JP2020531995A - 熱エネルギー流体移送システムにおける非侵入型センサによるコグニティブ・エネルギー評価 - Google Patents

Abstract

【課題】クラウド・コンピューティング環境内の熱エネルギー流体移送システムにおけるエネルギーを評価する。【解決手段】加熱サービス、冷却サービス、またはそれらの組合せに関連付けられた熱エネルギー流体移送システムの挙動を、収集データに従って学習して、１つまたは複数のエネルギー利用イベントを識別することができる。リアルタイムで学習された挙動に従って、熱エネルギー流体移送システムにおける１つまたは複数の選択された位置に配置された１つまたは複数の非侵入型モノのインターネット（ＩｏＴ）センサによって選択された期間にわたって収集されたデータと共に温度信号曖昧性除去動作を用いて、エネルギー利用評価動作を実行し、システム性能インジケータを学習することができ、取り込まれた予期されるポリシ挙動と組み合わせると、１つまたは複数のエネルギー利用浪費イベントを識別することができる。【選択図】図６

Description

本発明は、概して、コンピューティング・システムに関し、より詳細には、コンピューティング・プロセッサを用いたクラウド・コンピューティング環境内の熱エネルギー流体移送システム（thermal energy fluid transfer system）におけるコグニティブ・エネルギー評価（cognitive energy assessment）のための様々な実施形態に関する。

今日の社会において、機械システムにおける様々な進歩が、コンピューティング技術における進歩と相まって、熱エネルギー流体移送システムの効率の増大等の多岐にわたる付随する利点を可能にしてきた。コンピュータが社会のあらゆる局面に普及するにつれ、エネルギー・フットプリントを最小限にしながら、電力およびエネルギー消費の効率を改善するために、熱エネルギー流体移送システムにおける技術を活用するための更なる機会が出現し続けている。

クラウド・コンピューティング環境内の熱エネルギー流体移送システムにおけるエネルギーを評価する。

１つまたは複数のメモリに関連付けられた１つまたは複数のプロセッサによる、クラウド・コンピューティング環境内の熱エネルギー流体移送システムにおけるコグニティブ・エネルギー評価のための様々な実施形態が提供される。１つの実施形態では、単なる例として、クラウド・コンピューティング環境における、モノのインターネット（ＩｏＴ）センサのアレイを用いた熱エネルギー流体移送システムにおけるコグニティブ・エネルギー評価のための方法／システムが提供される。熱エネルギー流体移送システムにおけるコグニティブ・エネルギー評価のための実施形態は、クラウド・コンピューティング環境におけるものであり得る。加熱サービス、冷却サービス、またはそれらの組合せに関連付けられた熱エネルギー流体移送システムの挙動を、収集された曖昧性除去された制御信号データに従って学習して、１つまたは複数のエネルギー利用イベントを識別することができる。リアルタイムで学習された挙動に従って、熱エネルギー流体移送システムにおける１つまたは複数の選択された位置に配置された１つまたは複数の非侵入型モノのインターネット（ＩｏＴ）センサによって選択された期間にわたって収集されたデータと共に温度信号の曖昧性除去動作（disambiguation operation）を用いて、エネルギー利用評価動作を実行し、システム性能インジケータを学習することができ、取り込まれた予期されるポリシ挙動と組み合わせると、１つまたは複数のエネルギー利用浪費イベントを識別することができる。

本発明の利点が容易に理解されるように、上記で簡単に説明された本発明のより具体的な説明を、添付の図面に示す詳細な実施形態を参照して行う。これらの図面は、本発明の典型的な実施形態のみを示すものであり、したがって本発明の範囲を限定するものとみなされないことを理解した上で、本発明を、添付の図面を用いて更に具体的にかつ詳細に記載および説明する。

本発明の実施形態による例示的なコンピューティング・ノードを示すブロック図である。 本発明の実施形態による例示的なクラウド・コンピューティング環境を示す追加のブロック図である。 本発明の実施形態による抽象化モデル・レイヤを示す追加のブロック図である。 本発明の態様に従って機能する様々なユーザ・ハードウェアおよびコンピューティング・コンポーネントを示す図である。 本発明の様々な態様を実現することができる、プロセッサによる熱エネルギー流体移送システムにおける信号曖昧性除去イベント検出を定義するための例示的な方法のグラフ図である。 本発明の態様による、モノのインターネット（ＩｏＴ）コンピューティング・ネットワークにおける熱エネルギー流体移送システムにおけるコグニティブ・エネルギー評価のブロック・フロー図である。 本発明に態様による、熱エネルギー流体移送システムにおける教師あり学習フェーズ中の選択された期間にわたる温度信号の比較の出力結果のグラフ図である。 本発明の態様による、モノのインターネット（ＩｏＴ）コンピューティング・ネットワークにおける熱エネルギー流体移送システムにおける教師あり学習フェーズのブロック・フロー図である。 本発明の態様による、熱エネルギー流体移送システムにおけるグランド・トゥルース・タギングのグラフ図である。 本発明の態様による、モノのインターネット（ＩｏＴ）コンピューティング・ネットワークにおける熱エネルギー流体移送システムのスケジューリングされたコグニティブ・エネルギー評価のブロック・フロー図である。 本発明の態様による、モノのインターネット（ＩｏＴ）コンピューティング・ネットワークにおける熱エネルギー流体移送システムのコグニティブ・エネルギー評価の出力レポートを示す図である。 本発明の様々な態様を実現することができる、プロセッサによるクラウド・コンピューティング環境内の熱エネルギー流体移送システムにおけるコグニティブ・エネルギー評価のための例示的な方法のフローチャート図である。

本明細書に記載のように、本明細書に提供される様々な実施形態は、例えば、熱エネルギーによりポンピングされる液体送達システム、高圧温水（「ＨＰＨＷ」またはスチーム）システム、低圧温水（ＬＰＨＷ）システム、プロセス冷却水、冷水、冷蔵（高圧側）システムを含み得るシステム、または他の流体ポンプシステム等の熱エネルギー流体移送システムに関する。

これらの熱エネルギー流体移送システムの多くは、例えば商業建物等の様々なタイプの建物内で用いられる。また、これらの建物の大多数は、ボイラ・システムにおいて天然ガスを用いる場合があり、ボイラ・システムは温水サービスに関連するため、これは特に大量のエネルギー消費を必要とする。更に、建物環境の多くにおいて、大型のボイラ設備を運用し、ＬＰＨＷサービス（例えば、ボイラ動作および性能の様々なレベルの認識）をプロビジョニングすることは、電気ベースのエネルギー・ユーザの相当物と比較してあまり理解されていない。これは主に、ガス・ボイラ運用に関連付けられた高信頼性レベルに起因する。ガス・ボイラ運用では、ボイラ室は「ブラック・ボックス」として管理される傾向にあり、ボイラ室の調査は、制限されるかまたはボイラ・トリップ・アラームに応答してのみ行われる傾向にある。これらの熱エネルギー流体移送システムにアクセスする複雑性および困難さを考えると、熱エネルギー流体移送システムは独立しており、専有システムである場合があるため、基礎を成す制御データへのアクセスを得ることが困難である。したがって、１つまたは複数のエネルギー節減機会を識別するための継続的コグニティブ・エネルギー性能評価を提供する必要がある。

したがって、クラウド・コンピューティング環境内の熱エネルギー流体移送システムにおけるコグニティブ・エネルギー評価のための様々な実施形態が本明細書に提供される。１つの実施形態では、単なる例として、クラウド・コンピューティング環境における、モノのインターネット（ＩｏＴ）センサのアレイを用いた熱エネルギー流体移送システムにおけるコグニティブ・エネルギー評価のための方法／システムが提供される。熱エネルギー流体移送システムにおけるコグニティブ・エネルギー評価のための実施形態は、クラウド・コンピューティング環境におけるものであり得る。熱エネルギー流体移送システム（加熱サービス、冷却サービス、またはそれらの組合せとすることができる）の挙動を、収集データに従って学習して、１つまたは複数のエネルギー利用イベントを識別することができる。学習された挙動に従って、熱エネルギー流体移送システムにおける１つまたは複数の選択された位置に配置された１つまたは複数の非侵入型モノのインターネット（ＩｏＴ）センサによって選択された期間にわたって収集された温度信号を用いて、エネルギー利用評価動作を実行して、１つまたは複数のエネルギー利用浪費イベントを識別することができる。熱エネルギー流体移送システムにおけるコグニティブ・エネルギー評価は、必要なエネルギー浪費評価を行って、１つまたは複数のエネルギー浪費イベント（energy wastage event）を識別する能力を提供する。温度信号データを用いて、エネルギー浪費イベントを検出および報告することができる。

１つの態様において、本明細書に記載の実施形態は、熱エネルギー流体移送システムの戻り線における共通戻り温度のものであり得る単一の時系列温度信号の曖昧性除去を提供する。ＩｏＴセンサ・デバイスは、熱エネルギー流体移送システムのコグニティブ・エネルギー評価を可能にするために戻り線温度を検出することができる。最初に、熱エネルギー流体移送システムの挙動を学習することができる。エネルギー利用イベントを温度信号において配布し、その後、これを用いてエネルギー浪費イベントを検出することができる。エネルギー浪費イベントは、例えば、スケジュール不一致、システム負荷なし、もしくはスケジュール変化点に影響を及ぼし得るドライ・サイクル・イベント（dry cycling event）の開始（例えば、大きなエネルギー節減機会が実現されることを可能にする夏および冬のボイラ動作の開始）、または他の定義されたエネルギー浪費イベントを含むことができる。

このようにして、提案される発明は、オンデマンドおよびリアルタイムでのエネルギー利用およびエネルギー浪費利用の分析評価を提供する。このようにして、本発明は、専門特性ならびに伴う労力および時間のレベルを考えるといずれもコストが高い、侵入型の専用ハードウェア機器の展開、延長されたシステム・シャットダウン、または出力を解釈するための分野の専門知識の使用のいずれの要件も克服する。提案される発明は、専用ハードウェアのインストールの必要性をなくしながら、ボイラのコグニティブ・エネルギー評価を行うための直接ボイラ制御呼掛けまたは建物管理システム（「ＢＭＳ」）のアクセスのいずれの要件もなくす。１つの態様において、ＩｏＴ対応温度センサにおける無線ストラップを、熱エネルギー流体移送システムにおけるパイプ・ネットワークの戻り温度ループに適用することができ、これは、システムの介入、セットアップ、設置または配線を一切要しない。

１つの態様において、本発明は、任意の閉ループ熱エネルギー流体移送システム（加熱および冷却）に関する。システムの利益および利点は、システムをシャットダウンする要件をなくす／低減することを含むことができる。１つの態様において、本発明は、クラウド・コンピューティング環境内で動作することができる、インストレーション・リソースの支援を用いない熱エネルギー流体移送システム（加熱および冷却システムを含む）において展開可能な１つまたは複数の非侵入型ＩｏＴセンサを提供する。１つまたは複数の非侵入型ＩｏＴセンサは、例えば、任意の閉じたポンプ式熱エネルギー流体移送システム（高圧温水（「ＨＰＨＷ」またはスチーム）システム、低圧温水（ＬＰＨＷ）システム、プロセス冷却水、冷水、冷蔵（高圧側）システム、または他の流体ポンプシステムを含むことができる）におけるパイプ・ネットワークの戻り線等の１つまたは複数のパイプ上に選択的にまたは戦略的に、あるいはその両方で位置決めする（例えば、パイピングのネットワークにおける戻り線におけるパイプの外側に接続／ストラップ固定する）ことができる。データを継続的にサンプリングおよび使用して、システムの状態（例えば、健康状態）を適切に特徴付けるか、アクセス可能なエネルギー利用閾値を確立するか、または特定のタイプの熱エネルギー流体移送システムおよびコグニティブ・エネルギー評価のためのエネルギー利用プロファイルを作成するか、あるいはその組合せを行うことができる。データ・サンプリングを、選択された期間中（例えば、２４時間のデータ・サンプリングおよびトレーニング）に行い、分野の専門知識を伴うことなく、測定されるシステムの異常システム制御および需要イベントの検出を提供することができる。また、本発明は、補助データまたはハードウェア入力要件の必要性をなくす。

