CN110268339A

CN110268339A - 用于以模型为中心的数据存储的设备、系统和方法

Info

Publication number: CN110268339A
Application number: CN201880009879.2A
Authority: CN
Inventors: 吉里贾·帕塔萨拉蒂
Original assignee: Honeywell International Inc
Current assignee: Honeywell International Inc
Priority date: 2017-02-01
Filing date: 2018-02-01
Publication date: 2019-09-20
Anticipated expiration: 2038-02-01
Also published as: EP3577526A4; EP3577526A1; CN110268339B; WO2018144704A1; US20180218278A1

Abstract

本文描述了用于以模型为中心的数据存储的设备、方法、系统和计算机可读介质。一个或多个实施方案包括用于以模型为中心的数据存储的系统，该系统包括：计算设备，该计算设备用于：在第一时间段内从用于确定建筑物内的环境的状态数据和建筑物内的设备的状态数据的多个传感器中提取数据，基于所提取的数据来确定用于生成与建筑物对应的模型的模型参数，以及使用模型参数利用与第二时间段对应的流式数据生成模型，该模型包括第二时间段内建筑物内的环境的预测状态和建筑物内的设备的预测状态。

Description

用于以模型为中心的数据存储的设备、系统和方法

技术领域

本公开涉及用于以模型为中心的数据存储的方法、设备、系统和计算机可读介质。

背景技术

多个设备可用于控制和/或管理建筑物(例如房屋、办公楼等)的内部环境。在一些示例中，可利用恒温器监测建筑物内的温度并且控制其他设备，诸如加热、通风和空调(HVAC)系统。恒温器可用于监测和存储与建筑物内的环境相关的数据。在一些示例中，恒温器可连接到设备网络(例如，互联网等)。

建筑物内的恒温器可生成相对较大量的数据，这些数据可需要存储空间和/或带宽来上传到远程存储设备。在增加待监测的数据的数量和/或待生成的数据的数量时，可需要增加存储空间和/或增加带宽。该数据对于监测和存储可能非常有价值，但是随着存储数据所需的存储容量的增加，这些数据也可能相对昂贵。

附图说明

图1是与本公开一致的用于以模型为中心的数据存储的系统的示例。

图2是与本公开一致的用于以模型为中心的数据存储的系统的示例。

图3是与本公开一致的用于以模型为中心的数据存储的方法的示例。

图4是与本公开的一个或多个实施方案一致的用于以模型为中心的数据存储的计算设备的示意图的示例。

具体实施方式

以模型为中心的数据存储可用于降低系统的存储和/或带宽需求，同时提供建筑物的热模型。热模型可用于识别模型参数。可存储模型参数和/或热模型而不是传感器数据，以降低存储和/或带宽需求。例如，多个传感器可用于监测建筑物内的环境。

多个传感器可用于监测建筑物内的温度和/或建筑物内的设备启用。在该示例中，多个传感器可生成相对较大量的数据，并且可提取数据的一部分以生成建筑物的热模型。在丢弃或删除传感器数据时，可从热模型中提取模型参数并且将其存储在存储器中。模型参数可用于生成建筑物的预测传感器数据和/或预测环境数据。

在一些示例中，模型参数可用于从多个传感器重新生成传感器数据，这可允许系统丢弃或删除传感器数据。与传感器数据相比，模型参数可使用更少的存储器空间存储和/或被发送到具有较少带宽的数据库。模型参数可利用流式数据在建筑物内生成预测环境数据。例如，实时数据可用作具有模型参数的输入，以在多个不同的时间段内预测建筑物内的环境条件。又如，实时数据可用于预测建筑物内的设备何时被启用和/或建筑物内的设备何时被停用。例如，实时数据可用于确定在多个不同的时间段期间何时启用或停用HVAC系统。

