JP7075944B2 - 予測建物制御システムと同システム内の機器を動作させる方法 - Google Patents
予測建物制御システムと同システム内の機器を動作させる方法 Download PDFInfo
- Publication number
- JP7075944B2 JP7075944B2 JP2019556840A JP2019556840A JP7075944B2 JP 7075944 B2 JP7075944 B2 JP 7075944B2 JP 2019556840 A JP2019556840 A JP 2019556840A JP 2019556840 A JP2019556840 A JP 2019556840A JP 7075944 B2 JP7075944 B2 JP 7075944B2
- Authority
- JP
- Japan
- Prior art keywords
- building
- temperature
- constraint
- zone
- neural network
- 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.)
- Active
Links
Images
Classifications
-
- 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
- F24F11/62—Control or safety arrangements characterised by the type of control or by internal processing, e.g. using fuzzy logic, adaptive control or estimation of values
- F24F11/63—Electronic processing
-
- 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
-
- 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
- F24F11/46—Improving electric energy efficiency or saving
- F24F11/47—Responding to energy costs
-
- 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
- G05B13/04—Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion electric involving the use of models or simulators
- G05B13/048—Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion electric involving the use of models or simulators 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
-
- 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
- F24F11/50—Control or safety arrangements characterised by user interfaces or communication
- F24F11/56—Remote control
- F24F11/58—Remote control using Internet communication
-
- 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
- F24F11/70—Control systems characterised by their outputs; Constructional details thereof
- F24F11/80—Control systems characterised by their outputs; Constructional details thereof for controlling the temperature of the supplied air
- F24F11/83—Control systems characterised by their outputs; Constructional details thereof for controlling the temperature of the supplied air by controlling the supply of heat-exchange fluids to heat-exchangers
- F24F11/84—Control systems characterised by their outputs; Constructional details thereof for controlling the temperature of the supplied air by controlling the supply of heat-exchange fluids to heat-exchangers using valves
-
- F—MECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
- F24—HEATING; RANGES; VENTILATING
- F24F—AIR-CONDITIONING; AIR-HUMIDIFICATION; VENTILATION; USE OF AIR CURRENTS FOR SCREENING
- F24F2110/00—Control inputs relating to air properties
- F24F2110/10—Temperature
-
- F—MECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
- F24—HEATING; RANGES; VENTILATING
- F24F—AIR-CONDITIONING; AIR-HUMIDIFICATION; VENTILATION; USE OF AIR CURRENTS FOR SCREENING
- F24F2110/00—Control inputs relating to air properties
- F24F2110/10—Temperature
- F24F2110/12—Temperature of the outside air
-
- 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
Landscapes
- Engineering & Computer Science (AREA)
- Artificial Intelligence (AREA)
- Physics & Mathematics (AREA)
- Evolutionary Computation (AREA)
- Automation & Control Theory (AREA)
- General Physics & Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Software Systems (AREA)
- Medical Informatics (AREA)
- Health & Medical Sciences (AREA)
- Chemical & Material Sciences (AREA)
- Combustion & Propulsion (AREA)
- Mechanical Engineering (AREA)
- Signal Processing (AREA)
- Fuzzy Systems (AREA)
- Mathematical Physics (AREA)
- Air Conditioning Control Device (AREA)
Description
本出願は、2017年4月25日出願の米国仮特許出願第62/489,975号の利益及び優先権を主張し、上記仮特許出願の開示全体を参照により本明細書に援用する。
ここで、図1~図3を参照すると、いくつかの実施形態による、本開示のシステム及び方法を実施することができるビルディング及びHVACシステムが示されている。簡単な概要として、図1は、HVACシステム100を備えたビルディング10を示す。図2は、ビルディング10にサービス提供するために使用することができるウォーターサイドシステム200のブロック図である。図3は、ビルディング10にサービス提供するために使用することができるエアサイドシステム300のブロック図である。
特に図1を参照すると、ビルディング10の斜視図が示されている。ビルディング10は、BMSによってサービス提供される。BMSは、一般に、ビルディング又はビルディングエリアの内部又は周辺の機器を制御、監視、及び管理するように構成されたデバイスのシステムである。BMSは、例えば、HVACシステム、セキュリティシステム、照明システム、火災警報システム、ビルディングの機能若しくはデバイスを管理することが可能な任意の他のシステム、又はそれらの任意の組合せを含むことができる。
次に図2を参照すると、いくつかの実施形態によるウォーターサイドシステム200のブロック図が示されている。様々な実施形態において、ウォーターサイドシステム200は、HVACシステム100内のウォーターサイドシステム120を補助するか、若しくはそれに置き代わってもよく、又はHVACシステム100とは別個に実装されてもよい。HVACシステム100に実装されるとき、ウォーターサイドシステム200は、HVACシステム100内のHVACデバイスのサブセット(例えばボイラ104、冷却器102、ポンプ、弁など)を含んでもよく、加熱又は冷却された流体をAHU106に供給するように動作し得る。ウォーターサイドシステム200のHVACデバイスは、ビルディング10内に(例えばウォーターサイドシステム120の構成要素として)位置しても、中央プラントなど場外の位置に位置してもよい。
