[发明专利]具有成本目标优化的建筑物装置

说明书

一种系统包括可操作以影响建筑物的室内空气温度的设备、以及控制器。所述控制器被配置用于获得表征在未来时间段内操作所述设备的成本的成本函数、通过将数据集应用于神经网络来确定所述建筑物的当前状态、选择与所述当前状态相关联的温度界限、拓展所述成本函数以包括当所述室内空气温度违反所述温度界限时增加成本的惩罚项、以及确定在所述未来时间段内多个时间步长中的每一个的温度设定值。所述温度设定值在所述未来时间段内实现所述成本函数的目标值。所述控制器还被配置用于在所述多个时间步长中的第一时间步长内控制所述设备以驱动所述室内空气温度朝向所述温度设定值。

相关申请的交叉引用

本申请要求于2018年5月7日提交的美国临时专利申请号62/667,979以及于2018年5月7日提交的美国临时专利申请号62/667,901的权益和优先权，这两个美国临时专利申请的全部内容通过引用并入本文。

技术领域

本申请涉及一种对建筑物进行温度控制的系统，尤其是包括可操作以影响建筑物的室内空气温度的设备、以及控制器的系统。

背景技术

本披露总体上涉及对为建筑物提供温度控制的变制冷剂流量(VRF)系统、房间空调(RAC)系统、或组装式空调(PAC)系统中的能量成本进行管理。将这类系统的能量消耗最小化可能导致建筑物的居住者的不适，因为在没有增加电力的情况下不能维持舒适的温度，而在任何时候精确匹配居住者偏好通常导致较高的能量成本。因此，需要用于在不导致居住者不适的情况下减少VRF、RAC、和PAC系统的能量消耗的系统和方法。

发明内容

本披露的一种实施方式是一种系统。所述系统包括可操作以影响建筑物的室内空气温度的设备、以及控制器。所述控制器被配置用于获得表征在未来时间段内操作所述设备的成本的成本函数、获得包括与所述建筑物相关的多个数据点的数据集、通过将所述数据集应用于被配置用于对所述建筑物的当前状态进行分类的神经网络来确定所述建筑物的所述当前状态、选择与所述当前状态相关联的温度界限、拓展所述成本函数以包括当所述室内空气温度违反所述温度界限时增加成本的惩罚项、以及确定在所述未来时间段内多个时间步长中的每一个的温度设定值。所述温度设定值在所述未来时间段内实现所述成本函数的目标值。所述控制器还被配置用于在所述多个时间步长中的第一时间步长内控制所述设备以驱动所述室内空气温度朝向所述温度设定值。

在一些实施例中，所述温度界限包括所述室内空气温度的上限和所述室内空气温度的下限。在一些实施例中，当所述室内空气温度在所述上限与所述下限之间时，所述惩罚项为零，并且当所述室内空气温度高于所述上限或低于所述下限时，所述惩罚项为非零。

在一些实施例中，所述温度界限包括包含所述室内空气温度的第一上限和所述室内空气温度的第一下限的第一温度界限并且包括包含所述室内空气温度的第二上限和所述室内空气温度的第二下限的第二温度界限。在一些实施例中，当违反所述第一温度界限时，所述惩罚项将成本增加第一量，并且当违反所述第二温度界限时，所述惩罚项将成本增加第二量，所述第二量大于所述第一量。在一些实施例中，所述第一上限小于所述第二上限，并且所述第一下限大于所述第二下限。

在一些实施例中，所述控制器被配置用于生成提示用户输入所述成本函数的所述目标值的图形用户界面。在一些实施例中，所述控制器被配置用于存储所述建筑物的多个可能状态与多个可能温度界限之间的映射。所述多个可能状态包括所述当前状态并且所述多个可能温度界限包括所述温度界限。

在一些实施例中，所述设备包括水侧系统、空气侧系统、变制冷剂流量单元、房间空调单元、或组装式空调单元中的一个或多个。