CN108475257A - 处理远程仪表读取数据以分析消耗量模式 - Google Patents
处理远程仪表读取数据以分析消耗量模式 Download PDFInfo
- Publication number
- CN108475257A CN108475257A CN201680079159.4A CN201680079159A CN108475257A CN 108475257 A CN108475257 A CN 108475257A CN 201680079159 A CN201680079159 A CN 201680079159A CN 108475257 A CN108475257 A CN 108475257A
- Authority
- CN
- China
- Prior art keywords
- consumption
- user
- data
- water
- user profiles
- 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
- 238000000034 method Methods 0.000 claims abstract description 75
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 claims abstract description 70
- 230000008859 change Effects 0.000 claims description 17
- 238000004891 communication Methods 0.000 claims description 13
- 238000005265 energy consumption Methods 0.000 claims description 11
- 238000004590 computer program Methods 0.000 claims description 6
- 238000012986 modification Methods 0.000 claims description 6
- 230000004048 modification Effects 0.000 claims description 6
- 230000005540 biological transmission Effects 0.000 claims description 3
- 238000005457 optimization Methods 0.000 claims description 3
- 238000013459 approach Methods 0.000 abstract description 2
- 238000004458 analytical method Methods 0.000 description 29
- 230000005611 electricity Effects 0.000 description 10
- 238000009826 distribution Methods 0.000 description 9
- 238000005516 engineering process Methods 0.000 description 7
- 230000010354 integration Effects 0.000 description 7
- 230000007246 mechanism Effects 0.000 description 6
- 230000002354 daily effect Effects 0.000 description 5
- 238000011160 research Methods 0.000 description 5
- 238000007619 statistical method Methods 0.000 description 5
- 230000003442 weekly effect Effects 0.000 description 5
- 239000000567 combustion gas Substances 0.000 description 4
- 230000000694 effects Effects 0.000 description 4
- 239000007789 gas Substances 0.000 description 4
- 238000011835 investigation Methods 0.000 description 4
- 238000005259 measurement Methods 0.000 description 4
- 239000010813 municipal solid waste Substances 0.000 description 4
- 238000006116 polymerization reaction Methods 0.000 description 4
- 230000001360 synchronised effect Effects 0.000 description 4
- AGVAZMGAQJOSFJ-WZHZPDAFSA-M cobalt(2+);[(2r,3s,4r,5s)-5-(5,6-dimethylbenzimidazol-1-yl)-4-hydroxy-2-(hydroxymethyl)oxolan-3-yl] [(2r)-1-[3-[(1r,2r,3r,4z,7s,9z,12s,13s,14z,17s,18s,19r)-2,13,18-tris(2-amino-2-oxoethyl)-7,12,17-tris(3-amino-3-oxopropyl)-3,5,8,8,13,15,18,19-octamethyl-2 Chemical compound [Co+2].N#[C-].[N-]([C@@H]1[C@H](CC(N)=O)[C@@]2(C)CCC(=O)NC[C@@H](C)OP(O)(=O)O[C@H]3[C@H]([C@H](O[C@@H]3CO)N3C4=CC(C)=C(C)C=C4N=C3)O)\C2=C(C)/C([C@H](C\2(C)C)CCC(N)=O)=N/C/2=C\C([C@H]([C@@]/2(CC(N)=O)C)CCC(N)=O)=N\C\2=C(C)/C2=N[C@]1(C)[C@@](C)(CC(N)=O)[C@@H]2CCC(N)=O AGVAZMGAQJOSFJ-WZHZPDAFSA-M 0.000 description 3
- 238000012545 processing Methods 0.000 description 3
- 230000009467 reduction Effects 0.000 description 3
- 230000002829 reductive effect Effects 0.000 description 3
- 241001269238 Data Species 0.000 description 2
- 230000002159 abnormal effect Effects 0.000 description 2
- 230000009471 action Effects 0.000 description 2
- 238000012512 characterization method Methods 0.000 description 2
- 238000010835 comparative analysis Methods 0.000 description 2
- 238000001914 filtration Methods 0.000 description 2
- 230000006870 function Effects 0.000 description 2
- 230000007774 longterm Effects 0.000 description 2
- 238000001556 precipitation Methods 0.000 description 2
- 238000005070 sampling Methods 0.000 description 2
- 238000000926 separation method Methods 0.000 description 2
- 241001123248 Arma Species 0.000 description 1
- PEDCQBHIVMGVHV-UHFFFAOYSA-N Glycerine Chemical compound OCC(O)CO PEDCQBHIVMGVHV-UHFFFAOYSA-N 0.000 description 1
- 239000012190 activator Substances 0.000 description 1
- 230000003542 behavioural effect Effects 0.000 description 1
- 230000008901 benefit Effects 0.000 description 1
- 239000003990 capacitor Substances 0.000 description 1
- 239000003795 chemical substances by application Substances 0.000 description 1
