CN105512455B - 根据温度估算耗电量的方法和装置 - Google Patents

根据温度估算耗电量的方法和装置 Download PDF

Info

Publication number
CN105512455B
CN105512455B CN201510635812.8A CN201510635812A CN105512455B CN 105512455 B CN105512455 B CN 105512455B CN 201510635812 A CN201510635812 A CN 201510635812A CN 105512455 B CN105512455 B CN 105512455B
Authority
CN
China
Prior art keywords
power consumption
temperature
consumption
threshold temperature
estimation
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.)
Active
Application number
CN201510635812.8A
Other languages
English (en)
Other versions
CN105512455A (zh
Inventor
催鍾雄
李曉燮
金大永
安賢鎭
朴敬薰
李善正
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
ENCORED TECHNOLOGIES Inc
Original Assignee
ENCORED TECHNOLOGIES Inc
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by ENCORED TECHNOLOGIES Inc filed Critical ENCORED TECHNOLOGIES Inc
Publication of CN105512455A publication Critical patent/CN105512455A/zh
Application granted granted Critical
Publication of CN105512455B publication Critical patent/CN105512455B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • GPHYSICS
    • G01MEASURING; TESTING
    • G01RMEASURING ELECTRIC VARIABLES; MEASURING MAGNETIC VARIABLES
    • G01R22/00Arrangements for measuring time integral of electric power or current, e.g. electricity meters
    • GPHYSICS
    • G05CONTROLLING; REGULATING
    • G05BCONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
    • G05B13/00Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion
    • GPHYSICS
    • G01MEASURING; TESTING
    • G01RMEASURING ELECTRIC VARIABLES; MEASURING MAGNETIC VARIABLES
    • G01R21/00Arrangements for measuring electric power or power factor
    • G01R21/02Arrangements for measuring electric power or power factor by thermal methods, e.g. calorimetric
    • GPHYSICS
    • G01MEASURING; TESTING
    • G01RMEASURING ELECTRIC VARIABLES; MEASURING MAGNETIC VARIABLES
    • G01R31/00Arrangements for testing electric properties; Arrangements for locating electric faults; Arrangements for electrical testing characterised by what is being tested not provided for elsewhere
    • G01R31/28Testing of electronic circuits, e.g. by signal tracer
    • G01R31/2851Testing of integrated circuits [IC]
    • G01R31/2855Environmental, reliability or burn-in testing
    • G01R31/2872Environmental, reliability or burn-in testing related to electrical or environmental aspects, e.g. temperature, humidity, vibration, nuclear radiation

Landscapes

  • Engineering & Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Physics & Mathematics (AREA)
  • Power Engineering (AREA)
  • Environmental & Geological Engineering (AREA)
  • Health & Medical Sciences (AREA)
  • Software Systems (AREA)
  • Evolutionary Computation (AREA)
  • General Engineering & Computer Science (AREA)
  • Artificial Intelligence (AREA)
  • Computer Hardware Design (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Medical Informatics (AREA)
  • Automation & Control Theory (AREA)
  • Toxicology (AREA)
  • Microelectronics & Electronic Packaging (AREA)
  • Air Conditioning Control Device (AREA)
  • Theoretical Computer Science (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)
  • Data Mining & Analysis (AREA)
  • Computational Linguistics (AREA)
  • Mathematical Physics (AREA)
  • Computing Systems (AREA)

Abstract

本文的实施例实现一种根据温度来估算耗电量的方法及其装置。该方法包括基于确定的温度和以确定的温度为基础的耗电量之间相关性的分析来划分使用时间和非使用时间。此外,该方法包括根据非使用期间的耗电量来提取电气设备的基本消耗量。此外,该方法包括提取以阈值温度和耗电量为基础的阈值温度和耗电量连续函数。阈值温度要求电气设备以最大限度运转。此外,该方法包括通过耗电量连续函数来计算以预定温度为基础的耗电量;并且计算除基本消耗量之外的估计耗电量。

