JP7006859B2 - 空調制御装置、空調システム、空調制御方法、空調制御プログラム - Google Patents
空調制御装置、空調システム、空調制御方法、空調制御プログラム Download PDFInfo
- Publication number
- JP7006859B2 JP7006859B2 JP2021553205A JP2021553205A JP7006859B2 JP 7006859 B2 JP7006859 B2 JP 7006859B2 JP 2021553205 A JP2021553205 A JP 2021553205A JP 2021553205 A JP2021553205 A JP 2021553205A JP 7006859 B2 JP7006859 B2 JP 7006859B2
- Authority
- JP
- Japan
- Prior art keywords
- air conditioning
- data
- unit
- conditioning data
- learning model
- 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
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
- F24F11/00—Control or safety arrangements
- F24F11/62—Control or safety arrangements characterised by the type of control or by internal processing, e.g. using fuzzy logic, adaptive control or estimation of values
- F24F11/63—Electronic processing
-
- 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
- F24F11/50—Control or safety arrangements characterised by user interfaces or communication
- F24F11/61—Control or safety arrangements characterised by user interfaces or communication using timers
-
- 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
- F24F11/62—Control or safety arrangements characterised by the type of control or by internal processing, e.g. using fuzzy logic, adaptive control or estimation of values
-
- 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
- F24F11/62—Control or safety arrangements characterised by the type of control or by internal processing, e.g. using fuzzy logic, adaptive control or estimation of values
- F24F11/63—Electronic processing
- F24F11/64—Electronic processing using pre-stored data
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05D—SYSTEMS FOR CONTROLLING OR REGULATING NON-ELECTRIC VARIABLES
- G05D23/00—Control of temperature
- G05D23/19—Control of temperature characterised by the use of electric means
- G05D23/1917—Control of temperature characterised by the use of electric means using digital means
-
- F—MECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
- F24—HEATING; RANGES; VENTILATING
- F24F—AIR-CONDITIONING; AIR-HUMIDIFICATION; VENTILATION; USE OF AIR CURRENTS FOR SCREENING
- F24F2110/00—Control inputs relating to air properties
Landscapes
- Engineering & Computer Science (AREA)
- Signal Processing (AREA)
- Physics & Mathematics (AREA)
- Mechanical Engineering (AREA)