次に図3を参照すると、いくつかの実施形態によるエアサイドシステム300のブロック図が示されている。様々な実施形態において、エアサイドシステム300は、HVACシステム100内のエアサイドシステム130を補助するか、若しくはそれに置き代わってもよく、又はHVACシステム100とは別個に実装されてもよい。HVACシステム100に実装されるとき、エアサイドシステム300は、HVACシステム100内のHVACデバイスのサブセット(例えばAHU106、VAVユニット116、ダクト112~114、ファン、ダンパなど)を含んでもよく、ビルディング10内又は周辺に位置し得る。エアサイドシステム300は、ウォーターサイドシステム200によって提供される加熱又は冷却された流体を使用して、ビルディング10に提供される気流を加熱又は冷却するように動作し得る。
まず、図4~図5を参照すれば、いくつかの実施形態による、予測制御を有する建物エネルギーシステム400が示されている。システム400において示されているコンポーネントのいくつかは、図1~図3を参照して説明したように、HVACシステム100、ウォーターサイドシステム200、及び/又はエアサイドシステム300の一部分であってよい。例えば、システム400は、1つ又は複数の建物404と、中央プラント406と、を含むキャンパス402を含むものとして示されている。建物404は、建物404にサービスするように構成された様々な建物機器(例えば、HVAC機器)のいずれかを含むことができる。例えば、建物404は、1つ又は複数のエアハンドリングユニット、ルーフトップユニット、冷却器、ボイラ、可変冷媒流量(VRF:Variable Refrigerant Flow)システム、或いは、建物404に対する加熱又は冷却を提供するべく動作可能なその他のHVAC機器を含むことができる。中央プラント406は、ウォーターサイドシステム200のコンポーネント(例えば、加熱器サブプラント202、熱回収冷却器サブプラント204、冷却器サブプラント206、冷却塔サブプラント208、高温熱エネルギー貯蔵(TES:Thermal Energy Storage)サブプラント210、及び低温熱エネルギー貯蔵(TES)サブプラント212など)のうちのいくつか又はすべてを含むことができる。中央プラントの機器(例えば、ウォーターサイド機器)は、建物404に対する加熱又は冷却を提供するべく、建物404の機器(例えば、エアサイド機器)との組み合わせにおいて使用することができる。
次に図6を参照すれば、例示用の一実施形態による、予測コントローラ420を更に詳細に示すブロック図が示されている。予測コントローラ420は、通信インターフェイス602と、処理回路604と、を含むものとして示されている。通信インターフェイス602は、予測コントローラ420と外部システム又は装置との間の通信を促進することができる。例えば、通信インターフェイス602は、ゾーン温度センサ622からのゾーン温度Tzoneの計測値と、キャンパス402の電力使用法の計測値と、を受け取ることができる。いくつかの実施形態においては、通信インターフェイス602は、電池414の充電の状態(SOC)の計測値を受け取っており、これは、最大電池容量の百分率(即ち、電池%)として提供することができる。同様に、通信インターフェイス602は、グリーンエネルギー生成408によって生成された電力の量の通知を受け取ってもよく、これは、最大グリーン電力生成の百分率(即ち、グリーン%)として提供することができる。通信インターフェイス602は、天気予報サービス618からの天気予報と、電気事業616からの予測エネルギー費用及び需要費用と、を受け取ることができる。いくつかの実施形態においては、予測コントローラ420は、制御信号をキャンパス402及び電池電力インバータ416に提供するべく、通信インターフェイス602を使用している。
経済コントローラ610は、最適化期間のそれぞれの時間ステップにおける、エネルギーグリッド412から購入するべき最適な電力の量(即ち、グリッド電力設定点Psp,grid)、電池414に保存し又はこれから放電するべき最適な電力の量(即ち、電池電力設定点Psp,bat)、及び/又はキャンパス402によって消費されるべき最適な電力の量(即ち、キャンパス電力設定点Psp,campus)を判定するべく、予測費用関数を最適化するように構成することができる。経済コントローラ610によって最適化されうる予測費用関数の一例が、以下の式において示されている。
minJ(x)subject to Ax≦b,Hx=g
ここで、xは、予測費用関数Jにおける決定変数の行列であり(例えば、PCPO、PRTU、PVRF、PAHU、Pgrid、Pbatなど)、A及びbは、最適化問題に対する不等式制約を記述する(それぞれ)行列及びベクトルであり、H及びgは、最適化問題に対する等式制約を記述する(それぞれ)行列及びベクトルである。不等式制約及び等式制約は、以下において更に詳細に記述される制約生成器620により、生成することができる。
x=[PCPO,1…h,PRTU,1…h,PVRF,1…h,PAHU,1…h,Pgrid,1…h,Pbat,1…h]T
ここで、PCPO,1…h、PRTU,1…h、PVRF,1…h、PAHU,1…h、Pgrid,1…h、及びPbat,1…hは、最適化期間のh個の時間ステップのそれぞれにおける、中央プラント406、建物404の1つ又は複数のRTU、建物404のVRFシステム、建物404の1つ又は複数のAHUの電力消費、エネルギーグリッド412から購入された電力、電池414に保存された又はこれから放電された電力を表すh次元のベクトルである。
追跡コントローラ612は、最適な温度設定点(例えば、ゾーン温度設定点Tsp,zone、供給空気温度設定点Tsp,saなど)及び最適な電池充電又は放電レート(即ち、BatC/D)を判定するべく、経済コントローラ610によって生成される最適な電力設定点(例えば、Psp,bat、Psp,grid、Psp,CPO、Psp,AHU、Psp,VRF、Psp,RTU、Psp,campusなど)を使用することができる。いくつかの実施形態においては、追跡コントローラ612は、キャンパス402用の電力設定点(例えば、Psp,CPO、Psp,AHU、Psp,VRF、Psp,RTU、Psp,campus)を実現するべく予想されるゾーン温度設定点Tsp,zone及び/又は供給空気温度設定点Tsp,saを生成している。換言すれば、追跡コントローラ612は、キャンパス402が、経済コントローラ610によって判定された最適な量の電力Pcampusを消費するようにするゾーン温度設定点Tsp,zone及び/又は供給空気温度設定点Tsp,saを生成することができる。
vair=f3(Tzone,Tsp,zone)
ここで、vairは、建物ゾーンに対する気流(即ち、制御動作)のレートである。ゾーン規制コントローラモデルは、制約生成器620によって生成することができると共に、最適化問題に対する制約として実装することができる。
vcampus=f4(Tzone,Tsp,zone)
関数f4は、データから識別することができる。例えば、追跡コントローラ612は、Pcampus及びTzoneの計測値を収集することが可能であり、且つ、Tsp,zoneの対応する値を識別することができる。追跡コントローラ612は、このような変数の間の関係を定義する関数f4を判定するべく、トレーニングデータとして、収集されたPcampus、Tzone、及びTsp,zoneの値を使用することにより、システム識別プロセスを実行することができる。ゾーン温度モデルを制約生成器620によって生成することができると共に、最適化問題に対する制約として実装することができる。
vcampus=f5(Tzone,Tsp,sa)
関数f5は、データから識別することができる。例えば、追跡コントローラ612は、Pcampus及びTzoneの計測値を収集することが可能であり、且つ、Tsp,saの対応する値を識別することができる。追跡コントローラ612は、このような変数の間の関係を定義する関数f5を判定するべく、トレーニングデータとして、収集されたPcampus、Tzone、及びTsp,saの値を使用することにより、システム識別プロセスを実行することができる。電力消費モデルは、制約生成器620によって生成することができると共に、最適化問題に対する制約として実装することができる。
機器コントローラ614は、キャンパス402用の制御信号を生成するべく、追跡コントローラ612によって生成された最適な温度設定点Tsp,zone又はTsp,saを使用することができる。機器コントローラ614によって生成された制御信号は、実際の(例えば、計測された)温度Tzone及び/又はTsaを設定点に駆動することができる。機器コントローラ614は、キャンパス402用の制御信号を生成するべく、様々な制御技法のいずれかを使用することができる。例えば、機器コントローラ614は、キャンパス402用の制御信号を生成するべく、状態に基づいたアルゴリズム、極値探索制御(ESC:Extremum seeking Control)アルゴリズム、比例-積分(PI:Proportional-Integral)制御アルゴリズム、比例-積分-微分(PID:Proportional-Integral-Derivative)制御アルゴリズム、モデル予測制御(MPC:Model Predictive Control)アルゴリズム、又はその他のフィードバック制御アルゴリズムを使用することができる。
更に図6を参照すれば、予測コントローラ420は、制約生成器620を含むものとして示されている。制約生成器620は、経済コントローラ610及び追跡コントローラ612によって実行される最適化プロセスに対する制約を生成及び適用するように構成することができる。例えば、制約生成器620は、最適な電力設定点を生成するべく、不等式制約及び等式制約を経済コントローラ610によって実行される予測費用関数Jの最適化に対して課すことができる。又、制約生成器620は、最適な温度設定点を生成するべく、追跡コントローラ612によって実行される最適化に対して制約を課すことができる。
vair=f1(Tzone,Tsp,zone)
