KR20140148370A - 건물의 에너지 소모에 대한 최적화 및 조절 - Google Patents

건물의 에너지 소모에 대한 최적화 및 조절 Download PDF

Info

Publication number
KR20140148370A
KR20140148370A KR1020147022946A KR20147022946A KR20140148370A KR 20140148370 A KR20140148370 A KR 20140148370A KR 1020147022946 A KR1020147022946 A KR 1020147022946A KR 20147022946 A KR20147022946 A KR 20147022946A KR 20140148370 A KR20140148370 A KR 20140148370A
Authority
KR
South Korea
Prior art keywords
building
energy
computing device
data
response
Prior art date
Application number
KR1020147022946A
Other languages
English (en)
Inventor
크리스토퍼 데일 슬루프
데이비드 오베르홀저
로버트 에스. 마셜
정호 김
마이클 시에만
Original Assignee
어스네트웍스 아이엔씨
유니버시티 오브 메릴랜드, 컬리지 파크
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by 어스네트웍스 아이엔씨, 유니버시티 오브 메릴랜드, 컬리지 파크 filed Critical 어스네트웍스 아이엔씨
Publication of KR20140148370A publication Critical patent/KR20140148370A/ko

Links

Images

Classifications

    • G—PHYSICS
    • G05—CONTROLLING; REGULATING
    • G05F—SYSTEMS FOR REGULATING ELECTRIC OR MAGNETIC VARIABLES
    • G05F1/00—Automatic systems in which deviations of an electric quantity from one or more predetermined values are detected at the output of the system and fed back to a device within the system to restore the detected quantity to its predetermined value or values, i.e. retroactive systems
    • G05F1/66—Regulating electric power
    • G—PHYSICS
    • G05—CONTROLLING; REGULATING
    • G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
    • G05B13/00—Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion
    • G05B13/02—Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion electric
    • G—PHYSICS
    • G05—CONTROLLING; REGULATING
    • G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
    • G05B13/00—Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion
    • G05B13/02—Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion electric
    • G05B13/0205—Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion electric not using a model or a simulator of the controlled system
    • G05B13/026—Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion electric not using a model or a simulator of the controlled system using a predictor
    • G—PHYSICS
    • G05—CONTROLLING; REGULATING
    • G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
    • G05B15/00—Systems controlled by a computer
    • G05B15/02—Systems controlled by a computer electric
    • G—PHYSICS
    • G05—CONTROLLING; REGULATING
    • G05D—SYSTEMS FOR CONTROLLING OR REGULATING NON-ELECTRIC VARIABLES
    • G05D23/00—Control of temperature
    • G05D23/19—Control of temperature characterised by the use of electric means
    • G05D23/1917—Control of temperature characterised by the use of electric means using digital means
    • G—PHYSICS
    • G05—CONTROLLING; REGULATING
    • G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
    • G05B2219/00—Program-control systems
    • G05B2219/20—Pc systems
    • G05B2219/26—Pc applications
    • G05B2219/2642—Domotique, domestic, home control, automation, smart house

Abstract

본원에는 건물의 에너지 소모를 최적화하여 조절하기 위한 방법들 및 시스템들 그리고 컴퓨터 프로그램 물건들이 기술되어 있다. 제 1 컴퓨팅 디바이스는 건물의 에너지 특성들 및 건물과 관련된 날씨 데이터에 기초하여 건물에 대한 열 응답 계수들의 세트를 생성한다. 상기 제 1 컴퓨팅 디바이스는 열 응답 계수들의 세트 및 건물의 위치와 관련된 예보된 날씨에 기초하여 건물의 에너지 응답을 예측한다. 상기 제 1 컴퓨팅 디바이스는 건물과 관련된 에너지 소모 비용에 기초하여 건물의 최소 에너지 요구량들을 선택한다. 상기 제 1 컴퓨팅 디바이스는 에너지 응답 및 최소 에너지 요구량들에 기초하여 건물에 대한 하나 이상의 온도 설정 포인트들을 결정한다. 상기 제 1 컴퓨팅 디바이스는 하나 이상의 온도 설정 포인트들을 건물의 써모스택에 송신한다.

