JP2003242212A - ユーティリティの消費特性が類似する曜日を決定する装置および方法 - Google Patents

ユーティリティの消費特性が類似する曜日を決定する装置および方法

Info

Publication number
JP2003242212A
JP2003242212A JP2002313716A JP2002313716A JP2003242212A JP 2003242212 A JP2003242212 A JP 2003242212A JP 2002313716 A JP2002313716 A JP 2002313716A JP 2002313716 A JP2002313716 A JP 2002313716A JP 2003242212 A JP2003242212 A JP 2003242212A
Authority
JP
Japan
Prior art keywords
day
data
cluster
week
clusters
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Pending
Application number
JP2002313716A
Other languages
English (en)
Inventor
John E Seem
ジョン・イー・シーム
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Johnson Controls Technology Co
Original Assignee
Johnson Controls Technology Co
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Johnson Controls Technology Co filed Critical Johnson Controls Technology Co
Publication of JP2003242212A publication Critical patent/JP2003242212A/ja
Pending legal-status Critical Current

Links

Classifications

    • H—ELECTRICITY
    • H02—GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
    • H02J—CIRCUIT ARRANGEMENTS OR SYSTEMS FOR SUPPLYING OR DISTRIBUTING ELECTRIC POWER; SYSTEMS FOR STORING ELECTRIC ENERGY
    • H02J3/00—Circuit arrangements for ac mains or ac distribution networks
    • H—ELECTRICITY
    • H02—GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
    • H02J—CIRCUIT ARRANGEMENTS OR SYSTEMS FOR SUPPLYING OR DISTRIBUTING ELECTRIC POWER; SYSTEMS FOR STORING ELECTRIC ENERGY
    • H02J3/00—Circuit arrangements for ac mains or ac distribution networks
    • H02J3/003—Load forecast, e.g. methods or systems for forecasting future load demand
    • H—ELECTRICITY
    • H02—GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
    • H02J—CIRCUIT ARRANGEMENTS OR SYSTEMS FOR SUPPLYING OR DISTRIBUTING ELECTRIC POWER; SYSTEMS FOR STORING ELECTRIC ENERGY
    • H02J2203/00—Indexing scheme relating to details of circuit arrangements for AC mains or AC distribution networks
    • H02J2203/20—Simulating, e g planning, reliability check, modelling or computer assisted design [CAD]
    • Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02E—REDUCTION OF GREENHOUSE GAS [GHG] EMISSIONS, RELATED TO ENERGY GENERATION, TRANSMISSION OR DISTRIBUTION
    • Y02E60/00—Enabling technologies; Technologies with a potential or indirect contribution to GHG emissions mitigation
    • Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y04—INFORMATION OR COMMUNICATION TECHNOLOGIES HAVING AN IMPACT ON OTHER TECHNOLOGY AREAS
    • Y04S—SYSTEMS INTEGRATING TECHNOLOGIES RELATED TO POWER NETWORK OPERATION, COMMUNICATION OR INFORMATION TECHNOLOGIES FOR IMPROVING THE ELECTRICAL POWER GENERATION, TRANSMISSION, DISTRIBUTION, MANAGEMENT OR USAGE, i.e. SMART GRIDS
    • Y04S10/00—Systems supporting electrical power generation, transmission or distribution
    • Y04S10/50—Systems or methods supporting the power network operation or management, involving a certain degree of interaction with the load-side end user applications
    • Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y04—INFORMATION OR COMMUNICATION TECHNOLOGIES HAVING AN IMPACT ON OTHER TECHNOLOGY AREAS
    • Y04S—SYSTEMS INTEGRATING TECHNOLOGIES RELATED TO POWER NETWORK OPERATION, COMMUNICATION OR INFORMATION TECHNOLOGIES FOR IMPROVING THE ELECTRICAL POWER GENERATION, TRANSMISSION, DISTRIBUTION, MANAGEMENT OR USAGE, i.e. SMART GRIDS
    • Y04S40/00—Systems for electrical power generation, transmission, distribution or end-user application management characterised by the use of communication or information technologies, or communication or information technology specific aspects supporting them
    • Y04S40/20—Information technology specific aspects, e.g. CAD, simulation, modelling, system security

Landscapes

  • Engineering & Computer Science (AREA)
  • Power Engineering (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)
  • Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
  • Complex Calculations (AREA)
  • Image Analysis (AREA)

Abstract

(57)【要約】 【課題】 ユーティリティの消費特性が類似する曜日を
決定する。 【解決手段】 本発明のパターン認識アルゴリズムは、
複数の曜日にわたるエネルギーまたはユーティリティの
使用データの時刻を用い、平均的な１日のユーティリテ
ィ消費量、その曜日の所定の時間間隔の間の最大のユー
ティリティ消費量、その曜日の所定の時間間隔の間の最
小のユーティリティ消費量等のうちのいずれかまたはす
べてを生成する。次に少なくとも１つの特徴を変換し、
季節変動の影響を除外する。特徴は曜日毎にグループ化
されて７つのクラスタを定める。次に、７つのクラスタ
各々の対象となる各特徴のアウトライア解析を実行して
異常データを除外する。次に、この７つのクラスタは変
形された集積的な階層的クラスタリング法で解析されユ
ーティリティの消費特性が類似する曜日を決定する。

