JP7385099B2 - 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、圧縮機で圧縮された冷媒の圧力である高圧圧力の目標値（目標高圧）を決定し、実際の高圧圧力（実高圧）が当該目標値となるように膨張弁（減圧弁）の開度を調整する技術が知られている（例えば、特許文献１を参照）。

特開２００６－０１０１３６号公報

しかしながら、従来技術では、冷媒の状態によって、膨張弁の開度の変更量（制御量、操作量）に対する実高圧の変化量が一定でない等により、実高圧を適切に制御できない場合がある。本開示は、実高圧を適切に制御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、前記膨張弁の開度を示す情報と、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い、前記空気調和装置の運転状態に関する情報から、前記膨張弁の開度の変更量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、実高圧を適切に制御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、外気温、及び前記圧縮機に吸入される冷媒の圧力の少なくとも一方が含まれる。

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、前記膨張弁の入り口温度が含まれる。

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運転状態に関する情報には、前記圧縮機の吸入温度が含まれる。

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運転状態に関する情報には、前記圧縮機の回転速度が含まれる。

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、前記膨張弁の開度を示す情報には、複数の時点のそれぞれにおける前記膨張弁の開度を示す情報が含まれ、前記学習済みモデル生成部は、複数の時点のそれぞれにおける前記膨張弁の開度の変更量を決定するための学習済みモデルを生成する。

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、ユーザから指定された室内温度に基づいて決定された、前記空気調和装置の冷凍サイクルにおける高圧圧力の目標値と、測定された高圧圧力の値との差の情報が含まれる。

また、本開示の第９の態様は、第８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、前記膨張弁の開度の調整が開始された時点から所定の時点までの、前記空気調和装置の冷凍サイクルにおける高圧圧力の目標値と、測定された高圧圧力の値との差の変化速度の情報が含まれる。

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、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、前記膨張弁の開度の変更量を決定する決定部と、前記決定部により決定された前記膨張弁の開度の変更量に応じて、前記膨張弁の開度を変更する制御部と、を有する。

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、前記情報処理装置は、前記膨張弁の開度の調整が開始された時点から所定の時点までの、前記空気調和装置の冷凍サイクルにおける高圧圧力の目標値と、測定された高圧圧力の値との差の合計値に基づいて、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１４の態様は、第１３の態様に記載の情報処理装置であって、前記学習用データ生成部は、前記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。

また、本開示の第１５の態様は、第１３または第１４の態様に記載の情報処理装置であって、前記学習用データ生成部は、前記膨張弁の開度の調整が開始された時点から所定の時点までの前記空気調和装置の冷凍サイクルにおける高圧圧力の目標値と、測定された高圧圧力の値との差の変化速度と、当該差に対する変化速度の目標値との差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。

また、本開示の第１６の態様は、第１５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、前記膨張弁の開度の調整が開始された時点から所定の時点までの、前記空気調和装置の冷凍サイクルにおける高圧圧力の目標値と、測定された高圧圧力の値との差の合計値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１７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、前記膨張弁の開度を示す情報、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、前記膨張弁の開度の変更量を決定する決定部と、前記決定部により決定された前記膨張弁の開度の変更量に応じて、前記膨張弁の開度を変更する制御部と、を有する。

また、本開示の第１８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、前記膨張弁の開度を示す情報と、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い、前記空気調和装置の運転状態に関する情報から、前記膨張弁の開度の変更量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１９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、前記空気調和装置が、前記空気調和装置の運転状態に関する情報、前記膨張弁の開度を示す情報、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、前記膨張弁の開度の変更量を決定する処理と、決定された前記膨張弁の開度の変更量に応じて、前記膨張弁の開度を変更する処理と、実行する。

また、本開示の第２０の態様は、情報処理装置のプログラムが、前記情報処理装置に、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、前記膨張弁の開度を示す情報と、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い、前記空気調和装置の運転状態に関する情報から、前記膨張弁の開度の変更量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２１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、前記空気調和装置に、前記空気調和装置の運転状態に関する情報、前記膨張弁の開度を示す情報、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、前記膨張弁の開度の変更量を決定する処理と、決定された前記膨張弁の開度の変更量に応じて、前記膨張弁の開度を変更する処理と、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。 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の膨張弁２０４の開度を示す情報と、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、膨張弁２０４の開度の変更量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、切換え弁）２０２と、室外熱交換器２０３と、膨張弁（減圧弁）２０４と、室内熱交換器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、膨張弁２０４、及び室内熱交換器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、膨張弁２０４、及び室内熱交換器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。なお、回転速度は、例えば、単位時間当たりの回転数等でもよい。

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器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。

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と、室内を暖房する暖房運転とを切り換える。

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、膨張弁２０４、室内熱交換器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、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、室内熱交換器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、膨張弁２０４を通過する際に膨張して（減圧されて）室内熱交換器２０７へ流れる。室内熱交換器２０７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。

暖房運転時には、四路切換弁２０２が第２状態に設定される。この状態で圧縮機２０１を運転すると、室内熱交換器２０７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、室内熱交換器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、膨張弁２０４を通過する際に膨張する（減圧される）。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、暖房時膨張弁入り口温度センサ３０６と、冷房時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。室内温度センサ３０２は、室内熱交換器２０７に取り込まれる室内空気の温度を測定するセンサである。

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（圧縮機２０１の入り口の冷媒の温度）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、空気調和装置２０の冷凍サイクルにおける高圧圧力（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。なお、高圧は、例えば、圧縮機２０１により圧縮されて吐出される冷媒の圧力（圧縮機２０１の吐出圧力）でもよいし、凝縮器における冷媒の圧力でもよい。

暖房時膨張弁入り口温度センサ３０６は、冷媒回路２００において、膨張弁２０４と室内熱交換器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、膨張弁２０４の入り口（室内熱交換器２０７の出口）の冷媒の温度を測定する。

冷房時膨張弁入り口温度センサ３０７は、冷媒回路２００において、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により冷媒回路２００を冷媒が循環する場合に、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。

＜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、各入力値に対する目標値が予め設定された表（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、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。また、算出部４３は、例えば、目標高圧Ｐｈｓに基づいて圧縮機２０１の回転速度の目標値を算出してもよい。この場合、算出部４３は、例えば、目標高圧Ｐｈｓの値が大きくなる程、圧縮機２０１の回転速度の目標値を大きくすることで、実高圧の値が大きくなるようにしてもよい。

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、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、例えば、算出部４３により算出された各機器に対する目標値に基づいて、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から室内熱交換器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、膨張弁２０４の開度等を制御する。制御部４５は、例えば、膨張弁２０４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膨張弁２０４のパルスモータを回転させ、膨張弁２０４の開度を変更させる。

また、制御部４５は、例えば、膨張弁２０４の開度を変更する制御を行った際、及びそれ以降の所定間隔（例えば、１０秒毎）で所定回数、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に記憶させる。

＜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から図６Ｃ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、運転モード、設定温度、膨張弁２０４の開度、膨張弁２０４の開度の変更量、外気温、室内温度、低圧、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、及び室内ファン２０９の回転速度、目標高圧、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。運転モードは、空気調和装置２０の運転モードである。運転モードには、例えば、暖房運転、及び冷房運転等が含まれてもよい。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。

膨張弁２０４の開度は、例えば、膨張弁２０４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。膨張弁２０４の開度の変更量は、制御装置４０によって制御される膨張弁２０４の開度の変更量であり、例えば、膨張弁２０４のパルスモータへ供給される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、室内温度センサ３０２により測定された室内温度である。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。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。

目標高圧は、算出部４３により算出された目標高圧である。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、膨張弁２０４の開度を変更した以降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、膨張弁２０４の開度を変更した以降の各時点における、目標高圧と実高圧との差（以下で、「高圧偏差」と称する。）をそれぞれ算出する。そして、学習装置１０の学習用データ生成部１２は、膨張弁２０４の開度が調整された履歴（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、膨張弁２０４の開度の調整が開始された時点から、所定の時点（例えば、高圧偏差が所定の閾値以下となる時点）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。なお、空気調和装置２０の制御装置４０は、例えば、ユーザのリモコン操作による設定温度等の変更、及び室内温度の変化等により、温度偏差ｅｔが第１閾値（例えば、１℃）以上となった場合、膨張弁２０４の開度の調整を開始してもよい。

図６Ａ、図６Ｂ、及び図６Ｃ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膨張弁２０４の開度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、目標高圧の時間推移６１１と実高圧の時間推移６１２が示されている。図６Ｃの例では、当該一連の履歴のうち、膨張弁２０４の開度の時間推移６２１が示されている。

図６Ａ、図６Ｂ、及び図６Ｃの例では、空気調和装置２０が暖房運転している場合に、時間ｔ＝０以前の時点でリモコン操作により設定温度が所定の温度だけ高い温度に変更されたため、時間ｔ＝０の時点での目標高圧６１１Ａは比較的高く算出され、実高圧６１２Ａとの高圧偏差が比較的大きな値となっている。時間ｔ＝０の時点で、膨張弁２０４の開度の値６２１Ａは比較的小さくされ、実高圧及び室内温度は比較的急速に上昇する。そして、時間ｔ＝ｔ_１の時点で、膨張弁２０４の開度の値６２１Ｂは比較的大きくされ、実高圧及び室内温度の上昇速度は減速し、時間ｔ＝ｔ_２の時点、及び時間ｔ＝ｔ_３の時点で、膨張弁２０４の開度の値は、値６２１Ｃ、及び値６２１Ｄに微調整され、時間の経過に従って、高圧偏差が小さくなっている。

（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、高圧偏差の合計値（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。この場合、各一連の履歴のうち、図６Ｂの高圧偏差の合計値を示す領域６１３の面積が比較的小さい一連の履歴が、教師データとして抽出される。これにより、例えば、目標値に迅速に到達できる膨張弁２０４の開度の変更パターンを教師有り学習の正解データとして抽出できる。

また、学習装置１０の学習用データ生成部１２は、抽出した一連の履歴のうち、各時点における高圧偏差の実際の変化速度と、各高圧偏差に対して予め設定されている高圧偏差の変化速度の目標値との差の合計値（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。これにより、例えば、急激な高圧偏差の変化を低減しながら、適切な制御を行う膨張弁２０４の開度の変更パターンを正解データとして抽出できる。

（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、運転モード、高圧偏差、外気温、低圧、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、及び膨張弁２０４の開度の時間推移（膨張弁２０４の開度の変更パターン）の組の各情報（レコード）が含まれている。

運転モード、高圧偏差、外気温、低圧、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、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、膨張弁２０４の開度を変更した時点での各項目の値である。膨張弁２０４の開度の時間推移は、当該一連の履歴の各時点における膨張弁２０４の開度を示す情報であり、当該一連の履歴における膨張弁２０４の開度が制御装置４０により変更されたパターンを示す情報である。膨張弁２０４の開度の時間推移には、各時点における膨張弁２０４の開度の変更量の情報が含まれてもよい。

これにより、膨張弁２０４の開度の変更量に対して高圧偏差の時間推移に影響を与える各運転状態に関する情報に応じて、膨張弁２０４の開度の最適な変更量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、一連の履歴の高圧偏差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、例えば、各時点における高圧偏差の実際の変化速度と、各高圧偏差に対して予め設定されている高圧偏差の変化速度の目標値との差の合計値が低い程、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、膨張弁２０４の開度の変更量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が暖房運転、及び冷房運転をしている間に、定期的に実行されてもよい。また、以下の処理は、ユーザから設定温度を変更する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。

ステップＳ２０１において、制御装置４０の算出部４３は、目標高圧を算出する。続いて、制御装置４０は、高圧偏差を算出する（ステップＳ２０２）。

続いて、制御装置４０の推論部４４は、高圧偏差と、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、膨張弁２０４の開度の最適な変更量を推論し、膨張弁２０４の開度の変更量を決定する（ステップＳ２０３）。ここで、制御装置４０の推論部４４は、高圧偏差と、空気調和装置２０の現在の運転状態に関する情報とを学習済みモデルに入力することにより、最適な膨張弁２０４の開度の変更量を推論させる。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、運転モード、外気温、低圧、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、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と、高圧偏差の値とを学習済みモデルに入力することにより、最適な膨張弁２０４の開度の変更量の時間推移を推論させる。

続いて、制御装置４０の制御部４５は、推論部４４により決定された膨張弁２０４の開度の変更量に基づいて、膨張弁２０４を制御する（ステップＳ２０４）。これにより、例えば、膨張弁２０４の開度を変更した後の高圧偏差の時間的な推移に基づいて、膨張弁２０４の開度を調整する従来のフィードバック方式等と比較して、膨張弁２０４の開度をより適切に変更することができる。なお、開示の技術は、暖房運転において特に有用である。これは、暖房運転時は室内機側が冷凍サイクルの高圧になるためである。

［第２の実施形態］
上記第１の実施形態では、高圧偏差に基づいて膨張弁２０４の開度を制御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膨張弁２０４の開度を制御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膨張弁２０４の開度の変更量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膨張弁２０４の開度を制御することができる。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、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、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、膨張弁２０４の開度の調整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。または、学習装置１０の学習用データ生成部１２は、膨張弁２０４の開度の調整が開始された時点から、高圧偏差が所定の閾値以下となるまでの時点の履歴である一連の履歴において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、一連の履歴における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、一連の履歴の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、一連の履歴における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
２０２ 四路切換弁
２０３ 室外熱交換器
２０４ 膨張弁
２０７ 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 暖房時膨張弁入り口温度センサ
３０７ 冷房時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 (24)

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、前記膨張弁の開度を示す情報と、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い、前記空気調和装置の運転状態に関する情報に基づいて前記膨張弁の開度の変更量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、
   前記動作結果に関する情報には、前記膨張弁の開度の調整が開始された時点から所定の時点までの、前記空気調和装置の冷凍サイクルにおける高圧圧力の目標値の変化速度と、測定された高圧圧力の値の変化速度との差の情報が含まれる、
   情報処理装置。
2. 前記空気調和装置の運転状態に関する情報には、外気温、及び前記圧縮機に吸入される冷媒の圧力の少なくとも一方が含まれる、
   請求項１に記載の情報処理装置。
3. 前記空気調和装置の運転状態に関する情報には、前記膨張弁の入り口温度が含まれる、
   請求項１または２に記載の情報処理装置。
4. 前記空気調和装置の運転状態に関する情報には、前記圧縮機の吸入温度が含まれる、
   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、前記圧縮機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５のいずれか一項に記載の情報処理装置。
7. 前記膨張弁の開度を示す情報には、複数の時点のそれぞれにおける前記膨張弁の開度を示す情報が含まれ、
   前記学習済みモデル生成部は、複数の時点のそれぞれにおける前記膨張弁の開度の変更量を決定するための学習済みモデルを生成する、
   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、
   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８のいずれか一項に記載の情報処理装置。
10. 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、前記膨張弁の開度の変更量を決定する決定部と、
    前記決定部により決定された前記膨張弁の開度の変更量に応じて、前記膨張弁の開度を変更する制御部と、を有する、
    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. 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、前記膨張弁の開度を示す情報と、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から、前記膨張弁の開度の調整が開始された時点から所定の時点までの、前記空気調和装置の冷凍サイクルにおける高圧圧力の目標値と、測定された高圧圧力の値との差の合計値に基づいて学習用データを抽出する学習用データ生成部と、
    前記学習用データに基づいて学習を行い、前記空気調和装置の運転状態に関する情報に基づいて、前記膨張弁の開度の変更量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情報処理装置。
12. 前記学習用データ生成部は、前記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、
    請求項１１に記載の情報処理装置。
13. 前記学習用データ生成部は、前記膨張弁の開度の調整が開始された時点から所定の時点までの前記空気調和装置の冷凍サイクルにおける高圧圧力の目標値と、測定された高圧圧力の値との差の変化速度と、当該差に対する変化速度の目標値との差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、
    請求項１１または１２に記載の情報処理装置。
14. 前記学習済みモデル生成部は、
    前記膨張弁の開度の調整が開始された時点から所定の時点までの、前記空気調和装置の冷凍サイクルにおける高圧圧力の目標値と、測定された高圧圧力の値との差の合計値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、
    請求項１３に記載の情報処理装置。
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、前記膨張弁の開度を示す情報、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、前記膨張弁の開度の変更量を決定する決定部と、
    前記決定部により決定された前記膨張弁の開度の変更量に応じて、前記膨張弁の開度を変更する制御部と、を有し、
    前記動作結果に関する情報には、前記膨張弁の開度の調整が開始された時点から所定の時点までの、前記空気調和装置の冷凍サイクルにおける高圧圧力の目標値の変化速度と、測定された高圧圧力の値の変化速度との差の情報が含まれる、
    空気調和装置。
16. 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、前記膨張弁の開度を示す情報、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、前記膨張弁の開度の変更量を決定する決定部と、
    前記決定部により決定された前記膨張弁の開度の変更量に応じて、前記膨張弁の開度を変更する制御部と、を有し、
    前記学習済みモデルは、前記データセットから前記膨張弁の開度の調整が開始された時点から所定の時点までの、前記空気調和装置の冷凍サイクルにおける高圧圧力の目標値と、測定された高圧圧力の値との差の合計値に基づいて抽出された学習用データを用いて学習されている、
    空気調和装置。
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、前記膨張弁の開度を示す情報と、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い、前記空気調和装置の運転状態に関する情報に基づいて前記膨張弁の開度の変更量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、
    前記動作結果に関する情報には、前記膨張弁の開度の調整が開始された時点から所定の時点までの、前記空気調和装置の冷凍サイクルにおける高圧圧力の目標値の変化速度と、測定された高圧圧力の値の変化速度との差の情報が含まれる、
    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、前記膨張弁の開度を示す情報と、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から、前記膨張弁の開度の調整が開始された時点から所定の時点までの、前記空気調和装置の冷凍サイクルにおける高圧圧力の目標値と、測定された高圧圧力の値との差の合計値に基づいて学習用データを抽出する処理と、
    前記学習用データに基づいて学習を行い、前記空気調和装置の運転状態に関する情報に基づいて、前記膨張弁の開度の変更量を決定するための学習済みモデルを生成する処理と、を実行する情報処理方法。
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、前記膨張弁の開度を示す情報、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、前記膨張弁の開度の変更量を決定する処理と、
    決定された前記膨張弁の開度の変更量に応じて、前記膨張弁の開度を変更する処理と、を実行し、
    前記動作結果に関する情報には、前記膨張弁の開度の調整が開始された時点から所定の時点までの、前記空気調和装置の冷凍サイクルにおける高圧圧力の目標値の変化速度と、測定された高圧圧力の値の変化速度との差の情報が含まれる、
    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、前記膨張弁の開度を示す情報、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、前記膨張弁の開度の変更量を決定する処理と、
    決定された前記膨張弁の開度の変更量に応じて、前記膨張弁の開度を変更する処理と、実行し、
    前記学習済みモデルは、前記データセットから前記膨張弁の開度の調整が開始された時点から所定の時点までの、前記空気調和装置の冷凍サイクルにおける高圧圧力の目標値と、測定された高圧圧力の値との差の合計値に基づいて抽出された学習用データを用いて学習されている、
    空気調和方法。
21. 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、前記膨張弁の開度を示す情報と、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い、前記空気調和装置の運転状態に関する情報に基づいて前記膨張弁の開度の変更量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、
    前記動作結果に関する情報には、前記膨張弁の開度の調整が開始された時点から所定の時点までの、前記空気調和装置の冷凍サイクルにおける高圧圧力の目標値の変化速度と、測定された高圧圧力の値の変化速度との差の情報が含まれる、
    プログラム。
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、前記膨張弁の開度を示す情報と、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から、前記膨張弁の開度の調整が開始された時点から所定の時点までの、前記空気調和装置の冷凍サイクルにおける高圧圧力の目標値と、測定された高圧圧力の値との差の合計値に基づいて学習用データを抽出する処理と、
    前記学習用データに基づいて学習を行い、前記空気調和装置の運転状態に関する情報に基づいて、前記膨張弁の開度の変更量を決定するための学習済みモデルを生成する処理と、を実行させるプログラム。
23. 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、前記膨張弁の開度を示す情報、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、前記膨張弁の開度の変更量を決定する処理と、
    決定された前記膨張弁の開度の変更量に応じて、前記膨張弁の開度を変更する処理と、を実行させ、
    前記動作結果に関する情報には、前記膨張弁の開度の調整が開始された時点から所定の時点までの、前記空気調和装置の冷凍サイクルにおける高圧圧力の目標値の変化速度と、測定された高圧圧力の値の変化速度との差の情報が含まれる、
    プログラム。
24. 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、前記膨張弁の開度を示す情報、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、前記膨張弁の開度の変更量を決定する処理と、
    決定された前記膨張弁の開度の変更量に応じて、前記膨張弁の開度を変更する処理と、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前記膨張弁の開度の調整が開始された時点から所定の時点までの、前記空気調和装置の冷凍サイクルにおける高圧圧力の目標値と、測定された高圧圧力の値との差の合計値に基づいて抽出された学習用データを用いて学習されている、
    プログラム。
    

Images