Description

건물의 에너지 소모에 대한 최적화 및 조절{OPTIMIZING AND CONTROLLING THE ENERGY CONSUMPTION OF A BUILDING}
본 발명은 일반적으로 건물의 에너지 소모를 최적화하여 조절하는 것에 관한 것이다.
날씨는 가정 에너지 부담에 영향을 미치는 가장 큰 변수이다. 대다수의 가정들에는 난방과 냉방을 조절하는 표준 써모스탯이 구비되어 있으며, 거주자가 날씨 상태를 고려하여 수동으로 온도를 조절하거나 써모스탯이 미리 정해진 스케줄에 기초하여 자동으로 온도를 조절한다. 온도의 자동 조절은 가정에 전력을 제공하는 유틸리티에 의해 수행될 수 있지만, 종종 이러한 조절들은 가정의 정확한 위치에 대한 불완전하거나 부정확한 날씨 정보에 기초한 것이며, 거주자의 개인적 선호도를 감안한 것이 아니다. 또한, 이러한 시스템들은 일반적으로 써모스탯이 설치된 특정 건물의 열적 특성을 고려할 수는 없다.
그 결과, 이러한 시스템들은 예보된 날씨 상태 및 가정의 에너지 특성들에 기초하여 사전-난방 및/또는 사전-냉방을 수행하는 것보다 오히려, 현재의 날씨 상태들 및 가정의 온도 필요들에 반응한다.
본원에 설명되는 기술들은 로컬 날씨 예보 상태들 및 수요 반응 이벤트가 예상되는 경우에 반응하여 건물을 사전-난방 및/또는 사전-냉방하도록 건물의 써모스탯을 동적으로 제어하는 것에 의해, 건물(예컨대, 가정)의 에너지 사용을 최적화하는 것에 관한 것이다. 또한, 본 기술들은 효율적인 에너지 사용 및 모니터링을 장려하면서 건물의 거주자들에 대한 소망하는 컴포트 레벨(comfort level)을 유지시키는 이점을 제공한다.
일 양태에서, 본 발명은 건물의 에너지 소모를 최적화하여 제어하는 방법을 특징으로 한다. 제 1 컴퓨팅 디바이스는 건물의 에너지 특성들 및 건물의 위치와 관련된 날씨 데이터에 기초하여 건물에 대한 열 응답 계수들의 세트를 생성한다. 상기 제 1 컴퓨팅 디바이스는 열 응답 계수들의 세트 및 건물의 위치와 관련된 예보된 날씨에 기초하여 건물의 에너지 응답을 예측한다. 상기 제 1 컴퓨팅 디바이스는 건물과 관련된 에너지 소모 비용에 기초하여 건물의 최소 에너지 요구량들을 선택한다. 상기 제 1 컴퓨팅 디바이스는 에너지 응답 및 최소 에너지 요구량들에 기초하여 건물에 대한 하나 이상의 온도 설정 포인트들을 결정한다. 상기 제 1 컴퓨팅 디바이스는 하나 이상의 온도 설정 포인트들을 건물의 써모스탯에 송신한다.
다른 양태에서, 본 발명은 건물의 에너지 소모를 최적화하여 조절하기 위한 시스템을 특징으로 한다. 상기 시스템은 건물의 에너지 특성들 및 건물의 위치와 관련된 날씨 데이터에 기초하여 건물에 대한 열 응답 계수들의 세트를 생성하도록 구성된 제 1 컴퓨팅 디바이스를 포함한다. 상기 제 1 컴퓨팅 디바이스는 열 응답 계수들의 세트 및 건물의 위치와 관련된 예보된 날씨에 기초하여 건물의 에너지 응답을 예측하도록 구성된다. 상기 제 1 컴퓨팅 디바이스는 건물과 관련된 에너지 소모 비용에 기초하여 최소 에너지 요구량을 선택하도록 구성된다. 상기 제 1 컴퓨팅 디바이스는 에너지 응답 및 최소 에너지 요구량들에 기초하여 건물에 대한 하나 이상의 온도 설정 포인트들을 결정하도록 구성된다. 상기 제 1 컴퓨팅 디바이스는 하나 이상의 온도 설정 포인트들을 건물의 써모스탯에 송신하도록 구성된다.
다른 양태에서, 본 발명은 건물의 에너지 소모를 최적화하여 조절하도록, 비-일시적 컴퓨터 판독가능 저장매체에 유형적으로 구현된 컴퓨터 프로그램 물건을 특징으로 한다. 상기 컴퓨터 프로그램 물건은, 데이터 처리 장치로 하여금, 건물의 에너지 특성들 및 건물의 위치와 관련된 날씨 데이터에 기초하여 건물에 대한 열 응답 계수들의 세트를 생성하게 하도록 동작가능한 명령들을 포함한다. 상기 컴퓨터 프로그램 물건은, 데이터 처리 장치로 하여금, 열 응답 계수들의 세트 및 건물의 위치와 관련된 예보된 날씨에 기초하여 건물의 에너지 응답을 예측하게 하도록 동작가능한 명령들을 포함한다. 상기 컴퓨터 프로그램 물건은, 데이터 처리 장치로 하여금, 건물과 관련된 에너지 소모 비용에 기초하여 최소 에너지 요구량들을 선택하게 하도록 동작가능한 명령들을 포함한다. 상기 컴퓨터 프로그램 물건은, 데이터 처리 장치로 하여금, 에너지 응답 및 최소 에너지 요구량들에 기초하여 건물에 대한 하나 이상의 온도 설정 포인트들을 결정하게 하도록 동작가능한 명령들을 포함한다. 상기 컴퓨터 프로그램 물건은, 데이터 처리 장치로 하여금, 하나 이사의 온도 설정 포인트들을 건물의 써모스탯으로 송신하게 하도록 동작가능한 명령들을 포함한다.
다른 양태에서, 본 발명은 건물의 에너지 소모를 최적화하여 조절하기 위한 시스템을 특징으로 한다. 상기 시스템은 건물의 에너지 특성들 및 건물의 위치와 관련된 날씨 데이터에 기초하여 건물에 대한 열 응답 계수들의 세트를 생성하기 위한 수단을 포함한다. 상기 시스템은 열 응답 계수들의 세트 및 건물의 위치와 관련된 예보된 날씨에 기초하여 건물의 에너지 응답을 예측하기 위한 수단을 포함한다. 상기 시스템은 건물과 관련된 에너지 소모 비용에 기초하여 건물의 최소 에너지 요구량들을 선택하기 위한 수단을 포함한다. 상기 시스템은 에너지 응답 및 최소 에너지 요구량들에 기초하여 건물에 대한 하나 이상의 온도 설정 포인트들을 결정하기 위한 수단을 포함한다. 상기 시스템은 하나 이상의 온도 설정 포인트들을 건물의 써모스탯으로 송신하기 위한 수단을 포함한다.
다른 양태에서, 본 발명은 건물의 축적 에너지를 계산하는 방법을 특징으로 한다. 제 1 컴퓨팅 디바이스는 건물에 공급되도록 사용가능한 에너지의 가격을 결정한다. 상기 제 1 컴퓨팅 디바이스는 건물의 에너지 특성들 및 건물의 위치와 관련된 날씨 데이터에 기초하여 건물에 대한 열 응답 계수들의 세트를 생성한다. 상기 제 1 컴퓨팅 디바이스는 열 응답 계수들의 세트 및 건물의 위치와 관련된 예보된 날씨에 기초하여 건물의 에너지 응답을 예측한다. 상기 제 1 컴퓨팅 디바이스는 건물과 관련된 에너지 소모 비용에 기초하여 건물의 최소 에너지 요구량들을 선택한다. 상기 제 1 컴퓨팅 디바이스는 에너지 응답 및 최소 에너지 요구량들에 기초하여 건물에 대한 하나 이상의 온도 설정 포인트들을 결정한다. 상기 제 1 컴퓨팅 디바이스는 하나 이상의 온도 설정 포인트들을 건물의 써모스탯에 송신한다.
싱기 양태들 중의 임의의 것은 다음의 특징들 중의 하나 이상을 포함할 수 있다. 몇몇 실시예들에서, 열 응답 계수들의 세트를 생성하는 것은 건물의 물리적 데이터에 더 기초한다. 몇몇 실시예들에서, 물리적 데이터는 열 용량, 바람 침투, 창문들의 상대 면적, 절연재의 양, 건물의 바람 침투, 구성 재료, 관련 HVAC 시스템의 효율 중의 적어도 하나를 포함한다. 몇몇 실시예들에서, 예측된 에너지 응답는 미리 결정된 기준에 기초하여 순위화된다.
몇몇 실시예들에서, 에너지 응답을 예측하는 것은 건물과 관련된 에너지 소모 비용에 더 기초한다. 몇몇 실시예들에서, 에너지 소모 비용은 각종 외부 온도들에 대하여 건물의 온도를 변경하기 위해 필요한 전력량을 나타낸다. 몇몇 실시예들에서, 에너지 특성은 건물의 실내 온도 및 건물 내의 HVAC 시스템의 상태를 포함하며, 상기 HVAC 시스템은 하나 이상의 스테이지 난방 또는 냉방 유닛들을 포함한다.
몇몇 실시예들에서, 최소 에너지 요구량들은 건물 내의 HVAC 시스템의 전력 소모량 및 HVAC 시스템의 듀티 사이클을 포함한다. 몇몇 실시예들에서, 하나 이상의 온도 설정 포인트들을 결정하는 것은 추가로, 기상 예보 데이터, 건물의 거주자에 의해 제공되는 컴포트 선호, 또는 양자 모두에 기초한다. 몇몇 실시예들에서, 상기 제 1 컴퓨팅 디바이스는 사용자에 대한 디스플레이용 원격 컴퓨팅 디바이스에게 상기 예측된 에너지 응답을 송신한다. 몇몇 실시예들에서, 상기 원격 컴퓨팅 디바이스는 사용자에 의해 제공된 입력에 기초하여 온도 선호를 수신한다.
몇몇 실시예들에서, 써모스탯으로부터 송신되는 하나 이상의 온도 설정 포인트들은 일정 기간 동안 써모스탯의 제어를 위한 스케줄을 포함한다. 몇몇 실시예들에서, 상기 제 1 컴퓨팅 디바이스는 원격 센서들의 네트워크로부터 날씨 데이터를 수신한다. 몇몇 실시예들에서, 날씨 데이터는 실시간으로 수신된다.
몇몇 실시예들에서, 상기 제 1 컴퓨팅 디바이스는 건물 내의 HVAC 시스템에 연결된 디바이스로부터 써모스탯 데이터을 수신한다. 몇몇 실시예들에서, 써모스탯 데이터는 미리 결정된 시간 간격들로 수신된다. 몇몇 실시예들에서, 써모스탯 데이터는 실시간으로 수신된다.
몇몇 실시예들에서, 상기 제 1 컴퓨팅 디바이스는 오류 정정을 위해 상기 생성된 열 응답 계수들의 세트을 조정한다. 몇몇 실시예들에서, 상기 조정은 상기 생성된 열 응답 계수들의 세트의 이상을 필터링하는 것을 포함한다. 몇몇 실시예들에서, 날씨 데이터는 건물의 위치에서의 현재 날씨 상태들, 건물의 위치에 대한 예보 날씨 상태들, 건물의 위치에서의 태양 부하, 또는 이들의 임의의 조합을 포함한다.
몇몇 실시예들에서, 상기 제 1 컴퓨팅 디바이스는 건물의 예측된 에너지 응답을 하나 이상의 건물들의 예측된 에너지 응답과 비교하며, 상기 제 1 컴퓨팅 디바이스는 상기 비교에 기초하여 건물의 예측된 에너지 응답을 순위화한다.
몇몇 실시예들에서, 선택된 최적 에너지 요구량들은 건물의 거주자에 의해 제공되는 컴포트 선호에 적어도 기초하며, 제 2 컴퓨팅 디바이스는 더 적은 에너지 및 컴포트 선호로부터의 일탈(diverge)을 사용하도록 건물의 에너지 응답을 변경하는 하나 이상의 온도 설정 포인트들을 결정하고; 제 2 컴퓨팅 디바이스는 상기 결정된 온도 설정 포인트들을 건물의 써모스탯에 송신한다. 몇몇 실시예들에서, 상기 제 2 컴퓨팅 디바이스는 에너지 공급자에 의해 작동된다. 몇몇 실시예들에서, 상기 제 1 컴퓨팅 디바이스와 상기 제 2 컴퓨팅 디바이스는 동일한 것이다.
몇몇 실시예들에서, 더 적은 에너지를 사용하도록 건물의 에너지 응답을 변경하는 것에 의해 절감된 에너지량이 결정된다. 몇몇 실시예들에서, 상기 절감된 에너지량은 대응하는 에너지 소모 비용으로 변환된다.
몇몇 실시예들에서, 상기 제 1 컴퓨팅 디바이스는 건물에 공급되도록 사용가능한 에너지의 가격을 결정하고, 에너지 응답 및 최소 에너지 요구량들에 기초하여 건물과 관련된 축적 에너지의 양을 결정하고, 축적 에너지의 양 및 에너지의 가격에 기초하여 건물의 써모스탯에게 에너지 소모 액션을 송신한다. 몇몇 실시예들에서, 축적 에너지의 양은 소정 시간 동안 상이한 포인트들에서 결정된다.
몇몇 실시예들에서, 선물에 대한 열 응답 계수들의 세트를 생성하느 것은 스마트 미터 데이터에 더 기초한다. 몇몇 실시예들에서, 건물 내의 온도에 영향을 미치는 디바이스들의 사용은, 써모스탯에 의해 수신되는 하나 이상의 온도 설정 포인트들에 기초하여 제어된다. 몇몇 실시예들에서, 상기 온도에 영향을 미치는 디바이스들은 팬들(fans), 가습기들(humidifiers), 및 차광장치들(light shades)을 포함한다.
본 발명의 다른 양태들 및 이점들은 단지 예로서 본 발명의 원리를 예시하는 첨부 도면들과 함께 다음의 상세한 설명으로부터 명백해질 것이다.
전술한 본 발명의 이점들은, 다른 추가적인 이점들과 함께, 첨부 도면들과 함께 취해진 다음의 설명을 참조하여 더욱 양호하게 이해될 수 있다. 본 도면들은 반드시 축척대로 도시된 것은 아니며, 대신에 본 발명의 원리를 예시할 시에는 과장되어 있다.
도 1은 건물의 에너지 소모를 최적화하여 조절하기 위한 시스템의 블록도이다.
도 2는 건물의 에너지 소모를 최적화하여 조절하기 위한 서버 컴퓨팅 디바이스의 상세 블록도이다.
도 3은 건물의 에너지 소모를 최적화하여 조절하기 위한 방법의 흐름도이다.
도 4는 시스템의 예측에 의해 결정되는 전력 사용 및 온도 판독을, 실제의 전력 사용 및 온도 판독과 대비하여 나타낸 도면이다.
도 1은 건물의 에너지 소모를 최적화하여 조절하기 위한 시스템(100)의 블록도이다. 시스템(100)은 서버 컴퓨팅 디바이스(102), 통신 네트워크(104), 건물에 대한 난방 및/또는 냉방 장치를 제어하는 써모스탯 디바이스(106), 및 클라이언트 컴퓨팅 디바이스(108)를 포함한다. 서버 컴퓨팅 디바이스(102)는 외부 소스들(예를 들어, 날씨 데이터, 써모스탯 데이터)로부터 데이터를 수신하고, 특정 건물에 대한 에너지 응답 특성 및 에너지 요구사항들을 결정한다. 서버 컴퓨팅 디바이스(102)는 건물에 대한 온도 설정 포인트를 결정하고, 네트워크(104)를 통해 써모스탯(106)으로 그 설정 포인트를 전송함으로써, 써모스탯이 건물의 난방/냉방 상태들을 적절하게 조절할 수 있도록 한다. 또한, 서버 컴퓨팅 디바이스(102)는 네트워크(104)를 통해 클라이언트 컴퓨팅 디바이스(108)와 인터페이싱하여 포털(예를 들어, 웹 브라우저 인터페이스)을 제공하며, 이를 통해 사용자는 건물(예를 들어, 사용자의 집)에 대한 에너지 응답 특성 및 에너지 사항들을 확인할 수 있다. 또한, 사용자는 예를 들어, 써모스탯에 대한 온도 설정 포인트들을 수동으로 조절하여, 사용자의 난방/냉방 선호에 맞게 컴포트 프로파일(comfort profile)을 설정할 수 있으며, 이에 따라 서버 컴퓨팅 디바이스(102)는 그 컴포트 프로파일에 기초하여 써모스탯(106)을 자동으로 조절할 수 있다.
도 2는 건물의 에너지 소모를 최적화하여 조절하기 위한 서버 컴퓨팅 디바이스(102)의 상세 블록도이다. 서버 컴퓨팅 디바이스(102)는 데이터 수신 모듈(202), 데이터 스토리지(204), 계수 모델러(coefficient modeler)(206), 예측 결과 모듈(208), 최적화 스케줄링 모듈(210), 데이터 검증 모듈(212), 송신 모듈(214), 및 웹 인터페이스 모듈(216)을 포함한다. 도 2는 단일의 서버 컴퓨팅 디바이스(102) 내에 존재하는 것으로 컴포넌트들(예를 들어, 202, 204, 206, 208, 210, 212, 214 및 216)을 나타내고 있지만, 몇몇 실시예들에서 이 컴포넌트들은 본 발명의 사상 또는 범주를 벗어나지 않는 범위 내에서 상이한 물리적 디바이스들 상에 분산됨이 인식되어야 한다. 또한, 컴포넌트들이 상이한 물리적 디바이스들 상에 분산되는 실시예들에서, 이러한 디바이스들은 동일한 물리적 위치에 상주할 수 있으며, 또는 상이한 물리적 위치들로 분산될 수도 있다.
데이터 수신 모듈(202)은 서버 컴퓨팅 디바이스(102)의 외부 데이터 소스들(예를 들어, 날씨 데이터베이스들, 에너지 공급자들 및 건물 써모스탯들)과 데이터 스토리지(204) 간의 인터페이스를 제공한다. 데이터 수신 모듈(202)은 각종 외부 데이터 수집 및/또는 모니터링 시스템들(예를 들어, NWS, NOAA, Earth Networks Weather Network)로부터 대기 상태들 및 날씨와 관련된 데이터를 수신한다. 정보의 다른 소스들은 정부 기관들 및 제 3 자 민간 기업들을 포함하며, 이에 한정되지 않는다. 대기 상태들 및 날씨 데이터는 현재 상태 정보, 예측 정보 및 기상 경보 정보를 포함할 수 있으며, 이에 한정되지 않는다. 대기 상태들 및 날씨 데이터는 위치(예를 들어, 우편 번호 또는 GPS 좌표)에 의해 분류될 수 있다. 데이터 수신 모듈(202)은 표준 통신 네트워크들 및 방법들을 통해 각종 외부 데이터 시스템들 및 소스들과 통신한다.
