[发明专利]建筑物自动化系统和方法

说明书

本公开涉及一种建筑物自动化系统和方法，其中，安装在天花板上的感测单元包括：(i)一个或多个空气温度度传感器；(ii)红外传感器，其具有朝向房间地板定向的视场；(iii)微控制器，接收来自空气温度传感器和红外传感器的读数，微控制器基于房间的模型提供在房间地板上方的预定距离处的估计的温度。该模型可以基于通过匹配卡尔曼滤波器模型而获得的双指数平滑函数。或者，该模型本身可以是卡尔曼滤波器模型或使用诸如L2归一化的线性回归技术获得的机器学习训练的线性模型。卡尔曼滤波器模型使用状态向量，该状态向量包括估计的温度和估计的温度变化的变化率。可以使用k折交叉验证技术来验证机器训练的模型。

相关申请的交叉引用

本发明涉及并要求2018年3月16日提交的名称为“建筑物自动化系统(BuildingAutomation System)”的序列号为62/644,000的美国临时专利申请(“临时申请”)的优先权。该临时申请的全部公开内容通过引用的方式并入本文。

技术领域

本发明涉及建筑物自动化。特别地，本发明涉及建筑物自动化系统中感测占用率和感测居用者高度处温度的方法。

背景技术

人们基于当时的不适或特定需要来控制他们的空间或设施的环境。然而，以这种方式，在居用者已经不舒服或已经受到不利影响(例如，对办公室或工厂车间的生产率的不利影响)之后才进行校正。通常，居用者采取的行动很少被记录或确认以供将来参考，因此相同的不舒适条件会持续存在。此外，现有的建筑物自动化系统不能完全认识到实际的空间利用率(例如，占用率水平)，因此无法有效地部署其控制下的资源。因此，现有的环境调整方案导致居用者不适和被打扰，同时能源和资源效率低下甚至被浪费。优选地是能够通过实时预测居用者需求和空间利用来减少不利影响。

发明内容

本发明实时地进行环境调整以响应设施内预期的居用者需求，从而在居用者不适之前实现增加的舒适性和生产率。本发明的方法基于从大量收集的数据合成的模型以及通过使用对环境变化的来源作出反应的传感器来更好地跟踪环境变化。该系统还检测占用率并有效地维持对空间的环境控制以节能。

根据本发明的另一方面，基于空气温度传感器和至少一个红外(IR)温度传感器的读数，方法和安装在天花板上的感测单元估计房间中居用者高度处的温度。在一个实施例中，安装在天花板上的感测单元靠近房间的中心安装。通过为IR温度传感器提供向下指向地板的受控视场(FOV)(例如，60°-80°)，跟踪空气温度和通过IR传感器基于辐射能量检测到的温度的模型估计居用者高度处的室温。可以使用圆顶形金属板或透镜来调节FOV，这限定了FOV并限制了背景噪声。金属板是导热体。金属板保持接近传感器主体温度的温度，从而允许FOV变窄而不会显著地影响测量。

在一个实施例中，使用机器学习技术(例如，诸如基于广义线性模型的线性回归)、统计技术(例如，卡尔曼(Kalman)滤波)或两者来导出模型。在一个实施例中，使用居用者高度处的温度传感器在多个房间中进行“地面实况(ground truth)”测量。然后在几个月内为多个房间中的每一个记录本发明安装在天花板上的感测单元的读数。在预处理步骤之后，将读数分成几个子集，分别用于训练、交叉验证和测试。使用k折交叉验证技术训练若干机器学习模型(例如，广义线性模型、决策树、神经网络)。还将性能与几种非学习方法(例如，平均、卡尔曼滤波器和霍尔特-温特(Holt-Winters)方法)的性能进行比较。对应于最小计算负载的具有最佳精度的模型的推断被部署在感测单元中资源受限的微控制器上。