CN115552182A - 室内温度估计装置、程序以及室内温度估计方法 - Google Patents

室内温度估计装置、程序以及室内温度估计方法 Download PDF

Info

Publication number
CN115552182A
CN115552182A CN202080100771.1A CN202080100771A CN115552182A CN 115552182 A CN115552182 A CN 115552182A CN 202080100771 A CN202080100771 A CN 202080100771A CN 115552182 A CN115552182 A CN 115552182A
Authority
CN
China
Prior art keywords
room temperature
period
learning
temperature
control device
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Pending
Application number
CN202080100771.1A
Other languages
English (en)
Inventor
下川丈明
木村亚纪
生田目祥吾
矢野裕信
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Mitsubishi Electric Corp
Original Assignee
Mitsubishi Electric Corp
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Mitsubishi Electric Corp filed Critical Mitsubishi Electric Corp
Publication of CN115552182A publication Critical patent/CN115552182A/zh
Pending legal-status Critical Current

Links

Images

Classifications

    • F—MECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
    • F24—HEATING; RANGES; VENTILATING
    • F24F—AIR-CONDITIONING; AIR-HUMIDIFICATION; VENTILATION; USE OF AIR CURRENTS FOR SCREENING
    • F24F11/00—Control or safety arrangements
    • F24F11/30—Control or safety arrangements for purposes related to the operation of the system, e.g. for safety or monitoring
    • F—MECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
    • F24—HEATING; RANGES; VENTILATING
    • F24F—AIR-CONDITIONING; AIR-HUMIDIFICATION; VENTILATION; USE OF AIR CURRENTS FOR SCREENING
    • F24F11/00—Control or safety arrangements
    • F24F11/62—Control or safety arrangements characterised by the type of control or by internal processing, e.g. using fuzzy logic, adaptive control or estimation of values
    • F24F11/63—Electronic processing
    • F24F11/64—Electronic processing using pre-stored data
    • F—MECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
    • F24—HEATING; RANGES; VENTILATING
    • F24F—AIR-CONDITIONING; AIR-HUMIDIFICATION; VENTILATION; USE OF AIR CURRENTS FOR SCREENING
    • F24F11/00—Control or safety arrangements
    • F24F11/62—Control or safety arrangements characterised by the type of control or by internal processing, e.g. using fuzzy logic, adaptive control or estimation of values
    • F24F11/63—Electronic processing
    • F—MECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
    • F24—HEATING; RANGES; VENTILATING
    • F24F—AIR-CONDITIONING; AIR-HUMIDIFICATION; VENTILATION; USE OF AIR CURRENTS FOR SCREENING
    • F24F2110/00—Control inputs relating to air properties
    • F24F2110/10—Temperature

Landscapes

  • Engineering & Computer Science (AREA)
  • Signal Processing (AREA)
  • Chemical & Material Sciences (AREA)
  • Combustion & Propulsion (AREA)
  • Mechanical Engineering (AREA)
  • General Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Fuzzy Systems (AREA)
  • Mathematical Physics (AREA)
  • Air Conditioning Control Device (AREA)

Abstract

具备：有无影响判定部(108)，其确定室温受到温度控制设备的影响的期间即学习有影响期间、以及室温不受到温度控制设备的影响的期间即学习无影响期间；室温模型生成部(109)，其通过对学习无影响期间内的室外的状态和室温进行学习，生成表示状态与室温之间的关系的室温模型；无影响室温估计部(111)，其使用室温模型，来估计学习假定室温，该学习假定室温是学习有影响期间内的假定为不存在温度控制设备的影响的情况下的室温；以及室温变化模型生成部(112)，其通过对学习有影响期间内的室温和学习假定室温进行学习，生成表示由温度控制设备引起的室温的变化的室温变化模型。