Description

根据温度估算耗电量的方法和装置
技术领域
本发明涉及电力管理系统,更具体而言,涉及根据温度估算耗电量的方法和装置。
背景技术
作为电力设施,建筑物内的空调设施、控制设施等都比较复杂,此类设施的管理已经系统化。近年来,计算机机构已作为自动控制装置而用于操作、控制和管理此类设施。通过将计算机机构用作自动控制装置,试图用各种传统系统和方法来控制和管理能量管理设施。
传统的设施管理系统或建筑物自动化系统通过监测建筑物内的设施是否正常运行而集中于适当操作的自动化。一般来说,当各个设施所消耗的能量被降低为辅助能耗时,设施的控制和管理就会面临重大挑战。
此外,现有的冷热能节能系统提出一种每次通过居民的行为模式或装置用于节省冷热能的使用模式来分析耗电量的方法。但是,该方法或装置通过过去的模式和用算术方法估算详细的能耗并比较估算的能耗与实际消耗量的方法来节省能源。其结果是,设施本身确定异常或者节省直接能耗的信息无法通过估算的预测能耗来提供。
发明概述
为了解决这一技术问题,本文实施例的一个目标是提出一种通过采集根据温度的耗电量的关系来估算耗电量的方法。实施例的另一个目标是通过提出一种根据用户是否出现在建筑物中的估算消耗量的方法来提供关于异常情况的使用通知信息。
于是,本文的实施例提出一种根据温度来估算耗电量的方法。该方法包括基于确定的温度和以确定的温度为基础的耗电量之间相关性的分析来划分使用时间和非使用时间。此外,该方法包括根据非使用期间的耗电量提取电气设备的基本消耗量。此外,该方法包括提取以阈值温度和耗电量为基础的阈值温度和耗电量连续函数。阈值温度要求电气设备以最大限度运转。此外,该方法包括通过耗电量连续函数来计算以预定温度为基础的耗电量;以及计算除基本消耗量之外的估计耗电量。
在一个实施例中,该方法进一步包括排除异常耗电量,所述异常耗电量超出关于所收集的耗电量的平均值的预定范围。分析除异常耗电量之外的耗电量与确定的温度之间的相关性。
在一个实施例中,基本消耗量是非使用期间的耗电量的中心值。
在一个实施例中,提取以阈值温度和耗电量为基础的阈值温度和耗电量连续函数包括提取关于第一阈值温度的耗电量的耗电量连续函数,所述第一阈值温度要求加热装置以最大限度运转;提取关于第二阈值温度的耗电量的耗电量连续函数,所述第二阈值温度要求冷却装置以最大限度运转;提取第一阈值温度和第二阈值温度之间的耗电量。
在一个实施例中,通过从计算的耗电量中排除基本消耗量和耗电量连续函数的最小值来计算估计耗电量。
在一个实施例中,除了计算的耗电量中的基本消耗量和估计消耗量外,还进一步包括计算非暖通空调(HVAC)装置的耗电量。
因此,本文的实施例提出一种根据温度估算耗电量的装置。该装置包括数据采集单元,配置所述数据采集单元以采集包括耗电量和温度信息在内的环境信息。此外,该装置包括关系提取单元,配置所述关系提取单元以分析确定的温度和基于实感温度的耗电量之间的相关性;并且在分析相关性的基础上划分使用时间和非使用时间。此外,关系提取单元被配置为根据非使用期间的耗电量来提取电气设备的基本消耗量;以及提取以阈值温度和耗电量为基础的阈值温度和耗电量连续函数。阈值温度要求电气设备以最大限度运转。此外,该装置包括估计耗电量计算单元,所述估计耗电量计算单元被配置为通过耗电量连续函数来计算以预定温度为基础的耗电量;以及计算除基本消耗量之外的估计耗电量。
于是,本文的实施例提出一种根据温度估算耗电量的方法。该方法包括基于确定的温度和以确定的温度为基础的耗电量之间相关性的分析来划分使用时间和非使用时间。此外,该方法包括根据非使用期间的耗电量提取电气设备的基本消耗量;以及提取以阈值温度和耗电量为基础的阈值温度和耗电量连续函数。阈值温度要求电气设备以最大限度运转。
结合下文描述和附图可以更好地体会和理解本文实施例的这些内容及其它方面。当然,因理解下文描述在表明优选实施例及其很多具体细节的时是通过阐释而非限制进行描述的。在不脱离其精神的情况下,可以在本文实施例的范围内进行很多更改和修改,而且本文的实施例包括所有此类修改。
附图说明
在附图中阐释了本发明,在所有附图中同样的参考字母指代各图中相应的部件。参考附图,通过下文描述可以更好地理解本文的实施例,附图包括:
图1是根据本文所述实施例阐释根据温度来估算耗电量的方法的流程图;
图2是根据本文所述实施例阐释去除异常值的示例图;
图3是根据本文所述实施例阐释基于实感温度的耗电量的相关性的示例图;
图4是根据本文所述实施例阐释温度或耗电量连续函数的示例图;
图5是根据本文所述实施例阐释HVAC耗电量的估算的示例图;
图6是根据本文所述实施例阐释耗电量预测结果的实例;以及
图7是根据本文所述实施例阐释根据温度来估算耗电量的装置的示例图。
具体实施方式