Description

【発明の詳細な説明】
【０００１】
【発明の属する技術分野】本発明は、電気、天然ガス、
および水等のユーティリティの消費の分析に関し、具体
的には、他の曜日と消費特性が同様の曜日を決定するた
めのエネルギーまたは他のユーティリティの時系列の使
用に関する。
【０００２】
【従来の技術】大きな建物は暖房、換気および空調等の
異なるサブシステムの操作を管理するコンピュータ制御
システムを組み込んでいることが多い。さらに、サブシ
ステムが要求通りに確実に機能するように、この制御シ
ステムは関連する装置をできるだけ効率的に運転する。
【０００３】大きな実体は、大学のキャンパス、異なる
場所にある小売り店チェーン等の非常に多くの建物を共
通の管理下に置いている。これを達成するには、各建物
内のコントローラは、データが中央監視場所で分析され
るように、建物のサブシステムの能力に関するデータを
収集する。
【０００４】エネルギー・コストは上昇しているので、
建物の所有者はユーティリティの消費量を管理しかつ保
存する方法を模索している。また、大きな消費者の電気
コストは、支払い請求周期の間の使用のピークに基づい
ている。このため、わずか１日の電気の高い消費は丸１
ヵ月の間に請求されるサービスの料金に影響を及ぼすこ
とになる。さらに、特定の特恵料金プランは完全なユー
ティリティ流通システムにわたる大きなサービス需要等
の公共事業会社の要求に応じて、顧客が消費量を低減す
ることを要求する。一般に、この要求に応じることがで
きないと、エネルギー・コストを無制限の料金プランの
エネルギー・コストを超えて著しく増大させる厳しい罰
金が課される。したがって、消費者はエネルギー消費を
解析して最良の料金プランを決定することができる能力
を有し、かつ設備の操作がユーティリティコストの上昇
を不適切に起こさないことを確実に行うプロセスを実施
する必要がある。
【０００５】エネルギー消費を分析する能力は、リアル
タイム・プライシング（ＲＴＰ）構造に賛成する消費者
にとっては特に重要である。ＲＴＰ構造を用いれば、公
益事業会社は実際に時間で変動する限界費用に基づいて
エネルギー料金を調節することができ、これによって限
界費用が高いときには需要を押えるように顧客に奨励す
る刺激を正確かつ適宜に提供することができる。ＲＴＰ
から利益を得るには、消費者はエネルギー価格が高い期
間に応じて、エネルギー需要を削減するための調節を短
い期間で行う能力を持つ必要がある。ますます一般的に
なってきたこの目的を達成する方法の１つは、環境条件
システムを氷畜熱システム等のエネルギー貯蔵手段で補
うことによるものである。このようなエネルギー貯蔵手
段からの利益を最大限にするためには、消費者はエネル
ギーの需要および消費情報を解析する能力だけでなく、
将来の負担要求を計画する能力を持たなければならな
い。
【０００６】また、エネルギーまたはユーティリティの
消費量を解析する能力が、異常な消費を識別する際にき
わめて重要である。異常なエネルギーまたはユーティリ
ティの消費量は、装置の機能不良または建物内の他の問
題を示していることがある。したがって、ユーティリテ
ィの使用を監視し、かつ異常な消費量を検出することは
機械の保守点検または交換がいつ必要かを示すことがで
きる。
【０００７】このため、センサが建物管理システムに組
み込まれて、建物全体のほか暖房、換気および空調装置
等の特定のサブシステムのユーティリティの使用を測定
している。これらの管理システムは、異常を検出するた
めにデータを解析しようとする際に、設備のオペレータ
を圧倒する非常に多くの公共施設の使用データを収集か
つ格納する。
【０００８】収集したデータから重要な情報を引き出す
のに役立つように、アラームおよび警告システムならび
にデータ視覚化プログラムが用いられることが多い。し
かし、このようなシステムの大半では、人間のオペレー
タがアラームおよび警告の閾値を選択しなければならな
らず、これは困難な仕事である。この閾値が厳し過ぎる
場合、多数の誤ったアラームが発せられる。また、この
閾値が厳しくない場合、装置またはシステムの故障が検
出されないことになる。データ視覚化プログラムは建物
のオペレータが問題を発見かつ診断することに役立つ
が、問題を発見するのに非常に長い時間を要することに
なる。また、建物のオペレータ技能は大きく異なってい
る。特に、新しいオペレータまたは経験の浅いオペレー
タは故障を発見することが困難であり、オペレータの能
力は日時または曜日によって変わる。
【０００９】上記の問題を克服する努力の一例は、本願
と同一の譲受人に所有された２００１年７月２０日に出
願された米国特許出願第０９／９１０，３７１号（以下
「’３７１号出願」と呼ぶ）により示されており、これ
は参照として本願に組み入れている。この’３７１号出
願は、その時点のエネルギー使用が以前のエネルギー・
パターンと著しく異なっているかどうかを自動的に決定
し、異なっている場合には建物のオペレータまたは整備
士に問題を調査し、修正するように警告するロバストな
データ解析方法を提供している。これは所定の公共サー
ビスのデータを再検討して、データの大部分とは著しく
異なるデータ・サンプルであるアウトライアを検出する
ことによって達成される。このサービスに関連するデー
タは、関連する建物管理システムによって収集されたす
べてのデータから分離される。続いて、その関連するデ
ータはデータが収集された時間間隔に基づいて分類され
る。
【００１０】’３７１号出願に示されているように、ユ
ーティリティ消費量はある曜日から別の曜日へと広く変
化する。例えば、典型的なオフィス・ビルディングで
は、ほとんどの労働者がいる月曜日から金曜日のユーテ
ィリティ消費量は比較的高く、週末では著しく消費量は
低くなる。一方、１週間に７日間稼動している製造設備
では、毎日のユーティリティ消費量は似たようなものに
なる。しかし、異なる製造作業が異なる曜日で計画され
ることがあり、このためにユーティリティ消費量のレベ
ルは曜日毎に変動する。
【００１１】ユーティリティ消費量の予測可能な毎週の
変化を説明するために、’３７１号出願はアウトライア
解析を実行する前に建物のオペレータがユーティリティ
消費量が類似する曜日の１つまたは複数のグループを定
義することを提唱している。オペレータによるこのグル
ープ化は人による建物使用の知識に基づくか、１日の平
均またはピークのユーティリティ消費量に関するデータ
の視覚分析に基づいている。しかし、この仕事を複雑に
しているのはユーティリティ消費量の季節の傾向による
影響である。当業者であれば分かるように、建物の電力
使用は季節の変化の間に春には建物は冷房を要求するな
どの大きな変化を受けることになる。
【００１２】このため、エネルギーまたは他のユーティ
リティ消費量に関するデータを解析して、消費特性が類
似する曜日を自動的に決定することのできるシステムお
よび方法を提供する必要がある。ユーティリティ消費量
の季節変動による影響を受けることのないシステムおよ
び方法をさらに提供する必要がある。
【００１３】
【発明が解決しようとする課題】本発明はエネルギーま
たは他のユーティリティの消費量の情報を解析して、消
費特性が類似する曜日を自動的に決定するシステムおよ
び方法に関する。このようなシステムおよび方法には非
常に多くの出願がなされている。限定するものではない
が一例を取り上げると、このようなシステムおよび方法
を用いれば、一般的に氷畜熱システムに用いられるよう
な、先のエネルギーまたは電気の使用を予想または予測
するアルゴリズムを改善することができよう。別の例で
は、このようなシステムまたは方法を用いて、建物の異
常な電気またはユーティリティの消費を予測かつ検出す
るアルゴリズムが改善される。さらに別の例では、この
ようなシステムまたは方法を用いて、そのような情報を
用いるように適合された建物管理システムの失われたエ
ネルギーまたはユーティリティの消費データが満たされ
る。
【００１４】
【課題を解決するための手段】本発明の一実施形態の第
１の態様によれば、コンピュータ・システムによってユ
ーティリティ消費量が類似する曜日を決定する方法が提
供されている。この方法は複数の曜日のユーティリティ
消費量を表すデータを収集するステップを含んでいる。
この方法はそのデータを解析してユーティリティ消費特
性が類似する曜日を決定するステップをさらに含んでい
る。
【００１５】本発明の一実施形態の別の態様によれば、
コンピュータ・システムによってユーティリティ消費量
が類似する曜日を決定する方法が提供されている。この
方法は複数の曜日にわたるユーティリティの使用データ
の時系列を受け取り、かつその時系列の各曜日の対象と
なる少なくとも１つの特徴を生成するステップを含んで
いる。この方法は各曜日の対象となる少なくとも１つの
特徴を変換してそこに存在する季節変動を除外し、かつ
対象となる特徴を曜日毎にグループ化して７つのクラス
タを定めるステップをさらに含んでいる。この方法はま
た対象となる各特徴の７つのクラスタからアウトライア
を識別かつ除外するステップと、７つのクラスタを解析
してユーティリティ消費特性が類似する曜日を決定する
ステップとを含んでいる。