１つの態様において、本発明は、パイピング・ネットワークの戻りセクション／戻りループ（エネルギー負荷後セクション）上に単一のＩｏＴセンサを展開し、単一のデータ点（熱エネルギー流体移送システムの戻り温度であるＴ_{ｒｅｔｕｒｎ}）に対し１つまたは複数のクラウド・ベースのリアルタイムの統計的検出動作を行い、エネルギー利用効率をコグニティブに評価／特定することができる。また、本発明は補助データまたはハードウェア入力要件の必要性をなくす。熱エネルギー流体移送システムの完全なキャンパス・クラスタ（例えば、ＩｏＴネットワークのＩｏＴセンサのクラスタ）にわたって展開されたＩｏＴ戻りセンサのネットワーク内に１つまたは複数のＩｏＴセンサが存在することができる。このようにして、本発明は、ＩｏＴセンサのクラスタの設備の包括的な測定値の生成および特定を提供するか、または企業が合意した実行時間ポリシに反する任意の異常を識別するのに用いることができる、大キャンパス設備にわたってボイラ・スケジュールを検証する自動化された方法を設備管理運用人員に提供するか、あるいはその両方を行うことができる。

このため、本明細書に記載されるように、本発明は、プロセッサによって、クラウド・コンピューティング環境内の熱エネルギー流体移送システムにおけるエネルギー浪費の評価を提供する。１つの態様において、データは、少なくとも１つの環境制御データ・オブジェクトから継続的に監視されコグニティブに検証され（または容易に展開可能なＩｏＴセンサを通じて取得される）、これにより、１）システム・セット・ポイントを推定するか、２）システム開始数を特定するか、３）進行中のイネーブル／ディセーブル・システムについて任意の日毎のスケジュール異常を検出するか、４）負荷なしイベントの始まりを特定するか、５）システム・イネーブルメント・フラグ（system enablement flag）からシステム実行時間を特定するか、または６）動作時間外のスケジューリングされていないシステムを特定するか、あるいはその組合せを行う。

１つの態様において、様々な実施形態が、コグニティブ・エネルギー評価動作のための入力として、システム戻り温度データおよび選択されたシステム制御ポリシを受容することができる。コグニティブ・エネルギー評価の１つまたは複数の出力は、システム・セット・ポイント推定値、システム実行時間、システムの日毎の負荷なしの開始、日毎のシステムのイネーブルおよびディセーブル・タイムスタンプ、システムの日毎の高負荷および負荷なしイベント・タイムスタンプ、通常動作時間外のシステムを含むことができる。コグニティブ・エネルギー評価動作を、システム内の容量負荷分散動作、および標的のサービス提供されている建物またはエリア内の進行中の需要を満たすためのボイラの正しいサイジングを突き止める評価機会を識別するために用いることができる。

本発明の更なる態様および付随する利点を以下に更に説明する。

更なる態様において、コグニティブまたは「認識」とは、機械学習（センサ・ベースのデバイス、またはオーディオもしくはビデオ・デバイスを含む他のコンピューティング・システムを用いることを含むことができる）を用いた思考、経験および１つまたは複数の感覚を通じて知識および理解を取得する精神活動またはプロセスを指すことができる。また、コグニティブとは、１つまたは複数のイベント、動作またはプロセスの「学習」につながる、挙動パターンの識別も指すことができる。このため、コグニティブ・モデルは、経時的に、観測される挙動に適用する意味ラベルを展開し、知識領域またはオントロジーを用いて、学習した観測された挙動を記憶する。１つの実施形態において、システムは、１つまたは複数のイベント、動作またはプロセスから学習することができるものの複雑度が進歩する。

更なる態様において、コグニティブという用語は、コグニティブ・システムを指すことができる。コグニティブ・システムは、専用コンピュータ・システム、または人間の認知機能をエミュレートするためにハードウェアもしくはソフトウェアまたはその両方のロジックを（ソフトウェアが実行するハードウェア・ロジックと組み合わせて）用いて構成された専用コンピュータ・システムあるいはコンピュータ・システムの組とすることができる。これらのコグニティブ・システムは、デジタル・コンピューティングの固有の強みと組み合わされると、（例えば、定義されたパーセンテージ範囲内のまたは精度閾値を超える）高精度で、かつ大規模な回復力で問題を解決することができる、人間のような特性を着想の伝達および操作に適用する。コグニティブ・システムは、ユーザまたはコンピューティング・システムがより自然な方式でインタラクトすることを可能にしながら、人間の思考プロセスを近似する、１つまたは複数のコンピュータにより実装されるコグニティブ・動作を行うことができる。コグニティブ・システムは、例えば、自然言語処理（ＮＬＰ）ベース・ロジック等の人工知能ロジック、および専用ハードウェア、ハードウェア上で実行されるソフトウェア、または専用ハードウェアおよびハードウェア上で実行されるソフトウェアの任意の組合せとして提供することができる機械学習ロジックを含むことができる。コグニティブ・システムのロジックは、コグニティブ動作を実施することができ、その例は、限定ではないが、質問の回答、コーパス内のコンテンツの異なる部分内の関連する概念の識別、およびインターネット・ウェブ・ページ検索等のインテリジェント検索アルゴリズムを含む。

概して、そのようなコグニティブ・システムは、以下の機能、すなわち、１）人間の言語および理解の複雑性をナビゲートするか、２）大量の構造化および非構造化データを取り込み、処理するか、３）仮説を生成し、評価するか、４）関連する証拠のみに基づいた応答を計量し、評価するか、５）状況に固有のアドバイス、洞察、推定、特定、評価、計算およびガイドを提供するか、６）機械学習プロセスを通じた各反復およびインタラクションにより知識を改善し、学習するか、７）影響点における決定を可能にするか（コンテキスト・ガイダンス）、８）タスク、プロセスまたは動作に比例してスケーリングするか、９）人間の専門知識および認識を拡張および拡大するか、１０）自然言語から、共感する、人間のような属性および特質を識別するか、１１）自然言語から、様々な言語に固有のまたは依存しない属性を推論するか、１２）関連データ点（イメージ、テキスト、音声）を記憶し、呼び起こすか（例えば、データ点（イメージ、テキスト、音声）からの関連する高度の想起（記憶および呼び起こし））、または１３）経験に基づく人間の認知を模倣する状況認識動作を用いて予測および感知するか、あるいはその組合せを実行することが可能である。

本開示は、クラウド・コンピューティングに関する詳細な説明を含むが、本明細書に挙げる教示の実施は、クラウド・コンピューティング環境に限定されないことが予め理解される。むしろ、本発明の実施形態は、現在既知であるかまたは後に開発される、任意の他のタイプのコンピューティング環境と併せて実施することが可能である。

クラウド・コンピューティングは、最小限の管理労力またはサービス・プロバイダとのインタラクションで迅速にプロビジョニングおよび解放することができる、構成可能なコンピューティング・リソース（例えば、ネットワーク、ネットワーク帯域幅、サーバ、処理、メモリ、ストレージ、アプリケーション、仮想マシンおよびサービス）の共有プールへの便利でオンデマンドなネットワーク・アクセスを可能にするためのサービス配信のモデルである。クラウド・モデルは、少なくとも５つの特性、少なくとも３つのサービス・モデルおよび少なくとも４つの展開モデルを含むことができる。

特性は以下の通りである。
オンデマンド・セルフサービス：クラウド・コンシューマ（cloud consumer）は、サービスのプロバイダとの人間のインタラクションを必要とすることなく、自動的に必要に応じて、サーバ・タイムおよびネットワーク・ストレージ等のコンピューティング機能を一方的にプロビジョニングすることができる。
広範囲なネットワーク・アクセス：機能はネットワークを介して利用可能であり、標準的なメカニズムを通じてアクセスされ、これにより、異種のシン・クライアントまたはシック・クライアント・プラットフォーム（例えば、携帯電話、ラップトップ、タブレット）による使用が促される。
リソース・プーリング：プロバイダのコンピューティング・リソースは、異なる物理的および仮想リソースが、要求に応じて動的に割当ておよび再割当てされるマルチテナント・モデルを用いて、複数のコンシューマにサービス提供するようにプーリングされる。コンシューマが、通常、提供されるリソースの厳密なロケーションに対する制御または知識を有しないという意味で、ロケーション独立性があるが、より高い抽象化レベルでのロケーション（例えば、国、州またはデータセンタ）を特定することができる場合がある。
迅速な柔軟性：急速にスケール・アウトし、迅速に解放して急速にスケール・インする能力は、迅速かつ柔軟に、場合によっては自動的にプロビジョニングすることができる。コンシューマにとって、プロビジョニングのために入手可能な能力は、多くの場合、無制限であるように見え、任意の時点に任意の量で購入することができる。
測定されるサービス：クラウド・システムは、サービスのタイプ（例えば、ストレージ、処理、帯域幅、およびアクティブ・ユーザ・アカウント）に適した或る抽象化レベルでの測量能力を活用することによって、リソース使用を自動的に制御および最適化する。リソース利用は、監視、制御および報告することができ、利用されるサービスのプロバイダおよびコンシューマの双方に透明性を提供する。

サービス・モデルは以下の通りである。
サービスとしてのソフトウェア（ＳａａＳ）：コンシューマに提供される能力は、クラウド・インフラストラクチャ上で実行されるプロバイダのアプリケーションを用いることである。アプリケーションは、ウェブ・ブラウザ（例えば、ウェブベースの電子メール）等のシン・クライアント・インタフェースを通じて様々なクライアント・デバイスからアクセス可能である。コンシューマは、限られたユーザ固有のアプリケーション構成設定を可能性のある例外として、ネットワーク、サーバ、オペレーティング・システム、ストレージまたは更には個々のアプリケーション機能を含む基礎を成すクラウド・インフラストラクチャを管理または制御しない。
サービスとしてのプラットフォーム（ＰａａＳ）：コンシューマに提供される能力は、プロバイダによってサポートされるプログラミング言語およびツールを用いて作成された、コンシューマが作成または取得したアプリケーションを、クラウド・インフラストラクチャ上に展開することである。コンシューマは、ネットワーク、サーバ、オペレーティング・システムまたはストレージを含む基礎をなすクラウド・インフラストラクチャを管理または制御しないが、展開されたアプリケーション、および場合によってはアプリケーションがホスティングする環境構成に対する制御を有する。
サービスとしてのインフラストラクチャ（ＩａａＳ）：コンシューマに提供される能力は、オペレーティング・システムおよびアプリケーションを含むことができる任意のソフトウェアをコンシューマが展開および実行することが可能な、処理、ストレージ、ネットワークおよび他の基本的なコンピューティング・リソースをプロビジョニングすることである。コンシューマは、基礎を成すクラウド・インフラストラクチャを管理または制御しないが、オペレーティング・システム、ストレージ、展開されたアプリケーションに対する制御、および場合によっては、選択されたネットワーキング・コンポーネント（例えば、ホスト・ファイアウォール）の限られた制御を有する。

