JP2019060514A - 空調制御装置、空調制御方法、およびプログラム - Google Patents
空調制御装置、空調制御方法、およびプログラム Download PDFInfo
- Publication number
- JP2019060514A JP2019060514A JP2017183766A JP2017183766A JP2019060514A JP 2019060514 A JP2019060514 A JP 2019060514A JP 2017183766 A JP2017183766 A JP 2017183766A JP 2017183766 A JP2017183766 A JP 2017183766A JP 2019060514 A JP2019060514 A JP 2019060514A
- Authority
- JP
- Japan
- Prior art keywords
- data
- air conditioning
- control
- unit
- conditioning system
- 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.)
- Granted
Links
Abstract
Description
制御効果評価部15は次に、ポリシデータCの制限事項欄の条件が満たされているか否かを判定し(S44g)、違反しているのであれば(S44g:Yes)、ペナルティ値(−1)を報酬rとする(S44k)。
Claims (8)
- 人の通行がある施設の空調システムの動作を制御する空調制御装置であって、
前記施設の管理運用方針に基づく制約データの入力を受け付ける制約入力部と、
前記空調システムが空調を行う対象空間において、前記対象空間内に存在する1つ以上の対象区画をそれぞれ観測することで得られる環境データの入力を受け付ける環境観測部と、
ニューラルネットワークを用いて、前記空調システムの動作を単位時間ごとに記述した制御シナリオデータを生成する制御学習部と、
前記空調システムの動作の評価を行う制御効果評価部とを備え、
前記制約入力部は、前記制約データから、前記空調システムの制御ポリシを記載したポリシデータと、前記ニューラルネットワークの構成を定義したニューラルネットワーク構成データとを作成し、
前記制御学習部は、前記ニューラルネットワーク構成データを基に前記ニューラルネットワークを生成し、前記制御効果評価部と連携して、前記ニューラルネットワークを更新し、前記更新されたニューラルネットワークを用いて前記制御シナリオデータを生成し、
前記制御効果評価部は、前記環境データを利用して当該環境データの予測モデルを生成し、前記環境データと、前記ポリシデータと、前記ニューラルネットワーク構成データと、前記予測モデルとを利用して、予め決定された単位時間の短期的報酬と一日単位の中長期的報酬との両方を考慮して報酬を決定する報酬関数を生成し、前記報酬関数を利用して前記空調システムの動作の評価を行う、空調制御装置。 - 前記環境データは、前記施設における人の流れに関するデータである人流データを含み、
前記環境観測部によって受け付けられた過去の人流データに基づいて、前記施設における人の流れを予測する人流予測部をさらに備えた、請求項1に記載の空調制御装置。 - 前記環境観測部はさらに、前記空調制御装置の外部から前記対象空間の利用状態に影響を与える外部データの入力を受け付け、
前記制御効果評価部は、前記空調システムの動作の評価を行う際に、さらに前記外部データを考慮する、請求項1または2に記載の空調制御装置。 - 前記制御効果評価部は、前記対象区画における1箇所以上の代表点の温度データから、前記代表点と前記対象区画内の各点との関係性を学習することにより、前記対象区画内の温度ヒートマップデータを算出する温度予測機能部を備える、請求項1乃至3のうち何れか1項に記載の空調制御装置。
- 前記制御学習部は、前記制御シナリオデータを生成する際に、少なくとも前記ニューラルネットワークの入力層と出力層の構成が同じである、複数の更新済みニューラルネットワーク構成データを用いる、請求項1乃至4のうち何れか1項に記載の空調制御装置。
- 前記制御効果評価部が生成する報酬関数は、
前記空調システムに対する空調制御効果による予測消費電力量と契約電力量との差または比が、予め決定された第1の閾値よりも大きくなった場合に、前記予測消費電力量が前記契約電力量を超えるのであれば、前記空調システムの動作の制御を弱め、前記予測消費電力量が前記契約電力量を下回るのであれば、前記空調システムの動作の制御を強めるような補正を行うことによって前記報酬を決定する処理と、
複数の前記対象区画の制御シナリオにおいて、前記空調システムによる消費電力のピークが重ならないように、複数の前記対象区画の制御シナリオを統合し、前記空調制御効果とあわせて前記ピークの時間が重ならないような補正を行うことによって前記報酬を決定する処理と、
前記施設における人流または前記人流の変動比率が、予め決定された第2の閾値よりも大きくなる混雑時間を算出し、前記混雑時間または前記混雑時間の変動比率が、前記第2の閾値よりも小さい場合、前記空調システムの動作を制御しないような補正を行うことによって前記報酬を決定する処理と
のうちの何れかの処理を行う、請求項1乃至5のうち何れか1項に記載の空調制御装置。 - 人の通行がある施設の空調システムの動作を制御する空調制御方法であって、
前記施設の管理運用方針に基づく制約データの入力を受け付ける第1の工程と、
前記空調システムが空調を行う対象空間において、前記対象空間内に存在する1つ以上の対象区画をそれぞれ観測することで得られる環境データの入力を受け付ける第2の工程と、
ニューラルネットワークを用いて、前記空調システムの動作を単位時間ごとに記述した制御シナリオデータを生成する第3の工程と、
前記空調システムの動作の評価を行う第4の工程とを備え、
前記第1の工程では、前記制約データから、前記空調システムの制御ポリシを記載したポリシデータと、前記ニューラルネットワークの構成を定義したニューラルネットワーク構成データとを作成し、
前記第3の工程では、前記ニューラルネットワーク構成データを基に前記ニューラルネットワークを生成し、前記第4の工程と連携して、前記ニューラルネットワークを更新し、前記更新されたニューラルネットワークを用いて前記制御シナリオデータを生成し、
