JP7054719B2 - ビルディング機器のためのモデル予測的メンテナンスシステム及び同メンテナンスを実施する方法 - Google Patents

Description

関連出願の相互参照
本出願は、２０１９年６月２１日出願の米国特許出願第１６／４４９，１９８号の利益及び優先権を主張する。米国特許出願第１６／４４９，１９８号は、２０１８年２月１３日出願の米国特許出願第１５／８９５，８３６号の一部継続出願であり、米国特許出願第１５／８９５，８３６号は、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する。これらすべての特許出願の内容全体が参照により本明細書に組み入れられる。

本開示は、概して、ビルディング機器のためのメンテナンスシステムに関し、詳細には、予測最適化技法を使用してビルディング機器のため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、ビルディング機器のため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）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予防的メンテナンスタスクの組の実施を含む。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得る。

本開示の一実装形態は、いくつかの実施形態によれば、ビルディング機器のためのモデル予測的メンテナンスシステムである。モデル予測的メンテナンスシステムは、いくつかの実施形態によれば、ビルディングでの可変の状態又は条件に影響を及ぼすようにビルディング機器を動作させるように構成された機器コントローラを含む。モデル予測的メンテナンスシステムは、いくつかの実施形態によれば、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を含む。モデル予測的メンテナンスシステムは、いくつかの実施形態によれば、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して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を含む。モデル予測的メンテナンスシステムは、いくつかの実施形態によれば、任意のコストインセンティブが利用可能であるか否かを判断するように構成されたコストインセンティブマネージャを含む。コストインセンティブマネージャは、いくつかの実施形態によれば、１つ又は複数のコストインセンティブが利用可能であるという判断に応答して、ビルディング機器に対してメンテナンスを実施することに関連する１つ又は複数のコストインセンティブを識別するように構成される。モデル予測的メンテナンスシステムは、いくつかの実施形態によれば、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合計コストを予測するために目的関数を最適化するように構成された目的関数オプティマイザを含む。目的関数は、いくつかの実施形態によれば、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してメンテナンスを実施する予測されたコストと、１つ又は複数のコストインセンティブが利用可能であるという判断に応答して、ビルディング機器に対してメンテナンスを実施することに関連する１つ又は複数のコストインセンティブとを含む。

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、いくつかの実施形態によれば、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。

いくつかの実施形態では、コストインセンティブマネージャは、ビルディング機器の１つ又は複数のデバイスを購入又は交換することに関連する１つ又は複数のコストインセンティブを決定するように構成される。

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、コストインセンティブマネージャは、１つ又は複数のコストインセンティブのそれぞれが利用可能である、１つ又は複数のコストインセンティブのそれぞれに関する期間を識別するように構成される。目的関数は、いくつかの実施形態によれば、１つ又は複数のコストインセンティブのそれぞれに関する期間をさらに含む。

いくつかの実施形態では、１つ又は複数のコストインセンティブは、コストインセンティブを達成するための１つ又は複数の要件をそれぞれ定義する。

いくつかの実施形態では、目的関数オプティマイザは、１つ又は複数のコストインセンティブのそれぞれに関連する収益の額及び特定のメンテナンス活動を決定するように構成される。目的関数オプティマイザは、いくつかの実施形態によれば、最適化期間中にそれぞれの特定のメンテナンス活動が実施されるべきであるか否か及び実施されるべきときを、それに関連する収益の額を達成するように決定するために目的関数を最適化するように構成される。目的関数を最適化することは、いくつかの実施形態によれば、最適化期間の継続期間にわたる予測された合計コストを最小化することを含む。

本開示の別の実装形態は、いくつかの実施形態によれば、ビルディング機器のモデル予測的メンテナンスを実施するための方法である。方法は、いくつかの実施形態によれば、ビルディングでの可変の状態又は条件に影響を及ぼすようにビルディング機器を動作させるステップを含む。方法は、いくつかの実施形態によれば、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ステップを含む。方法は、いくつかの実施形態によれば、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してメンテナンスを実施するコストを予測するステップを含む。方法は、いくつかの実施形態によれば、任意のコストインセンティブが利用可能であるか否かを判断するステップを含む。方法は、いくつかの実施形態によれば、１つ又は複数のコストインセンティブが利用可能であるという判断に応答して、ビルディング機器に対してメンテナンスを実施することに関連する１つ又は複数のコストインセンティブを識別するステップを含む。方法は、いくつかの実施形態によれば、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合計コストを予測するために目的関数を最適化するステップを含む。目的関数は、いくつかの実施形態によれば、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してメンテナンスを実施する予測されたコストと、１つ又は複数のコストインセンティブが利用可能であるという判断に応答して、ビルディング機器に対してメンテナンスを実施することに関連する１つ又は複数のコストインセンティブとを含む。

いくつかの実施形態では、方法は、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ステップを含む。目的関数は、いくつかの実施形態によれば、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。

いくつかの実施形態では、方法は、ビルディング機器の１つ又は複数のデバイスを購入又は交換することに関連する１つ又は複数のコストインセンティブを決定するステップを含む。

いくつかの実施形態では、目的関数を最適化するステップは、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合計コストを最小化するために、それぞれの特定のタイプのメンテナンスを実施するか否か及び実施するときを決定するために目的関数を最小化するステップを含む。

いくつかの実施形態では、１つ又は複数のコストインセンティブは、コストインセンティブを達成するための１つ又は複数の要件をそれぞれ定義する。

いくつかの実施形態では、方法は、１つ又は複数のコストインセンティブのそれぞれに関連する収益の額及び特定のメンテナンス活動を決定するステップを含む。目的関数を最適化するステップは、いくつかの実施形態によれば、最適化期間中にそれぞれの特定のメンテナンス活動が実施されるべきであるか否か及び実施されるべきときを、それに関連する収益の額を達成するように決定するステップを含む。目的関数を最適化するステップは、いくつかの実施形態によれば、最適化期間の継続期間にわたる予測された合計コストを最小化するステップを含む。

本開示の別の実装形態は、いくつかの実施形態によれば、ビルディング機器のためのモデル予測的メンテナンスシステムである。モデル予測的メンテナンスシステムは、いくつかの実施形態によれば、ビルディングでの可変の状態又は条件に影響を及ぼすようにビルディング機器を動作させるように構成された機器コントローラを含む。モデル予測的メンテナンスシステムは、いくつかの実施形態によれば、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を含む。モデル予測的メンテナンスシステムは、いくつかの実施形態によれば、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して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を含む。モデル予測的メンテナンスシステムは、いくつかの実施形態によれば、任意のコストインセンティブが利用可能であるか否かを判断するように構成されたコストインセンティブマネージャを含む。コストインセンティブマネージャは、いくつかの実施形態によれば、１つ又は複数のコストインセンティブが利用可能であるという判断に応答して、ビルディング機器に対してメンテナンスを実施することに関連する１つ又は複数のコストインセンティブを識別するように構成される。モデル予測的メンテナンスシステムは、いくつかの実施形態によれば、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且つ保守するための最適な戦略を決定するために目的関数を最適化するように構成された目的関数オプティマイザを含む。目的関数は、いくつかの実施形態によれば、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してメンテナンスを実施する予測されたコストと、１つ又は複数のコストインセンティブが利用可能であるという判断に応答して、ビルディング機器に対してメンテナンスを実施することに関連する１つ又は複数のコストインセンティブとを含む。

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、いくつかの実施形態によれば、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。

いくつかの実施形態では、コストインセンティブマネージャは、ビルディング機器の１つ又は複数のデバイスを購入又は交換することに関連する１つ又は複数のコストインセンティブを決定するように構成される。

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、コストインセンティブマネージャは、１つ又は複数のコストインセンティブのそれぞれが利用可能である、１つ又は複数のコストインセンティブのそれぞれに関する期間を識別するように構成される。目的関数は、いくつかの実施形態によれば、１つ又は複数のコストインセンティブのそれぞれに関する期間をさらに含む。

いくつかの実施形態では、１つ又は複数のコストインセンティブは、コストインセンティブを達成するための１つ又は複数の要件をそれぞれ定義する。

いくつかの実施形態では、目的関数オプティマイザは、１つ又は複数のコストインセンティブのそれぞれに関連する収益の額及び特定のメンテナンス活動を決定するように構成される。目的関数オプティマイザは、いくつかの実施形態によれば、最適化期間中にそれぞれの特定のメンテナンス活動が実施されるべきであるか否か及び実施されるべきときを、それに関連する収益の額を達成するように決定するために目的関数を最適化するように構成される。目的関数を最適化することは、いくつかの実施形態によれば、最適化期間の継続期間にわたる予測された合計コストを最小化することを含む。

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は理解するであろう。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むことで明らかになるであろう。

いくつかの実施形態による、ＨＶＡＣシステムを備えたビルディングを示す図である。 いくつかの実施形態による、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。 いくつかの実施形態による、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。 いくつかの実施形態による、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。 いくつかの実施形態による、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。 いくつかの実施形態による、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。 いくつかの実施形態による、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。 いくつかの実施形態による、図６のＭＰＭシステムをより詳細に示すブロック図である。 いくつかの実施形態による、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。 いくつかの実施形態による、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。 いくつかの実施形態による、経時的なビルディング機器の劣化及び平均電力消費量を例示するグラフである。 いくつかの実施形態による、経時的なビルディング機器の故障率を例示するグラフである。 いくつかの実施形態による、経時的なビルディング機器の機能的性能を示すグラフである。 いくつかの実施形態による、コストインセンティブを伴う経時的な累積メンテナンス支出を例示するグラフである。 いくつかの実施形態による、図６のＭＰＭシステムをより詳細に例示するブロック図である。 いくつかの実施形態による、図１５の高レベルオプティマイザをより詳細に例示するブロック図である。 いくつかの実施形態による、コストインセンティブ情報が与えられた目的関数を最適化するためのプロセスの流れ図である。 いくつかの実施形態による、１つ又は複数の屋外ＶＲＦユニット及び複数の屋内ＶＲＦユニットを有する可変冷媒流量（ＶＲＦ）システムの図である。

概要

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決定事項の組である。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、ドル／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否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否かを示すバイナリ変数であり、ｈは、最適化が実施されるホライズン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あり得る。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ときに初期値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か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するか、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得る。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り、又は電気加熱要素を使用することにより、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り得る。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み得、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り得るか、又はＨＶＡＣシステム１００とは別個に実装され得る。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）を含み得、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得る。

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（Ｔｈｉｒｍａｌ Ｅｎｅｒｇｙ Ｓｔｏｒａｇｅ（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のため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）が使用され得る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、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それぞれ含み得る。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み得、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り得るか、又はＨＶＡＣシステム１００とは別個に実装され得る。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）を含み得、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を受け取り得、給気ダクト３１２を通してビルディング区域３０６に給気３１０を送給し得る。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り得る。

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り、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、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によってそれぞれ制御され得、弁３５２は、アクチュエータ３５６によって制御され得る。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り、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の役割を果たす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のためのマスタ制御装置、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（登録商標）やＢＡＣｎｅｔ（登録商標）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）別々であるか又は一体化され得る。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り得る。