展開モデルは以下の通りである：
プライベート・クラウド：クラウド・インフラストラクチャは、組織のためにのみ運用される。クラウド・インフラストラクチャは、組織または第三者によって管理することができ、オン・プレミスまたはオフ・プレミスで存在することができる。
コミュニティ・クラウド：クラウド・インフラストラクチャは、いくつかの組織によって共有され、共有された関心事（例えば、ミッション、セキュリティ要件、ポリシおよびコンプライアンス検討事項）を有する特定のコミュニティをサポートする。クラウド・インフラストラクチャは、組織または第三者によって管理することができ、オン・プレミスまたはオフ・プレミスで存在することができる。
パブリック・クラウド：クラウド・インフラストラクチャは、一般大衆または大きな業界団体に利用可能にされ、クラウド・サービスを販売する組織によって所有される。
ハイブリッド・クラウド：クラウド・インフラストラクチャは、独自のエンティティのままであるが、データおよびアプリケーション移植性を可能にする標準的なまたは独自の技術（例えば、クラウド間の負荷分散のためのクラウド・バースティング）によって結び付けられた、２つ以上のクラウド（プライベート、コミュニティ、またはパブリック）の混成である。

クラウド・コンピューティング環境は、ステートレス性、低結合、モジュール性、およびセマンティック相互運用性に焦点を当てた、サービス指向型である。クラウド・コンピューティングの本質は、相互接続されたノードのネットワークを含むインフラストラクチャである。

ここで図１を参照すると、クラウド・コンピューティング・ノードの例の概略図が示される。クラウド・コンピューティング・ノード１０は、適切なクラウド・コンピューティング・ノードの１つの例にすぎず、本明細書に記載の発明の実施形態の使用または機能の範囲に関するいかなる限定も示唆することが意図されていない。それにもかかわらず、クラウド・コンピューティング・ノード１０は、実装されるか、または本明細書において上述した機能のうちの任意のものを実行するか、あるいはその両方が可能である。

コンピューティング・ノード１０内には、他の多数の汎用もしくは専用コンピューティング・システム環境または構成で運用できるコンピュータ・システム／サーバ１２が存在する。コンピュータ・システム／サーバ１２と共に使用するのに適し得る既知のコンピューティング・システム、環境、または構成、あるいはその組合せの例は、限定ではないが、パーソナル・コンピュータ・システム、サーバ・コンピュータ・システム、シン・クライアント、シック・クライアント、ハンドヘルドまたはラップトップ・デバイス、マルチプロセッサ・システム、マイクロプロセッサベース・システム、セット・トップ・ボックス、プログラム可能コンシューマ・エレクトロニクス、ネットワークＰＣ、ミニコンピュータ・システム、メインフレーム・コンピュータ・システム、およびこれらの任意のシステムまたはデバイスを含む分散クラウド・コンピューティング環境等を含む。

コンピュータ・システム／サーバ１２は、コンピュータ・システムによって実行されているプログラム・モジュール等の、コンピュータ・システムによって実行可能な命令との一般的な関連において説明され得る。通常、プログラム・モジュールは、特定のタスクを実行するか、または特定の抽象データ型を実装するルーチン、プログラム、オブジェクト、コンポーネント、ロジック、データ構造等を含むことができる。コンピュータ・システム／サーバ１２は、通信ネットワークを介してリンクされたリモート処理デバイスによってタスクが実行される、分散クラウド・コンピューティング環境で実行され得る。分散クラウド・コンピューティング環境において、プログラム・モジュールは、メモリ・ストレージ・デバイスを含む、ローカルおよびリモートの両方のコンピュータ・システム・ストレージ媒体に配置され得る。

図１に示すように、クラウド・コンピューティング・ノード１０内のコンピュータ・システム／サーバ１２は、汎用コンピューティング・デバイスの形態で示されている。コンピュータ・システム／サーバ１２のコンポーネントは、限定ではないが、１つまたは複数のプロセッサまたは処理ユニット１６、システム・メモリ２８、およびシステム・メモリ２８を含む様々なシステム・コンポーネントをプロセッサ１６に接続するバス１８を含むことができる。

バス１８は、メモリ・バスまたはメモリ・コントローラ、ペリフェラル・バス、アクセラレーテッド・グラフィックス・ポート、および任意の様々なバス・アーキテクチャを使用するプロセッサまたはローカル・バスを含む、任意のいくつかの種類のバス構造のうちの１つまたは複数を表す。例として、限定ではないが、そのようなアーキテクチャは、ＩＳＡ（Industry Standard Architecture）バス、ＭＣＡ（Micro Channel Architecture）バス、ＥＩＳＡ（Enhanced ISA）バス、ＶＥＳＡ（Video Electronics Standards Association）ローカル・バス、およびＰＣＩ（Peripheral Component Interconnects）バスを含む。

コンピュータ・システム／サーバ１２は、通常、様々なコンピュータ・システム可読媒体を含む。そのような媒体は、コンピュータ・システム／サーバ１２によってアクセスできる任意の利用可能な媒体とすることができ、揮発性および不揮発性媒体、取り外し可能および取り外し不可の媒体の双方を含む。

システム・メモリ２８は、ランダム・アクセス・メモリ（ＲＡＭ：random access memory）３０またはキャッシュ・メモリ３２あるいはその両方等の、揮発性メモリの形態でのコンピュータ・システム可読媒体を含むことができる。コンピュータ・システム／サーバ１２は、他の取り外し可能／取り外し不可、揮発性／不揮発性のコンピュータ・システム・ストレージ媒体を更に含んでもよい。単に例として、取り外し不可の、不揮発性の磁気媒体（図示されておらず、通常は「ハード・ドライブ」と呼ばれる）に対する読み取りおよび書き込みを行うために、ストレージ・システム３４を提供することができる。図示されていないが、取り外し可能な、不揮発性の磁気ディスク（例えば、「フロッピー・ディスク」）に対する読み取りおよび書き込みを行うための磁気ディスク・ドライブ、ならびにＣＤ−ＲＯＭ、ＤＶＤ−ＲＯＭ、または他の光媒体等の取り外し可能、不揮発性の光ディスクに対する読み取りおよび書き込みを行うための光ディスク・ドライブを提供することができる。そのような例では、それぞれを、１つまたは複数のデータ媒体インタフェースによってバス１８に接続することができる。下で詳細に示され、説明されるように、システム・メモリ２８は、本発明の実施形態の機能を実行するように構成された一組の（例えば、少なくとも１つの）プログラム・モジュールを備える少なくとも１つのプログラム製品を含むことができる。

例えば、一組の（少なくとも１つの）プログラム・モジュール４２を有するプログラム／ユーティリティ４０がシステム・メモリ２８に格納され得るが、これに限定されず、オペレーティング・システム、１つまたは複数のアプリケーション・プログラム、他のプログラム・モジュール、およびプログラム・データも格納され得る。オペレーティング・システム、１つもしくは複数のアプリケーション・プログラム、他のプログラム・モジュール、およびプログラム・データ、またはこれらの何らかの組合せの各々が、ネットワーキング環境の実装を含んでもよい。プログラム・モジュール４２は、通常、本明細書に記載された本発明の実施形態の機能または方法あるいはその両方を実行する。

また、コンピュータ・システム／サーバ１２は、キーボード、ポインティング・デバイス、ディスプレイ２４等の１つもしくは複数の外部デバイス１４、ユーザがコンピュータ・システム／サーバ１２と情報をやりとりできるようにする１つもしくは複数のデバイス、またはコンピュータ・システム／サーバ１２が１つもしくは複数の他のコンピューティング・デバイスと通信できるようにする任意のデバイス（例えば、ネットワーク・カード、モデム等）、あるいはその組合せと通信してもよい。このような通信は、入出力（Ｉ／Ｏ）インタフェース２２を介して行うことができる。また更に、コンピュータ・システム／サーバ１２は、ローカル・エリア・ネットワーク（ＬＡＮ：local area network）、一般的な広域ネットワーク（ＷＡＮ：wide area network）、またはパブリック・ネットワーク（例えば、インターネット）、あるいはその組合せ等の１つまたは複数のネットワークと、ネットワーク・アダプタ２０を介して通信することができる。図示されているように、ネットワーク・アダプタ２０は、バス１８を介してコンピュータ・システム／サーバ１２の他のコンポーネントと通信する。図示されていないが、他のハードウェア・コンポーネントまたはソフトウェア・コンポーネントあるいはその両方を、コンピュータ・システム／サーバ１２と併用できるということが理解されるべきである。その例として、マイクロコード、デバイス・ドライバ、冗長処理ユニット、外部ディスク・ドライブ・アレイ、ＲＡＩＤシステム、テープ・ドライブ、およびデータ・アーカイブ・ストレージ・システム等が挙げられるが、これらに限定されない。

本発明に関連して、当業者は理解するように、図１に示す様々なコンポーネントは、移動車両内に配置することができる。本発明の様々な目的を達成するために、例えば、示される実施形態の機構に関連付けられた処理およびデータストレージ機能のうちのいくつかは、ローカル処理コンポーネントを介してローカルで行うことができるのに対し、同じコンポーネントは、ネットワークを介して、遠隔に位置する分散コンピューティングデータ処理および記憶コンポーネントに接続される。ここでもまた、当業者に理解されるように、本例示は、本発明の様々な態様を集合的に達成する分散コンピューティング・コンポーネントの接続されたネットワーク全体とすることができるもののうちの一部のみを伝達することが意図される。

次に図２を参照すると、例示的クラウド・コンピューティング環境５０が示される。示されるようにクラウド・コンピューティング環境５０は、例えば携帯情報端末（ＰＤＡ）または携帯電話５４Ａ、デスクトップ・コンピュータ５４Ｂ、ラップトップ・コンピュータ５４Ｃ、または自動車コンピュータ・システム５４Ｎあるいはそれらの組合せ等の、クラウド・コンシューマによって用いられるローカル・コンピューティング・デバイスが通信することのできる、１つまたは複数のクラウド・コンピューティング・ノード１０を含む。ノード１０は互いに通信することができる。それらは、本明細書で上記に述べられたようなプライベート、コミュニティ、パブリック、もしくはハイブリッド・クラウド、またはそれらの組合せ等の、１つまたは複数のネットワークにおいて物理的または仮想的にグループ化（図示せず）され得る。これはクラウド・コンピューティング環境５０が、クラウド・コンシューマはローカル・コンピューティング・デバイス上にリソースを維持する必要がない、サービスとしてのインフラストラクチャ、プラットフォーム、またはソフトウェアあるいはそれらの組合せを提供することを可能にする。図２に示されるコンピューティング・デバイス５４Ａ〜５４Ｎのタイプは例示のみが意図されること、ならびにコンピューティング・ノード１０およびクラウド・コンピューティング環境５０は、任意のタイプのネットワークまたはネットワーク・アドレス指定可能な接続あるいはその両方を通して（例えばウェブ・ブラウザを用いて）、任意のタイプのコンピュータ化されたデバイスと通信できることが理解される。

ここで図３を参照すると、クラウド・コンピューティング環境５０（図２）によって提供される一組の機能抽象化レイヤが示される。図３に示されるコンポーネント、レイヤ、および機能は、例示のみが意図されること、および本発明の実施形態はそれらに限定されないことが予め理解されるべきである。示されるように以下のレイヤ、および対応する機能が提供される。

