使企业营运与设施能量使用相互关联的分析引擎的利记博彩app

1.发明领域

本公开的方面和实施方式目的在于用于提供能量管理服务的系统和方法。

2.相关技术的讨论

可利用企业或设施的能量模型来比较预期与实际能量消耗以确定能量系统异常是否存在。当所有能量驱动器都被考虑到且在企业营运中没有意想不到的变化时，现有的能量建模方法表现得很好。然而大部分企业经历可影响能量消耗的很多意想不到的事件，且使所有能量驱动器被考虑到很难。

概述

根据本公开的方面，提供了包括分析引擎的系统，分析引擎包括至少一个输入端和至少一个输出端。分析引擎配置成创建预定模型模板的实例以对设施中的能量设备的活动建模，不同的设备类型由不同的模板代表，模板定义输入能量使用、能量驱动器和/或相应的设备类型的控制参数中的一个或多个；通过至少一个输入端从设施的其它信息技术(IT)系统接收与输入能量使用、能量驱动器和/或相应的设备类型的控制参数中的一个或多个有关的数据；找到在能量使用的输入参数、能量驱动器和不同的设备类型的控制参数之间的关联并基于能量驱动器和控制参数来开发预测不同的设备类型的能量使用的一个或多个能量模型；将从其它IT系统接收的数据和能量设备的能量消耗与一个或多个模型比较以确定能量系统异常是否已经发生；以及通过至少一个输出端输出一个或多个控制信号以响应于能量系统异常已经发生的确定而控制能量设备的操作。

在一些实施方式中，分析引擎配置成标记未被一个或多个模型预测的事件的实例并将与该事件相关的设备的能量使用与设备的能量驱动器和控制参数之间的关联的指示呈递给用户。分析引擎可配置成从用户接收反馈，所述反馈(a)确认所呈递的关联是否有效；以及(b)提供所述分析引擎为应对事件应采取的步骤。分析引擎应采取的步骤可包括下列操作之一：仅仅针对该事件的实例来调节设备的模型，以及基于与事件的实例相关的数据来更新设备的模型以指示对在设备的能量使用与设备的能量驱动器和控制参数之间的关联的永久变化。

在一些实施方式中，分析引擎配置成建议将设备操作带回到由一个或多个模型预测的范围内的行动，并从用户接收接受或拒绝行动的实现的输入。

在一些实施方式中，分析引擎配置成响应于检测到未被一个或多个模型预测的事件的实例而通过一个或多个输出端输出实现一个或多个行动以将设备操作带回到由一个或多个模型预测的范围内的一个或多个信号。

在一些实施方式中，分析引擎配置成在初始安装之后进入训练阶段，其中它查询设施的网络以确定存在于设施中的不同的设备类型和存在于设施中的其它IT系统。

在一些实施方式中，分析引擎配置成从互联网接收包括天气、财务和安全相关数据中的一个或多个的数据，并将来自互联网的数据合并到一个或多个能量模型内。

在一些实施方式中，分析引擎配置成从设施的一个或多个温度和/或照明传感器接收数据并将来自一个或多个温度和/或照明传感器的数据合并到一个或多个能量模型内。

在一些实施方式中，设施的其它IT系统包括企业资源规划系统、日历服务、能量监控系统、制造执行系统、数据中心基础设施管理系统、财务系统、监督控制和数据获取系统、消费者关系管理系统、运输管理系统、人力资源系统和企业资产管理系统中的一个或多个。

在一些实施方式中，系统还包括与第二设施相关并与分析引擎通信的第二分析引擎，分析引擎和第二分析引擎配置成协作来确定改进能量设备的操作的行动。

在一些实施方式中，分析引擎还配置成预测未来的能量系统异常并采取行动来防止未来的能量系统异常。

根据本公开的方面，提供了包括将能量分析引擎安装在与设施网络通信的计算机系统中的方法。能量分析引擎配置成识别安装在网络上的一个或多个企业系统，访问来自一个或多个企业系统的数据馈送，识别在来自一个或多个企业系统的数据馈送中表示的一个或多个设施能量驱动器参数，建立使一个或多个设施能量驱动器参数与设施能量消耗相互关联的能量模型，并响应于检测到的在一个或多个设施能量驱动器参数与设施能量消耗之间的关联的变化而向一个或多个企业系统提供一个或多个控制命令，一个或多个控制命令引起对在设施处的一个或多个能量消耗和/或产生设备的一个或多个操作参数的调节。

在一些实施方式中，能量分析引擎访问来自互联网的与设施能量消耗相关的一个或多个数据馈送，并将在来自互联网的一个或多个数据馈送中表示的能量驱动器参数与设施能量消耗之间的关联合并到能量模型内。

