JP7408019B2 - 設備制御装置、設備制御方法および設備制御プログラム - Google Patents
設備制御装置、設備制御方法および設備制御プログラム Download PDFInfo
- Publication number
- JP7408019B2 JP7408019B2 JP2023534254A JP2023534254A JP7408019B2 JP 7408019 B2 JP7408019 B2 JP 7408019B2 JP 2023534254 A JP2023534254 A JP 2023534254A JP 2023534254 A JP2023534254 A JP 2023534254A JP 7408019 B2 JP7408019 B2 JP 7408019B2
- Authority
- JP
- Japan
- Prior art keywords
- setting
- candidate
- candidates
- building
- equipment control
- 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
- 238000000034 method Methods 0.000 title claims description 69
- 238000005457 optimization Methods 0.000 claims description 92
- 238000004364 calculation method Methods 0.000 claims description 77
- 238000004088 simulation Methods 0.000 claims description 73
- 238000012937 correction Methods 0.000 claims description 22
- 230000008569 process Effects 0.000 claims description 17
- 238000012545 processing Methods 0.000 claims description 16
- 238000004422 calculation algorithm Methods 0.000 claims description 14
- 230000002776 aggregation Effects 0.000 claims description 10
- 238000004220 aggregation Methods 0.000 claims description 10
- 238000007726 management method Methods 0.000 description 24
- 238000010586 diagram Methods 0.000 description 22
- CURLTUGMZLYLDI-UHFFFAOYSA-N Carbon dioxide Chemical compound O=C=O CURLTUGMZLYLDI-UHFFFAOYSA-N 0.000 description 14
- 230000006870 function Effects 0.000 description 12
- 238000005265 energy consumption Methods 0.000 description 10
- 239000001569 carbon dioxide Substances 0.000 description 7
- 229910002092 carbon dioxide Inorganic materials 0.000 description 7
- 238000004891 communication Methods 0.000 description 7
- 230000000694 effects Effects 0.000 description 7
- 230000008859 change Effects 0.000 description 6
- 238000005516 engineering process Methods 0.000 description 6
- 230000001276 controlling effect Effects 0.000 description 4
- 238000001514 detection method Methods 0.000 description 4
- WSFSSNUMVMOOMR-UHFFFAOYSA-N Formaldehyde Chemical compound O=C WSFSSNUMVMOOMR-UHFFFAOYSA-N 0.000 description 3
- 238000004378 air conditioning Methods 0.000 description 3
- 239000002131 composite material Substances 0.000 description 2
- 230000007613 environmental effect Effects 0.000 description 2
- 239000000284 extract Substances 0.000 description 2
- 230000002068 genetic effect Effects 0.000 description 2
- 230000035772 mutation Effects 0.000 description 2
- 238000010606 normalization Methods 0.000 description 2
- 238000005070 sampling Methods 0.000 description 2
- 230000004931 aggregating effect Effects 0.000 description 1
- 238000013528 artificial neural network Methods 0.000 description 1
- 230000005611 electricity Effects 0.000 description 1
- 238000003050 experimental design method Methods 0.000 description 1
- 230000036541 health Effects 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 239000002245 particle Substances 0.000 description 1
- 230000008447 perception Effects 0.000 description 1
- 238000007637 random forest analysis Methods 0.000 description 1
- 230000001105 regulatory effect Effects 0.000 description 1
- 238000010187 selection method Methods 0.000 description 1
- 238000009423 ventilation Methods 0.000 description 1
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/04—Forecasting or optimisation specially adapted for administrative or management purposes, e.g. linear programming or "cutting stock problem"
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
- G06Q50/10—Services
- G06Q50/16—Real estate
Landscapes
- Business, Economics & Management (AREA)
- Engineering & Computer Science (AREA)
- Strategic Management (AREA)
- Tourism & Hospitality (AREA)
- Economics (AREA)
- Human Resources & Organizations (AREA)
- General Business, Economics & Management (AREA)
- General Physics & Mathematics (AREA)
- Marketing (AREA)
- Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- General Health & Medical Sciences (AREA)
- Health & Medical Sciences (AREA)
- Primary Health Care (AREA)
- Development Economics (AREA)
- Game Theory and Decision Science (AREA)
- Entrepreneurship & Innovation (AREA)
- Operations Research (AREA)
- Quality & Reliability (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Description
しかし、ビルには管理者および利用者以外にもオーナーおよびテナントなど多数のステークホルダーが存在し、ステークホルダーごとに要求が異なる。
そして、特許文献1に記載の技術は、利用者の空気質環境に関する要求、利用者の音環境に関する要求、オーナーまたはテナントの生産性に関する要求、および、オーナーまたはテナントのCO2排出量に関する要求などに対応できない。
しかし、ビル設備を制御する上で必ず満たさなければならない制約が存在する。
そして、特許文献1に記載の技術では、CO2濃度などの基準範囲を必ず満たすための制御を行うことができない。
ビルに設置された1つ以上の設備を制御するための設定の複数の候補である複数の設定候補に基づいて、設定候補ごとに、前記設定候補が前記1つ以上の設備に適用された場合の前記ビルの運用の結果に相当するシミュレーション結果を得る結果取得部と、
設定候補ごとに、前記シミュレーション結果に基づいて、前記ビルのステークホルダーの満足度を算出する満足度算出部と、
設定候補ごとに、前記シミュレーション結果に基づいて、前記ビルの運用制約を満たす度合いを表す制約度を算出する制約度算出部と、
各設定候補の前記満足度と各設定候補の前記制約度とに基づいて前記複数の設定候補の優劣を判定して判定結果に基づいて前記複数の設定候補を最適化することによって、新たな複数の設定候補を生成する候補最適化部と、
前記新たな複数の設定候補から前記1つ以上の設備に適用すべき設定候補を適用設定として選択する選択部と、
前記適用設定を前記1つ以上の設備に適用する制御部と、を備える。
ビル管理システム200について、図1から図7に基づいて説明する。
図1に基づいて、ビル管理システム200の構成を説明する。
ビル管理システム200は、設備制御装置100とビル管理装置210を備える。
設備制御装置100とビル管理装置210は、ネットワークを介して、または、ネットワークを介さず直接に、互いに接続される。
入力装置201は、利用者により操作される機器である。例えば、入力装置201は、マウス、キーボードまたはタッチパネルなどである。
出力装置202は、データを出力する機器である。例えば、出力装置202は、ディスプレイまたはプリンタである。
例えば、設備211は、空気調和設備、照明設備、換気設備または給湯設備などである。
BASは、Building Automation Systemの略称である。
設備制御装置100は、プロセッサ101とメモリ102と補助記憶装置103と入出力インタフェース104と通信インタフェース105といったハードウェアを備えるコンピュータである。これらのハードウェアは、信号線を介して互いに接続されている。
ICは、Integrated Circuitの略称である。
CPUは、Central Processing Unitの略称である。
RAMは、Random Access Memoryの略称である。
ROMは、Read Only Memoryの略称である。
HDDは、Hard Disk Driveの略称である。
USBは、Universal Serial Busの略称である。
HDMIは、High-Definition Multimedia Interfaceの略称である。
NICは、Network Interface Cardの略称である。
補助記憶装置103には、さらに、OSが記憶されている。OSの少なくとも一部は、メモリ102にロードされて、プロセッサ101によって実行される。
プロセッサ101は、OSを実行しながら、設備制御プログラムを実行する。
OSは、Operating Systemの略称である。
メモリ102は記憶部190として機能する。但し、補助記憶装置103、プロセッサ101内のレジスタおよびプロセッサ101内のキャッシュメモリなどの記憶装置が、メモリ102の代わりに、又は、メモリ102と共に、記憶部190として機能してもよい。
計算部111は、候補生成部120と、結果取得部130と、満足度算出部140と、制約度算出部150と、候補最適化部160と、を備える。
結果取得部130は、シミュレーション部131を備える。
満足度算出部140は、1つ以上の満足度算出部を備える。例えば、満足度算出部140は、第1満足度算出部141と第2満足度算出部142を備える。
制約度算出部150は、1つ以上の制約度算出部を備える。例えば、制約度算出部150は、第1制約度算出部151と第2制約度算出部152を備える。
候補最適化部160は、優劣判定部161と最適化部162を備える。
図中の矢印は、データの流れ又は処理の流れを主に示している。
設備制御装置100の動作の手順は設備制御方法に相当する。また、設備制御装置100の動作の手順は設備制御プログラムによる処理の手順に相当する。
ステップS110において、候補生成部120は、複数の設定候補を生成する。
設定候補は、1つ以上の設備211を制御するための設定データの候補である。
設定データは、各設備211の制御パラメータに設定される値を示す。
設定範囲データが記憶部190に予め記憶される。設定範囲データは、制御パラメータごとに、設定可能な値の範囲を示す。
候補生成部120は、制御パラメータごとに、設定範囲データに示される範囲から、設定候補と同じ個数の値(複数の値)を選択する。そして、候補生成部120は、制御パラメータごとに、選択された複数の値を互いに異なる設定候補に含める。
例えば、複数の値のそれぞれは一定間隔ごとに選ばれる。また、複数の値は、実験計画法によるサンプリングあるいは乱数を活用したサンプリングなどによって選択されてもよい。
シミュレーション結果は、設定候補が1以上の設備211に適用された場合のビルの運用の結果に相当する。
具体的には、シミュレーション結果は、各設備211の消費エネルギーおよび各部屋の室内環境などを示す。
シミュレーション部131は、設定候補ごとに、設定候補が1以上の設備211に適用された場合のビルの運用をシミュレーションする。
シミュレーションには、BESTまたはEnergyPlus、modelica等の既存のソフトウェアを用いることができる。
満足度は、ビルのステークホルダーが得られる満足の度合いを表す値である。
温熱環境に関する指標。具体例は、Predicted Mean Vote(PMV)である。
光環境に関する指標。具体例は、照度および明るさ感である。
空気質環境に関する指標。具体例は、二酸化炭素(CO2)の濃度である。
音環境に関する指標。具体例は、音変動強度およびラウドネスである。
ビル利用者の心理環境に関する指標。具体例は集中度である。
ビルオーナーまたはビル管理者に関する各種指標。具体例は、消費エネルギー、ピーク電力、電気料金、ガス料金およびCO2排出量である。
各満足度は、ビル全体についての値であってもよいし、部屋単位または人単位に換算された値であってもよい。
制約度は、ビルの運用に要求される制約(運用制約)を満たす度合いを表す値である。
エネルギーに関する規制値。具体例はCO2基準排出量である。
厚生労働省によって定められた建築物環境衛生管理基準。具体例は、温度、相対湿度、二酸化炭素の含有率またはホルムアルデヒドの量などの基準範囲である。
JIS規格(JIS Z 9110:2010)で定められた基準値。具体例は、室内平均机上面照度または均斉度などの基準値である。
各満足度は、ビル全体についての値であってもよいし、部屋単位または人単位に換算された値であってもよい。
最適化終了条件は、複数の設定候補の最適化を終了する条件として予め決められる。
最適化終了条件を満たしている場合、処理はステップS160に進む。
まず、優劣判定部161は、各設定候補の満足度と各設定候補の制約度とに基づいて、複数の設定候補の優劣を判定する。具体的には、優劣判定部161は、複数の設定候補を順位付けする。
そして、最適化部162は、優劣の判定結果(各設定候補の順位)に基づいて、複数の設定候補を最適化する。
優劣判定部161は、満足度と制約度のそれぞれに基づいて順位付けを行う。そして、優劣判定部161は、満足度に基づく順位付けの結果と制約度に基づく順位付けの結果に基づいて、複数の設定候補を順位付けする。
図6に基づいて、「制約勝敗ランク」を説明する。
「制約勝敗ランク」では、例えば、制約違反量に基づいて設定候補同士の勝敗が決定される。制約違反量は、制約度の一例であり、指標値が基準からどれだけ乖離しているか示す。第1制約違反量は第1制約指標に対する制約違反量であり、第2制約違反量は第2制約指標に対する制約違反量であり、第3制約違反量は第3制約指標に対する制約違反量である。
ここで、設定候補Aと設定候補Bを比較する。第1制約指標では設定候補Bの制約違反量が設定候補Aの制約違反量より小さく、第2制約指標と第3制約指標では設定候補Aの制約違反量が設定候補Bの制約違反量より小さい。そのため、設定候補Aは2つの制約指標で設定候補Bより優れていて、設定候補Bは1つの制約指標で設定候補Aより優れている。つまり、設定候補Aが優れている制約指標の数は設定候補Bが優れている制約指標の数よりも多い。したがって、設定候補Aは設定候補Bより優れている。
同様に、設定候補Cを設定候補Aと設定候補Bと比較すると、設定候補Cは設定候補Aと設定候補Bのいずれより優れている。
ランク値は他の設定候補に対する勝ち数を示す。設定候補Aのランク値は1であり、設定候補Bのランク値は0であり、設定候補Cのランク値は2である。
ランク値が大きいほど順位が高い。したがって、設定候補Cの順位が最も高い。
「制約勝敗ランク」は、制約指標ごとに値の単位および値の範囲が大きく異なっても、順位付けすることができる。つまり、制約度の種類の違いを気にすることなく順位付けが可能である。
例えば、制約指標ごとに比較して順位付けを行ったうえで、制約指標ごとの順位を総合して順位付けを行ってもよい。
また、各制約指標の制約違反量に対して重み付けし、設定候補ごとに制約違反量の重み付け和を算出し、各設定候補の重み付け和を使って順位付けを行ってもよい。
「P」は、設定候補の集合である。
「x2」は、設定候補の集合Pのうち、設定候補x1を除いた他の設定候補である。
「I(A,B)」は、設定候補Aの満足度を設定候補Bの満足度と同じにするために、少なくとも必要な値εの最小値(Iε+(A,B))を正規化したものである。「I(A,B)」は式(2)で定義される。
「f’i(x)」は、設定候補xに対するi番目の満足度を求めるための関数fi(x)を正規化したものである。「f’i(x)」は式(3)で定義される。
そのため、設定候補ごとに適応度Fを算出することで、満足度の優れた順で設定候補の順位付けを行うことができる。
また、式(3)によって満足度が正規化されるため、満足指標ごとに値の単位および値の範囲が大きく異なっても、順位付けが可能である。つまり、満足度の種類の違いを気にすることなく、適応度Fを算出して順位付けすることが可能である。
例えば、「パレートランキング」または「混雑距離」に基づく方法で順位付けが行われてもよい。「パレートランキング」および「混雑距離」は、多目的遺伝的アルゴリズム(MOGA)で多く採用される。
また、NSGA-IIIまたはMOEA/Dで採用される手法で順位付けが行われてもよい。NSGA-IIIおよびMOEA/Dは、多数の目的関数に適した最適化アルゴリズムである。
まず、最適化部162は、上述の既存の多目的最適化演算で採用されるような手法を用いて、設定候補を新たに生成する。新たに生成される設定候補の数は1つであってもよいし、複数であってもよい。
例えば、最適化部162は、多目的遺伝的アルゴリズム(MOGA)で多く採用されるような手法を用いる。つまり、最適化部162は、順位が高いほど高い確率で2つの設定候補を抽出し、2つの設定候補のそれぞれの設定値をSBXにより合成し、合成値をPMにより変異させる。変異後の合成値が新たな設定候補の設定値となる。SBXは、Simulated Binary Crossoverの略語である。PMは、Polynomial-based Mutationの略語である。
そして、最適化部162は、新たに生成された設定候補と元の設定候補を混合して、新たな複数の設定候補を用意する。
例えば、新たな複数の設定候補の数が閾値より多い場合、最適化部162は、新たな複数の設定候補の数が閾値以下になるように、順位の低い順に1つ以上の設定候補を新たな複数の設定候補から削除する。
適用設定は、1つ以上の設備211に適用すべき設定候補である。
まず、選択部112は、新たな複数の設定候補をディスプレイ(出力装置202)に表示する。
次に、利用者(例えばビル管理者)は、新たな複数の設定候補を参照し、新たな複数の設定候補から望ましい設定候補を選択し、望ましい設定候補を入力装置201を使って指定する。
そして、選択部112は、新たな複数の設定候補から、指定された設定候補を選択する。選択される設定候補が適用設定となる。
具体的には、制御部113は、適用設定をビル管理装置210に送信する。そして、ビル管理装置210が適用設定を各設備211に適用する。
設備制御装置100は、複数の設定候補を生成する。このとき、設備制御装置100は、制約度および満足度の順位が低い設定候補を削除し、順位が高い設定候補を用いて新たな設定候補を生成することを繰り返す。これにより、制約度および満足度が高い複数の設定候補が得られる。
そして、設備制御装置100は、複数の設定候補を利用者に提示し、実際に利用する設定候補を選択し、選択された設定候補をビルの各設備211に適用する。
制約度は、ビル運用を行う際に必ず満たさなければならない指標値である。そのため、制約度が高い設定、つまり制約が満たされる設定を利用することが可能になる。
満足度は、多数のステークホルダーの要求に対する指標値である。そのため、ステークホルダーへの影響が少ない良好な設定によってビルの各設備211を運営することが可能になる。
また、設備制御装置100は、多数の制約度または多数の満足度が異なる値の範囲を持つ場合でも設定候補の優劣の比較が可能な手法を用いる。これにより、より効率的に最適な設定を獲得することができ、良好な設定による運用を迅速に行うことが可能となる。
***実施例(1-1)***
選択部112は、適用設定を以下のように選択してもよい。
まず、選択部112は、新たな複数の設定候補と共にそれぞれの満足度および制約度をディスプレイ(出力装置202)に表示する。
次に、利用者(例えばビル管理者)は、入力装置201を使って、満足度と制約度の条件(例えば許容範囲)を指定する。
そして、選択部112は、新たな複数の設定候補から、指定された条件を満たす設定候補を選択する。選択される設定候補が適用設定となる。
選択部112の動作において、設備制御装置100に接続された出力装置202および入力装置201が使用される代わりに、外部装置に接続された入出力装置が使用されてもよい。これは、選択部112が外部装置と通信することによって実現される。
制御部113は、最適化終了条件が満たされる前に1つ以上の設備211に暫定設定を適用してもよい。暫定設定は、一時的に適用される設定候補である。
図7に基づいて、設備制御方法を説明する。ステップS101およびステップS102が特徴である。
ステップS130の後、処理はステップS101に進む。
暫定設定条件は、暫定設定を適用する条件として予め決められる。例えば、暫定設定条件は、最適化(ステップS150)の実行回数または(ステップS110からの)経過時間に関して定められる。なお、暫定設定条件における最適化の実行回数は、最適化終了条件における最適化の実行回数より少ない。
暫定設定条件を満たしている場合、処理はステップS102に進む。
暫定設定条件を満たしていない場合、処理はステップS140に進む。
そして、制御部113は、暫定設定を1つ以上の設備211に適用する。
ステップS102の後、処理はステップS140に進む。
特定の2つ以上の指標に対する2つ以上の満足度を1つの満足度に集約する形態について、主に実施の形態1と異なる点を図8から図10に基づいて説明する。
実施の形態1では、設定候補ごとに複数の満足度が算出される場合、設定候補ごとに算出された複数の満足度の全てを用いて、設定候補の順位付けが行われる。
しかしながら、満足度のいくつかの指標が同様の変化傾向を持つことがある。その場合、設定候補の順位付けにあたっては、それら指標の満足度を別々に考慮する必要が無い。
そこで、実施の形態2では、いくつかの満足度を1つの満足度に集約してから設定候補の順位付けが行われる。
ビル管理システム200の構成は、実施の形態1における構成と同様である。
設備制御装置100の構成は、実施の形態1における構成と同様である。
但し、計算部111の構成が、実施の形態1における構成と異なる。
計算部111は、さらに、集約部171を備える。設備制御プログラムは、さらに、集約部171としてコンピュータを機能させる。
図10に基づいて、設備制御方法を説明する。ステップS210が特徴である。
ステップS110からステップS170は、実施の形態1で説明した通りである。
ステップS130では、ステークホルダーの満足度が算出される。ステークホルダーの満足度には、複数の指標に対する複数の満足度が含まれる。
特定の2つ以上の指標は、同様の変化傾向を持つ2つ以上の指標として予め決められる。
設備制御装置100は、いくつかの満足度を1つの満足度に集約してから設定候補の順位付けを行う。これにより、比較しなければならない満足度の数が少なくなる。通常、比較しなければならない満足度の数が多いほど、設定候補間の優劣の判断は困難である。例えば、設定候補Aの満足度が多くの指標で設定候補Bの満足度より良く、設定候補Bの満足度が少ない指標で設定候補Aの満足度より良くても、設定候補Bが設定候補Aより劣っているとは言い難い、という現象が起こり得る。このような現象は、満足度の数が多いほどほど起こり易い。そのため、比較する満足度の数が少なくなることにより、設定候補間の優劣の判定が行い易くなる。さらに、順位付けの計算に必要な時間が短縮される。
***実施例(2-1)***
集約部171は、2つ以上の満足度を以下のように集約してもよい。
特定の2つ以上の指標の優先順位が予め決められる。
集約部171は、優先順位に応じて各指標に対する満足度を重み付けし、満足度の重み付け和を算出する。算出される重み付け和が集約によって得られる1つの満足度となる。
各指標の重みは、優先順位に基づいて予め算出されてもよいし、利用者によって入力装置201を使って指定されてもよい。
2つ以上の満足度が集約されることにより、設定候補間の優劣の判定が行い易くなり、順位付けの計算に必要な時間が短縮される。
学習済みモデルを使ってシミュレーション結果を得る形態について、主に実施の形態1と異なる点を図11から図16に基づいて説明する。
実施の形態1では、各設定候補を用いたシミュレーションによって、対象のビルが運用された際の各設備211の消費エネルギーおよび各部屋の室内環境が算出される。
しかしながら、シミュレーションを精度高く行う場合には、緻密な物理モデルが必要となり、シミュレーション時間が長くかかってしまう。ビルの規模が大きい場合、モデル化対象となる設備211が多く、さらにシミュレーションに時間がかかる。これに伴い、ビル運用に適用する設定候補の獲得にも時間がかかってしまう場合がある。
そこで、実施の形態3では、学習済みモデルが使用される。これにより、シミュレーション結果を得るための計算時間が短縮される。
ビル管理システム200の構成は、実施の形態1における構成と同様である。
設備制御装置100の構成は、実施の形態1における構成と同様である。
但し、計算部111の構成が、実施の形態1における構成と異なる。
計算部111において、結果取得部130は、シミュレーション部131の他に、学習部132および代替演算部133を備える。
図13に基づいて、設備制御方法を説明する。ステップS310およびステップS320が特徴である。
ステップS110およびステップS130からステップS170は、実施の形態1で説明した通りである。
ステップS320は、実施の形態1のステップS120に相当する。
学習済みモデルは、1つの以上の設備211に対する設定を入力にして、シミュレーション結果を出力する機能である。
まず、シミュレーション部131は、1つ以上の設備211に対する複数の仮想設定のそれぞれに基づいて、ビルの運用をシミュレーションする。これにより、仮想設定ごとにシミュレーション結果が得られる。
仮想設定は、学習のために使用される設定である。例えば、仮想設定は候補生成部120によって生成される。
そして、学習部132は、仮想設定ごとに、仮想設定とシミュレーション結果の組(データセット)を学習する。これにより、学習済みモデルが生成される。
具体的には、学習済みモデルの種類は、ニューラルネットワーク、ランダムフォレストまたはSVR等である。
SVRは、Support Vector Regressionの略語である。
設備制御装置100は、シミュレーションを代替する学習済みモデルによって、消費エネルギーおよび室内環境を高速に算出することが可能である。
設備制御装置100は、シミュレーションの入出力関係を予めモデルに学習させる。これにより、消費エネルギーおよび室内環境の高速な算出が可能となる。その結果、高速に良好な設定候補を高速に獲得することが可能になる。
また、ビルに入居するテナントが変更になる等のステークホルダーの変更によって、要求される満足度が追加または変更された場合であっても、良好な設定候補を高速に獲得してビル設備制御に適用することが可能となる。
***実施例(3-1)***
結果取得部130は、仮想設定の他に、最適化(ステップS150)で得られた設定候補を学習に使って、学習済みモデルを生成してもよい。つまり、シミュレーション部131は、最適化で得られた新たな設定候補ごとにシミュレーションを行ってシミュレーション結果を得る。そして、学習部132は、新たな設定候補とシミュレーション結果の組を学習して学習済みモデルを更新する。
これにより、消費エネルギーと室内環境といったシミュレーション結果の精度が向上し、より良好な設定候補を獲得することが可能になる。
結果取得部130は、適用候補が決定されるビルと類似の特徴を持つビルのデータを学習に使って、学習済みモデルを生成してもよい。
図14において、追加学習データ191が記憶部190に記憶されている。
追加学習データ191は、他ビルの学習データであり、他ビルの設定と他ビルの設定に基づくシミュレーション結果の組を1つ以上含む。
学習部132は、追加学習データ191を学習して学習済みモデルを生成する。これにより、学習に必要な仮想設定の数を減らし(または無くし)、仮想設定のシミュレーションに要する時間が短縮される(または不要になる)。その結果、より短時間に事前学習を完了させて学習済みモデルを生成することが可能になる。
最終的に設定候補間の優劣の判定に必要となるのはシミュレーション結果ではなく満足度および制約度である。そのため、設備制御装置100は、満足度および制約度を学習してもよい。
図15において、計算部111は、学習部172と代替演算部173を備える。
学習部172は、仮想設定ごとに仮想設定と満足度と制約度の組(データセット)を学習することによって、学習済みモデルを生成する。
代替演算部173は、設定候補ごとに、学習済みモデルを使って満足度および制約度を算出する。
これにより、より高速に最適化計算(S120~S150)を行って良好な設定候補を獲得することが可能になる。
設備制御装置100は、同様に設定の優劣判定(順位付け)を学習してもよい。
実施例(3-4)に実施例(3-3)を適用してもよい。
図16において、追加学習データ192が記憶部190に記憶されている。
追加学習データ192は、他ビルの学習データであり、他ビルの設定と他ビルの設定に基づく満足度と他ビルの設定に基づく制約度の組を1つ以上含む。
学習部132は、追加学習データ192を学習して学習済みモデルを生成する。
これにより、実施例(3-3)と同様に、より短時間に事前学習を完了させて学習済みモデルを生成することが可能になる。
設備制御装置100は、同様に設定の優劣判定(順位付け)についての追加学習データを学習してもよい。
シミュレーション用パラメータを補正する形態について、主に実施の形態1と異なる点を図17から図20に基づいて説明する。
実施の形態1では、精度よくシミュレーションを行うことが可能であると想定して最適化計算が行われる。
しかしながら、シミュレーションモデルが不正確であると、また、設備211の特性が経年によって変化すると、精度よくシミュレーションを行うことが難しくなる可能性がある。
そこで、実施の形態4では、実際の設備211の特性および室内環境の変化などの情報が収集され、シミュレーション用パラメータが適宜に補正される。
ビル管理システム200の構成は、実施の形態1における構成と同様である。
但し、設備制御装置100の構成が、実施の形態1における構成と異なる。
設備制御装置100は、さらに、補正部114という要素を備える。設備制御プログラムは、さらに、補正部114としてコンピュータを機能させる。
図19に基づいて、設備制御方法を説明する。ステップS410が特徴である。
ステップS410は、ステップS120よりも前に実行される。例えば、ステップS410は、ステップS110よりも前に実行される。
具体的には、補正部114は、ビル管理装置210と通信することによって、現在設定と現在設定に基づく運用結果とを取得する。現在設定は、過去に設定され現在適用されている設定であり、過去設定の一例である。
過去設定に対するシミュレーション結果は、シミュレーション部131が過去設定に基づくシミュレーションを実行することによって得られる。
シミュレーション用パラメータは、シミュレーション部131によるシミュレーションに使用されるパラメータである。
具体的には、運用結果に対するシミュレーション結果の誤差が閾値を超える場合に、補正部114はシミュレーション用パラメータを補正する。このとき、補正部114は、運用結果に近いシミュレーション結果が得られるように、誤差の大きさに応じてパラメータの値を変更する。
設備制御装置100は、シミュレーションの前にシミュレーション用パラメータを補正する。これにより、精度が低い状態でシミュレーションが行われることがなくなる。そのため、より精度よい良好な設定候補の獲得が可能になる。
***実施例(4-1)***
補正部114が、最適化計算(S120~S150)においてシミュレーション(ステップS120)の前に補正を行ってもよい。例えば、補正部114は、最適化(ステップS150)の前に補正を行ってもよい。
また、補正部114は、定期的に補正を行ってもよい。
実施例(4-1)の場合、最適化計算(S120~S150)の途中でシミュレーション用パラメータが補正される。そのため、最適化計算の途中で同じ設定候補に基づく満足度および制約度が変化し、有効な最適化結果が得られない可能性がある。
そこで、設備制御装置100は、補正が行われた場合に最適化計算をいったん中断してもよい。
図20において、計算部111は検知部115を備える。
検知部115は、シミュレーション用パラメータの補正を検知する。
シミュレーション用パラメータの補正が検知された場合、満足度算出部140と制約度算出部150と候補最適化部160は実行中の処理を中止し、中止した処理をやり直す。つまり、満足度および制約度が算出し直され、算出し直された満足度および制約度に基づいて最適化が行われる。また、設備制御装置100は、最適化計算を最初から再度実行してもよい。
これにより、最適化計算の途中でシミュレーション用パラメータが補正された場合にも、補正前の満足度および制約度使うことなく精度が高い補正後の満足度および制約度を使って設定候補を最適化することができる。そのため、良好な設定候補を獲得することが可能になる。
設備211の現在の設定に基づいて適用設定を選択する形態について、主に実施の形態1と異なる点を図21から図23に基づいて説明する。
実施の形態1では、複数の設定候補から適用設定が選択される。
しかしながら、ビルの現在の状態が考慮されずに適用設定が選択されると、適用設定が現在設定からかけ離れ、室内環境が大きく変動し、ビル内の人が不快感を得たり負担を感じたりする可能性がある。
そこで、実施の形態5では、複数の設定候補から、現在設定に近い設定候補が適用設定として選択される。
ビル管理システム200の構成は、実施の形態1における構成と同様である。
但し、設備制御装置100の構成が、実施の形態1における構成と異なる。
設備制御装置100は、設定取得部116という要素を備える。設備制御プログラムは、さらに、設定取得部116としてコンピュータを機能させる。
図23に基づいて、設備制御方法を説明する。ステップS510が特徴である。
ステップS110からステップS150およびステップS170は、実施の形態1で説明した通りである。
ステップS510は、実施の形態1のステップS160に相当する。
具体的には、設定取得部116は、ビル管理装置210と通信することによって、現在設定を取得する。
まず、選択部112は、設定候補ごとに設定候補と満足度と制約度をディスプレイ(出力装置202)に表示すると共に、現在設定と満足度と制約度をディスプレイに表示する。なお、現在設定の満足度および制約度は、設定候補の満足度および制約度と同様に算出される。
次に、利用者(例えばビル管理者)は、表示された情報を参照し、複数の設定候補から望ましい設定候補を選択し、望ましい設定候補を入力装置201を使って指定する。このとき、利用者は、現在設定からかけ離れていない設定候補を選択するとよい。
そして、選択部112は、複数の設定候補から、指定された設定候補を選択する。選択される設定候補が適用設定となる。
設備制御装置100は、直近に適用されている設定を取得し、複数の設定候補から直近の設定に近い設定候補を選択する。これにより、直前まで適用されていた設定からかけ離れた設定が新たに適用されることがなくなる。そのため、室内環境の変動が小さく抑えられ、環境変化によるビル利用者の不快感および負担を軽減することが可能となる。
***実施例(5-1)***
選択部112は、複数の設定候補の全てを利用者に提示する代わりに、複数の設定候補から現在設定に近い設定候補を抽出し、抽出した設定候補を利用者に提示してもよい。例えば、現在設定に近い設定候補は、現在設定との差異が閾値より小さい設定候補である。
これにより、利用者が現在設定からかけ離れた設定候補を選択することがなくなる。
最適化部162は、現在設定に近い新たな設定候補が得られるように最適化を行ってもよい。つまり、最適化部162は、複数の設定候補を最適化することによって、現在設定に近い新たな設定候補を生成してもよい。
これにより、現在設定に近い設定候補だけが獲得されるため、現在設定からかけ離れた設定候補が選択されることがなくなる。
複数の最適化アルゴリズムを利用する形態について、主に実施の形態1と異なる点を図24から図27に基づいて説明する。
実施の形態1では、1つの手法を用いて設定候補の最適化が行われる。
しかし、実施の形態1で述べたように、複数の最適化手法が存在している。それぞれの手法で特徴が異なるため、使用される手法によって、獲得される設定候補の特徴および傾向が異なる可能性がある。また、使用される手法によっては、良好な満足度を示す設定候補を獲得できない可能性がある。
また、1つの手法が使用される場合、どの手法がビルの特徴に対して満足度および制約度が良好な設定候補を獲得できるかを検証する必要がある。
そこで、実施の形態6では、複数の最適化手法によって並行して設定候補の最適化が行われる。そして、制約が満たされると共により良い満足度が得られる手法で獲得された設定候補が採用される。
ビル管理システム200の構成は、実施の形態1における構成と同様である。
設備制御装置100の構成は、実施の形態1における構成と同様である。
但し、計算部111の構成が、実施の形態1における構成と異なる。
計算部111において、候補最適化部160は、複数の最適化部162を備える。例えば、候補最適化部160は、第1最適化部162Aおよび第2最適化部162Bを備える。
図26に基づいて、設備制御方法を説明する。ステップS610およびステップS620が特徴である。
ステップS110からステップS140およびステップS170は、実施の形態1で説明した通りである。
ステップS610は、実施の形態1のステップS150に相当する。
ステップS620は、実施の形態1のステップS160に相当する。
設定候補群は、最適化アルゴリズムごとに生成され、最適化によって得られる新たな複数の設定候補から成る。
まず、優劣判定部161は、複数の設定候補を順位付けする。
そして、最適化部162は、2つの最適化アルゴリズムで複数の設定候補を最適化することによって、2つの設定候補群を生成する。例えば、第1最適化部162Aは、MOGAで用いられるSBXおよびPMによって最適化を行う。また、第2最適化部162Bは、多目的粒子群最適化(MOPSO)で用いられるよう手法(飛翔を模擬する手法)によって最適化を行う。
具体的には、選択部112は、満足度および制約度がより良好な設定候補群を選択する。
設備制御装置100は、複数の最適化手法によって並行して設定候補の最適化を行い、制約を満たし、より良い満足度が得られる手法で獲得された設定候補を採用する。これにより、何れかの最適化手法があまり良好な設定候補を獲得できない場合でも、他の最適化手法で獲得した良好な設定候補を採用することが可能となる。その結果、使用する手法が不適であったため良好な設定候補を獲得できない、といった事象を防ぐことができる。
また、どの手法がビルの特徴に対して満足度および制約度が良好な設定候補を獲得できるか検証しなくても、良好な設定候補を獲得できる。
***実施例(6-1)***
適切な優劣判定が可能な手法は、満足度または制約度の指標によって異なる。そのため、使用される優劣判定によっては適切な優劣判定が行われず、その結果、よい満足度を持つ設定候補を獲得できない可能性がある。
そこで、候補最適化部160は、複数の優劣判定アルゴリズムのそれぞれを使って複数の設定候補を順位付けしてもよい。
図27において、計算部111は、複数の優劣判定部(161A、161B)を備える。
第1優劣判定部161Aは第1優劣判定アルゴリズムを使って順位付けを行い、第1最適化部162Aは第1優劣判定部161Aによる順位付けの結果に基づいて最適化を行う。
第2優劣判定部161Bは第2優劣判定アルゴリズムを使って順位付けを行い、第2最適化部162Bは第2優劣判定部161Bによる順位付けの結果に基づいて最適化を行う。
但し、第1最適化部162Aと第2最適化部162Bのそれぞれが、第1優劣判定部161Aによる順位付けの結果と第2優劣判定部161Bによる順位付けの結果とに基づいて最適化を行ってもよい。
また、優劣判定部161の数(つまり、使用される優劣判定アルゴリズムの数)と最適化部162の数(つまり、使用される最適化アルゴリズムの数)は、3つ以上であってもよい。また、優劣判定部161の数と最適化部162の数が異なってもよい。
図28に基づいて、設備制御装置100のハードウェア構成を説明する。
設備制御装置100は処理回路109を備える。
処理回路109は、計算部111と選択部112と制御部113と補正部114と検知部115と設定取得部116とを実現するハードウェアである。
処理回路109は、専用のハードウェアであってもよいし、メモリ102に格納されるプログラムを実行するプロセッサ101であってもよい。
ASICは、Application Specific Integrated Circuitの略称である。
FPGAは、Field Programmable Gate Arrayの略称である。
Claims (8)
- ビルに設置された1つ以上の設備を制御するための設定の複数の候補である複数の設定候補に基づいて、設定候補ごとに、前記設定候補が前記1つ以上の設備に適用された場合の前記ビルの運用の結果に相当するシミュレーション結果を得る結果取得部と、
設定候補ごとに、前記シミュレーション結果に基づいて、前記ビルのステークホルダーの満足度を算出する満足度算出部と、
設定候補ごとに、前記シミュレーション結果に基づいて、前記ビルの運用制約を満たす度合いを表す制約度を算出する制約度算出部と、
各設定候補の前記満足度と各設定候補の前記制約度とに基づいて前記複数の設定候補の優劣を判定して判定結果に基づいて前記複数の設定候補を最適化することによって、新たな複数の設定候補を生成する候補最適化部と、
前記新たな複数の設定候補から前記1つ以上の設備に適用すべき設定候補を適用設定として選択する選択部と、
前記適用設定を前記1つ以上の設備に適用する制御部と、
を備える設備制御装置。 - 前記設備制御装置は、集約部を備え、
前記満足度算出部は、設定候補ごとに、複数の指標に対する複数の満足度を前記ステークホルダーの前記満足度として算出し、
前記集約部は、設定候補ごとに、前記ステークホルダーの前記満足度に含まれる前記複数の満足度のうち特定の2つ以上の指標に対する2つ以上の満足度を1つの満足度に集約する
請求項1に記載の設備制御装置。 - 前記結果取得部は、
前記1つ以上の設備に対する複数の仮想設定のそれぞれに基づいて前記ビルの前記運用をシミュレーションして、仮想設定ごとにシミュレーション結果を得て、
仮想設定ごとに前記仮想設定と前記シミュレーション結果の組を学習することによって、学習済みモデルを生成し、
設定候補ごとに、前記学習済みモデルを使って前記設定候補の前記シミュレーション結果を得る
請求項1または請求項2に記載の設備制御装置。 - 前記1つ以上の設備に適用された過去設定と前記過去設定が適用されたときの前記ビルの運用結果とを取得し、前記過去設定に対するシミュレーション結果を前記運用結果と比較し、シミュレーション用パラメータを比較結果に基づいて補正する補正部を備える
請求項1から請求項3のいずれか1項に記載の設備制御装置。 - 前記設備制御装置は、前記1つ以上の設備に適用されている現在設定を取得する設定取得部を備え、
前記選択部は、前記現在設定に基づいて前記適用設定を選択する
請求項1から請求項4のいずれか1項に記載の設備制御装置。 - 前記候補最適化部は、前記複数の設定候補を複数の最適化アルゴリズムのそれぞれを使って最適化することによって、それぞれが新たな複数の設定候補から成る複数の設定候補群を生成し、
前記選択部は、前記複数の設定候補群のうちの1つを選択し、選択された複数の設定候補群を構成する前記新たな複数の設定候補から前記適用設定を選択する
請求項1から請求項5のいずれか1項に記載の設備制御装置。 - 設備制御装置が、
ビルに設置された1つ以上の設備を制御するための設定の複数の候補である複数の設定候補に基づいて、設定候補ごとに、前記設定候補が前記1つ以上の設備に適用された場合の前記ビルの運用の結果に相当するシミュレーション結果を得て、
設定候補ごとに、前記シミュレーション結果に基づいて、前記ビルのステークホルダーの満足度を算出し、
設定候補ごとに、前記シミュレーション結果に基づいて、前記ビルの運用制約を満たす度合いを表す制約度を算出し、
各設定候補の前記満足度と各設定候補の前記制約度とに基づいて前記複数の設定候補の優劣を判定して判定結果に基づいて前記複数の設定候補を最適化することによって、新たな複数の設定候補を生成し、
前記新たな複数の設定候補から前記1つ以上の設備に適用すべき設定候補を適用設定として選択し、
前記適用設定を前記1つ以上の設備に適用する
設備制御方法。 - ビルに設置された1つ以上の設備を制御するための設定の複数の候補である複数の設定候補に基づいて、設定候補ごとに、前記設定候補が前記1つ以上の設備に適用された場合の前記ビルの運用の結果に相当するシミュレーション結果を得る結果取得処理と、
設定候補ごとに、前記シミュレーション結果に基づいて、前記ビルのステークホルダーの満足度を算出する満足度算出処理と、
設定候補ごとに、前記シミュレーション結果に基づいて、前記ビルの運用制約を満たす度合いを表す制約度を算出する制約度算出処理と、
各設定候補の前記満足度と各設定候補の前記制約度とに基づいて前記複数の設定候補の優劣を判定して判定結果に基づいて前記複数の設定候補を最適化することによって、新たな複数の設定候補を生成する候補最適化処理と、
前記新たな複数の設定候補から前記1つ以上の設備に適用すべき設定候補を適用設定として選択する選択処理と、
前記適用設定を前記1つ以上の設備に適用する制御処理と、
をコンピュータに実行させるための設備制御プログラム。
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
PCT/JP2021/033246 WO2023037484A1 (ja) | 2021-09-10 | 2021-09-10 | 設備制御装置、設備制御方法および設備制御プログラム |
Publications (2)
Publication Number | Publication Date |
---|---|
JPWO2023037484A1 JPWO2023037484A1 (ja) | 2023-03-16 |
JP7408019B2 true JP7408019B2 (ja) | 2024-01-04 |
Family
ID=85506165
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2023534254A Active JP7408019B2 (ja) | 2021-09-10 | 2021-09-10 | 設備制御装置、設備制御方法および設備制御プログラム |
Country Status (5)
Country | Link |
---|---|
JP (1) | JP7408019B2 (ja) |
CN (1) | CN117940939A (ja) |
AU (1) | AU2021464018A1 (ja) |
GB (1) | GB202403190D0 (ja) |
WO (1) | WO2023037484A1 (ja) |
Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2005158020A (ja) | 2003-10-30 | 2005-06-16 | Hitachi Ltd | エネルギー管理方法,装置及びプログラム |
JP2016034190A (ja) | 2014-07-31 | 2016-03-10 | 清水建設株式会社 | 電力管理装置、電力管理方法及びプログラム |
-
2021
- 2021-09-10 WO PCT/JP2021/033246 patent/WO2023037484A1/ja active Application Filing
- 2021-09-10 CN CN202180102074.4A patent/CN117940939A/zh active Pending
- 2021-09-10 GB GBGB2403190.8A patent/GB202403190D0/en active Pending
- 2021-09-10 AU AU2021464018A patent/AU2021464018A1/en active Pending
- 2021-09-10 JP JP2023534254A patent/JP7408019B2/ja active Active
Patent Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2005158020A (ja) | 2003-10-30 | 2005-06-16 | Hitachi Ltd | エネルギー管理方法,装置及びプログラム |
JP2016034190A (ja) | 2014-07-31 | 2016-03-10 | 清水建設株式会社 | 電力管理装置、電力管理方法及びプログラム |
Also Published As
Publication number | Publication date |
---|---|
AU2021464018A1 (en) | 2024-01-25 |
GB202403190D0 (en) | 2024-04-17 |
JPWO2023037484A1 (ja) | 2023-03-16 |
WO2023037484A1 (ja) | 2023-03-16 |
CN117940939A (zh) | 2024-04-26 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Si et al. | Multi-objective optimization design of a complex building based on an artificial neural network and performance evaluation of algorithms | |
Wang et al. | Operating a commercial building HVAC load as a virtual battery through airflow control | |
Wang et al. | Typical energy-related behaviors and gender difference for cooling energy consumption | |
US20140074306A1 (en) | Method and system for energy control management | |
Ceballos-Fuentealba et al. | A simulation and optimisation methodology for choosing energy efficiency measures in non-residential buildings | |
Yang et al. | How does building occupancy influence energy efficiency of HVAC systems? | |
JP6498976B2 (ja) | 推定装置、推定方法およびコンピュータプログラム | |
JP2015032311A (ja) | ビルエネルギ管理システムの学習 | |
JP2019019988A (ja) | 空調運転条件作成装置、空調運転条件作成方法、プログラム、および空調システム | |
Mendez et al. | Empowering saving energy at home through serious games on thermostat interfaces | |
CN111561733A (zh) | 基于gbdt的供暖户阀调节方法、系统及设备 | |
Shi et al. | Building energy model reduction using model-cluster-reduce pipeline | |
CN112152840A (zh) | 一种基于bim和模拟仿真的传感器部署方法和系统 | |
CN115682312A (zh) | 一种空调节能控制方法、装置、设备及可读存储介质 | |
JP7408019B2 (ja) | 設備制御装置、設備制御方法および設備制御プログラム | |
Heidarinejad et al. | An investigation of thermal comfort, IAQ, and energy saving in UFAD systems using a combination of Taguchi optimization algorithm and CFD | |
Marzullo et al. | A computational toolchain for the automatic generation of multiple Reduced-Order Models from CFD simulations | |
CN114992772B (zh) | 空调温控负荷集群可调节潜力评估方法、装置及存储介质 | |
Wang et al. | Thermal performance optimization for housing unit design in a cold region of China | |
Zhang et al. | Comparing the linear and logarithm normalized artificial neural networks in inverse design of aircraft cabin environment | |
JP6637323B2 (ja) | 設備管理装置及びプログラム | |
JP7332500B2 (ja) | 情報処理装置、情報処理システム、情報処理方法及びプログラム | |
Li et al. | Probability-based visual comfort assessment and optimization in national fitness halls under sports behavior uncertainty | |
TWI642022B (zh) | 建築設備篩選裝置及其建築設備篩選方法 | |
Building load control and optimization |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20230606 |
|
A871 | Explanation of circumstances concerning accelerated examination |
Free format text: JAPANESE INTERMEDIATE CODE: A871 Effective date: 20230606 |
|
A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20230829 |
|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20231002 |
|
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: 20231121 |
|
A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20231219 |
|
R150 | Certificate of patent or registration of utility model |
Ref document number: 7408019 Country of ref document: JP Free format text: JAPANESE INTERMEDIATE CODE: R150 |