近年来，多种因素联合在美国许多地区造成电能危机。这些因素包： 缺少发电能力；缺乏对新传输能量的投资；燃料短缺；和增大的需求。结 果是电力短缺和能量基础设施中的困难。
当今世界各地存在着大量多建筑物系统，例如，30、60或更多的建筑 物的公用系统。这种建筑物系统的例子包括，例如，大学系统。多建筑物 系统可以是地理上分散的。在这样广泛分布的建筑物系统中控制能量消耗 和能量消耗成本是具有挑战性的。例如，见2001年批准给Woolard等的美 国专利6,178,362(转让给Silicon Energy Corp.)，讨论了对于操作大的物理 工厂的商业用户的能量管理和能量成本管理的一些问题。
通常，如果希望在多建筑物系统中降低特定量的能量消耗(例如，在 接下来的两个小时中降低40KW)，一般是使用基于程序的系统(例如， 常用的建筑物管理系统，当前生成能量管理系统软件，或SCADA类型的 系统)，那么需要建筑物管理人员手动控制达到目标所需的所有步骤和任 务。因此，如何完成指定能量消耗降低的问题在很大程度上取决于人。
另一个问题是如何知道正好要达到的特定能量消耗降低。这个问题也 是在很大程度上取决于人的。例如，在美国专利6,178,362中，通过在多建 筑物系统中包括各种计量表和数据获取设备，但是，获得的能量数据仍然 必须由人类操作者评审。惯用系统中必须包括人类操作者是一个很大的缺 陷。人类操作者可能会不能识别出一个或更多的有关能量的事件(例如， 一个新的最大峰值的征兆)。人类操作者的专心程度、精确性、速度、和 远见必然是有限的，从而有可能不能认识到这些有关能量的事件。人类操 作者可能具有其它的职责，从而他们可能不能在关键的时间评审有关能量 的数据。人类操作者可能观察到数据但是不能认识到其重要性。人类操作 者可能评审数据、认识到它的重要性，并且作出在成本或便利性或舒适性 上可能不是最佳的行动路线的决定。
在任何能量管理系统中，达到新的最大用电峰值是昂贵的，并且公认 为是必须认识到的，并且必须避免的情况。在基于人类的能量管理系统中， 人类操作者可能正在，或可能不在，察看数据涌向新的峰值的时刻输出的 能量数据。人类操作者的勤奋、注意力、和能力水平是变化的。负责识别 新峰值波动的人类操作者会有其它的任务，因此，他们不能提供足够程度 的注意力和监视来识别每个朝向新峰值的浪涌。
识别朝向新峰值的浪涌之类的有关能量的事件仅仅是能量管理的一 个方面。在认识到一个不希望的有关能量的事件正在到来之后，其余的问 题就是采取何种应对措施。人类操作者在给定的时间中能够考虑的只有那 么多信息和变化。要求人类操作者迅速地作出决定和采取行动来避免系统 涌向新的峰值。当人类操作者认识到新的能量峰值正在到来时，他或她要 迅速地行动以避免达到新的峰值，并且决定减少对系统中一个或更多的电 力用户提供的电力。人类操作者实际上不能在有限的时间内询问或研究许 多不同的能量用户(例如，空调器之类的用电设备或装置)，以确定每个 的状态。实际上，至少是由于没有更多的时间的原因，人类操作者最多不 过是执行一个或更多的能量降低命令。
降低建筑物中能量消耗的软件系统已经存在多年。这些系统通过将各 种不同能量消耗装备连接到计算机工作，这使得建筑物管理者能够监视消 耗，并且在需要时，降低消耗。更为高级的系统允许第三方“服务办公室” 向建筑物拥有者提供这些功能，但是，它们仍然依赖大量的人类干涉来实 施。迄今为止，能量消耗的分析和管理一直都是人工过程。计算机和软件 系统已经能够收集有关特定设施或独立装备的能量消耗的数据多年。但是 人类必须分析信息，和决定采取什么措施来降低能量消耗。由于在任何给 定时刻有许多因素影响能量消耗，外部气候，内部人数，等等，因此，不 能准确和精确地实时调节能量消耗。例如，Woolard等人的系统寻求使用 三维设施导航工具，能量消耗分析处理，TPC/IP通信，和基于万维网 (WWW)的接口，但是它基于每个都“执行允许该实体的雇员控制和管 理包括能量消耗在内的设施的操作(Id.，第二卷，第26-29行)”的子系统 (增加了强调)。
2001年加州的电力危机提供了一个生动的示例。尽管该州的许多建筑 物和工厂具有能量管理系统，但是，电力提供者和商业用户试图防止大规 模电网崩溃的唯一可用选择是在“局部停电”和轮流或灯火管制中关闭电 灯。本地能量管理系统和每日监视它们的人不能分析降低能量消耗的所有 可能选择，和迅速地这样作。唯一的选择是关闭整个系统和业务。停电， 即使是有计划的停电，也会有破坏性的后果，例如，破坏电话和计算机网 络装备，不能存取数据，等等。
负责保证能量供给的各种政府或准政府实体将继续要求用户减少他 们的电力用量，以便避免实际的或可能的停电造成的破坏性影响。由于具 有许多好处，所以寻求避免给用电大户停电。企业需要有可靠的能源。政 府面对着长期的能源短缺的社会和政治后果。电力提供者不建造大的发电 储备设施，因这不是一种最好的解决方案，就不能满足他们地区的电力要 求。因此，应当知道在能量消耗、能量短缺、和以下要讨论的能量管理方 面存在着巨大的挑战。

在本发明中，将一种包括人工智能的系统连接到能量使用设备(例如， 一件装备)。可以有利地实时监视和/或操纵能量消耗。可以使用人工智能 (智能代理)评价、预测、和/或控制能量消耗模式。从包括人工智能的系 统，可以发送控制信号以在建筑物和/或设备(能量用户)层部署协调一致 的节能策略。能量管理可以是自主的、基于人工智能的、实时的、通过互 联网的。
本发明的明显优点是提供了最大能量减小，而对建筑物系统中建筑物 的占有者最小的影响。可以在不超对建筑物系统中建筑物占有者定义的特 定影响水平的情况下取得最大的能量减少。
在第一优选实施例的发明中，提供了一种能量管理系统，包括：对建 筑物系统中不利能量事件的基于计算机的监视；建筑物系统中不利能量事 件的基于计算机的识别；对建筑物系统内能量用户的能量减少可能性的立 即自动询问；来自被询问用户的有关能量减少可能性的回答的自动接收； 将能量减少可能性处理成循环减少轮回的自动处理。优选通过计算机，利 用一组评价如何制定每个提供了减少可能性的对应能量用户的每个对应 减少可能性的指令，自动地处理来自被询问了能量减少可能性能量用户的 回答。
在另一个优选实施例中，本发明提供了一种减小和/消除对人类操作者 在建筑物系统的能量管理中的注意力的需要的方法，包括：获得的能量数 据的非人类的计算机化处理，其中获得的能量数据是建筑物系统中至少一 个能量用户的，所述处理包括(A)自动确定是否存在至少一个能量有关 的事件，或(B)连续地优化至少一个能量用户的设置。当自动确定了存 在一个能量有关的事件时，本发明提供了立即启动对于能量有关的事件的 自动回答。另一个优选但是可任选的例子是，其中至少一个智能代理从获 得的能量数据实际地预测峰值；其中能量有关的事件是新最大峰值的威 胁，和立即启动的自动回答包括能量减少干涉以避免新的最大峰值。
在又一个优选实施例中，本发明提供了一种基于计算机的能量管理系 统，包括：获得的能量数据的非人类的计算机化处理，其中获得的能量数 据是一个建筑物系统中至少一个能量用户的，所述处理包括自动确定是否 存在至少一个能量有关的事件；和在识别出自动确定了存在至少一个能量 有关的事件时，根据人工智能推理对其作出非人类的计算机化的回答。
此外，在又一个优选实施例中，本发明提供了一种用于能量用户的基 于计算机的循环轮回系统，其中能量用户在基于计算机的控制下并且处于 一个建筑物系统中，循环轮回系统包括：对于建筑物系统中多个能量用户 中的每一个的一系列的基于计算机的能量减少命令，其中(1)一系列能 量减少命令中的每一个基于计算机的能量减少命令；(a)专用于减少命令 指向的能量用户；(b)从能量用户提供的能量减少贡献得到的；和/或(c) 基于连续地学习和观察能量用户的特性；和/或(2)根据有关某个参数或 多个参数的类似性，将多个能量用户中的一个能量用户与其它能量用户组 成组。
在又一个优选实施例中，本发明提供了一种避免新的能量峰值的基于 计算机的方法，包括：给基于计算机的系统提供有关已经到达建筑物系统 的能量峰值的数据；实时获得建筑物系统中当前能量用量的计算机可读数 据，从这个计算机可读数据自动地预测新能量峰值是否逼近；和实时自动 处理获得的计算机可读数据，以预测新的能量峰值是否逼近。如果获得的 计算机可读数据的实时自动处理提供了新的能量峰值正在逼近的预测，那 么启动自动回答。
在又一个优选实施例中，本发明提供了一种能量减少系统，包括：多 个能量减少干涉的自动管理的循环轮回。可以从来自要减少能量的能量用 户的能量减少贡献，得到多个能量减少干涉内每个对应能量减少干涉。多 个要减少能量的能量用户可以包括在一个单独的建筑物中或多建筑物系 统中。
此外，在又一个优选实施例中的本发明提供了一种能量有关的数据的 编译，包括：多个能量用户内至少一个独立能量用户的能量有关的数据的 流(例如，在至少一个独立能量用户在一个多建筑物系统内，并且为多建 筑物系统内的其它独立能量用户提供独立的数据流的情况)。
本发明也提供了一种数据分析方法，包括：经营多个能量用户中至少 一个独立能量用户的能量有关的数据流，其中经营包括与设备的历史数据 比较。经营可以包括对于迅速背离历史模型的基于计算机的搜索。
本发明的又一个实施例提供了一种确定是否要修理或更换一个独立 能量用户的方法，包括：评审独立能量用户的能量有关的数据流，其中独 立的能量用户包含在多个能量用户内。
