CN109478303A - 具有虚拟点和优化数据集成的建筑物管理系统 - Google Patents
具有虚拟点和优化数据集成的建筑物管理系统 Download PDFInfo
- Publication number
- CN109478303A CN109478303A CN201780043400.2A CN201780043400A CN109478303A CN 109478303 A CN109478303 A CN 109478303A CN 201780043400 A CN201780043400 A CN 201780043400A CN 109478303 A CN109478303 A CN 109478303A
- Authority
- CN
- China
- Prior art keywords
- data
- time series
- sample
- point
- time
- 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
- 238000005457 optimization Methods 0.000 title description 42
- 230000010354 integration Effects 0.000 title description 7
- 230000004044 response Effects 0.000 claims abstract description 38
- 238000001514 detection method Methods 0.000 claims description 120
- 238000006116 polymerization reaction Methods 0.000 claims description 64
- 230000000875 corresponding effect Effects 0.000 claims description 19
- 241000283070 Equus zebra Species 0.000 claims description 17
- 238000012935 Averaging Methods 0.000 claims description 8
- 230000001419 dependent effect Effects 0.000 claims description 7
- 230000002596 correlated effect Effects 0.000 claims description 6
- 238000011156 evaluation Methods 0.000 claims description 4
- 238000007620 mathematical function Methods 0.000 claims description 4
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 description 81
- 238000003860 storage Methods 0.000 description 49
- 238000004891 communication Methods 0.000 description 38
- 230000015654 memory Effects 0.000 description 38
- 238000001816 cooling Methods 0.000 description 29
- 238000010438 heat treatment Methods 0.000 description 29
- 238000004458 analytical method Methods 0.000 description 25
- 238000000034 method Methods 0.000 description 25
- 238000007726 management method Methods 0.000 description 22
- 238000012545 processing Methods 0.000 description 22
- 239000008186 active pharmaceutical agent Substances 0.000 description 21
- 230000008859 change Effects 0.000 description 21
- 230000006870 function Effects 0.000 description 19
- 239000012530 fluid Substances 0.000 description 16
- 238000005259 measurement Methods 0.000 description 16
- 238000010586 diagram Methods 0.000 description 15
- 238000010276 construction Methods 0.000 description 14
- 230000002354 daily effect Effects 0.000 description 14
- 238000004140 cleaning Methods 0.000 description 12
- 230000008569 process Effects 0.000 description 12
- 238000012544 monitoring process Methods 0.000 description 10
- 230000000379 polymerizing effect Effects 0.000 description 10
- 238000004422 calculation algorithm Methods 0.000 description 9
- 239000003507 refrigerant Substances 0.000 description 9
- 230000001276 controlling effect Effects 0.000 description 7
- 238000013500 data storage Methods 0.000 description 7
- 230000004048 modification Effects 0.000 description 7
- 238000012986 modification Methods 0.000 description 7
- 238000011084 recovery Methods 0.000 description 7
- 238000005201 scrubbing Methods 0.000 description 7
- 230000001360 synchronised effect Effects 0.000 description 7
- LYCAIKOWRPUZTN-UHFFFAOYSA-N Ethylene glycol Chemical compound OCCO LYCAIKOWRPUZTN-UHFFFAOYSA-N 0.000 description 6
- 230000009471 action Effects 0.000 description 6
- 239000000498 cooling water Substances 0.000 description 6
- 230000000694 effects Effects 0.000 description 6
- VNWKTOKETHGBQD-UHFFFAOYSA-N methane Chemical compound C VNWKTOKETHGBQD-UHFFFAOYSA-N 0.000 description 6
- 241001269238 Data Species 0.000 description 5
- 230000004888 barrier function Effects 0.000 description 5
- 238000013079 data visualisation Methods 0.000 description 5
- 238000003745 diagnosis Methods 0.000 description 5
- 238000004146 energy storage Methods 0.000 description 5
- 239000007789 gas Substances 0.000 description 5
- 238000005286 illumination Methods 0.000 description 5
- 238000005070 sampling Methods 0.000 description 5
- CURLTUGMZLYLDI-UHFFFAOYSA-N Carbon dioxide Chemical compound O=C=O CURLTUGMZLYLDI-UHFFFAOYSA-N 0.000 description 4
- 230000015556 catabolic process Effects 0.000 description 4
- 239000012809 cooling fluid Substances 0.000 description 4
- 230000005611 electricity Effects 0.000 description 4
- 239000004744 fabric Substances 0.000 description 4
- 238000009877 rendering Methods 0.000 description 4
- 238000005096 rolling process Methods 0.000 description 4
- 238000006467 substitution reaction Methods 0.000 description 4
- 238000012546 transfer Methods 0.000 description 4
- 238000004364 calculation method Methods 0.000 description 3
- 238000011217 control strategy Methods 0.000 description 3
- 238000009826 distribution Methods 0.000 description 3
- 238000005516 engineering process Methods 0.000 description 3
- 230000003203 everyday effect Effects 0.000 description 3
- 239000003345 natural gas Substances 0.000 description 3
- 230000001737 promoting effect Effects 0.000 description 3
- 238000005057 refrigeration Methods 0.000 description 3
- 238000012163 sequencing technique Methods 0.000 description 3
- 230000008093 supporting effect Effects 0.000 description 3
- 238000011282 treatment Methods 0.000 description 3
- 230000003466 anti-cipated effect Effects 0.000 description 2
- 238000003491 array Methods 0.000 description 2
- 230000006399 behavior Effects 0.000 description 2
- 238000009529 body temperature measurement Methods 0.000 description 2
- 229910002092 carbon dioxide Inorganic materials 0.000 description 2
- 230000001413 cellular effect Effects 0.000 description 2
- 238000009833 condensation Methods 0.000 description 2
- 230000005494 condensation Effects 0.000 description 2
- 238000004134 energy conservation Methods 0.000 description 2
- 230000003993 interaction Effects 0.000 description 2
- 238000012886 linear function Methods 0.000 description 2
- 239000007788 liquid Substances 0.000 description 2
- 239000000463 material Substances 0.000 description 2
- 230000007246 mechanism Effects 0.000 description 2
- 238000002156 mixing Methods 0.000 description 2
- 230000003287 optical effect Effects 0.000 description 2
- 238000003908 quality control method Methods 0.000 description 2
- 230000009467 reduction Effects 0.000 description 2
- 230000008439 repair process Effects 0.000 description 2
- 230000003068 static effect Effects 0.000 description 2
- 239000013589 supplement Substances 0.000 description 2
- 230000000007 visual effect Effects 0.000 description 2
- 239000011800 void material Substances 0.000 description 2
- 241001465382 Physalis alkekengi Species 0.000 description 1
- 238000010521 absorption reaction Methods 0.000 description 1
- 230000003213 activating effect Effects 0.000 description 1
- 230000004913 activation Effects 0.000 description 1
- 230000004931 aggregating effect Effects 0.000 description 1
- 230000008901 benefit Effects 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 239000001569 carbon dioxide Substances 0.000 description 1
- 238000012512 characterization method Methods 0.000 description 1
- 238000007405 data analysis Methods 0.000 description 1
- 230000009849 deactivation Effects 0.000 description 1
- 230000003111 delayed effect Effects 0.000 description 1
- 230000001066 destructive effect Effects 0.000 description 1
- 238000002405 diagnostic procedure Methods 0.000 description 1
- 238000005485 electric heating Methods 0.000 description 1
- 238000005265 energy consumption Methods 0.000 description 1
- 239000000446 fuel Substances 0.000 description 1
- 125000000524 functional group Chemical group 0.000 description 1
- 239000008246 gaseous mixture Substances 0.000 description 1
- 239000013529 heat transfer fluid Substances 0.000 description 1
- 239000008236 heating water Substances 0.000 description 1
- 230000000977 initiatory effect Effects 0.000 description 1
- 238000007689 inspection Methods 0.000 description 1
- 238000009434 installation Methods 0.000 description 1
- 238000012423 maintenance Methods 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 239000011159 matrix material Substances 0.000 description 1
- 230000036314 physical performance Effects 0.000 description 1
- 238000001556 precipitation Methods 0.000 description 1
- 239000000047 product Substances 0.000 description 1
- 238000013139 quantization Methods 0.000 description 1
- 230000009466 transformation Effects 0.000 description 1
- 238000013519 translation Methods 0.000 description 1
- 230000001960 triggered effect Effects 0.000 description 1
- 238000011144 upstream manufacturing Methods 0.000 description 1
- 238000010200 validation analysis Methods 0.000 description 1
- 238000009423 ventilation Methods 0.000 description 1
- 238000012800 visualization Methods 0.000 description 1
- 239000002699 waste material Substances 0.000 description 1
Classifications
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
- G05B15/00—Systems controlled by a computer
- G05B15/02—Systems controlled by a computer electric
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/30—Information retrieval; Database structures therefor; File system structures therefor of unstructured textual data
- G06F16/38—Retrieval characterised by using metadata, e.g. metadata not derived from the content or metadata generated manually
-
- 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
Landscapes
- Engineering & Computer Science (AREA)
- Business, Economics & Management (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Health & Medical Sciences (AREA)
- Economics (AREA)
- General Engineering & Computer Science (AREA)
- Water Supply & Treatment (AREA)
- General Health & Medical Sciences (AREA)
- Strategic Management (AREA)
- Tourism & Hospitality (AREA)
- Marketing (AREA)
- General Business, Economics & Management (AREA)
- Human Resources & Organizations (AREA)
- Primary Health Care (AREA)
- Library & Information Science (AREA)
- Data Mining & Analysis (AREA)
- Databases & Information Systems (AREA)
- Public Health (AREA)
- Automation & Control Theory (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
一种建筑物管理系统(BMS)包括建筑物设备、数据采集器、样本聚合器、和应用。所述建筑物设备可操作用于监测和控制所述BMS中的变量并且提供所述变量的原始数据样本。所述数据采集器被配置用于从所述建筑物设备采集所述原始数据样本并且生成包括多个所述原始数据样本的原始数据时间序列。所述样本聚合器被配置用于自动地生成包括多个聚合数据样本的数据上卷时间序列。在从所述建筑物设备采集所述原始数据样本时，通过聚合所述原始数据样本来生成所述聚合数据样本。两个时间序列都被存储在时间序列数据库中。所述应用被配置用于响应于对与所述变量相关联的时间序列数据的请求而从所述时间序列数据库中检索所述原始数据时间序列和所述数据上卷时间序列。
Description
相关专利申请的交叉引用
本申请要求于2016年6月14日提交的美国专利申请号15/182,580的权益和优先权，所述美国申请的全部披露通过引用并入本文。
背景技术
本披露总体上涉及建筑物管理系统领域。建筑物管理系统(BMS)通常是被配置用于控制、监测、和管理建筑物或建筑物区域中或周围的设备的装置的系统。BMS可以包括例如HVAC系统、安全系统、照明系统、火灾报警系统、能够管理建筑物功能或装置的任何其他系统或其任何组合。
BMS可以从传感器和其他类型的建筑物设备采集数据。数据可以随时间推移而被采集并且可以被结合到时间序列数据流中。时间序列数据的每个样本可以包括时间戳和数据值。在数据采集时，一些BMS将原始时间序列数据存储在关系数据库中，而无需显著的组织或处理。消耗时间序列数据的应用通常负责从数据库中检索原始时间序列数据并且生成可以经由图表、曲线图、或其他用户界面呈现的时间序列数据的视图。通常响应于对时间序列数据的请求而执行这些处理步骤，这可以在查询时显著地延迟数据呈现。
发明内容
本披露的一种实施方式是建筑物管理系统(BMS)。所述BMS包括建筑物设备、数据采集器、样本聚合器、和应用。所述建筑物设备可操作用于监测和控制所述BMS中的变量并且提供所述变量的原始数据样本。所述数据采集器被配置用于从所述建筑物设备采集所述原始数据样本、生成包括多个所述原始数据样本的原始数据时间序列、并且将所述原始数据时间序列存储在时间序列数据库中。所述样本聚合器被配置用于自动地生成包括多个聚合数据样本的数据上卷时间序列。在从所述建筑物设备采集所述原始数据样本时，通过聚合所述原始数据样本来生成所述聚合数据样本。所述样本聚合器被配置用于将所述数据上卷时间序列存储在所述时间序列数据库中。所述应用被配置用于响应于对与所述变量相关联的时间序列数据的请求而从所述时间序列数据库中检索所述原始数据时间序列和所述数据上卷时间序列。
在一些实施例中，所述数据采集器被配置用于存储具有时间戳的所述原始数据样本中的每一个。所述时间戳可以包括指示在其内采集所述原始数据样本的时区中采集所述原始数据样本的时间的本地时间。所述时间戳还可以包括指示本地时间与世界时间之差的时间偏差。
在一些实施例中，所述原始数据样本中的每一个包括时间戳和原始数据值。所述样本聚合器可以被配置用于通过聚合具有在预定聚合间隔内的时间戳的所述原始数据样本中一个或多个来生成所述聚合数据样本中的每一个。在一些实施例中，聚合所述一个或多个原始数据样本包括对所述一个或多个原始数据样本的所述原始数据值进行求平均。
在一些实施例中，所述样本聚合器被配置用于每次从所述建筑物设备采集到新原始数据样本时自动更新所述数据上卷时间序列。在一些实施例中，所述样本聚合器被配置用于通过以下操作来自动更新所述数据上卷时间序列：识别所述新原始数据样本的时间戳；识别数据上卷时间序列的、使用包括所述新原始数据样本的所述时间戳的聚合间隔生成的聚合数据样本；以及使用具有在所述聚合间隔内的时间戳的所述新原始数据样本和任何其他原始数据样本来重新计算所识别的聚合数据样本的聚合数据值。
