JP6252673B2 - パラメータ学習装置およびパラメータ学習方法 - Google Patents
パラメータ学習装置およびパラメータ学習方法 Download PDFInfo
- Publication number
- JP6252673B2 JP6252673B2 JP2016518650A JP2016518650A JP6252673B2 JP 6252673 B2 JP6252673 B2 JP 6252673B2 JP 2016518650 A JP2016518650 A JP 2016518650A JP 2016518650 A JP2016518650 A JP 2016518650A JP 6252673 B2 JP6252673 B2 JP 6252673B2
- Authority
- JP
- Japan
- Prior art keywords
- parameter
- concentration
- learning
- design
- variation
- 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.)
- Active
Links
- 238000000034 method Methods 0.000 title claims description 26
- 238000013461 design Methods 0.000 claims description 139
- 230000008859 change Effects 0.000 claims description 123
- 238000009423 ventilation Methods 0.000 claims description 115
- 238000003860 storage Methods 0.000 claims description 71
- 238000005259 measurement Methods 0.000 claims description 58
- 230000014509 gene expression Effects 0.000 claims description 19
- 230000002123 temporal effect Effects 0.000 claims description 10
- 238000004364 calculation method Methods 0.000 description 62
- 230000020169 heat generation Effects 0.000 description 57
- 239000003570 air Substances 0.000 description 54
- 238000011156 evaluation Methods 0.000 description 39
- 238000004378 air conditioning Methods 0.000 description 18
- 238000010586 diagram Methods 0.000 description 17
- 238000012545 processing Methods 0.000 description 11
- 230000008569 process Effects 0.000 description 9
- 230000002596 correlated effect Effects 0.000 description 8
- 230000000694 effects Effects 0.000 description 8
- 230000006870 function Effects 0.000 description 6
- 230000000875 corresponding effect Effects 0.000 description 4
- 238000012886 linear function Methods 0.000 description 4
- 230000001276 controlling effect Effects 0.000 description 3
- 238000013480 data collection Methods 0.000 description 3
- 230000007423 decrease Effects 0.000 description 3
- 230000003247 decreasing effect Effects 0.000 description 3
- 238000007726 management method Methods 0.000 description 3
- 238000012986 modification Methods 0.000 description 3
- 230000004048 modification Effects 0.000 description 3
- 230000005540 biological transmission Effects 0.000 description 2
- 238000004891 communication Methods 0.000 description 2
- 238000001816 cooling Methods 0.000 description 2
- 238000009826 distribution Methods 0.000 description 2
- 241000282412 Homo Species 0.000 description 1
- 206010037660 Pyrexia Diseases 0.000 description 1
- 239000012080 ambient air Substances 0.000 description 1
- 238000002485 combustion reaction Methods 0.000 description 1
- 238000007599 discharging Methods 0.000 description 1
- 230000005611 electricity Effects 0.000 description 1
- 230000003203 everyday effect Effects 0.000 description 1
