JP2020183816A - Heat source system, target operation capacity estimation method and target operation capacity estimation program - Google Patents

Heat source system, target operation capacity estimation method and target operation capacity estimation program Download PDF

Info

Publication number
JP2020183816A
JP2020183816A JP2019086783A JP2019086783A JP2020183816A JP 2020183816 A JP2020183816 A JP 2020183816A JP 2019086783 A JP2019086783 A JP 2019086783A JP 2019086783 A JP2019086783 A JP 2019086783A JP 2020183816 A JP2020183816 A JP 2020183816A
Authority
JP
Japan
Prior art keywords
cooling
cooling tower
operating capacity
energy consumption
unit
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
Application number
JP2019086783A
Other languages
Japanese (ja)
Inventor
尚利 藤田
Naotoshi Fujita
尚利 藤田
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Daikin Industries Ltd
Original Assignee
Daikin Industries Ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Daikin Industries Ltd filed Critical Daikin Industries Ltd
Priority to JP2019086783A priority Critical patent/JP2020183816A/en
Publication of JP2020183816A publication Critical patent/JP2020183816A/en
Pending legal-status Critical Current

Links

Images

Classifications

    • Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02P—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN THE PRODUCTION OR PROCESSING OF GOODS
    • Y02P80/00—Climate change mitigation technologies for sector-wide applications
    • Y02P80/10—Efficient use of energy, e.g. using compressed air or pressurized fluid as energy carrier

Abstract

To improve operating efficiency of a heat source system.SOLUTION: A cooling tower control device 30 for a heat source system 1 includes: a reinforcement learning section 34 learning a relation between input of an operating condition and operational capability of a cooling tower 20 and output of operation capacity; a state observation section 31 acquiring state variables at least including the operating condition, the operational capability and the operation capacity; an evaluation data acquisition section 32 acquiring energy consumption of the cooling tower 20 and a cooling water pump 40 for evaluating a control result of the cooling tower 20; and a reward calculation section 33 calculating reward on the basis of the energy consumption. The reinforcement learning section 34 acquires a relation between input and output of a target operation capacity model 36 through reinforcement learning by using the reward calculated by the reward calculation section 33 so that the energy consumption is minimized in the operating condition and a condition of the operational capability.SELECTED DRAWING: Figure 3

Description

本開示は、熱源システム、目標運転容量推定方法、目標運転容量推定プログラムに関する。 The present disclosure relates to a heat source system, a target operating capacity estimation method, and a target operating capacity estimation program.

従来、半導体工場における冷水供給や地域冷暖房などに用いられる熱源システムにおいて、外部負荷を冷却する冷凍機（被冷却部）に対して、冷凍機の最大負荷に対応する運転容量を有するように複数台の冷却塔を備える構成が知られている（例えば特許文献１を参照）。 Conventionally, in a heat source system used for cold water supply or district heating / cooling in a semiconductor factory, a plurality of refrigerators (cooled parts) for cooling an external load have an operating capacity corresponding to the maximum load of the refrigerator. A configuration including a cooling tower is known (see, for example, Patent Document 1).

特開２０１０−２３６７２８号公報JP-A-2010-236728

特許文献１に記載の複数台の冷却塔を備える熱源システムでは、運転効率の向上を図るべく、冷却塔の稼働台数を適切に選択できるのが望ましい。 In the heat source system including a plurality of cooling towers described in Patent Document 1, it is desirable that the number of operating cooling towers can be appropriately selected in order to improve the operating efficiency.

本開示は、運転効率を向上できる熱源システム、目標運転容量推定方法、目標運転容量推定プログラムを提供することを目的とする。 An object of the present disclosure is to provide a heat source system capable of improving operating efficiency, a target operating capacity estimation method, and a target operating capacity estimation program.

本開示の第１の態様による熱源システムは、被冷却部と、前記被冷却部に冷却水を供給する冷却水ポンプと、前記冷却水ポンプによって前記被冷却部から導かれた前記冷却水を外気と接触させて冷却する冷却塔とを備え、前記冷却塔は前記被冷却部の最大負荷に対応する運転容量を有するように複数台設けられる熱源システムであって、前記冷却塔の運転条件及び運転能力の入力と前記運転容量の出力との関係を学習する強化学習部と、少なくとも前記運転条件、前記運転能力、前記運転容量を含む状態変数を取得する状態観測部と、前記冷却塔の制御結果を評価する前記冷却塔及び前記冷却水ポンプの消費エネルギーを取得する評価データ取得部と、前記消費エネルギーに基づいて報酬を算出する報酬算出部と、を備え、前記強化学習部は、前記報酬算出部により算出された報酬を用いて、前記運転条件及び前記運転能力の条件下で前記消費エネルギーが最低となるように、前記入力と前記出力との関係を強化学習により取得する。 In the heat source system according to the first aspect of the present disclosure, the cooled portion, the cooling water pump for supplying cooling water to the cooled portion, and the cooling water guided from the cooled portion by the cooling water pump are introduced to the outside air. A plurality of heat source systems are provided so as to have a cooling tower for cooling in contact with the cooling tower so as to have an operating capacity corresponding to the maximum load of the cooled portion, and the operating conditions and operation of the cooling tower. An enhanced learning unit that learns the relationship between the input of capacity and the output of the operating capacity, a state observation unit that acquires at least the operating conditions, the operating capacity, and state variables including the operating capacity, and a control result of the cooling tower. An evaluation data acquisition unit that acquires the energy consumption of the cooling tower and the cooling water pump for evaluating the above, and a reward calculation unit that calculates a reward based on the energy consumption, and the reinforcement learning unit calculates the reward. Using the reward calculated by the unit, the relationship between the input and the output is acquired by reinforcement learning so that the energy consumption is the lowest under the operating conditions and the operating ability conditions.

本開示の第１の態様によれば、運転効率を向上できる熱源システムを提供することができる。 According to the first aspect of the present disclosure, it is possible to provide a heat source system capable of improving operating efficiency.

本開示の第２の態様による熱源システムにおいて、前記被冷却部は、冷凍機である。 In the heat source system according to the second aspect of the present disclosure, the cooled portion is a refrigerator.

本開示の第３の態様による熱源システムにおいて、前記報酬算出部は、前記消費エネルギーが低いほど高い報酬を算出する。 In the heat source system according to the third aspect of the present disclosure, the reward calculation unit calculates a higher reward as the energy consumption is lower.

本開示の第３の態様によれば、消費エネルギーが低くなるほど強化学習部は高い報酬を得られるので、冷却塔の運転条件及び運転能力の入力と、運転容量の出力との関係の学習を適切な方向に迅速に進めることができる。 According to the third aspect of the present disclosure, the lower the energy consumption, the higher the reward for the reinforcement learning unit. Therefore, it is appropriate to learn the relationship between the input of the operating conditions and operating capacity of the cooling tower and the output of the operating capacity. You can move quickly in any direction.

本開示の第４の態様による熱源システムは、外部負荷と、前記被冷却部内で熱交換を行うことによって冷却された冷水を前記外部負荷へ供給する冷水ポンプと、を備え、前記状態変数及び前記入力は、前記被冷却部の負荷を含み、前記評価データ取得部は、前記冷却塔及び前記冷却水ポンプの消費エネルギーに加えて、前記被冷却部及び前記冷水ポンプの消費エネルギーを取得し、前記報酬算出部は、前記冷却塔及び前記冷却水ポンプの消費エネルギーと、前記被冷却部及び前記冷水ポンプの消費エネルギーとに基づいて前記報酬を算出する。 The heat source system according to the fourth aspect of the present disclosure includes an external load and a chilled water pump that supplies chilled water cooled by exchanging heat in the cooled portion to the external load, and includes the state variables and the above. The input includes the load of the cooled unit, and the evaluation data acquisition unit acquires the energy consumption of the cooled unit and the cold water pump in addition to the energy consumption of the cooling tower and the cooling water pump. The reward calculation unit calculates the reward based on the energy consumption of the cooling tower and the cooling water pump and the energy consumption of the cooled unit and the cold water pump.

本開示の第４の態様によれば、冷却塔及び冷水ポンプの消費エネルギーに加えて、被冷却部及び冷水ポンプの消費エネルギーも考慮して、熱源システム全体の消費エネルギーを報酬計算に反映させることができるので、強化学習部による学習をより適切な方向へ進めることができ、強化学習部による運転容量の推定をより高精度にできる。 According to the fourth aspect of the present disclosure, in addition to the energy consumption of the cooling tower and the chilled water pump, the energy consumption of the cooled portion and the chilled water pump is also taken into consideration, and the energy consumption of the entire heat source system is reflected in the reward calculation. Therefore, the learning by the reinforcement learning unit can proceed in a more appropriate direction, and the estimation of the operating capacity by the reinforcement learning unit can be made more accurate.

本開示の第５の態様による熱源システムにおいて、前記状態変数及び前記入力または前記出力は、前記冷却水の温度を含む。 In the heat source system according to the fifth aspect of the present disclosure, the state variable and the input or output include the temperature of the cooling water.

本開示の第５の態様によれば、冷却水温度を変動させる制御を行う場合に、冷却水温度も考慮して学習を進めることができ、学習精度を向上できる。 According to the fifth aspect of the present disclosure, when the control for changing the cooling water temperature is performed, the learning can be advanced in consideration of the cooling water temperature, and the learning accuracy can be improved.