本发明的再一个实施例提供了一种在多建筑物系统中自动完成能量 减少的能量管理系统，包括：立即自动询问建筑物系统内能量用户的能量 减少可能性；自动接收来自被询问能量减少可能性的能量用户的回答；将 能量减少可能性自动处理成循环减少轮回。
以下说明本发明的系统、方法等的一些完善细节，而不是要把本发明 限制到这些细节。
每个能量用户优选与一个提供了向前和向后推理和预测能力的专用 神经网络结合，例如，连续地学习结合专用神经网络的所述能量用户的操 作特性的专用神经网络。
不利能量事件或能量有关的事件的例子可以是，一个新峰值需求或其 征兆；人类给予的减少特定能量消耗量的指示；和/或反常市场中能量价格 的过度增加。不利能量有关事件可以是向新的峰值需求的浪涌或稳定增 加；经过进行监视的计算机系统的人工智能学习的至少一个可识别数据模 型；等等。对于每个识别的不利能量事件的数据模型，进行不利能量事件 识别的计算机，根据推论作出自动回答(例如，一个要执行的询问回答)。
在说明监视的情况下，监视可以发生在从一切正常的环境选择的一种 环境中；24x7永久负载减少环境；和紧急环境。能量使用可以恒定地监视 和/或调节，所述恒定监视和/或调节是非人类的，其中提供了一切正常的 恒定调节，24x7负载减少。非人类恒定监视和/或调节优选是通过人工智能； 和，优选监视和/或调节至少一个影响能量消耗的因素(例如，在和/或逼 近一个能量用户的当前气候条件；能量用户服务的设施的占用率；能量的 市场价格；气候预测；市场价格预测；空气质量；空气质量预测；照明质 量；照明质量预测；插塞载荷模型；插塞载荷模型预测；等等)。
本发明可以包括和/或提供以下一种或更多：
至少一个建模代理和/或至少一个预测代理；
24x7永久负载减少；
使现行正常能量消耗中能量消耗最少；
建筑物之间的负载平衡；
可归功于能量管理系统的任何自动干涉的能量节省的自动文献编制；
从获得的数据的基于机器的学习和/或从获得的数据基于机器构造模 型；
可归功于任何所述自动干涉的能量节省的自动文献编制；
基于机器推论以在至少两个冲突的目标之间选择(例如，基于机器推 论是要在市场价格目标与舒适维护目标之间选择)；
能量数据和/或设备的计算机显示；
在人类要求时，计算预测，建议的控制行为的效果的计算机模拟，和 /或有关不同集合层的模拟的计算机报告；
根据(A)有关建筑物系统中一个建筑物或多个建筑物的知识，(B) 有关能量使用设备的知识，(C)有关建筑物系统的知识，和(D)建筑物 系统外的数据中的一个或多个的人工智能推论；
能量用户的自动询问；
接收来自被询问能量用户的回答，和自动处理接收的回答；
最佳能量节省命令决策和/或策略的自动公式表示；
执行最佳能量节省命令决策或策略；
产生一个或更多的执行人工智能推论的人工智能代理的历史行为的 日志；
机器检测化学或生物战剂的存在，对其确定一个机器回答(例如，释 放对抗剂和/或调节一个或多个能量用户)；建筑物管理者感兴趣的至少一 个参数的至少一个基于机器的确定，所述参数是可测量的和可控制的；
计算机化的回答的自动监视；
通过互联网通信；
通过人工智能学习，从而可以通过循环轮回保持系统服务的每个地区 中的一个希望的目标参数(例如，室温)；
以计算机可读形式编译一个完整的历史数据阵列，从其确定一个或多 个模式，和与当前实时数据比较以预测是否一个新的峰值将要到来；
基于神经网络的预测；
一个作为收入级计量表的集合的收入级虚拟计量表；
根据在能量用户的和/或逼近能量用户的所有当前气候条件监视和调 节：能量用户服务的设施的占用率；能量市场价格；气候预测；市场价格 预测；空气质量；空气质量预测；照明质量；照明质量预测；插塞载荷模 式；和插塞载荷模式预测；
用于获得数据和公式表示可用规则的初步功能测试，和插在有关能量 使用设备的建模代理的神经网络中的连续学习过程。
在提到建筑物系统时，建筑物系统可以是一个单一的建筑物或至少两 个建筑物。例如，一个建筑物或多个建筑物可以是至少一个大学建筑物； 至少一个旅馆建筑物；至少一个医院建筑物；至少一个汽车经销建筑物； 至少一个大型购物中心；至少一个政府建筑物；至少一个化学处理工厂； 至少一个制造设施；和任何上述建筑物的组合。
当提供了至少两个建筑物时，管理下的至少两个建筑物可以是地理分 散的(例如，一个不同的州)；和/或公有或非公有的。例如，所有权可以 是商业实体、大学、或政府、等等。
在提到峰值时，峰值的例子包括kW需求峰值，照明峰值，二氧化碳 峰值，污染峰值，等等。
在提到自动回答时，自动回答优选是不确定的。
已经提到了是否存在至少一个能量有关的事件的自动确定，并且这种 自动确定优选包括人工智能的使用。
当提到人工智能时，人工智能优选是神经网络的人工智能；基于规则 的专家系统；和/或基于目的的计划系统。人工智能推论可以包括至少一个 人工智能代理，并且，最好可以在任何给定时间，可以监视正人工智能代 理正在做什么(例如，通过人类观察什么人工智能正在工作的监视)。
可以提供和/或包括以下一个或多个优点：在给定时间周期中可以处理 比人类处理的更多的获得能量数据；在任何时间中处理比人类能够完成的 更多的信息之后，可以用公式表示非人类的计算机回答；可以减少建筑物 系统的每月能量消耗，和/或降低建筑物系统的峰值负载用户电费。在提到 的计算报告中，计算机报告的集合层可以是在一个单个的设备，在一个建 筑物中的每个事物，在一组建筑物，或公有的每个事物。最佳能量节省命 令决策可以包括对系统中能量用户影响最小的能量减少轮回。
在提到计算机回答时，计算机回答可以包括至少一个基于以下一个或 更多方面的确定：(A)空气质量，湿度，污染物，空气流动速度，温度， 和空气物理性质的其它表述；(B)光方向，光的颜色，周围环境温度，英 尺烛光，光发生设备的kw消耗，光的气味，和光的物理性质的其它描述； (C)插头负载；运动传感器感测的运动；二氧化碳水平；亮度；声音电 平；感测人类存在的自动设备；运动检测器；光感测装置；居住环境传感 器；(D)化学或生物战剂感测设备(例如，芥子气传感器，炭疽传感器， 一氧化碳传感器，氯气传感器，神经毒气传感器，等等)。
在提到循环轮回系统时，例子可以是响应人类对能量减少的请求用公 式表示的循环系统；正常环境下实现的循环系统，等等。通过例子，计算 机可以自动地处理来自被询问用户的回答，来自能量用户的对应减少可能 性的总量，确定对应减少可能性的总量是否足够大，和(A)如果足够大， 那么前进到按照标准确定循环减少轮回的时间；和(B)如果不够大，那 么通知人类用户。可以执行循环减少轮回，和取得能量消耗减少。在能源 危机期间，可能发生能量消耗减少(例如，本地独立系统操作者、权力当 局、公用事业部门、或政府部门，等等)。为了将能量卖回到电网，可以 调用循环减少轮回。
在提到计算机可读数据时，计算机可读数据可以包括来自建筑物系统 中的能量用户的数据；来自从传感设备、用于记账的电表中选择的一种源 的数据，和来自各个设备的信息；等等。
可以根据温度预测、经过人工智能和连续更新下的历史观察和学习的 模式、提供了单个设备场所的占用率，预测每个单个设备的需求。
在提到立即自动询问时，可以直接和间接启动这种询问，例如，根据 本地独立系统操作者、电力当局、或公用事业部门的请求的询问。
本发明提供了可选的文献编制，这种自动文献编制自动地产生以避免 新的能量峰值，所述自动文献(a)存储在一个可存取计算机文件中，和/ 或(b)以人类操作者友好格式打印和/或存储。
如果希望的话，本发明使得能够不需要人类操作者。如果希望，人类 操作者可以具有可选的超越权。人类操作者也可以选择输入一个询问(例 如，询问一个指定建筑物中的一个或多个设备的当前状态，请求有关能量 账单和/或舒适等的建议的控制措施在能量账单和/或舒适性方面的效果的 据测的询问)。本发明包括一个实施例，在这个实施例中，预测是否一个 新的能量峰值正在逼近的自动处理，和对于新的能量峰值正在逼近的据测 的立即、实时、自动回答中都不涉及人类操作者干涉。通过应用本发明， 可以避免新的能量峰值，而无需人类干涉。即使没有人控制时，也能取得 这里所述的有利结果(例如，能量消耗减少)。
附图说明
图1是基于机器的并且可以无人操作的示例发明能量管理系统的流程 图；
图2是根据本发明的示例基于机器的能量数据接收和处理的流程图， 包括对不利能量事件的自动识别和回答；
图3是根据本发明的对于不利能量事件的示例基于机器的能量减少回 答的流程图；
图4A和4B是根据本发明的用户设置的要通过较高层代理完成的目的 与较高层代理的关系的示意图的例子；
图5是根据本发明的三个建筑物的示例基于互联网的能量管理系统的 示意图；
图6是根据本发明的用于负载轮回的示例循环算法的流程图；
图7是根据本发明的一个示例轮回进程表/矩阵例子的流程图，示出了 一个负载轮回“循环”方法；和
图8是峰值负载的曲线图：根据本发明的示例虚拟计量表与真实计量 表。

如参考图1所见，在一个优选实施例中，本发明是一个基于机器的能 量管理系统，这个系统是可以无人操作的。尽管不需要人类操作者，但是， 不必在能量管理系统中阻止人类操作者行动。在图1的能量管理系统中， 为了从多个能量用户电子地接收数据，电子地监视不利能量事件(100)。 如果电子监视100没有检测到不利能量事件，那么随着电子接收更多的要 监视的数据，继续对于不利能量事件的电子监视(100A)。如果电子监视 100电子地检测到不利能量事件110，那么通过调节多个能量用户中的至少 一些，电子地对已经电子检测到的不利能量事件采取措施。(在这里，参 考不同的电子进行的步骤，基于机器的行为，计算机功能，电子行为，自 动行为，等等，在每种情况下，要清楚地知道步骤是以无人方式执行的， 而不是要将参考限制到一个特定的机器或设备。)
