JP4356175B2 - Air conditioning load prediction method and apparatus in heat storage air conditioning system - Google Patents
Air conditioning load prediction method and apparatus in heat storage air conditioning system Download PDFInfo
- Publication number
- JP4356175B2 JP4356175B2 JP2000043601A JP2000043601A JP4356175B2 JP 4356175 B2 JP4356175 B2 JP 4356175B2 JP 2000043601 A JP2000043601 A JP 2000043601A JP 2000043601 A JP2000043601 A JP 2000043601A JP 4356175 B2 JP4356175 B2 JP 4356175B2
- Authority
- JP
- Japan
- Prior art keywords
- air conditioning
- conditioning load
- heat storage
- load
- total
- 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
Images
Landscapes
- Feedback Control In General (AREA)
- Air Conditioning Control Device (AREA)
Description
【０００１】
【発明の属する技術分野】
この発明は、蓄熱ユニットと空気調和機とを含む蓄熱空調系統を複数有する蓄熱空調システムにおいて、各系統の空調負荷を予測するための方法およびその装置に関する。
【０００２】
【従来の技術】
従来から、氷蓄熱ユニットなどの蓄熱ユニットと空気調和機とを含む蓄熱空調系統が提案されている。このような蓄熱空調系統は、電力需要が集中しない時間帯（例えば、夜間）に蓄熱ユニットを蓄熱運転して熱を蓄積し、電力需要が集中する時間帯（例えば、昼間）に蓄積した熱を放出させながら空気調和機を運転することにより、電力需要が集中する時間帯における空気調和機の消費電力を低減し、電力需要の平準化を達成することができる。
【０００３】
また、蓄熱空調系統においては、蓄熱量が多すぎると蓄熱運転を無駄に行うことになり、逆に蓄熱量が少なすぎると電力需要の十分な平準化を達成することができなくなってしまう。したがって、蓄熱空調系統においては、翌日の空調負荷を予測し、予測した空調負荷に対応させて蓄放熱運転を行わせることが一般的である。
【０００４】
さらに、複数の蓄熱槽を有する場合において、複数の蓄熱槽に関する諸元を統合して１つの論理的蓄熱槽データを作成し、この論理的蓄熱槽データに基づいて運転計画を作成すること（特許第２５０１９８１号公報参照）が提案されている。
【０００５】
【発明が解決しようとする課題】
前記の蓄熱空調系統を複数有する蓄熱空調システムにおいては、蓄熱空調系統毎に空調負荷を予測し、予測した空調負荷に基づいて蓄熱運転を行わせることになるので、蓄熱空調システム全体として、空調負荷を予測するための演算処理が煩雑になるという不都合がある。また、空調負荷の予測に長時間がかかると、蓄熱空調システムにおける蓄熱運転時間が不足してしまう危険性があるので、演算能力が高い計算機を用いることが必要になり、コストアップ、スペースの増加を招いてしまうという不都合もある。
【０００６】
また、特許第２５０１９８１号公報の場合、論理的蓄熱槽データを作成するために、複数の蓄熱槽に関する諸元やプラント構成情報を入力するという煩雑な作業が必要である。また、複数の蓄熱槽に関する諸元などを統合し、矛盾のない論理的蓄熱槽データを作成するという処理が必要である。
【０００７】
更に、このような方法は一つの系統に複数の蓄熱槽が接続されていた場合には有効な方法と思われるが、系統が独立して複数に分かれていた場合には、結局系統毎の空調負荷の予測が必要になるために、当初の効果が期待できないという不都合がある。
【０００８】
【発明の目的】
この発明は上記の問題点に鑑みてなされたものであり、複数の蓄熱空調系統を有する蓄熱空調システムにおける各蓄熱空調系統の空調負荷の予測を、簡単な処理で、短時間で精度よく行うことができる蓄熱空調システムにおける空調負荷予測方法およびその装置を提供することを目的としている。
【０００９】
【課題を解決するための手段】
請求項１の蓄熱空調システムにおける空調負荷予測方法は、蓄熱ユニットと空気調和機とを含む蓄熱空調系統を複数有する蓄熱空調システムにおいて、蓄熱空調システム全体としての合計空調負荷を予測し、予測した合計空調負荷から、個々の蓄熱空調系の外気温熱データ、室内温熱データ、空調負荷データを時刻別に収集し、各空調負荷を時刻別に合計することにより蓄熱空調システムの合計空調負荷を算出し、各空調負荷と合計空調負荷とを用いて計算し、合計空調負荷に応じて按分比を保存する処理を反復することによって、合計空調負荷に対応して既に設定されている空調負荷按分比に基づいて各系統の空調負荷を算出する方法である。
【００１０】
請求項２の蓄熱空調システムにおける空調負荷予測方法は、蓄熱ユニットと空気調和機とを含む蓄熱空調系統を複数有する蓄熱空調システムにおいて、蓄熱空調システム全体としての合計空調負荷を予測し、予測した合計空調負荷から、個々の蓄熱空調系の外気温熱データ、室内温熱データ、空調負荷データを時刻別に収集し、各空調負荷を時刻別に合計することにより蓄熱空調システムの合計空調負荷を算出し、各空調負荷と合計空調負荷とを用いて計算し、合計空調負荷に応じて按分比を保存する処理を反復することによって、予測した合計空調負荷および互いに異なる時間帯における空調負荷の比率に対応して既に設定されている空調負荷按分比に基づいて各系統の空調負荷を算出する方法である。
【００１１】
請求項３の蓄熱空調システムにおける空調負荷予測方法は、蓄熱ユニットと空気調和機とを含む蓄熱空調系統を複数有する蓄熱空調システムにおいて、蓄熱空調システム全体としての合計空調負荷を予測し、予測した合計空調負荷から、個々の蓄熱空調系の外気温熱データ、室内温熱データ、空調負荷データを時刻別に収集し、各空調負荷を時刻別に合計することにより蓄熱空調システムの合計空調負荷を算出し、各空調負荷と合計空調負荷とを用いて計算し、合計空調負荷に応じて按分比を保存する処理を反復することによって、外気温熱環境情報に対応して既に設定されている空調負荷按分比に基づいて各系統の空調負荷を算出する方法である。
