KR20230157945A - 히트 펌프 제상 사이클을 수행하기 위한 방법들 및시스템들 - Google Patents

히트 펌프 제상 사이클을 수행하기 위한 방법들 및시스템들 Download PDF

Info

Publication number
KR20230157945A
KR20230157945A KR1020237027851A KR20237027851A KR20230157945A KR 20230157945 A KR20230157945 A KR 20230157945A KR 1020237027851 A KR1020237027851 A KR 1020237027851A KR 20237027851 A KR20237027851 A KR 20237027851A KR 20230157945 A KR20230157945 A KR 20230157945A
Authority
KR
South Korea
Prior art keywords
water
heat pump
mla
temperature
expected
Prior art date
Application number
KR1020237027851A
Other languages
English (en)
Inventor
피터 코노발치크
Original Assignee
옥토퍼스 에너지 히팅 리미티드
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 GBGB2101678.7A external-priority patent/GB202101678D0/en
Application filed by 옥토퍼스 에너지 히팅 리미티드 filed Critical 옥토퍼스 에너지 히팅 리미티드
Priority claimed from PCT/IB2022/051079 external-priority patent/WO2022168047A1/en
Publication of KR20230157945A publication Critical patent/KR20230157945A/ko

Links

Classifications

    • F—MECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
    • F24—HEATING; RANGES; VENTILATING
    • F24D—DOMESTIC- OR SPACE-HEATING SYSTEMS, e.g. CENTRAL HEATING SYSTEMS; DOMESTIC HOT-WATER SUPPLY SYSTEMS; ELEMENTS OR COMPONENTS THEREFOR
    • F24D19/00—Details
    • F24D19/0095—Devices for preventing damage by freezing
    • F—MECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
    • F24—HEATING; RANGES; VENTILATING
    • F24D—DOMESTIC- OR SPACE-HEATING SYSTEMS, e.g. CENTRAL HEATING SYSTEMS; DOMESTIC HOT-WATER SUPPLY SYSTEMS; ELEMENTS OR COMPONENTS THEREFOR
    • F24D17/00—Domestic hot-water supply systems
    • F24D17/0005—Domestic hot-water supply systems using recuperation of waste heat
    • F24D17/001—Domestic hot-water supply systems using recuperation of waste heat with accumulation of heated water
    • F—MECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
    • F24—HEATING; RANGES; VENTILATING
    • F24D—DOMESTIC- OR SPACE-HEATING SYSTEMS, e.g. CENTRAL HEATING SYSTEMS; DOMESTIC HOT-WATER SUPPLY SYSTEMS; ELEMENTS OR COMPONENTS THEREFOR
    • F24D17/00—Domestic hot-water supply systems
    • F24D17/02—Domestic hot-water supply systems using heat pumps
    • F—MECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
    • F24—HEATING; RANGES; VENTILATING
    • F24D—DOMESTIC- OR SPACE-HEATING SYSTEMS, e.g. CENTRAL HEATING SYSTEMS; DOMESTIC HOT-WATER SUPPLY SYSTEMS; ELEMENTS OR COMPONENTS THEREFOR
    • F24D19/00—Details
    • F24D19/10—Arrangement or mounting of control or safety devices
    • F24D19/1006—Arrangement or mounting of control or safety devices for water heating systems
    • F24D19/1009—Arrangement or mounting of control or safety devices for water heating systems for central heating
    • F24D19/1039—Arrangement or mounting of control or safety devices for water heating systems for central heating the system uses a heat pump
    • F—MECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
    • F24—HEATING; RANGES; VENTILATING
    • F24D—DOMESTIC- OR SPACE-HEATING SYSTEMS, e.g. CENTRAL HEATING SYSTEMS; DOMESTIC HOT-WATER SUPPLY SYSTEMS; ELEMENTS OR COMPONENTS THEREFOR
    • F24D19/00—Details
    • F24D19/10—Arrangement or mounting of control or safety devices
    • F24D19/1006—Arrangement or mounting of control or safety devices for water heating systems
    • F24D19/1051—Arrangement or mounting of control or safety devices for water heating systems for domestic hot water
    • F24D19/1054—Arrangement or mounting of control or safety devices for water heating systems for domestic hot water the system uses a heat pump
    • F—MECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
    • F24—HEATING; RANGES; VENTILATING
    • F24F—AIR-CONDITIONING; AIR-HUMIDIFICATION; VENTILATION; USE OF AIR CURRENTS FOR SCREENING
    • F24F11/00—Control or safety arrangements
    • F24F11/30—Control or safety arrangements for purposes related to the operation of the system, e.g. for safety or monitoring
    • F24F11/41—Defrosting; Preventing freezing
    • F—MECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
    • F24—HEATING; RANGES; VENTILATING
    • F24H—FLUID HEATERS, e.g. WATER OR AIR HEATERS, HAVING HEAT-GENERATING MEANS, e.g. HEAT PUMPS, IN GENERAL
    • F24H15/00—Control of fluid heaters
    • F24H15/10—Control of fluid heaters characterised by the purpose of the control
    • F24H15/136—Defrosting or de-icing; Preventing freezing
    • F—MECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
    • F24—HEATING; RANGES; VENTILATING
    • F24H—FLUID HEATERS, e.g. WATER OR AIR HEATERS, HAVING HEAT-GENERATING MEANS, e.g. HEAT PUMPS, IN GENERAL
    • F24H15/00—Control of fluid heaters
    • F24H15/10—Control of fluid heaters characterised by the purpose of the control
    • F24H15/144—Measuring or calculating energy consumption
    • F—MECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
    • F24—HEATING; RANGES; VENTILATING
    • F24H—FLUID HEATERS, e.g. WATER OR AIR HEATERS, HAVING HEAT-GENERATING MEANS, e.g. HEAT PUMPS, IN GENERAL
    • F24H15/00—Control of fluid heaters
    • F24H15/10—Control of fluid heaters characterised by the purpose of the control
    • F24H15/144—Measuring or calculating energy consumption
    • F24H15/152—Forecasting future energy consumption
    • F—MECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
    • F24—HEATING; RANGES; VENTILATING
    • F24H—FLUID HEATERS, e.g. WATER OR AIR HEATERS, HAVING HEAT-GENERATING MEANS, e.g. HEAT PUMPS, IN GENERAL
    • F24H15/00—Control of fluid heaters
    • F24H15/10—Control of fluid heaters characterised by the purpose of the control
    • F24H15/172—Scheduling based on user demand, e.g. determining starting point of heating
    • F—MECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
    • F24—HEATING; RANGES; VENTILATING
    • F24H—FLUID HEATERS, e.g. WATER OR AIR HEATERS, HAVING HEAT-GENERATING MEANS, e.g. HEAT PUMPS, IN GENERAL
    • F24H15/00—Control of fluid heaters
    • F24H15/20—Control of fluid heaters characterised by control inputs
    • F24H15/254—Room temperature
    • F—MECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
    • F24—HEATING; RANGES; VENTILATING
    • F24H—FLUID HEATERS, e.g. WATER OR AIR HEATERS, HAVING HEAT-GENERATING MEANS, e.g. HEAT PUMPS, IN GENERAL
    • F24H15/00—Control of fluid heaters
    • F24H15/40—Control of fluid heaters characterised by the type of controllers
    • F24H15/414—Control of fluid heaters characterised by the type of controllers using electronic processing, e.g. computer-based
    • F24H15/421—Control of fluid heaters characterised by the type of controllers using electronic processing, e.g. computer-based using pre-stored data
    • F—MECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
    • F25—REFRIGERATION OR COOLING; COMBINED HEATING AND REFRIGERATION SYSTEMS; HEAT PUMP SYSTEMS; MANUFACTURE OR STORAGE OF ICE; LIQUEFACTION SOLIDIFICATION OF GASES
    • F25B—REFRIGERATION MACHINES, PLANTS OR SYSTEMS; COMBINED HEATING AND REFRIGERATION SYSTEMS; HEAT PUMP SYSTEMS
    • F25B47/00—Arrangements for preventing or removing deposits or corrosion, not provided for in another subclass
    • F25B47/02—Defrosting cycles
    • F—MECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
    • F25—REFRIGERATION OR COOLING; COMBINED HEATING AND REFRIGERATION SYSTEMS; HEAT PUMP SYSTEMS; MANUFACTURE OR STORAGE OF ICE; LIQUEFACTION SOLIDIFICATION OF GASES
    • F25B—REFRIGERATION MACHINES, PLANTS OR SYSTEMS; COMBINED HEATING AND REFRIGERATION SYSTEMS; HEAT PUMP SYSTEMS
    • F25B47/00—Arrangements for preventing or removing deposits or corrosion, not provided for in another subclass
    • F25B47/02—Defrosting cycles
    • F25B47/022—Defrosting cycles hot gas defrosting
    • F25B47/025—Defrosting cycles hot gas defrosting by reversing the cycle
    • F—MECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
    • F24—HEATING; RANGES; VENTILATING
    • F24D—DOMESTIC- OR SPACE-HEATING SYSTEMS, e.g. CENTRAL HEATING SYSTEMS; DOMESTIC HOT-WATER SUPPLY SYSTEMS; ELEMENTS OR COMPONENTS THEREFOR
    • F24D2103/00—Thermal aspects of small-scale CHP systems
    • F24D2103/10—Small-scale CHP systems characterised by their heat recovery units
    • F24D2103/17—Storage tanks
    • F—MECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
    • F24—HEATING; RANGES; VENTILATING
    • F24D—DOMESTIC- OR SPACE-HEATING SYSTEMS, e.g. CENTRAL HEATING SYSTEMS; DOMESTIC HOT-WATER SUPPLY SYSTEMS; ELEMENTS OR COMPONENTS THEREFOR
    • F24D2200/00—Heat sources or energy sources
    • F24D2200/12—Heat pump
    • F—MECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
    • F24—HEATING; RANGES; VENTILATING
    • F24D—DOMESTIC- OR SPACE-HEATING SYSTEMS, e.g. CENTRAL HEATING SYSTEMS; DOMESTIC HOT-WATER SUPPLY SYSTEMS; ELEMENTS OR COMPONENTS THEREFOR
    • F24D2220/00—Components of central heating installations excluding heat sources
    • F24D2220/08—Storage tanks

Landscapes

  • Engineering & Computer Science (AREA)
  • General Engineering & Computer Science (AREA)
  • Mechanical Engineering (AREA)
  • Thermal Sciences (AREA)
  • Physics & Mathematics (AREA)
  • Chemical & Material Sciences (AREA)
  • Combustion & Propulsion (AREA)
  • Computer Hardware Design (AREA)
  • Heat-Pump Type And Storage Water Heaters (AREA)
  • Central Heating Systems (AREA)
  • Steam Or Hot-Water Central Heating Systems (AREA)
  • Domestic Hot-Water Supply Systems And Details Of Heating Systems (AREA)
  • Air Conditioning Control Device (AREA)

Abstract

본 개시사항은, 건물에 설치되어 있는 급수 시스템의 히트 펌프를 제상작업하는 컴퓨터-구현 방법을 제공하고, 상기 급수 시스템은, 건물 바깥쪽으로부터 건물 안쪽의 열 에너지 저장 매체 쪽으로 열 에너지를 전달하도록 구성되어 있는 히트 펌프; 및 상기 히트 펌프의 작동을 제어하도록 구성되어 있는 컨트롤 모듈;을 포함하고, 상기 급수 시스템은 열 에너지 저장 매체에 의해 가열된 물을 하나 이상의 출수구들에서 건물의 이용자 쪽으로 공급하도록 구성되어 있고, 상기 방법은 상기 컨트롤 모듈에 의해 수행되고, 다음의 단계들, 즉: 상기 히트 펌프의 성능에 기초하여 다음번 제상 사이클의 예상 시작 시간을 결정하는 단계; 및 상기 다음번 제상 사이클의 예상 시작 시간 전에 상기 급수 시스템을 준비하는 단계;를 포함한다.

