CN108292122A - 数据和能源存储互联网架构内的分布式信息代理间的通信 - Google Patents

Abstract

一种在网元(network element，简称NE)中实现的方法，其中，所述网元用于在分布式数据和能源存储互联网架构内作为集成信息代理(ensemble information broker，简称EIB)，所述方法包括：收集指示能源流的能源数据和设备消耗和生成的能源量和数据量；收集人类活动数据；通过应用预测算法和分析所述收集的数据来预测未来能源消耗需求和生成；基于应用于成本函数的预测的未来能源消耗需求和能源生成，生成控制命令集合；将所述控制命令集合传输相应设备；传输广播消息以确定外部NE，以基于用户偏好建立为好友连接；传输与所确定的NE建立好友连接的请求；当所述好友连接建立时，将所述人类存在数据传输到所述外部NE。

Description

数据和能源存储互联网架构内的分布式信息代理间的通信

相关申请案交叉申请

本申请要求于2015年12月16日递交的发明名称为“数据和能源存储互联网架构内的分布式信息代理间的通信”的第14/970,906号美国专利申请案的在先申请优先权，该在先申请的内容以引入的方式并入本文。

背景技术

智能控制对于管理计算系统和网络是很重要的。可以使用分析和反馈，通过优化调度和资源分配来实现多个目标，比如通过调整调度优先级、存储器分配和网络带宽分配。控制理论包含了大量实用的系统-控制-设计原则，并提供了一个设计闭环系统的系统的方法。闭环系统因其可以避免自然振荡，因此是稳定的，并且因其达到预期的输出，因此是精确的，并迅速稳定到稳定状态值。控制理论是理论和应用数学的一个分支，用于计算的很多方面的设计。另外，控制理论用于分析和设计机械、电气、航空和其他工程学科的反馈回路。因此，控制理论已经对从飞机、航天器、其他交通和运输系统到计算机系统、工业制造和操作设备、机床、加工机械和消费设备等大量系统和技术的设计和开发产生了深远的影响。

与人机界面的输入一起，智能控制可以分析人的偏好和行为，为每个人提供量身定制的方案。通常，智能控制器的任务是在严格限制下控制单个设备或系统，以实现相互冲突的目标。智能控制的设计者、制造商和用户一直在寻求有效控制系统的解决方案，同时也相互协作，以实现更好的资源共享和协作。

发明内容

在一实施例中，本发明包括分布式系统，所述分布式系统包括多个网元(networkelement，简称NE)，所述多个网元用于在分布式数据和能源存储互联网架构内作为集成信息代理(ensemble information broker，简称EIB)；每个NE用于收集关于特定时间段内通过与所述NE相关联的智能系统内的多个设备的能源流的设备数据、所述设备在所述特定时间段内消耗的能源量和数据量，以及在所述特定时间段内所述设备生成的能源量和数据量；收集所述特定时间段内所述智能系统中关于用户在所述智能系统内出现的人类存在数据；收集所述特定时间段内所述智能系统中关于用户对所述设备的输入和用户与所述设备的交互的人类活动数据；通过将预测算法应用于所述设备数据、人类存在数据和人类活动数据来确定所述智能系统的未来能源和数据消耗以及生成需求；基于应用于与所述智能系统相关联的动态的以人为中心的成本函数的未来能源和数据消耗以及生成需求，生成所述智能系统内的设备的控制命令集合，其中，所述动态的以人为中心的成本函数根据所述智能系统的人类存在数据、人类活动数据和用户定义的偏好等级来适配加权客观度量；将所述控制命令集合传输到所述智能系统内的相应设备；传输广播消息以确定分配的环境或网络内以及分布式数据和能源存储互联网架构内的外部NE，以基于用户偏好建立为好友连接；传输建立与所确定的NE的好友连接的请求，其中，在接收到来自所述外部NE的确认时建立所述好友连接；当所述好友连接建立时，将所述人类存在数据传输到所述外部NE。在一些实施例中，每个NE还用于：当所述好友连接建立时，周期性地发送心跳消息以维持与所述外部NE的连接状态，和/或当好友连接建立时，从所述外部NE接收外部环境存在数据，其中，所述外部环境存在数据指示多个外部用户与所述外部NE相关联的外部智能系统内的多个外部设备的交互；和/或在特定时间从第二外部NE接收对能源或数据存储请求；基于由第二外部NE是否已被建立为好友连接确定的资格算法，确定与第二外部NE相关联的第二外部智能系统的资格；向所述智能系统内的发电设备发送命令，以使所述发电设备在确定所述第二外部智能系统有资格接收能源量或数据量，在所述特定时间向所述第二外部智能系统提供满足所述能源或数据存储请求的能源或数据生成量，和/或提供一个界面以改变或输入能源成本函数和用户生产力函数采用的值。在一些实施例中，本发明还包括：当第二外部NE未被建立为好友连接时，资格算法是基于积分的信用方案，其中，所述基于积分的信用方案比较发送到外部智能系统的能源或数据的发送量和从外部智能系统接收的能源或数据的接收量；所述基于积分的信用方案包括权重函数，所述权重函数包括基于所述特定时间与分配给所述NE的所述智能系统内的能源或数据消耗的峰值时间之间的时间距离确定的权重值；当所述第二外部NE被建立为好友连接时，所述资格算法是建立的好友方案，所述建立的好友方案确定当所述第二NE被建立为好友连接时，所述第二外部智能系统有资格接收能源量或数据量；和/或所述动态的以人为中心的成本函数包括能源成本函数和用户生产力函数的加权和的以人为中心的多模表示，所述能源成本函数表示所述设备的运行状态，所述用户生产力函数表示所述智能系统内的人类舒适度和人类生产力水平，并包括关于所述设备的运行状态的噪声函数、降温函数、升温函数、新鲜度函数和湿度函数。

在另一实施例中，本发明包括用于在分布式数据和能源存储互联网架构内作为集成信息代理(ensemble information broker，简称EIB)的网元(network element，简称NE)；所述NE包括处理器，用于收集关于在特定时间段内通过与所述NE相关联的智能系统内的多个设备的能源流的设备数据、所述设备在所述特定时间段内消耗的能源量和数据量以及所述设备在特定时间段内生成的能源量和数据量；在所述特定时间段内收集所述智能系统中关于用户在所述智能系统内出现的人类存在数据；收集所述特定时间段内所述智能系统中关于用户对所述设备的输入和用户与所述设备的交互的人类活动数据；通过将预测算法应用于所述设备数据、人类存在数据和人类活动数据来预测所述智能系统的未来能源和数据消耗以及生成需求；基于应用于与所述智能系统相关联的动态的以人为中心的成本函数的未来能源和数据消耗以及生成需求，生成所述智能系统内的设备的控制命令集合，其中，所述动态的以人为中心的成本函数根据所述智能系统的人类存在数据、人类活动数据和用户定义的偏好等级来适配加权客观度量；所述能源成本函数表示所述设备的运行状态，所述用户生产力函数表示所述智能系统内的人类舒适度和人类生产力水平，并包括关于所述设备的运行状态的噪声函数、降温函数、升温函数、新鲜度函数和湿度函数；耦合至处理器的发射器，用于将所述控制命令集合传输到所述智能系统内对应的设备。在一些实施例中，所述NE还包括到耦合至所述处理器的接收器，用于从多个外部NE接收指示多个外部用户与多个外部NE的每个NE相关联的外部智能系统内的多个外部设备的交互的外部环境存在数据，其中，所述多个外部NE用于在所述数据和能源存储互联网内作为被建立为好友连接的外部EIB；所述处理器还用于基于对所述外部环境存在数据的分析来确定所述外部NE的子集，其中，所述外部环境存在数据指示每个所述外部智能系统包括足够的剩余功率或数据存储以满足相关联的智能系统的对能源或数据存储请求的可能性；所述发射机还用于将所述对能源或数据存储请求传输到所述外部NE的子集，和/或耦合至所述处理器的接收机，用于在特定的时间从作为所述数据和能源存储互联网内的外部EIB的外部NE接收能源或数据存储的要求；基于积分的信用方案来确定分配给所述外部NE的外部智能系统的资格，所述基于积分的信用方案比较发送到分配给外部NE的外部智能系统的能源或数据的发送量与接收到的来自外部智能系统的能源或数据的接收量，其中，所述基于积分的信用方案包括权重函数，所述权重函数包括基于所述特定时间与分配给所述NE的所述智能系统内的能源或数据消耗的峰值时间之间的时间距离确定的积分值；向智能系统内的发电设备发送命令，以使所述发电设备在确定所述外部智能系统有资格接收能源量或数据量，在所述特定时间向所述外部智能系统提供满足所述能源或数据存储请求的能源或数据生成量。在一些实施例中，本发明还包括：还根据以人为中心的优化目标来生成所述控制命令集合，所述以人为中心的优化目标包括所述智能系统内的能源成本的降低以及所述智能系统内的用户的生产力的优化，和/或所述人类活动数据包括用户与所述智能系统中的每个设备交互的一天和几个小时的时间，和/或通过根据从耦合至所述NE的所述智能系统内的用户界面接收的用户偏好对所述成本函数进行加权来更新所述动态的以人为中心的成本函数，和/或基于所述NE通过所述接收器从一个所述外部NE接收建立所述好友连接的请求以及所述NE通过所述发送器发送所述好友连接已经建立的确认，来为一个所述外部NE建立所述好友连接，和/或所述发射器还用于当所述外部NE被建立为好友连接时，将所述人类存在数据传输到所述外部NE。