또한, 데이터 수신 모듈(202)은 건물들 내에 위치하면서 그 건물들에 대한 난방 및/또는 냉방 장치들을 제어하는 써모스탯 디바이스들(예를 들어, 써모스탯(106))로부터 정보를 수신한다. 예를 들어, 써모스탯(106)은 서버 컴퓨팅 디바이스(102)에게 자신의 현재 동작 상태(예를 들어, 현재의 온도 설정, 난방 모드, 냉방 모드, 전원 설정들, 효율 상태들)에 관한 특성들을 전송한다. 몇몇 실시예들에서, 데이터 수신 모듈(202)은 또한 건물에 위치된 스마트 미터(예를 들어, 전기 미터, 가스 미터, 또는 수도 미터)로부터 정보를 수집한다. 스마트 미터는 미리 결정된 간격들(예를 들어, 1 시간)로 에너지의 소모를 기록하고, 건물에 대한 서비스를 제공하는 유틸리티에게 그 기록된 정보를 전달하도록 구성된다. 데이터 수신 모듈(202)은 기록된 소모 정보를 수신하여 다른 유형들의 데이터(예를 들어, 써모스탯 데이터, 외부 날씨 데이터)와 에너지 사용을 상관시킴으로써, 외부 날씨 상태들 및 써모스탯 설정 조절의 변경들이 에너지 소모에 영향을 미치는 방식을 결정할 수 있다.
데이터 수신 모듈(202)은 데이터 스토리지(204)에서의 저장 및 모듈들(206, 208, 210, 212, 214 및 216)에 의한 처리에 도움이되는 포맷으로 수신된 정보를 통합 및 집계한다. 예를 들어, 데이터 수신 모듈(202)이 연결되는 각각의 데이터 소스는, 다양한 신택스(syntax) 및/또는 데이터 구조를 이용하여 데이터를 전송할 수 있다. 데이터 수신 모듈(202)은 데이터 소스의 이해(understanding)에 따라 입력 데이터를 파싱하고 그 데이터를 재포맷함으로써, 그것이 데이터 스토리지(204) 및 모듈들(206, 208, 210, 212, 214 및 216)에 허용가능한 신택스 또는 구조에 부합하도록 한다. 몇몇 실시예들에서, 외부 데이터 소스들은 표준 포맷(예를 들어, XML)으로 정보를 전송함으로써 데이터 수신 모듈(202)에 필요한 처리를 감소시킨다.
데이터 수신 모듈(202)은 데이터 스토리지(204)와 통신하여, 모듈들(206, 208, 210, 212, 214 및 216)로 데이터를 전송하기 위한 준비로 외부 소스들로부터 수신된 데이터를 저장 및 검색한다. 몇몇 실시예들에서, 데이터 수신 모듈(202)은 데이터가 데이터 스토리지(204)에 저장되었다는 통지를 계수 모델러(206)에게 전송하여, 계수 모델러(206)에 의해 처리될 준비를 한다. 이 통지는 데이터 스토리지(204) 내의 데이터의 저장 위치의 참조 표시자(예를 들어, 데이터베이스 어드레스)를 포함한다.
데이터 스토리지(204)는 데이터 수신 모듈(202)에 의해 수신된 정보를 저장하는, 하드웨어(예를 들어, 디스크 디바이스들), 소프트웨어(예를 들어, 데이터베이스 관리 프로그래밍) 또는 양자 모두를 포함하는, 데이터베이스 또는 다른 유사한 데이터 구조이다. 또한, 데이터 스토리지(204)는 모듈들(206, 208, 210, 212, 214 및 216)에게 데이터를 제공하며, 모듈들(206, 208, 210, 212, 214 및 216)로부터 업데이트된 데이터 및 분석을 수신한다.
계수 모델러(206)는 데이터 스토리지(208)로부터 정보를 검색하고, 건물의 에너지 특성들과 관련된 열 응답 계수(thermal response coefficient)들의 세트들을 생성하는 모듈이다. 모델러(206)는 (예를 들어, 건물의 우편 번호를 검색하는 것에 의해) 건물의 위치를 결정한다. 몇몇 실시예들에서, 모델러(206)는 건물과 관련된 추가 데이터, 예를 들어 건물의 물리적 구조(예를 들어, 건축 재료들), 태양 방향 및 부하, 열용량, 및 바람 침투(wind infiltration)를 검색한다. 몇몇 실시예들에서, 모델러(206)는 건물의 위치에 기초하여 건물의 물리적 구조, 태양 방향 및 부하, 열용량, 및/또는 바람 침투를 추론한다. 몇몇 실시예들에서, 모델러(206)는 건물에 설치된 스마트 미터로부터 서버 컴퓨팅 디바이스(102)에 의해 수집된 건물과 관련된 스마트 미터 데이터를 검색한다. 몇몇 실시예들에서, 모델러(206)는 콤마로-구분된 값(comma-separated value)(.csv) 파일의 형태로 데이터 스토리지(204)로부터 데이터를 추출한다.
이 정보에 기초하여, 모델러(206)는 건물에 대한 열 프로파일을 결정한다. 건물의 위치에 대한 날씨 정보, 건물에 대한 현재 써모스탯 설정, 및 그 밖의 건물과 관련된 데이터(예를 들어, 스마트 데이터)와 함께 열 프로파일을 사용하여, 모델러(206)는 건물의 난방/냉방(예를 들어, 열용량, 태양 부하, 및 바람 침투) 및 건물의 난방/냉방 장치에 의해 소모되는 에너지량에 영향을 미치는 각종 특성들에 기초하여 열 응답 계수들의 세트들을 생성한다. 각각의 열 응답 계수들의 세트는 일정 시간 동안(예를 들어, 한 시간, 하루) 그 위치에서의 날씨 상태들에 대한 예측들에 따라, 상이할 수 있다. 모델러(206)는 에너지 사용량, 예측 정확도, 거주자 선호도 등의 고려사항들에 기초하여 열 응답 계수들의 세트들을 순위화한다. 모델러(206)는 시스템(100)의 다른 모듈들(208, 210, 212, 214, 216)에 의한 사용을 위해서, 데이터 스토리지(204)에게 상기 순위화된 열 응답 계수들을 전송한다.
최적화 스케줄링 모듈(210)은 추가 정보, 예를 들어 건물의 위치와 관련된 날씨 예보 및 건물과 관련된 거주자 선호 프로파일과 함께 데이터 스토리지(204)로부터 순위화된 열 응답 계수들을 검색한다. 몇몇 실시예들에서, 최적화 스케줄링 모듈(210)은 또한 (예를 들어, 데이터 스토리지(204) 또는 유틸리티 회사와 같은 외부 데이터 소스로부터) 현재 추정되는 에너지 가격을 검색한다. 최적화 스케줄링 모듈(210)은 예측 결과 모듈(208)에게 이 정보를 전송한다.
예측 결과 모듈(208)은 해당 위치에 대한 현재 날씨 상태와 예보 날씨 상태 및 각각의 열 응답 계수들의 세트에 기초하여, 건물의 써모스탯(예를 들어, 써모스탯(106))에 대한 일련의 온도 설정 포인트들을 생성한다. 예측 결과 모듈(208)은 또한 일련의 온도 설정 포인트들에 기초하여 건물에 설치된 난방/냉방 장치에 대한 전력 사용 추정치, 듀티 사이클, 및 실내 온도 예측을 생성한다. 몇몇 실시예들에서, 예측 결과 모듈(208)은 또한 상기 결정에 현재의 에너지 가격을 포함시켜서, 일련의 온도 설정 포인트들과 관련된 추정 에너지 비용을 생성할 수 있다.
최적화 스케줄링 모듈(210)은 예측 결과 모듈(208)로부터 일련의 온도 설정 포인트들을 수신하고, 예상되는 수요 반응 이벤트들 및/또는 거주자 선호들과 같은 추가 요인들에 기초하여 결과를 최적화한다. 예를 들어, 날씨 예보가 외부 온도가 오전 8시 30분 70°F에서 오전 11시 90°F로 상승할 것으로 나타내는 경우, 최적화 스케줄링 모듈(210)은 해당 시간에 에어컨 시스템들에 전력을 공급할 에너지의 수요가 증가될 것으로 결정한다. 또한, 최적화 스케줄링 모듈(210)은 해당 시간에 에너지의 가격이 올라갈 것으로 결정한다. 그 결과, 최적화 스케줄링 모듈(210)은 일련의 온도 설정 포인트들을 조절하여, 아침의 이른 시간에(예를 들어, 오전 8시 30분) 가정에 추가 냉방(즉, 예냉(pre-cool))을 제공함으로써, 가정의 에어컨이 외부 온도가 더 뜨거울 때인 오전 11시에서 만큼 오래 실행할 필요가 없도록 한다. 또한, 최적화 스케줄링 모듈(210)은 오전 8시 30분에서의 에너지 가격이 오전 11시에서 예상되는 비용보다 낮으며, 따라서 이른 아침의 에너지 소모 증가는 오전 11시 이후에서의 더 많은 에너지 소모에 비하여 비용 절감을 달성하는 것으로 인지한다.
최적화 스케줄링 모듈(210)이 일련의 온도 설정 포인트들을 조절하고 나면, 모듈(210)은 데이터 스토리지(204)에게 일련의 온도 설정 포인트들을 전송한다. 데이터 스토리지(204)는 송신 모듈(214)에게 일련의 온도 설정 포인트들을 전송하며, 송신 모듈(214)은 건물의 써모스탯(106)에게 그 온도 설정 포인트들을 전달한다. 온도 설정 포인트들은 주어진 시간 동안(예를 들어, 하루) 써모스탯(106)에 대한 타겟 온도들의 스케줄을 제공한다. 써모스탯(106)은 온도 설정 포인트들의 스케줄에 따라 난방 및/또는 냉방을 수행하여, 증가된 에너지 효율 및 수요 반응 이벤트들의 기대를 달성할 수 있다.
또한, 서버 컴퓨팅 디바이스(102)는 데이터 검증 모듈(212)을 포함한다. 데이터 검증 모듈(212)은 이전 기간으로부터의 건물에 대한 에너지 사용 데이터를 검색하고, 그 사용 데이터를, 동일 기간 동안의 시스템(100)에 의해 예측된 것과 비교한다. 예를 들어, 데이터 검증 모듈(212)은 특정한 날짜에 고객 가정에 있어서의 (예를 들어, 스마트 미터에 의해 또는 유틸리티로부터 제공된) 에너지 사용량 데이터를 검색한다. 데이터 검증 모듈(212)은 또한 모델러(206), 예측 결과 모듈(208) 및 최적화 스케줄링 모듈(210)에 의해 수행된 결정들에 기초하여, 동일한 날짜에 대한 예측 에너지 사용량을 검색한다. 데이터 검증 모듈(212)은 2개의 에너지 사용량 값(실제 vs 예측)을 비교하여, 어떤 편차들이 발행되었는지의 여부를 결정한다. 그 비교에 기초하여, 데이터 검증 모듈(212)은 (예를 들어, 웹 인터페이스 모듈(216)을 통해) 고객에게 제시될 수 있는 에너지 사용량 절감 데이터를 제공할 수 있다. 몇몇 실시예들에서, 데이터 검증 모듈(212)은 추가 방법들을 사용하여 에너지 절감을 결정한다. 예를 들어, 데이터 검증 모듈(212)은 최적화 스케줄링 모듈(210)이 건물의 써모스탯에 대한 온도 설정 포인트 스케줄을 조절하지 않은 날(i)과 최적화 스케줄링 모듈(210)이 온도 설정 포인트 스케줄을 조절한 날 (ii) 간의 건물의 에너지 사용량을 비교할 수 있다. 데이터 검증 모듈(212)은 최적화 스케줄링 모듈(210)이 실행될 때 달성된 에너지 절감들을 나타내는 차트들 및 다른 리포트들을 생성할 수 있다. 또한, 데이터 검증 모듈(212)에 의해 생성된 비교 정보가, 모델러(206)에 의해 생성된 계수 모델들을 리파인(refine)하는데 사용됨으로써, 더욱 큰 정확성 및 더욱 양호한 효율성을 달성한다.
또한, 서버 컴퓨팅 디바이스(102)는 웹 인터페이스 모듈(216)을 포함한다. 웹 인터페이스 모듈(216)은 클라이언트 디바이스들(예를 들어, 도 1의 클라이언트 디바이스(108))로부터 연결 요청들을 수신하고, 건물과 관련된 열 프로파일 정보에 클라이언트 디바이스들이 액세스 및 업데이트하는 포털을 제공하도록 구성된다. 예를 들어, 집주인은 클라이언트 디바이스(108)의 웹 브라우저를 통해 시스템(100)에 등록하고 웹 인터페이스 모듈(216)에 연결할 수 있다. 로그인 시에, 집주인에게는 그의 가정의 현재 에너지 특성들은 물론이고, 집주인이 자신의 가정의 내부 온도에 대한 컴포트 프리퍼런스(comfort preference)들을 설정 및 변경할 수 있게하는 상호작용 기능들에 관한 각종 정보를 포함하는 포털이 제시된다. 몇몇 실시예들에서, 포털은 시스템(100)에 저장된 데이터(예를 들어, 열 프로파일, 에너지 사용량, 날씨 상태들)를 레버리징(leveraging)하여, 유사한 열 및/또는 에너지 소모 특성들을 공유하는 다른 건물들에 거주하는 집주인의 드웰링(dwelling)과 비교하는 홈 에너지 진단 기능(home energy audit function)을 포함한다. 집주인은 그의 지역에 있는 다른 가정들 또는 건물들에 대한 자신의 가정의 상대적 에너지 사용량을 판정할 수 있다. 가정 에너지 진단에 기초하여, 포털은 건물의 에너지 효율을 향상시키기 위한 맞춤화 및 우선순위화된 제안 리스트를 또한 제공할 수 있다.
도 3은 건물의 에너지 소모를 최적화하여 조절하기 위한 방법(300)의 흐름도이다. 서버 컴퓨팅 디바이스(102)는, 계수 모델러(206)를 사용하여, 건물의 에너지 특성들 및 건물의 위치와 관련된 날씨 데이터에 기초하여 건물에 대한 열 응답 계수들의 세트를 생성한다(302). 서버 컴퓨팅 디바이스(102)는, 최적화 스케줄링 모듈(210) 및 예측 결과 모듈(208)을 사용하여, 열 응답 계수들의 세트 및 건물의 위치와 관련된 예보된 날씨 상태들에 기초하여 건물의 에너지 응답을 예측한다(304).
서버 컴퓨팅 디바이스(102)는, 최적화 스케줄링 모듈(210) 및 예측 결과 모듈(208)을 사용하여, 건물과 관련된 에너지 소모 비용에 기초하여 건물의 최소 에너지 요구량들을 선택한다(306). 서버 컴퓨팅 디바이스(102)는, 최적화 스케줄링 모듈(210) 및 예측 결과 모듈(208)을 사용하여, 에너지 응답 및 최소 에너지 요구량들에 기초하여 건물에 대한 하나 이상의 온도 설정 포인트들을 결정한다(308). 서버 컴퓨팅 디바이스(102)는, 데이터 검증 모듈(212)을 사용하여, 모델러(206) 및 예측 결과 모듈(208)에 의해 제공된 예측 에너지 사용량에 대하여 건물에 대한 전날의 에너지 사용량을 비교하여, 에너지 사용량 편차 및 잠재적 에너지 절감들을 결정한다. 서버 컴퓨팅 디바이스(102)는, 송신 모듈(214)를 사용하여, 건물의 써모스탯(106)에게 하나 이상의 온도 설정 포인트들을 전송한다(310).
몇몇 실시예들에서, 본원에서 설명된 기술들은 로컬 또는 지역 유틸리티들 및 서비스 제공자와 함께 수요 반응 이벤트들을 실행하는데 사용된다. 시스템(100)의 예측 모델링 및 써모스탯 제어 기능들은 유틸리티들에 의해 식별된 잠재적 수요 반응 이벤트들을 준비하도록 레버리징되어, 수요 시간을 낮추기 위해 피크 수요 시간에서 시스템에 연결되는 건물들에 의한 에너지 소모를 시프트시킬 수 있으며, 이것에 의하여 유틸리티들의 에너지 수요 부하를 감소시키며 잠재적으로는 낮은 비용으로 건물들에 대한 에너지를 제공할 수 있다.
예를 들어, 예측 모델링, 온도 설정 포인트 생성, 및 관련 분석에 기초하여, 서버 컴퓨팅 디바이스(102)는, 다음날 동안에 시스템(100)에 연결되는 건물에 의해 소정량의 에너지가 소모될 것으로 결정한다. 서버 컴퓨팅 디바이스(102)는 또한 날씨 예보 정보에 기초하여, 다음날 2개의 시간 윈도우(hour window) 동안 (예를 들어, 낮은/높은 외부 온도들을 예보하거나 또는 외부 온도의 변화를 예보하는 것에 기인하여) 에너지에 대한 피크 수요 이벤트가 있을 수 있는 것으로 결정한다. 서버 컴퓨팅 디바이스(102)가 2개의 시간 윈도우 동안 잠재적으로 사용될 수 있는 에너지의 양을 식별했기 때문에, 서버 컴퓨팅 디바이스(102)는 써모스탯(예를 들어, 써모스탯(106))의 일부 또는 전부에 대한 온도 설정 포인트들을 사전에 조절하여, 피크 수요 시간 동안 건물에 의한 에너지 소모를 감소시키거나 없게 할 수 있다.
