KR102628483B1 - 밀폐형 구조물에서 공기 오염을 최소화하기 위한 라이브러리, 시스템 및 방법 - Google Patents
밀폐형 구조물에서 공기 오염을 최소화하기 위한 라이브러리, 시스템 및 방법 Download PDFInfo
- Publication number
- KR102628483B1 KR102628483B1 KR1020217027376A KR20217027376A KR102628483B1 KR 102628483 B1 KR102628483 B1 KR 102628483B1 KR 1020217027376 A KR1020217027376 A KR 1020217027376A KR 20217027376 A KR20217027376 A KR 20217027376A KR 102628483 B1 KR102628483 B1 KR 102628483B1
- Authority
- KR
- South Korea
- Prior art keywords
- ventilation
- library
- outdoor
- air
- related parameter
- Prior art date
Links
- 238000000034 method Methods 0.000 title claims abstract description 133
- 238000003915 air pollution Methods 0.000 title claims description 20
- 238000009423 ventilation Methods 0.000 claims abstract description 250
- 238000011109 contamination Methods 0.000 claims abstract description 26
- 238000005457 optimization Methods 0.000 claims description 95
- 230000008569 process Effects 0.000 claims description 80
- 239000003344 environmental pollutant Substances 0.000 claims description 58
- 231100000719 pollutant Toxicity 0.000 claims description 58
- 238000004378 air conditioning Methods 0.000 claims description 57
- 238000010438 heat treatment Methods 0.000 claims description 54
- 239000000356 contaminant Substances 0.000 claims description 21
- 239000000126 substance Substances 0.000 claims description 17
- 230000000694 effects Effects 0.000 claims description 16
- 238000005259 measurement Methods 0.000 claims description 15
- 230000002123 temporal effect Effects 0.000 claims description 14
- 238000004364 calculation method Methods 0.000 claims description 13
- 239000000809 air pollutant Substances 0.000 claims description 11
- 231100001243 air pollutant Toxicity 0.000 claims description 11
- 230000003044 adaptive effect Effects 0.000 claims description 9
- 239000007789 gas Substances 0.000 claims description 8
- 238000004422 calculation algorithm Methods 0.000 claims description 7
- 238000011002 quantification Methods 0.000 claims description 6
- 230000007423 decrease Effects 0.000 claims description 5
- 230000003247 decreasing effect Effects 0.000 claims description 5
- 230000033228 biological regulation Effects 0.000 claims description 3
- 238000012545 processing Methods 0.000 description 70
- 238000004891 communication Methods 0.000 description 23
- 238000010801 machine learning Methods 0.000 description 18
- 230000006870 function Effects 0.000 description 15
- 238000001816 cooling Methods 0.000 description 12
- 238000003860 storage Methods 0.000 description 11
- 238000003905 indoor air pollution Methods 0.000 description 10
- 238000013179 statistical model Methods 0.000 description 10
- 238000010586 diagram Methods 0.000 description 8
- 230000008859 change Effects 0.000 description 7
- 230000001276 controlling effect Effects 0.000 description 7
- 230000007257 malfunction Effects 0.000 description 7
- 230000009467 reduction Effects 0.000 description 7
- 231100000419 toxicity Toxicity 0.000 description 7
- 230000001988 toxicity Effects 0.000 description 7
- 230000008878 coupling Effects 0.000 description 6
- 238000010168 coupling process Methods 0.000 description 6
- 238000005859 coupling reaction Methods 0.000 description 6
- 238000009826 distribution Methods 0.000 description 6
- 230000004044 response Effects 0.000 description 6
- 238000009825 accumulation Methods 0.000 description 5
- 238000000354 decomposition reaction Methods 0.000 description 5
- 230000001965 increasing effect Effects 0.000 description 5
- 230000000704 physical effect Effects 0.000 description 5
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 description 5
- 238000004590 computer program Methods 0.000 description 4
- 238000009792 diffusion process Methods 0.000 description 4
- 230000036541 health Effects 0.000 description 4
- 239000000203 mixture Substances 0.000 description 4
- UHOVQNZJYSORNB-UHFFFAOYSA-N Benzene Chemical compound C1=CC=CC=C1 UHOVQNZJYSORNB-UHFFFAOYSA-N 0.000 description 3
- 230000009471 action Effects 0.000 description 3
- 238000013528 artificial neural network Methods 0.000 description 3
- 238000006243 chemical reaction Methods 0.000 description 3
- 239000002131 composite material Substances 0.000 description 3
- 238000009833 condensation Methods 0.000 description 3
- 230000005494 condensation Effects 0.000 description 3
- 238000005265 energy consumption Methods 0.000 description 3
- 238000012544 monitoring process Methods 0.000 description 3
- 230000005855 radiation Effects 0.000 description 3
- 230000003134 recirculating effect Effects 0.000 description 3
- 230000002829 reductive effect Effects 0.000 description 3
- 230000001105 regulatory effect Effects 0.000 description 3
- 230000003068 static effect Effects 0.000 description 3
- 239000012855 volatile organic compound Substances 0.000 description 3
- 230000007797 corrosion Effects 0.000 description 2
- 238000005260 corrosion Methods 0.000 description 2
- 230000001186 cumulative effect Effects 0.000 description 2
- 230000001419 dependent effect Effects 0.000 description 2
- 238000004134 energy conservation Methods 0.000 description 2
- 230000004907 flux Effects 0.000 description 2
- 230000000670 limiting effect Effects 0.000 description 2
- 239000007788 liquid Substances 0.000 description 2
- 239000000463 material Substances 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 235000019645 odor Nutrition 0.000 description 2
- 230000003287 optical effect Effects 0.000 description 2
- 230000036961 partial effect Effects 0.000 description 2
- 230000000737 periodic effect Effects 0.000 description 2
- 238000001556 precipitation Methods 0.000 description 2
- 238000012549 training Methods 0.000 description 2
- 241000282412 Homo Species 0.000 description 1
- 231100000111 LD50 Toxicity 0.000 description 1
- 230000001133 acceleration Effects 0.000 description 1
- 230000003213 activating effect Effects 0.000 description 1
- 230000002411 adverse Effects 0.000 description 1
- 239000000956 alloy Substances 0.000 description 1
- 229910045601 alloy Inorganic materials 0.000 description 1
- 238000004458 analytical method Methods 0.000 description 1
- 238000013459 approach Methods 0.000 description 1
- 238000003491 array Methods 0.000 description 1
- 230000006399 behavior Effects 0.000 description 1
- 230000004071 biological effect Effects 0.000 description 1
- 230000015556 catabolic process Effects 0.000 description 1
- 230000001364 causal effect Effects 0.000 description 1
- 239000007795 chemical reaction product Substances 0.000 description 1
- 230000002301 combined effect Effects 0.000 description 1
- 238000005094 computer simulation Methods 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 238000013480 data collection Methods 0.000 description 1
- 238000003066 decision tree Methods 0.000 description 1
- 230000002950 deficient Effects 0.000 description 1
- 238000006731 degradation reaction Methods 0.000 description 1
- 230000000593 degrading effect Effects 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000001514 detection method Methods 0.000 description 1
- 239000006185 dispersion Substances 0.000 description 1
- 239000000428 dust Substances 0.000 description 1
- 230000002708 enhancing effect Effects 0.000 description 1
- 230000007613 environmental effect Effects 0.000 description 1
- 230000005802 health problem Effects 0.000 description 1
- 238000009434 installation Methods 0.000 description 1
- 238000009413 insulation Methods 0.000 description 1
- 230000009916 joint effect Effects 0.000 description 1
- 231100001231 less toxic Toxicity 0.000 description 1
- 238000012423 maintenance Methods 0.000 description 1
- 238000007726 management method Methods 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 230000004001 molecular interaction Effects 0.000 description 1
- 238000012806 monitoring device Methods 0.000 description 1
- 238000011022 operating instruction Methods 0.000 description 1
- 238000000053 physical method Methods 0.000 description 1
- -1 pollen Substances 0.000 description 1
- 238000012913 prioritisation Methods 0.000 description 1
- 238000005057 refrigeration Methods 0.000 description 1
- 238000005070 sampling Methods 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
- 238000000926 separation method Methods 0.000 description 1
- 238000000547 structure data Methods 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 238000012706 support-vector machine Methods 0.000 description 1
- 238000012360 testing method Methods 0.000 description 1
- 238000012546 transfer Methods 0.000 description 1
- 230000009466 transformation Effects 0.000 description 1
- 238000012795 verification Methods 0.000 description 1
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
-
- 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
- F24F11/64—Electronic processing using pre-stored data
-
- 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
- F24F11/0001—Control or safety arrangements for ventilation
-
- 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
-
- 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
- F24F3/00—Air-conditioning systems in which conditioned primary air is supplied from one or more central stations to distributing units in the rooms or spaces where it may receive secondary treatment; Apparatus specially designed for such systems
- F24F3/12—Air-conditioning systems in which conditioned primary air is supplied from one or more central stations to distributing units in the rooms or spaces where it may receive secondary treatment; Apparatus specially designed for such systems characterised by the treatment of the air otherwise than by heating and cooling
- F24F3/16—Air-conditioning systems in which conditioned primary air is supplied from one or more central stations to distributing units in the rooms or spaces where it may receive secondary treatment; Apparatus specially designed for such systems characterised by the treatment of the air otherwise than by heating and cooling by purification, e.g. by filtering; by sterilisation; by ozonisation
-
- 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
- G05B13/028—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 expert systems 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
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/90—Details of database functions independent of the retrieved data types
- G06F16/903—Querying
-
- 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
- F24F11/0001—Control or safety arrangements for ventilation
- F24F2011/0002—Control or safety arrangements for ventilation for admittance of outside air
-
- 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
- F24F2110/50—Air quality properties
- F24F2110/65—Concentration of specific substances or contaminants
-
- F—MECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
- F24—HEATING; RANGES; VENTILATING
- F24F—AIR-CONDITIONING; AIR-HUMIDIFICATION; VENTILATION; USE OF AIR CURRENTS FOR SCREENING
- F24F2221/00—Details or features not otherwise provided for
- F24F2221/50—HVAC for high buildings, e.g. thermal or pressure differences
-
- 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)
- General Engineering & Computer Science (AREA)
- Mechanical Engineering (AREA)
- Chemical & Material Sciences (AREA)
- Combustion & Propulsion (AREA)
- Signal Processing (AREA)
- Physics & Mathematics (AREA)
- Fuzzy Systems (AREA)
- Mathematical Physics (AREA)
- General Physics & Mathematics (AREA)
- Databases & Information Systems (AREA)
- Theoretical Computer Science (AREA)
- Artificial Intelligence (AREA)
- Computational Linguistics (AREA)
- Data Mining & Analysis (AREA)
- Automation & Control Theory (AREA)
- Human Computer Interaction (AREA)
- Health & Medical Sciences (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Evolutionary Computation (AREA)
- Medical Informatics (AREA)
- Software Systems (AREA)
- Air Conditioning Control Device (AREA)
Abstract
본 개시는 밀폐형 구조물을 위한 통합 환기 및 온도 제어와 함께 사용되는 라이브러리에 관한 것이다. 구체적으로, 본 개시는 동적 사용자 정의 임계값을 활용하고, 사용자 정의 목표에 기초하여 전략을 구현하여, 최적의 방식으로 밀폐형 구조물 및 그 내부 공간 내의 맑은 공기의 요구 수준을 유지하는 동시에 에너지를 보존하면서 오염을 최소화하기 위한 라이브러리, 시스템 및 방법에 관한 것이다.
Description
본 개시는 밀폐형 구조물을 위한 통합 환기 및 온도 제어와 함께 사용되는 라이브러리에 관한 것이다. 구체적으로, 본 개시는 동적 및 적응적 사용자 정의 환기 기준을 활용하여, 에너지 요구사항을 최소화하고 맑은 공기를 필요한 수준으로 유지시키는 것과 결합되는, 최적의 방식으로 밀폐형 구조물 내부의 오염을 최소화하기 위한 라이브러리, 시스템 및 방법에 관한 것이다.
기후 변화, 환경 기준 및 토지 자원 감소로 인해 현대 건축 기준은 더 높은 구조물을 설계하고 건설하도록 강요되고 있다. 이러한 구조물은 우수한 구조적 무결성을 기반으로 가치를 유지하며, 에너지 비용이 지속적으로 상승함에 따라 보다 에너지 효율성이 높아지고 있다. 건물 외피(envelope)의 구성으로 인해, 이러한 건물은 꽃가루, 먼지, 습기 등과 같은 실외 오염 물질의 부정적인 침투로부터 거주자를 보호할 수도 있고 보호하지 못할 수도 있다.
그러나, 이러한 구조물의 거주자, 운영자 및 소유자 또한 예컨대, 건강 문제를 유발할 수 있는 실내 오염 물질에 노출될 위험으로부터 편안하고 자유롭기를 원한다. 구조적 무결성이 우수한 건물은 예컨대, 맑은 O2 수준을 유지하고 구조물 내에서 CO2 수준을 줄이기 위해 외부 공기의 빈번한 환기가 요구된다. 건물 내부 환기(창문과 문의 개방, 능동적 환기 등)는 주로 도시 공기가 가장 오염되는 시간인 근무 시간 동안에 발생한다. 이에 따라, 외부의 공기 오염이 건물로 유입된다.
더욱이, 효율적인 냉난방 파라미터로 건물을 운영하기 위한 노력의 일환으로, 이러한 건물 및 밀폐형 구조물은 계속 증가하는 단열 시스템으로 건설되고 있고, 구조물 내의 다양한 오염 물질의 농도와 타이밍에 대한 고정된 규제 기반 파라미터를 갖는다.
따라서, 이러한 밀폐형 구조물을 환기시키기 위한 최적의 조건을 결정하기 위한 보다 효과적이고 효율적인 수단이 필요하다.
다양한 실시 예들에서, 동적 및 적응적 사용자 정의 환기 기준을 활용하여 에너지 요구사항(requirement)을 최소화하고 필요한 수준의 맑은 공기를 최적의 방식으로 유지시키는 것과 결합되는, 밀폐형 구조물 내부의 오염을 최소화하기 위한 라이브러리, 시스템, 방법 및 컴퓨터 판독 가능한 매체가 개시된다. 보다 구체적으로, 사용자 정의 또는 규제 기반 여부에 무관하게 미리 선택된 파라미터를 유지하는 방식으로 구조물을 환기시키기 위한 다층 밀폐형 구조물의 통합 HVAC 시스템에 명령(instructions)을 제공하는 라이브러리 및 방법이 명세서 전반에 제공된다.
본 개시는 서로 다르고 때로는 상충되는 요구사항(건물에 맑은 공기 공급 유지, 실내 공기 오염 농도 감소 및 에너지 절약)을 실시간으로 통합하고 최적화하기 위한 수단을 제공한다. 본 시스템은 서로 다르고 상충되는 요구사항의 정량화된 가중치 조합을 산출할 수 있다. 명세서 전반에 제공되는 일부 실시 예에서, 시스템은 모든 고려 사항 및 요구사항을 고려하는 단일 값을 산출할 수 있다. 또한, 본 개시의 일부 실시 예에서, 시스템 및 방법은 임계값을 이용한다. 정적/고정된 미리 결정된 임계값을 이용하는 대신, 본 시스템 및 방법은 공기 오염 수준의 동적 변화를 실시간으로 고려하고, 환기 시스템을 제어하는 값 또는 값들을 산출하기 위해 맑은 공기 및 에너지 요구사항과 결합하는 동적 임계값을 이용한다. 이렇게 산출된 최적값은 다층 구조물로의 맑은 공기 환기의 증가/감소를 결정한다. 또한, 명세서 전반에 제공되는 일부 실시예에서, 시스템은 실내 공기 오염 측정값을 이용하지 않고 동적 임계값을 추정하고 계산할 수 있으나, 실외 공기 오염 측정값의 과거 데이터, 환기 히스토리, 가스 역학 모델(예: 확산 및 분해율), 발견적 학습(heuristics) 및/또는 기계학습 기법 및/또는 통계적 기법만 이용한다.
일 실시 예에서, 다층 구조물(multi-storied structure)의 HVAC(heating, ventilation and air conditioning) 프로세스에 대한 제어 정보를 포함하는 프로세서로 액세스 가능한 라이브러리가 제공되며, 여기에서 라이브러리는 실행될 때 환기(ventilation) 및/또는 난방(heating) 및 공조(air conditioning)를 위한 최적화 기간(optimized period)을 식별하도록 구성된 데이터 및 실행 가능한 명령어를 포함하고, 여기에서 데이터는 외부 및 내부 HVAC 파라미터를 통합한다.
다른 실시 예에서, 시스템에서 구현 가능한 다층 구조물의 HVAC(heating, ventilation and air conditioning) 프로세스를 최적화하기 위한 컴퓨터화된 방법이 제공되고, 상기 시스템은 다층 구조물; HVAC 시스템; 및 프로세서로 판독 가능한 매체를 포함하는 비휘발성 메모리와 통신하는 프로세싱(processing) 모듈; 및 라이브러리를 포함하고, 상기 라이브러리는, 상기 다층 구조물의 내부와 관련된 제 1 환기 관련 파라미터(VAP1), 상기 다층 구조물의 외부와 관련된 제 2 환기 관련 파라미터(VAP2), 시계열 환기 히스토리와 관련된 제 3 환기 관련 파라미터(VAP3), 상기 다층 구조물의 내부 온도와 관련된 공조 관련 파라미터(HACAP6) 및 상기 다층 구조물의 외부 온도와 관련된 공조 관련 파라미터(HACAP7)를 포함하고, 상기 라이브러리는 동적 임계값을 갖는 복수의 서브 목표를 포함하는 복수의 마스터 프로세스 객체들을 더 포함하고, 상기 다층 구조물의 내부 및 외부 온도와 관련된 난방 및 공조 관련 파라미터 뿐만 아니라, 상기 제 1 환기 관련 파라미터, 상기 제 2 환기 관련 파라미터 및 상기 제 3 환기 관련 파라미터와 연결되고, 상기 방법은 환기 프롬프트에 응답하여 상기 라이브러리에 있는 복수의 마스터 프로세스의 최적화 목표로부터 미리 결정된 최적화 목표를 달성하도록 구성된 작업 세트를 선택하는 단계; 환기 요청 내에서 프로세스 커맨드 세트를 생성하기 위해 선택된 작업 세트를 연관시키고 환기 커맨드를 생성하는 단계; 및 상기 환기 커맨드를 실행하는 단계;를 포함하고, 상기 라이브러리에 있는 마스터 프로세스 객체들의 세트는 상기 마스터 프로세스 객체들의 세트를 상기 환기 커맨드에 복사하지 않고 상기 환기 커맨드에 연결된다.
또 다른 실시 예에서, 라이브러리와 통신하는 프로세서로 판독 가능한 매체가 제공되고, 상기 라이브러리는 다층 구조물의 내부와 관련된 제 1 환기 관련 파라미터(VAP1), 상기 다층 구조물의 외부와 관련된 제 2 환기 관련 파라미터(VAP2), 시계열 환기 히스토리와 관련된 제 3 환기 관련 파라미터(VAP3), 상기 다층 구조물의 내부 온도와 관련된 공조 관련 파라미터(HACAP6) 및 상기 다층 구조물의 외부 온도와 관련된 공조 관련 파라미터(HACAP7)를 더 포함하고, 상기 라이브러리는 복수의 마스터 프로세스 서브 목표와 연관된 단일 목표와 연관된 데이터 및 정보를 더 포함하고, 상기 다층 구조물의 내부 및 외부 온도와 관련된 난방 및 공조 관련 파라미터 뿐만 아니라, 상기 제 1 환기 관련 파라미터, 상기 제 2 환기 관련 파라미터 및 상기 제 3 환기 관련 파라미터와 연결되고, 상기 프로세서로 판독 가능한 매체는 실행 가능한 명령어 세트를 포함하고, 상기 명령어 세트는, 상기 명령어 세트가 실행될 때, 상기 프로세서가 HVAC(heating, ventilation and air conditioning) 시스템에서 환기 요청 프롬프트를 수신하도록 구성되고, 상기 프로세서가 상기 환기 요청에 응답하여 상기 라이브러리에 있는 복수의 마스터 프로세스 객체들로부터 미리 결정된 최적화 목표를 달성하도록 구성된 작업 세트를 선택하도록 구성되고, 상기 프로세서가 상기 선택된 작업 세트를 상기 환기 요청과 연관시키도록 구성되고, 상기 프로세서가 상기 환기 요청 내에서 프로세스 커맨드 세트를 생성하도록 구성되고, 상기 프로세서가 환기 커맨드를 생성하도록 구성되고, 상기 라이브러리에 있는 마스터 프로세스 객체들의 세트는 상기 마스터 프로세스 객체들을 상기 환기 커맨드에 복사하지 않고 상기 환기 커맨드에 연결되고, 상기 프로세서가 상기 환기 커맨드에서 환기 관련 상기 마스터 프로세스 객체들의 세트를 실행하도록 구성된다.
다른 실시 예에서, 미리 정의된 전제 조건이 적용되는 동안 미리 정의된 최적화 목표를 수행하도록 설계된 미리 정의된 최적화 전략을 실행시키기 위해 HVAC 시스템의 상태를 제어하는 방법이 제공되고, 다양한 파라미터를 특징으로 하는 연결 데이터베이스의 내용을 활용하며, 그 중 적어도 하나는 입력 채널을 통해 지속적으로 업데이트된다.
전제 조건은 사용자의 맞춤형 요구사항에 따라 정의될 수 있다. 이는 예를 들면, HVAC 시스템이 특정 규정 또는 환기 기준을 준수한다는 것일 수 있고, 일부 사용자 지정기간 내의 평균 실외 기류가 일부 사용자 지정값 이상이어야 한다는 것일 수 있으며, CO2 농도가 일부 정의값을 초과하지 않는다는 것일 수 있고, 구조물의 다른 구역 사이에서, 실내 및 실외 공기 사이에서 등의 경우에, 일정한 기압차가 유지된다는 것일 수 있다. 어떤 케이스에서도 다층의 밀폐형 구조물에 대한 최소한의 강제 실외 공기 공급과 관련하여 일부 전제 조건이 정의된다.
