CN104919477A - 房间的热特性估计装置、程序 - Google Patents
房间的热特性估计装置、程序 Download PDFInfo
- Publication number
- CN104919477A CN104919477A CN201480004438.5A CN201480004438A CN104919477A CN 104919477 A CN104919477 A CN 104919477A CN 201480004438 A CN201480004438 A CN 201480004438A CN 104919477 A CN104919477 A CN 104919477A
- Authority
- CN
- China
- Prior art keywords
- room temperature
- outside air
- air temperature
- time
- temperature data
- 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
- G01—MEASURING; TESTING
- G01K—MEASURING TEMPERATURE; MEASURING QUANTITY OF HEAT; THERMALLY-SENSITIVE ELEMENTS NOT OTHERWISE PROVIDED FOR
- G01K7/00—Measuring temperature based on the use of electric or magnetic elements directly sensitive to heat ; Power supply therefor, e.g. using thermoelectric elements
- G01K7/42—Circuits effecting compensation of thermal inertia; Circuits for predicting the stationary value of a temperature
- G01K7/427—Temperature calculation based on spatial modeling, e.g. spatial inter- or extrapolation
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01K—MEASURING TEMPERATURE; MEASURING QUANTITY OF HEAT; THERMALLY-SENSITIVE ELEMENTS NOT OTHERWISE PROVIDED FOR
- G01K17/00—Measuring quantity of heat
- G01K17/06—Measuring quantity of heat conveyed by flowing media, e.g. in heating systems e.g. the quantity of heat in a transporting medium, delivered to or consumed in an expenditure device
- G01K17/08—Measuring quantity of heat conveyed by flowing media, e.g. in heating systems e.g. the quantity of heat in a transporting medium, delivered to or consumed in an expenditure device based upon measurement of temperature difference or of a temperature
- G01K17/20—Measuring quantity of heat conveyed by flowing media, e.g. in heating systems e.g. the quantity of heat in a transporting medium, delivered to or consumed in an expenditure device based upon measurement of temperature difference or of a temperature across a radiating surface, combined with ascertainment of the heat transmission coefficient
Landscapes
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Chemical & Material Sciences (AREA)
- Engineering & Computer Science (AREA)
- Combustion & Propulsion (AREA)
- Air Conditioning Control Device (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
热特性估计装置(10)配备有存储部(13)、评价部(15)、预测公式生成部(16)和室温估计部(18)。评价部(15)基于存储部(13)中所存储的预定提取时间段内的室温数据和外部气温数据,通过使测量室温的日期和时间与测量外部气温数据的日期和时间发生相对偏移,来确定使得室温数据和外部气温数据之间的相关系数变为最大的时间差。预测公式生成部(16)生成表示其中之一设置有时间差的室温数据和外部气温数据之间的关系的预测公式。室温估计部(18)通过将相比所关注的日期和时间提早了评价部(15)所确定出的时间差的日期和时间的外部气温应用于预测公式,来估计室温。
Description
技术领域
本发明涉及被配置为估计房间的热特性的房间的热特性估计装置、以及使计算机用作该房间的热特性估计装置的程序。
背景技术
传统上,已知有用于基于与室温的时间变化和所预测的外部气温有关的信息来在预定时刻将室温调整为期望温度的技术(例如,参见日本特许专利公开平6-42765,以下称为“文献1”)。此外,关于车辆内的温度,还已知有如下技术,其中该技术用于基于所估计的日照量的变化、所测量到的外部气温和所测量到的车内空间温度来预测车内空间的温度的变化,并且在预测到车内空间温度达到预定阈值的情况下发出警告(例如,参见日本特许专利公开2005-343386,以下称为“文献2”)。
文献1公开了用于测量室温作为环境信息并且基于所测量到的室温的历史来预测室温的时间变化的技术。文献1还公开了用于基于所预测的室温和外部气温的时间变化、房间制热所需的热量(以下称为“制热负荷能量”)和制热装置的制热能力来确定制热装置的操作开始时刻和制热开始时刻的技术。具体地,在文献1中,确定室温和外部气温的预测值,并且基于这些预测值来计算用于将室温调整为期望温度的制热负荷能量。
在文献1所述的结构中,预测室温以计算制热负荷能量。然而,在文献1中,基于室温的历史数据来预测室温。文献1并未公开用于使用室温所依赖的其它因素来预测室温的技术。
文献2公开了如下技术,其中该技术用于测量室温和外部气温作为环境信息,并且基于所测量到的室温和所测量到的外部气温以及所预测的日照量来估计车内空间温度。
文献2所述的结构涉及预测车内空间温度。应当注意,车内空间温度在外部气温改变的情况下在短时间内跟随外部气温。因此,相对容易基于外部气温和日照量来预测车内空间温度。另一方面,建筑物房间内的温度依赖于房间的诸如绝热性能等的热特性,并且在外部气温改变的情况下没有立即改变。因此,基于文献2所述的技术,难以根据外部气温来预测建筑物房间内的室温。
还已知有用于基于诸如外部气温、建筑物的绝热性能、日照、换气、降雨和人的有无等的各种因素、通过使用计算机模拟来预测建筑物的室温的技术。然而,这种计算机模拟需要大量信息,并且还可能需要专用测量以获得正确值。因此,该技术不便于进行室温的预测。