在又一实施例中，本发明包括在用于作为分布式数据和能源存储互联网架构内的集成信息代理(ensemble information broker，简称EIB)的网元(network element，简称NE)中实现的方法。所述方法包括：收集关于特定时间段内通过与所述NE相关联的智能系统内的多个设备的能源流的能源数据、所述设备在所述特定时间段内消耗的能源量，以及在所述特定时间段内所述设备生成的能源量；收集所述特定时间段内所述智能系统中关于用户在所述智能系统内出现的人类存在数据；收集所述特定时间段内所述智能系统中关于用户对所述设备的输入和用户与所述设备的交互的人类活动数据；通过将预测算法应用于并分析所述收集的能源数据、人类存在数据和人类活动数据来预测所述智能系统的未来能源消耗需求和能源生成；基于应用于与所述智能系统相关联的动态的以人为中心的成本函数的未来能源消耗需求和能源生成，生成所述智能系统内的设备的控制命令集合；将所述控制命令集合传输到所述智能系统内的相应设备；传输广播消息以确定分配的环境或网络内以及所述数据和能源存储互联网架构内的作为外部EIB的外部NE，以基于用户偏好建立为好友连接；传输建立与所确定的NE的好友连接的请求，其中，在接收到来自所述外部NE的确认时建立所述好友连接；当所述好友连接建立时，将人类存在数据传输到所述外部NE。在一些实施例中，所述方法还包括：当所述好友连接建立时，接收指示多个外部用户与多个外部NE相关联的外部智能系统内的多个外部设备的交互的外部NE外部人类存储数据，和/或基于对外部人类存在数据的分析来确定将外部NE包括在外部NE集合内，其中，所述外部人类存在数据指示所述外部智能系统包括足够的剩余功率或数据存储以满足相关联的智能系统的对能源或数据存储请求的可能性，当所述外部NE包括在所述外部NE集合中时，将所述能源或数据存储请求传输到所述外部NE，和/或在特定时间从作为所述数据和能源存储互联网内的外部EIB的外部NE接收能源或数据存储请求；基于积分的信用方案来确定分配给所述外部NE的外部智能系统的资格，其中，所述基于积分的信用方案比较发送到分配给外部NE的外部智能系统的能源或数据的发送量与接收到的来自外部智能系统的能源或数据的接收量，所述基于积分的信用方案包括权重函数，所述权重函数包括基于所述特定时间与分配给所述NE的所述智能系统内的能源或数据消耗的峰值时间之间的时间距离确定的积分值；向所述智能系统内的发电设备发送命令，以使所述发电设备在确定所述外部智能系统有资格接收能源量或数据量时，在所述特定时间向所述外部智能系统提供满足所述能源或数据存储请求的能源或数据生成量。通过以下结合附图和权利要求的详细描述，这些以及其它特征将会被更清楚地理解。

附图说明

为了更透彻地理解本发明，现参阅结合附图和具体实施方式而描述的以下简要说明，其中的相同参考标号表示相同部分。

图1是一种在数据和能源存储互联网架构内部署的智能系统的示意图；

图2是一种用于在网络中实现EIB的NE的一实施例的示意图；

图3是一种包括多个智能系统的数据和能源存储互联网架构的一实施例的示意图；

图4是一种网络中的EIB实施的实施例的示意图；

图5是一种EIB上实现的能源供应/需求模型和预测器(P)组件的一实施例的示意图；

图6是一种EIB的人类行为分析器组件实施的实施例的流程图；

图7是一种当数据和能源流分析器组件接收到输入时，数据和能源流分析器组件实施的实施例的流程图；

图8是一种当预测器组件接收到输入时，EIB的预测器组件实施的实施例的流程图；

图9是一种通过外部网关连接至EIB的外部EIB接收输入数据或向外部EIB发送输入数据，EIB实施的实施例的流程图；

图10是一种EIB上实现的成本感知工作量控制器/调度器(C)组件的一实施例的示意图；

图11是一种当接收到用户界面的输入数据时，EIB实施的一实施例的流程图；

图12是当EIB从数据和能源存储互联网内实现的另一个EIB接收到好友请求时，由数据和能源存储互联网架构内的EIB实施的一实施例的流程图；

图13是当EIB发起充电或放电请求时，由数据和能源存储互联网架构内的EIB实施的一实施例的流程图；

图14是一种EIB所采用方法的示例性实施例的流程图，EIB在数据和能源存储互联网架构中实现，以确定配置为当与EIB相关联的智能系统需求智能系统内设备的能源时，可提供能源的EIB的外部NE集合。

具体实施方式

首先应理解，尽管下文提供一项或多项实施例的说明性实施方案，但所公开的系统和/或方法可采用任何数量的技术来实施，无论该技术是当前已知还是现有的。本发明决不应限于下文所说明的说明性实施方案、附图和技术，包含本文所说明并描述的示例性设计和实施方案，而是可在所附权利要求书的范围以及其等效物的完整范围内修改。

一类反馈控制包括智能控制器。智能控制器的任务可以是在各种限制下控制系统以达到控制目标。例如，智能控制器可以控制特定环境系统的各种环境参数。智能控制器可以解决和管理潜在的冲突目标。因此，当两个或更多个控制目标冲突时，智能控制器的设计者可以寻求有效地控制系统的控制方法和系统。

智能控制器可能只关注如何降低能源成本，而不是如何提高生产力，因为提高生产力可能比降低能源成本消耗更多资源。然而，再结合经济共享的理念，有机会在提高生产力和效率的同时可以降低能源成本。例如，多个设备的控制决策可能是相关的，因此每个设备的单独控制可能导致次优的结果。在一实施例中，能源解决方案可以使用Nest来执行机器学习算法。然而，Nest只能控制一台设备(例如供热通风和空调(HVAC))。此外，Nest无法利用智能控制器之间的通信来实现更好的资源共享和协作。

可以设计智能控制器为基于系统的控制模型和传感器反馈，将控制信号输出到系统的各种动态部件。这样的系统可以示出预定的操作行为或操作模式。因此，设计这样的系统的控制部件，以确保预定的系统行为在正常的操作条件下发生。在某些情况下，系统可能存在各种不同的操作模式，因此，系统的控制部件可以选择系统的当前操作模式并控制系统以符合所选择的操作模式。

本文公开了数据和能源存储互联网架构，包括分布式集合信息代理(ensembleinformation broker，简称EIB)(例如，智能控制器)，用于监视和控制相关联的智能系统或智能网络内的设备以及彼此之间的通信。数据和能源存储互联网提供了一种机制，为与数据和能源存储互联网内控制的设备进行交互的用户实现能源成本效率和提高生产力的双重目标，同时满足为数据和储能互联网而建立的服务级别协议(service levelagreement，简称SLA)和服务质量(Quality of Service，简称QoS)要求。在一实施例中，数据和能源存储互联网架构内的EIB以对等方式与另一EIB通信(例如通过采用对等通信协议)。EIB之间的对等通信允许数据和能源存储互联网内的每个EIB发送和接收请求，以通过网络直接与数据和能源存储互联网内的其他EIB交换信息和能源资源。

数据和能源存储互联网架构内的EIB使用智能信息和资源共享方案来实现上述系统目标。每个EIB和受控消费、生产和存储(例如，电池、数据存储)设备形成智能系统或智能网络。在各实施例中，EIB作为相关联的智能系统内受控设备的智能控制器。在一实施例中，EIB包括分析模型和预测器以及成本感知工作量控制器/调度器。

可以为办公室、家庭、大型企业和其他适用的环境部署EIB和相关联的智能系统。在一实施例中，设备可以用于充当EIB，以存储关于相关联的智能系统内的设备的能源使用、数据使用和用户个性化数据，与设备的交互以及所述相关联的智能系统内的存在。用户个性化数据可包括关于用户在智能系统中出现的时间段人类存在数据。用户个性化数据可包括人类活动数据，关于用户使用或与相关联的智能系统中设备交互(用户与所述智能系统中设备交互的一天和/或几个小时的时间)，或用户输入、选择或配置所述设备/智能系统时的时间段。所述EIB通过采用机器学习和基于模型的预测控制技术来分析和控制相关联的智能系统内的设备。例如，EIB可以控制相关联设备的电源(例如，设备是打开或关闭)和/或存储在设备(例如，能源生成或存储设备)的充电(例如，接收)和/或放电(例如，释放)。在各实施例中，EIB学习与智能系统内的设备交互的用户的习惯，并且可以与所述数据和能源存储互联网内的其他EIB交换该人类存在数据和人类活动数据。EIB可以使用人类存在数据和人类活动数据来预测行为并且为相关联的智能系统内的设备进行性能和活动调度。另外，EIB可以通过监视智能系统内的能源和数据流来检测异常(例如，能源盗窃)。在各实施例中，EIB可以用于贡献于和/或作为软件定义的商品硬件的一部分，其包括智能家庭或智能城市。在一实施例中，EIB可以实现为用于智能家庭和/或智能办公室的虚拟信息代理。