根据在附图中阐释的并在下文描述中详细说明的非限制性实施例更详细地描述了本文的实施例及其各个特征和有利的细节。省略对众所周知的部件和处理技术的描述,以免不必要地使本文的实施例模糊不清。而且,在此所述的各个实施例未必相互排斥,因为某些实施例可以与一个或多个其它实施例相结合,形成新的实施例。除非另有说明,本文中所用的“或”的字眼是指非排他性或。本文所用的实例只是为了帮助理解可以实施本文实施例的途径,并进一步使得本领域技术人员实施本文的实施例。因此,不得把实例理解为限制本文实施例的范围。
于是,本文的实施例实现了一种根据温度来估算耗电量的方法及其装置。该方法包括基于确定的温度和以确定的温度为基础的耗电量之间相关性的基础上分析来划分使用时间和非使用时间。此外,该方法包括根据非使用期间的耗电量提取电气设备的基本消耗量。此外,该方法包括提取以阈值温度和耗电量为基础的阈值温度和耗电量连续函数。阈值温度要求电气设备以最大限度运转。此外,该方法包括通过耗电量连续函数来计算以预定温度为基础的耗电量;并且计算除基本消耗量之外的估计耗电量。
在一个实施例中,提出了基于目的的耗电量的关系,例如,通过考虑用户是否出现在建筑物中来区分耗电量模式,从而提供各个模式的消耗量。此外,比较估计耗电量和实际耗电量,以便提供关于异常情况的用户提示信息。此外,通过计算的温度或耗电量的关系可以提供未来耗电量的预测信息。
根据能耗和温度之间相关性的大数据,所提出的系统和方法区分关于HVAC的非使用时间与使用时间数据。与传统的系统和方法不同的是,通过防止非使用时间数据消除使用时间数据,使得根据温度预测耗电量的准确性得到显著提高。而且,利用现有基础设施可以实施所提出的系统和方法而无需大量的设置和设备。
现在参考附图,更具体而言,参考图1至图7,其中相似的参考字符始终指代各个图中对应的特征,其中显示了优选的实施例。
图1是根据本文所述实施例阐释根据温度来估算耗电量的方法的流程图。在实施例中,估算耗电量的方法包括数据采集步骤(S100)、异常值去除步骤(S200)、使用时间划分步骤(S300)、基本消耗量提取步骤(S400)、阈值温度和耗电量连续函数提取步骤(S500)以及估计耗电量计算步骤(S600)。
在一个实施例中,在数据采集步骤(S100)中,采集包括耗电量和温度信息在内的环境信息。环境信息可包括除温度信息之外的湿度信息。该信息与时间信息一并采集。
此外,在一个实施例中,环境信息可包括除温度信息或湿度信息之外可受用户耗电量影响的信息。例如,环境信息包括风速、实感温度、微尘水平、CO2水平、微尘、黄色沙尘、臭氧量、传染病等。环境信息的其它示例可包括数据信息、假日信息等。
此外,在异常值去除步骤(S200中),排除相对于所采集的耗电量的平均值超出预定范围的异常耗电量。换言之,通过去除异常值,以便计算更为精确的信息,每次采集的耗电量可以采集为日常数据。然后,可以去除各个数据的异常值。
在一个实施例中,通过应用肖维奈准则(Chauvenet’s criterion),当给定数据在一定程度上偏离平均值时,则排除该值。具体地说,通过给定数据x1、x2……xn来计算平均值 和标准偏差Xi满足确定的关系式,被视为异常值,并从测量值中将其排除。在此,erfc代表误差补函数。
通过这个过程,当偏离平均值的数据测量次数的期望值小于0.5时,则排除该数据。在这种情况下,数字0.5是通常在统计学中所采用的变量,用户可以根据数据的数量对其进行更改。
图2是根据本文所述实施例阐释通过上述方法去除异常值的过程的实例。当每次的耗电量用点来表示时,用虚线圆表示的点确定为从测量值中排除的异常值。其余用实线圆表示的点用于后续过程。
在使用时间区分步骤(S300)中,分析确定的实感温度与以实感温度为基础的耗电量之间的相关性。其结果是,用户划分使用电气设备的使用时间和非使用时间。在一个实施例中,例如,如果把估算耗电量的方法应用于办公室,使用电气设备的使用时间则可以是用户上班的工作时数。非使用时间则可使是非工作时数,比如假日等。
此外,在一个实施例中,用于划分使用时间的温度可以是基于温度计的绝对温度,但是更可取的是采用用户所感受到的实感温度。
具体地说,在一个实施例中,在使用时间划分步骤(S300)中,通过分析实感温度和耗电量之间的相关性,可将工作日期和工作时数分析作为使用时间。可采用皮尔逊(Pearson)相关系数或斯皮尔曼(Spearman)相关系数使相关性数字化。在这种情况下,因为相关系数是找出两个变量之间线性关系的一个数值,所以在人体感觉到的舒适温度(例如,)的基础上,实感温度或高或低的情况下,分别进行相关性分析。
此外,可对舒适温度和耗电量之间的差异进行相关性分析。由此补足由于图3所阐释的温度-耗电量关系导致的皮尔逊相互关系为0的情况。
可以根据相关性较强的时间和日期对工作日期和工作时数进行分类。在一个实施 例中,8月10日被选作非使用时间的数据,因为温度与能耗之间的相关性与其它日期的不 符,如表1所示。合理地假设8月10日没有人出现在办公室或家中。除8月10日外,可构成关于 温度的能耗函数,使得比不排除8月10日的函数更准确。而且,当实际能耗大大偏离通过函 数的预测时,可假设为出现异常情况,并向用户发送通知。
8月8日 8月9日 8月10日 8月11日 8月12日 8月13日
温度 40°C 39°C 41°C 38°C 42°C 39°C
能量 1000W 1050W 150W 950W 1000W 1100W
表1
因此,通过分类的日期可实现各种分析。例如,除了周末和假日之外,还可以按照唯一一个工作场所的特殊假日来分析相关性。而且,通过考虑每个时间之前和之后的每次耗电量对比大不相同而将工作时数分类。
下面列出的表2显示了一个办公室的耗电量和温度之间相关性的显著性概率。由 此可见,6月4日的显著性概率(假定值)的值相当大,这符合由于当地选举而导致不上班的 事实。换言之,尽管不知道关于工作日期的预报信息,但是通过测量值和温度之间的关系也 可以知道关于假日的信息。
日期 显著性概率(假定值)
06/02/14 9.46757969799705e-08
06/03/14 0.175720931318454
06/04/14 0.853585983742423
06/05/14 5.54285772835783e-08
06/06/14 0.237057806417057
表2
当通过上述方法确定相应日期即使在工作日不是工作日期时,在随后计算耗电量时排除这种情况。
在基本消耗量提取步骤(S400)中,利用非使用时间的耗电量提取电子设备的基本消耗量。
在一个实施例中,从除了非工作日期的使用时间或者工作日期的工作时数的耗电量中提取维持办公室所需的基本耗电量。在这种情况下,可以用总耗电量的中心值来表达基本消耗量。尽管由于夜间加班或者周末工作,只出现一个占用人,但相应的耗电量也会明显增加。其结果是当提取基本耗电量作为平均值时,则存在发生重大误差的可能性。因此,为了弥补这一缺陷,可以通过中心值来确定办公室的基本消耗量。
此外,在阈值温度和耗电量连续函数提取步骤(S500)中,通过一个关系来表达根据实感温度耗电量不同的现象。更可取的是,在实感温度的情况下,通过考虑大气温度和湿度用数值来表达人实际感觉到的温度。
详细的公式类似于下面列出的方程式,其中t代表室外温度,h代表相对湿度(范围为0和1),T代表实感温度。
[方程式1]
通常,人们在高于或低于以实感温度(例如,15℃)为基础的相 应温度时会感觉到温度不适,人们在所述实感温度启动办公室的制热 或制冷装置会感觉较为舒适。而且,因为与舒适温度的温度差较大, 所以人们倾向于把制热或制冷装置开得很大。
但是,尽管有这种倾向,在通过制热或制冷装置降低或升高室内温度时有一个物理限制。其结果是,当温度偏离特定极限值时,无论温度如何,都会限制制热或制冷装置的消耗量。例如,在出现异常高温的夏季,尽管完全启动制冷装置,由于限制制冷装置的独特输出,所以增加耗电量会受限制。
可以通过图4所阐释的函数来表达这种现象,通过下文列出的方程式提取耗电量和温度之间的函数。换言之,在一个实施例中,阈值温度包括要求以最大限度驱动加热装置的第一阈值温度和要求以最大限度驱动制冷装置的第二阈值温度。在提取温度或耗电量连续函数过程中,提取关于第一阈值温度的耗电量的连续函数,提取第二阈值温度的耗电量,并提取第一阈值温度和第二阈值温度之间的耗电量。
在这种情况下,假定第一阈值温度为TC。第二阈值温度为TH,作为以最大限度利用HVAC装置的温度,同时用P代表耗电量,T代表实感温度。
[方程式2]
在此,在最大温度极限值和最小温度极限值之间的范围[TC,TH]中,假定用四进制公式代表温度和耗电量之间的关系表达。其结果是,表达为当温度以最低点为基础升高或降低时,耗电量也会随之增加。
此外,因为HVAC装置的运行在最低点降到最低限度,所以此时的温度被归类为舒适温度。在超出温度极限值的范围内,假设耗电量并非进一步增加,而是保持在最高消耗量,则通过常数函数来表达温度。此外,通常,用可微连续函数来表达温度和耗电量之间的关系。
上述方程式所定义的函数P的限制条件与可微连续函数的条件相同。为了满足该条件,要求最高或最低温度极限值的微分值为0。因此,要求(TC,TH)段的函数P的微分如同下述方程式一样的三级公式。
[方程式3]
由此表达函数P时,
[方程式4]
上述方程式是相同的。换言之,可以通过a、b、c、TC和TH这五个参数来表达函数P。在引入附加参数的情况下,可以表达在整个实数范围内定义的函数P。总之,可以通过下述方程式简单地表达函数P,
[方程式5]
在计算估计耗电量的步骤(S600)中,通过从计算的耗电量中排除基本耗电量和连续函数的最小值来计算估计耗电量。
在一个实施例中,在计算估计耗电量的步骤(S600)中,假设无论温度如何,除办公室中所用的HVAC装置外的电气设备的消耗量是恒定的。可划分HVAC装置和非HVAC装置的耗电量。换言之,在处于舒适温度的温度下,HVAC装置不运行,但是非HVAC装置运行。