Description

히트 펌프 제상 사이클을 수행하기 위한 방법들 및 시스템들
본 개시사항은 대체로 공공재 관리에 관한 것이다. 특히, 본 개시사항은 사용자의 고온수 사용 습관을 수정하는데 도움을 주도록 사용될 수 있는 방법들 및 시스템들에 관한 것이다.
상업용 세팅에서든 가정용 세팅에서든, 온수는 일년 내내 하루 종일 필요로 하게 된다. 온수의 공급이 열의 공급원과 깨끗한 물 양자 모두를 필요로 한다는 점은 말할 것도 없다. 온수를 공급하기 위해서, 난방 시스템은, 예컨대 사용자에 의해 세팅된 소정의 온도까지 물을 가열하는 종종 중앙집중식 급수 시스템에 제공되고, 사용된 열 공급원은 전형적으로 하나 이상의 전기 가열 요소들이고, 또는 천연 가스의 연소이다. 일반적으로, 높은 에너지(예컨대 가스 또는 전기) 수요가 있는 기간들 동안, 공공재 공급자들은 에너지의 단위 비용을 증가시키는 피크 요금제(peak tariff)를 시행할 것인데, 부분적으로는 고객들에게 공급해주는 더 많은 에너지를 구입해야만 하는 추가적인 비용을 커버하기 위해서 그러하고, 그리고 부분적으로는 불필요한 에너지 사용을 막기 위해서 그러하다. 이후, 낮은 에너지 수요가 있는 기간들 동안, 공공재 공급자들은, 오랜 시간에 걸쳐 전반적으로 더욱 균형잡힌 에너지 소비를 달성하기 위해서 피크 기간들을 대신하여 이 오프-피크 기간들 동안 에너지를 사용하는 쪽으로 전환하는 고객들에게 인센티브제공하도록 에너지의 단위 비용을 낮추는 오프-피크 요금제를 시행할 것이다. 그러나, 이러한 전략들은, 고객들이 항상 요금제들에서의 변화를 의식하고 있고 추가로 그들의 에너지 소비 습관들을 수정하려는 의식적인 노력을 행하고 있는 경우에만 효과적이다.
공공재로서의 깨끗한 물은 현재 많은 주목을 받고 있다. 깨끗한 물이 부족해짐에 따라, 깨끗한 물의 보존에 관하여 뿐만 아니라, 수류를 줄이는 기포발생식 샤워기(aerated shower)들 및 수도꼭지(tap)들과 같은 물 소비를 줄이는 시스템들과 디바이스들, 동작이 감지되지 않는 경우 물의 흐름을 정지시키는 동작 센서가 장비되어 있는 샤워기들 및 수도꼭지들 등등에 관한 개발에 관하여 대중을 교육하려는 많은 노력이 있어 왔다. 그러나, 이 시스템들과 디바이스들은 단일의 특정한 사용으로 제약되어 있고, 문제되는 물 소비 습관들에 관한 제한된 영향만을 미친다.
에너지 소비의 환경 영향에 관한 걱정거리들이 늘어나면서, 가정용 온수를 공급하는 방식으로서 히트 펌프 기술들의 사용에 있어서 최근에 늘어나는 관심이 있다. 히트 펌프는, 열의 공급원으로부터 열 저장소 쪽으로 열 에너지를 전달하는 디바이스이다. 히트 펌프가 열 공급원으로부터 열 저장소 쪽으로 열 에너지를 전달하는 작업을 완수하기 위해서 전기를 필요로 하더라도, 그것은 전기 저항 히터들(전기 가열 요소들)보다는 대체로 더욱 효율적인데, 이는 그것이 통상적으로 적어도 3 내지 4의 성능 계수를 가지기 때문이다. 이는 똑같은 전기 사용량 하에서 전기 저항 히터들과 비교하여 열의 양의 3배 또는 4배가 히트 펌프들을 통해서 사용자들에게 공급될 수 있다는 것을 의미한다.
열 에너지를 운반하는 열 전달 매체는 냉매로서 알려져 있다. 공기(예컨대 바깥 공기 또는 가정집 안의 고온의 방으로부터의 공기) 또는 지표 공급원(예컨대 지표 순환수단(ground loop) 또는 물이 채워진 시추공)으로부터의 열 에너지는 수용식 열 교환기에 의해 뽑아내어지고 들어있는 냉매 쪽으로 전달된다. 지금의 더 높은 에너지 냉매가 압축되는데, 이는 그것으로 하여금 온도를 상당히 올리게 하며, 여기서 지금의 이 고온 냉매는 열 교환기를 통해서 난방수 순환수단(heating water loop) 쪽으로 열 에너지를 교환한다. 온수 공급의 맥락에서, 히트 펌프에 의해 뽑아내어진 열은 열 에너지 저장수단으로서 역할하는 단열 탱크 안의 물 쪽으로 전달될 수 있고, 온수는 필요한 경우 더 늦은 시간에 사용될 수도 있다. 온수는 필요로 하는 만큼 하나 이상의 출수구들, 예컨대 수도꼭지, 샤워기, 방열기 쪽으로 전향될 수도 있다. 그러나, 히트 펌프는 물을 원하는 온도까지 올리기 위해서 전기 저항 히터들과 비교하여 대체로 더 많은 시간을 필요로 하는데, 이는 부분적으로 히트 펌프들이 통상적으로 시동걸리는게 느리기 때문이다.
상이한 가정들, 직장들 및 상업용 공간들이 온수 사용량에 관한 상이한 요건들과 선호사항들을 가지기 때문에, 히트 펌프들이 전기 히터들에 대한 실제적인 대체예가 되는 것을 가능케 하기 위하여 온수 공급의 새로운 방식들이 바람직하다. 그러나, 에너지와 물을 보존하기 위하여, 에너지와 깨끗한 물의 소비를 조절하는 것이 바람직할 수도 있지만, 공공재 소비를 조절하는 것이 단순히 사용량에 관한 전면적 금지대상(blanket cap)일 수가 없다.
따라서, 온수의 공급을 위한 개선된 방법들과 시스템들을 제공하는 것이 바람직하다.
본 기술의 일 양태는 건물에 설치되어 있는 급수 시스템의 히트 펌프를 제상작업(defrosting)하는 컴퓨터-구현 방법(computer-implemented method)을 제공하고, 급수 시스템은 건물 바깥쪽으로부터 건물 안쪽의 열 에너지 저장 매체 쪽으로 열 에너지를 전달하도록 구성되어 있는 히트 펌프, 및 히트 펌프의 작동을 제어하도록 구성되어 있는 컨트롤 모듈을 포함하고, 급수 시스템은 열 에너지 저장 매체에 의해 가열된 물을 하나 이상의 출수구들에서 건물의 이용자 쪽으로 공급하도록 구성되어 있고, 상기 방법은 컨트롤 모듈에 의해 수행되고, 다음의 단계들, 즉: 히트 펌프의 성능에 기초하여 다음번 제상 사이클(defrost cycle)의 예상 시작 시간을 결정하는 단계; 및 열 에너지 저장 매체가 예상 시작 시간 전에 제 1 온도에 도달하도록, 열 에너지 저장 매체 안에 열 에너지를 저장하기 위해서 열 에너지 저장 매체를 사전-충전하는 다음번 제상 사이클의 예상 시작 시간 전의 소정의 시기 동안에 히트 펌프를 작동함으로써 다음번 제상 사이클의 예상 시작 시간 전에 급수 시스템을 준비하는 단계;를 포함한다.
본 실시예들에 따르면, 히트 펌프를 위한 다음번 제상 사이클의 예상 시작 시간은 히트 펌프의 성능에 기초하여 결정되고, 이후 컨트롤 모듈은 제상 사이클이 시작하게 되기 전에 급수 시스템을 예측가능하게 준비한다. 그렇게 하여, 본 실시예들은 온수의 공급에 대해 덜 지장이 있는 방법으로 필요한 히트 펌프 제상 사이클이 수행되는 것을 허용하고, 이로써 히트 펌프가 온수를 공급하는 효과적인 방식으로서 활용되는 것을 가능케 한다. 다음번 제상 사이클의 예상 시작 시간 전에 원하는 온도에 도달하도록 열 에너지 저장 매체를 사전-충전함으로써, 히트 펌프의 작동이 지장받게 될 경우, 충분한 양의 열 에너지가 온수 공급에 대한 지장을 줄이도록 저장되는 것을 보장하는 것이 가능하게 된다.
일부 실시예들에서, 상기 방법은 컨트롤 모듈 상에서 실행되는 제 1 머신 러닝 알고리즘(machine learning algorithm; MLA)에 의해 적어도 부분적으로 수행될 수도 있으며, 제 1 MLA는 기상 데이터에 기초하여 다음번 제상 사이클을 예측하도록 트레이닝되어 있다.
일부 실시예들에서, 히트 펌프의 성능은 히트 펌프의 평균 열 에너지 출력, 히트 펌프 효율, 히트 펌프를 위한 성능 계수, 또는 이들의 조합을 포함할 수도 있다.
히트 펌프가 필요로 하는 경우, 제상 사이클은 실외 온도와 습도와 같은 외부 요인들에 의해 영향받게 될 수 있다. 이에 따라, 일부 실시예들에서, 상기 방법은 기상 데이터를 수신하는 단계를 추가로 포함할 수도 있고, 여기에서 다음번 제상 사이클의 예상 시작 시간은 기상 데이터에 기초하여 추가로 결정된다.
일부 실시예들에서, 기상 데이터는 기상 예보, 현재 기상 조건, 건물의 실내 온도 또는 이들의 조합 중 한가지 이상을 포함할 수도 있다.
일부 실시예들에서, 상기 방법은 히트 펌프의 하나 이상의 이전 제상 사이클들에 관한 데이터를 수집하는 단계를 추가로 포함할 수도 있고, 여기에서 다음번 제상 사이클의 예상 시작 시간은 수집된 데이터에 기초하여 추가로 결정된다. 상이한 기상 조건 또는 상이한 실내 온도에서의 연속적인 제상 사이클들 사이의 시간 간격들, 각각의 제상 사이클을 완료하는데 필요한 시간 등과 같은 이전 제상 사이클로부터 수집된 데이터를 사용하여, 컨트롤 모듈 또는 제 1 MLA은 다음번 제상 사이클의 예상 시작 시간을 더욱 정확하게 결정할 수도 있다.
일부 실시예들에서, 소정의 시기는 히트 펌프의 성능과 제 1 온도 및/또는 기상 데이터에 기초하여 세팅될 수도 있다.
일부 실시예들에서, 제 1 온도는 이용자에 의해 세팅된 사전-설정 작동 온도보다 더 높을 수도 있다. 정상적인 작동 온도보다 더 높은 온도까지 열 저장 매체를 사전-충전함으로써, 다음번 제상 사이클 동안 이용가능한 열 에너지가 많이 저장되면 될수록, 이에 따라 다음번 제상 사이클에 의해 유발되는 온수 공급에 대한 지장은 더욱 줄어들게 된다.
제상 사이클 동안, 히트 펌프의 작동은 지장받게 될 것이고, 건물 쪽으로 난방을 공급할 수 없을 것이다. 이에 따라, 일부 실시예들에서, 급수 시스템은 건물의 실내 온도를 올리기 위한 중앙 난방 시스템을 포함할 수도 있고, 여기에서 급수 시스템을 준비하는 단계는, 중앙 난방 시스템 쪽으로 온수를 공급해주기 위해서 히트 펌프를 작동함으로써 예상 시작 시간 전에 건물의 실내 온도를 올리는 단계를 포함할 수도 있다.
일부 실시예들에서, 급수 시스템은 하나 이상의 전기 저항 가열 요소들을 포함할 수도 있고, 그리고 여기에서 건물의 실내 온도를 올리는 단계는, 중앙 난방 시스템 쪽으로 온수를 공급해주기 위해서 하나 이상의 전기 저항 가열 요소들을 작동하는 단계를 추가로 포함할 수도 있다.
일부 실시예들에서, 건물의 실내 온도를 올리는 단계는, 제 1 온도로부터 제 2 온도까지 건물의 실내 온도를 올리는 단계를 포함할 수도 있다.
일부 실시예들에서, 제 2 온도는 이용자에 의해 세팅된 사전-설정 실내 온도보다 더 높을 수도 있다. 다음번 제상 사이클의 예상 시작 시간 전에 이용자에 의해 세팅된 사전-설정 온도보다 (예컨대 1 도 또는 2 도 만큼) 더 높은 온도까지 건물의 실내 온도를 올림으로써, 히트 펌프가 다음번 제상 사이클에서 작동되고 있는 동안에 건물의 실내 온도가 쾌적한 범위 안에 있게 되는 것을 보장하는 것이 가능하게 된다.
일부 실시예들에서, 열 에너지 저장 매체를 사전-충전하는 단계 및/또는 건물의 실내 온도를 올리는 단계는, 급수 시스템으로부터 획득된 센서 데이터에 기초한 급수 시스템을 위한 제 2 MLA에 의해 구축된 공공재 사용 패턴으로부터 결정되는 온수의 예상 수요에 기초하여 수행될 수도 있다.
일부 실시예들에서, 제 1 온도는 공공재 사용 패턴에 기초하여 제 2 MLA에 의해 결정될 수도 있다.
일부 실시예들에서, 공공재 이용 패턴은 시간, 요일 및/또는 날짜의 관점에서 예상 냉수 사용량, 시간, 요일 및/또는 날짜의 관점에서 예상 온수 사용량, 시간, 요일 및/또는 날짜의 관점에서 예상 에너지 사용량, 또는 그들의 조합을 포함할 수도 있다.
일부 실시예들에서, 상기 방법은, 공공재 사용 패턴에 기초하여 온수의 예상 수요가 낮은 경우 다음번 제상 사이클의 예상 시작 시간에 가까운 낮은-수요 시간을 결정하는 단계를 추가로 포함할 수도 있다.
일부 실시예들에서, 열 에너지 저장 매체를 사전-충전하는 단계 및/또는 건물의 실내 온도를 올리는 단계는, 급수 시스템으로부터 획득된 센서 데이터에 기초한 급수 시스템을 위한 제 3 MLA에 의해 결정되는 건물의 예상 이용량에 기초하여 수행될 수도 있다.
일부 실시예들에서, 상기 방법은, 예상 이용량에 기초하여, 건물의 예상 이용량이 낮은 경우 제상 사이클의 예상 시작 시간에 가까운 낮은-이용량 시간을 결정하는 단계를 추가로 포함할 수도 있다.
일부 실시예들에서, 센서 데이터는 하루 중 시간, 주 중 요일, 날짜, 하나 이상의 출수구들에서의 유수량 및/또는 수압, 출수구가 켜지는 때로부터 경과 시간, 메인 물 온도, 하나 이상의 출수구들에서의 물 온도, 에너지 소비량 및/또는 소비율, 사용자의 현재 위치, 또는 그들의 조합을 포함할 수도 있다.
어떤 경우들에서, 다음번 제상 사이클의 예상 시작 시간은 급수 시스템에 의한 정상적인 온수 공급에 대해 특히 지장이 있을 수도 있다. 예를 들어, 예상 시작 시간은 온수 수요나 에너지 수요가 높을 것으로 예상되는 때, 예컨대 이른 저녁 동안에 해당하는 시간에 있을 수도 있다. 이에 따라, 일부 실시예들에서, 상기 방법은, 낮은-수요 시간 및/또는 낮은-이용량 시간에 기초하여 제상 사이클의 예상 시작 시간을 조정된 시작 시간으로 조정하는 단계를 추가로 포함할 수도 있다. 그렇게 하여, 다음번 제상 사이클에 의해 유발되는 지장을 줄이는 것이 가능하게 된다.
일부 실시예들에서, 상기 방법은, 조정된 시작 시간에 다음번 제상 사이클을 시작하게 되도록 히트 펌프를 작동하는 단계를 추가로 포함할 수도 있다.
본 기술의 또 다른 양태는, 프로세서에 의해 실행되고 있는 경우 위에 기술되어 있는 바와 같이 프로세서가 상기 방법을 수행하게 하는 머신-판독가능 코드를 포함하는, 컴퓨터-판독가능 매체를 제공한다.
본 기술의 추가 양태는, 급수 시스템을 제어하도록 구성되어 있는 컨트롤 모듈을 제공하며, 컨트롤 모듈은 위에 기술되어 있는 바와 같이 상기 방법을 수행하도록 트레이닝되어 거기에서 실행하는 머신 러닝 알고리즘을 가지는 프로세서를 포함한다.
본 기술의 구현예들은 각각 위에 언급된 목적들 및/또는 양태들 중 적어도 하나를 가지고 있지만, 반드시 그것들 모두를 가지고 있는 것은 아니다. 위에 언급된 목적을 달성하려는 시도에서 비롯된 본 기술의 일부 양태들이 이 목적을 충족하지 못할 수도 있다는 점 그리고/또는 본 명세서에서 특별히 인용되어 있지 않는 다른 목적들을 충족할 수도 있다는 점을 이해할 수 있을 것이다.
본 기술의 구현예들의 추가적인 그리고/또는 대체적인 부재들, 양태들 및 이점들은 다음에 오는 설명, 첨부의 도면들과 첨부된 청구범위들로부터 명확하게 될 것이다.
본 개시사항의 실시예들은 이어서 첨부의 도면들을 참조하여 기술될 것이다.
도 1은, 예시적인 급수 시스템의 개략적인 시스템 개관이다.
도 2에는, 사용 패턴을 구축하는 MLA의 예시적인 트레이닝 과정단계가 개략적으로 나타나 있다.
도 3에는, 이용량 예측을 출력하는 MLA에 의한 예시적인 데이터 처리과정이 개략적으로 나타나 있다.
도 4에는, 열 저장을 사전-충전하는 MLA에 의한 예시적인 데이터 처리과정이 개략적으로 나타나 있다.
도 5에는, 히트 펌프를 활성화시키는 MLA에 의한 예시적인 데이터 처리과정이 개략적으로 나타나 있다.
도 6에는, 히트 펌프 제상 사이클을 개시하는 MLA에 의한 예시적인 데이터 처리과정이 개략적으로 나타나 있다.
도 7은, 일 실시예에 따르는 사용자의 물 사용 습관을 수정하는 예시적인 방법에 관한 흐름도이다.
도 8은, 일 실시예에 따르는 물 사용을 조절하는 예시적인 방법에 관한 흐름도이다.
도 9는, 일 실시예에 따르는 물 사용을 조절하는 또 다른 예시적인 방법에 관한 흐름도이다.
도 10에는, 누출 경고를 출력하는 MLA에 의한 예시적인 데이터 처리과정이 개략적으로 나타나 있다.
전술한 것의 관점에서, 본 개시사항은, 히트 펌프를 이용하거나 히프 펌프에 의해 보조되는 온수의 공급을 위한 다양한 접근방안을 제공하고, 일부 경우들에서는 물과 에너지 낭비를 줄이기 위해서 물과 에너지를 포함하는 공공재들의 사용을 조절하기 위한 다양한 접근방안을 제공한다. 본 접근방안들은, 급수 시스템으로부터 수신된 센서 데이터에 기초하여 컨트롤 모듈을 통해서 급수 시스템을 위한 급수를 제어하면서 조절하도록 트레이닝된 하나 이상의 머신 러닝 알고리즘(MLA)의 사용을 통해 구현될 수도 있다. 예를 들어, 트레이닝 과정단계 동안, MLA은 가정용 세팅에서 가정에서의 온수 사용을 모니터링하고 나서 정상적인 사용 패턴을 구축할 수도 있다. MLA은 하루 중 시간, 주 중 요일, 날짜, 기상 등과 같은 다수의 상이한 입력에 기초하여 다양한 타입들의 물 사용(예컨대 샤워, 손 씻기, 난방 등)을 인식하도록 트레이닝될 수도 있다. 일부 실시예들에서, MLA은 예컨대 시스템의 출수구가 켜지거나 꺼지는 시간, 사용의 지속시간, 사용자에 의해 세팅된 물 온도, 및 온수가 사용자에게 제공되는 경우 실제 물 온도에 관한 추가적인 데이터를 수집할 수도 있다. 사용 중, MLA은 히트 펌프를 이용하거나 히트 펌프에 의해 보조되는 온수 공급의 효율성과 유효성을 개선하는 여러 가지 상이한 방식들로 학습된 사용 패턴을 사용할 수도 있다.