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、閲覧又は他の方法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り得る。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あり得る。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り得る。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）であり得るか又はそれを含み得る。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）を介するものであり得る。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がいずれも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あり得るか又はそれを含み得る。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とき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、最適な制御アクションの組を決定する。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）を含むか又はそれを利用し得る。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の程度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の程度長く保つか、能力の限界にどの程度近付くか、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とき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い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り、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得、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するか、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、機器寿命を延ばすか、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）を記憶するか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ときを明らかにし、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り、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（登録商標）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（Ｖａｒｉａｂｌｅ Ａｉｒ Ｖｏｌｕｍｅ（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（登録商標）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つのみ示されているが、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ビルディングシステム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又はビルディング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監視される変数の組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５０２）、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あり得る。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あり得る。

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ときを明らかにし、且つ／又は障害が発生するとき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ときを予測し、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決定事項の組である。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、ドル／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否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否かを示すバイナリ変数であり、ｈは、最適化が実施されるホライズン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あり得る。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ときに初期値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か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とき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、さもなければ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を示すか、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得る。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と組み合わされ得るか、又は別個のビルディング管理システムの一部であり得る。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し、且つ／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、ＩＰ、ＬＯＮ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あり得る。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あり得る。プロセッサ８０８は、メモリ８１０に記憶されたか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得る。

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得、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（日）、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号に記載の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あり得る。

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、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、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、且つ／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号に詳細に述べられており、その特許出願の開示全体が参照により本明細書に組み入れられる。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り、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るか、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に記憶され得る。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）提供され得る。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か、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決定事項の組である。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、ドル／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否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否かを示すバイナリ変数であり、ｈは、最適化が実施されるホライズン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あり得る。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き得る。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か、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る（例えば、Ｂ_{ｍａｉｎ，ｉ}＝０及びＢ_{ｃａｐ，ｉ}＝０の場合）か、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か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り、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ときを明らかにし、且つ／又は障害が発生するとき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が参照により本明細書に組み入れられる。

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り、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り、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否かを示す。

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、ドル）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い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否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否かを示す。

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、ドル）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がわずかに向上し、且つ／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否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、ドル／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否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否かを示すバイナリ変数であり、ｈは、最適化が実施されるホライズン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とき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のフローチャートが示されている。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き得る。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ときを明らかにし、且つ／又は障害が発生するとき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（特許文献３）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が参照により本明細書に組み入れられる。

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り、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して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、ドル）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否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、ドル）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がわずかに向上し、且つ／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否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、ドル／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否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否かを示すバイナリ変数であり、ｈは、最適化が実施されるホライズン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とき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か、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り、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り、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い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がわずかに向上し、且つ／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。

経時的なビルディング機器の劣化

概要

全般的に図１１～１３を参照すると、いくつかの実施形態による、経時的なビルディング機器の劣化を例示するグラフ１１００～１３００が示されている。一般に、ビルディング機器は、経時的に劣化する。ビルディング機器が劣化するにつれて、ビルディング機器は、例えば、許容可能な効率を維持するためにより頻繁なメンテナンスを必要とし、より多くの電力を消費するため、機器の稼働に関連する動作コストが増加することがある。いくつかの実施形態では、ビルディング機器のメンテナンスの実施及び／又は交換は、ビルディング機器の劣化を低減し、それにより動作コストを低減する。いくつかの実施形態では、交換には、ビルディング機器全体の交換及び／又はビルディング機器の構成要素の交換が含まれる。いくつかの実施形態では、図９を参照して述べた目的関数オプティマイザ９４０は、ビルディング機器がメンテナンス及び／又は交換を受けるべきときを決定するように構成される。ビルディング機器のメンテナンスの実施及び／又は交換は、メンテナンスコスト及び／又は資本コストを生じることがあるが、動作コストの削減につながることがある。いくつかの実施形態では、メンテナンス及び／又は交換が実施される場合、動作コストの削減による便益は、メンテナンス及び／又は交換に関連するコストを上回る。例えば、大量の電力を消費している室内可変冷媒流量（ＶＲＦ）ユニットの完全な交換は、追加の資本コストを生じることがあるが、交換されたユニットの動作に必要な電力は、それほど多くないことがあり得るため、動作コストを大幅に削減することができる。

平均電力消費量及び劣化

ここで、図１１を参照すると、いくつかの実施形態による、経時的なビルディング機器の劣化及び平均電力消費量を例示するグラフ１１００が示されている。グラフ１１００は、期間１１０６にわたるビルディング機器の劣化及び平均電力消費量を例示する。いくつかの実施形態では、期間１１０６は、最適化期間であるか又は最適化期間を含む。いくつかの実施形態では、期間１１０６は、複数の最適化期間を含む。期間１１０６は、いくつかの実施形態によれば、時間ステップｔ_０で始まり、時間ステップｔ_４０で終わる。グラフ１１００に示されるように、ビルディング機器の劣化は、ビルディング機器の平均電力消費量に関連する。一般に、ビルディング機器の劣化が進行するにつれて、ビルディング機器の平均電力消費量も増加する。これは、機器の劣化が進行するにつれてビルディング機器の効率が低下することに起因し得る。いくつかの実施形態では、モデル予測的メンテナンス（ＭＰＭ）システム６０２は、目的関数Ｊの最適化（例えば、最小化）によって決定される、ビルディング機器のメンテナンスを実施し且つ／又はビルディング機器を交換するときの決定により、ビルディング機器の劣化を低減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Ｊを最適化すると共に、ＭＰＭシステム６０２は、合計の複合コストが最小化されるように決定変数の最適値を決定する。いくつかの実施形態では、過剰なメンテナンスコスト及び／又は資本コストを生じることなく（メンテナンスの実施及び／又は交換により）動作コストを削減することにより、合計の複合コストが最小化される。

目的関数Ｊの最適化とは、最適化プロセスを実施した結果を表すことを理解されたい。目的関数Ｊの最適化は、目的関数Ｊの最適解を決定することができる／最適解が決定されることを示していないことがある。目的関数Ｊの最適化は、真の最適な結果が得られるか否かに関係なく実施することができる。

グラフ１１００は、シリーズ１１０２及びシリーズ１１０４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、シリーズ１１０２は、ビルディング機器がいかなる機器サービス提供も受けない（すなわちメンテナンスも交換も行われない）場合、経時的に（例えば、期間１１０６にわたって）ビルディング機器の劣化及び平均電力消費量が増加することを示す。グラフ１１００に示されるように、機器サービスが実施されない場合、（シリーズ１１０２によって例示されるように）ビルディング機器の劣化の増加率が経時的に増加することがある。シリーズ１１０２は、様々な実施形態によれば、機器サービスが実施されない場合の経時的なビルディング機器の劣化及び平均電力消費量を表す指数関数的傾向、線形傾向、対数傾向など、又は任意の他の傾向に従うことがある。いくつかの実施形態では、シリーズ１１０２は、メンテナンス及び／又は交換によって動作コストを削減することを試みずに、動作コストが増加する最悪の状況を例示している。

いくつかの実施形態では、シリーズ１１０４は、ビルディング機器が１つ又は複数の機器サービスを提供される場合の経時的なビルディング機器の劣化及び平均電力消費量を例示する。シリーズ１１０４は、いくつかの実施形態による、時間ステップｔ_１０、ｔ_２０、ｔ_３０及びｔ_４０で機器サービス提供を受けるビルディング機器を表す。各機器サービス提供は、ビルディング機器の劣化及び平均電力消費量を劣化値１１１４に低減することができる。いくつかの実施形態では、機器サービス提供は、シリーズ１１０４にわたって定期的なスケジュール（例えば、１０日毎、１０週毎など）で行われる。いくつかの実施形態では、ビルディング機器が最大許容劣化値を超え、コストがもはや最適（例えば、最小）レベルに近くなくなることにより、機器サービス提供が行われる。例えば、現在の劣化値が劣化値１１１４の２倍になった後、ビルディング機器について機器サービス提供の必要性を決定することができる。定期的な機器サービス提供は、ビルディング機器が高い劣化値に達しないようにすることによって動作コストを低く抑え、それによりビルディング機器の望ましい効率水準を維持することができる。高い劣化値を避けることにより、ビルディング機器が動作中に過剰量の電力を引き出さないことを保証することができる。いくつかの実施形態では、目的関数オプティマイザ９４０は、動作コスト、メンテナンスコスト及び資本コストに関連する合計の複合コストを最適化（すなわち最小化）するように決定変数の最適値を決定する。いくつかの実施形態では、決定変数は、最適な（例えば、最小化された）合計の複合コストを達成するために機器サービス提供（例えば、メンテナンス及び／又は交換）が行われるべきときを示す。

シリーズ１１０４及びシリーズ１１０２は、時点ｔ_０で劣化値１１１４から始まるものとして示されている。同様に、シリーズ１１０４は、各機器サービス提供後に劣化値１１１４に実質的に戻るものとして示されている。いくつかの実施形態では、劣化値１１１４は、機器に関する達成可能な最小の劣化値である。いくつかの実施形態では、劣化値１１１４は、ゼロよりも大きい何らかの値である。いくつかの実施形態では、劣化値１１１４は、（例えば、高効率デバイス又は等エントロピー効率で動作するデバイスに関して）ゼロに実質的に等しい。いくつかの実施形態では、シリーズ１１０４において連続して行われる機器サービス提供は、それぞれビルディング機器の劣化値を劣化値１１１４の近くまで戻すが、戻りが減る。例えば、連続的な機器サービスが実施されるとき、機器サービスを実施することによる利益が低減することがある。代わりに、シリーズ１１０４における各機器サービス提供は、新たな低減された劣化値が前の低減された劣化値よりも（無視できるほどであれ）高い劣化値になるように、ビルディング機器の劣化値を新たな低減された劣化値に戻すことがある。いくつかの実施形態では、機器サービス提供にもかかわらずビルディング機器のいくつかの構成要素が老化し続けることがあるため、新たな低減された劣化値は、連続する各機器サービス提供と共に増加する。ある時点において、劣化を劣化値１１１４に完全に戻すためにビルディング機器を交換することが必要となり得る。

また、グラフ１１００は、平均電力消費量の差１１１２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、平均電力消費量の差１１１２は、Ｐ_１として示される第１の平均電力消費値１１０８と、Ｐ_２として示される第２の平均電力消費値１１１０との差を例示する。いくつかの実施形態では、Ｐ_１は、第２のシリーズ１１０４の全体的な平均電力消費量である。いくつかの実施形態では、Ｐ_２は、シリーズ１１０２の全体的な平均電力消費量である。平均電力消費量の差１１１２は、Ｐ_２とＰ_１との差（すなわちＰ_２－Ｐ_１）として表すことができる。平均電力消費量の差１１１２は、いくつかの実施形態によれば、機器サービス提供が実施されない場合（シリーズ１１０２）と比較して、機器サービス提供が断続的に実施される場合（シリーズ１１０４）に電力消費量が低減されることを表す。機器サービス提供を断続的に実施することにより、期間１１０６にわたって引き出される平均電力量を大幅に削減することができ（すなわち平均電力消費量の差１１１２が増加し）、動作コストが削減される。

