JPH06281302A - 冷凍機の稼働エネルギー量推定装置 - Google Patents
冷凍機の稼働エネルギー量推定装置Info
- Publication number
- JPH06281302A JPH06281302A JP5090423A JP9042393A JPH06281302A JP H06281302 A JPH06281302 A JP H06281302A JP 5090423 A JP5090423 A JP 5090423A JP 9042393 A JP9042393 A JP 9042393A JP H06281302 A JPH06281302 A JP H06281302A
- Authority
- JP
- Japan
- Prior art keywords
- input
- steam
- amount
- refrigerator
- refrigerating machine
- 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.)
- Granted
Links
Classifications
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02A—TECHNOLOGIES FOR ADAPTATION TO CLIMATE CHANGE
- Y02A30/00—Adapting or protecting infrastructure or their operation
- Y02A30/27—Relating to heating, ventilation or air conditioning [HVAC] technologies
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02B—CLIMATE CHANGE MITIGATION TECHNOLOGIES RELATED TO BUILDINGS, e.g. HOUSING, HOUSE APPLIANCES OR RELATED END-USER APPLICATIONS
- Y02B30/00—Energy efficient heating, ventilation or air conditioning [HVAC]
- Y02B30/62—Absorption based systems
Landscapes
- Sorption Type Refrigeration Machines (AREA)
- Feedback Control In General (AREA)
Abstract
(57)【要約】
【目的】 冷凍機を含むシステムの状況が動的に様々に
変化する場合に冷凍機に与える蒸気量を正確に推定でき
るようにする。 【構成】 冷凍機の外部状態である外気温度及び冷凍機
の内部状態である冷水入口温度等の入力変数と蒸気量と
を関連づけてモデルの作成を行い、新たな入力状況に対
しこの生成モデルに基づき蒸気量を推定し、かつ推定蒸
気量から冷凍機の性能劣化指標及び最適運転情報を生成
する。この結果、システムの状況が動的に様々に変化す
る場合に、冷凍機へ与える蒸気量を正確に推定すること
ができ、したがって冷凍機の適切な保守時期及び最適な
運転情報を得ることができる。
変化する場合に冷凍機に与える蒸気量を正確に推定でき
るようにする。 【構成】 冷凍機の外部状態である外気温度及び冷凍機
の内部状態である冷水入口温度等の入力変数と蒸気量と
を関連づけてモデルの作成を行い、新たな入力状況に対
しこの生成モデルに基づき蒸気量を推定し、かつ推定蒸
気量から冷凍機の性能劣化指標及び最適運転情報を生成
する。この結果、システムの状況が動的に様々に変化す
る場合に、冷凍機へ与える蒸気量を正確に推定すること
ができ、したがって冷凍機の適切な保守時期及び最適な
運転情報を得ることができる。
Description
【０００１】
【産業上の利用分野】本発明は、冷凍機を用いた地域冷
暖房システム等においてシステムの状況が動的に様々に
変化する場合に、冷凍機に必要な熱量を推定する冷凍機
の稼働エネルギー量推定装置に関する。
暖房システム等においてシステムの状況が動的に様々に
変化する場合に、冷凍機に必要な熱量を推定する冷凍機
の稼働エネルギー量推定装置に関する。
【０００２】
【従来の技術】従来この種の冷凍機稼働エネルギー推定
装置は、システムの状況が動的に様々に変化するような
場合は、冷凍機器メーカから提示される機器の性能特性
表、即ち、冷水入口温度より算定される冷水熱量と冷凍
機を稼働するために必要な蒸気量との対応表を用い、現
在の冷水熱量とこの対応表とから冷凍機に与える蒸気量
を推定するようにしている。また、回帰モデル等の数学
モデルを用いて、冷水入口温度等の入力変数の現在の値
から蒸気量の推定を行なうようにしたものもある。
装置は、システムの状況が動的に様々に変化するような
場合は、冷凍機器メーカから提示される機器の性能特性
表、即ち、冷水入口温度より算定される冷水熱量と冷凍
機を稼働するために必要な蒸気量との対応表を用い、現
在の冷水熱量とこの対応表とから冷凍機に与える蒸気量
を推定するようにしている。また、回帰モデル等の数学
モデルを用いて、冷水入口温度等の入力変数の現在の値
から蒸気量の推定を行なうようにしたものもある。
【０００３】
【発明が解決しようとする課題】しかしながらメーカか
ら提示される機器の性能特性表を用いた推定方法では、
特性表が冷凍機単体での性能を表した理想状態のもので
あることから、冷凍機がシステムの中に組み込まれた状
態では蒸気量の推定誤差が大きくなるという欠点があっ
た。また、回帰モデルを用いた方式では、機器の構成が
複雑であるため、機器のどの部分を入力変数として用い
るかが明確ではなく、したがって要求される精度が得ら
れないのが現状である．また、入力変数を、外気温度，
冷凍機の内部状態である冷水入口温度，高圧再生器の出
口温度，及び冷媒蒸発器の出口温度に定めたとしても、
これらの入力変数の組は非線形のデータとなるため、数
学的に線形形式で記述することが困難であり、たとえ線
形形式の組み合わせによる記述が可能になったとして
も、組分けが困難であるという欠点があった。また、非
線形形式を用いてモデリングしても、次数の決定やパラ
メータが通常運転時のデータに偏ってしまうため、全レ
ンジをカバーするような包括的なモデルが生成できない
という欠点もあった。また、回帰モデルの性能評価は、
