JP2018048750A - 空調制御装置、空調制御方法及び空調制御プログラム - Google Patents

Abstract

【課題】調整員の負担を軽減でき、調整員の技術力に依存せずに最適な空調制御を行うことができる空調制御装置、空調制御方法及び空調制御プログラムを提供することである。
【解決手段】空調制御装置は、空調機運転シミュレータと、学習部とを持つ。空調機運転シミュレータは、室内環境情報と、設定値とを用いて、空調機の運転状況のシミュレーションを行って空調機の消費電力を算出する。室内環境情報は、空調機が空調を行う室内の環境に関するに関する情報である。設定値は、学習部が生成した空調機の制御項目である。学習部は、設定値を生成し、空調機運転シミュレータが算出した消費電力が最小値となる設定値を空調機の制御パラメータに設定する。
【選択図】図３

Description

本発明の実施形態は、空調制御装置、空調制御方法及び空調制御プログラムに関する。

例えばデータセンター等で使用する空調システムでは、複数の空調機を用いて室内の空調を行っている。このような空調システムでは、調整員が、現場で室内の温度等の状況を確認しながら、複数の空調機それぞれの設定値を変更して運用している。ここで、設定値とは、複数の空調機それぞれの目標温度、送風の強さ等である。しかしながら、このような空調システムでは、設定値が現場毎に異なるので、調整員の作業負担が大きい場合があった。また、このような空調システムでは、室内の設備の使用状況によって設定値が変化するため、調整員の経験等の技術力によって調整結果が異なる場合があった。

特開２０１６−３８０５号公報

本発明が解決しようとする課題は、調整員の負担を軽減でき、調整員の技術力に依存せずに最適な空調制御を行うことができる空調制御装置、空調制御方法及び空調制御プログラムを提供することである。

実施形態の空調制御装置は、空調機運転シミュレータと、学習部とを持つ。前記空調機運転シミュレータは、室内環境情報と、設定値とを用いて、前記空調機の運転状況のシミュレーションを行って前記空調機の消費電力を算出する。前記室内環境情報は、前記空調機が空調を行う室内の環境に関するに関する情報である。前記設定値は、前記学習部が生成した前記空調機の制御項目である。前記学習部は、前記設定値を生成し、前記空調機運転シミュレータが算出した前記消費電力が最小値となる前記設定値を前記空調機の制御パラメータに設定する。

本実施形態の空調制御システムの構成の例を示す図。 本実施形態の空調制御システムの配置例を示す図。 本実施形態の空調制御装置の構成の例を示す図。 本実施形態の最適な制御パラメータの算出処理手順のフローチャートを示す図。

以下、実施形態の空調制御装置、空調制御方法及び空調制御プログラムを、図面を参照して説明する。
図１は、本実施形態の空調制御システム１の構成の例を示す図である。図１に示すように、空調制御システム１は、空調制御装置１０、空調機群運転制御装置２０、及び複数の空調機３０Ａ、３０Ｂ、…、３０Ｎを備える。以下、空調機３０Ａ、３０Ｂ、…、３０Ｎに共通する事項については、符号の一部を省略して「空調機３０」と表記する。

空調制御システム１は、建物の室内の空間における空調制御するためのシステムである。以下、実施形態では、データセンターを建物の室内の空間の例として説明する。

空調制御装置１０は、最適な制御パラメータを生成し、生成した最適な制御パラメータを空調機群運転制御装置２０に出力する。
ここで、制御パラメータとは、例えば、各空調機３０が備える送風口それぞれからの送風の風力量、風力の向き、目標温度、稼働時間、送風を行う送風口と送風を行わない送風口等それぞれの情報である。なお、制御パラメータとの生成方法については後述する。