- 238000002485 combustion reaction Methods 0.000 description 1
- 230000002860 competitive effect Effects 0.000 description 1
- 238000004883 computer application Methods 0.000 description 1
- 238000007405 data analysis Methods 0.000 description 1
- 238000007418 data mining Methods 0.000 description 1
- 230000003247 decreasing effect Effects 0.000 description 1
- 230000001419 dependent effect Effects 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 239000006185 dispersion Substances 0.000 description 1
- 239000003651 drinking water Substances 0.000 description 1
- 235000020188 drinking water Nutrition 0.000 description 1
- -1 electricity Substances 0.000 description 1
- 230000003203 everyday effect Effects 0.000 description 1
- 239000004744 fabric Substances 0.000 description 1
- 239000012530 fluid Substances 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 238000009434 installation Methods 0.000 description 1
- 230000003993 interaction Effects 0.000 description 1
- 238000012804 iterative process Methods 0.000 description 1
- 230000002045 lasting effect Effects 0.000 description 1
- 230000000670 limiting effect Effects 0.000 description 1
- 238000012417 linear regression Methods 0.000 description 1
- 230000004807 localization Effects 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 239000011159 matrix material Substances 0.000 description 1
- 238000012544 monitoring process Methods 0.000 description 1
- 230000010181 polygamy Effects 0.000 description 1
- 238000013139 quantization Methods 0.000 description 1
- 238000005057 refrigeration Methods 0.000 description 1
- 230000001932 seasonal effect Effects 0.000 description 1
- 230000003068 static effect Effects 0.000 description 1
- 238000013517 stratification Methods 0.000 description 1
- 238000012360 testing method Methods 0.000 description 1
- 238000012546 transfer Methods 0.000 description 1
- 238000005406 washing Methods 0.000 description 1
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01D—MEASURING NOT SPECIALLY ADAPTED FOR A SPECIFIC VARIABLE; ARRANGEMENTS FOR MEASURING TWO OR MORE VARIABLES NOT COVERED IN A SINGLE OTHER SUBCLASS; TARIFF METERING APPARATUS; MEASURING OR TESTING NOT OTHERWISE PROVIDED FOR
- G01D4/00—Tariff metering apparatus
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F17/00—Digital computing or data processing equipment or methods, specially adapted for specific functions
- G06F17/10—Complex mathematical operations
- G06F17/18—Complex mathematical operations for evaluating statistical data, e.g. average values, frequency distributions, probability functions, regression analysis
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q30/00—Commerce
- G06Q30/02—Marketing; Price estimation or determination; Fundraising
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
- G06Q50/06—Energy or water supply
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04Q—SELECTING
- H04Q9/00—Arrangements in telecontrol or telemetry systems for selectively calling a substation from a main station, in which substation desired apparatus is selected for applying a control signal thereto or for obtaining measured values therefrom
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01D—MEASURING NOT SPECIALLY ADAPTED FOR A SPECIFIC VARIABLE; ARRANGEMENTS FOR MEASURING TWO OR MORE VARIABLES NOT COVERED IN A SINGLE OTHER SUBCLASS; TARIFF METERING APPARATUS; MEASURING OR TESTING NOT OTHERWISE PROVIDED FOR
- G01D2204/00—Indexing scheme relating to details of tariff-metering apparatus
- G01D2204/10—Analysing; Displaying
- G01D2204/14—Displaying of utility usage with respect to time, e.g. for monitoring evolution of usage or with respect to weather conditions
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04Q—SELECTING
- H04Q2209/00—Arrangements in telecontrol or telemetry systems
- H04Q2209/60—Arrangements in telecontrol or telemetry systems for transmitting utility meters data, i.e. transmission of data from the reader of the utility meter
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02B—CLIMATE CHANGE MITIGATION TECHNOLOGIES RELATED TO BUILDINGS, e.g. HOUSING, HOUSE APPLIANCES OR RELATED END-USER APPLICATIONS
