | 2017-07-14 | 2020-05-19 | Engie Storage Services Na Llc | Clustered power generator architecture |
US11159044B2 (en) | 2017-07-14 | 2021-10-26 | Battelle Memorial Institute | Hierarchal framework for integrating distributed energy resources into distribution systems |
US10521863B2 (en) | 2017-08-22 | 2019-12-31 | Bdc Ii, Llc | Climate data processing and impact prediction systems |
US11694269B2 (en) | 2017-08-22 | 2023-07-04 | Entelligent Inc. | Climate data processing and impact prediction systems |
US11514537B2 (en) * | 2017-10-09 | 2022-11-29 | Total Solar International | Decoupled modeling methods and systems |
JP7029163B2 (ja) * | 2018-01-05 | 2022-03-03 | 一般社団法人エコまちフォーラム | エネルギー需要特性を取得する方法 |
US10971932B2 (en) | 2018-03-21 | 2021-04-06 | Battelle Memorial Institute | Control approach for power modulation of end-use loads |
US11934522B2 (en) * | 2018-09-04 | 2024-03-19 | Carrier Corporation | System and method for detecting malicious activities and anomalies in building systems |
US11361392B2 (en) | 2018-11-01 | 2022-06-14 | Battelle Memorial Institute | Flexible allocation of energy storage in power grids |
US11451061B2 (en) | 2018-11-02 | 2022-09-20 | Battelle Memorial Institute | Reconfiguration of power grids during abnormal conditions using reclosers and distributed energy resources |
US11210750B2 (en) * | 2018-11-29 | 2021-12-28 | Electronics And Telecommunications Research Institute | Method and system for energy improvement verification of buildings |
US11790320B2 (en) * | 2020-06-25 | 2023-10-17 | Schlumberger Technology Corporation | Approaches to creating and evaluating multiple candidate well plans |
CN112612861B (zh) * | 2020-12-18 | 2024-04-30 | 广州方纬智慧大脑研究开发有限公司 | 道路交通标志标线的合理性检查方法、装置、设备及介质 |
CN112766187B (zh) * | 2021-01-25 | 2024-06-14 | 佛山科学技术学院 | 一种菜籽油加热时间预测系统及方法 |
CN117203660A (zh) * | 2021-04-30 | 2023-12-08 | 松下电器(美国)知识产权公司 | 信息处理方法、信息处理装置以及程序 |
CN114594532B (zh) * | 2022-03-09 | 2024-06-14 | 北京墨迹风云科技股份有限公司 | 一种寒潮天气预测方法、装置、电子设备及计算机可读介质 |
US11846435B2 (en) | 2022-03-21 | 2023-12-19 | Sridharan Raghavachari | System and method for online assessment and manifestation (OLAAM) for building energy optimization |
CN118376838A (zh) * | 2024-06-21 | 2024-07-23 | 深圳市赛尔盈电子有限公司 | 一种ptc加热器功率测试方法及系统 |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2001098712A1 (en) * | 2000-06-20 | 2001-12-27 | Encon International, Inc. | Energy conservation moderating system |
US20060167591A1 (en) * | 2005-01-26 | 2006-07-27 | Mcnally James T | Energy and cost savings calculation system |
US20070005191A1 (en) * | 2005-06-30 | 2007-01-04 | Sloup Charles J | Real-time global optimization of building setpoints and sequence of operation |
JP2008090828A (ja) * | 2006-09-08 | 2008-04-17 | Sanyo Electric Co Ltd | モデル化装置、シミュレータ装置、モデル化プログラム、シミュレーションプログラム、熱収支モデル利用方法及び熱収支モデル利用システム |
US20100042453A1 (en) * | 2008-08-12 | 2010-02-18 | Efficiency 2.0, LLC. | Methods and apparatus for greenhouse gas footprint monitoring |
US20100082174A1 (en) * | 2008-09-30 | 2010-04-01 | Weaver Jason C | Managing energy usage |
Family Cites Families (49)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US4306293A (en) * | 1979-08-30 | 1981-12-15 | Marathe Sharad M | Energy monitoring system |
US4484620A (en) * | 1981-10-29 | 1984-11-27 | First Edgemont Corp. | System for monitoring energy usage in separate units of multiple-unit structure |
US5181026A (en) * | 1990-01-12 | 1993-01-19 | Granville Group, Inc., The | Power transmission line monitoring system |
US5337955A (en) * | 1992-03-16 | 1994-08-16 | Burd Alexander L | Combined boiler water temperature control |
US5576700A (en) * | 1992-08-26 | 1996-11-19 | Scientific-Atlanta | Apparatus and method for controlling an electrical load and monitoring control operations and the electrical load |
US6002398A (en) * | 1997-10-30 | 1999-12-14 | Novell, Inc. | Navigation between property pages with tabs and menus |
