JP2023051341A - 情報処理システム、方法、およびプログラム - Google Patents

情報処理システム、方法、およびプログラム Download PDF

Info

Publication number
JP2023051341A
JP2023051341A JP2021161943A JP2021161943A JP2023051341A JP 2023051341 A JP2023051341 A JP 2023051341A JP 2021161943 A JP2021161943 A JP 2021161943A JP 2021161943 A JP2021161943 A JP 2021161943A JP 2023051341 A JP2023051341 A JP 2023051341A
Authority
JP
Japan
Prior art keywords
data
information processing
processing system
operating
prediction model
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
JP2021161943A
Other languages
English (en)
Inventor
学 吉見
Manabu Yoshimi
伸一 笠原
Shinichi Kasahara
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 JP2021161943A priority Critical patent/JP2023051341A/ja
Publication of JP2023051341A publication Critical patent/JP2023051341A/ja
Pending legal-status Critical Current

Links

Images

Landscapes

  • Air Conditioning Control Device (AREA)

Abstract

【課題】予め定められた定義域から逸脱している運転データから運転状態を予測する精度を向上させる。【解決手段】本開示の一実施形態に係る情報処理システムは、機器の運転データから前記機器の運転状態を予測する予測モデル、および、制御部を備えた情報処理システムであって、前記制御部は、前記予測モデルに入力される運用時の運転データが予め定められた定義域から逸脱していることを検知し、前記運用時の運転データが前記検知後に前記定義域に復帰したときに、前記機器の運転状態を判定し、前記逸脱した運転データと、前記復帰したときの判定の結果に基づいて作成された前記定義域から逸脱しているときの前記機器の運転状態の判定の結果と、を再学習用の教師データとして前記予測モデルを再学習する。【選択図】図1

Description

本開示は、情報処理システム、方法、およびプログラムに関する。
従来、機械学習により生成された予測モデルを用いて、機器の運用時の運転データから該機器の運転状態を予測して、該機器の運転を制御したり、該機器の故障を診断したりすることが知られている(特許文献1)。
特許第6791429号公報
しかしながら、運用時の運転データが所定の範囲(例えば、予測モデルを生成するために用いられた運転データの範囲)外であると、運転データから運転状態を正確に予測することが困難である。
本開示では、予め定められた定義域から逸脱している運転データから運転状態を予測する精度を向上させることを目的とする。
本開示の第1の態様による情報処理システムは、
機器の運転データから前記機器の運転状態を予測する予測モデル、および、制御部を備えた情報処理システムであって、
前記制御部は、
前記予測モデルに入力される運用時の運転データが予め定められた定義域から逸脱していることを検知し、
前記運用時の運転データが前記検知後に前記定義域に復帰したときに、前記機器の運転状態を判定し、
前記逸脱した運転データと、前記復帰したときの判定の結果に基づいて作成された前記定義域から逸脱しているときの前記機器の運転状態の判定の結果と、を再学習用の教師データとして前記予測モデルを再学習する。
本開示の第1の態様によれば、予め定められた定義域から逸脱している運転データから運転状態を予測する精度を向上させることができる。
本開示の第2の態様による情報処理システムは、第1の態様に記載の情報処理システムであって、
前記制御部は、
前記機器の過去の運転データと、前記運転データから算出した前記機器の運転状態を判定するための指標値と、を教師データとして供給し、
前記教師データの前記運転データが入力されると前記指標値が出力される前記予測モデルを生成し、
前記機器の運用時の運転データを取得し、
前記運用時の運転データを前記予測モデルに入力して得られた前記指標値の予測値と、前記運用時の運転データから算出した前記指標値の実測値と、を比較して前記機器の運転状態を判定し、前記判定の結果に基づいて前記機器に動作指令を送信し、
前記運用時の運転データが予め定められた定義域から逸脱していることを検知したときに、前記逸脱した運転データを記憶部に記憶させ、
前記逸脱した運転データの検知後に前記定義域に復帰した運転データを前記予測モデルに入力して、前記機器の運転状態が正常か異常かを判定し、
前記機器の運転状態が正常である場合、前記逸脱した運転データが正常であると判定して、前記逸脱した運転データを再学習用の教師データとして前記予測モデルを再学習する。
本開示の第2の態様によれば、正常な運転データのみを用いて予測モデルを生成することができる。
本開示の第3の態様による情報処理システムは、第1の態様または第2の態様に記載の情報処理システムであって、
前記定義域から逸脱した範囲は、前記予測モデルの学習済みの学習データの分布範囲外である。
本開示の第3の態様によれば、予測モデルの学習済みの学習データの分布範囲外の運転データから運転状態を予測する精度を向上させることができる。
本開示の第4の態様による情報処理システムは、第1の態様または第2の態様に記載の情報処理システムであって、
前記定義域から逸脱した範囲は、前記予測モデルの学習済みの学習データの分布範囲内の一部の範囲である。
本開示の第4の態様によれば、予測モデルの学習済みの学習データの分布範囲内の一部の範囲の運転データから運転状態を予測する精度を向上させることができる。
本開示の第5の態様による情報処理システムは、第1の態様から第4の態様のいずれかに記載の情報処理システムであって、
前記制御部は、
前記予測モデルが生成された機器とは別の場所に設置された別の機器で取得された、前記逸脱した運転データを用いて再学習する。
本開示の第5の態様によれば、予測モデルが生成された機器とは別の場所に設置された別の機器に適した予測モデルを生成することができる。
本開示の第6の態様による情報処理システムは、第1の態様から第4の態様のいずれかに記載の情報処理システムであって、
複数の機器が同一の予測モデルを共用し、
前記制御部は、
前記複数の機器のそれぞれの機器で取得された、前記逸脱した運転データを用いて再学習する。
本開示の第6の態様によれば、複数の機器のそれぞれの機器に適した予測モデルを生成することができる。
本開示の第7の態様による情報処理システムは、第1の態様から第6の態様のいずれかに記載の情報処理システムであって、
前記機器は、冷凍空調機器である。
本開示の第7の態様によれば、予め定められた定義域から逸脱している冷凍空調機器の運転データから冷凍空調機器の運転状態を予測する精度を向上させることができる。
本開示の第8の態様による情報処理システムは、第7の態様に記載の情報処理システムであって、
前記運転データは、凝縮器出口過冷却度、圧縮機吸入温度、圧縮機吐出温度、外気温、室温、冷凍もしくは空調能力、圧縮機回転数のうちの少なくとも1つである。
本開示の第8の態様によれば、凝縮器出口過冷却度、圧縮機吸入温度、圧縮機吐出温度、外気温、室温、冷凍もしくは空調能力、圧縮機回転数のうちの少なくとも1つが、予め定められた定義域から逸脱しているときに、運転状態を予測する精度を向上させることができる。
本開示の第9の態様による情報処理システムは、第7の態様に記載の情報処理システムであって、
前記運転状態は、前記冷凍空調機器の冷媒の漏洩である。
本開示の第9の態様によれば、予め定められた定義域から逸脱している冷凍空調機器の運転データから冷凍空調機器の冷媒の漏洩を予測する精度を向上させることができる。
本開示の第10の態様による方法は、
機器の運転データから前記機器の運転状態を予測する予測モデル、および、制御部を備えた情報処理システムの前記制御部が実行する方法であって、
前記予測モデルに入力される運用時の運転データが予め定められた定義域から逸脱していることを検知し、
前記運用時の運転データが前記検知後に前記定義域に復帰したときに、前記機器の運転状態を判定し、
前記逸脱した運転データと、前記復帰したときの判定の結果に基づいて作成された前記定義域から逸脱しているときの前記機器の運転状態の判定の結果と、を再学習用の教師データとして前記予測モデルを再学習する。
本開示の第11の態様によるプログラムは、
機器の運転データから前記機器の運転状態を予測する予測モデル、および、制御部を備えた情報処理システムの前記制御部に、
前記予測モデルに入力される運用時の運転データが予め定められた定義域から逸脱していることを検知する手順、
前記運用時の運転データが前記検知後に前記定義域に復帰したときに、前記機器の運転状態を判定する手順、
前記逸脱した運転データと、前記復帰したときの判定の結果に基づいて作成された前記定義域から逸脱しているときの前記機器の運転状態の判定の結果と、を再学習用の教師データとして前記予測モデルを再学習する手順、を実行させる。
本開示の概略を説明するための図である。 本開示の全体の構成例である。 本開示の概略を別の実施例を用いて説明するための図である。 本開示の一実施形態に係る情報処理システムのハードウェア構成図である。 本開示の一実施形態に係る空気調和システム(冷房運転の場合)のハードウェア構成図である。 本開示の一実施形態に係る空気調和システム(暖房運転の場合)のハードウェア構成図である。 本開示の一実施形態に係る空気調和システム(冷暖同時運転の場合)のハードウェア構成図である。 本開示の一実施形態に係る再学習の処理のフローチャートである。 本開示の一実施形態に係る予め定められた定義域から逸脱した範囲について説明するための図である。 本開示の一実施形態に係る予め定められた定義域から逸脱した範囲について説明するための図である。 本開示の一実施形態に係る予測モデル生成用の機器と予測モデル再学習用の機器について説明するための図である。 本開示の一実施形態に係る複数の機器による予測モデルの共用について説明するための図である。
以下、図面に基づいて本開示の実施の形態を説明する。
<用語の説明>
「運転データ」とは、機器の運転中に取得されうる任意のデータである。例えば、機器(例えば、冷凍空調機器)の運転データを例示すると以下のようである。
・冷凍空調機器内部を循環する冷媒の温度(凝縮器出口温度、圧縮機吸入温度、圧縮機吐出温度等)、圧力(凝縮圧力、蒸発圧力)、循環量等の冷媒状態に関するもの。
・冷媒の温度や圧力データから演算される値(凝縮器出口過冷却度、圧縮機吸入過熱度等)。
・冷媒の状態を制御するアクチュエーターの動作量や制御指令値(膨張弁開度、圧縮機回転数、ファン回転数、圧縮機吸入過熱度目標値等)。
・機器の運転状況に関する時間情報(圧縮機運転時間、デフロスト運転時間等)。
・機器が運転している場所の環境条件(外気温、室温、室内湿度等)。
・機器への入力エネルギーである圧縮機電流、ファン電流等。
・機器の出力である冷凍もしくは空調能力。
本開示で利用する運転データとは、凝縮器出口過冷却度、圧縮機吸入温度、圧縮機吐出温度、外気温、室温、冷凍もしくは空調能力、圧縮機回転数のうちの少なくとも1つである。
「運転状態」とは、機器の運転を制御したり、機器の故障を診断したりするために用いられる、機器の状態(例えば、機器の運転状態を判定するための指標値)である。例えば、運転状態は、冷媒保有量である。冷媒保有量が規定値であれば正常状態であり、冷媒保有量が規定値以下であればガス欠もしくは漏洩の異常状態である。
<概略>
図1は、本開示の概略を説明するための図である。図2の情報処理システム20および機器30を引用しながら説明する。
<<予測モデルの生成>>
事前に、情報処理システム20(詳細については後段で説明する)は、冷凍空調機器等の機器30(詳細については後段で説明する)の運転データから運転状態(例えば、正常な運転状態、あるいは、異常な運転状態、あるいは、運転状態が正常であるか異常であるか)を予測する予測モデルを生成する。具体的には、情報処理システム20は、図1の11に示す空調機である機器30の過去の正常な運転データの集合xを初期学習用データとして、機械学習により予測モデルを生成する。そして、図1の12に示すように生成した予測モデルを利用して空調機の冷媒保有量を判定する。初期学習用データ11は、過去の時刻T=tsからteの間に取得された複数の運転データセットである。この例では、各時刻のデータセットは4項目のデータ(rcp:圧縮機回転数、Ta:外気温、Tc:凝縮温度、Tb:凝縮器出口温度)を含む。また、この例では、冷媒保有量の評価指標として、凝縮温度Tcと凝縮器出口温度Tbの差として定義されるSCを計算する。モデル学習では、xから直接取得した圧縮機回転数rcpおよび外気温Taとxのデータから計算したSCの相関関係を学習して予測モデルを生成する。生成された予測モデルは、圧縮機回転数rcpおよび外気温Taが入力されるとその時のSCの予測値であるSC'を出力する。
<<予測モデルを用いた冷媒保有量判定>>
情報処理システム20は、図1の13に示すフローに従って冷媒保有量を判定する。最初に、機器30の運用時の運転データxを取得する。xは初期学習用データxと同じデータ構造であり、rcp:圧縮機回転数、Ta:外気温、Tc:凝縮温度、Tb:凝縮器出口温度を含む。機器30は、rcpとTaを生成した予測モデルに入力し、正常時のSCの予測値であるSC'を予測する。また、機器30は、TcとTbの差としてSCも計算する。更にSCとSC'の差であるΔSCを計算する。ΔSCは、圧縮機回転数や外気温によるSCの変化分を補正し、冷媒保有量の変化だけを表す指標である。従って、機器30の冷媒保有量が規定量であれば、ΔSCはほぼ0となり、冷媒保有量が規定量より減少すると、ΔSCは減少し負の値となる。判定において、ΔSCが入力されると冷媒保有量判定結果yが出力される。yは、冷媒保有量の判定結果であり、例えば、保有量が正常値である場合は、「正常」もしくは「0」等のラベルである。例えば、保有量が規定量より少ない場合は、「漏洩」もしくは「1」等のラベルである。
<<予め定められた定義域から逸脱している運転データの検知>>
機器30の運用時において、情報処理システム20は、機器30の運用時の運転データが予め定められた定義域から逸脱している(x_out)か逸脱していない(x_in)かを判定する。例えば、図1の13-1は、xの項目中のTaが35℃以上で学習範囲外になる場合のx_in とx_outの関係を模式的に表している。情報処理システム20は、機器30の運用時の運転データが予め定められた定義域から逸脱していることを検知すると、その運転データ(x_out)を記憶させておく。
<<予め定められた定義域に復帰した運転データの検知>>
その後、情報処理システム20は、機器30の運用時の運転データが予め定められた定義域に復帰したことを検知すると、最初に復帰した運転データ(x_inr)を予測モデルに入力することによって運転状態を判定する。図1の13-1にx_outとx_inrの関係を示す。例えば、情報処理システム20は、x_inrを予測モデルに入力して出力された運転状態の予測値から算出された判定結果y_inrを記憶する。情報処理システム20は、予め定められた定義域に復帰した最初の運転データ(x_inr)に対する判定y_inrが正常であった場合、逸脱時の入力x_outに対する判定結果y_outも正常と判断する。y_outの判定結果が異常であっても、y_inrが正常であれば、判定結果を正常に修正する。y_in、y_outおよびy_inrの関係も図1の13-1に示す。なお、この事例では、x_outは、ある時刻の1点のデータであるが、時間的に連続する複数のデータであってもよい。
<<再学習>>
情報処理システム20は、運転データが予め定められた定義域に復帰した時の運転状態の判定結果y_inrが正常であると、記憶していたx_outを正常データと判定する。それから、図1の14に示すように、初期学習用データxにx_outを追加した再学習用データを作成する。その後、作成した再学習用データを用いて再学習し、予測モデルを更新する。なお、再学習は、x_outが追加される度に実施してもよく、複数のx_outが追加されるのを待ってから実施してもよい。
なお、上記実施例の予測モデルは、正常な運転データを用いて生成されたモデル(正常な運転状態を予測するモデル)であり、再学習の際、正常な運転データのみを用いる。これ以外にも、予測モデルは、異常な運転データを用いて生成されたモデル(異常な運転状態を予測するモデル)であってもよいし、正常な運転データと異常な運転データ(正常または異常のラベルが付与された運転状態)を用いて生成されたモデル(運転状態が正常であるか異常であるかを予測するモデル)であってもよい。また、再学習の際に異常な運転データのみを用いてもよいし、正常な運転データと異常な運転データ(正常または異常のラベルが付与された運転状態)を用いてもよい。別の実施例として、正常な運転データと異常な運転データを用いる場合について図3を用いて説明する。この事例では、初期学習用データ(図3の11)は、図1の事例でのxのデータ項目に正常、異常の判定ラベルであるyが追加されている。モデル学習のフロー(図3の12)では、モデル学習で学習データとして運転データ4項目(rcp、Ta、Tc、Tb)と判定ラベルを使用する。生成された予測モデルは、4項目の運転データを入力として判定結果yを出力する。このモデルは、正常か異常を予測するモデルであるため、判定結果yには正常もしくは異常のラベルが含まれる。実運用のフロー(図3の13)において、実運用時の運転データは、図1と同じであり、rcp、Ta、Tc、Tbの4項目である。4項目のデータが予測モデルに直接入力され、予測モデルの出力が判定結果yとなるため、状態量計算(SC算出)、状態量偏差計算(ΔSC算出)および結果判定が省略される。予め定められた定義域を逸脱したデータx_outが入力されると、情報処理システム20は逸脱を検知し、x_outとその判定結果y_outを記憶する。その後、情報処理システム20は、機器30の運用時の運転データが予め定められた定義域に復帰したことを検知すると、最初に復帰した運転データx_inrに対する判定結果y_inrを記憶する。それから、y_outの値をy_inrの値に変更する。再学習用運転データ作成(図3の14)では、初期学習用データxに逸脱した運転データx_outと逸脱時の判定結果y_outを追加して再学習用運転データを作成する。その後、このデータを用いて再学習を実施する。
<全体の構成例>
図2は、本開示の全体の構成例である。情報処理システム20と機器30は、任意のネットワークを介して通信可能に接続されている。情報処理システム20は、機器30の運転データから機器30の運転状態を予測する予測モデル、および、制御部(図4の制御部1)を備える。
情報処理システム20は、機器30の運用時に、機器30の運転データを予測モデルに入力することで機器30の運転状態を判定することができる。例えば、情報処理システム20は、機器30の運転データを予測モデルに入力したときに出力される運転状態の予測値(例えば、正常な運転状態の予測値、あるいは、異常な運転状態の予測値)と、機器30の運転データから算出した運転状態の実測値と、を比較して機器30の運転状態を判定する。情報処理システム20は、機器30の運転状態の判定の結果に基づいて、機器30に動作指令を送信する。
情報処理システム20は、予め定められた定義域から逸脱した運用時の運転データを用いて再学習し、予測モデルを更新する。
機器30は、冷凍空調機器等の任意の機器である。
なお、情報処理システム20は、機器30から離れたクラウドサーバ上で実装されてもよいし、機器30と同一の建物等内に設置されたコンピュータ上で実装されてもよいし、機器30の一部として実装されてもよい。
<情報処理システムのハードウェア構成>
図4は、本開示の一実施形態に係る情報処理システム20のハードウェア構成図である。
情報処理システム20は、制御部(例えば、CPU(Central Processing Unit))1、ROM(Read Only Memory)2、RAM(Random Access Memory)3を有する。制御部1、ROM2、RAM3は、いわゆるコンピュータを形成する。また、情報処理システム20は、補助記憶装置4、表示装置5、操作装置6、I/F(Interface)装置7を有することができる。なお、情報処理システム20の各ハードウェアは、バス8を介して相互に接続されている。
制御部1は、補助記憶装置4にインストールされている各種プログラムを実行する演算デバイスである。
ROM2は、不揮発性メモリである。ROM2は、補助記憶装置4にインストールされている各種プログラムを制御部1が実行するために必要な各種プログラム、データ等を格納する主記憶デバイスとして機能する。具体的には、ROM2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、主記憶デバイスとして機能する。
RAM3は、DRAM(Dynamic Random Access Memory)やSRAM(Static Random Access Memory)等の揮発性メモリである。RAM3は、補助記憶装置4にインストールされている各種プログラムが制御部1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、主記憶デバイスとして機能する。
補助記憶装置4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補助記憶デバイスである。
表示装置5は、情報処理システム20の内部状態等を表示する表示デバイスである。
操作装置6は、情報処理システム20の管理者が情報処理システム20に対して各種指示を入力する入力デバイスである。
I/F装置7は、各種センサやネットワークに接続し、他の端末と通信を行うための通信デバイスである。
以下、図5~図7を参照しながら、機器30の一例である空気調和システム100のハードウェア構成を説明する。なお、空気調和システム100は、ビル用マルチエアコン等のマルチエアコン、チラーを熱源とするセントラル空調システム、店舗・オフィス用エアコン、ルームエアコン等の任意の空気調和システムであってもよいし、冷暖房用途以外のみならず冷蔵・冷凍システムであってもよい。空気調和システム100は、複数の室内機300を有することができる。複数の室内機300は、異なる性能の室内機を含んでいてもよいし、同一の性能の室内機を含んでいてもよいし、停止中の室内機を含んでいてもよい。
<空気調和システムのハードウェア構成(冷房運転の場合)>
図5は、本開示の一実施形態に係る空気調和システム(冷房運転の場合)100のハードウェア構成図である。空気調和システム100は、室外機200および1または複数の室内機300を有する。
図5の例では、室外熱交換器201と、室外機主膨張弁205と、過冷却熱交換器203と、室内熱交換器膨張弁302と、四路切替弁206と、室内熱交換器301と、圧縮機202とが、冷媒配管で接続され主冷媒回路を構成している。四路切替弁206は、圧縮機202の吐出ガスを室外熱交換器201に供給するように流路が設定される。図5の例では、さらに、室外熱交換器201と過冷却熱交換器203との間の配管から圧縮機202の吸入側の配管に接続されたバイパス配管に、過冷却熱交換器膨張弁204が設けられている。過冷却熱交換器203は、室外熱交換器201と過冷却熱交換器203との間から圧縮機202の吸入側の配管に接続されたバイパス配管に設けられた過冷却熱交換器膨張弁204を通過した冷媒と主冷媒回路内の冷媒とを熱交換させる熱交換器である。なお、図5のバイパス例は一例である。
<<室外機>>
室外機200側では、室外熱交換器201と、圧縮機202と、過冷却熱交換器203と、過冷却熱交換器膨張弁(バイパス回路)204と、室外機主膨張弁(主冷媒回路)205とが配管に接続されている。室外機200は、各種センサ(温度センサ(例えば、サーミスタ)(1)、(3)、(4)、(6)、(7)および圧力センサ(2)、(5)など)を有する。
<<室内機>>
室内機300側では、室内熱交換器301と、室内熱交換器膨張弁302とが配管に接続されている。室内機300は、各種センサ(温度センサ(例えば、サーミスタ)(8)、(9)など)を有する。
<空気調和システムのハードウェア構成(暖房運転の場合)>
図6は、本開示の一実施形態に係る空気調和システム(暖房運転の場合)100のハードウェア構成図である。空気調和システム100は、室外機200および1または複数の室内機300を有する。
図6の例では、室外熱交換器201と、圧縮機202と、四路切替弁206と、室内熱交換器301と、室内熱交換器膨張弁302と、過冷却熱交換器203と、室外機主膨張弁205とが、冷媒配管で接続され主冷媒回路を構成している。四路切替弁206は、圧縮機202の吐出ガスを室内熱交換器301に供給するように流路が設定される。
<<室外機>>
室外機200側では、室外熱交換器201と、圧縮機202と、過冷却熱交換器203と、過冷却熱交換器膨張弁(バイパス回路)204と、室外機主膨張弁(主冷媒回路)205とが配管に接続されている。室外機200は、各種センサ(温度センサ(例えば、サーミスタ)(1)、(3)、(4)、(6)、(7)および圧力センサ(2)、(5)など)を有する。
<<室内機>>
室内機300側では、室内熱交換器301と、室内熱交換器膨張弁302とが配管に接続されている。室内機300は、各種センサ(温度センサ(例えば、サーミスタ)(8)、(9)など)を有する。
<空気調和システムのハードウェア構成(冷暖同時運転の場合)>
本開示は、冷房運転、暖房運転に限らず、冷暖同時運転にも適用することができる。以下、図7を参照しながら、冷暖同時運転について説明する。
図7は、本開示の一実施形態に係る空気調和システム(冷暖同時運転の場合)100のハードウェア構成図である。空気調和システム100は、2分割構造の室外熱交換器201-1と室外熱交換器201-2と、複数の室内機と、が3本の連絡配管で接続されており、冷暖同時運転が可能である。図7では、冷房主体運転の例を示しており、室内機300-1が暖房モード、室内機300-2が冷房モードで運転されている。この時、室外熱交換器201-1は凝縮器、室外熱交換器201-2は蒸発器として機能している。
例えば、機器30は、冷凍空調機器である。前段で空気調和システムとして説明した空調機器は、室内の冷房や暖房用に使われる。四路切替弁のない冷房専用型、暖房専用型と、四路切替弁を持つ冷暖切替型、冷暖同時運転型の機器が用等に応じて選択される。冷凍機器は、冷凍・冷蔵分野で使われる冷蔵庫や製氷機、スーパーのショーケース、冷凍倉庫、冷凍コンテナ等の製品である。冷凍空調機器は、基本的に冷熱を作って利用する機器であるので四路切替弁はない。冷凍空調機器には、エコノマイザ回路や中間インジェクション回路を有するものもある。エコノマイザや中間インジェクションは高性能化の工夫で基本回路では省略される。
<方法>
図8は、本開示の一実施形態に係る再学習の処理のフローチャートである。情報処理システム20の制御部1は、以下の再学習の処理を実行する。
なお、情報処理システム20は、機器30の運転データから機器30の運転状態(例えば、正常な運転状態、あるいは、異常な運転状態、あるいは、運転状態が正常であるか異常であるか)を予測する予測モデルを備える。予測モデルは、機器30の過去の運転データ(入力データが"機器30の過去の運転データ"であり、出力データが"機器30の過去の運転データから算出した運転状態"である)を用いて生成される。
ステップ101(S101)において、情報処理システム20の制御部1は、機器30(例えば、冷凍空調機器)の運用時の運転データを取得する。例えば、運転データは、凝縮器出口過冷却度、圧縮機吸入温度、圧縮機吐出温度、外気温、室温、冷凍もしくは空調能力、圧縮機回転数のうちの少なくとも1つである。
情報処理システム20の制御部1は、機器30の運用時の運転データを取得し続け、該運転データを予測モデルに入力することで運転状態(例えば、冷媒の漏洩)を判定することができる。例えば、情報処理システム20の制御部1は、機器30の運転データを予測モデルに入力したときに出力される運転状態の予測値(例えば、正常な運転状態の予測値、あるいは、異常な運転状態の予測値)と、機器30の運転データから算出した運転状態の実測値と、を比較して機器30の運転状態を判定する。情報処理システム20の制御部1は、機器30の運転状態の判定の結果に基づいて、機器30に動作指令を送信する。
ステップ102(S102)において、情報処理システム20の制御部1は、S101で取得した運転データが予め定められた定義域から逸脱していることを検知する。
ステップ103(S103)において、情報処理システム20の制御部1は、S102で検知した、予め定められた定義域から逸脱していた運転データを記憶部(例えば、情報処理システム20のメモリ)に記憶させる。
ステップ104(S104)において、情報処理システム20の制御部1は、S103の検知後に、運転データ(情報処理システム20の制御部1が取得し続けている運転データ)が予め定められた定義域に復帰したことを検知する。
ステップ105(S105)において、情報処理システム20の制御部1は、S104で予め定められた定義域に復帰した運転データを予測モデルに入力することによって運転状態を判定する。
例えば、情報処理システム20の制御部1は、予め定められた定義域に復帰した運転データを予測モデルに入力して運転状態の予測値を出力させる。また、情報処理システム20の制御部1は、予め定められた定義域に復帰した運転データから運転状態を算出する。情報処理システム20は、運転状態の予測値と運転状態の実測値とを比較して、運転データが予め定められた定義域に復帰したときの運転状態が正常であるか異常であるかを判定する。
ステップ106(S106)において、情報処理システム20の制御部1は、予め定められた定義域から逸脱していた運転データを用いて再学習し、予測モデルを更新する。
具体的には、情報処理システム20の制御部1は、運転データが予め定められた定義域に復帰したときの運転状態が正常であると、予め定められた定義域から逸脱していた運転データが正常であったと判定する。一方、情報処理システム20の制御部1は、運転データが予め定められた定義域に復帰したときの運転状態が異常であると、予め定められた定義域から逸脱していた運転データが異常であったと判定する。そして、情報処理システム20は、予め定められた定義域から逸脱していた運転データおよび該運転データから算出した運転状態を用いて(予測モデルを生成するために用いられたデータも用いてもよい)再学習し、予測モデルを更新する。
なお、再学習の際、正常な運転データのみを用いてもよいし、異常な運転データのみを用いてもよいし、正常な運転データと異常な運転データ(正常または異常のラベルが付与された運転状態)を用いてもよい。
<運転データの例>
ここで、機器30の運転データの例を説明する。例えば、運転データは、凝縮器出口過冷却度、圧縮機吸入温度、圧縮機吐出温度、外気温、室温、冷凍もしくは空調能力、圧縮機回転数のうちの少なくとも1つである。
(例1)
例えば、機器の運転データは、
・凝縮温度
・蒸発温度
・凝縮器出口温度
・蒸発器出口温度
・外気温
・圧縮機202の回転数
・過冷却熱交換器の膨張弁204の開度
・圧縮機202の電流値
のうちの少なくとも1つを含むことができる。
(例2)
例えば、機器の運転データは、上記の運転データ(例1)に加えて、あるいは、上記の運転データ(例1)に代えて、
・室内機膨張弁302の開度
・室外機主膨張弁205の開度
・運転中もしくは運転待機中の室内機定格能力の合計値
・室内機運転台数
・室内機能力(冷房または暖房)
・室内機吹き出し温度
・室温
・室外機液閉鎖弁接続配管冷媒温度(図5よび図7のサーミスタ(4)が検知する連絡配管液温)
・液連絡配管冷媒温度(室外機200の外に取り付けられた外付けセンサが検知する室外機200の外側の連絡配管での計測温度)
・室外機ファン風量
・室内機ファン風量
・室外機ファン回転数(ステップ、タップ)
・室内機ファン回転数(ステップ、タップ)
・室外機ファン電流値
・室内機ファン電流値
・冷媒循環量
・圧縮機202の吐出温度
・圧縮機202の吸入温度
・圧縮機202の吐出過熱度
・圧縮機202の吸入過熱度
・過冷却熱交換器203の出口過冷却度(過冷却熱交換器回路を有する場合)
・過冷却熱交換器203の出口過熱度(ガス管側)(過冷却熱交換器回路を有する場合)
・エコノマイザ出口過冷却度(エコノマイザ回路を有する場合)
・エコノマイザ用膨張弁の開度(エコノマイザ回路を有する場合)
・エコノマイザバイパス側出口圧力(エコノマイザ回路を有する場合)
・中間インジェクション用膨張弁の開度(中間インジェクション回路を有する場合)
・中間インジェクション温度(中間インジェクション回路を有する場合)
・中間インジェクション圧力(中間インジェクション回路を有する場合)
・蒸発器入口水温(熱源側と利用側との少なくとも一方が水冷式の場合)
・蒸発器出口水温(熱源側と利用側との少なくとも一方が水冷式の場合)
・凝縮器入口水温(熱源側と利用側との少なくとも一方が水冷式の場合)
・凝縮器出口水温(熱源側と利用側との少なくとも一方が水冷式の場合)
のうちの少なくとも1つを含むことができる。
(例3)
例えば、正常時の保有冷媒量と強い相関のある冷媒量指標値の予測値を推論するための運転データは、上記の運転データ(例1および例2)に加えて、あるいは、上記の運転データ(例1および例2)に代えて、
・デフロスト回数と、デフロスト時間と、のうちの少なくとも1つを含むことができる。
<運転状態の例>
ここで、機器の運転状態の例を説明する。
(例1(冷房運転の場合))
例えば、運転状態は、
・凝縮温度-室外熱交換器201の出口温度(以下、室外熱交換器出口過冷却度ともいう。なお、過冷却度は、SC、サブクールとも呼ばれる)
・圧縮機の吸入過熱度(なお、過熱度は、SH、スーパーヒートとも呼ばれる)
・圧縮機の吐出過熱度
・室外熱交換器出口過冷却度または圧縮機の吸入過熱度または圧縮機の吐出過熱度に基づく値
のうちの少なくとも1つを含むことができる。
例えば、室外熱交換器出口過冷却度に基づく値は、室外熱交換器出口過冷却度を利用した演算値であり、一例を挙げると、
・室外熱交換器出口過冷却度を利用した演算値=室外熱交換器出口過冷却度/(凝縮温度-外気温)
である。
例えば、室外熱交換器出口過冷却度に基づく値は、冷凍サイクル線図(T-S、P-h線図)上で室外熱交換器出口過冷却度に関連する部分の冷媒物性値やその演算値から定義した値である。
(例2(冷房運転の場合))
例えば、運転状態は、上記の冷媒量指標値(例1)に加えて、あるいは、上記の冷媒量指標値(例1)の室外熱交換器出口過冷却度に代えて、
・過冷却熱交換器出口過冷却度
・過冷却熱交換器出口過冷却度に基づく値
のうちの少なくとも1つを含むことができる。
(例3(暖房運転の場合))
暖房運転の場合、運転状態は、上記の運転状態(例1および例2)に代えて、
・室内熱交換器出口過冷却度と、室内熱交換器出口過冷却度に基づく値と、のうちの少なくとも1つを含むことができる。室内熱交換器出口過冷却度は、複数の室内熱交換器301の過冷却度のうちの少なくとも1つと、複数の室内熱交換器301の過冷却度の平均と、複数の室内熱交換器301の室内側合流点または室外側合流点での過冷却度とのうちのいずれかである。
(例4(冷暖同時運転の場合))
冷暖同時運転の場合、運転状態は、上記の運転状態(例1と例2との少なくとも一方)に加えて、
・室内熱交換器(図7の暖房室内機300-1の室内熱交換器301)出口過冷却度と室外熱交換器(図7の室外熱交換器(凝縮器)201-1)出口過冷却度との組み合わせである。
以下、図9および図10を参照しながら、予め定められた定義域から逸脱した範囲の例を説明する。
<例1>
図9は、本開示の一実施形態に係る予め定められた定義域から逸脱した範囲について説明するための図である。本開示の一実施形態では、予め定められた定義域から逸脱した範囲は、予測モデルの学習済みの学習データの分布範囲外である。以下、図9を参照しながら説明する。
図9は、運転データがパラメータ1(例:外気温)とパラメータ2(例:圧縮機回転数)であるときの、運用時の運転データの分布範囲および学習データ(予測モデルを生成するために用いられた運転データ)の分布範囲を示す。例1では、運用時の運転データが学習データの分布範囲外であるときに、再学習用の運転データとして用いられうる。
<例2>
図10は、本開示の一実施形態に係る予め定められた定義域から逸脱した範囲について説明するための図である。本開示の一実施形態では、予め定められた定義域から逸脱した範囲は、予測モデルの学習済みの学習データの分布範囲内の一部の範囲である。以下、図10を参照しながら説明する。
図10は、運転データがパラメータ1(例:外気温)とパラメータ2(例:圧縮機回転数)であるときの、運用時の運転データの分布範囲および学習データ(予測モデルを生成するために用いられた運転データ)の分布範囲を示す。例2では、運用時の運転データが学習データの分布範囲内の一部の範囲であっても、例えば元々その運転範囲の学習データ量が不足しているのでデータ数を増やしたい、というような理由があれば再学習用の運転データとして用いられうる。
<<予測モデル生成用の機器と予測モデル再学習用の機器>>
図11は、本開示の一実施形態に係る予測モデル生成用の機器と予測モデル再学習用の機器について説明するための図である。本開示の一実施形態では、情報処理システム20の制御部1は、予測モデルが生成された機器とは別の場所に設置された別の機器(例えば、予測モデルが生成された機器と同一の機種である機器)で取得された、逸脱した運転データを用いて再学習することができる。以下、図11を参照しながら説明する。
情報処理システム20の制御部1は、ある場所(図11では、場所Aとする)に設置された機器(図11では、機器Aとする)で取得された運転データを用いて予測モデルを生成したとする。その後、情報処理システム20の制御部1は、予測モデルを生成するために用いられた機器(図11では、機器A)の場所(図11では、場所A)とは別の場所(図11では、場所Bとする)に設置された別の機器(図11では、機器Bとする)で取得された、予め定められた定義域を逸脱した運転データを用いて再学習することができる。
<<複数の機器による予測モデルの共用>>
図12は、本開示の一実施形態に係る複数の機器による予測モデルの共用について説明するための図である。本開示の一実施形態では、複数の機器(例えば、同一の機種である複数の機器)が同一の予測モデルを共用し、情報処理システム20の制御部1は、複数の機器のそれぞれの機器で取得された、逸脱した運転データを用いて再学習することができる。以下、図12を参照しながら説明する。
複数の機器(図12では、機器B1、機器B2、機器B3とする)が同一の予測モデルを共用するとする。情報処理システム20の制御部1は、複数の機器のそれぞれの機器(図12では、機器B1、機器B2、機器B3)で取得された、予め定められた定義域を逸脱した運転データを用いて再学習することができる。なお、本開示の一実施形態では、複数の機器(図12では、機器B1、機器B2、機器B3)は、予測モデルを生成するために用いられた機器の場所とは別の場所に設置される。
以上、実施形態を説明したが、特許請求の範囲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 制御部
2 ROM
3 RAM
4 補助記憶装置
5 表示装置
6 操作装置
7 I/F装置
8 バス
11 初期学習用データ
12 予測モデル生成フロー図
13 実運用フロー図
13-1 定義域内データと定義域を逸脱したデータの関係図
14 再学習用データ
20 情報処理システム
30 機器
100 空気調和システム
200 室外機
201 室外熱交換器
201-1 室外熱交換器(凝縮器)
201-2 室外熱交換器(蒸発器)
202 圧縮機
203 過冷却熱交換器
204 過冷却熱交換器膨張弁
205 室外機主膨張弁
206 四路切替弁
300 室内機
300-1 暖房室内機
300-2 冷房室内機
301 室内熱交換器
302 室内熱交換器膨張弁

Claims (11)

  1. 機器の運転データから前記機器の運転状態を予測する予測モデル、および、制御部を備えた情報処理システムであって、
    前記制御部は、
    前記予測モデルに入力される運用時の運転データが予め定められた定義域から逸脱していることを検知し、
    前記運用時の運転データが前記検知後に前記定義域に復帰したときに、前記機器の運転状態を判定し、
    前記逸脱した運転データと、前記復帰したときの判定の結果に基づいて作成された前記定義域から逸脱しているときの前記機器の運転状態の判定の結果と、を再学習用の教師データとして前記予測モデルを再学習する、情報処理システム。
  2. 前記制御部は、
    前記機器の過去の運転データと、前記運転データから算出した前記機器の運転状態を判定するための指標値と、を教師データとして供給し、
    前記教師データの前記運転データが入力されると前記指標値が出力される前記予測モデルを生成し、
    前記機器の運用時の運転データを取得し、
    前記運用時の運転データを前記予測モデルに入力して得られた前記指標値の予測値と、前記運用時の運転データから算出した前記指標値の実測値と、を比較して前記機器の運転状態を判定し、前記判定の結果に基づいて前記機器に動作指令を送信し、
    前記運用時の運転データが予め定められた定義域から逸脱していることを検知したときに、前記逸脱した運転データを記憶部に記憶させ、
    前記逸脱した運転データの検知後に前記定義域に復帰した運転データを前記予測モデルに入力して、前記機器の運転状態が正常か異常かを判定し、
    前記機器の運転状態が正常である場合、前記逸脱した運転データが正常であると判定して、前記逸脱した運転データを再学習用の教師データとして前記予測モデルを再学習する、
    請求項1に記載の情報処理システム。
  3. 前記定義域から逸脱した範囲は、前記予測モデルの学習済みの学習データの分布範囲外である、請求項1または2に記載の情報処理システム。
  4. 前記定義域から逸脱した範囲は、前記予測モデルの学習済みの学習データの分布範囲内の一部の範囲である、請求項1または2に記載の情報処理システム。
  5. 前記制御部は、
    前記予測モデルが生成された機器とは別の場所に設置された別の機器で取得された、前記逸脱した運転データを用いて再学習する、請求項1から4のいずれか一項に記載の情報処理システム。
  6. 複数の機器が同一の予測モデルを共用し、
    前記制御部は、
    前記複数の機器のそれぞれの機器で取得された、前記逸脱した運転データを用いて再学習する、請求項1から4のいずれか一項に記載の情報処理システム。
  7. 前記機器は、冷凍空調機器である、請求項1から6のいずれか一項に記載の情報処理システム。
  8. 前記運転データは、凝縮器出口過冷却度、圧縮機吸入温度、圧縮機吐出温度、外気温、室温、冷凍もしくは空調能力、圧縮機回転数のうちの少なくとも1つである、請求項7に記載の情報処理システム。
  9. 前記運転状態は、前記冷凍空調機器の冷媒の漏洩である、請求項7に記載の情報処理システム。
  10. 機器の運転データから前記機器の運転状態を予測する予測モデル、および、制御部を備えた情報処理システムの前記制御部が実行する方法であって、
    前記予測モデルに入力される運用時の運転データが予め定められた定義域から逸脱していることを検知し、
    前記運用時の運転データが前記検知後に前記定義域に復帰したときに、前記機器の運転状態を判定し、
    前記逸脱した運転データと、前記復帰したときの判定の結果に基づいて作成された前記定義域から逸脱しているときの前記機器の運転状態の判定の結果と、を再学習用の教師データとして前記予測モデルを再学習する、方法。
  11. 機器の運転データから前記機器の運転状態を予測する予測モデル、および、制御部を備えた情報処理システムの前記制御部に、
    前記予測モデルに入力される運用時の運転データが予め定められた定義域から逸脱していることを検知する手順、
    前記運用時の運転データが前記検知後に前記定義域に復帰したときに、前記機器の運転状態を判定する手順、
    前記逸脱した運転データと、前記復帰したときの判定の結果に基づいて作成された前記定義域から逸脱しているときの前記機器の運転状態の判定の結果と、を再学習用の教師データとして前記予測モデルを再学習する手順、を実行させるためのプログラム。
JP2021161943A 2021-09-30 2021-09-30 情報処理システム、方法、およびプログラム Pending JP2023051341A (ja)

Priority Applications (1)

Application Number Priority Date Filing Date Title
JP2021161943A JP2023051341A (ja) 2021-09-30 2021-09-30 情報処理システム、方法、およびプログラム

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
JP2021161943A JP2023051341A (ja) 2021-09-30 2021-09-30 情報処理システム、方法、およびプログラム

Publications (1)

Publication Number Publication Date
JP2023051341A true JP2023051341A (ja) 2023-04-11

Family

ID=85805415

Family Applications (1)

Application Number Title Priority Date Filing Date
JP2021161943A Pending JP2023051341A (ja) 2021-09-30 2021-09-30 情報処理システム、方法、およびプログラム

Country Status (1)

Country Link
JP (1) JP2023051341A (ja)

Similar Documents

Publication Publication Date Title
CN110849007B (zh) 一种冷媒量自动调节控制方法、装置及空调器
JP6791429B1 (ja) 冷媒量判定装置、方法、およびプログラム
JP4799563B2 (ja) 空気調和装置、空気調和装置の冷媒充填方法、空気調和装置の冷媒充填状態判定方法、並びに空気調和装置の冷媒充填・配管洗浄方法
JP4503646B2 (ja) 空気調和装置
US9239180B2 (en) Refrigeration and air-conditioning apparatus
JP6652219B1 (ja) 冷媒漏洩判定システム及び冷凍サイクル装置
US20130067942A1 (en) Air conditioning apparatus
CN107110539A (zh) 空调系统的控制装置、空调系统以及空调系统的异常判定方法
EP2787298B1 (en) Air conditioning device
JP2012047364A (ja) 冷凍サイクル装置
US20240005212A1 (en) Correction apparatus, prediction apparatus, method, non-transitory computer-readable recording medium storing program, and correction model
US9823003B2 (en) Air-conditioning apparatus and air-conditioning system determining valve setting error
JP2020134052A (ja) 冷凍サイクル装置
CN114992776A (zh) 空调系统的冷媒泄漏检测方法、装置、空调器和存储介质
WO2019021346A1 (ja) 冷凍装置
JP2023051341A (ja) 情報処理システム、方法、およびプログラム
JP7093031B2 (ja) 情報処理装置、情報処理方法、及びプログラム
JP6762422B2 (ja) 冷凍サイクル装置
WO2015128899A1 (ja) 空気調和装置
WO2023228277A1 (ja) 学習装置、監視装置および空調システム
US20240142125A1 (en) Air conditioning system, abnormality estimation method for air conditioning system, air conditioner, and abnormality estimation method for air conditioner
JP7278376B2 (ja) 室外ユニット、冷凍サイクル装置および冷凍機
US20230235933A1 (en) Air conditioner
CN111271823B (zh) 一种防止空调除霜回液的控制方法及空调器
Giovannini et al. Numerical model of an industrial refrigeration system for condensation temperature optimisation