平均誤差といった統計量としてしか扱えず、様々な状態
に対する各々の精度を評価することは困難であり、性能
劣化診断としては扱い難いという欠点もあった。
ら提示される機器の性能特性表を用いた推定方法では、
特性表が冷凍機単体での性能を表した理想状態のもので
あることから、冷凍機がシステムの中に組み込まれた状
態では蒸気量の推定誤差が大きくなるという欠点があっ
た。また、回帰モデルを用いた方式では、機器の構成が
複雑であるため、機器のどの部分を入力変数として用い
るかが明確ではなく、したがって要求される精度が得ら
れないのが現状である．また、入力変数を、外気温度，
冷凍機の内部状態である冷水入口温度，高圧再生器の出
口温度，及び冷媒蒸発器の出口温度に定めたとしても、
これらの入力変数の組は非線形のデータとなるため、数
学的に線形形式で記述することが困難であり、たとえ線
形形式の組み合わせによる記述が可能になったとして
も、組分けが困難であるという欠点があった。また、非
線形形式を用いてモデリングしても、次数の決定やパラ
メータが通常運転時のデータに偏ってしまうため、全レ
ンジをカバーするような包括的なモデルが生成できない
という欠点もあった。また、回帰モデルの性能評価は、
平均誤差といった統計量としてしか扱えず、様々な状態
に対する各々の精度を評価することは困難であり、性能
劣化診断としては扱い難いという欠点もあった。
【０００４】したがって本発明は、冷凍機を含むシステ
ムの状況が動的に様々に変化する場合に冷凍機へ与える
蒸気量を正確に推定することを目的とする。
ムの状況が動的に様々に変化する場合に冷凍機へ与える
蒸気量を正確に推定することを目的とする。
【０００５】
【課題を解決するための手段】このような課題を解決す
るために、本発明は、冷凍機の外部状態である外気温
度，冷凍機の内部状態である冷水入口温度，再生器の出
口温度，及び冷媒蒸発器の出口温度をそれぞれ入力変数
とし，これら入力変数の状態と冷凍機を稼働するに要す
る蒸気量とを関連づけてモデルを生成する入出力関係モ
デリング手段と、生成されたモデルを用い新たな入力状
況に対する蒸気量を推定する推論手段と、推定された蒸
気量から冷凍機の保守作業を行なうための性能劣化の指
標を生成する手段と、上記推定蒸気量から冷凍機を含む
システムにおける最適運転情報を生成する手段とを設け
たものである。
るために、本発明は、冷凍機の外部状態である外気温
度，冷凍機の内部状態である冷水入口温度，再生器の出
口温度，及び冷媒蒸発器の出口温度をそれぞれ入力変数
とし，これら入力変数の状態と冷凍機を稼働するに要す
る蒸気量とを関連づけてモデルを生成する入出力関係モ
デリング手段と、生成されたモデルを用い新たな入力状
況に対する蒸気量を推定する推論手段と、推定された蒸
気量から冷凍機の保守作業を行なうための性能劣化の指
標を生成する手段と、上記推定蒸気量から冷凍機を含む
システムにおける最適運転情報を生成する手段とを設け
たものである。
【０００６】
【作用】冷凍機の外部状態である外気温度及び冷凍機の
内部状態である冷水入口温度等の入力変数と出力変数で
ある蒸気量とを関連づけてモデルの作成を行うと共に、
新たな入力状況に対してはこの生成されたモデルに基づ
き蒸気量を推定し、かつ推定された蒸気量から冷凍機の
性能劣化の指標及び最適運転情報を生成する。この結
果、冷凍機を用いたシステムの状況が動的に様々に変化
する場合に冷凍機に与える蒸気量を正確に推定すること
ができ、したがって冷凍機の適切な保守時期及び最適な
運転情報を得ることができる。
内部状態である冷水入口温度等の入力変数と出力変数で
ある蒸気量とを関連づけてモデルの作成を行うと共に、
新たな入力状況に対してはこの生成されたモデルに基づ
き蒸気量を推定し、かつ推定された蒸気量から冷凍機の
性能劣化の指標及び最適運転情報を生成する。この結
果、冷凍機を用いたシステムの状況が動的に様々に変化
する場合に冷凍機に与える蒸気量を正確に推定すること
ができ、したがって冷凍機の適切な保守時期及び最適な
運転情報を得ることができる。
【０００７】
【実施例】次に本発明について図面を参照して説明す
る。図３は、本発明が適用される冷凍機の構成を示す図
であり、同図において、１１は冷凍部、１２は再生器、
１３は凝縮器を示している。ここで、冷凍部１１は暖め
られたユーザからの還水を得ると液体の気化熱を利用し
てこれを冷却し、ユーザへ冷水として供給するものであ
る。この場合、ユーザからの還水が冷却されることによ
り発生する蒸気は臭化リチウム（ＬｉＢｒ）の吸収液で
吸収されるが、次第に吸収液が薄くなって吸収能力が弱
くなる。このため、吸収液を再生器（高圧再生器）１２
で加熱して濃縮するとともに、吸収液を加熱した際に再
生器１２に生じる蒸気を凝縮器１３で液化して冷媒液と
し、この冷媒液によりユーザへ供給される冷水をさらに
冷却するようにしている。
る。図３は、本発明が適用される冷凍機の構成を示す図
であり、同図において、１１は冷凍部、１２は再生器、
１３は凝縮器を示している。ここで、冷凍部１１は暖め
られたユーザからの還水を得ると液体の気化熱を利用し
てこれを冷却し、ユーザへ冷水として供給するものであ
る。この場合、ユーザからの還水が冷却されることによ
り発生する蒸気は臭化リチウム（ＬｉＢｒ）の吸収液で
吸収されるが、次第に吸収液が薄くなって吸収能力が弱
くなる。このため、吸収液を再生器（高圧再生器）１２
で加熱して濃縮するとともに、吸収液を加熱した際に再
生器１２に生じる蒸気を凝縮器１３で液化して冷媒液と
し、この冷媒液によりユーザへ供給される冷水をさらに
冷却するようにしている。
【０００８】本発明では、吸収液を加熱凝縮する再生器
１２に対し蒸気量を供給する際の供給量を推定するもの
である。図１は本発明に係る冷凍器の稼働エネルギー量
推定装置の一実施例を示す機能ブロック図であり、入出
力関係モデリング手段１、入出力関係モデル記憶部２、
推論手段３、推定蒸気量記憶部４、性能劣化指標生成手
段５、最適運転情報生成手段６から構成される。
１２に対し蒸気量を供給する際の供給量を推定するもの
である。図１は本発明に係る冷凍器の稼働エネルギー量
推定装置の一実施例を示す機能ブロック図であり、入出
力関係モデリング手段１、入出力関係モデル記憶部２、
推論手段３、推定蒸気量記憶部４、性能劣化指標生成手
段５、最適運転情報生成手段６から構成される。
【０００９】ところで、上記冷凍機には、入力変数とし
て図３の記号Ａ〜Ｇで示す各部の温度が考えられる。即
