具体实施方式

在本文中描述和/或示出的实现方式中，本系统和方法可以包括一个或多个处理器、计算机、控制器、用户接口、无线和/或有线连接等。

本描述可以提供一个或多个说明性和具体示例或实现本系统和方法的方式。可以存在众多其他示例或实现本系统和方法的方式。

可以按照附图中的符号描述系统或方法的各方面。符号可以实际上具有任何形状（例如，框）并且可以指明硬件、对象、组件、活动、状态、步骤、程序以及其他项目。

要理解，住宅建筑物的能量效率可能对许多不同的业主来说是有价值的。利益相关方可以包括但可能不一定局限于，通过理解其是否可以降低以及可以如何降低其能源消耗来从中受益的住所业主；通过理解其可能考虑的住所的未来经常性支出而受益的住所购买者；通过更准确地估计住所定价而受益的房地产代理；可以通过更准确地估计住所价值而受益的住所估价师；因为其可能受命降低在其区域中的能量使用并且直接支付或补助住所中的能量效率改进的成本而受益的公用事业单位；以及通过理解关于住所的那些可能是针对能量效率项目的好的候选而受益的承包商。

在没有住所能量审计的情况下，可能难以评估针对住所的能量性能水平并推荐能量效率改进。公用事业单位可能与第三方公司定合约以执行住所能量审计，并且这些审计可能是由公用事业单位支付或补助的，而住所业主支付成本中的一些。这些审计可以是现场的亲自检查。问题可能是这些亲自检查可能是耗时、昂贵的，并且对于大的人口来说不一定容易衡量且不一定容易按照标准化的一致方式来进行。此外，住所业主可能注册了这些，但许多审计不一定得出有保证的能量改进，或者甚至保证推荐成本有效的改进（亦即，住所可能非常能量高效，且可能不太可能受益于审计）。感兴趣的各方应当具有一种将具有实现成本有效的能量效率改进的更高可能性的住所作为目标的方式。

本方法可以开发出一种住宅的虚拟能量审计。用于估计住所能量指数的方法可以是基于各种数据源（包括从HVAC数据），可以提供用于执行虚拟能量审计的自动化、一致且连续的方法。附加地，此处公开的统计学程序可以允许估计HVAC数据可能对于其不可用的住宅的能量效率。

虽然常规的亲自能量审计可以是综合的并且可以查明针对每个房屋的热泄漏的精确位置，但是本方法可以识别针对住所供暖和制冷（例如，建筑物外壳以及供暖和制冷设备）的总体能量性能，其一般可以是在针对房屋的能量成本方面的最大贡献者。因此，本方法可以使得能够识别将会最大地受益于详细的能量审计的房屋，并且同时还识别最高效的房屋。用于估计住所能量指数的本方法的特征可以主要是被动方法，其利用来自所连接的住所的数据，而无需任何附加传感器、附加测量。本方法可以通过利用连接住所数据来消除该约束，所述数据可以包括设备控制信号和关于设备操作的循环信息。

用于计算针对房屋的能量指数的方法可以包括分析恒温器数据。还可以使用室外天气数据、房地产资产信息以及其他数据。具体地，可以有如在后文中记录的可选方法。

一种方法可以涉及到分析单独的循环并聚焦于停工时段的持续时间、可以在哪里对停工时段的持续时间做出校正以及室外天气特征（诸如内部和外部之间的温度差、日光辐射或云量水平）以及其他信息（如房屋尺寸和年龄）。在设置点和显示温度基本上保持恒定的同时，停工时段循环持续时间可以是对在该时间段期间的实际温度中的下降的近似。该方法可以假设恒温器的安装器设立（ISU）循环配置设置在分析观察时段期间保持不变。

另一方法可以在分析停工循环持续时间方面类似，除了可能贯穿具有恒定的设置点和温度的具有若干循环的更长的时间段来聚集持续时间直至最大聚集时段之外。

另外的方法可以包括在于针对更长的时间段聚集停工时段持续时间，其中在设置点中可能有改变，但是以每日水平分析数据。

可以基于上面的停工时段参数到达可比较的能量性能指数。可以使用房屋尺寸、年龄和其他数据来进一步分类住所能量指数并使其更鲁棒。

具有针对在统计学上大量的住宅的计算出的住宅能量效率评级（REER）可以允许针对对其来说不存在所连接的住所数据的住宅来估计评级。这可以通过识别到可以与评级相关的统计学建模技术（诸如神经网络、递归模型或决策树）的输入（诸如建筑尺寸、年龄和构造类型）来实现。