ここで、vairは、建物ゾーンに対する気流(即ち、制御動作)のレートである。いくつかの実施形態においては、vairは、AHUファン又はRTUファンの速度に依存しており、且つ、PAHU及び/又はPRTUの関数であってよい。制約生成器620は、PAHU又はPRTUの関数としてvairを定義するべく、AHU又はRTU用の機器モデル又は製造者仕様を使用することができる。関数f1は、データから識別することができる。例えば、制約生成器620は、vair及びTzoneの計測値を収集することが可能であり、且つ、対応するTsp,zoneの値を識別することができる。制約生成器620は、このような変数の間の関係を定義する関数f1を判定するべく、トレーニングデータとして、収集されたvair、Tzone、及びTsp,zoneの値を使用することにより、システム識別プロセスを実行することができる。
ここで、
Pbat≦Prated
-Pbat≦Prated
ここで、Pbatは、電池414から放電された電力の量であり、且つ、Pratedは、電池414の定格電池電力(例えば、電池414が充電又は放電されうる最大レート)である。これらの電力制約は、電池414が、最大可能電池充電/放電レートPratedを超過するレートにおいて、充電又は放電されないことを保証している。
Ca(k)-Pbat(k)Δt≦Crated
Ca(k)-Pbat(k)Δt≧0
ここで、Ca(k)は、時間ステップkの開始時点における利用可能な電池容量(例えば、kWh)であり、Pbat(k)は、電池414が時間ステップkにおいて放電されるレート(例えば、kW)であり、Δtは、それぞれの時間ステップの持続時間であり、且つ、Cratedは、電池414の最大定格容量(例えば、kWh)である。項Pbat(k)Δtは、時間ステップkにおける電池容量の変化を表している。これらの容量制約は、電池414の容量が、ゼロと最大定格容量Cratedの間において維持されることを保証している。
0≦Pcampus(k)≦Pcampus,max
Pcampus(k)=Psp,grid(k)+Psp,bat(k)+Pgreen(k)
ここで、キャンパス402に提供される合計電力Pcampusは、グリッド電力設定点Psp,grid、電池電力設定点Psp,bat、及びグリーン電力生成Pgreenの合計である。
次に図7を参照すれば、例示用の一実施形態による制約生成器620を更に詳しく示すブロック図が示されている。制約生成器620は、ニューラルネットワークモデラ706と、不等式制約生成器708と、等式制約生成器710と、を含むものとして示されている。いくつかの実施形態においては、制約生成器620の1つ又は複数のコンポーネントは、単一のコンポーネントに組み合わせられている。但し、図7においては、コンポーネントは、説明の容易性を目的として、分離された状態において示されている。
様々な例示的実施形態に示したようなシステム及び方法の構成及び配置は、例示的なものにすぎない。本開示ではいくつかの実施形態のみを詳細に述べているが、多くの変更が可能である(例えば、様々な要素のサイズ、寸法、構造、形状、及び広さ、パラメータの値、取付け配置、材料の使用、色、向きなど)。例えば、要素の位置が逆にされてもよく、又は他の形で変更されてもよく、個々の要素の性質若しくは数又は位置が変化又は変更されてもよい。したがって、そのような変更は全て本開示の範囲内に含まれることが意図される。任意のプロセス又は方法ステップの順序又は並びは、代替実施形態に従って変更されか又は並べ替えられてもよい。本開示の範囲から逸脱することなく、例示的実施形態の設計、動作条件、及び配置について、他の置換、修正、変更、及び省略が行われてもよい。
Claims (20)
- 予測建物制御のシステムであって、
建物に対する加熱及び冷却を提供するべく動作可能な機器と、
予測コントローラと
を有し、
前記予測コントローラは、
制約を受ける変数のための閾値を含む1つ又は複数の制約に従って最適化期間のそれぞれの時間ステップにおける前記機器用の設定点を生成するべく、最適化を実行するように構成された1つ又は複数の最適化コントローラと、
ニューラルネットワークモデルを使用して前記1つ又は複数の制約の前記閾値を生成し、前記閾値を前記ニューラルネットワークモデルへの一つ又は複数の時変入力の関数として経時的に調節するように構成された制約生成器と、
前記最適化期間のそれぞれの時間ステップにおいて前記1つ又は複数の最適化コントローラによって生成された前記設定点を実現するべく、前記機器を動作させるように構成された機器コントローラと
を有する、システム。 - 前記制約生成器は、
前記制約生成器によって生成された前記制約を満足であるか又は不満足であるとして分類することと、
前記制約生成器によって生成された前記制約が、満足であると分類されているのか、又は不満足であると分類されているのか、に基づいて、前記ニューラルネットワークモデルをトレーニングすることと
を行うように構成されたニューラルネットワークモデラを有する、請求項1に記載のシステム。 - 前記制約生成器は、
前記制約生成器によって生成された前記制約の性能スコアを生成することと、
前記性能スコアを使用することにより、前記ニューラルネットワークモデルをトレーニングすることと
を行うように構成されたニューラルネットワークモデラを有する、請求項1に記載のシステム。 - 前記機器は、前記建物内の建物ゾーンのゾーン温度に影響を及ぼすべく動作する建物機器を有し、
前記設定点は、前記最適化期間のそれぞれの時間ステップにおける前記建物ゾーン用のゾーン温度設定点を有し、
前記制約は、前記ゾーン温度設定点に関する1つ又は複数の温度境界を有する、請求項1に記載のシステム。 - 前記制約生成器は、
前記1つ又は複数の最適化コントローラによって生成された前記設定点に対する手動調節を検出することと、
前記制約生成器によって生成された前記制約の性能スコアを生成するべく、前記手動調節の大きさを使用することと、
前記性能スコアを使用することにより、前記ニューラルネットワークモデルをトレーニングすることと
を行うように構成されたニューラルネットワークモデラを有する、請求項4に記載のシステム。 - 前記機器は、前記建物に提供される冷水出力又は熱水出力の水温に影響を及ぼすべく動作する中央プラント機器を有し、
前記設定点は、前記最適化期間のそれぞれの時間ステップにおける前記冷水出力又は前記熱水出力用の水温設定点を有し、
前記制約は、前記水温設定点に関する1つ又は複数の温度境界を有する、請求項1に記載のシステム。 - 前記制約生成器は、
1つ又は複数の熱交換器を通じた前記冷水出力又は前記熱水出力の流量を調節する流量制御弁の弁位置を検出することと、
前記制約生成器によって生成された前記制約の性能スコアを生成するべく、前記検出された弁位置と完全開放弁位置の間の差を使用することと、
前記性能スコアを使用することにより、前記ニューラルネットワークモデルをトレーニングすることと
を行うように構成されたニューラルネットワークモデラを有する、請求項6に記載のシステム。 - 前記ニューラルネットワークモデルは、
1つ又は複数の入力ニューロンを有する入力層と、
1つ又は複数の出力ニューロンを有する出力層と、
前記入力層と前記出力層の間の中間層の1つ又は複数の組であって、前記中間層のそれぞれの組は、畳み込み層、整流線形ユニット(ReLU)層、及びプーリング層を有する、中間層の1つ又は複数の組と
を有する畳み込みニューラルネットワークモデルである、請求項1に記載のシステム。 - 前記入力ニューロンは、
外気温、
特定の曜日、
特定の日付、又は、
前記建物の占有状態
のうちの少なくとも一方に対する時変値を有する、請求項8に記載のシステム。 - 前記出力ニューロンは、
前記最適化期間のそれぞれの時間ステップにおける、前記1つ又は複数の最適化コントローラによって生成された前記設定点に関する最小境界、又は、
前記最適化期間のそれぞれの時間ステップにおける、前記1つ又は複数の最適化コントローラによって生成された前記設定点に関する最大境界
のうちの少なくとも一方に対する値を有する請求項8に記載のシステム。 - 予測建物制御システム内の機器を動作させる方法であって、
制約を受ける変数のための時変閾値を取得するべく、時変入力の組をニューラルネットワークモデルに適用することにより、1つ又は複数の制約を生成及び調節することと、
前記1つ又は複数の制約に従って最適化期間のそれぞれの時間ステップにおける前記機器用の設定点を生成するべく、最適化を実行することと、
前記最適化期間のそれぞれの時間ステップにおいて前記設定点を実現するべく、前記機器を動作させることと
を有する方法。 - 前記制約を満足であるか又は不満足であるとして分類することと、
前記制約が、満足であると分類されているのか、又は不満足であると分類されているのか、に基づいて、前記ニューラルネットワークモデルをトレーニングすることと
を更に有する、請求項11に記載の方法。 - 前記制約の性能スコアを生成することと、
前記性能スコアを使用することにより、前記ニューラルネットワークモデルをトレーニングすることと
を更に有する、請求項11に記載の方法。 - 前記機器は、建物ゾーンのゾーン温度に影響を及ぼすべく動作する建物機器を有し、
前記設定点は、前記最適化期間のそれぞれの時間ステップにおける前記建物ゾーン用のゾーン温度設定点を有し、
前記制約は、前記ゾーン温度設定点に関する1つ又は複数の温度境界を有する、請求項11に記載の方法。 - 前記最適化を実行することによって生成された前記設定点に対する手動調節を検出することと、
前記制約の性能スコアを生成するべく、前記手動調節の大きさを使用することと、
前記性能スコアを使用することにより、前記ニューラルネットワークモデルをトレーニングすることと
を更に有する、請求項14に記載の方法。 - 前記機器は、建物に提供される冷水出力又は熱水出力の水温に影響を及ぼすべく動作する中央プラント機器を有し、
前記設定点は、前記最適化期間のそれぞれの時間ステップにおける前記冷水出力又は前記熱水出力用の水温設定点を有し、
前記制約は、前記水温設定点に関する1つ又は複数の温度境界を有する、請求項11に記載の方法。 - 1つ又は複数の熱交換器を通じて前記冷水出力又は前記熱水出力の流量を調節する流量制御弁の弁位置を検出することと、
前記制約の性能スコアを生成するべく、前記検出された弁位置と完全開放弁位置の間の差を使用することと、
前記性能スコアを使用することにより、前記ニューラルネットワークモデルをトレーニングすることと
を更に有する、請求項16に記載の方法。 - 前記ニューラルネットワークモデルは、
1つ又は複数の入力ニューロンを有する入力層と、
1つ又は複数の出力ニューロンを有する出力層と、