在以下具体实施方式中，参考形成其一部分的附图。附图以举例说明的方式示出了可以实践本公开的一个或多个实施方案的方式。

这些实施方案被描述得足够详细，以使得本领域普通技术人员能够实践本公开的一个或多个实施方案。应当理解，可以利用其他实施方案并且可以做出过程改变而不脱离本公开的范围。

应当理解，可添加、交换、组合和/或消除本文各实施方案中所示的元件，以便提供本公开的多个另外实施方案。附图中提供的元件的比例和相对尺寸旨在示出本公开的实施方案，并且不应该是限制性的。

本文的附图遵循这样的编号惯例：第一位数字对应于附图编号，而其余数字标识附图中的元件或部件。在不同附图之间的类似元件或部件可通过使用类似的其余数字来标识。

如本文所用，“一个”或“许多”某物可以指一个或多个这样的事物。例如，“多个设备”可指一个或多个设备。另外，如本文所用，特别是相对于附图中的附图标记而言的标号“N”指示由此指定的多个特定特征可与本公开的多个实施方案包括在一起。

图1是与本公开一致的用于以模型为中心的数据存储的系统100的示例。系统100可用于生成模型，诸如建筑物的热响应模型。例如，系统100可用于生成针对房屋或办公楼的热响应模型。热响应模型可用于识别可用于预测建筑物内的环境条件和/或建筑物内的设备启用或停用的模型参数。系统100可利用预测来识别建筑物内的不安全温度，预测HVAC启用，预测HVAC停用，比较类似建筑物的能量效率，为历史参考重新创建环境条件，和/或识别要停用的需求响应设备。

系统100可包括建筑物数据102。建筑物数据102可包括与建筑物对应的传感器数据。传感器数据可包括但不限于：来自恒温器的温度传感器数据、来自耦接到恒温器的传感器的温度传感器数据、HVAC传感器数据、湿度传感器数据和/或与建筑物内的环境对应的其他状态传感器。

建筑物数据102可为高频高分辨率(HFHR)数据。如本文所用，HFHR数据是指以相对较快的频率更新的时间序列数据(例如，每秒更新，每几分之一秒更新等)。例如，建筑物数据102可由多个传感器每秒或每几分之一秒收集一次。在该示例中，建筑物数据102可包括建筑物内的温度数据、恒温器的状态数据、恒温器的设置、HVAC系统的设置、HVAC系统的启用和/或HVAC系统的停用。在一些示例中，建筑物数据102可以是相对精确的建筑物数据。例如，与包括两个有效数字(例如，71℉)的较不精确的温度数据相比，建筑物数据可包括具有至少三个有效数字(例如，70.3℉)的精确的温度数据。

建筑物数据102可包括用于识别具有特定时间段的建筑物数据102的时间戳。例如，温度数据可包括用于识别收集温度数据的时间段的时间戳。又如，HVAC系统的设置可包括用于识别确定HVAC系统的设置的时间段的时间戳。

时间戳可用于在特定时间段内组织建筑物数据102。例如，可在30天的时间段内收集建筑物数据102。在该示例中，包括在30天时间段内的时间戳的建筑物数据102可被存储在数据存储装置106中。时间戳可用于使数据存储装置106内的建筑物数据102相关联，使得可基于建筑物数据102的时间段来比较具有不同时间戳的建筑物数据102。

系统100可包括建筑物的天气数据104和/或外部环境数据。例如，天气数据104可包括建筑物外的环境数据。建筑物外的环境可能会影响建筑物内的环境。例如，建筑物外相对较冷的温度可导致建筑物内的环境以相对较快的速度冷却。

天气数据104可包括用于识别收集或确定天气数据104的时间的对应时间戳。时间戳可与对应于建筑物数据102的时间戳类似地利用。例如，天气数据104可基于时间戳来组织。在一些示例中，天气数据104可被存储在数据存储装置108中。