所述不利能量事件可以是任何能够电子监视其接收的要监视的数据 的能量使用和/或能量成本有关的事件。可以监视其接收的能量数据的不利 能量事件的优选例子是，朝向新能量峰值的浪涌。应当知道计算机之类的 机器可以比人类操作者更快地计算和比较数字信息。给予了相同电子能量 数据之后，基于机器的系统可以更迅速和精确地达到有关整个系统中能量 使用的方向的快速结论。能量用户的数量越大，系统中建筑物数量越大， 和不同建筑物中能量用户的分散度越大，对于一个人类操作者或数个人类 操作者来说，作出使能量使用和能量使用的成本最小而又不会不利地影响 操作和占用者的决策就越困难。
发明可以使用在任何包括多个能量用户的系统中，优选是多个能量用 户分散在多个商业建筑物中的系统。由于用其它方式在这种多商业建筑物 系统中进行能量管理和能量成本控制造成的困难，本发明在多商业建筑物 系统中提供了特殊的优点。例如，商业建筑物的例子可以是大学建筑物， 工厂，医院，办公建筑，等等。应当知道，不必要求一个建筑物中的所有 能量用户加入到本发明的能量管理系统中。
本发明中“能量用户”的例子可以是需要能量进行操作的任何设备，包 括但是不限于，例如，空调器，制冷机，加热和通风，风扇，自来水泵， 电梯，其它设备，照明，等等。
从能量用户电子接收的要监视的能量数据的例子是，任何可以用数据 接收设备在实时(即，嵌入的)通信中从能量用户接收的数据。这种数据 移送的例子可以是网络(例如，互联网(即，万维网(WWW)，内部网， 等等)之类的实时数据移送的电子装置，最好是互联网。接收到的并且受 到机器监视的机器可读数据源的例子可以是任何测量能量用户的能量使 用(包括实际使用和计划未来使用)的计量设备，测量设备，等等。
参考图1，对于检测到的不利能量事件的电子动作120可以是降低能量 成本和/或能量使用的任何响应或调节，最好是最小影响到占用者舒适性和 正常操作的能量成本降低和能量使用减少措施。对于检测到的不利能量事 件的示例电子回答120可以看图2，在图2中，能量管理系统提供了来自多 个能量用户的数据的电子接收(200)。将接收的数据进行电子处理(210) 以确定是否存在不利能量事件(例如，新峰值的逼近)，当检测到不利能 量事件时，系统电子地从多个能量用户中的一些或全部请求能量减少可能 性(220)。电子地接收来自能量用户的能量减少可能性，并且自动地处理 接收的能量减少可能性(240)。
在电子请求能量减少可能性(220)中，不需要向所有能量用户询问 能量减少可能性。例如，可以认为能够将某些能量用户从电子询问能量减 少可能性的部分中排除。将能量减少可能性请求发送到那些有能力考虑它 们的能量减少可能性和用公式表示能量减少回答(例如，要放弃的千瓦小 时)的能量用户。因此，为被询问的能量用户具有这种人工智能，神经网 络技术，或其它基于计算机或机器的技术，并且编程使得它们能够根据诸 如有关当前气候条件、舒适性的规则之类的、可用于对应能量用户的某些 预定规则，实时地计算它们可以贡献怎样的能量减少。因此，应当知道， 对应的能量用户具有适合于能量用户在其中操作的环境的编程。例如，给 空调能量用户和多电梯能量用户编程，以考虑评价它们每个是否能够使用 较少能量的不同因数。给空调能量用户编程以考虑每天的外部温度和时间 和其它因数，而给电梯能量用户编程以考虑日时，而不编程考虑外部温度。 多电梯能量用户可以比空调能量用户更着重考虑日时。例如，由于在每日 的某些高峰时间停止电梯可以节省能量，但是从建筑物管理观点看是不可 取的，因此，电梯能量用户的能量减少可能性回答的公式表示可以着重依 赖日时。
因此，给每个被询问的能量用户提供一种装置，以便能够用对于建筑 物占用者和被询问能量用户服务的那些人造成最小侵害或麻烦的适当回 答，实时地智能回答。
参考图2，特别地指出来自能量用户的能量减少可能性是电子接收的 (230)，和自动处理的(240)。也就是说，不需要依靠人类操作者。
应当知道，在一个优选实施例中，本发明提供了图3的能量管理系统， 其中系统提供了对能量减少可能性的数据的实时机器评价(340)，从评价 建立了自动循环能量减少轮回(350)。自动地向每个受影响的能量用户提 出在循环能量减少轮回中受影响的能量用户要作为它的部分执行的能量 减少的建议(360)。应当知道，一个人类操作者或多个人类操作者(特别 是在多建筑物系统中)不能在基于机器的系统能够做到的短时间中用公式 表示一个最佳循环能量减少轮回。此外，即使建立了基于机器的能量减少 循环轮回，也应当知道，与涉及人类的控制要减少的能量用户相比，更好 是用基于机器的系统电子地实现建立的轮回。尽管并不禁止在发明的能量 管理系统中包括人类(例如，人类操作者超控或命令不执行建立的轮回的 某个特征的能力)，但优选是限制或没有人类操作者介入。
参考图4A和4B，在使用本发明的两个例子中，可以看到较高层代理 实现的触发代理1(例如，用户设置的目的或峰值负载)、要实现这些用户 设置的目的较高层代理、和设备2，2A，2B的关系。当触发代理1包括较 高层代理要实现的用户设置的目的时，触发代理1的例子可以是：用基于 计算机术语表达的对占用者的影响；用基于计算机的术语表达的价格敏感 性，等等。
示出了能量使用设备2，2A，2B，但是可以将更多的设备组结合到系 统中。在三组设备2，2A，2B的情况下，显示三组设备是为了说明管理能 力，而不是指示本发明在这方面的任何限制。同样的注释应用到这里所示 的其它特征，例如，建筑物10，10A，10B。
设备2带有一个预测代理3、一个建模代理4、和一个控制代理5。设备 2A带有一个预测代理3A、一个建模代理4A、和一个控制代理4B，设备2B 带有一个预测代理3B、一个建模代理4B、和一个控制代理5B。每个设备 (能量用户)优选具有一个连续地学习能量用户的操作特征，和允许向前 和向后推论，从而进行预测的专用神经网络。例如，神经网络可以学习如 果将一个空调单元的温度设置提高2度，那么导致kW的特定降低。神经网 络可以学习，如果kW消耗降低了3kW，那么观察到特定的温度效果。神 经网络可以学习到，如果发生一个特定事件或设备设置调节，那么在到达 OSHA水平之前，过去的时间是一个特定的量。这些仅是神经网络推论的 几个例子。
可以使用任何可以构造成能够学习(优选是连续地学习)有关能量用 户(设备)的情况的神经网络的系统作为建模代理4。建模代理可以学习 的有关一个相关的设备的情况的例子包括：例如，能量消耗(kW)，温度， 降低时间，风扇速度，叶片位置，等等。建模代理优选连续地学习相关的 设备的操作特性，从而理解，例如，空调器的能量消耗与室温之间的联系。 预测代理在各种不同条件下预测相关的设备的能量消耗，以便能够进行模 拟和减少决策。设备控制代理执行设备的控制。
可以使用任何在接收到询问时，将询问返回到建模代理4并且运行询 问的系统作为预测代理3。预测代理3优选既不过高归纳也不过低归纳。为 了减少通过预测代理3过高和过低归纳，建模代理4最好持续地学习尽可能 长的时间周期，持续学习的时间越长越好。例如，持续学习一天时间周期 的建模代理仅具有限数量的数据点，如果对预测代理提出询问并且预测代 理不能在建模代理中发现完全匹配的数据点，那么预测代理需要归纳(即， 外推)并且很可能过高或过低归纳。如果建模代理持续学习了5年时间周 期，如果对预测代理提出相同的询问，那么预测代理更有可能在建模代理 中发现匹配的，或至少更接近匹配的数据点，因此，预测代理较少可能过 高或过低归纳。
较高层的控制代理运行在建筑物组合层或建筑物层，(经过它们的控 制代理)控制许多设备。根据用户设置的目的和环境输入(例如，能量价 格，温度，占用率，等等)，较高层代理提出达到用户设置的目的的策略， 并且通过控制设备代理实现用户设置的目的。较高层代理经过人工智能推 论，以发现两个或更多目标之间，例如，节省与舒适之间的适当的平衡。
图4A和4B中示出了一个较高层的控制代理(用于负载轮回的)6。在 图4B中，也提供了一个第二较高层控制代理(用于负载轮回)6’，显示了 负载轮回可能具有两个不同建筑物组合的情况。图4B代表的环境的例子可 以是不同策略所在的环境。策略的例子包括，例如，永久24x7负载轮回； 减少负载轮回。策略是通过一个或更多的人工智能代理具体体现的。
人工智能代理可以与诸如价格敏感性、空气供给、温度之类的策略相 关。可以使用智能代理比自动化建筑物管理系统和/或人类专家更好地降低 能量成本。在这里，给出了示例以显示使用连续学习和推理的智能代理如 何能够比惯用建筑物管理系统更好地管理能量。对大建筑物的能量成本和 承租人的舒适性都加以考虑。示例的剧本突出了基于知识的能量管理与惯 用的进程表驱动的能量管理之间的主要差别。从这里所示的示例和对比 例，可以看到连续学习比一次性设置更准确；准确的预测使得能够进行灵 活的计划；提供对减少请求的灵活回答；更大范围的信息输入意味着更好 的建筑物智能；刚性进程安排不能达到基于知识的推理的结果；对于今天 的精细能量管理概念，反馈循环过于简单；试凑法成本过高。
参考图4A和4B，提供了一个价格敏感的较高层的控制代理7。控制代 理6，6’(在图4B中)和7是智能代理。
