JP2020087276A - エネルギー消費量予測装置及びその方法 - Google Patents

エネルギー消費量予測装置及びその方法 Download PDF

Info

Publication number
JP2020087276A
JP2020087276A JP2018225010A JP2018225010A JP2020087276A JP 2020087276 A JP2020087276 A JP 2020087276A JP 2018225010 A JP2018225010 A JP 2018225010A JP 2018225010 A JP2018225010 A JP 2018225010A JP 2020087276 A JP2020087276 A JP 2020087276A
Authority
JP
Japan
Prior art keywords
weather forecast
forecast data
energy consumption
data
weather
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
JP2018225010A
Other languages
English (en)
Inventor
めぐみ 先山
Megumi Sakiyama
めぐみ 先山
利治 平松
Toshiharu Hiramatsu
利治 平松
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.)
Azbil Corp
Original Assignee
Azbil Corp
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 Azbil Corp filed Critical Azbil Corp
Priority to JP2018225010A priority Critical patent/JP2020087276A/ja
Priority to KR1020190147904A priority patent/KR20200066182A/ko
Priority to CN201911180812.8A priority patent/CN111260110A/zh
Publication of JP2020087276A publication Critical patent/JP2020087276A/ja
Pending legal-status Critical Current

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q50/00—Systems or methods specially adapted for specific business sectors, e.g. utilities or tourism
    • G06Q50/06—Electricity, gas or water supply
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01W—METEOROLOGY
    • G01W1/00—Meteorology
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N20/00—Machine learning
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q10/00—Administration; Management
    • G06Q10/04—Forecasting or optimisation specially adapted for administrative or management purposes, e.g. linear programming or "cutting stock problem"
    • G—PHYSICS
    • G05—CONTROLLING; REGULATING
    • G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
    • G05B15/00—Systems controlled by a computer

Landscapes

  • Engineering & Computer Science (AREA)
  • Business, Economics & Management (AREA)
  • Economics (AREA)
  • Theoretical Computer Science (AREA)
  • Strategic Management (AREA)
  • Human Resources & Organizations (AREA)
  • General Physics & Mathematics (AREA)
  • Physics & Mathematics (AREA)
  • Health & Medical Sciences (AREA)
  • General Business, Economics & Management (AREA)
  • Tourism & Hospitality (AREA)
  • Marketing (AREA)
  • Software Systems (AREA)
  • Environmental & Geological Engineering (AREA)
  • Operations Research (AREA)
  • Quality & Reliability (AREA)
  • Public Health (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Water Supply & Treatment (AREA)
  • General Health & Medical Sciences (AREA)
  • Development Economics (AREA)
  • Primary Health Care (AREA)
  • Game Theory and Decision Science (AREA)
  • General Engineering & Computer Science (AREA)
  • Environmental Sciences (AREA)
  • Ecology (AREA)
  • Biodiversity & Conservation Biology (AREA)
  • Atmospheric Sciences (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Mathematical Physics (AREA)
  • Computing Systems (AREA)
  • Medical Informatics (AREA)
  • Evolutionary Computation (AREA)
  • Data Mining & Analysis (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Artificial Intelligence (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)
  • Automation & Control Theory (AREA)
  • Air Conditioning Control Device (AREA)

Abstract

【課題】インターネットへの接続有無に関わらず、気象予報データを用いて、機器のエネルギー消費量を予測することができるエネルギー消費量予測装置及びその方法を提供する。【解決手段】予測対象期間に対応した気象予報データを、インターネットに接続して一定周期で取得し、この取得した気象予報データに対して、一定周期よりも短い周期で、気象予報データを補完する気象予報データ取得部１５と、気象予報データ取得部１５がインターネットに接続できない場合に、入力された気象予報データと、取得した全ての気象実測データとに基づいて、気象予報データを予測演算する気象予報データ手入力部１６と、気象予報データ取得部１５によって補完された気象予報データ、または、気象予報データ手入力部１６によって予測演算された気象予報データを用いて、設備機器２１のエネルギー消費量を予測する予測部１７とを備える。【選択図】図１

