JP6533952B2 - 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 - Google Patents

Description

本発明は、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、及びプログラムに関する。

１ヶ所あるいは数ヶ所の熱源発生プラントにて集中的に製造された熱源を一定地域内の多数の建物や施設に供給し、その熱エネルギーを利用して冷暖房を行うものは地域冷暖房と呼ばれている。例えば、代表的なものとして、都市ガス、電力、及びコジェネレーション・システムからの蒸気を一次エネルギーとして、冷水、温水、蒸気を生成し、これらを冷房用、暖房用、直接蒸気用の熱媒体として、オフィスビル等の施設に熱エネルギーを連続供給するものがあげられる。

一般的に、地域冷暖房プラント設備あるいは大型のプロセス製造設備においては、ユーティリティ設備は複数の異なるタイプのボイラや冷凍機、圧縮機、コージェネレータ、蓄熱槽等の熱源機器で構成されており、運転の自由度が大変大きい。従って、蒸気、温水、冷水等により熱源を上記設備で発生させる場合、それらの熱源機器の運用の仕方次第で、電力、都市ガス、燃料等の一次エネルギーの使用量が大きく変わる。

特に、地域冷暖房プラント設備のように、季節や昼夜等で熱負荷が大きく変動するような設備や、第一種エネルギー管理指定工場のようにエネルギー使用量の大きな工場では、省エネルギー効果が大きいと考えられ、電力料金やガス料金の自由化及び変動化に伴い、その価格体系を考慮してプラントシステムを最適に運用することにより、プラントの運用コストを大幅に削減することができる。

そこで、電力・熱需要予測システムの予測値に基づいて、この予測値を満足しながらいずれの熱源機器をどのような負荷で運転すれば一次エネルギーを最小化できるかを算出することで、最適運転計画の作成を行う運転計画最適化システムが望まれる。

ここで、各熱源機器において冷却水は設備冷却後に元の場所に戻されるため、冷却水の温度は、各熱源機器の負荷率及び効率（すなわち、燃料及び電力の消費特性）と相関を持っている。従って、冷却水の水温の予測は、各熱源機器の入出力特性を求める上で必要である。このように、運転計画作成のためには冷却水温が重要であるが、実際の冷凍能力は冷却水温に大きく依存しているにもかかわらず、熱源機器の冷凍能力に関しては、過去の実績を参考にして運転計画を作成しているのが現状である。

上記のような従来の技術として、例えば、特許文献１は、複数の熱源機器の冷却水の温度上昇及び冷却塔の汚れを冷却水入口温度測定手段及び冷却水出口温度測定手段によって測定及び検出し、冷却水入口温度測定手段及び冷却水出口温度測定手段の測定値に基づいて、熱源機器の冷却能力を推定する空気調和装置の運転方法を開示している。

特開平１０−３００１６３号公報

しかしながら、特許文献１の空気調和装置の運転方法においては、熱源機器の冷却水温の過去の実績値のみを使用して運転計画を作成しているため、現時点での冷却水温に大きく依存する熱源機器の冷凍能力、すなわち、熱源機器の入出力特性を正確に求めることができない。従って、特許文献１の運転方法は、精度の高い運転計画の作成ができない。

本発明の第１の態様によれば、本発明は、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であって、
予測モデルを生成するために、少なくとも１つの単位時間における外気温の実績値、少なくとも１つの単位時間における冷却水温の実績値、及び、少なくとも複数の単位時間における熱エネルギー需要の実績値を１組のパラメータとして、少なくとも複数組を取得する変量取得部と、
該取得した複数組のパラメータを使用して、外気温の実績値、冷却水温の実績値、及び熱エネルギー需要の実績値に基づいて、冷却水温についての予測モデルを生成する予測モデル生成部と、
少なくとも１つの単位時間における外気温の予測値と、少なくとも１つの単位時間における冷却水温の実績値と、少なくとも複数の単位時間における熱エネルギー需要の実績値を１組のパラメータとして使用して、該冷却水温の予測モデルを適用し、該熱源機器の冷却水温を予測する冷却水温予測部とを含む、熱源機器の冷却水温予測装置である。

本発明の第２の態様によれば、本発明は、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方法であって、
予測モデルを生成するために、少なくとも１つの単位時間における外気温の実績値、少なくとも１つの単位時間における冷却水温の実績値、及び、少なくとも複数の単位時間における熱エネルギー需要の実績値を１組のパラメータとして、少なくとも複数組を取得する変量取得部と、
該取得した複数組のパラメータを使用して、外気温の実績値、冷却水温の実績値、及び熱エネルギー需要の実績値に基づいて、冷却水温についての予測モデルを生成するステップと、
少なくとも１つの単位時間における外気温の予測値と、少なくとも１つの単位時間における冷却水温の実績値と、少なくとも複数の単位時間における熱エネルギー需要の実績値を１組のパラメータとして使用して、該冷却水温の予測モデルを適用し、該熱源機器の冷却水温を予測するステップとを含む、熱源機器の冷却水温予測方法である。

本発明の第３の態様によれば、本発明は、プロセッサとメモリとを含むコンピュータの該プロセッサ上で実行されたときに、該コンピュータを、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として動作させるソフトウェアプログラムであって、該装置は、
予測モデルを生成するために、少なくとも１つの単位時間における外気温の実績値、少なくとも１つの単位時間における冷却水温の実績値、及び、少なくとも複数の単位時間における熱エネルギー需要の実績値を１組のパラメータとして、少なくとも複数組を取得する変量取得部と、
該取得した複数組のパラメータを使用して、外気温の実績値、冷却水温の実績値、及び熱エネルギー需要の実績値に基づいて、冷却水温についての予測モデルを生成する予測モデル生成部と、
少なくとも１つの単位時間における外気温の予測値と、少なくとも１つの単位時間における冷却水温の実績値と、少なくとも複数の単位時間における熱エネルギー需要の実績値を１組のパラメータとして使用して、該冷却水温の予測モデルを適用し、該熱源機器の冷却水温を予測する冷却水温予測部とを含む、熱源機器の冷却水温予測ソフトウェアプログラムである。

その他、本願が開示する課題、及びその解決方法は、発明を実施するための形態の欄の記載、及び図面の記載等により明らかにされる。

本発明に係る装置及び方法は、各熱源機器の負荷率及び効率（燃料及び電力の消費特性）と相関を持つ熱源機器の冷却水温を予測するものである。従って、冷却水温に大きく依存する熱源機器の冷凍能力を正確に求めることができ、精度の高い運転計画を作成することができる。

さらに、本発明に係る装置及び方法は、冷却水の水温予測の過程でフィードバックとして作用する熱需要を予測モデルに取り込んでいるため、熱需要の増加率（勾配）が温度変化の値では補えない部分を補足する補正項として作用し、より正確な冷却水温の予測が可能となる。従って、熱源機器の入出力特性をより正確に求めることができ、より精度の高い運転計画を作成することができる。

本発明に従った複数の熱源機器を含む熱源機器ネットワークを示す図である。 本願発明に従った熱源機器ネットワークの運転計画を最適化するためのシステムの概念図である。 需要予測部のハードウェア構成の機能ブロック図を示している。 需要予測部のソフトウェア構成を示す図である。 外気冷房（ナイトパージ）ブロックの動作を示す概念図である。 比エンタルピ予測ブロック及び外気冷房（ナイトパージ）ブロックによって行われる排熱量予測の概念図である。 外気冷房（ナイトパージ）制御装置を示す機能ブロック図である。 建物外のθ_ｏｕｔ（ｔ）の予測値、湿度ｈｕｍ_ｏｕｔ（ｔ）の予測値、空気密度ρ^ｏｕｔ、及び比エンタルピｈ^ｏｕｔ（ｔ）、建物内の気温θ_ｉｎ（ｔ）の予測値、湿度ｈｕｍ_ｉｎ（ｔ）の予測値、空気密度ρ^ｉｎ、及び比エンタルピをｈ^ｉｎ（ｔ）、換気量をＶＶ（ｔ）、及び排熱量の関係を示す図である。 各熱源機器の冷却水温予測の概念図である。 式（１０）で示される予測モデルを用いて予測した冷却水温の予測値と実績値との比較を示す図である。 機器特性モデル化ブロックの概念図である。 熱源機器の成績係数（ＣＯＰ）を示す図である。 熱源機器の機器モデルを示す図である。 電動冷凍機（ＥＲＵ）の機器モデルを示す図である。 ガス吸収式冷温水機（ＧＡＢ）の機器モデルを示す図である。 排熱投入型吸収冷温水機（ＥＸＨ）の排熱回収特性を示す図である。 排熱投入型吸収冷温水機（ＥＸＨ）のＣＯＰ特性を示す図である。 発電設備（ＥＧＥ）及び排熱投入型吸収冷温水機（ＥＸＨ）の機能ブロック図である。 電動冷凍機（ＥＲＵ）の機能ブロック図である。 ガス吸収式冷温水機（ＧＡＢ）の機能ブロック図である。 本発明に従った熱源機器ネットワークの運転計画の最適化方法のフローチャートである。 本発明に従った熱源機器ネットワークの運転計画の最適化方法のフローチャートである。

本発明は様々な変更形態及び代替形態が可能であるが、本発明の一例としての実施形態が実施例として図面に示されており、本明細書で詳細に説明される。しかし、一例としての実施形態の本明細書における説明は、開示された特定の形態に本発明を限定することを意図するものではなく、本発明は、特許請求の範囲によって規定された本発明の趣旨及び範囲に入る全ての変更形態、同等形態、及び代替形態を含む。

第１図は、本発明に従った複数の熱源機器を含む熱源機器ネットワークを示す図である。

熱源機器ネットワーク１００は、受電設備１０２、燃料供給設備１０４、電気負荷１０６、電動冷凍機１０８、発電設備１１０、排熱投入型吸収冷温水機１１２、ガス吸収式冷温水機１１４、及び空調負荷１１６を含む。