デバイス・レイヤ５５は、クラウド・コンピューティング環境５０における様々なタスクを実行するための、物理的または仮想あるいはその両方のデバイス、埋込式または独立型あるいはその両方のエレクトロニクス、センサ、アクチュエータおよび他の物体を含む。デバイス・レイヤ５５内のデバイスの各々は、デバイスから得られた情報をそこに提供することができるか、または他の抽象化レイヤからの情報をデバイスに提供することができるか、あるいはその両方であるように他の機能抽象化レイヤにネットワーキング機能を組み込む。１つの実施形態において、デバイス・レイヤ５５を含む様々なデバイスが、モノのインターネット（ＩｏＴ）として集合的に既知のエンティティのネットワークを組み込むことができる。当業者は理解するように、そのようなエンティティのネットワークは、多岐にわたる目的を達成するために、データの相互通信、収集および流布を可能にする。

図示されるデバイス・レイヤ５５は、図示される、センサ５２、アクチュエータ５３、処理、センサおよびネットワーキング・エレクトロニクスが統合された「学習」サーモスタット５６、カメラ５７、制御可能な家庭用アウトレット／レセプタクル５８、制御可能な電気スイッチ５９を含む。他の可能なデバイスは、限定ではないが、様々な追加のセンサ・デバイス、ネットワーキング・デバイス、エレクトロニクス・デバイス（遠隔制御デバイス等）、追加のアクチュエータ・デバイス、冷蔵庫または洗濯機／乾燥機等のいわゆる「スマート」機器、および広範にわたる他の可能な相互接続された物体を含むことができる。

ハードウェアおよびソフトウェア・レイヤ６０は、ハードウェアおよびソフトウェア・コンポーネントを含む。ハードウェア・コンポーネントの例は、メインフレーム６１、ＲＩＳＣ（縮小命令セット・コンピュータ）アーキテクチャ・ベースのサーバ６２、サーバ６３、ブレード・サーバ６４、記憶デバイス６５、ならびにネットワークおよびネットワーキング・コンポーネント６６を含む。いくつかの実施形態においてソフトウェア・コンポーネントは、ネットワーク・アプリケーション・サーバ・ソフトウェア６７およびデータベース・ソフトウェア６８を含む。

仮想化レイヤ７０は抽象化レイヤを提供し、この抽象化レイヤから、以下の仮想エンティティの例、すなわち仮想サーバ７１、仮想ストレージ７２、仮想プライベート・ネットワークを含む仮想ネットワーク７３、仮想アプリケーションおよびオペレーティング・システム７４、ならびに仮想クライアント７５を提供することができる。

一例において、管理レイヤ８０は、以下に述べられる機能を提供することができる。リソース供給８１は、クラウド・コンピューティング環境内でタスクを行うために利用されるコンピューティング・リソースおよび他のリソースの動的調達を提供する。計量および価格設定８２は、クラウド・コンピューティング環境内でリソースが利用される場合のコスト追跡、およびこれらのリソースの消費に対する請求書作成または送付を提供する。一例においてこれらのリソースは、アプリケーション・ソフトウェア・ライセンスを含むことができる。セキュリティは、クラウド・コンシューマおよびタスクに対する識別検証、ならびにデータおよび他のリソースに対する保護を提供する。ユーザ・ポータル８３は、コンシューマおよびシステム管理者のために、クラウド・コンピューティング環境へのアクセスを提供する。サービス・レベル管理８４は、要求されるサービス・レベルが満たされるように、クラウド・コンピューティング・リソースの割当ておよび管理を提供する。サービス・レベル・アグリーメント（ＳＬＡ）計画および達成８５は、ＳＬＡに従って将来の要件が予想されるクラウド・コンピューティング・リソースの事前準備および調達を提供する。

作業負荷レイヤ９０は、クラウド・コンピューティング環境が利用され得る機能性の例を提供する。このレイヤから提供され得る作業負荷および機能の例は、マッピングおよびナビゲーション９１、ソフトウェア開発およびライフサイクル管理９２、仮想教室教育配信（virtual classroom education delivery）９３、データ分析処理９４、トランザクション処理９５、および本発明の例示される実施形態に関して、ＩｏＴセンサのアレイを用いて熱エネルギー流体移送システムにおけるコグニティブ・エネルギー評価のための様々な作業負荷および機能９６を含む。加えて、ＩｏＴセンサのアレイを用いた熱エネルギー流体移送システムにおけるコグニティブ・エネルギー評価のための作業負荷および機能９６は、（様々な環境センサからのデータ収集および処理を含む）データ分析等の動作、および予測データ分析機能を含むことができる。当業者であれば、ＩｏＴセンサのアレイを用いた熱エネルギー流体移送システムにおけるコグニティブ・エネルギー評価のための作業負荷および機能９６は、本発明の示される実施形態の様々な目的を達成するために、ハードウェアおよびソフトウェア６０、仮想化７０、管理８０および他の作業負荷９０（例えば、データ分析処理９４等）における部分等の、様々な抽象化レイヤの他の部分と組み合わせて機能することもできることを理解するであろう。

本明細書に記載されるように、本発明は、クラウド・コンピューティング環境におけるＩｏＴセンサのアレイを用いて熱エネルギー流体移送システムにおけるコグニティブ・エネルギー評価を提供する。１つの態様において、ＩｏＴ対応温度センサは、例えば、循環ポンプのアウトレット・マニホールド、または蓄熱体のバルブ注入点とすることができる、定義された開始点から１００メートルの距離等、定義された開始点から選択された／既知の測定距離にある熱エネルギー流体移送システムのパイプのセクション（例えば、エネルギー負荷の後のパイプ・ネットワークの戻りループ）に結合する（例えば、ストラップ固定する）ことができる。加熱サービス、冷却サービス、またはそれらの組合せに関連付けられた熱エネルギー流体移送システムの挙動を、収集データに従って学習して、１つまたは複数のエネルギー利用イベントを識別することができる。学習された挙動に従って、熱エネルギー流体移送システムにおける１つまたは複数の選択された位置に配置された１つまたは複数の非侵入型モノのインターネット（ＩｏＴ）センサによって選択された期間にわたって収集された温度信号を用いて、エネルギー利用評価動作を実行して、１つまたは複数のエネルギー利用浪費イベントを識別することができる。本明細書に記載のコグニティブ・エネルギー評価の提案される方法のＩｏＴセンサ・デバイスから取得された比較可能な温度信号を、特定の熱エネルギー流体移送システムのための１つまたは複数のエネルギー利用閾値標準／値に対し検証することができる。１つまたは複数のエネルギー利用閾値標準／値の選択された範囲を超えるかまたは範囲外にある、ＩｏＴセンサ・デバイスから取得された任意の温度信号は、エネルギー浪費利用を示し得る。アラート（例えば、合格／失格）通知を（例えば、コンピュータ、タブレット、スマート・フォン等のようなコンピューティング・デバイス上のグラフィカル・ユーザ・インタフェース「ＧＵＩ」を介して）ユーザに提供することができる。

次に図４を参照すると、示される実施形態の様々な機構による例示的な機能コンポーネント４００を示すブロック図が示される。図４は、本技術の例による、コンピューティング環境４０２等のコンピューティング環境における機械学習モデルのコグニティブ・エネルギー評価およびトレーニングを示す。見て取れるように、機能ブロックの多くは、図１〜図３において以前に説明したのと同じ説明的意味の機能の「モジュール」または「コンポーネント」とみなすこともできる。上記を頭に入れて、モジュール／コンポーネント・ブロック４００は、本発明による正確な時間イベント予測モデリングのためのシステムの様々なハードウェアおよびソフトウェア・コンポーネントに組み込むこともできる。機能ブロック４００の多くは、分散コンピューティング・コンポーネント内、またはユーザ・デバイス上、または他の場所の様々なコンポーネント上のバックグラウンド・プロセスとして実行することができる。ここでも、コンピュータ・システム／サーバ１２は、本発明の様々な態様による様々な計算、データ処理および他の機能を実行する処理ユニット１６およびメモリ２８を組み込んで示されている。

システム４００は、（例えば、熱交換システム／ユニットに含まれる）コンピューティング環境４０２、熱エネルギー流体移送システム４３０、ならびに、デスクトップ・コンピュータ、ラップトップ・コンピュータ、タブレット、スマート・フォン、または１つもしくは複数のプロセッサおよびメモリを有することができる別の電子デバイス、あるいはその組合せ等のデバイス４２０を含むことができる。デバイス４２０、熱エネルギー流体移送システム４３０、およびコンピューティング環境４０２は、各々、コンピューティング・ネットワーク等の１つまたは複数の通信方法によって互いに関連付けるか、または通信するか、あるいはその両方を行うことができる。１つの例では、デバイス４２０または熱エネルギー流体移送システム４３０、あるいはその両方は、コンピューティング環境４０２に関連付けられた所有者、顧客、または技術者／管理者によって制御することができる。別の例では、デバイス４２０または熱エネルギー流体移送システム４３０、あるいはその両方は、コンピューティング環境４０２の所有者、顧客、または技術者／管理者と完全に独立していてもよい。

１つの態様において、コンピューティング環境４０２は、仮想化コンピューティングサービス（すなわち、仮想化コンピューティング、仮想化ストレージ、仮想化ネットワーキング）をデバイス４２０に提供することができる。より詳細には、コンピューティング環境４０２は、ハードウェア基板上で実行している仮想化コンピューティング、仮想化ストレージ、仮想化ネットワーキングおよび他の仮想化サービスを提供することができる。

図４に示すように、コンピューティング環境４０２は、機械学習モジュール４０６、機械学習モジュール４０６に関連付けられた特徴またはパラメータあるいはその両方４０４、および熱エネルギー流体移送システム４３０を含むことができる。特徴またはパラメータあるいはその両方のデータベース４０４は、ＩｏＴセンサ・コンポーネント４１６に関連付けられた各熱エネルギー流体移送システム４３０またはＩｏＴセンサ・デバイスあるいはその両方のエネルギー利用プロファイルも含むことができる。１つまたは複数のＩｏＴセンサ・デバイスは、熱エネルギー流体移送システム４３０に結合することができるＩｏＴセンサ・コンポーネント４１６として表すことができることが留意されるべきである。特徴またはパラメータあるいはその両方４０４は、特徴、パラメータ、挙動特性、エネルギー利用プロファイル・データ、エネルギー利用閾値標準／値、温度データ、履歴データ、試験および検証済みデータ、または、熱エネルギー流体移送システム４３０におけるコグニティブ・エネルギー評価に関する様々な条件もしくは診断の試験、監視、検証、検出、学習、分析または計算、あるいはその組合せを行うための他の指定／定義されたデータの組合せとすることができる。すなわち、機械学習モジュール４０６の１つもしくは複数の機械学習モデルを学習またはトレーニングするために、パラメータの様々な組合せを選択し、入力データに適用することができる。特徴またはパラメータあるいはその両方４０４は、１つまたは複数の非侵入型ＩｏＴセンサが、ＩｏＴセンサ・コンポーネント４１６を介して温度信号データを検出することを可能にするために、ＩｏＴセンサ・コンポーネント４１６に関連付けられた１つまたは複数の非侵入型ＩｏＴセンサの１つまたは複数の設定を定義することができる。ＩｏＴセンサ・コンポーネント４１６に関連付けられた１つまたは複数の非侵入型ＩｏＴセンサは、代替的な非侵入型センサ（non-intrusive sensor）からの１つまたは複数の定義された距離において熱エネルギー流体移送システム４３０に結合することができる。

コンピューティング環境４０２は、図１に示すようなコンピュータ・システム１２も含むことができる。コンピュータ・システム１２は、浪費エネルギー利用コンポーネント４１０、コグニティブ・エネルギー評価コンポーネント４１２、およびＩｏＴセンサ・コンポーネント４１６も含むことができ、これらは各々、１つまたは複数の機械学習モデルをトレーニングおよび学習し、また、複数の組合せの特徴、パラメータ、挙動特性、エネルギー利用プロファイル、エネルギー利用閾値標準／値、流体流量データ、温度データまたはそれらの組合せを、熱エネルギー流体移送システムにおけるコグニティブ・エネルギー評価のために機械学習モデルに適用するために、機械学習モジュールと関連付けられている。