空調機群運転制御装置２０は、空調制御装置１０が出力する制御パラメータを用いて、複数の空調機３０を制御する。空調機群運転制御装置２０は、例えば、空調機３０が吹き出す風力、各空調機３０の稼働時間、空調機３０が有する複数の送風口のいずれの送風口を用いるか否か等の制御を行う。なお、空調制御装置１０と空調機群運転制御装置２０は、有線または無線の通信回線で接続されており、例えばＢＡＣＮｅｔプロトコルやＭｏｄｂｕｓプロトコル等によって通信を行う。

空調機３０は、空気を調整するための機器であり、空気調和機ともいう。空調機３０は、空調機群運転制御装置２０の制御に応じて、空調制御を行う。空調機３０は、後述するように送風口を有している。また、空調機３０は、温度センサー、湿度センサー等を備えている。なお、温度センサーは、空調機３０が空調制御を行う室内に設置されていてもよい。各センサーが検出した結果は、空調制御装置１０及び空調機群運転制御装置２０に出力するようにしてもよい。

ここで、空調制御システム１の配置例を説明する。
図２は、本実施形態の空調制御システム１の配置例を示す図である。図２に示す例では、データセンターの部屋５０を例に説明する。

図２に示すように、部屋５０の室外には、空調制御装置１０、空調機群運転制御装置２０、及び複数の空調機３０Ａ、３０Ｂ、３０Ｃ及び３０Ｄが設置されている。なお、空調制御装置１０、空調機群運転制御装置２０、及び複数の空調機３０Ａ、３０Ｂ、３０Ｃ及び３０Ｄそれぞれは、部屋５０内に設置されていてもよく、または部屋５０の二重床に設置されていてもよい。

図２に示す例では、空調機３０Ａが送風口３０１〜３０３を有し、空調機３０Ｂが送風口３１１〜３１３を有する。また、空調機３０Ｃが送風口３２１〜３２３を有し、空調機３０Ｄが送風口３３１〜３３３を有する。

部屋５０の室内に、送風口３０１〜３０３、３１１〜３１３、３２１〜３２３、３３１〜３３３が設けられている。以下、送風口３０１〜３０３、３１１〜３１３、３２１〜３２３、３３１〜３３３に共通する事項については、符号の一部を省略して「送風口３００」と表記する。なお、送風口３００は、床に設置されていてもよい。また、天井には、還気ファンが設置されていてもよい。また、部屋５０の室内には、サーバー等を収容するためのラック６０Ａ〜６０Ｃが設置されている。以下、ラック６０Ａ〜６０Ｃに共通する事項については、符号の一部を省略して「ラック６０」と表記する。
部屋５０には、ドア５２が設置されている。

図２に示した部屋５０のようにデータセンターには、複数のラック６０が設置されている。そして、ラック６０は、高さ方向と横方向に複数の棚を備えている。そして、各棚には、サーバー装置、ストレージ、ＬＡＮ（Ｌｏｃａｌ Ａｒｅａ Ｎｅｔｗｏｒｋ）用ハブ等が収納される。

以下の説明では、各ラック６０が高さ方向に１つの棚を備え、横方向に５つの棚を備えているとする。そして、ラック６０Ａが備える棚の位置を、位置６０１〜６０５とする。ラック６０Ｂが備える棚の位置を、位置６１１〜６１５とする。ラック６０Ｃが備える棚の位置を、位置６２１〜６２５とする。なお、各棚の位置は、部屋５０内において、所定の位置を基準とした三次元座標で表される。

次に、空調制御装置１０について、さらに説明する。
図３は、本実施形態の空調制御装置１０の構成の例を示す図である。図３に示すように、空調制御装置１０は、取得部１０１、空調機運転シミュレータ１０２、気流シミュレータ１０３、学習部１０４、及び出力部１０５を備える。