US6636893B1 (en) * | 1998-09-24 | 2003-10-21 | Itron, Inc. | Web bridged energy management system and method |
US6178362B1 (en) * | 1998-09-24 | 2001-01-23 | Silicon Energy Corp. | Energy management system and method |
US6429785B1 (en) * | 1999-01-08 | 2002-08-06 | Siemens Power Transmission & Distribution Inc. | Revenue meter having precision time clock |
US6528957B1 (en) * | 1999-09-08 | 2003-03-04 | Lutron Electronics, Co., Inc. | Power/energy management control system |
US6657424B1 (en) * | 2000-04-24 | 2003-12-02 | Siemens Power Transmission & Distribution, Inc. | DC load detection in an electric utility meter |
US6662866B1 (en) * | 2000-06-20 | 2003-12-16 | Encon International, Inc. | Energy conservation moderating system |
US7552033B1 (en) * | 2001-12-20 | 2009-06-23 | The Texas A&M University System | System and method for diagnostically evaluating energy consumption systems and components of a facility |
US20030171851A1 (en) * | 2002-03-08 | 2003-09-11 | Peter J. Brickfield | Automatic energy management and energy consumption reduction, especially in commercial and multi-building systems |
EP1490941A4 (en) * | 2002-03-28 | 2007-01-10 | Robertshaw Controls Co | ENERGY MANAGEMENT SYSTEM AND METHOD |
EP1574106A1 (en) * | 2002-12-19 | 2005-09-14 | Council of Scientific and Industrial Research | An energy efficient data acquisition system and a computer controlled energy monitoring system incorporating the same |
EP1593072A2 (en) * | 2003-02-07 | 2005-11-09 | Power Measurement Ltd | A method and system for calculating and distributing utility costs |
US7454496B2 (en) * | 2003-12-10 | 2008-11-18 | International Business Machines Corporation | Method for monitoring data resources of a data processing network |
US7502768B2 (en) * | 2004-02-27 | 2009-03-10 | Siemens Building Technologies, Inc. | System and method for predicting building thermal loads |
US8172153B1 (en) * | 2004-12-30 | 2012-05-08 | Kennedy Metal Products & Buildings, Inc. | Energy usage control for a building |
US7228234B2 (en) * | 2005-01-26 | 2007-06-05 | Siemens Building Technologies, Inc. | Weather data quality control and ranking method |
US7274975B2 (en) * | 2005-06-06 | 2007-09-25 | Gridpoint, Inc. | Optimized energy management system |
US7606639B2 (en) * | 2005-09-07 | 2009-10-20 | Comverge, Inc. | Local power consumption load control |
SE530417C2 (sv) * | 2005-11-02 | 2008-05-27 | Kimmo Yliniemi | En anordning för mätning av energiåtgång fär att värma upp tappvatten |
US7881889B2 (en) * | 2005-12-21 | 2011-02-01 | Barclay Kenneth B | Method and apparatus for determining energy savings by using a baseline energy use model that incorporates an artificial intelligence algorithm |
US7729809B2 (en) * | 2006-06-23 | 2010-06-01 | Saudi Arabian Oil Company | System, method, and program product for targeting and identification of optimal process variables in constrained energy recovery systems |
US7620517B2 (en) * | 2007-02-05 | 2009-11-17 | Abb Research Ltd. | Real-time power-line sag monitoring using time-synchronized power system measurements |
US7983795B2 (en) * | 2007-03-08 | 2011-07-19 | Kurt Josephson | Networked electrical interface |
GB2448896B (en) * | 2007-05-02 | 2009-05-20 | Univ Montfort | Energy management system |
US8013757B2 (en) * | 2007-05-09 | 2011-09-06 | Siemens Enterprise Communications Gmbh & Co. Kg | Method and arrangement for registering and evaluating energy consumption |
US8219505B2 (en) * | 2007-08-15 | 2012-07-10 | Constellation Energy Group, Inc. | Energy usage prediction and control system and method |
US7565227B2 (en) * | 2007-08-15 | 2009-07-21 | Constellation Energy Group, Inc. | Multi-building control for demand response power usage control |
US8145361B2 (en) * | 2007-08-28 | 2012-03-27 | Consert, Inc. | System and method for manipulating controlled energy using devices to manage customer bills |
US8019567B2 (en) * | 2007-09-17 | 2011-09-13 | Ecofactor, Inc. | System and method for evaluating changes in the efficiency of an HVAC system |