发明内容
本发明的目的是提供用于在无需复杂的计算机模拟的情况下基于所测量到的环境信息来估计反映房间的热特性的室温的房间的热特性估计装置,并且提供使计算机用作该房间的热特性估计装置的程序。
根据本发明的一种房间的热特性估计装置,包括:室温获得部,其被配置为获得室温数据;外部气温获得部,其被配置为获得外部气温数据;存储部,其被配置为将所述室温获得部所获得的室温数据和所述外部气温获得部所获得的外部气温数据以分别与所测量到的日期和时间相关联的方式进行存储;评价部,其被配置为基于所述存储部中所存储的预定提取时间段内的室温数据和外部气温数据,通过使测量室温数据的日期和时间以及测量外部气温数据的日期和时间其中之一发生相对偏移,来确定使得室温数据和外部气温数据之间的相关系数变为最大的时间差;预测公式生成部,其被配置为进行以下操作:将所述评价部所确定出的所述时间差提供至所述存储部中所存储的所述提取时间段内的室温数据和外部气温数据其中之一,以及生成表示向其中之一提供了所述时间差的室温数据和外部气温数据之间的关系的预测公式;预测时间变化获得部,其被配置为获得外部气温的预测时间变化;以及室温估计部,其被配置为通过进行以下操作来估计所关注的日期和时间的室温:根据所述预测时间变化获得部所获得的外部气温的时间变化来确定相比所关注的日期和时间提早了所述时间差的日期和时间的外部气温,以及将所确定出的外部气温应用于所述预测公式生成部所生成的所述预测公式。
在该房间的热特性估计装置中,优选地,所述提取时间段是对一年进行多分割所得到的各分割时间段所确定的,所述预测公式生成部被配置为针对各所述分割时间段生成所述预测公式,以及所述室温估计部被配置为进行以下操作:从针对各所述分割时间段所生成的多个所述预测公式中选择针对所关注的日期和时间所属的分割时间段所生成的所述预测公式,以及基于所选择的所述预测公式来估计室温。
在该房间的热特性估计装置中,优选地,所述提取时间段为一天或多天。
在该房间的热特性估计装置中,优选地,该房间的热特性估计装置还包括校正信息获得部,所述校正信息获得部被配置为获得外部气温以外的影响室温的与从多个状态中所选择的一个状态相对应的校正信息,其中,所述预测公式生成部被配置为根据所述校正信息获得部所获得的所述校正信息的状态来校正所述预测公式,由此生成校正预测公式,以及所述室温估计部被配置为基于所述校正预测公式来估计室温。
在该房间的热特性估计装置中,优选地,所述室温获得部被配置为从用于测量房间的室温的室温测量部获得室温数据,所述预测公式生成部被配置为针对各预定时间段更新所述预测公式,以及所述房间的热特性估计装置还包括判定部,所述判定部被配置为采用更新后的预测公式中所包含的系数作为评价值,来判定利用所述室温测量部测量了室温的房间的绝热性能的劣化程度。
根据本发明的其它的房间的热特性估计装置,包括:室温获得部,其被配置为获得室温数据;外部气温获得部,其被配置为获得外部气温数据;存储部,其被配置为将所述室温获得部所获得的室温数据和所述外部气温获得部所获得的外部气温数据以分别与所测量到的日期和时间相关联的方式进行存储;评价部,其被配置为基于所述存储部中所存储的预定提取时间段内的室温数据和外部气温数据,通过使测量室温数据的日期和时间以及测量外部气温数据的日期和时间其中之一发生相对偏移,来确定使得室温数据和外部气温数据之间的相关系数变为最大的时间差;第一预测公式生成部,其被配置为进行以下操作:将所述评价部所确定出的所述时间差提供至与所述存储部中所存储的所述提取时间段内的室温数据和外部气温数据其中之一相对应的日期和时间,以及生成表示向其中之一提供了所述时间差的室温数据和外部气温数据之间的关系的预测公式;第二预测公式生成部,其被配置为基于所述存储部中所存储的与预定提取时间段中的多天各自的各时刻相对应的室温数据和外部气温数据,来生成各自表示针对各时刻的室温数据和外部气温数据之间的关系的多个递归预测公式作为预测公式;预测时间变化获得部,其被配置为获得外部气温的预测时间变化;以及室温估计部,其被配置为进行以下操作:在室温受到日照影响的时间带中,通过根据所述预测时间变化获得部所获得的外部气温的时间变化确定相比所关注的时刻提早了所述时间差的时刻的外部气温并将所确定出的外部气温应用于所述第一预测公式生成部所生成的所述预测公式,来估计所关注的时刻的室温,以及在室温不受日照影响的时间带中,通过将基于所述预测时间变化获得部所获得的外部气温的时间变化而获得的所关注的时刻的外部气温应用于所述第二预测公式生成部所生成的与所关注的时刻相对应的所述预测公式,来估计室温。
在该房间热特性估计装置中,优选地,该房间热特性估计装置还包括通知输出部,所述通知输出部被配置为将所述室温估计部所估计出的室温输出至通知器。
在该房间热特性估计装置中,优选地,所述外部气温获得部被配置为获得经由电气通信线路所提供的外部气温数据。
根据本发明的一种程序,用于使计算机用作根据上述的任何的房间的热特性估计装置。
利用本发明的结构,可以在无需复杂的计算机模拟的情况下,基于能够容易测量的信息来估计反映房间热特性的室温。
附图说明
图1是示出实施例1的框图。
图2A和图2B是用于说明实施例1的原理的图。
图3是用于说明实施例1的原理的图。
图4是示出实施例1的变形例的结构的框图。
图5是示出实施例2的框图。
图6是示出实施例2所使用的预测公式的示例的图。
具体实施方式
以下将说明用于使用所预测的外部气温的时间变化来估计没有进行制冷和制热的房间的温度的技术以及用于评价房间的绝热性能的技术。用于评价绝热性能的技术包括用于计算绝热性能的评价值的技术。在没有进行制冷和制热的状态下,室温所依赖的因素包括外部气温、房间的绝热性能、日照(日照的有无和日照量)、换气(换气的有无和日照量)、降雨(降雨的有无和日照量)、以及房间内的人数等。
房间的绝热性能是住宅特有的特性,并且可以基于住宅的建筑材料和住宅的施工方法等来粗略地估计房间的绝热性能。然而,不容易定量地确定房间的绝热性能。此外,尽管可以对房间内的人数进行计数,但由于对室温上升的影响程度在各人之间根据这些人的新陈代谢率和穿衣量等而有所不同,因此难以从理论上确定室温和房间内的人数之间的关系。此外,还可以监测日照、换气和降雨,但不容易从理论上确定这些因素对室温的影响。
也就是说,可以测量室温所依赖的因素,但不容易创建使这些因素与室温联系在一起的适当模型。因此,不容易通过计算机模拟来根据这些因素的测量值获得室温。此外,可以以实际所需的精度估计室温的计算机模拟需要输入大量信息以及校正处理。因此,针对各房间估计室温需要专业人士的大量工作。
以下说明可以在无需复杂的基于模型的计算机模拟的情况下基于能够容易测量的信息以适合的精度来估计室温的房间的热特性估计装置。
实施例1
在本实施例中,首先说明仅基于外部气温来估计室温的技术,然后说明考虑到日照、换气、降雨和房间内的人数来估计室温的技术。认为室温和外部气温之间的关系依赖于房间的热特性(诸如绝热性和蓄热性等)。
在假定室温仅依赖于外部气温的情况下,可以创建如下模型:热经由房间的诸如墙壁、天花板和地板等的分隔壁进行传递,并且室温根据外部气温的变化而改变。在该模型中,外部气温对室温的影响将根据分隔壁的热传导的程度和分隔壁的蓄热的程度而改变。在本实施例中,将房间内的空气的温度视为室温,并且不考虑来自分隔壁的辐射热。
根据上述模型,室温将迟于外部气温的变化而改变。本发明人检查了实验结果,并且发现了以下情况:在外部气温的变化和室温的变化之间存在特殊关系;室温的变化相比外部气温的变化迟了延迟时间;并且该延迟时间依赖于分隔壁的热特性(诸如绝热性和蓄热性等)。此外,本发明人发现了以下:通过确定延迟时间,可以通过简单的预测公式来表示所关注的时刻的室温和相对于该所关注的时刻偏移了延迟时间的时刻的外部气温之间的关系,并且可以基于该预测公式、根据外部气温来估计期望时刻的室温。
以下说明用于根据外部气温来估计室温的热特性估计装置10。如上所述,需要生成用于估计室温的预测公式,并且该预测公式根据房间的热特性而不同。因此,本实施例的热特性估计装置10包括被配置为生成预测公式的结构和被配置为基于该预测公式来根据外部气温估计室温的结构。