- General Engineering & Computer Science (AREA)
- Chemical & Material Sciences (AREA)
- Combustion & Propulsion (AREA)
- Fuzzy Systems (AREA)
- Mathematical Physics (AREA)
- General Physics & Mathematics (AREA)
- Automation & Control Theory (AREA)
- Human Computer Interaction (AREA)
- Air Conditioning Control Device (AREA)
Description
図1は、実施の形態1に係る空調システム1000の構成を示す構成図である。空調システム1000は、空調制御装置100、複数の室外機OU(OU1,OU2,・・・OUn)及び複数の室内機IU(IU11,IU12,・・・IU1p,IU21,IU22,・・・IU2q,IUn1,IUn2,・・・IUnr)を備える。ここで、n、p、q、及びrは任意の正の整数である。以下では、特定の室外機を指す場合には、OUの後に追加の符号を付し、任意の室外機または全室外機を指す場合にはOUのみで表記することとする。室内機についても同様に、特定の室内機を指す場合には、IUの後に追加の符号を付し、任意の室内機または全室内機を指す場合にはIUのみで表記することとする。符号の付し方については、後述する空調機AC、室外環境センサーOUS、室内環境センサーIUS、受付部IURについても同様である。
各室外機OUには複数の室内機IUが接続されており、例えば室外機OU1には室内機IU1(IU11,IU12,・・・IU1p)が接続される。空調制御装置100と室内機IU及び室外機OUは電磁的方法により接続され、接続される方法は有線か無線かを問わない。また、空調制御装置100は室内機IU及び室外機OUが設置された建築物と同じ建築物に設置される構成でも、遠隔地に備えられ、ネットワーク経由で接続される構成であってもよい。
運転情報は、空調機ACの運転状態を示すものであり、例えば、空調機ACの運転能力、空調機ACが起動状態か停止状態かを示す情報、並びに、空調機ACが冷房モード、暖房モード及び除湿モードを含む運転モードのいずれのモードにあるかを示す情報等である。また、室内機IUだけでなく、室外機OUも運転情報を出力する構成としてもよい。ここで、運転能力とは、空調機ACの空調能力の強さを示すものであり、例えば、室外機OUの圧縮機周波数、冷媒蒸発温度、凝縮温度、及び稼働する室内機IUの台数等である。
ここで、学習データが多い領域を密領域、学習データが少ない領域を疎領域と呼ぶこととする。密領域には学習を行うのに十分な量の学習データが存在し、推定部16は当該学習データを用いて学習を行った機械学習モデルから適切な起動時刻を推定することができる。
ここで、空調データとは、空調機ACの制御に関する情報であり、実施の形態1において、室内機IUから送信される室内環境情報、設定情報、運転情報、及び室外機OUから送信される室外環境情報を含む。判定部15に入力される空調データは、現在時刻の空調データであることが望ましいが、いつ計測された空調データか識別できるものであれば、空調機ACの前回電源OFF時から現在時刻までの過去の空調データであってもよい。また、送受信部10は、環境値が目標値に到達するまでに実際に要した所要時間を室内機IUから取得する。空調データに、当該所要時間を加えたデータを学習データと呼ぶ。推定部16が推定に用いた空調データに上記の所要時間が加えられた学習データは記憶部12に蓄えられ、機械学習部14が行う機械学習モデルの学習に用いられる。
また、学習部142が用いる機械学習モデルは、非線形関数を表現できるものであれば何でもよいが、実施の形態1においては、ニューラルネットワークを用いるものとする。
また、空調データが疎領域に存在するとは、空調データが学習データに対する外れ値である場合だけでなく、空調データの付近に学習データが存在するものの、その数が少ない場合も含む。
横軸と縦軸はともに、空調データに含まれるパラメータであり、例えば、室内温度や室外温度等である。空調データに含まれるパラメータは、一般にはより高次元であるが、図3においては説明のために2次元で表している。乖離度算出部151は、空調データD31と、各学習データとの距離を算出する。ここで、学習データのうち、空調データD31と最も近い点は、学習データD32であり、乖離度算出部151は、空調データD31と学習データD32との距離L31を乖離度として算出する。
あるいは、空調データが外れ値かどうかを判定したい場合には、学習データに含まれる各データのパラメータの最大値及び最小値を検出し、当該最大値及び最小値により形成される領域を密領域A41として設定するようにしてもよい。図4においては、後者の方法を採用し、パラメータ1の最大値は学習データD42、パラメータ1の最小値は学習データD43、パラメータ2の最大値は学習データD44、パラメータ2の最小値は学習データD45により設定される。図4において、乖離度算出部151は、空調データD41と密領域A41との距離L41を乖離度として算出する。
乖離度判定部152は、乖離度算出部151が算出した乖離度が所定の第三閾値T3以上か判定し、第三閾値T3以上である場合、空調データD51は疎領域に存在すると判定する。第三閾値T3はゼロ以上の実数であり、図5においては、σで示されている。
また、単に最頻値からの距離を乖離度として算出するのではなく、確率密度関数に基づき、パラメータ空間をいくつかの領域に分類し、どの領域に存在するかを乖離度として算出するようにしてもよい。この方法について、図6を参照しながら説明する。
まず、乖離度算出部151は、学習データを確率密度関数で近似する。ここでも、確率密度関数は正規分布を採用する。そして、当該確率密度関数に基づき、例えば、50%領域A61、75%領域A62、95%領域A63、95%領域外A64を設定する。ここで、50%A61領域とは、その領域の内部に学習データの50%が存在する領域であり、75%領域A62、95%領域A63についても同様である。そして95%領域外A64は、95%領域A63の外側の領域であり、この領域を疎領域として設定する。乖離度算出部151は、空調データの位置に基づき、例えば、空調データが50%領域A61に存在するときは50、75%領域A62に存在するときは75、95%領域A63に存在するときは95、95%領域外に存在する場合には100を乖離度として算出する。そして、96以上100未満の値を所定の閾値として設定することにより、乖離度判定部152は空調データが疎領域に存在するか判定することができる。
また、上記の方法において用いる位置座標は、空調データに含まれるパラメータそのものである必要はなく、適当な座標変換を行った後の座標成分を用いるようにしてもよい。
また、推定部16は、判定部15が、空調データが疎領域に存在すると判定した場合、学習データを用いて空調データから空調機の起動時刻を推定するための学習を行った機械学習モデルに対して、非学習モデルによる外挿を行い、非学習モデルを用いて空調データから空調機の起動時刻を推定する。
ここで、非学習モデルによる外挿とは密領域が一つの区間で表されるときに、その区間の外側の領域において、空調データと起動時刻との関係を非学習モデルで表現するだけでなく、密領域が複数の区間として離散的に存在する場合に、その複数の区間の間の領域において、空調データと起動時刻との関係を非学習モデルで表現することも含む。
また、実施の形態1において、推定部16は、非学習モデルとして線形モデルを用いて機械学習モデルに対する外挿を行う。ここでは、線形モデルを用いて外挿を行うものとしたが、ある領域において、経験則的に、または一般的に知られている関係式から空調データと所要時間との関係がどのようなものとなるのか既知の場合には、線形モデル以外のモデルを用いて外挿を行うようにしてもよい。
また、図8において、室内温度と目標温度との温度差がP82以上の領域が密領域、P82未満の領域が疎領域として設定されている。
そして、推定部16は生成された推定データE82と推定データE83を通る直線を非学習モデルM82として生成する。図8において、非学習モデルM82は一点鎖線で示される。
また、上記においては、機械学習モデルM81上の2点を用いて、非学習モデルM82を生成したが、非学習モデルの生成方法はこれに限らず、例えば、密領域において、疎領域との境界付近に存在する学習データを複数個選択し、これらの学習データから回帰分析により得られる超平面を非学習モデルとしてもよい。
図9に示したハードウェアには、CPU(Central Processing Unit)等の処理装置10000と、ROM(Read Only Memory)やハードディスク等の記憶装置10001が備えられる。
図2に示す、送受信部10、制御部11、空調データ取得部13、機械学習部14、判定部15、及び推定部16は、記憶装置10001に記憶されたプログラムが処理装置10000で実行されることにより実現され、記憶部12は記憶装置10001により実現される。ここで、上記の構成は、単数の処理装置10000及び記憶装置10001により実現する構成に限らず、複数の処理装置10000及び記憶装置10001により実現する構成であってもよい。
また、空調制御装置100の各機能を実現する方法は、上記したハードウェアとプログラムの組み合わせに限らず、処理装置にプログラムをインプリメントしたLSI(Large Scale Integrated Circuit)のような、ハードウェア単体で実現するようにしてもよいし、一部の機能を専用のハードウェアで実現し、一部を処理装置とプログラムの組み合わせで実現するようにしてもよい。
まず、空調制御装置100の学習動作について、図10を参照しながら説明する。図10は、空調制御装置100が機械学習モデルの学習を行う動作を示すフローチャートである。
また、学習データ取得部141は、取得した学習データに対して、機械学習モデルの入力に適した形式に変換する前処理を行う。実施の形態1において、機械学習モデルの入力は、室内温度と目標温度との温度差、室内温度と室外温度との温度差、及び空調機の運転能力であるので、学習データ取得部141は、空調データに含まれる室内環境情報が示す室内温度と設定情報が示す目標温度との温度差を算出し、同様に、室内温度と室外環境情報が示す室外温度との温度差を算出する。
以上のステップを行い、空調制御装置100は学習動作を終了する。
図10は、空調制御装置100が空調機ACの起動時刻を推定する動作を示すフローチャートである。
より具体的には、まず、乖離度算出部151が、当該空調データの乖離度を算出する。ここでは、上記の一つ目の方法において、空調データと学習データとの距離を乖離度として算出したものとする。
そして、乖離度判定部152が、当該乖離度が所定の閾値以上か判定し、閾値以上であると判定した場合、当該空調データは疎領域に存在すると判定する。
ステップS103において、推定部16は、空調機の起動時刻の推定を行う。ステップS103は、空調データが疎領域に存在すると判定された場合なので、機械学習モデルに対して非学習モデルで外挿を行い、当該外挿モデルを用いて起動時刻を推定する。
ステップS104においても、推定部16は、空調機の起動時刻の推定を行うが、ステップS104は、空調データが疎領域に存在しないと判定された場合なので、非学習モデルによる外挿は行わず、機械学習モデルを直接用いて起動時刻を推定する。
すなわち、実施の形態1に係る空調制御装置100は、学習データが少ない領域では非学習モデルによる外挿を行い、空調機の起動時刻を推定することにより、不適切な推定をする可能性を低減することができる。
また、制御部11だけでなく、空調制御装置100は、図1に示すように、室内機IU及び室外機OUの外部に備える構成だけでなく、室内機IU及び室外機OUの内部に備える構成であっても良い。
あるいは、推定部16及び学習データ取得部141で前処理を行うのではなく、空調データ取得部13が前処理を行い、推定に用いる空調データだけでなく、学習データについても前処理を行ったデータを記憶部12に保存する構成としてもよい。
これらの場合において、判定部15における空調データが疎領域に存在するかの判定は、前処理後の空調データで行うようにしてもよい。すなわち、判定部15は空調データに含まれるパラメータではなく、機械学習モデルの入力パラメータにより張られるパラメータ空間において、空調データが疎領域に存在するか判定するようにしてもよい。
例えば、図3においては、空調データD31のパラメータ1は、学習データD33のパラメータ1以下であり、異常な値は取っておらず、一方、空調データのパラメータ2は、どの学習データよりも大きな値を取っており、学習データから乖離している。乖離度判定部152は、空調データと学習データの各パラメータを比較することにより、どのパラメータが異常な値を取っているか判定することができる。
また、パラメータの判定は、空調データが疎領域に存在すると判定された場合において追加で判定するようにしてもよいし、疎領域の判定と同時に行う構成であってもよい。例えば、異常なパラメータが見つかった場合に、当該パラメータが異常であり空調データは疎領域に存在すると判定するようにしてもよい。
例えば、推定部16は、推定値に安全率を加える補正を行うことにより、空調機ACの推定される起動時刻が安全率を加えない場合よりも早くなるように推定を行う。より具体的には、所要時間の推定値に安全率を加えることにより、より長い所要時間を推定値として算出したり、所要時間の推定値に1より大きな値を積算し、より長い所要時間を推定値として算出したりすることにより、補正を行わない場合よりも、より早い時間を起動時刻として推定し、結果として補正を行わない場合よりもより早い時刻に目標時刻に到達するように空調機を制御することができる。
実施の形態1において、機械学習モデルは、室内温度と目標温度との温度差、室内温度と室外温度との温度差、及び空調機の運転能力を入力とするものであった。実施の形態2における空調制御装置100は、機械学習モデルの入力として、さらに空調機ACの能力セーブ値を用いるものである。ここで、能力セーブ値は運転情報に含まれるものとする。能力セーブとは、空調機の運転能力を抑えることにより最大電力や消費電力を抑えるものであり、例えば、圧縮機周波数を低くしたり、ファンの回転数を低下したりすることにより達せられる。また、能力セーブ値とは、能力セーブの尺度であり、実施の形態2においては、空調機ACの最大運転能力に対して実際に運転させる運転能力の比率を能力セーブ値として用いる。実施の形態2において、能力セーブ値は、60%、80%、及び100%に設定可能であるとする。ここで、60%は60%の能力で空調機ACを運転している状態、80%は80%で空調機ACを運転している状態、100%は100%で空調機ACを運転している状態を示す。
また、実施の形態2においては、空調機ACの最大運転能力に対して実際に運転させる運転能力の比率を能力セーブ値として用いるものとしたが、圧縮機周波数やファンの回転数を直接能力セーブ値として用いるようにしてもよい。
実施の形態1と異なる部分について、以下で説明する。
図12において、空調データD121は黒丸、学習データは白丸で示されている。
実施の形態2において、能力セーブ値は離散値としているので、能力セーブ値の値により各グループを形成することができる。乖離度算出部151は、入力された空調データが属するグループに含まれる学習データのデータ数をカウントし、そのカウント値に負号を付したものを乖離度として算出する。図11において、空調データD121は、能力セーブ値が60%のグループG121に属しており、そのグループ内の学習データは1つなので、乖離度を-1と算出する。ここで、乖離度算出部151は、データ数のカウント値に負号を付したものを乖離度として算出したが、負号を付すのではなく、逆数を取ったものを乖離度として算出するようにしてもよい。
例えば、あらかじめ能力セーブ値に対する単位消費電力等の指標地のテーブルや関数などを保持しておき、指標値と起動時刻との積が最小かつ起動時刻が現在時刻より後の時刻となる能力セーブ値と起動時刻の組を選択するようにしてもよい。
パラメータが離散的な場合、実施の形態1のように密領域の空調データを2点選択する方法は行わず、単に入力された空調データのパラメータと密領域の空調データのパラメータとの比を、離散的なパラメータを密領域のパラメータに置き換えて機械学習モデルから得られた推定値に、乗算した値を非学習モデルの外挿により得られた推定値としてもよい。例えば、図12の場合には、密領域として、能力セーブ値が100%のグループG123を用いると、空調データD111のパラメータは60%であり、密領域に属する空調データのパラメータは100%であるので、空調データD111の能力セーブ値を100%に置き換えて機械学習モデルに入力し得られた推定値に、100(%)/60(%)を乗算した値を非学習モデルの外挿により得られた推定値としてもよい。
ここで、能力セーブ値と所要時間との関係は、能力セーブ値が大きいほど所要時間は短くなるため、密領域に属する空調データの能力セーブ値/入力された空調データの能力セーブ値を乗算したが、各パラメータと推定値がどのような比例関係にあるかに応じて、密領域に属する空調データと入力された空調データのどちらを分母、あるいは分子にするかを設定する必要がある。
また、推定部16は、空調データ取得部13にどの空調データが選択されたかを通知し、空調データ取得部13は選択された空調データと、目標温度に到達するまでの実際の所要時間とを合わせて学習データとして、記憶部12に保存する。
Claims (9)
- 密領域と前記密領域より学習データが少ない疎領域とを含む学習データ群を用いて、空調機の制御に関する情報である空調データから前記空調機の起動時刻を推定するための学習を行った機械学習モデルに基づいて、前記空調機の起動時刻を推定する空調制御装置において、
前記空調データを取得する空調データ取得部と、
前記空調データが、前記疎領域に存在するか判定する判定部と、
前記判定部が、前記空調データが前記疎領域に存在すると判定した場合、前記機械学習モデルに対して、前記空調データと前記起動時刻とを関連付ける非学習モデルによる外挿を行い、前記非学習モデルを用いて前記空調データから前記空調機の起動時刻を推定する推定部と、
前記推定部が推定した起動時刻に前記空調機を起動する制御を行う制御部と、
を備えた空調制御装置。 - 前記空調データ取得部は、前記空調データとして、室内の環境を示す室内環境情報と、室外の環境を示す室外環境情報と、前記空調機の運転状態を示す運転情報と、を取得する
ことを特徴とする請求項1に記載の空調制御装置。 - 前記空調データ取得部は、前記空調機の能力セーブ値を含む前記運転情報を取得する
ことを特徴とする請求項2に記載の空調制御装置。 - 前記判定部は、
前記学習データに対する前記空調データの乖離度を算出する乖離度算出部と、
前記乖離度に基づいて、前記空調データが前記疎領域に存在するか判定する乖離度判定部と、
を備えたことを特徴とする請求項1から3のいずれか一項に記載の空調制御装置。 - 前記乖離度算出部は、前記空調データに含まれるパラメータで定義される空間における前記空調データと前記学習データとの距離を前記乖離度として算出し、
前記乖離度判定部は、前記前記乖離度が所定の閾値以上か判定し、前記乖離度が前記閾値以上である場合、前記空調データは前記疎領域に存在すると判定する
ことを特徴とする請求項4に記載の空調制御装置。 - 前記推定部は、前記機械学習モデルの出力に対して、より早い起動時刻を推定するための補正を行う
ことを特徴とする請求項1から5のいずれか一項に記載の空調制御装置。 - 室内機と、
前記室内機に接続され、前記空調機を構成する室外機と、
前記室内機と前記室外機とを制御する、請求項1から6のいずれかを1項に記載の空調制御装置と、
を備えた空調システム。 - 空調機の制御に関する情報である空調データを取得する空調データ取得工程と、
前記空調データが学習データの少ない疎領域に存在するか判定する判定工程と、
前記判定工程で、前記空調データが前記疎領域に存在すると判定した場合、前記学習データを用いて、前記空調データから前記空調機の起動時刻を推定するための学習を行った機械学習モデルに対して、非学習モデルによる外挿を行い、前記非学習モデルを用いて前記空調データから前記空調機の起動時刻を推定する推定工程と、
前記推定工程で推定した起動時刻に前記空調機を起動する制御を行う制御工程と、
を含む空調制御方法。 - 請求項8に記載の全工程をコンピュータに実行させる空調制御プログラム。
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
PCT/JP2019/041507 WO2021079431A1 (ja) | 2019-10-23 | 2019-10-23 | 空調制御装置、空調システム、空調制御方法、空調制御プログラム |
Publications (2)
Publication Number | Publication Date |
---|---|
JPWO2021079431A1 JPWO2021079431A1 (ja) | 2021-04-29 |
JP7006859B2 true JP7006859B2 (ja) | 2022-02-10 |
Family
ID=75620629
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2021553205A Active JP7006859B2 (ja) | 2019-10-23 | 2019-10-23 | 空調制御装置、空調システム、空調制御方法、空調制御プログラム |
Country Status (5)
Country | Link |
---|---|
US (1) | US20220154960A1 (ja) |
EP (1) | EP4033169B1 (ja) |
JP (1) | JP7006859B2 (ja) |
CN (1) | CN114556027B (ja) |
WO (1) | WO2021079431A1 (ja) |
Families Citing this family (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP7188255B2 (ja) * | 2019-04-16 | 2022-12-13 | 富士通株式会社 | 学習方法、学習プログラムおよび学習装置 |
CN115388517A (zh) * | 2022-07-27 | 2022-11-25 | 宁波奥克斯电气股份有限公司 | 一种多联空调分户计费方法、装置及多联空调 |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2015215659A (ja) | 2014-05-08 | 2015-12-03 | アズビル株式会社 | 関数生成装置、熱源機器制御装置、空調システム、関数生成方法、および関数生成用プログラム |
JP2017172830A (ja) | 2016-03-22 | 2017-09-28 | 三菱電機株式会社 | 空気調和装置 |
CN108361927A (zh) | 2018-02-08 | 2018-08-03 | 广东美的暖通设备有限公司 | 一种基于机器学习的空调器控制方法、装置以及空调器 |
Family Cites Families (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN100580698C (zh) * | 2007-09-10 | 2010-01-13 | 东北大学 | 稀疏数据过程建模方法 |
JP5301310B2 (ja) * | 2009-02-17 | 2013-09-25 | 株式会社日立製作所 | 異常検知方法及び異常検知システム |
CN103982982B (zh) * | 2014-05-05 | 2016-10-19 | 美的集团股份有限公司 | 空调器的控制方法和空调器 |
CN105717960B (zh) * | 2014-12-04 | 2018-01-19 | 台达电子工业股份有限公司 | 环境舒适度控制系统及其控制方法 |
JP6807556B2 (ja) | 2015-10-01 | 2021-01-06 | パナソニックIpマネジメント株式会社 | 空調制御方法、空調制御装置及び空調制御プログラム |
JP6910206B2 (ja) * | 2017-05-25 | 2021-07-28 | アズビル株式会社 | 空調システムの最適起動停止制御装置および最適起動停止制御方法 |
CN109612009A (zh) * | 2018-12-06 | 2019-04-12 | 珠海格力电器股份有限公司 | 一种空调器及其一键开机控制方法 |
CN110131843B (zh) * | 2019-05-15 | 2020-06-16 | 珠海格力电器股份有限公司 | 基于大数据的空调的智能调控方法及系统 |
-
2019
- 2019-10-23 EP EP19949608.4A patent/EP4033169B1/en active Active
- 2019-10-23 JP JP2021553205A patent/JP7006859B2/ja active Active
- 2019-10-23 WO PCT/JP2019/041507 patent/WO2021079431A1/ja unknown
- 2019-10-23 CN CN201980101246.9A patent/CN114556027B/zh active Active
-
2022
- 2022-02-01 US US17/590,617 patent/US20220154960A1/en active Pending
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2015215659A (ja) | 2014-05-08 | 2015-12-03 | アズビル株式会社 | 関数生成装置、熱源機器制御装置、空調システム、関数生成方法、および関数生成用プログラム |
JP2017172830A (ja) | 2016-03-22 | 2017-09-28 | 三菱電機株式会社 | 空気調和装置 |
CN108361927A (zh) | 2018-02-08 | 2018-08-03 | 广东美的暖通设备有限公司 | 一种基于机器学习的空调器控制方法、装置以及空调器 |
Also Published As
Publication number | Publication date |
---|---|
EP4033169A4 (en) | 2022-09-14 |
US20220154960A1 (en) | 2022-05-19 |
WO2021079431A1 (ja) | 2021-04-29 |
JPWO2021079431A1 (ja) | 2021-04-29 |
EP4033169B1 (en) | 2023-07-19 |
CN114556027A (zh) | 2022-05-27 |
EP4033169A1 (en) | 2022-07-27 |
CN114556027B (zh) | 2023-07-04 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Xu et al. | A model-based optimal ventilation control strategy of multi-zone VAV air-conditioning systems | |
JP6940623B2 (ja) | 無風感制御方法、装置及び読み取り可能な記憶媒体、エアコン | |
JP6125104B2 (ja) | 空調制御装置、空調制御方法、および、プログラム | |
US9752791B2 (en) | Air-conditioning unit control device and air-conditioning unit control program for minimizing power consumption | |
CN110726218B (zh) | 空调器及其控制方法、装置、存储介质和处理器 | |
CN111706969B (zh) | 空调除湿的控制方法、装置及空调器 | |
US11514358B2 (en) | Automatic control artificial intelligence device and method for updating a control function | |
US20220154960A1 (en) | Air-conditioning control device, air-conditioning system, air-conditioning control method, and non-transitory computer readable recording medium | |
CN109323399B (zh) | 空调器、服务器、空调系统以及控制方法 | |
CN109140660B (zh) | 用于空调的智能控温方法及装置、空调、存储介质 | |
JP7170740B2 (ja) | 情報処理装置およびこれを備えた空調システム | |
GB2544534A (en) | Method and thermostat controller for determining a temperature set point | |
WO2020184454A1 (ja) | 空調制御システム、及び、空調制御方法 | |
Guay et al. | A comparison of extremum seeking algorithms applied to vapor compression system optimization | |
US11466885B2 (en) | Air-conditioning control device, air-conditioning system, and air-conditioning control method | |
WO2021192279A1 (ja) | 空調制御の学習装置および推論装置 | |
CN110873446B (zh) | 控制空调的方法及装置、存储介质、处理器 | |
JP2015230128A (ja) | エネルギー管理システム | |
CN113310176B (zh) | 信息处理装置 | |
US20230332793A1 (en) | Air conditioning control device | |
JP2015090232A (ja) | 空気調和システム、プログラム | |
CN110470027B (zh) | 一种直流风机调节方法、控制器以及调温系统 | |
CN115540245A (zh) | 空调制冷控制方法、空调器及计算机可读存储介质 | |
KR102049005B1 (ko) | 유전 알고리즘을 이용한 중앙집중식 공조시스템 및 이를 이용한 공기조화 방법 | |
JP2021050853A (ja) | 空気調和機の運転を開始させる方法および制御装置 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20211007 |
|
A871 | Explanation of circumstances concerning accelerated examination |
Free format text: JAPANESE INTERMEDIATE CODE: A871 Effective date: 20211007 |
|
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: 20211207 |
|
A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20211220 |
|
R151 | Written notification of patent or utility model registration |
Ref document number: 7006859 Country of ref document: JP Free format text: JAPANESE INTERMEDIATE CODE: R151 |