US8140279B2 (en) * | 2007-09-24 | 2012-03-20 | Budderfly Ventures, Llc | Computer based energy management |
WO2009052121A2 (en) * | 2007-10-14 | 2009-04-23 | Gilbert Masters | Electrical energy usage monitoring system |
US8200456B2 (en) * | 2008-02-27 | 2012-06-12 | Honeywell International Inc. | System for multidimensional data-driven utility baselining |
AU2009225460B2 (en) * | 2008-03-20 | 2014-03-13 | Signify Holding B.V. | Energy management system |
DE202008017797U1 (de) * | 2008-11-27 | 2010-07-22 | ubitricity Gesellschaft für verteilte Energiesysteme mbH | Zähl- und Messpunkt-System zur Messung und Zählung von elektrischer Energie |
US8200370B2 (en) * | 2008-12-04 | 2012-06-12 | American Power Conversion Corporation | Energy reduction |
US8065098B2 (en) * | 2008-12-12 | 2011-11-22 | Schneider Electric USA, Inc. | Progressive humidity filter for load data forecasting |
AU2010204729A1 (en) * | 2009-01-14 | 2011-09-01 | Integral Analytics, Inc. | Optimization of microgrid energy use and distribution |
US8600556B2 (en) * | 2009-06-22 | 2013-12-03 | Johnson Controls Technology Company | Smart building manager |
US8532839B2 (en) * | 2009-06-22 | 2013-09-10 | Johnson Controls Technology Company | Systems and methods for statistical control and fault detection in a building management system |
US8174268B2 (en) * | 2009-07-20 | 2012-05-08 | Consolidated Edison Company Of New York, Inc. | Protective relay monitoring system and method of comparing behavior patterns |
US8571719B2 (en) * | 2009-07-30 | 2013-10-29 | Lutron Electronics Co., Inc. | Load control system having an energy savings mode |
US8653968B2 (en) * | 2009-12-23 | 2014-02-18 | Pulse Energy Inc. | Systems and methods for predictive building energy monitoring |
WO2011127313A1 (en) * | 2010-04-08 | 2011-10-13 | Energyresource Management Corp | Energy-saving measurement, adjustment and monetization system and method |
US8090477B1 (en) * | 2010-08-20 | 2012-01-03 | Ecofactor, Inc. | System and method for optimizing use of plug-in air conditioners and portable heaters |
-
2011
- 2011-04-07 WO PCT/US2011/031624 patent/WO2011127313A1/en active Application Filing
- 2011-04-07 EP EP11766753.5A patent/EP2556416B1/en active Active
- 2011-04-07 CN CN201610167835.5A patent/CN105976258B/zh active Active
- 2011-04-07 CN CN201180028204.0A patent/CN102985890B/zh active Active
- 2011-04-07 US US13/081,855 patent/US8355827B2/en active Active
-
2012
- 2012-12-18 US US13/718,752 patent/US8706308B2/en active Active
-
2014
- 2014-03-25 US US14/224,751 patent/US20140207299A1/en not_active Abandoned
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2001098712A1 (en) * | 2000-06-20 | 2001-12-27 | Encon International, Inc. | Energy conservation moderating system |
US20060167591A1 (en) * | 2005-01-26 | 2006-07-27 | Mcnally James T | Energy and cost savings calculation system |
US20070005191A1 (en) * | 2005-06-30 | 2007-01-04 | Sloup Charles J | Real-time global optimization of building setpoints and sequence of operation |
JP2008090828A (ja) * | 2006-09-08 | 2008-04-17 | Sanyo Electric Co Ltd | モデル化装置、シミュレータ装置、モデル化プログラム、シミュレーションプログラム、熱収支モデル利用方法及び熱収支モデル利用システム |
US20100042453A1 (en) * | 2008-08-12 | 2010-02-18 | Efficiency 2.0, LLC. | Methods and apparatus for greenhouse gas footprint monitoring |
US20100082174A1 (en) * | 2008-09-30 | 2010-04-01 | Weaver Jason C | Managing energy usage |
Cited By (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105992954A (zh) * | 2013-11-08 | 2016-10-05 | 施耐德电气美国股份有限公司 | 基于传感器的设施能量建模 |
US10474768B2 (en) | 2013-11-08 | 2019-11-12 | Schneider Electric USA, Inc. | Sensor-based facility energy modeling |
CN105717355A (zh) * | 2014-07-11 | 2016-06-29 | 英科德技术股份有限公司 | 用于能量测量的装置、服务器、系统和方法 |
CN104091213A (zh) * | 2014-07-15 | 2014-10-08 | 深圳先进技术研究院 | 建筑物地板表面温度预测方法及系统 |
CN104091213B (zh) * | 2014-07-15 | 2017-08-22 | 深圳先进技术研究院 | 建筑物地板表面温度预测方法及系统 |