热特性估计装置10包括包含被配置为执行程序以实现以下所述的功能的处理器的装置和接口所用的装置作为主要硬件组件。包含处理器的装置可以是具有内置存储器的微计算机或安装有外部存储器的处理器等。此外,执行程序以实现以下所述的功能的计算机可以用作热特性估计装置10。这些程序可以经由计算机可读存储介质来提供、或者经由电气通信线路通过通信来提供。
首先说明热特性估计装置10中的被配置为生成预测公式的结构。为了生成预测公式,需要在使室温和外部气温分别与日期和时间相关联的情况下测量这两者。因此,如图1所示,热特性估计装置10包括:室温获得部11,其被配置为从室温测量部21获得室温数据(测量值);以及外部气温获得部12,其被配置为从外部气温测量部22获得外部气温数据(测量值)。热特性估计装置10还包括存储部13、计时部14、评价部15和预测公式生成部16。存储部13被配置为将室温数据(测量值)和外部气温数据(测量值)以分别与所测量到的日期和时间相关联的方式进行存储。计时部14被配置为测量当前日期和时间。评价部15被配置为计算以下两个数据之间的相关系数:室温的时间系列数据;以及相对于室温的时间系列数据的日期和时间偏移了延迟时间的日期和时间的外部气温的时间系列数据。评价部15被配置为确定与最大相关系数相对应的延迟时间(最佳时间差)。预测公式生成部16被配置为基于评价部15所确定的最佳时间差来生成表示室温和外部气温之间的关系的预测公式。
室温测量部21安装在建筑物的房间的内部,并且被配置为测量安装有室温测量部21的场所的温度(即,测量室温)。外部气温测量部22安装在建筑物的外部,并且被配置为测量安装有外部气温测量部22的场所的温度(即,测量外部气温)。
室温测量部21和外部气温测量部22各自包括诸如热敏电阻等的被配置为生成反映环境温度的模拟输出的温度传感器以及被配置为放大该温度传感器的输出的传感器放大器。室温测量部21和外部气温测量部22各自还包括被配置为将传感器放大器的输出转换成数字数据的转换部以及被配置为将该转换部的数字数据发送至热特性估计装置10的通信部。
室温测量部21和外部气温测量部22各自可以不包括通信部或者可以不包括转换部和通信部。然而,考虑到将测量值正确地发送至热特性估计装置10,期望地,室温测量部21和外部气温测量部22各自均包括转换部和通信部。在没有设置转换部的情况下,室温测量部21和/或外部气温测量部22将模拟数据提供至热特性估计装置10。
期望地,室温测量部21或外部气温测量部22与热特性估计装置10之间的通信经由利用无线电波作为传输介质的无线通信信道或者经由有线通信信道来进行。室温测量部21可以与热特性估计装置10共用壳体。在室温测量部21与热特性估计装置10共用壳体的结构中,室温测量部21不必包括通信部。
将室温获得部11所获得的室温数据(测量值)和外部气温获得部12所获得的外部气温数据(测量值)以分别与所测量到的日期和时间相关联的方式存储在存储部13中。也就是说,存储部13被配置为存储(室温,日期和时间)和(外部气温,日期和时间)这两种两个信息的组、或者存储(室温,外部气温,日期和时间)的三个信息的组。后者情况在数据量方面较小,并且可以节省存储部13的容量。优选地,室温获得部11和外部气温获得部12各自被配置为按固定的时间间隔获得数据。
要存储在存储部13中的日期和时间是利用热特性估计装置10中所设置的计时部14进行计时得到的。在室温获得部11和外部气温获得部12中分别预设要获得室温数据和外部气温数据的日期和时间。室温获得部11和外部气温获得部12被配置为基于计时部14进行计时得到的当前日期和时间来分别在预设的各个日期和时间获得室温数据和外部气温数据。在该结构中,期望存储部13被配置为存储三个信息的组(室温,外部气温,日期和时间)。
例如,室温获得部11和外部气温获得部12各自被配置为针对每小时获得数据。例如,室温获得部11和外部气温获得部12各自被配置为在各小时处获得数据。室温获得部11和外部气温获得部12不必被配置为针对每小时获得数据,而是可以针对每10分钟、每15分钟、每30分钟或每两个小时等(可以根据需要选择这些时间间隔其中之一)获得数据。时间间隔越短,所获得的信息量越大,这将提高预测公式的估计精度。然而,这导致要存储在存储部13中的数据量增大。因此,优选将用于获得数据的时间间隔设置为约1小时的时间段并且设置在1小时的若干分之一~若干小时的范围内。
室温测量部21和外部气温测量部22各自可以包括被配置为测量当前日期和时间的专用计时部。在该结构中,室温测量部21和外部气温测量部22被配置为分别基于各自自身的计时部进行计时得到的日期和时间来获得室温数据和外部气温数据,并且将所获得的数据发送至热特性估计装置10。换句话说,室温测量部21和外部气温测量部22被配置为分别将各自的室温数据和外部气温数据以与各自自身的计时部进行计时得到的日期和时间相关联的方式发送至热特性估计装置10。
在该结构中,期望存储部13被配置为存储(室温,日期和时间)和(外部气温,日期和时间)这两种两个信息的组。注意,室温测量部21和外部气温测量部22各自不限于被配置为在测量到室温或外部气温时发送室温数据或外部气温数据,还可被配置为发送半天或一天的数据的集合。
期望在获得室温数据的日期和时间与获得外部气温数据的日期和时间之间存在差的情况下,如果该差为数据获得间隔的一半以下(例如,数据获得间隔的1/10以下),则这些数据被视为是在同一日期和时间所获得的并且与该同一日期和时间相关联。
图2A示出各自均是在同一日期和时间所测量到的室温和外部气温之间的关系的点的示例。关于图2A中的各数据点,该数据点的横轴成分和纵轴成分分别表示在同一日期和时间所测量到的外部气温的值和室温的值。在图2A中,标绘出与一天的不同时刻相对应的多个点。看一眼该图,似乎在室温和外部气温之间不存在关系。作为对比,如上所述,本实施例是基于在设置了依赖于房间的热特性的延迟时间的情况下在室温的时间变化和外部气温的时间变化之间存在相关性这一假设来实现的。
因此,热特性估计装置10包括评价部15,其中该评价部15被配置为基于存储部13中所存储的室温数据(测量值)、外部气温数据(测量值)以及关联的日期和时间来确定使得室温和外部气温之间的相关系数变为最大的延迟时间。评价部15被配置为基于所关注的特定时期(以下称为“提取时间段”)中的室温数据和外部气温数据,通过使测量室温数据的日期和时间以及测量外部气温数据的日期和时间其中之一相对偏移,来确定使得室温数据和外部气温数据之间的相关系数变为最大的延迟时间(以下称为“最佳时间差”)。该提取时间段不限于一天,而且可以是多天。在以下所述的示例中,以测量室温的日期和时间为基准,测量外部气温的日期和时间发生偏移。然而,以下的相反情况也是可以的:以测量外部气温的日期和时间为基准,测量室温的日期和时间发生偏移。
在该示例中,利用“θ1(t)”和“θ2(t)”来分别表示与特定日期和时间“t”相对应的室温数据和外部气温数据。利用“p”来表示室温数据“θ1(t)”和外部气温数据“θ2(t)”的数据获得间隔。利用公式“t=t0+n*p”来表示特定日期和时间“t”,并且利用公式“Δt=m*p”来表示特定时间差“Δt”,其中“t0”是根据“提取时间段”所确定的基准值,并且“m”和“n”各自是自然数。
根据上述标记法,利用“θ1(t0+p)”、“θ1(t0+2p)”、“θ1(t0+3p)”、…来表示室温数据,并且利用“θ2(t0+p)”、“θ2(t0+2p)”、“θ2(t0+3p)”、…来表示外部气温数据。利用公式“θ2(t0+n*p-Δt)=θ2(t0+(n-m)p)”来表示相比“θ1(t0+n*p)”所表示的室温数据的日期和时间提早了时间差“Δt”的日期和时间的外部气温数据。
以下考虑被定义为“[t0+p,t0+q*p]”的特定提取时间段的时间段。在这种情况下,计算出该提取时间段的时间段内的室温数据θ1(t)的平均值“a(θ1)”作为室温数据{θ1(t0+p)、θ1(t0+2p)、…、θ1(t0+q*p)}的平均值。计算出相比“提取时间段”提早了“时间差Δt”的时间段内的外部气温数据θ2(t)的平均值“a(θ2)”作为外部气温数据{θ2(t0+(1-m)p)、θ2(t0+(2-m)p)、…、θ2(t0+(q-m)p)}的平均值。其中,[t0+p,t0+q*p]表示特定闭区间,并且包括{t0+p,t0+2p,t0+3p,…,t0+q*p}的q个离散值。
