CN103907071B

CN103907071B - 一种用于控制hvac系统的方法

Info

Publication number: CN103907071B
Application number: CN201280051626.4A
Authority: CN
Inventors: 松冈阳子; 蓝果丽·夏朗; 麦克·D.·斯特凡斯基; 约瑟夫·亚当·拉夫
Original assignee: Nest Labs Inc
Current assignee: Google LLC
Priority date: 2011-10-21
Filing date: 2012-09-30
Publication date: 2016-01-20
Anticipated expiration: 2032-09-30
Also published as: US10241484B2; US20160377308A1; CN105487395B; EP2769281A1; US20130103621A1; US8761946B2; US8452457B2; CN105487395A; US20140364966A1; WO2013058966A1; EP2769281B1; EP2769281A4; EP3051377A3; US9448568B2; CN103907071A; CA2853044C; US20140094972A1; CA2853044A1; EP3051377A2; EP3051377B1

Abstract

本申请涉及智能控制器，其连续、定期或间歇地计算并显示到所述智能控制器计划完成控制任务为止剩余的时间。一般来说，所述智能控制器对受由所述智能控制器控制的一个或多个装置、系统或其它实体影响的区域或体积内的一个或多个参数或特性的时间行为采用多种不同模型。所述智能控制器随时间收集构建所述模型的数据并使用所述模型预测到所述区域或体积的一个或多个特性或参数由于智能控制器控制一个或多个装置、系统或其它实体而达到一个或多个指定值为止剩余的时间。

Description

一种用于控制HVAC系统的方法

相关申请案的交叉参考

本申请要求以引用并入本文的2011年10月21日提交的美国临时申请第61/550,343号的权益。

技术领域

本专利申请涉及智能控制器，且更特别地说涉及智能控制器和并入在智能控制器内的方法，其连续计算关于到获得目标状态为止剩余的时间的推测、将所述推测存储在存储器中并显示所述推测。

背景技术

控制系统和控制理论是对大量系统和技术的设计和开发具有深远影响的充分发展的研究和开发领域（从飞机、太空船和其它车辆和运输系统到计算机系统、工业制造和操作设施、机床、加工机械和消费者装置）。控制理论涵盖了大量实用的系统控制设计原理，但也是理论和应用数学的重要分支。许多不同的应用领域中通常采用各种不同类型的控制器（从简单的闭环反馈控制器到复杂的自适应基于状态空间和微分方程的受处理器控制的控制系统）。

许多现代智能控制器包括各种类型的显示器，包括文本和图形显示器和允许在与智能控制器互连的任何各个本地和远程装置上显示文本和图形信息的显示接口。如下文进一步讨论，这些显示器用于高层级交互式控制输入接口和控制时间表接口。此外，许多智能控制器连续、定期或间歇地显示关于受控于智能控制器的区域或体积的更新信息和关于提交给智能控制器的控制任务的信息。智能控制器的设计者、开发者、制造商和最终用户继续寻求智能控制器内且由智能控制器提供的新类型的信息显示器和信息显示能力。

发明内容

附图说明

图1示出了智能家居环境。

图2示出了智能家居装置与远程装置和系统的集成。

图3示出了图2中示出的互相通信实体的环境内的信息处理。

图4示出了本申请所涉及的一般类别的智能控制器。

图5示出了智能控制器的额外内部特征。

图6示出了广义计算机架构，其表示可以包括在智能控制器、服务器计算机和其它基于处理器的智能控制器和系统中的计算机械的类型的实例。

图7示出了本申请所涉及的智能控制器的一般类别中的智能控制器的特征和特性。

图8示出了其中智能控制器操作的典型控制环境。

图9示出了传感器输出的一般特性。

图10A-图10D示出了控制操作期间由智能控制器处理并生成的信息。

图11A-图11C示出了三种不同类型的控制时间表。

图12A-图12G示出了即时控制输入的表示，所述即时控制输入可以由智能控制器接收并执行且然后被记录并覆盖到控制时间表上（诸如上文参考图11A-图11C讨论的那些）作为自动控制时间表学习的部分。

图13A-图13D示出了其中操作本申请所涉及的智能控制器的一般背景。

图14A-图14E示出了基于观察的P响应数据构建第一类型的P响应模型中的一个或多个。

图15A-图15B示出了几种类型的局部模型化技术。

图16示出了智能控制器操作的控制流程图。

图17-图19D使用控制流程图示出了在一个实施方式中允许智能控制器计算并显示剩余响应时间的功能，如上文参考图13A-图15B讨论。

图20A示出了一个智能恒温器实施方式中的时间对温度计算的步骤。

图20B提供了包括全局模型的曲线图的图。

具体实施方式

本申请涉及一般类别的智能控制器，其连续、定期或间歇地计算到区域或体积的一个或多个特性或参数由于受智能控制器对作用于或影响所述区域或体积的装置、系统或其它实体的控制而达到一个或多个指定值为止剩余的时间。此外，本申请所涉及的一般类别的智能控制器连续、定期或间歇地显示到所述一个或多个特性和参数达到指定值为止剩余的时间的估计。除了用于计算、存储和显示完成控制任务剩余的时间的推测的方法和实施方式以外，当前申请还公开了智能控制器中的时间对温度方法和时间对温度显示的具体实例，所述具体实例用作用于计算、存储和显示完成本申请所涉及的一般类别智能控制器所采用的输入控制任务剩余的时间的推测的方法的详细实例。智能恒温器是智能家居装置的实例。本专利说明书的主题涉及以下共同转让申请的主题，其中的每个是以引用方式并入本文：2011年1月4日提交的美国第12/984,602号；和2011年10月7日提交的美国第13/269,501号。

详述包括三个小节：（1）智能家居环境的概述；（2）用于计算、存储和显示完成控制任务剩余的时间的推测的方法和实施方式；和（3）在智能恒温器的背景下，用于计算、存储和显示完成控制任务剩余的时间的推测的方法和实施方式。第一小节提供了为用于显示剩余时间推测的方法的应用和并入提供许多机会的一个技术领域的描述。第二小节提供了确定、存储和显示完成控制任务剩余的时间的推测的一般类别的智能控制器的详述。第三小节提供了由智能恒温器做出的时间对温度确定的具体实例。

智能家居环境的概述

图1示出了智能家居环境。智能家居环境100包括多个智能多传感网络连接装置。这些智能家居装置在智能家居环境内互相通信且集成在一起。智能家居装置也可以与基于云的智能家居控制和/或数据处理系统通信以分配控制功能、访问更高容量且更可靠的计算设施以及将特定智能家居集成到更大的基于多家居或地理区域智能家居装置的集合体内。

智能家居装置可以包括一个或多个智能恒温器102、一个或多个智能危险检测单元104、一个或多个智能入口通道接口装置106、智能开关（包括智能挂式开关108）、智能公用事业设备接口和其它服务接口（诸如智能墙上插头接口110）和各种智能多传感网络连接家电112（包括冰箱、电视机、洗衣机、烘干机、灯、音频系统、对讲机系统、机械致动器、挂壁式空调、水池加热单元、灌溉系统和许多其它类型的智能家电和系统）。

一般来说，智能家居装置包括一种或多种不同类型的传感器、一个或多个控制器和/或致动器，和一个或多个通信接口，其将智能家居装置连接到本地智能家居环境、各种不同类型的本地计算机系统内的其它智能家居装置、路由器、桥接器和集线器，且连接到互联网（智能家居装置可以通过互联网与云计算服务器和其它远程计算系统通信）。数据通信一般是使用种类繁多的不同类型的通信介质和协议（包括无线协议（诸如Wi-Fi、ZigBee、6LoWPAN）、各种类型的有线协议（包括CAT6以太网、HomePlug和其它这样的有线协议）和各种其它类型的通信协议和技术）的任一而实行。智能家居装置本身可以用作其它智能家居装置的即时通信装置，诸如转发器。此外智能家居环境可以包括各种不同类型的传统电器和装置140和142，其缺少通信接口和基于处理器的控制器。

图2示出了智能家居装置与远程装置和系统的集成。智能家居环境200内的智能家居装置可通过互联网202经由3G/4G无线通信204、通过集线网络206或由其它通信接口和协议进行通信。许多不同类型的智能家居相关数据和源自于智能家居数据208的数据可存储在包括基于云的远程系统的远程系统210中且自所述远程系统210检索。远程系统可以包括用于数据处理和导出与智能家居环境有关的额外信息和规则的各种类型的统计、推理和索引引擎212。所存储的数据可经由一个或多个通信介质和协议部分或完全输出到各个远程系统和组织（包括慈善机构214、政府216、学术机构218、企业220和公用事业222）。一般来说，远程数据处理系统210是由与智能家居装置有关的组织或厂商管理或操作或由房主、房东、居民或其它智能家居相关用户承包用于远程数据处理和其它服务。数据也可以由代表操作远程数据处理系统210的智能房主或管理器和/或商业实体或厂商的额外商业实体数据处理系统213进一步处理。因此，外部实体可以收集、处理并输出由智能家居环境内的智能家居装置收集的信息，可以处理所述信息以产生可以被传达给其它远程实体且与其它远程实体共享的各种类型的导出结果，以及可以参与监控和控制智能家居环境内的智能家居装置及监控和控制智能家居环境。当然，在许多情况下，可以使用加密、访问权限、认证和其它已知技术严格控制和约束信息从智能家居环境内输出到远程实体，以保证额外的外部计算设施、实体、组织和个体并非故意或无意得到被智能家居管理器和/或远程数据处理系统视为机密的信息。