为了连接到设备2，2A，2B所在的建筑物，使用了适当的硬件和软件 (例如，由Engage Networks and Silicon Energy提供的平台硬件和软件)。 装备有建筑物管理系统(BMS)的建筑物提供对于包括智能代理(即，较 高层控制代理)的系统，以及对单个能量消耗设备2，2A，2B的最容易的 连接。当使用BMS时，平台可以是任何允许与BMS和它监视的设备快速和 无缝通信的通信协议。最优选的示例可以是具有开放通信协议的BMS平 台，例如，BacNet via UDP，它允许包括带有BMS的智能代理的系统与其 监视的设备之间的快速和无缝通信。如果BMS不是开放的(即，没有遵循 开放式通信标准，例如，BacNet或OPC)，那么可以获得适当的驱动程序 并且用于通信。例如，可以联络BMS制造商以购买或用其它方式获得驱动 程序，或至少驱动程序的说明，以通过它们经过互联网与BMS通话。这种 BMS驱动程序的示例包括，例如，Johnson，Invensys，Honeywell等的控制 驱动程序。可以在本发明中使用的软件可以是任何允许与BMS通信从而可 以取得遥控的软件。
有利的是，本发明可以与某种现有装备和软件结合安装。例如，可以 安装能够翻译协议和执行简单的数据缓存或传输任务的硬件设备。可以经 营现有监视系统(例如，由Engage Networks and Silicon Energy提供的监视 系统)，用来连接建筑物的组合。这种允许终端用户人工控制BMS的现有 监视系统缺少任何人工智能能力，因此通过本发明提供人工智能能力。通 过连接现有监视系统操作，本发明可以通过最少的本地安装，快速地连接 到已经安装的原地客户。
参考图5，可以看到一个根据本发明的三个建筑物10，10A，10B的示 例的基于互联网的能量管理系统。应当知道，本发明可以用于三个以上或 以下建筑物。每个对应建筑物10，10A，10B位于现场对应能量使用设备 11，11A，11B。讨论一个优选的实施例，其中诸如建筑物10这样的建筑物 具有多个能量使用设备11。
每个对应建筑物10，10A，10B已经与对应计量表12，12A，12B连接。 讨论一个优选的实施例，其中一个诸如建筑物10之类的建筑物具有多个计 量表12，但是建筑物可以仅具有一个计量表。计量表可以是任何测量诸如 空气温度、控制质量、湿度之类的能量有关的信息的计量设备。计量表12， 12A，12B和设备11，11A，11B通过一个建筑物管理系统或能量管理系统 (例如，现有建筑物管理系统)和网络15(例如，因特网)连接到至少一 个智能代理，最好是连接到包括智能代理的系统。每个对应建筑物10，10A， 10B已经与对应的建筑物管理系统或能量管理系统13，13A，13B(例如， 惯用的建筑物管理系统或惯用能量管理系统，等等)连接。在图5中，示 出了一个三层结构(用户接口，商业逻辑，和数据层)。
每个对应建筑物10，10A，10B已经与一个对应协议驱动程序14，14A， 14B连接。每个对应协议驱动程序14，14A，14B与网络15(例如，互联网) 通信。除了从协议驱动程序14，14A，14B接收数据之外，网络15也接收 其它能量有关的数据16(例如，价格输入($/MWh)，和/或NOAA气候输 入，等等)。
在这个示例中，网络15(例如，因特网)进一步与一个通信层(例如， 一个包括AEM/DCOM(或由主动服务器页面技术通过防火墙生成HTML 页面驱动的其它Engage Data服务器)的通信层)17，FTP(文件传输协议) 18，BacNet/UDP 19，和可扩充协议时隙20)。BacNet/UDP是一个BacNet 协会提出的开放标准，一个由BacNet提出的开放式建筑物通信协议的例 子。BacNet via UDP采用该协议，并且通过互联网在数据报(UDP)中传 送它。UDP是包封；BacNet消息是内容。本发明中可以使用不是包括 AEM/DCOM 17、FTP 18、BacNet/UDP 19、和可扩充协议时隙20的通信层 的通信层。应当知道，AEM/DCOM、FTP、BacNet/UDP、和可扩充协议 时隙是作为示例示出的，并且不需要使用它们作为可以在本发明中使用的 通信工具。
AEM/DCOM 17、FTP 18、BacNet/UDP 19、和可扩充协议时隙20可以 包括在数据处理系统或计算机系统25中。因此，数据处理或计算机系统25 可以提供一个实时数据库26。实时数据库26最好包括专用于建筑物10， 10A，10B的实时能量有关的信息，以及“来自世界”的实时能量有关的信息， 即，能量有关的信息16(例如，以$/MWH为单位的价格输入，和NOAA 气候输入)。
数据处理或计算机系统25进一步包括智能代理21，可选但是特别优选 的财务引擎22，可选但是特别优选的通告工作流系统23，和可选但是特别 优选的能量监视系统24，它们经过互联网15接收、处理、和/或按照经过网 络15(例如，因特网)接收的信息行动。智能代理21是附图5的能量系统 的智能应用的核心。智能代理21优选在监视每件装备的神经网络中发挥作 用，形成它的行为的非参数模型，允许特定能量控制行为对建筑物环境造 成的影响的精确预测。也可以根据环境改变(温度，空气质量，等等)来 完成能量节省预测。较高层代理使用这些“设备代理”，以贯彻多种策略， 例如，“最小扰动负载轮回”或“供给空气重置”。这些智能代理发挥高度专 业化的24x7职员的功能，并且可以开或关，或达到给定的不同目的。智能 代理21监视和控制设备，以最大地节省能量，同时使得对环境质量的影响 最小。
因此，数据处理或计算机系统25根据规则和/或参数监视和处理实时数 据库26，并且用公式表示实时询问(例如，来自建筑物10内的能量使用设 备11的能量减少可能性的询问)和/或命令(例如，施加到设备11，11A， 11B上的能量减少循环轮回)。通过数据处理或计算机系统25用公式表示的 实时询问和/或命令经过网络15(例如，因特网)实时通信到对应协议驱动 程序14，14A，14B，导致设备11，11A，11B以总体能量使用减少但是对 建筑物10，10A，10B的占用者或用户造成的不舒适和不方便最小的方式 控制。在数据处理或计算机系统25中考虑和包括了对于建筑物10，10A， 10B的占用者或用户的不舒适或不方便，从而不会以造成不舒适或负面影 响的方式减少多个设备11，11A，11B中一个特定能量使用设备的能量使用。 因此，有差别和智能地对待某些能量使用设备(例如，计算设备，医院设 备，等等)，以便不会以其它能量使用设备相同的方式受到能量减少，同 时其它相同的但是在不同建筑物中的能量使用设备可以根据时日和在对 应建筑物中的占用率受到不同的能量减少。因此，如果建筑物10和建筑物 10A在不同的时区，但是具有相同的一组对应设备11，11A，那么可以用 最大的能量智能方式适当地控制它们。
应当知道，数据处理或计算机系统25依赖于按照可以操作和评价的变 量和/或输入表达的规则和/或表达式和/或逻辑式。例如，可以使用适合于 合计整个建筑物系统10，10A，10B的能量使用和监视是否发生朝向新的 能量峰值运动的规则、变量和/或输入。
因此，应当知道，在操作中，带有实时数据库26、网络15(例如，因 特网)、和建筑物10，10A，10B的计算机或数据处理系统25实际上是自己 运行的，而不需要人类操作者。应当知道，计算机或数据处理系统25在计 算操作上远比人类操作者有效，并且也能够在相同的时间中，利用规则， 比人类操作者更快或更准确地处理可用数据和实时信息。因此，本发明在 依赖于惯用的人类作出回答的地区有利地提供了基于机器的操作，惯用的 人类回答现在被认为是较慢的、不适当的、或非最佳的。
使用了人工智能和神经网络，使得协议驱动程序14之类的能量使用设 备的控制器可以具有了回答能量减少可能性的询问的基础。将一组规则输 入到协议驱动程序14和任何与之关联的能量使用设备11的位置。这组规则 可以是任何适合于能量使用设备、能量使用设备所在的建筑物、和建筑物 占用者或建筑物服务的那些对象的规则组。例如，可以考虑这样的规则组： 外部温度、内部温度、等等，并且根据它们之间的差异，通过赋予特定舒 适水平表征的差异范围，表征舒适水平。尽管规则组在操作中是固定的， 但是，规则组可以受到检查和改变，例如，如果决定，现在认为可以接受 比过去更冷或更热的温度范围。尽管在一个优选实施例中，变量和规则操 作以便使对人类操作者干涉的需要和希望最小，但是，可以提供手工人类 操作者越权，在手工人类操作者越权中，允许人类操作者越权一个或更多 的能量使用设备的计算机控制。
参考图5，应当知道，上面讨论的本发明有利地允许建筑物10，10A， 10B的系统“自己运行”，而无需人类操作者的干涉(在建筑物10，10A， 10B的原位，或在监视设施之类的地方)。不需要人类操作者进行能量减少 和能量使用决策和实时优化能量使用。
为了图5的能量系统的智能使用，通过网络15(例如，互联网)连接 建筑物10，10A，10B和用户(例如，建筑物管理者，能量管理者，财务 管理者，等等)。能量系统的智能使用可以包括专用于满足具有不同职责 和关注的用户的需要的模块，例如，财务引擎模块，通告工作流模块，能 量监视模块，等等。
此外，提供了有价值的信息，从而使得建筑物管理者、财务管理者、 和/或能量管理者能够经过基于浏览器的用户界面27观察基于计算机的系 统的运行情况。例如，在一个优选实施例中，用户通过一个网页浏览器接 入能量智能使用系统，网页浏览器连接到能量智能使用软件的ASP宿主站 点，ASP宿主站点又通过互联网直接或间接地连接到系统管理的建筑物10， 10A，10B。为了容纳多种建筑物管理系统和商业应用的相关协议，可以 使用一个通信模块，优选是一个可以容易地作为软插件容纳新的通信协议 的可扩充通信总线体系结构的模块；通信模块也可以优选是一个能够与现 有投标管理系统、“监视”系统、和当前市场上可用的相关协议通信，以 及能够与正在开发或将来要开发的新系统通信的模块。一个特别优选使用 的通信模块是本申请人开发的IUE-Comm。
