JP2016177675A - 推定装置、推定方法およびコンピュータプログラム - Google Patents

Abstract

【課題】施設の現在の運用状況を低コストで推定可能にする、推定装置、推定方法およびコンピュータプログラムを提供する。【解決手段】推定装置は、施設の運用状況を表す１または複数の構成要素を含む運用パラメータの１または複数の構成要素の値を決定し、１または複数の運用パラメータを生成する運用パラメータ生成部１０１と、運用パラメータに基づき、施設のエネルギー消費量をシミュレーションすることにより、運用パラメータに係るエネルギー消費量の推定情報を算出するエネルギーシミュレーション部１０２と、エネルギー消費量の推定情報と、施設のエネルギー消費量の実績情報に基づき、運用パラメータの評価値を計算するコスト計算部１０３と、評価値に基づき複数の第１パラメータのうちの１つを選択する最適運用パラメータ選択部１０４と、を備える。【選択図】図１

Description

本発明の実施形態は、推定装置、推定方法およびコンピュータプログラムに関する。

近年、エネルギーの効率的な使用を目的に様々な取り組みが行われている。ビルなどの施設でも、改正省エネ法への対応、ＬＥＥＤ（ＬｅａｄｅｒＳｈｉｐ ｉｎ Ｅｎｅｒｇｙ ａｎｄ Ｅｎｖｉｒｏｍｅｎｔａｌ Ｄｅｓｉｇｎ）認証の取得などを目的として、エネルギーの消費パターンを変える取り組みがなされている。例えば、エネルギー消費の大きい時間帯では空調の設定温度を省エネとなるように変更する、または出社時間を早朝にずらす、冬季は暖房によるエネルギー消費が激しいため残業を行わないといった運用変更などがある。これらの運用変更等により、施設内のエネルギーの消費パターンの分布を変えることができ、電力のピークシフトやコストの削減といった効果を得ることができる。

現在の運用状況と施設のエネルギー消費量との関係を把握することができれば、運用変更や設備変更に伴う省エネなどの効果を、シミュレーションによって迅速かつ正確に計算することができ、効率のよい変更を行うことができる。しかし、現状の運用状況を把握することは、困難である。例えば、ビルでは、各テナントが保有する空調装置の設定温度、または各フロアにおける所定の時間帯の人数などを把握することは難しい。人感センサなどによるセンシングを行うとしても、センサを設置するコストがかかる。一方、ビルのエネルギーに関する履歴や設備の情報などの簡易的な情報のみでエネルギー消費を予測する方法は、シミュレーションによる予測と比べ、正確性を欠く。ゆえに、現状の運用状況を、コストを抑えつつ、高精度に推定することが求められている。

特許３７８３９２９号

本発明の実施形態は、施設の現在の運用状況を低コストで推定可能にする。

本発明の一態様としての推定装置は、施設の運用状況を表す１または複数の構成要素を含む第１パラメータの前記１または複数の構成要素の値を決定し、１または複数の前記第１パラメータを生成する第１パラメータ生成部と、前記第１パラメータに基づき、前記施設のエネルギー消費量をシミュレーションすることにより、前記第１パラメータに係るエネルギー消費量の推定情報を算出するエネルギーシミュレーション部と、前記エネルギー消費量の推定情報と、前記施設のエネルギー消費量の実績情報に基づき、前記第１パラメータの評価値を計算するコスト計算部と、前記評価値に基づき複数の前記第１パラメータのうちの１つを選択するパラメータ選択部と、を備える。

第１の実施形態に係る推定装置の概略構成の一例を示すブロック図。 運用情報の一例を示す図。 基本パラメータの一例を示す図。 実績データの一例を示す図。 運用パラメータの一例を示す図。 運用パラメータの生成の一例を示す図。 推定エネルギー情報の一例を示す図。 運用パラメータの順位を示す図。 出力部３０２の出力の一例を示す図。 第１の実施形態に係る推定装置の処理のフローチャート。 第２の実施形態に係る推定装置の概略構成の一例を示すブロック図。 第２の実施形態に係る推定装置の処理のフローチャート。 本発明の一実施形態に係るハードウェア構成の一例を示すブロック図。

以下、図面を参照しながら、本発明の実施形態について説明する。

（第１の実施形態）
図１は、第１の実施形態に係る推定装置の概略構成の一例を示すブロック図である。第１の実施形態に係る推定装置は、運用情報ＤＢ２０１、基本パラメータＤＢ２０２、実績情報ＤＢ２０３、運用パラメータ生成部１０１、エネルギーシミュレーション部１０２、コスト計算部１０３、最適運用パラメータ選択部１０４、入力部３０１、出力部３０２、を備える。

第１の実施形態に係る推定装置は、上記各部の処理により、現在の施設の運用状況を推定する。具体的には、施設が備える空調機器の平均設定温度、施設内または各フロアに存在する人数の時系列変動、または１人当たりの消費電力量の時系列変動などを推定する。

以下、各部について説明する。

運用情報ＤＢ２０１は、運用情報を格納する。運用情報は、運用項目と、想定パターンからなる情報である。

運用項目は、施設内の人数、人の行動、電気設備の設定に関する情報など、施設のエネルギー消費に関係があるものであれば、何でもよい。エネルギーとは、燃料、熱、電力などを想定しているが、その他のエネルギーも含めてもよい。運用項目は、例えば、施設内に存在する人数の時系列変動および施設内のオフィスの勤務時間などは、人が多くいる時間帯により消費電力量が増加するため、施設のエネルギー消費に関係する情報である。また、施設内の空調の平均設定温度も、設定温度の高低により消費電力は変化するため、施設のエネルギー消費に関係する情報である。その他にも、１人当たりの消費電力量、空調装置および照明装置などの電気設備が使用される時間帯なども運用項目となり得る。

想定パターンとは、運用項目が取り得ると想定される値、範囲、または型（パターン）などである。１つの運用項目に、複数の想定パターンが予め定められている。

図２は、運用情報の一例を示す図である。図２（Ａ）は、運用項目と想定パターンの一例を示す。図２（Ｂ）は、施設内の人数の変動を示す人数変動パターンという運用項目における、時系列値で表された各想定パターンの一例を示す。

図２（Ａ）において、運用項目が空調設定温度の場合、対応する想定パターンは２６、２７、２８℃の３つであることが示されている。ここでは、想定パターンを３つとしているが、想定パターンは、取り得る値の範囲内で任意に定めてよい。

運用項目が１人当たりの消費電力量の場合、想定パターンは３０から３００Ｗの間の範囲で表されている。これは、想定パターンの取り得る値が、３０から３００Ｗの間の範囲の任意の値であればよいことを示す。

運用項目が人数変動パターンの場合、想定パターンは、朝集中型、夜集中型、一日均一型の３つのパターンであることが示されている。これらの型は、予め定められているとする。

想定パターンは、１日の平均値、最大値などでもよいし、予め定められた時間帯における取り得る値としてもよい。例えば、勤務時間が８時から１７時の場合は、８時から１７時の間に取り得る値としてもよい。また、１日の時間を複数の時間帯に分割し、細分化された各時間帯における取り得る値としてもよい。

図２（Ｂ）は、１日を１時間ごとに分割した場合の各時間帯における施設内の人数を示している。朝集中型は８：００から１２：００までの朝の時間帯に人数が多いと想定されたパターンである。夜集中型は、１４時から１８時までの夜の時間帯に人数が多いと想定されたパターンである。１日均一型は、朝から夜まで人数の変動が小さいと想定されたパターンである。ここでは、１日を１時間ごとに分割しているが、分割する時間の長さは任意でよく、分割された各時間帯の長さは異なっていてもよい。例えば、日中は１時間ごとに分割するが、夜間は３時間ごとに分割してもよい。また、離散的なデータではなく、正規分布、矩形関数、台形関数、凸関数など連続したデータである関数で表してもよい。

基本パラメータＤＢ２０２は、基本パラメータを格納する。基本パラメータは、エネルギーシミュレーション部１０２の処理に必要なパラメータである。基本パラメータには、例えば、気象情報、負荷情報、施設情報などがある。

気象情報は、施設内外の気象状況に関する情報である。例えば、天気、温度、湿度、照度、風量、雨量、積雪量などがある。気象情報は、時間の経過とともに変動する。

負荷情報は、施設が保有するエネルギーを消費する設備に関する情報である。例えば、空調、照明、ボイラーといった設備の種類、設備の定格出力、平均エネルギー消費量、空調の成績係数（ＣＯＰ：Ｃｏｅｆｆｉｃｉｅｎｔ ｏｆ Ｐｅｒｆｏｒｍａｎｃｅ）、および通年エネルギー消費効率（ＡＰＦ：Ａｎｎｕａｌ Ｐｅｒｆｏｒｍａｎｃｅ Ｆａｃｔｏｒ）といった仕様情報などがある。

施設情報は、施設に関する情報である。例えば、鉄筋コンクリート造、軽重量鉄骨造などの施設構造、内断熱、外断熱などの設立工法、施設の体積、床面積、外皮表面積、開口部比率といった仕様、施設の熱損失量、熱貫通率、熱抵抗、熱伝導率、熱物性値、表面熱伝達抵抗、および補正熱貫流率といった熱損失に関する数値などがある。

図３は、基本パラメータＤＢ２０２に格納される基本パラメータの一例を示す図である。図３（Ａ）は、基本パラメータの種類とその値を示す。空調の種類は、ビルマルチおよびパッケージなどがある。ビルマルチは、１台の室外機に複数台の室内機が接続され、室内機を個別に運転できるものである。パッケージは、１台の室外機に複数台の室内機が接続され、室内機は個別に運転できないものである。

図３（Ｂ）は、気象情報に関する基本パラメータの一例である。１時間ごとの施設外の気温と天気の情報が表されている。気象情報のように、時間によって変化するものは、時間帯ごとの情報にしてもよい。

実績情報ＤＢ２０３は、実際に施設が使用したエネルギーに関する情報（実績データ）を格納する。実績データは、例えば、実際に施設で使用をされた電気、燃料、水の量、および設備の使用時間など、エネルギーに関する情報であればよい。図４は、１時間ごとの時系列で表された複数日分の実績データの一例を示す図である。図４では、１時間単位のデータを示しているが、日単位、月単位、所定の日数分の平均などでもよい。

運用パラメータ生成部１０１は、運用情報に基づき、運用パラメータを生成する。運用パラメータは、エネルギーシミュレーション部１０２の処理に必要なパラメータの１つである。運用パラメータは、１または複数の運用項目を構成要素とし、当該構成要素の値は、想定パターンに基づく。

図５は、生成した運用パラメータの一例を示す図である。図５で示した運用パラメータの構成要素は、図２で示した運用項目から選択された空調設定温度と人数変動パターンの２つである。構成要素とする運用項目は、予め定めておいてもよいし、ユーザに入力部３０１を介して指定させてもよい。図５では、運用パラメータの構成要素を２つとしているが、構成要素の数は１つ以上であれば任意の値でよい。

構成要素の値、つまり生成に用いる想定パターンは、全てを用いてもよいし、予め定められた一部を用いてもよいし、ユーザに入力部３０１を介して指定させてもよい。運用パラメータ生成部１０１は、運用パラメータの全ての構成要素の値が完全に一致する運用パラメータを生成しないように、各運用パラメータの構成要素の値を定める。図５では、構成要素１の値は、２８℃と２６℃の２つとし、構成要素２の値は朝集中型と、夜集中型と、１日均一型の３つとしたときの、全ての組み合わせを列挙している。

しかし、想定パターンの数が多くなると、組合せによってできる運用パラメータの数は非常に多くなる。また、想定パターンが範囲で示されている場合は、当該範囲内から値を決定する必要がある。生成される運用パラメータの数を抑えながら、よりよい運用パラメータを生成するため、構成要素の値を、運用パラメータ生成部１０１に決めさせてもよい。例えば、想定パターンが範囲の場合、運用パラメータ生成部１０１は、当該範囲内という条件の下、より良い結果を得ることができる値を探索する。

図６は、運用パラメータの生成の一例を示す図である。図６（Ａ）は、運用パラメータ生成部１０１が生成した運用パラメータの一覧である。図６（Ｂ）は、縦軸（Ｘ軸）が設定温度、横軸（Ｙ軸）が１人当たりの消費電力、高さ軸（Ｚ軸）が評価値の３次元図であり、生成された運用パラメータがプロットされている。

図６（Ａ）に示された運用パラメータの構成要素は、設定温度と、１人当たりの消費電力の２つである。想定パターンは、設定温度が１５℃から３５℃の範囲、１人当たりの消費電力が１００から２５０Ｗの範囲である。なお、１番目の運用パラメータを初期パラメータＳ_１とし、ｎ（ｎは正の整数）番目の運用パラメータをＳ_ｎと表す。

運用パラメータ生成部１０１が生成した最初の運用パラメータＳ_１の各構成要素の値は設定温度が２０．０℃、１人あたりの消費電力が２００Ｗである。また、後述するコスト計算部の処理によって、パラメータＳ_１の評価値が２００．３と算出されたとする。運用パラメータ生成部１０１は、新たなパラメータＳ_２の各構成要素の値を決定する。例えば、この評価値を下げるように新たなパラメータＳ_２の各構成要素の値を決定する。具体例として、運用パラメータＳ_１の構成要素の値を、想定パターンの範囲内でランダムに増減させて、運用パラメータＳ_２の構成要素の値を決定する。コスト計算部が算出した新たな運用パラメータＳ_２の評価値は１８０．３と、Ｓ_２に比べ減少したとする。運用パラメータ生成部１０１は、評価値が減少したという結果に基づき、次の運用パラメータＳ_３の構成要素の値を決定していく。なお、構成要素の値をどのように動かせば評価値が減少するか定かでない場合も当然あり、その場合は、ランダムに動かすなど任意の方法で値を決定すればよい。

運用パラメータ生成部１０１は、評価値に基づき、探索を繰り返すことで、運用パラメータの構成要素の最適値（もしくは準最適値）を得る。繰り返しは、予め定められた回数、または評価値が予め定められた閾値以下になるまで繰り返せばよい。

運用パラメータ生成部１０１は、勾配法、ＧＡ（Ｇｅｎｅｔｉｃ Ａｌｇｏｒｉｔｈｍ）法、ＳＡ（Ｓｉｍｕｌａｔｅｄ Ａｎｎｅａｌｉｎｇ）法、滑降シンプレックス法などの最適化アルゴリズムを用いてもよい。これらのアルゴリズムを用いることで、少ない試行回数で、より正確により早く最適値（もしくは準最適値）を求めることができる可能性がある。

エネルギーシミュレーション部１０２は、基本パラメータと運用パラメータとに基づき、エネルギー消費量を予測する。予測値は、推定エネルギー情報と称する。用いるシミュレータは、米国エネルギー省が公開しているＥｎｅｒｇｙ Ｐｌｕｓなどの既存のシミュレータ、シミュレーションモデルを縮退し簡単な物理モデルを表現するモデル、物理特性を利用せずパラメータとエネルギー消費量の数理的関係のみに着目する回帰モデルなどの他のモデルを用いてもよい。

図７は、１時間ごとの時系列で表された複数日分の推定エネルギー情報の一例を示す図である。図７の推定エネルギー情報は、実績データ同様に、１時間ごとに分割された時間帯における数値を示しているが、時間帯の長さは任意に定めてよい。また、１時間単位のデータではなく、日単位、月単位、予め定めた日数分でまとめたデータ、または平均などのデータでもよい。

コスト計算部１０３は、運用パラメータを評価する値である評価値を計算する。評価値は、推定エネルギー情報および消費電力量の実測値に基づき、求めることができる。例えば、二乗誤差、絶対誤差、ＭＡＸノルムなどを用いることができる。

次式は、評価値を二乗誤差で表したものである。時刻ｔ（ｔは正の実数）における消費電力量の実測値をｘ_ｔ、時刻ｔにおける推定エネルギー情報をｙ_ｔとする。Ｔは時刻の集合であり、Ｔ＝｛ｔ_１，ｔ_２，ｔ_３，・・・・ｔ_ｍａｘ｝（ｍａｘは１以上の整数）を意味する。

最適運用パラメータ選択部１０４は、コスト計算部１０３が算出した評価値に基づき、評価値が最小である運用パラメータを最適とする。また、最適運用パラメータ選択部１０４は、最適な運用パラメータだけを結果として返すだけでなく、評価値に基づき、運用パラメータの順位をつけてもよい。

図８は、最適運用パラメータ選択部１０４が算出した、運用パラメータの順位を示す図である。各運用パラメータの評価値が表されている。評価値の小さい順に順位がつけられている。ランク１が最適な運用パラメータである。

なお、運用パラメータ生成部１０１、エネルギーシュミレーション部１０２、コスト計算部１０３、最適運用パラメータ選択部１０４の機能は、数理計画問題を解くことのできるソフトウェアである数理計画ソルバーによって実現できる。数理計画ソルバーには、例えば、ＩＢＭ社のＩＬＯＧ ＣＰＬＥＸ（登録商標）などがある。

数理計画ソルバーを用いる場合は、次式を数理計画ソルバーに与えることによって、最適（もしくは準最適）となる運用パラメータを求めることができる。

数式１同様、ｘ_ｔは時刻ｔにおける消費電力量の実測値、ｙ_ｔは時刻ｔにおける推定エネルギー情報、Ｔは時刻の集合であり、Ｔ＝｛ｔ_１，ｔ_２，ｔ_３，・・・・ｔ_ｍａｘ｝を意味する。また、ｚは運用パラメータ、Ｚは運用パラメータの集合であり、Ｚ＝｛ｚ_１，ｚ_２，ｚ_３，・・・・ｚ_ｍａｘ｝を意味する。ｆ（ｚ）は、運用パラメータｚに対し、推定エネルギー情報ｙを求める関数である。ｆ（ｚ）は、シミュレータに相当する。

上記「ｍｉｎ」は、「ｍｉｎ」の右側の式（目的関数）を最小化することを意味する。上記「ｓ．ｔ．」は、「ｓ．ｔ．」の右側の式が、目的関数の制約条件であることを意味する。つまり、各運用パラメータｚに対し、ｆ（ｚ）により算出された｛ｙ_１，ｙ_２，ｙ_３，・・・・ｙ_ｍａｘ｝を目的関数に代入し、目的関数が最小となるｚを求めることになる。

入力部３０１は、ユーザからの入力情報を受け付け、運用情報ＤＢ２０１、基本パラメータＤＢ２０２、実績情報ＤＢ２０３のそれぞれに対し、格納する情報を送る。なお、ユーザによる入力ではなく、図示しないエネルギー測定システムなどの他のシステムからの入力であってもよい。

出力部３０２は、得られた最適な運用パラメータ、最適な運用パラメータによる推定エネルギー情報、推定エネルギー情報と実際の測定値との比較図などの情報を出力する。出力される情報は、画像として表示されてもよいし、電子ファイルとして保存されてもよい。

図９は、出力部３０２の出力の一例を示す図である。図９の実線のグラフは実績データ、破線のグラフは最適な運用パラメータに基づく推定エネルギー情報によるものである。また、シミュレーションに用いられた基本パラメータと、運用パラメータの基となった運用情報が出力されている。これらの情報は、単独で表示されても、組み合わされて表示されてもよい。また、ここでは、グラフを用いているが、図８のような順位表を出力してもよい。

次に、第１の実施形態に係る推定装置の処理について説明する。図１０は、第１の実施形態に係る推定装置の処理のフローチャートである。このフローチャートでは、運用パラメータ生成部１０１が、運用パラメータの構成要素の値を決定する場合を想定する。本フローの開始のタイミングは、任意でよい。あらかじめ定められたタイミングで自動的に開始されてもよいし、入力部３０１から処理の開始を指示してもよい。

運用パラメータ生成部１０１は、運用情報ＤＢ２０１から必要とする運用情報を取得し、１番目の運用パラメータを生成する（Ｓ１０１）。Ｓ_１の各構成要素の値は、想定パターンの中からランダムに選んでもよいし、想定パターンの期待値または重みづけ等に従って選んでもよいし、予め定めておいてもよい。

エネルギーシミュレーション部１０２は、運用パラメータ生成部１０１から運用パラメータＳ_ｎを、基本パラメータＤＢ２０２から必要とする基本パラメータを取得し、シミュレーションを行い、シミュレーションの結果である推定エネルギー情報を生成する（Ｓ１０２）。

コスト計算部１０３は、エネルギーシミュレーション部１０２から推定エネルギー情報を、実績情報ＤＢ２０３から電力実績情報を取得し、当該電力実績情報と推定エネルギー情報とに基づき、評価値を計算する（Ｓ１０３）。

運用パラメータ生成部１０１は、コスト計算部１０３の評価値に基づき、各構成要素の値を変更し、新たな次のパラメータＳ_ｎ＋１を作成する（Ｓ１０４）。

このステップＳ１０２からＳ１０４の処理が、Ｎｍａｘ（Ｎｍａｘは予め定められた正の整数）回行われる。なお、一定の条件を満たした場合は、ループをＮｍａｘ回繰り返さずに、終了させてもよい。例えば、コスト計算部１０３が算出した評価値が、予め定めた閾値以下などの条件がある。

最適運用パラメータ選択部１０４は、コスト計算部１０３から全ての運用パラメータの評価値を取得し、評価値が最小である運用パラメータを最適な運用パラメータと決定する（Ｓ１０５）。なお、最適運用パラメータ選択部１０４が最適な運用パラメータのみを算出し、運用パラメータの順位をつけなくともよい場合は、Ｓ１０５の処理は、Ｓ１０２からＳ１０４の処理同様、当該ループに含めてもよい。具体的には、最適運用パラメータ選択部１０４は、算出された運用パラメータの評価値と、現状の最小評価値を比較し、現状最小評価値よりも小さい場合は、最小評価値を更新する。

出力部３０２は、最適運用パラメータ選択部１０４からの最適な運用パラメータと、当該運用パラメータに係る運用情報などを受取り、出力する（Ｓ１０５）。以上が、第１の実施形態におけるフローチャートである。

なお、本フローチャートでは、運用パラメータ生成部１０１は、運用パラメータの生成の都度、当該運用パラメータのコスト評価値を取得し、次の運用パラメータを生成した。しかし、構成要素の値として用いる想定パターンが予め定められている場合は、運用パラメータ生成部１０１は、全ての運用パラメータを生成した後で、全ての運用パラメータをエネルギーシミュレーション部に送ってもよい。

以上のように、第１の実施形態によれば、現在の運用状況をセンサ等で調査せずとも、．あるいは一部のセンサデータを利用するだけで、予め定めた複数の想定パターンから最も確からしい想定パターンを推定することができる。これにより、現状の運用状況を低コストで把握することができる。

（第２の実施形態）
次に、第２の実施形態について説明する。第１の実施形態と重複する説明は省略する。図１１は、第２の実施形態に係る推定装置の概略構成の一例を示すブロック図である。第２の実施形態は、第１の実施形態の構成に対し、運用情報生成部１０５が追加されている。

運用情報生成部１０５は、運用情報を新たに生成する。生成された運用情報は、運用情報ＤＢ２０１に送られ、格納される。格納された運用情報は、第１の実施形態での運用情報と同様に扱われる。

生成に用いる情報は、施設に関する情報である。例えば、施設の用途、規模、大きさ、１日に当該施設を利用する総人数などがある。施設の用途がオフィスビルである場合は、１人あたりのエネルギー消費量および時間帯におけるエネルギー消費量の変動は、他のオフィスビルと類似する可能性が高い。また、施設の大きさやビルの利用総人数は、施設のエネルギー総消費量が、同程度の施設と類似する可能性が高い。

運用情報生成部１０５は、生成に用いる情報を、入力部３０１から受け取ってもよいし、基本パラメータＤＢ２０２から取得してもよい。

生成方法は、例えば、予め定められたフォーマットを用意し、入力情報に基づき、フォーマットに入力する値を自動的に決定し、運用情報の想定パターンを生成してもよい。例えば、１日に当該施設を利用する総人数が入力された場合、正規分布と乱数を用いて、各時間帯における施設内の人数を想定することが考えられる。また、施設の用途が飲食店の場合、１２時から１３時の時間帯と、１８時から１９時の時間帯とがピークである分布を生成し、施設内の人数を想定することが考えられる。

また、他の施設のデータを活用してもよい。例えば、施設の規模または利用人数等の入力値に応じ、同程度の規模の施設または利用状況が類似する施設を算出し、当該施設のデータを活用してもよい。利用するデータの値はそのままでもよいし、乱数などを用いて、または規模の割合を積算するなどして、加工してもよい。また類似する複数の施設のデータの平均値を利用してもよい。

他の施設のデータは、運用情報生成部１０５、実績情報ＤＢ２０３、または図示しない別のデータベースが保持しておいてもよいし、他のシステムから入力部を介して取得してもよい。

次に、第２の実施形態に係る推定装置の処理について説明する。図１２は、第２の実施形態に係る推定装置の処理のフローチャートである。第１の実施形態に係る推定装置の処理の前に、運用情報生成部の処理が、挿入されている。

運用情報生成部は、運用情報を生成する（Ｓ２０１）。実行するタイミングは、生成に必要な情報を基本パラメータＤＢ２０２から取得する場合は、任意でよい。入力部３０１から受け取る場合は、受け取ったタイミングで実施すればよい。生成された運用情報は、運用情報ＤＢ２０１に送られ、格納される（Ｓ２０２）。

以降の処理は、第１の実施形態と同様である。

以上のように、第２の実施形態によれば、施設の基本的な情報から、複雑な運用情報を生成することができる。そのため、ユーザが施設に応じた運用情報を作成する負担を減らすことができる。また、類似する施設のデータを用いることで、運用情報の精度を高め、運用パラメータ作成の時間を短縮することができる。

また、上記に説明した実施形態における各処理は、ソフトウェア（プログラム）によって実現することが可能である。よって、上記に説明した実施形態における推定装置は、例えば、汎用のコンピュータ装置を基本ハードウェアとして用い、コンピュータ装置に搭載されたプロセッサにプログラムを実行させることにより実現することが可能である。

図１３は、本発明の一実施形態に係る推定装置を実現したハードウェア構成の一例を示すブロック図である。推定装置は、プロセッサ４０１、主記憶装置４０２、補助記憶装置４０３、通信装置４０４、デバイスインタフェース４０５、入力装置４０６、出力装置４０７を備え、これらがバス４０８を介して接続された、コンピュータ装置として実現できる。

プロセッサ４０１が、補助記憶装置４０３からプログラムを読み出して、主記憶装置４０２に展開して、実行することで、運用パラメータ生成部１０１、エネルギーシミュレーション部１０２、コスト計算部１０３、最適運用パラメータ選択部１０４、運用情報生成部１０５の機能を実現することができる。

本実施形態の推定装置は、当該推定装置で実行されるプログラムをコンピュータ装置に予めインストールすることで実現してもよいし、プログラムをＣＤ−ＲＯＭなどの記憶媒体に記憶して、あるいはネットワークを介して配布して、コンピュータ装置に適宜インストールすることで実現してもよい。

ネットワークインタフェース４０４は、通信ネットワークに接続するためのインタフェースである。入力部３０１、出力部３０２などと通信にて接続される場合は、このネットワークインタフェース４０４にて実現してもよい。ここではネットワークインタフェースを１つのみ示しているが、複数のネットワークインタフェースが搭載されていてもよい。

デバイスインタフェース４０５は、外部記憶媒体５０１などの機器に接続するインタフェースである。外部記憶媒体５０１は、ＨＤＤ、ＣＤ−Ｒ、ＣＤ−ＲＷ、ＤＶＤ−ＲＡＭ、ＤＶＤ−Ｒ、ＳＡＮ（Ｓｔｏｒａｇｅ ａｒｅａ ｎｅｔｗｏｒｋ）等の任意の記録媒体でよい。運用情報ＤＢ２０１、基本パラメータＤＢ２０２、実績情報ＤＢ２０３は、外部記憶媒体５０１としてデバイスインタフェース４０５に接続されてもよい。

出力装置４０６は、ＬＣＤ（Ｌｉｑｕｉｄ Ｃｒｙｓｔａｌ Ｄｉｓｐｌａｙ）、ＣＲＴ（Ｃａｔｈｏｄｅ Ｒａｙ Ｔｕｂｅ）等の表示ディスプレイからなり、出力部３０２の機能を実現する。

入力装置４０７は、キーボード、マウス、タッチパネル等の入力デバイスを備え、入力部３０１の機能を実現する。入力部３０１からの入力デバイスの操作による操作信号はプロセッサ４０１に出力する。入力装置４０７または出力装置４０６は、外部からデバイスインタフェース４０５に接続されてもよい。

主記憶装置４０２は、プロセッサ４０１が実行する命令、および各種データ等を一時的に記憶するメモリ装置であり、ＤＲＡＭ等の揮発性メモリでも、ＭＲＡＭ等の不揮発性メモリでもよい。補助記憶装置４０３は、プログラムやデータ等を永続的に記憶する記憶装置であり、例えば、ＨＤＤまたはＳＳＤ等がある。運用情報ＤＢ２０１、基本パラメータＤＢ２０２、実績情報ＤＢ２０３などが保持するデータは、主記憶装置４０２、補助記憶装置４０３または外部記憶媒体に保存される。

なお、上述の構成に、各種ＤＢおよび出力部の情報を印刷するためのプリンタを追加してもよい。また、必要に応じて、推定装置の構成は変更してもよい。

上記に、本発明の一実施形態を説明したが、これらの実施形態は、例として提示したものであり、発明の範囲を限定することは意図していない。これら新規な実施形態は、その他の様々な形態で実施されることが可能であり、発明の要旨を逸脱しない範囲で、種々の省略、置き換え、変更を行うことができる。これら実施形態やその変形は、発明の範囲や要旨に含まれるとともに、特許請求の範囲に記載された発明とその均等の範囲に含まれる。

１０１ 運用パラメータ生成部
１０２ エネルギーシミュレーション部
１０３ コスト計算部
１０４ 最適運用パラメータ選択部
１０５ 運用情報生成部
２０１ 運用情報ＤＢ
２０２ 基本パラメータＤＢ
２０３ 実績情報ＤＢ
３０１ 入力部
３０２ 出力部
４０１ プロセッサ
４０２ 主記憶装置
４０３ 補助記憶装置
４０４ ネットワークインタフェース
４０５ デバイスインタフェース
４０６ 入力装置
４０７ 出力装置
４０８ バス
５０１ 外部記憶媒体

Claims (10)

1. 施設の運用状況を表す１または複数の構成要素を含む第１パラメータの前記１または複数の構成要素の値を決定し、１または複数の前記第１パラメータを生成する第１パラメータ生成部と、
   前記第１パラメータに基づき、前記施設のエネルギー消費量をシミュレーションすることにより、前記第１パラメータに係るエネルギー消費量の推定情報を算出するエネルギーシミュレーション部と、
   前記エネルギー消費量の推定情報と、前記施設のエネルギー消費量の実績情報に基づき、前記第１パラメータの評価値を計算するコスト計算部と、
   前記評価値に基づき複数の前記第１パラメータのうちの１つを選択するパラメータ選択部と、
   を備えた推定装置。
2. 前記構成要素のうちの１つは、１日の時間を一定または異なる長さで分割した各時間帯における値を表す
   請求項１に記載の推定装置。
3. 前記構成要素のうちの１つは、少なくとも前記施設内に存在する人数または前記施設が保有する設備の状態を表す
   請求項１ないし２のいずれか一項に記載の推定装置。
4. 前記エネルギーシミュレーション部は、前記施設の基本情報を表す第２パラメータをさらに用いて、前記施設のエネルギー消費量のシミュレーションを行う
   請求項１ないし３のいずれか一項に記載の推定装置。
5. 前記基本情報は、気象情報、前記施設の構造に関する情報、前記施設が保有する設備に関する情報のうち少なくとも１つを含む
   請求項１ないし４のいずれか一項に記載の推定装置。
6. 前記構成要素毎に、前記構成要素の値を決定するための条件が設定されており、
   前記第１パラメータ生成部は、前記条件に基づいて前記構成要素の値を決定する
   請求項１ないし５のいずれか一項に記載の推定装置。
7. 前記施設に関する情報に基づき、構成要素と、前記構成要素の値を決定するための条件を生成する運用情報生成部をさらに備え、
   前記第１パラメータは、前記運用情報生成部により生成された前記構成要素を含む
   をさらに備える請求項１ないし６のいずれか一項に記載の推定装置。
8. 前記パラメータ選択部により選択した第１パラメータに基づき、前記施設の推定運用状況を表す情報を出力する
   請求項１ないし７のいずれか一項に記載の推定装置。
9. 施設の運用状況を表す１または複数の構成要素を含む第１パラメータの前記１または複数の構成要素の値を決定し、１または複数の前記第１パラメータを生成する第１パラメータ生成ステップと、
   前記第１パラメータに基づき、前記施設のエネルギー消費量をシミュレーションすることにより、前記第１パラメータに係るエネルギー消費量の推定情報を算出するエネルギーシミュレーションステップと、
   前記エネルギー消費量の推定情報と、前記施設のエネルギー消費量の実績情報に基づき、前記第１パラメータの評価値を計算するコスト計算ステップと、
   前記評価値に基づき複数の前記第１パラメータのうちの１つを選択するパラメータ選択ステップと、
   をコンピュータが実行する推定方法。
10. 施設の運用状況を表す１または複数の構成要素を含む第１パラメータの前記１または複数の構成要素の値を決定し、１または複数の前記第１パラメータを生成する第１パラメータ生成ステップと、
    前記第１パラメータに基づき、前記施設のエネルギー消費量をシミュレーションすることにより、前記第１パラメータに係るエネルギー消費量の推定情報を算出するエネルギーシミュレーションステップと、
    前記エネルギー消費量の推定情報と、前記施設のエネルギー消費量の実績情報に基づき、前記第１パラメータの評価値を計算するコスト計算ステップと、
    前記評価値に基づき複数の前記第１パラメータのうちの１つを選択するパラメータ選択ステップと、
    をコンピュータに実行させるためのプログラム。

Images