用于地暖控制系统和其它应用的自调整恒温器.pdf

一种控制环境的温度的方法，包括以下步骤：提供恒温器并从占用传感器接收信号，所述信号指示对于24小时时间段的每个离散时间段，区域是否已经被占用，将第一点值分配给已经感测到占用的每个离散时间段，并且针对接下来的两个24小时时间段重复所述步骤，并且平均在所述第一个、第二个和第三个24小时时间段中的每个离散时间段的所述点值以获得平均点值，并且将第一信号发送到适于加热第二区域的加热装置，以便当给定离散时间段的平均点值在阈值点值以上时提供用于该离散时间段的温度相关的设定。

权利要求书
1.   一种控制诸如地板表面的环境的温度的方法，包括以下步骤：
提供适于将微处理器的存储器中的值分配给24小时时间段的每个离散时间段的恒温器；
从第一区域中的占用传感器接收信号，所述信号指示对于24小时时间段的每个离散时间段，该区域是否已经被占用；
将第一点值分配给在第一个24小时时间段中的每个离散时间段期间已经感测到占用的那个离散时间段；
将第二点值分配给在先于所述第一个24小时时间段的第二个24小时时间段中的每个离散时间段期间已经感测到占用的那个离散时间段；
将第三点值分配给在先于所述第二个时间段的第三个24小时时间段中的每个离散时间段期间已经感测到占用的那个离散时间段；
在任何所述第一个、第二个或第三个24小时时间段中感测到占用的情况下，平均在所述第一个、第二个和第三个24小时时间段中的每个离散时间段的所述点值以获得平均点值；
将第一信号发送到适于加热第二区域的加热装置，以便当给定离散时间段的平均点值在阈值点值K以上时提供用于该离散时间段的温度相关的设定。

2.   权利要求1所述的方法，其中每个离散时间段具有相同的长度。

3.   权利要求2所述的方法，其中每个离散时间段的长度是10分钟。

4.   权利要求1所述的方法，其中通过所述区域的预期占用模式调整所述加热装置的温度。

5.   权利要求1所述的方法，其中所述温度相关的设定是高温设定或导通设定。

6.   权利要求1所述的方法，进一步包括将第二信号发送到所述加热装置，以便当给定离散时间段的所述平均点值等于或低于阈值K时提供用于该离散时间段的温度相关的设定。

7.   权利要求6所述的方法，其中基于所述第二信号的的所述温度相关的设定是低温设定或断开设定。

8.   权利要求1所述的方法，其中值由所述恒温器的制造商预置。

9.   权利要求1所述的方法，其中所述值由最终用户预置。

10.   权利要求1所述的方法，其中加快的学习通过采用5/2生活方式模式来提供。

11.   权利要求1所述的方法，进一步包括步骤：将奖励点S分配给自身重复的离散时间段中的占用的时间段的点值。

12.   权利要求11所述的方法，进一步包括步骤：允许所述用户通过增加或减少所述奖励点S的值来增加或减少所述方法的敏感性。

13.   权利要求1所述的方法，进一步包括步骤：通过将可以对所述温度设定做出的调整的数量限制为每一给定持续时间一次来减小超循环。

14.   权利要求13所述的方法，其中所述给定持续时间是一小时。

15.   权利要求7所述的方法，其中所述恒温器包括缺席前存储器，使得当在延长的时间段内没有感测到占用时，在几天之后，在每个离散时间段内的所述平均点值将落在所述阈值以下，并且基于所述第二信号的所述温度相关的设定是低温设定或断开设定，并且当重新开始占用时，将在每个离散时间段中的所述点值返回至它们在无占用的所述延长的时间段以前所处的级别。

16.   权利要求1所述的方法，其中附加的24小时时间段用来计算所述点值平均。

17.   权利要求6所述的方法，进一步包括将第三信号发送到所述加热装置，以便当给定离散时间段的所述平均点值在所述阈值以下而在地板值以上时提供该离散时间段的温度相关的设定。

18.   权利要求17所述的方法，其中基于所述第三信号的所述温度相关的设定是中间温度。

19.   权利要求1所述的方法，其中所述第一区域和所述第二区域是相同的。

20.   权利要求1所述的方法，其中所述第一区域处于与所述第二区域不同的位置。

21.   权利要求1所述的方法，其中所述第一点值不同于所述第二点值和第三点值，以及所述第二点值不同于所述第三点值。

22.   权利要求21所述的方法，其中所述第一点值大于所述第二点值和所述第三点值，以及所述第二点值大于所述第三点值。

23.   权利要求6所述的方法，其中所述第一、第二和第三点值被包括在0与10点之间，以及所述阈值K的所述值被包括在6.0与9.0之间。

24.   权利要求23所述的方法，其中所述阈值K被包括在7.5与8.5之间。

25.   权利要求24所述的方法，其中所述阈值K是8.0。

26.   权利要求23所述的方法，进一步包括步骤：将奖励点S分配给自身重复的离散时间段中的占用的时间段的所述点值，其中所述S的值被包括在1.0与4.6之间。

27.   权利要求26所述的方法，其中所述S的值被包括在2.7与3.7之间。

28.   一种用于控制诸如地板表面的环境的温度的系统，包括：
与计算机处理单元和存储器相关联的输入/输出单元，适于将值分配给24小时时间段的每个离散时间段；
第一区域中的占用传感器，其将信号发送到输入/输出单元，该信号指示对于24小时时间段的每个离散时间段，该区域是否已经被占用；
第一点值，被分配给在第一个24小时时间段中的每个离散时间段期间已经感测到占用的那个离散时间段；
第二点值，被分配给在先于所述第一个24小时时间段的第二个24小时时间段中的每个离散时间段期间已经感测到占用的那个离散时间段；
第三点值，被分配给在先于所述第二个时间段的第三个24小时时间段中的每个离散时间段期间已经感测到占用的那个离散时间段；
在任何所述第一个、第二个或第三个24小时时间段中感测到占用的情况下为获得平均点值，对在所述第一个、第二个和第三个24小时时间段中的每个离散时间段的所述点值的平均；
从所述输入/输出装置接收信号的加热装置，适于加热第二区域，以便当给定离散时间段的所述平均点值在阈值点值K以上时提供用于该离散时间段的温度相关的设定。