経時的なビルディング機器の故障率

ここで、図１２を参照すると、グラフ１２００は、経時的なビルディング機器の故障率を例示している。グラフ１２００は、経時的なビルディング機器の故障率を例示する曲線１２０２を含むものとして示されている。曲線１２０２は、いくつかの実施形態によれば、３つの区間、すなわち使用寿命前区間１２０６、使用寿命区間１２０４及び使用寿命後区間１２０８を含む。いくつかの実施形態では、曲線１２０２は、ビルディング機器に対する機器サービス提供の実施がビルディング機器の使用寿命をどの程度延長するかを決定するために使用される。

曲線１２０２の使用寿命前区間１２０６は、使用寿命区間１２０４が始まる前のビルディング機器の故障率を例示している。使用寿命前区間１２０６は、高い故障率から始まり、使用寿命前区間１２０６の終わりにより低い故障率に低下するものとして例示されている。いくつかの実施形態では、使用寿命前区間１２０６は、ビルディングでの設置後にビルディング機器が多くの故障を有している場合、高い故障率から始まる。例えば、ＶＲＦシステムでの新たに設置された屋外ＶＲＦユニットが最初に欠陥を有する可能性があり、したがって、屋外ＶＲＦユニットは、修理又は交換されるまで高い故障率を有する可能性がある。別の例として、新たに設置された屋外ＶＲＦユニットが使用寿命前区間１２０６において正しく接続されておらず、短絡されている可能性がある。いくつかの実施形態では、ビルディング機器は、設置時に低い故障率を有する（例えば、ビルディング機器が期待通りに機能している）。使用寿命前区間１２０６においてビルディング機器が低い故障率から始まるとき、使用寿命前区間１２０６は、短いことがある。ビルディング機器が低い故障率から始まるとき、曲線１２０２の使用寿命区間１２０４が即座に始まり、それにより使用寿命前区間１２０６が完全にスキップされることがある。

いくつかの実施形態では、使用寿命区間１２０４は、ビルディング機器が許容可能な故障率で動作している時間量である。時間の経過と共にビルディング機器の故障率が上昇することがある。ビルディング機器の故障率が上昇するにつれて、ビルディング機器の動作及びメンテナンスに関連する合計コストも増加することがある。しかし、機器サービス提供の実施により、ビルディング機器の故障の量を減少することにより、ビルディング機器の使用寿命区間１２０４を延長することができる。いくつかの実施形態では、より多くの機器サービス提供が実施されるにつれて、使用寿命区間１２０４が増加される。一般に、使用寿命区間１２０４が延長されると、故障率を低く保つためにビルディング機器に対してメンテナンスを実施する必要があり、且つ／又はビルディング機器の構成要素を購入及び交換する必要があり得るため、メンテナンスコスト及び／又は資本コストが増加する。最終的に、使用寿命区間１２０４を延長するために機器サービス提供（例えば、メンテナンス及びビルディング機器の構成要素の交換）を実施することは、メンテナンスコスト及び／又は資本コストの増加により、（コスト面で）最適でない解決策であり得る。例えば、ある時点において、使用寿命区間１２０４を延長する便益よりも、（メンテナンス及び／又は構成要素の交換を行うことによって）使用寿命区間１２０４の延長に関連するコストが上回ることがある。いくつかの実施形態では、一般的な機器の摩耗により、ビルディング機器の故障率が上昇し、曲線１２０２は、使用寿命後区間１２０８に移行する。

いくつかの実施形態では、使用寿命後区間１２０８は、ビルディング機器が使用寿命区間１２０４を超えたが、依然として交換されていない時間スパンを示す。いくつかの実施形態では、使用寿命後区間１２０８では、ビルディング機器が劣化するため、ビルディング機器は、故障率が上昇する。いくつかの実施形態では、ビルディング機器は、一般的な機器の摩耗により劣化する。いくつかの実施形態では、ビルディング機器は、コストの増加により、一般的な機器サービス提供が使用寿命区間１２０４と同程度に実施されない場合及び／又は全く行われない場合に劣化する。一般に、一般的な機器サービス提供は、ビルディング機器の使用寿命を、ユニット全体を交換する方が、費用対効果が高くなり得る特定の点までのみ延長できることがある。いくつかの実施形態では、使用寿命後区間１２０８が始まると直ちに、ビルディング機器の完全な交換がスケジュールされるべきであり、ビルディング機器が完全に交換されるようにする。このようにして、使用寿命後区間１２０８を短縮することができ、高い故障率に関連する動作コストの増加を最小限に抑えることができる。いくつかの実施形態では、ビルディング機器が完全に交換された後、使用寿命後区間１２０８は、終了する。

経時的なビルディング機器の効率低下

ここで、図１３を参照すると、グラフ１３００は、いくつかの実施形態による経時的なビルディング機器の機能的性能（例えば、効率）を例示する。グラフ１３００は、シリーズ１３０２及びシリーズ１３０４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、シリーズ１３０２は、ビルディング機器が最小効率閾値１３１０に達したのに応答して、機器サービス提供（例えば、メンテナンス及び／又は部品／構成要素の交換）が実施される場合を例示する。いくつかの実施形態では、シリーズ１３０４は、メンテナンスへの予防的な手法を表し、ビルディング機器が最小効率閾値１３１０に達する前に複数の機器サービスが実施される。

いくつかの実施形態では、シリーズ１３０２は、最小効率閾値１３１０に達したことに応答して機器サービス提供を実施することが、機器サービス提供が断続的に実施される場合（シリーズ１３０４）と比較して早期の効率低下をもたらす様子を例示する。シリーズ１３０２の効率値は、ビルディング機器から収集される機器情報（例えば、性能変数の値）及び機器のモデル（例えば、劣化モデル、性能変数の理想値など）に基づいて決定することができる。いくつかの実施形態では、機器の効率値は、動作コスト（例えば、単位コストあたりの生産量）に基づいて決定される。例えば、より高い動作コストは、ビルディング機器のより低い効率値を示すことがある。

第１の機器サービス提供ポイント１３０６は、シリーズ１３０２中の可能な機器サービス提供として示されている。いくつかの実施形態では、第１の機器サービス提供ポイント１３０６は、時点ｔ_１でシリーズ１３０２の効率値（すなわちＹ軸値）が最小効率閾値１３１０に達したことに応答して発生する。いくつかの実施形態では、最小効率閾値１３１０は、非常に高い動作コストを生じないようにＭＰＭシステム６０２が回避を試みるビルディング機器の効率値である。第１の機器サービス提供ポイント１３０６は、ビルディング機器が使用可能であると見なされる時間量を一時的に延長することができる。しかし、定期的な機器サービス提供を行わないと、ビルディング機器が使用可能であると見なされる追加の時間量が短くなることがある。いくつかの実施形態では、シリーズ１３０２に関して、機器サービス提供は、ビルディング機器の効率値が最小効率閾値１３１０以下になるたびに実施される。ビルディング機器が全体として劣化し続けるため、後続の各機器サービス提供は、ビルディング機器の効率値に与える効果が小さくなることがある。最終的に、ＭＰＭシステム６０２により、機器サービス提供に費やされる額が大きすぎると判断されることがあり、ビルディング機器は、交換をスケジュールされることがある。

また、グラフ１３００は、定期的な機器サービス提供が行われた場合の経時的なビルディング機器の効率を例示するシリーズ１３０４を含むものとして示されている。定期的な機器サービス提供により、ビルディング機器の使用可能時間の量を延ばすことができる。シリーズ１３０４は、多くの小さい機器サービス１３１２を含むものとして示されている。小さい機器サービス１３１２は、例えば、定期検査、何らかの部品交換、流体（例えば、冷却剤）の交換などを含むことができる。いくつかの実施形態では、それぞれの小さい機器サービス１３１２は、ビルディング機器の使用可能時間をわずかに延ばす。それぞれの小さい機器サービス１３１２は、ビルディング機器の使用可能時間をわずかに延長するにすぎないが、小さい機器サービス１３１２を繰り返し実施することにより、ビルディング機器の使用可能時間を大幅に増加することができる。また、シリーズ１３０４は、主要な機器サービス提供１３０８も含むものとして示されている。主要な機器サービス提供１３０８は、ビルディング機器の使用可能時間を大幅に増加させることができる。主要な機器サービス提供１３０８には、例えば、ビルディング機器のいくつかの部品交換、ソフトウェアアップグレード、複数の小さい機器サービス１３１２、改修などが含まれる。

シリーズ１３０４での機器サービスは、ビルディング機器の効率値が最小効率閾値１３１０に達する前に行われるものとして示されている。シリーズ１３０４は、時点ｔ_２で最小効率閾値１３１０に達するものとして示されている。いくつか実施形態では、ｔ_２とｔ_１との差は、異なる機器サービス提供方法に基づいてビルディング機器が最小効率閾値１３１０に達するまでの追加の期間を示す。いくつかの実施形態では、断続的な機器サービス提供により、ｔ_２は、ｔ_１よりも大きい。機器サービス提供を先行して実施することにより、ビルディング機器を完全に交換しなければならなくなるまでにビルディング機器の使用可能時間を大幅に増加することができる。

インセンティブ組込みを伴うモデル予測的メンテナンスシステム

概要

全般的に図１４～１７を参照すると、いくつかの実施形態による、インセンティブ組込みを伴うモデル予測的メンテナンスシステムに関するシステム及び方法が示されている。いくつかの実施形態では、図１４～１７を参照して以下でより詳細に述べるシステム及び方法のいずれかは、図６～１０を参照して上でより詳細に述べたＭＰＭシステム６０２に組み込まれる。例えば、図８～９を参照して上でより詳細に述べたモデル予測的メンテナンスシステム６０２の高レベルオプティマイザ８３２は、本明細書で以下に述べるシステム及び方法（例えば、コストインセンティブ）のいずれ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、ＭＰＭシステム６０２は、目的関数Ｊをさらに最適化するために１つ又は複数のコストインセンティブを受け取るように構成される。コストインセンティブは、コストを効果的に削減することができるＭＰＭでの使用に利用可能な任意のインセンティブを表すことができる。具体的には、コストインセンティブは、例えば、メンテナンスの実施、ビルディング機器の交換、システムのアップグレードなどのコストを削減することができる。例えば、コストインセンティブは、会計年度末に税控除を受けられるように可変冷媒流量（ＶＲＦ）システムでの１つ又は複数の冷媒の交換を奨励する税制優遇である。別の例として、コストインセンティブは、ビルディング機器の部品を環境に優しい代替物と交換するコストが削減されるように、環境配慮ビルディングインセンティブに関連付けられることがある。いくつかの実施形態では、１つ又は複数のコストインセンティブは、負のコスト項（すなわち収益項）として目的関数Ｊに追加されて、全体的なコストを削減する。いくつかの実施形態では、コストインセンティブは、提供されるコストインセンティブによっては、動作コスト、メンテナンスコスト及び／又は資本コストの増加をもたらす。しかし、コストインセンティブによる節約は、生じた追加コストを上回ることがあるため、目的関数Ｊをさらに最適化するようにそれでも決定することができる。例えば、ＶＲＦシステムでの冷媒を交換すると、追加の資本コスト及び／又はメンテナンスコストが生じることがあるが、冷媒を交換するためのコストインセンティブは、追加の資本コスト及び／又はメンテナンスコストよりも大きい額となり、それにより目的関数をさらに最適化することができる。