图3示出了图2中示出的相互通信实体的环境内的信息处理。外部数据处理系统210内的各个处理引擎212可相对各种不同目标（包括提供管理服务302、各种类型的广告和通信304、社交网络交换和其它电子社交通信306和各种类型的监控和规则生成活动308）处理数据。各个处理引擎212与智能家居装置310-313直接或间接通信，所述智能家居装置310-313中的每个可以具有数据消费者（“DC”）、数据源（“DS”）、服务消费者（“SC”）和服务源（“SS”）特性。此外，处理引擎可以访问各种其它类型的外部信息316，包括通过互联网获得的信息、各种远程信息源和甚至远程传感器、音频和视频馈送和来源。

用于计算、存储和显示完成控制任务剩余的时间的推测的方法和实施方式

图4示出了本申请所涉及的一般类别的智能控制器。智能控制器402经由任何各种不同类型的输出控制信号来控制装置、机器、系统或组织404并从由智能控制器从嵌入在受控实体404、智能控制器402内或环境中的传感器接收的传感器输出接收关于所述受控实体和环境的信息。在图4中，智能控制器被示为经由基于导线或光纤的通信介质406连接到受控实体404。然而，智能控制器可以由替代类型的通信介质和通信协议（包括无线通信）与受控实体互连。在许多情况下，智能控制器和受控实体可以被实施并一起封装作为包括智能控制器和由智能控制器控制的机器、装置、系统或组织两者的单一系统。受控实体可以包括多个装置、机器、系统或组织，且智能控制器本身可以被分布在多个组件和离散装置和系统之间。除了将控制信号输出到受控实体和接收传感器输入以外，智能控制器也提供了用户接口410-413（个人用户可通过用户接口410-413将即时控制输入输入到智能控制器并创建和修改各种类型的控制时间表），且也可以给包括用户操作处理装置或远程自动控制系统的远程实体提供即时控制和时间表接口。在图4中，智能控制器提供图形显示组件410，其显示控制时间表416并包括多个输入组件411-413，所述输入组件411-413提供将即时控制指令输入到智能控制器以控制所述一个或多个受控实体并输入时间表接口命令（控制一个或多个控制时间表的显示、控制时间表的创建和控制时间表的修改）的用户接口。

总之，本申请所涉及的一般类别的智能控制器接收传感器输入、将控制信号输出到一个或多个受控实体并提供用户接口，所述用户接口允许用户将即时控制命令输入输入到智能控制器以由智能控制器转化为输出控制信号并创建和修改指定一个或多个时间段内的所希望受控实体操作行为的一个或多个控制时间表。用户接口可以包括在智能控制器内作为输入和显示装置、可以通过包括移动电话的远程装置而提供或可以通过控制器驻留组件和通过远程装置两者提供。一般类别的智能控制器的这些基本功能和特征提供作为可实施本申请所涉及的自动控制时间表学习的基础。

图5示出了智能控制器的额外内部特征。智能控制器一般是使用一个或多个处理器502、电子存储器504-507和各种类型的微控制器510-512（包括微控制器512和收发器514，其一起实施通信端口，所述通信端口允许智能控制器与受控于智能控制器的一个或多个实体、其它智能控制器和各种远程计算设施（包括通过云计算服务器的云计算设施）交换数据和命令）而实施。通常，智能控制器包括用于由各种不同协议通过不同类型的通信介质进行通信的多个不同通信端口和接口。智能控制器通常（例如）使用无线通信以与某种环境内的其它启用无线智能控制器和移动通信载体及任何各种有线通信协议和介质进行通信。在某些情况下，尤其当智能控制器与受控实体封装在一起作为单一系统时，智能控制器可以只使用单一类型的通信协议。智能控制器内的电子存储器可以包括易失性和非易失性存储器两者，其中低等待时间高速易失性存储器促进由所述一个或多个处理器执行控制常式，且较缓慢的非易失性存储器存储需要继续使用通电/断电循环的常式和数据。此外，某些类型的智能控制器可以包括大容量存储装置。

图6示出了广义计算机架构，其表示可以包括在智能控制器、服务器计算机和其它基于处理器的智能装置和系统中的计算机械的类型的实例。计算机械包括一个或多个中央处理单元（“CPU”）602-605、由CPU/存储器子系统总线610或多个总线与CPU互连的一个或多个电子存储器608、使CPU/存储器子系统总线610与额外的总线614和616互连的第一桥接器612和/或其它类型的高速互连介质（包括多个高速串行互连）。这些总线和/或串行互连然后又使CPU和存储器与专用处理器（诸如图形处理器618）和一个或多个额外的桥接器620连接，桥接器620与高速串行链路或多个控制器622-627（诸如控制器627）互连，多个控制器622-627提供对各种不同类型的大容量存储装置628、电子显示器、输入装置和其它这样的组件、子组件和计算资源的访问。

图7示出了本申请所涉及的智能控制器的一般类别中的智能控制器的特征和特性。智能控制器包括控制器逻辑702，其一般实施为电子电路和受控于存储在物理数据存储组件（包括各种类型的电子存储器和/或大容量存储装置）中的计算机指令的基于处理器的计算组件。一开始应注意，存储于物理数据存储装置中并在处理器内执行的计算机指令包括各种现代装置、机器和系统的控制组件，且与装置、机器或系统的任何其它组件一样均是有形、物理且真实的。有时候遇到表明计算机指令实施控制逻辑“只是软件”或少许抽象且不及物理机器组件有形的语句。现代科学技术所熟悉的理解是，情况并非如此。由处理器执行的计算机指令必须是存储于物理装置中的物理实体。否则，处理器将不能访问并执行所述指令。术语“软件”可应用于程序或常式的符号表示（诸如编程语言语句的打印输出或显示清单），但是计算机程序的这些符号表示没有由处理器执行。相反，处理器提取并执行以物理状态存储于物理数据存储装置内的计算机指令。类似地，计算机可读介质是物理数据存储介质，诸如以有形物理形式存储随后可从物理数据存储介质检索的数据的磁盘、存储器和大容量存储装置。

控制器逻辑访问并使用各种不同类型的存储信息和输入以生成控制一个或多个受控实体的操作行为的输出控制信号704。由控制器逻辑使用的信息可以包括一个或多个存储的控制时间表706、来自一个或多个传感器708-710的所接收的输出、通过即时控制接口712接收的控制输入和从远程数据处理系统（包括基于云的数据处理系统713）接收的数据、命令和其它信息。除了生成控制输出704以外，控制器逻辑还提供了允许用户创建并修改控制时间表且也可以通过信息输出接口将数据和信息输出到远程实体、其它智能控制器和用户的接口714。

图8示出了其中智能控制器操作的典型控制环境。如上文讨论，智能控制器802从用户或其它实体804接收控制输入并使用控制输入和存储的控制时间表和其它信息以生成控制一个或多个受控实体808的操作的输出控制信号805。受控实体的操作可以更改其中嵌入传感器810-812的环境。传感器将传感器输出或反馈返回到智能控制器802。基于这种反馈，智能控制器修改输出控制信号以实现受控系统操作的一个或多个指定目标。本质上，智能控制器根据两个不同的反馈环路修改输出控制信号。第一最直接的反馈环路包括来自传感器且可被控制器用来确定后续输出控制信号或控制输出修改以实现受控系统操作的所希望目标的输出。在许多情况下，第二反馈环路涉及到用户的环境或其它反馈816，其然后又将后续用户控制和时间表输入发出到智能控制器802。换句话来说，用户可被看作输出即时控制指令和控制时间表变化而不是原始传感器输出的另一种传感器或可被看作更高级反馈环路的组件。

存在许多不同类型的传感器和传感器输出。一般来说，传感器输出与某种类型的参数、机器状态、组织状态、计算状态或物理环境参数直接或间接相关。图9示出了传感器输出的一般特性。如图9中的第一曲线图902示出，传感器可以输出由曲线904表示且随时间变化的信号，其中所述信号与相对于垂直轴906绘制的参数P直接或间接相关。传感器可以连续或以时间间隔输出信号，其中相对于水平轴908绘制输出的时间。在某些情况下，传感器输出可以与两个或多个参数有关。例如，在曲线图910中，传感器输出与分别相对于轴912和914绘制的两个不同参数P₁和P₂直接或间接相关且随时间（相对于垂直轴916绘制）变化的值。在以下讨论中，为了简化说明和讨论，假设传感器产生与单一参数直接或间接相关的输出，如图9中的曲线图902。在以下讨论中，假设传感器输出是关于参数P的参数值的集合。参数可以与环境状况（诸如温度、环境光照级、声级和其它这样的特性）相关。然而，参数也可以是机器组件的一个或多个位置、数据存储装置中的存储器存储地址的数据状态、从电源汲取的电流、气体或流体的流速、气体或流体的压力和包括用于控制目的的有用信息的许多其它类型的参数。