29.   权利要求28所述的系统，其中每个离散时间段具有相同的长度。

30.   权利要求29所述的系统，其中每个离散时间段的长度是10分钟。

31.   权利要求28所述的系统，其中所述加热装置进一步接收第二信号以便当给定离散时间段的所述平均点值等于或低于阈值K时提供用于该离散时间段的温度相关的设定。

32.   权利要求31所述的系统，其中基于所述第二信号的所述温度相关的设定是低温设定或断开设定。

33.   权利要求28所述的系统，其中将奖励点S添加到自身重复的离散时间段中的占用的时间段的所述点值。

34.   权利要求33所述的系统，其中所述第一区域和所述第二区域是相同的。

35.   权利要求28所述的系统，其中所述第一区域处于与所述第二区域不同位置。

36.   权利要求28所述的系统，其中所述第一点值不同于所述第二点值和第三点值，以及所述第二点值不同于所述第三点值。

37.   权利要求36所述的系统，其中所述第一点值大于所述第二点值和所述第三点值，以及所述第二点值大于所述第三点值。

38.   权利要求28所述的系统，其中所述第一、第二和第三点值被包括在0与10点之间，以及所述阈值K的所述值被包括在6.0与9.0之间。

39.   权利要求38所述的系统，其中所述阈值K被包括在7.5与8.5之间。

40.   权利要求38所述的系统，其中将奖励点S分配给自身重复的离散时间段中的占用的时间段的所述点值，其中所述S的值被包括在1.0与4.6之间。

41.   权利要求40所述的系统，其中所述S的值被包括在2.7与3.7之间。

42.   一种用于控制诸如地板表面的环境的温度的自调整恒温器，包括：
与计算机处理单元和存储器相关联的输入/输出单元，适于将值分配给24小时时间段的每个离散时间段；
其中，输入/输出单元适于从第一区域中的占用传感器接收信号，所述信号指示对于24小时时间段的每个离散时间段，该区域是否已经被占用；
第一点值，被分配给在第一个24小时时间段中的每个离散时间段期间已经感测到占用的那个离散时间段；
第二点值，被分配给在先于所述第一个24小时时间段的第二个24小时时间段中的每个离散时间段期间已经感测到占用的那个离散时间段；
第三点值，被分配给在先于所述第二个时间段的第三个24小时时间段中的每个离散时间段期间已经感测到占用的那个离散时间段；
在任何所述第一个、第二个或第三个24小时时间段中感测到占用的情况下为获得平均点值，对在所述第一个、第二个和第三个24小时时间段中的每个离散时间段的所述点值的平均；
其中，输入/输出单元适于发送信号到用于加热第二区域的加热元件，以便当给定离散时间段的所述平均点值在阈值点值K以上时提供用于该离散时间段的温度相关的设定。

43.   权利要求42所述的恒温器，其中每个离散时间段具有相同的长度。

44.   权利要求43所述的恒温器，其中每个离散时间段的长度是10分钟。

45.   权利要求42所述的恒温器，其中所述输入/输出单元适于将第二信号发送到加热元件，以便当给定离散时间段的所述平均点值等于或低于阈值K时提供用于该离散时间段的温度相关的设定。