在一些实施方式中，能量分析引擎请求用户验证在一个或多个设施能量驱动器参数与设施能量消耗之间的一个或多个关联。

在一些实施方式中，用户将能量分析引擎手动地链接到一个或多个额外的企业系统，且能量分析引擎将在来自一个或多个额外的企业系统的一个或多个数据馈送表示的能量驱动器参数与设施能量消耗之间的关联合并到能量模型内。

在一些实施方式中，能量分析引擎响应于在一个或多个设施能量驱动器参数与设施能量消耗之间的所确定的关联中的变化而更新能量模型，并响应于对能量模型的更新而自动更新在设施处的一个或多个能量消耗和/或产生设备的一个或多个操作参数。

在一些实施方式中，能量分析引擎向设施的用户突出显示在设施能量使用中的未料想到的变化。

在一些实施方式中，能量分析引擎自动发现用于设施能量消耗的新能量消耗驱动器，并将新能量消耗驱动器自动合并到能量模型内。

在一些实施方式中，能量分析引擎监控设施的安全系统和日历服务之一，并响应于基于安全系统和日历服务之一的数据确定在设施的占有模式中的变化来提供一个或多个控制命令。

在一些实施方式中，能量分析引擎与和第二设施相关的第二分析引擎通信并协作以确定改进一个或多个能量消耗和/或生产设备的操作的行动。

附图的简要说明

附图并没有被规定为按比例绘制。在附图中，在不同图中示出的每个相同的或几乎相同的部件由相似的数字表示。为了清楚的目的，不是每个部件都可在每个附图中被标出。在附图中：

图1是能量管理系统的实施方式的示意图；

图2是启用能量分析系统的方法的实施方式的流程图；

图3是现有技术的能量管理系统的实施方式的示意图；

图4是改进的能量管理系统的实施方式的示意图；

图5是改进的能量管理系统的另一实施方式的示意图；

图6是计算机系统的示意图，本文公开的方法可在该计算机系统上被执行；以及

图7是图6的计算机系统的存储器系统的示意图。

详细描述

本公开在其应用中不限于在下面的描述中阐述的或在附图中示出的部件的构造和布置的细节。所公开的系统和方法能够有其它实施方式并以各种方式被实践或实现。此外，在本文使用的短语和术语是为了描述的目的，且不应被视为限制性的。“包括(including)”、“包括(comprising)”、“具有”、“包含”、“涉及”及其变形在本文中的使用意指包括其后列出的项目及其等效形式以及额外的项目。

本文公开的各种方面和实施方式包括用于提供能量管理服务的系统和方法。本文公开的方面和实施方式包括分析和控制引擎(在本文也被称为“分析引擎”、“能量分析引擎”或简单地“引擎”)，其捕获在企业营运和设施能量系统之间的关系并能够根据需要发起调节设施能量系统的操作参数的行动。分析引擎突出显示在设施能量使用中的料想不到的变化，并帮助用户根据需要调节能量模型。在一些实施方式中，分析引擎使新能量消耗驱动器的发现和合并或已知能量消耗驱动器的变化到企业或设施的能量模型自动化。分析引擎可基于对设施的能量模型做出的调节来调节一个或多个设施能量系统的操作参数。

一般设施使用多个不同的软件系统来使企业运转。试图管理企业的任何人必须处理很多不同的孤岛数据集。管理员常常想要使用来自一个系统的数据来为来自另一系统的数据提供企业上下文。然而，在这些软件系统之间的数据交换一般是手动的，且需要由人持续不断地维护和解释。

对在设施中的企业过程的变化可对设施中的能量消耗模式有影响。因此能量管理员或设施管理员知道企业过程变化使得它们可预测并有效地管理能量使用是合乎需要的。然而在目前已知的设施中，能量或设施管理员记录所有的企业过程变化或事件及它们对能量使用的影响一般是过度手动的、复杂的任务。没有可理解作为整体的企业的当前状态以提供决定支持的单个系统。

本文公开的方面和实施方式目的在于用于构建并操作捕获在企业营运和设施能量使用之间的关系的分析引擎的系统和方法。分析引擎的实施方式突出显示在设施能量使用中的料想不到的变化并帮助用户根据需要调节能量模型。分析引擎的实施方式还对基于在企业营运和设施能量使用之间发现的关系来控制能量利用和/或产生设备的信息技术(IT)系统做出动态调节。

在一些实施方式中，以紧急方式构建设施的企业过程或操作的模型，将模型变量链接到来自已经运行的现有企业软件系统的数据。一旦它是稳定的，模型就可使在企业过程中的变化与在能量消耗(或生产)中的变化相互关联。它可通过人来验证那些关联，或如果置信度水平足够高，则它可绕过人的验证。在至少一些实现中，模型和在它后面的引擎代替对大部分人监督的需要，在没有人干预的情况下做出决定。