图10A-图10D示出了控制操作期间由智能控制器处理并生成的信息。类似于图9中的曲线图902，所有图均示出其中相对于垂直轴绘制参数值或控制相关值的另一集合且相对于水平轴绘制时间的曲线图。图10A示出了受控实体操作的结果的理想化规范。图10A中的垂直轴1002表示指定参数值P_s。例如，在智能恒温器的情况下，指定参数值可以是温度。对于灌溉系统，相比之下，指定参数值可以是流速。图10A是表示智能控制器通过控制一个或多个装置、机器或系统被引导以实现的所希望参数值随时间变化的连续曲线1004的曲线图。所述规范指示希望参数值最初较低1006，然后上升到相对较高值1008，然后下降到中间值1010，且然后再次上升到较高值1012。作为一个实例，可在视觉上向用户显示控制规范作为控制时间表。

图10B示出了对应于图10A中示出的控制规范的控制时间表的替代图或编码数据图。控制时间表包括对应于图10A中的边缘1018的参数值增加1016、对应于图10A中的边缘1022的参数值降低1020和对应于图10A中的边缘1016的参数值增加1024的指示。图10B中绘制的方向箭头可被认为是设置点或某个时间段内的特定时间点的所希望参数变化的指示。

设置点变化可以被存储作为有多个字段的记录，所述字段包括指示设置点变化是系统生成的设置点还是用户生成的设置点、设置点变化是否是即时控制输入设置点变化还是时间表设置点变化、创建设置点变化的时间和日期、最后编辑设置点变化的时间和日期的字段以及其它这样的字段。此外，设置点可以与两个或多个参数值相关联。作为一个实例，范围设置点可以指示智能控制器应维持受控环境所在的参数值的范围。设置点变化通常称作“设置点”。

图10C示出了由智能控制器输出且可能由图10B中示出的控制时间表引起的控制输出。在这个图中，相对于垂直轴1026绘制输出控制信号的幅度。例如，控制输出可以是由智能恒温器输出到加热单元的电压信号，其中高电压信号指示当前应操作加热单元且低电压输出指示不应操作加热系统。图10C中的边缘1028对应于图10B中的设置点1016。正控制输出1030的宽度可以与由设置点箭头1016的长度指示的、所希望参数值变化的长度或幅度相关。当获得所希望参数值时，智能控制器使高电压信号的输出不连续，如由边缘1032表示。类似的正输出控制信号1034和1036是由图10B中的设置点1020和1024得出。

最后，图10D示出了如由传感器输出指示且由智能控制器对一个或多个受控实体的控制引起的观察到的参数变化。在图10D中，相对于垂直轴1040绘制与参数P直接或间接相关的传感器输出。观察到的参数值是由平滑连续曲线1042表示。虽然这种连续曲线可被视为与图10A中绘制的初始规范曲线相关，但是观察到的曲线没有精确匹配所述规范曲线。首先，受控实体实现由图10B中绘制的控制时间表中的设置点1016表示的参数值变化可能消耗有限时间段1044。再者，一旦获得参数值且受控实体涉及不连续操作，参数值可以开始下降1046，导致反馈引发的控制输出以恢复受控实体的操作以维持所希望参数值。因此，图10A中的所希望高电平的恒定参数值1008实际上可以结束作为没有精确对应于控制规范1004的时间变化曲线1048。上文参考图8讨论的，反馈的第一级是由智能控制器使用以控制一个或多个控制实体，使得如图10D中示出的随时间变化的观察到的参数值尽可能近似匹配图10A中的参数的指定时间行为。上文参考图8讨论的，第二级反馈控制环路可以涉及通过用户随时间改变存储的控制时间表或输入即时控制指令来更改图10A中示出的规范，以生成产生反映用户所希望的操作结果的参数值/时间曲线的修改规范。

图11A-图11C示出了三种不同类型的控制时间表。在图11A中，控制时间表是表示相对于垂直轴1104绘制的参数值与相对于水平轴1106绘制的时间的函数的连续曲线1102。连续曲线只包括水平和垂直段。水平段表示希望参数保持恒定的时间段，且垂直段表示参数值在特定时间点的所希望变化。这是简单类型的控制时间表且在下文中用于自动控制时间表学习的各个实例。然而，自动控制时间表学习方法也可学习更复杂类型的时间表。例如，图11B示出了不但包括水平和垂直段而且还包括任意角度的直线段的控制时间表。因此，可以由这种控制时间表指定以给定速率发生参数值的变化而不是如同图11A中示出的简单控制时间表一样指定瞬间发生参数值的变化。自动控制时间表学习方法也可以适应基于平滑连续曲线的控制时间表，诸如图11C中示出。一般来说，基于平滑连续曲线的控制时间表（诸如图11C中示出）的特性化和数据编码更复杂且包括的存储数据量大于图11B和图11A中示出的更简单控制时间表。

在以下讨论中，一般假设参数值在缺少系统操作时（诸如当参数值是温度且受控系统是加热单元时）趋向于朝更低值放宽。然而，在其它情况下，参数值在缺少系统操作时（诸如当参数值是温度且受控系统是空调时）可以朝更高值放宽。放宽方向通常对应于更低资源或系统消耗的方向。在其它情况下，诸如当参数值是温度且受控系统是包括加热和冷却功能两者的HVAC系统时，放宽方向可以取决于环境或其它外部状况。

转向图11A中示出的控制时间表，替代地可以将连续曲线表示的控制时间表1102编码为对应于连续曲线中的垂直段或边缘的离散设置点。连续曲线控制时间表一般在以下讨论中用来表示由用户或远程实体经由由智能控制器提供的时间表创建接口创建或由智能控制器基于已经存在的控制时间表、所记录的即时控制输入和/或所记录的传感器数据或这些类型的信息的组合创建的存储控制时间表。

在图形上也以参数值与时间的关系曲线图表示即时控制输入。图12A-图12G示出了即时控制输入的表示，所述即时控制输入可以由智能控制器接收并执行且然后被记录并覆盖到控制时间表（诸如上文参考图11A-图11C讨论的控制时间表）上作为自动控制时间表学习的部分。在图形上由以小的填充或阴影圆盘结束的垂直线段表示即时控制输入。图12A示出了两个即时控制输入1202和1204的表示。即时控制输入本质上等效于控制时间表中的边缘（诸如图11A中示出），所述即时控制输入是由用户或远程实体输入到智能控制器，从而希望输入控制将立即由智能控制器实行，覆写指定智能控制器操作的任何当前控制时间表。即时控制输入因此是通过控制输入接口到智能控制器的实时设置点输入。因为即时控制输入更改当前控制时间表，所以即时控制输入一般与图12A中示为形成在时间上从即时控制输入向前延长的暂时控制时间表参数与时间的关系曲线的虚线水平和垂直线的后续暂时控制时间表相关联。暂时控制时间表1206和1208分别与图12A中的即时控制输入1202和1204相关联。

图12B示出了即时控制输入和相关联的暂时控制时间表的实例。即时控制输入1210本质上是覆写当前控制时间表并引导智能控制器控制一个或多个受控实体以实现参数值等于即时控制输入的表示中填充圆盘1212的垂直坐标的输入设置点。在即时控制输入之后，暂时恒温控制时间表时间间隔1214在即时控制输入之后延长某个时间段，且然后由后续即时控制输入结束点或后续设置点1216放宽即时控制输入。即时控制输入在时间间隔1214中所维持的时间长度是自动控制时间表学习的参数。后续即时控制输入结束点设置点1216的方向和幅度表示一个或多个额外自动控制时间表学习参数。请注意，自动控制时间表学习参数是控制自动控制时间表学习的操作的可调参数，且不同于相对于时间绘制且包括控制时间表的所述一个或多个参数值。在当前讨论所指的示例性控制时间表中相对于垂直轴绘制的参数值与可观察量（包括环境状况、机器状态等）直接或间接相关。

图12C示出了上面叠加即时控制输入的现有控制时间表。现有控制时间表要求参数值P中在上午7:00（图12C中的1222）处由边缘1220表示的增加。即时控制输入1224指定幅度稍小的更早参数值变化。图12D-图12G示出了可以取决于智能控制器逻辑的各个不同实施方式和/或自动控制时间表学习参数值的当前值而获得的各个后续暂时控制时间表。在图12D-图12G中，与即时控制输入相关联的暂时控制时间表用虚线段示出且现有控制时间表中由即时控制输入覆写的所述部分是由点线段示出。在图12D中示出的一种途径中，由即时控制输入1224指示的所希望参数值维持固定时间段1226，在所述时间段1226之后暂时控制时间表如边缘1228表示般放宽到由控制时间表在实行即时控制输入的时间点指定的参数值。维持这个参数值1230直到下一个时间表设置点为止，所述下一个时间表设置点对应于图12C中的边缘1232，此时智能控制器根据控制时间表而恢复控制。

在图12E中示出的替代性途径中，将由即时控制输入1224指定的参数值维持1232直到达到下一个时间表设置点为止，在这种情况下，设置点对应于图12C中示出的控制时间表中的边缘1220。在所述下一个设置点处，智能控制器根据现有控制时间表恢复控制。这种途径为希望手动输入设置点保留有效直到下一个时间表设置点发生变化为止的某些用户所希望。

在图12F中示出的不同途径中，由智能控制器将由即时控制输入1224指定的参数值维持固定时间段1234，在所述时间段1234之后，使已由现有控制时间表在所述时间点指定的参数值在1236恢复。