- 238000010438 heat treatment Methods 0.000 description 1
- 238000005286 illumination Methods 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 230000008520 organization Effects 0.000 description 1
- 238000005192 partition Methods 0.000 description 1
- 230000005855 radiation Effects 0.000 description 1
- 230000004044 response Effects 0.000 description 1
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 description 1
Images
Classifications
-
- F—MECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
- F24—HEATING; RANGES; VENTILATING
- F24F—AIR-CONDITIONING; AIR-HUMIDIFICATION; VENTILATION; USE OF AIR CURRENTS FOR SCREENING
- F24F7/00—Ventilation
- F24F7/007—Ventilation with forced flow
-
- F—MECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
- F24—HEATING; RANGES; VENTILATING
- F24F—AIR-CONDITIONING; AIR-HUMIDIFICATION; VENTILATION; USE OF AIR CURRENTS FOR SCREENING
- F24F11/00—Control or safety arrangements
- F24F11/89—Arrangement or mounting of control or safety devices
Description
本発明の実施の形態1のパラメータ学習装置は換気装置、空調機器の制御に使用されるパラメータを学習する装置である。図1は、本実施の形態1のパラメータ学習装置1を利用して換気装置2の運転を制御するシステムの構成図である。この図は、パラメータ学習装置1が、換気装置2と別のハードウェアで構成されている例を示している。パラメータ学習装置1は、入出力装置11、計測装置12、記憶装置13、演算装置14、制御指令出力装置15により構成される。なお、データの送受信または制御指令などの信号によって結ばれる部品間の信号の送受信は図中に点線で示した。
入力装置11は、管理者等のユーザによって行われた入力を受け入れて、記憶装置13に情報を書き込み、記憶装置13に保存されている情報を読み出して、ユーザに表示する装置である。入出力装置11が記憶装置13に書きこむ情報は、例えば、換気装置の管理情報、演算装置14でパラメータの学習演算を行う際に使用する学習条件等である。入出力装置11が記憶装置13から読み出す情報は、例えば入力結果、学習結果等である。これら情報の詳細については、(記憶装置13の詳細)で説明する。入出力装置11は、例えばキーボード、マウス、タッチパネル、スイッチ等の入力に用いる装置と、例えばディスプレイ等の出力に用いる装置とを有する。
計測装置12は、換気装置2の記憶装置2aに記憶されている換気装置2のファン2e、弁2f等の運転データと、CO2センサ3の計測データと、を収集する装置である。図1のように、パラメータ学習装置1と換気装置2とCO2センサ3とが異なるハードウェアで構成される場合は、それらの要素部品間がLAN、シリアルネットワーク、専用配線等の通信ネットワーク装置で接続される。
記憶装置13は、入出力装置11により入力されたデータと、計測装置12により計測されたデータと、演算装置14による演算結果を記憶する装置である。具体的には、メモリ、ハードディスクドライブ等である。記憶する情報の詳細については、後述の(記憶装置13の詳細)で説明する。
演算装置14は、記憶装置13からパラメータの学習に必要な各種データを読み出し、各種データからパラメータの学習を行い、その結果を記憶装置13に保存する装置である。具体的には、プロセッサ、演算用回路などである。演算内容の詳細については、後述の(演算装置14の詳細)で説明する。
制御指令出力装置15は、学習したパラメータを用いて、換気装置2、その他の空調設備の制御指令を決定し、その指令を制御対象装置へ出力する装置である。図1のように、パラメータ学習装置1と換気装置2が異なるハードウェアで構成される場合は、LAN、シリアルネットワーク、専用配線等の通信ネットワーク装置で制御指令出力装置15と制御対象装置とが接続される。なお、制御指令出力装置15を備えない構成としてもよい。制御指令出力装置15を備えないかわりに、他の装置に学習したパラメータ、そのパラメータを用いた信号を他の機器に出力して、他の機器でそれらの値、信号を利用するようにしてもよい。
記憶装置13は、演算装置14のモデルパラメータ学習部14aでのパラメータ学習に用いられる学習条件と、運転データ、計測データと、CO2濃度変化モデルと、を記憶する。
演算装置14は、モデルパラメータ学習部14aを備える。このモデルパラメータ学習部14aは、CO2濃度演算部、設計パラメータ学習部、変動パラメータ学習部を備える。演算装置14がCPU(中央演算処理装置)のプロセッサである場合、CO2濃度演算部、設計パラメータ学習部、変動パラメータ学習部はそれぞれ計算プログラムである。CPU以外の電気回路を利用して演算処理を行ってもよい。
図7は実施の形態2のパラメータ学習装置1の詳細構成図である。パラメータ学習装置1を備えたシステムの構成は実施の形態1の図1、図4〜図6で示した構成と同様である。本実施の形態2の構成は、実施の形態1の構成に、さらに将来のCO2濃度予測する機能を加えた構成である。以下、実施の形態1と同一の部分の説明は省略する。なお、図では運転データ、計測データを送信する換気装置2も示した。