使用针对在统计学上大量的住宅计算出的住宅能量效率评级以及关于所述住宅和其居住者的已知信息，可以使用统计学训练技术来估计所提及的统计学建模技术的参数，以使得统计学模型最准确地估计针对对于其不能够直接计算住宅能量效率评级的住宅的住宅能量效率评级。

本文中描述的算法可以在如图1和2中描绘的系统中来实现。图1是示出住宅能量效率评级计算的实施方式的示图。在该系统中，可以有具有各种各样的传感器的示例住宅资产11、12和13。示例住宅资产11可以具有室外温度传感器14、室内温度传感器15、HVAC状态传感器16、设置点传感器17、HVAC设备18以及聚集和发送装置19。示例住宅资产12可以具有室内温度传感器15、HVAC状态传感器16、HVAC设备18以及聚集和发送装置19。示例住宅资产13可以具有室内温度传感器15、HVAC设备18以及聚集和发送装置19。

室外温度传感器14可以是被放置在住宅外部的捕捉室外温度的传感器。传感器14可以有线地或无线地连接到通过互联网40将所收集的数据发送给中央装置数据接收器20的装置19。可以没有这些传感器中的任何一个、有其中的一个或多个。

室内温度传感器15可以是被放置在住宅内部的捕捉室内温度的传感器。传感器15可以有线地或无线地连接到通过互联网40将所收集的数据发送给中央装置数据接收器20的装置19。可以没有这些传感器中的任何一个、有其中的一个或多个。

室内设置点传感器17可以是知晓可以在住宅中的恒温器的温度设置点的传感器。可以通过直接感测设置点值或者由于室内设置点传感器17可以知道动作历史来获得该知识。传感器17可以有线地或无线地连接到通过互联网40将所收集的数据发送给中央装置数据接收器20的装置19。可以没有这些传感器中的任何一个、有其中的一个或多个。

HVAC状态传感器16可以是知晓HVAC设备18的状态的传感器。可以通过直接感测该状态或者由于HVAC状态传感器16可以知道动作历史来获得该知识。传感器16可以有线地或无线地连接到通过互联网40将所收集的数据发送给中央装置数据接收器20的装置19。可以没有这些传感器中的任何一个、有其中的一个或多个。

HVAC设备18可以是单阶或多阶HVAC系统。在某些情况下，可以经由传感器16以及聚集器和发送器19将HVAC设备18的状态发送给中央装置数据接收器20。

聚集器和发送器19可以使在住宅中和住宅周围的各种各样的传感器有线地或无线地连接到它。装置19可以从所提及的传感器收集数据并有线地或无线地跨互联网40将数据发送给中央装置数据接收器20。这样的装置的示例可以包括所连接的恒温器、所连接的漏水检测器、所连接的热水器以及所连接的住所安防系统。

装置数据接收器20可以接收来自现场的传感器数据，执行任何必需的解码和/或解析并将其保存在历史装置数据存储21中。历史装置数据存储21可以存储可以用作到REER计算27的输入的历史数据。

可以在不一定能够直接观察或记录HVAC状态的情况下进行HVAC状态推断。处理器22可以从其他数据（诸如室内温度变化）推断HVAC状态。可以在适当时将推断出的HVAC状态存储在历史装置数据存储21中。

天气数据存储23可以用于通常可用的天气数据。此处，可以在不一定能够直接测量某些有关的天气相关值（诸如室外温度、风速以及室外湿度）时使用天气数据来补充历史数据存储21。天气数据存储23可以将数据转发到历史装置数据存储21或者可以在适当时由REER计算27直接查询天气数据存储23。

住宅结构数据存储24可以是用于关于住宅结构的某些信息，其可以与计算结构的热效率有关。该信息可以包括比如年龄、尺寸的值和该结构的构造方法。可以直接从REER计算27查询住宅结构数据。

消费者人口统计数据存储25可以是用于关于住宅结构的住户的某些人口统计信息，其可以与计算结构的热效率有关。这可以包括比如该结构的住户的收入、年龄、家庭构成以及家庭兴趣的值。可以直接从REER计算27查询住宅结构数据。

