JP2012154550A

JP2012154550A - 熱源システム構成探索装置及びその方法並びにプログラム

Info

Publication number: JP2012154550A
Application number: JP2011013364A
Authority: JP
Inventors: Noriyasu Maehara; 則保前原; Yoshie Tsugano; 良枝栂野
Original assignee: Mitsubishi Heavy Industries Ltd
Current assignee: Mitsubishi Heavy Industries Ltd
Priority date: 2011-01-25
Filing date: 2011-01-25
Publication date: 2012-08-16
Anticipated expiration: 2031-01-25
Also published as: JP5693257B2

Abstract

【課題】複数の熱源機候補の中から所定の熱負荷を満足する熱源機の好適な組合せとそれらの容量比率を効率的に決定することを目的とする。
【解決手段】複数の機種からなる熱源機候補の中から、条件として与えられた熱負荷を供給可能な熱源機の機種およびその容量比率の組合せを複数設定し、該組合せの各々を遺伝子として遺伝子集団を生成する工程と、遺伝子の各々について、所定の熱負荷を供給する場合のランニングコストを算出する工程と、ランニングコストが低い遺伝子から順番に所定数選択する工程と、選択した所定数の遺伝子を初期ポイントとして探索空間に設定し、滑降シンプレックス法を用いて該初期ポイントから一つの収束ポイントを求める工程と、収束ポイントをエリートとして採用するとともに、交差および突然変異を行って新たな遺伝子集団を生成する工程とをコンピュータが実行し、所定の収束条件を満たす遺伝子が探索されるまで解の探索を行う。
【選択図】図２

Description

本発明は、条件として与えられた熱負荷を供給可能な熱源機の機種およびその容量比率の組合せを、ランニングコストを考慮して決定する熱源システム構成探索装置およびその方法並びにプログラムに関するものである。

従来、大規模な熱供給プラントを設計する際には、インバータターボ冷凍機、固定速ターボ冷凍機、空冷ヒートポンプなど複数種類の熱源機の中から、条件として与えられた熱負荷を供給するのに最適であると考えられる熱源機の組合せを計画実施者が決定していた。したがって、同じような負荷条件であっても、計画実施者によって採用する熱源機の組合せや各熱源機の容量比率が異なり、計画実施者の経験値などによって経済性・省エネルギー性の差異が生じていた。

また、特許文献１には、大規模な熱供給プラントにおいて、需要の変動や機器の故障などによって運転計画に変更が生じた場合に、その運転計画を効率よくかつ高速に立案する方法が提案されている。具体的には、遺伝子アルゴリズムを応用して蓄熱装置の蓄熱計画を作成している。

また、特許文献２には、ファジィ推論ルールの自動生成方法において、パラメータの調整を２段階に分け、第１段階において遺伝アルゴリズムを用いて誤差が所定内となるパラメータ値を求め、更に、第２段階において最急降下法などを用いてパラメータ値を更に調整する技術が開示されている。

特開平８−１３６１７４号公報特開平７−２８６４９号公報

しかしながら、上記特許文献１に開示されているような遺伝子アルゴリズムを用いた最適解の探索は、膨大な計算が必要であり、最適解を得るまでに時間がかかるという欠点がある。
また、特許文献２に開示されている方法は、遺伝アルゴリズムと最急降下法とを用いてファジィ制御で用いるメンバーシップ関数を求める技術であるが、この方法をそのまま熱源システムの構成を決定する技術に転用することはできない。更に、最急降下法は、連続した空間を必要とするため、離散的なデータしか存在しない計算には適用することが難しいという欠点がある。

本発明は、このような事情に鑑みてなされたものであって、複数の熱源機候補の中から条件として与えられた熱負荷を供給可能な熱源機の好適な組合せと容量比率とを効率的に決定することのできる熱源システム構成探索装置及びその方法並びにプログラムを提供することを目的とする。