数据和能源存储互联网内的EIB可以建立彼此之间的“好友”关系。EIB可以基于规则集和/或基于积分的信用度方案以及已建立或未建立的好友关系来相互交换资源。在一实施例中，规则集和基于积分的信用方案强制执行一些策略，这些策略要求每个EIB在发出放电请求之前对数据和能源存储互联网内的能源交易作出贡献。在一实施例中，EIB采用的基于积分的信用方案将加权值分配给数据和能源存储互联网内的外部EIB，外部EIB已向与EIB相关联的智能系统发送能源并从中获取能源。加权值将一天时间中取走或接收的能源以及取走或接收的能源量考虑在内。基于积分的信用方案基于加权值和所请求的能源量来确定在确定的请求时间，外部EIB是否有资格接收与EIB相关联的智能系统的能源。在一实施例中，基于积分的信用方案比较发送到外部智能系统的能源或数据的发送量和从外部智能系统接收到的能源或数据的接收量，并且包括权重函数，其中，该权重函数包括基于特定时间与分配给EIB的相关联的智能系统内的能源或数据消耗的峰值时间之间的时间距离确定的权值。

图1是包括智能系统110、120和130的数据和能源存储互联网架构100的一实施例的示意图。智能系统110、120和130分别包括分布式EIB 115、125和135以及多个显示设备、电子设备、能源生成设备、能源存储设备、智能设备和Wi-Fi适配器(未示出)。智能系统110、120和130彼此基本类似。EIB 115、125和135彼此基本类似。EIB 115、125和135以对等方式进行通信。图1描述了数据和能源存储互联网架构100内的EIB 115、125和135如何在分布式环境中互相通信。尽管图1中示出了三个智能系统，可以理解，数据和能源存储互联网架构可以包括任何数量的智能系统。

在所公开的实施例中，EIB 115、125和135各自保持对相应的相关联的智能系统110、120和130内的设备的控制和数据收集。EIB 110、120和130与数据和能源存储互联网架构100内的其他EIB(外部)进行通信以获取/发送能源。例如，EIB 115、125和135可以发送或请求相关联的智能系统内的设备的能源，但不向相关联的智能系统外的设备发送或请求能源。在各实施例中，EIB 115、125和135可以不与其他外部EIB共享相关联的智能系统内设备的控制信息或消耗模式。

在各实施例中，EIB 115、125和135可以建立彼此之间的好友连接。在一实施例中，好友连接代表能源存储互联网架构(如能源存储互联网架构100)内的EIB(如EIB 115、125和/或135)之间的互相认可的状态。EIB 115、125和135可以各自采用不同的规则集和/或基于积分的信用方案来管理与建立为好友连接的EIB之间的能源交换。在各实施例中，如果另一个EIB授予好友连接，则EIB不受与另一个EIB相关联的另一个智能系统中的设备的控制。任何一个EIB都可以通过网络连接和/或通过云以对等方式与数据和能源存储互联网架构100内的任何其他EIB进行通信。在各实施例中，可以为EIB 115、125和135分配唯一标识符。

一个EIB(如EIB 115、125和135)可以请求数据和能源存储互联网架构100内的任何其他EIB成为好友连接。一旦一个EIB(如EIB 115、125和135)发送建立好友连接的请求并从所请求的EIB接收请求确认，则好友连接建立。在一实施例中，已经建立了好友连接的两个EIB可以彼此交换通用信息并发送消息，并使用不同的规则集和/或基于积分的信用方案来管理两个EIB之间的能源交换。另外，多个已建立好友连接的EIB(如EIB 115、125和135)可以彼此共享能源模式数据。在各实施例中，EIB(如EIB 115、125和135)可以不与没有建立为好友连接的其他EIB共享能源模式数据。在各实施例中，能源模式数据是由能源和/或数据使用由智能系统内的设备服务的智能系统或环境(例如，家庭或办公室)中的能源消耗的使用模式。EIB(如EIB 115、125和135)可以存储从已经在本地建立了好友连接的EIB接收的能源模式数据，并且可以分析共享能源模式数据，以确定EIB是否可能满足充电/放电请求。在各实施例中，尚未与第二EIB建立好友连接的EIB仍可基于积分的信用方案通过能源存储互联网架构100与第二EIB交换能源。

在各实施例中，EIB 115、125和135之间的对等通信是分散式通信模型，其中，各方/节点(例如，每个EIB)具有相同的能力，并且任一方都可以发起通信会话。与客户端发出服务请求并且服务器完成请求的客户端/服务器模型不同，对等模型允许各节点同时充当客户端和服务器。在各实施例中，EIB 115、125和135可以互相交换资源信息并请求和发送能源。在一个公开的实施例中，EIB 115、125和135发送和接收请求以互相交换信息和能源资源，并且可以建立彼此之间的好友连接。在一实施例中，好友连接表示EIB(如EIB 115、125和135)与能源存储互联网架构(如能源存储互联网架构100)内的另一EIB之间的相互认可的状态。EIB 115、125和135可基于规则集和/或基于积分的信用方案互相交换资源(例如，能源)。在各实施例中，当另一EIB已经向网络提供了足够的贡献量并且获得足够的积分来交换所请求的资源时，EIB 115、125和135可以向另一EIB(如EIB 115和125)请求能源。在一实施例中，通过能源存储互联网架构100的全局设置来确定对网络的足够的贡献量和/或用于交换所请求的资源的足够积分。在另一实施例中，通过能源存储互联网架构100内每个EIB(如EIB 115、125和135)的本地设置来确定对网络的足够的贡献量和/或用于交换所请求的资源的足够积分。在一实施例中，基于EIB是否已建立为好友连接来确定EIB(如EIB115、125和135)与其他EIB交换资源所使用的规则集和/或基于积分的系统。换言之，对于已经建立为好友连接的EIB，EIB(如EIB 115、125和135)可以使用一个规则集和/或基于积分的系统。对于尚未建立为好友连接的第二EIB，EIB可以使用另一个规则集和/或基于积分的系统。在一实施例中，在提出充电(例如，能源请求)和/或放电(例如，宣布可用于转移的剩余能源)请求之前，规则集和/或基于积分的信用方案强制执行需要每个EIB(如EIB 115、125和135)贡献给能源存储互联网架构100内的能源交易的策略。在一实施例中，由EIB(如EIB115、125和135)采用的基于积分的信用系统将加权值分配给能源存储互联网架构200内的每个EIB(如EIB 115、125和135)其已向相关联的智能系统(如智能系统110、120和130)发送能源并从中获取能源。加权值将一天时间中取走或接收的能源以及取走或接收的能源量考虑在内。在一实施例中，由EIB 115、125和135采用的基于积分的信用系统确定与另一智能系统(如智能系统110、120和130)相关联的EIB是否有资格在确定的请求时间基于加权值和所请求的能源量，从相关联的智能系统(如智能系统110、120和130)中的设备接收能源。在一实施例中，基于积分的信用方案比较发送到外部智能系统的能源或数据的发送量和从外部智能系统接收到的能源或数据的接收量，并且包括权重函数，其中，该权重函数包括基于特定时间与分配给EIB(如EIB 115、125和135)的智能系统内的能源或数据消耗的峰值时间之间的时间距离确定的权值。

图2是包括智能系统205和外部EIB 280的数据和能源存储互联网架构200的示意图。智能系统205包括EIB 210、多个显示设备240、电子设备250、能源生成设备252、能源存储设备254、智能设备256(例如，智能电话/平板电脑)和Wi-Fi适配器258。能源存储互联网架构200与能源存储互联网架构100基本类似。智能系统205与智能系统110、120、130基本类似。EIB 210和外部EIB 280与EIB 115、125和135基本类似。在一个公开的实施例中，EIB210与智能系统205和多个电子设备250、能源生成设备252、能源存储设备254、智能设备256(例如，智能电话/平板电脑)和Wi-Fi适配器258相关联，以控制相关联的设备和适配器250、252、254、256和258并监视设备和适配器250、252、254、256和258的行为以及用户与设备和适配器250、252、254、256和258的交互。例如，EIB 210收集关于设备和适配器250、252、254、256和258的能源消耗和生成的信息。在另一示例中，EIB 210收集关于能源流的信息。EIB210可以连续地或在特定的时间段内收集关于能源消耗和生成和/或能源流的信息。在一个公开的实施例中，EIB 210控制相关联的设备和适配器250、252、254、256和258，以便为与设备和适配器250、252、254、256和258交互的用户提供能源成本效率和提高生产力，同时满足针对能源存储互联网架构200和/或智能系统205建立的SLA和QoS要求。在一个公开的实施例中，EIB 210通过内部网络网关220与相关联的设备和适配器250、252、254、256和258通信。在一实施例中，在硬件计算设备上实现EIB 210。在其他实施例中，EIB 210可以实现为在网络中配置的NE上的虚拟层(例如，虚拟机)，或者通过集成在NE上的商品软件来实现。