受電設備１０２は、ｔ番目（ｔ＝１，…，ｎ）の単位時間ｔにおいて、総計Ｐ_ｒｅｃ（ｔ）の電力を外部から受け取り、電力Ｐ_ｒｅｃｌ（ｔ）を電気負荷（ＥＬ）１０６に供給し、電力Ｐ_{ｒｅｃｒｅ}（ｔ）を電動冷凍機（ＥＲＵ）１０８に供給する。燃料供給設備（ＦＳＦ）１０４は、合計Ｆ_Ｓ（ｔ）の供給燃料のうち、燃料Ｆ_ＳＥＧＥ（ｔ）を発電設備（ＥＧＥ）１１０に供給し、燃料Ｆ_ＳＥＸＨ（ｔ）を排熱投入型吸収冷温水機（ＥＸＨ）１１２に供給し、燃料Ｆ_ＳＧＡＢ（ｔ）をガス吸収式冷温水機（ＧＡＢ）１１４に供給する。発電設備（ＥＧＥ）１１０は、発電電力Ｐ_ＥＧ（ｔ）のうち、電力Ｐ_ＥＧｌ（ｔ）を電気負荷（ＥＬ）１０６に供給し、電力Ｐ_ＥＧＥＲ（ｔ）を電動冷凍機（ＥＲＵ）１０８に供給する。また、発電設備（ＥＧＥ）１１０は、排熱Ｈ_ｈＥＧ（ｔ）を排熱投入型吸収冷温水機（ＥＸＨ）１１２に供給する。電動冷凍機（ＥＲＵ）１０８は、冷水により冷熱Ｈ_ｃＥＲＵ（ｔ）を空調負荷１１６に供給し、ガス吸収式冷温水機（ＧＡＢ）１１４は、冷温水により冷熱Ｈ_ｃＧＡＢ（ｔ）を空調負荷１１６に供給する。排熱投入型吸収冷温水機（ＥＸＨ）１１２は、燃料供給設備（ＦＳＦ）１０４から供給された燃料Ｆ_ＳＥＸＨ（ｔ）と発電設備（ＥＧＥ）１１０から供給された排熱Ｈ_ｈＥＧ（ｔ）を使用して、冷温水により冷熱Ｈ_ｃＥＸＨ（ｔ）を空調負荷１１６に供給する。

動作中、発電設備（ＥＧＥ）１１０は、温度Ｔ_ＥＧＥ（ｔ）の冷却水で設備を冷却しつつ、指定された負荷率ｘ_ＥＧＥ（ｔ）に応じた電力Ｐ_ＥＧ（ｔ）を生成する。また、発電設備（ＥＧＥ）１１０は、負荷率ｘ_ＥＧＥ（ｔ）に応じた排熱Ｈ_ｈＥＧ（ｔ）を排熱投入型吸収冷温水機（ＥＸＨ）１１２に供給する。電動冷凍機（ＥＲＵ）１０８は、温度Ｔ_ＥＲＵ（ｔ）の冷却水で設備を冷却しつつ、指定された負荷率ｘ_ＥＲＵ（ｔ）に応じた冷熱Ｈ_ｃＥＲＵ（ｔ）を生成する。排熱投入型吸収冷温水機（ＥＸＨ）１１２は、温度Ｔ_ＥＸＨ（ｔ）の冷却水で設備を冷却しつつ、指定された負荷率ｘ_ＥＸＨ（ｔ）に応じた冷熱Ｈ_ｃＥＸＨ（ｔ）を生成する。排熱投入型吸収冷温水機（ＥＸＨ）１１２の排熱回収特性は、負荷率ｘ_ＥＸＨ（ｔ）に依存して決まる。ガス吸収式冷温水機（ＧＡＢ）１１４は、温度Ｔ_ＧＡＢ（ｔ）の冷却水で設備を冷却しつつ、指定された負荷率ｘ_ＧＡＢ（ｔ）に応じた冷熱Ｈ_ｃＧＡＢ（ｔ）を生成する。また、各設備には冷却ポンプ等の補機が装備ざれており、これらの動力である電気は、受電設備及び発電設備で供給される。

単位時間ｔにおける電力需要をＰ_ｄ（ｔ）、熱需要をＨ_ｄ（ｔ）とすると、熱源機器ネットワーク１００は、
Ｐ_ｒｅｃ（ｔ）＝Ｐ_ｒｅｃｌ（ｔ）＋Ｐ_{ｒｅｃｒｅ}（ｔ） （１）
Ｐ_ＥＧ（ｔ）＝Ｐ_ＥＧｌ（ｔ）＋Ｐ_ＥＧＥＲ（ｔ） （２）
Ｆ_Ｓ（ｔ）＝Ｆ_ＳＥＧＥ（ｔ）＋Ｆ_ＳＥＸＨ（ｔ）＋Ｆ_ＳＧＡＢ（ｔ） （３）
Ｐ_ｒｅｃｌ（ｔ）＋Ｐ_{ｒｅｃｒｅ}（ｔ）＋Ｐ_ＥＧｌ（ｔ）＋Ｐ_ＥＧＥＲ（ｔ）＝Ｐ_ｄ（ｔ） （４）
Ｈ_ｃＥＲＵ（ｔ）＋Ｈ_ｃＥＸＨ（ｔ）＋Ｈ_ｃＧＡＢ（ｔ）＝Ｈ_ｄ（ｔ） （５）
を満たす必要がある。

第２図は、本願発明に従った熱源機器ネットワークの運転計画を最適化するためのシステムの概念図である。

本発明の最適化システム２００は、電力需要予測ブロック２０２、熱需要予測ブロック２０４、外気冷房（ナイトパージ）ブロック２０６、比エンタルピ予測ブロック２０８、冷却水温予測ブロック２１０、機器特性モデル化ブロック２１２、需要計算ブロック２１４、熱源機器運転計画最適化ブロック２１６、実績データ入力ブロック２１８、計画・予測データ入力ブロック２２０、熱源機器・補機類諸元入力ブロック２２２、熱源機器特性データ入力ブロック２２４、運転計画作成諸元入力ブロック２２６、及び運転計画出力ブロック２２８を含む。

実績データ入力ブロック２１８及び計画・予測データ入力ブロック２２０の入力データは、各種予測ブロック２０２乃至２０８において使用される。実績データ入力ブロック２１８では、カレンダー情報、建物内外の気温θ_ｉｎ及びθ_ｏｕｔの実績値（ｔ−１以前のデータ）、建物内外の湿度ｈｕｍ_ｉｎ及びｈｕｍ_ｏｕｔの実績値、各熱源機器の冷却水温Ｔの実績値、建物内に入る人の数、イベント情報、熱源機器別の需要の実績値、及び換気熱量ＶＱの実績値が入力される。計画・予測データ入力ブロック２２０では、カレンダー情報、建物内外の気温θ_ｉｎ（ｔ）及びθ_ｏｕｔ（ｔ）の予測値、建物内外の湿度ｈｕｍ_ｉｎ（ｔ）及びｈｕｍ_ｏｕｔ（ｔ）の予測値、建物に入る人の数ＮＰ（ｔ）の予測値、イベント情報、及び換気熱量ＶＱ（ｔ）の予測値が入力される。実績データ入力ブロック２１８の入力データは、電力需要予測ブロック２０２、熱需要予測ブロック２０４、及び冷却水温予測ブロック２１０に供給される。計画・予測データ入力ブロック２２０の入力データは、電力需要予測ブロック２０２、熱需要予測ブロック２０４、外気冷房（ナイトパージ）ブロック２０６、比エンタルピ予測ブロック２０８、及び冷却水温予測ブロック２１０に供給される。

機器特性データとしての成績係数（ＣＯＰ）は、機器特性モデル化ブロック２１２に供給される。機器特性モデル化ブロック２１２は、各熱源機器の負荷率ｘ（ｔ）及び各熱源機器の冷却水温Ｔ（ｔ）の関数として、各熱源機器（ｉ＝１，…，ｍ）の熱源機器モデルＣＯＰ（ｉ，ｘ（ｉ，ｔ），Ｔ（ｉ，ｔ））を計算する。

電力需要予測ブロック２０２での電力需要予測は、周知の方法で行われる。

第３図は、需要予測部のハードウェア構成の機能ブロック図を示している。

需要予測部３００は、ＣＰＵ３０２、メモリ３０４、記憶装置３０６、インタフェース３０８、入力装置３１０、及び出力装置３１２を含む。ＣＰＵ３０２は、記憶装置３０６に記憶されているプログラムをメモリ３０４に読み出して実行することにより各種の機能を実現する。メモリ３０４は、例えば、ランダム・アクセス・メモリ（ＲＡＭ：ｒａｎｄｏｍ ａｃｃｅｓｓ ｍｅｍｏｒｙ）及び／又は読取り専用メモリ（ＲＯＭ：ｒｅａｄ ｏｎｌｙ ｍｅｍｏｒｙ）を含む。記憶装置３０６は、テープ・ドライブ、フロッピー（登録商標）・ドライブ、ハード・ディスク・ドライブ又はコンパクト・ディスク・ドライブを含む。インタフェース３０８は、センサ３１４と接続する、例えば、シリアルケーブルや通信ケーブル等を接続するためのインタフェースである。センサ３１４は、外気温θ_ｏｕｔを測定するセンサであってもよい。需要予測部３００は、インタフェース３０８を介してセンサ３１４から外気温θ_ｏｕｔの測定値を取得することができる。

入力装置３１０は、データの入力を受け付ける、例えば、キーボードやマウス、トラックボール、タッチパネル、マイクロフォン等を含む。出力装置１０６は、データを出力する、例えば、ディスプレイやプリンタ、スピーカ等を含む。

