JP2020521200A - ビルディング機器用のモデル予測的メンテナンスシステム - Google Patents

Abstract

ビルディング機器用のモデル予測的メンテナンス（ＭＰＭ）システムが、ビルディング機器を動作させて、ビルディングでの可変状態又は状況に影響を与えるように構成された機器コントローラと、最適化期間の継続期間にわたってビルディング機器を動作させるコストを予測するように構成された動作コスト予測器とを含む。ＭＰＭシステムは、最適化期間の継続期間にわたってビルディング機器に対するメンテナンスを実施するコストを予測するように構成されたメンテナンスコスト予測器と、目的関数を最適化して、最適化期間の継続期間にわたるビルディング機器に関連する総コストを予測するように構成された目的関数オプティマイザとを含む。目的関数は、ビルディング機器を動作させる予測されたコストと、ビルディング機器に対するメンテナンスを実施する予測されたコストとを含む。

Description

関連出願への相互参照
本出願は、２０１７年５月２５日出願の米国仮特許出願第６２／５１１，１１３号の利益及び優先権を主張し、上記仮特許出願の開示全体を参照により本明細書に援用する。

本開示は、概して、ビルディング機器用のメンテナンスシステムに関し、より詳細には、予測最適化技法を使用してビルディング機器用の最適なメンテナンス戦略を決定するメンテナンスシステムに関する。

ビルディング機器は通常、ビルディング機器用のメンテナンス戦略に従ってメンテナンスされる。メンテナンス戦略の１つのタイプは、ランツーフェール（ｒｕｎ−ｔｏ−ｆａｉｌ；故障するまで稼働する）である。ランツーフェール戦略は、故障が発生するまでビルディング機器が稼働できるようにする。この稼働期間中、ビルディング機器をメンテナンスするために、簡単な動作メンテナンスタスク（例えば、オイル交換）のみが実施される。

別のタイプのメンテナンス戦略は、予防的メンテナンスである。通常、予防的メンテナンス戦略は、製造された機器によって推奨される１組の予防的メンテナンスタスクの実施を含む。予防的メンテナンスタスクは通常、定期的な間隔（例えば、毎月、毎年など）で実施され、間隔は、動作の経過時間及び／又はビルディング機器の稼働時間に応じていてよい。

別のタイプのメンテナンス戦略は、予測的メンテナンスである。予測的メンテナンス戦略は、ビルディング機器の実際の動作条件を理解するために、ビルディング機器からのフィードバックを使用して診断を実施する。次いで、ビルディング機器の動作条件を使用して、どのメンテナンスタスクがビルディング機器の性能を最も向上させるかを予測することができる。しかし、いくつかのメンテナンスタスクは他のメンテナンスタスクよりも高価であり、ビルディング機器の性能に異なるレベルでの向上をもたらすことがある。どのメンテナンスタスクを実施すべきかを決定するとき、様々なメンテナンスタスクのコスト及び利益を正確に予測することは困難であり得る。

本開示の一実装は、ビルディング機器用のモデル予測的メンテナンス（ＭＰＭ）システムである。ＭＰＭシステムは、ビルディング機器を動作させて、ビルディングでの可変状態又は状況に影響を与えるように構成された機器コントローラと、最適化期間の継続期間にわたってビルディング機器を動作させるコストを予測するように構成された動作コスト予測器とを含む。ＭＰＭシステムは、最適化期間の継続期間にわたってビルディング機器に対するメンテナンスを実施するコストを予測するように構成されたメンテナンスコスト予測器と、目的関数を最適化して、最適化期間の継続期間にわたるビルディング機器に関連する総コストを予測するように構成された目的関数オプティマイザとを含む。目的関数は、ビルディング機器を動作させる予測されたコストと、ビルディング機器に対するメンテナンスを実施する予測されたコストとを含む。

いくつかの実施形態では、ＭＰＭシステムは、最適化期間の継続期間にわたってビルディング機器を購入又は交換するコストを予測するように構成された資本コスト予測器を含む。目的関数は、ビルディング機器を購入又は交換する予測されたコストをさらに含むことがある。

いくつかの実施形態では、ＭＰＭシステムは、ビルディング機器からの閉ループフィードバックに基づいてリアルタイムベースで目的関数を動的に更新するように構成された目的関数生成器を含む。

いくつかの実施形態では、メンテナンスコスト予測器は、最適化期間の各時間中にビルディング機器に対してメンテナンスが実施されるかどうかを示す複数のバイナリ決定変数の関数として、ビルディング機器に対するメンテナンスを実施するコストを予測するように構成される。

いくつかの実施形態では、動作コスト予測器は、最適化期間の各時間ステップにおいてビルディング機器の動作効率を決定し、最適化期間の各時間ステップにおける動作効率の関数としてビルディング機器を動作させるコストを予測するように構成される。

いくつかの実施形態では、動作コスト予測器は、ビルディング機器からのフィードバックとして受信された機器性能情報を使用して、ビルディング機器の初期動作効率を決定し、最適化期間の連続する時間ステップ間で動作効率が低下する量を定義する効率低下係数を識別し、初期動作効率及び効率低下係数を使用して、最適化期間の各時間ステップにおけるビルディング機器の動作効率を決定するように構成される。

いくつかの実施形態では、目的関数が、最適化期間の各時間中にビルディング機器に対してメンテナンスが実施されるかどうかを示す複数のバイナリ決定変数を含む。動作コスト予測器は、メンテナンスが実施されることをバイナリ決定変数が示す各時間ステップにおいて、ビルディング機器の動作効率を、メンテナンス後の効率値にリセットするように構成されることがある。

本開示の別の実装は、ビルディング機器用の別のモデル予測的メンテナンス（ＭＰＭ）システムである。ＭＰＭシステムは、ビルディング機器を動作させて、ビルディングでの可変状態又は状況に影響を与えるように構成された機器コントローラと、メンテナンスコスト予測器と、目的関数オプティマイザとを含む。メンテナンスコスト予測器は、最適化期間の各時間中にビルディング機器に対してメンテナンスが実施されるかどうかを示す複数のバイナリ決定変数の関数として、最適化期間の継続時間にわたってビルディング機器に対するメンテナンスを実施するコストを予測するように構成される。目的関数オプティマイザは、目的関数を最適化して、最適化期間の継続期間にわたるビルディング機器に関連する総コストを予測するように構成される。目的関数は、ビルディング機器に対するメンテナンスを実施する予測されたコストを含む。

いくつかの実施形態では、メンテナンスコスト予測器が、ビルディング機器からのフィードバックとして受信された機器性能情報を使用して、最適化期間の各時間ステップにおけるビルディング機器の信頼性を決定し、最適化期間の各時間ステップにおけるビルディング機器の信頼性に基づいて、バイナリ決定変数に関する値を決定するように構成される。

いくつかの実施形態では、ＭＰＭシステムは、最適化期間の継続期間にわたってビルディング機器を購入又は交換するコストを予測するように構成された資本コスト予測器を含む。目的関数は、ビルディング機器を購入又は交換する予測されたコストを含むことがある。

いくつかの実施形態では、ＭＰＭシステムは、バイナリ決定変数の関数として、最適化期間の継続時間にわたってビルディング機器を動作させるコストを予測するように構成された動作コスト予測器を含む。目的関数は、ビルディング機器を動作させる予測されたコストを含むことがある。

いくつかの実施形態では、動作コスト予測器が、最適化期間の各時間ステップにおけるビルディング機器の動作効率を決定し、最適化期間の各時間ステップにおける動作効率の関数として、ビルディング機器を動作させるコストを予測するように構成される。

いくつかの実施形態では、動作コスト予測器が、ビルディング機器からのフィードバックとして受信された機器性能情報を使用して、ビルディング機器の初期動作効率を決定し、最適化期間の連続する時間ステップ間で動作効率が低下する量を定義する効率低下係数を識別し、初期動作効率及び効率低下係数を使用して、最適化期間の各時間ステップにおけるビルディング機器の動作効率を決定するように構成される。

いくつかの実施形態では、動作コスト予測器は、メンテナンスが実施されることをバイナリ決定変数が示す各時間ステップにおいて、ビルディング機器の動作効率を、メンテナンス後の効率値にリセットするように構成される。

本開示の別の実装は、ビルディング機器用の別のモデル予測的メンテナンス（ＭＰＭ）システムである。ＭＰＭシステムは、ビルディング機器を動作させて、ビルディングでの可変状態又は状況に影響を与えるように構成された機器コントローラと、最適化期間の継続期間にわたってビルディング機器を動作させるコストを予測するように構成された動作コスト予測器とを含む。ＭＰＭシステムは、最適化期間の継続期間にわたってビルディング機器に対するメンテナンスを実施するコストを予測するように構成されたメンテナンスコスト予測器と、目的関数を最適化して、最適化期間の継続期間にわたってビルディング機器を動作及びメンテナンスするための最適な戦略を決定するように構成された目的関数オプティマイザとを含む。目的関数は、ビルディング機器を動作させる予測されたコストと、ビルディング機器に対するメンテナンスを実施する予測されたコストとを含む。

いくつかの実施形態では、動作コスト予測器が、最適化期間の各時間ステップ中のビルディング機器の予測されるエネルギー消費量の関数として、ビルディング機器を動作させるコストを予測するように構成される。メンテナンスコスト予測器は、最適化期間の各時間中にビルディング機器に対してメンテナンスが実施されるかどうかを示す複数のバイナリ決定変数の関数として、ビルディング機器に対するメンテナンスを実施するコストを予測するように構成されることがある。目的関数オプティマイザは、目的関数を最適化して、バイナリ決定変数に関する最適値を決定するように構成されることがある。

いくつかの実施形態では、動作コスト予測器が、最適化期間の各時間ステップにおいてビルディング機器の動作効率を決定し、最適化期間の各時間ステップ中の動作効率の関数として、最適化期間の各時間ステップ中のビルディング機器のエネルギー消費量を予測するように構成される。

いくつかの実施形態では、動作コスト予測器が、ビルディング機器からのフィードバックとして受信された機器性能情報を使用して、ビルディング機器の初期動作効率を決定し、最適化期間の連続する時間ステップ間で動作効率が低下する量を定義する効率低下係数を識別し、初期動作効率及び効率低下係数を使用して、最適化期間の各時間ステップにおけるビルディング機器の動作効率を決定するように構成される。

いくつかの実施形態では、動作コスト予測器は、メンテナンスが実施されることをバイナリ決定変数が示す各時間ステップにおいて、ビルディング機器の動作効率を、メンテナンス後の効率値にリセットするように構成される。

いくつかの実施形態では、ＭＰＭシステムは、最適化期間の継続期間にわたってビルディング機器を購入又は交換するコストを予測するように構成された資本コスト予測器を含む。目的関数は、ビルディング機器を購入又は交換する予測されたコストを含むことがある。

上記の概要は単に例示にすぎず、何ら限定を意図するものではないことを当業者には理解されたい。特許請求の範囲によってのみ定義される、本明細書で述べるデバイス及び／又はプロセスの他の態様、進歩性のある特徴、及び利点は、本明細書で述べる詳細な説明を添付図面と併せて読めば明らかになろう。

例示的実施形態による、ＨＶＡＣシステムを備えたビルディングを示す図である。 例示的実施形態による、図１のビルディングの加熱又は冷却負荷をサービス提供するために使用することができるウォーターサイドシステムのブロック図である。 例示的実施形態による、図１のビルディングの加熱又は冷却負荷をサービス提供するために使用することができるエアサイドシステムのブロック図である。 例示的実施形態による、図１のビルディングを監視及び制御するために使用することができるビルディング管理システム（ＢＭＳ）のブロック図である。 例示的実施形態による、図１のビルディングを監視及び制御するために使用することができる別のＢＭＳのブロック図である。 例示的実施形態による、ビルディングに設置された接続された機器からの機器性能情報を監視するモデル予測的メンテナンス（ＭＰＭ）システムを含むビルディングシステムのブロック図である。 例示的実施形態による、図６のＭＰＭシステムに機器性能情報を提供する１タイプの接続された機器であり得る冷却器の概略図である。 例示的実施形態による、図６のＭＰＭシステムをより詳細に示すブロック図である。 例示的実施形態による、図６のＭＰＭシステムの高レベルオプティマイザをより詳細に示すブロック図である。 例示的実施形態による、図６のＭＰＭシステムを動作させるプロセスのフローチャートである。

図面を全体として参照すると、様々な例示的実施形態によるモデル予測的メンテナンス（ＭＰＭ）システム及びその構成要素が示されている。ＭＰＭシステムは、ビルディング機器に関する最適なメンテナンス戦略を決定するように構成することができる。いくつかの実施形態では、最適なメンテナンス戦略は、最適化期間（例えば、３０週、５２週、１０年、３０年など）の継続期間にわたるビルディング機器の購入、メンテナンス、及び動作に関連する総コストを最適化する１組の決定事項である。これらの決定事項は、例えば、機器の購入の決定、機器のメンテナンスの決定、及び機器の動作の決定を含むことができる。ＭＰＭシステムは、モデル予測制御技法を使用して、これらの決定事項の関数として総コストを表す目的関数を定式化することができる。決定事項は、決定変数として目的関数に含めることができる。ＭＰＭシステムは、様々な最適化技法のいずれかを使用して目的関数を最適化（例えば最小化）して、各決定変数に関する最適値を識別することができる。

ＭＰＭシステムによって最適化することができる目的関数の一例は、次式で示される。

ここで、Ｃ_ｏｐ，ｉは、最適化期間の時間ステップｉにおいてビルディング機器が消費する単位エネルギーあたりのコスト（例えば、＄／ｋＷｈ）であり、Ｐ_ｏｐ，ｉは、時間ステップｉにおけるビルディング機器の電力消費量（例えば、ｋＷ）であり、Δｔは、各時間ステップｉの継続時間であり、Ｃ_{ｍａｉｎ，ｉ}は、時間ステップｉにおいてビルディング機器に対して実施されるメンテナンスのコストであり、Ｂ_{ｍａｉｎ，ｉ}は、メンテナンスが実施されるかどうかを示すバイナリ変数であり、Ｃ_{ｃａｐ，ｉ}は、時間ステップｉにおいてビルディング機器の新たなデバイスを購入する資本コストであり、Ｂ_{ｃａｐ，ｉ}は、新たなデバイスが購入されるかどうかを示すバイナリ変数であり、ｈは、最適化が実施される水平又は最適化期間の継続時間である。

目的関数Ｊの第１項は、最適化期間の継続期間にわたるビルディング機器の動作コストを表す。いくつかの実施形態では、単位エネルギーあたりのコストＣ_ｏｐ，ｉは、エネルギー価格データとして公益企業から受信される。コストＣ_ｏｐ，ｉは、時刻、曜日（例えば平日か週末か）、現在の季節（例えば夏か冬か）、又は他の時間ベースの因子に依存する時変コストでよい。例えば、コストＣ_ｏｐ，ｉは、ピークエネルギー消費期間中にはより高く、オフピーク又は部分ピークエネルギー消費期間中にはより低いことがある。

いくつかの実施形態では、電力消費量Ｐ_ｏｐ，ｉは、ビルディングの加熱又は冷却負荷に基づく。加熱又は冷却負荷は、ビルディング占有、時刻、曜日、現在の季節、又は加熱若しくは冷却負荷に影響を与え得る他の因子に応じて、ＭＰＭシステムによって予測することができる。いくつかの実施形態では、ＭＰＭシステムは、気象サービスからの天気予報を使用して加熱又は冷却負荷を予測する。電力消費量Ｐ_ｏｐ，ｉは、ビルディング機器の効率η_ｉにも依存する。例えば、高い効率で動作するビルディング機器は、低い効率で動作するビルディング機器に比べて、同じ加熱又は冷却負荷を満たすために消費する電力Ｐ_ｏｐ，ｉが少ないことがある。

有利には、ＭＰＭシステムは、メンテナンス決定Ｂ_{ｍａｉｎ，ｉ}及び機器購入決定Ｂ_{ｃａｐ，ｉ}の関数として、各時間ステップｉにおけるビルディング機器の効率η_ｉをモデル化することができる。例えば、特定のデバイスに関する効率η_ｉは、デバイスが購入された時に初期値η_０で始まることがあり、時間と共に低下し、連続する各時間ステップｉと共に効率η_ｉが低下することがある。デバイスに対するメンテナンスを実施することで、メンテナンスが実施された直後に効率η_ｉをより高い値にリセットすることができる。同様に、新たなデバイスを購入して既存のデバイスと交換することで、新たなデバイスが購入された直後に効率η_ｉをより高い値にリセットすることができる。リセット後、効率η_ｉは、メンテナンスが実施される又は新たなデバイスが購入される次の時点まで、時間と共に低下し続けることがある。

メンテナンスの実施又は新たなデバイスの購入により、動作中の電力消費量Ｐ_ｏｐ，ｉが比較的低くなり、したがって、メンテナンスが実施された後又は新たなデバイスが購入された後に各時間ステップｉにおける動作コストがより低くなることがある。言い換えると、メンテナンスの実施又は新たなデバイスの購入により、目的関数Ｊの第１項によって表される動作コストを低減することができる。しかし、メンテナンスの実施により、目的関数Ｊの第２項が増加することがあり、新たなデバイスの購入により、目的関数Ｊの第３項が増加することがある。目的関数Ｊは、これらの各コストを捕捉し、ＭＰＭシステムによって最適化して、最適化期間の継続期間にわたるメンテナンス及び機器購入決定の最適な組（すなわち、バイナリ決定変数Ｂ_{ｍａｉｎ，ｉ}及びＢ_{ｃａｐ，ｉ}に関する最適値）を決定することができる。

いくつかの実施形態では、ＭＰＭシステムは、ビルディング機器からのフィードバックとして受信された機器性能情報を使用して、ビルディング機器の効率及び／又は信頼性を推定する。効率は、ビルディング機器での加熱又は冷却負荷とビルディング機器の電力消費量との関係を示すことがある。ＭＰＭシステムは、効率を使用して、Ｐ_ｏｐ，ｉの対応する値を計算することができる。信頼性は、ビルディング機器がその現在の動作条件下で障害なく動作し続ける尤度の統計的尺度であり得る。より過酷な条件下（例えば、高負荷、高温など）での動作は、信頼性をより低くすることがあり、より過酷でない条件下（例えば、低負荷、中程度の温度など）での動作は、信頼性をより高くすることがある。いくつかの実施形態では、信頼性は、ビルディング機器が最後にメンテナンスを受けてから経過した時間量、及び／又はビルディング機器が購入若しくは設置されてから経過した時間量に基づく。

いくつかの実施形態では、ＭＰＭシステムは、機器購入及びメンテナンスの推奨を生成及び提供する。機器購入及びメンテナンスの推奨は、目的関数Ｊを最適化することによって決定されるバイナリ決定変数Ｂ_{ｍａｉｎ，ｉ}及びＢ_{ｃａｐ，ｉ}に関する最適値に基づくことがある。例えば、ビルディング機器の特定のデバイスに関するＢ_{ｍａｉｎ，２５}＝１の値は、最適化期間の第２５の時間ステップにおいてそのデバイスに対してメンテナンスが実施されるべきであることを示すことがあり、Ｂ_{ｍａｉｎ，２５}＝０の値は、その時間ステップにおいてメンテナンスを実施すべきでないことを示すことがある。同様に、Ｂ_{ｃａｐ，２５}＝１の値は、最適化期間の第２５の時間ステップにおいて、ビルディング機器の新たなデバイスを購入すべきであることを示すことがあり、Ｂ_{ｃａｐ，２５}＝０の値は、その時間ステップにおいて新たなデバイスを購入すべきでないことを示すことがある。

有利には、ＭＰＭシステムによって生成される機器購入及びメンテナンスの推奨は、ビルディング機器の実際の動作条件及び実際の性能に基づく予測的な推奨である。ＭＰＭシステムによって実施される最適化は、メンテナンスを実施するコスト及び新たな機器を購入するコストを、そのようなメンテナンス又は購入の決定により生じる動作コストの低減に対して重み付けして、総複合コストＪを最小化する最適なメンテナンス戦略を決定する。このようにして、ＭＰＭシステムによって生成される機器購入及びメンテナンスの推奨は、各グループのビルディング機器に特有のものとなり、特定のグループのビルディング機器に関する最適なコストＪを実現することができる。機器に特有の推奨は、いくつかのグループの接続された機器６１０及び／又はいくつかの動作条件に関しては最適でないことがある機器製造業者によって提供される一般的な予防的メンテナンスの推奨（例えば、毎年の機器の整備）に比べ、全体的なコストＪを低くすることができる。ＭＰＭシステムのこれら及び他の特徴を以下で詳細に述べる。

ビルディングＨＶＡＣシステム及びビルディング管理システム
ここで、図１〜図５を参照すると、いくつかの実施形態による、本開示のシステム及び方法を実施することができるいくつかのビルディング管理システム（ＢＭＳ）及びＨＶＡＣシステムが示されている。簡単な概要として、図１は、ＨＶＡＣシステム１００を備えたビルディング１０を示す。図２は、ビルディング１０にサービス提供するために使用することができるウォーターサイドシステム２００のブロック図である。図３は、ビルディング１０にサービス提供するために使用することができるエアサイドシステム３００のブロック図である。図４は、ビルディング１０を監視及び制御するために使用することができるＢＭＳのブロック図である。図５は、ビルディング１０を監視及び制御するために使用することができる別のＢＭＳのブロック図である。

ビルディング及びＨＶＡＣシステム
特に図１を参照すると、ビルディング１０の斜視図が示されている。ビルディング１０は、ＢＭＳによってサービス提供される。ＢＭＳは、一般に、ビルディング又はビルディングエリアの内部又は周辺の機器を制御、監視、及び管理するように構成されたデバイスのシステムである。ＢＭＳは、例えば、ＨＶＡＣシステム、セキュリティシステム、照明システム、火災警報システム、ビルディングの機能若しくはデバイスを管理することが可能な任意の他のシステム、又はそれらの任意の組合せを含むことができる。

ビルディング１０にサービス提供するＢＭＳは、ＨＶＡＣシステム１００を含む。ＨＶＡＣシステム１００は、ビルディング１０のための暖房、冷房、換気、又は他のサービスを提供するように構成された複数のＨＶＡＣデバイス（例えば、加熱器、冷却器、エアハンドリングユニット、ポンプ、ファン、熱エネルギー貯蔵装置など）を含み得る。例えば、ＨＶＡＣシステム１００は、ウォーターサイドシステム１２０及びエアサイドシステム１３０を含むものとして示されている。ウォーターサイドシステム１２０は、加熱又は冷却された流体をエアサイドシステム１３０のエアハンドリングユニットに提供し得る。エアサイドシステム１３０は、加熱又は冷却された流体を使用して、ビルディング１０に提供される気流を加熱又は冷却し得る。ＨＶＡＣシステム１００で使用され得る例示的なウォーターサイドシステム及びエアサイドシステムについては、図２〜３を参照してより詳細に述べる。

ＨＶＡＣシステム１００は、冷却器１０２、ボイラ１０４、及び屋上エアハンドリングユニット（ＡＨＵ）１０６を含むものとして示されている。ウォーターサイドシステム１２０は、ボイラ１０４及び冷却器１０２を使用して、作動流体（例えば水やグリコールなど）を加熱又は冷却することができ、作動流体をＡＨＵ１０６に循環させ得る。様々な実施形態において、ウォーターサイドシステム１２０のＨＶＡＣデバイスは、（図１に示されるように）ビルディング１０内若しくは周囲に位置していても、又は中央プラント（例えば冷却器プラント、蒸気プラント、熱プラントなど）など場外の位置に位置していてもよい。作動流体は、ビルディング１０に暖房が必要とされているか冷房が必要とされているかに応じて、ボイラ１０４で加熱されるか、又は冷却器１０２で冷却され得る。ボイラ１０４は、例えば、可燃性材料（例えば天然ガス）を燃焼することによって、又は電気加熱要素を使用することによって、循環される流体に熱を加え得る。冷却器１０２は、循環される流体を、熱交換器（例えば蒸発器）内の別の流体（例えば冷媒）との熱交換関係にして、循環される流体から熱を吸収し得る。冷却器１０２及び／又はボイラ１０４からの作動流体は、配管１０８を通してＡＨＵ１０６に輸送され得る。

ＡＨＵ１０６は、（例えば冷却コイル及び／又は加熱コイルの１つ又は複数のステージを通って）ＡＨＵ１０６を通過する気流と作動流体を熱交換関係にすることができる。気流は、例えば外気、ビルディング１０内からの還気、又はそれら両方の組合せであってもよい。ＡＨＵ１０６は、気流と作動流体との間で熱を伝達して、気流を加熱又は冷却し得る。例えば、ＡＨＵ１０６は、１つ又は複数のファン又は送風機を含んでもよく、ファン又は送風機は、作動流体を含む熱交換器の上に、又は熱交換器を通して空気を流すように構成される。次いで、作動流体は、配管１１０を通って冷却器１０２又はボイラ１０４に戻り得る。

エアサイドシステム１３０は、ＡＨＵ１０６によって供給される気流（すなわち給気流）を、給気ダクト１１２を通してビルディング１０に送給し、還気を、ビルディング１０から還気ダクト１１４を通してＡＨＵ１０６に提供し得る。いくつかの実施形態では、エアサイドシステム１３０は、複数の可変空気体積（ＶＡＶ）ユニット１１６を含む。例えば、エアサイドシステム１３０は、ビルディング１０の各フロア又は区域に別個のＶＡＶユニット１１６を含むものとして示されている。ＶＡＶユニット１１６は、ビルディング１０の個々の区域に提供される給気流の量を制御するように動作させることができるダンパ又は他の流量制御要素を含み得る。他の実施形態では、エアサイドシステム１３０は、中間ＶＡＶユニット１１６又は他の流量制御要素を使用せずに、（例えば供給ダクト１１２を通して）ビルディング１０の１つ又は複数の区域に給気流を送給する。ＡＨＵ１０６は、給気流の属性を測定するように構成された様々なセンサ（例えば温度センサや圧力センサなど）を含み得る。ＡＨＵ１０６は、ＡＨＵ１０６内及び／又はビルディング区域内に位置するセンサからの入力を受信することができ、ＡＨＵ１０６を通る給気流の流量、温度、又は他の属性を調節して、ビルディング区域に関する設定値条件を実現し得る。

ウォーターサイドシステム
次に図２を参照すると、いくつかの実施形態によるウォーターサイドシステム２００のブロック図が示されている。様々な実施形態において、ウォーターサイドシステム２００は、ＨＶＡＣシステム１００内のウォーターサイドシステム１２０を補助するか、若しくはそれに置き代わってもよく、又はＨＶＡＣシステム１００とは別個に実装されてもよい。ＨＶＡＣシステム１００に実装されるとき、ウォーターサイドシステム２００は、ＨＶＡＣシステム１００内のＨＶＡＣデバイスのサブセット（例えばボイラ１０４、冷却器１０２、ポンプ、弁など）を含んでもよく、加熱又は冷却された流体をＡＨＵ１０６に供給するように動作し得る。ウォーターサイドシステム２００のＨＶＡＣデバイスは、ビルディング１０内に（例えばウォーターサイドシステム１２０の構成要素として）位置しても、中央プラントなど場外の位置に位置してもよい。

図２で、ウォーターサイドシステム２００は、複数のサブプラント２０２〜２１２を有する中央プラントとして示されている。サブプラント２０２〜２１２は、加熱器サブプラント２０２、熱回収冷却器サブプラント２０４、冷却器サブプラント２０６、冷却塔サブプラント２０８、高温熱エネルギー貯蔵（ＴＥＳ）サブプラント２１０、及び冷熱エネルギー貯蔵（ＴＥＳ）サブプラント２１２を含むものとして示されている。サブプラント２０２〜２１２は、公益事業からの資源（例えば水、天然ガス、電気など）を消費して、ビルディング又はキャンパスの熱エネルギー負荷（例えば温水、冷水、暖房、冷房など）を提供する。例えば、加熱器サブプラント２０２は、加熱器サブプラント２０２とビルディング１０との間で温水を循環させる温水ループ２１４内の水を加熱するように構成され得る。冷却器サブプラント２０６は、冷却器サブプラント２０６とビルディング１０との間で冷水を循環させる冷水ループ２１６内の水を冷却するように構成され得る。熱回収冷却器サブプラント２０４は、冷水ループ２１６から温水ループ２１４に熱を伝達して、温水のための追加加熱及び冷水のための追加冷却を可能にするように構成され得る。凝縮器水ループ２１８が、冷却器サブプラント２０６内の冷水から熱を吸収し、吸収された熱を冷却塔サブプラント２０８内に排除するか、又は吸収された熱を温水ループ２１４に伝達し得る。高温ＴＥＳサブプラント２１０及び低温ＴＥＳサブプラント２１２は、その後の使用のために、それぞれ高熱及び低熱エネルギーを貯蔵し得る。