上記課題を解決するために、本発明は以下の手段を採用する。
本発明は、条件として与えられた熱負荷を供給可能な熱源機の機種およびその容量比率の組合せをランニングコストを考慮して決定する熱源システム構成探索装置であって、複数の機種からなる熱源機候補の中から前記熱負荷を供給可能な熱源機の機種およびその容量比率の組合せを複数設定し、該組合せの各々を遺伝子として遺伝子集団を生成する手段と、前記遺伝子の各々について、所定の熱負荷を供給する場合のランニングコストを算出する手段と、前記ランニングコストが低い遺伝子から順番に所定数選択する手段と、選択された前記所定数の遺伝子を初期ポイントとして探索空間に設定し、滑降シンプレックス法を用いて該初期ポイントから一つの収束ポイントを求める手段と、前記収束ポイントをエリートとして採用するとともに、交差および突然変異を行って新たな遺伝子集団を生成する手段とを備え、所定の収束条件を満たす遺伝子が探索されるまで解の探索を行う熱源システム構成探索装置を提供する。

上記構成によれば、複数の機種からなる熱源機候補の中から、熱負荷を供給可能な熱源機の機種およびその容量比率の組合せが複数設定され、これら組合せの各々を遺伝子として遺伝子集団が生成される。続いて、遺伝子集団のそれぞれの遺伝子について、所定の熱負荷を供給する場合のランニングコストが算出され、このランニングコスト計算結果が遺伝子の適合度として評価されて、ランニングコストが低い遺伝子から順番に所定数選択される。選択された所定数の遺伝子は、遺伝子形式のデータから熱源機器の容量比率情報に変換され、変換されたデータを用いて滑降シンプレックス法により一つの収束ポイントが探索される。例えば、選択された遺伝子データから変換された熱源機器の容量比率情報（初期ポイント）をもとに、この容量比率情報を少し変化させた計算ポイントを設定し、これら初期ポイントおよび計算ポイントから滑降シンプレックス法により一つの収束ポイントが探索される。この収束ポイントは、熱源機の容量比率情報から遺伝子形式データに変換され、次世代の遺伝子を作成するための熱源機器の優良組み合わせとして用いられる。具体的には、この遺伝子データをもとに、交差および突然変異が行われて新たな遺伝子集団が生成される。そして、所定の収束条件を満たす遺伝子が見つかるまで、繰り返し解の探索が行われる。
このように、遺伝アルゴリズムと滑降シンプレックス法とを組合せ、遺伝アルゴリズムを用いて最適解が存在しそうなエリアを大局的に絞り込み、このエリアにおける解を滑降シンプレックス法で絞り込むこととした。これにより、遺伝アルゴリズム単体で解を探索する場合に比べて探索回数を大幅に削減できる。また、局所解に陥った場合であっても、遺伝アルゴリズムにより遺伝子の交差や突然変異が実施されるので、局所解から脱出でき、確実に最適解を探索することができる。

本発明は、条件として与えられた熱負荷を供給可能な熱源機の機種およびその容量比率の組合せをランニングコストを考慮して決定する熱源機構成探索方法であって、コンピュータが、複数の機種からなる熱源機候補の中から前記熱負荷を供給可能な熱源機の機種およびその容量比率の組合せを複数設定し、該組合せの各々を遺伝子として遺伝子集団を生成する工程と、前記遺伝子の各々について、所定の熱負荷を供給する場合のランニングコストを算出する工程と、前記ランニングコストが低い遺伝子から順番に所定数選択する工程と、選択された前記所定数の遺伝子を初期ポイントとして探索空間に設定し、滑降シンプレックス法を用いて該初期ポイントから一つの収束ポイントを求める工程と、前記収束ポイントをエリートとして採用するとともに、交差および突然変異を行って新たな遺伝子集団を生成する工程とを実行し、所定の収束条件を満たす遺伝子が探索されるまで解の探索を行う熱源システム構成探索方法を提供する。