前記第4の工程では、前記環境データを利用して当該環境データの予測モデルを生成し、前記環境データと、前記ポリシデータと、前記ニューラルネットワーク構成データと、前記予測モデルとを利用して、予め決定された単位時間の短期的報酬と一日単位の中長期的報酬との両方を考慮して報酬を決定する報酬関数を生成し、前記報酬関数を利用して前記空調システムの動作の評価を行う、空調制御方法。 - 請求項1乃至6の何れかに記載の空調制御装置が備える各部として、前記空調制御装置が備えるコンピュータを機能させるプログラム。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2017183766A JP6983020B2 (ja) | 2017-09-25 | 2017-09-25 | 空調制御装置、空調制御方法、およびプログラム |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2017183766A JP6983020B2 (ja) | 2017-09-25 | 2017-09-25 | 空調制御装置、空調制御方法、およびプログラム |
Publications (2)
Publication Number | Publication Date |
---|---|
JP2019060514A true JP2019060514A (ja) | 2019-04-18 |
JP6983020B2 JP6983020B2 (ja) | 2021-12-17 |
Family
ID=66178130
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2017183766A Active JP6983020B2 (ja) | 2017-09-25 | 2017-09-25 | 空調制御装置、空調制御方法、およびプログラム |
Country Status (1)
Country | Link |
---|---|
JP (1) | JP6983020B2 (ja) |
Cited By (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110736229A (zh) * | 2019-10-29 | 2020-01-31 | 珠海格力电器股份有限公司 | 空调的运行状态控制方法、装置、处理器及空调设备 |
CN110836518A (zh) * | 2019-11-12 | 2020-02-25 | 上海建科建筑节能技术股份有限公司 | 基于系统基础知识的自学习空调系统全局优化控制方法 |
CN111103799A (zh) * | 2019-12-25 | 2020-05-05 | 创新奇智(南京)科技有限公司 | 基于师生网络在线探索学习的能效优化建模方法 |
WO2021028967A1 (ja) * | 2019-08-09 | 2021-02-18 | 三菱電機株式会社 | 制御システム、サーバ、機器、制御方法およびプログラム |
WO2021107054A1 (ja) * | 2019-11-26 | 2021-06-03 | ダイキン工業株式会社 | 機械学習装置、デマンド制御システム、及び、空調制御システム |
CN116085937A (zh) * | 2023-04-11 | 2023-05-09 | 湖南禾自能源科技有限公司 | 智能中央空调节能控制方法及系统 |
CN117350086A (zh) * | 2023-12-05 | 2024-01-05 | 珠海格力电器股份有限公司 | 风冷机组能效仿真模型的搭建方法、装置及电子设备 |
Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JPH05141200A (ja) * | 1991-11-20 | 1993-06-08 | Toshiba Corp | トンネル換気制御装置 |
JPH05264086A (ja) * | 1992-03-19 | 1993-10-12 | Hitachi Ltd | 空気調和装置およびその制御装置 |
JP2006504919A (ja) * | 2002-04-17 | 2006-02-09 | ヒューレット−パッカード デベロップメント カンパニー エル.ピー. | 建物内の雰囲気制御 |
JP2007060848A (ja) * | 2005-08-26 | 2007-03-08 | Sanyo Electric Co Ltd | 電力量制御装置および電力量制御方法ならびにプログラム |
JP2011231946A (ja) * | 2010-04-23 | 2011-11-17 | Panasonic Electric Works Co Ltd | 資源管理システム |
JP2016085014A (ja) * | 2014-10-29 | 2016-05-19 | 株式会社日立製作所 | 空調制御方法及びシステム |
WO2017216833A1 (ja) * | 2016-06-13 | 2017-12-21 | 株式会社日立製作所 | 空調機管理装置、熱源設備管理装置、空調機管理方法、および、熱源設備管理方法 |
JP2018071853A (ja) * | 2016-10-27 | 2018-05-10 | インフォグリーン株式会社 | 学習装置、制御装置、学習方法、制御方法、学習プログラムおよび制御プログラム |
-
2017
- 2017-09-25 JP JP2017183766A patent/JP6983020B2/ja active Active
Patent Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JPH05141200A (ja) * | 1991-11-20 | 1993-06-08 | Toshiba Corp | トンネル換気制御装置 |
JPH05264086A (ja) * | 1992-03-19 | 1993-10-12 | Hitachi Ltd | 空気調和装置およびその制御装置 |
JP2006504919A (ja) * | 2002-04-17 | 2006-02-09 | ヒューレット−パッカード デベロップメント カンパニー エル.ピー. | 建物内の雰囲気制御 |
JP2007060848A (ja) * | 2005-08-26 | 2007-03-08 | Sanyo Electric Co Ltd | 電力量制御装置および電力量制御方法ならびにプログラム |
JP2011231946A (ja) * | 2010-04-23 | 2011-11-17 | Panasonic Electric Works Co Ltd | 資源管理システム |
JP2016085014A (ja) * | 2014-10-29 | 2016-05-19 | 株式会社日立製作所 | 空調制御方法及びシステム |
WO2017216833A1 (ja) * | 2016-06-13 | 2017-12-21 | 株式会社日立製作所 | 空調機管理装置、熱源設備管理装置、空調機管理方法、および、熱源設備管理方法 |
JP2018071853A (ja) * | 2016-10-27 | 2018-05-10 | インフォグリーン株式会社 | 学習装置、制御装置、学習方法、制御方法、学習プログラムおよび制御プログラム |
Cited By (14)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JPWO2021028967A1 (ja) * | 2019-08-09 | 2021-02-18 | ||
WO2021028967A1 (ja) * | 2019-08-09 | 2021-02-18 | 三菱電機株式会社 | 制御システム、サーバ、機器、制御方法およびプログラム |
CN110736229A (zh) * | 2019-10-29 | 2020-01-31 | 珠海格力电器股份有限公司 | 空调的运行状态控制方法、装置、处理器及空调设备 |
CN110836518A (zh) * | 2019-11-12 | 2020-02-25 | 上海建科建筑节能技术股份有限公司 | 基于系统基础知识的自学习空调系统全局优化控制方法 |
JP2021090344A (ja) * | 2019-11-26 | 2021-06-10 | ダイキン工業株式会社 | 機械学習装置、デマンド制御システム、及び、空調制御システム |
WO2021107054A1 (ja) * | 2019-11-26 | 2021-06-03 | ダイキン工業株式会社 | 機械学習装置、デマンド制御システム、及び、空調制御システム |
JP2021103083A (ja) * | 2019-11-26 | 2021-07-15 | ダイキン工業株式会社 | 機械学習装置、デマンド制御システム、及び、空調制御システム |
JP7078873B2 (ja) | 2019-11-26 | 2022-06-01 | ダイキン工業株式会社 | 機械学習装置、デマンド制御システム、及び、空調制御システム |
CN114729762A (zh) * | 2019-11-26 | 2022-07-08 | 大金工业株式会社 | 机器学习装置、需求控制系统以及空调控制系统 |
CN111103799A (zh) * | 2019-12-25 | 2020-05-05 | 创新奇智(南京)科技有限公司 | 基于师生网络在线探索学习的能效优化建模方法 |
CN111103799B (zh) * | 2019-12-25 | 2022-07-29 | 创新奇智(南京)科技有限公司 | 基于师生网络在线探索学习的能效优化建模方法 |
CN116085937A (zh) * | 2023-04-11 | 2023-05-09 | 湖南禾自能源科技有限公司 | 智能中央空调节能控制方法及系统 |
CN117350086A (zh) * | 2023-12-05 | 2024-01-05 | 珠海格力电器股份有限公司 | 风冷机组能效仿真模型的搭建方法、装置及电子设备 |
CN117350086B (zh) * | 2023-12-05 | 2024-04-05 | 珠海格力电器股份有限公司 | 风冷机组能效仿真模型的搭建方法、装置及电子设备 |
Also Published As
Publication number | Publication date |
---|---|
JP6983020B2 (ja) | 2021-12-17 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
JP2019060514A (ja) | 空調制御装置、空調制御方法、およびプログラム | |
Yu et al. | Multi-agent deep reinforcement learning for HVAC control in commercial buildings | |
KR102212663B1 (ko) | 목표 온도를 기반으로 하는 빌딩의 열·공조 시스템에 대한 공급 전력 제어 방법 및 장치 | |
US11644207B2 (en) | Smart thermostat with model predictive control | |
Barrett et al. | Autonomous hvac control, a reinforcement learning approach | |
Fu et al. | ED-DQN: An event-driven deep reinforcement learning control method for multi-zone residential buildings | |
Maasoumy et al. | Selecting building predictive control based on model uncertainty | |
Tang et al. | Building material prices forecasting based on least square support vector machine and improved particle swarm optimization | |
Xie et al. | Multi-Agent attention-based deep reinforcement learning for demand response in grid-responsive buildings | |
Gupta et al. | Distributed consensus algorithms for collaborative temperature control in smart buildings | |
Arroyo et al. | Comparison of optimal control techniques for building energy management | |
Ouali et al. | Indoor temperature regulation and energy consumption inside a working office in building system using a predictive functional control | |
Lee et al. | On-policy learning-based deep reinforcement learning assessment for building control efficiency and stability | |
Mendoza-Serrano et al. | Smart grid coordination in building HVAC systems: Computational efficiency of constrained economic linear optimal control | |
Biemann et al. | Data centre HVAC control harnessing flexibility potential via real-time pricing cost optimisation using reinforcement learning | |
Gagnon et al. | Resource‐constrained project scheduling through the goal programming model: integration of the manager's preferences | |
Chen et al. | SHE: Smart home energy management system based on social and motion behavior cognition | |
Rajaoarisoa | Large-scale building thermal modeling based on artificial neural networks: Application to smart energy management | |
Čović et al. | Learning indoor temperature predictions for optimal load ensemble control | |
Mamidi et al. | Adaptive Learning Agents for Sustainable Building Energy Management. | |
Drungilas et al. | Cloud interconnected affect reward based automation ambient comfort controller | |
KR102545304B1 (ko) | 예측 전력 피크 가이드라인을 이용한 전력 관리 장치 및 방법 | |
Pattarello et al. | Model predictive control of HVAC systems: design and implementation on a real case study | |
Le et al. | Reinforcement learning framework for modeling spatial sequential decisions under uncertainty | |
Grewal et al. | Variance-seeking meta-exploration to handle out-of-distribution tasks |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
RD01 | Notification of change of attorney |
Free format text: JAPANESE INTERMEDIATE CODE: A7426 Effective date: 20171010 |
|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A821 Effective date: 20171010 |
|
A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20190718 |
|
A977 | Report on retrieval |
Free format text: JAPANESE INTERMEDIATE CODE: A971007 Effective date: 20200518 |
|
A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20201006 |
|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20201204 |
|
A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20210608 |
|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20210802 |
|
TRDD | Decision of grant or rejection written | ||
A01 | Written decision to grant a patent or to grant a registration (utility model) |
Free format text: JAPANESE INTERMEDIATE CODE: A01 Effective date: 20211116 |
|
A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20211122 |
|
R150 | Certificate of patent or registration of utility model |
Ref document number: 6983020 Country of ref document: JP Free format text: JAPANESE INTERMEDIATE CODE: R150 |