客户数据存储26可以是用于由REER计算所存储和使用的各种并且大多是静态的客户数据，诸如结构位置。可以查询该客户数据以直接用于REER计算27，并且可以直接从REER计算27查询该客户数据。

REER计算27可以涉及到处理器，其存在以计算住宅能量效率评级。该处理器可以从数据源摄取数据，所述数据源诸如历史装置数据存储21、天气数据存储23、住宅结构数据存储24、消费者人口统计数据存储25以及客户数据存储26。也可以包括来自其他数据源的附加数据。可以存在REER计算的多种变体，包括以下项目。

一种方法可以涉及到分析单独的循环并聚焦于停工时段的持续时间、停工时段的持续时间的校正在哪里以及室外天气特征、诸如在内部和外部之间的温度差、日光辐射或云量水平、以及比如房屋尺寸和年龄的其他信息。在设置点和显示温度基本上保持恒定的同时，停工时段循环持续时间可以是对在该时间段期间的实际温度中的下降的近似。该方法可以假设恒温器的安装器设立（ISU）循环配置设置在分析观察时段期间保持不变。

第二种方法可以类似于分析停工循环持续时间的方法，除了可以贯穿具有恒定的设置点和温度的具有若干循环的更长的时间段来聚集持续时间直至最大聚集时段之外。

第三方法可以包括针对更长的时间段聚集停工时段持续时间，其中在设置点中可能有改变，但是以每日水平分析数据。

可以将REER计算27的结果存储在REER数据存储28中。REER数据存储28可以包含存储在该数据存储中的REER计算历史。然后可以通过应用程序接口（API）29来访问数据并且使该数据对客户端应用30可用。

REER数据API 29可以涉及到通过对数据提供适当的监控和访问控制的接口而使之可访问的REER数据。API 29可以由客户端应用30使用以用于客户端的特定目的。

各种各样的客户端应用30可以使用REER数据用于特定目的。应用30可以通过REERAPI 29来访问REER数据。

图2是示出估计的住宅能量效率评级计算的实施方式的示图。可以存在能量效率评级数据存储38，其包含针对大量的住宅住所的能量效率评级历史。本效率评级可以是REER。可以存在包含关于住宅住所的信息的住宅结构数据存储24。该信息可以包含诸如住所的年龄、尺寸和构造类型的数据。可以存在包含关于可能居住在住所中的消费者的信息的消费者人口统计数据存储25。该信息可以包含诸如住户的收入、家庭构成以及兴趣的数据。

包含在数据存储38、24和/或25以及潜在的其他数据源中的数据可以由模型训练处理器31访问，模型训练处理器31使用所述数据来计算统计模型参数。统计模型可以是神经网络、递归、决策树或其他统计模型，视情况而定。可以将模型参数存储在模型参数数据存储32中。

来自参数和数据存储32、24和/或25以及潜在的其他数据源的数据可以由估计的住宅能量效率评级（eREER）计算处理器33访问，以针对适当数据可以对其可用的任何住所来计算估计的住宅能量效率评级。该计算可以按需或以分批方式发生。在任一情况下，可以将结果存储在eREER数据存储34中。

可以通过可以由客户端应用36和/或37访问的API 35来使得eREER结果可访问。在该示例中，客户端应用36可以通过API 35请求针对一个或多个特定资产的按需eREER计算。在该情况下，可以使用适当数据即时计算eREER。另一方面，客户端应用37可以对先前已计算并且可以被存储在eREER存储34中的eREER结果做出请求。

图2a是用于REER计算的流程图的示图。在符号或步骤230处，可以从客户数据库26中针对下一住宅加载诸如住宅位置之类的客户信息。

在步骤231处，可以从装置数据存储21中针对该住宅加载诸如HVAC设备运行时间之类的历史装置数据。通常，可以加载数天（诸如7天）的数据以稳定最终评级。在步骤232处，可以从数据存储23、24和25中加载附加数据，诸如室外天气数据。数据范围可以匹配在步骤231中检索的数据。

在步骤233处，可以通过观察指示HVAC设备已打开的事件来在装置数据中识别循环。循环可以是指示HVAC设备已打开的两个连续事件之间的时段。为了最小化外部干扰（诸如日光辐射或住宅中的活动），可以从该分析中排除日间的某些时段。如果观察到了某些温度范围（或出于其他原因）也可以忽略循环。