いくつかの実施形態では、目的関数Ｊの最適化中に考慮されるコストインセンティブは、現時点で利用可能であり、且つ／又は将来のある時点で利用可能になる。いくつかの実施形態では、コストインセンティブが現在利用可能である場合、コストインセンティブの便益は、直ちに且つ／又はコストインセンティブが満了する前に得ることができる。コストインセンティブが将来の時点で利用可能である場合、コストインセンティブが利用可能になる将来のある時点に得られるようにコストインセンティブをスケジュールすることができる。このように、目的関数Ｊを最適化する場合、最適化は、最適化期間にわたって最小のコストを達成するために、利用可能なコストインセンティブと将来のコストインセンティブとの両方を考慮することができる。利用可能なコストインセンティブは、現在利用可能なコストインセンティブ及び将来の時点で利用可能になるコストインセンティブを表し得ることを理解されたい。

コストインセンティブを伴うモデル予測的メンテナンス

ここで、図１４を参照すると、いくつかの実施形態による、コストインセンティブを伴う経時的な累積メンテナンス支出を例示するグラフ１４００が示されている。いくつかの実施形態では、グラフ１４００は、ビルディング１０のメンテナンス（すなわち目的関数Ｊのメンテナンス項）に関係するコストインセンティブを考慮に入れるものとして示されている。同様に、グラフ１４００は、資本購入に関係するコストインセンティブ（すなわち目的関数Ｊの資本コスト項）をモデル化するために同様に使用することができる。いくつかの実施形態において、コストインセンティブは、政府（例えば、連邦政府、州政府、地方自治体など）によって実施されて、節税によってビルディング機器（又はビルディング機器の構成要素）のアップグレード又は交換を奨励する。いくつかの実施形態では、コストインセンティブは、独立した組織、グループ、個人などによって実施され得る。例えば、ある民間企業は、大量の製品を販売することを望むことがあり、特定の量の製品の購入に対するコストインセンティブを提供する。

グラフ１４００は、図１５を参照して以下で述べる高レベルオプティマイザ８３２により、最適化期間１４０４にわたってメンテナンス支出が決定される様子を例示することができる。いくつかの実施形態では、グラフ１４００は、時間ステップｉ＝１から始まり、最終時間ステップｈまでの最適化期間１４０４を含む。いくつかの実施形態では、グラフ１４００は、第１のメンテナンス支出１４０６、第２のメンテナンス支出１４０８及び第３のメンテナンス支出１４１０を含む。一般に、メンテナンス支出は、Ｂ_{ｍａｉｎ，ｉ}＝１として時間ステップｉで発生するものとして示すことができる。一般に、メンテナンス支出は、Ｂ_{ｍａｉｎ，ｉ}＝０として時間ステップｉで発生しないものとして示すことができる。

第１のメンテナンス支出１４０６は、Ｂ_{ｍａｉｎ，６}＝１として時間ステップｉ＝６で発生するものとして示されている。いくつかの実施形態では、メンテナンスが時間ステップｉ＝６で行われるべきであるという、図１５を参照して以下で述べる高レベルオプティマイザ８３２からの決定により、第１のメンテナンス支出１４０６が発生する。第１のメンテナンス支出１４０６は、Ｃｏｓｔ_{ｍａｉｎ，１}と表すことができる。第１のメンテナンス支出１４０６が実施された後、累積メンテナンス支出Ｃｏｓｔ_ｍａｉｎは、Ｃｏｓｔ_ｍａｉｎ＝Ｃｏｓｔ_{ｍａｉｎ，１}と表すことができる。時間ステップｉ＝１６において、第２のメンテナンス支出１４０８が実施されるものとして示されており、第２のメンテナンス支出１４０８のコストは、Ｃｏｓｔ_{ｍａｉｎ，２}と表すことができる。第１のメンテナンス支出１４０６と同様に、第２のメンテナンス支出１４０８は、Ｂ_{ｍａｉｎ，１６}＝１として時間ステップｉ＝１６で発生するものとして示されている。いくつかの実施形態では、第２のメンテナンス支出１４０８は、累積メンテナンス支出Ｃｏｓｔ_ｍａｉｎをＣｏｓｔ_ｍａｉｎ＝Ｃｏｓｔ_{ｍａｉｎ，１}＋Ｃｏｓｔ_{ｍａｉｎ，２}に増加させる。さらに、時間ステップｉ＝２１で第３のメンテナンス支出１４１０が発生するものとして示されており、第３のメンテナンス支出１４１０のコストは、Ｃｏｓｔ_{ｍａｉｎ，３}として表すことができる。第１のメンテナンス支出１４０６と同様に、第３のメンテナンス支出１４１０は、いくつかの実施形態によれば、Ｂ_{ｍａｉｎ，２１}＝１として時間ステップｉ＝２１で発生するものとして示されている。いくつかの実施形態では、第３のメンテナンス支出１４１０は、累積メンテナンス支出Ｃｏｓｔ_ｍａｉｎをＣｏｓｔ_ｍａｉｎ＝Ｃｏｓｔ_{ｍａｉｎ，１}＋Ｃｏｓｔ_{ｍａｉｎ，２}＋Ｃｏｓｔ_{ｍａｉｎ，３}に増加する。最終的に、Ｃｏｓｔ_ｍａｉｎ＝Ｃｏｓｔ_{ｍａｉｎ，１}＋Ｃｏｓｔ_{ｍａｉｎ，２}＋Ｃｏｓｔ_{ｍａｉｎ，３}を未調整の合計メンテナンス支出１４１６として表すことができる。

メンテナンス支出シリーズ１４０２は、最適化期間１４０４にわたって示されている。いくつかの実施形態では、メンテナンス支出シリーズ１４０２は、最適化期間１４０４中の任意の時間ステップｉでの累積メンテナンス支出を例示する。いくつかの実施形態では、時間ステップｈでのメンテナンス支出シリーズ１４０２の値は、最適化期間１４０４中の最終的な累積メンテナンス支出である。

いくつかの実施形態では、目的関数オプティマイザ９４０は、最適化期間１４０４にわたって最適なメンテナンススケジュールを決定する。目的関数オプティマイザ９４０は、最適化期間１４０４にわたって最適なメンテナンススケジュールを決定する場合、１つ又は複数のコストインセンティブを考慮に入れることができる。いくつかの実施形態では、１つ又は複数のコストインセンティブは、現時点で利用可能な１つ又は複数のコストインセンティブ及び／又は将来の時点で利用可能な１つ又は複数のコストインセンティブを含む。いくつかの実施形態では、コストインセンティブは、最適化期間１４０４にわたって累積コスト（例えば、動作コスト、メンテナンスコスト、資本コストなど）を削減することによって目的関数Ｊをさらに最適化する。いくつかの実施形態では、コストインセンティブに関する１つ又は複数の要件を満たすために、追加のメンテナンス支出が最適である。例えば、コストインセンティブに関する要件を満たすために、目的関数オプティマイザ９４０によって第３のメンテナンス支出１４１０が実施されることが決定されていることがある。最適化期間１４０４にわたる最適なメンテナンススケジュールに第３のメンテナンス支出１４１０を実装することにより、コストインセンティブを満たして、最適化期間１４０４にわたる累積メンテナンス支出を最小化することができる。

また、グラフ１４００は、費用便益１４１４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、費用便益１４１４は、コストインセンティブに関する要件が整った後、未調整の合計メンテナンス支出１４１６から差し引かれる額（例えば、ドル）である。費用便益１４１４による節約は、直ちに利用可能でないことがある。例えば、費用便益１４１４が税制優遇である場合、費用便益１４１４は、税金が申告されるときに計上されることがある。費用便益１４１４が直ちに利用可能でない場合、ＭＰＭシステム６０２は、最適化期間１４０４中のより後の時間ステップで計上することができる費用便益１４１４を期待することができる場合、最適化期間１４０４中のより早い時間ステップで追加コストが生じるように１つ又は複数の決定を行うことができる。別の例として、１つ又は複数のコストインセンティブが将来のコストインセンティブである場合、費用便益１４１４は、直ちに利用可能でないことがある。任意のコストインセンティブが将来のコストインセンティブである場合、将来のコストインセンティブが得られる場合、将来の時点で費用便益１４１４の一部及び／又はすべてが利用可能になることがある。いくつかの実施形態では、費用便益１４１４は、コストインセンティブに関する要件が満たされると直ちに利用可能である。費用便益１４１４が直ちに利用可能である場合、ＭＰＭシステム６０２は、目的関数Ｊを最適化するための要件を満たすときに関する決定を行うことができる。

コスト節約１４１２は、費用便益１４１４から第３のメンテナンス支出１４１０を差し引いたものとして示されている。いくつかの実施形態では、コスト節約１４１２は、目的関数オプティマイザ９４０により、目的関数Ｊでの決定変数の最適値を決定するときに使用される。目的関数オプティマイザ９４０は、最適化を実施するときに第３のメンテナンス活動１４１０を実施する「コスト」としてコスト節約１４１２を使用することができる。グラフ１４００では、コスト節約１４１２は、第３のメンテナンス活動１４１０を実施することによってコストが削減されることを示す負の額である。コスト節約１４１２が、目的関数オプティマイザ９４０によって決定されたときに十分に大きい額でない場合、最適化期間１４０４中の１つ又は複数のメンテナンス支出は、行われないことがある。コスト節約１４１２が十分に大きい値でない場合、目的関数オプティマイザ９４０は、費用便益１４１４を含まないように最適なメンテナンススケジュールを決定し、且つ／又は費用便益１４１４を得るためにコストインセンティブ要件を満たすようにメンテナンス活動を決定することができる。