在图12G中示出的途径中，将由即时控制输入1224指定的参数值维持1238直到到达方向与即时控制输入相反的设置点为止，此时在1240恢复现有控制时间表。在替代性途径中，可以将即时控制输入进一步放宽到最低合理水平以试图关于资源和/或能量消耗来最佳化系统操作。在一般用于积极学习期间的这些途径中，用户被迫主动选择大于或小于与最小或低速的能量或资源使用相关联的参数值的参数值。

在自动控制时间表学习的一个示例性实施方式中，智能控制器在一般与控制时间表或子时间表的时间跨度重合的监控周期的过程中监控即时控制输入和时间表变化，同时根据除了如由即时控制输入和输入时间表变化覆写以外的现有控制时间表控制一个或多个实体。当监控周期结束时，所记录的数据叠加在现有控制时间表上，且通过组合现有控制时间表和时间表变化和即时控制输入的特征生成新的临时时间表。在各种类型的解析之后，新的临时时间表在现有控制时间表旨在控制系统操作的未来时间间隔内升级到现有控制时间表。

图13A-图13D示出了其中操作本申请所涉及的智能控制器的一般背景。如图13A中示出，这个背景包括区域或体积1302、一个或多个智能控制器1304和1306和受控于所述一个或多个智能控制器且在所述区域或体积1302操作的一个或多个装置、系统或其它实体1306-1308。在许多情况下，智能控制器被描述成控制区域或体积1302，但是事实上其直接控制所述一个或多个装置、系统或其它实体1306-1308。区域或体积1302可以是包括多个连接的或单独子区域或子体积的复杂区域或体积。受控于智能控制器的一个或多个区域或一个或多个体积在下文称作“受控环境”。智能控制器可以驻留在环境内（如图13A中示出的智能控制器1304）或可以驻留在外部（如（例如）图13A中的智能控制器1306）。类似地，在环境操作的装置、系统或其它实体1306-1308可以驻留在环境内（如（例如）图13A中的系统1306）或可以位于环境外部（如（例如）图13A中的系统1307-1308）。在以下小节中讨论的具体实例中，系统是HVAC系统和/或额外的空调和加热器，且智能控制器是智能恒温器，所述环境是由受控于智能恒温器的系统加热、冷却和/或通风的住宅、多家庭住房、商业建筑或工业建筑。

如图13B中示出，智能控制器1304和1306一般相互通信且此外可以与某些控制任务和智能控制相关计算所要分布到的远程计算系统1310相互通信。此外，智能控制器一般将控制信号输出到受控于智能控制器的系统1306-1308并从所述系统1306-1308接收数据信号。如图13C中示出，系统1306-1308受控于智能控制器以在环境1302操作。这个操作可以涉及各种类型的物质的交换、造成与环境的热交换的操作、电流与环境的交换和许多其它类型的操作。这些操作一般影响环境中直接或间接受智能控制器监控的一个或多个特性或参数。本申请所涉及的智能控制器一般基于控制时间表和可被认为覆盖或添加到控制时间表的即时控制输入来控制环境。图13C中使用两个曲线图1312和1314示出了其中操作一般类别的智能控制器的背景。第一曲线图1312是已添加有即时控制输入1316的控制时间表的部分。替代地，控制时间表的部分可以时间表设置点而不是即时控制输入1316为特征。垂直轴标记为“P”1318以表示环境的特定参数或特性（称作“环境参数”）的值，且水平轴表示时间1320。即时控制输入1316或替代地时间表设置点一般表示参数或特性的所希望变化1322（指定为ΔP）。在即时控制输入的时间或在时间表输入之前或在时间表输入的时间，智能控制器一般将控制信号输出到系统以使参数或特性P改变ΔP。应注意，虽然在当前实例中ΔP为正使得所希望的参数P大于参数P的当前值，但是ΔP也可以为负使得P的所希望值小于当前P。情况也可以是智能控制器关于多个参数控制系统，在所述情况下，每个参数可以存在单独控制时间表且多个参数可以组合在一起以形成单一控制时间表的复合参数。替代地，设置点可以与一个或多个环境参数中的每个的多个P值相关联。在以下讨论中，为了简化说明和讨论，假设单一参数P受所述一个或多个智能控制器监控，每个设置点指定单一参数值，且智能控制器将控制信号输出到一个或多个系统以控制受控环境1302内的参数P的值。

如曲线图1314中示出，一旦智能控制器启动系统操作以使参数P的值改变ΔP，参数P以连续方式随时间从初始P值1324变化到所希望的P值1326。换句话来说，P值不能在对应于即时控制输入或时间表设置点的时间瞬间更改。结果，存在称作“响应时间”的时间间隔Δt1328，其使即时控制输入或时间表设置点变化的时间与实现由设置点变化或即时控制输入指定的参数值的时间分开。本申请所涉及的智能控制器模型化这个响应时间间隔Δt1328内的P对t行为，使得在响应时间期间的任何时间点均可显示或报告到获得所希望t值的时间点剩余的时间或换句话来说剩余响应时间。因此，例如，在时间t₁1330，智能控制器计算时间间隔Δt₁1332的长度（剩余响应时间）并在智能控制器显示装置（诸如图4中的显示装置410）上以文本、图形或数字显示输出报告这个时间间隔的长度，或通过远程显示接口输出所述信息以显示在远程显示装置（诸如智能电话）上。所述信息可以包括剩余响应时间指示、剩余响应时间相对于整个响应时间的指示、包括迄今为止所经过的响应时间的信息和其它响应时间相关信息。应注意，对于各种不同的智能控制器操作，可以独立于剩余响应时间的显示使用实现所希望P值之前剩余的时间的计算。例如，智能控制器可以取决于针对各种不同控制策略计算的剩余响应时间更改控制策略。

在第一印象，计算剩余响应时间的任务看起来可能相对简单。然而，如图13D中示出，任务通常完全不简单。图13D示出了可以更改受控环境的P对t行为的各种不同条件和影响。在许多情况下，当天时刻、天气和年份1340可以更改环境的P对t行为，在下文称作环境的P响应。P响应也可以由系统的不同类型的输入1342-1344或系统的内部状态而更改。例如，操作需要电力的系统在电力故障期间可能不可用，结果电力故障期间的P响应实质上可能不同于电力可用时的P响应。P响应也可能受除了在所述环境操作的系统1346以外的外部实体或受除了在环境1348操作的系统1306-1308以外的内部系统和装置影响。此外，建筑物或结构的变化（诸如敞开的窗户1350）由于热或材料交换1352而可能大幅更改对环境的P响应。这些只是可以改变环境的P响应的许多不同可能因素中的少部分，且因此使由智能控制器实行的剩余响应时间计算和显示复杂化并受阻。

在本申请所涉及的智能控制器的许多实施方式中，由于可以影响受控环境的特定P响应的许多因素，一个或多个智能控制器在响应时间期间对P响应使用至少两个不同模型以计算并显示剩余响应时间。图14A-图14E示出了基于观察的P响应数据构建第一类型的P响应模型中的一个或多个。图14A示出了由智能控制器收集数据且由所述数据构建参数化P响应曲线。在图14A中，水平轴1402是示出各种数据状态的时间轴。在即时控制输入或时间表设置点之后的响应时间期间（诸如图13C中的时间间隔Δt1328），智能控制器监控P值随时间的变化且绘制表示观察的P响应曲线的点。在图14A中，第一这样的曲线图1404表示关于智能控制器的第一观察的P响应曲线而绘制的点。一般来说，所述点通常作为编码坐标对存储在文件或数据库中，而不是绘制在图表中。然而，为了便于描述和说明，在以下讨论中将存储的数据称作“曲线图”。第一P响应的观察一般产生描述P对t行为的一般趋势的点集合（诸如曲线图1404中绘制的那些）。智能控制器继续观察随时间变化的P响应，将观察的P对t点添加到曲线图（如图14A中的曲线图1406-1409示出）。在一定时间之后，如果在图表中在视觉上绘制所记录的P对t点，那么所述点将会形成表明描述控制环境的P响应的P对t曲线的相对密集的点云。当存储足够多的点时，智能控制器可生成在统计学上最佳拟合所收集的点的参数化模型或函数（如图14A中由参数化曲线图1410表示）。参数化曲线图是与表示许多P响应观察过程中的观察的P对t数据的模型相关联的曲线图。在某些情况下，在曲线图参数化之后或经过大量时间段之后，可以忽略P响应数据。

P响应曲线存在许多可能模型。图14B示出了一个P响应曲线模型。在图14B中，表达式1416

ΔP = \frac{a}{1 + e^{- (br - a)}} - a^{- 1.95} = f (t, a, b)

绘制在图表1418中，其中水平轴1420表示时间且垂直轴1422表示P值的变化ΔP（开始于由原点1424表示的初始时间）。所述模型在零与大约15分钟之间呈非线性、近似呈线性持续十分钟、再次呈非线性直到大约35分钟且然后在之后变得相当平坦。应注意，他的模型可适用于由某些类型的装置和系统作用的某些环境中的某些ΔP变化和某些类型的特性和参数，但是肯定不适用于大量或甚至大部分可能的受控环境、ΔP变化和特性和参数。所述表达式是由两个常数a和b参数化。因此，一般来说，所述模型将ΔP计算为时间函数，所述函数由针对给定P和给定受控环境确定的一个或多个恒定值参数加以参数化。在图14D中示出的模型的情况下，由模型生成的P响应曲线的直线部分的斜率可通过改变参数b的值而改变，而ΔP值的范围可通过改变参数a的值而更改。许多其它类型的模型可用于P响应曲线。

