JP2953317B2 - 空調熱負荷予測システム - Google Patents
空調熱負荷予測システムInfo
- Publication number
- JP2953317B2 JP2953317B2 JP6191185A JP19118594A JP2953317B2 JP 2953317 B2 JP2953317 B2 JP 2953317B2 JP 6191185 A JP6191185 A JP 6191185A JP 19118594 A JP19118594 A JP 19118594A JP 2953317 B2 JP2953317 B2 JP 2953317B2
- Authority
- JP
- Japan
- Prior art keywords
- heat load
- air conditioning
- conditioning heat
- load prediction
- data
- 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.)
- Expired - Fee Related
Links
- 238000004378 air conditioning Methods 0.000 title claims description 57
- 238000005338 heat storage Methods 0.000 claims description 11
- 230000007613 environmental effect Effects 0.000 claims description 10
- 238000004088 simulation Methods 0.000 claims description 6
- 238000013528 artificial neural network Methods 0.000 claims description 5
- 230000006870 function Effects 0.000 claims description 4
- 238000000034 method Methods 0.000 description 7
- 230000001172 regenerating effect Effects 0.000 description 7
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 description 6
- 238000013480 data collection Methods 0.000 description 4
- 238000010586 diagram Methods 0.000 description 4
- 238000001816 cooling Methods 0.000 description 2
- 230000005855 radiation Effects 0.000 description 2
- 241000406668 Loxodonta cyclotis Species 0.000 description 1
- 230000007812 deficiency Effects 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 230000005611 electricity Effects 0.000 description 1
- 238000010438 heat treatment Methods 0.000 description 1
- 238000005259 measurement Methods 0.000 description 1
Classifications
-
- F—MECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
- F24—HEATING; RANGES; VENTILATING
- F24F—AIR-CONDITIONING; AIR-HUMIDIFICATION; VENTILATION; USE OF AIR CURRENTS FOR SCREENING
- F24F2130/00—Control inputs relating to environmental factors not covered by group F24F2110/00
-
- F—MECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
- F24—HEATING; RANGES; VENTILATING
- F24F—AIR-CONDITIONING; AIR-HUMIDIFICATION; VENTILATION; USE OF AIR CURRENTS FOR SCREENING
- F24F2130/00—Control inputs relating to environmental factors not covered by group F24F2110/00
- F24F2130/10—Weather information or forecasts
Description
【０００１】
【産業上の利用分野】本発明は、建築物の空調熱負荷予
測システムに係わり、特に、ニューラルネットワーク
（以下、Ｎ．Ｎ．と略記する）を用いて、室内及び外気
の温度・湿度などの当日環境要素と、翌日の予測温度・
湿度などの翌日環境要素の予測値とから、該建築物の空
調熱負荷を予測する空調熱負荷予測システムに関する。
測システムに係わり、特に、ニューラルネットワーク
（以下、Ｎ．Ｎ．と略記する）を用いて、室内及び外気
の温度・湿度などの当日環境要素と、翌日の予測温度・
湿度などの翌日環境要素の予測値とから、該建築物の空
調熱負荷を予測する空調熱負荷予測システムに関する。
【０００２】
【従来の技術】図３は、従来例に関する建築物の蓄熱式
空調設備手段の冷房時の概要を示す概要図である。図３
において、熱をためる蓄熱槽８０は、建築物のスラブな
どを利用して据え付けられる。蓄熱槽８０内の水は、１
次ポンプ８４により、１次配管入口側８６を経由して冷
凍機８２、８２などの熱源機器を用いて作られる冷水と
され、１次配管出口側８８を経由して、この蓄熱槽８０
の低温部９２近傍に蓄えられる。その後、２次ポンプ９
０を介して、２次配管入口側９４を経由して空調機９
６、９６、９６に供給される。空調機９６を経由して温
まった水は、２次配管出口側を経由して、蓄熱槽８０内
の高温部１００近傍に出力する。建築物の冷房に用いる
冷水は、このように、１次配管系は、高温部１００を始
点とし、低温部９２にもどるサイクルで、また２次配管
系は、低温部９２を始点とし、高温部１００にもどるサ
イクルで、すべて蓄熱槽８０を経由して供給され、暖房
時は蓄熱槽の低温部と高温部を逆転させて供給される。
このような蓄熱式空調設備方式は、料金が安い深夜電力
を利用して夜間に冷（温）水を作っておき、翌日の空調
熱負荷に対応することにより、空調ランニングエネルギ
ーの削減を図る目的で設置されるケースが多い。このた
め翌日の空調熱負荷を予測することは過不足のない蓄熱
を行う上で、近年重要となりつつある。
空調設備手段の冷房時の概要を示す概要図である。図３
において、熱をためる蓄熱槽８０は、建築物のスラブな
どを利用して据え付けられる。蓄熱槽８０内の水は、１
次ポンプ８４により、１次配管入口側８６を経由して冷
凍機８２、８２などの熱源機器を用いて作られる冷水と
され、１次配管出口側８８を経由して、この蓄熱槽８０
の低温部９２近傍に蓄えられる。その後、２次ポンプ９
０を介して、２次配管入口側９４を経由して空調機９
６、９６、９６に供給される。空調機９６を経由して温
まった水は、２次配管出口側を経由して、蓄熱槽８０内
の高温部１００近傍に出力する。建築物の冷房に用いる
冷水は、このように、１次配管系は、高温部１００を始
点とし、低温部９２にもどるサイクルで、また２次配管
系は、低温部９２を始点とし、高温部１００にもどるサ
イクルで、すべて蓄熱槽８０を経由して供給され、暖房
時は蓄熱槽の低温部と高温部を逆転させて供給される。
このような蓄熱式空調設備方式は、料金が安い深夜電力
を利用して夜間に冷（温）水を作っておき、翌日の空調
熱負荷に対応することにより、空調ランニングエネルギ
ーの削減を図る目的で設置されるケースが多い。このた
め翌日の空調熱負荷を予測することは過不足のない蓄熱
を行う上で、近年重要となりつつある。
【０００３】
【発明が解決しようとする課題】しかしながら、この種
従来例の蓄熱式空調設備方式の運転は、設備を運用する
オペレータの勘と経験に負うことが多く、蓄熱量が空調
熱負荷に対して足りなくなると、熱源機器を追いかけ運
転させる必要が生じるため、必要以上に蓄熱を行うケー
スが多く、空調ランニングエネルギーの削減という蓄熱
式空調設備方式の特徴を十分に生かせないという問題点
があった。
従来例の蓄熱式空調設備方式の運転は、設備を運用する
オペレータの勘と経験に負うことが多く、蓄熱量が空調
熱負荷に対して足りなくなると、熱源機器を追いかけ運
転させる必要が生じるため、必要以上に蓄熱を行うケー
スが多く、空調ランニングエネルギーの削減という蓄熱
式空調設備方式の特徴を十分に生かせないという問題点
があった。
【０００４】また種々提案されている予測手法において
は、実測データが多量に必要であったり、実際の建築物
の特性が加味されないため、誤差が大きいという問題点
があった。本発明は、このような事情に鑑みてなされた
もので、蓄熱式空調設備方式の適性な運転を支援するた
めの空調熱負荷量を適切に予測する空調熱負荷予測シス
テムを提供することを目的とする。
は、実測データが多量に必要であったり、実際の建築物
の特性が加味されないため、誤差が大きいという問題点
があった。本発明は、このような事情に鑑みてなされた
もので、蓄熱式空調設備方式の適性な運転を支援するた
めの空調熱負荷量を適切に予測する空調熱負荷予測シス
テムを提供することを目的とする。
【０００５】
【発明が解決しようとする課題】本発明は前記目的を達
成するために、蓄熱式空調設備方式の建築物における当
日の温湿度等の環境要素データを検知するセンサー部
と、翌日の気象予測データを収集する収集部と、前記建
築物に対して翌日の蓄熱量指標を与えるために前記環境
要素データと前記気象予測データとを処理して前記建築
物の翌日の空調熱負荷を予測する処理部とを備えた空調
熱負荷予測システムにおいて、前記処理部は暫定モデル
作成モジュールと熱負荷予測モジュールとからなり、前
記暫定モデル作成モジュールでは前記建築物を対象とし
た空調熱負荷シミュレーションによって熱負荷予測用ニ
ューラルネットワークの暫定モデルを作成するととも
に、前記熱負荷予測モジュールでは前記作成されたニュ
ーラルネットワークの暫定モデルを最初の予測モデルと
して、前記当日の温湿度等の環境要素データと翌日の気
象予測データとから翌日の空調熱負荷を予測し、かつ、
この予測値と実績値との比較誤差に基づいて、ニューラ
ルネットワークの学習機能により前記予測モデルを逐次
更新していくことを特徴としている。
成するために、蓄熱式空調設備方式の建築物における当
日の温湿度等の環境要素データを検知するセンサー部
と、翌日の気象予測データを収集する収集部と、前記建
築物に対して翌日の蓄熱量指標を与えるために前記環境
要素データと前記気象予測データとを処理して前記建築
物の翌日の空調熱負荷を予測する処理部とを備えた空調
熱負荷予測システムにおいて、前記処理部は暫定モデル
作成モジュールと熱負荷予測モジュールとからなり、前
記暫定モデル作成モジュールでは前記建築物を対象とし
た空調熱負荷シミュレーションによって熱負荷予測用ニ
ューラルネットワークの暫定モデルを作成するととも
に、前記熱負荷予測モジュールでは前記作成されたニュ
ーラルネットワークの暫定モデルを最初の予測モデルと
して、前記当日の温湿度等の環境要素データと翌日の気
象予測データとから翌日の空調熱負荷を予測し、かつ、
この予測値と実績値との比較誤差に基づいて、ニューラ
ルネットワークの学習機能により前記予測モデルを逐次
更新していくことを特徴としている。
【０００６】
【作用】本発明によれば、過去の観測データあるいはシ
ミュレーションデータにより作成される暫定予測モデル
を基に、前日算出した空調熱負荷予測値と、当日の熱負
荷実績値との比較誤差に基づいてＮ．Ｎ．の学習機能を
用いて、予測モデルを逐次修正することにより、自動的
に対象建築物の特性が加味された予測モデルが生成され
る作用がある。
ミュレーションデータにより作成される暫定予測モデル
を基に、前日算出した空調熱負荷予測値と、当日の熱負
荷実績値との比較誤差に基づいてＮ．Ｎ．の学習機能を
用いて、予測モデルを逐次修正することにより、自動的
に対象建築物の特性が加味された予測モデルが生成され
る作用がある。
【０００７】
【実施例】以下、図を参照してこの発明の一実施例の空
調熱負荷予測システムを説明する。図１は、この発明の
実施例に係わる建築物の空調熱負荷予測システムを実現
する装置の構成を示すブロック図である。図２は、この
発明の実施例に係わる空調熱負荷予測システムの運用手
順を示すフローチャートである。
調熱負荷予測システムを説明する。図１は、この発明の
実施例に係わる建築物の空調熱負荷予測システムを実現
する装置の構成を示すブロック図である。図２は、この
発明の実施例に係わる空調熱負荷予測システムの運用手
順を示すフローチャートである。
【０００８】図１において、空調熱負荷予測装置は、当
日環境要素を計測するためのセンサ部２と、翌日気象要
素を収集するための気象予測データ収集部４と、センサ
部２から信号ケーブル６、６を介して送信される当日環
境要素データと、気象予測データ収集部４から信号ケー
ブル８を介して送信される翌日気象要素データと、を入
力して翌日の空調熱負荷予測値を出力するメインＣＰＵ
１０、及び、空調熱負荷予測値を表示する空調熱負荷予
測値表示部１２とから構成されている。センサ部２では
代表室の室内温度センサ１４、代表室の室内湿度センサ
１６、外気温度センサ１８、外気湿度センサ２０、及び
日射量センサ２２を用いてそれぞれ代表室の室内温度、
代表室の室内湿度、外気温度、外気湿度、及び、当日の
日射量を計測する。気象で収集部４は、外気気象予測デ
ータベース２４にオンライン２５でアクセス可能であ
り、翌日の予測最高温度データ２１、予測最低温度デー
タ２８、予測最大湿度データ３０、及び、予測最小湿度
データ３２を自動的に収集する。
日環境要素を計測するためのセンサ部２と、翌日気象要
素を収集するための気象予測データ収集部４と、センサ
部２から信号ケーブル６、６を介して送信される当日環
境要素データと、気象予測データ収集部４から信号ケー
ブル８を介して送信される翌日気象要素データと、を入
力して翌日の空調熱負荷予測値を出力するメインＣＰＵ
１０、及び、空調熱負荷予測値を表示する空調熱負荷予
測値表示部１２とから構成されている。センサ部２では
代表室の室内温度センサ１４、代表室の室内湿度センサ
１６、外気温度センサ１８、外気湿度センサ２０、及び
日射量センサ２２を用いてそれぞれ代表室の室内温度、
代表室の室内湿度、外気温度、外気湿度、及び、当日の
日射量を計測する。気象で収集部４は、外気気象予測デ
ータベース２４にオンライン２５でアクセス可能であ
り、翌日の予測最高温度データ２１、予測最低温度デー
タ２８、予測最大湿度データ３０、及び、予測最小湿度
データ３２を自動的に収集する。
【０００９】メインＣＰＵ１０では、センサ部２で計測
される当日環境要素データと、気象予測データ収集部４
で収集される翌日気象要素データとを、必要に応じて取
り込み、内部に保有する特異日を含む曜日に関するデー
タを加味して処理し、蓄熱運転が開始される以前（通常
午後１０時以前）に、翌日の空調熱負荷予測値を出力す
る。この予測値は設備運用オペレータを支援すべく、空
調熱負荷予測値表示部１２に、メインＣＰＵ１０から結
果信号が出力して表示される。
される当日環境要素データと、気象予測データ収集部４
で収集される翌日気象要素データとを、必要に応じて取
り込み、内部に保有する特異日を含む曜日に関するデー
タを加味して処理し、蓄熱運転が開始される以前（通常
午後１０時以前）に、翌日の空調熱負荷予測値を出力す
る。この予測値は設備運用オペレータを支援すべく、空
調熱負荷予測値表示部１２に、メインＣＰＵ１０から結
果信号が出力して表示される。
【００１０】次にこの発明の一実施例に係わる空調熱負
荷予測システムの運用手順について、図２を参照して説
明する。本実施例では、建築物が新築の場合や、既存存
建築物であっても過去のデータ入手が困難な場合を説明
する。運用が開始されると（ステップ３３）、暫定モデ
ル作成モジュール３５を実施され、事前検討として、対
象建築物に対して標準気象データベース３４を用いて空
調熱負荷シミュレーション３６を行う。そして、熱負荷
予測用Ｎ．Ｎ．３８の出力値４０と、対象建築物空調熱
負荷シミュレーション信号４２との比較誤差に応じて、
空調熱負荷予測値の誤差が一定値以下となるように、熱
負荷予測用Ｎ．Ｎ．１９のチューニングを行い（ステッ
プ４４）、熱負荷予測用Ｎ．Ｎ．暫定モデルを作成す
る。ステップ４６で実用に供すると判定した場合、一定
の時間ループに従って、以下の操作を繰り返す。ステッ
プ４６で実用に供しないと判定した場合は、スタートス
テップ３３にもどり、暫定モデル作成モジュール３５の
全手順が繰り返される。
荷予測システムの運用手順について、図２を参照して説
明する。本実施例では、建築物が新築の場合や、既存存
建築物であっても過去のデータ入手が困難な場合を説明
する。運用が開始されると（ステップ３３）、暫定モデ
ル作成モジュール３５を実施され、事前検討として、対
象建築物に対して標準気象データベース３４を用いて空
調熱負荷シミュレーション３６を行う。そして、熱負荷
予測用Ｎ．Ｎ．３８の出力値４０と、対象建築物空調熱
負荷シミュレーション信号４２との比較誤差に応じて、
空調熱負荷予測値の誤差が一定値以下となるように、熱
負荷予測用Ｎ．Ｎ．１９のチューニングを行い（ステッ
プ４４）、熱負荷予測用Ｎ．Ｎ．暫定モデルを作成す
る。ステップ４６で実用に供すると判定した場合、一定
の時間ループに従って、以下の操作を繰り返す。ステッ
プ４６で実用に供しないと判定した場合は、スタートス
テップ３３にもどり、暫定モデル作成モジュール３５の
全手順が繰り返される。
【００１１】運用当初は、モジュール３５で作成された
学習機能を有するＮ．Ｎ．暫定モデルを用いて、図１に
示すセンサ部２から送信される当日環境要素データと、
気象予測データ収集部４から送信される翌日気象要素デ
ータと、内部に保有する曜日（含む特異日）データとか
ら、翌日の空調熱負荷予測値を算出する（ステップ５
０）。さらに、次の日に判明する空調熱負荷実績値５４
とこの空調熱負荷予測値５２とを比較し、比較誤差に応
じて重み修正し（ステップ５６）、熱負荷予測（ステッ
プ４８）で使用するＮ．Ｎ．に追加学習させて更新し、
次回の時間ループ５８での適用モデルとする。このよう
な学習機能を用いてＮ．Ｎ．の、予測モデルを逐次修正
する。従って、時間ループ５８が繰り返されることによ
り、対象建築物の特性が加味された空調熱負荷予測モデ
ルが、自動的に生成される。
学習機能を有するＮ．Ｎ．暫定モデルを用いて、図１に
示すセンサ部２から送信される当日環境要素データと、
気象予測データ収集部４から送信される翌日気象要素デ
ータと、内部に保有する曜日（含む特異日）データとか
ら、翌日の空調熱負荷予測値を算出する（ステップ５
０）。さらに、次の日に判明する空調熱負荷実績値５４
とこの空調熱負荷予測値５２とを比較し、比較誤差に応
じて重み修正し（ステップ５６）、熱負荷予測（ステッ
プ４８）で使用するＮ．Ｎ．に追加学習させて更新し、
次回の時間ループ５８での適用モデルとする。このよう
な学習機能を用いてＮ．Ｎ．の、予測モデルを逐次修正
する。従って、時間ループ５８が繰り返されることによ
り、対象建築物の特性が加味された空調熱負荷予測モデ
ルが、自動的に生成される。
【００１２】以上示した手順によって、実測データが充
分に得られない場合にも、空調熱負荷予測システムが構
築可能で、実際の建築物の特性を加味して空調熱負荷を
予測することのできる空調熱負荷予測システムを提供す
ることができる。なお、本発明は前述した実施例に限定
されるものではなく、収集する翌日気象予測データは、
特に図１に示す外部気象予測データベース２４から得る
必要はない。この空調熱負荷予測システム内に、別途用
意する気象予測システムから供給しても良い。
分に得られない場合にも、空調熱負荷予測システムが構
築可能で、実際の建築物の特性を加味して空調熱負荷を
予測することのできる空調熱負荷予測システムを提供す
ることができる。なお、本発明は前述した実施例に限定
されるものではなく、収集する翌日気象予測データは、
特に図１に示す外部気象予測データベース２４から得る
必要はない。この空調熱負荷予測システム内に、別途用
意する気象予測システムから供給しても良い。
【００１３】また、図２に示す熱負荷予測用Ｎ．Ｎ．３
８の入力項目は、建築物の運用特性に応じて、内部機器
の稼働率や人員の変動情報データを加えても良い。さら
に事前検討時に、空調熱負荷予測値の誤差が一定値以下
となるように項目の組合せを変えても良い。
８の入力項目は、建築物の運用特性に応じて、内部機器
の稼働率や人員の変動情報データを加えても良い。さら
に事前検討時に、空調熱負荷予測値の誤差が一定値以下
となるように項目の組合せを変えても良い。
【００１４】
【発明の効果】本発明の空調熱負荷予測システムによれ
ば、実際の建築物の特性を考慮した空調熱負荷予測が高
精度で行うことができる。また、蓄熱式空調設備の運転
の際、オペレータの勘と経験に負うことによる夜間蓄熱
量のバラツキを低減することができる。従って、蓄熱式
空調設備方式の本来のメリットである空調ランニングエ
ネルギーの削減を一層達成できる効果がある。
ば、実際の建築物の特性を考慮した空調熱負荷予測が高
精度で行うことができる。また、蓄熱式空調設備の運転
の際、オペレータの勘と経験に負うことによる夜間蓄熱
量のバラツキを低減することができる。従って、蓄熱式
空調設備方式の本来のメリットである空調ランニングエ
ネルギーの削減を一層達成できる効果がある。
【図１】本発明建築物の空調熱負荷予測システムを実現
する装置の構成を示すブロック図
する装置の構成を示すブロック図
【図２】本発明に係わる空調熱負荷予測システムの運用
手順を示すフローチャート
手順を示すフローチャート
【図３】従来の蓄熱式空調設備の概要を示す概要図
２…センサ部 ４…気象予測データ収集部 １０…メインＣＰＵ １２…空調熱負荷予測値表示部
───────────────────────────────────────────────────── フロントページの続き (56)参考文献 特開 平４−15441（ＪＰ，Ａ) 特開 平６−147598（ＪＰ，Ａ) 特開 平８−14627（ＪＰ，Ａ) (58)調査した分野(Int.Cl.6，ＤＢ名) F24F 11/02 102
Claims (1)
- 【請求項１】蓄熱式空調設備方式の建築物における当日
の温湿度等の環境要素データを検知するセンサー部と、
翌日の気象予測データを収集する収集部と、前記建築物
に対して翌日の蓄熱量指標を与えるために前記環境要素
データと前記気象予測データとを処理して前記建築物の
翌日の空調熱負荷を予測する処理部とを備えた空調熱負
荷予測システムにおいて、前記処理部は暫定モデル作成
モジュールと熱負荷予測モジュールとからなり、前記暫
定モデル作成モジュールでは前記建築物を対象とした空
調熱負荷シミュレーションによって熱負荷予測用ニュー
ラルネットワークの暫定モデルを作成するとともに、前
記熱負荷予測モジュールでは前記作成されたニューラル
ネットワークの暫定モデルを最初の予測モデルとして、
前記当日の温湿度等の環境要素データと翌日の気象予測
データとから翌日の空調熱負荷を予測し、かつ、この予
測値と実績値との比較誤差に基づいて、ニューラルネッ
トワークの学習機能により前記予測モデルを逐次更新し
ていくことを特徴とする空調熱負荷予測システム。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| JP6191185A JP2953317B2 (ja) | 1994-07-21 | 1994-07-21 | 空調熱負荷予測システム |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| JP6191185A JP2953317B2 (ja) | 1994-07-21 | 1994-07-21 | 空調熱負荷予測システム |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| JPH0835706A JPH0835706A (ja) | 1996-02-06 |
| JP2953317B2 true JP2953317B2 (ja) | 1999-09-27 |
Family
ID=16270321
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| JP6191185A Expired - Fee Related JP2953317B2 (ja) | 1994-07-21 | 1994-07-21 | 空調熱負荷予測システム |
Country Status (1)
| Country | Link |
|---|---|
| JP (1) | JP2953317B2 (ja) |
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US11525595B2 (en) | 2019-03-18 | 2022-12-13 | Daikin Industries, Ltd. | System for determining operation condition of precooling operation/preheating operation of air conditioner |
| US11885520B2 (en) | 2019-03-18 | 2024-01-30 | Daikin Industries, Ltd. | Machine learning apparatus for determining operation condition of precooling operation or preheating operation of air conditioner |
Families Citing this family (15)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JPH09273795A (ja) * | 1996-04-01 | 1997-10-21 | Tokyo Electric Power Co Inc:The | 熱負荷予測装置 |
| JP3300634B2 (ja) * | 1997-05-23 | 2002-07-08 | 松下電器産業株式会社 | 環境解析シミュレーション用入力データ作成装置 |
| DE10013447C1 (de) * | 2000-03-17 | 2001-12-13 | Markus Werner | Verfahren zur Steuerung des Klimas in einem wetterabhängigen Gebäude- oder Anlagenbereich |
| JP4643038B2 (ja) * | 2001-03-12 | 2011-03-02 | 株式会社ミサワホーム総合研究所 | エネルギー消費量評価システム、およびエネルギー消費量評価プログラムを記録したコンピュータ読み取り可能な記録媒体 |
| US7043341B2 (en) | 2002-12-31 | 2006-05-09 | Measure, Monitor And Control, Llc | Swimming pool and spa heater control system and method |
| JP2008082642A (ja) * | 2006-09-28 | 2008-04-10 | Shimizu Corp | 蓄熱槽熱源システムの制御装置及び制御方法 |
| JP2008082641A (ja) * | 2006-09-28 | 2008-04-10 | Shimizu Corp | 蓄熱槽熱源システムの制御装置及び制御方法 |
| JP4734295B2 (ja) * | 2007-06-15 | 2011-07-27 | 株式会社東芝 | 雨水・汚濁物流入量演算モデルの作成装置及び作成方法 |
| JP5579956B1 (ja) * | 2013-05-02 | 2014-08-27 | 中国電力株式会社 | 蓄熱量予測装置、蓄熱量予測方法およびプログラム |
| DE102013106806A1 (de) * | 2013-06-28 | 2014-12-31 | Berlinovo Immobilien Gesellschaft mbH | Verfahren zur regelung des klimas in einem gebäude mittels zumindest einer haus- oder verfahrenstechnischen anlage |
| CN104091045B (zh) * | 2014-06-16 | 2017-04-19 | 华南理工大学 | 一种基于bp神经网络的空调长效性能预测方法 |
| CN105389472B (zh) * | 2015-12-05 | 2018-10-26 | 内蒙古电力勘测设计院有限责任公司 | 火电厂采暖负荷的计算方法 |
| CN108154258B (zh) * | 2017-11-27 | 2021-11-05 | 国网北京市电力公司 | 空气源热泵负荷的预测方法、装置、存储介质和处理器 |
| JP7313158B2 (ja) * | 2019-02-21 | 2023-07-24 | 三菱電機株式会社 | 空気調和機制御装置、空気調和機制御方法およびプログラム |
| CN111795484B (zh) * | 2020-07-24 | 2021-11-23 | 北京大学深圳研究生院 | 一种智慧空调控制方法和系统 |
Family Cites Families (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2704026B2 (ja) * | 1990-05-08 | 1998-01-26 | 株式会社東芝 | 熱負荷予測システム |
| JPH06147598A (ja) * | 1992-11-09 | 1994-05-27 | Takasago Thermal Eng Co Ltd | 空調負荷予測方法 |
| JP3160693B2 (ja) * | 1994-06-28 | 2001-04-25 | 日本電気エンジニアリング株式会社 | 熱負荷予測装置 |
-
1994
- 1994-07-21 JP JP6191185A patent/JP2953317B2/ja not_active Expired - Fee Related
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US11525595B2 (en) | 2019-03-18 | 2022-12-13 | Daikin Industries, Ltd. | System for determining operation condition of precooling operation/preheating operation of air conditioner |
| US11885520B2 (en) | 2019-03-18 | 2024-01-30 | Daikin Industries, Ltd. | Machine learning apparatus for determining operation condition of precooling operation or preheating operation of air conditioner |
Also Published As
| Publication number | Publication date |
|---|---|
| JPH0835706A (ja) | 1996-02-06 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| JP2953317B2 (ja) | 空調熱負荷予測システム | |
| Braun | Load control using building thermal mass | |
| US6591620B2 (en) | Air conditioning equipment operation system and air conditioning equipment designing support system | |
| JP2003216715A (ja) | 建物省エネルギー評価監視装置 | |
| US20150167996A1 (en) | Thermodynamic modeling for enclosures | |
| JP2003061245A (ja) | コジェネレーション装置の運転計画方法 | |
| US9454173B2 (en) | Predictive alert system for building energy management | |
| KR102482043B1 (ko) | 소규모 이력 데이터에서 냉방부하를 예측하기 위한 학습 방법 및 장치 | |
| JPH0821650A (ja) | ビル制御装置 | |
| CN108197404A (zh) | 一种基于时间遗传特性的建筑负荷预测方法 | |
| KR20190102391A (ko) | 인공 신경망을 이용한 개인의 만족도 예측을 통해 건물의 열 에너지 시스템을 제어하는 방법 및 장치 | |
| JP3215279B2 (ja) | エネルギー設備の設備運用方法およびその装置 | |
| Reddy et al. | Exergy-wise predictive control framework for optimal performance of MicroCSP systems for HVAC applications in buildings | |
| Li et al. | System identification and data fusion for on-line adaptive energy forecasting in virtual and real commercial buildings | |
| JP2001065959A (ja) | エネルギー供給機器の制御方法及びその装置 | |
| JPH07151369A (ja) | 熱負荷予測装置およびプラント熱負荷予測装置 | |
| JP4450541B2 (ja) | 省エネルギー評価方法及び省エネルギー評価手段 | |
| JP3160693B2 (ja) | 熱負荷予測装置 | |
| JPH08322147A (ja) | 電力需要予測システム | |
| JP3170393B2 (ja) | 地域冷暖房装置の運転方法および装置 | |
| JP2017048959A (ja) | 冷却水を用いて動作する熱源機器の冷却水温を予測する装置及び方法、及びプログラム | |
| JP2005009852A (ja) | 消費エネルギー予測装置および消費エネルギー予測方法 | |
| Chen | A methodology for thermal analysis and predictive control of building envelope heating systems | |
| JP3170392B2 (ja) | 地域冷房装置の運転方法および装置 | |
| Kummert et al. | Comparing control strategies using experimental and simulation results: Methodology and application to heating control of passive solar buildings |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| S533 | Written request for registration of change of name |
Free format text: JAPANESE INTERMEDIATE CODE: R313533 |
|
| R350 | Written notification of registration of transfer |
Free format text: JAPANESE INTERMEDIATE CODE: R350 |
|
| LAPS | Cancellation because of no payment of annual fees |