JP7380276B2 - 空調システム、および、空調機の制御方法 - Google Patents

Description

本発明は、空調システム、および、空調機の制御方法に関する。

例えば特許文献１のように、居住者の生体情報に基づいて居室を空調する空調システムが知られている。特許文献１においては、生体情報を検知する生体情報検知部を居住者が携帯し、その生体情報検知部の検知した生体情報に基づいて空調を行っている。

特開２０１８－１８５０８３号公報

しかしながら、特許文献１に記載の空調システムにおいては、生体情報を検知する生体情報検知部を携帯しなければならず、不特定の利用者が利用する空間の空調には不向きである。本発明は、利用者に快適な空調空間を提供する空調システム、および、空調機の制御方法を提供することを目的とする。

上記課題を解決する空調システムは、空調空間を空調する空調機と、前記空調機を制御する制御装置と、を備えた空調システムであって、前記制御装置は、前記空調空間の利用者の位置情報、利用者側温熱要素情報、環境側温熱要素情報、および、前記空調機の運転情報を取得し、前記取得した情報を境界条件として入力する予測モデルを用いて、前記空調空間の気流分布および温湿度分布、ならびに、前記利用者の生理量を予測し、前記予測した結果に基づいて前記利用者の快適性を評価し、前記評価した利用者の快適性に基づいて前記空調機を制御する。

上記課題を解決する空調機の制御方法は、空調空間を空調する空調機の制御方法であって、前記空調機を制御する制御装置が、前記空調空間の利用者の位置情報、利用者側温熱要素情報、環境側温熱要素情報、および、前記空調機の運転情報を取得するステップと、前記取得した情報を境界条件として入力する予測モデルを用いて、前記空調空間の気流分布および温湿度分布、ならびに、前記利用者の生理量を予測するステップと、前記予測した結果に基づいて前記利用者の快適性を評価するステップと、前記評価した利用者の快適性に基づいて前記空調機を制御するステップと、を実行する。

上記構成の空調システムは、前記空調空間を撮像する撮像部をさらに備え、前記制御装置は、前記空調空間を撮像した撮像画像に基づいて、前記位置情報および前記利用者側温熱要素情報を取得することが好ましい。

上記構成の空調システムにおいて、前記制御装置は、前記利用者側温熱要素情報として、前記利用者の着衣量、代謝量、ならびに、前記利用者の年齢および性別を示す属性を取得することが好ましい。

上記構成の空調システムにおいて、前記制御装置は、予め定めた設定時間後における前記利用者の生理量を予測することが好ましい。
上記構成の空調システムにおいて、前記制御装置は、前記設定時間後における前記利用者の快適性が良好となるように前記空調機を制御することが好ましい。

上記構成の空調システムは、前記空調空間の利用者の位置情報、前記利用者側温熱要素情報、前記環境側温熱要素情報、および、前記空調機の運転情報を変更した境界条件において、気流解析モデルと数値サーマルマネキンを用いたシミュレーションを行い、前記シミュレーションの結果から導出された完全モデルについての縮約モデルを、前記予測モデルとして用いることが好ましい。

上記構成によれば、利用者に快適な空調空間を提供することができる。

空調システムの一実施形態の概略構成を示す図。 情報処理装置のハードウェア構成の説明図。 制御装置の概略構成を示す機能ブロック図。 空調機の制御方法の一例を示すフローチャート。 シミュレーション装置の概略構成を示す機能ブロック図。 予測モデルの生成方法の一例を示すフローチャート。

以下、図１～図６を用いて、空調システム、および、空調機の制御方法を具体化した一実施形態を説明する。
（空調システムの全体構成の説明）
図１に示すように、本実施形態の空調システム２０は、空調空間１０を空調する。本実施形態の空調空間１０には、利用者１１が使用するテーブル１２や椅子１３などのほか、窓１４が設置されている。

空調システム２０は、空調機２１、制御装置２５を備えている。
空調機２１は、図示しない熱源機や室外機を有しており、熱源機や室外機に取り込まれた媒体で空気を温調した空調空気を吹出口２２から空調空間１０に給気する。本実施形態の空調機２１は、空調空気の吹出方向が予め定めた一定方向に設定されている。

制御装置２５は、空調機２１に対して各種制御指示値を出力することにより空調機２１を制御する制御処理を実行する。制御処理において、制御装置２５は、空調空間１０に関する各種情報に基づいて利用者１１の生理量を予測し、その予測した生理量に基づいて利用者１１の快適性を評価する。そして制御装置２５は、快適性の評価結果に基づいて空調機２１を制御する。また、制御装置２５が空調機２１を制御するために、予測モデルを用いる。この予測モデルは、シミュレーション装置４０によって生成される。

（ハードウェア構成の説明）
図２を用いて、空調機２１、制御装置２５、シミュレーション装置４０を構成する情報処理装置Ｈ１０のハードウェア構成を説明する。情報処理装置Ｈ１０は、通信装置Ｈ１１、入力装置Ｈ１２、表示装置Ｈ１３、記憶部Ｈ１４、プロセッサＨ１５を備える。なお、このハードウェア構成は一例であり、他のハードウェアにより実現することも可能である。

通信装置Ｈ１１は、他の装置との間で通信経路を確立して、データの送受信を実行するインタフェースであり、例えばネットワークインタフェースカードや無線インタフェース等である。

入力装置Ｈ１２は、各種情報の入力を受け付ける装置であり、例えばマウスやキーボード、カメラ（撮影装置）等である。表示装置Ｈ１３は、各種情報を表示するディスプレイ等である。

記憶部Ｈ１４は、各種機能を実行するためのデータや各種プログラムを格納する記憶装置である。記憶部Ｈ１４の一例としては、ＲＯＭ、ＲＡＭ、ハードディスク等がある。
プロセッサＨ１５は、記憶部Ｈ１４に記憶されるプログラムやデータを用いて、各処理を制御する。プロセッサＨ１５の一例としては、例えばＣＰＵやＭＰＵ等がある。このプロセッサＨ１５は、ＲＯＭ等に記憶されるプログラムをＲＡＭに展開して、各処理のための各種プロセスを実行する。

プロセッサＨ１５は、自身が実行するすべての処理についてソフトウェア処理を行うものに限られない。例えば、プロセッサＨ１５は、自身が実行する処理の少なくとも一部についてハードウェア処理を行う専用のハードウェア回路（例えば、特定用途向け集積回路：ＡＳＩＣ）を備えてもよい。すなわち、プロセッサＨ１５は、〔１〕コンピュータプログラム（ソフトウェア）に従って動作する１つ以上のプロセッサ、〔２〕各種処理のうち少なくとも一部の処理を実行する１つ以上の専用のハードウェア回路、或いは〔３〕それらの組み合わせ、を含む回路（ｃｉｒｃｕｉｔｒｙ）として構成し得る。プロセッサは、ＣＰＵ並びに、ＲＡＭ及びＲＯＭ等のメモリを含み、メモリは、処理をＣＰＵに実行させるように構成されたプログラムコード又は指令を格納している。メモリすなわちコンピュータ可読媒体は、汎用又は専用のコンピュータでアクセスできるあらゆる利用可能な媒体を含む。

（制御装置の説明）
図１に示すように、制御装置２５には、撮像部２６と環境側温熱要素検出部２７とがネットワークにより接続されている。撮像部２６は、所定の間隔で空調空間１０を撮像し、その撮像画像を示す画像データを制御装置２５に出力する。環境側温熱要素検出部２７は、空調空間１０の外部空間に設置されており、空調空間１０に対して熱的な影響、すなわち空調空間１０の利用者１１の温熱感覚に影響を与える環境側温熱要素情報として、日射量、外気温度、および、外気湿度を検出し、制御装置２５に出力する。

図３に示すように、制御装置２５は、位置情報取得部３１、温熱要素情報取得部３２、運転情報取得部３３、予測部３４、予測モデル記憶部３５、評価部３６、および、制御部３７を有している。

位置情報取得部３１は、空調空間１０の利用者１１の位置情報を取得する。
温熱要素情報取得部３２は、利用者１１の温熱要素を示す利用者側温熱要素情報を取得する。

運転情報取得部３３は、空調機２１が吹き出している空調空気の吹出温度および吹出風量を、運転情報として取得する。
予測部３４は、位置情報、利用者側温熱要素情報、環境側温熱要素情報、および、運転情報の各種パラメーターを境界条件とする予測モデル３５０を用いて、空調空間１０の気流・温湿度分布、および、利用者１１の部位ごとの生理量を予測する。

予測モデル記憶部３５には、予測モデル３５０が記録される。この予測モデル３５０は、各種の境界条件を示す値を入力値として、空調空間１０の気流・温湿度分布が現在の状態からどのように推移し、収束するかを予測するモデルである。また、予測モデル３５０は、利用者１１とその予測した気流・温湿度分布で示される周辺環境との間における熱収支を演算し、利用者１１の部位ごとの生理量が現在の状態からどのように推移し、収束するかを予測するモデルである。換言すれば、予測モデル３５０は、境界条件で示される現在の状態が継続した場合に、空調空間１０の気流・温湿度分布、および、利用者１１の部位ごとの生理量が現在の状態からどのように推移し、収束するかを予測するモデルである。予測モデル３５０は、後述するシミュレーションの結果に基づいて生成される。

評価部３６は、予測した気流・温湿度分布および利用者１１の生理量に基づいて、利用者１１の快適性として温冷感と快適感等の評価結果を利用者１１ごとに算出する。
制御部３７は、評価結果に応じて、制御指示値を空調機２１に出力する。

図４に示すように、制御処理において、制御装置２５は、各種情報を取得する情報取得処理を行う（ステップＳ１０１）。
この情報取得処理においては、位置情報取得部３１は、撮像部２６が出力した画像データを画像処理することで、位置情報として空調空間１０における利用者１１の位置および姿勢を取得する。

更に、温熱要素情報取得部３２は、撮像部２６が出力した画像データを画像処理することにより、利用者１１の利用者側温熱要素情報を取得する。ここでは、温熱要素情報取得部３２は、パターン認識により、利用者側温熱要素情報として、利用者１１の着衣物に基づく熱抵抗を示す着衣量、利用者１１の体内代謝による熱平衡を示す代謝量、ならびに、利用者１１の年齢および性別を示す属性を取得する。着衣量は、単位がｃｌｏで示される値である。代謝量は、利用者１１の活動内容に応じた値であり、単位がｍｅｔで示される。属性は、利用者１１の年齢を示す数値と利用者１１の性別を示す数値とによって導出される値であり、年齢および性別に基づいて代謝量を補正する値である。

また、温熱要素情報取得部３２は、環境側温熱要素情報として、環境側温熱要素検出部２７からの検出信号に基づいて、日射量、外気温度、および、外気湿度を取得する。
更に、運転情報取得部３３は、運転情報として、空調機２１が吹き出している空調空気の吹出温度および吹出風量を取得する。なお、運転情報取得部３３は、制御装置２５から空調機２１への制御指示値を運転情報として取得してもよいし、空調機２１に設置した各種検出部の検出値を運転情報として取得してもよい。

次に、制御装置２５は、空調空間１０の気流・温湿度分布および利用者１１の生理量を予測する予測処理を行う（ステップＳ１０２）。
予測処理において、予測部３４は、取得した位置情報、利用者側温熱要素情報、環境側温熱要素情報、および、運転情報の各種パラメーターを境界条件とする予測モデル３５０を用いて、空調空間１０の気流・温湿度分布、および、利用者１１の部位ごとの生理量、例えば皮膚温度や放熱量、発汗量などを利用者１１ごとに予測する。この予測モデル３５０の生成方法について後述する。

次に、制御装置２５は、利用者１１の快適性を評価する評価処理を行う（ステップＳ１０３）。
評価処理において、評価部３６は、予測した気流・温湿度分布および利用者１１の生理量に基づいて、予め定めた設定時間後の利用者１１の快適性を評価する。設定時間は、５分後であってもよいし、１０分後であってもよいし、１時間後であってもよい。評価部３６は、例えば、皮膚温度、放熱量、発汗量、ならびに、利用者１１周辺の気流分布および温湿度分布の各パラメーターを示す値を所定の評価式に代入することにより、温冷感を示す値および快適感を示す値を算出する。そして、評価部３６は、その算出した値に基づいて、温冷感および快適感を利用者ごとに評価する。評価部３６は、温冷感の評価結果として、例えば、「寒い」、「ちょうど良い」、「暑い」のうちの１つを得る。評価部３６は、快適感の評価結果として、例えば、「快適」、「不快」のいずれか一方を得る。

次に、制御装置２５は、制御指示値の演算・出力処理を行う（ステップＳ１０４）。ここでは、制御部３７は、評価結果に基づいて空調機２１の制御指示値を算出し、空調機２１に対して出力する。本実施形態において、制御装置２５は、吹出温度の制御指示値と吹出風量の制御指示値とを空調機２１に出力する。

具体的には、制御部３７は、各利用者１１の温冷感について「ちょうど良い」、快適感について「快適」との評価情報を取得した場合、現在の運転状態を維持する制御指示値を空調機２１に出力する。それ以外の場合、すなわち、いずれかの利用者１１において「寒い」、「暑い」、「不快」との評価情報を取得した場合、制御部３７は、全ての利用者１１について、上述した設定時間後における温冷感が「ちょうど良い」、快適感が「快適」となる制御指示値を演算し、空調機２１に出力する。制御指示値の演算方法については後述する。

（予測モデルの生成）
図５および図６を参照して予測モデル３５０の生成方法について説明する。予測モデル３５０は、シミュレーション装置４０によって生成される。

図５に示すように、シミュレーション装置４０は、メッシュモデル作成部４１、空調機設定部４２、シミュレーション部４３、解析モデル記憶部４４、教師データ記憶部４６、学習部４７、および、縮約モデル生成部４８を有している。

メッシュモデル作成部４１は、空調空間情報５１に基づいて空調空間１０を再現した仮想空間であるシミュレーション空間を生成する。
空調機設定部４２は、空調機設置情報５２に基づいて、シミュレーション空間に対して空調機２１の吹出口２２の位置や形状、吹出方向などを設定する。

シミュレーション部４３は、シミュレーション空間における利用者１１の位置情報、利用者側温熱要素情報、環境側温熱要素情報、空調機２１の運転情報を設定する。
解析モデル記憶部４４には、気流解析モデル４４０が記録される。この気流解析モデル４４０は、シミュレーション空間の気流分布および温湿度分布を算出するモデルである。また、解析モデル記憶部４４には、数値サーマルマネキン４４１が記録される。数値サーマルマネキン４４１は、設定された環境下における人体の温熱生理応答を数値的に解析するモデルである。

教師データ記憶部４６は、多種多様な条件のもとで行われたシミュレーションを通じて生成された教師データを記憶する。
学習部４７は、教師データを用いた機械学習により、境界条件を入力値として、利用者１１の部位ごとの生理量を予測する完全モデルを生成する。

縮約モデル生成部４８は、学習部４７が生成した完全モデルの縮約モデルを生成する。
また、シミュレーション装置４０には、空調空間１０に関する空調空間情報５１、空調機２１の設置状況に関する空調機設置情報５２、および、シミュレーションに必要な条件に関する条件情報５３が入力される。空調空間情報５１は、空調空間１０の形状のほか、テーブル１２や椅子１３などといった空調空間１０における障害物、空調空間１０に設置された窓１４の位置や大きさ、向きなどを示す情報である。空調空間情報５１は、例えば、空調空間１０を示すＢＩＭを中心に構成される。空調機設置情報５２は、シミュレーション空間内に配置された空調機２１の吹出口２２の形状や位置、吹出方向を示す情報である。

図６に示すように、予測モデル３５０の生成においては、まず、シミュレーション装置４０は、メッシュモデル作成処理を行う（ステップＳ２０１）。
メッシュモデル作成処理において、メッシュモデル作成部４１は、空調空間情報５１に基づいて空調空間１０を再現した仮想空間であるシミュレーション空間を生成する。次に、メッシュモデル作成部４１は、生成したシミュレーション空間を複数の３次元領域（メッシュ）に分割することによりメッシュモデルを作成する。

メッシュモデルの作成後、シミュレーション装置４０は、空調機設定処理を行う（ステップＳ２０２）。空調機設定処理において、空調機設定部４２は、空調機設置情報５２に基づいて、シミュレーション空間に対して空調機２１の吹出口２２の位置や形状、吹出方向などを設定する。

次に、シミュレーション装置４０は、シミュレーションを行う（ステップＳ２０３）。このシミュレーションは、シミュレーション空間に利用者１１を仮想的に配置して行われる。

まず、シミュレーション装置４０は、各種の条件について条件設定処理を行う（ステップＳ２０３－１）。
条件設定処理においては、シミュレーション部４３は、条件情報に基づいて、シミュレーション空間における利用者１１の位置および姿勢（位置情報）を設定するとともに、利用者１１の属性、着衣量、および、代謝量（利用者側温熱要素情報）を設定する。また、シミュレーション部４３は、条件情報に基づいて、日射量、外気温度、および、外気湿度（環境側温熱要素情報）を設定するとともに、空調機２１の吹出温度および吹出風量（運転情報）を設定する。また、シミュレーション部４３は、条件情報に基づいて、利用者１１の部位ごとの生理量についての初期条件を設定する。

次に、シミュレーション装置４０は、メッシュモデル修正処理を行う（ステップＳ２０３－２）。メッシュモデル修正処理において、メッシュモデル作成部４１は、ステップＳ２０１で作成したメッシュモデルを、条件設定処理で設定された利用者１１の位置情報に基づいて修正する。具体的には、メッシュモデル作成部４１は、シミュレーション空間の利用者１１を障害物として取り扱い、ステップＳ２０１で作成したメッシュモデルに、利用者１１が占有する領域を設定することにより、メッシュモデルを修正する。

次に、シミュレーション装置４０は、解析処理を行う（ステップＳ２０３－３）。解析処理において、シミュレーション部４３は、ステップＳ２０３－１の条件設定処理で設定された各種条件に基づいて、気流解析と生理量解析とを行う。

気流解析において、シミュレーション部４３は、気流解析モデル４４０と修正されたメッシュモデルとを用い、生理量解析に基づく利用者１１からの放熱量などを考慮したうえで、シミュレーション空間の気流分布および温湿度分布を算出する。次に、シミュレーション部４３は、設定された各種条件のもとでシミュレーション空間の気流分布および温湿度分布がどのように推移し、収束するかを示す気流解析情報を取得する。そして、シミュレーション部４３は、設定した各種条件と取得した気流解析情報とを関連付けたデータを気流教師データとして教師データ記憶部４６に記憶する。

生理量解析において、シミュレーション部４３は、数値サーマルマネキン４４１を用い、気流解析によって得られる気流分布および温湿度分布を周辺環境として、利用者１１の部位ごとの生理量を算出する。次に、シミュレーション部４３は、設定された各種条件のもとで利用者１１の部位ごとの生理量が初期条件からどのように推移し、収束するかを示す生理量解析情報を取得する。そして、シミュレーション部４３は、設定した各種条件と取得した生理量解析情報とを関連付けたデータを生理量教師データとして教師データ記憶部４６に記憶する。

ステップＳ２０３において、シミュレーション部４３は、各種条件を変更しながらシミュレーションを繰り返し行い、変更した各種条件下での気流教師データおよび生理量教師データを生成し、教師データ記憶部４６に記憶する。

次に、シミュレーション装置４０は、学習処理を行う（ステップＳ２０４）。学習処理において、学習部４７は、教師データ記憶部４６に記憶した気流教師データおよび生理量教師データを用いた機械学習により、境界条件を入力値として、空調空間１０における気流分布および温湿度分布、ならびに、利用者１１の部位ごとの生理量を予測する予測完全モデルを生成する。本実施形態の学習部４７は、ディープラーニング等の深層ニューラルネットワーク（ＤＮＮ）を用いた機械学習を行う。なお、機械学習方法は、ディープラーニングに限定されるものではなく、各種条件から空調空間１０における気流分布および温湿度分布、ならびに、利用者１１の部位ごとの生理量を予測できるモデルを生成できるものであればよい。

次に、シミュレーション装置４０は、縮約モデル生成処理を行う（ステップＳ２０５）。縮約モデル生成処理において、縮約モデル生成部４８は、統計的な有意性を用いて予測完全モデルの縮約モデルを生成する。そして、このようにして生成された縮約モデルを予測モデル３５０として制御装置２５に搭載する。

（制御指示値の演算方法）
制御部３７による制御指示値の演算方法の一例について説明する。
ここでは、制御部３７は、ステップＳ１０１の情報取得処理において取得した境界条件のうち、運転情報以外の各種パラメーターを固定値として、評価部３６の評価結果に基づく制御指示値の候補値を予測モデル３５０に代入する。例えば、制御部３７は、温冷感が「暑い」と評価された利用者１１の存在を検知した場合、現在の吹出温度よりも低い温度を吹出温度の候補値として代入する。また、制御部３７は、温冷感が「寒い」と評価された利用者１１の存在を検知した場合、現在の吹出温度よりも高い温度を吹出温度の候補値として代入する。また、制御部３７は、温冷感が「暑い」、快適感が「不快」と評価された利用者１１の存在を検知した場合、現在の吹出温度よりも低い温度を吹出温度の候補値として、現在の吹出風量よりも大きい風量を吹出風量の候補値として代入する。また、制御部３７は、温冷感が「寒い」、快適感が「不快」と評価された利用者１１の存在を検知した場合、現在の吹出温度よりも高い温度を吹出温度の候補値として、現在の吹出風量よりも小さい風量を吹出風量の候補値として代入する。

制御部３７は、複数の候補値を予測モデル３５０に代入して気流分布および温湿度分布、ならびに、利用者１１の生理量を予測し、予め定めた設定時間後に全ての利用者１１の快適性が最も良好となる候補値を制御指示値として算出する。

本実施形態の作用および効果について説明する。
（１）空調システム２０において、制御装置２５は、各種の情報取得部３１，３２，３３で取得した情報に基づく境界条件を予測モデル３５０に入力して、空調空間１０における気流分布および温湿度分布、ならびに、利用者１１の生理量を予測する。制御装置２５は、その予測結果に基づいて利用者１１の快適性を評価し、全ての利用者１１の快適性が良好となるように空調機２１を制御する。これにより、利用者１１に対して快適な空調空間を提供することができる。

（２）制御装置２５は、撮像部２６が撮像した撮像画像に基づいて、利用者１１の位置情報および利用者側温熱要素情報を取得する。これにより、空調空間１０内を利用者１１が移動したとしても、その利用者１１の位置情報および利用者側温熱要素情報を取得することができる。

（３）利用者１１は、その年齢および性別によって基礎代謝量が異なる。この点、制御装置２５は、利用者側温熱要素情報として、利用者１１の着衣量および代謝量に加えて、利用者１１の年齢および性別を示す属性を取得する。これにより、年齢や性別による基礎代謝量の違いを考慮したうえで利用者１１の生理量を予測することができる。その結果、利用者１１の生理量の予測を精度よく行うことができる。

（４）制御装置２５は、予測モデル３５０による予測結果に基づいて、予め定めた設定時間後における利用者１１の快適性を評価する。これにより、空調機２１の現在の運転状態による利用者１１の生理量への影響を考慮したうえで空調機２１を制御することができる。

（５）予測モデル３５０は、シミュレーション装置４０による機械学習によって得られた完全モデルの縮約モデルである。これにより、生理量予測処理における制御装置２５の演算負荷を軽減しながら、迅速に制御指示値を算出することができる。

（６）制御装置２５は、予め定めた設定時間後に全ての利用者１１の快適性が最も良好となる候補値を制御指示値として演算する。これにより、快適性が良好な利用者１１についてはその快適性を保持したまま制御指示値の変更を行うことができる。

本実施形態は、以下のように変更して実施することができる。本実施形態及び以下の変更例は、技術的に矛盾しない範囲で互いに組み合わせて実施することができる。
・予測モデル３５０は、予測完全モデルの縮約モデルに限らず、シミュレーション装置４０が生成した予測完全モデルであってもよい。

・制御装置２５は、予め定めた設定時間後における利用者１１の快適性が良好となるように空調機２１を制御する。これに限らず、制御装置２５は、全ての利用者１１の快適性が最も早く良好となるように空調機２１を制御してもよい。

・制御装置２５は、予測モデル３５０を用いて、予め定めた設定時間後における予測結果に基づいて利用者１１の快適性を評価する。これに限らず、制御装置２５は、予測モデル３５０によって得られる生理量のうちで最も直近の予測結果に基づいて利用者１１の快適性を評価してもよい。

・制御装置２５は、利用者側温熱要素情報として、利用者１１の着衣量、代謝量、ならびに、利用者１１の年齢および性別を示す属性を取得する。これに限らず、制御装置２５は、利用者１１の着衣量および代謝量を利用者側温熱要素情報として取得してもよい。

・制御装置２５は、撮像部２６の撮像画像に基づいて、利用者１１の位置情報および利用者側温熱要素情報を取得した。これに限らず、制御装置２５は、例えば、空調空間を走査するレーザー光の散乱状態や反射光を観測することにより対象物の位置や性質を特定可能な光センサーの検出信号に基づいて、利用者１１の位置情報および利用者側温熱要素情報を取得してもよい。

・制御部３７による制御指示値の演算は、複数の候補値を予測モデル３５０に代入して演算する方法に限られない。例えば、制御指示値の演算は、利用者１１ごとに、周辺の気流および温湿度、ならびに、生理量について目標値を設定して演算してもよい。こうした構成においては、例えば、その目標値、ならびに、位置情報、利用者側温熱要素情報、および、環境側温熱要素情報に基づく境界条件を入力値として、吹出温度および吹出風量を演算する制御指示値演算モデルが制御装置２５に搭載される。制御指示値演算モデルは、予測モデル３５０に基づいて生成することが可能である。

・空調機２１は、吹出方向が一定でなくともよい。こうした構成においては、制御装置２５に対して、空調機２１の吹出方向を境界条件に含んだ予測モデル３５０が搭載される。この予測モデル３５０は、空調機２１の吹出方向を条件に加えたシミュレーションの結果に基づく機械学習を通じて生成される。

Ｈ１０…情報処理装置、Ｈ１１…通信装置、Ｈ１２…入力装置、Ｈ１３…表示装置、Ｈ１４…記憶部、Ｈ１５…プロセッサ、１０…空調空間、１１…利用者、１２…テーブル、１３…椅子、１４…窓、２０…空調システム、２１…空調機、２２…吹出口、２５…制御装置、２６…撮像部、２７…環境側温熱要素検出部、３１…位置情報取得部、３２…温熱要素情報取得部、３３…運転情報取得部、３４…予測部、３５…予測モデル記憶部、３５０…予測モデル、３６…評価部、３７…制御部、４０…シミュレーション装置、４１…メッシュモデル作成部、４２…空調機設定部、４３…シミュレーション部、４４…解析モデル記憶部、４４０…気流解析モデル、４４１…数値サーマルマネキン、４６…教師データ記憶部、４７…学習部、４８…縮約モデル生成部、５１…空調空間情報、５２…空調機設置情報、５３…条件情報。

Claims (7)

1. 空調空間を空調する空調機と、
   前記空調機を制御する制御装置と、を備えた空調システムであって、
   前記制御装置は、
   前記空調空間の利用者の位置情報、利用者側温熱要素情報、環境側温熱要素情報、および、前記空調機の運転情報を取得し、
   前記取得した情報を境界条件として入力する予測モデルを用いて、前記空調空間の気流分布および温湿度分布、ならびに、前記利用者の生理量を予測し、
   前記予測した結果に基づいて前記利用者の快適性を評価し、
   前記評価した利用者の快適性に基づいて前記空調機を制御する
   空調システム。
2. 前記空調空間を撮像する撮像部をさらに備え、
   前記制御装置は、前記空調空間を撮像した撮像画像に基づいて、前記位置情報および前記利用者側温熱要素情報を取得する
   請求項１に記載の空調システム。
3. 前記制御装置は、前記利用者側温熱要素情報として、前記利用者の着衣量、代謝量、ならびに、前記利用者の年齢および性別を示す属性を取得する
   請求項２に記載の空調システム。
4. 前記制御装置は、予め定めた設定時間後における前記空調空間の気流分布および温湿度分布、ならびに、前記利用者の生理量を予測する
   請求項１～３のいずれか一項に記載の空調システム。
5. 前記制御装置は、前記設定時間後における前記利用者の快適性が良好となるように前記空調機を制御する
   請求項４に記載の空調システム。
6. 前記空調空間の利用者の位置情報、前記利用者側温熱要素情報、前記環境側温熱要素情報、および、前記空調機の運転情報を変更した境界条件において、気流解析モデルと数値サーマルマネキンを用いたシミュレーションを行い、前記シミュレーションの結果から導出された完全モデルについての縮約モデルを、前記予測モデルとして用いた
   請求項１～５のいずれか一項に記載の空調システム。
7. 空調空間を空調する空調機の制御方法であって、
   前記空調機を制御する制御装置が、
   前記空調空間の利用者の位置情報、利用者側温熱要素情報、環境側温熱要素情報、および、前記空調機の運転情報を取得するステップと、
   前記取得した情報を境界条件として入力する予測モデルを用いて、前記空調空間の気流分布および温湿度分布、ならびに、前記利用者の生理量を予測するステップと、
   前記予測した結果に基づいて前記利用者の快適性を評価するステップと、
   前記評価した利用者の快適性に基づいて前記空調機を制御するステップと、を実行する
   空調機の制御方法。