JP6745641B2 - 運転支援装置および方法 - Google Patents

運転支援装置および方法 Download PDF

Info

Publication number
JP6745641B2
JP6745641B2 JP2016093718A JP2016093718A JP6745641B2 JP 6745641 B2 JP6745641 B2 JP 6745641B2 JP 2016093718 A JP2016093718 A JP 2016093718A JP 2016093718 A JP2016093718 A JP 2016093718A JP 6745641 B2 JP6745641 B2 JP 6745641B2
Authority
JP
Japan
Prior art keywords
load
group
driving
groups
pattern
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
Application number
JP2016093718A
Other languages
English (en)
Other versions
JP2017204020A (ja
Inventor
智洋 近田
智洋 近田
淳 黒崎
淳 黒崎
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Azbil Corp
Original Assignee
Azbil Corp
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Azbil Corp filed Critical Azbil Corp
Priority to JP2016093718A priority Critical patent/JP6745641B2/ja
Publication of JP2017204020A publication Critical patent/JP2017204020A/ja
Application granted granted Critical
Publication of JP6745641B2 publication Critical patent/JP6745641B2/ja
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Landscapes

  • Testing And Monitoring For Control Systems (AREA)

Description

本発明は、負荷に応じて複数の設備機器を離散的に発停して単独運転または並列運転する運転制御を支援するための運転支援技術に関する。
ビルや工場などの大規模な施設では、空調システムで用いる冷温水すなわち熱量を、熱源となる複数の設備機器を運転することにより一括生成して供給する熱源システムを用いている。
このような複数の設備機器を運転制御する設備制御システムでは、省エネ意識の高まりに応じて、これら設備機器を効率よく運転するため、施設の負荷に応じてこれら設備機器を離散的に発停して単独運転または並列運転するものとなっている。
これら設備機器の運転パターンは、オペレータの経験や勘に基づいて意思決定される場合が多い。このため、どのような運転パターンが実際に効率的か客観的に判断することが難しく、設備機器の運用を改善できる運転パターンを容易に特定できなかった。
従来、このような設備機器の運用を改善する技術として、数理モデルを利用して最適化する技術、具体的には、設備機器に関する特性、制約条件、エネルギーフローなどの各種設定情報を設定した上で、需要をもとに最適な運転パターンを求める技術が提案されている(例えば、特許文献1など参照)。
特開2015−62102号公報
しかしながら、このような従来技術では、高い省エネ効果が得られるものの、施設や各設備機器に関する詳細な設定情報や、オペレータの運転に関する知見やノウハウを事前入手する必要があるとともに、系全体のモデル構築が煩雑で専門性が高く、実際の作業には多くのコストや時間が必要となるという問題点があった。また、従来技術によれば、コストが最小となる運転パターンが特定されるものの、オペレータにはその根拠を容易に理解できず、得られた運転パターンに基づいて設備機器を運用すべきかどうか、オペレータが容易に特定できないという問題点もあった。
本発明はこのような課題を解決するためのものであり、多くの作業やコストを必要とすることなく、どのような需要の場合にどのような運転パターンが望ましいか容易に特定できる運転支援技術を提供することを目的としている。
このような目的を達成するために、本発明にかかる運転支援装置は、負荷に応じて複数の設備機器を離散的に発停して単独運転または並列運転する際、過去に得られた運転パターンをグループに分類する運転支援装置であって、前記運転パターンで運転した際における負荷の時系列変化を示す負荷データに基づいて、前記運転パターンをクラスタリングすることにより、複数の負荷グループに分類する負荷グループ分類部と、前記負荷グループごとに、前記負荷グループに属する運転パターンをクラスタリングすることにより、複数の運転グループに分類する運転グループ分類ステップとを備えている。
