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 PDFInfo
- 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
Links
- 238000000034 method Methods 0.000 title claims description 19
- 238000011156 evaluation Methods 0.000 claims description 26
- 238000004364 calculation method Methods 0.000 claims description 9
- 238000004891 communication Methods 0.000 description 10
- 238000010586 diagram Methods 0.000 description 8
- 230000000875 corresponding effect Effects 0.000 description 5
- 238000012806 monitoring device Methods 0.000 description 5
- 238000005516 engineering process Methods 0.000 description 4
- 238000013480 data collection Methods 0.000 description 3
- 230000000694 effects Effects 0.000 description 3
- 238000004378 air conditioning Methods 0.000 description 2
- 230000010365 information processing Effects 0.000 description 2
- 238000012545 processing Methods 0.000 description 2
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 description 2
- 230000005540 biological transmission Effects 0.000 description 1
- 238000007796 conventional method Methods 0.000 description 1
- 230000002596 correlated effect Effects 0.000 description 1
- 238000013178 mathematical model Methods 0.000 description 1
- 238000012544 monitoring process Methods 0.000 description 1
- 102220067635 rs139071237 Human genes 0.000 description 1
- 102220061212 rs760609798 Human genes 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
- 239000013598 vector Substances 0.000 description 1
Landscapes
- Testing And Monitoring For Control Systems (AREA)
Description
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。
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)。
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。
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。
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。
[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。
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。
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。
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。
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。
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。
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。
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。
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。
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。
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。
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。
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。
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。
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。
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。
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。
Claims (4)
- 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。 - 請求項1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。 - 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。 - 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。
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)
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 |
-
2016
- 2016-05-09 JP JP2016093718A patent/JP6745641B2/ja active Active
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 |