46.   权利要求45所述的恒温器，其中基于所述第二信号的所述温度相关的设定是低温设定或断开设定。

47.   权利要求42所述的恒温器，其中将奖励点S添加到自身重复的离散时间段中的占用的时间段的所述点值。

48.   权利要求42所述的恒温器，其中所述第一区域和所述第二区域是相同的。

49.   权利要求42所述的恒温器，其中所述第一区域处于与所述第二区域不同的位置。

50.   权利要求42所述的恒温器，其中所述第一点值不同于所述第二点值和第三点值，以及所述第二点值不同于所述第三点值。

51.   权利要求50所述的恒温器，其中所述第一点值大于所述第二点值和所述第三点值，以及所述第二点值大于所述第三点值。

52.   权利要求42所述的恒温器，其中所述第一、第二和第三点值被包括在0与10点之间，以及所述阈值K的所述值被包括在6.0与9.0之间。

53.   权利要求42所述的恒温器，其中所述阈值K被包括在7.5与8.5之间。

54.   权利要求52所述的恒温器，其中将奖励点S分配给自身重复的离散时间段中的占用的时间段的所述点值，其中所述S的值被包括在1.0与4.6之间。

55.   权利要求54所述的恒温器，其中所述S的值被包括在2.7与3.7之间。

说明书用于地暖控制系统和其它应用的自调整恒温器
技术领域
本专利申请涉及用来控制环境中的温度的恒温器。特别是，本专利申请涉及用于地暖控制系统和其它应用的自调整恒温器。
相关申请
本专利申请要求2011年4月15日提交的题目为“Self-Adjusting Thermostat for Floor Warming Control Systems and Other Applications”的美国临时专利申请（序列号No.61/476,085）的优先权，其要求2012年4月12日提交的题目为“Self-Adjusting Thermostat for Floor Warming Control Systems and Other Applications”的美国申请（序列号No.13/445,704）的优先权，其中，通过引用将其全部内容完全并入本文中，就如完全在本文中叙述一样。
背景技术
恒温器被广泛地认为对于控制房间、烤箱、管道、地板等等的温度是有用的。这些装置在数十年内已经被提供有日益有用的特征，诸如：大范围的应用温度、改善的精确度、改善的式样等等。
Easy Heat有限公司（EH）制造用于各种应用的电加热电缆，所述应用包括雪融化、管道结冰保护、地板加热等等。更多的细节可以在www.easyheat.com中看到。EH也提供用于每个应用的各种控制，诸如恒温器、雪传感器、地面故障传感器等等。
EH的主要产品系列中的一个是用来使家庭的地板变暖的地板加热电缆，尤其是浴室地板，但也可以是厨房、休息室等等。该产品由于陶瓷/大理石类型地板的固有的“冷”性质而最流行于与这种地板一起使用。EH也提供恒温器系列以使用户能够将地板温度调整至他们个人舒适的级别。这些恒温器具有外部传感器，所述外部传感器被嵌入在地板中以感测地板温度，并且被布线回到恒温器控制单元。恒温器具有由用户设置的可调整温度设定。然后，这通过以下方式来促进对地板的温度的控制：当地板已经达到温度设定（设定点）时关掉加热电缆，并接着，当地板温度已经下降至设定点以下时开启它们。
此外，由EH提供的恒温器中的一些具有电子仪器的能力，诸如数字显示、时钟等等，使得可以提供附加的特征。最期望的特征中的一个是“自动定时（setback）”程序。该特征允许用户选择何时他们可以忍受较低的地板温度的时间段（“事件”），诸如说，在他们正在睡觉时，并且选择何时他们更喜欢较暖和的地板温度的时间段，诸如说在他们早晨起床且使用浴室时。清楚地，该特征向用户提供了便利并允许用户通过仅当其预期被使用时使地板变暖来节省相当可观的能量。这些恒温器通常被提供有在它们中的“缺省”程序以在四个单独的事件期间调整地板，诸如以下：
6 am到8 am：地板温度设置到85℉（“苏醒”事件）
8 am到5 pm：地板温度设置到60℉（“离开”事件）
5 pm到9 pm：地板温度设置到85℉（“回来”事件）
9 pm到8 am：地板温度设置到60℉（“睡觉”事件）
时间和温度设定都是可调整的，因此，允许用户“编程”他们的恒温器以适合他们的生活方式。此外，可以通过提供“5/2”选项或“7天”选项来增强自动定时恒温器的效用。在5/2选项中，工作日（周一到周五）被认为是完全相同的，并且周末（周六和周日）也被认为是完全相同的，但不必须与工作日完全相同。在7天模式中，每一天可以是“独特”的，使得可以为每一天做不同的时间/温度设定。7天选项对于不具有规律的“工作日/周末”类型的生活方式但具有规律的“每周一次”的生活方式（即，他们的周一经常是相同的，周二可以不同于周一，但所有的周二将是相同的等等）的用户是重要的。
注意的一个附加的问题是，陶瓷/大理石类型的地板具有大的“热质量”，意味着它们变热慢且它们冷却慢。结果，有必要恰当地在使用前面给加热电缆接通，通常至少一个小时，并且该“预备”特征通常被内装在自动定时恒温器中。这进一步消除了在短持续时间（诸如说10分钟）内尝试使系统断开中的任何值，因为地板在这个时间仅仅将稍微冷却，并接着将花费长得多的时间来重新回到重新开始之后的温度。
尽管如上面描述的标准自动定时恒温器已经提供了效用许多年，但是存在它还没有克服的一定难题。主要地，这些单元通常对于编程是深奥的且经常要求用户参考冗长且复杂的所有者手册。此外，在每天仅有四个事件的情况下，这经常不能识别现代用户的不同生活方式。例如，对于如下使用的浴室，它在任何给定天将不是罕见的：
从5:30到6 am占用
6 am到8 am不占用
8 am到9 am占用
