CN103649852A - 建筑物能量消耗的预测方法 - Google Patents
建筑物能量消耗的预测方法 Download PDFInfo
- Publication number
- CN103649852A CN103649852A CN201280031332.5A CN201280031332A CN103649852A CN 103649852 A CN103649852 A CN 103649852A CN 201280031332 A CN201280031332 A CN 201280031332A CN 103649852 A CN103649852 A CN 103649852A
- Authority
- CN
- China
- Prior art keywords
- buildings
- energy
- forecasting methodology
- predict good
- period
- Prior art date
- Legal status (The legal status 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 status listed.)
- Pending
Links
Images
Classifications
-
- 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
- G05B17/00—Systems involving the use of models or simulators of said systems
- G05B17/02—Systems involving the use of models or simulators of said systems 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
- G05B13/0265—Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion electric the criterion being a learning criterion
- G05B13/027—Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion electric the criterion being a learning criterion using neural networks only
-
- 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
- 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
Landscapes
- Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Physics & Mathematics (AREA)
- Automation & Control Theory (AREA)
- Artificial Intelligence (AREA)
- Evolutionary Computation (AREA)
- Radar, Positioning & Navigation (AREA)
- Electromagnetism (AREA)
- Power Engineering (AREA)
- General Engineering & Computer Science (AREA)
- Health & Medical Sciences (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Medical Informatics (AREA)
- Software Systems (AREA)
- Air Conditioning Control Device (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
一种预测建筑物的能量消耗的预测方法,其特征在于包括基于由计算机实施的物理模型、考虑接收的太阳辐射的热交换和/或建筑物与外界环境之间的热对流和/或传导的步骤,以及包括用来基于建筑物在过去所进行的测量来推导所述物理模型的参数值的学习步骤。
Description
本发明涉及一种建筑物的热能管理方法以及实施这样的方法的热能***。本发明还涉及包括实施这样的方法的软件的载体。最后,本发明还涉及装备了这样的热能***的建筑物。
对建筑物能量消耗的预测可以用于预计建筑物的供热或空气调节并且在任何时候都能达到居住者所希望的舒适度。然而,表征建筑物的热现象是复杂的并且难以被认知。
为此,现有技术中的第一种解决方案建立在长时段、例如一年中存储的数据和测量的值进行分析的基础上。特别是,建筑物的能量消耗和内部温度的值以及相应的气象学数据(如外部温度和光照时间)根据时间而被存储。基于通过神经网络类型的方法进行数字处理的混合化允许确定代表过去这些数据的数学模型,该模型之后被用于实现未来预测。该方法基于人工智能,需要大量数据以达到可接受的结果,这不但耗时长且需要复杂的计算。另一方面,由于该方法不基于现象的物理研究,其存在局限并且无法在任何情况下都达到足够的精确性。
现有技术中的第二种解决方案基于用重大简化对物理现象建立模型,以便不需要过多的计算装置。在这种建立模型中,与外界的热交换、例如辐射或对流类型的热交换都被忽略不计。
在所有这些情况下,得出的结果都无法令人满意,因此需要一种改进的解决方案来预测建筑物的能量消耗。
为此,本发明基于一种预测建筑物的能量消耗的预测方法,其特征在于包括基于通过计算机实施的物理模型来考虑接收的太阳辐射的热交换和/或在建筑物与外界环境之间的热对流希/或热交换的步骤,其特征还在于包括用来基于对建筑物在过去所进行的测量来推导所述物理模型的参数值的学习步骤。
更确切地,本发明涉及一种预测建筑物的能量消耗的预测方法,其特征在于包括一个步骤,该步骤考虑由供热和/或空调设备对建筑物的供热或降温,被动太阳能供给,内部收益供给,如人员和家用器具的供热带来的内部受益供给,以及建筑物与外界环境之间的热对流和/或热传导类型的热损失(Pertes_thermiques),其特征在于该预测方法包括用来基于对建筑物在过去所进行的测量来推导所述物理模型的参数值的学习步骤,该学习步骤包括:
-基于在日照较少的时段的过去测量来确定所述物理模型的与内部收益和/或与热损失相关的至少一个参数;
-基于在日照充足的时段的过去测量来确定所述物理模型的与被动太阳能供给相关的至少一个参数。
本发明还涉及一种信息载体,其包括实施如前所述的预测建筑物的能量消耗的预测方法的几个步骤的计算机程序。
本发明还涉及一种预测建筑物的能量消耗的预测***,其特征在于包括一个控制单元,该控制单元实施如前所述的预测建筑物的能量消耗的预测方法。
所述预测建物筑的能量消耗的预测***包括供热和/或空调设备以及控制单元,该控制单元能够根据所需要的温度设定值,通过对供热和/或空调设备致动来调节建筑物的内部温度。
本发明还涉及一种建筑物,其特征在于包括预测建筑物的能量消耗的预测***,所述预测***实施如上述的预测建筑物的能量消耗的预测方法。
本发明通过权利要求书更加确切地限定。
本发明的这些目的、特征和优点将在以下结合唯一附图非限制性地对具体实施方式的描述中进行详细说明,唯一附图示意性地示出建筑物以及本发明所考虑的不同能量现象。
本发明基于对建筑物的外部热现象的更好考虑,这些外部热现象如辐射和/或对流和/或传导。尤其是,其允许更好地考虑某些气象现象(如风、被动太阳能供给)对建筑物的影响。本发明基于允许在保持与由计算机进行的相对简单处理相兼容的简易性的同时对物理现象进行考虑的折衷。
根据本发明的一种实施方式,建筑物中的热平衡可以写为如下:
Pc=PT+PV-(Pasp+Pi)+S
其中:
Pc是所述建筑物的供热或冷却所需要的功率;
PT表示建筑物的缺陷导致的功率损失,比如导致向外部传导热量或是向内部传导热量的非隔离墙壁;
PV表示通风导致的功率损失;
Pasp表示由被动太阳能供给带来的功率;
Pi表示由内部收益带来的功率,如所在人员的人体和家用器具散发的热量等等;
S表示建筑物内累积的热通量。
由被动太阳能供给带来的功率主要来自进入建筑物中的太阳辐射,随着建筑物的隔热性提高而变得越来越不可忽略。如图1中可见,这些供给取决于太阳的位置,并且因此取决于季节和时间,这是因为根据不同的角度,这种辐射到达建筑物的不同表面。例如,在位置P1的太阳辐射R1表示的是冬季某个特定时间的情形。在夏天,在相同的时间,太阳辐射R2则大不目同,位置P2要高得多。由此可见建筑物1所接收的太阳辐射可以有很大差异。
通过在一天的一个时段上进行能量平衡,前面的等式允许获得建筑物的能量消耗的预测方法,该方法考虑以下等式(1):
在所选择的时间段内进行假设,将该时间段起始和结束时的建筑物的平均温度视为相同,则与热惯性相关的建筑物热能为零,即∫S=0。如果不是这种情形,作为变型,则可以考虑建筑物蓄积或释放的热量(热惯性)。
为了计算被动太阳能供给,考虑建筑物是有多个接收表面的整体,对于这些表面定义称为“等效接收面积”的系数Areq,该系数表示黑体的面积,该黑体的面积表示与所考虑的接收表面具有相同的被动太阳能供给。用这个定义,对于具有五个接收表面的建筑物可以获得以下等式:
其中Gi(t)代表在时刻t由该表面接收的辐照度(瓦特/平方米)。考虑天空中太阳的位置,其可以基于气象数据和几何计算而被计算出来。
在该实施方式中,建筑物的物理模型考虑将该建筑物分为五个接收表面。作为变型,根据建筑物的建筑结构,可以考虑任何其它数目的表面,有利地介于1至10之间,优选地介于3和6之间,以便达到在计算复杂性和模型精确性之间的较好折衷。
建筑物的能量消耗的预测方法包括学习步骤,其允许估算不同的参数Areq,如下文详细说明那样。
建筑物在一个白昼里的热损失可以通过以下等式进行估算:
其中GV表示热损失系数(瓦特/摄氏度),允许使热损失取决于建筑物的内部温度Tint和外部温度Text之差。
内部供给表示建筑物内的设备和人员带来的热量。这些供给是不规则的并且取决于建筑物内部的活动。为了将其简化,其被视为可重复的,并且取两个不同时段(工作日和周末,对于这些时段而言建筑物中的活动规律不同)的常数平均值。作为变型,这些热量供给还可以因季节而异。所确定的平均值最终是在这些不同时段内测量的平均值。
作为变型,可以根据建筑物的居住率、针对这些内部供给来预先定义几个不同的曲线,因为仅存在人时产生热供给,和/或建筑物内部的活动产生热供给,如使用炉灶(更通常地说,可以是任何能够带来热量的器具)与否。
供热和空气调节的功率是基于建筑物的不同供热和空气调节设备的知识而被计算出的。
学习方法允许计算用于前述等式中的不同参数。等式(1)通过与前文提及的等式(2)和(3)结合,可以写为如下:
学习将允许通过把日照较少的时段与日照充分的时段区分开来基于所述建筑物的已知过去值计算这些参数。这些时段例如是通过比较晴天时所测量的光照时间与理论的光照时间进行比较而被定义的。
首先,对于日照时间较少的时段,被动太阳能供给可以被忽略并且等式(4)可以简化如下:
假设白天的内部供给可以取两个不同的恒定值,第一个恒定值用于工作日而第二个恒定值用于周末。因此等式(5)的未知数则为GV、∫白昼1Pi或∫白昼2Pi。
通过选择无日照的几天,对于这几天可以测量得到等式(5)的其余值Pc、Tint、Text,就可以计算或在任何情况下估算上述三个未知数。
作为变型,可以运用其它模型,以及例如针对内部供给而被预定义的其它任何类型的曲线。因此,应注意到学习步骤可包括对与日照较少时段(对该时段,被动太阳能供给可忽略)和居住较少时段(对该时段,内部收益或供给可忽略)的热损失相关的参数的第一学习。随后,在日照较少的时段(对该时段,被动太阳能供给可忽略)和建筑物居住时段(对该时段,内部收益或供给不可忽略),与内部供给相关的参数可以作为学习的目标。
当物理模型随后被用于计算例如达到某个温度设定值所需要的供热,或用于计算建筑物内部针对特定供热的未来温度时,如下文将进行详述的,根据建筑物的居住和/或建筑物内部的活动,可以在预定义的几个曲线中选择考虑内部供给的曲线。这种选择可以是完全或部分自动化的,例如基于存在传感器、活动测量(用于检测例如炉灶的使用)检测器。
随后,考虑对其应用等式(4)的几个日照充足的白天。因此该等式的未知数为参数Areq,i。Gi(t)值是根据测得的气象数据和几何计算(包括太阳在天空中的位置)而计算得出的。
使用几个日照充足的白天,就可以得到足够的等式(4)(至少n)以便找到未知数Areq,i的集合。
需注意,通过学习这样定义的参数可以被一些随着时间进行的补充测量被细化。
当等式(4)的这些参数通过学习被知道后,可以考虑以下等式(6),其表征建筑物内部的温度波动:
其中C表示建筑物的热容量。
为了利用该等式,实施用于估算参数C的值的新学习步骤。
对于多云的白天,被动太阳能供给可以忽略,并且在每个时刻可以写下:
可进行近似Pi(t)=(∫白昼Pi)/24h,也就是说忽略白天时的内部供给的波动并考虑其平均值用于解答上述等式(7)。作为变型,还可以在比白天更短的时段上确定内部供给Pi(t)的平均曲线,并规则地更新该测量来考虑季节变化或其它变化。
等式(7)的所有其它量要么被测量得出,要么已为前述的学习所知。
需注意,对于日照充足的白天,可以进行相似的计算但要考虑被动太阳能供给。
以上的计算因此是学习步骤的一部分,其允许确定针对建筑物所选择的热模型建立的参数。随后,可以实施用于估算建筑物的未来能量消耗的估算方法,以便能够保证居住者在未来的热舒适性。作为补充,该计算还允许通过考虑针对产能实体而给定的领土上存在的所有建筑物来预测该领土上的产能需求。
为了定义居住者对舒适性的希望,由建筑物的居住者们定义将来所希望的室内温度曲线。建筑物内部的温度调节***在任何时刻计算能量需求,更确切地,确定室内的不同供热或空调设备的运转以便能够在任何时刻达到温度设定值。
为此,所有参数现在均已知的前文提及的等式(6)被再次利用,用于推算建筑物内部在每个时刻的能量消耗:
其中,Tint是期望的室内温度设定值,Text是基于气象预报计算出的外部温度,Gi(t)是基于气象预报和包括太阳在天空中位置的几何计算而被计算出的辐照度。需注意,当该计算在近实时中实现或用于短期预报,且不用于中长期预报时,并不必须借助气象数据,该气象数据可以被简单的测量数据取代。
本发明还涉及预测建筑物的能量需求的预测***,其包括允许实施前文描述的方法的计算机。该***有利地与建筑物的供热和空调设备相关联,以便基于为达到居住着希望的舒适度而计算出的能量消耗来实施热调节。该***包括例如控制单元,该控制单元包括实施前文描述的方法的计算机。该方法可以通过存储在信息载体上的软件装置来实施。
最后,建筑物可以配备实施前文描述的方法的建筑物的能量消耗预测***,用于调节或是更广义地管理其供热设备和/或空调设备。
这样,所选定的解决方案达成了本发明的目的并具有以下优点:
-允许使用足够简单但考虑最重要的热现象的计算,来控制能量消耗并实现建筑物的更好热调节;
-在学习阶段,允许通过定义专用于各建筑物的热参数来达到较大的精度。
最后,所描述的解决方案代表了在前文提及的现有技术的两个解决方案之间的有利折衷,因为其组合了建筑物的精巧物理建模和过去测量知识。
通过考虑被动太阳能供给描述了实施方式。作为变型,被动太阳能供给可以通过不同于所描述的方法的另一种方法进行建模。此外,根据另一种变型,也可以考虑热对流和/或热传导,例如考虑风的影响,尤其是在建筑物位于多风地区的情况下。而同样的学习原则也允许定义表示这些物理现象的模型的参数。
Claims (17)
1.一种预测建筑物的能量消耗的预测方法,该预测方法由计算机实施并使用考虑了以下方面的物理模型:由供热和/或空调设备对建筑物的供热或降温(Pc),被动太阳能供给(Pasp),内部收益供给(Pi),如人员和家用器具的供热带来的内部受益供给,以及建筑物与外界环境之间的热对流和/或热传导类型的热损失(Pertes_thermiques),其特征在于该预测方法包括用来基于对建筑物在过去所进行的测量来推导所述物理模型的参数值的学习步骤,该学习步骤包括:
-基于在日照较少的时段的过去测量来确定所述物理模型的与内部收益和/或与热损失相关的至少一个参数;
-基于在日照充足的时段的过去测量来确定所述物理模型的与被动太阳能供给相关的至少一个参数。
2.根据权利要求1所述的预测建筑物的能量消耗的预测方法,其特征在于学习步骤包括以下步骤:
-基于在日照较少并且建筑物居住率较低的时段的过去测量来确定所述物理模型的与热损失相关的至少一个参数;和/或
-基于在日照较少并且建筑物居住的时段的过去测量来确定所述物理模型与内部收益相关的至少一个参数。
3.根据前述权利要求之一所述的预测建筑物的能量消耗的预测方法,其特征在于,该预测方法在学习步骤之后包括所述物理模型的使用步骤,用于根据温度设定值Tint(t)计算用于建筑物的供热或降温的未来能量消耗。
5.根据权利要求4所述的预测建筑物的能量消耗的预测方法,其特征在于所述物理模型把n值视为介于1和10之间以用于计算通过被动太阳能供给所接收的能量。
7.根据权利要求6所述的预测建筑物的能量消耗的预测方法,其特征在于包括以下步骤:该步骤将选定时段上建筑物的与热惯性相关的热能视为零,即∫S=0。
9.根据权利要求6至8之一所述的预测建筑物的能量消耗的预测方法,其特征在于,所述内部收益在给定时段上被视为等同于常数值,该常数值是考虑到建筑物内部的活动和/或居住的情况下的所述给定时段的平均值。
11.根据前述权利要求之一所述的预测建筑物的能量消耗的预测方法,其特征在于通过以下等式考虑建筑物内部的温度波动:
其中C表示能够在学习步骤时估算出的建筑物的热容量。
13.根据权利要求12所述的预测建筑物的能量消耗的预测方法,其特征在于,通过以下等式根据温度设定值tint(t)来计算用于建筑物的供热或降温的未来能量消耗:
其中Text(t)是基于气象预报或基于测量而计算出的外部温度,Gi(t)表示在时刻t基于气象预报或基于测量以及基于包括太阳在天空中的位置在内的几何计算而被计算出的由表面i接收到的辐照度,单位为瓦特/平方米。
14.一种包括计算机程序的信息载体,该计算机程序实施根据前述权利要求之一所述的预测建筑物的能量消耗的预测方法的步骤。
15.一种预测建筑物的能量消耗的预测***,其特征在于该预测***包括控制单元,该控制单元实施根据权利要求1至13之一所述的预测建筑物的能量消耗的预测方法。
16.根据权利要求15所述的预测建筑物的能量消耗的预测***,其特征在于该预测***包括供热和/或空调设备,以及控制单元根据希望的温度设定值通过对供热和/或空调设备进行致动来调节建筑物的内部温度。
17.一种建筑物,其特征在于,包括实施根据权利要求1至13之一所述的预测建筑物的能量消耗的预测方法的预测建筑物的能量消耗的预测***。
Applications Claiming Priority (3)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
FR1154057A FR2975206B1 (fr) | 2011-05-11 | 2011-05-11 | Procede de prevision de la consommation energetique d'un batiment |
FR1154057 | 2011-05-11 | ||
PCT/EP2012/058837 WO2012152939A1 (fr) | 2011-05-11 | 2012-05-11 | Procede de prevision de la consommation energetique d'un batiment |
Publications (1)
Publication Number | Publication Date |
---|---|
CN103649852A true CN103649852A (zh) | 2014-03-19 |
Family
ID=46149416
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201280031332.5A Pending CN103649852A (zh) | 2011-05-11 | 2012-05-11 | 建筑物能量消耗的预测方法 |
Country Status (10)
Country | Link |
---|---|
US (1) | US9507333B2 (zh) |
EP (1) | EP2707781B1 (zh) |
JP (1) | JP6104235B2 (zh) |
CN (1) | CN103649852A (zh) |
AU (1) | AU2012252299A1 (zh) |
BR (1) | BR112013028854A2 (zh) |
ES (1) | ES2568911T3 (zh) |
FR (1) | FR2975206B1 (zh) |
WO (1) | WO2012152939A1 (zh) |
ZA (1) | ZA201308673B (zh) |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104699991A (zh) * | 2015-03-30 | 2015-06-10 | 哈尔滨工业大学 | 基于灰色***理论的城镇供热***年供热量预测方法 |
CN106200415A (zh) * | 2016-07-07 | 2016-12-07 | 西安建筑科技大学 | 一种基于物理特性的建筑热环境控制建模方法 |
CN108700851A (zh) * | 2015-10-30 | 2018-10-23 | 环球设计有限公司 | 用于预测能量消耗的***、方法和基于云的平台 |
Families Citing this family (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
AT514241A1 (de) | 2013-04-30 | 2014-11-15 | Blue Sky Wetteranalysen Traunmüller U Reingruber Og | Steuerung einer Vorrichtung in Abhängigkeit von prognostizierten Umgebungsparametern |
CN103761578B (zh) * | 2013-12-25 | 2017-10-31 | 国家电网公司 | 基于多元线性回归的太阳辐照预报方法 |
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 |
FR3022660B1 (fr) * | 2014-06-23 | 2016-10-21 | Electricite De France | Dispositif d'affichage d'informations energetiques concernant au moins un batiment |
FR3038716B1 (fr) * | 2015-07-06 | 2021-01-01 | Qivivo | Procede de determination d'un diagnostic thermique d'un batiment |
DE102016015503B4 (de) | 2016-12-24 | 2022-09-08 | Consolar Solare Energiesysteme Gmbh | Verfahren zur Temperierung mindestens eines Gebäuderaums mit Prognose und Optimierung der Energieaufnahme |
CN111597609B (zh) * | 2020-04-28 | 2023-03-24 | 马辰龙 | 一种包含太阳辐射的基本运算单元及应用该单元的建筑能耗快速模拟方法 |
CN111753470B (zh) * | 2020-06-30 | 2022-09-16 | 桂林电子科技大学 | 一种基于粗糙集和深度置信神经网络的建筑能耗预测方法 |
CN112686442A (zh) * | 2020-12-29 | 2021-04-20 | 博锐尚格科技股份有限公司 | 基于运行多样性空调末端能耗预测方法和*** |
IT202200011294A1 (it) | 2022-05-27 | 2023-11-27 | Ariston S P A | Stimatore dei consumi energetici per sistemi di climatizzazione |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
GB2212949A (en) * | 1987-11-26 | 1989-08-02 | Stonecrest Limited | Energy management system |
WO2007061357A1 (en) * | 2005-11-22 | 2007-05-31 | Sveriges Meteorologiska Och Hydrologiska Institut | Method of controlling the heating of a building at a desired level |
CN201262704Y (zh) * | 2008-08-25 | 2009-06-24 | 西安建筑科技大学 | 一种用于住宅节能的无线监控装置 |
US7881889B2 (en) * | 2005-12-21 | 2011-02-01 | Barclay Kenneth B | Method and apparatus for determining energy savings by using a baseline energy use model that incorporates an artificial intelligence algorithm |
Family Cites Families (17)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JPH0821650A (ja) * | 1994-07-06 | 1996-01-23 | Toshiba Corp | ビル制御装置 |
JPH08210689A (ja) * | 1995-02-07 | 1996-08-20 | Hitachi Plant Eng & Constr Co Ltd | 空調熱負荷予測システム |
JP3585021B2 (ja) * | 1997-08-22 | 2004-11-04 | 三菱電機株式会社 | 蓄熱装置及び蓄熱装置の運転方法 |
JP4659304B2 (ja) * | 2001-09-21 | 2011-03-30 | 大阪瓦斯株式会社 | 住宅のエネルギー消費量演算用データ作成装置 |
KR100701110B1 (ko) * | 2002-03-28 | 2007-03-30 | 로버트쇼 컨트롤즈 캄파니 | 에너지 관리 시스템 및 방법 |
JP2005037109A (ja) * | 2003-07-17 | 2005-02-10 | Hitachi Lighting Ltd | 空調照明連動制御システム |
US7502768B2 (en) * | 2004-02-27 | 2009-03-10 | Siemens Building Technologies, Inc. | System and method for predicting building thermal loads |
JP4410046B2 (ja) * | 2004-07-12 | 2010-02-03 | 三菱電機株式会社 | 空調熱源設備の熱負荷予測装置および方法 |
JP4392604B2 (ja) * | 2004-09-07 | 2010-01-06 | 清水建設株式会社 | 空調負荷予測方法 |
US7894943B2 (en) * | 2005-06-30 | 2011-02-22 | Sloup Charles J | Real-time global optimization of building setpoints and sequence of operation |
PL2013669T3 (pl) * | 2006-05-03 | 2012-08-31 | Lightwave Tech Limited | Sposób optymalizacji zużycia energii |
US7925552B2 (en) * | 2008-03-13 | 2011-04-12 | Solarcity Corporation | Renewable energy system monitor |
US20100010939A1 (en) * | 2008-07-12 | 2010-01-14 | David Arfin | Renewable energy system business tuning |
US20100235206A1 (en) * | 2008-11-14 | 2010-09-16 | Project Frog, Inc. | Methods and Systems for Modular Buildings |
FR2941328B1 (fr) * | 2009-01-19 | 2012-11-02 | Commissariat Energie Atomique | Procede de prevision de la production electrique d'un dispositif photovoltaique |
US8855830B2 (en) * | 2009-08-21 | 2014-10-07 | Allure Energy, Inc. | Energy management system and method |
GB201005320D0 (en) * | 2010-03-30 | 2010-05-12 | Telepure Ltd | Improvements in controllers, particularly controllers for use in heating, ventilation and air conditioning systems |
-
2011
- 2011-05-11 FR FR1154057A patent/FR2975206B1/fr not_active Expired - Fee Related
-
2012
- 2012-05-11 AU AU2012252299A patent/AU2012252299A1/en not_active Abandoned
- 2012-05-11 CN CN201280031332.5A patent/CN103649852A/zh active Pending
- 2012-05-11 EP EP12723418.5A patent/EP2707781B1/fr active Active
- 2012-05-11 JP JP2014509766A patent/JP6104235B2/ja active Active
- 2012-05-11 BR BR112013028854A patent/BR112013028854A2/pt not_active IP Right Cessation
- 2012-05-11 ES ES12723418.5T patent/ES2568911T3/es active Active
- 2012-05-11 US US14/116,682 patent/US9507333B2/en active Active
- 2012-05-11 WO PCT/EP2012/058837 patent/WO2012152939A1/fr active Application Filing
-
2013
- 2013-11-19 ZA ZA2013/08673A patent/ZA201308673B/en unknown
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
GB2212949A (en) * | 1987-11-26 | 1989-08-02 | Stonecrest Limited | Energy management system |
WO2007061357A1 (en) * | 2005-11-22 | 2007-05-31 | Sveriges Meteorologiska Och Hydrologiska Institut | Method of controlling the heating of a building at a desired level |
US7881889B2 (en) * | 2005-12-21 | 2011-02-01 | Barclay Kenneth B | Method and apparatus for determining energy savings by using a baseline energy use model that incorporates an artificial intelligence algorithm |
CN201262704Y (zh) * | 2008-08-25 | 2009-06-24 | 西安建筑科技大学 | 一种用于住宅节能的无线监控装置 |
Non-Patent Citations (1)
Title |
---|
李爱旗等: "居住建筑能耗预测分析方法的研究", 《建筑科学》, vol. 23, no. 8, 31 August 2007 (2007-08-31), pages 32 - 35 * |
Cited By (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104699991A (zh) * | 2015-03-30 | 2015-06-10 | 哈尔滨工业大学 | 基于灰色***理论的城镇供热***年供热量预测方法 |
CN104699991B (zh) * | 2015-03-30 | 2017-11-07 | 哈尔滨工业大学 | 基于灰色***理论的城镇供热***年供热量预测方法 |
CN108700851A (zh) * | 2015-10-30 | 2018-10-23 | 环球设计有限公司 | 用于预测能量消耗的***、方法和基于云的平台 |
CN106200415A (zh) * | 2016-07-07 | 2016-12-07 | 西安建筑科技大学 | 一种基于物理特性的建筑热环境控制建模方法 |
CN106200415B (zh) * | 2016-07-07 | 2020-09-11 | 西安建筑科技大学 | 一种基于物理特性的建筑热环境控制建模方法 |
Also Published As
Publication number | Publication date |
---|---|
FR2975206A1 (fr) | 2012-11-16 |
US20150148976A1 (en) | 2015-05-28 |
EP2707781A1 (fr) | 2014-03-19 |
FR2975206B1 (fr) | 2014-04-04 |
ZA201308673B (en) | 2015-02-25 |
AU2012252299A1 (en) | 2013-11-28 |
WO2012152939A1 (fr) | 2012-11-15 |
BR112013028854A2 (pt) | 2017-08-01 |
US9507333B2 (en) | 2016-11-29 |
EP2707781B1 (fr) | 2016-02-03 |
ES2568911T3 (es) | 2016-05-05 |
JP6104235B2 (ja) | 2017-03-29 |
JP2014514585A (ja) | 2014-06-19 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN103649852A (zh) | 建筑物能量消耗的预测方法 | |
CN107120721B (zh) | 一种集中供热动态气候补偿方法 | |
JP5572799B2 (ja) | 空調システム制御装置 | |
Zhou et al. | A grey‐box model of next‐day building thermal load prediction for energy‐efficient control | |
Reynders et al. | Quality of grey-box models and identified parameters as function of the accuracy of input and observation signals | |
US10963605B2 (en) | System and method for building heating optimization using periodic building fuel consumption with the aid of a digital computer | |
JP5931281B2 (ja) | 空調システム制御装置 | |
US11859838B2 (en) | System and method for aligning HVAC consumption with renewable power production with the aid of a digital computer | |
US12031965B2 (en) | System and method for monitoring occupancy of a building using a CO2 concentration monitoring device | |
CN103180704B (zh) | 用于确定房屋的热损耗系数的方法和装置 | |
EP2944891B1 (en) | Room temperature estimating device, program | |
JP2007003096A (ja) | 空調制御装置 | |
CN110007613B (zh) | 用于储热式电暖器的用暖预测方法、***及存储介质 | |
KR101301123B1 (ko) | 냉난방부하 예측방법 | |
Nikovski et al. | A method for computing optimal set-point schedules for HVAC systems | |
CN106605105A (zh) | 具有浮动指令的实时智能恒温器 | |
KR102458327B1 (ko) | 대상 구역의 온도 변화량 예측 장치 및 방법 | |
Biyik et al. | Cloud-based model predictive building thermostatic controls of commercial buildings: Algorithm and implementation | |
Abtahi et al. | Control-oriented thermal network models for predictive load management in Canadian houses with on-Site solar electricity generation: application to a research house | |
WO2014109291A1 (ja) | 部屋の熱特性推定装置、プログラム | |
Kummert et al. | Using MPC to reduce the peak demand associated with electric heating | |
LeBreux et al. | Control of a hybrid solar/electric thermal energy storage system | |
Du et al. | Thermal modelling for demand response of residential buildings | |
Scott et al. | Home heating using gps-based arrival prediction | |
CN109543235B (zh) | 一种基于参数库构建的分散式电采暖负荷建模***及其建模方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
WD01 | Invention patent application deemed withdrawn after publication | ||
WD01 | Invention patent application deemed withdrawn after publication |
Application publication date: 20140319 |