评价部15被配置为基于这些值来计算与特定日期和时间“t”相对应的室温数据θ1(t)和与相比这些特定日期和时间提早了时间差Δt(=m*p)的日期和时间“t-Δt”相对应的外部气温数据θ2(t-Δt)之间的相关系数。该相关系数可以是利用已知的计算方法所计算出的,并且是通过将数据θ1(t)和数据θ2(t-Δt)的协方差除以数据θ1(t)的标准偏差和数据θ2(t-Δt)的标准偏差的乘积来获得的。使用上述的平均值“a(θ1)”和“a(θ2)”来计算该协方差和这些标准偏差。表示室温数据θ1(t)和外部气温数据θ2(t-Δt)的日期和时间的变量“t”的范围在提取时间段的时间段(即,闭区间[t0+p,t0+q*p])内。
评价部15被配置为在改变数值“m”的值以改变时间差Δt的情况下,针对数值“m”的各值计算相关系数。在本实施例中,对数值“m”的最大值进行限制,以使得数值“m”和时间间隔“p”的乘积“m*p”没有超过一天的长度。例如,在时间间隔“p”与一小时相对应的情况下,将数值“m”的最大值限制成不会超过“24”。评价部15被配置为确定与最大相关系数相对应的数值“m”的值“mm”。评价部15通过公式“ΔtA=mm*p”来确定最佳时间差“ΔtA”。
简言之,关于图2A中的各数据点,该数据点的横轴成分和纵轴成分表示在同一日期和时间分别测量到的外部气温的值和室温的值。各数据点与包含室温、外部气温以及获得日期和时间(测量日期和时间)的数据元素相对应,其中这些数据元素存储在存储部13中。图2A示出给定的提取时间段内的与多个数据元素相对应的多个(具体为24个)数据点。
具体地,本实施例的评价部15被配置为根据以下处理来确定最佳时间差“ΔtA”。
首先,评价部15从存储部13中所存储的室温数据的集合中读出与所关注的时期(提取时间段)相对应的连续的室温数据。评价部15还从存储部13中所存储的外部气温数据的集合中读出与所读出的室温数据的日期和时间相对应的连续的外部气温数据(第一外部气温数据)。然后,评价部15计算所读出的室温数据和第一外部气温数据之间的相关系数(第一相关系数)。
随后,评价部15从存储部13读出相比与所读出的室温数据相对应的日期和时间提早了时间间隔“p”(“p”是用于获得室温数据或用于获得外部气温数据的间隔)的日期和时间的连续的外部气温数据(第二外部气温数据),其中第二外部气温数据的数量与室温数据的数量相同。然后,评价部15计算所读出的室温数据和第二外部气温数据之间的相关系数(第二相关系数)。
这样,评价部15在顺次改变数值“m”的值的情况下,针对数值“m”的各值来计算室温数据和相比室温数据的日期和时间提早了时间差“Δt=m*p”的日期和时间的外部气温数据之间的相关系数。
评价部15确定与最大相关系数相对应的数值“m”的值“mm”,并且通过公式“ΔtA=mm*p”来计算最佳时间差。
换句话说,评价部15基于与预定的日期和时间(例如,一天的某时间段)相对应的连续的室温数据以及多组外部气温数据来计算多个相关系数。各组外部气温数据的日期和时间与相对于存储部13中所存储的室温数据的日期和时间顺次偏移了特定延迟时间的日期和时间相对应。评价部15从所计算出的多个相关系数中提取最大相关系数,并且将与该最大相关系数相对应的延迟时间确定为最佳时间差ΔtA。
图2B示出各自均为利用评价部15所确定的时间差(最佳时间差)ΔtA的室温数据θ1(t)和外部气温数据θ2(t-ΔtA)之间的关系的点。关于图2B中的各数据点,该数据点的纵轴成分和横轴成分分别表示在特定时间点所测量到的室温的值和在相比该特定时间点提早了时间差ΔtA的时间点处所测量到的外部气温的值。在该例示示例中,可以求出:在室温数据θ1(t)和外部气温数据θ2(t-ΔtA)之间存在线性关系,并且可以通过线性函数来表示这两者之间的关系。
热特性估计装置10的预测公式生成部16被配置为基于图2B所示的关系来生成用于根据外部气温来估计室温的预测公式。本实施例的预测公式生成部16被配置为从存储部13内所存储的室温数据和外部气温数据中提取所关注的提取时间段内的各数据,并且将评价部15所确定的时间差(最佳时间差)ΔtA提供至与所提取的外部气温数据相对应的日期和时间。此外,在假定室温数据θ1(t)和外部气温数据θ2(t-ΔtA)具有线性关系的情况下,预测公式生成部16被配置为通过公式“θ1(t)=α*θ2(t-ΔtA)+β”来表示预测公式,并且利用诸如最小二乘法等的已知计算方法来确定该公式的系数“α”、“β”。换句话说,预测公式生成部16被配置为基于提取时间段内的室温数据以及相比该提取时间段提早了时间差ΔtA的时期内的外部气温数据,来通过简单线性递归分析来生成预测公式。预测公式生成部16通过包含设置有时间差ΔtA的外部气温数据作为自变量并且包含室温数据作为因变量的简单线性递归分析来生成预测公式。这样,评价部15确定时间差ΔtA并且预测公式生成部16确定系数“α”、“β”,结果可以生成预测公式。
预测公式生成部16可被配置为通过将评价部15所确定的时间差(最佳时间差)ΔtA设置到与所提取的室温数据相对应的日期和时间来生成预测公式。在该结构中,在假定室温数据θ1(t+ΔtA)和外部气温数据θ2(t)具有线性关系的情况下,预测公式生成部16通过公式“θ1(t+ΔtA)=α*θ2(t)+β”来表示预测公式,并且利用诸如最小二乘法等的已知计算方法来确定该公式的系数“α”、“β”。因此,在该结构中,预测公式生成部16基于提取时间段内的外部气温数据和相比该提取时间段延迟了时间差ΔtA的日期和时间内的室温数据,通过简单的线性递归分析来生成预测公式。
热特性估计装置10利用上述结构来生成预测公式,然后基于该预测公式、根据外部气温来估计室温。以下说明热特性估计装置10中的被配置为根据外部气温来估计室温的结构。为了根据外部气温来估计室温,热特性估计装置10需要获得相比所关注的日期和时间提早了评价部15所确定的时间差(延迟时间)ΔtA的日期和时间中的外部气温数据。注意,“所关注的日期和时间”是要估计室温的日期和时间。
因此,热特性估计装置10包括预测时间变化获得部17和室温估计部18。预测时间变化获得部17被配置为基于外部气温获得部12从外部气温测量部22所获得的外部气温数据(测量值)的时间序列来获得外部气温的预测时间变化。室温估计部18被配置为使用外部气温的时间变化来估计室温。
预测时间变化获得部17被配置为将外部气温数据的时间序列应用于预先登记的外部气温的时间变化的多个类型的模板(template)中的任何模板,并且基于所应用的模板来预测外部气温的时间变化。预测时间变化获得部17被配置为在将外部气温数据的时间序列应用于外部气温的时间变化的模板中的任何模板的情况下,考虑到当日的天气和/或季节来限制要应用的模板。
关于所预测的外部气温的变化,代替采用外部气温获得部12从外部气温测量部22所获得的外部气温数据(测量值),可以采用外部气温获得部12经由诸如因特网等的电气通信线路所获得的外部气温的时间变化。也就是说,外部气温获得部12可以具有被配置为经由电气通信线路从提供本地天气信息的服务提供商获得外部气温数据的功能。在该结构中,预测时间变化获得部17采用外部气温获得部12从服务提供商所获得的外部气温数据。
经由电气通信线路所提供的外部气温数据是与要估计室温的对象房间存在的区域中的特定位置有关的数据,而不是与该对象房间相对应的外部气温。然而,可以预期到该所提供的数据与该房间的外部气温具有线性关系。因此,室温估计部18被配置为基于室温的实际测量值来校正使用所提供的外部气温所估计的室温。结果,可以基于经由电气通信线路所提供的外部气温数据来适当地估计室温。
