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
空調制御装置、空調制御方法及び空調制御プログラム Download PDFInfo
- Publication number
- JP2018048750A JP2018048750A JP2016182701A JP2016182701A JP2018048750A JP 2018048750 A JP2018048750 A JP 2018048750A JP 2016182701 A JP2016182701 A JP 2016182701A JP 2016182701 A JP2016182701 A JP 2016182701A JP 2018048750 A JP2018048750 A JP 2018048750A
- Authority
- JP
- Japan
- Prior art keywords
- air conditioner
- air
- air conditioning
- conditioning control
- set value
- 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
Links
Images
Landscapes
- Air Conditioning Control Device (AREA)
- Cooling Or The Like Of Electrical Apparatus (AREA)
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
【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。
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。
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。
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。
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。
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。
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。
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。
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。
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、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)
- 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。 - 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。 - 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。
- 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。 - 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。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2016182701A JP2018048750A (ja) | 2016-09-20 | 2016-09-20 | 空調制御装置、空調制御方法及び空調制御プログラム |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2016182701A JP2018048750A (ja) | 2016-09-20 | 2016-09-20 | 空調制御装置、空調制御方法及び空調制御プログラム |
Publications (1)
Publication Number | Publication Date |
---|---|
JP2018048750A true JP2018048750A (ja) | 2018-03-29 |
Family
ID=61766162
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2016182701A Pending JP2018048750A (ja) | 2016-09-20 | 2016-09-20 | 空調制御装置、空調制御方法及び空調制御プログラム |
Country Status (1)
Country | Link |
---|---|
JP (1) | JP2018048750A (ja) |
Cited By (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2020022123A1 (ja) * | 2018-07-27 | 2020-01-30 | 日本電信電話株式会社 | 行動最適化装置、方法およびプログラム |
JP2020148385A (ja) * | 2019-03-13 | 2020-09-17 | ダイキン工業株式会社 | 空調制御システム、及び、空調制御方法 |
JP2020183862A (ja) * | 2019-04-26 | 2020-11-12 | ダイキン工業株式会社 | 空調システム、機械学習装置及び機械学習方法 |
KR20210000933A (ko) * | 2019-06-26 | 2021-01-06 | 경희대학교 산학협력단 | 지하역사 내 환기 시스템 및 그 제어 방법 |
US11294339B2 (en) | 2018-12-10 | 2022-04-05 | Fuji Electric Co., Ltd. | Control device, control method, and non-transitory recording medium |
US11313577B2 (en) | 2019-04-26 | 2022-04-26 | Daikin Industries, Ltd. | Air-conditioning system, machine learning apparatus, and machine learning method |
WO2023199482A1 (ja) * | 2022-04-14 | 2023-10-19 | 日本電信電話株式会社 | 電力量低減制御装置、電力量低減制御方法、電力量低減制御システム、および、プログラム |
US11885520B2 (en) | 2019-03-18 | 2024-01-30 | Daikin Industries, Ltd. | Machine learning apparatus for determining operation condition of precooling operation or preheating operation of air conditioner |
-
2016
- 2016-09-20 JP JP2016182701A patent/JP2018048750A/ja active Pending
Cited By (13)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
EP3832556A4 (en) * | 2018-07-27 | 2022-04-20 | Nippon Telegraph And Telephone Corporation | ACTION OPTIMIZATION DEVICE, METHOD AND PROGRAM |
US11808473B2 (en) | 2018-07-27 | 2023-11-07 | Nippon Telegraph And Telephone Corporation | Action optimization device, method and program |
CN112400179A (zh) * | 2018-07-27 | 2021-02-23 | 日本电信电话株式会社 | 行动优化装置、方法以及程序 |
WO2020022123A1 (ja) * | 2018-07-27 | 2020-01-30 | 日本電信電話株式会社 | 行動最適化装置、方法およびプログラム |
US11294339B2 (en) | 2018-12-10 | 2022-04-05 | Fuji Electric Co., Ltd. | Control device, control method, and non-transitory recording medium |
JP2020148385A (ja) * | 2019-03-13 | 2020-09-17 | ダイキン工業株式会社 | 空調制御システム、及び、空調制御方法 |
WO2020184454A1 (ja) * | 2019-03-13 | 2020-09-17 | ダイキン工業株式会社 | 空調制御システム、及び、空調制御方法 |
US11885520B2 (en) | 2019-03-18 | 2024-01-30 | Daikin Industries, Ltd. | Machine learning apparatus for determining operation condition of precooling operation or preheating operation of air conditioner |
US11313577B2 (en) | 2019-04-26 | 2022-04-26 | Daikin Industries, Ltd. | Air-conditioning system, machine learning apparatus, and machine learning method |
JP2020183862A (ja) * | 2019-04-26 | 2020-11-12 | ダイキン工業株式会社 | 空調システム、機械学習装置及び機械学習方法 |
KR102253509B1 (ko) * | 2019-06-26 | 2021-05-17 | 경희대학교 산학협력단 | 지하역사 내 환기 시스템 및 그 제어 방법 |
KR20210000933A (ko) * | 2019-06-26 | 2021-01-06 | 경희대학교 산학협력단 | 지하역사 내 환기 시스템 및 그 제어 방법 |
WO2023199482A1 (ja) * | 2022-04-14 | 2023-10-19 | 日本電信電話株式会社 | 電力量低減制御装置、電力量低減制御方法、電力量低減制御システム、および、プログラム |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
JP2018048750A (ja) | 空調制御装置、空調制御方法及び空調制御プログラム | |
EP2872953B1 (en) | Mobile device with automatic acquisition and analysis of building automation system | |
US9854335B2 (en) | Method of and system for automatically adjusting airflow | |
US8160729B2 (en) | Application of microsystems for a building system employing a system knowledge base | |
US11421904B2 (en) | Systems and methods for smart multi-zone control | |
JP2010139119A (ja) | 空調制御システム及び空調制御方法 | |
US7024258B2 (en) | System and method for model-based control of a building fluid distribution system | |
JP7149507B2 (ja) | 空間提案システム、及び、空間提案方法 | |
JP2011089677A (ja) | 空調制御装置および方法 | |
JPWO2012023297A1 (ja) | 空調制御装置、空調制御方法及びプログラム | |
KR101937203B1 (ko) | 설비 관제 시스템 및 이의 운전 방법 | |
JP2016061447A (ja) | 空調制御装置、空調制御方法及びコンピュータプログラム | |
CN104089374A (zh) | 一种控制空调的方法和空调 | |
JP2019163885A (ja) | 空調制御装置、空調制御方法及びコンピュータプログラム | |
JP2017101871A (ja) | 空気調和機 | |
JP2015014422A (ja) | 表示装置および方法 | |
CN114746703A (zh) | 空调管理系统 | |
CN113009949A (zh) | 一种室内温度监测调节方法和电子设备 | |
WO2021117234A1 (ja) | モデル共有システム、モデル管理装置、および空気調和装置の制御装置 | |
US20230288089A1 (en) | Method and system for controlling building environmental control system | |
Wijukkana et al. | Temperature variation modeling for improving building HVAC control using built-in temperature sensors in smartphones | |
WO2021084647A1 (ja) | 空調システム及び制御装置 | |
JP5910322B2 (ja) | 空調制御装置及びプログラム | |
CN114365166A (zh) | 用于生成建筑物自动化项目的方法和设备 | |
US11567966B2 (en) | Effectiveness maps |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
A711 | Notification of change in applicant |
Free format text: JAPANESE INTERMEDIATE CODE: A712 Effective date: 20170913 Free format text: JAPANESE INTERMEDIATE CODE: A711 Effective date: 20170913 |