第４図は、需要予測部のソフトウェア構成を示す図である。

需要予測部４００は、データベース４０２、実績データ（実測値）期間入力部４０４、実績データ取得部４０６、及びパラメータ推計部４０８を含む。

データベース４０２は、外気温θ_ｏｕｔの実績値を含む、熱需要予測に必要なデータを記憶する。データベース４０２には、年月日、曜日、時刻、休日等のカレンダー情報が記憶されており、そのカレンダー情報の中の日付及びある特定の単位時間ｔに関連させた形で、その単位時間ｔ以前の単位時間、例えば、単位時間ｔ−１及びｔ−２における、外気温θ_ｏｕｔの実績値、建物内空気の温度（内気温）θ_ｉｎの実績値、建物外の湿度（外湿度）ｈｕｍ_ｏｕｔの実績値、建物内の湿度（内湿度）ｈｕｍ_ｉｎの実績値、熱需要Ｈ_ｄの実績値、換気熱量ＶＱの実績値、建物内の目標設定温度、建物に入る人の数ＮＰ、及びイベントの有無ＩＶが記憶される。

換気熱量ＶＱ（ｔ）は、単位時間ｔにおいて建物を換気したことにより変化した熱量として算出される。比エンタルピは温度と湿度とから算出することができる。また、空気密度は温度と大気圧とから算出することができる。

単位時間ｔにおいて建物外から取り入れられた熱量Ｄ^ｉｎ（ｔ）は、建物外の空気の比エンタルピをｈ^ｏｕｔ（ｔ）［ｋＪ／ｋｇ］、建物外の空気の空気密度をρ^ｏｕｔ［ｋｇ／ｍ^３］、換気量をＶＶ（ｔ）［ｍ^３］とすると、
Ｄ^ｉｎ（ｔ）＝ｈ^ｏｕｔ（ｔ）×ρ^ｏｕｔ×ＶＶ（ｔ） （６）
により求めることができる。

また、単位時間ｔにおいて建物外に排出された熱量Ｄ^ｏｕｔ（ｔ）は、建物内の空気の比エンタルピをｈ^ｉｎ（ｔ）［ｋＪ／ｋｇ］、建物内の空気の空気密度をρ^ｉｎ［ｋｇ／ｍ^３］、換気量をＶＶ（ｔ）［ｍ^３］とすると、
Ｄ^ｏｕｔ（ｔ）＝ｈ^ｉｎ（ｔ）×ρ^ｉｎ×ＶＶ（ｔ） （７）
により求めることができる。

従って、換気熱量ＶＱ（ｔ）は、
ＶＱ（ｔ）＝Ｄ^ｉｎ（ｔ）−Ｄ^ｏｕｔ（ｔ） （８）
により求めることができる。

本発明では、ＣＰＵ３０２は、計画・予測データ入力ブロック２２０から取得した単位時間ｔにおける建物外の気温θ_ｏｕｔ（ｔ）の予測値及び建物外の湿度ｈｕｍ_ｏｕｔ（ｔ）に基づいて建物外の空気の比エンタルピｈ^ｏｕｔ（ｔ）の予測値を算出し、計画・予測データ入力ブロック２２０から取得した単位時間ｔにおける建物内の気温θ_ｉｎ（ｔ）の予測値及び建物内の湿度ｈｕｍ_ｉｎ（ｔ）に基づいて建物内の空気の比エンタルピｈ^ｉｎ（ｔ）の予測値を算出する。ＣＰＵ３０２は、また、単位時間ｔにおいて換気が行われた場合にはＶＶ（ｔ）の値を取得し、換気が行われていない場合にはＶＶ（ｔ）を０とする。ＣＰＵ３０２は、所定の大気圧と、建物内外の気温θ_ｉｎ（ｔ）及びθ_ｏｕｔ（ｔ）に基づいて建物内外の空気の空気密度をρ^ｉｎ及びρ^ｏｕｔを算出する。ＣＰＵ３０２は、上記式に建物外の空気の比エンタルピをｈ^ｏｕｔ（ｔ）、建物外の空気の空気密度をρ^ｏｕｔ及び換気量ＶＶ（ｔ）を適用して、単位時間ｔにおいて建物外から取り入れられた熱量Ｄ^ｉｎ（ｔ）を算出し、上記式に建物内の空気の比エンタルピをｈ^ｉｎ（ｔ）、建物内の空気の空気密度をρ^ｉｎ及び換気量ＶＶ（ｔ）を適用して、単位時間ｔにおいて建物外に排出された熱量Ｄ^ｏｕｔ（ｔ）を算出し、上記式により換気熱量ＶＱ（ｔ）を算出する。

実績データ取得部４０６は、予測を行う単位時間を実績データ期間入力部４０４から取得し、パラメータ推計に用いる実績データのセットをデータベース４０２から取得する。パラメータ推計部４０８は、熱需要の予測モデルに用いるパラメータのセットを推計する。熱需要の予測値Ｈ_ｄ ^＊（ｔ）の予測モデルは、式
Ｈ_ｄ ^＊（ｔ）＝ｋ_０＋ｋ_１・θ_ｏｕｔ（ｔ）＋ｋ_２・ｈｕｍ_ｏｕｔ（ｔ）＋ｋ_３・ＮＰ（ｔ）＋ＶＱ（ｔ） （９）
によって表される。ここで、ｋ_０は定数であり、ｋ_１、ｋ_２、及びｋ_３は回帰係数である。パラメータ推計部４０８は、変量のセットΩ_１＝［θ_ｏｕｔ（ｔ），ｈｕｍ_ｏｕｔ（ｔ），ＮＰ（ｔ），ＶＱ（ｔ）］の多数のサンプルを使用して、定数ｋ_０及び回帰係数ｋ_１、ｋ_２、及びｋ_３の推計を行い、推計処理は、一般的な回帰分析の手法により行われる。代替的に、推計処理は、ＬＭＳアルゴリズムを用いて適応的に行われてもよい。

パラメータ推計部４０８は、推計したパラメータのセットＫ＝［ｋ_０，ｋ_１，ｋ_２，ｋ_３］をデータベース４０２に格納する。ＣＰＵ３０２は、単位時間ｔにおける変量のセットΩ_１＝［θ_ｏｕｔ（ｔ），ｈｕｍ_ｏｕｔ（ｔ），ＮＰ（ｔ），ＶＱ（ｔ）］に格納したパラメータのセットＫ＝［ｋ_０，ｋ_１，ｋ_２，ｋ_３］を適用して、熱需要の予測値Ｈ_ｄ ^＊（ｔ）を計算する。

建物に入る人の数ＮＰが増えれば熱需要も増加するが、小売店や飲食店等の店舗においては、経験的に、曜日や時間帯によって来客数が変動する。また、建物のエリア内においてイベントが開催された場合には通常とは異なる人の数ＮＰとなるが、イベントの有無を表すＩＶも考慮される。上記の予測モデルによれば、曜日や時間帯、イベントの有無を考慮することで、熱需要の予測値の精度が向上する。

第５図は、外気冷房（ナイトパージ）ブロック２０６の動作を示す概念図である。

第６図は、比エンタルピ予測ブロック２０８及び外気冷房（ナイトパージ）ブロック２０６によって行われる排熱量予測の概念図である。

第２図及び第６図を参照すると、比エンタルピ予測ブロック２０８は、実績データ入力ブロック２１８からカレンダー情報、建物内外の気温θ_ｉｎ及びθ_ｏｕｔの実測値（ｔ−１以前のデータ）、及び建物内外の湿度ｈｕｍ_ｉｎ及びｈｕｍ_ｏｕｔの実測値を取得し、計画・予測データ入力ブロック２２０からカレンダー情報、建物内外の気温θ_ｉｎ（ｔ）及びθ_ｏｕｔ（ｔ）の予測値、及び建物内外の湿度ｈｕｍ_ｉｎ（ｔ）及びｈｕｍ_ｏｕｔ（ｔ）の予測値を取得する。上記のように、比エンタルピ予測ブロック２０８は、単位時間ｔにおける建物外の気温θ_ｏｕｔ（ｔ）の予測値及び建物外の絶対湿度ｈｕｍ_ｏｕｔ（ｔ）に基づいて建物外の空気の比エンタルピをｈ^ｏｕｔ（ｔ）の予測値を算出し、単位時間ｔにおける建物内の気温θ_ｉｎ（ｔ）の予測値及び建物内の絶対湿度ｈｕｍ_ｉｎ（ｔ）に基づいて建物内の空気の比エンタルピをｈ^ｉｎ（ｔ）の予測値を算出する。比エンタルピ予測ブロック２０８は、予測した建物内外の空気の比エンタルピｈ^ｉｎ（ｔ）及びｈ^ｏｕｔ（ｔ）を外気冷房（ナイトパージ）ブロック２０６に供給する。

第７図は、外気冷房（ナイトパージ）制御装置を示す機能ブロック図である。

外気冷房（ナイトパージ）ブロック２０６は、実績データ入力ブロック２１８から取得した建物外の気温θ_ｏｕｔの実績値及び建物外の湿度ｈｕｍ_ｏｕｔに基づいて建物外の空気のエンタルピの実績値を算出し、実績データ入力ブロック２１８から取得した建物内の気温θ_ｉｎの実績値及び建物内の湿度ｈｕｍ_ｉｎに基づいて建物内の空気のエンタルピの実績値を算出する。外気冷房（ナイトパージ）ブロック２０６は、比エンタルピ予測ブロック２０８から建物外の空気のエンタルピの予測値及び建物外の空気のエンタルピの予測値を取得する。

ナイトパージ時間帯判定装置７０４は、比エンタルピ予測ブロック２０８から取得した建物外の空気の比エンタルピをｈ^ｏｕｔ（ｔ）の予測値及び建物内の空気の比エンタルピをｈ^ｉｎ（ｔ）の予測値に基づいて各単位時間ｔにおけるエンタルピ差予測値を算出し、ナイトパージ設定装置７０２で設定された基準エンタルピ差以上のエンタルピ差があり、最もエンタルピ差の大きい単位時間を選択する。ナイトパージ実行判定装置７０６は、ナイトパージ設定装置７０２で設定されたナイトパージの基準エンタルピ差に基づいて、ナイトパージ時間帯判定装置７０４によって求められたナイトパージ実行時間帯の予測エンタルピ差が最大となる単位時間から、又は、基準エンタルピ差を越える予測単位時間から、建物内の空気のエンタルピの実績値から建物外の空気のエンタルピの実績値を減じた差が基準エンタルピ差を越えているか否かを判定する。タイマ装置７０８は、ナイトパージ実行判定装置７０６が判定した、建物内外のエンタルピ差の実績値の間の差が基準エンタルピ差を越えている単位時間を検出し、検出した単位時間をナイトパージ実行判定装置７０６に送る。ナイトパージ実行判定装置７０６は、タイマ装置７０８が検出した単位時間からナイトパージ設定装置７０２で設定されたナイトパージ継続時間が経過した場合にナイトパージの終了の判定を行う。