温水ループ２１４及び冷水ループ２１６は、ビルディング１０の屋上に位置するエアハンドラ（例えばＡＨＵ１０６）に、又はビルディング１０の個々のフロア若しくは区域（例えばＶＡＶユニット１１６）に、加熱及び／又は冷却された水を送給し得る。エアハンドラは、水が流れる熱交換器（例えば加熱コイル又は冷却コイル）に空気を押し通して、空気を加熱又は冷却する。加熱又は冷却された空気は、ビルディング１０の個々の区域に送給されて、ビルディング１０の熱エネルギー負荷を提供し得る。次いで、水はサブプラント２０２〜２１２に戻り、さらなる加熱又は冷却を受ける。

サブプラント２０２〜２１２は、ビルディングへの循環用の水を加熱及び冷却するものとして図示されて述べられているが、熱エネルギー負荷を供給するために水の代わりに、又は水に加えて、任意の他のタイプの作動流体（例えばグリコールやＣＯ２など）が使用されてもよいことを理解されたい。他の実施形態では、サブプラント２０２〜２１２は、中間伝熱流体を必要とせずに、ビルディング又はキャンパスに加熱及び／又は冷却を直接提供し得る。ウォーターサイドシステム２００に対するこれら及び他の変形形態も本開示の教示の範囲内にある。

サブプラント２０２〜２１２はそれぞれ、サブプラントの機能を実現しやすくするように構成された様々な機器を含み得る。例えば、加熱器サブプラント２０２は、温水ループ２１４内の温水に熱を加えるように構成された複数の加熱要素２２０（例えばボイラや電気加熱器など）を含むものとして示されている。また、加熱器サブプラント２０２は、いくつかのポンプ２２２及び２２４を含むものとして示されており、これらのポンプ２２２及び２２４は、温水ループ２１４内で温水を循環させ、個々の加熱要素２２０を通る温水の流量を制御するように構成される。冷却器サブプラント２０６は、冷水ループ２１６内の冷水から熱を除去するように構成された複数の冷却器２３２を含むものとして示されている。また、冷却器サブプラント２０６は、いくつかのポンプ２３４及び２３６を含むものとして示されており、ポンプ２３４及び２３６は、冷水ループ２１６内で冷水を循環させ、個々の冷却器２３２を通る冷水の流量を制御するように構成される。

熱回収冷却器サブプラント２０４は、冷水ループ２１６から温水ループ２１４に熱を伝達するように構成された複数の熱回収熱交換器２２６（例えば冷蔵回路）を含むものとして示されている。また、熱回収冷却器サブプラント２０４は、いくつかのポンプ２２８及び２３０を含むものとして示されており、ポンプ２２８及び２３０は、熱回収熱交換器２２６を通して温水及び／又は冷水を循環させ、個々の熱回収熱交換器２２６を通る水の流量を制御するように構成される。冷却塔サブプラント２０８は、凝縮器水ループ２１８内の凝縮器水から熱を除去するように構成された複数の冷却塔２３８を含むものとして示されている。また、冷却塔サブプラント２０８は、いくつかのポンプ２４０を含むものとして示されており、ポンプ２４０は、凝縮器水ループ２１８内で凝縮器水を循環させ、個々の冷却塔２３８を通る凝縮器水の流量を制御するように構成される。

高温ＴＥＳサブプラント２１０は、後の使用のために温水を貯蔵するように構成された高温ＴＥＳタンク２４２を含むものとして示されている。また、高温ＴＥＳサブプラント２１０は、１つ又は複数のポンプ又は弁を含んでもよく、これらのポンプ又は弁は、高温ＴＥＳタンク２４２の内外への温水の流量を制御するように構成される。低温ＴＥＳサブプラント２１２は、後の使用のために冷水を貯蔵するように構成された低温ＴＥＳタンク２４４を含むものとして示されている。また、低温ＴＥＳサブプラント２１２は、１つ又は複数のポンプ又は弁を含むこともあり、これらのポンプ又は弁は、低温ＴＥＳタンク２４４の内外への冷水の流量を制御するように構成される。

いくつかの実施形態では、ウォーターサイドシステム２００内のポンプ（例えばポンプ２２２、２２４、２２８、２３０、２３４、２３６、及び／又は２４０）又はウォーターサイドシステム２００内のパイプラインの１つ又は複数が、それらに関連付けられた隔離弁を含む。隔離弁は、ウォーターサイドシステム２００内の流体の流れを制御するために、ポンプと一体化されても、ポンプの上流又は下流に位置決めされてもよい。様々な実施形態において、ウォーターサイドシステム２００は、ウォーターサイドシステム２００の特定の構成と、ウォーターサイドシステム２００によって提供される負荷のタイプとに基づいて、より多数、より少数、又は異なるタイプのデバイス及び／又はサブプラントを含むこともある。

エアサイドシステム
次に図３を参照すると、いくつかの実施形態によるエアサイドシステム３００のブロック図が示されている。様々な実施形態において、エアサイドシステム３００は、ＨＶＡＣシステム１００内のエアサイドシステム１３０を補助するか、若しくはそれに置き代わってもよく、又はＨＶＡＣシステム１００とは別個に実装されてもよい。ＨＶＡＣシステム１００に実装されるとき、エアサイドシステム３００は、ＨＶＡＣシステム１００内のＨＶＡＣデバイスのサブセット（例えばＡＨＵ１０６、ＶＡＶユニット１１６、ダクト１１２〜１１４、ファン、ダンパなど）を含んでもよく、ビルディング１０内又は周辺に位置し得る。エアサイドシステム３００は、ウォーターサイドシステム２００によって提供される加熱又は冷却された流体を使用して、ビルディング１０に提供される気流を加熱又は冷却するように動作し得る。

図３に、エアサイドシステム３００が、エコノマイザ型エアハンドリングユニット（ＡＨＵ）３０２を含むものとして示されている。エコノマイザ型ＡＨＵは、加熱又は冷却のためにエアハンドリングユニットによって使用される外気及び還気の量を変える。例えば、ＡＨＵ３０２は、ビルディング区域３０６から還気ダクト３０８を通して還気３０４を受け取ってもよく、給気ダクト３１２を通してビルディング区域３０６に給気３１０を送給してもよい。いくつかの実施形態では、ＡＨＵ３０２は、ビルディング１０の屋根に位置する屋上ユニット（例えば図１に示されるＡＨＵ１０６）、又は還気３０４と外気３１４との両方を受け取るように他の場所に位置決めされた屋上ユニットである。ＡＨＵ３０２は、混ざり合って給気３１０を生成する外気３１４と還気３０４との量を制御するために、排気ダンパ３１６、混合ダンパ３１８、及び外気ダンパ３２０を動作させるように構成され得る。混合ダンパ３１８を通過しない還気３０４は、ＡＨＵ３０２から排気ダンパ３１６を通して排気３２２として排出され得る。

各ダンパ３１６〜３２０は、アクチュエータによって動作することができる。例えば、排気ダンパ３１６はアクチュエータ３２４によって動作することができ、混合ダンパ３１８はアクチュエータ３２６によって動作することができ、外気ダンパ３２０はアクチュエータ３２８によって動作することができる。アクチュエータ３２４〜３２８は、通信リンク３３２を介してＡＨＵ制御装置３３０と通信し得る。アクチュエータ３２４〜３２８は、ＡＨＵ制御装置３３０から制御信号を受信することができ、ＡＨＵ制御装置３３０にフィードバック信号を提供し得る。フィードバック信号は、例えば、現在のアクチュエータ又はダンパ位置の標示、アクチュエータによって及ぼされるトルク又は力の量、診断情報（例えばアクチュエータ３２４〜３２８によって実施された診断テストの結果）、ステータス情報、試運転情報、構成設定、較正データ、及び／又はアクチュエータ３２４〜３２８によって収集、記憶、若しくは使用され得る他のタイプの情報若しくはデータを含み得る。ＡＨＵ制御装置３３０は、１つ又は複数の制御アルゴリズム（例えば、状態ベースアルゴリズム、極値探索制御（ＥＳＣ）アルゴリズム、比例積分（ＰＩ）制御アルゴリズム、比例積分微分（ＰＩＤ）制御アルゴリズム、モデル予測制御（ＭＰＣ）アルゴリズム、フィードバック制御アルゴリズムなど）を使用してアクチュエータ３２４〜３２８を制御するように構成されたエコノマイザ制御装置であってもよい。

引き続き図３を参照すると、ＡＨＵ３０２は、給気ダクト３１２内に位置決めされた冷却コイル３３４、加熱コイル３３６、及びファン３３８を含むものとして示されている。ファン３３８は、給気３１０を冷却コイル３３４及び／又は加熱コイル３３６に通し、さらに給気３１０をビルディング区域３０６に提供するように構成され得る。ＡＨＵ制御装置３３０は、通信リンク３４０を介してファン３３８と通信して、給気３１０の流量を制御し得る。いくつかの実施形態では、ＡＨＵ制御装置３３０は、ファン３３８の速度を調整することによって、給気３１０に加えられる加熱又は冷却の量を制御する。

冷却コイル３３４は、冷却された流体を、配管３４２を通してウォーターサイドシステム２００から（例えば冷水ループ２１６から）受け取ることができ、また、冷却された流体を、配管３４４を通してウォーターサイドシステム２００に戻すことができる。冷却コイル３３４を通る冷却流体の流量を制御するために、配管３４２又は配管３４４に沿って弁３４６が位置決めされ得る。いくつかの実施形態では、冷却コイル３３４は、給気３１０に加えられる冷却量を調整するために、（例えばＡＨＵ制御装置３３０やＢＭＳ制御装置３６６などによって）独立して作動及び作動停止され得る複数ステージの冷却コイルを含む。

加熱コイル３３６は、加熱された流体を、配管３４８を通してウォーターサイドシステム２００から（例えば温水ループ２１４から）受け取ることができ、また、加熱された流体を、配管３５０を通してウォーターサイドシステム２００に戻すことができる。加熱コイル３３６を通る加熱流体の流量を制御するために、配管３４８又は配管３５０に沿って弁３５２が位置決めされ得る。いくつかの実施形態では、加熱コイル３３６は、給気３１０に加えられる加熱量を調整するために、（例えばＡＨＵ制御装置３３０やＢＭＳ制御装置３６６などによって）独立して作動及び作動停止され得る複数ステージの加熱コイルを含む。

弁３４６及び３５２はそれぞれ、アクチュエータによって制御され得る。例えば、弁３４６はアクチュエータ３５４によって制御されてもよく、弁３５２はアクチュエータ３５６によって制御されてもよい。アクチュエータ３５４〜３５６は、通信リンク３５８〜３６０を介してＡＨＵ制御装置３３０と通信し得る。アクチュエータ３５４〜３５６は、ＡＨＵ制御装置３３０から制御信号を受信することができ、制御装置３３０にフィードバック信号を提供し得る。いくつかの実施形態では、ＡＨＵ制御装置３３０は、給気ダクト３１２内（例えば冷却コイル３３４及び／又は加熱コイル３３６の下流）に位置決めされた温度センサ３６２から給気温度の測定値を受信する。また、ＡＨＵ制御装置３３０は、ビルディング区域３０６内に位置する温度センサ３６４からビルディング区域３０６の温度の測定値を受信することもある。

いくつかの実施形態では、ＡＨＵ制御装置３３０は、アクチュエータ３５４〜３５６によって弁３４６及び３５２を操作して、（例えば給気３１０の設定値温度を実現するため、又は設定値温度範囲内で給気３１０の温度を維持するために）給気３１０に提供される加熱又は冷却の量を調整する。弁３４６及び３５２の位置は、冷却コイル３３４又は加熱コイル３３６によって給気３１０に提供される加熱又は冷却の量に影響を及ぼし、所望の給気温度を実現するために消費されるエネルギーの量と相関し得る。ＡＨＵ３３０は、コイル３３４〜３３６を作動若しくは作動停止させること、ファン３３８の速度を調節すること、又はそれら両方の組合せによって、給気３１０及び／又はビルディング区域３０６の温度を制御し得る。

引き続き図３を参照すると、エアサイドシステム３００は、ビルディング管理システム（ＢＭＳ）制御装置３６６及びクライアントデバイス３６８を含むものとして示されている。ＢＭＳ制御装置３６６は、システムレベル制御装置として働く１つ又は複数のコンピュータシステム（例えばサーバ、監視制御装置、サブシステム制御装置など）、アプリケーション若しくはデータサーバ、ヘッドノード、又は、エアサイドシステム３００用のマスタ制御装置、ウォーターサイドシステム２００、ＨＶＡＣシステム１００、及び／又はビルディング１０にサービス提供する他の制御可能なシステムを含み得る。ＢＭＳ制御装置３６６は、複数の下流のビルディングシステム又はサブシステム（例えばＨＶＡＣシステム１００、セキュリティシステム、照明システム、ウォーターサイドシステム２００など）と、同様の又は異なるプロトコル（例えばＬＯＮやＢＡＣｎｅｔなど）に従って通信リンク３７０を介して通信し得る。様々な実施形態において、ＡＨＵ制御装置３３０とＢＭＳ制御装置３６６は、（図３に示されるように）別々であっても、一体化されていてもよい。一体化された実装では、ＡＨＵ制御装置３３０は、ＢＭＳ制御装置３６６のプロセッサによって実行されるように構成されたソフトウェアモジュールであってもよい。

いくつかの実施形態では、ＡＨＵ制御装置３３０は、ＢＭＳ制御装置３６６から情報（例えばコマンド、設定値、動作境界など）を受信し、ＢＭＳ制御装置３６６に情報（例えば温度測定値、弁又はアクチュエータ位置、動作ステータス、診断など）を提供する。例えば、ＡＨＵ制御装置３３０は、温度センサ３６２〜３６４からの温度測定値、機器のオン／オフ状態、機器の動作能力、及び／又は任意の他の情報をＢＭＳ制御装置３６６に提供することができ、これらの情報をＢＭＳ制御装置３６６が使用して、ビルディング区域３０６内の変動する状態又は条件を監視又は制御することができる。

クライアントデバイス３６８は、ＨＶＡＣシステム１００、そのサブシステム、及び／又はデバイスを制御、閲覧、又は他の形でそれらと対話するための１つ又は複数の人間−機械インターフェース又はクライアントインターフェース（例えば、グラフィカルユーザインターフェース、報告インターフェース、テキストベースのコンピュータインターフェース、クライアントフェーシングウェブサービス、ウェブクライアントにページを提供するウェブサーバなど）を含み得る。クライアントデバイス３６８は、コンピュータワークステーション、クライアント端末、遠隔若しくはローカルインターフェース、又は任意の他のタイプのユーザインターフェースデバイスであってもよい。クライアントデバイス３６８は、固定端末でもモバイルデバイスでもよい。例えば、クライアントデバイス３６８は、デスクトップコンピュータ、ユーザインターフェースを備えるコンピュータサーバ、ラップトップコンピュータ、タブレット、スマートフォン、ＰＤＡ、又は任意の他のタイプのモバイルデバイス若しくは非モバイルデバイスであってもよい。クライアントデバイス３６８は、通信リンク３７２を介してＢＭＳ制御装置３６６及び／又はＡＨＵ制御装置３３０と通信し得る。

ビルディング管理システム
次に図４を参照すると、いくつかの実施形態によるビルディング管理システム（ＢＭＳ）４００のブロック図が示されている。ＢＭＳ４００は、様々なビルディング機能を自動的に監視及び制御するためにビルディング１０に実装され得る。ＢＭＳ４００は、ＢＭＳ制御装置３６６及び複数のビルディングサブシステム４２８を含むものとして示されている。ビルディングサブシステム４２８は、ビルディング電気サブシステム４３４、情報通信技術（ＩＣＴ）サブシステム４３６、セキュリティサブシステム４３８、ＨＶＡＣサブシステム４４０、照明サブシステム４４２、エレベータ／エスカレータサブシステム４３２、及び火災安全サブシステム４３０を含むものとして示されている。様々な実施形態において、ビルディングサブシステム４２８は、より少数の、追加の、又は代替のサブシステムを含むことができる。例えば、追加又は代替として、ビルディングサブシステム４２８は、冷蔵サブシステム、広告若しくは標識サブシステム、調理サブシステム、販売サブシステム、プリンタ若しくはコピーサービスサブシステム、又は、ビルディング１０を監視若しくは制御するために制御可能な機器及び／又はセンサを使用する任意の他のタイプのビルディングサブシステムを含み得る。いくつかの実施形態では、ビルディングサブシステム４２８は、図２〜３を参照して述べたように、ウォーターサイドシステム２００及び／又はエアサイドシステム３００を含む。

各ビルディングサブシステム４２８は、その個々の機能及び制御活動を完遂するための多数のデバイス、制御装置、及び接続を含み得る。ＨＶＡＣサブシステム４４０は、図１〜３を参照して述べたようなＨＶＡＣシステム１００と同じ構成要素の多くを含み得る。例えば、ＨＶＡＣサブシステム４４０は、冷却器、ボイラ、多数のエアハンドリングユニット、エコノマイザ、フィールド制御装置、監視制御装置、アクチュエータ、温度センサ、及び、ビルディング１０内の温度、湿度、気流、又は他の可変条件を制御するための他のデバイスを含み得る。照明サブシステム４４２は、多数の照明器具、安定器、照明センサ、調光器、又は、ビルディング空間に提供される光の量を制御可能に調節するように構成された他のデバイスを含み得る。セキュリティサブシステム４３８は、人感センサ、ビデオ監視カメラ、デジタルビデオレコーダ、ビデオ処理サーバ、侵入検出デバイス、アクセス制御デバイス及びサーバ、又は他のセキュリティ関連デバイスを含み得る。

引き続き図４を参照すると、ＢＭＳ制御装置３６６は、通信インターフェース４０７及びＢＭＳインターフェース４０９を含むものとして示されている。インターフェース４０７は、ＢＭＳ制御装置３６６と外部アプリケーション（例えば監視及び報告アプリケーション４２２、企業管理アプリケーション４２６、遠隔システム及びアプリケーション４４４、クライアントデバイス４４８に常駐するアプリケーションなど）との間の通信を容易にして、ＢＭＳ制御装置３６６及び／又はサブシステム４２８に対するユーザ制御、監視、及び調節を可能にし得る。また、インターフェース４０７は、ＢＭＳ制御装置３６６とクライアントデバイス４４８との間の通信を容易にし得る。ＢＭＳインターフェース４０９は、ＢＭＳ制御装置３６６とビルディングサブシステム４２８（例えばＨＶＡＣ、照明セキュリティ、エレベータ、配電、ビジネスなど）との間の通信を容易にし得る。

インターフェース４０７、４０９は、ビルディングサブシステム４２８又は他の外部システム若しくはデバイスとのデータ通信を行うための有線若しくは無線通信インターフェース（例えばジャック、アンテナ、送信機、受信機、送受信機、有線端末など）でもよく、又はそれを含むことができる。様々な実施形態において、インターフェース４０７、４０９を介する通信は、直接的なもの（例えばローカル有線又は無線通信）でも、通信ネットワーク４４６（例えばＷＡＮ、インターネット、セルラネットワークなど）を介するものでもよい。例えば、インターフェース４０７、４０９は、Ｅｔｈｅｒｎｅｔ（登録商標）ベースの通信リンク又はネットワークを介してデータを送受信するためのＥｔｈｅｒｎｅｔカード及びポートを含むことができる。別の例では、インターフェース４０７、４０９は、無線通信ネットワークを介して通信するためのＷｉ−Ｆｉ送受信機を含むことができる。別の例では、インターフェース４０７、４０９の一方又は両方は、セルラ又は携帯電話通信送受信機を含み得る。一実施形態では、通信インターフェース４０７は電力線通信インターフェースであり、ＢＭＳインターフェース４０９はＥｔｈｅｒｎｅｔインターフェースである。他の実施形態では、通信インターフェース４０７とＢＭＳインターフェース４０９がどちらもＥｔｈｅｒｎｅｔインターフェースであるか、又は同一のＥｔｈｅｒｎｅｔインターフェースである。

引き続き図４を参照すると、ＢＭＳ制御装置３６６は、プロセッサ４０６及びメモリ４０８を含む処理回路４０４を含むものとして示されている。処理回路４０４は、処理回路４０４及びその様々な構成要素がインターフェース４０７、４０９を介してデータを送受信できるように、ＢＭＳインターフェース４０９及び／又は通信インターフェース４０７に通信可能に接続され得る。プロセッサ４０６は、汎用プロセッサ、特定用途向け集積回路（ＡＳＩＣ）、１つ若しくは複数のフィールドプログラマブルゲートアレイ（ＦＰＧＡ）、１群の処理コンポーネント、又は他の適切な電子処理コンポーネントとして実装することができる。

メモリ４０８（例えばメモリ、メモリユニット、記憶デバイスなど）は、本出願で述べる様々なプロセス、層、及びモジュールを完遂又は容易化するためのデータ及び／又はコンピュータコードを記憶するための１つ又は複数のデバイス（例えばＲＡＭ、ＲＯＭ、フラッシュメモリ、ハードディスク記憶装置など）を含み得る。メモリ４０８は、揮発性メモリ若しくは不揮発性メモリでもよく、又はそれを含んでいてもよい。メモリ４０８は、データベースコンポーネント、オブジェクトコードコンポーネント、スクリプトコンポーネント、又は、本出願で述べる様々な活動及び情報構造をサポートするための任意の他のタイプの情報構造を含み得る。いくつかの実施形態によれば、メモリ４０８は、処理回路４０４を介してプロセッサ４０６に通信可能に接続され、（例えば処理回路４０４及び／又はプロセッサ４０６によって）本明細書で述べる１つ又は複数のプロセスを実行するためのコンピュータコードを含む。

いくつかの実施形態では、ＢＭＳ制御装置３６６は、単一のコンピュータ（例えば１つのサーバや１つのハウジングなど）内に実装される。様々な他の実施形態では、ＢＭＳ制御装置３６６は、（例えば分散された場所に存在することができる）複数のサーバ又はコンピュータにわたって分散されることもある。さらに、図４は、ＢＭＳ制御装置３６６の外部に存在するものとしてアプリケーション４２２及び４２６を示しているが、いくつかの実施形態では、アプリケーション４２２及び４２６は、ＢＭＳ制御装置３６６内（例えばメモリ４０８内）でホストされることもある。

引き続き図４を参照すると、メモリ４０８は、企業統合層４１０、自動測定及び検証（ＡＭ＆Ｖ）層４１２、要求応答（ＤＲ）層４１４、故障検出及び診断（ＦＤＤ）層４１６、統合制御層４１８、並びにビルディングサブシステム統合層４２０を含むものとして示されている。層４１０〜４２０は、ビルディングサブシステム４２８及び他のデータ源から入力を受信し、入力に基づいてビルディングサブシステム４２８のための最適な制御アクションを決定し、最適な制御アクションに基づいて制御信号を生成し、生成された制御信号をビルディングサブシステム４２８に提供するように構成され得る。以下の段落では、ＢＭＳ４００での各層４１０〜４２０によって実施される全般的な機能のいくつかを述べる。

企業統合層４１０は、様々な企業レベルのアプリケーションをサポートするための情報及びサービスをクライアント又はローカルアプリケーションに提供するように構成され得る。例えば、企業管理アプリケーション４２６は、グラフィカルユーザインターフェース（ＧＵＩ）又は多数の企業レベルのビジネスアプリケーション（例えば会計システムやユーザ識別システムなど）にサブシステムスパニング制御を提供するように構成され得る。企業管理アプリケーション４２６は、追加又は代替として、ＢＭＳ制御装置３６６を構成するための構成ＧＵＩを提供するように構成されることもある。さらに他の実施形態では、企業管理アプリケーション４２６は、層４１０〜４２０と協働して、インターフェース４０７及び／又はＢＭＳインターフェース４０９で受信された入力に基づいてビルディングパフォーマンス（例えば効率、エネルギー使用量、快適性、又は安全性）を最適化することができる。

ビルディングサブシステム統合層４２０は、ＢＭＳ制御装置３６６とビルディングサブシステム４２８との間の通信を管理するように構成され得る。例えば、ビルディングサブシステム統合層４２０は、ビルディングサブシステム４２８からセンサデータ及び入力信号を受信し、ビルディングサブシステム４２８に出力データ及び制御信号を提供し得る。ビルディングサブシステム統合層４２０は、ビルディングサブシステム４２８間の通信を管理するように構成されることもある。ビルディングサブシステム統合層４２０は、複数のマルチベンダ／マルチプロトコルシステムにわたって通信（例えばセンサデータ、入力信号、出力信号など）を変換する。

要求応答層４１４は、ビルディング１０の要求が満たされたことに応答して、資源使用量（例えば電気使用量、天然ガス使用量、水使用量など）及び／又はそのような資源使用量の金銭的コストを最適化するように構成され得る。最適化は、時間帯別の価格、削減信号、エネルギー利用可能性、又は、公益事業者、分散型エネルギー生成システム４２４、エネルギー貯蔵装置４２７（例えば高温ＴＥＳ２４２や低温ＴＥＳ２４４など）、若しくは他の提供源から受信される他のデータに基づき得る。要求応答層４１４は、ＢＭＳ制御装置３６６の他の層（例えばビルディングサブシステム統合層４２０や統合制御層４１８など）からの入力を受信することもある。他の層から受信される入力は、温度、二酸化炭素レベル、相対湿度レベル、空気質センサ出力、人感センサ出力、部屋スケジュールなどの環境入力又はセンサ入力を含み得る。また、入力は、公益事業からの電気使用量（例えば単位ｋＷｈで表される）、熱負荷測定値、価格情報、予測価格、平滑化価格、削減信号などの入力を含むこともある。

いくつかの実施形態によれば、要求応答層４１４は、受信したデータ及び信号に応答するための制御論理を含む。これらの応答は、統合制御層４１８内の制御アルゴリズムと通信すること、制御戦略を変更すること、設定値を変更すること、又は制御下でビルディング機器若しくはサブシステムを作動／作動停止することを含むことができる。また、要求応答層４１４は、貯蔵されているエネルギーを利用すべき時を決定するように構成された制御論理を含むこともある。例えば、要求応答層４１４は、ピーク使用時間の開始直前にエネルギー貯蔵装置４２７からのエネルギーの使用を開始することを決定し得る。

いくつかの実施形態では、要求応答層４１４は、要求（例えば価格、削減信号、要求レベルなど）を表す１つ又は複数の入力に基づいて、又は要求に基づいて、エネルギーコストを最小にする（例えば自動的に設定値を変更する）制御アクションを能動的に開始するように構成された制御モジュールを含む。いくつかの実施形態では、要求応答層４１４は、機器モデルを使用して、最適な１組の制御アクションを決定する。機器モデルは、例えば、様々な組のビルディング機器によって実施される入力、出力、及び／又は機能を記述する熱力学モデルを含むことができる。機器モデルは、ビルディング機器の集合体（例えば、サブプラント、冷却器アレイなど）又は個々のデバイス（例えば、個々の冷却器、ヒータ、ポンプなど）を表すことがある。

さらに、要求応答層４１４は、１つ又は複数の要求応答ポリシー定義（例えばデータベースやＸＭＬファイルなど）を含む、又は利用し得る。ポリシー定義は、（例えばグラフィカルユーザインターフェースを介して）ユーザによって編集又は調節することができ、それにより、要求入力に応答して開始される制御アクションは、ユーザの用途に合わせて、所望の快適性レベルに合わせて、特定のビルディング機器に合わせて、又は他の事項に基づいて調整され得る。例えば、要求応答ポリシー定義は、特定の要求入力に応答してどの機器がオン又はオフにされ得るか、システム又は機器をどれほど長くオフにすべきか、どの設定値を変更できるか、許容できる設定値調節範囲はどの程度か、通常通り予定された設定値に戻るまでに高い要求設定値をどれほど長く保つか、能力の限界にどれほど近付くか、どの機器モードを利用するか、エネルギー貯蔵デバイス（例えば熱貯蔵タンクやバッテリバンクなど）の内外へのエネルギー伝達速度（例えば最高速度、アラーム速度、他の速度限度情報など）、及び（例えば燃料電池や電動発電機セットなどを介して）現場でのエネルギー発生を送出する時を指定することができる。

統合制御層４１８は、ビルディングサブシステム統合層４２０及び／又は要求応答層４１４のデータ入力又は出力を使用して制御決定を行うように構成され得る。ビルディングサブシステム統合層４２０によって実現されるサブシステムの統合により、統合制御層４１８は、サブシステム４２８の制御活動を統合することができ、それにより、サブシステム４２８が単一の統合型スーパーシステムとして挙動する。いくつかの実施形態では、統合制御層４１８は、複数のビルディングサブシステムからの入力及び出力を使用する制御論理を含み、個々のサブシステムが単独で提供することができる快適性及びエネルギー節約よりも大きな快適性及びエネルギー節約を提供する。例えば、統合制御層４１８は、第１のサブシステムからの入力を使用して、第２のサブシステムに関するエネルギー節約制御決定を行うように構成され得る。これらの決定の結果は、ビルディングサブシステム統合層４２０に通信し返すことができる。

統合制御層４１８は、論理的に要求応答層４１４の下位にあるものとして示されている。統合制御層４１８は、ビルディングサブシステム４２８及びそれらそれぞれの制御ループを要求応答層４１４と共同で制御できるようにすることによって、要求応答層４１４の有効性を高めるように構成され得る。この構成は、有利には、従来のシステムに比べて、破壊的な要求応答挙動を減少し得る。例えば、統合制御層４１８は、冷却される水の温度の設定値（又は温度に直接若しくは間接的に影響を及ぼす別の成分）に対する要求応答に基づく上方修正が、ファンエネルギー（又は空間を冷却するために使用される他のエネルギー）の増加をもたらさないことを保証するように構成され得る。そのようなファンエネルギーの増加は、ビルディング総エネルギー使用量を、冷却器で保存されているエネルギーよりも大きくしてしまう。

統合制御層４１８は、要求応答層４１４にフィードバックを提供するように構成されてもよく、それにより、要求応答層４１４は、要求された部分的送電停止が行われている間であっても制約（例えば温度や照明レベルなど）が適切に維持されていることをチェックする。制約には、安全性、機器動作限界及びパフォーマンス、快適性、火災コード、電気コード、エネルギーコードなどに関係する設定値又は検知境界が含まれることもある。また、統合制御層４１８は、論理的に、故障検出及び診断層４１６、並びに自動測定及び検証層４１２の下位にある。統合制御層４１８は、複数のビルディングサブシステムからの出力に基づいて、計算された入力（例えば集約）をこれらのより高いレベルの層に提供するように構成され得る。

自動測定及び検証（ＡＭ＆Ｖ）層４１２は、（例えばＡＭ＆Ｖ層４１２、統合制御層４１８、ビルディングサブシステム統合層４２０、ＦＤＤ層４１６、又は他の層によって集約されたデータを使用して）統合制御層４１８又は要求応答層４１４によって指令された制御戦略が適切に機能していることを検証するように構成され得る。ＡＭ＆Ｖ層４１２によって行われる計算は、個々のＢＭＳデバイス又はサブシステムに関するビルディングシステムエネルギーモデル及び／又は機器モデルに基づき得る。例えば、ＡＭ＆Ｖ層４１２は、モデルに基づいて予測された出力をビルディングサブシステム４２８からの実際の出力と比較して、モデルの精度を決定し得る。

故障検出及び診断（ＦＤＤ）層４１６は、ビルディングサブシステム４２８及びビルディングサブシステムデバイス（すなわちビルディング機器）に関する継続的な故障検出機能を提供し、要求応答層４１４及び統合制御層４１８によって使用されるアルゴリズムを制御するように構成され得る。ＦＤＤ層４１６は、統合制御層４１８から、直接的に１つ若しくは複数のビルディングサブシステム若しくはデバイスから、又は別のデータ源から、データ入力を受信し得る。ＦＤＤ層４１６は、検出された故障を自動的に診断して応答し得る。検出又は診断された故障に対する応答は、ユーザ、メンテナンススケジューリングシステム、又は故障を修理する若しくは故障に対処することを試みるように構成された制御アルゴリズムに警報メッセージを提供することを含み得る。

ＦＤＤ層４１６は、ビルディングサブシステム統合層４２０で利用可能な詳細なサブシステム入力を使用して、故障している構成要素又は故障の原因（例えば緩いダンパ連係）の具体的な識別を出力するように構成され得る。他の例示的実施形態では、ＦＤＤ層４１６は、「故障」イベントを統合制御層４１８に提供するように構成され、統合制御層４１８は、受信された故障イベントに応答して制御戦略及びポリシーを実行する。いくつかの実施形態によれば、ＦＤＤ層４１６（又は統合制御エンジン若しくはビジネスルールエンジンによって実行されるポリシー）は、システムをシャットダウンして、又は故障しているデバイス若しくはシステムの周囲での制御活動を指示して、エネルギー浪費を減少させ、機器寿命を延ばし、又は適切な制御応答を保証し得る。

ＦＤＤ層４１６は、様々な異なるシステムデータストア（又はライブデータに関するデータポイント）を記憶する、又はそこにアクセスするように構成され得る。ＦＤＤ層４１６は、データストアのうち、あるコンテンツを、機器レベル（例えば特定の冷却器、特定のＡＨＵ、特定の端末ユニットなど）での故障を識別するために使用し、他のコンテンツを、構成要素又はサブシステムレベルでの故障を識別するために使用し得る。例えば、ビルディングサブシステム４２８は、ＢＭＳ４００及びその様々な構成要素のパフォーマンスを示す時間的（すなわち時系列）データを生成し得る。ビルディングサブシステム４２８によって生成されるデータは、測定値又は計算値を含むことがあり、それらの測定値又は計算値は、統計的特性を示し、対応するシステム又はプロセス（例えば温度制御プロセスや流量制御プロセスなど）がその設定値からの誤差に対してどのように挙動しているかに関する情報を提供する。これらのプロセスは、ＦＤＤ層４１６によって検査することができ、システムのパフォーマンスが低下し始めた時を明らかにし、より深刻になる前に故障を修理するようにユーザに警報する。

次に図５を参照すると、いくつかの実施形態による、別のビルディング管理システム（ＢＭＳ）５００のブロック図が示されている。ＢＭＳ５００を使用して、ＨＶＡＣシステム１００、ウォーターサイドシステム２００、エアサイドシステム３００、ビルディングサブシステム４２８のデバイス、並びに他のタイプのＢＭＳデバイス（例えば、照明機器、セキュリティ機器など）及び／又はＨＶＡＣ機器を監視及び制御することができる。

ＢＭＳ５００は、自動機器発見及び機器モデル分配を容易にするシステムアーキテクチャを提供する。機器発見は、複数の異なる通信バス（例えば、システムバス５５４、ゾーンバス５５６〜５６０及び５６４、センサ／アクチュエータバス５６６など）にわたって、及び複数の異なる通信プロトコルにわたって、ＢＭＳ５００の複数のレベルで行うことができる。いくつかの実施形態では、機器発見は、アクティブノードテーブルを使用して達成され、アクティブノードテーブルは、各通信バスに接続されたデバイスに関するステータス情報を提供する。例えば、新たなノードに関する対応するアクティブノードテーブルを監視することによって、新たなデバイスについて各通信バスを監視することができる。新たなデバイスが検出されると、ＢＭＳ５００は、ユーザ対話なしで、新たなデバイスとの対話（例えば、制御信号の送信、デバイスからのデータの使用）を開始することができる。

ＢＭＳ５００でのいくつかのデバイスは、機器モデルを使用してネットワークにそれら自体の存在を知らせる。機器モデルは、他のシステムとの統合のために使用される機器オブジェクト属性、ビュー定義、スケジュール、トレンド、及び関連のＢＡＣｎｅｔ値オブジェクト（例えば、アナログ値、バイナリ値、マルチステート値など）を定義する。ＢＭＳ５００でのいくつかのデバイスは、それら独自の機器モデルを記憶している。ＢＭＳ５００での他のデバイスは、機器モデルが外部に（例えば、他のデバイス内に）記憶されている。例えば、ゾーンコーディネータ５０８が、バイパスダンパ５２８に関する機器モデルを記憶することができる。いくつかの実施形態において、ゾーンコーディネータ５０８は、バイパスダンパ５２８又はゾーンバス５５８上の他のデバイスに関する機器モデルを自動的に作成する。他のゾーンコーディネータも、それらのゾーンバスに接続されたデバイスに関する機器モデルを作成することができる。デバイスに関する機器モデルは、ゾーンバス上のデバイスによって提示されるデータポイントのタイプ、デバイスタイプ、及び／又は他のデバイス属性に基づいて自動的に作成することができる。自動の機器発見及び機器モデル分配のいくつかの例を以下でより詳細に論じる。

図５をさらに参照すると、ＢＭＳ５００は、システムマネージャ５０２と、いくつかのゾーンコーディネータ５０６、５０８、５１０、及び５１８と、いくつかのゾーンコントローラ５２４、５３０、５３２、５３６、５４８、及び５５０とを含むものとして示されている。システムマネージャ５０２は、ＢＭＳ５００内のデータポイントを監視し、監視される変数を様々な監視及び／又は制御アプリケーションに報告することができる。システムマネージャ５０２は、データ通信リンク５７４（例えば、ＢＡＣｎｅｔ ＩＰ、イーサネット（登録商標）、有線又は無線通信など）を介してクライアントデバイス５０４（例えば、ユーザデバイス、デスクトップコンピュータ、ラップトップコンピュータ、モバイルデバイスなど）と通信することができる。システムマネージャ５０２は、データ通信リンク５７４を介してクライアントデバイス５０４へのユーザインターフェースを提供することができる。ユーザインターフェースは、ユーザがクライアントデバイス５０４を介してＢＭＳ５００を監視及び／又は制御できるようにし得る。

いくつかの実施形態では、システムマネージャ５０２は、システムバス５５４を介してゾーンコーディネータ５０６〜５１０及び５１８と接続される。システムマネージャ５０２は、マスタ・スレーブトークンパッシング（ＭＳＴＰ）プロトコル又は任意の他の通信プロトコルを使用して、システムバス５５４を介してゾーンコーディネータ５０６〜５１０及び５１８と通信するように構成することができる。また、システムバス５５４は、システムマネージャ５０２を、定容積（ＣＶ）ルーフトップユニット（ＲＴＵ）５１２、入出力モジュール（ＩＯＭ）５１４、サーモスタットコントローラ５１６（例えば、ＴＥＣ５０００系列のサーモスタットコントローラ）、及びネットワーク自動化エンジン（ＮＡＥ）又はサードパーティのコントローラ５２０など他のデバイスと接続することもできる。ＲＴＵ５１２は、システムマネージャ５０２と直接通信するように構成することができ、システムバス５５４に直接接続することができる。他のＲＴＵは、中間デバイスを介してシステムマネージャ５０２と通信することができる。例えば、有線入力５６２は、サードパーティのＲＴＵ５４２をサーモスタットコントローラ５１６に接続することができ、サーモスタットコントローラ５１６は、システムバス５５４に接続する。

システムマネージャ５０２は、機器モデルを含む任意のデバイスのためのユーザインターフェースを提供することができる。ゾーンコーディネータ５０６〜５１０及び５１８並びにサーモスタットコントローラ５１６などのデバイスは、システムバス５５４を介してそれらの機器モデルをシステムマネージャ５０２に提供することができる。いくつかの実施形態では、システムマネージャ５０２は、機器モデルを含まない接続されたデバイス（例えば、ＩＯＭ５１４、サードパーティのコントローラ５２０など）に関して、機器モデルを自動的に作成する。例えば、システムマネージャ５０２は、デバイスツリーリクエストに応答する任意のデバイスに関する機器モデルを作成することができる。システムマネージャ５０２によって作成された機器モデルは、システムマネージャ５０２に記憶することができる。次いで、システムマネージャ５０２は、システムマネージャ５０２によって作成された機器モデルを使用して、自機の機器モデルを含まないデバイスのためのユーザインターフェースを提供することができる。いくつかの実施形態では、システムマネージャ５０２は、システムバス５５４を介して接続された各タイプの機器に関するビュー定義を記憶し、記憶されているビュー定義を使用してその機器のためのユーザインターフェースを生成する。

各ゾーンコーディネータ５０６〜５１０及び５１８は、ゾーンバス５５６、５５８、５６０、及び５６４を介してゾーンコントローラ５２４、５３０〜５３２、５３６、及び５４８〜５５０の１つ又は複数と接続することができる。ゾーンコーディネータ５０６〜５１０及び５１８は、ＭＳＴＰプロトコル又は任意の他の通信プロトコルを使用して、ゾーンバス５５６〜５６０及び５６４を介してゾーンコントローラ５２４、５３０〜５３２、５３６、及び５４８〜５５０と通信することができる。また、ゾーンバス５５６〜５６０及び５６４は、ゾーンコーディネータ５０６〜５１０及び５１８を、可変風量（ＶＡＶ）ＲＴＵ５２２及び５４０、切替えバイパス（ＣＯＢＰ）ＲＴＵ５２６及び５５２、バイパスダンパ５２８及び５４６、並びにＰＥＡＫコントローラ５３４及び５４４など他のタイプのデバイスと接続することもできる。

ゾーンコーディネータ５０６〜５１０及び５１８は、様々なゾーニングシステムを監視及び命令するように構成することができる。いくつかの実施形態では、各ゾーンコーディネータ５０６〜５１０及び５１８は、別個のゾーニングシステムを監視及び命令し、別個のゾーンバスを介してゾーニングシステムに接続される。例えば、ゾーンコーディネータ５０６は、ゾーンバス５５６を介してＶＡＶ ＲＴＵ５２２及びゾーンコントローラ５２４に接続することができる。ゾーンコーディネータ５０８は、ゾーンバス５５８を介してＣＯＢＰ ＲＴＵ５２６、バイパスダンパ５２８、ＣＯＢＰゾーンコントローラ５３０、及びＶＡＶゾーンコントローラ５３２に接続することができる。ゾーンコーディネータ５１０は、ゾーンバス５６０を介してＰＥＡＫコントローラ５３４及びＶＡＶゾーンコントローラ５３６に接続することができる。ゾーンコーディネータ５１８は、ゾーンバス５６４を介して、ＰＥＡＫコントローラ５４４、バイパスダンパ５４６、ＣＯＢＰゾーンコントローラ５４８、及びＶＡＶゾーンコントローラ５５０に接続することができる。

ゾーンコーディネータ５０６〜５１０及び５１８の単一のモデルは、複数の異なるタイプのゾーニングシステム（例えば、ＶＡＶゾーニングシステム、ＣＯＢＰゾーニングシステムなど）を取り扱うように構成することができる。各ゾーニングシステムは、ＲＴＵ、１つ又は複数のゾーンコントローラ、及び／又はバイパスダンパを含むことができる。例えば、ゾーンコーディネータ５０６及び５１０は、それぞれＶＡＶ ＲＴＵ５２２及び５４０に接続されたＶｅｒａｓｙｓ ＶＡＶエンジン（ＶＶＥ）として示されている。ゾーンコーディネータ５０６は、ゾーンバス５５６を介してＶＡＶ ＲＴＵ５２２に直接接続され、ゾーンコーディネータ５１０は、ＰＥＡＫコントローラ５３４に提供された有線入力５６８を介してサードパーティのＶＡＶ ＲＴＵ５４０に接続される。ゾーンコーディネータ５０８及び５１８は、それぞれＣＯＢＰ ＲＴＵ５２６及び５５２に接続されたＶｅｒａｓｙｓ ＣＯＢＰエンジン（ＶＣＥ）として示されている。ゾーンコーディネータ５０８は、ゾーンバス５５８を介してＣＯＢＰ ＲＴＵ５２６に直接接続され、ゾーンコーディネータ５１８は、ＰＥＡＫコントローラ５４４に提供された有線入力５７０を介してサードパーティのＣＯＢＰ ＲＴＵ５５２に接続される。

ゾーンコントローラ５２４、５３０〜５３２、５３６、及び５４８〜５５０は、センサ／アクチュエータ（ＳＡ）バスを介して個々のＢＭＳデバイス（例えば、センサ、アクチュエータなど）と通信することができる。例えば、ＶＡＶゾーンコントローラ５３６は、ＳＡバス５６６を介して、ネットワーク化されたセンサ５３８に接続されて示されている。ゾーンコントローラ５３６は、ＭＳＴＰプロトコル又は任意の他の通信プロトコルを使用して、ネットワーク化されたセンサ５３８と通信することができる。図５にはＳＡバス５６６が１つだけ示されているが、各ゾーンコントローラ５２４、５３０〜５３２、５３６、及び５４８〜５５０を異なるＳＡバスに接続することができることを理解されたい。各ＳＡバスは、ゾーンコントローラを様々なセンサ（例えば、温度センサ、湿度センサ、圧力センサ、光センサ、人感センサなど）、アクチュエータ（例えば、ダンパアクチュエータ、バルブアクチュエータなど）、及び／又は他のタイプの制御可能な機器（例えば、冷却器、ヒータ、ファン、ポンプなど）と接続することができる。

各ゾーンコントローラ５２４、５３０〜５３２、５３６、及び５４８〜５５０は、異なるビルディング区域を監視及び制御するように構成することができる。ゾーンコントローラ５２４、５３０〜５３２、５３６、及び５４８〜５５０は、それらのＳＡバスを介して提供される入力及び出力を使用して、様々なビルディング区域を監視及び制御することができる。例えば、ゾーンコントローラ５３６は、温度制御アルゴリズムでのフィードバックとして、ネットワーク化されたセンサ５３８からＳＡバス５６６を介して受信された温度入力（例えば、ビルディング区域の測定された温度）を使用することができる。ゾーンコントローラ５２４、５３０〜５３２、５３６、及び５４８〜５５０は、様々なタイプの制御アルゴリズム（例えば、状態ベースのアルゴリズム、極値探索制御（ＥＳＣ）アルゴリズム、比例積分（ＰＩ）制御アルゴリズム、比例積分微分（ＰＩＤ）制御アルゴリズム、モデル予測制御（ＭＰＣ）アルゴリズム、フィードバック制御アルゴリズムなど）を使用して、ビルディング１０内又は周囲の可変状態又は状況（例えば、温度、湿度、気流、照明など）を制御することができる。

モデル予測的メンテナンスシステム
次に図６を参照すると、例示的実施形態による建築システム６００のブロック図が示されている。システム６００は、図４〜５を参照して述べたＢＭＳ４００及びＢＭＳ５００と同じ構成要素の多くを含むことができる。例えば、システム６００は、ビルディング１０、ネットワーク４４６、及びクライアントデバイス４４８を含むものとして示されている。ビルディング１０は、接続された機器６１０を含むものとして示されており、機器６１０は、ビルディング１０を監視及び／又は制御するために使用される任意のタイプの機器を含むことができる。接続された機器６１０は、接続された冷却器６１２、接続されたＡＨＵ６１４、接続されたボイラ６１６、接続されたバッテリ６１８、又は建築システム内の任意の他のタイプの機器（例えば、ヒータ、エコノマイザ、バルブ、アクチュエータ、ダンパ、冷却塔、ファン、ポンプなど）若しくはビルディング管理システム内の任意の他のタイプの機器（例えば、照明機器、セキュリティ機器、冷凍機器など）を含むことができる。接続された機器６１０は、図１〜５を参照して述べたＨＶＡＣシステム１００、ウォーターサイドシステム２００、エアサイドシステム３００、ＢＭＳ４００、及び／又はＢＭＳ５００の機器のいずれを含むこともできる。

接続された機器６１０には、接続された機器６１０の様々な状態（例えば、電力消費量、オン／オフ状態、動作効率など）を監視するためのセンサを装備することができる。例えば、冷却器６１２は、冷凍回路内の様々な位置での冷却水温度、凝縮水温度、及び冷媒特性（例えば、冷媒圧力、冷媒温度など）などの冷却器変数を監視するように構成されたセンサを含むことができる。冷却器６１２の１つとして使用することができる冷却器７００の一例が図７に示されている。冷却器７００は、凝縮器７０２、膨張弁７０４、蒸発器７０６、圧縮機７０８、及び制御パネル７１０を有する冷凍回路を含むものとして示されている。いくつかの実施形態では、冷却器７００は、冷凍回路に沿った様々な位置での１組の監視される変数を測定するセンサを含む。同様に、ＡＨＵ６１４には、給気温度及び湿度、外気温度及び湿度、還気温度及び湿度、冷却された流体の温度、加熱された流体の温度、ダンパ位置などのＡＨＵ変数を監視するためのセンサを装備することができる。一般に、接続された機器６１０は、接続された機器６１０の性能を特徴付ける変数を監視及び報告することができる。監視された各変数は、ポイントＩＤ及びポイント値を含むデータポイントとしてビルディング管理システム６０６に転送することができる。

監視される変数は、接続された機器６１０及び／又はその構成要素の性能を示す任意の測定された値又は計算された値を含むことができる。例えば、監視される変数は、１つ又は複数の測定又は計算された温度（例えば、冷媒温度、冷水供給温度、温水供給温度、給気温度、ゾーン温度など）、圧力（例えば、蒸発器圧力、凝縮器圧力、供給空気圧力など）、流量（例えば、冷水流量、温水流量、冷媒流量、供給空気流量など）、バルブ位置、資源消費（例えば、電力消費量、水消費量、電気消費量など）、制御設定点、モデルパラメータ（例えば、回帰モデル係数）、又は対応するシステム、デバイス、若しくはプロセスがどのように動作しているかに関する情報を提供する任意の他の時系列値を含むことができる。監視される変数は、接続された機器６１０及び／又はその様々な構成要素から受信することができる。例えば、監視される変数は、１つ又は複数のコントローラ（例えば、ＢＭＳコントローラ、サブシステムコントローラ、ＨＶＡＣコントローラ、サブプラントコントローラ、ＡＨＵコントローラ、デバイスコントローラなど）、ＢＭＳデバイス（例えば、冷却器、冷却塔、ポンプ、加熱素子など）、又はＢＭＳデバイスの集合体から受信することができる。

接続された機器６１０は、機器ステータス情報を報告することもできる。機器ステータス情報は、例えば、機器の動作ステータス、動作モード（例えば、低負荷、中負荷、高負荷など）、機器が正常な状態で稼働しているか異常な状態で稼働しているかの標示、機器が稼働している時間、安全障害コード、又は接続された機器６１０の現在のステータスを示す任意の他の情報を含むことができる。いくつかの実施形態において、接続された機器６１０の各デバイスは、制御パネル（例えば、図７に示される制御パネル７１０）を含む。制御パネル７１０は、接続された機器６１０から監視される変数及び機器ステータス情報を収集し、収集されたデータをＢＭＳ６０６に提供するように構成することができる。例えば、制御パネル７１０は、センサデータ（又はセンサデータから導出された値）を所定の閾値と比較することができる。センサデータ又は計算された値が安全閾値を超える場合、制御パネル７１０は、デバイスをシャットダウンすることができる。制御パネル７１０は、安全シャットダウンが起きたときにデータポイントを生成することができる。データポイントは、シャットダウンをトリガした理由又は状態を示す安全障害コードを含むことができる。

接続された機器６１０は、監視される変数及び機器ステータス情報をＢＭＳ６０６に提供することができる。ＢＭＳ６０６は、ビルディングコントローラ（例えば、ＢＭＳコントローラ３６６）、システムマネージャ（例えば、システムマネージャ５０３）、ネットワーク自動化エンジン（例えば、ＮＡＥ５２０）、又は接続された機器６１０と通信するように構成されたビルディング１０の任意の他のシステム若しくはデバイスを含むことができる。ＢＭＳ６０６は、図４〜５を参照して述べたＢＭＳ４００又はＢＭＳ５００の構成要素のいくつか又はすべてを含むことがある。いくつかの実施形態では、監視される変数及び機器ステータス情報は、データポイントとしてＢＭＳ６０６に提供される。各データポイントは、ポイントＩＤ及びポイント値を含むことができる。ポイントＩＤは、データポイントのタイプ又はデータポイントによって測定される変数（例えば、凝縮器圧力、冷媒温度、電力消費量など）を識別することができる。監視される変数は、名前又は英数字コード（例えば、Ｃｈｉｌｌｅｄ＿Ｗａｔｅｒ＿Ｔｅｍｐ、７６９４など）によって識別することができる。ポイント値は、データポイントの現在の値を示す英数字値を含むことができる。

ＢＭＳ６０６は、監視される変数及び機器ステータス情報をモデル予測的メンテナンスシステム６０２にブロードキャストすることができる。いくつかの実施形態では、モデル予測的メンテナンスシステム６０２は、ＢＭＳ６０６の構成要素である。例えば、モデル予測的メンテナンスシステム６０２は、Ｊｏｈｎｓｏｎ Ｃｏｎｔｒｏｌｓ Ｉｎｃ．が販売しているＭＥＴＡＳＹＳ（登録商標）ブランドのビルディング自動化システムの一部として実装することができる。他の実施形態では、モデル予測的メンテナンスシステム６０２は、ネットワーク４４６を介して１つ又は複数のビルディング管理システムからのデータを受信及び処理するように構成された遠隔コンピューティングシステム又はクラウドベースのコンピューティングシステムの構成要素でよい。例えば、モデル予測的メンテナンスシステム６０２は、Ｊｏｈｎｓｏｎ Ｃｏｎｔｒｏｌｓ Ｉｎｃ．が販売しているＰＡＮＯＰＴＩＸ（登録商標）ブランドのビルディング効率プラットフォームの一部として実装することができる。他の実施形態では、モデル予測的メンテナンスシステム６０２は、サブシステムレベルコントローラ（例えば、ＨＶＡＣコントローラ）、サブプラントコントローラ、デバイスコントローラ（例えば、ＡＨＵコントローラ３３０、冷却器コントローラなど）、フィールドコントローラ、コンピュータワークステーション、クライアントデバイス、又は接続された機器６１０から監視される変数を受信して処理する任意の他のシステム若しくはデバイスの構成要素でよい。

モデル予測的メンテナンス（ＭＰＭ）システム６０２は、監視される変数及び／又は機器ステータス情報を使用して、接続された機器６１０の現在の動作条件を識別することができる。ＭＰＭシステム６０２によって現在の動作条件を検査して、接続された機器６１０の性能が低下し始める時を明らかにし、及び／又は障害が発生する時を予測することができる。いくつかの実施形態では、ＭＰＭシステム６０２は、接続された機器６１０から収集された情報を使用して、接続された機器６１０の信頼性を推定する。例えば、ＭＰＭシステム６０２は、接続された機器６１０の現在の動作条件と、接続された機器６１０が設置されてから及び／又はメンテナンスが最後に実施されてから経過した時間量とに基づいて、発生する可能性があり得る様々なタイプの故障の尤度を推定することができる。いくつかの実施形態では、ＭＰＭシステム６０２は、各故障が発生すると予測されるまでの時間量を推定し、各故障に関連する経済的コスト（例えば、メンテナンスコスト、増加される動作コスト、交換コストなど）を識別する。ＭＰＭシステム６０２は、信頼性情報及び潜在的な故障の尤度を使用して、メンテナンスが必要とされる時を予測し、所定の期間にわたってそのようなメンテナンスを実施するコストを推定することができる。

ＭＰＭシステム６０２は、接続された機器６１０に関する最適なメンテナンス戦略を決定するように構成することができる。いくつかの実施形態では、最適なメンテナンス戦略は、最適化期間（例えば、３０週、５２週、１０年、３０年など）の継続期間にわたる接続された機器６１０の購入、メンテナンス、及び動作に関連する総コストを最適化する１組の決定事項である。これらの決定事項は、例えば、機器の購入の決定、機器のメンテナンスの決定、及び機器の動作の決定を含むことができる。ＭＰＭシステム６０２は、モデル予測制御技法を使用して、これらの決定事項の関数として総コストを表す目的関数を定式化することができる。決定事項は、決定変数として目的関数に含めることができる。ＭＰＭシステム６０２は、様々な最適化技法のいずれかを使用して目的関数を最適化（例えば最小化）して、各決定変数に関する最適値を識別することができる。

ＭＰＭシステム６０２によって最適化することができる目的関数の一例は、次式で示される。

ここで、Ｃ_ｏｐ，ｉは、最適化期間の時間ステップｉにおいて接続された機器６１０が消費する単位エネルギーあたりのコスト（例えば、＄／ｋＷｈ）であり、Ｐ_ｏｐ，ｉは、時間ステップｉにおける接続された機器６１０の電力消費量（例えば、ｋＷ）であり、Δｔは、各時間ステップｉの継続時間であり、Ｃ_{ｍａｉｎ，ｉ}は、時間ステップｉにおいて接続された機器６１０に対して実施されるメンテナンスのコストであり、Ｂ_{ｍａｉｎ，ｉ}は、メンテナンスが実施されるかどうかを示すバイナリ変数であり、Ｃ_{ｃａｐ，ｉ}は、時間ステップｉにおいて接続された機器６１０の新たなデバイスを購入する資本コストであり、Ｂ_{ｃａｐ，ｉ}は、新たなデバイスが購入されるかどうかを示すバイナリ変数であり、ｈは、最適化が実施される水平又は最適化期間の継続時間である。

目的関数Ｊの第１項は、最適化期間の継続期間にわたる接続された機器６１０の動作コストを表す。いくつかの実施形態では、単位エネルギーあたりのコストＣ_ｏｐ，ｉは、エネルギー価格データとして公益企業６０８から受信される。コストＣ_ｏｐ，ｉは、時刻、曜日（例えば平日か週末か）、現在の季節（例えば夏か冬か）、又は他の時間ベースの因子に依存する時変コストでよい。例えば、コストＣ_ｏｐ，ｉは、ピークエネルギー消費期間中にはより高く、オフピーク又は部分ピークエネルギー消費期間中にはより低いことがある。

いくつかの実施形態では、電力消費量Ｐ_ｏｐ，ｉは、ビルディング１０の加熱又は冷却負荷に基づく。加熱又は冷却負荷は、ビルディング占有、時刻、曜日、現在の季節、又は加熱若しくは冷却負荷に影響を与え得る他の因子に応じて、ＭＰＭシステム６０２によって予測することができる。いくつかの実施形態では、ＭＰＭシステム６０２は、気象サービス６０４からの天気予報を使用して加熱又は冷却負荷を予測する。電力消費量Ｐ_ｏｐ，ｉは、接続された機器６１０の効率η_ｉにも依存する。例えば、高い効率で動作する接続された機器６１０は、低い効率で動作する接続された機器６１０に比べて、同じ加熱又は冷却負荷を満たすために消費する電力Ｐ_ｏｐ，ｉが少ないことがある。一般に、接続された機器６１０の特定のデバイスの電力消費量Ｐ_ｏｐ，ｉは、次式を使用してモデル化することができる。

ここで、Ｌｏａｄ_ｉは、時間ステップｉにおけるデバイスに対する加熱又は冷却負荷（例えば、トン単位での冷却負荷、ｋＷ単位での加熱負荷など）であり、Ｐ_{ｉｄｅａｌ，ｉ}は、対応する負荷点Ｌｏａｄ_ｉでのデバイスに関する機器性能曲線の値（例えば、トン単位での冷却負荷、ｋＷ単位での加熱負荷など）であり、η_ｉは、時間ステップｉにおけるデバイスの動作効率である（例えば、０≦η_ｉ≦１）。関数ｆ（Ｌｏａｄ_ｉ）は、性能曲線によって表されるデバイス又はデバイスのセットの機器性能曲線によって定義することができる。

いくつかの実施形態では、機器性能曲線は、理想的な動作条件下でのデバイスに関する製造業者仕様に基づいている。例えば、機器性能曲線は、接続された機器６１０の各デバイスに関する電力消費量と加熱／冷却負荷との関係を定義することがある。しかし、デバイスの実際の性能は、実際の動作条件に応じて異なることがある。ＭＰＭシステム６０２は、接続された機器６１０によって提供される機器性能情報を分析して、接続された機器６１０の各デバイスに関する動作効率η_ｉを決定することができる。いくつかの実施形態では、ＭＰＭシステム６０２は、接続された機器６１０からの機器性能情報を使用して、接続された機器６１０の各デバイスに関する実際の動作効率η_ｉを決定する。ＭＰＭシステム６０２は、動作効率η_ｉを目的関数Ｊへの入力として使用すること、及び／又は対応するＰ_ｏｐ，ｉ値を計算することができる。

有利には、ＭＰＭシステム６０２は、各時間ステップｉにおける接続された機器６１０の効率η_ｉを、メンテナンス決定Ｂ_{ｍａｉｎ，ｉ}及び機器購入決定Ｂ_{ｃａｐ，ｉ}の関数としてモデル化することができる。例えば、特定のデバイスに関する効率η_ｉは、デバイスが購入された時に初期値η_０で始まることがあり、時間と共に低下し、連続する各時間ステップｉと共に効率η_ｉが低下することがある。デバイスに対するメンテナンスを実施することで、メンテナンスが実施された直後に効率η_ｉをより高い値にリセットすることができる。同様に、新たなデバイスを購入して既存のデバイスと交換することで、新たなデバイスが購入された直後に効率η_ｉをより高い値にリセットすることができる。リセット後、効率η_ｉは、メンテナンスが実施される又は新たなデバイスが購入される次の時点まで、時間と共に低下し続けることがある。

メンテナンスの実施又は新たなデバイスの購入により、動作中の電力消費量Ｐ_ｏｐ，ｉが比較的低くなり、したがって、メンテナンスが実施された後又は新たなデバイスが購入された後に各時間ステップｉにおける動作コストがより低くなることがある。言い換えると、メンテナンスの実施又は新たなデバイスの購入により、目的関数Ｊの第１項によって表される動作コストを低減することができる。しかし、メンテナンスの実施により、目的関数Ｊの第２項が増加することがあり、新たなデバイスの購入により、目的関数Ｊの第３項が増加することがある。目的関数Ｊは、これらの各コストを捕捉し、ＭＰＭシステム６０２によって最適化して、最適化期間の継続期間にわたるメンテナンス及び機器購入決定の最適な組（すなわち、バイナリ決定変数Ｂ_{ｍａｉｎ，ｉ}及びＢ_{ｃａｐ，ｉ}に関する最適値）を決定することができる。

いくつかの実施形態では、ＭＰＭシステム６０２は、接続された機器６１０からの機器性能情報を使用して、接続された機器６１０の信頼性を推定する。信頼性は、接続された機器６１０がその現在の動作条件下で障害なく動作し続ける尤度の統計的尺度であり得る。より過酷な条件下（例えば、高負荷、高温など）での動作は、信頼性をより低くすることがあり、より過酷でない条件下（例えば、低負荷、中程度の温度など）での動作は、信頼性をより高くすることがある。いくつかの実施形態では、信頼性は、接続された機器６１０が最後にメンテナンスを受けてから経過した時間量に基づく。

ＭＰＭシステム６０２は、複数のビルディングに分散された接続された機器６１０の複数のデバイスから動作データを受信することがあり、動作データのセット（例えば、動作条件、障害標示、故障時間など）を使用して、各タイプの機器に関する信頼性モデルを生成することができる。ＭＰＭシステム６０２が信頼性モデルを使用して、接続された機器６１０の任意の所与のデバイスの信頼性を、その現在の動作条件及び／又は他の外的要因（例えば、メンテナンスが最後に実施されてからの時間、地理的位置、水質など）に応じて推定することができる。いくつかの実施形態では、ＭＰＭシステム６０２は、接続された機器６１０の各デバイスの推定された信頼性を使用して、最適化期間の各時間ステップにおいてデバイスがメンテナンス及び／又は交換を必要とする確率を決定する。ＭＰＭシステム６０２は、これらの確率を使用して、最適化期間の継続期間にわたるメンテナンス及び機器購入決定の最適な組（すなわち、バイナリ決定変数Ｂ_{ｍａｉｎ，ｉ}及びＢ_{ｃａｐ，ｉ}に関する最適値）を決定することができる。

いくつかの実施形態では、ＭＰＭシステム６０２は、機器購入及びメンテナンスの推奨を生成及び提供する。機器購入及びメンテナンスの推奨は、目的関数Ｊを最適化することによって決定されるバイナリ決定変数Ｂ_{ｍａｉｎ，ｉ}及びＢ_{ｃａｐ，ｉ}に関する最適値に基づくことがある。例えば、接続された機器６１０の特定のデバイスに関するＢ_{ｍａｉｎ，２５}＝１の値は、最適化期間の第２５の時間ステップにおいてそのデバイスに対してメンテナンスが実施されるべきであることを示すことがあり、Ｂ_{ｍａｉｎ，２５}＝０の値は、その時間ステップにおいてメンテナンスを実施すべきでないことを示すことがある。同様に、Ｂ_{ｃａｐ，２５}＝１の値は、最適化期間の第２５の時間ステップにおいて、接続された機器６１０の新たなデバイスを購入すべきであることを示すことがあり、Ｂ_{ｃａｐ，２５}＝０の値は、その時間ステップにおいて新たなデバイスを購入すべきでないことを示すことがある。

有利には、ＭＰＭシステム６０２によって生成される機器購入及びメンテナンスの推奨は、接続された機器６１０の実際の動作条件及び実際の性能に基づく予測的な推奨である。ＭＰＭシステム６０２によって実施される最適化は、メンテナンスを実施するコスト及び新たな機器を購入するコストを、そのようなメンテナンス又は購入の決定により生じる動作コストの低減に対して重み付けして、総複合コストＪを最小化する最適なメンテナンス戦略を決定する。このようにして、ＭＰＭシステム６０２によって生成される機器購入及びメンテナンスの推奨は、各グループの接続された機器６１０に特有のものとなり、特定のグループの接続された機器６１０に関する最適なコストＪを実現することができる。機器に特有の推奨は、いくつかのグループの接続された機器６１０及び／又はいくつかの動作条件に関しては最適でないことがある機器製造業者によって提供される一般的な予防的メンテナンスの推奨（例えば、毎年の機器の整備）に比べ、全体的なコストＪを低くすることができる。

いくつかの実施形態では、機器購入及びメンテナンスの推奨は、ビルディング１０（例えば、ＢＭＳ６０６）及び／又はクライアントデバイス４４８に提供される。操作者又はビルディングの所有者は、機器購入及びメンテナンスの推奨を使用して、メンテナンスの実施及び新たなデバイスの購入のコスト及び利益を評価することができる。いくつかの実施形態では、機器購入及びメンテナンスの推奨が整備士６２０に提供される。整備士６２０は、機器購入及びメンテナンスの推奨を使用して、整備の実施又は機器の交換のために顧客に連絡すべき時を決定することができる。

いくつかの実施形態では、ＭＰＭシステム６０２は、データ分析及び視覚化プラットフォームを含む。ＭＰＭシステム６０２は、整備士６２０、クライアントデバイス４４８、及び他のシステム又はデバイスがアクセスすることができるウェブインターフェースを提供することがある。ウェブインターフェースを使用して、機器性能情報にアクセスし、最適化の結果を閲覧し、メンテナンスが必要な機器を識別し、さもなくばＭＰＭシステム６０２と対話することができる。整備士６２０は、ウェブインターフェースにアクセスして、ＭＰＭシステム６０２によってメンテナンスが推奨される機器のリストを閲覧することができる。整備士６２０は、機器購入及びメンテナンスの推奨を使用して、接続された機器６１０を早期に修理又は交換し、目的関数Ｊによって予測される最適なコストを実現することができる。ＭＰＭシステム６０２のこれら及び他の特徴は、以下でより詳細に述べる。

次に図８を参照すると、例示的実施形態に従って、ＭＰＭシステム６０２をより詳細に例示するブロック図が示されている。ＭＰＭシステム６０２は、最適化結果をビルディング管理システム（ＢＭＳ）６０６に提供するものとして示されている。ＢＭＳ６０６は、図４〜５を参照して述べたＢＭＳ４００及び／又はＢＭＳ５００の特徴のいくつか又はすべてを含むことがある。ＢＭＳ６０６に提供される最適化結果は、最適化期間内の時間ステップｉごとに目的関数Ｊの決定変数の最適値を含むことがある。いくつかの実施形態では、最適化結果は、接続された機器６１０のデバイスごとの機器購入及びメンテナンスの推奨を含む。

ＢＭＳ６０６は、接続された機器６１０の動作及び性能を監視するように構成されることがある。ＢＭＳ６０６は、接続された機器６１０から監視される変数を受信することができる。監視される変数は、接続された機器６１０及び／又はその構成要素の性能を示す任意の測定された値又は計算された値を含むことができる。例えば、監視される変数は、１つ又は複数の測定又は計算された温度、圧力、流量、バルブ位置、資源消費（例えば、電力消費量、水消費量、電気消費量など）、制御設定点、モデルパラメータ（例えば、機器モデル係数）、又は対応するシステム、デバイス、若しくはプロセスがどのように動作しているかに関する情報を提供する任意の他の変数を含むことができる。

いくつかの実施形態では、監視される変数が、接続された機器６１０の各デバイスの動作効率η_ｉを示し、又は監視される変数を使用して動作効率η_ｉを計算することができる。例えば、冷却器によって出力される冷却された水の温度及び流量を使用して、冷却器によってサービス提供される冷却負荷（例えば、トン単位での冷却負荷）を計算することができる。冷却負荷を冷却器の電力消費量と組み合わせて使用して、動作効率η_ｉ（例えば、消費される電気１ｋＷあたりのトン単位での冷却負荷）を計算することができる。ＢＭＳ６０６は、接続された機器６１０の各デバイスの動作効率η_ｉを計算する際に使用するために、監視される変数をＭＰＭシステム６０２に報告することができる。

いくつかの実施形態では、ＢＭＳ６０６は、接続された機器６１０の稼働時間を監視する。稼働時間は、接続された機器６１０の各デバイスがアクティブである所与の期間内の時間を示してもよい。例えば、冷却器に関する稼働時間は、冷却器が１日に約８時間アクティブであることを示すことがある。稼働時間を、アクティブ時の冷却器の平均電力消費量と組み合わせて使用して、各時間ステップｉにおける接続された機器６１０の総電力消費量Ｐ_ｏｐ，ｉを推定することができる。

いくつかの実施形態では、ＢＭＳ６０６は、接続された機器６１０によって報告される機器故障及び障害標示を監視する。ＢＭＳ６０６は、各故障又は障害が発生する時間、及び障害又は故障が発生した際の接続された機器６１０の動作条件を記録することができる。ＢＭＳ６０６及び／又はＭＰＭシステム６０２が、接続された機器６１０から収集された動作データを使用して、接続された機器６１０のデバイスごとの信頼性モデルを作成することができる。ＢＭＳ６０６は、監視される変数、機器稼働時間、動作条件、並びに機器故障及び障害標示を機器性能情報としてＭＰＭシステム６０２に提供することができる。

ＢＭＳ６０６は、制御されているビルディング又はビルディング区域内部の状態を監視するように構成することができる。例えば、ＢＭＳ６０６は、ビルディング全体にわたって分散された様々なセンサ（例えば、温度センサ、湿度センサ、気流センサ、電圧センサなど）からの入力を受信することがあり、ビルディングの状態をＭＰＭシステム６０２に報告することがある。ビルディングの状態は、例えば、ビルディング又はビルディングのゾーンの温度、ビルディングの電力消費量（例えば、電気負荷）、ビルディング内部の制御されている状態に影響を与えるように構成された１つ又は複数のアクチュエータの状態、又は制御されているビルディングに関係する他のタイプの情報を含むことがある。ＢＭＳ６０６は、接続された機器６１０を動作させて、ビルディング内部の監視されている状態に影響を与え、ビルディングの熱エネルギー負荷を提供することができる。

ＢＭＳ６０６は、接続された機器６１０に制御信号を提供し、接続された機器６１０に関するオン／オフ状態、充電／放電速度、及び／又は設定点を指定することができる。ＢＭＳ６０６は、制御信号に従って（例えば、アクチュエータ、継電器などを介して）機器を制御して、接続された機器６１０の様々なビルディング区域及び／又はデバイスに関する設定点を実現することができる。様々な実施形態において、ＢＭＳ６０６は、ＭＰＭシステム６０２と組み合わされてよく、又は別個のビルディング管理システムの一部でもよい。例示的実施形態によれば、ＢＭＳ６０６は、Ｊｏｈｎｓｏｎ Ｃｏｎｔｒｏｌｓ，Ｉｎｃ．が販売しているＭＥＴＡＳＹＳ（登録商標）ブランドのビルディング管理システムである。

ＭＰＭシステム６０２は、ＢＭＳ６０６から受信された情報を使用して、接続された機器６１０の性能を監視することができる。ＭＰＭシステム６０２は、（例えば、気象サービス６０４からの天気予報を使用して）最適化期間内の複数の時間ステップに関してビルディングの熱エネルギー負荷（例えば、加熱負荷、冷却負荷など）を予測するように構成されることがある。ＭＰＭシステム６０２は、公益企業６０８から受信された価格データを使用して、電気又は他の資源（例えば、水、天然ガスなど）のコストを予測することもある。ＭＰＭシステム６０２は、最適化プロセスに対する制約（例えば、負荷制約、決定変数制約など）を受ける最適化期間の継続期間にわたって、接続された機器６１０の動作、メンテナンス、及び購入の経済的価値を最適化する最適化結果を生成することができる。ＭＰＭシステム６０２によって実施される最適化プロセスを以下でより詳細に述べる。

例示的実施形態によれば、ＭＰＭシステム６０２は、単一のコンピュータ（例えば、１つのサーバ、１つのハウジングなど）の内部に統合することができる。様々な他の例示的実施形態では、ＭＰＭシステム６０２を複数のサーバ又はコンピュータ（例えば、分散された場所に存在し得る）にわたって分散させることができる。別の例示的実施形態では、ＭＰＭシステム６０２は、複数のビルディングシステムを管理するスマートビルディングマネージャと統合する、及び／又はＢＭＳ６０６と組み合わせることができる。

ＭＰＭシステム６０２は、通信インターフェース８０４及び処理回路８０６を含むものとして示されている。通信インターフェース８０４は、様々なシステム、デバイス、又はネットワークとのデータ通信を行うための有線又は無線インターフェース（例えば、ジャック、アンテナ、送信機、受信機、送受信機、有線端末など）を含むことがある。例えば、通信インターフェース８０４は、イーサネットベースの通信ネットワークを介してデータを送受信するためのイーサネットカード及びポート、及び／又は無線通信ネットワークを介して通信するためのＷｉＦｉ送受信機を含むことがある。通信インターフェース８０４は、ローカルエリアネットワーク又はワイドエリアネットワーク（例えば、インターネット、ビルディングＷＡＮなど）を介して通信するように構成されることがあり、様々な通信プロトコル（例えば、ＢＡＣｎｅｔ（登録商標）、ＩＰ、ＬＯＮ（登録商標）など）を使用し得る。

通信インターフェース８０４は、ＭＰＭシステム６０２と様々な外部システム又はデバイス（例えば、ＢＭＳ６０６、接続された機器６１０、公益企業５１０など）との間の電子データ通信を容易にするように構成されたネットワークインターフェースでよい。例えば、ＭＰＭシステム６０２は、ＢＭＳ６０６から、制御されているビルディングの１つ又は複数の測定された状態（例えば、温度、湿度、電気負荷など）、及び接続された機器６１０に関する機器性能情報（例えば、稼働時間、電力消費量、動作効率など）を示す情報を受信することがある。通信インターフェース８０４は、ＢＭＳ６０６及び／又は接続された機器６１０から入力を受信することができ、ＢＭＳ６０６及び／又は他の外部システム若しくはデバイスに最適化結果を提供することができる。最適化結果により、ＢＭＳ６０６は、接続された機器６１０に関する設定点をアクティブ化、非アクティブ化、又は調整して、最適化結果で指定された決定変数の最適値を実現することができる。

引き続き図８を参照すると、処理回路８０６は、プロセッサ８０８及びメモリ８１０を含むものとして示されている。プロセッサ８０８は、汎用若しくは特定用途向けプロセッサ、特定用途向け集積回路（ＡＳＩＣ）、１つ若しくは複数のフィールドプログラマブルゲートアレイ（ＦＰＧＡ）、処理構成要素のグループ、又は他の適切な処理構成要素でよい。プロセッサ８０８は、メモリ８１０に記憶された、又は他のコンピュータ可読媒体（例えば、ＣＤＲＯＭ、ネットワークストレージ、リモートサーバなど）から受信されたコンピュータコード又は命令を実行するように構成されてよい。

メモリ８１０は、本開示で述べる様々なプロセスを完遂及び／又は容易化するためのデータ及び／又はコンピュータコードを記憶するための１つ又は複数のデバイス（例えばメモリユニット、メモリデバイス、記憶デバイスなど）を含み得る。メモリ８１０は、ランダムアクセスメモリ（ＲＡＭ）、読み出し専用メモリ（ＲＯＭ）、ハードドライブ記憶装置、一時記憶装置、不揮発性メモリ、フラッシュメモリ、光学メモリ、又は、ソフトウェアオブジェクト及び／又はコンピュータ命令を記憶するための任意の他の適切なメモリを含み得る。メモリ８１０は、データベースコンポーネント、オブジェクトコードコンポーネント、スクリプトコンポーネント、又は、本開示で述べる様々な活動及び情報構造をサポートするための任意の他のタイプの情報構造を含み得る。メモリ８１０は、処理回路８０６を介してプロセッサ８０８に通信可能に接続されてもよく、本明細書で述べる１つ又は複数のプロセスを（例えばプロセッサ８０８によって）実行するためのコンピュータコードを含み得る。

ＭＰＭシステム６０２は、機器性能モニタ８２４を含むものとして示されている。機器性能モニタ８２４は、ＢＭＳ６０６及び／又は接続された機器６１０から機器性能情報を受信することができる。機器性能情報は、監視される変数のサンプル（例えば、測定された温度、測定された圧力、測定された流量、電力消費量など）、現在の動作条件（例えば、加熱又は冷却負荷、現在の動作条件など）、障害標示、又は接続された機器６１０の性能を特徴付ける他のタイプの情報を含むことができる。いくつかの実施形態では、機器性能モニタ８２４は、機器性能情報を使用して、接続された機器６１０の各デバイスの現在の効率η_ｉ及び信頼性を計算する。機器性能モニタ８２４は、目的関数Ｊの最適化に使用するために、効率η_ｉ及び信頼性値をモデル予測オプティマイザ８３０に提供することができる。

引き続き図８を参照すると、ＭＰＭシステム６０２は、負荷／料金予測器８２２を含むものとして示されている。負荷／料金予測器８２２は、最適化期間の時間ステップｉごとに、ビルディング又は構内のエネルギー負荷（Ｌｏａｄ_ｉ）（例えば、加熱負荷、冷却負荷、電気負荷など）を予測するように構成されることがある。負荷／料金予測器８２２は、気象サービス６０４から天気予報を受信するものとして示されている。いくつかの実施形態では、負荷／料金予測器８２２は、天気予報に応じてエネルギー負荷Ｌｏａｄ_ｉを予測する。いくつかの実施形態では、負荷／料金予測器８２２は、ＢＭＳ６０６からのフィードバックを使用して、負荷Ｌｏａｄ_ｉを予測する。ＢＭＳ６０６からのフィードバックは、様々なタイプの感覚入力（例えば、温度、流量、湿度、エンタルピーなど）又は制御されているビルディングに関係する他のデータ（例えば、ＨＶＡＣシステム、照明制御システム、セキュリティシステム、給水システムなどからの入力）を含むことがある。

いくつかの実施形態では、負荷／料金予測器８２２は、測定された電気負荷及び／又は以前に測定された負荷データをＢＭＳ６０６から（例えば、機器性能モニタ８２４を介して）受信する。負荷／料金予測器８２２は、所与の天気予報

、日付け（ｄａｙ）、時刻（ｔ）、及び以前に測定された負荷データ（Ｙ_ｉ−１）に応じて負荷Ｌｏａｄ_ｉを予測することがある。そのような関係は、次式で表される。

いくつかの実施形態では、負荷／料金予測器８２２は、履歴負荷データから訓練された決定論的＋確率モデルを使用して負荷Ｌｏａｄ_ｉを予測する。負荷／料金予測器８２２は、様々な予測法の任意のものを使用して負荷Ｌｏａｄ_ｉを予測することができる（例えば、決定論的部分に関しては線形回帰及び確率的部分に関してはＡＲモデル）。負荷／料金予測器８２２は、ビルディング又は構内に関する１つ又は複数の異なるタイプの負荷を予測することがある。例えば、負荷／料金予測器８２２は、最適化期間内の時間ステップｉごとに、温水負荷Ｌｏａｄ_{Ｈｏｔ，ｉ}、冷水負荷Ｌｏａｄ_{Ｃｏｌｄ，ｉ}、及び電気負荷Ｌｏａｄ_{Ｅｌｅｃ，ｉ}を予測することがある。予測される負荷値Ｌｏａｄ_ｉは、これらのタイプの負荷のいくつか又はすべてを含むことができる。いくつかの実施形態では、負荷／料金予測器８２２は、米国特許出願第１４／７１７，５９３号明細書に記載されている技法を使用して負荷／料金予測を行う。

負荷／料金予測器８２２は、公益企業６０８から公共料金を受信するものとして示されている。公共料金は、最適化期間内の各時間ステップｉにおいて公益企業６０８によって提供される資源（例えば、電気、天然ガス、水など）の単位あたりのコスト又は価格を示すことがある。いくつかの実施形態では、公共料金は時変料金である。例えば、電気の価格は、特定の時間帯又は曜日（例えば、高需要の期間中）にはより高く、他の時間帯又は曜日（例えば、低需要の期間中）にはより低くなることがある。公共料金は、様々な期間と、各期間中の資源の１単位あたりのコストとを定義することがある。公共料金は、公益企業６０８から受信された実際の料金、又は負荷／料金予測器８２２によって推定された予測公共料金でよい。

いくつかの実施形態では、公共料金は、公益企業６０８によって提供される１つ又は複数の資源に関する需要料金を含む。需要料金は、需要料金期間中の特定の資源の最大使用量（例えば、最大エネルギー消費）に基づいて、公益企業６０８によって課される個別のコストを定義することがある。公共料金は、様々な需要料金期間と、各需要料金期間に関連付けられた１つ又は複数の需要料金とを定義することがある。いくつかの場合には、需要料金期間は、互いに及び／又は予測窓と部分的又は完全に重なることがある。モデル予測オプティマイザ８３０は、高レベルオプティマイザ８３２によって実施される高レベル最適化プロセスにおける需要料金を考慮に入れるように構成されることがある。公益企業６０８は、時変（例えば１時間ごと）の価格、最大サービスレベル（例えば、物理的インフラストラクチャによって又は契約によって許可される最大消費レート）、及び電気の場合には、需要料金、又は特定の期間内の消費量のピークレートに関する料金によって定義されることがある。負荷／料金予測器８２２は、予測される負荷Ｌｏａｄ_ｉ及び公共料金をメモリ８１０に記憶することができ、及び／又は予測された負荷Ｌｏａｄ_ｉ及び公共料金をモデル予測オプティマイザ８３０に提供することができる。

引き続き図８を参照すると、ＭＰＭシステム６０２は、モデル予測オプティマイザ８３０を含むものとして示されている。モデル予測オプティマイザ８３０は、マルチレベル最適化プロセスを実施して、接続された機器６１０の購入、メンテナンス、及び動作に関連付けられた総コストを最適化するように構成することができる。いくつかの実施形態では、モデル予測オプティマイザ８３０は、高レベルオプティマイザ８３２及び低レベルオプティマイザ８３４を含む。高レベルオプティマイザ８３２は、接続された機器６１０のセット全体（例えば、ビルディング内部のすべてのデバイス）又は接続された機器６１０のサブセット（例えば、単一のデバイス、サブプラント又はビルディングサブシステムのすべてのデバイスなど）に関して目的関数Ｊを最適化して、目的関数Ｊでの各決定変数（例えば、Ｐ_ｏｐ，ｉ、Ｂ_{ｍａｉｎ，ｉ}、及びＢ_{ｃａｐ，ｉ}）に関する最適値を決定することができる。高レベルオプティマイザ８３２によって実施される最適化を、図９を参照してより詳細に述べる。

いくつかの実施形態では、低レベルオプティマイザ８３４は、高レベルオプティマイザ８３２から最適化結果を受信する。最適化結果は、最適化期間内の各時間ステップｉにおける接続された機器の各デバイス又はデバイスのセットに関する最適な電力消費量値Ｐ_ｏｐ，ｉ及び／又は負荷値Ｌｏａｄ_ｉを含むことがある。低レベルオプティマイザ８３４は、高レベルオプティマイザ８３２によって決定された負荷値で各デバイス又はデバイスのセットを最適に稼働する方法を決定することがある。例えば、低レベルオプティマイザ８３４は、接続された機器６１０の電力消費量を最適化（例えば、最小化）して対応する負荷値Ｌｏａｄ_ｉを満たすために、接続された機器６１０の様々なデバイスに関するオン／オフ状態及び／又は動作設定点を決定することがある。

低レベルオプティマイザ８３４は、接続された機器６１０の各デバイス又はデバイスのセットに関する機器性能曲線を生成するように構成されることがある。各性能曲線は、接続された機器６１０の特定のデバイス又はデバイスのセットによる資源消費量（例えば、ｋＷ単位で測定される電気使用量、Ｌ／ｓで測定される水使用量など）を、デバイス又はデバイスのセットに対する負荷の関数として示すことがある。いくつかの実施形態において、低レベルオプティマイザ８３４は、負荷点（例えば、Ｌｏａｄ_ｉの様々な値）及び気象条件の様々な組合せで低レベル最適化プロセスを実施して複数のデータポイントを生成することによって、性能曲線を生成する。低レベル最適化を使用して、対応する加熱又は冷却負荷を満たすために必要とされる最小の資源消費量を決定することができる。低レベルオプティマイザ８３４によって実施することができる低レベル最適化プロセスの例は、２０１５年２月２７日出願の「Ｌｏｗ Ｌｅｖｅｌ Ｃｅｎｔｒａｌ Ｐｌａｎｔ Ｏｐｔｉｍｉｚａｔｉｏｎ」という名称の米国特許出願第１４／６３４，６１５号明細書に詳細に述べられており、その特許出願の開示全体を参照により本明細書に援用する。低レベルオプティマイザ８３４は、データポイントに曲線を当てはめて、性能曲線を生成することがある。

いくつかの実施形態では、低レベルオプティマイザ８３４は、接続された機器６１０の個々のデバイスの効率曲線を組み合わせることによって、接続された機器６１０のセット（例えば、冷却器サブプラント、ヒータサブプラントなど）に関する機器性能曲線を生成する。デバイス効率曲線は、負荷の関数としてデバイスによる資源消費量を示すことがある。デバイス効率曲線は、デバイス製造業者によって提供されることがあり、又は実験データを使用して生成されることもある。いくつかの実施形態において、デバイス効率曲線は、デバイス製造業者によって提供され、実験データを使用して更新された初期効率曲線に基づく。デバイス効率曲線は、機器モデル８１８に記憶されていてよい。いくつかのデバイスでは、デバイス効率曲線は、資源消費が負荷のＵ字関数であることを示すことがある。したがって、複数のデバイス効率曲線が組み合わされて複数のデバイスに関する性能曲線になるとき、得られる性能曲線は波状の曲線になり得る。これらの波は、単一のデバイスが負荷を上げることによって引き起こされ、その後、サブプラント負荷を満たすための別のデバイスの起動がより効率的になる。低レベルオプティマイザ８３４は、高レベル最適化プロセスで使用するために機器性能曲線を高レベルオプティマイザ８３２に提供することがある。