CO2濃度予測部14bは、まず、将来の所定の期間における換気装置の運転予定を入力し、この運転予定に相当する換気量の時間変化を計算する。換気装置の運転予定のかわりに、換気量の時間変化そのものを与えてもよく、その場合には、この計算は不要である。次に、計算した換気量の時間変化を用いて、モデルパラメータ学習部14aのCO2濃度演算部と同様にモデル式を用いてCO2濃度を演算して、将来の所定の期間におけるCO2濃度の時間変化を得る。CO2濃度予測部14bでのCO2濃度の演算にモデルパラメータ学習部14aと共通の計算プログラムを利用してもよい。
図8は、本実施の形態2のCO2濃度予測の処理手順を示すフローチャートである。図には示していないが、入出力装置11または他の装置から予測を実行する指示が入力された場合、あるいは、あらかじめ設定された指定時刻または一定周期毎に予測処理を開始する。まず、ステップST11で、演算装置14は記憶装置13に記憶されているCO2濃度変化モデルの各パラメータ、モデル式と予測条件と将来の所定の期間における換気装置の運転予定とを読み込む。次のステップST12では、ステップST11で読み込んだデータを用いて、将来の所定の期間における換気装置の運転パターンに対応する換気量の時間変化を計算する。次のステップST13では、CO2濃度変化モデルの各パラメータ、換気量の時間変化をモデル式に入力して演算し、将来の所定の期間におけるCO2濃度の時間変化を予測する。CO2の発生量に相関する変動パラメータとして、過去のデータから学習したパラメータを将来も同じであるとして使用する。なお、特定の曜日などで変動パラメータが異なる場合は、将来の所定の期間が過去の特定の曜日の変動パラメータを使用すればよい。最後に、ステップST14は、CO2濃度予測結果を記憶装置13に保存する。
本実施の形態2により実現されるパラメータ学習装置1の有用性を示す例として、CO2濃度予測を利用した換気装置2の省エネ制御について説明する。換気装置2の従来の制御では、各時刻でその時点の外気温、CO2濃度等に応じて換気装置2への制御指令を決定する。このような制御の場合は、各時刻でその時点における省エネ化を図ることは可能であるが、例えば1日間等の長い期間での省エネ性が不十分である。なお、1日間としたのは一例であり、数時間、数日間など、将来のある時間帯を示すものであればよく、特に限定しない。
図10は、本発明の実施の形態3のパラメータ学習装置1の詳細構成図である。換気装置2、CO2センサ3との関係は、実施の形態1で説明した図1、4〜6と同一であるので説明は省略する。なお、図では運転データ、計測データを送信する換気装置2も示した。本実施の形態3において、パラメータ学習装置1は、建物内部の発熱量の時間変化を作成する。なお、この発熱量は建物内部で生じる平均的な値であり、その時間変化は内部発熱パターンとして作成される。
記憶装置13は、演算装置14のモデルパラメータ学習部14aでのパラメータ学習に用いられる学習条件と、運転データ、計測データと、CO2濃度変化モデルと、内部発熱パターンとを記憶する。
演算装置14は、モデルパラメータ学習部14aを備える。モデルパラメータ学習部14aは、CO2濃度演算部と設計パラメータ学習部と変動パラメータ学習部と内部発熱の時間変化演算部とを備える。なお、内部発熱の時間変化演算部はモデルパラメータ学習部14aの一部でなく独立していてもよい。内部発熱の時間変化演算部を備えた演算装置14のハードウェアとモデルパラメータ学習部14aを備えた演算装置14のハードウェアとが別々であってもよい。設計パラメータ学習部と変動パラメータ学習部の機能は、実施の形態1と同一である。
内部発熱の時間変化演算部は、内部発熱の平均的な時間変化を表す内部発熱パターンを演算し、その結果を記憶部13に記憶する。まず、変動パラメータ学習部の学習結果である在室人員の時間変化と、設計パラメータ学習部の学習結果である設計在室密度と、既知パラメータである床面積と、学習条件である1人あたりの発熱量とを、記憶装置13から読み込む。次に、前記在室人員の時間変化に、設計在室密度と床面積と1人あたりの発熱量をかけたものを計算し、これを内部発熱パターンとして記憶部13に記憶する。また、記憶部13に、在室人数に関係なく発生する内部発熱が記憶されている場合、前記計算した内部発熱パターンの各時刻のデータに、前記在室人数に関係なく発生する内部発熱を加えたものを、新たに内部発熱パターンとして記憶部13に記憶する。
図11は、本発明の実施の形態4のパラメータ学習装置1の詳細構成図である。換気装置2、CO2センサ3との関係は、実施の形態1で説明した図1、4〜6と同一であるので説明は省略する。なお、図では運転データ、計測データを送信する換気装置2も示した。本実施の形態4において、パラメータ学習装置1は、建物で使用される電力、つまり消費電力、の時間変化を作成する。この消費電力は建物全体で平均的な値であり、その時間変化は消費電力パターンとして作成される。
記憶装置13は、演算装置14のモデルパラメータ学習部14aでのパラメータ学習に用いられる学習条件と、運転データ、計測データと、CO2濃度変化モデルと、消費電力パターンとを記憶する。
演算装置14は、モデルパラメータ学習部14aを備える。モデルパラメータ学習部14aは、設計パラメータ学習部と変動パラメータ学習部と消費電力の時間変化演算部とを備える。なお、消費電力の時間変化演算部はモデルパラメータ学習部14aから独立していてもよい。消費電力の時間変化演算部を備えた演算装置14のハードウェアとモデルパラメータ学習部14aを備えた演算装置14のハードウェアとが別々であってもよい。設計パラメータ学習部と変動パラメータ学習部の機能は、実施の形態1と同一である。
消費電力の時間変化演算部は、消費電力の平均的な時間変化を表す消費電力パターンを演算し、その結果を記憶装置13に保存する。まず、変動パラメータ学習部の学習結果である在室人員の時間変化と、設計パラメータ学習部の学習結果である設計在室密度と、既知パラメータである床面積と、学習条件である1人あたりの消費電力を、記憶装置13から読み込む。次に、前記在室人員の時間変化に、設計在室密度と床面積と1人あたりの消費電力をかけたものを計算し、これを消費電力パターンとして記憶部13に記憶する。また、記憶部13に、在室人数に関係なく発生する消費電力が記憶されている場合、前記計算した消費電力パターンの各時刻のデータに、前記在室人数に関係なく発生する消費電力を加えたものを、新たに消費電力パターンとして記憶部13に記憶する。
Claims (6)
- 建物内の空気を換気する換気装置の時間変化P vent である運転データと、前記建物内のCO2濃度の計測データと、前記建物内のCO2の発生量に相関する在室人員の時間変化ρ occ である変動パラメータと、時間変化しない前記建物の天井高H、設計換気風量G v 、設計在室密度N occ 、隙間風相当換気回数G draft を含む設計パラメータとを記憶する記憶装置と、
前記変動パラメータと前記設計パラメータと前記運転データとから前記建物内のCO2濃度を演算する演算装置とを備え、
前記演算装置は、
前記設計パラメータの学習においては、前記変動パラメータを一定として、前記設計パラメータの変化を繰り返し、変化させた設計パラメータでCO2濃度を計算し、前記計算されたCO2濃度と前記計測データとを比較して両者の値の違いを計算し、前記値の違いをより減少させる前記変化させた設計パラメータで前記設計パラメータを更新するように学習し、
前記変動パラメータの学習においては、前記設計パラメータを一定として、前記変動パラメータの変化を繰り返し、変化させた変動パラメータでCO2濃度を計算し、前記計算されたCO2濃度と前記計測データとを比較して両者の値の違いを計算し、前記値の違いをより減少させる前記変化させた変動パラメータで前記変動パラメータを更新するように学習し、
前記設計パラメータと、前記変動パラメータと、前記運転データと、一人当たりのCO 2 発生量Mと、外気CO 2 濃度ρ o と、前記CO 2 濃度ρ z とで表される以下の数式1により、前記CO 2 濃度を計算し、前記設計パラメータと前記変動パラメータを学習する
ことを特徴とするパラメータ学習装置。
- 前記演算装置が前記変動パラメータを用いて将来のCO2濃度を予測計算することを特徴とする請求項1に記載のパラメータ学習装置。
- 前記演算装置が、将来の換気装置の運転予定を用いて将来のCO2濃度の時間変化を予測することを特徴とする請求項1または2に記載のパラメータ学習装置。
- 前記演算装置が、CO2発生量と前記建物内部の発熱量の相関関係式と、学習によって得た前記変動パラメータ及び前記設計パラメータを用いて、建物内部の発熱量の時間変化を演算することを特徴とする請求項1または2に記載のパラメータ学習装置。
- 前記演算装置が、CO2発生量と前記建物内部の消費電力の相関関係式と、学習によって得た前記変動パラメータ及び前記設計パラメータを用いて、建物内部の消費電力の時間変化を演算することを特徴とする請求項1または2に記載のパラメータ学習装置。
- 建物内の空気を換気する換気装置の時間変化P vent である運転データと、前記建物内のCO2濃度を計測するCO2センサの計測データと、CO2の発生量に相関する在室人員の時間変化ρ occ である変動パラメータと、時間変化しない前記建物の天井高H、設計換気風量G v 、設計在室密度N occ 、隙間風相当換気回数G draft を含む設計パラメータとを記憶し、
前記変動パラメータと前記設計パラメータと前記運転データとを用いて前記建物内のCO2濃度を演算し、
前記設計パラメータの学習においては、前記変動パラメータを一定として、前記設計パラメータの変化を繰り返し、変化させた設計パラメータでCO2濃度を計算し、前記計算されたCO2濃度と前記計測データとを比較して両者の値の違いを計算し、前記値の違いをより減少させる前記変化させた設計パラメータで前記設計パラメータを更新するように学習し、
前記変動パラメータの学習においては、前記設計パラメータを一定として、前記変動パラメータの変化を繰り返し、変化させた変動パラメータでCO2濃度を計算し、前記計算されたCO2濃度と前記計測データとを比較して両者の値の違いを計算し、前記値の違いをより減少させる前記変化させた変動パラメータで前記変動パラメータを更新するように学習し、
前記設計パラメータと、前記変動パラメータと、前記運転データと、一人当たりのCO 2 発生量Mと、外気CO 2 濃度ρ o と、前記CO 2 濃度ρ z とで表される以下の数式2により、前記CO 2 濃度を計算し、前記設計パラメータと前記変動パラメータを学習する
ことを特徴とするパラメータ学習方法。
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
PCT/JP2014/002490 WO2015173842A1 (ja) | 2014-05-12 | 2014-05-12 | パラメータ学習装置およびパラメータ学習方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
JPWO2015173842A1 JPWO2015173842A1 (ja) | 2017-04-20 |
JP6252673B2 true JP6252673B2 (ja) | 2017-12-27 |
Family
ID=54479418
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2016518650A Active JP6252673B2 (ja) | 2014-05-12 | 2014-05-12 | パラメータ学習装置およびパラメータ学習方法 |
Country Status (2)
Country | Link |
---|---|
JP (1) | JP6252673B2 (ja) |
WO (1) | WO2015173842A1 (ja) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US11408629B2 (en) | 2019-04-23 | 2022-08-09 | Lg Electronics Inc. | Artificial intelligence device |
US11614251B2 (en) | 2019-07-12 | 2023-03-28 | Lg Electronics Inc. | Indoor air quality control method and control apparatus using intelligent air cleaner |
Families Citing this family (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2017217131A1 (ja) * | 2016-06-15 | 2017-12-21 | 日本電気株式会社 | 建物熱モデル生成装置、建物熱モデル生成方法および建物熱モデル生成プログラム |
CN114761732B (zh) * | 2019-12-13 | 2024-03-19 | 三菱电机株式会社 | 模型共享系统、模型管理装置以及空调装置的控制装置 |
WO2022118855A1 (ja) * | 2020-12-04 | 2022-06-09 | パナソニックIpマネジメント株式会社 | 換気システム、及び、換気方法 |
US20240119296A1 (en) * | 2021-02-26 | 2024-04-11 | Nec Corporation | Learning device, learning method, and recording medium |
JP2022157502A (ja) * | 2021-03-31 | 2022-10-14 | ダイキン工業株式会社 | 機械学習器、換気制御装置、及び、換気制御方法 |
JP2024010879A (ja) * | 2022-07-13 | 2024-01-25 | cynaps株式会社 | 換気制御システム |
Family Cites Families (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JPH05265512A (ja) * | 1992-03-17 | 1993-10-15 | Hitachi Ltd | 学習型制御装置およびファジィ推論装置 |
JPH05264086A (ja) * | 1992-03-19 | 1993-10-12 | Hitachi Ltd | 空気調和装置およびその制御装置 |
AU1857700A (en) * | 1998-12-23 | 2000-07-31 | Vkr Holding A/S | Computer controlled method and system for controlled natural ventilation of a building |
US7147168B1 (en) * | 2003-08-11 | 2006-12-12 | Halton Company | Zone control of space conditioning system with varied uses |
US20070021947A1 (en) * | 2005-07-22 | 2007-01-25 | Honeywell International Inc. | Model tuning system |
JP5213749B2 (ja) * | 2009-02-17 | 2013-06-19 | アズビル株式会社 | モデル関数更新処理装置および方法 |
US9429923B2 (en) * | 2009-12-16 | 2016-08-30 | Commonwealth Scientific And Industrial Research Organisation | HVAC control system and method |
US20120064818A1 (en) * | 2010-08-26 | 2012-03-15 | Kurelowech Richard S | Heat recovery and demand ventilationsystem |
WO2013106573A1 (en) * | 2012-01-10 | 2013-07-18 | Enverid Systems, Inc | Methods and systems for managing air quality and energy use in air-conditioning systems |
-
2014
- 2014-05-12 JP JP2016518650A patent/JP6252673B2/ja active Active
- 2014-05-12 WO PCT/JP2014/002490 patent/WO2015173842A1/ja active Application Filing
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US11408629B2 (en) | 2019-04-23 | 2022-08-09 | Lg Electronics Inc. | Artificial intelligence device |
US11614251B2 (en) | 2019-07-12 | 2023-03-28 | Lg Electronics Inc. | Indoor air quality control method and control apparatus using intelligent air cleaner |
Also Published As
Publication number | Publication date |
---|---|
WO2015173842A1 (ja) | 2015-11-19 |
JPWO2015173842A1 (ja) | 2017-04-20 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
JP6252673B2 (ja) | パラメータ学習装置およびパラメータ学習方法 | |
US10353355B2 (en) | Indoor environment model creation device | |
US20170211830A1 (en) | Air-conditioning control system, air-conditioning planning device, and planning method | |
Aswani et al. | Reducing transient and steady state electricity consumption in HVAC using learning-based model-predictive control | |
CN109312951B (zh) | 空调机管理装置、热源设备管理装置、空调机管理方法以及热源设备管理方法 | |
JP6067602B2 (ja) | デマンド制御装置及びプログラム | |
Salimi et al. | Optimizing energy consumption and occupants comfort in open-plan offices using local control based on occupancy dynamic data | |
JPWO2015151363A1 (ja) | 空調システム、及び、空調設備の制御方法 | |
JP6581490B2 (ja) | 空調パラメータ生成装置、空調運用評価装置、空調パラメータ生成方法およびプログラム | |
JP2015012783A (ja) | エネルギー管理サーバ、エネルギー管理方法およびプログラム | |
US11029052B2 (en) | Operation device and method to control an air conditioner based on weather change patterns | |
CN103513632A (zh) | 能源管理系统 | |
KR101936633B1 (ko) | 공기조화기 및 그 제어방법 | |
JP2009020721A (ja) | 空調機の劣化判定装置、空調システム、劣化判定方法および劣化判定プログラム | |
EP3767190A1 (en) | Air-conditioning control device, air-conditioning system, air-conditioning control method, and program | |
JP6843720B2 (ja) | 計画生成装置、計画生成方法、空調システムおよびプログラム | |
WO2010103779A1 (ja) | 機器管理システム | |
JP6198953B2 (ja) | 管理装置、管理システム、管理方法、及び、プログラム | |
JP2023085077A (ja) | 需要調整管理サーバ、需要調整管理方法、需要調整管理プログラム | |
Narayanan et al. | Systems approach to energy efficient building operation: case studies and lessons learned in a university campus | |
Sala et al. | Occupancy forecasting for the reduction of HVAC energy consumption in smart buildings | |
Ikawa et al. | Regression model for estimating thermal resource usage in air conditioning systems: daily demand forecast by potential integral method, considering thermal inertia of room and weather conditions | |
Miyajima et al. | Dynamic Operation Planning Model of Air-Conditioning Based on Weather Forecast: Heat Resource Usage Considering Energy Saving and Room Comfort | |
Nazemi et al. | The Impact of Occupancy-Driven Models on Cooling Systems in Commercial Buildings. Energies 2021, 14, 1722 | |
Coraci | Adaptive Control Strategies for enhancing energy efficiency and comfort in buildings |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20161102 |
|
A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20161102 |
|
A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20170801 |
|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20170919 |
|
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: 20171031 |
|
A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20171113 |
|
R151 | Written notification of patent or utility model registration |
Ref document number: 6252673 Country of ref document: JP Free format text: JAPANESE INTERMEDIATE CODE: R151 |
|
R250 | Receipt of annual fees |
Free format text: JAPANESE INTERMEDIATE CODE: R250 |
|
R250 | Receipt of annual fees |
Free format text: JAPANESE INTERMEDIATE CODE: R250 |
|
R250 | Receipt of annual fees |
Free format text: JAPANESE INTERMEDIATE CODE: R250 |
|
R250 | Receipt of annual fees |
Free format text: JAPANESE INTERMEDIATE CODE: R250 |