일부 실시예들에서, MLA은 출수구가 켜지기 전이나 켜지는 때 하나 이상의 에너지-절약 전략들을 구현하도록 트레이닝될 수도 있고, 그리고 선택사항으로 물 사용 습관과 에너지 사용 습관을 수정하는데 도움을 주는, 예컨대 물 및/또는 에너지 사용을 점진적으로 줄이는 하나 이상의 상호작용적 전략들을 구현하도록 트레이닝될 수도 있다.
다음에 오는 것은 하나 이상의 MLA이 사용되는 실시예들을 위한 다수의 상이한 타입의 머신 러닝 알고리즘들에 관한 간략한 개관을 제시한다. 그러나, 정상적인 사용 패턴을 구축하는 MLA의 사용이 본 기법들을 구현하는 한가지 방식일 뿐이며 그것이 필수적인 것은 아니라는 점에 유의해야 한다; 일부 실시예들에서, 컨트롤 모듈은 특정한 온수 사용, 예컨대 과도한 수류를 목표로 삼는 그리고 소정의 방법으로 반응하는 적절한 소프트웨어 함수들로 프로그램될 수도 있다.
MLA들의 개관 (Overview of MLAs)
당해 기술분야에는 많은 상이한 타입들의 MLA들이 알려져 있다. 대략적으로 말하자면, 3가지 타입들의 MLA들, 즉: 지도식 학습-기반 MLA들, 비지도식 학습-기반 MLA들 및 강화 학습 기반형 MLA들이 있다.
지도식 학습 MLA 처리과정(supervised learning MLA process)은 주어진 세트를 이루는 예측인자들(독립 변수들)로부터 예측될 목표-성과 변수(또는 종속 변수)에 기반을 둔다. 이들 세트를 이루는 변수들을 사용하여, MLA은 (트레이닝 동안) 원하는 출력들로 입력들을 맴핑하는 함수를 발생시킨다. MLA이 검증 데이터에 관한 원하는 레벨의 정확성에 도달할 때까지, 트레이닝 처리과정은 계속된다. 지도식 학습 기반 MLA들의 예시들은 회귀(Regression), 의사결정 분지도(Decision Tree), 랜덤 포레스트(Random Forest), 로지스틱 회귀(Logistic Regression) 등을 포함한다.
비지도식 학습 MLA(unsupervised learning MLA)은 목표 또는 성과 변수 그 자체를 예측하는 단계를 수반하지 않는다. 이러한 MLA들은 인구의 값들을 상이한 그룹들로 클러스터링(clustering; 군집화)하기 위하여 사용되는데, 이는 특정한 개재(intervention)를 위한 상이한 그룹들로 고객들을 구분하기 위하여 폭넓게 사용된다. 비지도식 학습 MLA들의 예시들은 선험적 알고리즘(Apriori algorithm), K-평균(K-means)을 포함한다.
강화 학습 MLA(Reinforcement learning MLA)은 특정한 결정들을 행하도록 트레이닝된다. 트레이닝 동안, MLA은, 시행착오(trial and error)를 이용하여 계속해서 그 자신을 트레이닝하는 트레이닝 환경에 노출된다. MLA은 과거의 경험으로부터 학습하고, 정확한 결정들을 행하는 가장 가능성있는 지식을 포착하려고 시도한다. 강화 학습 MLA은 마르코프 결정 과정(Markov Decision Process)이다.
상이한 구조들 또는 토폴로지(topology)들을 가지는 상이한 타입들의 MLA들이 다양한 과업들을 위하여 사용될 수도 있다는 점을 이해할 수 있을 것이다. 한가지 특정 타입의 MLA들은 뉴럴 네트워크(neural networks; NN)로도 알려진 아트피셜 뉴럴 네트워크(artificial neural networks; ANN (인공 신경망))을 포함한다.
뉴럴 네트워크들 (Neural Networks; NN)
일반적으로 말하자면, 주어진 NN은, 컴퓨터사용(computation)에 대한 연결주의 접근법(connectionist approach)을 이용하여 정보를 처리하는 상호연결된 그룹을 이루는 인공 "뉴런들(neurons)"로 이루어져 있다. NN들은 (실제로는 그 관계들을 알지 못하는 상태에서) 입력들과 출력들 사이의 복잡한 관계들을 모델링하는데 사용되거나 데이터에서 패턴들을 발견하는데 사용된다. NN들은 트레이닝 과정단계에서 우선 조건조정되는데, 트레이닝 진행단게에서는 알려진 세트를 이루는 "입력들", 및 (모델링되도록 시도되고 있는 주어진 상황을 위한) 적절한 출력들을 발생시키도록 NN을 맞추기 위한 정보가 제공된다. 이 트레이닝 과정단계 동안, 주어진 NN이 (학습된 것에 기초하여) 새로운 상황에서 주어진 입력들을 위한 합리적인 예측되는 출력들을 제공할 수 있도록, 주어진 NN은 학습되고 있는 상황에 대해 맞추고 나서 그 구조를 변경시킨다. 이에 따라, 주어진 상황을 위한 복잡한 통계적 배열들 또는 수학적 알고리즘들을 결정하려고 시도하려는 것이 아니라, 주어진 NN은 상황에 대한 "느낌(feeling)"에 기초하여 "직관적인(intuitive)" 대답을 제공하는 것을 목표로 한다. 주어진 NN은 이에 따라 트레이닝된 "블랙 박스(black box)"로 여겨지는데, 이는 "박스" 안에서 생기는 것이 중요하지 않는 경우의 상황에서 주어진 세트를 이루는 입력들에 대한 합리적인 대답을 결정하는데 사용될 수 있다.
NN들은, 주어진 입력에 기초하여 출력을 알아내는 것만이 중요하고 출력이 유도되는 것이 얼마나 덜 중요한지 또는 중요하지 않는지를 정확히 알아내는 것은 그렇지 않은, 많은 이러한 상황들에서 사용되는 것이 보통이다. 예를 들어, NN들은, 필터링, 클러스터링, 신호 분리, 압축, 벡터 발생 및 이와 유사한 것을 포함하는 데이터 처리과정에서 그리고 서버들 사이의 웹-트래픽의 분배를 최적화하는데 사용되는 것이 보통이다.
딥 뉴럴 네트워크들 (Deep Neural Networks)
본 기술의 일부 제한없는 실시예들에서, NN은 딥 뉴럴 네트워크로서 구현될 수 있다. NN들이 다양한 부류들의 NN들로 분류될 수 있고 이 부류들 중 한가지는 리커런트 뉴럴 네트워크들(Recurrent Neural Networks; RNNs)을 포함한다는 점을 이해할 수 있을 것이다.
리커런트 뉴럴 네트워크들 (Recurrent Neural Networks; RNNs)
RNN들은 입력들의 시퀀스들을 처리하기 위해서 그들의 "내부 상태들"(저장된 메모리)을 사용하도록 맞추어져 있다. 이는 RNN들을, 예컨대 미구분된 손글씨 인식 및 음성 인식과 같은 과업들에 매우 적합하게 한다. RNN들의 이 내부 상태들은 "게이티드(gated)" 상태들 또는 "게이티드" 메모리들로서 지칭되고 제어될 수 있다.
RNN들 그들 자체가 RNN들의 다양한 하위-부류들로 분류될 수 있다는 점에도 유의해야 한다. 예를 들어, RNN들은 장단기 메모리(Long Short-Term Memory; LSTM) 네트워크들, 게이티드 리커런트 유닛들(Gated Recurrent Units; GRUs), 바이다이렉셔널 RNN들(Bidirectional RNNs; BRNNs) 및 이와 유사한 것을 포함한다.
LSTM 네트워크들은, 어떤 의미에서 매우 짧은 이산 시간 단계들 동안 일찍 발생된 이벤트들에 관한 "메모리들"을 필요로 하는 과업들을 학습할 수 있는, 딥 러닝 시스템들이다. LSTM 네트워크들의 토폴로지들은 그들이 수행하도록 "학습하는" 특정한 과업들에 기초하여 달라질 수 있다. 예를 들어, LSTM 네트워크들은, 상대적으로 긴 지연들이 이벤트들 사이에 생기는 경우에 또는 이벤트들이 낮은 빈도나 높은 빈도로 함께 생기는 경우에 과업들을 수행하도록 학습할 수도 있다. 특정 게이티드 메커니즘들을 가지는 RNN들은 GRU들로 지칭된다. LSTM 네트워크들과 달리, GRU들은 "출력 게이트들(output gates)"들이 없고, 따라서 LSTM 네트워크들보다 더 적은 파라미터들을 가진다. BRNN들은, 과거 상태뿐만 아니라 미래 상태로부터의 정보를 사용하는 것을 허용할 수도 있는 반대 방향들로 연결되어 있는 뉴런들의 "숨은 레이어들(hidden layers)"을 가질 수도 있다.
레지듀얼 뉴럴 네트워크 (Residual Neural Network; ResNet)
본 기술의 제한없는 실시예들을 구현하는데 사용될 수 있는 NN의 또 다른 예시는 레지듀얼 뉴럴 네트워크(ResNet)이다.
딥 네트워크들은 낮은/중간/높은 레벨 부재들 및 분류기들을 엔드-투-엔드 멀티레이어 방식(end-to-end multilayer fashion)으로 자연스럽게 통합하고, 부재들의 "레벨들"은 적층된 레이어들(깊이)의 개수만큼 풍부해질 수 있다.
요약하자면, 본 기술의 맥락에서 하나 이상의 MLA들의 적어도 일부의 구현예는 2가지 과정단계들, 즉 트레이닝 과정단계와 사용중 과정단계로 폭넓게 분류될 수 있다. 우선, 주어진 MLA은 하나 이상의 적절한 트레이닝 데이터 세트들을 사용하여 트레이닝 과정단계에서 트레이닝된다. 이후, 일단 주어진 MLA가 입력들로서 예상하는 데이터가 무엇인지 그리고 출력들로서 제공하는 데이터가 무엇인지를 학습했다면, 주어진 MLA은 사용중 과정단계에서 사용중 데이터를 사용하여 실행하게 된다.
급수 시스템 (Water Provision System)
본 기법들의 실시예들에서, 냉온수는, 가정용 또는 상업용 세팅으로 건물을 위한, 수도꼭지들, 샤워기들, 방열기들 등을 포함하는 복수의 출수구들 쪽으로 중앙집중식 급수 시스템에 의해 공급된다. 일 실시예에 따르는 예시적인 급수 시스템은 도 1에 나타나 있다. 본 실시예에서, 급수 시스템(100)은 컨트롤 모듈(110)을 포함한다. 컨트롤 모듈(110)은 급수 시스템의 다양한 요소들에 통신가능하게 결합되어 있고, 급수 시스템의 다양한 요소들을 제어하도록 구성되어 있으며, 이러한 다양한 요소들은 예를 들어 시스템의 내부와 외부에서 물의 흐름을 제어하도록 배열되어 있는 하나 이상의 밸브들의 형태로 되어 있는 유동 제어수단(130), 주위로부터 열을 뽑아내고 나서 물을 가열하는데 사용되도록 뽑아낸 열을 열 에너지 저장수단(150) 안에 담아두도록 구성되어 있는 (지표 공급원 또는 공기 공급원) 히트 펌프(140), 및 전기 가열 요소(160)들 쪽으로 공급해주게 되는 에너지의 양을 제어함으로써 냉수를 원하는 온도까지 직접 가열하도록 구성되어 있는 하나 이상의 전기 가열 요소(160)들을 포함한다. 온수는, 열 에너지 저장수단(150)에 의해 가열되었든 또는 전기 가열 요소(160)들에 의해 가열되었든, 이후 필요한 경우 필요한 만큼 하나 이상의 출수구들 쪽으로 향하게 된다. 실시예들에서, 히트 펌프(140)는 환경(공기-공급원 히트 펌프를 위한 주변 공기, 지표-공급원 히트 펌프를 위한 지열 에너지, 또는 물-공급원 히트 펌프를 위한 물 줄기)으로부터 열을 뽑아내며, 그 열은 냉매에 의해 흡수되고 나서 냉매로부터 작업 액체 쪽으로 전달되고, 차례로 그것이 바람직하게 잠열로서 저장되어 있는 열 에너지 저장수단(150) 내의 열 에너지 저장 매체 쪽으로 전달된다. 열 에너지 저장 매체로부터의 에너지는 이후 더 차가운 물, 예컨대 물 공급수단, 아마도 메인 물 공급수단으로부터의 냉수를 원하는 온도까지 가열하는데 사용될 수 있다. 온수는 이후 시스템 안의 다양한 출수구들 쪽으로 공급해주게 될 것이다.
본 실시예에서, 컨트롤 모듈(110)은 복수의 센서들(170-1, 170-2, 170-3, ..., 170-n)로부터 입력을 수신하도록 구성되어 있다. 복수의 센서들(170-1, 170-2, 170-3, ..., 170-n)은 예컨대 실내 및/또는 실외에 배치되어 있는 하나 이상의 공기 온도 센서들, 하나 이상의 수온 센서들, 하나 이상의 수압 센서들, 하나 이상의 타이머들, 하나 이상의 모션 센서들을 포함할 수도 있고, 예컨대 통신 채널을 통해서 컨트롤 모듈과 통신상태에 있으면서 이용자가 지니고 있는 스마트폰 상의 GPS 신호 수신기, 달력, 기상 예보 어플과 같은, 급수 시스템(100)에 직접 링크연결되어 있지 않는 다른 센서들을 포함할 수도 있다. 컨트롤 모듈(110)은, 본 실시예에서, 예컨대 물을 가열하는 열 에너지 저장수단(150) 또는 전기 가열 요소(160)들 쪽으로의 유동 제어수단(130)을 통한 물의 흐름을 제어하는 여러 가지 제어 기능들을 수행하기 위해서 수신된 입력을 사용하도록 구성되어 있다. 본 실시예에서, 머신 러닝 알고리즘(machine learning algorithm; MLA)(120)이 사용되는데, 이는 컨트롤 모듈(110)의 프로세서(미도시) 상에서 실행될 수도 있고, 또는 통신 채널에 걸쳐 컨트롤 모듈(110)의 프로세서와 통신하는 서버 상에서 실행될 수도 있다. MLA(120)은, 예컨대 하루 중 시간, 주 중 요일, 날짜(예컨대 계절적인 변화들, 공휴일), 이용량 등에 기초하여 기준치 물 및 에너지 사용 패턴을 구축하기 위해서 컨트롤 모듈(110)에 의해 수신된 입력 센서 데이터를 사용하여 트레이닝될 수도 있다. 학습된 사용 패턴은 이후 컨트롤 모듈(110)에 의해 수행되는 다양한 제어 기능들을 결정하는데 사용될 수도 있고, 일부 경우들에서는 개선하는데 사용될 수도 있다.
히트 펌프는 대체로 전기 저항 히터와 비교하여 물을 가열하는데 더욱 에너지 효율적이지만, 히트 펌프를 시동거는데 시간이 걸리는데, 이는 히트 펌프가 풀 파워(full power)에 도달하기 전에 체크들/사이클들을 겪어야만 하기 때문이고, 그리고 그것이 물을 가열하는데 사용될 수 있기 전에 저장 매체가 원하는 작동 온도에 도달하도록 충분한 양의 열 에너지가 열 에너지 저장 매체 속으로 전달되기 위하여 시간이 필요로 하게 되기 때문이며, 이에 따라, 최초 시작 시점으로부터 히트 펌프는 전기 저항 히터와 비교하여 동일한 양의 물을 동일한 온도까지 가열하는데 통상적으로 더 오래걸릴 것이다. 더욱이, 일부 실시예들에서, 히트 펌프(140)는, 열 에너지 저장 매체로서 가열시 고체로부터 액체로 변화하는, 예컨대 상 변화 물질(phase change material; PCM)을 사용할 수도 있다. 이 경우, 히트 펌프에 의해 뽑아내어진 열 에너지가 (이후 에너지가 잠열로서 저장될 때까지) 열 저장 매체의 온도를 올리는 효과를 발휘하기 전에, 그것이 응고되는 것이 허용되어 있는 경우라면, PCM을 고체로부터 액체로 바꾸기 위해서 추가적인 시간이 필요로 하게 될 수도 있다. 물을 가열하는 것에 대한 이 접근방안이 더 느리지만, 전기 가열 요소들과 비교하여 물을 가열하는데 더 적은 에너지가 소비되고, 그래서 전반적으로 에너지는 보존되고 온수를 공급하기 위한 비용이 줄어든다.
상 변화 물질 (Phase Change Materials)
본 실시예들에서, 상 변화 물질은 히트 펌프를 위한 열 저장 매체로서 사용될 수도 있다. 상 변화 물질들 중 한가지 적합한 부류는, 가정용 고온수 공급수단들을 위하여 그리고 히트 펌프들과 조합하여 사용하기 위하여 관심있는 온도들에서 고체-액체 상 변화를 가지는, 파라핀 왁스들이다. 특히 관심있는 것은 섭씨 40 도 내지 60 도의 범위 안의 온도에서 녹는 파라핀 왁스들이고, 이 범위 내에서 왁스들은 특정한 적용처들에 적합한 상이한 온도들에서 녹는 것으로 발견될 수 있다. 통상적인 잠열 용량은 약 180kJ/kg 내지 230kJ/kg 사이에 있고, 비열 용량은 액체 상태에서 아마도 2.27Jg-1K-1이고 고체 상태에서 2.1Jg-1K-1이다. 용해의 잠열을 이용함으로써 매우 상당한 양들의 에너지가 저장될 수 있다고 볼 수 있다. 상 변화 액체를 그 녹는점 이상으로 가열함으로써 더욱 많은 에너지도 저장될 수 있다. 예를 들어, 전기 비용들이 오프-피크 기간들 동안 상대적으로 낮은 경우, 히트 펌프는, 열 에너지 저장수단을 "과열시키는" 정상적인 온도보다 더 높은 온도까지 열 에너지 저장수단을 "충전"하도록 작동될 수도 있다.