因此,在相应的温度,在阈值温度或耗电量连续函数步骤(S500)所提取的函数为最小值。此时,函数值作为非HVAC元件的估计值。
此外,从提取温度或耗电量连续函数步骤(S500)的函数中减去函数的最小值得到的值当作HVAC元件的估计值。
具体地说,根据前述实感温度,通过分析工作时间内产生的耗电量来计算估计耗电量。首先,把每次的实感温度和耗电量设定为Ti和Pi。通过求解以下最小二乘问题估算参数。在这种情况下,关于参数TC和TH的函数P的微分变为狄拉克德尔塔函数(Dirac deltafunction),因为很难用数字计算狄拉克德尔塔函数,所以在不采用微分的情况下,应用极小化方法。
[方程式6]
为了反映一周内每天以及每个时间的电气设备(最好是暖通空调(HVAC)装置)的使用特征,针对人们出现在办公室、家等处时一周内每天以及每个时间,来估算上述函数。当数据不足时,一周的每天可分为周中和周末。此时,可以按照图5所示来表示以估计温度为基础的耗电量。
HVAC装置的耗电量被定义为从P(T-i)中减去基本消耗量和估计函数的最小值所 得到的值,所述P(T-i)在估计函数P中的相应时间引入温度。具体地说,当在实际相应时间 测得的耗电量为y,估计基本消耗量为a,定义为估计函数最小值的非HVAC装置的消耗量为 b,通过在相应的时间把温度引入估计函数,并减去b得到的值为c时,根据实际所测得值,可 像表3那样划分和估算消耗量。
测得值(y) 基本消耗量(a) 非HVAC装置的消耗量(b) HVAC装置的消耗量(c=P(T-i)-b) 其它消耗量(d)
0<=y<a y 0 0 0
a<=y<a+b a y-(a+b) 0 0
(a+b)<=y<(a+b+c) a b y-(a+b) 0
(a+b+c)<=y a b c y-(a+b+c)
表3
此外,在一个实施例中,可以通过估计耗电量的方法来预计耗电量。换言之,非工作日和加班时数的总耗电量可预计为基本消耗量,其它工作时区的耗电量可把耗电量预计为通过把实感温度引入估计函数所计算得到的值。
图6是阐释通过按照所提出的方法根据估计的耗电量来区分每个元件的耗电量并粗略估计区分的耗电量所得到结果的示例图。
第一曲线是实际测得值,第二曲线是通过预计表达的值。由此可见,很好的估算了周末的耗电量,其结果是,很好地表达了基本消耗量。
此外,在7月29日以前的周末,由此可见,因为与基本消耗量相比,耗电量大大增加,所以存在工作人员。通过预计值和实际测得值之间的差异可以提供关于非普通占用模式的通知。
图1所示的各个行动、行为、模块、步骤等可以按照所示顺序执行、按照不同的顺序执行或者同时执行。此外,在某些实施例中,在不脱离本发明范围的情况下,某些行动、行为、方块、步骤等可以省略、添加、修改、跳过等。
此外,可以通过图7所示的估算耗电量的装置10来执行根据本发明估算耗电量的方法。在一个实施例中,装置10包括数据采集单元100、关系提取单元200和估计耗电量计算单元300。
换言之,数据采集单元100可配置为采集包括耗电量和温度信息在内的环境信息。关系提取单元200可配置为分析确定的实感温度和以实感温度为基础的耗电量之间的相关性。此外,关系提取单元200可配置为划分用户使用电气设备的使用时间和非使用时间。此外,关系提取单元200可配置为利用非使用时间所用的耗电量提取电气设备的基本消耗量。此外,关系提取单元200可配置为提取阈值温度,所述阈值温度要求电气设备以最大限度运转,并提取温度(低于或高于阈值温度)和耗电量之间的连续函数。在此所述的阈值温度要求电气设备以最大限度运转。
此外,估计耗电量计算单元300通过连续函数根据预定温度来计算耗电量,并及时除基本消耗量以外的估计耗电量。
根据本发明,提出了基于目的的耗电量关系,具体的是通过考虑用户是否出现在建筑物中来区分耗电量模式,从而提供各个模式的消耗量。此外,比较估计耗电量和实际耗电量,以便提供关于异常情况的用户提示信息,此外,通过计算的温度或耗电量的关系可以进一步提供未来耗电量的预测信息。
图7阐释了估算耗电量的装置10的有限概述,但是应该理解在此并不限制其它实施例。为每个单元或部件提供的标签只是出于说明性目的,而不是限制本发明的范围。此外,可以将一个或多个单元组合或分开,以执行相似或基本相似的功能,而不脱离本发明的范围。此外,装置10可包括与其它硬件或软件组件在本地或远程相互作用的其它不同部件,以便根据温度来估算耗电量。
具体实施例的前述说明充分揭示了本文实施例的普遍性,他人通过应用当前知识可以很容易地修改或调整这些具体实施例的各个应用,而不脱离通用概念,因此,应该并且为了在所公开的实施例等同的意义和范围内理解此类调整和修改。应理解在此所用的措辞或术语是出于说明性目的,而非限制性目的。因此,已按照优选实施例对本文的实施例进行描述,本领域技术人员会认识到可以通过在本文所述实施例的技术精神和范围内修改和实施本文的实施例。