Description

室内温度估计装置、程序以及室内温度估计方法
技术领域
本公开涉及室内温度估计装置、程序以及室内温度估计方法。
背景技术
以往，为了抑制消耗电力并进行对用户来说舒适的空气调节，进行由空调机调整温度的居室中的将来的室温的估计。例如，在专利文献1中，公开了以下两种技术：基于室温历史信息和空调机的动作历史信息，将空调机不调节温度的情况下的居室的将来的室温预测为关闭时预测室温的技术；以及将空调机调节温度的情况下的居室的将来的室温预测为打开时预测室温的技术。
现有技术文献
专利文献
专利文献1：日本特开2017-67427号公报
发明内容
发明要解决的问题
但是，室温例如受到气温这样的外部环境的状态和空调机这样的温度控制设备动作双方的影响。在专利文献1所公开的技术中，由于统一处理这些影响，因此室温与这些因素的关系是复杂的。例如，即便专利文献1所公开的温度控制设备是关闭时的室温预测，在从打开切换为关闭后的一定期间内，室温也受到温度控制设备的影响。此外，室温受到外部环境的影响。因此，用于室温估计的模型是复杂的。
由此，在通过机器学习等而学习在利用模型时应处理或保存的数据量大且负荷高的模型的情况下，到满足所需要的估计精度为止所需的数据数量变大，因此，存在学习数据的蓄积的期间长且利用室温估计值的服务提供的开始延迟这样的问题点。
于是，本公开的一个或多个方案的目的在于，能够简化估计室温的模型。
用于解决问题的手段
本公开的第1方案的室内温度估计装置的特征在于，具备：室温历史信息存储部，其存储关于室内的温度即室温而表示学习室温的历史的室温历史信息，该学习室温是进行学习的期间即学习期间内的所述室温；动作历史信息存储部，其存储动作历史信息，该动作历史信息表示控制所述室温的温度控制设备在所述学习期间内的动作的历史；外部环境信息存储部，其存储关于室外的状态而表示所述学习期间内的所述状态即学习状态的学习外部环境信息；有无影响判定部，其根据所述动作历史信息，在所述学习期间内确定所述室温受到所述温度控制设备的影响的期间即学习有影响期间、以及所述室温不受到所述温度控制设备的影响的期间即学习无影响期间；室温模型生成部，其参照所述室温历史信息和所述学习外部环境信息，对所述学习无影响期间内的所述学习状态和所述学习室温进行学习，由此生成表示所述状态与所述室温之间的关系的室温模型；无影响室温估计部，其参照所述学习外部环境信息，使用所述室温模型来估计学习假定室温，该学习假定室温是所述学习有影响期间内的假定为不存在所述温度控制设备的影响的情况下的所述室温；以及室温变化模型生成部，其参照所述室温历史信息和所述动作历史信息，对所述学习有影响期间内的所述学习室温和所述学习假定室温进行学习，由此生成表示由所述温度控制设备引起的所述室温的变化的室温变化模型。
本公开的第2方案的室内温度估计装置的特征在于，具备：动作计划信息存储部，其存储动作计划信息，该动作计划信息关于室内的温度即室温而表示估计所述室温的期间即对象期间内的控制所述室温的温度控制设备的动作计划；对象外部环境信息存储部，其存储对象外部环境信息，该对象外部环境信息关于室外的状态而表示所述对象期间内的所述状态即对象状态；室温模型存储部，其存储表示所述状态与所述室温之间的关系的室温模型；室温变化模型存储部，其存储表示由所述温度控制设备引起的所述室温的变化的室温变化模型；有无影响判定部，其通过参照所述动作计划信息，在所述对象期间内确定所述室温受到所述温度控制设备的影响的期间即对象有影响期间、以及所述室温不受到所述温度控制设备的影响的期间即对象无影响期间；无影响室温估计部，其通过参照所述对象外部环境信息，使用所述室温模型，根据所述对象状态来估计所述对象期间内的所述室温即第1估计室温；有影响室温估计部，其通过参照所述动作计划信息，使用所述室温变化模型，根据所述对象有影响期间内的所述温度控制设备的设定温度和所述第1估计室温，来估计所述对象有影响期间内的所述室温的变化，由此估计所述对象有影响期间内的所述室温即第2估计室温；以及
综合部，其通过对所述第1估计室温和所述第2估计室温进行综合，生成所述对象期间内的所述室温的估计结果。
本公开的第1方案的程序的特征在于，使计算机作为以下各部发挥功能：室温历史信息存储部，其存储关于室内的温度即室温而表示学习室温的历史的室温历史信息，该学习室温是进行学习的期间即学习期间内的所述室温；动作历史信息存储部，其存储动作历史信息，该动作历史信息表示控制所述室温的温度控制设备在所述学习期间内的动作的历史；外部环境信息存储部，其存储关于室外的状态而表示所述学习期间内的所述状态即学习状态的学习外部环境信息；有无影响判定部，其根据所述动作历史信息，在所述学习期间内确定所述室温受到所述温度控制设备的影响的期间即学习有影响期间、以及所述室温不受到所述温度控制设备的影响的期间即学习无影响期间；室温模型生成部，其参照所述室温历史信息和所述学习外部环境信息，对所述学习无影响期间内的所述学习状态和所述学习室温进行学习，由此生成表示所述状态与所述室温之间的关系的室温模型；无影响室温估计部，其参照所述学习外部环境信息，使用所述室温模型来估计学习假定室温，该学习假定室温是所述学习有影响期间内的假定为不存在所述温度控制设备的影响的情况下的所述室温；以及室温变化模型生成部，其参照所述室温历史信息和所述动作历史信息，对所述学习有影响期间内的所述学习室温和所述学习假定室温进行学习，由此生成表示由所述温度控制设备引起的所述室温的变化的室温变化模型。
本公开的第2方案的程序的特征在于，使计算机作为以下各部发挥功能：动作计划信息存储部，其存储动作计划信息，该动作计划信息关于室内的温度即室温而表示估计所述室温的期间即对象期间内的控制所述室温的温度控制设备的动作计划；对象外部环境信息存储部，其存储对象外部环境信息，该对象外部环境信息关于室外的状态而表示所述对象期间内的所述状态即对象状态；室温模型存储部，其存储表示所述状态与所述室温之间的关系的室温模型；室温变化模型存储部，其存储表示由所述温度控制设备引起的所述室温的变化的室温变化模型；有无影响判定部，其通过参照所述动作计划信息，在所述对象期间内确定所述室温受到所述温度控制设备的影响的期间即对象有影响期间、以及所述室温不受到所述温度控制设备的影响的期间即对象无影响期间；无影响室温估计部，其通过参照所述对象外部环境信息，使用所述室温模型，根据所述对象状态来估计所述对象期间内的所述室温即第1估计室温；有影响室温估计部，其通过参照所述动作计划信息，使用所述室温变化模型，根据所述对象有影响期间内的所述温度控制设备的设定温度和所述第1估计室温，来估计所述对象有影响期间内的所述室温的变化，由此估计所述对象有影响期间内的所述室温即第2估计室温；以及综合部，其通过对所述第1估计室温和所述第2估计室温进行综合，生成所述对象期间内的所述室温的估计结果。
本公开的第1方案的室内温度估计方法的特征在于，根据表示对室温进行控制的温度控制设备在学习期间内的动作的历史的动作历史信息，在所述学习期间内确定所述室温受到所述温度控制设备的影响的期间即学习有影响期间、以及所述室温不受到所述温度控制设备的影响的期间即学习无影响期间，其中，该室温是室内的温度，该学习期间是进行学习的期间，参照表示所述学习期间内的所述室温即学习室温的历史的室温历史信息和关于室外的状态而表示所述学习期间内的所述状态即学习状态的学习外部环境信息，对所述学习无影响期间内的所述学习状态和所述学习室温进行学习，由此生成表示所述状态与所述室温之间的关系的室温模型，参照所述学习外部环境信息，使用所述室温模型来估计学习假定室温，该学习假定室温是所述学习有影响期间内的假定为不存在所述温度控制设备的影响的情况下的所述室温，参照所述室温历史信息和所述动作历史信息，对所述学习有影响期间内的所述学习室温和所述学习假定室温进行学习，由此生成表示由所述温度控制设备引起的所述室温的变化的室温变化模型。
