[发明专利]建筑物自动化预测

说明书

劣化的或其他性能可用机器学习分类器预测。基于许多建筑物自动化系统的运行来应用机器学习。机器学习创建预测器。机器学习预测器被应用于任何建筑物自动化系统的运行数据，以预测将来的故障或其他事件，从而提供可用于计划维护和/或安排补救措施的预报。机器学习使用采用来自许多建筑物自动化系统的数据的形式的大数据来学习自动预测和/或执行其他建筑物自动化系统的预报。

其他申请的交叉引用

本申请要求提交日期为2015年3月11日的美国临时专利申请62/131,749的权益，其在法律允许的范围内通过引用并入本文。

技术领域

本实施例大体涉及建筑物自动化系统。

背景技术

建筑物自动化系统包括加热、通风和空调(HVAC)系统、安全系统、消防系统或其他系统。这些系统通常由线连在一起的分布式部件形成。HVAC系统可由一个、两个或三个单独的层或架构层形成。在三层系统中，楼层网络为建筑物的特定楼层或区域提供总体控制。楼层网络的控制器提供基于传感器输入以操作致动器的处理控制。例如，基于设定点和所测温度来确定阻尼器、加热元件、冷却元件或其他致动器的调节。可提供其他控制功能。建筑物级网络(building level network，建筑层网络)集成了多楼层网络，以在建筑物内的各个区域之间提供一致的控制。面板或其他控制器控制分配系统，诸如泵、风扇或用于冷却和加热的其他中央设备。建筑物级控制器(building level controller，建筑层控制器)可在它们之间进行通信并访问楼层控制器以获得数据。管理级网络(management levelnetwork，管理层网络)整合了建筑层网络的控制，以为整体建筑环境和设备提供高级控制处理。

每栋建筑物分开运行。来自不同楼层的数据用于识别给定建筑物的故障或诊断问题。给定建筑物的这些数据可能无法准确反映建筑物自动化对企业的问题或影响。

发明内容

劣化的或其他性能可用机器学习的分类器预测。基于许多建筑物自动化系统的运行来应用机器学习。机器学习创建预测器。机器学习预测器被应用于任何建筑物自动化系统的运行数据，以预测将来的故障或其他事件，从而提供可用于计划维护和/或安排补救措施的预报。机器学习使用采用来自许多建筑物自动化系统的数据的形式的大数据来学习以自动预测和/或执行其他建筑物自动化系统的预报。

在一个另外的实施例中，群集和/或其他机器学习可用于(1)识别需要预报和/或故障的建筑物自动化系统和/或(2)提取用于预测的信息。群集和/或其他机器学习的输出被用作预测的输入。

一方面，提供了在建筑物管理系统中建筑物自动化预测的方法。与多个建筑物相关的第一数据由建筑物管理系统的建筑物分析系统访问。第一数据包括来自于不同时间的建筑物管理系统数据和不同于建筑物管理系统数据的企业数据。企业数据针对与多个建筑物相关联的企业，以及建筑物管理系统数据针对多个建筑物。建筑物分析系统将来自于不同时间的第一子集的第一数据应用于机器学习，来自不同时间的第二子集的第一数据用作基础事实，以用于学习为建筑物管理系统的预测。由于应用，建筑物自动化系统的运行的机器学习预测器生成输出。

在第二方面，提供了用于建筑物自动化预测的建筑物管理系统。用于多个建筑物的加热、通风和空气调节的建筑物自动化系统被配置为输出运行输入和输出数据。建筑物处理器被配置为基于应用于从多个实例的时间序列数据训练的机器学习预测器的输入和输出数据来预测建筑物自动化系统中至少一个的一部分的将来劣化。显示器被配置为输出将来劣化的预测。

在第三方面，提供了在建筑物管理系统中的建筑物自动化预报的方法。建筑物管理系统的建筑物分析系统访问与第一建筑物自动化系统随时间的运行相关的第一时间序列数据。第一机器学习分类器基于第一时间序列数据来预测第一建筑物自动化系统的一部分的故障。第一机器学习分类器基于与其他建筑物自动化系统随时间的运行相关的第二时间序列数据进行训练。预测结果被呈现在建筑物分析系统的显示器上。结果包括故障和部件。