JP2006079426A - Apparatus and method for diagnosing energy consumption - Google Patents
Apparatus and method for diagnosing energy consumption Download PDFInfo
- Publication number
- JP2006079426A JP2006079426A JP2004263884A JP2004263884A JP2006079426A JP 2006079426 A JP2006079426 A JP 2006079426A JP 2004263884 A JP2004263884 A JP 2004263884A JP 2004263884 A JP2004263884 A JP 2004263884A JP 2006079426 A JP2006079426 A JP 2006079426A
- Authority
- JP
- Japan
- Prior art keywords
- energy consumption
- building
- regression equation
- data
- regression
- 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.)
- Withdrawn
Links
- 238000005265 energy consumption Methods 0.000 title claims abstract description 75
- 238000000034 method Methods 0.000 title claims description 13
- 238000003745 diagnosis Methods 0.000 claims abstract description 31
- 238000000611 regression analysis Methods 0.000 claims abstract description 11
- 238000007405 data analysis Methods 0.000 description 7
- 238000012545 processing Methods 0.000 description 5
- 230000005540 biological transmission Effects 0.000 description 4
- 238000004891 communication Methods 0.000 description 4
- 230000006870 function Effects 0.000 description 4
- 238000005259 measurement Methods 0.000 description 4
- 238000010276 construction Methods 0.000 description 3
- 238000001816 cooling Methods 0.000 description 3
- 238000010438 heat treatment Methods 0.000 description 3
- 238000004378 air conditioning Methods 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 230000003340 mental effect Effects 0.000 description 2
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 description 2
- 238000006243 chemical reaction Methods 0.000 description 1
- 238000007796 conventional method Methods 0.000 description 1
- 230000002093 peripheral effect Effects 0.000 description 1
Images
Landscapes
- Arrangements For Transmission Of Measured Signals (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
Description
本発明は、建物のエネルギー消費量が適正な値であるかを診断するエネルギー消費量診断装置及びエネルギー消費量診断方法に関する。 The present invention relates to an energy consumption diagnosis device and an energy consumption diagnosis method for diagnosing whether an energy consumption amount of a building is an appropriate value.
従来のエネルギー消費量の診断法として、診断する建物にセンサを取り付け、エネルギー使用状況を計測し、得られた計測結果を、類似した建物の使用量と比較し、診断対象の建物のエネルギー使用量が多いか、少ないかを判定するものが知られている。
また、経済的な負担をかけることなく、最適な省エネ処理を行わせることができる省エネルギー診断方法が知られている(例えば、特許文献1参照)。
In addition, an energy saving diagnosis method that can perform an optimum energy saving process without placing an economical burden is known (see, for example, Patent Document 1).
しかしながら、特許文献1に示す方法のように、計測機器を使用して、エネルギーの消費量を実測するには費用と時間がかかるという問題がある。また、この実測した計測値を比較するための類似した建物の実測データを予め用意しなければならないが、比較対象とする建物を抽出して、実測データを用意するのは困難であるという問題もある。 However, like the method shown in Patent Document 1, there is a problem that it takes cost and time to actually measure energy consumption using a measuring device. In addition, actual measurement data of similar buildings for comparing the actual measurement values must be prepared in advance, but there is a problem that it is difficult to prepare the measurement data by extracting the buildings to be compared. is there.
本発明は、このような事情に鑑みてなされたもので、手間と時間をかけることなく、必要とする費用も低減することができるエネルギー消費量診断装置及びエネルギー消費量診断方法を提供することを目的とする。 The present invention has been made in view of such circumstances, and provides an energy consumption diagnosis device and an energy consumption diagnosis method capable of reducing the necessary cost without taking time and effort. Objective.