在各实施例中，内部网络网关220是EIB 210相关联的智能系统205内的设备通过其与EIB 210通信的网关。在一实施例中，内部网络网关220与单个网络内的设备相连接。在一实施例中，内部网络网关220与多个网络内的设备相连接。在各实施例中，外部网络网关230是智能系统205外部的设备(如外部EIB 280)通过其连接到EIB 210的网关。

在各实施例中，电子设备250是任何消耗能源的设备(例如，个人计算机、笔记本电脑)。在一个公开的实施例中，可以配置电子设备250具有实时控制要求，也可以没有实时控制要求。在各实施例中，能源生成设备252是有潜力生成能源的任何设备(例如，发电机)。可以配置能源生成设备252具有恒定的数据流要求。在各实施例中，能源存储设备254是有潜力存储能源的任何设备(例如，电池)。可以配置能源生成设备254具有实时控制要求。在各实施例中，智能设备256经由不同的无线协议连接到其他设备或网络，这些智能设备可以在一定程度上交互地且自主地操作(例如，智能电话/平板电脑)。在各实施例中，Wi-Fi适配器258是将无线连接性添加到另一设备的设备。在各实施例中，设备和适配器250、252、254、256和258耦合至内部网络。在其他实施例中，设备和适配器250、252、254、256和258耦合至多个内部网络。

在各实施例中，EIB 210是从多个设备和适配器(如设备和适配器250、252、254、256和258)收集关于能源消耗(例如，能源数据消耗)和/或数据消耗(例如，互联网数据消耗)的数据的任何设备，并且采用所收集的数据来向设备提供控制命令集合。EIB 210接收并存储相关联的智能系统205内的设备和适配器250、252、254、256和258的能源使用和用户个性化数据。EIB 210分析所收集的数据并通过对所收集的数据采用机器学习和基于模型的预测控制技术对设备和适配器250、252、254、256和258进行控制。例如，EIB 210可以控制电子设备250的电源(例如，设备是打开或关闭)和/或存储在能源存储设备254上的能源的充电或放电。在一实施例中，EIB 210用于优化受控设备和适配器250、252、254、256和258的能源成本。在各实施例中，用户个性化数据包括用户可定义的智能系统205内的受控设备和适配器250、252、254、256和258的设置。用户个性化数据还可以包括关于智能系统内的用户存在的记录的人类存在数据和关于当用户与智能系统205内的设备(如设备和适配器250、252、254、256和258)交互时的参与的时间段和长度的人类活动数据。

在各实施例中，EIB 210用于提高与受控设备和适配器250、252、254、256和258交互的用户的生产力。EIB 210可以学习与相关联的智能系统205内的设备和适配器250、252、254、256和258交互的用户的习惯，并且可以与能源存储互联网架构200内的其他外部EIB280交换人类存在数据和人类活动数据。EIB 210可以使用本地收集的人类存在数据和人类活动数据(即，利用所分配的智能系统205和/或从外部EIB 280接收的)来预测行为并调度在相关联的智能系统205内的设备和适配器250、252、254、256和258的性能和活动。另外，EIB 210可以通过监视智能系统205内的能源和数据流来检测异常(例如，能源盗窃)。

在一个公开的实施例中，EIB 210通过外部网络网关230以对等方式与能源存储互联网架构200内的其他外部EIB 280进行通信。在各实施例中，EIB 210配置在内部网络上，外部EIB 280配置在外部网络上。外部EIB 280与EIB 210和EIB 115、125和135基本类似。

在各实施例中，EIB 210可以耦合至多个显示设备240。显示设备240可以与包括EIB 210控制的智能系统205内的设备的子网相关联。在一实施例中，显示设备240可以是移动设备或各种其他显示类型设备上的应用程序视图。在各实施例中，显示设备240提供用户界面，该用户界面可以接入并监视与EIB 210相关联及其控制的各种设备和适配器250、252、254、256和258。在一实施例中，一个显示设备240可以用于显示来自EIB 210的读取信息，并且另一个显示设备240可以用于向智能系统205显示来自每个子网络的读取信息。在各实施例中，读取信息包括从外部EIB 280接收的被管理的设备的状态、调度任务、请求状态和历史。子网络可以包括智能系统205内的设备和适配器(如设备和适配器250、252、254、256和258)的子集。

图3是用于在包括智能系统(如智能系统110、120、130和205)的网络内实现EIB(如EIB115、125、135、210和280)的NE 300的一实施例的示意图。NE 300可以在单个节点中实现，或者NE 300的功能可以在多个节点中实现。本领域的技术人员应意识到，术语NE包括广泛意义上的设备，NE 300仅是其中，一个示例。包含在内的NE 300是为了表述清楚，并不旨在将本发明的应用限制为特定的NE实施例或某一类NE实施例。本发明所述的至少部分特征/方法在网络装置或组件(如NE 300)中实现，例如，本发明中的特征/方法可以采用硬件、固件和/或在硬件上安装运行的软件实现。所述NE 300为通过网络传输报文的任何设备，例如，交换机、路由器、桥、服务器和客户端等。

如图3所示，所述NE 300可包括收发机(Tx/Rx)310，其可以是发送机、接收机或两者的组合。Tx/Rx 310耦合至多个下游端口320(例如，下游接口)以传输报文和/或从其他节点接收报文，Tx/Rx 310耦合至多个上游端口350(例如，上游接口)以传输报文和/或从其他节点接收报文。处理器330耦合至Tx/Rx 310，以处理报文和/或确定向哪些节点发送报文。处理器330可以包括一个或多个多核处理器，和/或内存332，用作数据存储、缓冲区、随机访问存储器(Random Access Memory，简称RAM)、只读存储器(read only memory，简称ROM)等。处理器330可实现为通用处理器，或实现为一个或多个专用集成电路(application-specific integrated circuit，简称ASIC)和/或数字信号处理器(digital signalprocessing，简称DSP)的一部分。处理器330包括EIB模块334，EIB模块334至少实现一些本文讨论的方法，例如下文描述的方法500和600。在可替代实施例中，EIB模块334实现为存储在内存332中的、由处理器330执行或部分在处理器330中实现部分在内存332中实现的指令，例如，存储在包括由处理器330实现的指令的非暂时性存储器中的计算机程序产品。在另一可替代实施例中，EIB模块334在单独的NE上实现。下游端口320和/或上游端口350可包含电子和/或光传输和/或接收组件。

可以理解的是，通过编程和/或加载可执行指令至NE 300，处理器330、EIB模块334、Tx/Rx310、内存332、下游端口320和/或上游端口350中的至少一个会发生变化，从而将NE 300部分地转换成拥有本发明所述新颖功能的特定机器或装置，如多核转发架构。对于电气工程和软件工程领域至关重要的是，可以按照公知的设计规则将可以通过将可执行软件加载到计算机来实现的功能转换为硬件实现。在软件还是硬件中实现某一概念通常取决于对于待生产单元设计稳定性和数量的考虑，而并非考虑任何涉及从软件域到硬件域的转换问题。通常，经常变化的设计可以优先在软件中实现，这是因为重编硬件实现要比重编软件设计更加昂贵。通常，稳定性好且大批量生产的设计更适合在ASIC等硬件中实现，因为大批量生产运行使得硬件实现方式比软件实现方式更低廉。通常，一项设计可以以软件的形式进行开发和测试，之后根据公认的设计规则转变为专用集成电路中等效的硬件实施方式，在专用集成电路中用硬件来控制所述软件的指令。按照相同的方式，新型ASIC控制的机器为一种特定机器或装置，同样地，已编程和/或加载可执行指令的计算机也可视为一种特定的机器或装置。

图4是包括智能系统405和外部EIB 410的数据和能源存储互联网架构400的一实施例的示意图。智能系统405包括EIB 420和受控设备430。EIB 420包括P组件422和C组件424。数据和能源存储互联网架构400与数据和能源存储互联网架构100和200基本类似。智能系统405与智能系统110、120、130和205基本类似。外部EIB 410和EIB 420与EIB 115、125、135、210和280以及NE 300基本类似。受控设备430与设备和适配器250、252、254、256和258基本类似。

在一实施例中，P组件422读取来自受控装置430的内部数据输入和来自外部EIB410的外部数据输入，更新内部系统模型，并向C组件424发送更新的模型数据。内部和外部输入可以包括从如受控装置430和外部EIB 410等各种源获得的能源使用和用户个性化数据。C组件424接收更新的模型数据并且通过动态的以人为中心的成本函数根据优化目标确定相关联的智能系统405内的受控设备430的控制功能(即，控制命令)。优化目标是由智能系统待实现的预定的期望结果，如降低成本和/或优化生产力。

在各实施例中，EIB 420可以定义并将确定的时间段(例如，24小时)划分为多个时隙，为受控设备430调度命令函数。在一实施例中，C组件424可以向受控设备430发送所确定的控制功能通过内部网络网关(例如内部网络网关220)，或者可以针对特定时隙为设备调度命令函数更新。在下文的其他图中会更详细地描述P组件422和C组件424。

在各实施例中，P组件422和C组件424可以在如NE 300，个人计算机(personalcomputer，简称PC)和/或移动设备(例如智能电话，平板电脑等)等网络装置或模块中实现。由EIB 420实现的特征和/或方法可以使用安装在网络装置或模块上的硬件、固件和/或软件实现。

在一实施例中，动态的以人为中心的成本计算公式表示为：

Cost_function＝c1*Cost_Function(Device_Status)+c2*Productivity_Function

(Device_Status).