存储在数据存储装置106中的数据和存储在数据存储装置108中的数据可用于在110处生成模型。在110处生成的模型可为建筑物的热响应模型，其对应于数据存储装置106内存储的数据和数据存储装置108内存储的数据。例如，对应于建筑物内的数据可在特定时间段(例如，1个月周期等)内从数据存储装置106提取。在该示例中，可从数据存储装置108提取对应于建筑物外的数据。

在110处生成的模型可以是建筑物的热响应模型。在一些示例中，建筑物的热响应模型可为建筑物的天气数据104的函数。即，热响应模型可表示在时间段内建筑物内的温度与同一时间段内建筑物外的对应温度。如本文所述，建筑物外的环境可影响建筑物内的环境。因此，热响应模型可以是建筑物外的环境随时间推移而影响建筑物内的环境的函数。

在110处生成的模型可以是多项式模型，诸如自动回归外源(ARX)模型。在一些示例中，在110处的模型可基于天气数据的函数和建筑物的初始内部温度来生成。在一些示例中，在110处的模型可利用建筑物的室外温度来确定建筑物的预测室内温度。在110处的模型可包括多步提前预测(例如，五步提前预测模型)，该预测可利用建筑物内的实际室内温度来预测“五个未来步骤”，而不是利用先前预测的室内温度。

在110处生成的模型可用于在112处提取模型参数。模型参数可以是建筑物外的环境影响建筑物内的环境的函数。模型参数可用于提供输入，所述输入可用于基于对应于时间段的天气数据来在该时间段内预测建筑物内的环境和/或预测建筑物内的设备的状态。例如，天气数据可以输入到模型参数中，以生成建筑物内的环境的预测模型和/或生成建筑物内的设备的状态的预测模型。

预测建筑物内的环境可包括基于将输入提供到模型参数中来预测建筑物内的温度。预测建筑物内的设备的状态可包括预测在时间段内何时启用设备和/或预测何时停用设备。在一些示例中，预测建筑物内的设备的状态可用于确定要停用和/或启用的需求响应设备。

如本文进一步所述，当提取模型参数时，在110处生成的模型可被丢弃或从系统100中删除。此外，建筑物数据102和天气数据104可用于在110处生成模型，并且可被丢弃或从系统100中删除。因此，与存储或传输建筑物数据102和/或天气数据104相比，通过仅存储在112处提取的模型参数可减少存储和/或带宽。在一些示例中，天气数据104可不存储在数据库中，并且可从与建筑物数据102不同的来源获得。如本文进一步所述，模型参数可利用流式数据来预测建筑物内的环境。如本文所用，流式数据可包括未存储和从存储器检索的数据。

图2是与本公开一致的用于以模型为中心的数据存储的系统200的示例。系统200可表示利用由如图1中所引用的系统100生成的模型参数212的系统。系统200可利用具有流式数据的模型参数212来确定建筑物的预测环境，而不保存流式数据或仅保存模型参数212。这可减少如本文所述的存储和/或带宽。

系统200可包括建筑物数据202。如本文所述，建筑物数据202可包括与特定建筑物内或内部的环境相关的数据。在一些示例中，建筑物数据202可包括建筑物内的温度的实时数据，建筑物内的设备的启用或停用的实时数据，和/或与建筑物相关的其他数据。

系统200可包括存储数据222。存储数据可包括与建筑物相关的历史数据。在一些示例中，存储数据222可为与建筑物数据202相同或相似的历史建筑物数据。例如，存储数据222可为与建筑物内的温度、建筑物内的设备的启用或停用相关的历史数据、和/或与建筑物相关的其他历史数据。

系统200可包括天气数据204。如本文所述，天气数据可包括建筑物外的环境数据。建筑物外的环境可影响建筑物内的环境。天气数据204可包括建筑物外的温度数据。

系统200可包括生成的模型参数212。模型参数212可如本文参考图1所述生成。如本文所述，可存储模型参数212而不是存储数据(例如，建筑物数据202、天气数据204、高频高分辨率(HFHR数据等))。模型参数可由预测器224利用以确定建筑物的环境226的预测状态(例如，预测模型、预测空气温度等)。