引き続き図８を参照すると、ＭＰＭシステム６０２が、機器コントローラ８２８を含むものとして示されている。機器コントローラ８２８は、接続された機器６１０を制御して、ビルディング１０での可変状態又は状況（例えば、温度、湿度など）に影響を与えるように構成することができる。いくつかの実施形態では、機器コントローラ８２８は、モデル予測オプティマイザ８３０によって実施された最適化の結果に基づいて、接続された機器６１０を制御する。いくつかの実施形態では、機器コントローラ８２８は、接続された機器６１０に通信インターフェース８０４及び／又はＢＭＳ６０６を介して提供することができる制御信号を生成する。制御信号は、目的関数Ｊでの決定変数の最適値に基づくことがある。例えば、機器コントローラ８２８は、接続された機器６１０に、最適化期間内の時間ステップｉごとの最適な電力消費量値Ｐ_ｏｐ，ｉを実現させる制御信号を生成することがある。

モデル予測オプティマイザ８３０、機器コントローラ８２８、又はＭＰＭシステム６０２の他のモジュールからのデータ及び処理結果は、監視及び報告アプリケーション８２６によってアクセス（又は監視及び報告アプリケーション８２６にプッシュ）されることがある。監視及び報告アプリケーション８２６は、ユーザ（例えば、システムエンジニア）が閲覧及びナビゲートすることができるリアルタイム「システムヘルス」ダッシュボードを生成するように構成されることがある。例えば、監視及び報告アプリケーション８２６は、ＧＵＩのユーザに重要業績評価指標（ＫＰＩ）又は他の情報を表示するためのいくつかのグラフィカルユーザインターフェース（ＧＵＩ）要素（例えば、ウィジェット、ダッシュボードコントロール、ウィンドウなど）を有するウェブベースの監視アプリケーションを含むことがある。さらに、ＧＵＩ要素は、（実際の又はモデル化された）異なるビルディングや異なる構内などでのビルディング管理システムにわたる相対的なエネルギー使用量及び強度を要約することができる。他のＧＵＩ要素又はレポートは、利用可能なデータに基づいて生成されて示されることがあり、ユーザが、１つ又は複数のエネルギー貯蔵システムにわたる性能を１つの画面から評価できるようにする。ユーザインターフェース又はレポート（又は元のデータエンジン）は、ビルディング、ビルディングのタイプ、機器のタイプなどによって動作条件を集計及び分類するように構成されることがある。ＧＵＩ要素は、ビルディングシステムのデバイスに関する動作パラメータ及び電力消費量をユーザが視覚的に分析できるようにするチャート又はヒストグラムを含むことがある。

引き続き図８を参照すると、ＭＰＭシステム６０２は、監視及び報告アプリケーション８２６をサポートするために、１つ又は複数のＧＵＩサーバ、ウェブサービス８１２、又はＧＵＩエンジン８１４を含むことがある。様々な実施形態において、アプリケーション８２６、ウェブサービス８１２、及びＧＵＩエンジン８１４は、ＭＰＭシステム６０２の外部の別個の構成要素として（例えば、スマートビルディングマネージャの一部として）提供されてもよい。ＭＰＭシステム６０２は、関連データの詳細な履歴データベース（例えば、リレーショナルデータベース、ＸＭＬデータベースなど）を維持するように構成されることがあり、詳細なデータベースに維持されているデータに対して継続的に、頻繁に、又は低頻度でクエリ、集約、変換、検索、又は他の処理を行うコンピュータコードモジュールを含む。ＭＰＭシステム６０２は、任意のそのような処理の結果を、例えば外部監視及び報告アプリケーションによるさらなるクエリ、計算、若しくはアクセスのために、他のデータベース、テーブル、ＸＭＬファイル、又は他のデータ構造に提供するように構成されることがある。

ＭＰＭシステム６０２は、構成ツール８１６を含むものとして示されている。構成ツール８１６により、ＭＰＭシステム６０２がＢＭＳ６０６及び／又は接続された機器６１０での変化する条件にどのように応答するかをユーザが（例えば、グラフィカルユーザインターフェースを介して、プロンプト方式の「ウィザード」を介してなど）定義できるようにし得る。例示的実施形態では、構成ツール８１６により、接続された機器６１０の複数のデバイス、複数のビルディングシステム、及び複数のエンタープライズ制御アプリケーション（例えば、作業指示管理システムアプリケーション、エンティティ資源プランニングアプリケーションなど）に及び得る条件応答シナリオをユーザが構築して記憶することができるようにする。例えば、構成ツール８１６は、様々な条件論理を使用して（例えば、サブシステムからの、イベント履歴からの）データを組み合わせる機能をユーザに提供することができる。様々な例示的実施形態では、条件論理は、条件間の単純な論理演算子（例えば、ＡＮＤ、ＯＲ、ＸＯＲなど）から、擬似コード構造又は複雑なプログラミング言語関数（より複雑な対話、条件文、ループなどを可能にする）まで含むことができる。構成ツール８１６は、そのような条件論理を構築するためのユーザインターフェースを提示することができる。ユーザインターフェースは、ユーザがグラフィックでポリシー及び応答を定義できるようにすることがある。いくつかの実施形態では、ユーザインターフェースは、ユーザが、予め記憶又は予め構成されたポリシーを選択し、そのポリシーを適合させる、又はそのユーザのシステムと共に使用できるようにし得る。

高レベルオプティマイザ
次に図９を参照すると、例示的実施形態に従って、高レベルオプティマイザ８３２をより詳細に示すブロック図が示されている。高レベルオプティマイザ８３２は、接続された機器６１０に関する最適なメンテナンス戦略を決定するように構成することができる。いくつかの実施形態では、最適なメンテナンス戦略は、最適化期間（例えば、３０週、５２週、１０年、３０年など）の継続期間にわたる接続された機器６１０の購入、メンテナンス、及び動作に関連する総コストを最適化する１組の決定事項である。これらの決定事項は、例えば、機器の購入の決定、機器のメンテナンスの決定、及び機器の動作の決定を含むことができる。

高レベルオプティマイザ８３２は、動作コスト予測器９１０、メンテナンスコスト予測器９２０、資本コスト予測器９３０、目的関数生成器９３５、及び目的関数オプティマイザ９４０を含むものとして示されている。コスト予測器９１０、９２０、及び９３０は、モデル予測制御技法を使用して、いくつかの決定変数（例えば、メンテナンス決定、機器購入決定など）及び入力パラメータ（例えば、エネルギーコスト、デバイス効率、デバイス信頼性）の関数として総コストを表す目的関数を定式化することができる。動作コスト予測器９１０は、目的関数での動作コスト項を定式化するように構成することができる。同様に、メンテナンスコスト予測器９２０は、目的関数でのメンテナンスコスト項を定式化するように構成することができ、資本コスト予測器９３０は、目的関数での資本コスト項を定式化するように構成することができる。目的関数オプティマイザ９４０は、様々な最適化技法のいずれかを使用して目的関数を最適化（例えば最小化）して、各決定変数に関する最適値を識別することができる。

高レベルオプティマイザ８３２によって生成することができる目的関数の一例は、次式で示される。

ここで、Ｃ_ｏｐ，ｉは、最適化期間の時間ステップｉにおいて接続された機器６１０が消費する単位エネルギーあたりのコスト（例えば、＄／ｋＷｈ）であり、Ｐ_ｏｐ，ｉは、時間ステップｉにおける接続された機器６１０の電力消費量（例えば、ｋＷ）であり、Δｔは、各時間ステップｉの継続時間であり、Ｃ_{ｍａｉｎ，ｉ}は、時間ステップｉにおいて接続された機器６１０に対して実施されるメンテナンスのコストであり、Ｂ_{ｍａｉｎ，ｉ}は、メンテナンスが実施されるかどうかを示すバイナリ変数であり、Ｃ_{ｃａｐ，ｉ}は、時間ステップｉにおいて接続された機器６１０の新たなデバイスを購入する資本コストであり、Ｂ_{ｃａｐ，ｉ}は、新たなデバイスが購入されるかどうかを示すバイナリ変数であり、ｈは、最適化が実施される水平又は最適化期間の継続時間である。

動作コスト予測器
動作コスト予測器９１０は、目的関数Ｊでの第１項を定式化するように構成することができる。目的関数Ｊの第１項は、最適化期間の継続期間にわたる接続された機器６１０の動作コストを表し、３つの変数又はパラメータ（すなわち、Ｃ_ｏｐ，ｉ、Ｐ_ｏｐ，ｉ、及びΔｔ）を含むものとして示されている。いくつかの実施形態では、単位エネルギーあたりのコストＣ_ｏｐ，ｉは、エネルギーコストモジュール９１５によって決定される。エネルギーコストモジュール９１５は、エネルギー価格データとして、公益企業６０８からエネルギー価格のセットを受信することができる。いくつかの実施形態では、エネルギー価格は、時刻、曜日（例えば平日か週末か）、現在の季節（例えば夏か冬か）、又は他の時間ベースの因子に依存する時変コストでよい。例えば、電気のコストは、ピークエネルギー消費期間中にはより高く、オフピーク又は部分ピークエネルギー消費期間中にはより低いことがある。

エネルギーコストモジュール９１５は、エネルギーコストを使用して、最適化期間内の時間ステップｉごとにＣ_ｏｐ，ｉの値を定義することができる。いくつかの実施形態において、エネルギーコストモジュール９１５は、最適化期間内のｈ個の時間ステップそれぞれに関するコスト要素を含むアレイＣ_ｏｐとしてエネルギーコストを記憶する。例えば、エネルギーコストモジュール９１５は、以下のアレイを生成することができる。
Ｃ_ｏｐ＝［Ｃ_ｏｐ，１ Ｃ_ｏｐ，２ ・・・ Ｃ_ｏｐ，ｈ］
ここで、アレイＣ_ｏｐは、１×ｈのサイズを有し、アレイＣ_ｏｐの各要素は、最適化期間の特定の時間ステップｉ＝１・・・ｈに関するエネルギーコスト値Ｃ_ｏｐ，ｉを含む。

さらに図９を参照すると、動作コスト予測器９１０は、理想性能計算機９１２を含むものとして示されている。理想性能計算機９１２は、負荷／料金予測器８２２から負荷予測Ｌｏａｄ_ｉを受信することがあり、低レベルオプティマイザ８３４から性能曲線を受信することがある。上で論じたように、性能曲線は、接続された機器６１０のデバイス又はデバイスのセットの理想的な電力消費量Ｐ_{ｉｄｅａｌ}を、デバイス又はデバイスのセットに対する加熱又は冷却負荷の関数として定義することがある。例えば、接続された機器６１０の１つ又は複数のデバイスの性能曲線は、次式によって定義することができる。
Ｐ_{ｉｄｅａｌ，ｉ}＝ｆ（Ｌｏａｄ_ｉ）
ここで、Ｐ_{ｉｄｅａｌ，ｉ}は、時間ステップｉにおける接続された機器６１０の理想的な電力消費量（例えば、ｋＷ）であり、Ｌｏａｄ_ｉは、時間ステップにおける接続された機器６１０に対する負荷（例えば、トン単位での冷却負荷、ｋＷ単位での加熱負荷など）である。理想的な電力消費量Ｐ_{ｉｄｅａｌ，ｉ}は、接続された機器６１０の１つ又は複数のデバイスが完璧な効率で動作すると仮定したそれらの電力消費量を表すことがある。

理想性能計算機９１２は、接続された機器６１０のデバイス又はデバイスのセットに関する性能曲線を使用して、Ｐ_{ｉｄｅａｌ，ｉ}の値を識別することができ、この値は、最適化期間の各時間ステップにおけるデバイス又はデバイスのセットに関する負荷点Ｌｏａｄ_ｉに対応する。いくつかの実施形態では、理想性能計算機９１２は、最適化期間内のｈ個の時間ステップそれぞれに関する要素を含むアレイＰ_{ｉｄｅａｌ}として、理想的な負荷値を記憶する。例えば、理想性能計算機９１２は、以下のアレイを生成することができる。
Ｐ_{ｉｄｅａｌ}＝［Ｐ_{ｉｄｅａｌ，１} Ｐ_{ｉｄｅａｌ，２} ・・・ Ｐ_{ｉｄｅａｌ，ｈ}］^Ｔ
ここで、アレイＰ_{ｉｄｅａｌ}は、ｈ×１のサイズを有し、アレイＰ_{ｉｄｅａｌ}の各要素は、最適化期間の特定の時間ステップｉ＝１・・・ｈに関する理想的な電力消費量値Ｐ_{ｉｄｅａｌ，ｉ}を含む。

引き続き図９を参照すると、動作コスト予測器９１０が、効率アップデータ９１１及び効率デグレーダ９１３を含むものとして示されている。効率アップデータ９１１は、実際の動作条件下での接続された機器６１０の効率ηを決定するように構成することができる。いくつかの実施形態では、効率η_ｉは、次式で示されるように、接続された機器の理想的な電力消費量Ｐ_{ｉｄｅａｌ}と、接続された機器６１０の実際の電力消費量Ｐ_{ａｃｔｕａｌ}との比を表す。

ここで、Ｐ_{ｉｄｅａｌ}は、接続された機器６１０に関する性能曲線によって定義される接続された機器６１０の理想的な電力消費量であり、Ｐ_{ａｃｔｕａｌ}は、接続された機器６１０の実際の電力消費量である。いくつかの実施形態では、効率アップデータ９１１は、接続された機器６１０から収集された機器性能情報を使用して、実際の電力消費量値Ｐ_{ａｃｔｕａｌ}を識別する。効率アップデータ９１１は、実際の電力消費量Ｐ_{ａｃｔｕａｌ}を理想的な電力消費量Ｐ_{ｉｄｅａｌ}と組み合わせて使用して、効率ηを計算することができる。

効率アップデータ９１１は、接続された機器６１０の現在の動作効率を反映するために効率ηを定期的に更新するように構成することができる。例えば、効率アップデータ９１１は、接続された機器６１０の効率ηを、１日に１回、１週間に１回、１年に１回、又は時間と共に効率ηの変化を捕捉するのに適切であり得る任意の他の間隔で計算することができる。効率ηの各値は、効率ηが計算される時点でのＰ_{ｉｄｅａｌ}及びＰ_{ａｃｔｕａｌ}の対応する値に基づいていてよい。いくつかの実施形態では、効率アップデータ９１１は、高レベル最適化プロセスが実施されるたびに（すなわち、目的関数Ｊが最適化されるたびに）効率ηを更新する。効率アップデータ９１１によって計算された効率値は、初期効率値η_０としてメモリ８１０に記憶されることがあり、ここで、下付き数字０は、最適化期間の開始時又は開始前（例えば、時間ステップ０で）の効率ηの値を表す。

いくつかの実施形態では、効率アップデータ９１１は、接続された機器６１０に対するメンテナンスの実施、又は接続された機器６１０の１つ若しくは複数のデバイスを交換若しくは補完するための新たな機器の購入により生じる接続された機器６１０の効率ηの上昇を考慮に入れるために、最適化期間中の１つ又は複数の時間ステップに関する効率η_ｉを更新する。効率η_ｉが更新される時間ステップｉは、メンテナンスが実施されることになる、又は機器が交換されることになる予測時間ステップに対応することがある。接続された機器６１０に対してメンテナンスが実施されることになる予測時間ステップは、目的関数Ｊでのバイナリ決定変数Ｂ_{ｍａｉｎ，ｉ}の値によって定義することができる。同様に、機器が交換されることになる予測時間ステップは、目的関数Ｊでのバイナリ決定変数Ｂ_{ｃａｐ，ｉ}の値によって定義することができる。

効率アップデータ９１１は、その時間ステップにおいてメンテナンスが実施されること、及び／又はその時間ステップにおいて新たな機器が購入されることをバイナリ決定変数Ｂ_{ｍａｉｎ，ｉ}及びＢ_{ｃａｐ，ｉ}が示す場合（すなわち、Ｂ_{ｍａｉｎ，ｉ}＝１及び／又はＢ_{ｃａｐ，ｉ}＝１）、所与の時間ステップｉに関する効率η_ｉをリセットするように構成することができる。例えば、Ｂ_{ｍａｉｎ，ｉ}＝１の場合、効率アップデータ９１１は、η_ｉの値をη_ｍａｉｎにリセットするように構成することができ、ここで、η_ｍａｉｎは、時間ステップｉにおいて実施されるメンテナンスにより得られると期待される効率値である。同様に、Ｂ_{ｃａｐ，ｉ}＝１の場合、効率アップデータ９１１は、η_ｉの値をη_ｃａｐにリセットするように構成することができ、ここで、η_ｃａｐは、時間ステップｉにおいて実施される接続された機器６１０の１つ又は複数のデバイスを補完又は交換するために新たなデバイスを購入することにより得られると期待される効率値である。効率アップデータ９１１は、１つ又は複数の時間ステップに関して効率η_ｉを動的にリセットすることができ、（例えば最適化の各反復によって）バイナリ決定変数Ｂ_{ｍａｉｎ，ｉ}及びＢ_{ｃａｐ，ｉ}の値に基づいて最適化が実施される。

効率デグレーダ９１３は、最適化期間の各時間ステップｉにおける接続された機器６１０の効率η_ｉを予測するように構成することができる。最適化期間の開始時の初期効率η_０は、接続された機器６１０の性能が低下するにつれて、時間と共に低下することがある。例えば、冷却器の効率は、冷却水管が汚れて冷却器の熱伝達率が低下した結果、時間と共に低下することがある。同様に、バッテリの物理的又は化学的構成要素の劣化により、バッテリの効率は、時間と共に低下することがある。効率デグレーダ９１３は、そのような低下を、最適化期間の継続時間にわたって効率η_ｉを段階的に低下させることによって考慮に入れるように構成することができる。

いくつかの実施形態では、初期効率値η_０は、各最適化期間の開始時に更新される。しかし、効率ηは、最適化期間中に低下することがあり、初期効率値η_０は、最適化期間の継続期間にわたって次第に不正確になる。最適化期間中の効率低下を考慮に入れるために、効率デグレーダ９１３は、連続する各時間ステップにおいて効率ηを所定量だけ低下させることができる。例えば、効率デグレーダ９１３は、各時間ステップｉ＝１・・・ｈでの効率を以下のように定義することができる。
η_ｉ＝η_ｉ−１−Δη
ここで、η_ｉは、時間ステップｉにおける効率であり、η_ｉ−１は、時間ステップｉ−１での効率であり、Δηは、連続する時間ステップ間での効率の低下である。いくつかの実施形態では、η_ｉのこの定義は、Ｂ_{ｍａｉｎ，ｉ}＝０及びＢ_{ｃａｐ，ｉ}＝０である各時間ステップに適用される。しかし、Ｂ_{ｍａｉｎ，ｉ}＝１又はＢ_{ｃａｐ，ｉ}＝１である場合、η_ｉの値は、前述したようにη_ｍａｉｎ又はη_ｃａｐにリセットされ得る。

いくつかの実施形態では、Δηの値は、効率アップデータ９１１によって計算された効率値の時系列に基づいている。例えば、効率デグレーダ９１３は、効率アップデータ９１１によって計算された初期効率値η_０の時系列を記録することがあり、ここで、各初期効率値η_０は、特定の時点における接続された機器６１０の経験的に計算された効率を表す。効率デグレーダ９１３は、初期効率値η_０の時系列を検査して、効率が低下する率を決定することができる。例えば、時点ｔ_１での初期効率η_０がη_０，１であり、時点ｔ_２での初期効率がη_０，２である場合、効率デグレーダ９１３は、効率低下率を以下のように計算することができる。

ここで、

は、効率低下率である。効率デグレーダ９１３は、

に、各時間ステップの継続時間Δｔを乗算して、Δηの値を計算することができる（すなわち、

）。

いくつかの実施形態では、効率デグレーダ９１３は、最適化期間内のｈ個の時間ステップそれぞれに関する要素を含むアレイηに、最適化期間の継続期間にわたる効率値を記憶する。例えば、効率デグレーダ９１３は、以下のアレイを生成することができる。
η＝［η_１ η_２ ・・・ η_ｈ］
ここで、アレイηは、ｈ×１のサイズを有し、アレイηの各要素は、最適化期間の特定の時間ステップｉ＝１・・・ｈに関する効率値η_ｉを含む。アレイηの各要素ｉは、前の要素の値とΔηの値とに基づいて計算されることがあり（例えば、Ｂ_{ｍａｉｎ，ｉ}＝０及びＢ_{ｃａｐ，ｉ}＝０の場合）、又はη_ｍａｉｎ又はη_ｃａｐに動的にリセットされることがある（例えば、Ｂ_{ｍａｉｎ，ｉ}＝１又はＢ_{ｃａｐ，ｉ}＝１の場合）。

効率アップデータ９１１及び効率デグレーダ９１３によって実施される効率更新及びリセット動作を特徴付ける論理は、次式で要約することができる。
Ｂ_{ｍａｉｎ，ｉ}＝１の場合 → η_ｉ＝η_ｍａｉｎ
Ｂ_{ｃａｐ，ｉ}＝１の場合 → η_ｉ＝η_ｃａｐ
Ｂ_{ｍａｉｎ，ｉ}＝０及びＢ_{ｃａｐ，ｉ}＝０の場合 → η_ｉ＝η_ｉ−１−Δη
これは、目的関数オプティマイザ９４０によって実施される高レベル最適化に対する制約として適用することができる。

有利には、効率アップデータ９１１及び効率デグレーダ９１３は、各時間ステップｉにおける接続された機器６１０の効率η_ｉを、メンテナンス決定Ｂ_{ｍａｉｎ，ｉ}及び機器購入決定Ｂ_{ｃａｐ，ｉ}の関数としてモデル化することができる。例えば、特定のデバイスに関する効率η_ｉは、最適化期間の開始時に初期値η_０で始まることがあり、時間と共に低下し、連続する各時間ステップｉと共に効率η_ｉが低下することがある。デバイスに対するメンテナンスを実施することで、メンテナンスが実施された直後に効率η_ｉをより高い値にリセットすることができる。同様に、新たなデバイスを購入して既存のデバイスと交換することで、新たなデバイスが購入された直後に効率η_ｉをより高い値にリセットすることができる。リセット後、効率η_ｉは、メンテナンスが実施される又は新たなデバイスが購入される次の時点まで、時間と共に低下し続けることがある。

引き続き図９を参照すると、動作コスト予測器９１０は、電力消費量推定器９１４及び動作コスト計算機９１６を含むものとして示されている。電力消費量推定器９１４は、最適化期間の各時間ステップｉにおける接続された機器６１０の電力消費量Ｐ_ｏｐ，ｉを推定するように構成することができる。いくつかの実施形態では、電力消費量推定器９１４は、理想性能計算機９１２によって計算された理想電力消費量Ｐ_{ｉｄｅａｌ，ｉ}と、効率デグレーダ９１３及び／又は効率アップデータ９１１によって決定された効率η_ｉとの関数として、電力消費量Ｐ_ｏｐ，ｉを推定する。例えば、電力消費量推定器９１４は、次式を使用して電力消費量Ｐ_ｏｐ，ｉを計算することができる。

ここで、Ｐ_{ｉｄｅａｌ，ｉ}は、対応する負荷点Ｌｏａｄ_ｉでのデバイスに関する機器性能曲線に基づいて理想性能計算機９１２によって計算された電力消費量であり、η_ｉは、時間ステップｉにおけるデバイスの動作効率である。

いくつかの実施形態では、電力消費量推定器９１４は、最適化期間内のｈ個の時間ステップそれぞれに関する要素を含むアレイＰ_ｏｐとして電力消費量値を記憶する。例えば、電力消費量推定器９１４は、以下のアレイを生成することができる。
Ｐ_ｏｐ＝［Ｐ_ｏｐ，１ Ｐ_ｏｐ，２ ・・・ Ｐ_ｏｐ，ｈ］^Ｔ
ここで、アレイＰ_ｏｐは、ｈ×１のサイズを有し、アレイＰ_ｏｐの各要素は、最適化期間の特定の時間ステップｉ＝１・・・ｈに関する理想的な電力消費量値Ｐ_ｏｐ，ｉを含む。

動作コスト計算機９１６は、最適化期間の継続期間にわたる接続された機器６１０の動作コストを推定するように構成することができる。いくつかの実施形態では、動作コスト計算機９１６は、次式を使用して各時間ステップｉ中の動作コストを計算する。
Cost_ｏｐ，ｉ＝Ｃ_ｏｐ，ｉＰ_ｏｐ，ｉΔｔ
ここで、Ｐ_ｏｐ，ｉは、電力消費量推定器９１４によって決定される時間ステップｉにおける予測電力消費量であり、Ｃ_ｏｐ，ｉは、エネルギーコストモジュール９１５によって決定される時間ステップｉにおける単位エネルギーあたりのコストであり、Δｔは、各時間ステップの継続期間である。動作コスト計算機９１６は、以下のように、最適化期間の継続期間にわたる動作コストを合計することができる。

ここで、Cost_ｏｐは、目的関数Ｊの動作コスト項である。

他の実施形態では、動作コスト計算機９１６は、次式で示されるように、コストアレイＣ_ｏｐに電力消費量アレイＰ_ｏｐ及び各時間ステップの継続時間Δｔを乗算することによって、動作コストCost_ｏｐを推定する。
Cost_ｏｐ＝Ｃ_ｏｐＰ_ｏｐΔｔ
Cost_ｏｐ＝［Ｃ_ｏｐ，１ Ｃ_ｏｐ，２ ・・・ Ｃ_ｏｐ，ｈ］［Ｐ_ｏｐ，１ Ｐ_ｏｐ，２ ・・・ Ｐ_ｏｐ，ｈ］^ＴΔｔ

メンテナンスコスト予測器
メンテナンスコスト予測器９２０は、目的関数Ｊでの第２項を定式化するように構成することができる。目的関数Ｊでの第２項は、最適化期間の継続期間にわたる、接続された機器６１０に対するメンテナンスを実施するコストを表し、２つの変数又はパラメータ（すなわち、Ｃ_{ｍａｉｎ，ｉ}及びＢ_{ｍａｉｎ，ｉ}）を含むものとして示されている。メンテナンスコスト予測器９２０は、メンテナンス推定器９２２、信頼性推定器９２４、メンテナンスコスト計算機９２６、及びメンテナンスコストモジュール９２８を含むものとして示されている。

信頼性推定器９２４は、接続された機器６１０から受信された機器性能情報に基づいて、接続された機器６１０の信頼性を推定するように構成することができる。信頼性は、接続された機器６１０がその現在の動作条件下で障害なく動作し続ける尤度の統計的尺度であり得る。より過酷な条件下（例えば、高負荷、高温など）での動作は、信頼性をより低くすることがあり、より過酷でない条件下（例えば、低負荷、中程度の温度など）での動作は、信頼性をより高くすることがある。いくつかの実施形態では、信頼性は、接続された機器６１０が最後にメンテナンスを受けてから経過した時間量、及び／又は接続された機器６１０が購入若しくは設置されてから経過した時間量に基づく。

いくつかの実施形態では、信頼性推定器９２４は、機器性能情報を使用して、接続された機器６１０の現在の動作条件を識別する。信頼性推定器９２４によって現在の動作条件を検査して、接続された機器６１０の性能が低下し始める時を明らかにし、及び／又は障害が発生する時を予測することができる。いくつかの実施形態では、信頼性推定器９２４は、接続された機器６１０で潜在的に発生し得る様々なタイプの故障の尤度を推定する。各故障の尤度は、接続された機器６１０の現在の動作条件、接続された機器６１０が設置されてから経過した時間量、及び／又はメンテナンスが最後に実施されてから経過した時間量に基づくことがある。いくつかの実施形態では、信頼性推定器９２４は、２０１６年６月２１日出願の「Ｂｕｉｌｄｉｎｇ Ｍａｎａｇｅｍｅｎｔ Ｓｙｓｔｅｍ Ｗｉｔｈ Ｐｒｅｄｉｃｔｉｖｅ Ｄｉａｇｎｏｓｔｉｃｓ」という名称の米国特許出願第１５／１８８，８２４号明細書に記載のシステム及び方法を使用して、動作条件を識別し、様々な故障の尤度を予測する。上記特許出願の開示全体を参照により本明細書に援用する。

いくつかの実施形態では、信頼性推定器９２４は、複数のビルディングにわたって分散された接続された機器６１０の複数のデバイスから動作データを受信する。動作データは、例えば、現在の動作条件、障害標示、故障時間、又は接続された機器６１０の動作及び性能を特徴付ける他のデータを含むことができる。信頼性推定器９２４は、動作データのセットを使用して、各タイプの機器に関する信頼性モデルを作成することができる。信頼性推定器９２４が信頼性モデルを使用して、接続された機器６１０の任意の所与のデバイスの信頼性を、その現在の動作条件及び／又は他の外的要因（例えば、メンテナンスが最後に実施されてからの時間、設置又は購入からの時間、地理的位置、水質など）に応じて推定することができる。