本発明は、建物内のエネルギー消費量データと、該エネルギー消費量に影響を与えると推測される属性のデータが予め記憶された建物データベースと、前記建物データベースに記憶されている前記データに基づいて、回帰分析を行うことにより前記エネルギー消費量データを被説明変数とし、該エネルギー消費量に影響を与えると推測される属性のデータを説明変数とする回帰式を同定する回帰式同定手段と、前記回帰式同定手段により同定された回帰式を記憶する回帰式記憶手段と、診断対象の建物に関して、前記被説明変数と前記説明変数の値を入力する入力手段と、前記回帰式記憶手段に記憶されている前記回帰式と、前記入力手段から入力された値から診断対象の建物のエネルギー消費量の診断を行うエネルギー消費量診断手段とを備えたことを特徴とする。 The present invention is based on a building database in which energy consumption data in a building, data of attributes presumed to affect the energy consumption are stored in advance, and the data stored in the building database. A regression equation identifying means for identifying a regression equation using the data of an attribute estimated to affect the energy consumption as an explanatory variable by performing the regression analysis as the energy consumption data, Stored in the regression equation storage unit, the regression equation storage unit that stores the regression equation identified by the regression equation identification unit, the input unit that inputs the value of the explained variable and the explanatory variable regarding the building to be diagnosed, and the regression equation storage unit The regression equation and energy consumption diagnosis means for diagnosing the energy consumption of the building to be diagnosed from the value input from the input means. And it said that there were pictures.
本発明は、前記建物データベースには、病院の建物に関するデータが記憶され、少なくとも病院の種別または診療科の種別のデータが含まれることを特徴とする。 The present invention is characterized in that the building database stores data relating to a hospital building and includes at least data of a hospital type or a department type.
本発明は、建物内のエネルギー消費量データと、該エネルギー消費量に影響を与えると推測される属性のデータが予め記憶された建物データベースと、回帰式を同定する回帰式同定手段と、前記回帰式を記憶する回帰式記憶手段と、被説明変数と説明変数の値を入力する入力手段と、診断対象の建物のエネルギー消費量の診断を行うエネルギー消費量診断手段とを備えたエネルギー消費量診断装置において、診断対象の建物のエネルギー消費量を診断するエネルギー消費量診断方法であって、前記回帰式同定手段が、前記建物データベースに記憶されている前記データに基づいて、回帰分析を行うことにより前記エネルギー消費量データを被説明変数とし、該エネルギー消費量に影響を与えると推測される属性のデータを説明変数とする回帰式を同定し、同定された前記回帰式を前記回帰式記憶手段に記憶する過程と、前記入力手段が、診断対象の建物に関して、前記被説明変数と前記説明変数の値を入力する過程と、エネルギー消費量診断手段が、前記回帰式記憶手段に記憶されている前記回帰式と、前記入力された値から診断対象の建物のエネルギー消費量の診断を行う過程とを有することを特徴とする。 The present invention includes a building database in which energy consumption data in a building, data of an attribute presumed to affect the energy consumption are stored in advance, a regression equation identifying means for identifying a regression equation, and the regression Energy consumption diagnosis comprising regression equation storage means for storing an equation, input means for inputting the value of the explained variable and the explanatory variable, and energy consumption diagnosis means for diagnosing the energy consumption of the building to be diagnosed An apparatus for diagnosing energy consumption of a building to be diagnosed in an apparatus, wherein the regression identification means performs a regression analysis based on the data stored in the building database. Regression with the energy consumption data as the explained variable and the attribute data estimated to affect the energy consumption as the explanatory variable And storing the identified regression equation in the regression equation storage unit, the step of inputting the explained variable and the value of the explanatory variable for the building to be diagnosed, and energy The consumption diagnosis unit includes the regression equation stored in the regression equation storage unit and a process of diagnosing the energy consumption of the building to be diagnosed from the input value.
本発明は、前記建物データベースには、病院の建物に関するデータが記憶され、少なくとも病院の種別または診療科の種別のデータが含まれることを特徴とする。 The present invention is characterized in that the building database stores data relating to a hospital building and includes at least data of a hospital type or a department type.
