KR102041417B1 - 기온 분포를 사용한 측정 및 검증 가중 방법 및 시스템 - Google Patents

기온 분포를 사용한 측정 및 검증 가중 방법 및 시스템 Download PDF

Info

Publication number
KR102041417B1
KR102041417B1 KR1020147033782A KR20147033782A KR102041417B1 KR 102041417 B1 KR102041417 B1 KR 102041417B1 KR 1020147033782 A KR1020147033782 A KR 1020147033782A KR 20147033782 A KR20147033782 A KR 20147033782A KR 102041417 B1 KR102041417 B1 KR 102041417B1
Authority
KR
South Korea
Prior art keywords
energy usage
temperature
building
measurements
period
Prior art date
Application number
KR1020147033782A
Other languages
English (en)
Other versions
KR20150007330A (ko
Inventor
로버트 씨. 바트메스
수만 올니
드류 존 더턴
Original Assignee
지멘스 인더스트리, 인크.
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Priority claimed from US13/463,901 external-priority patent/US20130297240A1/en
Application filed by 지멘스 인더스트리, 인크. filed Critical 지멘스 인더스트리, 인크.
Publication of KR20150007330A publication Critical patent/KR20150007330A/ko
Application granted granted Critical
Publication of KR102041417B1 publication Critical patent/KR102041417B1/ko

Links

Images

Classifications

    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01R—MEASURING ELECTRIC VARIABLES; MEASURING MAGNETIC VARIABLES
    • G01R21/00—Arrangements for measuring electric power or power factor
    • G01R21/133—Arrangements for measuring electric power or power factor by using digital technique
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
    • G06Q50/06—Energy or water supply
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q90/00—Systems or methods specially adapted for administrative, commercial, financial, managerial or supervisory purposes, not involving significant data processing
    • G—PHYSICS
    • G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
    • G16Z—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS, NOT OTHERWISE PROVIDED FOR
    • G16Z99/00—Subject matter not provided for in other main groups of this subclass
    • Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y04—INFORMATION OR COMMUNICATION TECHNOLOGIES HAVING AN IMPACT ON OTHER TECHNOLOGY AREAS
    • Y04S—SYSTEMS INTEGRATING TECHNOLOGIES RELATED TO POWER NETWORK OPERATION, COMMUNICATION OR INFORMATION TECHNOLOGIES FOR IMPROVING THE ELECTRICAL POWER GENERATION, TRANSMISSION, DISTRIBUTION, MANAGEMENT OR USAGE, i.e. SMART GRIDS
    • Y04S20/00—Management or operation of end-user stationary applications or the last stages of power distribution; Controlling, monitoring or operating thereof
    • Y04S20/20—End-user application control systems
    • Y04S20/242—Home appliances

Landscapes

  • Business, Economics & Management (AREA)
  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Economics (AREA)
  • Health & Medical Sciences (AREA)
  • General Business, Economics & Management (AREA)
  • Theoretical Computer Science (AREA)
  • Power Engineering (AREA)
  • Water Supply & Treatment (AREA)
  • Public Health (AREA)
  • General Health & Medical Sciences (AREA)
  • Human Resources & Organizations (AREA)
  • Marketing (AREA)
  • Primary Health Care (AREA)
  • Strategic Management (AREA)
  • Tourism & Hospitality (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)
  • Remote Monitoring And Control Of Power-Distribution Networks (AREA)
  • Measuring Temperature Or Quantity Of Heat (AREA)

Abstract

시스템들, 방법들, 및 매체들은 에너지 사용량 측정들에서 기온 가중을 사용한다. 방법은 어떤 기간 동안 한 장소에서 복수의 상이한 기온들 각각이 발생한 일수를 식별하는 단계를 포함한다. 이 방법은 그 장소에 위치한 건물에서의 초기 에너지 사용량에 대한 기준치를 식별하는 단계를 포함한다. 이 방법은 그 건물에서의 에너지 사용량에 대한 측정치들을 수신하는 단계를 포함한다. 이 방법은 에너지 사용량에 대한 측정치들에 대해 회귀 분석을 수행하는 것에 의해 측정된 에너지 사용량에 대한 표현식을 기온의 함수로서 발생시키는 단계를 포함한다. 이 방법은 초기 에너지 사용량에 대한 기준치와 측정된 에너지 사용량에 대한 표현식 간의 차를 식별하는 단계를 포함한다. 이 방법은 그 기간 동안 하나 이상의 기온들이 발생한 일수에 기초하여, 하나 이상의 기온들에서 기준치 에너지 사용량과 측정된 에너지 사용량 간의 차에 대한 가중치를 발생시키는 단계를 포함한다.