在一些实施例中，所述样本聚合器被配置用于通过以下操作来自动更新所述数据上卷时间序列：识别所述新原始数据样本的时间戳；确定所述新原始数据样本的所述时间戳未处于用于生成所述多个聚合数据样本的任何聚合间隔内；使用所述新原始数据样本以及包括所述原始数据样本的所述时间戳的新聚合间隔来生成新的聚合数据样本；以及将所述新的聚合数据样本添加至所述数据上卷时间序列。
在一些实施例中，所述样本聚合器被配置用于在使用所述原始数据时间序列生成所述数据上卷时间序列之前对所述原始数据时间序列执行数据清理操作。
在一些实施例中，所述聚合数据样本中的每一个包括时间戳和聚合数据值。所述样本聚合器可以被配置用于通过聚合具有在第二预定聚合间隔内的时间戳的所述聚合数据样本中的一个或多个来生成第二数据上卷时间序列。
在一些实施例中，所述BMS包括虚拟点计算器，所述虚拟点计算器被配置用于创建表示不是由所述建筑物设备直接测量的变量的虚拟数据点；使用所述原始数据样本和所述聚合数据样本中的至少一者计算所述虚拟数据点的多个样本中的每一个的数据值；生成包括所述虚拟数据点的所述多个样本的虚拟点时间序列，并且将所述虚拟点时间序列存储在所述时间序列数据库中。
在一些实施例中，所述BMS包括可扩展规则引擎，所述可扩展规则引擎被配置用于通过将故障检测规则应用到所述原始数据时间序列和所述数据上卷时间序列中的至少一者来检测所述时间序列数据中的故障。所述可扩展规则引擎可以生成包括多个故障检测数据样本的故障检测时间序列。所述故障检测数据样本中的每一个可以具有时间戳以及指示在所述时间戳处是否检测到故障的数据值。所述可扩展规则引擎可以将所述故障检测时间序列存储在所述时间序列数据库中。
本披露的另一实施方式是一种建筑物管理系统(BMS)。所述BMS包括传感器、数据采集器、虚拟点计算器、时间序列数据库、和应用。所述传感器被配置用于测量所述BMS中的变量并且提供所述所测量变量的原始数据样本。所述数据采集器被配置用于从所述传感器采集所述原始数据样本、生成包括多个所述原始数据样本的原始数据时间序列、并且将所述原始数据时间序列与测得的数据点相关联。所述虚拟点计算器被配置用于创建表示非测得变量的虚拟数据点、根据所测得的数据点计算所述虚拟数据点、并且生成包括所述虚拟数据点的多个样本的虚拟点时间序列。所述时间序列数据库被配置用于存储所述原始数据时间序列和所述虚拟点时间序列。所述应用被配置用于响应于对与所述虚拟数据点相关联的时间序列数据的请求而从所述时间序列数据库中检索所述虚拟点时间序列。
在一些实施例中，所述应用被配置用于以相同的方式处理所述原始数据时间序列和所述虚拟点时间序列两者，而不管所述时间序列是否与测得的数据点或虚拟数据点相关联。
在一些实施例中，所述虚拟点计算器被配置通过以下操作来计算所述虚拟数据点：将所测得的数据点的值作为输入应用到数学函数；以及对所述数学函数求值，以确定所述虚拟数据点的对应值。在一些实施例中，所述虚拟点计算器被配置用于根据所测得的数据点和一个或多个其他数据点来计算所述虚拟数据点。
在一些实施例中，所述BMS包括样本聚合器，所述样本聚合器被配置用于生成包括多个聚合数据样本的数据上卷时间序列。所述样本聚合器可以通过聚合具有在预定聚合间隔内的时间戳的所述原始数据样本中一个或多个来计算所述聚合数据样本中的每一个的值。
在一些实施例中，所述样本聚合器被配置用于通过使用相等的聚合间隔来聚合所述原始数据时间序列和异步时间序列两者来使所述原始数据时间序列与所述异步时间序列同步。在一些实施例中，所述虚拟点计算器被配置用于通过识别通过聚合所述原始数据时间序列生成的多个聚合数据值来计算所述虚拟数据点。所述虚拟点计算器可以针对所述聚合数据值中的每一个识别通过聚合所述异步时间序列生成的对应的同步数据值。所述虚拟点计算器可以针对所述虚拟数据点中的每一个样本通过对所述聚合数据值和所述对应的同步数据值之一的函数求值来计算所述样本的数据值。
在一些实施例中，所测量变量是天气相关变量。所述数据采集器可以被配置用于将所述原始数据时间序列与所测得的天气相关数据点相关联。所述虚拟点计算器可以包括被配置用于根据所测得的天气相关数据点计算所述虚拟数据点的天气点计算器。
在一些实施例中，所述BMS包括可扩展规则引擎，所述可扩展规则引擎被配置用于通过将故障检测规则应用到所述虚拟点时间序列来检测所述时间序列数据中的故障。所述可扩展规则引擎可以生成包括多个故障检测数据样本的故障检测时间序列。所述故障检测数据样本中的每一个可以具有时间戳以及指示在所述时间戳处是否检测到故障的数据值。所述可扩展规则引擎可以将所述故障检测时间序列存储在所述时间序列数据库中。
本领域的技术人员将认识到，概述仅是说明性的而不旨在以任何方式进行限制。本文中所描述的如仅由权利要求限定的装置和/或过程的其他方面、发明性特征以及优点将在本文中陈述并结合附图进行的详细说明中变得清楚。
附图说明
图1是根据一些实施例的配备有建筑物管理系统(BMS)和HVAC系统的建筑物的图示。
图2是根据一些实施例的可以用作图1的HVAC系统的一部分的水侧系统的示意图。
图3是根据一些实施例的可以用作图1的HVAC系统的一部分的空气侧系统的框图。
图4是根据一些实施例的可以在图1的建筑物中使用的BMS的框图。
图5是可以在图1的建筑物中使用的另一种BMS的框图。根据一些实施例，所述BMS被示出为包括数据采集器、数据平台服务、应用、以及仪表板布局生成器。
图6是根据一些实施例的可以被实施为图5中示出的数据平台服务中的一些的时间序列服务和分析服务的框图。
图7A是框图，展示了根据一些实施例的可以由图6中示出的样本聚合器使用以聚合原始数据样本的聚合技术。
图7B是根据一些实施例的可以被用于存储原始数据时间序列以及可以由图6的时间序列服务生成的各种优化数据时间序列的数据表。
图8是若干时间序列的图示，展示了根据一些实施例的可以由图6中示出的数据聚合器执行的数据样本的同步。
图9A是流程图，展示了根据一些实施例的可以由图6中示出的作业管理器执行的故障检测时间序列的创建和存储。
图9B是根据一些实施例的可以被用于存储原始数据时间序列和故障检测时间序列的数据表。
图9C是流程图，展示了根据一些实施例的可以如何由图5的数据平台服务生成、存储、和使用各种时间序列。
图10A是实体图，展示了根据一些实施例的可以由图5的数据采集器使用的组织、空间、系统、点与时间序列之间的关系。
图10B是根据一些实施例的特定建筑物管理系统的实体图的示例。
图11是对象关系图，展示了根据一些实施例的可以由图5的数据采集器和图6的时间序列服务使用的实体模板、点、时间序列与数据样本之间的关系。
图12是流程图，展示了根据一些实施例的图5的仪表板布局生成器的操作。
图13是网格，展示了根据一些实施例的可以由图5的仪表板布局生成器生成的仪表板布局描述。
图14是目标代码的示例，描述了根据一些实施例的可以由图5的仪表板布局生成器生成的仪表板布局。
图15是用户界面，展示了根据一些实施例的可以根据图14的仪表板布局描述生成的仪表板布局。
图16是目标代码的另一示例，描述了根据一些实施例的可以由图5的仪表板布局生成器生成的另一种仪表板布局。
图17是用户界面，展示了根据一些实施例的可以根据图16的仪表板布局描述生成的仪表板布局。
具体实施方式
概述
总体上参照附图，示出了根据各种实施例的具有虚拟数据点、优化数据集成和框架未知仪表板布局的建筑物管理系统(BMS)。所述BMS被配置用于从建筑物设备(例如，传感器、可控装置、建筑物子系统等)采集数据样本并且根据所述数据样本生成原始时间序列数据。所述BMS可以使用各种数据平台服务来处理所述原始时间序列数据以便生成优化时间序列数据(例如，数据上卷时间序列、虚拟点时间序列、故障检测时间序列等)。所述优化时间序列数据可以被提供至各种应用和/或被存储在本地或托管存储设备中。在一些实施例中，所述BMS包括将(1)数据采集、(2)数据存储、检索和分析与(3)数据可视化分开的三个不同的层。这允许BMS支持使用优化时间序列数据的各种应用，并且允许新的应用重复使用由数据平台服务提供的基础设施。
在一些实施例中，所述BMS包括被配置用于从所述建筑物设备采集原始数据样本的数据采集器。所述数据采集器可以生成包括多个所述原始数据样本的原始数据时间序列，并且将所述原始数据时间序列存储在时间序列数据库中。在一些实施例中，所述数据采集器存储具有时间戳的原始数据样本中的每一个。所述时间戳可以包括指示在采集原始数据样本的任何一个时区中采集原始数据样本的时间的本地时间。所述时间戳还可以包括指示本地时间与世界时间之差的时间偏差。本地时间戳与偏差的结合提供了跨夏令时边界的唯一时间戳。这允许使用时间序列数据的应用以本地时间显示时间序列数据而无需首先从世界时间进行转换。本地时间戳与偏差的结合还提供了足够的信息以便将本地时间戳转换成世界时间而不必查找夏令时何时发生的安排表。
在一些实施例中，所述数据平台服务包括样本聚合器。所述样本聚合器可以聚合原始时间序列数据的预定义间隔(例如，每刻钟间隔、每小时间隔、每日间隔、每月间隔等)以便生成聚合值的新优化时间序列。这些优化时间序列可以被称为“数据上卷”，因为它们是原始时间序列数据的浓缩版。由数据聚合器生成的数据上卷为各种应用提供查询时间序列数据的高效机制。例如，所述应用可以使用预聚合数据上卷而不是原始时间序列数据来构造时间序列数据的可视化(例如，图表、曲线图等)。这允许所述应用仅检索和呈现预聚合数据上卷而无需所述应用响应于所述查询而执行聚合。因为预聚合了数据上卷，所以应用可以快速且高效地呈现数据上卷而无需在查询时进行附加处理，从而生成聚合时间序列值。
在一些实施例中，所述数据平台服务包括虚拟点计算器。所述虚拟点计算器可以基于原始时间序列数据和/或优化时间序列数据来计算虚拟点。可以通过将各种数学运算(例如，加法、减法、乘法、除法等)或函数(例如，平均值、最大值、最小值、热力学函数、线性函数、非线性函数等)中的任一种应用到由时间序列数据表示的实际数据点来计算虚拟点。例如，所述虚拟点计算器可以通过添加两个或更多个实际数据点(pointID1和pointID2)(例如，pointID3＝pointID1+pointID2)来计算虚拟数据点(pointID3)。作为另一个示例，所述虚拟点计算器可以基于测得的温度数据点(pointID5)和测得的压力数据点(pointID6)(例如，pointID4＝enthalpy(pointID5,ointID6))来计算焓数据点(pointID4)。所述虚拟数据点可以被存储为优化时间序列数据。
应用可以以与实际数据点相同的方式来访问和使用虚拟数据点。所述应用不需要知道数据点是实际数据点还是虚拟数据点，因为这两种类型的数据点都可以被存储为优化时间序列数据并且可以由所述应用以相同的方式进行处理。在一些实施例中，优化时间序列数据与属性一起存储，所述属性将每个数据点指定为虚拟数据点或者实际数据点。这种属性允许应用识别给定的时间序列表示虚拟数据点还是实际数据点，即使这两种类型的数据点都可以由所述应用以相同的方式进行处理。
在一些实施例中，所述数据平台服务包括被配置用于分析时间序列数据以检测故障的可扩展规则引擎和/或分析服务。可以通过将一组故障检测规则应用到时间序列数据来执行故障检测，从而判定在所述时间序列的每个间隔处是否检测到故障。故障检测可以被存储为优化时间序列数据。例如，可以生成具有指示在时间序列的每个间隔处是否检测到故障的数据值的新时间序列。故障检测的时间序列可以与原始时间序列数据和/或优化时间序列数据一起存储在本地或托管数据存储设备中。
在一些实施例中，所述BMS包括仪表板布局生成器。所述仪表板布局生成器被配置用于生成使时间序列数据可视化的用户界面(即，仪表板)的布局。在一些实施例中，所述仪表板布局自身不是用户界面，而是可以由应用使用以生成用户界面的描述。在一些实施例中，所述仪表板布局是限定可以被渲染和显示为用户界面的一部分的各种小插件(例如，图表、曲线图等)的相对位置的架构。所述仪表板布局可以由各种不同的框架读取并且可以由各种不同的渲染引擎(例如，网络浏览器、pdf引擎等)或应用来使用以生成用户界面。
在一些实施例中，所述仪表板布局限定了具有一行或多行以及位于每行内的一列或多列的网格。所述仪表板布局可以将每个小插件的位置限定在网格内的特定位置处。所述仪表板布局可以限定对象(例如，JSON对象)的阵列，所述对象中的每个对象自身就是阵列。在一些实施例中，所述仪表板布局限定每个小插件的属性或特性。例如，所述仪表板布局可以限定小插件的类型(例如，曲线图、纯文本、图像等)。如果小插件是曲线图，则所述仪表板布局可以限定附加特性，诸如曲线图标题、x轴标题、y轴标题、以及在曲线图中使用的时间序列数据。以下更加详细地描述了建筑物管理系统的这些和其他特征。
建筑物管理系统和HVAC系统
现在参照图1至图4，根据示例性实施例，示出了可以在其中实施本披露的系统和方法的示例性建筑物管理系统(BMS)和HVAC系统。具体参照图1，示出了建筑物10的透视图。建筑物10由BMS服务。BMS通常是被配置用于控制、监测和管理建筑物或建筑物区域中或周围的设备的装置的系统。BMS可以包括例如HVAC系统、安全系统、照明系统、火灾报警系统、能够管理建筑物功能或装置的任何其他系统或其任何组合。
服务于建筑物10的BMS包括HVAC系统100。HVAC系统100可以包括被配置用于向建筑物10提供加热、冷却、通风或其他服务的多个HVAC装置(例如，加热器、冷却器、空气处理单元、泵、风扇、热能储存设备等)。例如，HVAC系统100被示出为包括水侧系统120和空气侧系统130。水侧系统120可以向空气侧系统130的空气处理单元提供经加热或冷却的流体。空气侧系统130可以使用经加热或冷却的流体来加热或冷却提供至建筑物10的气流。参考图2至图3对可以在HVAC系统100中使用的示例性水侧系统和空气侧系统进行更加详细的描述。
HVAC系统100被示出为包括冷却器102、锅炉104和屋顶空气处理单元(AHU)106。水侧系统120可以使用锅炉104和冷却器102来加热或冷却工作流体(例如，水、乙二醇等)并且可以使工作流体循环至AHU 106。在各实施例中，水侧系统120的HVAC装置可以定位在建筑物10内或周围(如图1所示)或在如中央设施(例如，冷却器设施、蒸汽设施、热力设施等)等非现场位置处。可以在锅炉104中加热或在冷却器102中冷却工作流体，这取决于建筑物10中需要加热还是冷却。锅炉104可以例如通过燃烧易燃材料(例如，天然气)或使用电加热元件来向循环流体添加热量。冷却器102可以使循环流体与热交换器(例如，蒸发器)中的另一种流体(例如，制冷剂)成热交换关系以从循环流体中吸收热量。可以经由管路108将来自冷却器102和/或锅炉104的工作流体输送至AHU 106。
AHU 106可以使工作流体与穿过AHU 106(例如，经由一级或多级冷却盘管和/或加热盘管)的气流成热交换关系。气流可以是例如室外空气、来自建筑物10内的回流空气或两者的组合。AHU 106可以在气流与工作液体之间传递热量，从而为气流提供加热或冷却。例如，AHU 106可以包括被配置用于使气流越过或穿过包含工作流体的热交换器的一个或多个风扇或鼓风机。工作流体然后可以经由管路110返回至冷却器102或锅炉104。
空气侧系统130可以经由空气供应管道112将AHU 106供应的气流(即，供应气流)递送至建筑物10并且可以经由空气回流管道114向AHU 106提供来自建筑物10的回流空气。在一些实施例中，空气侧系统130包括多个可变空气量(VAV)单元116。例如，空气侧系统130被示出为包括建筑物10的每一个楼层或区域上的独立VAV单元116。VAV单元116可以包括气闸或可以被操作成控制提供至建筑物10的单独区域的供应气流的量的其他流量控制元件。在其他实施例中，空气侧系统130将供应气流递送到建筑物10的一个或多个区域中(例如，经由供应管道112)，而不使用中间VAV单元116或其他流量控制元件。AHU 106可以包括被配置用于测量供应气流的属性的各种传感器(例如，温度传感器、压力传感器等)。AHU 106可以从定位在AHU 106内和/或建筑物区域内的传感器接收输入并且可以调节穿过AHU 106的供应气流的流速、温度或其他属性以实现建筑物区域的设定值条件。
现在参照图2，根据示例性实施例，示出了水侧系统200的框图。在各实施例中，水侧系统200可以补充或替代HVAC系统100中的水侧系统120或者可以与HVAC系统100分开来实施。当在HVAC系统100中实施时，水侧系统200可以包括HVAC系统100中的HVAC装置的子集(例如，锅炉104、冷却器102、泵、阀等)并且可以操作用于向AHU 106提供加热的或冷却的流体。水侧系统200的HVAC装置可以位于建筑物10内(例如，作为水侧系统120的部件)或位于非现场位置(如中央设施)。
在图2中，水侧系统200被示出为具有多个子设施202至212的中央设施。子设施202至212被示出为包括：加热器子设施202、热回收冷却器子设施204、冷却器子设施206、冷却塔子设施208、热热能储存(TES)子设施210和冷热能储存(TES)子设施212。子设施202至212消耗来自公共设施的资源(例如，水、天然气、电等)来服务于建筑物或校园的热能负载(例如，热水、冷水、加热、冷却等)。例如，加热器子设施202可以被配置用于在热水回路214中加热水，所述热水回路使热水在加热器子设施202与建筑物10之间循环。冷却器子设施206可以被配置用于在冷水回路216中冷却水，所述冷水回路使冷水在冷却器子设施206与建筑物10之间循环。热回收冷却器子设施204可以被配置用于将热量从冷水回路216传递到热水回路214以便提供对热水的附加加热和对冷水的附加冷却。冷凝水回路218可以从冷却器子设施206中的冷水中吸收热量并且在冷却塔子设施208中放出所述吸收的热量或将吸收到的热量传递至热水回路214。热TES子设施210和冷TES子设施212可以分别存储热和冷热能以供后续使用。
热水回路214和冷水回路216可以将加热的和/或冷却的水递送至位于建筑物10的屋顶上的空气处理机(例如，AHU 106)或建筑物10的单独层或区域(例如，VAV单元116)。空气处理机推送空气经过热交换器(例如，加热盘管或冷却盘管)，水流过所述热交换器以提供对空气的加热或冷却。可以将加热或冷却的空气递送至建筑物10的单独区域以服务于建筑物10的热能负载。水然后返回到子设施202至212以接收进一步加热或冷却。
尽管子设施202至212被示出或被描述为加热或冷却水以便循环至建筑物，但是应当理解的是，替代或除了水之外可以使用任何其他类型的工作流体(例如，乙二醇、CO2等)来服务热能负载。在其他实施例中，子设施202至212可以直接向建筑物或校园提供加热和/或冷却，而不需要中间热传递流体。对水侧系统200的这些和其他变体在本发明的教导内。
子设施202至212中的每个子设施可以包括被配置用于促进子设施的功能的各种设备。例如，加热器子设施202被示出为包括被配置用于为热水回路214中的热水添加热量的多个加热元件220(例如，锅炉、电加热器等)。加热器子设施202还被示出为包括若干泵222和224，所述泵被配置用于使热水回路214中的热水循环并控制通过单独加热元件220的热水的流速。冷却器子设施206被示出为包括被配置用于除去来自冷水回路216中的冷水的热量的多个冷却器232。冷却器子设施206还被示出为包括若干泵234和236，所述泵被配置用于使冷水回路216中的冷水循环并控制通过单独冷却器232的冷水的流速。
热回收冷却器子设施204被示出为包括被配置用于将热量从冷水回路216传递至热水回路214的多个热回收热交换器226(例如，制冷电路)。热回收冷却器子设施204还被示出为包括若干泵228和230，所述泵被配置用于使通过热回收热交换器226的热水和/或冷水循环并控制通过单独热回收热交换器226的水的流速。冷却塔子设施208被示出为包括被配置用于除去来自冷凝水回路218中的冷凝水的热量的多个冷却塔238。冷却塔子设施208还被示出为包括若干泵240，所述泵被配置用于使冷凝水回路218中的冷凝水循环并控制通过单独冷却塔238的冷凝水的流速。
热TES子设施210被示出为包括被配置用于储存热水以供稍后使用的热TES罐242。热TES子设施210还可以包括被配置用于控制流入或流出热TES罐242的热水的流速的一个或多个泵或阀。冷TES子设施212被示出为包括被配置用于储存冷水以供稍后使用的冷TES罐244。冷TES子设施212还可以包括被配置用于控制流入或流出冷TES罐244的冷水的流速的一个或多个泵或阀。
在一些实施例中，水侧系统200中的泵(例如，泵222、224、228、230、234、236和/或240)中的一个或多个或水侧系统200中的管线包括与其相关联的隔离阀。隔离阀可以与泵集成或定位在泵的上游或下游以控制水侧系统200中的流体流动。在各实施例中，水侧系统200可以基于水侧系统200的特定配置以及水侧系统200所服务的负载的类型而包括更多、更少或不同类型的装置和/或子设施。
现在参照图3，示出了根据示例性实施例的空气侧系统300的框图。在各实施例中，空气侧系统300可以补充或替代HVAC系统100中的空气侧系统130或者可以与HVAC系统100分开来实施。当在HVAC系统100中实施时，空气侧系统300可以包括HVAC系统100中的HVAC装置的子集(例如，AHU 106、VAV单元116、管道112至114、风扇、气闸等)并且可以定位在建筑物10中或周围。空气侧系统300可以操作用于使用由水侧系统200提供的加热的或冷却的流体来加热或冷却提供给建筑物10的气流。
在图3中，空气侧系统300被示出为包括节能装置类型的空气处理单元(AHU)302。节能装置型AHU改变空气处理单元用于加热或冷却的外部空气和回流空气的量。例如，AHU302可以经由回流空气管道308从建筑物区域306接收回流空气304并且可以经由供应空气管道312将供应空气310递送至建筑物区域306。在一些实施例中，AHU 302是定位在建筑物10的屋顶上(例如，如图1所示的AHU 106)或者以其他方式被定位成接收回流空气304和外部空气314两者的屋顶单元。AHU 302可以被配置用于操作排气闸316、混合气闸318和外部空气闸320以控制组合形成供应空气310的外部空气314和回流空气304的量。未通过混合气闸318的任何回流空气304可以作为废气322通过排气闸316从AHU 302排出。
气闸316至320中的每一个可以由致动器操作。例如，排气闸316可以由致动器324操作，混合气闸318可以由致动器326操作，并且外部空气闸320可以由致动器328操作。致动器324至328可以经由通信链路332与AHU控制器330通信。致动器324至328可以从AHU控制器330接收控制信号并且可以向AHU控制器330提供反馈信号。反馈信号可以包括例如对当前致动器或气闸位置的指示、由致动器施加的转矩或力的量、诊断信息(例如，由致动器324至328执行的诊断测试的结果)、状态信息、调试信息、配置设置、校准数据和/或可以由致动器324至328采集、存储或使用的其他类型的信息或数据。AHU控制器330可以是被配置用于使用一个或多个控制算法(例如，基于状态的算法、极值搜索控制(ESC)算法、比例积分(PI)控制算法、比例-积分-微分(PID)控制算法、模型预测控制(MPC)算法、反馈控制算法等)来控制致动器324至328的节能装置控制器。
仍参照图3，AHU 302被示出为包括冷却盘管334、加热盘管336和位定位在供应空气管道312内的风扇338。风扇338可以被配置用于推动供应空气310通过冷却盘管334和/或加热盘管336并且向建筑物区域306提供供应空气310。AHU控制器330可以经由通信链路340与风扇338通信以便控制供应空气310的流速。在一些实施例中，AHU控制器330通过调节风扇338的速度来控制施加到供应空气310的加热量或冷却量。
冷却盘管334可以经由管路342从水侧系统200(例如，从冷水回路216)接收冷却的流体并且可以经由管路344将冷却的流体返回至水侧系统200。可以沿着管路342或管路344定位阀346以便控制通过冷却盘管334的经冷却流体的流速。在一些实施例中，冷却盘管334包括可以被独立地激活和去激活(例如，由AHU控制器330、由BMS控制器366等)以调节施加到供应空气310的冷却量的多级冷却盘管。
加热盘管336可以经由管路348从水侧系统200(例如，从热水回路214)接收加热的液体并且可以经由管路350将加热的液体返回至水侧系统200。可以沿着管路348或管路350定位阀352以便控制通过加热盘管336的经加热流体的流速。在一些实施例中，加热盘管336包括可以被独立地激活和去激活(例如，由AHU控制器330、由BMS控制器366等)以调节施加到供应空气310的加热量的多级加热盘管。
阀346和352中的每一个可以由致动器控制。例如，阀346可以由致动器354控制，并且阀352可以由致动器356控制。致动器354至356可以经由通信链路358至360与AHU控制器330通信。致动器354至356可以从AHU控制器330接收控制信号并且可以向控制器330提供反馈信号。在一些实施例中，AHU控制器330从定位在供应空气管道312(例如，冷却盘管334和/或加热盘管336的下游)中的温度传感器362接收供应空气温度的测量结果。AHU控制器330还可以从位于建筑物区域306中的温度传感器364接收建筑物区域306的温度测量结果。
在一些实施例中，AHU控制器330经由致动器354至356操作阀346和352以调节提供至供应空气310的加热量或冷却量(例如，从而达到供应空气310的设定值温度或者将供应空气310的温度维持在设定值温度范围内)。阀346和352的位置影响由冷却盘管334或加热盘管336提供至供应空气310的加热量或冷却量并且可以与被消耗以达到期望供应空气温度的能源量相关。AHU控制器330可以通过对盘管334至336进行激活或去激活、调整风扇338的速度或两者的组合来控制供应空气310和/或建筑物区域306的温度。
仍然参照图3，空气侧系统300被示出为包括建筑物管理系统(BMS)控制器366和客户端装置368。BMS控制器366可以包括一个或多个计算机系统(例如，服务器、监督控制器、子系统控制器等)，所述计算机系统充当空气侧系统300、水侧系统200、HVAC系统100和/或服务于建筑物10的其他可控系统的系统级控制器、应用或数据服务器、头结点或主控制器。BMS控制器366可以根据相似或不同协议(例如，LON、BACnet等)经由通信链路370与多个下游建筑物系统或子系统(例如，HVAC系统100、安全系统、照明系统、水侧系统200等)通信。在各实施例中，AHU控制器330和BMS控制器366可以是分开的(如图3中所示出的)或集成的。在集成的实施方式中，AHU控制器330可以是被配置用于由BMS控制器366的处理器执行的软件模块。