建筑物管理者、财务管理者、能量管理者、和/或其它管理者经过基于 浏览器的用户界面27可以看到他们感兴趣的信息。例如，建筑物管理者可 以利用图5的系统监视建筑物10，10A，10B中的设备11，11A，11B的当前 状态。建筑物管理者可以看到空调器的温度设置、冷冻器的消耗、风扇的 速度、等等。建筑物管理者也可以选择利用智能代理模拟一种或多种“假 设分析”方案，预测按照能量账单的控制行动的效果和建筑物中舒适性。 建筑物管理者也可以选择操纵智能代理的参数，例如，通过限制“供给空 气重置”代理使用的温度带。建筑物管理者不再需要控制单个的设备(如 同他通常所作的那样)，因为，图5的能量智能使用系统是“基于目的的(goal based)”。管理者给予系统一个目的(例如，在下面两个小时中节省40KW)， 并且图5的能量智能使用系统确定如果最好地达到该目的。建筑物管理者 可以依赖和使用诸如高度专用的24x7职员之类的智能代理，接通或切断它 们，或给予它们不同的目标去完成。
能量管理者指的是一个负责跨越所有设施的，例如，跨越建筑物10， 10A，10B的，能量的最佳使用的人。例如，发布减少请求是能量管理者 的主要任务之一。利用图5的系统，发布减少请求可以选择手工完成，或 通过预先指令智能代理自动完成。
财务管理者是一个人。在本发明的在一个优选实施例中，财务管理者 一般对显示已经通过利用根据图5的能量智能使用系统产生的节省感兴 趣。系统中财务模块从一个根据系统的实时数据库建立的数据仓库中提 取，并且在分析能量消耗、识别峰值需求、查明无效装备或操作、和展示 代理节省能量成本的总体效果中支持财务管理者。尽管上述有关财务的行 为可以不是必要的，但是，它们在商业环境中使用本发明是特别优选的。
实时数据库26是一个连续地改变以反映当前数据的数据库。实时数据 库26中的数据优选存储在一个数据仓库中(图5中没有示出)，并且可以从 数据仓库中取出使用，例如，能量分析和财务报告。
可以根据本发明自动建议和执行的能量减少编组的一个特别优选的 例子是循环负载轮回。图6的流程示出了负载轮回的优选循环算法。为了 清楚，图6中没有示出所有可以选择执行的选项(例如，设备状态，手动 越权，等等)。在图6中，循环算法以特定量“X”KW(例如，30KW)的减 少呼叫600开始。响应减少呼叫600，将轮回计数设置602到群减少持续时 间，系统从此递增群选择计数603。此外，根据设置602的轮回计数，系统 停止群装备604。在群装备停止604之后，系统开启以前的装备群606。然 后，系统询问608是否满足了减少要求，如果没有满足，那么停止下一个 (群+1)装备609，并且循环到再询问608是否满足减少要求。循环继续到 是否满足减少要求的询问608得到肯定的回答，然后，系统询问610轮回持 续时间是否完成；如果没有完成，那么循环回到继续是否满足了减少要求 的询问608。当可以肯定地回答轮回持续时间是否完成的询问时，系统询 问612是否所有的群已经通过轮回。如果所有群尚未轮回通过，那么提供 返回以递增群选择计数603。
当是否所有群已经通过轮回的询问612得到肯定回答时，系统接下来 重置群选择计数614，并且询问616减少呼叫是否完成。如果减少呼叫没有 完成，即，如果不能达到足够的能量减少，那么算法在图6上终止(END)。
本发明具有许多实际和工业用途。例如，本发明将人工智能能力与互 联网结合，使得能量使用客户(例如，建筑物系统)能够实时地大大减少 建筑物能量成本。客户能够通过减少他们每月消耗的能量、降低他们的“峰 值负载”用户费用、和将多个电计量表集合成一个“虚拟计量表”来做到 这点。此外，由于系统恒定地监视和调节能量使用，本发明中使用的神经 网络和人工智能使得能够将许多影响消耗的因素(例如，当前气候条件， 占用率水平，和能量的市场价格)考虑进去。
当连接了所有主要能量消耗设备并且将对设备设置的充分控制给予 根据本发明的软件系统时，计算出使用本发明的特定装置预期可以降低大 于15％的能量成本。
在另一个实施例中，本发明也提供了经济和能量节省的量化，和收入 的产生。特别是，可以将能够从使用本发明产生的“可减少”容量和能量 出售给地区控制当局和/或能量服务提供商。
通过应用人工智能的能力，和通过大大减少或完全取消人类成分(除 了在建筑物管理者选择越权系统的时候)，本发明将能量管理提高到一个 新的水平。使用神经网络代理技术实时监视、分析、和调节能量消耗。可 以将包括能量价格、当前和预测气候条件、当前和计划占用水平、空间空 气温度、和空间空气质量等等在内的许多因素考虑进来。将这些因素用于 选择在任何给定时刻减少能量消耗的策略。本发明的能量管理系统在实时 基础上比人类操作者更加“智慧”，人类操作者不能分析所有影响能量消 耗的不断改变的因素和快速地进行调节。之外，系统给建筑物拥有者和管 理者提供了大量新的数据，从而他们可以根据获得的信息作出进一步减少 能量的决策，和未来装备购买决策。
因此，可以使用本发明提供以下一个或更多的优点：永久负载降低； 峰值负载避免；将多个计量表集合在一个单一“虚拟计量表”下；对独立 系统操作者(ISO)/供应者请求的自动减少回答；广泛的基线分析、报告 和财务控制；计量表和设备的实时读取；计量装备趋向；报警；报告；能 量资金的智能使用。以下讨论本发明的这些优点和用途。
对于永久负载降低，应当知道本发明允许客户(例如，工业、商业、 大学、医院、和其它客户)在前进的基础上，通过一小时接一小时每天24 小时地对连接到系统的每件装备进行成千次的微小调节而降低能量消耗。 当系统覆盖诸如空调器、冷冻器、和照明系统之类的数百个能量消耗设备 时，对每个设备的微小调节可能对整个能量消耗造成显著影响。例如，系 统可以通过将空房间中的温度从70度提高到75度来满足能量减少的目的。 或者，响应异常凉爽的夏天，系统可以决定在职工到达工作之前开启空调 器是不必要或不经济的。经过一个月或一年的时间，这些微小调节积累成 能量消耗或成本的显著减少，而不会对操作者或人造成任何显著影响。
本发明也提供了避免峰值负载的优点。商业客户的能量账单包括两个 部分，即，一个月的总能量消耗的成本，和该月消耗的“峰值”能量的费用。 这个“峰值负载”费用可以达到电费的50％之多。本发明通过应用人工智 能完成客户预设的现行峰值负载减少方针，提供了能量的智能使用。在典 型的情况下，客户会要求保证峰值负载不超过以前设置的最大值，或，更 积极地，决定减小每月峰值负载(例如，减少10％)。在该月的任何点，当 峰值负载逼近预设阈值时，本发明中的智能代理可以从各种可用策略中选 择，以防止超越界限，例如，调高整个建筑物的自动温度调节器；或减弱 灯光；等等。但是，如果执行一个特定策略将妨碍另一个参数或客户设置 的其它参数(例如，温度不能超过一个特定的阈值，或灯光不能减弱到定 义的亮度以下，等等)，那么本发明的智能代理将使用另一种策略减少峰 值负载需求，或通知客户目的不能达到。所有这种分析、行动和/或通知在 数分钟内发生，并且使得客户(包括多建筑物系统中的商业客户)能够真 正地控制他们的峰值负载费用。
能够产生一个虚拟计量表或多个虚拟计量表是本发明的另一优点。许 多商业能量客户接收他们建筑物中或建筑物组合中的每个计量表的账单。 一个单一建筑物具有多个电表并非是不寻常的，并且一个给定区域中的大 型办公综合建筑或建筑物组合可以具有许多计量表。除了每月接收和偿付 许多用电账单所固有的低效率之外，电力客户也要为多个分离的峰值负载 交纳费用。在一个给定月中的一个特定点，这些峰值负载的总费用可能大 大超过一个单一客户达到的实际峰值。根据本发明的能量智能使用可以通 过将所有的客户计量表集合成一个“虚拟计量表”解决这个问题。这个虚 拟计量表可以包括一个单一电力(能量)联营集团(Electricity(Energy) Pool)内的数十个建筑物中的数百个计量表。(美国被划分成十个具有非常 不同的价格体系和规定的联营集团。结果，在美国当前的框架下，一个虚 拟计量表不能集合不同联营集团中的计量表。)客户可以接收一个账单， 而不是数百个账单，并且对照组合的计量表计算峰值负载费用，而不是对 照每个单独计量表计算费用。这可以导致很大的节省。
本发明的另一个优点是提供了自动减少。解决美国(和其它地方)的 长期能源问题需要多方面的措施。仅仅建造新的能源工厂和输送设备不能 解决问题，特别是在短期内，加州和其它地区面临加州规模的危机的可能 性。本发明可以在减轻能源短缺中起到重要作用，并且在长期，实质降低 额外能源基础设施的需要和成本。在许多商业合同的情况下，能量提供商 可以要求客户减少每年达成协议次数的消耗。在2001年秋天加州电力危机 期间，这些规定被调用了多次。为了鼓励商业客户减少消耗，从而避免类 似加州的危机，许多能量提供商鼓励用户在峰值负载事件期间，例如，非 常热的夏天，自愿减少电力。这些鼓励可以包括：给同意减少消耗的客户 的优厚预定费用，价格折扣，甚至在要求这样作时，给“卖回”没有使用 的电力或容量的公司付款。在许多情况下，建筑物管理者响应减少消耗的 请求，使用惯用能量管理系统人工或不分析地关掉装备。在许多情况下， 这导致业务停止数小时或数天，如在加州发生的。通过响应能量提供商的 请求自动减少设备，本发明可以防止这种不希望的业务停止情况，并且能 够以最小破坏的方式进行。例如，本发明的智能代理可以通过轻微调节设 备，或通过有选择地首先关停非关键的设备，完成减少。或者，可以把本 发明中的系统设置到仅关停非关键的建筑物。本发明提供了在操作行动之 前考虑许多因素的能力，并且能够在请求减少消耗的数分钟内做到，这超 出了任何人类操作者或业务管理者或惯用能量管理的能力。