왁스의 적합한 선택은 엔-트리코산(n-tricosane)(C23) 또는 파라핀(C20-C33)과 같은 48℃ 정도의 녹는점을 가지는 것일 수도 있으며, 이는 51℃ 정도의 온도에서 작동되는 히트 펌프를 필요로 하고, 예컨대 주방 수도꼭지들, 샤워/욕실 수도꼭지들에 충분한 일반적인 가정용 고온수를 위한 45℃ 정도의 만족스러운 온도까지 물을 가열하는 능력이 있다. 냉수는 원한다면 물 온도를 낮추기 위해서 흐름에 추가될 수도 있다. 히트 펌프의 온도 성능에 대해 고려되어 있다. 일반적으로, 히트 펌프에 의해 가열되는 유체의 입력 온도와 출력 온도 사이의 최대 차이는 바람직하게 5℃ 내지 7℃의 범위 안에 유지되어 있고, 그것이 10℃만큼 높을 수 있을지라도 그러하다.
파라핀 왁스들은 열 에너지 저장 매체로서의 사용을 위한 바람직한 재료이지만, 다른 적합한 재료들 또한 사용될 수도 있다. 예를 들어, 염수화물들 또한 지금의 것들과 같은 잠열 에너지 저장 시스템들에 적합한 것이다. 이 맥락에서의 염수화물들은 무기 염류들과 물의 혼합물이며, 그 상 변화는 모든 물 또는 대부분의 물의 손실을 수반한다. 상 전이시, 수화물 결정체들은 무수(또는 물기가 적은) 염과 물로 분해된다. 염수화물의 이점들은, 그것들이 파라핀 왁스들보다 더 높은 (2배 내지 5배 더 높은) 열 전도성, 및 상 전이에서 더 적은 부피 변화를 가진다는 점이다. 현재의 적용처에 적합한 염수화물은, 48℃ 내지 49℃ 정도의 녹는점 및 200-220 kJ/kg의 잠열을 가지는 Na2S2O3·5H2O이다.
사용 패턴 (Usage Pattern)
도 2에는, 일 실시예에 따르는 기준치 공공재 사용 패턴을 구축하는 MLA(120)과 같은 MLA(2200)의 트레이닝 과정단계가 도시되어 있다.
실시예에서, MLA(2200)은, 예컨대 가정집의 이용자(들)의 사용 패턴을 학습하기 위해서 일정한 시간대에 걸쳐 복수의 센서들 및 다른 공급원들로부터의 입력을 수신한다. 예를 들어, 컨트롤 모듈, 예컨대 거기에서 MLA(2200)이 실행되는 컨트롤 모듈(110)은 시계를 포함할 수도 있고, MLA(2200)은 그 시계로부터 하루 중 시간(2101), 날짜 및 주 중 요일(2102)을 수신할 수도 있다. 가정집은 복수의 모션 센서들이 설치되어 있을 수도 있고, MLA(2200)은 모션 센서들로부터 이용량 데이터(2103)를 수신할 수도 있다. 아래에 기술되어 있는 또 다른 실시예에서, 이용량은 또한 복수의 요인들에 기초하여 예측될 수도 있다. 컨트롤 모듈은 현재 기상(2104)에 관한 입력을 수신하기 위해서 MLA(2200)을 위한 하나 이상의 실외 온도 센서들과 통신상태에 있을 수도 있다. 컨트롤 모듈은 또한 실내 온도(2105)를 수신하기 위해서 MLA(2200)을 위한 하나 이상의 실내 온도 센서들과 통신상태에 있을 수도 있다. 복수의 수온 센서, 수압 센서 및 수류 센서는 급수 시스템의 다양한 위치들에 배치될 수도 있고, 예컨대 MLA(2200) 쪽으로 입력될 수 있는 메인 입수구 온도(2106), 메인 유량(2107) 및 메인 유동 압력(2108)을 측정하기 위해서 메인 입수구에 배치될 수도 있다. 센서는 개개의 출수구가 켜지는 때와 그것이 꺼지는 때 그리고 출수구에서의 물의 온도를 탐지하기 위해서 하나 이상의 또는 각각의 출수구(또는 출수구 쪽으로의 수류를 제어하는 밸브)에 배치될 수도 있고, 온수/냉수 사용 시간 및 온도(2109) 및 온수/냉수 사용량(2110)에 관한 데이터는 MLA(2200) 쪽으로 입력될 수 있다. MLA(2200)은 또한 급수 시스템에 의한 에너지 사용(2111)에 관한 데이터를 수집할 수도 있는데, 그 데이터는, 예컨대 사용 시간, 사용된 에너지의 양, 그리고 컨트롤 모듈이 에너지 공급자와 통신상태에 있는 경우에는 현재 요금제이다. MLA(2200)은 또한 사용 시간, 사용의 시간길이 등과 같은 히트 펌프 사용(2112)에 관한 데이터를 수집할 수도 있다. MLA이 본 명세서에 기술되어 있는 모든 입력 센서 데이터를 수신하는 것, 수집하는 것 그리고/또는 사용하는 것이 필수적인 것은 아니라는 점, 그리고 본 명세서에 기술되어 있는 입력 센서 데이터의 리스트가 포괄적인 것이 아니고 다른 입력 데이터 또한 원하는 바와 같이 MLA 에 의해 수신될 수도 있고 수집될 수도 있고 그리고/또는 사용될 수도 있다는 점에 유의해야 한다. 특히, 컨트롤 모듈이, 예컨대 하나 이상의 스마트 디바이스들(예컨대 스마트폰) 또는 한명 이상의 이용자들의 개인용 컴퓨터들과 통신상태에 있는 실시예들에서, MLA은 이 디바이스들로부터 획득된 다른 개인 또는 공공 데이터를 수신하거나 사용할 수도 있다.
트레이닝 과정단계 동안, MLA(2200)은 수신된 입력 데이터에 기초하여 이용자들을 위한 물 및 에너지 사용 패턴을 구축한다. 예를 들아, 사용 패턴(2300)은 온수 사용의 패턴, 냉수 사용의 패턴, 에너지 사용의 패턴, 히트 펌프 사용의 패턴, 예컨대 하루 중 시간, 주 중 요일, 날짜, 이용량 레벨 등에 기초하여 예상 사용의 기준치를 제공하는 이용량 패턴을 포함할 수도 있다.
이용량 예측 (Occupancy Prediction)
도 3에는, 예컨대 가정집을 위한 사용량 예측을 출력하기 위해서 세트를 이루는 입력 데이터를 처리하는 컨트롤 모듈(예컨대 컨트롤 모듈(110)) 상에서 실행되는 MLA(3200)의 실시예가 개략적으로 나타나 있다. MLA(3200)은 MLA(2200)과 동일한 MLA일 수도 있고, 상이한 MLA일 수도 있다. MLA(3200)은, 예컨대 일년에 걸쳐 가정집에 도착하는 것에 관한 이용자(들) 일정 및 이용량 레벨에 기초하여 적절한 트레이닝 데이터 세트를 사용하여 트레이닝될 수도 있다.
MLA(3200)은, 가정집 주위에 배치되어 있는 하나 이상의 센서들, 하나 이상의 사용자 인터페이스들(예컨대 컨트롤 모듈과 통신상태에 있는 가정집 주위의 컨트롤 패널들, 스마트 디바이스들, 개인용 컴퓨터들 등), 하나 이상의 소프트웨어 프로그램, 하나 이상의 공공 데이터베이스와 개인 데이터베이스 등을 포함하는 복수의 공급원들로부터 컨트롤 모듈을 통해 가정집과 그 이용자들에 대해 특정적인 입력 데이터를 수신한다. 본 실시예에서, MLA(3200)은, 예컨대 컨트롤 모듈 상에서 실행하고 있거나 통신 네트워크에 걸쳐 원격으로 실행하고 있는 시계 및 달력 기능으로부터 현재 시간(3101), 날짜(3102), 및 주 중 요일(3103)에 관한 입력들을 수신한다. MLA(3200)은, 예컨대 이용자의 스마트 디바이스 상의 달력 앱으로부터 자동적으로 획득되거나 통신 네트워크에 걸쳐 퍼블릭 도메인으로부터 획득되는, 사용자 인터페이스를 통한 가정집의 이용자들로부터의 임의의 특별한 이벤트들 또는 공휴일들(3104)에 관한 입력들을 추가로 수신한다. MLA(3200)은 이후 입력 데이터에 기초하여 예상 이용량 레벨을 결정하고, 이용량 예측(3300)을 출력한다. 건물의 예상 이용량을 결정함으로써, 가능성있는 공공재(예컨대 에너지와 물) 수요를 추산하거나 예측하는 것이 가능하게 된다.
추가 실시예에서, MLA(3200)은, 이용자들이 가정집에 있지 않는 것으로 결정되는 경우 한명 이상의 이용자들의 현재 위치들(3105)에 관한 입력을 수신한다. 예를 들어, 이용자들은 컨트롤 모듈과 GPS 능력이 있는 하나 이상의 스마트 디바이스들(예컨대 스마트폰들) 또는 컨트롤 모듈과 통신상태에 있는 서버를 등록할 수도 있고, 이때 MLA(3200)은 통신 네트워크에 걸쳐 각각의 이용자에 대응하는 등록된 스마트 디바이스 상에 수신되는 GPS 신호를 획득함으로써 각각의 이용자의 현재 위치를 수신할 수도 있다. 이후, 이용자들의 현재 위치들(3105), 및 선택사항으로 퍼블릭 도메인으로부터 획득되는 트래픽 조건과 같은 다른 정보에 기초하여, MLA(3200)은 각각의 이용자를 위한 가정집에 예상 도착 시간(3106)을 결정한다. 각각의 이용자의 예상 도착 시간(3106)은 또한 현재 시간(3101), 날짜(3102), 주 중 요일(3103) 및 이벤트있는 날(3104)와 같은 다른 입력들에 기초하여 결정될 수도 있다. MLA(3200)은 이때 가정집을 위한 이용량 예측(3300)(현재 이용량 레벨이 아니라 미래의 이용량 레벨)을 출력하기 위해서 예상 도착 시간(3106)을 사용할 수 있다.
이용량 예측(3300)은 급수 시스템을 위한 다양한 제어 기능들을 수행하고 있는 경우 컨트롤 모듈을 위한 유용한 지시수단(indicator)이다. 예를 들어, 온수는, 이용자들이 도착할 것이 예상되기 전에, 가정집 안에 설치된 중앙 난방 시스템의 방열기들 쪽으로 향하게 될 수도 있다. 또 다른 예시는, 이용자들이 도착할 것이 예상되기 전에, 열 에너지 저장수단 안에 열 에너지를 저장하기 시작하게 되도록 히트 펌프를 활성화시키는 것이고, 더욱이 히트 펌프는, 이용자들이 도착할 것이 예상되기 전에 열 에너지 저장수단이 "완전히 충전"되도록(일정한 정도의 액화에 도달되도록), 이용자들의 예상 도착 시간(3106)에 기초하여 한번에 활성화될 수도 있다.
열 에너지 저장수단 사전-충전 (Pre-charge Thermal Energy Storage)
전형적인 접근방안들에서, 히트 펌프에 의해 환경(예컨대 바깥 공기)으로부터 뽑아내어진, 그리고 냉매의 압축으로부터 뽑아내어진 열은 히트 펌프의 작동 액체로부터, 예컨대 단열 저장 탱크 안에 저장되어 있는 (예컨대 메인으로부터의) 물 쪽으로 직접 전달되고, 저장 탱크로부터의 온수는 이후 필요한 경우 다양한 출수구들 쪽으로 공급해주게 된다. 이러한 전형적인 접근방안들의 한가지 단점은, 물이 원하는 온도에 도달하도록 히트 펌프가 탱크 안의 물 쪽으로 충분한 양의 열을 전달하는데 필요로 하는 시간이다. 그러므로, 히트 펌프 워터 히터는 대체로, 물이 히트 펌프에 의해 충분히 가열되어 있지 않는 때에는 물을 원하는 온도까지 올리는 전형적인 전기 저항 워터 히터와 더불어 설치된다.
본 기술의 실시예들에 따르면, 열 에너지 저장수단(150) 안의 열 에너지 저장 매체는 히트 펌프(140)에 의해 뽑아내어진 열을 저장하기 위하여 제공되어 있고, 저장된 열은 필요로 하는 경우 물을 가열하는데 사용될 수 있다. 본 실시예에서, 열 에너지 저장 매체는, 온수의 수요들이 일어나기 전에 열 에너지 저장수단 속으로 열을 전달하기 위해서 히트 펌프를 작동시킴으로써 사전-충전될 수도 있다. 이는 온수의 수요들 및/또는 전기의 수요들이 하루 종일 요동치는 경우 바람직할 수도 있는데, 예컨대 온수의 수요들이 높은 경우 히트 펌프 및/또는 전기 저항 워터 히터를 작동하는 것이 비용면에서 효과적이지 않을 수도 있고 높은 수요들이 있는 시간에 에너지 네트워크 상에 추가적인 압력을 줄수도 있으므로 그러하다.
도 4에는, 그 온도를 원하는 작동 온도까지 올리기 위해서 열 에너지 저장 매체를 사전-충전하는 결정을 출력하기 위해서 세트를 이루는 입력 데이터를 처리하는 컨트롤 모듈(예컨대 컨트롤 모듈(110)) 상에서 실행되는 MLA(4200)의 일 실시예가 개략적으로 나타나 있다. MLA(4200)은 MLA(2200) 및/또는 MLA(3200)과 동일한 MLA일 수도 있고, 또는 상이한 MLA일 수도 있다. MLA(4200)은, 예컨대 가정집의 온수 수요들에 기초하여, 적절한 트레이닝 데이터 세트를 사용하여 트레이닝될 수도 있다.
MLA(4200)은, 가정집 주위에 배치되어 있는 하나 이상의 센서들, 하나 이상의 사용자 인터페이스들(예컨대 컨트롤 모듈과 통신상태에 있는 가정집 주위의 컨트롤 패널들, 스마트 디바이스들, 개인용 컴퓨터들 등), 하나 이상의 소프트웨어 프로그램, 하나 이상의 공공 데이터베이스와 개인 데이터베이스 등을 포함하는 복수의 공급원들로부터 컨트롤 모듈을 통해 가정집과 그 이용자들에 대해 특정적인 입력 데이터를 수신한다. 본 실시예에서, MLA(4200)은, 예컨대 컨트롤 모듈 상의 시계 및/또는 달력으로부터의 현재 시간 및 날짜(4101), 및 에너지의 단위 비용이 더 낮은 경우 오프-피크 기간 동안 가정집 쪽으로 에너지를 공급해주는 에너지 공급자로부터 획득된 에너지의 단위 비용을 특정하는 현재 요금제(4102)과 같은 에너지 수요 데이터에 관한 입력을 수신한다.
대체적으로 또는 추가적으로, MLA(4200)은 이상에 기술되어 있는 바와 같이 구축되어 있는 공공재 사용 패턴(2300) 및 이용량 예측(3300)으로부터 에너지 수요 데이터를 유도할 수 있다. 예를 들어, 가정집의 현재 에너지 사용이 기간, 예컨대 하루에 걸쳐 평균 레벨보다 더 낮은 경우라면, 이때 현재 에너지 사용은 낮은 것으로 여겨질 수도 있고, 그에 반해, 가정집의 현재 에너지 사용이 평균보다 더 높은 경우라면, 이때 현재 에너지 사용은 높은 것으로 여겨질 수도 있다.
이때, 에너지 공급자로부터 획득된 수신된 요금제 정보(4102)(그리고 임의의 다른 에너지 수요 데이터)에 기초하여, MLA(4200)은 에너지 수요의 현재 레벨을 결정할 수 있고, 그리고 온수의 수요들이 일어나기 전, 예컨대 이용자들이 가정집에 도착할 것으로 예상되는 경우 및/또는 온수의 수요가 저녁에 상승할 것으로 예상되는 경우 온수의 공급을 위한 준비에 있어서 현재 에너지 수요가 낮은 것으로 생각되는 경우 열 에너지 저장수단을 사전 충전하도록(4300) 히트 펌프를 활성화시킨다.
더욱이, 공공재 사용 패턴(2300) 및 이용량 예측(3300)과 함께 수신된 시간/날짜(4101)를 사용하여, MLA(4200)은 온수 사용의 예상 레벨 및 에너지 사용의 예상 레벨과 같은 하나 이상의 파라미터들을 예측할 수 있다. 이후, 예측된 파라미터들에 기초하여, MLA(4200)은 열 에너지 저장 매체 안에 저장될 열 에너지의 양을 결정할 수 있다. 예를 들어, 온수 사용의 예상 레벨이 높을 것으로 예상되고 긴 시간대 동안에 높은 상태로 있게 되는 경우라면, MLA(4200)은, 지속되는 온수 사용을 위하여 충분한 양의 에너지를 저장하도록, 예컨대 설치자인 이용자에 의해 세팅된 정상적인 작동 온도보다 더 높은 온도까지 열 에너지 저장 매체를 사전-충전하기 위하여 수요의 예상되는 상승 전에 충분히 긴 시간대 동안에 히트 펌프를 작동할 수도 있다.
수요들에서의 상승에 앞서 저장 열 공급원을 준비하기 위하여 급수 시스템이 온수의 예상 수요들을 예상해내는 것을 가능케 함으로써, 본 실시예는, 그것이 수요가 있는 시간에만 활성화된다면 그것이 이와 달리 충분히 반응하지 않는 경우, 히트 펌프가 활용되는 것을 가능케 한다. 더욱이, 입력으로서 현재 요금제를 사용하여, 에너지 사용을 높은 수요 시간으로부터 낮은 수요 시간으로 전환함으로써 에너지의 단위 비용이 더 낮고 에너지 네트워크 상의 압력을 완화하는 경우 낮은 에너지 수요 기간 동안 열 에너지 저장수단을 사전-충전하도록 히트 펌프를 작동하는 것이 가능하게 된다. 본 실시예는 자급형 가정(self-sustaining home)에 대해 똑같이 적용가능하며, 이는 전기의 수요와 온수의 수요가 종종 하루 종일 상승하거나 나란히 떨어진다는 점에서 그러하다. 이에 따라, 히트 펌프를 작동하기 위한 전기 사용을 낮은 전기 수요가 있는 시간으로 전환하는 것은 자급형 가정이 더욱 원활하게 실행하고 있는 것을 가능케 한다. 전반적으로, 본 실시예는, 물을 원하는 온도까지 가열시 지연들의 결과로서 단점이 거의 없이 더 낮은 비용으로 온수를 공급하는 더욱 효율적인 형태, 즉 히트 펌프의 사용을 가능케 한다.
고온수 수요 예측 (Hot Water Demand Prediction)
도 5에는, 냉수 사용에 기초하여 히트 펌프를 활성화시킬지 여부를 결정하도록 트레이닝되는 컨트롤 모듈(예컨대 컨트롤 모듈(110)) 상에서 실행되는 MLA(5200)의 일 실시예가 개략적으로 나타나 있다. MLA(5200)은 MLA(2200) 및/또는 MLA(3200) 및/또는 MLA(4200)과 동일한 MLA일 수도 있고, 또는 상이한 MLA일 수도 있다.