【００１２】
請求項４の蓄熱空調システムにおける空調負荷予測装置は、蓄熱ユニットと空気調和機とを含む蓄熱空調系統を複数有する蓄熱空調システムにおいて、蓄熱空調システム全体としての合計空調負荷を予測する合計空調負荷予測手段と、予測した合計空調負荷から、個々の蓄熱空調系の外気温熱データ、室内温熱データ、空調負荷データを時刻別に収集し、各空調負荷を時刻別に合計することにより蓄熱空調システムの合計空調負荷を算出し、各空調負荷と合計空調負荷とを用いて計算し、合計空調負荷に応じて按分比を保存する処理を反復することによって、合計空調負荷に対応して既に設定されている空調負荷按分比に基づいて各系統の空調負荷を算出する系統空調負荷算出手段とを含むものである。
【００１４】
請求項５の蓄熱空調システムにおける空調負荷予測装置は、蓄熱ユニットと空気調和機とを含む蓄熱空調系統を複数有する蓄熱空調システムにおいて、蓄熱空調システム全体としての合計空調負荷を予測する合計空調負荷予測手段と、予測した合計空調負荷から、個々の蓄熱空調系の外気温熱データ、室内温熱データ、空調負荷データを時刻別に収集し、各空調負荷を時刻別に合計することにより蓄熱空調システムの合計空調負荷を算出し、各空調負荷と合計空調負荷とを用いて計算し、合計空調負荷に応じて按分比を保存する処理を反復することによって、予測した合計空調負荷および互いに異なる時間帯における空調負荷の比率に対応して既に設定されている空調負荷按分比に基づいて各系統の空調負荷を算出する系統空調負荷算出手段とを含むものである。
【００１５】
請求項６の蓄熱空調システムにおける空調負荷予測装置は、蓄熱ユニットと空気調和機とを含む蓄熱空調系統を複数有する蓄熱空調システムにおいて、蓄熱空調システム全体としての合計空調負荷を予測する合計空調負荷予測手段と、予測した合計空調負荷から、個々の蓄熱空調系の外気温熱データ、室内温熱データ、空調負荷データを時刻別に収集し、各空調負荷を時刻別に合計することにより蓄熱空調システムの合計空調負荷を算出し、各空調負荷と合計空調負荷とを用いて計算し、合計空調負荷に応じて按分比を保存する処理を反復することによって、外気温熱環境情報に対応して既に設定されている空調負荷按分比に基づいて各系統の空調負荷を算出する系統空調負荷算出手段とを含むものである。
【００１６】
【作用】
請求項１の蓄熱空調システムにおける空調負荷予測方法であれば、蓄熱ユニットと空気調和機とを含む蓄熱空調系統を複数有する蓄熱空調システムにおいて、蓄熱空調システム全体としての合計空調負荷を予測し、予測した合計空調負荷から、個々の蓄熱空調系の外気温熱データ、室内温熱データ、空調負荷データを時刻別に収集し、各空調負荷を時刻別に合計することにより蓄熱空調システムの合計空調負荷を算出し、各空調負荷と合計空調負荷とを用いて計算し、合計空調負荷に応じて按分比を保存する処理を反復することによって、合計空調負荷に対応して既に設定されている空調負荷按分比に基づいて各系統の空調負荷を算出するのであるから、個別の蓄熱空調系統の空調負荷を直接に予測する場合と比較して、簡単な処理で、短時間で個別の蓄熱空調系統の空調負荷を予測することができ、しかも、個別の蓄熱空調系統の空調負荷を精度よく予測することができる。
【００１８】
請求項２の蓄熱空調システムにおける空調負荷予測方法であれば、蓄熱ユニットと空気調和機とを含む蓄熱空調系統を複数有する蓄熱空調システムにおいて、蓄熱空調システム全体としての合計空調負荷を予測し、予測した合計空調負荷から、個々の蓄熱空調系の外気温熱データ、室内温熱データ、空調負荷データを時刻別に収集し、各空調負荷を時刻別に合計することにより蓄熱空調システムの合計空調負荷を算出し、各空調負荷と合計空調負荷とを用いて計算し、合計空調負荷に応じて按分比を保存する処理を反復することによって、個々の蓄熱空調系の外気温熱データ、室内温熱データ、空調負荷データを時刻別に収集し、各空調負荷を時刻別に合計することにより蓄熱空調システムの合計空調負荷を算出し、各空調負荷と合計空調負荷とを用いて計算し、合計空調負荷に応じて按分比を保存する処理を反復することによって、予測した合計空調負荷および互いに異なる時間帯における空調負荷の比率に対応して既に設定されている空調負荷按分比に基づいて各系統の空調負荷を算出するのであるから、個別の蓄熱空調系統の空調負荷を直接に予測する場合と比較して、簡単な処理で、短時間で個別の蓄熱空調系統の空調負荷を予測することができ、しかも、個別の蓄熱空調系統の空調負荷を精度よく予測することができる。
【００１９】
請求項３の蓄熱空調システムにおける空調負荷予測方法であれば、蓄熱ユニットと空気調和機とを含む蓄熱空調系統を複数有する蓄熱空調システムにおいて、蓄熱空調システム全体としての合計空調負荷を予測し、予測した合計空調負荷から、個々の蓄熱空調系の外気温熱データ、室内温熱データ、空調負荷データを時刻別に収集し、各空調負荷を時刻別に合計することにより蓄熱空調システムの合計空調負荷を算出し、各空調負荷と合計空調負荷とを用いて計算し、合計空調負荷に応じて按分比を保存する処理を反復することによって、外気温熱環境情報に対応して既に設定されている空調負荷按分比に基づいて各系統の空調負荷を算出するのであるから、個別の蓄熱空調系統の空調負荷を直接に予測する場合と比較して、簡単な処理で、短時間で個別の蓄熱空調系統の空調負荷を予測することができ、しかも、個別の蓄熱空調系統の空調負荷を精度よく予測することができる。
【００２０】
請求項４の蓄熱空調システムにおける空調負荷予測装置であれば、蓄熱ユニットと空気調和機とを含む蓄熱空調系統を複数有する蓄熱空調システムにおいて、合計空調負荷予測手段によって蓄熱空調システム全体としての合計空調負荷を予測し、系統空調負荷算出手段によって、予測した合計空調負荷から、個々の蓄熱空調系の外気温熱データ、室内温熱データ、空調負荷データを時刻別に収集し、各空調負荷を時刻別に合計することにより蓄熱空調システムの合計空調負荷を算出し、各空調負荷と合計空調負荷とを用いて計算し、合計空調負荷に応じて按分比を保存する処理を反復することによって、合計空調負荷に対応して既に設定されている空調負荷按分比に基づいて各系統の空調負荷を算出することができる。
【００２１】
したがって、個別の蓄熱空調系統の空調負荷を直接に予測する場合と比較して、簡単な処理で、短時間で個別の蓄熱空調系統の空調負荷を予測することができ、しかも、個別の蓄熱空調系統の空調負荷を精度よく予測することができる。
【００２３】
請求項５の蓄熱空調システムにおける空調負荷予測装置であれば、蓄熱ユニットと空気調和機とを含む蓄熱空調系統を複数有する蓄熱空調システムにおいて、合計空調負荷予測手段によって蓄熱空調システム全体としての合計空調負荷を予測し、系統空調負荷算出手段によって、予測した合計空調負荷から、個々の蓄熱空調系の外気温熱データ、室内温熱データ、空調負荷データを時刻別に収集し、各空調負荷を時刻別に合計することにより蓄熱空調システムの合計空調負荷を算出し、各空調負荷と合計空調負荷とを用いて計算し、合計空調負荷に応じて按分比を保存する処理を反復することによって、予測した合計空調負荷および互いに異なる時間帯における空調負荷の比率に対応して既に設定されている空調負荷按分比に基づいて各系統の空調負荷を算出することができる。
したがって、個別の蓄熱空調系統の空調負荷を直接に予測する場合と比較して、簡単な処理で、短時間で個別の蓄熱空調系統の空調負荷を予測することができ、しかも、個別の蓄熱空調系統の空調負荷を精度よく予測することができる。
【００２４】
請求項６の蓄熱空調システムにおける空調負荷予測装置であれば、蓄熱ユニットと空気調和機とを含む蓄熱空調系統を複数有する蓄熱空調システムにおいて、合計空調負荷予測手段によって蓄熱空調システム全体としての合計空調負荷を予測し、系統空調負荷算出手段によって、予測した合計空調負荷から、個々の蓄熱空調系の外気温熱データ、室内温熱データ、空調負荷データを時刻別に収集し、各空調負荷を時刻別に合計することにより蓄熱空調システムの合計空調負荷を算出し、各空調負荷と合計空調負荷とを用いて計算し、合計空調負荷に応じて按分比を保存する処理を反復することによって、外気温熱環境情報に対応して既に設定されている空調負荷按分比に基づいて各系統の空調負荷を算出することができる。
したがって、個別の蓄熱空調系統の空調負荷を直接に予測する場合と比較して、簡単な処理で、短時間で個別の蓄熱空調系統の空調負荷を予測することができ、しかも、個別の蓄熱空調系統の空調負荷を精度よく予測することができる。
【００２５】
【発明の実施の形態】
以下、添付図面を参照して、この発明の蓄熱空調システムにおける空調負荷予測方法およびその装置の実施の態様を詳細に説明する。
【００２６】
図１はこの発明の蓄熱空調システムにおける空調負荷予測方法の一実施態様を説明するフローチャートである。
【００２７】
ステップＳＰ１において、個々の蓄熱空調系統の外気温熱データ、室内温熱データ、空調負荷データを時刻別に収集し、ステップＳＰ２において、各空調負荷を時刻別に合計することにより蓄熱空調システムの合計空調負荷を算出し、ステップＳＰ３において、各空調負荷と合計空調負荷とを用いて按分比を計算し、ステップＳＰ４において、合計空調負荷に応じて按分比を保存する。
【００２８】
このステップＳＰ１からステップＳＰ４の処理を反復することにより、図２に示す按分比テーブルを完成させることができる。
【００２９】
次いで、ステップＳＰ５において、ニューラルネットワークなどを用いて合計空調負荷と、外気温熱データ、室内温熱データとの関係の学習を行わせる。
【００３０】
その後は、ステップＳＰ６において、学習が完了したニューラルネットワークなどを用い、外気温熱データ（例えば、外気温熱データの予測値）、室内温熱データ（例えば、室内温熱データの実測値）から翌日の合計空調負荷を予測し、ステップＳＰ７において、予測した合計空調負荷から該当する按分比を選択し、ステップＳＰ８において、予測した合計空調負荷と選択した按分比とを用いて個別の蓄熱空調系統の予測空調負荷を算出する。
【００３１】
以上のようにして個別の蓄熱空調系統の予測空調負荷が算出されれば、この算出された予測空調負荷に基づいて蓄熱ユニットを運転することにより、最適の蓄熱空調システムの運転を行うことができる。
【００３２】
さらに説明する。
【００３３】
このステップＳＰ１からステップＳＰ４の処理を反復することにより、図２に示す按分比テーブルを完成させることができる。そして、ステップＳＰ１からステップＳＰ５の処理を反復することにより、合計空調負荷と、外気温熱データ、室内温熱データとの関係の学習を達成することができる。
【００３４】
したがって、按分比テーブルが完成し、かつ合計空調負荷と、外気温熱データ、室内温熱データとの関係の学習が達成された後は、ステップＳＰ６以降の処理を行うだけでよく、簡単に個別の蓄熱空調系統の空調負荷の予測を行うことができる。ただし、按分比テーブル完成後も按分比テーブルを上書きして更新し、常に最新の按分比を使用することが好ましい。
【００３５】
次いで、按分比テーブルについて説明する。
【００３６】
空調負荷の変動要因には、電気機器や人体などの熱源や部屋の広さなどの建物内部の影響と、外気温、日射量などの建物外部の影響との２種類の要因がある。これらのうち、建物内部に起因する要因は比較的変化が小さいのに対し、建物外部に起因する要因は日々変動しており、その影響も大きい。
【００３７】
つまり、各部屋の空調負荷の変動は建物外部負荷の変動に大きく起因する。逆に、建物外部の負荷が一定ならば、各部屋の空調負荷も各々一定になり、その按分比も一定になる。
【００３８】
また、建物の外部から影響を受ける場合には、建物内の個々の空調ゾーンは、内側、北側、南側、東側、西側、最上階側、１階側など、様々な場所に位置しているので、影響の受け方も様々である。
【００３９】
例えば、快晴時（高負荷時）、最上階や南側は、１階や北側に比べ直射日光の影響を大きく受けて室温が上昇し、空調負荷が大きくなる。そのため、負荷の按分比は、最上階や南側は大きくなり、１階や北側は小さくなる。
【００４０】
同様に、建物の窓側は内側に比べ外気温の影響を多く受け、室温が変化し易く、逆に内側は変化しにくい。
【００４１】
以上のように、個々の空調ゾーンは、外気温熱環境の影響の受け易さに差がある。
【００４２】
そして、外気温熱環境、すなわち全体としての空調負荷が一定量増加しても、各空調ゾーンにおける空調負荷の増加率はその位置毎に異なるので、合計空調負荷に応じて按分比が変化することになる。
【００４３】
具体的には、個別の蓄熱空調系統の空調負荷データが３、７、５である場合には、按分比が３／１５、７／１５、５／１５になり、個別の蓄熱空調系統の空調負荷データが７、２５、１３である場合には、按分比が７／４５、２５／４５、１３／４５になる。
【００４４】
したがって、予測された合計空調負荷データが４１である場合には、按分比７／４５、２５／４５、１３／４５を用いて、個別の蓄熱空調系統の空調負荷データを４１×７／４５、４１×２５／４５、４１×１３／４５として算出することができる。
【００４５】
この場合において、合計空調負荷が同じ範囲であっても、午前空調負荷／午後空調負荷に依存して按分比を保持することが好ましい（図３参照）。
【００４６】
また、時刻別空調負荷は、毎日同じではなく、その日の天気（気温）の影響を大きく受けて変化することが知られている。そして、時刻別空調負荷が変化すれば按分比も大きく変化するはずであるから、按分比を、合計空調負荷のみならず天気に関連付けて蓄積し管理することが好ましい。ここで、天気と空調負荷との関係を整理すると概ね図４に示すとおりになり、空調負荷の「合計空調負荷」と「午前空調負荷／午後空調負荷」とがあれば、その日の天気を概ね特定することができる。
【００４７】
この場合には、「合計空調負荷」と「午前空調負荷／午後空調負荷」とをそれぞれｎ、ｍ等分してｎ×ｍの２次元空間を定義し、按分比は、この２次元空間内の位置情報と時刻情報とから格納アドレスを生成し、格納アドレスに従って蓄積する（図５参照）。
【００４８】
格納された按分比を抽出する場合には、「合計空調負荷」と「午前空調負荷／午後空調負荷」と時刻情報とから該当する按分比の格納アドレスを生成し、この格納アドレスを用いて按分比の抽出を行う（図５参照）。この場合において、該当する按分比が格納されていなければ、８つの近傍の値の平均値を用い、これらの近傍の値も格納されていなければ等分値を用いることが好ましい。
【００４９】
以上には、空調負荷を用いて按分比を格納するようにしているが、空調負荷に代えて外気温熱情報（温度、不快指数、エンタルピーなど）を採用することもできる。そして、按分比を格納するに当たって、前回の按分比と最新の按分比との荷重平均をとって格納することが可能であるほか、最新の複数の按分比を格納することが可能である。特に、後者の格納方法を採用する場合には、これらの平均値を出力することが好ましい。
【００５０】
また、ニューラルネットに代えて、カルマンフィルター、指数平滑、その他の予測アルゴリズムなどを用いて合計空調負荷の予測を行うこともできる。
【００５１】
図６はこの発明の蓄熱空調システムにおける空調負荷予測装置の一実施態様を組み込んだ蓄熱空調システムを示すブロック図である。
【００５２】
この空調負荷予測装置を組み込んだ蓄熱空調システムは、複数の蓄熱空調系統（図には熱源のみを示している）１と、室内温熱データを検出する室内温熱データ検出部（例えば、温度センサ）２と、外気温熱データを検出する外気温熱データ検出部（例えば、温度センサ）３と、全ての蓄熱空調系統１の空調負荷、室内温熱データ、および外気温熱データを計測する計測部４と、計測部４から出力される計測データを入力として所定のデータ処理（例えば、合計空調負荷の算出処理、按分比の算出処理など）を行って按分比および予測用データを出力するデータ処理部５と、算出された按分比を記憶する按分比記憶部６と、算出された予測用データを記憶する予測用データ記憶部７と、予測用データおよび翌日の気象予報データを入力として合計空調負荷を予測する合計空調負荷予測部８と、予測された合計空調負荷を入力として按分比記憶部６から読み出される按分比および予測された合計空調負荷を入力として各蓄熱空調系統の空調負荷を算出する系統空調負荷算出部９と、算出された各蓄熱空調系統の空調負荷に基づいて該当する蓄熱空調系統１の熱源を制御する熱源制御部１０とを含んでいる。
【００５３】
なお、各部の作用は上記のフローチャートの各ステップの処理内容と同様であるから、詳細な説明を省略する。
【００５４】
したがって、上記の構成の蓄熱空調システムを採用した場合には、合計空調負荷を予測するだけで、按分比を用いて簡単に、かつ正確に各蓄熱空調系統の空調負荷を予測することができる。この結果、蓄熱空調系統毎に空調負荷の予測を行う場合と比較して予測処理を簡単化することができ、しかも各蓄熱空調系統の空調負荷を正確に得ることができる。もちろん、各蓄熱空調系統の空調負荷を得るまでの所要時間を大幅に短縮することができる。
【００５５】
【発明の効果】
請求項１の発明は、個別の蓄熱空調系統の空調負荷を直接に予測する場合と比較して、簡単な処理で、短時間で個別の蓄熱空調系統の空調負荷を予測することができ、しかも、個別の蓄熱空調系統の空調負荷を精度よく予測することができるという特有の効果を奏する。
【００５７】
請求項２の発明は、個別の蓄熱空調系統の空調負荷を直接に予測する場合と比較して、簡単な処理で、短時間で個別の蓄熱空調系統の空調負荷を予測することができ、しかも、個別の蓄熱空調系統の空調負荷を精度よく予測することができるという特有の効果を奏する。
【００５８】
請求項３の発明は、個別の蓄熱空調系統の空調負荷を直接に予測する場合と比較して、簡単な処理で、短時間で個別の蓄熱空調系統の空調負荷を予測することができ、しかも、個別の蓄熱空調系統の空調負荷を精度よく予測することができるという特有の効果を奏する。
【００５９】
請求項４の発明は、個別の蓄熱空調系統の空調負荷を直接に予測する場合と比較して、簡単な処理で、短時間で個別の蓄熱空調系統の空調負荷を予測することができ、しかも、個別の蓄熱空調系統の空調負荷を精度よく予測することができるという特有の効果を奏する。
【００６１】
請求項５の発明は、個別の蓄熱空調系統の空調負荷を直接に予測する場合と比較して、簡単な処理で、短時間で個別の蓄熱空調系統の空調負荷を予測することができ、しかも、個別の蓄熱空調系統の空調負荷を精度よく予測することができるという特有の効果を奏する。
【００６２】
請求項６の発明は、個別の蓄熱空調系統の空調負荷を直接に予測する場合と比較して、簡単な処理で、短時間で個別の蓄熱空調系統の空調負荷を予測することができ、しかも、個別の蓄熱空調系統の空調負荷を精度よく予測することができるという特有の効果を奏する。
【図面の簡単な説明】
【図１】この発明の蓄熱空調システムにおける空調負荷予測方法の一実施態様を説明するフローチャートである。
【図２】按分比テーブルの一例を示す図である。
【図３】按分比テーブルの他の例を示す図である。
【図４】天気と空調負荷との関係を示す図である。
【図５】按分比の格納、抽出を説明する図である。
【図６】この発明の蓄熱空調システムにおける空調負荷予測装置の一実施態様を組み込んだ蓄熱空調システムを示すブロック図である。
【符号の説明】
１ 蓄熱空調系統 ８ 合計空調負荷予測部
９ 系統空調負荷算出部[0001]
BACKGROUND OF THE INVENTION
The present invention relates to a method and an apparatus for predicting an air conditioning load of each system in a heat storage air conditioning system having a plurality of heat storage air conditioning systems including a heat storage unit and an air conditioner.
[0002]
[Prior art]
Conventionally, a heat storage air conditioning system including a heat storage unit such as an ice heat storage unit and an air conditioner has been proposed. Such a heat storage air-conditioning system accumulates heat by performing heat storage operation of the heat storage unit during a time period when power demand is not concentrated (for example, at night), and stores heat accumulated during a time period when power demand is concentrated (for example, daytime). By operating the air conditioner while releasing it, it is possible to reduce the power consumption of the air conditioner in the time zone when the power demand is concentrated, and achieve leveling of the power demand.
[0003]
Further, in a heat storage air conditioning system, if the amount of stored heat is too large, the heat storage operation is wasted, and conversely if the amount of stored heat is too small, sufficient leveling of power demand cannot be achieved. Therefore, in the heat storage air conditioning system, it is common to predict the air conditioning load of the next day and perform the heat storage and heat radiation operation in correspondence with the predicted air conditioning load.
[0004]
Furthermore, in the case of having a plurality of heat storage tanks, the specifications relating to the plurality of heat storage tanks are integrated to create one logical heat storage tank data, and an operation plan is created based on the logical heat storage tank data (patent) No. 2501981) has been proposed.
[0005]
[Problems to be solved by the invention]
In the heat storage air conditioning system having a plurality of the heat storage air conditioning systems, the air conditioning load is predicted for each heat storage air conditioning system, and the heat storage operation is performed based on the predicted air conditioning load. There is an inconvenience that the arithmetic processing for predicting is complicated. Also, if it takes a long time to predict the air conditioning load, there is a risk that the heat storage operation time in the heat storage air conditioning system will be insufficient, so it will be necessary to use a computer with high computing capacity, increasing costs and increasing space There is also the inconvenience of inviting.
[0006]
In addition, in the case of Japanese Patent No. 2501981, complicated work of inputting specifications and plant configuration information regarding a plurality of heat storage tanks is necessary in order to create logical heat storage tank data. Moreover, the process of integrating the specifications regarding a plurality of heat storage tanks and creating logical heat storage tank data without contradiction is necessary.
[0007]
Furthermore, this method seems to be an effective method when multiple heat storage tanks are connected to one system. However, if the system is divided into a plurality of systems independently, the air conditioning for each system is eventually performed. Since it is necessary to predict the load, there is a disadvantage that the initial effect cannot be expected.
[0008]
OBJECT OF THE INVENTION
The present invention has been made in view of the above problems, and predicting the air conditioning load of each heat storage air-conditioning system in a heat storage air-conditioning system having a plurality of heat storage air-conditioning systems with a simple process and accurately in a short time. It aims at providing the air-conditioning load prediction method in the thermal storage air-conditioning system which can do, and its apparatus.
[0009]
[Means for Solving the Problems]
The method for predicting an air conditioning load in the heat storage air conditioning system according to
[0010]
The method for predicting the air conditioning load in the heat storage air conditioning system according to
[0011]
The method for predicting the air conditioning load in the heat storage air conditioning system according to
[0012]
The air-conditioning load prediction device for a heat storage air-conditioning system according to
[0014]
The air conditioning load predicting device for a heat storage air conditioning system according to
[0015]
The air-conditioning load prediction device for a heat storage air-conditioning system according to
[0016]
[Action]
If it is the air-conditioning load prediction method in the heat storage air-conditioning system of
[0018]
If it is the air-conditioning load prediction method in the heat storage air-conditioning system of
[0019]
If it is the air-conditioning load prediction method in the thermal storage air-conditioning system of
[0020]
If it is an air-conditioning load prediction apparatus in the heat storage air-conditioning system of
[0021]
Therefore, as compared with the case of predicting direct the air-conditioning load of the separate heat storage air conditioning system, a simple process, it is possible to predict the air conditioning load of the separate heat storage air conditioning system in a short period of time, moreover, the individual heat storage air conditioner Ru can be predicted accurately air-conditioning load of the system.
[0023]
If it is the air-conditioning load prediction apparatus in the heat storage air-conditioning system of
Therefore, compared to the case of directly predicting the air conditioning load of an individual heat storage air conditioning system, it is possible to predict the air conditioning load of an individual heat storage air conditioning system in a short time with a simple process. It is possible to accurately predict the air conditioning load of the system.
[0024]
If it is an air-conditioning load prediction apparatus in the heat storage air-conditioning system of
Therefore, compared to the case of directly predicting the air conditioning load of an individual heat storage air conditioning system, it is possible to predict the air conditioning load of an individual heat storage air conditioning system in a short time with a simple process. It is possible to accurately predict the air conditioning load of the system.
[0025]
DETAILED DESCRIPTION OF THE INVENTION
Hereinafter, with reference to an accompanying drawing, the embodiment of the air-conditioning load prediction method in the thermal storage air-conditioning system of this invention and its device is explained in detail.
[0026]
FIG. 1 is a flowchart for explaining an embodiment of a method for predicting an air conditioning load in a heat storage air conditioning system of the present invention.
[0027]
In step SP1, outside temperature heat data, indoor temperature data, and air conditioning load data of each heat storage air conditioning system are collected by time, and in step SP2, the total air conditioning load of the heat storage air conditioning system is calculated by summing each air conditioning load by time. In step SP3, the distribution ratio is calculated using each air conditioning load and the total air conditioning load. In step SP4, the distribution ratio is stored according to the total air conditioning load.
[0028]
By repeating the processing from step SP1 to step SP4, the proration ratio table shown in FIG. 2 can be completed.
[0029]
Next, in step SP5, learning of the relationship between the total air conditioning load, outside temperature heat data, and room temperature data is performed using a neural network or the like.
[0030]
Thereafter, in step SP6, the total air conditioning load of the next day is calculated from the outside air temperature heat data (for example, the predicted value of the outside air temperature heat data) and the indoor temperature data (for example, the actually measured value of the indoor heat data) using a neural network that has been learned in step SP6. In step SP7, the apportioning ratio is selected from the predicted total air conditioning load. In step SP8, the predicted air conditioning load of the individual heat storage air conditioning system is calculated using the predicted total air conditioning load and the selected apportioning ratio. calculate.
[0031]
If the predicted air conditioning load of the individual heat storage air conditioning system is calculated as described above, the optimum heat storage air conditioning system can be operated by operating the heat storage unit based on the calculated predicted air conditioning load. .
[0032]
Further explanation will be given.
[0033]
By repeating the processing from step SP1 to step SP4, the proration ratio table shown in FIG. 2 can be completed. Then, by repeating the processing from step SP1 to step SP5, learning of the relationship between the total air conditioning load, the outside air temperature heat data, and the indoor temperature data can be achieved.
[0034]
Therefore, after the distribution ratio table is completed and learning of the relationship between the total air conditioning load, the outside temperature heat data, and the room temperature data is achieved, it is only necessary to perform the processing after step SP6, and individual heat storage is easily performed. The air conditioning load of the air conditioning system can be predicted. However, it is preferable that the distribution ratio table is overwritten and updated after the distribution ratio table is completed, and the latest distribution ratio is always used.
[0035]
Next, the proportional distribution table will be described.
[0036]
There are two types of factors that cause fluctuations in the air conditioning load: effects inside the building such as heat sources such as electrical equipment and human bodies and the size of the room, and effects outside the building such as outside air temperature and solar radiation. Among these, the factors originating from the inside of the building are relatively small, whereas the factors originating from the outside of the building fluctuate from day to day and have a large effect.
[0037]
That is, the change in the air conditioning load in each room is largely caused by the change in the building external load. On the contrary, if the load outside the building is constant, the air conditioning load in each room is also constant, and the proration ratio is also constant.
[0038]
In addition, when affected by the outside of the building, the individual air conditioning zones in the building are located in various locations such as the inside, north side, south side, east side, west side, top floor side, and 1st floor side. There are various ways to be affected.
[0039]
For example, at the time of fine weather (high load), the top floor and the south side are more affected by direct sunlight than the first floor and the north side, the room temperature rises, and the air conditioning load increases. For this reason, the load distribution ratio increases on the top floor and the south side, and decreases on the first floor and the north side.
[0040]
Similarly, the window side of the building is more affected by the outside air temperature than the inside, and the room temperature is likely to change, while the inside is less likely to change.
[0041]
As described above, the individual air conditioning zones are different in the sensitivity to the influence of the outside air temperature thermal environment.
[0042]
And even if the outside air temperature thermal environment, that is, the air conditioning load as a whole increases by a certain amount, the rate of increase of the air conditioning load in each air conditioning zone differs for each position, so that the distribution ratio changes according to the total air conditioning load. Become.
[0043]
Specifically, when the air conditioning load data of the individual heat storage air conditioning system is 3, 7, 5, the proration ratio becomes 3/15, 7/15, 5/15, and the air conditioning of the individual heat storage air conditioning system When the load data is 7, 25, and 13, the proration ratio is 7/45, 25/45, and 13/45.
[0044]
Therefore, when the predicted total air conditioning load data is 41, the air conditioning load data of the individual heat storage air conditioning system is 41 × 7/45, using the
[0045]
In this case, even if the total air conditioning load is in the same range, it is preferable to maintain the proration ratio depending on the morning air conditioning load / afternoon air conditioning load (see FIG. 3).
[0046]
In addition, it is known that the time-dependent air-conditioning load is not the same every day and is greatly affected by the weather (temperature) of the day. If the time-dependent air conditioning load changes, the apportioning ratio should also change greatly. Therefore, it is preferable to store and manage the apportioning ratio in association with the weather as well as the total air-conditioning load. Here, the relationship between the weather and the air conditioning load can be summarized as shown in FIG. 4, and if there are “total air conditioning load” and “morning air conditioning load / afternoon air conditioning load” as air conditioning loads, Can be identified.
[0047]
In this case, the “total air conditioning load” and the “morning air conditioning load / afternoon air conditioning load” are divided into n and m, respectively, to define a two-dimensional space of n × m, and the distribution ratio is within this two-dimensional space. The storage address is generated from the position information and the time information, and stored according to the storage address (see FIG. 5).
[0048]
When extracting the stored apportioning ratio, a storage address for the appropriate apportioning ratio is generated from the “total air conditioning load”, “morning air conditioning load / afternoon air conditioning load”, and time information, and apportioning is performed using this storage address. The ratio is extracted (see FIG. 5). In this case, it is preferable to use an average value of eight neighboring values if the corresponding proration ratio is not stored, and to use an equal value if these neighboring values are not stored.
[0049]
In the above, the proportionality ratio is stored using the air conditioning load, but it is also possible to adopt the outside air temperature heat information (temperature, discomfort index, enthalpy, etc.) instead of the air conditioning load. In storing the proration ratio, it is possible not only to store the load average of the previous apportion ratio and the latest apportion ratio, but also to store the latest plural apportion ratios. In particular, when the latter storage method is employed, it is preferable to output an average value of these.
[0050]
In addition, the total air conditioning load can be predicted using a Kalman filter, exponential smoothing, or other prediction algorithms instead of the neural network.
[0051]
FIG. 6 is a block diagram showing a heat storage air conditioning system incorporating an embodiment of an air conditioning load prediction device in the heat storage air conditioning system of the present invention.
[0052]
A heat storage air conditioning system incorporating this air conditioning load prediction device includes a plurality of heat storage air conditioning systems (only a heat source is shown in the figure) 1 and an indoor thermal data detection unit (for example, a temperature sensor) 2 that detects indoor thermal data. An outside air temperature heat data detection unit (for example, a temperature sensor) 3 that detects outside air temperature heat data, a
[0053]
Since the operation of each part is the same as the processing content of each step in the above flowchart, detailed description thereof is omitted.
[0054]
Therefore, when the heat storage air conditioning system having the above-described configuration is adopted, it is possible to predict the air conditioning load of each heat storage air conditioning system simply and accurately using the proration ratio only by predicting the total air conditioning load. As a result, the prediction process can be simplified as compared with the case where the air conditioning load is predicted for each heat storage air conditioning system, and the air conditioning load of each heat storage air conditioning system can be obtained accurately. Of course, the time required to obtain the air conditioning load of each heat storage air conditioning system can be greatly shortened.
[0055]
【The invention's effect】
The invention of
[0057]
The invention of
[0058]
The invention of
[0059]
A fourth aspect of the present invention, as compared with the case of predicting direct the air-conditioning load of the separate heat storage air conditioning system, a simple process, it is possible to predict the air conditioning load of the separate heat storage air conditioning system in a short period of time, yet exhibits a unique effect that Ru can be predicted accurately air-conditioning load of the separate heat storage air conditioning system.
[0061]
The invention of
[0062]
The invention of
[Brief description of the drawings]
FIG. 1 is a flowchart illustrating an embodiment of a method for predicting an air conditioning load in a heat storage air conditioning system according to the present invention.
FIG. 2 is a diagram illustrating an example of a proration ratio table.
FIG. 3 is a diagram showing another example of a proration rate table.
FIG. 4 is a diagram showing a relationship between weather and air conditioning load.
FIG. 5 is a diagram illustrating storage and extraction of a proration rate.
FIG. 6 is a block diagram showing a heat storage air conditioning system incorporating an embodiment of an air conditioning load prediction device in the heat storage air conditioning system of the present invention.
[Explanation of symbols]
1 Thermal storage air conditioning system 8 Total air conditioning
Claims (6)
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| JP2000043601A JP4356175B2 (en) | 2000-02-16 | 2000-02-16 | Air conditioning load prediction method and apparatus in heat storage air conditioning system |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| JP2000043601A JP4356175B2 (en) | 2000-02-16 | 2000-02-16 | Air conditioning load prediction method and apparatus in heat storage air conditioning system |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| JP2001227795A JP2001227795A (en) | 2001-08-24 |
| JP4356175B2 true JP4356175B2 (en) | 2009-11-04 |
Family
ID=18566493
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| JP2000043601A Expired - Fee Related JP4356175B2 (en) | 2000-02-16 | 2000-02-16 | Air conditioning load prediction method and apparatus in heat storage air conditioning system |
Country Status (1)
| Country | Link |
|---|---|
| JP (1) | JP4356175B2 (en) |
Families Citing this family (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2008082642A (en) * | 2006-09-28 | 2008-04-10 | Shimizu Corp | Control device and control method of heat storage tank heat source system |
| JP2008082641A (en) * | 2006-09-28 | 2008-04-10 | Shimizu Corp | Control device and control method of heat storage tank heat source system |
| JP5559519B2 (en) * | 2009-11-30 | 2014-07-23 | アズビル株式会社 | Air conditioning load estimation device and air conditioning load estimation method |
| JP5374394B2 (en) * | 2010-01-14 | 2013-12-25 | 三菱電機ビルテクノサービス株式会社 | Air conditioning energy usage prorated system |
| JP7281265B2 (en) * | 2018-10-11 | 2023-05-25 | 三菱重工サーマルシステムズ株式会社 | Power Consumption Calculation Device, Air Conditioning System, Power Consumption Calculation Method and Program |
-
2000
- 2000-02-16 JP JP2000043601A patent/JP4356175B2/en not_active Expired - Fee Related
Also Published As
| Publication number | Publication date |
|---|---|
| JP2001227795A (en) | 2001-08-24 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| Zhang et al. | An IoT-based thermal model learning framework for smart buildings | |
| CN1884934B (en) | Air conditioner control device | |
| US8457933B2 (en) | Method for predicting cooling load | |
| Hu et al. | Model predictive control strategies for buildings with mixed-mode cooling | |
| Ferrara et al. | Energy systems in cost-optimized design of nearly zero-energy buildings | |
| Salimi et al. | Optimizing energy consumption and occupants comfort in open-plan offices using local control based on occupancy dynamic data | |
| CN108474577A (en) | Electronic device and its air-conditioning control method | |
| KR102051600B1 (en) | Real-time operation support methods to improve energy efficiency of building HVAC systems | |
| Daaboul et al. | Mixed-mode ventilation and air conditioning as alternative for energy savings: a case study in Beirut current and future climate | |
| KR101301123B1 (en) | Prediction method for cooling and heating load | |
| KR20160042669A (en) | Central control apparatus for controlling facilities, facility control system comprising the same, and method for controlling facilities | |
| KR20190102391A (en) | A method and apparatus for controlling the thermal energy system of a building by predicting individual satisfaction using an artificial neural network | |
| JP2953317B2 (en) | Air conditioning heat load prediction system | |
| JP4356175B2 (en) | Air conditioning load prediction method and apparatus in heat storage air conditioning system | |
| Shareef et al. | Urban block configuration and the impact on energy consumption: A case study of sinuous morphology | |
| Zhang et al. | Development of an ambient air temperature prediction model | |
| Muslmani et al. | Performance of combined displacement ventilation and cooled ceiling liquid desiccant membrane system in Beirut climate | |
| CN114764521A (en) | Garden building shape optimization method and system based on genetic algorithm | |
| Terrill et al. | Energy analysis of religious facilities in different climates through a long-term energy study | |
| Fallahpour et al. | Outdoor thermal comfort in urban neighbourhoods by coupling of building energy simulation and computational fluid dynamics | |
| CN107392381A (en) | A kind of railway vehicle air conditioner system energy consumption Forecasting Methodology, device and computer equipment | |
| Ghiaus | Equivalence between the load curve and the free-running temperature in energy estimating methods | |
| JP2019049404A (en) | Plan generation device, plan generation method, air conditioning system, and program | |
| CN115689382A (en) | Method for measuring and calculating urban building energy consumption by using urban morphology on macro scale | |
| CN103574856B (en) | Airconditioning control solution display unit and method |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20060928 |
|
| A977 | Report on retrieval |
Free format text: JAPANESE INTERMEDIATE CODE: A971007 Effective date: 20080908 |
|
| A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20080918 |
|
| A521 | Written amendment |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20081024 |
|
| A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20090309 |
|
| A521 | Written amendment |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20090403 |
|
| RD03 | Notification of appointment of power of attorney |
Free format text: JAPANESE INTERMEDIATE CODE: A7423 Effective date: 20090529 |
|
| TRDD | Decision of grant or rejection written | ||
| A01 | Written decision to grant a patent or to grant a registration (utility model) |
Free format text: JAPANESE INTERMEDIATE CODE: A01 Effective date: 20090714 |
|
| A01 | Written decision to grant a patent or to grant a registration (utility model) |
Free format text: JAPANESE INTERMEDIATE CODE: A01 |
|
| A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20090727 |
|
| FPAY | Renewal fee payment (event date is renewal date of database) |
Free format text: PAYMENT UNTIL: 20120814 Year of fee payment: 3 |
|
| FPAY | Renewal fee payment (event date is renewal date of database) |
Free format text: PAYMENT UNTIL: 20120814 Year of fee payment: 3 |
|
| FPAY | Renewal fee payment (event date is renewal date of database) |
Free format text: PAYMENT UNTIL: 20120814 Year of fee payment: 3 |
|
| FPAY | Renewal fee payment (event date is renewal date of database) |
Free format text: PAYMENT UNTIL: 20130814 Year of fee payment: 4 |
|
| LAPS | Cancellation because of no payment of annual fees |