在一些实施例中，AHU控制器330从BMS控制器366接收信息(例如，命令、设定值、操作边界等)并且向BMS控制器366提供信息(例如，温度测量结果、阀或致动器位置、运行状态、诊断等)。例如，AHU控制器330可以向BMS控制器366提供来自温度传感器362至364的温度测量结果、设备开/关状态、设备操作能力和/或可以由BMS控制器366用来监测和控制建筑物区域306内的可变状态或情况的任何其他信息。
客户端装置368可以包括用于对HVAC系统100、其子系统和/或装置进行控制、查看或以其他方式交互的一个或多个人机接口或客户端接口(例如，图形用户界面、报告接口、基于文本的计算机接口、面向客户端的web服务、向web客户端提供页面的web服务器等)。客户端装置368可以是计算机工作站、客户终端、远程或本地接口或任何其他类型的用户接口装置。客户端装置368可以是固定终端或移动装置。例如，客户端装置368可以是台式计算机、具有用户接口的计算机服务器、膝上型计算机、平板计算机、智能电话、PDA或任何其他类型的移动或非移动装置。客户端装置368可以经由通信链路372与BMS控制器366和/或AHU控制器330进行通信。
现在参照图4，根据示例性实施例，示出了建筑物管理系统(BMS)400的框图。可以在建筑物10中实施BMS 400以自动地监测和控制各种建筑物功能。BMS 400被示出为包括BMS控制器366和多个建筑物子系统428。建筑物子系统428被示出为包括建筑物电气子系统434、信息通信技术(ICT)子系统436、安全子系统438、HVAC子系统440、照明子系统442、电梯/电动扶梯子系统432和防火安全子系统430。在各实施例中，建筑物子系统428可以包括更少的、附加的或替代的子系统。例如，建筑物子系统428还可以包括或可替代地包括制冷子系统、广告或引导标示子系统、烹饪子系统、售货子系统、打印机或拷贝服务子系统或者使用可控的设备和/或传感器来监测或控制建筑物10的任何其他类型的建筑物子系统。在一些实施例中，如参照图2至图3描述的，建筑物子系统428包括水侧系统200和/或空气侧系统300。
建筑物子系统428中的每一个可以包括用于完成其单独功能和控制活动的任意数量的装置、控制器和连接。如参照图1至图3描述的，HVAC子系统440可以包括许多与HVAC系统100相同的部件。例如，HVAC子系统440可以包括冷却器、锅炉、任意数量的空气处理单元、节能装置、现场控制器、监控控制器、致动器、温度传感器以及用于控制建筑物10内的温度、湿度、气流或其他可变条件的其他装置。照明子系统442可以包括任意数量的灯具、镇流器、照明传感器、调光器或被配置用于可控制地调节提供给建筑物空间的光量的其他装置。安全子系统438可以包括占用传感器、视频监控摄像机、数字视频录像机、视频处理服务器、入侵检测装置、访问控制装置和服务器或其他与安全相关的装置。
仍参照图4，BMS控制器366被示出为包括通信接口407和BMS接口409。接口407可以促进BMS控制器366与外部应用(例如，监测和报告应用422、企业控制应用426、远程系统及应用444、驻留在用客户端装置448上的应用等)之间的通信，以允许用户对BMS控制器366和/或子系统428进行控制、监测和调节。接口407还可以促进BMS控制器366与客户端装置448之间的通信。BMS接口409可以促进BMS控制器366与建筑物子系统428之间的通信(例如，HVAC、照明安全、电梯、配电、业务等)。
接口407、409可以是或包括用于与建筑物子系统428或其他外部系统或装置进行数据通信的有线或无线通信接口(例如，插座、天线、发射器、接收器、收发器、电线端子等)。在各实施例中，经由接口407、409进行的通信可以是直接的(例如，本地有线或无线通信)或经由通信网络446(例如，WAN、互联网、蜂窝网等)。例如，接口407、409可以包括用于经由基于以太网的通信链路或网络发送和接收数据的以太网卡和端口。在另一个示例中，接口407、409可以包括用于经由无线通信网络进行通信的WiFi收发器。在另一个示例中，接口407、409中的一个或多个接口可以包括蜂窝或移动电话通信收发器。在一个实施例中，通信接口407为电力线通信接口并且BMS接口409为以太网接口。在其他实施例中，通信接口407和BMS接口409两者都为以太网接口或为同一个以太网接口。
仍参照图4，BMS控制器366被示出为包括处理电路404，所述处理电路包括处理器406和存储器408。处理电路404可以可通信地连接至BMS接口409和/或通信接口407，从而使得处理电路404及其各个部件可以经由接口407、409发送和接收数据。处理器406可以被实施为通用处理器、应用专用集成电路(ASIC)、一个或多个现场可编程门阵列(FPGA)、一组处理部件或其他合适的电子处理部件。
存储器408(例如，存储器、存储器单元、存储装置等)可以包括用于存储数据和/或计算机代码的一个或多个装置(例如，RAM、ROM、闪存器、硬盘存储设备等)，所述数据和/或计算机代码用于完成或促进本申请中所描述的各种过程、层和模块。存储器408可以是或包括易失性存储器或非易失性存储器。存储器408可以包括数据库组件、目标代码组件、脚本组件、或用于支持本申请中所描述的各种活动和信息结构的任何其他类型的信息结构。根据示例性实施例，存储器408经由处理电路404可通信地连接至处理器406并且包括用于(例如，由处理电路404和/或处理器406)执行本文中所描述的一个或多个过程的计算机代码。
在一些实施例中，在单个计算机(例如，一个服务器、一个外壳等)内实施BMS控制器366。在各个其他实施例中，BMS控制器366可以跨多个服务器或计算机(例如，其可以存在于分布式位置中)分布。进一步地，虽然图4示出了如存在于BMS控制器366外的应用422和426，但在一些实施例中，应用422和426可以托管在BMS控制器366内(例如，在存储器408内)。
仍参照图4，存储器408被示出为包括企业集成层410、自动测量与验证(AM&V)层412、需求响应(DR)层414、故障检测与诊断(FDD)层416、集成控制层418以及建筑物子系统集成层420。层410至420可以被配置用于从建筑物子系统428和其他数据源接收输入、基于所述输入确定建筑物子系统428的最佳控制动作、基于所述最佳控制动作生成控制信号并且将所生成的控制信号提供给建筑物子系统428。以下段落描述了由BMS 400中的层410至420中的每一个层执行的通用功能中的一些通用功能。
企业集成层410可以被配置用于服务于具有信息和服务的客户端或本地应用以支持各种企业级应用。例如，企业控制应用426可以被配置用于向图形用户界面(GUI)或向任意数量的企业级业务应用(例如，会计系统、用户识别系统等)提供跨子系统控制。企业控制应用426还可以或可替代地被配置用于提供用于配置BMS控制器366的配置GUI。在又其他实施例中，企业控制应用426可以与层410至420一起工作以基于在接口407和/或BMS接口409接收到的输入来优化建筑物性能(例如，效率、能量使用、舒适度或安全性)。
建筑物子系统集成层420可以被配置用于管理BMS控制器366与建筑物子系统428之间的通信。例如，建筑物子系统集成层420可以从建筑物子系统428接收传感器数据和输入信号并且向建筑物子系统428提供输出数据和控制信号。建筑物子系统集成层420还可以被配置用于管理建筑物子系统428之间的通信。建筑物子系统集成层420跨多个多厂商/多协议系统转译通信(例如，传感器数据、输入信号、输出信号等)。
需求响应层414可以被配置用于响应于满足建筑物10的需求而优化资源使用(例如，电的使用、天然气的使用、水的使用等)和/或这种资源使用的货币成本。优化可以基于分时电价、缩减信号、能量可用性、或者从公共设施提供商、分布式能量生成系统424、能量储存设备427(例如，热TES 242、冷TES 244等)或其他来源接收到的其他数据。需求响应层414可以接收来自BMS控制器366的其他层(例如，建筑物子系统集成层420、集成控制层418等)的输入。从其他层接收到的输入可以包括环境或传感器输入(如温度、二氧化碳水平、相对湿度水平、空气品质传感器输出、占用传感器输出、房间安排等)。输入还可以包括如来自公共设施的电气使用(例如，以千瓦每小时(kWh)表示)、热负载测量结果、定价信息、预计的定价、平滑定价、缩减信号等输入。
根据示例性实施例，需求响应层414包括用于响应于其接收的数据和信号的控制逻辑。这些响应可以包括与集成控制层418中的控制算法进行通信、更改控制策略、更改设定值或者以受控方式激活/去激活建筑物设备或子系统。需求响应层414还可以包括被配置用于确定何时利用所存储的能量的控制逻辑。例如，需求响应层414可以确定刚好在高峰使用时间开始之前开始使用来自能量存储设备427的能量。
在一些实施例中，需求响应层414包括控制模块，所述控制模块被配置用于主动发起控制动作(例如，自动更改设定值)，所述控制动作基于表示或基于需求(例如，价格、缩减信号、需求等级等)的一个或多个输入来使能量成本最小化。在一些实施例中，需求响应层414使用设备模型来确定最佳控制动作集合。设备模型可以包括例如描述输入、输出和/或由各种建筑物设备组执行的功能的热力学模型。设备模型可以表示建筑物设备集合(例如，子设施、冷却器阵列等)或单独的装置(例如，单独的冷却器、加热器、泵等)。
需求响应层414可以进一步包括或利用一个或多个需求响应政策定义(例如，数据库、XML文件等)。政策定义可以由用户(例如，经由图形用户界面)编辑或调节，从而使得可以针对用户的应用、期望的舒适度、具体建筑物设备或者基于其他关注点来定制响应于需求输入而发起的控制动作。例如，需求响应政策定义可以响应于特定需求输入而指定可以开启或关掉哪些设备、系统或一件设备应该关掉多久、可以更改什么设定值、可允许的设定值调节范围是什么、在返回到正常安排的设定值之前保持高需求设定值多久、接近容量限制有多近、要利用哪种设备模式、进入和离开能量存储设备(例如，热存储罐、电池组等)的能量传递速率(例如，最大速率、报警率、其他速率边界信息等)以及何时分派现场能量生成(例如，经由燃料电池、电动发电机组等)。
集成控制层418可以被配置用于使用建筑物子系统集成层420和/或需求响应层414的数据输入或输出来作出控制决策。由于子系统集成由建筑物子系统集成层420提供，集成控制层418可以集成子系统428的控制活动，使得子系统428表现为单个集成超系统。在示例性实施例中，集成控制层418包括控制逻辑，所述控制逻辑使用来自多个建筑物子系统的输入和输出以相对于单独的子系统可以单独提供的舒适度和节能而提供更大的舒适度和节能。例如，集成控制层418可以被配置用于使用来自第一子系统的输入来为第二子系统作出节能控制决策。这些决策的结果可以被传送回建筑物子系统集成层420。
集成控制层418被示出为在逻辑上低于需求响应层414。集成控制层418可以被配置用于通过配合需求响应层414而使建筑物子系统428和其对应控制环路能够被控制来增强需求响应层414的有效性。这种配置可以有利地减少相对于常规系统的破坏性需求响应行为。例如，集成控制层418可以被配置用于确保对冷水温度的设定值(或者直接或间接影响温度的另一个部件)进行需求响应驱动的向上调节不会导致风扇能量(或用于冷却空间的其他能量)的增加，所述风扇能量增加将导致建筑物能量使用总量比在冷却器处节省得更多。
集成控制层418可以被配置用于向需求响应层414提供反馈，从而使得需求响应层414检查即使正在进行所要求的减载时也适当地维持约束(例如，温度、照明水平等)。约束还可以包括与安全性、设备操作极限和性能、舒适度、防火规范、电气规范、能量规范等相关的设定值或感测边界。集成控制层418还可以在逻辑上低于故障检测与诊断层416以及自动测量与验证层412。集成控制层418可以被配置用于基于来自多于一个建筑物子系统的输出而向这些更高层提供所计算的输入(例如，汇总)。
自动测量与验证(AM&V)层412可以被配置用于验证由集成控制层418或需求响应层414命令的控制策略正适当地工作(例如，使用由AM&V层412、集成控制层418、建筑物子系统集成层420、FDD层416或其他方式汇总的数据)。由AM&V层412进行的计算可以基于用于单独的BMS装置或子系统的建筑物系统能量模型和/或设备模型。例如，AM&V层412可以将模型预测的输出与来自建筑物子系统428的实际输出进行比较以确定模型的准确度。
故障检测与诊断(FDD)层416可以被配置用于为建筑物子系统428、建筑物子系统装置(即，建筑物设备)以及由需求响应层414和集成控制层418使用的控制算法提供持续故障检测。FDD层416可以从集成控制层418、直接从一个或多个建筑物子系统或装置或者从另一个数据源接收数据输入。FDD层416可以自动地诊断并响应检测到的故障。对检测到的或诊断到的故障的响应可以包括向用户、检修调度系统或被配置用于试图修复故障或解决故障的控制算法提供警报消息。
FDD层416可以被配置用于使用在建筑物子系统集成层420处可用的详细子系统输入来输出故障部件的特定标识或故障原因(例如，松动的气闸联接)。在其他示例性实施例中，FDD层416被配置用于向集成控制层418提供“故障”事件，所述集成控制层响应于接收到的故障事件而执行控制策略和政策。根据示例性实施例，FDD层416(或由集成控制引擎或业务规则引擎执行的政策)可以在故障设备或系统周围关闭系统或直接控制活动，以减少能量浪费、延长设备寿命或确保适当的控制响应。
FDD层416可以被配置用于存储或访问各种不同的系统数据存储设备(或实时数据的数据点)。FDD层416可以使用数据存储设备的一些内容来标识设备级(例如，特定冷却器、特定AHU、特定终端单元等)故障并使用其他内容来标识部件或子系统级故障。例如，建筑物子系统428可以生成指示BMS 400及其各个部件的性能的时间(即，时间序列)数据。由建筑物子系统428生成的数据可以包括测得或计算出的值，所述测得或计算出的值展现统计特性并且提供关于相应的系统或过程(例如，温度控制过程、流量控制过程等)是如何在来自其设定值的误差方面执行的信息。FDD层416可以检查这些过程，以暴露系统何时开始性能降低并警告用户在故障变得更严重之前修复故障。
具有数据平台服务的建筑物管理系统
现在参照图5，示出了根据一些实施例的另一种建筑物管理系统(BMS)500的框图。BMS 500被配置用于从建筑物子系统428采集数据样本并且根据所述数据样本生成原始时间序列数据。BMS 500可以使用各种数据平台服务520来处理原始时间序列数据以便生成优化时间序列数据(例如，数据上卷)。优化时间序列数据可以被提供至各种应用530和/或被存储在本地存储设备514或托管存储设备516中。在一些实施例中，BMS 500将数据采集；数据存储设备、检索及分析；与数据可视化分开为三个不同的层。这允许BMS 500支持使用优化时间序列数据的各种应用530，并且允许新的应用530重复使用由数据平台服务520提供的现有基础设施。
在更详细地讨论BMS 500之前，应该注意的是，BMS 500的部件可以集成在单个装置(例如，监督控制器、BMS控制器等)内或者跨多个单独系统或装置而分布。例如，BMS 500的部件可以被实施为如由江森自控有限公司(Johnson Controls,Inc.)售卖的品牌建筑物自动化系统的一部分。在其他实施例中，BMS 500的部件的一些或全部可以被实施为被配置用于接收和处理来自一个或多个建筑物管理系统的数据的基于云的计算系统的一部分。在其他实施例中，BMS 500的部件的一些或全部可以是子系统级控制器(例如，HVAC控制器)、子板块控制器、装置控制器(例如，AHU控制器330、冷却器控制器等)、现场控制器、计算机工作站、客户端装置、或接收和处理来自建筑物设备的数据的任何其他系统或装置的部件。
BMS 500可以包括许多与BMS 400相同的部件，如参照图4所描述的。例如，BMS 500被示出为包括BMS接口502和通信接口504。接口502至504可以包括用于与建筑物子系统428或其他外部系统或装置进行数据通信的有线或无线通信接口(例如，插座、天线、发射器、接收器、收发器、电线端子等)。经由接口502至504进行的通信可以是直接的(例如，本地有线或无线通信)或经由通信网络446(例如，WAN、互联网、蜂窝网等)。
通信接口504可以促进BMS 500与外部应用(例如，远程系统及应用444)之间的通信，以允许用户对BMS 500进行控制、监测和调节。通信接口504还可以促进BMS 500与客户端装置448之间的通信。BMS接口502可以促进BMS 500与建筑物子系统428之间的通信。BMS500可以被配置用于使用各种建筑物自动化系统协议(例如，BACnet网络、Modbus、ADX等)中的任一种来与建筑物子系统428进行通信。在一些实施例中，BMS 500从建筑物子系统428接收数据样本并且经由BMS接口502向建筑物子系统428提供控制信号。
如参照图4所描述的，建筑物子系统428可以包括建筑物电气子系统434、信息通信技术(ICT)子系统436、安全子系统438、HVAC子系统440、照明子系统442、电梯/电动扶梯子系统432、和/或防火安全子系统430。在各实施例中，建筑物子系统428可以包括更少的、附加的或替代的子系统。例如，建筑物子系统428还可以包括或可替代地包括制冷子系统、广告或引导标示子系统、烹饪子系统、售货子系统、打印机或拷贝服务子系统或者使用可控的设备和/或传感器来监测或控制建筑物10的任何其他类型的建筑物子系统。在一些实施例中，如参照图2至图3描述的，建筑物子系统428包括水侧系统200和/或空气侧系统300。建筑物子系统428中的每一个可以包括用于完成其单独功能和控制活动的任意数量的装置、控制器和连接。建筑物子系统428可以包括被配置用于监测和控制建筑物状况(诸如温度、湿度、气流等、)的建筑物设备(例如，传感器、空气处理单元、冷却器、泵、阀等)。
仍然参照图5，BMS 500被示出为包括处理电路506，所述处理电路包括处理器508和存储器510。处理器508可以是通用或专用处理器、专用集成电路(ASIC)、一个或多个现场可编程门阵列(FPGA)、一组处理部件或其他合适的处理部件。处理器508被配置用于执行存储在存储器510中或从其他计算机可读介质(例如，CDROM、网络存储设备、远程服务器等)接收到的计算机代码或指令。
存储器510可以包括用于存储用于完成和/或促进本披露中所描述的各个过程的数据和/或计算机代码的一个或多个装置(例如，存储器单元、存储器装置、存储装置等)。存储器510可以包括随机存取存储器(RAM)、只读存储器(ROM)、硬盘驱动器存储设备、临时存储设备、非易失性存储器、闪存、光学存储器或用于存储软件对象和/或计算机指令的任何其他合适的存储器。存储器510可以包括数据库组件、目标代码组件、脚本组件或用于支持本披露中所描述的各种活动和信息结构的任何其他类型的信息结构。存储器510可以经由处理电路506可通信地连接至处理器508并且可以包括用于(例如，由处理器508)执行本文中所描述的一个或多个过程的计算机代码。当处理器508执行存储在存储器510中的指令时，处理器508通常配置处理电路506来完成这种活动。
仍然参照图5，BMS 500被示出为包括数据采集器512。数据采集器512被示出为经由BMS接口502从建筑物子系统428接收数据样本。在一些实施例中，所述数据样本包括各数据点的数据值。取决于数据点的类型，所述数据值可以是测得的或计算的值。例如，从温度传感器接收到的数据点可以包括指示由温度传感器测得的温度的经测量数据值。从冷却器控制器接收到的数据点可以包括指示冷却器的计算效率的经计算数据值。数据采集器512可以从建筑物子系统428内的多个不同装置接收数据样本。
所述数据样本可以包括描述或表征对应数据点的一个或多个属性。例如，所述数据样本可以包括限定了点名称或ID的名称属性(例如，“B1F4R2.T-Z”)、指示了从其接收数据样本的装置类型的装置属性(例如，温度传感器、湿度传感器、冷却器等)、限定了与数据值相关联的度量单位的单位属性(例如，°F、°C、kPA等)、和/或描述对应的数据点或提供关于所述数据点的上下文信息的任何其他属性。包括在每个数据点中的属性类型可以取决于用于向BMS 500发送数据样本的通信协议。例如，经由ADX协议或BACnet协议接收到的数据样本可以包括各种描述性属性连同数据值，而经由Modbus协议接收到的数据样本可以包括更少数量的属性(例如，仅包括数据值而不包括任何对应的属性)。
在一些实施例中，每个数据样本与指示对应数据值被测量或计算的时间的时间戳一起被接收。在其他实施例中，数据采集器512基于数据样本被接收的时间将时间戳添加至数据样本。数据采集器512可以为数据点中的每一个生成原始时间序列数据，其中针对所述数据点接收数据样本。每个时间序列可以包括同一数据点的一系列数据值以及所述数据值中的每一个的时间戳。例如，由温度传感器提供的数据点的时间序列可以包括由所述温度传感器测得的一系列温度值以及测量所述温度值的对应时间。
数据采集器512可以将时间戳添加至数据样本或者修改现有时间戳，以使得每个数据样本包括本地时间戳。每个本地时间戳指示对应数据样本被测量或采集的本地时间，并且可以包括相对于世界时间的偏差。本地时间戳指示测量时在数据点被测量的位置处的本地时间。所述偏差指示本地时间与世界时间(例如，国际日期变更线处的时间)之间的差。例如，在世界时间之后六个小时的时区中采集的数据样本可以包括本地时间戳(例如，Timestamp＝2016-03-18T14:10:02)以及指示所述本地时间戳是世界时间(例如，Offset＝-6:00)之后六个小时的偏差。可以取决于当测量或采集数据样本时所述时区是否处于夏令时来调整(例如，+1:00或-1:00)所述偏差。
本地时间戳与偏差的结合提供了跨夏令时边界的唯一时间戳。这允许使用时间序列数据的应用以本地时间显示时间序列数据而无需首先从世界时间进行转换。本地时间戳与偏差的结合还提供了足够的信息以便将本地时间戳转换成世界时间而不必查找夏令时何时发生的安排表。例如，可以从本地时间戳减去偏差以生成对应于本地时间戳的世界时间值，而不必参照外部数据库且不必查询任何其他信息。
在一些实施例中，数据采集器512组织原始时间序列数据。数据采集器512可以识别与所述数据点中的每一个相关联的系统或装置。例如，数据采集器512可以使数据点与温度传感器、空气处理机、冷却器、或任何其他类型的系统或装置相关联。在各实施例中，数据采集器使用数据点的名称、数据点的值范围、数据点的统计特性、或数据点的其他属性来识别与数据点相关联的特定系统或装置。然后，数据采集器512可以确定此系统或装置如何与建筑工地中的其他系统或装置相关。例如，数据采集器512可以确定所识别的系统或装置是更大系统(例如，HVAC系统)的一部分或者服务于特定的空间(例如，特定建筑物、建筑物的房间或区域等)。在一些实施例中，数据采集器512在组织时间序列数据时使用或创建实体图。参照图10A更详细地描述了这种实体图的示例。
数据采集器512可以向数据平台服务520提供原始时间序列数据和/或将原始时间序列数据存储在本地存储设备514或托管存储设备516中。如图5中示出的，本地存储设备514可以是BMS 500内部(例如，存储器510内)的数据存储设备或者是采集数据样本的建筑工地本地的其他现场数据存储设备。托管存储设备516可以包括远程数据库、基于云的数据托管、或其他远程数据存储设备。例如，托管存储设备516可以包括相对于采集数据样本的建筑工地而被定位成远离现场的远程数据存储设备。
仍然参照图5，BMS 500被示出为包括数据平台服务520。数据平台服务520可以从数据采集器512接收原始时间序列数据和/或从本地存储设备514或托管存储设备516中检索原始时间序列数据。数据平台服务520可以包括被配置用于分析和处理原始时间序列数据的各种服务。例如，数据平台服务520被示出为包括安全服务522、分析服务524、实体服务526、和时间序列服务528。安全服务522可以为原始时间序列数据指定安全属性以便确保所述时间序列数据仅可以由经授权的个人、系统、或应用来访问。实体服务524可以为时间序列数据指定实体信息以便将数据点与特定系统、装置、或空间相关联。时间序列服务528和分析服务524可以根据原始时间序列数据生成新的优化时间序列。
在一些实施例中，时间序列服务528聚合原始时间序列数据的预定义间隔(例如，每刻钟间隔、每小时间隔、每日间隔、每月间隔等)以便生成聚合值的新优化时间序列。这些优化时间序列可以被称为“数据上卷”，因为它们是原始时间序列数据的浓缩版。由时间序列服务528生成的数据上卷为应用530提供查询时间序列数据的高效机制。例如，应用530可以使用预聚合数据上卷而不是原始时间序列数据来构造时间序列数据的可视化(例如，图表、曲线图等)。这允许应用530仅检索和呈现预聚合数据上卷而无需应用530响应于所述查询而执行聚合。因为预聚合了数据上卷，所以应用530可以快速且高效地呈现数据上卷而无需在查询时进行附加处理，从而生成聚合时间序列值。
在一些实施例中，时间序列服务528基于原始时间序列数据和/或优化时间序列数据来计算虚拟点。可以通过将各种数学运算(例如，加法、减法、乘法、除法等)或函数(例如，平均值、最大值、最小值、热力学函数、线性函数、非线性函数等)中的任一种应用到由时间序列数据表示的实际数据点来计算虚拟点。例如，时间序列服务528可以通过添加两个或更多个实际数据点(pointID1和pointID2)(例如，pointID3＝pointID1+pointID2)来计算虚拟数据点(pointID3)。作为另一个示例，时间序列服务528可以基于测得的温度数据点(pointID5)和测得的压力数据点(pointID6)(例如，pointID4＝enthalpy(pointID5,pointID6))来计算焓数据点(pointID4)。所述虚拟数据点可以被存储为优化时间序列数据。
应用530可以以与实际数据点相同的方式来访问和使用虚拟数据点。应用530不需要知道数据点是实际数据点还是虚拟数据点，因为这两种类型的数据点都可以被存储为优化时间序列数据并且可以由应用530以相同的方式进行处理。在一些实施例中，优化时间序列数据与属性一起存储，所述属性将每个数据点指定为虚拟数据点或者实际数据点。这种属性允许应用530识别给定的时间序列表示虚拟数据点还是实际数据点，即使这两种类型的数据点都可以由应用530以相同的方式进行处理。
在一些实施例中，分析服务524分析原始时间序列数据和/或优化时间序列数据以检测故障。分析服务524可以将一组故障检测规则应用到时间序列数据来判定在时间序列的每个间隔处是否检测到故障。故障检测可以被存储为优化时间序列数据。例如，分析服务524可以生成具有指示在时间序列的每个间隔处是否检测到故障的数据值的新时间序列。故障检测的时间序列可以与原始时间序列数据和/或优化时间序列数据一起存储在本地存储设备514或托管存储设备516中。参照图6更加详细地描述了分析服务524和时间序列服务528的这些和其他特征。
仍然参照图5，BMS 500被示出为包括若干应用530，所述应用包括能量管理应用532、监测和报告应用534、以及企业控制应用536。尽管仅示出了几个应用530，但是设想的是，应用530可以包括被配置用于使用由数据平台服务520生成的优化时间序列数据的各种应用中的任何一种。在一些实施例中，应用530作为BMS 500的单独层(即，与数据平台服务520和数据采集器512分开)而存在。这允许应用530与如何生成优化时间序列数据的细节隔离。在其他实施例中，应用530可以作为在远程系统或装置(例如，远程系统及应用544、客户端装置448)上运行的远程应用而存在。
应用530可以使用优化时间序列数据来执行各种数据可视化、监测、和/或控制活动。例如，能量管理应用532与监测和报告应用534可以使用优化时间序列数据来生成将优化时间序列数据呈现给用户的用户界面(例如，图表、曲线图等)。在一些实施例中，用户界面将原始时间序列数据和优化数据上卷呈现在单个图表或曲线图中。例如，下拉选择器可以被提供用于允许用户针对给定的数据点来选择原始时间序列数据或任何的数据上卷。图15和图17中示出了可以基于优化时间序列数据生成的用户界面的若干示例。
企业控制应用536可以使用优化时间序列数据来执行各种控制活动。例如，企业控制应用536可以使用优化时间序列数据作为至控制算法(例如，基于状态的算法、极值搜索控制(ESC)算法、比例积分(PI)控制算法、比例-积分-微分(PID)控制算法、模型预测控制(MPC)算法、反馈控制算法等)的输入，以便生成用于建筑物子系统428的控制信号。在一些实施例中，建筑物子系统428使用控制信号来操作建筑物设备。操作建筑物设备可以影响被提供给BMS 500的数据样本的测量值或计算值。因此，企业控制应用536可以使用优化时间序列数据作为反馈以用于控制建筑物子系统428的系统和装置。
仍然参照图5，BMS 500被示出为包括仪表板布局生成器518。仪表板布局生成器518被配置用于生成使时间序列数据可视化的用户界面(即，仪表板)的布局。在一些实施例中，所述仪表板布局自身不是用户界面，而是可以由应用530使用以生成用户界面的描述。在一些实施例中，所述仪表板布局是限定可以被渲染和显示为用户界面的一部分的各种小插件(例如，图表、曲线图等)的相对位置的架构。所述仪表板布局可以由各种不同的框架读取并且可以由各种不同的渲染引擎(例如，网络浏览器、pdf引擎等)或应用530来使用以生成用户界面。
在一些实施例中，所述仪表板布局限定了具有一行或多行以及位于每行内的一列或多列的网格。所述仪表板布局可以将每个小插件的位置限定在网格内的特定位置处。所述仪表板布局可以限定对象(例如，JSON对象)的阵列，所述对象中的每个对象自身就是阵列。在一些实施例中，所述仪表板布局限定每个小插件的属性或特性。例如，所述仪表板布局可以限定小插件的类型(例如，曲线图、纯文本、图像等)。如果小插件是曲线图，则所述仪表板布局可以限定附加特性，诸如曲线图标题、x轴标题、y轴标题、以及在曲线图中使用的时间序列数据。参照图12至图17更加详细地描述了仪表板布局生成器518和仪表板布局。
时间序列和分析数据平台服务
现在参照图6，示出了根据一些实施例的更加详细地展示了时间序列服务528和分析服务524的框图。时间序列服务528被示出为包括时间序列web服务602、作业管理器604、以及时间序列存储接口616。时间序列web服务602被配置用于与基于web的应用进行交互，以发送和/或接收时间序列数据。在一些实施例中，时间序列web服务602向基于web的应用提供时间序列数据。例如，如果应用530中的一个或多个是基于web的应用，则时间序列web服务602可以向基于web的应用提供优化时间序列数据和原始时间序列数据。在一些实施例中，时间序列web服务602从基于web的数据采集器接收原始时间序列数据。例如，如果数据采集器512是基于web的应用，则时间序列web服务602可以从数据采集器512接收数据样本或原始时间序列数据。
时间序列存储接口616被配置用于与本地存储设备514和/或托管存储设备516进行交互。例如，时间序列存储接口616可以从本地存储设备514内的本地时间序列数据库628或从托管存储设备516内的托管时间序列数据库636中检索原始时间序列数据。时间序列存储接口616还可以将优化时间序列数据存储在本地时间序列数据库628或托管时间序列数据库636中。在一些实施例中，时间序列存储接口616被配置用于从本地存储设备514内的本地作业队列630或从托管存储设备516内的托管作业队列638中检索作业。时间序列存储接口616还可以将作业存储在本地作业队列630或托管作业队列638内。可以由作业管理器604来创建和/或处理作业从而根据原始时间序列数据生成优化时间序列数据。
仍然参照图6，作业管理器604被示出为包括样本聚合器608。样本聚合器608被配置用于根据原始时间序列数据生成优化数据上卷。针对每个数据点，样本聚合器608可以聚合具有在预定时间间隔(例如，一刻钟、一小时、一天等)内的时间戳的一组数据值，以便生成预定时间间隔的聚合数据值。例如，针对特定数据点的原始时间序列数据可以在数据点的连续样本之间具有相对较短的间隔(例如，一分钟)。样本聚合器608可以通过将具有在相对较长间隔(例如，一刻钟)内的时间戳的数据点的所有样本聚合成表示更长间隔的单个聚合值从而根据原始时间序列数据生成数据上卷。
对于一些类型的时间序列，样本聚合器608通过对具有在较长间隔内的时间戳的数据点的所有样本进行求平均来执行聚合。通过求平均进行的聚合可以被用于计算非累积变量(诸如测量值)的时间序列的聚合值。对于其他类型的时间序列，样本聚合器608通过对具有在较长间隔内的时间戳的数据点的所有样本进行求和来执行聚合。通过求和进行的聚合可以被用于计算累积变量(诸如，自先前的样本之后检测到的故障的数量)的时间序列的聚合值。
现在参照图7A和图7B，示出了根据一些实施例的展示了可以由样本聚合器608使用的聚合技术的框图700和数据表750。在图7A中，示出了数据点702。数据点702是可以获得时间序列值的测得的数据点的示例。例如，数据点702被示出为室外气温点并且具有可以由温度传感器测得的值。尽管图7A中示出了指定类型的数据点702，但是应该理解的是数据点702可以是任何类型的测量数据点或计算数据点。数据点702的时间序列值可以被数据采集器512采集并且被组合到原始数据时间序列704中。
如图7B中示出的，原始数据时间序列704包括数据样本的时间序列，所述数据样本中的每一个被示出为数据表750中的单独行。原始数据时间序列704的每个样本被示出为包括时间戳和数据值。原始数据时间序列704的时间戳分别是十分钟和一秒钟，表明原始数据时间序列704的采样间隔是十分钟和一秒钟。例如，第一数据样本的时间戳被示出为2015-12-31T23:10:00，表明原始数据时间序列704的第一数据样本在2015年12月31日晚上11:10:00被采集。第二数据样本的时间戳被示出为2015-12-31T23:20:01，表明原始数据时间序列704的第二数据样本在2015年12月31日晚上11:20:01被采集。在一些实施例中，原始数据时间序列704的时间戳连同相对于世界时间的偏差一起被存储，如先前描述的。原始数据时间序列704的值以值10为起点并且每个样本增加10。例如，原始数据时间序列704的第二样本的值为20，则原始数据时间序列704的第三样本的值为30，以此类推。
在图7A中，示出了若干数据上卷时间序列706至714。数据上卷时间序列706至714可以由样本聚合器608生成并且被存储为优化时间序列数据。数据上卷时间序列706至714包括平均每刻钟时间序列706、平均每小时时间序列708、平均每日时间序列710、平均每月时间序列712、以及平均每年时间序列714。数据上卷时间序列706至714中的每一个取决于父代时间序列。在一些实施例中，数据上卷时间序列706至714中的每一个的父代时间序列是在连续时间序列值之间具有下一个最短持续时间的时间序列。例如，平均每刻钟时间序列706的父代时间序列是原始数据时间序列704。类似地，平均每小时时间序列708的父代时间序列是平均每刻钟时间序列706；平均每日时间序列710的父代时间序列是平均每小时时间序列708；平均每月时间序列712的父代时间序列是平均每日时间序列710；并且平均每年时间序列714的父代时间序列是平均每月时间序列712。
样本聚合器608可以根据对应父代时间序列的时间序列值生成数据上卷时间序列706至714中的每一个。例如，样本聚合器608可以通过聚合具有每刻钟内的时间戳的原始数据时间序列704中的数据点702的所有样本来生成平均每刻钟时间序列706。类似地，样本聚合器608可以通过聚合具有每小时内的时间戳的平均每刻钟时间序列708的所有时间序列值来生成平均每小时时间序列708。样本聚合器608可以通过聚合具有每日内的时间戳的平均每小时时间序列708的所有时间序列值来生成平均每日时间序列710。样本聚合器608可以通过聚合具有每月内的时间戳的平均每日时间序列710的所有时间序列值来生成平均每月时间序列712。样本聚合器608可以通过聚合具有每年内的时间戳的平均每月时间序列712的所有时间序列值来生成平均每年时间序列714。
在一些实施例中，数据上卷时间序列706至714中的每个样本的时间戳是用于计算样本值的聚合间隔的开始。例如，平均每刻钟时间序列706的第一数据样本被示出为包括时间戳2015-12-31T23:00:00。此时间戳表明平均每刻钟时间序列706的第一数据样本对应于在2015年12月31日晚上11:00:00开始的聚合间隔。因为原始数据时间序列704的仅一个数据样本发生在此间隔期间，所以平均每刻钟时间序列706的第一数据样本的值是单个数据值的平均值(即，average(10)＝10)。这对于平均每刻钟时间序列706的第二数据样本来说也是如此(即，average(20)＝20)。
平均每小时时间序列706的第三数据样本被示出为包括时间戳2015-12-31T23:30:00。此时间戳表明平均每刻钟时间序列706的第三数据样本对应于在2015年12月31晚上11:30:00开始的聚合间隔。因为平均每刻钟时间序列706的每个聚合间隔的持续时间是一刻钟，所以聚合间隔的结束是2015年12月31日晚上11:45:00。此聚合间隔包括原始数据时间序列704的两个数据样本(即，具有值30的第三原始数据样本以及具有值40的第四原始数据样本)。样本聚合器608可以通过对第三原始数据样本和第四原始数据样本(即，average(30,40)＝35)的值进行求平均来计算平均每刻钟时间序列706的第三样本的值。因此，平均每刻钟时间序列706的第三样本具有值35。样本聚合器608可以以类似的方式来计算平均每刻钟时间序列706的剩余值。
仍然参照图7B，平均每小时时间序列708的第一数据样本被示出为包括时间戳2015-12-31T23:00:00。此时间戳表明平均每小时时间序列708的第一数据样本对应于在2015年12月31日晚上11:00:00开始的聚合间隔。因为平均每小时时间序列708的每个聚合间隔的持续时间是一小时，所以聚合间隔的结束是2016年1月1日中午12:00:00。此聚合间隔包括平均每刻钟时间序列706的前四个样本。样本聚合器608可以通过对平均每刻钟时间序列706(即，average(10,20,35,50)＝28.8)的前四个值的值进行求平均来计算平均每小时时间序列708的第一样本的值。因此，平均每小时时间序列708的第一样本具有值28.8。样本聚合器608可以以类似的方式来计算平均每小时时间序列708的剩余值。
平均每日时间序列710的第一数据样本被示出为包括时间戳2015-12-31T00:00:00。此时间戳表明平均每日时间序列710的第一数据样本对应于在2015年12月31日中午12:00:00开始的聚合间隔。因为平均每日时间序列710的每个聚合间隔的持续时间是一天，所以聚合间隔的结束是2016年1月1日中午12:00:00。平均每小时时间序列708的仅一个数据样本发生在此间隔期间。因此，平均每日时间序列710的第一数据样本的值是单个数据值的平均值(即，average(28.8)＝28.8)。这对于平均每日时间序列710的第二数据样本来说也是如此(即，average(87.5)＝87.5)。
在一些实施例中，样本聚合器608将数据上卷时间序列706至714中的每个连同原始数据时间序列704一起存储在单个数据表(例如，数据表750)中。这允许应用630通过访问单个数据表来快速且高效地检索所有时间序列704至714。在其他实施例中，样本聚合器608可以将各种时间序列704至714存储在单独的数据表中，所述单独的数据表可以被存储在同一个数据存储装置(例如，同一个数据库)中或者跨多个数据存储装置被分布。在一些实施例中，样本聚合器608以除了数据表之外的格式来存储数据时间序列704至714。例如，样本聚合器608可以将时间序列704至714存储为向量、矩阵、列表、或者使用各种其他数据存储格式中的任何一种来存储。
在一些实施例中，每次接收到新原始数据样本时，样本聚合器608就自动更新数据上卷时间序列706至714。更新数据上卷时间序列706至714可以包括基于新原始数据样本的值和时间戳来重新计算聚合值。当接收到新原始数据样本时，样本聚合器608可以判定新原始数据样本的时间戳是否在数据上卷时间序列706至714的样本的聚合间隔中的任一个内。例如，如果接收到具有时间戳2016-01-01T00:52:00的新原始数据样本，则样本聚合器608可以确定所述新原始数据样本在平均每刻钟时间序列706的时间戳2016-01-01T00:45:00处开始的聚合间隔内发生。样本聚合器608可以使用新原始数据点(例如，value＝120)的值来更新平均每刻钟时间序列706(即，average(110,120)＝115)的最后数据样本的聚合值。
如果新原始数据样本具有不在先前的聚合间隔中的任一个内发生的时间戳，则样本聚合器608可以创建平均每刻钟时间序列706中的新数据样本。平均每刻钟时间序列706中的新数据样本可以具有限定了包括新原始数据样本的时间戳的聚合间隔的开始的新数据时间戳。例如，如果新原始数据样本具有时间戳2016-01-01T01:00:11，则样本聚合器608可以确定新原始数据样本不在先前建立的平均每刻钟时间序列706的聚合间隔中的任一个内发生。如先前描述的，样本聚合器608可以生成具有时间戳2016-01-01T01:00:00的平均每刻钟时间序列706中的新数据样本，并且可以基于新原始数据样本的值来计算平均每刻钟时间序列706中的新数据样本的值。
样本聚合器608可以以类似的方式来更新剩余数据上卷时间序列708至714的值。例如，样本聚合器608判定平均每刻钟时间序列中的已更新数据样本的时间戳是否在平均每小时时间序列708的样本的聚合间隔中的任一个内。样本聚合器608可以确定时间戳2016-01-01T00:45:00在平均每小时时间序列708的时间戳2016-01-01T00:00:00处开始的聚合间隔内发生。样本聚合器608可以使用平均每刻钟时间序列706(例如，value＝115)的最后数据样本的更新值来更新平均每小时时间序列708(即，average(65,80,95,115＝88.75)的第二样本的值。使用相同的技术，样本聚合器608可以使用平均每小时时间序列708的最后数据样本的更新值来更新平均每日时间序列710的最后样本。
在一些实施例中，每次接收到新的原始数据样本时，样本聚合器608就更新数据上卷时间序列706至714的聚合数据值。每次接收到新原始数据样本时就进行更新确保了数据上卷时间序列706至714总是反映最近的数据样本。在其他实施例中，样本聚合器608使用批量更新技术以预定更新间隔(例如，每小时、每日等)周期性地更新数据上卷时间序列706至714的聚合数据值。周期性地更新可以更高效并且比每次接收到新数据样本就更新需要更少的数据处理，但是可能导致聚合数据值不总是被更新为反映最近的数据样本。
在一些实施例中，样本聚合器608被配置用于清理原始数据时间序列704。清理原始数据时间序列704可以包括丢弃分外高或低的数据。例如，样本聚合器608可以识别原始数据时间序列704的最小预期数据值和最大预期数据值。样本聚合器608可以丢弃在此范围之外的数据值作为不良数据。在一些实施例中，最小预期值和最大预期值是基于由时间序列表示的数据点的属性的。例如，数据点702表示测得的室外气温并且因此具有在给定地理位置的合理室外气温值范围(例如，在-20°F与110°F之间)内的预期值。样本聚合器608可以丢弃数据点702的数据值330，因为330°F的温度值对于测得的室外气温而言是不合理的。
在一些实施例中，样本聚合器608识别数据点可以在连续数据样本之间变化的最大速率。最大变化速率可以基于物理原理(例如，热传递原理)、天气模式、或限制特定数据点的最大变化速率的其他参数。例如，数据点702表示测得的室外气温并且因此可以被限制为具有小于最大合理室外温度变化速率(例如，每分钟五度)的变化速率。如果原始数据时间序列704的两个连续数据样本具有将需要室外气温以超过最大预期变化速率的速率进行变化的值，则样本聚合器608可以丢弃所述数据样本中的一个或两者作为不良数据。
样本聚合器608可以执行各种数据清理操作中的任一种以便识别和丢弃不良数据样本。在2012年9月28日提交的题为“用于数据品质控制和清理的系统和方法(Systems andMethods for Data Quality Control and Cleansing)”的美国专利申请号13/631,301中描述了可以由样本聚合器608执行的数据清理操作的若干示例，所述美国专利申请的全部披露内容通过引用结合在此。在一些实施例中，样本聚合器608在生成数据上卷时间序列706至714之前对原始数据时间序列704执行数据清理操作。这确保了被用于生成数据上卷时间序列706至714的原始数据时间序列704不包括任何不良数据样本。因此，在执行所述聚合之后不需要对数据上卷时间序列706至714进行再次清理。
再次参照图6，作业管理器604被示出为包括虚拟点计算器610。虚拟点计算器610被配置用于创建虚拟数据点并且计算所述虚拟数据点的时间序列值。虚拟数据点是从一个或多个实际数据点推导出的一种类型的计算数据点。在一些实施例中，实际数据点是测得的数据点，而虚拟数据点是计算的数据点。当不存在期望用于特定应用的传感器数据时，虚拟数据点可以被用作实际传感器数据的替代物，但是可以根据一个或多个实际数据点计算得到。例如，可以使用测量制冷剂的温度和压力的实际数据点来计算表示制冷剂的焓的虚拟数据点。虚拟数据点还可以被用于提供计算量(诸如，效率、性能系数、以及不能被直接测量的其他变量)的时间序列值。
虚拟点计算器610可以通过将各种数学运算或函数中的任一种应用到实际数据点或其他虚拟数据点来计算虚拟数据点。例如，虚拟点计算器610可以通过添加两个或更多个实际数据点(pointID1和pointID2)(例如，pointID3＝pointID1+pointID2)来计算虚拟数据点(pointID3)。作为另一个示例，虚拟点计算器610可以基于测得的温度数据点(pointID5)和测得的压力数据点(pointID6)(例如，pointID4＝enthalpy(pointID5,ointID6))来计算焓数据点(pointID4)。在一些实例中，可以从单个实际数据点中推导出虚拟数据点。例如，虚拟点计算器610可以基于测得的制冷剂压力(pointID8)(例如，pointID7＝Tsat(pointID8))来计算已知制冷剂的饱和温度(pointID7)。通常，虚拟点计算器610可以使用一个或多个实际数据点的时间序列值和/或一个或多个其他虚拟数据点的时间序列值来计算虚拟数据点的时间序列值。
在一些实施例中，虚拟点计算器610使用一组虚拟点规则来计算虚拟数据点。所述虚拟点规则可以限定一个或多个输入数据点(例如，实际数据点或虚拟数据点)以及应该被应用至所述(多个)输入数据点以计算每个虚拟数据点的数学运算。所述虚拟点规则可以由用户提供、从外部系统或装置接收、和/或存储在存储器510中。虚拟点计算器610可以将这组虚拟点规则应用至输入数据点的时间序列值，以便计算虚拟数据点的时间序列值。虚拟数据点的时间序列值可以作为优化时间序列数据被存储在本地时间序列数据库628和/或托管时间序列数据库636中。
虚拟点计算器610可以使用原始数据时间序列704的值和/或数据上卷时间序列706至714的聚合值来计算虚拟数据点。在一些实施例中，被用于计算虚拟数据点的输入数据点以不同的采样时间和/或采样速率被采集。因此，输入数据点的样本可以彼此不同步，这可能导致输入数据点的样本应该被用于计算虚拟数据点的含糊性。使用数据上卷时间序列706至714来计算虚拟数据点确保了输入数据点的时间戳是同步的并且消除了数据样本应该被使用的任何含糊性。
现在参照图8，示出了根据一些实施例的展示了由聚合原始时间序列数据产生的数据样本同步的若干时间序列800、820、840和860。时间序列800和820是原始数据时间序列。原始数据时间序列800具有若干个原始数据样本802至810。在时间t1处采集原始数据样本802；在时间t2处采集原始数据样本804；在时间t3处采集原始数据样本806；在时间t4处采集原始数据样本808；在时间t5处采集原始数据样本810；并且在时间t6处采集原始数据样本812。
原始数据时间序列820也具有若干个原始数据样本822、824、826、828和830。然而，原始数据样本822至830与原始数据样本802至812不同步。例如，在时间t1之前采集原始数据样本822；在时间t2与t3之间采集原始数据样本824；在时间t3与t4之间采集原始数据样本826；在时间t4与t5之间采集原始数据样本828；并且在时间t5与t6之间采集原始数据样本830。在数据样本802至812与原始数据样本822至830之间缺少同步可能导致数据样本应该被一起用于计算虚拟数据点的含糊性。
时间序列840和860是数据上卷时间序列。数据上卷时间序列840可以由样本聚合器608通过聚合原始数据时间序列800来生成。类似地，数据上卷时间序列860可以由样本聚合器608通过聚合原始数据时间序列820来生成。原始数据时间序列800和820两者都可以使用相同的聚合间隔来聚合。因此，所产生的数据上卷时间序列840和860具有同步的数据样本。例如，聚合数据样本842在时间t1′处与聚合数据样本862同步。类似地，聚合数据样本844在时间t2′处与聚合数据样本864同步；聚合数据样本846在时间t3′处与聚合数据样本866同步；并且聚合数据样本848在时间t4′处与聚合数据样本868同步。
数据上卷时间序列840和860中的数据样本的同步允许虚拟点计算器610容易地识别哪些数据样本应该被一起用于计算虚拟点。例如，虚拟点计算器610可以识别数据上卷时间序列840和860中的哪些样本具有相同的时间戳(例如，数据样本842和862、数据样本844和864等)。虚拟点计算器610可以使用具有相同时间戳的两个或更多个聚合数据样本来计算虚拟数据点的时间序列值。在一些实施例中，虚拟点计算器610将输入数据样本的共享时间戳指定给根据所述输入数据样本计算的虚拟数据点的时间序列值。
再次参照图6，作业管理器604被示出为包括天气点计算器612。天气点计算器612被配置用于使用时间序列数据执行基于天气的计算。在一些实施例中，天气点计算器612为天气相关变量(诸如，冷却度日(CDD)、采暖度日(HDD)、冷却能量日(CED)、采暖能量日(HED)、以及归一化能量消耗)创建虚拟数据点。由天气点计算器612计算的虚拟数据点的时间序列值可以作为优化时间序列数据被存储在本地时间序列数据库628和/或托管时间序列数据库636中。
天气点计算器612可以通过将如以下等式中示出的建筑物的时变室外气温TOA与冷却平衡点TbC之间的正温差进行积分来计算CDD：
CDD＝∫周期max{0,(TOA-TbC)}dt
其中，period为积分周期。在一些实施例中，室外气温TOA为测得的数据点，而冷却平衡点TbC为存储的参数。为了计算室外气温TOA的每个样本的CDD，天气点计算器612可以将数量max{0,(TOA-TbC)}与室外气温TOA的采样周期Δt相乘。天气点计算器612可以使用室外空气焓EOA而不是室外气温TOA以类似的方式来计算CED。室外空气焓EOA可以是测量数据点或虚拟数据点。
天气点计算器612可以通过对如以下等式中示出的建筑物的采暖平衡点TbH与时变室外气温TOA之间的正温差进行积分来计算HDD：
HDD＝∫周期max{0,(TbH-TOA)}dt
其中，period为积分周期。在一些实施例中，室外气温TOA为测得的数据点，而采暖平衡点TbH为存储的参数。为了计算室外气温TOA的每个样本的HDD，天气点计算器612可以将数量max{0,(TbH-TOA)}与室外气温TOA的采样周期Δt相乘。天气点计算器612可以使用室外空气焓EOA而不是室外气温TOA以类似的方式来计算HED。
在一些实施例中，虚拟点计算器610和天气点计算器612两者都可以计算虚拟数据点的时间序列值。天气点计算器612可以计算取决于天气相关变量(例如，室外气温、室外空气焓、室外空气湿度、室外光强、降水、风速等)的虚拟数据点的时间序列值。虚拟点计算器610可以计算取决于其他类型的变量(例如，非天气相关变量)的虚拟数据点的时间序列值。尽管此处仅详细描述了几个天气相关的变量，但是设想的是天气点计算器612可以针对任何天气相关变量来计算虚拟数据点。可以从各种天气传感器和/或从天气服务接收由天气点计算器612使用的天气相关数据点作为时间序列数据。
仍然参照图6，作业管理器604被示出为包括仪表故障检测器614和可扩展规则引擎606。仪表故障检测器614和可扩展规则引擎606被配置用于检测时间序列数据中的故障。在一些实施例中，仪表故障检测器614执行对表示仪表数据(例如，来自传感器的测量结果)的时间序列数据的故障检测，而可扩展规则引擎606执行对其他类型的时间序列数据的故障检测。仪表故障检测器614和可扩展规则引擎606可以检测原始时间序列数据和/或优化时间序列数据中的故障。
在一些实施例中，仪表故障检测器614和可扩展规则引擎606从分析服务618接收故障检测规则620和/或原因622。故障检测规则620可以由用户经由规则编辑器624定义或者可以经由分析web服务618从外部系统或装置接收。在各实施例中，故障检测规则620和原因622可以被存储在本地存储设备514的规则数据库632和原因数据库634和/或托管存储设备516的规则数据库640和原因数据库642中。仪表故障检测器614和可扩展规则引擎606可以从本地存储设备514或托管存储设备中检索故障检测规则620，并且使用故障检测规则620来分析时间序列数据。
在一些实施例中，故障检测规则620提供可以由仪表故障检测器614和可扩展规则引擎606来估计以检测时间序列数据中的故障的标准。例如，故障检测规则620可以将故障限定为超过或低于阈值的数据值。作为另一个示例，故障检测规则620可以将故障限定为在预定值范围之外的数据值。所述阈值和所述预定值范围可以基于时间序列数据的类型(例如，仪表数据、计算的数据等)、由时间序列数据表示的变量的类型(例如，温度、湿度、能量消耗等)、测量或提供时间序列数据的系统或装置(例如，温度传感器、湿度传感器、冷却器等)、和/或时间序列数据的其他属性。
仪表故障检测器614和可扩展规则引擎606可以将故障检测规则620应用到时间序列数据，以便判定时间序列数据的每个样本是否限定为故障。在一些实施例中，仪表故障检测器614和可扩展规则引擎606生成包含故障检测结果的故障检测时间序列。所述故障检测时间序列可以包括一组时间序列值，所述时间序列值中的每一个对应于由仪表故障检测器614和可扩展规则引擎606估计的时间序列数据的数据样本。在一些实施例中，故障检测时间序列中的每个时间序列值包括时间戳和故障检测值。所述时间戳可以与数据时间序列的对应数据样本的时间戳相同。所述故障检测值可以表明数据时间序列的对应数据样本是否符合故障。例如，如果检测到故障，则所述故障检测值可以具有“故障”值，而如果在数据时间序列的对应数据样本中没有检测到故障，则所述故障检测值可以具有“无故障”值。故障检测时间序列可以连同原始时间序列数据和优化时间序列数据一起被存储在本地时间序列数据库628和/或托管时间序列数据库636中。
现在参照图9A和图9B，示出了根据一些实施例的展示了故障检测时间序列的框图和数据表900。在图9A中，作业管理器604被示出为从本地存储设备514或托管存储设备516接收数据时间序列902。数据时间序列902可以是原始数据时间序列或优化数据时间序列。在一些实施例中，数据时间序列902是实际数据点(例如，测得的温度)的值的时间序列。在其他实施例中，数据时间序列902是虚拟数据点(例如，计算的效率)的值的时间序列。如图表900中示出的，数据时间序列902包括一组数据样本。每个数据样本包括时间戳和值。大多数数据样本具有在范围65至66内的值。然而，所述数据样本中的三个具有值42。
作业管理器604可以使用一组故障检测规则620来估计数据时间序列902，以便检测数据时间序列902中的故障。在各实施例中，可以由仪表故障检测器614(例如，如果数据时间序列902是仪表数据)或由可扩展规则引擎606(例如，如果数据时间序列902是非仪表数据)来执行故障检测。在一些实施例中，作业管理器604根据故障检测规则620确定具有值42的数据样本符合故障。
作业管理器604可以生成包含故障检测结果的故障检测时间序列904。如图表900中示出的，故障检测时间序列904包括一组数据样本。与数据时间序列902一样，故障检测时间序列904的每个数据样本包括时间戳和值。故障检测时间序列904的大多数值被示出为“无故障”，表明没有检测到数据时间序列902的对应样本(即，具有相同时间戳的数据样本)的故障。然而，故障检测时间序列904中的数据样本中的三个具有“故障”值，表明数据时间序列902的对应样本符合故障。如图9A中示出的，作业管理器604可以将故障检测时间序列904连同原始时间序列数据和优化时间序列数据一起存储在本地存储设备514(例如，在本地时间序列数据库628中)和/或托管存储设备516(例如，在托管时间序列数据库636中)中。
故障检测时间序列904可以由BMS 500使用以执行各种故障检测、诊断、和/或控制过程。在一些实施例中，故障检测时间序列904进一步由作业管理器604处理以便生成从故障检测时间序列904推导出的新时间序列。例如，样本聚合器608可以使用故障检测时间序列904来生成故障持续时间时间序列。样本聚合器608可以将具有相同数据值的故障检测时间序列904的多个连续数据样本聚合成单个数据样本。例如，样本聚合器608可以将故障检测时间序列904的前两个“无故障”数据样本聚合成表示未检测到故障的时间段的单个数据样本。例如，样本聚合器608可以将故障检测时间序列904的最后两个“故障”数据样本聚合成表示检测到故障的时间段的单个数据样本。
在一些实施例中，故障持续时间时间序列中的每个数据样本具有故障发生时间和故障持续时间。所述故障发生时间可以由故障持续时间时间序列中的数据样本的时间戳来指示。样本聚合器608可以将故障持续时间时间序列中的每个数据样本的时间戳设置为等于被聚合以形成聚合数据样本的故障检测时间序列904中的该数据样本序列中的第一数据样本的时间戳。例如，如果样本聚合器608聚合故障检测时间序列904的前两个“无故障”数据样本，则样本聚合器608可以将聚合数据样本的时间戳设置为2015-12-31T23:10:00。类似地，如果样本聚合器608聚合故障检测时间序列904的最后两个“故障”数据样本，则样本聚合器608可以将聚合数据样本的时间戳设置为2015-12-31T23:50:00。
所述故障持续时间可以由故障持续时间时间序列中的数据样本的值来指示。样本聚合器608可以将故障持续时间时间序列中的每个数据样本的值设置为等于由被聚合以形成聚合数据样本的故障检测时间序列904中的连续数据样本跨越的持续时间。样本聚合器608可以通过从包括在聚合中的数据样本之后的故障检测时间序列904的下一个数据样本的时间戳中减去包括在聚合中的故障检测时间序列904的第一数据样本的时间戳来计算由多个连续数据样本跨越的持续时间。
例如，如果样本聚合器608聚合故障检测时间序列904的前两个“无故障”数据样本，则样本聚合器608可以通过从二十分钟聚合持续时间的时间戳2015-12-31T23:30:00(即，连续“无故障”样本之后的第一个“故障”样本的时间戳)中减去时间戳2015-12-31T23:10:00(即，第一个“无故障”样本的时间戳)来计算聚合数据样本的持续时间。类似地，如果样本聚合器608聚合故障检测时间序列904的最后两个“故障”数据样本，则样本聚合器608可以通过从二十分钟聚合持续时间的时间戳2016-01-01T00:10:00(即，连续“故障”样本之后的第一个“无故障”样本的时间戳)中减去时间戳2015-12-31T23:50:00(即，包括在聚合中的第一个“故障”样本的时间戳)来计算聚合数据样本的持续时间。
现在参照图9C，示出了根据一些实施例的展示了如何在BMS 500中生成、存储、和使用各种时间序列的流程图。数据采集器512被示出为从建筑物子系统428接收数据样本。在一些实施例中，所述数据样本包括各数据点的数据值。取决于数据点的类型，所述数据值可以是测得的或计算的值。例如，从温度传感器接收到的数据点可以包括指示由温度传感器测得的温度的经测量数据值。从冷却器控制器接收到的数据点可以包括指示冷却器的计算效率的经计算数据值。数据采集器512可以从建筑物子系统428内的多个不同装置接收数据样本。
在一些实施例中，每个数据样本与指示对应数据值被测量或计算的时间的时间戳一起被接收。在其他实施例中，数据采集器512基于数据样本被接收的时间将时间戳添加至数据样本。数据采集器512可以为数据点中的每一个生成原始时间序列数据，其中针对所述数据点接收数据样本。每个时间序列可以包括同一数据点的一系列数据值以及所述数据值中的每一个的时间戳。例如，由温度传感器提供的数据点的时间序列可以包括由所述温度传感器测得的一系列温度值以及测量所述温度值的对应时间。
数据采集器512可以将时间戳添加至数据样本或者修改现有时间戳，以使得每个数据样本包括本地时间戳。每个本地时间戳指示对应数据样本被测量或采集的本地时间，并且可以包括相对于世界时间的偏差。本地时间戳指示测量时在数据点被测量的位置处的本地时间。所述偏差指示本地时间与世界时间(例如，国际日期变更线处的时间)之间的差。例如，在世界时间之后六个小时的时区中采集的数据样本可以包括本地时间戳(例如，Timestamp＝2016-03-18T14:10:02)以及指示所述本地时间戳是世界时间(例如，offset＝-6:00)之后六个小时的偏差。可以取决于当测量或采集数据样本时所述时区是否处于夏令时来调整(例如，+1:00或-1:00)所述偏差。数据采集器512可以将原始时间序列数据提供至控制应用536、数据清理器644，和/或将原始时间序列数据存储在时间序列存储设备515中(即，本地存储设备514和/或托管存储设备516)。
数据清理器644可以从时间序列存储设备515中检索原始数据时间序列并且清理所述原始数据时间序列。清理原始数据时间序列可以包括丢弃分外高或低的数据。例如，数据清理器644可以针对原始数据时间序列识别最小预期数据值和最大预期数据值。数据清理器644可以丢弃在此范围之外的数据值作为不良数据。在一些实施例中，最小预期值和最大预期值是基于由时间序列表示的数据点的属性的。例如，室外气温数据点可以具有在针对给定地理位置的合理室外气温值的范围(例如，在-20°F与110°F之间)内的预期值。
在一些实施例中，数据清理器644识别数据点可以在连续数据样本之间变化的最大速率。最大变化速率可以基于物理原理(例如，热传递原理)、天气模式、或限制特定数据点的最大变化速率的其他参数。例如，室外气温数据点可以被限制为具有小于最大合理室外温度变化率(例如，每分钟五度)的变化速率。如果原始数据时间序列的两个连续数据样本具有需要室外气温以超过最大预期变化率的速率变化的值，则数据清理器644可以丢弃所述数据样本中的一个或两者作为不良数据。
数据清理器644可以执行各种数据清理操作中的任一种以便识别和丢弃不良数据样本。在2012年9月28日提交的题为“用于数据品质控制和清理的系统和方法(Systems andMethods for Data Quality Control and Cleansing)”的美国专利申请号13/631,301中描述了可以由数据清理器644执行的数据清理操作的若干示例，所述美国专利申请的全部披露内容通过引用结合在此。在一些实施例中，数据清理器644在样本聚合器608生成数据上卷时间序列之前对原始数据时间序列执行数据清理操作。这确保了被用于生成数据上卷时间序列的原始数据时间序列不包括任何不良数据。因此，在执行聚合之后不需要对数据上卷时间序列进行再次清理。数据采集器644可以将清理的时间序列数据提供至控制应用536、样本聚合器608，和/或将清理的时间序列数据存储在时间序列存储设备515中。
样本聚合器608可以从时间序列存储设备515中检索任何数据时间序列(例如，原始数据时间序列、清理的数据时间序列、数据上卷时间序列、故障检测时间序列等)并且基于所检索到的数据时间序列生成数据上卷时间序列。针对每个数据点，样本聚合器608可以聚合具有在预定时间间隔(例如，一刻钟、一小时、一天等)内的时间戳的一组数据值，以便生成预定时间间隔的聚合数据值。例如，针对特定数据点的原始时间序列数据可以在数据点的连续样本之间具有相对较短的间隔(例如，一分钟)。样本聚合器608可以通过将具有在相对较长间隔(例如，一刻钟)内的时间戳的数据点的所有样本聚合成表示更长间隔的单个聚合值从而根据原始时间序列数据生成数据上卷。
对于一些类型的时间序列，样本聚合器608通过对具有在较长间隔内的时间戳的数据点的所有样本进行求平均来执行聚合。通过求平均进行的聚合可以被用于计算非累积变量(诸如测量值)的时间序列的聚合值。对于其他类型的时间序列，样本聚合器608通过对具有在较长间隔内的时间戳的数据点的所有样本进行求和来执行聚合。通过求和进行的聚合可以被用于计算累积变量(诸如，自先前的样本之后检测到的故障的数量)的时间序列的聚合值。
样本聚合器608可以生成任何类型的数据上卷时间序列，包括例如，平均每刻钟时间序列、平均每小时时间序列、平均每日时间序列、平均每月时间序列、和平均每年时间序列、或如参照图6至图8描述的任何其他类型的数据上卷时间序列。数据上卷时间序列中的每一个可以取决于父代时间序列。在一些实施例中，每次接收到新的原始数据样本和/或每次更新父代时间序列时，样本聚合器608就更新数据上卷时间序列的聚合数据值。样本聚合器608可以将数据上卷时间序列提供至控制应用536、虚拟点计算器610，和/或将数据上卷时间序列存储在时间序列存储设备515中。
虚拟点计算器610可以从时间序列存储设备515中检索任何时间序列并且使用所检索到的数据时间序列来生成虚拟点时间序列。虚拟点计算器可以创建虚拟数据点并且为所述虚拟数据点计算时间序列值。虚拟数据点是从一个或多个实际数据点推导出的一种类型的计算数据点。在一些实施例中，实际数据点是测得的数据点，而虚拟数据点是计算的数据点。当不存在期望用于特定应用的传感器数据时，虚拟数据点可以被用作实际传感器数据的替代物，但是可以根据一个或多个实际数据点计算得到。例如，可以使用测量制冷剂的温度和压力的实际数据点来计算表示制冷剂的焓的虚拟数据点。虚拟数据点还可以被用于提供计算量(诸如，效率、性能系数、以及不能被直接测量的其他变量)的时间序列值。
虚拟点计算器610可以通过将各种数学运算或函数中的任一种应用到实际数据点和/或其他虚拟数据点来计算虚拟数据点。例如，虚拟点计算器610可以通过添加两个或更多个实际数据点(pointID1和pointID2)(例如，pointID3＝pointID1+pointID2)来计算虚拟数据点(pointID3)。作为另一个示例，虚拟点计算器610可以基于测得的温度数据点(pointID5)和测得的压力数据点(pointID6)(例如，pointID4＝enthalpy(pointID5,pointID6))来计算焓数据点(pointID4)。
在一些实例中，可以从单个实际数据点中推导出虚拟数据点。例如，虚拟点计算器610可以基于测得的制冷剂压力(pointID8)(例如，pointID7＝Tsat(pointID8))来计算已知制冷剂的饱和温度(pointID7)。通常，虚拟点计算器610可以使用一个或多个实际数据点的时间序列值和/或一个或多个其他虚拟数据点的时间序列值来计算虚拟数据点的时间序列值。在一些实施例中，每当被用于计算虚拟数据点的源数据被更新时，虚拟点计算器610就自动地更新虚拟点时间序列的值。虚拟点计算器610可以将虚拟点时间序列提供至控制应用536、可扩展规则引擎606，和/或将虚拟点时间序列存储在时间序列存储设备515中。
可扩展规则引擎606可以从时间序列存储设备515中检索任何时间序列并且使用所检索到的数据时间序列来生成故障检测时间序列。可扩展规则引擎606可以将故障检测规则应用到时间序列数据，以便判定时间序列数据的每个样本是否符合故障。在一些实施例中，如参照图9A和图9B描述的，可扩展规则引擎606生成包含故障检测结果的故障检测时间序列。故障检测时间序列可以包括一组时间序列值，所述时间序列值中的每一个对应于由可扩展规则引擎606估计的时间序列数据的数据样本。
在一些实施例中，故障检测时间序列中的每个时间序列值包括时间戳和故障检测值。所述时间戳可以与数据时间序列的对应数据样本的时间戳相同。所述故障检测值可以表明数据时间序列的对应数据样本是否符合故障。例如，如果检测到故障，则所述故障检测值可以具有“故障”值，而如果在数据时间序列的对应数据样本中没有检测到故障，则所述故障检测值可以具有“无故障”值。在一些实施例中，如参照图9A和图9B描述的，可扩展规则引擎606使用故障检测时间序列来生成微分时间序列，诸如，故障持续时间时间序列。可扩展规则引擎606可以将故障检测时间序列提供至控制应用536和/或将故障检测时间序列存储在时间序列存储设备515中。
数据平台服务520(例如，数据清理器644、样本聚合器608、虚拟点计算器610、可扩展规则引擎606等)中的每一个可以从时间序列存储设备515中读取任何数据时间序列，生成新的数据时间序列(例如，清理的数据时间序列、数据上卷时间序列、虚拟点时间序列、故障检测时间序列等)，并且将所述新的数据时间序列存储在时间序列存储设备515中。新的时间序列可以被存储在所述新时间序列所基于的初始时间序列旁边，以使得不必更新所述初始时间序列。这允许多个服务同时从时间序列存储设备515读取相同的数据时间序列而无需任何服务来锁定时间序列。
存储在时间序列存储设备515中的时间序列可以彼此影响。例如，一个或多个第一数据时间序列的值可以影响基于所述第一数据时间序列的一个或多个第二数据时间序列的值。所述第一和第二数据时间序列可以是原始数据时间序列、清理的数据时间序列、数据上卷时间序列、虚拟点时间序列、故障检测时间序列、或由数据平台服务520生成的任何其他时间序列中的任一个。当第一时间序列被更新时，第二时间序列可以由数据平台服务520自动更新。对第二时间序列的更新可以触发对基于所述第二数据时间序列的一个或多个第三数据时间序列的自动更新。设想的是，任何数据时间序列可以基于任何其他数据时间序列并且可以在基础数据时间序列被更新时自动更新。
在操作中，当从建筑物子系统428采集或接收到数据时，原始数据时间序列可以由数据采集器512写入到时间序列存储设备515中。由数据清理器644、样本聚合器608、虚拟点计算器610和可扩展规则引擎606进行的后续处理可以以任何顺序发生。例如，数据清理器644可以清理原始数据时间序列、数据上卷时间序列、虚拟点时间序列、和/或故障检测时间序列。类似地，样本聚合器608可以使用原始数据时间序列、清理的数据时间序列、另一个数据上卷时间序列、虚拟点时间序列、和/或故障检测时间序列来生成数据上卷时间序列。虚拟点计算器610可以基于一个或多个原始数据时间序列、清理的数据时间序列、数据上卷时间序列、其他虚拟点时间序列、和/或故障检测时间序列来生成虚拟点时间序列。可扩展规则引擎606可以使用一个或多个原始数据时间序列、清理的数据时间序列、数据上卷时间序列、虚拟点时间序列、和/或其他故障检测时间序列来生成故障检测时间序列。
再次参照图6，分析服务524被示出为包括分析web服务618、故障检测规则620和原因622、规则编辑器624、和分析存储接口626。分析web服务618被配置用于与基于web的应用进行交互，以便发送和/或接收故障检测规则620和原因622以及数据分析的结果。在一些实施例中，分析web服务618从基于web的规则编辑器624接收故障检测规则620和原因622。例如，如果规则编辑器624是基于web的应用，则分析web服务618可以从规则编辑器624接收规则620和原因622。在一些实施例中，分析web服务618将分析结果提供至基于web的应用。例如，如果应用530中的一个或多个是基于web的应用，则分析web服务618可以将故障检测时间序列提供至基于web的应用。
分析存储接口626被配置用于与本地存储设备514和/或托管存储设备516进行交互。例如，分析存储接口626可以从本地存储设备514内的本地规则数据库632或从托管存储设备516内的托管规则数据库636中检索规则620。类似地，分析存储接口626可以从本地存储设备514内的本地原因数据库634或从托管存储设备516内的托管原因数据库642中检索原因622。分析存储接口626还可以将规则620和原因622存储在本地存储设备514和/或托管存储设备516内。
实体图
现在参照图10A，示出了根据一些实施例的实体图1000。在一些实施例中，如参照图5所描述的，由数据采集器512生成或使用实体图1000。实体图1000描述了如何组织建筑物以及建筑物内的不同系统和空间如何彼此相关。例如，实体图1000被示出为包括组织1002、空间1004、系统1006、点1008、以及时间序列1009。将组织1002、空间1004、系统1006、点1008、和时间序列1009互连的箭头标识这种实体之间的关系。在一些实施例中，所述关系被存储为由属性描述的实体的属性。
组织1002被示出为包括：包含后代属性(contains descendants attribute)1010、父代祖先属性(parent ancestors attribute)1012、包含属性(containsattribute)1014、位于属性1016(located in attribute)、由祖先占用属性(occupied byancestors attribute)1018、以及占用属性(occupies by attribute)1022。包含后代属性1010标识包含在组织1002内的任何后代实体。父代祖先属性1012标识组织1002的任何父代实体。包含属性1014标识包含在组织1002内的任何其他组织。包含属性1014旁边的星号表明组织1002可以包含任何数量的其他组织。位于属性1016标识组织1002位于其内的另一个组织。位于属性1016旁边的数字1表明组织1002可以正好位于一个其他组织中。占用属性1022标识由组织1002占用的任何空间。占用属性1022旁边的星号表明组织1002可以占用任何数量的空间。
空间1004被示出为包括：占用属性(occupied by attribute)1020、由祖先占用属性(occupied by ancestors attribute)1018、包含空间后代属性(contains spacedescendants attribute)1024、位于祖先属性(located in ancestors attribute)1026、包含空间属性(contains spaces attribute)1028、位于属性(located in attribute)1030、由系统服务属性(served by systems attribute)1038、以及由系统后代服务属性(served by system descendants attribute)1034。占用属性1020标识由空间1004占用的组织。占用属性1020旁边的数字1表明空间1004可以正好由一个组织占用。由祖先占用属性1018标识由空间1004占用的组织1002的一个或多个祖先。由祖先占用属性1018旁边的星号表明空间1004可以由任何数量的祖先占用。
包含空间后代属性1024标识包含在空间1004内的空间1004的任何后代。位于祖先属性1026标识空间1004位于其内的空间1004的任何祖先。包含空间属性1028标识包含在空间1004内的任何其他空间。包含空间属性1028旁边的星号表明空间1004可以包含任何数量的其他空间。位于属性1030标识空间1004位于其内的另一个空间。位于属性1030旁边的数字1表明空间1004可以正好位于一个其他空间中。由系统服务属性1038标识服务于空间1004的任何系统。由系统服务属性1038旁边的星号表明空间1004可以由任何数量的系统来服务。由系统后代服务属性1034标识服务于空间1004的任何后代系统。由后代系统服务属性1034旁边的星号表明空间1004可以由任何数量的后代系统来服务。
系统1006被示出为包括服务空间属性(serves spaces attribute)1036、服务空间祖先属性(serves space ancestors attribute)1032、子系统后代属性(subsystemdescendants attribute)1040、部分祖先属性(part of ancestors attribute)1042、子系统属性(subsystems attribute)1044、部分属性(part of attribute)1046、以及点属性(points attribute)1050。服务空间属性1036标识由系统1006服务的任何空间。服务空间属性1036旁边的星号表明系统1006可以服务任何数量的空间。服务空间祖先属性1032标识由系统1006服务的空间1004的任何祖先。服务祖先空间属性1032旁边的星号表明系统1006可以服务任何数量的祖先空间。
子系统后代属性1040标识包含在系统1006内的其他系统的任何子系统后代。所述部分祖先属性1042标识系统1006是其一部分的系统1006的任何祖先。子系统属性1044标识包含在系统1006内的任何子系统。子系统属性1044旁边的星号表明系统1006可以包含任何数量的子系统。部分属性1046标识系统1006是其一部分的任何其他系统。部分属性1046旁边的数字1表明系统1006可以正好是一个其他系统的部分。点属性1050标识与系统1006相关联的任何数据点。点属性1050旁边的星号表明任何数量的数据点可以与系统1006相关联。
点1008被示出为包括由系统使用属性1048。由系统使用属性1048旁边的星号表明点1008可以由任何数量的系统使用。点1008还被示出为包括由时间序列使用的属性1054。由时间序列使用的属性1054旁边的星号表明点1008可以由任何数量的时间序列(例如，原始数据时间序列、虚拟点时间序列、数据上卷时间序列等)使用。例如，多个虚拟点时间序列可以基于同一个实际数据点1008。在一些实施例中，由时间序列使用的属性1054被当成支持数据点1008的值变化的时间序列列表。当点1008的值变化时，在由时间序列使用的属性1054中列出的时间序列可以被标识并且自动地更新以反映点1008的变化值。
时间序列1009被示出为包括使用点属性1052。使用点属性1052旁边的星号表明时间序列1009可以使用任何数量的实际数据点。例如，一个虚拟点时间序列可以基于多个实际数据点。在一些实施例中，使用点属性1052被当成用于监测值变化的点列表。当由使用点属性1052标识的任何点被更新时，可以自动地更新时间序列1009以便反映由时间序列1009使用的点的变化值。
时间序列1009还被示出为包括由时间序列使用的属性1056以及使用时间序列属性1058。由时间序列使用的属性1056和使用时间序列属性1058旁边的星号表明：时间序列1009可以由任何数量的其他时间序列使用并且可以使用任何数量的其他时间序列。例如，数据上卷时间序列和虚拟点时间序列两者均可以基于同一个原始数据时间序列。作为另一个示例，单个虚拟点时间序列可以基于多个其他时间序列(例如，多个原始数据时间序列)。在一些实施例中，由时间序列使用的属性1056被当成支持时间序列1009更新的时间序列列表。当时间序列1009被更新时，在由时间序列使用的属性1056中列出的时间序列可以被标识并且自动地更新以反映时间序列1009的变化。类似地，使用时间序列属性1058可以被当成用于监测更新的时间序列列表。当由使用时间序列属性1058标识的任何时间序列被更新时，可以自动地更新时间序列1009以反映对时间序列1009所基于的其他时间序列的更新。
现在参照图10B，示出了根据一些实施例的用于特定建筑物管理系统的实体图1060的示例。实体图1060被示出为包括组织1061(“ACME公司”)。组织1061是人的集合、合法实体、公司、代理、或其他类型的组织。组织1061占用空间1063(“密尔沃基校园(MilwaukeeCampus)”)，如由占用属性1064指示的。空间1063被组织1061占用，如由占用属性1062指示的。
在一些实施例中，空间1063是空间层次中的顶层空间。例如，空间1063可以表示整个校园(即，建筑物集合)。空间1063可以包含各种子空间(例如，单独的建筑物)，诸如空间1065(“建筑物1”)和空间1073(“建筑物2”)，如由包含属性1068和1080指示的。空间1065和1080位于空间1063中，如由位于属性1066指示的。空间1065和1073中的每一个可以包含更低层的子空间，诸如单独的楼层、区域、或每个建筑物内的房间。然而，为简单起见，从实体图1060中省略了这种子空间。
空间1065由系统1067(“电主要仪表1”)服务，如由服务属性1072指示的。系统1067可以是服务于空间1065的任何系统(例如，HVAC系统、照明系统、电气系统、安全系统等)。服务属性1070表明系统1067服务于空间1065。在实体图1060中，系统1067被示出为电气系统，所述电气系统具有如由子系统属性1076和1078所指示的子系统1069(“照明子仪表1”)和子系统1071(“插头负载子仪表2”)。子系统1069和1071是系统1067的一部分，如由部分属性1074指示的。
空间1073由系统1075(“电主要仪表2”)服务，如由服务属性1084指示的。系统1075可以是服务于空间1073的任何系统(例如，HVAC系统、照明系统、电气系统、安全系统等)。服务属性1082表明系统1075服务于空间1073。在实体图1060中，系统1075被示出为电气系统，所述电气系统具有如由子系统属性1088所指示的子系统1077(“照明子仪表3”)。子系统1077是系统1075的一部分，如由部分属性1086指示的。
除了图10B中示出的属性之外，实体图1060还可以包括层次中的每个实体上的“祖先”属性和“后代”属性。所述祖先属性可以标识(例如，在平面列表中)作为给定实体的祖先的所有实体。例如，空间1065的祖先属性可以将空间1063和组织1061两者均标识为祖先。类似地，所述后代属性可以标识(例如，在平面列表中)作为给定实体的后代的所有实体。例如，空间1065的后代属性可以将系统1067、子系统1069和子系统1071全都标识为后代。这为每个实体提供了其祖先和后代的完整列表，不论层次树中包含了多少层级。这是传递闭包的形式。
在一些实施例中，由后代属性和祖先属性提供的传递闭包允许实体图1060促进简单的查询而不必搜索层次树的多个层级。例如，以下查询可以被用于查找密尔沃基校园空间1063下的所有仪表：
/Systems？$filter＝(systemType eq Jci.Be.Data.SystemType‘Meter’)andancestorSpaces/any(a:a/name eq‘Milwaukee Campus’)
并且可以仅使用密尔沃基校园空间1063的后代属性得到应答。例如，空间1063的后代属性可以标识在层次上低于空间1063的所有仪表。后代属性可以被组织为平面列表并且被存储为空间1063的属性。这允许通过仅搜索空间1063的后代属性来服务查询而无需搜索层次的其他层级或实体。
现在参照图11，示出了根据一些实施例的对象关系图1100。关系图1100被示出为包括实体模板1102、点1104、时间序列1106、以及样本1108。在一些实施例中，实体模板1102、点1104、时间序列1106、和样本1108作为数据对象被存储在存储器510、本地存储设备514、和/或托管存储设备516内。关系图1100展示了实体模板1102、点1104与时间序列1106之间的关系。
实体模板1102可以包括各种属性，诸如ID属性、名称属性、特性属性、以及关系属性。所述ID属性可以被提供作为文本串并且标识实体模板1102的唯一ID。所述名称属性也可以被提供作为文本串并且标识实体模板1102的名称。所述性能属性可以被提供作为向量并且标识实体模板1102的一个或多个特性。所述关系属性也可以被提供作为向量并且标识实体模板1102的一种或多种关系。
点1104可以包括各种属性，诸如ID属性、实体模板ID属性、时间序列属性、以及单位ID属性。所述ID属性可以被提供作为文本串并且标识点1104标识的唯一ID。所述实体模板ID属性也可以被提供作为文本串并且标识与点1104相关联的实体模板1102(例如，通过列出实体模板1102的ID属性)。任何数量的点1104可以与实体模板1102相关联。然而，在一些实施例中，每个点11104与单个实体模板1102相关联。所述时间序列属性可以被提供作为文本串并且标识与点1104相关联的任何时间序列(例如，通过列出与点1104相关联的任何时间序列1106的ID串)。所述单位ID属性也可以被提供作为文本串并且标识由点1104量化的变量的单位。
时间序列1106可以包括各种属性，诸如ID属性、样本属性、变换类型属性、以及单位ID属性。所述ID属性可以被提供作为文本串并且标识时间序列1106的唯一ID。所述时间序列1106的唯一ID可以列在点1104的时间序列属性中以使时间序列1106与点1104相关联。任何数量的时间序列1106可以与点1104相关联。每个时间序列1106与单个点1104相关联。所述样本属性可以被提供作为向量并且标识与时间序列1106相关联的一个或多个样本。所述变换类型属性标识被用于生成时间序列1106的变换的类型(例如，平均每小时、平均每日、平均每月等)。所述单位ID属性也可以被提供作为文本串并且标识由时间序列1106量化的变量的单位。
样本1108可以包括时间戳属性和值属性。所述时间戳属性可以设置成本地时间并且可以包括相对于世界时间的偏差。所述值属性可以包括样本1108的数据值。在一些实例中，所述值属性是(例如，所测量测变量的)数值。在其他实例中，所述值属性可以是文本串，诸如“故障”，如果样本1108是故障检测时间序列的一部分。
仪表板布局
现在参照图12，示出了根据一些实施例的展示了仪表板布局生成器518的操作的框图。仪表板布局生成器518被示出为接收点1202、原始时间序列数据1204、以及优化时间序列数据1206。点1202可以包括实际数据点(例如，测得的数据点)、虚拟数据点(例如，计算的数据点)、或者在BMS 500处接收的或由BMS 500计算的样本数据的其他类型的数据点。如参照图11所描述的，点1202可以包括点1104的实例。例如，点1202中的每一个可以包括点ID、实体模板ID、与所述点相关联的一个或多个时间序列的指示、以及单位ID。原始时间序列数据1204可以包括由数据采集器512采集或生成的原始时间序列数据。优化时间序列数据1206可以包括数据上卷时间序列、清理的时间序列、虚拟点时间序列、天气点时间序列、故障检测时间序列、和/或可以由作业管理器604生成或处理的其他类型的时间序列。
仪表板布局生成器518被示出为生成仪表板布局描述1208。在一些实施例中，仪表板布局描述1208是可以被用于由各种不同的渲染引擎(例如，web浏览器、PDF引擎等)和/或框架来渲染用户界面(即，仪表板布局)的框架未知布局描述。仪表板布局描述1208自身不是用户界面，而是可以由应用530和其他框架使用以生成用户界面的架构。许多不同的框架和应用530可以读取和使用仪表板布局描述1208以便根据框架的主题和大小生成用户界面。在一些实施例中，仪表板布局描述1208使用行列网格来描述仪表板布局。
现在参照图13，示出了展示仪表板布局描述1208的网格1300。网格1300被示出为包括m行和n列的m×n网格。行和列的相交限定了小插件可以位于的网格1300中的特定位置。例如，网格1300被示出为包括在第一行与第二列的相交处的文本小插件1302。网格1300还包括在第二行与第二列的相交处的曲线图小插件1304。在一些实施例中，小插件1302和1304的位置是由网格1300的行索引和列索引限定的。例如，仪表板布局描述1208可以通过指定文本小插件1302位于网格1300的第一行与第二列的相交处来限定文本小插件1302的位置。类似地，仪表板布局描述1208可以通过指定曲线图小插件1304位于网格1300的第二行与第二列的相交处来限定曲线图小插件1304的位置。
在一些实施例中，仪表板布局描述1208限定每个小插件的各种特性。例如，小插件1302和1304可以具有限定小插件类型的小插件类型特性(例如，文本、曲线图、图像等)。在一些实施例中，小插件1302具有限定由小插件1302显示的文本的文本特性。小插件1304可以包括限定曲线图的各种属性的曲线图特性(例如，曲线图标题、x轴标题、y轴标题等)。在一些实施例中，曲线图小插件1304包括限定了小插件1304中显示的数据的一个或多个时间序列的特性。所述时间序列可以是同一数据点的不同时间序列(例如，原始数据时间序列、平均每小时时间序列、平均每日时间序列等)或者是不同数据点的时间序列。在一些实施例中，曲线图小插件1304包括限定了驱动小插件1304的小插件名称和一组API的特性(例如，服务URL或数据库URL)。
在一些实施例中，仪表板布局描述1208包括顶层仪表板元素，所述顶层仪表板元素包含应用于整个仪表板布局的特性。例如，这种特性可以包括：仪表板名称、小插件是否可折叠、仪表板是否可编辑、以及网格布局。网格布局可以被限定为对象(例如，小插件)的阵列，所述对象中的每一个是特性阵列。仪表板布局可以是静态的、动态的、或用户自定义的。当所述布局不发生变化时可以使用静态布局。动态布局可以被用于将更多特征添加到现有仪表板。用户自定义的布局可以被用于允许用户调整仪表板(例如，通过添加或移除小插件)。
仪表板布局描述1208可以被用于驱动各种服务。在一些实施例中，仪表板布局描述1208使能提供用户界面作为服务。在此场景中，仪表板布局生成器518可以为框架提供预定义小插件。所述框架可以读取仪表板布局描述1208并且渲染用户界面。将用户界面提供为服务允许将新的小插件添加到预定义小插件。在其他实施例中，仪表板布局描述1208使能提供数据可视化作为服务。
现在参照图14和图15，示出了根据一些实施例的仪表板布局描述1400以及可以根据仪表板布局描述1400生成的仪表板布局1500的示例。具体地参照图14，仪表板布局描述1400被示出为包括应用于整个仪表板布局1500的若干特性1402。特性1402被示出为包括仪表板布局1500的名称以及限定了仪表板布局1500是否可折叠、可最大化、和/或可编辑的特性。
在一些实施例中，以JSON格式对仪表板布局描述1400进行描述。例如，仪表板布局描述1400被示出为包括行对象1404以及包含在行对象1404内的列对象1406。列对象1406包含两个元素。因此，仪表板布局描述1400限定了包括单个行以及在所述行内的两个列的布局。所述列中的每一列包括小插件。例如，列对象1406的第一元素包括第一小插件对象1408，而列对象1406的第二元素包括第二小插件对象1410。
小插件对象1408包括限定了小插件对象1408的各种属性的若干特性1412。例如，小插件对象1408被示出为包括限定了小插件名称(即，MEMS仪表)、小插件类型(即，样条曲线)和小插件配置的特性。样条曲线类型表明小插件对象1408限定了线状图。所述小插件配置特性包括限定了线状图属性的若干子特性1414。子特性1414被示出为包括标题、x轴标注(即，日期时间)、y轴标注(即KW)、限定了驱动小插件对象1408的API的令牌API、以及限定了驱动小插件对象1408的另一API的样本API。子特性1414还包括限定了可以在小插件对象1408中显示的若干时间序列的点特性。
类似地，小插件对象1410包括限定了小插件对象1410的各种属性的若干特性1416。例如，小插件对象1410被示出为包括限定了小插件名称(即，MEMS仪表)、小插件类型(即，列)和小插件配置的特性。列类型表明小插件对象1410限定了条形图。所述小插件配置特性包括限定了条形图属性的若干子特性1418。子属性1418被示出为包括标题、x轴标注(即，日期)、y轴标注(即KWH)、限定了驱动小插件对象1410的API的令牌API、和限定了驱动小插件对象1410的另一个API的样本API。子特性1418还包括限定了可以在小插件对象1410中显示的若干时间序列的点特性。
现在参照图15，仪表板布局1500被示出为包括标题1502、第一小插件1504、以及第二小插件1506。标题1502的文本由特性1402限定，而第一小插件1504由小插件对象1408限定，并且第二小插件1506由小插件对象1410限定。仪表板布局1500包括单个行以及所述行内的两个列。第一列包括第一小插件1504，而第二列包括第二小插件1506。小插件1504被示出为包括标题1508“MEMS仪表”(由特性1412限定)、以及可以被用于选择由子特性1414限定的时间序列中的任一个的下拉选择器1512。类似地，小插件1506被示出为包括标题1510“MEMS仪表”(由特性1416限定)、以及可以被用于选择由子特性1418限定的时间序列中的任一个的下拉选择器1514。
现在参照图16和图17，示出了根据一些实施例的仪表板布局描述1600以及可以根据仪表板布局描述1600生成的仪表板布局1700的另一个示例。具体地参照图16，仪表板布局描述1600被示出为包括应用于整个仪表板布局1700的若干特性1602。特性1602被示出为包括仪表板布局1700的名称以及限定了仪表板布局1700是否可折叠、可最大化、和/或可编辑的特性。
在一些实施例中，以JSON格式对仪表板布局描述1600进行描述。例如，仪表板布局描述1600被示出为包括行对象1604。行对象1604具有两个数据元素，每个数据元素限定了仪表板布局1700的不同行。行对象1604的第一元素包含第一列对象1606，而行对象1604的第二元素包含第二列对象1607。列对象1606具有包括第一小插件对象1608的单个元素。然而，列对象1607具有两个元素，所述两个元素中的每一个包括小插件对象(即，小插件对象1610和1620)。因此，仪表板布局描述1600限定了包括具有一列的第一行以及具有两列的第二行的布局。所述第一行包含小插件对象1608。所述第二行包含相邻列中的两个小插件对象1610和1620。
小插件对象1608包括限定了小插件对象1608的各种属性的若干特性1612。例如，小插件对象1608被示出为包括限定了小插件名称(即，BTU仪表)、小插件类型(即，样条曲线)和小插件配置的特性。样条曲线类型表明小插件对象1608限定了线状图。所述小插件配置特性包括限定了线状图属性的若干子特性1614。子特性1614被示出为包括标题、x轴标注、y轴标注、限定了驱动小插件对象1608的API的令牌API、以及限定了驱动小插件对象1608的另一API的样本API。子特性1614还包括限定了可以在小插件对象1608中显示的若干时间序列的点特性。
类似地，小插件对象1610包括限定了小插件对象1610的各种属性的若干特性1616。例如，小插件对象1610被示出为包括限定了小插件名称(即，仪表1)、小插件类型(即，样条曲线)和小插件配置的特性。样条曲线类型表明小插件对象1610限定了线状图。所述小插件配置特性包括限定了线状图属性的若干子特性1618。子特性1618被示出为包括标题、x轴标注、y轴标注、限定了驱动小插件对象1610的API的令牌API、以及限定了驱动小插件对象1610的另一API的样本API。子特性1618还包括限定了可以在小插件对象1610中显示的若干时间序列的点特性。
小插件对象1620包括限定了小插件对象1620的各种属性的若干特性1622。例如，小插件对象1620被示出为包括限定了小插件名称(即，仪表1)、小插件类型(即，样条曲线)和小插件配置的特性。样条曲线类型表明小插件对象1620限定了线状图。所述小插件配置特性包括限定了线状图属性的若干子特性1624。子特性1624被示出为包括标题、x轴标注、y轴标注、限定了驱动小插件对象1620的API的令牌API、以及限定了驱动小插件对象1620的另一API的样本API。子特性1624还包括限定了可以在小插件对象1620中显示的若干时间序列的点特性。
现在参照图17，仪表板布局1700被示出为包括标题1702、第一小插件1704、第二小插件1706、以及第三小插件1707。标题1702的文本由特性1602限定。第一小插件1704的内容由小插件对象1608限定；第二小插件1706的内容由小插件对象1610限定；并且第三小插件1707的内容由小插件对象1620限定。仪表板布局1700包括两行。第一行包括单个列，而第二行包括两列。所述第一行包括第一小插件1704，而所述第二行包括所述第一列中的第二小插件1706以及所述第二列中的第三小插件1707。
小插件1704被示出为包括标题1708“BTU仪表”(由特性1612限定)、以及可以被用于选择由子特性1614限定的时间序列中的任一个的下拉选择器1712。类似地，小插件1706被示出为包括标题1710“仪表1”(由特性1616限定)、以及可以被用于选择由子特性1618限定的时间序列中的任一个的下拉选择器1714。小插件1707被示出为包括标题1711“仪表1”(由特性1622限定)、以及可以被用于选择由子特性1624限定的时间序列中的任一个的下拉选择器1715。
示例性实施例的配置
如各个示例性实施例中所示出的系统和方法的构造和安排仅是说明性的。尽管本披露中仅详细描述了几个实施例，但是许多修改是可能的(例如，各种元件的大小、尺寸、结构、形状和比例、参数的值、安装安排、材料的使用、颜色、定向等变化)。例如，元件的位置可以颠倒或以其他方式变化，并且离散元件的性质或数量或位置可以更改或变化。因此，所有这类修改旨在被包括在本披露的范围内。可以根据替代实施例对任何过程或方法步骤的顺序或序列进行改变或重新排序。在不脱离本披露范围的情况下，可以在示例性实施例的设计、操作条件和安排方面作出其他替代、修改、改变、和省略。
本披露设想了用于完成各种操作的方法、系统和任何机器可读介质上的程序产品。可以使用现有计算机处理器或由结合用于此目的或另一目的的适当系统的专用计算机处理器或由硬接线系统来实施本披露的实施例。本披露范围内的实施例包括程序产品，所述程序产品包括用于承载或具有存储在其上的机器可执行指令或数据结构的机器可读介质。这种机器可读介质可以是可以由通用或专用计算机或具有处理器的其他机器访问的任何可用介质。举例来讲，这类机器可读介质可以包括RAM、ROM、EPROM、EEPROM、CD-ROM或其他光盘存储设备、磁盘存储设备或其他磁存储装置等，或者可以用来以机器可执行指令或数据结构的形式承载或存储期望程序代码并且可以由通用或专用计算机或具有处理器的其他机器访问的任何其他介质。上述内容的组合也包括在机器可读介质的范围内。机器可执行指令包括例如使通用计算机、专用计算机或专用处理机器执行某一功能或功能组的指令和数据。
尽管附图示出了方法步骤的特定顺序，但是步骤的顺序可以不同于所描绘的顺序。还可以同时或部分同时地执行两个或更多个步骤。这种变型将取决于所选软件和硬件系统以及设计者的选择。所有此类变型都在本披露的范围内。同样，可以用具有基于规则的逻辑和用于实施各个连接步骤、处理步骤、比较步骤和判定步骤的其他逻辑的标准编程技术来实施软件实施方式。
Claims (20)
1.一种建筑物管理系统，包括：
建筑物设备，可操作用于监测和控制所述建筑物管理系统中的变量并且提供所述变量的原始数据样本；
数据采集器，被配置用于从所述建筑物设备采集所述原始数据样本、生成包括多个所述原始数据样本的原始数据时间序列、并且将所述原始数据时间序列存储在时间序列数据库中；
样本聚合器，被配置用于在从所述建筑物设备采集所述原始数据样本时，通过聚合所述原始数据样本来自动生成包括多个聚合数据样本的数据上卷时间序列，并且将所述数据上卷时间序列存储在所述时间序列数据库中；以及
应用，被配置用于响应于对与所述变量相关联的时间序列数据的请求而从所述时间序列数据库中检索所述原始数据时间序列和所述数据上卷时间序列。
2.如权利要求1所述的建筑物管理系统，其中，所述数据采集器被配置用于存储具有时间戳的所述原始数据样本中的每一个，所述时间戳包括：
本地时间，指示在其内采集所述原始数据样本的时区中采集所述原始数据样本的时间；以及
时间偏差，指示所述本地时间与世界时间之差。
3.如权利要求1所述的建筑物管理系统，其中：
所述原始数据样本中的每一个包括时间戳和原始数据值；以及
所述样本聚合器被配置用于通过聚合具有在预定聚合间隔内的时间戳的所述原始数据样本中一个或多个来生成所述聚合数据样本中的每一个。
4.如权利要求3所述的建筑物管理系统，其中，聚合所述一个或多个原始数据样本包括对所述一个或多个原始数据样本的所述原始数据值进行求平均。
5.如权利要求1所述的建筑物管理系统，其中，所述样本聚合器被配置用于每次从所述建筑物设备采集到新原始数据样本时自动更新所述数据上卷时间序列。
6.如权利要求5所述的建筑物管理系统，其中，所述样本聚合器被配置用于通过以下操作来自动更新所述数据上卷时间序列：
识别所述新原始数据样本的时间戳；
识别数据上卷时间序列的、使用包括所述新原始数据样本的所述时间戳的聚合间隔生成的聚合数据样本；以及
使用具有在所述聚合间隔内的时间戳的所述新原始数据样本和任何其他原始数据样本来重新计算所识别的聚合数据样本的聚合数据值。
7.如权利要求5所述的建筑物管理系统，其中，所述样本聚合器被配置用于通过以下操作来自动更新所述数据上卷时间序列：
识别所述新原始数据样本的时间戳；
确定所述新原始数据样本的所述时间戳未处于用于生成所述多个聚合数据样本的任何聚合间隔内；
使用所述新原始数据样本以及包括所述原始数据样本的所述时间戳的新聚合间隔来生成新的聚合数据样本；以及
将所述新的聚合数据样本添加至所述数据上卷时间序列。
8.如权利要求1所述的建筑物管理系统，其中，所述样本聚合器被配置用于在使用所述原始数据时间序列生成所述数据上卷时间序列之前对所述原始数据时间序列执行数据清理操作。
9.如权利要求1所述的建筑物管理系统，其中：
所述聚合数据样本中的每一个包括时间戳和聚合数据值；并且
所述样本聚合器被配置用于通过聚合具有在第二预定聚合间隔内的时间戳的所述聚合数据样本中的一个或多个来生成第二数据上卷时间序列。
10.如权利要求1所述的建筑物管理系统，进一步包括虚拟点计算器，所述虚拟点计算器被配置用于：
创建表示不可由所述建筑物设备直接测量的变量的虚拟数据点；
使用所述原始数据样本和所述聚合数据样本中的至少一者计算所述虚拟数据点的多个样本中的每一个的数据值；
生成包括所述虚拟数据点的所述多个样本的虚拟点时间序列；并且
将所述虚拟点时间序列存储在所述时间序列数据库中。
11.如权利要求1所述的建筑物管理系统，进一步包括可扩展规则引擎，所述可扩展规则引擎被配置用于：
通过将故障检测规则应用到所述原始数据时间序列和所述数据上卷时间序列中的至少一者来检测所述时间序列数据中的故障；
生成包括多个故障检测数据样本的故障检测时间序列，所述故障检测数据样本中的每一个具有时间戳以及指示在所述时间戳处是否检测到故障的数据值；并且
将所述故障检测时间序列存储在所述时间序列数据库中。
12.一种建筑物管理系统，包括：
传感器，被配置用于测量所述建筑物管理系统中的变量并且提供所测量变量的原始数据样本；
数据采集器，被配置用于从所述传感器采集所述原始数据样本、生成包括多个所述原始数据样本的原始数据时间序列、并且将所述原始数据时间序列与测得的数据点相关联；
虚拟点计算器，被配置用于创建表示非测得变量的虚拟数据点、根据所测得的数据点计算所述虚拟数据点、并且生成包括所述虚拟数据点的多个样本的虚拟点时间序列；
时间序列数据库，被配置用于存储所述原始数据时间序列和所述虚拟点时间序列；以及
应用，被配置用于响应于对与所述虚拟数据点相关联的时间序列数据的请求而从所述时间序列数据库中检索所述虚拟点时间序列。
13.如权利要求12所述的建筑物管理系统，其中，所述应用被配置用于同等地处理所述原始数据时间序列和所述虚拟点时间序列两者，而不管各时间序列是否与测得的数据点或虚拟数据点相关联。
14.如权利要求12所述的建筑物管理系统，其中，所述虚拟点计算器被配置用于通过以下操作来计算所述虚拟数据点：
将所测得的数据点的值作为输入应用到数学函数；以及
对所述数学函数求值，以确定所述虚拟数据点的对应值。
15.如权利要求12所述的建筑物管理系统，其中，所述虚拟点计算器被配置用于根据所测得的数据点和一个或多个其他数据点来计算所述虚拟数据点。
16.如权利要求12所述的建筑物管理系统，进一步包括样本聚合器，所述样本聚合器被配置用于：
生成包括多个聚合数据样本的数据上卷时间序列；并且
通过聚合具有在预定聚合间隔内的时间戳的所述原始数据样本中的一个或多个来计算所述聚合数据样本中的每一个的值。
17.如权利要求12所述的建筑物管理系统，进一步包括样本聚合器，所述样本聚合器被配置用于通过使用相等的聚合间隔来聚合所述原始数据时间序列和异步时间序列两者来使所述原始数据时间序列与所述异步时间序列同步。
18.如权利要求17所述的建筑物管理系统，其中，所述虚拟点计算器被配置用于通过以下操作来计算所述虚拟数据点：
识别通过聚合所述原始数据时间序列生成的多个聚合数据值；
针对所述聚合数据值中的每一个，识别通过聚合所述异步时间序列生成的对应的同步数据值；以及
针对所述虚拟数据点中的每一个样本，通过对所述聚合数据值和所述对应的同步数据值之一的函数求值来计算所述样本的数据值。
19.如权利要求12所述的建筑物管理系统，其中：
所测量变量是天气相关变量；
所述数据采集器被配置用于将所述原始数据时间序列与测得的天气相关数据点相关联；
所述虚拟点计算器包括被配置用于根据所测得的天气相关数据点计算所述虚拟数据点的天气点计算器。
20.如权利要求12所述的建筑物管理系统，进一步包括可扩展规则引擎，所述可扩展规则引擎被配置用于：
通过将故障检测规则应用到所述虚拟点时间序列来检测所述时间序列数据中的故障；
生成包括多个故障检测数据样本的故障检测时间序列，所述故障检测数据样本中的每一个具有时间戳以及指示在所述时间戳处是否检测到故障的数据值；并且
将所述故障检测时间序列存储在所述时间序列数据库中。
Applications Claiming Priority (3)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| US15/182,580 | 2016-06-14 | ||
| US15/182,580 US10649419B2 (en) | 2016-06-14 | 2016-06-14 | Building management system with virtual points and optimized data integration |
| PCT/US2017/035524 WO2017218205A1 (en) | 2016-06-14 | 2017-06-01 | Building management system with virtual points and optimized data integration |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN109478303A true CN109478303A (zh) | 2019-03-15 |
| CN109478303B CN109478303B (zh) | 2022-05-10 |
Family
ID=59093609
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201780043400.2A Active CN109478303B (zh) | 2016-06-14 | 2017-06-01 | 具有虚拟点和优化数据集成的建筑物管理系统 |