室温估计部18基于预测时间变化获得部17所获得的外部气温的预测时间变化和评价部15所确定的时间差(最佳时间差)ΔtA来确定相比所关注的日期和时间提早了时间差(最佳时间差)ΔtA的日期和时间中的外部气温(测量值或预测值)。在确定了外部气温的情况下,室温估计部18通过将所确定的外部气温应用于预测公式生成部16所生成的预测公式来估计室温。简言之,室温估计部18被配置为进行以下操作:基于外部气温的预测时间变化来确定相比要估计室温的日期和时间提早了评价部15所确定的时间差ΔtA的时间点的外部气温;并且将所确定的外部气温应用于预测公式,并由此估计所关注的日期和时间的室温。
容易假定与室温数据和外部气温数据之间的最大相关系数相对应的时间差以及/或者表示外部气温数据和室温数据之间的关系的公式根据季节而改变。因此,期望针对各季节来确定用于测量生成预测公式所使用的室温和外部气温的提取时间段。因此,在该结构中,定义一年的时间段分割得到的分割时间段,并且针对各分割时间段给出提取时间段。分割时间段的长度与从一年的4~24分割的范围中适当选择的时间段相对应(在“一年的4分割”的情况下,分割时间段反映春夏秋冬这四个季节;并且在“一年的24分割”的情况下,各分割时间段与半个月相对应)。例如,预先将这些分割时间段及其提取时间段存储在存储部13中。
在该结构中,预测公式生成部16生成个数与分割时间段的数量相对应的预测公式。例如,在分割时间段的长度为一个月的情况下,预测公式生成部16生成12个预测公式。室温估计部18从与分割时间段相对应的各个预测公式中选择与所关注的日期和时间所属的分割时间段相对应的预测公式,并且基于该所选择的预测公式使用外部气温的时间变化来估计室温。
应当注意,房间的热特性有可能因老化而改变。因此,期望地,室温估计部18被配置为在估计室温的情况下,采用针对各分割时间段所确定的时间差。具体地,期望如下:评价部15每次经过分割时间段时新确定时间差(最佳时间差)ΔtA,预测公式生成部16新生成与新确定的时间差ΔtA相对应的预测公式,并且室温估计部18基于新生成的预测公式来估计室温。然而,室温估计部18可被配置为基于针对任何分割时间段所确定的时间差来估计室温。还可以基于针对多个分割时间段所确定的时间差的平均值来估计室温。
期望地,热特性估计装置10包括通知输出部19,其中该通知输出部19被配置为将室温估计部18所估计的室温输出至通知器23。通知器23可以是包括显示器的专用装置、或者诸如智能电话、平板电脑和个人计算机等的包括显示和通信功能的装置。在采用这些装置作为通知器23的情况下,通知输出部19被配置为与这些装置进行通信。如图1中虚线所示的通知器23那样,通知器23可以一体地设置在热特性估计装置10的壳体中。
室温估计部18所估计的室温不仅可经由通知器23通知给用户,而且还可用于控制可能会影响室温的诸如换气扇、空调、电动百叶窗、电动窗帘和电动窗等的装置。在控制制冷制热设备(空调装置)的制热和/或制冷操作的情况下,通过使用基于外部气温的时间变化所估计的室温,可以确定应断开制冷制热设备的合适定时。结果,可以节省制冷制热所消耗的能量。
例如,在夏季,在预测到由于夜间室温下降因而无需使制冷设备进行工作就可以将室温保持处于舒适水平的情况下,如果确定出要断开制冷设备的定时,则可以防止制冷设备的无用操作以节能。同样,在冬季,在预测到由于白天室温上升因而无需使制热设备进行工作就可以使室温保持处于舒适水平的情况下,如果确定出要断开制热设备的定时,则可以防止制热设备的无用操作以节能。
顺便提及,评价部15所确定的时间差(最佳时间差)ΔtA表示用于将外部气温的变化反映到室温所需的时间长度,因此反映房间的热特性(绝热性能)。预测公式生成部16所生成的预测公式中的系数“α”表示外部气温对室温的影响程度。因此,系数“α”也反映房间的热特性(绝热性能)。
因此,通过获得评价部15所确定的时间差ΔtA的时间变化或者预测公式生成部16所确定的系数“α”的时间变化,可以评价房间的热特性的时间变化。有鉴于此,在本实施例的热特性估计装置10中,预测公式生成部16具有被配置为针对各预定时间段更新预测公式的功能。此外,本实施例的热特性估计装置10包括判定部31,其中该判定部31被配置为判定利用室温测量部21测量室温的房间的绝热性能的劣化程度。
如上所述,预测公式将根据季节而改变。因此,优选地,在如果其它条件相同则期望预测公式相同的情况下,在给定的时节更新预测公式。因此,优选更新预测公式的单位时间段为一年。具体地,每年、每两年、每三年或每五年等更新预测公式。在为了评价房间的热特性的时间变化而更新预测公式的情况下,仅需更新与至少一个分割时间段相对应的预测公式。例如,预测公式生成部16可被配置为每年更新与“夏季”的分割时间段相对应的预测公式。
本实施例的判定部31被配置为采用预测公式中所包括的系数“α”作为用于评价房间的热特性的评价值。
在夏季,如果房间的绝热性能高,则室温将低于外部气温。具体地,房间的绝热性能越高,系数“α”的值越小。因此,如图3所示,预测公式的斜率(即,系数“α”)随时间的经过而逐渐增大(该图中的箭头表示时间的经过)。
判定部31被配置为在发现了预测公式的当前系数“α”大于前次更新时的系数的情况下,判定为房间的绝热性能劣化。判定部31还被配置为将当前系数“α”与阈值进行比较,由此判定考虑到绝热性能而应改造房间的定时。预测公式的系数“α”的增大表示房间的绝热性能的下降。因此,判定部31被配置为在当前系数“α”超过阈值的情况下,判定为应改造房间。判定部31的评价结果经由通知输出部19而发送以呈现在通知器23上。
另一方面,在冬季,如果房间的绝热性能高,则由于用于使室温上升的热能不太可能释放到外部,因此外部气温将低于室温。因此,关于冬季,随着房间的绝热性能的劣化,预测公式的系数“α”逐渐减小。在冬季更新预测公式的情况下,与夏季更新方法的情况相反,判定部31在发现当前系数“α”小于前次更新时的系数的情况下,判定为房间的绝热性能劣化,并且在当前系数“α”低于阈值的情况下,判定为应改造房间。
房间的绝热性能下降将导致制冷制热设备的能量消耗增加。因此,更优选地,不仅基于预测公式的系数“α”而且还基于制冷制热设备的能量消耗来判断应改造房间的时期。例如,在制冷制热设备包括消耗电能的空调装置、暖风机、电加热器、油加热器和地板加热系统的情况下,可以监测电力消耗。此外,在制冷制热设备包括燃烧气体的空调装置、暖风机、电加热器、油加热器和地板加热系统的情况下,可以监测气体消耗。
以下说明本实施例的变形例的热特性估计装置10。
在上述实施例中,热特性估计装置10被配置为仅基于外部气温来估计室温。然而,如上所述,在不进行制冷制热的情况下,室温所依赖的因素包括日照、换气、降雨和房间内的人数。有鉴于此,本变形例的热特性估计装置10被配置为获得外部气温以外的还可能影响室温的信息(日照、换气、降雨和人数)作为校正信息,并且根据该校正信息来校正预测公式。如果利用具有控制室温的功能的制冷制热设备来进行制冷制热,则房间内的温度依赖于制冷制热设备的操作状态,因此不能通过预测公式来预测室温。因此,在以下说明中,假定不进行制冷制热。
为了除外部气温外还考虑日照、换气、降雨和现有人数的信息,将考虑创建用于使各个信息与室温联系在一起的模型,并且将与各个信息有关的数值应用于该模型。然而,由于这些因素之间的因果关系复杂,因此这种模型需要复杂的计算机模拟。结果,这种模型需要输入大量参数并且产生极大的处理负荷。
因此,为了防止参数数量的增加和处理负荷的增加,本变形例将各个信息视为校正信息,限制各种校正信息的可能状态的数量,并且针对校正信息的各状态确定预测公式。在存在多种校正信息的情况下,预测公式生成部16针对各种校正信息将校正信息的状态分成多个等级。然后,预测公式生成部16生成各自与多种校正信息的等级的特定组合相对应的预测公式(校正预测公式)。
例如,针对日照、换气和降雨各自定义有无这两个等级。相反,关于存在人数,假定针对每一个人,使室温上升预定的温度值(例如,0.5℃)。通过简化校正信息的种类并且限制各种校正信息的可能状态的数量,各个校正信息的组合的数量是有限的并且相对较小。
预测公式生成部16被配置为根据多种校正信息的各个状态的组合来设置预测公式。房间内的人数仅反映到预测公式的系数“β”上。因此,不必根据人数来生成不同的预测公式。关于根据人数的校正,室温估计部18可被配置为将现有人数和预定温度的乘积与通过预测公式所估计出的室温相加。因此,在上述示例中,根据与日照、换气和降雨有关的这些种类的校正信息,生成了8个预测公式。