ち、冷水入口Ａの温度である冷水入口温度，冷水塔入口
Ｂの温度，再生器１２の出口Ｃの温度である高圧再生器
出口温度，低圧再生器１４の出口Ｄの温度，凝縮器１３
の出口Ｅの温度（冷媒凝縮器出口温度），Ｆ点で示す冷
媒蒸発器の出口温度，Ｇ点で示す冷水出口温度及び冷凍
機の外部条件である外気温度，外気湿度が考えられる。
本実施例の入出力関係モデリング手段１では、これらの
入力変数のうち外気温、冷水入口温度、再生器１２の出
口温度及び冷媒蒸発器出口温度の４つの要素をそれぞれ
入力変数とすると共に、再生器１２に与える蒸気量を出
力変数とし、過去のこれらの入出力変数から入出力関係
モデルを生成して入出力関係モデル記憶部２に記憶する
ものである。また、推論手段３は、新たに入力変数の状
況が発生した場合に、これを入力して入出力関係モデル
記憶部２に記憶されている過去の入出力関係モデルに基
づき推論を行い、出力変数としての蒸気量を推定すると
共に、この推定蒸気量を推定蒸気量記憶部４に記憶する
ものである。また、劣化性能指標生成手段５は、上記推
定蒸気量に基づき冷凍機の性能劣化の指標を生成し冷凍
機の適切な保守時期を指示するものである。また、最適
運転情報生成手段６は、上記推定蒸気量に基づき冷凍機
の最適運転を行うための情報を生成するものである。
て図３の記号Ａ〜Ｇで示す各部の温度が考えられる。即
ち、冷水入口Ａの温度である冷水入口温度，冷水塔入口
Ｂの温度，再生器１２の出口Ｃの温度である高圧再生器
出口温度，低圧再生器１４の出口Ｄの温度，凝縮器１３
の出口Ｅの温度（冷媒凝縮器出口温度），Ｆ点で示す冷
媒蒸発器の出口温度，Ｇ点で示す冷水出口温度及び冷凍
機の外部条件である外気温度，外気湿度が考えられる。
本実施例の入出力関係モデリング手段１では、これらの
入力変数のうち外気温、冷水入口温度、再生器１２の出
口温度及び冷媒蒸発器出口温度の４つの要素をそれぞれ
入力変数とすると共に、再生器１２に与える蒸気量を出
力変数とし、過去のこれらの入出力変数から入出力関係
モデルを生成して入出力関係モデル記憶部２に記憶する
ものである。また、推論手段３は、新たに入力変数の状
況が発生した場合に、これを入力して入出力関係モデル
記憶部２に記憶されている過去の入出力関係モデルに基
づき推論を行い、出力変数としての蒸気量を推定すると
共に、この推定蒸気量を推定蒸気量記憶部４に記憶する
ものである。また、劣化性能指標生成手段５は、上記推
定蒸気量に基づき冷凍機の性能劣化の指標を生成し冷凍
機の適切な保守時期を指示するものである。また、最適
運転情報生成手段６は、上記推定蒸気量に基づき冷凍機
の最適運転を行うための情報を生成するものである。
【００１０】以下、上記各手段の機能動作について詳細
に説明する。図２は、本装置の要部である推論手段３の
具体的な構成を示す機能ブロック図である。同図におい
て、推論手段３は、類似度決定手段３１、類似度事例検
索手段３２、重要度決定手段３３、事例統合手段３４、
信憑性計算手段３５、及び出力手段３６から構成され
る。この推論手段３は、新事例データ、つまり新たな入
力変数から蒸気量を推論する場合、位相（ｔｏｐｏｌｏ
ｇｙ）に基づいて推論するようにしている。この位相と
は、集合に連続の概念が定義できるように与えられる構
造のことを言い、例えば新事例データと過去の事例デー
タとの距離や類似性の近さ等を示している。以下、推論
手段３の蒸気量推定の動作を詳細に説明する。
に説明する。図２は、本装置の要部である推論手段３の
具体的な構成を示す機能ブロック図である。同図におい
て、推論手段３は、類似度決定手段３１、類似度事例検
索手段３２、重要度決定手段３３、事例統合手段３４、
信憑性計算手段３５、及び出力手段３６から構成され
る。この推論手段３は、新事例データ、つまり新たな入
力変数から蒸気量を推論する場合、位相（ｔｏｐｏｌｏ
ｇｙ）に基づいて推論するようにしている。この位相と
は、集合に連続の概念が定義できるように与えられる構
造のことを言い、例えば新事例データと過去の事例デー
タとの距離や類似性の近さ等を示している。以下、推論
手段３の蒸気量推定の動作を詳細に説明する。
【００１１】ここで、推論手段３により蒸気量を推定す
る前にまず、入出力関係モデリング手段１により過去の
事例データ、即ち上記した過去の入出力変数について事
例ベースを作成する。即ち、まず入力空間を離散化して
有限個の入力事象に分割し、同一入力現象に属する入出
力データを統合化することで１つの事例を生成する。こ
のとき過去の事例である既存事例の条件部、つまり外気
温や冷水入口温度等のデータは、離散化された入力デー
タ｛Ｘ１，Ｘ２，・・・，Ｘｎ｝となり、また既存事例
の結論部、つまり蒸気量は、出力データの重心値Ｙ，同
一入力事象が起こった回数ｎ及びその偏微分値の重心値
ΔＹ／ΔＸ１，・・・，ΔＹ／ΔＸｎ、即ち｛Ｙ，ｎ，
ΔＹ／ΔＸ１，・・・，ΔＹ／ΔＸｎ｝となる。
る前にまず、入出力関係モデリング手段１により過去の
事例データ、即ち上記した過去の入出力変数について事
例ベースを作成する。即ち、まず入力空間を離散化して
有限個の入力事象に分割し、同一入力現象に属する入出
力データを統合化することで１つの事例を生成する。こ
のとき過去の事例である既存事例の条件部、つまり外気
温や冷水入口温度等のデータは、離散化された入力デー
タ｛Ｘ１，Ｘ２，・・・，Ｘｎ｝となり、また既存事例
の結論部、つまり蒸気量は、出力データの重心値Ｙ，同
一入力事象が起こった回数ｎ及びその偏微分値の重心値
ΔＹ／ΔＸ１，・・・，ΔＹ／ΔＸｎ、即ち｛Ｙ，ｎ，
ΔＹ／ΔＸ１，・・・，ΔＹ／ΔＸｎ｝となる。
【００１２】なお、上記した各偏微分値とは、各入力変
数の変化量に対する出力（蒸気量）の変化量であり、こ
の場合各入出力変数が連続データであることから、この
偏微分値ΔＹ／ΔＸｉ（ｔ）は（１）式により計算する
ことができる。
数の変化量に対する出力（蒸気量）の変化量であり、こ
の場合各入出力変数が連続データであることから、この
偏微分値ΔＹ／ΔＸｉ（ｔ）は（１）式により計算する
ことができる。
【００１３】
【数１】
【００１４】以上のように既存事例について事例ベース
の作成を行った後、次に新事例についての推論を推論手
段３により行う。まず、新事例の条件部（新たな入力変
数）を｛Ｘｉ* ｝（ｉ＝１，２，・・・，ｎ）とし、既
存事例を｛Ｘｉ，Ｙ，ｎ，ΔＹ／ΔＸｉ｝（ｉ＝１，
２，・・・，ｎ）とする。ここで、新事例の条件部は、
入力と同時に上記のように離散化され、かつ象徴化され
ている。