MLA(5200)은, 가정집 주위에 배치되어 있는 하나 이상의 센서들, 하나 이상의 사용자 인터페이스들(예컨대 컨트롤 모듈과 통신상태에 있는 가정집 주위의 컨트롤 패널들, 스마트 디바이스들, 개인용 컴퓨터들 등), 하나 이상의 소프트웨어 프로그램, 하나 이상의 공공 데이터베이스와 개인 데이터베이스 등을 포함하는 복수의 입력들로부터 컨트롤 모듈을 통해 가정집에 대해 특정적인 입력 데이터를 수신한다. 트레이닝 과정단계 동안, MLA(5200)은 냉수 사용으로부터 뒤따르는 온수 사용 사이의 상관관계를 인식하도록 트레이닝될 수 있다. 예를 들어, MLA(5200)은 욕실 안에서 수도꼭지로부터 온수의 수요(예컨대 손씻기를 위한 것)가 뒤따르는 욕실 안에서 냉수의 사용(예컨대 화장실의 물 탱크를 채우는 것) 사이의 상관관계를 인식하도록 트레이닝될 수 있다. 이에 따라, 트레이닝 과정단계 동안, MLA(5200)은 2개의 이벤트들 사이에 일정한 정도의 상관관계를 구축하기 위해서 냉수 사용으로부터 뒤따르는 온수 사용에 관한 센서 데이터를 사용할 수도 있다. 센서 데이터는, 예컨대 제 1 센서 데이터를 수신하는 것과 제 2 센서 데이터를 수신하는 것 사이의 경과 시간, 제 1 출수구에 대한 관계에서 제 2 출수구의 위치, 제 1 센서 데이터를 수신하는 것에 대해 차후적인 제 2 센서 데이터를 수신하는 것의 빈도, 하루 중 시간, 주 중 요일을 포함할 수도 있지만, 그 리스트가 포괄적인 것은 아니다.
본 실시예에서, MLA(5200)은 활성화되고 있는 냉수 출수구(5101)에 관한 입력들을 수신하고, 그리고 구축된 공공재 사용 패턴(2300)과 이용량 예측(3300)에 대한 관계에서 현재 냉수 사용에 기초하여, MLA(5200)은 현재 냉수 사용을 위한 상관관계의 정도에 따라 현재 냉수 사용으로부터 뒤따를 수도 있는 온수의 수요가 있을 확률을 결정할 수 있다. 온수의 예상 수요가 결정되는 경우라면, MLA(5200)은 그 수요를 위한 예상으로 히트 펌프(5300)를 활성화시키도록 컨트롤 모듈에게 지시내릴 수 있다.
현재 냉수 사용으로부터 뒤따를 수도 있는 온수의 수요가 있을 확률이, 열 에너지 저장 매체를 사전-충전하도록 히트 펌프를 작동하기 위해서 소모하는 에너지에 가치부여하기에 충분히 높은 것인지 여부를 결정하기 위하여, MLA(5200)은, 그 확률이 히트 펌프의 활성화에 가치부여하는 때를 지시하는, 트레이닝 진행동안 스레시홀드(threshold)를 구축할 수도 있다. 일 실시예에서, 스레시홀드는, 히트 펌프의 이러한 예측가능한 활성화가 바람직한 경우의 실례들을 수동으로 입력하는 이용자 또는 설치자에 의해 수동으로 구축될 수도 있다. 또 다른 실시예에서, 스레시홀드는 공공재 사용 패턴(2300) 및/또는 이용량 예측(3300)에 기초하여 MLA(5200)에 의해 구축될 수도 있다.
추가 실시예에서, 히트 펌프를 활성화시킬지 여부에 관한 MLA(5200)에 의한 결정은 더욱이, 예컨대 에너지 공급자로부터 획득된 현재 요금제(5102)의 입력에 기초하고 있을 수도 있다. 본 실시예에서, 스레시홀드는 트레이닝 과정단계 동안 에너지 공급자로부터 획득된 요금제 정보에 기초하여 결정될 수도 있다. 대체적이거나 추가로, 스레시홀드는 현재 요금제에 기초하여 실행 시간 동안 교정될 수도 있다. 예를 들어, 전기 가열 요소(160)들이 낮은 비용으로 작동될 수 있다는 것을 의미하는 오프-피크 요금제를 현재 요금제(5102)가 지시하는 경우라면, MLA(5200)은 온수의 예상 수요와 현재 냉수 사용 사이의 낮은 상관관계를 결정하고, MLA(5200)은 열 에너지 저장수단을 사전-충전하기 위해서 히트 펌프를 활성화시키는 것이 필수적인 것은 아니라고 결정할 수도 있는데, 이는 온수의 수요가 있을 것같지 않기 때문이고, 온수의 수요가 있을 것인 경우에는 전기 가열 요소(160)들이 물을 가열하는데 사용될 수 있다. 다른 한편으로, 전기 가열 요소(160)들을 이용하여 물을 가열하는 것이 비용이 들것이라는 것을 의미하는, 에너지 단위 비용이 높은 경우의 피크 요금제를 현재 요금제(5102)가 지시하는 경우라면, 그리고 MLA(5200)이 온수의 예상 수요와 현재 냉수 사용 사이에 낮은 상관관계가 있을 뿐이라고 결정하는 경우라면, MLA(5200)은, 온수를 공급하기 위해서 전기 가열 요소(160)들을 사용하는 더욱 비용이 드는 선택사항을 피하기 위하여, 낮은 상관관계에도 불구하고 온수의 수요를 위한 준비에 있어서 열 에너지 저장수단을 사전-충전하도록 히트 펌프를 활성화시키는 것이 비용면에서 더욱 효과적이라고 결정할 수도 있다. 후자의 예시에서, MLA(5200)은 전자의 예시에서의 스레시홀드보다 더 낮도록 스레시홀드를 교정할 수도 있는데, 양자 모든 경우들에서의 확률이 동일한 경우일지라도 히트 펌프가 후자의 예시에서 활성화될 수도 있으므로 그러하다.
온수가 필요하기 전에 급수 시스템을 준비함으로써, 온수 공급에서의 지연들을 줄이는 것이 가능하게 되고, 이로써 물이 가열되어지는 것을 이용자가 기다리는 동안에 출수구가 켜져 있는 상태로 내버려 두어지는 시간을 줄임으로써 깨끗한 물 낭비를 줄일 수 있다. 더욱이, 온수의 예상 수요를 예상해냄으로써 그리고 온수가 필요로 하게 되기 전에 히트 펌프를 작동시킴으로써 저장 열 공급원을 예측가능하게 준비함으로써, 지연들이 줄어든 상태에서 또는 심지어 고유한 지연들이 없는 상태에서 온수 공급의 확실한 형태로서 히트 펌프를 활용하는 것이 가능하게 된다.
예측가능한 제상작업 (Predictive Defrosting)
위에서 설명되어 있는 바와 같이, 히트 펌프(140)와 같은 히트 펌프는, 바깥쪽 공기나 지표로부터 열을 뽑아내고 나서 그것을 실내기(indoor unit) 쪽으로, 즉 그것을 따듯하게 하기 위해서 직접 건물의 안쪽으로 또는 추후 사용을 위하여 그것을 저장하기 위해서 열 에너지 저장 매체 쪽으로 전달하는 열 교환기 코일들이 있는, 실외기(outdoor unit)를 포함한다. 바깥쪽 공기로부터 열 에너지를 뽑아내는 처리과정은 실외기 안의 열 교환기 코일들을 냉각시키고, 그 공기로부터의 수분은 차가운 실외 코일들 상에 응결된다. 차가운 실외 조건에서, 예를 들어 바깥 공기가 5℃인 경우, 실외 코일들은 빙점 아래로 냉각될 수 있고, 성에는 실외 코일들 상에 형성될 수 있다. 성에가 실외 코일들 상에 쌓임에 따라, 히트 펌프는 덜 효율적이게 되며, 성에 없는 코일들과 비교하여 동일한 동력을 출력하기 위해서 바깥 공기와 더 큰 온도 차이를 필요로 한다. 따라서, 규칙적으로 히트 펌프를 제상 사이클로 작동시키는 것이 바람직하고, 그리고 성에가 쌓이는 경우에는 히트 펌프의 실외기 안의 열 교환기 코일들로부터 성에를 제거하는 것이 바람직하다.
다수의 요인들은 히트 펌프가 제상 사이클을 필요로 하는 경우 영향줄 수 있는데, 예를 들어 실외 온도와 습도, 히트 펌프의 동력 출력 및 히트 펌프의 조건(예컨대 노후 시스템은 덜 효율적일 수도 있고, 더욱 빈번한 제상작업을 필요로 함)이 그러하다. 일반적으로, 히트 펌프는, 실외 열 교환기 코일들 상에 성에가 형성되면 언제든지 제상 사이클을 작동시킨다.
제상 사이클 동안, 히트 펌프는 반대로 작동되는데, 따듯한 냉매가 열 교환기 코일을 녹여주기 위해서 실외기 쪽으로 보내진다는 점에서 그러하다. 히트 펌프는, 예컨대 코일이 15℃ 정도에 도달할 때까지 제상 사이클을 작동시킬 수도 있다. 일단 열 교환기 코일이 녹여지게 되면, 히트 펌프는 정상적인 가열 사이클을 재개할 수 있다. 분명하게, 히트 펌프가 제상 사이클로 작동되고 있는 동안에, 제상 사이클이 완료될 때까지는 실내기 쪽으로(예컨대 열 에너지 저장수단(150) 속으로) 열을 전달하는 그 정상적인 기능을 수행할 수가 없을 것이다. 따라서, 히트 펌프 제상 사이클이 시작하게 되기 전에는 급수 시스템 및/또는 건물을 준비하는 것이 바람직할 수도 있다.
도 6에는, 히트 펌프(예컨대 히트 펌프(140))의 다음번 제상 사이클을 예측하기 위해서 세트를 이루는 입력 데이터를 처리하는 컨트롤 모듈(예컨대 컨트롤 모듈(110)) 상에서 실행되는 MLA(6200)의 일 실시예가 개략적으로 나타나 있다. MLA(6200)은 MLA(2200) 및/또는 MLA(3200) 및/또는 MLA(4200) 및/또는 MLA(5200)과 동일한 MLA일 수도 있고, 또는 상이한 MLA일 수도 있다.
MLA(6200)은, 가정집 주위에 배치되어 있는 하나 이상의 센서들, 하나 이상의 사용자 인터페이스들(예컨대 컨트롤 모듈과 통신상태에 있는 가정집 주위의 컨트롤 패널들, 스마트 디바이스들, 개인용 컴퓨터들 등), 하나 이상의 소프트웨어 프로그램, 하나 이상의 공공 데이터베이스와 개인 데이터베이스 등을 포함하는 복수의 입력들로부터 컨트롤 모듈을 통해 가정집에 대해 특정적인 입력 데이터를 수신한다. 트레이닝 과정단계 동안, MLA(6200)은, 히트 펌프의 성능에 관한 지식(예컨대 히트 펌프의 평균 열 에너지 출력, 히트 펌프 효율 또는 성능 계수, 및 히트 펌프의 성능에 관한 량들이나 임의의 다른 정보)과 함께 예컨대 기상 예보, 현재 기상 상황, 실내 온도, 및 이전 제상 사이클(들)로부터 수집된 데이터에 기초하여, 제상 사이클이 필요로 하는 때를 인식하도록 트레이닝될 수도 있고, 제상 사이클로 히트 펌프를 작동시키기 위한 소요시간 및 평균 에너지 요건을 구축할 수도 있다.
본 실시예에서, MLA(6200)은, 예컨대 컨트롤 모듈 상에 등록된 스마트 디바이스 상의 기상 앱이나 퍼블릭 도메인으로부터 획득된 기상 예보(6101), 예컨대 가정집 주위에 배치되어 있는 하나 이상의 센서들이나 퍼블릭 도메인으로부터 획득된 온도와 습도같은 현재 기상 조건(6102), 예컨대 가정집 안쪽에 배치되어 있는 하나 이상의 온도 센서들로부터 획득된 실내 온도(6103), 및 히트 펌프가 마지막으로 제상작업되었던 경우 마지막 제상 사이클(들)에 관한 데이터(6104)에 관한 입력들을 수신한다. 기상 예보, 현재 기상 조건 및 실내 온도에 기초하여, MLA(6200)은 다음번 제상 사이클이 예상될 수 있는 때(6301), 예컨대 제상 사이클이 곧 필요할 수도 있는 장기간의 낮은 온도와 높은 습도가 있는 때를 예측할 수 있고, 히트 펌프를 제상작업하는 것이 필요로 하는 시간의 길이를 추산할 수도 있다. 더욱이, 구축된 공공재 사용 패턴(2300)과 이용량 예측(3300)을 사용하여, MLA(6200)은 제상 사이클이 예측되는 시간 동안 예상 에너지 및 온수 수요를 추산할 수 있고, 예컨대 열 에너지 저장수단 안에 추가적인 열 에너지를 저장함으로써(PCM 안의 잠열에 추가하여 감지가능한 열로서 에너지를 저장함으로써), 사전-설정 온도보다 더 높은 온도까지 가정집을 가열함으로써, 예측된 제상 사이클의 예상으로 급수 시스템을 준비한다(6302). 특히, 컨트롤 모듈은, MLA(6200)의 예측에 기초하여, 다음번 제상 사이클의 예상 시작 시간 전에 열 에너지 저장수단이 완전히 충전되는데 충분한 시간으로 열 에너지 저장수단을 사전-충전하도록(소정의 또는 최적의 작동 온도에 도달하도록) 열 에너지 저장수단 안에 열 에너지를 저장하기 위해서 히트 펌프를 작동시키기 시작하게 될 수도 있다. 게다가, MLA(6200)이 히트 펌프를 제상작업하는데 필요로 하는 시간의 길이를 추산할 수 있기 때문에, 급수 시스템은, 충분한 양의 열 에너지가 제상 사이클의 지속시간 동안에 온수 공급을 위하여 저장되는 것을 보장하기 위해서 열 에너지 저장수단을 사전-충전함으로써, 준비될 수도 있다.
추가적으로 또는 대체적으로, MLA(6200)은 더욱이 (예컨대 수도꼭지들, 샤워기들 및/또는 중앙 난방을 위한)에너지의 수요와 온수의 수요가 낮은 때를 예상해낼 수 있고, 예컨대 이용자들에 대한 온수의 공급에 대해 덜 지장이 있는 히트 펌프를 제상작업하기 위한 적절한 타이밍을 결정한다. 입력들을 사용하여, MLA(6200)은 물 수요와 에너지 수요가 낮은 시기(예컨대 야간) 및/또는 이용량이 낮은 시기(예컨대 학교에 있는 시간과 직장에 있는 시간)을 결정할 수 있고, 다음번 제상 사이클의 예상 시작 시간을 결정된 낮은 수요 시간 및/또는 낮은 이용량 시간으로 조정한다. MLA(6200)은 이후 조정된 시작 시간에 제상 사이클(6301)을 시작하게 하기 위해서 히트 펌프를 작동시키도록 컨트롤 모듈에게 지시내릴 수도 있다. 예를 들어, 에너지 수요와 온수 수요가 높을 것으로 예상되는 이른 저녁에 제상 사이클이 필요할 수도 있는 것으로 MLA(6200)이 예측하는 경우라면, MLA(6200)은 더 많은 열을 저장하기 위해서 히트 펌프를 작동시킴으로써, 예컨대 더 높은 작동 온도까지 열 에너지 저장 매체의 온도를 상승시킴으로써, 뿐만 아니라 예측된 제상 사이클 전에 건물을 따듯하게 하기 위해서 열 중 일부를 전향시킴으로써 열 에너지 저장 매체를 사전-충전할 수도 있고, 그리고/또는 MLA(6200)은 수요들이 더 낮을 것으로 예상되는 저녁에 더 늦게 제상 사이클 시작 시간을 조정할 수도 있다. 또 다른 예시에서, 제상 사이클이 낮 동안 예상되는 경우라면, MLA(6200)은 이용량 예측 및/또는 사용 패턴에 기초하여 에너지 수요와 온수 수요가 낮은 때, 예컨대 이용량이 제로이거나 낮을 것으로 예상되는 때에 해당하는 시간대 동안에 다음번 제상 사이클이 있는 것으로 결정할 수도 있고, 준비나 조정이 필요로 하지 않는 것으로 결정할 수도 있다.
예컨대 히트 펌프의 성능, 기상 예보, 현재 기상 조건, 현재 실내 온도, 온수의 예상 이용량과 수요들에 기초하여, 히트 펌프를 위한 다음번 제상 사이클을 예측함으로써, 그리고 제상 사이클이 시작하게 되기 전에 급수 시스템을 예측가능하게 준비함으로써, 본 실시예는 필수적인 히트 펌프 제상 사이클들이 온수의 공급에 대해 덜 지장이 있는 방식으로 수행되는 것을 허용하고, 이로써 히트 펌프가 온수를 공급하는 효과적인 방식으로서 활용되는 것을 가능케 한다.
냉수 제안 (Cold Water Suggestion)
일 실시예에서, 방법들과 시스템들은 이용자들의 물 사용 습관들을 모니터링하면서 상호작용적으로 수정하기 위해서 제공되어 있다. 방법들은 MLA(7200)에 의해 구현될 수도 있다. MLA(7200)은 MLA(2200) 및/또는 MLA(3200) 및/또는 MLA(4200) 및/또는 MLA(5200) 및/또는 MLA(6200)과 동일한 MLA일 수도 있고, 또는 상이한 MLA일 수도 있다. 트레이닝 과정단계 동안, MLA(7200)은, 위에 기술되어 있는 바와 같이 정상적인 물 사용 패턴을 구축하기 위해서 예컨대 가정집의 이용자들에 의한 물 사용에 관한 데이터가 제공된다. 추가로, MLA(7200)은, 이용자에 의해 세팅된 온도(T1)에서 온수의 공급을 위하여 출수구가 켜지는 경우 정상적인 사용 패턴에서의 실례들을 인식하거나 확인하도록 트레이닝될 수도 있지만, 물이 T1으로 가열되기 전에 출수구는 차후에 꺼진다. 이는 히트 펌프가 온수를 공급하는데 사용되는 경우 특히 유의미한데, 히트 펌프를 활성화하자마자, 물이 열 에너지 저장 매체에 의해 충분히 가열될 수 있기 전에, 히트 펌프에 의해 뽑아내어진 에너지가 원하는 작동 온도까지 열 에너지 저장 매체를 우선 가열해야만 하는 경우의 실례들이 있을 수도 있기 때문이다. 히트 펌프가 온수의 수요에 응답하여 활성화되어 있지만 물이 원하는 온도까지 가열되기 전에 출수구가 꺼지는 경우들에서, 히트 펌프를 작동시키는데 사용된 에너지(전기)는 버려지는데, 이는 이용자가 온수를 실제로 공급받지 못했기 때문이다. 전술한 것의 관점에서, MLA(7200)은, 이러한 단기(short-duration) 실례들 중 한가지가 결정되는 경우, 하나 이상의 에너지-절감 전략들을 채택하도록 트레이닝될 수도 있다.
도 7을 참조하면, S7001에서, 이용자는 출수구에서의 수온을 T1으로 세팅하고, 출수구를 개방한다. S7002에서, 컨트롤 모듈은, 예컨대 하나 이상의 센서들을 사용하여 급수 시스템 쪽으로 공급해주는 물 공급원에서의 수압이나 수류에서의 변화를 탐지함으로써 출수구가 켜지는 것으로 결정하고, 컨트롤 모듈은, S7003에서, 출수구에서 수온에서의 변화들을 모니터링하기 위해서 MLA(7200)을 실행하게 된다. 차후에, 컨트롤 모듈은, S7004에서, 출수구가 꺼지는 것으로 결정하고, MLA(7200)은, S7005에서, 출수구가 켜지는 시기 동안 수온이 사용자에 의해 세팅된 T1에 도달했는지 여부를 결정한다. 그러한 경우라면, 방법은 추가 조치없이 종료된다.
출수구가 켜지는 시기 동안 수온이 T1에 도달하지 않은 것으로 S7005에서 결정되는 경우라면, MLA(7200)은 하나 이상의 에너지-절감 전략들을 채택할 수도 있다. 일 실시예에서, MLA(7200)은, 출수구가 꺼져 있기 전에 물이 사전-설정 온도에 도달하지 않았다는 것을, S7006에서, 이용자에게 알려주는 알림을 발생시키는 소프트웨어 기능을 개시한다. MLA(7200)은 S7007에서 이벤트를 선택사항으로 기록하기(log)할 수도 있다.
차후의 시간에, 이용자는 동일한 출수구에서의 수온을 T1으로 다시 세팅할 수도 있고 출수구를 켠다. 출수구가 개방되어 있는 것으로 결정하자마자 또는 그 이전에, 본 실시예에서 MLA(7200)은 사용자가 출수구를 끄기 전에 수온이 T1에 도달할 것같지 않은 단기 실례로서 물 사용 실례를 확인하고, 이후 수온을 더 낮은 온도(T2)로 세팅하거나 온수 대신에 냉수를 사용하도록 사용자를 촉구하는 즉각적인 신호를 발생시키는 소프트웨어 기능을 개시한다. 즉각적인 신호(prompt signal)는, 예컨대 출수구에서나 그 근처에서의 발광, 소정의 소리나 목소리의 생성, 음성 및/또는 시각 프롬프트(예컨대 메세지를 들려주거나 이미지를 보여주는 것) 등일 수도 있다. MLA(7200)은 구축된 사용 패턴에 기초하여 이러한 단기 실례들을 결정할 수도 있고, 또는 이러한 단기 실례들을 확인하는 하나 이상의 지시수단들을 사용할 수도 있다. 예를 들어, MLA(7200)은 출수구의 위치, 또는 온수가 지시수단으로서 요구되는 때를 사용할 수도 있다. 또 다른 예시로서, MLA(7200)은 이러한 단기 온수 사용 실례에 앞서 화장실이 물내림되고 나서 다시 채워지는 경우와 같은 냉수 사용 실례와, 손씻기를 위한 차후적 온수 수요 사이의 상관관계를 미리 결정할 수도 있고, 지시수단으로서 이러한 냉수 사용을 사용할 수도 있다.
이에 따라, 본 실시예에 따르면, 이용자는, 그들이 온수를 요구하지만 물이 온도까지 가열되는데 충분히 긴 시간 동안에는 물을 사용하지 못한다는 실례들을 의식하게 되어 있다. 더욱이, 사용자는 단기일 것같은 다음번 실례에서 더 낮은 온도를 사용하거나 온수 대신에 냉수를 사용하도록 촉구되고, 그래서 사용자는 필수적이지 않을 수도 있는 경우 급수 시스템으로부터 온수를 요구함으로써 버려지는 에너지를 피하는 선택의 여지가 있다. 따라서, 본 실시예는 이용자들의 온수 사용 습관들의 상호작용적 수정이 에너지 사용을 줄이는 것을 가능케 한다.
도 8에 나타나 있는 또 다른 상보적인 또는 대체적인 실시예에서, 이용자는 S8001에서 수온을 T1으로 다시 세팅하고, 출수구를 켠다. 컨트롤 모듈이 S8002에서 출수구가 켜지는 것으로 결정하자마자 또는 그 이전에, MLA(7200)은 단기 실례로서 이 물 사용 실례를 확인하고, 컨트롤 모듈이 출구수의 온도 설정을 T1으로부터 더 낮은 온도(T2)로 변경시키게 함으로써 추가적인 또는 대체적인 에너지-절감 전략을 채택한다. 온도(T2)는 T1보다 더 낮은 온도(T1)일 수도 있지만 여전히 온기가 있고, 또는 T2는 메인으로부터 미가열된 냉수를 보여줄 수도 있다. 컨트롤 모듈의 제어 하에서, 급수 시스템은 S8003에서 온도(T2)의 물을 출수구 쪽으로 출력한다.
이에 따라, 본 실시예에 따르면, 컨트롤 모듈은, MLA(7200)이 단기 실례를 확인하는 경우 사전대비하여 수온을 낮춘다. 수온을 낮춤으로써, 물을 가열하는데 더 적은 에너지가 필요로 하게 된다. 그렇게 하여, 본 실시예는, 온수가 필요하지 않는 경우 에너지 소비를 줄인다.
도 9에 나타나 있는 상보적인 또는 대체적인 또 다른 하나의 실시예에서, 이용자는 S9001에서 수온을 T1으로 다시 세팅하고, 출수구를 켠다. 컨트롤 모듈이 S9002에서 출수구가 켜지는 것으로 결정하자마자 또는 그 이전에, MLA(7200)은 단기 실례로서 이 물 사용 실례를 확인하고, 컨트롤 모듈이 출구수의 유량을 더 낮은 유량으로 조정하게 함으로써 추가적인 또는 대체적인 에너지-절감 전략을 채택한다. 컨트롤 모듈의 제어 하에서, 급수 시스템은 S9003에서 더 낮은 유량의 물을 출수구 쪽으로 출력한다.
이에 따라, 본 실시예에 따르면, 컨트롤 모듈은, MLA이 단기 실례를 확인하는 경우 사전대비하여 수류를 줄인다. 이 실시예는, 예컨대 전기 가열 요소들에 의해 물이 가열되는 경우 특히 유의미하고, 그래서, 수류를 줄임으로써, 가열되는데 더 적은 물이 필요로 하게 되고 사용되고 있는 그 양의 물을 가열하는데 더 적은 에너지가 필요로 하게 된다. 그렇게 하여, 본 실시예는 물과 에너지 소비 양자 모두를 줄인다.
누출 경고 (Leakage Warning)
도 10에는, 주어진 건물을 위한 누출 경고를 출력하기 위해서 세트를 이루는 센서 데이터를 처리하는 컨트롤 모듈(예컨대 컨트롤 모듈(110)) 상에서 실행되는 MLA(1200)의 일 실시예가 개략적으로 나타나 있다. MLA(1200)은 MLA(2200) 및/또는 MLA(3200) 및/또는 MLA(4200) 및/또는 MLA(5200) 및/또는 MLA(6200) 및/또는 MLA(7200)과 동일한 MLA일 수도 있고, 또는 상이한 MLA일 수도 있다.
MLA(1200)은, 가정집 주위에 배치되어 있는 하나 이상의 센서들, 하나 이상의 사용자 인터페이스들(예컨대 컨트롤 모듈과 통신상태에 있는 가정집 주위의 컨트롤 패널들, 스마트 디바이스들, 개인용 컴퓨터들 등), 하나 이상의 소프트웨어 프로그램, 하나 이상의 공공 데이터베이스와 개인 데이터베이스 등을 포함하는 복수의 입력들로부터 컨트롤 모듈을 통해 가정집과 그 이용자들에 대해 특정적인 입력 데이터를 수신한다. 본 실시예에서, MLA(1200)은, 예컨대 컨트롤 모듈 상에서 실행하고 있거나 통신 네트워크에 걸쳐 원격으로 실행하고 있는 시계 및 달력 기능으로부터 현재 시간 및 날짜(1101)를 수신하고, 이후 구축된 공공재 사용 패턴(2300)과 이용량 예측(3300)을 사용하여, MLA(1200)은 현재 시간과 날짜를 위한 예상 물 사용을 추산할 수 있다. 추가로, MLA(1200)은 메인 입수구 온도(1102), 메인 물의 유량(1103), 및 예컨대 가정집 쪽으로의 메인 입수구에서 적절한 센서(들)에 의해 측정되는 메인 물의 수압(1104)에 관한 입력들을 수신하고, 실시간 물 사용을 결정한다. MLA(1200)은 이후 예상 사용과 실시간 사용에 기초하여 현재 물 사용이 예상되는 바와 같은지 또는 그렇지 않은지 여부를 결정할 수 있고, 그리고 현재 물 사용이 예상 사용을 초과하는 경우라면, MLA(1200)은 물 누출 경고(1300)를 출력한다. MLA(1200)은, 현재 물 사용이 예상 사용을 초과하는 실례들이 시스템 안에서의 물 누출 또는 수요에서의 예상못한 증가, 예컨대 기상에서의 변화 또는 이용량에서의 증가와 상관관계에 있는지 여부를 인식하도록 미리 트레이닝될 수 있다. 일부 실시예들에서, MLA(1200)은 스레시홀드가 제공될 수도 있으며, 이 스레시홀드를 넘어 예상 사용을 초과하는 물 사용의 레벨이 누수인 것으로 생각된다. MLA(1200)은 트레이닝 과정단계 동안 이러한 스레시홀드를 대체적으로 구축할 수도 있고, 또는 예컨대 사용자 피드백에 기초하여 사용중에 있는 동안에 스레시홀드를 조정할 수도 있다.
공공재 사용 패턴을 구축함으로써 그리고 그 패턴에 기대어 현재 물 사용을 모니터링함으로써, 시스템 안에서의 잠재적인 물 누출을 탐지하는 것, 및 그 누출이 더욱 심각해지기 전에 보수하거나 바로잡는 조치를 취하도록 이용자들에게 조기 경고를 주는 것이 가능하게 된다.
위에 기술되어 있는 다양한 MLA들은 동일하거나 상이한 MLA으로 지칭될 수도 있다. 다중 MLA들이 구현되는 경우라면, MLA들 중 하나 또는 일부 또는 모두는 컨트롤 모듈(110) 상에서 실행될 수도 있고, MLA들 중 하나 또는 일부 또는 모두는 적합한 통신 채널을 통해서 컨트롤 모듈(110)과 통신상태에 있는 서버(예컨대 클라우드 서버) 상에서 실행될 수도 있다. 위의 실시예들이 임의의 조합들로 나란히 구현될 수도 있고, 또는 원하는 바와 같이 대체적인 전략들로서 구현될 수도 있다는 점을 당해 기술분야에서의 통상의 기술자라면 이해할 수 있을 것이다.
당해 기술분야에서의 통상의 기술자들이 알 수 있는 바와 같이, 본 기법들은 시스템, 방법 또는 컴퓨터 프로그램 제품으로서 구체화될 수도 있다. 그에 따라, 본 기법들은 전체적으로 하드웨어 실시예들의 형태, 전체적으로 소프트웨어 실시예의 형태 또는 소프트웨어와 하드웨어를 조합하는 실시예의 형태를 취할 수도 있다.
더욱이, 본 기법들은, 거기에 구체화된 컴퓨터 판독가능 프로그램 코드를 가지는 컴퓨터 판독가능 매체 안에 구체화되어 있는 컴퓨터 프로그램 제품의 형태를 취할 수도 있다. 컴퓨터 판독가능 매체는 컴퓨터 판독가능 신호 매체 또는 컴퓨터 판독가능 저장 매체일 수도 있다. 컴퓨터 판독가능 매체는, 이에 제한되는 것은 아니지만, 예컨대 전자식, 자기식, 광학식, 전자기식, 적외선 또는 반도체 시스템, 장치 또는 디바이스, 또는 전술한 것의 임의의 조합일 수도 있다.
본 기법들의 작동들을 실행해내기 위한 컴퓨터 프로그램 코드는, 객체-지향적 프로그래밍 언어들 및 전형적인 절차형 프로그래밍 언어들을 포함하는 하나 이상의 프로그래밍 언어의 임의의 조합으로 기록될 수도 있다.
예를 들어, 본 기법들의 조작들을 실행해내기 위한 프로그램 코드는, 공급원, C와 같은 (해석되거나 편집된) 전형적인 프로그래밍 언어에서의 객체 또는 실행 코드, 또는 어셈블리 코드, ASIC (Application Specific Integrated Circuit; 응용 주문형 집적 회로)를 제어하거나 세팅하기 위한 코드, 또는 FPGA (Field Programmable Gate Array; 필드 프로그램가능 게이트 어레이) 또는 VerilogTM이나 VHDL (Very high-speed integrated circuit Hardware Description Language;초고속 집적 회로 하드웨어 지술 언어)와 같은 하드웨어 기술 언어를 위한 코드를 포함할 수도 있다.
프로그램 코드는 전체적으로 사용자의 컴퓨터 상에서 실행될 수도 있고, 부분적으로 사용자의 컴퓨터 상에서 실행될 수도 있고, 그리고 부분적으로 원격 컴퓨터 상에서 실행될 수도 있고, 또는 전체적으로 원격 컴퓨터나 서버 상에서 실행될 수도 있다. 후자의 시나리오에서, 원격 컴퓨터는 임의의 타입의 네트워크를 통해 사용자의 컴퓨터에 연결될 수도 있다. 코드 컴포넌트(code component)들은 과정들, 방법들 또는 이와 유사한 것으로서 구체화될 수도 있고, 하이-레벨 편집식 또는 해석식 언어 구조들로 세팅된 원래의 지시사항으로 된 직접 기계 지시사항들로부터, 추상화의 레벨들 중 임의의 것으로 지시사항들의 시퀀스들 또는 기시사항들의 형태를 취할 수도 있는 서브-컴포넌트(sub-component)들을 포함할 수도 있다.
본 기법들의 바람직한 실시예들에 따르는 논리적인 방법의 전부 또는 일부가 그 방법의 단계들을 수행하는 논리 요소들을 포함하는 논리 장치 안에 적합하게 구체화될 수도 있다는 점, 및 이러한 논리 요소들이, 예컨대 프로그램가능 논리 어레이 또는 응용-주문형 집적 회로 안의 논리 게이트들과 같은 컴포넌트들을 포함할 수도 있다는 점은 당해 기술분야에서의 통상의 기술자에게도 자명할 것이다. 이러한 논리 배열은, 예컨대 고정식 또는 전송가능한 반송 매체(carrier media)를 사용하여 저장되거나 전송될 수도 있는 버추얼 하드웨어 디스크립터 언어(virtual hardware descriptor language)를 사용하는 이러한 어레이 또는 회로에서, 요소들이 일시적으로 또는 영구적으로 논리 구조들을 구축하는 것을 가능케 하여 더욱 구체화될 수도 있다.
본 명세서에 인용된 예시들과 조건부 언어는 본 기술의 원리들을 읽는 이가 이해하는데 도움을 주려고 의도된 것이고, 이러한 특별히 인용된 예시들과 조건들로 그 범위를 제한하려고 의도된 것이 아니다. 본 명세서에 명시적으로 기술되어 있거나 나타나 있지 않더라도, 그럼에도 불구하고, 본 기술의 원리들을 구체화하면서도 첨부된 청구범위에 의해 정의되어 있는 바와 같이 그 범위 내에 포함되어 있는 다양한 배열들을 당해 기술분야에서의 통상의 기술자가 고안해낼 수도 있다는 점을 알 수 있을 것이다.
더욱이, 이해에 도움이 되는 것으로서, 위 내용은 본 기술의 상대적으로 단순화된 구현예들을 기술할 수도 있다. 당해 기술분야에서의 통상의 기술자가 이해할 수 있는 바와 같이, 본 기술의 다양한 구현예들은 더욱 복잡한 것일 수도 있다.
일부 경우들에서, 본 기술에 대한 수정사항들의 유익한 예시들인 것으로 여겨지는 것 또한 제시될 수도 잇다. 이는 단지 이해에 대한 도움이 되는 것으로서 행해진 것이고, 본 기술의 한도를 제시하거나 범위를 제한하려는 것이 아니다. 이 수정사항들은 포괄적인 리스트가 아니고, 당해 기술분야에서의 통상의 기술자는 그럼에도 불구하고 본 기술의 범위 내에 있으면서도 다른 수정사항들을 만들수도 있을 것이다. 게다가, 수정사항들의 예시들이 제시되어 있지 않는 경우에는, 어떠한 수정사항들도 가능성이 없다는 것으로 해석되어서는 안되고 그리고/또는 기술되어 있는 것이 본 기술의 그 요소를 구현하는 유일한 방식이라는 것으로 해석되어서는 안된다.
더욱이, 본 기술의 원리들, 양태들 및 구현예들뿐만 아니라 그 특정한 예시들을 인용하고 있는 본 명세서의 모든 표현들은, 그것들이 현재 알려져 있는 것이든 장래에 개발되는 것이든, 그 구조적 균등물 그리고 기능적 균등물 양자 모두를 내포하는 것으로 의도되어 있다. 이에 따라, 예를 들어, 당해 기술분야에서의 통상의 기술자라면, 본 명세서의 임의의 블록 다이어그램들이 본 기술의 원리들을 구체화하는 도식적인 회로에 관한 개념적 관점들을 보여주는 것이라는 점을 알 수 있을 것이다. 유사하게, 임의의 플로우차트들, 흐름도들, 상 전이 도표들, 의사-코드(pseudo-code) 및 이와 유사한 것이, 이러한 컴퓨터나 프로세서가 명시적으로 나타나 있든 그러지 않든, 실질적으로 컴퓨터-판독가능 매체에서 보여질 수도 있는 그리고 나서 컴퓨터나 프로세서에 의해 실행될 수도 있는 다양한 처리과정들을 보여준다는 점을 알 수 있을 것이다.
"프로세서"로 표시된 임의의 기능성 블록을 포함하여 도면들에 나타나 있는 다양한 요소들의 기능들은 전용 하드웨어의 사용을 통해서 제공될 수도 있고, 뿐만 아니라 적절한 소프트웨어와 연계되어 있는 소프트웨어를 실행하는 능력이 있는 하드웨어의 사용을 통해서 제공될 수도 있다. 프로세서에 의해 제공되는 경우, 기능들은 단일의 전용 프로세서에 의해, 단일의 공유 프로세서에 의해, 또는 그 중 일부가 공유될 수도 있는 복수의 개별적인 프로세서들에 의해 제공될 수도 있다. 더욱이, "프로세서" 또는 컨트롤러"라는 용어의 명시적인 사용은 소프트웨어를 실행하는 능력이 있는 하드웨어를 전적으로 지칭하는 것으로 해석되어서는 안되고, 제한없이, 디지털 시그널 프로세서(digital signal processor; DSP) 하드웨어, 네트워크 프로세서, 응용 주문형 집적 회로(ASIC), 필드 프로그램가능 게이트 어레이(FPGA), 소프트웨어를 저장하기 위한 리드-온니 메모리(read-only memory; ROM), 랜덤 액세스 메모리(random access memory; RAM) 및 비-휘발성 저장수단을 묵시적으로 포함할 수도 있다. 다른 하드웨어, 전형적인 것 및/또는 주문제작한 것 또한 포함될 수도 있다.
소프트웨어 모듈들, 또는 소프트웨어인 것으로 암시되는 간단한 모듈들은, 플로우차트 요소들, 또는 처리과정 단계들의 성능 및/또는 문자 설명을 지시하는 다른 요소들의 임의의 조합으로서 본 명세서에 보여질 수도 있다. 이러한 모듈들은 명확히 또는 묵시적으로 나타나 있는 하드웨어에 의해 실행될 수도 있다.
많은 개선사항들과 수정사항들이 본 기법들의 범위를 벗어나지 않으면서 전술한 예시적인 실시예들에 대해 행해질 수 있다는 점은 당해 기술분야에서의 통상의 기술자에게 자명할 것이다.

Claims (23)

  1. 건물에 설치되어 있는 급수 시스템의 히트 펌프를 제상작업하는 컴퓨터-구현 방법으로서,
    상기 급수 시스템은 건물 바깥쪽으로부터 건물 안쪽의 열 에너지 저장 매체 쪽으로 열 에너지를 전달하도록 구성되어 있는 히트 펌프, 및 상기 히트 펌프의 작동을 제어하도록 구성되어 있는 컨트롤 모듈을 포함하고,
    상기 급수 시스템은 상기 열 에너지 저장 매체에 의해 가열된 물을 하나 이상의 출수구들에서 건물의 이용자 쪽으로 공급하도록 구성되어 있고,
    상기 방법은 상기 컨트롤 모듈에 의해 수행되고, 다음의 단계들, 즉:
    상기 히트 펌프의 성능에 기초하여 다음번 제상 사이클의 예상 시작 시간을 결정하는 단계; 및
    상기 열 에너지 저장 매체가 상기 예상 시작 시간 전에 제 1 온도에 도달하도록, 상기 열 에너지 저장 매체 안에 열 에너지를 저장하기 위해서 상기 열 에너지 저장 매체를 사전-충전하는 다음번 제상 사이클의 상기 예상 시작 시간 전의 소정의 시기 동안에 상기 히트 펌프를 작동함으로써 상기 다음번 제상 사이클의 예상 시작 시간 전에 상기 급수 시스템을 준비하는 단계;
    를 포함하는 것을 특징으로 하는 컴퓨터-구현 방법.
  2. 제 1 항에 있어서,
    상기 방법은 상기 컨트롤 모듈 상에서 실행되는 제 1 머신 러닝 알고리즘(MLA)에 의해 적어도 부분적으로 수행되고, 상기 제 1 MLA는 다음번 제상 사이클을 예측하도록 트레이닝되어 있는 것을 특징으로 하는 컴퓨터-구현 방법.
  3. 제 1 항 또는 제 2 항에 있어서,
    상기 히트 펌프의 성능은 상기 히트 펌프의 평균 열 에너지 출력, 히트 펌프 효율, 상기 히트 펌프를 위한 성능 계수, 또는 이들의 조합을 포함하는 것을 특징으로 하는 컴퓨터-구현 방법.
  4. 제 1 항 내지 제 3 항 중 어느 한 항에 있어서,
    기상 데이터를 수신하는 단계를 추가로 포함하고,
    상기 다음번 제상 사이클의 상기 예상 시작 시간은 상기 기상 데이터에 기초하여 추가로 결정되는 것을 특징으로 하는 컴퓨터-구현 방법.
  5. 제 4 항에 있어서,
    상기 기상 데이터는 기상 예보, 현재 기상 조건, 건물의 실내 온도 또는 이들의 조합 중 한가지 이상을 포함하는 것을 특징으로 하는 컴퓨터-구현 방법.
  6. 제 1 항 내지 제 5 항 중 어느 한 항에 있어서,
    상기 히트 펌프의 하나 이상의 이전 제상 사이클들에 관한 데이터를 수집하는 단계를 추가로 포함하고,
    상기 다음번 제상 사이클의 상기 예상 시작 시간은 상기 수집된 데이터에 기초하여 추가로 결정되는 것을 특징으로 하는 컴퓨터-구현 방법.
  7. 제 2 항 내지 제 6 항 중 어느 한 항에 있어서,
    상기 소정의 시기는 상기 히트 펌프의 성능과 상기 제 1 온도 및/또는 상기 기상 데이터에 기초하여 세팅되는 것을 특징으로 하는 컴퓨터-구현 방법.
  8. 제 1 항 내지 제 7 항 중 어느 한 항에 있어서,
    상기 제 1 온도는 이용자에 의해 세팅된 사전-설정 작동 온도보다 더 높은 것을 특징으로 하는 컴퓨터-구현 방법.
  9. 제 1 항 내지 제 8 항 중 어느 한 항에 있어서,
    상기 급수 시스템은 건물의 실내 온도를 올리기 위한 중앙 난방 시스템을 포함하고,
    상기 급수 시스템을 준비하는 상기 단계는, 상기 중앙 난방 시스템 쪽으로 온수를 공급해주기 위해서 상기 히트 펌프를 작동함으로써 상기 예상 시작 시간 전에 건물의 실내 온도를 올리는 단계를 포함하는 것을 특징으로 하는 컴퓨터-구현 방법.
  10. 제 10 항에 있어서,
    상기 급수 시스템은 하나 이상의 전기 저항 가열 요소들을 포함하고,
    건물의 실내 온도를 올리는 상기 단계는, 상기 중앙 난방 시스템 쪽으로 온수를 공급해주기 위해서 상기 하나 이상의 전기 저항 가열 요소들을 작동하는 단계를 포함하는 것을 특징으로 하는 컴퓨터-구현 방법.
  11. 제 9 항 또는 제 10 항에 있어서,
    건물의 실내 온도를 올리는 상기 단계는, 현재 온도로부터 제 2 온도까지 건물의 실내 온도를 올리는 단계를 포함하는 것을 특징으로 하는 컴퓨터-구현 방법.
  12. 제 11 항에 있어서,
    상기 제 2 온도는 이용자에 의해 세팅된 사전-설정 실내 온도보다 더 높은 것을 특징으로 하는 컴퓨터-구현 방법.
  13. 제 1 항 내지 제 12 항 중 어느 한 항에 있어서,
    상기 열 에너지 저장 매체를 사전-충전하는 상기 단계 및/또는 건물의 실내 온도를 올리는 상기 단계는, 상기 급수 시스템으로부터 획득된 센서 데이터에 기초한 상기 급수 시스템을 위한 제 2 MLA에 의해 구축된 공공재 사용 패턴으로부터 결정되는 온수의 예상 수요에 기초하여 수행되는 것을 특징으로 하는 컴퓨터-구현 방법.
  14. 제 13 항에 있어서,
    상기 제 1 온도는 상기 공공재 사용 패턴에 기초하여 상기 제 2 MLA에 의해 결정되는 것을 특징으로 하는 컴퓨터-구현 방법.
  15. 제 13 항 또는 제 14 항에 있어서,
    상기 공공재 이용 패턴은 시간, 요일 및/또는 날짜의 관점에서 예상 냉수 사용량, 시간, 요일 및/또는 날짜의 관점에서 예상 온수 사용량, 시간, 요일 및/또는 날짜의 관점에서 예상 에너지 사용량, 또는 그들의 조합을 포함하는 것을 특징으로 하는 컴퓨터-구현 방법.
  16. 제 13 항, 제 14 항 또는 제 15 항에 있어서,
    상기 공공재 사용 패턴에 기초하여 온수의 예상 수요가 낮은 경우 상기 다음번 제상 사이클의 예상 시작 시간에 가까운 낮은-수요 시간을 결정하는 단계를 추가로 포함하는 것을 특징으로 하는 컴퓨터-구현 방법.
  17. 제 1 항 내지 제 16 항 중 어느 한 항에 있어서,
    열 에너지 저장 매체를 사전-충전하는 상기 단계 및/또는 건물의 실내 온도를 올리는 상기 단계는, 상기 급수 시스템으로부터 획득된 센서 데이터에 기초한 상기 급수 시스템을 위한 제 3 MLA에 의해 결정되는 건물의 예상 이용량에 기초하여 수행되는 것을 특징으로 하는 컴퓨터-구현 방법.
  18. 제 17 항에 있어서,
    상기 예상 이용량에 기초하여, 건물의 상기 예상 이용량이 낮은 경우 제상 사이클의 상기 예상 시작 시간에 가까운 낮은-이용량 시간을 결정하는 단계를 추가로 포함하는 것을 특징으로 하는 컴퓨터-구현 방법.
  19. 제 13 항 내지 제 18 항 중 어느 한 항에 있어서,
    상기 센서 데이터는 하루 중 시간, 주 중 요일, 날짜, 하나 이상의 출수구들에서의 유수량 및/또는 수압, 출수구가 켜지는 때로부터 경과 시간, 메인 물 온도, 하나 이상의 출수구들에서의 물 온도, 에너지 소비량 및/또는 소비율, 사용자의 현재 위치, 또는 그들의 조합을 포함하는 것을 특징으로 하는 컴퓨터-구현 방법.
  20. 제 16 항 또는 제 18 항에 있어서,
    상기 낮은-수요 시간 및/또는 상기 낮은-이용량 시간에 기초하여 제상 사이클의 상기 예상 시작 시간을 조정된 시작 시간으로 조정하는 단계를 추가로 포함하는 것을 특징으로 하는 컴퓨터-구현 방법.
  21. 제 20 항에 있어서,
    상기 조정된 시작 시간에 다음번 제상 사이클을 시작하게 되도록 상기 히트 펌프를 작동하는 단계를 추가로 포함하는 것을 특징으로 하는 컴퓨터-구현 방법.
  22. 프로세서에 의해 실행되고 있는 경우, 제 1 항 내지 제 21 항 중 어느 한 항에 따르는 상기 방법을 프로세서가 수행하게 하는 머신-판독가능 코드를 포함하는 것을 특징으로 하는 컴퓨터-판독가능 매체.
  23. 급수 시스템을 제어하도록 구성되어 있는 컨트롤 모듈로서, 상기 컨트롤 모듈은, 제 1 항 내지 제 21 항 중 어느 한 항에 따르는 상기 방법을 수행하도록 트레이닝되어 그 위에서 실행되는 머신 러닝 알고리즘을 가지는 프로세서를 포함하는 것을 특징으로 하는 컨트롤 모듈.
KR1020237027851A 2021-02-07 2022-02-07 히트 펌프 제상 사이클을 수행하기 위한 방법들 및시스템들 KR20230157945A (ko)

Applications Claiming Priority (19)

Application Number Priority Date Filing Date Title
GBGB2101678.7A GB202101678D0 (en) 2021-02-07 2021-02-07 Methods and systems and apparatus to support reduced energy and water usage
GB2101678.7 2021-02-07
GB2109598.9 2021-07-02
GB2109596.3A GB2603550B (en) 2021-02-07 2021-07-02 Energy storage arrangement and installations
GB2109594.8 2021-07-02
GB2109593.0 2021-07-02
GB2109599.7 2021-07-02
GB2109597.1A GB2603551B (en) 2021-02-07 2021-07-02 Energy storage arrangements and installations including such energy storage arrangements
GB2109593.0A GB2603976B (en) 2021-02-07 2021-07-02 Methods of configuring and controlling hot water supply installations
GB2109594.8A GB2604668B (en) 2021-02-07 2021-07-02 Methods and systems and apparatus to support reduced energy and water usage
GB2109600.3 2021-07-02
GB2109597.1 2021-07-02
GB2109596.3 2021-07-02
GB2109600.3A GB2603824B (en) 2021-02-07 2021-07-02 Methods and systems and apparatus to support reduced energy and water usage
GB2109599.7A GB2603553B (en) 2021-02-07 2021-07-02 Energy storage arrangement and installations
GB2109598.9A GB2603552B (en) 2021-02-07 2021-07-02 Energy storage arrangements and installations
GB2111084.6 2021-08-02
GB2111084.6A GB2604955B (en) 2021-02-07 2021-08-02 Methods and systems for performing a heat pump defrost cycle
PCT/IB2022/051079 WO2022168047A1 (en) 2021-02-07 2022-02-07 Methods and systems for performing a heat pump defrost cycle

Publications (1)

Publication Number Publication Date
KR20230157945A true KR20230157945A (ko) 2023-11-17

Family

ID=87575364

Family Applications (1)

Application Number Title Priority Date Filing Date
KR1020237027851A KR20230157945A (ko) 2021-02-07 2022-02-07 히트 펌프 제상 사이클을 수행하기 위한 방법들 및시스템들

Country Status (6)

Country Link
US (1) US20240102671A1 (ko)
EP (1) EP4288707A1 (ko)
JP (1) JP7544987B2 (ko)
KR (1) KR20230157945A (ko)
AU (1) AU2022216916B2 (ko)
NZ (1) NZ802460A (ko)

Family Cites Families (13)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US5515689A (en) * 1994-03-30 1996-05-14 Gas Research Institute Defrosting heat pumps
AU719740B2 (en) * 1996-03-29 2000-05-18 Waterfurnace International, Inc. Microprocessor control for a heat pump water heater
JP3915636B2 (ja) 2002-09-06 2007-05-16 ダイキン工業株式会社 給湯装置
JP2004278987A (ja) 2003-03-18 2004-10-07 Matsushita Electric Ind Co Ltd ヒートポンプ式給湯器
US7228692B2 (en) * 2004-02-11 2007-06-12 Carrier Corporation Defrost mode for HVAC heat pump systems
JP2010249333A (ja) 2009-04-10 2010-11-04 Mitsubishi Electric Corp 運転制御情報生成装置及び運転制御情報生成プログラム及び記録媒体及び運転制御情報生成方法
GB2488331A (en) * 2011-02-23 2012-08-29 Star Refrigeration Heat pump system with a thermal store comprising a phase change material
US8867908B2 (en) * 2011-08-31 2014-10-21 General Electric Company Self-programming water heater
JP5924930B2 (ja) 2011-12-26 2016-05-25 三菱重工業株式会社 給湯器
US8869545B2 (en) * 2012-05-22 2014-10-28 Nordyne Llc Defrosting a heat exchanger in a heat pump by diverting warm refrigerant to an exhaust header
JP5699120B2 (ja) 2012-12-04 2015-04-08 リンナイ株式会社 給湯システム
CN205037567U (zh) 2015-09-30 2016-02-17 江苏双志新能源有限公司 一种自产热互助除霜空气源热泵热水器
JP6977332B2 (ja) 2017-06-26 2021-12-08 株式会社ノーリツ 貯湯給湯装置

Also Published As

Publication number Publication date
AU2022216916A1 (en) 2023-08-24
JP2024508667A (ja) 2024-02-28
US20240102671A1 (en) 2024-03-28
EP4288707A1 (en) 2023-12-13
JP7544987B2 (ja) 2024-09-03
NZ802460A (en) 2024-07-26
AU2022216916B2 (en) 2024-05-16

Similar Documents

Publication Publication Date Title
GB2604955A (en) Methods and systems for performing a heat pump defrost cycle
WO2022168040A1 (en) Methods and systems for detecting water leakage
WO2022168042A1 (en) Methods and systems for predictive heated water provision
WO2022168045A1 (en) Methods and systems for predictively preparing water provision system
AU2022216534B2 (en) Methods and systems for modifying heated water usage
KR20230157945A (ko) 히트 펌프 제상 사이클을 수행하기 위한 방법들 및시스템들
AU2022216915B2 (en) Methods and systems for predictive heated water provision
JP7573118B2 (ja) 熱水使用量の修正方法及びシステム
KR102717631B1 (ko) 급수 시스템을 예측적으로 준비하기 위한 방법 및 시스템
AU2022217537B2 (en) Methods and systems for predictively preparing water provision system
WO2022168047A1 (en) Methods and systems for performing a heat pump defrost cycle
WO2022168031A1 (en) Methods and systems for modifying heated water usage
GB2613983A (en) Methods and systems for detecting water leakage
CN117581065A (zh) 用于执行热泵除霜循环的方法和系统
CN117321341A (zh) 用于预测性地准备供水系统的方法和系统
US12123600B2 (en) Reduced temperature water supply mode in a water provision system
US20240093885A1 (en) Reduced temperature water supply mode in a water provision system
CN117441138A (zh) 用于改变热水使用的方法和系统
US20240093884A1 (en) Reduction of water/energy waste in a water provision system
CN117063017A (zh) 基于供水系统中当前费率调节能源使用