本公开的第2方案的室内温度估计方法的特征在于，通过参照关于室内的温度即室温而表示对象期间内的控制所述室温的温度控制设备的动作计划的动作计划信息，在所述对象期间内确定所述室温受到所述温度控制设备的影响的期间即对象有影响期间、以及所述室温不受到所述温度控制设备的影响的期间即对象无影响期间，其中，该对象期间是估计所述室温的期间，通过参照关于室外的状态而表示所述对象期间内的所述状态即对象状态的对象外部环境信息，使用表示所述状态与所述室温之间的关系的室温模型，根据所述对象状态来估计所述对象期间内的所述室温即第1估计室温，通过参照所述动作计划信息，使用表示由所述温度控制设备引起的所述室温的变化的室温变化模型，根据所述对象有影响期间内的所述温度控制设备的设定温度和所述第1估计室温，来估计所述对象有影响期间内的所述室温的变化，由此估计所述对象有影响期间内的所述室温即第2估计室温，通过对所述第1估计室温和所述第2估计室温进行综合，生成所述对象期间内的所述室温的估计结果。
发明的效果
根据本公开的一个或多个方案，能够简化估计室温的模型。
附图说明
图1是概要地示出实施方式的室内温度估计装置的结构的框图。
图2是示出计算机的一例的框图。
图3是示出室内温度估计装置的学习处理的流程图。
图4是示出在室内温度估计装置的学习处理中使用的室温历史信息、温度控制信息以及外部环境信息的一例的图表。
图5是示出用于学习的无影响期间内的室温和气温的一例的图表。
图6是示出室温估计结果的例子的图表。
图7是用于对有影响期间内的室温变化模型进行说明的图表。
图8是示出室内温度估计装置的估计处理的流程图。
图9是示出在室内温度估计装置的估计处理中使用的室温历史信息、温度控制信息以及外部环境信息的一例的图表。
图10是示出有无影响判定的结果的一例的图表。
图11是示出综合室温估计结果所示的室温的一例的图表。
具体实施方式
图1是概要地示出实施方式的室内温度估计装置100的结构的框图。
室内温度估计装置100具备接口部(以下称为接口部)101、室温信息取得部102、室温历史信息存储部103、温度控制信息取得部104、温度控制信息存储部105、外部环境信息取得部106、外部环境信息存储部107、有无影响判定部108、室温模型生成部109、室温模型存储部110、无影响室温估计部111、室温变化模型生成部112、室温变化模型存储部113、有影响室温估计部114、综合部115、输出部116、以及模型取得部117。
在本实施方式中，对估计室温的室内温度估计装置100进行说明。该室内温度估计装置100根据需要来估计将来、当前或过去的室温。
接口部101与其他装置进行通信。例如，接口部101与网络连接而与其他装置进行通信。
室温信息取得部102取得表示室温的室温信息，该室温是成为进行估计的对象的房间的温度。室温信息取得部102例如经由接口部101，从与未图示的网络连接的室内的传感器等取得室温信息。室温信息取得部102将取得的室温信息与其日期时间一起作为室温历史信息而存储于室温历史信息存储部103。
室温历史信息存储部103存储室温历史信息。室温历史信息是表示日期时间和室温的信息。另外，在室温历史信息存储部103中，至少存储有学习室温的历史作为室温历史信息，该学习室温是进行学习的期间即学习期间内的室温。
温度控制信息取得部104取得与对进行估计的对象房间的温度造成影响的温度控制设备的动作相关的温度控制信息。在温度控制信息中包含：动作计划信息，其表示进行室温的估计的期间即对象期间内的温度控制设备的动作计划；以及动作历史信息，其表示对象期间之前的温度控制设备的动作的历史。温度控制信息取得部104例如经由接口部101，从与未图示的网络连接的室内的温度控制设备取得温度控制信息。温度控制设备例如是空调机，但只要是油暖风机、燃气暖风机、炉灶、热水供暖、集中供暖、地暖、冷风扇或干雾这样的能够控制房间的温度的设备即可。
温度控制信息存储部105存储温度控制信息。如上所述，温度控制信息包含动作计划信息和动作历史信息。因此，温度控制信息取得部104作为存储动作计划信息的动作计划信息存储部以及存储动作历史信息的动作历史信息存储部发挥功能。另外，在动作历史信息中，包含至少学习期间内的温度控制设备的动作的历史。
外部环境信息取得部106取得外部环境信息，该外部环境信息表示进行估计的对象房间外即室外的环境的状态。外部环境信息例如是房间所属的地区的气象信息。例如，外部环境信息至少包含：对象外部环境信息，其表示对象期间内的室外的状态即对象状态；以及状态历史信息，其表示对象期间之前的室外的状态。另外，外部环境信息除了气温之外，也可以表示湿度、日照量、天气、云量、降水量、气压或风速等。外部环境信息取得部106例如可以经由接口部101从与未图示的网络连接的提供气象信息的服务提供商等取得，还可以从与未图示的网络连接的室外的传感器取得。
另外，在对象期间为将来的情况下，作为气象信息，外部环境信息取得部106可以取得天气预报中的将来的气温作为对象外部环境信息，此外，也可以根据由室外的传感器取得的气温来预测将来的气温，将预测出的气温作为对象外部环境信息。
外部环境信息存储部107存储外部环境信息。如上所述，外部环境信息包含对象外部环境信息和状态历史信息。因此，外部环境信息存储部107作为存储对象外部环境信息的对象外部环境信息存储部以及存储状态历史信息的状态历史信息存储部发挥功能。在状态历史信息中，包含表示学习期间内的状态即学习状态的学习外部环境信息。
有无影响判定部108基于温度控制信息存储部105所存储的温度控制信息，判定在某个期间内，在室温中是否存在温度控制设备的影响。这里的期间包含过去、当前以及未来。具体而言，有无影响判定部108将温度控制设备为打开(ON)的期间以及从温度控制设备为关闭(OFF)开始起的预先决定的期间判定为有影响期间，将除此以外的期间判定为无影响期间。
预先决定的期间例如是从关闭开始起的期间，具体而言，是4小时。如后所述，温度控制设备的影响在关闭后随着时间经过而衰减。因此，该影响在刚刚关闭后较大，随着时间经过而变小。该衰减的速度根据情况而不同，因此，优选根据状况而决定预先决定的期间。
例如，也可以根据建筑物的材料将期间决定为，如果房间所属的建筑物为木制则为4小时，如果是钢筋混凝土制则为6小时。此外，也可以以房间的布局、宽阔度、窗的大小、换气或者隔热性为基础来决定期间。此外，如后所述，也可以基于室温变化模型来决定期间。此外，也可以根据数据的取得状况来变更期间。例如，也可以在进行充分的学习之前使用4小时这样的期间，在室温变化模型的学习后，基于室温变化模型来决定期间。
具体而言，有无影响判定部108确定在学习期间内室温受到温度控制设备的影响的期间即学习有影响期间、以及在学习期间内室温不受到温度控制设备的影响的期间即学习无影响期间。
另外，学习有影响期间是学习期间内的温度控制设备为打开的期间以及从温度控制设备被设为关闭起的预先决定的期间。学习无影响期间是学习期间内的学习有影响期间以外的期间。
此外，有无影响判定部108在对象期间内确定室温受到温度控制设备的影响的期间即对象有影响期间、以及室温不受到温度控制设备的影响的期间即对象无影响期间。
另外，对象有影响期间是对象期间内的温度控制设备为打开的期间以及从温度控制设备被设为关闭起的预先决定的期间。对象无影响期间是对象期间内的对象有影响期间以外的期间。
室温模型生成部109参照室温历史信息和学习外部环境信息，对学习无影响期间内的学习状态和学习室温进行学习，由此，生成表示室外的状态与室温之间的关系的室温模型。
例如，室温模型生成部109基于根据室温历史信息和外部环境信息而制作的室温学习用数据，对温度控制设备的无影响期间内的室温进行学习，由此生成室温模型。换言之，室温模型生成部109生成根据室温历史信息和外部环境信息来估计无影响期间内的最优的室温的学习完毕模型即室温模型。
这里，室温学习用数据是学习期间所包含的无影响期间内的将室温历史信息所示的室温与外部环境信息所示的状态相互关联起来的数据。