Description

この発明は、気象予報データを用いて、機器のエネルギー消費量を予測することができるエネルギー消費量予測装置及びその方法に関する。
近年、ビル等の施設には、室内環境及びエネルギー性能の最適化を図るためのビル管理システムとして、例えば、ＢＥＭＳ（Building and Energy Management System）が導入されている。このような、ビル管理システムは、エネルギーの供給設備と需要設備とを監視及び制御し、エネルギーの消費予測を行いながら、設備機器の運転を最適なものとし、施設全体の省エネルギー化を図るようにしている。
また、施設内のエネルギー消費量を予測するエネルギー消費量予測装置の中には、気象予報データを用いて、設備機器のエネルギー消費量を予測するものがある。そして、このような、従来のエネルギー消費量予測装置としては、例えば、特許文献１に開示されている。
特開２０１３−２４６７０２号公報
上記従来のエネルギー消費量予測装置は、インターネットへの接続によって、気象予報データを取得するものである。しかしながら、エネルギー消費量予測装置を設置するときには、セキュリティ保護の観点から、装置を直接的にインターネットに接続させない場合、及び、装置におけるインターネットへの接続を制限する場合がある。これにより、エネルギー消費量予測装置は、インターネットへの接続有無に関わらず、設備機器のエネルギー消費量を予測できることが求められている。
この発明は、上記のような課題を解決するためになされたもので、インターネットへの接続有無に関わらず、気象予報データを用いて、機器のエネルギー消費量を予測することができるエネルギー消費量予測装置及びその方法を提供することを目的とする。
この発明に係るエネルギー消費量予測装置は、気象予報データを用いて、機器のエネルギー消費量を予測するエネルギー消費量予測装置であって、予測対象期間に対応した気象予報データを、インターネットに接続して一定周期で取得し、この取得した気象予報データに対して、一定周期よりも短い周期で、気象予報データを補完する気象予報データ取得部と、気象予報データ取得部がインターネットに接続できない場合に、予測対象期間における気象予報データの最大予報値及び最小予報値が入力され、最大予報値及び最小予報値と、予測対象期間に対応した過去のエネルギー消費期間における所定の実測周期で実測した全ての気象実測データとに基づいて、気象予報データを予測演算する気象予報データ手入力部と、気象予報データ取得部によって補完された気象予報データ、または、気象予報データ手入力部によって予測演算された気象予報データを用いて、機器のエネルギー消費量を予測する予測部とを備えることを特徴とするものである。
この発明に係るエネルギー消費量予測方法は、気象予報データを用いて、機器のエネルギー消費量を予測するエネルギー消費量予測方法であって、予測対象期間に対応した気象予報データを、インターネットに接続して一定周期で取得した後、この取得した気象予報データに対して、一定周期よりも短い周期で、気象予報データを補完し、補完した気象予報データを用いて、機器のエネルギー消費量を予測し、インターネットに接続できない場合に、予測対象期間における気象予報データの最大予報値及び最小予報値を入力し、最大予報値及び最小予報値と、予測対象期間に対応した過去のエネルギー消費期間における所定の実測周期で実測した全ての気象実測データとに基づいて、気象予報データを予測演算し、予測演算した気象予報データを用いて、機器のエネルギー消費量を予測することを特徴とするものである。
この発明によれば、インターネットへの接続有無に関わらず、気象予報データを用いて、機器のエネルギー消費量を予測することができる。
実施の形態１に係るエネルギー消費量予測装置の構成を示した図である。 気象予報データをインターネット経由で取得したときのデータ補完方法について説明した図である。 気象予報データを手入力したときのデータ予測演算方法について説明した図である。
以下、この発明の実施の形態について図面を参照しながら詳細に説明する。
実施の形態１．
先ず、実施の形態１に係るエネルギー消費量予測装置の構成及びエネルギー消費量予測方法について、図１を用いて説明する。図１は、実施の形態１に係るエネルギー消費量予測装置の構成を示した図である。
エネルギー消費量予測装置は、収集部１１、記憶部１２、カレンダー設定部１３、機械学習部１４、気象予報データ取得部１５、気象予報データ手入力部１６、予測部１７、及び、スイッチ１８を備えている。また、エネルギー消費量予測装置は、ビル等の施設内に設けられる各種の設備機器２１と接続している。設備機器２１は、例えば、空調機器、照明機器、防犯機器等である。
収集部１１は、各種の設備機器２１と接続しており、当該設備機器２１が消費したエネルギー量を、エネルギー消費量の実績値として収集するものである。
記憶部１２は、収集部１１が収集したエネルギー消費量を、例えば、設備機器２１の種類ごとに記憶しておくものである。
カレンダー設定部１３は、日付、曜日、祝祭日、休館日、及び、特異日等のカレンダーに関するカレンダー情報が設定されるものである。