１つの態様において、機械学習モジュール４０６は、熱エネルギー流体移送システム４３０内のパイピング・ネットワーク（例えば、パイプ・ループ内の戻り線）の１つまたは複数の選択された位置に配置されたＩｏＴセンサ・コンポーネント４１６に関連付けられた１つまたは複数のＩｏＴセンサによって収集された温度信号からの温度データを用いてエネルギー評価をコグニティブに予測するか、コグニティブに推定するか、あるいはその両方を行うための推定／予測コンポーネント４０８を含むことができる。例えば、コンピュータ・システム１２は、浪費エネルギー利用コンポーネント４１０およびコグニティブ・エネルギー評価コンポーネント４１２を用いて、ＩｏＴセンサ・コンポーネント４１６に関連付けられた１つまたは複数のＩｏＴセンサによるエネルギー利用をコグニティブに特定することができる。熱エネルギー流体移送システム４３０のエネルギー利用プロファイルは、機械学習モジュール４０６、特徴またはパラメータあるいはその両方４０４、あるいはその組合せにおいて作成、定義、記憶および維持することができる。

機械学習モジュール４０６は、ＩｏＴセンサ・コンポーネント４１６に関連付けられた１つまたは複数のＩｏＴセンサからのフィードバック情報を収集して、熱エネルギー流体移送システム４３０の挙動を学習し、エネルギー利用スケジュール、エネルギー利用閾値標準および値を確立し、熱エネルギー流体移送システム４３０のエネルギー利用プロファイルを確立し、熱エネルギー流体移送システム４３０の健康状態を確立し、（浪費エネルギー利用コンポーネント４１０と関連して）１つまたは複数の異常熱エネルギー流体移送システムイベント、またはそれらの組合せを検出することができる。機械学習モジュール４０６は、フィードバック情報を使用して、推定／予測コンポーネント４０８を用いた熱エネルギー流体移送システム４３０のエネルギー出力のコグニティブ推定値を提供することができる。すなわち、推定／予測コンポーネント４０８は、ＩｏＴセンサ・コンポーネント４１６に関連付けられた１つまたは複数のＩｏＴセンサによって熱エネルギー流体移送システム４３０のエネルギーをコグニティブに評価することができる。まとめると、機械学習モジュール４０６は、熱エネルギー流体移送システム４３０の挙動を学習するために、フィードバック情報を用いて初期化することができる。

浪費エネルギー利用コンポーネント４１０は、エネルギー利用閾値および値と比較することができる、収集された温度信号に従って、エネルギー利用異常または浪費エネルギー利用アクティビティをコグニティブに検出することができる。

デバイス４２０は、ユーザがＧＵＩ４２２とインタラクトするための１つまたは複数のユーザインタフェース制御をデバイス４２０上に表示することを可能にされたグラフィカル・ユーザ・インタフェース（ＧＵＩ）４２２を含むことができる。例えば、ＧＵＩ４２２は、熱エネルギー流体移送システムのエネルギー出力のコグニティブ推定値に従って、インタラクティブ・グラフィカル・ユーザ・インタフェース（ＧＵＩ）を介してユーザにエネルギー出力または流体流速を表示することができる。例えば、エネルギー出力または流体流速イベントは、「失格アラート！エネルギー浪費イベント−継続的ドライ・サイクル・イベントが検出された」をＧＵＩ４２２上に可聴にまたは視認可能にあるいはその両方で示すかまたは表示するアラートとすることができる。「ドライ・サイクル」は、ボイラの保持電力により生じることに留意されたい。ドライ・サイクルは、熱エネルギー流体移送システムがサービングする建物またはシステムから実際には真の加熱需要（例えば、エネルギー）が存在しないときに、熱エネルギー流体移送システムの内部の水温を維持するための、熱エネルギー流体移送システムの反復的着火である。水が、熱エネルギー流体移送システムの加熱回路の周りをポンピングされ続け、そして、ボイラが、所望の固定の流体温度を維持するために、配管システムからの熱損失を補償するために着火する場合、問題は悪化する。特に、ボイラが特大である場合において、春および秋の間、ボイラがオンおよびオフを切り替えるかまたは変調する傾向にあるとき、ドライ・サイクルは最悪の状態にある。

１つの態様において、本明細書に記載されるような、熱エネルギー流体移送システムおよび推定／予測モデル化（または機械学習モデル化）におけるコグニティブ・熱エネルギー評価は、教師あり学習、教師なし学習、時間差学習、強化学習等の多岐にわたる方法または方法の組合せを用いて行うことができる。本技術と共に用いることができる教師あり学習のいくつかの非限定的な例は、ＡＯＤＥ（averaged one-dependence estimators）、人工ニューラル・ネットワーク、後方伝播、ベイズ統計、単純ベイズ分類器、ベイズ・ネットワーク、ベイズ・ナレッジ・ベース、事例ベース推論、決定木、帰納論理プログラミング、ガウス過程回帰、遺伝子発現プログラミング、データ・ハンドリングのグループ方法（ＧＭＤＨ）、学習オートマトン、学習ベクトル量子化、最小メッセージ長（決定木、決定グラフ等）、レイジー学習、インスタンスベースの学習、最近傍アルゴリズム、類推的モデリング、確率的で近似的に正しい（ＰＡＣ）学習、リップル・ダウン・ルール、知識取得方法、シンボリック機械学習アルゴリズム、サブシンボリック機械学習アルゴリズム、サポート・ベクター・マシン、ランダム・フォレスト、分類器アンサンブル、ブートストラップ・アグリゲーティング（バギング）、ブースティング（メタ・アルゴリズム）、順序分類、回帰分析、情報ファジー・ネットワーク（ＩＦＮ）、統計分類、線形分類器、フィッシャーの線形判別、ロジスティック回帰、パーセプトロン、サポート・ベクター・マシン、二次分類器、ｋ近傍法、隠れマルコフモデルおよびブースティングを含む。本技術と共に用いることができる教師なし学習のいくつかの非限定的な例は、人工ニューラル・ネットワーク、データ・クラスタリング、予測最大化、自己組織化マップ、放射基底関数ネットワーク、ベクトル量子化、生成トポグラフィック・マップ、情報ボトルネック方法、ＩＢＳＥＡＤ（分散型自律エンティティ・システム・ベースのインタラクション）、相関ルール学習、アプリオリ・アルゴリズム、エクラ・アルゴリズム、ＦＰ成長アルゴリズム、階層クラスタリング、単一リンケージ・クラスタリング、概念クラスタリング、分割クラスタリング、ｋ平均アルゴリズム、ファジー・クラスタリングおよび強化学習を含む。時間差学習のいくつかの非限定的な例は、Ｑ学習および学習オートマトンを含むことができる。この段落に記載された、教師あり、教師なし、時間差または他の機械学習の例のうちの任意のものに関する具体的な詳細は既知であり、本開示の範囲内にある。また、１つまたは複数の機械学習モデルを展開するとき、コンピューティング・デバイスは、まず、公共設定に展開される前に、制御された環境内で試験することができる。また、公共環境（例えば、制御された試験環境の外部）に展開されているときであっても、コンピューティング・デバイスは、コンプライアンスについて監視することができる。

１つの態様において、コンピューティング・システム１２／コンピューティング環境４０２は、１つまたは複数の数学演算を含む場合がある数学演算または関数に従って（例えば、組み合わされた変数の最小値、最大値または類似の閾値を求めること等によって、加算、減算、除算、乗算、標準偏差、算術平均、平均、パーセンテージ、統計分布を用いた統計モデル化を用いて、微分方程式または偏微分方程式を分析的または計算的に解いて）１つまたは複数の計算を行うことができる。

図５は、プロセッサによる熱エネルギー流体移送システムにおける信号曖昧性除去イベント検出（例えば、曖昧性除去動作）を定義するための例示的な方法のグラフ図５００である。すなわち、グラフ図５００は、サンプルの建物内での、いくつかの異なる重大エネルギー・イベント（午前１１時からの負荷イベントなし検出を含む、すなわち、建物が午前１１時からの反復ドライ・サイクル信号によって明らかなように加熱需要を呈していないことを含む）を定義する、典型的な日毎のサンプルの建物のボイラＴ_{ｒｅｔｕｒｎ}信号プロファイルの例を示し、ここで、負荷なし（エネルギー需要イベントなし）検出は、熱エネルギー流体移送システムにおけるＩｏＴセンサ・デバイスから収集された温度シグネチャを用いて行われる。グラフ図５００は、例えばシステム開始時点およびシステム停止時点等の２つのイベント内で生じることができる熱エネルギー流体移送システムに関係する１つまたは複数のイベントをプロットおよび定義することによって、プロセッサによりクラウド・コンピューティング環境内の熱エネルギー流体移送システム内のエネルギーを評価する例を示す。グラフ図５００は、Ｙ軸における温度（摂氏で測定される）およびＸ軸における期間（例えば、時間および分）を示す。例えば、ボイラ等の熱エネルギー流体移送システムの開始時点は、約４時間２１分の第１の期間に開始され得、大需要イベント（例えば、エネルギー利用需要）までの温度上昇が第２の期間（例えば、５時間１４分）に検出され得る。すなわち、単なる例として、開始時点は、０４：００に、停止時点は１９：００に観察され得る。グラフ図５００において観察されるように、複数のエネルギー利用需要（「大需要イベント」）が示される。また、セット・ポイント、バーナ開始イベント、および異常需要イベント（「負荷なし」イベント）の検出も、熱エネルギー流体移送システムにおいてＩｏＴセンサ・デバイスから収集された温度信号を測定することによって示される。

グラフ５００は、本発明が、予測スケジュール（例えば、予測される日毎のスケジュール・ポリシ）と比較した熱エネルギー流体移送システムの任意の異常の識別を可能にするために、熱エネルギー流体移送システムの開始時点および停止時点の双方を検出することを示す。また、（例えば、日常動作中の）動作のスケジュール中の各エネルギー要求イベント（例えば、負荷イベント）および非エネルギー要求イベント（負荷なしイベント）を検出することができる。より詳細には、負荷イベントから負荷なしイベント（例えば、ボイラのドライ・サイクル）の遷移時点（変化点）を検出することができる。すなわち、変化点は、熱エネルギー流体移送システムがドライ・サイクルに向かう場所であり、すなわち、ボイラに着火させ、ループ損失（例えば、熱エネルギーがシステム・ループ内を循環する際に失われる）を生じさせる負荷のみがシステムに対し存在する点である。換言すれば、変化点は、エネルギーが必要とされるイベントから、エネルギーが必要とされないイベントへの遷移点とすることができる。変化点は、日毎に一貫性がある場合、一旦検出されると（そして、エネルギーを節減するために熱エネルギー流体移送システムを用いて作用されると）エネルギー浪費回避機会として検出することができる。

また、コグニティブ・エネルギー評価分析をリアルタイムで行うことによって、定義されたルール（例えば、定義された会社方針、エネルギー利用閾値／値または動作スケジュール）に対し異常が検出された場合に、１つまたは複数の様々なタイプのアラートを生成することもできる。異常は、予測されるシステム挙動におけるずれ、もしくは期間（例えば、日）内の経時的な負荷なし変化点における大きな転換（季節変化の始まりを示すものであり得る）の検出、またはその両方、あるいは継続的早期変化点（すなわち、その日のドライ・サイクル・イベントの始まり）観察のイベントにおけるサイジングに対するシステム設計も含むことができる。