前記入力層と前記出力層の間の中間層の1つ又は複数の組であって、前記中間層のそれぞれの組は、畳み込み層、整流線形ユニット(ReLU)層、及びプーリング層を有する、中間層の1つ又は複数の組と
を有する畳み込みニューラルネットワークモデルである、請求項11に記載の方法。 - 前記入力ニューロンは、
屋外気温、
特定の曜日、
特定の日付、又は、
建物の占有状態
のうちの少なくとも1つに対する時変値を有する、請求項18に記載の方法。 - 前記出力ニューロンは、
前記最適化期間のそれぞれの時間ステップについて前記最適化を実行することによって生成された前記設定点に関する最小境界、又は、
前記最適化期間のそれぞれの時間ステップについて前記最適化を実行することによって生成された前記設定点に関する最大境界
のうちの少なくとも一方に対する値を有する、請求項18に記載の方法。
Applications Claiming Priority (3)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
US201762489975P | 2017-04-25 | 2017-04-25 | |
US62/489,975 | 2017-04-25 | ||
PCT/US2018/027657 WO2018200225A1 (en) | 2017-04-25 | 2018-04-13 | Predictive building control system with neural network based constraint generation |
Publications (2)
Publication Number | Publication Date |
---|---|
JP2020517886A JP2020517886A (ja) | 2020-06-18 |
JP7075944B2 true JP7075944B2 (ja) | 2022-05-26 |
Family
ID=62116584
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2019556840A Active JP7075944B2 (ja) | 2017-04-25 | 2018-04-13 | 予測建物制御システムと同システム内の機器を動作させる方法 |
Country Status (5)
Country | Link |
---|---|
US (2) | US10845083B2 (ja) |
EP (1) | EP3616007A1 (ja) |
JP (1) | JP7075944B2 (ja) |
CN (1) | CN110753886B (ja) |
WO (1) | WO2018200225A1 (ja) |
Families Citing this family (36)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US11371739B2 (en) | 2017-04-25 | 2022-06-28 | Johnson Controls Technology Company | Predictive building control system with neural network based comfort prediction |
US11675322B2 (en) | 2017-04-25 | 2023-06-13 | Johnson Controls Technology Company | Predictive building control system with discomfort threshold adjustment |
JP7075944B2 (ja) * | 2017-04-25 | 2022-05-26 | ジョンソン コントロールズ テクノロジー カンパニー | 予測建物制御システムと同システム内の機器を動作させる方法 |
US10146237B2 (en) * | 2017-04-28 | 2018-12-04 | Johnson Controls Technology Company | Smart thermostat with model predictive control |
US11271769B2 (en) | 2019-11-14 | 2022-03-08 | Johnson Controls Tyco IP Holdings LLP | Central plant control system with asset allocation override |
US10935940B2 (en) | 2017-08-03 | 2021-03-02 | Johnson Controls Technology Company | Building management system with augmented deep learning using combined regression and artificial neural network modeling |
US10838375B2 (en) * | 2017-12-12 | 2020-11-17 | Distech Controls Inc. | Inference server and environment controller for inferring via a neural network one or more commands for controlling an appliance |
US10908561B2 (en) | 2017-12-12 | 2021-02-02 | Distech Controls Inc. | Environment controller and method for inferring one or more commands for controlling an appliance taking into account room characteristics |
US10895853B2 (en) * | 2017-12-12 | 2021-01-19 | Distech Controls Inc. | Inference server and environment controller for inferring one or more commands for controlling an appliance taking into account room characteristics |
US10845768B2 (en) * | 2017-12-12 | 2020-11-24 | Distech Controls Inc. | Environment controller and method for inferring via a neural network one or more commands for controlling an appliance |
JP6835905B2 (ja) | 2018-05-07 | 2021-02-24 | 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 | 費用標的が最適化されるシステム、方法及び非一時的コンピュータ可読媒体 |
CN110726273B (zh) * | 2018-07-16 | 2023-03-21 | 开利公司 | 用于致冷设备***中的节能冷冻水和冷凝器水温度重置的协调映射图 |
US12007732B2 (en) | 2019-07-12 | 2024-06-11 | Johnson Controls Tyco IP Holdings LLP | HVAC system with building infection control |
CN109631238A (zh) * | 2019-01-28 | 2019-04-16 | 宁波溪棠信息科技有限公司 | 一种提高空调***运行能效的控制***和控制方法 |
US11371737B2 (en) | 2019-07-08 | 2022-06-28 | Target Brands, Inc. | Optimization engine for energy sustainability |
US11226600B2 (en) | 2019-08-29 | 2022-01-18 | Johnson Controls Tyco IP Holdings LLP | Building control system with load curtailment optimization |
US11714393B2 (en) | 2019-07-12 | 2023-08-01 | Johnson Controls Tyco IP Holdings LLP | Building control system with load curtailment optimization |
US11099530B2 (en) | 2019-08-23 | 2021-08-24 | Johnson Controls Technology Company | Central plant control system with device geometric modeling and control |
US11144020B2 (en) | 2019-08-23 | 2021-10-12 | Johnson Controls Tyco IP Holdings LLP | Central plant control system with geometric modeling of operational sequences |
US11861482B2 (en) | 2019-08-26 | 2024-01-02 | Distech Controls Inc. | Training server and method for generating a predictive model of a neural network through distributed reinforcement learning |
US11460209B2 (en) * | 2019-08-26 | 2022-10-04 | Distech Controls Inc. | Environment controller and method for generating a predictive model of a neural network through distributed reinforcement learning |
US20220373211A1 (en) * | 2019-10-04 | 2022-11-24 | Enerbrain S.R.L. | Device and method for regulating a heating and/or cooling system |
CN110826258B (zh) * | 2019-12-06 | 2023-05-23 | 创新奇智(重庆)科技有限公司 | 基于时空卷积神经网络的数据中心机房仿真环境构建方法 |
US11402116B2 (en) | 2020-01-31 | 2022-08-02 | Johnson Controls Tyco IP Holdings LLP | Systems and methods for intervention control in a building management system |
US11732942B2 (en) | 2020-02-28 | 2023-08-22 | Johnson Controls Tyco IP Holdings LLP | Building system with automatic chiller anti-surge control |
CN111474965B (zh) * | 2020-04-02 | 2021-10-26 | 中国水利水电科学研究院 | 基于模糊神经网络的串联输水渠道水位预测与控制方法 |
US11895808B2 (en) * | 2020-05-27 | 2024-02-06 | Nvidia Corporation | Intelligent refrigeration-assisted data center liquid cooling |
CN111811110B (zh) * | 2020-08-28 | 2021-01-26 | 创新奇智(南京)科技有限公司 | 制冷机组的控制方法及装置、电子设备、存储介质 |
CA3192450A1 (en) * | 2020-09-11 | 2022-03-17 | Timothy A. Hammond | Variable capacity heat pump system |
US11615260B2 (en) | 2020-09-29 | 2023-03-28 | Servicenow Canada Inc. | Systems and methods for enforcing constraints in character recognition |
US11536483B1 (en) | 2020-10-28 | 2022-12-27 | Trane International Inc. | Model-based control of zone dampers in an HVAC system |
DE102021110036A1 (de) * | 2021-04-21 | 2022-10-27 | ebm-papst neo GmbH & Co. KG | Gebäudesteuersystem für wenigstens ein Gebäude |
US11892188B2 (en) | 2021-05-30 | 2024-02-06 | Trane International Inc. | Capacity control for HVAC system |
US11933513B2 (en) * | 2021-07-30 | 2024-03-19 | Johnson Controls Tyco IP Holdings LLP | Building control system with setpoint injection for online system identification |
CN114218867B (zh) * | 2021-12-20 | 2022-06-28 | 暨南大学 | 基于熵优化安全强化学习的特种设备流程控制方法及*** |
KR102635360B1 (ko) * | 2022-08-26 | 2024-02-08 | (주)이젝스 | 냉난방 장치를 위한 제어 시스템 및 그 제어 방법 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20110251726A1 (en) | 2006-05-03 | 2011-10-13 | Mcnulty Nicholas | Method of optimising energy consumption |
US20130085614A1 (en) | 2011-09-30 | 2013-04-04 | Johnson Controls Technology Company | Systems and methods for controlling energy use in a building management system using energy budgets |
JP2015095215A (ja) | 2013-11-14 | 2015-05-18 | 株式会社デンソーアイティーラボラトリ | 学習装置、学習プログラム、及び学習方法 |
JP2016527471A (ja) | 2013-07-29 | 2016-09-08 | アンビ ラブス リミテッド | 気候コントローラ |
US20160305678A1 (en) | 2015-04-20 | 2016-10-20 | Alexandre PAVLOVSKI | Predictive building control system and method for optimizing energy use and thermal comfort for a building or network of buildings |
Family Cites Families (79)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP3049266B2 (ja) * | 1991-11-05 | 2000-06-05 | 株式会社東芝 | 空調制御装置 |
US6145751A (en) * | 1999-01-12 | 2000-11-14 | Siemens Building Technologies, Inc. | Method and apparatus for determining a thermal setpoint in a HVAC system |
US7885820B1 (en) | 2000-07-19 | 2011-02-08 | Convergys Cmg Utah, Inc. | Expert system supported interactive product selection and recommendation |
US7376469B2 (en) | 2005-04-15 | 2008-05-20 | International Business Machines Corporation | Methods and apparatus for implementing manual and hybrid control modes in automated graphical indicators and controls |
US7536364B2 (en) * | 2005-04-28 | 2009-05-19 | General Electric Company | Method and system for performing model-based multi-objective asset optimization and decision-making |
US7274975B2 (en) * | 2005-06-06 | 2007-09-25 | Gridpoint, Inc. | Optimized energy management system |
US7519485B2 (en) * | 2005-12-21 | 2009-04-14 | Sterling Planet, Inc. | Method and apparatus for determining energy savings by using a baseline energy use model that incorporates a neural network algorithm |
US8527108B2 (en) | 2006-07-11 | 2013-09-03 | Regen Energy Inc. | Method and apparatus for managing an energy consuming load |
US7580775B2 (en) | 2006-07-11 | 2009-08-25 | Regen Energy Inc. | Method and apparatus for implementing enablement state decision for energy consuming load based on demand and duty cycle of load |
US8527109B2 (en) | 2006-07-11 | 2013-09-03 | Regen Energy Inc. | Method and apparatus for managing an energy consuming load |
WO2008086114A2 (en) | 2007-01-03 | 2008-07-17 | Gridpoint, Inc. | Utility console for controlling energy resources |
JP5178242B2 (ja) | 2008-02-29 | 2013-04-10 | 株式会社東芝 | エネルギー貯蔵装置の運転計画作成方法および運転計画作成装置 |
US8219249B2 (en) | 2008-09-15 | 2012-07-10 | Johnson Controls Technology Company | Indoor air quality controllers and user interfaces |
US8762942B2 (en) | 2008-10-03 | 2014-06-24 | Microsoft Corporation | Bidirectional type checking for declarative data scripting language |
US9047330B2 (en) | 2008-10-27 | 2015-06-02 | Ianywhere Solutions, Inc. | Index compression in databases |
US8364609B2 (en) | 2009-01-14 | 2013-01-29 | Integral Analytics, Inc. | Optimization of microgrid energy use and distribution |
US9020647B2 (en) | 2009-03-27 | 2015-04-28 | Siemens Industry, Inc. | System and method for climate control set-point optimization based on individual comfort |
RU2568377C2 (ru) | 2009-06-02 | 2015-11-20 | ШНАЙДЕР ЭЛЕКТРИК ЮЭсЭй, ИНК. | Способ интеграции нескольких доменов управления |
US8396572B2 (en) | 2009-09-11 | 2013-03-12 | Siemens Corporation | System and method for energy plant optimization using mixed integer-linear programming |
US20110071952A1 (en) | 2009-09-18 | 2011-03-24 | Gaffney Michael P | System and method of optimizing resource consumption |
US20110087988A1 (en) | 2009-10-12 | 2011-04-14 | Johnson Controls Technology Company | Graphical control elements for building management systems |
US8457802B1 (en) * | 2009-10-23 | 2013-06-04 | Viridity Energy, Inc. | System and method for energy management |
US20140163759A1 (en) | 2009-10-30 | 2014-06-12 | The Trustees Of Columbia University In The City Of New York | Digital building operating system with automated building and electric grid monitoring, forecasting, and alarm systems |
BR112012014622A2 (pt) | 2009-12-16 | 2019-05-14 | Commonwealth Scientific And Industrial Research Organisation | método de controle de sistema de aquecimento, ventilação e condicionamento de ar (hvac) de um edifício |
JP2011163858A (ja) | 2010-02-08 | 2011-08-25 | Toyota Motor Corp | エネルギー表示システム |
EP2598989B1 (en) | 2010-07-30 | 2020-03-11 | National Instruments Corporation | Developing programs in a graphical specification and constraint language |
JP5696877B2 (ja) | 2010-10-01 | 2015-04-08 | 清水建設株式会社 | 運転管理装置、運転管理方法、および運転管理プログラム |
US8935792B1 (en) | 2010-10-05 | 2015-01-13 | Mcafee, Inc. | System, method, and computer program product for conditionally performing an action based on an attribute |
US8370283B2 (en) * | 2010-12-15 | 2013-02-05 | Scienergy, Inc. | Predicting energy consumption |
US8903554B2 (en) | 2011-02-22 | 2014-12-02 | The Board Of Trustees Of The Leland Stanford Junior University | Energy plant design and operation |
US9244444B2 (en) | 2011-03-07 | 2016-01-26 | Callida Energy Llc | Systems and methods for optimizing energy and resource management for building systems |
US8880226B2 (en) | 2011-05-17 | 2014-11-04 | Honeywell International Inc. | System and method to predict optimized energy consumption |
EP2724200A1 (en) * | 2011-08-18 | 2014-04-30 | Siemens Aktiengesellschaft | Thermo-economic modeling and optimization of a combined cooling, heating, and power plant |
WO2013043863A1 (en) | 2011-09-20 | 2013-03-28 | The Trustees Of Columbia University In The City Of New York | Adaptive stochastic controller for energy efficiency and smart buildings |
US9429924B2 (en) | 2012-06-26 | 2016-08-30 | International Business Machines Corporation | Controlling power generators and chillers |
US8825550B2 (en) | 2012-08-23 | 2014-09-02 | Amazon Technologies, Inc. | Scaling a virtual machine instance |
EP2965397A4 (en) | 2013-03-07 | 2016-12-14 | Siemens Corp | PLANNING THE DEMAND IN AN ELECTRICAL NETWORK USING PRICES FOR THE NEXT WORKING DAY AND MARKET PRICES IN REAL-TIME |
US10418833B2 (en) | 2015-10-08 | 2019-09-17 | Con Edison Battery Storage, Llc | Electrical energy storage system with cascaded frequency response optimization |
US9436179B1 (en) | 2013-03-13 | 2016-09-06 | Johnson Controls Technology Company | Systems and methods for energy cost optimization in a building system |
US9996091B2 (en) * | 2013-05-30 | 2018-06-12 | Honeywell International Inc. | Comfort controller with user feedback |
WO2015006622A1 (en) * | 2013-07-10 | 2015-01-15 | Crowdcomfort, Inc. | System and method for crowd-sourced environmental system control and maintenance |
US20150057820A1 (en) | 2013-08-21 | 2015-02-26 | Fujitsu Limited | Building energy management optimization |
US10175681B2 (en) | 2014-05-01 | 2019-01-08 | Johnson Controls Technology Company | High level central plant optimization |
US9250893B2 (en) | 2014-05-14 | 2016-02-02 | Western Digital Technologies, Inc. | Virtualized and automated software build system |
KR20160043402A (ko) | 2014-10-13 | 2016-04-21 | 엘지전자 주식회사 | 칠러용 컨트롤러 및 칠러의 제어방법 |
CN105571048B (zh) * | 2014-11-10 | 2020-10-20 | 开利公司 | 群动态环境控制 |
CN105929687B (zh) * | 2015-02-27 | 2020-02-04 | 约翰逊控制技术公司 | 高层级中央设施优化 |
CN105929686B (zh) * | 2015-02-27 | 2020-02-07 | 约翰逊控制技术公司 | 低层级中央设施优化 |
US20160291622A1 (en) * | 2015-03-31 | 2016-10-06 | Enernoc, Inc. | System for weather induced facility energy consumption characterization |
US9977447B2 (en) * | 2015-03-31 | 2018-05-22 | Enernoc, Inc. | Demand response dispatch system employing weather induced facility energy consumption characterizations |
US10761547B2 (en) | 2015-04-23 | 2020-09-01 | Johnson Controls Technology Company | HVAC controller with integrated airside and waterside cost optimization |
CA3128629A1 (en) | 2015-06-05 | 2016-07-28 | C3.Ai, Inc. | Systems and methods for data processing and enterprise ai applications |
WO2017007990A1 (en) | 2015-07-08 | 2017-01-12 | Convida Wireless, Llc | M2m clustering management |
GB2541170B (en) | 2015-07-28 | 2017-11-15 | British Telecomm | Network function virtualization |
US20170031962A1 (en) | 2015-07-31 | 2017-02-02 | Johnson Controls Technology Company | Systems and methods for visualizing equipment utilization in a central plant |
US11210617B2 (en) | 2015-10-08 | 2021-12-28 | Johnson Controls Technology Company | Building management system with electrical energy storage optimization based on benefits and costs of participating in PDBR and IBDR programs |
US10564610B2 (en) | 2015-10-08 | 2020-02-18 | Con Edison Battery Storage, Llc | Photovoltaic energy system with preemptive ramp rate control |
US10222083B2 (en) | 2015-10-08 | 2019-03-05 | Johnson Controls Technology Company | Building control systems with optimization of equipment life cycle economic value while participating in IBDR and PBDR programs |
US10197632B2 (en) | 2015-10-08 | 2019-02-05 | Taurus Des, Llc | Electrical energy storage system with battery power setpoint optimization using predicted values of a frequency regulation signal |
US10554170B2 (en) | 2015-10-08 | 2020-02-04 | Con Edison Battery Storage, Llc | Photovoltaic energy system with solar intensity prediction |
US10700541B2 (en) | 2015-10-08 | 2020-06-30 | Con Edison Battery Storage, Llc | Power control system with battery power setpoint optimization using one-step-ahead prediction |
US10190793B2 (en) | 2015-10-08 | 2019-01-29 | Johnson Controls Technology Company | Building management system with electrical energy storage optimization based on statistical estimates of IBDR event probabilities |
US10389136B2 (en) | 2015-10-08 | 2019-08-20 | Con Edison Battery Storage, Llc | Photovoltaic energy system with value function optimization |
US10222427B2 (en) | 2015-10-08 | 2019-03-05 | Con Edison Battery Storage, Llc | Electrical energy storage system with battery power setpoint optimization based on battery degradation costs and expected frequency response revenue |
US10742055B2 (en) | 2015-10-08 | 2020-08-11 | Con Edison Battery Storage, Llc | Renewable energy system with simultaneous ramp rate control and frequency regulation |
US10283968B2 (en) | 2015-10-08 | 2019-05-07 | Con Edison Battery Storage, Llc | Power control system with power setpoint adjustment based on POI power limits |
US10250039B2 (en) | 2015-10-08 | 2019-04-02 | Con Edison Battery Storage, Llc | Energy storage controller with battery life model |
US10418832B2 (en) | 2015-10-08 | 2019-09-17 | Con Edison Battery Storage, Llc | Electrical energy storage system with constant state-of charge frequency response optimization |
US11181875B2 (en) | 2016-01-22 | 2021-11-23 | Johnson Controls Tyco IP Holdings LLP | Systems and methods for monitoring and controlling a central plant |
US20180004171A1 (en) | 2016-06-30 | 2018-01-04 | Johnson Controls Technology Company | Hvac system using model predictive control with distributed low-level airside optimization and airside power consumption model |
US10372146B2 (en) * | 2016-10-21 | 2019-08-06 | Johnson Controls Technology Company | Systems and methods for creating and using combined predictive models to control HVAC equipment |
US10359748B2 (en) | 2017-02-07 | 2019-07-23 | Johnson Controls Technology Company | Building energy cost optimization system with asset sizing |
US10324483B2 (en) | 2017-01-12 | 2019-06-18 | Johnson Controls Technology Company | Building energy storage system with peak load contribution cost optimization |
US10282796B2 (en) | 2017-01-12 | 2019-05-07 | Johnson Controls Technology Company | Building energy storage system with multiple demand charge cost optimization |
US10706375B2 (en) | 2017-03-29 | 2020-07-07 | Johnson Controls Technology Company | Central plant with asset allocator |
JP7075944B2 (ja) * | 2017-04-25 | 2022-05-26 | ジョンソン コントロールズ テクノロジー カンパニー | 予測建物制御システムと同システム内の機器を動作させる方法 |
US11022947B2 (en) | 2017-06-07 | 2021-06-01 | Johnson Controls Technology Company | Building energy optimization system with economic load demand response (ELDR) optimization and ELDR user interfaces |
US10876755B2 (en) | 2018-12-12 | 2020-12-29 | Sensormatic Electronics, LLC | Systems and methods of providing occupant feedback to enable space optimization within the building |
US11079134B2 (en) | 2018-12-19 | 2021-08-03 | Distech Controls Inc. | Computing device and method for inferring via a neural network a two-dimensional temperature mapping of an area |
-
2018
- 2018-04-13 JP JP2019556840A patent/JP7075944B2/ja active Active
- 2018-04-13 WO PCT/US2018/027657 patent/WO2018200225A1/en unknown
- 2018-04-13 CN CN201880040535.8A patent/CN110753886B/zh active Active
- 2018-04-13 EP EP18722818.4A patent/EP3616007A1/en active Pending
- 2018-04-13 US US15/953,319 patent/US10845083B2/en active Active
-
2020
- 2020-11-06 US US17/091,006 patent/US11391484B2/en active Active
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20110251726A1 (en) | 2006-05-03 | 2011-10-13 | Mcnulty Nicholas | Method of optimising energy consumption |
US20130085614A1 (en) | 2011-09-30 | 2013-04-04 | Johnson Controls Technology Company | Systems and methods for controlling energy use in a building management system using energy budgets |
JP2016527471A (ja) | 2013-07-29 | 2016-09-08 | アンビ ラブス リミテッド | 気候コントローラ |
JP2015095215A (ja) | 2013-11-14 | 2015-05-18 | 株式会社デンソーアイティーラボラトリ | 学習装置、学習プログラム、及び学習方法 |
US20160305678A1 (en) | 2015-04-20 | 2016-10-20 | Alexandre PAVLOVSKI | Predictive building control system and method for optimizing energy use and thermal comfort for a building or network of buildings |
Also Published As
Publication number | Publication date |
---|---|
US20210055016A1 (en) | 2021-02-25 |
WO2018200225A1 (en) | 2018-11-01 |
EP3616007A1 (en) | 2020-03-04 |
US10845083B2 (en) | 2020-11-24 |
US11391484B2 (en) | 2022-07-19 |
CN110753886A (zh) | 2020-02-04 |
CN110753886B (zh) | 2023-05-05 |
JP2020517886A (ja) | 2020-06-18 |
US20180306459A1 (en) | 2018-10-25 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
JP7075944B2 (ja) | 予測建物制御システムと同システム内の機器を動作させる方法 | |
US11754984B2 (en) | HVAC system with predictive airside control | |
US11371739B2 (en) | Predictive building control system with neural network based comfort prediction | |
US11415334B2 (en) | Building control system with automatic comfort constraint generation | |
US11705726B2 (en) | Building energy system with predictive control of battery and green energy resources | |
US11067955B2 (en) | HVAC system using model predictive control with distributed low-level airside optimization | |
US11372382B2 (en) | Building management system with augmented deep learning using combined regression and artificial neural network modeling | |
US11268726B2 (en) | Air handling unit and rooftop unit with predictive control | |
US11789415B2 (en) | Building HVAC system with multi-level model predictive control | |
US20220268471A1 (en) | Building equipment with predictive control | |
CN109416191A (zh) | 具有预测控制的变制冷剂流量*** | |
US20220186962A1 (en) | Building equipment with predictive control and allocation of energy from multiple energy sources | |
US20230088808A1 (en) | Building hvac system with multi-level model predictive control | |
WO2021026369A1 (en) | Model predictive maintenance system with degradation impact model | |
JP7145766B2 (ja) | 建物の暖房・換気または空調(hvac)システム、および建物hvacシステムのエネルギー費用を最適化する方法 | |
Bálint | Generalizability of machine learning algorithms for modelling and control of thermostatically controlled loads |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20191122 |
|
A977 | Report on retrieval |
Free format text: JAPANESE INTERMEDIATE CODE: A971007 Effective date: 20201224 |
|
A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20210105 |
|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20210323 |
|
A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20210907 |
|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20211206 |
|
TRDD | Decision of grant or rejection written | ||
A01 | Written decision to grant a patent or to grant a registration (utility model) |
Free format text: JAPANESE INTERMEDIATE CODE: A01 Effective date: 20220421 |
|
A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20220516 |
|
R150 | Certificate of patent or registration of utility model |
Ref document number: 7075944 Country of ref document: JP Free format text: JAPANESE INTERMEDIATE CODE: R150 |