また、本発明にかかる上記運転支援装置の一構成例は、前記負荷グループのうちから、運転条件として指定された需要の時系列変化を示す需要データと最も類似度が高い代表負荷データを持つ負荷グループを特定負荷グループとして選択する負荷グループ選択部と、前記特定負荷グループに属する運転グループのうちから、前記運転条件で指定された評価関数で計算して得られた評価値が最も高い代表運転パターンを持つ運転グループを特定運転グループとして選択する運転グループ選択部と、前記特定運転グループの代表運転パターンを、前記運転条件で前設備機器を運転するための候補運転パターンとして特定する候補運転パターン特定部とをさらに備えるものである。
また、本発明にかかる運転支援方法は、負荷に応じて複数の設備機器を離散的に発停して単独運転または並列運転する際、過去に得られた運転パターンを有意なグループに分類する運転支援方法であって、前記運転パターンで運転した際における負荷の時系列変化を示す負荷データに基づいて、前記運転パターンをクラスタリングすることにより、複数の負荷グループに分類する負荷グループ分類ステップと、前記負荷グループごとに、前記負荷グループに属する運転パターンをクラスタリングすることにより、複数の運転グループに分類する運転グループ分類ステップとを備えている。
また、本発明にかかる上記運転支援方法の一構成例は、前記負荷グループのうちから、運転条件として指定された需要の時系列変化を示す需要データと最も類似度が高い代表負荷データを持つ負荷グループを特定負荷グループとして選択する負荷グループ選択ステップと、前記特定負荷グループに属する運転グループのうちから、前記運転条件で指定された評価関数で計算して得られた評価値が最も高い代表運転パターンを持つ運転グループを特定運転グループとして選択する運転グループ選択ステップと、前記特定運転グループの代表運転パターンを、前記運転条件で前設備機器を運転するための候補運転パターンとして特定する候補運転パターン特定ステップとをさらに備えるものである。
本発明によれば、得られた負荷グループに属する負荷データの代表値と需要とを比較すれば、どのような需要の場合にどの負荷グループに属する運転パターンが望ましいか容易に特定することができる。したがって、多くの作業やコストを必要とすることなく、オペレータが、どのような需要の場合にどのような運転パターンが望ましいか容易に特定することが可能となる。
本実施の形態にかかる運転支援装置の構成を示すブロック図である。 運転パターンの説明図である。 負荷データの説明図である。 クラスタリング処理の説明図である。 負荷グループ分類動作の説明図である。 運転グループ分類動作の説明図である。 運転パターン特定動作の説明図である。
[発明の原理]
過去の運転に関する運転履歴データには、オペレータが培った運転に関する知見やノウハウに基づく運転パターンが含まれているため、これら運転パターンをクラスタリングし、得られたグループのうちから需要に応じたグループを選択し、そのグループに含まれる運転パターンから評価値の高い運転パターンを特定する方法が考えられる。
このクランスタリングは、施設や各設備機器に関する詳細な設定情報や、オペレータの運転に関する知見やノウハウを必要とせず、専門知識がなくても、少ないコストや時間で実行できる。
しかしながら、運転パターンを単にクラスタリングしただけでは、クラスタリングにより得られたグループのそれぞれが、どのような特徴を持つ運転パターンの集合なのかを容易に理解することができない。
一方、運転パターンは、単に設備機器を離散的に発停して単独運転または並列運転した結果を示すデータであるが、運転履歴データには、その運転パターンに基づき運転した結果として負荷データが含まれている。負荷データは、負荷の時系列変化を示すデータであるが、運転パターンがある程度適切である場合、制御対象となる施設で求められる需要の時系列変化を示す需要データと、高い相関を示すことになる。また、施設の需要は、環境、稼働内容、運転日などの諸条件から推定する技術が広く利用されている。
本発明は、このような運転履歴データには、個々の運転パターンに対応する負荷データが含まれていること、この負荷データが需要データと高い相関を示すことに着目し、過去の運用に関する運転履歴データに含まれる運転パターンを分類する際、それぞれの運転パターンと対応して負荷の時系列変化を示す負荷データでクラスタリングして負荷グループに分類するようにしたものである。
これにより、負荷グループに属する負荷データの代表値と需要とを比較すれば、どのような需要の場合にどの負荷グループに属する運転パターンが望ましいか容易に特定することができる。
次に、本発明の一実施の形態について図面を参照して説明する。
[運転支援装置]
まず、図1を参照して、本実施の形態にかかる運転支援装置10について説明する。図1は、本実施の形態にかかる運転支援装置の構成を示すブロック図である。
この運転支援装置10は、全体としてサーバ装置やパーソナルコンピュータなどの情報処理装置からなり、負荷に応じて複数の設備機器22を離散的に発停して単独運転または並列運転する際、設備20から過去に得られた、各設備機器22の発停状況を示す運転パターンを有意なグループに分類する機能を有している。なお、グループ分類は、設備20の発停制御系統ごとに分類するものとし、試算に用いる運転履歴データは、当該制御系統の制御装置21から取得したものを用いる。
設備20は、ビルや工場など施設に設置された設備であり、複数の制御系統ごとに、制御装置21と設備機器22とが設けられている。本発明では、設備20が、空調システムで用いる冷温水すなわち熱量を、熱源となる複数の設備機器を運転することにより一括生成して供給する熱源システムである場合を例として説明するものとし、この際、制御装置21が伝送路L2を介して配下の設備機器22を運転制御するコントローラに相当し、設備機器22が冷凍機、ボイラー、熱交換器などの熱源機器やポンプに相当するものとなる。
監視装置30は、サーバ装置などの情報処理装置からなり、通信回線L1を介して制御装置21から取得した、各設備機器22に対する運転状況を示す運転履歴データに基づいて、制御装置21における運転制御を監視する機能を有している。
[本実施の形態の構成]
次に、運転支援装置10の構成について詳細に説明する。
図1に示すように、運転支援装置10には、主な機能部として、通信I/F部11、操作入力部12A、画面表示部12B、運転履歴DB13、データ収集部14、負荷グループ分類部15、運転グループ分類部16、負荷グループ選択部17、運転グループ選択部18、および候補運転パターン特定部19が設けられている。
通信I/F部11は、一般的なデータ通信回路からなり、通信回線L1を介して監視装置30あるいは外部装置(図示せず)とデータ通信を行う機能を有している。
操作入力部12Aは、キーボード、マウス、タッチパネルなどの操作入力装置からなり、オペレータの操作を検出する機能を有している。
画面表示部12Bは、LCDなどの画面表示装置からなり、操作メニュー画面、設定画面、試算結果画面などの各種画面データを画面表示する機能を有している。
運転履歴DB13は、ハードディスクや半導体メモリなどの記憶装置からなり、設備20の運転状況を示す運転履歴データを記憶する機能を有している。
運転履歴データは、制御装置21から取得した、制御系統ごとの設備機器22に対する運転状況を示すデータあり、主なデータとして、運転パターンと負荷データとがある。
図2は、運転パターンの説明図である。運転パターンは、各時刻における設備機器22の発停制御、すなわち運転の有無(発進/停止)を示すデータである。ここでは、4つの設備機器に関する発停制御が示されており、例えば、時刻9時台には、設備機器A,B,Dの3つが並列運転されており、16時台には、設備機器Aが単独運転されていることがわかる。
図3は、負荷データの説明図である。負荷データは、運転パターンごとに、当該運転パターンに基づく設備機器22の運転と並行して設備20から計測した、負荷の時系列変化を示すデータである。ここでは、負荷熱量の時系列変化を示す5種類の負荷データがグラフで示されており、これら負荷データごとに異なる運転パターンが対応している。
データ収集部14は、通信I/F部11および通信回線L1を介して監視装置30とデータ通信を行うことにより、監視装置30で管理している設備20の運転状況を示す運転履歴データを収集して、運転履歴DB13に蓄積する機能を有している。
負荷グループ分類部15は、運転パターンで運転した際における負荷の時系列変化を示す負荷データに基づいて、運転パターンをクラスタリングすることにより、複数の負荷グループに分類する機能を有している。
運転グループ分類部16は、負荷グループごとに、負荷グループに属する運転パターンをクラスタリングすることにより、複数の運転グループに分類する機能を有している。
負荷グループ選択部17は、負荷グループ分類部15で得られた分類結果に基づいて、これら負荷グループのうちから、運転条件として指定された需要の時系列変化を示す需要データと最も類似度が高い代表負荷データを持つ負荷グループを特定負荷グループとして選択する機能を有している。
運転グループ選択部18は、特定負荷グループに属する運転グループのうちから、運転条件で指定された評価関数で計算して得られた評価値が最も高い代表運転パターンを持つ運転グループを特定運転グループとして選択する機能を有している。
候補運転パターン特定部19は、特定運転グループの代表運転パターンを、運転条件で設備機器を運転するための候補運転パターンとして特定する機能を有している。
[クラスタリング動作]
次に、図4を参照して、本実施の形態にかかる運転支援装置10におけるクラスタリング動作について説明する。図4は、クラスタリング処理の説明図であり、ここではk−means法を用いて負荷データを分類する例が示されている。
負荷グループ分類部15および運転グループ分類部16におけるクランスタリング処理については、k−means法などの一般的な公知の手法を用いればよい。k−means法は、予め設定した目的関数により計算したデータ間の類似性に基づき各データを複数のグループに分類する手法である。
図4において、黒点で示される負荷データが、白丸で示される代表負荷データを中心として、破線で区切られた複数の負荷グループに分類されている。ここでは、2次元平面上に負荷データがプロットされているが、これはあくまでも便宜的な表現であり、実際に運転パターンや負荷データをクラスタリングする際、これらデータを時系列のベクトルとして扱う。
ここで、負荷グループSの数をM(Mは2以上の整数)個とし、任意の負荷グループSi(i=1,2,…,M)にNi個(Niは1以上の整数)の負荷データXij(j=1,2,…,Ni)が分類されているものとした場合、負荷グループSiに属する負荷データXijを代表する代表負荷パターンCiは、次の式(1)で求められる。
また、任意の負荷グループSiに属する負荷データXijと代表負荷パターンCiとの間のユークリッド距離を距離関数d(Xij,Ci)で表した場合、分類結果を評価するための評価値Jは、負荷グループSiごとに、Siに属するすべてのXijとCiとユークリッド距離を合計した値からなる。したがって、評価値Jを求める式、すなわち目的関数は、次の式(2)で表される。
クラスタリング処理では、まず、各負荷グループSiの代表負荷データCiをランダムに選択して初期値とする。この際、例えば曜日や月ごとなど、負荷データのグループ化が想定される場合には、その想定範囲に属する負荷データの平均値を代表負荷データCiとして選択してもよく、収束時間の短縮につながる。
続いて、得られた分類結果に基づいて、負荷グループSiごとに、Siに属する負荷データXijから新たな代表負荷データCiを、前述した式(1)に基づいて計算し、得られたCiを用いて、前述した式(2)に基づいて評価値Jを求める。
次に、各負荷データXijを最もユークリッド距離の小さい代表負荷データCiの負荷グループSiに分類し直し、この後、得られた分類結果に基づいて、負荷グループSiごとに、Siに属する負荷データXijから新たな代表負荷データCiを、前述した式(1)に基づいて計算し、得られたCiを用いて、前述した式(2)に基づいて評価値Jを求める。
このようにして、評価値Jを繰り返し計算し、評価値Jが最小値に収束した時点で処理を終了する。
なお、目的関数については、式(2)に限定されるものではなく、他の関数を用いてもよい。例えば、負荷データに関する予測値Qが与えられている場合、この予測値Qと代表パターンとの間のユークリッド距離d(Q,Ci)に基づく、次の式(3)に示した目的関数を用いてもよい。
[負荷グループ分類動作]
次に、図5を参照して、本実施の形態にかかる運転支援装置10の負荷グループ分類部15における負荷グループ分類動作について説明する。図5は、負荷グループ分類動作の説明図である。ここでは過去1年分の運転履歴データを対象として、各運転パターンをそれぞれ対応する負荷データに基づいて、負荷グループに分類する例が示されている。
まず、負荷グループ分類部15は、運転履歴DB13に蓄積されている過去1年分の運転履歴データから、対となる運転パターンと負荷データとを読み出し、各負荷データをクラスタリングする。
これにより、例えば3つの代表負荷データC1,C2,C3が得られたとすると、これら代表負荷データC1,C2,C3の計算に用いた複数の負荷データ群X1,X2,X3がそれぞれ存在し、これら負荷データ群X1,X2,X3が、負荷グループS1,S2,S3を構成することになる。
ここで、これら負荷データ群X1,X2,X3を構成する各負荷データX1j,X2j,X3jのそれぞれに対応する運転パターンP1j,P2j,P3jが存在している。したがって、結果的には、過去1年分の運転履歴データに含まれる各運転パターンPが、それぞれの負荷データXに基づき負荷グループS1,S2,S3を構成する運転パターン群P1,P2,P3に分類されたことになる。
これら負荷グループS1,S2,S3に含まれる運転パターン群P1,P2,P3は、図5に示すように、代表負荷データC1,C2,C3と対応している。ここで、負荷データは、負荷の時系列変化を示すデータであるが、運転パターンがある程度適切である場合、制御対象となる施設で求められる需要の時系列変化を示す需要データと、高い相関を示すことになる。したがって、代表負荷データC1,C2,C3を需要データと見なせば、運転パターン群P1,P2,P3がどのような需要の場合に有用かを推定することができる。
例えば、図5のうち、代表負荷データC1は、他と比べて比較的負荷が大きいため、これに対応する運転パターン群P1も比較的負荷が大きい需要に有用であると推定される。したがって、負荷が大きい需要に有用な運転パターンを選択するには、運転パターン群P1に属する運転パターンP1jから選択すればよいことがわかる。
このような、運転条件で指定された需要に応じていずれかの負荷グループを特定する作業は、オペレータが代表負荷データと需要データとのグラフを比較することにより、視覚的に判定することもできる。
[運転グループ分類動作]
次に、図6を参照して、本実施の形態にかかる運転支援装置10の運転グループ分類部16における運転グループ分類動作について説明する。図6は、運転グループ分類動作の説明図である。ここでは負荷グループ分類部15により分類された負荷グループS1に属する運転パターン群P1を運転グループに分類する例が示されている。
まず、運転グループ分類部16は、負荷グループS1に属する運転パターン群P1をさらにクラスタリングする。これにより、例えばn(nは2以上の整数)個の代表運転パターンV11,V12,…,V1nが抽出されたとすると、これら代表運転パターンV11,V12,…,V1nの計算に用いた複数の運転パターン群P11,P12,…,P1nがそれぞれ存在し、これら運転パターン群P11,P12,…,P1nが、運転グループT11,T12,…,T1nを構成することになる。
これにより、1つの負荷グループS1に属する運転パターン群P1に含まれる各運転パターンP1jが、それぞれの類似性に基づきさらに複数の運転グループT11,T12,…,T1nに分類されることになる。
設備機器の運用を効果的に改善する運転グループを特定する作業は、オペレータが各代表運転パターンにおいて並列運転される設備機器の台数を確認すれば、どの代表運転パターンの省エネ効果が高いかを、ある程度推定できる。一般には、設備機器の運用を改善する場合、運転条件として、運転パターンを評価するための評価関数が与えられるため、オペレータが評価関数に基づき代表運転パターンを評価してもよい。
[運転パターン特定動作]
次に、図7を参照して、本実施の形態にかかる運転支援装置10の運転パターン特定動作について説明する。図7は、運転パターン特定動作の説明図である。ここでは特定負荷グループS1に属する運転グループT11,T12,…,T1nから、候補運転パターンを特定する例が示されている。
前述した負荷グループ分類動作や運転グループ分類動作は、過去の運転パターンの分析にも利用できるため必要に応じて単独で実行してもよいが、これらを組み合わせて自動実行するようにしてもよい。
まず、前述の図5に示したように、負荷グループ分類部15で、運転履歴DB13に蓄積されている過去の運転履歴データに含まれている負荷データをクラスタリングし、得られた負荷グループS1,S2,S3のうちから、負荷グループ選択部17で、運転条件として指定された需要の時系列変化を示す需要データと最も類似度が高い代表負荷データを持つ負荷グループS1を特定負荷グループとして選択する。この後、前述の図6に示したように、運転グループ分類部16で、特定負荷グループS1に属する運転パターン群P11をさらにクラスタリングする。
次に、図7に示すように、得られた運転グループT11,T12,…,T1nの代表運転パターンV11,V12,…,V1nごとに、運転グループ選択部18で、運転条件で指定された評価関数f()に基づき評価値E11=f(V11),E12=f(V12),…,E1n=f(V1n)を計算して、評価値が最も高い代表運転パターンV12を持つ運転グループT12を特定運転グループとして選択する。
この後、候補運転パターン特定部19で、特定運転グループT12の代表運転パターンV12を、運転条件で設備機器を運転するための候補運転パターンとして特定する。
これにより、過去の運転履歴データから、設備機器の運用を効果的に改善できる、運転条件に相応しい候補運転パターンを容易に特定することができる。
[本実施の形態の効果]
このように、本実施の形態は、負荷グループ分類部15が、運転パターンで運転した際における負荷の時系列変化を示す負荷データに基づいて、運転パターンをクラスタリングすることにより、複数の負荷グループに分類するようにしたものである。
これにより、得られた負荷グループに属する負荷データの代表値と需要とを比較すれば、どのような需要の場合にどの負荷グループに属する運転パターンが望ましいか容易に特定することができる。したがって、多くの作業やコストを必要とすることなく、オペレータが、どのような需要の場合にどのような運転パターンが望ましいか容易に特定することが可能となる。
また、本実施の形態において、運転グループ分類部16が、負荷グループごとに、負荷グループに属する運転パターンをクラスタリングすることにより、複数の運転グループに分類するようにしてもよい。
これにより、負荷グループに含まれる運転パターンを、さらに詳細に分類することができ、オペレータが、設備機器の運用を改善できる運転パターンを特定しやすくすることができる。
また、本実施の形態において、負荷グループ選択部17が、負荷グループのうちから、運転条件として指定された需要の時系列変化を示す需要データと最も類似度が高い代表負荷データを持つ負荷グループを特定負荷グループとして選択し、運転グループ選択部18が、特定負荷グループに属する運転グループのうちから、運転条件で指定された評価関数で計算して得られた評価値が最も高い代表運転パターンを持つ運転グループを特定運転グループとして選択し、候補運転パターン特定部19が、特定運転グループの代表運転パターンを、運転条件で前設備機器を運転するための候補運転パターンとして特定するようにしてもよい。
これにより、過去の運転履歴データから、設備機器の運用を効果的に改善できる、運転条件に相応しい候補運転パターンを容易に特定することができる。
[実施の形態の拡張]
以上、実施形態を参照して本発明を説明したが、本発明は上記実施形態に限定されるものではない。本発明の構成や詳細には、本発明のスコープ内で当業者が理解しうる様々な変更をすることができる。また、各実施形態については、矛盾しない範囲で任意に組み合わせて実施することができる。
10…運転支援装置、11…通信I/F部、12A…操作入力部、12B…画面表示部、13…運転履歴DB、14…データ収集部、15…負荷グループ分類部、16…運転グループ分類部、17…負荷グループ選択部、18…運転グループ選択部、19…候補運転パターン特定部、20…設備、21…制御装置、22…設備機器、30…監視装置、Xi…負荷データ、S,Si,S1,S2,S3…負荷グループ、Ci,C1,C2,C3…代表負荷データ、J…評価値、X1,X2,X3…負荷データ群、P1,P2,P3,P11,P12,P1n…運転パターン群、V11,V12,V1n…代表運転パターン、T11,T12,T1n…運転グループ、f()…評価関数、E11,E12,E1n…評価値。

Claims (4)

  1. 負荷に応じて複数の設備機器を離散的に発停して単独運転または並列運転する際、過去に得られた運転パターンをグループに分類する運転支援装置であって、
    前記運転パターンで運転した際における負荷の時系列変化を示す負荷データに基づいて、前記運転パターンをクラスタリングすることにより、複数の負荷グループに分類する負荷グループ分類部と、
    前記負荷グループごとに、前記負荷グループに属する運転パターンをクラスタリングすることにより、複数の運転グループに分類する運転グループ分類部と
    を備えることを特徴とする運転支援装置。
  2. 請求項に記載の運転支援装置において、
    前記負荷グループのうちから、運転条件として指定された需要の時系列変化を示す需要データと最も類似度が高い代表負荷データを持つ負荷グループを特定負荷グループとして選択する負荷グループ選択部と、
    前記特定負荷グループに属する運転グループのうちから、前記運転条件で指定された評価関数で計算して得られた評価値が最も高い代表運転パターンを持つ運転グループを特定運転グループとして選択する運転グループ選択部と、
    前記特定運転グループの代表運転パターンを、前記運転条件で前設備機器を運転するための候補運転パターンとして特定する候補運転パターン特定部と
    をさらに備えることを特徴とする運転支援装置。
  3. 負荷に応じて複数の設備機器を離散的に発停して単独運転または並列運転する際、過去に得られた運転パターンを有意なグループに分類する運転支援方法であって、
    前記運転パターンで運転した際における負荷の時系列変化を示す負荷データに基づいて、前記運転パターンをクラスタリングすることにより、複数の負荷グループに分類する負荷グループ分類ステップと、
    前記負荷グループごとに、前記負荷グループに属する運転パターンをクラスタリングすることにより、複数の運転グループに分類する運転グループ分類ステップと
    を備えることを特徴とする運転支援方法。
  4. 請求項3に記載の運転支援方法において、
    前記負荷グループのうちから、運転条件として指定された需要の時系列変化を示す需要データと最も類似度が高い代表負荷データを持つ負荷グループを特定負荷グループとして選択する負荷グループ選択ステップと、
    前記特定負荷グループに属する運転グループのうちから、前記運転条件で指定された評価関数で計算して得られた評価値が最も高い代表運転パターンを持つ運転グループを特定運転グループとして選択する運転グループ選択ステップと、
    前記特定運転グループの代表運転パターンを、前記運転条件で前設備機器を運転するための候補運転パターンとして特定する候補運転パターン特定ステップと
    をさらに備えることを特徴とする運転支援方法。
JP2016093718A 2016-05-09 2016-05-09 運転支援装置および方法 Active JP6745641B2 (ja)

Priority Applications (1)

Application Number Priority Date Filing Date Title
JP2016093718A JP6745641B2 (ja) 2016-05-09 2016-05-09 運転支援装置および方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
JP2016093718A JP6745641B2 (ja) 2016-05-09 2016-05-09 運転支援装置および方法

Publications (2)

Publication Number Publication Date
JP2017204020A JP2017204020A (ja) 2017-11-16
JP6745641B2 true JP6745641B2 (ja) 2020-08-26

Family

ID=60322899

Family Applications (1)

Application Number Title Priority Date Filing Date
JP2016093718A Active JP6745641B2 (ja) 2016-05-09 2016-05-09 運転支援装置および方法

Country Status (1)

Country Link
JP (1) JP6745641B2 (ja)

Families Citing this family (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP7199179B2 (ja) * 2018-08-30 2023-01-05 株式会社日立製作所 診断装置および診断方法

Also Published As

Publication number Publication date
JP2017204020A (ja) 2017-11-16

Similar Documents

Publication Publication Date Title
Chakraborty et al. Early detection of faults in HVAC systems using an XGBoost model with a dynamic threshold
Yu et al. A data-driven approach to extract operational signatures of HVAC systems and analyze impact on electricity consumption
Lee et al. Service innovation and smart analytics for industry 4.0 and big data environment
WO2021093140A1 (zh) 一种跨项目软件缺陷预测方法及其系统
JP6141235B2 (ja) 時系列データにおける異常を検出する方法
Seem Using intelligent data analysis to detect abnormal energy consumption in buildings
Fan et al. Discovering gradual patterns in building operations for improving building energy efficiency
Xiao et al. Progress and methodologies of lifecycle commissioning of HVAC systems to enhance building sustainability
US20160203036A1 (en) Machine learning-based fault detection system
Grasso et al. Profile monitoring via sensor fusion: the use of PCA methods for multi-channel data
Frank et al. A performance evaluation framework for building fault detection and diagnosis algorithms
Serrano-Guerrero et al. Statistical methodology to assess changes in the electrical consumption profile of buildings
JP2014032455A (ja) 設備状態監視方法およびその装置
WO2017001928A1 (en) Advanced identification and classification of sensors and other points in a building automation system
Khosrowpour et al. Occupant workstation level energy-use prediction in commercial buildings: Developing and assessing a new method to enable targeted energy efficiency programs
US11016477B2 (en) Devices, methods, and systems for a distributed rule based automated fault detection
JP2014032657A (ja) 異常検知方法及びその装置
WO2019231466A1 (en) Enterprise platform for enhancing operational performance
Cheng et al. Learning-based metaheuristic for scheduling unrelated parallel machines with uncertain setup times
JP6326510B2 (ja) 評価システム、評価方法およびデータ解析システム
Sharafi et al. Identifying the time of step change in binary profiles
Ali Ilgin et al. An approach to quantify the financial benefit of embedding sensors into products for end-of-life management: a case study
Kiluk Algorithmic acquisition of diagnostic patterns in district heating billing system
JP6745641B2 (ja) 運転支援装置および方法
Yang et al. Toward Machine Learning-based Prognostics for Heating Ventilation and Air-Conditioning Systems.

Legal Events

Date Code Title Description
A621 Written request for application examination

Free format text: JAPANESE INTERMEDIATE CODE: A621

Effective date: 20190311

A977 Report on retrieval

Free format text: JAPANESE INTERMEDIATE CODE: A971007

Effective date: 20200219

A131 Notification of reasons for refusal

Free format text: JAPANESE INTERMEDIATE CODE: A131

Effective date: 20200303

A521 Request for written amendment filed

Free format text: JAPANESE INTERMEDIATE CODE: A523

Effective date: 20200330

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: 20200721

A61 First payment of annual fees (during grant procedure)

Free format text: JAPANESE INTERMEDIATE CODE: A61

Effective date: 20200804

R150 Certificate of patent or registration of utility model

Ref document number: 6745641

Country of ref document: JP

Free format text: JAPANESE INTERMEDIATE CODE: R150

R250 Receipt of annual fees

Free format text: JAPANESE INTERMEDIATE CODE: R250