JP7328498B2 - 情報処理装置、空気調和装置、情報処理方法、空気調和方法、及びプログラム - Google Patents

Description

本開示は、情報処理装置、空気調和装置、情報処理方法、空気調和方法、及びプログラムに関する。

従来、室内の冷暖房等を行う空気調和装置において、動作モードを自動で決定する技術が知られている。例えば、特許文献１には、再熱除湿運転時に、室内の湿度がそれほど高くない場合には、室内熱交換部の一部だけを蒸発器として使用する技術が開示されている。

特開２００６－１３８５１２号公報

しかしながら、従来技術では、動作モードの決定方法について改善の余地がある。本開示は、空気調和装置の動作モードを適切に決定させることができる技術を提供することを目的とする。

本開示の第１の態様による情報処理装置は、圧縮機、室外熱交換器、膨張弁、及び室内熱交換器を含む冷媒回路を有する空気調和装置の運転状態に関する情報と、前記空気調和装置の動作モードを示す情報と、前記空気調和装置の動作結果に関する情報との組み合わせを含むデータセットに基づいて学習を行うことにより、前記空気調和装置の運転状態に関する情報から、前記空気調和装置の動作モードを決定するための学習済みモデルを生成する学習済みモデル生成部を有する。これにより、空気調和装置の動作モードを適切に決定させることができる。

また、本開示の第２の態様は、第１の態様に記載の情報処理装置であって、前記空気調和装置の運転状態に関する情報には、測定された外気温、室内温度、及び室内湿度が含まれる。

また、本開示の第３の態様は、第１または第２の態様に記載の情報処理装置であって、前記空気調和装置の運転状態に関する情報には、前記室内熱交換器の室内ファンの回転速度が含まれる。

また、本開示の第４の態様は、第１から第３のいずれかの態様に記載の情報処理装置であって、前記空気調和装置の動作モードには、冷房運転、暖房運転、除湿運転、送風運転、及びデフロスト運転の少なくとも一つが含まれる。

また、本開示の第５の態様は、第１から第４のいずれかの態様に記載の情報処理装置であって、前記空気調和装置の動作モードには、室内温度を下げながら室内空気の除湿を行う弱冷房除湿運転、前記室内熱交換器に含まれる第１熱交換器と第２熱交換器とを使用する第１モードの再熱除湿運転、及び前記第１熱交換器のみを使用する第２モードの再熱除湿運転が含まれる。

また、本開示の第６の態様は、第１から第５のいずれかの態様に記載の情報処理装置であって、前記空気調和装置の動作モードには、暖房運転を継続しながらデフロストを行う正サイクルデフロスト運転、及び暖房運転を停止させてデフロストを行う逆サイクルデフロスト運転が含まれる。

また、本開示の第７の態様は、第１から第６のいずれかの態様に記載の情報処理装置であって、前記動作結果に関する情報には、室内温度の目標値と、測定された室内温度との差の情報が含まれる。

また、本開示の第８の態様は、第１から第７のいずれかの態様に記載の情報処理装置であって、前記動作結果に関する情報には、室内湿度の目標値と、測定された室内湿度との差の情報が含まれる。

また、本開示の第９の態様は、第１から第８のいずれかの態様に記載の情報処理装置であって、前記動作結果に関する情報には、室内温度の設定が変更された頻度、及びユーザから入力された前記動作結果に対する適否を示す情報の少なくとも一方が含まれる。

また、本開示の第１０の態様は、第１から第９のいずれかの態様に記載の情報処理装置であって、前記動作結果に関する情報には、前記空気調和装置の消費電力の情報が含まれる。

また、本開示の第１１の態様は、第１から第１０のいずれかの態様に記載の情報処理装置であって、前記学習済みモデル生成部により生成された学習済みモデルと、前記空気調和装置の運転状態に関する情報とに基づいて、前記空気調和装置の動作モードを決定する決定部と、前記決定部により決定された前記空気調和装置の動作モードに応じて、前記空気調和装置の動作モードを変更する制御を行う制御部と、を有する。

また、本開示の第１２の態様は、第１から第１１のいずれかの態様に記載の情報処理装置であって、前記情報処理装置は、前記空気調和装置の各動作モードでの運転が開始された時点から所定の時点までの、室内温度の目標値と測定された室内温度との差の合計値と、室内湿度の目標値と測定された室内湿度との差の合計値とに基づいて、前記データセットのうち学習用のデータを抽出する学習用データ生成部を有し、前記学習済みモデル生成部は、学習用データ生成部により抽出されたデータに基づいて学習を行う。

また、本開示の第１３の態様は、第１から第１２のいずれかの態様に記載の情報処理装置であって、前記学習済みモデル生成部は、前記空気調和装置の各動作モードでの運転が開始された時点から所定の時点までの、室内温度の目標値と測定された室内温度との差の合計値と、室内湿度の目標値と測定された室内湿度との差の合計値とに基づいて報酬を算出し、算出した報酬に基づいて学習を行う。

また、本開示の第１４の態様は、圧縮機、室外熱交換器、膨張弁、及び室内熱交換器を含む冷媒回路を有する空気調和装置であって、前記空気調和装置の運転状態に関する情報、前記空気調和装置の動作モードを示す情報、及び前記空気調和装置の動作結果に関する情報との組み合わせを含むデータセットに基づいて学習を行うことにより生成された学習済みモデルと、前記空気調和装置の運転状態に関する情報とに基づいて、前記空気調和装置の動作モードを決定する決定部と、前記決定部により決定された前記空気調和装置の動作モードに応じて、前記空気調和装置の動作モードを変更する制御を行う制御部と、を有する。

また、本開示の第１５の態様は、情報処理装置の情報処理方法であって、情報処理装置が、圧縮機、室外熱交換器、膨張弁、及び室内熱交換器を含む冷媒回路を有する空気調和装置の運転状態に関する情報と、前記空気調和装置の動作モードを示す情報と、前記空気調和装置の動作結果に関する情報との組み合わせを含むデータセットに基づいて学習を行うことにより、前記空気調和装置の運転状態に関する情報から、前記空気調和装置の動作モードを決定するための学習済みモデルを生成する処理を実行する。

また、本開示の第１６の態様は、圧縮機、室外熱交換器、膨張弁、及び室内熱交換器を含む冷媒回路を有する空気調和装置の空気調和方法であって、空気調和装置が、前記空気調和装置の運転状態に関する情報と、前記空気調和装置の動作モードを示す情報と、前記空気調和装置の動作結果に関する情報との組み合わせを含むデータセットに基づいて学習を行うことにより生成された学習済みモデルを取得する処理と、取得された学習済みモデルと、前記空気調和装置の運転状態に関する情報とに基づいて、前記空気調和装置の動作モードを決定する処理と、決定された前記空気調和装置の動作モードに応じて、前記空気調和装置の動作モードを変更する処理と、を実行する。

また、本開示の第１７の態様は、情報処理装置のプログラムが、情報処理装置に、圧縮機、室外熱交換器、膨張弁、及び室内熱交換器を含む冷媒回路を有する空気調和装置の運転状態に関する情報と、前記空気調和装置の動作モードを示す情報と、前記空気調和装置の動作結果に関する情報との組み合わせを含むデータセットに基づいて学習を行うことにより、前記空気調和装置の運転状態に関する情報から、前記空気調和装置の動作モードを決定するための学習済みモデルを生成する処理を実行させる。

また、本開示の第１８の態様は、圧縮機、室外熱交換器、膨張弁、及び室内熱交換器を含む冷媒回路を有する空気調和装置のプログラムが、空気調和装置に、前記空気調和装置の運転状態に関する情報と、前記空気調和装置の動作モードを示す情報と、前記空気調和装置の動作結果に関する情報との組み合わせを含むデータセットに基づいて学習を行うことにより生成された学習済みモデルを取得する処理と、取得された学習済みモデルと、前記空気調和装置の運転状態に関する情報とに基づいて、前記空気調和装置の動作モードを決定する処理と、決定された前記空気調和装置の動作モードに応じて、前記空気調和装置の動作モードを変更する処理と、を実行させる。

実施形態に係る空気調和システムのシステム構成の一例を示す図である。 実施形態に係る学習装置のハードウェア構成の一例を示す図である。 実施形態に係る空気調和システムの機能ブロック図の一例を示す図である。 実施形態に係る空気調和システムの学習時の処理の一例を示すフローチャートである。 実施形態に係る履歴記憶部に記憶される運転状態に関する履歴情報の一例を示す図である。 実施形態に係る一連の履歴の例について説明する図である。 実施形態に係る一連の履歴の例について説明する図である。 第１実施形態に係る学習用データの一例を示す図である。 実施形態に係る空気調和システムの推論時の処理の一例を示すフローチャートである。 第２実施形態に係る学習用データの一例を示す図である。

以下、各実施形態について図面を参照しながら説明する。なお、本明細書及び図面において、実質的に同一の機能構成を有する構成要素については、同一の符号を付することにより重複した説明を省く。

［第１の実施形態］
＜空気調和システムのシステム構成＞
はじめに、空気調和システム１のシステム構成について説明する。図１は、実施形態に係る空気調和システム１のシステム構成の一例を示す図である。図１に示すように、空気調和システム１は、学習装置１０、及び空気調和装置２０を有する。学習装置１０、及び空気調和装置２０の数は、図１の例に限定されない。なお、学習装置１０は、「情報処理装置」の一例である。

学習装置１０と空気調和装置２０とは、例えば、インターネット、無線ＬＡＮ（Local Area Network）、ＬＴＥ（Long Term Evolution）及び５Ｇ等の携帯電話網、ＬＡＮ、及び信号線等のネットワークＮＷを介して通信できるように接続されてもよい。空気調和装置２０は、例えば、住宅、オフィス、及び公共施設等に設置されてもよい。学習装置１０は、例えば、クラウド上のサーバでもよい。また、学習装置１０は、例えば、空気調和装置２０に含まれる各設備の筐体内（例えば、室内機筐体）に収容されてもよい。

学習装置１０は、空気調和装置２０の運転状態（運転状況）に関する情報と、空気調和装置２０の動作モードを示す情報と、空気調和装置２０の動作結果に関する情報との組み合わせを含むデータセットに基づいて機械学習を行う。そして、学習装置１０は、空気調和装置２０の運転状態に関する情報から、空気調和装置２０の動作モードを決定するための学習済みモデルを生成し、生成した学習済みモデルを制御装置４０に配信する。

空気調和装置２０は、冷媒回路２００を構成する各種の機器と、各種のセンサと、制御装置４０を備えている。冷媒回路２００を構成する各機器は、制御装置４０により制御される。冷媒回路２００は、例えば、フロンガス等の冷媒が充填された閉回路である。冷媒回路２００は、例えば、冷媒が循環して蒸気圧縮式の冷凍サイクルを行うように構成されてもよい。

冷媒回路２００には、圧縮機（コンプレッサ）２０１と、四路切換弁（四方弁）２０２と、室外熱交換器２０３と、第１膨張弁（減圧弁）２０４と、室内熱交換ユニット２０７とが接続されている。圧縮機２０１は、吐出側が四路切換弁２０２の第１ポート２０２１に接続され、吸入側が四路切換弁２０２の第２ポート２０２２に接続されている。また、冷媒回路２００には、四路切換弁２０２の第３ポート２０２３を通過した冷媒が、室外熱交換器２０３、第１膨張弁２０４、及び室内熱交換ユニット２０７を順に通過して四路切換弁２０２の第４ポート２０２４へ向かうように、室外熱交換器２０３、第１膨張弁２０４、及び室内熱交換ユニット２０７が配置されている。

圧縮機２０１は、例えば、全密閉型の可変容量型でもよい。圧縮機２０１は、吸入した冷媒を圧縮して吐出する。例えば、圧縮機２０１のモータ（図示省略）に供給する交流の周波数を変更してモータの回転速度（圧縮機２０１の回転速度）を変化させることにより、圧縮機２０１の容量を変化させることができる。

室外熱交換器２０３では、室外ファン２０８によって取り込まれた室外空気と冷媒が熱交換する。室内機に設けられる室内熱交換ユニット２０７では、室内ファン２０９によって取り込まれた室内空気と冷媒が熱交換する。室内ファン２０９は、例えば、回転方向に前傾した羽根車を回転させることにより、吸い込み口から空気を吸い込み、吐き出し口から空気を吐き出す、円柱状のファン（クロスフローファン）でもよい。室内ファン２０９の回転により、室内空気が室内機に取り込まれ、温度等が調整された空気が室内に吐き出される。

第１膨張弁２０４は、例えば、弁体（図示省略）がパルスモータ（図示省略）で駆動されることにより開度（穴の大きさ）が調整される電子膨張弁でもよい。

四路切換弁２０２は、第１ポート２０２１と第３ポート２０２３とが連通するとともに第２ポート２０２２と第４ポート２０２４とが連通する第１状態（図１に実線で示す状態）と、第１ポート２０２１と第４ポート２０２４とが連通するとともに第２ポート２０２２と第３ポート２０２３とが連通する第２状態（図１に破線で示す状態）とを切り換え可能な弁である。制御装置４０は、四路切換弁２０２を制御して第１状態と第２状態とを切り換えることにより、室内機が設置された室内を冷房する冷房運転、及び室内を除湿する除湿運転と、室内を暖房する暖房運転とをそれぞれ切り換える。

圧縮機２０１、四路切換弁２０２、室外熱交換器２０３、及び室外ファン２０８は、室外機（図示省略）の筐体内に収容されてもよい。また、制御装置４０、第１膨張弁２０４、室内熱交換ユニット２０７、及び室内ファン２０９は、室内機（図示省略）の筐体内に収容されてもよい。なお、第１膨張弁２０４は、室外機の筐体内に収容されてもよい。

冷房運転時、及び除湿運転時には、四路切換弁２０２が第１状態に設定される。この状態で圧縮機２０１を運転すると、室外熱交換器２０３が凝縮器（放熱器）となり、室内熱交換ユニット２０７が蒸発器となって冷凍サイクルが行われる。この場合、圧縮機２０１から吐出された冷媒は、室外熱交換器２０３に流れて室外空気へ放熱する。そして、放熱した冷媒は、第１膨張弁２０４を通過する際に膨張して（減圧されて）室内熱交換ユニット２０７へ流れる。

室内熱交換ユニット２０７において、冷媒は第１室内熱交換器２０７１、第２膨張弁２０７２を通過した後、一部は第２室内熱交換器２０７４を通過し、残りは開閉弁２０７３、第３室内熱交換器２０７５を通過する。なお、第１室内熱交換器２０７１は、再熱除湿運転時に再熱器として用いられる。第２室内熱交換器２０７４、及び第３室内熱交換器２０７５では、冷媒が室内空気から吸熱して蒸発し、冷却された室内空気が室内へ供給される。蒸発した冷媒は、圧縮機２０１へ吸入されて圧縮される。なお、制御装置４０は、冷房運転、及び室内温度を下げながら室内空気の除湿を行う弱冷房除湿運転では、第２膨張弁２０７２と開閉弁２０７３を全開としてもよい。これにより、冷房運転時、及び弱冷房除湿運転時は、室内熱交換ユニット２０７の各熱交換器である第１室内熱交換器２０７１、第２室内熱交換器２０７４、及び第３室内熱交換器２０７５が、蒸発器として機能する。

また、制御装置４０は、室内空気を冷却して除湿しながら再熱器で室内空気を加熱することにより室内温度を下げずに室内空気の除湿を行う再熱除湿運転を空気調和装置２０に実行させる。制御装置４０は、通常モードの再熱除湿運転では、開閉弁２０７３と第１膨張弁２０４を全開とし、第２膨張弁２０７２の開度を調整することにより、第１室内熱交換器２０７１を再熱器として機能させ、第２室内熱交換器２０７４及び第３室内熱交換器２０７５を蒸発器として機能させてもよい。

また、制御装置４０は、省電力（省エネ）モードの再熱除湿運転では、開閉弁２０７３を閉じ、第１膨張弁２０４を全開とし、第２膨張弁２０７２の開度を調整することにより、第１室内熱交換器２０７１を再熱器として機能させ、第２室内熱交換器２０７４のみを蒸発器として機能させてもよい。

なお、室内熱交換ユニット２０７に第４室内熱交換器を設け、第２室内熱交換器２０７４、第３室内熱交換器２０７５、及び第４室内熱交換器を蒸発器として機能させる除湿運転のモードを実行できるようにしてもよい。

暖房運転時には、四路切換弁２０２が第２状態に設定される。また、制御装置４０は、第２膨張弁２０７２と開閉弁２０７３を全開としてもよい。この状態で圧縮機２０１を運転すると、室内熱交換ユニット２０７の各熱交換器である第１室内熱交換器２０７１、第２室内熱交換器２０７４、及び第３室内熱交換器２０７５が凝縮器（放熱器）となり、室外熱交換器２０３が蒸発器となって冷凍サイクルが行われる。この場合、圧縮機２０１から吐出された冷媒は、室内熱交換ユニット２０７に流れて室内空気へ放熱する。これにより、加熱された室内空気が室内へ供給される。放熱した冷媒は、第１膨張弁２０４を通過する際に膨張する（減圧される）。第１膨張弁２０４で膨張した冷媒は、室外熱交換器２０３に流れて室外空気から吸熱して蒸発する。蒸発した冷媒は、圧縮機２０１へ吸入されて圧縮される。

また、空気調和装置２０には、外気温度センサ３０１と、室内温湿度センサ３０２と、低圧センサ３０３と、吸入温度センサ３０８と、吐出温度センサ３０４と、高圧センサ３０５と、暖房時第１膨張弁入り口温度センサ３０６と、冷房時第１膨張弁入り口温度センサ３０７とが設けられている。これら各センサで測定（検出）された測定データは、制御装置４０に入力される。

外気温度センサ３０１は、室外熱交換器２０３に取り込まれる室外空気の温度（外気温）を測定するセンサである。室内温湿度センサ３０２は、室内熱交換ユニット２０７に取り込まれる室内空気の温度及び湿度を測定するセンサである。なお、室内温湿度センサ３０２における温度センサと湿度センサは、別体の装置として構成されてもよい。

低圧センサ３０３は、圧縮機２０１に吸入される冷媒の圧力（圧縮機２０１に圧縮される前の冷媒の圧力。冷媒回路２００における冷凍サイクルの低圧。以下で、適宜、単に「低圧」とも称する。）を検出するセンサである。吸入温度センサ３０８は、圧縮機２０１に吸入される冷媒の温度を検出するセンサである。

吐出温度センサ３０４は、圧縮機２０１から吐出される冷媒の温度を検出するセンサである。高圧センサ３０５は、圧縮機２０１から吐出される冷媒の圧力（冷媒回路２００における冷凍サイクルの高圧。以下で、適宜、単に「高圧」とも称する。）を検出するセンサである。

暖房時第１膨張弁入り口温度センサ３０６は、冷媒回路２００において、第１膨張弁２０４と室内熱交換ユニット２０７との間に設けられた温度センサであり、室内を暖房する暖房運転により冷媒回路２００を冷媒が循環する場合に、第１膨張弁２０４の入り口（室内熱交換ユニット２０７の出口）の冷媒の温度を測定する。

冷房時第１膨張弁入り口温度センサ３０７は、冷媒回路２００において、第１膨張弁２０４と室外熱交換器２０３との間に設けられた温度センサであり、室内を冷房する冷房運転または室内を除湿する除湿運転により冷媒回路２００を冷媒が循環する場合に、第１膨張弁２０４の入り口（室外熱交換器２０３の出口）の冷媒の温度を測定する。

≪除湿運転の各動作モードについて≫
上述したように、制御装置４０は、除湿運転の各動作モードとして、例えば、弱冷房除湿運転、通常モードの再熱除湿運転、及び省電力（省エネ）モードの再熱除湿運転等の動作モードを空気調和装置２０に実行させる。

弱冷房除湿運転は、室内空気の湿度を下げる能力である除湿能力が比較的高く、消費電力が比較的低いが、室内温度が低下するため、例えば、室内温度が比較的低い梅雨の時期等に実行する場合はユーザの快適性が低下する場合がある。

通常モードの再熱除湿運転では、第２室内熱交換器２０７４、及び第３室内熱交換器２０７５の両方を蒸発器として機能させる。そのため、省電力（省エネ）モードの再熱除湿運転の場合と比較して、蒸発器の面積が大きくなるため、除湿能力は比較的高くなり、消費電力も比較的高くなる。

省電力（省エネ）モードの再熱除湿運転では、第２室内熱交換器２０７４のみを蒸発器として機能させる。そのため、通常モードの再熱除湿運転の場合と比較して蒸発器の面積が小さくなるため、除湿能力は比較的低くなり、消費電力も比較的低くなる。

なお、第２室内熱交換器２０７４、及び第３室内熱交換器２０７５は、それぞれ、「第１熱交換器」、及び「第２熱交換器」の一例である。

≪デフロスト運転の各動作モードについて≫
次に、図１を参照して、デフロスト運転（霜取り運転、除霜運転）について説明する。暖房運転をしている際、室外熱交換器２０３は、室外空気から熱を取り込むために外気温よりも低い温度になる。室外熱交換器２０３に霜が張ると暖房運転の効率が低下するため、空気調和装置２０の制御装置４０は、デフロスト運転を行うことにより、室外熱交換器２０３の霜を溶解させる。

以下では、デフロスト運転の各動作モードの例として、正サイクルデフロスト運転、及び逆サイクルデフロスト運転について説明する。なお、空気調和装置２０は、正サイクルデフロスト運転、及び逆サイクルデフロスト運転に限らず、例えば、室外機に設けられたヒーターを動作させることにより、室外熱交換器２０３を暖める動作モード、及び暖房運転中に室内熱交換ユニット２０７で発生した熱の一部を室外機に熱伝導させることにより室外熱交換器２０３を暖める動作モード等によるデフロスト運転も行えるようにしてもよい。

まず、正サイクルデフロスト運転について説明する。正サイクルデフロスト運転は、暖房運転を継続しながらデフロストを行うモードである。制御装置４０は、正サイクルデフロスト運転では、四路切換弁２０２を、暖房運転時と同様に第２状態に設定し、圧縮機２０１の回転速度を低下させ、第１膨張弁２０４を全開にし、室内ファン２０９の回転速度を低下させる。一方、制御装置４０は、室外ファン２０８を暖房運転時と同様に運転させてもよい。

正サイクルデフロスト運転では、例えば、圧縮機２０１から吐出された冷媒は、暖房運転時と比較して圧力が低い状態で、室内熱交換ユニット２０７により室内空気と熱交換させられることにより、室内の暖房を行うとともに凝縮する。そして、室内熱交換ユニット２０７を通過した冷媒が、第１膨張弁２０４を介して室外熱交換器２０３に流れ込むことにより、室外熱交換器２０３の熱交換面の表面に形成された霜（氷）が融解される。

次に逆サイクルデフロスト運転について説明する。逆サイクルデフロスト運転は、暖房運転を停止させてデフロストを行うモードである。
制御装置４０は、逆サイクルデフロスト運転では、四路切換弁２０２を、冷房運転時と同様に第１状態に設定し、圧縮機２０１の回転速度を増加させ、第１膨張弁２０４を全開にし、室外ファン２０８及び室内ファン２０９をそれぞれ停止させる。

逆サイクルデフロスト運転では、冷媒の循環方向が暖房運転時と逆転する。圧縮機２０１から吐出された冷媒は、四路切換弁５の実線側である第１ポート２０２１、及び第３ポート２０２３を通過し、室外熱交換器２０３、第１膨張弁２０４、室内熱交換ユニット２０７、四路切換弁５の実線側である第４ポート２０２４、及び第２ポート２０２２の順番で循環して圧縮機２０１に吸入される。これにより、圧縮機２０１から吐出された高温の冷媒が室外熱交換器２０３に流れ込むことにより、室外熱交換器２０３の熱交換面の表面に付着した霜が融解される。

＜学習装置１０及び制御装置４０のハードウェア構成＞
次に、実施形態に係る空気調和システム１の学習装置１０及び制御装置４０のハードウェア構成について説明する。なお、学習装置１０と制御装置４０は同様のハードウェア構成を有するため、ここでは、学習装置１０のハードウェア構成についてのみ説明する。

図２は、実施形態に係る学習装置１０のハードウェア構成の一例を示す図である。図２に示すように、学習装置１０は、ＣＰＵ（Central Processing Unit）１０１、ＲＯＭ（Read Only Memory）１０２、ＲＡＭ（Random Access Memory）１０３を有する。ＣＰＵ１０１、ＲＯＭ１０２、ＲＡＭ１０３は、いわゆるコンピュータを形成する。また、学習装置１０は、補助記憶装置１０４、表示装置１０５、操作装置１０６、Ｉ／Ｆ（Interface）装置１０７、ドライブ装置１０８を有する。学習装置１０の各ハードウェアは、バス１０９を介して相互に接続される。

ＣＰＵ１０１は、補助記憶装置１０４にインストールされている各種プログラム（例えば、機械学習プログラム等）を実行する演算デバイスである。ＲＯＭ１０２は、不揮発性メモリである。ＲＯＭ１０２は、主記憶デバイスとして機能し、補助記憶装置１０４にインストールされている各種プログラムをＣＰＵ１０１が実行するために必要な各種プログラムやデータ等を格納する。具体的には、ＲＯＭ１０２はＢＩＯＳ（Basic Input/Output System）やＥＦＩ（Extensible Firmware Interface）等のブートプログラム等を格納する。

ＲＡＭ１０３は、ＤＲＡＭ（Dynamic Random Access Memory）やＳＲＡＭ（Static Random Access Memory）等の揮発性メモリである。ＲＡＭ１０３は、主記憶デバイスとして機能し、補助記憶装置１０４にインストールされている各種プログラムがＣＰＵ１０１によって実行される際に展開される作業領域を提供する。

補助記憶装置１０４は、各種プログラムや、各種プログラムが実行される際に用いられる情報を格納する。

表示装置１０５は、各種の情報を表示する表示デバイスである。操作装置１０６は、各種操作を受け付けるための操作デバイスである。Ｉ／Ｆ装置１０７は、外部の機器と通信する通信デバイスである。

ドライブ装置１０８は記録媒体１１０をセットするためのデバイスである。ここでいう記録媒体１１０には、ＣＤ－ＲＯＭ、フレキシブルディスク、光磁気ディスク等のように情報を光学的、電気的あるいは磁気的に記録する媒体が含まれる。また、記録媒体１１０には、ＲＯＭ、フラッシュメモリ等のように情報を電気的に記録する半導体メモリ等が含まれていてもよい。

なお、補助記憶装置１０４にインストールされる各種プログラムは、例えば、配布された記録媒体１１０がドライブ装置１０８にセットされ、該記録媒体１１０に記録された各種プログラムがドライブ装置１０８により読み出されることでインストールされる。あるいは、補助記憶装置１０４にインストールされる各種プログラムは、不図示のネットワークよりダウンロードされることで、インストールされてもよい。

＜機能構成＞
次に、図３を参照し、実施形態に係る空気調和システム１の機能構成について説明する。図３は、実施形態に係る空気調和システムの機能ブロックの一例を示す図である。

≪学習装置１０≫
学習装置１０は、取得部１１、学習用データ生成部１２、学習済みモデル生成部１３、及び配信部１４を有する。これら各部は、例えば、学習装置１０にインストールされた１以上のプログラムが、学習装置１０のＣＰＵ１０１に実行させる処理により実現されてもよい。

取得部１１は、空気調和装置２０の運転状態に関する情報を空気調和装置２０から取得する。学習用データ生成部１２は、取得部１１により取得された、空気調和装置２０の運転状態に関する情報に基づいて、機械学習用のデータを生成する。

学習済みモデル生成部１３は、学習用データ生成部１２により生成された学習用データに基づいて機械学習を行うことにより、学習済みモデルを生成する。配信部１４は、学習済みモデル生成部１３により生成された学習済みモデルを、空気調和装置２０に配信する。

≪制御装置４０≫
制御装置４０は、記憶部４１、取得部４２、算出部４３、推論部４４、及び制御部４５を有する。これら各部は、例えば、制御装置４０にインストールされた１以上のプログラムが、制御装置４０のＣＰＵに実行させる処理により実現されてもよい。

記憶部４１は、空気調和装置２０の運転状態に関する情報を記憶する履歴記憶部４１１、及び学習装置１０から配信された学習済みモデルを記憶する学習済みモデル記憶部４１２を有する。履歴記憶部４１１に記憶される情報の内容については後述する。

取得部４２は、空気調和装置２０の運転状態に関する情報を、空気調和装置２０の各種センサ等から取得する。また、取得部４２は、学習済みモデルを学習装置１０から取得し、取得した学習済みモデルを学習済みモデル記憶部４１２に記憶させる。

算出部４３は、例えば、動作モード（運転モード）毎に、各入力値に対する目標値が予め設定された各表（テーブル）のデータ、または予め設定された関数等により、空気調和装置２０の各動作モードにおける運転状態の目標値を算出（決定）する。なお、算出部４３は、「決定部」の一例である。

算出部４３は、冷凍サイクルの高圧の目標値である目標高圧Ｐｈｓを算出する。算出部４３は、例えば、暖房運転時には、ユーザにより設定された設定温度Ｔｓと室内温湿度センサ３０２により測定された室内温度Ｔａとの差である温度偏差ｅｔ、及び暖房時第１膨張弁入り口温度センサ３０６により測定された温度Ｔ４に基づいて、目標高圧Ｐｈｓを算出してもよい。または、算出部４３は、温度偏差ｅｔ、及び外気温度センサ３０１により測定された外気温Ｔ０等に基づいて、目標高圧Ｐｈｓを算出してもよい。また、算出部４３は、例えば、空気調和装置２０が車載用の空気調和装置２０の場合は、車両に設置された日射量センサにより測定された日射量、温度偏差ｅｔ、及び外気温Ｔ０等に基づいて、目標高圧Ｐｈｓを算出してもよい。

また、算出部４３は、冷房運転時には、外気温Ｔ０、及び冷房時第１膨張弁入り口温度センサ３０７により測定された温度Ｔ４に基づいて、目標高圧Ｐｈｓを算出してもよい。

また、算出部４３は、温度偏差ｅｔに基づいて、冷凍サイクルの低圧の目標値である目標低圧Ｐｌｓを算出してもよい。また、算出部４３は、温度偏差ｅｔ、低圧センサ３０３により測定された実低圧Ｐｌ、高圧センサ３０５により測定された実高圧Ｐｈ、圧縮機２０１の運転周波数ｆｃ及び外気温Ｔ０に基づいて、冷媒の吐出温度の目標値である目標吐出温度Ｔ１ｓを算出してもよい。

推論部４４は、学習済みモデル記憶部４１２に記憶されている学習済みモデルに基づいて、第１膨張弁２０４の適切な開度を推論（決定）する。なお、推論部４４は、空気調和装置２０の冷媒回路２００に複数の膨張弁が設けられている場合、図１の第１膨張弁２０４のような、凝縮器の冷媒の出口側に設けられているメインの膨張弁に対して、適切な開度を推論してもよい。

制御部４５は、空気調和装置２０の各機器を制御する。制御部４５は、例えば、圧縮機２０１、室外ファン２０８、及び室内ファン２０９等を制御する。制御部４５は、圧縮機２０１のモータへ供給される交流の周波数（運転周波数）を調整することにより、圧縮機２０１の回転速度を変化させ、圧縮機２０１の容量を変化させる。

制御部４５は、室外ファン２０８のモータへ供給される交流の周波数（運転周波数）を調整することにより、室外ファン２０８の回転速度を変化させ、室外ファン２０８から室外熱交換器２０３へ供給される空気の流量を変化させる。制御部４５は、室内ファン２０９のモータへ供給される交流の周波数（運転周波数）を調整することにより、室内ファン２０９の回転速度を変化させ、室内ファン２０９から室内熱交換ユニット２０７へ供給される空気の流量を変化させる。

また、制御部４５は、推論部４４により推論された値に基づいて、第１膨張弁２０４、第２膨張弁２０７２、及び開閉弁２０７３等の各弁の開度等を制御する。制御部４５は、例えば、各弁のパルスモータへ供給される信号のパルス数を調整することにより、該パルス数に応じた角度だけ各弁のパルスモータを回転させ、各弁の開度を変更させる。

また、制御部４５は、例えば、空気調和装置２０の各動作モードでの運転を開始させる制御を行った際、及びそれ以降の所定間隔（例えば、１０秒毎）で、空気調和装置２０の運転状態に関する情報を履歴記憶部４１１に記憶させてもよい。

＜処理＞
≪学習時の処理≫
次に、図４から図７を参照し、実施形態に係る空気調和システム１の学習時の処理の一例について説明する。図４は、実施形態に係る空気調和システム１の学習時の処理の一例を示すフローチャートである。図５は、実施形態に係る履歴記憶部４１１に記憶される運転状態に関する履歴情報の一例を示す図である。図６Ａ及び図６Ｂは、実施形態に係る一連の履歴の例について説明する図である。図７は、第１実施形態に係る学習用データ１２１の一例を示す図である。

ステップＳ１０１において、学習装置１０の取得部１１は、空気調和装置２０の運転状態に関する履歴情報を空気調和装置２０から取得する。ここで、学習装置１０の取得部１１は、制御装置４０の履歴記憶部４１１に記憶されている履歴情報を取得する。

なお、当該履歴情報は、例えば、ユーザにより空気調和装置２０が設置されることが想定される一般的な建物の部屋（実験室）等に設置された空気調和装置２０を、各種パラメータを変更しながら運転させることにより収集された情報でもよい。

（履歴記憶部４１１）
図５の例では、履歴記憶部４１１に記憶される運転状態に関する履歴情報には、日時、動作モード、設定温度、目標湿度、第１膨張弁２０４の開度、第２膨張弁２０７２の開度、外気温、室内温度、室内湿度、低圧、第１膨張弁２０４の入り口温度、圧縮機２０１の吸入温度、圧縮機２０１の回転速度、室内ファン２０９の回転速度、高圧（実高圧）、及び消費電力等の項目の情報の組（レコード）が含まれている。

日時は、各種センサ等により運転状態に関する情報等が測定、算出、または取得された日時である。動作モードは、空気調和装置２０の動作モードである。動作モードには、例えば、冷房運転、送風運転、除湿運転、及び暖房運転等が含まれてもよい。また、例えば、除湿運転の各動作モードとして、弱冷房除湿運転、通常モードの再熱除湿運転、省電力モードの再熱除湿運転等が含まれてもよい。また、暖房運転時のデフロスト運転の各動作モードとして、正サイクルデフロスト運転、及び逆サイクルデフロスト運転等がふくまれてもよい。設定温度は、リモコン等の操作によりユーザから設定された、室内の目標温度である。目標湿度は、リモコン等の操作によりユーザから設定された、または設定温度等に基づいて制御装置４０により決定された、室内の目標湿度である。

第１膨張弁２０４の開度、及び第２膨張弁２０７２の開度は、例えば、各弁のパルスモータへ供給された信号のパルス数に基づいて算出された値でもよい。

外気温は、外気温度センサ３０１により測定された外気温である。室内温度は、室内温湿度センサ３０２により測定された室内温度である。室内湿度は、室内温湿度センサ３０２により測定された室内湿度である。低圧は、低圧センサ３０３により測定された、圧縮機２０１に吸入される冷媒の圧力である。第１膨張弁２０４の入り口温度は、空気調和装置２０が暖房運転をしている場合は、暖房時第１膨張弁入り口温度センサ３０６により測定された温度であり、冷房運転をしている場合は、冷房時第１膨張弁入り口温度センサ３０７により測定された温度である。

圧縮機２０１の吸入温度は、吸入温度センサ３０８により測定された温度である。圧縮機２０１の回転速度は、圧縮機２０１のモータの回転速度であり、例えば、制御装置４０により圧縮機２０１のモータへ供給されている交流の周波数の情報に基づいて算出されてもよい。室内ファン２０９の回転速度は、室内ファン２０９のモータの回転速度であり、例えば、制御装置４０により室内ファン２０９のモータへ供給されている交流の周波数の情報に基づいて算出されてもよい。高圧は、高圧センサ３０５により測定された高圧の圧力である。消費電力は、空気調和装置２０の単位時間当たりの消費電力である。

続いて、学習装置１０の学習用データ生成部１２は、取得した履歴情報に基づいて、図７に示すような学習用データ（学習用のデータセット）１２１を生成する（ステップＳ１０２）。ここで、学習装置１０の学習用データ生成部１２は、各動作モードにおける空気調和装置２０の動作結果に基づいて、取得した履歴情報から、学習データとして利用するデータを抽出してもよい。

この場合、学習装置１０の学習用データ生成部１２は、例えば、まず、履歴の情報から、空気調和装置２０の各動作モードでの運転が開始された以降の各時点における、設定温度と室内温度との差である温度偏差をそれぞれ算出する。また、当該各時点における、目標湿度と室内湿度との差である湿度偏差もそれぞれ算出する。そして、学習装置１０の学習用データ生成部１２は、空気調和装置２０が各動作モードで動作していた際の履歴（以下で、「一連の履歴」と称する。）をそれぞれ抽出する。学習装置１０の学習用データ生成部１２は、例えば、空気調和装置２０が各動作モードでの運転が開始された時点から、当該運転が終了された時点までの履歴を、一連の履歴としてそれぞれ抽出してもよい。

図６Ａ、及び図６Ｂには、一連の履歴の例が、ユーザのリモコン操作により設定温度が変更されたことにより第１膨張弁２０４の開度等を変更した時点を横軸の原点（時間ｔ＝０）としたグラフ上で示されている。図６Ａの例では、当該一連の履歴のうち、設定温度の時間推移６０１と室内温度の時間推移６０２が示されている。図６Ｂの例では、当該一連の履歴のうち、目標湿度の時間推移６１１と室内湿度の時間推移６１２が示されている。図６Ａ、及び図６Ｂでは、空気調和装置２０が通常モードの再熱除湿運転をしている場合の一連の履歴の例が示されている。図６Ａ、及び図６Ｂの例では、時間ｔ＝t_０の時点からｔ_１の時点までに比較的急速に温度偏差、及び湿度偏差が減少している。

（教師有り学習用の学習用データ生成処理の例）
学習装置１０の学習用データ生成部１２は、各一連の履歴のうち、各動作モードでの運転が開始された時点における、設定温度、室内温度、目標湿度、及び室内湿度の組に対して、当該開始された時点から所定時間（例えば、３０分）内の温度偏差の合計値（積分値）を正規化した値と、湿度偏差の合計値を正規化した値との合計値が低い順に所定割合の履歴を、教師データとして抽出してもよい。この場合、各一連の履歴のうち、図６Ａの温度偏差の合計値を示す領域６０３の面積が所定の正規化をされた値と、図６Ｂの湿度偏差の合計値を示す領域６１４の面積とが所定の正規化をされた値との合計値が比較的小さい一連の履歴が、設定温度、室内温度、目標湿度、及び室内湿度の組に対する教師データとして抽出される。なお、設定温度、室内温度、目標湿度、及び室内湿度は、例えば、所定数（例えば、１００）のレベルに置換された値でもよい。この場合、例えば、設定温度、及び室内温度は、０℃から５０℃まで、０．５℃刻みの値に置換されてもよい。また、目標湿度、及び室内湿度は、０％から１００％まで、１％刻みの値に置換されてもよい。これにより、同様のデータをまとめることにより、学習に用いる学習用データの数を低減することができる。

または、学習装置１０の学習用データ生成部１２は、各一連の履歴のうち、温度偏差の変化速度、及び湿度偏差の変化速度が、各偏差の値に対して予め規定された値に近い履歴を、教師データとして抽出してもよい。この場合、学習装置１０の学習用データ生成部１２は、例えば、所定時間（例えば、３０分）内の各時点における温度偏差の実際の変化速度と、各温度偏差に対して予め設定されている温度偏差の変化速度の目標値との差の合計値（積分値）を正規化した第１の値を算出する。また、当該各時点における湿度偏差の実際の変化速度と、各湿度偏差に対して予め設定されている湿度偏差の変化速度の目標値との差の合計値（積分値）を正規化した第２の値を算出する。そして、学習装置１０の学習用データ生成部１２は、第１の値と第２の値との合計値が低い順に所定割合の履歴を教師データとして抽出する。

（学習用データの例）
図７の例では、学習装置１０の学習用データ生成部１２により生成された学習用データ１２１には、動作モード、設定温度、目標湿度、外気温、室内温度、室内湿度、圧縮機２０１の吸入温度、及び室内ファン２０９の回転速度の組の各情報（レコード）が含まれている。

動作モード、設定温度、目標湿度、外気温、室内温度、室内湿度、圧縮機２０１の吸入温度、及び室内ファン２０９の回転速度の各項目は、上述した一連の履歴のうち、各動作モードでの運転が開始された時点での各項目の値である。これにより、各動作モードでの動作結果に影響を与える運転状態に関する情報に応じて、最適な動作モードを機械学習することができる。

続いて、学習装置１０の学習済みモデル生成部１３は、生成された学習用のデータに基づいて機械学習を行うことにより、学習済みモデルを生成する（ステップＳ１０３）。ここで、学習装置１０の学習済みモデル生成部１３は、例えば、教師有り学習、または強化学習等により、機械学習を行ってもよい。学習装置１０の学習済みモデル生成部１３は、例えば、ＮＮ（Neural Network）、ランダムフォレスト、及びＳＶＭ（Support Vector Machine）等、各種の機械学習の手法を用いて機械学習を行ってもよい。

学習装置１０の学習済みモデル生成部１３は、強化学習により機械学習を行う場合、例えば、所定時間（例えば、３０分）内の温度偏差の合計値を正規化した値と、湿度偏差の合計値を正規化した値との合計値が低い程報酬を高く算出して機械学習を行ってもよい。または、学習装置１０の学習済みモデル生成部１３は、例えば、各一連の履歴のうち、温度偏差の変化速度、及び湿度偏差の変化速度が、各偏差の値に対して予め規定された値に近い程、報酬を高く算出して機械学習を行ってもよい。この場合、学習装置１０の学習済みモデル生成部１３は、例えば、所定時間（例えば、３０分）内の各時点における温度偏差の実際の変化速度と、各温度偏差に対して予め設定されている温度偏差の変化速度の目標値との差の合計値（積分値）を正規化した第１の値を算出する。また、当該各時点における湿度偏差の実際の変化速度と、各湿度偏差に対して予め設定されている湿度偏差の変化速度の目標値との差の合計値（積分値）を正規化した第２の値を算出する。そして、学習装置１０の学習用データ生成部１２は、第１の値と第２の値との合計値が低い程、報酬を高く算出して機械学習を行ってもよい。

続いて、学習装置１０の配信部１４は、生成した学習済みモデルを空気調和装置２０に配信する（ステップＳ１０４）。これにより、空気調和装置２０の動作モードを決定するための学習済みモデルが、制御装置４０の学習済みモデル記憶部４１２に記憶される。

≪推論時の処理≫
次に、図８を参照し、実施形態に係る空気調和システム１の推論時の処理の一例について説明する。図８は、実施形態に係る空気調和システム１の推論時の処理の一例を示すフローチャートである。以下の処理は、例えば、空気調和装置２０が除湿運転、送風運転、暖房運転、及び冷房運転等をしている間に、定期的に実行されてもよい。また、以下の処理は、ユーザからの操作をリモコン等で受け付けた際にも実行されてもよい。この場合、制御装置４０は、例えば、リモコンの「ＡＩお任せ除湿」ボタンが押下された場合、除湿運転の最適な動作モードを推論する。この場合、設定温度、及び目標湿度はユーザから指定されてもよい。または、制御装置４０の算出部４３は、ユーザに指定された設定温度から、目標湿度を決定してもよい。または、制御装置４０の算出部４３は、外気温等に基づいて、設定温度、及び目標湿度を決定してもよい。

ステップＳ２０１において、制御装置４０の推論部４４は、空気調和装置２０の現在の運転状態に関する情報と、学習済みモデルとに基づいて、最適な動作モードを決定する。ここで、制御装置４０の推論部４３は、空気調和装置２０の現在の運転状態に関する情報に基づいて、例えば、設定温度、目標湿度、外気温、室内温度、室内湿度、圧縮機２０１の吸入温度、及び室内ファン２０９の回転速度の現在の値を算出する。そして、算出した各項目の値を学習済みモデルに入力することにより、最適な動作モードを推論させる。

これにより、例えば、除湿運転の最適な動作モードとして、例えば、弱冷房除湿運転、通常モードの再熱除湿運転、及び省電力モードの再熱除湿運転等の動作モードから、空気調和装置２０の現在の運転状態に応じて最適な動作モードを決定できる。また、例えば、デフロスト運転の各動作モードとして、例えば、正サイクルデフロスト運転、及び逆サイクルデフロスト運転等の動作モードから、空気調和装置２０の現在の運転状態に応じて最適な動作モードを決定できる。

続いて、制御装置４０の算出部４３は、推論部４４により決定された動作モードにおける各目標値を算出する（ステップＳ２０２）。ここで、制御装置４０の算出部４３は、当該動作モードにおける目標高圧、目標低圧、及び目標吐出温度等を算出する
続いて、制御装置４０の制御部４５は、算出部４３により算出された各目標値に基づいて、空気調和装置２０の各機器等を制御する（ステップＳ２０３）。ここで、制御装置４０の制御部４５は、例えば、第１膨張弁２０４、第２膨張弁２０７２、開閉弁２０７３、圧縮機２０１、室外ファン２０８、及び室内ファン２０９等を制御する。これにより、例えば、外気温、室内温度、室内湿度等の環境値等に応じて、ユーザの快適性をより向上させる動作モードを選択することができる。

［第２の実施形態］
上記第１の実施形態では、温度偏差及び湿度偏差に基づいて動作モードを決定する例について説明した。第２の実施形態では、ユーザの満足度に基づいて動作モードを決定する例について説明する。第２の実施形態によれば、ユーザの満足度が高くなる動作モードを決定するための学習済みモデルを生成できるため、ユーザの満足度が高くなるように動作モードを決定することができる。以下、第２の実施形態について、上記第１の実施形態との相違点を中心に説明する。なお、第１の実施形態の各処理と第２の実施形態の各処理とを、組み合わせて実行させることもできる。

（教師有り学習用の学習用データ生成処理の例）
学習装置１０の学習用データ生成部１２は、各一連の履歴のうち、所定時間（例えば、３０分）内の消費電力の合計値（積分値）が低い順に所定割合の履歴を、教師データとして抽出してもよい。また、学習装置１０の学習用データ生成部１２は、各一連の履歴のうち、所定時間（例えば、３０分）内の設定温度の変更回数が低い順に所定割合の履歴を、教師データとして抽出してもよい。また、学習装置１０の学習用データ生成部１２は、各一連の履歴のうち、リモコン操作等により入力された空気調和装置２０の動作結果の適否を示す情報に基づいて、ユーザから適切と入力された頻度が高い順に所定割合の履歴を、教師データとして抽出してもよい。

第２の実施形態では、図４のステップＳ１０２において、学習装置１０の学習用データ生成部１２は、取得した履歴情報に基づいて、図９に示すような学習用データ（学習用のデータセット）１２１Ａを生成する。図９は、第２実施形態に係る学習用データ１２１Ａの一例を示す図である。図９に示す第２の実施形態に係る学習用データ１２１Ａには、図７で示した第１の実施形態に係る学習用データ１２１に含まれる各項目の情報に加え、設定温度の変更頻度、及び消費電力が含まれている。

設定温度の変更頻度は、一連の履歴においてユーザのリモコン操作等により設定温度が変更された頻度である。学習装置１０の学習用データ生成部１２は、各動作モードでの動作が開始された時点から所定時間（例えば、３０分）以内に設定温度が変更された回数を、設定温度の変更頻度として算出してもよい。消費電力は、例えば、一連の履歴において各動作モードでの動作が開始された時点から所定時間（例えば、３０分）以内の消費電力の合計値でもよい。

そして、図４のステップＳ１０３において、学習装置１０の学習済みモデル生成部１３は、生成された学習用のデータに基づいて機械学習を行うことにより、学習済みモデルを生成する。

なお、学習装置１０の学習済みモデル生成部１３は、強化学習により機械学習を行う場合、例えば、上述した消費電力の合計値が低い程、報酬を高く算出して、機械学習を行ってもよい。または、上述した設定温度の変更頻度が少ない程、報酬を高く算出して、機械学習を行ってもよい。また、学習装置１０の学習用データ生成部１２は、各一連の履歴のうち、リモコン操作等により入力された空気調和装置２０の動作結果の適否を示す情報に基づいて、ユーザから適切と入力された頻度が高い程、報酬を高く算出して、機械学習を行ってもよい。

＜変形例＞
学習装置１０の各機能部は、例えば１以上のコンピュータにより構成されるクラウドコンピューティングにより実現されていてもよい。また、上述した学習装置１０の各機能部の処理の少なくとも一部は、空気調和装置２０の制御装置４０にて実行されてもよい。また、学習装置１０と制御装置４０とを一体の装置として構成してもよい。

また、一の学習装置１０が、複数の空気調和装置２０からそれぞれ取得した情報に基づいて一の学習済みモデルを生成し、生成した一の学習済みモデルを各空気調和装置２０に配信するようにしてもよい。

以上、実施形態を説明したが、特許請求の範囲の趣旨及び範囲から逸脱することなく、形態や詳細の多様な変更が可能なことが理解されるであろう。

１ 空気調和システム
１０ 学習装置
１１ 取得部
１２ 学習用データ生成部
１３ 学習済みモデル生成部
１４ 配信部
２０ 空気調和装置
２００ 冷媒回路
２０１ 圧縮機（コンプレッサ）
２０２ 四路切換弁（四方弁）
２０３ 室外熱交換器
２０４ 第１膨張弁（減圧弁）
２０７ 室内熱交換ユニット
２０７１ 第１室内熱交換器
２０７２ 第２膨張弁
２０７３ 開閉弁
２０７４ 第２室内熱交換器
２０７５ 第３室内熱交換器
２０８ 室外ファン
２０９ 室内ファン
３０１ 外気温度センサ
３０２ 室内温湿度センサ
３０３ 低圧センサ
３０４ 吐出温度センサ
３０５ 高圧センサ
３０６ 暖房時第１膨張弁入り口温度センサ
３０７ 冷房時第１膨張弁入り口温度センサ
３０８ 吸入温度センサ
４０ 制御装置
４１ 記憶部
４１１ 履歴記憶部
４１２ 学習済みモデル記憶部
４２ 取得部
４３ 算出部
４４ 推論部
４５ 制御部

Claims (27)

1. 圧縮機、室外熱交換器、膨張弁、及び室内熱交換器を含む冷媒回路を有する空気調和装置の運転状態に関する情報と、前記空気調和装置の動作モードを示す情報と、前記空気調和装置の動作結果に関する情報との組み合わせを含むデータセットに基づいて学習を行うことにより、前記空気調和装置の運転状態に関する情報から、前記空気調和装置の動作モードを決定するための学習済みモデルを生成する学習済みモデル生成部を有し、
   前記空気調和装置の動作モードには、暖房運転を継続しながらデフロストを行う正サイクルデフロスト運転、及び暖房運転を停止させてデフロストを行う逆サイクルデフロスト運転が含まれる、
   情報処理装置。
2. 圧縮機、室外熱交換器、膨張弁、及び室内熱交換器を含む冷媒回路を有する空気調和装置の運転状態に関する情報と、前記空気調和装置の動作モードを示す情報と、前記空気調和装置の動作結果に関する情報との組み合わせを含むデータセットに基づいて学習を行うことにより、前記空気調和装置の運転状態に関する情報から、前記空気調和装置の動作モードを決定するための学習済みモデルを生成する学習済みモデル生成部と、
   前記空気調和装置の各動作モードでの運転が開始された時点から所定の時点までの、室内温度の目標値と測定された室内温度との差の合計値と、室内湿度の目標値と測定された室内湿度との差の合計値とに基づいて、前記データセットのうち学習用のデータを抽出する学習用データ生成部と、を有し、
   前記学習済みモデル生成部は、前記学習用データ生成部により抽出されたデータに基づいて学習を行う、
   情報処理装置。
3. 圧縮機、室外熱交換器、膨張弁、及び室内熱交換器を含む冷媒回路を有する空気調和装置の運転状態に関する情報と、前記空気調和装置の動作モードを示す情報と、前記空気調和装置の動作結果に関する情報との組み合わせを含むデータセットに基づいて学習を行うことにより、前記空気調和装置の運転状態に関する情報から、前記空気調和装置の動作モードを決定するための学習済みモデルを生成する学習済みモデル生成部を有し、
   前記学習済みモデル生成部は、前記空気調和装置の各動作モードでの運転が開始された時点から所定の時点までの、室内温度の目標値と測定された室内温度との差の合計値と、室内湿度の目標値と測定された室内湿度との差の合計値とに基づいて報酬を算出し、算出した報酬に基づいて学習を行う、
   情報処理装置。
4. 前記空気調和装置の運転状態に関する情報には、測定された外気温、室内温度、及び室内湿度が含まれる、
   請求項１から３のいずれか一項に記載の情報処理装置。
5. 前記空気調和装置の運転状態に関する情報には、前記室内熱交換器の室内ファンの回転速度が含まれる、
   請求項１から４のいずれか一項に記載の情報処理装置。
6. 前記空気調和装置の動作モードには、冷房運転、暖房運転、除湿運転、送風運転、及びデフロスト運転の少なくとも一つが含まれる、
   請求項１から５のいずれか一項に記載の情報処理装置。
7. 前記空気調和装置の動作モードには、室内温度を下げながら室内空気の除湿を行う弱冷房除湿運転、前記室内熱交換器に含まれる第１熱交換器と第２熱交換器とを使用する第１モードの再熱除湿運転、及び前記第１熱交換器のみを使用する第２モードの再熱除湿運転が含まれる、
   請求項１から６のいずれか一項に記載の情報処理装置。
8. 前記動作結果に関する情報には、室内温度の目標値と、測定された室内温度との差の情報が含まれる、
   請求項１から７のいずれか一項に記載の情報処理装置。
9. 前記動作結果に関する情報には、室内湿度の目標値と、測定された室内湿度との差の情報が含まれる、
   請求項１から８のいずれか一項に記載の情報処理装置。
10. 前記動作結果に関する情報には、
    室内温度の設定が変更された頻度、及びユーザから入力された前記動作結果に対する適否を示す情報の少なくとも一方が含まれる、
    請求項１から９のいずれか一項に記載の情報処理装置。
11. 前記動作結果に関する情報には、
    前記空気調和装置の消費電力の情報が含まれる、
    請求項１から１０のいずれか一項に記載の情報処理装置。
12. 前記学習済みモデル生成部により生成された学習済みモデルと、前記空気調和装置の運転状態に関する情報とに基づいて、前記空気調和装置の動作モードを決定する決定部と、
    前記決定部により決定された前記空気調和装置の動作モードに応じて、前記空気調和装置の動作モードを変更する制御を行う制御部と、を有する、
    請求項１から１１のいずれか一項に記載の情報処理装置。
13. 圧縮機、室外熱交換器、膨張弁、及び室内熱交換器を含む冷媒回路を有する空気調和装置であって、
    前記空気調和装置の運転状態に関する情報、前記空気調和装置の動作モードを示す情報、及び前記空気調和装置の動作結果に関する情報との組み合わせを含むデータセットに基づいて学習を行うことにより生成された学習済みモデルと、前記空気調和装置の運転状態に関する情報とに基づいて、前記空気調和装置の動作モードを決定する決定部と、
    前記決定部により決定された前記空気調和装置の動作モードに応じて、前記空気調和装置の動作モードを変更する制御を行う制御部と、を有し、
    前記空気調和装置の動作モードには、暖房運転を継続しながらデフロストを行う正サイクルデフロスト運転、及び暖房運転を停止させてデフロストを行う逆サイクルデフロスト運転が含まれる、
    空気調和装置。
14. 圧縮機、室外熱交換器、膨張弁、及び室内熱交換器を含む冷媒回路を有する空気調和装置であって、
    前記空気調和装置の運転状態に関する情報、前記空気調和装置の動作モードを示す情報、及び前記空気調和装置の動作結果に関する情報との組み合わせを含むデータセットに基づいて学習を行うことにより生成された学習済みモデルと、前記空気調和装置の運転状態に関する情報とに基づいて、前記空気調和装置の動作モードを決定する決定部と、
    前記決定部により決定された前記空気調和装置の動作モードに応じて、前記空気調和装置の動作モードを変更する制御を行う制御部と、を有し、
    前記学習済みモデルは、前記データセットから抽出された学習用のデータに基づいて学習されており、
    前記学習用のデータは、前記空気調和装置の各動作モードでの運転が開始された時点から所定の時点までの、室内温度の目標値と測定された室内温度との差の合計値と、室内湿度の目標値と測定された室内湿度との差の合計値とに基づいて、前記データセットから抽出されている、
    空気調和装置。
15. 圧縮機、室外熱交換器、膨張弁、及び室内熱交換器を含む冷媒回路を有する空気調和装置であって、
    前記空気調和装置の運転状態に関する情報、前記空気調和装置の動作モードを示す情報、及び前記空気調和装置の動作結果に関する情報との組み合わせを含むデータセットに基づいて学習を行うことにより生成された学習済みモデルと、前記空気調和装置の運転状態に関する情報とに基づいて、前記空気調和装置の動作モードを決定する決定部と、
    前記決定部により決定された前記空気調和装置の動作モードに応じて、前記空気調和装置の動作モードを変更する制御を行う制御部と、を有し、
    前記学習済みモデルは、前記空気調和装置の各動作モードでの運転が開始された時点から所定の時点までの、室内温度の目標値と測定された室内温度との差の合計値と、室内湿度の目標値と測定された室内湿度との差の合計値とに基づいて算出された報酬に基づいて学習されている、
    空気調和装置。
16. 情報処理装置が、
    圧縮機、室外熱交換器、膨張弁、及び室内熱交換器を含む冷媒回路を有する空気調和装置の運転状態に関する情報と、前記空気調和装置の動作モードを示す情報と、前記空気調和装置の動作結果に関する情報との組み合わせを含むデータセットに基づいて学習を行うことにより、前記空気調和装置の運転状態に関する情報から、前記空気調和装置の動作モードを決定するための学習済みモデルを生成する処理を実行し、
    前記空気調和装置の動作モードには、暖房運転を継続しながらデフロストを行う正サイクルデフロスト運転、及び暖房運転を停止させてデフロストを行う逆サイクルデフロスト運転が含まれる、
    情報処理方法。
17. 情報処理装置が、
    圧縮機、室外熱交換器、膨張弁、及び室内熱交換器を含む冷媒回路を有する空気調和装置の運転状態に関する情報と、前記空気調和装置の動作モードを示す情報と、前記空気調和装置の動作結果に関する情報との組み合わせを含むデータセットに基づいて学習を行うことにより、前記空気調和装置の運転状態に関する情報から、前記空気調和装置の動作モードを決定するための学習済みモデルを生成する処理と、
    前記空気調和装置の各動作モードでの運転が開始された時点から所定の時点までの、室内温度の目標値と測定された室内温度との差の合計値と、室内湿度の目標値と測定された室内湿度との差の合計値とに基づいて、前記データセットのうち学習用のデータを抽出する処理と、を実行し、
    前記生成する処理は、前記学習用のデータに基づいて学習を行う、
    情報処理方法。
18. 情報処理装置が、
    圧縮機、室外熱交換器、膨張弁、及び室内熱交換器を含む冷媒回路を有する空気調和装置の運転状態に関する情報と、前記空気調和装置の動作モードを示す情報と、前記空気調和装置の動作結果に関する情報との組み合わせを含むデータセットに基づいて学習を行うことにより、前記空気調和装置の運転状態に関する情報から、前記空気調和装置の動作モードを決定するための学習済みモデルを生成する処理を実行し、
    前記生成する処理は、前記空気調和装置の各動作モードでの運転が開始された時点から所定の時点までの、室内温度の目標値と測定された室内温度との差の合計値と、室内湿度の目標値と測定された室内湿度との差の合計値とに基づいて報酬を算出し、算出した報酬に基づいて学習を行う、
    情報処理方法。
19. 圧縮機、室外熱交換器、膨張弁、及び室内熱交換器を含む冷媒回路を有する空気調和装置が、
    前記空気調和装置の運転状態に関する情報と、前記空気調和装置の動作モードを示す情報と、前記空気調和装置の動作結果に関する情報との組み合わせを含むデータセットに基づいて学習を行うことにより生成された学習済みモデルを取得する処理と、
    取得された学習済みモデルと、前記空気調和装置の運転状態に関する情報とに基づいて、前記空気調和装置の動作モードを決定する処理と、
    決定された前記空気調和装置の動作モードに応じて、前記空気調和装置の動作モードを変更する処理と、を実行し、
    前記空気調和装置の動作モードには、暖房運転を継続しながらデフロストを行う正サイクルデフロスト運転、及び暖房運転を停止させてデフロストを行う逆サイクルデフロスト運転が含まれる、
    空気調和方法。
20. 圧縮機、室外熱交換器、膨張弁、及び室内熱交換器を含む冷媒回路を有する空気調和装置が、
    前記空気調和装置の運転状態に関する情報と、前記空気調和装置の動作モードを示す情報と、前記空気調和装置の動作結果に関する情報との組み合わせを含むデータセットに基づいて学習を行うことにより生成された学習済みモデルを取得する処理と、
    取得された学習済みモデルと、前記空気調和装置の運転状態に関する情報とに基づいて、前記空気調和装置の動作モードを決定する処理と、
    決定された前記空気調和装置の動作モードに応じて、前記空気調和装置の動作モードを変更する処理と、を実行し、
    前記学習済みモデルは、前記データセットから抽出された学習用のデータに基づいて学習されており、
    前記学習用のデータは、前記空気調和装置の各動作モードでの運転が開始された時点から所定の時点までの、室内温度の目標値と測定された室内温度との差の合計値と、室内湿度の目標値と測定された室内湿度との差の合計値とに基づいて、前記データセットから抽出されている、
    空気調和方法。
21. 圧縮機、室外熱交換器、膨張弁、及び室内熱交換器を含む冷媒回路を有する空気調和装置が、
    前記空気調和装置の運転状態に関する情報と、前記空気調和装置の動作モードを示す情報と、前記空気調和装置の動作結果に関する情報との組み合わせを含むデータセットに基づいて学習を行うことにより生成された学習済みモデルを取得する処理と、
    取得された学習済みモデルと、前記空気調和装置の運転状態に関する情報とに基づいて、前記空気調和装置の動作モードを決定する処理と、
    決定された前記空気調和装置の動作モードに応じて、前記空気調和装置の動作モードを変更する処理と、を実行し、
    前記学習済みモデルは、前記空気調和装置の各動作モードでの運転が開始された時点から所定の時点までの、室内温度の目標値と測定された室内温度との差の合計値と、室内湿度の目標値と測定された室内湿度との差の合計値とに基づいて算出された報酬に基づいて学習されている、
    空気調和方法。
22. 情報処理装置に、
    圧縮機、室外熱交換器、膨張弁、及び室内熱交換器を含む冷媒回路を有する空気調和装置の運転状態に関する情報と、前記空気調和装置の動作モードを示す情報と、前記空気調和装置の動作結果に関する情報との組み合わせを含むデータセットに基づいて学習を行うことにより、前記空気調和装置の運転状態に関する情報から、前記空気調和装置の動作モードを決定するための学習済みモデルを生成する処理を実行させ、
    前記空気調和装置の動作モードには、暖房運転を継続しながらデフロストを行う正サイクルデフロスト運転、及び暖房運転を停止させてデフロストを行う逆サイクルデフロスト運転が含まれる、
    プログラム。
23. 情報処理装置に、
    圧縮機、室外熱交換器、膨張弁、及び室内熱交換器を含む冷媒回路を有する空気調和装置の運転状態に関する情報と、前記空気調和装置の動作モードを示す情報と、前記空気調和装置の動作結果に関する情報との組み合わせを含むデータセットに基づいて学習を行うことにより、前記空気調和装置の運転状態に関する情報から、前記空気調和装置の動作モードを決定するための学習済みモデルを生成する処理と、
    前記空気調和装置の各動作モードでの運転が開始された時点から所定の時点までの、室内温度の目標値と測定された室内温度との差の合計値と、室内湿度の目標値と測定された室内湿度との差の合計値とに基づいて、前記データセットのうち学習用のデータを抽出する処理と、を実行させ、
    前記生成する処理は、前記学習用のデータに基づいて学習を行う、
    プログラム。
24. 情報処理装置に、
    圧縮機、室外熱交換器、膨張弁、及び室内熱交換器を含む冷媒回路を有する空気調和装置の運転状態に関する情報と、前記空気調和装置の動作モードを示す情報と、前記空気調和装置の動作結果に関する情報との組み合わせを含むデータセットに基づいて学習を行うことにより、前記空気調和装置の運転状態に関する情報から、前記空気調和装置の動作モードを決定するための学習済みモデルを生成する処理を実行させ、
    前記生成する処理は、前記空気調和装置の各動作モードでの運転が開始された時点から所定の時点までの、室内温度の目標値と測定された室内温度との差の合計値と、室内湿度の目標値と測定された室内湿度との差の合計値とに基づいて報酬を算出し、算出した報酬に基づいて学習を行う、
    プログラム。
25. 圧縮機、室外熱交換器、膨張弁、及び室内熱交換器を含む冷媒回路を有する空気調和装置に、
    前記空気調和装置の運転状態に関する情報と、前記空気調和装置の動作モードを示す情報と、前記空気調和装置の動作結果に関する情報との組み合わせを含むデータセットに基づいて学習を行うことにより生成された学習済みモデルを取得する処理と、
    取得された学習済みモデルと、前記空気調和装置の運転状態に関する情報とに基づいて、前記空気調和装置の動作モードを決定する処理と、
    決定された前記空気調和装置の動作モードに応じて、前記空気調和装置の動作モードを変更する処理と、を実行させ、
    前記空気調和装置の動作モードには、暖房運転を継続しながらデフロストを行う正サイクルデフロスト運転、及び暖房運転を停止させてデフロストを行う逆サイクルデフロスト運転が含まれる、
    プログラム。
26. 圧縮機、室外熱交換器、膨張弁、及び室内熱交換器を含む冷媒回路を有する空気調和装置に、
    前記空気調和装置の運転状態に関する情報と、前記空気調和装置の動作モードを示す情報と、前記空気調和装置の動作結果に関する情報との組み合わせを含むデータセットに基づいて学習を行うことにより生成された学習済みモデルを取得する処理と、
    取得された学習済みモデルと、前記空気調和装置の運転状態に関する情報とに基づいて、前記空気調和装置の動作モードを決定する処理と、
    決定された前記空気調和装置の動作モードに応じて、前記空気調和装置の動作モードを変更する処理と、を実行させ、
    前記学習済みモデルは、前記データセットから抽出された学習用のデータに基づいて学習されており、
    前記学習用のデータは、前記空気調和装置の各動作モードでの運転が開始された時点から所定の時点までの、室内温度の目標値と測定された室内温度との差の合計値と、室内湿度の目標値と測定された室内湿度との差の合計値とに基づいて、前記データセットから抽出されている、
    プログラム。
27. 圧縮機、室外熱交換器、膨張弁、及び室内熱交換器を含む冷媒回路を有する空気調和装置に、
    前記空気調和装置の運転状態に関する情報と、前記空気調和装置の動作モードを示す情報と、前記空気調和装置の動作結果に関する情報との組み合わせを含むデータセットに基づいて学習を行うことにより生成された学習済みモデルを取得する処理と、
    取得された学習済みモデルと、前記空気調和装置の運転状態に関する情報とに基づいて、前記空気調和装置の動作モードを決定する処理と、
    決定された前記空気調和装置の動作モードに応じて、前記空気調和装置の動作モードを変更する処理と、を実行させ、
    前記学習済みモデルは、前記空気調和装置の各動作モードでの運転が開始された時点から所定の時点までの、室内温度の目標値と測定された室内温度との差の合計値と、室内湿度の目標値と測定された室内湿度との差の合計値とに基づいて算出された報酬に基づいて学習されている、
    プログラム。

Images