종종, 유틸리티는 잠재적인 수요 반응 이벤트에 대한 사전 경고를 하지 않는다. 예를 들어, 유틸리티는 이벤트가 시작되기 한 시간 전까지 수요 반응 이벤트를 예상하지 않을 수도 있다. 유틸리티가 수요 반응 이벤트를 인식한 시점에서, 유틸리티는 서버 컴퓨팅 디바이스(102)에게 다가올 이벤트를 통지할 수 있다. 이전의 분석에 기초하여, 서버 컴퓨팅 디바이스(102)는 수요 반응 이벤트 동안 시스템(100)의 건물들에 의해 소모되지 않을 유틸리티에 대한 특정 에너지 양을 커밋(commit)할 수 있다. 유틸리티가 커밋된 에너지의 양을 필요로 하는 시스템(100)을 통지하는 경우, 서버 컴퓨팅 디바이스(102)는, 유틸리티에게 커밋된 에너지 양만큼 에너지 소모를 감소시키는 연결 써모스탯들에게, 조절된 온도 설정 포인트 스케줄들을 자동으로 전송한다.
또한, 서버 컴퓨팅 디바이스(102)는 감소된 에너지 소모를 고려하여 써모스탯들의 온도 설정 포인트 스케줄들을 조절하면서, 거주자에 의해 희망된 및/또는 스케줄에서 지정된 온도를 실질적으로 유지할 수 있다. 예를 들어, 써모스탯(106)이 수요 반응 이벤트(예를 들어, 여름 날 오후 중반)동안 에너지를 소모하지 않도록 조절될 것이라는 것을 서버 컴퓨팅 디바이스(102)가 인식하는 경우, 서버 컴퓨팅 디바이스(102)는 써모스탯(106)에 대한 온도 설정 포인트 스케줄을 조절하여, 건물의 온도가 이벤트 동안 원래-스케줄링된 값에 또는 그 값 근처가 되도록 수요 반응 이벤트에 앞서 건물을 사전 냉방시킬 수 있다. 사전-냉방에 의해 소모된 추가 에너지는 수요 반응 이벤트 동안 발생하지 않으며, 이것은 유틸리티에 대한 부하 감소 및 거주자에 대한 잠재적 비용 절감들을 야기한다. 또한, 건물은 이벤트 동안에 원하는/스케줄링된 온도를 실질적으로 유지한다.
몇가지 수학적 알고리즘들이 사용되어 시스템(100)에 연결된 건물들에 의해 소모되는 에너지의 가능한 예측을 개발하는 것은 물론이고, HVAC의 운영에 전용인 특정 에너지의 양을 예측할 수도 있다.
건물 에너지 모델 예측들
일 실시예에서, 건물은 엔벨로프(envelope)를 통한 에너지의 흐름으로 전체 실내 환경의 합리적인 에너지를 밸런싱하는 회색-박스 시스템(grey-box system)으로 표시된다. 이러한 유형의 모델링은 벽(walls)을 통한 열 확산, 내측 및 외측 벽들 상의 대류, 태양 복사, 침투, 열용량, 및 HVAC 시스템 성능을 설명한다. HVAC 상태 데이터는 인터넷 연결 써모스탯들, 및 스마트 미터들로부터의 전기 데이터에서 획득된다.
벽 내의 일시적 온도들은 명시적인 3중 대각 행렬 알고리즘(tridiagonal matrix algorithm)을 사용하여, 균일한 특성 벽 내의 노드들에서의 온도 해를 구하는 것에 의해 설명된다. 모델의 입력값들은 지역 기상 관측소(local weather station)들에서의 실외 온도, 일조량, 및 풍속 데이터, 인터넷 연결 써모스탯에서의 실내 공기 온도, 및 HVAC 상태 데이터, 및 스마트 미터들에서의 전기 데이터를 포함한다. 단열재 R-값들(insulation R-values) 및 개창 비율들(fenestration ratios)과 같은 건물 특성들의 상세한 측정들을 필요로 하는 대신에, 유효 파라미터 값들이 데이터로부터 연산된다.
예시적인 솔루션 기술은 유전적 알고리즘(Genetic Algorithm)을 사용하여 모델링된 실내 공기 온도를 측정된 온도들에 맞추는 것으로 구성된다. 파라미터들은 날씨 및 건물 상태의 변경들을 처리하기 위해 주기적으로 업데이트된다. 에너지 예측들은 날씨 예보 데이터, 사용자 써모스탯 설정 포인트들, 및 수요 반응 이벤트들의 경우에서는, 배치되도록 제안된 특정 전략을 반영하는 업데이트된 설정 포인트들을 이용하여 모델을 실행시키는 것으로 이루어진다.
HVAC 전력 차별화
표준 에어컨들을 실행시키는데 필요한 전력은 일반적으로 실외 공기의 온도에 따라 달라진다. 에어컨들은 증기 압축 사이클을 활용하여, 증발기에서는 실내 환경으로부터 열을 흡수하고 응축기에서는 외부의 열을 차단함으로써 냉방을 달성한다. 응축기에서의 이러한 열 전달을 얻기 위해, 냉매가 실외 공기보다 더 뜨거워지는 것이 요구된다. 현대 시스템들은 증발기와 응축기 간의 압력 차를 조절하여 가변적인 실외 공기 온도들을 보상한다. 실외 온도가 상승하는 경우, 이 압력 차는(즉, 압력 비율) 증가할 필요가 있으며, 이에 따라 압축기가 더 많은 전력을 필요로 하게 된다. 실외 온도와 동일한 전력 변동이 열 펌프들에서도 관찰된다.
이러한 온도 의존성은 에어컨 부하를 예측하는데 중요하며, 써모스탯 및 스마트 전력 데이터를 이용하여 측정될 수 있다. 스마트 미터 데이터를 HVAC 온/오프 시간 주기와 매칭시킴으로써 대략적인 HVAC 온 전원 스파이크들을 결정하는 예시적 방법이 개발되어 있다. 이러한 전원 스파이크들은 실외 공기 온도에 의해 비닝(binning)된다. 그 후에, 비닝된 데이터의 선형 회귀(linear regression)를 사용하여 HVAC 전력 곡선을 생성한다. 이 전력 곡선은 HAVC가 소정 실외 온도 데이터 또는 예측들에 있기만 하면 언제든지 그 부하의 근사치를 계산하는데 사용될 수 있다.
도 4는 시스템(100)의 예측들에 의해 결정된 전력 사용량 및 온도 판독을, 예시적 시간 주기 동안의 예시적 건물에 대한 실제 전력 사용량 및 온도 판독과 비교하여 나타낸 다이어그램이다. 도 4의 그래프에서, 라인(402)은 실제 평균 전력 사용량을 나타내고, 라인(404)은 시스템(100)에 의해 결정되는 평균 전력 사용량 예측을 나타내고, 라인(406)은 평균 실제 실내 온도를 나타내고, 라인(408)은 시스템(100)에 의해 결정되는 평균 실내 온도 예측을 나타낸다. 도 4에 도시된 데이터는 수요 반응 이벤트 동안 캡처링되었다. 도 4에 나타낸 바와 같이, 본원에서 설명된 기술들은 정확한 수요 반응 능력의 예측들 및 실내 가정 온도에 대한 수요 반응의 영향을 제공한다. 전력(예를 들어, 402, 404) 및 실내 온도(예를 들어, 406, 408) 모두에 대한 실제값과 예측값 간의 편차들이 작으며, 정확한 예측들을 제공함에 있어서의 시스템(100)의 유효성을 보여주고 있다.
전술한 기술들은 디지털 및/또는 아날로그 전자 회로, 또는 컴퓨터 하드웨어, 펌웨어, 소프트웨어, 또는 그들의 조합들로 구현될 수 있다. 이 구현은 데이터 처리 장치, 예를 들어 프로그래머블 프로세서, 컴퓨터, 및/또는 복수의 컴퓨터들에 의한 실행을 위해, 또는 그것의 동작을 제어하기 위해, 컴퓨터 프로그램 물건, 즉 기계 판독가능 저장 디바이스에 유형적으로 구현된 컴퓨터 프로그램으로서 존재할 수 있다. 컴퓨터 프로그램은 소스 코드, 컴파일된 코드, 해석된 코드 및/또는 기계 코드를 포함하는, 임의의 형태의 컴퓨터 또는 프로그래밍 언어로 기록될 수 있으며, 이 컴퓨터 프로그램은 독립형 프로그램 또는 서브루틴, 요소, 또는 컴퓨팅 환경에서 사용하기에 적합한 다른 유닛으로서 포함하는, 임의의 형태로 배치될 수 있다. 컴퓨터 프로그램은 하나 이상의 사이트들에 하나의 컴퓨터 또는 복수의 컴퓨터들 상에서 실행되도록 배치될 수 있다.
방법 단계들은 컴퓨터 프로그램을 실행하는 하나 이상의 프로세서들에 의해 수행됨으로써, 입력 데이터 상에서 동작하고/하거나 출력 데이터를 생성하는 것에 의해 본 발명의 기능들을 수행할 수 있다. 또한, 방법 단계들은 특수 목적 논리 회로, 예를 들어 FPGA(field programmable gate array), FPAA(field programmable analog array), CPLD(complex programmable logic device), PSoC(Programmable System-on-Chip), ASIP(application specific instructionset processor), 또는 ASIC(application specific integrated circuit) 등에 의해 수행될 수 있으며, 일 장치는 그것으로서 구현될 수 있다. 서브루틴들은 하나 이상의 기능들을 구현하는, 저장된 컴퓨터 프로그램 및/또는 프로세서, 및/또는 특수 회로의 일부들을 참조할 수 있다.
컴퓨터 프로그램의 실행에 적합한 프로세서들은 예로써, 일반 및 특수 목적의 마이크로프로세서들, 및 임의의 종류의 디지털 또는 아날로그 컴퓨터의 임의의 하나 이상의 프로세서들을 모두 포함한다. 일반적으로, 프로세서는 읽기 전용 메모리 또는 랜덤 액세스 메모리 또는 양자 모두로부터 명령들 및 데이터를 수신한다. 컴퓨터의 필수 요소들은 명령들을 실행하는 프로세서 및 명령들 및/또는 데이터를 저장하는 하나 이상의 메모리 디바이스들이다. 메모리 디바이스들, 예를 들어 캐시(cache)는 데이터를 일시적으로 저장하는데 사용될 수 있다. 또한, 메모리 디바이스들은 장기 데이터 저장에 사용될 수 있다. 또한, 일반적으로, 컴퓨터는 데이터를 저장하기 위한 하나 이상의 대용량 저장 디바이스들, 예를 들어 자기, 광 자기 디스크들, 또는 광 디스크들을 포함하거나, 그것으로부터 데이터를 수신하거나 그것에 데이터를 전송하거나, 또는 양자 모두를 하도록 동작적으로 커플링된다. 컴퓨터는 또한, 네트워크로부터 명령들 및/또는 데이터를 수신하고/하거나 네트워크에 명령들 및/또는 데이터를 전송하기 위해 통신 네트워크에 동작적으로 커플링될 수 있다. 컴퓨터 프로그램 명령들 및 데이터를 구현하기에 적합한 컴퓨터 판독가능 저장 매체들은 예로써, 반도체 메모리 디바이스들, 예를 들어 DRAM, SRAM, EPROM, EEPROM, 및 플래시 메모리 디바이스들; 자기 디스크들, 예를 들어 내장 하드 디스크들 또는 탈착식 디스크들; 광 자기 디스크들; 및 광 디스크들, 예를 들어 CD, DVD, HDDVD, 및 블루레이 디스크들을 포함하는, 모든 형태의 휘발성 및 비-휘발성 메모리를 포함한다. 프로세서 및 메모리는 특수 목적 논리 회로에 의해 보완되고/되거나 그것에 통합될 수도 있다.
사용자와의 상호작용을 제공하기 위해, 전술한 기술들은 사용자가 컴퓨터에 대한 입력을 제공(예를 들어, 사용자 인터페이스 요소와 상호작용)할 수 있는 키보드 및 포인팅 디바이스, 예를 들어 마우스, 트랙볼, 터치패드, 또는 모션 센서에 정보를 디스플레이하기 위한 디스플레이 디바이스, 예를 들어 CRT(cathode ray tube), 플라즈마, 또는 LCD(liquid crystal display) 모니터와 통신하는 컴퓨터 상에서 구현될 수 있다. 다른 종류들의 디바이스들이 사용되어 마찬가지로 사용자와의 상호작용을 제공할 수 있다. 예를 들어, 사용자에게 제공되는 피드백은 임의의 형태의 감각 피드백, 예를 들어 시각적 피드백, 청각적 피드백, 또는 촉각 피드백 일 수 있으며; 사용자로부터의 입력은 음향, 음성, 및/또는 촉각 입력을 포함하는, 임의의 형태로 수신될 수 있다.
전술한 기술들은 백-엔드(back-end) 컴포넌트를 포함하는 분산형 컴퓨팅 시스템으로 구현될 수 있다. 백-엔드 컴포넌트는, 예를 들어 데이터 서버, 미들웨어 컴포넌트, 및/또는 애플리케이션 서버일 수 있다. 전술한 기술들은 프런트-엔드 컴포넌트를 포함하는 분산형 컴퓨팅 시스템으로 구현될 수 있다. 프런트-엔드 컴포넌트는, 예를 들어 그래픽 사용자 인터페이스, 사용자가 예시적 구현과 상호작용할 수 있는 웹 브라우저를 갖는 클라이언트 컴퓨터, 및/또는 송신 디바이스에 대한 다른 그래픽 사용자 인터페이스들일 수 있다. 전술한 기술들은 이러한 백-엔드, 미들웨어, 또는 프런트-엔트 컴포넌트들의 임의의 조합을 포함하는 분산형 컴퓨팅 시스템으로 구현될 수 있다.
컴퓨팅 시스템의 컴포넌트들은 전송 매체에 의해 상호 접속될 수 있으며, 이것은 임의의 형태 또는 매체의 디지털 또는 아날로그 데이터 통신(예를 들어, 통신 네트워크)을 포함할 수 있다. 전송 매체는 임의의 구성에서 하나 이상의 패킷 기반 네트워크들 및/또는 하나 이상의 회로-기반 네트워크들을 포함할 수 있다. 예를 들어, 패킷 기반 네트워크들은 인터넷, 캐리어 인터넷 프로토콜(IP) 네트워크(예를 들어, LAN(local area network), WAN(wide area network), CAN(campus area network), MAN(metropolitan area network), HAN(home area network)), 사설 IP 네트워크, IP 사설 교환기(IPBX), 무선 네트워크(예를 들어, RAN(radio access network), 블루투스, WiFi, WiMAX, GPRS(general packet radio service) 네트워크, HipterLAN), 및/또는 다른 패킷 기반 네트워크들을 포함할 수 있다. 예를 들어, 회로-기반 네트워크들은 PSTN(public switched telephone network), 기존 사설 교환기(PBX), 무선 네트워크(예를 들어, RAN, CDMA(codedivision multiple access), TDMA(time division multiple access), 이동 통신을 위한 글로벌 시스템(GSM) 네트워크), 및/또는 다른 회로-기반 네트워크들을 포함할 수 있다.
전송 매체를 통한 정보 전송은 하나 이상의 통신 프로토콜들에 기초할 수 있다. 통신 프로토콜들은, 예를 들어 이더넷 프로토콜, IP(Internet Protocol), VOIP(Voice over IP), P2P(Peer-to-Peer), HTTP(Hypertext Transfer Protocol), SIP(Session Initiation Protocol), H.323, MGCP(Media Gateway Control Protocol), SS7(Signaling System #7), GSM(Global System for Mobile Communications) 프로토콜, PTT(Push-to-Talk) 프로토콜, POC(PTT over Cellular) 프로토콜, 및/또는 다른 통신 프로토콜들을 포함할 수 있다.
컴퓨팅 시스템의 디바이스들은, 예를 들어 컴퓨터, 브라우저 디바이스를 가진 컴퓨터, 전화, IP 전화, 이동 디바이스(예를 들어, 셀룰러 폰, PDA(personal digital assistant) 디바이스, 랩톱 컴퓨터, 전자 메일 디바이스), 및/또는 다른 통신 디바이스들을 포함할 수 있다. 브라우저 디바이스는, 예를 들어 월드 와이드 웹 브라우저(World Wide Web browser)(예를 들어, 마이크로 사에서 이용 가능한 Microsoft Internet Explorer　, 모질라 사에서 이용 가능한 Mozilla　 Firefox)를 가진 컴퓨터(예를 들어, 데스크톱 컴퓨터, 랩톱 컴퓨터)를 포함한다. 모바일 컴퓨팅 디바이스는 , 예를 들어 Blackberry　를 포함한다. IP 전화들은, 예를 들어 시스코 시스템즈 사에서 이용 가능한 Cisco　 Unified IP Phone 7985G 및/또는 시스코 시스템즈 사에서 이용가능한 Cisco　 Unified Wireless Phone 7920을 포함한다.
포함하다(comprise, include) 및/또는 이들 각각의 복수의 형태들은 개방적이고(open ended), 나열된 부분들을 포함하며, 나열되지 않은 추가적인 부분들을 포함할 수 있다. 및/또는은 개방적이며, 나열된 부분들 중 하나 이상 및 나열된 부분들의 조합들을 포함한다.
본 기술 분야의 당업자는 본 발명이 그의 사상 또는 본질적인 특성들로부터 벗어나지 않고 다른 특정 형태들로 구현될 수 있다는 것을 인식할 것이다. 따라서, 전술한 실시예들은 모든 면에서 본 명세서에 기술된 본 발명을 한정하는 것이 아니라 예시하는 것으로 간주되어야 한다.

Claims (35)

  1. 건물의 에너지 소모를 최적화 및 조절하기 위한 방법으로서,
    제 1 컴퓨팅 디바이스에 의해, 상기 건물의 에너지 특성들 및 상기 건물의 위치와 관련된 날씨 데이터에 기초하여, 상기 건물에 대한 열 응답 계수(thermal response coefficient)들의 세트를 생성하는 단계;
    상기 제 1 컴퓨팅 디바이스에 의해, 상기 열 응답 계수들의 세트 및 상기 건물의 위치와 관련된 예보된 날씨(forecasted weather)에 기초하여, 상기 건물의 에너지 응답을 예측하는 단계;
    상기 제 1 컴퓨팅 디바이스에 의해, 상기 건물과 관련된 에너지 소모 비용에 기초하여 상기 건물의 최소 에너지 요구량들을 선택하는 단계;
    상기 제 1 컴퓨팅 디바이스에 의해, 상기 에너지 응답 및 상기 최소 에너지 요구량들에 기초하여, 상기 건물에 대한 하나 이상의 온도 설정 포인트들을 결정하는 단계; 및
    상기 제 1 컴퓨팅 디바이스에 의해, 상기 하나 이상의 온도 설정 포인트들을 상기 건물의 써모스탯(thermostat)에 송신하는 단계
    를 포함하는, 건물의 에너지 소모를 최적화 및 조절하기 위한 방법.
  2. 제 1 항에 있어서,
    상기 열 응답 계수들의 세트를 생성하는 단계는 추가로, 상기 건물의 물리적 데이터에 기초하는 것인, 건물의 에너지 소모를 최적화 및 조절하기 위한 방법.
  3. 제 2 항에 있어서,
    상기 물리적 데이터는 열 용량(thermal mass), 바람 침투(wind infiltration), 창문들의 상대 면적(relative area of windows), 절연재의 양, 구성 재료, 상기 건물의 바람 침투, 및 관련 HVAC 시스템의 효율 중의 적어도 하나를 포함하는, 건물의 에너지 소모를 최적화 및 조절하기 위한 방법.
  4. 제 1 항에 있어서,
    미리 결정된 기준에 기초하여 예측된 에너지 응답을 순위화하는(ranking) 단계를 더 포함하는, 건물의 에너지 소모를 최적화 및 조절하기 위한 방법.
  5. 제 1 항에 있어서,
    상기 에너지 응답을 예측하는 단계는, 상기 건물과 관련된 에너지 소모 비용에 추가로 기초하는, 건물의 에너지 소모를 최적화 및 조절하기 위한 방법.
  6. 제 5 항에 있어서,
    상기 에너지 소모 비용은 각종 외부 온도들에 대하여 상기 건물의 온도를 변경하는데 필요한 전력량을 나타내는, 건물의 에너지 소모를 최적화 및 조절하기 위한 방법.
  7. 제 1 항에 있어서,
    상기 에너지 특성은 상기 건물의 실내 온도 및 상기 건물 내의 HVAC 시스템의 상태를 포함하고, 상기 HVAC 시스템은 하나 이상의 스테이지 난방 또는 냉방 유닛들을 포함하는, 건물의 에너지 소모를 최적화 및 조절하기 위한 방법.
  8. 제 1 항에 있어서,
    상기 최소 에너지 요구량들은 상기 건물 내의 HVAC 시스템의 전력 소모량 및 상기 HVAC 시스템의 듀티 사이클(duty cycle)을 포함하는, 건물의 에너지 소모를 최적화 및 조절하기 위한 방법.
  9. 제 1 항에 있어서,
    상기 하나 이상의 온도 설정 포인트들을 결정하는 단계는 추가로, 날씨 예보 데이터(weather forecast data), 상기 건물의 거주자(occupant)에 의해 제공되는 컴포트 선호(comfort preference), 또는 양자 모두에 기초하는, 건물의 에너지 소모를 최적화 및 조절하기 위한 방법.
  10. 제 1 항에 있어서,
    상기 제 1 컴퓨팅 디바이스에 의해, 상기 예측된 에너지 응답을 사용자에 대한 디스플레이용 원격 컴퓨팅 디바이스에 송신하는 단계를 더 포함하는, 건물의 에너지 소모를 최적화 및 조절하기 위한 방법.
  11. 제 10 항에 있어서,
    상기 원격 컴퓨팅 디바이스로부터, 상기 사용자에 의해 제공되는 입력에 기초하여 온도 선호(temperature preference)를 수신하는 단계를 더 포함하는, 건물의 에너지 소모를 최적화 및 조절하기 위한 방법.
  12. 제 1 항에 있어서,
    상기 써모스탯으로 송신되는 상기 하나 이상의 온도 설정 포인트들은, 일정 시간의 기간에 걸쳐 상기 써모스탯의 제어를 위한 스케줄을 포함하는, 건물의 에너지 소모를 최적화 및 조절하기 위한 방법.
  13. 제 1 항에 있어서,
    상기 제 1 컴퓨팅 디바이스에 의해, 원격 센서들의 네트워크로부터 상기 날씨 데이터를 수신하는 단계를 더 포함하는, 건물의 에너지 소모를 최적화 및 조절하기 위한 방법.
  14. 제 13 항에 있어서,
    상기 날씨 데이터는 실시간으로 수신되는, 건물의 에너지 소모를 최적화 및 조절하기 위한 방법.
  15. 제 1 항에 있어서,
    상기 제 1 컴퓨팅 디바이스에 의해, 상기 건물 내의 HVAC 시스템에 연결된 디바이스로부터 써모스탯 데이터를 수신하는 단계를 더 포함하는, 건물의 에너지 소모를 최적화 및 조절하기 위한 방법.
  16. 제 15 항에 있어서,
    상기 써모스탯 데이터는 미리 결정된 시간 간격들로 수신되는, 건물의 에너지 소모를 최적화 및 조절하기 위한 방법.
  17. 제 15 항에 있어서,
    상기 써모스탯 데이터는 실시간으로 수신되는, 건물의 에너지 소모를 최적화 및 조절하기 위한 방법.
  18. 제 1 항에 있어서,
    상기 제 1 컴퓨팅 디바이스에 의해, 오류 정정을 위해 생성된 열 응답 계수들의 세트를 조정하는 단계를 더 포함하는, 건물의 에너지 소모를 최적화 및 조절하기 위한 방법.
  19. 제 1 항에 있어서
    조정하는 단계는, 생성된 열 응답 계수들의 세트로부터의 이상(anomalies)을 필터링하는 단계를 포함하는, 건물의 에너지 소모를 최적화 및 조절하기 위한 방법.
  20. 제 1 항에 있어서,
    상기 날씨 데이터는 상기 건물의 위치에서의 현재 날씨 상태들, 상기 건물의 위치에 대한 예보 날씨 상태들, 상기 건물의 위치에서의 태양 부하(solar load), 또는 이들의 임의의 조합을 포함하는, 건물의 에너지 소모를 최적화 및 조절하기 위한 방법.
  21. 제 1 항에 있어서,
    상기 제 1 컴퓨팅 디바이스에 의해, 상기 건물의 예측된 에너지 응답을 하나 이상의 다른 건물들의 예측된 에너지 응답과 비교하는 단계; 및
    상기 제 1 컴퓨팅 디바이스에 의해, 상기 비교에 기초하여 상기 건물의 예측된 에너지 응답을 순위화하는 단계
    를 더 포함하는, 건물의 에너지 소모를 최적화 및 조절하기 위한 방법.
  22. 제 1 항에 있어서,
    상기 선택된 최적 에너지 요구량들은 상기 건물의 거주자에 의해 제공되는 컴포트 선호에 적어도 기초하며,
    상기 방법은,
    제 2 컴퓨팅 디바이스에 의해, 더 적은 에너지 및 상기 컴포트 선호로부터의 일탈(diverge)을 사용하도록 상기 건물의 에너지 응답을 변경하는 하나 이상의 온도 설정 포인트들을 결정하는 단계; 및
    제 2 컴퓨팅 디바이스에 의해, 결정된 온도 설정 포인트들을 상기 건물의 상기 써모스탯에 송신하는 단계
    를 더 포함하는, 건물의 에너지 소모를 최적화 및 조절하기 위한 방법.
  23. 제 22 항에 있어서,
    상기 제 2 컴퓨팅 디바이스는 에너지 공급자에 의해 작동되는, 건물의 에너지 소모를 최적화 및 조절하기 위한 방법.
  24. 제 22 항에 있어서,
    상기 제 1 컴퓨팅 디바이스와 상기 제 2 컴퓨팅 디바이스는 동일한, 건물의 에너지 소모를 최적화 및 조절하기 위한 방법.
  25. 제 22 항에 있어서,
    더 적은 에너지를 사용하도록 상기 건물의 에너지 응답을 변경하는 것에 의해 절감되는 에너지량을 결정하는 단계를 더 포함하는, 건물의 에너지 소모를 최적화 및 조절하기 위한 방법.
  26. 제 22 항에 있어서,
    절감된 에너지량을 대응하는 에너지 소모 비용으로 변환하는 단계를 더 포함하는, 건물의 에너지 소모를 최적화 및 조절하기 위한 방법.
  27. 제 1 항에 있이서,
    제 1 컴퓨팅 디바이스에 의해, 상기 건물에 공급되도록 사용가능한 에너지의 가격을 결정하는 단계;
    상기 제 1 컴퓨팅 디바이스에 의해, 상기 에너지 응답 및 상기 최소 에너지 요구량들에 기초하여, 상기 건물과 관련된 축적 에너지(stored energy)의 양을 결정하는 단계; 및
    상기 제 1 컴퓨팅 디바이스에 의해, 상기 축적 에너지의 양 및 상기 에너지의 가격에 기초하여, 에너지 소모 액션(action)을 상기 건물의 써모스탯에 송신하는 단계
    를 더 포함하는, 건물의 에너지 소모를 최적화 및 조절하기 위한 방법.
  28. 제 27 항에 있어서,
    상기 축적 에너지의 양은 주어진 시간 기간 동안 상이한 포인트들에서 결정되는, 건물의 에너지 소모를 최적화 및 조절하기 위한 방법.
  29. 제 1 항에 있어서,
    상기 건물에 대한 열 응답 계수들의 세트를 생성하는 단계는 추가로, 스마트 미터 데이터에 기초하는, 건물의 에너지 소모를 최적화 및 조절하기 위한 방법.
  30. 제 1 항에 있어서,
    상기 써모스탯에 의해 수신되는 하나 이상의 온도 설정 포인트들에 기초하여, 상기 건물 내의 온도에 영향을 미치는 디바이스들의 사용을 제어하는 단계를 더 포함하는, 건물의 에너지 소모를 최적화 및 조절하기 위한 방법.
  31. 제 30 항에 있어서,
    상기 온도에 영향을 미치는 디바이스들은 팬들(fans), 가습기들(humidifiers), 및 차광장치들(light shades)을 포함하는, 건물의 에너지 소모를 최적화 및 조절하기 위한 방법.
  32. 건물의 에너지 소모를 최적화 및 조절하기 위한 컴퓨터화된 시스템으로서,
    제 1 컴퓨팅 디바이스를 포함하고,
    상기 제 1 컴퓨팅 디바이스는,
    상기 건물의 에너지 특성들 및 상기 건물의 위치와 관련된 날씨 데이터에 기초하여, 상기 건물에 대한 열 응답 계수들의 세트를 생성하고;
    상기 열 응답 계수들의 세트 및 상기 건물의 위치와 관련된 예보된 날씨에 기초하여, 상기 건물의 에너지 응답을 예측하고;
    상기 건물과 관련된 에너지 소모 비용에 기초하여 최소 에너지 요구량들을 선택하고;
    상기 에너지 응답 및 상기 최소 에너지 요구량들에 기초하여, 상기 건물에 대한 하나 이상의 온도 설정 포인트들을 결정하고; 그리고
    상기 하나 이상의 온도 설정 포인트들을 상기 건물의 써모스탯에 송신하도록
    구성되는, 건물의 에너지 소모를 최적화 및 조절하기 위한 컴퓨터화된 시스템.
  33. 건물의 에너지 소모를 최적화 및 제어하기 위해, 비-일시적 컴퓨터 판독가능 저장 매체에 유형적으로 구현된 컴퓨터 프로그램 물건으로서,
    상기 컴퓨터 프로그램 물건은 명령들을 포함하고, 상기 명령들은 데이터 처리 장치로 하여금,
    상기 건물의 에너지 특성들 및 상기 건물의 위치와 관련된 날씨 데이터에 기초하여, 상기 건물에 대한 열 응답 계수들의 세트를 생성하고;
    상기 열 응답 계수들의 세트 및 상기 건물의 위치와 관련된 예보된 날씨에 기초하여, 상기 건물의 에너지 응답을 예측하고;
    상기 건물과 관련된 에너지 소모 비용에 기초하여 최소 에너지 요구량들을 선택하고;
    상기 에너지 응답 및 상기 최소 에너지 요구량들에 기초하여, 상기 건물에 대한 하나 이상의 온도 설정 포인트들을 결정하고; 그리고
    상기 하나 이상의 온도 설정 포인트들을 상기 건물의 써모스탯에 송신하게 하도록 동작가능한, 건물의 에너지 소모를 최적화 및 제어하기 위해, 비-일시적 컴퓨터 판독가능 저장 매체에 유형적으로 구현된 컴퓨터 프로그램 물건.
  34. 건물의 에너지 소모를 최적화 및 조절기 위한 시스템으로서,
    상기 건물의 에너지 특성들 및 상기 건물의 위치와 관련된 날씨 데이터에 기초하여, 상기 건물에 대한 열 응답 계수들의 세트를 생성하기 위한 수단;
    상기 열 응답 계수들의 세트 및 상기 건물의 위치와 관련된 예보된 날씨에 기초하여, 상기 건물의 에너지 응답을 예측하기 위한 수단;
    상기 건물과 관련된 에너지 소모 비용에 기초하여 상기 건물의 최소 에너지 요구량들을 선택하기 위한 수단;
    상기 에너지 응답 및 상기 최소 에너지 요구량들에 기초하여, 상기 건물에 대한 하나 이상의 온도 설정 포인트들을 결정하기 위한 수단; 및
    상기 하나 이상의 온도 설정 포인트들을 상기 건물의 써모스탯에 송신하기 위한 수단
    을 포함하는, 건물의 에너지 소모를 최적화 및 조절기 위한 시스템.
  35. 건물내에 축적된 에너지를 계산하기 위한 방법으로서,
    제 1 컴퓨팅 디바이스에 의해, 상기 건물에 공급되도록 사용가능한 에너지의 가격을 결정하는 단계;
    상기 제 1 컴퓨팅 디바이스에 의해, 상기 건물의 에너지 특성들 및 상기 건물의 위치와 관련된 날씨 데이터에 기초하여, 상기 건물에 대한 열 응답 계수들의 세트를 생성하는 단계;
    상기 제 1 컴퓨팅 디바이스에 의해, 상기 열 응답 계수들의 세트 및 상기 건물의 위치와 관련된 예보된 날씨에 기초하여, 상기 건물의 에너지 응답을 예측하는 단계;
    상기 제 1 컴퓨팅 디바이스에 의해, 상기 건물과 관련된 에너지 소모 비용에 기초하여 상기 건물의 최소 에너지 요구량들을 선택하는 단계;
    상기 제 1 컴퓨팅 디바이스에 의해, 상기 에너지 응답 및 상기 최소 에너지 요구량들에 기초하여, 상기 건물에 대한 하나 이상의 온도 설정 포인트들을 결정하는 단계; 및
    상기 제 1 컴퓨팅 디바이스에 의해, 상기 하나 이상의 온도 설정 포인트들을 상기 건물의 써모스탯에 송신하는 단계
    를 포함하는, 건물내에 축적된 에너지를 계산하기 위한 방법.
KR1020147022946A 2012-01-23 2013-01-23 건물의 에너지 소모에 대한 최적화 및 조절 KR20140148370A (ko)

Applications Claiming Priority (3)

Application Number Priority Date Filing Date Title
US201261589639P 2012-01-23 2012-01-23
US61/589,639 2012-01-23
PCT/US2013/022734 WO2013112574A1 (en) 2012-01-23 2013-01-23 Optimizing and controlling the energy consumption of a building

Publications (1)

Publication Number Publication Date
KR20140148370A true KR20140148370A (ko) 2014-12-31

Family

ID=48797881

Family Applications (1)

Application Number Title Priority Date Filing Date
KR1020147022946A KR20140148370A (ko) 2012-01-23 2013-01-23 건물의 에너지 소모에 대한 최적화 및 조절

Country Status (9)

Country Link
US (2) US9261863B2 (ko)
EP (2) EP2807527B1 (ko)
JP (3) JP6215843B2 (ko)
KR (1) KR20140148370A (ko)
CN (1) CN104303125B (ko)
AU (2) AU2013212256A1 (ko)
BR (1) BR112014017966A8 (ko)
CA (1) CA2862119C (ko)
WO (1) WO2013112574A1 (ko)

Cited By (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US10437942B2 (en) 2015-04-03 2019-10-08 Baidu Online Network Technology (Beijing) Co. Ltd. Kalman filter based capacity forecasting method, system and computer equipment
KR20200034023A (ko) * 2018-09-12 2020-03-31 주식회사 석영시스템즈 열·공조 시스템에 대한 수요 반응 결정 모델을 생성하는 방법 및 수요 반응을 수행하기 위한 방법
KR20200091659A (ko) 2019-01-23 2020-07-31 최보규 곡물저장설비 및 곡물가공설비의 에너지 절감시스템 및 그 방법
KR20200103381A (ko) 2019-02-25 2020-09-02 (주)허브플렛폼 다채널 온라인 쇼핑몰 데이터 자동 수집 방법
KR20200132816A (ko) 2020-11-18 2020-11-25 최보규 곡물저장설비 및 곡물가공설비의 에너지 절감방법
KR102520715B1 (ko) 2021-11-17 2023-04-10 연세대학교 산학협력단 실내외 환경 변화 예측을 이용한 냉난방 자동 제어 방법 및 장치

Families Citing this family (114)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US8332178B2 (en) 2004-04-13 2012-12-11 Honeywell International Inc. Remote testing of HVAC systems
WO2012161804A1 (en) * 2011-02-24 2012-11-29 Clean Urban Energy, Inc. Integration of commercial building operations with electric system operations and markets
WO2013040539A1 (en) * 2011-09-16 2013-03-21 Siemens Corporation Method and system for energy control management
WO2013106576A1 (en) 2012-01-13 2013-07-18 Shoppertrak Rct Corporation System and method for managing energy
US9612591B2 (en) 2012-01-23 2017-04-04 Earth Networks, Inc. Optimizing and controlling the energy consumption of a building
US10354345B2 (en) 2012-01-23 2019-07-16 Whisker Labs, Inc. Optimizing and controlling the energy consumption of a building
US9261863B2 (en) 2012-01-23 2016-02-16 Earth Networks, Inc. Optimizing and controlling the energy consumption of a building
US9312698B2 (en) * 2012-12-19 2016-04-12 Robert Bosch Gmbh System and method for energy distribution
US10116747B2 (en) 2013-02-05 2018-10-30 Txu Energy Retail Company Llc Electricity provider content platform
US9235657B1 (en) 2013-03-13 2016-01-12 Johnson Controls Technology Company System identification and model development
US9436179B1 (en) * 2013-03-13 2016-09-06 Johnson Controls Technology Company Systems and methods for energy cost optimization in a building system
US9852481B1 (en) * 2013-03-13 2017-12-26 Johnson Controls Technology Company Systems and methods for cascaded model predictive control
US10371405B2 (en) * 2013-03-21 2019-08-06 Cornell University Building power management systems
US9518873B2 (en) * 2013-06-27 2016-12-13 Google Technology Holdings LLC Electronic system and method for thermal management therein taking into account solar thermal loading
US10902531B1 (en) 2013-08-07 2021-01-26 Promanthan Brains LLC Predictive thermostat
GB2535008B (en) * 2013-08-30 2020-05-13 Hewlett Packard Entpr Dev Lp Thermal profile based on temperature information for computing device location
CN103499136B (zh) * 2013-09-26 2017-01-04 中铁建设集团有限公司 一种具有次日能耗模拟功能的冰蓄冷控制系统
US10380705B2 (en) 2013-10-30 2019-08-13 Carrier Corporation System and method for modeling of target infrastructure for energy management in distributed-facilities
US10139123B2 (en) 2013-11-04 2018-11-27 Honeywell International Inc. Remote contractor system with summary display screen
WO2015077754A1 (en) * 2013-11-25 2015-05-28 Siemens Corporation A statistical approach to modeling and forecast of cchp energy and cooling demand and optimization cchp control setpoints
US10885238B1 (en) * 2014-01-09 2021-01-05 Opower, Inc. Predicting future indoor air temperature for building
US10789396B1 (en) 2014-02-03 2020-09-29 Clean Power Research, L.L.C. Computer-implemented system and method for facilitating implementation of holistic zero net energy consumption
US10719636B1 (en) 2014-02-03 2020-07-21 Clean Power Research, L.L.C. Computer-implemented system and method for estimating gross energy load of a building
US20150268650A1 (en) * 2014-03-24 2015-09-24 Nec Laboratories America, Inc. Power modeling based building demand management system
US9727063B1 (en) * 2014-04-01 2017-08-08 Opower, Inc. Thermostat set point identification
US20150330923A1 (en) * 2014-05-15 2015-11-19 Palo Alto Research Center Incorporated Computer-Implemented System And Method For Externally Assessing A Building's Susceptibility To Heat Loads
DE102014210153B4 (de) * 2014-05-28 2022-10-27 Robert Bosch Gmbh Verfahren zum Betrieb eines Steuergeräts einer Heizungsanlage
KR20160042669A (ko) * 2014-10-10 2016-04-20 엘지전자 주식회사 설비를 관제하는 중앙 제어 장치, 이를 포함하는 설비 제어 시스템 및 설비 제어 방법
US10185345B2 (en) 2015-06-22 2019-01-22 Solarcity Corporation Systems and methods of home efficiency modeling
US9485344B2 (en) * 2014-12-01 2016-11-01 Honeywell International Inc. Personalizing interaction with a structure
US9846881B2 (en) * 2014-12-19 2017-12-19 Palo Alto Research Center Incorporated Frugal user engagement help systems
CA2969915C (en) * 2015-01-02 2022-07-26 Earth Networks, Inc. Optimizing and controlling the energy consumption of a building
FR3031401B1 (fr) * 2015-01-06 2017-07-14 Ubiant Sa Systeme de gestion de la consommation energetique d'un batiment
FR3031598A1 (fr) * 2015-01-13 2016-07-15 Ecometering Dispositif thermique ameliore
US10692021B2 (en) 2015-01-16 2020-06-23 Texas Energy Retail Company LLC System and method for procurement decisioning using home automation inputs
US10339232B1 (en) * 2015-02-25 2019-07-02 Clean Power Research, L.L.C. Computer-implemented system and method for modeling building heating energy consumption
US11921478B2 (en) 2015-02-25 2024-03-05 Clean Power Research, L.L.C. System and method for estimating periodic fuel consumption for cooling of a building with the aid of a digital computer
US20160294185A1 (en) 2015-03-31 2016-10-06 Enernoc, Inc. Energy brown out prediction system
JP6527374B2 (ja) * 2015-04-13 2019-06-05 アズビル株式会社 情報提示装置、情報提示方法および情報提示システム
JP2018524534A (ja) 2015-05-04 2018-08-30 ジョンソン コントロールズ テクノロジー カンパニーＪｏｈｎｓｏｎ Ｃｏｎｔｒｏｌｓ Ｔｅｃｈｎｏｌｏｇｙ Ｃｏｍｐａｎｙ 制御システムハブおよび遠隔センサを備えた多機能ホーム制御システム
US10677484B2 (en) 2015-05-04 2020-06-09 Johnson Controls Technology Company User control device and multi-function home control system
JP6529609B2 (ja) 2015-05-04 2019-06-12 ジョンソン コントロールズ テクノロジー カンパニーＪｏｈｎｓｏｎ Ｃｏｎｔｒｏｌｓ Ｔｅｃｈｎｏｌｏｇｙ Ｃｏｍｐａｎｙ 透明スクリーン技術を使用した取付可能なタッチ式サーモスタット
MX2017014341A (es) 2015-05-11 2018-03-23 Siemens Industry Inc Iluminacion integrada con eficiencia energetica, iluminacion diurna y cvaa con vidrio electrocromico.
US9708852B2 (en) 2015-05-11 2017-07-18 Siemens Industry, Inc. Energy-efficient integrated lighting, daylighting, and HVAC with controlled window blinds
US10935275B2 (en) 2015-05-29 2021-03-02 Carrier Corporation HVAC system thermal recovery
CN107743569B (zh) * 2015-06-08 2021-07-23 开利公司 Hvac系统启动/停止控制
EP3311228A4 (en) * 2015-06-21 2019-02-20 Solanki, Rajesh Ramnik SYSTEM FOR MONITORING AND CONTROLLING APPARATUS AND METHOD THEREFOR
US10690364B2 (en) * 2015-09-08 2020-06-23 International Business Machines Corporation Predictive analytics to determine optimal structure control
US10760809B2 (en) 2015-09-11 2020-09-01 Johnson Controls Technology Company Thermostat with mode settings for multiple zones
US10510127B2 (en) 2015-09-11 2019-12-17 Johnson Controls Technology Company Thermostat having network connected branding features
US11277893B2 (en) 2015-10-28 2022-03-15 Johnson Controls Technology Company Thermostat with area light system and occupancy sensor
US10162327B2 (en) 2015-10-28 2018-12-25 Johnson Controls Technology Company Multi-function thermostat with concierge features
US10655881B2 (en) 2015-10-28 2020-05-19 Johnson Controls Technology Company Thermostat with halo light system and emergency directions
US10546472B2 (en) 2015-10-28 2020-01-28 Johnson Controls Technology Company Thermostat with direction handoff features
US10318266B2 (en) 2015-11-25 2019-06-11 Johnson Controls Technology Company Modular multi-function thermostat
US10452034B2 (en) * 2015-12-16 2019-10-22 Johnson Controls Technology Company Central plant control system with building energy load estimation
US10812285B2 (en) 2016-02-16 2020-10-20 Ademco Inc. Systems and methods for handing off configuration of a building device from a contractor to a customer
US11237528B2 (en) 2016-02-16 2022-02-01 Ademco Inc. System and method for handing off the configuration of a building device from a contractor to a customer using a hang tag or the like
US10820199B2 (en) 2016-02-16 2020-10-27 Ademco Inc. Mobile device with contractor accessible screens for configuring a building device
US9951967B2 (en) 2016-02-26 2018-04-24 Johns Manville Thermal energy storage systems and methods for use with solar power generation systems
ES2773478T3 (es) * 2016-03-01 2020-07-13 Siemens Ag Procedimiento y sistema para operar una red de suministro de energía autónoma
US10072865B2 (en) * 2016-04-14 2018-09-11 Schneider Electric It Corporation Systems and methods for minimizing compressor use in HVAC systems
CN109416550B (zh) * 2016-05-04 2021-09-10 江森自控科技公司 用户控制装置和多功能家庭控制系统
US10969127B2 (en) 2016-08-18 2021-04-06 Ademco Inc. Residential energy efficiency rating system
US11168915B2 (en) * 2016-08-19 2021-11-09 Fraunhofer Usa, Inc. System and method for characterization of retrofit opportunities in building using data from interval meters
US10298012B2 (en) 2016-09-29 2019-05-21 Enel X North America, Inc. Network operations center including automated validation, estimation, and editing configuration engine
US10203714B2 (en) 2016-09-29 2019-02-12 Enel X North America, Inc. Brown out prediction system including automated validation, estimation, and editing rules configuration engine
US10566791B2 (en) 2016-09-29 2020-02-18 Enel X North America, Inc. Automated validation, estimation, and editing processor
US10423186B2 (en) 2016-09-29 2019-09-24 Enel X North America, Inc. Building control system including automated validation, estimation, and editing rules configuration engine
US10461533B2 (en) 2016-09-29 2019-10-29 Enel X North America, Inc. Apparatus and method for automated validation, estimation, and editing configuration
US10291022B2 (en) * 2016-09-29 2019-05-14 Enel X North America, Inc. Apparatus and method for automated configuration of estimation rules in a network operations center
US10088192B2 (en) * 2016-10-06 2018-10-02 Google Llc Thermostat algorithms and architecture for efficient operation at low temperatures
US10274920B2 (en) * 2016-10-30 2019-04-30 Carrier Corporation Method and system for determining energy savings target for distributed sites of an entity
EP3242182B1 (en) 2017-02-14 2022-06-29 Grundfos Holding A/S Method for carrying out outside temperature-related control and corresponding server.
US11162698B2 (en) 2017-04-14 2021-11-02 Johnson Controls Tyco IP Holdings LLP Thermostat with exhaust fan control for air quality and humidity control
WO2018200861A1 (en) * 2017-04-27 2018-11-01 Johnson Controls Technology Company Building energy system with stochastic model predictive control
US10935405B1 (en) 2017-05-12 2021-03-02 Alarm.Com Incorporated Disaggregation of water consumption data
DE102017112505A1 (de) * 2017-06-07 2018-12-13 Innogy Se Verfahren zum Betreiben eines thermischen Verbrauchssystems
US10838440B2 (en) * 2017-11-28 2020-11-17 Johnson Controls Technology Company Multistage HVAC system with discrete device selection prioritization
US10838441B2 (en) * 2017-11-28 2020-11-17 Johnson Controls Technology Company Multistage HVAC system with modulating device demand control
EP3721146A1 (en) * 2017-12-07 2020-10-14 Optimum Energy, LLC Remote automated deployment of hvac optimization software
CN107994574B (zh) * 2017-12-13 2021-07-16 国网辽宁省电力有限公司葫芦岛供电公司 面向新能源消纳的集中式温控负荷侧需求响应的决策方法
KR102049005B1 (ko) * 2017-12-21 2019-11-26 가천대학교 산학협력단 유전 알고리즘을 이용한 중앙집중식 공조시스템 및 이를 이용한 공기조화 방법
CN108224548B (zh) * 2017-12-29 2020-05-05 新奥泛能网络科技股份有限公司 一种供能天数计算方法
WO2019157584A1 (en) * 2018-02-14 2019-08-22 Iot Technologies Inc. Weather anticipating programmable thermostat and wireless network ptac control
WO2019182972A1 (en) * 2018-03-19 2019-09-26 Carrier Corporation Predicting the impact of flexible energy demand on thermal comfort
US10539336B2 (en) * 2018-03-29 2020-01-21 Rcs Technology, Llc Server-based thermostat control
CN109461091B (zh) * 2018-05-25 2020-08-28 中国农业大学 考虑光伏和冷负荷相关性的用电负荷计算方法及信息系统
EP3637217A1 (en) * 2018-10-08 2020-04-15 E.ON Sverige AB A method for controlling a thermal energy distribution system
US11067307B2 (en) 2018-10-10 2021-07-20 Ademco Inc. Thermostat user interface with smart menu structure
US11095469B2 (en) 2018-10-10 2021-08-17 Ademco Inc. Wireless occupancy sensor with controllable light indicator
US11236923B2 (en) 2018-10-10 2022-02-01 Ademco Inc. Thermostat with sensor priority screen
US10859281B2 (en) 2018-10-10 2020-12-08 Ademco Inc. Thermostat assembly with removable trim ring
US10908001B2 (en) 2018-10-10 2021-02-02 Ademco Inc. Wireless sensor with mounting plate
US10816230B2 (en) 2018-10-10 2020-10-27 Ademco Inc. Temperature sensing strategy with multiple temperature sensors
US10895397B2 (en) 2018-10-10 2021-01-19 Ademco Inc. Wire detection for an HVAC controller
US10907854B2 (en) 2018-10-10 2021-02-02 Ademco Inc. Automatic changeover mode in an HVAC controller with reversible deadband enforcement
US10907852B2 (en) 2018-10-10 2021-02-02 Ademco Inc. Remote sensor with improved occupancy sensing
GB2578316B (en) * 2018-10-23 2021-04-14 Wirth Res Limited A building management system and method
US11107390B2 (en) 2018-12-21 2021-08-31 Johnson Controls Technology Company Display device with halo
CN111692721B (zh) 2019-03-15 2023-09-22 开利公司 用于空气调节系统的控制方法
US11295255B2 (en) 2019-03-29 2022-04-05 Datakwip Holdings, LLC Facility analytics
EP3715738A1 (en) 2019-03-29 2020-09-30 Mitsubishi Electric R&D Centre Europe B.V. Air conditioning system, server system, network, method for controlling an air conditioning system and method for controlling a network
US10558937B1 (en) * 2019-04-22 2020-02-11 Lineage Logistics Llc Scheduled thermal control system
CN112352106B (zh) 2019-05-10 2023-05-02 开利公司 带有振动传感器的压缩机
WO2020243711A1 (en) 2019-05-31 2020-12-03 Carrier Corporation Method for supervisory control of building power consumption
CA3141725A1 (en) 2019-06-14 2020-12-17 Alarm.Com Incorporated Smart water valve
CN110285855B (zh) * 2019-06-28 2021-05-04 江苏建筑职业技术学院 区域建筑能耗监测方法
CN110544175A (zh) * 2019-07-11 2019-12-06 天津大学 一种面向家庭智能用电的多能源综合优化调度方法
US11337276B2 (en) * 2020-01-22 2022-05-17 Dell Products L.P. Environmental management based on temporal and spatial predicitons
US11719458B2 (en) * 2020-04-16 2023-08-08 Robert Bosch Gmbh HVAC control fine-grained occupancy pattern estimation
EP3916492A1 (en) 2020-05-25 2021-12-01 Grundfos Holding A/S Method and system for controlling a fluid transport system
CN212084987U (zh) 2020-07-09 2020-12-04 宁波市哈雷换热设备有限公司 一种承压能力强的芯片冷却器
CN113065190B (zh) * 2021-04-15 2022-05-27 天津大学 一种基于不确定性的居住建筑供热量计算方法

Family Cites Families (38)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2512262B2 (ja) * 1992-05-08 1996-07-03 松下電器産業株式会社 空気調和機の室内温度設定装置
US8037158B2 (en) 1995-11-13 2011-10-11 Lakshmi Arunachalam Multimedia transactional services
US5936776A (en) 1996-09-27 1999-08-10 U.S. Precision Lens Inc. Focusable front projection lens systems for use with large screen formats
US5924486A (en) 1997-10-29 1999-07-20 Tecom, Inc. Environmental condition control and energy management system and method
US6098893A (en) 1998-10-22 2000-08-08 Honeywell Inc. Comfort control system incorporating weather forecast data and a method for operating such a system
US6577962B1 (en) 2000-09-28 2003-06-10 Silicon Energy, Inc. System and method for forecasting energy usage load
JP2002364901A (ja) * 2001-06-07 2002-12-18 Hitachi Ltd 蓄熱式空調設備の制御システム、制御計画立案装置、制御計画立案方法、制御計画立案を実行するための記録媒体及びプログラム
US6993417B2 (en) 2001-09-10 2006-01-31 Osann Jr Robert System for energy sensing analysis and feedback
AU2003220520A1 (en) 2002-04-01 2003-10-20 Battelle Memorial Institute Energy management system
JP4487550B2 (ja) * 2002-12-10 2010-06-23 パナソニック電工株式会社 環境設備制御システム
US7216021B2 (en) * 2003-10-30 2007-05-08 Hitachi, Ltd. Method, system and computer program for managing energy consumption
GB2408592B (en) * 2003-11-27 2005-11-16 James Ian Oswald Household energy management system
US10705549B2 (en) * 2003-12-02 2020-07-07 Ademco Inc. Controller interface with menu schedule override
US7502768B2 (en) * 2004-02-27 2009-03-10 Siemens Building Technologies, Inc. System and method for predicting building thermal loads
KR20060117761A (ko) 2005-05-13 2006-11-17 삼성전자주식회사 방송데이터를 이용한 공기조화기의 운전제어장치 및 그방법
US8042048B2 (en) 2005-11-17 2011-10-18 Att Knowledge Ventures, L.P. System and method for home automation
US7908116B2 (en) 2007-08-03 2011-03-15 Ecofactor, Inc. System and method for using a network of thermostats as tool to verify peak demand reduction
US8019567B2 (en) 2007-09-17 2011-09-13 Ecofactor, Inc. System and method for evaluating changes in the efficiency of an HVAC system
US7848900B2 (en) 2008-09-16 2010-12-07 Ecofactor, Inc. System and method for calculating the thermal mass of a building
JP2009115359A (ja) * 2007-11-05 2009-05-28 Daikin Ind Ltd 空調制御装置、空気調和装置および空調制御方法
US8010237B2 (en) 2008-07-07 2011-08-30 Ecofactor, Inc. System and method for using ramped setpoint temperature variation with networked thermostats to improve efficiency
US20100019050A1 (en) * 2008-07-25 2010-01-28 Gm Global Technology Operations, Inc. Automatic Climate Control for a Vehicle
JP5227707B2 (ja) * 2008-09-12 2013-07-03 株式会社日立製作所 空調省エネ制御装置
US9632490B2 (en) 2008-10-27 2017-04-25 Lennox Industries Inc. System and method for zoning a distributed architecture heating, ventilation and air conditioning network
US20100332373A1 (en) 2009-02-26 2010-12-30 Jason Crabtree System and method for participation in energy-related markets
US9753455B2 (en) 2009-06-22 2017-09-05 Johnson Controls Technology Company Building management system with fault analysis
US9429923B2 (en) * 2009-12-16 2016-08-30 Commonwealth Scientific And Industrial Research Organisation HVAC control system and method
US20110218691A1 (en) * 2010-03-05 2011-09-08 Efficient Energy America Incorporated System and method for providing reduced consumption of energy using automated human thermal comfort controls
JP4951082B2 (ja) * 2010-03-18 2012-06-13 株式会社東芝 省エネアドバイス生成装置
GB201005320D0 (en) 2010-03-30 2010-05-12 Telepure Ltd Improvements in controllers, particularly controllers for use in heating, ventilation and air conditioning systems
CN101825327B (zh) * 2010-05-28 2012-03-07 哈尔滨工业大学 基于天气预报的空调系统最优运行参数获得方法
US20130060471A1 (en) * 2010-07-19 2013-03-07 Mark A. Aschheim Estimating energy savings and carbon offsets for buildings in real-time
US8090477B1 (en) 2010-08-20 2012-01-03 Ecofactor, Inc. System and method for optimizing use of plug-in air conditioners and portable heaters
CN102193544B (zh) * 2011-03-25 2013-06-05 汉鼎信息科技股份有限公司 一种智能建筑能源管理系统
CN102156463B (zh) * 2011-03-25 2013-05-08 浙江汉爵科技有限公司 建筑物能源计划管理控制系统
WO2012174086A1 (en) 2011-06-14 2012-12-20 J. R. Simplot Company A method for identifying a mammal receptive to embryo transfer
US9261863B2 (en) 2012-01-23 2016-02-16 Earth Networks, Inc. Optimizing and controlling the energy consumption of a building
US9377791B2 (en) 2012-10-08 2016-06-28 International Business Machines Corporation Monitoring user position to determine a time for providing a specified state at a user premises

Cited By (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US10437942B2 (en) 2015-04-03 2019-10-08 Baidu Online Network Technology (Beijing) Co. Ltd. Kalman filter based capacity forecasting method, system and computer equipment
KR20200034023A (ko) * 2018-09-12 2020-03-31 주식회사 석영시스템즈 열·공조 시스템에 대한 수요 반응 결정 모델을 생성하는 방법 및 수요 반응을 수행하기 위한 방법
KR20200091659A (ko) 2019-01-23 2020-07-31 최보규 곡물저장설비 및 곡물가공설비의 에너지 절감시스템 및 그 방법
KR20200103381A (ko) 2019-02-25 2020-09-02 (주)허브플렛폼 다채널 온라인 쇼핑몰 데이터 자동 수집 방법
KR20200132816A (ko) 2020-11-18 2020-11-25 최보규 곡물저장설비 및 곡물가공설비의 에너지 절감방법
KR102520715B1 (ko) 2021-11-17 2023-04-10 연세대학교 산학협력단 실내외 환경 변화 예측을 이용한 냉난방 자동 제어 방법 및 장치

Also Published As

Publication number Publication date
AU2017245429A1 (en) 2017-11-02
WO2013112574A1 (en) 2013-08-01
CN104303125B (zh) 2019-08-20
US20130190940A1 (en) 2013-07-25
US20160154417A1 (en) 2016-06-02
CA2862119A1 (en) 2013-08-01
JP6215843B2 (ja) 2017-10-18
EP2807527B1 (en) 2019-08-21
US9261863B2 (en) 2016-02-16
AU2013212256A1 (en) 2014-08-14
EP3588232B8 (en) 2021-06-23
BR112014017966A8 (pt) 2017-07-11
EP2807527A1 (en) 2014-12-03
EP3588232A1 (en) 2020-01-01
JP2019190823A (ja) 2019-10-31
EP2807527A4 (en) 2015-12-16
BR112014017966A2 (ko) 2017-06-20
JP2018013329A (ja) 2018-01-25
CN104303125A (zh) 2015-01-21
US9471082B2 (en) 2016-10-18
CA2862119C (en) 2021-03-09
EP3588232B1 (en) 2021-04-07
JP2015505030A (ja) 2015-02-16

Similar Documents

Publication Publication Date Title
US9471082B2 (en) Optimizing and controlling the energy consumption of a building
US9612591B2 (en) Optimizing and controlling the energy consumption of a building
EP3241079B1 (en) Optimizing and controlling the energy consumption of a building
US10354345B2 (en) Optimizing and controlling the energy consumption of a building
US9429961B2 (en) Data-driven HVAC optimization
JP5572799B2 (ja) 空調システム制御装置
US20150345812A1 (en) Method and apparatus for selective componentized thermostatic controllable loads
US20110218690A1 (en) System and method for providing automated electrical energy demand management
EP3699720A1 (en) A system for dynamically balancing a heat load and a method thereof
US10746425B1 (en) Thermal modeling technology
US20150346741A1 (en) Method and apparatus for distributed control of thermostatic electric loads using high-granularity energy usage data
EP3862644B1 (en) Information processing device and air-conditioning system provided with same
US20230063986A1 (en) Energy management and smart thermostat learning methods and control systems
WO2023183576A1 (en) Predictive control for heat transfer to fluids

Legal Events

Date Code Title Description
A201 Request for examination
E902 Notification of reason for refusal
E701 Decision to grant or registration of patent right