外気冷房（ナイトパージ）ブロック２０６の排熱量予測ブロック６０８は、建物外の空気の比エンタルピｈ^ｏｕｔ（ｔ）の予測値、建物外の空気の空気密度ρ^ｏｕｔ、及び予定換気量ＶＶ（ｔ）に基づいて、単位時間ｔにおいて建物外から取り入れられた熱量Ｄ^ｉｎ（ｔ）の予測値を算出し、建物内の空気の比エンタルピｈ^ｉｎ（ｔ）の予測値、建物内の空気の空気密度ρ^ｉｎ、及び予定換気量ＶＶ（ｔ）に基づいて、単位時間ｔにおいて建物外に排出された熱量Ｄ^ｏｕｔ（ｔ）の予測値を算出する。排熱量予測ブロック６０８は、建物外から取り入れられた熱量Ｄ^ｉｎ（ｔ）の予測値から建物外に排出された熱量Ｄ^ｏｕｔ（ｔ）の予測値を減じて、換気熱量ＶＱ（ｔ）の予測値を算出し、これに基づいて、排熱量の予測値を求める。

第８図は、建物外のθ_ｏｕｔ（ｔ）の予測値、湿度ｈｕｍ_ｏｕｔ（ｔ）の予測値、空気密度ρ^ｏｕｔ、及び比エンタルピｈ^ｏｕｔ（ｔ）、建物内の気温θ_ｉｎ（ｔ）の予測値、湿度ｈｕｍ_ｉｎ（ｔ）の予測値、空気密度ρ^ｉｎ、及び比エンタルピをｈ^ｉｎ（ｔ）、換気量をＶＶ（ｔ）、及び排熱量の関係を示す図である。

排熱量の予測値を求めると、熱需要の予測値Ｈ_ｄ ^＊（ｔ）のうちどれだけを外気冷房で賄えるかを予測することができる。上記のように、電力需要予測ブロック２０２、熱需要予測ブロック２０４、外気冷房（ナイトパージ）ブロック２０６、及び比エンタルピ予測ブロック２０８を取り込むことにより、より正確な電力需要Ｐ_ｄ（ｔ）及び熱需要Ｈ_ｄ（ｔ）を計算することができる。

第９図は、各熱源機器の冷却水温予測の概念図である。

本発明では、各熱源機器の運転効率を上げるために、各熱源機器の冷却水温Ｔ（ｉ，ｔ）の予測精度の向上を図る。冷熱負荷が大きく、負荷変動の大きいビルやデパート等の空調には複数の熱源機器が設置されており、コストが小さくなるなどの目的に沿って運転計画を作成して、これに基づいて熱源機器の運転を行っている。熱源機器の冷凍能力に関しては、過去の実績を参考にして運転計画を作成しているのが現状であるが、実際の冷凍能力は冷却水温に大きく依存している。運転計画作成のためには冷却水温が重要であるが、運転計画作成の際に冷却水温を予測する先行技術は、現段階では存在しない。

熱源を通過した冷却水は、一般的に、冷却塔へ送水され、そこで冷却される。従って、冷却水温は、熱源の放熱量（すなわち、空調需要）と外気温の影響を大きく受けることが予想される。そこで、本発明では、熱需要予測結果と気象庁等から公表される予測気温値を説明変数として使用し、冷却水温を予測する。

冷却水温予測ブロック２１０は、実績データ入力ブロック２１８からカレンダー情報、建物外の気温θ_ｏｕｔの実績値、各熱源機器（ｉ＝１，…，ｍ）の冷却水温Ｔ（ｉ）の実績値、及び熱需要Ｈ_ｄの実績値を取得し、計画・予測データ入力ブロック２２０からカレンダー情報及び建物外の気温θ_ｏｕｔの予測値θ^＊ _ｏｕｔ（ｔ）を取得する。冷却水温予測ブロック２１０は、また、熱需要予測ブロック２０４から熱需要Ｈ_ｄの予測値Ｈ^＊ _ｄ（ｔ）を取得する。ｌ_０を定数、ｌ_１、ｌ_２、ｌ_３、及びｌ_４を回帰係数として、冷却水温Ｔ（ｉ，ｔ）の予測モデルは、
Ｔ^＊（ｉ，ｔ）＝ｌ_０＋ｌ_１・θ^＊ _ｏｕｔ（ｔ）＋ｌ_２・θ_ｏｕｔ（ｔ−１）＋ｌ_３・Ｔ（ｉ，ｔ−１）＋ｌ_４・（Ｈ_ｄ（ｉ，ｔ−１）−Ｈ_ｄ（ｉ，ｔ−２）） （ｉ＝１，…、ｍ） （１０）
で表される。

冷却水温予測ブロック２１０は、変量のセットΩ_２＝［θ^＊ _ｏｕｔ（ｔ），θ_ｏｕｔ（ｔ−１），Ｔ（ｉ，ｔ−１），Ｈ_ｄ（ｉ，ｔ−１），Ｈ_ｄ（ｉ，ｔ−２）］の多数のサンプルを使用して、定数ｌ_０、及び回帰係数ｌ_１、ｌ_２、ｌ_３、及びｌ_４の推計を行い、推計処理は、一般的な回帰分析の手法により行われる。代替的に、推計処理は、ＬＭＳアルゴリズムを用いて適応的に行われてもよい。

冷却水温予測ブロック２１０は、推計したパラメータのセットＬ＝［ｌ_０，ｌ_１，ｌ_２，ｌ_３，ｌ_４］を図示しないデータベースに格納する。冷却水温予測ブロック２１０は、変量のセットΩ_２＝［θ^＊ _ｏｕｔ（ｔ），θ_ｏｕｔ（ｔ−１），Ｔ（ｉ，ｔ−１），Ｈ_ｄ（ｉ，ｔ−１），Ｈ_ｄ（ｉ，ｔ−２）］に格納したパラメータのセットＬ＝［ｌ_０，ｌ_１，ｌ_２，ｌ_３，ｌ_４］を適用して、冷却水温Ｔ（ｉ）の予測値Ｔ^＊（ｉ，ｔ）を計算する。

第１０図は、式（１０）で示される予測モデルを用いて予測した冷却水温Ｔ（ｉ）の予測値Ｔ^＊（ｉ，ｔ）と実績値との比較を示す図である。

冷却水の水温を予測するのは、各熱源機器において冷却水は設備冷却後に元の場所に戻されるため、各熱源機器の負荷率ｘ（ｉ，ｔ）及び効率（すなわち、燃料及び電力の消費特性）と相関を持っているためであり、冷却水の水温を予測することは、各熱源機器の機器モデルを決定する上で必要だからである。予測モデル（１０）に熱需要Ｈ_ｄを取り込むのは、熱需要Ｈ_ｄの値が冷却水の水温予測の過程でフィードバックとして作用するからである。式（１０）の最後の項、すなわち、（Ｈ_ｄ（ｉ，ｔ−１）−Ｈ_ｄ（ｉ，ｔ−２））は熱需要Ｈ_ｄの増加率（勾配）であるが、この項は、温度変化の値では補えない部分を補足する補正項として作用する。

上記のように、熱源機器ネットワークの運転計画を最適化するためのシステムに、電力需要予測ブロック２０２、熱需要予測ブロック２０４、外気冷房（ナイトパージ）ブロック２０６、及び比エンタルピ予測ブロック２０８を取り込むことにより、より正確な電力需要及び熱需要の計算が可能となる。需要計算ブロック２１４は、上記のブロックからの情報に基づいて、単位時間ｔにおける電力需要Ｐ_ｄ（ｔ）及び熱需要Ｈ_ｄ（ｔ）を計算する。

第１１図は、機器特性モデル化ブロック２１２の概念図である。

各熱源機器の特性は、通常、実測もしくはシミュレーションによって得られた特性カーブを機器メーカーから入手し、これを運転計画最適化システムへ入力することによって作成される。熱源機器の運転効率に影響を与える主な要因は冷却水温と負荷率であるが、メーカーから提供される機器特性は代表的な冷却水温に対する不連続的な機器特性データしかないため、他の冷却水温における特性値は、何らかの方法で推測せざるを得ないのが現状である。この点に関して、従来技術は、その推測方法を提示していない。

本発明においては、不連続的な機器特性データを使用して、統計的な手法に従って代表的な冷却水温以外の水温における機器特性値を推計して、パラメトリックな方法で冷却水温及び負荷率の関数として表すことでモデル化し、任意の冷却水温における機器特性値を容易に取得できるようにする。一例として、負荷率を変数として不連続的な特性カーブについて冷却水温毎に回帰分析を行い、負荷率の回帰係数を推計する。

熱源機器の成績係数（Ｃｏｅｆｆｉｃｉｅｎｔ ｏｆ Ｐｅｒｆｏｒｍａｎｃｅ（ＣＯＰ））は、図１２（ａ）に示されるように、通常、複数の離散的な冷却水温値Ｔについて計測したＣＯＰ値をプロットしたもので与えられる。熱源機器特性データ入力ブロック２２４は、上記の離散的なＴについての不連続的なＣＯＰ値データを取得する。熱源機器特性データ入力ブロック２２４は、機器特性データとして不連続的なＣＯＰ値を機器特性モデル化ブロック２１２に供給する。

機器特性モデル化ブロック２１２は、熱源機器特性データ入力ブロック２２４から各熱源機器の冷却水温Ｔ及び負荷率ｘ（ｉ，ｔ）、そして離散的な冷却水温値Ｔについての不連続的なＣＯＰ値データを取得する。機器特性モデル化ブロック２１２は、さらに、冷却水温予測ブロック２１０から冷却水温の予測値Ｔ^＊（ｉ，ｔ）を取得する。

例えば、図１２（ａ）を参照すると、ＣＯＰ値データは、Ｔ＝１７℃、２０℃、２４℃、２８℃、３２℃について、それぞれの冷却水温ごとの曲線として得られる。機器特性モデル化ブロック２１２は、例えば、スプライン補間（ｓｐｌｉｎｅ ｉｎｔｅｒｐｏｌａｔｉｏｎ）法を使用して、それぞれの冷却水温ごとの各曲線を、負荷率ｘ（ｉ，ｔ）の３次関数として記述する。ＣＯＰ値データの各曲線を表す関数は、例えば、
・ ＣＯＰ（ｉ，１７，ｘ（ｉ，ｔ））＝ａ_０（ｉ，１７）＋ａ_１（ｉ，１７）・ｘ（ｉ，ｔ）＋ａ_２（ｉ，１７）・｛ｘ（ｉ，ｔ）｝^２＋ａ_３（ｉ，１７）・｛ｘ（ｉ，ｔ）｝^３
・ ＣＯＰ（ｉ，２０，ｘ（ｉ，ｔ））＝ａ_０（ｉ，２０）＋ａ_１（ｉ，２０）・ｘ（ｉ，ｔ）＋ａ_２（ｉ，２０）・｛ｘ（ｉ，ｔ）｝^２＋ａ_３（ｉ，２０）・｛ｘ（ｉ，ｔ）｝^３
・ ＣＯＰ（ｉ，２４，ｘ（ｉ，ｔ））＝ａ_０（ｉ，２４）＋ａ_１（ｉ，２４）・ｘ（ｉ，ｔ）＋ａ_２（ｉ，２４）・｛ｘ（ｉ，ｔ）｝^２＋ａ_３（ｉ，２４）・｛ｘ（ｉ，ｔ）｝^３
・ ＣＯＰ（ｉ，２８，ｘ（ｉ，ｔ））＝ａ_０（ｉ，２８）＋ａ_１（ｉ，２８）・ｘ（ｉ，ｔ）＋ａ_２（ｉ，２８）・｛ｘ（ｉ，ｔ）｝^２＋ａ_３（ｉ，２８）・｛ｘ（ｉ，ｔ）｝^３
・ ＣＯＰ（ｉ，３２，ｘ（ｉ，ｔ））＝ａ_０（ｉ，３２）＋ａ_１（ｉ，３２）・ｘ（ｉ，ｔ）＋ａ_２（ｉ，３２）・｛ｘ（ｉ，ｔ）｝^２＋ａ_３（ｉ，３２）・｛ｘ（ｉ，ｔ）｝^３
として求めることができる。冷却水温Ｔ＝１７℃、２０℃、２４℃、２８℃、３２℃についての関数を決定する際に、１組のパラメータＡ＝［ａ_０，ａ_１，ａ_２，ａ_３］が得られるが、このパラメータＡは、冷却水温Ｔ＝１７℃、２０℃、２４℃、２８℃、３２℃ごとに得られる。機器特性モデル化ブロック２１２は、例えば、スプライン補間法を使用して、このパラメータＡを、Ｔ（ｉ，ｔ）の関数として、
・ ａ_０（ｉ，Ｔ（ｉ，ｔ））＝α_０＋α_１・Ｔ（ｉ，ｔ）＋α_２・｛Ｔ（ｉ，ｔ）｝^２＋α_３・｛Ｔ（ｉ，ｔ）｝^３ （１１ａ）
・ ａ_１（ｉ，Ｔ（ｉ，ｔ））＝β_０＋β_１・Ｔ（ｉ，ｔ）＋β_２・｛Ｔ（ｉ，ｔ）｝^２＋β_３・｛Ｔ（ｉ，ｔ）｝^３ （１１ｂ）
・ ａ_２（ｉ，Ｔ（ｉ，ｔ））＝γ_０＋γ_１・Ｔ（ｉ，ｔ）＋γ_２・｛Ｔ（ｉ，ｔ）｝^２＋γ_３・｛Ｔ（ｉ，ｔ）｝^３ （１１ｃ）
・ ａ_３（ｉ，Ｔ（ｉ，ｔ））＝δ_０＋δ_１・Ｔ（ｉ，ｔ）＋δ_２・｛Ｔ（ｉ，ｔ）｝^２＋δ_３・｛Ｔ（ｉ，ｔ）｝^３ （１１ｄ）
のように求める。

次いで、機器特性モデル化ブロック２１２は、上記の（１１ａ）乃至（１１ｄ）によって定まるパラメータＡ＝［ａ_０，ａ_１，ａ_２，ａ_３］を冷却水温Ｔ＝１７℃、２０℃、２４℃、２８℃、３２℃について決定された関数に適用して、各熱源機器（ｉ＝１，…，ｍ）Ｔ＝１７℃、２０℃、２４℃、２８℃、３２℃についてのＣＯＰ値を、
ＣＯＰ（ｉ，Ｔ（ｉ，ｔ），ｘ（ｉ，ｔ））＝ａ_０（ｉ，Ｔ（ｉ，ｔ））＋ａ_１（ｉ，Ｔ（ｉ，ｔ））・ｘ（ｉ，ｔ）＋ａ_２（ｉ，Ｔ（ｉ，ｔ））・｛ｘ（ｉ，ｔ）｝^２＋ａ_３（ｉ，Ｔ（ｉ，ｔ））・｛ｘ（ｉ，ｔ）｝^３ （１２）
ｆｏｒ （ｉ，ｔ） （ｉ＝１，…，ｍ），（ｔ＝１，…，ｎ）
として求める。

次いで、機器特性モデル化ブロック２１２は、各冷却水温Ｔ＝１７℃、２０℃、２４℃、２８℃、３２℃におけるＣＯＰ値を補間することにより、そのほかの冷却水温Ｔ（ｉ，ｔ）における値を求める。補間された関数は、各熱源機器（ｉ＝１，…，ｍ）ごとに求められ、すべての冷却水温Ｔ（ｉ，ｔ）及び負荷率ｘ（ｉ，ｔ）についての機器特性値を表す関数を求めるように補間が行われるので、機器特性モデルＣＯＰ（ｉ，Ｔ（ｉ，ｔ），ｘ（ｉ，ｔ））におけるｔの依存性は除かれる。

本実施形態においては、各熱源機器（ｉ＝１，…，ｍ）ごとの熱源機器モデルＣＯＰ（ｉ，Ｔ（ｉ，ｔ），ｘ（ｉ，ｔ））を求めることは、各熱源機器（ｉ＝１，…，ｍ）ごとに行列
を求めることと同じである。

機器特性モデル化ブロック２１２は、求めた機器特性ＣＯＰ（ｉ，Ｔ（ｉ，ｔ），ｘ（ｉ，ｔ））を表す行列Ｖ（ｉ，ｔ）を熱源機器運転計画最適化ブロック２１６に送り、熱源機器運転計画最適化ブロック２１６は、熱源機器モデル記憶ブロック２１６ａに受け取った行列Ｖ（ｉ，ｔ）を格納する。

得られた負荷率の回帰係数［ａ_０，ａ_１，ａ_２，ａ_３］は冷却水温毎に異なっているので、この負荷率を冷却水温で回帰分析することにより、負荷率の回帰係数は、冷却水温で説明することが可能となる。従って、負荷率と冷却水温がわかれば、精度の高い機器の特性値を容易に得ることが可能となる。このことにより、熱源冷凍能力をより正確に見極めることができるため、熱源機器ネットワーク全体の消費エネルギーの低減を図ることができる。

図１４（ａ）は、発電設備（ＥＧＥ）の機能ブロック図である。

発電設備（ＥＧＥ）１１０は、機器諸元入力部１３０２、機器諸元格納部１３０４、負荷率計算部１３０６、発電量設定部１３０８、機器特性データ入力部１３１０、機器特性データ格納部１３１２、機器特性モデル生成部１３１４、排熱量計算部１３１６、所要燃料計算部１２１８、補機類稼働判定部１３２０、コスト等計算部１３２２、計算結果格納部１３２４を含む。

発電設備（ＥＧＥ）１１０を動作させる際に、最初に、機器諸元入力部１３０２に発電設備（ＥＧＥ）１１０の定格を表す諸元を入力する。入力された諸元は、機器諸元格納部１３０４に格納される。同時に、発電量設定部１３０８に所望の発電量を入力すると、発電設備（ＥＧＥ）１１０の負荷率ｘ_ＥＧＥ（ｔ）が負荷率計算部１３０６で計算される。負荷率ｘ_ＥＧＥ（ｔ）を使用することによって、排熱量計算部１３１６で排熱量が計算される。排熱量という絶対値を計算する際には機器の定格が必要となるため、機器諸元格納部１３０４から機器諸元を取得して、排熱量を計算する。

発電機は、一般的に、負荷率に応じて効率（すなわち、損失）が定まるようになっており、効率がわかれば排熱量がわかる仕組みになっている。これと並行して、所要燃料を、所要燃料計算部１３１８で計算しておく。計算された所要燃料に基づいてコストをコスト等計算部１３２２で計算する。コストを計算する際に、外部から電力料金単価、ガス料金単価、及びＣＯ_２排出原単価を取得する。排熱量の計算結果とコストの計算結果は、計算結果格納部１３２４に格納される。排熱量の計算結果は、排熱投入型吸収冷温水機（ＥＸＨ）１１２の排熱量入力部１３５６に送られる。

発電設備（ＥＧＥ）１１０は、補機類稼働判定部１３２０を含むが、補機類とは、例えば、発電設備（ＥＧＥ）１１０の冷却ポンプである。冷却ポンプの数は発電設備（ＥＧＥ）１１０の負荷率によって決まってくるので、負荷率計算部１３０６からの負荷率ｘ_ＥＧＥ（ｔ）を使用することによって、補機類稼働判定部１３２０において補機類が稼働中か否かを判定する。

図１４（ｂ）は、排熱投入型吸収冷温水機（ＥＸＨ）の機能ブロック図である。

排熱投入型吸収冷温水機（ＥＸＨ）１１２は、機器諸元入力部１３５２、機器諸元格納部１３５４、排熱量入力部１３５６、負荷率計算部１３５８、熱量設定部１３６０、機器特性データ入力部１３６２、機器特性データ格納部１３６４、機器特性モデル生成部１３６６、排熱回収量計算部１３６８、補機類稼働判定部１３７０、ＣＯＰ計算部１３７２、所要燃料計算部１３７４、コスト計算部１３７６、計算結果格納部１３７８を含む。

排熱投入型吸収冷温水機（ＥＸＨ）１１２は、発電設備（ＥＧＥ）１１０から発生した排熱を使用して冷房用の冷熱を生成する熱源機器である。排熱投入型吸収冷温水機（ＥＸＨ）１１２を動作させる際に、最初に、機器諸元入力部１３５２に排熱投入型吸収冷温水機（ＥＸＨ）１１２の定格を表す諸元を入力する。入力された諸元は、機器諸元格納部１３５４に格納される。同時に、熱量設定部１３６０に所望の冷熱の熱量を入力すると、排熱投入型吸収冷温水機（ＥＸＨ）１１２の負荷率ｘ_ＥＸＨ（ｔ）が負荷率計算部１３５８で計算される。排熱投入型吸収冷温水機（ＥＸＨ）１１２の排熱回収量は、発電設備（ＥＧＥ）１１０から供給されて投入される排熱量と図１３（ｃ）の曲線によって求められる排熱投入型吸収冷温水機（ＥＸＨ）１１２のＣＯＰ値の関数である。従って、排熱回収量は、排熱量入力部１３５６の出力と機器特性モデル生成部１３６６の出力とを使用して、排熱回収量計算部１３６８で計算される。この際に、排熱回収量という絶対値を求めるのに機器の定格が必要となるため、機器諸元格納部１３５４から機器定格を取得して計算を行う。排熱回収量がわかると所要燃料がわかるので、燃料供給設備（ＦＳＦ）１０４から供給を受けることが必要となる所要燃料が所要燃料計算部１３７４において計算される。

さらに、計算された所要燃料に基づいてコストをコスト計算部１３７６で計算する。コストを計算する際に、外部から電力料金単価、ガス料金単価、及びＣＯ_２排出原単価を取得する。コストの計算結果は、計算結果格納部１３７８に格納される。

第１５図は、電動冷凍機（ＥＲＵ）の機能ブロック図である。
電動冷凍機（ＥＲＵ）１０８は、機器諸元入力部４０２、機器諸元格納部１４０４、負荷率計算部１４０６、熱量設定部１４０８、機器特性データ入力部１４１０、機器特性データ格納部１４１２、機器特性モデル生成部１４１４、冷却水温入力部１４１６、冷却水温格納部１４１８、ＣＯＰ計算部１４２０、所要燃料計算部１４２２、コスト計算部１４２４、計算結果格納部１４２６、補機類稼働判定部１４２８を含む。

電動冷凍機（ＥＲＵ）１０８の動作は冷却水温Ｔ_ＥＲＵ（ｔ）に大きく影響を受ける。まず、機器特性データ入力部１４１０にＴ＝１７℃、２０℃、２４℃、２８℃、３２℃についてのＣＯＰ値を入力し、機器特性データ格納部１４１２に入力されたＣＯＰ値を格納しておく。これと並行して、冷却水温入力部１４１６に冷却水温Ｔ_ＥＲＵ（ｔ）を入力し、冷却水温格納部１４１８に冷却水温Ｔ_ＥＲＵ（ｔ）を格納しておく。機器特性モデル生成部１４１４では、上記のＣＯＰ値を補間することにより、機器特性ＣＯＰ（ｉ，Ｔ_ＥＲＵ（ｔ），ｘ_ＥＲＵ（ｔ））を生成する。生成された機器特性ＣＯＰ（ｉ，Ｔ_ＥＲＵ（ｔ），ｘ_ＥＲＵ（ｔ））は、ＣＯＰ計算部１４２０に送られ、機器特性ＣＯＰ（ｉ，Ｔ_ＥＲＵ（ｔ），ｘ_ＥＲＵ（ｔ））からある特定の負荷率ｘ_ＥＲＵ（ｔ_０）と冷却水温Ｔ_ＥＲＵ（ｔ_０）についてのＣＯＰ値が計算される。ＣＯＰ値がわかれば、燃料消費特性がわかるため、ある特定の熱需要に対する所要燃料を所要燃料計算部１４２２で計算することができる。所要燃料がわかれば、コスト計算部１４２４でコストを計算することができる。

第１６図は、ガス吸収式冷温水機（ＧＡＢ）の機能ブロック図である。

ガス吸収式冷温水機（ＧＡＢ）１１４は、機器諸元入力部１５０２、機器諸元格納部１５０４、負荷率計算部１５０６、熱量設定部１５０８、機器特性データ入力部１５１０、機器特性データ格納部１５１２、機器特性モデル生成部１５１４、冷却水温入力部１５１６、冷却水温格納部１５１８、ＣＯＰ計算部１５２０、所要燃料計算部１５２２、コスト計算部１５２４、計算結果格納部１５２６、補機類稼働判定部１５２８を含む。

ガス吸収式冷温水機（ＧＡＢ）１１４は、ガスを燃焼させて内部にある冷媒を濃縮することにより、冷房用の冷熱を生成する熱源機器である。ガス吸収式冷温水機（ＧＡＢ）１１４の動作は冷却水温Ｔ_ＧＡＢ（ｔ）に大きく影響を受ける。まず、機器特性データ入力部１５１０にＴ＝１７℃、２０℃、２４℃、２８℃、３２℃についてのＣＯＰ値を入力し、機器特性データ格納部１５１２に入力されたＣＯＰ値を格納しておく。これと並行して、冷却水温入力部１５１６に冷却水温Ｔ_ＧＡＢ（ｔ）を入力し、冷却水温格納部１５１８に冷却水温Ｔ_ＧＡＢ（ｔ）を格納しておく。機器特性モデル生成部１５１４では、入力された上記のＣＯＰ値を補間することにより、機器特性ＣＯＰ（ｉ，Ｔ_ＧＡＢ（ｔ），ｘ_ＧＡＢ（ｔ））を生成する。生成された機器特性ＣＯＰ（ｉ，Ｔ_ＧＡＢ（ｔ），ｘ_ＧＡＢ（ｔ））は、ＣＯＰ計算部１５２０に送られ、機器特性ＣＯＰ（ｉ，Ｔ_ＧＡＢ（ｔ），ｘ_ＧＡＢ（ｔ））からある特定の負荷率ｘ_ＧＡＢ（ｔ_０）と冷却水温Ｔ_ＧＡＢ（ｔ_０）についてのＣＯＰ値が計算される。ＣＯＰ値がわかれば、燃料消費特性がわかるため、ある特定の熱需要に対する所要燃料を所要燃料計算部１５２２で計算することができる。所要燃料がわかれば、コスト計算部１５２４でコストを計算することができる。

第１７図及び第１８図は、本発明に従った熱源機器ネットワークの運転計画の最適化方法のフローチャートである。

ステップＳ１６０２において、処理が開始される。

ステップＳ１６０４において、熱源機器運転計画最適化ブロック２１６は、単位時間を、ｔ＝１に設定する。

ステップＳ１６０６において、熱源機器運転計画最適化ブロック２１６は、熱源機器・補機類諸元入力ブロック２２２から、機器諸元を取得する。

ステップＳ１６０８及びステップＳ１６１０において、熱源機器運転計画最適化ブロック２１６は、各熱源機器（ｉ＝１，…，ｍ）の冷却水温Ｔ（ｉ，ｔ）の実績値、冷却水温Ｔ（ｉ，ｔ）の予測値Ｔ^＊（ｉ，ｔ）、外気温θ_ｏｕｔの実績値、外気温θ_ｏｕｔの予測値θ^＊ _ｏｕｔ（ｔ）を取得する。

ステップＳ１６１２において、電力需要予測ブロック２０２が、周知の方法で、単位時間ｔにおける電力需要の予測値Ｐ^＊ _ｄ（ｔ）を計算する。

ステップＳ１６１４において、熱需要予測ブロック２０４が、式（９）によって表される予測モデルを用いて、単位時間ｔにおける熱需要の予測値Ｈ_ｄ ^＊（ｔ）を計算する。

ステップＳ１６１６において、熱源機器運転計画最適化ブロック２１６は、制約条件を取得する。制約条件の詳細については、ステップＳ１６２２のところで説明する。また、熱源機器運転計画最適化ブロック２１６は、目的関数Ｆ_ｏｂ（ｊ，ｔ）の値を初期値Ｆ_０に設定する。

ステップＳ１６１８において、熱源機器運転計画最適化ブロック２１６は、ｊ＝１に設定する。

ステップＳ１６２０において、熱源機器運転計画最適化ブロック２１６は、運転パターンｐ（ｊ，ｔ）を設定する。運転パターンｐ（ｊ，ｔ）は、単位時間ｔにおける電力需要Ｐ_ｄ（ｔ）及び熱需要Ｈ_ｄ（ｔ）を満たすために、各熱源機器をどのように運転すればよいかを示す変数のセット（ベクトル）である。運転パターンｐ（ｊ，ｔ）は、単位時間ｔにおいてＮ_ｐ個存在し、ｊ＝１，…，Ｎ_ｐである。運転パターンｐ（ｊ，ｔ）は、受電電力Ｐ_ｒｅｃ（ｊ，ｔ）、発電電力Ｐ_ＥＧ（ｊ，ｔ）、排熱回収量、排熱回収型吸収冷温水機出力Ｈ_ｃＥＸＨ（ｊ，ｔ）、電動冷凍機出力Ｈ_ｃＥＲＵ（ｊ，ｔ）、及び吸収式冷温水機出力Ｈ_ｃＧＡＢ（ｊ，ｔ）に基づいて決定される。

排熱回収型吸収冷温水機は、いわゆる、ジェネリンクと呼ばれるものであるが、ガスエンジンの排温水を補助熱源として有効利用することで、主燃料であるガスの使用量を定格時の冷凍出力比率で２０乃至４０パーセント削減可能な冷温水機である。従って、排熱のみを熱源として冷房負荷の冷熱を供給できるときは、排熱のみで動作し、排熱のみで熱需要を賄いきれなくなると、燃料供給設備から供給を受けたガスを使用して動作する。また、排熱を利用できない場合、例えば、ガスエンジンが停止している等の場合には、ガスのみで動作する。従って、排熱投入型吸収冷温水機のＣＯＰ特性は、（１） 排熱のみで動作する場合（排熱ＣＯＰ特性の場合）、（２） 排熱＋ガスで動作する場合、（３） ガスのみで動作する場合（ガス焚きＣＯＰ特性の場合）で異なる特性となる。排熱＋ガスで動作する場合のＣＯＰ特性は、排熱ＣＯＰ特性及びガス焚きＣＯＰ特性から導き出すことができる。

従って、排熱投入型吸収冷温水機（ＥＸＨ）１１２の出力特性を表す関数をｇ（）とすると、排熱回収型吸収冷温水機出力Ｈ_ｃＥＸＨ（ｊ，ｔ）は、燃料供給設備（ＦＳＦ）１０４から供給された燃料をＦ_ＳＥＸＨ（ｊ，ｔ）、発電設備（ＥＧＥ）１１０から供給された排熱をＨ_ｈＥＧ（ｊ，ｔ）、排熱投入型吸収冷温水機（ＥＸＨ）１１２のガス焚き分負荷率をｘ^（ｇｄ） _ＥＸＨ（ｊ、ｔ）、排熱ＣＯＰ値をＣＯＰ^{（ｅｘｈ）}、ガス焚きＣＯＰ値をＣＯＰ^（ｇｄ）とすると、
Ｈ_ｃＥＸＨ（ｊ，ｔ）＝ｇ（Ｆ_ＳＥＸＨ（ｊ，ｔ），Ｈ_ｈＥＧ（ｊ，ｔ），ｘ^（ｇｄ） _ＥＸＨ（ｊ、ｔ），ＣＯＰ^{（ｅｘｈ）}，ＣＯＰ^（ｇｄ）） （１５）
で表される。

ここで、運転パターンｐ（ｊ，ｔ）は、
ｐ（ｊ，ｔ）＝［ｐ_ｒｅｃ（ｊ，ｔ），ｐ_ＧＥ（ｊ，ｔ），ｈ_ＥＸＨ（ｊ，ｔ），ｈ_ＥＲＵ（ｊ，ｔ），ｈ_ＧＡＢ（ｊ，ｔ）］ （１６）
と表される。運転パターンｐ（ｊ，ｔ）の各値が実数かつ連続値となるのは、本発明の運転計画最適化システムが、各熱源機器の負荷率ｘ（ｉ，ｔ）に基づいてコストを評価することと密接な関連性がある。

ステップＳ１６２２において、熱源機器運転計画最適化ブロック２１６は、可能な運転パターンｐ（ｊ，ｔ）の集合Λから取得した運転パターンｐ（ｊ，ｔ）が制約条件を満たしているか否かを判定する。制約条件としては、例えば、以下に示す（１）´乃至（５）´、及び（１５）が考えられるが、
Ｐ_ｒｅｃ（ｊ，ｔ）＝Ｐ_ｒｅｃｌ（ｊ，ｔ）＋Ｐ_{ｒｅｃｒｅ}（ｊ，ｔ） （１）´
Ｐ_ＥＧ（ｊ，ｔ）＝Ｐ_ＥＧｌ（ｊ，ｔ）＋Ｐ_ＥＧＥＲ（ｊ，ｔ） （２）´
Ｆ_Ｓ（ｊ，ｔ）＝Ｆ_ＳＥＧＥ（ｊ，ｔ）＋Ｆ_ＳＥＸＨ（ｊ，ｔ）＋Ｆ_ＳＧＡＢ（ｊ，ｔ） （３）´
Ｐ_ｒｅｃｌ（ｊ，ｔ）＋Ｐ_{ｒｅｃｒｅ}（ｊ，ｔ）＋Ｐ_ＥＧｌ（ｊ，ｔ）＋Ｐ_ＥＧＥＲ（ｊ，ｔ）＝Ｐ_ｄ（ｔ） （４）´
Ｈ_ｃＥＲＵ（ｊ，ｔ）＋Ｈ_ｃＥＸＨ（ｊ，ｔ）＋Ｈ_ｃＧＡＢ（ｊ，ｔ）＝Ｈ_ｄ（ｊ，ｔ） （５）´
Ｈ_ｃＥＸＨ（ｊ，ｔ）＝ｇ（Ｆ_ＳＥＸＨ（ｊ，ｔ），Ｈ_ｈＥＧ（ｊ，ｔ），ｘ^（ｇｄ） _ＥＸＨ（ｊ、ｔ），ＣＯＰ^{（ｅｘｈ）}，ＣＯＰ^（ｇｄ）） （１５）
他にも、熱源機器の各々の受電電力及び機器出力が０又は上下限値の範囲内にあること、ＣＯ_２の排出量が上限値以下であること、及びガス消費量が下限値以上であることを含んでもよい。

集合Λから取得した運転パターンｐ（ｊ，ｔ）が制約条件を満たしている場合には、処理は、ステップＳ１６２４に進み、満たしていない場合には、処理は、ステップＳ１６２８に進む。

ステップＳ１６２４において、熱源機器運転計画最適化ブロック２１６は、負荷率ｘ（ｉ，ｔ）及び冷却水温Ｔ（ｉ，ｔ）を用いて、単位時間ｔにおける熱源機器ｉについてのＣＯＰ（ｉ，Ｔ（ｉ，ｔ），ｘ（ｉ，ｔ））を計算する。

ステップＳ１６２６において、熱源機器運転計画最適化ブロック２１６は、目的関数Ｆ_ｏｂ（ｊ、ｔ）の最適化を行う。この最適化は、集合Λに含まれるすべての運転パターンｐ（ｊ，ｔ）（但し、制約条件を満たさないものを除く）について目的関数Ｆ_ｏｂ（ｊ、ｔ）を最適化することを含み、最適化は、目的関数Ｆ_ｏｂ（ｊ、ｔ）の最大値を求めるものであってもよく、最小値を求めるものであってもよい。

ここで、最適化の際の条件を表す変数の組をΓ_ｃｏｎとし、各部でのエネルギーを表す変数の組をΓ_ｅｎｅとすると、
Γ_ｃｏｎ＝［θ_ｉｎ（ｔ），θ_ｏｕｔ（ｔ），ｈｕｍ_ｉｎ（ｔ），ｈｕｍ_ｏｕｔ（ｔ），ＮＰ（ｔ），ＩＶ（ｔ），ＶＱ（ｔ），θ^＊ _ｉｎ（ｔ），θ^＊ _ｏｕｔ（ｔ），ｈｕｍ^＊ _ｉｎ（ｔ），ｈｕｍ^＊ _ｏｕｔ（ｔ），ＮＰ^＊（ｔ）ＶＱ^＊（ｔ）］；
Γ_ｅｎｅ＝［Ｐ_ｒｅｃ（ｔ），Ｐ_ｒｅｃｌ（ｔ），Ｐ_{ｒｅｃｒｅ}（ｔ），Ｐ_Ｐ（ｔ），Ｆ_Ｓ（ｔ），Ｆ_ＳＥＧＥ（ｔ），Ｆ_ＳＥＸＨ（ｔ），Ｆ_ＳＧＡＢ（ｔ），Ｐ_ＥＧ（ｔ），Ｐ_ＥＧｌ（ｔ），Ｐ_ＥＧＥＲ（ｔ），Ｈ_ｈＥＧ（ｔ），Ｈ_ｈＥＧ（ｔ），Ｈ_ｃＥＲＵ（ｔ），Ｈ_ｃＥＸＨ（ｔ），Ｈ_ｃＧＡＢ（ｔ），Ｔ_ＥＧＥ（ｔ），ｘ（ｉ，ｔ）（ｘ_ＥＧＥ（ｔ），ｘ_ＥＲＵ（ｔ），ｘ_ＥＸＨ（ｔ），ｘ_ＧＡＢ（ｔ）），Ｔ（ｉ，ｔ）（Ｔ_ＥＧＥ（ｔ），Ｔ_ＥＲＵ（ｔ），Ｔ_ＥＸＨ（ｔ），Ｔ_ＧＡＢ（ｔ）），Ｐ_ｄ（ｔ），Ｈ_ｄ（ｔ），Ｐ^＊ _ｄ（ｔ），Ｈ^＊ _ｄ（ｔ）］
となる。これを用いて目的関数Ｆ_ｏｂ（ｊ，ｔ）を表すと、
Ｆ_ｏｂ（ｊ，ｔ）＝ｆ（ｊ，ｔ，Γ_ｃｏｎ，Γ_ｅｎｅ，ＣＯＰ（ｉ，Ｔ（ｉ），ｘ（ｉ））） （１７）
となる。従って、単位時間ｔにおけるＦ_ｏｂ（ｊ，ｔ）の最適値をｆ_ｏｐｔ（ｔ）とすると、
となる。従って、熱源機器運転計画最適化ブロック２１６は、ｆ_ｏｐｔ（ｔ）を求めるべく、各ｊについてｆ（ｊ，ｔ，Γ_ｃｏｎ，Γ_ｅｎｅ，ＣＯＰ（ｉ，Ｔ（ｉ），ｘ（ｉ）））の値を計算する。

目的関数は、熱源機器の電力及び熱エネルギーの提供のためのコストの合計、契約電力以下という制約条件の下での熱源機器の電力及び熱エネルギーの提供のためのコストの合計、熱源機器の電力及び熱エネルギーの提供のためのＣＯ_２排出量の合計、熱源機器の電力及び熱エネルギーの提供のためのＣＯ_２排出量の合計が所定の値以下という制約条件の下での熱源機器の電力及び熱エネルギーの提供のためのコストの合計、熱源機器の電力及び熱エネルギーの提供のためのガス消費量の合計が所定の値以下であるという制約条件の下での熱源機器の電力及び熱エネルギーの提供のためのコストの合計、のうちの少なくとも１つから選択されてもよい。

ステップＳ１６２６における処理が終了すると、処理は、ステップＳ１６２８に進み、ｊがＮ_ｐよりも小さいか否かが判定される。

ｊがＮ_ｐよりも小さい場合には、ステップＳ１６３０において、ｊ←ｊ＋１の処理が行われる。ｊがＮ_ｐ以上である場合には、その単位時間ｔについてすべての運転パターンｐ（ｊ，ｔ）の判定が終了したということであるので、処理は、ステップＳ１６３２に進む。Ｆ_ｏｂ（ｊ，ｔ）の最適値を与えるｊをｊ_ｏｐｔ（ｔ）とすると、
ｐ_ｏｐｔ（ｔ）＝ｐ（ｊ_ｏｐｔ（ｔ），ｔ） （１９）
となるので、ステップＳ１６３２において、このｊ_ｏｐｔ（ｔ）とｐ_ｏｐｔ（ｔ）（単位時間ｔにおける最適な運転パターン）を格納する。なお、ここで、
である。

ステップＳ１６３４において、熱源機器運転計画最適化ブロック２１６は、ｔがｎよりも小さいか否かを判定する。

ｔがｎよりも小さい場合には、ステップＳ１６３６において、ｔ←ｔ＋１の処理が行われる。

ｔがｎ以上である場合には、熱源機器運転計画最適化ブロック２１６は、ステップＳ１６３８において、最適運転パターンｐのシーケンスを、
Ｐ_ｓ＝［ｐ_ｏｐｔ（１），…，ｐ_ｏｐｔ（ｎ）］ （２０）
として求める。

本発明の熱源機器ネットワークのコスト関数ｆ（ｊ，ｔ，Γ_ｃｏｎ，Γ_ｅｎｅ，ＣＯＰ（ｉ，Ｔ（ｉ），ｘ（ｉ）））のモデル化及び最適化、及び運転パターンｐの最適化ｐ_ｏｐｔ（ｔ）＝ｐ（ｊ_ｏｐｔ（ｔ），ｔ）は、構造化ニューラルネットワーク（Ｎｅｕｒａｌ Ｎｅｔｗｏｒｋ（ＮＮ））によって行われてもよい。

ステップＳ１６４０で、最適化の処理は終了する。

本発明に従った上記の方法の各ステップは、ＣＰＵとメモリとを備えた、図示しないオペレータの端末によって行われてもよい。本発明の実施形態においては、上記の方法を実行するのに用いられるソフトウェアプログラムが、デジタル・データ・ストレージ媒体等のプログラム・ストレージ・デバイスに格納されていてもよく、これらのプログラム・ストレージ・デバイスは、機械読取り可能、又はコンピュータ読取り可能であり、また、これらのコンピュータ又は機械は、プログラム命令を機械実行可能プログラム、又はコンピュータ実行可能プログラムとしてエンコードし、エンコードされたプログラム命令は、本発明の方法のステップのうちの一部又は全部を実行する。プログラム・ストレージ・デバイスは、例えば、デジタル・メモリ、磁気ディスク及び磁気テープなどの磁気ストレージ媒体、ハード・ドライブ、又は光学的読取り可能デジタル・データ・ストレージ媒体とすることができる。

本発明は、ソフトウェア、及び／又はソフトウェアとハードウェアの組合せで、例えば、特定用途向け集積回路（ＡＳＩＣ：ａｐｐｌｉｃａｔｉｏｎ ｓｐｅｃｉｆｉｃ ｉｎｔｅｇｒａｔｅｄ ｃｉｒｃｕｉｔ）、フィールド・プログラマブル・ゲート・アレイ（ＦＰＧＡ：ｆｉｅｌｄ ｐｒｏｇｒａｍｍａｂｌｅ ｇａｔｅ ａｒｒａｙ）と、汎用コンピュータ、又は他の任意のハードウェア等価物を使用して実装されてもよい。

上記の説明は、単に、本発明の特定の実施形態の開示を提供しているにすぎず、本発明を上記の実施形態のみに限定するように意図されてはいない。従って、本発明は、上記で説明された実施形態だけに限定されるものではなく、むしろ、当業者が本発明の範囲内に含まれる代替の実施形態を考案し得ることが認識される。

１００ 熱源機器ネットワーク
１０２ 受電設備
１０４ 燃料供給設備
１０６ 電気負荷（ＥＬ）
１０８ 電動冷凍機（ＥＲＵ）
１１０ 発電設備（ＥＧＥ）
１１２ 排熱投入型吸収冷温水機（ＥＸＨ）
１１４ ガス吸収式冷温水機（ＧＡＢ）
１１６ 空調負荷
２００ 最適化システム
２０２ 電力需要予測ブロック
２０４ 熱需要予測ブロック
２０６ 外気冷房（ナイトパージ）ブロック
２０８ 比エンタルピ予測ブロック
２１０ 冷却水温予測ブロック
２１２ 機器特性モデル化ブロック
２１４ 需要計算ブロック
２１６ 熱源機器運転計画最適化ブロック
２１８ 実績データ入力ブロック
２２０ 計画・予測データ入力ブロック
２２２ 熱源機器・補機類諸元入力ブロック
２２４ 熱源機器特性データ入力ブロック
２２６ 運転計画作成諸元入力ブロック
２２８ 運転計画出力ブロック

Claims (9)

1. 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であって、
   予測モデルを生成するために、少なくとも１つの単位時間における外気温の実績値、少なくとも１つの単位時間における冷却水温の実績値、及び、少なくとも複数の単位時間における熱エネルギー需要の実績値を１組のパラメータとして、少なくとも複数組を取得する変量取得部と、
   該取得した複数組のパラメータを使用して、外気温の実績値、冷却水温の実績値、及び熱エネルギー需要の実績値に基づいて、冷却水温についての予測モデルを生成する予測モデル生成部と、
   少なくとも１つの単位時間における外気温の予測値と、少なくとも１つの単位時間における冷却水温の実績値と、少なくとも複数の単位時間における熱エネルギー需要の実績値を１組のパラメータとして使用して、該冷却水温の予測モデルを適用し、該熱源機器の冷却水温を予測する冷却水温予測部とを含む、熱源機器の冷却水温予測装置。
2. 請求項１に記載の熱源機器の冷却水温予測装置において、
   該予測モデルは、線形予測モデルである、熱源機器の冷却水温予測装置。
3. 請求項１に記載の熱源機器の冷却水温予測装置において、
   該冷却水温の予測値は、予測対象の単位時間の直前の単位時間のパラメータの組を使用して該冷却水温の予測モデルを適用することにより予測される、熱源機器の冷却水温予測装置。
4. 請求項１に記載の熱源機器の冷却水温予測装置において、
   該冷却水温の予測モデルの生成は回帰分析により行われる、熱源機器の冷却水温予測装置。
5. 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方法であって、
   予測モデルを生成するために、少なくとも１つの単位時間における外気温の実績値、少なくとも１つの単位時間における冷却水温の実績値、及び、少なくとも複数の単位時間における熱エネルギー需要の実績値を１組のパラメータとして、少なくとも複数組を取得する変量取得部と、
   該取得した複数組のパラメータを使用して、外気温の実績値、冷却水温の実績値、及び熱エネルギー需要の実績値に基づいて、冷却水温についての予測モデルを生成するステップと、
   少なくとも１つの単位時間における外気温の予測値と、少なくとも１つの単位時間における冷却水温の実績値と、少なくとも複数の単位時間における熱エネルギー需要の実績値を１組のパラメータとして使用して、該冷却水温の予測モデルを適用し、該熱源機器の冷却水温を予測するステップとを含む、熱源機器の冷却水温予測方法。
6. 請求項５に記載の熱源機器の冷却水温予測方法において、
   該予測モデルは、線形予測モデルである、熱源機器の冷却水温予測方法。
7. 請求項５に記載の熱源機器の冷却水温予測方法において、
   該冷却水温の予測値は、予測対象の単位時間の直前の単位時間のパラメータの組を使用して該冷却水温の予測モデルを適用することにより予測される、熱源機器の冷却水温予測方法。
8. 請求項５に記載の熱源機器の冷却水温予測方法において、
   該冷却水温の予測モデルの生成は、回帰分析により、又はＬＭＳアルゴリズムを用いて適応的に行われる、熱源機器の冷却水温予測方法。
9. プロセッサとメモリとを含むコンピュータの該プロセッサ上で実行されたときに、該コンピュータを、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として動作させるソフトウェアプログラムであって、該装置は、
   予測モデルを生成するために、少なくとも１つの単位時間における外気温の実績値、少なくとも１つの単位時間における冷却水温の実績値、及び、少なくとも複数の単位時間における熱エネルギー需要の実績値を１組のパラメータとして、少なくとも複数組を取得する変量取得部と、
   該取得した複数組のパラメータを使用して、外気温の実績値、冷却水温の実績値、及び熱エネルギー需要の実績値に基づいて、冷却水温についての予測モデルを生成する予測モデル生成部と、
   少なくとも１つの単位時間における外気温の予測値と、少なくとも１つの単位時間における冷却水温の実績値と、少なくとも複数の単位時間における熱エネルギー需要の実績値を１組のパラメータとして使用して、該冷却水温の予測モデルを適用し、該熱源機器の冷却水温を予測する冷却水温予測部とを含む、熱源機器の冷却水温予測ソフトウェアプログラム。