本発明によれば、計測機器等を使用して、エネルギー使用状況を計測する必要がないため、必要とする費用が少なく、時間もかかることなく、診断対象の建物のエネルギー消費量を診断することができるという効果が得られる。また、回帰式を同定し、信頼区間を設定して診断を行うようにしたため、診断結果のあいまいさが少なく、客観的に診断できるとともに、様々な要因を設定し、回帰分析を行うため、高い精度で信頼区間を設定できるという効果が得られる。 According to the present invention, since it is not necessary to measure the energy usage status using a measuring device or the like, the energy consumption of the building to be diagnosed can be diagnosed with less cost and less time. The effect of being able to be obtained. In addition, since the regression equation is identified and the confidence interval is set for diagnosis, the diagnosis result is less ambiguous and can be objectively diagnosed, and various factors are set and regression analysis is performed. The effect that the confidence interval can be set with accuracy is obtained.
以下、本発明の一実施形態によるエネルギー消費量診断装置を図面を参照して説明する。図1は同実施形態の構成を示すブロック図である。この図において、符号1は、使用者がデータ入力するためのキーボードやマウス等で構成される入力部である。符号2は、診断結果等のデータを表示するためのディスプレイ装置等で構成される表示部である。符号3は、建物内のエネルギー消費量データと、このエネルギー消費量に影響を与えると推測される属性のデータが記憶される建物データベースである。符号4は、建物データベース3を構築するデータベース構築部である。符号5は、建物データベース3に記憶されているデータを読み出し、読み出したデータの回帰分析を行い、回帰式を同定するデータ解析部である。符号6は、データ解析部5において同定した回帰式を記憶する回帰式記憶部である。符号7は、入力部1から入力される建物に関する属性データと回帰式記憶部6に記憶されている回帰式とに基づいて、診断対象の建物のエネルギー消費量の診断を行うエネルギー消費量診断部である。
Hereinafter, an energy consumption diagnosis apparatus according to an embodiment of the present invention will be described with reference to the drawings. FIG. 1 is a block diagram showing the configuration of the embodiment. In this figure, reference numeral 1 denotes an input unit composed of a keyboard, a mouse and the like for a user to input data.
ここで、図4を参照して、データベース構築部4が構築する建物データベース3のテーブル構造を説明する。この例の建物データベース3は、入力部1から入力した病院の建物に関する情報が記憶されており、「地域」、「延床面積」、「病床数」、「年間エネルギー消費量」、「上水使用量」のフィールドを有している。ここでは、6つの項目のデータについて示したが、7項目以上のデータが記憶されるようにしてもよい。例えば、病院種別の下位情報として、診療科の項目を設け、「延床面積」、「病床数」、「年間エネルギー消費量」、「上水使用量」の情報は、病院全体の値と診療科毎の値とに分けて記憶するようにしてもよい。
なお、建物データベース3は、様々な団体が公開したエネルギーデータを使用して構築するようにしてもよい。
Here, the table structure of the
The
次に、図2を参照して、図1に示すデータ解析部5の動作を説明する。まず、データ解析部5は、建物データベース3に記憶されている建物データを読み込む(ステップS1)。続いて、データ解析部5は、変数変換を施した後(ステップS2)、回帰分析を行うことにより(ステップS3)、エネルギー消費量を被説明変数、エネルギー消費量に影響を与える要因(この例では、延床面積や病院種別など)を説明変数として(ステップS4)、回帰式を同定する(ステップS5)。ステップS2〜S5の処理においては、公知の回帰分析手法を用いて(1)式を同定すればよいため、回帰式の同定処理の詳細な説明は省略する。この処理によって同定した回帰式を(1)式に示す。データ解析部5は、ここで同定した回帰式((1)式)を回帰式記憶部6へ記憶する(ステップS6)。
Next, the operation of the
log(一次エネルギー消費量)=−0.054+(1.205−0.021×X1)×log(延床面積)
−0.275((冷暖房期の消費量/中間期の消費量))・・・・・・(1)
ここに、X1=1(精神病院の場合)
X1=0(精神病院以外の病院の場合)
log (primary energy consumption) = -0.054 + (1.205-0.021 x X1) x log (total floor area)
-0.275 ((Consumption during the heating / cooling period / Consumption during the interim period)) (1)
Here, X1 = 1 (in the case of mental hospital)
X1 = 0 (in hospitals other than mental hospitals)
(1)式で用いられている説明変数は、5%で有意となったものであり、延床面積でだけでなく、病院種別、冷暖房期(冷暖房を使用する期間)の消費量と中間期(冷暖房を使用しない期間)の消費量との比も一次エネルギー消費量に影響を与えている。図5に、(1)式より求めた予測値の95%信頼区間を示す。 The explanatory variables used in the formula (1) became significant at 5%, not only the total floor area, but also the hospital type, consumption during the heating / cooling period (period during which air conditioning is used) and the intermediate period The ratio with the consumption of (period when air conditioning is not used) also affects the primary energy consumption. FIG. 5 shows a 95% confidence interval of the predicted value obtained from the equation (1).
次に、図3を参照して、診断対象の建物のエネルギー消費量の診断を行う動作を説明する。まず、診断対象の建物に関して、回帰分析で有意となった要因に対応する属性を説明変数として入力部1より入力する(ステップS11)。エネルギー消費量診断部7は、回帰式記憶部6に記憶されている回帰式を読み出し、この回帰式と入力された説明変数とに基づいて、信頼区間を算出する(ステップS12)。そして、エネルギー消費量診断部7は、診断対象の建物のエネルギー消費量の実績値がこの信頼区間内に入るか否かによってこの建物のエネルギー消費量が多いか、少ないかを判定する(ステップS13)。図6に判定する基準を示す。例えば、延床面積20、000m2、冷暖房期の消費量/中間期の消費量=1.4の一般病院の50%および95%信頼区間を求めると図7のようになる。仮に、診断対象の建物のエネルギー消費量が100000GJの場合、この建物のエネルギー消費量は、「エネルギーを消費しすぎている」と判定する。エネルギー消費量診断部7は、この判定結果を表示部2へ表示する(ステップS14)。
Next, with reference to FIG. 3, the operation | movement which diagnoses the energy consumption of the building for diagnosis is demonstrated. First, regarding the building to be diagnosed, an attribute corresponding to a factor that has become significant in the regression analysis is input from the input unit 1 as an explanatory variable (step S11). The energy
このように、計測機器等を使用して、エネルギー使用状況を計測する必要がないため、必要とする費用が少なく、時間もかかることなく、診断対象の建物のエネルギー消費量を診断することができる。また、回帰式を同定し、信頼区間を設定して診断を行うようにしたため、診断結果のあいまいさが少なく、客観的に診断できるとともに、様々な要因を設定し、回帰分析を行うようにしたため、高い精度で信頼区間を設定できる。 In this way, since it is not necessary to measure the energy usage status using a measuring device or the like, it is possible to diagnose the energy consumption of the building to be diagnosed with less cost and less time. . In addition, since the regression equation is identified and the confidence interval is set for diagnosis, the diagnosis result is less ambiguous and can be objectively diagnosed, and various factors are set and regression analysis is performed. The confidence interval can be set with high accuracy.
なお、図1における処理部の機能を実現するためのプログラムをコンピュータ読み取り可能な記録媒体に記録して、この記録媒体に記録されたプログラムをコンピュータシステムに読み込ませ、実行することによりエネルギー消費量診断処理を行ってもよい。なお、ここでいう「コンピュータシステム」とは、OSや周辺機器等のハードウェアを含むものとする。また、「コンピュータシステム」は、ホームページ提供環境(あるいは表示環境)を備えたWWWシステムも含むものとする。また、「コンピュータ読み取り可能な記録媒体」とは、フレキシブルディスク、光磁気ディスク、ROM、CD−ROM等の可搬媒体、コンピュータシステムに内蔵されるハードディスク等の記憶装置のことをいう。さらに「コンピュータ読み取り可能な記録媒体」とは、インターネット等のネットワークや電話回線等の通信回線を介してプログラムが送信された場合のサーバやクライアントとなるコンピュータシステム内部の揮発性メモリ(RAM)のように、一定時間プログラムを保持しているものも含むものとする。 Note that a program for realizing the functions of the processing unit in FIG. 1 is recorded on a computer-readable recording medium, and the program recorded on the recording medium is read into a computer system and executed to diagnose energy consumption. Processing may be performed. Here, the “computer system” includes an OS and hardware such as peripheral devices. The “computer system” includes a WWW system provided with a homepage providing environment (or display environment). The “computer-readable recording medium” refers to a portable medium such as a flexible disk, a magneto-optical disk, a ROM, and a CD-ROM, and a storage device such as a hard disk built in the computer system. Further, the “computer-readable recording medium” refers to a volatile memory (RAM) in a computer system that becomes a server or a client when a program is transmitted via a network such as the Internet or a communication line such as a telephone line. In addition, those holding programs for a certain period of time are also included.
また、上記プログラムは、このプログラムを記憶装置等に格納したコンピュータシステムから、伝送媒体を介して、あるいは、伝送媒体中の伝送波により他のコンピュータシステムに伝送されてもよい。ここで、プログラムを伝送する「伝送媒体」は、インターネット等のネットワーク(通信網)や電話回線等の通信回線(通信線)のように情報を伝送する機能を有する媒体のことをいう。また、上記プログラムは、前述した機能の一部を実現するためのものであっても良い。さらに、前述した機能をコンピュータシステムにすでに記録されているプログラムとの組み合わせで実現できるもの、いわゆる差分ファイル(差分プログラム)であっても良い。 The program may be transmitted from a computer system storing the program in a storage device or the like to another computer system via a transmission medium or by a transmission wave in the transmission medium. Here, the “transmission medium” for transmitting the program refers to a medium having a function of transmitting information, such as a network (communication network) such as the Internet or a communication line (communication line) such as a telephone line. The program may be for realizing a part of the functions described above. Furthermore, what can implement | achieve the function mentioned above in combination with the program already recorded on the computer system, and what is called a difference file (difference program) may be sufficient.
1・・・入力部、2・・・表示部、3・・・建物データベース、4・・・データベース構築部、5・・・データ解析部、6・・・回帰式記憶部、7・・・エネルギー消費量診断部
DESCRIPTION OF SYMBOLS 1 ... Input part, 2 ... Display part, 3 ... Building database, 4 ... Database construction part, 5 ... Data analysis part, 6 ... Regression type | formula memory | storage part, 7 ... Energy consumption diagnosis department
Claims (4)
前記建物データベースに記憶されている前記データに基づいて、回帰分析を行うことにより前記エネルギー消費量データを被説明変数とし、該エネルギー消費量に影響を与えると推測される属性のデータを説明変数とする回帰式を同定する回帰式同定手段と、
前記回帰式同定手段により同定された回帰式を記憶する回帰式記憶手段と、
診断対象の建物に関して、前記被説明変数と前記説明変数の値を入力する入力手段と、
前記回帰式記憶手段に記憶されている前記回帰式と、前記入力手段から入力された値から診断対象の建物のエネルギー消費量の診断を行うエネルギー消費量診断手段と
を備えたことを特徴とするエネルギー消費量診断装置。 A building database in which energy consumption data in the building and data of attributes presumed to affect the energy consumption are stored in advance;
Based on the data stored in the building database, by performing regression analysis, the energy consumption data is set as an explanatory variable, and attribute data estimated to affect the energy consumption is an explanatory variable. A regression equation identifying means for identifying a regression equation to be
Regression equation storage means for storing the regression equation identified by the regression equation identification means;
For the building to be diagnosed, input means for inputting the explained variable and the value of the explanatory variable;
The regression equation stored in the regression equation storage means, and energy consumption diagnosis means for diagnosing the energy consumption of the building to be diagnosed from the value input from the input means Energy consumption diagnostic device.
前記回帰式同定手段が、前記建物データベースに記憶されている前記データに基づいて、回帰分析を行うことにより前記エネルギー消費量データを被説明変数とし、該エネルギー消費量に影響を与えると推測される属性のデータを説明変数とする回帰式を同定し、同定された前記回帰式を前記回帰式記憶手段に記憶する過程と、
前記入力手段が、診断対象の建物に関して、前記被説明変数と前記説明変数の値を入力する過程と、
エネルギー消費量診断手段が、前記回帰式記憶手段に記憶されている前記回帰式と、前記入力された値から診断対象の建物のエネルギー消費量の診断を行う過程と
を有することを特徴とするエネルギー消費量診断方法。 A building database in which energy consumption data in a building and attribute data estimated to affect the energy consumption are stored in advance, regression equation identifying means for identifying a regression equation, and the regression equation are stored. Diagnosis in an energy consumption diagnosis device comprising: a regression equation storage means; an input means for inputting an explanatory variable and values of explanatory variables; and an energy consumption diagnosis means for diagnosing the energy consumption of a building to be diagnosed. An energy consumption diagnosis method for diagnosing the energy consumption of a target building,
The regression equation identifying means performs regression analysis based on the data stored in the building database, thereby making the energy consumption data the explained variable, and is assumed to affect the energy consumption. Identifying a regression equation having attribute data as explanatory variables, and storing the identified regression equation in the regression equation storage means;
A process in which the input means inputs the explained variable and the value of the explanatory variable for the building to be diagnosed;
Energy consumption diagnostic means comprises: the regression equation stored in the regression equation storage means; and a process of diagnosing energy consumption of a building to be diagnosed from the input value. Consumption diagnosis method.
4. The energy consumption diagnosis method according to claim 3, wherein the building database stores data relating to a hospital building and includes at least data of a hospital type or a department type.
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2004263884A JP2006079426A (en) | 2004-09-10 | 2004-09-10 | Apparatus and method for diagnosing energy consumption |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2004263884A JP2006079426A (en) | 2004-09-10 | 2004-09-10 | Apparatus and method for diagnosing energy consumption |
Publications (1)
Publication Number | Publication Date |
---|---|
JP2006079426A true JP2006079426A (en) | 2006-03-23 |
Family
ID=36158816
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2004263884A Withdrawn JP2006079426A (en) | 2004-09-10 | 2004-09-10 | Apparatus and method for diagnosing energy consumption |
Country Status (1)
Country | Link |
---|---|
JP (1) | JP2006079426A (en) |
Cited By (17)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2011100255A2 (en) * | 2010-02-09 | 2011-08-18 | Johnson Controls Technology Company | Systems and methods for measuring and verifying energy savings in buildings |
JP2012181805A (en) * | 2011-03-03 | 2012-09-20 | Osaka Gas Co Ltd | Energy conservation behavior evaluation system |
US8532839B2 (en) | 2009-06-22 | 2013-09-10 | Johnson Controls Technology Company | Systems and methods for statistical control and fault detection in a building management system |
US8600556B2 (en) | 2009-06-22 | 2013-12-03 | Johnson Controls Technology Company | Smart building manager |
US8788097B2 (en) | 2009-06-22 | 2014-07-22 | Johnson Controls Technology Company | Systems and methods for using rule-based fault detection in a building management system |
US20140278165A1 (en) * | 2013-03-14 | 2014-09-18 | Johnson Controls Technology Company | Systems and methods for analyzing energy consumption model data |
WO2015047636A1 (en) * | 2013-09-27 | 2015-04-02 | Siemens Industry, Inc. | Gaming approach for energy efficient building control |
US9390388B2 (en) | 2012-05-31 | 2016-07-12 | Johnson Controls Technology Company | Systems and methods for measuring and verifying energy usage in a building |
US9575475B2 (en) | 2009-06-22 | 2017-02-21 | Johnson Controls Technology Company | Systems and methods for generating an energy usage model for a building |
US9606520B2 (en) | 2009-06-22 | 2017-03-28 | Johnson Controls Technology Company | Automated fault detection and diagnostics in a building management system |
JPWO2015145978A1 (en) * | 2014-03-28 | 2017-04-13 | 日本電気株式会社 | Energy amount estimation device, energy amount estimation method, and energy amount estimation program |
US9639413B2 (en) | 2009-06-22 | 2017-05-02 | Johnson Controls Technology Company | Automated fault detection and diagnostics in a building management system |
JP2017134478A (en) * | 2016-01-26 | 2017-08-03 | 国立大学法人埼玉大学 | Program, information processing method, and information processing device |
US9778639B2 (en) | 2014-12-22 | 2017-10-03 | Johnson Controls Technology Company | Systems and methods for adaptively updating equipment models |
US10261485B2 (en) | 2009-06-22 | 2019-04-16 | Johnson Controls Technology Company | Systems and methods for detecting changes in energy usage in a building |
JP2020067980A (en) * | 2018-10-26 | 2020-04-30 | 富士通株式会社 | Prediction program, prediction method, and prediction device |
US11269303B2 (en) | 2009-06-22 | 2022-03-08 | Johnson Controls Technology Company | Systems and methods for detecting changes in energy usage in a building |
-
2004
- 2004-09-10 JP JP2004263884A patent/JP2006079426A/en not_active Withdrawn
Cited By (29)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US9069338B2 (en) | 2009-06-22 | 2015-06-30 | Johnson Controls Technology Company | Systems and methods for statistical control and fault detection in a building management system |
US9575475B2 (en) | 2009-06-22 | 2017-02-21 | Johnson Controls Technology Company | Systems and methods for generating an energy usage model for a building |
US9348392B2 (en) | 2009-06-22 | 2016-05-24 | Johnson Controls Technology Corporation | Systems and methods for measuring and verifying energy savings in buildings |
US11269303B2 (en) | 2009-06-22 | 2022-03-08 | Johnson Controls Technology Company | Systems and methods for detecting changes in energy usage in a building |
US8600556B2 (en) | 2009-06-22 | 2013-12-03 | Johnson Controls Technology Company | Smart building manager |
US8788097B2 (en) | 2009-06-22 | 2014-07-22 | Johnson Controls Technology Company | Systems and methods for using rule-based fault detection in a building management system |
US11927977B2 (en) | 2009-06-22 | 2024-03-12 | Johnson Controls Technology Company | Smart building manager |
US11416017B2 (en) | 2009-06-22 | 2022-08-16 | Johnson Controls Technology Company | Smart building manager |
US10261485B2 (en) | 2009-06-22 | 2019-04-16 | Johnson Controls Technology Company | Systems and methods for detecting changes in energy usage in a building |
US9639413B2 (en) | 2009-06-22 | 2017-05-02 | Johnson Controls Technology Company | Automated fault detection and diagnostics in a building management system |
US8532839B2 (en) | 2009-06-22 | 2013-09-10 | Johnson Controls Technology Company | Systems and methods for statistical control and fault detection in a building management system |
US9429927B2 (en) | 2009-06-22 | 2016-08-30 | Johnson Controls Technology Company | Smart building manager |
US9568910B2 (en) | 2009-06-22 | 2017-02-14 | Johnson Controls Technology Company | Systems and methods for using rule-based fault detection in a building management system |
US10901446B2 (en) | 2009-06-22 | 2021-01-26 | Johnson Controls Technology Company | Smart building manager |
US9606520B2 (en) | 2009-06-22 | 2017-03-28 | Johnson Controls Technology Company | Automated fault detection and diagnostics in a building management system |
WO2011100255A3 (en) * | 2010-02-09 | 2012-01-05 | Johnson Controls Technology Company | Systems and methods for measuring and verifying energy savings in buildings |
WO2011100255A2 (en) * | 2010-02-09 | 2011-08-18 | Johnson Controls Technology Company | Systems and methods for measuring and verifying energy savings in buildings |
JP2012181805A (en) * | 2011-03-03 | 2012-09-20 | Osaka Gas Co Ltd | Energy conservation behavior evaluation system |
US10325331B2 (en) | 2012-05-31 | 2019-06-18 | Johnson Controls Technology Company | Systems and methods for measuring and verifying energy usage in a building |