预测公式生成部16被配置为根据各个校正信息的状态来校正预测公式的系数“α”和“β”,并且由此生成校正预测公式。例如,使系数“α”和“β”的校正量与各个校正信息的状态相关联并且存储在存储部13中。在一种校正信息处于特定状态的情况下(例如,在存在换气的情况下),预测公式生成部16从存储部13读出与该特定状态相对应的系数“α”和“β”的校正量,并且将所读出的校正量应用于预测公式的系数“α”和“β”并由此生成校正预测公式。
如图4所示,本变形例的热特性估计装置10包括校正信息获得部32,其中该校正信息获得部32被配置为从日照检测部33、换气检测部34、降雨检测部35和人数检测部36获取各个校正信息。
日照检测部33可以包括诸如光电二极管和光电晶体管等的光电检测器、以及被配置为将光电检测器的输出与阈值进行比较以判断光量的判断部。日照对房间的影响依赖于窗帘和/或卷帘是打开还是关闭。因此,期望日照检测部33具有被配置为检测窗帘和/或卷帘是打开还是关闭的功能。
换气检测部34可被配置为检测换气扇是否工作、以及/或者检测窗是打开还是关闭和/或测量房间内的气流。降雨检测部35可被配置为针对各特定时间段收集雨水以测量所收集的雨水的重量、以及/或者从室外图像检测有无雨滴。可以根据服务提供商经由诸如因特网等的电气通信线路所提供的信息来获得与降雨有关的校正信息。人数检测部36可被配置为基于室内图像来测量室内的人数。
代替仅“有”和“无”这两个等级,可以将与日照、换气和降雨有关的校正信息的状态根据程度划分成三个以上的等级。可以将日照的状态划分成例如“强”、“中”、“弱”和“微弱”这四个等级。同样,可以将换气和/或降雨的状态划分成三个以上的等级。
室温估计部18基于校正信息获得部32所获得的校正信息来校正预测公式以生成校正预测公式,并且基于该校正预测公式、根据外部气温来估计室温。注意,可以基于实际测量值来从统计上确定与日照、换气、降雨和人数的各等级相对应的系数“α”和“β”的校正量。
实施例2
在实施例1的变形例中,对作为基础的预测公式进行校正,以将日照的影响反映到室温。然而,对于白天(将存在日照的影响)和夜间(可以忽略日照的影响)使用相同的预测公式。相反,在本实施例中,有鉴于在夜间可以忽略日照的影响这一事实,针对室温将不受日照影响的时间带(即,无日照的时间带)和室温将受到日照影响的时间带采用不同种类的预测公式。也就是说,本实施例中的热特性估计装置10的预测公式生成部16具有被配置为生成两种预测公式的功能。
如图5所示,本实施例中的热特性估计装置10的预测公式生成部16包括第一预测公式生成部161和第二预测公式生成部162。第一预测公式生成部161被配置为基于与实施例1中的技术相同的技术来生成预测公式(第一种预测公式)。第二预测公式生成部162被配置为基于与多天的指定时刻相对应的室温数据和外部气温数据来生成与该指定时刻相对应的预测公式(第二种预测公式)。
第一预测公式生成部161被配置为以与实施例1中的预测公式生成部16相同的方式生成预测公式。根据第一预测公式生成部161,评价部15基于存储部13中所存储的给定提取时间段内的室温数据和外部气温数据来确定时间差(最佳时间差)ΔtA,然后第一预测公式生成部161基于其中之一设置有时间差ΔtA的室温数据和外部气温数据来生成预测公式。本实施例的第一预测公式生成部161可被配置为基于仅室温受到日照影响的时间带内的室温数据和外部气温数据来生成预测公式。
第二预测公式生成部162被配置为从存储部13中所存储的给定提取时间段内的多天中提取与指定时刻相对应的室温数据和外部气温数据,并且根据与多天的同一时刻相对应的室温数据和外部气温数据来产生递归预测公式(单递归公式)。如图6所示,通过在多天内收集各自与室温不受日照影响的时间带中的指定时刻相对应的室温数据和外部气温数据,室温和外部气温示出线性关系。具体地,在多天中的第一指定时刻所测量到的外部气温和室温示出线性关系,并且在多天中的第二指定时刻所测量到的外部气温和室温也示出线性关系。第二预测公式生成部162被配置为基于该新发现的知识来生成预测公式。提取时间段可以包括相当于实施例1所述的分割时间段的若干天。
具体地,第二预测公式生成部162被配置为基于如图6所示的在与提取时间段中的指定时刻“t”相对应的室温数据θ1(t)和外部气温数据θ2(t)之间存在线性关系这一发现,通过公式“θ1(t)=α*θ2(t)+β”来生成预测公式。注意,第二预测公式生成部162被配置为生成分别与多个指定时刻相对应的多个预测公式。为了生成预测公式,基于诸如最小二乘法等的已知计算方法,通过线性函数来表示室温数据θ1(t)和外部气温数据θ2(t)。注意,这些公式的系数“α”、“β”通常不同于第一预测公式生成部161所生成的预测公式中的系数“α”、“β”。
基于上述,第二预测公式生成部162生成各自与室温数据和外部气温数据之间的关系相匹配的递归预测公式。在图6中,左侧的数据点示出冬季中的室温和外部气温之间的关系,并且右侧的数据点示出夏季中的室温和外部气温之间的关系。该递归预测公式包含指定时刻的外部气温作为说明变量并且包含指定时刻的室温作为因变量。换句话说,第二预测公式生成部162通过包含外部气温数据作为自变量并且包含室温数据作为因变量的简单线性递归分析来生成预测公式。用于生成递归预测公式的指定时刻是从室温不受日照影响并且仅依赖于外部气温、但该外部气温的变化相对缓和的时间带中所选择的。
第二预测公式生成部162被配置为采用所生成的递归预测公式作为用于根据外部气温来确定室温的预测公式。第二预测公式生成部162被配置为生成分别与多个指定时刻相对应的多个递归预测公式,并且采用这些递归预测公式作为多个指定时刻各自的预测公式。
如上所述,第二预测公式生成部162基于室温不受日照影响的时间带中的室温数据和外部气温数据来生成预测公式。因此,这些预测公式仅用于室温不是日照影响的时间带。另一方面,由于第一预测公式生成部161所生成的预测公式是基于室温受到日照影响的时间带中的室温数据和外部气温数据所生成的,因此将该预测公式用于室温受到日照影响的时间带。
因此,室温估计部18被配置为基于计时部14进行计时得到的日期和时间,来判断当前时刻在室温受到日照影响的时间带中还是在室温不受日照影响的时间带中。对于室温不受日照影响的时间带,使用第二预测公式生成部162所生成的预测公式(第二种预测公式),并且对于室温受到日照影响的时间带,使用第一预测公式生成部161所生成的预测公式(第一种预测公式)。
在采用第一预测公式生成部161所生成的预测公式的情况下,如实施例1所述,基于预测时间变化获得部17所获得的外部气温的时间变化,将相对于所关注的时刻相差了评价部15所计算出的时间差ΔtA的时刻的外部气温应用于预测公式。在采用第二预测公式生成部162所生成的预测公式的情况下,根据预测时间变化获得部17所获得的外部气温的时间变化来确定所关注的时刻的外部气温,并且将所确定的外部气温应用于预测公式。第二预测公式生成部162针对一天中的各个时刻生成预测公式,因而采用与这些预测公式中的与所关注的时刻相对应的预测公式。
如上所述,本实施例中的室温估计部18根据室温是否受到日照影响而使用不同种类的预测公式。此外,要应用的外部气温根据预测公式的种类而不同。因此,可以提高室温的预测精度。其它结构和操作与实施例1中的结构和操作相同。
Claims (9)
1.一种房间的热特性估计装置,包括:
室温获得部,其被配置为获得室温数据;
外部气温获得部,其被配置为获得外部气温数据;
存储部,其被配置为将所述室温获得部所获得的室温数据和所述外部气温获得部所获得的外部气温数据以分别与所测量到的日期和时间相关联的方式进行存储;
评价部,其被配置为基于所述存储部中所存储的预定提取时间段内的室温数据和外部气温数据,通过使测量室温数据的日期和时间以及测量外部气温数据的日期和时间其中之一发生相对偏移,来确定使得室温数据和外部气温数据之间的相关系数变为最大的时间差;
预测公式生成部,其被配置为进行以下操作:
将所述评价部所确定出的所述时间差提供至所述存储部中所存储的所述提取时间段内的室温数据和外部气温数据其中之一,以及
生成表示向其中之一提供了所述时间差的室温数据和外部气温数据之间的关系的预测公式;
预测时间变化获得部,其被配置为获得外部气温的预测时间变化;以及
室温估计部,其被配置为通过进行以下操作来估计所关注的日期和时间的室温:
根据所述预测时间变化获得部所获得的外部气温的时间变化来确定相比所关注的日期和时间提早了所述时间差的日期和时间的外部气温,以及
将所确定出的外部气温应用于所述预测公式生成部所生成的所述预测公式。
2.根据权利要求1所述的房间的热特性估计装置,其中,
所述提取时间段是对一年进行多分割所得到的各分割时间段所确定的,
所述预测公式生成部被配置为针对各所述分割时间段生成所述预测公式,以及
所述室温估计部被配置为进行以下操作:
从针对各所述分割时间段所生成的多个所述预测公式中选择针对所关注的日期和时间所属的分割时间段所生成的所述预测公式,以及
基于所选择的所述预测公式来估计室温。
3.根据权利要求1或2所述的房间的热特性估计装置,其中,所述提取时间段为一天或多天。
4.根据权利要求1至3中任一项所述的房间的热特性估计装置,其中,还包括校正信息获得部,所述校正信息获得部被配置为获得外部气温以外的影响室温的与从多个状态中所选择的一个状态相对应的校正信息,
其中,所述预测公式生成部被配置为根据所述校正信息获得部所获得的所述校正信息的状态来校正所述预测公式,由此生成校正预测公式,以及
所述室温估计部被配置为基于所述校正预测公式来估计室温。
5.根据权利要求1至4中任一项所述的房间的热特性估计装置,其中,
所述室温获得部被配置为从用于测量房间的室温的室温测量部获得室温数据,
所述预测公式生成部被配置为针对各预定时间段更新所述预测公式,以及
所述房间的热特性估计装置还包括判定部,所述判定部被配置为采用更新后的预测公式中所包含的系数作为评价值,来判定利用所述室温测量部测量了室温的房间的绝热性能的劣化程度。
6.一种房间的热特性估计装置,包括:
室温获得部,其被配置为获得室温数据;
外部气温获得部,其被配置为获得外部气温数据;
存储部,其被配置为将所述室温获得部所获得的室温数据和所述外部气温获得部所获得的外部气温数据以分别与所测量到的日期和时间相关联的方式进行存储;
评价部,其被配置为基于所述存储部中所存储的预定提取时间段内的室温数据和外部气温数据,通过使测量室温数据的日期和时间以及测量外部气温数据的日期和时间其中之一发生相对偏移,来确定使得室温数据和外部气温数据之间的相关系数变为最大的时间差;
第一预测公式生成部,其被配置为进行以下操作:
将所述评价部所确定出的所述时间差提供至与所述存储部中所存储的所述提取时间段内的室温数据和外部气温数据其中之一相对应的日期和时间,以及
生成表示向其中之一提供了所述时间差的室温数据和外部气温数据之间的关系的预测公式;
第二预测公式生成部,其被配置为基于所述存储部中所存储的与预定提取时间段中的多天各自的各时刻相对应的室温数据和外部气温数据,来生成各自表示针对各时刻的室温数据和外部气温数据之间的关系的多个递归预测公式作为预测公式;
预测时间变化获得部,其被配置为获得外部气温的预测时间变化;以及
室温估计部,其被配置为进行以下操作:
在室温受到日照影响的时间带中,通过根据所述预测时间变化获得部所获得的外部气温的时间变化确定相比所关注的时刻提早了所述时间差的时刻的外部气温并将所确定出的外部气温应用于所述第一预测公式生成部所生成的所述预测公式,来估计所关注的时刻的室温,以及
在室温不受日照影响的时间带中,通过将基于所述预测时间变化获得部所获得的外部气温的时间变化而获得的所关注的时刻的外部气温应用于所述第二预测公式生成部所生成的与所关注的时刻相对应的所述预测公式,来估计室温。
7.根据权利要求1至6中任一项所述的房间的热特性估计装置,其中,还包括通知输出部,所述通知输出部被配置为将所述室温估计部所估计出的室温输出至通知器。
8.根据权利要求1至7中任一项所述的房间的热特性估计装置,其中,所述外部气温获得部被配置为获得经由电气通信线路所提供的外部气温数据。
9.一种程序,其被配置为使计算机用作根据权利要求1至8中任一项所述的房间的热特性估计装置。
Applications Claiming Priority (3)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2013-003587 | 2013-01-11 | ||
JP2013003587A JP5988217B2 (ja) | 2013-01-11 | 2013-01-11 | 部屋の熱特性推定装置、プログラム |
PCT/JP2014/000058 WO2014109291A1 (ja) | 2013-01-11 | 2014-01-09 | 部屋の熱特性推定装置、プログラム |
Publications (2)
Publication Number | Publication Date |
---|---|
CN104919477A true CN104919477A (zh) | 2015-09-16 |
CN104919477B CN104919477B (zh) | 2018-09-25 |
Family
ID=51166941
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201480004438.5A Active CN104919477B (zh) | 2013-01-11 | 2014-01-09 | 房间的热特性估计装置和房间的热特性估计方法 |
Country Status (4)
Country | Link |
---|---|
EP (1) | EP2945105A4 (zh) |
JP (1) | JP5988217B2 (zh) |
CN (1) | CN104919477B (zh) |
WO (1) | WO2014109291A1 (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110986249A (zh) * | 2019-11-07 | 2020-04-10 | 珠海格力电器股份有限公司 | 空调的自调节控制方法、系统及空调器 |
CN115032906A (zh) * | 2022-05-30 | 2022-09-09 | 青岛海尔科技有限公司 | 数字孪生室温预测方法、智能家居设备控制方法及装置 |
Families Citing this family (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP6660613B2 (ja) * | 2015-11-19 | 2020-03-11 | パナソニックIpマネジメント株式会社 | 断熱性能推定装置、及び、断熱性能推定方法 |
JP7078788B1 (ja) | 2021-09-27 | 2022-05-31 | 東京瓦斯株式会社 | 床暖房装置 |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JPH0926147A (ja) * | 1995-07-12 | 1997-01-28 | Sumitomo Chem Co Ltd | 蓄熱式暖房システムの熱量投入の制御方法 |
JP2008137599A (ja) * | 2006-12-05 | 2008-06-19 | Mitsubishi Heavy Ind Ltd | 車両用空調装置 |
CN102043907A (zh) * | 2010-12-29 | 2011-05-04 | 上海大学 | 空调房间实时冷负荷确定方法 |
Family Cites Families (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2507850B2 (ja) * | 1992-07-24 | 1996-06-19 | ミサワホーム株式会社 | ヒ―トポンプ式暖房装置 |
JP4393277B2 (ja) | 2004-06-04 | 2010-01-06 | 富士通テン株式会社 | 車室温監視装置 |