데이터베이스는 HVAC 시스템에 의해 건물에 공급된 실외 공기에서 측정 또는 추정되는 하나의 환기 관련 파라미터(VAP2) 뿐만 아니라, HVAC 시스템의 상태의 시계열 히스토리를 나타내는 하나의 환기 관련 파라미터(VAP3)를 포함하도록 구성된다. 또한 라이브러리는 최적화 전략에 의해 정의되는 연산을 수행하고 정의된 각 전제 조건을 준수하는지 검증하는데 요구되는 완전한 파라미터 세트를 포함한다. 이들은 예컨대, 건물 자체 및 건물의 특징적인 활동의 다양한 파라미터를 포함할 수 있다.
최적화 목표는 다양한 서브 목표의 가중치 조합일 수 있고, 예를 들면, 실외 소스에 의한 실내 공기 오염 최소화 및 HVAC 시스템에 의한 에너지 요구사항의 최소화일 수 있다.
제공된 방법에서 이용되는 최적화 전략은 VAP3에 의해 나타나는 이전 환기 이벤트 동안 VAP2 값의 가중치 조합을 기반으로 하는 동적 임계값(DTV)을 계산하도록 구성될 수 있다. 그 값은 다층 밀폐형 구조물의 환기의 경우 HVAC 시스템에 의해 예상되는 순간 에너지 요구사항의 추정치를 기반으로 추가로 작동되며, 해당 에너지 요구사항에 따라 DTV가 단조 감소하게 된다. 감소의 크기는 최적화 목표 내에서 서브 목표의 각 가중치에 의해 결정된다.
또한, 제공된 방법에서, VAP2의 현재값과 DTV 사이에서 특정 작동 가능한 예에서 비교가 이루어진다. VAP2가 예컨대, DTV보다 작거나 같을 때 환기가 발생할 것이다. 그렇지 않을 경우, 중단으로 인해 특정 정의된 전제 조건을 위반할 것으로 예상되지 않는다면, 환기는 중단될 것이다.
최적화 전략에 의해 구현되고 프로세싱 유닛(processing unit)에 의해 실행되는 명령은 HVAC 시스템에 물리적으로 연결되고 프로세싱 유닛에 로컬 또는 원격 통신 채널이 있는 제어 유닛에 의해 작동될 수 있다.
최적화 목표의 처리 및 실행 중에 생성되는 데이터는 다음의 프로세싱 또는 시스템 모니터링에 사용하기 위해 데이터베이스에 지속적으로 피드백될 수 있다.
일 실시 예에서, 동적 임계값은 전제 조건에 따라 추가로 작동될 수 있다(예: 다층 밀폐형 구조물의 현재 상태가 전제 조건에 따라 환기가 필수적인 조건에 접근함에 따른, 임계값의 증가).
또한, 일 실시 예에서, 최적화 목표 내에서 서브 목표의 가중치는 사용자 정의 기준에 따라 동적으로 조정된다(예: 점유(occupancy)가 낮을 때에는 실내 공기질에 대한 가중치를 감소시키고 에너지 절약에 대한 가중치를 증가시키며, 점유가 높을 때에는 그 반대).
일 실시 예에서, 동적 임계값은 예컨대, 가까운 미래에(예: 다음의 분, 시간, 일 등 내에서) VAP2의 기대값의 예측에 따라 추가로 작동될 수 있다.
일 실시 예에서, 동적 임계값은 온도 및 상대 습도와 같은 예측된 기상 파라미터 및 이러한 파라미터가 구조물의 에너지 요구사항에 미치는 영향의 모델을 고려하여, 가까운 미래에 매 순간 환기하는 경우 맑은 공기 시스템에 의한 예측 에너지 요구사항에 따라 추가로 작동될 수 있다.
다른 실시 예에서, 다른 환기 관련 파라미터(VAP1)가 라이브러리에서 정의될 수 있고, 실내 공기 중 하나 이상의 물질(예: NOx) 농도의 측정 또는 추정과 연관될 수 있다. DTV는 이후에 VAP1 및 기타 예측 툴의 현재값에 기초하여 산출 및 결정될 수 있다.
또 다른 실시 예에서, 동적 임계값은 HVAC 시스템 활동 중 적어도 하나의 영향, 생물학적 활동의 영향 및 건물 내부의 다른 모든 유형의 활동의 영향을 고려하여, 건물 내부의 가스 및 기타 공중 물질의 유동 역학 및 분해 역학의 화학적, 물리적 또는 연산 모델(들)에 기초하여 추가로 산출될 수 있다.
일 실시 예에서, 최적화 목표는 부식, 및/또는, 실내 공정으로 인한 실내 공기 오염이나 실내 가스 성분(예: CO2의 축적, O2의 감소, 휘발성 유기 화합물(volatile organic compounds, VOC)과 같은 실내 오염 물질의 축적, 불쾌한 냄새의 출현 또는 이들을 포함하는 일부 조합)의 최소화라는 하위 목표를 더 포함한다.
이러한 경우, 동적 임계값은 추가적으로 산출될 수 있으며, 예컨대, 실내 공정으로 인한 실내 공기 오염 및/또는 부식의 추정치에 기초하여 산출될 수 있고, 파라미터 VAP3의 최근값, 다층 밀폐형 구조물의 일부 파라미터들 및 데이터베이스에 나타나는 바와 같은, 내부의 인간 활동에 기초하여 산출될 수 있다.
다른 실시 예에서, 최적화 목표는 실외 소스의 오염 물질의 평균 농도를 최소화하는 하나 이상의 하위 목표를 더 포함할 수 있다. 이에 따라, DTV는 관심 있는 모든 오염 물질에 대한 VAP2의 최근값의 조합에 기초하여 산출된다. 또한, DTV는 관심 있는 모든 오염 물질에 대한 VAP2의 현재값의 가중 조합을 기반으로 산출된 지수와 비교된다. 두 조합의 가중치는 최적화 목표에서 해당하는 가중치에 따라 결정될 수 있다.
또 다른 실시 예에서, 밀폐형 구조물에서 멀리 떨어진 위치의 오염 수준, 건물 점유, 기상, 교통 등 중 적어도 하나와 같은 데이터와 연관된, 추가적인 파라미터들이 데이터 라이브러리에 정의될 수 있고, 추가적인 입력 채널을 통해 업데이트될 수 있다. 이러한 파라미터들은 시스템의 프로세싱 모듈에 업로드되는 최적화 전략에 의해 이용될 수 있다.
의사결정 공간이 이진법인(즉, 실외 기류가 턴-온 또는 턴-오프만 가능한) 일 실시 예에서, '턴-온' 구성의 실외 기류는 예컨대, 실외 습도, 온도 및 실내 설정 온도의 변화와 같은, 다양한 조건에 따라 동적으로 더 조정될 수 있다. 그런 다음, 기류는 현재 상태에서 가능한 최대 수준으로 설정될 수 있으며, 여기에서, 시스템은 여전히 액상의 물이 과도하게 축적되는 것으로부터 안전하다.
다른 실시 예에서, HVAC 시스템은 다수의 값들 중에서 실외 기류를 조절할 수 있다. 따라서, 전제 조건은 실외 온도 및 습도의 함수로 허용되는 최대 실외 기류를 더 포함할 수 있다.
또 다른 실시 예에서, 최적화 전략 로직은 임계값과 VAP2 간의 비교에 기초하지 않고, 오히려 예측 검색 전략에 기초한다. 따라서, 동적 환기 기준은 DTV에 한정되지 않는다.
일 실시 예에서, 시스템은 전체 구조물이 비점유된(unoccupied) 동안에도 비점유 구역으로 환기를 활성화할 것이다. 이는 최적화 전략이 그러한 환기가 점유 시간 동안 에너지 요구사항의 순 감소 또는 실내 공기 오염 수준의 감소로 이어질 수 있음을 발견한 경우에 해당한다.
일 실시 예에서, 시스템은 HVAC 시스템의 에너지 효율을 개선하기 위해 HVAC 시스템에서 열처리의 다양한 구성요소를 활성화, 비활성화 및 조정할 것이다. 이러한 구성요소는 예컨대, 냉각기, 열 펌프, 팬 코일, 가열 코일, 열 교환기, 냉각탑, 물 펌프, 엔진, 팬, 컴프레서 등일 수 있다. 예를 들면, 특정 구성요소가 부분 부하(partial load)에서 작동하는 것이 감지되는 경우, 중복 구성요소가 꺼질 수 있다(예: 여러 수냉식 냉각기의 배터리에서 낮은 냉각 용량이 필요한 경우, 필요한 냉각 용량이 다시 높아질 때까지 이러한 냉각기 중 일부는 꺼질 수 있다).
다른 예를 들면, 시스템은 최적화 목표와 관련하여 더 나은 결과를 유도할 수 있는 방식으로, 구조물이 비점유된 시간 동안 작동할 때 맑은 공기 시스템의 온도 설정점을 자동으로 조정할 수 있다. 예를 들면, (실내 환경이 실외보다 더 따뜻하게 유지되는 계절 동안) 차갑고 맑은 공기의 난방이 감소될 수 있고, 어떤 경우에는 야간에 완전히 중단될 수 있으나, 여전히 점유 시간 동안 필요한 실내 온도를 유지한다.
일 실시 예에서, 시스템은 구조물에 있는 서로 다른 서브 구역 사이의 실외 기류 분포에 각각 영향을 주는 배플(baffle) 및 덤퍼(dumper)를 제어하여, 최적화 목표와 관련하여 더 나은 결과를 유도할 수 있다. 예를 들면, 구역으로의 실외 기류는 구역의 점유에 따라 조정될 수 있고, 점유가 감소할 때 시스템의 에너지 요구사항을 감소시키고, 점유가 다시 증가하면 이를 복원한다. 다른 예로, 점유가 낮은 것으로 확인된 구역으로의 실외 기류는, 실외 공기 오염이 증가할 것으로 예측되고 오염 수준이 동적 임계값 이상으로 상승하기 전에 증가될 수 있다. 이렇게 하면 실외 오염이 계속해서 증가할 때 전체 구조물로의 실외 공기 공급을 더 오래 중단하거나 감소시킬 수 있다.
일 실시 예에서, 시스템은 구조물에 있는 특정 구역(예: 화장실, 주방 등), 구조물의 나머지 구역 및 외부 환경 사이에서 요구되는 기압 차이의 전제 조건을 준수하기 위해, 맑은 기류를 제어하면서 배기 환기 기류를 제어할 수 있다.
일 실시 예에서, 시스템은 HVAC 시스템의 결함 있는 구성요소 또는 구조물이나 그 하위 공간에서 맑은 기류의 부적절한 분배를 감지할 수 있다. 이러한 경우, 시스템은 경보를 발령할 수 있다.
일 실시 예에서, 시스템은 그래픽 사용자 인터페이스(graphical user interface, GUI)를 더 포함하고, GUI는 선택된 최적화 목표 내에서 사용자가 서브 목표의 가중치를 결정하는 로직을 선택적으로 조정할 수 있도록 구성된다.
일 실시 예에서, 본 명세서에서 제공된 시스템은, 개시된 방법을 구현하기 위해 제공된 라이브러리를 사용하며, 개별 방향에서 선택 가능한 공기 유입을 제공하도록 조정되는, 다방향의 공기 유입 모듈 및 방향 조정 가능한 공기 유입 모듈 중 적어도 하나를 더 포함한다.
추가적인 일 실시 예에서, 시스템에서 구현 가능한 다층 구조물의 HVAC(heating, ventilation and air conditioning) 프로세스의 적응적 최적화를 위한 방법이 개시되며, 상기 시스템은 다층 구조물; HVAC 시스템; 및 프로세서로 판독 가능한 매체를 포함하는 비휘발성 메모리와 통신하는 프로세싱 모듈(processing module); 및 라이브러리를 포함하고, 상기 라이브러리는, 다층 구조물의 내부와 관련된 제 1 환기 관련 파라미터(VAP1), 다층 구조물의 외부와 관련된 제 2 환기 관련 파라미터(VAP2), 시계열 환기 히스토리와 관련된 제 3 환기 관련 파라미터(VAP3), 다층 구조물의 내부 온도와 관련된 공조 관련 파라미터(HACAP6) 및 다층 구조물의 외부 온도와 관련된 공조 관련 파라미터(HACAP7)를 포함하고, 상기 라이브러리는 동적 임계값을 갖는 복수의 서브 목표를 포함하는 복수의 마스터 프로세스 객체들을 더 포함하고, 상기 동적 임계값은 다층 구조물의 내부 및 외부 온도와 관련된 난방 및 공조 관련 파라미터 뿐만 아니라, 제 1, 제 2 및 제 3 환기 관련 파라미터와 연결되고, 상기 방법은 하나 이상의 예견적 예측 통계 모델로부터 수신되는 예측 오염 물질의 값들의 제 1 세트 및 하나 이상의 오염 물질 측정값으로부터 수신되는 실제 오염 물질의 값들의 제 1 세트를 포함하는 과거 데이터세트를 선택하는 단계; 과거 데이터세트에 대해 기계학습 모델의 하나 이상의 변형을 트레이닝함으로써 하나 이상의 예견적 예측 통계 모델의 성능을 모델링하기 위해 기계학습 모델의 하나 이상의 변형을 생성하는 단계; 하나 이상의 예견적 예측 통계 모델로부터 도출되는 예측 오염 물질의 값들의 제 2 세트 및 하나 이상의 오염 물질 측정값으로부터 도출되는 실제 오염 물질의 값들의 제 2 세트를 포함하는 현재 데이터세트를 수신하는 단계; 필터링된 과거 데이터세트를 적응적으로 획득하기 위해 현재 데이터세트를 과거 데이터세트와 연관시키는 단계; 과거 데이터세트에 대해 트레이닝된 기계학습 모델의 하나 이상의 변형을 선택하고, 기계학습 모델 및 그 출력의 하나 이상의 변형 각각에 가중치를 할당하기 위해 필터링된 과거 데이터세트에서 선택된 하나 이상의 변형을 추정하는 단계; 및 필터링된 과거 데이터세트에 대한 기계학습 모델의 하나 이상의 변형의 추정 및 과거 데이터세트에 대해 트레이닝되는 기계학습 모델의 하나 이상의 변형 각각의 출력에 기초하여 트레이닝되는, 기계학습 모델의 하나 이상의 변형 각각에 할당된 가중치를 결합함으로써, 적어도 하나의 복합 예측 오염 물질의 값을 결정하기 위해 최적 조합 함수의 형태로 통계 모델을 도출하는 단계;를 포함하고, 상기 선택하는 단계, 상기 생성하는 단계, 상기 수신하는 단계, 상기 연관시키는 단계, 상기 추정하는 단계 및 상기 도출하는 단계는, 메모리에 저장된 컴퓨터 판독 가능한 명령어를 이용하여 프로세서에 의해 수행된다.
동적인 사용자 정의 임계값을 사용하여 최적의 방식으로 밀폐형 구조물 내부의 오염을 최소화하기 위한 라이브러리, 시스템, 방법 및 컴퓨터 판독 가능한 매체의 이러한 특징들 및 기타 특징들은 도면들 및 실시 예들과 함께 해석될 때 다음의 상세한 설명으로부터 명확하게 이해될 수 있을 것이며, 이러한 도면들 및 실시 예들은 예시적인 것으로 이에 한정되지 않는다.
동적인 사용자 정의 임계값을 사용하여 최적의 방식으로 밀폐형 구조물 내부의 오염을 최소화하기 위한 라이브러리, 시스템, 방법 및 컴퓨터 판독 가능한 매체에 대한 보다 나은 이해를 위해, 이하에서는 다음과 같이 첨부된 예시 및 도면들을 참조하도록 한다.
도 1은 시스템의 단위 사이에서 일반화된 정보 흐름을 도시하고 있다.
도 2는 사용 가능한 리소스에 기초하여 특정 목표를 달성하기 위한 최적화 전략을 선택하기 위한 의사결정 흐름을 예시하는 개략도이다.
도 3은 연산된 DTV 기반으로 환기를 작동시키기 위한 커맨드 흐름을 예시하는 개략도이다.
도 4는 최적화 전략을 선택하는 프로세서의 로직을 도시하고 있다.
도 5는 환기 시스템에서 응축을 설명하는 로직을 도시하는 개략도이고; 도 6 내지 도 10은 1차 및 2차 외부 및 내부 벤트(vent) 구성의 다양한 실시 예의 개략도를 도시하고 있다.
도 1은 시스템의 단위 사이에서 일반화된 정보 흐름을 도시하고 있다.
도 2는 사용 가능한 리소스에 기초하여 특정 목표를 달성하기 위한 최적화 전략을 선택하기 위한 의사결정 흐름을 예시하는 개략도이다.
도 3은 연산된 DTV 기반으로 환기를 작동시키기 위한 커맨드 흐름을 예시하는 개략도이다.
도 4는 최적화 전략을 선택하는 프로세서의 로직을 도시하고 있다.
도 5는 환기 시스템에서 응축을 설명하는 로직을 도시하는 개략도이고; 도 6 내지 도 10은 1차 및 2차 외부 및 내부 벤트(vent) 구성의 다양한 실시 예의 개략도를 도시하고 있다.
명세서 전반에서, 동적 및 적응적 사용자 정의 환기 기준을 활용하여 HVAC 시스템에 의한 에너지 요구사항(requirement)을 최소화하고 실외 공기 공급 및 추가 요구사항을 유지시키는 것과 결합되는, 최적의 방식으로 밀폐형 구조물 내부의 오염을 최소화하기 위한 라이브러리, 시스템, 방법 및 컴퓨터 판독 가능한 매체의 실시 예들이 제공된다. 보다 구체적으로, 사용자 정의 또는 규제 기반 여부에 무관하게 미리 선택된 파라미터를 유지하는 방식으로 구조물을 환기시키기 위한 다층 밀폐형 구조물의 통합 HVAC 시스템에 명령(instructions)을 제공하는 방법의 실시 예들이 명세서 전반에 제공된다.
정의 (Definitions) :
최적화 목표 (Optimization objective) : 시스템이 추구할 것으로 예측되는 최적의 결과에 대한 정의이다. 사용자에 의해 정의되고 주어진 순간의 실시 예마다 고유하다. 여러 개의 목표들 및 이들을 하나의 목표로 결합하는 우선순위 로직(prioritization logic)으로 구성될 수 있다. 최적화 목표는 다양한 파라미터들(예: 에너지, 열, C02 수준, 규제 및 밀폐형 구조물 표준, 대기질 및 공기 오염)을 측정하도록 구성될 수 있다.
최적화 전략 (Optimization strategy) : 최적화 목표를 추구하기 위해 시스템에서 이용하는 방법이다. 시스템의 인스턴스(instance)는 하나 이상의 최적화 전략을 포함할 수 있으며, 이러한 경우 주어진 순간에 이용하기에 가장 적합한 전략을 선택할 수도 있다.
전제 조건 (Prerequisites) : 시스템이 항상 우선적으로 충족시켜야 하는 조건들의 집합이다. 일반적으로 HVAC 작동의 다른 측면을 개선하도록 추구하기 전에, 구조물이 주민들에게 안전하고 편안한지 확인하기 위해 정의된다.
연결 데이터베이스 (Linked data bases) : 최적화 목표를 해석하고 추구하기 위해 최적화 전략에 의해 활용되는 데이터의 집합이다. 연결 데이터베이스는 지속적으로 업데이트되는 파라미터들(예: 실내/실외 공기 중 오염 물질의 일시적 농도), 정적 파라미터들(예: 구조물의 물리적 측정값) 및 정의(예: 점유자(occupant)당 필요한 평균 실외 기류)를 모두 포함한다.
가용 실외 공기 (Available outdoor air) : 주어진 순간에 HVAC 시스템에 의해 밀폐형 구조물로 공급될 수 있는 실외 공기이다. 환기의 경우, 그 구성이 실내 공기 구성에 측정 가능한 인과 영향을 미치는 밀폐형 구조물 외부의 모든 공기 구획을 포함한다.
시스템은 최적의 결과에 도달하려고 시도하도록 그리고 전제 조건 요구사항이 항상 충족되도록 구성된다. 다른 실시 예에서, 제공된 시스템은 시스템 또는 사용자의 특정 요구에 따라, 또는 사용자의 특정 선호도에 따라, 상이한 최적화 목표 및 상이한 전제 조건으로 초기화될 수 있다. 시스템은 작동 시에, 연결 데이터베이스를 활용하고, 연결 데이터베이스는 시스템이 전제 조건을 성공적으로 해석하고 준수하여 최적화 목표에 관해 최적의 결과를 달성하는 작동 과정을 이끌도록 지원하기 위해 제공될 수 있는, 데이터, 정의 및 기타 종류의 정보를 포함할 수 있다.
다양한 시스템들이 외부 오염 수준을 측정된 내부 수준 또는 고정된 임계값과 비교하는 것으로 알려져 있으나, 본 명세서에서 제공되는 시스템은 현재 순간 및 가능하다면 예측된 미래 동안, 사용자의 선호도뿐만 아니라 밀폐형 구조물의 현재(또는 즉시 결정된) 상태를 반영하는 방식으로, 동적(dynamic)이고 적응적(adaptive)이며 다양한 사용 가능한 파라미터들과 관련하여 지속적으로 실시간 업데이트되는 환기 기준을 사용한다.
이에 따라, 주어진 날짜(또는 시간)에 특정 실외 대기오염 수준으로 인해 시스템이 맑은 공기 환기를 위해 개방되는 반면, 다른 날짜(또는 시간)에는 동일한 오염 수준으로 인해 실외 맑은 공기 환기가 차단될 수 있다. 또한, 주어진 날짜(또는 시간)에 측정된 외부 및 내부 공기 오염 수준의 특정 조합으로 인해 시스템이 맑은 공기 환기를 위해 개방되는 반면, 다른 날짜(또는 시간)에는 동일한 조합으로 인해 맑은 공기 환기가 차단될 수 있다. 따라서, 지속적으로 시스템은 밀폐형 구조물로의 맑은 공기 환기를 개방/폐쇄 또는 증가/감소시키는 새로운 기준을 설정한다.