室温模型存储部110存储室温模型。室温模型可以由室温模型生成部109生成，也可以如后所述，由模型取得部117经由接口部101从未图示的网络取得。
无影响室温估计部111根据室温模型存储部110所存储的无影响室温模型、室温历史信息以及外部环境信息，来估计室温。
例如，无影响室温估计部111参照学习外部环境信息，使用室温模型，来估计学习有影响期间内的假定为存在温度控制设备的影响的情况下的室温，即学习假定室温。学习假定室温被提供给有影响室温估计部114。
此外，无影响室温估计部111通过参照对象外部环境信息，使用室温模型并根据对象状态来估计对象期间内的室温，即第1估计室温。第1估计室温被提供给有影响室温估计部114和综合部115。
室温变化模型生成部112参照室温历史信息和动作历史信息，对学习有影响期间内的学习室温和学习假定室温进行学习，由此，生成表示由温度控制设备引起的室温的变化的室温变化模型。
例如，室温变化模型生成部112基于根据室温历史信息和温度控制信息而制作的室温变化学习用数据，对温度控制设备的有影响期间内的室温变化进行学习。换言之，室温变化模型生成部112生成室温变化模型，该室温变化模型是根据室温历史信息和温度控制信息而估计有影响期间内的最优的室温变化的学习完毕模型。这里，室温变化学习用数据是学习期间所包含的有影响期间内的根据室温历史信息所示的室温和温度控制信息所示的温度控制设备的动作状态而生成的数据。
具体而言，室温变化模型生成部112生成打开期间室温变化模型和关闭期间室温变化模型作为室温变化模型，该打开期间室温变化模型通过对温度控制设备被设为打开的时刻的学习假定室温与温度控制设备的设定温度之间的温度差、以及从温度控制设备被设为打开起的时间序列中的学习室温进行学习，从而表示从温度控制设备被设为打开起到温度控制设备被设为关闭为止的室温的变化，该关闭期间室温变化模型通过对温度控制设备被设为关闭的时刻的学习假定室温与温度控制设备被设为关闭的时刻的学习室温之间的温度差、以及从温度控制设备被设为关闭起的时间序列中的学习室温进行学习，从而表示从温度控制设备被设为关闭起到经过预先决定的期间为止的室温的变化。
室温变化模型存储部113存储室温变化模型。室温变化模型可以由室温变化模型生成部112生成，也可以如后所述，由模型取得部117经由接口部101从未图示的网络取得。
有影响室温估计部114根据室温变化模型存储部113所存储的室温变化模型、室温历史信息以及温度控制信息，来估计存在温度控制设备的影响的情况下的室温，即有影响室温。
例如，有影响室温估计部114通过参照动作计划信息，使用室温变化模型并根据对象有影响期间内的温度控制设备的设定温度和对象假定室温，来估计对象有影响期间内的室温的变化，由此，估计对象有影响期间内的室温，即有影响室温。也将有影响室温称为第2估计室温。
综合部115对由无影响室温估计部111估计出的无影响室温和由有影响室温估计部114估计出的有影响室温进行综合，由此，生成表示对象期间内的室温的估计结果即综合室温估计结果的估计室温信息。例如，综合部115通过连结在有影响期间内估计出的室温与在无影响期间内估计出的室温，能够生成综合室温估计结果。估计室温信息被提供给输出部116。
输出部116输出估计室温信息。例如，输出部116可以使未图示的显示器等显示部显示估计室温信息，也可以经由接口部101，向与未图示的网络连接的其他装置发送估计室温信息。
模型取得部117经由接口部101从网络取得室温模型，将该室温模型存储于室温模型存储部110。
此外，模型取得部117经由接口部101，从网络取得室温变化模型，将该室温变化模型存储于室温变化模型存储部113。
例如，模型取得部117在室温模型生成部109不生成室温模型的情况下取得室温模型，在室温变化模型生成部112不生成室温变化模型的情况下取得室温变化模型即可。
以上记载的室内温度估计装置100能够由图2所示的计算机120实现。
如图2所示，计算机120具备辅助存储装置121、通信装置122、存储器123以及处理器124。
辅助存储装置121存储室内温度估计装置100中的处理所需的程序和数据。
通信装置122与其他装置进行通信。
存储器123提供处理器124的作业区域。
处理器124执行室内温度估计装置100中的处理。
例如，室温信息取得部102、温度控制信息取得部104、外部环境信息取得部106、有无影响判定部108、室温模型生成部109、无影响室温估计部111、室温变化模型生成部112、有影响室温估计部114、综合部115、输出部116以及模型取得部117能够通过处理器124将辅助存储装置121所存储的程序读出到存储器123并执行该程序而实现。
室温历史信息存储部103、温度控制信息存储部105、外部环境信息存储部107、室温模型存储部110以及室温变化模型存储部113能够通过处理器124利用辅助存储装置121而实现。
接口部101能够通过处理器124利用通信装置122而实现。
以上那样的程序可以通过网络来提供，还可以记录在记录介质中来提供，以上那样的程序例如也可以作为程序产品来提供。
另外，室内温度估计装置100可以内置在温度控制设备中，也可以是独立的装置。此外，室内温度估计装置100也可以存在于云服务器上。此外，室内温度估计装置100也可以将结构分为多个，由多个装置实现。
接着，对室内温度估计装置100的动作进行说明。室内温度估计装置100的动作在学习阶段和利用阶段这两个阶段进行不同的动作。学习阶段和利用阶段无需分开期间，可以交替地重复进行，也可以并行地进行。
(学习阶段)
使用图3对室内温度估计装置100学习模型的处理进行说明。
图3是示出室内温度估计装置100的学习处理的流程图。
另外，该流程图的步骤的顺序等是一例，也可以进行顺序的更改。
此外，通过室温信息取得部102、温度控制信息取得部104以及外部环境信息取得部106，在室温历史信息存储部103、温度控制信息存储部105以及外部环境信息存储部107中存储需要的信息。
图4是示出在室内温度估计装置100的学习处理中使用的室温历史信息、温度控制信息以及外部环境信息的一例的图表。
例如，图4示出进行学习处理的日期的前日的信息，具体而言，温度控制设备是进行空气调节的空调机，房间是木制住宅的一室。在图4所示的例子中，进行学习处理的日期的前日的一日期间成为学习期间。
图4中的实线L1表示室温历史信息所示的室温。
图4中的单点划线L2表示外部环境信息所示的气温。在该例中，气温是在房间所属的地区观测到的气温。
图4中的箭头以及打开和关闭表示温度控制信息所示的动作状态。在该例中，在一日内，从上午0时00分到上午6时00分，空调机为关闭。此外，从上午6时00分到上午9时00分，空调机为打开，该设定温度为20℃。此外，从上午9时00分到下午12时00分，空调机为关闭。使用该例对以后的学习处理进行说明。
返回图3，首先，有无影响判定部108基于温度控制信息所包含的动作历史信息，判定在室温中存在温度控制设备的影响的有影响期间和在室温中不存在温度控制设备的影响的无影响期间(S10)。这里的有影响期间也称为学习有影响期间，这里的无影响期间也称为学习无影响期间。
在图5中示出有无影响判定的结果的一例。在图5中，该判定的结果由虚线的箭头表示。
如图5所示，温度控制设备为打开的期间、即从上午6时00分到上午9时00分是有影响期间。此外，从温度控制设备成为关闭的关闭开始起的预先决定的期间也是有影响期间。在该例中，预先决定的期间是从关闭开始起的4小时。因此，从上午9时00分到下午1时00分是有影响期间。另外，无影响期间是除此以外的期间，在该例的一日内，从上午0时00分到上午6时00分以及从下午1时00分到下午12时00分是无影响期间。
另外，在该例中将预先决定的期间设为4小时的原因是，从关闭开始起的4小时之后，温度控制设备的影响几乎消失，在说明以后的室温变化模型生成时详细进行记述。