本发明也提供了分析、报告、和财务控制的优点。当客户最初决定继 续进行开启根据本发明的发明的基于计算机的能量管理系统时，可以将客 户的数据输入到基于计算机的系统中，并且提供用于客户能量消耗的未来 分析的基线。因此，可以看到基于计算机的系统对于客户的能量消耗的影 响。一旦根据本发明的基于计算机的能量管理系统是可以充分操作的时 候，客户能够实时地监视和分析它的能量消耗。客户可以选择定制一个能 量管理系统，使得它能够以适合于客户需要的方式和格式提供信息。客户 可以在一个给定时刻，或任何规定的时间周期中，监视和分析客户的能量 消耗。
本发明的另一个用途和优点有关计量表和设备的实时读出。如果希望 的话，可以监视和评价连接到系统的每个计量表和设备的能量消耗。可以 修理或更换没有在最高效率运行的装备，进一步降低总能量成本。因此， 本发明提供了有关能量使用设备的独立效率的数据流。
本发明也可以用于计量装备倾向分析，包括允许能量使用客户在一个 计量表接一个计量表的基础上，实时进行倾向性分析。建筑物管理者可以 在任何时间接入显示一个给定计量表上的当前使用倾向的屏幕，并且如果 倾向不改变，提供未来消耗的预测。
本发明进一步提供了报警，包括在发生超出规定的参数的任何情况时 适当地通知。例如，如果快要超过峰值负载阈值，系统立即提供通知，从 而可以采取补救措施。但是，该系统也提供较小关键问题的通知，例如， 一个特定装备的故障，或能量消耗模式的突然改变。
在本发明中，可以提供报告。可以提供一整套可以在任何时间或在规 定时间存取的报告。这些报告可以包括开单率和差值开单，负载成型和整 形，和委托人可能规定的任何其它报告。
在本发明中，也可以提供有关财务的优点。通常，一般商业客户从它 的能量提供商接收的帐单是非常复杂的，并且经常是错误的。通过使用本 发明，客户可以将收集的实际实时数据与详细的基线数据比较，与应用于 客户的能量消耗的价格和价格结构比较。这种比较为客户显示出达到的节 省和收入水平，并且帮助客户确认能量提供商提供的帐单是否正确。
因此，本发明提供了上述优点，评价和执行的迅速性、正确性、和精 确性超过了人类操作者或人类操作者队伍所能达到的水平。此外，本发明 的能量管理系统是智能的和“能够学习的”，即，系统从以前的经验学习 以便随着时间过去改进结果。
示例1
根据本发明的能量负载减少的初步部署是通过以串联形成逐步展开 的装备的固定轮回进程表完成的。诸如可允许减少持续时间和电需求之类 的系统属性是通过功能测试确定的，并且预编程在一个固定矩阵中。然后， 展开一个轮回脚本，以在一个固定持续时间，系统地循环每件装备(或装 备群)的停止和开启。这种“循环”轮回措施提供了一个较少充分优化的 轮回循环，但是从这种方法获得的系统回答被用于训练可编程智能代理 (PIA)，以获得最佳负载轮回。
最终，一个可编程智能代理利用操作如下的设备层、组合层、和联营 集团层的智能代理的组合，优化可减少负载的负载轮回：
1)设备层可编程智能代理，利用前向人工神经网络(FANN)预测装 备(设备层IA)的负载轮回周期。
2)组合层可编程智能代理，根据设备层PIA中得到预测负载轮回周期 优化资源分层。组合最初定义为建筑物收入计量表。
3)联营集团层智能代理，根据根据市场订单的时间，利用预调理策 略优化负载轮回。
一旦训练了PIA算法，“循环”算法撤销，智能代理接过进程表负载轮 回。
应用本示例的系统如下使用。用于负载轮回的装备包括：电空间加热 器，空调压缩机，风扇电机，封装单元HVAC装备，和处理电机。
智能代理界面要求包括：
1)互联网启动的on/off控制。将可减少负载分组成等价电需求的“库”。 可以部署多个具有可选需求尺寸的矩阵。
2)可选因特网启动的(资源分层IA所需的)处理界限的监视。在使 用群on/of控制的情况下，要提供平均处理测量值，例如，平均空间温度 或共同返回空气温度。如果没有部署处理界限监视，那么通过处理漂移的 功能测试确定轮回的可接受周期。
3)(预调理策略IA所需的)处理设置点的可选互联网启动的控制。如 果没有部署处理设置点，那么不能实现预调理策略。
4)通过任何以下方法的能量消耗的因特网启动监视：
a)位于装备层或在电热器的电设施中的Kw计量表。
b)基于字段验证的额定Kw和装备on/off状态的虚拟Kw计量表。 计算可以在客户建筑物控制系统内，或在应用服务器驻留的虚拟Kw。
图7中示出了逼近负载轮回的循环的轮回进程表/矩阵示例。图6中的轮 回矩阵提供了用于30KW减少轮回进程表的示例分组。可减少需求是通过 使用互联网启动kW计量表连续测量确定的。
每个数据项的简要说明如下。粗斜体字的数据字段是当部署了用于负 载持续时间和资源分层优化的PIA时更新的临时值。
轮回群——为了优先化和计数目的数字群赋值。在初始部署期间轮回 组是固定的。负载轮回IA将各组优化到相等负载/相等持续时间。
装备ID——字母数字装备描述符。
受控设备ID——能量设备的字母数字说明。
手动/自动标志地址——手动/自动状态的地址。(术语“地址”用于指示 通过生效平台(例如，Silicon Energy“PtID”，Engagenet，等等)分配的写 入或读取位置。读这点给出一个“数字状态”(0或1)指示，指出装备已经 被置于本地越权，从而不能为了减少而接入。如果装备状态不可用，那么 应用程序“记住”从遥控事件产生的结果。例如，如果在以前的遥控事件 期间，装备没有改变kW，那么将数字状态设置到off(“0”)。
设备状态地址——(可选)指示一件装备的操作状态的只读点。操作 状态包括：正常，报警，报警代码。
可减少需求设置点——可减少电需求(kW)。可重置设备的设置点是 通过直接测量和经过客户赞成而获得的。对于on/off设备，可减少需求是 零。
可减少需求——可减少需求最初是固定的，是通过直接测量和正常 kW处理范围的评审得到的。当允许了负载轮IA回时，可减少电需求如下 计算：
电计量表(以前的时间间隔)-可减少需求设置点。 在负载轮回IA内使用计算的可减少需求，以将群优化到相等负载/相等间 隔。
On/Off控制地址——减少on/off命令写入的一次控制地址。命令如 on/off控制命令项中详细说明的。
On/Off控制命令——要写到一次控制地址以将装备置于减少模式的 命令信号。在大多数情况下，这是一个数字状态命令(0或1)。状态命令 的补码用于禁止减少。在那些需要两种情况的情况下，这一般是“因特网 控制越权”信号。
重置控制地址——减少命令写入的(可选)二次地址。
重置控制命令——将一件装备置于减少模式所需的(可选)二次命令。 在大多数情况下，这是一个模拟重置变量(％，mA，V)，例如，一个输 入到可变速度驱动器的减小的速度。这个输入不需要重置以禁止减少模 式，并且当控制命令1指示禁止时，被忽略。
最小装备停止时间——可以将一件装备送入减少模式的最小持续时 间。需要用于防止装备的短循环。
最大减少持续时间——可以将一件装备送入减少模式的最大持续时 间。这个周期最初是通过检测确定的，并且一般是装备服务的处理界限(控 制温度，CO2，等等)超出范围之前的最坏情况时间间隔。当训练了设备 层IA时，最大持续时间将被馈入到负载轮回IA中，以分类成负载群。
稳定持续时间——在前一个群被带出减少模式之前，需要两个装备群 在减少模式重叠(两个群都在减少模式)的时间延迟。当把前一个群的装 备带回到非减少模式时，这用于容纳过冲需求。稳定持续时间最初是固定 的。当训练了FANN IA时，稳定持续时间将被馈入到负载轮回IA中，以确 定群重叠。
收入计量表地址——服务要被置于减少模式的装备的需给电表的地 址。在计量表必须看到希望的净kW减少，或必须将附加群轮回到减少模 式。减少不够的原因可以包括装备停止或在本地越权模式，或在以前的群 轮回期间其它装备被带入在线。建立一个用于附加减少需要的范围。
处理变量1地址——用于抑制减少的幅度和持续时间的第一处理变量 的地址。例如，可以通过空间温度抑制AHU负载轮回。这一般是用于AHU 型减少的分区温度。对于最简单形式的循环逼近，可以不需要这种信息。 多达三个处理变量可用；尽管不需要，但是，优选使用至少一个(无处理 变量的示例：自来水泵)。
处理变量1最小范围——这是一次处理变量的下限。应当注意，减少 范围一般比正常可允许操作条件更极端。
处理变量1最大范围——这是一次处理变量的上限。应当注意，减少 范围一般比正常可允许操作条件更极端。
处理变量2地址——用于抑制减少的幅度和持续时间的第二处理变量 的地址。对于最简单形式的循环逼近，可以不需要这个信息。有两个处理 变量可用；尽管不需要，但是优选指示至少一个(无处理变量的例子：自 来水泵)。
处理变量2最小范围——这是二次处理变量的下限。应当注意，减少 范围一般比正常可允许操作条件更极端。
处理变量2最大范围——这是二次处理变量的上限。应当注意，减少 范围一般比正常可允许操作条件更极端。