信頼性推定器９２４が使用することができる信頼性モデルの一例は、次式で示される。
Reliability_ｉ＝ｆ（OpCond_ｉ，Δｔ_{ｍａｉｎ，ｉ}，Δｔ_{ｃａｐ，ｉ}）
ここで、Reliability_ｉは、時間ステップｉにおける接続された機器６１０の信頼性であり、OpCond_ｉは、時間ステップｉにおける動作条件であり、Δｔ_{ｍａｉｎ，ｉ}は、メンテナンスが最後に行われた時点と時間ステップｉとの間で経過した時間量であり、Δｔ_{ｃａｐ，ｉ}は、接続された機器６１０が購入又は設置された時点と時間ステップｉとの間で経過した時間量である。信頼性推定器９２４は、接続された機器６１０からフィードバックとして受信された機器性能情報に基づいて現在の動作条件OpCond_ｉを識別するように構成することができる。より過酷な条件下（例えば、高負荷、極端な温度など）での動作は、信頼性をより低くすることがあり、より過酷でない条件下（例えば、低負荷、中程度の温度など）での動作は、信頼性をより高くすることがある。

信頼性推定器９２４は、バイナリ決定変数Ｂ_{ｍａｉｎ，ｉ}の値に基づいて、接続された機器６１０に対してメンテナンスが最後に実施されてから経過した時間量Δｔ_{ｍａｉｎ，ｉ}を決定することがある。各時間ステップｉに関して、信頼性推定器９２４は、時間ステップｉ及び前の各時間ステップ（例えば、時間ステップｉ−１、ｉ−２、・・・、１）におけるＢ_ｍａｉｎの対応する値を検査することができる。信頼性推定器９２４は、メンテナンスが最後に実施された時点（すなわち、Ｂ_{ｍａｉｎ，ｉ}＝１である直近の時点）を、時間ステップｉに関連する時点から引くことによって、Δｔ_{ｍａｉｎ，ｉ}の値を計算することができる。メンテナンスが最後に実施されてからの時間量Δｔ_{ｍａｉｎ，ｉ}が長いと、信頼性がより低くなることがあり、メンテナンスが最後に実施されてからの時間量が短いと、信頼性がより高くなることがある。

同様に、信頼性推定器９２４は、バイナリ決定変数Ｂ_{ｃａｐ，ｉ}の値に基づいて、接続された機器６１０が購入又は設置されてから経過した時間量Δｔ_{ｃａｐ，ｉ}を決定することがある。各時間ステップｉに関して、信頼性推定器９２４は、時間ステップｉ及び前の各時間ステップ（例えば、時間ステップｉ−１、ｉ−２、・・・、１）におけるＢ_ｃａｐの対応する値を検査することができる。信頼性推定器９２４は、接続された機器６１０が購入又は設置された時点（すなわち、Ｂ_{ｃａｐ，ｉ}＝１である直近の時点）を、時間ステップｉに関連する時点から引くことによって、Δｔ_{ｃａｐ，ｉ}の値を計算することができる。接続された機器６１０が購入又は設置されてからの時間量Δｔ_{ｃａｐ，ｉ}が長いと、信頼性がより低くなることがあり、接続された機器６１０が購入又は設置されてからの時間量が短いと、信頼性がより高くなることがある。

信頼性推定器９２４は、その時間ステップにおいてメンテナンスが実施されること、及び／又はその時間ステップにおいて新たな機器が購入されることをバイナリ決定変数Ｂ_{ｍａｉｎ，ｉ}及びＢ_{ｃａｐ，ｉ}が示す場合（すなわち、Ｂ_{ｍａｉｎ，ｉ}＝１及び／又はＢ_{ｃａｐ，ｉ}＝１）、所与の時間ステップｉに関する信頼性をリセットするように構成することができる。例えば、Ｂ_{ｍａｉｎ，ｉ}＝１の場合、信頼性推定器９２４は、Reliability_ｉの値をReliability_ｍａｉｎにリセットするように構成することができ、ここで、Reliability_ｍａｉｎは、時間ステップｉにおいて実施されるメンテナンスにより得られると期待される信頼性値である。同様に、Ｂ_{ｃａｐ，ｉ}＝１の場合、信頼性推定器９２４は、Reliability_ｉの値をReliability_ｃａｐにリセットするように構成することができ、ここで、Reliability_ｃａｐは、時間ステップｉにおいて実施される接続された機器６１０の１つ又は複数のデバイスを補完又は交換するために新たなデバイスを購入することにより得られると期待される信頼性値である。信頼性推定器９２４は、１つ又は複数の時間ステップに関して信頼性を動的にリセットすることができ、（例えば最適化の各反復によって）バイナリ決定変数Ｂ_{ｍａｉｎ，ｉ}及びＢ_{ｃａｐ，ｉ}の値に基づいて最適化が実施される。

メンテナンス推定器９２２は、最適化期間の継続期間にわたる接続された機器６１０の推定された信頼性を使用して、最適化期間の各時間ステップにおいて接続された機器６１０がメンテナンス及び／又は交換を必要とする確率を決定するように構成することができる。いくつかの実施形態では、メンテナンス推定器９２２は、接続された機器６１０が所与の時間ステップにおいてメンテナンスを必要とする確率を臨界値と比較するように構成される。メンテナンス推定器９２２は、時間ステップｉにおいて接続された機器６１０がメンテナンスを必要とする確率が臨界値を超えるという決定に応答して、Ｂ_{ｍａｉｎ，ｉ}＝１の値を設定するように構成することができる。同様に、メンテナンス推定器９２２は、接続された機器６１０が所与の時間ステップにおいて交換を必要とする確率を臨界値と比較するように構成することができる。メンテナンス推定器９２２は、時間ステップｉにおいて接続された機器６１０が交換を必要とする確率が臨界値を超えるという決定に応答して、Ｂ_{ｃａｐ，ｉ}＝１の値を設定するように構成することができる。

いくつかの実施形態では、接続された機器６１０の信頼性とバイナリ決定変数Ｂ_{ｍａｉｎ，ｉ}及びＢ_{ｃａｐ，ｉ}の値とに相互関係がある。言い換えると、接続された機器６１０の信頼性は、最適化で選択されるバイナリ決定変数Ｂ_{ｍａｉｎ，ｉ}及びＢ_{ｃａｐ，ｉ}の値に影響を与えることができ、バイナリ決定変数Ｂ_{ｍａｉｎ，ｉ}及びＢ_{ｃａｐ，ｉ}の値は、接続された機器６１０の信頼性に影響を与えることができる。有利には、目的関数オプティマイザ９４０によって実施される最適化は、バイナリ決定変数Ｂ_{ｍａｉｎ，ｉ}及びＢ_{ｃａｐ，ｉ}と接続された機器６１０の信頼性との相互関係を考慮に入れながら、バイナリ決定変数Ｂ_{ｍａｉｎ，ｉ}及びＢ_{ｃａｐ，ｉ}の最適値を識別することができる。

いくつかの実施形態では、メンテナンス推定器９２２は、バイナリメンテナンス決定変数の行列Ｂ_ｍａｉｎを生成する。行列Ｂ_ｍａｉｎは、最適化期間の各時間ステップにおいて実施することができる様々なメンテナンス活動それぞれに関するバイナリ決定変数を含むことがある。例えば、メンテナンス推定器９２２は、以下の行列を生成することができる。

ここで、行列Ｂ_ｍａｉｎは、サイズがｍ×ｈであり、行列Ｂ_ｍａｉｎの各要素は、最適化期間の特定の時間ステップにおける特定のメンテナンス活動に関するバイナリ決定変数を含む。例えば、バイナリ決定変数Ｂ_{ｍａｉｎ，ｊ，ｉ}の値は、第ｊのメンテナンス活動が最適化期間の第ｉの時間ステップ中に実施されるかどうかを示す。

引き続き図９を参照すると、メンテナンスコスト予測器９２０は、メンテナンスコストモジュール９２８及びメンテナンスコスト計算機９２６を含むものとして示されている。メンテナンスコストモジュール９２８は、接続された機器６１０の様々なタイプのメンテナンスの実施に関連するコストＣ_{ｍａｉｎ，ｉ}を決定するように構成することができる。メンテナンスコストモジュール９２８は、外部システム又はデバイス（例えば、データベース、ユーザデバイスなど）からメンテナンスコストのセットを受信することができる。いくつかの実施形態では、メンテナンスコストは、様々なタイプのメンテナンスを実施する経済的コスト（例えば、＄）を定義する。各タイプのメンテナンス活動は、それに関連する異なる経済的コストを有することがある。例えば、冷却器圧縮機内のオイルを交換するメンテナンス活動にかかる経済的コストは、比較的小さいことがあり、冷却器を完全に分解してすべての冷却水管を洗浄するメンテナンス活動にかかる経済的コストは、かなり大きいことがある。

メンテナンスコストモジュール９２８は、メンテナンスコストを使用して、目的関数ＪでのＣ_{ｍａｉｎ，ｉ}の値を定義することができる。いくつかの実施形態では、メンテナンスコストモジュール９２８は、実施することができるメンテナンス活動それぞれに関するコスト要素を含むアレイＣ_ｍａｉｎとしてメンテナンスコストを記憶する。例えば、メンテナンスコストモジュール９２８は、以下のアレイを生成することができる。
Ｃ_ｍａｉｎ＝［Ｃ_{ｍａｉｎ，１} Ｃ_{ｍａｉｎ，２} ・・・ Ｃ_{ｍａｉｎ，ｍ}］
ここで、アレイＣ_ｍａｉｎは、サイズが１×ｍであり、アレイＣ_ｍａｉｎの各要素は、特定のメンテナンス活動ｊ＝１・・・ｍに関するメンテナンスコスト値Ｃ_{ｍａｉｎ，ｊ}を含む。

いくつかのメンテナンス活動は、他よりもコストがかかることがある。しかし、異なるタイプのメンテナンス活動が、接続された機器６１０の効率η及び／又は信頼性に対する異なるレベルの改良をもたらすことがある。例えば、冷却器内のオイルの単なる交換は、効率ηのわずかな改良及び／又は信頼性のわずかな改良をもたらすことがあり、冷却器の完全な分解及びすべての冷却水管の洗浄は、接続された機器６１０の効率η及び／又は信頼性のかなり大きな改良をもたらすことがある。したがって、複数の異なるレベルのメンテナンス後の効率（すなわち、η_ｍａｉｎ）及びメンテナンス後の信頼性（すなわち、Reliability_ｍａｉｎ）が存在し得る。η_ｍａｉｎ及びReliability_ｍａｉｎの各レベルは、異なるタイプのメンテナンス活動に対応することがある。

いくつかの実施形態では、メンテナンス推定器９２２は、異なるレベルのη_ｍａｉｎ及びReliability_ｍａｉｎそれぞれを、対応するアレイに記憶する。例えば、パラメータη_ｍａｉｎは、ｍ個の異なるタイプのメンテナンス活動それぞれに関する要素を有するアレイη_ｍａｉｎとして定義することができる。同様に、パラメータReliability_ｍａｉｎは、ｍ個の異なるタイプのメンテナンス活動それぞれに関する要素を有するアレイReliability_ｍａｉｎとして定義することができる。これらのアレイの例は、次式で示される。
η_ｍａｉｎ＝［η_{ｍａｉｎ，１} η_{ｍａｉｎ，２} ・・・ η_{ｍａｉｎ，ｍ}］
Reliability_ｍａｉｎ＝［Reliability_{ｍａｉｎ，１} Reliability_{ｍａｉｎ，２} ・・・ Reliability_{ｍａｉｎ，ｍ}］
ここで、アレイη_ｍａｉｎは、サイズが１×ｍであり、アレイη_ｍａｉｎの各要素は、特定のメンテナンス活動に関するメンテナンス後の効率値η_{ｍａｉｎ，ｊ}を含む。同様に、アレイReliability_ｍａｉｎは、サイズが１×ｍであり、アレイReliability_ｍａｉｎの各要素は、特定のメンテナンス活動に関するメンテナンス後の信頼性値Reliability_{ｍａｉｎ，ｊ}を含む。

いくつかの実施形態では、効率アップデータ９１１は、各バイナリ決定変数Ｂ_{ｍａｉｎ，ｊ，ｉ}に関連するメンテナンス活動を識別し、Ｂ_{ｍａｉｎ，ｊ，ｉ}＝１の場合、効率ηを、対応するメンテナンス後の効率レベルη_{ｍａｉｎ，ｊ}にリセットする。同様に、信頼性推定器９２４は、各バイナリ決定変数Ｂ_{ｍａｉｎ，ｊ，ｉ}に関連するメンテナンス活動を識別することができ、Ｂ_{ｍａｉｎ，ｊ，ｉ}＝１の場合、信頼性を、対応するメンテナンス後の信頼性レベルReliability_{ｍａｉｎ，ｊ}にリセットすることができる。

メンテナンスコスト計算機９２６は、最適化期間の継続期間にわたる接続された機器６１０のメンテナンスコストを推定するように構成することができる。いくつかの実施形態では、メンテナンスコスト計算機９２６は、次式を使用して各時間ステップｉ中のメンテナンスコストを計算する。
Cost_{ｍａｉｎ，ｉ}＝Ｃ_{ｍａｉｎ，ｉ}Ｂ_{ｍａｉｎ，ｉ}
ここで、Ｃ_{ｍａｉｎ，ｉ}は、時間ステップｉにおいて実施することができるｍ個の異なるタイプのメンテナンス活動それぞれに関する要素を含むメンテナンスコストのアレイであり、Ｂ_{ｍａｉｎ，ｉ}は、ｍ個のメンテナンス活動それぞれが時間ステップｉにおいて実施されるかどうかを示すバイナリ決定変数のアレイである。メンテナンスコスト計算機９２６は、以下のように、最適化期間の継続期間にわたってメンテナンスコストを合計することができる。

ここで、Cost_ｍａｉｎは、目的関数Ｊのメンテナンスコスト項である。

他の実施形態では、メンテナンスコスト計算機９２６は、次式に示されるように、メンテナンスコストアレイＣ_ｍａｉｎにバイナリ決定変数の行列Ｂ_ｍａｉｎを乗算することによってメンテナンスコストCost_ｍａｉｎを推定する。

資本コスト予測器
資本コスト予測器９３０は、目的関数Ｊでの第３項を定式化するように構成することができる。目的関数Ｊでの第３項は、最適化期間の継続期間にわたる接続された機器６１０の新しいデバイスを購入するコストを表し、２つの変数又はパラメータ（すなわち、Ｃ_{ｃａｐ，ｉ}及びＢ_{ｃａｐ，ｉ}）を含むものとして示されている。資本コスト予測器９３０は、購入推定器９３２、信頼性推定器９３４、資本コスト計算機９３６、及び資本コストモジュール９３８を含むものとして示されている。

信頼性推定器９３４は、メンテナンスコスト予測器９２０を参照して述べたように、信頼性推定器９２４の特徴のいくつか又はすべてを含むことができる。例えば、信頼性推定器９３４は、接続された機器６１０から受信された機器性能情報に基づいて、接続された機器６１０の信頼性を推定するように構成することができる。信頼性は、接続された機器６１０がその現在の動作条件下で障害なく動作し続ける尤度の統計的尺度であり得る。より過酷な条件下（例えば、高負荷、高温など）での動作は、信頼性をより低くすることがあり、より過酷でない条件下（例えば、低負荷、中程度の温度など）での動作は、信頼性をより高くすることがある。いくつかの実施形態では、信頼性は、接続された機器６１０が最後にメンテナンスを受けてから経過した時間量、及び／又は接続された機器６１０が購入若しくは設置されてから経過した時間量に基づく。信頼性推定器９３４は、前述したように、信頼性推定器９２４の特徴及び／又は機能のいくつか又はすべてを含むことができる。

購入推定器９３２は、最適化期間の継続期間にわたる接続された機器６１０の推定された信頼性を使用して、最適化期間の各時間ステップにおいて接続された機器６１０の新たなデバイスが購入される確率を決定するように構成することができる。いくつかの実施形態では、購入推定器９３２は、所与の時間ステップにおいて接続された機器６１０の新たなデバイスが購入される確率を臨界値と比較するように構成される。購入推定器９３２は、時間ステップｉにおいて接続された機器６１０が購入される確率が臨界値を超えるという決定に応答して、Ｂ_{ｃａｐ，ｉ}＝１の値を設定するように構成することができる。

いくつかの実施形態では、購入推定器９３２は、バイナリ資本決定変数の行列Ｂ_ｃａｐを生成する。行列Ｂ_ｃａｐは、最適化期間の各時間ステップにおいて行うことができる様々な資本購入それぞれに関するバイナリ決定変数を含むことができる。例えば、購入推定器９３２は、以下の行列を生成することができる。

ここで、行列Ｂ_ｃａｐは、サイズがｐ×ｈであり、行列Ｂ_ｃａｐの各要素は、最適化期間の特定の時間ステップにおける特定の資本購入に関するバイナリ決定変数を含む。例えば、バイナリ決定変数Ｂ_{ｃａｐ，ｋ，ｉ}の値は、最適化期間の第ｉの時間ステップ中に第ｋの資本購入が行われるかどうかを示す。

引き続き図９を参照すると、資本コスト予測器９３０は、資本コストモジュール９３８及び資本コスト計算機９３６を含むものとして示されている。資本コストモジュール９３８は、様々な資本購入（すなわち、接続された機器６１０の１つ又は複数の新たなデバイスの購入）に関連するコストＣ_{ｃａｐ，ｉ}を決定するように構成することができる。資本コストモジュール９３８は、外部システム又はデバイス（例えば、データベース、ユーザデバイスなど）から資本コストのセットを受信することができる。いくつかの実施形態では、資本コストは、様々な資本購入を行う経済的コスト（例えば、＄）を定義する。各タイプの資本購入は、それに関連する異なる経済的コストを有することがある。例えば、新たな温度センサの購入にかかる経済的コストは比較的小さいことがあり、新たな冷却器の購入にかかる経済的コストはかなり大きいことがある。

資本コストモジュール９３８は、購入コストを使用して、目的関数ＪでのＣ_{ｃａｐ，ｉ}の値を定義することができる。いくつかの実施形態では、資本コストモジュール９３８は、行うことができる資本購入それぞれに関するコスト要素を含むアレイＣ_ｃａｐとして資本コストを記憶する。例えば、資本コストモジュール９３８は、以下のアレイを生成することができる。
Ｃ_ｃａｐ＝［Ｃ_{ｃａｐ，１} Ｃ_{ｃａｐ，２} ・・・ Ｃ_{ｃａｐ，ｐ}］
ここで、アレイＣ_ｃａｐは、サイズが１×ｐであり、アレイＣ_ｃａｐの各要素は、特定の資本購入ｋ＝１・・・ｐに関するコスト値Ｃ_{ｃａｐ，ｋ}を含む。

いくつかの資本購入は、他のものよりも高価であり得る。しかし、異なるタイプの資本購入が、接続された機器６１０の効率η及び／又は信頼性に対する異なるレベルの改良をもたらすことがある。例えば、既存のセンサの交換のために新たなセンサを購入することで、効率ηがわずかに向上する、及び／又は信頼性がわずかに向上することがあり、新たな冷却器及び制御システムを購入することで、接続された機器６１０の効率η及び／又は信頼性がかなり大きく向上することがある。したがって、複数の異なるレベルの購入後の効率（すなわち、η_ｃａｐ）及び購入後の信頼性（すなわち、Reliability_ｃａｐ）があり得る。η_ｃａｐ及びReliability_ｃａｐの各レベルは、異なるタイプの資本購入に対応することがある。

いくつかの実施形態では、購入推定器９３２は、異なるレベルのη_ｃａｐ及びReliability_ｃａｐそれぞれを、対応するアレイに記憶する。例えば、パラメータη_ｃａｐは、行うことができるｐ個の異なるタイプの資本購入それぞれに関する要素を有するアレイη_ｃａｐとして定義することができる。同様に、パラメータReliability_ｃａｐは、行うことができるｐ個の異なるタイプの資本購入それぞれに関する要素を有するアレイReliability_ｃａｐとして定義することができる。これらのアレイの例は、次式で示される。
η_ｃａｐ＝［η_{ｃａｐ，１} η_{ｃａｐ，２} ・・・ η_{ｃａｐ，ｐ}］
Reliability_ｃａｐ＝［Reliability_{ｃａｐ，１} Reliability_{ｃａｐ，２} ・・・ Reliability_{ｃａｐ，ｐ}］
ここで、アレイη_ｃａｐは、サイズが１×ｐであり、アレイη_ｃａｐの各要素は、特定の資本購入ｋに関する購入後効率値η_{ｃａｐ，ｋ}を含む。同様に、アレイReliability_ｃａｐは、サイズが１×ｐであり、アレイReliability_ｃａｐの各要素は、特定の資本購入ｋに関する購入後信頼性値Reliability_{ｃａｐ，ｋ}を含む。

いくつかの実施形態では、効率アップデータ９１１は、各バイナリ決定変数Ｂ_{ｍａｉｎ，ｋ，ｉ}に関連する資本購入を識別し、Ｂ_{ｃａｐ，ｋ，ｉ}＝１の場合、効率ηを、対応する購入後効率レベルη_{ｃａｐ，ｋ}にリセットする。同様に、信頼性推定器９２４は、各バイナリ決定変数Ｂ_{ｃａｐ，ｋ，ｉ}に関連する資本購入を識別することができ、Ｂ_{ｍａｉｎ，ｋ，ｉ}＝１の場合、信頼性を、対応する購入後信頼性レベルReliability_{ｃａｐ，ｋ}にリセットすることができる。

資本コスト計算機９３６は、最適化期間の継続期間にわたる接続された機器６１０の資本コストを推定するように構成することができる。いくつかの実施形態では、資本コスト計算機９３６は、次式を使用して各時間ステップｉ中の資本コストを計算する。
Cost_{ｃａｐ，ｉ}＝Ｃ_{ｃａｐ，ｉ}Ｂ_{ｃａｐ，ｉ}
ここで、Ｃ_{ｃａｐ，ｉ}は、時間ステップｉにおいて行うことができるｐ個の異なる資本購入それぞれに関する要素を含む資本購入コストのアレイであり、Ｂ_{ｃａｐ，ｉ}は、ｐ個の資本購入それぞれが時間ステップｉにおいて行われるかどうかを示すバイナリ決定変数のアレイである。資本コスト計算機９３６は、以下のように、最適化期間中の継続期間にわたって資本コストを合計することができる。

ここで、Cost_ｃａｐは、目的関数Ｊの資本コスト項である。

他の実施形態では、資本コスト計算機９３６は、次式に示されるように、資本コストアレイＣ_ｃａｐにバイナリ決定変数の行列Ｂ_ｃａｐを乗算することによって資本コストCost_ｃａｐを推定する。

目的関数オプティマイザ
引き続き図９を参照すると、高レベルオプティマイザ８３２は、目的関数生成器９３５及び目的関数オプティマイザ９４０を含むものとして示されている。目的関数生成器９３５は、コスト予測器９１０、９２０、及び９３０によって定式化された動作コスト項、メンテナンスコスト項、及び資本コスト項を合計することによって目的関数Ｊを生成するように構成することができる。目的関数生成器９３５によって生成することができる目的関数の一例は、次式で示される。

ここで、Ｃ_ｏｐ，ｉは、最適化期間の時間ステップｉにおいて接続された機器６１０が消費する単位エネルギーあたりのコスト（例えば、＄／ｋＷｈ）であり、Ｐ_ｏｐ，ｉは、時間ステップｉにおける接続された機器６１０の電力消費量（例えば、ｋＷ）であり、Δｔは、各時間ステップｉの継続時間であり、Ｃ_{ｍａｉｎ，ｉ}は、時間ステップｉにおいて接続された機器６１０に対して実施されるメンテナンスのコストであり、Ｂ_{ｍａｉｎ，ｉ}は、メンテナンスが実施されるかどうかを示すバイナリ変数であり、Ｃ_{ｃａｐ，ｉ}は、時間ステップｉにおいて接続された機器６１０の新たなデバイスを購入する資本コストであり、Ｂ_{ｃａｐ，ｉ}は、新たなデバイスが購入されるかどうかを示すバイナリ変数であり、ｈは、最適化が実施される水平又は最適化期間の継続時間である。

目的関数生成器９３５によって生成することができる目的関数の別の例は、次式で示される。

ここで、アレイＣ_ｏｐは、最適化期間の特定の時間ステップｉ＝１・・・ｈに関するエネルギーコスト値Ｃ_ｏｐ，ｉを含み、アレイＰ_ｏｐは、最適化期間の特定の時間ステップｉ＝１・・・ｈに関する電力消費量値Ｐ_ｏｐ，ｉを含み、アレイＣ_ｍａｉｎの各要素は、特定のメンテナンス活動ｊ＝１・・・ｍに関するメンテナンスコスト値Ｃ_{ｍａｉｎ，ｊ}を含み、行列Ｂ_ｍａｉｎの各要素は、最適化期間の特定の時間ステップｉ＝１・・・ｈにおける特定のメンテナンス活動ｊ＝１・・・ｍに関するバイナリ決定変数を含み、アレイＣ_ｃａｐの各要素は、特定の資本購入ｋ＝１・・・ｐに関する資本コスト値Ｃ_{ｃａｐ，ｋ}を含み、行列Ｂ_ｃａｐの各要素は、最適化期間の特定の時間ステップｉ＝１・・・ｈにおける特定の資本購入ｋ＝１・・・ｐに関するバイナリ決定変数を含む。

目的関数生成器９３５は、目的関数Ｊでの１つ又は複数の変数又はパラメータに制約を課すように構成することができる。制約は、動作コスト予測器９１０、メンテナンスコスト予測器９２０、及び資本コスト予測器９３０を参照して述べた式又は関係のいずれを含むこともできる。例えば、目的関数生成器９３５は、接続された機器６１０の１つ又は複数のデバイスに関する電力消費量値Ｐ_ｏｐ，ｉを、理想電力消費量Ｐ_{ｉｄｅａｌ，ｉ}及び効率η_ｉの関数として定義する制約を課すことができる（例えば、Ｐ_ｏｐ，ｉ＝Ｐ_{ｉｄｅａｌ，ｉ}／η_ｉ）。目的関数生成器９３５は、効率アップデータ９１１及び効率デグレーダ９１３を参照して述べたのと同様に、効率η_ｉをバイナリ決定変数Ｂ_{ｍａｉｎ，ｉ}及びＢ_{ｃａｐ，ｉ}の関数として定義する制約を課すことができる。目的関数生成器９３５は、メンテナンス推定器９２２及び購入推定器９３２を参照して述べたのと同様に、バイナリ決定変数Ｂ_{ｍａｉｎ，ｉ}及びＢ_{ｃａｐ，ｉ}を０又は１のいずれかの値に制約し、バイナリ決定変数Ｂ_{ｍａｉｎ，ｉ}及びＢ_{ｃａｐ，ｉ}を、接続された機器６１０の信頼性Reliability_ｉの関数として定義する制約を課すことができる。目的関数生成器９３５は、信頼性推定器９２４及び９３４を参照して述べたのと同様に、接続された機器６１０の信頼性Reliability_ｉを機器性能情報（例えば、動作条件、稼働時間など）の関数として定義する制約を課すことができる。

目的関数オプティマイザ９４０は、目的関数Ｊを最適化して、最適化期間の継続時間にわたるバイナリ決定変数Ｂ_{ｍａｉｎ，ｉ}及びＢ_{ｃａｐ，ｉ}の最適値を決定することができる。目的関数オプティマイザ９４０は、様々な最適化技法の任意のものを使用して、目的関数Ｊを定式化及び最適化することができる。例えば、目的関数オプティマイザ９４０は、整数計画法、混合整数線形計画法、確率的最適化、凸最適化、動的計画法、又は任意の他の最適化技法を使用して、目的関数Ｊを定式化し、制約を定義し、最適化を実施することができる。これら及び他の最適化技法は当技術分野で知られており、本明細書で詳細には述べない。

いくつかの実施形態では、目的関数オプティマイザ９４０は、混合整数確率的最適化を使用して目的関数Ｊを最適化する。混合整数確率的最適化では、目的関数Ｊでの変数のいくつかを、ランダム変数又は確率変数の関数として定義することができる。例えば、決定変数Ｂ_{ｍａｉｎ，ｉ}及びＢ_{ｃａｐ，ｉ}は、接続された機器６１０の信頼性に基づいた確率値を有するバイナリ変数として定義することができる。低い信頼性値は、バイナリ決定変数Ｂ_{ｍａｉｎ，ｉ}及びＢ_{ｃａｐ，ｉ}が値１を有する確率を高めることがあり（例えば、Ｂ_{ｍａｉｎ，ｉ}＝１及びＢ_{ｃａｐ，ｉ}＝１）、高い信頼性値は、バイナリ決定変数Ｂ_{ｍａｉｎ，ｉ}及びＢ_{ｃａｐ，ｉ}が値０を有する確率を高めることがある（例えば、Ｂ_{ｍａｉｎ，ｉ}＝０及びＢ_{ｃａｐ，ｉ}＝０）。いくつかの実施形態では、メンテナンス推定器９２２及び購入推定器９３２は、混合整数確率的技法を使用して、接続された機器６１０の信頼性の確率関数としてバイナリ決定変数Ｂ_{ｍａｉｎ，ｉ}及びＢ_{ｃａｐ，ｉ}の値を定義する。