本開示の第６の態様による目標運転容量推定方法は、被冷却部と、前記被冷却部に冷却水を供給する冷却水ポンプと、前記冷却水ポンプによって前記被冷却部から導かれた前記冷却水を外気と接触させて冷却する冷却塔とを備え、前記冷却塔は前記被冷却部の最大負荷に対応する運転容量を有するように複数台設けられる熱源システムにおいて、冷却塔制御装置が、少なくとも前記冷却塔の運転条件、運転能力、運転容量を含む状態変数を取得するステップと、前記冷却塔の制御結果を評価する前記冷却塔及び前記冷却水ポンプの消費エネルギーを取得するステップと、前記消費エネルギーに基づいて報酬を算出するステップと、前記算出された報酬を用いて、前記運転条件及び前記運転能力の条件下で前記消費エネルギーが最低となるように、前記冷却塔の前記運転条件及び前記運転能力の入力と前記運転容量の出力との関係を強化学習により取得するステップと、を実行する。 The target operating capacity estimation method according to the sixth aspect of the present disclosure includes a cooled portion, a cooling water pump that supplies cooling water to the cooled portion, and the cooling guided from the cooled portion by the cooling water pump. In a heat source system provided with a cooling tower that cools water by contacting it with the outside air so that the cooling tower has an operating capacity corresponding to the maximum load of the cooled portion, the cooling tower control device is at least A step of acquiring a state variable including an operating condition, an operating capacity, and an operating capacity of the cooling tower, a step of acquiring the energy consumption of the cooling tower and the cooling water pump for evaluating a control result of the cooling tower, and the consumption. Using the step of calculating the reward based on the energy and the calculated reward, the operating conditions and the operating conditions of the cooling tower so that the energy consumption is the lowest under the operating conditions and the operating capacity conditions. The step of acquiring the relationship between the input of the driving ability and the output of the operating capacity by the strengthening learning is executed.

本開示の第６の態様による目標運転容量推定プログラムは、被冷却部と、前記被冷却部に冷却水を供給する冷却水ポンプと、前記冷却水ポンプによって前記被冷却部から導かれた前記冷却水を外気と接触させて冷却する冷却塔とを備え、前記冷却塔は前記被冷却部の最大負荷に対応する運転容量を有するように複数台設けられる熱源システムにおいて、冷却塔制御装置に、少なくとも前記冷却塔の運転条件、運転能力、運転容量を含む状態変数を取得するステップと、前記冷却塔の制御結果を評価する前記冷却塔及び前記冷却水ポンプの消費エネルギーを取得するステップと、前記消費エネルギーに基づいて報酬を算出するステップと、前記算出された報酬を用いて、前記運転条件及び前記運転能力の条件下で前記消費エネルギーが最低となるように、前記冷却塔の前記運転条件及び前記運転能力の入力と前記運転容量の出力との関係を強化学習により取得するステップと、を実行させる。 The target operating capacity estimation program according to the sixth aspect of the present disclosure includes a cooled portion, a cooling water pump that supplies cooling water to the cooled portion, and the cooling guided from the cooled portion by the cooling water pump. In a heat source system provided with a cooling tower that cools water in contact with the outside air so that the cooling tower has an operating capacity corresponding to the maximum load of the cooled portion, the cooling tower control device is at least A step of acquiring a state variable including an operating condition, an operating capacity, and an operating capacity of the cooling tower, a step of acquiring the energy consumption of the cooling tower and the cooling water pump for evaluating a control result of the cooling tower, and the consumption. Using the step of calculating the reward based on the energy and the calculated reward, the operating conditions and the operating conditions of the cooling tower so that the energy consumption is the lowest under the operating conditions and the operating capacity conditions. The step of acquiring the relationship between the input of the driving ability and the output of the operating capacity by the strengthening learning is executed.

実施形態に係る熱源システムの概略構成を示す図である。It is a figure which shows the schematic structure of the heat source system which concerns on embodiment. 冷却塔制御装置のハードウェア構成の一例を示す図である。It is a figure which shows an example of the hardware composition of the cooling tower control device. 第１実施形態に係る冷却塔制御装置の機能構成を説明する図である。It is a figure explaining the functional structure of the cooling tower control device which concerns on 1st Embodiment. 実施形態に係る目標運転容量推定処理の流れを示すフローチャートである。It is a flowchart which shows the flow of the target operating capacity estimation processing which concerns on embodiment. 熱源システムのシステムＣＯＰのシミュレーション結果の一例を示す図である。It is a figure which shows an example of the simulation result of the system COP of a heat source system. 第２実施形態に係る冷却塔制御装置の機能構成を説明する図である。It is a figure explaining the functional structure of the cooling tower control device which concerns on 2nd Embodiment.

以下、添付図面を参照しながら実施形態について説明する。説明の理解を容易にするため、各図面において同一の構成要素に対しては可能な限り同一の符号を付して、重複する説明は省略する。 Hereinafter, embodiments will be described with reference to the accompanying drawings. In order to facilitate understanding of the description, the same components are designated by the same reference numerals as much as possible in each drawing, and duplicate description is omitted.

［第１実施形態］
図１〜図４を参照して第１実施形態を説明する。まず図１を参照して熱源システム１の全体構成を説明する。図１は、実施形態に係る熱源システム１の概略構成を示す図である。 [First Embodiment]
The first embodiment will be described with reference to FIGS. 1 to 4. First, the overall configuration of the heat source system 1 will be described with reference to FIG. FIG. 1 is a diagram showing a schematic configuration of a heat source system 1 according to an embodiment.

図１に示すように、熱源システム１は、冷凍機１０（被冷却部）と、冷凍機１０と並列に接続され、ファンが回転して冷却する３台の冷却塔２０ａ，２０ｂ，２０ｃと、冷却塔２０ａ，２０ｂ，２０ｃの制御を行う冷却塔制御装置３０とを備えている。図１では、３台の冷却塔を備えている場合を例示しているが、冷却塔の台数については限定されない。なお、以下特に明記しない場合には冷却塔は冷却塔２０として記載する。 As shown in FIG. 1, the heat source system 1 includes a refrigerator 10 (cooled portion), three cooling towers 20a, 20b, 20c connected in parallel with the refrigerator 10 and rotating a fan to cool the refrigerator. It is provided with a cooling tower control device 30 that controls the cooling towers 20a, 20b, and 20c. Although FIG. 1 illustrates a case where three cooling towers are provided, the number of cooling towers is not limited. Unless otherwise specified, the cooling tower is described as the cooling tower 20.

冷凍機１０は、凝縮器１１と蒸発器１２とを備えている。凝縮器１１は、行き配管４１と還り配管４２の冷却水配管が接続されており、冷却塔２０ａ，２０ｂ，２０ｃにより冷却された冷却水Ｗ１が、冷却水配管を介して送給され、冷却水Ｗ１によって冷媒を冷却する。 The refrigerator 10 includes a condenser 11 and an evaporator 12. In the condenser 11, the cooling water pipes of the going pipe 41 and the returning pipe 42 are connected, and the cooling water W1 cooled by the cooling towers 20a, 20b, 20c is supplied via the cooling water pipe to be cooled water. The refrigerant is cooled by W1.

蒸発器１２は、冷水配管５１，５２が接続されており、冷水配管５１，５２を介して外部負荷５０から冷水Ｗ２が送給され、冷水Ｗ２と冷媒を熱交換させて蒸発させる。蒸発器１２にて冷却された冷水Ｗ２は外部負荷５０に供給される。 In the evaporator 12, cold water pipes 51 and 52 are connected, and cold water W2 is supplied from an external load 50 via the cold water pipes 51 and 52 to exchange heat between the cold water W2 and the refrigerant to evaporate. The cold water W2 cooled by the evaporator 12 is supplied to the external load 50.

外部負荷５０は、例えば、空気調和機（空調機）である。外部負荷５０は、冷水Ｗ２に対して放熱を行い、その後の冷水Ｗ２を冷凍機１０へ還流させる。 The external load 50 is, for example, an air conditioner (air conditioner). The external load 50 dissipates heat to the cold water W2, and then returns the cold water W2 to the refrigerator 10.

各冷却塔２０ａ，２０ｂ，２０ｃは、ファンが回転することにより冷却水Ｗ１を冷却する。各冷却塔２０ａ，２０ｂ，２０ｃは、往き配管４１を介して冷凍機１０と接続され、冷凍機１０で利用された冷却水Ｗ１が供給され、冷却塔２０で冷却された冷却水Ｗ１を還り配管４２を介して接続される冷凍機１０に供給する。 Each of the cooling towers 20a, 20b, and 20c cools the cooling water W1 by rotating the fan. Each of the cooling towers 20a, 20b, 20c is connected to the refrigerator 10 via the forward pipe 41, the cooling water W1 used in the refrigerator 10 is supplied, and the cooling water W1 cooled by the cooling tower 20 is returned and piped. It is supplied to the refrigerator 10 connected via 42.

往き配管４１には送水ヘッダ４３が設けられ、還り配管４２には還水ヘッダ４４が設けられている。還り配管４２における還水ヘッダ４４よりも冷却水流れの下流側には冷却水ポンプ４０が設けられている。冷却水ポンプ４０の出力を調整することで、冷却塔２０ａ，２０ｂ，２０ｃと凝縮器１１の間で冷却水Ｗ１を循環させる。送水ヘッダ４３と還水ヘッダ４４との間にはバイパス配管４５が設けられている。バイパス配管４５には冷却水バイパス弁（バイパス弁）４６が設けられている。冷却水バイパス弁４６の開度を調整することにより、送水ヘッダ４３から還水ヘッダ４４へバイパスさせる流量が調整される。 The forward pipe 41 is provided with a water supply header 43, and the return pipe 42 is provided with a water return header 44. A cooling water pump 40 is provided on the downstream side of the cooling water flow from the return water header 44 in the return pipe 42. By adjusting the output of the cooling water pump 40, the cooling water W1 is circulated between the cooling towers 20a, 20b, 20c and the condenser 11. A bypass pipe 45 is provided between the water supply header 43 and the return water header 44. The bypass pipe 45 is provided with a cooling water bypass valve (bypass valve) 46. By adjusting the opening degree of the cooling water bypass valve 46, the flow rate of bypassing from the water supply header 43 to the return water header 44 is adjusted.

還り配管４２において、還水ヘッダ４４よりも冷却水流れの下流側には、冷却塔２０ａ，２０ｂ，２０ｃにおいて冷却されて冷凍機１０に流入される冷却水Ｗ１の温度（冷却水入口温度Ｔ１）を計測する温度センサ２２が設けられている。温度センサ２２で計測された冷却水入口温度Ｔ１の情報は冷却塔制御装置３０へ出力される。 In the return pipe 42, the temperature of the cooling water W1 cooled by the cooling towers 20a, 20b, 20c and flowing into the refrigerator 10 on the downstream side of the cooling water flow from the return water header 44 (cooling water inlet temperature T1). A temperature sensor 22 is provided to measure the temperature. The information of the cooling water inlet temperature T1 measured by the temperature sensor 22 is output to the cooling tower control device 30.

同様に、往き配管４１において、送水ヘッダ４３よりも冷却水流れの上流側には、冷凍機１０にて冷媒と熱交換した後の冷却水Ｗ１の温度（冷却水出口温度Ｔ２）を計測する温度センサ２３が設けられている。温度センサ２３で計測された冷却水出口温度Ｔ２の情報は冷却塔制御装置３０へ出力される。 Similarly, in the forward pipe 41, the temperature at which the temperature of the cooling water W1 (cooling water outlet temperature T2) after heat exchange with the refrigerant in the refrigerator 10 is measured on the upstream side of the cooling water flow from the water supply header 43. A sensor 23 is provided. The information of the cooling water outlet temperature T2 measured by the temperature sensor 23 is output to the cooling tower control device 30.

熱源システム１は、各冷却塔２０ａ，２０ｂ，２０ｃに対応して湿球温度計２１ａ，２１ｂ，２１ｃを備えている。湿球温度計２１ａ，２１ｂ，２１ｃは、外気の湿球温度を計測し、計測されたそれぞれの湿球温度の情報を冷却塔制御装置３０に出力する。 The heat source system 1 includes wet bulb thermometers 21a, 21b, 21c corresponding to the cooling towers 20a, 20b, 20c. The wet-bulb thermometers 21a, 21b, and 21c measure the wet-bulb temperature of the outside air, and output the measured wet-bulb temperature information to the cooling tower control device 30.

冷凍機１０から外部負荷５０へ冷水Ｗ２を供給する冷水配管５２には、外部負荷５０へ流入される冷水Ｗ２の温度Ｔ３を計測する温度センサ２４が設けられている。温度センサ２４で計測された冷水温度Ｔ３の情報は冷却塔制御装置３０へ出力される。 The cold water pipe 52 that supplies the cold water W2 from the refrigerator 10 to the external load 50 is provided with a temperature sensor 24 that measures the temperature T3 of the cold water W2 that flows into the external load 50. The information of the chilled water temperature T3 measured by the temperature sensor 24 is output to the cooling tower control device 30.

同様に、外部負荷５０から冷凍機１０へ冷水Ｗ２を戻す冷水配管５１には、外部負荷５０にて熱交換した後の冷水Ｗ２の温度Ｔ４を計測する温度センサ２５が設けられている。温度センサ２５で計測された冷水温度Ｔ４の情報は冷却塔制御装置３０へ出力される。 Similarly, the cold water pipe 51 that returns the cold water W2 from the external load 50 to the refrigerator 10 is provided with a temperature sensor 25 that measures the temperature T4 of the cold water W2 after heat exchange with the external load 50. The information of the chilled water temperature T4 measured by the temperature sensor 25 is output to the cooling tower control device 30.

冷水配管５２には冷水ポンプ４７が設けられている。冷水ポンプ４７の出力を調整することで、冷凍機１０と外部負荷５０との間で冷水Ｗ２を循環させる。 A chilled water pump 47 is provided in the chilled water pipe 52. By adjusting the output of the chilled water pump 47, the chilled water W2 is circulated between the refrigerator 10 and the external load 50.

冷却塔制御装置３０は、冷却塔２０の目標運転容量を算出して、目標運転容量を達成するために稼働させる必要がある冷却塔の台数を算出して、この台数に応じて冷却塔の動作を制御する。 The cooling tower control device 30 calculates the target operating capacity of the cooling tower 20, calculates the number of cooling towers that need to be operated in order to achieve the target operating capacity, and operates the cooling tower according to this number. To control.

ここで図５を参照して、熱源システム１において冷却塔２０の台数制御を行う理由を説明する。図５は、熱源システム１のシステムＣＯＰ（Coefficient Of Performance：消費効率）のシミュレーション結果の一例を示す図である。システムＣＯＰは、熱源システム１の全体の効率である。図５の横軸は冷凍機１０の部分負荷率を示し、縦軸はシステムＣＯＰを示す。図５では、部分負荷率に応じたシステムＣＯＰの特性が、外気湿球温度ごとに同一マークでプロットされている。実線は冷却塔容量１００％の場合の特性、破線は冷却塔容量３００％の特性を示している。 Here, with reference to FIG. 5, the reason for controlling the number of cooling towers 20 in the heat source system 1 will be described. FIG. 5 is a diagram showing an example of a simulation result of the system COP (Coefficient Of Performance) of the heat source system 1. The system COP is the overall efficiency of the heat source system 1. The horizontal axis of FIG. 5 shows the partial load factor of the refrigerator 10, and the vertical axis shows the system COP. In FIG. 5, the characteristics of the system COP according to the partial load factor are plotted with the same mark for each outside air wet-bulb temperature. The solid line shows the characteristics when the cooling tower capacity is 100%, and the broken line shows the characteristics when the cooling tower capacity is 300%.

図５に示すように、システムＣＯＰは、外気湿球温度が８℃以下の場合には、全ての冷凍機部分負荷率において、冷却塔容量を１００％から３００％に増大することによって増加する傾向がある。一方、外気湿球温度が１２℃以上の場合には、冷凍機部分負荷率が大きい領域では冷却塔容量３００％のシステムＣＯＰの方が１００％のものよりの高いが、冷凍機部分負荷率が低い領域では冷却塔容量１００％のシステムＣＯＰの方が３００％のものより高くなっている。このように、冷却塔容量３００％におけるシステムＣＯＰと、冷却塔容量１００％におけるシステムＣＯＰの大小関係が逆転する冷凍機部分負荷率は、外気湿球温度が高くなるほど高負荷側に移動する傾向がある。 As shown in FIG. 5, the system COP tends to increase by increasing the cooling tower capacity from 100% to 300% at all chiller partial load factors when the outside air wet-bulb temperature is 8 ° C. or lower. There is. On the other hand, when the outside air wet bulb temperature is 12 ° C. or higher, the system COP with a cooling tower capacity of 300% is higher than that with 100% in the region where the partial load factor of the refrigerator is large, but the partial load factor of the refrigerator is high. In the lower region, the system COP with 100% cooling tower capacity is higher than that with 300%. In this way, the partial load factor of the refrigerator in which the magnitude relationship between the system COP at a cooling tower capacity of 300% and the system COP at a cooling tower capacity of 100% is reversed tends to move to the higher load side as the outside air wet-bulb temperature increases. is there.

したがって、熱源システム１の運転効率を高めるためには、冷却塔２０の運転容量の最適値が、外気湿球温度などの運転条件や、冷凍機負荷率などの運転能力などのパラメータを考慮して得られる必要がある。 Therefore, in order to improve the operating efficiency of the heat source system 1, the optimum value of the operating capacity of the cooling tower 20 takes into consideration parameters such as operating conditions such as the outside air wet-bulb temperature and operating capacity such as the refrigerator load factor. Need to be obtained.

特許文献１などの従来技術では、例えば図５の関係のような、外気湿球温度と冷凍機負荷率との関係で熱源システム全体のＣＯＰを把握できる表を作成し、この表から熱源システム全体のＣＯＰが最も高くなる演算式に用いるパラメータを決定し、この演算結果に基づいて冷却塔の運転台数などを制御していた。このため、予め表を用意してシステムに保持させるための記憶容量が必要だったり、煩雑な演算処理を行うため計算コストがかかるなどの問題があった。 In the prior art such as Patent Document 1, a table capable of grasping the COP of the entire heat source system based on the relationship between the outside air wet-bulb temperature and the load factor of the refrigerator, for example, as shown in FIG. 5, is created, and the entire heat source system is created from this table. The parameters used in the calculation formula with the highest COP were determined, and the number of operating cooling towers was controlled based on the calculation results. For this reason, there are problems that a storage capacity for preparing a table in advance and holding it in the system is required, and a calculation cost is required because complicated calculation processing is performed.

これに対して本実施形態では、冷却塔制御装置３０は、熱源システム１の各位置から取得する運転条件や運転能力などのパラメータに基づき、学習系を用いて冷却塔２０の適切な稼働台数を推定する。これにより記憶容量や計算コストを抑制でき、運転効率を簡易に向上できる。 On the other hand, in the present embodiment, the cooling tower control device 30 uses a learning system to determine an appropriate number of operating units of the cooling tower 20 based on parameters such as operating conditions and operating capacities acquired from each position of the heat source system 1. presume. As a result, the storage capacity and calculation cost can be suppressed, and the operation efficiency can be easily improved.

以下に、実施形態に係る冷却塔制御装置３０のハードウェア構成について説明する。図２は、冷却塔制御装置３０のハードウェア構成の一例を示す図である。 The hardware configuration of the cooling tower control device 30 according to the embodiment will be described below. FIG. 2 is a diagram showing an example of the hardware configuration of the cooling tower control device 30.

冷却塔制御装置３０は、ＣＰＵ（Central Processing Unit）１０１、ＲＯＭ（Read Only Memory）１０２、ＲＡＭ（Random Access Memory）１０３を有する。ＣＰＵ１０１、ＲＯＭ１０２、ＲＡＭ１０３は、いわゆるコンピュータを形成する。また、冷却塔制御装置３０は、補助記憶装置１０４、出力装置１０５、入力装置１０６、Ｉ／Ｆ（Interface）装置１０７、ドライブ装置１０８を有する。冷却塔制御装置３０の各ハードウェアは、バス１０９を介して相互に接続される。 The cooling tower control device 30 includes a CPU (Central Processing Unit) 101, a ROM (Read Only Memory) 102, and a RAM (Random Access Memory) 103. The CPU 101, ROM 102, and RAM 103 form a so-called computer. Further, the cooling tower control device 30 includes an auxiliary storage device 104, an output device 105, an input device 106, an I / F (Interface) device 107, and a drive device 108. The hardware of the cooling tower control device 30 is connected to each other via the bus 109.

ＣＰＵ１０１は、補助記憶装置１０４にインストールされている各種プログラム（例えば、目標運転容量推定プログラム等）を実行する演算デバイスである。ＲＯＭ１０２は、不揮発性メモリである。ＲＯＭ１０２は、主記憶デバイスとして機能し、補助記憶装置１０４にインストールされている各種プログラムをＣＰＵ１０１が実行するために必要な各種プログラムやデータ等を格納する。具体的には、ＲＯＭ１０２はＢＩＯＳ（Basic Input/Output System）やＥＦＩ（Extensible Firmware Interface）等のブートプログラム等を格納する。 The CPU 101 is an arithmetic device that executes various programs (for example, a target operating capacity estimation program) installed in the auxiliary storage device 104. The ROM 102 is a non-volatile memory. The ROM 102 functions as a main storage device, and stores various programs, data, and the like necessary for the CPU 101 to execute various programs installed in the auxiliary storage device 104. Specifically, the ROM 102 stores boot programs such as BIOS (Basic Input / Output System) and EFI (Extensible Firmware Interface).

ＲＡＭ１０３は、ＤＲＡＭ（Dynamic Random Access Memory）やＳＲＡＭ（Static Random Access Memory）等の揮発性メモリである。ＲＡＭ１０３は、主記憶デバイスとして機能し、補助記憶装置１０４にインストールされている各種プログラムがＣＰＵ１０１によって実行される際に展開される作業領域を提供する。 The RAM 103 is a volatile memory such as a DRAM (Dynamic Random Access Memory) or a SRAM (Static Random Access Memory). The RAM 103 functions as a main storage device and provides a work area that is expanded when various programs installed in the auxiliary storage device 104 are executed by the CPU 101.

補助記憶装置１０４は、各種プログラムや、各種プログラムが実行される際に用いられる情報を格納する。 The auxiliary storage device 104 stores various programs and information used when various programs are executed.

出力装置１０５は、冷却塔制御装置３０が取得した情報を出力する出力デバイスである。出力装置１０５は、例えば、表示装置等であっても良い。入力装置１０６は、例えば、冷却塔制御装置３０に対して各種操作を行うための入力デバイスである。Ｉ／Ｆ装置１０７は、冷却塔制御装置３０が他の機器と通信を行うための通信デバイスである。 The output device 105 is an output device that outputs the information acquired by the cooling tower control device 30. The output device 105 may be, for example, a display device or the like. The input device 106 is, for example, an input device for performing various operations on the cooling tower control device 30. The I / F device 107 is a communication device for the cooling tower control device 30 to communicate with other devices.

ドライブ装置１０８は記録媒体１１０をセットするためのデバイスである。ここでいう記録媒体１１０には、ＣＤ−ＲＯＭ、フレキシブルディスク、光磁気ディスク等のように情報を光学的、電気的あるいは磁気的に記録する媒体が含まれる。また、記録媒体１１０には、ＲＯＭ、フラッシュメモリ等のように情報を電気的に記録する半導体メモリ等が含まれていてもよい。 The drive device 108 is a device for setting the recording medium 110. The recording medium 110 referred to here includes a medium such as a CD-ROM, a flexible disk, a magneto-optical disk, or the like that optically, electrically, or magnetically records information. Further, the recording medium 110 may include a semiconductor memory or the like for electrically recording information such as a ROM or a flash memory.

尚、補助記憶装置１０４にインストールされる各種プログラムは、例えば、配布された記録媒体１１０がドライブ装置１０８にセットされ、記録媒体１１０に記録された各種プログラムがドライブ装置１０８により読み出されることでインストールされる。あるいは、補助記憶装置１０４にインストールされる各種プログラムは、ネットワークよりダウンロードされることで、インストールされてもよい。 The various programs installed in the auxiliary storage device 104 are installed, for example, by setting the distributed recording medium 110 in the drive device 108 and reading the various programs recorded in the recording medium 110 by the drive device 108. To. Alternatively, various programs installed in the auxiliary storage device 104 may be installed by being downloaded from the network.

次に、図３を参照して、冷却塔制御装置３０の機能構成について説明する。図３は、第１実施形態に係る冷却塔制御装置３０の機能構成を説明する図である。 Next, the functional configuration of the cooling tower control device 30 will be described with reference to FIG. FIG. 3 is a diagram illustrating a functional configuration of the cooling tower control device 30 according to the first embodiment.

本実施形態の冷却塔制御装置３０は、例えば、ＣＰＵ１０１が、補助記憶装置１０４にインストールされた目標運転容量推定プログラムを読み込んで実行することで、図３に示す機能を実現する。 The cooling tower control device 30 of the present embodiment realizes the function shown in FIG. 3 by, for example, the CPU 101 reading and executing the target operating capacity estimation program installed in the auxiliary storage device 104.

冷却塔制御装置３０は、状態観測部３１と、評価データ取得部３２と、報酬算出部３３と、強化学習部３４と、冷却塔制御部３５とを備える。 The cooling tower control device 30 includes a state observation unit 31, an evaluation data acquisition unit 32, a reward calculation unit 33, a reinforcement learning unit 34, and a cooling tower control unit 35.

状態観測部３１は、熱源システム１の状態変数を取得して、強化学習部３４に出力する。状態変数は、学習対象が存在する環境の現在状態を示すデータであり、本実施形態では少なくとも冷却塔２０の運転条件、運転能力、運転容量を含む。 The state observation unit 31 acquires the state variable of the heat source system 1 and outputs it to the reinforcement learning unit 34. The state variable is data indicating the current state of the environment in which the learning target exists, and includes at least the operating conditions, operating capacity, and operating capacity of the cooling tower 20 in the present embodiment.

冷却塔２０の運転条件とは、例えば冷却塔２０の現在の外気湿球温度（外気温）の情報を含み、湿球温度計２１ａ，２１ｂ，２１ｃの計測値から取得できる。 The operating condition of the cooling tower 20 includes, for example, information on the current outside air wet-bulb temperature (outside air temperature) of the cooling tower 20, and can be obtained from the measured values of the wet-bulb thermometers 21a, 21b, and 21c.

冷却塔２０の運転能力とは冷却塔２０の現在の負荷であり、冷却塔２０が冷凍機１０と熱交換する冷却熱量である。運転能力は、例えば、往還水温度差（冷凍機入口出口の冷却水の温度差）と冷却水流量（例えば冷却水ポンプ４０のインバータの電圧や周波数から計算、または流量計の測定値）との積で算出できる。往還水温度差は、例えば温度センサ２２、２３により計測される冷却水入口温度Ｔ１、冷却水出口温度Ｔ２の差分を用いて算出できる。 The operating capacity of the cooling tower 20 is the current load of the cooling tower 20, and is the amount of cooling heat that the cooling tower 20 exchanges heat with the refrigerator 10. The operating capacity is, for example, the temperature difference between the back and forth water (the temperature difference of the cooling water at the inlet and outlet of the refrigerator) and the cooling water flow rate (for example, calculated from the voltage and frequency of the inverter of the cooling water pump 40, or measured by the flow meter). It can be calculated by the product. The return water temperature difference can be calculated using, for example, the difference between the cooling water inlet temperature T1 and the cooling water outlet temperature T2 measured by the temperature sensors 22 and 23.

冷却塔２０の運転容量は、例えば現在稼働している冷却塔の台数と各冷却塔の容量との積で算出できる。稼働台数は、例えば目標運転容量モデル３６の出力に基づき冷却塔制御部３５が現在稼働させている冷却塔２０の台数の情報から取得できる。 The operating capacity of the cooling tower 20 can be calculated by, for example, the product of the number of cooling towers currently in operation and the capacity of each cooling tower. The number of operating units can be obtained from, for example, information on the number of cooling towers 20 currently operated by the cooling tower control unit 35 based on the output of the target operating capacity model 36.

報酬算出部３３は、強化学習部３４が強化学習を行う際に用いる報酬を算出する。報酬算出部３３は、消費エネルギーに基づいて報酬を算出する。本実施形態では、報酬算出部３３は、消費エネルギーが低いほど高い報酬を算出する。 The reward calculation unit 33 calculates the reward used when the reinforcement learning unit 34 performs reinforcement learning. The reward calculation unit 33 calculates the reward based on the energy consumption. In the present embodiment, the reward calculation unit 33 calculates a higher reward as the energy consumption is lower.

評価データ取得部３２は、冷却塔２０の制御結果を評価する冷却塔２０及び冷却水ポンプ４０の消費エネルギーを評価データとして取得して報酬算出部３３に出力する。ここで「消費エネルギー」は、消費電力、エネルギー消費効率（ＣＯＰ；Coefficient Of Performance）、ＣＯ２排出量、エネルギーコストの少なくとも１つを含む。これにより、強化学習部３４が強化学習を行う際に用いる報酬に消費エネルギーを反映させることができる。 The evaluation data acquisition unit 32 acquires the energy consumption of the cooling tower 20 and the cooling water pump 40 for evaluating the control result of the cooling tower 20 as evaluation data and outputs the energy consumption to the reward calculation unit 33. Here, "energy consumption" includes at least one of power consumption, coefficient of performance (COP), CO 2 emissions, and energy cost. As a result, the energy consumption can be reflected in the reward used by the reinforcement learning unit 34 when performing reinforcement learning.

強化学習部３４は、状態観測部３１から入力される状態変数に基づいて、運転容量の目標値である目標運転容量を出力するためのモデルについて強化学習を行う。強化学習部３４は、冷却塔２０の運転条件及び運転能力の入力と目標運転容量の出力との関係を学習する。また、強化学習部３４は、強化学習を行うことで取得される目標運転容量を冷却塔制御部３５に送信する。 The reinforcement learning unit 34 performs reinforcement learning on a model for outputting a target operating capacity, which is a target value of the operating capacity, based on a state variable input from the state observation unit 31. The reinforcement learning unit 34 learns the relationship between the input of the operating conditions and operating capacity of the cooling tower 20 and the output of the target operating capacity. Further, the reinforcement learning unit 34 transmits the target operating capacity acquired by performing the reinforcement learning to the cooling tower control unit 35.

強化学習部３４は、目標運転容量モデル３６を有する。強化学習部３４は、報酬算出部３３により算出された報酬を用いて、報酬が最大となるように、すなわち、運転条件及び運転負荷の条件下で消費エネルギーが最低となるように、目標運転容量モデル３６のモデルパラメータを変更して、冷却塔２０の運転条件及び運転負荷の入力と運転容量の出力との関係を強化学習により取得する。目標運転容量モデル３６は、例えば多層ニューラルネットワークである。 The reinforcement learning unit 34 has a target operating capacity model 36. The reinforcement learning unit 34 uses the reward calculated by the reward calculation unit 33 to maximize the reward, that is, to minimize the energy consumption under the operating conditions and the driving load conditions. The model parameters of the model 36 are changed, and the relationship between the operating conditions of the cooling tower 20 and the input of the operating load and the output of the operating capacity is acquired by reinforcement learning. The target operating capacity model 36 is, for example, a multi-layer neural network.

また、強化学習部３４は、モデルパラメータが変更された目標運転容量モデル３６に、状態観測部３１が取得した状態変数を入力することで、目標運転容量を出力させる。強化学習部３４は、目標運転容量モデル３６より出力された目標運転容量を冷却塔制御部３５に送信する。これにより、強化学習部３４は、適切な目標運転容量を導出することができる。 Further, the reinforcement learning unit 34 outputs the target operating capacity by inputting the state variable acquired by the state observing unit 31 into the target operating capacity model 36 whose model parameters have been changed. The reinforcement learning unit 34 transmits the target operating capacity output from the target operating capacity model 36 to the cooling tower control unit 35. As a result, the reinforcement learning unit 34 can derive an appropriate target operating capacity.

また、上記説明では、強化学習部３４は、状態観測部３１から入力される状態変数のすべてを目標運転容量モデル３６に入力するものとした。しかしながら強化学習部３４は、状態変数の一部のみを目標運転容量モデル３６に入力する構成でもよい。例えば、上記の状態変数のうち、現在稼働中の冷却塔２０の運転容量の情報を、目標運転容量モデル３６の入力に含めない構成でもよい。 Further, in the above description, the reinforcement learning unit 34 assumes that all the state variables input from the state observation unit 31 are input to the target operating capacity model 36. However, the reinforcement learning unit 34 may be configured to input only a part of the state variables to the target operating capacity model 36. For example, among the above state variables, the information on the operating capacity of the cooling tower 20 currently in operation may not be included in the input of the target operating capacity model 36.

なお、冷却塔２０の制御では、冷却水温度を所定値に固定するのが一般的であるが、冷却水温度を変動させる場合もある。この場合には、状態観測部３１が取得する状態変数に、さらに送水温度（冷却水温度設定値）の情報を含んでもよい。この場合、目標運転容量モデル３６の入力にも送水温度が加わる。これにより、冷却水温度を変動させる制御を行う場合にも、冷却水温度も考慮してモデルの学習を進めることができ、学習精度を向上できる。この送水温度には、例えば温度センサ２２により計測される冷却水入口温度Ｔ１を利用できる。 In the control of the cooling tower 20, the cooling water temperature is generally fixed at a predetermined value, but the cooling water temperature may be changed. In this case, the state variable acquired by the state observation unit 31 may further include information on the water supply temperature (cooling water temperature set value). In this case, the water supply temperature is also added to the input of the target operating capacity model 36. As a result, even when controlling to fluctuate the cooling water temperature, the learning of the model can be advanced in consideration of the cooling water temperature, and the learning accuracy can be improved. For this water supply temperature, for example, the cooling water inlet temperature T1 measured by the temperature sensor 22 can be used.

「冷却水Ｗ１」及び「冷水Ｗ２」は、水以外の熱媒体に置き換えてもよい。 The "cooling water W1" and the "cold water W2" may be replaced with a heat medium other than water.

冷却塔制御部３５は、目標運転容量モデル３６が出力した目標運転容量に基づき、この目標運転容量を達成するために必要な冷却塔２０の稼働台数を算出して、算出した稼働台数に基づき冷却塔２０の動作を制御する。 The cooling tower control unit 35 calculates the number of operating units of the cooling tower 20 required to achieve the target operating capacity based on the target operating capacity output by the target operating capacity model 36, and cools based on the calculated operating number. Control the operation of the tower 20.

次に、冷却塔制御装置３０による目標運転容量推定処理の流れについて説明する。図４は、実施形態に係る目標運転容量推定処理の流れを示すフローチャートである。 Next, the flow of the target operating capacity estimation process by the cooling tower control device 30 will be described. FIG. 4 is a flowchart showing the flow of the target operating capacity estimation process according to the embodiment.

ステップＳ１において、状態観測部３１は、現在の目標運転容量に基づき現在稼働中の冷却塔の運転条件、運転能力、運転容量を熱源システム１の状態変数として取得して、強化学習部３４に出力する。 In step S1, the state observation unit 31 acquires the operating conditions, operating capacity, and operating capacity of the currently operating cooling tower as state variables of the heat source system 1 based on the current target operating capacity, and outputs them to the reinforcement learning unit 34. To do.

ステップＳ２において、評価データ取得部３２は、現在の目標運転容量に基づき現在稼働中の冷却塔２０及び冷却水ポンプ４０の消費エネルギーを取得して報酬算出部３３に出力する。 In step S2, the evaluation data acquisition unit 32 acquires the energy consumption of the cooling tower 20 and the cooling water pump 40 currently in operation based on the current target operating capacity and outputs the energy consumption to the reward calculation unit 33.

報酬算出部３３は、ステップＳ２にて取得した消費エネルギーに基づいて、現在の冷却塔２０の稼働状態に関する報酬を算出する。まずステップＳ３において、報酬算出部３３は、ステップＳ２にて取得した消費エネルギーが、前回取得した消費エネルギーよりも減少したか否かを判定する。 The reward calculation unit 33 calculates the reward for the current operating state of the cooling tower 20 based on the energy consumption acquired in step S2. First, in step S3, the reward calculation unit 33 determines whether or not the energy consumption acquired in step S2 is less than the energy consumption acquired last time.

消費エネルギーが減少した場合（ステップＳ３のＹｅｓ）、ステップＳ４に進み、報酬算出部３３は報酬を現在値より増やす。一方、消費エネルギーが増加した場合（ステップＳ３のＮｏ）、ステップＳ５に進み、報酬算出部３３は報酬を現在値より減らす。 When the energy consumption is reduced (Yes in step S3), the process proceeds to step S4, and the reward calculation unit 33 increases the reward from the current value. On the other hand, when the energy consumption increases (No in step S3), the process proceeds to step S5, and the reward calculation unit 33 reduces the reward from the current value.

ステップＳ６において、強化学習部３４は、ステップＳ５またはＳ６にて算出された報酬に基づき、目標運転容量モデル３６について機械学習を行う。強化学習部３４は、例えば報酬が最大となる方向に学習が進むように、目標運転容量モデル３６のモデルパラメータを更新する。 In step S6, the reinforcement learning unit 34 performs machine learning on the target operating capacity model 36 based on the reward calculated in step S5 or S6. The reinforcement learning unit 34 updates the model parameters of the target operating capacity model 36 so that the learning proceeds in the direction of maximizing the reward, for example.

ステップＳ７において、強化学習部３４は、ステップＳ６にて学習した後の目標運転容量モデル３６を用いて目標運転容量の推論を行う。強化学習部３４は、ステップＳ１にて取得した状態変数を目標運転容量モデル３６に入力して、目標運転容量モデル３６を実行して目標運転容量を出力させて、目標運転容量の推論を行う。強化学習部３４は、推論した目標運転容量を冷却塔制御部３５に出力する。 In step S7, the reinforcement learning unit 34 infers the target operating capacity using the target operating capacity model 36 after learning in step S6. The reinforcement learning unit 34 inputs the state variable acquired in step S1 into the target operating capacity model 36, executes the target operating capacity model 36 to output the target operating capacity, and infers the target operating capacity. The reinforcement learning unit 34 outputs the inferred target operating capacity to the cooling tower control unit 35.

ステップＳ８において、冷却塔制御部３５は、推論した目標運転容量を達成すべく可動させる冷却塔２０の台数を決定して、決定した台数の冷却塔２０を作動させる。 In step S8, the cooling tower control unit 35 determines the number of cooling towers 20 to be moved in order to achieve the inferred target operating capacity, and operates the determined number of cooling towers 20.

ステップＳ９において、強化学習部３４は、目標運転容量モデル３６の学習を継続するか否かを判定する。学習を継続する場合（ステップＳ９のＹｅｓ）ステップＳ１に戻る。学習を終了する場合（ステップＳ９のＮｏ）は本制御フローを終了する。学習終了の判定基準としては、例えば、報酬算出部３３が算出した報酬の値が所定の閾値以上となったときに学習を終了する。 In step S9, the reinforcement learning unit 34 determines whether or not to continue learning the target operating capacity model 36. When continuing learning (Yes in step S9), the process returns to step S1. When the learning is finished (No in step S9), the present control flow is finished. As a criterion for determining the end of learning, for example, learning ends when the value of the reward calculated by the reward calculation unit 33 becomes equal to or greater than a predetermined threshold value.

学習終了後は、現在の冷却塔２０の運転条件、運転負荷が維持されている間は、目標運転容量モデル３６が出力した現在の目標運転容量に基づき冷却塔２０の台数制御を継続する。 After the learning is completed, the number of cooling towers 20 is controlled based on the current target operating capacity output by the target operating capacity model 36 while the current operating conditions and operating load of the cooling tower 20 are maintained.

なお、ステップＳ１の状態変数の取得処理は、ステップＳ７の前に実施してもよい。また、ステップＳ６の目標運転容量モデル３６の学習は、報酬が増加した場合のみ実行してもよい。 The state variable acquisition process in step S1 may be performed before step S7. Further, the learning of the target operating capacity model 36 in step S6 may be executed only when the reward increases.

このように、第１実施形態に係る熱源システム１は、冷凍機１０と、冷凍機１０内で熱交換を行うことによって冷媒を冷却する冷却水を供給する冷却水ポンプ４０と、冷却水ポンプ４０によって冷凍機１０から導かれた冷却水を外気と接触させて冷却する冷却塔２０とを備え、冷却塔２０は冷凍機１０の最大負荷に対応する運転容量を有するように複数台設けられる。熱源システム１の冷却塔制御装置３０は、冷却塔２０の運転条件及び運転能力の入力と運転容量の出力との関係を学習する強化学習部３４と、少なくとも運転条件、運転能力、運転容量を含む状態変数を取得する状態観測部３１と、冷却塔２０の制御結果を評価する冷却塔２０及び冷却水ポンプ４０の消費エネルギーを取得する評価データ取得部３２と、消費エネルギーに基づいて報酬を算出する報酬算出部３３と、を備える。強化学習部３４は、報酬算出部３３により算出された報酬を用いて、運転条件及び運転能力の条件下で消費エネルギーが最低となるように、目標運転容量モデル３６の入力と出力との関係を強化学習により取得する。 As described above, the heat source system 1 according to the first embodiment includes the refrigerator 10, a cooling water pump 40 that supplies cooling water that cools the refrigerant by exchanging heat in the refrigerator 10, and a cooling water pump 40. It is provided with a cooling tower 20 for cooling the cooling water guided from the refrigerator 10 in contact with the outside air, and a plurality of cooling towers 20 are provided so as to have an operating capacity corresponding to the maximum load of the refrigerator 10. The cooling tower control device 30 of the heat source system 1 includes an enhanced learning unit 34 that learns the relationship between the input of the operating conditions and operating capacity of the cooling tower 20 and the output of the operating capacity, and at least the operating conditions, operating capacity, and operating capacity. A state observation unit 31 that acquires a state variable, an evaluation data acquisition unit 32 that acquires the energy consumption of the cooling tower 20 and the cooling water pump 40 that evaluate the control result of the cooling tower 20, and a reward are calculated based on the energy consumption. It includes a reward calculation unit 33. The reinforcement learning unit 34 uses the reward calculated by the reward calculation unit 33 to determine the relationship between the input and the output of the target operating capacity model 36 so that the energy consumption is the lowest under the operating conditions and the driving ability conditions. Acquired by reinforcement learning.

この構成により、熱源システム１における冷却塔２０の運転条件と運転負荷に応じて、消費エネルギーが最も小さくなるように、起動させる冷却塔２０の台数を決定することができる。これにより第１実施形態の熱源システム１は運転効率を向上できる。 With this configuration, the number of cooling towers 20 to be activated can be determined so as to minimize the energy consumption according to the operating conditions and the operating load of the cooling towers 20 in the heat source system 1. As a result, the heat source system 1 of the first embodiment can improve the operating efficiency.

また、図５を参照して説明したように、特許文献１などの従来の冷却塔制御手法では、例えば図５の関係のような、外気湿球温度と冷凍機負荷率との関係で熱源システム全体のＣＯＰを把握できる表を作成し、この表から熱源システム全体のＣＯＰが最も高くなる演算式に用いるパラメータを決定し、この演算結果に基づいて冷凍機の運転台数などを制御する、という手順が必要であった。これに対して第１実施形態の熱源システム１では、強化学習部３４によって学習が行われた目標運転容量モデル３６を用いて、冷却塔２０の運転条件等の情報に基づき冷却塔２０の運転容量（稼働台数）を推定するので、計算コストや記憶容量を抑制でき、冷却塔２０の適切な稼働台数を簡易に決定できる。 Further, as described with reference to FIG. 5, in the conventional cooling tower control method such as Patent Document 1, the heat source system is related to the outside air wet-bulb temperature and the chiller load factor, for example, as in the relationship of FIG. The procedure is to create a table that can grasp the overall COP, determine the parameters used in the calculation formula that maximizes the COP of the entire heat source system from this table, and control the number of operating refrigerators based on this calculation result. Was needed. On the other hand, in the heat source system 1 of the first embodiment, the operating capacity of the cooling tower 20 is based on the information such as the operating conditions of the cooling tower 20 by using the target operating capacity model 36 learned by the reinforcement learning unit 34. Since (the number of operating units) is estimated, the calculation cost and the storage capacity can be suppressed, and the appropriate number of operating units of the cooling tower 20 can be easily determined.

なお、上記実施形態では、複数の冷却塔２０ａ、２０ｂ、２０ｃと接続され、冷却塔２０ａ、２０ｂ、２０ｃにより冷却された冷却水が供給される対象として冷凍機１０を備える構成を例示したが、被冷却部に含まれる冷凍機１０以外の装置を適用してもよい。被冷却部は、冷却水を循環させて目的の試料、または装置や装置の一部を冷却、温度制御する装置の総称であり、冷却水により冷媒を冷却してこの冷媒により冷却した冷水を外部負荷５０に供給する構成と、外部負荷５０と接続せずに装置自体が冷却水により冷却される構成とを含む。冷凍機１０以外の装置としては、例えば、製造ラインにおける金型の冷却装置、蒸気タービンの復水器、水冷サーバーなどが挙げられる。 In the above embodiment, a configuration in which the refrigerator 10 is provided as a target to which the cooling water connected to the plurality of cooling towers 20a, 20b, 20c and cooled by the cooling towers 20a, 20b, 20c is supplied has been illustrated. An apparatus other than the refrigerator 10 included in the cooled portion may be applied. The part to be cooled is a general term for a device that circulates cooling water to cool and control the temperature of a target sample or a device or a part of the device. The cooling water cools the refrigerant and the cold water cooled by the refrigerant is externally cooled. The configuration includes a configuration in which the load 50 is supplied, and a configuration in which the device itself is cooled by cooling water without being connected to the external load 50. Examples of devices other than the refrigerator 10 include a mold cooling device in a production line, a condenser of a steam turbine, a water cooling server, and the like.

このように冷凍機１０を水冷チラーに拡張した場合、熱源システム１が外部負荷５０を備えない構成も考えられる。第１実施形態では、評価データを冷却塔２０と冷却水ポンプ４０の消費エネルギーに限定しているので、外部負荷５０を備えない構成にも適用可能となり、汎用性を向上できる。 When the refrigerator 10 is expanded to a water-cooled chiller in this way, it is conceivable that the heat source system 1 does not have an external load 50. In the first embodiment, since the evaluation data is limited to the energy consumption of the cooling tower 20 and the cooling water pump 40, it can be applied to a configuration without an external load 50, and versatility can be improved.

また、第１実施形態に係る熱源システム１では、報酬算出部３３は消費エネルギーが低いほど高い報酬を算出する。これにより、消費エネルギーが低くなるほど強化学習部３４は高い報酬を得られるので、冷却塔２０の運転条件及び運転能力の入力と、運転容量の出力との関係の学習を適切な方向に迅速に進めることができる。 Further, in the heat source system 1 according to the first embodiment, the reward calculation unit 33 calculates a higher reward as the energy consumption is lower. As a result, the lower the energy consumption, the higher the reward for the reinforcement learning unit 34. Therefore, the learning of the relationship between the input of the operating conditions and operating capacity of the cooling tower 20 and the output of the operating capacity can be quickly advanced in an appropriate direction. be able to.

［第２実施形態］
図６を参照して第２実施形態を説明する。図６は、第２実施形態に係る冷却塔制御装置３０Ａの機能構成を説明する図である。 [Second Embodiment]
The second embodiment will be described with reference to FIG. FIG. 6 is a diagram illustrating a functional configuration of the cooling tower control device 30A according to the second embodiment.

図６に示すように、状態観測部３１が取得する状態変数（モデルへの入力情報）は、さらに冷凍機１０の負荷を含む。冷凍機１０の負荷は、例えば、往還水温度差（外部負荷５０の入口出口の冷水の温度差）と冷水流量（例えば冷水ポンプ４７のインバータの電圧や周波数から計算、または流量計の測定値）との積や、冷凍機１０の負荷率から算出できる。 As shown in FIG. 6, the state variable (input information to the model) acquired by the state observation unit 31 further includes the load of the refrigerator 10. The load of the chiller 10 is, for example, the temperature difference between the return water (the temperature difference between the inlet and outlet of the external load 50) and the chilled water flow rate (for example, calculated from the voltage and frequency of the inverter of the chilled water pump 47, or measured by the flow meter). It can be calculated from the product of and the load factor of the refrigerator 10.

評価データ取得部３２は、冷却塔２０及び冷却水ポンプ４０の消費エネルギーに加えて、冷凍機１０及び冷水ポンプ４７の消費エネルギーを取得する。この場合、報酬算出部３３は、冷却塔２０及び冷却水ポンプ４０の消費エネルギーと、冷凍機１０及び冷水ポンプ４７の消費エネルギーとに基づいて報酬を算出する。すなわち、熱源システム１全体の消費エネルギーに基づいて報酬を算出する。これにより熱源システム１全体の消費エネルギーを報酬計算に反映させることができるので、強化学習部３４による学習をより適切な方向へ進めることができ、強化学習部３４による運転容量の推定をより高精度にできる。 The evaluation data acquisition unit 32 acquires the energy consumption of the refrigerator 10 and the cold water pump 47 in addition to the energy consumption of the cooling tower 20 and the cooling water pump 40. In this case, the reward calculation unit 33 calculates the reward based on the energy consumption of the cooling tower 20 and the cooling water pump 40 and the energy consumption of the refrigerator 10 and the cold water pump 47. That is, the reward is calculated based on the energy consumption of the entire heat source system 1. As a result, the energy consumption of the entire heat source system 1 can be reflected in the reward calculation, so that the learning by the reinforcement learning unit 34 can proceed in a more appropriate direction, and the estimation of the operating capacity by the reinforcement learning unit 34 is more accurate. Can be done.

目標運転容量モデル３６は、出力に冷却水温度を含んでもよい。この場合、状態観測部３１が取得する状態変数の出力項目にも冷却水温度の情報が含まれる。また、第１実施形態と同様に、状態変数の運転目標値として冷却水温度を取得して、目標運転容量モデル３６に入力する構成としてもよい。 The target operating capacity model 36 may include cooling water temperature in its output. In this case, the cooling water temperature information is also included in the output item of the state variable acquired by the state observation unit 31. Further, as in the first embodiment, the cooling water temperature may be acquired as the operating target value of the state variable and input to the target operating capacity model 36.

なお、第２実施形態では、目標運転容量モデル３６の学習は、現在の熱源システム１の運転状態が、始動後に「負荷＝運転能力」となる定常運転に遷移した後に行なうのが好ましい。これにより状態観測部３１が取得する状態変数に含まれる負荷の情報の精度が向上するので、目標運転容量モデル３６の学習精度も向上できる。 In the second embodiment, the learning of the target operating capacity model 36 is preferably performed after the current operating state of the heat source system 1 transitions to steady operation in which "load = operating capacity" after starting. As a result, the accuracy of the load information included in the state variables acquired by the state observation unit 31 is improved, so that the learning accuracy of the target operating capacity model 36 can also be improved.

以上、具体例を参照しつつ本実施形態について説明した。しかし、本開示はこれらの具体例に限定されるものではない。これら具体例に、当業者が適宜設計変更を加えたものも、本開示の特徴を備えている限り、本開示の範囲に包含される。前述した各具体例が備える各要素およびその配置、条件、形状などは、例示したものに限定されるわけではなく適宜変更することができる。前述した各具体例が備える各要素は、技術的な矛盾が生じない限り、適宜組み合わせを変えることができる。 The present embodiment has been described above with reference to specific examples. However, the present disclosure is not limited to these specific examples. Those skilled in the art with appropriate design changes to these specific examples are also included in the scope of the present disclosure as long as they have the features of the present disclosure. Each element included in each of the above-mentioned specific examples, its arrangement, conditions, shape, etc. is not limited to the illustrated one, and can be appropriately changed. The combinations of the elements included in each of the above-mentioned specific examples can be appropriately changed as long as no technical contradiction occurs.

上記実施形態では、学習部の目標運転容量モデルが目標運転容量を出力し、冷却塔制御部が目標運転容量に応じて稼働させる冷却塔の台数を決定する構成を例示したが、学習部の目標運転容量モデルが冷却塔の稼働台数を直接出力する構成でもよい。 In the above embodiment, the target operating capacity model of the learning unit outputs the target operating capacity, and the cooling tower control unit determines the number of cooling towers to be operated according to the target operating capacity. The operating capacity model may be configured to directly output the number of operating cooling towers.

１ 熱源システム
１０ 冷凍機（被冷却部）
２０、２０ａ、２０ｂ、２０ｃ 冷却塔
３０、３０Ａ 冷却塔制御装置
３１ 状態観測部
３２ 評価データ取得部
３３ 報酬算出部
３４ 強化学習部
４０ 冷却水ポンプ
４７ 冷水ポンプ
５０ 外部負荷 1 Heat source system 10 Refrigerator (cooled part)
20, 20a, 20b, 20c Cooling tower 30, 30A Cooling tower control device 31 State observation unit 32 Evaluation data acquisition unit 33 Reward calculation unit 34 Reinforcement learning unit 40 Cooling water pump 47 Cold water pump 50 External load

Claims (7)

被冷却部と、前記被冷却部に冷却水を供給する冷却水ポンプと、前記冷却水ポンプによって前記被冷却部から導かれた前記冷却水を外気と接触させて冷却する冷却塔とを備え、前記冷却塔は前記被冷却部の最大負荷に対応する運転容量を有するように複数台設けられる熱源システムであって、
前記冷却塔の運転条件及び運転能力の入力と前記運転容量の出力との関係を学習する強化学習部と、
少なくとも前記運転条件、前記運転能力、前記運転容量を含む状態変数を取得する状態観測部と、
前記冷却塔の制御結果を評価する前記冷却塔及び前記冷却水ポンプの消費エネルギーを取得する評価データ取得部と、
前記消費エネルギーに基づいて報酬を算出する報酬算出部と、を備え、
前記強化学習部は、前記報酬算出部により算出された報酬を用いて、前記運転条件及び前記運転能力の条件下で前記消費エネルギーが最低となるように、前記入力と前記出力との関係を強化学習により取得する、
熱源システム。 It is provided with a cooling unit, a cooling water pump that supplies cooling water to the cooling unit, and a cooling tower that cools the cooling water guided from the cooling unit by the cooling water pump in contact with the outside air. The cooling tower is a heat source system provided in a plurality of units so as to have an operating capacity corresponding to the maximum load of the cooled portion.
A reinforcement learning unit that learns the relationship between the input of the operating conditions and operating capacity of the cooling tower and the output of the operating capacity.
A state observation unit that acquires at least state variables including the operating conditions, the operating capacity, and the operating capacity.
An evaluation data acquisition unit that acquires the energy consumption of the cooling tower and the cooling water pump for evaluating the control result of the cooling tower, and
It is equipped with a reward calculation unit that calculates rewards based on the energy consumption.
The reinforcement learning unit uses the reward calculated by the reward calculation unit to strengthen the relationship between the input and the output so that the energy consumption is the lowest under the driving conditions and the driving ability conditions. Acquire by learning,
Heat source system. 前記被冷却部は、冷凍機である、
請求項１に記載の熱源システム。 The part to be cooled is a refrigerator.
The heat source system according to claim 1. 前記報酬算出部は、前記消費エネルギーが低いほど高い報酬を算出する、
請求項１または２に記載の熱源システム。 The reward calculation unit calculates a higher reward as the energy consumption is lower.
The heat source system according to claim 1 or 2. 外部負荷と、
前記被冷却部内で熱交換を行うことによって冷却された冷水を前記外部負荷へ供給する冷水ポンプと、を備え、
前記状態変数及び前記入力は、前記被冷却部の負荷を含み、
前記評価データ取得部は、前記冷却塔及び前記冷却水ポンプの消費エネルギーに加えて、前記被冷却部及び前記冷水ポンプの消費エネルギーを取得し、
前記報酬算出部は、前記冷却塔及び前記冷却水ポンプの消費エネルギーと、前記被冷却部及び前記冷水ポンプの消費エネルギーとに基づいて前記報酬を算出する、
請求項１〜３のいずれか１項に記載の熱源システム。 With external load
A chilled water pump that supplies chilled water cooled by heat exchange in the cooled portion to the external load is provided.
The state variable and the input include the load of the cooled portion.
The evaluation data acquisition unit acquires the energy consumption of the cooled unit and the cold water pump in addition to the energy consumption of the cooling tower and the cooling water pump.
The reward calculation unit calculates the reward based on the energy consumption of the cooling tower and the cooling water pump and the energy consumption of the cooled unit and the cold water pump.
The heat source system according to any one of claims 1 to 3. 前記状態変数及び前記入力または前記出力は、前記冷却水の温度を含む、
請求項１〜４のいずれか１項に記載の熱源システム。 The state variable and the input or output include the temperature of the cooling water.
The heat source system according to any one of claims 1 to 4. 被冷却部と、前記被冷却部に冷却水を供給する冷却水ポンプと、前記冷却水ポンプによって前記被冷却部から導かれた前記冷却水を外気と接触させて冷却する冷却塔とを備え、前記冷却塔は前記被冷却部の最大負荷に対応する運転容量を有するように複数台設けられる熱源システムにおいて、
冷却塔制御装置が、
少なくとも前記冷却塔の運転条件、運転能力、運転容量を含む状態変数を取得するステップと、
前記冷却塔の制御結果を評価する前記冷却塔及び前記冷却水ポンプの消費エネルギーを取得するステップと、
前記消費エネルギーに基づいて報酬を算出するステップと、
前記算出された報酬を用いて、前記運転条件及び前記運転能力の条件下で前記消費エネルギーが最低となるように、前記冷却塔の前記運転条件及び前記運転能力の入力と前記運転容量の出力との関係を強化学習により取得するステップと、
を実行する目標運転容量推定方法。 It is provided with a cooling unit, a cooling water pump that supplies cooling water to the cooling unit, and a cooling tower that cools the cooling water guided from the cooling unit by the cooling water pump in contact with the outside air. In a heat source system in which a plurality of cooling towers are provided so as to have an operating capacity corresponding to the maximum load of the cooled portion.
Cooling tower controller
At least the step of acquiring the state variables including the operating conditions, operating capacity, and operating capacity of the cooling tower, and
A step of acquiring the energy consumption of the cooling tower and the cooling water pump for evaluating the control result of the cooling tower, and
The step of calculating the reward based on the energy consumption and
Using the calculated reward, the input of the operating condition and the operating capacity of the cooling tower and the output of the operating capacity are used so that the energy consumption is the lowest under the operating conditions and the operating capacity conditions. Steps to acquire the relationship of
Target operating capacity estimation method to execute. 被冷却部と、前記被冷却部に冷却水を供給する冷却水ポンプと、前記冷却水ポンプによって前記被冷却部から導かれた前記冷却水を外気と接触させて冷却する冷却塔とを備え、前記冷却塔は前記被冷却部の最大負荷に対応する運転容量を有するように複数台設けられる熱源システムにおいて、
冷却塔制御装置に、
少なくとも前記冷却塔の運転条件、運転能力、運転容量を含む状態変数を取得するステップと、
前記冷却塔の制御結果を評価する前記冷却塔及び前記冷却水ポンプの消費エネルギーを取得するステップと、
前記消費エネルギーに基づいて報酬を算出するステップと、
前記算出された報酬を用いて、前記運転条件及び前記運転能力の条件下で前記消費エネルギーが最低となるように、前記冷却塔の前記運転条件及び前記運転能力の入力と前記運転容量の出力との関係を強化学習により取得するステップと、
を実行させる目標運転容量推定プログラム。 It is provided with a cooling unit, a cooling water pump that supplies cooling water to the cooling unit, and a cooling tower that cools the cooling water guided from the cooling unit by the cooling water pump in contact with the outside air. In a heat source system in which a plurality of cooling towers are provided so as to have an operating capacity corresponding to the maximum load of the cooled portion.
For cooling tower control device,
At least the step of acquiring the state variables including the operating conditions, operating capacity, and operating capacity of the cooling tower, and
A step of acquiring the energy consumption of the cooling tower and the cooling water pump for evaluating the control result of the cooling tower, and
The step of calculating the reward based on the energy consumption and
Using the calculated reward, the input of the operating condition and the operating capacity of the cooling tower and the output of the operating capacity are used so that the energy consumption is the lowest under the operating conditions and the operating capacity conditions. Steps to acquire the relationship of
Target operating capacity estimation program to execute.
JP2019086783A 2019-04-26 2019-04-26 Heat source system, target operation capacity estimation method and target operation capacity estimation program Pending JP2020183816A (en)

Priority Applications (1)

Application Number Priority Date Filing Date Title
JP2019086783A JP2020183816A (en) 2019-04-26 2019-04-26 Heat source system, target operation capacity estimation method and target operation capacity estimation program

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
JP2019086783A JP2020183816A (en) 2019-04-26 2019-04-26 Heat source system, target operation capacity estimation method and target operation capacity estimation program

Publications (1)

Publication Number Publication Date
JP2020183816A true JP2020183816A (en) 2020-11-12

Family

ID=73044197

Family Applications (1)

Application Number Title Priority Date Filing Date
JP2019086783A Pending JP2020183816A (en) 2019-04-26 2019-04-26 Heat source system, target operation capacity estimation method and target operation capacity estimation program

Country Status (1)

Country Link
JP (1) JP2020183816A (en)

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN114278423A (en) * 2021-06-28 2022-04-05 天津大学 Coolant temperature prediction control algorithm based on predictive extended state observer
CN114484643A (en) * 2022-01-20 2022-05-13 珠海格力电器股份有限公司 Heat exchange amount control method, cooling device and refrigeration system

Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2008256258A (en) * 2007-04-04 2008-10-23 Toshiba Corp Air conditioning system control device
JP2009216375A (en) * 2008-02-13 2009-09-24 Hitachi Plant Technologies Ltd Cooling system and cooling method
JP2010236728A (en) * 2009-03-30 2010-10-21 Mitsubishi Heavy Ind Ltd Heat source system and control method of the same
US20150144323A1 (en) * 2013-11-26 2015-05-28 Samsung Techwin Co., Ltd. Central cooling system and controlling method for the same
JP2016099910A (en) * 2014-11-26 2016-05-30 アズビル株式会社 Function generation device, control device, heat source system, function generation method and program
JP2019003271A (en) * 2017-06-12 2019-01-10 ファナック株式会社 Machine learning device, control device, and machine learning program
JP2019053589A (en) * 2017-09-15 2019-04-04 富士通株式会社 Intensified learning program, intensified learning method, and intensified learning device

Patent Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2008256258A (en) * 2007-04-04 2008-10-23 Toshiba Corp Air conditioning system control device
JP2009216375A (en) * 2008-02-13 2009-09-24 Hitachi Plant Technologies Ltd Cooling system and cooling method
JP2010236728A (en) * 2009-03-30 2010-10-21 Mitsubishi Heavy Ind Ltd Heat source system and control method of the same
US20150144323A1 (en) * 2013-11-26 2015-05-28 Samsung Techwin Co., Ltd. Central cooling system and controlling method for the same
JP2016099910A (en) * 2014-11-26 2016-05-30 アズビル株式会社 Function generation device, control device, heat source system, function generation method and program
JP2019003271A (en) * 2017-06-12 2019-01-10 ファナック株式会社 Machine learning device, control device, and machine learning program
JP2019053589A (en) * 2017-09-15 2019-04-04 富士通株式会社 Intensified learning program, intensified learning method, and intensified learning device

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN114278423A (en) * 2021-06-28 2022-04-05 天津大学 Coolant temperature prediction control algorithm based on predictive extended state observer
CN114278423B (en) * 2021-06-28 2023-10-13 天津大学 Cooling liquid temperature prediction control method based on predictive extended state observer
CN114484643A (en) * 2022-01-20 2022-05-13 珠海格力电器股份有限公司 Heat exchange amount control method, cooling device and refrigeration system

Similar Documents

Publication Publication Date Title
JP5234435B2 (en) Cold cooling source device, cooling system and cooling method for free cooling
JP6505589B2 (en) Heat source control system and control method
JP5299680B2 (en) Cooling system and cooling method
CN104024749B (en) Air-conditioning system that adjusts temperature and humidity
JP5615559B2 (en) Cooling system
JP5777929B2 (en) Operation control system for cold source equipment
JP4505436B2 (en) Energy-saving operation method for cooling tower group and cooling tower group used therefor
JP2013170753A (en) Refrigerator system
JP6053405B2 (en) Parallel type refrigerator control device, method and program
CN102914108B (en) Apparatus and method for evaluating performance of centrifugal chiller
CN103168204A (en) Device for estimating flowrate of heating medium, heat source device, and method for estimating flowrate of heating medium
JP2020183816A (en) Heat source system, target operation capacity estimation method and target operation capacity estimation program
JP2010270970A (en) Heat source system and method and program for controlling the same
JP5013974B2 (en) Method and apparatus for estimating cooling water temperature
CN115264771A (en) Air conditioning system and control method thereof
CN111271809A (en) Control method and device, air conditioner and computer readable storage medium
JP6386922B2 (en) Steam valve diagnostic apparatus and method
JP5336268B2 (en) Cooling system and cooling method
JP6849345B2 (en) Air conditioning system controls, control methods and control programs
JP2012193903A (en) Air conditioning system using outside air, and outside air heat exchange system of the same
WO2022234706A1 (en) Computation device, computation method, program, control device, control method, and control program
JP5200497B2 (en) Chilled water supply method, chilled water supply device, and control method of chilled water supply device
CN112857132B (en) Cooling tower, cooling tower detection control method, device, equipment and storage medium
JP2022044935A (en) Energy plant performance estimation device
JP2016035351A (en) Method and device for controlling heat source system

Legal Events

Date Code Title Description
A621 Written request for application examination

Free format text: JAPANESE INTERMEDIATE CODE: A621

Effective date: 20220121

A977 Report on retrieval

Free format text: JAPANESE INTERMEDIATE CODE: A971007

Effective date: 20221125

A131 Notification of reasons for refusal

Free format text: JAPANESE INTERMEDIATE CODE: A131

Effective date: 20230104

A521 Request for written amendment filed

Free format text: JAPANESE INTERMEDIATE CODE: A523

Effective date: 20230303

A131 Notification of reasons for refusal

Free format text: JAPANESE INTERMEDIATE CODE: A131

Effective date: 20230704

A521 Request for written amendment filed

Free format text: JAPANESE INTERMEDIATE CODE: A523

Effective date: 20230829

A02 Decision of refusal

Free format text: JAPANESE INTERMEDIATE CODE: A02

Effective date: 20231212

A521 Request for written amendment filed

Free format text: JAPANESE INTERMEDIATE CODE: A523

Effective date: 20240306

A911 Transfer to examiner for re-examination before appeal (zenchi)

Free format text: JAPANESE INTERMEDIATE CODE: A911

Effective date: 20240401