ここで、図１５を参照すると、いくつかの実施形態によるＭＰＭシステム６０２をより詳細に示すブロック図が示されている。コストインセンティブサービス８３８は、高レベルオプティマイザ８３２に１つ又は複数のコストインセンティブを提供するものとして示されている。コストインセンティブサービス８３８は、例えば、外部ウェブサイト、ＢＭＳ６０６のコストインセンティブ監視サービス、コストインセンティブ情報を記憶するデータベース、コストインセンティブ情報をＭＰＭシステム６０２に提供する人などであり得る。いくつかの実施形態では、コストインセンティブサービス８３８は、ＭＰＭシステム６０２と通信するときに利用可能なあらゆるコストインセンティブを提供する。いくつかの実施形態では、コストインセンティブサービス８３８は、ビルディング１０が利用可能であり得る１つ又は複数の特定のコストインセンティブを選択して提供することができ、いくつかのコストインセンティブを提供しないように決定することもできる。例えば、コストインセンティブサービス８３８は、コストインセンティブがビルディング１０に適用可能でないと判断することがあり、上記コストインセンティブをＭＰＭシステム６０２に提供しないことを決定することがある。別の例として、コストインセンティブサービス８３８は、ＶＲＦシステムでの冷媒を交換するための税制優遇がビルディング１０に適用可能であると判断することがあり、上記税制優遇をＭＰＭシステム６０２に提供することを決定することがある。いくつかの実施形態では、コストインセンティブサービス８３８は、考慮対象としてＭＰＭシステム６０２に提供されるコストインセンティブの数を減らすことにより、目的関数Ｊでの決定変数の最適値を決定するときに考慮に入れる必要のある変数が少なくなるため、ＭＰＭシステム６０２での処理効率を高めるのに役立つ。いくつかの実施形態では、コストインセンティブサービス８３８によって選択及び提供されるコストインセンティブは、動作コスト、メンテナンスコスト及び／又は資本コストを削減するために使用される。いくつかの実施形態では、高レベルオプティマイザ８３２は、コストインセンティブサービス８３８によって提供されるコストインセンティブを使用して、最適化期間にわたる合計コストを削減することによって目的関数Ｊを最適化（すなわち最小化）する。コストインセンティブを利用する高レベルオプティマイザ８３２については、図１６を参照して以下でより詳細に述べる。

いくつかの実施形態では、利用可能なコストインセンティブがない場合、コストインセンティブサービス８３８は、コストインセンティブを提供しない。利用可能なコストインセンティブがない場合、ＭＰＭは、コストインセンティブを考慮に入れずに実施されることがある。

ここで、図１６を参照すると、図９及び１５を参照して述べた高レベルオプティマイザ８３２がいくつかの実施形態に従ってより詳細に示されている。高レベルオプティマイザ８３２は、コストインセンティブマネージャ９５０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、コストインセンティブマネージャ９５０は、（例えば、図１５を参照して述べたコストインセンティブサービス８３８から）１つ又は複数のコストインセンティブを受け取るように構成される。いくつかの実施形態では、コストインセンティブマネージャ９５０は、いかなるコストインセンティブも受け取らない。この場合、高レベルオプティマイザ８３２は、いかなるコストインセンティブも考慮に入れずに目的関数を生成及び最適化する。

いくつかの実施形態では、コストインセンティブマネージャ９５０は、図１５を参照して述べたコストインセンティブサービス８３８によって提供されるコストインセンティブを受け取るように構成される。いくつかの実施形態では、提供されたコストインセンティブに基づいて、コストインセンティブマネージャ９５０は、コストインセンティブがメンテナンスコスト及び／又は資本コストに適用可能であるか否かを判断するように構成される。例えば、コストインセンティブは、新たなＶＲＦシステムが購入された場合に節税が利用可能であることを示すことができる。しかし、利用可能なコストインセンティブがない場合、コストインセンティブマネージャ９５０は、他の重要な操作を実施しないことがある。利用可能なコストインセンティブがない場合、コストインセンティブ情報なしでモデル予測的メンテナンスを実施することができる。コストインセンティブに基づいて、コストインセンティブマネージャ９５０は、コストインセンティブに関する情報が１つ又は複数の資本コストインセンティブとして資本コスト予測器９３０に提供されるべきであると判断することができる。別の例として、コストインセンティブマネージャ９５０に提供されるコストインセンティブは、暖房、換気及び空気調和（ＨＶＡＣ）システムに対してメンテナンスが実施される場合にコスト節約が利用可能である（又は利用可能になる）ことを示すことがある。コストインセンティブに基づいて、コストインセンティブマネージャ９５０は、コストインセンティブを表す１つ又は複数のメンテナンスコストインセンティブがメンテナンスコスト予測器９２０に提供されるべきであると判断することができる。

いくつかの実施形態では、コストインセンティブは、コストインセンティブが利用可能である期間を定義する。期間が定義されている場合、コストインセンティブマネージャ９５０は、１つ若しくは複数の資本コストインセンティブ及び／又は１つ若しくは複数のメンテナンスコストインセンティブにおいて期間を示すことができる。この期間は、目的関数オプティマイザ９４０によって実施される最適化に対する制約として機能し得る。例えば、税制優遇が連邦政府によって提供され、３か月後に終了する場合、税制優遇を得ることができる場合、３か月後までに税制優遇に関する要件を満たす必要があり得る。別の例として、環境配慮ビルディングインセンティブが現在利用可能でないが、現時点から２週間後に利用可能になる場合、環境配慮ビルディングインセンティブが利用可能になった後に環境配慮ビルディングインセンティブに関する要件を満たす必要があり得る。したがって、コストインセンティブマネージャ９５０は、特定のコストインセンティブの要件が時間通りに満たされないことを保証するために、特定のコストインセンティブが利用可能な期間を決定することができる。

コストインセンティブマネージャ９５０は、１つ又は複数のコストインセンティブがメンテナンスコスト予測器９２０及び資本コスト予測器９３０の両方に適用可能な情報を含むことを決定することができる。コストインセンティブがメンテナンスコスト予測器９２０及び資本コスト予測器９３０の両方に適用可能な情報を含むとき、コストインセンティブマネージャ９５０は、コストインセンティブに関する情報を、それぞれメンテナンスコスト予測器９２０及び資本コスト予測器９３０に提供される１つ又は複数のメンテナンスコストインセンティブ及び／又は１つ又は複数の資本コストインセンティブに分けることができる。いくつかの実施形態では、コストインセンティブに関する情報を１つ若しくは複数のメンテナンスコストインセンティブ及び／又は１つ若しくは複数の資本コストインセンティブに分けることにより、メンテナンスコスト予測器９２０及び資本コスト予測器９３０に関連する情報のみがそれぞれに提供される。例えば、いくつかの実施形態によれば、ビルディングにおいて新たなＶＲＦシステムが購入され、ビルディングでの古い冷媒が交換されるときに節税を提供するコストインセンティブを考える。コストインセンティブに基づいて、コストインセンティブマネージャ９５０は、コストインセンティブを、冷媒の交換に関する情報を含むメンテナンスコストインセンティブと、新たなＶＲＦシステムの購入に関する情報を含む資本コストインセンティブとに分けることができる。いくつかの実施形態によれば、メンテナンスコストインセンティブ及び資本コストインセンティブがそれぞれメンテナンスコスト予測器９２０及び資本コスト予測器９３０に提供されるとき、各コスト予測器に関連する情報のみが提供される（例えば、資本コスト予測器９３０は、冷媒の交換に関する情報を必要としないため、新たなＶＲＦシステムの購入に関する情報のみを受け取る）。

いくつかの実施形態では、メンテナンスコスト予測器９２０は、提供された機器性能情報及び１つ又は複数のメンテナンスコストインセンティブに基づいてメンテナンスコスト項を決定する。いくつかの実施形態では、メンテナンスコスト予測器９２０は、コストインセンティブマネージャ９５０によって提供される１つ又は複数のメンテナンスコストインセンティブに関する合計メンテナンスコスト節約を予測することにより、メンテナンスコスト項を決定する。目的関数Ｊのメンテナンスコスト項を決定するとき、メンテナンスコスト予測器９２０は、より多くの可能なメンテナンスを考慮に入れるために、Ｃ_ｍａｉｎ及び／又はＢ_ｍａｉｎに１つ又は複数の追加の変数を含む必要があり得る。いくつかの実施形態では、メンテナンスコストインセンティブは、通常であればメンテナンスコスト予測器９２０によって考慮されない１つ又は複数のタイプのメンテナンスを導入する。例えば、コストインセンティブがない場合、メンテナンスコスト予測器９２０は、ビルディング１０の冷媒を特定の環境に優しい冷媒に交換することを考慮しないことがある。この場合、Ｃ_ｍａｉｎは、以下の形式を有することがある。
Ｃ_ｍａｉｎ＝［Ｃ_{ｍａｉｎ，１} Ｃ_{ｍａｉｎ，２} … Ｃ_{ｍａｉｎ，ｍ}］
ここで、いくつかの実施形態によれば、アレイＣ_ｍａｉｎは、１×ｍのサイズを有し、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。

同様に、メンテナンスコストインセンティブが考慮されない場合、Ｂ_ｍａｉｎは、以下の形式を有することがある。

ここで、行列Ｂ_ｍａｉｎは、ｍ×ｈのサイズを有し、行列Ｂ_ｍａｉｎの各要素は、最適化期間の特定の時間ステップでの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。

しかし、ビルディング１０の冷媒を特定の環境に優しい冷媒に交換するためのメンテナンスコストインセンティブがメンテナンスコスト予測器９２０に提供される場合、メンテナンスコスト予測器９２０は、修正されたメンテナンスコストアレイＣ_{ｍａｉｎ，ｍｏｄ}と、修正されたメンテナンス決定行列Ｂ_{ｍａｉｎ，ｍｏｄ}とを生成して、メンテナンスコストインセンティブを考慮に入れることができる。メンテナンスコストインセンティブに基づいて、Ｃ_{ｍａｉｎ，ｍｏｄ}は、以下の形式を有することがある。
Ｃ_{ｍａｉｎ，ｍｏｄ}＝［Ｃ_{ｍａｉｎ，１} Ｃ_{ｍａｉｎ，２} … Ｃ_{ｍａｉｎ，ｍ} Ｃ_{ｍａｉｎ，ｍ＋１}］
ここで、Ｃ_{ｍａｉｎ，ｍ＋１}は、いくつかの実施形態によれば、ビルディングの冷媒を特定の環境に優しい冷媒に交換するメンテナンス活動ｊ＝ｍ＋１に関する追加のメンテナンスコスト値を示す。

同様に、Ｂ_{ｍａｉｎ，ｍｏｄ}は、特定の環境に優しい冷媒への交換を考慮に入れるために、以下の形式を有することがある。

ここで、いくつかの実施形態によれば、Ｂ_{ｍａｉｎ，ｍｏｄ}は、最適化期間での各時間ステップｉについて、メンテナンス活動ｊ＝ｍ＋１に関する追加の行Ｂ_{ｍａｉｎ，ｍ＋１，ｉ}を含む。目的関数オプティマイザ９４０が、目的関数生成器９３５によって生成された目的関数（例えば、目的関数Ｊ）を最適化（すなわち最小化）するとき、目的関数オプティマイザ９４０は、メンテナンスコストインセンティブに関する要件を満たすためにメンテナンスに関係する任意のものを含む決定変数の最適値を決定することができる。メンテナンスコストインセンティブが将来の時点で利用可能な将来のメンテナンスコストインセンティブである場合、目的関数オプティマイザ９４０は、将来のメンテナンスコストインセンティブが有効になる前に要件を満たすことができない場合、メンテナンスコストインセンティブの要件を満たすときを考慮に入れる必要があり得る。いくつかの実施形態では、メンテナンスコストインセンティブに関連するメンテナンス活動がＣ_ｍａｉｎ及び／又はＢ_ｍａｉｎにすでに存在する場合（すなわちＣ_ｍａｉｎ＝Ｃ_{ｍａｉｎ，ｍｏｄ}及びＢ_ｍａｉｎ＝Ｂ_{ｍａｉｎ，ｍｏｄ}）、新たな値／行がＣ_ｍａｉｎ及び／又はＢ_ｍａｉｎに追加される必要はない。いくつかの実施形態では、目的関数オプティマイザ９４０は、１つ又は複数のメンテナンスコストインセンティブによって生じる節約を考慮に入れる。