在能量分析引擎的一个实施方式中，创建描述引擎可从其它IT系统接收的各种数据类型的示意性数据框架。这个框架聚焦于可与设施能量使用关联的数据类型。这个框架例如可定义类型，例如温度、设备状态(接通和断开)、占有率和生产输出。

设施按照一个或多个对象被定义，如在所定义的对象之间的关系。作为例子，一个对象可代表整个设施，且那个对象被定义为包含加热、通风和空气调节(HVAC)对象、生产对象和办公室对象。这些对象可链接到与由示意性数据框架定义的数据类型相关的元数据。以前提到的HVAC对象例如可链接到被标记为[温度]、[户外]和[占有率]的数据流。

在一些实施方式中，数据流由分析引擎从各种企业营运IT系统接收。这样的IT系统的例子包括构建管理系统(BMS)、人力资源(HR)、建筑物安全、企业资产管理(EAM)、材料要求规划(MRP)等。数据流用由语义数据框架识别的术语明确地标记或从与每个数据流相关的元数据推断。

从预定设施对象方面来定义设施能量使用的一个或多个模型。引擎比较每个设施对象的所消耗或产生的实测能量与预测能量消耗或生产，寻找超过预定界限的差异。这样的事件被标记，且引擎使用机器学习技术来寻找在设施对象的所接收的数据流和预测能量使用之间的关联。数据流元数据由机器学习技术来使用以帮助找到关联。

引擎给用户呈递关于所标记的能量使用事件和所发现的关联的信息。用户将关联标记为有效的、无效的或未知的，并指示所标记的事件是否是例外或代表在设施对象能量使用中的永久变化。如果事件是例外，则引擎使用有效的关联来针对那个单个事件调节能量模型，或将事件的能量模型输出标记为不可应用(N/A)于模型。如果事件指示永久变化，则引擎使用有效的关联来调节设施对象能量模型。

引擎在向用户提供设施能量使用报告时使用正确的模型随着时间的过去维持原始和经调节的设施对象能量模型。

在一个实施方式中，利用如本文公开的分析引擎的设施包括将与设施能量使用有关的数据馈送到企业营运系统的物理传感器(例如温度或光传感器)、能量设备(例如HVAC单元)、捕获与设施能量使用有关的数据的建筑物操作系统(例如BMS和/或日历服务)和增加或减少设施能量使用的控制能量设备、以及分析引擎，其实现能量模型模板的实例以创建从建筑物操作系统接受输入的能量模型，发现在商业操作和设施能量使用之间的关系，并向建筑物操作系统输出控制信号以动态地控制能量设备。

在一些实施方式中，从各种建筑物操作系统提供到分析引擎的输入可以是标量数值，例如温度、时间或在设施中存在的雇员的数量。在一些实施方式中，从各种建筑物操作系统提供到分析引擎的输入可以比单个数值更复杂。例如，输入值可附随有时间戳和其它属性，例如置信度间隔或所估计的误差。当创建模型、寻找关联并产生预测时分析引擎可考虑这些额外的输入参数属性。由分析引擎接收的输入还可包括在所接收的值中的误差或置信度的指示。

图1示出在上面所述的系统部件之间的连接的例子。分析引擎实现能量系统的能量模型模板的实例，例如图1所示的HAVC系统的能量模型的系综。模板规定模型集合可从企业营运系统接收的数据的类型(例如温度)和模型集合将输出到企业营运系统的控制信号(例如设定点水平)。在这个例子中，HVAC模型集合的几个输入连接到来自建筑物管理系统(BMS)的相关输出，且一个输入连接到列出在设施处的已安排事件的日历服务。HVAC模型集合还从能量监控系统(EMS)接收与HAVC系统有关的间隔能量测量结果。HAVC模型集合输出包括加热和冷却设定点值，且这些输出连接到BMS以动态地调节由BMS使用的加热和冷却设定点。

企业营运系统常常连接到物理传感器以接收关于在设施内和之外的环境的数据以及连接到能量设备，例如照明和空间加热/冷却。在这个例子中，BMS从在办公室建筑物内的特定区的户外温度传感器和室内温度传感器接收温度数据。BMS也连接到可向办公室建筑物内的区提供加热和冷却的HVAC单元。

当初始被配置为如图1所示时，HVAC模型部件进入训练阶段。模型从BMS和日历服务系统接收数据，并试图找到如由用于创建模型的模板中的逻辑定义的关联。在这个例子中，输入的类型可如下广泛地被分类:

·能量使用参数(例如kWh、BTU、kW要求和功率因数)；

·潜在能量驱动器参数(例如温度和已安排事件)，以及

·能量系统控制参数(例如，加热和冷却设定点)。

HVAC模型部件逻辑试图找到在能量使用和潜在能量驱动器之间的关联，并使用这些关联来构建一个或多个能量模型。这个逻辑也合并在构造模型时的能量系统控制参数的值，潜在地为不同的控制参数值创建不同模型。在这个例子中，假设是夏天且加热设定点不被使用。分析引擎注意到，冷却设定点在办公时间期间被设置到舒适水平且在非办公时间被设置到较暖和的水平，并为办公时间创建一个模型而为非办公时间创建另一模型。

在训练阶段完成之后，HVAC模型部件接收能量使用和能量驱动器数据，并比较实际能量使用与已建模的能量使用。当在实际和已建模的能量使用之间的差异出现时，分析引擎试图找到在能量驱动器和与这个差异相关的能量系统控制参数中的变化。分析引擎给用户呈递关于所标记的能量使用事件和所发现的关联的信息。用户将关联标记为有效的、无效的或未知的，并指示所标记的事件是否是例外或代表在设施能量使用中的永久变化。如果事件是例外，则引擎使用有效的关联来针对那个单个事件调节能量模型或将事件的能量模型输出标记为N/A。如果事件指示永久变化，则引擎使用有效的关联来调节在HVAC模型部件中的一个或多个模型。

除了基于用户反馈来标记例外并调节能量模型以外，分析引擎的实施方式还具有对办公建筑物能量系统操作做出改变的能力。在图1所示的例子中，HVAC模型部件具有可动态地调节由BMS使用的加热和冷却设定点的输出。分析引擎确定维持接近于由所开发的能量模型预测的能量使用所需的能量系统控制参数，并根据需要调节那些输出参数。当给用户呈递关于所标记的能量使用事件的信息时，服务也可建议它可采取来减轻未来的、类似的事件的行动，并在一些实例中实现行动。

在通常在200处指示的图2的流程图中示出如在本文公开的启用分析引擎的方法的例子。在行动205，安装分析引擎。分析引擎可作为软件被安装在设施处的现有计算机系统上，例如作为BMS的部分，或可被安装在专用系统上。在一些实施方式中，分析系统可安装在位于消费者的设施之外、例如在由消费者的能量管理系统卖方操作的设施中并与在消费者的设施处的各种IT系统通信的服务器或其它计算机系统上。

在行动210中，分析引擎查询在设施处的IT系统的网络以发现什么企业软件系统存在并可用于向分析引擎提供数据。分析引擎通过例如公布企业软件系统可符合的应用编程接口(API)或通过访问在企业软件系统中的现有数据储存器并使用人工智能技术来确定数据储存器的内容的格式、性质和含义来建立与所发现的系统的数据链路。分析引擎可以可选地也访问互联网或与它被安装到的或被分派任务以分析的站点有关的另一数据源，例如关于天气、财务数据或企业条件、人口统计学变化、犯罪统计等的网站馈送(行动215)。

在行动220中，分析引擎在有在设施的各种部分处和/或对设施作为整体的能量消耗的情况下开始从在行动210中发现的各种系统和/或在行动215中访问的数据的源构造关联数据的模型。能量消耗数据可从例如可在行动210中由分析引擎发现的设施的一个或多个能量管理系统获取。

在行动225中，分析引擎警告例如设施的能量管理员的用户关于它发现了什么，提供初始能量模型。用户审查初始能量模型并校正或移除不正确的关联。

在行动230中，用户手动地将分析引擎链接到分析系统可能未能在行动210或215中发现的其它相关企业软件系统——如果有的话，使得分析引擎可访问来自这些额外的企业软件系统数据储存器和实时馈送。如在本文使用的，术语“手动地链接”指例如通过为一个设备到另一设备提供网络地址或IP地址和/或通信格式或数据格式使得设备可进行通信来创建数据连接。

在行动235中，分析引擎找到来自在行动230中连接的其它企业软件系统的新数据集和在设施的部分处和/或设施作为整体的能量消耗之间的关联，并向用户呈递修改的能量模型用于验证。当引擎发现在设施能量消耗和来自所连接的企业软件系统的数据之间的可能有效的相关性时，用户接受或拒绝关联。随着时间的过去，分析引擎可继续监控设施能量消耗并修改在能量消耗和从各种企业软件系统接收的数据之间的关联。分析引擎可以周期性地或当从用户请求时给用户呈递更新的能量模型用于使用户检验或校正。当能量模型被进一步改进且用户变得对模型更有信心时，分析引擎开始向用户提供对设施能量系统参数的修改的推荐，和/或自动实现这样的修改而没有人干预(行动240)。