Claims (7)

1.一种根据温度来估算耗电量的方法,所述方法包括:
通过关系提取单元根据确定的温度和以所述确定的温度为基础的耗电量之间相关性的分析来划分使用时间和非使用时间;
通过所述关系提取单元根据所述非使用期间的耗电量来提取电气设备的基本消耗量;
通过所述关系提取单元提取以阈值温度和耗电量为基础的阈值温度和耗电量连续函数,其中所述阈值温度要求所述电气设备以最大限度运转;
估计耗电量计算单元通过所述耗电量连续函数来计算以预定温度为基础的所述耗电量;以及,
通过所述估计耗电量计算单元来计算除所述基本消耗量之外的估计耗电量。
2.根据权利要求1所述的方法,进一步包括:
排除异常耗电量,所述异常耗电量超出关于所述耗电量的平均值的预定范围,其中,分析除所述异常耗电量之外的所述耗电量与所述确定的温度之间的相关性。
3.根据权利要求1所述的方法,其特征在于,所述基本消耗量是所述非使用期间的耗电量的中心值。
4.根据权利要求1所述的方法,其特征在于,所述提取所述阈值温度以及以所述阈值温度和耗电量为基础的所述连续函数包括:
提取关于第一阈值温度的所述耗电量的所述耗电量连续函数,其中,所述第一阈值温度要求加热装置以最大限度运转;
提取关于第二阈值温度的所述耗电量的所述耗电量连续函数,其中,所述第二阈值温度要求冷却装置以最大限度运转;以及,
提取所述第一阈值温度和所述第二阈值温度之间的所述耗电量。
5.根据权利要求1所述的方法,其特征在于,从计算的耗电量中排除所述基本消耗量和所述耗电量连续函数的最小值来计算所述估计耗电量。
6.根据权利要求1所述的方法,进一步包括除了所述计算的耗电量中的所述基本消耗量和所述估计耗电量外计算非暖通空调(HVAC)装置的耗电量。
7.一种根据温度来估算耗电量的装置,所述装置包括:
数据采集单元,配置所述数据采集单元以采集包括耗电量和温度信息在内的环境信息;
关系提取单元,配置为:
分析确定的实感温度和以所述实感温度为基础的所述耗电量之间的相关性;
基于所述相关性的分析来划分使用时间和非使用时间;
根据非使用时间的耗电量来提取电气设备的基本消耗量;以及,
提取以阈值温度和耗电量为基础的阈值温度和耗电量连续函数,其中,所述阈值温度要求所述电气设备以最大限度运转;以及,
估计耗电量计算单元,配置为:
通过所述耗电量连续函数来计算以预定温度为基础的所述耗电量;以及,
计算除所述基本消耗量之外的所述估计耗电量。
CN201510635812.8A 2014-10-07 2015-09-30 根据温度估算耗电量的方法和装置 Active CN105512455B (zh)

Applications Claiming Priority (2)