【００１６】本発明の一実施形態のさらなる態様によれ
ば、ユーティリティ消費量が類似する曜日を決定する装
置はプログラムを実行するプロセッサを備えている。こ
のプログラムは複数の曜日のユーティリティ消費量を表
す時系列データを収集するステップと、この時系列デー
タを解析してユーティリティ消費特性が類似する曜日を
決定するステップとをプロセッサに実行させる。
【００１７】本発明の一実施形態のさらにまた別の態様
によれば、ユーティリティの消費量が類似する曜日を決
定する装置が提供される。この装置は複数の曜日にわた
るユーティリティの使用データの時系列を受け取る手段
と、かつその時系列の各曜日の対象となる少なくとも１
つの特徴を生成する手段とを備えている。この装置は各
曜日の対象となる少なくとも１つの特徴を変換してそこ
に存在する季節変動を除外する手段と、かつ対象となる
特徴を曜日毎にグループ化して７つのクラスタを定める
手段とをさらに含んでいる。この装置はまた、対象とな
る各特徴の７つのクラスタからアウトライヤを識別しか
つ除外する手段と、７つのクラスタを解析してユーティ
リティ消費特性が類似する曜日を決定する手段とを備え
ている。
【００１８】本発明の実施形態のこれらおよび他の利点
および特徴は、同様の構成要素を識別するために図面を
通して同様の参照数が用いられた以下の添付図面と共に
示された好適な実施形態の詳細な説明を考察すれば明白
となろう。
【００１９】本発明の多数の好適な実施形態を詳細に説
明する前に、本発明は以下の説明に記載されているか、
または図面に示された構成要素の構造および構成の詳細
に限定されるものではないことを理解すべきである。本
発明は他の実施形態を実行できるか、または種々の方法
で実施または実行することができる。本明細書で用いた
表現または専門用語は説明を目的としたものであり、限
定とみなされるべきではないことも理解すべきである。
【００２０】
【発明の実施の形態】図１を参照すると、分布された設
備管理システム１０は複数の建物１２、１３および１３
のシステムの動作を管理する。各建物はその建物自体の
建物管理システム１６を備えており、このシステムは建
物の種々のサブシステムの動作を管理するコンピュータ
である。この目的を容易にするために、各々の建物管理
システム１６は対象となる特定の場所で異なる公共サー
ビスの消費量を監視するために、多数の建物を介して位
置決めされた多数のセンサに接続されている。例えば、
建物１３の建物管理システム１６は主電気計器１７、中
央ガス・メータ１８および主水量計１９に接続され得
る。また、電気、ガス、水道および他のユーティリティ
の各メータは、それらの消費量を計測するために供給接
続部にて装置の特定のピース（部）に接続され得る。例
えば、空調システムの冷却塔に引き込まれた水が、その
ユニットのポンプの電気消費量と同様に監視され得る。
【００２１】建物管理システム１０は定期的に種々のセ
ンサからデータを収集し、そのデータを建物管理システ
ム１６のコンピュータのメモリに含まれたデータベース
に格納する。データが収集される頻度は、データのタイ
プおよび関連する建物の機能に基づいて建物のオペレー
タによって決定される。比較的動作が安定している機能
のユーティリティ消費量はユーティリティ消費量が大き
く変動する装置に比して、サンプリング数は少なくても
構わない。
【００２２】収集されたデータは建物管理システム１６
によって局所的に解析されるか、または集中コンピュー
タ２２によって解析されるように通信回線２０を介して
送られるかのいずれかが可能である。例えば、通信回線
２０はオフィス・パーク内または大学キャンパス上の複
数の建物の間を延在する広域コンピュータ・ネットワー
クであり得る。代替的には、通信回線２０は個々の小売
店と１つまたは複数の都市および地域にわたって展開す
る大規模小売業者の本社との間に延在する電話回線を含
み得る。解析が局所的に行われる場合、システムは典型
的には、種々のセンサ、データベース、コンピュータ、
建物管理システム１６内のネットワーク化された遠距離
通信装置の間で収集されたデータを送信しかつ受信する
ために、ローカル・エリア・ネットワークまたは直接的
なケーブル接続を使用する。
【００２３】本発明は所定の建物から収集されたデータ
が、エネルギー消費量または他のユーティリティの消費
特性が類似する曜日を決定するために解析されるプロセ
スに関する。図２は本発明の一実施形態によるパターン
認識システム２４の主な構成要素を示している。パター
ン認識システム２４は、建物管理システム１６または中
央コンピュータ２２に存在するプログラムであり得る。
いずれの場合においても、パターン認識システム２４へ
の入力は、電気の使用、天然ガス消費量、地域の暖房消
費、冷房需要、暖房需要等の建物のエネルギー消費デー
タの時系列である。
【００２４】図２に示すように、パターン認識システム
２４は建物のエネルギー・データの時系列から重要なエ
ネルギー消費の特徴を決定する特徴ベクトル生成ブロッ
ク２６で始まる。重要な特徴の例として平均的な１日の
エネルギー消費量、１日間の１５分間隔の間のピークの
エネルギー使用、または１日間の１５分間隔に対する最
小のエネルギー使用がある。季節によるエネルギー消費
変動の影響を除外するために、これらの特徴は以下に記
載する特徴変換ブロック２８を用いて変換される。特徴
が変換された後、データは以下にまた記載するグループ
化ブロック３０によって、７つのクラスタ（各曜日に対
して１つのクラスタ）にグループ化される。各クラスタ
の異常なデータまたは独特なデータは、７つのクラスタ
から検出されたアウトライアを除外するアウトライア解
析ブロック３２を用いて識別される。最終的に、クラス
タ解析ブロック３４は他の曜日に対して消費量が類似す
る曜日を決定する。
【００２５】建物全体の電気利用などのある種のユーテ
ィリティサービスについて考えると、主電気計器１７か
らの定期的な電力測定値を収集することにより、３ヶ月
または６ヵ月等の延長した期間に対して、各曜日のデー
タ・サンプルのセットが生成される。データ・サンプル
に季節変動が存在する場合であっても、これらのデータ
・セットに基づいて、パターン認識システム２４は統計
的に電気エネルギー消費量特性が類似する曜日を決定す
ることができる。パターン認識システム２４は電気使用
量に関して説明されているが、このシステムは天然ガス
および水などの多数の他のユーティリティに関して使用
できることが認識されよう。
【００２６】特徴ベクトル生成ブロック２６では、エネ
ルギー使用データの時系列を分析して平均的な１日のエ
ネルギー消費量および１時間当たりの１日のピーク消費
量等の重要なエネルギーの消費特徴が生成される。欠陥
値あるいは平均消費量またはピーク消費量がゼロである
曜日が存在する場合、ブロック２６は曜日の特徴を決定
しない。便宜上、ブロック２６によって生成された特徴
はベクトルｘdにより表され得る。例えば、２つの特徴
がある場合、曜日ｄに対する特徴ベクトルｘdは次式か
ら得られる。
【００２７】
【数７】
【００２８】ここでｆ1,dおよびｆ2,dはそれぞれ曜日ｄ
に関する第１および第２の特徴である。特徴ベクトル変
換ブロック２８では、このデータは曜日の読取り値と１
週間の周囲のデータとの間の差を決定することによって
変換される。これは季節変動から生じる電力消費の変化
が存在するときに、曜日のクラスタが２つの明確なグル
ープに分割されるのを防ぐのに役立つ。次式を用いて曜
日ｄの特徴ベクトルが変換される。
【００２９】
【数８】
【００３０】ここで、ｘ〜d（ｘdに〜が上付きしている
ものを以下このように記載する）は曜日ｄの変換された
特徴ベクトルであり、ｘdは曜日ｄの元の特徴ベクトル
であり、ｘd-3は曜日ｄの３日前の特徴の読取り値であ
り、ｘd-2は曜日ｄの２日前の特徴の読取り値であり、
ｘd-1は曜日ｄの１日前の特徴の読取り値であり、ｘd+1
は曜日ｄの１日後の特徴の読取り値であり、ｘd+2は曜
日ｄの２日後の特徴の読取り値であり、ｘd+3は曜日ｄ
の３日後の特徴の読取り値である。以下の実験結果のセ
クションでは、各建物の季節変動を除外するために、式
（２）を用いて平均的な１日の消費量および１５分間の
ピークのエネルギー消費量のデータが変換されている。
【００３１】グループ化ブロック３０では、変換された
特徴ベクトルｘ〜dは曜日毎にグループ化される。７つ
のグループがあり、各グループはある曜日の特徴ベクト
ルを含んでいる。各グループのデータに関し、ブロック
３０は最新の特徴ベクトルのみを使用する。以下の実験
結果のセクションでは、３０の最新の特徴ベクトルを用
いて各建物の曜日のタイプが決定されている。
【００３２】アウトライア解析ブロック３２では、アウ
トライアが７つのグループの各々について識別されかつ
除外される。当業者には理解されるように、アウトライ
アとはデータ・セットの大部分の値とは著しく異なる値
である。例えば、データ・セット｛４，５，３，６，
２，９９，１，５，７｝では、数９９がアウトライアで
あると考えられ得る。単一の次元および複数の次元でア
ウトライアを識別するために、これまで非常に多くの方
法が開発されてきた。システム１０で用いるアウトライ
ア検出の１つの好適な方法は、１９８３年５月発行の