在步骤234处，每个循环可以包括HVAC设备那时连续地开着的时段，之后紧接着HVAC设备那时连续地关着的时段。停工时间特征可以包括HVAC设备关着的时间以及房屋内部和外部之间的温度差。

在步骤235处，先前的步骤可以得出针对每个住宅计算出的多个停工时间循环特征。为了到达单数，可以选择代表性循环。示例可以包括取平均循环或中值循环，或者可以使用数学建模方法来表征停工时间与内/外温度差之间的关系。

在步骤236处，可以将计算出的停工时间模型缩放至更便利的评级系统，诸如评星级。在步骤237处，可以将结果中的全部或一些存储到REER数据存储28中以用于稍后检索。在步骤338处，如果尚未处理全部住宅，则继续下一住宅；否则可以停止。

图2b是用于eREER模型训练的流程图的示图。在符号或步骤239处，可以从评级数据存储器38中加载热效率评级。评级可以是REER或某其他评级。在步骤240处，可以从数据存储24和25中加载相关结构数据。这些存储可以包括关于建筑物、其居民、建筑物环境等的数据。在步骤241处，可以计算将用作到统计学模型的输入的数据特征。可能要计算的特征的示例可以是结构表面对体积比以及每个表面积的窗口数目。在步骤242处，为了确保统计学模型捕捉现实，可以使用数据的子集（训练数据）来计算模型参数。然后可以针对剩余数据（即，测试数据）测试模型。这可以确保模型的独立验证。在该步骤中，可以将数据分割成两个数据集。分割准则通常可以是基于随机基础。在步骤243处，可以使用众多类型的统计学方法来训练eREER模型。示例可以包括神经网络、递归和决策树。在所述可能方法中的每一个中，可以使用训练数据来计算最佳地表示数据的模型参数。在步骤244处，可以使用测试数据验证模型。由于该数据独立于训练数据，因此应当在该步骤中检测到可能在步骤243中创建的模型参数中的任何偏差。可以存在各种统计学准则以确定模型性能。这些的示例可以包括确定系数以及均方误差。在步骤245处，如果该测试示出了无法令人满意地针对测试数据进行执行的模型参数，则过程可以返回到步骤241以检查现存特征并创建新特征。在步骤246处，可以将令人满意的模型参数保存到模型参数存储32。

图2c是用于eREER计算解释的流程图的示图。在符号或步骤247处，可以从数据存储24和25中加载相关结构数据。这些存储可以包括关于建筑物、其居民、建筑物环境等的数据。在步骤248处，可以计算将用作到统计学模型的输入的数据特征。可能要计算的特征的示例可以是结构表面对体积比以及每个表面积的窗口数目。在步骤249处，可以从数据存储32中加载模型参数。在步骤250处，可以使用适当的数据特征和先前估计的模型参数来计算eREER。在步骤251处，可以将计算出的eREER值保存到eREER数据存储器34。

以下论述可以涉及住所热基准标记和虚拟能量审计。图3是诸如在冬季期间的HVAC供暖设备循环的示图50。在理论上，实际温度可以围绕设置点波动。目标温度可以是如通过线51所示的20摄氏度。上限52可以是21摄氏度并且下限53可以是19摄氏度。极限52和53可以定义死带54。可以通过波形55来指示温度。供暖器的工作时间通过括号56示出，并且供暖器的停工时间通过括号57示出。供暖器的工作和停工时间以循环方式重复。

图4也是在冬季期间的HVAC供暖设备循环的示图60。在实践中，该示图示出如由线或实心区指示的工作时间61，以及如由空白间隔指示的供暖器的停工时间62。括号63在示图60的时间线64上识别具有35个循环且不具有温度改变（在线65处相对于温度线66所指示的）的10个小时。

图5是可以指示用于推断房屋热特性的方法的示图68。曲线69指示供暖器的开和关时段。在示图68的左侧指示设置点SP + db/2和SP = db/2，如曲线72指示的那样，其揭示出具有相对于设置点的温度下降的死带71。