上で論じたように、目的関数Ｊは、最適化期間の継続期間にわたって接続された機器６１０の１つ又は複数のデバイスを動作、メンテナンス、及び購入する予測コストを表すこともある。いくつかの実施形態では、目的関数オプティマイザ９４０は、これらのコストを特定の時点（例えば、現時点）に投影し、特定の時点での接続された機器６１０の１つ又は複数のデバイスの正味現在価値（ＮＰＶ）を決定するように構成される。例えば、目的関数オプティマイザ９４０は、次式を使用して、目的関数Ｊでの各コストを現時点に投影することができる。

ここで、ｒは利率であり、Cost_ｉは、最適化期間の時間ステップｉ中にかかったコストであり、ＮＰＶ_ｃｏｓｔは、最適化期間の継続期間にわたってかかった総コストの正味現在価値（すなわち、現在のコスト）である。いくつかの実施形態では、目的関数オプティマイザ９４０は、正味現在価値ＮＰＶ_ｃｏｓｔを最適化して、特定の時点における接続された機器６１０の１つ又は複数のデバイスのＮＰＶを決定する。

上で論じたように、目的関数Ｊでの１つ又は複数の変数又はパラメータは、接続された機器６１０からの閉ループフィードバックに基づいて動的に更新することができる。例えば、接続された機器６１０から受信された機器性能情報を使用して、接続された機器６１０の信頼性及び／又は効率を更新することができる。目的関数オプティマイザ９４０は、目的関数Ｊを定期的に（例えば、１日に１回、１週間に１回、１か月に１回など）最適化して、接続された機器６１０からの閉ループフィードバックに基づいて予測コスト及び／又は正味現在価値ＮＰＶ_ｃｏｓｔを動的に更新するように構成することができる。

いくつかの実施形態では、目的関数オプティマイザ９４０は、最適化結果を生成する。最適化結果は、最適化期間内の時間ステップｉごとに目的関数Ｊの決定変数の最適値を含むことがある。最適化結果は、接続された機器６１０の各デバイスに関する動作決定、機器メンテナンス決定、及び／又は機器購入決定を含む。いくつかの実施形態では、最適化結果は、最適化期間の継続期間にわたって接続された機器６１０を動作、メンテナンス、及び購入する経済的価値を最適化する。いくつかの実施形態では、最適化結果は、特定の時点における接続された機器６１０の１つ又は複数のデバイスの正味現在価値を最適化する。最適化結果により、ＢＭＳ６０６は、接続された機器６１０に関する設定点をアクティブ化、非アクティブ化、又は調整して、最適化結果で指定された決定変数の最適値を実現することができる。

いくつかの実施形態では、ＭＰＭシステム６０２は、最適化結果を使用して、機器購入及びメンテナンスの推奨を生成する。機器購入及びメンテナンスの推奨は、目的関数Ｊを最適化することによって決定されるバイナリ決定変数Ｂ_{ｍａｉｎ，ｉ}及びＢ_{ｃａｐ，ｉ}に関する最適値に基づくことがある。例えば、接続された機器６１０の特定のデバイスに関するＢ_{ｍａｉｎ，２５}＝１の値は、最適化期間の第２５の時間ステップにおいてそのデバイスに対してメンテナンスが実施されるべきであることを示すことがあり、Ｂ_{ｍａｉｎ，２５}＝０の値は、その時間ステップにおいてメンテナンスを実施すべきでないことを示すことがある。同様に、Ｂ_{ｃａｐ，２５}＝１の値は、最適化期間の第２５の時間ステップにおいて、接続された機器６１０の新たなデバイスを購入すべきであることを示すことがあり、Ｂ_{ｃａｐ，２５}＝０の値は、その時間ステップにおいて新たなデバイスを購入すべきでないことを示すことがある。

いくつかの実施形態では、機器購入及びメンテナンスの推奨は、ビルディング１０（例えば、ＢＭＳ６０６）及び／又はクライアントデバイス４４８に提供される。操作者又はビルディングの所有者は、機器購入及びメンテナンスの推奨を使用して、メンテナンスの実施及び新たなデバイスの購入のコスト及び利益を評価することができる。いくつかの実施形態では、機器購入及びメンテナンスの推奨が整備士６２０に提供される。整備士６２０は、機器購入及びメンテナンスの推奨を使用して、整備の実施又は機器の交換のために顧客に連絡すべき時を決定することができる。

モデル予測的メンテナンスプロセス
次に図１０を参照すると、例示的実施形態に従って、モデル予測的メンテナンスプロセス１０００の流れ図が示されている。プロセス１０００は、ビルディングシステム６００の１つ又は複数の構成要素によって実施することができる。いくつかの実施形態において、プロセス１０００は、図６〜９を参照して述べたようにＭＰＭシステム６０２によって実施される。

プロセス１０００は、ビルディングの可変状態又は状況に影響を与えるためにビルディング機器を動作させること（ステップ１００２）、及びビルディング機器からのフィードバックとして機器性能情報を受信すること（ステップ１００４）を含むものとして示されている。ビルディング機器は、ビルディングを監視及び／又は制御するために使用することができる機器のタイプを含むことができる（例えば、接続された機器６１０）。例えば、ビルディング機器は、冷却器、ＡＨＵ、ボイラ、バッテリ、ヒータ、エコノマイザ、バルブ、アクチュエータ、ダンパ、冷却塔、ファン、ポンプ、照明機器、セキュリティ機器、冷凍機器、又は、ビルディングシステム若しくはビルディング管理システム内の任意の他のタイプの機器を含むことができる。ビルディング機器は、図１〜５を参照して述べたＨＶＡＣシステム１００、ウォーターサイドシステム２００、エアサイドシステム３００、ＢＭＳ４００、及び／又はＢＭＳ５００の機器のいずれを含むこともできる。機器性能情報は、監視される変数のサンプル（例えば、測定された温度、測定された圧力、測定された流量、電力消費量など）、現在の動作条件（例えば、加熱又は冷却負荷、現在の動作条件など）、障害標示、又はビルディング機器の性能を特徴付ける他のタイプの情報を含むことができる。

プロセス１０００は、機器性能情報に応じてビルディング機器の効率及び信頼性を推定すること（ステップ１００６）を含むものとして示されている。いくつかの実施形態では、ステップ１００６は、図９を参照して述べた効率アップデータ９１１及び信頼性推定器９２４、９２６によって実施される。ステップ１００６は、機器性能情報を使用して、実際の動作条件下でのビルディング機器の効率ηを決定することを含むことができる。いくつかの実施形態では、効率η_ｉは、次式で示されるように、ビルディング機器の理想的な電力消費量Ｐ_{ｉｄｅａｌ}と、ビルディング機器の実際の電力消費量Ｐ_{ａｃｔｕａｌ}との比を表す。

ここで、Ｐ_{ｉｄｅａｌ}は、ビルディング機器に関する性能曲線によって定義されるビルディング機器の理想的な電力消費量であり、Ｐ_{ａｃｔｕａｌ}は、ビルディング機器の実際の電力消費量である。いくつかの実施形態では、ステップ１００６は、ステップ１００２で収集された機器性能情報を使用して、実際の電力消費量値Ｐ_{ａｃｔｕａｌ}を識別することを含む。ステップ１００６は、実際の電力消費量Ｐ_{ａｃｔｕａｌ}を理想的な電力消費量Ｐ_{ｉｄｅａｌ}と組み合わせて使用して効率ηを計算することを含むことができる。

ステップ１００６は、効率ηを定期的に更新して、ビルディング機器の現在の動作効率を反映することを含むことができる。例えば、ステップ１００６は、ビルディング機器の効率ηを、１日に１回、１週間に１回、１年に１回、又は時間と共に効率ηの変化を捕捉するのに適切であり得る任意の他の間隔で計算することを含むことができる。効率ηの各値は、効率ηが計算される時点でのＰ_{ｉｄｅａｌ}及びＰ_{ａｃｔｕａｌ}の対応する値に基づいていてよい。いくつかの実施形態では、ステップ１００６は、高レベル最適化プロセスが実施されるたびに（すなわち、目的関数Ｊが最適化されるたびに）効率ηを更新することを含む。ステップ１００６で計算された効率値は、初期効率値η_０としてメモリ８１０に記憶されることがあり、ここで、下付き数字０は、最適化期間の開始時又は開始前（例えば、時間ステップ０で）の効率ηの値を表す。

ステップ１００６は、最適化期間の各時間ステップｉにおけるビルディング機器の効率η_ｉを予測することを含むことができる。最適化期間の開始時の初期効率η_０は、ビルディング機器の性能が低下するにつれて、時間と共に低下することがある。例えば、冷却器の効率は、冷却水管が汚れて冷却器の熱伝達率が低下した結果、時間と共に低下することがある。同様に、バッテリの物理的又は化学的構成要素の劣化により、バッテリの効率は、時間と共に低下することがある。ステップ１００６は、そのような低下を、最適化期間の継続時間にわたって効率η_ｉを増分的に低下させることによって考慮に入れることができる。

いくつかの実施形態では、初期効率値η_０は、各最適化期間の開始時に更新される。しかし、効率ηは、最適化期間中に低下することがあり、初期効率値η_０は、最適化期間の継続期間にわたって次第に不正確になる。最適化期間中の効率低下を考慮に入れるために、ステップ１００６は、連続する各時間ステップにおいて効率ηを所定量だけ低下させることを含むことができる。例えば、ステップ１００６は、各時間ステップｉ＝１・・・ｈでの効率を以下のように定義することを含むことができる。
η_ｉ＝η_ｉ−１−Δη
ここで、η_ｉは、時間ステップｉにおける効率であり、η_ｉ−１は、時間ステップｉ−１における効率であり、Δηは、連続する時間ステップ間の効率の低下である。いくつかの実施形態では、η_ｉのこの定義は、Ｂ_{ｍａｉｎ，ｉ}＝０及びＢ_{ｃａｐ，ｉ}＝０である各時間ステップに適用される。しかし、Ｂ_{ｍａｉｎ，ｉ}＝１又はＢ_{ｃａｐ，ｉ}＝１の場合、ステップ１０１８で、η_ｉの値をη_ｍａｉｎ又はη_ｃａｐにリセットすることができる。

いくつかの実施形態では、Δηの値は、効率値の時系列に基づいている。例えば、ステップ１００６は、初期効率値η_０の時系列を記録することを含むことがあり、各初期効率値η_０は、特定の時点におけるビルディング機器の経験的に計算された効率を表す。ステップ１００６は、初期効率値η_０の時系列を検査して、効率が低下する率を決定することを含むことができる。例えば、時刻ｔ_１での初期効率η_０がη_０，１であり、時刻ｔ_２での初期効率がη_０，２である場合、効率低下率は、以下のように計算することができる。

ここで、

は、効率低下率である。ステップ１００６は、

に各時間ステップの継続時間Δｔを乗算して、Δηの値を計算することを含むことができる（すなわち、

）。

ステップ１００６は、ステップ１００４で受信された機器性能情報に基づいてビルディング機器の信頼性を推定することを含むことができる。信頼性は、ビルディング機器がその現在の動作条件下で障害なく動作し続ける尤度の統計的尺度であり得る。より過酷な条件下（例えば、高負荷、高温など）での動作は、信頼性をより低くすることがあり、より過酷でない条件下（例えば、低負荷、中程度の温度など）での動作は、信頼性をより高くすることがある。いくつかの実施形態では、信頼性は、ビルディング機器が最後にメンテナンスを受けてから経過した時間量、及び／又はビルディング機器が購入若しくは設置されてから経過した時間量に基づく。

いくつかの実施形態では、ステップ１００６は、機器性能情報を使用して、ビルディング機器の現在の動作条件を識別することを含む。現在の動作条件を検査して、ビルディング機器の性能が低下し始める時を明らかにし、及び／又は障害が発生する時を予測することができる。いくつかの実施形態では、ステップ１００６は、ビルディング機器で潜在的に発生し得る様々なタイプの故障の尤度を推定することを含む。各故障の尤度は、ビルディング機器の現在の動作条件、ビルディング機器が設置されてから経過した時間量、及び／又はメンテナンスが最後に実施されてから経過した時間量に基づくことがある。いくつかの実施形態では、ステップ１００６は、２０１６年６月２１日出願の「Ｂｕｉｌｄｉｎｇ Ｍａｎａｇｅｍｅｎｔ Ｓｙｓｔｅｍ Ｗｉｔｈ Ｐｒｅｄｉｃｔｉｖｅ Ｄｉａｇｎｏｓｔｉｃｓ」という名称の米国特許出願第１５／１８８，８２４号明細書に記載のシステム及び方法を使用して、動作条件を識別し、様々な故障の尤度を予測することを含む。上記特許出願の開示全体を参照により本明細書に援用する。

いくつかの実施形態では、ステップ１００６は、複数のビルディングにわたって分散されたビルディング機器から動作データを受信することを含む。動作データは、例えば、現在の動作条件、障害標示、故障時間、又はビルディング機器の動作及び性能を特徴付ける他のデータを含むことができる。ステップ１００６は、動作データのセットを使用して、各タイプの機器の信頼性モデルを作成することを含むことができる。ステップ１００６で信頼性モデルを使用して、ビルディング機器の任意の所与のデバイスの信頼性を、その現在の動作条件及び／又は他の外的要因（例えば、メンテナンスが最後に実施されてからの時間、設置又は購入からの時間、地理的位置、水質など）に応じて推定することができる。

ステップ１００６で使用することができる信頼性モデルの一例は、次式で示される。
Reliability_ｉ＝ｆ（OpCond_ｉ，Δｔ_{ｍａｉｎ，ｉ}，Δｔ_{ｃａｐ，ｉ}）
ここで、Reliability_ｉは、時間ステップｉにおけるビルディング機器の信頼性であり、OpCond_ｉは、時間ステップｉにおける動作条件であり、Δｔ_{ｍａｉｎ，ｉ}は、メンテナンスが最後に行われた時点と時間ステップｉとの間で経過した時間量であり、Δｔ_{ｃａｐ，ｉ}は、ビルディング機器が購入又は設置された時点と時間ステップｉとの間で経過した時間量である。ステップ１００６は、ビルディング機器からフィードバックとして受信された機器性能情報に基づいて現在の動作条件OpCond_ｉを識別することを含むことができる。より過酷な条件下（例えば、高負荷、極端な温度など）での動作は、信頼性をより低くすることがあり、より過酷でない条件下（例えば、低負荷、中程度の温度など）での動作は、信頼性をより高くすることがある。

引き続き図１０を参照すると、プロセス１０００は、推定された効率の関数として最適化期間にわたるビルディング機器のエネルギー消費を予測すること（ステップ１００８）を含むものとして示されている。いくつかの実施形態では、ステップ１００８は、図９を参照して述べたように理想性能計算機９１２及び／又は電力消費量推定器によって実施される。ステップ１００８は、負荷／料金予測器８２２から負荷予測Ｌｏａｄ_ｉを受信し、低レベルオプティマイザ８３４から性能曲線を受信することを含むことができる。上で論じたように、性能曲線は、ビルディング機器の理想的な電力消費量Ｐ_{ｉｄｅａｌ}を、デバイス又はデバイスのセットに対する加熱又は冷却負荷の関数として定義することができる。例えば、ビルディング機器に関する性能曲線は、次式によって定義することができる。
Ｐ_{ｉｄｅａｌ，ｉ}＝ｆ（Ｌｏａｄ_ｉ）
ここで、Ｐ_{ｉｄｅａｌ，ｉ}は、時間ステップｉにおけるビルディング機器の理想的な電力消費量（例えば、ｋＷ）であり、Ｌｏａｄ_ｉは、時間ステップｉにおけるビルディング機器に対する負荷（例えば、トン単位での冷却負荷、ｋＷ単位での加熱負荷など）である。理想的な電力消費量Ｐ_{ｉｄｅａｌ，ｉ}は、ビルディング機器が完璧な効率で動作すると仮定したそれらの電力消費量を表すことがある。ステップ１００８は、ビルディング機器に関する性能曲線を使用して、最適化期間の各時間ステップにおけるビルディング機器に関する負荷点Ｌｏａｄ_ｉに対応するＰ_{ｉｄｅａｌ，ｉ}の値を識別することを含むことができる。

いくつかの実施形態では、ステップ１００８は、理想的な電力消費量Ｐ_{ｉｄｅａｌ，ｉ}及びビルディング機器の効率η_ｉの関数として電力消費量Ｐ_ｏｐ，ｉを推定することを含む。例えば、ステップ１００８は、次式を使用して電力消費量Ｐ_ｏｐ，ｉを計算することを含むことができる。

ここで、Ｐ_{ｉｄｅａｌ，ｉ}は、対応する負荷点Ｌｏａｄ_ｉでのビルディング機器に関する機器性能曲線に基づく電力消費量であり、η_ｉは、時間ステップｉにおけるビルディング機器の動作効率である。

引き続き図１０を参照すると、プロセス１０００は、予測されたエネルギー消費量の関数として、最適化期間にわたってビルディング機器を動作させるコストCost_ｏｐを定義すること（ステップ１０１０）を含むものとして示されている。いくつかの実施形態において、ステップ１０１０は、図９を参照して述べたように動作コスト計算機９１６によって実施される。ステップ１０１０は、次式を使用して各時間ステップｉ中の動作コストを計算することを含むことができる。
Cost_ｏｐ，ｉ＝Ｃ_ｏｐ，ｉＰ_ｏｐ，ｉΔｔ
ここで、Ｐ_ｏｐ，ｉは、ステップ１００８で決定される時間ステップｉにおける予測電力消費量であり、Ｃ_ｏｐ，ｉは、時間ステップｉにおける単位エネルギーあたりのコストであり、Δｔは、各時間ステップの継続期間である。ステップ１０１０は、以下のように、最適化期間の継続期間にわたって動作コストを合計することを含むことができる。

ここで、Cost_ｏｐは、目的関数Ｊの動作コスト項である。

他の実施形態では、ステップ１０１０は、次式で示されるように、コストアレイＣ_ｏｐに電力消費量アレイＰ_ｏｐ及び各時間ステップの継続時間Δｔを乗算することによって、動作コストCost_ｏｐを計算することを含むことができる。
Cost_ｏｐ＝Ｃ_ｏｐＰ_ｏｐΔｔ
Cost_ｏｐ＝［Ｃ_ｏｐ，１ Ｃ_ｏｐ，２ ・・・ Ｃ_ｏｐ，ｈ］［Ｐ_ｏｐ，１ Ｐ_ｏｐ，２ ・・・ Ｐ_ｏｐ，ｈ］^ＴΔｔ
ここで、アレイＣ_ｏｐは、最適化期間の特定の時間ステップｉ＝１・・・ｈに関するエネルギーコスト値Ｃ_ｏｐ，ｉを含み、アレイＰ_ｏｐは、最適化期間の特定の時間ステップｉ＝１・・・ｈに関する電力消費量値Ｐ_ｏｐ，ｉを含む。

引き続き図１０を参照すると、プロセス１０００は、推定された信頼性の関数として、最適化期間にわたってビルディング機器に対するメンテナンスを実施するコストを定義すること（ステップ１０１２）を含むものとして示されている。ステップ１０１２は、図９を参照して述べたようにメンテナンスコスト予測器９２０によって実施することができる。ステップ１０１２は、最適化期間の継続時間にわたるビルディング機器の推定された信頼性を使用して、最適化期間の各時間ステップにおいてビルディング機器がメンテナンス及び／又は交換を必要とする確率を決定することを含むことができる。いくつかの実施形態では、ステップ１０１２は、ビルディング機器が所定の時間ステップにおいてメンテナンスを必要とする確率を臨界値と比較することを含む。ステップ１０１２は、時間ステップｉにおいてビルディング機器がメンテナンスを必要とする確率が臨界値を超えるという決定に応答して、Ｂ_{ｍａｉｎ，ｉ}＝１の値を設定することを含むことができる。同様に、ステップ１０１２は、所与の時間ステップにおいてビルディング機器が交換を必要とする確率を臨界値と比較することを含むことができる。ステップ１０１２は、時間ステップｉにおいてビルディング機器が交換を必要とする確率が臨界値を超えるという決定に応答して、Ｂ_{ｃａｐ，ｉ}＝１の値を設定することを含むことができる。

ステップ１０１２は、ビルディング機器に対する様々なタイプのメンテナンスの実施に関連するコストＣ_{ｍａｉｎ，ｉ}を決定することを含むことができる。ステップ１０１２は、外部システム又はデバイス（例えば、データベース、ユーザデバイスなど）からメンテナンスコストのセットを受信することを含むことができる。いくつかの実施形態では、メンテナンスコストは、様々なタイプのメンテナンスを実施する経済的コスト（例えば、＄）を定義する。各タイプのメンテナンス活動は、それに関連する異なる経済的コストを有することがある。例えば、冷却器圧縮機内のオイルを交換するメンテナンス活動にかかる経済的コストは、比較的小さいことがあり、冷却器を完全に分解してすべての冷却水管を洗浄するメンテナンス活動にかかる経済的コストは、かなり大きいことがある。ステップ１０１２は、メンテナンスコストを使用して目的関数ＪでのＣ_{ｍａｉｎ，ｉ}の値を定義することを含むことができる。

ステップ１０１２は、最適化期間の継続期間にわたるビルディング機器のメンテナンスコストを推定することを含むことができる。いくつかの実施形態では、ステップ１０１２は、次式を使用して各時間ステップｉ中のメンテナンスコストを計算することを含む。
Cost_{ｍａｉｎ，ｉ}＝Ｃ_{ｍａｉｎ，ｉ}Ｂ_{ｍａｉｎ，ｉ}
ここで、Ｃ_{ｍａｉｎ，ｉ}は、時間ステップｉにおいて実施することができるｍ個の異なるタイプのメンテナンス活動それぞれに関する要素を含むメンテナンスコストのアレイであり、Ｂ_{ｍａｉｎ，ｉ}は、ｍ個のメンテナンス活動それぞれが時間ステップｉにおいて実施されるかどうかを示すバイナリ決定変数のアレイである。ステップ１０１２は、以下のように、最適化期間の継続期間にわたってメンテナンスコストを合計することを含むことができる。

ここで、Cost_ｍａｉｎは、目的関数Ｊのメンテナンスコスト項である。

他の実施形態では、ステップ１０１２は、次式に示されるように、メンテナンスコストアレイＣ_ｍａｉｎにバイナリ決定変数の行列Ｂ_ｍａｉｎを乗算することによってメンテナンスコストCost_ｍａｉｎを推定することを含む。

ここで、アレイＣ_ｍａｉｎの各要素は、特定のメンテナンス活動ｊ＝１・・・ｍに関するメンテナンスコスト値Ｃ_{ｍａｉｎ，ｊ}を含み、行列Ｂ_ｍａｉｎの各要素は、最適化期間の特定の時間ステップｉ＝１・・・ｈにおける特定のメンテナンス活動ｊ＝１・・・ｍに関するバイナリ決定変数を含む。

引き続き図１０を参照すると、プロセス１０００は、推定された信頼性の関数として、最適化期間にわたってビルディング機器を購入又は交換するコストCost_ｃａｐを定義すること（ステップ１０１４）を含むものとして示されている。ステップ１０１４は、図９を参照して述べたように資本コスト予測器９３０によって実施することができる。いくつかの実施形態では、ステップ１０１４は、最適化期間の継続時間にわたるビルディング機器の推定された信頼性を使用して、最適化期間の各時間ステップにおいてビルディング機器の新たなデバイスが購入される確率を決定することを含む。いくつかの実施形態では、ステップ１０１４は、所与の時間ステップにおいてビルディング機器の新たなデバイスが購入される確率を臨界値と比較することを含む。ステップ１０１４は、時間ステップｉにおいてビルディング機器が購入される確率が臨界値を超えるという決定に応答して、Ｂ_{ｃａｐ，ｉ}＝１の値を設定することを含むことができる。

ステップ１０１４は、様々な資本購入（すなわち、ビルディング機器の１つ又は複数の新たなデバイスを購入すること）に関連するコストＣ_{ｃａｐ，ｉ}を決定することを含むことができる。ステップ１０１４は、外部システム又はデバイス（例えば、データベース、ユーザデバイスなど）から資本コストのセットを受信することを含むことができる。いくつかの実施形態では、資本コストは、様々な資本購入を行う経済的コスト（例えば、＄）を定義する。各タイプの資本購入は、それに関連する異なる経済的コストを有することがある。例えば、新たな温度センサの購入にかかる経済的コストは比較的小さいことがあり、新たな冷却器の購入にかかる経済的コストはかなり大きいことがある。ステップ１０１４は、購入コストを使用して、目的関数ＪでのＣ_{ｃａｐ，ｉ}の値を定義することを含むことができる。

いくつかの資本購入は、他のものよりも高価であり得る。しかし、異なるタイプの資本購入は、効率η及び／又はビルディング機器の信頼性に対して異なるレベルでの向上をもたらすことがある。例えば、既存のセンサの交換のために新たなセンサを購入することで、効率ηがわずかに向上する、及び／又は信頼性がわずかに向上することがあり、新たな冷却器及び制御システムを購入することで、ビルディング機器の効率η及び／又は信頼性がかなり大きく向上することがある。したがって、複数の異なるレベルの購入後の効率（すなわち、η_ｃａｐ）及び購入後の信頼性（すなわち、Reliability_ｃａｐ）があり得る。η_ｃａｐ及びReliability_ｃａｐの各レベルは、異なるタイプの資本購入に対応することがある。

ステップ１０１４は、最適化期間の継続期間にわたるビルディング機器の資本コストを推定することを含むことができる。いくつかの実施形態では、ステップ１０１４は、次式を使用して各時間ステップｉ中の資本コストを計算することを含む。
Cost_{ｃａｐ，ｉ}＝Ｃ_{ｃａｐ，ｉ}Ｂ_{ｃａｐ，ｉ}
ここで、Ｃ_{ｃａｐ，ｉ}は、時間ステップｉにおいて行うことができるｐ個の異なる資本購入それぞれに関する要素を含む資本購入コストのアレイであり、Ｂ_{ｃａｐ，ｉ}は、ｐ個の資本購入それぞれが時間ステップｉにおいて行われるかどうかを示すバイナリ決定変数のアレイである。ステップ１０１４は、以下のように、最適化期間中の継続期間にわたって資本コストを合計することを含むことができる。

ここで、Cost_ｃａｐは、目的関数Ｊの資本コスト項である。

他の実施形態では、ステップ１０１４は、次式に示されるように、資本コストアレイＣ_ｃａｐにバイナリ決定変数の行列Ｂ_ｃａｐを乗算することによって資本コストCost_ｃａｐを推定することを含む。

ここで、アレイＣ_ｃａｐの各要素は、特定の資本購入ｋ＝１・・・ｐに関する資本コスト値Ｃ_{ｃａｐ，ｋ}を含み、行列Ｂ_ｃａｐの各要素は、最適化期間の特定の時間ステップｉ＝１・・・ｈにおける特定の資本購入ｋ＝１・・・ｐに関するバイナリ決定変数を含む。

引き続き図１０を参照すると、プロセス１０００は、コストCost_ｏｐ、Cost_ｍａｉｎ、及びCost_ｃａｐを含む目的関数を最適化して、ビルディング機器に関する最適なメンテナンス戦略を決定すること（ステップ１０１６）を含むものとして示されている。ステップ１０１６は、ステップ１０１０〜１０１４で定式化された動作コスト項、メンテナンスコスト項、及び資本コスト項を合計することによって目的関数Ｊを生成することを含むことができる。ステップ１０１６で生成することができる目的関数の一例は、次式で示される。

ここで、Ｃ_ｏｐ，ｉは、最適化期間の時間ステップｉにおいて接続された機器６１０が消費する単位エネルギーあたりのコスト（例えば、＄／ｋＷｈ）であり、Ｐ_ｏｐ，ｉは、時間ステップｉにおける接続された機器６１０の電力消費量（例えば、ｋＷ）であり、Δｔは、各時間ステップｉの継続時間であり、Ｃ_{ｍａｉｎ，ｉ}は、時間ステップｉにおいて接続された機器６１０に対して実施されるメンテナンスのコストであり、Ｂ_{ｍａｉｎ，ｉ}は、メンテナンスが実施されるかどうかを示すバイナリ変数であり、Ｃ_{ｃａｐ，ｉ}は、時間ステップｉにおいて接続された機器６１０の新たなデバイスを購入する資本コストであり、Ｂ_{ｃａｐ，ｉ}は、新たなデバイスが購入されるかどうかを示すバイナリ変数であり、ｈは、最適化が実施される水平又は最適化期間の継続時間である。

