JPWO2015004742A1 - 熱負荷予測装置、配信システム、熱負荷予測方法及びプログラム - Google Patents

Abstract

熱負荷予測装置（１０）は、熱負荷算出部（１３０）と、運転実績データ処理部（１４０）と、モデル補正モジュール（１５０）とを有している。熱負荷算出部（１３０）は、空調対象の空間に関する環境条件と、この空間の熱負荷との関係を規定する熱負荷モデル（１３１）を用いて、環境条件の実測値から熱負荷の値を算出する。また、運転実績データ処理部（１４０）は、空調システム（４２）の運転の状況に基づいて、熱負荷を測定する。また、モデル補正モジュール（１５０）は、熱負荷算出部（１３０）によって算出された熱負荷の値と、運転実績データ処理部（１４０）によって測定された熱負荷の値とを比較することにより、熱負荷モデル（１３１）を補正する。そして、熱負荷算出部（１３０）は、モデル補正モジュール（１５０）によって補正された熱負荷モデル（１３１）を用いて、環境条件の予測値から熱負荷の値を予測する。

Description

本発明は、熱負荷予測装置、配信システム、熱負荷予測方法及びプログラムに関する。

近年、ビルディング等の施設において空調にかかるコストを節約するための技術が注目されている。例えば、施設に設置された空調設備を、空調対象となる空間の熱負荷に応じて制御することで、空調設備の消費エネルギーを削減することができる。また、電気料金が安い夜間等に蓄えた熱を利用して、日中に空調を行う蓄熱空調方式が知られている。

空調対象となる空間の熱負荷は、外気温等の影響により変動する。このため、蓄熱空調方式を用いる場合には、空調対象となる空間の熱負荷を予測して、予測した熱負荷に応じた熱量を蓄える必要があった。そこで、外気温の予測値等に基づいて熱負荷を予測する技術が提案されている（例えば、特許文献１を参照）。

特許文献１に記載のシステムは、ニューラルネットワークを用いて、外気温の予測値等から翌日の熱負荷を予測する。また、このシステムは、前日に予測された熱負荷の予測値と、当日の熱負荷の実績値とを比較したときの誤差に基づいて、ニューラルネットワークのパラメータを修正する。これにより、建築物の特性に適した予測をすることができる。

特開平８−３５７０６号公報

しかしながら、特許文献１に記載のシステムによって予測された熱負荷の予測値には、外気温等の予測誤差に起因する誤差と、ニューラルネットワークのパラメータの値に起因する誤差との双方が含まれる。このため、外気温等の予測誤差の値によっては、ニューラルネットワークのパラメータを適切に修正することができないおそれがあった。ひいては、熱負荷を正確に予測することが困難となるおそれがあった。

本発明は、上記の事情に鑑みてなされたもので、熱負荷を正確に予測することを目的とする。

上記目的を達成するため、本発明の熱負荷予測装置は、
空調対象の空間に関する環境条件と前記空間の熱負荷との関係を規定するモデルを用いて、前記環境条件の実測値から前記空間の熱負荷の値を算出する熱負荷算出手段と、
前記空間における空気の状態を調節する空調設備の運転の状況に基づいて、前記空間の熱負荷を測定する熱負荷測定手段と、
前記熱負荷算出手段によって算出された熱負荷の値と、前記熱負荷測定手段によって測定された熱負荷の値とを比較することにより、前記モデルを補正するモデル補正手段と、
前記モデル補正手段によって補正された前記モデルを用いて、前記環境条件の予測値から前記空間の熱負荷の値を予測する熱負荷予測手段と、
を備える。

本発明によれば、環境条件の予測値に含まれる予測誤差に関わらず、モデルを補正することができる。これにより、熱負荷を正確に予測することができる。

実施の形態１に係る配信システムの構成を示す図である。 熱負荷予測装置の機能の構成を示すブロック図である。 プロセッサによって実行される一連の処理を示すフローチャートである。 熱負荷予測値の算出処理を示すフローチャートである。 気象予測データ、運用データ、及び熱負荷予測値の推移を示す図である。 熱負荷実績値の測定処理を示すフローチャートである。 熱負荷再計算値の算出処理を示すフローチャートである。 気象実測データ、運転実績データ、運用データ及び熱負荷再計算値の推移を示す図である。 モデル誤差と環境条件の値の推移を示す図である。 実施の形態２に係る配信システムの構成を示す図である。 熱負荷予測装置の機能の構成を示すブロック図である。 プロセッサによって実行される一連の処理を示すフローチャートである。 気象データ処理を示すフローチャートである。 他の実施の形態に係る配信システムの構成を示す図である。 他の実施の形態に係る熱負荷予測装置を示す図である。