在每个关时段中，室内温度可以降低（死带）一定数目的华氏度，如果恒温器主动控制（例如，不自动调低）的话。针对每个循环的停工时间可以与(T_in–T_out)有关。

集总容量分析可以揭示出：

死带/停工时间=dT/dt=f(δT)=δT/时间常数；

(T_out–T_in)/死带/停工时间)=时间常数；

假设1华氏度。死带(T_out–T_in)*(停工时间)=时间常数估计。

可以记录停工时间分析方法。打算利用的现存的可用数据可以包括用户接口数据、供暖制冷需求和天气。可以分析的循环（之前、贯穿以及之后的数据点）可以利用恒定设置点、恒定显示温度、总是在贯穿一循环的设置点处的显示温度、用以避免阳光温室增温效应的仅夜间循环（即，7pm-10am）、仅供暖模式中的循环以及不具有比2小时更长的数据间隙的循环来执行。可以将循环停工时间分析记录为对温度下降速率的代理。

可以记录用于分析的附加步骤。可以使用天气系统来处理全部装置。可以记录的是，所述装置的仅约三分之一将室外天气保存在了它们的UI数据中。可以组合度量而无视（内/外）温度差。这可以允许计算出整年的住所隔热效率，而不一定仅是冬天的。这还可以允许比较房屋之间的分数。可以计算出每周度量。这样可以允许获得每个房屋随时间的隔热分数历史。在夏季制冷期间，可以评估住所性能。这可以允许计算出整年的住所隔热，而不仅是冬天的。

可以记录假设和分析。可以假设集总容量热系统。除了热性能之外，温度下降（供暖季节）可能归因于外壳的表面积、房屋的热容量（诸如在该房屋中有多少人员以及热稠密度如何）以及该房屋中的恒温器位置。后两个指示了影响（集中于总体可变性），可以使用来自例如InfoGroup^TM或其他数据源的房屋数据来获得建筑面积和层数以得到表面积估计。

另外的分析可以提供(T_out-T_in)*(停工时间)=时间常数估计R_equivalent=(T_out-T_in)*(停工时间)*表面积/(热容量)。假设相等的热容量，则R_equivalent越高，外壳热属性可能越好。可以找出其他数据源来加强基准标记。

可以记录房地产数据源。利用InfoGroup^TM YLM数据，可以获得房屋尺寸和建造年代。可以根据准则来选择装置，所述准则诸如每个位置一个恒温器、匹配位置地址的用户地址、从过去时间到现在时间可用的停工时间效率数据、仍登记且在线的装置和用户、以及InfoGroup^TM或针对该装置可用的其他提供方人口统计数据。

图6是反映总体停工时间分析结果的示图75，按照内部与外部之间的以华氏度计的温度差相对循环停工时间（按照分钟）。更多的循环停工时间反映了供暖系统的更多的效率。条76揭示出针对外部温度的穿过一小时的整个时间线的实际上全部的循环停工时间，内温度减去10-20华氏度的外温度。针对20-30华氏度，条面积77是循环停工时间条，并且面积78是时间上的该循环。针对30-40华氏度，循环停工时间如由条面积79和条面积81的时间上的循环指示的那样更大。针对40-50度更冷的外部，停工循环条面积82看起来更大，并且面积83相对于针对30-40度范围的对应面积看起来稍微更小。这可以指示针对40-50度范围的稍稍更高效的情形。

图7是其中住所热效率可以按照在几天的时段上的具有30-40华氏度之间的内/外温度差的平均循环停工时间来指示的说明性郡县的示例地图85。

图8是具有针对在住宅区中的各种住所和建筑物的循环停工时间的地图88的示图。在地图88上将针对独户房屋91的循环停工时间指示为0-10分钟。这可以被视为低分数并且具有低效情形。在该地图上将针对公寓复合体92的循环停工时间指示为大于50分钟。独户房屋93被指示为具有40-50分钟的循环停工时间，这可以被视为高效情形。独户房屋94被指示为具有10-20分钟的循环停工时间，这可以被视为相当低效的情形。独户房屋95和公寓复合体96被指示为分别具有20-30分钟和30-40分钟的循环停工时间，这可以被视为在效率情形方面尚可或中等。已完成空间的建筑面积和独户房屋或公寓的建筑日期可以是与针对地图88上的结构91-96的循环停工时间一起提供的信息。

图9是揭示出温度相对时间的图表101的示图。供暖器停工时间是5.5小时，其中下降了6华氏度。这可以被视为以每小时下降1.1华氏度的高效情形。该数据可以反映出2006年建造的公寓的情形。室外温度可以是约20华氏度并且δ温度可以是约50华氏度。该差异可以可适用于随后的类似图表。