Ｂ．ＲｏｓｎｅｒによるＴｅｃｈｎｏｍｅｔｒｉｃｓ誌
２５巻第２号の１６５−１７２貢の「Ｐｅｒｃｅｎｔａ
ｇｅ Ｐｏｉｎｔｓ ｆｏｒ ａ Ｇｅｎｅｒａｌｉｚ
ｅｄ ＥＳＤＭａｎｙ Ｏｕｔｌｉｅｒ Ｐｒｏｃｅｄ
ｕｒｅ」に記載されているＧｅｎｅｒａｌｉｚｅｄ Ｅ
ｘｔｒｅｍｅ Ｓｔｕｄｅｎｔｉｚｅｄ Ｄｅｖｉａｔ
ｅ（ＧＥＳＤ）による統計学的手順である。電力測定デ
ータを解析する特定の特定のコンテキストのアウトライ
アを識別するＧＥＳＤ法の出願は、本願と同一の譲受人
に所有された米国特許出願第０９／９１０，３７１号に
記載されており、そのすべての内容は参照として本願に
組み込まれている。
【００３３】ＧＥＳＤ法はユーザが選択した２つのパラ
メータを有する。この２つのパラメータとは、アウトラ
イアが存在しない場合に１つまたは複数のアウトライア
を不正確に宣言する確率（α）とアウトライアの可能性
がある数の上限（ｎu）である。以下の実験結果のセク
ションでは、アウトライアはα＝０．１および次の不等
式ｎu≦０．５（ｎ−１）を満たす最大の整数に設定さ
れたｎuを用いて決定された。可能性のあるアウトライ
アの数の上限（ｎu）を決定するこのガイドラインは、
Ｃａｒｅｙらにより１９９７年８月発行のＴｅｃｈｎｏ
ｍｅｔｒｉｃｓ誌９３巻第３号の３２０−３３０貢の
「Ｒｅｓｉｓｔａｎｔ ａｎｄ Ｔｅｓｔ−Ｂａｓｅｄ
Ｏｕｔｌｉｅｒ Ｒｅｊｅｃｔｉｏｎ：Ｅｆｆｅｃｔ
ｓ ｏｎ Ｇａｕｓｓｉａｎ ｏｎｅ−ａｎｄ Ｔｗｏ
−Ｓａｍｐｌｅｄ Ｉｎｆｅｒｅｎｃｅ」に記載されて
いる。
【００３４】アウトライア解析ブロック３２では、この
ＧＥＳＤ法を用いて７つのグループ各々の各特徴のアウ
トライアが識別される。このように、ＧＥＳＤ法を複数
回用いてアウトライアが決定される。例えば、各特徴ベ
クトルに２つの特徴が存在する場合、アウトライアの決
定にはＧＥＳＤ法が１４回（２つの特徴×７つのクラス
タ）用いられる。同様に、各特徴ベクトルに３つの特徴
が存在する場合、アウトライアの決定にはＧＥＳＤ法が
２１回（３つの特徴×７つのクラスタ）用いられる。各
グループについて、検出されたアウトライアがあればブ
ロック３２によってデータ・セットから除外される。
【００３５】クラスタリング・ブロック３４では、クラ
スタリング解析を用いて類似するグループが発見され
る。クラスタ解析の一般的な方法の１つは、集積的な階
層的クラスタリング法である。従来の集積的な階層的ク
ラスタリングでは、最初のクラスタの数は観察値（すな
わち、示した実施形態の「特徴ベクトル」）に等しい。
消費特性が類似する曜日を識別するには、最初のクラス
タの数は７個（すなわちグループの数）であり、各クラ
スタには２つ以上の観察値（または特徴ベクトル）があ
る。このため、従来の集積的な階層的クラスタリング法
は、この問題をすぐに解決するには不適切である。
【００３６】図３はクラスタの最終数を決定するストッ
ピング・ルールを用いた、従来の集積的クラスタリング
を修正した形式を示すフローチャートである。この修正
したクラスタリング・アルゴリズムは一様に参照番号３
６によって示されている。
【００３７】クラスタリング・アルゴリズム３６は、ク
ラスタの各対の間の差異量を決定することによってステ
ップ３８で始まる。従来では、２つのクラスタ間の差異
の量が差異係数として知られている。２つのクラスタが
近接している場合、差異係数は小さくなり、２つのクラ
スタが非常に離れている場合、差異係数は大きくなる。
クラスタは７つあるため、２１個のクラスタの固有対が
あり、したがって２１の差異係数が存在する。すなわ
ち、月−火、月−水、月−木、月−金、月−土、月−
日、火−水、火−木、火−金、火−土、火−日、水−
木、水−金、水−土、水−日、木−金、木−土、木−
日、金−土、金−日、土−日である。
【００３８】２つのクラスタ間の差異係数はよく知られ
たいくつかの異なる方法によって定めることができる。
一般的な方法の１つは平均リンク法である。平均リンク
法はクラスタＣiとクラスタＣjとの間の差異係数をクラ
スタの観察値（または特徴ベクトル）のすべての対間の
平均距離として定義し、ここでこの対の１つの観察値は
クラスタＣiに属し、その他の観察値はクラスタＣjに属
している。数学的に表すと、クラスタＣiとクラスタＣj
との間の差異係数は次式より決定される。
【００３９】
【数９】
【００４０】上式中、ｎiはクラスタＣiの観察値（また
は特徴ベクトル）の数であり、ｎjはクラスタＣjの観察
値の数であり、ｄ（ｘ，ｙ）は観察値ｘとｙとの間の差
異量である。観察値（または特徴ベクトル）ｘとｙとの
間の共通の差異量は次のユークリッド距離である、
【００４１】
【数１０】
【００４２】上式中、ｘiは観察値ｘのｉth変数の値で
ある。ベクトルを用いて表すと、観察値ｘとｙとの間ユ
ークリッド距離は次式から求められる。
【００４３】
【数１１】
【００４４】上式中、Ｔはベクトル（ｘ−ｙ）の変換を
示している。クラスタリング・アルゴリズム３６は、可
能性のあるすべてのクラスタの対の中から最も近いクラ
スタの対を発見することによってステップ４０で継続す
る。これはクラスタ間の差異量に関して最も類似するク
ラスタ対を発見することによって行われる。
【００４５】ステップ４２では、クラスタリング・アル
ゴリズム３６は最も近いクラスタを組み合わせるべきか
どうかを決定する。これはストッピング・ルールにより
行われ得る。ストッピング・ルールとは、最良のクラス
タ数を決定する方法である。クラスタリング解析の分野
では多くのストッピング・ルールが知られている。いく
つかのストッピング・ルールの欠点は、それらがただ１
つのクラスタが存在すべきか否かを決定することができ
ないということである。１つまたは複数のクラスタを決
定することのできる知られているストッピング・ルール
の１つによれば、次式が満たされた場合には、最も近い
クラスタ（例えば、便宜的にクラスタＣ iおよびクラス
タＣjと仮定する）が結び付けられるべきである。
【００４６】
【数１２】
【００４７】上式中、ｚは標準正規分布からの臨界値で
あり、ｎfeaturesは特徴の数であり、ｎiおよびｎjはそ
れぞれクラスタＣiおよびクラスタＣjの観察値（または
特徴ベクトル）の数であり、ＳＳiおよびＳＳjはそれぞ
れクラスタＣiとクラスタＣjに関する平均値からの２乗
距離の合計であり、かつＳＳi∪jはそれぞれクラスタＣ
iがクラスタＣjと組み合わされたときの平均値からの２
乗距離の合計である。クラスタＣの平均値からの２乗距
離の合計は次式によって求められる。
【００４８】
【数１３】
【００４９】上式中、ｘ−（ｘに−が上付きしているも
のをこのように表す。）はクラスタＣの平均ベクトルで
ある。標本平均は次式によって決定することができる。
【００５０】
【数１４】
【００５１】上式中、ｎはクラスタＣの観察値（または
特徴ベクトル）の数である。クラスタリング・アルゴリ
ズム３６によれば、ステップ４４により決定されるよう
に、最も近いクラスタＣiおよびクラスタＣjが結び付け
られるべきであり、かつ３つ以上のクラスタが残ってい
る場合、ステップ４６が実行される。ステップ４６で
は、最も近いクラスタＣiおよびクラスタＣjが組み合わ
された後、組み合わされたクラスタＣi∪Ｃjと残りのク
ラスタとの間で新しい差異係数が決定される。ステップ
４６では、残りのクラスタＣkの各々について、この新
しい差異係数が以下の知られた更新式を用いることによ
り決定される。
【００５２】
【数１５】
【００５３】ステップ４６の後、ステップの流れはステ
ップ４０に戻る。ステップ４２によって決定されたよう
に、最も近いクラスタＣiおよびクラスタＣjが結び付け
られるべきであり、かつステップ４４により決定された
ようにクラスタＣiおよびクラスタＣjの２つのみが残っ
ている場合、ステップ４８によって曜日のタイプの数は
１つに設定される。
【００５４】他方では、ステップ４２がクラスタＣiお
よびクラスタＣjが結び付けられるべきでないと決定し
た場合、ステップ５０において曜日のタイプの数は残り
のクラスタの数に設定される。
【００５５】ここまでパターン認識システム２４および
それに関連するオペレーションの方法を十分に記載して
きたが、いくつかの異なる建物で行った実際の実地試験
の結果を記載することにする。以下に示した実地試験の
結果は３棟の別々の建物のみから得たものであるが、北
米における４０棟を超えるデータを用いて上記のパター
ン認識アルゴリズムを試験かつ検証したことに注目され
るべきである。
【００５６】図４、５および６は、建物１２、１３およ
び１４それぞれに対する１５分間のピーク消費量（例え
ば、実線５２、５６および６０）および平均的な１日消
費量（例えば、点線５４、５８および６２）の時系列グ
ラフ５２〜６２を示している。建物１２、１３および１
４に関して示した実地試験の結果の平均およびピークの
消費量の基準線は、季節により変化するように見えるこ
とが注目されるできである。建物１２および１３では、
基準消費水準レベルは恐らくは機械的な冷却による電気
消費量の増大が原因で、涼しい季節に比して暖かい月
（５月〜九月）では高くなっている。建物１４ではこれ
とは反対の結果が見て取れ、例えば、涼しい季節では基
準消費水準がわずかに高くなっている。
【００５７】この実地試験では、グラフ５２〜６２に示
したエネルギー消費データは、パターン認識システム２
４によって解析し、消費特性の類似する曜日を決定され
ている。表１は建物１２、１３および１４に関する解析
の最終結果をまとめたものである。
【００５８】
【表１】
【００５９】表１では、クラスタを組み合わせるための
臨界Ｚ値（すなわち、ストッピング値）は２である。し
たがって、ｚstopが２未満の場合、最も近いクラスタが
１つのクラスタに組み合わされる。この最終的なクラス
タは３棟の建物の各々で異なっていることに注意すべき
である。
【００６０】表２は建物１２についてクラスタリング・
アルゴリズム３６のオペレーションの間の、最も近いク
ラスタ、クラスタ間の差異量および不等式（５）の右側
（すなわち、ストッピング・ルール）を示している。
【００６１】
【表２】
【００６２】建物１２からのデータでは、臨界Ｚ値が２
の場合の最終的なクラスタは週末（土、日）および平日
（月、火、水、木、金）である。表３は建物１３につい
てクラスタリング・アルゴリズム３６のオペレーション
中の、最も近いクラスタ、クラスタ間の差異量および不
等式（５）の右側を示している。
【００６３】
【表３】
【００６４】建物１３からのデータでは、臨界Ｚ値が２
の場合の最終的なクラスタは土、日および平日（月、
火、水、木、金）である。表４は建物１４についてクラ
スタリング・アルゴリズム３６のオペレーション中の、
最も近いクラスタ、クラスタ間の差異量および不等式
（５）の右側を示している。
【００６５】
【表４】
【００６６】建物１４からのデータでは、臨界Ｚ値が２
の場合の最終的クラスタは月、週末（土および日）およ
び｛火、水、木、金｝である。パターン認識システム２
４のオペレーションをさらに詳しく理解するために、多
くの補足的なグラフおよびプロット図が前述の実地試験
の各々について作成されている。しかし、以下に示す補
足的なグラフおよびプロット図はそれ自身がパターン認
識システム２４の一部を形成するものではないが、それ
に代わって単に説明の目的で示されたものであることに
注意すべきである。
【００６７】図７〜１１は、すべて建物１２に関連する
消費データに関連するものである。図７では、時系列グ
ラフ６４および６６は元の１日のピーク消費量（上の
線）および変換された１日のピーク消費量（下の線）を
表している。上記のように、元の１日のピーク消費量
（グラフ６４）のベースラインは季節により変動してい
るように見える。上記の特徴ベクトル変換ブロック２８
が電力消費量の季節変動を除外すると、結果としてゼロ
のベースライン６８を有する変換された消費量（グラフ
６６）が得られる。
【００６８】図８は建物１２に関する元のデータ（左
側）および変換されたデータ（右側）のそれぞれについ
て、週の各曜日のピーク消費量を表すボックス型プロッ
ト図７０および７２を示している。変換されたデータ
（ボックス型プロット図７２）の中間の４分位範囲は元
のデータ（ボックス型プロット図７０）の中間の４分位
範囲に比して非常に小さいことが注目されるべきであ
る。結果として、元のデータに比して変換されたデータ
では類似するピーク消費量特性を有する週の曜日を視覚
的に決定することが実質的に容易になっている。
【００６９】図９は建物１２に関する元のデータ（左
側）および変換されたデータ（右側）のそれぞれについ
て、週の各曜日の平均消費量を表す類似するボックス型
プロット図７４および７６を示している。変換されたデ
ータ（ボックス型プロット図７６）のすべての平日に関
する平均消費量は類似していることが注目されるべきで
ある。このパターンは、ある元のデータ（ボックス型プ
ロット図７４）において検出することが著しく困難であ
る。
【００７０】図１０は、建物１２に関する週の各曜日の
通常の観察値（特徴ベクトル）、一次元アウトライア、
および二次元アウトライアについて、変換されたピーク
需要量（縦軸）対変換された平均消費量（横軸）を表す
格子型のプロット図７８〜９０を示している。金曜日の
プロット図（格子型プロット図８８）は、３つのタイプ
のアウトライア、すなわち一次元アウトライア、二次元
アウトライア、および一次元および二次元のアウトライ
アの両方である観察値（特徴ベクトル）を含んでいるこ
とに注目すること。
【００７１】図１１は、平日および週末にそれぞれ相当
する最後の２つのクラスタ９４および９６を示す分散プ
ロット図９２である。クラスタ９４とクラスタ９６との
間には重なり合う部分が見られないことが注目されるべ
きである。
【００７２】同様のグラフおよびプロットが、図１２〜
２１に示されている。より特定的には、図１２〜１６
は、それらが建物１２ではなく建物１３に関連する消費
データに関連している場合を除き、概ね図５〜１１にそ
れぞれ相当している。同様に、図１７〜２１はそれらが
建物１２ではなく建物１４に関連する消費データに関連
する場合を除き、概ね図５〜１１にそれぞれ相当してい
る。
【００７３】上記のパターン認識アルゴリズムの好適な
実施形態は説明のみを目的としたものであることに注目
することは重要である。本発明を特定の実施形態に関し
て記載してきたが、当業者には本明細書に記載した主題
の新規な教示および利点から実質的に逸脱することなく
多数の変形が可能であることが理解されよう。例えば、
アウトライア検出のための特定の方法を用いて本発明を
示してきたが、異なるアウトライア検出アルゴリズム
（またはアウトライア検出アルゴリズムを用いることさ
えしなくても）を用いることも可能である。別の例とし
ては、集積的クラスタリング法を用いて本発明を示して
きたが、異なるクラスタリング法を用いることも可能で
ある。したがって、これらおよびそのような他の変形
は、本発明の範囲にあることが意図されている。他の代
替、変形、変更および省略が、本発明の精神から逸脱す
ることなく好適な模範的実施形態および他の模範的な実
施形態の設計、動作条件および構成においてなされ得
る。
【図面の簡単な説明】
【図１】本発明を組み入れた分布された設備管理システ
ムのブロック図である。
【図２】電力消費量が類似する曜日を決定するパターン
認識システムの主要な構成要素を示す図である。
【図３】最終的なクラスタ数を決定するストッピング・
ルールを用いた集積的クラスタリング・アルゴリズムの
フロー・チャートである。
【図４】第１の建物のピーク需要および平均的消費量デ
ータを示す時系列グラフである。
【図５】第２の建物のピーク需要および平均的消費量デ
ータを示す時系列グラフである。
【図６】第３の建物のピーク需要および平均的消費量デ
ータを示す時系列グラフである。
【図７】第１の建物のピーク需要および変換されたピー
ク需要を示す時系列グラフである。
【図８】第１の建物の元の需要および変換されたピーク
需要を示すボックス型プロット図である。
【図９】第１の建物の元の消費量および変換された平均
消費量を示すボックス型プロット図である。
【図１０】第１の建物の通常のデータ、一次元アウトラ
イアおよび二次元アウトライアの変換されたピーク需要
対変換された平均消費量を示す格子型プロット図であ
る。
【図１１】第１の建物の最終的クラスタを示すプロット
図である。
【図１２】第２の建物のピーク需要および変換されたピ
ーク需要を示す時系列グラフである。
【図１３】第２の建物の元の需要および変換されたピー
ク需要を示すボックス型プロット図である。
【図１４】第２の建物の元の消費量および変換された平
均消費量を示すボックス型プロット図である。
【図１５】第２の建物の通常のデータ、一次元アウトラ
イアおよび二次元アウトライアの変換されたピーク需要
対変換された平均消費量を示す格子型プロット図であ
る。
【図１６】第２の建物の最終的クラスタを示すプロット
図である。
【図１７】第３の建物のピーク需要および変換されたピ
ーク需要を示す時系列グラフである。
【図１８】第３の建物の元の需要および変換されたピー
ク需要を示すボックス型プロット図である。
【図１９】第３の建物の元の消費量および変換された平
均消費量を示すボックス型プロット図である。
【図２０】第３の建物の通常のデータ、一次元アウトラ
イアおよび二次元アウトライアの変換されたピーク需要
対変換された平均消費量を示す格子型プロット図であ
る。
【図２１】第３の建物の最終的クラスタを示すプロット
図である。
【符号の説明】
１０ 設備管理システム １２、１３ 建物 １６ 建物管理システム １７ 主電気計器 １８ 中央ガス・メータ １９ 主水量計 ２０ 通信回線 ２４ パターン認識システム
───────────────────────────────────────────────────── フロントページの続き (71)出願人 598147400 49200 Ｈａｌｙａｒｄ Ｄｒｉｖｅ Ｐ ｌｙｍｏｕｔｈ， ＭＩ 48170 Ｕｎｉ ｔｅｄ Ｓｔａｔｅｓ ｏｆ Ａｍｅｒｉ ｃａ (72)発明者 ジョン・イー・シーム アメリカ合衆国ウィスコンシン州53209, グレンデール，ウエスト・ウッドベリー・ レーン 1800 Ｆターム(参考） 5B056 BB71 BB72 BB75 HH01 5B075 ND20 NR12 PR06 QM08

Claims (50)

    【特許請求の範囲】
  1. 【請求項１】 コンピュータ化システムを用いてユーテ
    ィリティの消費量が類似する曜日を決定する方法であっ
    て、 複数の曜日のユーティリティの消費量を表すデータを収
    集するステップと、 前記データを解析してユーティリティの消費特性が類似
    する曜日を決定するステップとを含む方法。
  2. 【請求項２】 前記収集ステップが少なくとも１つのセ
    ンサを用いて、前記ユーティリティの消費量を測定する
    ステップを含む請求項１に記載の方法。
  3. 【請求項３】 前記測定ステップが、前記少なくとも１
    つのセンサを位置決めして電気計器、ガス・メータ、水
    量計、および装置の特定の部分への供給接続部のうち少
    なくとも１つを監視するステップを含む請求項２に記載
    の方法。
  4. 【請求項４】 前記ユーティリティは電気、ガスおよび
    水道のうちの少なくとも１つである請求項１に記載の方
    法。
  5. 【請求項５】 前記収集ステップが、前記コンピュータ
    ・システムのメモリに含まれたデータベースからのデー
    タを読み取るステップを含む請求項１に記載の方法。
  6. 【請求項６】 前記収集ステップが、通信回線を介して
    前記データを受信する請求項１に記載の方法。
  7. 【請求項７】 前記通信回線が、直接的なケーブル接
    続、ローカル・エリア・ネットワーク、広域エリア・ネ
    ットワーク、および電話回線のうち少なくとも１つであ
    る請求項６に記載の方法。
  8. 【請求項８】 前記データが建物のユーティリティ消費
    データの時系列である請求項１に記載の方法。
  9. 【請求項９】 前記建物のユーティリティ消費データ
    が、電気使用量、天然ガス消費量、地域暖房消費量、冷
    房需要、および暖房需要のうち少なくとも１つである請
    求項８に記載の方法。
  10. 【請求項１０】 前記収集ステップが各曜日の少なくと
    も１つの所定のユーティリティ消費量の特徴を決定する
    ステップを含む請求項１に記載の方法。
  11. 【請求項１１】 前記各曜日の少なくとも１つの所定の
    ユーティリティ消費量の特徴が、平均的な１日のユーテ
    ィリティ消費量、前記曜日の所定の時間間隔の間のユー
    ティリティのピーク消費量、および前記曜日の所定の時
    間間隔の間のユーティリティの最小消費量のうちの少な
    くとも１つから選択される請求項１０に記載の方法。
  12. 【請求項１２】 前記収集ステップが前記データを変換
    して季節変動を除外するステップを含む請求項１に記載
    の方法。
  13. 【請求項１３】 前記変換ステップがある曜日のデータ
    と１週間の周期のデータとの間の差を決定するステップ
    を含む請求項１２に記載の方法。
  14. 【請求項１４】 以下の式を使用し、 【数１】 上式中、ｘ〜dは曜日ｄの変換されたデータであり、ｘd
    は曜日ｄの元のデータであり、ｘd-3は曜日ｄの３日前
    のデータであり、ｘd-2は曜日ｄの２日前のデータであ
    り、ｘd-1は曜日ｄの１日前のデータであり、ｘd+1は曜
    日ｄの１日後のデータであり、ｘd+2は曜日ｄの２日後
    のデータであり、ｘd+3は曜日ｄの３日後のデータであ
    る請求項１３に記載の方法。
  15. 【請求項１５】 前記収集ステップが異常なユーティリ
    ティの消費データを識別しかつ除外するステップを含む
    請求項１に記載の方法。
  16. 【請求項１６】 前記識別および除外ステップが、前記
    データのアウトライア解析を実行する請求項１５に記載
    の方法。
  17. 【請求項１７】 前記データが各曜日についてＮ個の消
    費特性を含み、かつ前記アウトライア解析は各曜日につ
    いてＮ回行われる請求項１６に記載の方法。
  18. 【請求項１８】 前記アウトライア解析が、Ｇｅｎｅｒ
    ａｌｉｚｅｄ Ｅｘｔｒｅｍｅ Ｓｔｕｄｅｎｔｉｚｅ
    ｄ Ｄｅｖｉａｔｅ（ＧＥＳＤ）による統計学的手順を
    用いて実行される請求項１６に記載の方法。
  19. 【請求項１９】 前記ＧＥＳＤによる統計学的手順が、
    アウトライアが存在しない場合に、 １つまたは複数のアウトライアを不正確に宣言する確率
    （α）と、 アウトライアの可能性がある数の上限（ｎu）と、を含
    むユーザが選択した２つのパラメータを用いる請求項１
    ８に記載の方法。
  20. 【請求項２０】 前記アウトライアが、α＝０．１およ
    び次の不等式 【数２】 を満たす最大の整数に設定されたｎuを用いて決定され
    る請求項１９に記載の方法。
  21. 【請求項２１】 前記解析ステップがクラスタリング・
    アルゴリズムを使用する請求項１に記載の方法。
  22. 【請求項２２】 前記クラスタリング・アルゴリズム
    が、集積的な階層的クラスタリング法の形式を含む請求
    項２１に記載の方法。
  23. 【請求項２３】 前記クラスタリング・アルゴリズム
    が、各曜日を別個のクラスタとして定義する請求項２１
    に記載の方法。
  24. 【請求項２４】 前記クラスタリング・アルゴリズム
    が、クラスタの各対間の差異量を決定することによって
    継続する請求項２３に記載の方法。
  25. 【請求項２５】 任意の２つのクラスタ間の差異量が差
    異係数である請求項２４に記載の方法。
  26. 【請求項２６】 前記２つのクラスタ間の差異係数を前
    記クラスタの観察値のすべての対間の平均距離として定
    義するステップをさらに含み、前記対の１つの観察値は
    １つのクラスタに属し、かつその他の観察値はその他の
    クラスタに属している請求項２５に記載の方法。
  27. 【請求項２７】 クラスタＣiとクラスタＣjとの各対間
    の差異係数が次式から決定され、 【数３】 上式中、ｎiはクラスタＣiの観察値の数であり、ｎjは
    クラスタＣjの観察値の数であり、かつｄ（ｘ，ｙ）は
    観察値ｘとｙとの間の差異量である請求項２６に記載の
    方法。
  28. 【請求項２８】 観察値ｘとｙとの間の差異量が以下の
    ユークリッド距離であり、 【数４】 上式中、ｃiは観察値ｘのＩth変数の値である請求項２
    ７に記載の方法。
  29. 【請求項２９】 前記クラスタリング・アルゴリズム
    が、可能性のあるすべてのクラスタの対の中から最も近
    いクラスタの対を発見することによって継続する請求項
    ２３に記載の方法。
  30. 【請求項３０】 前記発見ステップが可能性のあるすべ
    てのクラスタ対間の差異量を用いて前記最も近いクラス
    タ対を識別するステップを含む請求項２９に記載の方
    法。
  31. 【請求項３１】 前記クラスタリング・アルゴリズム
    が、クラスタの最終的な数を決定するストッピング・ル
    ールを使用する請求項２９に記載の方法。
  32. 【請求項３２】 前記クラスタリング・アルゴリズム
    が、前記最も近いクラスタ対を組み合わされたクラスタ
    と結び付けるべきかどうかを決定するストッピング・ル
    ールを使用する請求項２９に記載の方法。
  33. 【請求項３３】 前記ストッピング・ルールが、以下の
    式が満たされた場合に、クラスタＣiとクラスタＣjとの
    最も近い対を結び付けるべきであると決定し、 【数５】 上式中、ｚは標準正規分布からの臨界値であり、ｎ
    featuresは特徴の数であり、ｎiおよびｎjはそれぞれク
    ラスタＣiおよびクラスタＣjの観察値の数であり、ＳＳ
    iおよびＳＳjはそれぞれクラスタＣiとクラスタＣjに関
    する平均値からの２乗距離の合計であり、かつＳＳi∪j
    はそれぞれクラスタＣiがクラスタＣjと組み合わされた
    ときの平均値からの２乗距離の合計である請求項３２に
    記載の方法。
  34. 【請求項３４】 前記ストッピング・ルールが前記最も
    近いクラスタが結び付けられるべきであると決定した場
    合、前記最も近いクラスタ対を組み合わされたクラスタ
    と組み合わせるステップをさらに含む請求項３２に記載
    の方法。
  35. 【請求項３５】 前記ストッピング・ルールが前記最も
    近いクラスタが結び付けられるべきであると決定した場
    合、以下の更新式を用いて前記結び付けられたクラスタ
    と残りの各クラスタとの間の差異係数を更新するステッ
    プをさらに含み、 【数６】 上式中、Ｃi∪Ｃjは前記組み合わされたクラスタであ
    り、Ｃkは前記残りのクラスタである請求項３４に記載
    の方法。
  36. 【請求項３６】 前記ストッピング・ルールが前記最も
    近いクラスタが結び付けられるべきであり、かつ２つの
    クラスタが残っていると決定した場合、曜日のタイプの
    数を１つに設定するステップをさらに含む請求項３２に
    記載の方法。
  37. 【請求項３７】 前記ストッピング・ルールが前記最も
    近いクラスタが結び付けられるべきでないと決定した場
    合、曜日のタイプの数を前記残りのクラスタの数に設定
    するステップをさらに含む請求項３２に記載の方法。
  38. 【請求項３８】 コンピュータ化システムを用いてユー
    ティリティの消費量が類似する曜日を決定する方法であ
    って、 複数の曜日にわたるユーティリティの消費データの時系
    列を受信するステップと、 前記時系列の各曜日の対象となる少なくとも１つの特徴
    を生成するステップと、 前記各曜日の対象となる少なくとも１つの特徴を変換し
    て、そこに存在する季節変動を除外するステップと、 前記対象となる特徴を曜日毎にグループ化して７つのク
    ラスタを定めるステップと、 前記対象となる各特徴の７つのクラスタからアウトライ
    アを識別しかつ除外するステップと、 前記７つのクラスタを解析してユーティリティの消費特
    性が類似する曜日を決定するステップとを含む方法。
  39. 【請求項３９】 ユーティリティの消費量が類似する曜
    日を決定する装置であって、 複数の曜日のユーティリティ消費量を表す時系列データ
    を収集するステップと、 前記時系列を解析してユーティリティの消費特性が類似
    する曜日を決定するステップとを行うプログラムを実行
    するプロセッサを備えた装置。
  40. 【請求項４０】 前記装置が前記時系列データを含んだ
    メモリを備え、かつ前記収集ステップを実行するため
    に、前記プログラムは前記プロセッサに前記メモリから
    前記時系列データを読み取らせる請求項３９に記載の装
    置。
  41. 【請求項４１】 前記装置が通信回線を介して前記時系
    列データを含んだソースに接続されており、かつ前記収
    集ステップを実行するために、前記プログラムは前記プ
    ロセッサに前記ソースから前記時系列データを受信させ
    る請求項３９に記載の装置。
  42. 【請求項４２】 前記収集ステップを実行するために、
    前記プログラムは前記プロセッサに前記時系列データの
    各曜日の対象となる少なくとも１つの特徴を生成させる
    請求項３９に記載の装置。
  43. 【請求項４３】 前記収集ステップを実行するために、
    前記プログラムは前記プロセッサに前記時系列データを
    変換させて季節変動の影響を除外させる請求項３９に記
    載の装置。
  44. 【請求項４４】 前記時系列データから前記季節変動の
    影響を除外するために、前記プログラムは前記プロセッ
    サにある曜日のデータと１週間の周囲のデータとの間の
    差を決定させる請求項４３に記載の装置。
  45. 【請求項４５】 前記収集ステップを実行するために、
    前記プログラムは前記プロセッサに異常なユーティリテ
    ィ消費データを識別かつ除外させる請求項３９に記載の
    装置。
  46. 【請求項４６】 異常なユーティリティ消費データを識
    別かつ除外するために、前記プログラムは前記プロセッ
    サにアウトライア解析を実行させる請求項４５に記載の
    装置。
  47. 【請求項４７】 前記解析ステップを実行するために、
    前記プログラムは前記プロセッサにクラスタリング・ア
    ルゴリズムを実行させる請求項３９に記載の装置。
  48. 【請求項４８】 前記クラスタリング・アルゴリズムを
    実行するために、前記プログラムは前記プロセッサに、 各曜日のデータを別個のクラスタとして定義させるステ
    ップと、 各クラスタ対間の差異量を決定させるステップと、 ストッピング・ルールが最も近いクラスタ対が組み合わ
    されるべきであると示したときに、前記最も近接するク
    ラスタ対を組み合わせ、かつ前記差異量を更新するステ
    ップと、 前記ストッピング・ルールが前記最も近接するクラスタ
    が組み合わされるべきか、またはクラスタの数が１に等
    しいと示すときに終了するステップとを実行させる請求
    項４７に記載の装置。
  49. 【請求項４９】 ユーティリティの消費量が類似する曜
    日を決定する装置であって、 複数の曜日にわたるユーティリティ使用データの時系列
    データを受信する手段と、 前記時系列の各曜日の対象となる少なくとも１つの特徴
    を生成する手段と、 前記各曜日の対象となる少なくとも１つの特徴を変換し
    て、そこに存在する季節変動を除外する手段と、 曜日毎に前記対象となる特徴をグループ化して７つのク
    ラスタを定める手段と、 前記対象となる各特徴の７つのクラスタからアウトライ
    アを識別かつ除外する手段と、 前記７つのクラスタを解析してユーティリティ消費特性
    が類似する曜日を決定する手段とを備えた装置。
  50. 【請求項５０】 前記解析手段が、集積的な階層的クラ
    スタリング法の形式のクラスタリング・アルゴリズムを
    実行するプロセッサを備えた請求項４９に記載の装置。
JP2002313716A 2001-10-30 2002-10-29 ユーティリティの消費特性が類似する曜日を決定する装置および方法 Pending JP2003242212A (ja)

Applications Claiming Priority (2)

Application Number Priority Date Filing Date Title
US10/021382 2001-10-30
US10/021,382 US20030101009A1 (en) 2001-10-30 2001-10-30 Apparatus and method for determining days of the week with similar utility consumption profiles

Publications (1)

Publication Number Publication Date
JP2003242212A true JP2003242212A (ja) 2003-08-29

Family

ID=21803868

Family Applications (1)

Application Number Title Priority Date Filing Date
JP2002313716A Pending JP2003242212A (ja) 2001-10-30 2002-10-29 ユーティリティの消費特性が類似する曜日を決定する装置および方法

Country Status (3)

Country Link
US (1) US20030101009A1 (ja)
EP (1) EP1309062A3 (ja)
JP (1) JP2003242212A (ja)

Cited By (10)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2008217679A (ja) * 2007-03-07 2008-09-18 Osaka Gas Co Ltd 省エネ行動支援システム
US8325637B2 (en) 2007-07-31 2012-12-04 Johnson Controls Technology Company Pairing wireless devices of a network using relative gain arrays
JP2014067335A (ja) * 2012-09-27 2014-04-17 Azbil Corp 予測変数特定装置、方法、およびプログラム
JP2015090639A (ja) * 2013-11-07 2015-05-11 東京瓦斯株式会社 エネルギー消費量予測システムおよびエネルギー消費量予測方法
JP2016038742A (ja) * 2014-08-07 2016-03-22 株式会社インテック 平日／非平日推定装置及び平日／非平日推定方法
US9953474B2 (en) 2016-09-02 2018-04-24 Honeywell International Inc. Multi-level security mechanism for accessing a panel
US10684030B2 (en) 2015-03-05 2020-06-16 Honeywell International Inc. Wireless actuator service
US10789800B1 (en) 2019-05-24 2020-09-29 Ademco Inc. Systems and methods for authorizing transmission of commands and signals to an access control device or a control panel device
US10832509B1 (en) 2019-05-24 2020-11-10 Ademco Inc. Systems and methods of a doorbell device initiating a state change of an access control device and/or a control panel responsive to two-factor authentication
US11089108B2 (en) 2017-03-18 2021-08-10 Tata Consultancy Services Limited Method and system for anomaly detection, missing data imputation and consumption prediction in energy data

Families Citing this family (87)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20030200134A1 (en) * 2002-03-29 2003-10-23 Leonard Michael James System and method for large-scale automatic forecasting
US6766265B2 (en) * 2002-12-18 2004-07-20 Advanced Micro Devices, Inc. Processing tester information by trellising in integrated circuit technology development
US7707148B1 (en) * 2003-10-07 2010-04-27 Natural Selection, Inc. Method and device for clustering categorical data and identifying anomalies, outliers, and exemplars
US7461037B2 (en) 2003-12-31 2008-12-02 Nokia Siemens Networks Oy Clustering technique for cyclic phenomena
US8010324B1 (en) 2005-05-09 2011-08-30 Sas Institute Inc. Computer-implemented system and method for storing data analysis models
US7392115B2 (en) * 2006-03-01 2008-06-24 Honeywell International Inc. Characterization of utility demand using utility demand footprint
US8112302B1 (en) * 2006-11-03 2012-02-07 Sas Institute Inc. Computer-implemented systems and methods for forecast reconciliation
US20090065596A1 (en) * 2007-05-09 2009-03-12 Johnson Controls Technology Company Systems and methods for increasing building space comfort using wireless devices
US20080277486A1 (en) * 2007-05-09 2008-11-13 Johnson Controls Technology Company HVAC control system and method
US7684901B2 (en) * 2007-06-29 2010-03-23 Buettner William L Automatic utility usage rate analysis methodology
US20090216611A1 (en) * 2008-02-25 2009-08-27 Leonard Michael J Computer-Implemented Systems And Methods Of Product Forecasting For New Products
US9547710B2 (en) * 2008-08-05 2017-01-17 Vmware, Inc. Methods for the cyclical pattern determination of time-series data using a clustering approach
US9245000B2 (en) * 2008-08-05 2016-01-26 Vmware, Inc. Methods for the cyclical pattern determination of time-series data using a clustering approach
US8171033B2 (en) * 2008-09-30 2012-05-01 Vmware, Inc. Methods and systems for the determination of thresholds via weighted quantile analysis
US20100106543A1 (en) * 2008-10-28 2010-04-29 Honeywell International Inc. Building management configuration system
US8850347B2 (en) 2010-09-30 2014-09-30 Honeywell International Inc. User interface list control system
US20110093493A1 (en) * 2008-10-28 2011-04-21 Honeywell International Inc. Building management system site categories
US8719385B2 (en) * 2008-10-28 2014-05-06 Honeywell International Inc. Site controller discovery and import system
US8819562B2 (en) 2010-09-30 2014-08-26 Honeywell International Inc. Quick connect and disconnect, base line configuration, and style configurator
US8572502B2 (en) * 2008-11-21 2013-10-29 Honeywell International Inc. Building control system user interface with docking feature
US9471202B2 (en) * 2008-11-21 2016-10-18 Honeywell International Inc. Building control system user interface with pinned display feature
TWI482033B (zh) * 2009-01-23 2015-04-21 Wistron Corp 排程方法及電腦
US8204675B2 (en) 2009-03-24 2012-06-19 International Business Machines Corporation Portable navigation device point of interest selection based on store open probability
US8554714B2 (en) * 2009-05-11 2013-10-08 Honeywell International Inc. High volume alarm management system
US8224763B2 (en) 2009-05-11 2012-07-17 Honeywell International Inc. Signal management system for building systems
US8781608B2 (en) * 2009-07-31 2014-07-15 Johnson Controls Technology Company Systems and methods for improved start-up in feedback controllers
TW201118789A (en) 2009-09-09 2011-06-01 Univ Trobe Method and system for energy management
GB2476456B (en) 2009-12-18 2013-06-19 Onzo Ltd Utility data processing system
GB2477366B (en) * 2009-11-12 2013-06-19 Onzo Ltd Data storage and transfer
US8352047B2 (en) 2009-12-21 2013-01-08 Honeywell International Inc. Approaches for shifting a schedule
US8428755B2 (en) * 2010-02-01 2013-04-23 Johnson Controls Technology Company Systems and methods for increasing feedback controller response times
US20110196539A1 (en) * 2010-02-10 2011-08-11 Honeywell International Inc. Multi-site controller batch update system
US8631040B2 (en) 2010-02-23 2014-01-14 Sas Institute Inc. Computer-implemented systems and methods for flexible definition of time intervals
US7920983B1 (en) 2010-03-04 2011-04-05 TaKaDu Ltd. System and method for monitoring resources in a water utility network
US8640098B2 (en) * 2010-03-11 2014-01-28 Honeywell International Inc. Offline configuration and download approach
US8890675B2 (en) 2010-06-02 2014-11-18 Honeywell International Inc. Site and alarm prioritization system
US8648706B2 (en) 2010-06-24 2014-02-11 Honeywell International Inc. Alarm management system having an escalation strategy
US8386087B2 (en) * 2010-08-02 2013-02-26 General Electric Company Load shed system for demand response without AMI/AMR system
US9213539B2 (en) 2010-12-23 2015-12-15 Honeywell International Inc. System having a building control device with on-demand outside server functionality
US8989910B1 (en) * 2010-12-31 2015-03-24 C3, Inc. Systems and methods for data mining of energy consumption data
US8583386B2 (en) 2011-01-18 2013-11-12 TaKaDu Ltd. System and method for identifying likely geographical locations of anomalies in a water utility network
US8682491B2 (en) 2011-02-04 2014-03-25 Varetika International LLLP Systems and methods for energy management and device automation system
US20140039849A1 (en) * 2011-04-20 2014-02-06 Massachusetts Institute Of Technology Method for the construction of a water distribution model
JP5927576B2 (ja) * 2011-04-21 2016-06-01 パナソニックＩｐマネジメント株式会社 エネルギー管理装置、およびエネルギー管理システム
GB2491109B (en) 2011-05-18 2014-02-26 Onzo Ltd Identification of a utility consumption event
US9047559B2 (en) 2011-07-22 2015-06-02 Sas Institute Inc. Computer-implemented systems and methods for testing large scale automatic forecast combinations
US8781767B2 (en) 2011-08-19 2014-07-15 General Electric Company Systems and methods for data anomaly detection
US9171339B2 (en) * 2011-11-03 2015-10-27 International Business Machines Corporation Behavior change detection
US8341106B1 (en) 2011-12-07 2012-12-25 TaKaDu Ltd. System and method for identifying related events in a resource network monitoring system
US20130166337A1 (en) * 2011-12-26 2013-06-27 John MacGregor Analyzing visual representation of data
US9053519B2 (en) 2012-02-13 2015-06-09 TaKaDu Ltd. System and method for analyzing GIS data to improve operation and monitoring of water distribution networks
US9223839B2 (en) 2012-02-22 2015-12-29 Honeywell International Inc. Supervisor history view wizard
EP2650831A1 (en) * 2012-04-12 2013-10-16 Thomson Licensing A method for determining an electricity consumption profile of a facility and a system
US10088335B2 (en) * 2012-04-13 2018-10-02 International Business Machines Corporation Anomaly detection using usage data for metering system
US10242414B2 (en) 2012-06-12 2019-03-26 TaKaDu Ltd. Method for locating a leak in a fluid network
US9244887B2 (en) 2012-07-13 2016-01-26 Sas Institute Inc. Computer-implemented systems and methods for efficient structuring of time series data
US9087306B2 (en) 2012-07-13 2015-07-21 Sas Institute Inc. Computer-implemented systems and methods for time series exploration
US9529349B2 (en) 2012-10-22 2016-12-27 Honeywell International Inc. Supervisor user management system
WO2014079476A1 (de) * 2012-11-20 2014-05-30 Siemens Aktiengesellschaft Verfahren und system zum betreiben eines elektrischen energieversorgungsnetzes
US9147218B2 (en) 2013-03-06 2015-09-29 Sas Institute Inc. Devices for forecasting ratios in hierarchies
US20140278165A1 (en) * 2013-03-14 2014-09-18 Johnson Controls Technology Company Systems and methods for analyzing energy consumption model data
JP2014180187A (ja) * 2013-03-15 2014-09-25 Toshiba Corp 電力需要予測装置、方法及びプログラム並びに需要抑制計画策定装置
US9934259B2 (en) 2013-08-15 2018-04-03 Sas Institute Inc. In-memory time series database and processing in a distributed environment
US9971977B2 (en) 2013-10-21 2018-05-15 Honeywell International Inc. Opus enterprise report system
US10169720B2 (en) 2014-04-17 2019-01-01 Sas Institute Inc. Systems and methods for machine learning using classifying, clustering, and grouping time series data
US9892370B2 (en) 2014-06-12 2018-02-13 Sas Institute Inc. Systems and methods for resolving over multiple hierarchies
US9933762B2 (en) 2014-07-09 2018-04-03 Honeywell International Inc. Multisite version and upgrade management system
US9208209B1 (en) 2014-10-02 2015-12-08 Sas Institute Inc. Techniques for monitoring transformation techniques using control charts
CN104572878B (zh) * 2014-12-22 2017-10-27 北京工商大学 基于综合分层聚类的湖库、流域的水质监测断面优化布设方法
US9418339B1 (en) 2015-01-26 2016-08-16 Sas Institute, Inc. Systems and methods for time series analysis techniques utilizing count data sets
FR3032786B1 (fr) 2015-02-17 2017-03-24 Schneider Electric Ind Sas Systeme de traitement de donnees et de modelisation pour l'analyse de la consommation energetique d'un site
US10983682B2 (en) 2015-08-27 2021-04-20 Sas Institute Inc. Interactive graphical user-interface for analyzing and manipulating time-series projections
US10362104B2 (en) 2015-09-23 2019-07-23 Honeywell International Inc. Data manager
US10209689B2 (en) 2015-09-23 2019-02-19 Honeywell International Inc. Supervisor history service import manager
US10600307B2 (en) * 2015-10-30 2020-03-24 Global Design Corporation Ltd. Energy consumption alerting method, energy consumption alerting system and platform
US10510126B2 (en) 2015-10-30 2019-12-17 Global Design Corporation Ltd. Energy consumption alerting system, platform and method
US10515308B2 (en) 2015-10-30 2019-12-24 Global Design Corporation Ltd. System, method and cloud-based platform for predicting energy consumption
US11243970B2 (en) * 2017-06-30 2022-02-08 Paypal, Inc. Intelligent database connection management
US10331490B2 (en) 2017-11-16 2019-06-25 Sas Institute Inc. Scalable cloud-based time series analysis
US10338994B1 (en) 2018-02-22 2019-07-02 Sas Institute Inc. Predicting and adjusting computer functionality to avoid failures
US10255085B1 (en) 2018-03-13 2019-04-09 Sas Institute Inc. Interactive graphical user interface with override guidance
US10560313B2 (en) 2018-06-26 2020-02-11 Sas Institute Inc. Pipeline system for time-series data forecasting
US10685283B2 (en) 2018-06-26 2020-06-16 Sas Institute Inc. Demand classification based pipeline system for time-series data forecasting
CN109599895B (zh) * 2018-12-10 2020-09-18 国网浙江建德市供电有限公司 一种基于聚类分析的分布式光伏接入方法
WO2020237539A1 (zh) * 2019-05-29 2020-12-03 西门子股份公司 电力负荷的预测方法、装置及存储介质
US11831160B2 (en) * 2019-06-21 2023-11-28 Siemens Aktiengesellschaft Power load data prediction method and device, and storage medium
US20210241392A1 (en) * 2020-02-05 2021-08-05 International Business Machines Corporation Metrics for energy saving and response behavior