本発明は、条件として与えられた熱負荷を供給可能な熱源機の機種およびその容量比率の組合せをランニングコストを考慮して決定するための熱源機構成探索プログラムであって、複数の機種からなる熱源機候補の中から前記熱負荷を供給可能な熱源機の機種およびその容量比率の組合せを複数設定し、該組合せの各々を遺伝子形式のデータとして遺伝子集団を生成する処理と、前記遺伝子の各々について、所定の熱負荷を供給する場合のランニングコストを算出する処理と、前記ランニングコストが低い遺伝子から順番に所定数選択する処理と、選択された前記所定数の遺伝子を初期ポイントとして探索空間に設定し、滑降シンプレックス法を用いて該初期ポイントから対応する収束ポイントを求める処理と、前記収束ポイントをエリートとして採用するとともに、交差および突然変異を行って新たな遺伝子集団を生成する処理とをコンピュータに実行させ、所定の収束条件を満たす遺伝子が探索されるまで解の探索を行わせる熱源システム構成探索プログラムを提供する。

本発明によれば、複数の熱源機候補の中から条件として与えられた熱負荷を供給可能な熱源機の好適な組合せと容量比率を効率的に決定することができるという効果を奏する。

本発明の一実施形態に係る熱源システム構成探索装置のハードウェア構成を示したブロック図である。本発明の一実施形態に係る熱源システム構成探索装置により実行される処理手順を示したフローチャートである。遺伝子として設定された熱源機の組合せと容量比率の例を示した図である。図３に示した組合せに基づく遺伝子データ構造の一例を示した図である。滑降シンプレックス法の手順について簡単に説明するための説明図である。遺伝子交差について説明するための図である。突然変異について説明するための図である。運転パターン探索方法の処理手順を示したフローチャートである。２００ｋＷの冷房負荷が選択された場合の熱源機の運転組合せの概念図を示した図である。運転組合せと電力デマンドとの関係の一例を示した図である。空冷チラーの性能特性の一例を示した図である。吸収冷凍機の性能特性の一例を示した図である。インバータターボ冷凍機の性能特性の一例を示した図である。固定速ターボ冷凍機の性能特性の一例を示した図である。電力料金の一例を示した図である。運転組合せとランニングコストとの関係の一例を示した図である。本発明の一実施形態に係る熱源システム構成探索装置の効果について説明するための図である。冷房負荷の年間パターンの一例を示した図である。

以下に、本発明の一実施形態に係る熱源システム構成探索装置について、図面を参照して説明する。本実施形態に係る熱源システム構成探索装置は、条件として与えられた熱負荷に対し、ランニングコストが最小となる熱源機の組合せおよびその容量比率を最適解として探索する装置である。本実施形態では、遺伝子アルゴリズムと滑降シンプレックス法とを組み合わせた手法により上記最適解を探索する点を主な特徴の一つとしている。

一般的に、遺伝アルゴリズムは、局所解に陥っても突然変異等により局所解から脱出することができるという利点を有するが、最適解の探索は遺伝子交差および突然変異の確率的な計算によるため、計算回数が膨大になるという欠点がある。
また、滑降シンプレックス法は、探索空間の形状をたどりながら最適解を探索していくので、計算出発点がよければ最適解に少ない計算回数で到達できるという利点を有するが、局所解に陥ったときには脱出困難であるとの欠点を有する。
本実施形態では、上記の如き遺伝アルゴリズムと滑降シンプレックス法の利点を活かすように組み合わせ、計算回数を抑えつつ、確実に最適解を探索する新規なアルゴリズムを用いて最適解の探索を行う。

以下、具体的な装置構成および処理手順について説明する。
図１は、本実施形態に係る熱源システム構成探索装置１０のハードウェア構成を示した図である。図１に示すように、熱源システム構成探索装置１０は、コンピュータシステムであり、ＣＰＵ（中央演算処理装置）１１、ＲＡＭ（Random Access Memory）等の主記憶装置１２、補助記憶装置１３、キーボードやマウスなどの入力装置１４、及びディスプレイやプリンタなどの出力装置１５、外部の機器と通信を行うことにより情報の授受を行う通信装置１６などを備えている。

補助記憶装置１３は、コンピュータ読取可能な記録媒体であり、例えば、磁気ディスク、光磁気ディスク、ＣＤ−ＲＯＭ、ＤＶＤ−ＲＯＭ、半導体メモリ等である。この補助記憶装置１３には、各種プログラム（例えば、熱源システム構成探索プログラム、運転パターン探索プログラムなど）が格納されており、ＣＰＵ１１が補助記憶装置１３から主記憶装置１２にプログラムを読み出し、実行することにより最適解の探索などが行われる。