图10是示出温度相对时间的图表102的示图。在3.4小时期间的6度下降可以被视为以每小时1.7度的低效情形。该数据可以反映出1977年建造的1,137平方英尺的房屋的情形。

图11是示出温度相对时间的图表103的示图。在6.5小时的停工时间上的6度下降可以被视为以每小时0.9度的高效情形。该数据可以反映出1986年建造的2,550平方英尺的独户房屋的情形。

图12是示出温度相对时间的图表104的示图。2.5小时的停工时间上的5度下降可以被视为以每小时2.0华氏度下降的1951年建造的2,060平方英尺的独户房屋的低效情形。

图13是时间相对颗粒温度106、日温度107和日运行时间温度108的图表105的示图。该数据可以涉及具有高效情形的2006年的公寓。符号111、112、113、114、115、116、117、118和119可以分别表示热SP、显示温度、室外温度、室内湿度、日平均热SP、日平均室外温度、日平均室内湿度、实际热RT以及热RT估计。图表105的数据可以与2006年建造的公寓（其具有高效情形）有关。

图14是时间相对颗粒温度106、日温度107和日运行时间温度108的图表121的示图。符号111-119表示与图13中的那些相同的项目。图表121的数据可以与1977年建造的1,137平方英尺的独户房屋（其具有低效情形）有关。

图15是在一月的第一周期间在住所热分析中使用的装置的图表125的示图。图表125可以利用在条126和127中的任何数据示出全部装置。条126可以表示在UI数据中具有室外天气的360,630个装置，并且条127可以表示在UI数据中不具有室外天气的782,670个装置。在没有室外天气的情况下，住所热模型不一定可用。可以将条126分解成具有针对住所热模型可接受的185,456个装置的子条128以及具有75,174个装置的子条129。关于住所热模型的后一装置在没有供暖运行时间的情况下（具有恒定的SP和室内温度）不一定可用。

图16是分别按照平方英尺和分钟的房屋尺寸相对停工时间散点图的示图。若干等值线132可以位于10到20分钟以及1,000到2,000平方英尺处。

图17是按照出现次数相对以平方英尺计的房屋尺寸揭示出房屋尺寸的分布的图表134的示图。图表134可具有与图16的图表131的对应性。

图18是按照停工时间（以分钟计）相对房屋尺寸（以平方英尺计）的2D密度图136的示图。图137的密度可以位于5到30分钟以及1,000到3,500平方英尺处。

图19是按照出现次数相对停工时间（按照分钟）揭示出停工时间的分布的图表139的示图。图表139可具有与附图18的图136的对应性。

图20是具有等值线142的散点图141的示图。该图呈现为以分钟计的停工时间相对建造年代。等值线142覆盖位于约1955和2010的建造年代之间以及具有从约5到30分钟的停工时间的面积。

图21是建造年代的分布图表144的示图。图表144揭示出住所的出现次数相对建造年代。图表144可具有与附图20的图141的对应性。

图22是建造年代相对停工时间的2D密度图146的示图。停工时间是按照分钟。图的密度对照147呈现在1955年和2010年之间以及从约5到30分钟的停工时间。

图23是按照出现次数相对停工时间（按照分钟）的具有停工时间的分布的图表149的示图。图表149可具有与附图22中的图146的对应性。

图24是按照平方英尺相对出现次数示出通过效率分类的房屋尺寸的分布的图表151的示图。曲线152表示低效率房屋并且曲线153表示高效率房屋。

图25是按照建造年代相对出现次数示出通过效率分类的建造的房屋的分布的图表154的示图。曲线155表示低效率房屋并且曲线156表示高效率房屋。

图26是按照建造年代相对房屋尺寸（按照平方英尺）的低效率房屋（即，停工时间<14）的图表158的示图。密度对照159呈现在1950与2005年之间以及在1500与4000平方英尺之间。

图27是按照建造年代相对房屋尺寸（按照平方英尺）的高效率房屋（即，停工时间>24）的图表161的示图。密度对照162呈现在1959与2010年之间以及在1000与4000平方英尺之间。

