CN117716303A - 利用边际运营排放率进行碳排放预测控制的建筑物控制系统 - Google Patents

Abstract

本公开涉及一种用于协调和控制与操作跨多个子系统分布的建筑物设备相关联的碳排放的级联控制系统，所述级联控制系统包括第一控制器，所述第一控制器被配置成使用预测控制过程为多个子系统中的每一个子系统生成碳排放目标，所述预测控制过程考虑了预测由所述碳排放目标产生的所述多个子系统的总碳排放。所述级联控制系统还包括多个第二控制器，每个第二控制器对应于所述多个子系统中的一个子系统并且被配置成：生成用于对应子系统的建筑物设备的控制决策，所述控制决策被预测成使所述建筑物设备实现所述对应子系统的所述碳排放目标；并且使用所述控制决策来操作所述对应子系统的所述建筑物设备。

Description

利用边际运营排放率进行碳排放预测控制的建筑物控制系统

相关专利申请的交叉引用

本申请要求2021年5月28日提交的美国专利申请第63/194,771号、2022年3月3日提交的美国专利申请第17/686,320号、2022年2月10日提交的美国临时专利申请第17/668,791号、2021年7月12日提交的美国临时专利申请第63/220,878号的权益和优先权，所有这些均通过引用并入本文。

背景技术

本公开总体上涉及具有可持续能量特征的模块化能量单元和建筑物设备，该可持续能量特征例如与减少碳排放和/或达到建筑物运营的碳中和有关的特征。包含对建筑物进行加热和冷却的与建筑物相关联的能量消耗在全球能量消耗中占很大比例。此外，由于能量消耗和生产与二氧化碳排放(以及其他污染物的排放)之间的联系，与建筑物运营相关的能量消耗和生成目前向大气中添加了大量二氧化碳，这引起了气候变化。

由于二氧化碳排放的环境和生态影响，减少或消除与建筑物运营相关联的碳排放或实现建筑物运营的碳中和存在技术挑战。例如，建筑物所有者可能希望(由于消费者需求、监管要求、个人信念等)减少碳排放或实现建筑物或园区的碳中和。由于大多数建筑所有者无法控制公用电网的连接和依赖，建筑物所有者通常不具备使用现有技术显著减少碳足迹的技术能力。虽然太阳能电池板、风力涡轮机、电池等可以由建筑物所有者安装，但此类产品通常作为单独的部件提供，这对于建筑物所有者来说很难安装并集成到现有的建筑物系统中。因此，需要用于最佳地解决建筑物的碳排放的集成式、模块化、易于安装的解决方案的系统和方法。大规模部署此类解决方案可以对环境产生积极影响，同时还可以降低建筑物所有者的运营成本。

发明内容

本公开的一种实施方式为一种级联控制系统，用于协调和控制与操作跨多个子系统分布的建筑物设备相关联的碳排放。级联控制系统包括第一控制器和多个第二控制器，该第一控制器被配置成为多个子系统中的每一个子系统生成碳排放目标，每个第二控制器对应于多个子系统中的一个子系统并且被配置成：生成用于对应子系统的建筑物设备的控制决策，该控制决策被预测成使建筑物设备实现对应子系统的碳排放目标；并且使用控制决策来操作对应子系统的建筑物设备。

在一些实施例中，第一控制器基于与来自公用电网的电力相关联的排放率的时变值来生成碳排放目标。建筑物设备的一个或多个装置消耗电力。在一些实施例中，第一控制器使用预测控制过程生成碳排放目标，该预测控制过程考虑了预测由碳排放目标产生的多个子系统的总碳排放，并且基于为满足碳排放目标而预测发生的多个削减来进一步考虑了由建筑物设备服务的一个或多个建筑物的居住者的舒适度。在一些实施例中，第一控制器使用具有多个目标的多目标优化过程来生成碳排放目标，该多个目标包含基于多个低水平子系统的总碳排放的碳目标和舒适度目标。多个目标可以包含购买建筑物设备所消耗的资源的成本。

在一些实施例中，第一控制器基于与多个子系统相关联的碳排放和级联控制系统无法控制的其他碳排放两者来考虑生成碳排放目标。其他碳排放可由货物或人员的运输产生。在一些实施例中，第一控制器被配置成基于某一时间段内总排放的预算或目标来生成碳排放目标。

本公开的另一实施方式为一种用于控制建筑物设备以减少或消除碳排放的方法。该方法包括：通过处理目标函数来生成建筑物设备的时变设定点，该目标函数考虑了基于每单位资源消耗的碳排放的时变值来预测由未来时间范围内的资源消耗产生的总碳排放或排放节省，以及根据时变设定点操作建筑物设备。

在一些实施例中，建筑物设备的时变设定点为建筑物设备的多个子系统中的每一个子系统的碳排放目标。根据时变设定点操作建筑物设备包含确定建筑物设备的控制决策，该控制决策被预测成使建筑物设备实现多个子系统的碳排放目标。每单位资源消耗的碳排放的时变值包含边际运营排放率的值。

在一些实施例中，该方法包括基于历史排放率数据和天气预报来预测碳排放的时变值。在一些实施例中，建筑物设备包含电池并且操作建筑物设备包含对电池充电。在一些实施例中，建筑物设备包含空调设备。根据时变设定点操作建筑物设备包含在第一时间段期间对建筑物进行预冷却以减少空调设备在随后的第二时间段中的操作，此时预测每单位资源消耗的碳排放的时变值在第一时间段中比在随后的时间段中高。

本公开的另一实施方式为一种方法，该方法包括获得指示与从公用服务消耗的电力相关联的碳排放的时变边际运营排放率；在时变边际运营排放率小于第一值时以能量存储模式操作设备；以及在时变边际运营排放率大于第二值时以能量释放模式操作设备。

在能量存储模式一些实施例中，该方法还包括基于目标函数执行控制过程，该目标函数使用时变边际运营排放率来确定设备在和能量释放模式下的时变设定点。控制过程可为级联控制过程。在一些实施例中，设备包含加热和/或冷却设备并且能量存储模式包含对建筑物进行预冷却或预加热。在一些实施例中，设备包含电池，能量存储模式包含对电池充电，并且能量释放模式包含对电池放电。第二值可以大于第一值并且可以等于第一值。在一些实施例中，该方法包含通过执行优化来确定第一值和第二值。

本公开的另一实施方式为一种用于控制建筑物设备的方法。该方法包括：提供用户界面，该用户界面包含碳排放控制目标与第二控制目标之间的关系的图形表示，第二控制目标在用于建筑物设备的一系列控制策略上与碳排放控制目标竞争；以及向目标函数中的碳排放控制目标或第二控制目标分配权重。该权重与对应于基于图形表示的用户选择的控制策略相关联。该方法还包括使用向碳排放控制目标或第二控制目标分配权重的目标函数来生成用于建筑物设备的控制决策。该方法还包括根据控制决策操作建筑物设备。

在一些实施例中，该方法还包括基于实际性能和与用户选择相关联的目标之间的差异来随时间自动调整权重。在一些实施例中，第二控制目标考虑了居住者舒适度、运营成本和能量消耗中的至少一个。在一些实施例中，一系列控制策略对应于权重的一系列值。

在一些实施例中，生成控制决策包括对向碳排放控制目标或第二控制目标分配权重的目标函数执行优化。在一些实施例中，该方法还包括通过对用于建筑物设备的一系列控制策略运行模拟来生成图形表示中的不同点。对用于建筑物设备的一系列控制策略运行模拟可包含对具有权重的不同值的目标函数执行优化以生成用于建筑物设备的模拟控制决策。

本公开的另一实施方式为一种用于控制建筑物设备的方法，该方法包括提供考虑以下中的至少两者的目标函数：某一时间范围内的碳排放、时间范围内的运营成本和时间范围内的居住者舒适度。该目标函数包括指示以下中的至少两者的相对重要性的一个或多个可调整参数：碳排放、运营成本和居住者舒适度。该方法还包括：基于目标运营成本、目标排放量、目标净能量或目标居住者舒适度度量来自动调节一个或多个可调整参数；通过使用目标函数执行控制过程来生成建筑物设定点；以及根据建筑物设定点操作建筑物设备。

在一些实施例中，目标居住者舒适度度量为削减动作的目标数量。在一些实施例中，控制过程包含：生成与建筑物设备的多个子集相关的排放目标；以及基于排放目标来确定建筑物设定点。自动调节一个或多个可调整参数是基于目标净能量并且目标净能量为零。在一些实施例中，控制过程包括预测待由建筑物设备在时间范围内消耗的能量的边际运营排放率的未来时变值，以及使用未来时变值对目标函数执行预测优化。

在一些实施例中，自动调节一个或多个可调整参数包含在边际运营排放率大于预期值的情况下在第一方向上移动第一参数的值，以及在边际运营排放率小于预期值的情况下在第二方向上移动第一参数的值。在一些实施例中，建筑物设备包含加热、通风或空调设备，并且该建筑物设定点为温度设定点。

本公开的另一实施方式为一种或多种非暂时性计算机可读介质，该非暂时性计算机可读介质存储程序指令，该程序指令在由一个或多个处理器执行时使一个或多个处理器执行特定操作。这些操作包含：提供用户界面，该用户界面包含碳排放控制目标与第二控制目标之间的关系的图形表示，第二控制目标在用于建筑物设备的一系列控制策略上与碳排放控制目标竞争；以及向目标函数中的碳排放控制目标或第二控制目标分配权重。该权重与对应于基于图形表示的用户选择的控制策略相关联。该方法包括：使用向碳排放控制目标或第二控制目标分配权重的目标函数来生成用于建筑物设备的控制决策；以及根据控制决策控制建筑物设备。

在一些实施例中，操作进一步包含基于实际性能和与用户选择相关联的目标之间的差异来随时间自动调整权重。在一些实施例中，第二控制目标考虑了居住者舒适度、运营成本和能量消耗中的至少一个。在一些实施例中，生成控制决策包括对向碳排放控制目标或第二控制目标分配权重的目标函数执行优化。

在一些实施例中，操作还包含通过对用于建筑物设备的一系列控制策略运行模拟来生成图形表示中的不同点。在一些实施例中，对用于建筑物设备的一系列控制策略运行模拟包含对具有权重的不同值的目标函数执行优化以生成用于建筑物设备的模拟控制决策。

附图说明

图1为根据一些实施例的配备有HVAC系统的建筑物的图。

图2为根据一些实施例的可以用于向图1的建筑物提供加热或冷却的中央能量设施(CEF)的图。

图3为根据一些实施例的具有电池单元和预测CEF控制器的CEF的图。

图4为根据一些实施例的包含图3的电池单元和预测CEF控制器的预测CEF控制系统的框图。

图5为根据一些实施例的更详细地示出图3的预测CEF控制器的框图。

图6为根据一些实施例的可以由图3的预测CEF控制器生成的用户界面的图。

图7为根据一些实施例的具有电池单元和预测冷水机控制器的风冷式冷水机单元的图。

图8为根据一些实施例的图7的风冷式冷水机单元的框图。

图9为根据一些实施例的包含图7的电池单元和预测冷水机控制器的预测冷水机控制系统的框图。

图10为根据一些实施例的更详细地示出图7的预测冷水机控制器的框图。

图11为根据一些实施例的具有电池单元和预测泵控制器的泵单元的图。

图12为根据一些实施例的图11的泵单元的框图。

图13为根据一些实施例的包含图11的电池单元和预测泵控制器的预测泵控制系统的框图。

图14为根据一些实施例的更详细地示出图11的预测泵控制器的框图。

图15为根据一些实施例的具有电池单元和预测冷却塔控制器的冷却塔单元的图。

图16为根据一些实施例的包含图15的电池单元和预测冷却塔控制器的预测冷却塔控制系统的框图。

图17为根据一些实施例的更详细地示出图15的预测冷却塔控制器的框图。

图18为根据一些实施例的具有电池单元和预测阀控制器的阀单元的图。

图19为根据一些实施例的图18的阀单元的框图。

图20为根据一些实施例的包含图18的电池单元和预测阀控制器的预测阀控制系统的框图。

图21为根据一些实施例的更详细地示出图18的预测阀控制器的框图。

图22为根据一些实施例的用于燃料电池优化的过程的流程图。

图23为根据一些实施例的模块化能量单元的图示。

图24为根据一些实施例的模块化能量单元的框图。

图25为根据一些实施例的模块化能量单元的另一实施例的示意图。

图26为根据一些实施例的用于控制模块化能量单元的过程的流程图。

图27为根据一些实施例的用于使用模块化能量单元实现净零碳排放的过程的流程图。

图28为根据一些实施例的适于优化建筑物设定点的模块化能量单元的框图。

图29为根据一些实施例的用于连接到基于云的优化资源的多个模块化能量单元的系统架构的框图。

图30为根据一些实施例的用于连接到基于云的优化资源的多个模块化能量单元和建筑物管理系统的系统架构的框图。

图31A为根据一些实施例的用于操作建筑物设备以实现碳排放或碳功率比的最佳水平的过程的流程图。

图31B为根据一些示例情景的对示例时变边际运营排放率的描绘。

图32为根据一些实施例的用于建筑物设备的成本优化过程的流程图，该过程考虑了达到净零排放的碳抵消的成本。

图33为根据一些实施例的用于在受碳排放的约束下优化建筑物设备的操作的过程的流程图。

图34为根据一些实施例的用于基于指示减少排放、节省成本和/或改善居住者舒适度的加权偏好的用户输入来进行定制优化的过程的流程图。

图35A为根据一些实施例的用于选择和控制设备以实现成本对碳曲线上的目标点的过程的流程图。

图35B为根据一些实施例的示例成本对碳曲线的图示。

图36为根据一些实施例的用于选择和控制设备以实现舒适度对碳曲线上的目标点的过程的流程图。

图37为根据一些实施例的用于自动生成对要添加到建筑物的新能量资产的建议以实现诸如最佳碳排放减少的技术优点的过程的流程图。

图38为根据一些实施例的用于生成碳排放的企业范围仪表板并启动碳足迹减少的过程的流程图。

图39为根据一些实施例的用于包含碳管理系统的监督控制方案中的多个建筑物边缘装置的系统架构的框图。

图40为根据一些实施例的用于基于生产或利用数据提供标准化碳排放度量的过程的流程图。

图41为根据一些实施例的可以基于图38和40的示例过程提供的示例仪表板的图示。

图42为根据一些实施例的用于基于边际运营排放率来控制电池的过程的流程图。

具体实施方式

建筑物和HVAC系统

现在参考图1，示出了建筑物10的透视图。建筑物10由BMS服务。BMS通常为被配置成控制、监测和管理建筑物或建筑物区中或周围的设备的装置的系统。BMS可以包含例如HVAC系统、安全系统、照明系统、火灾警报系统、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。

服务建筑物10的BMS包含HVAC系统100。HVAC系统100可以包含被配置成为建筑物10提供供热、制冷、通风或其他服务的多个HVAC装置(例如，加热器、冷水机、空气处理单元、泵、风机(fan)、热能存储装置等)。例如，HVAC系统100被示出为包含水侧系统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加热或冷却的流体。空气侧系统130可以使用所述加热或冷却的流体来加热或冷却提供给建筑物10的气流。

HVAC系统100被示出为包含冷水机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和冷水机102来加热或冷却工作流体(例如，水、乙二醇等)并且可以将工作流体循环到AHU 106。在各种实施例中，水侧系统120的HVAC装置可以位于建筑物10中或周围(如图1所示)，或位于诸如中央设备(例如，冷水机设备、蒸汽设备、发热设备等)的场外位置。取决于建筑物10中是否需要供热或制冷，工作流体可以在锅炉104中加热或在冷水机102中冷却。锅炉104可以例如通过燃烧可燃材料(例如，天然气)或使用电加热元件来向循环流体添加热量。冷水机102可以使循环流体与热交换器(例如，蒸发器)中的另一流体(例如，制冷剂)成热交换关系以从循环流体吸收热量。可以经由管道108将来自冷水机102和/或锅炉104的工作流体递送到AHU 106。

AHU 106可以使工作流体与传递通过AHU 106的气流成热交换关系(例如，通过一级或多级冷却盘管和/或加热盘管来进行)。例如，气流可以是外部空气、来自建筑物10内的回流空气，或两者的组合。AHU 106可以在气流与工作流体之间传递热量，以为气流提供加热或冷却。例如，AHU 106可以包含一个或多个风机或鼓风机，所述风机或鼓风机被配置成使气流通过或穿过含有工作流体的热交换器。然后工作流体可以通过管道110返回到冷水机102或锅炉104。

空气侧系统130可以通过送风管112将AHU 106所供应的气流(即，供应气流)递送到建筑物10，并且可以通过回风管114将来自建筑物10的回流空气提供给AHU 106。在一些实施例中，空气侧系统130包含多个可变风量(VAV)单元116。例如，空气侧系统130被示出为在建筑物10的每个楼层或区包含单独的VAV单元116。VAV单元116可以包含可以运作以控制提供到建筑物10的各个区的供应气流量的风门或其他流控制元件。在其他实施例中，空气侧系统130(例如，经由送风管112)将供应气流递送到建筑物10的一个或多个区中而不使用中间VAV单元116或其他流控制元件。AHU 106可以包含被配置成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可以从位于AHU 106内和/或建筑区内的传感器接收输入，并且可以调整通过AHU 106的供应气流的流速、温度或其他属性以实现建筑区的设定点条件。

中央能量设施

现在参考图2，根据一些实施例，示出了中央能量设施(CEF)200的框图。在各种实施例中，CEF 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分开实施。在HVAC系统100中实施时，CEF 200可以包含HVAC系统100中的HVAC装置的子集(例如，锅炉104、冷水机102、泵、阀等)，并且可以操作以向AHU 106供应加热或冷却的流体。CEF 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)，或位于场外位置。

CEF 200被示出为包含多个子设备202-212，该子设备包含加热器子设备202、热回收冷水机子设备204、冷水机子设备206、冷却塔子设备208、热热能存储(TES)子设备210和冷热能存储(TES)子设备212。子设备202-212消耗公用设施的资源(例如，水、天然气、电、氢等)，以服务建筑物或园区的热能负载(例如，热水、冷水、加热、冷却等)。例如，加热器子设备202可以被配置成加热热水回路214中的水，该热水回路使热水在加热器子设备202与建筑物10之间循环。冷水机子设备206可以被配置成冷却冷水回路216中的水，该冷水回路使冷水在冷水机子设备206与建筑物10之间循环。热回收冷水机子设备204可以被配置成将热量从冷水回路216传递到热水回路214，以便为热水提供另外的加热，以及为冷水提供另外的冷却。冷凝水回路218可以从冷水机子设备206中的冷水吸收热量，并且排出在冷却塔子设备208中吸收的热量或将所吸收的热量传递到热水回路214。高温TES子设备210和低温TES子设备212可以分别存储高温热能和低温热能以供后续使用。

热水回路214和冷水回路216可以将加热和/或冷却的水递送到位于建筑物10的屋顶上的空气处理器(例如，AHU 106)或递送到建筑物10的各个楼层或区(例如，VAV单元116)。空气处理器将空气推过热交换器(例如，加热盘管或冷却盘管)，水通过该热交换器为空气提供加热或冷却。加热或冷却的空气可以被递送到建筑物10的各个区以服务建筑物10的热能负载。然后，水返回到子设备202-212以进行进一步加热或冷却。

虽然子设备202-212被示出和描述为加热和冷却用于循环到建筑物的水，但是应理解，可使用任何其他类型的工作流体(例如，乙二醇、CO₂等)来代替或补充水，以服务于热能负载。在其他实施例中，子设备202-212可以直接向建筑物或校园提供加热和/或冷却，而不需要中间传热流体。CEF 200的这些和其他变型在本公开的教导内。

子设备202-212中的每一个子设备可以包含被配置成促进子设备的功能的多种设备。例如，加热器子设备202被示出为包含被配置成在热水回路214中向热水添加热量的多个加热元件220(例如，锅炉、电加热器等)。加热器子设备202还被示出为包含被配置成使热水在热水回路214中循环并控制热水通过各个加热元件220的流速的若干泵222和224。冷水机子设备206被示出为包含被配置成从冷水回路216中的冷水中去除热量的多个冷水机232。冷水机子设备206还被示出为包含被配置成使冷水在冷水回路216中循环并控制冷水通过各个冷水机232的流速的若干泵234和236。

热回收冷水机子设备204被示出为包含被配置成将热量从冷水回路216传递到热水回路214的多个热回收热交换器226(例如，制冷回路)。热回收冷水机子设备204还被示出为包含被配置成使热水和/或冷水循环通过热回收热交换器226并控制水通过各个热回收热交换器226的流速的若干泵228和230。冷却塔子设备208被示出为包含被配置成从冷凝水回路218中的冷凝水中去除热量的多个冷却塔238。冷却塔子设备208还被示出为包含被配置成使冷凝水在冷凝水回路218中循环并控制冷凝水通过各个冷却塔238的流速的若干个泵240。

高温TES子设备210被示出为包含被配置成存储热水以供后续使用的高温TES罐242。高温TES子设备210还可以包含被配置成控制热水流入或流出高温TES罐242的流速的一个或多个泵或阀门。低温TES子设备212被示出为包含被配置成储存冷水以供后续使用的低温TES罐244。低温TES子设备212还可以包含被配置成控制冷水流入或流出低温TES罐244的流速的一个或多个泵或阀门。

在一些实施例中，CEF 200中的泵(例如，泵222、224、228、230、234、236和/或240)中的一个或多个CEF 200中的管线包含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CEF 200中的流体流动。在各种实施例中，基于CEF 200的特定配置和CEF 200所服务的负载类型，CEF 200可以包含更多、更少或不同类型的装置和/或子设备。

具有电池单元和预测控制的中央能量设施

现在参考图3，示出了根据一些实施例的具有电池单元302和预测CEF控制器304的中央能量设施(CEF)300。CEF 300可以被配置成向冷却负载322提供冷却。冷却负载322可以包含例如建筑物区、流过空气管道的供应气流、空气处理单元或屋顶单元中的气流、流过热交换器、冰箱或冰柜、冷凝器或蒸发器、冷却盘管或需要冷却的任何其他类型的系统、装置或空间的流体。在一些实施例中，泵318经由冷却流体回路336将冷却流体循环至冷却负载322。冷却流体可以从冷却负载322吸收热量，从而向冷却负载322提供冷却并且对该冷却流体进行加热。

CEF 300被示出为包含冷却塔312和冷水机320。冷却塔312可被配置成通过将热量从水传递至外部空气来冷却冷却塔回路332中的水。在一些实施例中，泵316使水经由冷却塔回路332循环通过冷却塔312。冷却塔312可包含使冷空气流过冷却塔312的风机314。冷却塔312使冷空气与较暖的水处于热交换关系，从而将热量从较暖的水传递至较冷的空气。冷却塔312可为冷却机320的冷凝器326提供冷却。冷凝器326可将热量从制冷回路334中的制冷剂传递至冷却塔回路332中的水。尽管冷却塔回路332被示出和描述为循环水，但是应当理解，任何类型的冷却剂或工作流体(例如，水、乙二醇、CO₂等)都可以在冷却塔回路332中使用。

冷水机320被示出为包含冷凝器326、压缩机328、蒸发器330和膨胀装置324。压缩机328可被配置成使制冷剂经由制冷回路334在冷凝器326与蒸发器330之间循环。压缩机328运行以将制冷剂压缩至高压、高温状态。压缩的制冷剂流过冷凝器326，该冷凝器将热量从制冷回路334中的制冷剂传递至冷却塔回路332中的水。然后，冷却的制冷剂流过膨胀装置324，该膨胀装置将制冷剂膨胀至低温、低压状态。膨胀的制冷剂流过蒸发器330，该蒸发器将热量从冷却流体回路336中的冷却流体传递至制冷回路334中的制冷剂。

在一些实施例中，CEF 300包含多个冷水机320。每个冷水机320可并联布置并配置成为冷却流体回路336中的流体提供冷却。在一些实施例中，该组冷水机320可以具有大约1-3MW或1000-6000吨的冷却容量。类似地，CEF 300可以包含多个冷却塔312。冷却塔312中的每一个可并联布置并配置成为冷却塔回路332中的水提供冷却。虽然图3中仅示出了冷却部件，但可以设想在一些实施例中，CEF 300可以包含加热部件。例如，CEF 300可以包含一个或多个锅炉、热回收冷水机、蒸汽发生器或配置成提供加热的其他装置。在一些实施例中，CEF 300包含CEF 200的一些或全部部件，如参考图2所描述的。

仍然参考图3，CEF 300被示出为包含电池单元302。在一些实施例中，电池单元302包含一个或多个光伏(PV)面板308。PV面板308可以包含光伏电池的集合。光伏电池被配置成使用诸如单晶硅、多晶硅、非晶硅、碲化镉、铜铟镓硒化物/硫化物或表现出光伏效应的其他材料的光伏材料将太阳能(即，阳光)转换成电力。在一些实施例中，光伏电池包含在形成PV面板308的封装组件内。每个PV面板308可以包含多个链接的光伏电池。PV面板308可以组合以形成光伏阵列。

在一些实施例中，PV面板308被配置成使太阳能集合最大化。例如，电池单元302可以包含太阳能跟踪器(例如，GPS跟踪器、阳光传感器等)，该太阳能跟踪器调整PV面板308的角度，使得PV面板308全天直接对准太阳。太阳能跟踪器可以允许PV面板308在一天的大部分时间接收直射阳光，并且可以增加PV面板308产生的总功率量。在一些实施例中，电池单元302包含被配置成将阳光引导和/或聚集在PV面板308上的镜子、透镜或太阳能聚光器的集合。由PV面板308产生的能量可以存储在电池单元306中和/或用于为CEF 300的各个部件供电。

在一些实施例中，电池单元302包含一个或多个电池单元306。电池单元306被配置成存储和释放电能(即，电力)。在一些实施例中，使用来自外部电网(例如，由电力公用事业提供)的电力来对电池单元302充电。存储在电池单元302中的电力可被释放以向CEF 300的一个或多个被供电的部件(例如，冷却塔312、风机314、冷水机320、泵316-318等)供电。有利地，电池单元302允许CEF 300从能量网汲取电力，并在能量价格低时对电池单元302充电，并在能量价格高时释放所存储的电力，以时移CEF 300的电力负载。在一些实施例中，当以最大容量操作时，电池单元302具有足够的能量容量(例如，6-12MW小时)以向CEF 300供电大约4-6小时，使得电池单元302可以在高能量成本周期期间被利用并且在低能量成本周期被充电。

在一些实施例中，预测CEF控制器304执行优化过程以确定在优化周期期间发生的多个时间步中的每一个时间步期间是否对电池单元302充电或放电。预测CEF控制器304可以使用天气和定价数据310来预测多个时间步中的每个时间步期间所需的加热/冷却量和电力成本。预测CEF控制器304可以优化目标函数，该目标函数考虑了在优化周期的持续时间内从能量网购买的电力的成本。在一些实施例中，目标函数还考虑了操作CEF 300的各个部件的成本(例如，用于为锅炉提供燃料的天然气的成本)。预测CEF控制器304可以确定在每个时间步期间从能量网购买的电量以及从电池单元302存储或放电的电量。参考图4-5更详细地描述了由预测CEF控制器304执行的目标函数和优化。

预测CEF控制系统

现在参考图4，示出了根据一些实施例的预测CEF控制系统400的框图。控制系统400中所示的几个部件可为CEF 300的一部分。例如，CEF 300可以包含被供电的CEF部件402、电池单元302、预测CEF控制器304、功率逆变器410和功率结点412。被供电的CEF部件402可以包含在操作期间消耗功率(例如，电力)的CEF 300的任何部件。例如，被供电的CEF部件402被示出为包含冷却塔404、冷水机406和泵408。这些部件可类似于参考图3所描述的冷却塔312、冷水机320和泵316-318。

功率逆变器410可以被配置成在直流电(DC)与交流电(AC)之间转换电功率。例如，电池单元302可以被配置成存储和输出DC功率，而能量网414和被供电的CEF部件402可以被配置成消耗和提供AC功率。功率逆变器410可以用于将来自电池单元302的DC功率转换成与能量网414和/或被供电的CEF部件402的电网频率同步的正弦AC输出。功率逆变器410还可以用于将来自能量网414的AC功率转换成可以存储在电池单元302中的DC功率。电池单元302的功率输出示出为P_电池。P_电池在电池单元302正在向功率逆变器410提供功率(即，电池单元302正在放电)的情况下可以为正的，或者在电池单元302正在从功率逆变器410接收功率(即，电池单元302正在充电)的情况下可以为负的。

在一些情况下，功率逆变器410接收来自电池单元302的DC功率输出，并将DC功率输出转换成可以提供给被供电的CEF部件402的AC功率输出。功率逆变器410可以使用本机振荡器使AC功率输出的频率与能量网414的频率(例如，50Hz或60Hz)同步，并且可以将AC功率输出的电压限制为不高于电网电压。在一些实施例中，功率逆变器410为谐振逆变器，该谐振逆变器包含或使用LC电路从简单方波中去除谐波，以实现与能量网414的频率匹配的正弦波。在各个实施例中，功率逆变器410可以使用高频变压器、低频变压器或不使用变压器来操作。低频变压器可以将来自电池单元302的DC输出直接转换为提供给被供电的CEF部件402的AC输出。高频变压器可以采用多步骤过程，该多步骤过程涉及将DC输出转换为高频AC，然后再转换回DC，并且最后再转换为提供给被供电的CEF部件402的AC输出。

PV面板308的功率输出示出为P_PV。PV面板308的功率输出P_PV可以存储在电池单元302中和/或用于为被供电的CEF部件402供电。在一些实施例中，PV面板308测量由PV面板308产生的功率量P_PV，并向预测CEF控制器304提供PV功率的指示。例如，PV面板308被示出为向预测CEF控制器304提供PV功率百分比(即，PV％)的指示。PV功率百分比可以表示PV面板308当前运行的最大PV功率的百分比。

功率结点412为被供电的CEF部件402、能量网414、PV面板308和功率逆变器410电连接的点。从功率逆变器410供应到功率结点412的功率被示出为P_电池。P_电池在功率逆变器410正在向功率结点412提供功率(即，电池单元302正在放电)的情况下可以为正的，或者在功率逆变器410正在从功率结点412接收功率(即，电池单元302正在充电)的情况下可以为负的。从能量网414供应至功率结点412的功率被示出为P_电网，并且从PV面板308供应至功率结点412的功率被示出为P_PV。P_电池、P_PV、和P_电网在功率结点412处组合以形成P_总(即，P_总＝P_电网+P_电池+P_PV)。P_总可以定义为从功率结点412提供到被供电的CEF部件402的功率。在一些情况下，P_总大于P_电网。例如，当电池单元302正在放电时，P_电池可以为正的，其在P_电池和P_PV与P_电网组合以形成P_总时添加到电网功率P_电网和PV功率P_PV。在其他情况下，P_总可能小于P_电网。例如，当电池单元302正在充电时，P_电池可以为负的，其在P_电池、P_PV与P_电网组合以形成P_总时从电网功率P_电网和PV功率P_PV减去。

预测CEF控制器304可以被配置成控制被供电的CEF部件402和功率逆变器410。在一些实施例中，预测CEF控制器304生成电池功率设定点P_{设定点,电池}并将其提供到功率逆变器410。电池功率设定点P_{设定点,电池}可以包含正功率值或负功率值(例如，kW)，这些功率值使功率逆变器410使用在功率结点412处的可用功率对电池单元302充电(当P_{设定点,电池}为负时)，或者使电池单元302放电(当P_{设定点,电池}为正时)以向功率结点412提供功率，以实现电池功率设定点P_{设定点,电池}。

在一些实施例中，预测CEF控制器304生成控制信号并将该控制信号提供到被供电的CEF部件402。预测CEF控制器304可以使用多级优化技术来生成控制信号。例如，预测CEF控制器304可以包含经济控制器，该经济控制器被配置成在优化周期期间的每个时间步处确定被供电的CEF部件402所要消耗的最佳功率量。所要消耗的最佳功率量可以使成本函数最小化，该成本函数考虑了CEF 300所消耗的能量成本。能量成本可以基于来自电力公用事业418的时变能量价格。在一些实施例中，预测CEF控制器304在多个时间步中的每个时间步处确定从能量网414购买的最佳功率量(即，电网功率设定点P_{设定点,电网})和存储至电池单元302或从该电池单元释放的最佳功率量(即，电池功率设定点P_{设定点,电池})。预测CEF控制器304可以监测被供电的CEF部件402的实际功率使用量，并且可以在生成最佳功率设定点时将实际功率使用量作为反馈信号。

预测CEF控制器304可以包含跟踪控制器，该跟踪控制器被配置成生成在每个时间步处实现最佳功耗量的温度设定点(例如，区域温度设定点T_{设定点,区域}、冷却水温度设定点T_{设定点,冷却水}等)。在一些实施例中，预测CEF控制器304使用用于被供电的CEF部件402的设备模型来确定可以由CEF部件402基于最佳功耗量生成的加热量或冷却量。预测CEF控制器304可以结合来自气象服务416的天气预报使用区域温度模型来预测建筑物区域T_区域的温度将如何基于功率设定点和/或温度设定点改变。

在一些实施例中，预测CEF控制器304使用温度设定点来生成用于被供电的CEF部件402的控制信号。控制信号可包含开/关命令、冷却塔404的风机的速度设定点、冷水机406的压缩机的功率设定点、冷水机406的冷却水温度设定点、泵408的压力设定点或流速设定点或用于被供电的CEF部件402的各个装置的其他类型的设定点。在其他实施例中，控制信号可以包含由预测CEF控制器304生成的温度设定点(例如，区域温度设定点T_设定点,_区域、供应空气温度设定点T_设定点,_冷却水等)。可以将温度设定点提供到被供电的CEF部件402或被供电的CEF部件402的本地控制器，该本地控制器运行以实现温度设定点。例如，冷水机406的本地控制器可以接收来自冷却水温度传感器的冷却水温度T_冷却水的测量值和/或来自区域温度传感器的区域温度T_区域的测量值。本地控制器可以使用反馈控制过程(例如，PID、ESC、MPC等)来增加或减少由冷水机406提供的冷却量，以将测得的温度驱动到温度设定点。类似的反馈控制过程可用于控制冷却塔404和/或泵408。参考图5更详细地描述了由预测CEF控制器304执行的多级优化。

预测CEF控制器

现在参考图5，根据示例性实施例，更详细地示出了图示预测CEF控制器304的框图。预测CEF控制器304被示出为包含通信接口502和处理电路504。通信接口502可以促进控制器304与外部系统或装置之间的通信。例如，通信接口502可以接收来自区域温度传感器516的区域温度T_区域的测量值和被供电的CEF部件402的功率使用量的测量值。在一些实施例中，通信接口502接收电池单元302的荷电状态(SOC)的测量值，该测量值可以以最大电池容量的百分比(即，电池％)的形式提供。通信接口502可以接收来自气象服务416的天气预报和来自电力公用事业418的预测能量成本和需求成本。在一些实施例中，预测CEF控制器304使用通信接口502来提供控制信号被供电的CEF部件402和功率逆变器410。

通信接口502可包含用于与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，插口、天线、发射器、接收器、收发器、导线端子等)。在各种实施例中，通信可为直接通信(例如，本地有线或无线通信)或经由通信网络(例如，WAN、因特网、蜂窝式网络等)进行。例如，通信接口502可以包含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。在另一实例中，通信接口502可包含用于经由无线通信网络或蜂窝式或移动电话通信收发器通信的Wi-Fi收发器。

处理电路504被示出为包含处理器506和存储器508。处理器506可为通用或专用处理器、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506被配置成执行存储在存储器508中或从其他计算机可读介质(例如，CDROM、网络存储装置、远程服务器等)接收到的计算机代码或指令。

存储器508可包含用于存储用于完成和/或促进本公开中所描述的各种过程的数据和/或计算机代码的一或多个装置(例如，存储器单元、存储器装置、存储装置等)。存储器508可以包含随机存取存储器(RAM)、只读存储器(ROM)、硬盘驱动存储装置、临时存储装置、非易失性存储器、快闪存储器、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508可以包含数据库部件、目标代码部件、脚本部件或用于支持各种活动的任何其他类型的信息结构和本公开中所描述的信息结构。存储器508可经由处理电路504可通信地连接到处理器506，且可包含用于(例如，由处理器506)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506执行存储在存储器508中的指令以完成本文所描述的各种活动时，处理器506通常配置控制器304(并且更具体地处理电路504)以完成此类活动。

仍然参考图5，预测CEF控制器304被示出为包含经济控制器510、跟踪控制器512和设备控制器514。控制器510-514可以被配置成执行多状态优化过程以生成用于功率逆变器410和被供电的CEF部件402的控制信号。简而言之，经济控制器510可以优化预测成本函数以在优化周期的每个时间步处确定从能量网414购买的最佳功率量(即，电网功率设定点P_{设定点,电网})、存储至电池单元302或从该电池单元释放的最佳功率量(即，电池功率设定点P_{设定点,电池})，和/或由被供电的CEF部件402所消耗的最佳功率量(即，CEF功率设定点P_{设定点,总})。跟踪控制器512可以使用最佳功率设定点P_{s设定点,电网}、P_{设定点,电池}和/或P_{设定点,总}以确定最佳温度设定点(例如，区域温度设定点T_{设定点,区域}、冷却水温度设定点T_{设定点,冷却水}等)和最佳电池充电或放电速率(即，电池_{充电/放电})。设备控制器514可以使用最佳温度设定点T_{设定点,区域}或T_{设定点,冷却水}来生成用于被供电的CEF部件402的控制信号，该控制信号将实际(例如，测得的)温度T_区域和/或T_冷却水驱动到设定点(例如，使用反馈控制技术)。下文详细描述控制器510-514中的每一个控制器。

经济控制器

经济控制器510可以被配置成优化预测成本函数以在优化周期的每个时间步处确定从能量网414购买的最佳功率量(即，电网功率设定点P_{设定点,电网})、存储至电池单元302或从该电池单元释放的最佳功率量(即，电池功率设定点P_{设定点,电池})，和/或由被供电的CEF部件402所消耗的最佳功率量(即，CEF功率设定点P_{设定点,总})。可以由经济控制器510优化的预测成本函数的示例在以下等式中示出：

其中C_ec(k)为在时间步k期间从电力公用事业418购买的每单位电力的成本(例如，$/kWh)，P_冷水机(k)为CEF 300的一个或多个冷水机在时间步k期间的功耗(例如，kW)，P_HRC(k)为CEF 300的一个或多个热回收冷水机(HRC)在时间步k的功耗，F_气体(k)为CEF 300的一个或多个锅炉在时间步k的天然气消耗量，C_气体(ｋ)为CEF 300在时间步ｋ消耗的每单位天然气的成本，C_DC为需求充电率(例如，$/kW)，其中max()项选取CEF 300的在优化周期的任何时间步ｋ期间的最大购电量(即，P_电网(k)的最大值)，P_电池(k)为在时间步k期间从电池单元302释放的功率量，并且Δt为每个时间步k的持续时间。经济控制器510可以在优化周期的持续时间内(例如，从时间步ｋ＝1至时间步k＝h)优化预测成本函数J，以在优化周期的持续时间内预测操作CEF 300的总成本。

预测成本函数J的第一项和第二项表示在优化周期的持续时间内由被供电的CEF部件402所消耗的电力成本。每个时间步k处的参数C_ec(k)的值可以由电力公用事业418所提供的能量成本信息来定义。在一些实施例中，电力成本随时间而变化，这导致在不同的时间步k处C_ec(k)的不同值。变量P_冷水机(k)和P_HRC(k)为可以由经济控制器510优化的决策变量。在一些实施例中，被供电的CEF部件402在时间步k的总功耗P_总(k)等于P_冷水机(k)和P_HRC(k)的总和(即，P_总(k)＝P_冷水机(k)+P_HRC(k))。因此，在一些实施例中，预测成本函数的前两项可以用求和来代替。/>

预测成本函数J的第三项表示在优化周期的持续时间内由CEF 300所消耗的燃料(例如，天然气)的成本。在每个时间步k的C_气体(k)的值可以由天然气公用设施所提供的能量成本信息来定义。在一些实施例中，气体的成本随时间而变化，这导致在不同的时间步k处C_气体(k)的不同值。变量F_气体(k)为可以由经济控制器510优化的决策变量。

预测成本函数J的第四项表示需量电费。需量电费是一些公用事业提供商基于适用的需量电费周期期间的最大功耗而征收的另外的费用。例如，需量电费率C_DC可以以每单位功率的美元(例如，$/kW)来指定，并且可以乘以需量电费周期期间的峰值功率使用量(例如，kW)来计算需量电费。在预测成本函数J中，需量电费率C_DC可以由从电力公用事业418接收的需求成本信息来定义。变量P_电网(k)为可以由经济控制器510优化以减少在需量电费周期期间出现的峰值功率使用量max(P_电网(k))的决策变量。当被供电的CEF部件402的功耗低时，负载转移可以允许经济控制器510通过在电池单元302中存储能量来使供CEF 300的电力需求的瞬时峰值平滑。当被供电的CEF部件402的功耗高时，可以从电池单元302释放存储的能量，以减少来自能量网414的峰值功率汲取P_电网，由此减少所产生的需量电费。

预测成本函数J的最后一项表示因使用电池单元302而节省的成本。与成本函数J中的前几项不同，最后一项从总成本中减去。每个时间步k处的参数C_ec(k)的值可以由电力公用事业418所提供的能量成本信息来定义。在一些实施例中，电力成本随时间而变化，这导致在不同的时间步k处C_ec(k)的不同值。变量P_电池(k)为可以由经济控制器510优化的决策变量。P_电池(k)的正值指示电池单元302正在放电，而P_电池(k)的负值指示电池单元302正在充电。从电池单元302释放的功率P_电池(k)可以用于满足被供电的CEF部件402的一些或全部总功耗P_总(k)，这减少了从能量网414购买的功率量P_电网(k)(即，P_电网(k)＝P_总(k)-P_电池(k)-P_PV(k))。然而，对电池单元302充电导致P_电池(k)的负值，这会增加从能量网414购买的总功率量P_电网(k)。

在一些实施例中，由PV面板308所提供的功率P_PV不包含在预测成本函数J中，因为产生PV功率不会产生成本。然而，由PV面板308产生的功率P_PV可以用于满足被供电的CEF部件402的一些或全部总功耗P_总(k)，这减少了从能量网414购买的功率量P_电网(k)(即，P_电网(k)＝P_总(k)-P_电池(k)-P_PV(k))。经济控制器510可以预测在任何时间步k期间产生的PV功率P_PV的量。在美国专利申请第15/247,869号、美国专利申请第15/247,844号和美国专利申请第15/247,788号中描述了用于预测由PV面板产生的PV功率的量的若干种技术。这些专利申请中的每一个都具有2016年8月25日的提交日期，并且这些专利申请中的每一个的全部公开内容通过引用并入本文。

经济控制器510可以在优化周期的持续时间内优化预测成本函数J，以确定优化周期期间每个时间步处的决策变量的最佳值。在一些实施例中，优化周期具有大约一天的持续时间并且每个时间步大约是十五分钟。然而，优化周期的持续时间和时间步在其他实施例中可以变化并且可以由用户调整。有利地，当能量价格低和/或当被供电的CEF部件402所消耗的功率低时，经济控制器510可以使用电池单元302通过从能量网414汲取电力来执行负载转移。电力可以存储在电池单元302中，然后在能量价格高和/或被供电的CEF部件402的功耗高时放电。这使得经济控制器510能够降低CEF 300所消耗的电力成本并且可以使CEF 300的电力需求中的瞬时峰值平滑，由此减少所产生的需量电费。

经济控制器510可以被配置成对预测成本函数J的优化施加约束。在一些实施例中，约束包含对由CEF 300服务的建筑物区域的温度T_区域的约束。经济控制器510可以被配置成始终将实际或预测温度T_区域维持在最小温度界限T_min与最大温度界限T_max之间(即，T_min≤T_区域≤T_max)。参数T_min和T_max可以随时间变化以定义不同时间时的不同温度范围(例如，占用温度范围、未占用温度范围、白天温度范围、夜间温度范围等)。

为了确保满足区域温度约束，经济控制器510可以将建筑物区域的温度T_区域建模为由经济控制器510优化的决策变量的函数。在一些实施例中，经济控制器510使用传热模型对建筑物区域的温度进行建模。例如，加热或冷却建筑物区域的动力学可以通过能量平衡来描述：

其中C为建筑物区域的热容，H为建筑物区域的环境传热系数，T_区域为建筑物区域的温度，T_a为建筑物区域外的环境温度(例如，室外空气温度)，为由CEF 300施加到建筑物区域的热量，并且/>为建筑物区域所经历的外部负载、辐射或其他干扰。在前面的等式中，/>表示通过CEF 300传递到建筑物区域的加热量(即，加热负荷)，因此具有正号。然而，如果对建筑物区域施加冷却而不是加热，则可以将/>的符号切换为负号，使得表示由CEF 300对建筑物区域施加的冷却量(即，冷却负载)。用于开发区域温度模型并使区域温度T_区域与预测成本函数J中的决策变量相关的几种技术在2016年9月6日授予的美国专利第9,436,179号、2015年4月23日提交的美国专利申请第14/694,633号以及2016年6月30日提交的美国专利申请第15/199,910号中更详细地描述。这些专利和专利申请中每一个的全部公开内容均通过引用并入本文。

先前的能量平衡将建筑物区域的所有质量和空气属性合并为单个区域温度。经济控制器510可以使用的其他传热模型包含以下空气和质量区域模型：

其中C_z和T_区域为建筑物区域中空气的热容和温度，T_a为环境空气温度，H_az为建筑物区域的空气与建筑物区域外部环境空气(例如，穿过建筑物区域的外部壁)之间的传热系数，C_m和T_m为建筑物区域内非空气质量的热容和温度，并且H_mz为建筑物区域的空气与非空气质量之间的传热系数。

前面的等式将建筑物区域的所有质量属性合并为单个区域质量。经济控制器510可以使用的其他传热模型包含以下空气模型、浅层质量模型和深层质量区域模型：

/>

其中C_z和T_区域为建筑物区域空气的热容和温度，T_a为环境空气温度，H_az为建筑物区域空气与建筑物区域外部环境空气(例如，穿过建筑物区域的外部壁)之间的传热系数，C_s和T_s为建筑物区域内浅层质量的热容和温度，H_sz为建筑物区域空气与浅层质量之间的传热系数，C_d和T_d为建筑物区域内深层质量的热容和温度，并且H_ds为浅层质量与深层质量之间的传热系数。

在一些实施例中，经济控制器510使用来自气象服务416的天气预报来确定优化周期的每个时间步的环境空气温度T_a和/或外部干扰的适当值。C和H的值可以被指定为建筑物区域的参数，该参数从跟踪控制器512接收、从用户接收、从存储器508检索或者以其他方式作为输入提供到经济控制器510。因此，建筑物区域T_区域的温度可以被定义为随着由使用这些传热模型中的任何一个的CEF 300施加到建筑物区域的加热或冷却量/>而变化。经济控制器510可以通过调整预测成本函数J中的变量P_冷水机、P_HRC、F_气体和/或P_总来调整操纵变量/>

在一些实施例中，经济控制器510使用将由CEF 300施加到建筑物区域的加热或冷却量定义为随着由经济控制器510提供的功率设定点P_{设定点,电网}和P_{设定点，电池}而变化的模型。例如，经济控制器510可以添加功率设定点P_{设定点,电网}和P_{设定点,电池}以确定将由被供电的CEF部件402消耗的功率总量P_总。经济控制器510可以用P_总来确定由CEF 300施加到建筑物区域的加热或冷却的总量/>

在一些实施例中，经济控制器510使用一个或多个模型，该一个或多个模型将由CEF 300施加到建筑物区域的加热或冷却量(即，)定义为随着区域温度T_区域和区域温度设定点T_{设定点,区域}而变化，如以下等式所示：

经济控制器510使用的模型可以作为优化约束来施加，以确保由CEF 300提供的加热或冷却量不会减少到会导致区域温度T_区域偏离可接受或舒适温度范围的值。

在一些实施例中，经济控制器510使用多个模型将由CEF 300提供的加热或冷却量与区域温度T_区域和区域温度设定点T_{设定点,区域}相关联。例如，经济控制器510可以使用设备控制器514的模型来确定由设备控制器514执行的随着区域温度T_区域和区域温度设定点T_{设定点,区域}而变化的控制动作。以下等式中示出了此类区域调节控制器模型的实例：

v_空气＝f₁(T_区域,T_{设定点,区域})

其中v_空气为流向建筑物区域的气流速率(即，控制动作)。函数f₁可以从数据中识别出来。例如，经济控制器510可以收集v_空气和T_区域的测量值并识别T_{设定点,区域}的对应值。跟踪控制器510可以使用v_空气、T_区域和T_{设定点,区域}的集合值作为训练数据来执行系统识别过程，以确定定义此类变量之间关系的函数f₁。

经济控制器510可以使用使控制动作v_空气与由CEF 300提供的加热或冷却量相关的能量平衡模型，如以下等式所示：/>

函数f₂可以从训练数据中识别出来。经济控制器510可以使用v_空气和的集合值来执行系统识别过程以确定定义这些变量之间的关系的函数f₂。

在一些实施例中，与v_空气之间存在线性关系。假设理想的比例积分(PI)控制器以及/>与v_空气之间的线性关系，则可以使用简化的线性控制器模型将由CEF 300提供的加热或冷却量/>定义为随着区域温度T_区域和区域温度设定点T_{设定点,区域}而变化。此模型的实例在以下等式中示出：

ε＝T_{设定点,区域}-T_区域

其中为加热或冷却速率的稳态速率，K_c为缩放区域PI控制器比例增益，τ_I为区域PI控制器积分时间，并且ε为设定点误差(即，区域温度设定点T_{设定点,区域}与区域温度T_区域之间的差)。饱和度可以通过对/>的约束来表示。如果线性模型不足以准确地对设备控制器514和CEF 300中的传热进行建模，则可以替代地使用非线性加热/冷却负载模型。

除了对区域温度T_区域的约束之外，经济控制器510还可以对电池单元302的充电状态(SOC)和充电/放电速率施加约束。在一些实施例中，经济控制器510生成以下功率约束并将其施加于预测成本函数J：

P_电池≤P_额定

-P_电池≤P_额定

其中P_电池为从电池单元302释放的功率量并且P_额定为电池单元302的额定电池功率(例如，电池单元302可以充电或放电的最大速率)。这些功率约束确保电池单元302不以超过最大可能电池充电/放电速率P_额定的速率进行充电或放电。

在一些实施例中，经济控制器510生成一个或多个容量约束并将其施加于预测成本函数J。该容量约束可以用于使在每个时间步期间充电或放电的电池功率P_电池与电池单元302的容量和SOC相关。容量约束可以确保电池单元302的容量在优化周期的每个时间步保持在可接受的下限和上限内。在一些实施例中，经济控制器510生成以下容量约束：

C_a(k)-P_电池(k)Δt≤C_额定

C_a(k)-P_电池(k)Δt≥0

其中C_a(k)为时间步k开始时的可用电池容量(例如，kWh)，P_电池(k)为电池单元302在时间步k期间放电的速率(例如，kW)，Δt为每个时间步的持续时间，并且C_额定为电池单元302的最大额定容量(例如，kWh)。术语P_电池(k)Δt表示时间步k期间电池容量的变化。这些容量约束确保电池单元302的容量保持在零与最大额定容量C_额定之间。

在一些实施例中，经济控制器510生成一个或多个容量约束并将其施加于被供电的CEF部件402的操作。例如，被供电的CEF部件402可以具有对应于最大功耗P_总,max的最大操作点(例如，最大泵速、最大冷却容量等)。经济控制器510可以被配置成生成约束，该约束将提供给被供电的CEF部件402的功率P_总限制在零与最大功耗P_总,max之间，如以下等式所示：

0≤P_总≤P_总,max

P_总＝P_{设定点,电网}+P_{设定点,电池}

其中提供给被供电的CEF部件402的总功率P_总为电网功率设定点P_{设定点,电网}与电池功率设定点P_{设定点,电池}之和。

在一些实施例中，经济控制器510生成一个或多个容量约束并将其施加于CEF 300的一个或多个子设备的操作。例如，加热可以由加热器子设备202提供并且冷却可以由冷水机子设备206提供。加热器子设备202和冷水机子设备206的操作可以由加热器子设备202和冷水机子设备206中的每一个的子设备曲线来限定。每个子设备曲线可以定义为随着由子设备消耗的一种或多种资源(例如，电力、天然气、水等)而变化的子设备的资源生产(例如，吨制冷、kW加热等)。于2015年2月27日提交的美国专利申请第14/634,609号中更详细地描述了经济控制器510可以使用的子设备曲线的几个实例。

经济控制器510可以被配置成使用子设备曲线来识别可以由加热器子设备202提供的最大加热量和可以由冷水机子设备206提供的最大冷却量。经济控制器510可以生成并施加约束，该约束将由加热器子设备202提供的加热量限制在零与最大加热量之间。类似地，经济控制器510可以生成并施加约束，该约束将由冷水机子设备206提供的冷却量限制在零与最大冷却量之间。

经济控制器510可以优化受到这些约束的预测成本函数J，以确定决策变量P_总、P_冷水机、P_HRC、F_气体、P_电网和P_电池的最佳值，其中P_总＝P_电池+P_电网+P_PV。在一些实施例中，经济控制器510使用P_总、P_电池和/或P_电网的最佳值来生成用于跟踪控制器512的功率设定点。功率设定点可以包含针对优化周期中的时间步k中的每个时间步的电池功率设定点P_{设定点,电池}、电网功率设定点P_{设定点,电网}和/或CEF功率设定点P_{设定点,总}。经济控制器510可以向跟踪控制器512提供功率设定点。

跟踪控制器

跟踪控制器512可以使用最佳功率设定点P_{设定点,电网}，P_{设定点,电池}和/或由经济控制器510生成的最佳功率设定点P_{设定点,总}以确定最佳温度设定点(例如，区域温度设定点T_{设定点,区域}、冷却水温度设定点T_{设定点,冷却水}等)和最佳电池充电或放电速率(即，电池_{充电/放电})。在一些实施例中，跟踪控制器512生成预测实现CEF 300的功率设定点P_{设定点,总}的区域温度设定点T_{设定点,区域}和/或冷却水温度设定点T_{设定点,冷却水}。换句话说，跟踪控制器512可以生成使CEF 300消耗由经济控制器510确定的最佳功率量P_总的区域温度设定点T_{设定点,区域}和/或冷却水温度设定点T_{设定点,冷却水}。

在一些实施例中，跟踪控制器512使用功耗模型使CEF 300的功耗与区域温度T_区域和区域温度设定点T_{设定点,区域}相关。例如，跟踪控制器512可以使用设备控制器514的模型来确定由设备控制器514执行的随着区域温度T_区域和区域温度设定点T_{设定点,区域}而变化的控制动作。以下等式中示出了此类区域调节控制器模型的实例：

v_空气＝f₃(T_区域,T_{设定点,区域})

其中v_空气为流向建筑物区域的气流速率(即，控制动作)。

跟踪控制器512可以将CEF 300的功耗P_总定义为随着区域温度T_区域和区域温度设定点T_{设定点,区域}而变化。此类模型的实例在以下等式中示出：

P_总＝f₄(T_区域,T_{设定点,区域})

函数f₄可以从数据中识别出来。例如，跟踪控制器512可以收集P_总和T_区域的测量值并识别T_{设定点,区域}的对应值。跟踪控制器512可以使用P_总、T_区域和T_{设定点,区域}的集合值作为训练数据来执行系统识别过程，以确定定义此类变量之间关系的函数f₄。

跟踪控制器512可以使用类似的模型来确定CEF 300的总功耗P_总与冷却水温度设定点T_{设定点,冷却水}之间的关系。例如，跟踪控制器512可以将CEF 300的功耗P_总定义为随着区域温度T_区域和冷却水温度设定点T_{设定点,冷却水}而变化。此类模型的实例在以下等式中示出：

P_总＝f₅(T_区域,T_{设定点,冷却水})

函数f₅可以从数据中识别出来。例如，跟踪控制器512可以收集P_总和T_区域的测量值并识别T_{设定点,冷却水}的对应值。跟踪控制器512可以使用P_总、T_区域和T_{设定点,冷却水}的集合值作为训练数据来执行系统识别过程，以确定定义此类变量之间关系的函数f₅。

跟踪控制器512可以使用P_总、T_{设定点,区域}与T_{设定点,冷却水}之间的关系来确定T_{设定点,区域}和T_{设定点,冷却水}的值。例如，跟踪控制器512可以接收P_总的值作为来自经济控制器510的输入(即，P_{设定点,总})并且可以使用来确定T_{设定点,区域}和T_{设定点,冷却水}的对应值。跟踪控制器512可以将T_{设定点,区域}和T_{设定点,冷却水}的值作为输出提供给设备控制器514。

在一些实施例中，跟踪控制器512使用电池功率设定点P_{设定点,电池}来确定对电池单元302进行充电或放电的最佳速率电池_{充电/放电}。例如，电池功率设定点P_{设定点,电池}可以定义功率值(kW)，该功率值可以由跟踪控制器512转换成用于功率逆变器410和/或设备控制器514的控制信号。在其他实施例中，电池功率设定点P_{设定点,电池}直接提供给功率逆变器410并且由功率逆变器410用来控制电池功率P_电池。

设备控制器

设备控制器514可以使用由跟踪控制器512生成的最佳温度设定点T_{设定点,区域}或T_{设定点,冷却水}来生成用于被供电的CEF部件402的控制信号。由设备控制器514生成的控制信号可以将实际(例如，测得的)温度T_区域和/或T_冷却水驱动到设定点。设备控制器514可以使用多种控制技术中的任何一种来生成用于被供电的CEF部件402的控制信号。例如，设备控制器514可以使用基于状态的算法、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)算法或其他反馈控制算法来生成用于被供电的CEF部件402的控制信号。

控制信号可以包含开/关命令、冷却塔404的风机的速度设定点、冷水机406的压缩机的功率设定点、冷水机406的冷却水温度设定点、泵408的压力设定点或流量设定点或被供电的CEF部件402的各个装置的其他类型的设定点。在其他实施例中，控制信号可以包含由预测CEF控制器304生成的温度设定点(例如，区域温度设定点T_{设定点,区域}、供应空气温度设定点T_{设定点,冷却水}等)。可以将温度设定点提供到被供电的CEF部件402或被供电的CEF部件402的本地控制器，该本地控制器运行以实现温度设定点。例如，冷水机406的本地控制器可以接收来自冷却水温度传感器的冷却水温度T_冷却水的测量值和/或来自区域温度传感器的区域温度T_区域的测量值。

在一些实施例中，设备控制器514被配置成向功率逆变器410提供控制信号。提供给功率逆变器410的控制信号可以包含电池功率设定点P_{设定点,电池}和/或最佳充电/放电速率电池_{充电/放电}。设备控制器514可以被配置成操作功率逆变器410以实现电池功率设定点P_{设定点,电池}。例如，设备控制器514可以使功率逆变器410根据电池功率设定点P_{设定点,电池}对电池单元302充电或使电池单元302放电。

现在参考图6，示出了根据一些实施例的可以由预测CEF控制器304生成的用户界面600。如上所述，经济控制器510可以被配置成在优化周期的每个时间步确定由电网功率和/或电池功率组成的每个功耗值(例如，P_冷水机、P_HRC等)的部分。用户界面600可用于向用户传达由电网功率和/或电池功率组成的每个功耗值的相对部分。

界面600示出了调度图。调度图的上半部分对应于冷却，而调度图的下半部分对应于加热。上半部与下半部之间的中线对应于两半部的零负载/功率。正冷却值示出为中线上方的位移，而正加热值示出为中线下方的位移。线602和612分别表示优化周期的每个时间步的经请求冷却负载和经请求加热负载。线604和614表示在优化周期的持续时间内用于为冷却设备(例如，冷水机子设备)和加热设备(例如，加热器子设备)供电的电池的充电电平。

如上所述，经济控制器510可以被配置成确定优化周期的每个时间步的最佳功率设定点。由经济控制器510执行的优化的结果可以在调度图中表示。例如，调度图示出为包含优化周期的每个时间步的竖直列。每一列可以包含表示由经济控制器510针对相应时间步确定的功率设定点的一个或多个条。每个条的颜色指示功率设定点的类型。例如，灰色条608和618(在图6中示出为白色条)可以指示电网功率设定点(例如，P_设定点,_电网)，而绿色条606和616(在图6中示出为阴影条)可以指示电池功率设定点(例如，P_设定点,_电池)。每个条的高度表示该时间步对应功率设定点的大小。

位于经请求冷却线602上方的绿色条606指示冷却设备电池正在充电(即，用于给电池充电的多余能量)，而位于经请求冷却线602下方的绿色条606指示冷却设备电池正在放电(即用于满足经请求冷却负载的一部分的电池功率)。当冷却设备电池正在充电时，冷却设备电池的充电电平增加，并且当冷却设备电池正在放电时，冷却设备电池的充电电平减少。

类似地，位于经请求加热线612下方的绿色条616指示加热设备电池正在充电(即，用于给电池充电的多余能量)，而位于经请求加热线612上方的绿色条616指示加热设备电池正在放电(即，用于满足经请求加热负载的一部分的电池功率)。当加热设备电池正在充电时，加热设备电池的充电电平增加，并且当加热设备电池正在放电时，加热设备电池的充电电平减少。

带电池单元和预测控制的风冷式冷水机

现在参考图7-8，示出了根据一些实施例的具有电池单元702和预测冷水机控制器704的风冷式冷水机700。冷水机700可以被配置成经由冷却水管714向冷却负载734提供冷却流体(例如，冷却水718)。冷却负载734可以包含例如建筑物区、流过空气管道的供应气流、空气处理单元或屋顶单元中的气流、流过热交换器、冰箱或冰柜、冷凝器或蒸发器、冷却盘管或需要冷却的任何其他类型的系统、装置或空间的流体。在一些实施例中，泵732经由冷却流体回路738将冷却流体循环至冷却负载734。冷却流体可以从冷却负载734吸收热量，从而向冷却负载734提供冷却并且对该冷却流体进行加热。加热的流体(在图7中示出为回水716)可以经由回水管712返回到冷水机700。

冷水机700被示出为包含冷凝器722、压缩机720、蒸发器724、膨胀装置726和风机730。压缩机720可被配置成使制冷剂经由制冷回路736在冷凝器722与蒸发器724之间循环。压缩机720运行以将制冷剂压缩至高压、高温状态。压缩的制冷剂流过冷凝器722，该冷凝器将热量从制冷回路736中的制冷剂传递到气流728。风机730可用于迫使气流728通过或流过冷凝器722，以为冷凝器722中的制冷剂提供冷却。然后，冷却的制冷剂流过膨胀装置726，该膨胀装置将制冷剂膨胀至低温、低压状态。膨胀的制冷剂流过蒸发器724，该蒸发器将热量从冷却流体回路738中的冷却流体传递至制冷回路736中的制冷剂。

在一些实施例中，冷水机700包含一个或多个光伏(PV)面板708。PV面板708可以包含光伏电池的集合。光伏电池被配置成使用诸如单晶硅、多晶硅、非晶硅、碲化镉、铜铟镓硒化物/硫化物或表现出光伏效应的其他材料的光伏材料将太阳能(即，阳光)转换成电力。在一些实施例中，光伏电池包含在形成PV面板708的封装组件内。每个PV面板708可以包含多个链接的光伏电池。PV面板708可以组合以形成光伏阵列。

在一些实施例中，PV面板708被配置成使太阳能集合最大化。例如，冷水机700可以包含太阳能跟踪器(例如，GPS跟踪器、阳光传感器等)，该太阳能跟踪器调整PV面板708的角度，使得PV面板708全天直接对准太阳。太阳能跟踪器可以允许PV面板708在一天的大部分时间接收直射阳光，并且可以增加PV面板708产生的总功率量。在一些实施例中，冷水机700包含被配置成将阳光引导和/或集中在PV面板708上的镜子、透镜或太阳能聚光器的集合。由PV面板708产生的能量可以存储在电池单元702中和/或用于为冷水机700的各个部件供电。

在一些实施例中，电池单元702包含一个或多个电池单元706。电池单元706被配置成存储和释放电能(即，电力)。在一些实施例中，使用来自外部电网(例如，由电力公用事业提供)的电力来对电池单元702充电。电池单元702中存储的电力可被释放以向冷水机700的一个或多个被供电的部件(例如，风机730、压缩机720、泵732等)供电。有利地，电池单元702允许冷水机700从能量网汲取电力并在能量价格低时对电池单元702充电，并且在能量价格高时释放存储的电力以时移冷水机700的电负载。在一些实施例中，当以最大容量操作时，电池单元702具有足够的能量容量来为冷水机700供电大约4-6小时，使得电池单元702可以在高能量成本周期期间被使用并且在低能量成本周期期间被充电。

如图8所示，冷水机700可包含燃料电池802。在一些实施例中，燃料电池802为被配置成利用化学反应生成电能的燃料电池。例如，燃料电池802可以通过一对氧化还原反应将氢和氧化剂(例如，氧)的化学能量转化为电力。在其他实施例中，燃料电池802为使用柴油、甲醇、天然气等中的一种或多种来发电的碳氢化合物燃料电池。燃料电池802可被控制以发电以增加电网能量或其他能量来源、在高能量成本周期期间补充电池放电、或发电以对电池充电(例如，在高能量成本周期期间)。燃料电池可能需要燃料更换(例如，氢的供应)，例如，燃料更换可以定期购买并添加到冷水机700中。在冷水机700包含燃料电池802的实施例中，本文的控制和优化过程被配置成在产生用于包含燃料电池802的冷水机700的各个部件的控制输出时考虑燃料电池802的贡献和操作燃料电池802的成本。例如，由预测冷水机控制器704执行的优化可以确定是否在优化周期中的每个时间步操作燃料电池802来发电。

在一些实施例中，预测冷水机控制器704执行优化过程以确定在优化周期期间发生的多个时间步中的每个时间步期间是否对电池单元702进行充电或放电。预测冷水机控制器704可以使用天气和定价数据710来预测多个时间步中的每个时间步期间所需的加热/冷却量和电力成本。预测冷水机控制器704可以优化目标函数，该目标函数考虑了在优化周期的持续时间内从能量网购买的电力的成本。预测冷水机控制器704可以确定在每个时间步期间从能量网购买的电量以及从电池单元702存储或放电的电量。参考图9-10更详细地描述了由预测冷水机控制器704执行的目标函数和优化。

预测冷水机控制系统

现在参考图9，示出了根据一些实施例的预测冷水机控制系统900的框图。控制系统900中所示的几个部件可以是冷水机700的一部分。例如，冷水机700可以包含被供电的冷水机部件902、电池单元702、预测冷水机控制器704、功率逆变器910和功率结点912。被供电的冷水机部件902可以包含冷水机700的在操作期间消耗功率(例如，电力)的任何部件。例如，被供电的冷水机部件902被示出为包含冷却风机730、压缩机720和泵732。

功率逆变器910可以被配置成在直流电(DC)与交流电(AC)之间转换电力。例如，电池单元702可以被配置成存储和输出DC功率，而能量网914和被供电的冷水机部件902可以被配置成消耗和提供AC功率。功率逆变器910可以用于将来自电池单元702的DC功率转换成与能量网914和/或被供电的冷水机部件902的电网频率同步的正弦AC输出。功率逆变器910还可以用于将来自能量网914的AC功率转换成可以储存在电池单元702中的DC功率。电池单元702的功率输出示出为P_电池。P_电池在电池单元702正在向功率逆变器910提供功率(即，电池单元702正在放电)的情况下可以为正的，或者在电池单元702正在从功率逆变器910接收功率(即，电池单元702正在充电)的情况下可以为负的。

在一些情况下，功率逆变器910接收来自电池单元702的DC功率输出，并将DC功率输出转换成可以提供给被供电的冷水机部件902的AC功率输出。功率逆变器910可以使用本机振荡器使AC功率输出的频率与能量网914的频率(例如，50Hz或60Hz)同步，并且可以将AC功率输出的电压限制为不高于电网电压。在一些实施例中，功率逆变器910为谐振逆变器，该谐振逆变器包含或使用LC电路从简单方波中去除谐波，以实现与能量网914的频率匹配的正弦波。在各个实施例中，功率逆变器910可以使用高频变压器、低频变压器或不使用变压器来操作。低频变压器可以将来自电池单元702的DC输出直接转换为提供给被供电的冷水机部件902的AC输出。高频变压器可以采用多步骤过程，该多步骤过程涉及将DC输出转换为高频AC，然后再转换回DC，并且最后再转换为提供给被供电的冷水机部件902的AC输出。

PV面板708的功率输出示出为P_PV。PV面板708的功率输出P_PV可以存储在电池单元702中和/或用于为被供电的冷水机部件902供电。在一些实施例中，PV面板708测量由PV面板708产生的功率量P_PV并向预测冷水机控制器704提供PV功率的指示。例如，PV面板708被示为向预测冷水机控制器704提供PV功率百分比(即，PV％)的指示。PV功率百分比可以表示PV面板708当前运行的最大PV功率的百分比。

功率结点912为被供电的冷水机部件902、能量网914、PV面板708和功率逆变器910电连接的点。从功率逆变器910供应到功率结点912的功率被示出为P_电池。P_电池在功率逆变器910正在向功率结点912提供功率(即，电池单元702正在放电)的情况下可以为正的，或者在功率逆变器910正在从功率结点912接收功率(即，电池单元702正在充电)的情况下可以为负的。从能量网914供应至功率结点912的功率被示出为P_电网，并且从PV面板708供应至功率结点912的功率被示出为P_PV。P_电池、P_PV、和P_电网在功率结点912处组合以形成P_总(即，P_总＝P_电网+P_电池+P_PV)。P_总可以被定义为从功率结点912提供给被供电的冷水机部件902的功率。在一些情况下，P_总大于P_电网。例如，当电池单元702正在放电时，P_电池可以为正的，其在P_电池和P_PV与P_电网组合以形成P_总时添加到电网功率P_电网和PV功率P_PV。在其他情况下，P_总可能小于P_电网。例如，当电池单元702正在充电时，P_电池可以为负的，其在P_电池、P_PV与P_电网组合以形成P_总时从电网功率P_电网和PV功率P_PV减去。

预测冷水机控制器704可以被配置成控制被供电的冷水机部件902和功率逆变器910。在一些实施例中，预测冷水机控制器704生成电池功率设定点P_{设定点,电池}并将其提供给功率逆变器910。电池功率设定点P_{设定点,电池}可以包含正功率值或负功率值(例如，kW)，这些功率值使功率逆变器910使用在功率结点912处的可用功率对电池单元702充电(当P_{设定点,电池}为负时)，或者使电池单元702放电(当P_{设定点,电池}为正时)以向功率结点912提供功率，以实现电池功率设定点P_{设定点,电池}。

在一些实施例中，预测冷水机控制器704生成控制信号并将该控制信号提供给被供电的冷水机部件902。预测冷水机控制器704可以使用多级优化技术来生成控制信号。例如，预测冷水机控制器704可以包含经济控制器，该经济控制器被配置成在优化周期期间的每个时间步处确定被供电的冷水机部件902所要消耗的最佳功率量。所要消耗的最佳功率量可以使成本函数最小化，该成本函数考虑了由冷水机700所消耗的能量成本。能量成本可以基于来自电力公用事业918的时变能量价格。在一些实施例中，预测冷水机控制器704在多个时间步中的每个时间步处确定从能量网914购买的最佳功率量(即，电网功率设定点P_{设定点,电网})和存储到电池单元702或从该电池单元释放的最佳功率量(即，电池功率设定点P_{设定点,电池})。预测冷水机控制器704可以监测被供电的冷水机部件902的实际功率使用量，并且可以在生成最佳功率设定点时将实际功率使用量作为反馈信号。

预测冷水机控制器704可以包含跟踪控制器，该跟踪控制器被配置成生成在每个时间步处实现最佳功耗量的温度设定点(例如，空气温度设定点T_{设定点,空气}、冷却水温度设定点T_{设定点,水}等)。在一些实施例中，预测冷水机控制器704使用用于被供电的冷水机部件902的设备模型来确定可以由冷水机部件902基于最佳功耗量生成的加热量或冷却量。预测冷水机控制器704可以使用温度模型来基于功率设定点来预测冷却水的温度T_水将如何变化。

在一些实施例中，预测冷水机控制器704使用温度设定点来生成用于被供电的冷水机部件902的控制信号。控制信号可包含开/关命令、风机730的速度设定点、压缩机720的功率设定点、冷水机700的冷却水温度设定点、泵732的压力设定点或流量设定点或被供电的冷水机部件902的各个装置的其他类型的设定点。在其他实施例中，控制信号可以包含由预测冷水机控制器704生成的温度设定点(例如，空气温度设定点T_{设定点,空气}、冷却水温度设定点T_{设定点,水}等)。可以将温度设定点提供给被供电的冷水机部件902或被供电的冷水机部件902的本地控制器，该本地控制器操作以实现温度设定点。例如，风机730的本地控制器可以从冷却水温度传感器接收冷却水温度T_水的测量值和/或从空气温度传感器接收空气温度T_空气(即，气流728的温度)的测量值。本地控制器可以使用反馈控制过程(例如，PID、ESC、MPC等)来增加或减少由风机730提供的气流，以将测得的温度驱动到温度设定点。类似的反馈控制过程可用于压缩机720和/或泵732。参考图10更详细地描述了由预测冷水机控制器704执行的多级优化。

预测冷水机控制器

现在参考图10，根据示例性实施例，更详细地示出了图示预测冷水机控制器704的框图。预测冷水机控制器704被示出为包含通信接口1002和处理电路1004。通信接口1002可以促进控制器704与外部系统或装置之间的通信。例如，通信接口1002可以接收来自温度传感器1016的空气温度T_空气和冷却水温度T_水的测量值以及被供电的冷水机部件902的功率使用的测量值。在一些实施例中，通信接口1002接收电池单元702的荷电状态(SOC)的测量值，该测量值可以以最大电池容量的百分比(即，电池％)的形式提供。通信接口1002可以接收来自气象服务916的天气预报和来自电力公用事业918的预测能量成本和需求成本。在一些实施例中，预测冷水机控制器704使用通信接口1002来提供控制信号被供电的冷水机部件902和功率逆变器910。

通信接口1002可包含用于与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，插口、天线、发射器、接收器、收发器、导线端子等)。在各种实施例中，通信可为直接通信(例如，本地有线或无线通信)或经由通信网络(例如，WAN、因特网、蜂窝式网络等)进行。例如，通信接口1002可以包含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。在另一实例中，通信接口1002可包含用于经由无线通信网络或蜂窝式或移动电话通信收发器通信的Wi-Fi收发器。

处理电路1004被示出为包含处理器1006和存储器1008。处理器1006可为通用或专用处理器、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1006被配置成执行存储在存储器1008中或从其他计算机可读介质(例如，CDROM、网络存储装置、远程服务器等)接收到的计算机代码或指令。

存储器1008可包含用于存储用于完成和/或促进本公开中所描述的各种过程的数据和/或计算机代码的一或多个装置(例如，存储器单元、存储器装置、存储装置等)。存储器1008可以包含随机存取存储器(RAM)、只读存储器(ROM)、硬盘驱动存储装置、临时存储装置、非易失性存储器、快闪存储器、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1008可以包含数据库部件、目标代码部件、脚本部件或用于支持各种活动的任何其他类型的信息结构和本公开中所描述的信息结构。存储器1008可经由处理电路1004可通信地连接到处理器1006，且可包含用于(例如，由处理器1006)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1006执行存储在存储器1008中的指令以完成本文所描述的各种活动时，处理器1006通常配置控制器704(并且更具体地处理电路1004)以完成此类活动。

仍然参考图10，预测冷水机控制器704被示出为包含经济控制器1010、跟踪控制器1012和设备控制器1014。控制器1010-1014可以被配置成执行多状态优化过程以生成用于功率逆变器910和被供电的冷水机部件902的控制信号。简而言之，经济控制器1010可以优化预测成本函数以在优化周期的每个时间步处确定从能量网914购买的最佳功率量(即，电网功率设定点P_{设定点,电网})、存储至电池单元702或从该电池单元释放的最佳功率量(即，电池功率设定点P_{设定点,电池})，和/或由被供电的冷水机部件902所消耗的最佳功率量(即，冷水机功率设定点P_{设定点,总})。跟踪控制器1012可以使用最佳功率设定点P_{设定点,电网}、P_{设定点,电池}和/或P_{设定点,总}以确定最佳温度设定点(例如，空气设定点T_{设定点,空气}、冷却水温度设定点T_{设定点,水}等)和最佳电池充电或放电速率(即，电池_{充电/放电})。设备控制器1014可以使用最佳温度设定点T_{设定点,空气}或T_{设定点,水}来生成用于被供电的冷水机部件902的控制信号，该控制信号将实际(例如，测得的)温度T_空气和/或T_水驱动到设定点(例如，使用反馈控制技术)。下文详细描述控制器1010-1014中的每一个控制器。

经济控制器

经济控制器1010可以被配置成优化预测成本函数以在优化周期的每个时间步处确定从能量网914购买的最佳功率量(即，电网功率设定点P_{设定点,电网})、存储至电池单元702或从该电池单元释放的最佳功率量(即，电池功率设定点P_{设定点,电池})，和/或由被供电的冷水机部件902所消耗的最佳功率量(即，冷水机功率设定点P_{设定点,总})。可以由经济控制器1010优化的预测成本函数的实例在以下等式中示出：

其中C_ec(k)为在时间步k期间从电力公用事业918购买的每单位电力的成本(例如，$/kWh)，P_风扇(k)为在时间步k期间风机730的功耗(例如，kW)，P_压缩机(k)为在时间步k期间压缩机720的功耗，P_泵(k)为泵732在时间步k处的功耗，C_DC为需量电费率(例如，$/kW)，其中max()项选取冷水机700的在优化周期的任何时间步k期间的最大购电量(即，P_电网(k)的最大值)，P_电池(k)为在时间步k期间从电池单元702释放的功率量，并且Δt为每个时间步k的持续时间。经济控制器1010可以在优化周期的持续时间内(例如，从时间步k＝1到时间步k＝h)优化预测成本函数J，以在优化周期的持续时间内预测操作冷水机700的总成本。

预测成本函数J的第一、二、三项表示在优化周期的持续时间内由被供电的冷水机部件902所消耗的电力成本。每个时间步k处的参数C_ec(k)的值可以由电力公用事业918所提供的能量成本信息来定义。在一些实施例中，电力成本随时间而变化，这导致在不同的时间步k处C_ec(k)的不同值。变量P_风扇(k)、P_压缩机(k)和P_泵(k)为可以由经济控制器1010优化的决策变量。在一些实施例中，被供电的冷水机部件902在时间步k处的总功耗P_总(k)等于P_风扇(k)、P_压缩机(k)与P_泵(k)之和(即，P_总(k)＝P_风扇(k)+P_压缩机(k)+P_泵(k))。因此，在一些实施例中，预测成本函数的前三项可以用求和来代替。

预测成本函数J的第四项表示需量电费。需量电费是一些公用事业提供商基于适用的需量电费周期期间的最大功耗而征收的另外的费用。例如，需量电费率C_DC可以以每单位功率的美元(例如，$/kW)来指定，并且可以乘以需量电费周期期间的峰值功率使用量(例如，kW)来计算需量电费。在预测成本函数J中，需量电费率C_DC可以由从电力公用事业918接收的需求成本信息来定义。变量P_电网(k)为可以由经济控制器1010优化以减少在需量电费周期期间出现的峰值功率使用量max(P_电网(k))的决策变量。当被供电的冷水机部件902的功耗低时，负载转移可以允许经济控制器1010通过在电池单元702中存储能量来使供冷水机700的电力需求的瞬时峰值平滑。当被供电的冷水机部件902的功耗高时，可以从电池单元702释放存储的能量，以减少来自能量网914的峰值功率汲取P_电网，由此减少所产生的需量电费。

预测成本函数J的最后一项表示因使用电池单元702而节省的成本。与成本函数J中的前几项不同，最后一项从总成本中减去。每个时间步k处的参数C_ec(k)的值可以由电力公用事业918所提供的能量成本信息来定义。在一些实施例中，电力成本随时间而变化，这导致在不同的时间步k处C_ec(k)的不同值。变量P_电池(k)是可以由经济控制器1010优化的决策变量。P_电池(k)的正值指示电池单元702正在放电，而P_电池(k)的负值指示电池单元702正在充电。从电池单元702释放的功率P_电池(k)可以用于满足被供电的冷水机部件902的一些或全部总功耗P_总(k)，这减少了从能量网914购买的功率量P_电网(k)(即，P_电网(k)＝P_总(k)-P_电池(k)-P_PV(k))。然而，对电池单元702充电导致P_电池(k)的负值，这会增加从能量网914购买的总功率量P_电网(k)。

在一些实施例中，由PV面板708所提供的功率P_PV不包含在预测成本函数J中，因为产生PV功率不会产生成本。然而，由PV面板708产生的功率P_PV可以用于满足被供电的冷水机部件902的一些或全部总功耗P_总(k)，这减少了从能量网914购买的功率量P_电网(k)(即，P_电网(k)＝P_总(k)-P_电池(k)-P_PV(k))。经济控制器1010可以预测在任何时间步k期间产生的PV功率P_PV的量。在美国专利申请第15/247,869号、美国专利申请第15/247,844号和美国专利申请第15/247,788号中描述了用于预测由PV面板产生的PV功率的量的若干种技术。这些专利申请中的每一个都具有2016年8月25日的提交日期，并且这些专利申请中的每一个的全部公开内容通过引用并入本文。

经济控制器1010可以在优化周期的持续时间内优化预测成本函数J，以确定优化周期期间每个时间步处的决策变量的最佳值。在一些实施例中，优化周期具有大约一天的持续时间并且每个时间步大约是十五分钟。然而，优化周期的持续时间和时间步在其他实施例中可以变化并且可以由用户调整。有利地，当能量价格低和/或当被供电的冷水机部件902所消耗的功率低时，经济控制器1010可以使用电池单元702通过从能量网914汲取电力来执行负载转移。电力可以存储在电池单元702中，然后在能量价格高和/或被供电的冷水机部件902的功耗高时放电。这使得经济控制器1010能够降低冷水机700所消耗的电力成本并且可以使冷水机700的电力需求中的瞬时峰值平滑，由此减少所产生的需量电费。

经济控制器1010可以被配置成对预测成本函数J的优化施加约束。在一些实施例中，约束包含对由冷水机700产生的冷却水的温度T_水的约束。经济控制器1010可以被配置成始终将实际或预测温度T_水维持在最小温度界限T_min与最大温度界限T_max之间(即，T_min≤T_水≤T_max)。参数T_min和T_max可以随时间变化以定义不同时间的不同温度范围。

除了对水温度T_水的约束之外，经济控制器1010还可以对电池单元702的充电状态(SOC)和充电/放电速率施加约束。在一些实施例中，经济控制器1010生成以下功率约束并将其施加于预测成本函数J：

P_电池≤P_额定

-P_电池≤P_额定

其中P_电池为从电池单元702释放的功率量并且P_额定为电池单元702的额定电池功率(例如，电池单元702可以充电或放电的最大速率)。这些功率约束确保电池单元702不以超过最大可能电池充电/放电速率P_额定的速率进行充电或放电。

在一些实施例中，经济控制器1010生成一个或多个容量约束并将其施加于预测成本函数J。该容量约束可以用于使在每个时间步期间充电或放电的电池功率P_电池与电池单元702的容量和SOC相关。容量约束可以确保电池单元702的容量在优化周期的每个时间步保持在可接受的下限和上限内。在一些实施例中，经济控制器1010生成以下容量约束：

C_a(k)-P_电池(k)Δt≤C_额定

C_a(k)-P_电池(k)Δt≥0

其中C_a(k)为时间步k开始时的可用电池容量(例如，kWh)，P_电池(k)为电池单元702在时间步k期间放电的速率(例如，kW)，Δt为每个时间步的持续时间，并且C_额定为电池单元702的最大额定容量(例如，kWh)。术语P_电池(k)Δt表示时间步k期间电池容量的变化。这些容量约束确保电池单元702的容量保持在零与最大额定容量C_额定之间。

在一些实施例中，经济控制器1010生成一个或多个容量约束并将其施加于被供电的冷水机部件902的操作。例如，被供电的冷水机部件902可以具有对应于最大功耗P_总,max的最大操作点(例如，最大泵速、最大冷却容量等)。经济控制器1010可以被配置成生成约束，该约束将提供给被供电的冷水机部件902的功率P_总限制在零与最大功耗P_总,max之间，如以下等式所示：

0≤P_总≤P_总,max

P_总＝P_设定点,_电网+P_设定点,_电池

其中提供给被供电的冷水机部件902的总功率P_总为电网功率设定点P_{设定点,电网}与电池功率设定点P_{设定点,电池}之和。

经济控制器1010可以优化受到这些约束的预测成本函数J，以确定决策变量P_总、P_风扇、P_压缩机、P_泵、P_电网和P_电池的最佳值，其中P_总＝P_电池+P_电网+P_PV。在一些实施例中，经济控制器1010使用P_总、P_电池和/或P_电网的最佳值来生成用于跟踪控制器1012的功率设定点。功率设定点可以包含针对优化周期中的时间步k中的每个时间步的电池功率设定点P_{设定点,电池}、电网功率设定点P_{设定点,电网}和/或冷水机功率设定点P_{设定点,总}。经济控制器1010可以向跟踪控制器1012提供功率设定点。

跟踪控制器

跟踪控制器1012可以使用最佳功率设定点P_{设定点,电网}、P_{设定点,电池}和/或P_{设定点,总}由经济控制器1010生成的最佳功率设定点以确定最佳温度设定点(例如，空气温度设定点T_{设定点,空气}、冷却水温度设定点T_{设定点,水}等)和最佳电池充电或放电速率(即，电池_{充电/放电})。在一些实施例中，跟踪控制器1012生成预测实现冷水机700的功率设定点P_{设定点,总}的空气温度设定点T_{设定点,空气}和/或冷却水温度设定点T_{设定点,水}。换句话说，跟踪控制器1012可以生成使冷水机700消耗由经济控制器1010确定的最佳功率量P_总的空气温度设定点T_{设定点,空气}和/或冷却水温度设定点T_{设定点,水}。

在一些实施例中，跟踪控制器1012使用电池功率设定点P_{设定点,电池}来确定对电池单元702进行充电或放电的最佳速率电池_{充电/放电}。例如，电池功率设定点P_{设定点,电池}可以定义功率值(kW)，该功率值可以由跟踪控制器1012转换成用于功率逆变器910和/或设备控制器1014的控制信号。在其他实施例中，电池功率设定点P_{设定点,电池}直接提供给功率逆变器910并且由功率逆变器910用来控制电池功率P_电池。

设备控制器

设备控制器1014可以使用由跟踪控制器1012生成的最佳温度设定点T_{设定点,空气}或T_{设定点,水}来生成用于被供电的冷水机部件902的控制信号。由设备控制器1014生成的控制信号可以将实际(例如，测得的)温度T_空气和/或T_水驱动到设定点。设备控制器1014可以使用多种控制技术中的任何一种来生成用于被供电的冷水机部件902的控制信号。例如，设备控制器1014可以使用基于状态的算法、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)算法或其他反馈控制算法来生成用于被供电的冷水机部件902的控制信号。

控制信号可包含开/关命令、风机730的速度设定点、压缩机720的功率设定点、泵732的压力设定点或流量设定点或被供电的冷水机部件902的各个装置的其他类型的设定点。在其他实施例中，控制信号可以包含由预测冷水机控制器704生成的温度设定点(例如，空气温度设定点T_{设定点,空气}、冷却水温度设定点T_{设定点,水}等)。可以将温度设定点提供给被供电的冷水机部件902或被供电的冷水机部件902的本地控制器，该本地控制器操作以实现温度设定点。例如，风机730的本地控制器可以接收来自冷却水温度传感器的冷却水温度T_水的测量值和/或来自空气温度传感器的空气温度T_空气的测量值，并且可以调节风机730的速度以将测得的温度驱动到温度设定点。

在一些实施例中，设备控制器1014被配置成向功率逆变器910提供控制信号。提供给功率逆变器910的控制信号可以包含电池功率设定点P_{设定点,电池}和/或最佳充电/放电速率电池_{充电/放电}。设备控制器1014可以被配置成操作功率逆变器910以实现电池功率设定点P_{设定点,电池}。例如，设备控制器1014可以使功率逆变器910根据电池功率设定点P_{设定点,电池}对电池单元702充电或使电池单元702放电。

带电池和预测控制的泵单元

现在参考图11-12，示出了根据一些实施例的具有电池单元1102和预测泵控制器1104的泵单元1100。泵单元1100可以被配置成经由流体回路1138使流体循环通过HVAC装置1134。HVAC装置1134可包含例如加热盘管或冷却盘管、空气处理单元、屋顶单元、热交换器、冰箱或冰柜、冷凝器或蒸发器、冷却塔或接收HVAC系统中的流体的任何其他类型的系统或装置。在一些实施例中，泵1132经由入口水管1112接收流体(例如，入口水1116)并经由出口水管1114输出流体(例如，出口水1118)。

在一些实施例中，电池单元1102包含一个或多个电池单元1106。电池单元1106被配置成存储和释放电能(即，电力)。在一些实施例中，使用来自外部电网(例如，由电力公用事业提供)的电力来对电池单元1102充电。电池单元1102中存储的电力可被释放以为泵单元1100的一个或多个被供电的部件(例如，泵1132)供电。有利地，电池单元1102允许泵单元1100从能量网汲取电力并在能量价格低时对电池单元1102充电，并且在能量价格高时释放存储的电力以时移泵单元1100的电负载。在一些实施例中，当以最大容量操作时，电池单元1102具有足够的能量容量来为泵单元1100供电大约4-6小时，使得电池单元1102可以在高能量成本周期期间被使用并且在低能量成本周期期间被充电。

如图12所示，泵单元1100可包含燃料电池1202。在一些实施例中，燃料电池1202为被配置成利用化学反应生成电能的燃料电池。例如，燃料电池1202可以通过一对氧化还原反应将氢和氧化剂(例如，氧)的化学能量转化为电力。在其他实施例中，燃料电池1202为使用柴油、甲醇、天然气等中的一种或多种来发电的碳氢化合物燃料电池。燃料电池1202可被控制以发电以增加电网能量或其他能量来源、在高能量成本周期期间补充电池放电、或发电以对电池充电(例如，在高能量成本周期期间)。燃料电池可能需要燃料更换(例如，氢的供应)，例如，燃料更换可以定期购买并添加到泵单元1100中。在泵单元1100包含燃料电池1202的实施例中，本文的控制和优化过程被配置成在产生用于包含燃料电池1202的泵单元1100的各个部件的控制输出时考虑燃料电池1202的功率贡献和操作燃料电池1202的成本。例如，由预测泵控制器1104执行的优化可以确定是否在优化周期中的每个时间步操作燃料电池1202来发电。

在一些实施例中，预测泵控制器1104执行优化过程以确定在优化周期期间发生的多个时间步中的每个时间步期间是否对电池单元1102进行充电或放电。预测泵控制器1104可以使用天气和定价数据1110来预测多个时间步中的每个时间步期间所需的加热/冷却量和电力成本。预测泵控制器1104可以优化目标函数，该目标函数考虑了在优化周期的持续时间内从能量网购买的电力的成本。预测泵控制器1104可以确定在每个时间步期间从能量网购买的电量以及从电池单元1102存储或释放的电量。参考图13-14更详细地描述了由预测泵控制器1104执行的目标函数和优化。

预测泵控制系统

现在参考图13，示出了根据一些实施例的预测泵控制系统1300的框图。控制系统1300中所示的几个部件可为泵单元1100的一部分。例如，泵单元1100可包含泵1132、电池单元1102、预测泵控制器1104、功率逆变器1310和功率结点1312。

功率逆变器1310可以被配置成在直流电(DC)与交流电(AC)之间转换电力。例如，电池单元1102可以被配置成存储和输出DC功率，而能量网1314和泵1132可以被配置成消耗和提供AC功率。功率逆变器1310可以用于将来自电池单元1102的DC功率转换成与能量网1314和/或泵1132的电网频率同步的正弦AC输出。功率逆变器1310还可以用于将来自能量网1314的AC功率转换成可以储存在电池单元1102中的DC功率。电池单元1102的功率输出示出为P_电池。P_电池在电池单元1102正在向功率逆变器1310提供功率(即，电池单元1102正在放电)的情况下可以为正的，或者在电池单元1102正在从功率逆变器1310接收功率(即，电池单元1102正在充电)的情况下可以为负的。

在一些情况下，功率逆变器1310接收来自电池单元1102的DC功率输出，并将DC功率输出转换成可以提供给泵1132的AC功率输出。功率逆变器1310可以使用本机振荡器使AC功率输出的频率与能量网1314的频率(例如，50Hz或60Hz)同步，并且可以将AC功率输出的电压限制为不高于电网电压。在一些实施例中，功率逆变器1310为谐振逆变器，该谐振逆变器包含或使用LC电路从简单方波中去除谐波，以实现与能量网1314的频率匹配的正弦波。在各个实施例中，功率逆变器1310可以使用高频变压器、低频变压器或不使用变压器来操作。低频变压器可以将来自电池单元1102的DC输出直接转换为提供给泵1132的AC输出。高频变压器可以采用多步骤过程，该多步骤过程涉及将DC输出转换为高频AC，然后再转换回DC，并且最后再转换为提供给泵1132的AC输出。

功率结点1312为泵1132、能量网1314和功率逆变器1310电连接的点。从功率逆变器1310供应到功率结点1312的功率被示出为P_电池。P_电池在功率逆变器1310正在向功率结点1312提供功率(即，电池单元1102正在放电)的情况下可以为正的，或者在功率逆变器1310正在从功率结点1312接收功率(即，电池单元1102正在充电)的情况下可以为负的。从能量网1314供应到功率结点1312的功率被示出为P_电网。P_电池和P_电网在功率结点1312处组合以形成P_总(即，P_总＝P_电网+P_电池)。P_总可以被定义为从功率结点1312提供给泵1132的功率。在一些情况下，P_总大于P_电网。例如，当电池单元1102正在放电时，P_电池可为正的，当P_电池与P_电网组合以形成P_总时，其添加到电网功率P_电网。在其他情况下，P_总可能小于P_电网。例如，当电池单元1102正在充电时，P_电池可为负的，当P_电池与P_电网组合以形成P_总时，其从电网功率P_电网中减去。

预测泵控制器1104可以被配置成控制泵1132和功率逆变器1310。在一些实施例中，预测泵控制器1104生成电池功率设定点P_{设定点,电池}并将其提供给功率逆变器1310。电池功率设定点P_{设定点,电池}可以包含正功率值或负功率值(例如，kW)，这些功率值使功率逆变器1310使用在功率结点1312处的可用功率对电池单元1102充电(当P_{设定点,电池}为负时)，或者使电池单元1102放电(当P_{设定点,电池}为正时)以向功率结点1312提供功率，以实现电池功率设定点P_{设定点,电池}。

在一些实施例中，预测泵控制器1104生成控制信号并将其提供给泵1132。预测泵控制器1104可以使用多级优化技术来生成控制信号。例如，预测泵控制器1104可以包含经济控制器，该经济控制器被配置成在优化周期期间的每个时间步处确定泵1132所要消耗的最佳功率量。所要消耗的最佳功率量可以使成本函数最小化，该成本函数考虑了由泵单元1100所消耗的能量成本。能量成本可以基于来自电力公用事业1318的时变能量价格。在一些实施例中，预测泵控制器1104在多个时间步中的每个时间步处确定从能量网1314购买的最佳功率量(即，电网功率设定点P_{设定点,电网})和存储到电池单元1102或从该电池单元释放的最佳功率量(即，电池功率设定点P_{设定点,电池})。预测泵控制器1104可以监测泵1132的实际功率使用量，并且可以在生成最佳功率设定点时将实际功率使用量作为反馈信号。

预测泵控制器1104可以包含跟踪控制器，该跟踪控制器被配置成生成在每个时间步处实现最佳功耗量的流量设定点流量_设定点和压差设定点压差_设定点。在一些实施例中，预测泵控制器1104使用泵1132的设备模型来基于最佳功耗量来确定由泵1132产生的流体流量和/或压差。

在一些实施例中，预测泵控制器1104使用流量设定点流量_设定点和压差设定点压差_设定点来生成用于泵1132的控制信号。控制信号可包含开/关命令、速度设定点或影响泵1132的操作的其他类型的设定点。在其他实施例中，控制信号可包含由预测泵控制器1104生成的流量设定点流量_设定点和压差设定点压差_设定点。可以将设定点提供给泵1132或泵1132的本地控制器，该本地控制器操作以实现该设定点。例如，泵1132的本地控制器可以从一个或多个压力传感器接收泵1132两端压差DP的测量值和/或从一个或多个流量传感器接收由泵1132引起的流体流量的测量值。本地控制器可以使用反馈控制过程(例如，PID、ESC、MPC等)来增大或减小泵1132的速度，从而将测得的流体流量和/或压差驱动到设定点。参考图14更详细地描述了由预测泵控制器1104执行的多级优化。

预测泵控制器

现在参考图14，根据示例性实施例，更详细地示出了图示预测泵控制器1104的框图。预测泵控制器1104被示出为包含通信接口1402和处理电路1404。通信接口1402可以促进控制器1104与外部系统或装置之间的通信。例如，通信接口1402可以接收来自流量传感器1416的流体流量流量的测量值、来自压力传感器1418的泵1132两端压差压差的测量值以及泵1132的功率使用的测量值。在一些实施例中，通信接口1402接收电池单元1102的荷电状态(SOC)的测量值，该测量值可以以最大电池容量的百分比(即，电池％)的形式提供。通信接口1402可以接收来自气象服务916的天气预报和来自电力公用事业1318的预测能量成本和需求成本。在一些实施例中，预测泵控制器1104使用通信接口1402来提供控制信号泵1132和功率逆变器1310。

通信接口1402可包含用于与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，插口、天线、发射器、接收器、收发器、导线端子等)。在各种实施例中，通信可为直接通信(例如，本地有线或无线通信)或经由通信网络(例如，WAN、因特网、蜂窝式网络等)进行。例如，通信接口1402可以包含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。在另一实例中，通信接口1402可包含用于经由无线通信网络或蜂窝式或移动电话通信收发器通信的Wi-Fi收发器。

处理电路1404被示出为包含处理器1406和存储器1408。处理器1406可为通用或专用处理器、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1406被配置成执行存储在存储器1408中或从其他计算机可读介质(例如，CDROM、网络存储装置、远程服务器等)接收到的计算机代码或指令。

存储器1408可包含用于存储用于完成和/或促进本公开中所描述的各种过程的数据和/或计算机代码的一或多个装置(例如，存储器单元、存储器装置、存储装置等)。存储器1408可以包含随机存取存储器(RAM)、只读存储器(ROM)、硬盘驱动存储装置、临时存储装置、非易失性存储器、快闪存储器、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1408可以包含数据库部件、目标代码部件、脚本部件或用于支持各种活动的任何其他类型的信息结构和本公开中所描述的信息结构。存储器1408可经由处理电路1404可通信地连接到处理器1406，且可包含用于(例如，由处理器1406)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1406执行存储在存储器1408中的指令以完成本文所描述的各种活动时，处理器1406通常配置控制器1104(并且更具体地处理电路1404)以完成此类活动。

仍然参考图14，预测泵控制器1104被示出为包含经济控制器1410、跟踪控制器1412和设备控制器1414。控制器1410-1414可以被配置成执行多状态优化过程以生成用于功率逆变器1310和泵1132的控制信号。简而言之，经济控制器1410可以优化预测成本函数以在优化周期的每个时间步处确定从能量网1314购买的最佳功率量(即，电网功率设定点P_{设定点,电网})、存储到电池单元1102或从该电池单元释放的最佳功率量(即，电池功率设定点P_{设定点,电池})，和/或由泵1132所消耗的最佳功率量(即，泵功率设定点P_{设定点,泵})。跟踪控制器1412可以使用最佳功率设定点P_{设定点,电网}、P_{设定点,电池}和/或P_{设定点,泵}来确定最佳流量设定点流量_设定点、压力设定点压差_设定点以及最佳电池充电或放电速率(即，电池_{充电/放电})。设备控制器1414可以使用最佳设定点流量_设定点和/或压差_设定点来生成用于泵1132的控制信号，该控制信号将实际(例如，测得的)流速Flow和/或压力DP驱动到设定点(例如，使用反馈控制技术)。下文详细描述控制器1410-1414中的每一个控制器。

经济控制器

经济控制器1410可以被配置成优化预测成本函数以在优化周期的每个时间步处确定从能量网1314购买的最佳功率量(即，电网功率设定点P_{设定点,电网})、存储到电池单元1102或从该电池单元释放的最佳功率量(即，电池功率设定点P_{设定点,电池})，和/或由泵1132所消耗的最佳功率量(即，泵功率设定点P_{设定点,泵})。可以由经济控制器1410优化的预测成本函数的实例在以下等式中示出：

其中C_ec(k)为在时间步k期间从电力公用事业1318购买的每单位电力的成本(例如，$/kWh)，P_泵(k)为泵1132在时间步k的功耗，C_DC为需量电费率(例如，$/kW)，其中max()项选取泵单元1100的在优化周期的任何时间步k期间最大购电量(即，P_电网(k)的最大值)，P_电池(k)为在时间步k期间从电池单元1102释放的功率量，并且Δt为每个时间步k的持续时间。经济控制器1410可以在优化周期的持续时间内(例如，从时间步k＝1到时间步k＝h)优化预测成本函数J，以在优化周期的持续时间内预测操作泵单元1100的总成本。

预测成本函数J的第一项表示泵1132在优化周期的持续时间内所消耗的电力成本。每个时间步k处的参数C_ec(k)的值可以由电力公用事业1318所提供的能量成本信息来定义。在一些实施例中，电力成本随时间而变化，这导致在不同的时间步k处C_ec(k)的不同值。变量P_泵(k)是可以由经济控制器1410优化的决策变量。

预测成本函数J的第二项表示需量电费。需量电费是一些公用事业提供商基于适用的需量电费周期期间的最大功耗而征收的另外的费用。例如，需量电费率C_DC可以以每单位功率的美元(例如，$/kW)来指定，并且可以乘以需量电费周期期间的峰值功率使用量(例如，kW)来计算需量电费。在预测成本函数J中，需量电费率C_DC可以由从电力公用事业1318接收的需求成本信息来定义。变量P_电网(k)为可以由经济控制器1410优化以减少在需量电费周期期间出现的峰值功率使用量max(P_电网(k))的决策变量。当泵1132的功耗低时，负载转移可以允许经济控制器1410通过在电池单元1102中存储能量来使泵单元1100的电力需求的瞬时峰值平滑。当泵1132的功耗高时，可以从电池单元1102释放存储的能量，以减少来自能量网1314的峰值功率汲取P_电网，由此减少所产生的需量电费。

预测成本函数J的最后一项表示因使用电池单元1102而节省的成本。与成本函数J中的前几项不同，最后一项从总成本中减去。每个时间步k处的参数C_ec(k)的值可以由电力公用事业1318所提供的能量成本信息来定义。在一些实施例中，电力成本随时间而变化，这导致在不同的时间步k处C_ec(k)的不同值。变量P_电池(k)是可以由经济控制器1410优化的决策变量。P_电池(k)的正值指示电池单元1102正在放电，而P_电池(k)的负值指示电池单元1102正在充电。从电池单元1102释放的功率P_电池(k)可以用于满足泵1132的一些或全部总功耗P_总(k)，这减少了从能量网1314购买的功率量P_电网(k)(即，P_电网(k)＝P_总(k)-P_电池(k))。然而，对电池单元1102充电导致P_电池(k)的负值，这会增加从能量网1314购买的总功率量P_电网(k)。

经济控制器1410可以在优化周期的持续时间内优化预测成本函数J，以确定优化周期期间每个时间步处的决策变量的最佳值。在一些实施例中，优化周期具有大约一天的持续时间并且每个时间步大约是十五分钟。然而，优化周期的持续时间和时间步在其他实施例中可以变化并且可以由用户调整。有利地，当能量价格低和/或当泵1132所消耗的功率低时，经济控制器1410可以使用电池单元1102通过从能量网1314汲取电力来执行负载转移。电力可以存储在电池单元1102中，然后在能量价格高和/或泵1132的功耗高时放电。这使得经济控制器1410能够降低泵单元1100所消耗的电力成本并且可以使泵单元1100的电力需求中的瞬时峰值平滑，由此减少所产生的需量电费。

经济控制器1410可以被配置成对预测成本函数J的优化施加约束。在一些实施例中，约束包含对泵1132产生的流速流量和/或压差DP的约束。经济控制器1410可以被配置成始终将实际或预测的流速流量维持在最小流量界限流量_min与最大流量界限流量_max之间(即，流量_min≤流量≤流量_max)。参数流量_min和流量_max可以随时间变化以定义不同时间的不同流量范围。经济控制器1410可以被配置成始终将实际或预测压力压差维持在最小压力界限压差_min与最大压力界限压差_max之间(即，压差_min≤压差≤压差_max)。参数压差_min和压差_max可以随时间变化以定义不同时间的不同流量范围。

除了对流体流速流量和压差压差的约束之外，经济控制器1410还可以对电池单元1102的充电状态(SOC)和充电/放电速率施加约束。在一些实施例中，经济控制器1410生成以下功率约束并将其施加于预测成本函数J：

P_电池≤P_额定

-P_电池≤P_额定

其中P_电池为从电池单元1102释放的功率量并且P_额定为电池单元1102的额定电池功率(例如，电池单元1102可以充电或放电的最大速率)。这些功率约束确保电池单元1102不以超过最大可能电池充电/放电速率P_额定的速率进行充电或放电。

在一些实施例中，经济控制器1410生成一个或多个容量约束并将其施加于预测成本函数J。该容量约束可以用于使在每个时间步期间充电或放电的电池功率P_电池与电池单元1102的容量和SOC相关。容量约束可以确保电池单元1102的容量在优化周期的每个时间步保持在可接受的下限和上限内。在一些实施例中，经济控制器1410生成以下容量约束：

C_a(k)-P_电池(k)Δt≤C_额定

C_a(k)-P_电池(k)Δt≥0

其中C_a(k)为时间步k开始时的可用电池容量(例如，kWh)，P_电池(k)为电池单元1102在时间步k期间放电的速率(例如，kW)，Δt为每个时间步的持续时间，并且C_额定为电池单元1102的最大额定容量(例如，kWh)。术语P_电池(k)Δt表示时间步k期间电池容量的变化。这些容量约束确保电池单元1102的容量保持在零与最大额定容量C_额定之间。

在一些实施例中，经济控制器1410生成一个或多个容量约束并将其施加于泵1132的操作。例如，泵1132可具有对应于最大功耗P_泵,max的最大操作点(例如，最大泵速度、最大压差等)。经济控制器1410可以被配置成生成将提供给泵1132的功率P_泵限制在零与最大功耗P_泵,max之间的约束，如以下等式所示：

0≤P_泵≤P_泵,max

P_泵＝P_设定点,_电网+P_{设定点,电池}

其中提供给泵1132的总功率P_泵为电网功率设定点P_{设定点,电网}与电池功率设定点P_设定点,_电池之和。

经济控制器1410可以优化受到约束的预测成本函数J，以确定决策变量P_泵、P_电网和P_电池的最佳值，其中P_泵＝P_电池+P_电网。在一些实施例中，经济控制器1410使用P_泵、P_电池和/或P_电网的最佳值来生成用于跟踪控制器1412的功率设定点。功率设定点可以包含针对优化周期中的时间步k中的每个时间步的电池功率设定点P_设定点,_电池、电网功率设定点P_设定点,_电网和/或泵功率设定点P_设定点,_泵。经济控制器1410可以向跟踪控制器1412提供功率设定点。

跟踪控制器

跟踪控制器1412可以使用最佳功率设定点和/或由经济控制器1410生成的最佳功率设定点P_{设定点,电网}、P_{设定点,电池}、P_{设定点,泵}以确定最佳流量设定点流量_设定点、最佳压力设定点压差_设定点以及最佳电池充电或放电速率(即，电池_{充电/放电})。在一些实施例中，跟踪控制器1412生成被预测以实现泵1132的功率设定点P_{设定点,泵}的流量设定点流量_设定点和/或压力设定点压差_设定点。换句话说，跟踪控制器1412可以使泵1132消耗由经济控制器1410确定的最佳功率量P_泵的流量设定点流量_设定点和/或压力设定点压差_设定点。

在一些实施例中，跟踪控制器1412使用电池功率设定点P_{设定点,电池}来确定对电池单元1102进行充电或放电的最佳速率电池_{充电/放电}。例如，电池功率设定点P_{设定点,电池}可以定义功率值(kW)，该功率值可以由跟踪控制器1412转换成用于功率逆变器1310和/或设备控制器1414的控制信号。在其他实施例中，电池功率设定点P_{设定点,电池}直接提供给功率逆变器1310并且由功率逆变器1310用来控制电池功率P_电池。

设备控制器

设备控制器1414可以使用由跟踪控制器1412生成的最佳流量设定点流量_设定点和/或压力设定点压差_设定点来生成用于泵1132的控制信号。由设备控制器1414生成的控制信号可以将实际(例如，测得的)流速流量和压力压差驱动到设定点。设备控制器1414可以使用多种控制技术中的任何一种来生成用于泵1132的控制信号。例如，设备控制器1414可以使用基于状态的算法、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)算法或其他反馈控制算法来生成用于泵1132的控制信号。

控制信号可包含开/关命令、泵1132的速度命令、泵1132的功率命令或泵1132的其他类型的操作命令。在其他实施例中，控制信号可包含由预测泵控制器1104生成的流量设定点流量_设定点和/或压力设定点压差_设定点。可以将设定点提供给泵1132或泵1132的本地控制器，该本地控制器操作以实现该设定点。例如，泵1132的本地控制器可以接收来自流量传感器1416的流体流速流量的测量值和/或来自压力传感器1418的压差压差的测量值，并且可以调节泵1132的速度以将测得的流速和/或压力驱动到设定点。

在一些实施例中，设备控制器1414被配置成向功率逆变器1310提供控制信号。提供给功率逆变器1310的控制信号可以包含电池功率设定点P_{设定点,电池}和/或最佳充电/放电速率电池_{充电/放电}。设备控制器1414可以被配置成操作功率逆变器1310以实现电池功率设定点P_{设定点,电池}。例如，设备控制器1414可以使功率逆变器1310根据电池功率设定点P_{设定点,电池}对电池单元1102充电或使电池单元1102放电。

带电池单元和预测控制的冷却塔

现在参考图15，根据一些实施例，示出了冷却塔系统1500。系统1500被示出为包含冷却塔1512和具有预测冷却塔控制器1504的电池单元1502。冷却塔1512可以被配置成向冷却负载1522提供冷却。冷却负载1522可以包含例如建筑物区、流过空气管道的供应气流、空气处理单元或屋顶单元中的气流、流过热交换器、冰箱或冰柜、冷凝器或蒸发器、冷却盘管或需要冷却的任何其他类型的系统、装置或空间的流体。在一些实施例中，泵1516经由冷却塔回路1532将冷却流体循环至冷却负载1522。冷却流体可以从冷却负载1522吸收热量，从而向冷却负载1522提供冷却并且对该冷却流体进行加热。

冷却塔1512可被配置成通过将热量从水传递到外部空气来冷却冷却塔回路1532中的水。冷却塔1512可包含使冷空气流过冷却塔1512的风机1514。冷却塔1512使冷空气与较暖的水处于热交换关系，从而将热量从较暖的水传递至较冷的空气。尽管冷却塔回路1532被示出和描述为循环水，但是应当理解，任何类型的冷却剂或工作流体(例如，水、乙二醇、CO₂等)都可以在冷却塔回路1532中使用。

仍然参考图15，系统1500被示出为包含电池单元1502。在一些实施例中，电池单元1502包含一个或多个光伏(PV)面板1508。PV面板1508可以包含光伏电池的集合。光伏电池被配置成使用诸如单晶硅、多晶硅、非晶硅、碲化镉、铜铟镓硒化物/硫化物或表现出光伏效应的其他材料的光伏材料将太阳能(即，阳光)转换成电力。在一些实施例中，光伏电池包含在形成PV面板1508的封装组件内。每个PV面板1508可以包含多个链接的光伏电池。PV面板1508可以组合以形成光伏阵列。

在一些实施例中，PV面板1508被配置成使太阳能集合最大化。例如，电池单元1502可以包含太阳能跟踪器(例如，GPS跟踪器、阳光传感器等)，该太阳能跟踪器调整PV面板1508的角度，使得PV面板1508全天直接对准太阳。太阳能跟踪器可以允许PV面板1508在一天的大部分时间接收直射阳光，并且可以增加PV面板1508产生的总功率量。在一些实施例中，电池单元1502包含被配置成将阳光引导和/或聚集在PV面板1508上的镜子、透镜或太阳能聚光器的集合。由PV面板1508产生的能量可以存储在电池单元1506中和/或用于为冷却塔1512的各种部件供电。

在一些实施例中，电池单元1502包含一个或多个电池单元1506。电池单元1506被配置成存储和释放电能(即，电力)。在一些实施例中，使用来自外部电网(例如，由电力公用事业提供)的电力来对电池单元1502充电。存储在电池单元1502中的电力可被释放以为冷却塔1512的一个或多个被供电的部件(例如，风机1514、泵1516等)供电。有利地，电池单元1502允许冷却塔1512从能量网汲取电力并在能量价格低时对电池单元1502充电，并且在能量价格高时释放存储的电力以时移冷却塔1512的电负载。在一些实施例中，当以最大容量操作时，电池单元1502具有足够的能量容量来为冷却塔1512供电大约4-6小时，使得电池单元1502可以在高能量成本周期期间被使用并且在低能量成本周期期间被充电。

在一些实施例中，预测冷却塔控制器1504执行优化过程以确定在优化周期期间发生的多个时间步中的每个时间步期间是否对电池单元1502进行充电或放电。预测冷却塔控制器1504可以使用天气和定价数据1510来预测多个时间步中的每个时间步期间所需的加热/冷却量和电力成本。预测冷却塔控制器1504可以优化目标函数，该目标函数考虑了在优化周期的持续时间内从能量网购买的电力的成本。在一些实施例中，目标函数还考虑了操作冷却塔1512的各个部件的成本(例如，用于为锅炉提供燃料的天然气的成本)。预测冷却塔控制器1504可以确定在每个时间步期间从能量网购买的电量以及从电池单元1502存储或释放的电量。参考图16-17更详细地描述由预测冷却塔控制器1504执行的目标函数和优化。

预测冷却塔控制系统

现在参考图16，根据一些实施例，示出了预测冷却塔控制系统1600的框图。控制系统1600中所示的几个部件可为冷却塔1512的一部分。例如，冷却塔1512可包含被供电的冷却塔部件1602、电池单元1502、燃料电池1691、预测冷却塔控制器1504、功率逆变器1610和功率结点1612。被供电的冷却塔部件1602可包含冷却塔1512的在操作期间消耗功率(例如，电力)的任何部件。例如，被供电的冷却塔部件1602被示出为包含冷却风机1514和泵1516。

燃料电池1691为被配置成利用化学反应生成电能的燃料电池。例如，燃料电池1691可以通过一对氧化还原反应将氢和氧化剂(例如，氧)的化学能量转化为电力。在其他实施例中，燃料电池1691为使用柴油、甲醇、天然气等中的一种或多种来发电的碳氢化合物燃料电池。燃料电池1691可被控制以发电以增加电网能量或其他能量来源、在高能量成本周期期间补充电池放电、或发电以对电池充电(例如，在高能量成本周期期间)。例如，燃料电池可能需要定期购买的燃料更换(例如，氢的供应)。在冷却塔1512包含燃料电池1691的实施例中，本文的控制和优化过程被配置成在产生用于包含燃料电池1691的冷却塔1512的各个部件的控制输出时考虑燃料电池1691的贡献和操作燃料电池1691的成本。例如，由预测冷却塔控制器1504执行的优化可以确定是否在优化周期中的每个时间步操作燃料电池1691来发电。

功率逆变器1610可以被配置成在直流电(DC)与交流电(AC)之间转换电力。例如，电池单元1502可以被配置成存储和输出DC功率，而能量网1614和被供电的冷却塔部件1602可以被配置成消耗和提供AC功率。功率逆变器1610可以用于将来自电池单元1502的DC功率转换成与能量网1614和/或被供电的冷却塔部件1602的电网频率同步的正弦AC输出。功率逆变器1610还可以用于将来自能量网1614的AC功率转换成可以储存在电池单元1502中的DC功率。电池单元1502的功率输出示出为P_电池。P_电池在电池单元1502正在向功率逆变器1610提供功率(即，电池单元1502正在放电)的情况下可以为正的，或者在电池单元1502正在从功率逆变器1610接收功率(即，电池单元1502正在充电)的情况下可以为负的。

在一些情况下，功率逆变器1610接收来自电池单元1502的DC功率输出，并将DC功率输出转换成可以提供给被供电的冷却塔部件1602的AC功率输出。功率逆变器1610可以使用本机振荡器使AC功率输出的频率与能量网1614的频率(例如，50Hz或60Hz)同步，并且可以将AC功率输出的电压限制为不高于电网电压。在一些实施例中，功率逆变器1610为谐振逆变器，该谐振逆变器包含或使用LC电路从简单方波中去除谐波，以实现与能量网1614的频率匹配的正弦波。在各个实施例中，功率逆变器1610可以使用高频变压器、低频变压器或不使用变压器来操作。低频变压器可以将来自电池单元1502的DC输出直接转换为提供给被供电的冷却塔部件1602的AC输出。高频变压器可以采用多步骤过程，该多步骤过程涉及将DC输出转换为高频AC，然后再转换回DC，并且最后再转换为提供给被供电的冷却塔部件1602的AC输出。

PV面板1508的功率输出示出为P_PV。PV面板1508的功率输出P_PV可以存储在电池单元1502中和/或用于为被供电的冷却塔部件1602供电。在一些实施例中，PV面板1508测量由PV面板1508产生的功率量P_PV并向预测冷却塔控制器1504提供PV功率的指示。例如，PV面板1508被示为向预测冷却塔控制器1504提供PV功率百分比(即，PV％)的指示。PV功率百分比可以表示PV面板1508当前运行的最大PV功率的百分比。

功率结点1612为被供电的冷却塔部件1602、能量网1614、PV面板1508和功率逆变器1610电连接的点。从功率逆变器1610供应到功率结点1612的功率被示出为P_电池。P_电池在功率逆变器1610正在向功率结点1612提供功率(即，电池单元1502正在放电)的情况下可以为正的，或者在功率逆变器1610正在从功率结点1612接收功率(即，电池单元1502正在充电)的情况下可以为负的。从能量网1614供应到功率结点1612的功率被示出为P_电网，从PV面板1508供应到功率结点1612的功率被示出为P_PV，并且从燃料电池1891供应的功率被示出为P_燃料电池。P_电池、P_PV、P_燃料电池和P_电网在功率结点1612处组合以形成P_总(即，P_总＝P_电网+P_电池+P_PV+P_燃料电池)。P_总可以被定义为从功率结点1612提供给被供电的冷却塔部件1602的功率。在一些情况下，P_总大于P_电网。例如，当电池单元1502正在放电时，P_电池可以为正的，其在P_电池和P_PV与P_电网组合以形成P_总时添加到电网功率P_电网和PV功率P_PV。在其他情况下，P_总可能小于P_电网。例如，当电池单元1502正在充电时，P_电池可以为负的，其在P_电池、P_PV与P_电网组合以形成P_总时从电网功率P_电网和PV功率P_PV减去。

预测冷却塔控制器1504可以被配置成控制被供电的冷却塔部件1602和功率逆变器1610。在一些实施例中，预测冷却塔控制器1504生成电池功率设定点P_{设定点,电池}并将其提供给功率逆变器1610。电池功率设定点P_{设定点,电池}可以包含正功率值或负功率值(例如，kW)，这些功率值使功率逆变器1610使用在功率结点1612处的可用功率对电池单元1502充电(当P_{设定点,电池}为负时)，或者使电池单元1502放电(当P_{设定点,电池}为正时)以向功率结点1612提供功率，以实现电池功率设定点P_{设定点,电池}。在一些实施例中，预测冷却塔控制器1504生成燃料电池设定点P_{设定点,燃料电池}并将其提供给燃料电池1691。

在一些实施例中，预测冷却塔控制器1504生成控制信号并将其提供给被供电的冷却塔部件1602。预测冷却塔控制器1504可以使用多级优化技术来生成控制信号。例如，预测冷却塔控制器1504可以包含经济控制器，该经济控制器被配置成在优化周期期间的每个时间步处确定被供电的冷却塔部件1602所要消耗的最佳功率量。所要消耗的最佳功率量可以使成本函数最小化，该成本函数考虑了由冷却塔1512所消耗的能量成本。能量成本可以基于来自电力公用事业1618的时变能量价格。在一些实施例中，预测冷却塔控制器1504在多个时间步中的每个时间步处确定从能量网1614购买的最佳功率量(即，电网功率设定点P_{设定点,电网})和存储到电池单元1502或从该电池单元释放的最佳功率量(即，电池功率设定点P_{设定点,电池})。预测冷却塔控制器1504可以监测被供电的冷却塔部件1602的实际功率使用量，并且可以在生成最佳功率设定点时将实际功率使用量作为反馈信号。

预测冷却塔控制器1504可以包含跟踪控制器，该跟踪控制器被配置成生成在每个时间步处实现最佳功耗量的温度设定点。温度设定点可包含例如贮槽水温设定点T_{设定点,贮槽}(即，贮槽1518中的水的温度设定点)和/或冷凝器水温度设定点T_{设定点,冷凝器}(即，返回冷却塔1512的温水的温度设定点)。在一些实施例中，预测冷却塔控制器1504使用被供电的冷却塔部件1602的设备模型来确定可以由冷却塔1512基于最佳功耗量生成的冷却量。

在一些实施例中，预测冷却塔控制器1504使用温度设定点来生成用于被供电的冷却塔部件1602的控制信号。控制信号可包含开/关命令、风机1514的速度设定点、泵1516的压差设定点或流速设定点或被供电的冷却塔部件1602的各个装置的其他类型的设定点。在其他实施例中，控制信号可包含由预测冷却塔控制器1504生成的温度设定点(例如，贮槽水温设定点T_{设定点,贮槽}、冷凝器水温度设定点T_{设定点,冷凝器}等)。可以将温度设定点提供给被供电的冷却塔部件1602或被供电的冷却塔部件1602的本地控制器，该本地控制器操作以实现温度设定点。例如，风机1514的本地控制器可以接收来自贮槽水温度传感器的贮槽水温度T_贮槽的测量值和/或来自冷凝器水温度传感器的冷凝器温度T_冷凝器的测量值。本地控制器可以使用反馈控制过程(例如，PID、ESC、MPC等)来增加或减少风机1514的速度，以将测得的温度驱动到温度设定点。类似的反馈控制过程可用于控制泵1516。参考图17更详细地描述了由预测冷却塔控制器1504执行的多级优化。

预测冷却塔控制器

现在参考图17，根据示例性实施例，更详细地示出了图示预测冷却塔控制器1504的框图。预测冷却塔控制器1504被示出为包含通信接口1702和处理电路1704。通信接口1702可以促进预测控制器1504与外部系统或装置之间的通信。例如，通信接口1702可以接收来自温度传感器1716的贮槽水温度T_贮槽和冷凝器水温度T_冷凝器的测量值以及被供电的冷却塔部件1602的功率使用的测量值。在一些实施例中，通信接口1702接收电池单元1502的荷电状态(SOC)的测量值，该测量值可以以最大电池容量的百分比(即，电池％)的形式提供。通信接口1702可以接收来自气象服务1616的天气预报和来自电力公用事业1618的预测能量成本和需求成本。在一些实施例中，预测冷却塔控制器1504使用通信接口1702来提供控制信号被供电的冷却塔部件1602和功率逆变器1610。

通信接口1702可包含用于与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，插口、天线、发射器、接收器、收发器、导线端子等)。在各种实施例中，通信可为直接通信(例如，本地有线或无线通信)或经由通信网络(例如，WAN、因特网、蜂窝式网络等)进行。例如，通信接口1702可以包含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。在另一实例中，通信接口1702可包含用于经由无线通信网络或蜂窝式或移动电话通信收发器通信的Wi-Fi收发器。

处理电路1704被示出为包含处理器1706和存储器1708。处理器1706可为通用或专用处理器、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1706被配置成执行存储在存储器1708中或从其他计算机可读介质(例如，CDROM、网络存储装置、远程服务器等)接收到的计算机代码或指令。

存储器1708可包含用于存储用于完成和/或促进本公开中所描述的各种过程的数据和/或计算机代码的一或多个装置(例如，存储器单元、存储器装置、存储装置等)。存储器1708可以包含随机存取存储器(RAM)、只读存储器(ROM)、硬盘驱动存储装置、临时存储装置、非易失性存储器、快闪存储器、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1708可以包含数据库部件、目标代码部件、脚本部件或用于支持各种活动的任何其他类型的信息结构和本公开中所描述的信息结构。存储器1708可经由处理电路1704可通信地连接到处理器1706，且可包含用于(例如，由处理器1706)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1706执行存储在存储器1708中的指令以完成本文所描述的各种活动时，处理器1706通常配置控制器1504(并且更具体地处理电路1704)以完成此类活动。

仍然参考图17，预测冷却塔控制器1504被示出为包含经济控制器1710、跟踪控制器1712和设备控制器1714。控制器1710-1714可以被配置成执行多状态优化过程以生成用于功率逆变器1610和被供电的冷却塔部件1602的控制信号。简而言之，经济控制器1710可以优化预测成本函数以在优化周期的每个时间步处确定从能量网1614购买的最佳功率量(即，电网功率设定点P_{设定点,电网})、存储至电池单元1502或从该电池单元释放的最佳功率量(即，电池功率设定点P_{设定点,电池})，和/或由被供电的冷却塔部件1602所消耗的最佳功率量(即，冷却塔功率设定点P_{设定点,总})。跟踪控制器1712可以使用最佳功率设定点P_{设定点,电网}、P_{设定点,电池}和/或P_{设定点,总}以确定最佳温度设定点(例如，贮槽水温度设定点T_{设定点,贮槽}、冷凝器水温度设定点T_{设定点,冷凝器}等)和最佳电池充电或放电速率(即，电池_{充电/放电})。设备控制器1714可以使用最佳温度设定点T_{设定点,区域}或T_{设定点,冷却水}来生成用于被供电的冷却塔部件1602的控制信号，该控制信号将实际(例如，测得的)温度T_区域和/或T_冷却水驱动到设定点(例如，使用反馈控制技术)。下文详细描述控制器1710-1714中的每一个控制器。

经济控制器

经济控制器1710可以被配置成优化预测成本函数以在优化周期的每个时间步处确定从能量网1614购买的最佳功率量(即，电网功率设定点P_{设定点,电网})、存储至电池单元1502或从该电池单元释放的最佳功率量(即，电池功率设定点P_{设定点,电池})，和/或由被供电的冷却塔部件1602所消耗的最佳功率量(即，冷却塔功率设定点P_{设定点,总})。可以由经济控制器1710优化的预测成本函数的实例在以下等式中示出：

其中C_ec(k)为在时间步k期间从电力公用事业1618购买的每单位电力的成本(例如，$/kWh)，P_风扇(k)为在时间步k期间风机1514的功耗(例如，kW)，P_泵(k)为在时间步k期间泵1516的功耗，C_DC为需量电费率(例如$/kW)，其中max()项选取冷却塔1512的在优化周期的任何时间步k期间的最大购电量(即，P_电网(k)的最大值)，P_电池(k)为在时间步k期间从电池单元1502释放的功率量，并且Δt为每个时间步k的持续时间。经济控制器1710可以在优化周期的持续时间内(例如，从时间步k＝1到时间步k＝h)优化预测成本函数J，以在优化周期的持续时间内预测操作冷却塔1512的总成本。

预测成本函数J的第一项和第二项表示在优化周期的持续时间内由被供电的冷却塔部件1602所消耗的电力成本。每个时间步k处的参数C_ec(k)的值可以由电力公用事业1618所提供的能量成本信息来定义。在一些实施例中，电力成本随时间而变化，这导致在不同的时间步k处C_ec(k)的不同值。变量P_风扇(k)和P_冷凝器(k)是可以由经济控制器1710优化的决策变量。在一些实施例中，被供电的冷却塔部件1602在时间步k的总功耗P_总(k)等于P_风扇(k)和P_泵(k)的总和(即，P_总(k)＝P_风扇(k)+P_泵(k))。因此，在一些实施例中，预测成本函数的前两项可以用求和来代替。

预测成本函数J的第三项表示需量电费。需量电费是一些公用事业提供商基于适用的需量电费周期期间的最大功耗而征收的另外的费用。例如，需量电费率C_DC可以以每单位功率的美元(例如，$/kW)来指定，并且可以乘以需量电费周期期间的峰值功率使用量(例如，kW)来计算需量电费。在预测成本函数J中，需量电费率C_DC可以由从电力公用事业1618接收的需求成本信息来定义。变量P_电网(k)为可以由经济控制器1710优化以减少在需量电费周期期间出现的峰值功率使用量max(P_电网(k))的决策变量。当被供电的冷却塔部件1602的功耗低时，负载转移可以允许经济控制器1710通过在电池单元1502中存储能量来使供冷却塔1512的电力需求的瞬时峰值平滑。当被供电的冷却塔部件1602的功耗高时，可以从电池单元1502释放存储的能量，以减少来自能量网1614的峰值功率汲取P_电网，由此减少所产生的需量电费。

预测成本函数J的最后一项表示因使用电池单元1502而节省的成本。与成本函数J中的前几项不同，最后一项从总成本中减去。每个时间步k处的参数C_ec(k)的值可以由电力公用事业1618所提供的能量成本信息来定义。在一些实施例中，电力成本随时间而变化，这导致在不同的时间步k处C_ec(k)的不同值。变量P_电池(k)是可以由经济控制器1710优化的决策变量。P_电池(k)的正值指示电池单元1502正在放电，而P_电池(k)的负值指示电池单元1502正在充电。从电池单元1502释放的功率P_电池(k)可以用于满足被供电的冷却塔部件1602的一些或全部总功耗P_总(k)，这减少了从能量网1614购买的功率量P_电网(k)(即，P_电网(k)＝P_总(k)-P_电池(k)-P_PV(k))。然而，对电池单元1502充电导致P_电池(k)的负值，这会增加从能量网1614购买的总功率量P_电网(k)。

在一些实施例中，由PV面板1508所提供的功率P_PV不包含在预测成本函数J中，因为产生PV功率不会产生成本。然而，由PV面板1508产生的功率P_PV可以用于满足被供电的冷却塔部件1602的一些或全部总功耗P_总(k)，这减少了从能量网1614购买的功率量P_电网(k)(即，P_电网(k)＝P_总(k)-P_电池(k)-P_PV(k))。经济控制器1710可以预测在任何时间步k期间产生的PV功率P_PV的量。在美国专利申请第15/247,869号、美国专利申请第15/247,844号和美国专利申请第15/247,788号中描述了用于预测由PV面板产生的PV功率的量的若干种技术。这些专利申请中的每一个都具有2016年8月25日的提交日期，并且这些专利申请中的每一个的全部公开内容通过引用并入本文。

经济控制器1710可以在优化周期的持续时间内优化预测成本函数J，以确定优化周期期间每个时间步处的决策变量的最佳值。在一些实施例中，优化周期具有大约一天的持续时间并且每个时间步大约是十五分钟。然而，优化周期的持续时间和时间步在其他实施例中可以变化并且可以由用户调整。有利地，当能量价格低和/或当被供电的冷却塔部件1602所消耗的功率低时，经济控制器1710可以使用电池单元1502通过从能量网1614汲取电力来执行负载转移。电力可以存储在电池单元1502中，然后在能量价格高和/或被供电的冷却塔部件1602的功耗高时放电。这使得经济控制器1710能够降低冷却塔1512所消耗的电力成本并且可以使冷却塔1512的电力需求中的瞬时峰值平滑，由此减少所产生的需量电费。

经济控制器1710可以被配置成对预测成本函数J的优化施加约束。在一些实施例中，约束包含对由冷却塔1512产生的贮槽水的温度T_贮槽的约束。经济控制器1710可以被配置成始终将实际或预测温度T_贮槽维持在最小温度界限T_min与最大温度界限T_max之间(即，T_min≤T_贮槽≤T_max)。类似地，经济控制器1710可以被配置成始终将实际或预测温度T_冷凝器维持在最小温度界限T_min与最大温度界限T_max之间(即，T_min≤T_冷凝器≤T_max)。参数T_min和T_max可以随时间变化以定义不同时间的不同温度范围。

为了确保满足温度约束，经济控制器1710可以将温度T_贮槽和T_冷凝器建模为随着由经济控制器1710优化的决策变量而变化。用于开发温度模型并使温度与预测成本函数J中的决策变量相关的几种技术在2016年9月6日授予的美国专利第9,436,179号、2015年4月23日提交的美国专利申请第14/694,633号以及2016年6月30日提交的美国专利申请第15/199,910号中更详细地描述。这些专利和专利申请中每一个的全部公开内容均通过引用并入本文。

除了对温度T_贮槽和T_冷凝器的约束之外，经济控制器1710还可以对电池单元1502的充电状态(SOC)和充电/放电速率施加约束。在一些实施例中，经济控制器1710生成以下功率约束并将其施加于预测成本函数J：

P_电池≤P_额定

-P_电池≤P_额定

其中P_电池为从电池单元1502释放的功率量并且P_额定为电池单元1502的额定电池功率(例如，电池单元1502可以充电或放电的最大速率)。这些功率约束确保电池单元1502不以超过最大可能电池充电/放电速率P_额定的速率进行充电或放电。

在一些实施例中，经济控制器1710生成一个或多个容量约束并将其施加于预测成本函数J。该容量约束可以用于使在每个时间步期间充电或放电的电池功率P_电池与电池单元1502的容量和SOC相关。容量约束可以确保电池单元1502的容量在优化周期的每个时间步保持在可接受的下限和上限内。在一些实施例中，经济控制器1710生成以下容量约束：

C_a(k)-P_电池(k)Δt≤C_额定

C_a(k)-P_电池(k)Δt≥0

其中C_a(k)为时间步k开始时的可用电池容量(例如，kWh)，P_电池(k)为电池单元1502在时间步k期间放电的速率(例如，kW)，Δt为每个时间步的持续时间，并且C_额定为电池单元1502的最大额定容量(例如，kWh)。术语P_电池(k)Δt表示时间步k期间电池容量的变化。这些容量约束确保电池单元1502的容量保持在零与最大额定容量C_额定之间。

在一些实施例中，经济控制器1710生成一个或多个容量约束并将其施加于被供电的冷却塔部件1602的操作。例如，被供电的冷却塔部件1602可以具有对应于最大功耗P_总,max的最大操作点(例如，最大泵速、最大冷却容量等)。经济控制器1710可以被配置成生成约束，该约束将提供给被供电的冷却塔部件1602的功率P_总限制在零与最大功耗P_总,max之间，如以下等式所示：

0≤P_总≤P_总,max

P_总＝P_{设定点,电网}+P_{设定点,电池}

其中提供给被供电的冷却塔部件1602的总功率P_总为电网功率设定点P_{设定点,电网}与电池功率设定点P_{设定点,电池}之和。

经济控制器1710可以优化受到这些约束的预测成本函数J，以确定决策变量、P_总、P_风扇、P_泵、P_电网和P_电池的最佳值，其中P_总＝P_电池+P_电网+P_PV。在一些实施例中，经济控制器1710使用P_总、P_电池和/或P_电网的最佳值来生成用于跟踪控制器1712的功率设定点。功率设定点可以包含针对优化周期中的时间步k中的每个时间步的电池功率设定点P_{设定点,电池}、电网功率设定点P_{设定点,电网}和/或冷却塔功率设定点P_{设定点,总}。经济控制器1710可以向跟踪控制器1712提供功率设定点。

跟踪控制器

跟踪控制器1712可以使用最佳功率设定点P_{设定点,电网}、P_{设定点,电池}和/或P_{设定点,总}由经济控制器1710生成的最佳功率设定点以确定最佳温度设定点(例如，贮槽水温度设定点T_{设定点,贮槽}、冷凝器水温度设定点T_{设定点,冷凝器}等)和最佳电池充电或放电速率(即，电池_{充电/放电})。在一些实施例中，跟踪控制器1712生成预测实现冷却塔1512的功率设定点P_{设定点,总}的贮槽水温度设定点T_{设定点,贮槽}和/或冷凝器水温度设定点T_{设定点,冷凝器}。换句话说，跟踪控制器1712可以生成使冷却塔1512消耗由经济控制器1710确定的最佳功率量P_总的贮槽水温度设定点T_{设定点,贮槽}和/或冷凝器水温度设定点T_{设定点,冷凝器}。

在一些实施例中，跟踪控制器1712使用功耗模型冷却塔1512的功耗与贮槽水温度T_贮槽和冷凝器水温度设定点T_{设定点,贮槽}相关。例如，跟踪控制器1712可以使用设备控制器1714的模型来确定由设备控制器1714执行的随着贮槽水温度T_贮槽和冷凝器水温度设定点T_{设定点,贮槽}而变化的控制动作。以下等式中示出了此类区域调节控制器模型的实例：

P_总＝f₄(T_贮槽,T_{设定点,贮槽})

函数f₄可以从数据中识别出来。例如，跟踪控制器1712可以收集P_总和T_贮槽的测量值并识别T_{设定点,贮槽}的对应值。跟踪控制器1712可以使用P_总、T_贮槽和T_{设定点,贮槽}的集合值作为训练数据来执行系统识别过程，以确定定义此类变量之间关系的函数f₄。

跟踪控制器1712可以使用类似的模型来确定冷却塔1512的总功耗P_总与冷凝器水温度设定点T_{设定点,冷凝器}之间的关系。例如，跟踪控制器1712可以将冷却塔1512的功耗P_总定义为冷凝器水温度T_冷凝器和冷凝器水温度设定点T_{设定点,冷凝器}的函数。此类模型的实例在以下等式中示出：

P_总＝f₅(T_冷凝器,T_{设定点,冷凝器})

函数f₅可以从数据中识别出来。例如，跟踪控制器1712可以收集P_总和T_冷凝器的测量值并识别T_{设定点,冷凝器}的对应值。跟踪控制器1712可以使用P_总、T_冷凝器和T_{设定点,冷凝器}的集合值作为训练数据来执行系统识别过程，以确定定义此类变量之间关系的函数f₅。

跟踪控制器1712可以使用P_总、T_{设定点,贮槽}与T_{设定点,冷凝器}之间的关系来确定T_{设定点,贮槽}和T_{设定点,冷凝器}的值。例如，跟踪控制器1712可以接收P_总的值作为来自经济控制器1710的输入(即，P_{设定点,总})并且可以使用来确定T_{设定点,贮槽}和T_{设定点,冷凝器}的对应值。跟踪控制器1712可以将T_{设定点,贮槽}和T_{设定点,冷凝器}的值作为输出提供给设备控制器1714。

在一些实施例中，跟踪控制器1712使用电池功率设定点P_{设定点,电池}来确定对电池单元1502进行充电或放电的最佳速率电池_{充电/放电}。例如，电池功率设定点P_{设定点,电池}可以定义功率值(kW)，该功率值可以由跟踪控制器1712转换成用于功率逆变器1610和/或设备控制器1714的控制信号。在其他实施例中，电池功率设定点P_{设定点,电池}直接提供给功率逆变器1610并且由功率逆变器1610用来控制电池功率P_电池。

设备控制器

设备控制器1714可以使用由跟踪控制器1712生成的最佳温度设定点T_{设定点,贮槽}或T_{设定点,冷凝器}来生成用于被供电的冷却塔部件1602的控制信号。由设备控制器1714生成的控制信号可以将实际(例如，测得的)温度T_贮槽和/或T_冷凝器驱动到设定点。设备控制器1714可以使用多种控制技术中的任何一种来生成用于被供电的冷却塔部件1602的控制信号。例如，设备控制器1714可以使用基于状态的算法、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)算法或其他反馈控制算法来生成用于被供电的冷却塔部件1602的控制信号。

控制信号可包含开/关命令、风机1514的速度设定点、泵1516的压力设定点或流速设定点或被供电的冷却塔部件1602的各个装置的其他类型的设定点。在其他实施例中，控制信号可包含由预测冷却塔控制器1504生成的温度设定点(例如，贮槽水温设定点T_{设定点,贮槽}、冷凝器水温度设定点T_{设定点,冷凝器}等)。可以将温度设定点提供给被供电的冷却塔部件1602或被供电的冷却塔部件1602的本地控制器，该本地控制器操作以实现温度设定点。例如，风机1514的本地控制器可以从温度传感器1716接收贮槽水温度T_贮槽的测量值和/或驱动到度T_冷凝器的测量值，并且可以调节风机1514的速度以将测得的温度驱动到设定点。

在一些实施例中，设备控制器1714被配置成向功率逆变器1610提供控制信号。提供给功率逆变器1610的控制信号可以包含电池功率设定点P_{设定点,电池}和/或最佳充电/放电速率电池_{充电/放电}。设备控制器1714可以被配置成操作功率逆变器1610以实现电池功率设定点P_{设定点,电池}。例如，设备控制器1714可以使功率逆变器1610根据电池功率设定点P_{设定点,电池}对电池单元1502充电或使电池单元1502放电。

带电池和预测控制的阀单元

现在参考图18-19，根据一些实施例，示出了具有电池单元1802和预测阀控制器1804的阀单元1800。阀单元1800可以被配置成经由阀致动器1834控制阀1832。阀1832可为流体控制阀，其被配置成控制从入口管1812到出口管1814的流体的流速。致动器1834可以包含被配置成调节阀1832的位置的电机或其他被供电的部件。在一些实施例中，阀单元1800被配置成控制经由流体回路1838通过HVAC装置1836的流体的流动。HVAC装置1836可包含例如加热盘管或冷却盘管、空气处理单元、屋顶单元、热交换器、冰箱或冰柜、冷凝器或蒸发器、冷却塔或接收HVAC系统中的流体的任何其他类型的系统或装置。

在一些实施例中，电池单元1802包含一个或多个电池单元1806。电池单元1806被配置成存储和释放电能(即，电力)。在一些实施例中，使用来自外部电网(例如，由电力公用事业提供)的电力来对电池单元1802充电。电池单元1802中存储的电力可被释放以为阀单元1800的一个或多个被供电的部件(例如，致动器1834)供电。有利地，电池单元1802允许阀单元1800从能量网汲取电力并在能量价格低时对电池单元1802充电，并且在能量价格高时释放存储的电力以时移阀单元1800的电负载。在一些实施例中，当以最大容量操作时，电池单元1802具有足够的能量容量来为阀单元1800供电大约4-6小时，使得电池单元1802可以在高能量成本周期期间被使用并且在低能量成本周期期间被充电。

如图19所示，阀单元1800可包含燃料电池1901。在一些实施例中，燃料电池1901为被配置成利用化学反应生成电能的燃料电池。例如，燃料电池1901可以通过一对氧化还原反应将氢和氧化剂(例如，氧)的化学能量转化为电力。在其他实施例中，燃料电池1901为使用柴油、甲醇、天然气等中的一种或多种来发电的碳氢化合物燃料电池。燃料电池1901可被控制以发电以增加电网能量或其他能量来源、在高能量成本周期期间补充电池放电、或发电以对电池充电(例如，在高能量成本周期期间)。燃料电池可能需要燃料更换(例如，氢的供应)，例如，燃料更换可以定期购买并添加到阀单元1100中。在阀单元1100包含燃料电池1901的实施例中，本文的控制和优化过程被配置成在产生用于包含燃料电池1901的阀单元1100的各个部件的控制输出时考虑燃料电池1901的贡献和操作燃料电池1901的成本。例如，由预测阀控制器1804执行的优化可以确定是否在优化周期中的每个时间步操作燃料电池1901来发电。

在一些实施例中，预测阀控制器1804执行优化过程以确定在优化周期期间发生的多个时间步中的每个时间步期间是否对电池单元1802进行充电或放电。预测阀控制器1804可以使用天气和定价数据1810来预测多个时间步中的每个时间步期间所需的加热/冷却量和电力成本。预测阀控制器1804可以优化目标函数，该目标函数考虑了在优化周期的持续时间内从能量网购买的电力的成本。预测阀控制器1804可以确定在每个时间步期间从能量网购买的电量以及从电池单元1802存储或释放的电量。参考图20-21更详细地描述了由预测阀控制器1804执行的目标函数和优化。

预测阀控制系统

现在参考图20，根据一些实施例，示出了预测阀控制系统2000的框图。控制系统2000中所示的几个部件可为阀单元1800的一部分。例如，阀单元1800可包含致动器1834、电池单元1802、预测阀控制器1804、功率逆变器2010和功率结点2012。

功率逆变器2010可以被配置成在直流电(DC)与交流电(AC)之间转换电力。例如，电池单元1802可以被配置成存储和输出DC功率，而能量网2014和致动器1834可以被配置成消耗和提供AC功率。功率逆变器2010可以用于将来自电池单元1802的DC功率转换成与能量网2014和/或致动器1834的电网频率同步的正弦AC输出。功率逆变器2010还可以用于将来自能量网2014的AC功率转换成可以储存在电池单元1802中的DC功率。电池单元1802的功率输出示出为P_电池。P_电池在电池单元1802正在向功率逆变器2010提供功率(即，电池单元1802正在放电)的情况下可以为正的，或者在电池单元1802正在从功率逆变器2010接收功率(即，电池单元1802正在充电)的情况下可以为负的。

在一些情况下，功率逆变器2010接收来自电池单元1802的DC功率输出，并将DC功率输出转换成可以提供给致动器1834的AC功率输出。功率逆变器2010可以使用本机振荡器使AC功率输出的频率与能量网2014的频率(例如，50Hz或60Hz)同步，并且可以将AC功率输出的电压限制为不高于电网电压。在一些实施例中，功率逆变器2010为谐振逆变器，该谐振逆变器包含或使用LC电路从简单方波中去除谐波，以实现与能量网2014的频率匹配的正弦波。在各个实施例中，功率逆变器2010可以使用高频变压器、低频变压器或不使用变压器来操作。低频变压器可以将来自电池单元1802的DC输出直接转换为提供给致动器1834的AC输出。高频变压器可以采用多步骤过程，该多步骤过程涉及将DC输出转换为高频AC，然后再转换回DC，并且最后再转换为提供给致动器1834的AC输出。

功率结点2012为致动器1834、能量网2014和功率逆变器2010电连接的点。从功率逆变器2010供应到功率结点2012的功率被示出为P_电池。P_电池在功率逆变器2010正在向功率结点2012提供功率(即，电池单元1802正在放电)的情况下可以为正的，或者在功率逆变器2010正在从功率结点2012接收功率(即，电池单元1802正在充电)的情况下可以为负的。从能量网2014供应到功率结点2012的功率被示出为P_电网。P_电池和P_电网在功率结点2012处组合以形成P_总(即，P_总＝P_电网+P_电池)。P_总可以被定义为从功率结点2012提供给致动器1834的功率。在一些情况下，P_总大于P_电网。例如，当电池单元1802正在放电时，P_电池可为正的，当P_电池与P_电网组合以形成P_总时，其添加到电网功率P_电网。在其他情况下，P_总可能小于P_电网。例如，当电池单元1802正在充电时，P_电池可为负的，当P_电池与P_电网组合以形成P_总时，其从电网功率P_总中减去。

预测阀控制器1804可以被配置成控制致动器1834和功率逆变器2010。在一些实施例中，预测阀控制器1804生成电池功率设定点P_{设定点,电池}并将其提供给功率逆变器2010。电池功率设定点P_{设定点,电池}可以包含正功率值或负功率值(例如，kW)，这些功率值使功率逆变器2010使用在功率结点2012处的可用功率对电池单元1802充电(当P_{设定点,电池}为负时)，或者使电池单元1802放电(当P_{设定点,电池}为正时)以向功率结点2012提供功率，以实现电池功率设定点P_{设定点,电池}。

在一些实施例中，预测阀控制器1804生成控制信号并将其提供给致动器1834。预测阀控制器1804可以使用多级优化技术来生成控制信号。例如，预测阀控制器1804可以包含经济控制器，该经济控制器被配置成在优化周期期间的每个时间步处确定致动器1834所要消耗的最佳功率量。所要消耗的最佳功率量可以使成本函数最小化，该成本函数考虑了由阀单元1800所消耗的能量成本。能量成本可以基于来自电力公用事业2018的时变能量价格。在一些实施例中，预测阀控制器1804在多个时间步中的每个时间步处确定从能量网2014购买的最佳功率量(即，电网功率设定点P_{设定点,电网})和存储到电池单元1802或从该电池单元释放的最佳功率量(即，电池功率设定点P_{设定点,电池})。预测阀控制器1804可以监测致动器1834的实际功率使用量，并且可以在生成最佳功率设定点时将实际功率使用量作为反馈信号。

预测阀控制器1804可以包含跟踪控制器，该跟踪控制器被配置成生成在每个时间步处实现最佳功耗量的致动器1834的位置设定点。在一些实施例中，预测阀控制器1804使用致动器1834的设备模型来确定对应于最佳功耗量的致动器1834的位置。

在一些实施例中，预测阀控制器1804使用位置设定点来生成用于致动器1834的控制信号。控制信号可包含开/关命令、位置命令、电压信号或影响致动器1834的操作的其他类型的设定点。在其他实施例中，控制信号可包含由预测阀控制器1804生成的位置设定点。可以将设定点提供给致动器1834或致动器1834的本地控制器，该本地控制器操作以实现该设定点。例如，致动器1834的本地控制器可以从一个或多个位置传感器接收阀位置的测量结果。本地控制器可以使用反馈控制过程(例如，PID、ESC、MPC等)来调节致动器1834和/或阀1832的位置，以将测量位置驱动到设定点。参考图21更详细地描述了由预测阀控制器1804执行的多级优化。

预测阀控制器

现在参考图21，根据示例性实施例，更详细地示出了图示预测阀控制器1804的框图。预测阀控制器1804被示出为包含通信接口2102和处理电路2104。通信接口2102可以促进预测控制器1804与外部系统或装置之间的通信。例如，通信接口2102可以接收来自位置传感器2118的阀位置的测量值和致动器1834的功率使用的测量值。在一些实施例中，通信接口2102接收电池单元1802的荷电状态(SOC)的测量值，该测量值可以以最大电池容量的百分比(即，电池％)的形式提供。通信接口2102可以接收来自气象服务916的天气预报和来自电力公用事业2018的预测能量成本和需求成本。在一些实施例中，预测阀控制器1804使用通信接口2102来提供控制信号致动器1834和功率逆变器2010。

通信接口2102可包含用于与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，插口、天线、发射器、接收器、收发器、导线端子等)。在各种实施例中，通信可为直接通信(例如，本地有线或无线通信)或经由通信网络(例如，WAN、因特网、蜂窝式网络等)进行。例如，通信接口2102可以包含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。在另一实例中，通信接口2102可包含用于经由无线通信网络或蜂窝式或移动电话通信收发器通信的Wi-Fi收发器。

处理电路2104被示出为包含处理器2106和存储器2108。处理器2106可为通用或专用处理器、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2106被配置成执行存储在存储器2108中或从其他计算机可读介质(例如，CDROM、网络存储装置、远程服务器等)接收到的计算机代码或指令。

存储器2108可包含用于存储用于完成和/或促进本公开中所描述的各种过程的数据和/或计算机代码的一或多个装置(例如，存储器单元、存储器装置、存储装置等)。存储器2108可以包含随机存取存储器(RAM)、只读存储器(ROM)、硬盘驱动存储装置、临时存储装置、非易失性存储器、快闪存储器、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2108可以包含数据库部件、目标代码部件、脚本部件或用于支持各种活动的任何其他类型的信息结构和本公开中所描述的信息结构。存储器2108可经由处理电路2104可通信地连接到处理器2106，且可包含用于(例如，由处理器2106)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2106执行存储在存储器2108中的指令以完成本文所描述的各种活动时，处理器2106通常配置控制器1804(并且更具体地处理电路2104)以完成此类活动。

仍然参考图21，预测阀控制器1804被示出为包含经济控制器2110、跟踪控制器2112和设备控制器2114。控制器2110-2114可以被配置成执行多状态优化过程以生成用于功率逆变器2010和致动器1834的控制信号。简而言之，经济控制器2110可以优化预测成本函数以在优化周期的每个时间步处确定从能量网2014购买的最佳功率量(即，电网功率设定点P_{设定点,电网})、存储到电池单元1802或从该电池单元释放的最佳功率量(即，电池功率设定点P_{设定点,电池})，和/或由致动器1834所消耗的最佳功率量(即，泵功率设定点P_{设定点,致动器})。跟踪控制器2112可以使用最佳功率设定点P_{设定点,电网}、P_{设定点,电池}和/或P_{设定点,致动器}来确定阀1832的最佳位置设定点位置_设定点和最佳电池充电或放电速率(即，电池_{充电/放电})。设备控制器2114可以使用最佳位置设定点位置_设定点来生成用于致动器1834的控制信号，该控制信号将实际(例如，测得的)位置驱动到设定点(例如，使用反馈控制技术)。下文详细描述控制器2110-2114中的每一个控制器。

经济控制器

经济控制器2110可以被配置成优化预测成本函数以在优化周期的每个时间步处确定从能量网2014购买的最佳功率量(即，电网功率设定点P_{设定点,电网})、存储到电池单元1802或从该电池单元释放的最佳功率量(即，电池功率设定点P_{设定点,电池})，和/或由致动器1834所消耗的最佳功率量(即，致动器功率设定点P_{设定点,致动器})。可以由经济控制器2110优化的预测成本函数的实例在以下等式中示出：

其中C_ec(k)为在时间步k期间从电力公用事业2018购买的每单位电力的成本(例如，$/kWh)，P_致动器(k)为致动器1834在时间步k的功耗，C_DC为需量电费率(例如，$/kW)，其中max()项选取阀单元1800的在优化周期的任何时间步k期间最大购电量(即，P_电网(k)的最大值)，P_电池(k)为在时间步k期间从电池单元1802释放的功率量，并且Δt为每个时间步k的持续时间。经济控制器2110可以在优化周期的持续时间内(例如，从时间步k＝1到时间步k＝h)优化预测成本函数J，以在优化周期的持续时间内预测操作阀单元1800的总成本。

预测成本函数J的第一项表示致动器1834在优化周期的持续时间内所消耗的电力成本。每个时间步k处的参数C_ec(k)的值可以由电力公用事业2018所提供的能量成本信息来定义。在一些实施例中，电力成本随时间而变化，这导致在不同的时间步k处C_ec(k)的不同值。变量P_致动器(k)是可以由经济控制器2110优化的决策变量。

预测成本函数J的第二项表示需量电费。需量电费是一些公用事业提供商基于适用的需量电费周期期间的最大功耗而征收的另外的费用。例如，需量电费率C_DC可以以每单位功率的美元(例如，$/kW)来指定，并且可以乘以需量电费周期期间的峰值功率使用量(例如，kW)来计算需量电费。在预测成本函数J中，需量电费率C_DC可以由从电力公用事业2018接收的需求成本信息来定义。变量P_电网(k)为可以由经济控制器2110优化以减少在需量电费周期期间出现的峰值功率使用量max(P_电网(k))的决策变量。当致动器1834的功耗低时，负载转移可以允许经济控制器2110通过在电池单元1802中存储能量来使阀单元1800的电力需求的瞬时峰值平滑。当致动器1834的功耗高时，可以从电池单元1802释放存储的能量，以减少来自能量网2014的峰值功率汲取P_电网，由此减少所产生的需量电费。

预测成本函数J的最后一项表示因使用电池单元1802而节省的成本。与成本函数J中的前几项不同，最后一项从总成本中减去。每个时间步k处的参数C_ec(k)的值可以由电力公用事业2018所提供的能量成本信息来定义。在一些实施例中，电力成本随时间而变化，这导致在不同的时间步k处C_ec(k)的不同值。变量P_电池(k)是可以由经济控制器2110优化的决策变量。P_电池(k)的正值指示电池单元1802正在放电，而P_电池(k)的负值指示电池单元1802正在充电。从电池单元1802释放的功率P_电池(k)可以用于满足致动器1834的一些或全部总功耗P_总(k)，这减少了从能量网2014购买的功率量P_电网(k)(即，P_电网(k)＝P_总(k)-P_电池(k))。然而，对电池单元1802充电导致P_电池(k)的负值，这会增加从能量网2014购买的总功率量P_电网(k)。

经济控制器2110可以在优化周期的持续时间内优化预测成本函数J，以确定优化周期期间每个时间步处的决策变量的最佳值。在一些实施例中，优化周期具有大约一天的持续时间并且每个时间步大约是十五分钟。然而，优化周期的持续时间和时间步在其他实施例中可以变化并且可以由用户调整。有利地，当能量价格低和/或当致动器1834所消耗的功率低时，经济控制器2110可以使用电池单元1802通过从能量网2014汲取电力来执行负载转移。电力可以存储在电池单元1802中，然后在能量价格高和/或致动器1834的功耗高时放电。这使得经济控制器2110能够降低阀单元1800所消耗的电力成本并且可以使阀单元1800的电力需求中的瞬时峰值平滑，由此减少所产生的需量电费。

经济控制器2110可以被配置成对预测成本函数J的优化施加约束。在一些实施例中，约束包含对致动器1834的位置的约束。经济控制器2110可以被配置成始终将实际或预测位置维持在最小位置界限位置_min与最大位置界限位置_max(即，位置_min≤位置≤位置_max)之间。参数位置_min和位置_max可以随时间变化以定义不同时间的不同位置范围。

除了对阀1832的位置的约束之外，经济控制器2110可以对电池单元1802的充电状态(SOC)和充电/放电速率施加约束。在一些实施例中，经济控制器2110生成以下功率约束并将其施加于预测成本函数J：

P_电池≤P_额定

-P_电池≤P_额定

其中P_电池为从电池单元1802释放的功率量并且P_额定为电池单元1802的额定电池功率(例如，电池单元1802可以充电或放电的最大速率)。这些功率约束确保电池单元1802不以超过最大可能电池充电/放电速率P_额定的速率进行充电或放电。

在一些实施例中，经济控制器2110生成一个或多个容量约束并将其施加于预测成本函数J。该容量约束可以用于使在每个时间步期间充电或放电的电池功率P_电池与电池单元1802的容量和SOC相关。容量约束可以确保电池单元1802的容量在优化周期的每个时间步保持在可接受的下限和上限内。在一些实施例中，经济控制器2110生成以下容量约束：

C_a(k)-P_电池(k)Δt≤C_额定

C_a(k)-P_电池(k)Δt≥0

其中C_a(k)为时间步k开始时的可用电池容量(例如，kWh)，P_电池(k)为电池单元1802在时间步k期间放电的速率(例如，kW)，Δt为每个时间步的持续时间，并且C_额定为电池单元1802的最大额定容量(例如，kWh)。术语P_电池(k)Δt表示时间步k期间电池容量的变化。这些容量约束确保电池单元1802的容量保持在零与最大额定容量C_额定之间。

在一些实施例中，经济控制器2110生成一个或多个容量约束并将其施加于致动器1834的操作。例如，致动器1834可具有对应于最大功耗P_{致动器,max}的最大操作点(例如，最大致动速度、最大位置等)。经济控制器2110可以被配置成生成将提供给致动器1834的功率P_致动器限制在零与最大功耗P_{致动器,max}之间的约束，如以下等式所示：

0≤P_致动器≤P_{致动器,max}

P_致动器＝P_{设定点,电网}+P_{设定点,电池}

其中提供给致动器1834的总功率P_致动器为电网功率设定点P_{设定点,电网}与电池功率设定点P_{设定点,电池}之和。

经济控制器2110可以优化受到约束的预测成本函数J，以确定决策变量P_致动器、P_电网和P_电池的最佳值，其中P_致动器＝P_电池+P_电网。在一些实施例中，经济控制器2110使用P_致动器、P_电池和/或P_电网的最佳值来生成用于跟踪控制器2112的功率设定点。功率设定点可以包含针对优化周期中的时间步k中的每个时间步的电池功率设定点P_{设定点,电池}、电网功率设定点P_{设定点,电网}和/或致动器功率设定点P_{设定点,致动器}。经济控制器2110可以向跟踪控制器2112提供功率设定点。

跟踪控制器

跟踪控制器2112可以使用最佳功率设定点和/或由经济控制器2110生成的最佳功率设定点P_{设定点,电网}、P_{设定点,电池}、P_{设定点,致动器}来确定最佳位置设定点位置_设定点和最佳电池充电或放电速率(即，电池_{充电/放电})。在一些实施例中，跟踪控制器2112生成被预测以实现致动器1834的功率设定点P_{设定点,致动器}的位置设定点位置_设定点。换句话说，跟踪控制器2112可以使致动器1834消耗由经济控制器2110确定的最佳功率量P_致动器的位置设定点位置_设定点。

在一些实施例中，跟踪控制器2112使用电池功率设定点P_{设定点,电池}来确定对电池单元1802进行充电或放电的最佳速率电池_{充电/放电}。例如，电池功率设定点P_{设定点,电池}可以定义功率值(kW)，该功率值可以由跟踪控制器2112转换成用于功率逆变器2010和/或设备控制器2114的控制信号。在其他实施例中，电池功率设定点P_{设定点,电池}直接提供给功率逆变器2010并且由功率逆变器2010用来控制电池功率P_电池。

设备控制器

设备控制器2114可以使用由跟踪控制器2112生成的最佳位置设定点位置_设定点来生成用于致动器1834的控制信号。由设备控制器2114生成的控制信号可以将阀1832的实际(例如，测得的)位置驱动到设定点。设备控制器2114可以使用多种控制技术中的任何一种来生成用于致动器1834的控制信号。例如，设备控制器2114可以使用基于状态的算法、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)算法或其他反馈控制算法来生成用于致动器1834的控制信号。

控制信号可以包含开/关命令、位置命令、电压信号或影响致动器1834的操作的其他类型的设定点。在其他实施例中，控制信号可包含由预测阀控制器1804生成的位置设定点。可以将设定点提供给致动器1834或致动器1834的本地控制器，该本地控制器操作以实现该设定点。例如，致动器1834的本地控制器可以从一个或多个位置传感器接收阀位置的测量结果。本地控制器可以使用反馈控制过程(例如，PID、ESC、MPC等)来调节致动器1834和/或阀1832的位置，以将测量位置驱动到设定点。

在一些实施例中，设备控制器2114被配置成向功率逆变器2010提供控制信号。提供给功率逆变器2010的控制信号可以包含电池功率设定点P_{设定点,电池}和/或最佳充电/放电速率电池_{充电/放电}。设备控制器2114可以被配置成操作功率逆变器2010以实现电池功率设定点P_{设定点，电池}。例如，设备控制器2114可以使功率逆变器2010根据电池功率设定点P_{设定点,电池}对电池单元1802充电或使电池单元1802放电。

燃料电池优化

现在参考图22，例如，过程2200的流程图涉及与建筑物设备(例如，图8的燃料电池808、图12的燃料电池202、图16的燃料电池1691或图19的燃料电池1901，如上所述)集成或包含在模块化能量单元中(例如，参见下文所述的图23-24)的燃料电池的操作的优化。过程2200可以由本文所述的各种预测控制器或功率管理电路来执行，例如预测冷水机控制器704、预测泵控制器1104、预测冷却塔控制器1504等。在其他实施例中，图22的优化过程可以针对独立燃料电池执行并且由独立燃料电池的控制器执行。在其他实施例中，过程2200由基于云的优化资源执行，例如，如图29-30所示并在下文中讨论。

在步骤2202，监测与建筑物设备集成的燃料电池(例如，上面讨论的图8的燃料电池808、图12的燃料电池202、图16的燃料电池1691或图19的燃料电池1901)。例如，可以收集与发电、燃料水平、燃料使用率、开/关状态等相关的数据来监测燃料电池。例如，步骤2202可以包含收集燃料电池数据的时间序列，其指示时间序列中的每个时间步的一个或多个燃料电池相关变量。步骤2202可以使得收集和聚集指示燃料电池的历史使用、燃料消耗等的一组燃料电池训练数据。在一些实施例中，在步骤2202中，可以收集与燃料电池所服务的建筑物设备有关的数据、受建筑物设备的操作影响的建筑物条件、或者可能影响对燃料电池的需求的其他变量(例如，天气、建筑物时间表等)，作为监测燃料电池的一部分。

在步骤2204中，预测燃料电池的未来使用。燃料电池的未来使用可以基于来自步骤2202的燃料电池的监测来预测，例如基于在步骤2202中通过监测燃料电池收集的时间序列数据上训练的模型。例如，在步骤2202中收集的数据可用于训练神经网络，该神经网络基于在步骤2202中收集的数据中表示的一组输入来预测燃料电池的未来使用。例如，天气预报数据、建筑物设定点、一天中的时间、当前使用情况等可用于预测未来的燃料电池使用情况。燃料电池的未来使用可以根据燃料消耗量(例如，氢的体积、燃料电池容量的百分比等)来预测。

在步骤2206处，跟踪燃料价格。跟踪燃料电池的燃料价格(例如，补充氢燃料电池的额外氢)，以观察燃料价格随时间的波动。跟踪燃料价格可包含识别平均价格、对燃料电池价格的波动进行建模、自适应地细化燃料价格的预测、识别低价格时间、识别高价格时间等。步骤2206可包含监测多个燃料源以识别燃料电池的燃料的最低成本选项。在一些实施方案中，步骤2206可包含识别优选的氢生产方法(例如，由风力发电的水电解产生的氢与由化石燃料产生的氢)，并产生对具有更清洁生产的氢来源的偏好。

在步骤2208，在燃料电池受到与燃料存储限制或成本相关的约束或惩罚的情况下执行使得燃料电池的燃料购买成本最小化的优化。例如，用于燃料的存储罐可以被包括在燃料电池附近(例如，在建筑物处)并且可以具有固定容量(即，其可以容纳的最大输出燃料)。在这样的实施例中，约束被定义为防止优化达到将导致储罐的过度填充的解决方案。作为另一个实例，在一些情况下(例如，租赁的存储区域、将存储罐维持在合适的温度范围所需的资源消耗等)，用户可能会花费更多来存储更多燃料。

步骤2208的优化可以使用来自步骤2206的跟踪燃料价格和来自步骤2204的燃料电池的预测未来使用来执行。例如，可以制定预测成本函数，该函数指示购买燃料的总成本，其中购买时间和要获取的燃料量是优化的决策变量，受到约束(例如，平衡方程、模型)，该约束预测性地平衡燃料消耗和燃料存储约束以确保有足够的燃料来满足燃料电池的预测使用。仍然满足这些约束和要求的总成本可以是优化的输出。优化策略和公式可以使用如上面详细描述的类似技术。

在步骤2210，根据步骤2208的优化结果订购或以其他方式获取额外的燃料。例如，优化可以指示在特定时间从特定燃料供应商购买一定量的燃料，并且步骤2210可以包含自动执行该交易或控制分配设备或装置以在那时获取燃料。例如，步骤2210可以包含向技术人员生成通知(例如，经由用户移动电话或其他设备)，指示技术人员在特定的未来时间获取最佳燃料量。作为另一实例，步骤2210可以包含自动使自动驾驶车辆移动到供应商燃料分配地点，以在所识别的时间获取优化的燃料量。然后，燃料可以被添加到燃料电池中或者被存储以供燃料电池稍后使用。从而可以优化将燃料电池集成到建筑物设备或其他建筑物系统中的操作成本。

燃料电池可以集成到用于执行过程2200的各种设备中。例如，上述各种设备可适于包含一个或多个燃料电池。作为另一实例，燃料电池可以被添加到2020年2月25日提交的美国专利申请第15/963,860号中描述的AHU和RTU设备，或2017年6月29日提交的美国专利申请第16/314,277号中所描述的VRF设备，并且这些美国专利申请通过引用并入本文。

模块化能量单元

现在参考图23-24，根据示例实施例，示出了模块化能量单元2300的图。在各种实施例中，模块化能量单元2300为封闭式集成产品，可以部署到建筑物或其他场所并在建筑物与公用电网之间进行电连接，以节省大量能量成本、减少碳排放并减少对第三方能量网的依赖。模块化能量单元2300的尺寸可类似于其他大型建筑物设备(例如，屋顶单元、冷水机、工业锅炉等)。在一些示例中，模块化能量单元2300可以具有类似于运输集装箱的物理尺寸或者小于适合于在标准道路上通过卡车运输的运输集装箱的物理尺寸。因此，模块化能量单元2300可以容易地部署以提供下面讨论的各种优点，而无需显著的现场构造或定制。例如，如下文详细讨论的，模块化能量单元2300可以提供即插即用服务以实现建筑物的净零碳排放。

如图23-24所示，模块化能量单元2300包含外壳2302。外壳2302的尺寸可类似于运输集装箱，如上所述用于在标准道路上通过卡车运输。在一些实施例中，外壳2302是可移动的(例如，具有轮子的拖车等)。模块化能量单元2300被示出为在外壳2302内部或之上包含光伏电池2304、风车2306、燃料电池2308、核微型反应堆2310、重力能量系统2312和电池2314。在各种实施例中，可以包含这些元件。例如，在许多实例中，省略了核微型反应堆2310和/或重力能量系统2312。作为另一实例，可以省略燃料电池2308。作为另一实例，在一些情况下，仅包括含风车2306和光伏电池2304中的一个。所有此类变化都处于本公开的范围内。模块化能量单元2300还被示为包含连接到无线通信装置(被示为蜂窝调制解调器2316)的功率管理电路2314、用于连接到公用电网2324的公用电网电入口2318、以及用于连接到建筑物电系统2322的电出口2320。

因此，模块化能量单元2300包含具有互补特性的多种能源和存储解决方案，这些互补特性有助于可靠地提供电能以满足各种场景中的建筑物负载。光伏电池2304安装在模块化能量单元2300上(例如，在外壳2302的屋顶2303上)，并且被配置成将光(太阳辐射)转换成电能。光伏电池2304导电地耦合到功率管理电路2314以将来自光伏电池2304的电力提供到功率管理电路2314。光伏电池2304可以基本上与外壳的屋顶2303共同延伸，例如覆盖屋顶2303的表面积的90％以上。光伏电池2304由此被配置成向功率管理电路2314提供免费、可再生、零碳电能，而不需要安装与模块化能量单元2300分离的附加太阳能电池板或支撑结构。在一些实施例中，例如，在建筑物或园区包含补充光伏电池(例如，先前安装在建筑物或园区的其他地方)的情况下，额外的光伏电池可以导电地连接到功率管理电路2314，以使功率管理电路2314能够管理来自这样的电池的电力。

模块化能量单元2300还被示出为包含从外壳2302的屋顶2303延伸的风车2306。风车2306可以被配置成在将模块化能量单元2300运送到其在建筑物或园区的目的地时，在没有技术专业知识的情况下(例如，使用简单的工具、遵循简单的指令等)容易地架设。风车2306被配置成通过风力驱动涡轮机的旋转将风能转化为电力。风车2306导电地连接到功率管理电路2314以向功率管理电路2314提供电能。尽管在实例中示出了一个风车2306，但是在各种实施例中可以包含多个风车2306。在一些实施例中，例如在建筑物或园区包括补充风车(例如，先前安装的风能收获设备)的情况下，这样的补充风车还可以连接到功率管理电路2314，使得功率管理电路2314接收并可以管理来自补充风车的电力。

因此，光伏电池2304和风车2306为模块化能量单元2300提供了将环境条件(风、阳光)转化为电力的能力。在其他实施例中，可以包含各种其他环境能量收集装置和/或其组合。环境能量收集装置(例如，光伏电池2304和风车2306)在具有合适环境条件的时间期间提供免费的零碳电力。如以下段落中所讨论的，模块化能量单元还包含被配置成提供基本负载或补充能量产生的能源，例如用于在环境条件未向光伏电池2304和风车2306提供足够能量时(例如，低风的夜晚等)使用。

模块化能量单元2300被示出为包含基本负载或补充能量产生装置，示出为核微型反应堆2312和燃料电池2308。核微型反应堆2312使用来自裂变或聚变反应的能量来产生电力，例如通过使用电力转换循环将来自此类反应的热量转化为电力。核微型反应堆2312可以使用浓缩铀燃料，例如高含量低浓缩铀。核微型反应堆2312可以被配置成可控地在不同时间提供不同电平的电力。在一些实例中，核微型反应堆2312可以提供由其他能源补充的基本负载能量，并且在其他风能/太阳能、能量网和其他能源不可用的情况下提供可靠的备用能源。因此，核微型反应堆2312可以足够小，以具有非常低的风险，并且安装在模块化能量单元2300的外壳2302内部并可在其内操作，并且可以在需要处理燃料材料的情况下运行数十年。核微型反应堆2312因此被配置成向功率管理电路提供电能，其中碳排放量为零。在许多实施例中，省略了核反应堆2312。

燃料电池2308被配置成通过化学反应生成电能，例如在燃料电池2308为氢燃料电池的实施例中，该化学反应为氢和氧之间的氧化还原反应。当使用其他电源时，燃料电池2308可以基本上稳定地处于休眠状态，同时可控制以启动化学反应以根据需要将化学燃料转化为电能。燃料电池2308可以是氢燃料电池或一些其他类型的燃料电池(例如，碳氢化合物等)。在燃料电池2308为氢燃料电池的实施例中，燃料电池2308可以操作以生成电力，同时仅排放水而不排放碳。燃料电池2308可以布置在外壳2300中，以提供用于燃料电池2308的再燃料加注的方便通道(例如，经由外壳2302的外壁上的端口)。在一些实施例中，燃料电池2308被配置成例如基于图22的过程2200使得信号经由蜂窝调制解调器2316传输，指示燃料电池2308应该被再填充。燃料电池2308导电地连接到功率管理电路2314并向其提供电力。如下所述，功率管理电路2314可以将燃料电池2308控制在开启和关闭状态之间、不同的功率水平等。因此，模块化能量单元2300包含不依赖于环境条件的发电装置。

模块化能量单元2300还包含可再充电能量存储装置，如电池2313和重力能存储2310所示。如下所述，可再充电能量存储装置能够根据需要向功率管理电路2314释放能量，并且存储由功率管理电路2314提供给可再充电能量存储装置的能量。在各种实施例中可以使用其他类型的可再充电能量存储器。

如图23-24所示，可再充电能量存储装置包含重力能量系统2310。重力能量系统2310被配置成将电力转化为重力势能(以便存储能量)并将重力势能转化为电力(以便释放所存储的能量)。重力能量系统2310可以在不退化的情况下提供长期的能量存储。在一些实施例中，重力能量系统2310被配置成在连接到一个或多个绞盘的缆线上移动一个或更多个高质量物体(例如，一个或更多个致密金属块)，绞盘被配置成消耗电能以经由缆线升高高质量物体并且在降低高质量物体时提取电能。在其他实施例中，重力能量系统2310被配置成向上泵送流体(例如，水、高密度流体)以消耗和存储电力，并允许流体向下流动通过一个或多个涡轮机以将重力势能转换为电力，例如，如图25所示并参照该图进行描述。在一些实施例中，重力能量系统2310被配置成收集高海拔或高海拔(例如，在建筑物的屋顶上、水塔中、山上或小山上等)的雨水槽中的雨水，并在雨水向下流动时将存储的雨水中的重力能转换为电力，如参考图25所述。图23示出了包含在外壳2303内的重力能量系统2310。在其他实施例中，重力能量系统2310可包含屋顶2303上方的延伸部以增加可由重力能量系统2310存储的重力势能的量。重力能量系统2310导电地连接到功率管理电路2314，以从功率管理电路2314接收电能或向功率管理电路2314提供电能，并且从功率管理电路2314接收控制信号。

模块化能量单元2300还被示出为包含电池2313。电池2313导电地连接到功率管理电路2314并且被配置成存储来自功率管理电路2314的电能以及将能量释放到功率管理电路2314。电池2313的充电或放电速率可由功率管理电路2314控制。电池2313可以布置在包含多个电池单元(例如，8个、50个、100个、1000个等)的一个或多个电池组中。例如，电池2313可为锂离子电池。

在一些实施例中，模块化能量单元2300还包含加热和/或冷却装置，其被配置成将外壳2300的内部维持在适合其中部件操作的温度或附近，例如电池2313的有效温度、核微型反应堆2312和燃料电池2308。

模块化能量单元2300还被示出为包含被配置成连接到公用电网2324的公用电网入口2318，以便在公用电网2324与功率管理电路2314之间提供导电路径。公用电网入口2318可以主要允许功率管理电路从公用电网2324接收电力。在一些实施例中以及在一些场景中，公用电网入口2318还允许功率管理电路2314将电力推回到公用电网2324(例如，将电力卖回给公用事业公司、参与频率响应或其他激励程序等)。

模块化能量单元2300还被示出为包含电能出口2320。电能出口2320被配置成将功率管理电路2314导电地连接到建筑物电力系统2322。建筑物电气系统2322包含建筑物布线等，其被配置成将电力从电能插座2320传输到建筑物中的各种电气装置、插座、照明设施、电器等。功率管理电路2314可以经由与电能出口2320的连接来检测来自建筑物电力系统232的电力需求。

功率管理电路2314被配置成管理由模块化能量单元2300的部件向其提供的各种电流，并且管理到建筑物电力系统2322和能量存储装置(例如，电池2313和重力能量系统2310)的电流。如下文参考后面的附图详细讨论的，功率管理电路2314被配置成跨模块化能量单元2300和公用电网2324的部件最优地分配需求，以最小化能量成本、最小化碳排放或其某种组合，同时满足建筑物需求。功率管理电路2314可以本地包含被配置成本地执行如下所述的优化的计算组件(例如，存储器装置和处理电路)，或者可以经由蜂窝调制解调器2316与远程计算资源(例如，云服务器)通信以促进最佳控制模块化能量单元。

因此，模块化能量单元2300被配置成电定位在公用电网2324与建筑物电力系统2322之间，以管理来自公用电网2324的电力的使用并补充这种电力。因此，模块化能量单元2300可以容易地安装在相对于建筑物的一点处，而不需要像其他建筑物能量管理系统那样在建筑物内部和整个建筑物内调整或安装装置。因此，模块化能量单元2300是一种易于安装、模块化、集成、即插即用的解决方案，用于降低能量成本并减少或消除与建筑物运营相关联的碳排放。

具有雨水和地下水特征的模块化能量单元

现在参考图25，根据示例性实施例，示出了包含使用雨水和地下水特征的重力能量系统的模块化能量单元2500的实施例的示意图。模块化能量单元2500被示出为包含被实施为基于水的能量系统2502的重力能量系统、一个或多个风车2306、光伏电池2304和功率管理电路(示出为蓄能器2501)。在各种实施例中，模块化能量单元2500可包含图23-24的模块化能量单元2300的各种元件。

基于水的能量系统2502被示出为包含上部水箱2504和下部水箱2506。上部水箱2504被定位成暴露于雨水中(例如，在屋顶上、在外壳2302的屋顶2303上、连接到落水管、排水沟等)并且包含被配置成从环境接收雨水的一个或多个开口。可包含过滤器以防止碎片和其他污染物进入上部水箱2504。下部水箱2506物理上定位在下部水箱下方(即，更靠近地球中心)，使得上部水箱2504中的单位水相对于下部水箱2506中的单位水具有更高的重力势能。在一些实施方式中，上部水箱2504和下部水箱2506均定位在集成的、运输集装箱大小的模块化能量单元的外壳上。在其他实施例中，上部水箱2504被定位在将由模块化能量单元提供服务的建筑物的屋顶上，而下部水箱被定位在地面、地下室或地下水平，从而在给定现有建筑结构的情况下最大化上部水箱和下部水箱之间的重力势能。例如，一些较旧的工业建筑物仍然包含不再使用的屋顶水箱，这些屋顶水箱之前由于其他创新而变得过时，但是可以重新调整用途以与基于水的能量系统2502一起使用，而不需要对建筑物进行重大的结构改变。下部箱2506和上部箱2504通过管道、管子、软管等连接以使得流体能够在其间流动。

如图25所示，基于水的能量系统2502包含位于下部箱2506与上部箱2504之间的流动路径上的泵2508和电机2510。电机2510被配置成驱动泵2508以将水从下部箱2506抽到上部箱2504。电机2510消耗电能，并且使用泵2508将电能转换成由泵2508扬起的水的重力势能。例如当风车2306和光伏电池2304产生过量电力时，电机2510可由蓄能器2501控制。第一可控阀2512沿下部水箱2506和上部水箱2504之间的管道定位，例如以防止当泵不运行时重力通过泵将水拉回。第一可控阀2512可由阀控制器2513控制。

基于水的能量系统2502还被示出为包含沿着上部箱2504与下部箱2506之间的流动路径连接的涡轮机2514。第二可控阀2516位于上部箱2504与涡轮机2514之间并且可由阀控制器2513控制。当第二可控阀2516被控制打开时，重力将水从上部箱2504拉动，通过涡轮机2514，并到达下部箱2506。涡轮机2514可位于下部水箱2506附近。当水从上部箱向下流至涡轮2514时，水的重力势能通过重力加速度转化为动能。然后涡轮机2514将该动能转换成涡轮机2514的旋转动能，然后通过发电机2518将其转换成电力。由此，上部箱2504内的水的重力势能被转换成电力，并提供给蓄能器2501。例如，当蓄能器2501需要额外的电力来满足建筑物需求时，或根据如本文所述的各种其他优化技术，蓄能器2501可以使阀控制器2513打开阀2516。

通过保持对雨水开放，上部箱2502能够接收不需要电机2510操作的水，因此不需要任何电力输入。在特别是雨季或气候下，基于水的能量系统2502因此可以提供大量的免费电力(即，从环境中提取的电力)。为了避免下部水箱过度填充，下部水箱可以包含溢流特征，该溢流特征被配置成当下部水箱达到容量时排入地下水(或排水、下水道等系统)。

因此，模块化能量单元2500可以提供基本上恒定的发电或不断满足时变需求的发电。例如，在特别晴朗和/或有风的时期，太阳能和风能被转化为电力以满足需求并将重力势能存储在基于水的能量系统2502中。然后，在无阳光或无风的时期，该重力势能可通过涡轮机2514转换回电力。此外，因为低太阳能周期可以对应于高降雨周期，上部箱2504的降雨捕获特征特别适合于补充光伏电池2304的太阳能发电。因此，模块化能量单元2500利用多种能源和存储解决方案来提供可靠、一致的零碳排放电力。

模块化能量单元的优化控制

现在参考图26，根据示例性实施例，示出了用于最佳地控制模块化能量单元(例如，图23的模块化能量单元2300)的过程2600的流程图。过程2600可以由图24的功率管理电路2314执行，例如，和/或经由基于云的优化资源(例如，服务器、存储器和处理电路等)来执行，该优化资源可经由蜂窝调制解调器2316与功率管理电路2314通信。在图26的一些修改中，过程2600可以由图25的蓄能器2501执行。

在过程2600的步骤2602，预测模块化能量单元上的电力需求。例如，对模块化能量单元的电力需求的预测可以包含要在优化周期中的每个时间步提供的电力需求(例如，以千瓦为单位的瞬时功率、以焦耳为单位的能量或小时间增量上的千瓦时)。可以使用一个或多个灰箱模型、神经网络模型或一些其他建模方法来预测模块化能量单元上的电力需求。作为一个实例，可以使用2015年5月20日提交的美国专利申请第14/717,593号中描述的负载预测器特征来预测模块化能量单元上的电力需求，该专利申请的全部公开内容通过引用并入本文。

在步骤2604，例如基于天气预报、与风车2306和光伏电池2304的容量和过去性能有关的数据和/或其他相关数据来预测来自风力和/或太阳能发电机的可用发电。例如，在美国专利申请第15/247,869号、美国专利申请第15/247,844号和美国专利申请第15/247,788号中描述了用于预测将产生的更新电力(例如，由PV面板产生的PV电力)的量的技术，每一篇的申请日期都是2016年8月25日，并且这些美国专利申请通过引用并入本文。

在步骤2606，跟踪电池容量、重力能量存储容量、燃料电池填充水平以及将影响模块化能量单元2300的部件处可用的能量或存储容量的量的任何其他变量。通过跟踪这些值，来自模块化能量单元2300的各个部件的可用功率和存储在其中的指示可以被实时地考虑并预测进未来。

在步骤2808，从公用电网获取公用事业费率和碳排放数据。例如，来自公用电网的电力可能受到使用时间定价的影响，使得定价随着时间的推移而变化。例如如本文别处所述的可能与来自公用电网的能量相关的其他定价结构、激励计划、处罚等也可以在步骤2808中确定。此外，在某些情况下，公用电网可以提供指示特定时间点与电网电力相关联的碳排放量的信息(例如，时变功率:碳或碳:功率比、每千瓦时CO₂吨数)，由于公用电网从以不同速率排放碳的多个来源接收电力(例如，天然气厂、风电场和太阳能发电场连接到能量网)，这可能会有所不同。

在步骤2610，来自步骤2602、2604、2606和2608的数据被用来生成针对模块化能量单元的部件的控制决策，特别是使得控制决策被预测为减少与服务模块化能量单元上的电力需求相关联的成本和/或碳排放。图31-36提供了在各种实施例中可适用于生成模块化能量单元的部件的控制决策的过程的流程图。作为另一实例，上述预测CEF控制器所使用的方法可以适用于处理例如模块化能量单元2300的部件的功率贡献和约束。

作为一个这样的实例，优化问题被公式化(例如，使用目标函数)，其包含表示从电池2313放电或充电到电池2313的能量或功率量、存储或提取的能量或功率量的决策变量从重力能量系统2310、用燃料电池2308生成的能量或功率的量和/或从公用电网获得的能量或功率的量。优化问题可以包含目标函数，该目标函数表示由特定决策变量的选择产生的总经济成本(例如，由于从公用电网购买电力的成本和燃料电池2308的燃料成本)加上成本或与碳排放相关联的惩罚。与碳排放相关联的成本或惩罚可以通过将购买碳抵消的成本相加来实现，该碳抵消等于与所选择的决策变量的值相关(例如，实现净零排放)的优化期内预测将排放的碳量，或者与和预测的排放相关联的碳信用的成本相关。因此，与碳排放相关的目标可以作为模块化能量单元2300的其他技术目标以共享单位(例如，美元)来量化。可以运行优化问题来确定决策变量的值，该决策变量使目标函数最小化，该目标函数受与模块化能量单元2300的各种部件的容量或其他限制相关的约束，并确保满足建筑物的电力需求。

在步骤2612，根据控制决策来操作模块化能量单元的部件。例如，上述决策变量的值以及由优化产生的值可用于控制例如燃料电池2308、重力存储系统2310和电池2313。功率管理电路2314被配置成根据决策变量的值在模块化能量单元2300的各个部件之间路由电力(例如，从光伏电池2304到建筑物出口2320或重力能量系统2310或电池2313中的一个)。模块化能量单元2300由此被控制为以最佳方式操作，该最佳方式降低了购买用于操作建筑物的能量的成本和与满足建筑物的电力需求相关联的碳排放。

使用模块化能量单元为建筑物部署碳中和

参考图27，根据一些实施例，示出了用于部署模块化能量单元以实现建筑物净零碳排放的过程的流程图。在步骤2702，在生产设施中制造模块化能量单元。在一些实施例中，生产设施本身是碳中和的(例如，由绿色能源提供动力)。在一些实施例中，模块化能量单元由回收材料(例如，大于80％或90％的回收材料)制造。在步骤27中制造的模块化能量单元可以是具有相同设计、配置等的库存单元，从而与选择在建筑物处安装单独的能量装置然后尝试在特定建筑物场所处集成装置的替代方法相比，提供了用于提供模块化能量单元的简单而有效的过程。

在步骤2704，将来自生产设施的模块化能量单元中的一个经由道路运输到建筑物。应当理解，步骤2704-2714可以针对步骤2702中制造的任何或所有模块化能量单元单独执行。如上所述，模块化能量单元可具有适合于半挂卡车经由标准道路运输的物理尺寸，优选地无需作为超大负载或类似考虑进行特殊处理。

在步骤2706，模块化能量单元被电安装在建筑物与公用电网之间(例如，使得模块化能量单元)可以管理公用电网上的需求。步骤2706可以包含基本的电气布线步骤，这些步骤可以由典型的电工容易地完成，而无需能量系统方面的特殊培训或专业知识。步骤2706可以包含简单地将模块化能量系统的外壳放置在期望的位置，例如建筑物旁边。在某些情况下，模块化能量系统安装在建筑物的屋顶上(例如，为了使阳光照射最大化)。步骤2706可以包含对模块化数据中心的一些简单的机械调整，例如如上所述将风车竖立在外壳上，但优选地不需要任何特殊的专业知识来实现恰当的安装。

在步骤2708，收集指示建筑物的建筑物能量负载的建筑物数据。例如，模块化数据中心可以在初始学习阶段操作以收集与建筑物负载、太阳能可用性、风能可用性等相关的数据。在该数据收集阶段期间，模块化数据中心可以根据默认控制方案操作，可以执行学习程序(例如，系统功能的自动测试等)，并继续满足建筑物的能量需求。

在步骤2710，基于收集的数据来训练特定模块化能量单元的预测控制器。因此，可以基于模块化能量单元服务的特定建筑物的需求和其他相关数据(例如，指示太阳能和风能的可用性的数据)在软件中定制用于模块化能量单元的预测控制器。因此，在过程2700的实例中，可以从生产设施提供模块化数据中心，而不需要硬件定制，而是基于步骤2710中获取的训练数据进行软件定制。预测控制器可以基于灰盒系统识别方法(例如，2019年6月20日提交的美国专利申请第16/447,724号中描述的，该美国专利申请通过引用并入本文)通过机器学习方法来训练神经网络模型等，或适合于预测控制器逻辑的特定实施方式的其他方法。步骤2710可以在模块化能量单元上本地执行或者在远程基于云的优化资源上执行。

在步骤2712，使用经过训练的预测控制器和收集的数据来控制模块化能量单元，以减少或消除碳排放能源的使用。例如，预测控制器可以最佳地利用模块化能量单元中包含的零排放能源(例如，模块化能量单元的风能和太阳能、氢燃料电池等)而不是其他能源来为建筑物提供服务并为电池2313和其他储能装置充电。预测控制器还能够将公用事业购买转移到公用电网主要由可再生能量(例如，太阳能、风能、地热能、水动力等)供电的一天中的时间。因此，预测控制器可以减少碳排放能源的使用，使建筑能量消耗朝着零碳排放的方向发展。如果碳排放被完全消除，则过程2700可以在步骤2712处结束。

如果碳排放水平仍然降低(例如，由于在某些条件下继续依赖能量网中的碳排放生产)，则过程2700进行到步骤2714，在步骤2714中，使用一个或多个碳捕获过程自动抵消任何剩余的碳排放。预测控制器的决策和由此收集的数据可用于估计剩余碳排放量(例如，CO₂以吨为单位计)，其可用于启动和执行期望的碳抵消程序。在一些实施例中，步骤2714包含自动从第三方碳抵消提供商购买碳抵消，例如通过森林保护、重新造林工作等参与碳封存的经过验证的碳抵消提供商。碳抵消获取和管理可以与基于云的资源，还托管模块化能量单元的预测控制器。在一些实施例中，步骤2714包含自动操作碳捕获/回收技术以从大气中捕获相应量的碳。作为对模块化能量单元生成的数据的自动响应来执行碳抵消程序的各种其他方法是可能的。通过安装和使用模块化能量单元大大减少了对碳捕获、碳封存、碳抵消等以实现净零排放的依赖，其中包含步骤2714以确保通过执行步骤2700来满足碳中和目标。

带有建筑设定点优化器的模块化能量单元

现在参考图28，根据一些实施例，示出了包含模块化能量单元的另一实施例的系统的框图。在图28的实施例中，模块化能量单元被配置成优化建筑物设定点，以便影响建筑物能量需求，从而增加模块化能量单元减少能量成本和排放的能力。例如，时移能量消耗可以允许模块化能量单元将消耗与绿色能量的高可用性时段相匹配，同时减少模块化能量单元需要依赖碳排放能源期间的需求。图28的实例实现了这样的优点。

如图28所示，模块化能量单元2800可以与建筑物装置2802通信。建筑物装置2802可以包含建筑物的一个或多个恒温器和/或HVAC设备(例如，空气处理单元、冷水机、VAV箱、可变制冷剂流量系统室内和/或室外单元等)或建筑物中的其他设备。在所示的实例中，建筑物装置2802优选地包含恒温器，其被配置成控制HVAC设备以将室内空气温度驱动到温度设定点。在这种情况下，改变温度设定点会影响建筑物的资源需求，特别是建筑物的HVAC设备的资源需求。因此，如以下段落中所述，模块化能量单元2800可与建筑物装置2802通信，以向建筑物装置2802提供时变温度设定点(或其他设定点，例如，气流、湿度、照明等)，以便使建筑物操作与模块化能量单元2800的能量操作相协调。

图28示出了包含在模块化能量单元2800中的建筑物设定点优化器2308。建筑物设定点优化器2308由被配置成与功率管理电路2314协调优化建筑物设定点的电路(例如，存储器和处理部件)组成。例如，在一些实施例中，功率管理电路2314向建筑物设定点优化器2308提供可以由模块化能量单元2800提供的电力的有效使用时间定价的指示(即，除了从公用电网2324购买之外，还由于使用绿色能量发生器2304/2306、燃料电池2308和能量存储2310/2313而产生的电力成本)。作为另一实例，功率管理电路2314可以向建筑物设定点优化器2308提供从模块化能量单元2800提供给建筑物电力系统2322的电力的有效碳功率比。由于功率管理电路的优化操作，有效使用时间定价或碳功率比可以显著低于公用事业公司设定的费率。然后，建筑物设定点优化器2308可以使用该有效使用时间定价作为建筑物设定点优化过程的输入，以减少成本和/或碳排放，例如使用如2016年6月30日提交的美国申请第15/199,909号、2013年3月13日提交的美国申请第13/802,154号、2019年11月18日提交的第16/687,122号和/或2019年10月10日提交的专利申请第16/598,539号中所述的优化过程，这些专利申请的全部公开内容通过引用并入本文。

然后，建筑物设定点优化器2308将优化的设定点分发到建筑物装置2802。然后，建筑物装置2802根据优化的设定点进行操作，例如使HVAC设备进行操作以将建筑物温度驱动到由建筑物设定点优化器2308生成的室内空气温度设定点。因此，在图28的实施例中，模块化能量单元提供了建筑需求和来自多个来源的能量生产的协调优化，以满足优化的需求。

网络化模块化能量单元

现在参考图29，根据一些实施例，示出了模块化能量单元2901和其他元件的网络2900的框图。特别地，图29示出了提供给园区建筑物2902和模块化数据中心2904服务的多个模块化能量单元2900。多个模块化能量单元2901可通过本地网状网络(例如，网状Wi-Fi网络)(例如，布置在菊花链中)彼此通信，其中模块化能量单元2901中的一个经由蜂窝网络2906与基于云的优化资源2908连接。基于云的优化资源2908被示为可与碳封存服务2910互操作(例如，经由应用程序编程接口)。

例如，多个模块化能量单元2900可以根据图22-28的任何实例来配置。在该实例中，模块化能量单元包含无线通信接口(例如，Wi-Fi网络硬件)或有线通信接口(例如，以太网端口)以使得能够在模块化能量单元2901之间直接进行通信。例如，模块化能量单元2900可以以菊花链架构或者环路或环形架构彼此连接。架构如图29所示，使得基于云的优化资源2908能够与单个模块化能量单元2900而不是单独地与所有模块化能量单元2900通信，从而简化通信并减少网络安全威胁的潜在接入点。蜂窝网络2906可以包含安全特征，例如使用调节网络身份定义的联网范例或其他安全通信协议。在一些实施例中，可以在模块化能量单元2900上或针对模块化能量单元2900实现如16/680,881(于2019年11月12日提交并通过引用并入本文)中描述的用于在与云计算系统的间歇连接下操作的方法。

模块化能量单元2901协作以满足园区建筑物2902和模块化数据中心2904的能量需求。园区建筑物2902可以包含一个或多个建筑物(例如，两个、三个、五个、十个、二十个等)。图29示出了当适合于超出单个模块化能量单元2901的能力来充分满足的更大能量需求时，可以一起提供多个模块化能量单元。例如，多个模块化能量单元可以作为集合体串联或并联电连接在园区建筑物2902与能量网之间，或者可以各自连接到园区建筑物2902中的不同建筑物。在图29的实例中，多个模块化能量单元导电连接并配置成在其之间共享能量，以便充分利用模块化能量单元2901的可用能量存储和发电能力。

模块化数据中心2904被配置成为园区提供计算资源(服务器、数据存储介质等)，例如，以方便人们在园区中工作或学习的任务，因此包含计算部件(例如，服务器等)和用于控制计算部件的温度的HVAC设备。模块化数据中心2904可以具有与模块化能量单元2901类似的物理占地面积，并且因此可以容易地与模块化能量单元2901一起分布和安装。图29示出了模块化数据中心2901可以安装有模块化能量单元2901，该模块化能量单元服务于模块化数据中心的能量负载，从而提供计算组件以及以成本效益和低碳或零碳的方式为这些计算部件供电所需的能量存储和发电特征。在一些实施例中，在该示例中描述为由基于云的优化资源2908执行的过程由模块化数据中心2904的服务器执行。

基于云的优化资源2908被配置成生成模块化能量单元2901的最优控制决策，包含通过协调多个模块化能量单元2901的操作。例如，基于云的优化资源2908可以跨多个模块化能量单元2901的各种能量存储装置分配能量存储或释放。基于云的优化资源可以执行本文描述的任何优化方法。

基于云的优化资源2908还可以估计与园区建筑2902和模块化数据中心2904的操作相关联的碳排放量。基于云的优化资源2908可以与碳封存(抵消、捕获等)服务通信，例如以自动获取等于与园区建筑2902的运行相关联的碳排放量的碳抵消。例如，网络2900因此能够减少能量成本和实际碳排放，同时自动使网络2900达到碳中和。在另一实例中，基于云的优化资源2908可以与碳信用市场通信以自动购买允许(例如，鉴于政府法规而授权)由园区建筑物2902和模块化数据中心2904的操作产生的碳排放所需的碳信用，从而自动确保遵守碳排放的适用监管限制。

现在参考图30，根据一些实施例，示出了网络3000。网络3000的配置与图29中类似，并且包含通过蜂窝网络2906连接到云优化资源2908并安装以服务园区建筑2902的模块化能量单元2901。网络3000另外包含建筑物管理系统3004，其服务于园区建筑物2902，特别是通过监测建筑物数据、建筑物设备、建筑物设定点等。建筑物管理系统3004可以包含布置在建筑物中的控制器、网络装置、传感器等，以便于控制建筑物设备。建筑物管理系统3004可例如经由蜂窝网络2906或经由一些其他通信路径(例如，有线互联网连接等)与云优化资源2908通信。

在图30的实例中，云优化资源2908经由建筑物管理系统提供模块化能量单元2901和建筑物设备的协调预测控制，例如主动设定点管理。例如，云优化资源2908可以制定优化问题，该优化问题包含作为决策变量的建筑设定点(例如，室内空气温度设定点)、建筑设备开/关决策、存储或从每个模块化能量单元2901的能量存储系统释放的能量的量，以及利用模块化能量单元2901的燃料电池生成的能量的量，所有这些都可以作为单个最小化过程的结果以集成的方式确定。优化问题可能受到建筑物温度约束，例如需要预测的温度或温度设定点保持在舒适的温度范围内，例如使用一个或多个神经网络定义的范围，如2020年7月30日提交的美国专利申请第16/943,955号中所述，该美国专利申请通过引用并入本文)。优化问题还可能受到负载平衡约束，确保优化问题的结果说明了存储、生成、购买或消耗的所有能量。优化问题还可能受到基于最大允许碳排放的约束，或基于碳排放的惩罚。

在一些实施例中，优化问题寻求最小化一个目标函数，该目标函数包括第一项和第二项，第一项对应于建筑物运行的经济成本(例如，从电网购买能量的成本、设备磨损的成本)，第二项对应于与碳排放相关联的成本的内部化(例如，购买碳信用的成本、购买碳抵消的成本、加权惩罚条款等)。通过解决优化问题，基于云的优化资源2908可以为模块化能量单元2901和建筑管理系统3002两者生成控制决策，从而通过模块化能量单元2901的协调操作实现高水平的成本和碳节省和建筑物设备。

碳排放优化的预测控制

现在参考图31，根据一些实施例，示出了用于利用碳排放优化进行预测控制的过程3100的流程图。例如，过程3100可以由基于云的优化资源2908执行。过程3100还可以由上述任何预测控制器(例如，预测CEF控制器304、预测冷水机控制器704、预测泵控制器1104、预测冷却塔控制器1504或预测阀控制器1804)执行。过程3100可以由智能恒温器执行或为智能恒温器执行，例如如2019年10月10日提交的美国专利申请第16/598,539号中所描述的，该专利申请通过引用并入本文。过程3100还可以由建筑物管理系统或建筑物设备的控制器来执行，例如于2016年6月30日提交的美国申请第15/199,909号、2013年3月13日提交的美国申请第13/802,154号或2019年11月18日提交的美国申请第16/687,122号中描述的，这些美国申请的全部公开内容通过引用并入本文。

在步骤3102，从公用电网接收单位能量或电力的碳排放量的时变指标，例如功率:碳比(即，由电网提供的每单位电力的平均碳)或边际运营排放率(MOER)(即每边际单位功率的碳排放量，如下所述)。即，在步骤3102的情况下，公用电网的运营商提供碳排放量的估计，以便产生提供给公用电网的客户的每个单位的能量或功率。因为在不同的环境条件、一天中的不同时间等下可再生能量可能贡献不同的电网总能量百分比，该碳:功率或碳:能量比可以随时间变化。此外，由于不同的可再生能量和化石燃料消耗工厂可能在不同时间或在不同的电网总需求下上线，产生边际能量单位的功率来源也会随着时间的推移而变化，使得与边际能量相关联的碳排放能量消耗(即消耗与不消耗下一个单位的能量)也会随着时间而变化。

与边际能量消耗相关联的排放率在本文中被称为边际运营排放率(MOER)并且在一些实施例中可以由公用电网运营商向其客户广播，例如以每五分钟一次的频率。为了说明一些实例，图31B示出了不同季节中MOER随时间的曲线图。第一曲线3150示出了二月中一周的MOER随时间的变化。在所示的实例中，MOER可在约1000lbs/MWh与0lbs/MWh之间波动。在第一曲线图3150中，MOER在一些日子的一部分期间为零，例如在一天的中间部分期间，此时光伏能量生产足以满足电网的需求。在夜间，在多云条件下，或在高需求时期，电网依靠化石燃料能量(煤炭、天然气等)来满足需求，因此当这些发电厂上线以满足公用电网的边际需求时，MOER会跳到更高的值。在第二曲线图3152中，示出了七月中一周的MOER，可以看出，即使在高需求时段的白天(当太阳能可用时)，也可能会出现较高的MOER，这表明MOER可能会偏离标准模式或振荡。第一曲线图3150和第二曲线图3152示出了存在通过将消耗时移至具有较低MOER的时期来减少边际排放的机会，这可以通过如本文所述的过程3100来实现。在第三曲线图3154中，示出了八月中一周的MOER，可以看出，在高、恒定的需求时期(例如，在热浪期间，空调不断运行，对公用电网提出高需求)，碳排放源将始终保持在线以满足边际能量需求，因此MOER在整个这段时间内保持基本恒定。

在步骤3102中，假设此类数据可从公用电网获得，则从公用电网接收碳排放的时变指标(例如，MOER)。在一些场景中，公用电网还可以提供未来时间段的预测或预期MOER或碳:功率比或碳:能量比。

在此类信息不能从公用电网(或其他第三方)直接获得的情况下，预测控制器可以被配置成生成MOER或碳:能量比或碳:功率比本身的估计，如过程3100的步骤3104-3108所示。在步骤3104，收集与能量网上的可用电源有关的数据，即，识别不同的能源以及关于服务于能量网的能源的生产的一般信息。即使公用事业公司不共享碳排放或实时MOER的详细估计，这些信息通常也是可用的。步骤3104可以包含收集该数据并构建公用电网上的各种能量的模型。步骤3106包含获取天气和一天中的时间数据(例如，在预测范围内一天中的不同时间的天气会怎样)。在步骤3108，来自步骤3104和3106的数据用于估计从能量网接收的每单位能量或功率的碳排放量的时变值(例如，平均值、MOER)。步骤3106可以包含执行建模方法，该建模方法基于最佳可用信息来模拟能量网，以生成碳:功率比或碳:能量比或MOER的估计及其在预测范围内的预测。在一些实施例中，实施随机优化过程，其中生成包括MOER的不同时间序列值的多个场景，然后使用该随机优化过程来优化所有多个场景中的总目标，例如2019年3月14日提交的美国专利申请第16/115,290号中针对公用事业费率所描述的，该美国专利申请的全部公开内容通过引用并入本文。

在步骤3110，生成目标函数，该目标函数基于预测的建筑负载来计算预测范围内的总碳排放量、总边际碳排放量或有效碳与消耗功率之比。预测建筑物负载可以作为建筑物设定点(例如，建筑物温度设定点)和其他建筑物相关变量(室内空气温度、室外空气温度等)的函数来建模，例如使用如2019年5月21日提交的美国专利申请第16/418,715中所述的系统识别和灰箱建模方法，该美国专利申请的全部公开内容通过引用并入本文。作为另一实例，步骤3110可以包含通过用时变MOER、碳:能量或碳:功率比的时变值替换指示效用率的变量来调整在2015年5月20日提交的美国申请第14/717,593号、2018年8月28日提交的第16/115,290号或2016年6月30日提交的15/199,910中使用的目标函数，这些美国申请通过引用并入本文中。目标函数可以包含将碳:能量比乘以建筑物设备的预测能耗或目标能耗以计算总排放值。例如，目标函数可以表述为其中MOER(t)为时间t时的边际运营排放率，并且E(t)为时间t时从电网获取的能量。

在步骤3112，生成建筑物的时变设定点，该时变设定点优化受到一个或多个约束的目标函数。例如，可以在步骤3112生成优化范围内每个时间步的温度设定点。作为另一实例，可以在步骤3112处生成建筑物设备的能耗目标。此类实施例的各种细节在上面引用的申请中提供并且通过引用并入本文。优化目标函数可以包含执行梯度下降或其他最小化过程，该过程寻求实现最小可能的总碳排放，同时满足一个或多个约束(例如，确保居住者舒适度的约束等)。

在步骤3114，根据优化设定点操作建筑物设备。因为步骤3112使用时变MOER或碳:功率比或碳:能量比作为输入，所以步骤3114可以包含将建筑物设备时移到低碳时期并远离高碳排放时期。例如，可以在低碳时期对建筑物进行预冷或预热(例如，冷却到优选温度设定点以下，加热到优选温度设定点以上)，以减少或消除冷却设备(冷水机等)在高碳时期的操作。过程3100由此可以减少与建筑物的能量消耗相关联的碳排放。在其他实施例中，过程3100被实施为规划工具并用于生成由于实现过程3100的优化策略而产生的报告、分析、预计碳节省、预计成本节省、建议等，作为替代方案或补充控制如图31的示例所示的构建设备。

现在参考图32，根据一些实施例，示出了用于优化建筑物设备的操作同时内部化碳排放成本的过程3200的流程图。在各种实施例中，过程3200可以由相同种类的控制器/处理器/等来执行，如上文所描述的过程3100。

在步骤3202，获得碳抵消或碳信用的定价。碳抵消是指碳封存和碳捕获服务的市场，例如重新造林或非毁林服务，污染者可以向第三方付费以开展从大气中去除碳的活动。当碳抵消完全覆盖技术或实体的排放(例如，排放的CO₂吨数＝封存的CO₂当量吨数)时，技术或实体被认为是碳中和或净零碳排放者。碳信用是指在某些司法管辖区活跃的监管市场，其中公司生成的排放量不得超过在市场上交易的可自由转让碳信用所定义的数量。在这两种情况下，一个单位的碳排放(例如，一吨CO₂)可能与抵消或获取监管机构对该排放的许可的经济成本相关联。

步骤3202可以包含例如经由一个或多个API以及通过互联网的连接来提供碳抵消或碳信用的数字市场与用于建筑物设备的预测控制器之间的互操作性。步骤3202可以包含监测碳抵消或碳信用的定价并构建一个或多个模型来预测未来价格。在其他实施例中，步骤3202包含获取指示建筑物所有者预付或签约支付碳抵消或碳信用的价格的数据。

在步骤3204，获取建筑物消耗的每单位能量或功率的碳排放量的时变指标(例如，MOER)，例如参考图31的步骤3102-3108所描述的。在包含一个或多个模块化能量单元(例如，模块化能量单元2300)的实施例中，每单位能量或功率的碳排放量的时变指标可由模块化能量单元产生。例如，可以计算有效MOER，其可以考虑了从公用电网获取的能量的MOER以及来自一个或多个模块化能量单元的绿色能量可用性的贡献。

在步骤3206，获取来自公用电网的能量或功率的时变利用率。例如，公用事业通常向客户广播实时能量费率，并且有时提供提前一段时间(例如，未来几个小时)的公用事业费率。步骤3206还可以包含预测公用事业费率，例如如2015年5月20日提交的美国专利申请第14/717,593号中所描述的，该美国专利申请通过引用并入本文。

在步骤3208，生成计算购买能量和购买碳抵消或碳信用以匹配与能量产生相关联的碳排放的总成本的目标函数。目标函数可以包含表示购买能量的总成本的第一项，例如其中r_i为在时间步i处的利用率，Q_i为在时间步i处的能量消耗，并且H指示优化范围的持续时间。目标函数还可以包含表示碳抵消或碳信用成本的第二项，例如其中β_i表示时间步i处的每单位能量碳排放(例如，MOER，每单位能量平均排放)并P_i表示在时间步i抵消和/或购买单位碳排放信用的价格。反对函数可以提交第一项和第二项以获取建筑物运行的总能量成本，包含碳排放的内部成本。

在其他实施例中，不使用抵消排放的实际价格P_i，而是使用用户可选择的加权因子λ_i来允许用户调整过程3200如何平衡能量成本和碳排放之间的权衡。例如，权重因子可以是恒定的或随时间变化的(如下标i所示)，例如，以便用户可以设置在一天中的某些时间减少碳排放的较低偏好，并在一天中的其他时间设置减少排放的较高偏好。在此类示例中，目标函数可以公式化为参考图35A-35B进一步讨论用户对成本降低与排放减少之间的优选权衡的选择。

在步骤3210，优化目标函数以生成建筑物设备的设定点(例如，室内空气温度设定点、电池充电/放电设定点、本文描述的各种其他设定点/控制决策)，该设定点使由受到一个或多个约束(例如，minJ))的目标函数表示的总值最小化。约束和优化过程可以以如本文其他地方参考其他实例所描述的各种方式来实施。为了提供另一实例，优化过程可以是2021年3月22日提交的美国专利申请第17/208,869号中描述的过程的改编版本，该美国专利申请的全部公开内容通过引用并入本文。在步骤3214，根据生成的设定点操作建筑物设备，以便实现最小化操作建筑物设备的成本同时内部化与碳排放相关联的成本的目标。作为实例，建筑物设备包含空调设备，并且根据生成的设定点操作建筑物设备包含在第一时间段期间对建筑物进行预冷却以减少空调设备在随后的第二时间段中的操作，具体地，其中，预测公用电网每单位功率的碳排放的时变值在第一时间段中比在随后的时间段中高。

在步骤3216，可以例如通过建筑物管理系统自动获取等于由建筑物设备的操作产生的排放的碳抵消或碳信用。因此，实现碳中和和/或获取排放一定水平二氧化碳的监管许可的整个过程作为集成解决方案提供的。因此，过程3200可以动态地调整购买能量的成本与碳排放的内部成本之间的权衡，同时最小化总成本并满足建筑物或园区的需要。

现在参考图33，示出了根据示例实施例的用于考虑碳排放的预测控制的另一过程(示出为过程3300)的流程图。具体地，过程3300通过定义防止或惩罚超过预定义水平的碳排放的碳排放约束来考虑碳排放。过程3300可以由上面参考过程3200和过程3100或者在根据各个实施例通过引用并入本文的参考文献中提到的各个控制器来执行。

在步骤3302，生成基于预测的建筑物负载来计算一段时间内操作建筑物设备的成本的目标函数。目标函数可以如参考图32所讨论的那样被公式化或如2015年5月20日提交的美国申请第14/717,593号、2018年8月28日提交的美国申请第16/115,290号或2016年6月30日提交的美国申请第15/199,910号中使用的。

在步骤3304，获取每单位能量或功率消耗的碳排放的时变指标。例如，步骤3304可以根据过程3100的步骤3102-3108的实例来执行。

在步骤3306，定义碳排放约束。碳排放约束可以被定义为要求预测碳排放小于预定义水平的不等式约束。预定义水平可以基于政府法规、公司购买的碳抵消量定义的水平、购买的碳信用量定义的水平、用户输入的量等来定义。碳排放约束可以定义为硬约束，该硬约束阻止排放超过预定水平的优化问题的所有解决方案，或者定义为软约束，该软约束为任何超额排放增加目标函数的惩罚。

在步骤3308，优化碳排放约束的目标函数。在约束为硬约束的实施例中，碳排放约束可以确保优化问题的解决方案(例如，最小化目标函数的值的结果)实现小于预定义(最大允许)的碳排放水平，或在约束为软约束的实施例中实现超过预定义水平的抑制。在步骤3310，使用优化的结果来操作建筑物设备。

现在参考图34，示出了根据一些实施例的结合碳排放考虑的预测控制的另一过程。特别地，图34示出了过程3400的流程图，该过程允许用户调整权重以指示减少排放、节省成本和提高居住者舒适度的相对偏好。在各种实施例中，过程3400可以由本文其他地方提到的处理器、控制器等执行。

在步骤3402，获取每单位能量或功率的时变碳排放量的指示(例如，MOER)，例如如上文参考步骤3102-3108所述。在步骤3404，获取从公用电网获取的能量的时变利用率，例如，如参考步骤3206所描述的。

在步骤3406，获取基于建筑条件预测居住者舒适度的模型，例如如2020年7月30日提交并通过引用并入本文的美国专利申请第16/943,955号中所描述的，其中基于温度设定点的预测居住者来量化居住者舒适度。作为另一实例，居住者舒适度可以基于预测的平均投票计算。用于量化居住者舒适度的各种模型都是可能的。

在步骤3408，使用来自步骤3402、3404和3406的输入生成目标函数。目标函数可以包含碳排放项、公用事业成本项和占用者成本项的加权和，反映预测范围内的总和或积分。例如，目标函数可以公式化为 其中α,λ,ξ为加权和缩放因子。再例如，目标函数可以公式化为/> 其中MOER_t为时间t时的边际运营排放率，r_t为时间t时从电网购买的每单位能量的价格，并且E(t)为时间t时从能量网获取的能量量。

在步骤3410，例如经由用户计算装置(例如，智能手机、平板电脑、笔记本电脑、台式计算机等)上呈现的图形用户界面接收用户输入。用户输入指示对加权和(例如，α,β,γ)的权重的调整以指示用户对于减少排放、节省成本和/或提高舒适度的相对偏好。例如，在上面的示例中α增加而β减少将导致过程3400优先减少排放而不是节省成本，反之亦然。作为另一实例，γ增加而α减少将导致过程3400优先于提高居住者舒适度而不是减少排放，反之亦然。用户界面可以配备有滑动条、数字输入等，以允许用户可视化相对选择并理解调整。在一些实施例中，示出了显示给定调整的预测结果的图形界面，以允许用户比较改变权重的选项和效果。

在步骤3412，目标函数(具有步骤3410的用户选定的权重)被优化以生成用于建筑物设备的设定点，该设定点使受到一个或多个约束的(例如，加权和的)目标函数的值最小化。最小化方法和约束可以如本文其他地方所描述的那样来实施，并且可以提供建筑物的主动设定点管理。在各种实施例中，本文所描述的各种设置、设定点、负载值、控制决策、资源分配、充电/放电速率等中的任何一个都可以通过最小化目标函数来优化。在步骤3414，根据生成的设定点操作建筑物设备以实现用户期望的排放、成本和居住者舒适度的平衡。

现在参考图35A，示出了根据一些实施例的用于控制建筑物设备以实现成本对碳曲线上的目标点的过程3500的流程图。在各种实施例中，过程3500可以由本文其他地方提到的处理器、控制器等执行。这里也参考图35B以便于解释过程3500，并且示出了根据一些实施例的示例成本对碳曲线。

在步骤3502，收集与在训练周期内多次消耗电力的碳排放有关的数据，而在步骤3504收集与在训练周期内多次消耗功率的成本有关的数据。例如，步骤3502和3504可以组合以收集碳排放和成本对的数据集，其中每个对对应于历史时间点(或时间上的小片段)。在一些实施例中，步骤3502和3504可以包含执行实验以生成合适的数据，例如通过在用户偏好的可选择范围内控制建筑物设备，以便生成反映用户可用的选项的数据。

步骤3502和3504可以包含使用不同的控制方法或具有不同参数值(例如，目标函数中的加权因子的不同值)的控制方法来运行模拟以生成碳和成本相关数据，例如2022年3月3日提交的美国专利申请第17/686,320号中所描述的，该美国专利申请的全部公开内容通过引用并入本文。

在步骤3506，基于从步骤3502和3504收集的数据生成成本对碳曲线。例如，可以使用回归建模或某种合适的拟合方法将曲线拟合到数据。取决于所收集的数据，该曲线在各种情况下呈现各种形状，例如如图35B所示。

图35B示出了不同建筑尺寸和不同设备可用性、特别是不同电池尺寸的成本对碳曲线，特别是第一曲线图3550、第二曲线图3552和第三曲线图3554。第一曲线图3550、第二曲线图3552和第三曲线图3554各自在y轴上具有成本节省(具有较大的值指示更多的节省/更少的成本)和在x轴上的碳节省(具有更大的值指示更多的节省更少排放)。例如，第一曲线图3550和第三曲线图3554示出了在第三曲线图3554的情况下相同大小的空间但提供有大得多的电池的数据，这被示为解锁了更多的成本节省和排放节省。对曲线图3550、3552、3554上所示的点进行编码以示出这些点对应于用户可选择的加权因子的值(例如，目标函数中λ的值)。在其他实例中，与不同点相关联的控制方法可以以多种其他方式不同(例如，不同的约束、不同的参数、所使用的不同类型的模型或函数等)。

如第一曲线图3550、第二曲线图3552和第三曲线图3554所示，成本节省和碳节省可以具有指数关系，使得成本节省在达到一定量的碳节省之前是相对恒定的，然后超过该点后迅速(呈指数)下降。针对特定建筑物、建筑物群等的诸如第一曲线图3550、第二曲线图3552和第三曲线图3554之类的曲线图可以在步骤3508自动生成并经由图形用户界面显示以允许用户直接查看评估用户管理的特定建筑物或建筑物群的成本节省与碳节省之间的关系。

在步骤3508，生成用户界面，该用户界面允许用户沿着在步骤3506中生成的成本对碳曲线选择优选点。例如，图形用户界面可以显示成本对碳曲线(例如，如图35B中的曲线图)并且允许用户通过触摸或点击优选点来选择曲线上的点。选择成本对碳曲线上的点可以相当于或导致选择目标函数中使用的加权因子的值，例如目标函数 中λ的值。因此，用户可以直接在成本与碳排放之间选择所需的权衡，同时查看特定建筑物、工厂或园区变量之间的实际关系，而无需理解或操纵目标函数本身、其他优化逻辑、软件代码等。这些特征可以扩展到具有两个或更多个目标(例如，排放项、成本项、舒适度项)和两个或更多个权重的目标函数中的其他控制目标(例如，如图36中的舒适度、净能量使用等)。

在步骤3510，生成建筑物设备的设定点，该设定点被预测为实现沿着成本对碳曲线的优选的选定点。可以通过利用基于步骤3508确定的加权因子优化目标函数来执行步骤3510。在其他实施例中，成本对碳曲线上的选定点可以被视为优化的目标，使得误差函数被最小化以减少或消除与目标的预测偏差(例如，实际或预测的偏差)成本和排放(来自选定的目标成本和排放)。优化的决策变量可以包含建筑物的温度设定点、设备开/关决策、与模块化能量系统2300的部件相关的变量以及各种实施方式中的各种其他变量。可以根据一个或多个约束来执行优化，例如对建筑物的预测室内空气温度的温度约束。

在一些实施例中，步骤3510包含基于建筑物的实际性能与与用户选定的点相关联的预期性能相比，随时间调整目标函数中的权重值。例如，如果实际排放量在时间段的第一部分高于预期，则可以调整权重(例如，如果乘以排放目标则增加权重)，使得目标函数增加对排放的惩罚。结果，使用具有调整权重的目标函数的控制过程将倾向于与这种调整之前相比以更高水平的相对排放节省的成本(或在各种实施例中的舒适度、能量等)节省。例如，当实际边际运营排放率高于或低于预期时(例如，与生成成本对碳曲线的数据的模拟中所使用的相比)，可以发生这种调整。2022年3月3日提交的美国专利申请第17/686,320号中示出了一种用于随时间调整权重值的方法，该美国专利申请的全部公开内容通过引用并入本文中。

在步骤3512，使用设定点(例如从步骤3510输出的温度设定点的时间序列)来控制建筑物设备。从而操作建筑物设备以达到用户选定的成本对碳曲线上的预测点。

现在参考图36，示出了根据一些实施例的用于控制建筑物设备以实现舒适度对碳曲线上的目标点的过程3600的流程图。在各种实施例中，过程3600可以由本文其他地方提到的处理器、控制器等执行。

在步骤3602，收集与在训练周期中的多个时间消耗的功率的碳排放相关的数据，而在步骤3604，收集与在训练周期的多个时间的居住者舒适度相关的数据。居住者舒适度数据可以来源于调查、民意调查、建筑设定点的居住者超控、基于测量的建筑条件(例如温度、湿度等)的估计。在一些实施例中，居住者舒适度数据指示在训练期间发生的许多削减(例如，负载削减)。削减可以包含负载减少、设定点调整等，对应于在偏离基线或理想建筑条件时为改善目标(例如减少排放和/或能量使用)而采取的行动。削减可以被计算为相对于如果本文描述的控制方法未执行时将使用的设置的改变的实例数量或总持续时间(例如，相对于静态或预定的建筑物设定点)。削减数据可以代表居住者的舒适度或设施的其他条件偏好，例如由适合在空间中操作的机器(例如，计算机、服务器、机器人、工厂设备)、货物(例如，易腐食品、对温度敏感的药物等)的环境条件驱动的偏好)、动物或设施的其他用途。在一些实施例中，步骤3602和3604可以组合起来相当于收集碳排放和舒适度对的数据集，其中每对对应于历史时间点(或时间上的小片段)。

步骤3602和3604可以包含使用不同的控制方法或具有不同参数值(例如，目标函数中的加权因子的不同值)的控制方法来运行模拟以生成碳和舒适度相关数据，例如2022年3月3日提交的美国专利申请第17/686,320号中所描述的，该美国专利申请的全部公开内容通过引用并入本文。

在步骤3606，基于从步骤3602和3604收集的数据生成舒适度对碳曲线。例如，可以使用回归建模或某种合适的拟合方法将曲线拟合到数据。取决于所收集的数据，该曲线在各种场景中呈现各种形状，例如根据图35B中所示的示例改编的。

在步骤3608，生成用户界面，该用户界面允许用户沿着在步骤3606中生成的舒适度对碳曲线选择优选点。例如，图形用户界面可以显示舒适度对碳曲线并且允许用户通过触摸或点击优选点来选择曲线上的点。因此，用户可以直接选择居住者舒适度与碳排放之间的所需权衡，同时查看特定建筑物、工厂或园区的变量之间的实际关系。

在步骤3610，生成建筑物设备的设定点，该设定点被预测为实现沿着舒适度对碳曲线的优选的选定点。在一些实施例中，选定点可以被视为优化的目标，使得误差函数被最小化以减少或消除与目标的预测偏差。在一些实施例中，每个点与目标函数(例如，根据本文其他地方描述的各种目标函数)的碳目标或第二目标(例如，操作成本、能量使用、舒适度度量等)上的权重值相关联，并且步骤3610包含使用具有与来自碳对舒适度曲线的用户选定点相关联的权重值的目标函数来生成控制决策。在一些实施例中，可以使用目标函数来执行优化过程。优化的决策变量可以包含建筑物的温度设定点、设备开/关决策、与模块化能量系统2300的部件相关的变量、不同装置随时间的排放目标以及各种实施方式中的各种其他变量。可以在一个或多个约束下执行优化，例如对操作建筑物设备的总成本的成本约束。

在一些实施例中，步骤3610包含基于建筑物的实际性能与与用户选定的点相关联的预期性能相比，随时间调整目标函数中的权重值。例如，如果实际排放量在时间段的第一部分高于预期，则可以调整权重(例如，如果乘以排放目标则增加权重)，使得目标函数增加对排放的惩罚。结果，使用具有调整权重的目标函数的控制过程将倾向于与这种调整之前相比以更高水平的相对排放节省的舒适度(或成本、能量等)节省。例如，当实际边际运营排放率高于或低于预期时(例如，与生成舒适度对碳曲线的数据的模拟中所使用的相比)，可以发生这种调整。2022年3月3日提交的美国专利申请第17/686,320号中示出了一种用于随时间调整权重值的方法，该美国专利申请的全部公开内容通过引用并入本文中。

在步骤3612，使用设定点来控制建筑物设备。从而操作建筑物设备以达到用户选定的舒适度对碳曲线上的预测点。

减少碳排放的自动化资产建议

上面的各个段落描述了可以添加到建筑系统中以减少运营成本和碳排放的各种资产(例如，设备单元)，并且在某些情况下实现建筑物的碳中和。然而，在选择最佳运营目标和实现碳减排目标所需的适当资产或适当规模的资产方面存在技术挑战。例如，添加超大设备实际上可能会增加碳足迹，而添加不足的资产则无法实现目标。因此，用于评估和预测建筑物资产需求的技术解决方案是非常理想的技术。

现在参考图37，根据一些实施例，示出了用于自动推荐一个或多个建筑物资产以添加到建筑物以最佳地实现运营目标和碳减少目标的过程3700。例如，过程3700可以由2019年7月22日提交的美国专利申请第16/518,314号中描述的建筑物能量优化系统的一个或多个计算元件执行，该专利申请的全部公开内容通过引用并入本文。

在步骤3702，收集指示建筑物的能量负载(例如，电力需求)的建筑物数据。在步骤3704，收集指示电网能量的碳排放水平的数据(例如，如上所述的时变碳:功率比)。在步骤3706，针对建筑物的位置收集指示可用可再生电力的气候数据(例如，平均晴天数、日长、太阳强度、平均风速、平均刮风天数等)。在步骤3708，收集与新能量资产的可用空间相关的数据，即新资产可以放置的位置(室内或室外、屋顶或地面等)或新资产可以有多大的物理限制(屋顶尺寸、可用空间体积、可用空间面积等)以适应现有建筑物和现有建筑物设备。

在步骤3710，生成目标函数，该目标函数表征未来时间段内运行建筑物的成本，并且具有与可以添加到建筑物系统的一个或多个新能量资产相关的一个或多个决策变量。例如，目标函数可以包含指示是否将添加特定类型的新资产(例如，添加或不添加模块化能量单元2300、添加或不添加具有集成电池和燃料电池的冷水机700等)的二进制变量，以及可以指示从设备供应商处获得的此类资产的可用大小(例如，由容量指示的不同冷水机)或不同数量的此类资产(例如，两个、三个、四个等模块化能量单元2300)的变量。目标函数还可以考虑与购买和安装新资产相关的初始投资和启动成本。目标函数还可以包含与碳排放、碳抵消、碳信用、居住者舒适度等有关的术语，如上面的各种实例中所描述的。

在步骤3712，例如基于在步骤3702-3708中的任一步骤中收集的数据来定义一个或多个约束。例如，可以基于与新能量资产的可用空间相关的数据以及与潜在新能量资产的尺寸和空间需求相关的存储信息来定义物理尺寸约束，以确保仅适合建筑物的资产会被考虑。作为另一实例，可以如过程3300中那样定义碳排放约束。作为另一实例，可以使用约束来基于所收集的气候数据和与新资产的可用空间/定位有关的数据来表征可再生能量资产(例如，模块化能量单元2300的光伏电池)的预期功率输出。各种这样的考虑可以被定义为对优化过程的约束。

在步骤3714，受约束优化目标函数以生成决策变量的最优值(例如，使受约束的目标函数的值最小化)。决策变量指示添加的建议资产以及这些资产的建议规模或数量。优化可以包含2019年7月22日提交的美国专利申请第16/518,314号中描述的各种考虑因素、方法、过程等中的任何一种，该专利申请的全部公开内容通过引用并入本文。

在步骤3715，生成显示，其示出来自步骤3714的推荐输出、所需的初始投资、投资的盈亏平衡时间、预测的结果碳排放节省、预测所得的碳功率比以及可能与决策者相关的任何其他指标。在一些实施例中，自动订购推荐的资产并且自动安排安装技术人员来完成安装。然后，该过程可以通过控制包含新资产的建筑物设备来继续，以根据本文描述的各种策略来最佳地服务于建筑物。

企业范围内的碳排放跟踪和缓解

现在参考图38，根据示例实施例，示出了用于企业范围的碳排放跟踪和减轻的过程3800的流程图。根据一些实施例，过程3800可以由与各种数据源通信的处理和存储器电路来执行。例如，过程3800可以由执行支持建筑物管理系统的软件平台的处理电路来执行。

在步骤3802，收集来自企业范围的建筑物管理系统的数据。这些数据可以指示企业建筑物的能量消耗情况以及消耗能量的来源。在步骤3804，例如在建筑物级别和企业级别跟踪与建筑物能量消耗相关联的碳排放。例如，可以使用参考过程3100的步骤3102-3108描述的概念来执行计算碳排放量。

在步骤3806，获取来自基于车辆的数据收集器的数据。基于车辆的数据收集器可以收集与企业车队(包括公司汽车、送货卡车等)的运行、里程、燃料消耗等有关的数据。在步骤3808，与企业车队的运行相关联的碳排放量是例如在整个企业层面进行跟踪，并查看不同地区、业务部门、员工个人等的碳排放量。

在步骤3810，从费用报告系统或收集与员工旅行和/或公司订单和购买有关的数据的其他企业软件平台收集数据。例如，在一些实施例中可以使用用于预订员工旅行的旅行社门户。步骤3810中收集的数据指示由雇员旅行(例如，飞机飞行、乘坐诸如出租车等第三方车辆的旅行)和其他活动(例如，交付订购的货物等)产生的碳排放。在步骤3812，计算并跟踪与在步骤3810中收集的数据中反映的商务旅行和其他操作相关联的碳足迹。

在步骤3814，生成显示企业范围碳足迹的统一仪表板。仪表板可以显示总体碳排放数据，识别贡献源，并识别高排放建筑物、业务单元、部门、区域、员工等。可以经由图形用户界面提供统一的仪表板。

在步骤3816，自动生成减少碳足迹的建议。在一些实施例中，步骤3816包含执行过程3700。在一些实施例中，步骤3816包括根据上述控制过程中的一个自动调整建筑物设定点。在一些实施例中，建议包含减少商务旅行、为公司车队购买电动车辆以及调查特定员工的显著排放量。步骤3816的各种结果都是可能的。

在步骤3818，自动启动碳封存过程以匹配企业范围的碳足迹，从而实现企业范围的净零排放。例如，碳封存过程可包含种植树木或其他植物。作为另一实例，碳封存过程包含操作被配置成从大气中提取碳并以固体形式存储碳的封存装置。作为另一实例，碳封存过程包含从第三方供应商购买碳抵消。过程3800从而促进碳排放水平的识别、碳排放的管理，并且帮助促进实现碳中和。

使用碳排放目标对建筑边缘装置进行监督控制

现在参考图39，根据一些实施例，示出了监督(例如，级联)控制系统3900的框图。如图39所示，多个建筑物边缘装置3902可经由网络3904与碳管理系统3906通信。碳管理系统3906还可与用户界面3908和碳捕获/封存系统3910通信。

碳管理系统3906包含被配置成执行建筑物边缘装置3902的监督控制功能的处理和存储电路。具体地，碳管理系统3906被配置成为多个建筑物边缘装置3902中的每一个生成二氧化碳排放目标，并且经由网络3904将二氧化碳排放目标提供给建筑物边缘装置3902。碳管理系统3906可以被表征为级联控制系统中的监督控制器。在一些实施例中，碳管理系统3906被配置成使用预测控制过程为多个子系统(例如，建筑边缘装置3902或其组)中的每一个子系统生成碳排放目标，该预测控制过程考虑了预测由碳排放目标产生的多个子系统的总碳排放(例如，由建筑物边缘装置3902排放，由发电厂或其他发电源或由建筑物边缘装置3902使用的其他资源排放等等)。预测控制过程可以包含优化过程，例如多因素优化过程和/或使用考虑排放、操作成本、激励计划和/或居住者舒适度的目标函数的优化过程，本文其他地方所述。碳管理系统3906可以使用各种设备模型、子设备模型、热模型、资源平衡约束等来执行高水平优化(例如，资产分配)，例如，如于2022年4月29日提交的美国专利申请第17/733,786号中所描述的，该美国专利申请的全部公开内容通过引用并入本文。

在一些实施例中，碳管理系统3906被配置成将预定义的碳排放量分配给各种建筑物边缘装置，例如由公司政策、监管要求、碳信用购买、碳抵消购买规定的碳排放量碳管理系统3906可以基于用于对建筑物边缘装置的相对重要性进行排序的优先级方案在建筑物边缘装置之间分配碳排放，例如，其中优先级方案基于一天中的时间或建筑物时间表而变化。碳管理系统3906还可以包括将碳排放与建筑物装置的性能(例如建筑物边缘装置维持舒适的建筑物条件的能力)相关的一个或多个模型，并且可以使用这样的模型将碳排放分配给建筑物边缘装置。分配过程还可以基于某种优化过程，该优化过程被配置成在不超过预定义的最大碳排放量的情况下实现最大优选的操作结果。碳管理系统3906可以被配置成考虑由级联控制系统无法控制但在其他方面可归因于与建筑物相关联的企业或其他实体的碳排放(例如，由该实体的货物或人员的运输引起的碳排放、由该实体买卖的货物的生产引起的碳排放等)，该碳排放可以被认为是静态基线，或者如本文其他地方所述被计算和/或预测为动态值。在这样的实施例中，碳管理系统3906可以使建筑物装置修改操作(例如，削减负载、将设定点移离居住者偏好等)以补偿不受级联控制系统控制的碳排放事件(例如，商务旅行事件、大量货物运输等)。

在一些实施例中，碳管理系统3906被配置成相对于与建筑物边缘装置3902上的性能需求相关的约束来最小化总碳消耗。碳管理系统3906可以执行上述任何过程的适应，作为为建筑物边缘装置3902生成碳排放目标的一部分。例如，在各种实施例中，碳管理系统3906可以执行考虑排放、操作成本、居住者舒适度和/或其他考虑因素的多因素优化。可以通过确定为满足碳排放目标而预测需要的一些削减(例如，负载减少、偏离居住者偏好的设定点、延长休息时间等)来考虑居住者的舒适度。

每个建筑物边缘装置3902(例如，其本地/边缘控制器)被配置成从碳管理系统3906接收二氧化碳排放目标，然后执行被配置成确保建筑物边缘装置3902和/或由建筑物边缘装置3902控制的设备进行操作以实现碳排放目标，例如，导致不超过二氧化碳排放目标量的排放。建筑物边缘装置3902的控制器可以执行预测控制过程，该预测控制过程生成预测的控制决策以使建筑物边缘装置3906操作以实现碳排放目标。例如，建筑物边缘装置3902可以执行局部优化以在时间范围内或在建筑物边缘装置3902的多个耗能或碳排放部件上最优地分散排放或由建筑物边缘装置3902控制。因此，跨多个建筑物边缘装置3902，在边缘处执行一组分布式优化以确保实现二氧化碳的目标量。建筑物边缘装置3902可以适于以反应性函数编程语言执行边缘适应机器学习模型和/或事件处理逻辑，以提供预测控制过程，例如使用如所描述的模型结构和/或编程方法和工具，如于2017年4月23日提交的美国专利第10,572,230号、2017年3月23日提交的美国专利第10,564,941号、2020年4月21日提交的美国专利第10,977,010号、2020年4月9日提交的美国专利申请第16/379,700号和/或2018年11月13日提交的美国专利第10,628,135号中描述的，所有这些美国专利均通过引用并入本文。

在一些实施例中，图39所示的系统3900因此允许以最佳方式并且以利用构建边缘装置的计算能力的方式来满足碳排放目标。在一些实施例中，建筑物边缘装置3902彼此独立地执行预测控制过程(例如，模型预测控制)(例如，其间没有通信)。在其他实施例中，建筑物边缘装置3902协作以达成相应建筑物边缘装置3902的最终控制决策。

图39还示出了连接到碳管理系统3906的用户界面3908。碳管理系统3906可以例如使用从建筑物边缘装置3902接收的数据来生成并经由用户界面3908显示与建筑物边缘装置3902的碳排放有关的信息。用户界面3908还可用于修改系统3900的最大总允许碳排放量、超驰自动生成的排放目标等。在一些实施例中，用户界面3908可以允许用户选择碳排放、操作成本和居住者舒适度中的两个或多个之间的优选平衡，例如，如参考图35A-36所描述的，然后碳管理系统3906可以使用该优选平衡来生成建筑边缘装置的排放目标。

图39还示出了碳捕获/封存系统3910。碳管理系统3906可以被配置成对碳捕获/封存系统3910的排放补偿进行排序，例如匹配与推送到建筑物边缘装置3902的二氧化碳目标的总和相同的量。因此，系统3900能够根据排放目标同时封存和排放碳。

具有基于生产或利用指标的碳管理仪表板

现在参考图40，根据一些实施例，示出了用于生成与碳排放和设施生产或利用有关的度量的过程4000的流程图。在一些实施例中，过程4000可以与过程3800集成。过程4000还可以与2020年6月22日提交的美国专利申请第16/908,324号中描述的控制器、计算系统和空间利用工具集成，该专利申请的全部公开内容通过引用并入本文。

在步骤4002，收集企业范围的碳排放数据，例如与多个地理上分散的建筑物或园区相关的碳排放数据。步骤4002可以如上文参考过程3800的步骤38002-3812所描述的那样执行。

在步骤4004，收集有利于生产或利用的数据。在设施是生产设施(例如，工厂等)的实例中，生产数据可以指示该设施在相关时间段内生产的产品的单位数量或体积。生产管理计算系统(例如，运行跟踪生产、库存、订购等的软件)可以在操作中连接到碳管理系统，该碳管理系统例如执行过程3800和4000并生成如图41所示的仪表板。为了提供附加实例，在设施是医院或诊所的实例中，生产或利用数据可以指示接受治疗的患者的数量。作为另一实例，在设施是餐馆的实例中，生产或利用数据可以指示所提供的餐食的数量。生产或利用数据可以采用与特定类型的设施或业务目标相关的任何形式(例如，实验运行、服务的客户、销售的库存美元、销售的商品数量、发货的商品数量、发送的电子邮件、处理的数据量、居住者进入、酒店房间出租等)。在一些实施例中，标准化利用率度量可用于表征公共系统中不同类型设施的利用率。在2020年6月22日提交的美国专利申请第16/908,324号中描述了这种生产和利用数据以及相关工艺的附加细节，该美国专利申请的全部公开内容以引用的方式并入本文中。

在步骤4006，按单位生产产生的碳或按单位利用率度量产生的碳。例如，可以将来自步骤4002的碳排放量除以生产或利用量以获取度量。由此可以产生结果指标，诸如每生产的小部件数量的碳、每生产的产品体积的碳、提供的每顿饭的碳、治疗的每名患者的碳、每次实验的碳、每个销售收入的碳、运送的每件物品的碳、发送的每封电子邮件的碳、处理的每单位数据的碳、每位占用者的碳、每间占用房间的碳、归一化利用值的碳等。这些指标可以在整个企业范围内(例如，整个企业的一个值)、逐个建筑物、逐个园区、按业务单位/部门或用户可能期望的任何其他合适划分生成。在某些情况下，一个企业可以拥有多种类型的建筑物，从而为组合中的不同建筑物或一个或多个建筑物的不同空间显示不同的单位碳利用率指标。2020年6月22日提交的美国专利申请第16/908,324号中描述的场所概况方法(其全部公开内容通过引用并入本文)可用于轻松且自动地定义给定空间或场所的合适度量。

在步骤4008，经由图形用户界面(例如，经由浏览器可访问的网页、在平板电脑或移动电话上运行的应用程序等)提供一个或多个度量。在图41中示出了示例图形用户界面。步骤4008允许将指标传送给用户，例如建筑管理专业人员或可持续发展临时人员，然后他们可以采取行动来减轻碳排放，将度量传送给消费者，并且以其他方式基于指标做出决策。作为一个实例，商品或服务的价格可以自动调节，以实时或近乎实时地调整价格，从而使消费者的商品成本内化碳排放的时变成本(例如，使消费者也就是在获得商品或服务时购买相应的碳抵消)。

现在参考图41，示出了根据一些实施例的具有示出仪表板4102的图形用户界面的用户装置4100。用户装置4100被示为触摸屏平板电脑，但在各种实施例中可以是另一显示装置。

仪表板4102包含显示企业建筑组合中的建筑物的碳排放的地图视图4104。具体地，地图视图示出了由圆圈指示的建筑物位置，该圆圈的大小是对应建筑物或园区的排放的函数(或者是经由过程4000生成的相关度量的函数)。用户可以快速查看企业不同设施的相对碳排放相关绩效，并查看排放产生的位置(例如，在监管排放标准较高或较低的司法管辖区)。地图视图可以包含缩放特征，例如在最高视图中显示分组在一起的每个园区的排放，同时当放大特定园区时分别显示园区的各个建筑物。

仪表板4402还示出了表4106，该表具有与地图视图4104中示出的各种建筑物或园区的碳排放和碳相关指标相关的数值数据。在图41的实例中，表4106示出了每个地点的总排放量(例如，在特定时间量内，例如最近一天、最近一周、最近一个月等)以及相同时间段内的每单位生产碳的度量(例如，任何上面参考图40描述的实例)。

仪表板4102还示出聚合的碳足迹小部件4108。累计碳足迹小部件4108示出特定时间段(例如，在特定时间量上，例如最近一天、最近一周、最近一个月、所有时间等)上的总排放量和每总生产度量的累计总排放量，例如，上面参考图40描述的任何实例)。这使用户可以快速、全面地了解公司绩效。在一些实施例中，用户可以与总碳足迹小部件4108和/或表格视图4106交互以导航到示出随时间推移的总排放量和每生产度量的排放量的图表的视图，以允许用户评估随着时间推移的进度。

仪表板4102还示出了排放/抵消比较图4110。排放/抵消比较图4110将企业的总碳排放与公司获得的碳抵消(例如，通过诸如植树、森林保护等公司活动的碳封存获取)进行比较。排放/抵消比较图4110允许用户快速看到排放与抵消之间的任何差距，从而用户可以容易地得知企业距离实现碳中和还有多远。在图41的实例中，在总排放量和总补偿量之间的间隙中提供了链接4112，用户可以选择该链接来访问用于获得必要的碳抵消量以实现碳中和的过程。

使用边际运营排放率进行电池控制

现在参考图42，示出了根据一些实施例的用于使用边际运营排放率来控制电池的过程4200的流程图。过程4200可以由本文在各种实施例中描述的各种控制器、系统等来执行。尽管图42所示的过程4200的实施例可以涉及电池，但是应当理解，电池可以包含多个电池单元并且过程4200可以适合于与其他类型的能量存储一起使用。

在步骤4202，获取当前边际运营排放率(MOER)。在一些实施例中，步骤4202包含从公用电网或从第三方服务提供商(例如，经由互联网)接收MOER。在一些实施例中，步骤4202包含基于天气数据、历史MOER值等计算或估计MOER。

在步骤4204，确定当前MOER是否在死区上方(即，大于定义死区上限的值)、在死区下方(即，小于定义死区下限的值)或在死区内部(即大于下限且小于上限)。死区可以基于特定情况下的MOER的历史值来定义，例如，在死区的下限是最大历史MOER的20％，并且死区的上限是最大历史MOER的80％(假设MOER下降到其最大值的20％以下的情况)。死区可以基于频率来定义，使得MOER平均有20％(或某个其他百分比)的时间低于死区并且平均有20％(或某个其他百分比)的时间高于死区。因此，可以基于实际MOER值适当地定义死区。步骤4204的确定可以通过将MOER的数值与定义死区的数值进行比较来执行。在其他实施例中，不使用死区(例如，具有零宽度的死区)，使得步骤2404中的确定是关于当前MOER是高于还是低于特定值。在一些实施例中，上限和下限(第一和第二值、阈值、死区位置、死区大小等)通过执行优化来确定，例如本文其他地方详细讨论的考虑多个目标的目标函数的优化。因此，在步骤4204中用作限制的值可以根据预测需求、预测负载、预测排放率、天气等动态地确定。

在一些实施例中，如果在步骤4204中确定当前MOER小于死区，则过程4200进行到步骤4206，在步骤4206中对电池进行充电。因为低MOER指示低边际碳排放将与获取并充入电池的能量相关联，所以步骤4206对应于电池4206的低碳充电。步骤4206可以继续直到电池充满电或者直到MOER改变并且过程4200重新运行。在一些实施例中，在步骤4206中执行能量存储模式中的其他动作。例如，步骤4206可以包含操作加热和/或冷却设备以对一个或多个建筑物进行预加热或预冷却，从而在步骤4204中响应于低于阈值的MOER而在步骤4206的能量存储模式中将热能存储在一个或多个建筑物中，使得建筑物在具有相对较高的MOER的时间之前被预加热或预冷却。在一些实施例中，步骤4206可以包含基于目标函数执行控制过程，该目标函数使用时变边际运营排放率来确定设备在能量存储模式和能量释放模式下的时变设定点。

在一些实施例中，如果在步骤4204中确定当前MOER大于死区，则过程4200进行到步骤4208，在步骤4208中对电池进行放电。因为高MOER表明相对较高的边际碳排放量将与当时从电网获取的任何能量相关联，因此在这些时间段对电池进行放电可以减少在这些时间段获取电力的需求，从而减少排放。因此，通过当MOER低于死区时在步骤4206中存储低碳能量并且当MOER高于死区时在步骤4208中释放低碳能量，可以对低碳能量进行时移。步骤4208可以继续直到电池完全放电或者直到MOER改变并且过程4200重新运行。在一些实施例中，在步骤4208中执行能量释放模式中的其他动作。例如，步骤4208可以包含操作加热和/或冷却设备，该设备可以被控制为允许预加热或预冷却建筑物中的温度漂移，以利用在预加热或预冷却期间存储的热能，以响应于步骤4204中低于阈值的MOER，使得建筑物在具有相对较高的MOER的时间之前被预加热或预冷却。在一些实施例中，步骤4208可以包含基于目标函数执行控制过程，该目标函数使用时变边际运营排放率来确定设备在能量存储模式和能量释放模式下的时变设定点。

如果在步骤4204中确定当前MOER在死区内，则过程4200进行到步骤4210。在所示的实施例中，在步骤4210中电池既不充电也不放电，并且电池中维持基本上恒定量的能量。存储的能量用于在较高MOER期间放电，而任何额外容量则在较低MOER期间保持开放状态以进行充电。在其他实施例中，在当前MOER在死区内时，提供滞后型控制，其中电池的先前充电或放电状态持续至少阈值时间量，例如以便防止高频在充电/放电/两种状态之间切换，否则会导致电池退化。在一些实施例中，步骤4210可以包含以标准控制方法控制加热和/或冷却设备，例如使用反馈控制器(恒温器等)来驱动温度至预设或预设定点。

因此，过程4200可以提供高效、易于实施的控制解决方案，该解决方案通过基于边际运营排放率控制电池或其他设备来实现排放节省。

示例实施方案

本公开的另一个实施方式是一种方法。该方法包括：生成计算未来时间范围内运行建筑物设备的预测成本的目标函数；预测未来时间范围内多个时间步消耗的每单位能量的碳排放量的时变指标；定义碳排放约束，该约束要求预测的碳排放量低于预定水平；通过优化受碳排放约束影响的目标函数来生成建筑设定点；以及根据建筑设定点操作建筑物设备。

本公开的另一实施方式为操作建筑物设备的另一种方法。该方法包括：生成包括碳排放项、公用事业成本项和居住者舒适度项的加权和的目标函数；接收用户输入调整加权和的权重以指示减少排放、节省成本和改善舒适度的相对偏好；优化具有调整后的权重的目标函数以生成建筑物设备的设定点；以及根据设定点操作建筑物设备。

本公开的另一个实施方式是操作建筑物设备的另一种方法。该方法包括：收集训练数据，该训练数据包括与训练周期中的不时消耗的功率相对应的碳排放量和训练周期中的不时消耗的功率的成本；将成本对碳曲线拟合到训练数据；生成图形用户界面，该图形用户界面包括成本对碳曲线，其中图形用户界面允许用户沿着成本对碳曲线选择优选点；生成预测沿着成本对碳曲线实现优选点的建筑物设备的设定点；以及使用设定点控制建筑物设备。

本公开的另一实施方式为操作建筑物设备的另一种方法。该方法包括：收集训练数据，该训练数据指示与训练周期中的不时消耗的功率相对应的碳排放和训练周期中的不时消耗的居住者舒适度；将舒适度对碳曲线拟合到训练数据；生成图形用户界面，该图形用户界面包括舒适度对碳曲线，其中图形用户界面允许用户沿着舒适度对碳曲线选择优选点；生成预测沿着舒适度对碳曲线实现优选点的建筑物设备的设定点；以及使用设定点控制建筑物设备。

本公开的另一实施方式是一种方法。该方法包括生成表征操作建筑物的成本的目标函数。目标函数具有与可添加到建筑物能量系统的新能量资产相关的一个或多个决策变量，并且其中运营建筑物的成本包括由建筑物的能量消耗导致的碳排放的内部化成本。该方法还包括生成对一个或多个决策变量的一个或多个约束，其中该一个或多个约束包括与用于容纳新能量资产的可用建筑空间相关的物理尺寸约束，根据该一个或多个决策变量优化目标函数识别在建筑物处安装的一个或多个推荐的新资产的约束，以及生成识别一个或多个推荐的新资产的图形用户界面以及估计由于安装一个或多个推荐的新资产而产生的预测碳排放节省。

本公开的另一实施方式是一种实现企业范围碳中和的方法。该方法包括：从企业范围的建筑管理系统的传感器收集建筑数据；基于建筑数据跟踪与建筑物相关的碳排放；从被配置成指示车辆燃料消耗的基于车辆的数据收集器收集车队数据；以及基于车队数据的跟踪车辆相关的碳排放。该方法还包括：从会计系统收集旅行和运营数据，其中旅行和运营的数据指示企业其他碳排放活动的其他碳排放；生成显示建筑物相关碳排放、车辆相关碳排放和其他碳排放的统一仪表板；基于建筑物相关碳排放、车辆相关碳排放和其他碳排放生成建议或控制决策；以及基于由统一仪表板指示的总企业碳足迹自动启动碳封存过程。

本公开的另一实施方式为一种用于控制建筑物设备以减少或消除碳排放的方法。该方法包括：获取从公用电网消耗的每单位功率的时变碳排放的指示；生成计算总碳排放量或与一段时间范围内的预测建筑负载相对应的一段时间范围内的碳:功率比的目标函数以及基于该指示，生成建筑物的时变设定点，其通过优化受到一个或多个约束的目标函数来使总碳排放或碳:功率比最小化；以及根据时变设定点操作建筑物设备。在一些实施例中，生成时变设定点包含将建筑物负载从指示具有第一值的第一时段转移到指示具有第二值的第二时段，其中第二值小于第一值。

本公开的另一实施方式为操作建筑物设备的另一种方法。该方法包含生成目标函数，该目标函数包括从公用电网或燃料供应商购买能量以及购买碳抵消以实现净零碳排放的总成本。该方法包含优化目标函数以生成建筑物设备的设定点，该设定点在受到一个或多个约束的情况下最小化一段时间范围内的总成本，并且根据设定点操作建筑物设备。

在一些实施例中，该方法包含自动获取碳抵消。碳抵消量等于因运行建筑物设备而估算的排放量。可以使用每单位消耗能量的时变碳排放模型来执行优化目标函数。

本公开的另一实施方式为一种操作建筑物设备的方法。该方法包括生成目标函数，该目标函数包括从公用电网或燃料供应商购买能量和购买碳信用以授权估计由能量生产产生的碳排放的总成本。该方法还包括优化目标函数以生成建筑物设备的设定点，该设定点在受到一个或多个约束的情况下最小化一段时间范围内的总成本，并根据设定点操作建筑物设备。在一些实施例中，该方法还包括经由碳信用市场自动购买碳信用。

本公开的另一实施方式为一种为建筑物运营部署碳中和的方法。该方法包括：在生产设施处制造库存模块化能量单元；将库存模块化能量单元中的模块化能量单元从生产设施经由道路运输至建筑物；在建筑物与公用电网之间以电力方式安装模块化能量单元；收集指示建筑物能量负载的建筑物数据；基于收集的建筑物数据训练模块化能量单元的预测控制器；使用预测控制器控制模块化单元以减少或消除碳排放能源的使用；以及使用一个或多个碳捕获过程自动抵消任何剩余的碳排放。

本公开的一个实施方式为一种建筑物控制系统。该监督控制系统包含经由网络连接的多个建筑物边缘装置和经由网络连接到多个建筑物边缘装置的碳管理系统，该碳管理系统被配置成针对建筑边缘装置中的每一个生成指示建筑边缘装置的碳排放的目标量的碳排放目标，并经由网络将碳排放目标传输到建筑物边缘装置。多个建筑物边缘装置中的每一个被配置成执行局部优化以生成控制决策，该控制决策被预测成使得建筑物边缘装置的操作引起等于或小于碳排放目标的碳排放，同时实现建筑物边缘装置的一个或多个操作目标。

本公开的另一实施方式为一种模块化能量单元。模块化能量单元包括功率管理电路、导电地耦合到功率管理电路的绿色能量发生器、导电地耦接到功率管理电路上的燃料电池、导电地连接到功率管理线路上的能量存储系统、配置为将功率管理线路导电地连接至公用电网的公用设施入口以及建筑物插座，该建筑物插座被配置成将功率管理电路导电地连接到建筑物电气系统。

在能量一些实施例中，功率管理电路被配置成根据优化过程的结果在绿色发生器、燃料电池、能量存储系统与公用事业入口之间分配建筑物电力系统的电力需求。

在一些实施例中，模块化能量单元还包含外壳。绿色能量发生器、燃料电池、能量存储系统、公用事业入口和建筑物出口可以定位在外壳上或外壳内。外壳的尺寸适合卡车在标准道路上运输。

在各个实施例中，绿色能量发生器包含光伏电池，绿色能量发生器包含风车，绿色能量发生器包含核微型反应堆，燃料电池为氢燃料电池，能量存储系统包含多个电池，并且/或者能量存储系统被配置成将能量存储为重力势能。在一些实施例中，能量存储系统包含：上部箱；放置在上部箱下方并与上部箱分离的下部箱；允许流体从下部箱流到上部箱的第一流动路径；允许流体从上部箱流到下部箱的第二流动路径；泵，该泵在第一流动路径上并且被配置成通过将流体从下部箱移动到上部箱而将电转换成重力势能；以及涡轮机，该涡轮机在第二流动路径上并且被配置成通过在重力将流体从上部箱拉到下部箱时收集该流体的动能来将重力势能转换成电能。

在一些实施例中，模块化能量单元还包含可与功率管理电路通信的蜂窝调制解调器。蜂窝调制解调器被配置成在功率管理电路与基于云的优化资源之间建立通信。在一些实施例中，模块化能量单元包含可与由建筑物电力系统服务的建筑物装置通信的建筑物设定点优化器。建筑设定点优化器被配置成改变建筑物装置的设定点，使得建筑物装置的操作与模块化能量单元的操作协调。

在一些实施例中，模块化能量单元被配置成减少或消除与建筑物电力系统的服务需求相关联的碳排放。

本公开的另一实施方式为一种操作模块化能量单元的方法。该方法包括：预测模块化能量单元的电力需求；预测模块化能量单元的一个或多个绿色能量发生器的可用发电；跟踪模块化能量单元的一个或多个能量存储系统的容量；跟踪燃料中的燃料水平模块化能量单元的单元；从公用电网获取公用事业费率和公用事业碳排放数据；生成用于模块化能量单元的控制决策，该控制决策预测减少与满足模块化能量单元的电力需求相关联的成本或碳排放中的至少一项；以及根据控制决策来控制一个或多个绿色能量发生器、一个或多个能量存储系统和燃料电池。

本公开的另一实施方式为一种建筑物系统。该建筑物系统包含使用本地网状网络连接在一起的多个模块化能量单元，以及可经由蜂窝网络与多个模块化能量单元中的第一模块化能量单元通信的基于云的优化资源。基于云的优化资源被配置成生成多个模块化能量单元的最佳设定点并且经由蜂窝网络和第一模块化能量单元将最佳设定点传输到多个模块化能量单元。

在一些实施例中，建筑物系统还包含由多个模块化能量单元中的第二模块化能量单元服务的模块化数据中心。在一些实施例中，建筑物系统包含被配置成控制建筑物或园区的建筑物装置的建筑物管理系统。基于云的优化资源被配置成协调模块化能量单元和建筑物管理系统的操作。

本公开的另一实施方式为一种HVAC设备单元。该HVAC设备单元包含：多个被供电的HVAC部件，其被配置成在建筑物HVAC系统中提供加热、冷却或气流；燃料电池，其被配置成使用化学反应生成电能；电池单元，其被配置成存储来自能量网或燃料电池的电能并释放所存储的电能以用于向被供电的HVAC部件供电；以及预测HVAC控制器，其被配置成优化预测成本函数以确定从能量网购买的电能的最优量，以在优化周期的每个时间步骤处确定要用燃料电池生成的电能的最优量，以及要存储在电池单元中或从电池单元放电以用于向被供电的HVAC部件供电的电能量的最优量。

在一些实施例中，HVAC设备单元还包含被配置成收集光伏能的一个或多个光伏板。预测冷水机控制器被配置成确定在优化周期的每个时间步存储在电池单元中的光伏能量的最佳量以及由被供电的HVAC部件消耗的光伏能量的最佳量。

在一些实施例中，预测成本函数考虑了在优化周期的每个时间步从能量网购买的电能的成本和燃料电池的燃料成本以及由于释放所存储的电能而节省的成本来自优化周期每个时间步的电池单元。在一些实施例中，预测成本函数基于在与优化周期至少部分重叠的需求充电周期期间HVAC设备单元的最大功耗来考虑需求充电。预测冷水机控制器可以被配置成接收定义需量电费的能量定价数据并且使用该能量定价数据作为预测成本函数的输入。

本公开的另一实施方式为一种操作与建筑物设备单元集成的燃料电池的方法。该方法包含：通过收集指示燃料电池的历史使用的数据来监测燃料电池；基于燃料电池的历史使用来预测燃料电池的未来使用；跟踪用于给燃料电池补充燃料的燃料价格；执行优化，该优化使购买燃料以对燃料电池进行燃料补充的成本最小化，该燃料补充受到与燃料存储限制或燃料存储成本相关的约束或惩罚；以及基于优化的结果获取用于为燃料电池补充燃料的燃料。

本公开的另一实施方式为一种方法，该方法包含：收集建筑物碳排放数据；收集生产或利用数据；生成每单位生产碳度量或每单位利用碳度量；以及提供每单位生产碳的度量或经由图形用户界面计算的每单位碳利用的度量。在一些实施例中，图形用户界面显示仪表板，该仪表板示出每单位生产碳的度量或每单位碳利用的度量。仪表板还包含不同地理位置的不同建筑物对应的碳排放的地图视图。

本公开的另一个实施方式为一种方法，该方法包括：获取从能量网购买的电力的时变边际运营排放率；生成包括使用时变边际运营排放率计算时间范围内的边际排放的排放项的目标函数；通过优化目标函数来生成建筑物设定点；以及根据建筑物设定点来操作建筑物设备。

本公开的另一实施方式是一种方法。该方法包括获取边际运营排放率，如果边际运营排放率小于第一值则对电池充电，如果边际运营排放率大于第二值则对电池放电。

示例性实施例的配置

各个示例性实施例中所示的系统和方法的构建和布置仅是说明性的。尽管在本公开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、尺度、结构、形状和比例、参数值、安装布置、材料的使用、颜色、取向等的变化)。例如，元件的位置可颠倒或以其他方式变化，并且离散元件的性质或数目或位置可更改或变化。因此，所有此类修改旨在被包含在本公开的范围内。任何过程或方法步骤的次序或顺序可根据替代实施例变化或重新排序。在不脱离本公开的范围的情况下，还可以在示例性实施例的设计、运作条件和布置方面作出其他替代、修改、改变和省略。

作为可以进行的修改的一个示例，应该理解的是，上述建模、优化、公式化等可以使用回归建模技术、灰箱或基于物理的建模技术等来实施，或者可以通过机器学习和人工智能算法(例如，神经网络、贝叶斯建模等)或其组合来实施。2019年5月16日提交的美国专利申请第16/413,946号描述了可用于使用此类建模方法来实施本文的各种教导的示例方法，该专利申请的全部公开内容通过引用并入本文。例如，可以训练神经网络或其他AI来基于一组输入估计碳排放量，然后可以由另一AI或一些其他算法在本文描述的过程的进一步步骤中使用该碳排放量。

本公开考虑用于完成各种操作的任何机器可读介质上的方法、系统和程序产品。可使用现有计算机处理器，或由用于(为实施本公开的实施例的目的或另一目的并入的)适当系统的专用计算机处理器，或由硬连线系统来实施本公开的实施例。本公开的范围内的实施例包括包含机器可读介质的程序产品，该机器可读介质用于携载或具有存储在其上的机器可执行指令或数据结构。此类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。举例来说，此机器可读介质可包括含RAM、ROM、EPROM、EEPROM、CD-ROM或其他光盘存储装置、磁盘存储装置或其他磁性存储装置，或可用于携载或存储呈机器可执行指令或数据结构形式的所要程序代码且可由通用或专用计算机或具有处理器的其他机器存取的任何其他介质。以上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执行特定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与描绘的不同。并且，可以同时或部分同时执行两个或更多个步骤。此类变化将取决于所选择的软件和硬件系统以及设计者的选择。所有此类变化都处于本公开的范围内。同样地，软件实施方式可以用具有基于规则的逻辑和其他逻辑的标准编程技术来完成，以完成各种连接步骤、处理步骤、比较步骤和决定步骤。

Claims (42)

1.一种级联控制系统，用于协调和控制与操作跨多个子系统分布的建筑物设备相关联的碳排放，所述级联控制系统包括：

第一控制器，其被配置成为多个子系统中的每一个子系统生成碳排放目标；

多个第二控制器，每个第二控制器对应于所述多个子系统中的一个子系统并且被配置成：

生成用于对应子系统的建筑物设备的控制决策，所述控制决策被预测成使所述建筑物设备实现所述对应子系统的所述碳排放目标；并且

使用所述控制决策来操作所述对应子系统的所述建筑物设备。

2.根据权利要求1所述的级联控制系统，其中所述第一控制器基于与来自公用电网的电力相关联的排放速率的时变值来生成所述碳排放目标，其中所述建筑物设备的一个或多个装置消耗所述电力。

3.根据权利要求1所述的级联控制系统，其中所述第一控制器使用预测控制过程生成所述碳排放目标，所述预测控制过程考虑了预测由所述碳排放目标产生的所述多个子系统的总碳排放，并且基于为满足所述碳排放目标而预测发生的多个削减来进一步考虑了由所述建筑物设备服务的一个或多个建筑物的居住者的舒适度。

4.根据权利要求3所述的级联控制系统，其中所述第一控制器使用具有多个目标的多目标优化过程来生成所述碳排放目标，所述多个目标包括基于多个低水平子系统的总碳排放的碳目标和舒适度目标。

5.根据权利要求4所述的级联控制系统，其中所述多个目标进一步包括购买由所述建筑物设备消耗的资源的成本。

6.根据权利要求1所述的级联控制系统，其中所述第一控制器基于与所述多个子系统相关联的碳排放和所述级联控制系统无法控制的其他碳排放两者来考虑生成所述碳排放目标。

7.根据权利要求6所述的级联控制系统，其中所述其他碳排放由货物或人员的运输产生。

8.根据权利要求1所述的级联控制系统，其中所述第一控制器被配置成基于某一时间段内总排放的预算或目标来生成所述碳排放目标。

9.一种用于控制建筑物设备以减少或消除碳排放的方法，其包括：

通过处理目标函数来生成所述建筑物设备的时变设定点，所述目标函数考虑了基于每单位资源消耗的碳排放的时变值来预测由未来时间范围内的资源消耗产生的总碳排放或排放节省；以及

根据所述时变设定点操作所述建筑物设备。

10.根据权利要求9所述的方法，其中所述建筑物设备的所述时变设定点是所述建筑物设备的多个子系统中的每一个子系统的碳排放目标，并且其中根据所述时变设定点操作所述建筑物设备包括确定所述建筑物设备的控制决策，所述控制决策被预测成使所述建筑物设备实现所述多个子系统的所述碳排放目标。

11.根据权利要求9所述的方法，其中每单位资源消耗的碳排放的所述时变值包括边际运营排放率的值。

12.根据权利要求9所述的方法，其进一步包括基于历史排放率数据和天气预报来预测碳排放的所述时变值。

13.根据权利要求9所述的方法，其中所述建筑物设备包括电池并且操作所述建筑物设备包括对所述电池充电。

14.根据权利要求9所述的方法，其中所述建筑物设备包括空调设备，并且其中根据所述时变设定点操作所述建筑物设备包括在第一时间段期间对建筑物进行预冷却以减少所述空调设备在随后的第二时间段中的操作，预测每单位资源消耗的碳排放的所述时变值在所述第一时间段中比在随后的时间段中高。

15.一种方法，其包括：

获得指示与从公用服务消耗的电力相关联的碳排放的时变边际运营排放率；

在所述时变边际运营排放率小于第一值时以能量存储模式操作设备；以及

在所述时变边际运营排放率大于第二值时以能量释放模式操作设备。

16.根据权利要求15所述的方法，其进一步包括基于目标函数执行控制过程，所述目标函数使用所述时变边际运营排放率来确定所述设备在所述能量存储模式和所述能量释放模式下的时变设定点。

17.根据权利要求16所述的方法，其中所述控制过程是级联控制过程。

18.根据权利要求15所述的方法，其中所述设备包括加热和/或冷却设备并且所述能量存储模式包括对建筑物进行预冷却或预加热。

19.根据权利要求15所述的方法，其中所述设备包括电池，所述能量存储模式包括对所述电池充电，并且所述能量释放模式包括对所述电池放电。

20.根据权利要求15所述的方法，其中所述第二值大于所述第一值。

21.根据权利要求15所述的方法，其中所述第二值等于所述第一值。

22.根据权利要求15所述的方法，其进一步包括通过执行优化来确定所述第一值和所述第二值。

23.一种用于控制建筑物设备的方法，其包括：

提供用户界面，所述用户界面包括碳排放控制目标与第二控制目标之间的关系的图形表示，所述第二控制目标在用于所述建筑物设备的一系列控制策略上与所述碳排放控制目标竞争；

向目标函数中的所述碳排放控制目标或所述第二控制目标分配权重，所述权重与对应于基于所述图形表示的用户选择的控制策略相关联；

使用向所述碳排放控制目标或所述第二控制目标分配所述权重的所述目标函数来生成用于所述建筑物设备的控制决策；以及

根据所述控制决策操作所述建筑物设备。

24.根据权利要求23所述的方法，其进一步包括基于实际性能和与所述用户选择相关联的目标之间的差异来随时间自动调整所述权重。

25.根据权利要求23所述的方法，其中所述第二控制目标考虑了居住者舒适度、运营成本和能量消耗中的至少一个。

26.根据权利要求23所述的方法，其中所述一系列控制策略对应于所述权重的一系列值。

27.根据权利要求1所述的方法，其中生成所述控制决策包括对向所述碳排放控制目标或所述第二控制目标分配所述权重的所述目标函数执行优化。

28.根据权利要求23所述的方法，其进一步包括通过对用于所述建筑物设备的所述一系列控制策略运行模拟来生成所述图形表示中的不同点。

29.根据权利要求28所述的方法，其中对用于所述建筑物设备的所述一系列控制策略运行所述模拟包括对具有所述权重的不同值的所述目标函数执行优化以生成用于所述建筑物设备的模拟控制决策。

30.一种用于控制建筑物设备的方法，其包括：

提供考虑以下中的至少两者的目标函数：某一时间范围内的碳排放、所述时间范围内的运营成本和所述时间范围内的居住者舒适度，所述目标函数包括指示以下中的至少两者的相对重要性的一个或多个可调整参数：所述碳排放、所述运营成本和所述居住者舒适度；

基于目标运营成本、目标排放量、目标净能量或目标居住者舒适度度量来自动调节所述一个或多个可调整参数；

通过使用所述目标函数执行控制过程来生成建筑物设定点；以及

根据所述建筑物设定点操作所述建筑物设备。

31.根据权利要求30所述的方法，其中所述目标居住者舒适度度量为削减动作的目标数量。

32.根据权利要求30所述的方法，其中所述控制过程包括：

生成与所述建筑物设备的多个子集相关的排放目标；以及

基于所述排放目标来确定所述建筑物设定点。

33.根据权利要求30所述的方法，其中自动调节所述一个或多个可调整参数是基于所述目标净能量并且所述目标净能量为零。

34.根据权利要求30所述的方法，其中所述控制过程包括预测待由所述建筑物设备在所述时间范围内消耗的能量的边际运营排放率的未来时变值，以及使用所述未来时变值对所述目标函数执行预测优化。

35.根据权利要求30所述的方法，其中自动调节所述一个或多个可调整参数包括在边际运营排放率大于预期值的情况下在第一方向上移动第一参数的值，以及在所述边际运营排放率小于所述预期值的情况下在第二方向上移动所述第一参数的所述值。

36.根据权利要求30所述的方法，其中所述建筑物设备包括加热、通风或空调设备，并且所述建筑物设定点为温度设定点。

37.一种或多种非暂时性计算机可读介质，其存储程序指令，所述程序指令在由一个或多个处理器执行时使所述一个或多个处理器执行包括以下的操作：

提供用户界面，所述用户界面包括碳排放控制目标与第二控制目标之间的关系的图形表示，所述第二控制目标在用于所述建筑物设备的一系列控制策略上与所述碳排放控制目标竞争；

向目标函数中的所述碳排放控制目标或所述第二控制目标分配权重，所述权重与对应于基于所述图形表示的用户选择的控制策略相关联；

使用向所述碳排放控制目标或所述第二控制目标分配所述权重的所述目标函数来生成用于所述建筑物设备的控制决策；以及

根据所述控制决策控制所述建筑物设备。

38.根据权利要求37所述的一种或多种非暂时性计算机可读介质，所述操作进一步包括基于实际性能和与所述用户选择相关联的目标之间的差异来随时间自动调整所述权重。

39.根据权利要求37所述的一种或多种非暂时性计算机可读介质，其中所述第二控制目标考虑了居住者舒适度、运营成本和能量消耗中的至少一个。

40.根据权利要求37所述的一种或多种非暂时性计算机可读介质，其中生成所述控制决策包括对向所述碳排放控制目标或所述第二控制目标分配所述权重的所述目标函数执行优化。

41.根据权利要求37所述的一种或多种非暂时性计算机可读介质，所述操作进一步包括通过对用于所述建筑物设备的所述一系列控制策略运行模拟来生成所述图形表示中的不同点。

42.根据权利要求41所述的一种或多种非暂时性计算机可读介质，其中对用于所述建筑物设备的所述一系列控制策略运行所述模拟包括对具有所述权重的不同值的所述目标函数执行优化以生成用于所述建筑物设备的模拟控制决策。