返回图3，接着，室温模型生成部109使用基于室温历史信息和外部环境信息的组合的室温学习用数据，通过所谓的有监督学习，对无影响期间内的室温进行学习，生成学习完毕模型(S11)。这里，有监督学习是指以下方法：通过将具备输入与输出(正解)的组合的学习用数据提供给学习装置，从而学习这些学习用数据中的特征，根据输入而推理输出。
图5中的实线L3表示用于学习的无影响期间内的室温的一例。这里的室温也称为学习室温。
图5中的单点划线L4表示用于学习的气温的一例。这里的气温也称为作为学习状态的学习气温。
该例中的学习用数据是无影响期间内的将这些气温与室温(正解)相互关联起来的数据。作为关联的一例，将成为估计对象的时刻(例如，下午8时00分)的室温设为输出(正解)，将相同时刻的气温、在此之前(例如，一小时前即下午7时00分)的气温、以及之前(例如，一小时前即下午7时00分)的室温设为模型输入。
由于房间所属的建筑物的温度受到气温的影响，因此，将气温设为输入是合适的。此外，由于建筑物通过蓄热而受到过去的外部环境的影响，因此，将过去的气温设为输入是合适的。同样，由于房间通过蓄热而受到过去的室温的影响，因此，将过去的室温设为输入是合适的。
另外，由于建筑物通过日照而变暖，因此追加日照量作为输入是合适的。由于建筑物受到湿度或降水的影响，因此，追加湿度或降水量作为输入是合适的。此外，也可以向输入追加天气、云量、气压或风速等。
此外，也可以减少输入，使得根据较少的输入中也能得到输出。例如，如果仅将气温设为模型输入，则即便不存在过去的室温，也从模型得到估计值。此外，如果仅将过去的室温设为模型输入，则即便不存在气温，也从模型得到估计值。但是，在不存在气温的情况下，认为从得到输入的室温的时刻起随着时间经过，估计精度发生恶化。
然后，室温模型生成部109例如按照线性回归进行学习。具体而言，室温模型生成部109对权重系数进行学习，使得上述的输入的线性加权和与输出(正解)的平方误差成为最小。
另外，也可以使用与上述不同的学习算法。例如，也可以使用支持向量回归、随机森林回归、神经网络模型等。室温模型生成部109通过执行以上那样的学习而生成学习完毕模型。
返回图3，接着，室温模型存储部110存储由室温模型生成部109生成的室温模型(S12)。
接着，无影响室温估计部111在有影响期间内，使用室温模型存储部110所存储的室温模型，对室温进行估计(S13)。这里估计的室温也称为学习假定室温。
图6是表示室温估计结果的例子的图表。
虚线L5表示在步骤S13中估计出的室温。
有影响期间是存在温度控制设备的影响的期间，但由于室温模型对无影响期间的室温进行了学习，因此，在步骤S13中，估计出假设不存在温度控制设备的影响的情况下的室温。
该室温估计结果用于学习由温度控制设备引起的室温变化。该步骤S13对与学习如下的室温变化是重要的，该室温变化表示存在温度控制设备的影响的情况与不存在温度控制设备的影响的情况之间的变化。在现实中，在存在温度控制设备的影响的期间，无法检测不存在温度控制设备的影响的室温。因此，无法计测存在温度控制设备的影响的情况的室温与不存在影响的情况的室温之间的变化值，也无法进行有监督学习。这样，不存在影响的情况的室温无法检测，但是，能够通过使用室温模型进行估计而间接地得到其值。
另外，图6中的实线L6表示无影响期间内的室温，单点划线L4表示气温。能够在实际中检测这些值。
返回图3，接着，室温变化模型生成部112根据基于室温历史信息、温度控制信息以及外部环境信息的组合的室温变化学习用数据，通过所谓的有监督学习，对有影响期间内的室温变化进行学习，生成作为学习完毕模型的室温变化模型(S14)。
图7是用于对有影响期间内的室温变化模型进行说明的图表。
在图7所示的例子中，在为室温10.5℃的上午6时00分，以设定温度20℃将温度控制设备设为打开。
这里，在将作为打开开始时的上午6时00分的设定温度与室温之差设为打开开始时温度差D1时，D1的值为9.5℃。
此外，在为19.9℃的上午9时00分，将温度控制设备设为关闭。另外，上午9时00分的在无影响的情况下估计出的室温为12.2℃。该值是在步骤S13中估计出的值。在将作为关闭开始时的上午9时00分的室温与在无影响的情况下估计出的室温之差设为关闭开始时温度差D2时，D2值为7.7℃。
例如，关于室温变化模型，能够分为温度控制设备为打开的期间内的打开后室温变化模型和从温度控制设备为关闭开始起的预先决定的期间内的关闭后室温变化模型这两个模型而生成。
关于温度控制设备为打开的期间，认为室温接近温度控制设备的设定温度。因此，认为室温与设定温度之间的温度差比打开开始时衰减。该衰减的程度取决于温度控制设备的性能或房间的宽阔度等。因此，为了高精度地估计室温变化，期望根据各房间而对室温变化模型进行学习。但是，取得并利用通过具有相似属性的房间而学习到的学习完毕模型也是有效的。
该例中的室温变化学习用数据是将打开开始时温度差和从打开开始时起的经过时间设为输入、将打开期间内的设定温度与室温之间的温度差设为输出(正解)并将输入与输出相互关联起来得到的数据。
室温变化模型生成部112例如准备指数函数、一次函数或幂函数等作为模型，选择函数并决定对其进行表征的参数，使得模型输出与正解数据的平方误差等成为最小。另外，关于模型，可以是上述那样的函数彼此的总和，也可以是非参数的模型。还可以使用遗传的算法或神经网络来学习函数。
通过执行以上那样的学习，生成打开后室温变化模型。这里，打开后室温变化模型的输出可以是设定温度与室温之间的温度差，也可以是从设定温度减去该温度差而估计的室温，还可以是从该估计出的室温减去在无影响的情况下估计出的室温而得到的室温变化估计值。在本实施方式中，设为打开后室温变化模型输出室温变化估计值来进行说明。
关于从温度控制设备为关闭开始起的预先决定的期间，认为由温度控制设备过剩地加热或制冷的室温通过热移动而接近无影响的状态。即，认为室温与在无影响的情况下估计出的室温之间的温度差相比于关闭开始时而衰减。该衰减的程度取决于房间的隔热性能或大小等。因此，为了高精度地估计室温变化，期望根据各房间而对室温变化模型进行学习。但是，取得并利用在具有相似属性的房间中学习到的学习完毕模型也是有效的。
该例中的学习用数据是将关闭开始时温度差和从关闭开始时起的经过时间设为输入、将关闭期间内的室温与在无影响的情况下估计出的室温之间的温度差设为输出(正解)并将输入与输出相互关联起来得到的数据。
室温变化模型生成部112例如准备指数函数、一次函数或幂函数等作为模型，选择函数并决定对其进行表征的参数，使得模型输出与正解数据的平方误差等成为最小。另外，关于模型，可以是上述那样的函数彼此的总和，也可以是非参数的模型。也可以使用遗传的算法或神经网络来学习函数。通过执行以上那样的学习而生成关闭后室温变化模型。
另外，在本实施方式中，将关闭后室温变化模型作为下述的(1)式所示的指数函数而模型化。另外，如果热移动是由于热传导而引起的，则热流与温度差成比例，此时的解成为指数函数。
ΔT＝ΔTOFFexp(-λt) (1)
这里，t表示从关闭开始时起的经过时间，ΔT表示从关闭开始起t小时后的室温与在无影响的情况下估计出的室温之间的温度差，ΔTOFF表示关闭开始时的室温与在无影响的情况下估计出的室温之间的温度差，λ表示衰减的速度。
在本实施方式中，λ＝0.6。这是因为，在将该室温变化模型应用于木制住宅的数据时，λ＝0.6是最优的。
另外，根据该关闭后室温变化模型，如图7所示，在ΔTOFF＝7.7℃时，在经过了作为预先决定的期间即4小时的时间点，成为ΔT＝0.7℃。如果ΔT＝0.7℃，则温度控制设备的影响在误差的范围内，设为无影响是合适的。由于当前的气象局的最高气温的预报误差的平均值超过1℃，因此，认为室温估计的精度是1℃左右。因此，可以认为小于1℃没有影响。综上所述，在木制住宅中，将阈值设为从关闭开始起4小时是合适的。此外，也可以基于关闭后室温变化模型而决定预先决定的期间。有无影响判定部108例如也可以将直至ΔT衰减到ΔTOFF的10％以下为止设为有影响期间，将在此之后决定为无影响期间。或者，有无影响判定部108也可以将直至ΔT衰减到1℃以下为止设为有影响期间，将在此之后决定为无影响期间。这里，作为例子而举出的值是一例，也可以通过其他值来决定预先决定的期间。
返回图3，接着，室温变化模型存储部113存储由室温变化模型生成部112生成的室温变化模型(S15)。在不进行室温变化模型生成的情况下，省略该步骤。
另外，在室内温度估计装置100中，在不生成室温模型和室温变化模型的情况下，无需进行图3所示的流程图。在这样的情况下，模型取得部117经由接口部101从网络取得室温模型和室温变化模型即可。然后，模型取得部117将室温模型存储于室温模型存储部110，将室温变化模型存储于室温变化模型存储部113即可。在这样的情况下，也期望通过与图3所示的流程图同样的处理而生成室温模型和室温变化模型。
(利用阶段)
使用图8来说明室内温度估计装置100进行室温估计的处理。
图8是示出室内温度估计装置100的估计处理的流程图。
另外，该流程图的步骤的顺序等是一例，也可以进行顺序的更改。
此外，通过室温信息取得部102、温度控制信息取得部104以及外部环境信息取得部106，在室温历史信息存储部103、温度控制信息存储部105以及外部环境信息存储部107中存储有需要的信息。
图9是示出在室内温度估计装置100的估计处理中使用的室温历史信息、温度控制信息以及外部环境信息的一例的图表。
例如，图9是进行估计处理的当日的数据，具体而言，温度控制设备是空调机。这里，估计处理在上午4时30分进行。
图9中的实线L9表示存储在室温历史信息存储部103中的室温历史信息所示的室温，存储有进行估计处理的上午4时30分之前的室温。
图9中的单点划线L10表示存储在外部环境信息存储部107中的外部环境信息所示的气温。在该例中，气温是房间所属的地区的预报气温。这里的气温是作为对象状态的对象气温。
图9中的箭头以及打开和关闭表示包含在温度控制信息中的动作计划信息所示的动作计划。在该例中，从上午0时00分到上午6时00分为止预定为关闭，从上午6时00分到上午9时00分为止，预定空调机为打开，且设定温度预定为20℃，从上午9时00分到下午12时00分为止，空调机预定为关闭。
使用该例对以后的估计处理进行说明。
首先，有无影响判定部108基于温度控制信息所包含的动作计划信息，判定在室温中存在温度控制设备的影响的有影响期间、以及在室温中不存在温度控制设备的影响的无影响期间(S20)。这里的有影响期间也称为对象有影响期间，这里的无影响期间也称为对象无影响期间。
由图10的虚线的箭头示出有无影响判定的结果的一例。
温度控制设备为打开的期间、即从上午6时00分到上午9时00分是有影响期间。
此外，从温度控制设备为关闭开始起的预先决定的期间也是有影响期间，但在该例中，预先决定的期间是从关闭开始起的4小时。因此，从上午9时00分到下午1时00分是有影响期间。
另外，无影响期间是除此以外的期间，在该例中，是从上午0时00分到上午6时00分以及从下午1时00分到下午12时00分。
返回图8，接着，无影响室温估计部111使用室温模型存储部110所存储的室温模型，对室温进行估计(S21)。也将这里估计出的室温设为第1估计室温。
图10中的虚线L11表示室温估计结果的一例。
在该例中，使用直至上午4时30分为止的室温和预报气温，估计出上午4时30分以后的室温。由于室温模型学习了无影响期间的室温，因此，估计结果表示温度控制设备持续为关闭的情况下的室温。
另外，在所使用的室温模型中，输入也可以仅为气温或者仅为室温。例如，在输入仅为室温的情况下，从得到输入的室温的时刻起随着时间经过，估计精度发生恶化，但能够不取得外部环境信息而进行室内温度估计装置100的估计处理。
接着，综合部115判断在成为估计室温的对象的期间即室温估计对象期间内是否包含有影响期间(S22)。在室温估计对象期间内包含有影响期间的情况下(S22中的“是”)，处理进入步骤S23，在室温估计对象期间内不包含有影响期间的情况下(S22中的“否”)，处理进入步骤S25。
在步骤S23中，有影响室温估计部114使用室温变化模型存储部113所存储的室温变化模型，根据室温历史信息、温度控制信息以及无影响的情况下的室温，对有影响期间内的室温变化进行估计，由此估计有影响期间内的室温。也将这里估计出的室温称为第2估计室温。
在图10所示的例子中，能够根据打开开始时即上午6时00分的设定温度和无影响的情况下的室温，来估计打开开始时温度差，通过将该打开开始时温度差输入到打开后室温变化模型，能够估计打开期间的室温变化。
此外，通过将作为打开期间的室温变化估计结果的、关闭开始时即上午9时00分的室温与该时刻的无影响的情况下的室温之差设为关闭开始时温度差，并将其输入到关闭后室温变化模型，能够估计关闭期间的室温变化。
接着，综合部115通过对从无影响室温估计部111提供的室温估计结果与从有影响室温估计部114提供的室温变化估计结果进行综合，从而生成最终的室温估计结果即综合室温估计结果(S24)。在该例中，综合部115通过连结由无影响室温估计部111估计出的无影响期间的室温与由有影响室温估计部114估计出的有影响期间的室温而生成综合室温估计结果。
图11的虚线L12表示综合室温估计结果所示的室温的一例。
在步骤S25中，输出部116输出综合室温估计结果。另外，在步骤S22中判断为在室温估计对象期间内不包含有影响期间的情况下(S22中的“否”)，综合部115将在步骤S21中估计出的室温估计结果作为综合室温估计结果提供给输出部116。
所输出的综合室温估计结果如以下那样使用。
例如，假设温度控制设备是空调机，房间是用户的住宅的客厅。室内温度估计装置100预测空调机为关闭的情况下的将来的室温，在预测出的室温高而可能导致用户中暑的情况下、或者在预测出的室温的变化大而可能使用户的血压不稳定的情况下，向用户通知室温估计值或者控制空调机，从而事先防止用户的健康危害。
此外，室内温度估计装置100例如通过预测打开空调机之后的室温，从而向用户通知回家时刻的室温，促进用户进行空调机的动作设定，使得在回家时房间变得舒适。
此外，室内温度估计装置100例如通过预测关闭空调机之后的室温，从而向用户示出即便在比上班时刻稍提前的时刻设为关闭也能够维持舒适性，促进节能。
根据以上的实施方式，室内温度估计装置100根据温度控制设备的影响的有无而划分情况，并使用无影响期间内的室温模型和有影响期间内的室温变化模型，由此能够简化学习完毕模型。例如，无影响期间内的室温模型能够通过排除温度控制设备的影响而简化模型，有影响期间内的室温变化模型能够通过将外部环境的影响转嫁到室温模型而简化模型。
如赤池信息量基准等所示那样，模型越复杂则越容易引起过拟合，为了提高精度，需要更多的学习数据。本实施方式通过简化模型，在使模型学习的情况下，能够减少到满足所需要的估计精度为止所需的数据数，因此，能够提早开始提供利用了室温估计值的服务。此外，能够减少在利用模型时应处理或保存的数据量，降低计算的负荷。
此外，如以上那样对实施方式进行了说明，但本公开不限于这些实施方式。在本实施方式中，示出了温度控制设备使房间变暖的情况下的学习处理和估计处理的一例，但在温度控制设备使房间变凉的情况下也能够同样地进行学习处理和估计处理。
附图标记说明
100室内温度估计装置，101接口部，102室温信息取得部，103室温历史信息存储部，104温度控制信息取得部，105温度控制信息存储部，106外部环境信息取得部，107外部环境信息存储部，108有无影响判定部，109室温模型生成部，110室温模型存储部，111无影响室温估计部，112室温变化模型生成部，113室温变化模型存储部，114有影响室温估计部，115综合部，116输出部，117模型取得部。

Claims (16)

1.一种室内温度估计装置，其特征在于，
所述室内温度估计装置具备：
室温历史信息存储部，其存储关于室内的温度即室温而表示学习室温的历史的室温历史信息，该学习室温是进行学习的期间即学习期间内的所述室温；
动作历史信息存储部，其存储动作历史信息，该动作历史信息表示控制所述室温的温度控制设备在所述学习期间内的动作的历史；
外部环境信息存储部，其存储关于室外的状态而表示所述学习期间内的所述状态即学习状态的学习外部环境信息；
有无影响判定部，其根据所述动作历史信息，在所述学习期间内确定所述室温受到所述温度控制设备的影响的期间即学习有影响期间、以及所述室温不受到所述温度控制设备的影响的期间即学习无影响期间；
室温模型生成部，其参照所述室温历史信息和所述学习外部环境信息，对所述学习无影响期间内的所述学习状态和所述学习室温进行学习，由此生成表示所述状态与所述室温之间的关系的室温模型；
无影响室温估计部，其参照所述学习外部环境信息，使用所述室温模型来估计学习假定室温，该学习假定室温是所述学习有影响期间内的假定为不存在所述温度控制设备的影响的情况下的所述室温；以及
室温变化模型生成部，其参照所述室温历史信息和所述动作历史信息，对所述学习有影响期间内的所述学习室温和所述学习假定室温进行学习，由此生成表示由所述温度控制设备引起的所述室温的变化的室温变化模型。
2.根据权利要求1所述的室内温度估计装置，其特征在于，
所述学习有影响期间是所述温度控制设备为打开的期间、以及从所述温度控制设备被设为关闭起的预先决定的期间，
所述学习无影响期间是所述学习有影响期间以外的期间。
3.根据权利要求2所述的室内温度估计装置，其特征在于，
所述室温变化模型生成部生成打开期间室温变化模型和关闭期间室温变化模型作为所述室温变化模型，
所述打开期间室温变化模型是通过对所述温度控制设备被设为打开的时刻的所述学习假定室温与所述温度控制设备的设定温度之间的温度差、以及从所述温度控制设备被设为打开起的时间序列的所述学习室温进行学习而生成的，其示出从所述温度控制设备被设为打开起到所述温度控制设备被设为关闭为止的所述室温的变化，
所述关闭期间室温变化模型是通过对所述温度控制设备被设为关闭的时刻的所述学习假定室温与所述温度控制设备被设为关闭的时刻的所述学习室温之间的温度差、以及从所述温度控制设备被设为关闭起的时间序列的所述学习室温进行学习而生成的，其示出从所述温度控制设备被设为关闭起到经过所述预先决定的期间为止的所述室温的变化。
4.根据权利要求1至3中的任意一项所述的室内温度估计装置，其特征在于，
所述室内温度估计装置还具备：
动作计划信息存储部，其存储动作计划信息，该动作计划信息表示估计所述室温的期间即对象期间内的所述温度控制设备的动作计划；以及
对象外部环境信息存储部，其存储对象外部环境信息，该对象外部环境信息表示所述对象期间内的所述状态即对象状态，
所述有无影响判定部通过参照所述动作计划信息，在所述对象期间内确定所述室温受到所述温度控制设备的影响的期间即对象有影响期间、以及所述室温不受到所述温度控制设备的影响的期间即对象无影响期间，
所述无影响室温估计部通过参照所述对象外部环境信息，使用所述室温模型，根据所述对象状态来估计所述对象期间内的所述室温即第1估计室温，
所述室内温度估计装置还具备：
有影响室温估计部，其通过参照所述动作计划信息，使用所述室温变化模型，根据所述对象有影响期间内的所述温度控制设备的设定温度和所述第1估计室温，来估计所述对象有影响期间内的所述室温的变化，由此估计所述对象有影响期间内的所述室温即第2估计室温；以及
综合部，其通过对所述第1估计室温和所述第2估计室温进行综合，生成所述对象期间内的所述室温的估计结果。
5.根据权利要求4所述的室内温度估计装置，其特征在于，
所述对象有影响期间是所述温度控制设备为打开的期间、以及从所述温度控制设备被设为关闭起的预先决定的期间，
所述对象无影响期间是所述对象有影响期间以外的期间。
6.根据权利要求1至5中的任意一项所述的室内温度估计装置，其特征在于，
所述温度控制设备是对所述室内的空气进行调节的空调机。
7.一种室内温度估计装置，其特征在于，
所述室内温度估计装置具备：
动作计划信息存储部，其存储动作计划信息，该动作计划信息关于室内的温度即室温而表示估计所述室温的期间即对象期间内的控制所述室温的温度控制设备的动作计划；
对象外部环境信息存储部，其存储对象外部环境信息，该对象外部环境信息关于室外的状态而表示所述对象期间内的所述状态即对象状态；
室温模型存储部，其存储表示所述状态与所述室温之间的关系的室温模型；
室温变化模型存储部，其存储表示由所述温度控制设备引起的所述室温的变化的室温变化模型；
有无影响判定部，其通过参照所述动作计划信息，在所述对象期间内确定所述室温受到所述温度控制设备的影响的期间即对象有影响期间、以及所述室温不受到所述温度控制设备的影响的期间即对象无影响期间；
无影响室温估计部，其通过参照所述对象外部环境信息，使用所述室温模型，根据所述对象状态来估计所述对象期间内的所述室温即第1估计室温；
有影响室温估计部，其通过参照所述动作计划信息，使用所述室温变化模型，根据所述对象有影响期间内的所述温度控制设备的设定温度和所述第1估计室温，来估计所述对象有影响期间内的所述室温的变化，由此估计所述对象有影响期间内的所述室温即第2估计室温；以及
综合部，其通过对所述第1估计室温和所述第2估计室温进行综合，生成所述对象期间内的所述室温的估计结果。
8.根据权利要求7所述的室内温度估计装置，其特征在于，
所述对象有影响期间是所述温度控制设备为打开的期间、以及从所述温度控制设备被设为关闭起的预先决定的期间，
所述对象无影响期间是所述对象有影响期间以外的期间。
9.根据权利要求7或8所述的室内温度估计装置，其特征在于，
所述室内温度估计装置还具备：
室温历史信息存储部，其存储表示学习室温的历史的室温历史信息，该学习室温是进行学习的期间即学习期间内的所述室温；
动作历史信息存储部，其存储动作历史信息，该动作历史信息表示所述温度控制设备在所述学习期间内的动作的历史；
外部环境信息存储部，其存储表示所述学习期间内的所述状态即学习状态的学习外部环境信息；
有无影响判定部，其根据所述动作历史信息，在所述学习期间内确定所述室温受到所述温度控制设备的影响的期间即学习有影响期间、以及所述室温不受到所述温度控制设备的影响的期间即学习无影响期间；以及
室温模型生成部，其参照所述室温历史信息和所述学习外部环境信息，对所述学习无影响期间内的所述学习状态和所述学习室温进行学习，由此生成所述室温模型，
所述无影响室温估计部参照所述学习外部环境信息，使用所述室温模型，来估计学习假定室温，该学习假定室温是所述学习有影响期间内的假定为不存在所述温度控制设备的影响的情况下的所述室温，
所述室内温度估计装置还具备室温变化模型生成部，该室温变化模型生成部参照所述室温历史信息和所述动作历史信息，对所述学习有影响期间内的所述学习室温和所述学习假定室温进行学习，由此生成表示由所述温度控制设备引起的所述室温的变化的室温变化模型。
10.根据权利要求9所述的室内温度估计装置，其特征在于，
所述学习有影响期间是所述温度控制设备为打开的期间、以及从所述温度控制设备被设为关闭起的预先决定的期间，
所述学习无影响期间是所述学习有影响期间以外的期间。
11.根据权利要求10所述的室内温度估计装置，其特征在于，
所述室温变化模型生成部生成打开期间室温变化模型和关闭期间室温变化模型作为所述室温变化模型，
所述打开期间室温变化模型是通过对所述温度控制设备被设为打开的时刻的所述学习假定室温与所述温度控制设备的设定温度之间的温度差、以及从所述温度控制设备被设为打开起的时间序列的所述学习室温进行学习而生成的，其示出从所述温度控制设备被设为打开起到所述温度控制设备被设为关闭为止的室温的变化，
所述关闭期间室温变化模型是通过对所述温度控制设备被设为关闭的时刻的所述学习假定室温与所述温度控制设备被设为关闭的时刻的所述学习室温之间的温度差、以及从所述温度控制设备被设为关闭起的时间序列的所述学习室温进行学习而生成的，其示出从所述温度控制设备被设为关闭起到经过所述预先决定的期间为止的所述室温的变化。
12.根据权利要求7至11中的任意一项所述的室内温度估计装置，其特征在于，
所述温度控制设备是对所述室内的空气进行调节的空调机。
13.一种程序，其特征在于，
所述程序使计算机作为以下各部发挥功能：
室温历史信息存储部，其存储关于室内的温度即室温而表示学习室温的历史的室温历史信息，该学习室温是进行学习的期间即学习期间内的所述室温；
动作历史信息存储部，其存储动作历史信息，该动作历史信息表示控制所述室温的温度控制设备在所述学习期间内的动作的历史；
外部环境信息存储部，其存储关于室外的状态而表示所述学习期间内的所述状态即学习状态的学习外部环境信息；
有无影响判定部，其根据所述动作历史信息，在所述学习期间内确定所述室温受到所述温度控制设备的影响的期间即学习有影响期间、以及所述室温不受到所述温度控制设备的影响的期间即学习无影响期间；
室温模型生成部，其参照所述室温历史信息和所述学习外部环境信息，对所述学习无影响期间内的所述学习状态和所述学习室温进行学习，由此生成表示所述状态与所述室温之间的关系的室温模型；
无影响室温估计部，其参照所述学习外部环境信息，使用所述室温模型来估计学习假定室温，该学习假定室温是所述学习有影响期间内的假定为不存在所述温度控制设备的影响的情况下的所述室温；以及
室温变化模型生成部，其参照所述室温历史信息和所述动作历史信息，对所述学习有影响期间内的所述学习室温和所述学习假定室温进行学习，由此生成表示由所述温度控制设备引起的所述室温的变化的室温变化模型。
14.一种程序，其特征在于，
所述程序使计算机作为以下各部发挥功能：
动作计划信息存储部，其存储动作计划信息，该动作计划信息关于室内的温度即室温而表示估计所述室温的期间即对象期间内的控制所述室温的温度控制设备的动作计划；
对象外部环境信息存储部，其存储对象外部环境信息，该对象外部环境信息关于室外的状态而表示所述对象期间内的所述状态即对象状态；
室温模型存储部，其存储表示所述状态与所述室温之间的关系的室温模型；
室温变化模型存储部，其存储表示由所述温度控制设备引起的所述室温的变化的室温变化模型；
有无影响判定部，其通过参照所述动作计划信息，在所述对象期间内确定所述室温受到所述温度控制设备的影响的期间即对象有影响期间、以及所述室温不受到所述温度控制设备的影响的期间即对象无影响期间；
无影响室温估计部，其通过参照所述对象外部环境信息，使用所述室温模型，根据所述对象状态来估计所述对象期间内的所述室温即第1估计室温；
有影响室温估计部，其通过参照所述动作计划信息，使用所述室温变化模型，根据所述对象有影响期间内的所述温度控制设备的设定温度和所述第1估计室温，来估计所述对象有影响期间内的所述室温的变化，由此估计所述对象有影响期间内的所述室温即第2估计室温；以及
综合部，其通过对所述第1估计室温和所述第2估计室温进行综合，生成所述对象期间内的所述室温的估计结果。
15.一种室内温度估计方法，其特征在于，
根据表示对室温进行控制的温度控制设备在学习期间内的动作的历史的动作历史信息，在所述学习期间内确定所述室温受到所述温度控制设备的影响的期间即学习有影响期间、以及所述室温不受到所述温度控制设备的影响的期间即学习无影响期间，其中，该室温是室内的温度，该学习期间是进行学习的期间，
参照表示所述学习期间内的所述室温即学习室温的历史的室温历史信息和关于室外的状态而表示所述学习期间内的所述状态即学习状态的学习外部环境信息，对所述学习无影响期间内的所述学习状态和所述学习室温进行学习，由此生成表示所述状态与所述室温之间的关系的室温模型，
参照所述学习外部环境信息，使用所述室温模型来估计学习假定室温，该学习假定室温是所述学习有影响期间内的假定为不存在所述温度控制设备的影响的情况下的所述室温，
参照所述室温历史信息和所述动作历史信息，对所述学习有影响期间内的所述学习室温和所述学习假定室温进行学习，由此生成表示由所述温度控制设备引起的所述室温的变化的室温变化模型。
16.一种室内温度估计方法，其特征在于，
通过参照关于室内的温度即室温而表示对象期间内的控制所述室温的温度控制设备的动作计划的动作计划信息，在所述对象期间内确定所述室温受到所述温度控制设备的影响的期间即对象有影响期间、以及所述室温不受到所述温度控制设备的影响的期间即对象无影响期间，其中，该对象期间是估计所述室温的期间，
通过参照关于室外的状态而表示所述对象期间内的所述状态即对象状态的对象外部环境信息，使用表示所述状态与所述室温之间的关系的室温模型，根据所述对象状态来估计所述对象期间内的所述室温即第1估计室温，
通过参照所述动作计划信息，使用表示由所述温度控制设备引起的所述室温的变化的室温变化模型，根据所述对象有影响期间内的所述温度控制设备的设定温度和所述第1估计室温，来估计所述对象有影响期间内的所述室温的变化，由此估计所述对象有影响期间内的所述室温即第2估计室温，
通过对所述第1估计室温和所述第2估计室温进行综合，生成所述对象期间内的所述室温的估计结果。
CN202080100771.1A 2020-05-18 2020-05-18 室内温度估计装置、程序以及室内温度估计方法 Pending CN115552182A (zh)

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
PCT/JP2020/019590 WO2021234763A1 (ja) 2020-05-18 2020-05-18 室内温度推定装置、プログラム及び室内温度推定方法

Publications (1)

Publication Number Publication Date
CN115552182A true CN115552182A (zh) 2022-12-30

Family

ID=78708208

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202080100771.1A Pending CN115552182A (zh) 2020-05-18 2020-05-18 室内温度估计装置、程序以及室内温度估计方法

Country Status (5)

Country Link
US (1) US20230123181A1 (zh)
JP (1) JP7499851B2 (zh)
CN (1) CN115552182A (zh)
DE (1) DE112020007213T5 (zh)
WO (1) WO2021234763A1 (zh)

Families Citing this family (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20220023007A (ko) * 2020-08-20 2022-03-02 삼성전자주식회사 전자 장치 및 그 제어 방법

Family Cites Families (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP5950610B2 (ja) 2012-02-16 2016-07-13 三菱電機株式会社 空気調和機
JP6807556B2 (ja) 2015-10-01 2021-01-06 パナソニックＩｐマネジメント株式会社 空調制御方法、空調制御装置及び空調制御プログラム
JP2019100687A (ja) 2017-12-08 2019-06-24 パナソニックＩｐマネジメント株式会社 空調制御方法及び空調制御装置
JP2019184154A (ja) 2018-04-10 2019-10-24 三菱電機株式会社 空調装置
JP6760348B2 (ja) 2018-10-11 2020-09-23 株式会社富士通ゼネラル 空気調和機、データ送信方法及び空気調和システム

Also Published As

Publication number Publication date
US20230123181A1 (en) 2023-04-20
DE112020007213T5 (de) 2023-03-09
WO2021234763A1 (ja) 2021-11-25
JPWO2021234763A1 (zh) 2021-11-25
JP7499851B2 (ja) 2024-06-14

Similar Documents

Publication Publication Date Title
KR102212663B1 (ko) 목표 온도를 기반으로 하는 빌딩의 열·공조 시스템에 대한 공급 전력 제어 방법 및 장치
Gupta et al. Energy-efficient heating control for smart buildings with deep reinforcement learning
CN106817909B (zh) 空调控制方法、空调控制装置以及计算机可读记录介质
CN102812303B (zh) Hvac控制系统和方法
US10353983B2 (en) Temperature controlled systems
Privara et al. Model predictive control of a building heating system: The first experience
Maasoumy et al. Selecting building predictive control based on model uncertainty
JP2020067270A (ja) 空調制御プログラム、空調制御方法および空調制御装置
US11353232B2 (en) Control method, control apparatus, and non-transitory computer-readable storage medium for storing program
Kontes et al. Intelligent BEMS design using detailed thermal simulation models and surrogate-based stochastic optimization
Yang et al. Optimum operating performance based online fault-tolerant control strategy for sensor faults in air conditioning systems
Pandey et al. A thermal comfort-driven model predictive controller for residential split air conditioner
CA3058316A1 (en) Systems and methods of predicting energy usage
Pargfrieder et al. An integrated control system for optimizing the energy consumption and user comfort in buildings
CN115552182A (zh) 室内温度估计装置、程序以及室内温度估计方法
Sonnekalb et al. Smart hot water control with learned human behavior for minimal energy consumption
US11079131B2 (en) Control method, control apparatus, and non-transitory computer-readable storage medium for storing program performed by computer
US10823446B2 (en) System of adjusting load of air conditioning and method of adjusting the same
Scarcello et al. Pursuing energy saving and thermal comfort with a human-driven DRL approach
Biemann et al. Data Center HVAC Control Harnessing Flexibility Potential via Real-Time Pricing Cost Optimization Using Reinforcement Learning
EP3771957A1 (en) Method and system for controlling of heating, ventilation and air conditioning
Kaushik et al. Ocsrl: An model-based reinforcement learning approach to optimize energy consumption of cooling systems
CN113310176B (zh) 信息处理装置
KR20230093678A (ko) 강화학습을 이용한 건물의 에너지를 관리하는 장치 및 방법
JP7332865B2 (ja) 情報処理方法、情報処理装置、及びプログラム

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination