JP2021032478A - 学習用データセット、および、それを用いた機械学習方法 - Google Patents

Abstract

【課題】空気調和機（１０）を用いて、一室内の複数のエリアの内の第１エリア（Ｓ１）に対して、効率的な空気温度の制御を行う手法が求められていた。【解決手段】学習モデルを用いて機械学習を行って、風向データ、冷媒データ、風量データ、および、エリアデータを備えた学習用データセットを作成する。作成した学習用データセットを利用して、空気調和機（１０）の制御を行う。風向データは、空気調和機（１０）から吹出される空気の吹出し方向に関し、冷媒データは、空気調和機（１０）内を流れる冷媒の温度、または、空気調和機（１０）から吹出される空気の温度に関し、風量データは、空気調和機（１０）から吹出される空調空気の風量に関し、エリアデータは、第１エリア（Ｓ１）の空気温度に関する。【選択図】図９

Description

空気調和機を用いて空気温度の制御を行うための学習モデルで用いる、学習用データセット、および、それを用いた機械学習方法に関する。

１つの室内に複数の空気調和機が設置されている場合に、複数の空気調和機をどのように制御するかは、様々な提案がなされている。特許文献１（特開２０１２−２２５５５０号公報）においては、複数の利用側装置の風量が一定の場合、室内の温度が不均一となり、消費電力の無駄が発生するため、利用側装置の吸込み温度に応じて、風量を制御することにより、室内の温度不均一を低減することを提案している。

本開示は、室内の特定のエリアの空気調和を効率的に行う空気調和機の制御方法を提供する。またこのような空気調和機の制御に用いるために、学習モデルを用いて機械学習を行って優れた学習用データセットを提供する。

第１観点の学習用データセットは、一室内の複数のエリアの内の第１エリアに対して、空気調和機を用いて空気温度の制御を行うための学習モデルで用いる。学習用データセットは、風向データと、冷媒データと、風量データと、エリアデータとを備える。風向データは、空気調和機から吹出される空気の吹出し方向に関する。冷媒データは、空気調和機内を流れる冷媒の温度、または、空気調和機から吹出される空気の温度に関する。風量データは、空気調和機から吹出される空調空気の風量に関する。エリアデータは、第１エリアの空気温度に関する。

第１観点の学習用データセットとして、風向データと冷媒データと風量データとエリアデータとを備えることにより、空気調和機による第１エリアに対する制御を学習可能な学習用データセットを提供することができる。

第２観点の学習用データセットは、第１観点の学習用データセットであって、エリアデータは、空気調和機から離れて第１エリアに配置される第１温度センサの検出値である。

第２観点の学習用データセットは、エリアデータは、第１エリアに配置される第１温度センサの検出値を用いるので、第１エリアの温度を正確に検出することができ、より正確な第１エリアの温度制御が実現できる制御を学習可能なデータセットである。

第３観点の学習用データセットは、第１観点または第２観点の学習用データセットであって、空気調和機は、同一の室内に配置された第１利用側装置と第２利用側装置とを有する。風向データは、第１風向データと第２風向データとを含む。第１風向データは、第１利用側装置から吹出される空気の吹出し方向に関する。第２風向データは、第２利用側装置から吹出される空気の吹出し方向に関する。冷媒データは、第１冷媒データと第２冷媒データとを含む。第１冷媒データは、第１利用側装置を流れる冷媒の温度、または、第１利用側装置から吹出される空気の温度に関する。第２冷媒データは、第２利用側装置を流れる冷媒の温度、または、第２利用側装置から吹出される空気の温度に関する。風量データは、第１風量データと、第２風量データとを含む。第１風量データは、第１利用側装置から吹出される空調空気の風量に関する。第２風量データは、第２利用側装置から吹出される空調空気の風量に関する。学習用データセットは、第１エリアに対して、第１利用側装置と第２利用側装置とを用いて空気温度の制御を行うための学習モデルで用いる。

第３観点の学習用データセットは、第１利用側装置に関する第１風向データと第１冷媒データと第１風量データとを含み、さらに、第２利用側装置に関する第２風向データと第２冷媒データと第２風量データとを含むので、第１利用側装置と第２利用側装置による第１エリアに対する制御を学習可能な学習用データセットを提供することができる。第３観点の学習用データセットを用いて、空気調和機の制御を学習することにより、第１エリアの空気温度の制御を第１利用側装置と第２利用側装置とを用いて、迅速、かつ、効率よく行うことができる。

第４観点の学習用データセットは、第１観点〜第３観点のいずれかの学習用データセットであって、室内には、第１エリアと、前記第１エリアと異なる第２エリアが含まれる。エリアデータは、第１エリアデータと第２エリアデータとを含む。第１エリアデータは、第１エリアの空気温度に関する。第２エリアデータは、第２エリアの空気温度に関する。

第４観点の学習用データセットとして、第１エリアデータと第２エリアデータとを備えることにより、第１エリアおよび第２エリアの空気温度の制御を迅速、かつ、効率よく行うことができる空気調和機の制御を学習可能な学習用データセットを提供することができる。

第５観点の学習用データセットは、第４観点の学習用データセットであって、第１エリアデータは第１温度センサの検出値であり、第２エリアデータは第２温度センサの検出値である。第１温度センサは、空気調和機から離れて第１エリアに配置される。第２温度センサは、空気調和機から離れて第２エリアに配置される
第５観点の学習用データセットは、エリアデータは、第１エリアに配置される第１温度センサの検出値と第２エリアに配置される第２温度センサの検出値を含む。第１エリアと第２エリアの温度を含むので、より正確な第１エリアの温度制御と、第２エリアの温度制御を学習可能なデータセットを提供できる。

第６観点の学習用データセットは、第１観点〜第５観点のいずれかの学習用データセットであって、風向データと冷媒データと風量データとエリアデータは、空気調和機の制御によりエリアの空気温度が安定した状態のデータである。

第６観点の学習用データセットとしてエリアの空気温度が安定した状態のデータを用いることにより、より正確にエリアの空気温度を制御することができるデータセットを提供できる。また、安定した状態のデータのみを用いるため、学習用データセットのデータ量を少なくできる。

第７観点の学習用データセットは、第１観点〜第６観点のいずれかの学習用データセットであって、空気調和機は、冷媒を利用して空気調和を行うものである。冷媒データは、冷媒の温度に関するものである。

第７観点の学習用データセットは、冷媒データとして冷媒の温度のデータを用いることにより、より正確に空気調和機による第１エリアに対する制御を学習可能な学習用データセットを提供することができる。

第８観点の学習用データセットは、第１観点〜第７観点のいずれかの学習用データセットであって、さらに、吸込温度データを備える。吸込温度データは、空気調和機の吸込み空気温度に関する。

第８観点の学習用データセットは、吸込温度データをさらに備えるので、より適格に、空気調和機による第１エリアに対する制御を学習可能な学習用データセットを提供することができる。

第９観点の学習用データセットは、第１観点〜第８観点のいずれかの学習用データセットであって、さらに、外気温度データを備える。外気温度データは、外気の温度に関する。

第９観点の学習用データセットは、外気温度データをさらに備えるので、より適格に、空気調和機による第１エリアに対する制御を学習可能な学習用データセットを提供することができる。

第１０観点の学習用データセットは、第１観点〜第９観点のいずれかの学習用データセットであって、さらに、熱負荷データを備える。熱負荷データは、室内の熱負荷に関する。

第１０観点の学習用データセットは、熱負荷データをさらに備えるので、より適格に、空気調和機による第１エリアに対する制御を学習可能な学習用データセットを提供することができる。

第１１観点の学習用データセットは、第１観点〜第１０観点のいずれかの学習用データセットであって、さらに、消費電力データを備える。消費電力データは、空気調和機の消費電力に関する。

第１１観点の学習用データセットは、消費電力データをさらに備えるので、消費電力を抑制しながら、空気調和機による第１エリアに対する制御を学習可能な学習用データセットを提供することができる。

第１２観点の機械学習方法は、学習用データセットを用いる。学習用データセットは、空気調和機によって空気温度の制御を行うためのものである。学習用データセットは、風向データと、冷媒データと、風量データと、エリアデータとを備える。風向データは、空気調和機から吹出される空気の吹出し方向に関する。冷媒データは、前記空気調和機内を流れる冷媒の温度、または、空気調和機から吹出される空気の温度に関する。風量データは、空気調和機から吹出される空調空気の風量に関する。エリアデータは、第１エリアの空気温度に関する。

第１２観点の機械学習方法は、風向データと冷媒データと風量データとエリアデータとを備えた学習用データセットを用いて、空気調和機を学習制御することにより、第１エリアの空気温度の制御が迅速、かつ、効率よく行うことができる。

第１３観点の機械学習装置は、コンピュータを備えている。コンピュータは、ＣＰＵと記憶部とを含む。ＣＰＵは、室内の複数のエリア内の第１エリアに対して、空気調和機によって空気温度の制御を行うための機械学習を行う。記憶部には、機械学習を行うための学習済みデータセットが記憶される。学習用データセットは、風向データと、冷媒データと、風量データと、エリアデータとを備える。風向データは、空気調和機から吹出される空気の吹出し方向に関する。冷媒データは、前記空気調和機内を流れる冷媒の温度、または、空気調和機から吹出される空気の温度に関する。風量データは、空気調和機から吹出される空調空気の風量に関する。エリアデータは、第１エリアの空気温度に関する。

第１３観点の機械学習装置は、風向データ〜エリアデータを備えた学習用データセットを用いて、空気調和機を学習制御することにより、第１エリアの空気温度の制御が迅速、かつ、効率よく行うことができる。

空気調和機１０の冷媒回路を示す図である。 空気調和機１０の利用側装置３０の外観を示す図である。 空調制御システム１の構成を示すブロック図である。 第１利用側装置３０ａと、第２利用側装置３０ｂと、第１温度センサ１５ａと、第２温度センサ１５ｂの、室内での配置を示す図である。 第１実施形態の空調制御システム１による室内の空気温度の制御の全体フローを示す図である。 第１実施形態のデータ集め運転（Ｓ１００）のフローチャートである。 第１実施形態の温度飽和判定のフローチャートである。 第１実施形態のデータ集め運転で用いる運転点表である。 第１実施形態の学習用データ取得フローを説明するフローチャートである。 第１実施形態の学習用データセットの一覧表である。 第１実施形態のリモートコントローラ６０の表示画面（入力部６１、表示部６３）「エリア選択画面」である。 第１実施形態のリモートコントローラ６０の表示画面（入力部６１、表示部６３）「温度設定画面」である。

＜第１実施形態＞
（１）空調制御システム１の全体構成
第１実施形態の空調制御システム１は、空気調和機１０と、設定部７０と、制御部４０とを備えている。

第１実施形態の空気調和機１０の冷媒回路を図１に、空気調和機１０の利用側装置３０の外観を図２に、空調制御システム１の構成を示すブロック図を図３に、第１利用側装置３０ａと第２利用側装置３０ｂと、第１温度センサ１５ａおよび第２温度センサ１５ｂの、室内での配置を図４に、示す。

（１−１）空気調和機１０の構成
本実施形態の空気調和機１０は、２台の利用側装置３０ａ、３０ｂと、熱源側装置２０と、利用側装置３０ａ、３０ｂと熱源側装置２０とを接続する冷媒配管と、を有している。

利用側装置３０ａ、３０ｂの構成は、共通しており、１つの利用側装置３０について、図２、３を用いて説明する。利用側装置３０は、図２、３に示すように、ケーシング３５、室内熱交換器３３、室内ファン３２、フラップ３１−１〜３１−４、室内熱交換器温度センサ１３、吸込温度センサ１４を有する。利用側装置３０においては、ケーシング３５の内部に、室内熱交換器３３、室内ファン３２が収納されている。本実施形態の利用側装置３０は、天井吊下げ型である。ケーシング３５は、室内の天井に埋め込むように配置される。ケーシング下部に配置される化粧パネル３６は、天井より下に張り出すように配置される。

利用側装置３０においては、室内ファン３２が回転することによって、空気は、化粧パネル３６の中央部の吸込み口３８より吸込まれ、室内熱交換器３３と熱交換して加熱または冷却され、吹出し口３４−１〜３４−４より四方へ吹出される。風量は、室内ファン３２の回転速度によって制御される。風向は、各吹出し口３４−１〜３４−４に取り付けられたフラップ３１−１〜３１−４の向きを制御することによって変えられる。さらに、ケーシング３５の内部の吸込み口３８付近には、吸込み温度センサ１４ａ、１４ｂ（図３のブロック図に表示）が配置され、吸込み口３８付近の空気の温度が計測される。吸込み口３８付近の空気の温度は、吸込み空気温度に関するデータ（変形例における吸込温度データ）の１つである。吸込み空気温度に関するデータとは、吸込み口付近の空気の温度に限らず、吸込み口内の空気の温度、または、吸い込まれる空気の温度に関するデータである。また、利用側装置３０には、室内熱交換器３３の伝熱管の温度を測定する温度センサ１３ａ、１３ｂ（図３のブロック図に表示）も配置されている。

熱源側装置２０は、図２、３に示すように、圧縮機２１、四方切換弁２２、室外熱交換器２３、室外熱交換器用ファン２５、膨張弁２４、室外熱交換器温度センサ１１、外気温センサ１２、制御部４０、記憶部４１を有している。

本実施形態の空気調和機１０は、利用側装置３０を配置する室内の、冷房、暖房、除湿などの空気調和を行うことができる。空気調和機１０は、四方切換弁２２を切り替えることにより、冷房運転と暖房運転を切り替える。

冷房運転時は、圧縮機２１を吐出された冷媒は、四方切換弁２２、室外熱交換器２３、室外膨張弁２４、室内熱交換器３３、四方切換弁２２の順に流れ、圧縮機２１に再び吸込まれる。この間、室外熱交換器２３が放熱器として機能して、外気を加熱し、室内熱交換器３３が蒸発器として機能して、室内空気を冷却する。

暖房運転時は、圧縮機２１を吐出された冷媒は、四方切換弁２２、室内熱交換器３３、膨張弁２４、室外熱交換器２３、四方切換弁２２の順に流れ、圧縮機２１に再び吸込まれる。この間、室内熱交換器３３が放熱器として機能して、室内空気を加熱し、室外熱交換器２３が蒸発器として機能して、外気を冷却する。

（１−２）室内に置ける、利用側装置３０ａ、３０ｂと、第１温度センサ１５ａおよび第２温度センサ１５ｂの配置
本実施形態の空調制御システム１は、図４に示すように、利用側装置３０ａ、３０ｂから離れて、室内の各エリアの温度が計測可能な、第１温度センサ１５ａと第２温度センサ１５ｂとを備えている。第１温度センサ１５ａと第２温度センサ１５ｂは、たとえば、会議室の椅子などの家具、間仕切りなどに配置されている。第１温度センサ１５ａは、第１エリアＳ１の空気の温度を、第２温度センサ１５ｂは、第２エリアＳ２の空気の温度を測定する。第１温度センサ１５ａと第２温度センサ１５ｂは、無線通信によって、それぞれ制御部４０に接続されている。第１温度センサ１５ａと第２温度センサ１５ｂで測定された温度データは、制御部４０に送られる。制御部４０は、受けとった温度データを利用して、第１エリアＳ１と第２エリアＳ２の空気の温度を制御する。

（１−３）制御部４０
本実施形態の空調制御システム１の構成を示すブロック図を図３に示す。

空調制御システム１の制御部４０は、制御部４０に接続された記憶部４１とともに熱源側装置２０に配置されている。

制御部４０は、ＣＰＵおよびメモリを備えたコンピュータである。制御部４０は、ひとつのコンピュータに限定されない。制御部４０は、複数のコンピュータから構成される場合もある。複数のコンピュータは、複数の場所に配置されることもあり得る。一部は、クラウド上に配置されていても良い。この場合も複数のコンピュータは通信可能に配置され、連携した制御を行うことができる。制御部４０は、利用側装置３０および熱源側装置２０の有する各種機器の動作を制御する。具体的には、制御部４０は、圧縮機２１、四方切換弁２２、膨張弁２４などを制御して、冷凍サイクルを制御する。また、室内ファン３２の回転数を制御することにより、風量を変化させる。フラップ３１−１〜３１−４の向きを制御することによって、風向きを制御する。

制御部４０は、各種センサの測定データを受け取り、各種機器の制御に利用する。各種センサは、第１温度センサ１５ａ、第２温度センサ１５ｂ、吸込み温度センサ１４ａ、１４ｂ、外気温センサ１２、室内熱交換器３３の温度センサ１３ａ、１３ｂ、室外熱交換器２３の温度センサ１１を含む。

制御部４０に接続された記憶部４１には、運転データ、学習用データセット、運転点表が記憶される。

（１−４）設定部７０（リモートコントローラ６０）
設定部７０は、ユーザに入力された、室内の第１エリア（Ｓ１）に対する目標温度である第１温度と、室内の第２エリア（Ｓ２）に対する目標温度である第２温度とを設定する。設定部７０は、リモートコントローラの一部である。

リモートコントローラ６０は、設定部７０と、記憶部６２と、表示部６３とを有している。設定部７０は、入力部６１を含む。入力部６１は、ユーザにより各エリアの設定温度を入力される。リモートコントローラ６０は、有線または無線で、制御部４０に接続されている。リモートコントローラ６０で設定された内容は、制御部４０に送られる。制御部４０は、設定された温度に基づいて、空気調和機１０の各種機器を制御する。

リモートコントローラ６０の表示部６３の表示例について、図１０Ａ、図１０Ｂを用いて説明する。表示部６３は、表示画面であるが、同時に、タッチパネルともなっている。言い換えると、表示部６３のタッチパネルとなっている部分は、入力部６１でもある。

ユーザによりリモートコントローラ６０を操作するために表示部６３をアクティブにされると、表示部６３には、図１０Ａに示すようなエリア選択画面が表示される。エリア選択画面は、対象空間のマップを含んでいる。マップは、リモートコントローラ６０の記憶部６２に記憶されている。マップは、空調対象空間「会議室１」において、部屋の概略の構成、たとえば、窓、ドアの位置と、第１利用側装置３０ａ（図１０Ａでは「１」と表示）、第２利用側装置３０ｂ（図１０Ａでは「２」と表示）、第１エリアＳ１、第２エリアＳ２の配置などを示している。

ユーザにより第１エリアを示すサークルをタッチされると、サークル内は、黒色に表示され、第１エリアが選択されたことが分かる。ユーザが第２エリアの設定を希望するときは、同様に第２エリアを示すサークルがタッチされれば、第２エリアを示すサークルが黒くなり、第１エリアは白く表示される。

図１０Ａの表示画面の最下部は、表示画面選択部である。具体的には、「マップエリア」、「温度」、「モード」、「風量」などの表示が帯状に並べられている。さらに、表示されない部分に「風向」などの選択画面も存在する。図１０Ａでは、「マップエリア」と記載された表示が反転して表示され、エリア選択画面が選択されていることを示している。この表示画面選択部は、左右の矢印をタッチすることにより、表示をスクロールすることができる。そうして、表示したい画面の表示をタッチして、表示画面を変更する。

次に、ユーザが第１エリアの設定温度を入力する場合には、図１０Ａで、第１エリアが選択された状態で、画面下部の表示選択部で、「温度」をタッチして、選択する。そうすると、図１０Ｂの第１エリアＳ１の温度設定画面が表示される。

図１０Ｂの画面の最上部は、図１０Ａの画面と同様に「会議室１」と表示されている。これは、ユーザが設定する空気調和機１０が空気調和する対象空間、部屋を示している。

図１０Ｂの画面の２番目は、「第１エリア」と表示されている。これは、第１エリアＳ１が選択されていることを意味している。

図１０Ｂの画面の３番目は、「冷房」と表示されている。これは、運転モード（モード）が、冷房運転中であることを示している。

次に、図１０Ｂの中央部には、「設定温度 ２８ ℃」と表示されている。これは、現在の第１エリアの目標の設定温度が、２８℃であることを示している。この設定温度は、数字「２８」の上下の矢印にタッチすることによって、設定温度を変更可能である。

図１０Ｂの「設定温度 ２８ ℃」の表示の下には、「第１エリア温度 ３１℃」、「室温 ３０℃」、「外気温 ３５℃」と表示されている。これは、第１温度センサ１５ａ、室温センサ（吸込み温度センサ１４ａまたは１４ｂ）、外気温センサ１２の測定値を示している。

図１０Ｂの表示画面の最下部は、図１０Ａと同様に、表示画面選択部である。

ユーザが次に第２エリアの温度を設定する場合、図１０Ｂの表示画面選択部で、「マップエリア」を選択し、そうして、図１０Ａのエリア選択画面で、「第２エリア」を選択し、さらに、図１０Ａの表示画面選択部で、「温度」を選択することにより、第２エリアの温度を設定することが可能になる。

（１−５）学習部５０
学習部５０は、コンピュータである。学習部５０は、さらに、記憶部５１に接続されている。学習部５０は、図３に示すように、ネットワークを介して、制御部４０に接続されている。空気調和機１０の運転データである学習用データは、記憶部４１に記憶されている。記憶部４１に記憶されていた学習用データは、ネットワークを介して学習部５０と接続されている記憶部５１に送信される。

（２）空調制御システム１による室内の空気温度の制御方法
本実施形態の空調制御システム１による室内の空気温度の制御について、図面を用いて説明する。本実施形態においては、図４に示すような室内において、空調制御システム１の２台の利用側装置３０ａ、３０ｂを用いて、室内全体の空気調和を行う。特に、第１エリアと第２エリアに関してはそれぞれの目標温度となるように空調制御システム１の制御を行う。

（２−１）制御の全体フロー
制御の全体フローについて図５を用いて説明する。

最初に、ステップＳ１００では、室内（対象空間）に利用側装置３０ａ、３０ｂを設置後、または、第１温度センサ１５ａおよび第２温度センサ１５ｂの再配置後、データ集め運転を行う。データ集め運転とは、所定の設定で空調制御システム１を運転し、学習用データ収集をする運転を意味している。

次に、ステップＳ２００では、データ集め運転で集めた学習用データを利用して機械学習を行う。機械学習で収集された学習用データセットは、記憶部４１に記憶される。

次に、ステップＳ３００で、機械学習を行った後に学習済モデルを利用して空気調和機の運転を行いつつ、学習用データを収集する。

最後に、ステップＳ４００では、ステップＳ３００で収集した学習用データを利用して強化学習を行う。

（２−２）データ集め運転（Ｓ１００）
ステップＳ１００のデータ集め運転について、図６Ａのフローチャート、図７の運転点表を用いて説明する。

最初に運転点１を指定する（Ｓ１０１）。各運転点の運転条件については、予め各運転点ごとに設定されている。各運転点の運転条件の例を図７の運転点表に示す。図７では、各運転点における運転条件の一部を示している。図７では、運転条件としては、第１利用側装置３０ａと第２利用側装置３０ｂにおける、それぞれ、ファン回転速度、第１〜第４フラップの角度が示されている。これらの詳細は、学習用データセットのところで、説明する。

制御部４０は、記憶部４１に記憶されている運転点１の運転条件を読み込み、その運転条件を用いて空気調和機１０の運転を開始する（Ｓ１０２）。

次に、ステップＳ５００では、温度飽和判定を行う。この温度飽和判定については、次の（２−３）で詳しく説明する。ここでは、温度飽和判定の結果を持って、ステップＳ１０３へ進む。

ステップＳ１０３では、第１温度センサ１５ａ、第２温度センサ１５ｂの測定温度が飽和したか否かを判定する（Ｓ１０３）。

ステップＳ１０３で、第１温度センサ１５ａ、第２温度センサ１５ｂの測定温度が飽和したと判定された場合には、その運転条件を学習用データとして取得する（Ｓ１０４）。

ステップＳ１０３で、第１温度センサ１５ａ、第２温度センサ１５ｂの測定温度が飽和しないと判断された場合には、学習用データ取得（Ｓ１０４）をスキップして、ステップＳ１０５へ進む。

次に、ステップＳ１０５では、制御部４０は、次の運転点があるか否かを判断する。次の運転点がある場合は、次の運転点を指定し（Ｓ１０６）、Ｓ１０２に戻り、ステップＳ１０２、Ｓ５００、Ｓ１０３〜Ｓ１０５を繰り返す。このように、図７のデータの場合であれば、運転点１から順に運転点１２までで、学習用データを取得し、または、学習用データの取得をトライし、全ての運転点について、学習用データを取得（または学習用データの取得のトライを）し、データ集め運転を終了する。

（２−３）温度飽和判定フロー
温度飽和判定フローについて、図６Ｂのフローチャートを用いて説明する。温度飽和判定については、上記データ集め運転における図６のステップＳ５００に限らず、通常運転における学習用データ収集における図８のステップＳ５００においても用いる。図６ＢのＳ５００、または、図８のＳ５００が、図６ＢのＳ５０１〜Ｓ５０７に相当する。

温度飽和判定フローにおいては、図６ＡのステップＳ１０２や図８のステップＳ３０１のように、空気調和機１０の運転条件の設定が切り換えられたときに、温度飽和判定フローをスタートする。運転条件の変更とは、ユーザの入力により運転条件が変更されたことのみでなく、運転が開始されることと、データ集め運転において運転点が変更されること、スケジュール運転により運転条件が変更されることのように、自動的に運転条件が変更されることも意味する。

ステップＳ５０１では、１０分間待機する。そして、ステップＳ５０２では、１０分間の待機（Ｓ５０１）の間に、運転条件の変更があったかどうかを判定する。運転条件の変更があった場合は、ステップＳ５０１に戻り、さらに１０分待機する。待機中運転条件の変更がなかったときは、ステップＳ５０３に進む。

ステップＳ５０３では、第１温度センサ１５ａ、第２温度センサ１５ｂの測定温度が安定しているか否かを判断する。

制御部４０は、１分毎に第１温度センサ１５ａと第２温度センサ１５ｂの測定温度データを取得している。温度センサの測定温度が安定した状態とは、５分間全ての温度センサの測定温度の変化が１度未満であったことを意味する。

制御部４０は、ステップＳ５０３で、全ての温度センサの温度が安定したか否かを判断する。全ての温度センサの温度が安定したときは、温度が飽和したと判断する（Ｓ５０４）。

ステップＳ５０３で、すべての温度センサの測定温度が安定していないときは、ステップＳ５０５へ進む。ステップＳ５０５では、運転条件変更してから３０分経過したかを判断する。

ステップＳ５０５で、運転条件変更から３０分経過していないと判断した場合には、ステップＳ５０７に進み、１分間待機して、ステップＳ５０２へ戻る。

ステップＳ５０５で、運転条件変更から３０分経過していると判断した場合には、ステップＳ５０６に進み、温度が飽和しないと判断する。

以上、説明したように、図６ＢのステップＳ５０１〜Ｓ５０７のフローを流し、ステップＳ５０４またはＳ５０６に到達することにより、温度が飽和したか否かが判定される。

飽和の判断としては、上記の方法のみでなく、温度変化割合が一定値よりも少なくなった時に飽和したと判断してもよい。

（２−４）学習用データセット
本実施形態の機械学習（Ｓ２００）で作成される、学習用データセットの一覧表を図９に示す。本実施形態の学習用データセットのデータは、上記で説明したように、温度センサの値が飽和したと判断したときに取得したデータである。

本実施形態の学習用データセットは、風向データと、冷媒データと、風量データと、エリアデータとを含んでいる。なお、図９の一覧表においては、各データ項目（パラメータ）が、右端のデータ分類欄で、風向データ、冷媒データ、風量データ、エリアデータのいずれに関連しているかを示している。

風向データは、空気調和機１０から吹出される空気の吹出し方向に関するデータである。図９の一覧表においては、Ｎｏ．４〜Ｎ．７、Ｎ．１０〜Ｎｏ．１３に相当する。具体的には、フラップの傾斜角に相当する。フラップの傾斜角は、１、２、３、４の４通りである。１は空気の吹出し角度がほぼ水平に近く、４は、逆にほぼ真下への空気の吹出しになるように、フラップの傾斜角度が設定される。２，３は、１と４の間である。

冷媒データは、前記空気調和機内を流れる冷媒の温度、または、空気調和機１０から吹出される空気の温度に関するデータである。空気調和機内を流れる冷媒の温度に関するデータとは、室内熱交換器の伝熱管の温度、室内熱交換器と接続される冷媒配管の温度、冷媒配管内を流れる冷媒の圧力のデータである。空気調和機１０から吹出される空気の温度に関するデータは、空気調和機１０の吹出し口３４−１〜３４−４に吹出温度センサを配置して計測される吹出温度でも良い。

本実施形態においては、冷媒データは、空気調和機内を流れる冷媒の温度に関するデータとして、冷房運転時における、蒸発温度とする。具体的には、室内熱交換器温度センサ１３が計測する室内熱交換器（蒸発器）の温度とする。一覧表の図９では、Ｎｏ．８とＮｏ．１４が相当する。

風量データは、空気調和機１０から吹出される空調空気の風量に関する。図９の一覧表では、Ｎｏ．３、Ｎｏ．９である。具体的には、室内ファン３２の回転速度である。ここでは、回転速度は、４段階で変化させるものとし、１から４へと、次第に回転速度が増加していくものとする。

エリアデータは、第１エリアＳ１と第２エリアＳ２の空気温度に関する。本実施形態においては、第１温度センサ１５ａと第２温度センサ１５ｂの測定データである。

（２−５）機械学習（温度予測モデル作成）（Ｓ２００）
ステップＳ２００の機械学習（温度予測モデル作成）について、説明する。

ステップＳ１００のデータ集め運転が終了すると、運転点表Ｘと、取得温度データＹを作成する。

運転点表Ｘと取得温度データＹにおいて、各行は同一の運転点に対応している。たとえば、ａ２、ｂ２、ｃ２、ｄ２・・・は、運転点２に対応している。また、取得温度データＹにおいて、ａ列（ａ１、ａ２、ａ３・・・）は第１温度センサの測定温度であり、ｂ列（ｂ１、ｂ２、ｂ３・・・）は第２温度センサの測定温度である。また、運転点表Ｘにおいて、ｃ列（ｃ１、ｃ２、ｃ３、・・・）は第１利用側装置３０ａの室内ファンの回転速度、ｄ列（ｄ１、ｄ２、ｄ３・・・）は第１利用側装置３０ａの第１フラップの角度に対応している。

温度予測モデル作成ステップ（Ｓ２００）においては、目的変数Ｙと説明変数Ｘを使って、係数Ａを次式で計算する。

A=(X^T・X)^-1・X^T・Y・・・・・・・・・（１）
なお、式（１）において、^Ｔは転置行列、^−１は逆行列を表している。

次に、このＡを用いて、モデル式
Y’=AX・・・・・・・・・・・・・・・（２）
を作成する。

ユーザが目標温度Ｙ’を入力すると、上記（２）の式よりＸの値を算出し、Ｘのそれぞれの値に対応する制御を行う（Ｘは各フラップの角度、蒸発温度、ファンの回転速度などの行列）。

（２−６）通常運転におけるデータ収集（Ｓ３００）とさらなる学習（Ｓ４００）
ステップＳ３００では、制御部４０は、通常運転を行いつつ、さらに、運転データの収集が行われる。通常運転における学習用データの収集フローについて、図８のフローチャートを用いて説明する。

通常運転におけるトリガーは、たとえば、ユーザによるリモートコントローラ６０の入力部６１への、室内の第１エリア（Ｓ１）に対する目標温度である第１温度と、室内の第２エリア（Ｓ２）に対する目標温度である第２温度の入力である（Ｓ３０１）。これによって、設定部７０は、第１温度と第２温度を設定する。

次に制御部４０は、ステップＳ５００で、温度飽和判定を行う。温度飽和判定の詳細は、図６ＢのステップＳ５０１〜Ｓ５０７で説明したとおりである。

温度飽和判定の後で、ステップＳ３０２に進み、全ての温度センサの温度が飽和したか否かを判断する。

ステップＳ３０２で、全ての温度センサの温度が飽和した場合には、ステップＳ３０３で学習用データを取得し、通常運転におけるデータ収集を終了する。

ステップＳ３０２で、全ての温度センサの温度が飽和しない場合には、学習用データを取得しないで、通常運転におけるデータ収集を終了する。

以上説明したように、空調制御システム１は、作成した学習用データセットを利用して、ユーザの設定に従って空気調和機１０の制御を行いながら、さらに、データ収集を行う（Ｓ３００）。このデータセットを利用して、さらに、学習を行う（Ｓ４００）ことによって、学習用データが収集されていく。

（３）特徴
（３−１）
本実施形態の空気調和機１０の制御方法においては、学習用データセットを用いた機械学習を利用する。学習用データセットは、風向データと、冷媒データと、風量データと、エリアデータとを含んでいる。風向データは、空気調和機から吹出される空気の吹出し方向に関する。冷媒データは、空気調和機内を流れる冷媒の温度、または、空気調和機から吹出される空気の温度に関する。風量データは、空気調和機から吹出される空調空気の風量に関する。エリアデータは、第１エリアＳ１、第２エリアＳ２の空気温度に関する。

本実施形態においては、このような学習用データセットを用いた機械学習を、空気調和機１０の制御に利用するので、第１エリアＳ１、第２エリアＳ２の空気温度の制御を、迅速、かつ、効率よく行うことができる。

室内の間取りやモノの配置、室内外の環境など、多数の要因を考慮して制御することは非常に難しい。しかしながら、その部屋内における実際の運転データを利用して学習することによって多数の要因を考慮した複雑な計算を行うことなくゾーンごとに最適な空調を実現することができる。

（３−２）
本実施形態においては、第１利用側装置３０ａと第２利用側装置３０ｂとを協調させて、特定の第１エリアＳ１、第２エリアＳ２の空気温度の制御を行っている。そしてこのような協調制御において、２台の利用側装置のデータを含む学習用データセットを活用している。

このような２台の利用側装置の協調制御において、２台の利用側装置の運転データを含む学習用データセットを活用することにより、全体として、消費電力を抑制し、かつ迅速な制御が可能になる。

（４）変形例
（４−１）変形例１Ａ
変形例１Ａは、第１実施形態と学習用データセットが異なる他は、第１実施形態と同様である。変形例１Ａの学習用データセットは、第１実施形態の学習用データセットに加えて、空気調和機１０の第１利用側装置の吸込温度データ、第２利用側装置の吸込温度データ、外気温度データ、室内の熱負荷に関する熱負荷データ、消費電力データ、を含んでいる。

変形例１Ａの学習用データセットは、利用側装置の吸込み空気の温度に関する吸込温度データを含んでいる。利用側装置の吸込み空気温度は、利用側装置３０の吸込み口３８付近に配置された吸込み温度センサ１４ａ、１４ｂにより測定される。変形例１Ａの学習用データセットは、風向データ、冷媒データ、風量データ、エリアデータに加えて、吸込温度データを含んでいるので、より的確に、第１エリアＳ１の空気温度の制御が行える。

また、変形例１Ａの学習データセットは、外気の温度に関する外気温度データを含んでいる。外気の温度は、熱源側装置２０に配置された、外気温センサ１２により測定される。変形例１Ａの学習用データセットは、風向データ、冷媒データ、風量データ、エリアデータに加えて、外気温度データを含んでいるので、より的確に、第１エリアの空気温度の制御が行える。

また、変形例１Ａの学習データセットは、熱負荷データを含んでいる。熱負荷データは、たとえば、データセンターにおいて、室内に配置されたサーバー等の機器の発熱である。変形例１Ａの学習用データセットは、風向データ、冷媒データ、風量データ、エリアデータに加えて、熱負荷データを含んでいるので、より的確に、第１エリア、第２エリアの空気温度の制御が行える
さらに、変形例１Ａの学習データセットは、空気調和機１０の消費電力に関する消費電力データを含んでいる。変形例１Ａの学習用データセットは、風向データ、冷媒データ、風量データ、エリアデータに加えて、消費電力データを含んでいるので、消費電力を抑制しながら、第１エリア、第２エリアの空気温度の制御が行える。

風向データ、冷媒データ、風量データ、エリアデータに加えて、吸込温度データ、外気温度データ、熱負荷データ、消費電力データのいずれか一つを含んでいてもよいし、すべてを含んでいてもよい。また、風向データ、冷媒データ、風量データ、エリアデータに加えて吸込温度データ、外気温度データ、熱負荷データ、消費電力データの任意の二つまたは任意の三つを含んでいてもよい。

（４−２）変形例１Ｂ
第１実施形態で用いる学習用データセットは、センサ温度が飽和した状態で取得されたものであった。飽和する前のデータを学習用データセットとして含んでいてもよい。

（４−３）変形例１Ｃ
第１実施形態においては、第１温度センサ１５ａと第２温度センサ１５ｂを用いていた。変形例１Ｃの空気調和機１０は、利用側装置３０ａに赤外線温度センサ（赤外線カメラ）を搭載している。その他は、第１実施形態と同様である。赤外線温度センサは、センサが直接赤外線を検出できる室内の人、壁、床、障害物などの温度を測定することができる。

（４−４）変形例１Ｄ
第１実施形態においては、第１利用側装置３０ａと第２利用側装置３０ｂとは、共通の冷媒回路を構成していた。変形例１Ｄの第１利用側装置３０ａと第２利用側装置３０ｂとは、独立の冷媒回路に属している。言い換えると、別々の熱源側装置２０に接続されている。その他は、第１実施形態と同様である。

（４−５）変形例１Ｅ
第１実施形態においては、学習部５０は、制御部４０とネットワークを介して配置されたサーバーに配置されていた。学習部５０を配置する場所は、これに限定されない。変形例１Ｅの学習部は、制御部４０と共通のコンピュータにある。制御部４０は、空気調和機１０の熱源側装置２０とともに、または、熱源側装置に隣接して配置されている。

（４−６）変形例１Ｆ
第１実施形態においては、運転データ、学習用データセット、運転点表は、熱源側装置２０内の記憶部４１に記憶されていた。運転データ、学習用データセット、運転点表の記憶場所は、他の場所であっても良い。変形例１Ｆにおいては、運転データ、学習用データセット、運転点表は、学習部５０に直接接続された記憶部５１に記憶されている。

（４−７）変形例１Ｇ
第１実施形態においては、空気調和機１０の利用側装置３０は、２台であった。利用側装置の数は、２台に限定されず、１台でも３台以上でも良い。変形例１Ｇにおいては、１台である。その他の空気調和機１０の構成は、第１実施形態と同様である。

変形例１Ｇの学習用データセットにおいては、図９において、Ｎｏ．１〜８のみであって、Ｎｏ．９〜１４を含まない。データ数は少ないので、学習時間は、短縮される。

（４−８）変形例１Ｈ
変形例１Ｈの空調制御システムの構成は、第１実施形態の空調制御システムの構成と同じである。また、変形例１Ｈの空気調和機の制御方法は、図５に示す第１実施形態の空気調和機の制御方法と同様である。また、変形例１Ｈの学習用データセットも、第１実施形態で説明したものと同じである。第１実施形態においては、式（１）、（２）のモデルを用いた重回帰を利用した機械学習を行っていた。機械学習方法は、これに限定されない。

機械学習としては、教師あり学習、教師なし学習、半教師あり学習、強化学習、トランスダクション、マルチタスク学習など各種の機械学習であってもよい。例えば、ロジスティック回帰、ARIMA、VAR、サポートベクターマシン、決定木、ランダムフォレスト、ブースティング、ニューラルネットワーク、ディープラーニング、K-means法、ward法、主成分分析等がある。

（４−９）変形例１Ｉ
第１実施形態においては、空調制御システム１は、室内の第１エリアＳ１と第２エリアＳ２の温度を制御していた。エリアは３箇所以上であっても良い。変形例１Ｉにおいては、エリアは６箇所である。第１エリア〜第６エリアには、それぞれ、第１温度センサ〜第６温度センサが配置される。その他の空調制御システム１の構成は、第１実施形態と同様である。

（４−１０）変形例１Ｊ
第１の実施形態においては、データ集め運転を行って学習データを取得したのちに、通常運転を行いつつデータ収集を行った。変形例１Ｊでは、データ集め運転を行うことなく通常運転を行い学習用データを収集し、学習用データが蓄積された後に機械学習を行うようにしてもよい。

以上、本開示の実施形態を説明したが、特許請求の範囲に記載された本開示の趣旨及び範囲から逸脱することなく、形態や詳細の多様な変更が可能なことが理解されるであろう。

１ 空調制御システム
１０、１０ａ、１０ｂ 空気調和機
１５ａ 第１温度センサ
１５ｂ 第２温度センサ
Ｓ１ 第１エリア
Ｓ２ 第２エリア
３０、３０ａ、３０ｂ 利用側装置
４０ 制御部
５０ 機械学習装置、学習部
５１ 記憶部
６０ リモートコントローラ
６１ 入力部

特開２０１２−２２５５５０号公報

Claims (13)

1. 一室内の複数のエリアの内の第１エリア（Ｓ１）に対して、空気調和機（１０）を用いて空気温度の制御を行うための学習モデルで用いる、学習用データセットであって、
   前記空気調和機から吹出される空気の吹出し方向に関する風向データと、
   前記空気調和機内を流れる冷媒の温度、または、前記空気調和機から吹出される空気の温度に関する冷媒データと、
   前記空気調和機から吹出される空調空気の風量に関する風量データと、
   前記第１エリアの空気温度に関するエリアデータと、
   を備える、
   学習用データセット。
2. 前記エリアデータは、前記空気調和機（１０）から離れて前記第１エリアに配置される第１温度センサ（１５ａ）の検出値である、
   請求項１に記載の学習用データセット。
3. 前記空気調和機（１０）は、同一の室内に配置された第１利用側装置（３０ａ）と第２利用側装置（３０ｂ）とを有し、
   前記風向データは、
   前記第１利用側装置から吹出される空気の吹出し方向に関する第１風向データと、
   前記第２利用側装置から吹出される空気の吹出し方向に関する第２風向データと、
   を含み、
   前記冷媒データは、
   前記第１利用側装置を流れる冷媒の温度、または、前記第１利用側装置から吹出される空気の温度に関する第１冷媒データと、
   前記第２利用側装置を流れる冷媒の温度、または、前記第２利用側装置から吹出される空気の温度に関する第２冷媒データと、
   を含み、
   前記風量データは、
   前記第１利用側装置から吹出される空調空気の風量に関する第１風量データと、
   前記第２利用側装置から吹出される空調空気の風量に関する第２風量データと、
   を含み、
   前記第１エリアに対して、前記第１利用側装置と前記第２利用側装置とを用いて空気温度の制御を行うための学習モデルで用いる、請求項１または２に記載の学習用データセット。
4. 前記室内には、第１エリア（Ｓ１）と、前記第１エリアと異なる第２エリア（Ｓ２）が含まれ、
   前記エリアデータは、
   前記第１エリアの空気温度に関する第１エリアデータと、
   前記第２エリアの空気温度に関する第２エリアデータと、
   を含む、
   請求項１〜３のいずれか１項に記載の学習用データセット。
5. 前記第１エリアデータは、前記空気調和機（１０）から離れて第１エリアに配置される第１温度センサ（１５ａ）の検出値であり、
   前記第２エリアデータは、前記空気調和機から離れて前記第２エリアに配置される第２温度センサ（１５ｂ）の検出値である、
   請求項４に記載の学習用データセット。
6. 前記学習セットの、前記風向データと前記冷媒データと前記風量データと前記エリアデータは、前記空気調和機の制御により前記エリアの空気温度が安定した状態のデータである、
   請求項１〜５のいずれか１項に記載の学習用データセット。
7. 前記空気調和機は、冷媒を利用して空気調和を行うものであり、
   前記冷媒データは、前記冷媒の温度に関するものである、
   請求項１〜６のいずれか１項に記載の学習用データセット。
8. 前記学習用データセットは、さらに、
   前記空気調和機の吸込み空気温度に関する吸込温度データを備える、
   請求項１〜７のいずれか１項に記載の学習用データセット。
9. 前記学習用データセットは、さらに、
   外気の温度に関する外気温度データを備える、
   請求項１〜８のいずれか１項に記載の学習用データセット。
10. 前記学習用データセットは、さらに、
    前記室内の熱負荷に関する熱負荷データを備える、
    請求項１〜９のいずれか１項に記載の学習用データセット。
11. 前記学習用データセットは、さらに、
    前記空気調和機の消費電力に関する消費電力データを備える、
    請求項１〜１０のいずれか１項に記載の学習用データセット。
12. 室内の複数のエリア内の第１エリアに対して、空気調和機（１０）によって空気温度の制御を行うため、学習用データセットを用いる、機械学習方法であって、
    前記学習用データセットは、
    前記空気調和機から吹出される空気の吹出し方向に関する風向データと、
    前記空気調和機内を流れる冷媒の温度、または、前記空気調和機から吹出される空気の温度に関する冷媒データと、
    前記空気調和機から吹出される空調空気の風量に関する風量データと、
    前記エリアの空気温度に関するエリアデータと、
    を備える、
    機械学習方法。
13. コンピュータを備えた機械学習装置（５０）であって、
    前記コンピュータは、ＣＰＵと記憶部（５１）とを含み、
    前記ＣＰＵは、室内の複数のエリア内の第１エリア（Ｓ１）に対して、空気調和機（１０）によって空気温度の制御を行うための機械学習を行い、
    前記記憶部には、前記機械学習を行うための学習済みデータセットが記憶され、
    前記学習済みデータセットは、
    前記空気調和機から吹出される空気の吹出し方向に関する風向データと、
    前記空気調和機内を流れる冷媒の温度、または、前記空気調和機から吹出される空気の温度に関する冷媒データと、
    前記空気調和機から吹出される空調空気の風量に関する風量データと、
    前記エリアの空気温度に関するエリアデータと、
    を備える、
    機械学習装置。

Images