以下、本発明の実施形態を、図面を参照しつつ詳細に説明する。

実施の形態１．
図１には、本実施の形態に係る配信システム１００の構成が示されている。配信システム１００は、毎日、ビルディングＢ１、Ｂ２内の空間４３、４６各々の翌日における熱負荷を予測して配信するシステムである。以下では、ビルディングＢ１、Ｂ２を単にビルＢ１、Ｂ２という。

配信システム１００は、熱負荷予測装置１０、気象情報サーバ２０、ビル情報サーバ３０、ビルＢ１に設置されたＢＥＭＳ（Building Energy Management System）４１及び空調システム４２、並びにビルＢ２に設置されたＢＥＭＳ４４及び空調システム４５を有している。ＢＥＭＳ４１、４４はいずれも、ネットワークＮＷを介して熱負荷予測装置１０に接続されている。

熱負荷予測装置１０は、ビルＢ１、Ｂ２の設備を集中管理する設備管理会社のセンターサーバに搭載される。熱負荷予測装置１０は、プロセッサ１１、主記憶部１２、補助記憶部１３、入力部１４、出力部１５、及びインタフェース部１６を有している。主記憶部１２、補助記憶部１３、入力部１４、出力部１５、及びインタフェース部１６はいずれも、内部バス１７を介してプロセッサ１１に接続されている。

プロセッサ１１は、例えばＣＰＵ（Central Processing Unit）等から構成される。プロセッサ１１は、補助記憶部１３に記憶されるプログラム１８を実行することにより、後述の処理を実行する。なお、プロセッサ１１によって実行される処理には、熱負荷の予測が含まれる。

主記憶部１２は、例えばＲＡＭ（Random Access Memory）等から構成される。主記憶部１２は、補助記憶部１３からプログラム１８をロードする。そして、主記憶部１２は、プロセッサ１１の作業領域として用いられる。

補助記憶部１３は、例えばフラッシュメモリ等の不揮発性メモリを含んで構成される。補助記憶部１３は、プログラム１８の他に、プロセッサ１１の処理に用いられる種々のデータを記憶している。そして、補助記憶部１３は、プロセッサ１１の指示に従って、プロセッサ１１が利用するデータをプロセッサ１１へ供給し、プロセッサ１１から供給されたデータを記憶する。

入力部１４は、熱負荷予測装置１０のユーザが情報を入力するためのキーボード及びポインティングデバイス等から構成される。入力部１４は、ユーザによって入力された情報を取得して、プロセッサ１１に通知する。また、出力部１５は、ユーザに対して情報を提示するためのＬＣＤ（Liquid Crystal Display）及びスピーカ等から構成される。出力部１５は、プロセッサ１１の指示に従って、所定の文字や図形をユーザに対して表示する。

インタフェース部１６は、例えばパケット通信を行うための通信インタフェース等から構成される。インタフェース部１６は、気象情報サーバ２０、ビル情報サーバ３０、及びネットワークＮＷに接続されている。

インタフェース部１６は、熱負荷の予測に必要な情報を気象情報サーバ２０及びビル情報サーバ３０から取得して、プロセッサ１１へ通知する。そして、インタフェース部１６は、プロセッサ１１によって予測された熱負荷の値を、ネットワークＮＷを介してＢＥＭＳ４１、４４へ配信する。

以下では、ＢＥＭＳ４１、４４各々へ配信される熱負荷の値を、熱負荷予測値Ｄ１という。なお、ＢＥＭＳ４１へ配信される熱負荷予測値Ｄ１は、ＢＥＭＳ４４へ配信される熱負荷予測値Ｄ１と異なる値となる。

また、インタフェース部１６は、毎晩、その日における空調システム４２、４５の運転の状況に関する記録を、ＢＥＭＳ４１、４４から取得して、プロセッサ１１へ通知する。以下では、インタフェース部１６がＢＥＭＳ４１、４４から取得する記録を、運転実績データＤ２という。

気象情報サーバ２０は、例えば、気象情報を提供するサービスを事業とする会社によって運営されるサーバである。気象情報サーバ２０は、気象実測データＤ２１及び気象予測データＤ２２を記憶する。

気象実測データＤ２１は、所定の観測点において実測された気象条件の実測値の推移を示す。また、気象予測データＤ２２は、所定の観測点における気象条件について、翌日の予測値（予報値）の推移を示す。所定の観測点は、例えば、ビルＢ１、Ｂ２双方の所在地を含む地域を代表する地点である。また、気象条件は、例えば、外気温、日射量、風向及び風速、並びに天候（晴天、曇天又は雨天等）を含む条件である。