- Y02B90/00—Enabling technologies or technologies with a potential or indirect contribution to GHG emissions mitigation
- Y02B90/20—Smart grids as enabling technology in buildings sector
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y04—INFORMATION OR COMMUNICATION TECHNOLOGIES HAVING AN IMPACT ON OTHER TECHNOLOGY AREAS
- Y04S—SYSTEMS INTEGRATING TECHNOLOGIES RELATED TO POWER NETWORK OPERATION, COMMUNICATION OR INFORMATION TECHNOLOGIES FOR IMPROVING THE ELECTRICAL POWER GENERATION, TRANSMISSION, DISTRIBUTION, MANAGEMENT OR USAGE, i.e. SMART GRIDS
- Y04S20/00—Management or operation of end-user stationary applications or the last stages of power distribution; Controlling, monitoring or operating thereof
- Y04S20/30—Smart metering, e.g. specially adapted for remote reading
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Business, Economics & Management (AREA)
- Theoretical Computer Science (AREA)
- Data Mining & Analysis (AREA)
- Economics (AREA)
- Mathematical Physics (AREA)
- Health & Medical Sciences (AREA)
- Computational Mathematics (AREA)
- Mathematical Analysis (AREA)
- Mathematical Optimization (AREA)
- Pure & Applied Mathematics (AREA)
- Strategic Management (AREA)
- Marketing (AREA)
- General Business, Economics & Management (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Computer Networks & Wireless Communication (AREA)
- Human Resources & Organizations (AREA)
- Probability & Statistics with Applications (AREA)
- Operations Research (AREA)
- Evolutionary Biology (AREA)
- Bioinformatics & Computational Biology (AREA)
- Public Health (AREA)
- Water Supply & Treatment (AREA)
- Primary Health Care (AREA)
- General Engineering & Computer Science (AREA)
- Algebra (AREA)
- General Health & Medical Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- Tourism & Hospitality (AREA)
- Databases & Information Systems (AREA)
- Software Systems (AREA)
- Accounting & Taxation (AREA)
- Development Economics (AREA)
- Finance (AREA)
- Entrepreneurship & Innovation (AREA)
- Game Theory and Decision Science (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明涉及一种用于确定用户的能源和/或水资源简档的由计算机实现的方法,该方法包括以下步骤:从多个用户接收关于资源消耗量的初始数据;确定资源消耗量的层级;确定用户组;以及确定至少一个用户简档。实施例描述了:对与所确定的用户简档相关的附加数据的使用,特别是地图数据;对消耗量趋势的确定;对参考消耗量模型的确定;以及对远程读取的消耗量与参考模型的比较;此外,还描述了软件和系统方面,特别是对与消耗量数据、用户组、用户简档、消耗量趋势或参考消耗量模型有关的信息的远程咨询。
Description
技术领域
本发明涉及数据处理的技术领域,并且具体涉及对水和/或能源消耗量数据的处理。
背景技术
目前通过所谓的远程读取操作(即,经由向远程站点传输对消耗量仪表的读取)跟踪用户对能源或水的消耗量,无论这些用户是个人用户还是工业用户。
今天,这些操作可以用作沿着朝向持久管理其消耗量的路径指导用户的方式。与被动执行的分析和后验相比,用户消耗行为的改变可能更多地取决于信息的质量,即,对远程读取数据的分析的质量。
在社区层面,地方政府和公共住房机构尤其需要更好地了解他们辖区内的消耗量水平(例如,其水消耗量水平)。许多地方政府期望和重视可靠且相关的数据,这是因为这些数据允许他们改进其水管理政策和/或开发计划。在更加本地化和个人化的规模上,家庭也发现这些数据有利于更好地了解其水和/或能源(例如,电和/燃气)的消耗量水平。
关于水(或电)消耗量的现有技术描述了各种技术方案,其对应于许多不同的方法。例如,专利文献通常局限于面向用于获取数据(例如,实时地,如CN104362756中)的技术、方法和系统的方法。其他可获得的出版物也停留在限于使用主要停留在描述性的统计技术(例如,应用于原始消耗量数据的数据挖掘)。
虽然是有利的,但是这些已知方法的局限性使得不能完全满足前述对分析的需求。因此需要用于分析水和/或能源消耗行为的方法和系统。
发明内容
本发明涉及一种用于确定用户的能源和/或水资源简档的由计算机实现的方法,该方法包括以下步骤:从多个用户接收关于资源消耗量的初始数据;确定资源消耗量的层级;确定用户组;以及确定至少一个用户简档。实施例描述了:对与所确定的用户简档相关的附加数据的使用,特别是地图数据;对消耗量趋势的确定;对参考消耗量模型的确定;以及对远程读取的消耗量与参考模型的比较;此外,还描述了软件和系统方面,特别是对与消耗量数据、用户组、用户简档、消耗量趋势或参考消耗量模型有关的信息的远程咨询。
本发明有利地适用于对水管理数据的管理,但是通过扩展也应用于对关于类似资源消耗量(例如,电消耗量或燃气消耗量)的数据的管理。
具体地,本发明的实施例适用于公用事业部门中的许多活动。术语“公用事业”被理解为是指向社区提供的服务,例如,水、燃气和电(非穷尽性列表)的生产/生成和分配。
具体地,消耗量数据可以涉及这些资源中的任意一个(或甚至涉及组成或合成的消耗量数据,例如,组合燃气消耗量数据和电消耗量数据的数据)。由根据本发明的方法操控的数据因此可以是抽象的(例如,水-燃气-电-垃圾消耗量得分或分数)。
在特定的实施例中,本发明还可以应用于对垃圾的管理。可以测量或至少估计由用户产生的垃圾量(例如,“智能垃圾箱”,图像或视频的分析和识别等)。因此,本发明的实施例可以实现。
例如,水消耗量将以m3/年为单位来测量,电消耗量以kWh为单位来测量,燃气消耗量以m3/年为单位来测量,并且垃圾产量以m3/年为单位来测量。
有利地,该方法允许识别消耗的水的用途。
有利地,根据本发明的方法允许特别是由地方政府和公共住房机构来跟踪和诊断水消耗量。
有利地,多学科方法学方法允许用户(家庭用户、政府用户、工业用户等)以各种规模(从服务范围规模到居住区规模)了解、跟踪和修改其消耗量。
有利地,根据本发明的方法在跟踪消耗量中考虑时间相关的因子(例如,消耗量水平的长期变化、消耗量的周期性变化)和背景因子(例如,气候、地区、消耗习惯)。
有利地,除分析对资源的需求之外,根据本发明的方法允许改进对资源的供应。
有利地,通过根据本发明的方法可能实现的分析允许在服务提供商与区域的各种消费者(例如,地方政府、协会、公共住房机构、个人用户)之间促进相互信任和合作。
有利地,根据本发明的方法利用除水消耗量数据之外的数据。已知的现有技术解决方案不实现数据整合。特别地,根据本发明,远程读取的消耗量数据富有社会经济数据。这些社会经济数据来自聚合数据的步骤(例如,由人口普查局获得的特定于居住区的人口普查数据)和/或直接从用户接收(例如,经由调查)。这些分析允许开发新的服务,这继而允许控制水消耗量,即,调节并且可能减少水消耗量。在一个实施例中,通过统计和/或社会学分类方法(例如,行为社会学)来执行数据整合。
有利地,根据本发明的方法允许向用户、地方政府和公共住房机构提供初始和/或丰富的数据。