ステップ１０１６で生成することができる目的関数の別の例は、次式で示される。

ここで、アレイＣ_ｏｐは、最適化期間の特定の時間ステップｉ＝１・・・ｈに関するエネルギーコスト値Ｃ_ｏｐ，ｉを含み、アレイＰ_ｏｐは、最適化期間の特定の時間ステップｉ＝１・・・ｈに関する電力消費量値Ｐ_ｏｐ，ｉを含み、アレイＣ_ｍａｉｎの各要素は、特定のメンテナンス活動ｊ＝１・・・ｍに関するメンテナンスコスト値Ｃ_{ｍａｉｎ，ｊ}を含み、行列Ｂ_ｍａｉｎの各要素は、最適化期間の特定の時間ステップｉ＝１・・・ｈにおける特定のメンテナンス活動ｊ＝１・・・ｍに関するバイナリ決定変数を含み、アレイＣ_ｃａｐの各要素は、特定の資本購入ｋ＝１・・・ｐに関する資本コスト値Ｃ_{ｃａｐ，ｋ}を含み、行列Ｂ_ｃａｐの各要素は、最適化期間の特定の時間ステップｉ＝１・・・ｈにおける特定の資本購入ｋ＝１・・・ｐに関するバイナリ決定変数を含む。

ステップ１０１６は、目的関数Ｊでの１つ又は複数の変数又はパラメータに制約を課すことを含むことができる。制約は、動作コスト予測器９１０、メンテナンスコスト予測器９２０、及び資本コスト予測器９３０を参照して述べた式又は関係のいずれを含むこともできる。例えば、ステップ１０１６は、ビルディング機器の１つ又は複数のデバイスに関する電力消費量値Ｐ_ｏｐ，ｉを、理想電力消費量Ｐ_{ｉｄｅａｌ，ｉ}及び効率η_ｉの関数として定義する制約を課すことを含むことができる（例えば、Ｐ_ｏｐ，ｉ＝Ｐ_{ｉｄｅａｌ，ｉ}／η_ｉ）。ステップ１０１６は、効率アップデータ９１１及び効率デグレーダ９１３を参照して述べたのと同様に、効率η_ｉをバイナリ決定変数Ｂ_{ｍａｉｎ，ｉ}及びＢ_{ｃａｐ，ｉ}の関数として定義する制約を課すことを含むことができる。ステップ１０１６は、メンテナンス推定器９２２及び購入推定器９３２を参照して述べたのと同様に、バイナリ決定変数Ｂ_{ｍａｉｎ，ｉ}及びＢ_{ｃａｐ，ｉ}を０又は１のいずれかの値に制約し、バイナリ決定変数Ｂ_{ｍａｉｎ，ｉ}及びＢ_{ｃａｐ，ｉ}を、接続された機器６１０の信頼性Reliability_ｉの関数として定義する制約を課すことを含むことができる。ステップ１０１６は、信頼性推定器９２４及び９３４を参照して述べたのと同様に、接続された機器６１０の信頼性Reliability_ｉを機器性能情報（例えば、動作条件、稼働時間など）の関数として定義する制約を課すことを含むことができる。

ステップ１０１６は、目的関数Ｊを最適化して、最適化期間の継続時間にわたるバイナリ決定変数Ｂ_{ｍａｉｎ，ｉ}及びＢ_{ｃａｐ，ｉ}の最適値を決定することを含むことができる。ステップ１０１６は、様々な最適化技法の任意のものを使用して目的関数Ｊを定式化及び最適化することを含むことができる。例えば、ステップ１０１６は、整数計画法、混合整数線形計画法、確率的最適化、凸最適化、動的計画法、又は任意の他の最適化技法を使用して、目的関数Ｊを定式化し、制約を定義し、最適化を実施することを含むことができる。これら及び他の最適化技法は当技術分野で知られており、本明細書で詳細には述べない。

いくつかの実施形態では、ステップ１０１６は、混合整数確率的最適化を使用して目的関数Ｊを最適化することを含む。混合整数確率的最適化では、目的関数Ｊでの変数のいくつかを、ランダム変数又は確率変数の関数として定義することができる。例えば、決定変数Ｂ_{ｍａｉｎ，ｉ}及びＢ_{ｃａｐ，ｉ}は、ビルディング機器の信頼性に基づいた確率値を有するバイナリ変数として定義することができる。低い信頼性値は、バイナリ決定変数Ｂ_{ｍａｉｎ，ｉ}及びＢ_{ｃａｐ，ｉ}が値１を有する確率を高めることがあり（例えば、Ｂ_{ｍａｉｎ，ｉ}＝１及びＢ_{ｃａｐ，ｉ}＝１）、高い信頼性値は、バイナリ決定変数Ｂ_{ｍａｉｎ，ｉ}及びＢ_{ｃａｐ，ｉ}が値０を有する確率を高めることがある（例えば、Ｂ_{ｍａｉｎ，ｉ}＝０及びＢ_{ｃａｐ，ｉ}＝０）。いくつかの実施形態では、ステップ１０１６は、混合整数確率的技法を使用して、バイナリ決定変数Ｂ_{ｍａｉｎ，ｉ}及びＢ_{ｃａｐ，ｉ}の値をビルディング機器の信頼性の確率関数として定義することを含む。

上で論じたように、目的関数Ｊは、最適化期間の継続期間にわたってビルディング機器の１つ又は複数のデバイスを動作、メンテナンス、及び購入する予測コストを表すこともある。いくつかの実施形態では、ステップ１０１６は、これらのコストを特定の時点（例えば、現時点）に投影し、特定の時点でのビルディング機器の１つ又は複数のデバイスの正味現在価値（ＮＰＶ）を決定することを含む。例えば、ステップ１０１６は、次式を使用して、目的関数Ｊでの各コストを現時点に投影することを含むことができる。

ここで、ｒは利率であり、Cost_ｉは、最適化期間の時間ステップｉ中にかかったコストであり、ＮＰＶ_ｃｏｓｔは、最適化期間の継続期間にわたってかかった総コストの正味現在価値（すなわち、現在のコスト）である。いくつかの実施形態では、ステップ１０１６は、正味現在価値ＮＰＶ_ｃｏｓｔを最適化して、特定の時点でのビルディング機器のＮＰＶを決定することを含む。

上で論じたように、目的関数Ｊでの１つ又は複数の変数又はパラメータは、ビルディング機器からの閉ループフィードバックに基づいて動的に更新することができる。例えば、ビルディング機器から受信された機器性能情報を使用して、ビルディング機器の信頼性及び／又は効率を更新することができる。ステップ１０１６は、目的関数Ｊを定期的に（例えば、１日に１回、１週間に１回、１か月に１回など）最適化して、ビルディング機器からの閉ループフィードバックに基づいて予測コスト及び／又は正味現在価値ＮＰＶ_ｃｏｓｔを動的に更新することを含むことができる。

いくつかの実施形態では、ステップ１０１６は、最適化結果を生成することを含む。最適化結果は、最適化期間内の時間ステップｉごとに目的関数Ｊの決定変数の最適値を含むことがある。最適化結果は、ビルディング機器の各デバイスに関する動作決定、機器メンテナンス決定、及び／又は機器購入決定を含む。いくつかの実施形態では、最適化結果は、最適化期間の継続期間にわたってビルディング機器を動作、メンテナンス、及び購入する経済的価値を最適化する。いくつかの実施形態では、最適化結果は、特定の時点におけるビルディング機器の１つ又は複数のデバイスの正味現在価値を最適化する。最適化結果により、ＢＭＳ６０６は、ビルディング機器に関する設定点をアクティブ化、非アクティブ化、又は調整して、最適化結果で指定された決定変数の最適値を実現することができる。

いくつかの実施形態では、プロセス１０００は、最適化結果を使用して、機器購入及びメンテナンスの推奨を生成することを含む。機器購入及びメンテナンスの推奨は、目的関数Ｊを最適化することによって決定されるバイナリ決定変数Ｂ_{ｍａｉｎ，ｉ}及びＢ_{ｃａｐ，ｉ}に関する最適値に基づくことがある。例えば、ビルディング機器の特定のデバイスに関するＢ_{ｍａｉｎ，２５}＝１の値は、最適化期間の第２５の時間ステップにおいてそのデバイスに対してメンテナンスが実施されるべきであることを示すことがあり、Ｂ_{ｍａｉｎ，２５}＝０の値は、その時間ステップにおいてメンテナンスを実施すべきでないことを示すことがある。同様に、Ｂ_{ｃａｐ，２５}＝１の値は、最適化期間の第２５の時間ステップにおいて、ビルディング機器の新たなデバイスを購入すべきであることを示すことがあり、Ｂ_{ｃａｐ，２５}＝０の値は、その時間ステップにおいて新たなデバイスを購入すべきでないことを示すことがある。

いくつかの実施形態では、機器購入及びメンテナンスの推奨は、ビルディング１０（例えば、ＢＭＳ６０６）及び／又はクライアントデバイス４４８に提供される。操作者又はビルディングの所有者は、機器購入及びメンテナンスの推奨を使用して、メンテナンスの実施及び新たなデバイスの購入のコスト及び利益を評価することができる。いくつかの実施形態では、機器購入及びメンテナンスの推奨が整備士６２０に提供される。整備士６２０は、機器購入及びメンテナンスの推奨を使用して、整備の実施又は機器の交換のために顧客に連絡すべき時を決定することができる。

引き続き図１０を参照すると、プロセス１０００は、最適なメンテナンス戦略に基づいてビルディング機器の効率及び信頼性を更新すること（ステップ１０１８）を含むものとして示されている。いくつかの実施形態では、ステップ１０１８は、ビルディング機器に対するメンテナンスの実施、又はビルディング機器の１つ若しくは複数のデバイスを交換若しくは補完するための新たな機器の購入により生じるビルディング機器の効率ηの上昇を考慮に入れるために、最適化期間中の１つ又は複数の時間ステップに関する効率η_ｉを更新することを含む。効率η_ｉが更新される時間ステップｉは、メンテナンスが実施されることになる、又は機器が交換されることになる予測時間ステップに対応することがある。ビルディング機器に対してメンテナンスが実施されることになる予測時間ステップは、目的関数Ｊでのバイナリ決定変数Ｂ_{ｍａｉｎ，ｉ}の値によって定義することができる。同様に、ビルディング機器が交換されることになる予測時間ステップは、目的関数Ｊでのバイナリ決定変数Ｂ_{ｃａｐ，ｉ}の値によって定義することができる。

ステップ１０１８は、その時間ステップにおいてメンテナンスが実施されること、及び／又はその時間ステップにおいて新たな機器が購入されることをバイナリ決定変数Ｂ_{ｍａｉｎ，ｉ}及びＢ_{ｃａｐ，ｉ}が示す場合（すなわち、Ｂ_{ｍａｉｎ，ｉ}＝１及び／又はＢ_{ｃａｐ，ｉ}＝１）、所与の時間ステップｉに関する効率η_ｉをリセットすることを含むことができる。例えば、Ｂ_{ｍａｉｎ，ｉ}＝１の場合、ステップ１０１８は、η_ｉの値をη_ｍａｉｎにリセットすることを含むことができ、ここで、η_ｍａｉｎは、時間ステップｉにおいて実施されるメンテナンスにより得られると期待される効率値である。同様に、Ｂ_{ｃａｐ，ｉ}＝１の場合、ステップ１０１８は、η_ｉの値をη_ｃａｐにリセットすることを含むことができ、ここで、η_ｃａｐは、時間ステップｉにおいて実施されるビルディング機器の１つ又は複数のデバイスを補完又は交換するために新たなデバイスを購入することにより得られると期待される効率値である。ステップ１０１８は、１つ又は複数の時間ステップに関して効率η_ｉをリセットすることを含むことができ、（例えば最適化の各反復によって）バイナリ決定変数Ｂ_{ｍａｉｎ，ｉ}及びＢ_{ｃａｐ，ｉ}の値に基づいて最適化が実施される。

ステップ１０１８は、バイナリ決定変数Ｂ_{ｍａｉｎ，ｉ}の値に基づいて、ビルディング機器に対してメンテナンスが最後に実施されてから経過した時間量Δｔ_{ｍａｉｎ，ｉ}を決定することを含むことがある。各時間ステップｉに関して、ステップ１０１８は、時間ステップｉ及び前の各時間ステップ（例えば、時間ステップｉ−１、ｉ−２、・・・、１）におけるＢ_ｍａｉｎの対応する値を検査することができる。ステップ１０１８は、メンテナンスが最後に実施された時点（すなわち、Ｂ_{ｍａｉｎ，ｉ}＝１である直近の時点）を、時間ステップｉに関連する時点から引くことによって、Δｔ_{ｍａｉｎ，ｉ}の値を計算することを含むことができる。メンテナンスが最後に実施されてからの時間量Δｔ_{ｍａｉｎ，ｉ}が長いと、信頼性がより低くなることがあり、メンテナンスが最後に実施されてからの時間量が短いと、信頼性がより高くなることがある。

同様に、ステップ１０１８は、バイナリ決定変数Ｂ_{ｃａｐ，ｉ}の値に基づいて、ビルディング機器が購入又は設置されてから経過した時間量Δｔ_{ｃａｐ，ｉ}を決定することを含むことがある。各時間ステップｉに関して、ステップ１０１８は、時間ステップｉ及び前の各時間ステップ（例えば、時間ステップｉ−１、ｉ−２、・・・、１）におけるＢ_ｃａｐの対応する値を検査することができる。ステップ１０１８は、ビルディング機器が購入又は設置された時点（すなわち、Ｂ_{ｃａｐ，ｉ}＝１である直近の時点）を、時間ステップｉに関連する時点から引くことによって、Δｔ_{ｃａｐ，ｉ}の値を計算することを含むことができる。ビルディング機器が購入又は設置されてからの時間量Δｔ_{ｃａｐ，ｉ}が長いと、信頼性がより低くなることがあり、ビルディング機器が購入又は設置されてからの時間量が短いと、信頼性がより高くなることがある。

いくつかのメンテナンス活動は、他よりもコストがかかることがある。しかし、異なるタイプのメンテナンス活動が、ビルディング機器の効率η及び／又は信頼性に対する異なるレベルの改良をもたらすことがある。例えば、冷却器内のオイルの単なる交換は、効率ηのわずかな改良及び／又は信頼性のわずかな改良をもたらすことがあり、冷却器の完全な分解及びすべての冷却水管の洗浄は、ビルディング機器の効率η及び／又は信頼性のかなり大きな改良をもたらすことがある。したがって、複数の異なるレベルのメンテナンス後の効率（すなわち、η_ｍａｉｎ）及びメンテナンス後の信頼性（すなわち、Reliability_ｍａｉｎ）が存在し得る。η_ｍａｉｎ及びReliability_ｍａｉｎの各レベルは、異なるタイプのメンテナンス活動に対応することがある。

いくつかの実施形態では、ステップ１０１８は、各バイナリ決定変数Ｂ_{ｍａｉｎ，ｊ，ｉ}に関連するメンテナンス活動を識別することを含み、Ｂ_{ｍａｉｎ，ｊ，ｉ}＝１の場合、効率ηを、対応するメンテナンス後の効率レベルη_{ｍａｉｎ，ｊ}にリセットする。同様に、ステップ１０１８は、各バイナリ決定変数Ｂ_{ｍａｉｎ，ｊ，ｉ}に関連するメンテナンス活動を識別することを含むことができ、Ｂ_{ｍａｉｎ，ｊ，ｉ}＝１の場合、信頼性を、対応するメンテナンス後の信頼性レベルReliability_{ｍａｉｎ，ｊ}にリセットすることができる。

いくつかの資本購入は、他のものよりも高価であり得る。しかし、異なるタイプの資本購入は、効率η及び／又はビルディング機器の信頼性に対して異なるレベルでの向上をもたらすことがある。例えば、既存のセンサの交換のために新たなセンサを購入することで、効率ηがわずかに向上する、及び／又は信頼性がわずかに向上することがあり、新たな冷却器及び制御システムを購入することで、ビルディング機器の効率η及び／又は信頼性がかなり大きく向上することがある。したがって、複数の異なるレベルの購入後の効率（すなわち、η_ｃａｐ）及び購入後の信頼性（すなわち、Reliability_ｃａｐ）があり得る。η_ｃａｐ及びReliability_ｃａｐの各レベルは、異なるタイプの資本購入に対応することがある。

いくつかの実施形態では、ステップ１０１８は、各バイナリ決定変数Ｂ_{ｍａｉｎ，ｋ，ｉ}に関連する資本購入を識別し、Ｂ_{ｃａｐ，ｋ，ｉ}＝１の場合、効率ηを、対応する購入後効率レベルη_{ｃａｐ，ｋ}にリセットすることを含む。同様に、ステップ１０１８は、各バイナリ決定変数Ｂ_{ｃａｐ，ｋ，ｉ}に関連する資本購入を識別することを含むことがあり、Ｂ_{ｍａｉｎ，ｋ，ｉ}＝１の場合、信頼性を、対応する購入後信頼性レベルReliability_{ｃａｐ，ｋ}にリセットすることができる。

例示的実施形態の構成
様々な例示的実施形態に示したようなシステム及び方法の構成及び配置は、例示的なものにすぎない。本開示ではいくつかの実施形態のみを詳細に述べているが、多くの変更が可能である（例えば、様々な要素のサイズ、寸法、構造、形状、及び広さ、パラメータの値、取付け配置、材料の使用、色、向きなど）。例えば、要素の位置が逆にされてもよく、又は他の形で変更されてもよく、個々の要素の性質若しくは数又は位置が変化又は変更されてもよい。したがって、そのような変更は全て本開示の範囲内に含まれることが意図される。任意のプロセス又は方法ステップの順序又は並びは、代替実施形態に従って変更されか又は並べ替えられてもよい。本開示の範囲から逸脱することなく、例示的実施形態の設計、動作条件、及び配置について、他の置換、修正、変更、及び省略が行われてもよい。

本開示は、様々な動作を達成するための方法、システム、及び任意の機械可読媒体でのプログラム製品を企図する。本開示の実施形態は、既存のコンピュータプロセッサを使用して実装されても、この目的若しくは別の目的で組み込まれた適切なシステムのための専用コンピュータプロセッサによって実装されても、又は有線システムによって実装されてもよい。本開示の範囲内の実施形態は、機械実行可能命令又はデータ構造を担持又は記憶するための機械可読媒体を備えるプログラム製品を含む。そのような機械可読媒体は、汎用若しくは専用コンピュータ、又はプロセッサを備える他の機械によってアクセスすることができる任意の利用可能な媒体であってもよい。一例として、そのような機械可読媒体は、ＲＡＭ、ＲＯＭ、ＥＰＲＯＭ、ＥＥＰＲＯＭ、ＣＤ−ＲＯＭ、若しくは他の光ディスク記憶装置、磁気ディスク記憶装置若しくは他の磁気記憶デバイス、又は任意の他の媒体を含むことができ、そのような媒体は、機械実行可能命令又はデータ構造の形態での所望のプログラムコードを担持又は記憶するために使用することができ、さらに、汎用若しくは専用コンピュータ、又はプロセッサを備える他の機械によってアクセスすることができる。上記の媒体の組合せも機械可読媒体の範囲に含まれる。機械実行可能命令は、例えば、汎用コンピュータ、専用コンピュータ、又は専用処理機械に特定の機能若しくは機能群を実施させる命令及びデータを含む。

図面は方法ステップの特定の順序を示しているが、ステップの順序は図示されるものとは異なっていてもよい。また、２つ以上のステップが並行して、又は一部並行して実施されてもよい。そのような変形形態は、選択されるソフトウェア及びハードウェアシステム、並びに設計者の選択に依存する。そのような変形形態は全て本開示の範囲内にある。同様に、ソフトウェア実装は、様々な接続ステップ、処理ステップ、比較ステップ、及び決定ステップを達成するために規則ベースの論理及び他の論理を備えた標準的なプログラミング技法によって達成することができる。

Claims (20)

1. ビルディング機器用のモデル予測的メンテナンスシステムであって、
   前記ビルディング機器を動作させて、ビルディングでの可変状態又は状況に影響を与えるように構成された機器コントローラと、
   最適化期間の継続期間にわたって前記ビルディング機器を動作させるコストを予測するように構成された動作コスト予測器と、
   前記最適化期間の前記継続期間にわたって前記ビルディング機器に対するメンテナンスを実施するコストを予測するように構成されたメンテナンスコスト予測器と、
   目的関数を最適化して、前記最適化期間の前記継続期間にわたる前記ビルディング機器に関連する総コストを予測するように構成された目的関数オプティマイザと
   を含み、
   前記目的関数は、前記ビルディング機器を動作させる前記予測されたコストと、前記ビルディング機器に対するメンテナンスを実施する前記予測されたコストとを含む、モデル予測的メンテナンスシステム。
2. 前記最適化期間の前記継続期間にわたって前記ビルディング機器を購入又は交換するコストを予測するように構成された資本コスト予測器をさらに含み、
   前記目的関数は、前記ビルディング機器を購入又は交換する前記予測されたコストをさらに含む、請求項０に記載のモデル予測的メンテナンスシステム。
3. 前記ビルディング機器からの閉ループフィードバックに基づいてリアルタイムベースで前記目的関数を動的に更新するように構成された目的関数生成器をさらに含む、請求項０に記載のモデル予測的メンテナンスシステム。
4. 前記メンテナンスコスト予測器は、前記最適化期間の各時間中に前記ビルディング機器に対してメンテナンスが実施されるかどうかを示す複数のバイナリ決定変数の関数として、前記ビルディング機器に対するメンテナンスを実施する前記コストを予測するように構成される、請求項０に記載のモデル予測的メンテナンスシステム。
5. 前記動作コスト予測器は、
   前記最適化期間の各時間ステップにおいて前記ビルディング機器の動作効率を決定し、
   前記最適化期間の各時間ステップにおいて前記動作効率の関数として前記ビルディング機器を動作させる前記コストを予測する
   ように構成される、請求項０に記載のモデル予測的メンテナンスシステム。
6. 前記動作コスト予測器は、
   前記ビルディング機器からのフィードバックとして受信された機器性能情報を使用して、前記ビルディング機器の初期動作効率を決定し、
   前記最適化期間の連続する時間ステップ間で前記動作効率が低下する量を定義する効率低下係数を識別し、
   前記初期動作効率及び前記効率低下係数を使用して、前記最適化期間の各時間ステップにおける前記ビルディング機器の動作効率を決定する
   ように構成される、請求項０に記載のモデル予測的メンテナンスシステム。
7. 前記目的関数は、前記最適化期間の各時間中に前記ビルディング機器に対してメンテナンスが実施されるかどうかを示す複数のバイナリ決定変数を含み、
   前記動作コスト予測器は、メンテナンスが実施されることを前記バイナリ決定変数が示す各時間ステップにおいて、前記ビルディング機器の前記動作効率を、メンテナンス後の効率値にリセットするように構成される、請求項６に記載のモデル予測的メンテナンスシステム。
8. ビルディング機器用のモデル予測的メンテナンスシステムであって、
   前記ビルディング機器を動作させて、ビルディングでの可変状態又は状況に影響を与えるように構成された機器コントローラと、
   前記最適化期間の各時間中に前記ビルディング機器に対してメンテナンスが実施されるかどうかを示す複数のバイナリ決定変数の関数として、最適化期間の継続時間にわたって前記ビルディング機器に対するメンテナンスを実施するコストを予測するように構成されたメンテナンスコスト予測器と、
   目的関数を最適化して、前記最適化期間の前記継続期間にわたる前記ビルディング機器に関連する総コストを予測するように構成された目的関数オプティマイザと
   を含み、
   前記目的関数は、前記ビルディング機器に対するメンテナンスを実施する前記予測されたコストを含む、モデル予測的メンテナンスシステム。
9. 前記メンテナンスコスト予測器は、
   前記ビルディング機器からのフィードバックとして受信された機器性能情報を使用して、前記最適化期間の各時間ステップにおける前記ビルディング機器の信頼性を決定し、
   前記最適化期間の各時間ステップにおける前記ビルディング機器の前記信頼性に基づいて、前記バイナリ決定変数に関する値を決定する
   ように構成される、請求項８に記載のモデル予測的メンテナンスシステム。
10. 前記最適化期間の前記継続期間にわたって前記ビルディング機器を購入又は交換するコストを予測するように構成された資本コスト予測器をさらに含み、
    前記目的関数は、前記ビルディング機器を購入又は交換する前記予測されたコストをさらに含む、請求項８に記載のモデル予測的メンテナンスシステム。
11. 前記バイナリ決定変数の関数として、前記最適化期間の前記継続時間にわたって前記ビルディング機器を動作させるコストを予測するように構成された動作コスト予測器をさらに含み、
    前記目的関数は、前記ビルディング機器を動作させる前記予測されたコストをさらに含む、請求項８に記載のモデル予測的メンテナンスシステム。
12. 前記動作コスト予測器は、
    前記最適化期間の各時間ステップにおける前記ビルディング機器の動作効率を決定し、
    前記最適化期間の各時間ステップにおける前記動作効率の関数として、前記ビルディング機器を動作させる前記コストを予測する
    ように構成される、請求項１１に記載のモデル予測的メンテナンスシステム。
13. 前記動作コスト予測器は、
    前記ビルディング機器からのフィードバックとして受信された機器性能情報を使用して、前記ビルディング機器の初期動作効率を決定し、
    前記最適化期間の連続する時間ステップ間で前記動作効率が低下する量を定義する効率低下係数を識別し、
    前記初期動作効率及び前記効率低下係数を使用して、前記最適化期間の各時間ステップにおける前記ビルディング機器の動作効率を決定する
    ように構成される、請求項１１に記載のモデル予測的メンテナンスシステム。
14. 前記動作コスト予測器は、メンテナンスが実施されることを前記バイナリ決定変数が示す各時間ステップにおいて、前記ビルディング機器の前記動作効率を、メンテナンス後の効率値にリセットするように構成される、請求項１３に記載のモデル予測的メンテナンスシステム。
15. ビルディング機器用のモデル予測的メンテナンスシステムであって、
    前記ビルディング機器を動作させて、ビルディングでの可変状態又は状況に影響を与えるように構成された機器コントローラと、
    最適化期間の継続期間にわたって前記ビルディング機器を動作させるコストを予測するように構成された動作コスト予測器と、
    前記最適化期間の前記継続期間にわたって前記ビルディング機器に対するメンテナンスを実施するコストを予測するように構成されたメンテナンスコスト予測器と、
    目的関数を最適化して、前記最適化期間の前記継続期間にわたって前記ビルディング機器を動作及びメンテナンスするための最適な戦略を決定するように構成された目的関数オプティマイザと
    を含み、
    前記目的関数は、前記ビルディング機器を動作させる前記予測されたコストと、前記ビルディング機器に対するメンテナンスを実施する前記予測されたコストとを含む、モデル予測的メンテナンスシステム。
16. 前記動作コスト予測器は、前記最適化期間の各時間ステップ中の前記ビルディング機器の予測されるエネルギー消費量の関数として、前記ビルディング機器を動作させる前記コストを予測するように構成され、
    前記メンテナンスコスト予測器は、前記最適化期間の各時間中に前記ビルディング機器に対してメンテナンスが実施されるかどうかを示す複数のバイナリ決定変数の関数として、前記ビルディング機器に対するメンテナンスを実施する前記コストを予測するように構成され、
    前記目的関数オプティマイザは、前記目的関数を最適化して、バイナリ決定変数に関する最適値を決定するように構成される、請求項１５に記載のモデル予測的メンテナンスシステム。
17. 前記動作コスト予測器は、
    前記最適化期間の各時間ステップにおいて前記ビルディング機器の動作効率を決定し、
    前記最適化期間の各時間ステップ中の前記動作効率の関数として、前記最適化期間の各時間ステップ中の前記ビルディング機器の前記エネルギー消費量を予測する
    ように構成される、請求項１６に記載のモデル予測的メンテナンスシステム。
18. 前記動作コスト予測器は、
    前記ビルディング機器からのフィードバックとして受信された機器性能情報を使用して、前記ビルディング機器の初期動作効率を決定し、
    前記最適化期間の連続する時間ステップ間で前記動作効率が低下する量を定義する効率低下係数を識別し、
    前記初期動作効率及び前記効率低下係数を使用して、前記最適化期間の各時間ステップにおける前記ビルディング機器の動作効率を決定する
    ように構成される、請求項１６に記載のモデル予測的メンテナンスシステム。
19. 前記動作コスト予測器は、メンテナンスが実施されることを前記バイナリ決定変数が示す各時間ステップにおいて、前記ビルディング機器の前記動作効率を、メンテナンス後の効率値にリセットするように構成される、請求項１８に記載のモデル予測的メンテナンスシステム。
20. 前記最適化期間の前記継続期間にわたって前記ビルディング機器を購入又は交換するコストを予測するように構成された資本コスト予測器をさらに含み、
    前記目的関数は、前記ビルディング機器を購入又は交換する前記予測されたコストをさらに含む、請求項１６に記載のモデル予測的メンテナンスシステム。

Images