9 am到3 pm不占用
3 pm到3:30 pm占用
3:30 pm到6 pm不占用
6 pm到7 pm占用
7 pm到10 pm不占用
10 pm到11 pm占用
11 pm到5:30 am不占用
清楚地，通常的四事件的自动定时恒温器将不能够精确地匹配该使用。很可能地，它将必须被编程为在5:30 am处开启并继续下去直到9 am，然后关掉直到3 pm，然后开启直到11 pm，然后关掉直到5:30 am。这将理想地将能量使用从4.5小时增加到11.5小时，几乎是能量使用的三倍！当然，该难题可以通过将事件数量从四增加到说8来解决，但是这将进一步使“编程”过程复杂。
标准自动定时恒温器也不容易使改变适应于使用模式（不管这是否是生活方式改变的结果，诸如具有不同工作时间的新工作或者甚至去度假），这些改变通常通过用大多数用户在尝试完成该改变中经历的对应挫败对恒温器重新编程，来要求人工干预。再次，用户通常简单地忽略这些改变，其导致不舒适和/或能量浪费。
自动定时恒温器一般在工业中被高度认为它们理论上允许消费者节省能量成本。政府推广它们并经常为用户提供鼓励以购买它们。然而，难题是，在实际的经验中，这些单元中的非常少的一些曾经用在“可编程”模式中，大多数用户简单地将它们放进“人工”模式，并且使它们处于这样的模式中，由此使恒温器总是将地板温度控制在相同的级别处，而非在当房间未被占用的时间段期间使电缆断开。因为这个原因，相信的是，恒温器太消耗时间和/或对于平均用户而言“编程”太复杂。
发明内容
预期的是，自动定时类型的恒温器将显著地有益于消费者并导致显著的能量节省，所述恒温器学习其所位于的房间的占用模式并接着因此调整它的时间/温度设定（即“自调整”）。目前的实施例涉及用于独特的地暖应用的自调整恒温器。这通过感测房间的占用者的活动并记住该活动并接着在算法中处理该数据以估计房间占用“模式”来完成。然后，调整地板加热以匹配占用者的预期的使用模式。
占用感测由检测人类在房间中的存在的电子装置来完成。用于感测占用者的存在的基础技术是普遍存在的。例如，感测紧邻的人员的被光线照着的夹具/开关或者房间香味分配器等可以用来感测占用。存在对于这些各种传感器可用的各种各样的技术，诸如远红外感测、视线、热、压力、磁、电容/电感耦合等等。
可以用来“处理”占用信息并确定对地板加热“安排”的适当调整的算法被嵌入在恒温器的微处理器中。已经开发了算法来优化恒温器的“学习”。
实施例包括一种控制诸如地板表面的环境的温度的方法，包括以下步骤：提供适于将微处理器的存储器中的值分配给24小时时间段的每个离散时间段的恒温器，从第一区域中的占用传感器接收信号，所述信号指示对于24小时时间段的每个离散时间段，该区域是否已经被占用，将第一点值分配给在第一个24小时时间段中的每个离散时间段期间已经感测到占用的那个离散时间段，将第二点值分配给在先于第一个24小时时间段的第二个24小时时间段中的每个离散时间段期间已经感测到占用的那个离散时间段，将第三点值分配给在先于第二个时间段的第三个24小时时间段中的每个离散时间段期间已经感测到占用的那个离散时间段，在任何第一个、第二个或第三个24小时时间段中感测到占用的情况下，平均在第一个、第二个和第三个24小时时间段中的每个离散时间段的点值以获得平均点值，将第一信号发送到适于加热第二区域的加热装置，以便当给定离散时间段的平均点值在阈值点值以上时提供用于该离散时间段的温度相关的设定。
另外的实施例涉及一种用于控制诸如地板表面的环境的温度的系统，包括：与计算机处理单元和存储器相关联的输入/输出单元，适于将值分配给24小时时间段的每个离散时间段，第一区域中的占用传感器，其将信号发送到输入/输出单元，该信号指示对于24小时时间段的每个离散时间段，该区域是否已经被占用，第一点值，被分配给在第一个24小时时间段中的每个离散时间段期间已经感测到占用的那个离散时间段，第二点值，被分配给在先于第一个24小时时间段的第二个24小时时间段中的每个离散时间段期间已经感测到占用的那个离散时间段，第三点值，被分配给在先于第二个时间段的第三个24小时时间段中的每个离散时间段期间已经感测到占用的那个离散时间段，在任何第一个、第二个或第三个24小时时间段中感测到占用的情况下为获得平均点值，对在第一个、第二个和第三个24小时时间段中的每个离散时间段的点值的平均，从输入/输出装置接收信号的加热装置，适于加热第二区域，以便当给定离散时间段的平均点值在阈值点值K以上时提供用于该离散时间段的温度相关的设定。
另外的实施例涉及一种用于控制诸如地板表面的环境的温度的自调整恒温器，包括：与计算机处理单元和存储器相关联的输入/输出单元，适于将值分配给24小时时间段的每个离散时间段，其中，输入/输出单元适于从第一区域中的占用传感器接收信号，所述信号指示对于24小时时间段的每个离散时间段，该区域是否已经被占用，第一点值，被分配给在第一个24小时时间段中的每个离散时间段期间已经感测到占用的那个离散时间段，第二点值，被分配给在先于第一个24小时时间段的第二个24小时时间段中的每个离散时间段期间已经感测到占用的那个离散时间段，第三点值，被分配给在先于第二个时间段的第三个24小时时间段中的每个离散时间段期间已经感测到占用的那个离散时间段，在任何第一个、第二个或第三个24小时时间段中感测到占用的情况下为获得平均点值，对在第一个、第二个和第三个24小时时间段中的每个离散时间段的点值的平均，，其中，输入/输出单元适于发送信号到用于加热第二区域的加热元件，以便当给定离散时间段的平均点值在阈值点值K以上时提供用于该离散时间段的温度相关的设定。
附图说明
在本文中参考附图描述示例性实施例，在所述附图中：
图1是包括自调整恒温器110以及一个或多个占用传感器的环境100的俯视图；
图2是图1的环境的透视图；