生产力公式表示为：

Productivity_Function＝Function{w1*s1*Noise_Function(Device_Status)；+

w2*s2*Cool_Function(Device_Status)+

w3*s3*Warm_Function(Device_Status)+

w4*s4*Fresh_Function(Device_Status)+

w5*s5*Humidity_Function(Device_Status)},

其中，w1到w5基于用户输入，如果没有提供输入，则设置为默认值；s1到s5基于根据人类行为动态更新的人类行为分析；Noise_Function、Cool_Function、Warm_Function、Fresh_Function和Humidity_Function是使用现有的回归方法训练的函数。在一实施例中，每个函数(如Noise_Function、Cool_Function、Warm_Function、Fresh_Function和/或Humidity_Function)的输入是设备状态，并且每个函数的输出是与使用成本函数的EIB相关联的智能系统内设备进行交互的人的舒适度。可以从以下几个方面的测量舒适度：噪声、凉爽、温暖、空气新鲜度和湿度。在一实施例中，W是用户输入权重，S是基于分析的权重。在一实施例中，成本函数可以是递归的，如上所示，取决于实时能源价格以及与使用成本函数的EIB相关联的智能系统内设备的状态。

在各实施例中，动态的以人为中心的成本函数包括能源成本函数和用户生产力函数的加权和的以人为中心的多模表示。在一实施例中，以人为中心的多模表示是可测量的以人为中心的效应(例如，人类舒适度和/或用户生产力)和可测量的因果效应(例如，噪声、凉爽、温暖、清新度、湿度、亮度和颜色偏好)的表示。在一实施例中，因果效应可能对这种多模表示中的以人为中心的效应具有这样的效应。在一实施例中，能源成本函数表示相关联智能系统(如智能系统110、120、130、205和405)内的设备(如受控设备420)的运行状态。在一实施例中，用户生产力函数表示人类舒适度和人类生产力水平，人类舒适度和人类生产力水平是由相关联的智能系统(如智能系统110、120、130、205和405)内出现的用户和/或与相关联的智能系统内的设备(如受控设备420)进行交互的用户测量确定的。用户生产力函数可以包括噪声函数、降温函数、升温函数、新鲜度函数和湿度函数。这些函数(噪声、降温、升温、新鲜度和湿度)提供了对设备的相应输出(例如，噪声、降温、升温、新鲜度和湿度)的运行状态的控制和监视。在一实施例中，动态的以人为中心的成本函数将多种表示和函数与相应的因果关系整合，以将能源成本函数和以人为中心的多模表示/函数联系起来。因此，提供了一种使用较少的能源/能源成本提高人的生产力的机制。

EIB 420从如受控设备430等内部源(即，智能系统405内的源)和如外部EIB 410等外部源(即，不在智能系统405内的源)接收各种数据输入。数据输入的示例包括数据源和包括可再生能源供应、能源存储状态、数据流SLA、能耗数据、可再生能源、天气信息和所有者QoS要求的系统要求。数据输入还可以包括来自在例如显示器(如显示器240)或智能设备(如智能设备256)上显示的用户界面的命令。数据输入还可以包括针对相关联的智能系统内的受控设备的所测量的人类活动和/或与受控设备相关联的日历数据。数据输入可以包括从互联网数据消耗设备和能源消耗设备接收的数据。数据输入还可以包括更新的价格信息。

从受控装置430和外部EIB 410接收的数据输入作为数据点反馈到P组件422。P组件422处理并为提供的各种数据点建模，并将结果反馈到C组件424。C组件424基于建模的数据确定相关联的智能系统内的受控设备的控制功能，并将决策(例如，控制参数)反馈给由EIB 420控制的各种受控设备430，如电子设备250、能源生成设备252和能源存储设备254。例如，EIB 420可以接收命令内部输入(例如，来自用户界面)，并且可以将接收到的命令转发给P组件422，然后P组件422可以将命令的结果和模型数据转发给C组件424。在其他实施例中，EIB 420可以将命令直接转发给C组件424。C组件424处理所接收的数据(例如，命令或建模结果)，然后可以向相应设备发送控制信号以改变或变化设备上的行为，或者将能源从特定设备引导到远处或从远处引导到特定设备。在各实施例中，受控装置将状态更新反馈给C组件424。在C组件424确定要向受控设备430发送各种命令函数时，可以使用状态更新来使用该数据。

在一个示例中，EIB 420可以从用户界面为没有实时控制要求的电子设备M(如，电子设备250)接收命令，来激活与电子设备M相关联的控制决策变量。例如，特定的控制可以为启动或关闭设备，向目的地发送存储的或生成的能源，或者将设备上的增加的功耗调度一段时间。该命令由EIB 420转发到C组件424，其中，激活与电子设备M相关联的控制决策变量。然后，C组件424向激活的控制决策变量相对应的电子设备M发送对应的控制命令。在各实施例中，针对各种设备(如包括在受控设备430中的那些设备)的控制决策被映射到设备上的特定控制。可以为智能系统405内的每个受控设备430建立控制决策变量。因此，EIB420可以通过操纵所映射的控制决策变量来控制受控装置上的各种映射函数。

在另一示例中，EIB 420可以从用户界面为有实时控制要求的电子设备N(如，电子设备250)接收命令，来更新与电子设备N相关联的模型并激活与电子设备N相关联的控制决策变量。该命令由EIB 420转发到P组件422，其中，更新与电子设备N相关联的模型，并将结果转发到C组件424。然后，C组件424激活与电子设备N相关联的控制决策变量。然后，C组件424向与激活的控制决策变量相对应的电子设备N发送对应的控制命令。上述示例中的命令也可以用于能源生成设备(如能源生成设备252)或能源存储设备(如能源存储设备254)。在又一个示例中，EIB 420可以从用户界面接收命令以更新被监测的人类活动。该命令由EIB420转发到C组件424，其中，更新与被监测的人类活动相关联的成本函数和限制条件。然后，C组件424可以向受更新的成本函数和/或约束影响的任何设备发送控制命令。

图5是在一个EIB(如EIB 115、125、135、210、280和420以及NE 300)上实现的P组件520的一实施例500的示意图。P组件520不断地检查来自输入510的命令或数据。可以从内部源(如受控设备430)和/或从外部源(如外部EIB 280和410)接收输入510。P组件520与P组件422基本类似。P 520包括在线计算组件530和批量分析组件540。批量分析组件540包括人类行为分析器组件542、数据和能源流分析器组件544和预测器组件546。在一实施例中，在线计算组件530实时更新与用于由EIB控制的设备(如设备和适配器250、252、254、256和258)的模型相关联的控制参数，并向C组件550发送结果。C组件550与C组件424基本类似。

批量分析组件540、人类行为分析器组件542、数据和能源流分析器组件544以及预测器组件546等组件收集从输入510接收的数据并在各种模型上进行计算，在定义的时间段内将分析应用于各种模型。向C组件550以确定的时间间隔发送计算结果。

在一实施例中，人类行为分析器组件542收集关于人与EIB控制的各种设备的交互的数据。这种交互可以包括用户一天和几个小时的时间与特定设备的交互和/或在特定时间间隔内与设备的组合的交互。

在一实施例中，数据和能源流分析器组件544收集关于通过EIB控制的各种设备的能源和数据流的数据，以及特定的时间段内设备所消耗和/或生成的能源量。在一实施例中，预测器组件546利用现有的预测算法来估计不同类别的信息的未来事务，并且可以分析各种输入的能源消耗和生成。预测算法可以应用于收集和接收的个性化数据和能源模式数据。进一步地，预测器组件546更新相关联的智能系统内的设备的充电模型。在一个示例中，可以将充电模型设定为“x^(t+1)＝xt+ut–qt”，其中，x是能源存储装置(如电池)的库存水平，t是特定时间，xt是在时间t的能源存储装置(如电池)的库存水平，ut是在时间t对能源存储设备充电的能源量，qt是在时间t从能源存储设备放电的能源量。预测器可以根据SLA、QoS、能源存储状态和可再生能源供应的输入更新充电模型。