图3-5示出当实现如本文公开的分析引擎时设施的能量系统管理的演进。图3代表在如本文公开的分析引擎的启用之前的设施。在图3中所表示的设施中，设施管理员或能量管理员负责监控在设施内的可以和设施的能量消耗有关的各种不同的系统。如图3所示，这些系统可包括例如企业资源规划系统(ERP)、能量监控系统(EMS)、制造执行系统(MES)、数据中心基础设施管理系统(DCIM)、财务系统、监督控制和数据获取系统(SCADA)、消费者关系管理系统(CRM)、运输管理系统(TMS)、人力资源系统(HR)和/或企业资产管理系统(EAM)。设施管理员或能量管理员也可负责监控来自其它源例如互联网的信息。这个额外的信息可与例如财务、环境、地址和/或安全数据或和设施的操作或能量消耗相关的其它数据有关。设施管理员或能量管理员负责聚集来自各种系统和其它信息源的数据，通过例如确定在任一所收集的数据或信息和设施能量消耗之间的关联来对设施能量消耗建模，基于所收集的数据或信息做出设施能量消耗的预测，并做出关于与设施能量系统有关的待采取的行动的决定，例如以根据基于所收集的数据或信息的分析和预测修改一个或多个操作参数或使一个或多个系统启用或停用。

图4表示在如本文公开的能量分析引擎实现为通用企业过程引擎(UBPE)的部分之后的设施。在图4中，分析引擎代替或补充设施管理员或能量管理员以监控各种内部和外部数据源，其被示出基于从各种源收集的数据和信息来建模、做出预测并做出决定并实现行动。

图5表示包括设施的企业或组织的发展。在图5中，被包括在企业或组织的各种设施的UBPE中的能量分析系统链接到彼此和那些供应者、通道伙伴或消费者和/或企业或组织的总部。一个或多个企业管理系统或全球企业过程管理系统可从每个所连接的能量分析系统/UBPE收集数据以优化在整个企业或组织的决策，例如以基于从各种能量分析系统/UBPE收集的数据来将生产分配到不同的设施或以基于各种能量分析系统/UBPE收集的数据来调节或重新分配从各种卖方订购的材料的数量。

计算机系统：

在一些实施方式中，可在计算机化控制系统上实现本文公开的一个或多个方法。各种方面可被实现为在例如在图6中所示的通用或专用计算机系统600中执行的专用软件。计算机系统600可包括连接到一个或多个存储器设备604例如磁盘驱动器、固态存储器或用于存储数据的其它设备的处理器602。存储器604一般用于在计算机系统600的操作期间存储程序和数据。

计算机系统600的部件可由互连机构606耦合，互连机构606可包括一个或多个总线(例如在被集成在同一机器内的部件之间)和/或网络。互连机构606使通信(例如数据、指令)能够在系统600的系统部件之间被交换。计算机系统600包括一个或多个输入设备608，例如键盘、鼠标、轨迹球、麦克风或触摸屏，操作员可通过这些输入设备向系统600发出命令或编制程序。在一些实施方式中，计算机系统600可包括或耦合到一个或多个输入设备608或与一个或多个输入设备608通信，一个或多个输入设备608配置成与设施的设施系统616例如一个或多个生产系统或消耗或产生能量的任何其它系统、或在包括与设施系统616的功率消耗和/或产生有关的数据的设施处的计算机系统通信，并从在设施处的设施系统616和/或计算机系统读取这样的数据。计算机系统600包括一个或多个输出设备610，例如打印设备、显示屏和/或扬声器。在一些实施方式中，计算机系统600可包括或耦合到一个或多个输出设备610或与一个或多个输出设备610通信，一个或多个输出设备610配置成提供控制信号以调节设施的设施系统616和/或与设施系统616相关的辅助设备618的一个或多个操作参数。一个或多个传感器614也可向计算机系统600提供输入。这些传感器可包括例如能够或配置成测量被输送到设施的设施系统616或由设施的设施系统616消耗的功率的一个或多个参数的传感器，例如功率计或监视器或环境传感器，例如温度传感器或光传感器。此外，除了互连机构606以外或作为互连机构606的备选形式，计算机系统600还可包含将计算机系统600连接到通信网络的一个或多个接口(未示出)。这些接口可由中央处理单元利用来收集数据，例如来自在消费者的设施处的一个或多个生产实体的能量消耗和生产数据或存储在消费者的设施处的数据库中的关于能量消耗和生产的数据。

其它数据例如环境数据如与温度和/或湿度有关的数据或关于在设施的位置(被监控或分析的生产实体位于该位置上)上的暴风雨或其它环境事件的存在或缺乏的信息也可被提供到消费者系统600以便于与生产实体相关的数据的分析和/或便于确定适当的响应。环境数据在一些实施方式中可连同来自生产实体的数据一起被提供，且在其它实施方式中可从单独的系统例如在互联网上的天气报告网站得到。在一些实施方式中，计算机系统600可得到关于被监控或分析的生产实体所位于的设施的位置的地理数据，并利用这个地理数据例如通过互联网或从天气报告服务来查找环境数据。计算机系统600可使环境数据与关于生产实体的能量强度变化的数据相关。

