JP2014063442A - コージェネレーション装置 - Google Patents

Abstract

【課題】ユーザにあまり不便を感じさせずに、光熱費を削減することができるコージェネレーション装置を提供する。
【解決手段】コージェネレーション装置は、温度情報と熱負荷がオンされる時刻であるオンタイミングの情報とを取得し、時刻と温度の関係を表す温度モデルとオンタイミングとを学習すると共に、所定時刻の温度情報に基づいて当日の温度モデル及びオンタイミングを予測し、予測されたオンタイミングに基づき、予測されたオンタイミングより所定時間前又は予め設定された時刻にアドバイス指令を送信する学習装置４１と、アドバイス指令を受信する受信部４２１、及びアドバイス指令に基づいてオンタイミングに応じた電力負荷の使用についてユーザに通知する通知部４２２を有する提案装置４２と、を備える。
【選択図】図１

Description

本発明は、コージェネレーション装置に関する。

昨今、発電装置の排熱を暖房等の熱負荷に利用するコージェネレーション装置が普及している。そして、省エネルギーの観点から、様々な装置が開発されている。例えば特開２０１１−９６００７号公報には、省エネルギー化提案システムが記載されている。このシステムでは、機器の置換や追加を含む削減プランをユーザに提案することにより、環境負荷量を目標に応じて低減させることができる。

特開２０１１−９６００７号公報

しかしながら、上記システムでは、機器を交換することや、動作条件（温度設定）を変更することで、ユーザに経済的な負担や不便に耐えることが要求される。

本発明は、このような事情に鑑みて為されており、ユーザにあまり負担や不便を感じさせずに、光熱費を削減することができるコージェネレーション装置を提供することを目的とする。

請求項１に記載の本発明に係るコージェネレーション装置は、発電電力が系統連系される発電装置と、前記発電装置の排熱を受熱して熱負荷に伝達するための熱媒体が流通する熱交換器と、電力負荷状況及び熱負荷状況に応じて前記発電装置を制御する制御装置と、温度情報と熱負荷がオンされる時刻であるオンタイミングの情報とを取得し、時刻と温度の関係を表す温度モデルと前記オンタイミングとを学習すると共に、所定時刻の温度情報に基づいて当日の前記温度モデル及び前記オンタイミングを予測し、予測された前記オンタイミングに基づき、予測された前記オンタイミングより所定時間前又は予め設定された時刻にアドバイス指令を送信する学習装置と、前記アドバイス指令を受信する受信部、及び前記アドバイス指令に基づいて前記オンタイミングに応じた電力負荷の使用についてユーザに通知する通知部を有する提案装置と、を備える。

請求項２に記載のコージェネレーション装置は、請求項１において、前記温度情報は、室内温度センサにより取得される部屋温度情報、室外温度センサにより取得される外気温度情報、又はインターネットを介して取得される気温情報である。

請求項３に記載のコージェネレーション装置は、請求項１又は２において、前記学習装置は、さらに熱負荷がオンされてからオフされるまでの時間であるオン期間の情報を取得し、前記温度モデル、前記オンタイミング、及び前記オン期間を学習すると共に、所定時刻の温度情報に基づいて当日の前記温度モデル、前記オンタイミング、及び前記オン期間を予測し、予測された前記オンタイミング及び前記オン期間に基づき、予測された前記オンタイミングより所定時間前又は予め設定された時刻にアドバイス指令を送信し、前記通知部は、前記アドバイス指令に基づいて前記オンタイミング及び前記オン期間に応じた電力負荷の使用についてユーザに通知する。

請求項４に記載のコージェネレーション装置は、請求項１〜３の何れか一項において、前記学習装置は、Ｑ値を記憶し、さらに前記Ｑ値に基づいて前記温度モデル及び前記オンタイミングを学習する。

請求項５に記載のコージェネレーション装置は、請求項１〜４の何れか一項において、前記学習装置は、さらに天気情報を取得し、さらに前記天気情報に基づいて前記温度モデル及び前記オンタイミングを学習し、前記天気情報及び所定時刻の温度情報に基づいて当日の前記温度モデル及び前記オンタイミングを予測する。

請求項６に記載のコージェネレーション装置は、請求項１〜５の何れか一項において、ユーザの入力又は電力負荷の駆動に応じて前記アドバイス指令を修正する修正装置を備える。