停工时间可以是针对9周的时段计算出的，以通过评估在9周期间的分数来记录分数稳定性。图28是按照分钟相对出现次数的停工时间的分布图表164的示图。

图29是涉及到在从1月1日到3月3日的9周时段上的每个装置的一系列停工时间的累加和的图表166的示图。按照每装置的停工时间范围（分钟）相对如由曲线167指示的装置百分比来绘制图表166。10%的装置可以看到在9周时段上的超过35分钟的停工时间中范围，这可能看起来不良。50%的装置可以看到在9周时段上的在10分钟内的停工时间中范围，这可能看起来良好。分数是从113,335个装置中形成的。

在9周的时段内的停工时间的总体范围可以用作稳定性度量。图30是针对样本房屋的具有9周的周数相对停工时间（按照分钟）的曲线171的图表169的示图。该房屋可以被视为具有稳定的分数。图31是针对另一样本房屋的具有9周的周数相对停工时间（按照分钟）的曲线174的图表173的示图。该房屋可以被视为具有不稳定的分数。曲线171和174的波动可以分别指示分数的稳定性。

可以记录稳定且高效的房屋。图32是具有看起来具有低波动并且按照停工时间相对周数相对高的曲线177的图表176的示图。

图33是按照室外温度（以华氏度计）相对运行时间小时揭示出设备运行时间概况的图表179的示图。图181表示供暖并且图182表示制冷。该数据可以是来自在马萨诸塞州的麦迪逊的带有壁炉的1965年建造的1900平方英尺的房屋。

图34是像是在图13和14中的图表的图表的示图。图34是时间相对颗粒温度106、日温度107和日运行时间温度108的图表184的示图。该数据可以涉及针对图33记录的房屋。符号111、112、113、114、115、116、117、118和119可以分别表示热SP、显示温度、室外温度、室内湿度、日平均热SP、日平均室外温度、日平均室内湿度、实际热RT以及热RT估计。

可以记录稳定且低效的房屋。图35是具有看起来具有低波动并且按照停工时间相对周数相对低的曲线187的图表186的示图。

图36是按照室外温度（以华氏度计）相对运行时间小时揭示出设备运行时间概况的图表189的示图。图191表示供暖并且图192表示制冷。该数据可以是来自在科罗拉多州科泉市的带有壁炉的2013年建造的3500平方英尺的房屋。

图37是像是在图13和14中的图表的图表的示图。图37是时间相对颗粒温度106、日温度107和日运行时间温度108的图表194的示图。该数据可以涉及图36中记录的房屋。符号111、112、113、114、115、116、117、118和119可以分别表示热SP、显示温度、室外温度、室内湿度、日平均热SP、日平均室外温度、日平均室内湿度、实际热RT以及热RT估计。

图38是示出稳定位置的地理分布的图形地图196的示图。在这些位置处的房屋在一年的前9周期间具有在停工时间方面的小的值范围。这些房屋是在前四分之一中，因为约27,000所房屋具有在6分钟以下的停工时间范围。该地图上的较暗的阴影指示稳定位置的集中度。

图39是示出不稳定位置的地理分布的图形地图198的示图。在这些位置处的房屋在一年的前9周上具有在停工时间方面的大的值范围。这些房屋是在最后四分之一中，因为约27,000所房屋具有在超过20分钟的停工时间范围。该地图上的较暗的阴影指示不稳定位置的集中度。

简要重述，一种住宅能量效率评级系统可以包括客户数据存储、历史装置数据存储、天气数据存储、住宅结构数据存储、住宅能量效率评级存储以及住宅能量效率评级计算器，所述住宅能量效率评级计算器连接到所述客户数据存储、所述历史装置数据存储、所述天气数据存储、所述住宅结构数据存储和所述住宅能量效率评级存储。

可以从所述客户数据存储加载针对住宅的信息。可以针对所述住宅针对预定持续时间从所述历史装置数据存储检索装置数据。可以从所述天气数据存储和所述住宅结构数据存储检索其他相关数据。可以在指定的观察窗口期间识别供暖、通风和空调（HVAC）循环。可以针对每个相关循环计算HVAC循环停工时间循环持续时间。

所述HVAC循环停工时间持续时间可以用作对所述住宅中的温度改变速率的代理。

可以在满足一个或多个预定条件时计算所述HVAC停工时间持续时间。所述一个或多个预定条件的示例可以包括外部温度范围、HVAC系统活动、外部影响在那时最小化的时间等等。