図６は、本発明の態様による、低圧温水（ＬＰＨＷ）システムにおいて機能する様々なユーザ・ハードウェアおよびコンピューティング・コンポーネントを示す図６００である。ＬＰＨＷシステムは、例えば「ボイラ１」等の１つまたは複数のボイラ、例えばＩｏＴセンサＳ１等の１つまたは複数の非侵入型ＩｏＴセンサ、フロー・ヘッダ、リターン・ヘッダ、ポンプ、加熱システム負荷（例えば、負荷１および負荷ｎ）を含むことができる。

ＩｏＴセンサＳ１（例えば、ＩｏＴ対応温度センサＳ１）は、性能（例えば、セット・ポイント、およびシステム需要推定値）のコグニティブ推定を可能にするために、例えば、ターゲット・パイプの選択されたパイプ・セクション（例えば、パイプ・ネットワークの戻りループ）の外側部分等、パイプに結合する（例えば、ストラップ固定）することができる。単一のデータ点（Ｔ_{ｒｅｔｕｒｎ}）に対し実行する適切な温度信号検出動作を適用し、例えば、システム・セット・ポイント設定、複数のバーナ／ボイラ開始イベント、あるいは負荷需要なしイベントもしくは短サイクル需要イベントまたはその両方を含む場合があるシステム需要イベントの識別情報等の、１つまたは複数の主要性能インジケータ（「ＫＰＩ」）を特定するために、ＩｏＴセンサＳ１からの様々な高周波数（例えば、例として毎分以下のサンプリング周波数等の、選択または定義された周波数を超える周波数）の温度読み値をＩｏＴ通信ネットワーク（例えば、ＩｏＴクラウド）に通信することができる。すなわち、ＩｏＴセンサＳ１からの様々な温度読み値は、ＩｏＴコンピューティング・システムの分析レイヤ内で実行中の適切な温度信号検出動作に適用するために、ＩｏＴ通信ネットワーク（例えば、ＩｏＴクラウド）に動的に通信することができる。検知の精度は、追加の検出イベントが生成され、検出動作が機械学習メカニズムを用いて微調整されるか、または学習されるか、あるいはその両方が行われる際に、経時的に改善することができる。また、機械学習モデルの支援を用いて、異常検出動作を適用して、１つまたは複数の異常イベントを（例えば、リアルタイム／オンデマンドで）特定することができる。

更なる態様において、ＩｏＴ温度対応センサＳ１（例えば、ＩｏＴ対応温度センサＳ１）は、システムが負荷のない動作を実行している状態で、データＴ_{ｒｅｔｕｒｎ}のサンプリングを可能にするために、例えば、ポンプに戻る流体戻り線／パイプの選択されたパイプ・セクションの外側部分等、パイプに結合する（例えば、ストラップ固定）することができる。

本発明は、式１による熱エネルギー流体移送システムのエネルギー流量パーセンテージに基づく。
Ｈ＝Ｑ×Ｃ_ｐ×ρ×（Ｔ_ｆｌｏｗ−Ｔ_{ｒｅｔｕｒｎ}） （１）
ここで、Ｈは熱流量（例えば、キロワットＫｗ）であり、Ｃ_ｐは（例えば、キログラムあたりのキロジュール（ＫＪ／ＫＧ摂氏）で測定される）比熱容量であり、ρは密度（ｋｇ／ｍ^３、ここで、ｋｇはキログラムであり、ｍはメートルである）であり、Ｑは流量（ｍ^３／ｓ、ここで、ｓは秒である）である。流体流量（「ｑ」または「Ｑ」）は、ＩｏＴ温度対応センサＳ１によって特定することができる。流体流量（「ｑ」または「Ｑ」）を特定する際、データＴ_{ｒｅｔｕｒｎ}に影響を及ぼし得る負荷イベントを検出することができる。１つの態様において、Ｔ_{ｒｅｔｕｒｎ}は、共通リターン・ヘッダにおいて測定される、供給される温水／冷水の戻り温度である。Ｔ_ｆｌｏｗは、供給される温水／冷水の流れ温度である。

流れ温度（Ｔ_ｆｌｏｗ）および流体流量（ｑ）は、動作中、一定の定常状態に留まるため、戻り温度（Ｔ_{ｒｅｔｕｒｎ}）を用いて、式２によって与えられるように、システム需要および負荷の客観的かつ比較による特定を行うことができる。
Ｈ≒Ｔ_{ｒｅｔｕｒｎ} （２）

個々の流体移送ポンピング・システム毎に、システム・エネルギー評価を行う手段として、例えば、ＢＭＳまたはＨｉｓｔｏｒｉａｎウェアハウス等の、既存のリソース・インフラストラクチャ内のデータ・オブジェクトを識別し、これにアクセスすることによって、または独立したＩｏＴ温度センサ（例えば、ＩｏＴ温度対応センサＳ１）の展開によって、Ｔ_{ｒｅｔｕｒｎ}の高周波数サンプリング（サンプリングが１分未満で生じる）をセットアップすることができることに留意すべきである。サンプリングされたデータは、クラウド・コンピューティング環境に通信し保存することができ、十分なトレーニング・データを取得するために、最大で選択された期間（例えば、１カ月）にわたってデータをサンプリングし続けることができる。本明細書において、熱エネルギー流体移送システムの挙動の学習について記載されているように、トレーニング・データを用いて、熱エネルギー流体移送システムのための調整閾値レベルを生成することができる。トレーニング・データに従って熱エネルギー流体移送システムが調整されると、選択された期間（例えば、２４時間）中のシステム異常を報告するために、信号曖昧性除去検出イベントに対し、ルール・ベースのデータ分析動作を適用することができる。

このため、温度センサ（ＩｏＴクラウド対応センサ）を、温度信号を継続的にサンプリングしている流体移送ポンプから既知の距離だけ離れた場所に配置することができる。温度信号データは、（或るレベルの統計的確実性で、または定義されたレベルで）検出されると、特定されるか、または計算されるか、あるいはその両方を行うことができる。サンプリングされた戻り温度（Ｔ_{ｒｅｔｕｒｎ}）データは、コグニティブ・エネルギー評価のための、学習された挙動（例えば、トレーニング・データ）、エネルギー閾値標準／値、パイプ寸法、パイプ材料、流体密度および周囲温度、１つまたは複数のＩｏＴセンサ、またはそれらの組合せに基づいて、予測戻り温度（Ｔ_{ｒｅｔｕｒｎ}）データと比較することができる。適用された分析動作に基づいて、システムから合格／失格アラートを生成することができる。すなわち、コグニティブ・エネルギー評価報告は、例えば、インターネットベースのコンピューティング・システムの、インタラクティブ・グラフィカル・ユーザ・インタフェース（「ＧＵＩ」）等に提供することができる。

次に、図７を参照すると、熱エネルギー流体移送システムにおける教師あり学習フェーズ中の選択された期間にわたって温度信号を比較した出力結果のグラフ図７００が示される。示されるように、比較サンプルＴ_{ｒｅｔｕｒｎ}（図６を参照）のサンプル時系列（グラフ５００の温度信号に類似している）は、２つの異なる建物のＬＰＨＷシステムから１週間にわたってサンプリングすることができる。２つの異なるＬＰＨＷシステム間の変動性を所与として、教師あり学習フェーズを用いて、システム固有の異なる需要およびプロビジョニング・プロファイルを広めることができる。教師あり学習フェーズを用いて、特定の変化率を生成し、次にこれを個々のシステム内の進行中の異常検出についてリアルタイムで適用することができる。

次に図８を参照すると、モノのインターネット（ＩｏＴ）コンピューティング・ネットワーク内の熱エネルギー流体移送システムにおける教師あり学習フェーズのブロック・フロー図８００が示される。機能８００は、マシン上の命令として実行される方法として実装することができる。ここで、命令は、少なくとも１つのコンピュータ可読媒体または１つの非一過性マシン可読ストレージ媒体上に含まれる。ブロック８０２におけるように、機能８００は、特定の熱エネルギー流体移送システムについて開始することができる。ブロック８０４におけるように、トレーニング・データは、熱エネルギー流体移送システムにおける１つまたは複数の選択された位置に配置された１つまたは複数の非侵入型モノのインターネット（ＩｏＴ）センサによって選択された期間にわたって収集された温度信号を用いてサンプリングする（例えば、未加工データであり得るトレーニング・データを取り込む）ことができる。サンプリングは、選択された期間（例えば、少なくとも４週間）にわたるＴ_{ｒｅｔｕｒｎ}の高周波数サンプリングとすることができる。１つの態様において、共通ヘッダＬＰＨＷ戻り温度（Ｔ_{ｒｅｔｕｒｎ}）は、ＢＭＳ、または１つもしくは複数の非侵入型モノのインターネット（ＩｏＴ）センサの展開から直接取得することができる。ブロック８０６におけるように、収集されたサンプリング・データのデータには、前処理（例えば、データのノイズ除去、正規化、時間間隔あたりの勾配計算等）を行うことができる。ブロック８０８におけるように、熱エネルギー流体移送システムの挙動の教師あり学習を学習することができる。温度信号プロファイル・データを取り込み、実際のイベント検出開始タイムスタンプでタグ付けすることができる。コグニティブ・エネルギー評価動作は、１つまたは複数のシステム・パラメータを抽出するために、複数の一次導関数閾値に分類された時間間隔、変化率、およびデッドバンド変化率（デッドバンドは、デバイスまたはコンピュータが変化を登録するために測定値が変動しなくてはならない所与の範囲または量の最小パーセンテージとすることができる）に基づいて行うことができる。ブロック８１０におけるように、学習フェーズ出力を行うことができる。出力は、クラウド環境に動的に通信されるか、保存されるか、またはコンピュータのＧＵＩにレポートとして提供されるか、あるいはそれらの組合せを行うことができる。

図９は、熱エネルギー流体移送システムにおける、日毎のＴ_{ｒｅｔｕｒｎ}信号時系列内のボイラ開始イベント（分野の専門知識ではない）を識別するための、サンプルのグランド・トゥルース・タギング例のグラフ図９００である。グラフ図５００と類似して、温度信号が、選択された期間（例えば、１時間毎の期間）中の複数のタグ付されたイベント開始タイムスタンプで示される。