US9390388B2 (en) | 2012-05-31 | 2016-07-12 | Johnson Controls Technology Company | Systems and methods for measuring and verifying energy usage in a building |
US20140278165A1 (en) * | 2013-03-14 | 2014-09-18 | Johnson Controls Technology Company | Systems and methods for analyzing energy consumption model data |
US10423132B2 (en) | 2013-09-27 | 2019-09-24 | Siemens Industry, Inc. | Gaming approach for energy efficient building control |
WO2015047636A1 (en) * | 2013-09-27 | 2015-04-02 | Siemens Industry, Inc. | Gaming approach for energy efficient building control |
JPWO2015145978A1 (en) * | 2014-03-28 | 2017-04-13 | 日本電気株式会社 | Energy amount estimation device, energy amount estimation method, and energy amount estimation program |
US9778639B2 (en) | 2014-12-22 | 2017-10-03 | Johnson Controls Technology Company | Systems and methods for adaptively updating equipment models |
US10317864B2 (en) | 2014-12-22 | 2019-06-11 | Johnson Controls Technology Company | Systems and methods for adaptively updating equipment models |
JP2017134478A (en) * | 2016-01-26 | 2017-08-03 | 国立大学法人埼玉大学 | Program, information processing method, and information processing device |
JP2020067980A (en) * | 2018-10-26 | 2020-04-30 | 富士通株式会社 | Prediction program, prediction method, and prediction device |
JP7215077B2 (en) | 2018-10-26 | 2023-01-31 | 富士通株式会社 | Prediction program, prediction method and prediction device |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
JP2006079426A (en) | Apparatus and method for diagnosing energy consumption | |
Fernet et al. | How do job characteristics contribute to burnout? Exploring the distinct mediating roles of perceived autonomy, competence, and relatedness | |
Shieh | On the misconception of multicollinearity in detection of moderating effects: Multicollinearity is not always detrimental | |
US10424409B2 (en) | Guideline-based patient discharge planning | |
Nybo et al. | Age-adjusted D-dimer cut-off in the diagnostic strategy for deep vein thrombosis: a systematic review | |
Uffen et al. | Interventions for rapid recognition and treatment of sepsis in the emergency department: a narrative review | |
Kim et al. | A meta-analysis of the effect of hospital-based case management on hospital length-of-stay and readmission | |
JP2013246459A (en) | Dementia inquiry support device | |
EP3132264B1 (en) | Method and apparatus for collecting test data from use of a disposable test kit | |
US20190180875A1 (en) | Risk monitoring scores | |
Posokhov et al. | The “Pulse Time Index of Norm” highly correlates with the left ventricular mass index in patients with arterial hypertension | |
Mitchell et al. | Implementation of an Advanced Practice Registered Nurse–Led Clinic to Improve Follow-up Care for Post–Ischemic Stroke Patients | |
Soltesz et al. | On the sensitivity of non-pharmaceutical intervention models for SARS-CoV-2 spread estimation | |
JP2006301760A (en) | Medical information providing device and medical information providing method | |
JP2019003408A (en) | Evaluation method, computer, and program for hyperparameter | |
JP2011034224A (en) | Medical examination scheduling apparatus, medical examination scheduling program and medical examination scheduling method | |
Alemi et al. | Tutorial on risk-adjusted P-charts | |
US10819798B2 (en) | On-site system | |
Dong et al. | Random effects adjustment in machine learning models for cardiac surgery risk prediction: a benchmarking study | |
García-Porres et al. | Sigma level performance of the innovated process in the imaging department at a Mexican health institute | |
JP2014197329A (en) | Support device and support method | |
JP2006268080A (en) | Patent data analysis method, device, program and recording medium | |
Rhodehouse et al. | Effect of repeat manual blood pressure measurement on blood pressure and stage of hypertension | |
Liebeskind et al. | Data considerations in ischemic stroke trials | |
JP2010244374A (en) | Organization management support device |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
A300 | Application deemed to be withdrawn because no request for examination was validly filed |
Free format text: JAPANESE INTERMEDIATE CODE: A300 Effective date: 20071204 |