图3是可以用在1和2示出的环境中的所公开的自调整恒温器的组件和系统的框图；
图4是陈述由自调整恒温器执行的步骤的流程图；
图5是图4中示出的流程图的延续部分；
图6是用来仿真和测试自调整恒温器的操作的生活方式活动模型的图表；
图7是标识用在自调整恒温器的操作的仿真和测试中的许多参数的图表；
图8是陈述当使用用于3天的变量K和S的不同值时自调整恒温器的仿真测试的性能的图表；以及
图9是陈述当使用用于5天的变量K和S的不同值时自调整恒温器的仿真测试的性能的另一个图表。
具体实施方式
图1是可以使用自调整恒温器的环境100的俯视图。环境100被示出为住宅建筑物，但也可以是期望控制环境的地板或区域的温度的任何商业或工业建筑物，并且因此不限于住宅建筑物。自调整恒温器110被示出为放置在环境100内。自调整恒温器110与占用传感器112、114、116、118和120通信。虽然示出了多个占用传感器，但是自调整恒温器可以按期望仅与单个占用传感器一起使用。占用传感器可以采取如上所述的各种形式，并且可以包括红外线、      视线、热、磁、电容/电感耦合传感器，以及感测在紧邻的人员的被光线照着的夹具/开关或者用在房间香味分配器中的机构等可以用来感测占用。因此，可以使用能够感测区域内的占用者的存在的任何传感器。占用传感器用来检测它们所位于的区域内的占用者的存在。
图2是图1中示出的环境110的透视图。自调整恒温器110被示出为放置在环境110的起居室中，虽然它也可以被放置在环境110内的任何地方，或者甚至与环境110远程地进行操作。占用传感器112被示出为放置在环境110的浴室中且可以感测浴室内的占用者的存在。作为示例，关于占用者是否存在的信息可以被发送回自调整恒温器110，所述自调整恒温器110可以被硬布线至占用传感器，或者通过使用已知的通信协议无线地进行操作，所述通信协议诸如是Wifi、蓝牙、Zigbee、Wimax、IEC 802.11标准、或者其它已知的通信协议。
此外，加热元件122、124、126和128被示出为放置在浴室的地板下面，并且依据来自自调整恒温器110的信号可以进行操作以加热浴室的地板。类似地，加热元件132和134被示出为放置在环境100的车道下面，并且例如进行操作以加热车道，从而融化可能已经积累的雪或冰。作为示例，自调整恒温器110也可以通过硬布线与加热元件通信或使用已知的通信协议无线地进行操作，所述通信协议诸如是Wifi、蓝牙、Zigbee、Wimax、IEC 802.11标准、或者其它已知的通信协议。将由本领域技术人员理解的是，虽然在图2中示出了用于加热地板的加热元件，但是加热元件也可以以炉子的形式来加热或控制环境内的空气的温度。
图3图示了连同自调整恒温器一起使用的用来控制加热元件的组件和系统的框图200。自调整恒温器包括从放置在所调节的空间240内的一个或多个占用传感器260（S1）接收信号的输入/输出单元210。也可以将包括作为示例的温度和湿度的环境参数270（S2）输入到输入/输出单元210中。输入/输出单元210可以包括允许用户输入偏好和参数的按钮或触摸板以及可以向用户显示诸如温度或设定的信息的显示器214。输入/输出单元耦合至CPU 216和存储器220，所述存储器220可以存储参数、设定和来自占用传感器的信息以及时钟218。空间调节设备250也与输入/输出单元210通信，并且可以接收指示将提供的热量级别的信号。空间调节设备可以包括放置在地板以下的加热电缆、或者冷却地板的冷却元件、或者可以采取HVAC设备的形式。
基础操作
在实施例中，算法被包括在自调整恒温器中，其被配置为合并在占用传感器和/或恒温器附近感测到的来自日常活动的数据。每天被划分为144个时间段，每个为10分钟持续时间，其中，第一个时间段是12:00:00 am到12:09:59 am，最后一个（第144个）时间段是11:50:00 pm到11:59:59 pm。于是，占用传感器信号将被用来指示在任何时间段中是否存在“活动”，即，占用者的存在。如果在任何时间段中没有感测到活动，则该时间段将被标识为“无活动”且该数据被记录以供未来参考。如果在任何时间段感测到占用，则该时间段将被标识为“活动”且该数据将类似地被保留在存储器中。在任何一个时间段内的多个占用感测将不改变正被讨论的时间段的状态，即，无论1或5或10或更多的感测在该时间段内被检测将不改变该时间段的状态（“活动”）。因此，通过观察用于每天的占用数据，可以估计用于该房间的使用模式。假定每天具有类似的占用模式，则在几天之后，可以预期的是，可以用合理的精度估计用于该天的正常模式。
一旦已经估计了使用模式，地板或区域温度的控制可以被对应地调整。预期的是，在占用时间段期间，用户将想要地板或区域处于暖和的温度（“高”），并且在非占用时间段期间，处于低得多的温度（“低”）。
图4和5公开了连同自调整恒温器一起使用的算法的流程图。该流程图开始于工作日算法300，其可以与周末算法完全相同且可以与周末算法并行运行。在步骤302处，分析自动定时存储器设定，并且在步骤304处，在该天期间的144个10分钟时间段中的每个内可以将热量调整至高或低。在该天期间的每个10分钟时间段期间监控活动（即，占用）。在步骤308处，计算在当前时间段之前的最近n个时间段的平均活动。在步骤310处，计算最近n天的新的点平均。对于7天生活方式设定，使用来自以往7、14、21等天的使用日期，而对于5/2生活方式设定，酌情使用来自过去n个工作日或n个周末假日的使用数据。
