JP7231403B2

JP7231403B2 - 空調制御システム及び方法

Info

Publication number: JP7231403B2
Application number: JP2018242000A
Authority: JP
Inventors: 亮介中村; 勉河村
Original assignee: Hitachi Ltd
Current assignee: Hitachi Ltd
Priority date: 2018-12-26
Filing date: 2018-12-26
Publication date: 2023-03-01
Anticipated expiration: 2038-12-26
Also published as: JP2020106153A

Description

本発明は、対象空間の空調機を制御する空調制御システム及びその方法に関する。

近年、室内だけではなく屋外への開放部を持ち、さらに人の行動特性が複雑な地下街や駅を対象として快適性維持や省エネのための空調制御を実施しようとする試みが進みつつある。こうした対象においては室内空間温度分布が複雑化するため、その変動を考慮した制御を実施するために、事前に空間温度分布を把握して制御にフィードバックする必要がある。

関連して、空調制御対象となる空間の情報を用いて空調機を制御するための方法として、人が存在する空間を特定するために熱カメラを利用し、そのコストを削減する方法について記載された特開２０１７－６２１０８（特許文献１）記載の技術がある。

この公報には、「熱画像取得部が取得した熱画像内における人に該当する領域を特定し、特定した領域における空間にいる人の温冷感を推定する演算部と、演算部が推定した空間にいる人の温冷感を、空間にいる人に通知する通知部と、通知部が通知した空間にいる人の温冷感の修正指示を受け付ける修正受付部とを備え、演算部は、人に該当する領域の温度分布に基づいて空間にいる人の温度である人体温度を定め、人体温度と、人に該当する領域以外の領域の温度から得られる周囲温度との、差分値に基づいて、空間にいる人の温冷感を推定し、修正受付部が受け付けた修正指示に基づいて、推定した空間にいる人の温冷感を補正する」と記載されている。

特開２０１７－６２１０８号

特許文献１では空調機に備え付けの熱画像カメラを用いており、対象の空間にて温度が高い人体の位置を特定して直接的に空調の対象とすることは可能だが、背景技術に記載したような３次元的な空間の温度分布を推定して空調制御を実現することはできない。

こうした空間温度分布を加味した制御のためには、温度分布を測定するために温度センサを複数取付けるか、あるいはＣＦＤ（ＣｏｍｐｕｔａｔｉｏｎａｌＦｌｕｉｄＤｙｎａｍｉｃｓ）による流体解析とを紐づけて随時温度分布の予測結果を更新する必要がある。しかし前者はコストが増大し、後者については演算負荷が大きすぎるため制御に用いることは困難である。

そこで、本発明では複数の温度センサを取付けることなく室内の３次元的な温度分布を考慮した空調制御を実現するための技術を提供することを目的とする。

上記課題を解決するために本発明は、対象空間の空調機を制御する空調制御システムにおいて、人流情報、環境情報及び空調機情報に基づいて、所定空間における温度推定モデルを生成し、前記温度推定モデル、及びモバイル端末から送信される位置情報と快適度情報に基づいて、対象空間の温度分布を求め、前記温度分布に基づいて、各空調機の制御出力を決定する演算部を備え、前記モバイル端末から送信される位置情報に基づいて、所定のモバイル端末に前記快適度情報の送信要請を行い、前記モバイル端末の移動方向又は速度を含む位置情報の変化に基づいて、前記送信要請を行うモバイル端末を決定することを特徴とする。

本発明によれば、空間温度分布推定のための温度センサを取付けることなく、室内の３次元的な温度分布を加味した空調制御を実現することが可能となる。

実施例１における本発明の空調制御システム１０１と全体構成人流情報１０２の例空間温度分布の例空間温度推定モデル１０９の例モバイル端末１１１における位置情報と快適度の収集ツールの例実施例２における本発明の空調制御システム１０１と全体構成実施例２における空間温度推定モデル生成部１０８の処理フローの例実施例３における本発明の空調制御システム１０１と全体構成

以下、本発明の実施に好適な実施例について説明する。尚、下記はあくまでも実施の例に過ぎず、下記具体的内容に発明自体が限定されることを意図する趣旨ではない。

図１は、実施例１における本発明の空調制御システム１０１および全体構成の図の例である。

空調制御システム１０１は、人流情報１０２と空調運転情報１０３と気温等環境条件１０４を用いて空間温度分布演算器１０５によって得られる空間温度分布ＤＢ１０６と、温度分布推定に用いることができる入力情報種別１０７とを用いて空間温度推定モデル１０９を生成する空間温度推定モデル生成部１０８と、ネットワーク１１０から得られる温度分布推定用入力情報とモバイル端末１１１から得られる情報を元に空間温度分布１１２を生成する空間温度推定モデル１０９と、空調温度分布１１２を元に空調制御出力１１３を生成する空調制御出力決定部１１４からなる。

以下、空調制御システム１０１の各要素についての詳細および、全体構成における動作を示す。

人流情報１０２は、対象とする空間の各地点における時刻ごとの面積に対する人数密度を表すデータであり、その例を図２にて示す。このように、対象とする空間の各地点ごとの時系列データとして与えられる。

空調運転情報１０３は、対象とする空間における空調機についての情報である。対象とする空間における各空調機の位置や開口部の大きさ等の情報に加え、吹出し温度、吸込み温度、風量等の出力に関する情報である。

気温等環境条件１０４は、対象とする空間の温度分布に影響を与える、人流情報１０２、空調運転情報１０３以外の環境に関する条件である。例としては、換気の流入個所やその風量、取り込む外気の温度、開口部がある場合にはそこから流入してくる外気流量と温度、対象とする空間に存在する各種人体以外の熱源についての情報(照明等の発熱する機器についての位置と発熱量)、壁や床の初期温度などといった条件である。

空間温度分布演算器１０５は、これらの各種条件を元にしてＣＦＤにより対象とする空間の温度分布を求める。人流情報１０２、空調運転情報１０３、気温等環境条件１０４の条件を振って、計算機負荷が高いこの演算を予めオフライン上で演算しておき、空間温度分布ＤＢ１０６として解析結果を蓄積する。
温度分布推定用入力情報種別１０７は、対象とするサイトにおいて空間温度分布を推定するために使用できる情報の種別である。標準的な情報の例としては、換気熱量に関連する外気温、各空調機にて測定される吸込み空気温度、現在の出力状況、各地点の人流等があり、この中で実際に取得可能な入力情報を指定する。

これに加えて、本実施例では対象とする空間の３次元的な温度分布を推定に利用する情報として、モバイル端末１１１から送信される端末所有者が送信する位置とその室温についての情報を温度分布推定用入力情報種別１０７に含める。

なお、通常端末所有者は室温を直接測ることができないため、モバイル端末１１１から取得する際は快適性情報として収集し、快適性情報から室温情報へ変換する。その処理については、別途モバイル端末１１１からの情報収集方法の記述の際に後述する。

また各ユーザのモバイル端末にて直接室温取得が可能である場合にはもちろんその値を直接収集しても良い。端末所有者からの温度情報は、図３に示す立体的な空間温度分布の推定を行うための、各地点に存在するモバイル端末１１１の所有者３０１からの情報であり、温度の取得箇所は複数点存在する。全地点に対して取得する必要はないため、別途推定に必要となる箇所を定めておき、入手データがその箇所に該当する場合に利用する。

なお、必要な箇所に所有者３０１がいる場合にのみデータ収集を依頼する方式については別途実施例３にて記載する。

空間温度推定モデル生成部１０８は対象とする空間に対する空間温度推定モデル１０９を、温度分布推定用入力情報種別１０７の情報に基づいて機械学習により生成する。機械学習手法としてはＤＮＮ（ＤｅｅｐＮｅｕｒａｌＮｅｔｗｏｒｋ）やＳＶＭ（ＳｕｐｐｏｒｔＶｅｃｔｏｒＭａｃｈｉｎｅ）といった各手法の中から選択する。

空間温度推定モデル１０９は、機械学習済みのモデルであり、温度分布推定用入力情報１０７から得られる情報を元に、空間温度分布１１２を導出する。推定モデル１０９として、ＤＮＮを用いた場合の例を図４に示す。それぞれ入力値が４つの場合(４０１)、３つの場合(４０２)の例を示した。このように、出力となる温度分布に対して、入力の種類を変えることで異なる構造のモデルが得られる。

なお、本実施例では入力の違いに対する構造の違いを示すため全結合式の多層ニューラルネットワークを例示したが、その構造や手法はこれに限定されない。こうして得られる学習済みモデルはＣＦＤのような重い演算負荷を必要とせずに、解を求めることができる。温度分布推定用入力情報は、温度分布推定用入力情報種別１０７で指定するものと同一の情報で、それらの時刻ごとのデータであり、ネットワーク１１０を介して各センサやネットワーク上の情報およびモバイル端末１１１からの入力として与えられる。

モバイル端末１１１からはユーザから位置とその快適性に関する情報が入力される。その例を図５に示す。この例では快適性情報収集ツールとして快適度についてラジオボタンでの選択欄（５０１）およびＧＵＩによる位置情報の選択箇所(５０２)がある。ユーザは情報を入力したのち、送信ボタン５０３によって空間温度推定モデル１０９へと情報を送信する。なおこの入力の方法は一例であり、快適性としてより細かく分類したり、また位置情報をリストボックスで選択させるなど、その他の方式としても良い。

なお、快適性については、前述のように温度への変換が必要となる。そのため、データ取り込み後に前処理を行い、温度に変換する。快適性指標として主なものはＰＭＶ（ＰｒｅｄｉｃｔｅｄＭｅａｎＶｏｔｅ）や標準有効温度ＳＥＴ（ＳｔａｎｄａｒｄＥｆｆｅｃｔｉｖｅＴｅｍｐｅｒａｔｕｒｅ）などである。これらの指標の演算の逆演算をすることで室温に変換する。

なお、これらは代表的な快適性指標であり、その他の指標を用いても良いし、また対象とする空間にて別途快適性のアンケート調査を行って新たに作り出した指標に基づいて演算しても良い。

またモバイル端末１１１からの情報取得に際して、必要な情報が得られないケースも想定されるため、情報の取得に対して対象とする施設内の店舗の割引チケットや、各種ポイントカードのポイントを付与するなどのインセンティブを与える構成としても良い。

空調制御出力決定部１１４は、得られた空間温度分布１１２に基づき各空調機の制御出力を決定する。具体的には暑さや寒さが許容範囲を超える場合に該当の箇所の空調出力を強めたり、あるいは外気の導入量を変化させたりすることで対象空間内の快適性を保つような制御を実施する。

以上により、空間温度分布測定のための温度センサを取付けることなく室内の３次元的な温度分布を加味した空調制御を実現することが可能となる。

図６は実施例２における本発明の空調制御システム１０１および全体構成の図の例である。本実施例では、直方体などの一般的な形状の建物を対象に、制御適用前の空間温度分布演算を事前に実施しておくことで本制御システムを即座に適用することが可能となる。

構成としては、実施例１に対して、建物形状６０１と各サイト建物形状６０２を加えたものとなっている点が実施例１と異なる。建物形状６０１は、建物の空間の形状についてのデータである。基本的な情報である面積や高さ等の構造について表す数値データや、あるいはＣＡＤ等で作成した対象空間の図面データをそのまま利用してもよい。空間温度分布演算器１０５は、この異なる建物形状６０１もパラメータとして空間温度分布を求める。

続いて、空間温度推定モデル生成部１０８は各サイト建物形状６０２も利用して空間温度推定モデル１０９を生成する。その処理フローを図７に示す。まず、各サイト建物形状６０２を元に、該当する形状で演算した空間温度分布のみを抽出する(Ｓ７０１)。温度分布推定用入力情報種別１０７として、本制御システムを適用するサイトにおける、空間温度分布を求めるために利用可能な入力情報の種類を取得(Ｓ７０２)。Ｓ７０２の入力情報に対する、Ｓ７０１で抽出された空間温度分布の導出モデルを機械学習により求める(Ｓ７０３)。

以上により、直方体などの一般的な形状の建物を対象に、制御適用前の空間温度分布演算を事前に実施しておくことで、室内の３次元的な温度分布を加味した空調制御を即座に適用することが可能となる。

図８は実施例３における本発明の空調制御システム１０１および全体構成の図の例である。本実施例では、快適性情報を取得するユーザを絞ってデータをやり取りすることで通信量の削減やモバイル端末１１１所持者の負担軽減が可能となる。

本実施例では、モバイル端末１１１からのデータ取得のために快適性情報取得要請部８０１が介在している点が異なる。快適性情報取得要請部８０１は、モバイル端末１１１からの端末所持者の屋内位置情報を取得する。快適性情報取得要請部８０１は得られた情報に従い、温度測定が必要な箇所、あるいは位置情報の変化から得られる移動の方向や速度から温度測定が必要な箇所に到達すると想定される場合にモバイル端末１１１へ情報を送信するように促す。モバイル端末１１１の所持者はその要請にこたえる形で快適性に関する情報を送信する。

以上により、快適性情報を取得するユーザを絞ってデータをやり取りすることで通信量の削減やモバイル端末１１１所持者の負担軽減を実施しつつ、空間温度分布測定のための温度センサを取付けることなく室内の３次元的な温度分布を加味した空調制御を実現することが可能となる
なお、本発明は上記した実施例に限定されるものではなく、様々な変形例が含まれる。例えば、上記した実施例は本発明を分かりやすく説明するために詳細に説明したものであり、必ずしも説明した全ての構成を備えるものに限定されるものではない。また、ある実施例の構成の一部を他の実施例の構成に置き換えることが可能であり、また、ある実施例の構成に他の実施例の構成を加えることも可能である。また、各実施例の構成の一部について、他の構成の追加・削除・置換をすることが可能である。また、上記の各構成、機能、処理部、処理手段等は、それらの一部又は全部を、例えば集積回路で設計する等によりハードウェアで実現してもよい。また、上記の各構成、機能等は、プロセッサがそれぞれの機能を実現するプログラムを解釈し、実行することによりソフトウェアで実現してもよい。各機能を実現するプログラム、テーブル、ファイル等の情報は、メモリや、ハードディスク、ＳＳＤ（ＳｏｌｉｄＳｔａｔｅＤｒｉｖｅ）等の記録装置、または、ＩＣカード、ＳＤカード、ＤＶＤ等の記録媒体に置くことができる。

１０１空調制御システム
１０２人流情報
１０３空調運転情報
１０４気温等環境条件
１０５空間温度分布演算器
１０６空間温度分布DB
１０７温度分布推定用入力情報種別
１０８空間温度推定モデル生成部
１０９空間温度推定モデル
１１０ネットワーク
１１１モバイル端末
１１２空間温度分布
１１３空調制御出力
１１４空調制御出力決定部

Claims

対象空間の空調機を制御する空調制御システムにおいて、
人流情報、環境情報及び空調機情報に基づいて、所定空間における温度推定モデルを生成し、
前記温度推定モデル、及びモバイル端末から送信される位置情報と快適度情報に基づいて、対象空間の温度分布を求め、
前記温度分布に基づいて、各空調機の制御出力を決定する演算部を備え、
前記モバイル端末から送信される位置情報に基づいて、所定のモバイル端末に前記快適度情報の送信要請を行い、
前記モバイル端末の移動方向又は速度を含む位置情報の変化に基づいて、前記送信要請を行うモバイル端末を決定すること
を特徴とする空調制御システム。
請求項１に記載の空調制御システムにおいて、
前記温度推定モデルは、対象空間の形状に関するデータに基づいて生成すること
を特徴とする空調制御システム。
請求項２に記載の空調制御システムにおいて、
前記形状に関するデータには、対象となる建物の面積又は高さに関する数値データ、又はＣＡＤによる図面データを含むこと
を特徴とする空調制御システム。
請求項１に記載の空調制御システムにおいて、
前記快適度情報に基づいて温度情報に変換処理すること
を特徴とする空調制御システム。
請求項４に記載の空調制御システムにおいて、
前記温度情報は、ＰＭＶ（ＰｒｅｄｉｃｔｅｄＭｅａｎＶｏｔｅ）又は標準有効温度ＳＥＴ（ＳｔａｎｄａｒｄＥｆｆｅｃｔｉｖｅＴｅｍｐｅｒａｔｕｒｅ）を含む快適性指標を逆演算して求めること
を特徴とする空調制御システム。
請求項１に記載の空調制御システムにおいて、
前記モバイル端末からの送信情報に対するユーザへのインセンティブを設定すること
を特徴とする空調制御システム。
請求項１に記載の空調制御システムにおいて、
前記温度推定モデルは、ＤＮＮ（ＤｅｅｐＮｅｕｒａｌＮｅｔｗｏｒｋ）又はＳＶＭ（ＳｕｐｐｏｒｔＶｅｃｔｏｒＭａｃｈｉｎｅ）を含む機械学習により生成すること
を特徴とする空調制御システム。
対象空間の空調機を制御する空調制御方法において、
人流情報、環境情報及び空調機情報に基づいて、所定空間における温度推定モデルを生成し、
前記温度推定モデル、及びモバイル端末から送信される位置情報と快適度情報に基づいて、対象空間の温度分布を求め、
前記温度分布に基づいて、各空調機の制御出力を決定し、
前記モバイル端末から送信される位置情報に基づいて、所定のモバイル端末に前記快適度情報の送信要請を行い、
前記モバイル端末の移動方向又は速度を含む位置情報の変化に基づいて、前記送信要請を行うモバイル端末を決定すること
を特徴とする空調制御方法。