いくつかの実施形態では、メンテナンスコスト予測器９２０は、メンテナンスのコストＣｏｓｔ_ｍａｉｎを決定するとき、Ｃ_{ｍａｉｎ，ｍｏｄ}及び／又はＢ_{ｍａｉｎ，ｍｏｄ}を考慮に入れる。いくつかの実施形態では、メンテナンスコスト予測器９２０は、メンテナンスを実施することに関連する１つ又は複数のコストインセンティブを考慮に入れるとき、メンテナンスの修正されたコストＣｏｓｔ_{ｍａｉｎ，ｍｏｄ}を計算する。一般に、Ｃｏｓｔ_{ｍａｉｎ，ｍｏｄ}は、以下の式で表すことができる。

いくつかの実施形態では、資本コスト予測器９３０は、提供される機器信頼性情報及び１つ又は複数の資本コストインセンティブに基づいて資本コスト項を決定する。いくつかの実施形態では、資本コスト予測器９３０は、コストインセンティブマネージャ９５０によって提供される１つ又は複数の資本コストインセンティブに関する合計資本コスト節約を予測することにより、資本コスト項を決定する。目的関数Ｊの資本コスト項を決定するとき、資本コスト予測器９３０は、１つ又は複数の資本コストインセンティブによって示されるより多くの可能な資本購入を考慮に入れるために、Ｃ_ｃａｐ及び／又はＢ_ｃａｐに１つ又は複数の追加の変数を含む必要があり得る。

資本コストインセンティブは、通常であれば資本コスト予測器９３０によって考慮されない１つ又は複数の資本購入を導入することができる。例えば、コストインセンティブがない場合、資本コスト予測器９３０は、典型的には、現在の最適化期間中にビルディング１０のための新たなボイラを購入することを考慮しないことがある。この場合、Ｃ_ｃａｐは、以下の形式を有することがある。
Ｃ_ｃａｐ＝［Ｃ_{ｃａｐ，１} Ｃ_{ｃａｐ，２} … Ｃ_{ｃａｐ，ｐ}］
ここで、いくつかの実施形態によれば、アレイＣ_ｃａｐは、１×ｐのサイズを有し、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。

同様に、Ｂ_ｃａｐは、以下の形式を有することがある。

ここで、行列Ｂ_ｃａｐは、ｐ×ｈのサイズを有し、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。

しかし、ビルディング１０のための新たなボイラを購入するための資本コストインセンティブが資本コスト予測器９３０に提供される場合、資本コスト予測器９３０は、資本コストインセンティブに関連する資本購入を考慮に入れるために、修正された資本コストアレイＣ_{ｃａｐ，ｍｏｄ}及び修正されたバイナリ資本購入決定行列Ｂ_{ｃａｐ，ｍｏｄ}を計算することができる。資本コストインセンティブに基づいて、Ｃ_{ｃａｐ，ｍｏｄ}は、以下の形式を有することができる。
Ｃ_{ｃａｐ，ｍｏｄ}＝［Ｃ_{ｃａｐ，１} Ｃ_{ｃａｐ，２} … Ｃ_{ｃａｐ，ｐ} Ｃ_{ｃａｐ，ｐ＋１}］
ここで、Ｃ_{ｃａｐ，ｐ＋１}は、資本購入ｋ＝ｐ＋１に関するコスト値（すなわちビルディング１０のための新たなボイラを購入するためのコスト値）である。

同様に、Ｂ_{ｃａｐ，ｍｏｄ}は、ビルディング１０のための新たなボイラの購入を考慮に入れるために、以下の形式を有することがある。

ここで、いくつかの実施形態によれば、Ｂ_{ｃａｐ，ｍｏｄ}は、最適化期間の各時間ステップｉについて、メンテナンス活動ｋ＝ｐ＋１に関する追加の行Ｂ_{ｃａｐ，ｐ＋１，ｉ}を含む。いくつかの実施形態では、目的関数オプティマイザ９４０が、目的関数生成器９３５によって生成された目的関数（例えば、目的関数Ｊ）を最適化（すなわち最小化）するとき、目的関数オプティマイザ９４０は、資本コストインセンティブに関する要件を満たすために資本購入に関係する任意のものを含む決定変数の最適値を決定することができる。資本コストインセンティブが将来の時点で利用可能な将来の資本コストインセンティブである場合、目的関数オプティマイザ９４０は、将来の資本コストインセンティブが有効になる前に要件を満たすことができない場合、要件を満たすときを考慮に入れる必要があり得る。いくつかの実施形態では、資本コストインセンティブに関連する資本購入がＣ_{ｃａｐ，ｍｏｄ}及び／又はＢ_{ｃａｐ，ｍｏｄ}にすでに存在する場合、Ｃ_{ｃａｐ，ｍｏｄ}及び／又はＢ_{ｃａｐ，ｍｏｄ}に新たな値を追加する必要はない。いくつかの実施形態では、目的関数オプティマイザ９４０は、１つ又は複数の資本コストインセンティブによって生じる節約を単に考慮に入れる。

いくつかの実施形態では、資本コスト予測器９３０は、資本購入のコストＣｏｓｔ_ｃａｐを決定するときにＣ_{ｃａｐ，ｍｏｄ}及び／又はＢ_{ｃａｐ，ｍｏｄ}を考慮に入れる。いくつかの実施形態では、資本コスト予測器９３０は、資本購入に関連する１つ又は複数のコストインセンティブを考慮に入れるとき、修正された資本購入のコストＣｏｓｔ_{ｃａｐ，ｍｏｄ}を計算する。一般に、Ｃｏｓｔ_{ｃａｐ，ｍｏｄ}は、以下の式によって示すことができる。

ここで、Ｃｏｓｔ_{ｃａｐ，ｍｏｄ}は、最適化期間にわたる修正された資本購入のコストである。

いくつかの実施形態では、メンテナンスコスト予測器９２０及び資本コスト予測器９３０は、メンテナンス及び／又は交換情報を動作コスト予測器９１０にフィードし、それにより動作コスト予測器９１０が機器の効率値を更新することができる。様々なコストインセンティブに基づいて、機器は、異なる時間ステップにおいてメンテナンス及び／又は交換を受けることがあり、それにより、機器の効率値は、コストインセンティブがない場合と異なる時間ステップで更新される。

いくつかの実施形態では、目的関数生成器９３５は、動作コスト項、メンテナンスコスト項及び資本コスト項のそれぞれを収集して、コスト節約を利用するために１つ又は複数の可能なコストインセンティブを含む目的関数Ｊを生成する。いくつかの実施形態では、目的関数生成器９３５によって生成された目的関数Ｊは、目的関数オプティマイザ９４０に提供される。目的関数オプティマイザ９４０は、目的関数Ｊでの決定変数の最適値を決定して、最適化期間にわたって合計の複合コストを最適化することができる。いくつかの実施形態では、目的関数オプティマイザ９４０は、決定変数の最適値を決定するとき、コストインセンティブマネージャ９５０に提供される１つ又は複数のコストインセンティブを考慮に入れる。いくつかの実施形態では、目的関数オプティマイザ９４０は、ビルディング１０が１つ又は複数のコストインセンティブに関する要件を満たすことを可能にする、決定変数の最適値の異なる組を決定する。いくつかの実施形態では、１つ又は複数のコストインセンティブに関する要件を満たすことにより、追加のメンテナンスコスト及び／又は資本コストが生じるが、１つ又は複数のコストインセンティブに関連するコスト節約が、追加のメンテナンスコスト及び／又は資本コストによって生じるコストよりも大きい場合、合計の複合コストを削減することができる。いくつかの実施形態では、目的関数オプティマイザ９４０は、１つ又は複数のコストインセンティブの要件を満たすためにメンテナンスコスト及び／又は資本コストによって生じる追加のコストが、１つ又は複数のコストインセンティブに関連するコスト節約よりも大きいと判断する。メンテナンスコスト及び／又は資本コストによって生じる追加のコストがコスト節約よりも大きい場合、目的関数オプティマイザ９４０は、コストインセンティブを達成するのに必要なメンテナンス及び／又は交換なしでメンテナンス及び／又は交換を実施することを決定することができる。

上述したように、コストインセンティブが将来のコストインセンティブである場合、目的関数オプティマイザ９４０は、要件が早期に満たされることをコストインセンティブが許可しない場合、要件が早期に満たされないことを保証する必要があり得る。例えば、冷媒を交換するための税制優遇が提供されることがあり、現時点から２週間後に開始されるが、冷媒を早期に交換しても税制優遇を受けることはできない。いずれにせよビルディング内で冷媒を交換する必要がある場合、目的関数オプティマイザ９４０は、税制優遇を得るために交換を遅らせることで、冷媒を直ちに交換して動作コストを下げるよりも生じるコストが高くなるか又は低くなるかを判断することができる。いくつかの実施形態では、コストインセンティブが要件を早期に満たすことを許す場合、目的関数オプティマイザ９４０は、要件を満たすときに関する上記の制約を遵守することを必要とされない。しかし、目的関数オプティマイザ９４０は、コストの最適化を進める価値があるか否かを判断するために、コストインセンティブを得ることができるときを考慮に入れることを必要とされ得る。

いくつかの実施形態では、１つ又は複数のコストインセンティブに関する要件を満たすために生じるコスト節約は、現在の最適化期間外に節約される。例えば、税金が申告される前に現在の最適化期間が終了し、現在の最適化期間のコストインセンティブが税制優遇を含む場合、現在の最適化期間において節税が考慮に入れられないことがある。現在の最適化期間においてコスト節約が考慮に入れられない場合、目的関数Ｊの最適化は、コストインセンティブを達成しないメンテナンス及び／又は交換活動が実施されるべきであることを決定することを含み得る（それが最も費用対効果の高いソリューションである場合）。