CN105844340A (zh) * | 2015-02-03 | 2016-08-10 | 华为技术有限公司 | 数据处理方法及装置 |
CN107683485A (zh) * | 2015-06-09 | 2018-02-09 | 欧保能源公司 | 电子客户服务点处的最佳能量存储方法的确定 |
EP3504668A4 (en) * | 2016-08-24 | 2019-08-14 | Alibaba Group Holding Limited | CALCULATION OF INDIVIDUAL CARBON FOOTPRINTS |
US10572364B2 (en) | 2016-08-24 | 2020-02-25 | Alibaba Group Holding Limited | Calculating a carbon-saving quantity for an individual |
US11392476B2 (en) | 2016-08-24 | 2022-07-19 | Advanced New Technologies Co., Ltd. | Calculating individual carbon footprints |
US11467941B2 (en) | 2016-08-24 | 2022-10-11 | Advanced New Technologies Co., Ltd. | Calculating individual carbon footprints |
Also Published As
Publication number | Publication date |
---|---|
CN105976258B (zh) | 2019-12-10 |
US8706308B2 (en) | 2014-04-22 |
US20130110297A1 (en) | 2013-05-02 |
EP2556416A4 (en) | 2014-01-01 |
US20110251933A1 (en) | 2011-10-13 |
EP2556416A1 (en) | 2013-02-13 |
CN102985890B (zh) | 2016-04-27 |
EP2556416B1 (en) | 2017-01-11 |
WO2011127313A1 (en) | 2011-10-13 |
US20140207299A1 (en) | 2014-07-24 |
US8355827B2 (en) | 2013-01-15 |
CN105976258A (zh) | 2016-09-28 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN102985890B (zh) | 能量节省测量、调整以及货币化系统和方法 | |
Burke et al. | Electricity subsidy reform in Indonesia: Demand-side effects on electricity use | |
Nataraj et al. | Does marginal price matter? A regression discontinuity approach to estimating water demand | |
Abadie et al. | European CO2 prices and carbon capture investments | |
McLaren et al. | Impact of rate design alternatives on residential solar customer bills: increased fixed charges, minimum bills and demand-based rates | |
Frey et al. | The impact of solar subsidies on California's non-residential sector | |
AU2010241196A1 (en) | Utility Usage Evaluation System And Method | |
Trappey et al. | A hierarchical cost learning model for developing wind energy infrastructures | |
Wang et al. | An application of normative decision theory to the valuation of energy efficiency investments under uncertainty | |
Woo et al. | Consumption effects of an electricity decarbonization policy: Hong Kong | |
Gambardella et al. | Do benefits from dynamic tariffing rise? Welfare effects of real-time retail pricing under carbon taxation and variable renewable electricity supply | |
Quigley | Residential Energy Conservation | |
Walter et al. | GHG policy impacts for Seattle’s buildings: targets, timing, and scope | |
Busch et al. | Estimation of avoided costs for electric utility demand-side planning | |
Allcott et al. | Measuring the welfare effects of residential energy efficiency programs with self-selection into program participation | |
Carnall et al. | The economic effect of efficiency programs on energy consumers and producers | |
Anfosso et al. | Evaluation Framework for Demand-Response Solutions in Blocks of Buildings | |
Santoni-Colvin | The power-gas demand impacts and regulatory implications for the future of gas systems under the electrification of space heating in cold climates | |
Jones et al. | The Net Economic Impacts of California’s Major Climate Programs in the Inland Empire | |
McFadden | An evaluation of the ORNL residential energy use model | |
Landsman et al. | Leveraging NREL's ResStock & ComStock Dataset to Evaluate Building Stock Electrification | |
Covington et al. | Method for evaluating fairness of electricity tariffs with regard to income level of residential buildings | |
Hegarty | When Time is Money: The Impact of Time-of-Use Electricity Rates on Energy Burden for Low-Income Households | |
Zhao | Evaluating economic strategies for multi-party application of performance contracting | |
Clark II et al. | Life Cycle Analysis: The Economic Analysis of Demand-Side Programs and Projects in California |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
C14 | Grant of patent or utility model | ||
GR01 | Patent grant |