取得部１０１は、情報の取得部であり、例えばキーボード、タッチパネル、データ入力端子、ＬＡＮ端子のうちの少なくとも１つである。取得部１０１は、外部から室内環境情報を取得し、取得した室内環境情報を空調機運転シミュレータ１０２と気流シミュレータ１０３に出力する。室内環境情報とは、空調機が空調制御を行う室内の環境に関するに関する情報であるである。室内環境情報は、例えば、部屋５０の面積と体積、ラック６０が設置されている位置を示す情報、各ラック６０が備える棚の位置を示す情報、室内の目標温度を示す情報、熱源であるサーバー等が設置されている棚を示す情報、棚に設置されるサーバー等の熱負荷量を示す情報等のうち少なくとも１つである。

空調機運転シミュレータ１０２は、空調機３０の運転状況のシミュレーションを行うシミュレータである。空調機運転シミュレータ１０２は、取得部１０１が出力する室内環境情報と、学習部１０４が出力する設定値を取得する。なお、設定値とは、空調機の制御項目である。空調機運転シミュレータ１０２は、取得した設定値と室内環境情報を用いて、空調機３０の運転状況のシミュレーションを行って、空調機３０の消費電力、送風口３００からの風量、送風口３００から吹き出される吹出温度を算出する。空調機運転シミュレータ１０２は、算出した消費電力を示す情報を学習部１０４に出力する。空調機運転シミュレータ１０２は、算出した風量と吹出温度を示す情報を、気流シミュレータ１０３に出力する。

気流シミュレータ１０３は、室内の温度分布のシミュレーションを行うシミュレータである。気流シミュレータ１０３は、取得部１０１が出力する室内環境情報と、空調機運転シミュレータ１０２が出力する風量及び吹出温度を示す情報を取得する。気流シミュレータ１０３は、取得した室内環境情報と風量と吹出温度を示す情報を用いて、室内の温度分布のシミュレーションを行って、室内の温度分布を算出する。気流シミュレータ１０３は、算出した室内の温度分布を示す情報を学習部１０４に出力する。気流シミュレータ１０３は、例えば気流シミュレーションのアルゴリズムや流体シミュレーションのアルゴリズム等を用いて、室内の温度分布のシミュレーションを行う。

学習部１０４は、複数の設定値を逐次生成し、生成した複数の設定値を１つずつ空調機運転シミュレータ１０２に出力する。なお、学習部１０４は、強化学習のために、設定値に含まれる複数のパラメータそれぞれを任意のパターンを設定して設定値を生成する。学習部１０４は、空調機運転シミュレータ１０２に出力した設定値毎に、空調機運転シミュレータ１０２が出力する消費電力を示す情報と、気流シミュレータ１０３が出力する室内の温度分布を示す情報を取得する。学習部１０４は、設定値と消費電力を示す情報との関係を学習する。そして、学習部１０４は、消費電力が最小となったとき収束したと判断し、そのときの設定値を最適な制御パラメータに決定する。なお、学習部１０４は、例えば消費電力が所定の値以下になったとき最小値になったと判断するようにしてもよい。学習部１０４は、決定した最適な制御パラメータを出力部１０５に出力する。なお、収束条件は、例えば導入時の１回目のみ所定の値を用いて、それ以後、強化学習が行われる場合は、前回算出した最適な制御パラメータのときの消費電力未満となる設定値が少なくとも１つみつかるまで学習を継続する。学習によって、条件を満たす設定値が複数みつかった場合、学習部１０４は、みつかった設定値のうち、消費電力が最小となるものを最適な制御パラメータとして選択する。また、学習部１０４は、所定の時間、強化学習を行っても前回算出した最適な制御パラメータのときの消費電力未満となる設定値が見つけられない場合、学習を打ち切り、前回算出した最適な制御パラメータを変更しないようにしてもよい。また、学習部１０４は、消費電力を示す情報を取得したとき、室内の温度分布が正常であるか否かを判別する。なお、室内の温度分布が異常であるとは、室内の一部が想定される温度より高温または低温であったり、熱源であるサーバー等が設置されていない箇所が想定される温度より高温である場合等である。また、室内の温度分布が正常であるとは、異常以外の状態である。そして、学習部１０４は、室内の温度分布が異常である、すなわち適正ではなかった場合に設定値を用いて算出された消費電力が最小であっても設定値を前記制御パラメータに設定しない。なお、学習部１０４は、例えば強化学習のアルゴリズムを用いて学習を行う。

出力部１０５は、情報の出力部であり、例えば送信部や送受信部である。出力部１０５は、学習部１０４が出力する最適な制御パラメータを空調機群運転制御装置２０に出力する。

次に、空調制御装置１０が行う最適な制御パラメータの算出処理手順の一例を説明する。
図４は、本実施形態の最適な制御パラメータの算出処理手順のフローチャートを示す図である。

（ステップＳ１）取得部１０１は、室内環境情報を取得し、取得した室内環境情報を空調機運転シミュレータ１０２と気流シミュレータ１０３に出力する。
（ステップＳ２）学習部１０４は、設定値を生成し、生成した設定値を空調機運転シミュレータ１０２に出力する。なお、学習部１０４は、任意のパターンで設定値を生成する。

（ステップＳ３）空調機運転シミュレータ１０２は、室内環境情報と設定値を取得する。続けて、空調機運転シミュレータ１０２は、取得した設定値と室内環境情報を用いて、空調機３０の運転状況のシミュレーションを行って、空調機３０の消費電力、送風口３００からの風量、送風口３００から吹き出される吹出温度を算出する。

（ステップＳ４）気流シミュレータ１０３は、室内環境情報と風量及び吹出温度を取得する。続けて、気流シミュレータ１０３は、取得した室内環境情報と風量と吹出温度を用いて、室内の温度分布のシミュレーションを行って、室内の温度分布を算出する。

（ステップＳ５）学習部１０４は、設定値毎に、消費電力を示す情報と、室内の温度分布を示す情報を取得する。続けて、学習部１０４は、設定値と消費電力を示す情報との関係を学習する。

（ステップＳ６）学習部１０４は、消費電力を示す情報を取得したとき、室内の温度分布が正常であるか否かを判別する。学習部１０４は、室内の温度分布が正常であると判別した場合（ステップＳ６；ＹＥＳ）、ステップＳ７に処理を進める。学習部１０４は、室内の温度分布が異常であると判別した場合（ステップＳ６；ＮＯ）、ステップＳ２に処理を戻す。

（ステップＳ７）学習部１０４は、収束したか否かを判断する。学習部１０４は、収束したと判断した場合（ステップＳ７；ＹＥＳ）、ステップＳ８に処理を進める。学習部１０４は、収束していないと判断した場合（ステップＳ７；ＮＯ）、ステップＳ２に処理を戻す。

（ステップＳ８）学習部１０４は、収束したときの設定値を最適な制御パラメータに決定する。
以上で、最適な制御パラメータの算出処理を終了する。

なお、空調制御装置１０は、上述した処理を、空調制御システム１の導入時、導入後に所定周期（例えば１日に１回、１週間に１回等）、設置状況が変化したとき等に行う。
サーバーを増設したり削除したり、ラック６０（図２）等の配置を変更した場合は、調整員が、空調制御装置１０の取得部１０１に変更された情報を入力するようにしてもよい。または、部屋５０に撮像装置が設置されている場合、空調制御装置１０は、撮像装置が撮像した画像を周知の手法を用いて画像解析することで、サーバーが増設されたり削除されたり、ラック６０（図２）等の配置が変更されたことを検出し、検出したタイミングで上述した処理を行うようにしてもよい。

空調制御装置１０は、設定値を変化させてステップＳ２〜Ｓ７の処理を繰り返すことで、消費電力が少なく室内温度が適正値以内となる設定値となるように更新を行う。空調制御装置１０は、更新を繰り返すことで、最終的に最適な制御パラメータを設定する。この処理では、空調制御装置１０は、実際に空調機３０を動作させずに、空調機運転シミュレータ１０２と気流シミュレータ１０３を用いて、運転状況と室内の温度分布のシミュレーションを行うことで算出することができる。これにより、本実施形態によれば、制御パラメータの設定を空調制御装置１０が自動的に行うようにしたので、調整員の作業の負担を低減することができる。また、本実施形態によれば、最適な制御パラメータを学習によって設定するようにしたので、調整員の技術力に依存せずに最適な空調制御を行うことができる。また、本実施形態によれば、上記の処理を熱源であるサーバー等の負荷の配置や数、ラック６０等の配置等の室内環境が変化した場合であっても、その際に制御パラメータを設定しなおすことで、最適な空調の制御を行うことができる。

また、上述した例では、空調制御装置１０は、気流シミュレータ１０３を備える例を説明したが、気流シミュレータ１０３を備えていなくてもよい。この場合、空調制御装置１０は、図４で説明した処理において、ステップＳ３の処理後、ステップＳ５に処理を進めるようにしてもよい。そして、学習部１０４は、ステップＳ５の処理後、ステップＳ７に処理を進めるようにしてもよい。

上述した実施形態では、空調機運転シミュレータ１０２が、設定値と室内環境情報を用いて空調機３０の消費電力を算出するようにした。本実施形態によれば、学習部１０４が設定値と消費電力を関連付けて学習するようにしたので、最適な制御パラメータを設定することができる。これにより、本実施形態によれば、最適な制御パラメータを設定することで、空調機３０を含む空調制御システム１の消費電力を、調整員の技術によらずに低減することができる。

また、本実施形態では、空調機運転シミュレータ１０２が、送風口３００からの風量、送風口３００から吹き出される吹出温度を算出するようにした。また、本実施形態によれば、気流シミュレータ１０３が、室内環境情報と、送風口３００からの風量、送風口３００から吹き出される吹出温度とを用いて、室内の温度分布を算出するようにした。そして、本実施形態では、学習部１０４が、気流シミュレータ１０３が算出した室内の温度分布が正常である（適正である）か異常である（適正ではない）かを判断するようにした。この結果、本実施形態によれば、より最適な制御パラメータを設定することができるので、空調機３０を含む空調制御システム１の消費電力を、調整員の技術によらずに低減することができる。

なお、上述した例では、空調制御装置１０が室内環境情報を取得して制御パラメータを算出する例を説明したが、これに限られない。導入時等は、学習における教師データがないため、上述したように室内環境情報を取得し、ランダムに生成した設定値を用いて、教師無し学習を行って制御パラメータを算出する。空調制御システム１が運用された後、空調制御装置１０は、例えば、１日、７日、一ヶ月分の時刻毎の空調機３０の消費電力と室内に設置されているサーバー等の時刻毎の消費電力の総量を収集するようにしてもよい。そして、空調制御装置１０は、収集した時刻毎の空調機３０の消費電力と、サーバー等の時刻毎の消費電力の総量を用いて、教師有り学習を行うことで制御パラメータを算出するようにしてもよい。この場合、空調制御装置１０は、実測値を用いて学習を行うことで、さらに最適な制御パラメータを設定することができ、空調制御システム１の消費電力をより低減することができる。なお、空調制御装置１０は、空調機群運転制御装置２０から運用されているときの実測値を取得するようにしてもよい。または、空調制御装置１０は、空調制御装置１０と空調機群運転制御装置２０が接続されているネットワークに接続されているサーバー（不図示）から実測値を取得するようにしてもよい。

なお、上述した例では、部屋５０（図２）が１つの例を説明したが、部屋の数は２つ以上であってもよい。この場合、空調制御装置１０は、複数の部屋ごとに最適な制御パラメータを学習して求めるようにしてもよい。
また、部屋がパーテーションで区切られていたり、一部が壁で区切られている続き部屋の場合、空調制御装置１０は、これらの続き部屋を１つの部屋とみなして、最適な制御パラメータを学習して求めるようにしてもよい。

また、上述した例では、部屋５０（図２）としてデータセンターを例に説明したが、これに限られない。部屋５０は、熱源の移動が少ない部屋、例えば保管庫や倉庫等であってもよい。また、部屋５０は、熱源の移動がある事務所の室内等であってもよい。

なお、上記実施形態では、空調制御装置１０の空調機運転シミュレータ１０２と気流シミュレータ１０３及び学習部１０４は、ＬＳＩ等のハードウェアで実現してもよく、ソフトウェアで実現してもよい。

以上説明した少なくともひとつの実施形態によれば、空調機運転シミュレータ１０２及び学習部１０４を持つことにより、調整員の負担を軽減でき、調整員の技術力に依存せずに最適な空調制御を行うことができる。

本発明のいくつかの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同様に、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ものである。

１…空調制御システム、１０…空調制御装置、２０…空調機群運転制御装置、３０，３０Ａ〜３０Ｎ…空調機、５０…部屋、６０，６０Ａ〜６０Ｃ…ラック、１０１…取得部、１０２…空調機運転シミュレータ、１０３…気流シミュレータ、１０４…学習部、１０５…出力部、３００，３０１〜３０３，３１１〜３１３，３２１〜３２３，３３１〜３３３…送風口、６０１〜６０５，６１１〜６１５，６２１〜６２５…位置

Claims (5)

1. 空調機が空調を行う室内の環境に関するに関する情報である室内環境情報と、学習部が生成した前記空調機の制御項目である設定値とを用いて、前記空調機の運転状況のシミュレーションを行って前記空調機の消費電力を算出する空調機運転シミュレータと、
   前記設定値を生成し、前記空調機運転シミュレータが算出した前記消費電力が最小値となる前記設定値を前記空調機の制御パラメータに設定する学習部と、
   を備える空調制御装置。
2. 前記空調機運転シミュレータは、前記空調機の運転状況のシミュレーションを行って前記空調機が有する送風口からの風量と前記送風口から吹き出される吹出温度とを算出し、
   前記空調機運転シミュレータが算出した風量及び吹出温度と、前記室内環境情報とを用いて前記室内の温度分布のシミュレーションを行って前記室内の温度分布を算出する気流シミュレータ、を備え、
   前記学習部は、前記気流シミュレータが算出した前記室内の温度分布に基づいて、前記設定値が適正であったか否かを判別し、適正ではなかった場合に前記設定値を用いて算出された前記消費電力が最小であっても前記設定値を前記制御パラメータに設定しない、請求項１に記載の空調制御装置。
3. 前記室内環境情報は、前記室内の面積と体積、前記室内に設置されるラックであって前記ラックが設置されている位置を示す情報、各前記ラックが備える棚の位置を示す情報、前記室内の目標温度を示す情報、熱源が設置される棚を示す情報、棚に設置される前記熱源の熱負荷量を示す情報のうち少なくとも１つである、請求項１または請求項２に記載の空調制御装置。
4. 空調制御装置が実行する空調制御方法であって、
   学習部が、空調機の制御項目である設定値を生成するステップと、
   空調機運転シミュレータが、前記空調機が空調を行う室内の環境に関するに関する情報である室内環境情報と、前記設定値とを用いて、前記空調機の運転状況のシミュレーションを行って前記空調機の消費電力を算出するステップと、
   前記学習部が、前記消費電力が最小値となる前記設定値を前記空調機の制御パラメータに設定するステップと、
   を含む空調制御方法。
5. コンピュータに、
   空調機の制御項目である設定値を生成するステップと、
   前記空調機が空調を行う室内の環境に関するに関する情報である室内環境情報と、前記設定値とを用いて、前記空調機の運転状況のシミュレーションを行って前記空調機の消費電力を算出するステップと、
   前記消費電力が最小値となる前記設定値を前記空調機の制御パラメータに設定するステップと、
   を実行させるための空調制御プログラム。

Images