Description

기온 분포를 사용한 측정 및 검증 가중 방법 및 시스템{METHODS AND SYSTEMS FOR MEASUREMENT AND VERIFICATION WEIGHTING WITH TEMPERATURE DISTRIBUTION}
관련 출원의 상호 참조 및 우선권 주장
본 출원은 2012년 5월 4일자로 출원된, 발명의 명칭이 "Methods and Systems for Improved Time Cost and Accuracy of Energy Usage Baselining"인 미국 특허 출원 제13/463,901호(참조 문헌으로서 본 명세서에 포함됨)의 일부 계속 출원으로서 그를 기초로 우선권을 주장한다.
본 개시 내용은, 일반적으로, 에너지 사용량에 관한 것으로서, 보다 상세하게는, 기온 분포를 사용하여 에너지 사용량 측정 및 검증 가중을 개선시키는 것에 관한 것이다.
관리 시스템 및 제품을 구현하는 것에 의해 제공되는 에너지 절감을 측정하기 위해, 그와 대조하여 현재 에너지 사용량을 측정하기 위한 에너지 사용량 기준치를 갖는 것이 도움이 된다. 이전에 사용된 해결책들은 임의의 에너지 절감 제품들을 설치하기 전에 장기간(예를 들어, 일년 전체)에 걸쳐 에너지 소비량을 계측하는 것을 포함하였다. 계측을 위해 이러한 장기간을 요구하는 것은 기온 및 계절별 에너지 사용량 변동들에 대한 충분한 데이터를 획득할 필요성에 기초하고 있다. 이 에너지 사용량 기준치를 설정하는 하나의 해결책은 일년의 데이터가 수집될 수 있을 때까지 에너지 소비자의 장소에서 에너지 절감 관리 시스템들 및 제품들을 구현하지 않는 것을 포함할 것이다. 이 해결책은 그 장소의 기온 변화들 및 동작 거동 모두가 에너지 사용량 기준치에 포함될 수 있게 할 것이다.
그렇지만, 에너지 절감 제품들을 설치하기 전의 에너지 사용량을 모델링하는 것은 사업 측면에서 볼 때 타당하지 않을 수 있다. 소비자들은 에너지 절감을 실현하기 전에 장기간 동안 기다려야만 하는 것을 원치 않는다. 사업 고려사항들은 소비자가 에너지 절감 제품들의 이점들을 향유하기 위해 이 에너지 사용량 기준치를 설정하기 위한 기간을 감소시킬 것을 요구한다. 그에 부가하여, 트래픽 레벨, 동작 조건들, 및 가전제품 효율과 같은 모든 비기온 변수들이 일년 동안 일정하게 유지되는 것이 어려울 수 있다. 이 변수들 중 일부가 변하는 경우, 에너지 사용량을 모니터링하는 것으로부터 획득된 데이터의 일부 또는 전부가 유효하지 않게 될 수 있다.
측정 및 검증은 구현되는 에너지 효율 대책들의 결과들을 그렇지 않았으면 얻어졌을 성능과 비교하는 한 방법이다. 이 방법은 다양한 독립 변수들에 대해 주변 기온인 주 변수들을 제어하려고 시도한다. 기온 조정된 에너지 절감 계산들은 일년 동안 절감 계획을 세우기 위해 제한된 데이터 세트(예를 들어, 몇주 또는 몇달 분량의 데이터)를 사용한다. 제한된 데이터 세트를 사용하는 것은 부정확할 수 있는데, 그 이유는 주어진 일년 동안 그만큼 빈번히 발생하지 않을 수 있는 변동들이 그 제한된 기간에 일어날 수 있기 때문이다.
다양한 개시된 실시예들은 에너지 사용량 측정에서의 기온 가중 시스템들 및 방법들에 관한 것이다.
다양한 실시예들은 자동화 시스템들, 방법들, 및 매체들을 포함한다. 시스템들, 방법들, 및 매체들은 에너지 사용량 측정들에서 기온 가중을 사용한다. 방법은 어떤 기간 동안 한 장소에서 복수의 상이한 기온들 각각이 발생한 일수를 식별하는 단계를 포함한다. 이 방법은 그 장소에 위치한 건물에서의 초기 에너지 사용량에 대한 기준치를 식별하는 단계를 포함한다. 이 방법은 그 건물에서의 에너지 사용량에 대한 측정치들을 수신하는 단계를 포함한다. 이 방법은 에너지 사용량에 대한 측정치들에 대해 회귀 분석을 수행하는 것에 의해 측정된 에너지 사용량에 대한 표현식을 기온의 함수로서 발생시키는 단계를 포함한다. 이 방법은 초기 에너지 사용량에 대한 기준치와 측정된 에너지 사용량에 대한 표현식 간의 차를 식별하는 단계를 포함한다. 그에 부가하여, 이 방법은 그 기간 동안 하나 이상의 기온들이 발생한 일수에 기초하여, 하나 이상의 기온들에서 기준치 에너지 사용량과 측정된 에너지 사용량 간의 차에 대한 가중치를 발생시키는 단계를 포함한다.
이상에서는, 당업자가 이하의 상세한 설명을 더 잘 이해할 수 있도록 본 개시 내용의 특징들 및 기술적 장점들을 꽤 폭넓게 개략적으로 기술하였다. 청구항들의 요지를 형성하는 본 개시 내용의 부가의 특징들 및 장점들이 이후부터 기술될 것이다. 당업자라면 개시되어 있는 구상 및 구체적인 실시예를 본 개시 내용의 동일한 목적들을 수행하기 위한 다른 구조들을 수정하거나 설계하기 위한 기초로서 용이하게 사용할 수 있다는 것을 잘 알 것이다. 당업자라면 또한 이러한 등가의 구성들이 그의 광의의 형태에서 본 개시 내용의 사상 및 범주를 벗어나지 않는다는 것을 잘 알 것이다.
이하에서 상세한 설명을 하기 전에, 본 특허 문서 전체에 걸쳐 사용되는 특정의 단어들 또는 문구들의 정의들을 기재하는 것이 유리할 수 있다: "포함하다" 및 "구비하다"라는 용어들은 물론 그의 파생어들은 제한없이 포함하는 것을 의미하고; "또는"이라는 용어는 포함적이고, '및/또는'을 의미하며; "~와 연관된" 및 "그와 연관된"과 같은 문구들은 물론 그의 파생어들은 포함하다, ~내에 포함되다, ~와 상호 연결하다, 내포하다, ~ 내에 내포되다, ~에 또는 ~와 연결하다, ~에 또는 ~와 결합하다, ~와 통신가능하다, ~와 협력하다, 인터리빙하다, 병치하다, ~에 근접하다, ~에 또는 ~와 연계되다, 가지다, ~의 특성을 가지다 등을 의미할 수 있고; "제어기"라는 용어는 적어도 하나의 동작을 제어하는 임의의 디바이스, 시스템 또는 그의 일부를 의미하고, 이러한 디바이스는 하드웨어, 펌웨어, 소프트웨어 또는 이들 중 적어도 2개의 어떤 조합으로 구현되든 관계없다. 유의할 점은, 임의의 특정의 제어기와 연관된 기능이 중앙에 집중되어 있거나, 로컬적으로든 원격적으로든 분산되어 있을 수 있다는 것이다. 특정의 단어들 및 문구들에 대한 정의들은 본 특허 문서 전체에 걸쳐 제공되며, 당업자라면 이러한 정의들이, 대부분은 아닐지라도 많은 경우들에서, 이러한 정의된 단어들 및 문구들의 이전의 사용은 물론 장래의 사용에 적용된다는 것을 잘 알 것이다. 어떤 용어들이 아주 다양한 실시예들을 포함할 수 있지만, 첨부된 청구항들은 이 용어들을 특정의 실시예들로 명백하게 제한할 수 있다.
본 개시 내용 및 그의 장점들의 보다 완전한 이해를 위해, 이제부터 유사한 참조 번호들이 유사한 물체들을 나타내고 있는 첨부 도면들과 관련하여 기술된 이하의 설명을 참조한다.
도 1은 본 개시 내용의 다양한 실시예들이 구현되는 에너지 모니터링 환경의 블록도.
도 2는 본 개시 내용의 다양한 실시예들이 구현되는 데이터 처리 시스템의 블록도.
도 3은 본 개시 내용의 다양한 실시예들이 구현되는 건물 관리 시스템의 블록도.
도 4는 개시된 실시예들에 따른 조정된 에너지 사용량 기준치를 발생시키는 프로세스의 플로우차트.
도 5는 개시된 실시예들에 따른 에너지 사용량 측정에서의 기온 가중에 대한 프로세스의 플로우차트.
도 6a 및 도 6b는 본 개시 내용의 다양한 실시예들에 따라 발생된 에너지 사용량 기준치들의 그래프들을 나타낸 도면.
도 7은 본 개시 내용의 다양한 실시예들에 따른, 과거 기온 분포, 기준치 기온 분포, 및 제어 데이터 기온 분포의 그래프를 나타낸 도면.
도 8은 본 개시 내용의 다양한 실시예들에 따른, 기준치 에너지 사용량과 측정된 에너지 사용량 간의 차의 그래프를 나타낸 도면.
이하에서 논의되는 도 1 내지 도 8, 그리고 본 특허 문서에서 본 개시 내용의 원리들을 기술하기 위해 사용되는 다양한 실시예들은 단지 예시적인 것이며, 결코 본 개시 내용의 범주를 제한하는 것으로 해석되어서는 안된다. 당업자라면 본 개시 내용의 원리들이 임의의 적당히 구성된 디바이스 또는 시스템에서 구현될 수 있다는 것을 잘 알 것이다.
개시된 실시예들은 몇주 또는 몇개월에 걸쳐 수집된 에너지 사용량 데이터가 왜곡되거나 편향되어 있을 수 있다는 것을 인식하고 있다. 예를 들어, 샘플 분포(예컨대, 각각의 기온에서 몇개의 에너지 사용량 데이터 점들이 있는지)가 일년 전체의 분량의 데이터와 동일한 분포가 아닐 수 있고, 종종 아주 상이하다. 개시된 실시예들은 대부분의 일별 기온들이 범위의 중간 쪽에 아주 많이 있고 보다 적은 데이터 점들이 덥고 추운 극단들에 있다는 것을 인식하고 있다.
개시된 실시예들은 에너지 사용량 예측의 검증 및 측정에서 에너지 사용량 데이터를 가중하기 위해 과거 기온 분포를 사용한다. 예를 들어, 흔히 발생하는 기온들에서의 에너지 사용량 데이터 점들은 측정 및 검증에 더 신뢰성이 있는 것으로 간주될 수 있다. 이와 유사하게, 기온 분포의 양극단에서의 에너지 사용량 데이터 점들은 덜 빈번히 발생하고 연간 에너지 사용량에 영향을 덜 미칠 수 있다. 그에 따라, 개시된 실시예들은 에너지 사용량 예측의 검증 및 측정의 정확도를 향상시키고, 충분히 정확한 결과들을 획득하기 위해 데이터 수집에 필요한 시간량을 감소시킬 수 있다.
개시된 실시예들은 에너지 사용량 기준치의 정확도를 개선시키면서 건물에서의 에너지 사용자의 기준치를 설정하는 데 필요한 시간량을 감소시킨다. 에너지 사용량 기준치는 기온의 함수인 특정의 장소에서의 에너지 사용량에 대한 수학적 관계이다. 에너지 사용량이 기온에 기초하여 변할 수 있기 때문에, 에너지 사용량 기준치는 기온에 대해 조절되는 방식으로 에너지 소비량을 표현하는 효과적인 방식이다.
개시된 실시예들은 기온 범위에 걸쳐 뻗어 있는 정확한 에너지 사용량 기준치를 제공하기 위해 과거 에너지 사용량 데이터를 그 장소로부터의 현재 에너지 사용량 측정치들의 샘플과 결합함으로써 데이터 수집 시간을 감소시킨다. 개시된 실시예들은 에너지 효율 척도들, 동작 변화들, 및 가전제품 변화들의 효과를 측정하기 위해 이 에너지 사용량 기준치를 이용한다.
도 1은 다양한 실시예들이 구현되는 에너지 모니터링 환경(100)의 블록도를 나타낸 것이다. 이 예시적인 실시예에서, 에너지 모니터링 환경(100)은 네트워크(108)를 통해 저장 디바이스(104) 및 건물(106)에 연결된 데이터 처리 시스템(102)을 포함한다. 네트워크(108)는 에너지 모니터링 환경(100) 내의 다양한 데이터 처리 시스템들 및 다른 디바이스들 간의 통신 링크들을 제공하는 데 사용되는 매체이다. 네트워크(108)는 유선, 무선, 또는 광섬유 링크들과 같은 임의의 수의 적당한 연결들을 포함할 수 있다. 네트워크(108)는, 예를 들어, 인터넷, 근거리 통신망(LAN), 또는 원거리 통신망(WAN)과 같은 다수의 상이한 유형의 네트워크들로서 구현될 수 있다.
본 개시 내용의 요소들은 네트워크(108)와 연결되어 있는 데이터 처리 시스템(102) 및 저장 디바이스(104)에서 구현될 수 있다. 예를 들어, 데이터 처리 시스템(102)은 에너지 사용량 기준치를 발생시키기 위해 저장 디바이스(104)로부터 건물(106)에 대한 과거 에너지 사용량 데이터 및 현재 에너지 사용량 측정치들 둘 다를 획득할 수 있다. 건물(106)은 에너지 사용량이 모니터링되는 장소이다. 예를 들어, 건물(106)의 운영자는 장래 에너지 사용량과 비교하기 위해 모델링된 현재 에너지 사용량을 갖고자 원할 수 있다.
데이터 처리 시스템(102)은 과거 공과금(utility) 데이터로부터 건물(106)에 대한 과거 에너지 사용량 데이터를 획득할 수 있다. 예를 들어, 데이터 처리 시스템(102)은 저장 디바이스(104) 내의 데이터베이스에 저장된 공과금 고지서들 또는 공과금 청구서들에 관한 정보로부터 이전의 기간에 대한 건물(106)에서의 에너지 사용량에 관한 과거 에너지 사용량 데이터를 획득할 수 있다.
데이터 처리 시스템(102)은 또한 과거 공과금 데이터에 대한 기간 동안 건물(106)이 위치해 있는 장소에 대한 과거 기온 데이터를 획득한다. 예를 들어, 데이터 처리 시스템(102)은 과거 에너지 사용량 데이터가 속해 있는 기간 내의 일간, 주간, 월간, 및/또는 연간 평균, 최고 및/또는 최저 기온(들)을 획득할 수 있다. 데이터 처리 시스템(102)은 상이한 장소들에서의 기온에 관한 정보를 저장하는 하나 이상의 기상 데이터베이스들(예컨대, 국립 기상 서비스)로부터 이 과거 기온 데이터를 획득할 수 있다.
데이터 처리 시스템(102)은 과거 에너지 사용량 데이터를 과거 기온 데이터와 결합시켜, 과거 에너지 사용량 기준치를 발생시킨다. 이 과거 에너지 사용량 기준치는 건물에서의 에너지 사용량을 이전의 기간에 대한 기온의 함수로서 나타낸다.