Application Number Priority Date Filing Date Title
KR10-2014-0134958 2014-10-07
KR1020140134958A KR101598979B1 (ko) 2014-10-07 2014-10-07 온도에 따른 전기 사용량 추정 방법 및 장치

Publications (2)

Publication Number Publication Date
CN105512455A CN105512455A (zh) 2016-04-20
CN105512455B true CN105512455B (zh) 2018-06-22

Family

ID=55582685

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201510635812.8A Active CN105512455B (zh) 2014-10-07 2015-09-30 根据温度估算耗电量的方法和装置

Country Status (4)

Country Link
US (1) US20160098639A1 (zh)
JP (1) JP6393670B2 (zh)
KR (1) KR101598979B1 (zh)
CN (1) CN105512455B (zh)

Families Citing this family (20)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US10724752B2 (en) 2016-05-24 2020-07-28 Gridpoint, Inc. Methods and systems for automated HVAC testing
KR101799037B1 (ko) * 2016-05-31 2017-11-17 주식회사 인코어드 테크놀로지스 가전 기기 사용 가이드 시스템 및 가전 기기 사용 가이드 방법
CN106056474B (zh) * 2016-06-03 2019-08-09 武汉企鹅能源数据有限公司 一种基于能源供应系统的自适应运维和参数调节方法
CN107169596B (zh) * 2016-06-30 2024-02-09 国网江苏省电力公司南通供电公司 基于人体舒适度的台区日用电量的预测方法
JP2018204944A (ja) * 2017-05-30 2018-12-27 パナソニックIpマネジメント株式会社 換気方法、制御装置および換気システム
EP3695288B1 (en) * 2017-10-09 2023-07-19 Total Solar International Decoupled modeling methods and systems
CN110876180B (zh) * 2018-08-31 2023-08-29 Oppo广东移动通信有限公司 功耗处理方法、装置、电子设备及计算机可读介质
KR102081912B1 (ko) * 2018-11-15 2020-02-26 광주과학기술원 딥러닝 기반 마스크 추정 방법을 이용한 건물 부하 식별 시스템의 동작 방법
JP7289449B2 (ja) * 2019-07-24 2023-06-12 パーパス株式会社 ガス売上予測の方法、システム、プログラム、およびサーバー
US11212946B2 (en) * 2019-09-18 2021-12-28 Baidu Usa Llc Performance-per-watt optimal control logic in liquid cooling solution for high performance machine-learning computing
JP7408976B2 (ja) * 2019-09-25 2024-01-09 株式会社富士通ゼネラル 空気調和機
DE102019219450A1 (de) 2019-12-12 2021-06-17 Robert Bosch Gmbh Verfahren zum Abschätzen eines Temperierungsenergieverbrauchs eines Elektrofahrzeugs, Verfahren zum Abschätzen einer Reichweite eines Elektrofahrzeugs
US11639804B2 (en) 2019-12-13 2023-05-02 Trane International Inc. Automated testing of HVAC devices
CN113400943A (zh) * 2020-03-16 2021-09-17 北京新能源汽车股份有限公司 一种电动汽车续驶里程的估算方法、装置及电动汽车
JP2022139806A (ja) * 2021-03-12 2022-09-26 本田技研工業株式会社 物資管理装置、物資管理方法、およびプログラム
TWI832131B (zh) * 2021-12-23 2024-02-11 友達光電股份有限公司 能源需量管理系統
CN114487663A (zh) * 2022-01-11 2022-05-13 珠海格力电器股份有限公司 用电异常分析方法和装置、电子设备、存储介质
WO2024019253A1 (ko) 2022-07-19 2024-01-25 주식회사 씨드앤 대상 구역의 온도 변화량을 예측하는 장치 및 방법
KR102586980B1 (ko) * 2022-10-17 2023-10-10 주식회사 씨드앤 단일 냉난방기가 턴 온된 경우의 대상 구역의 온도 변화량을 예측하는 장치 및 방법
KR102607306B1 (ko) * 2022-10-14 2023-11-29 주식회사 씨드앤 대상 구역에 설치된 냉난방기들의 조합 희망 온도를 설정하는 장치 및 방법과, 이를 이용하여 대상 구역의 기저 관계 정보를 산출하는 방법

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN200944049Y (zh) * 2006-08-23 2007-09-05 王学 中央空调冷热量电量监测计量装置
CN101751015A (zh) * 2008-12-10 2010-06-23 财团法人资讯工业策进会 建筑节能调控方法与系统
CN101893309A (zh) * 2010-07-19 2010-11-24 宁波奥克斯电气有限公司 变频空调节能运转的控制方法
CN102095927A (zh) * 2010-11-22 2011-06-15 湖南弘龙科技开发有限公司 用于通信基站的节能计量方法
CN102253277A (zh) * 2011-04-19 2011-11-23 江苏白雪电器股份有限公司 一种试验售货机在定点温度时耗电量的方法