在图7中更详细示出的存储系统612一般包括计算机可读和可写非易失性记录介质702，其中存储规定由处理器执行的程序或由程序处理的信息的信号。介质可包括例如磁盘或闪存。一般在操作中，处理器使数据从非易失性记录介质702读取到另一存储器704内，与介质702相比，存储器704允许由处理器更快地访问信息。这个存储器704一般是易失性随机存取集成电路存储器，例如动态随机存取存储器(DRAM)或静态存储器(SRAM)。它可位于如所示的存储系统612中或存储器系统604中。处理器602通常操纵在集成电路存储器704内的数据并接着在处理完成之后将数据复制到介质702。已知用于管理在介质702和集成电路存储元件704之间的数据运动的各种机制，且本文公开的实施方式不限于任何特定的数据运动机制。本文公开的实施方式不限于特定的存储器系统604或存储系统612。

计算机系统可包括特别编程的专用硬件，例如专用集成电路(ASIC)。本文公开的实施方式可在软件、硬件或固件或其任何组合中实现。此外，这样的方法、行动、系统、系统元件及其部件可作为上面所述的计算机系统的部分或作为独立的部件来实现。

虽然计算机系统600作为例子被示出为一种类型的计算机系统——其上可实施本文公开的各种实施方式，应认识到，本文公开的实施方式不限于在如图6所示的计算机系统上实现。本文公开的各种实施方式可在具有在图6中示出的不同架构或部件的一个或多个计算机上被实践。

计算机系统600可以是使用高级计算机编程语言可编程的通用计算机系统。也可使用特别编程的专用硬件来实现计算机系统600。在计算机系统600中，处理器602一般是市场上可买到的处理器，例如从英特尔公司可得到的公知的Pentium^TM或Core^TM类处理器。很多其它处理器是可得到的。这样的处理器通常执行操作系统，其可以是例如从微软公司可得到的Windows 7或Windows 8操作系统、从苹果计算机可得到的MAC OS系统X、从太阳微系统可得到的Solaris操作系统或从各种源可得到的UNIX。可使用很多其它操作系统。

处理器和操作系统一起定义计算机平台，其应用程序用高级编程语言被编写。应理解，本文所公开的实施方式不限于特定的计算机系统平台、处理器、操作系统或网络。此外对本领域中的技术人员应明显，本文公开的实施方式不限于特定的编程语言或计算机系统。此外，应认识到，也可使用其它适当的编程语言和其它适当的计算机系统。

计算机系统的一个或多个部分可分布在耦合到通信网络的一个或多个计算机系统(未示出)当中。这些计算机系统也可以是通用计算机系统。例如，本文公开的各种实施方式可分布在配置成向一个或多个客户端计算机提供服务(例如服务器)或作为分布式系统的部分执行总任务的一个或多个计算机系统当中。例如，可在包括分布在根据各种实施方式执行各种功能的一个或多个服务器系统当中的部件的客户端-服务器系统上执行本文公开的各种实施方式。这些部件可以是使用通信协议(例如TCP/IP)通过通信网络(例如互联网)传递的可执行中间(例如IL)或解释(例如Java)代码。在一些实施方式中，计算机系统600的一个或多个部件可通过无线网络——包括例如蜂窝电话网络——与一个或多个其它部件进行通信。

应认识到，本文公开的实施方式不限于在任何特定的系统或系统组上执行。此外应认识到，本文公开的实施方式不限于任何特定的分布式架构、网络或通信协议。各种实施方式可使用面向对象的编程语言例如SmallTalk、Java、C++、Ada或C#(C-Sharp)被编程。也可使用其他面向对象的编程语言。可选地，可使用功能、脚本和/或逻辑编程语言。可在非编程环境中实现本文公开的各种实施方式(例如以HTML、XML或当在浏览器程序的窗口中被观看时再现图形用户界面(GUI)的方面或执行其它功能的其它格式创建的文档)。本文公开的各种实施方式可被实现为编程或非编程元件或其任何组合。

预言性实例1——HAVC能量模型调节

作为在使用中的分析引擎的例子，考虑包括图1所示的系统的办公建筑物。在运转了一个月之后，分析引擎将在建筑物能量使用(相对于预测)中的增加标记为事件。引擎发现能量增加与在非办公时间期间的占有率和一致的已安排会议关联。引擎将这些发现呈递给认识到大公司会议在非办公时间期间发生的用户。用户将这两个关联标记为有效的，并注意到引擎应将这个事件处理为例外。引擎创建在会议的持续时间期间经调节的建筑物能量使用模型。