步骤312检查在时间段中的活动是否类似于来自前一天的活动。如果是这样，将奖励点S添加到点总数。如果在步骤312中的答案为“否”，则不添加奖励点。下一个步骤为步骤318，确定热量设定，例如，如果点总数P大于阈值点值K，则为高，并且如果点总数P等于或低于阈值点值K，则为低。步骤320接下来检查以看是否存在超循环。如果对于步骤320的答案为“是”，则状态的改变是不允许的。如果步骤320的答案为“否”，则在步骤324处，系统检查以看度假状态是否等于一；并且如果“是”，则状态的改变是不允许的，但如果答案如果“是”，在步骤326处，状态是允许改变的。接下来，在步骤328处，将设定存储在存储器中。在下一个步骤330处，做出关于它是否是一天的结束（例如，第144个时间段）的确定。如果答案为是，则该过程继续到步骤340“A”，并且如果答案为“否”，则在步骤344处，过程继续以分析下一个时间段并继续且返回到步骤306。
如图5所示，在步骤340“A”之后，在步骤346处，确定是否是一周的结束。如果答案为“是”，则过程进行到步骤348，其中程序切换至周末算法。如果步骤346为“否”，则在下一个步骤350处，做出确定以确定过去十天的活动是否已经稳定（见下面关于稳定性的讨论）。如果步骤350的答案为“否”，则在步骤352处，将稳定性设置为零，并且程序移动至步骤342（B）。如果步骤352的答案为“是”，则做出是否已经存在活动的惊人减少的确定。如果答案为“是”，则在步骤356处，程序检查以看度假状态是否等于“1”，并且如果否，则它进行步骤342（B）。如果对于步骤356的答案为“是”，则做出关于在该天中是否已经存在活动的惊人增加的确定。如果否，则程序进行到步骤342（B），并且如果是，则在步骤360处将度假状态设置为零。在下一个步骤360处，为了接下来的一天复原度假前热量设定。如果步骤354的答案为“是”，则在步骤366处，将度假状态设置为1。在下一个步骤368处，将用于接下来的一天的热量设定设置为对于所有时间段为低（因为确定占用者在度假）。在下一个步骤370处，将当天的热量设定存储在存储器中作为度假前设定。
算法根据以前的类似时间段分析占用数据，并接着确定应当将热量调整到高还是调整到低，虽然如果期望也可以使用中间设定。该决定通过允许每个时间段积累“点”来促进，所述点当检测到与时间段相关联的活动时将被增加，并且当没有检测到这种活动时将被减少。当达到点的预置的阈值时，将用于该时间段的热量设置为高，并且当它下降到阈值以下时，将热量设置为低。
用于每个时间段的初始点值可以基于在自动定时程序中的时间和温度要求，如在工厂设定中所提供的或者当这些已经由用户所修改时，如诸如其存在的自动定时程序。通过简单地分析自动定时程序时间/温度设定，可以确定用于每个时间段的将地板或区域热量调整到高或低的要求。于是，被要求将热量调整到高的每个时间段可以被分配10个点，而将热量调整到低的每个时间段可以被分配0个点。随着时间过去，可以基于占用者的活动模式修改每个时间段中的点。在一些实施例中，可以期望的是，使被分配来为最近的时间段分配更高的点值的最大点值变化。例如，当感测到活动时当前时间段可以分配10个点，而更早的24小时的相同时间段可以被分配7个点的最大值，同时更早48小时的相同时间段可以被分配5个点的最大值。使用这种按比例放大的方法将给予最近的活动更多的重要性。
加快的学习
因为大多数现代生活方式对于一周中的七天的每一天是不完全相同的，所以对于将被学习的每一天，针对占用模式可能花费数周。例如，因为周六的活动经常说不同于比方说周二的活动，所以可以预期的是，通常的“学习算法”将花费数周，甚至可能一个月或更长，以学习周二的模式。于是，为了加快学习过程，变得有益的是，标识占用者是否至少具有规律的周一到周五模式以及类似的规律的周六/周日模式，即“5/2天”生活方式或“7天”生活方式。通过利用生活方式信息，算法可以加快学习过程。对此的原因在于，在7天生活方式模式中，预期的是，“周一”占用模式很可能不同于“周二”，所述“周二”不同于“周三”等等。因此，算法将要花费数周以得到在周一占用模式方面的充分的经验，从而做出适当的调整，对于周二也是相同的，等等。结果，它将使算法花费数周以完成它的学习过程。然而，在5/2天生活方式模式的情况下，因为预期周一到周五是类似的，所以算法将仅需要几天以学习工作日的占用模式，并且很可能仅需要两周以学习周末。所以，通过将生活方式标识为5/2天类型，算法通过使用对应的设定来开始并快速学习占用模式并对时间和温度设定做出适当的调整。
噪声减小
预期的是，占用者将在白天/黑夜的任何时候时不时地进入房间，即使将最有可能存在活动将是较高的一些时间段以及活动将是较低的其它时间段。确保识别并忽略在时间段中的非规律活动被认为是重要的；换句话说，重要的是，在做出对时间和温度设定的任何调整之前建立活动的模式。在正常未占用时间段期间，仍可能的是，占用者可以进入房间，诸如例如，如果某人从工作早回家一天；这被认为是“噪声”，因为它不是“规律”活动模式的一部分。因此，重要的是，识别噪声并通过考虑与该时间段相关联的“平均”活动来缓和它。通过平均数个近来时间段的活动并使用其来影响与当前时间段相关联的点来将该识别并入算法中。此外，通过利用以前几天的数个类似的时间段的平均点，这进一步有减小噪声作用的趋势。
敏感性调整
调整算法可以为在每天大约相同的时间处重复自身的活动提供“奖励点”。于是，这提供了算法并入用户的“敏感性”的基础，如果用户是非常敏感的且总想要在他们使用地板时使地板加热，则可以将其并入。如果用户是较不敏感的，即，愿意在短时间段内接受未加热的地板，则其也应当被适应。这有助于识别可能是非常短的持续时间但非常规律的活动，诸如说每天在12:00与12:30pm之间的某个时间进入浴室，但接着在5或10分钟内离开。通过使奖励点更大或更小并允许用户调整此，算法对规律的短持续时间的活动的“敏感性”可以被放大或减弱。因此，小（或者可能零）的奖励将导致这些活动被算法忽略；相反地，大奖励将更有可能导致这些活动被识别且地板热量预期占用时被接通。