請求項１に記載のコージェネレーション装置によれば、オンタイミングより前にアドバイスが通知され、ユーザが所定の電力負荷を使用する前にアドバイスを見る可能性が高くなる。つまり、アドバイスを見たユーザがオンタイミングに応じた時刻に所定の電力負荷を利用することが可能となる。オンタイミングに合わせて電力負荷を使用することにより、発電電力と発電に伴う熱回収の観点からエネルギー効率の良い電力負荷の使用となる。つまり、熱負荷が必要なときに電力消費を大きくすることで、排熱による熱負荷への熱供給が効率良く行え、発電においても発電装置を定格（最大効率点）運転させることができる。さらに、電力負荷の使用時間を合わすだけで良いため、機器を変える経済的負担や暖房温度を下げるなどの不便が伴わない。つまり、ユーザにそれほど負担や不便をかけることなく、省エネルギーが可能となり、光熱費の削減が可能となる。

請求項２に記載のコージェネレーション装置によれば、具体的な温度情報に基づいて適切に温度モデル等を学習し予測することができる。

請求項３に記載のコージェネレーション装置によれば、さらにオン期間をパラメータの１つとすることで、より精度の良い予測及びアドバイス指令が可能となる。

請求項４に記載のコージェネレーション装置によれば、Ｑ値を用いることで、室内温度を推定でき、暖房駆動の有無で変化する室内温度（部屋温度）を実測する必要がなく、よりシンプルに温度モデルを学習・予測することができる。

請求項５に記載のコージェネレーション装置によれば、例えば晴天、曇天、及び雨天などの天気情報（天気予報を含む）に基づき、さらに精度の良い学習・予測及びアドバイス指令が可能となる。

請求項６に記載のコージェネレーション装置によれば、ユーザに対して電力負荷の使用状況に合ったアドバイスをすることができる。

本実施形態のコージェネレーション装置の構成を示す概念図である。 本実施形態の寒さが比較的厳しくないケースの温度モデル例を示すグラフである。 学習ブロックが記憶する電力負荷の例を示す説明図である。 本実施形態の寒さが比較的厳しいケースの温度モデル例を示すグラフである。 本実施形態の発電効率を説明するための説明図である。

以下、本発明の実施形態について図１〜図４に基づいて説明する。なお、説明に用いる各図は概念図であり、各部の形状は必ずしも厳密なものではない場合がある。本実施形態のコージェネレーション装置は、ガスエンジンで発電機を駆動させるガスエンジンコージェネレーション装置である。また、本実施形態のコージェネレーション装置は、貯湯タンクを備えていない。

本実施形態のコージェネレーション装置は、図１に示すように、発電装置１と、熱交換器２と、ボイラ３と、制御装置４と、ヒータ５と、を備えている。

発電装置１は、エンジン１１と、発電機１２と、インバータ１３と、を備えている。エンジン１１は、ガスを燃料として駆動するガスエンジンである。ガスとしては、天然ガスやプロパンガスが例示できる。発電機１２は、エンジン１１に機械的に連結されており、エンジン１１の駆動により駆動する。発電機１２は、エンジン１１の駆動力により駆動し発電する。インバータ１３は、発電機１２が発電した電力を変換して商用電源ラインＺ（系統電源側）に供給する。発電電力は系統連系される。

熱交換器２は、配管２１と、配管２２と、を有し、配管２１、２２内を流れる熱媒体（本実施形態では水）同士を熱交換させる装置である。熱交換器２は、発電装置１の排熱を給湯・暖房等に利用（供給）するための熱回路を構成する。

配管２１は、中を流れる熱媒体が発電装置１の排熱を受熱するように配置されている。配管２１の熱媒体は、例えばエンジン１１の排気ガスやエンジン冷却水と熱交換することで、発電装置１の排熱を受熱する。配管２２は、一部が配管２１に近接し、中を流れる熱媒体が配管２１内の熱媒体との間で熱交換できるように配置されている。配管２２は、熱負荷Ｙからボイラ３に熱媒体を流入させるための流路（配管）６１に接続されている。つまり、熱交換器２は、エンジン１１の排熱を受熱した熱媒体を流通させ、受熱した熱媒体をボイラ３に供給するものである。なお、配管には、適宜電動ポンプ（図示せず）が設置され、電動ポンプが熱媒体を流通させている。