機械学習部１４は、記憶部１２に記憶されている設備機器２１のエネルギー消費量と、カレンダー設定部１３に設定されているカレンダー情報とに基づいて、予測対象期間に対応したエネルギー消費量予測モデルを、機械学習によって生成するものである。
即ち、ビル等の施設においては、平日及び土日等の日によって、人の流れが大きく変わることになり、これに伴って、設備機器２１のエネルギー消費量についても大きさも変わる。例えば、エネルギー消費量の予測対象期間を明日及び明後日の土日とする場合には、オフィスビルにおいては、そのエネルギー消費量が、平日のそれよりも減少する傾向にあり、ホテル及びショッピングセンタにおいては、そのエネルギー消費量が、平日のそれよりも増大する傾向にある。
従って、機械学習部１４は、学習対象期間を複数パターンで用意しておき、予測対象期間が、いずれかのパターンの学習対象期間に該当するのかを、自動的に選択可能となっている。これにより、機械学習部１４は、予測対象期間の特性を考慮した機械学習によって、当該予測対象期間に対応したエネルギー消費量予測モデルを生成することができる。但し、機械学習部１４によって生成されるエネルギー消費量予測モデルは、設備機器２１ごとの予測モデル、または、施設全体の予測モデルであっても構わない。
気象予報データ取得部１５は、詳細については後述するが、気象予報会社が提供する気象予報データの中から、予測対象期間に対応した気象予報データを、当該気象予報会社のウェブサイトからインターネット経由で直接的に取得して、補完するものである。
気象予報データ手入力部１６は、詳細については後述するが、気象予報データ取得部１５がインターネットに接続できない場合に、予測対象期間に対応した気象予報データを、人が装置内に入力するときに使用するものである。また、気象予報データ手入力部１６は、予測対象期間に対応した過去のエネルギー消費期間における所定の実測周期で実測した全ての気象実測データを、気象データベース（図示省略）から取得することができる。そして、気象予報データ手入力部１６は、人力によって入力された気象予報データと、気象データベースから取得した気象実測データとに基づいて、予測対象期間における気象予報データを予測演算する。
予測部１７は、機械学習部１４によって生成された、予測対象期間に対応したエネルギー消費量予測モデルに対して、気象予報データ取得部１５または気象予報データ手入力部１６から入力された、予測対象期間に対応した気象予報データを加味することにより、当該予測対象期間におけるエネルギー消費量の予測値を予測するものである。但し、予測部１７によって予測されるエネルギー消費量は、設備機器２１ごとの予測値、または、施設全体の予測値であっても構わない。
スイッチ１８は、予測部１７に入力する気象予報データを、気象予報データ取得部１５によって補完された気象予報データと、気象予報データ手入力部１６によって予測演算された気象予報データとの間で、切り替えるものである。
詳細には、スイッチ１８は、気象予報データ取得部１５がインターネットに接続できる場合には、予測部１７に入力する気象予報データを、その気象予報データ取得部１５によって補完された気象予報データに切り替える。また、スイッチ１８は、気象予報データ取得部１５がインターネットに接続できない場合には、予測部１７に入力する気象予報データを、気象予報データ手入力部１６によって予測演算された気象予報データに切り替える。
次に、気象予報データ取得部１５の動作について、図２を用いて説明する。図２は、気象予報データをインターネット経由で取得したときのデータ補完方法について説明した図である。
気象予報データ取得部１５は、予測対象期間に対応した気象予報データとして、例えば、外気温度データ及び外気湿度データをインターネット経由で取得する。ここで、気象予報会社が提供する気象予報データは、一定周期（例えば、３時間周期）で更新される。これにより、気象予報データ取得部１５は、気象予報会社が気象予報データを提供または更新するごとに、予測対象期間に対応した外気温度データ及び外気湿度データを取得する。
更に、図２に示すように、気象予報データ取得部１５は、一定周期で取得した外気温度データ及び外気湿度データに対して、その一定周期よりも短い周期（例えば、３０分周期）で、外気温度データ及び外気湿度データを保管する。
なお、図２に示した「○」印は、気象予報データ取得部１５がインターネット経由で取得した外気温度データ及び外気湿度データである。また、図２に示した「●」印は、気象予報データ取得部１５が補完した補完値である。
次に、気象予報データ手入力部１６の動作について、図３を用いて説明する。図３は、気象予報データを手入力したときのデータ予測演算方法について説明した図である。
気象予報データ手入力部１６は、気象予報データ取得部１５がインターネットに接続できない場合に、当該気象予報データ取得部１５から切り替わって、予測対象期間に対応した気象予報データを予測演算するものである。即ち、気象予報データ取得部１５がインターネットに接続できない場合には、エネルギー消費量予測装置は、予測対象期間に対応した気象予報データを取得することができないため、気象予報データ手入力部１６によって、予測対象期間に対応する気象予報データを予測演算する。
しかしながら、上述したように、気象予報データ取得部１５は、予測対象期間に対応した気象予報データとして、外気温度データ及び外気湿度データを取得すると共に、補完値を設定するため、気象予報データ手入力部１６を使用して、それら全てを手入力しようとすると、膨大な労力が必要となってしまう。
そこで、気象予報データ手入力部１６は、予測対象期間における気象予報データの最大予報値及び最小予報値が入力可能であると共に、予測対象期間に対応した過去のエネルギー消費期間における所定の実測周期で実測した全ての気象実測データが取得可能となっている。ここで、全ての気象実測データとは、予測対象期間に対応した過去のエネルギー消費期間における、所定の実測周期で実測した全ての実測値のことである。
そして、気象予報データ手入力部１６は、入力された最大予報値及び最小予報値と、取得した最大実測値及び最小実測値に基づいて、上記実測周期で、気象予報データを予測演算する。即ち、気象予報データ手入力部１６は、最大予報値、最小予報値、最大実測値、及び、最小実測値の４種類のデータ値、および、所定の実測周期で実測した全ての気象実測データを用いて、予測対象期間に対応した気象予報データを予測演算することができる。
ここで、図３において実線で示した曲線Ｘは、予測対象期間に対応した過去のエネルギー消費期間における外気温度データ（気象実測データ）の時間的変化を示したものである。また、図３において２点鎖線で示した曲線Ｙは、気象予報データ手入力部１６によって演算された外気温度データ（気象予測データ）の時間的変化を示したものである。
具体的には、図３に示すように、気象予報データ手入力部１６は、気象データベースに記憶されている曲線Ｘから、最大実測値Ｘｍａｘ及び最小実測値Ｘｍｉｎを取得する。
次いで、上記実測周期ごとの時刻をｔとし、その時刻ｔにおける実測値をＸｔとし、時刻ｔにおける予報値をＹｔとすると、予報値Ｙｔは、下記の式で表すことができる。このように、気象予報データ手入力部１６は、上記実測周期ごとに、下記の式を用いて、予報値Ｙｔを演算し続ける。なお、Ｙｍａｘは、最大予報値であり、Ｙｍｉｎは、最小予報値である。また、最大予報値Ｙｍａｘ及び最小予報値Ｙｍｉｎは、手入力された値である。
Ｙｔ＝(Ｘｔ−Ｘｍｉｎ)＊(Ｙｍａｘ−Ｙｍｉｎ)／(Ｘｍａｘ−Ｘｍｉｎ)＋Ｙｍｉｎ
即ち、気象予報データ手入力部１６は、予測対象期間において、外気温度データを上記実測周期ごとに上記式を用いて予測演算することにより、曲線Ｙを求める。
同様に、気象予報データ手入力部１６は、予測対象期間における外気湿度の時間変化を示した曲線を求める。
以上より、実施の形態１に係るエネルギー消費量予測装置は、予測対象期間に対応した気象予報データを、インターネットに接続して一定周期で取得し、この取得した気象予報データに対して、一定周期よりも短い周期で、気象予報データを補完する気象予報データ取得部１５と、気象予報データ取得部１５がインターネットに接続できない場合に、予測対象期間における気象予報データの最大予報値及び最小予報値が入力され、この入力された最大予報値及び最小予報値と、予測対象期間に対応した過去のエネルギー消費期間における所定の実測周期で実測した全ての気象実測データとに基づいて、気象予報データを予測演算する気象予報データ手入力部１６と、気象予報データ取得部１５によって補完された気象予報データ、または、気象予報データ手入力部１６によって予測演算された気象予報データを用いて、設備機器２１のエネルギー消費量を予測する予測部１７とを備えている。これにより、エネルギー消費量予測装置は、ンターネットへの接続有無に関わらず、気象予報データを用いて、設備機器２１のエネルギー消費量を予測することができる。
また、実施の形態１に係るエネルギー消費量予測装置は、カレンダーに関するカレンダー情報が設定されるカレンダー設定部１３と、カレンダー設定部１３に設定されたカレンダー情報と、設備機器２１における過去のエネルギー消費量とに基づいて、予測対象期間に対応したエネルギー消費量予測モデルを、機械学習によって生成する機械学習部１４とを備えている。これにより、機械学習部１４は、学習対象期間を複数パターンで用意しておき、予測対象期間が、いずれかのパターンの学習対象期間に該当するのかを、自動的に選択することができる。従って、機械学習部１４は、予測対象期間の特性を考慮した機械学習によって、当該予測対象期間に対応したエネルギー消費量予測モデルを生成することができる。
更に、実施の形態１に係るエネルギー消費量予測装置は、予測したエネルギー消費量を目標値として、最適運転方案のアルゴリズムと組み合わさることにより、設備機器２１の運転を常時最適な状態に保つ運転計画を、立案することができる。
なお、本願発明は、その発明の範囲内において、実施の形態の任意の構成要素の変形、もしくは、実施の形態の任意の構成要素の省略が可能である。
１１ 収集部
１２ 記憶部
１３ カレンダー設定部
１４ 機械学習部
１５ 気象予報データ取得部
１６ 気象予報データ手入力部
１７ 予測部
１８ スイッチ
２１ 設備機器

Claims (3)

  1. 気象予報データを用いて、機器のエネルギー消費量を予測するエネルギー消費量予測装置であって、
    予測対象期間に対応した気象予報データを、インターネットに接続して一定周期で取得し、この取得した気象予報データに対して、前記一定周期よりも短い周期で、気象予報データを補完する気象予報データ取得部と、
    前記気象予報データ取得部がインターネットに接続できない場合に、予測対象期間における気象予報データの最大予報値及び最小予報値が入力され、前記最大予報値及び前記最小予報値と、予測対象期間に対応した過去のエネルギー消費期間における所定の実測周期で実測した全ての気象実測データとに基づいて、気象予報データを予測演算する気象予報データ手入力部と、
    前記気象予報データ取得部によって補完された気象予報データ、または、前記気象予報データ手入力部によって予測演算された気象予報データを用いて、前記機器のエネルギー消費量を予測する予測部とを備える
    ことを特徴とするエネルギー消費量予測装置。
  2. カレンダーに関するカレンダー情報が設定されるカレンダー設定部と、
    前記カレンダー設定部に設定されたカレンダー情報と、前記機器における過去のエネルギー消費量とに基づいて、予測対象期間に対応したエネルギー消費量予測モデルを、機械学習によって生成する機械学習部とを備える
    ことを特徴とする請求項１記載のエネルギー消費量予測装置。
  3. 気象予報データを用いて、機器のエネルギー消費量を予測するエネルギー消費量予測方法であって、
    予測対象期間に対応した気象予報データを、インターネットに接続して一定周期で取得した後、この取得した気象予報データに対して、前記一定周期よりも短い周期で、気象予報データを補完し、
    補完した気象予報データを用いて、前記機器のエネルギー消費量を予測し、
    インターネットに接続できない場合に、予測対象期間における気象予報データの最大予報値及び最小予報値を入力し、
    前記最大予報値及び前記最小予報値と、予測対象期間に対応した過去のエネルギー消費期間における所定の実測周期で実測した全ての気象実測データとに基づいて、気象予報データを予測演算し、
    予測演算した気象予報データを用いて、前記機器のエネルギー消費量を予測する
    ことを特徴とするエネルギー消費量予測方法。
JP2018225010A 2018-11-30 2018-11-30 エネルギー消費量予測装置及びその方法 Pending JP2020087276A (ja)