개시된 실시예들은 건물(106)에서의 이전의 기간에 대해 획득된 데이터가 정확하지 않을 수 있다는 것을 인식하고 있다. 예를 들어, 과거 에너지 사용량 데이터가 정확하지 않을 수 있다. 건물(106)에서의 변화들은 에너지 소비량에 영향을 미칠 수 있다. 예를 들어, 장비 유지 관리, 에너지 사용 습관, 계절적 변동, 건물 통행량 및 사용, 건물 수리, 및 유지 관리 문제는 건물(106)에서 소비되는 에너지의 양을 변화시킬 수 있다. 개시된 실시예들은 에너지 사용량의 변화들을 참작하기 위해 이 과거 에너지 사용량 기준치를 수정한다.
에너지 사용량의 변화들을 참작하기 위해, 데이터 처리 시스템(102)은 모니터링 기간 동안 네트워크(108)를 통해 건물(106)로부터 에너지 사용량 측정치들을 획득한다. 예를 들어, 건물(106)은 에너지 공급원(예컨대, 전력선(110))으로부터 전기 에너지를 받는다. 센서(112)는 건물(106)에서 받은 에너지의 양을 측정한다. 건물(106)에 있는 데이터 처리 시스템(114)은 센서(112)로부터 에너지 사용량 측정치들을 수신하고, 에너지 사용량 측정치들을 네트워크(108)를 통해 데이터 처리 시스템(102)으로 송신한다.
데이터 처리 시스템(102)은 또한 모니터링 기간 동안 건물(106)이 위치해 있는 장소에 대한 기온 데이터를 획득한다. 예를 들어, 데이터 처리 시스템(102)은 에너지 사용량 측정치들이 획득된 일간, 주간, 및/또는 월간 평균, 최고 및/또는 최저 기온(들)을 획득할 수 있다. 데이터 처리 시스템(102)은 상이한 장소들에서의 기온에 관한 정보를 저장하는 하나 이상의 기상 데이터베이스들(예컨대, 국립 기상 서비스)로부터 또는 건물(106)에 위치해 있는 기온 센서(116)로부터 이 기온 데이터를 획득할 수 있다.
데이터 처리 시스템(102)은 에너지 사용량 측정치들을 기온 데이터와 결합시켜, 기온의 함수로서 현재 에너지 사용량 기준치를 발생시킨다. 현재 에너지 사용량 기준치는 모니터링 기간 동안 경험된 기온 범위에 걸쳐 있다. 데이터 처리 시스템(102)은 모니터링 기간 동안 경험된 기온 범위에 대한 현재 에너지 사용량 기준치와의 차에 기초하여 과거 에너지 사용량 기준치에 대한 보정 인자를 발생시킨다. 데이터 처리 시스템(102)은 과거 에너지 사용량 기준치의 기온의 범위 전체에 대해 이 보정 인자를 적용하여, 조정된 에너지 사용량 기준치를 발생시킨다. 과거 에너지 사용량 기준치를 조정하기 위해 모니터링 기간 동안 측정된 에너지 사용량이 적용되기 때문에, 건물(106)에서의 에너지 사용량을 모니터링하는 데 필요한 실제 시간량이 상당히 감소된다. 예를 들어, 건물(106)에서의 현재 동작 조건들에 대한 과거 데이터를 조정 또는 보정하기 위해 월간, 주간, 또는 심지어 일간에 대한 에너지 사용량 측정치들이 일년 이상에 걸쳐 있는 과거 데이터에 적용될 수 있다. 이 보정은 건물(106)에서의 에너지 사용량을 모니터링하는 데 필요한 실제 시간량을 감소시키면서 에너지 사용량 기준치에 대한 정확한 결과를 생성한다.
본 개시 내용의 다양한 실시예들에서, 에너지 모니터링 환경(100)은 에너지 사용량 예측의 검증 및 측정을 향상시키기 위해 과거 기온 분포를 사용한다. 예를 들어, 데이터 처리 시스템(102)은 건물(106)이 위치해 있는 장소에 대한 기온 데이터를 사용하여 그 장소에 대한 과거 기온 분포를 발생시킬 수 있다. 과거 기온 분포는 어떤 기간 동안 특정의 기온들이 얼마나 빈번히 발생하는지의 확인이다. 예를 들어, 과거 기온 분포는 일별 기온들 및 연중 일수의 분포 그래프일 수 있다. 일별 기온은 최고 일별 기온, 평균 일별 기온, 또는 최저 일별 기온일 수 있다. 일수는 실제의 이전 일년 또는 이전의 수년 분량의 기온 데이터로부터의 연중 평균 일수를 나타낼 수 있다. 도 7에서의 기온 분포(702)는 과거 기온 분포의 한 예의 예시를 제공한다. 본 명세서에서 사용되는 바와 같이, 이 기간은 흔히 일년으로 지칭되는데, 그 이유는 대부분의 소비자들이 연간 절감에 관심이 있고 연간 예산 계획을 사용하기 때문이다. 그렇지만, 이 기간은 에너지 사용량 절감이 모니터링되는 임의의 적당한 기간일 수 있다.
다양한 실시예들에서, 데이터 처리 시스템(102)은 과거 기온 분포를 사용하여 센서(112)로부터 수신된 에너지 사용량 데이터를 가중한다. 예를 들어, 데이터 처리 시스템(102)은 건물(106)에서의 에너지 사용량에 대한 기준치를 발생함에 있어서 센서(112)로부터 수신된 에너지 사용량 측정치들을 가중할 수 있다. 어떤 실시예들에서, 현재 에너지 사용량 기준치를 발생시키기 위해 보정 인자를 사용하는 앞서 기술한 기법들에 부가하여 이러한 에너지 사용량 데이터의 가중이 사용될 수 있다. 다른 실시예들에서, 현재 에너지 사용량 기준치를 발생시키기 위해 보정 인자를 사용하는 앞서 기술한 기법들 대신에 에너지 사용량 데이터의 가중이 사용될 수 있다. 다른 예들에서, 데이터 처리 시스템(102)은 건물(106)에서 에너지 절감 대책들의 시행 후에 수집된 데이터를 가중할 수 있다. 예를 들어, 건물(106)에서의 에너지 사용량에 대한 기준치를 발생시킨 후에, 건물에서의 에너지 사용량을 효율적으로 관리하기 위해 에너지 관리 시스템(energy management system)(EMS)이 건물(106)에서 구현될 수 있다. 데이터 처리 시스템(102)은 에너지 절감 제품들 및 시스템들을 사용한 후의 에너지 사용량을 더 정확하게 추정하기 위해 에너지 절감 대책후 데이터(post-energy-saving measures data)(예컨대, EMS 제어 데이터)를 가중할 수 있다. 다양한 실시예들은 에너지 절감 대책 시행전 및 시행후 데이터 둘 다의 기온 분포 가중을 사용한다. 다른 실시예들에서, 에너지 절감 대책 시행전 및 시행후 데이터 중 하나만이 가중될 수 있다.
다양한 실시예들에서, 데이터 처리 시스템(102)은 또한 과거 기온 분포를 사용하여 건물(106)에 대한 기준치 에너지 사용량과 에너지 절감 대책후 데이터에 대한 표현식 간의 차를 가중할 수 있다. 환언하면, 데이터 처리 시스템(102)은 센서(112)로부터 수신된 에너지 사용량 데이터를 사용하여 에너지 절감 대책 시행의 결과로서의 에너지 사용량의 예상된 감소를 가중할 수 있다. 가중된 데이터를 사용하여, 데이터 처리 시스템(102)은 에너지 절감 대책의 시행 후의 에너지 사용량의 감소의 양을 더 정확하게 추정할 수 있다.
도 1에서의 에너지 모니터링 환경(100)의 설명은 본 개시 내용의 다양한 실시예들에 대한 제한이 아니라 한 예로서 의도된 것이다. 예를 들어, 에너지 모니터링 환경(100)은 부가의 서버 컴퓨터들, 클라이언트 디바이스들, 및 도시되지 않은 다른 디바이스들을 포함할 수 있다. 어떤 실시예들에서, 데이터 처리 시스템(102)의 기능의 전부 또는 일부가 건물(106)에서 데이터 처리 시스템(114)에 의해 구현될 수 있다. 어떤 실시예들에서, 데이터 처리 시스템(102)의 기능의 전부 또는 일부가 네트워크(108) 내의 클라우드 컴퓨팅 환경에서의 하나 이상의 서버 컴퓨터들에서 구현될 수 있다.
다른 실시예들에서, 임의의 다른 유형의 에너지 소비 유닛에 대해 에너지 모니터링이 행해질 수 있다. 예를 들어, 다양한 실시예들이 임의의 유형의 건물 또는 가정은 물론, 건물 또는 가정 내의 서브시스템들에 적용될 수 있다. 예를 들어, 제한 없이, 조명 시스템들, HVAC 시스템들, 및/또는 다른 유형의 건물 서브시스템들은 물론, 서브시스템들 내의 개개의 구성요소들에 대해 에너지 사용량 기준치들이 발생될 수 있다. 그에 부가하여, 어떤 실시예들에서, 다른 유형의 에너지 또는 공공시설들에 대해 기준치들이 발생될 수 있다. 예를 들어, 데이터 처리 시스템(102)은 물 소비량, 천연 가스, 가솔린, 및/또는 임의의 다른 유형의 공공시설 또는 에너지 자원에 대한 기준치들을 발생시키고 조정할 수 있다.
도 2는 다양한 실시예들이 구현되는 데이터 처리 시스템(200)의 블록도를 나타낸 것이다. 데이터 처리 시스템(200)은 레벨 2 캐시/브리지(204)에 연결된 프로세서(202)를 포함하고, 레벨 2 캐시/브리지(204)는 차례로 로컬 시스템 버스(206)에 연결되어 있다. 로컬 시스템 버스(206)는, 예를 들어, PCI(peripheral component interconnect) 아키텍처 버스일 수 있다. 또한, 도시된 예에서, 주 메모리(208) 및 그래픽 어댑터(210)가 로컬 시스템 버스(206)에 연결되어 있다. 그래픽 어댑터(210)는 디스플레이(211)에 연결될 수 있다.
근거리 통신망(LAN)/원거리 통신망/무선(예컨대, WiFi) 어댑터(212)와 같은 다른 주변 장치들이 또한 로컬 시스템 버스(206)에 연결될 수 있다. 확장 버스 인터페이스(214)는 로컬 시스템 버스(206)를 입출력(I/O) 버스(216)에 연결시킨다. I/O 버스(216)는 키보드/마우스 어댑터(218), 디스크 제어기(220), 및 I/O 어댑터(222)에 연결되어 있다. 디스크 제어기(220)는 ROM(read only memory) 또는 EEPROM(erasable, electrically programmable read only memory), 자기 테이프 저장 장치와 같은 비휘발성 하드코딩된 유형의 매체, 그리고 플로피 디스크, 하드 디스크 드라이브, 및 CD-ROM(compact disk read only memory) 또는 DVD(digital versatile disk)와 같은 사용자 기록가능 유형 매체, 그리고 다른 공지된 광, 전기, 또는 자기 저장 디바이스(이들로 제한되지 않음)를 비롯한 임의의 적당한 기계 사용가능 또는 기계 판독가능 저장 매체일 수 있는 저장 장치(226)에 연결될 수 있다.
또한, 도시된 예에서, 사운드를 재생하기 위해 스피커(도시 생략)가 연결될 수 있는 오디오 어댑터(224)가 I/O 버스(216)에 연결되어 있다. 키보드/마우스 어댑터(218)는 마우스, 트랙볼, 트랙포인터 등과 같은 포인팅 디바이스(도시 생략)에 대한 연결을 제공한다. 어떤 실시예들에서, 데이터 처리 시스템(200)은, 예를 들어, 태블릿 컴퓨터 또는 터치 스크린 패널과 같은 터치 스크린 디바이스로서 구현될 수 있다. 이 실시예들에서, 키보드/마우스 어댑터(218)의 요소들은 디스플레이(211)와 관련하여 구현될 수 있다.
본 개시 내용의 다양한 실시예들에서, 데이터 처리 시스템(200)은 데이터 처리 시스템(102) 또는 데이터 처리 시스템(114)과 같은 에너지 모니터링 환경(100)에서의 컴퓨터이다. 데이터 처리 시스템(200)은 기준치 결정 애플리케이션(228)을 구현한다. 기준치 결정 애플리케이션(228)은 건물에서의 에너지 사용량에 대한 기준치를 발생시키는 소프트웨어 애플리케이션이다. 예를 들어, 기준치 결정 애플리케이션(228)은 측정된 에너지 사용량 데이터로부터 과거 에너지 사용량 기준치에 대한 보정 인자를 식별해주는 과거 에너지 사용량 기준치를 발생시키고 조정된 에너지 사용량 기준치를 발생시키는 프로그램 코드를 포함한다.
데이터 처리 시스템(200)은 건물에 대한 에너지 사용량 및 기온에 대한 데이터를 획득한다. 예를 들어, 12개월의 공과금 고지서들은 공과금 고지서에 대응하는 월에 대한 월별 에너지 사용량 및 평균 일별 기온을 가진다. 데이터 처리 시스템(200)은 다양한 데이터베이스들로부터 에너지 사용량 및 기온에 대한 데이터를 획득할 수 있다. 예를 들어, 에너지 사용량 데이터는 공공시설 서비스 제공자의 서버로부터 획득될 수 있고, 기온 데이터는 국립 기상 서비스의 서버로부터 획득될 수 있다. 다른 예에서, 데이터 처리 시스템(200)은 다른 시스템 또는 프로세스로부터 또는 사용자 입력으로부터 에너지 사용량 및 기온 데이터를 수신할 수 있다. 데이터 처리 시스템(200)은 이 데이터를 에너지 및 기온에 대한 복수의 데이터 점들로서 플롯팅한다. 데이터 처리 시스템(200)은 기온과 에너지 사용량 간의 수학적 관계의 함수를 발생시키기 위해 데이터 점들에 대해 회귀 분석을 수행한다. 예를 들어, 이 회귀 분석은 선형 회귀 또는 다항식 회귀일 수 있다. 기온과 에너지 사용량 간의 이 수학적 관계는 과거 에너지 사용량 기준치이다.