Country Status (3)
| Country | Link |
|---|---|
| US (2) | US10649419B2 (zh) |
| CN (1) | CN109478303B (zh) |
| WO (1) | WO2017218205A1 (zh) |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN114416238A (zh) * | 2021-12-28 | 2022-04-29 | 成都易达数安科技有限公司 | 一种基于动态布局技术的仪表盘智能配置方法 |
Families Citing this family (82)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US9411327B2 (en) | 2012-08-27 | 2016-08-09 | Johnson Controls Technology Company | Systems and methods for classifying data in building automation systems |
| US10031494B2 (en) | 2014-08-15 | 2018-07-24 | Honeywell International Inc. | Dashboard and button/tile system for an interface |
| US10534326B2 (en) | 2015-10-21 | 2020-01-14 | Johnson Controls Technology Company | Building automation system with integrated building information model |
| US10527306B2 (en) * | 2016-01-22 | 2020-01-07 | Johnson Controls Technology Company | Building energy management system with energy analytics |
| US10055114B2 (en) * | 2016-01-22 | 2018-08-21 | Johnson Controls Technology Company | Building energy management system with ad hoc dashboard |
| US10649419B2 (en) | 2016-06-14 | 2020-05-12 | Johnson Controls Technology Company | Building management system with virtual points and optimized data integration |
| US11947785B2 (en) * | 2016-01-22 | 2024-04-02 | Johnson Controls Technology Company | Building system with a building graph |
| US10055206B2 (en) * | 2016-06-14 | 2018-08-21 | Johnson Controls Technology Company | Building management system with framework agnostic user interface description |
| US11268732B2 (en) * | 2016-01-22 | 2022-03-08 | Johnson Controls Technology Company | Building energy management system with energy analytics |
| US11768004B2 (en) | 2016-03-31 | 2023-09-26 | Johnson Controls Tyco IP Holdings LLP | HVAC device registration in a distributed building management system |
| US10417451B2 (en) | 2017-09-27 | 2019-09-17 | Johnson Controls Technology Company | Building system with smart entity personal identifying information (PII) masking |
| US10505756B2 (en) | 2017-02-10 | 2019-12-10 | Johnson Controls Technology Company | Building management system with space graphs |
| US11774920B2 (en) | 2016-05-04 | 2023-10-03 | Johnson Controls Technology Company | Building system with user presentation composition based on building context |
| US20180163991A1 (en) * | 2016-12-13 | 2018-06-14 | Haier Us Appliance Solutions, Inc. | Water Heater Appliance |
| US10684033B2 (en) | 2017-01-06 | 2020-06-16 | Johnson Controls Technology Company | HVAC system with automated device pairing |
| US10278048B2 (en) | 2017-01-18 | 2019-04-30 | Johnson Controls Technology Company | Systems and methods for enhancing building management system interaction and visualization |
| US11900287B2 (en) | 2017-05-25 | 2024-02-13 | Johnson Controls Tyco IP Holdings LLP | Model predictive maintenance system with budgetary constraints |
| US10452043B2 (en) | 2017-02-10 | 2019-10-22 | Johnson Controls Technology Company | Building management system with nested stream generation |
| US11360447B2 (en) | 2017-02-10 | 2022-06-14 | Johnson Controls Technology Company | Building smart entity system with agent based communication and control |
| US10854194B2 (en) | 2017-02-10 | 2020-12-01 | Johnson Controls Technology Company | Building system with digital twin based data ingestion and processing |
| US11994833B2 (en) | 2017-02-10 | 2024-05-28 | Johnson Controls Technology Company | Building smart entity system with agent based data ingestion and entity creation using time series data |
| US20190095518A1 (en) | 2017-09-27 | 2019-03-28 | Johnson Controls Technology Company | Web services for smart entity creation and maintenance using time series data |
| US11764991B2 (en) | 2017-02-10 | 2023-09-19 | Johnson Controls Technology Company | Building management system with identity management |
| US10095756B2 (en) | 2017-02-10 | 2018-10-09 | Johnson Controls Technology Company | Building management system with declarative views of timeseries data |
| US10515098B2 (en) | 2017-02-10 | 2019-12-24 | Johnson Controls Technology Company | Building management smart entity creation and maintenance using time series data |
| US11307538B2 (en) | 2017-02-10 | 2022-04-19 | Johnson Controls Technology Company | Web services platform with cloud-eased feedback control |
| US11042144B2 (en) | 2017-03-24 | 2021-06-22 | Johnson Controls Technology Company | Building management system with dynamic channel communication |
| US11327737B2 (en) | 2017-04-21 | 2022-05-10 | Johnson Controls Tyco IP Holdings LLP | Building management system with cloud management of gateway configurations |
| US10788229B2 (en) | 2017-05-10 | 2020-09-29 | Johnson Controls Technology Company | Building management system with a distributed blockchain database |
| US11022947B2 (en) | 2017-06-07 | 2021-06-01 | Johnson Controls Technology Company | Building energy optimization system with economic load demand response (ELDR) optimization and ELDR user interfaces |
| WO2018232147A1 (en) | 2017-06-15 | 2018-12-20 | Johnson Controls Technology Company | Building management system with artificial intelligence for unified agent based control of building subsystems |
| WO2019018304A1 (en) | 2017-07-17 | 2019-01-24 | Johnson Controls Technology Company | SYSTEMS AND METHODS FOR BUILDING SIMULATION ON THE BASIS OF AN AGENT FOR OPTIMAL CONTROL |
| EP3655824A1 (en) | 2017-07-21 | 2020-05-27 | Johnson Controls Technology Company | Building management system with dynamic work order generation with adaptive diagnostic task details |
| US10619882B2 (en) | 2017-07-27 | 2020-04-14 | Johnson Controls Technology Company | Building management system with scorecard for building energy and equipment performance |
| US11195401B2 (en) | 2017-09-27 | 2021-12-07 | Johnson Controls Tyco IP Holdings LLP | Building risk analysis system with natural language processing for threat ingestion |
| US10962945B2 (en) | 2017-09-27 | 2021-03-30 | Johnson Controls Technology Company | Building management system with integration of data into smart entities |
| US11314788B2 (en) | 2017-09-27 | 2022-04-26 | Johnson Controls Tyco IP Holdings LLP | Smart entity management for building management systems |
| US11281169B2 (en) | 2017-11-15 | 2022-03-22 | Johnson Controls Tyco IP Holdings LLP | Building management system with point virtualization for online meters |
| US10809682B2 (en) | 2017-11-15 | 2020-10-20 | Johnson Controls Technology Company | Building management system with optimized processing of building system data |
| US11105528B2 (en) | 2017-11-15 | 2021-08-31 | Johnson Controls Tyco IP Holdings LLP | Building management system with automatic synchronization of point read frequency |
| US10564616B2 (en) | 2017-11-15 | 2020-02-18 | Johnson Controls Technology Company | Building management system with automatic point mapping validation |
| US11127235B2 (en) | 2017-11-22 | 2021-09-21 | Johnson Controls Tyco IP Holdings LLP | Building campus with integrated smart environment |
| US11954713B2 (en) | 2018-03-13 | 2024-04-09 | Johnson Controls Tyco IP Holdings LLP | Variable refrigerant flow system with electricity consumption apportionment |
| US11599071B2 (en) | 2018-03-29 | 2023-03-07 | Johnson Controls Tyco IP Holdings LLP | Systems and methods for adaptively tuning thresholds for fault detection in buildings |
| US11531310B2 (en) * | 2018-06-15 | 2022-12-20 | Johnson Controls Tyco IP Holdings LLP | Adaptive selection of machine learning/deep learning model with optimal hyper-parameters for anomaly detection of connected chillers |
| US11859846B2 (en) | 2018-06-15 | 2024-01-02 | Johnson Controls Tyco IP Holdings LLP | Cost savings from fault prediction and diagnosis |
| FI20185670A1 (en) * | 2018-08-03 | 2020-02-04 | Admares Group Oy | BUILDING |
| US11016648B2 (en) | 2018-10-30 | 2021-05-25 | Johnson Controls Technology Company | Systems and methods for entity visualization and management with an entity node editor |
| US11927925B2 (en) | 2018-11-19 | 2024-03-12 | Johnson Controls Tyco IP Holdings LLP | Building system with a time correlated reliability data stream |
| JP6927951B2 (ja) * | 2018-12-10 | 2021-09-01 | ファナック株式会社 | 製造装置のデータ収集装置 |
| US10978199B2 (en) | 2019-01-11 | 2021-04-13 | Honeywell International Inc. | Methods and systems for improving infection control in a building |
| US10771276B2 (en) * | 2019-01-16 | 2020-09-08 | Brady Trane Service, Inc. | Systems, methods and computer program products for aggregating building performance data from dissimilar sources |
| US11436567B2 (en) | 2019-01-18 | 2022-09-06 | Johnson Controls Tyco IP Holdings LLP | Conference room management system |
| US10788798B2 (en) | 2019-01-28 | 2020-09-29 | Johnson Controls Technology Company | Building management system with hybrid edge-cloud processing |
| US11067956B2 (en) | 2019-08-08 | 2021-07-20 | Johnson Controls Technology Company | Variable refrigerant flow system with automatic sensor data correction |
| US11769066B2 (en) | 2021-11-17 | 2023-09-26 | Johnson Controls Tyco IP Holdings LLP | Building data platform with digital twin triggers and actions |
| CN115210700A (zh) | 2019-12-31 | 2022-10-18 | 江森自控泰科知识产权控股有限责任合伙公司 | 建筑物数据平台 |
| US20210200174A1 (en) | 2019-12-31 | 2021-07-01 | Johnson Controls Technology Company | Building information model management system with hierarchy generation |
| US11894944B2 (en) | 2019-12-31 | 2024-02-06 | Johnson Controls Tyco IP Holdings LLP | Building data platform with an enrichment loop |
| US12021650B2 (en) | 2019-12-31 | 2024-06-25 | Tyco Fire & Security Gmbh | Building data platform with event subscriptions |
| US12100280B2 (en) | 2020-02-04 | 2024-09-24 | Tyco Fire & Security Gmbh | Systems and methods for software defined fire detection and risk assessment |
| US11537386B2 (en) | 2020-04-06 | 2022-12-27 | Johnson Controls Tyco IP Holdings LLP | Building system with dynamic configuration of network resources for 5G networks |
| US11874809B2 (en) | 2020-06-08 | 2024-01-16 | Johnson Controls Tyco IP Holdings LLP | Building system with naming schema encoding entity type and entity relationships |
| US11913659B2 (en) | 2020-06-15 | 2024-02-27 | Honeywell International Inc. | Systems and methods for monitoring operation of an HVAC system |
| US11823295B2 (en) | 2020-06-19 | 2023-11-21 | Honeywell International, Inc. | Systems and methods for reducing risk of pathogen exposure within a space |
| US20220019207A1 (en) * | 2020-07-17 | 2022-01-20 | Facilio Inc. | Method and system for facility management based on user-defined rules |
| US11894145B2 (en) | 2020-09-30 | 2024-02-06 | Honeywell International Inc. | Dashboard for tracking healthy building performance |
| US11397773B2 (en) | 2020-09-30 | 2022-07-26 | Johnson Controls Tyco IP Holdings LLP | Building management system with semantic model integration |
| US11954154B2 (en) | 2020-09-30 | 2024-04-09 | Johnson Controls Tyco IP Holdings LLP | Building management system with semantic model integration |
| US12058212B2 (en) | 2020-10-30 | 2024-08-06 | Tyco Fire & Security Gmbh | Building management system with auto-configuration using existing points |
| US12061453B2 (en) | 2020-12-18 | 2024-08-13 | Tyco Fire & Security Gmbh | Building management system performance index |
| US11372383B1 (en) | 2021-02-26 | 2022-06-28 | Honeywell International Inc. | Healthy building dashboard facilitated by hierarchical model of building control assets |
| CN117280291A (zh) | 2021-03-17 | 2023-12-22 | 江森自控泰科知识产权控股有限责任合伙公司 | 用于确定设备能量浪费的系统和方法 |
| US11899723B2 (en) | 2021-06-22 | 2024-02-13 | Johnson Controls Tyco IP Holdings LLP | Building data platform with context based twin function processing |
| US11796974B2 (en) | 2021-11-16 | 2023-10-24 | Johnson Controls Tyco IP Holdings LLP | Building data platform with schema extensibility for properties and tags of a digital twin |
| US11934966B2 (en) | 2021-11-17 | 2024-03-19 | Johnson Controls Tyco IP Holdings LLP | Building data platform with digital twin inferences |
| US11704311B2 (en) | 2021-11-24 | 2023-07-18 | Johnson Controls Tyco IP Holdings LLP | Building data platform with a distributed digital twin |
| US12013673B2 (en) | 2021-11-29 | 2024-06-18 | Tyco Fire & Security Gmbh | Building control system using reinforcement learning |
| US11714930B2 (en) | 2021-11-29 | 2023-08-01 | Johnson Controls Tyco IP Holdings LLP | Building data platform with digital twin based inferences and predictions for a graphical building model |
| US12013823B2 (en) | 2022-09-08 | 2024-06-18 | Tyco Fire & Security Gmbh | Gateway system that maps points into a graph schema |
| US12061633B2 (en) | 2022-09-08 | 2024-08-13 | Tyco Fire & Security Gmbh | Building system that maps points into a graph schema |
| CN118585512A (zh) * | 2024-08-05 | 2024-09-03 | 长江水利委员会长江科学院 | 一种基于虚拟测点的安全监测数据管理方法及系统 |
Citations (9)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JPH1049552A (ja) * | 1996-08-05 | 1998-02-20 | Shimizu Corp | エネルギー集中管理・解析システム |
| US6401027B1 (en) * | 1999-03-19 | 2002-06-04 | Wenking Corp. | Remote road traffic data collection and intelligent vehicle highway system |
| JP2003162573A (ja) * | 2001-11-28 | 2003-06-06 | E & E Planning:Kk | 建物のエネルギー管理方法および管理システム |
| JP2007018322A (ja) * | 2005-07-08 | 2007-01-25 | Yamatake Corp | 省エネルギー量推定装置、方法、およびプログラム |
| JP4073946B1 (ja) * | 2007-03-30 | 2008-04-09 | 三菱電機株式会社 | 情報処理装置 |
| CN101415011A (zh) * | 2008-10-31 | 2009-04-22 | 北京工业大学 | 无线传感器网络中安全有效的数据聚合方法 |
| US20110087988A1 (en) * | 2009-10-12 | 2011-04-14 | Johnson Controls Technology Company | Graphical control elements for building management systems |
| US20120083930A1 (en) * | 2010-09-30 | 2012-04-05 | Robert Bosch Gmbh | Adaptive load management: a system for incorporating customer electrical demand information for demand and supply side energy management |
| CN102650876A (zh) * | 2012-02-17 | 2012-08-29 | 深圳市新基点智能技术有限公司 | 一种智能建筑实时节能联动控制装置及方法 |
Family Cites Families (40)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US7472109B2 (en) | 2002-12-30 | 2008-12-30 | International Business Machines Corporation | Method for optimization of temporal and spatial data processing |
| US20050108024A1 (en) | 2003-11-13 | 2005-05-19 | Fawcett John Jr. | Systems and methods for retrieving data |
| US20100281387A1 (en) | 2009-05-01 | 2010-11-04 | Johnson Controls Technology Company | Systems and methods for managing building automation systems and it systems |
| US9196009B2 (en) | 2009-06-22 | 2015-11-24 | Johnson Controls Technology Company | Systems and methods for detecting changes in energy usage in a building |
| US8788097B2 (en) | 2009-06-22 | 2014-07-22 | Johnson Controls Technology Company | Systems and methods for using rule-based fault detection in a building management system |
| US9753455B2 (en) | 2009-06-22 | 2017-09-05 | Johnson Controls Technology Company | Building management system with fault analysis |
| US8600556B2 (en) | 2009-06-22 | 2013-12-03 | Johnson Controls Technology Company | Smart building manager |
| US9286582B2 (en) | 2009-06-22 | 2016-03-15 | Johnson Controls Technology Company | Systems and methods for detecting changes in energy usage in a building |
| US8731724B2 (en) | 2009-06-22 | 2014-05-20 | Johnson Controls Technology Company | Automated fault detection and diagnostics in a building management system |
| US8532808B2 (en) | 2009-06-22 | 2013-09-10 | Johnson Controls Technology Company | Systems and methods for measuring and verifying energy savings in buildings |
| US8532839B2 (en) | 2009-06-22 | 2013-09-10 | Johnson Controls Technology Company | Systems and methods for statistical control and fault detection in a building management system |
| US8655830B2 (en) | 2009-10-06 | 2014-02-18 | Johnson Controls Technology Company | Systems and methods for reporting a cause of an event or equipment state using causal relationship models in a building management system |
| JP2011154410A (ja) | 2010-01-25 | 2011-08-11 | Sony Corp | 解析サーバ及びデータ解析方法 |
| JP2011155710A (ja) | 2010-01-25 | 2011-08-11 | Sony Corp | 電力管理装置、電子機器及び電力管理方法 |
| US8682921B2 (en) | 2010-07-07 | 2014-03-25 | Johnson Controls Technology Company | Query engine for building management systems |
| US20120008393A1 (en) * | 2010-07-07 | 2012-01-12 | Han Jung-Chul | Nonvolatile memory device and operation method thereof |
| US8516016B2 (en) | 2010-07-07 | 2013-08-20 | Johnson Controls Technology Company | Systems and methods for facilitating communication between a plurality of building automation subsystems |
| US8819018B2 (en) | 2011-05-24 | 2014-08-26 | Honeywell International Inc. | Virtual sub-metering using combined classifiers |
| WO2013001146A2 (en) * | 2011-06-30 | 2013-01-03 | Nokia Corporation | Method and apparatus for real-time processing of data items |
| US20130060531A1 (en) | 2011-09-02 | 2013-03-07 | Hunt Energy Iq, L..P. | Dynamic tagging to create logical models and optimize caching in energymanagement systems |
| US8843238B2 (en) | 2011-09-30 | 2014-09-23 | Johnson Controls Technology Company | Systems and methods for controlling energy use in a building management system using energy budgets |
| US9354968B2 (en) | 2011-09-30 | 2016-05-31 | Johnson Controls Technology Company | Systems and methods for data quality control and cleansing |
| JP2013152618A (ja) | 2012-01-25 | 2013-08-08 | Hitachi Building Systems Co Ltd | エネルギー使用量管理システム |
| KR20130091561A (ko) | 2012-02-08 | 2013-08-19 | 한국전자통신연구원 | 대용량 빌딩 에너지 정보 관리를 위한 데이터웨어하우스 구축 방법 및 장치 |
| US20130297240A1 (en) | 2012-05-04 | 2013-11-07 | Siemens Industry, Inc. | Methods and systems for improved time cost and accuracy of energy usage baselining |
| JP5852941B2 (ja) | 2012-08-24 | 2016-02-03 | 日立アプライアンス株式会社 | 省エネルギー行動継続支援システム |
| JP5943255B2 (ja) | 2013-01-22 | 2016-07-05 | 株式会社日立製作所 | エネルギー管理装置及びエネルギー管理システム |
| US20150019174A1 (en) | 2013-07-09 | 2015-01-15 | Honeywell International Inc. | Ontology driven building audit system |
| US10700950B2 (en) | 2014-04-15 | 2020-06-30 | Splunk Inc. | Adjusting network data storage based on event stream statistics |
| US10462004B2 (en) | 2014-04-15 | 2019-10-29 | Splunk Inc. | Visualizations of statistics associated with captured network data |
| US9652451B2 (en) | 2014-05-08 | 2017-05-16 | Marvin Elder | Natural language query |
| US10282446B2 (en) * | 2014-06-30 | 2019-05-07 | Netscout Systems Texas, Llc | Dynamic selection of source table for DB rollup aggregation and query rewrite based on model driven definitions and cardinality estimates |
| KR102462086B1 (ko) | 2014-12-08 | 2022-11-01 | 뷰, 인크. | 사이트에서 다수의 상호 작용 시스템들 |
| JP6678307B2 (ja) | 2015-08-03 | 2020-04-08 | タタ コンサルタンシー サービシズ リミテッドＴＡＴＡ Ｃｏｎｓｕｌｔａｎｃｙ Ｓｅｒｖｉｃｅｓ Ｌｉｍｉｔｅｄ | 異質情報を統合及び表示（提示）するためのコンピュータ利用システム及びコンピュータ利用方法 |
| US10025846B2 (en) | 2015-09-14 | 2018-07-17 | International Business Machines Corporation | Identifying entity mappings across data assets |
| US10262062B2 (en) | 2015-12-21 | 2019-04-16 | Adobe Inc. | Natural language system question classifier, semantic representations, and logical form templates |
| US10055206B2 (en) | 2016-06-14 | 2018-08-21 | Johnson Controls Technology Company | Building management system with framework agnostic user interface description |
| US10527306B2 (en) | 2016-01-22 | 2020-01-07 | Johnson Controls Technology Company | Building energy management system with energy analytics |
| US10055114B2 (en) | 2016-01-22 | 2018-08-21 | Johnson Controls Technology Company | Building energy management system with ad hoc dashboard |
| US10649419B2 (en) | 2016-06-14 | 2020-05-12 | Johnson Controls Technology Company | Building management system with virtual points and optimized data integration |
-
2016
- 2016-06-14 US US15/182,580 patent/US10649419B2/en active Active
-
2017
- 2017-06-01 WO PCT/US2017/035524 patent/WO2017218205A1/en active Application Filing
- 2017-06-01 CN CN201780043400.2A patent/CN109478303B/zh active Active
-
2019
- 2019-11-18 US US16/687,011 patent/US11119458B2/en active Active
Patent Citations (9)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JPH1049552A (ja) * | 1996-08-05 | 1998-02-20 | Shimizu Corp | エネルギー集中管理・解析システム |
| US6401027B1 (en) * | 1999-03-19 | 2002-06-04 | Wenking Corp. | Remote road traffic data collection and intelligent vehicle highway system |
| JP2003162573A (ja) * | 2001-11-28 | 2003-06-06 | E & E Planning:Kk | 建物のエネルギー管理方法および管理システム |
| JP2007018322A (ja) * | 2005-07-08 | 2007-01-25 | Yamatake Corp | 省エネルギー量推定装置、方法、およびプログラム |
| JP4073946B1 (ja) * | 2007-03-30 | 2008-04-09 | 三菱電機株式会社 | 情報処理装置 |
| CN101415011A (zh) * | 2008-10-31 | 2009-04-22 | 北京工业大学 | 无线传感器网络中安全有效的数据聚合方法 |
| US20110087988A1 (en) * | 2009-10-12 | 2011-04-14 | Johnson Controls Technology Company | Graphical control elements for building management systems |
| US20120083930A1 (en) * | 2010-09-30 | 2012-04-05 | Robert Bosch Gmbh | Adaptive load management: a system for incorporating customer electrical demand information for demand and supply side energy management |
| CN102650876A (zh) * | 2012-02-17 | 2012-08-29 | 深圳市新基点智能技术有限公司 | 一种智能建筑实时节能联动控制装置及方法 |
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN114416238A (zh) * | 2021-12-28 | 2022-04-29 | 成都易达数安科技有限公司 | 一种基于动态布局技术的仪表盘智能配置方法 |
| CN114416238B (zh) * | 2021-12-28 | 2023-08-25 | 成都易达数安科技有限公司 | 一种基于动态布局技术的仪表盘智能配置方法 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN109478303B (zh) | 2022-05-10 |
| US11119458B2 (en) | 2021-09-14 |
| US10649419B2 (en) | 2020-05-12 |
| US20170357225A1 (en) | 2017-12-14 |
| US20200081406A1 (en) | 2020-03-12 |
| WO2017218205A1 (en) | 2017-12-21 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN109478303A (zh) | 具有虚拟点和优化数据集成的建筑物管理系统 | |
| CN110494811B (zh) | 具有时间序列数据的声明性视图的建筑物管理系统 | |
| US10921972B2 (en) | Building system with data model including bidirectional relationships | |
| US10055206B2 (en) | Building management system with framework agnostic user interface description | |
| US11927925B2 (en) | Building system with a time correlated reliability data stream | |
| US11182047B2 (en) | Building management system with fault detection and diagnostics visualization | |
| US10527306B2 (en) | Building energy management system with energy analytics | |
| US20200200420A1 (en) | Building management system with central plantroom dashboards | |
| US11268732B2 (en) | Building energy management system with energy analytics | |
| CN106323390A (zh) | 用于使用压差测得值确定流率的系统和方法 | |
| US12055908B2 (en) | Building management system with nested stream generation | |
| US20180316517A1 (en) | Building management system with user interactivity analytics | |
| CN110320885A (zh) | 用于自适应地调节建筑物中故障检测的阈值的系统和方法 | |
| US20240256114A1 (en) | Building system with a building graph | |
| WO2023029030A1 (en) | Systems and methods of semantic tagging |
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: 20230323 Address after: Wisconsin Patentee after: Johnson Controls Tyco intellectual property holdings limited liability partnership Address before: Michigan, USA Patentee before: JOHNSON CONTROLS TECHNOLOGY Co. |
|
| TR01 | Transfer of patent right |