系统200可包括预测器224，该预测器利用模型参数212以利用流式数据来确定环境226的预测状态。流式数据可包括天气数据204、建筑物数据202和/或用于确定环境226的预测状态并且在确定环境226的预测状态时丢弃的存储数据222。

在一些示例中，流式数据可以是增量数据。如本文所用，增量数据包括表示与先前数据点的变化的数据。例如，增量数据可包括与先前数据点不同的数据点。又如，增量数据可包括天气数据204，其中建筑物外的温度从70°华氏(F)变化到71℉。在该示例中，来自天气数据204的增量数据可由预测器224利用。在一些示例中，非增量数据可不被预测器224利用。如本文所用，非增量数据包括与先前数据点相同的数据点。

通过仅利用增量数据，系统200可降低预测器224的处理、存储和/或带宽需求。例如，可存储相对较少的数据供预测器224利用，并且在将增量数据发送到预测器224时可利用相对较少的带宽。在一些示例中，预测器224可利用建筑物内的设备的增量天气数据204和增量状态数据。

预测器224可基于模型参数212预测在特定时间段处建筑物内的温度(T_in(t))。在一些示例中，预测器224可利用天气数据204来确定特定时间处建筑物外的温度(T_oa)，以预测特定时间处建筑物内的温度。在一些示例中，预测器224可利用特定时间处建筑物内的初始温度(T_initial)来预测特定时间处建筑物内的温度。预测器224可还利用特定时间段处建筑物内的设备的状态数据来预测特定时间段处建筑物内的温度。

预测器224可利用模型参数212以基于天气数据204和建筑物数据202的组合来确定环境226的预测状态。例如，预测器224可基于建筑物外的温度和建筑物的HVAC系统的启用状态来确定建筑物的环境226的预测状态。在一些示例中，预测器224可接收和/或利用增量数据。如本文所述，增量数据包括从先前数据点改变的数据点。

在一些示例中，预测器224可接收和/或利用来自建筑物数据202、存储数据222和/或天气数据204的流式数据。如本文所用，流式数据可包括由预测器224接收并且丢弃而不是存储的数据。利用流式数据而非存储数据可降低与预测器224通信的带宽和/或降低预测器224的存储需求。在一些示例中，流式数据可由预测器224利用以确定增量数据。例如，预测器224可从天气数据204和/或建筑物数据202接收流式数据以确定何时存在数据点的变化以用于识别增量数据。在这些示例中，增量数据可用于确定环境的预测状态。

在一些示例中，预测器224可利用来自建筑物数据202和/或天气数据204的低分辨率数据。如本文所用，低分辨率数据可以是来自多个传感器的估计数据或相对较不精确的数据。例如，高分辨率数据可包括70.159℉的温度数据点。在该示例中，对应的低分辨率数据可为70℉。

由预测器224生成的环境226的预测状态可为在时间段内的建筑物内的预测温度数据的可视表示。环境226的预测状态可还包括建筑物内的设备的预测状态的视觉表示。在一些示例中，设备的预测状态可包括在时间段内的设备的预测启用状态和/或设备的预测停用状态。环境226的预测状态可包括建筑物在时间段内的能量效率的视觉表示。

建筑物的能量效率可表示随时间推移在多个不同条件(例如建筑物外的温度、建筑物内的设备的启用持续时间等)下的建筑物内的温度的变化。建筑物的能量效率可用于识别建筑物内的能量损失区域。例如，能量损失区域可包括但不限于：窗、绝缘缺陷和/或建筑物外的极端温度。

图3是与本公开一致的用于以模型为中心的数据存储的方法300的示例。方法300可由如本文所述的计算设备执行和/或在如本文所述的系统内实现。方法300可用于确定时间段内的建筑物内的环境的预测状态、建筑物的效率和/或设备启用和停用。

在330处，方法300可包括基于与建筑物相关联的热数据来识别建筑物的模型参数。如本文所述，可利用与建筑物对应的存储数据来生成建筑物的热模型。在一些示例中，模型参数可从建筑物的热模型中识别。预测器可利用模型参数来确定如本文所述的环境的预测状态。

在332处，方法300可包括丢弃与建筑物相关联的热数据。如本文所述，建筑物的热数据、与建筑物对应的天气数据和/或与建筑物相关的其他数据可由预测器和/或模型参数利用以确定环境的预测状态。在一些示例中，当预测器利用热数据时，可丢弃或删除与建筑物相关联的热数据。热数据可为流式数据，分析该数据以确定如本文所述的增量数据。热数据可通过预测器和/或模型参数重新生成，以便特定时间段内的热数据在后续被利用。

如本文所述，利用流式热数据可降低存储相对较大量数据的成本，并且流式热数据可还降低带宽需求。在一些示例中，可丢弃流式热数据并且预测器可利用所识别的增量热数据。

在334处，方法300可包括存储建筑物的模型参数。如本文所述，可仅存储模型参数以降低系统的存储需求。模型参数可用于重新生成特定时间段内的特定温度数据。这可允许系统丢弃HFHR热数据，直到需要它，然后重新生成热数据。

在336处，方法300可包括基于模型参数确定时间段内建筑物的环境的预测状态。如本文所述，预测器可利用模型参数来确定建筑物的环境的预测状态(例如建筑物内的温度等)和/或在多个不同时间段内的建筑物的预测热模型。在一些示例中，预测器可基于模拟数据而不是实时数据为建筑物生成模拟热模型。

在338处，方法300可包括基于环境的预测状态生成建筑物的能量报告，其中能量报告包括建筑物内的预测温度和建筑物内的设备的预测启用/停用状态。能量报告可包括建筑物随时间推移的能量效率。

在一些示例中，方法300可包括利用建筑物的模型参数来重新生成在时间段内与建筑物相关联的热数据。如本文所述，热数据不需要由系统存储。例如，可利用建筑物的模型参数来重新生成热数据。

在一些示例中，方法300可包括利用建筑物的模型参数来预测建筑物内的设备的设备启用和设备停用。如本文所述，预测设备启用和/或设备停用可包括预测设备何时将处于开启状态或设备何时将处于关闭状态。例如，预测设备启用和设备停用可包括预测何时将启用建筑物的HVAC单元以及预测何时将停用建筑物的HVAC单元。在该示例中，HVAC单元可为公用事业公司的需求响应设备，并且可利用预测来确定HVAC单元是否或何时应停用或提供更低的资源。

在一些示例中，方法300可包括利用建筑物的模型参数来预测建筑物的未来室内温度。如本文所述，预测建筑物的未来室内温度可用于确定何时启用或停用与建筑物相关的设备。在一些示例中，可利用未来室内温度来确定启用和/或停用HVAC单元的时间。

能量报告可分析建筑物随时间推移的效率降低和/或建筑物内的设备随时间推移的劣化。例如，能量报告可用于比较第一时间段内和第二时间段内的建筑物的能量效率。在该示例中，与环境的先前预测状态相比，HVAC系统可开始运行较长的一段时间，这可指示HVAC系统可能正在劣化或失效。

能量报告可还分析建筑物内的绝缘的效率降低。例如，能量报告可识别建筑物的热模型指示与建筑物的先前热模型相比，热损失相对较多。能量报告可以是随时间推移而发生在建筑物的热响应中的变化的可视表示。

图4是与本公开的一个或多个实施方案一致的用于动态温度传感器的计算设备440的示意图的示例。计算设备440可为例如如本文所述的嵌入式系统以及其他类型的计算设备。例如，计算设备440可用于执行如图3中引用的方法300。

在一些示例中，计算设备440可基于建筑物的环境的状态数据和建筑物内的加热和冷却设备的状态数据来生成建筑物的热模型。计算设备440可基于用于热模型的所确定的输入的数量来确定热模型的参数的数量。

计算设备440可丢弃建筑物的环境的状态数据和建筑物内的加热和冷却设备的状态数据。在某些实施方案中，计算设备440可存储参数的数量。

计算设备440可还生成建筑物的能量报告，所述能量报告包括在所选时间段内的环境的预测状态数据和建筑物内的加热和冷却设备的预测状态数据。

如图4所示，计算设备440包括存储器442以及耦接到用户界面446的处理器444。存储器442可为可由处理器444访问的任何类型的存储介质，该处理器执行本公开的各种示例。例如，存储器442可为其上存储有计算机可读指令(例如，计算机程序指令)的非暂态计算机可读介质。

根据本公开的一个或多个实施方案，处理器444执行指令以基于来自传感器的信号向传感器提供可变电压。处理器444可还确定来自传感器的信号何时低于第一阈值。处理器444可还增加或减小提供至传感器的电压。

此外，虽然存储器442、处理器444和用户界面446被示出为位于计算设备440中，但本公开的实施方案不受此限制。例如，存储器442可还位于另一个计算资源的内部(例如，使计算机可读指令能够通过互联网或另一个有线或无线连接下载)。存储器的一部分可为云存储中的存储装置。处理器444可为云计算机。

如图4所示，计算设备440可还包括用户界面446。用户界面446可包括例如显示器(例如，屏幕、LED灯等)。显示器可为例如触摸屏(例如，显示器可包括触摸屏功能)。用户界面446(例如，用户界面446的显示器)可向计算设备440的用户提供(例如，显示和/或呈现)信息。

另外，计算设备440可通过经由用户界面446与用户的交互来接收来自计算设备440的用户的信息。例如，计算设备440(例如，用户界面446的显示器)可经由用户界面446接收来自用户的输入。用户可使用例如与计算设备440相关联的鼠标和/或键盘或通过在显示器包括触摸屏功能的实施方案(例如，显示器是触摸屏的实施方案)中触摸用户界面446的显示器来将该输入输入到计算设备440中。

如本文所用，“逻辑”是执行本文所述动作和/或功能等的替代或附加处理资源，其包括硬件(例如，各种形式的晶体管逻辑、专用集成电路(ASIC)等)、现场可编程门阵列(FPGA)，而不是存储在存储器中并且可由处理器执行的计算机可执行指令(例如，软件、固件等)。

尽管本文已说明和描述了特定实施方案，但所属领域的技术人员将了解，经计算以实现相同技术的任何布置可替代所展示的特定实施方案。本公开旨在覆盖本公开的各种实施方案的任何和所有修改或变化。

应当理解，以上描述是以说明而不是限制的方式给出的。通过阅读以上描述，上述实施方案的组合以及本文未特别描述的其他实施方案对于本领域技术人员将是显而易见的。

本公开的各种实施方案的范围包括使用上述结构和方法的任何其他应用。因此，应当参考所附权利要求书以及这些权利要求书所赋予的等价物的全部范围来确定本公开的各种实施方案的范围。

在上述具体实施方式中，出于简化本公开的目的，在附图中示出的示例性实施方案中将各种特征组合在一起。该公开方法不应被解释为反映本公开的实施方案需要比每个权利要求中明确记载的更多特征的意图。

相反，如以下权利要求书所反映的，发明主题在于少于单个公开实施方案的所有特征。因此，以下权利要求书在此并入到具体实施方式中，每个权利要求自身作为单独的实施方案。

Claims

1.一种用于以模型为中心的数据存储的系统，包括：

计算设备，所述计算设备用于：

在第一时间段内从用于确定建筑物内的环境的状态数据和所述建筑物内的设备的状态数据的多个传感器提取数据；

基于所提取的数据来确定用于生成与所述建筑物对应的模型的模型参数；以及

使用所述模型参数利用与第二时间段对应的流式数据确定所述第二时间段内所述建筑物内的所述环境的预测状态和所述建筑物内的所述设备的预测状态。

2.根据权利要求1所述的系统，包括用于存储所述模型参数并且丢弃所提取的数据的所述计算设备。

3.根据权利要求1所述的系统，其中当所述环境的所述预测状态被预测或当设备状态被预测时，丢弃所述流式数据。

4.根据权利要求1所述的系统，其中所述模型为所述建筑物的热响应模型。

5.根据权利要求1所述的系统，其中所述建筑物内的设备的所述状态数据包括具有对应时间戳的启用状态数据和停用状态数据。

6.根据权利要求1所述的系统，其中所提取的数据包括所述建筑物内的所述环境的增量状态数据。

7.根据权利要求6所述的系统，其中所述增量状态数据包括与所述建筑物内的温度变化对应的数据。

8.根据权利要求1所述的系统，包括所述计算设备，所述计算设备用于在所述第一时间段内从所提取的数据中移除非增量状态数据。

9.根据权利要求1所述的系统，其中所述环境的所述预测状态包括在所述第二时间段期间的所述建筑物的预测温度。

10.根据权利要求1所述的系统，其中所述流式数据包括输入到所述模型参数中以预测在所述第二时间段内所述建筑物内的所述环境的状态以及预测所述建筑物内的所述设备的状态的非存储数据。

11.一种用于以模型为中心的数据存储的非暂态计算机可读介质，包括能够由处理器执行以进行以下各项的指令：

基于建筑物内的环境的状态数据和所述建筑物内的加热和冷却设备的状态数据来生成所述建筑物的热模型；

基于用于所述热模型的所确定的输入的数量来确定所述热模型的参数的数量；

丢弃所述建筑物的所述环境的所述状态数据和所述建筑物内的所述加热和冷却设备的状态数据；

存储参数的数量；以及

生成所述建筑物的能量报告，所述能量报告包括在所选时间段内所述环境的预测状态数据和所述建筑物内的所述加热和冷却设备的预测状态数据。

12.根据权利要求11所述的介质，其中所述参数的数量用于重新生成所述建筑物的所述环境的所述状态数据和所述建筑物内的所述加热和冷却设备的状态数据。

13.根据权利要求11所述的介质，其中所述能量报告包括在选定时间段内所述加热和冷却设备的劣化。

14.根据权利要求11所述的介质，其中所述热模型包括所述建筑物的外部环境数据。

15.根据权利要求14所述的介质，其中所述能量报告基于所述选定时间段内的所述外部环境数据。

16.根据权利要求11所述的介质，其中所述建筑物内的所述环境的所述状态数据被提取，以包括所述建筑物内的增量温度数据。

17.一种用于以模型为中心的数据存储的方法，包括：

基于与所述建筑物相关联的热数据来识别建筑物的模型参数；

丢弃与所述建筑物相关联的所述热数据；

存储所述建筑物的所述模型参数；

基于所述模型参数确定时间段内所述建筑物的环境的预测状态；以及

基于所述环境的所述预测状态生成所述建筑物的能量报告，其中所述能量报告包括所述建筑物内的预测温度和所述建筑物内的设备的预测启用/停用状态。

18.根据权利要求17所述的方法，其中确定所述环境的所述预测状态包括利用时间段内的所述建筑物内的增量温度生成自动回归外源模型。

19.根据权利要求17所述的方法，包括：

利用所述建筑物的所述模型参数来重新生成在时间段内与所述建筑物相关联的所述热数据；

利用所述建筑物的所述模型参数来预测所述建筑物内的所述设备的设备启用和设备停用；以及

利用所述建筑物的所述模型参数来预测所述建筑物的未来室内温度。

20.根据权利要求17所述的方法，其中识别模型参数包括从与所述建筑物相关联的所述热数据提取增量热数据。