いくつかの実施形態では、目的関数オプティマイザ９４０は、将来の最適化期間に関するコスト節約を得られるようにコストインセンティブが依然として満たされるように目的関数Ｊを最適化する。将来の最適化期間にわたるコスト節約を得られるようにコストインセンティブが依然として満たされることを保証するために、目的関数オプティマイザ９４０は、現在の最適化期間中に決定を行うことができるように、将来の収益の正味現在価値（ＮＰＶ）を考慮に入れることができる。例えば、費用収益が１５００ドルであり、６か月後に受け取られる場合、目的関数オプティマイザ９４０は、標準のＮＰＶ式を使用して、その費用収益を現時点で決定を行う価値に変換することができる。一般に、目的関数オプティマイザ９４０は、以下の式によって正味現在価値を決定することができる。

ここで、ｉは、割引率（すなわち同様のリスクを伴う投資で単位時間あたりにおいて得ることができるリターン）であり、ｔは、コストフロー（例えば、キャッシュフロー）の時間であり、Ｒｔは、正味コスト（例えば、キャッシュ）フローであり、Ｎは、期間の合計数であり、ＮＰＶ（ｉ，Ｎ）は、正味現在価値である。正味の現在価値を利用することにより、目的関数オプティマイザ９４０は、メンテナンス活動の実施の決定を、同じ最適化期間において上記活動から得られる費用収益と対にすることができる。将来の最適化期間を考慮に入れることにより、目的関数オプティマイザ９４０は、複数の最適化期間にわたって合計コストを最小化することが可能になり得る。いくつかの実施形態では、ＭＰＭシステム６０２での将来コスト節約設定は、目的関数オプティマイザ９４０が、目的関数Ｊを最適化する間に将来の最適化期間にわたるコスト節約を考慮するか否かを示す。

ここで、図１７を参照すると、いくつかの実施形態による、コストインセンティブ情報が与えられた目的関数Ｊを最適化するためのプロセス１７００の流れ図が示されている。いくつかの実施形態では、目的関数Ｊを最適化するときにコストインセンティブ情報を考慮に入れることにより、コスト節約により合計コストをさらに削減できるようになる。いくつかの実施形態では、コストインセンティブ要件を満たすためにメンテナンスを実施し且つ／又は機器を購入することにより、将来の時間ステップでの動作コストも削減される。例えば、コストインセンティブ要件を満たすためにメンテナンスを実施し且つ／又は機器を購入することにより、連続する時間ステップに関する動作コストを削減することができる。これは、既存の機器に対して追加のメンテナンスが実施されており、且つ／又は機器が交換されているからであり、これらは、いずれも動作コストを削減することができる。さらに、機器は、メンテナンス及び／又は交換後により高い効率で動作し、それによって動作コストを削減することがある。いくつかの実施形態では、プロセス１７００の一部及び／又はすべてのステップがＭＰＭシステム６０２によって実施される。

プロセス１７００は、いくつかの実施形態によれば、コストインセンティブサービスからコストインセンティブ情報を受け取ること（ステップ１７０２）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、コストインセンティブサービスは、コストインセンティブサービスに利用可能なすべてのコストインセンティブを提供する。いくつかの実施形態では、コストインセンティブサービスは、コストインセンティブサービスに利用可能なすべてのコストインセンティブのサブセットを選択し、このサブセットは、ビルディング機器に関連するコストインセンティブのみを含む。いくつかの実施形態では、コストインセンティブ情報は、現時点及び／又は将来において利用可能なコストインセンティブがないことを示す。いくつかの実施形態では、コストインセンティブサービス８３８及びＭＰＭシステム６０２がステップ１７０２の一部及び／又はすべてを実施する。

プロセス１７００は、いくつかの実施形態によれば、ビルディング機器のメンテナンス及び交換に関連するコストインセンティブを識別すること（ステップ１７０４）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１７０４は、コストインセンティブが利用可能であるか否かを判断することを含む。コストインセンティブが利用可能でない場合、プロセス１７００は、コストインセンティブを考慮に入れずにモデル予測的メンテナンスを実施することを含むことがある。コストインセンティブが利用可能である場合、ステップ１７０２で受け取られたコストインセンティブ情報によって示されるコストインセンティブは、そのコストインセンティブがメンテナンスに関連するか及び／又は資本購入に関連するかに応じて、グループ／サブセットに分けることができる。コストインセンティブは、満たすために、メンテナンスと１つ又は複数の資本購入とを必要とすることがある。いくつかの実施形態では、コストインセンティブが、メンテナンスと１つ又は複数の資本購入との両方が満たされることを必要とする場合、コストインセンティブは、連係された決定のパッケージとして扱われる。いくつかの実施形態では、コストインセンティブが、メンテナンスと１つ又は複数の資本購入との両方が満たされることを必要とする場合、コストインセンティブは、メンテナンスと資本購入との特定の組合せに連係される。例えば、コストインセンティブを満たすために必要とされる２つの対応する活動に関して２つのバイナリ決定変数の値が真（すなわち１）である場合、コストインセンティブに関するバイナリ決定も真になることがあり（例えば、Ｂ_ｔａｘ＝Ｂ_ｍａｉｎ×Ｂ_ｃａｐ）、ここで、１は、真であり、０は、偽である。したがって、Ｂ_ｔａｘ＝１では、目的関数Ｊの最適化中に費用収益が含まれることがある。いくつかの実施形態では、コストインセンティブからのコスト節約を得るためにすべての要件が満たされる必要がある場合、各グループ／サブセットでの各メンテナンス及び／又は資本購入は、各グループ／サブセットでのすべての他のメンテナンス及び／又は資本購入も実施される場合にのみ実施される。いくつかの実施形態では、コストインセンティブマネージャ９５０がステップ１７０４の一部及び／又はすべてを実施する。

プロセス１７００は、いくつかの実施形態によれば、メンテナンスに関連する１つ又は複数のコストインセンティブを含むビルディング機器に対してメンテナンスを実施する修正されたコスト（Ｃｏｓｔ_{ｍａｉｎ，ｍｏｄ}）を決定すること（ステップ１７０６）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、コストインセンティブが利用可能でない場合、ビルディング機器に対してメンテナンスを実施する修正されたコストは、コストインセンティブを考慮せずに決定されることがある。いくつかの実施形態では、利用可能なコストインセンティブがない場合、ステップ１７０６は、スキップされる。いくつかの実施形態では、Ｃｏｓｔ_{ｍａｉｎ，ｍｏｄ}は、最適化期間中の各時間ステップで実施されるすべてのメンテナンス活動に基づいて計算される。いくつかの実施形態では、メンテナンスコスト予測器９２０がステップ１７０６の一部及び／又はすべてを実施する。

プロセス１７００は、いくつかの実施形態によれば、資本購入に関連するコストインセンティブを含むビルディング機器を購入／交換（すなわち資本購入）する修正されたコスト（Ｃｏｓｔ_{ｃａｐ，ｍｏｄ}）を決定すること（ステップ１７０８）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、コストインセンティブが利用可能でない場合、ビルディング機器を購入／交換する修正されたコストは、コストインセンティブを考慮せずに決定されることがある。いくつかの実施形態では、利用可能なコストインセンティブがない場合、ステップ１７０８は、スキップされる。いくつかの実施形態では、Ｃｏｓｔ_{ｃａｐ，ｍｏｄ}は、最適化期間中の各時間ステップで実施されるすべての資本購入活動に基づいて計算される。いくつかの実施形態では、資本コスト予測器９３０がステップ１７０８の一部及び／又はすべてを実施する。

プロセス１７００は、いくつかの実施形態によれば、Ｃｏｓｔ_{ｍａｉｎ，ｍｏｄ}及びＣｏｓｔ_{ｃａｐ，ｍｏｄ}を用いてモデル予測的メンテナンスプロセスを実施して、ビルディング機器に関する最適な機器サービス提供戦略を決定すること（ステップ１７１０）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１７１０は、図１０を参照して述べたプロセス１０００を実施することを含む。いくつかの実施形態では、最適な機器サービス提供戦略は、最適なメンテナンス戦略及び最適な資本購入戦略を含む。いくつかの実施形態では、最適な機器サービス提供戦略は、最適化期間にわたる複合コストを最適化（最小化）するために使用される。いくつかの実施形態では、図６～９を参照して述べたＭＰＭシステム６０２がステップ１７１０の一部及び／又はすべてを実施する。

可変冷媒流量システムのモデル予測的メンテナンス
ここで、図１８Ａ～１８Ｂを参照すると、いくつかの実施形態によれば、可変冷媒流量（ＶＲＦ）システム１８００が示されている。ＶＲＦシステム１８００は、複数の屋外ＶＲＦユニット１８０２及び複数の屋内ＶＲＦユニット１８０４を含むものとして示されている。屋外ＶＲＦユニット１８０２は、ビルディングの外に位置させることができ、冷媒を加熱又は冷却するように動作することができる。屋外ＶＲＦユニット１８０２は、電気を消費して、冷媒を液相、気相及び／又は過熱気相間で変換することができる。屋内ＶＲＦユニット１８０４は、ビルディング内の様々なビルディングゾーン全体にわたって分散させることができ、加熱又は冷却された冷媒を屋外ＶＲＦユニット１８０２から受け取ることができる。各屋内ＶＲＦユニット１８０４は、屋内ＶＲＦユニットが位置されている特定のビルディングゾーンに関する温度制御を提供することができる。

ＶＲＦシステムの主な利点は、いくつかの屋内ＶＲＦユニット１８０４が冷却モードで動作することができ、他の屋内ＶＲＦユニット１８０４が加熱モードで動作できることである。例えば、屋外ＶＲＦユニット１８０２及び屋内ＶＲＦユニット１８０４は、加熱モード、冷却モード又はオフモードでそれぞれ動作することができる。各ビルディングゾーンは、個別に制御することができ、異なる温度設定値を有することができる。いくつかの実施形態では、各ビルディングは、ビルディングの外（例えば、屋上）に位置された最大３つの屋外ＶＲＦユニット１８０２と、ビルディング全体にわたって（例えば、様々なビルディングゾーン内に）分散された最大１２８個の屋内ＶＲＦユニット１８０４とを有する。

ＶＲＦシステム１８００には多くの異なる構成が存在する。いくつかの実施形態では、ＶＲＦシステム１８００は、各屋外ＶＲＦユニット１８０２が単一の冷媒戻りライン及び単一の冷媒出口ラインに接続する２パイプシステムである。２パイプシステムでは、加熱又は冷却された冷媒の１つのみを、単一の冷媒出口ラインを通して提供することができるため、すべての屋外ＶＲＦユニット１８０２が同じモードで動作する。他の実施形態では、ＶＲＦシステム１８００は、各屋外ＶＲＦユニット１８０２が冷媒戻りライン、高温冷媒出口ライン及び低温冷媒出口ラインに接続する３パイプシステムである。３パイプシステムでは、２つの冷媒出口ラインを通して加熱及び冷却の両方を同時に提供することができる。