针对观察的P响应的集合生成的参数化模型一般只是估计，且由于可能影响P响应的所有不同因素，参数化模型一般是受控环境的平均P响应的估计。如果在表示观察的数据的密集点云内绘制模型曲线，那么一般只有极少个观察的点将实际上落在由模型生成的P响应曲线上。模型是通过评估数据拟合模型的程度来选择和评估。计算模型对实验数据的拟合可以采用许多统计方法。图14C-图14D示出了一种这样的方法。图14C示出了与图14B中示出的图表类似的图表1430中的模型P响应曲线和观察的P对t点1432之一。通过观察的P对t点1432的垂直线段1434也在点1436处通过模型曲线且在点1438处通过时间轴，所述点1438的时间坐标称作t₁。观察的P对t点的ΔP坐标1438标记为Δp_o，且模型曲线上对应于时间t₁1410的点的ΔP坐标1440标记为Δp_c。观察的数据点i1432与对应模型点1436之间的偏差Δo/c_i可被计算为：

Δ_{o / c_{i}} = \frac{{({Δp}_{o} - {Δp}_{c})}^{2}}{{Δp}_{c}}

可通过对所有数据点的所有偏差求和计算曲线相对于观察的数据的拟合值，如下：

fit = Σ_{i = 1}^{N} Δ_{o / c_{i}}

如果所有数据点落在沿模型曲线之处，那么拟合值将会是0。随着观察的数据进一步偏离模型曲线，拟合值增加。

如图14D中示出，情况通常是由各个不同数据集合计算的拟合值落在特定类型的概率分布中。图14D中示出了一种这样的概率分布。垂直轴1460表示观察特定拟合值的概率且水平轴1462表示不同可能的拟合值。对于特定拟合值（诸如拟合值1464），概率分布曲线下方到该拟合值右边的面积1466（示为图14D中的交叉阴影线）表示观察拟合值1464或大于所述拟合值的拟合值的概率。这个概率也可被用来估计模型相对于观察的数据的合理度。当等于或大于观察的拟合值的拟合值的概率落在阈值概率以下时，可以拒绝所述模型。

返回到图14A，智能控制器在观察到每个响应并将观察的P响应的数据点添加到曲线图之后可以计算各个不同模型相对于数据的拟合值，且当一个或多个模型与小于第一阈值的拟合值或与大于第二阈值的对应概率值相关联时，智能控制器可以从所述一个或多个模型选择最佳拟合模型且通过使包括模型参数的选定恒定值的选定模型与曲线图相关联来生成参数化曲线图。这构成了以下讨论中称作“参数化曲线图”的事项。一旦参数化曲线图，曲线图变成可由智能控制器用来预测剩余响应时间或到值的时间用于显示和用于其它目的的全局模型。在添加新的P响应数据（包括改变与参数化曲线图相关联的全局模型和更改恒定参数值）之后可以继续随时间改善参数化曲线图。这样的改善可以无限继续下去或可以在构建极为可靠模型之后中断。替代地，参数化曲线图可以表示滑动数据窗，其中只有最近的数据用来选择当前相关联的模型和参数值。

对于各种不同条件，智能控制器可以生成各个不同参数化模型（也称作“全局模型”）。图14E示出了生成多个全局模型作为图14A中示出的时间线的接续。一旦生成第一参数化曲线图1410，智能控制器可以选择将所收集的数据点划分在多个曲线图1412-1415之中，所述曲线图1412-1415每个收集不同条件下的观察的P响应。例如，当确定天气和外部温度显著影响P响应时，智能控制器可以收集晴天、阴天、夜晚、大风天和其它这样的不同天气条件的单独P响应数据。图14E示出了将初始曲线图1410划分为沿垂直参数或条件维度（诸如天气和温度维度）布置的四个曲线图1412-1415。然后，如图14E中示出，智能控制器可以继续为这些个别曲线图中的每个收集数据直到参数化所述曲线图为止，如列1420中示出的参数化曲线图。此时，智能控制器然后可以生成新的曲线图，本质上沿新维度延伸数据集合（如由图14E中示出的曲线图集合的列1422表示）。除了随后针对特定条件生成的全局模型以外，还可以保留中间全局模型（诸如全局模型1410）。当然，参数化多维度曲线图可能需要收集的数据量呈指数增加，且这个组合效应严重限制智能控制器可以考虑的不同维度的数量。然而，智能控制器无须限于只生成单一全局模型，且可以生成多个全局模型（每个用于不同条件或条件集合）以更好地逼近在所述条件下获得的P响应曲线。在某些情况下，响应模型可以取决于由时间表设置点变化或即时输入控制表示的ΔP的量值。

智能控制器可以采用的第二类型的P响应模型称作“局部模型”。一般来说，无论收集了多少数据和生成一个或多个全局模型要使用多少数据，智能控制器均难以生成使极为准确的剩余响应时间计算足够准确的全局模型。虽然情况并非总是这样，但是由于可能影响P响应的所有各种不同类型的因素（上文参考图13D讨论）而希望情况是这样。然而，在特定响应时间期间可能频繁地生成更简单的局部模型。图15A-图15B示出了几种类型的局部模型化技术。

图15A示出了一种类型的局部模型。在许多情况下，在由智能控制器将控制信号输出到一个或多个系统之后，存在期间P值可能不能改变或实际上在与所希望方向相反的方向上改变的时间段，称作Δt_unstable1502。在不稳定时间间隔1502之后，ΔP对t响应可以近似呈线性1504。可以将这种类型的局部模型表达为：

ΔP=mt-m_tunstable

其中m是直线部分的斜率且是模型的单一常数。如图15B中示出，即使不稳定周期之后的响应没有呈线性且反而是曲线，所述响应仍可以由一系列局部线性模型逼近。在图15B中，P响应在虚线圆1502内且在具有时间坐标t₁1506的点1504（认为是局部原点）周围的部分近似呈线性，且可由线性模型1508逼近，表达为：ΔP=mt_c。

P响应曲线在虚线圆1510内的另一部分可由具有不同斜率的不同线性模型逼近。因此，通过在即时控制输入或时间表设置点与获得所希望P值时的时间之间的时间间隔内选择连续线性模型的集合，智能控制器可逐渐计算准确的剩余响应时间。

因此，全局模型和局部模型提供了P响应的模型。全局模型一般在即时控制输入或时间表设置点之后的响应时间的初始部分期间使用，因为在这个初始时间段期间，观察的数据一般不足以计算局部模型的参数和/或选择特定局部模型。然而，情况通常是，在初始时间段之后，当足够多的P对t数据点可用于当前P响应时，可选择并参数化局部模型以提供更准确的剩余响应时间预测直到获得所希望P值的时间为止。然而，情况并非总是这样。情况可能是，全局模型在整个响应时间内更具预测性，或在选择并使用局部模型之后，全局模型再次在另一时间段之后能够再次更好地预测从局部模型除去的剩余响应时间值。在某些情况下，全局模型或局部模型均没有提供充分的预测能力。出于这个原因，本申请所涉及的智能控制器的类别的许多智能控制器连续重新估计P响应模型并试图为期间连续、定期或间歇地计算并显示剩余响应时间值的整个时间间隔内的每个时间点选择最佳模型。

图16示出了智能控制器操作的控制流程图。一般来说，高层级的智能控制器在事件处置程序或事件循环的背景内连续操作。在步骤1602处，智能控制器等待下一个控制事件。当发生下一个控制事件时，则在一系列条件语句中，智能控制器确定事件类型并调用对应控制常式。在即时控制事件的情况下（如步骤1604中确定），智能控制器在步骤1606中调用即时控制常式以实行智能控制器的用户交互部分以接收引导智能控制器发出控制信号、调整控制时间表和/或实行由用户通过即时控制接口指定的其它活动的一个或多个即时控制输入。在控制事件是时间表控制事件的情况下（诸如当所述当前时间对应于控制时间表指定将要进行的控制活动的时间时）（如步骤1608中确定），在步骤1610中调用时间表控制常式以实行时间表控制事件。当控制事件是时间表接口事件时（如步骤1612中确定），智能控制器在步骤1614中调用时间表交互常式以实行智能控制器的通过时间表接口与用户进行的时间表输入或时间表变化对话的部分。在控制事件是传感器事件的情况下（如步骤1616中确定），在步骤1618中由智能控制器调用传感器常式以处理传感器事件。传感器事件可以包括由于传感器输出的变化而由传感器生成的中断、唤醒智能控制器以处理下一个时间表传感器数据处理时间间隔的传感器数据的计时器设置的终止和其它这样类型的事件。

如下文讨论，剩余响应时间计算和显示功能的一个实施方式中涉及两种特殊类型的事件。timeTo事件1620可以发生在P响应数据选择期间且由对timeTo事件处置常式1622的调用而处置。timeTo显示事件可以发生在剩余响应时间显示期间（如步骤1624中确定）且由步骤1626中调用的timeTo显示事件处置常式而处置。如图16中由省略号1628示出，可以发生许多其它不同类型的事件且可以由图16中示出的智能控制器事件处置程序或事件循环来处置所述事件（包括各种不同错误事件、通电和断电事件、控制器重设事件和与控制器操作有关的其它事件）。图16也示出了可以被调用来处置异常或不希望的事件的默认事件处置程序1630。