데이터 처리 시스템(200)은 또한 건물에 대한 현재 에너지 사용량의 측정치들을 수신한다. 예를 들어, 데이터 처리 시스템(200)은 건물에 위치해 있는 에너지 센서(예컨대, 전기 계량기)로부터 에너지 사용량 측정치들을 수신할 수 있다. 이 에너지 사용량 측정치들은 하나 이상의 월, 주, 일, 시간, 및/또는 분을 포함하는 상이한 기간들에 대한 것일 수 있다. 데이터 처리 시스템(200)은 현재 에너지 사용량의 측정을 위해 건물이 위치해 있는 장소에서의 기온에 대한 값들을 수신한다. 예를 들어, 기온에 대한 값들은 에너지 사용량의 측정이 행해진 기간 동안의 평균 기온일 수 있다. 데이터 처리 시스템(200)은 국립 기상 서비스의 서버 또는 건물에 있는 기온 센서로부터 기온에 대한 값들을 획득할 수 있다. 어떤 실시예들에서, 현재 에너지 사용량에 대한 기온 값들이 과거 에너지 사용량 기준치에 대한 기온 값들과 동일한 소스로부터 획득된다. 이 예에서, 동일한 기온 데이터 소스의 사용은 과거 데이터와 현재 데이터 간의 일관성을 향상시킬 수 있다. 현재 에너지 사용량 측정치들 및 기온 값들이 에너지 사용량과 기온 데이터 점 쌍들로서 연관된다.
에너지 사용량 및 기온 데이터가 수신될 때, 데이터 처리 시스템(200)은 기온과 건물에 대한 에너지 사용량 간의 현재 관계에 대한 함수를 현재 에너지 사용량 기준치로서 발생시키기 위해 에너지 사용량 및 기온 데이터 점 쌍들에 대해 회귀 분석을 수행한다. 수신된 각각의 데이터 점 쌍을 사용하여, 건물에 대한 현재 에너지 사용량 기준치의 모델링이 더 정확하게 된다. 과거 에너지 사용량 기준치가 현재 에너지 사용량 기준치(예컨대, 며칠 또는 몇 주)보다 더 큰 기간(예컨대, 일년)으로부터의 측정치들을 포함하는 경우, 건물에 대한 기온 범위 전체가 현재 에너지 사용량 기준치에 포함되지 않을 가능성이 있다. 환언하면, 현재 에너지 사용량 기준치에 대한 기온 범위가 과거 에너지 사용량 기준치의 기온 범위의 일부분만을 포함할 수 있다.
데이터 처리 시스템(200)은 과거 에너지 사용량 기준치에 적용할 보정 인자를 식별하여, 기온 범위 전체에 대한 조정된 에너지 사용량 기준치를 발생시키기 위해 현재 에너지 사용량 기준치와 과거 에너지 사용량 기준치 간의 차를 계산한다. 하나의 예시적인 예에서, 데이터 처리 시스템(200)은 현재 에너지 사용량 기준치가 걸쳐 있는 기온 범위의 일부분에 걸쳐 과거 에너지 사용량 기준치에 대한 함수와 현재 에너지 사용량 기준치에 대한 함수를 통합하는 동작을 수행한다. 환언하면, 데이터 처리 시스템(200)은 기온 범위의 일부분에 대해 과거 에너지 사용량 기준치 및 현재 에너지 사용량 기준치 둘 다에 대한 곡선 아래의 면적을 계산한다. 데이터 처리 시스템(200)은 과거 에너지 사용량 기준치에 대한 함수의 적분으로부터 현재 에너지 사용량 기준치에 대한 함수의 적분을 차감하여, 차를 구한다. 데이터 처리 시스템(200)은 보정 인자를 과거 에너지 사용량 기준치에 대한 승수 및/또는 오프셋으로서 형성하기 위해 이 차를 이용한다. 예를 들어, 보정 인자는 과거 에너지 사용량 기준치를 스케일링, 천이, 또는 다른 방식으로 조정하기 위해 사용되는 승수, 오프셋, 및/또는 함수일 수 있다.
데이터 처리 시스템(200)은 과거 에너지 사용량 기준치에 대해 이 보정 인자를 적용하여, 조정된 에너지 사용량 기준치를 발생시킨다. 이 조정된 에너지 사용량 기준치는 과거 에너지 사용량 기준치에서의 변화 및 부정확성을 참작한다. 과거 에너지 사용량 기준치에서 기온 범위의 일부분에 걸쳐 있는 측정치들만을 획득하면 되는 것에 의해, 개시된 실시예들은 에너지 사용량을 모델링할 때 시간 비용 절감을 제공한다. 그에 부가하여, 개시된 실시예들은 에너지 사용량 패턴들에서 검출된 변화들을 에너지 사용량의 정확한 모델을 생성하는 전체 기준치에 적용한다.
에너지 사용량을 정확하게 모델링하기 위해, 개시된 실시예들은 과거 에너지 사용량 기준치의 임계 기온 범위에 걸쳐 있는 측정치들을 사용한다. 예를 들어, 데이터 처리 시스템(200)은 임계 기온 범위에 도달할 때까지 에너지 사용량 측정치들을 계속하여 수신하고 사용할 수 있다. 더 많은 에너지 사용량 측정치들 및 더 큰 기온 범위가 더 정확한 결과들을 생성할 수 있지만, 개시된 실시예들은 기온 범위들 간의 중복이 현재 에너지 사용량 기준치와 과거 에너지 사용량 기준치 간의 차에 기초할 수 있다는 것을 인식하고 있다. 예를 들어, 과거 에너지 사용량 기준치에 대한 보정 인자가 클수록, 충분한 정확도를 달성하기 위해 기온들 간에 중복이 많은 것이 도움이 된다. 보정 인자가 보다 작을 때는, 조정된 에너지 사용량 기준치에서 유사한 정확도 레벨들을 달성하기 위해 현재 데이터와 과거 데이터의 기온 간의 중복의 양이 더 적을 수 있다.
조정된 에너지 사용량 기준치의 발생 시에, 데이터 처리 시스템(200)은 장래 에너지 절감의 추정치를 발생시키기 위해 조정된 에너지 사용량 기준치를 이용할 수 있다. 예를 들어, 데이터 처리 시스템(200)은 에너지 절감 제품들 및 시스템들을 사용하여 추정된 에너지 사용량을 조정된 에너지 사용량 기준치와 비교하여, 장래 에너지 절감에 대한 정확한 결과들을 생성할 수 있다.
조정된 에너지 사용량 기준치를 발생시키는 앞서 기술한 방법들에 부가하여 또는 그 대신에, 본 개시 내용의 다양한 실시예들은 이용가능한 데이터를 실제 기온 분포에 의해 가중하는 것에 의해 에너지 사용량 측정 및 검증의 정확도를 향상시키는 적어도 2개의 방법들을 이용한다. 어떤 장소에 대한 실제 기온 분포의 이러한 사용은 기온들이 일년 전체에 걸쳐 균일한 분포로 발생한다는 가정을 대신할 수 있다. 예를 들어, 일년 전체의 에너지 사용량 측정 데이터가 이용가능하지 않는 한, 이용가능한 에너지 사용량 및 기온 데이터 점들의 회귀 분석은 우연히 샘플링된 기온 데이터 점들에 더 많은 가중치를 부여할 수 있다. 본 개시 내용의 다양한 실시예들은 그 장소에서 실제로 발생한 기온들의 분포를 발생시키고 이용한다. 예를 들어, 다양한 실시예들은 에너지 사용량 대 기온의 개선된 관계를 달성하기 위해 실제의 과거 기온 분포에 의해 에너지 사용량 데이터를 가중한다.
이 실시예들에서, 데이터 처리 시스템(200)은 가중 애플리케이션(230)을 구현한다. 가중 애플리케이션(230)은 기온 분포에 기초하여 가중치를 발생시켜 에너지 사용량 데이터에 적용하는 소프트웨어 애플리케이션이다. 예를 들어, 가중 애플리케이션(230)은 과거 기온 분포를 발생시키거나 수신하는, 기준치 에너지 사용량 데이터를 가중하는, 에너지 절감 대책후 데이터를 가중하는, 기준치와 측정된 에너지 사용량 데이터 간의 차를 가중하는, 그리고/또는 가중된 데이터를 사용하여 에너지 사용량의 감소를 추정하는 프로그램 코드를 포함할 수 있다.
다양한 실시예들에서, 데이터 처리 시스템(200)은 장소에 대한 기온 분포를 발생시키고, 장소의 일년 전체의 과거 경험의 실제 기온 분포에 의해 에너지 사용량 데이터를 가중하거나, 이미 가중된 경우, 재가중한다. 기준치 또는 에너지 절감 대책후 표현식을 추정하거나 예상하기 위해 어느 회귀 알고리즘이 사용되든 그 알고리즘을 적용하기 전에 이 가중 또는 재가중이 일어날 수 있다. 실제 또는 "원시" 측정 데이터의 이러한 가중은 기온의 함수로서 추정된 에너지 사용량의 보다 빠른 예상을 가져올 수 있다. 예를 들어, 데이터 처리 시스템(200)은 가중된 에너지 사용량 및 대응하는 기온의 데이터 점들을 형성하기 위해 기온 분포에 기초하여 장소에 대한 기온 범위의 서브셋에 걸쳐 있는 에너지 사용량 측정치들을 가중할 수 있다. 데이터 처리 시스템(200)은 이어서 에너지 사용량을 기온의 함수로서 나타내는 표현식을 식별하기 위해 데이터 점들에 대해 회귀 분석을 수행할 수 있다. 에너지 절감 대책전 데이터(예컨대, 기준치를 발생시키기 위해 사용되는 데이터) 및 에너지 절감 대책후 데이터(예컨대, EMS 제어 데이터) 중 어느 하나 또는 둘 다에 대해 원시 데이터의 이러한 가중이 이용될 수 있다.
기준치 및 에너지 절감 대책후 표현식들에 대해 어떤 데이터, 알고리즘 또는 방법에 의하든 그에 의해 회귀 추세(regression trend)가 명확해지면, 이 2가지 관계들이 기온 범위에 걸쳐 비교되어, 예상된 에너지 절감을 결정한다. 예를 들어, 주어진 기온에서, 기준치와 에너지 절감 대책후 표현식 간의 차는 그 기온에서 예상될 수 있는 에너지 절감의 양을 나타낸다. 데이터 처리 시스템(200)은 이 차를 리만 정적분(definite Riemann integral)에 의해 평가되는 2개의 곡선들 아래의 면적들 간의 차로서 계산할 수 있다.
본 개시 내용의 실시예들은 기온 분포에 기초하여 이 차를 가중한다. 예를 들어, 본 개시 내용의 실시예들은 60°F 평균 기온을 갖는 일수 또는 월수가 주어진 장소에 대해 50°F인 날 또는 50°F인 날을 갖는 월보다 더 종종 또는 덜 종종 발생한다는 것을 인식하고 있다. 따라서, 일년 전체에 대한 보다 정확한 전체적인 차(total difference)는 임의의 2개의 회귀들 간의 차를 기온으로 가중하는 것에 의해 획득될 수 있다. 본 개시 내용의 다양한 실시예들에서, 데이터 처리 시스템(200)은, 기준치를 에너지 대 기온의 대책후 회귀들과 비교하는 경우, 일년의 총 절감을 결정할 때 회귀들 간의 차를 장소의 일년 전체의 과거 경험의 실제 기온 분포에 의해 가중한다. 데이터 처리 시스템(200)은 또한 연간 에너지 사용량 및/또는 절감을 결정하기 위해 기온 분포를 이용할 수 있다. 예를 들어, 데이터 처리 시스템(200)은, 연간 에너지 사용량 및/또는 절감을 계산하기 위해, 회귀들로부터의 상이한 기온들에 대한 예상된 에너지 사용량 또는 절감 및 각각의 기온이 예상되는 일수를 사용할 수 있다. 차의 이러한 가중은 일년간 예상되는 에너지 절감의 보다 신속한 평가를 가져올 수 있고, 그로써 측정이 필요한 시간의 양을 단축시킬 수 있다. 차의 이러한 가중은 또한 에너지 절감의 보다 정확한 평가를 가져올 수 있다.
당업자라면 도 2에 도시된 하드웨어가 특정의 구현들에 대해 달라질 수 있다는 것을 잘 알 것이다. 예를 들어, 도시된 하드웨어에 부가하여 또는 그 대신에, 광 디스크 드라이브 등과 같은 다른 주변 디바이스들이 또한 사용될 수 있다. 도시된 예는 단지 설명을 위해 제공된 것이고, 본 개시 내용에 대한 구조적 제한들을 암시하기 위한 것이 아니다.
미국 워싱턴주 레드몬드 소재의 Microsoft Corporation의 제품인 Microsoft Windows™의 버전과 같은 다양한 상용 운영 체제들 중 하나가, 적당히 수정된다면, 이용될 수 있다. 운영 체제가, 예를 들어, 기준치 결정 애플리케이션(228)을 구현하기 위해, 기술된 바와 같이 본 개시 내용에 따라 수정되거나 생성된다.
LAN/WAN/무선 어댑터(212)는 인터넷을 비롯하여, 당업자에게 공지된 것과 같은 임의의 공개 또는 개인 데이터 처리 시스템 네트워크 또는 네트워크들의 조합일 수 있는 네트워크(235)에 연결될 수 있다. 데이터 처리 시스템(200)은 데이터 처리 시스템(200)의 일부가 역시 아닌 하나 이상의 컴퓨터들과 네트워크(235)를 통해 통신할 수 있지만, 예를 들어, 별도의 데이터 처리 시스템(200)으로서 구현될 수 있다.
도 3은 다양한 실시예들이 구현되는 건물 관리 시스템(300)의 블록도를 나타낸 것이다. 이 예시적인 예들에서, 건물 관리 시스템(300)은 도 1의 건물(106)과 같은 건물 내에서의 하나 이상의 기능들을 구현한다. 예를 들어, 건물 관리 시스템(300)은 센서(112), 데이터 처리 시스템(114), 기온 센서(116), 및/또는 데이터 처리 시스템(200)의 하나의 실시예의 예일 수 있다. 예를 들어, 건물 관리 시스템(300)은 건물 내에서의 건물 자동화 기능들, 에너지 사용량 모니터링 기능들, 에너지 관리 시스템 기능들, 및 기온 모니터링 기능들을 포함할 수 있다.
건물 관리 시스템(300)은 에너지 사용량 센서(304), 통신 시스템(306) 및 기온 센서(308)에 연결되어 동작하는 데이터 처리 시스템(302)을 포함한다. 에너지 사용량 센서(304)는 건물에 대한 에너지 사용량으로서 에너지 공급원으로부터 수신되는 에너지의 측정치들을 획득한다. 에너지 사용량 센서(304)는 전기 계량기, 스마트 계량기, 및/또는 임의의 다른 유형의 에너지 사용량 센서일 수 있다. 에너지 사용량 센서(304)는 에너지 사용량의 측정치들을 데이터 처리 시스템(302)으로 송신한다. 데이터 처리 시스템(302)은 수신된 에너지의 측정치들에 타임 스탬핑(time stamping) 정보를 포함시킨다. 이 타임 스탬핑 정보는 에너지 사용량 측정치들을 기온 값들과 연관시키는 데 사용될 수 있다.