“与”包括——这个项列出了必须与列出的装备项同时置于减少模式 的装备。用于这的环境包括匹配的供给空自/返回空气风扇设置。
“或”排除——这个项列出了不能与列出的装备项同时置于减少模式 的装备。用于这的环境包括同时停止所有电梯。
在这个示例中，数据源和分组规则如下。减少持续时间和影响是通过 功能测试确定的。装备被禁止，并且监视各单元服务的空间，以确定空间 条件超出可接受范围之前的最大减少持续时间。在以下规则下分组装备：
·装备必须是可控的和可减少的；
·需要具有固定和一致操作进程表(在可能的减少周期中)的装备。
·减少持续时间是在功能测试过程中通过监视空间条件确定的。至 少监视空间温度；也可以观察诸IAQ(CO2水平)或相对湿度水平之类的其 它条件以确定减少持续时间。
·分组装备使得每群的可减少需求近似相等。
·每群的功能减少持续时间是群内任何单独一件装备的最小持续时 间。
·最小占用者影响是群优先次序的基础。例如：自来水第一，接下 来是往复电梯，之后是AHU。
·跨越建筑物组合同时分布多个群减少；不允许减少群集中到一个 建筑物内。
·群可能需要独占性。例如：所有电梯不可以在同一群中。
·组可以需要包容性。例如：同一空间的返回和供给风扇操作可以 互连。
对于30kW减少呼叫，图6的流程可以应用到上述轮回进程表示例。执 行附加设备状态复选项、人工越权复选项，等等，这些都没有在图6中示 出。
示例2
峰值负载的一个示例：图8中示出了根据本发明的虚拟计量表与真实 计量表。在这个假定的示例中，四个计量表A，B，C和D记录的组合总能量 使用是95kW。但是，在这个月的第三天，计量表A在4:00p.m.达到它的峰 值。计量表B的峰值发生在第十二天的10:00p.m.，计量表C在第十六天的 中午记录到它的最高用量，计量表D在第二十九天的6:00p.m.记录到它的 峰值。尽管这些峰值没有发生在同一时间，或甚至同一天，但是客户要为 组合小时总数付费。
但是，利用一个虚拟计量表，只有一个记录到的峰值，该月中，客户 总集合用量是最高的时间的单一点。在这个示例中，该峰值仅是80kW，并 且可能发生在记帐周期的任何时间。这种功能可以给客户提供与它的能量 供应商协商不同的价格和税则的能力，从而显著降低“峰值负载”帐单。 (应当注意，商业客户与能量提供商之间的关系变化很大，这取决于一个 给定市场是否仍然是有规律的，或无规律的。客户通过协商赢得较低的价 格的能力极大地取决于市场的性质和涉及的局中人。)
示例3
在这个示例中，提供了一个根据本发明的能量管理系统，在系统中使 用了五个集成产品或特征：
1)永久负载减少—连续地进行和实现复杂的多输入、设备设置决策、 和永久减少客户消耗的能量的软件智能代理。
2)峰值负载避免—使用神经网络预测、识别和最小化峰值负载时间， 降低了客户能量帐单中有关每月峰值能量使用部分。这些峰值负载事件可 以占到一年能量成本的50％，因此，它们的降低是十分有利的。
3)虚拟计量表数据集合—将多个建筑物和电表集成到一个虚拟计量 表，这可以消除多方记帐，合并了可记帐峰值负载，并且给予了客户在管 理它的能量消耗上的更大的灵活性。这又能够为集合的组合建立新的降低 的峰值负载，集合的组合将允许协商从客户的能量提供商获得更好的价 格，从而显著降低用户费用。
4)容量节省和紧急减少—系统有能力在响应能量供给短期减少的请 求时迅速降低客户的直接能量使用。能够响应当局或能量供给商的请求迅 速减少能量消耗。这种能力也使得客户能够将它能够减少的数千瓦的容量 卖到可用市场，和在紧急情况下它能够将数千瓦小时的能量送回到市场。 在本地ISO、电力当局或公用事业提供商请求时，IUE系统将把建筑物置于 峰值减少操作。非必要负载将被断电，并且将HVAC装备轮回到和轮回出服 务，以在整个减少周期中保持一致的负载降低。
5)财政—用于将实际能量使用与能量账单比较的工具，账单经常夸 大商业客户消耗的能量用量。
在下面的示例和对比例中，多种方案示出了用惯用方式和根据本发明 的方式管理能量的不同的主要情况，并且示出了使用智能代理管理能量的 优点。
对比例C1
自动建筑物管理系统或能量管理系统。
对比例C2
由专家人类工程师操作的建筑物管理系统。
发明示例4
提供了根据本发明的智能代理。智能代理连续地学习。将一个“建模 神经网络”连接到每个受控设备。这个网络有一项工作：学习了解有关这 个设备的一切。神经网络跟踪这个设备的所有参数。由于磨损和擦伤、老 化、气候、新参数构象，等等，在操作特性上造成的微小改变被立即读取， 并且成为这个代理具有设备的“模型”的一部分。
例如，对于空调器，神经网络知道在特定的建筑物占用率下，在特定 的室外温度，特定的温度设置下它消耗多少功率。网络也从其它观察知道 这种联系，它知道对于一个给定占用率和室外温度，在何种温度设置下， 将消耗多少功率。
这些参数之间的关系即不是线性的，也不能容易地在代数公式或微分 方程式中表示(这是设计模型系统的标准方式)。神经网络像人类大脑一 样工作，根据观察—这里称为″学习″，建立两个概念之间的联系，加强 或减弱这种联系，如同儿童学习语言或打球一样。
连续学习
通过知道有关操作特性的每个细节，智能代理能够以装备在该时刻操 作的最佳方式运行设备。这种方式的特性与惯用的自动建筑物管理系统 (BMS)工作的方式形成鲜明对比。BMS通常甚至没有设备的模型。BMS可 以向设备发出固定的指令，而不管能量的当前效率或价格，或温度和占用 率之间的相互影响。BMS已经将设备放置在进程表上，例如，在7am达到71F， 并且这就是它要做的，直到给它新的进程表。BMS最多具有重置，重置是 根据一个以上的变量进行的，例如，根据室外温度或空间控制温度。BMS 也依旧不进行未来能量使用的预测，这种预测将为它的能量管理决策提供 信息。BMS一般设置到最坏情况范围，以避免故障呼叫—显然，这不是运 行建筑物的最巧妙或最高能量效率的方式。可以容易地看到对比例1这样 的僵硬的操作是如何浪费能量的，不考虑装备层的变化和特性的影响。人 类专家控制的建筑物管理系统的情况(对比例2)也并不太好。由于每个 设备有数十个点要监视，因而人类不能监视数百个设备。设想一个在监视 控制台前的建筑物工程师，他必须跟踪230个空调器、这些设备的能量消 耗、它们的温度设置、每个设备改变1华氏度花费的时间、在不同的室外 温度下进行、不同占用率负载中的因数、并且一天24小时地做这些工作。 显然，人类操作者不能承受如此多的信息。
预测准确性
对比例1和2这样的建筑物管理系统不用于预测能量使用。这些系统最 多能够查看今天的能量使用，并且将它报告给人类用户。它们不能将这种 信息运用到它们自己的控制行动中。最好，对比例1和2需要一个人来作这 件事。人类建筑物管理者将他们的行为放在“经验”基础上，意味着他们 要注意天气预报，并且宁可选择安全的做法，在夏天给建筑物过度制冷， 或在冬天过度给它供暖。建筑物管理者努力讨好雇主，而不是财务管理者。 甚至一个注重成本的建筑物管理者也缺乏一个设备接一个设备、一层接一 层、一个建筑物接一个建筑物、和一个校园接一个校园地，为他们的建筑 物建立准确的预测的输入和建模能力。
另一方面，发明示例4的智能代理借助在神经网络中随着时间过去而 发生的学习的能力，并且以这种方式利用它精确地预测能量用量。逐设备、 逐建筑物、逐组合地进行短期或长期预测。这使得代理能够预冷到恰当的 量。在减少过程中，使得代理能够预测室温的降低，并且逐渐地轮回停止 或降低的装备。因此，保持了对建筑物舒适性的影响，同时又使能量成本 最低。
对减少请求回答的灵活性
对比例1和2这样的实现减少回答的惯用方式是设计多个削减阶段(例 如，正常阶段，黄色警报阶段，和红色警报阶段)。在能源更为紧张时， 产生降低到最低水平的可能性，并且进入更高的削减阶段。每个削减阶段 严格规定了如何保存能源。制定了要求某些空调设置到较高温度或完全关 闭的详细计划。关闭某些排灯或泵或其它诸如此类的措施的指令可以是削 减计划的一部分。可以容易地看出，这些诸如对比例1和2之类的计划是十 分僵硬的。明显的短缺没有到来。回答仍然模仿这种方式。这样的原因很 明显：为了应付能量消耗设备的复杂性，必须进行某种简化以便迅速反应。 诸如分块建筑物管理系统和仅能执行有限数量的操作直到满足减少水平 的人类操作者之类的粗糙工具天生具有这种局限性。
发明示例4中使用的智能代理提供了更大的灵活性。代理可以监视能 量价格和电网中电能的缺乏。这可能发生在极其细小的规模，不够绿-黄- 红等级。由于代理能够推理，它们可以最恰当地作出反应，即使在能源危 机的早期阶段。随着危机日益严重，代理也可以采取它们的削减措施。这 些削减措施不是关闭装备块采用的粗糙措施，而是试图将对建筑物中舒适 性和质量的影响降低到最小。代理可以通过利用它们有关设备的操作特性 的知识，和通过预测能量需要和消耗，而做到这点。然后，代理可以采取 温和的行动。尽管与完全关闭所有装备的强制方法相比，每个控制行动仅 能节省少量的能量，但是，这许多微小节省的和等于现今不太精致的控制 系统和工作过度的建筑物管理者采取的粗野行为所节省的能量。
更宽的信息输入范围