시스템은 다층 밀폐형 구조물로의 실외 공기 공급의 흐름을 제어하도록 구성될 수 있다. 이러한 제어는 예를 들면, 실외 공기 공급 팬을 켜거나 끄기 위해, 릴레이(전기 회로에서 전도 경로의 개방 회로(open circuiting) 및 전도 상태(conducting states)에 해당하는 적어도 두 가지 상태를 갖는 전기적으로 제어되는 장치를 나타냄)를 제어함으로써 구현될 수 있다. 다른 옵션은, 예를 들면, 실외 기류를 조절하기 위해 본 명세서에 개시된 시스템에 의해 제어되는 가변 속도 드라이브(variable speed drive, VSD)에 의해 구동될 수 있는, 실외 공기 공급 팬일 수 있다. 또한, 시스템은 실외 기류 또는 밀폐형 구조물에 공급되는 실내 재순환 공기와 실외 기류 사이의 비율을 조절하기 위해, 적어도 하나의 외부 공기 덤퍼(dumper)(가변 개방 구성을 갖는 공기 샤프트 등에 배치된 플레이트 또는 슬랫을 나타냄)를 제어하도록 구성될 수 있다. 여기에서 사용되는 덤퍼는, 환기관, 굴뚝, VAV 박스, 공기 처리기, 또는 기타 공기 처리 장비의 유효 단면적을 조절하거나 통제하여, 해당 관, 굴뚝, VAV 박스, 공기 처리기 또는 기타 공기 처리 장비를 통해 전체 기류를 수정, 조절 또는 통제하는 모든 컴퓨터 제어 기계일 수 있다.
보다 구체적으로, 외부 오염 수준과 오염 수준 임계값의 비교에 의존하는 환기 기준을 통합하는 실시 예에서, 이는 고정된 임계값이 아니라, 동적 및 적응적 임계값이며, 현재 순간 그리고 가능한 예측된 미래 동안에도 구조물 내부 및 외부의 끊임없이 변화하는 조건에 따라, 실시간으로 최적화 전략에 의해 지속적으로 조정된다.
외부 오염 수준을 측정하고 이를 측정된 내부 수준 또는 고정 임계값과 비교하는 다양한 시스템들이 알려져 있다. 이러한 시스템은 외부 오염 수준이 측정된 내부 오염 수준보다 높거나 낮은지 또는 비교 대상인 고정 임계값보다 높은지 여부에 따라 환기 기준을 산출할 수 있다. 이에 반해, 본 명세서에 제공되는 시스템은 다양한 기타 고려사항을 고려하도록 구성될 수 있다.
- 전제 조건에 정의된 대로, 허용된 환기 표준 및 사용자 기본 설정에 따른, 처리량(플럭스) 요구사항 및 실내 공기질 유지
- 최적화 목표에 의해 정의된 대로, 시스템이 추구할 것으로 예측되는 상이한 서브 목표(sub-goals)의 동적 가중치 조합. 이는 실내 공기질 및 대기오염, 열 유지 및/또는 에너지 보존에 대한 다양한 지표일 수 있음
- 동적 최적화 전략은 최적화 목표와 관련하여 더 나은 결과를 얻을 수 있도록 다양한 파라미터들을 고려할 수 있음 (예: 이전 환기 이벤트 동안 누적 환기 효과; 이전 환기 이벤트와 현재 순간 사이의 지연 시간; 그 차이의 히스토리 값에 상대적인 현재 외부 오염 물질의 수준과 내부 오염 물질의 수준 사이의 차이; 구조물의 체적에 대한 환기 처리량 및 환기 체적; 측정되거나 추정된 실내 공기 오염; 구조물의 점유; 구조물 내부의 CO2 수준; 구조물 내부 및 외부의 환기 상태 및 기타 측정 상태의 함수로, 실내 공기질 및 실내 공기 오염도를 추정할 수 있는 다양한 모델들; 실외 대기오염의 예측을 가능한 다양한 모델들)
일 실시 예에서, 시스템은 밀폐형 구조물의 현재 오염 수준을 추정할 것이다. 이러한 추정은 구조물와 연관된 오염 모니터링 장치(일 실시 예에서 실내 공기 중 하나 이상의 미리 결정된 가스 또는 다른 공기 중 물질(예: NO2)의 농도를 나타냄)에 기초할 수 있다. 이는 또한, 이전 환기 이벤트 동안의 가용 실외 공기의 오염도, 이전 환기 이벤트 이후 지연 시간, 현재 순간까지 지속되는 이전 환기 이벤트의 누적 영향, 환기 시스템 및 구조물의 특성을 고려한 계산에 기초할 수 있다. 또한, 시스템은 동적 대기오염 모델링을 이용할 수 있고, 동적 대기오염 모델링은 실내 오염 물질의 분해 및 분해 동역학, 분해에 영향을 미치는 요인(예: 온도, 상대 습도, 재순환 실내 기류 등), 다양한 오염 물질의 반감기, 다양한 오염 물질의 반응성, 구조물에서 오염 역학의 통계적 특성, 오염 물질 자체와 관련된 실내 오염 물질 수준에 영향을 주는 유사 파라미터들을 고려할 뿐만 아니라, 내부 및 외부 오염 수준의 측정/추정 차이도 고려한다.
영향 속도(impact rate), 즉, 외부 맑은 공기의 환기가 내부 오염 수준에 영향을 주는 속도는 외부 공기의 처리량(플럭스)뿐만 아니라, 환기 시스템의 특성에 따라서도 달라지며, 뿐만 아니라, 외부 오염 물질의 수준과 내부 오염 물질의 수준의 차이에 따라서도 달라지게 된다. 그러한 차이는 환기 중이든 환기가 중단되는 때이든, 구조물 외부와의 수동적 공기 교환(즉, 확산과 같은 환기 시스템의 입구를 통한 능동적 환기 흐름 이외의 수단)으로 인해 영향 속도에도 영향을 주게 된다. 외부 오염 물질 수준과 내부 오염 물질 수준의 차이가 클수록 영향 속도가 빨라지는 것은 자명하다.
일 실시 예에서, 미래 오염 수준 및 경향의 예측은 개시된 시스템 및 라이브러리에서 구현될 것이다. 각 시점에서 시스템은 증가할지 감소할지 그리고 어느 수준까지 변하는지에 대해, 미래의 내부 및 외부 오염 수준의 예측을 수행한다. 시스템은 예측에 기초하여 해당 시점에서 환기를 시작 또는 증가시켜야 할지 여부, 또는 환기 시스템을 차단/감소시켜야 할지 여부에 대한 결정을 변경하도록 구성될 수 있다.
일 실시 예에서, 시스템은 HVAC 시스템의 다양한 실내 및 실외 변수 및 다양한 파라미터의 함수로서 에너지 요구사항의 모델링을 구현할 수 있다. 여기에는 측정되거나 예측된 실외 온도 및 상대 습도, 일사량, 실내 점유, 실내 열원, 열용량 및 HVAC 시스템의 다양한 구성요소의 열, 기계 및 전기 효율 등이 포함될 수 있다. 모델링은 실내 및 실외 변수의 주어진 조합에서 HVAC 시스템에 의한 순간적 에너지 요구사항을 정확하게 추정하기 위해, 열역학, 건습, 전기, 물리적 및 기타 계산을 사용할 수 있다. 일 실시 예에서, 이러한 모델링은 각 순간의 실제 에너지 요구사항(전체 구조물에서 HVAC 시스템 전체 또는 그 개별 구성요소)의 측정으로부터 입력을 용이하게 할 수 있으며, 기계학습 모듈을 더 이용할 수 있다.
일 실시 예에서, 본 명세서에 제공된 시스템은 해당 시스템의 기능의 다양한 측면을 제어하기 위한 커맨드 및/또는 HVAC 시스템과 다층 구조물의 상태에 대한 모니터링 데이터 및 플롯을 포함할 수 있는 사용자 인터페이스를 더 포함할 수 있다. 여기에는 예를 들면, 모든 네트워크 액세스 터미널에서 인터넷을 통해 액세스하는 그래픽 사용자 인터페이스(graphical user interface, GUI)를 통한 일부 파라미터의 동적 제어가 포함된다. 예를 들면, 본 명세서에 개시된 바와 같은 전략을 통합하면, 가중 파라미터 A는 오염물 농도를 최소화하고 에너지 소비를 최소화하는 바람직한 우선순위를 정량화한다. 사용자가 A와 같은 조정 파라미터에 대한 동적 제어를 원하는 경우, 사용자 인터페이스가 제공된다. 이러한 사용자 인터페이스는 가상(예: 웹 포털 인터페이스 또는 어플리케이션)이거나 프로세싱(processing) 모듈 및/또는 HVAC 제어 모듈의 일부로서 제어 패널 내에 있을 수 있다.
추가적인 유형의 동적 제어는 이러한 사용자 인터페이스를 통해 사용자에게 제공될 수 있고, 다음과 같을 수 있다. 예를 들면, 능동적 최적화 전략에 의해 통합된 기타 조정 파라미터; 서로 다른 서브 목표들 사이의 계층 구조 조정, 미리 정의된 가능한 서브 목표 목록에서 다른 서브 목표의 켜고 끄기와 같은, 최적화 목표의 정의; 가능한 전제 조건의 미리 정의된 목록에서 관련 전제 조건의 선택; 다층 구조물의 예상 점유에 관한 입력(예: 사용자는 특정 미래 시간에 구조물에서 예외적으로 높거나 낮은 점유가 예상됨을 시스템에 알려 시스템이 더 나은 최적화를 수행할 수 있도록 함) 및/또는 이들의 조합일 수 있다.
제공된 시스템은 디스플레이를 포함할 수도 있고, GUI는 다양한 종류의 데이터의 그래픽 표시를 포함할 수도 있다. 예를 들면, 시스템의 전체 작동 상태; 시스템의 최근 활동 로그북(예: 최근 HVAC 시스템의 상태의 플롯); 실내 및 실외 오염 물질 농도, 구조물에 대한 실외 공기 공급 및 기타 관심 데이터에 대한 측정되거나 산출된 최근 데이터; 시스템의 성능(예: 정의된 각 목표와 관련하여)을 요약하는 집계 통계 및 플롯, 또는 이들의 조합일 수 있다.
이에 따른 일 실시 예에서, 다층 구조물의 난방(heating), 환기(ventilation) 및 공조(air conditioning) (HVAC(heating ventilation and air conditioning)) 프로세스에 대한 제어 정보를 포함하는 프로세서로 액세스 가능한 라이브러리가 제공되며, 여기에서 상기 라이브러리는 환기 및/또는 난방 및 공조를 위한 최적화 주기를 식별하는 방법을 구현한다. 본 명세서에서 제공되는 라이브러리, 방법 및 시스템은 다층 구조물 내의 모든 밀폐된 볼륨에서 미리 정의된 최적화 목표를 추구하도록 구성될 수 있다. 예를 들면, 방, 사무실, 아파트, 개방형 평면도 등 또는 이들의 조합일 수 있으며, 반드시 다층 구조물 전체일 필요는 없다.
환기 파라미터는 본 명세서에서 제공되는 동적이고 적응적이며 사용자 정의(즉, 선택 가능한)의 환기 기준을 활용하여, 최적의 방식으로 밀폐형 구조물 내부의 오염을 최소화하기 위한 라이브러리, 시스템, 방법 및 컴퓨터 판독 가능한 매체에 이용되며, 환기 파라미터는 다층 구조물의 내부와 관련된 제 1 환기 관련 파라미터(VAP1); 다층 구조물의 외부와 관련된 제 2 환기 관련 파라미터(VAP2); 시계열 환기 히스토리와 관련된 제 3 환기 관련 파라미터(VAP3)를 포함하고, 여기에서 라이브러리는 제1, 제2 및 제3 환기 관련 파라미터와 연결된 복수의 마스터 프로세스 객체들을 더 포함할 수 있다.
마찬가지로, 라이브러리는 인클로저(enclosure)를 포함하는 허브와 관련된 제 4 환기 관련 파라미터(VAP4); 및 허브 내에서 인클로저의 위치를 지정하는 제 5 환기 관련 파라미터(VAP5)를 더 포함하고, 라이브러리는 제 4 및 제 5 환기 관련 파라미터에 연결된 복수의 마스터 프로세스 객체들; 인클로저의 내부 온도와 관련된 제 6 난방 및 공조 관련 파라미터(HACAP6); 인클로저의 외부 온도와 관련된 제 7 난방 및 공조 관련 파라미터(HACAP7)를 더 포함하고, 라이브러리는 제 6 및 제 7 난방 및 공조 관련 파라미터에 연결된 복수의 마스터 프로세스 객체들을 더 포함할 수 있다. 또한, 라이브러리는 시스템을 제어하는데 이용되는 정보가 사용자에 의해 선택적으로 수정 가능하도록 구성될 수 있다. 또한, 라이브러리는 제 8 난방 및 공조 관련 파라미터(HACAP8)를 더 포함할 수 있고, 제 8 난방 및 공조 관련 파라미터는 맑은 공기 시스템에 의한 에너지 요구사항의 산출에 이용되고 환기 전력이 여러 값들 사이에서 조정되도록 구성된 상황에서 이용되는 이슬점(dew point)을 포함할 수 있다. 이러한 경우, 시스템은 냉각된 습한 공기 대신 다층 밀폐형 구조물에 액상의 물을 주입하지 않고 가장 높은 기류를 결정하도록 구성된다.
일 실시 예에서, 시스템은 시스템이 항상 충족해야 하는 규칙 세트의 형태로, 사용자 정의(즉, 선택 가능한) 전제 조건으로 초기화될 수 있다.
가능한 전제 조건의 예는 다음과 같다.
ㆍ 환기 규정 또는 표준(예: ASHRAE 62 표준)과의 호환성을 유지한다.
ㆍ 밀폐형 구조물 내부의 CO2 농도를 미리 정의된 임계값 이하로 유지한다.
ㆍ 기간 T의 각 시간 윈도우에서 최소 체적 V의 외부 맑은 공기를 밀폐형 구조물에 공급한다. 여기에서, V 및 T는 미리 정의된 값이다.
ㆍ 밀폐형 구조물로의 실외 공기 환기를 사전 정의된 값보다 오래 중단하지 않는다.
ㆍ 실내외 기압과 실내 환경의 다른 서브 구역의 기압 사이에 일정한 관계를 유지한다.
일 실시 예에서, 시스템은 서브 목표의 세트 및 우선순위 로직으로 구성된, 사용자 정의(즉, 선택 가능한) 최적화 목표로 초기화될 수 있다. 우선순위 로직은 예를 들면, 하나의 서브 목표에 대한 최적화가 다른 서브 목표에 대한 서브 최적화 결과를 가져오는 경우와 같이, 서브 목표가 함께 결합되는 방식을 정의한다.
가능한 서브 목표의 예는 다음과 같다.
ㆍ 점유 시간 동안 하나 이상의 실외 오염원(예: NO, NOx, 벤젠, PM2.5 등)의 실내 농도를 감소시킨다.
ㆍ 점유 시간 동안 실내 소스 또는 실내 프로세스(예: CO2 축적, O2 감소, 휘발성 유기 화합물과 같은 오염 물질 축적, 악취 발생 등)의 결과로서 실내 공기의 오염 및 오염에 대한 하나 이상의 지표를 최소화한다.
ㆍ 난방, 환기, 공조 및 냉동 프로세스의 에너지 요구사항을 감소시킨다.
ㆍ 최소한의 실외 공기 공급을 요구하는 일부 기준을 위반하는 횟수를 최소화한다.
ㆍ 전제 조건으로 주어질 수 있는 모든 요구는 최적화 목표의 서브 목표로서 보다 덜 규범적인 방식으로 대안적으로 주어질 수 있다. 이러한 경우, 이를 준수하는 것은 정의된 나머지 서브 목표와 함께 고려될 수 있다.
이에 따른 일 실시 예에서, 라이브러리의 제 1 환기 관련 파라미터(VAP1)는 다층 구조물 내에서 선택적으로 결정, 예상 및/또는 예측된 오염 물질 농도를 포함할 수 있고; 라이브러리의 제 2 환기 관련 파라미터(VAP2)는 다층 구조물 바로 외부의 공기(본 명세서에서 정의된, 가용 실외 공기)에서 선택적으로 결정, 예상 및/또는 예측된 오염 물질의 농도를 포함할 수 있다. 다른 실시 예에서, 제 1 환기 관련 파라미터(VAP1)는 밀폐형 구조물 내부의 공기 오염 수준에 대한 시간적 및 공간적 정량화 중 적어도 하나를 포함하는 데이터 세트이다. 유사하게, 제 2 환기 관련 파라미터(VAP2)는 밀폐형 구조물로의 실외 오염의 시간적 및 공간적 상태 중 적어도 하나를 포함하는 데이터 세트로 구성될 수 있다. 또한, 제 3 환기 관련 파라미터(VAP3)는 밀폐형 구조물의 환기 상태의 시간적 및 공간적 정량화 중 적어도 하나를 포함하는 데이터 세트로 구성될 수 있다.
목표 세트와 함께, 최적화 목표는 함께 결합되는 우선순위 로직을 포함할 수 있으며, 예를 들면 다음과 같다.
ㆍ 엄격한 계층제(Strict Hierarchy) : 제 1 서브 목표와 관련하여 최적화가 먼저 수행되고, 그 다음에야 제 1 서브 목표에 관한 결과를 손상시키지 않는 가능한 범위 내에서 우선순위가 높은 서브 목표와 관련하여 추가 최적화가 수행된다.
ㆍ 시간 분리(Separation in time) : 최적화는 주어진 시간에 하나의 서브 목표에 대해서만 수행되며, 해당 하나의 서브 목표의 선택은 특정 조건(예: 다층 밀폐형 구조물의 가정 또는 측정된 점유일 수 있음)에 따라, 서로 다른 시간들 사이에 변경된다.
ㆍ 가중 조합(Weighted combination) : 각 서브 목표에 가중치가 할당되고 해당 서브 목표에 대한 최적화가 해당 가중치에 따른 우선순위가 지정된다.
ㆍ 인간의 건강 영향(Health impact in humans) : 건강 위험에 대한 노출을 최소화하려는 시도에서 파생되는 서브 목표를 조합할 때, 유독성 기능(toxicity function)를 이용하여 조합이 수행될 수 있다. 예를 들면, 실내 공기 중 일부 오염 물질의 농도를 최소화하면 무게가 가벼워지고 해당 농도가 독성이 줄어들게 된다.
ㆍ 이상의 둘 이상을 결합하는 우선순위 로직도 가능하며, 예컨대, 규칙 기반 알고리즘일 수 있다. 예를 들면, 다층 밀폐형 구조물의 점유에 따라, 또한, 관심 오염 물질의 유독성에 따라, 가중치가 시간에 따라 동적으로 조정되는 가중치 조합일 수 있다.
시스템에서 이용되는 라이브러리는 원격 데이터베이스에 동적으로 연결될 수 있고, 다층 구조물의 물리적 특성과 연관된 파라미터; 밀폐형 구조물 및 HVAC 시스템의 물리적 특성과 연관된 파라미터; 다층 구조물의 주변 환경의 지형적 및/또는 지리적 특성; 다층 구조물의 점유에 관한 시간 데이터; 시공간 기상 데이터를 더 포함할 수 있다.
실내 또는 실외 공기의 오염 물질 농도에 대한 시공간(즉, 시간 및 위치와 관련된) 데이터는, 개별 구조물 내부의 일부 위치, 그 부근 또는 더 먼 위치; HVAC 시스템의 상태에 대한 시공간 데이터; 다층 밀폐형 구조물 주변의 관심 오염 물질의 현재 또는 미래 수준에 대한 지표 역할을 할 수 있는 다양한 수량; 데이터 항목의 변환된(예: log, ln, 1/x, e^x 등) 데이터; 데이터 항목의 무차원적 표시; 또는 이들을 포함하는 파라미터들의 조합에서 참조될 수 있다;
물리적 구조물 데이터는, 예를 들면, 천장 높이 및 바닥 면적; 바닥 및 분리된 공간으로의 분할; 환기 시스템에 의해 공기가 직접적이고 효율적으로 순환되지 않는 체적 스펙(예: 환기 시스템의 개구부 없는 방, 천장 위 및 바닥 아래의 체적 등); 환기 시스템을 통하지 않고 개별 구조물의 주변과의 가스 교환을 허용하는 인터페이스 및 개구부(예: 개방 가능한 창 및 문)의 스펙; 개별 구조물의 사용(예: 사무실, 체육관, 공장, 개인 주택 등), 또는 이들을 조합한 것일 수 있다.
마찬가지로, HVAC 시스템의 물리적 속성은, 예를 들면, 시스템에 액세스 가능한 다양한 작동 상태; 주어진 조건의 조합 하에서 시스템의 난방 및 냉각 용량; 난방 및 냉각 장비 및 구성요소(예: 냉각기, 열 펌프, 팬 코일 등)의 엔진의 전력, 성능 계수(coefficient of performance, COP) 또는 에너지 효율 비율(energy efficiency ratio, EER) 등과 같은 기계적 특성; 조건 조합(예: 실외 온도, 실외 상대 습도, 목표 실내 온도, 실외 공기 흐름, 실내 공기 흐름 등)의 함수로서 에너지 소비량을 계산할 수 있는 파라미터(예: 실외 온도, 실외 상대 습도, 목표 실내 온도, 실외 기류, 실내 공기 순환의 흐름, 실내 점유, 독립적인 실내 열원 등 또는 이들의 조합일 수 있음)일 수 있다.
마찬가지로, 개별 구조물의 주변에 대한 지형적 및 지리적 정보는, 예를 들면, 개별 구조물의 좌표(경도, 위도, 고도); 영역의 3D 모델 또는 2D 지도에 기초한 영역의 추정된 3D 모델; 또는 이들의 조합일 수 있다. 또한, 시공간 기상 데이터는 예를 들면, 기상 파라미터의 로그북, 또는 예컨대 구조물 부근의 기상 파라미터의 기술 통계값(예: 주기 평균)의 로그북을 포함할 수 있다. 기상 파라미터의 예로는 온도, 상대 습도, 풍속 및 방향, 강수량, 천공, 구름, 대기압, 일사량 등이 있다.
또한, 실내 또는 실외 공기의 오염 물질에 대한 농도 데이터는, 예를 들면, 측정 또는 계산된 농도값의 로그북; 하나 이상의 오염 물질의 농도 수준을 기반으로 계산된 수량의 로그북(예: 여러 오염 물질 농도의 가중 평균, 여러 오염 물질의 복합 유독성 지수 등); 순간적 수준의 오염 물질에 대한 로그의 개략적인 표시를 제공하는, 기술 통계값의 로그북을 포함할 수 있다.
일 실시 예에서, 시스템은 10초마다 한 번씩 NOX의 실외 측정을 제공하는 입력 채널을 통합할 수 있고, 현재 시점 이전의 10분 동안 농도의 고주파 변동 진폭은 이후 시점의 농도 경향을 예측하는데 이용될 수 있다는 것(예: 증가 또는 감소할 것으로 예상되는지 여부); 및 추가적으로 지난 주 동안 평균 15분으로 정량화된 저주파 경향은 다음 몇 시간 동안의 예상 농도값을 예측하는데 이용될 수 있다는 것을 발견할 수 있다. 특정 구조물에서 해당 실시 예의 경우, 로그북은 15분 동안만 고주파 데이터를 보유할 것이다. 나머지 로그북은 15분마다 평균값만 포함할 것이다. 주기적인 내부 프로세스는 평균값을 연산하고 오래된 고주파 데이터를 삭제할 것이다.
HVAC 시스템의 상태에 대한 데이터는, 예를 들면, HVAC 시스템 상태의 로그북(예: 실외 공기 공급 및 실내 공기 순환의 흐름, 목표 실내 온도 등으로 구성됨); 측정 또는 계산된 HVAC 시스템의 전력 로그북; 또는 이들의 조합일 수 있다. 또한, 구조물의 점유에 대한 데이터는, 예를 들면, 주어진 시간에 다층 밀폐형 구조물의 예상 점유에 대한 정의; 및/또는 다층 밀폐형 구조물의 측정 또는 추정된 실제 점유의 로그북일 수 있다.
또한, 다층 밀폐형 구조물의 부근에서 관심 오염 물질의 현재 또는 미래 수준에 대한 지표 역할을 할 수 있는 다양한 수량의 로그북은, 예를 들면, 교통 패턴 및 밀도에 대한 정보; 공장, 발전소, 상업 지역 등과 같은 다른 공기 오염원의 활동에 대한 정보; 또는 이들의 조합과 같은, 오염원에 대한 데이터일 수 있다.
데이터 항목의 무차원적 표시는, 예를 들면, 물리적 가치를 동일한 차원을 갖는 일부 가중치 척도로 나누어 획득한 수량일 수 있다. 예를 들면, 다음과 같이 작동할 수 있다.
여기에서, L과 H는 각각 특성 상한 및 하한 임계값이며, 표시는 0 (x≤L일 때 획득됨)과 1 (x≥H일 때 획득됨) 사이의 숫자일 수 있다. 마찬가지로 비선형 표시가 이용될 수 있고, 예를 들면, 다음과 같을 수 있다.
이러한 경우, f는 0과 1 사이에서 부드럽게 변하며, 그 곡률과 중심(즉, f(x) = 1/2인 x의 값)은 각각 a와 b로 정의된다. 이러한 무차원적 표시는 예를 들면, 두 개의 상이한 유형의 데이터의 정량화된 조합을 산출하는데 이용될 수 있다.
본 명세서에서 제공되는 라이브러리 및 데이터베이스는, 다양한 농도 및 다양한 기간의 노출(예: 치사량 50%, 관찰된 부작용 없는 농도 등) 및 가능한 여러 오염 물질의 복합 효과 및 유독성에 대한 각 관심 오염 물질의 유독성과 관련된 파라미터; 밀폐형 구조물에서 가스 및 기타 공기 중 물질의 실내 및 실외 역학을 설명하는 하나 이상의 모델과 관련된 파라미터(예: 확산 계수, 다양한 화학적 및 물리적 프로세스의 속도, 알려진 오염 물질의 실외 농도로부터 오염 물질의 실내 농도를 예측하는 통계적 회귀 모델의 계수 등); 및 전제 조건과의 호환성을 보장하기 위해 요구되는 파라미터(예: ASHRAE 62 표준을 준수하기 위해 라이브러리는 해당 표준에 따라 밀폐형 구조물의 공간에 대한 점유 카테고리의 정의 및 각 카테고리별 표준에 의해 정의되는 필수적인 환기 요구사항을 포함할 수 있음)를 더 포함할 수 있다. 이러한 파라미터는 연결 데이터베이스에 저장되거나 저장되지 않을 수 있다.
일 실시 예에서, 라이브러리는 전제 조건과의 호환성을 보장하기 위해 이용되는 계산의 구현을 더 포함할 수 있다. 예를 들면, 작동 가능한 일 예에서, 외부 기류는 시스템에 의해 0과 R (체적/시간) 사이에서 전환될 수 있고, 전제 조건은 기간 T의 임의의 시간 주기 동안 밀폐형 구조물로 환기되는 누적된 실외 맑은 공기가 적어도 체적 V가 되어야 한다는 요구를 포함하며, 여기에서, T와 V는 미리 정의된 값이고, 이어지는 계산은 라이브러리에서 구현되어 현재 시점 t를 시작으로 시스템이 환기를 지속적으로 중단하도록 허용되는 시간을 결정하고, 여기에서, 시간은 dt 단계로 이산화된다.
일부 실시 예에서, 라이브러리는 동적 임계값(DTV)에 기초하는 하나 이상의 최적화 전략의 구현을 포함할 것이다. 이러한 전략에서 시스템은 동적 임계값과 VAP2의 현재 값을 비교하고, 비교 결과에 따라 환기 의사결정을 설정한다. 예를 들면, 의사결정 공간이 이진법인 일 실시 예에서(즉, 실외 기류가 턴-온 또는 턴-오프만 가능한 경우), 결과적인 환기 의사결정은 VAP2의 값이 동적 임계값보다 작거나 같은 경우, 환기를 켤 것이다. 그렇지 않은 경우, 의사결정은 환기를 중단할 것이다. 단, 선택 지시가 전제 조건을 위반하지 않을 것으로 예상되는 경우를 가정한다. 이러한 전략을 예시하는 흐름도가 도 3에 제시되어 있다.
의사결정 공간이 이진법이 아닌 다른 실시 예에서(즉, 실외 기류가 여러 값 사이에서 전환될 수 있는 경우), VAP2의 현재값이 동적 임계값보다 작거나 같은 경우, 추가적인 계산이 구현되어 이용될 수 있다. 이러한 계산은 VAP2의 현재값과 동적 임계값 간의 차이와 관련된 환기 실외 기류를 결정한다. 예를 들면, 일 실시 예에서, 환기 실외 기류는 0과 일부 최대값 M 사이에서 지속적으로 조정되고, 이러한 계산은 다음과 같을 수 있다.
여기에서, a는 미리 정의된 일부 계수이고, x는 VAP2의 현재값과 동적 임계값 간의 차이이며, 결과값 f는 필요한 환기 실외 기류를 나타낸다.
추가적인 일 실시 예에서, 동적 임계값(DTV)은 정의된 최적화 목표 그리고 가능하다면 정의된 전제 조건과 관련된 다양한 고려사항에 기초하여 연산된다. 이는 예를 들면, 현재 실내 오염 수준; 이전 환기 이벤트 중 실외 오염 수준의 가중치 조합; 밀폐형 구조물의 체적에 대한 이전 환기 이벤트 동안의 실외 기류; 실외 오염 수준의 예측; 실외 오염 수준의 히스토리 경향; 시스템에 의해 작동되는 모든 환기 의사결정으로 인해 발생할 것으로 예상되는 HVAC 시스템에 의한 순간 에너지 요구사항의 추정; 폐쇄형 구조물의 현재 점유, 예상 점유 및 점유 경향; 밀폐형 구조물의 상태가 전제 조건을 위반하는데 가까운 정도; 최적화 목표 또는 전제 조건과 관련되거나 연관되는 기타 사용 가능한 데이터; 또는 이들의 조합일 수 있다.
동일한 최적화 전략이 하나 이상의 같은 방식으로 설명될 수 있으나, 다음 조건을 충족하는 모든 가능한 최적화 전략은 제공된 동적 임계값 최적화 전략과 동일한 것으로 간주될 수 있다: 주어진 상황에서 시스템에 의해 결정되는 환기 전력을 d라 하자. 여기에서, d는 실외 기류 구성과 관련되고, 추가 파라미터도 가능한, 일부 수량 c의 함수이다. d가 그것에 대해 단조적으로 증가하는 그러한 수량 c가 적어도 하나 존재한다. 즉, c1이 c2보다 크거나 같은 두 값 c1, c2마다, 결과값 d(c1, ...)는 d(c2, ...)보다 크거나 같으며, d에 영향을 미치는 다른 모든 파라미터들은 고정값으로 유지되는 경우를 가정한다.
실시 예 I : 동적 임계값 전략 (DYNAMIC THRESHOLD VALUE STRATEGY)
다음과 같은 주어진 상황을 가정하도록 한다. 최적화 목표가 실내 공기 오염(해당 실시 예에서 NOX 농도로 표시됨)을 최소화하는 것과 HVAC 시스템에 의한 에너지 요구사항을 최소화하는 것을 동시에 요구하는 상황; 점유 시간 내의 모든 시간 윈도우 T에서, HVAC 시스템이 밀폐형 구조물의 바닥 면적의 평방 미터당 매초 적어도 V1 입방 미터의 체적으로 전체 맑은 공기를 공급할 것을, 그리고 밀폐형 구조물의 점유자당 적어도 V2 입방 미터의 체적으로 전체 맑은 공기를 공급할 것을 전제 조건이 요구하는 상황; 구조물의 점유가 정의된 점유 시간 동안 P로 정의되고 그렇지 않으면 0으로 정의되는 상황; 공기 오염 모니터링 스테이션이 구조물 외부의 실시간 온도뿐만 아니라, 가용 실외 공기의 NOX 농도에 대한 지속적인 실시간 데이터를 제공하는 상황; 실내 온도가 모든 점유 시간 동안 고정되어 있는 상황; 시스템이 실외 기류를 켜거나 끌 수 있는 경우, 환기가 켜져 있을 때 실외 공기 흐름은 F인 상황; 라이브러리는 구조물 외부 온도의 함수로서 HVAC 시스템에 의한 에너지 요구사항의 추정을 산출하는 실행 가능한 모델을 포함하는 상황; 및 라이브러리가 주어진 현재 시점까지의 해당 환기 히스토리에 따라 전제 조건을 위반하지 않고 현재 시점부터 건물에 대한 실외 공기 환기를 지속적으로 중단할 수 있는 가장 긴 시간을 산출하는 계산값을 더 포함하는 상황. 이러한 기술적 상황의 예에서, 최적화 전략은 예컨대 동적 임계값 전략일 수 있으며, 여기에서 VAP2는 측정된 실외 NOX 농도를 포함하고, 동적 임계값은 다음과 같이 산출된다. 현재 시점이 구조물의 정의된 점유 시간 내에 있는 경우, 첫 번째 값 v1은 VAP2의 측정된 이전 값들의 가중치 조합으로 산출된다. 현재 시점이 구조물의 정의된 점유 시간 내에 있지 않은 경우, v1은 0으로 설정된다. 두 번째 값 v2는 현재 시점에서의 환기인 경우 HVAC 시스템의 예상 에너지 요구사항으로 산출된다. 세 번째 값 v3은 현재 시점부터 지속적으로 환기를 중단할 수 있는 가장 긴 시간으로 산출된다. 그 다음, 동적 임계값은 DTV = v1 + (B2xv2) + (B3xv3) - B0 로 산출되며, 여기에서, B2, B3, B0는 미리 정의된 계수이다. 그 다음, VAP2의 현재 값과 동적 임계값을 주기적으로 재평가하여 비교한다. 그 다음, 건물에 대한 맑은 공기 환기는 VAP2의 현재값이 동적 임계값보다 낮거나 같을 때마다 켜지도록 설정되며, 그렇지 않은 경우, VAP2의 현재값이 동적 임계값보다 높은 것으로 발견될 때마다 꺼지도록 설정된다.
실시 예 II : 통계적 예측 전략 (STATISTICAL PREDICTIVE STRATEGY)
통계적 예측 전략은, 본 명세서에 설명된 예측 모델 중 하나를 이용하여 밀폐형 구조물의 예상되는 조건의 미래값(예: 관심 오염 물질의 실내 수준 및 에너지 소비로 구성됨)을 계산하고 고려된 모든 미래 행동 과정과 연관시킨다. 최적화 목표에 따라 전반적으로 예상되는 미래값이 최적인 행동 과정을 실행한다.
실시 예 III : 메타-전략 (META-STRATEGY)
메타-전략은, 다양한 가능한 전략을 시험하고 주어진 각 인스턴스에서 가장 적합한 것으로 확인되는 서브세트에 따라 작동할 것을 선택하도록 설계된다. 다음과 같은 예시들을 들 수 있다. 과거 데이터에 대한 다양한 전략에 따라 작동을 시뮬레이션한다. 각각에 따라 얻은 결과를 평가하고, 현재 최고의 성과 전략; 및/또는 전략을 우선시하는 메타 전략에 따라 작동하도록 선택한다. 최우선순위 전략은 필요한 일부 리소스(예: 라이브러리 요소, 하드웨어 장치 등)를 사용할 수 없는 경우가 아니라면 사용되며, 이러한 경우 메타 전략은 우선순위 전략 등에서 다음 전략으로 전환된다.
라이브러리에 더 포함될 수 있는 예측 모델의 집합은 데이터의 미래 작동에 대한 기대치를 산출한다. 주어진 데이터에 대한 예측은 동일한 데이터의 과거값 및/또는 다른 사용 가능한 데이터의 과거값(예: 오염 물질의 수준, 점유, 오염원의 활동, 기상학적 조치 등) 및/또는 이용 가능한 히스토리 데이터의 감소된 통계적 표시에 기초할 수 있다.
예를 들면, 특정 위치에서, 정의된 미래 시점 또는 정의된 미래 시간 간격에 걸쳐, 주어진 오염 물질의 농도에 대한 기대값 또는 기타 통계(예: 표준 편차)에 대한 통계적 예측 변수를 예로 들 수 있으며, 예컨대, 정의된 일부 단면(예: 같은 시간, 같은 요일, 같은 계절)을 걸쳐 현재 시점에 대한 농도의 평균값(또는 대안적으로, 중앙값) 히스토리 변화를 산출한다. 이러한 평균값(또는 중앙값)을 현재 시점의 농도 변화에 대한 기대값으로 이용한다. 다른 예를 들면, 이상의 예측 중 하나를 수행하기 위해 심층 신경망을 이용하는 기계학습 모델; 및/또는 본 명세서에 설명된 것과 같은 물리적 또는 화학적 모델을 통합하는 예측 모델을 예로 들 수 있으며, 예컨대, HVAC 시스템의 이들의 과거 및 현재 수준, HVAC 시스템의 과거, 현재 및 계획된 상태 및 해당 모델에 필요한 기타 입력에 기초하여, 본 명세서에 설명된 것과 같은 하나 이상의 오염 물질 농도 수준의 미래 경향을 예측한다.
라이브러리는 원격으로 저장된 요소들과 함께, 로컬 컴퓨터의 메모리에 저장된 요소들을 포함할 수 있다. 라이브러리의 물리적 배포는 라이브러리의 각 요소를 사용할 수 없는 것으로 표시하는 옵션에 의해 시스템의 다른 구성요소로부터 추상화된다. 따라서, 라이브러리의 하나 이상의 요소를 호스팅하는 장치를 사용할 수 없는 경우(예: 네트워크 오류 또는 장치 자체의 오작동으로 인해), 해당 장치가 호스팅하는 모든 요소들(그리고 가능한대로 이들에 필수적으로 종속성 있는 다른 요소들도) 프로세싱 유닛(processing unit)에서 사용할 수 없는 것으로 표시된다. 그 다음, 프로세싱 모듈은 다시 사용할 수 있게 될 때까지 사용할 수 없는 요소들에 대한 액세스 시도를 삼가한다.
프로세싱 유닛을 통해 처리되는 최적화 전략에 의해 생성되는 명령(directive)은, HVAC 시스템과 전기적으로 통신하고 프로세싱 유닛에 로컬 또는 원격 통신 채널이 있는 제어 장치에 의해 시작 및 작동될 수 있다.
기재된 바와 같이, 본 명세서에서 제공되는 라이브러리는 본 명세서에서 제공되는 방법을 구현하는데 이용되며, 이는 개시된 시스템을 이용하여 구현될 수 있다. 이에 따른 일 실시 예에서, 시스템에서 구현 가능한 다층 구조물의 HVAC 프로세스를 최적화하기 위한 컴퓨터화된 방법이 제공되며, 상기 시스템은 다층 구조물, HVAC 시스템, 및 프로세서로 판독 가능한 매체를 포함하는 비휘발성 메모리와 통신하는 프로세싱 모듈; 및 라이브러리를 포함하고, 상기 라이브러리는, 다층 구조물의 내부와 관련된 제 1 환기 관련 파라미터(VAP1), 다층 구조물의 외부와 관련된 제 2 환기 관련 파라미터(VAP2), 시계열 환기 히스토리와 관련된 제 3 환기 관련 파라미터(VAP3), 다층 구조물의 내부 온도와 관련된 공조 관련 파라미터(HACAP6) 및 다층 구조물의 외부 온도와 관련된 공조 관련 파라미터(HACAP7)를 포함하고, 상기 라이브러리는 동적 임계값을 갖는 복수의 서브 목표를 포함하는 복수의 마스터 프로세스 객체들을 더 포함하고, 상기 동적 임계값은 다층 구조물의 내부 및 외부 온도와 관련된 난방 및 공조 관련 파라미터 뿐만 아니라, 제 1, 제 2 및 제 3 환기 관련 파라미터와 연결되고, 상기 방법은 환기 프롬프트에 응답하여 미리 결정된 최적화 목표를 달성하도록 구성된 작업 세트를 선택하는 단계; 환기 요청 내에서 프로세스 커맨드 세트를 생성하기 위해 선택된 작업 세트를 연관시키고 환기 커맨드를 생성하는 단계; 및 환기 커맨드를 실행하는 단계;를 포함하고, 라이브러리에 있는 마스터 프로세스 객체들의 세트는 마스터 프로세스 객체들의 세트를 환기 커맨드에 복사하지 않고 환기 커맨드에 연결된다.
정의된 최적화 전략을 실행하기 위해 HVAC 시스템의 상태를 제어하기 위해 제공되는 상기 방법은, 다양한 파라미터를 특징으로 하는 연결 데이터베이스의 내용을 활용하면서, 정의된 전제 조건에 따라 정의된 최적화 목표(및 관련 서브 목표)를 추구하도록 구성될 수 있다. 하나 이상이 복수의 입력 채널의 일부인 입력 채널을 통해 지속적으로 업데이트된다(예: 도 1 참조).
모든 최적화 전략의 작동은 연결 데이터베이스의 일부로 저장될 수 있는 데이터를 활용하는 일 실시 예에 의존한다. 데이터베이스의 일부 항목은 입력 채널을 통해 업데이트될 수 있지만, 다른 항목은 일정하거나 시스템이 처음 배포될 때 한 번만 초기화되거나 공급자에 의해 수동으로만 업데이트될 수 있다.
데이터베이스에 저장될 수 있는 데이터는 다음과 같다.
ㆍ 실내 재순환 및 실외 기류, 난방 및 냉방 속도 등을 정의하는 것과 같이, HVAC 시스템의 작동과 관련된 파라미터
ㆍ HVAC 시스템의 다양한 구성요소에 대한 기계적, 전기적 및 열적 파라미터와 같이, 다양한 조건에서 HVAC 시스템의 에너지 요구사항을 추정할 수 있는 파라미터
ㆍ 구조물의 천장 높이 및/또는 면적, 바닥 및 기타 하위 공간으로의 분할
ㆍ 다층 밀폐형 구조물과 각 서브 공간(사무실, 창고, 체육관, 주방 등)에서 발생하는 일반적인 활동
ㆍ 다층 밀폐형 구조물의 주변과 공기 및 기타 가스의 수동 교환을 허용하는 인터페이스 및 개구부 스펙
ㆍ 다층 밀폐형 구조물의 부분 공간에서 환기 효율성과 관련된 구조적 데이터. 특히, 환기 시스템에 의해 공기가 직접적이고 효율적으로 순환되지 않는 체적 스펙(예: 환기 시스템에 의해 직접 공급되지 않는 방, 천장 위와 바닥 아래의 체적, 주요 사무실 캐비닛 등).
ㆍ 다층 밀폐형 구조물 및 그 주변에 대한 지형적 및 지리적 데이터. 다층 밀폐형 구조물의 좌표와 주변 환경의 2D 또는 3D 모델을 포함할 수 있음.
ㆍ 농도 및 기타 조건에 따른 공기 중 물질의 건강 위험과 관련된 파라미터(예: 유독성의 포화 수준, 물질 그룹의 공동 효과 등)
ㆍ 다층 밀폐형 구조물에서 발생할 수 있고 관심 물질의 농도에 영향을 줄 수 있는 프로세스와 관련된 파라미터:
o 흐름, 확산, 분산, 분해, 분자 상호 작용 및 반응 등과 같은 화학적 및 물리적 프로세스와 관련된 파라미터. 하나 이상의 분자 종류를 포함할 수 있으며, 온도, 습도 및 기타 기상 데이터의 영향을 받을 수 있음.
o 이러한 프로세스에 대한 각각의 가능한 상태에서 HVAC 시스템의 영향과 관련된 파라미터. 예를 들면, 열처리(난방/냉각), 실내 재순환 기류 및 환기 기류.
o 관심 재료의 농도에 대한 다층 밀폐형 구조물의 활동 효과와 관련된 파라미터.
ㆍ 실내 또는 실외 공기 중 물질(가스 또는 기타 공기 중 물질)의 농도에 대한 시계열 데이터(temporal data). 이는 다층 폐쇄형 구조물의 내부, 주변 또는 더 먼 위치에서 참조될 수 있음. 이들은 다음을 포함할 수 있음.
o 측정 또는 추정된 관심 물질의 시간 농도
o 시계열 농도 데이터의 기술 통계 또는 기타 축소된 수학적 표시
o 하나 이상의 재료 농도, 라이브러리에 정의된 기타 데이터 및 파라미터에 기초하여 산출되는 지수
ㆍ HVAC 시스템의 상태 및 필요한 에너지와 같은 HVAC 시스템의 활동에 대한 시계열 데이터
ㆍ 다층 밀폐형 구조물의 점유 및 내부에서 발생하는 인간 또는 기타 활동에 대한 가정, 추정 또는 측정된 시간 데이터. 휴일 및 주말에 대한 데이터와 그 기간 동안의 예상 점유율이 포함될 수 있음.
ㆍ 온도, 상대 습도, 풍속 및 방향, 강수량, 천공, 구름, 대기압, 일사량 등의 시계열 기상 데이터
ㆍ 최적화 전략에서 사용할 수 있는 다양한 기타 수량에 대한 시계열 데이터. 예를 들면, 여기에는 교통, 산업 활동 등과 같은 관심 물질의 농도에 대한 지표 역할을 할 수 있는 수량이 포함될 수 있음.
본 명세서에서 제공되는 방법을 구현하기 위한 시스템은 시스템이 항상 충족해야 하는 일련의 요구사항(즉, 전제 조건)으로 초기화될 수 있다. 예를 들면, 오작동의 경우, 시스템이 실행 중이고 HVAC 시스템을 제어할 수 있는 모든 경우에 이러한 요구사항이 충족되어야 한다. 이들은 시스템이 작동하는 의사결정 공간의 바운더리를 결정한다. 예를 들면, 오작동의 경우, 시스템이 실행 중이고 HVAC 시스템을 제어할 수 있는 모든 경우에 이러한 요구사항이 충족되어야 한다. 시스템의 상이한 실시 예들은 상이한 세트의 전제 조건으로 초기화될 수 있다. 이러한 전제 조건은 예를 들면, 최소의 필수적 실외 공기 공급의 정의 및/또는 HVAC 시스템의 허용 상태에 대한 정의 및/또는 부분적 시스템 오작동의 경우에 실행될 대체 정책의 정의일 수 있다. 대체 정책은 프로세싱 유닛의 입력 스트림이 중지되었음을 감지할 때마다(예: 통신 문제 또는 프로세싱 유닛 자체의 오작동으로 인해), HVAC 제어 유닛에 의해 실행될 간단한 명령어를 포함한다. HVAC 제어 유닛은 시스템의 다른 구성요소 및 이들과의 통신 상태와 무관하게 작동하는 한, 이러한 명령어를 해석할 수 있어야 한다. 따라서 대체 정책은 로컬 컴퓨터가 아닌 다른 위치에 저장되거나 호스팅되는 리소스 및 데이터 항목에 대한 필수적인 액세스를 요구하지 않는다.
기재된 바와 같이, 전제 조건은 사용자의 사용자 지정 요구사항에 따라 정의될 수 있다. 일 실시 예에서, 일부 전제 조건은 다층 밀폐형 구조물로의 최소의 필수적인 실외 공기 공급과 관련될 수 있다. 실외 공기 공급의 전제 조건은 예를 들면, ASHRAE 62 표준과 같은, 알려진 환기 표준과의 호환성 유지 요구; 일부 사용자 지정 기간 내의 평균 실외 기류가 미리 결정된 임계값보다 작지 않을 것이라는 정의; C02의 최대 허용 실내 농도의 정의, 실내 값의 일정한 임계값 또는 C02의 실내 및 실외 농도 차이의 임계값; 다층 밀폐형 구조물의 실외 공기 공급이 지속적으로 중단되는 가장 긴 허용 시간의 정의; 다층 밀폐형 구조물에 대한 실외 공기 공급이 중단되는 최대 시간 백분율의 정의; 주어진 시간에 실내 온도가 선택된 설정 온도로부터 특정 크기 부근에 있어야 한다는 요구; 또는 이들의 조합일 수 있다.
마찬가지로, 전제 조건은 HVAC 시스템의 허용 상태 정의와 관련될 수 있고, 실외 기류의 가능한 값; 실내 순환 흐름의 가능한 값; 난방 또는 냉방 전력의 가능한 값; 또는 이들의 조합을 포함할 수 있다. 또한, 난방 또는 냉방 전력 값은, HVAC 시스템에 사용되는 기계의 기계적 및 열적 제한에 의해 결정되는 가능한 최대 기류와 같은 다양한 고려 사항을 고려할 수 있다. 이러한 최대 기류는 일반적으로 실외 온도 및 이슬점, HVAC 시스템에 대해 설정된 목표 실내 온도 및 HVAC 시스템의 기계적 및 열역학적 특성에 따라 달라진다. 주어진 시간에 실내 온도가 선택된 설정 온도로부터 특정 크기 부근에 있어야 한다는 전제 조건이 실제로 정의된 실시 예에서, HVAC 시스템이 이를 준수할 수 있도록 하는 최대 실외 기류와 관련하여 또 다른 전제 조건이 요구된다. 이러한 제한은 일반적으로 HVAC 시스템의 냉방 또는 난방 기능, 실외 온도 및 상대 습도, 목표 실내 온도, HVAC 시스템의 기계적 및 열역학적 특성에 따라 달라진다.
"시스템"이라는 용어는 또한 하나 이상의 기능을 수행하기 위해 명령어의 한 세트 또는 여러 세트를 개별적으로 또는 공동으로 실행하는 시스템 또는 서브 시스템의 임의의 집합을 포함하는 것으로 간주한다. 또한, "시스템"이라는 용어는 여러 장치들의 논리적 어셈블리 배열을 의미하며, 모든 구성 장치들이 동일한 하우징에 있는 배열로 제한되지 않는다.
일 실시 예에서, 본 명세서에서 제공되는 시스템은, HVAC 시스템이 있는 다층 구조물; 다층 구조물 내부의 HVAC를 제어하도록 구성된 HVAC 시스템과 통신하는 제어 모듈; HVAC 제어 모듈과 통신하고, 프로세서를 포함하며, 각각의 입력 채널이 데이터 소스와 통신하는 복수의 입력 채널과 통신하는 프로세싱 모듈; 프로세싱 모듈과 통신하는 메모리로서, 실행될 때 프로세싱 모듈이 다층 밀폐형 구조물 내에서 미리 선택된 파라미터를 유지하도록 구성된 명령어를 개시 및 작동시키도록 구성된 실행 가능한 명령 세트를 포함하는 라이브러리를 저장한 메모리를 포함하고, 예를 들면, 다층 구조물 내 대기 오염을 최소화하는 동시에 최적의 방식으로 에너지 요구사항을 최소화한다.
일 실시 예에서, 입력 채널은 제어 모듈 및/또는 프로세서와 지속적으로 통신한다. "입력 채널"이라는 용어는 컨트롤러의 관점에서 사용되며, 다양한 데이터 소스(예: 센서, 예측 알고리즘 등)와 제어 모듈 간의 통신 방향을 나타낸다. 입력 채널은 예를 들면 다음과 같다.
a. 성능 및/또는 상태를 측정하는 HVAC 시스템 및/또는 센서의 피드백 입력. 예를 들면, 설정 및 실제 실외 기류, 설정 및 실제 실내 온도, 전력 소비 등과 같은, 실제 상태의 측정값에 대한 리포트일 수 있음;
b. 다층 밀폐형 구조물 내부 및/또는 주변 및/또는 원격 위치에 있을 수 있는 특정 위치의 오염 수준을 모니터링하는 센서의 입력;
c. 다양한 날씨 측정값을 모니터링하는 센서의 입력;
d. 출석 시스템, 연결된 개찰구, CCTV, C02 센서 등과 같은, 다층 밀폐형 구조물의 점유를 추정하거나 측정하는데 이용되는 시스템의 입력;
e. EPA, NOA, NASA 등과 같은, 공용 데이터베이스에서 수동 또는 자동 데이터 로드(예: 다운로드 및 업로드 또는 자동 풀/푸시 알림);
f. 장치의 원격 관리에 대한 최종 사용자 인터페이스의 입력;
g. 소프트웨어 업데이트 및 데이터 항목 업데이트를 포함하는 원격 서버의 입력;
h. 라이브러리의 가능한 항목의 수동 업로드, 또는 이들의 조합.
또한, 본 명세서에서 사용되는 바와 같이, "프로세서"라는 용어는, 반드시 이에 제한되는 것은 아니지만, 컴퓨터/프로세서 기반 시스템, ASIC(Application Specific Integrated Circuit), 컴퓨팅 장치, 또는 비일시적 저장 매체나 비일시적 컴퓨터 판독 가능한 저장 매체로부터 로직을 가져오거나 얻을 수 있고 그 안에 포함된 명령어를 실행할 수 있는 하드웨어 및/또는 소프트웨어 시스템과 같은, 명령어 실행 시스템을 포함하는 것으로 정의된다. 또한, "프로세서"는 모든 컨트롤러, 상태-머신, 마이크로프로세서, 클라우드 기반 유틸리티, 서비스 또는 기능, 또는 이들의 임의의 기타 아날로그, 디지털 및/또는 기계적 구현을 포함할 수 있다.
일 실시 예에서, 프로세서는 중앙 프로세싱 모듈의 일부이며, 제어 모듈에 통합되거나 제어 모듈과 분리될 수 있다. 프로세싱 모듈은 예를 들면 다음을 수행하도록 구성될 수 있다.
a. 이상에서 기술한 전략 또는 메타-전략 중 하나에 따라 작동한다. (그리고/또는)
b. 라이브러리에서 이용 가능한 데이터를 사용하여 선택 전략에 의해 결정되는 로직을 실행한다. 주어진 각 인스턴스에서 전략에 따라 HVAC 시스템으로 전송된 설정 상태에 대한 명령어를 생성한다. 각 명령어가 정의된 전제 조건을 준수하는지 확인한다. (그리고/또는)
c. 현재 사용 가능한 관련 데이터 항목 및 계산 리소스에 사용되는 전략을 조정하고 업데이트하는 자체 제어 서브유닛을 포함한다.
이러한 조정이 필요한 예는 다음과 같다: 하드웨어 오작동이 발생하여 프로세싱 모듈에 사용할 수 있는 연산 능력이 크게 감소하는 경우, 제어 하위 장치는 전략을 무거운 전략(예: 다변수 최적화)에서 보다 가벼운 전략(예: 최적화를 위한 더 적은 변수)으로 전환하여, 시스템의 성능을 저하시키는 대가를 치르더라도 시스템의 지속적인 작동을 보장한다; 그리고/또는, 특정 데이터 항목을 사용할 수 없거나 시간 초과로 인해 실패하는 경우, 시스템은 해당 데이터 항목에 대한 액세스에 종속되는 전략을 준수하지 않도록 할 수 있다; 그리고/또는, 로컬 프로세싱 유닛에 대해 원격인 라이브러리의 모든 요소를 사용할 수 없게 만드는 통신 오류의 경우, 적절한 서브유닛을 사용하여 로컬 폴백 전략(fallback strategy)으로 전환하도록 시스템을 구성할 수 있다.
따라서, 로컬 최소 프로세싱 모듈 및 주요 원격 프로세싱 모듈(마스터-슬레이브 모드)을 갖는 일 실시 예에서, 원격 모듈은 그 명령어를 로컬 모듈로 보낼 것이다. 일부 오작동이 감지되지 않는 한(예: 원격 모듈로부터 오류 메시지가 수신되거나 메시지가 수신되지 않아 정의된 시간이 초과하는 경우), 후자는 전자의 명령어를 수신하고 HVAC 제어 모듈에 그대로 전달한다. 이러한 경우, 로컬 모듈은 원격 모듈을 무시하고 액세스 가능한 최상의 전략에 따라 작동한다.
추가적으로 또는 대안적으로, 로컬 및 원격 프로세싱 모듈은 공유 모드에서 작동할 수 있고, 그들 각각에 연산 리소스와 일치할 것으로 예상되는 연산 로드의 일부를 할당할 수 있다. 따라서, 대규모 데이터 세트에 대한 집계 계산은 원격 모듈에서 수행하도록 설정될 수 있는 반면, 소규모 작업 및 주요 워크플로우는 로컬 프로세싱 모듈에서 수행될 수 있다.
일 실시 예에서, HVAC 제어 모듈은 다음을 수행하도록 구성될 수 있다:
a. 프로세싱 모듈로부터 명령어를 수신하여 HVAC 시스템으로 실행을 시도한다.
b. HVAC 제어 장치는 모든 오류(예: 프로세싱 모듈과의 통신 또는 프로세싱 모듈 자체의 심각한 오류)를 감지하고, 해당 시점에서 HVAC 제어 모듈은 이상에서 기술한 바와 같이, 폴백 정책을 수행하도록 구성될 수 있다.
c. HVAC 제어 모듈에 의해 수신 및 처리된 명령어의 결과는 프로세싱 모듈에 다시 보고될 수 있고, 프로세싱 모듈은 이를 전달하여 라이브러리에 저장하도록 할 수 있다.
일 실시 예에서, 본 명세서에서 개시된 시스템은, 개시된 방법을 구현하기 위해 제공되는 라이브러리를 이용하며, 사전에 처리된 맑은 공기이든 직접적인 맑은 공기이든 별개의 방향에서 선택 가능한 공기 유입을 제공하도록 구성되는 다방향 또는 방향 조정 가능한 공기 유입 모듈(예: 도 6-10 참조)을 더 포함한다. 결과적으로, 환기 방향은 가장 낮게 결정된 오염 물질 농도와 관련된 공기 유입 방향에서 공기를 다층 구조물의 바로 외부로 끌어들이도록 구성된다(즉, 본 명세서에서 정의된 가용 실외 공기). 단, 다층 밀폐형 구조물을 따라 다양한 높이에 공기 유입구를 배치할 수 있으며, 어떠한 높이에서도 공기 유입이 가능하도록 구성하여 내부 공기 오염을 최소화할 수 있다.
일 실시 예에서, 본 명세서에서 제공된 시스템은, 개시된 방법을 구현하기 위해 제공되는 라이브러리를 이용하며, 바이패스 출구, 3방향 밸브 및 입구에서 바이패스 출구로 직접 공기의 선택 가능한 바이패스 흐름을 제공하도록 구성된 2차 팬을 더 포함한다. 이를 통해 실외 공기 공급이 중단된 경우에도 흡입구를 통한 잔류 기류를 유지할 수 있으므로, 구조물에 대한 공기 공급이 복원될 때까지 덕트 내부에 높은 수준의 오염 물질이 유지되는 것을 방지할 수 있다. 보조 팬은 메인 팬보다 가벼울 수 있고, 구조물의 전체 체적이 아니라 입구와 출구 사이의 덕트 체적을 통해서만 공기를 순환시키도록 설계될 수 있으며, 이에 따라 메인 팬보다 전력을 덜 소모하게 된다. 일 예에서, 바이패스 출구 및 3방향 밸브 및 2차 팬은 가용 실외 공기의 오염의 측정된 시계열 데이터와 함께 사용되도록 작동할 수 있다. 그 후에, 유입구에서 3방향 밸브까지 공기 덩어리가 이동하는데 걸리는 시간을 고려하도록 최적화 전략을 구성한다.
일 실시 예에서, 본 명세서에서 제공된 시스템은, 개시된 방법을 구현하기 위해 제공되는 라이브러리를 이용하며, 벤트, 덕트 또는 개구부 뿐만 아니라 비점유 공간(예: 비어 있는 방 및 복도 및 천장 위 및 바닥 아래 볼륨)으로 통하는 환기구를 더 포함하여, 이러한 공간과 점유 공간 사이에서 자유로운 공기 교환이 이루어지도록 한다. 이는 구조물에 대한 실외 공기 공급이 중단될 수 있는 기간을 연장할 수 있으며, 결과적으로 실외 소스로 인한 실내 공기 오염을 줄이기 위한 최적화 전략의 능력을 향상시킬 수 있다. 일 실시 예에서, 이들 공간과 점유 공간 사이의 기류뿐만 아니라, 이러한 비점유 공간의 환기도 활성화 및 선택 가능하도록 작동 가능하게 구성된다. 이러한 실시 예는 비점유 공간을 선택적으로 환기시키기 위해 시스템이 명령할 수 있는 배플(baffle)을 포함할 수 있다. 이러한 실시 예는 또한 점유 공간과 비점유 공간 사이의 순환 기류를 선택적으로 설정하도록 구성되는 라이트 팬, 덕트 및 벤트 또는 개구부를 포함할 수 있다. 그 후에, 비점유 공간의 환기 및 점유 공간과 비점유 공간 사이의 순환 기류를 활용하도록 최적화 전략을 구성할 수 있다.
기재된 바와 같이, 개시된 방법은, 라이브러리를 이용하는 제공된 시스템을 이용하여 구현될 수 있고, 다양한 컴퓨터 프로그램과 같은 프로세서로 판독 가능한 매체를 이용하는 컴퓨터화된 방법이다. 컴퓨터 프로그램(소프트웨어 및/또는 펌웨어)은, 본 명세서에서 기술된 방법의 단계들을 수행하기 위한 프로그램 코드 수단뿐만 아니라 컴퓨터에 의해 판독될 수 있는 매체에 저장된 프로그램 코드 수단을 포함하는 컴퓨터 프로그램 제품을 포함할 수 있으며, 예를 들면, 플로피 디스크, 하드 디스크, CD-ROM, DVD, USB 메모리 스틱일 수 있고, 또는 컴퓨터 프로그램 제품이 메인 메모리에 로딩되어 실행될 때 인터넷이나 인트라넷과 같은 데이터 네트워크를 통해 액세스될 수 있는 저장 매체일 수 있다. 따라서, "비일시적 저장 매체" 및 "비일시적 컴퓨터 판독 가능한 저장 매체"라는 용어는 프로그램, 정보 및 데이터를 포함, 저장 또는 유지할 수 있는 모든 매체를 포함하지만, 반드시 이에 제한되지 않는 것으로 정의된다. 비일시적 저장 매체 및 비일시적 컴퓨터 판독 가능한 저장 매체는 예를 들면, 전자, 자기, 광학, 전자기 또는 반도체 매체와 같은 많은 물리적 매체 중 어느 하나를 포함할 수 있다. 적합한 비일시적 저장 매체 및 비일시적 컴퓨터 판독 가능한 저장 매체의 보다 구체적인 예로는, 플로피 디스켓 또는 하드 드라이브와 같은 자기 컴퓨터 디스켓, 자기 테이프, random access memory(RAM), read-only memory(ROM), erasable programmable read-only memory(EPROM), 플래시 드라이브, 컴팩트 디스크(CD) 또는 digital video disk(DVD)가 있다.
이에 따른 일 실시 예에서, 라이브러리와 통신하는 프로세서로 판독 가능한 매체가 제공되며, 상기 라이브러리는 다층 구조물의 내부와 관련된 제 1 환기 관련 파라미터(VAP1), 다층 구조물의 외부와 관련된 제 2 환기 관련 파라미터(VAP2), 시계열 환기 히스토리와 관련된 제 3 환기 관련 파라미터(VAP3), 다층 구조물의 내부 온도와 관련된 공조 관련 파라미터(HACAP6) 및 다층 구조물의 외부 온도와 관련된 공조 관련 파라미터(HACAP7)를 포함하고, 상기 라이브러리는 동적 임계값을 갖는 복수의 마스터 프로세스 객체들을 더 포함하고, 다층 구조물의 내부 및 외부 온도와 관련된 난방 및 공조 관련 파라미터 뿐만 아니라, 제 1, 제 2 및 제 3 환기 관련 파라미터와 연결되고, 프로세서로 판독 가능한 매체는 실행 가능한 명령어 세트를 포함하고, 명령어 세트는, 명령어 세트가 실행될 때, 프로세서가 HVAC 시스템에서 환기 요청 프롬프트를 수신하도록 구성되고, 프로세서가 환기 요청에 응답하여 미리 결정된 최적화 목표를 달성하도록 구성된 작업 세트를 선택하도록 구성되고, 프로세서가 선택된 작업 세트를 환기 요청과 연관시키도록 구성되고, 프로세서가 환기 요청 내에서 프로세스 커맨드 세트를 생성하도록 구성되고, 프로세서가 환기 커맨드를 생성하도록 구성되고, 프로세서가 환기 커맨드에서 환기 관련 상기 마스터 프로세스 객체들의 세트를 실행하도록 구성되고, 라이브러리에 있는 마스터 프로세스 객체들의 세트는 마스터 프로세스 객체들의 세트를 환기 커맨드에 복사하지 않고 환기 커맨드에 연결된다.
본 명세서에 기술된 방법에서 이용되는 메모리 장치(들)는 다양한 유형의 비일시적 메모리 장치 또는 저장 장치(즉, 전원이 없을 때 정보를 잃지 않는 메모리 장치) 중 하나일 수 있다. "메모리 장치"라는 용어는 CD-ROM, 플로피 디스크 또는 테이프 장치와 같은 설치 매체, 또는 하드 드라이브, 광학 저장 장치 또는 ROM, EPROM, FLASH 등과 같은 마그네틱 매체와 같은 비일시적 메모리를 포함한다. 메모리 장치는 또한 다른 유형의 메모리 또는 이들의 조합을 포함할 수 있다. 또한, 메모리 매체는 프로그램이 실행되는 제 1 컴퓨터에 위치할 수 있고/있거나, 인터넷과 같은 네트워크를 통해 제 1 컴퓨터와 연결되는 다른 제 2 컴퓨터에 위치할 수 있다. 후자의 경우에, 제 2 컴퓨터는 실행을 위해 제 1 컴퓨터에 프로그램 명령어들을 더 제공할 수 있다. "메모리 장치"라는 용어는 또한 서로 다른 위치에 있을 수 있는 둘 이상의 메모리 장치를 포함할 수 있고, 예를 들면, 예를 들면, 네트워크를 통해 연결된 서로 다른 컴퓨터에 있을 수 있다.
또한, 프로세서는 적절한 회로를 가진 다양한 모듈 및 구성요소에 작동 가능하게 결합될 수 있으며, 여기에서 "작동 가능하게 결합된", "결합된" 및/또는 "결합"이라는 용어는 항목들 간의 직접 결합 및/또는 중간 항목(예: 항목에는 구성요소, 요소, 회로, 엔진 및/또는 모듈이 포함되지만 이에 제한되지 않음)을 통한 항목들 간의 간접 결합을 포함하며, 여기에서 간접 결합의 경우, 중간 항목은 신호의 정보를 수정하지 않지만, 현재 레벨, 전압 레벨 및/또는 전력 레벨을 조정할 수 있다. 본 명세서에서 추가적으로 이용될 수 있는 바와 같이, 유추 결합(즉, 하나의 요소가 유추에 의해 다른 요소에 결합되는 경우)은 "결합"과 동일한 방식으로 두 항목들 간의 직접 및 간접 결합을 포함한다. 본 명세서에서 추가적으로 이용될 수 있는 바와 같이, "~에 작동 가능한" 또는 "~에 작동 가능하게 결합된"이라는 용어는 항목이 활성화될 때 하나 이상의 대응하는 기능을 수행하기 위해 하나 이상의 전원 연결, 입력(들), 출력(들) 등을 포함하고, 하나 이상의 다른 항목에 대한 유추 결합을 더 포함할 수 있음을 의미한다. 본 명세서에서 추가적으로 이용될 수 있는 바와 같이, "~와 연관된"이라는 용어는 별도의 항목 및/또는 하나의 항목이 다른 항목 내에 내장되는 직접 및/또는 간접 결합을 포함한다.
본 명세서에서 "모듈"이라는 용어는 소프트웨어 컴퓨터 프로그램 코드 및/또는 모듈에 기인하는 기능을 제공하는데 활용되는 임의의 하드웨어 또는 회로를 지칭하는데 이용된다. 또한, "모듈" 또는 "컴포넌트"라는 용어는 컴퓨팅 시스템에서 실행되는 소프트웨어 객체 또는 루틴을 나타낼 수도 있다. 본 명세서에 기술된 서로 다른 구성요소, 모듈, 엔진 및 서비스는 컴퓨팅 시스템에서 실행되는 객체 또는 프로세스(예: 개별 스레드로서)로서 구현될 수 있다.
달리 구체적으로 언급되지 않는 한, 이어지는 기술에서 명백하게 알 수 있듯이, 명세서 기술 전반에 걸쳐 "프로세싱(처리)", "로딩", "통신", "검출", "계산(산출)", "결정", "분석" 등은 트랜지스터 아키텍처와 같이 물리적으로 표현된 데이터를 물리적 및 구조적 레이어로 유사하게 표현된 다른 데이터로 조작 및/또는 변환하는 컴퓨터 또는 컴퓨팅 시스템 또는 유사한 전자 컴퓨팅 장치의 작동 및/또는 프로세스를 나타낸다.
또한, 본 명세서에서 이용될 수 있는 바와 같이, "통신 프로세싱 모듈(CPM)", "모듈", "프로세싱 회로", 및/또는 "프로세싱 유닛"이라는 용어는 단일 프로세싱 장치 또는 복수의 프로세싱 장치일 수 있다. 이러한 프로세싱 장치는 마이크로프로세서, 마이크로 컨트롤러, 디지털 신호 프로세서, 마이크로컴퓨터, 중앙 처리 장치, 필드 프로그램 가능한 게이트 어레이, 프로그램 가능한 논리 장치, 상태 머신, 논리 회로, 아날로그 회로, 디지털 회로 및/또는, 회로의 하드 코딩 및/또는 작동 명령어(즉, 펌웨어)를 기반으로 신호(아날로그 및/또는 디지털)를 조작하는 임의의 모든 장치일 수 있다. 프로세서, 프로세싱 회로, 및/또는 프로세싱 유닛은 연관된 메모리 및/또는 집적 메모리 요소를 포함할 수 있고, 이는 단일 메모리 장치, 복수의 메모리 장치, 및/또는 프로세싱 모듈, 모듈, 프로세싱 회로, 및/또는 프로세싱 유닛의 임베디드 회로일 수 있다. 이러한 메모리 장치는 읽기 전용 메모리, 랜덤 액세스 메모리, 임시 메모리, 비일시적 메모리, 정적 메모리, 동적 메모리, 플래시 메모리, 캐시 메모리, 및/또는 디지털 정보를 저장하는 임의의 장치일 수 있다.
프로세서, 모듈, 서버, 네트워크 스위치 등, 프로세싱 회로 및/또는 프로세싱 유닛이 둘 이상의 프로세싱 장치를 포함하는 경우, 프로세싱 장치는 중앙에 위치하거나 분산될 수 있다(예: 근거리 통신망 및/또는 광역 통신망을 통한 간접 결합을 통한 클라우드 컴퓨팅). 또한, 메모리 구성요소는 도 1 구성요소들 중 하나 이상에 도시된 단계 및/또는 기능의 적어도 일부에 대응하는 하드 코딩된 및/또는 작동상의 명령어를 저장하고, 프로세서, 모듈, 프로세싱 회로 및/또는 프로세싱 유닛을 실행할 수 있음에 유의한다. 이러한 메모리 장치 또는 메모리 구성요소는 제조 물품으로서 일 실시 예일 수 있고 그에 포함될 수도 있다.
이제 도면을 참조하도록 하며, 특히 도 1 내지 도 2를 참조하면, 일 실시 예로 구현될 수 있는 데이터 프로세싱 환경의 예시적인 흐름도가 제공된다. 도 1 내지 도 10은 단지 예시일 뿐이며, 상이한 실시 예가 구현될 수 있는 환경과 관련하여 임의의 제한을 주장하거나 암시하도록 의도되지 않는다. 기술된 환경에 대한 다양한 변형이 이루어질 수 있다.
도 1 내지 도 2로 이제 넘어가면, 시스템 구성요소 및 이러한 구성요소 간의 상호 관계를 도시하고 있다. 도시된 바와 같이, 시스템의 다른 구성요소는 다른 구성요소의 입력 및 피드백에 따라 작동할 수 있다. 예를 들면, 시스템의 한 요소의 가용성은 다른 요소의 기능을 위해 필수적일 수 있다(예: 마스터-슬레이브 관계, 따라서 선택 불가). 다른 실시 예에서, 실외 소스의 특정 오염 물질에 대한 노출을 감소시키고, 해당 오염 물질의 실외 센서(600P)(미도시)와 메인 전략으로부터의 단일 입력 채널(150i)을 통합한다. 실외 데이터(151)의 가용성은 수행될 전략에 필수적일 수 있고, 해당 센서(107) 입력 데이터(151)를 이용할 수 없는 경우, 프로세싱 유닛(200)은 라이브러리(100)에서 다른 전략(102k)을 검색할 것이며, 이는 작동할 실외 센서(107) 데이터(151)의 가용성에 종속되지 않거나 또는 실내 데이터에 기초하여 산출될 것이다. 다른 경우에, 시스템의 한 요소의 가용성은 다른 요소의 기능을 위해 필수적인 것이 아니라, 오히려 이를 보조하거나 성능을 향상시키는 것으로 정의될 수 있다. 따라서, 이상에서 기술한 바와 같이, 라이브러리(100)가 특정 오염 물질(예: NOX)의 측정된 실내 농도를 포함하고 있음을 가정하고, 이는 실내 센서(106)(미도시)로부터 입력 채널(150i)을 통해 수신되며, 또한 오염 물질의 실내 농도를 추정할 수 있는 계산을 통해, 실외 센서(107)를 이용하여 측정된 실외 농도와 환기 히스토리만을 기반으로 하고 있음을 가정한다(미도시됨, 실내 센서(106)에 의해 측정된 오염 물질의 이전 시간 및 농도 참조). 이러한 경우, 실내 센서(106)로부터의 데이터(151)는 전략의 기능을 위해 필수적이지 않을 수 있고, 그것의 비가용성은 후자의 비가용성을 초래하지 않을 것이다.
도 1 내지 도 4에 도시된 바와 같이, 입력 채널(150i)은 데이터베이스(110)의 항목(111j)에 변경 사항을 제공한다. 개시(40) 시, 프로세싱 모듈(200)은 라이브러리(100)로부터 이용 가능한 최적화 전략(74) 및 연관된 모델(102k)을 로드하고(101) 두 종류의 연산을 실행한다: 예를 들면, 로드된 전략의 명령어를 재계산함으로써 데이터베이스(100)의 데이터 업데이트에 응답하고(212), HVAC 제어 모듈(400)을 통해 HVAC 시스템에 커맨드(220)를 전송함으로써 해당 명령어를 작동시킨다. HVAC 제어 모듈(400)은 데이터베이스(110)에 저장되도록 전달(212)될 수 있는 피드백(401)으로 커맨드(220)에 응답한다. 그 다음, 프로세싱 모듈(200)은 적극적인 전략이 여전히 이용 가능한지 여부를 체크함으로써(24), 즉, 기능에 필수적인 다른 모든 라이브러리 항목(102k)이 사용 가능한지 여부를 확인함으로써(24), 라이브러리(110)의 다른 항목의 가용성 상태의 변화에 응답한다(22)(예컨대, 도 2 참조). 만일 적극적인 전략이 사용 불가능한 것으로 확인되는 경우(25), 프로세싱 모듈(200)은 사용 가능한 전략이 발견될 때까지(22에 따라 사용 가능한 필요 리소스 측면에서) 다음 우선순위 전략을 로드한다(26). 폴백 전략과 그 기능에 필수적인 모든 구성요소가 프로세싱 모듈(200) 자체의 물리적 부분이기 때문에, 그러한 전략은 항상 발견될 수 있다. HVAC 제어 모듈(400)은 HVAC 시스템의 상태에서 요구되는 변경을 작동시키고 또한 전제 조건(302)에 대한 변경의 최종 검증을 수행하고, 전제 조건(302)의 위반이 검출되는 경우, 전술한 폴백 전략에 따라 이를 무시한다. 시스템이 시작될 때(20) 프로세싱 모듈(200)은 라이브러리(100)로부터 로드된(102k) 미리 선택된 최적화 전략(74)에 기초한 최적화 목표로 초기화되고(20), HVAC 제어 모듈(400)은 전제 조건(302)으로 초기화된다.
도 1 및 도 2에 도시된 바와 같이, 프로세싱 모듈(200)은 시작 시 또는 리셋(20) 후에 모든 라이브러리 항목의 가용성(22)을 모니터링하여(21) 라이브러리(100) 또는 데이터베이스(110)에 저장된 파라미터(111j) 및 동적으로 변경된 임계값에 대한 변경이 있는지 확인한다. 변경 사항이 발견되는 경우, 프로세싱 모듈(200)은 라이브러리(100)와 통신하여(202) 사용 가능한 가장 높은 우선순위 전략을 선택하고(26), 다시 라이브러리(100)와 통신하여 전략의 리소스 가용성을 다시 체크하며(22), 그런 다음(24), 전략을 사용할 수 없는 경우(25), 사용 가능한 가장 높은 우선순위 전략(74)을 선택하고, 라이브러리(100)와 다시 통신하여 전략 리소스의 가용성을 다시 체크한다(22). 그러나 전략의 리소스를 사용할 수 있는 경우(29), 전략의 명령어가 라이브러리(100)로부터 획득되고, 데이터베이스(100)의 업데이트된 데이터로 재계산되며(30), 재계산이 실패하면 프로세스는 20으로 리셋되고(37), 그렇지 않으면(33) 명령어가 HVAC 제어 모듈(400)로 전송되고(34), 그 후, 프로세싱 모듈(200)은 HVAC 제어 모듈(400)의 작동에 따라 피드백(401)을 수신하고, 전략의 가용성을 재체크(22)를 재개한다(21).
이제 도 3으로 넘어가도록 하며, 도 3은 "DTV(Dynamic Threshold Value)" 이진법 전략(binary strategy)의 논리를 도시하고 있다. 도시된 것처럼, 프로세싱 모듈(200)로부터 커맨드를 수신하는 경우, 프로세스가 초기화되고(40), 필요한 데이터가 데이터베이스(110)로부터 수집되고(42), 데이터가 프로세싱 모듈(200)로 검색되고(43), 여기에서 실내 조건이 추가로 계산되고(44), 구조물의 실내 조건이 벤트를 폐쇄 가능한지 여부에 대해 확인한다(46). 만일 현재 시점에서 벤트의 폐쇄가 금지된 것으로 확인되는 경우(47), 벤트를 개방한다(48). 벤트의 폐쇄가 허용되는 경우(49), 수집된 데이터를 이용하여 동적 임계값을 연산(50)하고, 그 다음(51), VAP2의 현재값과 비교한다(52). VAP2의 현재값이 DTV보다 작거나 같은 경우(55), 벤트를 개방하고(48), 그렇지 않은 경우(53), 벤트를 폐쇄한다(54).
이제 도 4로 넘어가도록 하며, 도 4는 최적화 목표(68)가 최적화 목표(60n) 및 우선순위 로직(62)의 세트로 구성되어 있음을 설명하는 개략도를 나타낸다. 도 4는 시스템이 추구해야 하는 결과를 개략적으로 보여준다. 전제 조건(70)은 시스템이 항상 충족해야 하는 요구 사항 리스트이다. 최적화 전략(74)은 최적화 전략(74)을 추구하기 위해 라이브러리(100) 및 데이터베이스(110)를 이용하여, 전제 조건(701)을 준수하면서(예: 미리 결정된 농도에서 CO2 수준을 유지), 프로세서(200)에 의해 실행되고 시스템에 의해 이어지는 실행 가능한 작업 세트를 정의한다.
이제 도 5로 넘어가도록 하며, 도 5는 실외 온도(Tout), 상대 습도(RHout) 및 실내 설정 온도(Tset)에 따라 실외 기류의 최대 출력을 조절해야 하는 경우, 프로세싱 유닛(200)에 의해 실행되는 로직을 도시하고 있다. 도시된 바와 같이, 시작되면(80), 프로세싱 모듈(200)은 현재 실외 온도 및 상대 습도를 판독하고(82), 응축 제거와 같은 정의된 전제 조건을 여전히 준수하는 최대 환기 전력(Pmax)을 다시 계산하고(84), Pmax의 새로운 값을 전송하여 HVAC 제어 모듈(400)에서 업데이트되도록 하고(85)(이에 따라 HVAC 제어 모듈(400)에 의해 이용될 수 있도록), 그 다음 Pmax의 새로운 값에 따라 전략의 명령어를 재계산하고, HVAC 제어 모듈(400)로 환기를 작동시킨다(88). 또한, HVAC 제어 유닛(400)은 벤트의 현재 전력 P가 Pmax보다 큰 지 여부를 확인하고(88), 그렇다면(89) 즉시 P를 Pmax와 같도록 감소시킨다. 또한, 프로세싱 모듈(200)은 현재 실외 온도 및 상대 습도를 판독하고(82), 최대 환기 전력(Pmax)을 재계산한 후(84), 커맨드를 전송하며(91), (필요한 경우), 최적화 전략(74)을 재계산하고 실행시킨다(예컨대, 도 4 참조).
이제 도 6 내지 도 10으로 넘어가도록 하며, 도 6 내지 도 10은 1차 및 2차 벤트의 구성의 다양한 실시 예의 개략도를 나타낸다. 예를 들면, 도 6에 도시된 바와 같이, 센서가 입구(601)에서 공기질을 모니터링할 수 있는 메인 도관(610)을 통해 공기가 들어가고, 팬 유닛(650)은 입구(601) 및 출구(602)를 가지며, 공기를 포스트 팬 덕트(616)를 통해 HVAC 제어 모듈(400)에 기초하는 밸브(605) 쪽으로 이동시키도록 구성되고, 프로세싱 모듈(200)과 통신하여 공기가 구조물 입구 덕트(615)로 흐르도록 할 것인지, 아니면 출구(604)가 있는 출구 덕트(614)를 통해 공기가 구조물에 들어가지 않고 빠져나가게 할 것인지 결정할 것이다. 즉, 메인 도관(610)은 입구(601, - 메인 도관(610)의 개구부)로부터 실외 공기를 전달한다. 공기질은 입구(601)에서 측정된다. 3-방향 밸브(605)는 공기를 건물(700)로 보내는 것과 공기를 밖으로(602) 배출하는 것 사이에서 전환될 수 있다.
대안적으로 또는 추가적으로, 도 7에 도시된 바와 같이, 추가적인 라이트 팬 유닛(611)은 다층 밀폐형 구조물을 환기시키기 위해 팬 유닛(650)이 작동되지 않을 때에도 메인 도관(610) 내부의 공기의 교체를 허용한다.
도 8은 제어 가능한 배플(605, 606)과 메인 팬 유닛(650)으로부터 반대 방향으로 연장되는 입구 덕트(617, 618)가 있는 보조 라이트 팬 유닛(611)과 함께, 2개의 방향으로부터 선택 가능한 공기 입구를 허용하는 구성을 도시한다. 일 실시 예에서, 프로세싱 모듈(200)은, 개시된 프로그램에 의해 실행될 때, 적어도 하나의 프로세서가 실외 공기 오염 물질의 가장 낮은 농도를 가질 입구(601, 603)의 방향으로부터 메인 도관(610)으로의 기류를 개시하게 하도록 구성될 수 있으며, 또는 다른 실시 예에서, 다층 밀폐형 구조물에서 에너지 보존을 위한 가장 최적의 결과를 제공할 입구(601, 603)의 방향으로부터 메인 도관(610)으로의 기류를 개시하게 하도록 구성될 수 있다. 후자의 메인 도관(610)은 전자와 동일하거나 상이할 수 있다. 일 실시 예에서, 보조 팬(611)은 실행될 때 입구(601, 603)가 구조물(700)에 공기를 공급하지 않는 경우 입구(601, 603)를 통해 배출구(602)로 약한 기류를 유지하도록 구성될 수 있다(예컨대, 도 6 참조).
이제 도 9로 넘어가도록 하며, 도 9는 다층 밀폐형 구조물 내부 공간(700)의 낙하 천장(drop ceiling)(705) 위 공간(750)에 배치된 환기 유입 덕트 구성을 도시하고 있다. 도시된 바와 같이, 외부 메인 도관(610)과 통신하는 내부 유입 덕트(901)는 2개의 출구(벤트)를 포함한다. 첫 번째(915)는 낙하 실링(705) 아래의 공간(700)으로 개방되고, 두 번째(902)는 낙하 실링(705) 위의 공간(750)으로 개방된다. 또한 배플(905)이 도시되어 있다. 본 명세서에서 제공되는 시스템 및 처리 모듈(200)을 이용하는 HVAC 제어 모듈(400)(미도시)은, 맑은 공기를 저장하기 위해 낙하 실링(705) 위의 체적(750)을 이용하도록 구성될 수 있다. 천장(705) 및 내부 유입 덕트(901)의 개구부(701)에 위치한 밸브(710)는 공기가 낙하 천장(705) 위의 체적(750)으로 이동하는지 여부 및 천장 개구부(701)를 통한 공간(750)과 방(700) 사이의 공기의 수동적 통과 여부를 결정할 수 있게 한다.
마찬가지로, 도 10은 다층 밀폐형 구조물 내부 공간의 낙하 천장(705) 위 공간에 배치된 환기 유입 덕트 구성의 다른 실시 예를 도시하고 있다. 도시된 바와 같이, 추가적인 내부 라이트 팬 유닛(950)은 낙하 천장(705) 아래 공간으로 개방되는 입구/출구(951, 952) 및 낙하 천장(705) 위의 공간(705)으로 개방되는 추가적인 입구/출구(953, 954)를 포함한다. 또한, 배플(또는 밸브)(905, 954 및 955)가 도시되어 있다. 이러한 구성에서, 낙하 천장(705) 아래 공간(700) 내부의 공기를 재순환시키면서 3방향 밸브(905)를 차단하고 배플(954 및 955)을 열어서 낙하 천장(705) 아래 공간 내에서 충격(즉, 공기 교체 가속화)을 유도할 수 있다. 일 실시 예에서, 본 명세서에서 제공되는 시스템은 도 6 내지 도 10에 실질적으로 도시된 바와 같이, 다층 밀폐형 구조물 내부 공간의 낙하 천장 아래 공간에 배치된 환기 입구 덕트 구성을 포함한다. 마찬가지로, 방에 위치한 유닛(950)은 방(700)과 낙하 천장(705) 위의 체적(750) 사이에서 공기를 능동적으로 전달할 수 있다.
본 명세서에서 사용되는 용어 "포함하는" 및 그 파생어는 기재된 특징, 요소, 구성요소, 그룹, 정수 및/또는 단계의 존재를 구체화하는 개방형 용어로 의도되지만, 기재되지 않은 다른 특징, 요소, 구성요소, 그룹, 정수 및/또는 단계의 존재를 배제하지 않는다. 전술한 내용은 "포함하는", "갖는" 및 그 파생어와 같이 유사한 의미를 갖는 단어에도 적용된다.
본 명세서에 개시된 모든 범위는 끝점(endpoints)을 포함하고, 끝점은 서로 독립적으로 조합될 수 있다. "조합(결합)(combination)"은 블렌드, 혼합물, 합금, 반응 생성물 등을 포함한다. 본 명세서에서 용어 "하나", "일" 및 "단일"은 수량의 제한을 나타내지 않으며, 본 명세서에서 다르게 기재하거나 문맥상 명백히 모순되지 않는 한, 단수 및 복수를 모두 포함하는 것으로 해석되어야 한다. 본 명세서에 사용된 접미사 "(들)"은 그것이 변형하는 용어의 단수 및 복수를 모두 포함함으로써 그 용어 중 하나 이상을 포함하도록 의도된다(예를 들면, 스트림(들)은 하나 이상의 스트림을 포함한다). 명세서 전체에 걸쳐 "일 실시 예", " 다른 실시 예 ", "특정 실시 예", "작동 가능한 실시 예", “구현” 등에 대한 참조는, 존재하는 경우, 특정 구현(예: 특징, 구조 및/또는 특성), 실행, 동작 및 작업 예와 관련하여 설명된 특정 요소 또는 요소들이 본 명세서에서 기술된 적어도 하나의 그러한 구현에 포함된다는 것을 의미하며, 다른 구현, 실행, 작업 및 작업 예에 존재할 수도 있고 그렇지 않을 수도 있다. 또한, 설명된 요소들은 다양한 실시 예들에서 임의의 적절한 방식으로 조합될 수 있다는 것을 이해해야 한다.
마찬가지로, "약(about)"이라는 용어는 양, 크기, 수식, 파라미터 및 기타 수량과 특성이 정확하지 않고 정확할 필요는 없으나, 허용 오차, 변환 계수, 반올림, 측정 오차 등 그리고 당업자에게 공지된 기타 요인을 반영하는 근사값 및/또는 더 크거나 작을 수 있다. 일반적으로 양, 크기, 수식, 파라미터 또는 기타 수량이나 특성은 명시적으로 언급되었는지 여부에 관계없이 "약" 또는 "대략적"이다.
이에 따른 일 실시 예에서, 다층 구조물의 HVAC 프로세스에 대한 제어 정보를 포함하는 프로세서로 액세스 가능한 라이브러리가 제공되며, 상기 라이브러리는 동적 환기 기준을 이용하여 환기 및/또는 난방 및 공조를 위한 최적화 주기를 식별하는 방법을 구현하도록 구성되고, 상기 라이브러리는 외부 및 내부의 HVAC 파라미터를 더 포함하고, (i) 환기 파라미터는, 다층 구조물의 내부와 관련된 제 1 환기 관련 파라미터(VAP1); 다층 구조물의 외부와 관련된 제 2 환기 관련 파라미터(VAP2); 및 시간적 환기 히스토리와 관련된 제 3 환기 관련 파라미터(VAP3);를 포함하고, 상기 라이브러리는 제 1, 제 2 및 제 3 환기 관련 파라미터에 연결된 복수의 마스터 프로세스 객체들을 더 포함하고, (ii) 인클로저를 포함하는 허브와 관련된 제 4 환기 관련 파라미터(VAP4); 및 허브 내에서 인클로저의 위치를 지정하는 제 5 환기 관련 파라미터(VAP5)를 더 포함하고, 라이브러리는 제 4 및 제 5 환기 관련 파라미터에 연결된 복수의 마스터 프로세스 객체들을 더 포함하고, (iii) 인클로저의 내부 온도와 관련된 제 6 난방 및 공조 관련 파라미터(HACAP6); 및 인클로저의 외부 온도와 관련된 제 7 난방 및 공조 관련 파라미터(HACAP7)를 더 포함하고, 상기 라이브러리는 제 6 및 제 7 난방 및 공조 관련 파라미터에 연결된 복수의 마스터 프로세스 객체들을 더 포함하고, (iv) 상기 라이브러리는 제어 정보가 사용자에 의해 수정 가능하도록 구성되고, (v) 상기 라이브러리에 있는 복수의 마스터 프로세스의 최적화 서브 목표로부터 미리 결정된 최적화 목표를 달성하도록 구성된 작업 세트는, 선택 가능하도록 구성되고, (vi) 제 1 환기 관련 파라미터(VAP1)은 다층 구조물 내에서 선택적으로 결정된 오염 물질의 농도를 포함하고, 제 2 환기 관련 파라미터(VAP2)는 다층 구조물의 바로 외부에서 선택적으로 결정된 오염 물질의 농도를 포함하고, (vii) 규칙 기반 알고리즘은 다층 인클로저 내에서 오염을 최소화하고 난방 및 공조 프로세스의 에너지 요구사항을 최소화하도록 구성된 마스터 프로세스의 객체들의 세트를 선택하도록 구성되고, (viii) 상기 최적화 목표는 실내 및/또는 실외에서 발생하는 오염 물질 농도의 감소, 유입되는 기류의 최대화, 내부 온도 범위의 유지, 위반 기간의 최소화, HVAC 시스템에 의한 에너지 요구사항의 최소화, 또는 이들을 포함하는 최적화 목표의 조합을 포함하고, (ix) 상기 라이브러리는 적어도 하나의 원격 데이터베이스에 동적으로 연결되고, (x) 상기 라이브러리는 다층 구조물의 물리적 특성, HVAC 시스템의 물리적 특성, 다층 구조물의 주변 환경의 지형적 및/또는 지리적 특성, 다층 구조물의 점유, 기상 데이터, 또는 이들을 포함하는 파라미터들의 조합과 연관된 파라미터를 더 포함하고, (xi) 상기 라이브러리는 제 8 난방 및 공조 관련 파라미터(HACAP8)를 더 포함하고, 제 8 난방 및 공조 관련 파라미터는 습구 온도를 포함하고, (xii) 최소한으로 요구되는 외부 공기 공급과 연관된 파라미터를 더 포함할 수 있다.
다른 일 실시 예에서, 시스템에서 구현 가능한 다층 구조물의 HVAC 프로세스를 최적화하기 위한 컴퓨터화된 방법이 제공되며, 상기 시스템은 다층 구조물; HVAC 시스템; 프로세서로 판독 가능한 매체를 포함하는 비휘발성 메모리와 통신하는 프로세싱 모듈; 및 라이브러리를 포함하고, 상기 라이브러리는, 다층 구조물의 내부와 관련된 제 1 환기 관련 파라미터(VAP1), 다층 구조물의 외부와 관련된 제 2 환기 관련 파라미터(VAP2), 시간적 환기 히스토리와 관련된 제 3 환기 관련 파라미터(VAP3), 다층 구조물의 내부 온도와 관련된 공조 관련 파라미터(HACAP6) 및 다층 구조물의 외부 온도와 관련된 공조 관련 파라미터(HACAP7)를 포함하고, 상기 라이브러리는 동적 임계값을 갖는 복수의 서브 목표를 포함하는 복수의 마스터 프로세스 객체들을 더 포함하고, 동적 임계값은 다층 구조물의 내부 및 외부 온도와 관련된 난방 및 공조 관련 파라미터 뿐만 아니라, 제 1, 제 2 및 제 3 환기 관련 파라미터와 연결되고, 상기 방법은 환기 프롬프트에 응답하여 라이브러리에 있는 복수의 마스터 프로세스의 최적화 목표로부터 미리 결정된 최적화 목표를 달성하도록 구성된 작업 세트를 선택하는 단계; 환기 요청 내에서 프로세스 커맨드 세트를 생성하기 위해 선택된 작업 세트를 연관시키고 환기 커맨드를 생성하는 단계; 및 환기 커맨드를 실행하는 단계;를 포함하고, 라이브러리에 있는 마스터 프로세스 객체들의 세트는 마스터 프로세스 객체들의 세트를 환기 커맨드에 복사하지 않고 환기 커맨드에 연결되고, (xiii) 라이브러리에 있는 복수의 마스터 프로세스 객체들로부터 마스터 프로세스 객체들의 세트를 선택하는 단계는, 규칙 기반 알고리즘을 이용하여 구현되고, (xiv) 제 1 환기 관련 파라미터(VAP1)은 다층 구조물 내에서 선택적으로 결정된 오염 물질의 농도를 포함하고, 제 2 환기 관련 파라미터(VAP2)는 다층 구조물의 바로 외부에서 선택적으로 결정된 오염 물질의 농도를 포함하고, (xv) 상기 시스템은 다방향 공기 유입 모듈을 더 포함하고, 다방향 공기 유입 모듈은 개별 방향에서 선택 가능한 공기 유입을 제공하도록 조정되고, (xvi) 상기 최적화 목표는 실내 및/또는 실외에서 발생하는 오염 물질 농도의 감소, 유입되는 기류의 최대화, 내부 온도 범위의 유지, 위반 기간의 최소화, HVAC 시스템에 의한 에너지 요구사항의 최소화, 또는 이들을 포함하는 서브 목표의 조합을 포함하는 복수의 서브 목표 중 적어도 하나로 구성되고, (xvii) 상기 라이브러리는 다층 구조물의 물리적 특성, HVAC 시스템의 물리적 특성, 다층 구조물의 주변 환경의 지형적 및/또는 지리적 특성, 다층 구조물의 점유, 기상 데이터, 또는 이들을 포함하는 파라미터들의 조합과 연관된 파라미터를 더 포함하고, (xviii) 규칙 기반 알고리즘은 인클로저 내에서 오염을 최소화하고 난방 및 공조 프로세스의 에너지 요구사항을 최소화하도록 구성된 마스터 프로세스의 객체들의 세트를 선택하도록 구성되고, (xix) 상기 라이브러리는, 인클로저를 포함하는 허브와 관련된 제 4 환기 관련 파라미터(VAP4); 및 허브 내에서 인클로저의 위치를 지정하는 제 5 환기 관련 파라미터(VAP5)를 더 포함하고, 상기 라이브러리는 제 4 및 제 5 환기 관련 파라미터에 연결된 복수의 마스터 프로세스 객체들을 더 포함하고, (xx) HVAC 시스템에서 습기의 응축을 방지하기 위해 습구 온도를 결정하고 기류를 제한하는 단계를 더 포함하고, (xxi) 환기 방향은 가장 낮게 결정된 오염 물질의 농도와 연관된 공기 유입 방향에서 다층 구조물의 바로 외부로 공기를 끌어들이도록 구성되고, (xxii) 상기 라이브러리는 최소한으로 요구되는 외부 공기 공급과 연관된 파라미터를 더 포함하고, (xxiii) 상기 라이브러리는 최소한으로 요구되는 외부 공기 공급과 연관된 파라미터를 더 포함하고, (xxiv) 환기 커맨드를 실행하는 단계는 밀폐형 구조물의 부분들 사이에서 미리 결정된 기압 차이를 유지시키는 단계를 더 포함하고, (xxv) 밀폐형 구조물의 부분들 사이에서 미리 결정된 기압 차이를 유지시키는 단계는, 배기 환기 기류와 맑은 기류를 제어하는 단계를 포함하고, (xxvi) 동적 임계값은 맑은 공기 시스템에 의해 예측되는 에너지 요구사항의 함수에 따라 변화하고, (xxvi) 예측되는 에너지 요구사항을 기상 예보 파라미터에 기초하여 산출하는 단계를 더 포함하고, (xxviii) 환기 커맨드를 실행하는 단계는 밀폐형 구조물의 비점유된 부분 또는 비점유된 밀폐형 구조물 전체를 환기시키는 단계를 더 포함하고, (xxix) 상기 방법은 에너지 효율을 개선하기 위해 상기 HVAC 시스템의 구성요소를 활성화, 비활성화 및 조율하는 단계를 더 포함하는 (xxx) HVAC 시스템의 구성요소는 냉각기, 열 펌프, 팬 코일, 가열 코일, 열 교환기, 냉각탑, 물 펌프, 모터, 팬 및 컴프레서 중 적어도 하나이고, (xxxi) 개선된 에너지 효율은 와트, 성능 계수(COP) 및 에너지 효율 비율(EER) 중 적어도 하나이고, (xxxii) 환기 커맨드를 실행하는 단계는 구조물에 있는 서로 다른 서브 구역 사이의 실외 기류 분포에 각각 영향을 주는 배플 및 덤퍼 중 적어도 하나를 제어하는 단계를 더 포함하고, (xxxiii) 상기 방법은 HVAC 시스템의 결함 있는 구성요소 또는 밀폐형 구조물이나 그 일부에서 맑은 기류의 부적절한 분배를 감지하는 단계; 및 결함 있는 구성요소를 감지하는 경우, 경보를 발령하는 단계;를 더 포함할 수 있다.
또 다른 일 실시 예에서, 라이브러리와 통신하는 프로세서로 판독 가능한 매체가 제공되며, 상기 라이브러리는 다층 구조물의 내부와 관련된 제 1 환기 관련 파라미터(VAP1), 다층 구조물의 외부와 관련된 제 2 환기 관련 파라미터(VAP2), 시간적 환기 히스토리와 관련된 제 3 환기 관련 파라미터(VAP3), 다층 구조물의 내부 온도와 관련된 공조 관련 파라미터(HACAP6) 및 다층 구조물의 외부 온도와 관련된 공조 관련 파라미터(HACAP7)를 더 포함하고, 상기 라이브러리는 동적 임계값을 갖는 복수의 마스터 프로세스 객체들을 더 포함하고, 동적 임계값은 다층 구조물의 내부 및 외부 온도와 관련된 난방 및 공조 관련 파라미터 뿐만 아니라, 제 1, 제 2 및 제 3 환기 관련 파라미터와 연결되고, 프로세서로 판독 가능한 매체는 실행 가능한 명령어 세트를 포함하고, 상기 명령어 세트는, 명령어 세트가 실행될 때, 프로세서가 HVAC 시스템에서 환기 요청 프롬프트를 수신하도록 구성되고, 프로세서가 환기 요청에 응답하여 라이브러리에 있는 복수의 마스터 프로세스 객체들로부터 미리 결정된 최적화 목표를 달성하도록 구성된 작업 세트를 선택하도록 구성되고, 프로세서가 선택된 작업 세트를 환기 요청과 연관시키도록 구성되고, 프로세서가 환기 요청 내에서 프로세스 커맨드 세트를 생성하도록 구성되고, 프로세서가 환기 커맨드를 생성하도록 구성되고, 프로세서가 환기 커맨드에서 환기 관련 상기 마스터 프로세스 객체들의 세트를 실행하도록 구성되고, 라이브러리에 있는 마스터 프로세스 객체들의 세트는 마스터 프로세스 객체들의 세트를 환기 커맨드에 복사하지 않고 환기 커맨드에 연결되고, (xxxiv) 마스터 프로세스 객체들의 세트는 규칙 기반 알고리즘을 이용하여 라이브러리에 있는 복수의 마스터 프로세스 객체들로부터 선택 가능하도록 구성되고, (xxxv) 최적화 목표는 실내 및/또는 실외에서 발생하는 오염 물질 농도의 감소, 유입되는 기류의 최대화, 내부 온도 범위의 유지, 위반 기간의 최소화, HVAC 시스템에 의한 에너지 요구사항의 최소화, 또는 이들을 포함하는 서브 목표의 조합을 포함하는 복수의 서브 목표 중 적어도 하나로 구성되고, (xxxvi) 상기 라이브러리는, 인클로저를 포함하는 허브와 관련된 제 4 환기 관련 파라미터(VAP4); 및 허브 내에서 인클로저의 위치를 지정하는 제 5 환기 관련 파라미터(VAP5)를 더 포함하고, 라이브러리는 제 4 및 제 5 환기 관련 파라미터에 연결된 복수의 마스터 프로세스 객체들을 더 포함하고, (xxxvii) 명령어 세트가 실행될 때, 적어도 하나의 프로세서가 사용자 입력을 이용하여 제어 정보를 수정하도록 더 구성되고, (xxxviii) 사용자 입력은 HVAC 시스템 및/또는 HVAC 시스템의 성능을 측정하는 센서로부터의 피드백 입력, 특정 위치에서 오염 물질의 수준을 모니터링하는 센서로부터의 입력, 또는 이들의 조합을 포함하고, (xxxix) 프로세서로 판독 가능한 매체는, 명령어 세트가 실행될 때, HVAC 시스템에서 습기의 응축을 방지하기 위해 적어도 하나의 프로세서가 습구 온도를 결정하고 기류를 제한하게 하도록 더 구성될 수 있다.
다른 일 실시 예에서, 시스템에서 구현 가능한 다층 구조물의 HVAC 프로세스의 적응적 최적화를 위한 방법이 제공되며, 상기 시스템은 다층 구조물; HVAC 시스템; 및 프로세서로 판독 가능한 매체를 포함하는 비휘발성 메모리와 통신하는 프로세싱 모듈; 및 라이브러리를 포함하고, 상기 라이브러리는, 다층 구조물의 내부와 관련된 제 1 환기 관련 파라미터(VAP1), 다층 구조물의 외부와 관련된 제 2 환기 관련 파라미터(VAP2), 시간적 환기 히스토리와 관련된 제 3 환기 관련 파라미터(VAP3), 다층 구조물의 내부 온도와 관련된 공조 관련 파라미터(HACAP6) 및 다층 구조물의 외부 온도와 관련된 공조 관련 파라미터(HACAP7)를 포함하고, 상기 라이브러리는 동적 임계값을 갖는 복수의 서브 목표를 포함하는 복수의 마스터 프로세스 객체들을 더 포함하고, 동적 임계값은 다층 구조물의 내부 및 외부 온도와 관련된 난방 및 공조 관련 파라미터 뿐만 아니라, 제 1, 제 2 및 제 3 환기 관련 파라미터와 연결되고, 상기 방법은 하나 이상의 예견적 예측 통계 모델로부터 수신되는 예측 오염 물질의 값들의 제 1 세트 및 하나 이상의 오염 물질 측정값으로부터 수신되는 실제 오염 물질의 값들의 제 1 세트를 포함하는 과거 데이터세트를 선택하는 단계; 과거 데이터세트에 대해 기계학습 모델의 하나 이상의 변형을 트레이닝함으로써 하나 이상의 예견적 예측 통계 모델의 성능을 모델링하기 위해 기계학습 모델의 하나 이상의 변형을 생성하는 단계; 하나 이상의 예견적 예측 통계 모델로부터 도출되는 예측 오염 물질의 값들의 제 2 세트 및 하나 이상의 오염 물질 측정값으로부터 도출되는 실제 오염 물질의 값들의 제 2 세트를 포함하는 현재 데이터세트를 수신하는 단계; 필터링된 과거 데이터세트를 적응적으로 획득하기 위해 현재 데이터세트를 과거 데이터세트와 연관시키는 단계; 과거 데이터세트에 대해 트레이닝된 기계학습 모델의 하나 이상의 변형을 선택하고, 기계학습 모델 및 그 출력의 하나 이상의 변형 각각에 가중치를 할당하기 위해 필터링된 과거 데이터세트에서 선택된 하나 이상의 변형을 추정하는 단계; 및 필터링된 과거 데이터세트에 대한 기계학습 모델의 하나 이상의 변형의 추정 및 과거 데이터세트에 대해 트레이닝되는 기계학습 모델의 하나 이상의 변형 각각의 출력에 기초하여 트레이닝되는, 기계학습 모델의 하나 이상의 변형 각각에 할당된 가중치를 결합함으로써, 적어도 하나의 복합 예측 오염 물질의 값을 결정하기 위해 최적 조합 함수의 형태로 통계 모델을 도출하는 단계;를 포함하고, 상기 선택하는 단계, 상기 생성하는 단계, 상기 수신하는 단계, 상기 연관시키는 단계, 상기 추정하는 단계 및 상기 도출하는 단계는, 메모리에 저장된 컴퓨터 판독 가능한 명령어를 이용하여 프로세서에 의해 수행되고, (xl) 하나 이상의 예견적 예측 통계 모델은 감독 제어 및 데이터 수집(supervisory control and data acquisition, SCADA) 모델, 오염 물질들의 반응 속도 수치적 예측 모델을 포함하는 물리적 모델, 통계 모델, 기계학습 모델, 대안 예측 모델, 또는 이들의 조합을 포함하고, (xli) 상기 기계학습 모델의 하나 이상의 변형은 인공 신경망(Artificial Neural Networks, ANNs), 기저 함수 모델, 커널 기법, 서포트 벡터 머신, 의사결정 트리, 변형 기법, 분포 샘플링 기법, 앙상블 기법, 그래프 모델, 검색 기법, 또는 이들의 조합을 포함할 수 있다.
이상에서 기재된 내용은 비록 일부 실시 예에 관하여 기술하고 있으나, 본 명세서의 개시로부터 다른 실시 예들이 당업자에게 자명할 수 있다. 무엇보다, 기술된 실시 예들은 단지 예로서 제시된 것으로, 본 발명의 범위를 한정하도록 의도되지 않는다. 실제로, 본 명세서에서 기술된 신규 방법, 프로그램, 장치 및 시스템은 그 기술적 사상을 벗어나지 않는 범위 내에서 다양한 다른 형태로 구현될 수 있다. 따라서, 본 명세서에 개시된 내용의 관점에서 다양한 조합, 생략, 대체 및 변형은 당업자에게 자명할 것이다.
Claims (44)
- 다층 구조물의 환기 및/또는 난방 및 공조 (HVAC) 프로세스에 대한 제어 정보를 포함하는 프로세서로 액세스 가능한 라이브러리에 있어서,
상기 라이브러리는 동적 환기 기준을 이용하여 상기 환기 및/또는 난방 및 공조를 위한 최적화 주기를 식별하는 방법을 구현하도록 구성되고,
상기 라이브러리는 외부 및 내부의 HVAC 파라미터를 포함하고,
상기 환기 및/또는 난방 및 공조를 위한 상기 최적화된 주기를 식별하여 상기 다층 구조물의 HVAC 시스템을 작동시키는 경우 상기 동적 환기 기준은,
a. 상기 다층 구조물 외부의 적어도 일부의 공기 품질과 관련된 제 2 환기 관련 파라미터(VAP2);
b. 상기 다층 구조물의 시계열 환기 히스토리와 관련된 제 3 환기 관련 파라미터(VAP3);
c. 인클로저(enclosure)를 포함하는 허브와 관련된 제 4 환기 관련 파라미터(VAP4); 및
d. 상기 허브 내에서 상기 인클로저의 위치를 지정하는 제 5 환기 관련 파라미터(VAP5);를 포함하고,
상기 라이브러리는 상기 제 2 환기 관련 파라미터, 상기 제 3 환기 관련 파라미터, 상기 제 4 환기 관련 파라미터 및 상기 제 5 환기 관련 파라미터에 연결된 복수의 마스터 프로세스 객체들을 더 포함하는, 라이브러리.
- 제 1 항에 있어서,
상기 하나 이상의 HVAC 시스템에 대한 환기 명령은 상기 동적 및 적응적 환기 기준을 이용하여 환기 파라미터가 산출되는, 라이브러리.
- 제 1 항에 있어서,
실외 소스로부터의 적어도 하나의 실외 공기 오염 물질과 관련된 데이터를 포함하는, 라이브러리.
- 제 3 항에 있어서,
상기 실외 소스로부터의 적어도 하나의 오염 물질과 관련된 데이터는, i) 상기 실외 소스로부터의 적어도 하나의 실외 공기 오염 물질과 관련된 데이터; 및 ii) 상기 실외 소스로부터의 적어도 하나의 실내 공기 오염 물질과 관련된 데이터;를 포함하는, 라이브러리.
- 제 4 항에 있어서,
상기 실외 소스로부터의 적어도 하나의 실외 공기 오염 물질 및 상기 실외 소스로부터의 적어도 하나의 실내 공기 오염 물질은, 동일한 공기 오염 물질인, 라이브러리.
- 제 2 항에 있어서,
상기 환기 명령은 실내 오염 수준에 영향을 주는 파라미터들을 기초로 하는 동적 공기오염 모델링에 기초되어 산출되는, 라이브러리.
- 제 2 항에 있어서,
상기 환기 명령, 에너지 요구사항의 모델링에 더 기초하는, 라이브러리.
- 제 3 항에 있어서,
상기 실외 소스로부터의 적어도 하나의 오염 물질과 관련된 데이터는, a) 적어도 하나의 공기 오염 물질에 대한 실외 시공간적 측정; b) 적어도 하나의 공기 오염 물질에 대한 실외 시공간적 산출; c) 기상 데이터; d) 지형적 데이터; 및 e) 지리적 데이터; 중 적어도 하나를 포함하는, 라이브러리.
- 제 3 항에 있어서,
상기 실외 소스로부터의 적어도 하나의 오염 물질과 관련된 데이터는,
a) 상기 실외 소스로부터의 적어도 하나의 실내 공기 오염 물질에 대한 측정; 및
b) 상기 실외 소스로부터의 실내 오염 물질에 대한 계산; 중 적어도 하나를 포함하는, 라이브러리.
- 제 1 항에 있어서,
상기 하나 이상의 HVAC 시스템에 대한 환기 명령은,
a) 실내 소스로부터의 하나 이상의 공기 오염 물질과 관련된 데이터;
b) 실내 소스로부터의 하나 이상의 비오염 가스 또는 공기 중 물질과 관련된 데이터; 및
c) 실내 온도, 실내 습도, 실내 활동 또는 실내 점유 중 적어도 하나와 관련된 데이터; 중 적어도 하나에 더 기초하여 산출하는, 라이브러리.
- 제 1 항에 있어서,
상기 동적 환기 기준은 상기 다층 구조물 내부의 적어도 일부의 공기 품질과 관련된 제 1 환기 관련 파라미터(VAP1)를 포함하고,
상기 제 1 환기 관련 파라미터, 상기 제 2 환기 관련 파라미터 및 상기 제 3 환기 관련 파라미터를 포함하는, 라이브러리.
- 제 11 항에 있어서,
상기 제 1 환기 관련 파라미터(VAP1)는, 상기 다층 구조물 내부의 공기 오염 수준의 시간적 정량화 및 공간적 정량화 중 적어도 하나를 포함하는 데이터 세트를 포함하는, 라이브러리.
- 제 11 항에 있어서,
상기 제 2 환기 관련 파라미터(VAP2)는, 상기 다층 구조물 외부의 공기 오염 수준의 시간적 정량화 및 공간적 정량화 중 적어도 하나를 포함하는 데이터 세트를 포함하는, 라이브러리.
- 삭제
- 제 1 항에 있어서,
a. 상기 인클로저의 내부 온도와 관련된 제 6 난방 및 공조 관련 파라미터(HACAP6);
b. 상기 인클로저의 외부 온도와 관련된 제 7 난방 및 공조 관련 파라미터(HACAP7; 및
c. 실내 습도 및 실외 습도 중 적어도 하나와 관련된 제 8 난방 및 공조 관련 파라미터(HACAP8)를 더 포함하고,
상기 라이브러리는 상기 제 6 난방 및 공조 관련 파라미터, 상기 제 7 난방 및 공조 관련 파라미터, 및 제 8 난방 및 공조 관련 파라미터에 연결된 복수의 마스터 프로세스 객체들을 더 포함하는, 라이브러리.
- 제 1 항에 있어서,
상기 라이브러리는 하나 이상의 상기 마스터 프로세스 객체에 연결된 적어도 하나의 최적화 목표를 달성하도록 구성된 선택 가능한 작업 세트를 포함하는, 라이브러리.
- 제 1 항에 있어서,
상기 하나 이상의 HVAC 시스템에 대한 환기 명령은 다층 상기 인클로저 내의 오염을 최소화하고 상기 하나 이상의 HVAC 시스템의 에너지 요구사항을 최소화하기 위해 상기 마스터 프로세스 객체들의 세트를 선택하도록 구성되는 규칙 기반 알고리즘을 더 포함하는, 라이브러리.
- 제 1 항에 있어서,
a) 실내 소스로부터의 적어도 하나의 오염 물질의 농도를 감소시키기 위한 적어도 하나의 목표;
b) 내부 온도 범위를 유지시키기 위한 적어도 하나의 목표; 및
c) 위반 기간을 최소화하기 위한 적어도 하나의 목표; 중 적어도 하나를 를 더 포함하는, 라이브러리.
- 제 1 항에 있어서,
최소 수준의 실외 공기 공급에 대한 전제 조건을 포함하는, 라이브러리.
- 제 19 항에 있어서,
상기 최소 수준의 실외 공기 공급에 대한 전제 조건은,
상기 최소 수준의 실외 공기 공급을 달성하는 직접 또는 간접적인 방법을 포함하고,
a) 지정된 기간 동안 지정된 값 이상으로 건물로 유입되는 평균 실외 기류를 유지하도록 하는 것;
b) 환기 규정 또는 환기 표준 중 적어도 하나에 따라 실외 기류를 유지하도록 하는 것;
c) 미리 정의된 임계값 미만으로 CO2 농도를 유지하도록 하는 것;
d) 절대 기설정 값보다 긴 기간 동안 건물로의 실외 공기 환기를 중단하지 않도록 하는 것; 및
e) 건물의 둘 이상의 구역사이에서, 그리고 실내 공기와 실외 공기 사이에서, 지정된 기압 차이를 유지하도록 하는 것; 중 적어도 하나를 포함하는, 라이브러리.
- 제 1 항에 있어서,
상기 하나 이상의 HVAC 시스템에 대한 환기 명령은 산출된 동적 임계값을 더 포함하는, 라이브러리.
- 제 21 항에 있어서,
상기 산출된 동적 임계값은
a) 현재 실내 오염 수준;
b) 이전 환기 이벤트 중 실외 오염 수준의 가중치 조합;
c) 밀폐형 구조물의 체적에 대한 이전 환기 이벤트 동안의 실외 기류;
d) 실외 오염 수준의 예측;
e) 실외 오염 수준의 히스토리 경향;
f) 시스템에 의해 작동되는 환기 의사결정으로 인해 발생할 것으로 예상되는 HVAC 시스템에 의한 순간 에너지 요구사항의 추정;
g) 밀폐형 구조물의 현재 점유, 예상 점유 및 점유 경향; 및
h) 밀폐형 구조물의 상태가 전제 조건을 위반하는 정도; 중 하나 이상에 기초하여 상기 산출된 동적 임계값을 포함하는, 라이브러리.
- 제 21 항에 있어서,
상기 동적 임계값은 적어도 하나의 순간 에너지 요구사항의 함수로서 단조 감소하는 상기 동적 임계값이 산출되는, 라이브러리.
- 제 1 항에 있어서,
상기 하나 이상의 HVAC 시스템에 제공되는 환기 명령은 켜짐, 유휴, 환기 증가, 환기 감소 및 꺼짐의 상태 명령 중 적어도 하나를 제공하는, 라이브러리.
- 다층 구조물의 환기 및/또는 난방 및 공조 (HVAC) 프로세스에 대한 제어 정보를 포함하는 프로세서로 액세스 가능한 라이브러리에 기초하여 동작하는 시스템에 있어서,
상기 라이브러리는 동적 환기 기준을 이용하여 상기 환기 및/또는 난방 및 공조를 위한 최적화 주기를 식별하는 방법을 구현하도록 구성되고,
상기 라이브러리는 외부 및 내부의 HVAC 파라미터를 포함하고,
상기 환기 및/또는 난방 및 공조를 위한 상기 최적화된 주기를 식별하여 상기 다층 구조물의 HVAC 시스템을 작동시키는 경우, 상기 동적 환기 기준은,
a. 상기 다층 구조물 외부의 적어도 일부의 공기 품질과 관련된 제 2 환기 관련 파라미터(VAP2);
b. 상기 다층 구조물의 시계열 환기 히스토리와 관련된 제 3 환기 관련 파라미터(VAP3);
c. 인클로저(enclosure)를 포함하는 허브와 관련된 제 4 환기 관련 파라미터(VAP4); 및
d. 상기 허브 내에서 상기 인클로저의 위치를 지정하는 제 5 환기 관련 파라미터(VAP5);를 포함하고,
상기 라이브러리는 상기 제 2 환기 관련 파라미터, 상기 제 3 환기 관련 파라미터, 상기 제 4 환기 관련 파라미터 및 상기 제 5 환기 관련 파라미터에 연결된 복수의 마스터 프로세스 객체들을 더 포함하는, 시스템.
- 삭제
- 삭제
- 삭제
- 삭제
- 삭제
- 삭제
- 삭제
- 삭제
- 삭제
- 삭제
- 삭제
- 삭제
- 삭제
- 삭제
- 삭제
- 삭제
- 삭제
- 삭제
- 삭제
Applications Claiming Priority (3)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| US201962798027P | 2019-01-29 | 2019-01-29 | |
| US62/798,027 | 2019-01-29 | ||
| PCT/IL2020/050113 WO2020157758A1 (en) | 2019-01-29 | 2020-01-29 | Libraries, systems, and methods for minimizing air pollution in enclosed structures |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| KR20210118922A KR20210118922A (ko) | 2021-10-01 |
| KR102628483B1 true KR102628483B1 (ko) | 2024-01-23 |
Family
ID=71733558
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| KR1020217027376A KR102628483B1 (ko) | 2019-01-29 | 2020-01-29 | 밀폐형 구조물에서 공기 오염을 최소화하기 위한 라이브러리, 시스템 및 방법 |
Country Status (7)
| Country | Link |
|---|---|
| US (2) | US20220146128A1 (ko) |
| EP (1) | EP3918255A4 (ko) |
| KR (1) | KR102628483B1 (ko) |
| CN (1) | CN111486557B (ko) |
| CA (1) | CA3128157A1 (ko) |
| IL (1) | IL285244A (ko) |
| WO (1) | WO2020157758A1 (ko) |
Families Citing this family (16)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US11751360B2 (en) * | 2020-03-17 | 2023-09-05 | International Business Machines Corporation | Intelligently deployed cooling fins |
| US20200378638A1 (en) * | 2020-08-16 | 2020-12-03 | Atharva Deepak Keni | System, method and computer program product of air management control |
| US11796202B2 (en) * | 2020-11-17 | 2023-10-24 | Enerallies, Inc. | Intelligent ventilation monitoring, controls and optimization |
| US11674707B2 (en) * | 2020-12-07 | 2023-06-13 | Syracuse University | System for minimizing indoor infection risk and maximizing energy savings |
| US12018853B2 (en) * | 2021-03-31 | 2024-06-25 | International Business Machines Corporation | Smart ventilation for air quality control |
| CN113553788B (zh) * | 2021-07-23 | 2022-12-06 | 中国航发贵阳发动机设计研究所 | 一种航空发动机润滑***通风能力仿真计算方法 |
| CN113867218B (zh) * | 2021-10-09 | 2024-05-03 | 浙江方易检测技术有限公司 | 一种洁净空间环境检测控制装置 |
| US20230168648A1 (en) * | 2021-11-29 | 2023-06-01 | Airsset Technologies Inc. | Enviromental parameter determination based on indoor air quality |
| CN114707711B (zh) * | 2022-03-23 | 2022-09-16 | 特斯联科技集团有限公司 | 园区制冷机组多时间尺度最优调度方法及*** |
| US11934166B2 (en) * | 2022-04-10 | 2024-03-19 | Building Lens Inc. | Systems and methods for managing energy and air quality |
| US11829218B1 (en) * | 2022-05-10 | 2023-11-28 | Western Digital Technologies, Inc. | Solid-state device with multiple thermal power states |
| US20230367377A1 (en) * | 2022-05-10 | 2023-11-16 | Western Digital Technologies, Inc. | Solid-state device with multi-tier extreme thermal throttling |
| US11822401B1 (en) * | 2022-05-10 | 2023-11-21 | Western Digital Technologies, Inc. | History-based prediction modeling of solid-state device temperature |
| CN117029219B (zh) * | 2023-10-09 | 2023-12-26 | 湖南省交通规划勘察设计院有限公司 | 一种卫生间***的自适应空气调节方法及卫生间通风*** |
| CN118013360A (zh) * | 2024-01-31 | 2024-05-10 | 北京纪新泰富机电技术股份有限公司 | 空气能热泵设备脏堵系数确定方法、装置、设备和介质 |
| CN117928068B (zh) * | 2024-03-14 | 2024-06-07 | 江门市宝士制冷电器有限公司 | 一种用于移动空调的节能温度风量控制方法及*** |
Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2007127338A (ja) * | 2005-11-04 | 2007-05-24 | Matsushita Electric Ind Co Ltd | 換気装置 |
| JP2008039274A (ja) * | 2006-08-04 | 2008-02-21 | Matsushita Electric Ind Co Ltd | 換気装置 |
| JP5932350B2 (ja) * | 2012-01-18 | 2016-06-08 | 株式会社東芝 | 空調装置および空調制御方法 |
| JP2017003207A (ja) * | 2015-06-12 | 2017-01-05 | 三菱電機株式会社 | 換気システム |
Family Cites Families (31)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JPS5932350B2 (ja) * | 1980-12-17 | 1984-08-08 | 神鋼電機株式会社 | ブレ−キ制御装置 |
| US6651037B1 (en) * | 1999-12-10 | 2003-11-18 | Visteon Global Technologies, Inc. | Method of optimizing design of an HVAC air-handling assembly for a climate control system |
| ES2605941T3 (es) * | 2006-02-21 | 2017-03-17 | Urecsys - Urban Ecology Systems - Indoor Air Quality Management Ltd. | Sistema y método para evaluar y reducir la contaminación del aire regulando la ventilación por flujo de aire |
| US8092285B2 (en) * | 2006-03-21 | 2012-01-10 | Calsonickansei North America, Inc. | System and method for controlling a ventilation unit of a vehicle |
| US8160752B2 (en) * | 2008-09-30 | 2012-04-17 | Zome Networks, Inc. | Managing energy usage |
| US8521332B2 (en) * | 2008-07-03 | 2013-08-27 | Belimo Holding Ag | Actuator for HVAC systems and method for operating the actuator |
| US8457802B1 (en) * | 2009-10-23 | 2013-06-04 | Viridity Energy, Inc. | System and method for energy management |
| KR101034936B1 (ko) * | 2009-11-02 | 2011-05-17 | 주식회사 경동나비엔 | 전열교환형 환기장치 및 그 제어방법 |
| US20120052791A1 (en) * | 2010-08-26 | 2012-03-01 | Kurelowech Richard S | Heat recovery and demand ventiliation system |
| US20150178865A1 (en) * | 2011-09-20 | 2015-06-25 | The Trustees Of Columbia University In The City Of New York | Total property optimization system for energy efficiency and smart buildings |
| US8930030B2 (en) * | 2011-09-30 | 2015-01-06 | Siemens Industry, Inc. | Method and system for improving energy efficiency in an HVAC system |
| US10406303B2 (en) * | 2013-09-25 | 2019-09-10 | Vaidyanathan Anandhakrishnan | Intelligent inhaler holster with a system and method to sense, track properties of inhaled air and medication, alert in hostile environments, map medication with personal dynamics, inhaled air and environment for better health |
| TWI551830B (zh) * | 2013-12-12 | 2016-10-01 | 財團法人工業技術研究院 | 用於暖通空調系統之控制裝置及其方法 |
| US10060642B2 (en) * | 2014-10-22 | 2018-08-28 | Honeywell International Inc. | Damper fault detection |
| US20160217674A1 (en) * | 2015-01-26 | 2016-07-28 | Trane International Inc. | Remote monitoring of an hvac system for fault detection and diagnostics |
| US20160320081A1 (en) * | 2015-04-28 | 2016-11-03 | Mitsubishi Electric Research Laboratories, Inc. | Method and System for Personalization of Heating, Ventilation, and Air Conditioning Services |
| US10281166B1 (en) * | 2015-06-12 | 2019-05-07 | Alarm.Com Incorporated | Distributed monitoring sensor networks |
| US10592821B2 (en) * | 2015-06-19 | 2020-03-17 | Trane International Inc. | Self-learning fault detection for HVAC systems |
| US10401262B2 (en) * | 2015-06-19 | 2019-09-03 | Johnson Controls Technology Company | Building management system with voting-based fault detection and diagnostics |
| US20160370026A1 (en) * | 2015-06-22 | 2016-12-22 | Trane International Inc. | Post-installation learning fault detection |
| CN106907821A (zh) * | 2015-12-23 | 2017-06-30 | 上海九谷智能科技有限公司 | 一种应用于质子重离子医院设备区的hvac控制*** |
| JP6503305B2 (ja) * | 2016-01-25 | 2019-04-17 | 株式会社日立情報通信エンジニアリング | 空調制御システム、空調計画装置、及び、計画方法 |
| WO2017173406A1 (en) * | 2016-04-01 | 2017-10-05 | Tendril Networks, Inc. | Orchestrated energy |
| US10663186B2 (en) * | 2016-05-31 | 2020-05-26 | Robert J. Mowris | Apparatus and methods to determine economizer faults |
| US20180087790A1 (en) * | 2016-09-28 | 2018-03-29 | Johnson Controls Technology Company | Systems and methods for automatically creating and using adaptive pca models to control building equipment |
| 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 |
| WO2018191716A1 (en) * | 2017-04-14 | 2018-10-18 | Johnson Controls Technology Company | Multi-function thermostat with intelligent ventilator control for frost/mold protection and air quality control |
| US10146237B2 (en) * | 2017-04-28 | 2018-12-04 | Johnson Controls Technology Company | Smart thermostat with model predictive control |
| WO2019073591A1 (ja) * | 2017-10-13 | 2019-04-18 | 三菱電機株式会社 | 空気調和システム |
| CN207963057U (zh) * | 2018-02-02 | 2018-10-12 | 天津大学 | 一种降低厨房污染物水平的自然通风控制*** |
| US11274839B1 (en) * | 2018-09-21 | 2022-03-15 | Qc Manufacturing, Inc. | Systems and methods for controlling and adjusting volume of fresh air intake in a building structure |
-
2019
- 2019-05-16 CN CN201910405983.XA patent/CN111486557B/zh active Active
-
2020
- 2020-01-29 US US17/426,809 patent/US20220146128A1/en active Pending
- 2020-01-29 EP EP20748471.8A patent/EP3918255A4/en active Pending
- 2020-01-29 CA CA3128157A patent/CA3128157A1/en active Pending
- 2020-01-29 US US16/775,556 patent/US11506415B2/en active Active
- 2020-01-29 KR KR1020217027376A patent/KR102628483B1/ko active IP Right Grant
- 2020-01-29 WO PCT/IL2020/050113 patent/WO2020157758A1/en active Application Filing
-
2021
- 2021-07-29 IL IL285244A patent/IL285244A/en unknown
Patent Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2007127338A (ja) * | 2005-11-04 | 2007-05-24 | Matsushita Electric Ind Co Ltd | 換気装置 |
| JP2008039274A (ja) * | 2006-08-04 | 2008-02-21 | Matsushita Electric Ind Co Ltd | 換気装置 |
| JP5932350B2 (ja) * | 2012-01-18 | 2016-06-08 | 株式会社東芝 | 空調装置および空調制御方法 |
| JP2017003207A (ja) * | 2015-06-12 | 2017-01-05 | 三菱電機株式会社 | 換気システム |
Also Published As
| Publication number | Publication date |
|---|---|
| US11506415B2 (en) | 2022-11-22 |
| CA3128157A1 (en) | 2020-08-06 |
| US20220146128A1 (en) | 2022-05-12 |
| WO2020157758A1 (en) | 2020-08-06 |
| CN111486557B (zh) | 2024-02-23 |
| EP3918255A4 (en) | 2022-11-02 |
| KR20210118922A (ko) | 2021-10-01 |
| US20200240668A1 (en) | 2020-07-30 |
| CN111486557A (zh) | 2020-08-04 |
| EP3918255A1 (en) | 2021-12-08 |
| IL285244A (en) | 2021-09-30 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| KR102628483B1 (ko) | 밀폐형 구조물에서 공기 오염을 최소화하기 위한 라이브러리, 시스템 및 방법 | |
| US10928084B2 (en) | Multi-function thermostat with intelligent supply fan control for maximizing air quality and optimizing energy usage | |
| US11686492B2 (en) | Systems and methods for HVAC filter replacement type recommendation | |
| US11162698B2 (en) | Thermostat with exhaust fan control for air quality and humidity control | |
| US10837665B2 (en) | Multi-function thermostat with intelligent ventilator control for frost/mold protection and air quality control | |
| WO2019114489A1 (en) | Machine learning control of environmental systems | |
| Goyal et al. | Experimental study of occupancy-based control of HVAC zones | |
| US9447985B2 (en) | HVAC control system and methods for operating same | |
| US10712038B2 (en) | Multi-function thermostat with air quality display | |
| KR102151260B1 (ko) | 미세먼지감지기가 적용된 빌딩 자동 제어 시스템 | |
| US20230243542A1 (en) | Thermostat with demand controlled indoor air quality | |
| US11480358B2 (en) | Machine learning systems for modeling and balancing the activity of air quality devices in industrial applications | |
| Majdi et al. | A novel method for Indoor Air Quality Control of Smart Homes using a Machine learning model | |
| US20190353369A1 (en) | Environmental control system and method for automatically adjusting operating parameters | |
| US20230243532A1 (en) | Thermostat with epidemic control ventilation | |
| US20230250986A1 (en) | Thermostat with external interrupt | |
| WO2023164768A1 (en) | System and method for dynamic control of hvac components of a building | |
| EP3715738A1 (en) | Air conditioning system, server system, network, method for controlling an air conditioning system and method for controlling a network | |
| US20230358430A1 (en) | Heating, ventilation, and air conditioning system control leveraging future weather | |
| Paolo et al. | Demand-controlled ventilation through a decentralized mechanical ventilation unit for office buildings | |
| JP2023115779A (ja) | 制御システム、制御装置、及び制御プログラム | |
| WO2022155660A1 (en) | Dynamic ventilation control for a building | |
| JP2022191850A (ja) | 制御装置及び制御プログラム | |
| Iliev et al. | Direct digital control of HVAC system and CO2-based demand controlled ventilation |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| A201 | Request for examination | ||
| E902 | Notification of reason for refusal | ||
| E90F | Notification of reason for final refusal | ||
| E701 | Decision to grant or registration of patent right | ||
| GRNT | Written decision to grant |