超循环消除
当系统被操作时，将根据如上所述的算法的操作调整地板温度。然而，EH经验是用户知道地板热量的操作，因为他们可以经常听到恒温器的控制单元中的继电器的激活，或者他们观察恒温器显示器上的状态，其通常指示地板温度。地板温度的频繁调整是用户的共同关注且也注重恒温器中的组件，诸如继电器，所以可期望的是最小化启动/停止。算法被设计为将温度调整限制为工厂预置的量，诸如每小时一次的最大值，由此限制了对组件的强调并减少了消费者关注。
缺席识别
如上所述的算法能够识别用户何时改变他们的占用模式，这样的改变是否是最小的，诸如稍微修改的工作时间表，或者更显著的，诸如延长的度假。如果发生诸如将作为度假的结果而出现的占用者的例外缺席，算法能够识别这个并通过强迫所有设定为低来立即作出反应。
缺席前存储器（PAM）
在缺席之后，诸如当占用者从度假返回时，算法将识别活动已经重新开始，并将接着立即复原在缺席之前起作用的热量设定。这消除了恒温器重新学习占用模式的需要，由此提供了更大的舒适和能量节省。
PAM通过首先确定系统的“稳定性因子”（SF）来设立。用于第“n”天的SF被设置为等于具有与在第“n-1”天中的时间段的数量的相同的热量设定的来自第“n”天的时间段的数量；清楚地，SF范围将是0到1。对于第“n+1”天，SF被设置为等于具有与在第“n”天中的时间段的数量的相同的热量设定的在第“n+1”天中的时间段的数量。当n=10时，将计算SF的平均值和标准偏差（分别定义为ASF和SDSP）。活动类似度指数ASI也被计算为具有类似活动的来自第n天和第n-1天的时间段的比例。平均活动级别AL被设置为等于活动的时间段的数量除以时间段的总数量（例如，144个总时间段中的3个活动时间段将是2％活动）。因此，将稳定性定义为平均SF大于80％且SF的标准偏差小于5％且ASI大于80％。当检测到稳定性时，来自该天的每个时间段的设定将被存储在存储器中，并且将由此重写任何以前的设定。
随着每天过去，通过使用来自过去的10天的数据来更新SF、ASL和AL。如果对于任何一天没有确定稳定性，则用于该天的热量设定将不被存储在存储器中，使得在存储器中的以前设定不改变。
当稳定性返回时，将新的热量设定与存储器中现有的热量设定比较，如果它们显然不同，则现有的热量设定在20天内不被“重写”。一旦已经检测到稳定性，如果AL级别下降至前一天的5％，则假定占用者已经离开并因此将所有设定设置为低。如果AL增加至大于10％且大于前一天的600％，则假定占用者已经返回，因此立即使用缺席前设定。
应用
应当注意的是，本公开的恒温器特别好地适合于地暖应用。它可以用于室内或室外地板表面。例如，它可以用于使浴室地板变暖，或者控制室内或室外的停车库或车道的温度。在这种情况下的占用感测可以包括感测人们的存在或者感测车辆的存在。此外，该恒温器也可以用在许多其它应用中，包括控制住宅和商业房屋中的空气温度，或者在控制水或其它液体的温度的其它应用中。
此外，在一些实例中，在给定区域中感测到的占用将引起在不同区域中的加热。例如，在医院中，如果在洗涤间感测到占用，则操作间将使地板或空气加热。作为另一个示例，如果在家庭的车库中感测到占用，则在厨房中的地板加热可以被激活，因为，推测起来，占用者已经刚刚到家并将开始使用厨房区域。
参数优化
存在要求被建立的上面参考的各种参数，这些参数包括以下：
（a）阈值温度“To”：这是将用来确定“高”热量设定或“低”热量设定的温度。通常，对于地板加热应用，这将被设置为75℉，因为这远高于关于这些类型的恒温器的工厂“低”设定（通常60℉）且低于“高”工厂设定。
（b）阈值点“K”：这是在其上方给用于特别时间段的热量被接通且在其下方使它断开的点的级别。
（c）奖励“S”：这是奖给在以前类似的时间段中已经经历了活动的任何特别的时间段的附加的点。
（d）用来对活动求平均的天“F”：该值用来确保在做出关于任何特别一天的决定之前考虑到几天，这将减小“例外”活动的“瞬态”作用，诸如，当某人在他们正常不在家的那一天将在家时。于是，可以阻抑这样的“噪声”，并且不导致系统做出“仓促”的决定。假定一年的许多周具有至少一个假期，预期的是，对于此的最大合理数字将是4。类似地，清楚地，2是最小值，因为“一”不允许任何噪声阻抑。结果，对于该参数选择了3的值。
（e）用来对活动求平均的时间段“v”：该值用来允许在时间表中的小变化或短期缺席。在早晨活动中，对于时间表，通常变化约10分钟（尤其是假定收音机闹钟上的“打盹”按钮是9分钟）。因此该值被设置为3个时间段。
（f）在固定数量的时间段“zz”中允许的循环“H”的数量：基于在恒温器用户方面的直接经验，该数量被设置为每小时1次（zz = 6个时间段）。大于约每小时1次的值趋向于受注意且被用户认为是令人讨厌的。
作为上面的结果，清楚的是，用于阈值点K和奖励S的值不容易被估计，并因此需要被以经验为主地确定。为了帮助该过程，建立用于K的0到10的任意范围。通过推断，该范围也可应用于S，因为意味着“奖赏”在以前的类似时间段中的类似活动的奖励将不被期望通过人工地使任何特别时间段的值膨胀来“压倒”过程。
用于建模技术过程的标准系统仿真技术的使用用来确定在算法的上下文内的K和S的最佳值。这允许使K和S两者单独地变化且允许确定它们对系统的作用。
阈值和奖励参数的确定
电子数据表用来对如上所述的系统进行建模。每天被划分为144个离散的时间段，并且每个时间段利用算法的逻辑来确定热量设定应当是高还是低。将从第1天到第5天的总共5天建立在电子数据表模型中。仅仅对5天进行建模，因为预期的是，适当的算法将在5天内学习占用者的习惯。否则，算法冒着以下危险：由于生活方式变化而导致的不稳定性和/或太慢而不能对生活方式中的改变（甚至，短期改变）作出反应。