の作成を行った後、次に新事例についての推論を推論手
段３により行う。まず、新事例の条件部（新たな入力変
数）を｛Ｘｉ* ｝（ｉ＝１，２，・・・，ｎ）とし、既
存事例を｛Ｘｉ，Ｙ，ｎ，ΔＹ／ΔＸｉ｝（ｉ＝１，
２，・・・，ｎ）とする。ここで、新事例の条件部は、
入力と同時に上記のように離散化され、かつ象徴化され
ている。
【００１５】ここで新事例の推論を行う場合は、まず新
事例に対する既存事例の類似度を類似度決定手段３１に
より決定する（この類似度とは、位相における近傍系と
いう概念に相応する）。新事例に対する既存事例の類似
度は次のような定義により決定される。即ち、 類似度０は、｜Ｘｉ* −Ｘｉ｜＝０ （ｉ＝１，
２，・・・，ｎ） 類似度１は、｜Ｘｉ* −Ｘｉ｜≦ｑXi （ｉ＝１，
２，・・・，ｎ） 類似度２は、｜Ｘｉ* −Ｘｉ｜≦ｑXi＋１（ｉ＝１，
２，・・・，ｎ） 類似度３は、｜Ｘｉ* −Ｘｉ｜≦ｑXi＋２（ｉ＝１，
２，・・・，ｎ） のように定義する。ここで、ｑXiはしきい値と呼ばれ、
既存事例データから、Ｙ（既存事例の結論部）の許容精
度に対するＸｉ（既存事例の条件部）の分散により決定
したデジット値である。
事例に対する既存事例の類似度を類似度決定手段３１に
より決定する（この類似度とは、位相における近傍系と
いう概念に相応する）。新事例に対する既存事例の類似
度は次のような定義により決定される。即ち、 類似度０は、｜Ｘｉ* −Ｘｉ｜＝０ （ｉ＝１，
２，・・・，ｎ） 類似度１は、｜Ｘｉ* −Ｘｉ｜≦ｑXi （ｉ＝１，
２，・・・，ｎ） 類似度２は、｜Ｘｉ* −Ｘｉ｜≦ｑXi＋１（ｉ＝１，
２，・・・，ｎ） 類似度３は、｜Ｘｉ* −Ｘｉ｜≦ｑXi＋２（ｉ＝１，
２，・・・，ｎ） のように定義する。ここで、ｑXiはしきい値と呼ばれ、
既存事例データから、Ｙ（既存事例の結論部）の許容精
度に対するＸｉ（既存事例の条件部）の分散により決定
したデジット値である。
【００１６】次に、類似事例検索手段３２により既存事
例の中から新事例に対する類似事例を検索する。新事例
に対する類似度が高い順に、最適事例の既存事例を類似
事例として抽出する。この最適事例数は、例えば既存事
例によるシミュレーションから最も推論が良くなる事例
数を選択する。同一類似度の既存事例が最適事例数より
多く存在する場合は、各変数ＸｉがＹに与える影響度、
即ち相関係数ＲXiの大小によって各変数に優先度を設定
して抽出する。
例の中から新事例に対する類似事例を検索する。新事例
に対する類似度が高い順に、最適事例の既存事例を類似
事例として抽出する。この最適事例数は、例えば既存事
例によるシミュレーションから最も推論が良くなる事例
数を選択する。同一類似度の既存事例が最適事例数より
多く存在する場合は、各変数ＸｉがＹに与える影響度、
即ち相関係数ＲXiの大小によって各変数に優先度を設定
して抽出する。
【００１７】次に、重要度決定手段３３により、新事例
に対する類似事例の重要度を決定する。入力空間に距離
を定義して事例間の位相を考慮する。ここでは例として
（２）式に示すような距離Ｌを導入する。
に対する類似事例の重要度を決定する。入力空間に距離
を定義して事例間の位相を考慮する。ここでは例として
（２）式に示すような距離Ｌを導入する。
【００１８】
【数２】
【００１９】ここで、Φｉは変数Ｘｉにおける距離の重
みである。そして抽出されたｍ個の類似事例の推論時の
重要度Ｗｊを（３）式を用いて定義する。即ち、
みである。そして抽出されたｍ個の類似事例の推論時の
重要度Ｗｊを（３）式を用いて定義する。即ち、
【００２０】
【数３】
【００２１】なお図６は、このような類似事例の重要
度、即ち類似事例の重み付け前後の状況を説明する説明
図である。事例統合手段３４は、こうして抽出された最
適事例数ｍ個の類似事例を用い、新事例Ｘｉ* （ｉ＝
１，２，・・・，ｎ）に対する推論値Ｙ* を（４）式を
用いて計算し統合化する。
度、即ち類似事例の重み付け前後の状況を説明する説明
図である。事例統合手段３４は、こうして抽出された最
適事例数ｍ個の類似事例を用い、新事例Ｘｉ* （ｉ＝
１，２，・・・，ｎ）に対する推論値Ｙ* を（４）式を
用いて計算し統合化する。
【００２２】
【数４】
【００２３】ここで、Ｌijはｉ番目の事例のｊ入力変数
軸上での入力データからの距離、ｙｉはｉ番目の類似既
存事例の結論値、ΔＹ／ΔＸｊはｉ番目の類似既存事例
のｊ番目の変動が結論値に与える変動の割合をそれぞれ
示している。
軸上での入力データからの距離、ｙｉはｉ番目の類似既
存事例の結論値、ΔＹ／ΔＸｊはｉ番目の類似既存事例
のｊ番目の変動が結論値に与える変動の割合をそれぞれ
示している。
【００２４】次に推論結果の信憑性判定を信憑性計算手
段２６の計算結果に基づいて行う。即ち、推論に使用さ
れた類似事例の新事例に対する類似度を用い、推論結果
に対する信憑性を判定する。例えば、推論に用いられた
類似事例の新事例に対する類似度の中で、最も高い類似
度がこの推論結果に対する信憑性であると定義すると、
最も高い類似度が「１」である推論結果は、信憑性が
「１」であると判定される。この場合、信憑性「０」が
最も信憑度が高く、数字が大きくなるにつれ信憑度が低
くなる。出力手段３６は、こうして得られた推論結果
（新事例の結論部、即ち推定蒸気量）及びその信憑性を
出力すると共に、この際に推論に使用した類似事例を出
力することもできる。
段２６の計算結果に基づいて行う。即ち、推論に使用さ
れた類似事例の新事例に対する類似度を用い、推論結果
に対する信憑性を判定する。例えば、推論に用いられた
類似事例の新事例に対する類似度の中で、最も高い類似
度がこの推論結果に対する信憑性であると定義すると、
最も高い類似度が「１」である推論結果は、信憑性が
「１」であると判定される。この場合、信憑性「０」が
最も信憑度が高く、数字が大きくなるにつれ信憑度が低
くなる。出力手段３６は、こうして得られた推論結果
（新事例の結論部、即ち推定蒸気量）及びその信憑性を
出力すると共に、この際に推論に使用した類似事例を出
力することもできる。
【００２５】このように入出力関係モデリング手段１に
より、入出力変数の時系列履歴データから得られる入出
力関係の組のデータを象徴化した事例を生成し入出力関
係モデルを生成すると共に、推論手段３は、新たな入力
変数を入力した場合に、生成された過去の入出力関係モ
デルとの距離や類似性の近さから出力変数である蒸気量
を推論するようにしたものである。
より、入出力変数の時系列履歴データから得られる入出
力関係の組のデータを象徴化した事例を生成し入出力関
係モデルを生成すると共に、推論手段３は、新たな入力
変数を入力した場合に、生成された過去の入出力関係モ
デルとの距離や類似性の近さから出力変数である蒸気量
を推論するようにしたものである。
【００２６】なお、本実施例では、入出力関係の遅れ時
間を考慮しないため同一時刻に得られた履歴データから
入出力関係モデルを生成すると共に、この場合の入力空
間の離散化数を「３０」として設定した。また、上記の
性能劣化指標生成手段５において用いられ冷凍機の入出
力関係モデルを示す性能劣化診断モデルは、１時間のデ
ータを１組のデータとして扱い、また最適運転情報生成
手段６において用いられ上記入出力関係モデルである冷
凍機の最適運転情報モデルは、３０分のデータを１組の
データとして扱った。これは、それぞれの目的に応じて
処理を行なうタイミングが異なるためである。また、こ
れらモデリング用のデータは１９９２年６月の第２〜第
３週の実際稼働している冷凍機から計測されたデータと
外気温の実測値データの半分を用いて行ない、他の半分
のデータは生成された入出力関係モデルを検証するため
に使用した。
間を考慮しないため同一時刻に得られた履歴データから
入出力関係モデルを生成すると共に、この場合の入力空
間の離散化数を「３０」として設定した。また、上記の
性能劣化指標生成手段５において用いられ冷凍機の入出
力関係モデルを示す性能劣化診断モデルは、１時間のデ
ータを１組のデータとして扱い、また最適運転情報生成
手段６において用いられ上記入出力関係モデルである冷
凍機の最適運転情報モデルは、３０分のデータを１組の
データとして扱った。これは、それぞれの目的に応じて
処理を行なうタイミングが異なるためである。また、こ
れらモデリング用のデータは１９９２年６月の第２〜第
３週の実際稼働している冷凍機から計測されたデータと
外気温の実測値データの半分を用いて行ない、他の半分
のデータは生成された入出力関係モデルを検証するため
に使用した。
【００２７】ここで、実際に冷凍機の性能劣化診断およ
び最適運転情報の各入出力関係モデルを生成し推論手段
３により検証データを用いて推定を行なった結果をそれ
ぞれ図４、図５に示す。なお、図中、実線は実測値、点
線はモデルによる推定値を表す。即ち、図４に示す性能
劣化診断モデル推定結果によれば、誤差（｜実測値ー推
定値｜／実測値）は約４％であり、また図５の最適運転
情報モデル推定結果によれば、誤差は約７％となり、回
帰モデル等の数式モデルを用いた推定結果の誤差約２５
％に対しはるかに高精度の推定結果が得られる。
び最適運転情報の各入出力関係モデルを生成し推論手段
３により検証データを用いて推定を行なった結果をそれ
ぞれ図４、図５に示す。なお、図中、実線は実測値、点
線はモデルによる推定値を表す。即ち、図４に示す性能
劣化診断モデル推定結果によれば、誤差（｜実測値ー推
定値｜／実測値）は約４％であり、また図５の最適運転
情報モデル推定結果によれば、誤差は約７％となり、回
帰モデル等の数式モデルを用いた推定結果の誤差約２５
％に対しはるかに高精度の推定結果が得られる。
【００２８】次に、これらのモデルを用いて冷凍機の性
能劣化指標を生成する性能劣化指標生成手段５及び冷凍
機の最適運転情報を生成する最適運転情報生成手段６に
ついて説明する。まず、性能劣化指標生成手段５から説
明する。性能劣化指標生成手段５は、上記の入出力関係
モデルを使用して、冷凍機の性能維持、保全のためのメ
ンテナンス時期の指標を生成する。この指標の生成は、
メンテナンスを行なった時期のモデルを作成し、同一の
システムの状態に対する現在の蒸気量がメンテナンス当
初の値に対しどれだけエネルギーロスをしているかによ
りメンテナンス時期の判定を行なう。図７は、このよう
な保守時期の指標の生成状況を示す図である。ここで重
要なことはシステムの同一の状態を識別できることで、
これは、上記した推論手段３における類似度により判定
が可能となっている。
能劣化指標を生成する性能劣化指標生成手段５及び冷凍
機の最適運転情報を生成する最適運転情報生成手段６に
ついて説明する。まず、性能劣化指標生成手段５から説
明する。性能劣化指標生成手段５は、上記の入出力関係
モデルを使用して、冷凍機の性能維持、保全のためのメ
ンテナンス時期の指標を生成する。この指標の生成は、
メンテナンスを行なった時期のモデルを作成し、同一の
システムの状態に対する現在の蒸気量がメンテナンス当
初の値に対しどれだけエネルギーロスをしているかによ
りメンテナンス時期の判定を行なう。図７は、このよう
な保守時期の指標の生成状況を示す図である。ここで重
要なことはシステムの同一の状態を識別できることで、
これは、上記した推論手段３における類似度により判定
が可能となっている。
【００２９】次に最適運転情報生成手段６は、地域冷暖
房システムまたは、その他冷凍機を含むシステムにおい
て最適運転を行なうために必要な情報を提示する例とし
て運転コストを最小にする最適運転情報を生成する。こ
の場合、上記の入出力関係モデルを用いれば入力状況に
他の予測モデルによる予測値またはオペレータによる予
測値を設定することで蒸気量を推定できる。或いは、冷
凍機の入出力関係モデル自身に遅れ時間を考慮して現在
の入力状況に対する予測を行うようにしても良い。なお
図８はこのような最適運転情報の生成状況を示す図であ
る。
房システムまたは、その他冷凍機を含むシステムにおい
て最適運転を行なうために必要な情報を提示する例とし
て運転コストを最小にする最適運転情報を生成する。こ
の場合、上記の入出力関係モデルを用いれば入力状況に
他の予測モデルによる予測値またはオペレータによる予
測値を設定することで蒸気量を推定できる。或いは、冷
凍機の入出力関係モデル自身に遅れ時間を考慮して現在
の入力状況に対する予測を行うようにしても良い。なお
図８はこのような最適運転情報の生成状況を示す図であ
る。
【００３０】このように、外気温度、冷水入口温度、再
生器出口温度、冷媒蒸発器出口温度を入力変数として同
時に考慮し蒸気量を推定するモデルを生成し推定を行う
ようにすれば、正確な冷凍機の特性把握が可能となる。
したがって、正確な性能劣化指標を与えることが可能と
なり、この結果適切な時期に冷凍機の保守作業を行うこ
とができるため冷凍機の稼働時期である夏期に保守作業
を行なわなくてよく、また稼働時期における故障を避け
ることができる。また、地域冷暖房システムなど冷凍機
を含むシステムにおいて、最適運転を行なうために必要
な情報を与えることが可能となり、システム稼働コスト
の削減、稼働エネルギーの低減及びシステムを構成する
各機器の負荷を平準化できる。
生器出口温度、冷媒蒸発器出口温度を入力変数として同
時に考慮し蒸気量を推定するモデルを生成し推定を行う
ようにすれば、正確な冷凍機の特性把握が可能となる。
したがって、正確な性能劣化指標を与えることが可能と
なり、この結果適切な時期に冷凍機の保守作業を行うこ
とができるため冷凍機の稼働時期である夏期に保守作業
を行なわなくてよく、また稼働時期における故障を避け
ることができる。また、地域冷暖房システムなど冷凍機
を含むシステムにおいて、最適運転を行なうために必要
な情報を与えることが可能となり、システム稼働コスト
の削減、稼働エネルギーの低減及びシステムを構成する
各機器の負荷を平準化できる。
【００３１】
【発明の効果】以上説明したように、本発明は、冷凍機
の外部状態である外気温度及び冷凍機の内部状態である
冷水入口温度等の入力変数と出力変数である蒸気量とを
関連づけてモデルの作成を行うと共に、新たな入力状況
に対してはこの生成されたモデルに基づき蒸気量を推定
し、かつ推定された蒸気量から冷凍機の性能劣化の指標
及び最適運転情報を生成するようにしたので、冷凍機を
用いたシステムの状況が動的に様々に変化する場合に、
冷凍機に与える蒸気量を正確に推定することができ、従
って冷凍機の適切な保守時期及び最適な運転情報を得る
ことができる。
の外部状態である外気温度及び冷凍機の内部状態である
冷水入口温度等の入力変数と出力変数である蒸気量とを
関連づけてモデルの作成を行うと共に、新たな入力状況
に対してはこの生成されたモデルに基づき蒸気量を推定
し、かつ推定された蒸気量から冷凍機の性能劣化の指標
及び最適運転情報を生成するようにしたので、冷凍機を
用いたシステムの状況が動的に様々に変化する場合に、
冷凍機に与える蒸気量を正確に推定することができ、従
って冷凍機の適切な保守時期及び最適な運転情報を得る
ことができる。
【図１】本発明に係る冷凍機の稼働エネルギー量推定装
置の一実施例を示す機能ブロック図である。
置の一実施例を示す機能ブロック図である。
【図２】上記装置内の推論手段の機能ブロック図であ
る。
る。
【図３】上記冷凍機の構成を示す図である。
【図４】上記装置で用いられる性能劣化診断モデルに基
づく推定結果を示すグラフである。
づく推定結果を示すグラフである。
【図５】上記装置で用いられる最適運転情報モデルに基
づく推定結果を示すグラフである。
づく推定結果を示すグラフである。
【図６】上記推論手段において類似事例の重要度の計算
による重み付け状況を示す図である。
による重み付け状況を示す図である。
【図７】上記装置内の性能劣化指標生成手段による性能
劣化指標の生成状況を示す図である。
劣化指標の生成状況を示す図である。
【図８】上記装置内の最適運転情報生成手段による最適
運転情報の生成状況を示す図である。
運転情報の生成状況を示す図である。
１ 入出力関係モデリング手段 ２ 入出力関係モデル記憶部 ３ 推論手段 ４ 推定蒸気量記憶部 ５ 性能劣化指標生成手段 ６ 最適運転情報生成手段 ３１ 類似度決定手段 ３２ 類似事例検索手段 ３３ 重要度決定手段 ３４ 事例統合手段 ３５ 信憑性計算手段 ３６ 出力手段
Claims (1)
- 【請求項１】 冷凍機の外部状態である外気温度，冷凍
機の内部状態である冷水入口温度，再生器の出口温度，
及び冷媒蒸発器の出口温度をそれぞれ入力変数とし，こ
れら入力変数の状態と冷凍機を稼働するに要する蒸気量
とを関連づけてモデルを生成する入出力関係モデリング
手段と、生成されたモデルを用い新たな入力状況に対す
る蒸気量を推定する推論手段と、推定された蒸気量から
冷凍機の保守作業を行なうための性能劣化の指標を生成
する手段と、前記推定蒸気量から冷凍機を含むシステム
における最適運転情報を生成する手段とを備えたことを
特徴とする冷凍機の稼働エネルギー量推定装置。
Priority Applications (5)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| JP5090423A JP3028390B2 (ja) | 1993-03-26 | 1993-03-26 | 冷凍機の稼働エネルギー量推定装置 |
| US08/109,179 US5918200A (en) | 1992-08-31 | 1993-08-19 | State estimating apparatus |
| DE69328956T DE69328956T2 (de) | 1992-08-31 | 1993-08-25 | Anlage zum Schätzen des Zustands eines Systems auf der Grundlage von aufgezeichneten Eingabe-Ausgabedaten für das System |
| EP93113564A EP0590305B1 (en) | 1992-08-31 | 1993-08-25 | State estimating apparatus of a system on the basis of recorded input/output data for the system |
| CN93118822A CN1047011C (zh) | 1992-08-31 | 1993-08-31 | 状态测定装置 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| JP5090423A JP3028390B2 (ja) | 1993-03-26 | 1993-03-26 | 冷凍機の稼働エネルギー量推定装置 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| JPH06281302A true JPH06281302A (ja) | 1994-10-07 |
| JP3028390B2 JP3028390B2 (ja) | 2000-04-04 |
Family
ID=13998203
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| JP5090423A Expired - Fee Related JP3028390B2 (ja) | 1992-08-31 | 1993-03-26 | 冷凍機の稼働エネルギー量推定装置 |
Country Status (1)
| Country | Link |
|---|---|
| JP (1) | JP3028390B2 (ja) |
Cited By (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| WO1996020438A1 (fr) * | 1994-12-28 | 1996-07-04 | Omron Corporation | Procede et systeme d'inference mettant en ÷uvre un modele hierarchique et procede et systeme de gestion associes |
| JPH09244705A (ja) * | 1996-03-13 | 1997-09-19 | Hitachi Ltd | 制御モデル構築支援装置および方法 |
| JP2007264796A (ja) * | 2006-03-27 | 2007-10-11 | Hitachi Ltd | プラント制御方法及びプラント制御装置 |
| JP2012079304A (ja) * | 2010-09-30 | 2012-04-19 | General Electric Co <Ge> | 発電プラント性能を予測する方法およびシステム |
| JP2015124987A (ja) * | 2013-12-27 | 2015-07-06 | アズビル株式会社 | 冷凍機性能評価装置および方法 |
| JP2016035372A (ja) * | 2014-08-04 | 2016-03-17 | 富士電機株式会社 | 蒸気配管の熱損失計測システム、その演算装置 |
| JP2021165607A (ja) * | 2020-04-07 | 2021-10-14 | 川重冷熱工業株式会社 | 吸収式冷温水機の性能診断方法 |
Citations (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JPH03100704A (ja) * | 1989-09-13 | 1991-04-25 | Yokogawa Electric Corp | プロセス制御装置 |
| JPH049556A (ja) * | 1990-04-26 | 1992-01-14 | Sanyo Electric Co Ltd | 吸収冷凍機の制御装置 |
-
1993
- 1993-03-26 JP JP5090423A patent/JP3028390B2/ja not_active Expired - Fee Related
Patent Citations (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JPH03100704A (ja) * | 1989-09-13 | 1991-04-25 | Yokogawa Electric Corp | プロセス制御装置 |
| JPH049556A (ja) * | 1990-04-26 | 1992-01-14 | Sanyo Electric Co Ltd | 吸収冷凍機の制御装置 |
Cited By (8)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| WO1996020438A1 (fr) * | 1994-12-28 | 1996-07-04 | Omron Corporation | Procede et systeme d'inference mettant en ÷uvre un modele hierarchique et procede et systeme de gestion associes |
| JPH09244705A (ja) * | 1996-03-13 | 1997-09-19 | Hitachi Ltd | 制御モデル構築支援装置および方法 |
| JP2007264796A (ja) * | 2006-03-27 | 2007-10-11 | Hitachi Ltd | プラント制御方法及びプラント制御装置 |
| JP4585983B2 (ja) * | 2006-03-27 | 2010-11-24 | 株式会社日立製作所 | プラント制御方法及びプラント制御装置 |
| JP2012079304A (ja) * | 2010-09-30 | 2012-04-19 | General Electric Co <Ge> | 発電プラント性能を予測する方法およびシステム |
| JP2015124987A (ja) * | 2013-12-27 | 2015-07-06 | アズビル株式会社 | 冷凍機性能評価装置および方法 |
| JP2016035372A (ja) * | 2014-08-04 | 2016-03-17 | 富士電機株式会社 | 蒸気配管の熱損失計測システム、その演算装置 |
| JP2021165607A (ja) * | 2020-04-07 | 2021-10-14 | 川重冷熱工業株式会社 | 吸収式冷温水機の性能診断方法 |
Also Published As
| Publication number | Publication date |
|---|---|
| JP3028390B2 (ja) | 2000-04-04 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| US20230371213A1 (en) | Data-analysis-based energy-saving control method for precision air conditioner in cloud computing data center | |
| He et al. | Fault detection and diagnosis of chiller using Bayesian network classifier with probabilistic boundary | |
| Swider et al. | Modelling of vapour-compression liquid chillers with neural networks | |
| CN111898833B (zh) | 多备件预防性更换策略方法、系统、介质、计算机设备 | |
| US5918200A (en) | State estimating apparatus | |
| Chow et al. | Global optimization of absorption chiller system by genetic algorithm and neural network | |
| US7730020B2 (en) | Diagnosis of equipment failures using an integrated approach of case based reasoning and reliability analysis | |
| CN110425694B (zh) | 基于phm的高铁智能车站暖通空调能效控制管理方法 | |
| US20200218208A1 (en) | Building management system with efficient model generation for system identification | |
| US20060144057A1 (en) | Key performance index calculation and real-time condition monitoring methods for heat exchanger | |
| US20150269293A1 (en) | Diagnostic model generating apparatus and method, and abnormality diagnostic apparatus | |
| US20210018016A1 (en) | Deep learning-based cooling system temperature prediction apparatus according to physical causality and method therefor | |
| JPH1144449A (ja) | 屋外熱交換器コイルを監視するためのシステム | |
| KR19990006753A (ko) | 냉각 회로에서의 냉매 충전량을 모니터링하는 방법 | |
| JPH06281302A (ja) | 冷凍機の稼働エネルギー量推定装置 | |
| CN108304350A (zh) | 基于大数据集近邻策略的风机指标预测与故障预警方法 | |
| Lei et al. | Machine learning based refrigerant leak diagnosis for a vehicle heat pump system | |
| Rossi et al. | Minimizing operating costs of vapor compression equipment with optimal service scheduling | |
| Kim et al. | Fuzzy modeling approach for transient vapor compression and expansion cycle simulation | |
| Dorn | Temporal reasoning in sequence graphs | |
| Lemma | A hybrid approach for power plant fault diagnostics | |
| US20210298202A1 (en) | Optimal control logic in liquid cooling solution for heterogeneous computing | |
| CN106055882B (zh) | 水冷螺杆热泵机组选型计算方法及装置 | |
| CN105069305B (zh) | 挂壁式空调系统可靠性评估方法 | |
| Twiddle et al. | Fuzzy model-based condition monitoring and fault diagnosis of a diesel engine cooling system |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| FPAY | Renewal fee payment (event date is renewal date of database) |
Free format text: PAYMENT UNTIL: 20080204 Year of fee payment: 8 |
|
| FPAY | Renewal fee payment (event date is renewal date of database) |
Free format text: PAYMENT UNTIL: 20090204 Year of fee payment: 9 |
|
| FPAY | Renewal fee payment (event date is renewal date of database) |
Free format text: PAYMENT UNTIL: 20100204 Year of fee payment: 10 |
|
| FPAY | Renewal fee payment (event date is renewal date of database) |
Free format text: PAYMENT UNTIL: 20100204 Year of fee payment: 10 |
|
| FPAY | Renewal fee payment (event date is renewal date of database) |
Free format text: PAYMENT UNTIL: 20110204 Year of fee payment: 11 |
|
| FPAY | Renewal fee payment (event date is renewal date of database) |
Free format text: PAYMENT UNTIL: 20120204 Year of fee payment: 12 |
|
| FPAY | Renewal fee payment (event date is renewal date of database) |
Free format text: PAYMENT UNTIL: 20130204 Year of fee payment: 13 |
|
| LAPS | Cancellation because of no payment of annual fees |