基于在训练阶段期间获取的数据，分析服务识别已安排的事件作为潜在能量驱动器，以及这样的事件通常与冷却设定点值(其将建筑物温度置于占有者的舒适范围内)关联。然而对于上面所述的例外事件，冷却设定点值在较暖和的水平处。分析引擎向用户建议在已安排的会议期间冷却设定点值被设置到“建筑物被占有”舒适水平，且用户接受这个建议。如果当会议被安排时由分析引擎接收的冷却设定点值不是“建筑物被占有”舒适水平，则分析引擎将“建筑物被占有”舒适水平发送到BMS。

在运转了两个月之后，分析引擎将在HVAC能量使用(相对于预测)中的减小标记为例外事件。引擎发现在冷却设定点中的变化，且在区温度中的增加与所标记的事件关联。引擎将这些发现呈递给认识到在区温度中的增加与最近的BMS编程变化有关的用户。用户将这两个关联标记为有效的，并注意到引擎应将这个事件处理为永久变化。引擎创建经调节的HVAC能量模型用于事件以后的时间使用。

预言性实例2——根本原因分析

在分析引擎实现之前：

设施管理员注意到，与历史水平比较，能量消耗在周末增加。能量管理员检查在设施EMS中的日志并发现与设施HVAC系统相关的空气压缩机在最近的周末操作。设施管理员咨询维护和生产工作人员以确定压缩机为什么可在最近的周末操作，例如，是否可能存在设备问题，例如泄漏或传感器故障或设施过程变化。设施管理员获悉新班次工作时间在周末开始。设施管理员更新他的ISO5001报告以记下这个变化并将关于这个变化的笔记包括在他的对设施的管理的下一能量管理报告中。

在分析引擎实现之后：

分析引擎从设施EMS接收指示与设施HVAC系统相关的空气压缩机在最近的周末操作的数据。分析引擎从设施ERP/MES调度系统接收关于班次工作时间的数据。分析引擎从设施安全/BMS系统接收关于访问和占有率变化的数据。分析引擎接收关于新承包方在HR管理数据库中注册的数据。分析引擎使事件相关、更新该设施能量模型以考虑到所接收的数据、比较标准化行为与已更新的模型并确定压缩机的观察到的行为与已更新的模型一致。EMS系统将已更新的模型从分析引擎拉取并将新班次工作时间包括在对设施管理的报告中。分析引擎给设施管理员发电子邮件以让他知道关于他将在下一能量消耗报告中看到的变化。

预言性实例3——识别班次时间变化

设施的BMS显示大量人按定期模式转入和转出雇员门。在人转入之后的五分钟，流入雇员变化房间的电路载荷增加且流到变化房间的热水增加。在人转入之后的十分钟，在设施的生产线上的设备经历测试周期。分析引擎从这个数据识别班次工作时间变化，并在雇员进入设施时基于在设施安全系统处注册的雇员ID将班次工作时间变化链接到特定的雇员。关于班次工作时间变化的信息被提供到其它设施系统例如EMS以将能量分配到活动的班次工作时间。分析引擎调节例如设施HVAC和/或照明系统的设定点以将它们的操作的定时调节为匹配在班次工作时间中的变化的需求。

预言性实例4——识别在数据中心中的新承租人

分析引擎从设施的EMS接收数据，在设施的数据中心中的服务器机架的插塞载荷监控显示在载荷模式中的变化。设施的DCIM向分析引擎指示在数据中心中的数组服务器机架被重新配置。设施的CMS/TMS系统向分析系统指示新消费者已经上线。分析引擎确定现有的服务器针对新消费者重新目的化。分析引擎调节例如与能量跟踪、警告等有关的EMS的参数以考虑到由新消费者对服务器的使用。

预言性实例5——安全风险减轻

分析引擎监控工业园区的本地犯罪统计，相关企业在该工业园区上有三个建筑物。分析引擎接收指示衰退中的经济数据和在围绕工业园区的区域中的犯罪的发生率的增加的数据。分析引擎从企业的安全系统接收数据，从很多女性倾向于在工业园区中的建筑物之一处工作得很晚的雇员安全徽章的跟踪中接收数据。分析引擎指示安全系统增加在与工业园区中的建筑物相关的停车场中的夜间时间照明并增加与建筑物相关的安全巡逻。如果安全系统指示在停车场中的照明已经在全容量下操作，则分析引擎对企业的管理做出额外照明的购买的推荐。

预言性实例6——供应者风险减轻

分析引擎监控企业新闻并识别出与分析引擎相关的企业的供应者正经历困难，例如高人员流动和/或法律问题。分析引擎减小从卖方订购的供应品的数量并将购买重新分配给另一卖方并将关于在供应者风险中的变化通知企业的管理。