図１０は、モノのインターネット（ＩｏＴ）コンピューティング・ネットワークにおける熱エネルギー流体移送システムのスケジューリングされたコグニティブ・エネルギー評価のブロック・フロー図である。機能１０００は、マシン上の命令として実行される方法として実装することができる。ここで、命令は、少なくとも１つのコンピュータ可読媒体または１つの非一過性マシン可読ストレージ媒体上に含まれる。ブロック１００２におけるように、機能１０００は、選択された熱エネルギー流体移送システム（例えば、システム「Ａ」）のためのデータを収集するかまたは「取り込む」ことによって開始することができる。すなわち、データは、熱エネルギー流体移送システムにおける１つまたは複数の選択された位置に配置された１つまたは複数の非侵入型モノのインターネット（ＩｏＴ）センサによって選択された期間にわたって収集された温度信号を用いてサンプリングすることができる。サンプリングは、選択された期間にわたるＴ_{ｒｅｔｕｒｎ}の高周波数サンプリングとすることができる。１つの態様において、共通ヘッダＬＰＨＷ戻り温度（Ｔ_{ｒｅｔｕｒｎ}）は、ＢＭＳ、または１つもしくは複数の非侵入型モノのインターネット（ＩｏＴ）センサの展開から直接取得することができる。ブロック１００４におけるように、収集データのデータには、前処理（例えば、データのノイズ除去、正規化、時間間隔あたりの勾配計算等）を行うことができる。ブロック１００６におけるように、イベント検出動作を実行して、１つまたは複数のタイプのイベントを識別することができる。ブロック１００８におけるように、コグニティブ・イベント検出動作の出力レポート（図１１を参照）（例えば、「日毎の出力レポート」）を用いることができる（図８のブロック８１０の「学習フェーズ出力」も参照）。例えば、現在サンプリングされている戻り温度（Ｔ_{ｒｅｔｕｒｎ}）を、学習フェーズ中に学習もしくは確立された予測戻り温度（Ｔ_{ｒｅｔｕｒｎ}）値または閾値と比較することができる。任意のずれまたは差異は、異常または浪費エネルギー利用動作としてコグニティブに認識することができる。出力レポート（例えば、日毎の出力レポート）は、クラウド環境に動的に通信されるか、保存されるか、またはコンピュータのＧＵＩにレポートとして提供されるか、またはそれらの組合せを行うことができる。ブロック１０１０におけるように、コンプライアンス異常アラートが発行される場合がある。システム制御ポリシを用いて（例えば、システム・プロファイル、挙動、ポリシ、エネルギー・コンプライアンス要件、エネルギー利用閾値、エネルギー利用値、またはエネルギー利用標準等を含むことができるデータで埋められた静的テーブル／マスタ・テーブル）、コンプライアンス異常アラートを支援することができる。ブロック１０１２におけるように、コンプライアンス異常アラートがシステム制御ポリシ内にあるか否かを特定するために、特定動作を行うことができる。ブロック１０１４におけるように、コンプライアンス異常アラートがシステム制御ポリシ内にない場合、失格アラート（通知／警告）を生成することができる。例えば、失格アラートは、金曜午前２：５５のボイラがイネーブルにされた時間が、通常予期される時間／イネーブルメント制限外にあることを示す場合がある。

図１１は、モノのインターネット（ＩｏＴ）コンピューティング・ネットワークにおける熱エネルギー流体移送システムのコグニティブ・エネルギー評価の出力レポート１１００を示す図である。１つの態様において、出力レポートは、図１０に記載されるように生成することができる。出力レポート（例えば、日毎の出力レポート）は、クラウド環境に動的に通信されるか、保存されるか、またはコンピュータのＧＵＩにレポートとして提供されるか、またはそれらの組合せを行うことができる。出力レポートは、１つまたは複数の選択された列を含むことができ、これは例えば、日付、月、システム・イネーブル時間、システム・ディセーブル時間、およびシステム負荷なし開始時間、およびユーザが定義した多岐にわたる他の選択トピックを含むことができる。出力レポート１１００に示されるように、出力レポートは、ボイラのスケジューリング異常についての日毎の報告を用いて、システム・イネーブル時間を示す。例えば、アラート・フラグ（「ｆｌａｇ^＊」）が１７日金曜に設定され、これは、システム・ポリシからのずれ（例えば、予測されるシステム・イネーブル開始時間ポリシに基づいて、システム・イネーブル時間が予期される開始時間外である）に基づいて、早期開始の異常を示す。別の例として、出力レポート１１００は、システム負荷なし開始の異常を示す。アラート・フラグは、１７日金曜に設定され、これは、システム・ポリシからのずれ（例えば、負荷なし検出が予測される通常の時期外にある）に基づいて、早期負荷なし検出の異常を示す。

図１２は、示される実施形態の様々な態様を実施することができる、プロセッサによる熱エネルギー流体移送システムにおけるコグニティブ・エネルギー評価のための方法１２００である。機能１２００は、マシン上の命令として実行される方法として実装することができる。ここで、命令は、少なくとも１つのコンピュータ可読媒体または１つの非一過性マシン可読ストレージ媒体上に含まれる。機能１２００はブロック１２０２において開始することができる。ブロック１２０４におけるように、加熱サービス、冷却サービス、またはそれらの組合せに関連付けられた熱エネルギー流体移送システムの挙動を、収集データに従って学習して、１つまたは複数のエネルギー利用イベントを識別することができる。ブロック１２０６におけるように、学習された挙動に従って、熱エネルギー流体移送システムにおける１つまたは複数の選択された位置に配置された１つまたは複数の非侵入型モノのインターネット（ＩｏＴ）センサによって選択された期間にわたって収集された温度信号を用いるか、またはこれに曖昧性除去動作（例えば、曖昧性除去イベント検出動作）を適用するか、あるいはその両方を行うことによって、エネルギー利用評価動作を実行して、１つまたは複数のエネルギー利用浪費イベントを識別することができる。曖昧性除去動作は、温度信号を１つまたは複数のタイプのイベントに分けることと、温度信号を分析して、１つまたは複数のタイプのイベントについてシグネチャを得ることとを含むことができる。各タイプのイベントのシグネチャを学習および使用することができる。機能１２００は、ブロック１２０８において終了することができる。

１つの態様において、図１２の少なくとも１つのブロックと組み合わせるか、またはその一部として、あるいはその両方において、方法１２００の動作は、以下の各々を含むことができる。方法１２００の動作は、１つまたは複数の非侵入型ＩｏＴセンサからのフィードバック情報を用いて機械学習メカニズムを初期化して、熱エネルギー流体移送システムのエネルギー利用プロファイルを提供すること、収集データに従って１つまたは複数のエネルギー利用調整閾値を生成すること、１つまたは複数の非侵入型ＩｏＴセンサによって選択された期間にわたって継続的に温度データをサンプリングすること、またはその組合せを実行することを含むことができる。機械学習メカニズムを、フィードバック情報を用いて実施し、熱エネルギー流体移送システムのエネルギー出力のコグニティブ推定値を提供することができる。

方法１２００の動作は、１つまたは複数の現在のエネルギー利用イベントの温度信号を１つまたは複数のエネルギー利用調整閾値と比較して、１つまたは複数のエネルギー利用浪費イベントを識別することを含むことができる。

方法１２００の動作は、動作のスケジュールについて、熱エネルギー流体移送システム開始時間および熱エネルギー流体移送システム停止時間を特定して、１つまたは複数のエネルギー利用浪費イベントを識別すること、動作のスケジュール中のエネルギー要求イベント（例えば、熱エネルギー流体移送システムに対するエネルギー負荷）および非エネルギー要求イベント（例えば、熱エネルギー流体移送システムに対するエネルギー負荷なし）を推定すること、動作のスケジュール中の予期されない変化点を特定することであって、変化点は、エネルギー要求イベントから非エネルギー要求イベントへの遷移である、特定すること、またはこれらの組合せを実行することを含むことができる。１つまたは複数のエネルギー利用浪費イベントの識別情報を示すアラート（例えば、合格／失格アラート）を生成することができる。また、エネルギー利用評価の結果を、熱エネルギー流体移送システムのためのインタラクティブ・グラフィカル・ユーザ・インタフェース（ＧＵＩ）を介してユーザに提供することができる。

本発明は、システム、方法、またはコンピュータ・プログラム製品、あるいはその組合せとすることができる。コンピュータ・プログラム製品は、プロセッサに本発明の態様を実行させるためのコンピュータ可読プログラム命令をその上に有するコンピュータ可読ストレージ媒体（単数または複数）を含むことができる。

コンピュータ可読ストレージ媒体は、命令実行デバイスにより使用される命令を保持および格納できる有形デバイスとすることができる。コンピュータ可読ストレージ媒体は、例えば、これらに限定されるものではないが、電子記憶装置、磁気記憶装置、光学記憶装置、電磁気記憶装置、半導体記憶装置、または上記のいずれかの適切な組合せとすることができる。コンピュータ可読ストレージ媒体のより具体的な例の非網羅的なリストとして、以下のもの：すなわち、ポータブル・コンピュータ・ディスケット、ハードディスク、ランダム・アクセス・メモリ（ＲＡＭ）、読み出し専用メモリ（ＲＯＭ）、消去可能プログラム可能読み出し専用メモリ（ＥＰＲＯＭまたはフラッシュ・メモリ）、スタティック・ランダム・アクセス・メモリ（ＳＲＡＭ）、ポータブル・コンパクト・ディスク読み出し専用メモリ（ＣＤ−ＲＯＭ）、デジタル多用途ディスク（ＤＶＤ）、メモリ・スティック、フロッピー・ディスク、パンチカードもしくは命令がそこに記録された溝内の隆起構造のような機械的にエンコードされたデバイス、および上記の任意の適切な組合せが挙げられる。本明細書で使用される場合、コンピュータ可読ストレージ媒体は、電波、または他の自由に伝搬する電磁波、導波管もしくは他の伝送媒体を通じて伝搬する電磁波（例えば、光ファイバ・ケーブルを通る光パルス）、またはワイヤを通って送られる電気信号等の、一過性信号自体として解釈されない。

本明細書で説明されるコンピュータ可読プログラム命令は、コンピュータ可読ストレージ媒体からそれぞれのコンピューティング／処理デバイスに、あるいは、例えばインターネット、ローカル・エリア・ネットワーク、広域ネットワーク、もしくは無線ネットワーク、またはその組合せ等のネットワークを介して外部コンピュータまたは外部ストレージ・デバイスにダウンロードすることができる。ネットワークは、銅伝送ケーブル、光伝送ファイバ、無線伝送、ルータ、ファイアウォール、スイッチ、ゲートウェイ・コンピュータ、またはエッジ・サーバ、あるいはその組合せを含むことができる。各コンピューティング／処理デバイスにおけるネットワーク・アダプタ・カードまたはネットワーク・インタフェースは、ネットワークからコンピュータ可読プログラム命令を受け取り、コンピュータ可読プログラム命令を転送して、それぞれのコンピューティング／処理デバイス内のコンピュータ可読ストレージ媒体内に格納する。

本発明の動作を実行するためのコンピュータ可読プログラム命令は、アセンブラ命令、命令セットアーキテクチャ（ＩＳＡ）命令、マシン命令、マシン依存命令、マイクロコード、ファームウェア命令、状態設定データ、または、Ｓｍａｌｌｔａｌｋ、Ｃ＋＋等のオブジェクト指向プログラミング言語、および、「Ｃ」プログラミング言語もしくは類似のプログラミング言語等の通常の手続き型プログラミング言語を含む１つもしくは複数のプログラミング言語の任意の組合せで記述されたソース・コードもしくオブジェクトコードとすることができる。コンピュータ可読プログラム命令は、完全にユーザのコンピュータ上で実行される場合もあり、一部がユーザのコンピュータ上で、独立型ソフトウェア・パッケージとして実行される場合もあり、一部がユーザのコンピュータ上で実行され、一部が遠隔コンピュータ上で実行される場合もあり、または完全に遠隔コンピュータもしくはサーバ上で実行される場合もある。最後のシナリオにおいて、遠隔コンピュータは、ローカル・エリア・ネットワーク（ＬＡＮ）もしくは広域ネットワーク（ＷＡＮ）を含む任意のタイプのネットワークを通じてユーザのコンピュータに接続される場合もあり、または（例えば、インターネットサービスプロバイダを用いたインターネットを通じて）外部コンピュータへの接続がなされる場合もある。いくつかの実施形態において、例えば、プログラム可能論理回路、フィールド・プログラム可能ゲート・アレイ（ＦＰＧＡ）、またはプログラム可能論理アレイ（ＰＬＡ）を含む電子回路は、コンピュータ可読プログラム命令の状態情報を用いて、電子回路を個人化することによりコンピュータ可読プログラム命令を実行し、本発明の態様を実施することができる。