图6是当人类行为分析器组件接收到输入时，在一个EIB(如EIB 115、125、135、210、280和420以及NE 300)的人类行为分析器组件(如人类行为分析器组件542)中实现的方法600的一实施例的流程图。步骤610中，人类行为分析器组件检查来自各种内部源(如受控设备430)和外部源(如外部EIB 280和410)的信息输入。决策步骤620中，如果有来自通过显示器(如显示器240)或智能设备(如智能设备256)显示的用户界面的直接输入，则人类行为分析器组件转到步骤635。决策步骤620中，如果没有来自用户界面的直接输入，则人类行为分析器组件转到步骤630。决策步骤630中，如果有来自与可以与相关联的智能系统内的受控设备交互的用户相关联的日历的输入，则人类行为分析器组件转到步骤635。决策步骤630中，如果没有来自日历的输入，则人类行为分析器组件转到步骤640。步骤635中，人类行为分析器组件调度任务以在通过用户界面接收的时间输入或从日历读取的时间输入相对应的时间点，更新C组件(如C组件550和424)管理的成本函数，并转到步骤690。步骤640中，人类行为分析器组件与Wi-Fi路由器连接交互，并读取当前流量。步骤650中，人类行为分析器组件基于Wi-Fi连接的数量来估计使用相关联的智能系统(如智能系统110、120、130、205和405)的占用者的数量，并基于Wi-Fi路由器流量推断活动。决策步骤660中，如果推断的活动需要更新到在智能系统内观察到的人类行为相关联的行为模型，则人类行为分析器组件进入步骤670。步骤670中，人类行为分析器组件向C组件发送请求，以基于对人类行为模型的更新来更新成本函数，并且移到步骤690。步骤690中，人类行为分析器组件将接收到的信息集成到与智能系统相关联的行为模型中，并向C组件发送更新。

图7是当数据和能源流分析器组件接收到输入时，在一个EIB(如EIB 115、125、135、210、280和420以及NE 300)的数据和能源流分析器组件(如数据和能源流分析器组件544)中实现的方法700的一实施例的流程图。步骤710中，数据和能源流分析器组件检查来自各种内部源(如受控设备430)和外部源(如外部EIB 280和410)的信息输入。决策步骤720中，如果从互联网数据消耗设备(例如设备250和252)接收到输入，则数据和能源流分析器组件进行到步骤725。决策步骤720中，如果没有来自互联网数据消耗设备的输入，则数据和能源流分析器组件进行到步骤730。步骤725中，数据和能源流分析器用接收到的输入更新互联网数据消耗模式，并进行到步骤740。互联网数据消耗模式是包含关于相关联的智能系统内的设备消耗的互联网数据的历史数据的内部模型。决策步骤730中，如果没有来自能源消耗装置的输入，则数据和能源流分析器结束该进程。决策步骤730中，如果有来自能源消耗装置的输入，则数据和能源流分析器进行到步骤735。步骤735中，数据和能源流分析器用接收到的输入更新能源消耗模式，并进行到步骤740。能源数据消耗模式是包含关于相关联的智能系统内的设备消耗的能源的历史数据的内部模型。步骤740中，数据和能源流分析器在确定的时间段内基于时间理论数据模型检查最大能源与数据消耗比。决策步骤750中，如果能源与数据消耗比超过某个阈值，则数据和能源流分析器进行到步骤760。在一实施例中，通过由显示器(如显示器240)和/或智能设备(如智能设备256)上显示的用户界面接收的命令来设置改该比率。决策步骤750中，如果能源与数据消耗比没有超过该阈值，则数据和能源流分析器结束该进程。步骤760中，数据和能源流分析器向显示器(如显示器240)和/或智能设备(如智能设备256)上显示的用户界面发送数据与能源消耗比超过了比率的警报。决策步骤770中，如果用户界面返回一个错误，则数据和能源流分析器进入步骤780。决策步骤770中，如果用户界面返回错误，则数据和能源流分析器结束该进程。步骤780中，如果用户界面返回错误，则数据和能源流分析器更新该阈值并进行到步骤740。

图8是当预测器组件接收到输入时，在一个EIB(如EIB 115、125、135、210、280和420以及NE 300)的预测器组件(如预测器组件546)实现的方法800的一实施例的流程图。步骤810中，预测器组件检查来自各种内部源(如受控设备430)和外部源(如外部EIB 410)的信息输入，并且进行到决策步骤820、决策步骤830和决策步骤840。决策步骤820中，如果输入数据不是能源消耗数据，则该进程结束。决策步骤820中，如果输入数据是能源消耗数据，则预测器组件进行到步骤822。步骤822中，预测器组件执行预测算法，估计下一时隙的能源消耗，并进行到步骤825。在一实施例中，预测算法包括时间理论数据。步骤825中，预测器组件向通过外部网关(如外部网络网关230)连接到EIB的外部EIB(如外部EIB 280)发送由预测算法确定的更新，并进行到步骤860。决策步骤830中，如果数据输入不是可再生能源量，则该进程结束。决策步骤830中，如果输入数据是可再生能源量，则预测器组件进行到步骤835。步骤835中，预测器组件向C组件(如C组件424和550)发送请求以更新成本函数，并进行到步骤860。决策步骤840中，如果输入数据不包括天气信息，则该进程结束。决策步骤840中，如果输入数据包括天气信息，则预测器组件进行到步骤845。步骤845中，预测器组件比较相关联的智能系统中的资源的历史数据，并基于过去几天的历史数据和当前天气数据，为相关联的智能系统内的各种设备预测相关联的智能系统内的能源消耗和/或生成的未来值。然后预测器组件进行到步骤860。步骤860中，预测器组件将接收到的信息进行整合，向C组件发送更新的数据模型数据，并结束该进程。

图9是当输入数据被接收或发送到外部EIB(如外部EIB 280和410)时在一个EIB(如EIB 110和320以及NE 200)上实现的方法900的一实施例的流程图，在能源存储互联网架构(如能源存储互联网架构100、200和400)内，外部EIB通过外部网关(如外部网络网关230)与EIB连接。步骤910中，EIB检查来自各种内部源(如受控设备330)和外部源(如外部EIB 410)的信息输入，并且进行到决策步骤920、决策步骤930和决策步骤940。决策步骤920中，如果数据输入不是从预测器组件(如预测器组件546)接收到的估计能源消耗数据，则该进程结束。决策步骤920中，如果数据输入是从预测器组件(如预测器组件546)接收到的估计能源消耗数据，则EIB进行到步骤930。决策步骤930中，如果从预测器组件接收的估计的能源消耗数据为负，则EIB进行到步骤932。决策步骤930中，如果从预测器组件接收的估计的能源消耗数据为正，则EIB进行到步骤934。步骤932中，由于相关联的设备的能源消耗为负(例如，该设备消耗的功率超过其正在接收和/或生成的功率)，EIB向外部EIB发送充电请求。决策步骤934中，如果相关联的智能系统的总充电请求大于总放电请求(例如智能系统有剩余能源)，则EIB进行到步骤936。步骤936中，EIB向外部EIB发送放电请求。决策步骤950中，如果数据输入不是充电或放电确认，则该进程结束。决策步骤950中，如果数据输入是充电或放电确认，则EIB进行到步骤970。决策步骤960中，如果数据输入不针对新的价格信息，则该进程结束。决策步骤960中，如果数据输入针对新的价格信息，则EIB进行到步骤970。步骤970中，EIB将充电或放电确认和/或新的价格信息整合，更新到C组件(如C组件424和550)。

图10是在一个EIB(如EIB 115、125、135、210、280和420以及NE 300)上实现的C组件1020的一实施例1000的示意图。C组件1020与C组件424和550基本类似。C组件1020包括在线监测组件1032、可变滤波器1034和更新算法组件1036，用于通过递归方式更新与EIB控制的智能系统(如智能系统110、120、130、205和405)相关联的成本和状态函数。在各实施例中，在线监测组件1032监测系统动态和用户输入更新，可变滤波器1034为自适应滤波器选择系数，更新算法组件1036在新数据到达时更新自适应滤波器。C组件1020接收来自P组件1010的输入，并向由EIB控制的电子设备、能源存储和能源生成1040发送输出。P组件1010与P组件422基本类似。电子设备、能源存储和能源生成1040与电子设备250、能源存储设备254和能源生成设备252基本类似。在各实施例中，C组件1020基于在线学习算法和模式检测方法生成输出。在线学习算法可以以递归方式找到使加权线性平方成本函数最小化的滤波器系数。模式检测方法监测能源和数据流模式，并在发生异常时向分配的接收者报告警报。在一个示例中，每个成本函数可以表示为决策变量(例如，控制输出)的线性或非线性函数。然而，可以使用在线计算算法估计成本函数中的参数。

图11是当从用户界面接收到输入数据时，在一个EIB(如EIB 115、125、135、210、280和420以及NE 300)实现的方法1100的一实施例的流程图。步骤1110中，EIB检查来自各种内部源(如受控设备430)和外部源(如外部EIB 280和410)的信息输入。决策步骤1120中，如果输入是来自在显示器(如显示器240)或智能设备(如智能设备256)上显示的用户界面的直接输入，则EIB进行到步骤1130。步骤1130中，EIB用输入更新与相关联的智能系统相关联的成本函数。在一实施例中，对成本函数的更新可以包括用户偏好，其中，用户偏好是成本函数中的系数或隐含系数。