いくつかの実施形態では、ＶＲＦシステム１８００は、図６～９を参照して述べたモデル予測的メンテナンス（ＭＰＭ）システム６０２と統合される。いくつかの実施形態では、ＭＰＭシステム６０２は、ＶＲＦシステム１８００及びシステム内の任意の／すべての構成要素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される。いくつかの実施形態では、ＭＰＭシステム６０２は、以下と同様及び／又は同一のＶＲＦシステム１８００及びその任意の／すべての構成要素に関する最適な購入／交換戦略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６０２は、各構成要素の現在の劣化状態及び使用推定（例えば、負荷予測及び性能曲線）について、ＶＲＦシステム１８００の構成要素の一部及び／又はすべてを監視するように構成される。例えば、ＭＰＭシステム６０２は、各屋内ＶＲＦユニット１８０４及び各屋外ＶＲＦユニット１８０２を監視することができる。いくつかの実施形態では、各ＶＲＦユニットは、様々な要因（例えば、ＶＲＦユニットが設置されたとき、ＶＲＦユニットが使用される頻度、ＶＲＦユニットが実行される電力の平均レベルなど）により、異なる現在の劣化状態を有する。現在の劣化状態及び使用推定に基づいて、ＭＰＭシステム６０２は、機器に関連する動作コスト、メンテナンスコスト及び／又は資本コストを予測することができる。いくつかの実施形態では、これらの予測は、図１０を参照して述べたプロセス１０００と同様及び／又は同一のプロセスによって行われる。

いくつかの実施形態では、上記の様々なコストが予測された後、最適化期間に関して目的関数Ｊが生成される。目的関数Ｊが生成された後、ＭＰＭシステム６０２は、目的関数Ｊを最適化（すなわち最小化）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、目的関数Ｊの最適化は、ＶＲＦシステム１８００の各構成要素について決定変数の最適値を決定する。例えば、１つの決定変数は、ビルディングゾーンが適切に冷却されていないことに応答して、屋内ＶＲＦユニット１８０４が最適化期間中の特定の時間ステップにおいてメンテナンスを実施される必要があることを示すことがある。別の例として、別の決定変数は、屋外ＶＲＦユニット１８０２が設置されたときよりもさらに５０％多くの電力を消費しているという決定に応答して、最適化期間中の特定の時間ステップにおいて屋外ＶＲＦユニット１８０２を交換する必要があり得る（すなわち資本コストが生じる）ことを示すことがある。

いくつかの実施形態では、１つ又は複数のコストインセンティブは、ＭＰＭシステム６０２が目的関数Ｊをさらに最適化することを可能にするＶＲＦシステム１８００に関連する。例えば、コストインセンティブは、現在の冷媒を環境に優しい冷媒で置き換えるための節税を提供することがある。目的関数Ｊを最適化するとき、ＭＰＭシステム６０２は、コストインセンティブを満たすための節税が最適化期間にわたって合計コストを削減できることを決定することができる。いくつかの実施形態では、現在の冷媒を環境に優しい冷媒に交換するとき、環境に優しい冷媒が購入されて、ＶＲＦシステム１８００において交換される必要があるため、追加のメンテナンスコストが生じる。いくつかの実施形態では、現在の冷媒を環境に優しい冷媒で置き換えることにより、節税を行い、さらに動作コストを削減する。いくつかの実施形態では、コストインセンティブは、政府によって実施され、初期コストの一部を相殺してコストインセンティブを実施することにより、より効率的な技術を推進する。したがって、環境に優しい冷媒を実装することにより、ＶＲＦシステム１８００は、最適化期間中にわたって節税でき、且つ動作コストを削減することができる。

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、多くの変更形態が可能である（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得るか、又は他の方法で変更され得、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得る。したがって、そのような変更形態は、すべ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るか又は並べ替えられ得る。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対する他の置換形態、修正形態、変更形態及び省略形態がなされ得る。

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るか、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るか、又は有線システムによって実装され得る。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り得る。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、図示されるものと異なり得る。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得る。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、すべ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. ビルディング機器のためのモデル予測的メンテナンスシステムであって、
   ビルディングでの可変の状態又は条件に影響を及ぼすように前記ビルディング機器を動作させるべく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べく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してメンテナンスを実施するコストを予測するべく構成されたメンテナンスコスト予測器と、
   任意のコストインセンティブが利用可能であるか否かを判断することと、
   １つ以上のコストインセンティブが利用可能であるという判断に応答して、前記ビルディング機器に対してメンテナンスを実施することに関連する前記１つ以上のコストインセンティブを識別することと
   を行うべく構成されたコストインセンティブマネージャと、
   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合計コストを予測するために目的関数を最適化するべく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予測されたコストと、
   前記ビルディング機器に対してメンテナンスを実施する予測されたコストと、
   前記１つ以上のコストインセンティブが利用可能であるという判断に応答しての、前記ビルディング機器に対してメンテナンスを実施することに関連する前記１つ以上のコストインセンティブと
   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べく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予測されたコストをさらに含む、請求項１のモデル予測的メンテナンスシステム。
3. 前記コストインセンティブマネージャは、前記ビルディング機器の１つ以上のデバイスを購入又は交換することに関連する１つ以上のコストインセンティブを決定するべく構成される、請求項２のモデル予測的メンテナンスシステム。
4. 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で前記目的関数を動的に更新するべく構成された目的関数生成器をさらに含む、請求項１のモデル予測的メンテナンスシステム。
5. 前記コストインセンティブマネージャは、前記１つ以上のコストインセンティブのそれぞれが利用可能であるときの前記１つ以上のコストインセンティブのそれぞれに関する期間を識別するべく構成され、
   前記目的関数は、前記１つ以上のコストインセンティブのそれぞれに関する期間をさらに含む、請求項１のモデル予測的メンテナンスシステム。
6. 前記１つ以上のコストインセンティブは、前記コストインセンティブを達成するための１つ以上の要件をそれぞれ定義する、請求項１のモデル予測的メンテナンスシステム。
7. 前記目的関数オプティマイザはさらに、
   前記１つ以上のコストインセンティブのそれぞれに関連する収益の額及び特定のメンテナンス活動を決定することと、
   前記最適化期間中にそれぞれの特定のメンテナンス活動が実施されるべきか否か及び実施されるべきときを、前記関連する収益の額を達成するように決定するべく前記目的関数を最適化することであって、前記最適化期間の前記継続期間にわたる前記予測された合計コストを最小化することを含むことと
   を行うべく構成される、請求項１のモデル予測的メンテナンスシステム。
8. ビルディング機器のモデル予測的メンテナンスを実施する方法であって、
   機器コントローラによって、ビルディングでの可変の状態又は条件に影響を及ぼすように前記ビルディング機器を動作させるステップと、
   動作コスト予測器によって、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ステップと、
   メンテナンスコスト予測器によって、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に対してメンテナンスを実施するコストを予測するステップと、
   コストインセンティブマネージャによって、任意のコストインセンティブが利用可能であるか否かを判断するステップと、
   前記コストインセンティブマネージャによって、１つ以上のコストインセンティブが利用可能であるとの判断に応答して、前記ビルディング機器に対してメンテナンスを実施することに関連する前記１つ以上のコストインセンティブを識別するステップと、
   目的関数オプティマイザによって、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合計コストを予測するべく目的関数を最適化するステップであって、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してメンテナンスを実施する前記予測されたコストと、前記１つ又は複数のコストインセンティブが利用可能であるという判断に応答しての、前記ビルディング機器に対してメンテナンスを実施することに関連する前記１つ以上のコストインセンティブとを含む、ステップと
   を含む、方法。
9. 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ステップをさらに含み、
   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予測されたコストをさらに含む、請求項８の方法。
10. 前記ビルディング機器の１つ以上のデバイスを購入又は交換することに関連する１つ以上のコストインセンティブを決定するステップをさらに含む、請求項９の方法。
11. 前記目的関数を最適化するステップは、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前記合計コストを最小化するべく、それぞれの特定のタイプのメンテナンスを実施するか否か及び実施するときを決定するために前記目的関数を最小化するステップをさらに含む、請求項９の方法。
12. 前記１つ以上のコストインセンティブは、前記コストインセンティブを達成するための１つ以上の要件をそれぞれ定義する、請求項８の方法。
13. 前記１つ以上のコストインセンティブのそれぞれに関連する収益の額及び特定のメンテナンス活動を決定するステップをさらに含み、
    前記目的関数を最適化するステップは、
    前記最適化期間中にそれぞれの特定のメンテナンス活動が実施されるべきであるか否か及び実施されるべきときを、前記関連する収益の額を達成するように決定するステップと、
    前記最適化期間の前記継続期間にわたる前記予測された合計コストを最小化するステップと
    をさらに含む、請求項８の方法。
14. ビルディング機器のためのモデル予測的メンテナンスシステムであって、
    ビルディングでの可変の状態又は条件に影響を及ぼすように前記ビルディング機器を動作させるべく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べく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してメンテナンスを実施するコストを予測するべく構成されたメンテナンスコスト予測器と、
    任意のコストインセンティブが利用可能であるか否かを判断することと、
    １つ以上のコストインセンティブが利用可能であるという判断に応答して、前記ビルディング機器に対してメンテナンスを実施することに関連する前記１つ以上のコストインセンティブを識別することと
    を行うべく構成されたコストインセンティブマネージャと、
    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を動作させて保守するための最適な戦略を決定するべく目的関数を最適化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予測されたコストと、
    前記ビルディング機器に対してメンテナンスを実施する予測されたコストと、
    前記１つ以上のコストインセンティブが利用可能であるという判断に応答しての、前記ビルディング機器に対してメンテナンスを実施することに関連する前記１つ以上のコストインセンティブと
    を含む、モデル予測的メンテナンスシステム。
15. 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べく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１４のモデル予測的メンテナンスシステム。
16. 前記コストインセンティブマネージャは、前記ビルディング機器の１つ以上のデバイスを購入又は交換することに関連する１つ以上のコストインセンティブを決定するべく構成される、請求項１５のモデル予測的メンテナンスシステム。
17. 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で前記目的関数を動的に更新するべく構成された目的関数生成器をさらに含む、請求項１４のモデル予測的メンテナンスシステム。
18. 前記コストインセンティブマネージャは、前記１つ以上のコストインセンティブのそれぞれが利用可能であるときの前記１つ以上のコストインセンティブのそれぞれに関する期間を識別するべく構成され、
    前記目的関数は、前記１つ以上のコストインセンティブのそれぞれに関する期間をさらに含む、請求項１４のモデル予測的メンテナンスシステム。
19. 前記１つ以上のコストインセンティブは、前記コストインセンティブを達成するための１つ以上の要件をそれぞれ定義する、請求項１４のモデル予測的メンテナンスシステム。
20. 前記目的関数オプティマイザはさらに、
    前記１つ以上のコストインセンティブのそれぞれに関連する収益の額及び特定のメンテナンス活動を決定することと、
    前記最適化期間中にそれぞれの特定のメンテナンス活動が実施されるべきか否か及び実施
    されるべきときを、前記関連する収益の額を達成するように決定するべく前記目的関数を最適化することであって、前記最適化期間の前記継続期間にわたる前記予測された合計コストを最小化することを含むことと
    を行うべく構成される、請求項１４のモデル予測的メンテナンスシステム。

Images