对比例中那样的建筑物管理系统(BMS)使用简单的反馈回路控制温 度或其它变量。这些回路的反馈/控制变量大多是一个单一的系统内部参 数。这种措施太近视而不能智能地管理系统。控制器没有考虑足够宽的范 围的变量。存在着来自BMS本身的附加内部变量(例如，二氧化碳或其它 空气质量测量值)。与这联系的是占用日期，影响着诸如空气流动或风扇 速度或冬天加热之类的变量。人类几乎不监视来自建筑物外部的、影响可 能对成本造成极大冲击的重大决策的全局变量。建筑物管理者通常没有能 量的当前价格的显示器。在无规则的市场中能量价格飙升到超过$200/kWh 记录的那些极端日子中，进程表上的BMS和人类建筑物管理者都没有对这 一实事作出反应。尽管无规则市场中的能源价格对于ESCO关系重大而对终 端消费者无关紧要，但是，对每个参与者来说，没有准备灵活的定价也不 是谨慎的能量管理。
另一方面，发明示例4这样的智能代理考虑了许多全局变量。因此， 代理具有在能量极端昂贵时强制保存能量的能力。因此，当需要付出大的 代价时，代理牺牲了很小的建筑物舒适性，而当能够便宜地做到时，还是 保持了建筑物的舒适性。了解有关能量世界的事件，而不仅仅是本地建筑 物的能量事件，因此，能够给予建筑物拥有者以回报。
刚性进程计划与基于知识的推理
以前，将发明示例4这样的基于知识的动态推理和决策说成是优于根 据对比例1和2的固定进程表或简单回路。所有惯用建筑物管理系统仍然严 格地使用这些基本概念。进程表是惯用系统中控制设备的优选方式。尽管 这种进程表可以是非常深思熟虑的(例如，能够从周末中区分出周日，识 别假日，建立报告，很像Microsoft Outlook中的日历功能)，但是，惯用 进程表还是不能确定当前制订的行动路线在当前环境条件下是否有意义。 惯用BMS执行指令它做的事情，实际它已经远离了规定的路线。在加州的 特别炎热的夏日，能量价格飙升的情况下，BMS执行安排它做的事情。它 将空间冷却到68F，即使仅仅在一天中就把能量账单累积到数十万美元。
另一方面，了解能量价格的发明示例4的代理将开始推理，以寻找成 本与舒适性之间的折衷。首先，代理很可能将温度设置到71F，然后，它 们建筑物的各个区之间轮回，均等地分配“不舒适”，并且仅在耗尽之时， 才转到更高的温度将成本保持在控制之下。
反馈回路
从控制论观点看，对比例这样的当前BMS使用简单的反馈回路(保持 温度在一个设定水平)，或它们使用来自简单传感器的触发器来控制行动 (光传感器打开停车场的灯)。这种控制论构造不能应付极端相反的对象， 例如，如何尽可能多地节省能量，同时又尽可能高地保持建筑物舒适性。
发明的示例4具有人工智能工具来平衡相反的对象，例如，能量节省 和建筑物舒适性。
块
对比例建筑物管理系统建立在它的前辈，即，机电系统的意象上。给 终端用户提供了可以代表继电器或其它这类物理实体的“块”。在一个较 高层，控制块代表配电板或设备的块。尽管建筑物管理者最初可以使用这 种意象执行从物理世界到微处理器控制的系统的过度，但是，它最终限制 了系统能够做的事情。
发明示例4不受这种最终限制。
试凑法
一些BMS，甚至一些家用温度调节器，宣称它们能够“学习”。这些设 备的大多数实际所有做的是一种随机逼近法，也就是说，它们在猜测。猜 测一个值可能是十分费时的，用掉许多“尝试”，直到发现某个满意的值。 猜测也不允许从一个学习转移到下一个学习。对比例遭受了试凑法的代 价。
在发明示例1中，发生真实的学习(观察和知识基础的建立)，例如， 通过神经网络和基于规则的专家系统。由于这种真实的学习，发明示例1 中的系统可以更快、更准确地、并且在比对比例更宽的学习境遇范围中， 提出正确的回答。
对比例1和2与发明示例4之间的差别总结如下。使用智能代理的发明 示例1在用较低的成本提供更好的建筑物舒适性方面，超过自动建筑物系 统(对比例1)和人类专家(对比例2)。下面的表总结了这些发现。 概念 驱动BMS的智能 代理 驱动BMS的人类 专家 自动BMS 学习设备的操作 特性[如何最有效 地运行空调器， 泵，等等] 每个单一设备的 不断观察连续地 更新该设备的神 经网络；该设备的 最先代表 操作特性的常识； 仅是宏观层，不能 每天24小时地详 细跟踪所有设备 的所有点 最多一个设备的固定参 数的说明；不学习或更 新。通常没有设备参数 的模型。 预测能量使用[通 过在能量便宜时 进行必要的冷却/ 加热行动省钱] 神经网络可以根 据历史观察准确 预测。 人类可以根据经 验进行受过教育 的猜测；由于信息 过载和预测公式 的非线性性质，通 常不能考虑所有 的数据点。 最多在数据库中查找， 非常不准确；通常不预 测。 处理减少[在响应 减少的同时，保持 建筑物的舒适性] 对紧张的能量供 应的无限小的层 的自动回答； 粗暴的力；使用预 定设备组在增加 严重性的阶段关 闭 没有；需要人类操作者。 设备的每日操作 [以最高能量效率 的方式运行建筑 物] 每个单一设备的 不断观察连续地 更新该设备的神 经网络；设备的最 新代表 在宏观层操作 BMS；不能将完整 的8小时用于驱动 系统；不能处理信 息流(高达150Mb/ 分) 根据一个固定进程表 (例如，将A/C设置到 在6am到达70F)或一个 单一事件(例如，当黑 暗时，打开停车场的 灯)；不战术优化。 决策进行的环境 [大事聪明，小事不 糊涂] 使用来自建筑物 的所有本地供给 (例如，温度、湿 度、CO2、等等)； 使用来自NOAA的 天气预报；使用来 自ISO的价格输 入； 不是所有全局信 息供给都能接入 建筑物管理者；利 用不完全的数据， 在猜测的基础上 进行决策 将本地传感器读数用于 简单反馈回路 决策进行方法 利用神经网络、基 于规则的系统、和 基于计划的系统， 向前和向后推理； 利用推理和“常识” 进行智能决策 带有单一控制参数的简 单反馈回路 控制的间隔尺寸 每个设备具有一 个附属的代理，代 理又可以被一个 较高层的策略代 理驱动；这使得能 够独立于物理“控 制块”实现许多不 同策略， 被BMS提供的控 制层限制 经过“块”和其它不利用 计算机化的系统的所有 灵活性的机电意象控制 参数的自动确定 神经网络连续地 使用监视作为输 入以进行学习；系 统决不猜测而是 根据历史实事使 用推理。 团聚经验和观察； 倾向于指数效果 的错误判断和结 果(人类仅能很好 地估计线性系 统)。 推断预冷或预热时间的 试凑法浪费能量并且不 适合于建筑物或环境中 的改变(气候) 控制多个建筑物 代理能够支持多 个设备，因而在寻 找节省与舒适性 之间的折衷中具 有更大的自由度 经过当前BMS被 限制到一个单一 建筑物 被限制于一个单一建筑 物；如果存在庇护系统， 那么仅用于监视。
比较的基础是场景中消耗的能量成本和为房客达到的舒适性二者。
场景显示了由于以下原因代理可以更有效地运行一个建筑物：
连续的学习：智能代理通过经过神经网络自动地学习设备的操作特 性，更有效地操作装备。这比利用不代表实际设备的当前条件的、静态的、 制造商提供的设备参数或说明编程建筑物管理系统，更快、更准确、和更 能代表设备的当前状态。
准确的预测：智能代理通过使用它们的设备知识进行导致节省的有见 识的能量预测，而不是不管温度预测或改变的能量价格在固定的进程表上 操作，从而节省了钱。
对减少请求的灵活回答：由于智能代理不依赖于预定的“关闭”群或 序列，所以它们能够在减少事件期间，为房客取得较高的舒适性水平，“关 闭”群或序列是建筑物管理系统或人类能够应付这些削减能量使用的复杂 请求的惟一方式。
更宽的信息环境：由于代理具有进入作为它们决策的基础的更宽的环 境的通路，所以它们能够比建筑物管理系统节省更多的钱。建筑物管理系 统被限制于来自建筑物本身的数据，而代理能够向NOAA((美国)国家海洋 和大气局)订阅，订阅从ISO供给的各种价格。
推理优于进程安排：代理可以在逐日的基础上更有效地运行装备。由 于它们具有对建筑物本身的事件(温度，CO2，占用率，等等)和全球变化 (气候数据，能量价格)的原因推理并且作出灵活的反应的能力，所以代 理能够这样做。建筑物管理系统通常根据进程表，根据进程表它们采取控 制动作，而不管占用率或能量价格。这使得建筑物管理系统效率低下。
推理比反馈回路更有力：从控制论观点看，当前BMS使用简单反馈(将 温度保持在一个设定水平)或它们使用来自简单传感器的触发器控制行动 (光传感器打开停车场的灯)。这种控制论构造不能处理极端相反的对象， 即，尽可能多地节省能量，同时尽可能高地保持建筑物舒适性。在一个系 统中要使用领域知识、学习、和决策制订智能来完成它。
惯用块控制是笨拙的：大多数建筑物管理系统是根据它们的前辈，即， 机电系统的意象建立的。给终端用户提供了可以代表继电器和其它类似物 理实体的“块”。在较高层上，控制块代表配电板或设备的块。尽管这种 意象有助于建筑物管理者进行从物理世界到微处理器控制的系统的过渡， 但是它最终限制了系统能够做到的事情。
智能学习比试凑法更有效：尽管一些惯用BMS、甚至一些家用温度调 节器宣称它们能够“学习”，但是，这些设备的大多数做的是随机逼近法， 也就是说：它们在猜测。猜测一个值可能是非常浪费的，要进行许多“尝 试”，直到发现某个满意的值。猜测也不允许从一个学习事件转移到下一 个。另一方面，真实的学习需要观察和知识基础的建立。神经网络和基于 规则的专家系统可以这样作，从而更快、更准确、和在更宽的学习情景范 围中，提出正确的回答。
代理控制一个以上的建筑物：尽管传统BMS在一个单一建筑物中执行 进程和监视行动，我们的代理控制整个建筑物组合上的设备，例如，HVAC 或照明。这防止了代理仅发现本地最大值，而允许它们全局优化。这也给 代理提供了在平衡整个建筑上的能量节省需要与房客舒适性中的更大的 自由度。
尽管显示和说明了本发明的各种实施例，但是，应当知道熟悉本利于 的人可以进行其它修改、替代、和选择，而不脱离附属权利要求确定的本 发明的精神和范围。