ボイラ３は、熱負荷Ｙへの供給温度が不足する場合、流路６１から流入した熱媒体を加熱して流路６２から流出させる熱源機器である。流路６２は、ボイラ３から熱負荷Ｙに向けて熱媒体が流通する配管である。ボイラ３は、流路６１の出口付近の温度と流路６２の入口付近の温度を測定する温度計（ここではサーミスタ）３１、３２を備えている。

制御装置４は、ＣＰＵやメモリ等を有する電子制御ユニット（ＥＣＵ）及びリモコンで構成され、電力負荷状況や熱負荷状況に応じて発電装置１及びボイラ３の運転を制御する。また、制御装置４は、温度計３１、３２からの温度情報も受信する。制御装置４の詳細構成については後述する。

ヒータ５は、配管２１に近接して配置された暖房器具である。ヒータ５は、インバータ１３（又は商用電源ラインＺ）に接続されており、発電装置１が余剰に発電した場合に駆動して電力を消費する。ヒータ５は、例えばほとんどの電力負荷が一度に停止した場合など、発電装置１の電力負荷への追従が間に合わないケース等に、発電電力を吸収するバッファとして機能する。

ここで、制御装置４についてさらに説明する。制御装置４は、学習ブロック（「学習装置」に相当する）４１と、提案ブロック（「提案装置」に相当する）４２と、修正ブロック（「修正装置」に相当する）４３と、を備えている。

学習ブロック４１は、電子制御ユニットの一部であって、少なくとも時刻（日時）に対する温度情報と熱負荷Ｙをオンする時刻（オンタイミング）の情報を収集（記憶）し、「時刻と温度の関係（時系列的な温度変化：温度モデル）」と「オンタイミング」の関係を学習する。学習ブロック４１は、時刻と温度とオンタイミングの関係を学習するともいえる。

学習ブロック４１は、暖房対象の部屋に対する温度モデルとそれに対するオンタイミングとの関係を更新していく。温度情報とは、部屋温度（例えば熱負荷が設置された室内温度）、外気温（例えば装置が設置された家屋周辺の室外温度）、又はインターネット上の気温情報（装置が設置された家屋がある地域の気温情報）などである。また、学習ブロック４１は、熱負荷Ｙがオンされてからオフするまでの期間（オン期間）も学習する。

学習ブロック４１は、実績から学習した複数の温度モデル及び対応する複数のオンタイミングと、ある所定時刻における温度情報とに基づいて、当日（設定により決定される時間範囲）の温度モデルを予測する。所定時刻は、１つの設定された時刻でも良いが、複数の設定された時刻であっても良い。本実施形態では、学習ブロック４１が１つの特定の午前の温度情報から温度モデルを予測する。学習ブロック４１は、例えば気温が下がる午後の２つの時刻で温度情報を監視し、両者の温度変化から温度モデルを予測しても良い。予測精度としては複数の時刻の温度情報に基づくほうが好ましい。

学習ブロック４１は、予測した当日の温度モデルから当日のオンタイミング及びオン期間を予測する。具体的に、学習ブロック４１は、予測された温度モデルに対してどの時刻にオンされやすいか、あるいは予測された温度モデルに対して何度以下となった場合にオンされやすいか等の使用実績からオンタイミングを導き出す。

学習ブロック４１は、予測した当日のオンタイミング（時刻）よりも所定時間前の時刻（又は予め設定された時刻）にアドバイスをユーザに通知するように、アドバイス指令を提案ブロック４２に送信する。アドバイス指令は、どの電気機器（電力負荷）をいつ使用したらエネルギー効率が良いかを提案ブロック４２に伝える指令であり、具体的なアドバイス内容については後述する。

学習ブロック４１は、オンタイミング及びオフタイミングの情報も受信するため、オン期間も学習でき、温度モデルについても「暖房使用時」と「暖房不使用時」とに分けて学習・記憶することができる。

提案ブロック４２は、例えばユーザが操作可能なコントローラの一部であり、本実施形態ではリモコン（例えば壁掛け型又は端末型のリモートコントローラ）の一部である。具体的に、提案ブロック４２は、受信部４２１と、通知部４２２と、を備えている。受信部４２１は、有線又は無線で、学習ブロック４１からアドバイス指令を受信し、アドバイス指令に基づいてアドバイスを通知部４２２に表示する。通知部４２２は、ディスプレイであって、アドバイスを文字で表示する。通知部４２２は、文字及び音声の少なくとも一方によりアドバイス内容をユーザに通知可能なものであれば良い。

修正ブロック４３は、電子制御ユニットであって、ユーザの入力又は電力負荷の駆動に応じて学習ブロック４１のアドバイス指令を修正し、アドバイス内容を変更する機能を有する。修正ブロック４３は、例えばユーザがリモコンから使用した家電製品を入力（選択）すると、当該家電製品を除いた家電製品の使用をアドバイスするようにアドバイス指令を修正する。また、修正ブロック４３は、所定の家電製品とネットワーク（有線又は無線）で接続され、家電製品が使用された場合（すなわち駆動した場合）に、当該家電製品を除いた家電製品の使用をアドバイスするようにアドバイス指令を修正するようにしても良い。

ここで、温度モデル及びオンタイミングの具体例について図２〜図４を参照して説明する。図２は、寒さが比較的厳しくないケースの温度モデル等を例示している。図２に示すように、学習ブロック４１は、所定時刻の温度情報から当日の温度モデルを予測すると共に、当該温度モデル及び実績データからオンタイミング及びオン期間を予測する。ここでは、学習ブロック４１が、過去のオンタイミング時の温度の実績から、温度モデルでの温度が１０℃以下となるタイミングをオンタイミング（ここでは２０時）と判断している。

そして、学習ブロック４１は、予測したオンタイミングである２０時から所定時間（ここでは６時間）前又は所定時刻（例えば１４時）に、アドバイス指令を提案ブロック４２に送信する。提案ブロック４２の受信部４２１は、アドバイス指令を受信し、通知部４２２にアドバイスを表示する。アドバイスは、低温温水暖房負荷（例えば床暖房やパネルヒータ）の予測使用時間（オンタイミング）と、当該オンタイミングに合わせて使用したほうが効率的であると判断した家電製品とを通知する内容となる。通知部４２２は、文字により、例えば「消費電力が大きい家電製品（優先順位で表示：例えば１洗濯乾燥機、２食器洗浄機、３ドライヤ）のおすすめ使用時刻は、２０時〜２４時です。」と表示する。

学習ブロック４１は、図３に示すように、家電製品の消費電力とおおまかな駆動時間を記憶しており、予測したオンタイミング及びオン期間に応じてアドバイス指令するように設定されている。学習ブロック４１は、例えば、予測したオン期間が短い場合、洗濯乾燥機の使用よりも短時間でオン期間内に終了することができる家電製品（例えば食器洗浄機やドライヤ）の使用を提案するアドバイス指令を提案ブロック４２に送信する。なお、学習ブロック４１は、予測完了した後の現在の時刻が、予測したオンタイミングの所定時間前よりも遅い時刻である場合、予測完了した際にアドバイス指令を提案ブロック４２に送信する。提案ブロック４２は、受信に伴ってアドバイスを表示する。

図４は、寒さが比較的厳しいケースの温度モデル等を例示している。図４に示すように、学習ブロック４１は、所定時刻の温度情報から当日の温度モデルを予測すると共に、当該温度モデル及び実績データからオンタイミング及びオン期間を予測する。ここでは、学習ブロック４１が、過去のオンタイミングの時刻の実績から、寒さが厳しい温度モデルに対してオンタイミングを１６時及び翌日７時と判断している。

そして、学習ブロック４１は、予測したオンタイミングのうち最も近いオンタイミング（１６時）から所定時間前又は所定時刻に、アドバイス指令を提案ブロック４２に送信する。提案ブロック４２の受信部４２１は、アドバイス指令を受信し、通知部４２２にアドバイスを表示する。ここでのアドバイスは、例えば、１６時〜翌日１時の期間に消費電力大の家電製品（洗濯乾燥機、食器洗浄機、ドライヤ）を使用することが好ましい旨、及び翌日６時にシャワートイレ（温水や便座暖房）や加湿器の稼動又は予約運転させることが好ましい旨を伝えるものである。

このように、本実施形態によれば、予測した温度モデルから暖房使用時間を予測することで、当該暖房使用に合わせて消費電力の大きい電力負荷を使用することをユーザに事前にアドバイスすることができる。ユーザがアドバイスに応じて、電力負荷の使用を熱負荷の使用に合わせることでエネルギー効率を向上させることができる。

（実施例１）
実施例１のコージェネレーション装置では、学習ブロック４１が学習するために用いるパラメータを「部屋温度（室内温度）」としている。部屋温度は、例えば室内に設置された温度計（温度センサ）からの情報であり、実施例１ではリモコンの温度測定機能により測定された温度情報を部屋温度情報として利用している。部屋温度は、常時計測され、学習ブロック４１が計測情報を記憶する。

学習ブロック４１は、常時送信されるリモコンからの部屋温度情報と暖房がオンされた時刻（オンタイミング）及びオフされた時刻情報とを受信し、両者に基づいて、温度モデル、オンタイミング、及びオン期間を学習する。そして、学習ブロック４１は、予め設定された時刻の部屋温度情報から、当日の温度モデル及びオンタイミングを予測する（図２及び図４参照）。学習ブロック４１は、オンタイミングとなる時刻から所定時間前にアドバイス指令を提案ブロック４２に送信する。これによれば、実際の部屋温度に基づいて温度モデルを予測するため、精度の良い予測が可能となる。

（実施例２）
実施例２のコージェネレーション装置では、学習ブロック４１が学習するために用いるパラメータを「外気温度」としている。外気温度は、例えば庭やベランダ等の室外に設置された温度計（温度センサ）からの情報であり、実施例２では発電装置１（室外機）に設置された温度計の温度情報を利用している。外気温度は、常時計測され、学習ブロック４１が計測情報を記憶する。

学習ブロック４１は、常時送信される外気温度情報と暖房がオンされた時刻（オンタイミング）及びオフされた時刻情報とを受信し、両者に基づいて、温度モデル（外気版）、オンタイミング、及びオン期間を学習する。そして、学習ブロック４１は、予め設定された時刻の外気温度情報から、当日の温度モデル及びオンタイミングを予測する（図２及び図４の外気温度参照）。学習ブロック４１は、オンタイミングとなる時刻から所定時間前にアドバイス指令を提案ブロック４２に送信する。これによれば、温度情報が暖房駆動の有無に影響を受けないため、暖房使用時と不使用時の区別する必要はなく、シンプルに温度モデルを予測できる。

（実施例３）
実施例３のコージェネレーション装置では、学習ブロック４１が学習するために用いるパラメータを「外気温度」及び「Ｑ値」としている。外気温度は、実施例２と同様である。Ｑ値は、住宅の熱損失係数であり、ユーザ等により設定される値である。

学習ブロック４１は、常時送信される外気温度情報と設定されたＱ値から部屋温度を推定し、部屋温度についての温度モデル、オンタイミング、及びオン期間を学習する。そして、学習ブロック４１は、予め設定された時刻の外気温度情報及びＱ値から当該時刻の部屋温度を推定し、当日の温度モデル及びオンタイミングを予測する（図２及び図４参照）。学習ブロック４１は、オンタイミングとなる時刻から所定時間前にアドバイス指令を提案ブロック４２に送信する。これによれば、部屋温度の温度計が不要となる。また、実施例２同様、温度情報が暖房駆動の有無に影響を受けないため、暖房使用時と不使用時の区別なく、シンプルに部屋温度を推定しシンプルに温度モデルを予測することができる。

（実施例４）
実施例４のコージェネレーション装置では、学習ブロック４１が学習するために用いるパラメータを「気温データ」及び「天気情報」としている。気温データは、インターネット等のネットワークを介して取得可能な気温の実データ（当該住宅がある地域の気温データ）である。天気情報は、上記同様、インターネット等のネットワークを介して取得可能な天気予報や現在の天気（当該住宅がある地域の情報）である。学習ブロック４１は、インターネットに接続され、インターネットから気温データと天気情報を常時取得する。

学習ブロック４１は、常時送信される気温データ及び天気情報と暖房がオンされた時刻（オンタイミング）及びオフされた時刻情報とを受信し、両者に基づいて、温度モデル、オンタイミング、及びオン期間を学習する。そして、学習ブロック４１は、予め設定された時刻の気温データ及び天気情報から、当日の温度モデル及びオンタイミングを予測する（図２及び図４参照）。学習ブロック４１は、オンタイミングとなる時刻から所定時間前にアドバイス指令を提案ブロック４２に送信する。これによれば、室内外の温度計は不要となる。また、天気情報を用いることで、さらに精度の良い温度モデル及びオンタイミングの予測が可能となる。

実施例１〜４によれば、上記実施形態同様の効果が発揮される。具体的には、図５に示すように、熱回収と発電の両面からみてエネルギー効率が良い領域（１．５ｋＷ周辺の定格運転領域）での発電装置１の稼動が可能となる。なお、実施例１〜４のパラメータは、適宜組み合わせても良い。例えば「天気情報」のパラメータを実施例１〜３に加えても良い。これにより、より精度の良い予測が可能となる。また、実施例４において「気温データ」のみをパラメータとしても良い。また、天気情報の取得は、インターネットに限らず、ユーザの入力によるものでも良い。

また、学習ブロック４１は、図３に示すような使用時間や消費電力に基づいて、使用すべき電力負荷の優先順位を通知するアドバイス指令を送信することが好ましい。優先順位は、ユーザが設定しても良い。また、翌朝のシャワートイレや加湿器などの運転予約は、当該電力負荷と制御装置４をネットワーク接続（有線又は無線）することで、制御装置４が自動的に予約するようにしても良い。また、例えば食器洗浄機についても、食器が入れられ、準備ができている状態をユーザが制御装置４に対して入力する又は食器洗浄機が制御装置４に通知することで、アドバイスした時刻に制御装置４が食器洗浄機を駆動させるようにしても良い。また、エンジン１１の燃料は、ガスに限らず、ガソリン、灯油、又は軽油等の液体燃料であっても良い。また、本発明は、貯湯タンクを有するコージェネレーション装置にも適用できる。

１：発電装置、 １１：エンジン、 １２：発電機、 １３：インバータ、
２：熱交換器、 ３：ボイラ、 ４：制御装置、
４１：学習ブロック（学習装置）、 ４２：提案ブロック（提案装置）、
４２１：受信部、 ４２２：通知部、 ４３：修正ブロック（修正装置）、
５：ヒータ、 Ｙ：熱負荷

Claims (6)

1. 発電電力が系統連系される発電装置と、
   前記発電装置の排熱を受熱して熱負荷に伝達するための熱媒体が流通する熱交換器と、
   電力負荷状況及び熱負荷状況に応じて前記発電装置を制御する制御装置と、
   温度情報と熱負荷がオンされる時刻であるオンタイミングの情報とを取得し、時刻と温度の関係を表す温度モデルと前記オンタイミングとを学習すると共に、所定時刻の温度情報に基づいて当日の前記温度モデル及び前記オンタイミングを予測し、予測された前記オンタイミングに基づき、予測された前記オンタイミングより所定時間前又は予め設定された時刻にアドバイス指令を送信する学習装置と、
   前記アドバイス指令を受信する受信部、及び前記アドバイス指令に基づいて前記オンタイミングに応じた電力負荷の使用についてユーザに通知する通知部を有する提案装置と、
   を備えるコージェネレーション装置。
2. 請求項１において、
   前記温度情報は、室内温度センサにより取得される部屋温度情報、室外温度センサにより取得される外気温度情報、又はインターネットを介して取得される気温情報であるコージェネレーション装置。
3. 請求項１又は２において、
   前記学習装置は、さらに熱負荷がオンされてからオフされるまでの時間であるオン期間の情報を取得し、前記温度モデル、前記オンタイミング、及び前記オン期間を学習すると共に、所定時刻の温度情報に基づいて当日の前記温度モデル、前記オンタイミング、及び前記オン期間を予測し、予測された前記オンタイミング及び前記オン期間に基づき、予測された前記オンタイミングより所定時間前又は予め設定された時刻にアドバイス指令を送信し、
   前記通知部は、前記アドバイス指令に基づいて前記オンタイミング及び前記オン期間に応じた電力負荷の使用についてユーザに通知するコージェネレーション装置。
4. 請求項１〜３の何れか一項において、
   前記学習装置は、Ｑ値を記憶し、さらに前記Ｑ値に基づいて前記温度モデル及び前記オンタイミングを学習するコージェネレーション装置。
5. 請求項１〜４の何れか一項において、
   前記学習装置は、さらに天気情報を取得し、さらに前記天気情報に基づいて前記温度モデル及び前記オンタイミングを学習し、前記天気情報及び所定時刻の温度情報に基づいて当日の前記温度モデル及び前記オンタイミングを予測するコージェネレーション装置。
6. 請求項１〜５の何れか一項において、
   ユーザの入力又は電力負荷の駆動に応じて前記アドバイス指令を修正する修正装置を備えるコージェネレーション装置。

Images