Family Cites Families (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US5263120A (en) * 1991-04-29 1993-11-16 Bickel Michael A Adaptive fast fuzzy clustering system
US5572438A (en) * 1995-01-05 1996-11-05 Teco Energy Management Services Engery management and building automation system
US5930773A (en) * 1997-12-17 1999-07-27 Avista Advantage, Inc. Computerized resource accounting methods and systems, computerized utility management methods and systems, multi-user utility management methods and systems, and energy-consumption-based tracking methods and systems
US6366889B1 (en) * 1998-05-18 2002-04-02 Joseph A. Zaloom Optimizing operational efficiency and reducing costs of major energy system at large facilities
WO2001006432A1 (en) * 1999-07-15 2001-01-25 Ebidenergy.Com User interface to facilitate, analyze and manage resource consumption
US6865509B1 (en) * 2000-03-10 2005-03-08 Smiths Detection - Pasadena, Inc. System for providing control to an industrial process using one or more multidimensional variables
CA2343468A1 (en) * 2001-04-05 2002-10-05 Conectiv Solutions, L.L.C. Computer assisted and/or implemented process and architecture for web-based monitoring of energy related usage, and client accessibility therefor
US7089190B2 (en) * 2001-05-18 2006-08-08 Power Resource Managers, Llp System and method for managing utility power use
US6816811B2 (en) * 2001-06-21 2004-11-09 Johnson Controls Technology Company Method of intelligent data analysis to detect abnormal use of utilities in buildings

Cited By (11)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2008217679A (ja) * 2007-03-07 2008-09-18 Osaka Gas Co Ltd 省エネ行動支援システム
US8325637B2 (en) 2007-07-31 2012-12-04 Johnson Controls Technology Company Pairing wireless devices of a network using relative gain arrays
JP2014067335A (ja) * 2012-09-27 2014-04-17 Azbil Corp 予測変数特定装置、方法、およびプログラム
JP2015090639A (ja) * 2013-11-07 2015-05-11 東京瓦斯株式会社 エネルギー消費量予測システムおよびエネルギー消費量予測方法
JP2016038742A (ja) * 2014-08-07 2016-03-22 株式会社インテック 平日／非平日推定装置及び平日／非平日推定方法
US10684030B2 (en) 2015-03-05 2020-06-16 Honeywell International Inc. Wireless actuator service
US11927352B2 (en) 2015-03-05 2024-03-12 Honeywell International Inc. Wireless actuator service
US9953474B2 (en) 2016-09-02 2018-04-24 Honeywell International Inc. Multi-level security mechanism for accessing a panel
US11089108B2 (en) 2017-03-18 2021-08-10 Tata Consultancy Services Limited Method and system for anomaly detection, missing data imputation and consumption prediction in energy data
US10789800B1 (en) 2019-05-24 2020-09-29 Ademco Inc. Systems and methods for authorizing transmission of commands and signals to an access control device or a control panel device
US10832509B1 (en) 2019-05-24 2020-11-10 Ademco Inc. Systems and methods of a doorbell device initiating a state change of an access control device and/or a control panel responsive to two-factor authentication

Also Published As

Publication number Publication date
EP1309062A3 (en) 2004-03-10
US20030101009A1 (en) 2003-05-29
EP1309062A2 (en) 2003-05-07

Similar Documents

Publication Publication Date Title
JP2003242212A (ja) ユーティリティの消費特性が類似する曜日を決定する装置および方法
CN110097297B (zh) 一种多维度窃电态势智能感知方法、系统、设备及介质
CN108700851B (zh) 用于预测能量消耗的系统、方法和基于云的平台
Fan et al. Temporal knowledge discovery in big BAS data for building energy management
US6996508B1 (en) System and method for remote retrofit identification of energy consumption systems and components
US9575475B2 (en) Systems and methods for generating an energy usage model for a building
US6816811B2 (en) Method of intelligent data analysis to detect abnormal use of utilities in buildings
Seem Using intelligent data analysis to detect abnormal energy consumption in buildings
JP5492848B2 (ja) 電力需要予測システムおよび方法
Zhu et al. Data-driven building load profiling and energy management
CN105612546B (zh) 用于能量测量的装置、服务器、系统和方法
US11403647B2 (en) Systems and methods for data analytics for virtual energy audits and value capture assessment of buildings
Serrano-Guerrero et al. Statistical methodology to assess changes in the electrical consumption profile of buildings
US20190369570A1 (en) System and method for automatically detecting anomalies in a power-usage data set
US20190195525A1 (en) Method and apparatus for operating heating and cooling equipment via a network
CN109634942A (zh) 一种用能数据异常判断方法及装置
Ledva et al. Real-time energy disaggregation of a distribution feeder's demand using online learning
Motegi et al. Web-based energy information systems for energy management and demand response in commercial buildings
KR20180028583A (ko) 지능형 전력사용 환경에서 수용가 맞춤형 전력량 스케쥴링 시스템
Christantonis et al. Data mining for smart cities: predicting electricity consumption by classification
Zulkifly et al. Improved machine learning model selection techniques for solar energy forecasting applications
Yu et al. Estimating power demand shaving capacity of buildings on an urban scale using extracted demand response profiles through machine learning models
CN115759708A (zh) 一种考虑电力时空分布特性的线损分析方法及系统
US20220004902A1 (en) Methods for remote building intelligence, energy waste detection, efficiency tracking, utility management and analytics
CN108154259B (zh) 热泵的负荷预测方法及装置、存储介质、处理器