데이터 처리 시스템(302)은 또한 기온 센서(308)로부터 기온 값들을 수신할 수 있다. 기온 센서(308)는 건물에서의 실외 기온을 측정하는 건물과 연관된 온도계일 수 있다. 데이터 처리 시스템(302)은 수신된 기온 값들에 타임 스탬핑 정보를 포함시킨다. 이 타임 스탬핑 정보는 기온 값들을 에너지 사용량 측정치들과 연관시키는 데 사용될 수 있다.
어떤 실시예들에서, 데이터 처리 시스템(302)은 기준치 결정 애플리케이션(228)을 구현한다. 예를 들어, 데이터 처리 시스템(302)은 과거 에너지 사용량 기준치를 발생시키는 기능, 측정된 에너지 사용량 데이터로부터 과거 에너지 사용량 기준치에 대한 보정 인자를 식별하는 기능, 및 조정된 에너지 사용량 기준치를 발생시키는 기능을 수행할 수 있다. 예를 들어, 데이터 처리 시스템(302)은 네트워크 연결 저장 디바이스로부터 통신 시스템(306)을 통해 과거 데이터를 수신하고, 에너지 사용량 센서(304) 및 기온 센서(308)로부터 수신된 측정치들에 기초하여 보정 인자 및 조정된 에너지 사용량 기준치를 발생시킬 수 있다. 다른 예에서, 데이터 처리 시스템(302)은 외부 소스(예를 들어, 과거 데이터에 대한 기온 값들이 수신된 동일한 소스)로부터 기온 값들을 수신할 수 있다.
어떤 실시예들에서, 데이터 처리 시스템(302)은 가중 애플리케이션(230)을 구현할 수 있다. 예를 들어, 데이터 처리 시스템(302)은 과거 기온 분포를 발생시키거나 수신하는 기능, 기준치 에너지 사용량 데이터를 가중하는 기능, 기준치와 측정된 에너지 사용량 데이터 간의 차를 가중하는 기능, 및/또는 가중된 데이터를 사용하여 에너지 사용량의 감소를 추정하는 기능을 수행할 수 있다. 이 예시적인 실시예에서, 데이터 처리 시스템(302)은 네트워크 연결 저장 디바이스로부터 통신 시스템(306)을 통해 기온 분포를 발생시키기 위한 과거 기온 분포 또는 기온 데이터를 수신할 수 있다. 이 예시적인 실시예에서, 데이터 처리 시스템(302)은 에너지 사용량 센서(304)로부터 수신된 측정치들에 기초하여 가중을 수행할 수 있다.
다른 실시예들에서, 데이터 처리 시스템(302)은 외부 디바이스(예를 들어, 도 1의 데이터 처리 시스템(102))에 의한 처리를 위해, 타임 스탬핑 정보를 갖는 에너지 사용량의 측정치들 및 타임 스탬핑 정보를 갖는 기온 값들을, 통신 시스템(306)을 통해, 송신한다. 어떤 실시예들에서, 기온 센서(308)는 건물 관리 시스템(300) 내에 포함되어 있지 않을 수 있다. 이와 같이, 데이터 처리 시스템(302)은 에너지 사용량의 측정치들만을 송신할 수 있다.
다양한 실시예들에서, 에너지 사용량 센서(304)는 건물 관리 시스템(300) 내의 하나 이상의 서브시스템들 및/또는 구성요소들에 의해 에너지 사용량을 측정한다. 예를 들어, 제한 없이, 에너지 사용량 센서(304)는 조명 시스템들, HVAC 시스템들, 및/또는 건물 관리 시스템(300) 내의 다른 유형의 서브시스템들은 물론, 서브시스템들 내의 개개의 구성요소들에 의한 에너지 사용량을 측정할 수 있다. 데이터 처리 시스템(302)은 건물 관리 시스템(300) 내의 서브시스템들 및/또는 구성요소들에 대한 에너지 사용량 기준치들 또는 비교들을 식별하기 위해 이 에너지 사용량 측정치들을 처리하거나 송신할 수 있다.
도 4는 개시된 실시예들에 따른 조정된 에너지 사용량 기준치를 발생시키는 프로세스의 플로우차트를 나타낸 것이다. 이 프로세스는, 예를 들어, 이하에서 기술된 동작들을 수행하도록 구성된 하나 이상의 데이터 처리 시스템들(예를 들어, 데이터 처리 시스템(200))("시스템"이라고 단수형으로 지칭됨)에서 수행될 수 있다. 이 프로세스는 하나 이상의 데이터 처리 시스템들로 하여금 이러한 프로세스를 수행하게 하는 비일시적 컴퓨터 판독가능 매체에 저장된 실행가능 명령어들에 의해 구현될 수 있다. 예를 들어, 기준치 결정 애플리케이션(228)은 하나 이상의 데이터 처리 시스템들로 하여금 이러한 프로세스를 수행하게 하는 실행가능 명령어들을 포함할 수 있다.
이 프로세스는 시스템이 과거 에너지 사용량 데이터 및 기온 데이터를 수신하는 것(단계(400))으로 시작한다. 단계(400)에서, 과거 에너지 사용량 데이터는 공공시설 서비스 제공자의 서버로부터 수신될 수 있고, 과거 기온 데이터는 국립 기상 서비스의 서버로부터 수신될 수 있다. 다른 예에서, 데이터 처리 시스템(200)은 다른 시스템 또는 프로세스로부터 또는 사용자 입력으로부터 과거 에너지 사용량 및 기온 데이터를 수신할 수 있다. 이 시스템은 과거 에너지 사용량 기준치를 기온의 함수로서 발생시킨다(단계(402)). 단계(402)에서, 데이터 처리 시스템(200)은 기온 및 에너지에 대한 데이터 점들에 대해 수행된 회귀 분석으로부터 과거 에너지 사용량 기준치를 발생시킬 수 있다.
이 시스템은 현재 에너지 사용량에 대한 측정치들 및 기온에 대한 값들을 수신한다(단계(404)). 단계(404)에서, 데이터 처리 시스템(200)은 건물 관리 시스템(300) 내의 데이터 처리 시스템(302) 및 통신 시스템(306)을 통해 에너지 사용량 센서(304)로부터 현재 에너지 사용량에 대한 측정치들을 수신할 수 있다. 단계(404)에서, 데이터 처리 시스템(200)은 과거 기온 데이터와 동일한 기온 소스로부터 기온에 대한 값들을 수신할 수 있다. 다른 예에서, 데이터 처리 시스템(200)은 다른 시스템 또는 프로세스로부터 또는 사용자 입력으로부터 에너지 사용량 및 기온 데이터를 수신할 수 있다.
이 시스템은 현재 에너지 사용량을 기온에 대한 값들과 연관시킨다(단계(406)). 단계(406)에서, 데이터 처리 시스템(302)은 현재 에너지 사용량 데이터에 대한 타임 스탬프 정보를 기온의 값들에 대한 기간들과 비교할 수 있다. 데이터 처리 시스템(302)은 현재 에너지 사용량 데이터에 대한 기간에 대한 평균 기온을 계산할 수 있다.
이 시스템은 기온에 대한 값들이 과거 에너지 사용량 기준치의 임계 범위에 걸쳐 있는지를 결정한다(단계(408)). 단계(408)에서, 데이터 처리 시스템(200)은 과거 에너지 사용량 기준치를 정확하게 조정하기 위해 충분한 데이터가 수신되었는지를 결정한다. 예를 들어, 데이터 처리 시스템(200)은 현재 에너지 사용량 데이터와 과거 사용량 데이터 간의 차의 양을 결정할 수 있다. 차가 클수록, 현재 에너지 사용량 데이터와 과거 사용량 데이터 간의 기온 중복의 임계 범위가 크다. 기온에 대한 값들이 임계 범위에 걸쳐 있지 않은 경우, 이 시스템은 단계(404)로 되돌아가고, 현재 에너지 사용량에 대한 측정치들 및 기온에 대한 값들을 계속하여 수신한다.
기온에 대한 값들이 임계 범위에 걸쳐 있는 경우, 이 시스템은 현재 에너지 사용량을 과거 에너지 사용량 기준치의 일부분과 비교한다(단계(410)). 단계(410)에서, 과거 에너지 사용량 기준치의 일부분은 과거 데이터 및 현재 에너지 사용량 데이터에 대한 기온 범위들이 중복하는 부분이다. 현재 에너지 사용량을 과거 에너지 사용량 기준치의 일부분과 비교할 때, 데이터 처리 시스템(200)은 기온 범위에 대해 과거 에너지 사용량 기준치와 현재 에너지 사용량 간의 차를 식별할 수 있다.
이 시스템은 과거 에너지 사용량 기준치에 대한 보정 인자를 발생시킨다(단계(412)). 단계(412)에서, 데이터 처리 시스템(302)은 보정 인자를 기온 범위에 대한 과거 에너지 사용량 기준치와 현재 에너지 사용량 간의 차에 기초한 승수, 오프셋, 및/또는 함수로서 발생시킬 수 있다.
이 시스템은 과거 에너지 사용량 기준치에 보정 인자를 적용한다(단계(414)). 단계(414)에서, 예를 들어, 데이터 처리 시스템(200)은 보정 인자에 기초하여 과거 에너지 사용량 기준치를 곱하거나, 스케일링하거나, 다른 방식으로 조정할 수 있다. 이 시스템은 조정된 에너지 사용량 기준치를 발생시킨다(단계(416)). 단계(416)에서, 데이터 처리 시스템(200)은 과거 에너지 사용량 기준치의 기온 범위 전체에 대해 보정 인자를 적용하여, 조정된 에너지 사용량 기준치를 발생시킨다. 조정된 에너지 사용량 기준치는 발생했을 수 있는 에너지 사용량 변화들을 참작한다. 데이터 처리 시스템(200)은 설치될 에너지 절감 제품들 및 시스템들에 대해 추정된 장래 에너지 절감을 발생시키기 위해 이 조정된 에너지 사용량 기준치를 사용할 수 있다. 이 조정된 에너지 사용량 기준치는, 예를 들어, 데이터 처리 시스템(200)에 의해, 저장되고 그리고/또는 사용자에게 유형적 출력(tangible output)으로서 디스플레이될 수 있다. 그 후에, 프로세스가 종료한다.
도 5는 개시된 실시예들에 따른 에너지 사용량 추정에서의 기온 가중에 대한 프로세스의 플로우차트를 나타낸 것이다. 이 프로세스는, 예를 들어, 이하에서 기술된 동작들을 수행하도록 구성된 하나 이상의 데이터 처리 시스템들(예를 들어, 데이터 처리 시스템(200))("시스템"이라고 단수형으로 지칭됨)에서 수행될 수 있다. 이 프로세스는 하나 이상의 데이터 처리 시스템들로 하여금 이러한 프로세스를 수행하게 하는 비일시적 컴퓨터 판독가능 매체에 저장된 실행가능 명령어들에 의해 구현될 수 있다. 예를 들어, 가중 애플리케이션(230)은 하나 이상의 데이터 처리 시스템들로 하여금 이러한 프로세스를 수행하게 하는 실행가능 명령어들을 포함할 수 있다.
이 프로세스는 시스템이 과거 기온 데이터를 수신하는 것(단계(502))으로 시작한다. 예를 들어, 단계(502)에서, 기온 데이터는 건물이 위치하는 장소에서의 이전의 기간에 대한 기온 값들을 포함한다. 이 시스템은 과거 기온 분포를 발생시킨다(단계(504)). 예를 들어, 단계(504)에서, 이 시스템은 상이한 기온들이 발생하는 일년 중의 일수에 대한 분포를 발생시킬 수 있다. 다른 실시예들에서, 과거 기온 분포가 이미 발생되었을 수 있고, 따라서, 이 시스템은 발생된 과거 기온 분포를 수신할 수 있다.
이 시스템은 기준치 에너지 사용량 및 기온 데이터를 수신한다(단계(506)). 예를 들어, 단계(506)에서, 이 시스템은 건물에서의 에너지 사용량에 대한 측정치들 및 대응하는 기온 값들의 초기 세트를 수신할 수 있다. 이 시스템은 도 1의 센서(112)로부터 에너지 사용량 측정치들을 그리고 기온 센서(116)로부터 기온 데이터를 수신할 수 있다. 다른 예들에서, 이 시스템은 국립 기상 서비스와 같은 웹 사이트 또는 데이터베이스로부터 기온 값들을 식별할 수 있다. 이 예들에서, 대응하는 기온들은 에너지 사용량 측정치가 측정된 날에 대한 일별 기온이다.
이 시스템은 기준치 에너지 사용량 데이터를 가중한다(단계(508)). 예를 들어, 단계(508)에서, 이 시스템은 과거 기온 분포에 따라 그 기간 동안 그 측정치에 대응하는 기온이 발생한 일수에 기초하여 초기 세트 내의 각각의 측정치를 가중할 수 있다.
이 시스템은 초기 에너지 사용량에 대한 기준치를 발생시킨다(단계(510)). 예를 들어, 단계(510)에서, 이 시스템은 가중치를 각각의 측정치에 적용하는 것에 의해, 가중된 에너지 사용량과 기온 데이터 점들의 복수의 쌍들을 식별할 수 있다. 이 시스템은 이어서 데이터 점들의 복수의 쌍들에 대해 회귀 분석(예컨대, 선형 회귀, 다항식 회귀 등)을 수행하는 것에 의해 기준치를 발생시킬 수 있다.
이 시스템은 에너지 사용량에 대한 측정치들 및 대응하는 기온을 수신한다(단계(512)). 예를 들어, 단계(512)에서, 이 에너지 사용량에 대한 측정치들은 기준치가 계산된 후 그리고 EMS와 같은 에너지 절감 대책의 시행 후로부터 온 것이다. 이 시스템은 도 1의 센서(112)로부터 에너지 사용량 측정치들을 그리고 기온 센서(116)로부터 기온 데이터를 수신할 수 있다. 다른 예들에서, 이 시스템은 국립 기상 서비스와 같은 웹 사이트 또는 데이터베이스로부터 기온 값들을 식별할 수 있다. 이 예들에서, 대응하는 기온들은 에너지 사용량 측정치가 측정된 날에 대한 일별 기온이다.
이 시스템은 측정된 에너지 사용량에 대한 표현식을 기온의 함수로서 발생시킨다(단계(514)). 예를 들어, 단계(514)에서, 이 시스템은 에너지 절감 대책후 에너지 사용량 측정치 및 대응하는 기온에 대한 데이터 점들에 대해 회귀 분석(예컨대, 선형 회귀, 다항식 회귀 등)을 수행할 수 있다. 이 단계의 일부로서, 이 시스템은 또한 회귀 분석을 수행하기 전에 에너지 절감 대책후 에너지 사용량 측정치들을 가중하고, 가중된 데이터에 대해 회귀를 수행할 수 있다.
이 시스템은 기준치와 표현식 간의 차를 계산한다(단계(516)). 예를 들어, 단계(516)에서, 이 시스템은 기준치 및 표현식을 적분하고, 이어서 표현식의 곡선 아래의 면적으로부터 기준치의 곡선 아래의 면적을 차감할 수 있다. 얻어진 차는 기온의 함수이다.
이 시스템은 기준치와 표현식 간의 차를 가중한다(단계(518)). 예를 들어, 단계(518)에서, 이 시스템은 그 기간 동안 기온이 발생한 일수에 기초하여 기온별 차를 가중할 수 있다.
이 시스템은 에너지 사용량의 감소의 추정치를 계산한다(단계(520)). 예를 들어, 단계(520)에서, 이 시스템은 가중된 차를 사용하여 추정치를 계산할 수 있다. 에너지 사용량의 감소는 초기 에너지 사용량에 대한 기준치가 계산된 때와 건물에서의 에너지 사용량에 대한 측정치들이 측정된 때 사이에 건물에서 시행된 에너지 절감 대책들의 결과로서 건물에서의 에너지 절감의 양일 수 있다.
물론, 당업자라면, 구체적으로 나타내거나 동작들의 시퀀스에 의해 요구되지 않는 한, 앞서 기술한 프로세스들에서의 특정의 단계들이 생략되거나, 동시에 또는 순차적으로 수행되거나, 다른 순서로 수행될 수 있다는 것을 잘 알 것이다.
도 6a 및 도 6b는 본 개시 내용의 다양한 실시예들에 따라 발생된 에너지 사용량 기준치들의 그래프들을 나타낸 것이다. 도 6a에서의 그래프(600)는 과거 에너지 사용량 기준치(602)를 과거 에너지 사용량 데이터에 대한 데이터 점들로부터 발생된 기온의 함수로서 나타내고 있다. 그래프(600)에서, 정사각형 형상의 점들은 그래프(600)에 플롯팅된 과거 에너지 사용량 및 기온 데이터 점 쌍들에 대한 데이터 점 쌍들을 나타낸다. 예를 들어, 데이터 처리 시스템(200)은 월에 대한 에너지 사용량에 대한 값 및 평균 기온에 대한 값을 식별하고, 그래프(600) 상에 데이터 점 쌍들을 플롯팅할 수 있다. 데이터 처리 시스템(200)은 그래프(600) 상에 플롯팅된 과거 에너지 사용량 기준치(602)에 대한 함수를 발생시키기 위해 데이터 점 쌍들에 대해 회귀 분석을 수행할 수 있다. 이 예시적인 예에서, 과거 에너지 사용량 기준치(602)에 대한 함수는 에너지 사용량 = .0189 * t2 + 7.1075 * t + 233.56이고, 여기서 t는 기온에 대한 값이다.
또한, 현재 에너지 사용량 기준치(604)가 그래프(600)에 포함되어 있다. 그래프(600)에서, 삼각형 형상의 점들은 그래프(600)에 플롯팅된 에너지 사용량 측정치들 및 기온 데이터 점 쌍들에 대한 데이터 점 쌍들을 나타낸다. 예를 들어, 데이터 처리 시스템(200)은 에너지 사용량이 측정된 기간 동안 현재 에너지 사용량 측정치에 대한 값 및 평균 기온에 대한 값을 식별하고, 그래프(600) 상에 데이터 점 쌍들을 플롯팅할 수 있다. 도시되어 있는 바와 같이, 현재 에너지 사용량 기준치(604)에 대한 데이터 점 쌍들은 과거 에너지 사용량 기준치(602)의 기온 범위의 일부분에만 걸쳐 있다. 예를 들어, 과거 에너지 사용량 기준치(602)의 기온 범위는 약 69 °F부터 약 84 °F까지인 반면, 현재 에너지 사용량 기준치(604)의 기온 범위는 약 72 °F부터 약 82 °F까지이다. 데이터 처리 시스템(200)은 그래프(600) 상에 플롯팅된 현재 에너지 사용량 기준치(604)에 대한 함수를 발생시키기 위해 데이터 점 쌍들에 대해 회귀 분석을 수행할 수 있다. 이 예시적인 예에서, 현재 에너지 사용량 기준치(604)에 대한 함수는 에너지 사용량 = .9417 * t2 + 135.5 * t + 5722.8이고, 여기서 t는 기온에 대한 값이다.
도 6b에서의 그래프(610)는 과거 에너지 사용량 기준치(602) 및 현재 에너지 사용량 기준치(604)에 기초하여 발생된, 조정된 에너지 사용량 기준치(606)를 나타내고 있다. 예를 들어, 데이터 처리 시스템(200)은 현재 에너지 사용량 기준치(604)가 걸쳐 있는 기온 범위에 대해 과거 에너지 사용량 기준치(602)와 현재 에너지 사용량 기준치(604) 간의 차를 계산할 수 있다. 이 예에서, 이 차는 보정 인자를 식별하기 위해 현재 에너지 사용량 기준치(604)가 걸쳐 있는 기온 범위에 걸쳐 평균된다. 데이터 처리 시스템(200)은 과거 에너지 사용량 기준치(602)를 보정 인자에 의해 스케일링하여, 조정된 에너지 사용량 기준치(606)를 발생시킨다. 이 예시적인 예에서, 조정된 에너지 사용량 기준치(606)에 대한 함수는 에너지 사용량 = 0.0372 * t2 + 4.5172 * t + 313.57이고, 여기서 t는 기온에 대한 값이다. 이 조정된 에너지 사용량 기준치(606)는 이어서 장래 에너지 사용량 절감의 추정치들을 발생시키는 데 사용될 수 있다. 그래프들(600 및 610)은, 예를 들어, 데이터 처리 시스템(200)에 의해, 저장되고 그리고/또는 사용자에게 유형적 출력으로서 디스플레이될 수 있다.
도 7은 본 개시 내용의 다양한 실시예들에 따른, 과거 기온 분포(702), 기준치 기온 분포(704), 및 제어 데이터 기온 분포(706)의 그래프(700)를 나타낸 것이다. 이 예시적인 실시예에서, 과거 기온 분포(702)는 일별 기온들 및 일별 기온이 발생한 일년 중의 일수를 나타내는 플롯이다. 예시된 바와 같이, 일년 중의 대부분의 날들은 과거 기온 분포(702)의 중간에서 기온 값(예컨대, 70 °F)을 가지며, 대향하는 극단 기온들(예컨대, 30 °F 미만 또는 100 °F 초과) 쪽에서 일수가 더 적다.
기준치 기온 분포(704)는 일별 기온들 및 일별 기온이 발생한 기준치 측정 기간 동안의 일수를 나타내는 플롯의 예이다. 예시된 바와 같이, 기준치 기온 분포(704)에서의 기온들의 범위 및 일수는 과거 기온 분포(702)에서의 기온들 및 날들에서보다 훨씬 더 작다. 이러한 이유는 기준치 계산을 위한 샘플링 기간이 종종 일년 미만이기 때문이다. 고객들은 에너지 절감 대책을 구현하기 전에 일년을 기다리는 것에 종종 관심이 없다. 2개의 곡선들(702 및 704)의 비교에 나타낸 바와 같이, 기준치 기온 분포(704)에서의 보다 높은 기온들은 보다 낮은 기온 값들보다 일년 동안 더 빈번히 발생한다. 그에 따라, 본 개시 내용의 실시예들은, 더 많은 다른 에너지 사용량 측정치들이 있을 수 있다는 사실에도 불구하고, 이 보다 높은 기온들에 대한 에너지 사용량 측정치들을 기준치 날짜로부터의 다른 에너지 사용량 측정치들보다 더 많이 가중할 수 있다.
제어 데이터 기온 분포(706)는 일별 기온들 및 일별 기온이 발생한 제어 데이터 측정 기간 동안의 일수를 나타내는 플롯의 예이다. 제어 데이터는 에너지 절감 대책의 시행 후에 수집된 에너지 사용량 및 기온 데이터이다. 예시된 바와 같이, 제어 데이터 기온 분포(706)에서의 기온들의 범위 및 일수는 과거 기온 분포(702)에서의 기온들 및 날들에서보다 훨씬 더 작다. 이러한 이유는 제어 데이터 계산을 위한 샘플링 기간이 종종 일년 미만이기 때문이다. 고객들은 에너지 절감 대책이 실제로 에너지를 절감하는지를 결정하기 위해 일년을 기다리는 것에 종종 관심이 없다. 2개의 곡선들(702 및 706)의 비교에 나타낸 바와 같이, 제어 데이터 기온 분포(706)에서의 보다 높은 기온들은 보다 낮은 기온 값들보다 일년 동안 더 빈번히 발생한다. 그에 따라, 본 개시 내용의 실시예들은, 더 많은 다른 에너지 사용량 측정치들이 있을 수 있다는 사실에도 불구하고, 이 더 높은 기온들에 대한 에너지 사용량 측정치들을 기준치 날짜로부터의 다른 에너지 사용량 측정치들보다 더 많이 가중할 수 있다.
도 8은 본 개시 내용의 다양한 실시예들에 따른, 기준치 에너지 사용량과 측정된 에너지 사용량 간의 차(802)의 그래프(800)를 나타낸 것이다. 앞서 논의한 바와 같이, 데이터 처리 시스템(200)이 기준치 및 제어 데이터를 수신하고 가중하면, 데이터 처리 시스템(200)은 기준치 에너지 사용량 및 에너지 절감 대책후 에너지 사용량에 대한 표현식들을 기온의 함수로서 발생시키기 위해 회귀 분석을 수행한다.
이 예시적인 실시예에서, 기준치(804)는 기온의 함수로서의 에너지 절감 대책전 에너지 사용량의 플롯의 예이다. 표현식(806)은 기온의 함수로서의 에너지 절감 대책후 에너지 사용량의 플롯의 예이다. 차(802)(회색으로 표시됨)는 기준치(804) 아래의 면적과 표현식(806) 아래의 면적 간의 차를 나타낸다. 이 차(802)는 기온의 함수로서 예상될 수 있는 에너지 사용량의 감소(예컨대, 에너지 절감)의 양이다. 데이터 처리 시스템(200)은 기온이 발생하는 일년 동안의 횟수에 기초하여 기온별로(예컨대, 그래프(800)에 플롯팅된 각각의 기온에 대해) 이 차(802)를 가중할 수 있다. 환언하면, 에너지 사용량의 차(802)는, 에너지 사용량 차에 대한 기온이 주어진 일년 동안 더 빈번히 발생하는 경우, 연간 계산에서 사용하는 데 보다 신뢰성이 있다. 데이터 처리 시스템(200)은 이어서 이 가중된 차 및 과거 기온 분포(702)를 사용하여 연간 에너지 사용량 감소를 계산할 수 있다. 예를 들어, 연간 에너지 사용량 감소는 과거 기온 분포(702)로부터의 일수 x 각각의 기온에 대해 합산된 가중된 차로서 계산될 수 있다.
개시된 실시예들은 과거 에너지 사용량 기준치의 정확도를 개선시키면서 건물에서의 에너지 사용량의 조정된 기준치를 설정하는 데 필요한 시간량을 감소시킨다. 개시된 실시예들은 기온 범위에 걸쳐 뻗어 있는 정확한 에너지 사용량 기준치를 제공하기 위해 과거 에너지 사용량 데이터를 그 장소로부터의 현재 에너지 사용량 측정치들의 샘플과 결합함으로써 데이터 수집 시간을 감소시킨다. 개시된 실시예들은 장기의 측정 기간을 필요로 함이 없이 과거 기준치가 제공하는 것보다 더 정확하게 주어진 기온에서의 에너지 사용량을 예측하기 위해 이 조정된 에너지 사용량 기준치를 이용한다.
개시된 실시예들은 에너지 사용량 예측의 검증 및 측정에서 에너지 사용량 데이터를 가중하기 위해 과거 기온 분포를 사용한다. 예를 들어, 흔히 발생하는 기온들에서의 에너지 사용량 데이터 점들은 측정 및 검증에 더 신뢰성이 있는 것으로 간주될 수 있다. 이와 유사하게, 기온 분포의 양극단에서의 에너지 사용량 데이터 점들은 덜 빈번히 발생하고 연간 에너지 사용량에 영향을 덜 미칠 수 있다. 그에 따라, 개시된 실시예들은 에너지 사용량 예측의 검증 및 측정의 정확도를 향상시키고, 충분히 정확한 결과들을 획득하기 위해 데이터 수집에 필요한 시간량을 감소시킬 수 있다.
당업자라면, 간단함 및 명확함을 위해, 본 개시 내용에서 사용하기에 적당한 모든 데이터 처리 시스템들의 전체 구조 및 동작이 본 명세서에 도시되거나 기술되어 있지는 않다는 것을 잘 알 것이다. 그 대신에, 데이터 처리 시스템이 본 개시 내용에 특유하거나 본 개시 내용의 이해를 위해 필요한 만큼만 도시되고 기술되어 있다. 데이터 처리 시스템(200)의 구성 및 동작의 나머지는 기술 분야에 공지된 다양한 현재 구현들 및 실시들 중 임의의 것에 따를 수 있다.
유의할 중요한 점은, 본 개시 내용이 완전히 기능하는 시스템과 관련한 설명을 포함하지만, 당업자라면 본 개시 내용의 메커니즘의 적어도 일부분들이 각종의 형태들 중 임의의 형태로 기계 사용가능, 컴퓨터 사용가능 또는 컴퓨터 판독가능 매체 내에 포함된 명령어들의 형태로 배포될 수 있다는 것과, 본 개시 내용이 배포를 실제로 수행하기 위해 이용되는 특정의 유형의 명령어 또는 신호 전달 매체 또는 저장 매체에 관계없이 똑같이 적용된다는 것을 잘 알 것이다. 기계 사용가능/판독가능 또는 컴퓨터 사용가능/판독가능 매체의 예는 ROM(read only memory) 또는 EEPROM(erasable, electrically programmable read only memory)과 같은 비휘발성 하드코딩된 유형의 매체, 그리고 플로피 디스크, 하드 디스크 드라이브, 및 CD-ROM(compact disk read only memory) 또는 DVD(digital versatile disk)와 같은 사용자 기록가능 유형 매체를 포함한다.
본 개시 내용의 예시적인 실시예가 상세히 기술되어 있지만, 당업자라면 본 명세서에 개시되어 있는 다양한 변경들, 치환들, 변형들, 및 개선들이 본 개시 내용의 사상 및 범주를 벗어남이 없이 그의 최광의의 형태로 행해질 수 있다는 것을 잘 알 것이다.
본 출원에서의 설명 중 어느 것도 임의의 특정의 요소, 단계, 또는 기능이 청구항 범주에 포함되어야만 하는 필수적인 요소임을 암시하는 것으로 해석되어서는 안되며, 특허된 발명 요지의 범주는 허용된 청구항에 의해서만 한정된다. 더욱이, 이 청구항들 중 어느 것도 정확한 어구 "~하는 수단"에 뒤이어서 분사가 오지 않는 한, 35 USC 112조의 6항을 적용하기 위한 것이 아니다.

Claims (20)

  1. 데이터 처리 시스템에서 에너지 사용량 측정에서의 기온 가중 방법으로서, 상기 방법은:
    어떤 기간 동안 한 장소에서 복수의 상이한 기온들 각각이 발생한 일수를 식별하는 단계;
    상기 장소에 위치한 건물에서의 초기 에너지 사용량에 대한 기준치를 식별하는 단계;
    상기 건물에서의 에너지 사용량에 대한 측정치들을 수신하는 단계;
    상기 에너지 사용량에 대한 측정치들에 대해 회귀 분석을 수행하는 것에 의해 측정된 에너지 사용량에 대한 표현식을 기온의 함수로서 발생시키는 단계;
    상기 초기 에너지 사용량에 대한 기준치와 상기 측정된 에너지 사용량에 대한 표현식 간의 차를 식별하는 단계;
    상기 기간 동안 하나 이상의 기온들이 발생한 일수에 기초하여, 상기 하나 이상의 기온들에서 기준치 에너지 사용량과 상기 측정된 에너지 사용량 간의 차에 대한 가중치를 발생시키는 단계; 및
    에너지 소비량을 감소시키기 위해 상기 건물의 서브시스템들을 동작시키기 위하여 상기 가중치를 사용하여 상기 기준치를 조정하는 단계를 포함하는 방법.
  2. 제1항에 있어서, 상기 가중된 차에 기초하여 상기 기간 동안의 상기 건물에서의 에너지 사용량의 추정치를 발생시키는 단계를 더 포함하는 방법.
  3. 제2항에 있어서, 상기 기간은 1년이고, 상기 일수는 상기 장소에 대한 일별 기온이 특정의 온도에 있는 일년 중의 평균 일수인 방법.
  4. 제1항에 있어서, 상기 가중된 차를 사용하여, 상기 초기 에너지 사용량에 대한 기준치가 계산된 때와 상기 건물에서의 에너지 사용량에 대한 측정치들이 측정된 때 사이에 상기 건물에서 시행된 에너지 절감 대책들의 결과로서 상기 건물에서의 에너지 사용량의 감소의 추정치를 발생시키는 단계를 더 포함하는 방법.
  5. 제1항에 있어서, 상기 건물에서의 초기 에너지 사용량에 대한 기준치를 식별하는 단계는
    상기 건물에서의 에너지 사용량에 대한 측정치들 및 대응하는 기온 값들의 초기 세트를 수신하는 단계;
    상기 기간 동안 상기 초기 세트 내의 각각의 측정치와 연관된 기온이 발생한 일수에 기초하여 상기 각각의 측정치에 대한 가중치를 발생시키는 단계;
    상기 가중치를 상기 각각의 측정치에 적용하는 것에 의해, 가중된 에너지 사용량과 기온 데이터 점들의 복수의 쌍들을 발생시키는 단계; 및
    상기 데이터 점들의 복수의 쌍들에 대해 회귀 분석을 수행하는 것에 의해 상기 건물에서의 초기 에너지 사용량에 대한 기준치를 발생시키는 단계를 포함하는 방법.
  6. 제1항에 있어서, 상기 차에 대한 가중치를 발생시키는 단계는
    상기 기간 동안 더 빈번히 발생하는 기온에서의 에너지 사용량의 차에 대한 가중치를 상기 기간 동안 덜 빈번히 발생하는 기온에서의 에너지 사용량의 차에 대한 가중치보다 더 높게 설정하는 단계를 포함하는 방법.
  7. 제1항에 있어서, 상기 기간 동안 상기 장소에서 상기 복수의 상이한 기온들 각각이 발생한 일수를 식별하는 단계는
    상기 건물이 위치하는 장소에서의 이전의 기간에 대한 기온 값들을 포함하는 과거 기온 데이터를 수신하는 단계; 및
    상이한 기온들이 발생하는 일년 중의 일수에 대한 과거 기온 분포를 발생시키는 단계를 포함하는 방법.
  8. 에너지 사용량 측정에서 기온 가중을 하도록 구성된 데이터 처리 시스템으로서, 상기 데이터 처리 시스템은:
    가중 애플리케이션(weighting application)을 포함하는 저장 디바이스;
    상기 가중 애플리케이션의 명령어들을 포함하는 액세스가능 메모리; 및
    어떤 기간 동안 한 장소에서 복수의 상이한 기온들 각각이 발생한 일수를 식별하고;
    상기 장소에 위치한 건물에서의 초기 에너지 사용량에 대한 기준치를 식별하며;
    상기 건물에서의 에너지 사용량에 대한 측정치들을 수신하고;
    상기 에너지 사용량에 대한 측정치들에 대해 회귀 분석을 수행하는 것에 의해 측정된 에너지 사용량에 대한 표현식을 기온의 함수로서 발생시키며;
    상기 초기 에너지 사용량에 대한 기준치와 상기 측정된 에너지 사용량에 대한 표현식 간의 차를 식별하고;
    상기 기간 동안 하나 이상의 기온들이 발생한 일수에 기초하여, 상기 하나 이상의 기온들에서 기준치 에너지 사용량과 상기 측정된 에너지 사용량 간의 차에 대한 가중치를 발생시키며;
    에너지 소비량을 감소시키기 위해 상기 건물의 서브시스템들을 동작시키기 위하여 상기 가중치를 사용하여 상기 기준치를 조정하기위한
    상기 가중 애플리케이션의 명령어들을 실행하도록 구성된 프로세서를 포함하는 데이터 처리 시스템.
  9. 제8항에 있어서, 상기 프로세서는 상기 가중된 차에 기초하여 상기 기간 동안의 상기 건물에서의 에너지 사용량의 추정치를 발생시키기 위한 상기 가중 애플리케이션의 명령어들을 실행하도록 더 구성되어 있는 데이터 처리 시스템.
  10. 제9항에 있어서, 상기 기간은 1년이고, 상기 일수는 상기 장소에 대한 일별 기온이 특정의 온도에 있는 일년 중의 평균 일수인 데이터 처리 시스템.
  11. 제8항에 있어서, 상기 프로세서는 상기 가중된 차를 사용하여, 상기 초기 에너지 사용량에 대한 기준치가 계산된 때와 상기 건물에서의 에너지 사용량에 대한 측정치들이 측정된 때 사이에 상기 건물에서 시행된 에너지 절감 대책들의 결과로서 상기 건물에서의 에너지 사용량의 감소의 추정치를 발생시키기 위한 상기 가중 애플리케이션의 명령어들을 실행하도록 더 구성되어 있는 데이터 처리 시스템.
  12. 제8항에 있어서, 상기 건물에서의 초기 에너지 사용량에 대한 기준치를 식별하기 위해, 상기 프로세서는
    상기 건물에서의 에너지 사용량에 대한 측정치들 및 대응하는 기온 값들의 초기 세트를 수신하고;
    상기 기간 동안 상기 초기 세트 내의 각각의 측정치와 연관된 기온이 발생한 일수에 기초하여 상기 각각의 측정치에 대한 가중치를 발생시키며;
    상기 가중치를 상기 각각의 측정치에 적용하는 것에 의해, 가중된 에너지 사용량과 기온 데이터 점들의 복수의 쌍들을 발생시키고;
    상기 데이터 점들의 복수의 쌍들에 대해 회귀 분석을 수행하는 것에 의해 상기 건물에서의 초기 에너지 사용량에 대한 기준치를 발생시키기 위한
    상기 가중 애플리케이션의 명령어들을 실행하도록 더 구성되어 있는 데이터 처리 시스템.
  13. 제8항에 있어서, 상기 차에 대한 가중치를 발생시키기 위해, 상기 프로세서는 상기 기간 동안 더 빈번히 발생하는 기온에서의 에너지 사용량의 차에 대한 가중치를 상기 기간 동안 덜 빈번히 발생하는 기온에서의 에너지 사용량의 차에 대한 가중치보다 더 높게 설정하기 위한 상기 가중 애플리케이션의 명령어들을 실행하도록 더 구성되어 있는 데이터 처리 시스템.
  14. 제8항에 있어서, 상기 기간 동안 상기 장소에서 상기 복수의 상이한 기온들 각각이 발생한 일수를 식별하기 위해, 상기 프로세서는
    상기 건물이 위치하는 장소에서의 이전의 기간에 대한 기온 값들을 포함하는 과거 기온 데이터를 수신하고;
    상이한 기온들이 발생하는 일년 중의 일수에 대한 과거 기온 분포를 발생시키기 위한
    상기 가중 애플리케이션의 명령어들을 실행하도록 더 구성되어 있는 데이터 처리 시스템.
  15. 실행될 때, 하나 이상의 데이터 처리 시스템들로 하여금
    어떤 기간 동안 한 장소에서 복수의 상이한 기온들 각각이 발생한 일수를 식별하게 하고;
    상기 장소에 위치한 건물에서의 초기 에너지 사용량에 대한 기준치를 식별하게 하며;
    상기 건물에서의 에너지 사용량에 대한 측정치들을 수신하게 하고;
    상기 에너지 사용량에 대한 측정치들에 대해 회귀 분석을 수행하는 것에 의해 측정된 에너지 사용량에 대한 표현식을 기온의 함수로서 발생시키게 하며;
    상기 초기 에너지 사용량에 대한 기준치와 상기 측정된 에너지 사용량에 대한 표현식 간의 차를 식별하게 하고;
    상기 기간 동안 하나 이상의 기온들이 발생한 일수에 기초하여, 상기 하나 이상의 기온들에서 기준치 에너지 사용량과 상기 측정된 에너지 사용량 간의 차에 대한 가중치를 발생시키게 하며;
    에너지 소비량을 감소시키기 위해 상기 건물의 서브시스템들을 동작시키기 위하여 상기 가중치를 사용하여 상기 기준치를 조정하게 하기 위한
    실행가능 명령어들로 인코딩된 비일시적인 컴퓨터 판독가능 매체.
  16. 제15항에 있어서, 상기 컴퓨터 판독가능 매체는, 실행될 때, 하나 이상의 데이터 처리 시스템들로 하여금 상기 가중된 차에 기초하여 상기 기간 동안의 상기 건물에서의 에너지 사용량의 추정치를 발생시키게 하기 위한 실행가능 명령어들로 더 인코딩되어 있는 컴퓨터 판독가능 매체.
  17. 제16항에 있어서, 상기 기간은 1년이고, 상기 일수는 상기 장소에 대한 일별 기온이 특정의 온도에 있는 일년 중의 평균 일수인 컴퓨터 판독가능 매체.
  18. 제15항에 있어서, 상기 컴퓨터 판독가능 매체는, 실행될 때, 하나 이상의 데이터 처리 시스템들로 하여금 상기 가중된 차를 사용하여, 상기 초기 에너지 사용량에 대한 기준치가 계산된 때와 상기 건물에서의 에너지 사용량에 대한 측정치들이 측정된 때 사이에 상기 건물에서 시행된 에너지 절감 대책들의 결과로서 상기 건물에서의 에너지 사용량의 감소의 추정치를 발생시키게 하기 위한 실행가능 명령어들로 더 인코딩되어 있는 컴퓨터 판독가능 매체.
  19. 제15항에 있어서, 상기 하나 이상의 데이터 처리 시스템들로 하여금 상기 건물에서의 초기 에너지 사용량에 대한 기준치를 식별하게 하기 위한 상기 명령어들은, 상기 하나 이상의 데이터 처리 시스템들로 하여금
    상기 건물에서의 에너지 사용량에 대한 측정치들 및 대응하는 기온 값들의 초기 세트를 수신하게 하고;
    상기 기간 동안 상기 초기 세트 내의 각각의 측정치와 연관된 기온이 발생한 일수에 기초하여 상기 각각의 측정치에 대한 가중치를 발생시키게 하며;
    상기 가중치를 상기 각각의 측정치에 적용하는 것에 의해, 가중된 에너지 사용량과 기온 데이터 점들의 복수의 쌍들을 발생시키게 하고;
    상기 데이터 점들의 복수의 쌍들에 대해 회귀 분석을 수행하는 것에 의해 상기 건물에서의 초기 에너지 사용량에 대한 기준치를 발생시키게 하는 명령어들을 포함하는 컴퓨터 판독가능 매체.
  20. 제15항에 있어서, 상기 하나 이상의 데이터 처리 시스템들로 하여금 상기 차에 대한 가중치를 발생시키게 하는 상기 명령어들은, 상기 하나 이상의 데이터 처리 시스템들로 하여금 상기 기간 동안 더 빈번히 발생하는 기온에서의 에너지 사용량의 차에 대한 가중치를 상기 기간 동안 덜 빈번히 발생하는 기온에서의 에너지 사용량의 차에 대한 가중치보다 더 높게 설정하게 하는 명령어들을 포함하는 컴퓨터 판독가능 매체.
KR1020147033782A 2012-05-04 2013-05-02 기온 분포를 사용한 측정 및 검증 가중 방법 및 시스템 KR102041417B1 (ko)

Applications Claiming Priority (5)

Application Number Priority Date Filing Date Title
US13/463,901 2012-05-04
US13/463,901 US20130297240A1 (en) 2012-05-04 2012-05-04 Methods and systems for improved time cost and accuracy of energy usage baselining
US13/829,089 US9658263B2 (en) 2012-05-04 2013-03-14 Methods and systems for measurement and verification weighting with temperature distribution
US13/829,089 2013-03-14
PCT/US2013/039204 WO2013166243A2 (en) 2012-05-04 2013-05-02 Methods and systems for measurement and verification weighting with temperature distribution

Publications (2)

Publication Number Publication Date
KR20150007330A KR20150007330A (ko) 2015-01-20
KR102041417B1 true KR102041417B1 (ko) 2019-11-06

Family

ID=48538041

Family Applications (1)

Application Number Title Priority Date Filing Date
KR1020147033782A KR102041417B1 (ko) 2012-05-04 2013-05-02 기온 분포를 사용한 측정 및 검증 가중 방법 및 시스템

Country Status (8)

Country Link
US (1) US9658263B2 (ko)
EP (1) EP2956782A4 (ko)
KR (1) KR102041417B1 (ko)
CN (1) CN105247374B (ko)
BR (1) BR112014027556A2 (ko)
CA (1) CA2872442C (ko)
MX (1) MX340325B (ko)
WO (1) WO2013166243A2 (ko)

Families Citing this family (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US8874732B1 (en) * 2011-12-08 2014-10-28 Amazon Technologies, Inc. System and method for end-to-end network-based services usage metering validation
US9866578B2 (en) * 2014-12-03 2018-01-09 AlphaSix Corp. System and method for network intrusion detection anomaly risk scoring
US9948099B1 (en) * 2016-09-29 2018-04-17 International Business Machines Corporation Identifying and mitigating risk associated with weather conditions
DE102017204176A1 (de) 2017-03-14 2018-09-20 Bayerische Motoren Werke Aktiengesellschaft Verfahren zum Aggregieren von Betriebswerten einer Vielzahl örtlich verteilter Betriebseinheiten sowie Überwachungsvorrichtung zum Durchführen des Verfahrens
US20190086234A1 (en) * 2017-09-18 2019-03-21 Elutions IP Holdings S.à.r.l. Systems and methods for displaying resource savings
US10425704B2 (en) 2017-10-24 2019-09-24 Landis+Gyr Innovations, Inc. Radio and advanced metering device
US10826889B2 (en) * 2017-10-26 2020-11-03 Cisco Techology, Inc. Techniques for onboarding devices based on multifactor authentication
CN110197762B (zh) * 2019-07-15 2021-03-16 宁波鄞州竹创信息科技有限公司 一种变压器散热温控方法及系统

Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2000270379A (ja) * 1999-03-12 2000-09-29 Toshiba Corp 地域ビル群エネルギー管理システム
JP2003180032A (ja) * 2001-12-10 2003-06-27 Toshiba Corp 電力需要予測システム及びその予測方法
JP2006098361A (ja) * 2004-09-30 2006-04-13 Toshiba Corp 建物エネルギー監視評価装置

Family Cites Families (10)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CA2309125A1 (en) * 2000-05-19 2001-11-19 Greydon Keith Miles Building energy efficiency recorder "beer", cabling, software, graphics,meter (megajoule per degree day and similar or equivalent, recording and reporting)
KR100648296B1 (ko) * 2004-06-11 2006-11-23 주식회사 우암닷컴 에너지 수요예측 방법 및 시스템
US20060167591A1 (en) 2005-01-26 2006-07-27 Mcnally James T Energy and cost savings calculation system
CN1693859A (zh) * 2005-05-18 2005-11-09 大连理工大学 基于数据融合的非接触式高温测量方法
US8266076B2 (en) * 2008-03-07 2012-09-11 Eqs, Inc. Apparatus, system, and method for quantifying energy usage and savings
EP2157408A1 (en) * 2008-08-22 2010-02-24 Van Egmond, Nicolaas Wilhelmus Jozef Device and method for controlling domestic energy consumption
US9020647B2 (en) * 2009-03-27 2015-04-28 Siemens Industry, Inc. System and method for climate control set-point optimization based on individual comfort
KR101698224B1 (ko) * 2009-05-08 2017-01-19 액센츄어 글로벌 서비시즈 리미티드 건물 에너지 소비 분석 시스템
US9196009B2 (en) 2009-06-22 2015-11-24 Johnson Controls Technology Company Systems and methods for detecting changes in energy usage in a building
US20110246381A1 (en) * 2010-03-30 2011-10-06 Aide Audra Fitch Systems and methods of modeling energy consumption of buildings

Patent Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2000270379A (ja) * 1999-03-12 2000-09-29 Toshiba Corp 地域ビル群エネルギー管理システム
JP2003180032A (ja) * 2001-12-10 2003-06-27 Toshiba Corp 電力需要予測システム及びその予測方法
JP2006098361A (ja) * 2004-09-30 2006-04-13 Toshiba Corp 建物エネルギー監視評価装置

Also Published As

Publication number Publication date
US20130297242A1 (en) 2013-11-07
KR20150007330A (ko) 2015-01-20
BR112014027556A2 (pt) 2017-06-27
WO2013166243A2 (en) 2013-11-07
WO2013166243A3 (en) 2015-11-19
MX340325B (es) 2016-07-05
US9658263B2 (en) 2017-05-23
CN105247374B (zh) 2018-02-13
MX2014013337A (es) 2015-03-04
EP2956782A2 (en) 2015-12-23
CN105247374A (zh) 2016-01-13
CA2872442A1 (en) 2013-11-07
EP2956782A4 (en) 2018-05-16
CA2872442C (en) 2022-06-07

Similar Documents

Publication Publication Date Title
KR102087843B1 (ko) 에너지 사용량 기준치의 시간 비용 및 정확도 개선 방법 및 시스템
KR102041417B1 (ko) 기온 분포를 사용한 측정 및 검증 가중 방법 및 시스템
US20150371151A1 (en) Energy infrastructure sensor data rectification using regression models
Ke et al. Cloud computing platform for real-time measurement and verification of energy performance
JP6599763B2 (ja) 電力需要予測装置および電力需要予測プログラム
US20130151179A1 (en) Automated monitoring for changes in energy consumption patterns
Granderson et al. Development and application of a statistical methodology to evaluate the predictive accuracy of building energy baseline models
WO2013099323A1 (ja) 電力管理システム及び電力管理方法
KR20100034777A (ko) 고객기준부하 산출을 위한 부하 예측 비교 분석 시스템
US20180248370A1 (en) Methods and systems for energy use normalization and forecasting
JP2019097327A (ja) 電力需要予測装置、電力需要予測方法およびプログラム
JP2017034797A (ja) ベースライン負荷推定装置及びベースライン負荷推定プログラム
Touzani et al. Evaluation of methods to assess the uncertainty in estimated energy savings
JP2008102816A (ja) 省エネルギー報告書作成装置およびその装置を使用してエネルギー使用量を予測する方法
KR20140109596A (ko) 미검침 구간의 검침 데이터 예측 및 보정 방법과 그 장치
Markoska et al. Assessment of building intelligence requirements for real time performance testing in smart buildings
Kaiser et al. Preliminary assessment of the Louisiana Home Energy Rebate Offer program using IPMVP guidelines
JP5654074B2 (ja) 電力使用量予測装置、電力使用量予測方法およびプログラム
KR20180028816A (ko) 에너지시뮬레이션모델 생성방법 및 생성장치, 그리고, 에너지시뮬레이션모델을 이용한 건물에너지관리방법 및 건물에너지관리장치
JP2015019543A (ja) 電力消費量算出方法、電力消費量算出装置
Simpson et al. Standard approaches to load forecasting and review of Manitoba hydro load forecast for needs for and alternatives to (NFAT)
JP5603811B2 (ja) エネルギー消費量予測システム
JP2020205692A (ja) 電力需要予測システム
Ma et al. Time-Varying Conservation Voltage Reduction Evaluation with Ground Truth Validation
Ma et al. Measurement error prediction-based reliability assessment framework for electric metering devices under harsh natural environments

Legal Events

Date Code Title Description
E902 Notification of reason for refusal
E701 Decision to grant or registration of patent right
GRNT Written decision to grant