图12是当一个EIB(如EIB 115、125、135、210、280和420以及NE 300)从数据和能源存储互联网(如能源存储互联网架构100、200和400)内的远端EIB(所公开的实施例中的EIBA)接收到好友请求时，数据和能源存储互联网架构内的EIB实施的方法1200的一实施例的流程图。步骤1210中，本地EIB从远端EIB接收好友请求。决策步骤1220中，如果本地EIB驳回/拒绝好友请求，则该进程结束。决策步骤1220中，如果本地EIB确认/接受好友请求，则本地EIB进行到步骤1230。步骤1230中，本地EIB向远端EIB发送确认好友请求的响应。决策步骤1240中，如果本地EIB从远端EIB接收到人类存在数据，则本地EIB进行到步骤1250。决策步骤1240中，如果本地EIB没有从远端EIB接收到人类存在数据，则本地EIB进行到步骤1260。在各实施例中，人类存在数据是关于一个或多个人与相关联的智能系统内的设备的交互的由EIB(如EIB 115、125、135、210、280和420以及NE 300)收集的信息。步骤1250中，本地EIB存储接收到的人类存在数据。决策步骤1260中，如果本地EIB确定不向远端EIB发送本地人类存在数据，则该进程结束。决策步骤1260中，如果本地EIB确定向远端EIB发送关于用户与分配的智能系统内设备交互的人类存在数据(即，本地人类存在数据)，则本地EIB进行到步骤1270。步骤1270中，本地EIB向远端EIB发送本地人类存在数据。

图13是当EIB(如EIB 115、125、135、210、280和420以及NE 300)发起充电或放电请求时，数据和能源存储互联网(如能源存储互联网架构100、200和400)内的EIB实施的方法1300的一实施例的流程图。步骤1310中，EIB发起充电或放电请求。在各实施例中，充电请求是相关联的智能系统(例如智能系统110、120、130、205和405)内的设备对能源的请求；放电请求是存在可以从相关联的智能系统内的设备转移的剩余能源的通知。步骤1320中，EIB基于从已经被EIB接受为好友连接的其他EIB接收的所存储的人类在场数据的分析来确定好友列表。在一实施例中，基于最有可能满足该请求的建立的EIB好友连接对好友列表进行排序，其基于对所接收的人员存在数据的分析。例如，EIB可以基于与好友EIB相关联的智能系统的用户没有使用提供给相关联的智能系统/由相关联的智能系统提供的能源的可能性来确定好友EIB可能具有额外的能源容量来满足充电请求。在一实施例中，将值设置在满足请求的已建立的好友连接EIB的确定可能性上，然后按照该值排序好友列表中的元素。决策步骤1330中，如果确定的好友列表为空，则EIB进行到步骤1335。决策步骤1330中，如果确定的好友列表不为空，则EIB进行到步骤1340。步骤1335中，EIB向数据和能源存储互联网内的所有EIB广播充电或放电请求，并进行到决策步骤1350。在可替代实施例中，步骤1335中，EIB仅向数据和能源存储互联网内的已建立为好友连接的EIB广播充电或放电请求，并进行到决策步骤1350。步骤1340中，EIB一次一个地向有序列表中的EIB发送充电或放电，直到接收到确认或在消息经过确定的时间段。决策步骤1350中，如果收到确认，则EIB进行到步骤1360。决策步骤1350中，如果没有收到确认，则该进程结束。在一实施例中，如果广播了充电或者放电请求，则当接收到第一确认时，EIB进行到步骤1360，忽略EIB收到的后续确认。步骤1360中，EIB为发送确认的EIB调度对应于请求类型的充电或放电。

在一实施例中，在数据和能源存储互联网架构(如能源存储互联网架构100、200和400)内实现的EIB(如EIB 115、125、135、210、280和420以及NE 300)可以确定一个好友列表，以通过好友索引算法启动一次充电或放电。该好友索引算法根据从每个代理接收到的下一个时隙T的所有者存在信息，将已经建立为好友连接的所有EIB排序。在一实施例中，好友索引算法确定已经被建立为好友连接的EIB中的哪一个潜在地具有最多可用资源并且相应地对EIB进行排序。在一实施例中，好友索引算法可以表示为：

其中，Friend_Set包括已经建立为好友连接的所有EIB；Presence Matrix是指示每个时隙的存在信息的0,1矩阵；T和时隙的长度都是根据系统设置可以配置的参数；Friend_Set的排序检查每个好友的Presence matrix的每一行的存在信息并计算索引号。

在一实施例中，在数据和能源存储互联网架构(如能源存储互联网架构100、200和400)内实现的EIB(如EIB 115、125、135、210、280和420以及NE 300)可以基于积分的信用方案确定是否在没有确定为好友连接的EIB中进行能源交换。在一实施例中，EIB(如EIB 115、125、135、210、280和420以及NE 300)所使用的基于积分的信用方案表示为如下算法：

其中，Ch_Broker是要求向其他EIB注入能源的EIB列表；Ch_Amount是相应充电量的值的列表；Dis_Broker是要求从其他EIB释放能源的EIB列表；Dis_Amount是相应释放量的值的列表；参数(Ch_Broker、Dis_Broker、Ch_Amount和Dis_Amount)是包含在一段时间内请求能源交换的EIB列表的矩阵；Point_Algorithm_Negative计算需要从放电请求EIB的现有积分中扣除的积分；Point_Algorithm_Positive计算需要向充电请求EIB发放的积分；weight(t)是权重函数，其值在0.5到1.5之间；当t是功耗的高峰时，weight(t)接近1.5；当t是功耗的低谷(即，最低点)时，weight(t)接近0.5。

图14是由EIB(如EIB 115、125、135、210、280和420以及NE 300)所采用的方法1400的示例性实施例的流程图，所述EIB在数据和能源存储互联网架构(诸如能源存储互联网架构100、200和400)中实现，以收集能源数据、人类存在数据和人类活动数据，通过预测在相关联的智能系统内设备的未来的能源消耗需求和能源来生成并传输相关联的智能系统EIB内的设备的控制命令集合，并确定和建立与能源存储互联网架构内的外部NE的好友连接。步骤1410中，所述EIB收集关于在特定时间段内通过与所述NE相关联的智能系统内的多个设备的能源流的能源数据、所述设备在所述特定时间段内消耗的能源量和数据量和所述设备在所述特定时间段内生成的能源量和数据量；步骤1420中，所述EIB收集所述特定时间段内关于用户在所述智能系统内出现的人类存在数据。步骤1430中，所述EIB收集所述特定时间段内所述智能系统中关于用户对所述设备的输入和用户与所述设备的交互的人类活动数据。步骤1440中，所述EIB通过将预测算法应用于并分析所述收集的能源数据、人类存在数据和人类活动数据来预测所述智能系统的未来能源消耗需求和能源生成。步骤1450中，所述EIB基于应用于与所述智能系统相关联的动态的以人为中心的成本函数的预测的未来能源消耗需求和能源生成，为所述智能系统内的设备生成控制命令集合。步骤1460中，所述EIB将控制命令集合传输到所述智能系统内的相应设备。步骤1470中，所述EIB将该控制命令集合传输到所述智能系统内的相应设备。步骤1480中，所述EIB将该控制命令集合传输到所述智能系统内的相应设备。步骤1490中，所述EIB将该控制命令集合传输到所述智能系统内的相应设备。

虽然本发明多个具体实施例，但应当理解，所公开的系统和方法也可通过其它多种具体形式体现，而不会脱离本发明的精神或范围。本发明的实例应被视为说明性而非限制性的，且本发明并不限于本文中所给出的细节。例如，各种元件或组件可以在另一系统中组合或整合，或者某些特征可以省略或不实施。

此外，在不脱离本发明的范围的情况下，各实施例中描述和说明为离散或单独的技术、系统、子系统和方法可以与其它系统、模块、技术或方法进行组合或集成。展示或论述为彼此耦合或直接耦合或通信的其它项也可以采用电方式、机械方式或其它方式经由某一接口、设备或中间组件间接地耦合或通信。其它变更、替换、更替示例对本领域技术人员而言是显而易见的，均不脱离此处公开的精神和范围。

Claims (20)

1.一种分布式系统，其特征在于，包括：

多个网元(network element，简称NE)，用于在分布式数据和能源存储互联网架构中作为集中信息代理(ensemble information broker，简称EIB)，其中，每个NE用于：

收集关于在特定时间段通过与NE相关联的智能系统内的多个设备的能源流的设备数据、所述设备在所述特定时间段内消耗的能源量和数据量和所述设备在所述特定时间段内生成的能源量和数据量；

收集所述特定时间段内所述智能系统中关于用户在所述智能系统内出现的人类存在数据；

收集所述特定时间段内所述智能系统中关于用户对所述设备的输入和用户与所述设备的交互的人类活动数据；

通过将预测算法应用于所述设备数据、人类存在数据和人类活动数据来确定所述智能系统的未来能源和数据消耗以及生成需求；

基于应用于与所述智能系统相关联的动态的以人为中心的成本函数的未来能源和数据消耗以及生成需求，为所述智能系统内的设备生成控制命令集合，所述动态的以人为中心的成本函数根据所述智能系统的人员存在数据、人类活动数据和用户定义的优先等级适应加权客观度量；

将所述控制命令集合传输到所述智能系统内的相应设备；

传输广播消息以确定分配的环境或网络内以及分布式数据和能源存储互联网架构内的外部NE，基于用户偏好建立为好友连接；

传输与所确定的NE建立好友连接的请求，其中，在接收到来自所述外部NE的确认时建立所述好友连接；

当所述好友连接建立时，将所述人类存在数据传输到所述外部NE。

2.根据权利要求1所述的分布系统，其特征在于，每个NE还用于周期性发送心跳消息，以在建立好友连接时保持与所述外部NE的连接状态。

3.根据权利要求1所述的分布系统，其特征在于，每个NE还用于建立好友连接时，从所述外部NE接收外部环境存在数据，所述外部环境存在数据指示多个外部用户与所述外部NE相关联的外部智能系统内的多个外部设备的交互。

4.根据权利要求1所述的分布系统，其特征在于，每个NE还用于：

在特定时间从第二外部NE接收能源或数据存储请求；

基于所述第二外部NE是否已被建立为好友连接确定的资格算法来确定与所述第二外部NE相关联的第二外部智能系统的资格；

向所述智能系统内的发电设备发送命令，以使所述发电设备在确定所述第二外部智能系统有资格接收能源量或数据量时，在特定时间向所述第二外部智能系统提供满足所述能源或数据存储请求的能源或数据生成量。

5.根据权利要求4所述的分布系统，其特征在于，当所述第二外部NE没有建立为好友连接时，所述资格算法为一种基于积分的信用度方案，其中，所述基于积分的信用度方案比较发送到外部智能系统的能源或数据发送量和从所述外部智能系统接收的能源或数据接收量，且所述基于积分的信用度方案包括权重函数，所述权重函数包括基于所述特定时间与智能系统内分配给NE的能源或数据消耗的峰值时间之间的时间距离确定的权重值。

6.根据权利要求4所述的分布系统，其特征在于，当所述第二外部NE建立为好友连接时，所述资格算法为一种建立的好友方案，所述建立的好友方案确定当第二NE作为好友连接建立时，所述第二外部智能系统有资格接收能源量或数据量。

7.根据权利要求1所述的分布系统，其特征在于，所述动态的以人为中心的成本函数包括能源成本函数和用户生产力函数的加权和的以人为中心的多模式表示；其中，所述能源成本函数表示设备的运行状态，所述用户生产力函数表示智能系统内的人类舒适度和人类生产力水平，并包括关于设备的运行状态的噪声函数、降温函数、升温功能、新鲜度函数和湿度函数。

8.根据权利要求7所述的分布系统，其特征在于，每个NE还用于提供界面以改变或输入在能源成本函数和用户生产力函数内采用的值。

9.一种网元(network element，简称NE)，其特征在于，用于在分布式数据和能源存储互联网架构中作为集中信息代理(ensemble information broker，简称EIB)，其中，所述NE包括：处理器，用于：

收集关于特定时间段内通过与所述NE相关联的智能系统内的多个设备的能源流的设备数据、所述设备在所述特定时间段内消耗的能源量和数据量和所述设备在所述特定时间段内生成的能源量和数据量；

收集所述特定时间段内所述智能系统中关于用户在所述智能系统内出现的人类存在数据；

收集所述特定时间段内所述智能系统中关于用户对所述设备的输入和用户与所述设备的交互的人类活动数据；

通过将预测算法应用于所述设备数据、人类存在数据和人类活动数据来预测所述智能系统的未来能源和数据消耗以及生成需求；

基于应用于与所述智能系统相关联的动态的以人为中心的成本函数的未来能源和数据消耗以及生成需求，生成所述智能系统内的设备的控制命令集合，其中，所述动态的以人为中心的成本函数根据所述智能系统的人类存在数据、人类活动数据和用户定义的偏好等级来适配加权客观度量；所述能源成本函数表示所述设备的运行状态，所述用户生产力函数表示所述智能系统内的人类舒适度和人类生产力水平，并包括关于所述设备的运行状态的噪声函数、降温函数、升温函数、新鲜度函数和湿度函数；

耦合至所述处理器的发送器，用于将该控制命令集合传输到所述智能系统内的相应设备。

10.根据权利要求9所述的NE，其特征在于，还根据以人为中心的优化目标来生成所述控制命令集合，所述以人为中心的优化目标包括所述智能系统内的能源成本的降低以及所述智能系统内的用户的生产力的优化。

11.根据权利要求9所述的NE，其特征在于，所述人类活动数据包括用户与所述智能系统中的每个设备交互的一天和几个小时的时间。

12.根据权利要求9所述的NE，其特征在于，通过根据从耦合至所述NE的所述智能系统内的用户界面接收的用户偏好对所述成本函数进行加权来更新所述动态的以人为中心的成本函数。

13.根据权利要求9所述的NE，其特征在于，还包括：

耦合至所述处理器的接收器，用于从多个外部NE接收指示多个外部用户与多个外部NE的每个NE相关联的外部智能系统内的多个外部设备的交互的外部环境存在数据，其中，所述多个外部NE用于在所述数据和能源存储互联网内作为被建立为好友连接的外部EIB；

所述处理器还用于基于对所述外部环境存在数据的分析来确定所述外部NE的子集，其中，

所述外部环境存在数据指示每个所述外部智能系统包括足够的剩余功率或数据存储以满足相关联的智能系统的对能源或数据存储请求的可能性；

所述发射机还用于将所述对能源或数据存储请求传输到所述外部NE的子集。

14.根据权利要求13所述的NE，其特征在于，基于所述NE通过所述接收器从一个所述外部NE接收建立所述好友连接的请求以及所述NE通过所述发送器发送所述好友连接已经建立的确认，来为一个所述外部NE建立所述好友连接。

15.根据权利要求13所述的NE，其特征在于，所述发射器还用于当所述外部NE建立为好友连接时，将所述人类存在数据传输到所述外部NE。

16.根据权利要求9所述的NE，其特征在于，还包括：

耦合至所述处理器的接收机，用于在特定的时间从作为所述数据和能源存储互联网内的外部EIB的外部NE接收能源或数据存储的需求；

基于积分的信用方案来确定分配给所述外部NE的外部智能系统的资格，所述基于积分的信用方案比较发送到分配给外部NE的外部智能系统的能源或数据的发送量与接收到的来自外部智能系统的能源或数据的接收量，其中，所述基于积分的信用方案包括权重函数，所述权重函数包括基于所述特定时间与分配给所述NE的所述智能系统内的能源或数据消耗的峰值时间之间的时间距离确定的积分值；

向智能系统内的发电设备发送命令，以使所述发电设备在确定所述外部智能系统有资格接收能源量或数据量时，在所述特定时间向所述外部智能系统提供满足所述能源或数据存储请求的能源或数据生成量。

17.一种在网元(network element，简称NE)中实现的方法，其特征在于，所述网元用于在分布式数据和能源存储互联网架构中作为集中信息代理(ensemble informationbroker，简称EIB)，所述方法包括：

收集指示特定时间段内通过与所述NE相关联的智能系统内的多个设备的能源流的能源数据、所述设备在所述特定时间段内消耗的能源量和数据量和所述设备在所述特定时间段内生成的能源量和数据量；

收集所述特定时间段内所述智能系统中关于用户在所述智能系统内出现的人类存在数据；

收集所述特定时间段内所述智能系统中关于用户对所述设备的输入和用户与所述设备的交互的人类活动数据；

通过将预测算法应用于并分析所述收集的能源数据、人类存在数据和人类活动数据来预测所述智能系统的未来能源消耗需求和能源生成；

基于应用于与所述智能系统相关联的动态的以人为中心的成本函数的预测的未来能源消耗需求和能源生成，为所述智能系统内的设备生成控制命令集合；

将所述控制命令集合传输到所述智能系统内的相应设备；

传输广播消息以确定分配的环境或网络内以及所述数据和能源存储互联网架构内的作为外部EIB的外部NE，以基于用户偏好建立为好友连接；

传输与所确定的NE建立好友连接的请求，其中，在接收到来自所述外部NE的确认时建立所述好友连接；

当所述好友连接建立时，将所述人类存在数据传输到所述外部NE。

18.根据权利要求17所述的方法，其特征在于，还包括：当所述好友连接建立时，接收指示多个外部用户与多个外部NE相关联的外部智能系统内的多个外部设备的交互的外部NE外部人类存储数据。

19.根据权利要求18所述的方法，其特征在于，还包括：

基于对外部人类存在数据的分析来确定将外部NE包括在外部NE集合内，其中，所述外部人类存在数据指示所述外部智能系统包括足够的剩余功率或数据存储以满足相关联的智能系统的对能源或数据存储请求的可能性；

当所述外部NE包括在所述外部NE集合中时，将所述能源或数据存储请求传输到所述外部NE。

20.根据权利要求17所述的方法，其特征在于，还包括：

在特定的时间从作为所述数据和能源存储互联网内的外部EIB的外部NE接收能源或数据存储的需求；

基于积分的信用方案来确定分配给所述外部NE的外部智能系统的资格，所述基于积分的信用方案比较发送到分配给外部NE的外部智能系统的能源或数据的发送量与接收到的来自外部智能系统的能源或数据的接收量，其中，所述基于积分的信用方案包括权重函数，所述权重函数包括基于所述特定时间与分配给所述NE的所述智能系统内的能源或数据消耗的峰值时间之间的时间距离确定的积分值；

向智能系统内的发电设备发送命令，以使所述发电设备在确定所述外部智能系统有资格接收能源量或数据量时，在所述特定时间向所述外部智能系统提供满足所述能源或数据存储请求的能源或数据生成量。