JP5789740B2 (ja) * | 2011-02-22 | 2015-10-07 | パナソニックIpマネジメント株式会社 | エネルギー管理装置 |
-
2013
- 2013-01-11 JP JP2013003587A patent/JP5988217B2/ja active Active
-
2014
- 2014-01-09 EP EP14737505.9A patent/EP2945105A4/en not_active Withdrawn
- 2014-01-09 WO PCT/JP2014/000058 patent/WO2014109291A1/ja active Application Filing
- 2014-01-09 CN CN201480004438.5A patent/CN104919477B/zh active Active
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JPH0926147A (ja) * | 1995-07-12 | 1997-01-28 | Sumitomo Chem Co Ltd | 蓄熱式暖房システムの熱量投入の制御方法 |
JP2008137599A (ja) * | 2006-12-05 | 2008-06-19 | Mitsubishi Heavy Ind Ltd | 車両用空調装置 |
CN102043907A (zh) * | 2010-12-29 | 2011-05-04 | 上海大学 | 空调房间实时冷负荷确定方法 |
Non-Patent Citations (2)
Title |
---|
A HOSSAIN 等: "DEVELOPMENT AND VALIDATION OF A THERMAL NETWORK MODEL TO PREDICT INDOOR OPERATIVE TEMPERATURES IN DRY ROOFPOND BUILDINGS", 《WORLD RENEWABLE ENERGY FORUM》 * |
余朝刚 等: "基于径向基函数神经网络的温室室内温度预测模型", 《生物数学学报》 * |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110986249A (zh) * | 2019-11-07 | 2020-04-10 | 珠海格力电器股份有限公司 | 空调的自调节控制方法、系统及空调器 |
CN115032906A (zh) * | 2022-05-30 | 2022-09-09 | 青岛海尔科技有限公司 | 数字孪生室温预测方法、智能家居设备控制方法及装置 |
Also Published As
Publication number | Publication date |
---|---|
EP2945105A4 (en) | 2016-01-06 |
CN104919477B (zh) | 2018-09-25 |
JP5988217B2 (ja) | 2016-09-07 |
JP2014135015A (ja) | 2014-07-24 |
WO2014109291A1 (ja) | 2014-07-17 |
EP2945105A1 (en) | 2015-11-18 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN104919252A (zh) | 室温估计装置、程序 | |
Hart et al. | Weather sensitivity in household appliance energy end-use | |
US11561022B2 (en) | System and method for characterization of air leakage in building using data from communicating thermostats and/or interval meters | |
CN107250928B (zh) | 对建筑物的能耗进行优化和控制 | |
US9612591B2 (en) | Optimizing and controlling the energy consumption of a building | |
US10082313B2 (en) | Instruction device, and air conditioning system | |
US20160266594A1 (en) | System and method for residential utility monitoring and improvement of energy efficiency | |
US20170206615A1 (en) | Optimizing and controlling the energy consumption of a building | |
US7200468B2 (en) | System for determining overall heating and cooling system efficienies | |
US20100211222A1 (en) | Method and apparatus for comprehensive energy measurement and analysis of a building | |
US20130060391A1 (en) | Energy management system | |
US20140039686A1 (en) | Optimization of energy use through model-based simulations | |
US20140324240A1 (en) | Method And System For Disaggregating Thermostatically Controlled Appliance Energy Usage From Other Energy Usage | |
US8949051B2 (en) | Apparatus and method for sub-metering of household devices | |
Xiao et al. | Cooling load disaggregation using a NILM method based on random forest for smart buildings | |
CN105473354A (zh) | Hvac系统的功耗评价 | |
CN103649852A (zh) | 建筑物能量消耗的预测方法 | |
CN103180704A (zh) | 用于确定房屋的热损耗系数的方法和装置 | |
CN104919477A (zh) | 房间的热特性估计装置、程序 | |
US20160299038A1 (en) | System and method for remotely inferring characteristics of thermostat-controlled appliances | |
CN108732206A (zh) | 一种实现建筑保温性能辨识的方法及系统 | |
JP2013228374A (ja) | 日射状況予測システム,日射状況予測装置及び日射状況予測方法 | |
WO2016075877A1 (ja) | 断熱性能推定装置、および、プログラム | |
CN105264299A (zh) | 用于建筑物中气候控制的系统以及方法 | |
EP2976612B1 (fr) | Procédé de réalisation d'un diagnostic thermique d'un bâtiment ou d'une partie d'un bâtiment |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |