JP2021050862A - 空気調和機 - Google Patents

Abstract

【課題】快適な空調空間を利用者に提供できる空気調和機等を提供する。【解決手段】空気調和機は、室内機と、検出部と、予測部とを有する。室内機は、空調空間に吹き出される空気の方向を変える風向板を有する。検出部は、前記空調空間が分割された複数のエリアの温度分布を定期的に検出する。予測部は、冷房運転時と暖房運転時とで異なるパラメータで学習した学習モデルと、少なくとも２つの前記空調空間の温度分布とを用いて、一番最後に検出した温度分布の検出時点から所定時間後の前記空調空間内の温度ムラを予測する。【選択図】図１

Description

本発明は、空気調和機に関する。

例えば、赤外線センサを用いて室内機が設置された空調空間内の各所の温度に差のある状態である温度ムラを検出し、検出した温度ムラを解消するために室内機の運転／停止や室内機における風量・風向制御等を行う空気調和機が提案されている（特許文献１）。

特開平８−１２８７０４号公報

しかしながら、上述した空気調和機では、温度ムラを検知してからこの温度ムラを解消する制御を開始するため、温度ムラを解消するまでに時間を要する。このため、温度ムラが解消するまでの間は、当該温度ムラが生じている箇所に存在する利用者が暑いもしくは寒いと感じて不快感を感じる場合があった。

本発明ではこのような問題に鑑み、快適な空調空間を利用者に提供できる空気調和機及び温度ムラ解消方法を提供することを目的とする。

本発明の空気調和機は、室内機と、検出部と、予測部とを有する。室内機は、空調空間に吹き出される空気の方向を変える風向板を有する。検出部は、前記空調空間が分割された複数のエリアの温度分布を定期的に検出する。予測部は、冷房運転時と暖房運転時とで異なるパラメータで学習した学習モデルと、少なくとも２つの前記空調空間の温度分布とを用いて、一番最後に検出した温度分布の検出時点から所定時間後の前記空調空間内の温度ムラを予測する。

本発明の空気調和機は、快適な空調空間を利用者に提供できる。

図１は、本実施例の空気調和システムの一例を示す説明図である。 図２は、検出部が測定する空調空間の温度分布エリアの一例を示す説明図である。 図３は、アダプタの構成の一例を示すブロック図はある。 図４は、サーバ装置の構成の一例を示すブロック図である。 図５は、運転履歴データの内容の一例を示す説明図である。 図６は、温度ムラ予測モデルに使用する各温度分布の一例を示す説明図である。 図７は、室内機の制御テーブルの一例を示す説明図である。 図８は、冷房運転時の温度ムラ有無の判定時に使用する温度分布エリアの一例を示す説明図である。 図９は、暖房運転時の温度ムラ有無の判定時に使用する温度分布エリアの一例を示す説明図である。 図１０は、更新処理に関わるサーバ装置内のＣＰＵの処理動作の一例を示すフローチャートである。 図１１は、送信処理に関わるアダプタ内のＣＰＵの処理動作の一例を示すフローチャートである。 図１２は、制御処理に関わる室内機内の制御部の処理動作の一例を示すフローチャートである。

以下、図面に基づいて、本願の開示する空気調和機及び温度ムラ解消方法の実施例を詳細に説明する。尚、本実施例により、開示技術が限定されるものではない。また、以下に示す各実施例は、矛盾を起こさない範囲で適宜変形しても良い。

図１は、本実施例の空気調和システム１の一例を示す説明図である。図１に示す空気調和システム１は、室内機２と、アダプタ３と、アクセスポイント４と、サーバ装置５と、中継装置６と、通信端末７と、通信網８とを有する。

室内機２は、例えば、室内に配置され、室内の空気を加熱又は冷却する空気調和機の一部である。尚、室内機２の利用者は、リモコン９の操作により室内機２を遠隔操作することが可能である。室内機２は、本体２Ａと、当該本体２Ａを制御する制御部２Ｂと、検出部２Ｃと、制御テーブル２Ｄとを有する。本体２Ａは、室内ファン、膨張弁、室内熱交換器、風向板などの各装置が筐体に格納されたものである。制御部２Ｂは、上述した室内ファンや膨張弁や風向板を制御する。制御部２Ｂは、膨張弁の開度を調整して、利用者が所望する空調能力を発揮させるために必要となる量の冷媒を室内熱交換器に流し、室内ファンを駆動して室内熱交換器で冷媒と熱交換を行った室内空気を、風向板を制御して偏向させて空調空間に吹き出させる。これにより、空調空間の暖房、冷房、除湿が行われる。

検出部２Ｃは、室内機２が据え付けられた空調空間の床面の輻射温度を測定する輻射センサである。検出部２Ｃは、空調空間の床面を複数のエリアに分割した、例えば、図２に示すように９個のエリアＡ１〜Ａ９の各々の輻射温度を検出する。尚、図２において、室内機２の吹出口から見て手前側のエリアをエリアＡ１〜Ａ３、室内機２の吹出口から見て奥側のエリアをエリアＡ７〜Ａ９、手前側のエリアと奥側のエリアとの間の中間のエリアをエリアＡ４〜Ａ６とする。また、エリアＡ１、Ａ４、Ａ７は、室内機２の吹出口から見て左（Ｌ：Left）方向のエリア、エリアＡ３、Ａ６、Ａ９は、室内機２の吹出口から見て右（Ｒ:Right）方向のエリア、エリアＡ２、Ａ５、Ａ８は、室内機２の吹出口から見て中央（Ｃ:Center）方向のエリアとする。

本実施形態では、検出部２Ｃが検出した各エリアＡ１〜Ａ９の輻射温度を、エリアＡ１〜Ａ９の各々に対応する空間（各エリアＡ１〜Ａ９の上方の空間）の温度分布とみなして、後述する温度ムラの判定を行う。

アダプタ３は、室内機２とアクセスポイント４との間を無線通信で接続する通信機能と、室内機２をＡＩ制御する制御機能とを有する。アダプタ３は、室内機２毎に設けられるものである。アクセスポイント４は、例えば、ＷＬＡＮ(Wireless Local Area Network)等を使用してアダプタ３と通信網８とを無線通信で接続する装置である。通信網８は、例えば、インターネット等の通信網である。サーバ装置５は、アダプタ３のＡＩが室内機２を制御する際に使用する学習モデルを生成する機能や、運転履歴データ等を記憶するデータベース等を有する。サーバ装置５は、例えば、データセンタに配置される。

中継装置６は、通信網８と通信で接続すると共に、サーバ装置５と通信で接続する機能を有する。中継装置６は、サーバ装置５における学習モデルの生成又は学習モデルの更新に使用する運転履歴データ等を、室内機２からアダプタ３および通信網８経由で受信してサーバ装置５に送信する。また、中継装置６は、サーバ装置５で生成又は更新した学習モデルを通信網８経由でアダプタ３に送信する。中継装置６は、例えば、データセンタ等に配置される。

中継装置６は、第１の中継部６Ａと、第２の中継部６Ｂと、第３の中継部６Ｃとを有する。第１の中継部６Ａは、アダプタ３とサーバ装置５との間でＡＩ制御に関わる各種データを中継する。具体的には、第１の中継部６Ａは、アダプタ３から通信網８経由で受信した学習モデルの生成又は更新に使用する運転履歴データ等をサーバ装置５に送信すると共に、サーバ装置５が生成又は更新した学習モデルを通信網８経由でアダプタ３に送信する。第２の中継部６Ｂは、利用者が外出先から後述する通信端末７を使用して設定した室内機２の運転条件（冷房／暖房といった運転モードや設定温度など）をアクセスポイント４および通信網８経由で受信し、これを室内機２に通信網８およびアクセスポイント４およびアダプタ３経由で送信する。第３の中継部６Ｃは、例えば、通信網８を経由して天気予報等の外部データを受信し、受信した外部データをサーバ装置５に送信する。また、第３の中継部６Ｃは、受信した外部データを通信網８およびアクセスポイント４経由でアダプタ３に送信する。

図３は、アダプタ３の構成の一例を示すブロック図である。図３に示すアダプタ３は、第１の通信部１１と、第２の通信部１２と、記憶部１３と、ＣＰＵ(Central Processing Unit)１４とを有する。第１の通信部１１は、室内機２内の制御部２Ｂと通信で接続される、例えば、ＵＡＲＴ（Universal Asynchronous Receiver Transmitter）等の通信ＩＦ（Interface）である。第２の通信部１２は、アクセスポイント４と通信で接続される、例えば、ＷＬＡＮ等の通信ＩＦ等である。記憶部１３は、例えば、ＲＯＭ（Read Only Memory）やＲＡＭ(Random Access Memory)等を有し、データやプログラム等の各種情報を格納する。ＣＰＵ１４は、アダプタ３全体を制御する。

記憶部１３は、室内機２から取得した運転履歴データを一時記憶する運転履歴メモリ１３Ａと、サーバ装置５から取得した、学習モデルを記憶するモデルメモリ１３Ｂと、外部データを記憶する外部メモリ１３Ｃとを有する。

ＣＰＵ１４は、取得部１４Ａと、送信部１４Ｂと、受信部１４Ｃと、設定部１４Ｄと、予測制御部１４Ｅ（本発明の予測部に相当）とを有する。取得部１４Ａは、室内機２から所定周期、例えば、５分毎の取得タイミングで運転履歴データを取得する。取得部１４Ａは、５分周期で取得した運転履歴データを運転履歴メモリ１３Ａに記憶する。なお、運転履歴データについては、後に図５を用いて詳細に説明する。

送信部１４Ｂは、運転履歴メモリ１３Ａに記憶している運転履歴データを、アクセスポイント４に送信し、アクセスポイント４は、受信した運転履歴データを通信網８を介して中継装置６に送信し、中継装置６の第１の中継部６Ａは、受信した運転履歴データをサーバ装置５に送信する。受信部１４Ｃは、サーバ装置５から、例えば、図２に示すエリアＡ１〜Ａ９の温度ムラを予測するための温度ムラ予測モデル等の学習モデルを受信する。具体的には、サーバ装置５は中継装置６に学習モデルを送信し、中継装置６の第１の中継部６Ａは受信した学習モデルを通信網８を介してアクセスポイント４に送信し、アクセスポイント４は受信した学習モデルをアダプタ３の受信部１４Ｃに送信する。なお、受信部１４Ｃは、受信した学習モデルをモデルメモリ１３Ｂに記憶する。設定部１４Ｄは、モデルメモリ１３Ｂに記憶している学習モデルを予測制御部１４Ｅに適用する。

予測制御部１４Ｅは、例えば、室内温度の安定した状態で、モデルメモリ１３Ｂに記憶中の温度ムラ予測モデルに基づき、室内機２の制御部２Ｂを制御する。尚、室内温度の安定した状態とは、室内温度（各エリアＡ１〜Ａ９の輻射温度ではなく、空調空間全体の温度）と室内機２の設定温度との温度差が所定閾値、例えば、±０．５以内の場合である。尚、説明の便宜上、予測制御部１４Ｅは、学習モデルに基づき、室内機２内の制御部２Ｂを制御する場合を例示したが、予測制御部１４Ｅは、学習モデルに基づき、室内機２の本体２Ａを直接的に制御しても良い。また、予測制御部１４Ｅは、学習モデルに基づく制御態様を制御部２Ｂに送信する。つまり、予測制御部１４Ｅが、制御部２Ｂを介して本体２Ａを間接的に制御するようにしても良く、適宜変更可能である。

図４は、サーバ装置５の構成の一例を示すブロック図である。図４に示すサーバ装置５は、複数台の室内機２に備えられるアダプタ３と、中継装置６を介して通信を行うものであり、通信部３１と、記憶部３２と、ＣＰＵ３３とを有する。通信部３１は、中継装置６と通信接続する通信ＩＦである。記憶部３２は、例えば、ＨＤＤ(Hard Disk Drive)、ＲＯＭやＲＡＭ等を有し、データやプログラム等の各種情報を記憶する。ＣＰＵ３３は、サーバ装置５全体を制御する。

サーバ装置５内の記憶部３２は、データメモリ３２Ａと、モデル記憶部３２Ｂとを有する。データメモリ３２Ａは、各アダプタ３から受信した各室内機２の運転履歴データを室内機２毎に記憶する。尚、後述するように、各室内機２は、室内機２を識別するための空気調和機ＩＤを保有しており、各室内機２が運転履歴データを送信する際は、この空気調和機ＩＤも併せて送信している。そして、各室内機２から運転履歴データを受信したサーバ装置５は、受信した信号に含まれる空気調和機ＩＤ毎に運転履歴データをデータメモリ３２Ａに記憶する。モデル記憶部３２Ｂは、サーバ装置５で生成又は更新した学習モデルを記憶する。サーバ装置５内のＣＰＵ３３は、モデル学習部３３Ａと、受信部３３Ｂと、送信部３３Ｃとを有する。

モデル学習部３３Ａは、複数の室内機２のアダプタ３からアクセスポイント４、通信網８、及び、中継装置６を経由して、各々の運転履歴データを受信する。そして、モデル学習部３３Ａは、各アダプタ３からのデータメモリ３２Ａに記憶中のＮ週間分（例えば、３週間分）の運転履歴データを使用して学習し、学習結果に基づき、室内機２毎に学習モデルを生成又は更新する。学習モデルには、例えば、本実施形態で説明する室内のエリアＡ１〜Ａ９の温度ムラを予測する温度ムラ予測モデルがある。

そして、モデル学習部３３Ａは、新たに生成した学習モデル又は既存の学習モデルを更新した学習モデルをモデル記憶部３２Ｂに記憶する。受信部３３Ｂは、アクセスポイント４および通信網８および中継装置６を介して各アダプタ３から運転履歴データ等を受信する。送信部３３Ｃは、中継装置６、通信網８及びアクセスポイント４を介して、モデル学習部３３Ａにて室内機２毎に新たに生成した学習モデル又は既存の学習モデルを更新した学習モデルを各室内機２のアダプタ３に送信する。

なお、室内機２は図示しない室外機と冷媒配管で接続されており、室外機には、室外ファンや圧縮機等が備えられている。また、通信端末７は、利用者のスマートフォン等の端末装置である。

図５は、運転履歴データの内容の一例を示す説明図である。運転履歴データには、例えば、運転状態、運転モード、設定温度、室内温度、室内湿度、風量、風向、人感センサ、温度分布、室内熱交温度、室外温度等である。

運転状態とは、室内機２の運転のＯＮ−ＯＦＦ状態である。運転モードは、室内機２の冷房や暖房等の動作モードである。設定温度は、室内機２を使用する室内の室内目標温度である。室内温度は、室内機２を使用する室内の実際の温度、例えば、室内熱交換器の熱交温度である。室内湿度は、室内機２を使用する室内の実際の湿度である。風量は、室内機２から吹き出される空調空気の風量である。尚、風量は、例えば、室内機２の室内ファンの回転数で表すものである。風向は、室内機２から吹き出される空調空気の風向きである。尚、風向きは、室内機２の吹出口側から見て左方向（Ｌ）、中央方向（Ｃ）及び右方向（Ｒ）の３種類の風向きがある。人感センサは、室内の人の有無や活動量のセンサによる検出結果である。温度分布は、室内の床や壁の温度の室内機２の輻射センサによる検出結果である。尚、温度分布は、図２に示す、例えば、９個のエリア“Ａ１”〜“Ａ９”のエリア毎の床面の輻射温度の温度分布である。室内熱交温度は、室内機２の本体２Ａの一部をなす図示しない室内熱交換器の温度である。室外温度は、図示しない室外機の温度センサで検出した外気温度である。アダプタ３は、室内機２を経由して室外機の温度センサで検出した室外温度を収集する。尚、図示しないが、運転履歴データには、例えば、データ取得時の年月日時分秒であるタイムスタンプ、室内機２等の空気調和機を識別するために室内機２に付与する空気調和機ＩＤ、アダプタ３が通信網８およびアクセスポイント４経由で取得した天気予報データから収集した時間毎の雲量もある。

本実施形態の温度ムラ予測モデルを生成又は更新する場合には、運転履歴データのうちの温度分布、室内温度、設定温度、室外温度、タイムスタンプ、雲量等の運転履歴データを学習のためのパラメータとして使用する。なお、使用するパラメータについては、後に詳細に説明する。

温度ムラ予測モデルは、５分毎に実測した各エリアＡ１〜Ａ９の輻射温度（以降、温度分布と記載する）のうち、直近の３回分の温度分布の実測値を用いて、一番最後に温度分布を実測した時点から所定時間後、例えば、１０分先の温度ムラを予測する学習モデルである。図６は、温度ムラ予測モデルに使用する各温度分布の一例を示す説明図である。直近３回分の温度分布の実測値とは、図６に示すように、室内機２から５分毎に取得した温度分布の実測値のうち、現在の温度分布の実測値、現在から５分前の温度分布の実測値、及び、現在から１０分前の温度分布の実測値である。

アダプタ３の予測制御部１４Ｅは、温度ムラ予測モデルに、直近３回分の温度分布の実測値を適用して、一番最後に温度分布を実測した時点から所定時間後、例えば、１０分先の各エリアＡ１〜Ａ９に対応する空調空間の温度ムラを予測する。アダプタ３の送信部１４Ｂは、予測制御部１４Ｅで予測した温度ムラの予測結果を室内機２の制御部２Ｂに送信する。

室内機２の制御部２Ｂは、アダプタ３から所定時間後の温度ムラの予測結果を受信する。また、制御部２Ｂは、検出部２Ｃを通じて現在の温度分布の実測値を取得する。制御部２Ｂは、取得した実測値の温度分布を用いて、現在の各エリアＡ１〜Ａ９に対応する空調空間における温度ムラの有無を判定する。制御部２Ｂは、１０分後の温度ムラの有無の予測結果と、実測値の温度分布を用いて判定した現在の温度ムラの有無の判定結果とに基づき、風向板の向きを制御して室内機２から吹き出される空調空気を偏向させる。具体的には、温度ムラがあると判定した場合は、温度ムラがあるエリアに空調空気が向かうように風向板を動作させて温度ムラを解消し、温度ムラがない場合は、室内機２の据え付け位置に対して空調空間の中央方向に空調空気が向かうように風向板を動作する。なお、風向板の動作は所定時間、例えば４０分毎に行う。言い換えれば、一度風向板を動作させた後４０分間は風向板の向きを変更しない。その理由としては、頻繁に風向板を切換えた場合に利用者に違和感や不快感を与える虞があるためである。

図７は、本実施形態における室内機２の制御テーブル２Ｄを示す説明図である。図７に示す制御テーブル２Ｄは、温度分布の実測値による温度ムラの判定結果と、温度ムラ予測モデルによる温度ムラの予測結果と、風向制御内容とを対応付けている。温度分布の実測値による温度ムラ判定結果は、温度分布の実測値から温度ムラの有無を判定した制御部２Ｂの判定結果である。温度ムラの予測結果は、温度ムラ予測モデルが予測した所定時間後の温度ムラの予測結果である。風向制御内容は、室内機２の風向板の向きを制御するための制御内容である。

制御部２Ｂは、例えば、温度分布の実測値による温度ムラ判定結果が「温度ムラあり」、温度ムラの予測結果が「温度ムラあり」の場合、温度分布の実測値による温度ムラ判定結果に基づき、温度ムラを解消する方向に風向板の向きを制御する。尚、実測値による温度ムラ判定結果が、例えば、室内機２のＬ方向（図２のエリアＡ１／Ａ４／Ａ７）の温度ムラがあるという結果である場合、Ｌ方向に風向板を向けて空調空気を送る。

制御部２Ｂは、例えば、温度分布の実測値による温度ムラ判定結果が「温度ムラあり」、温度ムラの予測結果が「温度ムラなし」の場合、温度分布の実測値による温度ムラ判定結果に基づき、温度ムラを解消する方向に風向板の向きを制御する。

制御部２Ｂは、例えば、温度分布の実測値による温度ムラ判定結果が「温度ムラなし」、温度ムラの予測結果が「温度ムラあり」の場合、温度ムラの予測結果に基づき、温度ムラを解消する方向に風向板の向きを制御する。

制御部２Ｂは、例えば、温度分布の実測値による温度ムラ判定結果が「温度ムラなし」、温度ムラの予測結果が「温度ムラなし」の場合、風向板の向きを室内中央方向に向けるように制御する。

次に、図８および図９を用いて、制御部２Ｂが行う、温度分布の実測値における温度ムラ有無の判定方法について、具体的に説明する。この温度ムラ有無の判定方法は、室内機２の冷房運転時と暖房運転時とで異なる。

まず、冷房運転時の温度ムラ有無の判定方法について説明する。図８は、冷房運転時の温度ムラ有無の判定時に使用する温度分布エリアの一例を示す説明図である。冷房運転では、風向板は水平方向に向けられるが、室内機２から吹き出された冷たい空気は床に向かって下降するため、吹き出された冷たい空気は、図８に示すＡ４、Ａ５及びＡ６（以降、対象エリアと記載する）に到達する。従って、冷房運転時における制御部２Ｂでは、温度分布の全エリアＡ１〜Ａ９の各温度のうち、室内機２から吹き出された冷たい空気が到達するエリアＡ４、Ａ５及びＡ６を対象エリアとし、これら対象エリアＡ４、Ａ５及びＡ６の各温度を用いて温度ムラ有無の判定に用いる。

次に、制御部２Ｂは、対象エリアＡ４、Ａ５及びＡ６の各温度から最小値の温度を選択する。そして、制御部２Ｂは、対象エリアＡ４、Ａ５、Ａ６毎に、その温度と最小値とを比較し、対象エリア毎の温度と最小値との温度差が所定温度、例えば、１．２５℃以上の場合、対象エリアが最小値のエリアよりも温度が高く、当該対象エリアに温度ムラ有りと判定する。また、制御部２Ｂは、対象エリア毎の輻射温度と最小値との温度差が１．２５℃未満の場合、温度ムラなしと判定する。

次に、暖房運転時の温度ムラ有無の判定方法について説明する。図９は、暖房運転時の温度ムラ有無の判定時に使用する温度分布エリアの一例を示す説明図である。暖房運転では、室内機２から吹き出された暖かい空気は天井に向かって上昇する。そこで、暖房運転時は、吹き出された暖かい空気を床面にできる限り到達させるために、風向板は下向きとされる。このとき、吹き出された暖かい空気は、エリアＡ１〜Ａ９にまんべんなく行き渡るため、暖房運転時は、エリアＡ１〜Ａ９のすべてが、温度ムラ有無の判定に用いる対象エリアとなる。

まず、制御部２Ｂでは、温度分布の全エリアＡ１〜Ａ９を、Ｌエリア群（Ａ１、Ａ４、Ａ７）、Ｃエリア群（Ａ２、Ａ５、Ａ８）及びＲエリア群（Ａ３、Ａ６、Ａ９）の３つのエリア群に分割する。次に、制御部２Ｂは、エリアＡ１〜Ａ９の各温度の平均温度を算出する。次に、制御部２Ｂは、Ｌエリア群（Ａ１、Ａ４、Ａ７）の各エリアの温度のうち、最小値の温度をＬエリア群の最小温度とする。更に、制御部２Ｂは、Ｃエリア群（Ａ２、Ａ５、Ａ８）の各エリアの温度のうち、最小値の温度をＣエリア群の最小温度とする。更に、制御部２Ｂは、Ｒエリア群（Ａ３、Ａ６、Ａ９）の各エリアの温度のうち、最小値の温度をＲエリア群の最小温度とする。そして、制御部２Ｂは、エリア群毎に、各エリア群の最小温度と平均温度とを比較し、各エリア群において最小温度と平均温度との温度差が１．２５℃以上の場合、対象エリア群の最小温度が平均温度よりも低く、当該エリア群内に温度ムラ有りと判定する。また、制御部２Ｂは、各エリア群において最小温度と平均温度との温度差が１．２５℃未満の場合、各エリア群で温度ムラなしと判定する。

制御部２Ｂは、以上に説明した方法で、冷房運転時と暖房運転時のそれぞれの場合に、温度分布の実測値を用いた現在の各エリアＡ１〜Ａ９に対応する空調空間における温度ムラの有無を判定する。

冷房運転時に、制御部２Ｂが、温度分布の実測値を用いた現在の各エリアＡ１〜Ａ９に対応する空調空間における温度ムラの有無を判定する場合、温度分布の実測値における対象エリアＡ４、Ａ５及びＡ６毎の温度と対象エリアＡ４、Ａ５及びＡ６の各温度のうちの最小値とを比較し、対象エリアＡ４、Ａ５及びＡ６毎の温度と最小値との温度差が１．２５℃以上であるエリアが少なくとも１つ存在する場合に、現在の各エリアＡ１〜Ａ９に対応する空調空間で温度ムラ有りと判定する。また、制御部２Ｂは、全ての対象エリアＡ４、Ａ５及びＡ６で温度と最小値との温度差が１．２５℃未満である場合に、現在の各エリアＡ１〜Ａ９に対応する空調空間で温度ムラなしと判定する。つまり、制御部２Ｂは、各エリアの内、少なくとも２つのエリア間で温度差がある場合、対象エリアの温度が最小値のエリアの温度よりも高いため、温度ムラ有りと判定する。そして、制御部２Ｂは、温度ムラ有りと判定された場合、温度ムラが発生しているエリアに空調気流が供給されるように、風向板を制御する。

暖房運転時に、制御部２Ｂが、温度分布の実測値を用いた現在の各エリアＡ１〜Ａ９に対応する空調空間における温度ムラの有無を判定する場合、温度分布の実測値における対象エリア群毎の温度のうちの各最小値と平均温度との温度差が１．２５℃以上であるエリアが少なくとも１つ存在する場合に、現在の各エリアＡ１〜Ａ９に対応する空調空間で温度ムラ有りと判定する。また、制御部２Ｂは、全ての対象エリア群毎の各最小値と平均温度との温度差が１．２５℃未満である場合に、現在各エリアＡ１〜Ａ９に対応する空調空間で温度ムラなしと判定する。つまり、制御部２Ｂは、各エリア群の内、少なくとも２つのエリア群間で温度差がある場合、対象エリア群の最小温度が平均温度よりも低いため、温度ムラ有りと判定する。そして、制御部２Ｂは、温度ムラ有りと判定された場合、温度ムラが発生しているエリアに空調気流が供給されるように、風向板を制御する。

以上説明したように、空調空間における温度ムラの有無を判定する際に、冷房運転時と暖房運転時とは、判定に使用する対象エリアが異なる。このため、温度ムラ予測モデルを学習もしくは更新する際に使用する際のパラメータが、以下に説明するように冷房運転時と暖房運転時とで異なる。

冷房運転時の温度ムラ予測モデルの学習に使用するパラメータとしては、（室外温度−室内温度）、設定温度、温度分布の実測値、室内機２から見て左（Ｌ）方向、中央（Ｃ）方向及び右（Ｒ）方向へ運ばれる相当熱量、時刻フラグ及び雲量等がある。温度分布の実測値は、検出部２Ｃがエリア“Ａ１”〜“Ａ９”のエリア毎に検出した温度である。ＬＣＲへ運ばれる相当熱量相当とは、例えば、熱交温度と吸込温度とファン回転数と現在の風向板の方向を用いて算出できる。吸込温度は室内機２に吸い込まれる室内空気の温度、風向比は室内機２の吹出口全体に対する風向き方向毎の風向比率（Ｌ：Ｃ：Ｒ）である。尚、冷房運転時の温度ムラ予測モデルに使用するパラメータとして（室外温度−室内温度）を使用する理由は、日射熱の影響を反映するためである。

暖房運転時の温度ムラ予測モデルの学習に使用するパラメータには、例えば、室外温度、検出部２Ｃで検出した床面の輻射温度の平均値、温度分布の実測値、ＬＣＲへ運ばれる相当熱量、時刻フラグ及び雲量等がある。輻射温度の平均値は、エリア“Ａ１”〜“Ａ９”の検出部２Ｃで検出した温度の平均値である。尚、暖房運転時の温度ムラ予測モデルの生成に輻射温度の平均値を用いるのは、暖房運転時は室内機２から吹き出された暖かい空気が天井に向かって上昇することに起因してエリア毎の床温度が変化しやすい、すなわちエリア毎に床温度の違いが出やすいことを加味するためである。

尚、暖房運転時に制御部２Ｂが温度ムラの有無を判定する場合、各エリアＡ１〜Ａ９における実測した温度のうちの最大値と最小値との温度差が第１の所定温度、例えば、１５℃以上の場合、空調空間内に別の熱源（例えば、ガスファンヒータなどの暖房機）があると判断する。更に、制御部２Ｂは、空調空間内に別の暖房機があると判断した場合、その判断結果をアダプタ３に通知する。アダプタ３は、空調空間内に別の暖房機があるとする判断結果を受信した場合、この際の直近３回分の実測値の温度分布を用いての温度ムラを予測しない。更に、アダプタ３は、制御部２Ｂから受信した判断結果をサーバ装置５に送信する。サーバ装置５は、空調空間内に別の暖房機が無くなったと判断されるまで、空調空間内に別の暖房機がある状態で受信した５分周期の運転履歴データを温度ムラ予測モデルの学習（生成）もしくは更新に使用しない。

尚、制御部２Ｂは、上述した方法で空調空間内に別の暖房機があると判断された後、空調空間の温度分布内の温度の最大値と最小値との温度差が第１の所定温度、例えば、１５℃未満となった場合、空調空間内に別の暖房機が無くなったと判断し、その判断結果をアダプタ３経由でサーバ装置５に送信する。

次に、本実施例の空気調和システム１の動作について説明する。図１０は、学習モデルの更新処理に関わるサーバ装置５内のＣＰＵ３３の処理動作の一例を示すフローチャートである。なお、ＣＰＵ３３は、空気調和システム１が設置されて起動した時点からＮ週間後までに取得した運転履歴データ、つまり、Ｎ週間分の運転履歴データを使用して温度ムラ予測モデルを生成し、その後は、ＣＰＵ３３が新しい運転履歴データを取得する度にこれを含めたＮ週間分の運転履歴データを使用して温度ムラ予測モデルを更新する。

本実施形態の空気調和システム１において、サーバ装置５内のＣＰＵ３３の受信部３３Ｂは、アダプタ３から運転履歴データを受信したか否かを判定する(ステップＳ１１)。受信部３３Ｂは、運転履歴データを受信した場合(ステップＳ１１：Ｙｅｓ)、受信した運転履歴データをデータメモリ３２Ａに記憶する（ステップＳ１２）。

アダプタ３から運転履歴データを受信すると、モデル学習部３３Ａは、データメモリ３２Ａに記憶中の運転履歴データに基づき、温度ムラ予測モデルを更新する(ステップＳ１３)。モデル学習部３３Ａは、運転履歴データの内、（室外温度−室内温度）、設定温度、温度分布の実測値、ＬＣＲへ運ばれる相当熱量、時刻フラグ及び雲量等を用いて冷房運転時の温度ムラ予測モデルを更新する。また、モデル学習部３３Ａは、運転履歴データの内、室外温度、輻射温度の平均値、温度分布の実測値、ＬＣＲへ運ばれる相当熱量、時刻フラグ及び雲量等を用いて暖房運転時の温度ムラ予測モデルを更新する。尚、説明の便宜上、ステップＳ１３では、モデル学習部３３Ａが、データメモリ３２Ａに記憶中の運転履歴データに基づき温度ムラ予測モデルを更新する場合を例示したが、新たに取得した運転履歴データが前回の温度ムラ予測モデルの生成に使用した運転履歴データとほぼ同じであった場合は、温度ムラ予測モデルを更新しない。

モデル学習部３３Ａは、記憶部３２Ｂに更新した温度ムラ予測モデルを記憶させる(ステップＳ１４)。更に、ＣＰＵ３３内の送信部３３Ｃは、温度ムラ予測モデルをアダプタ３に送信し(ステップＳ１５)、図１０に示す処理動作を終了する。また、受信部３３Ｂは、運転履歴データを受信したのでない場合(ステップＳ１１：Ｎｏ)、図１０に示す処理動作を終了する。

以上説明したように、サーバ装置５は、アダプタ３から取得した運転履歴データを用いて学習モデルを生成又は更新する。その結果、サーバ装置５は、学習モデルの精度を高く維持できる。

尚、説明の便宜上、例えば、運転履歴データがＮ週間分の場合に温度ムラ予測モデルを生成又は更新する場合を例示したが、Ｎ週間分や温度分予測モデルに限定されるものではなく、運転履歴データの記憶量に応じて学習モデルも適宜変更可能である。

図１１は、室内機２への温度ムラ予測結果の送信処理に関わるアダプタ３内のＣＰＵ１４の処理動作の一例を示すフローチャートである。図１１においてアダプタ３内のＣＰＵ１４内の取得部１４Ａは、最後に取得した温度分布の実測値を含めて過去３回分、つまり、直近３回分の温度分布の実測値を取得したか否かを判定する(ステップＳ２１)。尚、取得した直近３回分の温度分布の実測値は、記憶部１３の外部メモリ１３Ｃに記憶される。

ＣＰＵ１４内の予測制御部１４Ｅは、直近３回分の温度分布の実測値を取得した場合(ステップＳ２１：Ｙｅｓ)、取得した直近３回分の温度分布の実測値を温度ムラ予測モデルに適用して、所定時間後の空調空間の温度ムラを予測する(ステップＳ２２)。更に、予測制御部１４Ｅは、温度ムラの予測結果を外部メモリ１３Ｃに記憶する(ステップＳ２３)。更に、ＣＰＵ１４内の送信部１４Ｂは、温度ムラの予測結果を室内機２に送信し(ステップＳ２４)、図１１に示す処理動作を終了する。予測制御部１４Ｅは、直近３回分の温度分布の実測値を取得しなかった場合(ステップＳ２１：Ｎｏ)、図１１に示す処理動作を終了する。

以上説明したように、アダプタ３は、直近３回分の温度分布の実測値を温度ムラ予測モデルに適用して所定時間後の温度ムラを予測し、温度ムラの予測結果を室内機２に送信する。その結果、室内機２は、１０分先の温度ムラの予測結果を用いて次に説明する風向板の制御が行える。

図１２は、温度ムラの有無の判定およびこの判定結果に基づく風向板の制御に関わる室内機２の制御部２Ｂの処理動作の一例を示すフローチャートである。図１２において、室内機２の制御部２Ｂは、現在の空調空間全体の温度である室内温度を検出し(ステップＳ３１)、現在の室内温度と設定温度との温度差が±０．５℃以内であるか否かを判定する(ステップＳ３２)。制御部２Ｂは、現在の室内温度と設定温度との温度差が±０．５℃以内の場合(ステップＳ３２：Ｙｅｓ)、室内温度が安定した状態と判断し、空調空間内の温度ムラの予測結果をアダプタ３から受信したか否かを判定する(ステップＳ３３)。

制御部２Ｂは、図１１のフローチャートにおけるステップＳ２２の処理でアダプタ３が求めた空調空間内の温度ムラの予測結果をアダプタ３から受信した場合(ステップＳ３３：Ｙｅｓ)、温度分布の実測値を取得する(ステップＳ３４)。更に、制御部２Ｂは、取得した温度分布の温度ムラの有無を判定する(ステップＳ３４Ａ)。

次に、制御部２Ｂは、制御テーブル２Ｄを参照し、温度分布の実測値による温度ムラ判定結果を使用するか否かを判定する（ステップＳ３５）。制御部２Ｂは、温度分布の実測値による温度ムラ判定結果を使用する場合(ステップＳ３５：Ｙｅｓ)、温度分布の実測値による温度ムラ判定結果に基づき、風向板を制御（風向制御）する(ステップＳ３６)。

制御部２Ｂは、風向板を制御した後、第１の所定時間タイマをスタートする(ステップＳ３７)。ここで、第１の所定時間は、風向板の向きを切替制御した後、風向板の向きが頻繁に切り替わるのを防止するための時間であり、例えば、４０分である。利用者は、風向板の向きが頻繁に切り替わることで違和感を感じたり、不快に感じる場合があるため、風向板の向きが制御された直後から第１の所定時間を経過するまでは、風向板の動作を抑制する。

制御部２Ｂは、Ｓ３７でタイマをスタートしてから第１の所定時間が経過したか、つまり、第１の所定時間タイマがタイムアップしたか否かを判定する(ステップＳ３８)。制御部２Ｂは、第１の所定時間タイマがタイムアップしていない場合(ステップＳ３８：Ｎｏ)、ステップＳ３８に処理を戻して第１の所定時間タイマがタイムアップするのを待つ。一方、制御部２Ｂは、第１の所定時間タイマがタイムアップした場合(ステップＳ３８：Ｙｅｓ)、第１の所定時間タイマをリセットし（ステップＳ３９）、ステップＳ３１に処理を戻す。

尚、制御部２Ｂは、現在の室内温度と設定温度との温度差が±０．５℃以内でない場合(ステップＳ３２：Ｎｏ)、又は、温度ムラの予測結果をアダプタ３から受信しなかった場合(ステップＳ３３：Ｎｏ)は、風向板の向きを中央に向けて、ステップＳ３１の処理を戻す。

ステップＳ３５において、制御部２Ｂは、温度分布の実測値による温度ムラ判定結果を使用しない場合(ステップＳ３５：Ｎｏ)、温度ムラの予測結果を使用するか否かを判定する(ステップＳ４０)。制御部２Ｂは、温度ムラの予測結果を使用する場合(ステップＳ４０：Ｙｅｓ)、温度ムラの予測結果に基づき、風向板を制御し(ステップＳ４１)、第１の所定時間タイマをスタートすべく、ステップＳ３７の処理に戻る。

また、制御部２Ｂは、温度ムラの予測結果を使用しない場合(ステップＳ４０：Ｎｏ)、風向板の風向きを固定し(ステップＳ４２)、第１の所定時間タイマをスタートすべく、ステップＳ３７の処理に戻る。

以上説明したように、室内機２は、室内温度と設定温度との温度差が±０．５℃以内、かつ、アダプタ３から温度ムラの予測結果を受信した場合、温度分布の実測値に基づき、温度ムラを判定する。その結果、室内機２は、所定時間後の温度ムラの予測結果と、温度分布の実測値による温度ムラの判定結果とを得る。

室内機２は、温度分布の実測値による温度ムラ判定結果が「温度ムラあり」、かつ、温度ムラの予測結果が「温度ムラあり」の場合、温度分布の実測値による温度ムラ判定結果に基づき、温度ムラを解消する方向に風向板の向きを制御する。その結果、現在生じている空調空間の温度ムラを迅速に解消できる。

室内機２は、温度分布の実測値による温度ムラ判定結果が「温度ムラあり」、かつ、温度ムラの予測結果が「温度ムラなし」の場合、温度分布の実測値による温度ムラ判定結果に基づき、温度ムラを解消する方向に風向板の向きを制御する。その結果、現在生じている空調空間の温度ムラを優先的に解消できる。

室内機２は、温度分布の実測値による温度ムラ判定結果が「温度ムラなし」、かつ、温度ムラの予測結果が「温度ムラあり」の場合、温度ムラの予測結果に基づき、温度ムラを解消する方向に風向板の向きを制御する。その結果、将来に空調空間で発生すると予測される温度ムラを予防でき、使用者が感じる温度ムラに起因する不快感を低減できる。

室内機２は、温度分布の実測値による温度ムラ判定結果が「温度ムラなし」、かつ、温度ムラの予測結果が「温度ムラなし」の場合、風向板の向きを空調空間の中央方向に向けるように制御する。これにより、空調空間の気流を撹拌して温度ムラ発生を適切に予防できる。

本実施例の空気調和システム１は、冷房運転時と暖房運転時とで異なるパラメータで学習した学習モデルと、少なくとも２つの空調空間の温度分布とを用いて、一番最後に検出した温度分布の検出時点から所定時間後の温度ムラを予測する。その結果、所定時間後の温度ムラを予測できる。

更に、空気調和システム１は、温度ムラの予測結果から温度ムラがあることが予想される場合に、この温度ムラが発生しないように、風向板を先回りで制御する。その結果、温度ムラを先回りして解消することができ、快適な空調空間を利用者に提供できる。

空気調和システム１は、第１の所定時間(４０分)毎に検出した空調空間の温度分布から温度ムラが生じていると判定された場合に、現在生じている温度ムラが解消するように、風向板を制御する。その結果、現在生じている温度ムラを迅速に解消でき、快適な空調空間を利用者に提供できる。

更に、空気調和機は、温度分布内に温度ムラがなく、かつ、所定時間後の空調空間内に温度ムラが生じていると予測した場合に、所定時間後の温度ムラが解消するように風向板を制御する。その結果、将来発生する温度ムラを先回りして解消でき、快適な空調空間を利用者に提供できる。

尚、本実施例のアダプタ３は、室内機２の運転履歴データを中継装置６経由でサーバ装置５に送信する場合を例示したが、運転履歴データを、中継装置６を経由することなく、そのまま、サーバ装置５に送信しても良く、適宜変更可能である。

また、図１２に示すステップＳ３２の現在の室内温度と設定温度との温度差が±０．５℃以内であるか否かを判定する処理を例示したが、温度差の閾値は±０．５℃に限定されるものではなく、適宜変更可能である。

また、制御部２Ｂは、温度分布の実測値による温度ムラ判定結果が「温度ムラあり」、温度ムラの予測結果が「温度ムラあり」の場合、温度分布の実測値による温度ムラを解消する方向に風向板の向きを制御する場合を例示した。しかしながら、温度分布の実測値による温度ムラ判定結果及び温度ムラの予測結果両方に基づき、温度ムラを解消する方向に風向板の向きを制御しても良い。

また、制御部２Ｂが、温度分布の実測値に基づき温度ムラの有無を判定する場合を例示したが、温度ムラの有無の判定をアダプタ３側で実行しても良く、適宜変更可能である。

温度ムラ予測モデルは、直近３回の温度分布の実測値に基づき、空調空間内の温度ムラする場合を例示したが、直近３回の温度分布の実測値に限定されるものではなく、直近１回や、直近２回、直近３回以上でも良く、適宜変更可能である。更に、予測する温度ムラも１０分先に限定されるものではなく、例えば、直近温度分布の検出時点から１５分先の温度分布でも良く、適宜変更可能である。

温度ムラ予測モデルは、空調空間内の温度ムラを予測し、温度分布で温度ムラが発生するエリアの発生確率を算出し、発生確率が所定閾値を超えた場合に温度ムラの発生エリアと予測しても良く、適宜変更可能である。

また、風向板の切替タイミングを監視する第１の所定時間タイマを４０分としたが、これに限定されるものではなく、適宜変更可能である。

また、制御部２Ｂは、暖房運転時に空調空間の温度分布内の温度の最大値と最小値との温度差が第１の所定温度、例えば、１５℃以上の場合、空調空間内に別の暖房機があると判断する場合を例示した。しかしながら、第１の所定温度は、１５℃に限定されるものではなく、適宜変更可能である。また、制御部２Ｂが空調空間内に別の暖房機があるか否かを判定する処理を実行する場合を例示したが、アダプタ３内のＣＰＵ１４が実行しても良く、適宜変更可能である。

また、温度ムラ予測モデルでは、直近３回の温度分布の実測値に基づき、空調空間内の温度ムラを予測する場合を例示した。しかしながら、学習モデルが、直近３回分の温度分布の実測値に基づき、空調空間内の各エリアの温度分布を予測し、その予測結果を制御部２Ｂに送信しても良い。この場合、制御部２Ｂは、予測結果である温度分布を用いて冷房運転時の温度ムラ有無判定又は暖房運転時の温度ムラ有無判定結果を実行し、温度ムラ判定結果として所定時間後の温度ムラ予測結果を取得しても良く、適宜変更可能である。

また、図示した各部の各構成要素は、必ずしも物理的に図示の如く構成されていることを要しない。すなわち、各部の分散・統合の具体的形態は図示のものに限られず、その全部又は一部を、各種の負荷や使用状況等に応じて、任意の単位で機能的又は物理的に分散・統合して構成することができる。

更に、各装置で行われる各種処理機能は、ＣＰＵ（Central Processing Unit）（又はＭＰＵ（Micro Processing Unit）、ＭＣＵ（Micro Controller Unit）等のマイクロ・コンピュータ）上で、その全部又は任意の一部を実行するようにしても良い。また、各種処理機能は、ＣＰＵ（又はＭＰＵ、ＭＣＵ等のマイクロ・コンピュータ）で解析実行するプログラム上、又はワイヤードロジックによるハードウェア上で、その全部又は任意の一部を実行するようにしても良いことは言うまでもない。

１ 空気調和システム
２ 室内機
２Ａ 本体
２Ｂ 制御部
２Ｃ 検出部
３ アダプタ
５ サーバ装置
１４Ａ 取得部
１４Ｅ 予測制御部
３３Ａ モデル学習部

Claims (10)

1. 空調空間に吹き出される空気の方向を変える風向板を有する室内機と、
   前記空調空間が分割された複数のエリアの温度分布を定期的に検出する検出部と、
   冷房運転時と暖房運転時とで異なるパラメータで学習した学習モデルと、少なくとも２つの前記空調空間の温度分布とを用いて、一番最後に検出した温度分布の検出時点から所定時間後の前記空調空間内の温度ムラを予測する予測部と
   を有することを特徴とする空気調和機。
2. 前記予測部の予測結果が前記所定時間後の前記空調空間内に前記温度ムラが生じていると予測した場合に、前記温度ムラを解消するように前記風向板を制御する制御部
   を有することを特徴とする請求項１に記載の空気調和機。
3. 前記制御部は、
   前記所定時間より長い第１の所定時間毎に、前記検出部で検出した前記空調空間の温度分布を参照し、前記温度分布内の温度に前記所定温度以上の温度差がある場合に前記温度分布内に温度ムラが生じていると判定し、同温度分布内の温度ムラが解消するように前記風向板を制御し、
   前記温度分布内に温度ムラが生じていないと判定され、かつ、前記予測部の予測結果が前記所定時間後の前記空調空間内に前記温度ムラが生じていると予測した場合に、前記所定時間後の前記空調空間内に生じている前記温度ムラが解消するように前記風向板を制御することを特徴とする請求項２に記載の空気調和機。
4. 前記制御部は、
   前記温度分布内に温度ムラが生じていないと判定され、かつ、前記予測部の予測結果が前記所定時間後の前記空調空間内に前記温度ムラが生じていないと予測した場合に、前記空調空間の中央部に気流が向くように前記風向板を制御することを特徴とする請求項３に記載の空気調和機。
5. 前記制御部は、
   前記第１の所定時間の間、前記空調空間への気流の風向を変えないように前記風向板を制御することを特徴とする請求項３に記載の空気調和機。
6. 前記制御部は、
   前記空調空間内の各エリアの温度のうち、前記温度ムラ有無の判定に使用する温度が前記冷房運転時の温度ムラ有無の判定と前記暖房運転時の温度ムラ有無の判定とで異なることを特徴とする請求項３に記載の空気調和機。
7. 前記制御部は、
   暖房運転時に前記空調空間の温度分布内の温度における最大値と最小値との温度差が第１の所定温度以上の場合、前記温度差が前記第１の所定温度以上の前記温度分布を前記予測部に使用しないことを特徴とする請求項１に記載の空気調和機。
8. 暖房運転時に前記空調空間の温度分布内の温度における最大値と最小値との温度差が第１の所定温度以上の場合、前記温度差が前記第１の所定温度以上の前記温度分布を前記学習モデルの生成又は更新に使用しないことを特徴とする請求項１に記載の空気調和機。
9. 前記冷房運転時と前記暖房運転時とで異なるパラメータとしては、
   前記冷房運転時のパラメータに含まれる、室外温度と室内温度との差分であることを特徴とする請求項１に記載の空気調和機。
10. 前記冷房運転時と前記暖房運転時とで異なるパラメータとしては、
    前記暖房運転時のパラメータに含まれる、空調空間内の温度分布内の全温度の平均値である温度平均値であることを特徴とする請求項１又は９に記載の空気調和機。

Images