本発明の態様は、本発明の実施形態による方法、装置（システム）およびコンピュータ・プログラム製品のフローチャート図またはブロック図、あるいはその両方を参照して本明細書にて説明される。フローチャート図またはブロック図、あるいはその両方の各ブロック、ならびにフローチャート図またはブロック図、あるいはその両方内のブロックの組合せは、コンピュータ可読プログラム命令によって実装できることが理解されるであろう。

これらのコンピュータ可読プログラム命令は、コンピュータまたは他のプログラム可能データ処理装置のプロセッサによって実行される命令が、フローチャートまたはブロック図、あるいはその両方の１つまたは複数のブロック内で指定された機能／動作を実施するための手段を作り出すように、汎用コンピュータ、専用コンピュータ、または他のプログラム可能データ処理装置のプロセッサに与えられて、マシンを作り出すものであってよい。これらのコンピュータ・プログラム命令は、命令が格納されたコンピュータ可読媒体が、フローチャートまたはブロック図、あるいはその両方の１つまたは複数のブロックにおいて指定された機能／動作の態様を実施する命令を含む製品を含むように、コンピュータ可読ストレージ媒体内に格納され、コンピュータ、プログラム可能データ処理装置、または他のデバイス、あるいはその組合せに特定の方式で機能するように指示することができるものであってもよい。

コンピュータ可読プログラム命令は、コンピュータ、他のプログラム可能装置、または他のデバイス上で実行される命令が、フローチャートまたはブロック図、あるいはその両方の１つまたは複数のブロックにおいて指定された機能／動作を実施するように、コンピュータ実施プロセスを生成すべく、コンピュータ、他のプログラム可能データ処理装置、または他のデバイス上にロードされ、コンピュータ、他のプログラム可能装置、または他のデバイス上で一連の動作ステップを実行させるものであってもよい。

図面内のフローチャートおよびブロック図は、本発明の種々の実施形態による、システム、方法、およびコンピュータ・プログラム製品の可能な実装の、アーキテクチャ、機能および動作を示す。この点に関して、フローチャートまたはブロック図内の各ブロックは、指定された論理機能を実装するための１つまたは複数の実行可能命令を含む、モジュール、セグメント、または命令の一部を表すことができる。いくつかの代替的な実装において、ブロック内に示される機能は、図に示される順序とは異なる順序で生じることがある。例えば、連続して示される２つのブロックは、関与する機能に応じて、実際には実質的に同時に実行されることもあり、またはこれらのブロックは時として逆順で実行されることもある。ブロック図またはフローチャート図、あるいはその両方の各ブロック、およびブロック図またはフローチャート図、あるいはその両方内のブロックの組合せは、指定された機能もしくは動作を実行する、または専用のハードウェアとコンピュータ命令との組合せを実行する、専用ハードウェア・ベースのシステムによって実装できることにも留意されたい。

Claims (20)

1. プロセッサによって、クラウド・コンピューティング環境内の熱エネルギー流体移送システムにおけるエネルギーを評価するための方法であって、
   加熱サービス、冷却サービス、またはそれらの組合せに関連付けられた前記熱エネルギー流体移送システムの挙動を、収集データに従って学習して、１つまたは複数のエネルギー利用イベントを識別することと、
   前記学習された挙動に従って、１つまたは複数のタイプのイベントについて、前記熱エネルギー流体移送システムにおける１つまたは複数の選択された位置に配置された１つまたは複数の非侵入型モノのインターネット（ＩｏＴ）センサによって選択された期間にわたって収集された温度信号に曖昧性除去動作を適用することによって、エネルギー利用評価を実行して、１つまたは複数のエネルギー利用浪費イベントを識別することと、
   を含む、方法。
2. 前記曖昧性除去動作は、
   前記温度信号を前記１つまたは複数のタイプのイベントに分けることと、
   前記温度信号を分析して、前記１つまたは複数のタイプのイベントについてシグネチャを得ることと、
   を更を含む、請求項１に記載の方法。
3. 前記収集データに従って１つまたは複数のエネルギー利用調整閾値を生成すること、あるいは、
   前記１つまたは複数の非侵入型ＩｏＴセンサによって前記選択された期間にわたって継続的に温度データをサンプリングすること、
   を更に含む、請求項１に記載の方法。
4. １つまたは複数の現在のエネルギー利用イベントの前記温度信号を１つまたは複数のエネルギー利用調整閾値と比較して、前記１つまたは複数のエネルギー利用浪費イベントを識別することを更に含む、請求項１に記載の方法。
5. 前記１つまたは複数の非侵入型ＩｏＴセンサからのフィードバック情報を用いて機械学習メカニズムを初期化して、前記熱エネルギー流体移送システムのエネルギー利用プロファイルを提供することを更に含む、請求項１に記載の方法。
6. 動作のスケジュールについて、熱エネルギー流体移送システム開始時間および熱エネルギー流体移送システム停止時間を特定して、前記１つまたは複数のエネルギー利用浪費イベントを識別することと、
   前記動作のスケジュール中のエネルギー要求イベントおよび非エネルギー要求イベントを推定することと、
   前記動作のスケジュール中の予期されない変化点を特定することであって、変化点は、前記エネルギー要求イベントから前記非エネルギー要求イベントへの遷移である、前記特定することと、
   を更に含む、請求項１に記載の方法。
7. 前記１つまたは複数のエネルギー利用浪費イベントの識別情報を示すアラートを提供することと、
   前記エネルギー利用評価を、前記熱エネルギー流体移送システムのためのインタラクティブ・グラフィカル・ユーザ・インタフェース（ＧＵＩ）を介してユーザに提供することと、
   を更に含む、請求項１に記載の方法。
8. クラウド・コンピューティング環境内の熱エネルギー流体移送システムにおけるエネルギーを評価するためのシステムであって、
   実行可能命令を有する１つまたは複数のコンピュータを備え、前記命令は、実行されると、前記システムに、
   加熱サービス、冷却サービス、またはそれらの組合せに関連付けられた前記熱エネルギー流体移送システムの挙動を、収集データに従って学習して、１つまたは複数のエネルギー利用イベントを識別することと、
   前記学習された挙動に従って、１つまたは複数のタイプのイベントについて、前記熱エネルギー流体移送システムにおける１つまたは複数の選択された位置に配置された１つまたは複数の非侵入型モノのインターネット（ＩｏＴ）センサによって選択された期間にわたって収集された温度信号に曖昧性除去動作を適用することによって、エネルギー利用評価を実行して、１つまたは複数のエネルギー利用浪費イベントを識別することと、
   を行わせる、システム。
9. 前記実行可能命令は、更に、
   前記１つまたは複数の非侵入型ＩｏＴセンサからのフィードバック情報を用いて機械学習メカニズムを初期化して、前記熱エネルギー流体移送システムのエネルギー利用プロファイルを提供し、
   前記収集データおよび前記フィードバック情報に従って１つまたは複数のエネルギー利用調整閾値を生成する、請求項８に記載のシステム。
10. 前記曖昧性除去動作は、
    前記温度信号を前記１つまたは複数のタイプのイベントに分け、
    前記温度信号を分析して、前記１つまたは複数のタイプのイベントについてシグネチャを得る、実行可能命令を更に含む、請求項８に記載のシステム。
11. 前記実行可能命令は、更に、
    前記１つまたは複数の非侵入型ＩｏＴセンサによって前記選択された期間にわたって継続的に温度データをサンプリングするか、あるいは
    １つまたは複数の現在のエネルギー利用イベントの前記温度信号を１つまたは複数のエネルギー利用調整閾値と比較して、前記１つまたは複数のエネルギー利用浪費イベントを識別する、請求項８に記載のシステム。
12. 前記実行可能命令は、更に、
    動作のスケジュールについて、熱エネルギー流体移送システム開始時間および熱エネルギー流体移送システム停止時間を特定して、前記１つまたは複数のエネルギー利用浪費イベントを識別し、
    前記動作のスケジュール中のエネルギー要求イベントおよび非エネルギー要求イベントを推定し、
    前記動作のスケジュール中の予期されない変化点を特定し、変化点は、前記エネルギー要求イベントから前記非エネルギー要求イベントへの遷移である、請求項８に記載のシステム。
13. 前記実行可能命令は、更に、
    前記１つまたは複数のエネルギー利用浪費イベントの識別情報を示すアラートを提供し、
    前記エネルギー利用評価を、前記熱エネルギー流体移送システムのためのインタラクティブ・グラフィカル・ユーザ・インタフェース（ＧＵＩ）を介してユーザに提供する、請求項８に記載のシステム。
14. プロセッサによって、クラウド・コンピューティング環境内の熱エネルギー流体移送システムにおけるエネルギーを評価するためのコンピュータ・プログラム製品であって、前記コンピュータ・プログラム製品は、コンピュータ可読プログラムコード部分が記憶された非一過性コンピュータ−可読ストレージ媒体を含み、前記コンピュータ可読プログラムコード部分は、
    加熱サービス、冷却サービス、またはそれらの組合せに関連付けられた前記熱エネルギー流体移送システムの挙動を、収集データに従って学習して、１つまたは複数のエネルギー利用イベントを識別する実行可能部と、
    前記学習された挙動に従って、１つまたは複数のタイプのイベントについて、前記熱エネルギー流体移送システムにおける１つまたは複数の選択された位置に配置された１つまたは複数の非侵入型モノのインターネット（ＩｏＴ）センサによって選択された期間にわたって収集された温度信号に曖昧性除去動作を適用することによって、エネルギー利用評価を実行して、１つまたは複数のエネルギー利用浪費イベントを識別する実行可能部と、
    を含む、コンピュータ・プログラム製品。
15. 前記１つまたは複数の非侵入型ＩｏＴセンサからのフィードバック情報を用いて機械学習メカニズムを初期化して、前記熱エネルギー流体移送システムのエネルギー利用プロファイルを提供し、
    前記収集データおよび前記フィードバック情報に従って１つまたは複数のエネルギー利用調整閾値を生成する、実行可能部を更に含む、請求項１４に記載のコンピュータ・プログラム製品。
16. 前記曖昧性除去動作は、
    前記温度信号を前記１つまたは複数のタイプのイベントに分け、
    前記温度信号を分析して、前記１つまたは複数のタイプのイベントについてシグネチャを得る、実行可能部を更に含む、請求項１４に記載のコンピュータ・プログラム製品。
17. 前記１つまたは複数の非侵入型ＩｏＴセンサによって前記選択された期間にわたって継続的に温度データをサンプリングするか、あるいは
    １つまたは複数の現在のエネルギー利用イベントの前記温度信号を１つまたは複数のエネルギー利用調整閾値と比較して、前記１つまたは複数のエネルギー利用浪費イベントを識別する、実行可能部を更に含む、請求項１４に記載のコンピュータ・プログラム製品。
18. 動作のスケジュールについて、熱エネルギー流体移送システム開始時間および熱エネルギー流体移送システム停止時間を特定して、前記１つまたは複数のエネルギー利用浪費イベントを識別し、
    前記動作のスケジュール中のエネルギー要求イベントおよび非エネルギー要求イベントを推定し、
    前記動作のスケジュール中の予期されない変化点を特定し、変化点は、前記エネルギー要求イベントから前記非エネルギー要求イベントへの遷移である、実行可能部を更に含む、請求項１４に記載のコンピュータ・プログラム製品。
19. 前記１つまたは複数のエネルギー利用浪費イベントの識別情報を示すアラートを提供する実行可能部を更に含む、請求項１４に記載のコンピュータ・プログラム製品。
20. 前記エネルギー利用評価を、前記熱エネルギー流体移送システムのためのインタラクティブ・グラフィカル・ユーザ・インタフェース（ＧＵＩ）を介してユーザに提供する実行可能部を更に含む、請求項１４に記載のコンピュータ・プログラム製品。