图17-图19D使用控制流程图示出了在一个实施方式中允许智能控制器计算并显示剩余响应时间的功能，如上文参考图13A-图15B讨论。图17示出了在即时控制事件之后添加到图16的步骤1606中调用的即时控制常式的功能。图17中示出的这个即时控制常式假设即时控制事件生成即时控制输入。在步骤1702中，即时控制常式确定当前观察的P值与由即时控制输入指定的P值之间的ΔP_T或P值差。当这个所计算的ΔP_T值大于阈值时（如步骤1704中确定），在步骤170,6中调用“开始timeTo”常式以对下一个观察的P响应开始进行数据收集，且在步骤1708中调用“开始timeTo显示”以开始连续、定期或间歇地显示剩余响应时间值。否则，在步骤1710中将全局变量displayMode设置成三元组Φ/无/Φ以保证不启动剩余响应时间值的显示。下文讨论以三元组存储的值。即时控制常式中的剩余步骤（包括步骤1712、1714和由省略号1716表示的额外步骤）不会加以进一步描述，因为其与接收并实施即时控制输入有关。在图16的步骤1610中示出的时间表控制常式开始时也可以包括类似于步骤1702、1704、1706、1708和1710的步骤。

应注意，可能存在其中可以在接近的时间上发生多个即时控制输入和时间表设置点变化使得可能需要额外逻辑来保证一般针对最后发生的即时控制输入或时间表设置点变化只收集一个P响应数据集合的情况。为了简化说明并清楚描述，在控制流程图和以下讨论中假设时间上足够接近之处不会发生任何两个即时控制输入和/或时间表设置点变化，因为会存在P响应数据重叠且剩余响应时间显示冲突的问题。

图18A-图18E使用控制流程图示出了智能控制器的一个实施方式的P响应数据收集机制。图18A提供了图17的步骤1706中调用的常式“开始timeTo”的控制流程图。在步骤1804中，常式将当前P对t数据点输入到P响应记录中。然后，在步骤1806中，为后续timeTo事件配置所述常式（诸如设置timeTo计时器）或为后续中断配置所述常式。因此，常式“开始timeTo”在当前响应时间期间设置用于收集数据的P响应记录、将第一数据点输入到所述记录中且计划下一个timeTo事件以收集下一个数据点。

图18B-图18C提供了在图16的步骤1622中调用来处置timeTo事件的常式“timeTo”的控制流程图。在步骤1808中，常式“timeTo”确定具有所希望的设置点P值与当前P值之间的P值差的量值的值ΔP_c。然后，在步骤1810中，常式“timeTo”将下一个P对t数据点输入到P响应记录中。当ΔP_c不小于阈值时（指示到获得所希望的设置点P值为止仍剩余的大量时间），在步骤1812中为后续timeTo事件配置常式“timeTo”并返回常式“timeTo”。否则，针对当前P响应完成数据收集，因此在步骤1814中常式“timeTo”选择添加有存储在P响应记录中的数据点的总体曲线图。所述选择可以涉及当由智能控制器维持多个曲线图时选择与最接近当前条件的条件相关联的曲线图。在步骤1816中，常式“timeTo”将针对当前P响应收集的数据点添加到选定总体曲线图。当参数化选定总体曲线图时（如步骤1818中确定），则在步骤1820中针对参数化曲线图计算新的拟合且所述新的拟合与所述曲线图相关联。否则，在步骤1822中调用常式“参数化选定曲线图”以试图参数化在步骤1816中添加有数据点的总体曲线图。该常式在图18C中继续。当步骤1820或1822中计算的拟合小于阈值（如步骤1824中确定）且曲线图级或当前考虑的总体曲线图所属的维度内的所有总体曲线图具有指示参数化曲线图的良好统计基础的类似低拟合值时（如步骤1826中确定），则在步骤1828中调用常式“新维度”以考虑添加新维度的全局模型，如上文参考图14E讨论。注意，步骤1811和1824的阈值具有不同值。在图17-图19D中提供的控制流程图中，术语“阈值”的每次发生表示潜在不同的数值。此外，步骤1824的阈值是小于或等于包括在图18D中的阈值的值（下文讨论）。

图18D提供了图18B的步骤1822中调用的常式“参数化选定曲线图”的控制流程图。在步骤1830中，常式启动多个局部变量，包括变量“模型”、“拟合”和“参数”。然后，在步骤1832-1838的for循环中，考虑可能的全局模型集合中的每个。在步骤1833-1837的内部嵌套for循环中，考虑当前考虑的模型的可能的参数组合集合中的每个。例如，在上文参考图14B讨论的模型的情况下，在步骤1833-1837的for循环中将一次一个考虑模型的a和b恒定参数的各个不同组合。在步骤1834中，针对当前考虑的模型和当前考虑的参数组合计算拟合。当所计算的拟合小于存储在局部变量“拟合”中的拟合值时（如步骤1835中确定），将局部变量“模型”设置成当前考虑的模型的指示，在步骤1834中将局部变量“拟合”设置成所计算的拟合值，且将局部变量“参数”设置成当前考虑的参数组合。在确定步骤1832-1838的嵌套循环之后，当存储在局部变量“拟合”中的值小于阈值时（如步骤1840中确定），则在步骤1842中由常式“参数化选定曲线图”选择的总体曲线图被视为已参数化且与所计算的拟合值和存储在局部变量“参数”中的参数组合相关联。

图18E提供了步骤1834和图17-图19D的控制流程图的另一个中的其它步骤中调用的常式“计算拟合”的控制流程图。对于关于特定P响应模型的数据集合，常式“计算拟合”计算拟合值和概率值，如上文参考图14C-图14D讨论。在步骤1850中接收模型和数据集合，且将局部变量“拟合”设置成零。然后，在步骤1852-1855的for循环中，常式“计算拟合”考虑曲线图中的每个数据点，如上文参考图14C讨论般计算Δo/c_i值，且将所述值添加给局部变量“拟合”。最后，在步骤1852-1855的for循环终止之后，在步骤1858中计算所计算的拟合的概率值且所计算的拟合和概率值与曲线图相关联。

图19A-图19D提供了一个实施方式中由智能控制器显示剩余响应时间值时涉及的常式的控制流程图。图19A提供了图17的步骤1708中调用的常式“开始timeTo显示”的控制流程图。这个常式在即时控制输入或时间表设置点变化之后的响应时间期间启动剩余响应时间值的显示。在步骤1902中，常式“开始timeTo显示”选择适当的参数化曲线图或全局模型以初次计算剩余响应时间值。在某些情况下，当只存在一个具有统计意义的全局模型时，适当的参数化曲线图可以是单一全局模型，或当已准备多个全局模型时，适当的参数化曲线图是与最接近当前时间的参数和特性的参数和特性相关联的全局模型。当与参数化曲线图相关联的拟合小于阈值时（如步骤1904中确定），参数化曲线图在统计学上有效且可用于剩余响应时间计算。否则，在步骤1906中，常式试图寻找具有小于阈值的相关联的拟合值的不同参数化曲线图。当在步骤1902或1906中发现具有统计意义的参数化曲线图时（如步骤1908中确定），则在步骤1910中将targetT值计算成当前时间加上达到选定参数化曲线图中的设置点P值的ΔP所在的时间。然后，在步骤1912中，将全局变量“displayMode”设置成包括选定参数化曲线图的指示、模式值“曲线图”和所计算的targetT的三元组。在步骤1914中，为后续timeTo显示事件配置常式“开始timeTo显示”，且然后在步骤1916中将局部变量“previousMode”设置成空三元组且将全局变量“过渡”设置成假。当没有发现具有统计意义的参数化曲线图时（如步骤1908中确定），在步骤1918中将显示模式设置成包括无值的选定参数化曲线图和targetT和“通用型”模式的三元组。

图19B提供了在图16的步骤1626中被调用来处置timeTo显示事件的常式“timeTo显示”的控制流程图。在步骤1920中，常式“timeTo显示”确定全局变量“过渡”是否为真。当全局变量“过渡”为真时，则在步骤1922中全局变量“w”递减，且当在变量“w”递减之后存储在变量“w”中存储的值小于0时，将全局变量“过渡”设置成假且将全局变量“w”设置成0。当存在先前模型时，全局变量“w”在过渡周期期间用来从当前模型和先前模型衡量对所计算的剩余响应时间值的贡献。这在下文参考图19B加以进一步讨论。然后，在步骤1924中，常式“timeTo显示”确定displayMode全局变量是否包括模式值“局部”。当displayMode全局变量包括模式值“局部”时（如步骤1924中确定），如上文参考图15A-图15B讨论的局部模型当前正用于剩余响应时间计算。在所述情况下，在步骤1926中调用常式“局部”。否则，当前没有使用任何模型或全局模型来计算剩余响应时间值。在所述情况下，常式“timeTo显示”试图确定所要过渡到的局部模型以进行后续剩余响应时间计算。在步骤1928中，选择局部模型且访问当前收集当前P响应的数据点的P响应记录。在步骤1930中，调用常式“计算拟合”以计算局部模型关于当前P响应的当前收集的数据点的拟合。当拟合小于阈值时（如步骤1932中确定），则在步骤1933中常式“timeTo显示”对步骤1928中选择的局部模型计算新的targetT值，且在步骤1934中将previousMode全局变量设置成displayMode全局变量的值并更新displayMode全局变量使其具有包括步骤1928中选择的局部模型的指示、模式“局部”和针对步骤1933中的局部模型计算的新的targetT值的三元组的值。步骤1926中调用且下文参考图19C描述的常式“局部”维持当前局部模型的继续使用或过渡回到全局模型、新的局部模型或没有过渡回到任何模型。在步骤1936中，调用常式“显示”以更新由智能控制器对剩余响应时间值的显示。当图18B的步骤1808中计算的ΔP_c值小于阈值时，在步骤1938中将displayMode全局变量的模式字段设置成“无”以中断剩余响应时间值的显示。否则，在步骤1940中为后续timeTo显示事件配置常式“timeTo显示”。

图19C提供了图19B的步骤1926中调用的常式“局部”的控制流程图。在步骤1942和1944中，常式“局部”访问当前P响应记录并计算当前使用的局部模型关于当前P响应记录中的数据点的拟合。当拟合低于阈值时（如步骤1946中确定），局部模型在统计学上保持有效，且常式“局部”返回。否则，在步骤1948中，常式“局部”选择新的局部模型并在步骤1950中计算新的局部模型关于P响应记录中的当前数据点的拟合。当拟合小于阈值时（如步骤1952中确定），则在步骤1954中对新的局部模型计算新的targetT值，且在步骤1956中将全局变量“previousMode”设置成全局变量“displayMode”的当前值，将全局变量“displayMode”设置成包括新的局部模型的指示、模式“局部”和针对步骤1954中计算的新的targetT值的三元组，将全局变量“w”设置成1.0，且将全局变量“过渡”设置成真。当新的局部模型不小于阈值时（如步骤1952中确定），然后当参数化曲线图可用具有小于阈值的相关联拟合值时（如步骤1960中确定），则在步骤1962中计算新的targetT值且在步骤1964中更新全局变量“previousMode”、“过渡”、“displayMode”和“w”以按类似于步骤1956中的这些局部变量的更新的方式选择参数化曲线图作为当前模型。否则，在步骤1966中，将当前显示模式设置成模式“通用型”。

图19D提供了图19B的步骤1936中调用的常式“显示”的控制流程图。当存储在全局变量“displayMode”中的当前显示模式是“无”时（如步骤1970中确定），则常式“显示”返回，因为当前没有显示任何剩余响应时间值。否则，当显示模式是“通用型”时（如步骤1972中确定），则在步骤1974中调用常式“通用型显示”以显示方向指示或其它通用型显示，而不显示剩余响应时间值。例如，在智能控制器控制火炉的情况下，当智能控制器由于缺少合理模型而不能准确地计算剩余响应时间值时，智能控制器可以显示单词“加热”而不是剩余响应时间值。否则，当显示模式是“局部”或“全局”时，常式“显示”将值Δt₁（1976）计算成存储在显示模式局部变量中的targetT时间与当前时间之间的差。当全局变量“过渡”为真（如步骤1978中确定）且当存在先前模型时（所述先前模型的值存储在全局变量“previousMode”中）（如步骤1980中确定），则常式“显示”在步骤1982中将第二值Δt₂计算成先前模型targetT与当前时间之间的差。否则，在步骤1984中将值Δt₂设置成零。在步骤1986中，常式“显示”将Δt值计算成剩余响应时间值。剩余响应时间值被计算成基于先前模型的Δt₂与基于当前模型的Δt₁的加权组合。最初，朝先前模型加权这种计算，但是随着时间的推移，全局变量“w”在图19D的步骤1922中持续递减以逐渐给从当前模型计算的剩余响应时间值提供更大加权。最终，只从当前模型计算剩余响应时间值。最后，在步骤1988中，常式“显示”调用在智能控制器的显示组件上显示所计算的剩余响应时间值或由智能控制器将所述剩余响应时间值显示到远程装置的显示Δt常式。

应注意，智能控制器计算剩余响应时间值并在将所计算的剩余响应时间值传送到本地或远程显示装置之前将所计算的剩余响应时间值存储在至少一个存储器中。剩余响应时间值一般通过电缆、导线、光纤和空气进行传送。

在智能恒温器的背景下用于计算、存储和显示完成输入控制任务剩余的时间的推测的方法和实施方式

图20A示出了一个智能恒温器实施方式中的时间对温度计算的步骤。措词“时间对温度”（“T2T”）是指从当前时间点到达到目标温度为止剩余的时间的估计。鉴于特定真实世界加热、通风和空气调节（“HVAC”）循环中可影响温度轨迹的进程的各种因素，已发现下文描述的方法会产生良好的T2T估计。此外，当面临可能发生的许多真实世界变化（某些可预测且其它的不可预测）时，已发现用于选择性地显示T2T信息的当前描述的方法对智能恒温器用户提供有价值的信息显示特征。当可获得准确的估计时，在显示界面（诸如图4中示出的显示界面410）上显示T2T估计。当不能获得准确的估计时，反而可能显示温度变化方向的通用型显示（诸如“加热”或“冷却”），或替代地可能不提供任何T2T或通用型显示。

根据一个实施方式，在首次安装或恢复出厂设置之后不久发生的学习阶段期间调用智能恒温器的T2T算法。智能恒温器开始建立并维护其自身的T2T相关信息的数据库，所述数据库是在正常的操作过程期间为特定受控环境及加热和冷却受控环境的特定HVAC系统量身订做。一般来说，当智能恒温器试图维持指定温度或温度范围时，智能恒温器根据控制时间表和即时控制输入来控制HVAC系统，其中在时间表设置点变化时或之前和即时控制输入之后发生显著的ΔT变化和对应响应时间，且一般在设置点与即时控制输入之间的时间段期间发生轻微ΔT变化。在一个实施方式中，对于包括预定次数的加热或冷却循环（诸如10次加热或冷却循环）的每次学习循环，智能恒温器自动跟踪温度变化ΔH(t)对时间t，其中t=0表示加热循环的开始。

在合适次数的学习循环之后，足够数量的数据可用来自动生成受控环境的全局模型。随后随着时间向前的推移可使用更多数据点持续改善全局模型，因为每次加热循环表示又一实验。对于一个实施方式，可只将全局模型的时间跨度限于近期，诸如最近的30天到60天，使得这将更加可能反映一年的当前季节的影响。

图20B提供了包括全局模型的曲线图的图。全局模型可以是介于ΔH=0℃与ΔH=0.5℃之间的单一参数直线且后面紧跟超过所述点的双参数曲线。

再次参考图20A，在步骤2008处，当所述当前操作设置点温度从初始值H₀变为所希望的最终值H_F时使用T2T算法。可由用户通过使用移动式刻度盘或远程网络访问设施来调用或替代地可由改变当前操作设置点温度的时间表设置点变化来调用这个设置点变化。在步骤2012处，只使用全局模型通过使用图20B中示出的全局模型将值H_F-H₀=ΔH(0)映射到初始估计T2T(0)来计算T2T(0)。可称作全局模型初始估计的这个初始估计可在智能恒温器显示器上立即示出，甚至对于手动移动式设置点变化的情况随着用户转动所述刻度盘而实时示出。

在步骤2010处，在通常将持续加热循环的随后几分钟的情况下，继续使用全局模型估计以通过使用全局模型将当前测量的室温H(t)映射到温度估计TT(t)中来给TT(t)提供当前时间。全局模型T2T估计标示为“TT_G(t)”。可由智能恒温器感测电路以规则的定期时间间隔（诸如每30秒钟）提供实际室温值H(t)。在一个实施方式中，在其中全局估计用于显示目的的时间段期间，通过跟踪ΔH(t)=H(t)-H₀对时间的当前值建立实时模型R。替代地可称作“局部模型”的实时模型R不会变得有用于T2T估计的目的直到可构建拟合实时数据的具有统计意义的线性函数为止，通常直到在H(t)的轨迹中的最低点2052之后的点2054处的温度（诸如0.2℃）存在某个预定以经验为基础的升高才有用于T2T估计的目的。已发现有用的一个以经验为基础的指导方针是等待直到收集了在最低上升点2054之后的0.2℃之后的间隔30秒钟的10个温度样品为止。在一个实施方式中，可使用实时模型R来通过如图20B中示出般对目标温度线使用直线推测来建立实时模型估计。实时模型T2T估计标示为“TT_R(t)”。对于一个实施方式，只使用最新的10个温度样品来推测计算实时估计TT_R(t)的直线。在其它实施方式中，可使用点2054之后的所有数据点来计算TT_R(t)。当在步骤2012中确定实时模型估计TT_R(t)不足够可靠时，重复步骤2010直到在TT_R(t)足够可靠这样的时间为止，于是实行步骤2014。步骤2014中发生全局模型估计TT_G(t)与实时模型估计TT_R(t)之间的平稳过渡，使得TT(t)的实际值中不存在跳跃，这可能让观看显示器的用户感到不安，所述过渡被总结为TT(t)=TRANS[TT_G(t)→TT_R(t)]。所述过渡可以各种方式实现。在一个实施方式中，所述过渡被执行为从一个曲线到另一曲线的直线过渡，其中所述过渡以不大于每秒10次的速率发生。一旦完成过渡，可只在步骤2016中使用实时估计直到循环结束为止。

如图20A中指示，在步骤2016处结束循环之后，可以在步骤2006处重新计算全局模型，使得在例证下一个加热循环之前可利用最新的历史数据。替代地，可每几次循环一次、每天一次或基于某个其它周期重新计算全局模型。

优选地，并入多种安全措施和步骤2014-2016以保证所显示的T2T估计有意义。当安全措施指示不可靠的状态或实时模型估计的其它这样的问题时，可以关闭T2T显示且可以进行通用型显示（诸如术语“加热”）来代替时间读数。例如，当来自点2054之后的直线的数据样品的统计偏差大于某个阈值时，可以关闭T2T显示。同样，当T2T的实时模型估计在延伸的时间段开始增长或指示数量大得不合理时，关闭T2T显示。

虽然已就特定实例描述了本发明，但是不旨在将本发明限于这些实例。本领域一般技术人员将明白本发明的精神内的修改。例如，智能控制器逻辑可以包括逻辑电路实施方式、固件和基于计算机指令的常式和程序实施方式，其中全部可以取决于各种不同实施方式和设计参数（包括编程语言、模块组织、硬件平台、数据结构、控制结构和许多其它这样的设计和实施方式参数）的选定值而改变。剩余响应时间确定和显示可以涉及许多不同类型的控制案例和环境参数，如上文讨论，包括多个不同参数。这些确定和显示可以包括剩余响应时间和剩余响应时间相对于总响应时间、剩余响应时间和已发生的响应时间、响应时间期间的其它参数的值的估计变化和许多其它类型的信息的图形、文本和数值表示。由智能控制器确定的剩余响应时间可用于各个额外目的且由智能控制器做出确定。

应明白，提供所公开实例的先前描述是为了使本领域任何一般技术人员能够做出或使用本公开。本领域一般技术人员将容易明白这些实例的各种修改，且在不违背本公开的精神或范围的情况下本文定义的广义原理可以应用于其它实例。因此，本公开不旨在被限于本文示出的实例，但是符合与本文公开的原理和新颖特征一致的最广泛范围。限制。因此，涉及优选实施方案的细节不旨在限制其范围。

Claims

1.一种用于控制HVAC系统的方法，所述方法包括：

在当前时间间隔期间控制所述HVAC系统，以将环境温度从第一温度改变为第二目标温度；

在所述时间间隔的至少一部分期间，

通过从第一模型计算第一估计时间、从第二模型计算第二估计时间、和从所述第一估计时间和所述第二估计时间计算总估计时间，来计算表示所述环境温度到达所述目标温度剩余的时间的所述总估计时间；以及

在显示装置上显示所述总估计时间。

2.根据权利要求1所述的方法，其中，所述第一模型是从相对于在之前的时间间隔期间所记录的时间的所测量的温度变化而计算的，在所述之前的时间间隔中，所述HVAC系统被控制以改变所述环境温度。

3.根据权利要求1所述的方法，其中，所述第二模型是从相对于在所述当前时间间隔期间所记录的时间的所测量的温度变化而计算的。

4.根据权利要求1所述的方法，其中，从所述第一估计时间和所述第二估计时间计算所述总估计时间还包括：

将所述第一估计时间乘以第一加权系数以产生第一乘积；

将所述第二估计时间乘以第二加权系数以产生第二乘积；以及

将两个乘积相加以产生所述总估计时间。

5.根据权利要求4所述的方法，其中，所述第一加权系数和所述第二加权系数的和为1。

6.根据权利要求4所述的方法，其中，所述第一加权系数的值初始被设定为大于所述第二加权系数的值，在所述当前时间间隔期间，所述第一加权系数递减而所述第二加权系数相应地递增。

7.一种用于控制HVAC系统的方法，所述方法包括：

在所述时间间隔的至少一部分期间，

针对在控制期间通过所述HVAC系统的相对于时间的温度变化，选择总体模型或单一模型中的一个模型，

当选择所述总体模型时，

通过从第一模型计算第一估计时间、从第二模型计算第二估计时间、和从所述第一估计时间和所述第二估计时间计算总估计时间，来计算表示所述环境温度到达所述目标温度剩余的时间的所述总估计时间，以及

在显示装置上显示所述总估计时间；以及

当选择单一模型时，

从所选择的单一模型计算表示所述环境温度到达所述目标温度剩余的时间的估计时间，以及

显示所述估计时间。

8.根据权利要求7所述的方法，还包括：从包括所述第一模型和所述第二模型的两个或更多个模型中选择所述单一模型。

9.根据权利要求8所述的方法，其中，所述第一模型是从相对于在之前的时间间隔期间所记录的时间的所测量的温度变化而计算的，在所述之前的时间间隔中，所述HVAC系统被控制以改变所述环境温度。

10.根据权利要求8所述的方法，其中，所述第二模型是从相对于在所述当前时间间隔期间所记录的时间的所测量的温度变化而计算的。

11.根据权利要求8所述的方法，其中，从所述第一估计时间和所述第二估计时间计算所述总估计时间还包括：

将所述第一估计时间乘以第一加权系数以产生第一乘积；

将两个乘积相加以产生所述总估计时间。

12.根据权利要求11所述的方法，其中，所述第一加权系数和所述第二加权系数的和为1。

13.根据权利要求12所述的方法，其中，所述第一加权系数的值初始被设定为大于所述第二加权系数的值，在所述当前时间间隔期间，所述第一加权系数递减而所述第二加权系数相应地递增。

14.根据权利要求7所述的方法，还包括：

首先，选择单一模型作为当前模型，所述单一模型是从相对于在之前的时间间隔期间所记录的时间的所测量的温度变化而计算的，在所述之前的时间间隔中，所述HVAC系统被控制以改变所述环境温度，以及

接着，以时间间隔，针对在控制期间通过所述HVAC系统的相对于时间的温度变化，选择总体模型或单一模型中的一个模型作为下一个当前模型。

15.根据权利要求14所述的方法，接着，以时间间隔，针对在控制期间通过所述HVAC系统的相对于时间的温度变化，选择总体模型或单一模型中的一个模型作为下一个当前模型还包括：

在所述当前模型用于计算所述估计时间时记录多个温度对时间数据点，其中，所述估计时间表示所述环境温度到达所述目标温度剩余的时间；

计算所述当前模型对所记录的温度对时间数据点的拟合；

当所计算的拟合指示所记录的温度对时间数据点和从所述当前模型计算的温度对时间数据点之间的偏差小于阈值时，选择所述当前模型作为所述下一个当前模型；以及

当所计算的拟合指示所记录的温度对时间数据点和从所述当前模型计算的温度对时间数据点之间的偏差大于阈值时，选择总体模型作为所述下一个当前模型。

16.根据权利要求15所述的方法，其中，计算所述当前模型对所记录的温度对时间数据点的拟合包括：

将总和设定为O；以及

针对多个所记录的温度对时间数据点中的每一个温度对时间数据点，

从所述当前模型计算对于所记录的温度对时间数据点的时间值的相对温度变化；

从根据所记录的温度对时间数据点的时间值所确定的相对温度变化，减去所计算的相对温度变化，以产生差值，

对所述差值求平方，

求平方后的差值除以所计算的相对温度变化，以产生相对差值，以及

将所述相对差值与所述总和相加。

17.根据权利要求15所述的方法，其中，选择作为所述下一个当前模型的所述总体模型包括所述当前模型和不同模型，所计算的所述不同模型对所记录的温度对时间数据点的拟合小于所述阈值。

18.根据权利要求17所述的方法，其中，从多个模型中选择所述不同模型，所述多个模型包括从相对于在之前的时间间隔期间所记录的时间的所测量的温度变化而计算的模型和从相对于在所述当前时间间隔期间所记录的时间的所测量的温度变化而计算的模型，其中，在所述之前的时间间隔中，所述HVAC系统被控制以改变所述环境温度。

19.根据权利要求17所述的方法，其中，通过以下步骤从多个模型中选择所述不同模型：

首先基于在具有与所述当前时间间隔的特征类似的特征的时间段期间所收集的数据而选择一组候选模型；以及

从所述候选模型中，选择这样的模型：所计算的拟合指示所述模型相比其它候选模型更好地拟合所记录的温度对时间数据点；

其中，所述特征包括下列中的一个或多个：

所述当前时间间隔的初始温度；

当前天气；

当天时刻；以及

当前月份。

20.一种用于控制HVAC系统的方法，包括：

在当前HVAC周期期间控制所述HVAC系统，以使环境温度从初始温度改变为目标温度；以及

在所述当前HVAC周期的至少一部分期间，计算所述环境温度到达所述目标温度剩余的估计时间，且将所述剩余的估计时间显示在用户显示器上；

其中，所述计算所述剩余的估计时间包括：

访问表示第一模型的第一信息，所述第一信息基于所述HVAC系统的多个之前的HVAC周期被控制，表征在所述之前的HVAC周期期间实现的之前的温度变化和实现该变化所需的持续时间之间的统计关系；

计算表示第二模型的第二信息，所述第二信息基于在所述当前HVAC周期期间获得的多个当前温度测量值，表征在所述当前HVAC周期期间通过所述HVAC系统实现当前温度对时间轨迹；以及

基于所述第一信息和所述第二信息的加权组合，产生所述剩余的估计时间。

21.根据权利要求20所述的方法，其中，所述加权组合的特征在于：在所述当前HVAC周期的初始部分期间，所述第一信息比所述第二信息更严重地影响所述剩余的估计时间，所述加权组合的特征还在于：在所述当前HVAC周期的最后部分期间，所述第二信息比所述第一信息更严重地影响所述剩余的估计时间。