Priority Applications (3)

Application Number Priority Date Filing Date Title
JP2018225010A JP2020087276A (ja) 2018-11-30 2018-11-30 エネルギー消費量予測装置及びその方法
KR1020190147904A KR20200066182A (ko) 2018-11-30 2019-11-18 에너지 소비량 예측 장치 및 그 방법
CN201911180812.8A CN111260110A (zh) 2018-11-30 2019-11-27 能源消耗量预测装置及其方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
JP2018225010A JP2020087276A (ja) 2018-11-30 2018-11-30 エネルギー消費量予測装置及びその方法

Publications (1)

Publication Number Publication Date
JP2020087276A true JP2020087276A (ja) 2020-06-04

Family

ID=70910034

Family Applications (1)

Application Number Title Priority Date Filing Date
JP2018225010A Pending JP2020087276A (ja) 2018-11-30 2018-11-30 エネルギー消費量予測装置及びその方法

Country Status (3)

Country Link
JP (1) JP2020087276A (ja)
KR (1) KR20200066182A (ja)
CN (1) CN111260110A (ja)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113705867A (zh) * 2021-08-16 2021-11-26 浙江浙大中控信息技术有限公司 一种基于能耗区间预测的设备异常诊断方法

Families Citing this family (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR102588604B1 (ko) 2020-11-30 2023-10-11 한국공학대학교산학협력단 태양광 발전 추정량을 이용한 실제 전력부하 산출 방법 및 시스템

Family Cites Families (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP6050955B2 (ja) 2012-05-28 2016-12-21 株式会社Ｎｔｔファシリティーズ ワークプレイス管理システム、ワークプレイス管理装置、ワークプレイス管理方法、及びプログラム

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113705867A (zh) * 2021-08-16 2021-11-26 浙江浙大中控信息技术有限公司 一种基于能耗区间预测的设备异常诊断方法

Also Published As

Publication number Publication date
CN111260110A (zh) 2020-06-09
KR20200066182A (ko) 2020-06-09

Similar Documents

Publication Publication Date Title
US11860661B2 (en) Method and apparatus to assess and control energy efficiency of pump installed in facility of building systems
US20190294133A1 (en) Apparatus and method for prioritizing demand response dispatch based on occupancy
US10684599B2 (en) Occupancy based energy consumption control
JP5851105B2 (ja) エネルギー需要予測装置及びプログラム
US10795394B2 (en) System for energy management based on estimated resource utilization
US10488878B2 (en) Apparatus and method for energy management of multiple facilities as a function of estimated occupancy
US10802452B2 (en) Mechanism for occupancy based traffic control
US9786143B1 (en) Apparatus and method for automated building security based on estimated occupancy
US10552869B2 (en) Apparatus and method for targeted marketing based on estimated building occupancy
US20170323208A1 (en) Apparatus and method for forecasting occupancy based on energy consumption
KR102578639B1 (ko) 기계학습을 이용한 단계적 태양광 발전량 예측 장치 및 방법
US20170323207A1 (en) Apparatus and method for occupancy determination
JP2020087276A (ja) エネルギー消費量予測装置及びその方法
JP6091568B1 (ja) 電力消費量予測制御装置、電力消費量予測方法および電力消費量予測プログラム
JP2006350920A (ja) エネルギー需要予測システム及び需要予測方法
JP2008259308A (ja) 電力管理システム、電力管理サーバ、および、電力管理方法
JPH07151369A (ja) 熱負荷予測装置およびプラント熱負荷予測装置
JP6198953B2 (ja) 管理装置、管理システム、管理方法、及び、プログラム
JP5975276B2 (ja) 運転管理装置、デマンドレスポンス制御発動時の電力実測値補正方法
JP6438548B1 (ja) 電力デマンド予測方法及び電力デマンド予測システム
Shivakumar Use of smart buildings technology to optimize indoor climate control in local government buildings
Fernandez et al. Targeted Energy Efficiency Expert Evaluation Report: Neal Smith Federal Building, Des Moines, IA