Family Cites Families (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2004205255A (ja) * 2002-12-24 2004-07-22 Tohoku Denki Hoan Kyokai 電力使用量測定装置
JP5100723B2 (ja) * 2009-09-02 2012-12-19 株式会社東芝 消費電力量監視装置および消費電力量監視方法
KR101866564B1 (ko) * 2011-09-26 2018-06-14 한국전력공사 원격검침 로드 프로파일의 부하기기별 전력 사용 패턴 분리 장치 및 방법
US9569804B2 (en) * 2012-08-27 2017-02-14 Gridium, Inc. Systems and methods for energy consumption and energy demand management
KR101355978B1 (ko) * 2012-09-20 2014-02-03 전자부품연구원 전력 관리 시스템 및 전력 사용량 예측 방법
KR20140043184A (ko) * 2012-09-28 2014-04-08 한국전자통신연구원 에너지 소비량 예측 장치 및 방법
US9348952B2 (en) * 2013-02-07 2016-05-24 General Electric Company Method for predicting HVAC energy consumption
WO2015075794A1 (ja) * 2013-11-20 2015-05-28 株式会社 東芝 電力需要予測システム、電力需要予測方法、需要家プロファイリングシステム、及び需要家プロファイリング方法

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN200944049Y (zh) * 2006-08-23 2007-09-05 王学 中央空调冷热量电量监测计量装置
CN101751015A (zh) * 2008-12-10 2010-06-23 财团法人资讯工业策进会 建筑节能调控方法与系统
CN101893309A (zh) * 2010-07-19 2010-11-24 宁波奥克斯电气有限公司 变频空调节能运转的控制方法
CN102095927A (zh) * 2010-11-22 2011-06-15 湖南弘龙科技开发有限公司 用于通信基站的节能计量方法
CN102253277A (zh) * 2011-04-19 2011-11-23 江苏白雪电器股份有限公司 一种试验售货机在定点温度时耗电量的方法

Also Published As

Publication number Publication date
CN105512455A (zh) 2016-04-20
US20160098639A1 (en) 2016-04-07
JP6393670B2 (ja) 2018-09-19
KR101598979B1 (ko) 2016-03-02
JP2016075671A (ja) 2016-05-12

Similar Documents

Publication Publication Date Title
CN105512455B (zh) 根据温度估算耗电量的方法和装置
Li et al. Indoor thermal environment optimal control for thermal comfort and energy saving based on online monitoring of thermal sensation
Anand et al. A review of occupancy-based building energy and IEQ controls and its future post-COVID
Liu et al. Multi-objective optimization of indoor air quality control and energy consumption minimization in a subway ventilation system
Moon et al. Development of a thermal control algorithm using artificial neural network models for improved thermal comfort and energy efficiency in accommodation buildings
Gao et al. The self-programming thermostat: optimizing setback schedules based on home occupancy patterns
Ghahramani et al. A knowledge based approach for selecting energy-aware and comfort-driven HVAC temperature set points
Ouf et al. On quantifying building performance adaptability to variable occupancy
Lee et al. A simulation–optimization approach for energy efficiency of chilled water system
Pazhoohesh et al. A satisfaction-range approach for achieving thermal comfort level in a shared office
US20160266181A1 (en) Electric power demand prediction system, electric power demand prediction method, consumer profiling system, and consumer profiling method
Yang et al. Distributed control of multizone HVAC systems considering indoor air quality
Salimi et al. Optimizing energy consumption and occupants comfort in open-plan offices using local control based on occupancy dynamic data
JP2007240067A (ja) 空調制御システム
US9892472B2 (en) Cost optimization for buildings with hybrid ventilation systems
Yu et al. Assessment of operating performance of chiller systems using cluster analysis
Zhou et al. Building energy use prediction using time series analysis
CN106292325A (zh) 一种数据驱动的家居环境舒适性偏好建模与控制方法
CN114169746A (zh) 夏季空调降温负荷的确定方法
CN108427840A (zh) 基于基准能效预测的数据中心空调系统节能量计算方法
Lavanya et al. Development of Machine Learning Based Microclimatic HVAC System Controller for Nano Painted Rooms Using Human Skin Temperature
KR20130120603A (ko) 실내 환경 조건 완화를 통한 에너지 관리 장치 및 방법
CN107894970A (zh) 航站楼出港人数的预测方法和系统
KR20160082562A (ko) Iot스마트 플랫폼을 이용한 버스 냉난방 제어방법
Li et al. XGBoost energy consumption prediction based on multi-system data HVAC

Legal Events

Date Code Title Description
C06 Publication
PB01 Publication
C10 Entry into substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant