CN104823119A - 用于环境控制系统的辐射供热控制和方法 - Google Patents
用于环境控制系统的辐射供热控制和方法 Download PDFInfo
- Publication number
- CN104823119A CN104823119A CN201280077441.0A CN201280077441A CN104823119A CN 104823119 A CN104823119 A CN 104823119A CN 201280077441 A CN201280077441 A CN 201280077441A CN 104823119 A CN104823119 A CN 104823119A
- Authority
- CN
- China
- Prior art keywords
- thermostat
- candidate
- control strategy
- radiant heating
- environment temperature
- 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
Classifications
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05D—SYSTEMS FOR CONTROLLING OR REGULATING NON-ELECTRIC VARIABLES
- G05D23/00—Control of temperature
- G05D23/19—Control of temperature characterised by the use of electric means
- G05D23/1917—Control of temperature characterised by the use of electric means using digital means
-
- 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
- G05B15/00—Systems controlled by a computer
- G05B15/02—Systems controlled by a computer electric
-
- 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
- G05B2219/00—Program-control systems
- G05B2219/20—Pc systems
- G05B2219/26—Pc applications
- G05B2219/2642—Domotique, domestic, home control, automation, smart house
Abstract
本发明的实施方式描述了利用模型预测控制的恒温器和相关的方法。利用模型预测控制来控制恒温器的方法可以包括确定参数化模型。所述参数化模型可以用于封闭空间的预测周围温度值。可以选择一组辐射供热系统控制策略用于评估以从所述一组控制策略中确定最优控制策略。为了确定最优控制策略,可以执行预测算法,其中将每一控制策略应用到参数化模型以预测周围温度轨迹以及鉴于预定评估函数来处理每一周围温度轨迹。以这样的方式处理周围温度轨迹可以包括将与周围温度轨迹相关的成本值最小化。随后可以根据所选择的最优控制策略来控制辐射供热系统。
Description
技术领域
本专利说明书涉及用于控制供热系统以将过冲效应和下冲效应最小化的系统和方法。更特别地,本专利说明书涉及控制单元,所述控制单元管理能耗系统、家用装置、或其他资源消耗系统的操作,包括用于控制供热通风与空气调节(HVAC)系统的系统和方法。
背景技术
大量的努力和注意力继续针对于发展更新、更可持续的能源供应。通过提高能源效率节能对于全球的能源未来仍然是至关重要的。根据来自美国能源部的2010年10月的报告,在典型的美国家庭中,供热和制冷占据了能源使用的56%,从而使其对于大多数家庭而言成为最大的能源消费。随着与家庭供热和制冷相关的物理设备的改进(例如,改进的绝缘、更高效率的炉子),通过更好地控制和管理家庭供热和制冷设备,可以实现大幅度提高能源效率。一个特别的能源低效率的操作包括公知的“过冲”和“下冲”,其中对于过冲,尽管供热操作已经不再继续,但是周围温度仍然在设定点温度之上继续上升,然而对于下冲,即使在供热操作已经恢复以后,周围温度仍然在设定点温度之下继续下降。该问题在辐射供热系统中尤其明显,并且通常导致达不到理想舒适条件。过冲和下冲通常由于受热封闭空间的热惯性或被供热的质量大小。常规控制系统的避免不期望的过冲效应和下冲效应的效率有限。
如在技术出版号为50-8433、来自Honeywell(1997)的题目为“窃电恒温器(Power Stealing Thermostats)”的文献中讨论的,早期的恒温器利用双金属条来感测温度并且响应于房间内的温度变化。双金属条的运动用于直接打开和闭合电路。每当闭合接触以对受控空间提供加热和/或制冷时,电力被输送到机电致动器,通常为HVAC设备中的继电器或接触器。由于这些恒温器不需要电功率来操作,因此线路连接是非常简单的。仅一根电线连接到变压器,而另一根电线连接到负载。典型地,24V交流电源变压器、恒温器、和24V交流HVAC设备继电器均被连接在回路中,其中每一装置仅具有两个需要的外部连接。
当电子技术开始用在恒温器中时,恒温器不直接地接线到其电源的变压器的两侧的事实产生了问题。这意味着恒温器必须从系统变压器直接地硬接线。从变压器到电子恒温器直接硬接通常的“C”电线可能非常困难并且成本非常高。
因为很多家庭不具有从系统变压器的直接电线(例如,“C”电线),故一些恒温器已经设计成从变压器通过设备负载获取电力。用于利用到变压器的单个直接电线连接从变压器给电子恒温器供电的方法称为“窃电”或“电力分享”方法。恒温器在供热或制冷系统的“关闭(OFF)”期间通过在负载线圈的响应阈值之下(甚至在最大变压器输出电压处)允许少量电流流过它到负载线圈中来“窃取”、“分享”或“获得”其电力。在供热或制冷系统的“开启(ON)”期间,恒温器通过允许小的电压降跨越它本身而引来电力。理想地,该电压降不会引起负载线圈衰落到它的响应阀值之下(甚至在最小变压器输出电压处)。具有窃电能力的恒温器的示例包括Honeywell T8600、Honeywell T8400C和Emerson Model 1F97-0671。然而,这些系统不具有电力储存装置,因此必须总是依赖于窃电。
此外,微处理器控制的“智能”恒温器可以具有更先进的环境控制能力,这可以节约能源,但同时使居住者舒适。为此,这些恒温器需要来自居住者和这些恒温器所处的环境的更多的信息。这些恒温器还能够连接到计算机网络,包括局域网(或其他“私人”网络)和广域网、例如因特网(或其他“公共”网络),以便获得当前和预测到的外部气象数据,配合所谓的需求-响应程序(例如,在极端天气期间与由公用事业公司发布的电力警报自动一致),使得用户能够通过他们的网络连接装置(例如,智能手机、平板电脑、基于PC的网页浏览器)远程访问和/或控制恒温器,以及具有其他可能需要网络连接的先进功能。
利用高功率的用户界面提供微处理器控制的恒温器引起了问题,通过下文描述的实施方式中的一个或多个实施方式至少部分地解决了这些问题中的一个或多个问题。一方面,需要提供具有先进功能的恒温器,例如那些与相对强大的微处理器和可靠的无线通信芯片相关的功能。另一方面,需要提供一种恒温器,该恒温器兼容并适于安装在大多数家庭中,包括如上讨论的未装备有“C”电线的大多数家庭。还需要提供一种恒温器,该恒温器使得能够简单的自己安装,从而对于大量用户能够避免安排HVAC技工来住所安装恒温器的花费和不便。还需要提供一种恒温器,该恒温器具有处理电力能力、无线通信能力、视觉上令人愉悦的显示品质、以及其他的先进功能,同时还为除了不需要“C”电线、同样不需要插入到家庭线路电流或所谓的“电力转换盒(power brick)”中(这对于恒温器的特定位置是不便的并且是难看的)的恒温器。因此,现有技术需要改进。
而且,在以下(i)和(ii)之间的交界处引起了重要的问题:(i)可以利用已知的感测和处理方法实现的节能技术,和(ii)实施这种节能技术的装置的实际用户广泛采用和将那些装置集成到他们的日常生活和环境中。已经发现尤其重要的是用户和节能装置之间的接触构成了特别愉悦的体验,对于恒温器的情况,所述接触可以包括以下二者:(i)当与恒温器配合时用户体验的品质和愉悦感,以及(ii)通过由恒温器控制周围温度的方式提供的物理舒适度,或者用户可以快速地“关闭”或“关掉”装置及其节能优势,例如通过停用先进特征(例如,在永久的基础上将他们的恒温器设置成“临时”手动超控模式)或者甚至将它送回售货方并且用他们的旧装置或“较不复杂的”装置替换它。在提供智能的、多感测的、连接网络的节能装置的背景下引起了一个或多个问题,所述装置包括智能控制辐射供热系统、给用户提供包括对周围温度的有效且合适的控制的整个愉悦的用户体验的装置。鉴于本教导,引起的其他问题对于本领域技术人员是明显的。
发明内容
本发明的实施方式描述了利用预测控制的装置、系统和方法,以调节封闭空间,例如家庭。这种控制可以增强HVAC系统的功能,特别是在与辐射供热系统一起使用时。根据一个方面,在此描述了恒温器。该恒温器包括壳体、存储器和设置在壳体中的处理系统。该处理系统可以与一个或多个温度传感器可操作地通信,以确定封闭空间内的周围温度,并且可以与存储器可操作地通信。该处理系统还可以与辐射供热系统可操作地通信,以借助辐射供热给封闭空间供热,使得周围温度接近于设定点温度。
在一个实施方式中,处理系统可以确定参数化模型,根据该参数化模型确定响应于候选辐射供热控制策略的封闭空间的周围温度的预测值。该参数化模型可以基于在相关的历史周期期间由恒温器获得的封闭空间的历史周围温度,在所述历史周期中,辐射热控制被恒温器启动并且存储在存储器中。该处理系统还可以选择一组候选控制策略用于控制辐射供热系统。每一候选控制策略可以为在预定候选控制持续时间上具有候选整个开启时间百分比的二进制值控制轨迹。每一候选控制策略还可以被限制成具有实现候选整个开启时间百分比的最少数目的开启时间循环。
处理系统还可以执行预测算法以从所述一组候选控制策略中确定最优控制策略。根据一些实施方式,可以通过以下操作来进行该确定:将每一候选控制策略应用到参数化模型以预测相应的周围温度轨迹以及鉴于一个或多个预定评估函数来处理每一相应的周围温度轨迹以根据一个或多个预定评估标准来选择候选控制策略中最优的一个。所述一个或多个预定评估函数可以包括成本函数,在成本函数中,成本随着各候选控制策略的周围温度轨迹偏离设定点温度而增大。处理系统还可以根据所选择的最优控制策略来控制辐射供热系统。
在一些实施方式中,每一候选控制策略在预定候选控制持续时间上可以展示单个开启时间循环到关闭时间循环的过渡。在其他实施方式中,在预定候选控制持续时间期间,辐射供热系统执行开启时间循环到关闭时间循环的过渡不能超过两次。根据一个实施方式,开启时间循环和关闭时间循环可以具有不小于10分钟的间隔。处理系统可以额外地确定时滞(Lag)值,该Lag值表示封闭空间的热质量或热惯性的量。该参数化模型可以包括预定响应轨迹,其中针对预定响应轨迹寻找或计算加权系数。
在一些实施方式中,参数化模型基于在相关的历史周期期间获得的历史太阳辐射和辐射供热响应数据的组合。在这种实施方式中,将每一候选控制策略应用到参数化模型可以包括利用太阳辐射函数和辐射供热响应函数来预测相应的周围温度轨迹。参数化模型还可以基于在相关的历史周期期间获得的历史外部温度数据。在这些实施方式中,将每一候选控制策略应用到参数化模型可以包括利用预报的温度数据来预测相应的周围温度轨迹。
在其他实施方式中,参数化模型还可以基于在相关的历史周期期间针对以下一个或多个数据类型获得的历史数据:季节性气候变化数据、湿度数据、降雨数据、积雪数据、和/或海拔数据。在这种实施方式中,将每一候选控制策略应用到参数化模型可以包括利用针对所述一个或多个数据类型的预报数据或以其他方式选择的数据来预测相应的周围温度轨迹。
根据一些实施方式,处理系统可以当周围温度在设定点温度的限定的维持带外部时,限制辐射供热系统的循环过渡(即,或开启或关闭)。在另一实施方式中,处理系统可以增大维持带的偏移值,该偏移值限定了相对于设定点温度的上阀值温度和下阀值温度。偏移值可以基于参数化模型对历史周围温度进行特征化的置信度增大而增大。
根据另一方面,在此描述了利用模型预测控制来控制恒温器的方法。根据该方法,提供了具有壳体、存储器和设置在所述壳体内的处理系统的恒温器。如在此所描述的,处理系统可以与一个或多个温度传感器可操作地通信,以确定封闭空间内的周围温度,并且可以与存储器可操作地通信。处理系统还可以与辐射供热系统可操作地通信,以借助辐射供热给封闭空间供热,使得周围温度接近于设定点温度。根据该方法,可以确定参数化模型,根据该参数化模型确定响应于候选辐射供热控制策略的封闭空间的周围温度的预测值。参数化模型可以基于在相关的历史周期期间由恒温器获得的封闭空间的历史周围温度,在所述历史周期中,辐射热控制被恒温器启动并且存储在存储器中。
根据该方法,可以选择一组候选控制策略用于控制辐射供热系统。每一候选控制策略可以为在预定候选控制持续时间上具有候选整个开启时间百分比的二进制值控制轨迹。此外,每一候选控制策略可以被限制成具有实现候选整个开启时间百分比的最少数目的开启时间循环。根据该方法,可以执行预测算法以从一组候选控制策略中确定最优控制策略。可以通过以下操作来执行该确定:将每一候选控制策略应用到参数化模型以预测相应的周围温度轨迹以及鉴于一个或多个预定评估函数来处理每一相应的周围温度轨迹以根据一个或多个预定评估标准来选择候选控制策略中最优的一个。如在此所描述的,所述一个或多个预定评估函数可以包括成本函数,在该成本函数中,成本随着各候选控制策略的周围温度轨迹偏离设定点温度而增大。根据该方法,可以根据所选择的最优控制策略来控制辐射供热系统。
在一些实施方式中,可以确定关于相对于在利用模型预测控制之前的其他控制方法,模型预测控制是否提供了辐射供热系统的增强的控制。还可以计算、测量或以其它方式确定表示封闭空间的热质量或热惯性的量的Lag值。在一些实施方式中,开启时间循环和关闭时间循环可以具有不小于10分钟的间隔。在一些实施方式中,参数化模型可以包括预定响应轨迹,并且该方法还可以包括:确定预定响应轨迹的加权系数。
如在此所描述的,参数化模型可以基于在相关的历史周期期间获得的历史太阳辐射和辐射供热响应数据的组合。在这种实施方式中,将每一候选控制策略应用到参数化模型可以包括利用太阳辐射函数和辐射供热响应函数来预测相应的周围温度轨迹。在一些实施方式中,参数化模型还可以基于在相关的历史周期期间获得的历史外部温度数据。在这种实施方式中,将每一候选控制策略应用到参数化模型可以包括利用预报的温度数据来预测相应的周围温度轨迹。
根据一些方法,当周围温度在设定点温度的限定的维持带外部时,可以限制或约束辐射供热系统的循环过渡。根据另一方法,可以调整维持带的偏移值,该偏移值限定了相对于设定点温度的上阀值温度和下阀值温度。可以基于参数化模型对历史周围温度进行特征化的置信度来调整该偏移值。
根据另一方面,在此描述了恒温器。该恒温器包括壳体、存储器和设置在壳体中的处理系统。出于上述原因,该处理系统可以配置成与一个或多个温度传感器、存储器、以及辐射供热系统可操作地通信。根据一个实施方式,处理系统可以确定参数化模型,根据该参数化模型确定响应于候选辐射供热控制策略的封闭空间的周围温度的预测值。该参数化模型可以基于在相关的历史周期期间由恒温器获得的封闭空间的历史周围温度,在所述历史周期中,辐射热控制被恒温器启动并且存储在存储器中。置信度指标可以与参数化模型相关联。
处理系统还可以确定维持带用于辐射供热系统的操作。该维持带可以具有偏移值,该偏移值限定了相对于设定点温度的上阀值温度和下阀值温度。该维持带可以用于控制辐射供热系统的开启循环过渡和关闭循环过渡。在一些实施方式中,该偏移值可以取决于参数化模型的置信度指标。例如,如果该置信度指标大,则该偏移值可以较大,而如果该置信度指标小,则该偏移值可以较小。处理系统还可以通过将每一候选控制策略应用到参数化模型以预测相应的周围温度轨迹,来执行预测算法以从一组候选控制策略中确定最优控制策略。处理系统还可以利用维持带根据所确定的最优控制策略来控制辐射供热系统。
根据一个实施方式,每一候选控制策略可以为在预定候选控制持续时间上具有候选整个开启时间百分比的二进制值控制轨迹。此外,每一候选控制策略可以被限制成具有实现候选整个开启时间百分比的最少数目的开启时间循环。在一些实施方式中,执行预测算法还可以包括鉴于一个或多个预定评估函数来处理每一相应的周围温度轨迹以根据一个或多个预定评估标准来选择候选控制策略中最优的一个。
根据另一方面,在此描述了控制恒温器的方法。根据该方法,可以提供恒温器,该恒温器包括壳体、存储器和设置在壳体中的处理系统。出于上述原因,该处理系统可以与一个或多个温度传感器、与存储器、以及与辐射供热系统可操作地通信。该方法可以包括确定第一参数化模型,根据第一参数化模型,可以确定响应于候选辐射供热控制策略的封闭空间的周围温度的预测值。该参数化模型可以与置信度指标相关联。该方法还可以包括确定维持带用于辐射供热系统的操作,该维持带具有偏移值,该偏移值限定了相对于设定点温度的上阀值温度和下阀值温度,该维持带用于控制辐射供热系统的开启循环过渡和关闭循环过渡。
该方法还可以包括基于置信度指标来调整该偏移值,使得如果置信度指标大,则该偏移值较大,而如果置信度指标小,则该偏移值较小。该方法还可以包括通过将每一候选控制策略应用到参数化模型以预测相应的周围温度轨迹来执行预测算法以从一组候选控制策略中确定最优控制策略。该方法还包括利用第一维持带根据所确定的最优控制策略来控制辐射供热系统。
附图说明
图1为根据一些实施方式的具有HVAC系统的封闭空间的示意图;
图2为根据一些实施方式的HVAC系统的示意图;
图3示出了根据一个实施方式的恒温器的透视图;
图4示出了根据一个实施方式的具有机头单元和背板的恒温器的分解透视图;
图5A示出了根据一个实施方式的机头单元的关于它的主要部件的分解透视图;
图5B示出了根据一个实施方式的背板的关于它的主要部件的分解透视图;
图6A示出了根据一个实施方式的机头单元的简化的功能框图;
图6B示出了根据一个实施方式的背板的简化的功能框图;
图7示出了根据一个实施方式的用于管理恒温器消耗的电力的系统的简化的电路图;
图8A示出了根据一个实施方式的用于时间相对温度的计算的方法;
图8B示出了根据一个实施方式的图8A的方法的概念图;
图9示出了根据一个实施方式的可以用在HVAC控制中的维持带;
图10示出了根据一个实施方式的可以由预测控制算法计算的预测周围温度轨迹;
图11示出了根据一个实施方式的太阳辐射曲线的模型;
图12示出了根据一个实施方式的启动函数的三角形模型;
图13示出了根据一个实施方式的显示基于图12的启动函数的延迟时滞(Lag)的供热状态相对于辐射加热器状态的模型化效果的图表;
图14示出了根据一个实施方式的以控制系统形式的预测控制算法;
图15示出了根据一个实施方式利用预测模型等式计算封闭空间中的温度变化;
图16示出了根据一个实施方式的在两个月期间内针对大约600个恒温器装置计算的拟合的柱状图;
图17示出了根据一个实施方式的当周围温度测量在下维持带阀值之下时可以利用的控制策略的限定的子集;
图18示出了根据一个实施方式的当周围温度测量在上维持带阀值之上时可以利用的控制策略的限定的子集;
图19示出了根据一个实施方式的当周围温度测量在维持带之内时可以利用的控制策略的限定的子集;
图20示出了根据一个实施方式的利用模型预测控制来控制恒温器的方法;
图21示出了根据一个实施方式的控制恒温器的方法;
图22示出了根据一个实施方式的自动系统匹配的步骤。
具体实施方式
在以下的详细描述中,为了解释的目的,阐述了许多具体细节以提供对本发明的各种实施方式的全面理解。本领域的普通技术人员可以意识到,本发明的这些各种实施方式仅为示例性的,而非旨在以任何方式进行限制。对于受益于本公开的这些技术人员,能够容易地想到本发明的其他实施方式。
此外,为了清楚起见,没有示出或描述本文描述的实施方式的所有常规特征。本领域的普通技术人员可以容易地理解到,在任何这种实际的实施方式的发展中,可能需要许多实施方式特定的决定以实现特定的设计目标。这些设计目标对于不同的实施方式是不同的,对于不同的开发者也是不同的。而且,可以理解的是,这样的发展努力可能是复杂的和耗时的,但绝不会成为受益于本公开的本领域普通技术人员采取的常规设计。
当前公开的主题涉及以下共同转让的申请的主题,以下申请中的每一个申请通过引用并入本文:于2011年10月21日提交的序列号为61/550,343的美国临时申请;于2011年10月21日提交的序列号为61/550,346的美国临时申请;于2012年1月3日提交的序列号为PCT/US12/00007的国际申请;于2012年5月8日提交的序列号为13/467,025的美国申请;与此同日提交的名称为“用于环境控制系统的智能控制器(Intelligent Controller For An Environmental ControlSystem)”的序列号为13/632,093的美国申请;与此同日提交的名称为“提供时间相对目标状态的智能控制器(Intelligent Controller Providing Time to TargetState)”的序列号13/632,028的美国申请;与此同日提交的名称为“智能控制器内的自动控制-计划获取(Automated Control-Schedule Acquisition Within AnIntelligent Controller)”的序列号为13/632,041的美国申请;与此同日提交的名称为“智能控制器内的自动存在检测和存在相关的控制(Automated PresenceDetection and Presence-Related Control Within An Intelligent Controller)”的序列号为13/632,070的美国申请;与此同日提交的名称为“用于环境控制系统的预调节控制和方法(Preconditioning Controls and Methods For An EnvironmentalControl System)”的序列号为_/_,_(代理人案号94021-NES0257US-852484)的美国申请;以及与此同日提交的名称为“具有方便自己安装场景和专业安装场景的用户友好安装特征的HVAC控制器(HVAC Controller With User-FriendlyInstallation Features Facilitating Both Do-It-Yourself and Professional InstallationScenarios)”的序列号为_/_,_(代理人案号94021-NES0258US-849698)的美国申请。
可以理解的是,尽管本文以用于住宅(例如单个家庭住宅)的典型的HVAC系统为背景进一步描述了一个或多个实施方式,但是本教导的范围不限制于此。更通常来说,根据一个或多个优选实施方式的恒温器可应用于具有一个或多个HVAC系统的多种封闭空间,包括但不限于双层公寓、连栋房屋、多单元公寓建筑物、旅馆、零售商店、办公楼、和工业用建筑物。而且,可以理解的是,尽管术语用户、顾客、安装工、房主、居住者、客人、租户、房东、维修工人等等可以用于指代在此描述的一种或多种场景的背景下与恒温器或其他装置或用户界面交互的人,但是关于执行这些动作的人,这些指代决不能被视为限制本教导的范围。
根据一个或多个实施方式提供了用于基于一个或多个万能感测和控制单元(versatile sensing and control unit,VSCU单元)控制一个或多个HVAC系统的系统、方法、计算机程序产品和相关商业方法,每一VSCU单元被配置成以及适于提供复杂的、定制的、节能的HVAC控制功能,同时在视觉上看起来是吸引人的、不吓人的、视为优雅的并且无比易于使用的。下文中使用的术语“恒温器”表示VSCU单元(万能感测和控制)的特别适用于封闭空间中的HVAC控制的特定类型。尽管“恒温器”和“VSCU单元”可以被视为对于封闭空间的HVAC控制的背景是通常可交换的,但是对于以下情况是在本教导的范围内的:上文和下文的每一实施方式应用到对于任一不同的控制系统在除了温度的可测量特征(例如,压力、流速、高度、位置、速率、加速度、容量、功率、响度、亮度)方面具有控制功能的VSCU单元,包括一个或多个物理系统的一个或多个可测量特征的管理,和/或其他能量或资源消耗系统(例如,水利用系统、大气利用系统、涉及利用其他自然资源的系统、以及涉及利用各种其他形式的能源的系统)的管理。
图1为示出了利用根据本发明实施的恒温器110来控制一个或多个环境条件的示例性封闭空间的示意图。例如,封闭空间100示出了利用学习式(learning)恒温器110(为了方便也被称为“恒温器110”)来控制由HVAC系统120提供的供热和制冷的单个家庭居住类型的封闭空间。本发明的替选实施方式可以用于其他类型的封闭空间,包括双层公寓、公寓建筑物内的公寓、轻型商用结构(例如,办公室或零售商店)、或这些类型的封闭空间和其他类型的封闭空间的组合的结构或封闭空间。
图1中的恒温器110的一些实施方式包含一个或多个传感器以从与封闭空间100相关的环境收集数据。包含在恒温器110中的传感器可以检测占用、温度、光线、以及其他环境条件并且影响HVAC系统120的控制和操作。包含在恒温器110内的传感器不从恒温器110的表面突出,由此提供了光滑和美观的设计,该设计不会吸引住所或其他封闭空间内的居住者的注意力。因此,恒温器110容易适配几乎任何装饰,同时增加了内部设计的整体吸引力。
如在此使用的,“学习式”恒温器指的是具有基于至少一个自动感测的事件和/或至少一个过去或当前的用户输入而自动建立和/或修改供热和/或制冷计划中的至少一个未来设定点(见图10)的能力的恒温器或在多恒温器网络中的数个通信恒温器中的一个恒温器。
如在此使用的,“主”恒温器指的是电连接以启动所有的或部分的HVAC系统的恒温器,例如通过电连接到通向HVAC系统的HVAC控制电线(例如,W、G、Y等)。
如在此使用的,“辅”恒温器指的不是电连接以启动HVAC系统的恒温器,而是包括至少一个传感器并且通过与主恒温器进行数据通信来影响或方便主恒温器控制HVAC系统的恒温器。
在一个特别有用的场景中,恒温器110为学习式主恒温器并且安装在墙壁上且连接到所有的HVAC控制电线,而远程恒温器112为位于床头柜或梳妆台上的学习式辅恒温器,学习式辅恒温器在外观和用户界面特征方面类似于学习式主恒温器,学习式辅恒温器还具有与学习式主恒温器类似的感测能力(例如,温度、湿度、运动、周围光线、接近度),但是学习式辅恒温器未连接到任何的HVAC电线。尽管学习式辅恒温器未连接到任何的HVAC电线,但是它与学习式主恒温器无线通信和配合以用于改善对HVAC系统的控制,例如通过提供它在封闭空间中的相应位置处的额外的温度数据、提供额外的占用信息、为用户提供额外的用户界面等等。
可以理解的是,尽管当恒温器110为学习式主恒温器而远程恒温器112为学习式辅恒温器时某些实施方式是特别有利的,但是本教导的范围不限于此。因此,例如,尽管当恒温器为学习式主恒温器时,将连接网络的恒温器与在线用户帐户自动配对的某些初始设置方法是特别有利的,但是这些方法更普遍地适用于包括非学习式主恒温器、学习式辅恒温器、非学习式辅恒温器、或其他类型的连接网络的恒温器和/或连接网络的传感器的场景。作为另一示例,尽管当恒温器为学习式主恒温器时,用于恒温器的远程控制的某些图形用户界面可以为特别有利的,但是这些方法更普遍地适用于包括非学习式主恒温器、学习式辅恒温器、非学习式辅恒温器、或其他类型的连接网络的恒温器和/或连接网络的传感器的场景。作为又一示例,尽管当恒温器为学习式主恒温器时,通过远程基于云的管理服务器用于恒温器的配合、节约电池信息轮询的某些方法可以为特别有利的,但是这些方法更普遍地适用于包括非学习式主恒温器、学习式辅恒温器、非学习式辅恒温器、或其他类型的连接网络的恒温器和/或连接网络的传感器的场景。
封闭空间100还包括私人网络,该私人网络可无线访问且可通过有线连接访问,并还可以称作局域网或LAN(Local Area Network)。根据本发明的一些实施方式,私人网络上的网络装置包括计算机124、恒温器110和远程恒温器112。在一个实施方式中,私人网络利用集成路由器122实施,集成路由器122提供路由、无线接入点功能、防火墙和用于连接到各种有线网络装置(例如,计算机124)的多个有线连接端口。从集成路由器122通过像动态主机配置协议(Dynamic Host Configuration Protocol,DHCP)的服务动态地或者通过网络管理员的行动静态地为每一装置分配私人网络地址。这些私人网络地址可以用以允许这些装置在LAN上与每一装置直接通信。其他实施方式还可以使用多个分立开关、路由器和其他装置(未示出)以实现除了由集成路由器122提供的功能之外的更多其他网络功能。
集成路由器122还提供访问公共网络(例如,因特网)的网络装置,假设封闭空间100通常通过电缆调制解调器、数字用户线路(DSL)调制解调器和因特网服务提供商或其他公共网络服务提供商连接到公共网络。公共网络(像因特网)有时称作广域网或WAN。在因特网的情况下,为特定装置分配公共地址,从而允许该装置被因特网上的其他装置直接寻址。因为因特网上的这些公共地址被有限供应,故私人网络上的装置和计算机通常使用路由器装置(像集成路由器122)以通过网络地址翻译(Network Address Translation,NAT)表中的入口分享单个的公共地址。路由器为私人网络上的装置和因特网上的装置、服务器或服务之间开放的每一通信通道创建NAT表中的入口。从私人网络上的装置发送的数据包初始具有包括发送装置的私人网络地址的“源”地址和相应于因特网上的服务器或服务的公共网络地址的“目标”地址。当数据包从私人网络内通过路由器时,路由器用路由器的公共网络地址和引用NAT表中的入口的“源端口”替换“源”地址。接收数据包的因特网上的服务器使用“源”地址和“源端口”将数据包发送回到私人网络上的路由器,路由器随后对NAT表中的入口进行相应的查找而将数据包转发给私人网络上的合适装置。
NAT表中的入口允许计算机装置124和恒温器110与位于公共网络(例如因特网)上的恒温器管理系统(未示出)建立单独的通信通道。根据一些实施方式,恒温器管理系统上的恒温器管理帐户使得封闭空间100中的计算机装置124能够远程访问恒温器110。假设恒温器管理帐户与恒温器110相关联或与恒温器110配对,则恒温器管理系统将信息从计算机装置124在因特网上传输回到恒温器110。相应地,由恒温器110收集的数据也从与封闭空间100相关联的私人网络通过集成路由器122传输到公共网络上的恒温器管理系统。其他不在封闭空间100中的计算机装置(例如,智能手机、笔记本电脑和平板电脑(图1中未示出))也可以控制恒温器110,假设这些计算机装置已访问公共网络,其中恒温器管理系统和恒温器管理帐户可以被访问。根据本发明的实施方式的访问公共网络(例如,因特网)和远程访问恒温器(像恒温器110)的进一步细节在下文中进一步详细描述。
在一些实施方式中,恒温器110可以在私人网络上或通过直接与远程恒温器112形成的自组网与远程恒温器112无线通信。在与远程恒温器112通信过程中,恒温器110可以从用户和从可由远程恒温器112检测的环境远程地收集信息。例如,远程恒温器112可以与恒温器110无线通信以从远程恒温器的远程位置提供用户输入,或可以用于将信息显示给用户,或二者兼有。类似于恒温器110,远程恒温器112的实施方式也可以包括传感器以收集关于占用、温度、光线和其他环境条件的数据。在替选实施方式中,远程恒温器112还可以位于封闭空间100的外部。
图2为利用根据本发明的实施方式设计的恒温器控制的HVAC系统的示意图。HVAC系统120为封闭空间100(例如图1所示的单个家庭住宅)提供供热、制冷、通风和/或空气处理。系统120示出了强制空气类型供热和制冷系统,尽管根据其他实施方式,可以使用其他类型的HVAC系统,例如基于辐射热的系统、基于热泵的系统等。
在供热时,空气处理器240内的供热线圈或供热元件242借助线路236利用电或气体提供热源。利用风扇238,冷空气从封闭空间借助回气导管246通过过滤器270被抽出,并且通过供热线圈或供热元件242被加热。加热后的空气借助供气导管系统252和供气口(例如供气口250)在一个或多个位置处流回到封闭空间中。在制冷时,外部压缩机230使气体(例如氟利昂)通过一组热交换线圈244以冷却气体。该气体然后通过线路232到达空气处理器240中的制冷线圈234,在制冷线圈234处它膨胀、冷却并且冷却借助风扇238循环的空气。加湿器254可以可选地包括在各种实施方式中,其在空气通过导管系统252之前将湿气返回到空气。虽然图2中未示出,但是HVAC系统120的替选实施方式可以具有其他功能(例如将空气排到外部以及将空气从外部吸入),一个或多个阻尼器以控制导管系统252内的气流和紧急供热单元。HVAC系统120的整个操作通过在控制电线248上与恒温器110通信的控制电子设备212选择性地启动。
示例性的恒温器实施方式
图3至图7和与其相关的描述提供了恒温器硬件和/或恒温器软件的示例性实施方式,该恒温器硬件和/或恒温器软件可以用以实施所附权利要求的具体实施方式。该恒温器硬件和/或恒温器软件不意味着是限制性的,而是被呈现以提供可实施的充分公开。图3示出了根据一个实施方式的恒温器300的透视图。在该具体实施方式中,恒温器300可以被至少两种用户输入控制,第一种用户输入为旋转外环312,第二种用户输入为向内推外帽308直到可听到的和/或触觉的“咔哒”发生。如在此所使用的,这两种用户输入可以称作“操纵”恒温器。在其他实施方式中,操纵恒温器还可以包括按压键盘上的键、声音识别命令、和/或可以用于改变或调整恒温器300上的设置的任何其他种类的输入。
对于该实施方式,外帽308可以包括组件,该组件包括外环312、盖314、电子显示器316、和金属部分324。这些元件中的每一个或这些元件的组合可以称作用于恒温器300的“壳体”。同时,这些元件中的每一个或这些元件的组合也可以形成用户界面。该用户界面具体可以包括电子显示器316。在图3中,用户界面316可以说以有源显示模式工作。有源显示模式可以包括为电子显示器316提供背光源。在其他实施方式中,有源显示模式可以增大电子显示器316的亮度和/或光输出,使得用户可以容易地看到所显示的恒温器300的设置,例如,当前温度、设定点温度、HVAC功能、等等。有源显示模式可以与无源显示模式(未示出)相对比。无源显示模式可以关闭背光源、减少所显示的信息量、减小显示器的亮度、和/或完全关闭电子显示器316,这取决于实施方式。
取决于恒温器300的设置,电子显示器316的有源显示模式和无源显示模式的特征还可以或替代地为每一模式的相对用电量。在一个实施方式中,比起无源显示模式,有源显示模式通常需要大体上更多的电功率。在一些实施方式中,电子显示器316的不同工作模式的特征可以完全替代为它们的用电量。在这些实施方式中,电子显示器316的不同工作模式可以称为第一模式和第二模式,其中当用户界面以第一模式工作时需要的电力比以第二模式工作时需要的电力更多。
根据一些实施方式,电子显示器316可以包括点矩阵布局(可单独寻址的),使得可以产生任意形状,而非分段布局。根据一些实施方式,采用点矩阵布局和分段布局的组合。根据一些实施方式,电子显示器316可以为背光颜色液晶显示器(LCD)。在电子显示器316上显示的信息的示例示出在图3中,并且包括表示当前设定点温度的中央数字320。根据一些实施方式,金属部分324可以具有多个槽状开口以便方便使用安装在槽状开口下方的传感器330,例如被动红外运动传感器(passive infrared motion sensor,PIR)。
根据一些实施方式,恒温器300可以包括额外的部件,例如处理系统360、显示驱动器364和无线通信系统366。处理系统360可以适于或配置成使显示驱动器364使电子显示器316将信息显示给用户。处理系统360还可以配置成接收借助可旋转的环312的用户输入。这些额外的部件(包括处理系统360)可以被封装在壳体内,如图3所示。在下文中将进一步详细描述这些额外的部件。
根据一些实施方式,处理系统360能够执行恒温器的操作的管理。例如,处理系统360还可以编程为和/或配置成维持并更新用于其中安装有HVAC系统的封闭空间的热动态模型。根据一些实施方式,无线通信系统366可以用于与装置通信,所述装置例如个人电脑、远程服务器、手持装置、智能手机、和/或其他恒温器或HVAC系统部件。这些通信可以为点对点通信,通过位于私人网络中的一个或多个服务器的通信,或和/或通过基于云的服务的通信。
运动感测以及其他技术可以用在检测和/或预测占用中,如在上述共同转让的代理人案号NES0234-US中进一步描述的。根据一些实施方式,占用信息可以用在产生有效的和高效的预案中。例如,可以设置主动接近传感器370A以通过红外光反射来检测接近的用户,可以设置环境光传感器370B以感测可见光。接近传感器370A可以与多个其他传感器结合使用以检测大约一米范围内的接近,使得当用户接近恒温器时、在用户触摸该恒温器之前,恒温器300可以启动“唤醒”。这种接近感测的使用对于通过用户一准备好与恒温器交互就“准备好”交互或在用户准备好与恒温器交互之后很快就“准备好”交互来提升用户体验是有用的。此外,一接近就唤醒的功能还允许通过在无用户交互发生或将要发生时“休眠”来在恒温器内节能。可以使用的各种类型的传感器以及“唤醒”功能的操作在本公开的剩余部分中将更为详细地描述。
在一些实施方式中,恒温器可以物理上和/或功能上分为至少两个不同单元。贯穿本公开,这两个单元可以称为机头单元和背板。图4示出了根据一个实施方式的具有机头单元410和背板412的恒温器408的分解透视图400。物理上,该布置在安装过程期间可以是有利的。在该实施方式中,背板412可以首先附接至墙壁,HVAC电线可以附接至背板412上的多个HVAC连接器。接着,机头单元410可以连接到背板412以便完成恒温器408的安装。
图5A示出了根据一个实施方式的机头单元530关于它的主要部件的分解透视图500a。在此,机头单元530可以包括电子显示器560,根据该实施方式,电子显示器560可以包括LCD模块。而且,机头单元530可以包括用于将主要部件固定在完全组装的机头单元530中的安装组件550。机头单元530还可以包括电路板540,电路板540可以用于集成在下文中进一步描述的各种电子部件。在该具体实施方式中,机头单元530的电路板540可以包括操纵传感器542以检测用户对恒温器的操纵。在使用可旋转的环的实施方式中,如图5A所示,操纵传感器542可以包括光学手指导航模块。可充电电池544也可以包括在机头单元530的组装中。在一个优选实施方式中,可充电电池544可以为锂离子电池,其可以具有3.7伏特的额定电压和560mAh的额定容量。
图5B示出了根据一个实施方式的背板532关于它的主要部件的分解透视图500b。背板532可以包括框架510,框架510可以用于安装、保护、或容纳背板电路板520。背板电路板520可以用以安装电子部件,所述电子部件包括一个或多个处理功能,和/或一个或多个HVAC电线连接器522。一个或多个HVAC电线连接器522可以包括集成电线插入感测电路,其配置成确定电线是否机械地连接和/或电连接至一个或多个HVAC电线连接器522中的每一个。在该具体实施方式中,两个相对大的电容器524为可以安装至背板电路板520的窃电电路的一部分。该窃电电路在下文中进一步讨论。
除了简化安装过程的恒温器内的物理划分,恒温器还可以在机头单元和背板之间按功能划分。图6A示出了根据一个实施方式的针对机头单元的简化的功能框图600a。由框图600a体现的功能大体上是不言而喻的,并且可以利用一个或多个处理功能来实施。如在此所使用的,术语“处理功能”可以指代硬件和/或软件的任意组合。例如,处理功能可以包括微处理器、微控制器、分配处理器、查找表、数字逻辑、在模拟电路中实施的逻辑/算法功能、等等。处理功能还可以称为处理系统、处理电路或简称为电路。
在该实施方式中,机头单元上的处理功能可以通过ARM处理器实施。机头单元处理功能可以与作为用户界面608的一部分的电子显示器602、音频系统604、和操纵传感器606交界。机头单元处理功能还可以通过与各种无线模块(例如,Wi-Fi模块612和/或ZigBee模块614)交界而方便无线通信610。而且,机头单元处理功能可以配置成控制核心恒温器操作616,例如操作HVAC系统。机头单元处理功能还可以配置成确定或感测物理位置的占用618,以及确定可以用以确定时间-温度特征的建筑物特征620。利用占用感测618,机头单元上的处理功能还可以配置成学习和管理操作计划622,例如每日的供热和制冷计划。电力管理模块662可以用以与背板上的相应的电力管理模块、可充电电池、以及背板上的电力控制电路664交界。
此外,机头单元处理功能可以包括和/或可通信地耦合到一个或多个存储器。所述一个或多个存储器可以包括使处理功能进行如上所述操作的一组或多组指令。所述一个或多个存储器还可以包括传感器历史目标和总体状态目标624。所述一个或多个存储器可以与处理功能集成在一起,例如在很多商用微处理器上可用的闪存或RAM存储器。机头单元处理功能还可以配置成与云管理系统626交界,并且还可以操作以在合适的时候节能628。还可以包括至背板处理功能630的界面632,界面632可以利用硬件连接器来实施。
图6B示出了根据一个实施方式的针对背板的简化的功能框图。利用与图6A中示出的界面632匹配的界面636,背板处理功能可以与机头单元处理功能通信638。背板处理功能可以包括电线插入感测640,电线插入感测640耦合到配置成基于不同的电线连接状态提供信号的外部电路642。背板处理功能可以配置成通过驱动电力场效应晶体管(FET)电路646来管理HVAC开关启动644以控制HVAC系统。
背板处理功能还可以包括传感器轮询界面648以与多个传感器交界。在该具体实施方式中,所述多个传感器可以包括温度传感器、湿度传感器、PIR传感器、接近传感器、环境光传感器、和/或未具体列举出的其他传感器。该列举不意味着是穷尽的。取决于具体实施方式和应用,可以使用其他类型的传感器,例如,声音传感器、火焰传感器、烟雾检测器、等等。传感器轮询界面648可以可通信地耦合至传感器读数存储器650。传感器读数存储器650可以存储传感器读数并且可以位于微控制器或微处理器的内部或外部。
最后,背板处理功能可以包括电力管理单元660,电力管理单元660用于控制与背板集成在一起的各种数字部件和/或模拟部件并且用于管理恒温器的电力系统。尽管本领域的技术人员可以认识到电力管理系统的很多不同实现方式,但是该具体实施方式的电力管理系统可以包括引导程序调节器662、窃电电路664、降压转换器666、和/或电池控制器668。
图7示出了根据一个实施方式的用于管理恒温器消耗的电力的系统的简化的电路图700。供电电路710包括全波桥整流器720、存储和波形平滑桥输出电容器722(例如,其可以在30微法拉的量级上)、降压调节器电路724、功率和电池(power-and-battery,PAB)调节电路728、和可充电锂离子电池730。与包括背板电力管理电路727、机头单元电力管理电路729和微控制器708的其他控制电路结合,供电电路710可以配置成并适于具有下文中描述的特征和功能。供电电路710和相关的部件的更多细节的描述可以在当前公开的其他地方和/或在上述序列号为13/467,025的美国申请中找到。
通过图7中示出的配置,当在安装时存在“C”电线时,供电电路710作为相对高功率的、可充电电池辅助的交流到直流转换电源操作。当不存在“C”电线时,供电电路710作为窃电的、可充电电池辅助的交流到直流转换电源操作。供电电路710通常用于提供恒温器的各种电子部件所使用的电压Vcc MAIN,在一个实施方式中,该电压可以为约4.0伏特。对于存在“C”电线的情况,不需要担心HVAC呼叫继电器的偶然跳变(trip)(因为有非活动窃电)或非跳变(untrip)(针对活动窃电),因此可以假设相对大量的电力可用。通常,通过“C”电线供应的电力将比恒温器中剩余电路在任何时候所需要的瞬时电力大。
然而,“C”电线通常仅存在于大约20%的家庭中。因此,在不存在“C”电线时,供电电路710还可以配置成从其他HVAC电线中的一条中“窃取”电力。如在此所使用的,“非活动窃电”指的是在基于电力窃取所来自的导线在适当地方没有活动通话期间内执行的窃电。因此,对于电力窃取来自“Y”导线的情况,“非活动窃电”指的是当在适当地方没有活动制冷通话时执行的窃电。如在此所使用的,“活动窃电”指的是在基于电力窃取所来自的导线在适当地方有活动通话期间内执行的窃电。因此,对于电力窃取来自“Y”导线的情况,“活动窃电”指的是当在适当地方有活动制冷通话时执行的窃电。在非活动窃电或活动窃电期间,可以从所选择的一个可用的通话继电器电线窃取电力。尽管对窃电电路710的完整描述可以在之前已经通过引用而并入本文中的共同转让的申请中找到,但是以下简要说明对于本公开的目的已足够。
恒温器中的一些部件,例如机头单元处理功能、用户界面、和/或电子显示器可以消耗比仅由窃电提供的电力更多的瞬时电力。当这些更渴求电力的部件主动操作时,由窃电供应的电力可以通过可充电电池730补充。换句话说,当恒温器忙于操作时,例如当电子显示器处于有源显示模式时,电力可以由窃电和可充电电池730供应。为了保留存储在可充电电池730中的电力,以及给可充电电池730机会充电,一些实施方式优化机头单元处理功能和电子显示器以有源模式操作的时间量。换句话说,在一些实施方式中可能有利的是,尽可能长时间地将机头单元处理功能保持在休眠模式或低功率模式以及将电子显示器保持在无源显示模式,而不影响用户体验。
当机头单元处理功能和电子显示器处于无源模式或休眠模式时,恒温器消耗的电力通常小于由窃电所提供的电力。因此,未被恒温器消耗的电力可以用于给可充电电池730充电。在该实施方式中,背板处理功能708(MSP430)可以配置成以低功率模式监控环境传感器,然后当需要控制HVAC系统时唤醒机头单元处理功能732(AM3703),以便如在此所描述的那样重新计算最优控制策略。类似地,背板处理功能708可以用于监控用于检测周围温度条件的传感器,并且当确定已经跨过维持带阀值和/或所预期的唤醒时间或唤醒事件已经发生时,它可以唤醒机头单元处理系统732和/或电子显示器。
以不同的方式陈述,根据上述共同转让的序列号为13/467,025的美国申请以及其他并入的共同转让的申请的教导,在此描述的恒温器代表了先进的、多感测的、微处理器控制的智能的或“学习式”恒温器,该恒温器提供了处理能力、直观且视觉上令人愉悦的用户界面、网络连接、和节能能力(包括当前描述的预测控制算法)的丰富组合,而同时不需要来自HVAC系统的所谓的“C-电线”或来自家用墙壁插头的线路电力,尽管这种先进的功能比起“窃电”选择(即,从一个或多个HVAC通话继电器提取较少量的电力)可以安全地提供的瞬时电力可能需要更多的瞬时电力。作为示例,当机头单元微处理器醒来并处理时可以在250mW的量级上消耗,当LCD模块(例如,560)活动时可以在250mW的量级上消耗。而且,当Wi-Fi模块(例如,612)活动时可以消耗250mW,并且需要在一致的基础上为活动的,所述一致的基础例如为在通常场景中占空比为一致的2%。然而,为了避免错误地使用于大量商用HVAC系统的HVAC继电器跳变,窃电电路的供电能力通常限于100mW-200mW的量级,这不足以为很多通常场景供应所需的电力。
恒温器至少通过使用可充电电池(例如,544(或具有等效能力的机载电力存储介质))解决了这种问题,该可充电电池在硬件用电量小于窃电可以安全地提供的用电量的时间间隔期间内充电,并且在硬件用电量大于窃电可以安全地提供的用电量的时间间隔期间内放电以提供所需的额外电力。为了以促进减小用电量并且延长可充电电池的使用寿命的注重电池的方式操作,恒温器设置有:(i)相对强大且相对耗电量大的第一处理器(例如,Texas Instruments AM3703微处理器),其能够快速地执行较复杂的功能,例如驱动视觉上令人愉悦的用户界面显示器、计算参数化预测模型、将参数化预测模型应用到一组所选的控制策略、将成本函数最小化以确定最优控制策略、以及执行各种其他数学学习式计算,以及(ii)相对不强大且耗电量较小的第二处理器(例如,Texas InstrumentsMSP430微控制器),用于执行较轻的任务,包括驱动和控制占用传感器、驱动和控制温度传感器等。为了节约宝贵的电力,第一处理器维持在“休眠”状态延长的时间段并且仅在需要它的能力的情况下“唤醒”它,然而,使第二处理器或多或少持续地保持开启(尽管优选地使某些内部时钟变缓或停止运行短暂的周期性间隔以节约电力)以执行它的相对低功率的任务。第一处理器和第二处理器相互配置,使得在发生某些事件时第二处理器可以“唤醒”第一处理器,所述发生某些事件例如感测到需要重新计算预测控制策略的条件,这可以被称为“唤醒”设备。作为待实现的不同功能目标和/或节电目标的一部分,这些唤醒设备可以被开启和被关闭。例如,可以设置周围温度传感器,当通过该周围温度传感器检测到需要重新计算预测控制策略的周围温度或其他条件时,第二处理器将“唤醒”第一处理器,使得第一处理器可以执行在此所描述的预测控制算法的一个或多个操作或指示HVAC系统在开启状态和关闭状态之间循环。
本领域技术人员能够理解的是,关于图3至图7所示出和描述的各种恒温器实施方式仅为示例性的,而不意味着为限制性的。可以使用很多其他硬件和/软件配置来实施恒温器和在下文中描述的各种功能。这些实施方式应当被视为示例性平台,在该示例性平台中,以下的实施方式可以被实施以提供可实施的充分公开。当然,以下方法、系统、和/或软件程序产品还可以利用不同种类的恒温器、不同的硬件和/或不同的软件来实施。
图8A示出了根据实施方式的用于时间相对温度的计算的步骤。如在此所使用的,时间相对温度(“T2T”)指的是从当前时间点直到达到目标温度的剩余时间的估计。如在此所描述的,由恒温器计算的T2T信息专用于被供热或制冷的封闭空间,或者换句话说,所确定的T2T适用于该封闭空间。鉴于可以影响特定现实世界的HVAC循环上的温度轨迹的路线的多种因素,已经发现在此所描述的方法能够产生合理地良好的估计。而且,面对可能发生的很多现实世界变型(一些为可预测的而其他为不可预测的),已经发现用于选择性显示T2T信息的当前描述的方法(例如,当该T2T时间变小时显示“小于10分钟”以及如果它以想不到的或不可靠的方式“行动”则不显示该T2T信息)能够利用T2T设备提供令人愉悦的总体用户体验,这提高了恒温器的总体吸引力和引人注目度,使得能够吸引用户进一步关注它的节能特征和注重能量的生态系统。明显地,尽管所描述的示例在供热的特定背景下提供,但是本领域技术人员容易想到将对应的方法应用于制冷背景,因此这些都在本教导的范围内。
根据一个优选实施方式,恒温器的T2T算法首先通过学习阶段(步骤802)暗示,该学习阶段在首次安装或恢复出厂设置后很快发生,由此在第一预定数目的“有意义的”或“非维持的”供热循环中的正常操作过程期间,恒温器开始建设并维持它自己的T2T相关信息的数据库,该数据库是为特定的封闭空间和特定的HVAC系统而定制的。通过“非维持”供热循环,其意味着已经有实际的设定点温度变化,于是供热循环得以实例化。这可以与“维持”供热循环相对比,在“维持”供热循环中,设定点温度已经保持恒定,但是HVAC系统由于温度降低而被启动并操作直到再次达到(维持)该温度。在一个示例中,“学习”供热循环的预定数目为10,尽管在不脱离本教导的范围的情况下该数目可以实质上改变。对于每一学习循环,恒温器自动地(不需要来自用户的任何积极指令或教导)追踪相对于时间“t”的温度变化ΔH(t),其中t=0表示供热循环的开始。
在合适数目的学习循环以后(步骤804),构建足量的数据以自动地产生封闭空间的历史模型“G”,该历史模型“G”可替选地称为“总体”模型,该模型可以用于在随后的T2T计算的开始时提供初始估计。随着时间的前进,总体模型随后可以利用更多的数据点来持续地完善,这是由于每一供热循环表示用于该封闭空间的另一“实验”以完善“总体模型估计”,其还可以称为“历史模型估计”。对于一个优选实施方式,总体模型的时间跨度可以被限定为仅最近的时期,例如最近的30天到60天,使得它更可能反映该年的当前季节的影响。
图8B示出了图8A的方法的概念图,包括总体模型G的图。已经发现能够方便计算、同时为合理地适当的一个数学函数将该总体模型的特征描绘为ΔH=0和ΔH=0.5℃之间的单一参数直线(具有线性参数“c”),以及然后的超过该点的两个参数曲线(分别具有线性参数和二次参数“a”和“b”)。
现在再次参考图8A,在步骤808,当当前操作设定点温度从初始值H0变化到所需的最终值HF时,该T2T算法被投入使用。该设定点变化可以由用户通过使用步行转盘(walk-up dial)或远程网络访问设备调用,或可替选地当有改变当前操作设定点温度的计划的设定点变化时可以被遇到。在步骤812,仅利用总体模型G、通过利用如图8B所示的总体模型G将值HF-H0=ΔH(0)映射到T2T(0)中来计算初始估计T2T(0)。该初始估计(其可以被称为总体模型初始估计)可以在恒温器显示器上立刻显示,甚至在针对手动步行设定点变化的情况用户转动转盘时实时地显示。
在步骤810,该步骤将通常在供热循环的下几分钟上持续,通过利用总体模型G将当前测量的室温H(t)映射到TT(t)中,总体模型估计继续被用于提供当前时间相对温度估计TT(t)。总体模型T2T估计在此由TTG(t)表示。实际室温值H(t)可以由恒温器感测电路以规律的周期性间隔提供,例如每30秒提供。根据优选实施方式,在总体估计被用于显示目的的该时间段期间,实时模型R通过追踪ΔH(t)=H(t)-H0的当前值对时间而建设。已经被本发明人发现的是,实时模型R(其可替选地称为“局部”模型)直到可以建立合理地直线(从统计学上来说)时才能够用于T2T估计的目的,并且该直线通常直到在H(t)的轨迹中的最低点852之后的点854处已经有某一预定的凭经验建立的上升,例如0.2℃的上升,才可以建立。已经发现有用的一个凭经验建立的指导是等待直到继0.2℃最低点后上升点854之后的间隔30秒的10个温度样本,直到利用实时模型可以计算出合理地适当估计。根据一个优选实施方式,实时模型R可以通过利用直线投影到目标温度线上来用于建立“实时模型估计”,如图8B所示。实时模型T2T估计在此通过TTR(t)表示。对于一个实施方式,仅最新的10个温度样本(或其他合适数目的最近样本)被用于投影该计算实时估计TTR(t)的直线。在其他实施方式中,继点854之后的所有数据点都可以用于计算TTR(t)。
如果在步骤812,确定了实时模型估计TTR(t)并非足够可靠(例如,利用点854之后的间隔30秒的10个点的上述标准),则重复步骤810直到TTR(t)足够可靠时,基于此,执行步骤814。在步骤814,举例说明了在总体模型估计TTG(t)和实时模型估计TTR(t)之间的转换,使得在TT(t)的实际值中没有“跳跃”,“跳跃”对于观看显示器的用户来说是令人紧张的,该转换被总结为TT(t)=TRANS[TTG(t)→TTR(t)]。在不脱离本教导的范围的情况下可以以多种方式实现该转换,但是在一个优选实施方式中,该转换执行为从一个曲线到另一曲线的直线转换,其中该转换以每秒不大于10秒的速度发生。一旦完成该转换,可以单独使用实时估计(步骤816)直到循环结束。
如图8A所示,继步骤816的循环结束之后,在步骤806可以执行总体模型的重新计算,使得在下一供热循环的实例化之前,可以利用最近的历史数据。可替选地,总体模型可以以每几循环一次、每天一次或以某其他定期重新计算。
优选地,连同步骤814至步骤816,并入数个保障措施,使得“明智”保持在所显示的T2T估计中。如果保障措施指示出对于实时模型估计的不可靠状态或其他“明智”问题,则仅关闭T2T显示器,并且取而代之为时间读数,将简单地显示单词加热(HEATING)(等等)。作为示例,如果继点854之后的数据样本从直线的统计偏移大于某个阀值,则T2T显示器被关闭。类似地,如果T2T的实时模型估计开始增长延长的时间段,或指示不合理的大数字,则T2T显示器被关闭。
示例性预测控制系统
如图9所示,常规的恒温器通常通过限定围绕所需的或设定的温度902(在此被称为设定点温度)的温度或维持带900来控制家庭的温度。维持带900通常通过限定了上维持带阀值温度904和下维持带阀值温度906的偏移值ΔT来限定。该维持带900的通常的偏移值ΔT为距设定温度±0.7度。例如,如果设定点温度为72°华氏度,则上维持带阀值904将为大约72.7°华氏度(例如,72+0.7),而下维持带阀值906将为大约71.3°华氏度(例如,72-0.7)。
利用这种维持带的通常的恒温器控制称为继电型(bang-bang)控制。尽管术语开启-关闭(ON-OFF)控制有时也用来描述这种控制,但是在此使用术语继电型,因为其比起相对通用的术语ON-OFF更具有描述性。对于供热操作,当周围温度降低到下维持带阀值906之下时这些控制将使HVAC系统循环开启,而当周围温度上升到上维持带阀值904之上时这些控制将使HVAC系统循环关闭。对于制冷操作,反之亦然,即,当周围温度上升到上维持带阀值904之上时使HVAC系统循环开启,而当周围温度下降到下维持带阀值906之下时使HVAC系统循环关闭。例如,针对供热操作和上述的72°华氏度设定点使用继电型控制,当周围温度下降到71.3°之下时该恒温器将使HVAC系统的加热器循环开启,而当温度上升到72.7°之上时将使加热器循环关闭。
继电型控制在本质上是回应性的(reactive),这是由于它们仅当周围温度带跨过所限定的阀值(即,上维持带和下维持带)时才使HVAC系统循环开启和关闭。此外,这些控制不考虑封闭空间中的热质量和热惯性,如在此所描述的,这可以导致明显的过冲和/或下冲。如在此所使用的,术语“热惯性”指的是材料或主体的温度与周围温度成为相等的速度。热惯性为大块材料特性,其与材料的热传导性和体积热容量相关并且通常取决于它的吸收率、比热、热传导性、尺寸等。
如在此所使用的,术语“系统惯性”(与热惯性相关)在更为通用的意义上指的是家庭(或其他封闭空间)的周围温度实际响应针对该家庭(或其他封闭空间)的供热或制冷循环的启动的速度。系统惯性可以考虑供热或制冷设备本身的特征以及将热传输到家庭中的方式。因此,作为示例,如果特定家庭具有的辐射供热系统为低功率的或弱的,则该特定家庭可以展示出相对大的系统惯性(升温缓慢),然而如果该辐射供热系统被替换成强大得多的辐射供热系统,则该同样的家庭可以展示出小得多的系统惯性(升温快速)。当将家庭和它的HVAC系统视为控制系统时,在该控制系统中,输入为HVAC系统的开启/关闭状态,输出为居住者感受到的周围温度,则系统惯性可以被视为用于该控制系统的模型的静态或准静态元件。
相对高的系统惯性的影响的示例在用于家庭的很多辐射供热系统中是明显的,其中家庭中的地板通常被加热,而周围空气借助来自加热后的地板的辐射和对流而被加热,其中辐射通常为热传递的主导模式。周围空气的加热可能通常相当缓慢地进行,这是由于通常花费大量时间来使地板本身升温以及从地板到空气中的辐射热传递形式也花费时间。持续的热辐射引起家庭的温度持续上升或“过冲”了设定点温度,有时远高于设定温度,这会使居住者不舒服。当由于地板在给周围空气供热之前必须被加热,故再次执行供热时类似的影响是明显的。尽管正在加热地板,但是地板或家庭的热惯性引起地板的温度暂时地下降或“下冲”了设定点温度,这同样会导致不舒服。
本发明的实施方式包括用于对家庭供热和/或制冷的预测控制或模型预测控制。这些控制不同于常规的继电型控制,常规的继电型控制中,供热或制冷操作仅当温度上升或下降到所限定的维持带窗之外时执行。利用预测控制,甚至在周围温度在温度带窗内(即,周围温度还没有跨过维持带阀值)或甚至在周围温度还没有进入维持带窗时,供热或制冷操作就可以不再继续或开始进行。
在此描述的方法和系统通常针对HVAC系统,所述HVAC系统的特征为相对高的系统惯性,例如很多辐射供热系统,尽管这些方法和系统同样可以用于可展示出具有高系统惯性的基于暂时的、季节性的、或持久的行为或症状的其他类型的系统。同样地,尽管在此描述的方法和系统主要针对辐射供热系统,但是在此描述的方法和系统可以等效地应用到辐射制冷系统或其他类型的供热或制冷系统。因此,尽管为了清楚描述的目的在下文描述中使用术语“辐射热”、“辐射系统”等,但是可以理解的是,本教导的范围不限于此。
根据一些实施方式,提供了一种用于家庭HVAC系统的智能辐射供热控制模式,其由智能的、多感测的恒温器执行。当由于自动感测和/或明确的用户输入(见下文的图22和相关的自动“系统匹配”讨论)而已经建立了待调用的智能辐射热控制时,供热形式的恒温器控制根据预测控制算法进行,预测控制算法根据用于预定家庭供热系统模型的参数的可用性而被明智地调用,在该预定家庭供热系统模型中已经建立起足够的置信度。对于一个实施方式,用于系统模式的参数仅仅基于从使用了辐射供热系统的历史供热循环收集的数据。对于其他实施方式,其他因素,例如,一天的时刻、外部温度、风力条件、太阳能供热角度、房子和窗子相对于太阳的朝向,和/或各种其他相关信息,可以用于确定参数。为了确保平滑的、一致的、令人愉悦的居住者体验,预测控制算法仅当在家庭供热系统模型中已经建立起足够的置信度时,或当由于最近反常的或部分反常的测量事件足够的置信度在已经丧失以后已经重新获得时被调用。通过反常的或部分反常的事件,这意味着用于计算供热系统模型的数据发生了某事,这导致破坏了模型置信度指标,例如在冬季留下打开的门或窗很长时间、数据丢失事件、电力切断、不寻常的气象条件等。
当未在预测控制模式中操作时,智能辐射控制算法根据继电型控制模式的修改版本操作,该修改版本设计成对过冲的降低实质上更进取。更具体地,进取的过冲降低方法包括继电型控制周围温度到当前设定点温度的特定的维持带内,在此称为“进取的过冲降低维持带”,其中的上维持带温度和下维持带温度都位于当前设定点温度之下。因此,尽管设定点温度“T”的常规的恒温器继电型温度控制可以维持围绕设定点温度T的(T-ΔT)至(T+ΔT)的对称温度带,并且尽管温和的过冲降低继电型温度控制可以维持(T-ΔT1)至(T+ΔT2)(其中ΔT1>ΔT2>0)的不对称温度带,但是当前描述的进取的过冲降低方法包括继电型控制到(T-ΔT3)至(T-ΔT4)(其中ΔT3>ΔT4>0)的不对称偏移维持带内。仅通过示例而非通过限制,对于72°F的典型设定点温度,ΔT3和ΔT4的值可以分别为1.0°F和0.5°F。
在系统模型中尚未建立起(或已经丧失)足够的置信度的情况下,将进取的过冲降低继电型控制作为“后退”,因为已经发现预测控制提供了比起使用传统的继电型控制更为有利的用户体验。不过,优选实施方式的范围不限于此,在其他实施方式中,该“后退”可以为使用围绕设定点温度的对称的或温和地不对称的继电型控制维持带。
对于一个优选实施方式,已经发现,围绕预测控制对非预测或“后退”控制方法的调用引入一种“滞后”是特别有效的。作为示例,如果以非预测模式操作,则需要在调用预测控制模式之前建立至少连续两天的模型参数置信度。同样地,如果以预测控制模式操作,则需要在调用非预测控制模式之前建立至少连续两天的模型参数非置信度。有利地,围绕预测控制模式的选择性调用的这种“滞后”进一步提高了家庭居住者感受的体验的连续性。
现在描述根据一些实施方式的在预测控制模式中智能辐射热算法的操作。为了实施预测控制,系统可以配置成执行“预测控制算法”。例如,恒温器的处理系统可以访问具有预测控制算法存储在其中的存储器并且可以执行在下文中描述的处理、计算等中的一个或多个。在一个实施方式中,这些处理、计算等中的一些或所有由机头单元的相对高功耗的处理器执行,该处理器处于活动或唤醒操作模式。在另一实施方式中,这些处理、计算等中的一些或所有由相对低功耗的背板处理器执行。在其他实施方式中,这些处理、计算等中的一个或多个在机头单元处理器和背板处理器之间共享,和/或信息在这二者之间共享。为了方便描述各种实施方式,描述将主要针对预测控制算法。
在一些实施方式中,预测控制算法可以确定预测控制特征对于家庭的恒温器系统是否合适。例如,预测控制算法可以确定是否发生了下冲或过冲,和/或发生的量的大小。在一些辐射供热情况下,当供热循环开始时周围温度可以快速开始上升,而当热循环终止时周围温度可以快速地下降。如果下冲和/或过冲并非很大的问题,则预测控制算法可以确定不需要在此描述的预测控制特征。在这种实施方式中,预测控制算法甚至可以确定预测控制是否是必要的并且相应地调整恒温器的“开启/关闭”设置。
可以理解的是,尽管下文阐述了包括“时滞(Lag)”参数的系统模型以表示辐射供热系统的特征可以为基于由智能恒温器收集历史辐射供热性能数据的可靠度的一种特别的方式,但是在不脱离本教导的范围的情况下可以使用具有多种不同复杂度中的任一种和多种模型参数中的任一种的多种不同模型方法中的任一种。例如,尽管在下文中描述的“Lag”参数表示一种以下二者之间的“混合”:(i)表示家庭及其HVAC系统的系统惯性的静态或准静态参数,和(ii)动态的、依时间的、和/或依条件的参数,其可以取决于各种因素,例如一天的时刻、季节、外部温度、太阳辐射影响等等,但是,利用多个或不同参数将家庭供热系统模型化,使得(a)捕获并维持封闭空间/HVAC系统的静态或准静态特性,以及(b)表示多个动态的、依时间的、和/或依条件的参数的多个动态参数被单独地捕获、维持、和用于时间和条件的合适组合,当然也在本教导的范围内。
为了确定是否需要预测控制,预测控制算法可以计算或测量封闭空间或系统的惯性。测量系统的惯性通常指的是捕获表示住所的动态的一个、两个或更多个特征常量。这些常量可以利用系统识别技术来识别,例如在此所描述的系统识别技术。在一个实施方式中,预测控制算法可以计算或测量封闭空间的“Lag”。术语“Lag”指的是在供热以后将封闭空间的温度上升限定量(例如,0.5°华氏度、3°华氏度、5°华氏度等)所需要的时间,并且为至少部分地考虑了封闭空间的热惯性的简单表示,尽管它还有一些动态/依条件的成分。在一些实施方式中,除非HVAC系统已经关闭了限定时间段(例如,60秒),否则可以不计算Lag测量,以确保从前面的供热循环没有剩余热保留在封闭空间中。类似地,在Lag测量被记录之前,可能需要HVAC系统保持开启预定时间,例如直到封闭空间的周围温度上升限定量(例如,5°华氏度)。如果HVAC系统在封闭空间的周围温度上升该量之前停止循环,则Lag测量可以被丢弃。
还可以全天以限定周期记录数个Lag测量,以允许预测控制算法考虑可能由于环境因素,例如暴露在太阳下、下雨、阴天条件等导致的温度上升或下降。根据一个实施方式,一天可以分为相等的时间段(例如,以6小时递增),这些时间段表示黎明前时段(例如,上午12时到上午6时)、早上时段(例如,上午6时到下午12时)、下午时段(例如,下午12时到下午6时)和晚上时段(例如,下午6时到上午12时)。Lag测量可以在这些时间段中的每一个时间段期间被记录,并且在一些实施方式中,可以从各种时间段的Lag测量计算平均Lag值。平均Lag值可以用于实施在此描述的预测控制方法。根据另一实施方式,可以针对每一个时间段确定平均Lag值。该时间段专用的Lag值随后可以用于实施所述的预测控制方法以便获得辐射供热效果的更为精确的近似值。
例如,晚上时段的Lag值可以明显地大于早上时段的Lag值。在一些实施方式中,即使预测控制特征失效,也可以进行Lag测量。相应地,一旦用户启用预测控制特征,就可以对平均Lag值加以利用。在其他实施方式中,例如当恒温器新安装时,在可以利用预测控制特征之前,可能需要系统运行限定时间段(例如,一周),以便允许测量和记录Lag值并且计算平均值。
随着系统调整到封闭空间的特定供热特性,平均Lag值可以以限定时间周期进行修改、调整和/或更新。例如,该系统可以持续地测量并且记录Lag值并且修改或调整平均Lag值以更为近似地对封闭空间建模。该过程可以每月、每周、每晚等进行。可以加权最近测量的Lag值,使得它们更多地影响平均Lag值。以该方式,Lag值可以近似地匹配封闭空间的当前条件。
现在参照图10,在预测响应于辐射供热操作的温度时,预测控制算法可以评估一组候选控制策略(以下称之为控制策略),所述控制策略可以用于控制辐射供热系统(见图17-图19)。每一控制策略可以包括限定何时HVAC系统循环开启和循环关闭的多个二进制值时间步长t1-tn(即,1或0)(以下称之为时间步长或控制间隔)。时间步长t1-tn可以具有时间间隔或持续时间间隔,其在一些实施方式中为大约5分钟、10分钟、15分钟、20分钟等,尽管10分钟的持续时间可以为优选的以最小化噪声和/或机头单元唤醒。
二进制值控制策略可以具有整个开启时间百分比,其指的是HVAC系统在“预定控制持续时间”或用于控制策略的总持续时间(以下称为控制策略持续时间)期间循环开启的时间百分比。例如,如果控制策略持续时间为大约1小时,HVAC系统循环开启持续30分钟,则整个开启时间百分比为大约1/2。控制策略持续时间可以为大约30分钟、1小时、2小时等,尽管1小时的持续时间可以为优选的以最小化噪声和/或机头单元唤醒。如下文中更为详细描述的,可以限制每一控制策略具有最少数目的开启时间循环,这实现了候选整个开启时间百分比(例如,1个开启时间循环针对1/6开启时间百分比,2个开启时间循环针对1/3开启时间百分比,3个开启时间循环针对1/2开启时间百分比,以此类推)。控制策略还可以限定“控制轨迹”或周围温度轨迹1004-1010,其指的是封闭空间的周围温度的由于分别限定的控制策略供热操作的预测轨迹。
基于确定的平均Lag值,简单的温度预测1000可以基于每一控制策略为HVAC系统计算。例如,对于一个或多个控制策略的每一时间步长,可以计算简单的温度预测。控制或周围温度轨迹1004-1010然后可以基于每一控制策略的预测温度来确定。鉴于预定的评估函数(以下称之为成本函数)可以评估或处理每一控制策略的周围温度轨迹1004-1010,以选择最优控制策略。该最优控制策略可以根据一个或多个预定评估标准选择,例如如下文中描述的最小化成本值。最小化成本值可以基本上包括确定哪个周围温度轨迹1004-1010具有距设定点温度ST最少量的总变化V。
成本值可以基于设定点温度或目标温度ST与给定控制策略的每一时间步长t1-tn的预测温度之间的差值计算。根据一些实施方式,控制策略的成本值可以为每一时间步长t1-tn处的目标温度减去预测温度的平方的总和,如下所示:
如下文所述,用于多个控制策略的成本函数可以被计算并且具有最小值的控制策略可以被选择作为最合适的控制策略以用于给该封闭空间供热。以不同的方式陈述,成本函数可以被最小化以确定待执行的最合适的供热操作。在一些实施方式中,成本函数可以被加权,使得所计算的成本值受未来时间步长的温度预测的影响更严重,所述未来时间步长的温度预测更可能地更接近于或更远离设定点温度或目标温度ST,且因此更可能估计过冲或下冲。例如,对于时间步长k的在0和1之间变化的加权因子(Wt(k))可以乘以在时间步长k处的目标温度ST和预测温度之间的差值。因此,具有较大目标和预测温度变化V的未来温度的控制策略将具有更大的成本并且较不可能被选择。
对于给定的控制策略,最小化的成本函数可以近似于最小量的过冲和下冲发生,这是由于过冲和下冲将通过预测温度和目标温度ST中的差值反映在成本等式中。如上所述,未来时间步长t1-tn更可能表示过冲或下冲,并且可以被适当加权以影响成本函数。在一些实施方式中,例如当系统不具有用于家庭的足够供热数据或Lag值非常短(例如,小于10分钟或20分钟)时,将成本函数最小化可以导致预测控制不应该被使用的预测。在这种实施方式中,系统可以切换至常规的继电型控制,以及可以使用常规的维持带和偏移值(例如,±0.7°)。
预测模型
为了预测前面所述的每一时间步长处的温度,可以使用对每一时间步长预测温度变化dT(i)的参数化模型(以下称之为预测模型)。该预测模型可以基于在启动辐射热控制的相关的历史周期期间由恒温器获得的封闭空间的历史周围温度。该历史数据可以存储在包括内部和外部(例如,云)装置或服务的各种存储器装置上。例如,在一个实施方式中,预测模型基于一个或多个独立变量的回归分析,利用温度变化dT(i)为因变量。在具体实施方式中,回归分析可以使用两个独立变量(例如,辐射热和太阳辐射),尽管在其他实施方式中,可以使用3个或更多个独立变量(例如,外部温度、湿度等)。以下示出示例性预测模型:
dT(i)=a0+a1*SR(i)+a2*∑(Activation(k)*u_heat(i-k))
在上面的等式中,a0、a1和a2为通过历史数字数据点的最小二乘拟合获得的回归系数,该计算可以以重复的间隔进行,例如每月、每周、每天(例如,午夜)等。除其他之外,数据点可以包括温度T、温度变化dT、应用的热u_heat等,其可以在每一时间步长处在限定周期内(例如在24小时、1周、1个月等内)被记录。可以获得这些历史数据点的最小二乘拟合以确定回归系数(即,a0、a1和a2)。在一些实施方式中,历史数据和最小二乘拟合计算可以配置成更大的权重或考虑最近获得的数据点(例如,在上一周或前几天内获得的数据点)。如下文中更为详细描述的,预测模型包括预定的响应轨迹(以下称之为函数),例如太阳辐射SR(i)、启动函数Activation(k)以及热输入响应u_heat。这些函数由回归系数加权,所述回归系数通过对历史数据拟合模型来计算。回归系数可以随着相应函数的测量重要性增大而增大,或者随着相应函数的测量重要性减小而减小。
根据以上预测模型,回归系数a0表示常数,其通常为负值,以示出在没有供热因素(例如,太阳辐射SR和辐射供热)时,温度变化dT将为负的。以不同的方式陈述,负的回归系数a0确保了,如所预料的那样,在没有热源时,估计的温度T将下降。SR(i)表示如下文所描述的近似于或考虑太阳辐射照度的函数。Activation(k)表示在预测当前温度变化中加权或考虑前面的辐射供热输入(u_heat)的函数。根据该模型,前面的辐射供热输入(u_heat(i_Lag))通常对温度变化dT(i)具有最大影响。在一些实施方式中,当前供热输入u_heat(i)和最早的供热输入u_heat(i-2*Lag)可能对温度变化dT(i)具有较小的影响,尽管如果这些输入被确定为较重要的则可以调整该模型。k为启动函数的时间长度,如在以下模型中所描述的,该时间长度的范围可以从1到2*Lag,或者该时间长度可以根据所使用的模型变化。Activation(k)使加热器输入(u_heat)平滑,同时延迟了它的影响,这可以模拟封闭空间的热质量或热惯性。根据以上温度变化等式dT(i),在任意给定的时间步长处的温度T可以根据以下等式确定。
T(i+1)=T(i)+dT(i)
在该等式中,T(i)为在时间步长i处的温度。dT(i)为在任意时间步长i处的预测的温度变化。T(i+1)为在下一时间步长处的预测温度,它等于时间步长i处的温度加上温度变化dT(i)。根据一个实施方式,时间步长持续时间(例如,i、i+1等)可以为约10分钟。已经确定了10分钟时间步长间隔降低了计算中的噪声,同时减少了电力需求和计算需求并允许机头单元保持休眠。
太阳辐射可以被模型化为如图11所示的曲线。太阳辐射可以被模型化以预测太阳辐射在多大程度上影响了封闭空间的周围温度。例如,在0-6小时(例如午夜到上午6时)的期间之间,太阳辐射的模型化影响为0以显示太阳尚未升起,因此,封闭空间尚未受到太阳辐射的影响。在6-18小时的期间之间,该模型从0上升到1并又回到0,从而显示随着太阳在头顶上行进,太阳辐射在封闭空间上变得更强并且然后更弱(太阳辐射1表示全太阳辐射),这预测会导致周围温度的上升。在18-24小时的期间之间,模型化的影响再次为0以显示了太阳已经降落。
如太阳辐射模型中示出的,曲线急剧上升和下降,并且朝向中间锥形化,其暗示了辐射影响在白天中(例如,在上午10时之前)可以快速地感受到,并且几乎在整个白天中可以感受到。太阳辐射模型的形状可以被调整以更为全面地表示家庭的位置。例如,模型曲线可以具有不同的形状或为歪斜的以显示早上或晚上的相对较强的太阳辐射影响。太阳辐射小时可以基于位置的经度或纬度等而延长。在一个实施方式中,封闭空间的温度上升可以被全天监控并测量以建立和/或调整太阳辐射模型,并由此使该模型适合于特定的封闭空间。以该方式,太阳辐射模型可以对特定的封闭空间和/或位置是独一无二的,以考虑可能影响太阳辐射温度的围绕家庭或建筑物的树、景观等。太阳辐射模型还可以依据当前环境条件或一年中的时间,例如是否存在云遮蔽,是否正在下雨或下雪,或供热操作是否发生在秋季或冬季。在其他实施方式中,太阳辐射影响可以被模型化成具有其他形状,包括三角形等。
类似地,上述启动函数可以被模型化以显示并便于计算在给定的时间步长之前和/或之后的辐射加热器输入的影响。例如,如图12所示,启动函数可以被模型化为三角形,从而显示由辐射加热器的操作引起的温度升高效果。在其他实施方式中,启动函数可以被模型化为各种其他形状,包括曲线、抛物线、高斯分布等。这些额外的形状可以取决于特定的受热封闭空间、封闭空间的位置等,并可以更为精确地捕获封闭空间的热质量或惯性效果。
在一些实施方式中,模型化的启动函数可以包括高达两倍Lag值的范围以考虑在辐射供热不再继续以后发生的残留供热效果。例如,图12的模型用于一种系统,该系统具有大约60分钟的Lag和10分钟至20分钟(该模型示出了20分钟的间隔)的时间步长。该模型示出了当辐射供热开始时(即,时间=0或k=0),没有感受到辐射供热效果(即,启动为0)。在60分钟以后(即,k=60)感受到辐射供热的完全效果(即,启动为1),这是由于时间等于Lag值。长于60分钟的时间段(即,60分钟至120分钟)表示由于系统惯性而发生的辐射供热的残留效果。120分钟的启动长度(即,k=120)将k返回到0,因为在该点处预测到没有发生辐射供热。图13示出了图表,该图表显示了基于图12的启动函数的延迟Lag的加热状态相对于辐射加热器状态的模型化效果,图13示出了甚至在关闭辐射加热器以后供热效果仍继续被感受到。
实际上,以上示出的求和函数为加热器输入信号和启动函数模型的卷积,其预测了在任意给定的时间步长处的辐射供热的影响。求和函数实际上可以为简单的自回归移动平均模型,其不需要计算或存储大量之前的辐射热数据,其不然可能需要大量计算和/或电力需求,而这在电力有限的恒温器中是不可得到的。Lag值实际上可以将之前的辐射热输入进行卷积运算得到单一值,这使得求和函数更易于管理以计算并且减少电力需求。
如前面所提到的,启动模型取决于为如上所述的受热封闭空间而计算的Lag,因此,Lag值为60分钟仅为示例性的,并且通常根据个别的受热封闭空间的特征而变化。同样,如上所述,Lag值可以根据一天的时刻或一个或多个其他环境条件或封闭空间条件而变化。因此,启动函数可以具体针对一天的时刻或一个或多个其他环境条件或封闭空间条件。类似地,启动函数不需要为三角形形状,而可以包括可以提供封闭空间的较好的近似的各种其他形状。
图14以控制系统形式表示上述等式。如图14所示,在一些实施方式中,上述等式可以包括第三变量(Tout),该第三变量表示外部温度的影响,例如由于通过墙壁的热传递,其可以以类似于在此所描述的方式通过额外的回归系数加权。可以为本领域技术人员理解的是,借助最小二乘拟合获得回归系数(例如,a0、a1、a2等)以近似描述具体封闭空间上的供热效果。例如,如果封闭空间的绝缘良好,则用于太阳辐射和/或外部温度的相应系数会小,从而示出了封闭空间的热变化主要由于辐射供热。如果确定太阳辐射或外部温度对封闭空间的温度具有较大或较显著的影响,则可以产生类似的结果。上述等式允许预测控制被调整至具体的受热封闭空间。尽管未示出,该模型可以包括其他变量,以考虑湿度、下雨、下雪、海拔等,其中的每一个变量都可以根据变量的重要性来加权。封闭空间还可以对来自位于封闭空间内的各种传感器的温度读数进行平均。例如,辐射热通常从地板辐射。因此,地板传感器可以用以确定何时地板接近于设定点温度以便将恒温器开启和关闭。
图15示出了利用上述的预测模型等式计算封闭空间中的温度变化。1502表示封闭空间中的温度摆动,1504表示应用的辐射热,1506表示延迟的或时滞补偿热,其为应用的热和启动函数的卷积。1508表示太阳辐射热影响。
如前面所述,预测模型可以在周期基础上(例如每个午夜)与历史数字数据点“拟合”以获得回归系数a0、a1、a2等。还可以为预测模型计算“拟合优度”,其表示该模型在多大程度上表示了封闭空间的温度变化。拟合优度通常在0和1之间变化,数值越大表示模型与历史数据的更为接近的拟合。在一些实施方式中,仅在拟合优度在某最小阀值之上(例如,在0.5之上)时,才可以使用预测模型。如果拟合优度在该最小阀值之下,则系统可以默认到常规的继电型控制。可以对预测模型和历史数据点执行额外的核查。例如,可以核查太阳辐射的系数的符号(即,±)以确保该符号为正,其暗示了由于太阳辐射的温度上升。如果该符号为负,其暗示由于太阳辐射影响的温度下降,则可以拒绝该模型。在一些实施方式中,历史数据的异常值数据点也可以被检测并拒绝。
图16示出了在两个月期间(12月和1月)针对大约600个恒温器装置计算的拟合的柱状图。恒温器以30分钟或更大的时滞操作加热器并且考虑了至少两周的连续数据。如柱状图中所示出的,75%的所考虑的装置实现了0.5的最小阀值,这表明利用所描述的预测控制改进了供热操作。在其他实施方式中,可以如下文所述使用拟合优度来确定维持带的宽度。
上述等式将更为复杂的预测控制等式,例如ARMA(自回归移动平均)等式,简化到可以容易地在电力受限的恒温器装置上程序化的等式。它还大大地减少了进行温度变化预测所需的计算电力。此外,Lag因素通过将之前的热输入效果结合成单个变量而减少了必须考虑以进行温度变化预测的输入的总数,否则需要单独地计算。
控制算法
控制算法利用上述预测模型来预测在每一时间步长处的温度。控制算法还基于如上面所述的成本函数的最小化来确定控制策略。本质上,控制算法计算HVAC系统保持开启的时间量和机头单元唤醒的时间量以再评估它的操作状态或条件。通过在限定量的时间步长或控制间隔(例如,60分钟上的6个时间步长)上反复运行预测模型,可以选择控制策略,使得它将过冲和/或下冲最小化,同时将HVAC状态变化保持到最小。每次机头单元唤醒时,实施所选的控制策略并且重复该过程,以再评估控制策略。因此,即使作出了不正确的预测,并选择了差强人意的控制策略,系统也可以在它唤醒时再评估它的状况并改正控制策略,这可以由于所期望的唤醒时间,跨过维持带、接近传感器的启动或一些其他原因。
在一些实施方式中,计算或预测的控制策略的数目可以减小到限定的子集(即,一组候选控制策略)。所考虑的控制策略的限定的子集还可以依据周围温度是在下维持带阀值之下、是在上维持带阀值之上、还是在维持带内。控制策略的限定的子集可以将辐射加热器的循环开启和循环关闭的次数最小化,这在使用辐射供热系统时是优选的。具体地,可以选择控制策略的限定的子集,使得在加热器控制动作的给定序列中仅发生单一状态或过渡,或使得辐射供热系统在给定的控制持续时间内不会循环开启超过两次。还可以针对加热器的状态多快可以从一个状态过渡到另一状态作出限制。例如,在一个实施方式中,可以要求加热器保持开启或关闭20分钟或更多以减少开启/关闭循环过渡。可以如下文所述那样基于针对系统多快可以在开启/关闭状态之间过渡作出的限制来进一步减小控制策略的限定的子集。控制策略的限定的子集将需要的计算进一步最小化,并因此降低对控制系统的计算需求和/或电力需求。
图17示出了当周围温度在下维持带阀值之下时可以考虑的控制策略的限定的子集(即,一组候选控制策略)。具体地,图17示出了可以考虑的6个控制策略,尽管在其他实施方式中可以考虑更多或更少的控制策略。控制策略为二进制值,意味着输入为1或0,其中输入1表示HVAC开启时间循环,而输入0表示HVAC关闭时间循环。因此,第一控制策略考虑了在第一时间步长(即,i)处的单一的加热器开启时间循环,接着有5个连续的关闭时间循环。第一控制策略具有约1/6的整个开启时间百分比。相比而言,第六控制策略考虑了在六个连续时间步长(即,时间步长i至i+5)处的六个连续的加热器开启时间循环,用于约1的整个开启时间百分比。相对于前面的控制策略,介于中间的控制策略(即,2-5)中的每一个考虑了用于额外的时间步长的单一的额外加热器开启时间循环。如上所述,时间步长可以为某种限定的时间段,例如5分钟、10分钟、20分钟等。
根据一个实施方式,控制策略的限定的子集还可以基于关于加热器可以多快在开启时间循环和关闭时间循环之间过渡的限定的限制而进一步减少。例如,如果时间步长限定为10分钟,且限制加热器维持至少20分钟的当前循环,则在成本最小函数中不能考虑第一控制策略,除非加热器已经开启。
如上所述的成本函数(其可以包括或可以不包括权重因子)可以被最小化以确定待使用的最合适的控制策略。基于所选的控制策略,确定了当前加热器状态(即,开启时间循环或关闭时间循环),并且基于时间步长持续时间和直到预期的状态过渡所需的时间步长的数目来确定机头单元的唤醒时间。例如,如果基于成本函数的最小化选择了第三控制策略,则加热器将过渡或保持开启且对于10分钟的时间步长持续时间确定唤醒时间为约30分钟(即,3个时间步长*每一时间步长的10分钟持续时间)。当系统在预期的持续时间以后唤醒时,该系统将再评估它的情况,以确定是否需要额外供热。如果该系统在所预期的持续时间之前由于任何原因唤醒,则该系统同样将再评估它的情况。
在一些实施方式中,每当系统在维持带的外部时,该系统就可以自动地保持开启。例如,如图17所示,对于每一控制策略,在时间i处的加热器输入总是1,这意味着只要周围温度在下维持带阀值之下,加热器就将保持开启。然而,当周围温度跨过下维持带阀值时,所选择的控制策略可以改变,这允许加热器输入循环关闭。当周围温度降低到下维持带阀值之下时,可以再次考虑上述控制策略的限定的子集。
类似地,当周围温度跨过上维持带阀值时,即使尚未到所预期的唤醒时间,系统也可以自动循环关闭。例如,如果预测温度上升是不准确的,且温度上升大于预期,使得周围温度上升到上维持带阀值之上,则该系统将唤醒并且将加热器关闭以防止对封闭空间进一步供热。以该方式,常规的继电型控制可以作用为备用控制以确保不会发生过小或过大的供热。
图18示出了当周围温度在上维持带阀值之上时可以考虑的控制策略的限定的子集。如图18所示,第一控制策略考虑了在六个连续的时间步长(即,时间步长i至i+5)处的加热器关闭时间循环,用于为0的整个开启时间百分比。相对而言,第六控制策略考虑了在第一时间步长(即,i)处的单个的加热器关闭时间循环,接着有五个连续的加热器开启时间循环,用于约5/6的整个开启时间百分比。相对于前面的控制策略,介于中间的控制策略(即,2-5)中的每一个考虑了针对额外时间步长发生的额外的加热器开启时间循环。如前面所述,当规定循环开启/关闭限制成使得避免在之前的循环过渡之后使加热器循环开启/关闭时,可以进一步限制所限定的控制策略。
如上所述,成本函数可以被最小化以确定最合适的控制策略并可以确定当前加热器状态(即,开启或关闭)以及唤醒时间。当系统唤醒时,系统将再评估它的情况,以确定加热器是否应当过渡到开启或保持开启。在一些实施方式中,每当系统在维持带外部时,系统就可以自动地保持关闭。例如,如图18所示,在时间i处的加热器输入始终为0,这意味着只要周围温度在上维持带阀值之上,加热器就将保持关闭。然而,当周围温度跨过上维持带阀值时,控制策略可以改变以允许加热器输入循环开启。当周围温度上升到上维持带阀值之上时,可以再次考虑上述控制策略的限定的子集。类似地,当跨过下维持带阀值时,即使未到预期的唤醒时间,该系统也可以自动地循环开启。如上所述,当预测温度降低是不准确的且温度降低大于预期时,这可能是有用的。
由于在一些实施方式中,直到跨过下维持带阀值,加热器功能才会循环关闭,类似地,直到跨过上维持带阀值,加热器功能才会循环开启,因此应当理解的是,在这些实施方式中,可以期望加宽该维持带(即,增大维持带偏移值)以允许加热器更为快速地循环开启和循环关闭。因此,在一些实施方式中,基于上面描述的预测模型多么良好地表示了封闭空间的温度变化,可以增大维持带阀值的值以及加宽维持带。例如,维持带阀值可以基于针对预测模型计算的拟合优度。当拟合优度相对较高,表明预测模型很好地表示了温度变化时,可以加宽维持带并且增大维持带阀值。类似地,当拟合优度相对较低,表明预测模型和温度变化之间较不一致时,可以使维持带变窄并且减小维持带阀值。
在一个实施方式中,当拟合优度在0.7之上时,维持带阀值可以设定在距设定点温度±1.5°华氏度。当拟合优度在0.5和0.7之间时,维持带阀值可以设定在距设定点温度±1.0°华氏度。当拟合优度在0.3和0.5之间时,维持带阀值可以设定在距设定点温度±0.7°华氏度,其表示常规的继电型控制通常使用的阀值。如果拟合优度低于0.3,则系统可以确定不应当使用预测控制,而可以使用常规的继电型控制。
图19示出了当周围温度在维持带内时可以考虑的控制策略的限定的子集。图19示出的控制策略本质上可以为图17和图18描述的控制策略的组合。然而,图19的控制策略允许在没有跨过温度阈值的情况下,加热器可以循环开启或循环关闭。例如,如果周围温度在维持带内,则恒温器可以确定一种策略,该策略包括一些供热量(即,策略2-5以及8-12)、整个供热循环(即,策略7)、或无供热量(即,策略1),而不限于开启时间循环或关闭时间循环直到跨过温度阀值。此外,恒温器可以确定在控制持续时间中先施加供热(即,策略7-12),或在控制持续时间中后施加供热(即,策略1-6)。如上面所描述的,当规定循环开启/关闭限制成使得避免在之前的关闭过渡之后开启加热器时,可以进一步限制所限定的控制策略。
如上所述,成本函数可以被最小化以确定最合适的控制策略并可以确定当前加热器状态(即,开启或关闭)以及唤醒时间。当系统唤醒时,系统将再评估它的情况,以确定加热器是否应当过渡到开启或关闭、或保持当前状态。
在一些实施方式中,系统还可以确定哪个控制选项最适合用于给家庭供热。例如,该系统可以评估是在此描述的继电型控制还是预测控制更可能提供所需的结果。
如上面所描述的,上述操作的一部分、或大体上所有的操作,可以在机头单元处理器或背板处理器上执行。在一些实施方式中,预测温度计算、成本函数最小化等可以由机头单元处理器执行,因为该处理器通常更为强大。所确定的唤醒时间和/或HVAC系统的开启/关闭条件然后可以传递给背板处理器以用于监控和唤醒目的。背板可以在所确定的唤醒时间或由于其他原因唤醒机头单元,而机头单元可以再评估它的状态并且在必要时执行状态过渡、或计算并选择另一控制策略。
在一些实施方式中,在此描述的计算可以在每次机头单元唤醒时来确定。机头单元可以因为各种原因而被唤醒,例如为了看未来的设定点、响应于用户的温度调节、基于跨过下维持带或上维持带、基于限定的状态改变(例如,基于预测控制而开启或关闭供热操作)等。例如,基于所选择的具有最低成本值的预测控制,可以确定在供热20分钟以后将机头单元唤醒。在该20分钟时间间隔以后唤醒机头单元以后,机头单元可以执行在此描述的计算,并且将成本值最小化,以确定额外的供热是否适合或供热操作是否应该终止。同样地,机头单元可以被唤醒或执行计算以确定供热是否应当开始或HVAC单元是否可以保持关闭。如果机头单元由于任何其他原因(例如,接近传感器跳变等)而被唤醒,则可以执行上面描述的计算以调整供热控制策略和/或将用于供热策略的成本函数最小化。
在一些实施方式中,在此描述的辐射特征可以实施为恒温器中的默认系统。例如,用户可以将家庭的供热识别为辐射,其中将自动应用在此描述的预测控制算法。在一些实施方式中,通过选择合适的开启/关闭按钮或停用预测控制算法的特征,用户可以决定停用辐射供热算法。根据另一实施方式,可以提示用户启用或停用在此描述的辐射供热特征,或者可以要求用户在应用这些特征之前要启用这些特征。
示例性方法
现在参考图20,该图示出了利用模型预测控制来控制恒温器的方法2000。在方框20002,提供了恒温器。如在此所描述的,恒温器可以包括壳体、存储器、和设置在壳体中的处理系统。该处理系统可以与一个或多个温度传感器可操作地通信,以确定封闭空间内的周围温度,并且可以与存储器可操作地通信。该处理系统还可以与辐射供热系统可操作地通信以借助辐射供热给封闭空间供热,使得周围温度接近于设定点温度。
在方框2004,确定了参数化模型,根据该参数化模型,可以确定响应于候选辐射供热控制策略的封闭空间的周围温度的预测值。参数化模型可以基于在相关的历史周期期间由恒温器获得的用于封闭空间的历史周围温度,在所述历史周期中,辐射热控制被恒温器启动并且存储在存储器中。在方框2006,可以选择一组候选控制策略用于控制辐射供热系统。每一候选控制策略可以为在预定候选控制持续时间上具有候选整个开启时间百分比的二进制值控制轨迹。此外,每一候选控制策略可以被限制成具有实现候选整个开启时间百分比的最少数目的开启时间循环。
在方框2008,可以执行预测算法以从该组候选控制策略中确定最优控制策略。根据一个实施方式,执行预测算法可以包括:将每一候选控制策略应用到参数化模型以预测相应的周围温度轨迹,以及鉴于一个或多个预定评估函数来处理每一相应的周围温度轨迹以根据一个或多个预定评估标准来选择最优候选控制策略。在方框2010,可以根据所选择的最优控制策略来控制辐射供热系统。
该方法还可以包括确定相对于在利用模型预测控制之前的其他控制方法,模型预测控制是否提供了辐射供热系统的增强的控制。如果未提供改进的控制,则恒温器可以确定使用常规的控制方法,例如继电型控制。该方法还可以包括确定表示封闭空间的热质量或热惯性的量的Lag值。在一个实施方式中,所述一个或多个预定评估函数可以包括成本函数,在该成本函数中,成本随着各候选控制策略的周围温度轨迹偏离设定点温度而增大。
在一些实施方式中,开启时间循环和关闭时间循环可以具有不小于10分钟的间隔。该间隔可以将噪声最小化和/或减少循环开启/关闭过渡和/或机头单元唤醒发生。该参数化模型可以包括预定响应轨迹,并且该方法可以额外地包括确定用于所述预定响应轨迹的加权系数。在一个实施方式中,参数化模型可以基于在相关的历史周期期间获得的历史太阳辐射和辐射供热响应数据的组合。在这种实施方式中,将每一候选控制策略应用至参数化模型可以包括利用太阳辐射函数和辐射供热响应函数来预测相应的周围温度轨迹。
在另一实施方式中,参数化模型可以基于在相关的历史周期期间获得的历史外部温度数据,并且将每一候选控制策略应用至参数化模型可以包括利用预报的温度数据来预测相应的周围温度轨迹。在一些实施方式中,该方法还可以包括当周围温度在与设定点温度相关的限定的维持带阀值的外部时限制辐射供热系统的循环过渡。该方法还可以包括基于参数化模型对历史周围温度数据进行特征化的置信度,调整限定了相对于设定点温度的上阀值温度和下阀值温度的维持带的偏移值。
现在参考图21,该图示出了控制恒温器的方法2100。在方框2102,可以提供恒温器。如在此所描述的,恒温器可以包括壳体、存储器和设置在壳体中的处理系统。在方框2104,可以确定参数化模型,根据该参数化模型,可以确定响应于候选辐射供热控制策略的封闭空间的周围温度的预测值。参数化模型可以基于在相关的历史周期期间由恒温器获得的用于封闭空间的历史周围温度,在所述历史周期中,辐射热控制被恒温器启动并且存储在存储器中。该参数化模型还可以具有与它相关的第一置信度指标。
在方框2106,可以确定维持带用于辐射供热系统的操作。该维持带可以具有限定了相对于设定点温度的上阀值温度和下阀值温度的偏移值。上阀值温度和下阀值温度可以用于控制辐射供热系统的开启循环过渡和关闭循环过渡。在方框2108,可以基于第一置信度指标调整偏移值,使得如果该第一置信度指标大,则该偏移值较大,而如果该第一置信度指标小,则该偏移值较小。
在方框2110,可以执行预测算法以从一组候选控制策略中确定最优控制策略。根据一个实施方式,可以通过将每一候选控制策略应用到参数化模型以预测相应的周围温度轨迹来执行预测算法。在方框2112,可以利用维持带根据所确定的最优控制策略来控制辐射供热系统。
图22示出了用于自动系统匹配的步骤,所述步骤优选地由执行在本专利说明书中描述的一个或多个其他HVAC控制方法的同一恒温器或恒温器控制系统执行。已经发现特别需要通过明智地自动在多种可利用的节能和舒适度提高的控制算法中选择使恒温器设置和管理尽可能用户友好的,所述控制算法对于安装有恒温器的家庭的特定HVAC配置是合适的。在步骤2202,可用于被恒温器控制的HVAC系统特征通过以下中的至少一个来确定:(i)自动电线插入检测,(ii)交互用户访谈,(iii)在恒温器安装时或接近恒温器安装时基于HVAC系统的自动尝试运行的自动推断或推论,以及(iv)基于观察到的系统行为或表现的自动推断或推论。这种方法的示例在上述共同转让的US20120130679A1和US20120203379A1以及代理人案号94021-849698/NES0258-US中的一个或多个中描述。
关于制冷模式操作,如果确定了HVAC系统包括空气调节(步骤2204),其可以通过专门的空调系统和/或以制冷方向操作的热泵,则在步骤2206,为制冷模式操作启用智能预调节特征。特别有利的智能预调节特征的一个示例在上述的代理人案号94021-852484/NES0257-US中描述。对于一些实施方式,智能预调节算法配置成:通过监控家庭最近的供热和制冷历史不断地获知家庭多快升温或降温,可选地引入外部环境信息,例如外部温度、太阳供热效果等;预测该HVAC系统需要多长时间主动供热或制冷以达到预定的设定点;以及在恰好的时刻朝向特定的设定点开始预调节,使得在计划的设定点时刻达到计划的设定点温度。通过未太晚达到该计划的设定点温度来提高用户舒适度,而通过未太早达到该计划的设定点温度来提高节能。
关于供热模式操作,如果确定了HVAC系统包括辐射供热(步骤2208),则在步骤2218,为供热模式操作启用智能辐射控制特征。在此描述特别有利的智能辐射控制特征的一个示例。对于一些实施方式,智能辐射控制特征配置成以进行中的基础监控辐射供热循环,计算家庭被辐射系统供热时的估计的热模型,以及以考虑了住所的热模型、一天的时刻、以及之前的热循环信息的方式预测性地控制辐射系统。智能辐射控制特征配置成实现舒适的维持带温度,同时还将HVAC开启/关闭状态的频繁改变最小化并且将HVAC能耗最小化。除了其他优点,避免了不舒适的、能源浪费的目标温度过冲。
如果确定了HVAC系统包括热泵,该热泵包括辅助电阻式电供热(即,所谓的辅助热或AUX热)(步骤2210),以及如果进一步确定了(步骤2212)恒温器连接网络(使得它可以基于位置数据和基于因特网的温度信息源接收外部温度信息)或者可以访问外部温度信息(例如,通过有线或无线连接至外部温度传感器),则在步骤2216启用智能热泵控制特征。如果在步骤2210没有具有AUX热的热泵(其最通常因为有常规的燃气炉取代了热泵,或者因为有不包括AUX热的所谓的双燃料系统中的热泵),则在步骤2214为热模式启用智能预调节特征,其可以与上述关于步骤2206讨论的用于制冷模式的预调节特征的相反部分类似或相同。类似地,如果在步骤2212没有网络连接或其他访问外部温度信息,则不启用步骤2216的智能热泵控制特征,而是启用步骤2214的智能预调节特征。
参考步骤2216,特别有利的智能热泵控制特征的一个示例在上述代理人案号NES0122-US中描述。尽管AUX热功能允许对家庭更快速地供热,这在外部温度较低时是特别有用的,在外部温度较低时单独的热泵压缩机功效较小,但是利用AUX热的能源成本可能通常为单独利用热泵的能源成本的2到5倍。对于一些实施方式,智能热泵控制特征配置成以进行中的基础监控热泵供热循环,追踪鉴于相关的外部空气温度通过单独的热泵压缩机多快对家庭供热(例如,以华氏度每小时为单位)。基于计算的有效供热率和外部空气温度之间的关系,并且进一步包括用户在从“最大舒适度”到“最大节能”(包括在这些端点之间中的“平衡的”选择)的范围内的偏好设定,智能热泵控制特征以实现用户舒适度和AUX供热成本之间的合适的平衡的方式明智地启动AUX供热功能。对于一些实施方式,影响明智调用AUX热的因素包括(i)使用单独的热泵达到当前温度设定点所需要的预测时间量,(ii)当前温度设定点是由立即的用户控制输入产生还是它为计划的温度设定点,以及(iii)具体选择的在“最大舒适度”到“最大节能”范围内的用户偏好。通常来说,当单独压缩机的时间估计增大时,AUX功能确定调用AUX热更有利,相对于计划的设定点,针对立即的用户控制输入,AUX功能确定调用AUX热更有利,以及相比于“最大节能”指向的偏好,针对“最大舒适度”指向的偏好,AUX功能确定调用AUX热更有利。
对于一些实施方式,智能热泵控制特征还基于所监控的热泵供热循环信息和在“最大舒适度”和“最大节能”之间的用户偏好提供了所谓的AUX停工温度的自动调整,该AUX停工温度对应于一外部空气温度,在该外部空气温度之上,AUX热将不会开启。通常来说,AUX停工温度对于更好性能的热泵来说较低(导致较少使用AUX),并且在用户偏好倾向于“最大节能”时也较低(导致较少使用AUX)。对于一些实施方式,其中可以使用网络连接,使得可以提供晚上温度预报,智能热泵控制特征还提供晚间温度经济性,其中如果基于晚上温度预报,当早上来临时需要AUX功能从正常晚上设定点温度达到早上设定点温度,则晚上设定点温度可能升高到高于正常计划的晚上设定点。有利地,在这种情况下,即使家庭内部的晚上温度比起它本来的温度要高,但是通过避免在早上来临时使用AUX功能,用户实际上节约了能源和金钱。
根据一些实施方式,在步骤2208和步骤2210中的一个或多个步骤中作出的决定可以基于自动观察到的HVAC系统性能信息而不是具体系统识别信息。例如,可以为这样的情况:HVAC系统的具体供热功能并非物理上的辐射系统,而是旨在展示与实质控制时滞结合的高热质量的符号,使其在本质上类似于辐射供热系统。对于这种情况,可以启用智能辐射控制特征以改善性能。同样地,可能不是这样的情况:HVAC系统具有带AUX功能的热泵,但是它可以具有两阶段供热功能,其中第一阶段(该类型可能选作第一阶段是因为它有更高的成本效率)在较低的外部温度下趋向于非常缓慢或“落后”,而其中第二阶段(该类型可能选作第二阶段是因为它有较低的成本效率)在给家庭供热时趋向于非常节约时间,因此使得该系统的作用非常像带AUX功能的热泵。对于这种情况,可以启用智能热泵控制特征以改善性能。
尽管本发明的实施方式已经通常针对对HVAC系统的控制,但是应当意识到的是,在此描述的构思可以用于控制各种其他系统或装置。例如,利用历史数据来产生预测控制的想法可以用于控制各种家用器具或系统。例如,配备有接近传感器的家庭可以用于检测家庭中的活动或占用等级(即,家庭中的居住者在一天中是如何活动的、以及他们在什么位置活动)。该活动等级数据可以被记录并且用于产生家庭的活动等级的预测模型。基于该模型,可以控制家庭的器具。例如,例如在深夜当居住者较少活动时,可以使历史上较少活动的区域中的灯变暗,或在早上居住者起床时可以逐渐打开灯。
该构思还可以应用到控制外部装置或系统,例如洒水器系统。例如,可以测量并记录或者以其他方式获得周围区域的降水,该数据可以与示出了该区域中的通常或平均的草坪需要多少水量的图表或曲线图比较。预测模型可以与该数据拟合以基于预测或预报的降水来调整洒水器的浇水次数和/或浇水体积。还可以提供该数据给城市或州服务以帮助这些服务预测或计划该区域内的家庭的未来需要。
然而本发明的很多变型和修改对于已经阅读了上述说明书的本领域普通技术人员来说毫无疑问地变得明显,可以理解的是,通过示例所示出和描述的具体实施方式不以任何方式旨在考虑为限制性的。因此,优选实施方式的细节的参考并非旨在限制它们的范围。
Claims (25)
1.一种恒温器,包括:
壳体;
存储器;以及
处理系统,所述处理系统被设置在所述壳体中,所述处理系统与一个或多个温度传感器可操作地通信,以确定封闭空间内的周围温度,所述处理系统与所述存储器可操作地通信,以及所述处理系统与辐射供热系统可操作地通信,以借助辐射供热给所述封闭空间供热,使得所述周围温度接近于设定点温度,其中,所述辐射供热系统的控制部分地通过所述处理系统执行以下操作来执行:
确定参数化模型,根据所述参数化模型能够确定响应于候选辐射供热控制策略的所述封闭空间的所述周围温度的预测值,所述参数化模型基于在相关的历史周期期间由所述恒温器获得的所述封闭空间的历史周围温度,在所述历史周期中,辐射热控制被所述恒温器启动并且存储在所述存储器中;
选择一组候选控制策略用于控制所述辐射供热系统,其中,每一所述候选控制策略为在预定候选控制持续时间上具有候选整个开启时间百分比的二进制值控制轨迹,其中,每一所述候选控制策略被限制成具有实现所述候选整个开启时间百分比的最少数目的开启时间循环;
通过以下操作来执行预测算法以从所述一组候选控制策略中确定最优控制策略:
将每一候选控制策略应用到所述参数化模型以预测相应的周围温度轨迹;以及
鉴于一个或多个预定评估函数来处理每一所述相应的周围温度轨迹以根据一个或多个预定评估标准来选择所述候选控制策略中最优的一个;以及
根据所选择的最优控制策略来控制所述辐射供热系统。
2.如权利要求1所述的恒温器,其中,每一候选控制策略在所述预定候选控制持续时间上展示单个开启时间循环到关闭时间循环的过渡,或其中,在所述预定候选控制持续时间期间,所述辐射供热系统执行开启时间循环到关闭时间循环的过渡不超过两次。
3.如权利要求1所述的恒温器,其中,所述一个或多个预定评估函数包括成本函数,在所述成本函数中,成本随着各候选控制策略的周围温度轨迹偏离所述设定点温度而增大。
4.如权利要求1所述的恒温器,还包括确定时滞Lag值,所述Lag值至少部分地表示所述封闭空间的系统惯性的量。
5.如权利要求1所述的恒温器,其中,所述开启时间循环和关闭时间循环包括不小于10分钟的间隔。
6.如权利要求1所述的恒温器,其中,所述参数化模型包括预定响应轨迹,并且其中,通过寻找所述预定响应轨迹的加权系数来确定所述参数化模型。
7.如权利要求1所述的恒温器,其中,所述参数化模型还基于在相关的历史周期期间获得的历史太阳辐射和辐射供热响应数据的组合,并且其中,将每一候选控制策略应用到所述参数化模型包括利用太阳辐射函数和辐射供热响应函数来预测所述相应的周围温度轨迹。
8.如权利要求1所述的恒温器,其中,所述参数化模型还基于在相关的历史周期期间获得的历史外部温度数据,并且其中,将每一候选控制策略应用到所述参数化模型包括利用预报的温度数据来预测所述相应的周围温度轨迹。
9.如权利要求1所述的恒温器,其中,所述参数化模型还基于在相关的历史周期期间针对以下一个或多个数据类型获得的历史数据:季节性气候变化数据、湿度数据、降雨数据、积雪数据、或海拔数据;并且其中,将每一候选控制策略应用到所述参数化模型包括利用针对所述一个或多个数据类型的预报数据或以其他方式选择的数据来预测所述相应的周围温度轨迹。
10.如权利要求1所述的恒温器,还包括当所述周围温度在所述设定点温度的限定的维持带外部时,限制所述辐射供热系统的循环过渡。
11.如权利要求1所述的恒温器,还包括基于所述参数化模型对所述历史周围温度进行特征化的置信度增大来增大维持带的偏移值,所述偏移值限定了相对于所述设定点温度的上阀值温度和下阀值温度。
12.一种利用模型预测控制来控制恒温器的方法,包括:
提供恒温器,所述恒温器包括:
壳体;
存储器;以及
处理系统,所述处理系统被设置在所述壳体中,所述处理系统与一个或多个温度传感器可操作地通信,以确定封闭空间内的周围温度,所述处理系统与所述存储器可操作地通信,以及所述处理系统与辐射供热系统可操作地通信,以借助辐射供热给所述封闭空间供热,使得所述周围温度接近于设定点温度;
确定参数化模型,根据所述参数化模型能够确定响应于候选辐射供热控制策略的所述封闭空间的所述周围温度的预测值,所述参数化模型基于在相关的历史周期期间由所述恒温器获得的所述封闭空间的历史周围温度,在所述历史周期中,辐射热控制被所述恒温器启动并且存储在所述存储器中;
选择一组候选控制策略用于控制所述辐射供热系统,其中,每一所述候选控制策略为在预定候选控制持续时间上具有候选整个开启时间百分比的二进制值控制轨迹,其中,每一所述候选控制策略被限制成具有实现所述候选整个开启时间百分比的最少数目的开启时间循环;
通过以下操作来执行预测算法以从所述一组候选控制策略中确定最优控制策略:
将每一候选控制策略应用到所述参数化模型以预测相应的周围温度轨迹;以及
鉴于一个或多个预定评估函数来处理每一所述相应的周围温度轨迹以根据一个或多个预定评估标准来选择所述候选控制策略中最优的一个;以及
根据所选择的最优控制策略来控制所述辐射供热系统。
13.如权利要求12所述的方法,还包括确定相对于在利用所述模型预测控制之前的其他控制方法,所述模型预测控制是否提供了所述辐射供热系统的增强的控制。
14.如权利要求12所述的方法,其中,所述一个或多个预定评估函数包括成本函数,在所述成本函数中,成本随着各候选控制策略的周围温度轨迹偏离所述设定点温度而增大。
15.如权利要求12所述的方法,还包括确定时滞Lag值,所述Lag值至少部分地表示所述封闭空间的系统惯性的量。
16.如权利要求12所述的方法,其中,所述开启时间循环和关闭时间循环包括不小于10分钟的间隔。
17.如权利要求12所述的方法,其中,所述参数化模型包括预定响应轨迹,并且其中,所述方法还包括确定所述预定响应轨迹的加权系数。
18.如权利要求12所述的方法,其中,所述参数化模型还基于在相关的历史周期期间获得的历史太阳辐射和辐射供热响应数据的组合,并且其中,将每一候选控制策略应用到所述参数化模型包括利用太阳辐射函数和辐射供热响应函数来预测所述相应的周围温度轨迹。
19.如权利要求12所述的方法,其中,所述参数化模型还基于在相关的历史周期期间获得的历史外部温度数据,并且其中,将每一候选控制策略应用到所述参数化模型包括利用预报的温度数据来预测所述相应的周围温度轨迹。
20.如权利要求12所述的方法,还包括当所述周围温度在所述设定点温度的限定的维持带外部时,限制所述辐射供热系统的循环过渡。
21.如权利要求12所述的方法,还包括基于所述参数化模型对所述历史周围温度进行特征化的置信度来调整维持带的偏移值,所述偏移值限定了相对于所述设定点温度的上阀值温度和下阀值温度。
22.一种恒温器,包括:
壳体;
存储器;以及
处理系统,所述处理系统被设置在所述壳体中,所述处理系统与一个或多个温度传感器可操作地通信,以确定封闭空间内的周围温度,所述处理系统与所述存储器可操作地通信,以及所述处理系统与辐射供热系统可操作地通信,以借助辐射供热给所述封闭空间供热,使得所述周围温度接近于设定点温度,其中,所述辐射供热系统的控制部分地通过所述处理系统执行以下操作来执行:
确定参数化模型,根据所述参数化模型能够确定响应于候选辐射供热控制策略的所述封闭空间的所述周围温度的预测值,所述参数化模型基于在相关的历史周期期间由所述恒温器获得的所述封闭空间的历史周围温度,在所述历史周期中,辐射热控制被所述恒温器启动并且存储在所述存储器中,其中,所述参数化模型包括与其相关的置信度指标;
确定维持带用于所述辐射供热系统的操作,所述维持带具有偏移值,所述偏移值限定了相对于所述设定点温度的上阀值温度和下阀值温度,所述维持带用于控制所述辐射供热系统的开启循环过渡和关闭循环过渡,其中,如果所述置信度指标大,则所述偏移值较大,而如果所述置信度指标小,则所述偏移值较小;
通过将每一候选控制策略应用到所述参数化模型以预测相应的周围温度轨迹,来执行预测算法以从一组候选控制策略中确定最优控制策略;以及
利用所述维持带根据所确定的最优控制策略来控制所述辐射供热系统。
23.如权利要求22所述的方法,其中,每一所述候选控制策略为在预定候选控制持续时间上具有候选整个开启时间百分比的二进制值控制轨迹,并且其中,每一所述候选控制策略被限制成具有实现所述候选整个开启时间百分比的最少数目的开启时间循环。
24.如权利要求22所述的方法,其中,执行所述预测算法还包括:鉴于一个或多个预定评估函数来处理每一所述相应的周围温度轨迹以根据一个或多个预定评估标准来选择所述候选控制策略中最优的一个。
25.一种控制恒温器的方法,包括:
提供恒温器,所述恒温器包括:
壳体;
存储器;以及
处理系统,所述处理系统被设置在所述壳体中,所述处理系统与一个或多个温度传感器可操作地通信,以确定封闭空间内的周围温度,所述处理系统与所述存储器可操作地通信,以及所述处理系统与辐射供热系统可操作地通信,以借助辐射供热给所述封闭空间供热,使得所述周围温度接近于设定点温度;
确定参数化模型,根据所述参数化模型能够确定响应于候选辐射供热控制策略的所述封闭空间的所述周围温度的预测值,所述参数化模型基于在相关的历史周期期间由所述恒温器获得的所述封闭空间的历史周围温度,在所述历史周期中,辐射热控制被所述恒温器启动并且存储在所述存储器中,其中,所述参数化模型包括与其相关的置信度指标;
确定维持带用于所述辐射供热系统的操作,所述维持带具有偏移值,所述偏移值限定了相对于所述设定点温度的上阀值温度和下阀值温度,所述维持带用于控制所述辐射供热系统的开启循环过渡和关闭循环过渡;
基于所述置信度指标调整所述偏移值,使得如果所述置信度指标大,则所述偏移值较大,而如果所述置信度指标小,则所述偏移值较小;
通过将每一候选控制策略应用到所述参数化模型以预测相应的周围温度轨迹,来执行预测算法以从一组候选控制策略中确定最优控制策略;以及
利用所述维持带根据所确定的最优控制策略来控制所述辐射供热系统。
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
PCT/US2012/058211 WO2014055059A1 (en) | 2012-10-01 | 2012-10-01 | Radiant heating controls and methods for an environmental control system |
Publications (2)
Publication Number | Publication Date |
---|---|
CN104823119A true CN104823119A (zh) | 2015-08-05 |
CN104823119B CN104823119B (zh) | 2016-11-16 |
Family
ID=50435270
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201280077441.0A Active CN104823119B (zh) | 2012-10-01 | 2012-10-01 | 用于环境控制系统的辐射供热控制和方法 |
Country Status (4)
Country | Link |
---|---|
EP (2) | EP2904462B1 (zh) |
CN (1) | CN104823119B (zh) |
CA (1) | CA2885868C (zh) |
WO (1) | WO2014055059A1 (zh) |
Cited By (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108563249A (zh) * | 2018-07-25 | 2018-09-21 | 浙江工商大学 | 一种基于uwb定位的自动追踪加热系统及方法 |
CN108845595A (zh) * | 2018-06-16 | 2018-11-20 | 吉成无线(深圳)有限公司 | 一种带网关功能的分体式温控装置及其方法 |
CN109100936A (zh) * | 2018-07-28 | 2018-12-28 | 南京工程学院 | 一种辐射与送风复合式供冷系统的模型预测控制方法和装置 |
CN110906510A (zh) * | 2019-12-13 | 2020-03-24 | 长安大学 | 一种内嵌管式围护结构供冷最优间歇调控方案的确定方法 |
CN111142598A (zh) * | 2019-12-30 | 2020-05-12 | 广州享药户联优选科技有限公司 | 一种智能药箱的内部环境控制方法及装置 |
CN111971628A (zh) * | 2018-01-30 | 2020-11-20 | 罗伯特·博世有限公司 | 求得被测变量的时间曲线的方法、预测系统、致动器控制系统、训练致动器控制系统的方法、训练系统、计算机程序和机器可读的存储介质 |
CN113742931A (zh) * | 2021-09-13 | 2021-12-03 | 中国电子信息产业集团有限公司第六研究所 | 一种区块链边缘安全检测方法、系统、电子设备 |
Families Citing this family (28)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US8600561B1 (en) | 2012-09-30 | 2013-12-03 | Nest Labs, Inc. | Radiant heating controls and methods for an environmental control system |
US10094586B2 (en) * | 2015-04-20 | 2018-10-09 | Green Power Labs Inc. | Predictive building control system and method for optimizing energy use and thermal comfort for a building or network of buildings |
US9890971B2 (en) | 2015-05-04 | 2018-02-13 | Johnson Controls Technology Company | User control device with hinged mounting plate |
US11216020B2 (en) | 2015-05-04 | 2022-01-04 | Johnson Controls Tyco IP Holdings LLP | Mountable touch thermostat using transparent screen technology |
US10677484B2 (en) | 2015-05-04 | 2020-06-09 | Johnson Controls Technology Company | User control device and multi-function home control system |
JP6289749B2 (ja) | 2015-05-18 | 2018-03-07 | 三菱電機株式会社 | 室内環境モデル作成装置 |
US20170074536A1 (en) | 2015-09-11 | 2017-03-16 | Johnson Controls Technology Company | Thermostat with near field communication features |
US10760809B2 (en) | 2015-09-11 | 2020-09-01 | Johnson Controls Technology Company | Thermostat with mode settings for multiple zones |
US10310477B2 (en) | 2015-10-28 | 2019-06-04 | Johnson Controls Technology Company | Multi-function thermostat with occupant tracking features |
US10655881B2 (en) | 2015-10-28 | 2020-05-19 | Johnson Controls Technology Company | Thermostat with halo light system and emergency directions |
US11277893B2 (en) | 2015-10-28 | 2022-03-15 | Johnson Controls Technology Company | Thermostat with area light system and occupancy sensor |
US10546472B2 (en) | 2015-10-28 | 2020-01-28 | Johnson Controls Technology Company | Thermostat with direction handoff features |
US10318266B2 (en) | 2015-11-25 | 2019-06-11 | Johnson Controls Technology Company | Modular multi-function thermostat |
FR3048490B1 (fr) | 2016-03-02 | 2020-12-18 | Electricite De France | Systeme de controle d'une puissance de chauffe d'un appareil de chauffage par effet joule, notamment d'un convecteur electrique |
US10941951B2 (en) | 2016-07-27 | 2021-03-09 | Johnson Controls Technology Company | Systems and methods for temperature and humidity control |
US10458669B2 (en) | 2017-03-29 | 2019-10-29 | Johnson Controls Technology Company | Thermostat with interactive installation features |
US10712038B2 (en) | 2017-04-14 | 2020-07-14 | Johnson Controls Technology Company | Multi-function thermostat with air quality display |
US11162698B2 (en) | 2017-04-14 | 2021-11-02 | Johnson Controls Tyco IP Holdings LLP | Thermostat with exhaust fan control for air quality and humidity control |
US11274849B2 (en) | 2017-04-28 | 2022-03-15 | Johnson Controls Tyco IP Holdings LLP | Smart thermostat with model predictive control and demand response integration |
US10146237B2 (en) | 2017-04-28 | 2018-12-04 | Johnson Controls Technology Company | Smart thermostat with model predictive control |
WO2019119137A1 (en) * | 2017-12-22 | 2019-06-27 | Mcmaster University | Plate-fin heat exchanger suitable for rack-mountable cooling unit |
US11131474B2 (en) | 2018-03-09 | 2021-09-28 | Johnson Controls Tyco IP Holdings LLP | Thermostat with user interface features |
CN109324586A (zh) * | 2018-11-28 | 2019-02-12 | 北京国电龙源环保工程有限公司 | 针对快速变化系统的预测控制系统及其控制方法 |
FR3090829B1 (fr) * | 2018-12-21 | 2022-07-22 | Commissariat Energie Atomique | Procédé de détermination d’une consigne minimale préférentielle de puissance, Procédé de pilotage d’une pluralité de chauffe-eaux et dispositif associé |
US11107390B2 (en) | 2018-12-21 | 2021-08-31 | Johnson Controls Technology Company | Display device with halo |
CN112824999B (zh) * | 2019-11-20 | 2022-04-22 | Oppo广东移动通信有限公司 | 温度控制方法及相关产品 |
CN115877890B (zh) * | 2023-02-15 | 2023-05-12 | 广州志橙半导体有限公司 | 一种cvd设备的温度控制方法及系统 |
CN116182428B (zh) * | 2023-04-25 | 2023-08-08 | 广东力王科技股份有限公司 | 一种用于太阳能热泵的优化控制方法及系统 |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US4408711A (en) * | 1980-11-14 | 1983-10-11 | Levine Michael R | Thermostat with adaptive operating cycle |
US4615380A (en) * | 1985-06-17 | 1986-10-07 | Honeywell Inc. | Adaptive clock thermostat means for controlling over and undershoot |
JPS61294504A (ja) * | 1985-06-19 | 1986-12-25 | ハネイウェル インコ−ポレ−テッド | 時計サ−モスタツト装置 |
US4751961A (en) * | 1986-02-18 | 1988-06-21 | Honeywell Inc. | Electronic programmable thermostat |
CN1145113A (zh) * | 1994-02-17 | 1997-03-12 | 斯马特系统国际公司 | 用于气候自动控制的器件和方法 |
CN101111721A (zh) * | 2005-02-02 | 2008-01-23 | 松下电工株式会社 | 环境控制系统 |
Family Cites Families (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US852484A (en) | 1903-08-07 | 1907-05-07 | Circuit Protecting Relay Company | Telegraphic safety device. |
US9020647B2 (en) | 2009-03-27 | 2015-04-28 | Siemens Industry, Inc. | System and method for climate control set-point optimization based on individual comfort |
US8918219B2 (en) | 2010-11-19 | 2014-12-23 | Google Inc. | User friendly interface for control unit |
US9104211B2 (en) | 2010-11-19 | 2015-08-11 | Google Inc. | Temperature controller with model-based time to target calculation and display |
JP6062864B2 (ja) * | 2010-12-31 | 2017-01-18 | グーグル インコーポレイテッド | インテリジェントなサーモスタットおよびインテリジェントなサーモスタット制御型hvacシステム |
-
2012
- 2012-10-01 CA CA2885868A patent/CA2885868C/en active Active
- 2012-10-01 CN CN201280077441.0A patent/CN104823119B/zh active Active
- 2012-10-01 EP EP12885946.9A patent/EP2904462B1/en active Active
- 2012-10-01 WO PCT/US2012/058211 patent/WO2014055059A1/en active Application Filing
- 2012-10-01 EP EP19163985.5A patent/EP3528083B1/en active Active
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US4408711A (en) * | 1980-11-14 | 1983-10-11 | Levine Michael R | Thermostat with adaptive operating cycle |
US4615380A (en) * | 1985-06-17 | 1986-10-07 | Honeywell Inc. | Adaptive clock thermostat means for controlling over and undershoot |
JPS61294504A (ja) * | 1985-06-19 | 1986-12-25 | ハネイウェル インコ−ポレ−テッド | 時計サ−モスタツト装置 |
US4751961A (en) * | 1986-02-18 | 1988-06-21 | Honeywell Inc. | Electronic programmable thermostat |
CN1145113A (zh) * | 1994-02-17 | 1997-03-12 | 斯马特系统国际公司 | 用于气候自动控制的器件和方法 |
CN101111721A (zh) * | 2005-02-02 | 2008-01-23 | 松下电工株式会社 | 环境控制系统 |
Cited By (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111971628A (zh) * | 2018-01-30 | 2020-11-20 | 罗伯特·博世有限公司 | 求得被测变量的时间曲线的方法、预测系统、致动器控制系统、训练致动器控制系统的方法、训练系统、计算机程序和机器可读的存储介质 |
CN108845595A (zh) * | 2018-06-16 | 2018-11-20 | 吉成无线(深圳)有限公司 | 一种带网关功能的分体式温控装置及其方法 |
CN108563249A (zh) * | 2018-07-25 | 2018-09-21 | 浙江工商大学 | 一种基于uwb定位的自动追踪加热系统及方法 |
CN108563249B (zh) * | 2018-07-25 | 2021-11-26 | 浙江工商大学 | 一种基于uwb定位的自动追踪加热系统及方法 |
CN109100936A (zh) * | 2018-07-28 | 2018-12-28 | 南京工程学院 | 一种辐射与送风复合式供冷系统的模型预测控制方法和装置 |
CN110906510A (zh) * | 2019-12-13 | 2020-03-24 | 长安大学 | 一种内嵌管式围护结构供冷最优间歇调控方案的确定方法 |
CN111142598A (zh) * | 2019-12-30 | 2020-05-12 | 广州享药户联优选科技有限公司 | 一种智能药箱的内部环境控制方法及装置 |
CN113742931A (zh) * | 2021-09-13 | 2021-12-03 | 中国电子信息产业集团有限公司第六研究所 | 一种区块链边缘安全检测方法、系统、电子设备 |
CN113742931B (zh) * | 2021-09-13 | 2024-01-26 | 中国电子信息产业集团有限公司第六研究所 | 一种区块链边缘安全检测方法、系统、电子设备 |
Also Published As
Publication number | Publication date |
---|---|
CN104823119B (zh) | 2016-11-16 |
EP2904462A1 (en) | 2015-08-12 |
CA2885868C (en) | 2023-04-04 |
EP2904462B1 (en) | 2019-05-08 |
EP3528083B1 (en) | 2021-01-27 |
WO2014055059A1 (en) | 2014-04-10 |
EP2904462A4 (en) | 2016-06-15 |
EP3528083A1 (en) | 2019-08-21 |
CA2885868A1 (en) | 2014-04-10 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN104823119B (zh) | 用于环境控制系统的辐射供热控制和方法 | |
US8600561B1 (en) | Radiant heating controls and methods for an environmental control system | |
US10884385B2 (en) | Realization of energy savings potential through feedback | |
Korkas et al. | Grid-connected microgrids: Demand management via distributed control and human-in-the-loop optimization | |
US9470430B2 (en) | Preconditioning controls and methods for an environmental control system | |
JP5518216B2 (ja) | クラウドコンピューティングに基づくエネルギー管理制御システム及び方法 | |
US7489988B2 (en) | Generator control system, generating apparatus control method, program and record medium | |
CA2885867C (en) | Preconditioning controls and methods for an environmental control system | |
CN106288191B (zh) | 处理并报告用于网络连接恒温器控制的hvac系统的使用信息 | |
CN105247290A (zh) | 用于资源节约的hvac排程的自动化调整 | |
WO2014153552A1 (en) | Building power management systems | |
CN101782258A (zh) | 空调节能方法 | |
US20190310667A1 (en) | System for providing thermostat configuration guidance | |
US20230315135A1 (en) | Smart energy scheduling of hvac system during on-peak hours | |
CN103189810B (zh) | 利用习惯导向控制的电气系统的能源节省方法 | |
KR102458327B1 (ko) | 대상 구역의 온도 변화량 예측 장치 및 방법 | |
KR102315429B1 (ko) | 소셜 네트워크를 이용한 공동 주거지 에너지 관리 장치 및 방법 | |
JP7332865B2 (ja) | 情報処理方法、情報処理装置、及びプログラム | |
Agheb et al. | Model predictive control of integrated room automation considering occupants preference | |
Penkala | Occupant behaviour vs energy consumption in a residential building |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
EXSB | Decision made by sipo to initiate substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
C14 | Grant of patent or utility model | ||
GR01 | Patent grant | ||
CP01 | Change in the name or title of a patent holder |
Address after: American California Patentee after: Google limited liability company Address before: American California Patentee before: Google Inc. |
|
CP01 | Change in the name or title of a patent holder |