図２は、熱源システム構成探索装置１０により実行される処理手順を示したフローチャートである。以下、図２を参照しながら、各処理について説明する。
ここでは、熱源機候補として、インバータターボ冷凍機、固定速ターボ冷凍機、空冷ヒートポンプ、ガス吸収冷凍機、蒸気吸収冷凍機、熱回収ヒートポンプ、ＥＨＰ（電動ヒートポンプパッケージ）、ＧＨＰ（ガスヒートポンプ）を挙げている。そして、以下の熱源システム構成探索方法では、条件として与えられた熱負荷を供給するのに好適とされる熱源機の組合せおよび各機種の容量比率を変数として、ランニングコストが最小となる熱源機の組合せと各機種の容量比率Φ（ｉ）を最適解として探索する。すなわち、このことを数式で表現すると以下のようになる。

Capa(i)=Max_Fuka＊Φ(i)＊Factor （１）
Equip_Cap(i)=Capa(i)/N(i) （２）

ここで、Capa(i)は各熱源機の容量合計(kW)、Equip_Cap(i)は機器容量(kW)、N(i)は熱源台数、Φ(i)は熱源機の容量比率でありΣΦ(i)=1、Max_Fukaは熱源機の処理する最大負荷、Factorは設備容量余裕率であり、例えば、1.0−1.2程度である。また、上記N(i)は、機器容量Equip_Capa(i)が許容最小容量以上（例えば、ターボ冷凍機は200RT以上、吸収冷凍機は100RT以上など）になるよう制約されている。

まず、図２のステップＳＡ１では、複数の遺伝子（個体）を設定し、遺伝子集団を設定する。具体的には、熱源機候補として挙げられている上記複数機種の熱源機の中から、条件として与えられた熱負荷（ここでは、１０００ＲＴとした）を供給可能な熱源機の機種およびその容量比率の組合せを任意に複数決定し、該組合せの各々を遺伝子として遺伝子集団を生成する。
図３に、遺伝子として設定された熱源機の組合せと容量比率の例を、図４に図３に示した組合せに基づく遺伝子データ構造の一例を示す。
図３、図４に示した遺伝子では、条件として与えれた熱負荷１０００ＲＴに対するインバータターボ冷凍機の容量比率Φ（ｉ）を３０％、空冷ヒートポンプの容量比率Φ（ｉ）を５０％、ガス吸収冷凍機の容量比率Φ（ｉ）を２０％とした組合せが設定されている。図４に示した遺伝子データ構造では、設定した各熱源機の容量比率％を１機種７ビットで表現している。

次に、ステップＳＡ２では、上記ステップＳＡ１で設定した各遺伝子について、運転パターン探索方法を用いてランニングコストを求める。なお、運転パターン探索方法についての詳細は後述する。そして、各遺伝子についてランニングコストが算出されると、ステップＳＡ３において、収束条件を満たす遺伝子があるか否かを判定する。この結果、収束条件を満たす遺伝子があった場合には、その遺伝子を最適解として処理を終了する。一方、収束条件を満たす遺伝子がなかった場合には、ステップＳＡ４に進み、上記ステップＳＡ２で算出されたランニングコストを遺伝子の適応度として評価し、評価成績の良い順に所定数（例えば、Ｎ個）の遺伝子をエリートとして選択する。換言すると、ランニングコストが低い遺伝子から順番に所定数選択し、選択した所定数の遺伝子をエリートとする。

次に、ステップＳＡ５では、エリート選択されたＮ個の遺伝子を探索空間に初期ポイントとして設定し、滑降シンプレックス法を用いて該初期ポイントから一つの収束ポイント点を計算する。滑降シンプレックス法は、探索空間の評価関数値のみの情報で多面体を形成し、探索空間の最適値に向かって進んでいく方法である。具体的には、探索空間に設定されたＮ個の初期ポイントを端点として持つ多面体を構成する。そして、その多面体中の最悪点を図５に示すような反射、拡大、縮小、収縮という操作によって順次更新することにより、収束ポイントを算出する。

より具体的には、エリート選択された１個の遺伝子情報を機器構成比率データに変換する。次に、そのエリート遺伝子の機器構成データを微小に変化させた複数の計算ポイントを設定し、各計算ポイントについてランニングコストを算出する。続いて、エリート選択された遺伝子情報に対応する点および設定した複数の計算ポイントの周囲に滑降シンプレックス法の探索空間を形成し、ランニングコストが下がっていく方向を探索していく。この探索は、以下の操作により行われる。
まず、探索空間に設定された複数の計算点において最もランニングコストが悪かった点を最悪点Ｘｈとして特定し、この最悪点Ｘｈを以下のＸｒに置き換える。（図５の操作１）。

Ｘｒ＝（１＋α）Ｘｇ−αＸｈ

ここで、αはα＞０の反射係数であり、Ｘｇは最悪点Ｘｈを除いたその他全ての点Ｘｊの重心である。
次に、Ｘｇ−Ｘｒ方向に沿ってＸｒを以下のＸｅに置き換える（図５の操作２）。

Ｘｅ＝γＸｇ＋（１−γ）Ｘｒ

ここで、γはγ＞０の拡大係数である。
次に、Ｘｅを以下のＸｃに置き換える（図５の操作３）。

Ｘｃ＝γＸｇ＋（１−γ）Ｘｅ

そして、シンプレックス全体をＸｌの方向へ半分に縮小する。

Ｘｉ＝０．５（Ｘｌ＋Ｘｉ）
ｉ＝１，２，・・・Ｎ

ここで、Ｘｌは最良点、すなわちランニングコストが最小であった遺伝子の点である。

このようにして得た点について、再度、運転パターン探索方法を用いてランニングコストをそれぞれ算出し、その中で最悪点を再度特定し、上記操作１から４を順次処理を行う。そして、この操作を繰り返し行うことにより、最終的に収束ポイントが算出される。

滑降シンプレックス法により収束ポイントが得られると、ステップＳＡ６において、収束ポイントの情報を図４に示した遺伝子データ構造に変換し、遺伝子アルゴリズムに受け渡す。遺伝子アルゴリズムでは、滑降シンプレックス法により得られた収束ポイントの遺伝子をエリート遺伝子として取り扱い、交差、突然変異を行う。
遺伝子交差は、例えば、図６に示すように、ビット長で表現された遺伝子の一部を入れ替えることにより行われる。また、突然変異は、図７に示すように、乱数により変異させるビット（部位）を決定し、そのビットの値を変更する。このような操作が行われることにより新たな遺伝子集団が生成されると、この遺伝子集団において上記ステップＳＡ２以降の処理を行う。そして、収束条件が満たされて、最適解が得られるまで、ステップＳＡ２からＳＡ７を繰り返し行う。

次に、ステップＳＡ２において実施される運転パターン探索方法を用いたランニングコストの算出手法について図８を参照して説明する。図８は、運転パターン探索方法の処理手順を示したフローチャートである。
運転パターン探索方法では、各遺伝子により決められた熱源機の組合せからなる熱源システムを用いて運転を行った場合の最小ランニングコストを探索する。例えば、図３に示した遺伝子を例に挙げると、インバータターボ冷凍機（３００ＲＴ）を１台、空冷ヒートポンプ（２５ＲＴ）を２０台、ガス吸収冷凍機（１００ＲＴ）を２台備える熱源システムが設定されているので、この熱源システムにおける年間のランニングコストが最小となる運転パターンを最適解として探索する。

まず、冷房負荷の年間パターン、暖房負荷の年間パターンを補助記憶装置１３（図１参照）から読み出す（図８のステップＳＢ１）。この年間パターンは、例えば、過去における負荷データを蓄積しておき、蓄積した負荷データを統計的に処理することで得ることができる。ここで、冷房負荷の年間パターンおよび暖房負荷の年間パターンは、例えば、図１８に示すように、月毎にその月の代表的な一日における２４時間の負荷が示されたものであってもよいし、最も高い負荷が記録される月（図１８の例では、８月）の代表的な一日の負荷が示されたものでもよい。本実施形態では、図１８に示した各月の代表的な一日の負荷が示された年間パターンを適用した場合を例に挙げて説明する。

次に、冷房負荷の年間パターンの中から最初の１時間（例えば、１月の０：００−０：５９）の冷房負荷を選択し（図８のステップＳＢ２）、当該熱源システムにおいて、この冷房負荷を供給可能な熱源機の運転組み合わせを全て抽出する（図８のステップＳＢ３）。図９に、２００ｋＷの冷房負荷が選択された場合の熱源機の運転組合せの概念図を示す。図９において、例えば、熱源機１はインバータターボ冷凍機、熱源機２は空冷ヒートポンプ、熱源機３はガス吸収冷凍機である。

次に、熱源機の運転組合せの中から、冷房負荷（２００ｋＷ）が運転組合せの最大出力の２０％以上１００％以下の範囲に入る組み合わせを残し、この範囲外の組み合わせを除外する（図８のステップＳＢ４）。これにより、例えば、図９の運転組合せ「３」、「５」、「７」が除外される。

次に、上記ステップＳＢ３において残った熱源機の運転組合せのそれぞれについて電力デマンドを算出し、この電力デマンドが目標値を超える運転組合せについて除外する（図８のステップＳＢ５）。図１０に、運転組合せと電力デマンドとの関係の一例を示す。図１０によれば、運転組合せ「１」、「８」、「Ｘ」が除外される。

次に、残った運転組合せのそれぞれについて電力、ガスの重量料金ベースの１時間当たりのランニングコストを計算する（図８のステップＳＢ６）。
ここで、ランニングコストの算出に当たり、ランニングコストの算出に必要とされる各種データが予め主記憶装置１３（図１参照）に格納されている。格納されているデータの一例としては、（Ａ）熱源機候補の部分負荷特性、（Ｂ）冷却水温度の算出式、（Ｃ）電力費用の電力料金体系、（Ｄ）ポンプ動力の算出式、（Ｅ）熱源システムの補機システムの設定方法などが挙げられる。以下、それぞれについて詳しく説明する。

（Ａ）熱源機候補の部分負荷特性
図１１から図１４に示すように、各熱源機の性能特性は異なる。熱源機候補となる各熱源機の性能特性をそれぞれ用意しておくことで、各熱源機が高効率で運転できる負荷帯に各熱源機を割りつけることが可能となり、最適な運転パターンを作成することができる。

（Ｂ）冷却水温度の算出式
冷却水温度は、冷凍機負荷、外気湿球温度、定格条件に対する風量比、水量比をパラメータとし、冷却塔の操作ポイントのＮＴＵを計算し、設計条件でのＮＴＵと同一となる出口温度を反復温度計算で求めることにより、熱源の外気湿球温度に対する性能評価を算出する。例えば、冷却塔の入口冷却水温度ｔ１に対する出口冷却水温度ｔ２の推定値は、以下の（３）式のように数値積分して設計条件のＮＴＵと運転条件のＮＴＵ１とが一致する出口温度を繰り返し計算することにより算出できる。なお、ランニングコストを評価する上で、冷却塔の水使用量を更に考慮することで、ランニングコストの精度を向上させることが可能となる。

（３）式において、ＮＴＵは移動原単位、Ｃｐｗは水の比エンタルピー(kJ/kg.℃)、ｈｓは入口空気エンタルピー(kJ/kg)、ｈは出口空気エンタルピー(kJ/kg)、ｔｗ１は冷却塔入口冷却水温度(℃)、ｔｗ２は冷却塔出口冷却水温度(℃)、Ｌは冷却水量(kg/h)、Ｋａはエンタルピー基準エネルギー移動係数、Ｖは空気流量である。

（Ｃ）電力費用の電力料金体系
電力会社の課金料金体系に合わせた電力コスト評価を行うために、昼間電力、夜間電力、重負荷時間帯、蓄熱料金、基本料金（デマンド）、自家発補給電力などを用意し、課金体系に合わせて電力コストを計算する。これにより、熱源設備の運用コストを高い精度で求めることができる。電力料金の一例を図１５に示す。

（Ｄ）ポンプ動力の算出式
ポンプインバータを有する熱源機（例えば、インバータ冷凍機など）については、以下の（４）式および（５）式に示すように、流量負荷率によりポンプ吐出圧力を算出し、動力計算を行う。

ここで、Ｐはポンプ揚程(kPa)、ａ，ｂ，ｃは配管系統による定数、Ｑは流量（ｍ^３／ｈ）、ＰＷはポンプ動力（ｋＷ）、ρは水比重（ｋｇ／ｍ^３）、ｇは重力加速度、ηはポンプ効率である。

（Ｅ）熱源システムの補機システムの設定方法
機器性能パラメータ（冷凍機及びボイラ等の消費電力やガス）は、メーカの機器特性をデータベース化し、自動計算する。例えば、冷水ポンプは２ポンプシステムの１次ポンプまでを計算対象とし、冷水圧損を０．２ＭＰａとして冷却水ポンプは冷却水圧損０．２５ＭＰａとしてポンプ動力を自動設定する。

そして、上述したような情報を用いて、１時間単位のランニングコストは、以下の（６）式を用いて算出される。

上記（６）式において、Cost(m,h)はランニングコスト(円/h)であり、従量料金ベース電力費＋ガス費用+上下水導費用である。PEq(k,m,j)は、熱源ｋ号機の電力消費(kWh)、Puser(m,h)は需要家電力負荷(kWh)、GEq(k,m,j)は熱源k号機のガス消費量(Nm³/h)、Gcgs(l,m,h)はコジェネl号機の水消費量(m³)、WEq(k,m,j)は熱源k号機の水消費量(m³)、Wcgs(l,m,h)はコジェネl号機の水消費量(m³)、Punitは電力従量単価(円/kWh)、Gunitはガス従量単価(円/m³)、Wunitは上下水単価(円/m³)、nは熱源機の台数、qはコジェネ機の台数、m,hは月,時である。

また、上記（６）式において、機器電力消費量PEq(k,m,h),機器ガス消費量GEq(k,m,h),機器水消費量WEq(k,mh)は、例えば、運転熱源機の負荷η（％）、外気温度Tg又は冷却水温度Twの関数となり機器の性能特性カーブを数式化した関数φ(η, Tw)で表わされる。

このようにして、図８のステップＳＢ６において、残されている全ての組合せにおいて、１時間当たりのランニングコストを算出すると、この中から最小のランニングコストを示している運転組合せを当該時間帯の最適運転パターンとして選択し、この運転組合せとランニングコストとを対応付けて保存する（図８のステップＳＢ７）。図１６では、最小ランニングコストを示す運転組合せとして、運転組合せ「６」が選択された例を示している。

次に、冷房負荷の年間パターンについて最小ランニングコストの算出が終了したか否かを判定し（図８のステップＳＢ８）、算出が終了していなかった場合には（図８のステップＳＢ８において「ＮＯ」）、次の時間における冷凍負荷の値（例えば、１月の１：００−１：５９）の冷房負荷を設定し（図８のステップＳＢ９）、この冷房負荷に対して上記ステップＳＢ３以降の処理を行う。そして、上記ステップＳＢ３からＳＢ９の処理を繰り返し行うことにより、図８のステップＳＢ８において、冷房負荷の年間パターンについて最小ランニングコストの算出が終了したと判定すると、当該冷房負荷に関するランニングコストの処理を終了し、同様の手順により、暖房負荷についても年間の最小ランニングコストの算出処理を行い（図８のステップＳＢ１０）、当該処理を終了する。

そして、上述した最小ランニングコストの算出処理が、図２のステップＳＡ１（ＳＡ７）において設定された各遺伝子によって特定される機器構成の熱源システムについてそれぞれ行われることにより、各遺伝子に対する最小ランニングコストがそれぞれ算出されることとなる。

以上説明してきたように、本実施形態に係る熱源機構成システムおよびその方法によれば、遺伝子アルゴリズムを用いて最適解が存在しそうなエリアの絞り込みを行い、更に、滑降シンプレックス法を用いて、遺伝子アルゴリズムで探索されたエリアの遺伝子を用いて最適解の絞り込みを行うので、遺伝子アルゴリズムに比べて少ない探索回数で確実に最適解を求めることができるという効果を得ることができる。

図１７に、本実施形態に係る熱源システム構成探索装置を用いて最適解の探索を行った結果と、遺伝アルゴリズム単体で最適解の探索を行ったときの結果および滑降シンプレックス法単体で最適解の探索を行ったときの結果とを比較して示す。ここでは、図１８に示すような冷房負荷の年間パターンを適用した場合におけるランニングコストが最小となった熱源機の組合せおよび容量比率ならびにランニングコストを結果として示している。
図１７に示されるように、本実施形態に係る熱源システム構成探索装置で探索した熱源機構成によるランニングコストが最も安価であることが検証された。また、探索回数は２８０回であり、１８７回の滑降シンプレックス法には及ばないものの、１３２０回の遺伝アルゴリズムと比べて大幅に探索回数が削減されていることが検証された。

１０熱源システム構成探索装置
１１ＣＰＵ
１２主記憶装置
１３補助記憶装置
１４入力装置
１５出力装置
１６通信装置

Claims

条件として与えられた熱負荷を供給可能な熱源機の機種およびその容量比率の組合せをランニングコストを考慮して決定する熱源システム構成探索装置であって、
複数の機種からなる熱源機候補の中から前記熱負荷を供給可能な熱源機の機種およびその容量比率の組合せを複数設定し、該組合せの各々を遺伝子として遺伝子集団を生成する手段と、
前記遺伝子の各々について、所定の熱負荷を供給する場合のランニングコストを算出する手段と、
前記ランニングコストが低い遺伝子から順番に所定数選択する手段と、
選択された前記所定数の遺伝子を初期ポイントとして探索空間に設定し、滑降シンプレックス法を用いて該初期ポイントから一つの収束ポイントを求める手段と、
前記収束ポイントをエリートとして採用するとともに、交差および突然変異を行って新たな遺伝子集団を生成する手段と
を備え、
所定の収束条件を満たす遺伝子が探索されるまで解の探索を行う熱源システム構成探索装置。
条件として与えられた熱負荷を供給可能な熱源機の機種およびその容量比率の組合せをランニングコストを考慮して決定する熱源機構成探索方法であって、
コンピュータが、
複数の機種からなる熱源機候補の中から前記熱負荷を供給可能な熱源機の機種およびその容量比率の組合せを複数設定し、該組合せの各々を遺伝子として遺伝子集団を生成する工程と、
前記遺伝子の各々について、所定の熱負荷を供給する場合のランニングコストを算出する工程と、
前記ランニングコストが低い遺伝子から順番に所定数選択する工程と、
選択された前記所定数の遺伝子を初期ポイントとして探索空間に設定し、滑降シンプレックス法を用いて該初期ポイントから一つの収束ポイントを求める工程と、
前記収束ポイントをエリートとして採用するとともに、交差および突然変異を行って新たな遺伝子集団を生成する工程と
を実行し、
所定の収束条件を満たす遺伝子が探索されるまで解の探索を行う熱源システム構成探索方法。
条件として与えられた熱負荷を供給可能な熱源機の機種およびその容量比率の組合せをランニングコストを考慮して決定するための熱源機構成探索プログラムであって、
複数の機種からなる熱源機候補の中から前記熱負荷を供給可能な熱源機の機種およびその容量比率の組合せを複数設定し、該組合せの各々を遺伝子として遺伝子集団を生成する処理と、
前記遺伝子の各々について、所定の熱負荷を供給する場合のランニングコストを算出する処理と、
前記ランニングコストが低い遺伝子から順番に所定数選択する処理と、
選択された前記所定数の遺伝子を初期ポイントとして探索空間に設定し、滑降シンプレックス法を用いて該初期ポイントから一つの収束ポイントを求める処理と、
前記収束ポイントをエリートとして採用するとともに、交差および突然変異を行って新たな遺伝子集団を生成する処理と
をコンピュータに実行させ、
所定の収束条件を満たす遺伝子が探索されるまで解の探索を行わせる熱源システム構成探索プログラム。