有利地,对消耗量的跟踪和监测可以以特定于每个用户简档的方式来执行。例如,每个用户可能能够访问其消耗量简档,以便获得对其消耗量的总体了解。每个用户还能够访问表示其消耗量的一个或多个模型(即,预测)。对表示各种时间范围(短期范围、中期范围和长期范围)内的消耗量的数据具有访问权(即,对实际观测到的数据和特定于每个用户的预测具有访问权),所讨论的用户或多个用户然后可以修改(如果适当)其消耗行为(即,反馈回路、良性循环)。例如,用户可能因此通过探索对确定其消耗量水平的因子的改变并通过测量其相对于他的同伴(即,相对于具有相同简档的用户)的方法(保持标签)的有效性来修改他的消耗量。
有利地,本发明提供了分析单元,考虑到根据预设区域中的消耗量趋势来定义用于指导消耗量减少的策略。数据可以在地方(即,特定于居住区的)规模上或在服务范围(一组辖区)规模上(即,在更大规模上)收集。
有利地,本发明利用远程读取的消耗量数据来确定总体消耗量简档,并且然后将这些主要数据与声明的用途(通过调查、在线调查问卷等获得的)相整合。因此,消费者简档的获得允许利用从其他来源获得的其他数据。换言之,在没有本发明的情况下,一方面消耗量数据和另一方面消耗量用途将保持至少部分地分隔或不相容或分离。
有利地,本发明的实施例允许用户将其消耗量与一个或多个参考简档进行比较。
有利地,本发明允许表征或者甚至量化人对其周围环境的影响——这允许实现校正动作。有利地,可以将合成数据分析反馈给用户,使得改变消耗行为,创建持久的良性循环。由于分析规模是可配置的,所以可以提高(自下而上的)现场数据与(自上而下的)消耗量用途分析之间的相关性。
有利地,本发明的某些实施例使得有可能经由对消耗量模型的计算和参考来为用户或家庭的水/能源消耗量提供帮助和/或调节用户或家庭的水/能源消耗量,该模型特别地包含除远程读数之外的数据(特别地通过整合社会人口统计数据和/或地图数据)。
有利地,由于建模的消耗量与实际消耗量之间的这种比较,与用户的交互可以包括通知(信息的反馈)和/或物理的、有形的和灵活的干预(选择性的和/或逐渐减少或停止输送能源/水资源)。
有利地,根据本发明,特定统计方法(例如,消耗量数据与其他数据的整合,特别是社会经济数据)的应用允许定义地理上背景化的标准。
附图说明
根据以下描述和附图中的图,本发明的其他特征和优点将变得显而易见,其中:
图1示出了根据本发明的方法的步骤的示例;
图2示出了根据消耗量水平或层级对用户进行分类的示例;
图3示出了将用户分类到消耗量变化组中的示例;
图4示出了消费者的平均每日消耗量的示例,具有一年内的各种示例用户简档;
图5示出了消耗量数据与社会人口统计数据相整合的示例;
图6示出了分析与用户的消耗量进行比较的示例;
图7示出了消耗量简档的区域分析的示例;并且
图8示出了访问消耗量分析和数据的示例。
具体实施方式
取决于上下文,根据本发明的用户也被称为客户或消费者。
用户是关于给定资源(水、电、燃气、垃圾等)消耗量的数据的生成者。消费者可以对应于物理个体或与物理个体的聚合。消费者可以是司法实体(例如,公司或诸如医院之类的组织)。在一个大规模的实施例中,用户或消费者可以例如是社区或公共住房机构或区域。本发明的应用领域涉及家庭用户、工业用户或者甚至涉及政府用户。
公开了一种用于管理水和/或能源资源的由计算机实现的方法,该方法包括以下步骤:-从至少一个用户接收关于水和/或能源资源消耗量的初始数据,从多个智能仪表远程读取所述消耗量数据;-确定用户简档;-确定与用户简档相关联的所谓的参考消耗量模型;-将用户的水和/或能源资源消耗量与所述参考消耗量模型进行比较;以及-在相对于预定义阈值存在差值的情况下通知用户。
远程读取仪表允许该仪表远程地被读取,即,无需对仪表的物理访问。该仪表则是所谓的“智能仪表”。
根据本发明,生成反馈并将其反馈给资源的消费者,即用户。
第一类型的反馈是将信息(例如,以通知的形式)反馈给用户(例如,所讨论的家庭)。这种信息反馈旨在提高意识(例如,行为意识)和/或有助于节约(用户可以自己定义节约目标)。有利地,根据本发明的连接对象允许个性化,即,“本地”和“连续”反馈(例如,针对仪表中的每个或仪表中的一些)。
可能会通知相对于标准的不利差值,但也会通知有利差值。有利地,通知例如通过位于住宅中离散位置处的LED状态灯来传递(以便不施加“社会压力”)。
在一个实施例中,(仅)在相对于预定义阈值存在有利差值(例如,消耗量较低)的情况下通知用户。
在一个实施例中,(仅)在相对于预定义阈值存在不利差值(例如,消耗量较高)的情况下通知用户。
在一个实施例中,在相对于预定义阈值存在不利差值或有利差值的情况下(在两种情况下)通知用户。
在上文中,阈值可以由多个阈值或阈值范围(比较中存在容差)替代。还可以动态地计算阈值——例如,阈值可以通过取决于外部因子的系统范围的系数来调节,例如,一天中的时间、季节或诸如足球比赛之类的对能源/水网络具有显著影响的事件。
在一个实施例中,该方法进一步包括取决于与预定义阈值的差值来修改水和/或能源供应的步骤。
在一个实施例中,该方法进一步包括物理/有形反馈回路。在一个实施例中,该方法包括“调整”或“修改”水和/或能源的供应或提供或分配的步骤。
对供应进行修改意味着减少和/或增加(这些调解不是相互排斥的,即,减少之后可以增加,或者反之亦然,这取决于关于所确定的参考水平的变化)。
在一个实施例中,例如,在用户/家庭同意的情况下,可以提供物理的(即,有形的)反馈。该反馈可以通过用于控制用户/家庭的水和/或能源供应阀的单元来自动提供,所述控制单元连接到用于在用户的水和/或能源资源消耗量与所述参考消耗量模型之间进行比较的单元。然后可以根据用户/家庭预先批准的资源消耗量用途的层次来调整用户/家庭的消耗量。
在一个实施例中,确定用户简档的步骤包括:确定资源消耗量层级使每个消耗量层级与第一时间间隔中的资源消耗量值相关联的步骤;-确定用户组使每个用户组与第二时间间隔中消耗量值的变化速率相关联的步骤;以及-取决于所确定的用户组和所确定的消耗量层级来确定至少一个用户简档的步骤。
在一个实施例中,该方法进一步包括接收可以与所确定的用户简档相关的附加数据的步骤,以及基于所确定的用户简档和所述接收到的附加数据来确定消耗量趋势的步骤。
在一个实施例中,确定消耗量层级的步骤被执行,使得层级内的方差最小化。
在一个实施例中,确定用户简档的步骤包括确定用户简档使每个用户简档与一个层级和一个消耗量变化组相关联的步骤。
在一个实施例中,该方法进一步包括聚合多个用户简档的步骤。
在一个实施例中,该方法进一步包括以下步骤:提供对与消耗量数据、用户组、用户简档、消耗量趋势或参考消耗量模型有关的信息的远程访问。
在一个实施例中,对水和/或能源供应的修改取决于与智能仪表相关联的关键度级别。
具体地,“连接对象”或“智能仪表”可以与不同的关键度级别相关联。在一个实施例中,连接对象或智能仪表与多个关键度级别中的一个关键度级别相关联。
关于水的供应,仪表可以特别地包括“饮用/烹饪水”类型的单独仪表;“洗涤水”类型的单独仪表,后者仪表本身分为“洗碗水”类型的仪表、“洗衣水”类型的仪表以及“淋浴/洗浴水”类型的仪表、“花园水”类型的仪表等。
关于能源的供应,仪表特别地包括燃气供应仪表和电供应仪表,这些仪表取决于相关联用途的关键度而被分为各种类别(按重要性降低的顺序:制冷、灯、家用电器或计算机设备等)。
有利地,可以减少或增加供应的这种调整/修改可以是逐渐的和/或选择性的。关于选择性,灯和/或向非必要龙头(例如,花园龙头)的水供应可能例如自动变暗/减少。相反,可能保留或者甚至保证对饮用水的获取或者向家用冰箱的电供应。调整的逐渐性也是有利的,这是因为如果拒绝对特定资源的获取并将其标记为这样,则用户意识将提高。
在一个实施例中,与智能仪表相关联的关键度级别可由用户配置。
在一个实施例中,连接对象的关键度级别以及因此与该对象相关联的资源的关键度级别是可配置的。用户/家庭可以根据其自己的偏好(家庭可能例如使计算机设备优先于灯)来对各种消耗量分数的层次进行配置。
在一个实施例中,对水和/或能源供应的修改是逐渐的和/或选择性的。
对供应的调节的逐渐性可以有利地产生相对陡峭和/或用户可接受的学习曲线(例如,由对供应商的需求/约束和/或由本地偏好所指示的)。选择性是指与消耗量相关联的各种物理位置,所述位置分布在整个住宅中;和/或是指各种类别的消耗量分数,其可以可选地被组织成关键度级别的层次)。
公开了一种计算机程序,所述计算机程序包括代码指令,该代码指令在所述程序由计算机执行时允许执行该方法的步骤中的一个或多个。
公开了一种系统,所述系统包括多个智能仪表,该智能仪表用于实现该方法的步骤中的一个或多个。
“连接对象”或“智能仪表”是家庭自动化设备,其执行这些远程水和/或能源读取中的一个或多个。
智能仪表通常固定在位置上,即,附接到电和/或燃气和/或电源。某些仪表可以是可移除的。
在一个实施例中,智能仪表可以包括通信模块,例如,无线电发射器或脉冲发射器(通过电缆)。通信模块可以集成到仪表主体中,或者可以例如经由有线链路来远程访问(困难的环境,例如地下室)。
在一个实施例中,智能仪表可以是“智能”的,这是因为它可以包含本地处理资源。
在一个实施例中,智能仪表可以通过Wi-Fi或PLC连接到互联网盒。
在一个实施例中,智能仪表可以是“远程可编程的”。
在一个实施例中,智能仪表可以配备有允许远程切断供应的设备。
计数器可以例如是“智能”电插头或“智能”龙头,其包括通信单元和/或物理致动单元和/或测量单元。可选地,连接对象可以包括显示器(例如,诸如绿色或红色LED之类的指示灯,或者甚至屏幕),其允许将信息反馈给用户。
通信单元通常允许双向通信(或至少单向通信:连接对象可以被远程控制)。物理致动单元例如包括开关、电阻器、电容器、阀、螺钉、线圈等,以便(逐渐地)减少或甚至停止获取水或能源资源(例如,电)。测量单元包括允许量化水或能源消耗量的传感器(例如,电流、运动、温度、水流速等的传感器)。
在智能仪表中实现的或者由智能仪表实现的各种远程读取技术是可设想的,并且特别是“走过/驶过”技术,(单向)AMI固定安装或(双向)AMR固定安装。可以使用各种类型的网络(特别是AMI或AMR网络)。AMI网络通常对应于小型远程读取网络(单个读取)。AMR(自动仪表读取)网络是双向的,即,仪表可能实时发送和接收信息。中心和/或中继器的使用可以允许改进对仪表网络的管理。例如,中心可以经由无线互联网连接以安全的方式将收集到的数据发送到数字控制平台。
在一个实施例中,用于管理水和/或能源资源的系统包括:-多个智能仪表,其被配置为测量并向远程读取器传送关于水和/或能源资源消耗量的初始数据;-一个或多个处理器,其被配置为:-确定用户简档,-确定与用户简档相关联的所谓的参考消耗量模型,并且-将用户的水和/或能源资源消耗量与所述参考消耗量模型进行比较;以及-多个用户接口,其被配置为在相对于预定义阈值存在不利差值或有利差值的情况下通知用户。
仪表远程读取可以是直接的,还可以是间接的。例如,家庭机器人可以在住宅中四处移动,以便获取未包括在网络传输中的数据。测量还可以是间接的,即,推论的或推断的。例如,电视机可以测量其自身的功耗并自己或根据请求将该功耗发送给远程读取服务。
在一个实施例中,智能仪表包括测量单元和/或通信单元和/或物理致动单元。
测量单元包括测量仪器(传感器)。通信单元包括通信模块(网卡、发射器等)。致动单元包括气动、液压、电、机械(特别地)类型的致动器或激活器(例如,阀、开关)。
安装的仪表可能并非全部相同,即,它们可以是具有各种功能的仪表。为了增加复杂性,智能仪表可以对物理量进行计量(即,测量);另外但是可选地,智能仪表可以直接或间接传送其测量数据;并且另外但是可选地,智能仪表可以作用于其环境(例如,阀或开关)。
在一个实施例中,可以从客户终端访问用户接口,该客户终端具有经由至少一个通信网络对数据服务器的访问权;和/或可以从至少一个智能仪表访问用户接口。
图1示出了根据本发明的方法的步骤的示例。
公开了一种用于确定用户的水和/或能源资源的简档的由计算机实现的方法,该方法包括:第一步骤,接收关于多个用户的资源消耗量的初始数据;第二步骤,确定资源消耗量层级,每个消耗量层级与第一时间间隔中的一个资源消耗量值相关联;第三步骤,确定用户组,每个用户组与第二时间间隔中的其消耗量值的变化速率相关联;以及第四步骤,取决于所确定的用户组和所确定的消耗量层级来确定至少一个用户简档。
层级对应于消耗量水平。消耗量层级对应于给定时间段内(例如,每年)消耗的资源的平均量。其受消耗量下限值和消耗量上限值约束。限值是消耗量值(例如,以m3每年表示)。
可以以各种方式来估计一组用户消耗的资源(例如,水资源)的量。例如,专利文献WO2014/060655描述了一种用于实时估计分配给用户的流体的总消耗量的方法。
在接收或收集的第一步骤110中,查询或访问各种数据库。为了满足分析的特定需求或改进对消耗行为的研究,可以实现统计采样技术(例如,可以确定仪表的子集)。
在可选的过滤步骤120中,应用一个或多个过滤器以便排除被认为不满足研究目标或不可靠的某些用户或某些数据。将各种数据格式化,即,使其兼容,然后进行合并和/或聚合。根据本发明,通过排除可用数据太少的用户(例如,具有少于一年的历史的用户)、指示符的接收程度低于75%的用户、连续指示符缺失超过一周的用户等,提高数据的可靠性。换言之,可以排除反常和异常数据,特别是为了改进消耗量建模步骤。
在可选的校正步骤130中,统计地校正某些数据。在一个实施例中,该校正步骤包括两个子步骤。在第一子步骤中,对消耗量指示符的统计分析(趋势分析、对6h时隙中的中点的识别等)允许验证某些数据。相比之下,识别任意技术异常。在第二个子步骤中,通过线性插值来校正识别的无效数据。最后,在一个实施例中,同步每日消耗量。计算特别地包括将指示符同步到设定时间(例如,00h、06h、12h和18h),计算这些时间范围内的消耗量(两个指示符之间的差值),并且最后以每日规模聚合数据。
在一个实施例中,原始消耗量数据100可以特别地包括时间和日期标记的消耗量指示符(即,累计的消耗量)。在一个示例实施例中,数据可以以六小时的间隔获得(因为每个用户具有其自己的传输时间,所以指示符不一定同步传输)。
可以以各种方式对初始消耗量数据进行预处理(120,130)。可以移除重复数据。在存在负指示符的情况下,可以以各种时间间隔确定置信区间,然后可以将数据同步到设定时间。在一个实施例中,在长于或等于一年的时间段内收集数据。
在该实施例中,该方法包括确定资源消耗量层级的第二步骤140。每个消耗量层级与研究的参考时间间隔(天、月、年)中的总体资源消耗量相关联。消耗量被限定为或结构化为至少两个消耗量层级。层级的统一性随着层级的数量渐近地增加。在一个实施例中,迭代地增加层级的数量,直到总层级内方差低于预定义阈值(渐近线)。分类可以特别地执行,使得a)针对给定的消费者组,消耗量的离散度或方差基本上是统一的,并且b)各种消费者组中的消费者的数量基本上是相同的。
在一个实施例中,执行确定消耗量层级的第二步骤,使得总层级内方差最小化。这等同于说迭代地增加消耗量层级的数量,直到当添加附加层级时达到的统一性的增量低于预定义阈值。换言之,消耗量层级的数量迭代地增加,直到任意一个层级的方差低于预定义阈值。
在一个实施例中,该方法包括确定用户组的第三步骤150,每个用户组与第二时间间隔中的消耗量值的变化速率相关联。再次确定至少两个用户组150。取决于用户的消耗量水平的用户分层是独立于将用户结构化为消耗量变化组的步骤(这些步骤可以连续执行或并行执行)。
一组消费者由其消耗量变化来表征(例如,水的消耗量取决于降水量、家庭的每周规则变化、学校放假、非工作日、体育赛事等而变动)。可以使用各种类型的指示符来表征消耗量变化,并且取决于这些消耗量变化指示符可以使用各种统计方法来对用户进行分类(递增分层分类、主要成分分析等)。
在一个实施例中,该方法包括第四步骤160,其包括取决于用户所属的消耗量层级和消耗量变化组来确定每个用户的消耗量简档。
在一个实施例中,该方法进一步包括第五步骤,其包括接收可能与所确定的用户简档相关的附加数据。
附加数据可以具有社会、人口统计和/或经济性质。
在本发明的一个实施例中,附加数据145可以与一个或多个所确定的用户简档相关。该步骤允许在区域规模(建筑物、居住区、行政区、行政区间合作等)上识别或解释消耗量趋势。
在一个实施例中,附加数据包括地图数据(即,空间性质的数据,包括地理定位数据)。
用户简档与第三方数据145(例如,具有社会人口统计性质)的整合特别地允许确定预设区域中的消耗量趋势。例如,可能会使用诸如人口普查局数据之类的现有或公共数据,并且这些数据允许确定每个地理区域中的用户简档的空间分布;还可能从其中推断与给定地理区域中的用户简档有关的社会人口统计信息,或者根据所研究的人口的社会经济特性来解释观测到的消耗量趋势。
此外,可以将消耗量趋势与区域数据整合,以便允许随后考虑到减少水和/或能源资源的消耗量而在预设区域中采取策略。
在一个实施例中,该方法进一步包括第六步骤,其包括根据所确定的用户简档和所述接收到的附加数据来确定消耗量趋势。
在一个实施例中,确定用户简档的第四步骤包括确定用户简档使每个用户简档与一个层级和一个消耗量变化组相关联的步骤。
在一个实施例中,该方法进一步包括对多个用户简档进行聚合(或分组)的第七步骤。
在一个实施例中,识别消耗量简档的第四步骤160可以通过直接整合水平和消耗量变化的组来执行,但是如果认为简档数量过大,则第四步骤160还可以涉及附加聚合过程。可以通过应用多变量统计分析或聚类方法(例如,PCA、K-均值、递增分层分类等)来执行对简档的该重新分类或聚合。
在一个实施例中,该方法进一步包括确定与用户简档相关联的所谓的参考消耗量模型的第八步骤。
一个所谓的参考消耗量模型170可以与一个用户简档相关联。对于每个被研究的用户,消耗量模型允许根据用户的消耗量历史和/或消耗量模型的技术特性或用户的社会特性(例如,家庭的类型、住宅的类型、家用电器的类型)来确定预期的(所谓的参考)消耗量(值)。
针对每个用户创建参考消耗量模型并且识别过高消耗量和过低消耗量的情况允许通过聚合使得有可能识别可由所研究的用户主体(建筑物、住房项目、居住区、行政区、行政区间合作)实现的潜在资源节约,和需要作为促进节约资源方式的积极策略的目标的家庭的数量。
在一个实施例中,该方法进一步包括第九步骤,其包括将用户的水和/或能源资源消耗量与参考消耗量模型进行比较。
第九步骤190包括将用户的水和/或能源资源消耗量180与参考消耗量模型进行比较。
在一个实施例中,该方法进一步包括第十步骤,其包括在相对于预定义阈值存在不利差值或有利差值的情况下通知用户。
第十步骤192可以特别地包括在相对于该参考消耗量存在不利差值或有利差值(过高消耗量或过低消耗量)的情况下通知或警告用户,考虑到采取校正动作来减少资源消耗。如果差值是有利的(过低消耗量),则可以例如在步骤191中向所讨论的用户发送调查问卷,使得辨别良好的实践方式,并且然后可以将该实践方式传递193给消耗过高的用户。
在一个实施例中,消耗量数据是远程读取的数据。
图2示出了消耗量层级的示例。
在第二步骤140中,将消耗量分类到消耗量水平的组中(或层级,分类到单独(即,不重叠)的组中,给定用户属于一个且仅属于一个层级)。
这些组不一定具有相等的大小。组的数量可以高(高粒度分析)或低(快速分析)。为了允许获得所需的分析粒度,可以对组的数量和每组用户的数量进行迭代优化。组的数量和每组用户的数量可以是静态的,或者针对全部定义一次(例如,恒定的研究周长)但还可以是动态的(即,可以通过研究参数来配置,特别是为了例如减轻或补偿由于区域离散化而产生的边缘影响)。
消耗量层级的定义是在选择层级数量与选择限值之间的迭代过程,该迭代过程允许获得在水消耗量方面统一的用户组。在一个实施例中,可以使用根据由Dalenius和Hodges提出的方法得出的方法来限定层级的限值,这允许使层级内的统一性最大化。
图3示出了将用户分类到消耗量变化组中的示例。
消耗量变化可以基于指示符来定义,该指示符例如为一周中各天内的消耗量分布,一年中每个月的消耗量分布,工作日与非工作日和节假日之间的消耗量分布,消耗量与温度或降水量之间的相关性等等。这些各种指示符使用递增分层分类被分组到统一的组中,然后通过主要成分分析(例如)被转换成合成变量。基于这些合成变量,例如使用K-均值方法将用户分组在一起(步骤150),以便在此形成变化组,其示例在图3中示出。
因此,基于独立的指示符,用户可以被分段或分类(即,没有重叠)成多个相干消耗量变化组(第三步骤150),其由一个或多个合成变量来表征(这里为三个组301、302、303)。可以使用各种统计分类技术将用户分类到单独的组中。
有利地,在一个实施例中,使用K-均值方法来定义组。然后例如使用判别因子分析(或另一多变量统计分析技术)通过多个合成变量来表征所确定的组。
图4示出了四个用户消耗量简档的示例,其中呈现了其一年内平均每日的消耗量。
该方法的第四步骤160确定至少一个用户简档。
图的x轴表示时间,并且图的y轴表示以立方米每日为单位的平均消耗量。示出的示例组或简档(P1、P2、P3、P4)在其年度消耗量变化以及其每周消耗量变化方面均不同。简档P1与P2和简档P3与P4分别在其低消耗量水平和高消耗量水平方面不同。简档P2与P4和简档P1与P3分别在其大的年度消耗量变化和小的年度消耗量变化方面不同。
在示例中,被标识为在一年中稳定的消费者简档(P2和P4)在周末的消耗量高于工作周期间的消耗量。对于被标识为在一年中多变的消耗量简档(P1和P3),观测到相反的情况。例如,居住在住宅房屋中的用户的每周消耗量可能会在周三出现消耗量峰值,而对于多户房屋在周四观测到消耗量峰值。
根据本发明,通过消耗量层级与变化组之间的整合来确定用户分段(年度消耗量、每周消耗量)。在示例中,标识了四个用户简档。简档P1对应于所谓的节俭消费者(即,低消耗量水平和小消耗量变化)。简档P2对应于所谓的季节性消费者(低水平、大变化)。简档P3对应于所谓的“重度”消费者(即,高水平、小变化)。最后,简档P4对应于所谓的多变消费者(即,低水平、大变化)。
图5示出了消耗量数据与社会人口统计数据的整合,这些数据例如是从用户主动收集到的(调查)。
在该方法的第五步骤中将消耗量数据与其他数据(例如,社会人口统计数据145)进行整合允许因子矩阵确定要针对每个简档构建的消耗量。每个用途的影响可以通过其对消耗量水平(N)或消耗量变化(V)的影响来限定。
使用社会人口统计数据对简档的表征使得有可能定义解释个体是否属于给定简档的因子或水的用途。为此并且例如,可以通过调查的方式来收集关于家庭在其住宅中使用水的数据。基于对调查问卷给出的答复,可以识别构成家庭消耗行为的某些用途。在本发明的一个实施例中,识别出约30个所谓的关键因子,并且这30个所谓的关键因子可以有利地解释家庭水消耗量。
相关性测试,随后是判别分析,特别地允许评估与用户的消耗行为结构有关的每个因子的权重(就对消耗量水平或消耗量变化的影响而言),并且允许针对每个简档以及针对每个用户对所述因子分层地进行组织,以便允许预先选择用户或用户组关于其消耗量而取得进步的指示符。这种可由个体和个体组调节的对消耗量因子的自动分析可以有助于构建用于减少水消耗量的策略。
在可选的第八步骤170中,创建与每个用户组相关联的消耗量模型,通过根据本发明的方法对这些组进行分类(不重叠)。
换言之,基于远程读取的原始消耗量数据,在包括从统计采样操作以及过滤和同步操作中选择的一个或多个操作的操作之后,将用户组分类成统一的组,每个统一的组与每日水消耗量模型相关联。
每个消耗量模型允许基于过去的行为(时间序列模型)来预测或模拟水资源消耗量,这也可以基于可以解释消耗量的外部因子影响(回归模型),例如,温度、某些日历相关的影响(一周中的几天、非工作日以及节假日)或某些关键技术参数和社会经济参数(家庭大小、淋浴时长、节水设备)。
在一个实施例中,与用户组相关联的模型170可以比拟以下形式的ARMAX模型:
-其中,yt为时间t处的消耗量,为外部因子向量,并且ut为遵循ARMA模型的误差。在一个简化的实施例中,不考虑时间维度,应用的模型可以是多重线性回归类型的。在这种情况下,u为遵循正态分布的误差。无论模型如何,后者适合于(即,参数估计)简档中的每个。
这种模型特别地允许短期(例如,到当月结束)预测所讨论的组的消耗量。
所确定的消耗量模型允许将个体或组的消耗量与相同简档的其他组的消耗量进行比较(可比较内容之间的比较)。可以特别地以每日、每周、每月或者甚至每年的时间间隔执行消耗量的这种比较。
其他比较分析可以基于由根据本发明的方法确定的消耗量模型(用于比较分析的样本组)来执行,例如,对个体的消耗量与位于附近的(同一栋建筑物、居住区或行政区中的)用户的平均消耗量进行的比较190。
图6示出了比较水消耗量的这些各种方式的示例。
在所谓的个人模式中,用户(属于一组)——或用户组——可以将其自己的当前消耗量与在过去在相同条件下观测到的其实际消耗量进行比较(例如,比较当月的消耗量与前一年同月的消耗量)。用户或用户组还可以将其消耗量与其参考消耗量(即,例如由与之相关联的消耗量模型确定的,其可以特别地表示标准消耗量并考虑日历相关的影响和气候影响)进行比较。
在所谓的社区模式中,用户或用户组可以将其消耗量与具有相同简档的个体(消耗量的结构化影响,图6)或其邻居(区域影响,图7)的消耗量进行比较。
图7示出了在当前情况下根据由该方法确定的各个用户组的空间集中度对水消耗量简档进行区域分析的示例。
对消耗量和用途进行区域分析的目的特别地是整合之前获得的消耗量数据与区域内的聚合数据,以便了解这些影响的空间分布。
例如,对消耗量简档进行区域分析允许确定在某些居住区中某些消耗量简档的过度出现与后者在人口、住宅类型以及家庭活动方面的一般特性之间存在相关性。
为了识别某些消耗量简档的过度出现,建议分类为四分位数。这允许以预先标准化的形式整合消耗量简档与公共数据(例如,人口普查局数据,人口普查局数据在居住区规模可用)。消耗量数据与区域数据的这种整合可以例如通过例如判别因子分析来执行。
在不同区域规模,家庭主要有三种外部数据来源可用。存在以逐个住宅规模收集的数据(大多数情况下是通过调查收集的),存在以逐个建筑物规模收集的数据(这些数据通过住房机构或者通过调查可用),以及存在以居住区或行政区规模收集的数据(从人口普查所得的数据)。以某些规模,有可能找到共同的社会区域数据,例如,关于住房、生活条件、家庭人口统计以及经济的数据,或者确实具体的数据(家用电器、代表、住宅占用历史)。在确认最可靠且最相关的区域指示符之后,并且取决于研究的需求,可以建议将分析的区域规模和要分析的相关性类型参数化。
图8示出了访问消耗量分析和数据的示例。
在一个实施例中,该方法进一步包括第十一步骤,其包括提供对与消耗量数据、用户组、用户简档、消耗量趋势或参考消耗量模型有关的信息的远程访问。
公开了一种计算机程序,所述计算机程序包括代码指令,该代码指令在所述程序由计算机执行时允许执行该方法的步骤。
公开了一种系统,其包括用于实现该方法的步骤的单元。
在一个实施例中,该系统包括能够经由至少一个通信网络访问至少一个数据服务器的至少一个客户端终端。
在一个实施例中,该方法的步骤由例如托管在云中的一个或多个服务器810执行。用户831(个人客户、工业客户、政府客户、社区客户及其代表和管理员等)可以经由客户端终端830远程地访问初始数据或由该方法修改的数据,该客户端终端830能够访问一个或多个计算机网络820。
用户可以例如经由可以从终端830访问的网关或计算机应用(例如,Web、互联网、内联网、移动应用或app等)来访问各种(中间和/或最终)结果。对应的客户接口(其能够访问一个或多个数据服务器810)可以特别地提供以下功能:跟踪总体消耗量,跟踪和分析消耗量简档,执行对消耗量的区域分析(以各种规模,例如,在居住区规模上),以及查看和分析特定于简档的消耗量趋势、实时网络状态、使跟踪工具个性化的选项、用于管理客户关系的工具等。
Claims (16)
1.一种用于管理水和/或能源资源的由计算机实现的方法,所述方法包括以下步骤:
-接收(110)关于至少一个用户的水和/或能源资源消耗量的初始数据,所述消耗量数据从多个智能仪表远程地被读取;
-确定用户简档;
-确定与所述用户简档相关联的参考消耗量模型(170);
-将所述用户的所述水和/或能源资源消耗量与所述参考消耗量模型进行比较;以及
-在相对于预定义阈值存在差值的情况下通知所述用户。
2.根据权利要求1所述的方法,进一步包括取决于与所述预定义阈值的所述差值来修改对水和/或能源的供应的步骤。
3.根据权利要求1所述的方法,确定用户简档的所述步骤包括:确定资源消耗量层级使每个消耗量层级与第一时间间隔中的资源消耗量值相关联的步骤(140);
-确定用户组使每个用户组与第二时间间隔中所述消耗量值的变化速率相关联的步骤(150);以及
-取决于所确定的用户组和所确定的消耗量层级来确定至少一个用户简档的步骤(160)。
4.根据权利要求3所述的方法,所述方法包括:接收能够与所确定的用户简档相关的附加数据的步骤,以及基于所确定的用户简档和所述接收到的附加数据来确定消耗量趋势的步骤。
5.根据权利要求3所述的方法,确定消耗量层级的所述步骤(140)被执行,使得层级内方差最小化。
6.根据权利要求3所述的方法,确定用户简档的所述步骤(160)包括确定用户简档使每个用户简档与一个层级和一个消耗量变化组相关联的步骤。
7.根据前述权利要求中任一项所述的方法,进一步包括聚合多个用户简档的步骤。
8.根据前述权利要求中任一项所述的方法,进一步包括提供对与消耗量数据、用户组、用户简档、消耗量趋势或参考消耗量模型有关的信息的远程访问的步骤(810、820、830)。
9.根据权利要求2所述的方法,对所述水和/或能源供应的所述修改取决于与所述智能仪表相关联的关键度级别。
10.根据权利要求9所述的方法,与智能仪表相关联的关键度级别是能够由所述用户配置的。
11.根据权利要求2所述的方法,对所述水和/或能源供应的所述修改是逐渐的和/或选择性的。
12.一种计算机程序,所述计算机程序包括代码指令,所述代码指令在所述程序由计算机执行时允许执行根据权利要求1至11中任一项所述的方法的步骤。
13.一种包括多个智能仪表的系统,用于实现根据权利要求1至11中任一项所述的方法的步骤。
14.一种用于管理水和/或能源资源的系统,包括:
-多个智能仪表,其被配置为测量并向远程读取器传送关于水和/或能源资源消耗量的初始数据;
-一个或多个处理器,其被配置为
-确定用户简档;
-确定与所述用户简档相关联的所谓的参考消耗量模型(170);以及
-将用户的所述水和/或能源资源消耗量与所述参考消耗量模型进行比较;以及
-多个用户接口,其被配置为在相对于预定义阈值存在不利差值或有利差值的情况下通知所述用户。
15.根据权利要求14所述的系统,智能仪表包括测量单元和/或通信单元和/或物理致动单元。
16.根据权利要求14或15所述的系统,用户接口是能够从客户终端访问和/或能够从至少一个智能仪表访问的,所述客户终端具有经由至少一个通信网络对数据服务器的访问权。
Applications Claiming Priority (3)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
FR1562695 | 2015-12-17 | ||
FR1562695A FR3045867B1 (fr) | 2015-12-17 | 2015-12-17 | Traitement des donnees de telerelevee pour l'analyse des modes de consommation |
PCT/EP2016/081381 WO2017103069A1 (fr) | 2015-12-17 | 2016-12-16 | Traitement des donnees de telerelevee pour l'analyse des modes de consommation |
Publications (2)
Publication Number | Publication Date |
---|---|
CN108475257A true CN108475257A (zh) | 2018-08-31 |
CN108475257B CN108475257B (zh) | 2023-02-17 |
Family
ID=56084108
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201680079159.4A Active CN108475257B (zh) | 2015-12-17 | 2016-12-16 | 处理远程仪表读取数据以分析消耗量模式 |
Country Status (6)
Country | Link |
---|---|
EP (1) | EP3391240B1 (zh) |
KR (1) | KR20180095653A (zh) |
CN (1) | CN108475257B (zh) |
FR (1) | FR3045867B1 (zh) |
SG (2) | SG11201804864VA (zh) |
WO (1) | WO2017103069A1 (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114091900A (zh) * | 2021-11-22 | 2022-02-25 | 福州物联网开放实验室有限公司 | 一种结合实时抄表大数据的用水分析方法及存储介质 |
Families Citing this family (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
ES2880401T3 (es) | 2018-09-25 | 2021-11-24 | Suez Groupe | Método implementado por ordenador para detectar a consumidores que cometen fraude en el consumo de un servicio |
FR3106010B1 (fr) * | 2020-01-02 | 2022-07-15 | Delta Dore | Procede et dispositif de determination de profils de consommation d’eau chaude pour des besoins d’hygiene corporelle |
FR3130365A1 (fr) * | 2021-12-10 | 2023-06-16 | Suez Groupe | Détection d’usages domestiques de consommation d’eau |
FR3139918A1 (fr) * | 2022-09-20 | 2024-03-22 | Smart And Blue | Procédé de classification par apprentissage supervisé d’évènements de consommation fluidique par un bâtiment à surveiller parmi plusieurs classes d’éléments consommateurs |
Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101772692A (zh) * | 2007-08-01 | 2010-07-07 | 皇家飞利浦电子股份有限公司 | 用于用户辅助资源使用量确定的方法、装置和系统 |
CN102625942A (zh) * | 2009-09-09 | 2012-08-01 | 拉筹伯大学 | 用于能量管理的方法和系统 |
FR2972529A1 (fr) * | 2011-03-10 | 2012-09-14 | Lyonnaise Eaux France | Systeme de controle pour un consommateur de sa consommation en au moins une ressource de fluide et/ou d'energie, et dispositif de restitution pour un tel systeme |
CN102708273A (zh) * | 2011-03-08 | 2012-10-03 | Ls产电株式会社 | 用于能源显示的装置和方法 |
CN103106329A (zh) * | 2012-11-19 | 2013-05-15 | 华北电力大学 | 一种用于svr短期负荷预测的训练样本分组构造方法 |
US20140278165A1 (en) * | 2013-03-14 | 2014-09-18 | Johnson Controls Technology Company | Systems and methods for analyzing energy consumption model data |
CN104885102A (zh) * | 2012-10-16 | 2015-09-02 | 里昂水务法国公司 | 实时估计分配给用户的流体的总消耗的方法及实施该方法的分配网 |
WO2015133635A1 (ja) * | 2014-03-07 | 2015-09-11 | 株式会社日立製作所 | データ分析システム及び方法 |
-
2015
- 2015-12-17 FR FR1562695A patent/FR3045867B1/fr active Active
-
2016
- 2016-12-16 SG SG11201804864VA patent/SG11201804864VA/en unknown
- 2016-12-16 WO PCT/EP2016/081381 patent/WO2017103069A1/fr active Application Filing
- 2016-12-16 CN CN201680079159.4A patent/CN108475257B/zh active Active
- 2016-12-16 EP EP16820228.1A patent/EP3391240B1/fr active Active
- 2016-12-16 KR KR1020187020444A patent/KR20180095653A/ko not_active Application Discontinuation
- 2016-12-16 SG SG10202004697TA patent/SG10202004697TA/en unknown
Patent Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101772692A (zh) * | 2007-08-01 | 2010-07-07 | 皇家飞利浦电子股份有限公司 | 用于用户辅助资源使用量确定的方法、装置和系统 |
CN102625942A (zh) * | 2009-09-09 | 2012-08-01 | 拉筹伯大学 | 用于能量管理的方法和系统 |
CN102708273A (zh) * | 2011-03-08 | 2012-10-03 | Ls产电株式会社 | 用于能源显示的装置和方法 |
FR2972529A1 (fr) * | 2011-03-10 | 2012-09-14 | Lyonnaise Eaux France | Systeme de controle pour un consommateur de sa consommation en au moins une ressource de fluide et/ou d'energie, et dispositif de restitution pour un tel systeme |
CN104885102A (zh) * | 2012-10-16 | 2015-09-02 | 里昂水务法国公司 | 实时估计分配给用户的流体的总消耗的方法及实施该方法的分配网 |
CN103106329A (zh) * | 2012-11-19 | 2013-05-15 | 华北电力大学 | 一种用于svr短期负荷预测的训练样本分组构造方法 |
US20140278165A1 (en) * | 2013-03-14 | 2014-09-18 | Johnson Controls Technology Company | Systems and methods for analyzing energy consumption model data |
WO2015133635A1 (ja) * | 2014-03-07 | 2015-09-11 | 株式会社日立製作所 | データ分析システム及び方法 |
Non-Patent Citations (1)
Title |
---|
赵宝明: "《智能控制系统工程的实践与创新》", 30 November 2014 * |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114091900A (zh) * | 2021-11-22 | 2022-02-25 | 福州物联网开放实验室有限公司 | 一种结合实时抄表大数据的用水分析方法及存储介质 |
Also Published As
Publication number | Publication date |
---|---|
SG11201804864VA (en) | 2018-07-30 |
SG10202004697TA (en) | 2020-06-29 |
FR3045867B1 (fr) | 2024-03-22 |
CN108475257B (zh) | 2023-02-17 |
WO2017103069A1 (fr) | 2017-06-22 |
EP3391240A1 (fr) | 2018-10-24 |
EP3391240B1 (fr) | 2024-07-10 |
KR20180095653A (ko) | 2018-08-27 |
FR3045867A1 (fr) | 2017-06-23 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US11041646B2 (en) | Forecast-based automatic scheduling of a distributed network of thermostats with learned adjustment | |
Aman et al. | Energy management systems: state of the art and emerging trends | |
CN108898246A (zh) | 一种基于电力系统的负荷预测管理系统 | |
CN108475257A (zh) | 处理远程仪表读取数据以分析消耗量模式 | |
CA2738175C (en) | Methods and systems for analyzing energy usage | |
US11410219B2 (en) | Methods, systems, apparatuses and devices for matching at least one utility consumer to at least one utility provider | |
US20210125129A1 (en) | Methods and system for generating at least one utility fingerprint associated with at least one premises | |
CN111614160A (zh) | 一种低压用户负荷调控业务承载平台 | |
CN106067079A (zh) | 一种基于bp神经网络的灰霾预测的系统和方法 | |
CN111612220A (zh) | 一种基于大数据的智慧用电评估系统 | |
Markus et al. | A framework for a multi-source, data-driven building energy management toolkit | |
Oprea et al. | Sliding time window electricity consumption optimization algorithm for communities in the context of big data processing | |
Telfah et al. | Water demand time series forecast by autoregressive distributed lag (ARDL) co-integration model | |
Pol et al. | Integration of centralized energy monitoring specifications into the planning process of a new urban development area: a step towards smart cities | |
Goodwin et al. | Visualising variations in household energy consumption | |
Marinov et al. | Towards Big Data and Internet of Things as key aspects of energy efficiency | |
Rodríguez Nieto et al. | Economic opportunities of AMI implementation: A review | |
CN105631606A (zh) | 一种基于能量计量网络图的能源数据管理系统及方法 | |
Podgornik et al. | The concept of an interactive platform for real time energy consumption analysis in a complex urban environment | |
Stewart et al. | Closing the loop on water planning: an integrated smart metering and web-based knowledge management system approach | |
Lunga et al. | Interactive energy consumption visualization | |
Vápeník et al. | Disaggregation of appliances energy profile in households and data visualization of abnormal behavior | |
Divya et al. | Energy monitoring with trend analysis and power signature interpretation | |
Tian et al. | Prediction of Time Series Analysis of Power Usage Based on Rstudio | |
Mwansa | Modelling and predicting energy usage from smart meter data and consumer behaviours in residential houses |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant | ||
TR01 | Transfer of patent right |
Effective date of registration: 20230630 Address after: Paris France Patentee after: DEGREMONT Address before: Paris France Patentee before: SUEZ GROUPE |
|
TR01 | Transfer of patent right |