预言性实例7——设施照明的定时

分析引擎发起照明模板的实例以创建照明模型部件。这个模型部件具有来自BMS、日历服务和EMS的输入以及到BMS(用于照明控制)的输出。BMS通常将照明安排为在办公时间期间开着而在非办公时间期间关闭。照明模型部件找到在已安排的会议和正开着的照明之间的关联，并通知在非办公时间期间安排的会议。分析引擎将已更新的照明时间表发送到BMS，使得灯在即将来临的会议期间将不关闭。分析引擎还调节照明模型部件模型以考虑这个变化。

预言性实例8——HVAC能量消耗的优化

分析引擎发起HVAC模板的实例以创建HVAC模型部件。这个模板包括室内和户外温度的输入、阶段能量消耗和BMS控制参数例如冷却设定点和HVAC单元废气预热器状态。这个模板还包括HVAC单元废气预热器状态的输出。所收集的过去的数据显示在户外温度和室内被维持的温度范围内的废气预热器状态(接通或断开)之间的关联。废气预热器状态通常是“接通的”，允许HVAC单元在户外温度是冷的时使用户外空气用于冷却。在某个时间点，分析引擎注意到，当户外温度足够冷而使它能操作时，废气预热器状态是“断开的”，且还注意到在HVAC能量使用中的增加。分析引擎将这个结果呈递给用户并建议将废气预热器切换回接通。用户意见一致，且分析引擎将“接通”的废气预热器状态发送到BMS。分析引擎还调节HVAC模型部件模型以考虑废气预热器断开而它相反应接通期间的时间。

预言性实例9——HVAC能量节省调查

分析引擎具有对能量系统运行测试并测量对能量消耗和成本的影响的能力。考虑具有由BMS控制的HVAC单元以维持在办公时间期间20摄氏度和在非办公时间期间22摄氏度的室内温度的办公建筑物。HVAC模型部件接收温度、冷却设定点、占有率和能量消耗数据作为输入，并将冷却设定点信号输出到BMS。HVAC模型部件如前所述操作，获取足够的数据以构建基线模型。对测试升高非办公时间设定点的影响感兴趣的用户指导分析引擎以尝试以半度增量的在22摄氏度和24摄氏度之间的室内温度。分析引擎接着在非办公时间期间将不同的冷却设定点值发送到BMS，确保足够的能量驱动器参数数据在每个测试设定点处被收集以构建在统计上重要的模型。最后，分析引擎给用户呈递描述不同的冷却设定点值对能量消耗和成本的影响的报告。

预言性实例10——合并来自MRP系统的输入的模型

设施包括接收订单并创建用于生产并运送所订购的单元的MRP系统。当订单被接收到并履行时，与设施相关的分析引擎跟踪在订单履行的不同阶段与它对在设施处的能量系统的影响之间的关联。在整个设施中随着时间的过程在阶段中生产的单元的MRP时间表由分析引擎接收，作为一组[时间戳、单位体积、设施位置]值。在找到关联和更新模型之后，分析引擎具有基于来自MRP系统的订单履行时间表来预测在整个设施中对能量系统的影响的能力。如果不寻常地大的订单被接收到，则分析引擎可预测随着时间的过去在能量消耗中的因而产生的大增加并提前警告用户。

设施的CRM系统跟踪可能的消费者订单的销售渠道，可能的订单在渠道中作为接收订单的单位体积、目标日期和置信度水平。分析引擎合并在模型中的置信度水平并反映在所做出的能量使用预测中的因而产生的潜在误差。

预言性实例11——合并来自资产管理系统的输入的模型

在设施处的分析引擎与设施的资产管理系统通信。资产管理系统跟踪在设施中的设备的年龄，管理维护时间表，等等。分析引擎包括在合并来自资产管理系统的数据的设施中的设备的模型模板以使资产的状态(年龄、操作条件等)与能量使用相互关联。这改进能量使用模型并允许分析引擎基于设备的维护状态来更准确地预测未来的能量使用。

在这样描述了本发明的至少一个实施方式的几个方面后，应认识到，本领域中的技术人员将容易想到各种变更、修改和提高。例如，虽然本文提供的例子聚焦于能量分析，这同一方法可用于例如识别与除了能量以外的参数相关的高成本事件。计费参数(消耗、尖峰需量、功率因数等)的间隔数据可组合以产生间隔成本值，且本文公开的方法可用于找到并挑出高成本事件。在任何实施方式中描述的任何特征可被包括在任何其它实施方式中或代替任何其它实施方式的任何特征。本文公开的方法的行动可以用交替的顺序被执行，且一个或多个行动可被省略或由可选的行动代替。本文公开的方法可包括未明确描述的额外的行动。这样的变更、修改和提高被规定为是本公开的部分，且被规定为在本发明的范围内。相应地，前述描述和附图仅作为例子。