可以在一时间段上计算多个效率。可以将代表性效率选作针对该时段的总体效率。

所述系统还包括：位于一个或多个住宅资产处的一个或多个传感器；被连接到所述一个或多个传感器的聚集和发送装置；以及被连接到所述聚集和发送装置以及所述历史装置数据存储的中央数据接收器和处理器。所述一个或多个传感器可以提供关于所述一个或多个住宅资产的收集数据。可以向所述聚集和发送装置提供所述收集数据，所述聚集和发送装置将所述数据发送给所述中央数据接收器和处理器。

可以按需处理到所述聚集和发送装置的所述收集数据并将其保存在历史数据存储中。可以在所述聚集和发送装置和所述中央数据接收器和处理器之间连接互联网，使得将提供给所述聚集和发送装置的所述收集数据可以通过所述互联网发送给所述中央数据接收器和处理器。

来自所述历史数据存储的数据可以是到所述住宅能量效率评级（REER）计算器的输入。来自所述REER计算器的输出可以去往REER数据应用程序接口（API），所述REER数据API具有被经由所述互联网连接到一个或多个客户端应用的输出。

一种估计的住宅能量效率评级机构可以包括：能量评级数据存储；连接到所述能量评级数据存储的模型训练处理器；连接到所述模型训练处理器的模型参数存储；连接到所述模型参数存储的估计的REER（eREER）计算处理器；以及连接到所述模型训练处理器和所述eREER计算处理器的一个或多个存储。

所述一个或多个存储可以是选自包括以下的群组：住宅结构数据存储和消费者人口统计数据存储。

所述机构还可以包括连接到所述eREER计算处理器的估计的REER（eREER）数据应用程序接口（API）。

所述机构还可以包括连接到所述eREER数据API的一个或多个客户端应用。

所述机构还可以包括连接到所述eREER计算处理器以及连接到所述eREER数据API的eREER存储；以及连接到所述eREER计算处理器以及连接到所述eREER存储的一个或多个客户端应用。客户端应用可以通过所述eREER数据API从所述eREER计算处理器按需请求结果，其中所述结果是即时计算的；或者客户端应用可以做出针对所述eREER计算处理器的结果的请求，所述结果是先前已计算并保存在所述eREER存储中的。

所述一个或多个客户端应用可以经由互联网连接到所述eREER数据API。

一种用于计算住宅能量效率评级的方法可以包括：获得关于住宅资产的传感器数据；将所述传感器数据聚集并发送给装置数据接收器和处理器；在所述装置数据接收器和处理器处处理所述传感器数据；将所述传感器数据存储在历史存储数据装置中；将供暖、通风和空调（HVAC）系统的状态存储在历史存储装置中；将天气数据存储在天气存储装置中；将住宅结构数据存储在结构数据存储装置中；将消费者人口统计数据存储在人口统计数据存储装置中；以及从选自在包括所述历史数据存储装置、所述天气数据存储装置、所述结构数据存储装置、所述人口统计数据存储装置以及客户数据存储装置的群组中的一个或多个项目的数据来计算关于所述住宅资产的住宅能量效率评级（REER）。

所述方法还可以包括将计算出的REER信息存储在REER数据存储装置中。

所述方法还可以包括通过具有估计的REER（eREER）数据应用程序接口（API）的一个或多个客户端应用来监控和控制对所述REER数据的访问。所述REER数据可以经由互联网对所述一个或多个客户端应用可用。

传感器数据可以是从包括室外温度传感器、室内温度传感器、HVAC状态数据、设置点设置、所连接的恒温器、所连接的漏水检测器、所连接的热水器检测器以及所连接的住所安防系统检测器的群组的一个或多个项目获得的。

所述方法还可以包括从温度数据推断所述住宅资产的设置点或HVAC系统的状态；以及将所述HVAC系统的状态或设置点存储在所述历史存储装置中。

借此将本文中记录的任何出版物或专利文献通过引用并入，如同每个出版物或专利文献被具体地且单独地指示为通过引入并入一样。

在本说明书中，虽然以另一方式或时态来阐述，但是主题中的一些可能具有假设或预言性质。

虽然已关于至少一个说明性示例描述了本系统和/或方法，但是在阅读本说明书的基础上许多变化和修改对于本领域技术人员来说将变得显而易见。因此，意图为在考虑到相关领域的情况下尽可能宽泛地解释随附的权利要求以包括全部的此类变化和修改。