JP6727446B2

JP6727446B2 - 空気調和システム及び空気調和方法

Info

Publication number: JP6727446B2
Application number: JP2019536410A
Authority: JP
Inventors: アンナ成; 隆也山本; 恵美竹田; 淳一岡崎
Original assignee: Mitsubishi Electric Corp
Current assignee: Mitsubishi Electric Corp
Priority date: 2017-08-17
Filing date: 2017-10-10
Publication date: 2020-07-22
Anticipated expiration: 2037-10-10
Also published as: CN110914605A; CN110914605B; WO2019035218A1; JPWO2019035218A1

Description

この発明は、空気調和機を制御する空気調和システム及び空気調和方法に関するものである。

空気調和システムは、住宅、オフィスビルなどに対して快適な室内環境を保ちながら省エネルギー化を実現するものである。このため、室内を冷やし過ぎ、暖め過ぎなどによる無駄なエネルギーを低減することが要求される。空気調和システムからの供給熱量の過不足がなく制御を行うためには、空気調和機、他の機器などのデータを用いてリアルタイムに空気調和の対象となる室内の熱負荷を推定し、推定した熱負荷に応じて空気調和制御量を適切に調整する必要がある。

特に、住宅の窓が大きい部屋、オフィスビルの窓付近（ぺリメータゾーン）においては、窓から侵入される日射が空気調和負荷に大きく影響を与えている。このため、日射による熱負荷を考慮し、建物の窓に適切な窓ガラスを選択する方法（例えば、特許文献１）、室内の熱負荷を推定するシステムが提案されている（例えば、特許文献２、特許文献３）。

特許文献１は、建設地域、季節、時間、窓の方位、窓ガラス構成の違いにより、日射熱負荷（窓面受熱日射量）を算出するものである。

特許文献２は、サーモカメラと日射センサとを用いて、窓ガラスを含む外壁面の温度分布及び日射量を計測し、計測結果に応じて窓付近（ペリメータゾーン）の熱負荷を推定するものである。

特許文献３は、窓面に設置された光透過性の有機薄膜太陽電池の出力特性に基づいて、窓付近（ペリメータゾーン）の熱負荷を推定するものである。

特開２００８−１０７９１０特開２０１１−２０２８７７特開２０１５−２１８９９１

特許文献１の手法によれば、建設地域、季節、時間、開口部の方位、窓ガラスの構成（性能）を入力する必要がある。これら入力データによって、格納している気象データを選択して日射熱負荷を算出している。このため、実環境においてリアルタイムに窓ガラスから侵入する日射熱負荷を推定することはできない。

また、特許文献２の手法によれば、熱負荷を推定するためには外壁面の温度分布を検出するサーモカメラと、日射量を検出する専用機器である日射センサとを建物の外に設置する必要があり、設備のメンテナンス及びコストの増大することになる。

さらに、特許文献３の手法によれば、各窓面に光透過性の有機薄膜太陽電池を設置する必要がある。光透過性の有機薄膜太陽電池は、現在、研究開発の段階であり、窓に設置するための光透過性の有機薄膜太陽電池は、まだ普及されておらず実用的でない。

この発明は、日射量センサなどの日射量を検出する専用の検出機器、光透過性の有機薄膜太陽電池を設けることなく、窓ガラスの性能を学習し、環境の変化に応じてリアルタイムに建物の窓ガラスから侵入する日射量を推定し、室内の日射熱負荷を高精度に推定できる空気調和システム及び空気調和方法を提供することを目的とする。

この発明に係る空気調和システムは、建物内の室温を検出する室温検出部と、外気温を検出する外気温検出部と、窓ガラスの建物の内側の表面温度を検出する表面温度検出部と、室温と外気温と表面温度とに基づいて窓ガラスの窓熱性能を学習する窓熱性能学習部と、空気調和機から発生する熱量に基づいて空気調和能力を推定する空気調和能力推定部と、室温と外気温と表面温度と窓熱性能と空気調和能力とに基づいて窓ガラスの窓負荷係数を学習する窓負荷係数学習部と、室温と外気温と表面温度と窓熱性能と窓負荷係数とに基づいて窓ガラスから入射する日射による日射熱負荷を推定する日射熱負荷推定部と、日射熱負荷に基づいて空気調和機を制御する制御部とを備える空気調和システムである。

この発明に係る空気調和システムは、建物内の室温を検出する室温検出部と、外気温を検出する外気温検出部と、窓ガラスの建物の内側の表面温度を検出する表面温度検出部と、空気調和機から発生する熱量に基づいて空気調和能力を推定する空気調和能力推定部と、室温と外気温と表面温度と空気調和能力とに基づいて窓ガラスの窓負荷係数及び外気負荷係数を学習する負荷係数学習部と、室温と外気温と表面温度と窓負荷係数と外気負荷係数とに基づいて建物の空気調和負荷を推定する空気調和負荷推定部と、空気調和負荷に基づいて空気調和機を制御する制御部とを備える空気調和システムである。

この発明に係る空気調和システムは、建物内の室温を検出する室温検出部と、外気温を検出する外気温検出部と、窓ガラスの建物の内側の表面温度を検出する表面温度検出部と、室温と外気温と表面温度とに基づいて窓ガラスの窓熱性能を学習する窓熱性能学習部と、単位日射量及び窓ガラスの構成による窓光学性能関係式と室温と外気温と表面温度と窓熱性能とに基づいて窓ガラスの窓光学性能を学習する窓光学性能学習部と、窓ガラスの面積と室温と外気温と表面温度と窓熱性能と窓光学性能とに基づいて窓ガラスから入射する日射による日射熱負荷を推定する日射熱負荷推定部と、日射熱負荷に基づいて空気調和機を制御する制御部とを備える空気調和システムである。

この発明に係る空気調和方法は、建物内の室温を検出する室温検出ステップと、外気温を検出する外気温検出ステップと、窓ガラスの建物の内側の表面温度を検出する表面温度検出ステップと、室温と外気温と表面温度とに基づいて窓ガラスの窓熱性能を学習する窓熱性能学習ステップと、空気調和機から発生する熱量に基づいて空気調和能力を推定する空気調和能力推定ステップと、室温と外気温と表面温度と窓熱性能と空気調和能力とに基づいて窓ガラスの窓負荷係数を学習する窓負荷係数学習ステップと、室温と外気温と表面温度と窓熱性能と窓負荷係数とに基づいて窓ガラスから入射する日射による日射熱負荷を推定する日射熱負荷推定ステップと、日射熱負荷に基づいて空気調和機を制御する制御ステップとを備える空気調和方法である。

この発明に係る空気調和方法は、建物内の室温を検出する室温検出ステップと、外気温を検出する外気温検出ステップと、窓ガラスの建物の内側の表面温度を検出する表面温度検出ステップと、空気調和機から発生する熱量に基づいて空気調和能力を推定する空気調和能力推定ステップと、室温と外気温と表面温度と空気調和能力とに基づいて窓ガラスの窓負荷係数及び外気負荷係数を学習する負荷係数学習ステップと、室温と外気温と表面温度と窓負荷係数と外気負荷係数とに基づいて建物の空気調和負荷を推定する空気調和負荷推定ステップと、空気調和負荷に基づいて空気調和機を制御する制御ステップとを備える空気調和方法である。

この発明に係る空気調和方法は、建物内の室温を検出する室温検出ステップと、外気温を検出する外気温検出ステップと、窓ガラスの建物の内側の表面温度を検出する表面温度検出ステップと、室温と外気温と表面温度とに基づいて窓ガラスの窓熱性能を学習する窓熱性能学習ステップと、単位日射量及び窓ガラスの構成による窓光学性能関係式と室温と外気温と表面温度と窓熱性能とに基づいて窓ガラスの窓光学性能を学習する窓光学性能学習ステップと、窓ガラスの面積と室温と外気温と表面温度と窓熱性能と窓光学性能とに基づいて窓ガラスから入射する日射による日射熱負荷を推定する日射熱負荷推定ステップと、日射熱負荷に基づいて空気調和機を制御する制御ステップとを備える空気調和方法である。

この発明によれば、日射量を検出する専用の検出機器や、光透過性の有機薄膜太陽電池を設けることなく、室内の日射熱負荷又は空気調和負荷を推定して空気調和機を制御する空気調和システム及び空気調和方法を得ることができる。

本発明の実施の形態１による空気調和システムが適用される建物の内部例を説明するための斜視図である。本発明の実施の形態１による空気調和システムの構成図の例である。本発明の実施の形態１による空気調和システムの処理フローの例である。本発明の実施の形態１による日射の有無による温度勾配図の例である。本発明の実施の形態１による室内の熱画像と写真の例である。本発明の実施の形態１による窓ガラスの日射吸収率αと日射熱取得率ηとの関係を示す図の例である。本発明の実施の形態２による空気調和システムの構成図の例である。本発明の実施の形態２による空気調和機の外観図の例である。本発明の実施の形態２による空気調和システムの処理フローの例である。本発明の実施の形態３による空気調和システムの構成図の例である。本発明の実施の形態３による空気調和システムの処理フローの例である。本発明の実施の形態４による空気調和システムの構成図の例である。本発明の実施の形態４による空気調和システムの処理フローの例である。

実施の形態１．
図１は、本発明の実施の形態１による空気調和システムが適用される建物２の内部例を説明するための斜視図である。建物２は住宅を示し、壁３に備えられた空気調和機１１は壁掛型の空気調和機１１である。太陽からの日射が建物２の窓４を通過し、床５や壁３に到達している。建物２は住宅に限定されず、オフィスビルなどにも本実施の形態の空気調和システムを設置することができる。なお、空気調和機１１は壁掛型に限定されず、天井カセット型、ダクト接続型など、室内空気を調和する機器を空気調和機１１として使用することができる。

図２は、本発明の実施の形態１による空気調和システムの構成図の例である。空気調和システム１は、空気調和機１１と、外部からの情報が入力される入力装置１２と、建物２の室温Ｔｚを検出する室温検出装置１３と、建物２の外の外気温Ｔａを検出する外気温検出装置１４と、窓ガラスの表面温度Ｔｇを検出する表面温度検出装置１５と、各種の演算を行う演算装置１６と、各種の検出装置の情報及び演算装置１６の演算結果を記憶する記憶装置１７と、外部からの情報が入力される入力装置１２と、空気調和機１１を制御する制御装置１９と、各種の装置間で情報をやりとりする通信経路１８とから構成される。

表面温度検出装置１５は、室内に設置された熱画像センサ（赤外線温度センサ）、サーモカメラ等であり、空気調和の対象となる建物２の内側の窓ガラスの表面温度Ｔｇを検出できるように設置する。以下の記載では、別のものを明記していない限り表面温度といった場合、建物２の内側の窓ガラスの表面温度Ｔｇのことである。また、演算装置１６は、窓熱性能学習部１６１と窓光学性能学習部１６２と日射熱負荷推定部１６３とから構成され、具体的にはＣＰＵである。

記憶装置１７は、地域別単位日射量１７１と窓光学性能関係式１７２と窓面積１７３と窓熱性能１７４と窓光学性能１７５等から構成され、具体的にはハードディスク、ＲＡＭ等の記憶媒体である。また、通信経路１８は、空気調和機１１と入力装置１２と室温検出装置１３と外気温検出装置１４と表面温度検出装置１５と演算装置１６と記憶装置１７と制御装置１９とを接続する通信用のネットワークである。通信経路１８はケーブルの種類、通信プロトコル等は特に限定しない。さらに、制御装置１９は、通信経路１８を介した日射熱負荷推定値に基づき、空気調和機１１に対する制御指令を決定する。

図３は、本発明の実施の形態１による空気調和システムの処理フローの例である。以下、ステップ毎に説明する。

［Ｓ1１：日射あり・なし判断］
Ｓ１1では、日射の有無を判断する。その後、日射がある場合はＳ1３へ、日射が無い場合はＳ1２へ進む。日射の有無の判断方法の例を以下に示す。

窓熱性能１７４を学習するには日射の影響がないときのデータを用いる必要がある。窓ガラス表面に直接日射が当たると、熱が窓ガラスに吸収されて窓ガラスの表面温度Ｔｇが上昇する。

図４は、本発明の実施の形態１による日射の有無による温度勾配図の例である。より具体的には、夏と冬において日射の有無で、外気温Ｔａ、窓ガラスの表面温度Ｔｇ、室温Ｔｚの温度勾配を表した図である。上段が日射なしの場合、下段が日射ありの場合、左側が夏場に冷房運転を行う場合、右側が冬場に暖房運転を行う場合を示している。また、Ｔａは外気温Ｔａ、Ｔｚは室温、Ｔｇは窓４の室内側の表面温度Ｔｇであり、上方は温度が高く、下方は温度が低いことを示している。さらに、下段の日射ありの場合、太い矢印で窓吸収日射を示している。

室温検出装置１３で検出した室温Ｔｚと、外気温検出装置１４で検出した外気温Ｔａと、表面温度検出装置１５で検出した窓ガラスの表面温度Ｔｇを用いて、窓ガラスの表面温度Ｔｇが室温Ｔｚより高く、かつ、窓ガラスの表面温度Ｔｇが外気温Ｔａより高いときに日射があると判断する（式１群の上段）。また、空気調和システム１の稼働中の時刻が分かる場合は、夜間のデータを日射なし条件のデータとして用いることができる。日射が無い場合は、夏場の冷房時は、室温Ｔｚ、窓ガラスの表面温度Ｔｇ、外気温Ｔａの順番で温度が高くなる（式１群の中段）。一方、日射が無い場合は、冬場の暖房時は、外気温Ｔａ、窓ガラスの表面温度Ｔｇ、室温Ｔｚの順番で温度が高くなる（式１群の下段）。

図５は本発明の実施の形態１による室内の熱画像と写真の例である。下段の写真の状態の熱画像が上段になっている。図５は実際の住居に実験設備を持ち込んだものであり複数の支柱が設置されている。また、図５の右側はカーテンであり、左奥は輻射パネルである。ここで、レースカーテン、ブラインド等を使っているときでも窓４の位置が検出できることが分かる。このように、窓４の位置にあるレースカーテン、ブラインド等の表面温度を窓ガラスの表面温度Ｔｇとみなすことで、日射の有無の判断ができる。

［Ｓ1２：窓熱性能学習］
窓熱性能学習部１６１は、室温Ｔｚと外気温Ｔａと窓ガラスの表面温度Ｔｇとに基づいて窓ガラスの窓熱性能を学習する（Ｓ１２）。具体的には、窓熱性能学習部１６１において、Ｓ1１で日射がないと判断したときのデータを用いて窓ガラスの熱貫流抵抗Ｒを計算する。なお、窓熱性能は熱貫流抵抗Ｒに限定されず、熱抵抗に基づく性能を含んでもよい。

窓ガラスの熱貫流抵抗Ｒは、室温Ｔｚと外気温Ｔａと窓ガラスの表面温度Ｔｇを用いて式２に基づいて計算する。なお、式２において、Ｒｉは窓ガラスの内表面熱伝達抵抗を表し、ＪＩＳＲ３１０７に準拠して、０．１１６［ｍ²Ｋ／Ｗ］を用いる。また、計算した窓ガラスの熱貫流抵抗Ｒは記憶装置１７の窓熱性能１７４に格納する。

［Ｓ1３：吸収日射量推定］
日射熱負荷推定部１６３において、Ｓ1１で日射ありと判断したときのデータを用いて窓ガラスに吸収される日射量Ｉαを式３によって推定する（Ｓ１３）。

［Ｓ１４：窓光学性能学習］
窓光学性能学習部１６２は窓ガラスの日射吸収率αと日射熱取得率ηを計算する。なお、窓光学性能は日射吸収率αと日射熱取得率ηとに限定されず、日射に関連する他の性能を含んでもよい。地域別単位日射量１７１は地域の経度と緯度と日付とから計算する理論値を示す。日付は入力装置から入力することが可能であり、記憶装置１７にタイマー機能があるものにおいてはタイマーの日付を用いる。

まず、日射吸収率αを求めるために式３群を用いて計算した吸収日射量と、単位日射量Ｉｒを用いて式４から、窓ガラスの日射吸収率αの計算を行う。なお、式４において、単位日射量Ｉｒは、入力装置１２から入力された地域と、記憶装置１７に格納されている地域別単位日射量１７１と、室温Ｔｚと外気温Ｔａと窓ガラスの表面温度Ｔｇとを検出した日付に基づき決まる。地域別単位日射量１７１は地域の経度と緯度と日付とから計算する理論値を示す。例えば、日付は入力装置１２から入力することができ、記憶装置１７にタイマー機能があれば、そのタイマーの日付を用いることもできる。

式４により計算した窓ガラスの日射吸収率αは記憶装置１７の窓光学性能１７５に格納される。例えば、窓ガラスの日射吸収率αは、最初は推定した値の最大値をとり、学習した結果で更新して、窓光学性能１７５に格納する（Ｓ１４）。

図６は、本発明の実施の形態１による窓ガラスの日射吸収率αと日射熱取得率ηとの関係を示す図の例である。より具体的には、日射吸収率αを横軸に、日射熱取得率ηを縦軸にとり、両者の関係を線型一次式で近似して求めている。なお、日射吸収率αと日射熱取得率ηとの関係は、線型一次式による近似方法に限られるものではなく、図６に示した近似式は例示に過ぎない。

図６に示した窓ガラスは、以下のように多くの種類、厚みの窓ガラスを用いている。窓ガラスは種類によって、熱貫流抵抗Ｒ、日射吸収率α、日射熱取得率ηが異なっており、窓光学性能１７５が異なってくるからである。
・単板ガラス：透明板ガラス、熱線吸収板ガラス、熱線反射ガラス
・合わせガラス：接着剤によって２枚の単板ガラスが接着されたガラス
（透明板ガラス＋透明板ガラス、熱線吸収板ガラス＋透明板ガラス、熱線反射ガラス＋透明板ガラス）
・複層ガラス：中空層を有する２枚の単板ガラスによって構成されたガラス
（透明板ガラス＋中空層＋透明板ガラス、熱線吸収板ガラス＋中空層＋透明板ガラス、熱線反射ガラス＋中空層＋透明板ガラス）
の９種類であり、１枚のガラスの厚みが３ｍｍから８ｍｍまでのガラスを含んでいる。

式４によって求めた日射吸収率αを図６に示した日射熱取得率ηとの関係式に当てはめ、日射熱取得率ηを算出する。なお、日射吸収率αと日射熱取得率ηとの関係式は、窓ガラスの構成の変更及び追加によって変更することができる。また、窓光学性能１７５を学習する前は、記憶装置１７の窓光学性能関係式１７２に格納した式を用いればよい。

以上のように、窓光学性能学習部１６２は、単位日射量及び窓ガラスの構成による窓光学性能関係式１７２、室温Ｔｚ、外気温Ｔａ、表面温度Ｔｇ、窓熱性能に基づいて窓ガラスの窓光学性能を学習する（Ｓ１４）。

［Ｓ１５：日射熱負荷推定］
日射熱負荷推定部１６３において、Ｓ１３で推定した窓ガラスの吸収日射量Ｉαと、記憶装置１７の窓光学性能１７５に格納された窓ガラスの日射吸収率αと、日射熱取得率ηとに基づいて、式５を用いて、日射熱負荷Ｑｓを推定する（Ｓ１５）。なお、式５において、Ａｇは窓ガラスの面積を表す。窓面積Ａｇは、例えば、入力装置から入力した窓面積値、表面温度検出装置から推定した窓面積値等を用いればよい。より具体的には、記憶装置１７の窓面積１７３に格納されている窓面積Ａｇの値を用いる。

日射熱負荷推定部１６３は、別の形で入力条件を表現すると、窓面積１７３、室温Ｔｚ、外気温Ｔａ、表面温度Ｔｇ、窓熱性能１７４、窓光学性能１７５に基づいて、窓ガラスから入射する日射による日射熱負荷を推定することになる。

［Ｓ１６：空気調和制御指令決定］
制御装置１９は、Ｓ１５で推定した日射熱負荷Ｑｓに基づき、空気調和機１１の空気調和能力Ｑｈｖａｃの制御指令を決定する（Ｓ１６）。その後、Ｓ１１に戻る。

なお、制御指令は空気調和能力Ｑｈｖａｃに限定されず、空気調和機の吹き出し温度の指令値、吹き出しの方向等を制御指令値として制御することもできる。

以上のように、建物内の室温を検出する室温検出部と、外気温を検出する外気温検出部と、窓ガラスの建物の内側の表面温度を検出する表面温度検出部と、室温と外気温と表面温度とに基づいて窓ガラスの窓熱性能を学習する窓熱性能学習部と、単位日射量及び窓ガラスの構成による窓光学性能関係式と室温と外気温と表面温度と窓熱性能とに基づいて窓ガラスの窓光学性能を学習する窓光学性能学習部と、窓ガラスの面積と室温と外気温と表面温度と窓熱性能と窓光学性能とに基づいて窓ガラスから入射する日射による日射熱負荷を推定する日射熱負荷推定部と、日射熱負荷に基づいて空気調和機を制御する制御部とを備える空気調和システムである。

また、建物内の室温を検出する室温検出ステップと、外気温を検出する外気温検出ステップと、窓ガラスの建物の内側の表面温度を検出する表面温度検出ステップと、室温と外気温と表面温度とに基づいて窓ガラスの窓熱性能を学習する窓熱性能学習ステップと、単位日射量及び窓ガラスの構成による窓光学性能関係式と室温と外気温と表面温度と窓熱性能とに基づいて窓ガラスの窓光学性能を学習する窓光学性能学習ステップと、窓ガラスの面積と室温と外気温と表面温度と窓熱性能と窓光学性能とに基づいて窓ガラスから入射する日射による日射熱負荷を推定する日射熱負荷推定ステップと、日射熱負荷に基づいて空気調和機を制御する制御ステップとを備える空気調和方法である。

このため、日射量を検出する専用の検出機器や、光透過性の有機薄膜太陽電池を設けることなく、室内の日射熱負荷を推定して空気調和機を制御する空気調和システム及び空気調和方法を得ることができる。

さらに、窓熱性能は熱貫流抵抗Ｒに基づく性能であり、窓光学性能は日射吸収率αと日射熱取得率ηとに基づく性能である。このため、空気調和システムは、空気調和対象となる建物の日射熱負荷を高精度に推定できる。

実施の形態２．
図７は、本発明の実施の形態２による空気調和システムの構成図の例である。実施の形態１との違いは、以下の通りである。

まず、空気調和機１１が備える機能を細かく分けている。具体的には、空気調和機１１の室内機１１１は、建物２の室温Ｔｚを検出する室温検出装置１１１１と、窓ガラスの建物の内側の表面温度Ｔｇを検出する表面温度検出装置１１１２とを備え、また、室外機１１２は建物２の外の外気温Ｔａを検出する外気温検出装置１１２１を備えている。

室温検出装置１１１１は実施の形態１の室温検出装置１３に代わるものである。また、表面温度検出装置１１１２は実施の形態１の表面温度検出装置１５に代わるものである。さらに、外気温検出装置１１２１は実施の形態１の外気温検出装置１４に代わるものである。同等の機能を備えるものであれば、空気調和機１１の機能として備えているか、別に設けるかは関係ない。このことは、他の実施の形態においても同じである。

次に、実施の形態１との違いは、演算装置１６には室内発熱負荷推定部１６０と、空気調和能力推定部１６４と、総熱損失係数学習部１６５と、空気調和負荷推定部１６６とが追加され、記憶装置１７には総熱損失係数ＫＡを格納する総熱損失係数１７６が追加されている点が異なっている。

なお、図において、同一の符号を付したものは、同一またはこれに相当するものであり、このことは明細書の全文、図面の全図において共通することである。さらに、明細書全文に表れている構成要素の形態は、あくまで例示であってこれらの記載に限定されるものではない。

図８は、本発明の実施の形態２による空気調和機１１の外観図の例である。空気調和機１１は壁掛型の室内機１１１の例であり、室温検出装置１１１１と表面温度検出装置１１１２とを備える室内機１１１と、外気温検出装置１１２１を備える室外機１１２とが接続配管１１３により繋がり、室内を空気調和する。なお、空気調和機１１にリモートコントローラが含まれる場合には、入力装置１２としてリモートコントローラを用いることができる。

また、各種の演算を行う演算装置１６と、各種の検出装置の情報及び演算装置１６の演算結果を記憶する記憶装置１７と、外部からの情報が入力される入力装置１２と、空気調和機１１を制御する制御装置１９と、各種の装置間で情報をやりとりする通信経路１８とから構成される。

（処理フロー）
図９は、本発明の実施の形態２による空気調和システムの処理フローの例である。空気調和システム１の稼働中に実施する処理フローの例である。なお、日射熱負荷を推定する動作に関わる処理は、実施の形態１と同一である。具体的には、Ｓ３１はＳ１１に、Ｓ３２はＳ１２に、Ｓ３４はＳ１３に、Ｓ３５はＳ１４に、Ｓ３６はＳ１５に、Ｓ３８はＳ１６に、それぞれ相当するステップ（実施の形態１は１０番代のステップ、実施の形態２は３０番代のステップ）であり、同様の処理であるため詳細な説明は省略する。

［Ｓ３０：室内発熱負荷推定］
Ｓ３０では、室内発熱負荷推定部１６０において、建物２（居室）に人が存在する場合、照明やテレビなど発熱器具がＯＮになっている場合などで、室内発熱負荷Ｑｉｎを推定する。室内発熱負荷Ｑｉｎは、人体発熱によるもの（人体熱負荷）、照明発熱によるもの（照明負荷）、器具発熱によるもの（器具発熱負荷）の合計である。なお、室内発熱負荷Ｑｉｎは冷房時では負荷を増加するものであり、暖房時では負荷を減らすものである。

室内発熱負荷Ｑｉｎは表面温度検出装置１１１２が計測した在室人数（人体熱負荷）と、発熱する機器のＯＮの状態（照明負荷、器具発熱負荷）から、各発熱量の合計で推定することができる。例えば、空気調和・衛生工学便覧に記載されている人の発熱量９８［Ｗ／人］と照明の発熱量９０［Ｗ］とを用いて各発熱量の合計から室内発熱負荷Ｑｉｎを推定できる。

また、室内発熱負荷Ｑｉｎは各発熱量の合計を用いて推定することに限定されず、室内発熱負荷Ｑｉｎを係数として扱い、後述の式６群を用いて総熱損失係数ＫＡと室内発熱負荷Ｑｉｎとを回帰分析を用いて求めることもできる。このように室内発熱負荷Ｑｉｎの求め方は特定の方法に限定されるものではない。なお、建物２（居室）に室内発熱に該当する人が存在しない場合や、照明など発熱する機器がＯＦＦになっている状態などで、室内発熱が０の場合は、室内発熱負荷Ｑｉｎは０とする。

Ｓ３1では、日射の有無を判断する。その後、日射が無い場合はＳ３２へ、日射がある場合はＳ３４へと進む。Ｓ３２では、窓熱性能学習部１６１は、室温Ｔｚと外気温Ｔａと窓ガラスの表面温度Ｔｇとに基づいて窓ガラスの窓熱性能１７４を学習する。その後、Ｓ３３へと進む。

一方、Ｓ３４では、日射熱負荷推定部１６３において、Ｓ３１で日射ありと判断したときのデータを用いて窓ガラスに吸収される日射量Ｉαを推定する。その後、窓光学性能学習部１６２で単位日射量Ｉｒ及び窓ガラスの構成による窓光学性能関係式と室温Ｔｚと外気温Ｔａと表面温度Ｔｇと窓熱性能１７４とに基づいて窓ガラスの窓光学性能を学習する（Ｓ３５）。その後、日射熱負荷推定部１６３において、窓面積Ａｇと室温Ｔｚと外気温Ｔａと表面温度Ｔｇと窓熱性能（Ｓ３２）と窓光学性能（Ｓ３５）とに基づいて、窓ガラスから入射する日射による日射熱負荷Ｑｓを推定し（Ｓ３６）、Ｓ３７、Ｓ３８へと進み、Ｓ３０に戻る。

［Ｓ３３：総熱損失係数学習］
日射が無い場合、総熱損失係数学習部１６５において、Ｓ３１で日射がないと判断したときの空気調和機１１の室内機１１１の室温検出装置１１１１が検出した室温Ｔｚと、空気調和機１１の室外機１１２の外気温検出装置１１２１が検出した外気温Ｔａと、空気調和能力ＱｈｖａｃとＳ３０で室内発熱負荷推定部１６０において推定した室内発熱負荷Ｑｉｎとを用いて式６群から総熱損失係数ＫＡを学習する（Ｓ３３）。ただし、冷房時は式６群の上段を用いて室内発熱負荷Ｑｉｎがプラスに、暖房時は式６群の下段を用いて室内発熱負荷Ｑｉｎがマイナスになる。

なお、室内発熱負荷Ｑｉｎを所定の係数として扱う場合は、Ｓ３０で室内発熱負荷推定部１６０において室内発熱負荷Ｑｉｎを推定するステップを省略し、Ｓ３３で式６群から総熱損失係数ＫＡと室内発熱負荷Ｑｉｎとを回帰分析で学習することもできる。なお、Ｓ３２の窓熱性能１７４の学習と、Ｓ３３の総熱損失係数ＫＡの学習とは、順番を問わない。

ここでは、室内発熱負荷Ｑｉｎを推定する方法を示したが、室内発熱負荷Ｑｉｎを考慮せずに空気調和機１１を制御することもできる。例えば、日射に対して室内発熱負荷Ｑｉｎの影響が小さいと考えられる場合である。この場合、式６群等の式で室内発熱負荷Ｑｉｎの項をゼロとして扱えばよい。このことは、後述する実施の形態３及び実施の形態４でも同様である。

総熱損失係数学習部１６５において、室温Ｔｚと外気温Ｔａと空気調和能力Ｑｈｖａｃと室内発熱負荷Ｑｉｎとに基づいて建物２の総熱損失係数ＫＡを学習することになる。総熱損失係数ＫＡは、空気調和の対象となる建物２（居室）の内外温度差が１度のときに壁３若しくは窓４から居室へ流入、又は居室から壁３若しくは窓４へ流出する貫流熱及び換気による熱移動の和であり、単位は［Ｗ／Ｋ］である。

なお、空気調和能力Ｑｈｖａｃは、空気調和能力推定部１６４で暖房時の空気調和機１１から供給する供給熱量、冷房時の空気調和機１１が除去する除去熱量を推定した値である。以下の説明では、空気調和能力Ｑｈｖａｃは、暖房時は供給熱量を示し、冷房時は除去熱量を示す。例えば、空気調和能力Ｑｈｖａｃは、空気調和機１１の冷媒の高圧側と低圧側とのエンタルピーの差から推定できる。なお、空気調和能力Ｑｈｖａｃの推定式は、冷媒のエンタルピー差による計算に限定されず、吸い込みと吹き出しとの空気エンタルピーの差から求める方法などを用いることもできる。このように求め方は限定されるものではない。

算出された総熱損失係数ＫＡは、記憶装置１７の総熱損失係数１７６に格納する。ただし、式６群を用いて総熱損失係数ＫＡを求めるには、室温Ｔｚが安定しているデータを用いて計算を行う必要がある。なお、室温Ｔｚの安定は所定時間間隔（例えば、３０分、６０分等から選択される。）での室温Ｔｚの傾き、室温Ｔｚのバラツキ等から判断できる。

［Ｓ３７：空気調和負荷推定］
Ｓ３６で日射熱負荷Ｑｓを推定し、かつＳ３３で総熱損失係数ＫＡを学習した後に、空気調和負荷推定部１６６において、Ｓ３０で推定した室内発熱負荷Ｑｉｎと、Ｓ３６で推定した日射熱負荷Ｑｓと、記憶装置１７の総熱損失係数１７６に格納された空気調和の対象となる建物２の総熱損失係数ＫＡと、室温Ｔｚと、外気温Ｔａとに基づいて式７群を用いて、空気調和負荷Ｑを推定する（Ｓ３７）。式７群では冷房時が上段に、暖房時が下段になっている。

また、室温Ｔｚの代わりに空気調和機１１の設定温度Ｔｓｅｔを用いて式７群から各設定温度に対する空気調和に必要な熱量を推定して用いることもできる。ただし、冷房時は式７群の上段を用いて日射熱負荷Ｑｓと室内発熱負荷Ｑｉｎがプラスに、暖房時は式７群の下段を用いて日射熱負荷Ｑｓと室内発熱負荷Ｑｉｎがマイナスになる。

［Ｓ３８：空気調和制御指令決定］
制御装置１９は、Ｓ３７で推定した空気調和負荷Ｑに基づき、空気調和機１１の空気調和能力Ｑｈｖａｃの制御指令を決定する（Ｓ３８）。その後、Ｓ３０に戻る。なお、制御指令は空気調和能力Ｑｈｖａｃに限定されず、空気調和機１１の吹き出し温度の指令値、吹き出しの方向等を制御指令値として制御することもできる。

また、表面温度検出部は、空気調和機に備えられたものであるので、空気調和の対象となる建物の日射熱負荷を高精度に推定できる。

さらに、空気調和機から発生する熱量に基づいて空気調和能力を推定する空気調和能力推定部と、室温と外気温と空気調和能力とに基づいて建物の総熱損失係数を学習する総熱損失係数学習部と、室温と外気温と総熱損失係数と日射熱負荷とに基づいて建物の空気調和負荷を推定する空気調和負荷推定部とを備え、制御部は、空気調和負荷に基づいて空気調和機を制御するので、空気調和の対象となる建物の日射熱負荷を高精度に推定できる。

実施の形態３．
図１０は、本発明の実施の形態３による空気調和システムの構成図の例である。実施の形態２との大きな相違点は、日射熱負荷Ｑｓを推定するために窓熱性能と窓光学性能とを各々に学習するのではなく、窓ガラスの表面温度Ｔｇと日射熱負荷Ｑｓとの相関係数を学習し、窓ガラスの表面温度Ｔｇから日射熱負荷Ｑｓを推定することである。なお、窓負荷係数Ｈｇは、窓熱性能と窓光学性能と窓面積Ａｇとを含む係数である。

より具体的には、演算装置１６には、実施の形態２と同様の室内発熱負荷推定部１６０、窓熱性能学習部１６１、日射熱負荷推定部１６３、空気調和能力推定部１６４、総熱損失係数学習部１６５、及び空気調和負荷推定部１６６等に加えて、窓負荷係数学習部１６７を備えている。また、記憶装置１７には、窓熱性能１７４、総熱損失係数１７６等に加えて、窓負荷係数１７７を備えている。

空気調和システム１は、建物２の室温Ｔｚを検出する室温検出装置１１１１と、窓ガラスの表面温度Ｔｇを検出する表面温度検出装置１１１２と、建物２の外の外気温Ｔａを検出する外気温検出装置１１２１と、外部からの情報が入力される入力装置１２と、各種の演算を行う演算装置１６と、各種の検出装置の情報及び演算装置１６の演算結果を記憶する記憶装置１７と、空気調和機１１を制御する制御装置１９と、各種の装置間で情報をやりとりする通信経路１８とから構成される。

日射がある日に空気調和を行っている居室において、所定時間間隔（例えば、３０分、６０分等から選択される。）で室温Ｔｚが安定（例えば、室温Ｔｚの変動が０度である。）しているときは、式８の熱収支式が成り立つ。式８の熱収支式が成り立つときは、総熱損失係数ＫＡと、室温Ｔｚと、外気温Ｔａと、日射熱負荷Ｑｓと、室内発熱負荷Ｑｉｎとに基づいて、空気調和能力Ｑｈｖａｃを求めることができる（式８）。なお、式８では、冷房時は日射熱負荷Ｑｓと室内発熱負荷Ｑｉｎとでプラスを、暖房時は日射熱負荷Ｑｓと室内発熱負荷Ｑｉｎとでマイナスを選択することになる。

また、室温Ｔｚが安定するとは、理想的には室温Ｔｚの変動が０度の状態であるが、例えば、±０．５度、±１度の変動であれば、誤差も増えるが許容範囲として室温Ｔｚが安定しているとして扱うこともできる。

式３と式５から式９を導くことができ、日射熱負荷Ｑｓは式９を用いて推定することができる。なお、式９のように日射熱負荷Ｑｓは窓負荷係数Ｈｇと窓ガラスの熱貫流抵抗Ｒと窓ガラスの内表面熱伝達抵抗Ｒｉと室温Ｔｚと外気温Ｔａと窓ガラスの表面温度Ｔｇとを用いて表現できる。なお、上段の式９の右側は窓負荷係数Ｈｇに相当するものである。このように窓負荷係数Ｈｇは、熱貫流抵抗Ｒと内表面熱伝達抵抗Ｒｉと日射熱取得率ηと日射吸収率αと窓面積Ａｇとで表現できるものである。

また、窓ガラスの表面温度Ｔｇは、室温Ｔｚと外気温Ｔａと日射量Ｉαとから影響を受けることから、窓ガラスの表面温度Ｔｇは式１０から計算できる。式１０において、日射による影響分は第３項の値になり、第１項及び第２項は室温Ｔｚと外気温Ｔａとの影響分である。複数ガラス等の断熱性能が良い窓においては熱貫流抵抗Ｒが大きくなり、第２項の影響が無視できる。

第２項の影響が無視できる場合は、第２項を省略した式１１を用いて吸収日射量が推定でき、式１２で日射熱負荷Ｑｓが計算できる。

（処理フロー）
図１１は、本発明の実施の形態３による空気調和システムの処理フローの例である。空気調和システム１の稼働中に実施する処理フローである。実施の形態２の処理フロー（図９）と対比すると、室内発熱負荷Ｑｉｎを推定する動作に関わる処理Ｓ５０はＳ３０に、総熱損失係数ＫＡを学習する動作に関わる処理は、Ｓ５１はＳ３１に、Ｓ５３はＳ３３に、それぞれ相当するステップであり、同様の処理であるため詳細な説明は省略する。さらに、窓熱性能を学習する処理Ｓ５２はＳ３２に、空気調和負荷Ｑを推定する処理Ｓ５６はＳ３７に、空気調和制御指令を決定する処理Ｓ５７はＳ３８に、それぞれ相当するステップであり、同様の処理であるため詳細な説明は省略する（実施の形態２は３０番代のステップ、実施の形態３は５０番代のステップ）。

Ｓ５０で室内発熱負荷Ｑｉｎを推定し、Ｓ５１に進む。Ｓ５１で日射が無い場合は、Ｓ５２に進み、窓熱性能学習部１６１において、室温Ｔｚと外気温Ｔａと窓ガラスの表面温度Ｔｇとに基づいて窓ガラスの窓熱性能を学習する。その後、Ｓ５３に進み、総熱損失係数学習部１６５において、室温Ｔｚと外気温Ｔａと空気調和能力Ｑｈｖａｃと室内発熱負荷Ｑｉｎとに基づいて建物２の総熱損失係数ＫＡを学習する。なお、空気調和能力推定部１６４において、空気調和機１１から発生する熱量（除去する熱量）に基づいて空気調和能力Ｑｈｖａｃを推定できる。

［Ｓ５４：窓負荷係数学習］
窓負荷係数学習部１６７において、Ｓ５１で日射があると判断したときの空気調和機１１の室内機１１１の室温検出装置１１１１が検出した室温Ｔｚと、空気調和機１１の室内機１１１の表面温度検出装置１１１２が検出した窓ガラスの表面温度Ｔｇと、空気調和機１１の室外機１１２の外気温検出装置１１２１が検出した外気温Ｔａと、室内発熱負荷推定部１６０で推定した室内発熱負荷Ｑｉｎと、空気調和能力推定部１６４で推定した空気調和能力Ｑｈｖａｃと、記憶装置１７の総熱損失係数１７６に格納している総熱損失係数ＫＡと、を用いて、式１３群から窓負荷係数Ｈｇを算出する。式１３群は、式８と式９から導くことができる。なお、式１３群は、冷房時は上段を、暖房時は下段を用いる。

また、式１３群において、総熱損失係数ＫＡと窓負荷係数Ｈｇとを未知数として連立方程式を立てて算出しても良いし、回帰分析を用いても良い。なお、総熱損失係数ＫＡを未知数として扱う場合は、Ｓ５３で総熱損失係数学を学習するステップを省略しても、窓負荷係数Ｈｇを学習することができる。

さらに、断熱性能が良いガラスにおいては式１４群から窓負荷係数Ｈｇが算出でき、Ｓ５２の窓熱性能を学習するステップを省略しても、窓負荷係数Ｈｇが算出できる。式１４群は、冷房時は上段を、暖房時は下段を用いる。なお、窓負荷係数Ｈｇは、空気調和の対象となる建物２の窓ガラスの表面温度Ｔｇと室温Ｔｚとの差が１度であるときの窓ガラスから室内への日射熱取得であり、単位は［Ｗ／Ｋ］である。

このように、窓負荷係数学習部１６７は、空気調和能力Ｑｈｖａｃと室温Ｔｚと外気温Ｔａと表面温度Ｔｇとに基づいて窓ガラスの窓負荷係数Ｈｇを学習している。算出した窓負荷係数Ｈｇは記憶装置１７の窓負荷係数１７７に格納する。なお、式１３群、１４群が成り立つ前提条件として所定時間間隔（例えば、３０分、６０分等から選択される。）で、室温Ｔｚが安定する必要があり、室温Ｔｚの傾き、室温Ｔｚのバラツキ等から室温Ｔｚの安定の可否を判断できる。

［Ｓ５５：日射熱負荷推定］
日射熱負荷推定部１６３において、Ｓ５４で計算した、記憶装置１７の窓負荷係数１７７に格納された窓負荷係数Ｈｇと、窓ガラスの熱貫流抵抗Ｒと、窓ガラスの内表面熱伝達抵抗Ｒｉと、室温Ｔｚと、外気温Ｔａ、窓ガラスの表面温度Ｔｇとを基に、式９を用いて日射熱負荷Ｑｓの計算を行う（Ｓ５５）。また、室温Ｔｚの代わりに空気調和機１１の設定温度Ｔｓｅｔを用いて日射熱負荷Ｑｓを推定することもできる。

次に、空気調和負荷推定部１６６において、Ｓ５０で推定した室内発熱負荷Ｑｉｎと、Ｓ５５で推定した日射熱負荷Ｑｓと、記憶装置１７の総熱損失係数１７６に格納された空気調和の対象となる建物２の総熱損失係数ＫＡと、室温Ｔｚと、外気温Ｔａとに基づいて、式７群に従い空気調和負荷Ｑを推定する（Ｓ５６）。

最後に、制御装置１９は、Ｓ５６で推定した空気調和負荷Ｑに基づき、空気調和機１１の空気調和能力Ｑｈｖａｃの制御指令を決定する（Ｓ５７）。その後、Ｓ５０に戻る。なお、制御指令は空気調和能力Ｑｈｖａｃに限定されず、空気調和機１１の吹き出し温度の指令値、吹き出しの方向等を制御指令値として制御することもできる。よって、窓ガラスから建物２の中である居室に侵入する日射による日射熱負荷をリアルタイムで、環境の変化に応じて高精度に推定することできる。

以上のように、建物内の室温を検出する室温検出部と、外気温を検出する外気温検出部と、窓ガラスの建物の内側の表面温度を検出する表面温度検出部と、室温と外気温と表面温度とに基づいて窓ガラスの窓熱性能を学習する窓熱性能学習部と、空気調和機から発生する熱量に基づいて空気調和能力を推定する空気調和能力推定部と、室温と外気温と表面温度と窓熱性能と空気調和能力とに基づいて窓ガラスの窓負荷係数を学習する窓負荷係数学習部と、室温と外気温と表面温度と窓熱性能と窓負荷係数とに基づいて窓ガラスから入射する日射による日射熱負荷を推定する日射熱負荷推定部と、日射熱負荷に基づいて空気調和機を制御する制御部とを備える空気調和システムである。これによって、空気調和の対象となる建物の日射熱負荷を高精度に推定できる。

また、建物内の室温を検出する室温検出ステップと、外気温を検出する外気温検出ステップと、窓ガラスの建物の内側の表面温度を検出する表面温度検出ステップと、室温と外気温と表面温度とに基づいて窓ガラスの窓熱性能を学習する窓熱性能学習ステップと、空気調和機から発生する熱量に基づいて空気調和能力を推定する空気調和能力推定ステップと、室温と外気温と表面温度と窓熱性能と空気調和能力とに基づいて窓ガラスの窓負荷係数を学習する窓負荷係数学習ステップと、室温と外気温と表面温度と窓熱性能と窓負荷係数とに基づいて窓ガラスから入射する日射による日射熱負荷を推定する日射熱負荷推定ステップと、日射熱負荷に基づいて空気調和機を制御する制御ステップとを備える空気調和方法である。これによって、空気調和の対象となる建物の日射熱負荷を高精度に推定できる。

さらに、室温と外気温と空気調和能力とに基づいて建物の総熱損失係数を学習する総熱損失係数学習部と、室温と外気温と表面温度と窓熱性能と窓負荷係数と総熱損失係数とに基づいて建物の空気調和負荷を推定する空気調和負荷推定部と、空気調和負荷に基づいて空気調和機を制御する空気調和システムである。これによって、空気調和の対象となる建物の日射熱負荷を高精度に推定できる。

実施の形態４．
図１２は、本発明の実施の形態４による空気調和システムの構成図の例である。実施の形態３とは異なり、実施の形態４では日射の有無の判断を行わない。また、実施の形態３では、日射熱負荷Ｑｓを推定するために、総熱損失係数ＫＡと、窓熱性能と、窓負荷係数Ｈｇとを別々のステップで学習したが、実施の形態４は外気負荷係数Ｈａと窓負荷係数Ｈｇとを学習することで、空気調和負荷Ｑを推定する点が主要な相違点となる。なお、窓負荷係数Ｈｇは、窓熱性能と窓光学性能と窓面積Ａｇとを含む係数であり、外気負荷係数Ｈａは総熱損失係数ＫＡと窓負荷係数Ｈｇとを含む係数である。

より具体的には、演算装置１６には、実施の形態３と同様の室内発熱負荷推定部１６０、空気調和能力推定部１６４、及び空気調和負荷推定部１６６等に加えて、負荷係数学習部１６８を備えている。また、記憶装置１７には、窓負荷係数１７７等に加えて、外気負荷係数１７８を備えている。

空気調和を行っている居室において、所定時間間隔（例えば、３０分、６０分等から選択される。）で室温Ｔｚが安定（例えば、室温Ｔｚの変動が０度である。）しているときは、式１５群の熱収支式が成り立つ。なお、式１５群は式８と式９から導くことができる。式１５の熱収支式が成り立つときは、室温Ｔｚと、外気温Ｔａと、窓ガラスの表面温度Ｔｇと、外気負荷係数Ｈａと、窓負荷係数Ｈｇと、室内発熱負荷Ｑｉｎとに基づいて、空気調和能力Ｑｈｖａｃを求めることができる（式１５群）。なお、式１５群は、上段が冷房時、下段が暖房時になっている。

（処理フロー）
図１３は、本発明の実施の形態４による空気調和システムの処理フローの例である。空気調和システム１の稼働中に実施する処理フローである。実施の形態３の処理フロー（図１１）と対比すると、室内発熱負荷Ｑｉｎを推定する動作に関わる処理Ｓ６０はＳ５０に、空気調和制御指令を決定する処理Ｓ６３はＳ５７に、それぞれ相当するステップ（実施の形態３は５０番代のステップ、実施の形態４は６０番代のステップ）であり、同様の処理であるため詳細な説明は省略する。

Ｓ６０で室内発熱負荷推定部１６０において室内発熱負荷Ｑｉｎを推定し、Ｓ６１に進む。

［Ｓ６１：負荷係数学習］
負荷係数学習部１６８において、空気調和機１１の室内機１１１の室温検出装置１１１１が検出した室温Ｔｚと、空気調和機１１の室内機１１１の表面温度検出装置１１１２が検出した窓ガラスの表面温度Ｔｇと、空気調和機１１の室外機１１２の外気温検出装置１１２１が検出した外気温Ｔａと、空気調和能力推定部１６４で推定した空気調和能力Ｑｈｖａｃと、室内発熱負荷推定部１６０で推定した室内発熱負荷Ｑｉｎを用いて、式１６群から外気負荷係数Ｈａと窓負荷係数Ｈｇとを学習する。式１６群において外気負荷係数Ｈａと窓負荷係数Ｈｇとを未知数として連立方程式を立てて算出してもよいし、回帰分析を用いてもよい。なお、式１６群は、冷房時は上段を、暖房時は下段を用いる。

［Ｓ６２：空気調和負荷推定］
空気調和負荷推定部１６６において、Ｓ６０で推定した室内発熱負荷Ｑｉｎと、Ｓ６１で学習した外気負荷係数Ｈａと窓負荷係数Ｈｇと、空気調和機１１の室内機１１１の室温検出装置１１１１が検出した室温Ｔｚと、空気調和機１１の室内機１１１の表面温度検出装置１１１２が検出した窓ガラスの表面温度Ｔｇと、空気調和機１１の室外機１１２の外気温検出装置１１２１が検出した外気温Ｔａとに基づいて、式１６群に従い空気調和負荷Ｑを推定する（Ｓ６２）。ただし、冷房時は式１６群の上段を、暖房時は式１６群の下段を用いる。

最後に、制御装置１９は、Ｓ６３で推定した空気調和制御指令に基づき、空気調和機１１に制御する。その後、Ｓ６０に戻る。

以上のように、建物内の室温を検出する室温検出部と、外気温を検出する外気温検出部と、窓ガラスの建物の内側の表面温度を検出する表面温度検出部と、空気調和機から発生する熱量に基づいて空気調和能力を推定する空気調和能力推定部と、室温と外気温と表面温度と空気調和能力とに基づいて窓ガラスの窓負荷係数及び外気負荷係数を学習する負荷係数学習部と、室温と外気温と表面温度と窓負荷係数と外気負荷係数とに基づいて建物の空気調和負荷を推定する空気調和負荷推定部と、空気調和負荷に基づいて空気調和機を制御する制御部とを備える空気調和システムである。

また、建物内の室温を検出する室温検出ステップと、外気温を検出する外気温検出ステップと、窓ガラスの建物の内側の表面温度を検出する表面温度検出ステップと、空気調和機から発生する熱量に基づいて空気調和能力を推定する空気調和能力推定ステップと、室温と外気温と表面温度と空気調和能力とに基づいて窓ガラスの窓負荷係数及び外気負荷係数を学習する負荷係数学習ステップと、室温と外気温と表面温度と窓負荷係数と外気負荷係数とに基づいて建物の空気調和負荷を推定する空気調和負荷推定ステップと、空気調和負荷に基づいて空気調和機を制御する制御ステップとを備える空気調和方法である。

室内の空気調和負荷を推定して空気調和機を制御する空気調和システム及び空気調和方法を得ることができる。

最後に、本発明は、これまで述べてきた実施の形態に限定されるものではなく、本発明の範囲内で種々に改変することができる。すなわち、これまで述べてきた実施の形態の構成を適宜改良してもよく、また、少なくとも一部を他の構成に代替させてもよい。さらに、その配置について特に限定のない構成要件は、実施の形態で開示した配置に限らず、その機能を達成できる位置に配置することができる。また、これまで述べてきた実施の形態に開示されている複数の構成要素を適宜組み合わせることにより発明を形成してもよい。さらに、本発明は、これまで述べてきた実施の形態の範囲ではなく、特許請求の範囲によって示され、特許請求の範囲と均等の意味および範囲内でのすべての変更を含むものである。

１空気調和システム、２建物、３壁、４窓、５床、１１空気調和機、１２入力装置、１３室温検出装置、１４外気温検出装置、１５表面温度検出装置、１６演算装置、１７記憶装置、１８通信経路、１９制御装置、１１１室内機、１１２室外機、１６０室内発熱負荷推定部、１６１窓熱性能学習部、１６２窓光学性能学習部、１６３日射熱負荷推定部、１６４空気調和能力推定部、１６５総熱損失係数学習部、１６６空気調和負荷推定部、１６７窓負荷係数学習部、１６８負荷係数学習部、１７１地域別単位日射量、１７２窓光学性能関係式、１７３窓面積、１７４窓熱性能、１７５窓光学性能、１７６総熱損失係数、１７７窓負荷係数、１７８外気負荷係数、１１１１室温検出装置、１１１２表面温度検出装置、１１２１外気温検出装置。

Claims

建物内の室温を検出する室温検出部と、
外気温を検出する外気温検出部と、
窓ガラスの前記建物の内側の表面温度を検出する表面温度検出部と、
前記室温と前記外気温と前記表面温度とに基づいて前記窓ガラスの窓熱性能を学習する窓熱性能学習部と、
空気調和機から発生する熱量に基づいて空気調和能力を推定する空気調和能力推定部と、
前記室温と前記外気温と前記表面温度と前記窓熱性能と前記空気調和能力とに基づいて前記窓ガラスの窓負荷係数を学習する窓負荷係数学習部と、
前記室温と前記外気温と前記表面温度と前記窓熱性能と前記窓負荷係数とに基づいて前記窓ガラスから入射する日射による日射熱負荷を推定する日射熱負荷推定部と、
前記日射熱負荷に基づいて前記空気調和機を制御する制御部とを備えたことを特徴とする空気調和システム。
請求項１に記載の空気調和システムであって、
前記室温と前記外気温と前記空気調和能力とに基づいて前記建物の総熱損失係数を学習する総熱損失係数学習部と、
前記室温と前記外気温と前記表面温度と前記窓熱性能と前記窓負荷係数と前記総熱損失係数とに基づいて前記建物の空気調和負荷を推定する空気調和負荷推定部と、
前記空気調和負荷に基づいて前記空気調和機を制御する制御部とを備えたことを特徴とする空気調和システム。
建物内の室温を検出する室温検出部と、
外気温を検出する外気温検出部と、
窓ガラスの前記建物の内側の表面温度を検出する表面温度検出部と、
空気調和機から発生する熱量に基づいて空気調和能力を推定する空気調和能力推定部と、
前記室温と前記外気温と前記表面温度と前記空気調和能力とに基づいて前記窓ガラスの窓負荷係数及び外気負荷係数を学習する負荷係数学習部と、
前記室温と前記外気温と前記表面温度と前記窓負荷係数と前記外気負荷係数とに基づいて前記建物の空気調和負荷を推定する空気調和負荷推定部と、
前記空気調和負荷に基づいて前記空気調和機を制御する制御部とを備えたことを特徴とする空気調和システム。
建物内の室温を検出する室温検出部と、
外気温を検出する外気温検出部と、
窓ガラスの前記建物の内側の表面温度を検出する表面温度検出部と、
前記室温と前記外気温と前記表面温度とに基づいて前記窓ガラスの窓熱性能を学習する窓熱性能学習部と、
単位日射量及び前記窓ガラスの構成による窓光学性能関係式と前記室温と前記外気温と前記表面温度と前記窓熱性能とに基づいて前記窓ガラスの窓光学性能を学習する窓光学性能学習部と、
前記窓ガラスの面積と前記室温と前記外気温と前記表面温度と前記窓熱性能と前記窓光学性能とに基づいて前記窓ガラスから入射する日射による日射熱負荷を推定する日射熱負荷推定部と、
前記日射熱負荷に基づいて空気調和機を制御する制御部とを備えたことを特徴とする空気調和システム。
請求項４に記載の空気調和システムであって、
前記窓熱性能は、熱貫流抵抗に基づく性能であり、
前記窓光学性能は、日射吸収率と日射熱取得率とに基づく性能であることを特徴とする空気調和システム。
請求項４または請求項５に記載の空気調和システムであって、
前記空気調和機から発生する熱量に基づいて空気調和能力を推定する空気調和能力推定部と、
前記室温と前記外気温と前記空気調和能力とに基づいて前記建物の総熱損失係数を学習する総熱損失係数学習部と、
前記室温と前記外気温と前記総熱損失係数と前記日射熱負荷とに基づいて前記建物の空気調和負荷を推定する空気調和負荷推定部とを備え、
前記制御部は、前記空気調和負荷に基づいて前記空気調和機を制御することを特徴とする空気調和システム。
請求項２、請求項３及び請求項６のいずれか１項に記載の空気調和システムであって、
前記空気調和負荷は、室内発熱負荷に基づいて推定されることを特徴とする空気調和システム。
請求項１から請求項７のいずれか１項に記載の空気調和システムであって、
前記表面温度検出部は、前記空気調和機に備えられたものであることを特徴とする空気調和システム。
建物内の室温を検出する室温検出ステップと、
外気温を検出する外気温検出ステップと、
窓ガラスの前記建物の内側の表面温度を検出する表面温度検出ステップと、
前記室温と前記外気温と前記表面温度とに基づいて前記窓ガラスの窓熱性能を学習する窓熱性能学習ステップと、
空気調和機から発生する熱量に基づいて空気調和能力を推定する空気調和能力推定ステップと、
前記室温と前記外気温と前記表面温度と前記窓熱性能と前記空気調和能力とに基づいて前記窓ガラスの窓負荷係数を学習する窓負荷係数学習ステップと、
前記室温と前記外気温と前記表面温度と前記窓熱性能と前記窓負荷係数とに基づいて前記窓ガラスから入射する日射による日射熱負荷を推定する日射熱負荷推定ステップと、
前記日射熱負荷に基づいて前記空気調和機を制御する制御ステップとを備えたことを特徴とする空気調和方法。
建物内の室温を検出する室温検出ステップと、
外気温を検出する外気温検出ステップと、
窓ガラスの前記建物の内側の表面温度を検出する表面温度検出ステップと、
空気調和機から発生する熱量に基づいて空気調和能力を推定する空気調和能力推定ステップと、
前記室温と前記外気温と前記表面温度と前記空気調和能力とに基づいて前記窓ガラスの窓負荷係数及び外気負荷係数を学習する負荷係数学習ステップと、
前記室温と前記外気温と前記表面温度と前記窓負荷係数と前記外気負荷係数とに基づいて前記建物の空気調和負荷を推定する空気調和負荷推定ステップと、
前記空気調和負荷に基づいて前記空気調和機を制御する制御ステップとを備えたことを特徴とする空気調和方法。
建物内の室温を検出する室温検出ステップと、
外気温を検出する外気温検出ステップと、
窓ガラスの前記建物の内側の表面温度を検出する表面温度検出ステップと、
前記室温と前記外気温と前記表面温度とに基づいて前記窓ガラスの窓熱性能を学習する窓熱性能学習ステップと、
単位日射量及び前記窓ガラスの構成による窓光学性能関係式と前記室温と前記外気温と前記表面温度と前記窓熱性能とに基づいて前記窓ガラスの窓光学性能を学習する窓光学性能学習ステップと、
前記窓ガラスの面積と前記室温と前記外気温と前記表面温度と前記窓熱性能と前記窓光学性能とに基づいて前記窓ガラスから入射する日射による日射熱負荷を推定する日射熱負荷推定ステップと、
前記日射熱負荷に基づいて空気調和機を制御する制御ステップとを備えたことを特徴とする空気調和方法。