当然，算法的性能独自地基于K和S的值，因为它们仅仅是被考虑为显著变化的参数。算法的性能是通过比较如在任何给定天由模型确定的实际热量设定与所要求的热量设定一致的时间段的数量来量化的。例如，如果实际设定对于在特别一天的144个时间段中有141个与所要求的设定一致，则模型将被认为是在该天是98％精确的。
如图6中图示的，占用者的生活方式基于具有9个不同“事件”410的假想的生活方式来进行仿真，每个事件具有不同的事件开始时间420以及在每个事件中的活动概率430是90％或10％，并且9个事件中的每个具有设置在高或低处的所要求的热量设定440。因此，即使在“未占用”时间段期间，也总存在将检测到活动的某个概率，诸如如果某人半夜起来或者某人在白天期间从工作回到家。于是，这些值用来通过使用在电子数据表中的“随机数字生成器RAND”特征来对任何给定时间段的活动进行仿真。RAND为其所嵌入的每个单元提供在0与1之间的不同数字。然后，通过分析在每个单元中的随机数字，基于事件概率来确定单元中的活动。例如，如果事件中的活动概率是90％，则在随机数字小于0.90时活动将被认为已经发生。当然，通过使用现代的电子数据表能力，这种类型的比较和确定是平凡的。
在图7的图表500中陈述了用于一个仿真的参数，其中，列540包括参数To、F、K、H、v、zz、P和S，其中P表示为给定时间段内的活动分配的点的数量。列520示出了用于这些参数的所选择的值，并且列510示出了参数的描述。在标题天550下面，陈述了第1天到第5天中的每个，并且在标题％实际设定正确560下面，陈述了通过仿真完成的正确设定的百分比，例如，在第2天，87％的设定是正确的，在第3天，89％的设定是正确的，在第4天，92％的设定是正确的等等。在该示例中，值K被设置在9.5的最大值处且值S被设置在4.6的最大值处。
如将被预期的，分析对K和S的所有值的模型的作用可以是压倒性的任务。然而，通过使用与现代电子数据表的“宏”能力相耦合的启发式方法（标识好的解决方案，未必最优的解决方案），可以快速确定K和S的“好”的值。这通过在它们的范围（0到10）上以固定数量的增量对K和S进行估计来完成。例如，K以0.2的增量从1.0到4.6进行建模，并且S以1.0的增量从1.0到5.0进行建模以及以0.5的增量从5.5到9.5进行建模。
在第2天、第3天、第4天和第5天之后通过汇编算法精确度的表格，可以观察模型的效率和变化参数S和K的作用。图8示出了使用在1.0与9.5之间的K值以及在1.0与4.6之间的S值的在第3天之后的算法精确度的汇编表格600。在标题610（K）的下面按列示出了K值，并且在列620 S的旁边按行示出了S值。因此，例如，列630揭示了当使用4.0的K值时，算法精确度从76％到87％变化，其中大多数读数在80多。列640示出了当将K值增加至5.0时，算法精确度改善，从87％到94％变化，其中大多数读数在90多。列650、660和670示出了高度的算法精确度通过分别使用7.5、8.0和8.5的K值来完成。最大的精确度结果通过使用登记了88％-98％的精确度的8.0的K值来完成，其中，在S值在1.6与4.6之间变化的情况下大多数在90以上。
图9示出了使用在1.0与9.5之间的K值以及在1.0与4.6之间的S值的在第5天之后的算法精确度的汇编表格600。在标题710（K）的下面按列示出了K值，并且在列720 S的旁边按行示出了S值。因此，例如，列730揭示了当使用4.0的K值时，算法精确度从82％到92％变化，其中大多数读数在80多。列640示出了当将K值增加至5.0时，算法精确度改善，从88％到96％变化，其中大多数读数在90多。列750、760和770示出了高度的算法精确度通过分别使用7.5、8.0和8.5的K值来完成。最大的精确度结果通过使用登记了95％-99％的精确度的7.5的K值来完成，其中，所有S值1.0-4.6，并且通过使用登记了96％-100％的精确度的8.0的K值来完成，其中，S值在1.6与4.6之间变化。
此外，建模结果的表格清楚地指示了K的8.0的值以及S的3.2的值是非常稳健的且提供了快速的学习（在3天内的至少90％的精确度）。基于这些结果，算法可以进行以用来因此提供学习生活方式并调整温度设定的快速且有效的方法。
敏感性参数的确定
承担仿真模型的附加运行，以确定可以用来允许各种“敏感性级别”的奖励S的值。采取基础的方法，其中，将包括低、中和高的敏感性级别。在低敏感性情况下，算法将不受更高级别的“噪声”的影响，诸如在睡眠时间期间的频繁的活动感测。类似地，在高敏感性级别中，算法将识别这些感测并因此调整热量设定。
因此，在模型中设立一连串的“稳定”的天，这些是模型已经学习了生活方式并在例行公事地控制温度的天。于是，在正常地不活动的时间之一中具有活动的一连串天被并入，这通过将在该时间的活动概率在2个时间段（20分钟）内从10％增加到50％来完成，诸如可以当系统用户之一将经常短暂回家吃午饭时发生。
通过根据前面的情况运用模型，如下面表1中陈述的获得以下的数据：

表1：5天平均％精确度－仿真运行－敏感性测试第一情况－除了在第73和74时间段中的50％概率外具有10％和90％概率的工厂设定。
因此，明显的是，在2.6的奖励级别处减小了模型的精确度，指示模型“忽略”带有低发生概率的活动。超过3.2的标准级别而增加奖励指示精确度向上改善至大约3.8的奖励级别。因此，结论是，2.7的奖励将适合于低敏感性且3.7适合于高敏感性且3.2来自中间敏感性。注意的是，小于2.6和大于4.0的奖励级别不被考虑，因为它们前面已经被标识为非优化值。
上面已经描述了本发明的示例实施例。本领域技术人员将理解在不脱离由权利要求限定的本发明的真实范围和精神的情况下可以对所描述的实施例做改变和修改。