ビル情報サーバ３０は、例えば、設備管理会社が熱負荷予測装置１０とともに運営するサーバである。ビル情報サーバ３０は、構造データＤ３１及び運用データＤ３２を記憶する。

構造データＤ３１は、ビルＢ１、Ｂ２の構造に関する条件を示す。ビルＢ１、Ｂ２の構造に関する条件には、例えば、空間４３、４６の周囲の断熱構造を示す情報（例えば空間４３、４６の天井、壁及び床を形成する部材の熱伝達率）、及び空間４３、４６に設置された窓の面積が含まれる。

運用データＤ３２は、空間４３、４６の運用に関する条件を示す時系列データである。運用データＤ３２には、例えば、空間４３、４６に在室する人の数（以下、在室人数という）の推移、目標値として設定される空間４３、４６の室温（以下、設定温度という）の推移、空間４３、４６に設置されている照明機器の点灯／消灯の推移、及び空間４３、４６に設置されているその他の機器の運転モードの推移が含まれる。運用データＤ３２は、設備管理会社によって適宜変更される。例えば、設備管理会社は、年に一度、運用データＤ３２を見直して、実態に即した内容に変更する。

ＢＥＭＳ４１、４４各々は、熱負荷予測値Ｄ１に基づいて、空調システム４２、４５各々を制御して、効率的に動作させるコンピュータである。ＢＥＭＳ４１、４４は、毎日、所定の運用時間帯において空調システム４２、４５を制御する。運用時間帯は、空間４３、４６が運用される時間帯であって、例えば、８時から１８時までである。また、ＢＥＭＳ４１、４４は、運転実績データＤ２を生成して、熱負荷予測装置１０へ出力する。

空調システム４２、４５各々は、ビルＢ１、Ｂ２に設置された室外機及び室内機等の空調設備を含んで構成される。空調システム４２、４５各々は、ＢＥＭＳ４１、４４の指示に従って、空間４３、４６各々における空気の状態を調節する。この空気の状態には、温度及び湿度が含まれる。

図２には、熱負荷予測装置１０の機能の構成が示されている。図２に示されるように、熱負荷予測装置１０は、気象実測データ処理部１１０、入力情報処理部１２０、熱負荷算出部１３０、運転実績データ処理部１４０、及びモデル補正モジュール１５０を有している。なお、図２ではＢＥＭＳ４４等が省略され、空間４３の熱負荷の予測に関する熱負荷予測装置１０の機能が示されている。

気象実測データ処理部１１０、入力情報処理部１２０、熱負荷算出部１３０、及び運転実績データ処理部１４０各々は、主としてプロセッサ１１及びインタフェース部１６によって実現される。

気象実測データ処理部１１０は、気象情報サーバ２０から気象実測データＤ２１を取得する。また、気象実測データ処理部１１０は、取得した気象実測データＤ２１の形式を、入力情報処理部１２０による処理に適した形式に変換する。そして、気象実測データ処理部１１０は、形式が変換された気象実測データＤ２１を、入力情報処理部１２０へ出力する。

入力情報処理部１２０は、気象実測データ処理部１１０から気象実測データＤ２１を取得する。また、入力情報処理部１２０は、気象情報サーバ２０から気象予測データＤ２２を取得し、ビル情報サーバ３０から構造データＤ３１及び運用データＤ３２を取得する。また、入力情報処理部１２０は、運転実績データ処理部１４０から運転実績データＤ５を取得する。

入力情報処理部１２０は、取得したデータの形式を、熱負荷算出部１３０による熱負荷の算出に適した形式に変換する。そして、入力情報処理部１２０は、気象実測データＤ２１及び気象予測データＤ２２のいずれか一方と、構造データＤ３１と、運用データＤ３２と、運転実績データＤ５とを、熱負荷算出部１３０へ出力する。

また、入力情報処理部１２０は、取得したデータの形式を、モデル補正モジュール１５０のモデル評価部１５３による処理に適した形式に変換する。そして、入力情報処理部１２０は、取得したデータをモデル補正モジュール１５０の誤差データ蓄積部１５２へ出力する。

熱負荷算出部１３０は、熱負荷モデル１３１を有している。熱負荷モデル１３１は、空間４３の環境条件と空間４３の熱負荷との関係を、パラメータを用いて規定するモデルである。空間４３の環境条件には、気象条件、ビルＢ１の構造に関する条件、及び空間４３の運用に関する条件が含まれる。

環境条件の値は、入力情報処理部１２０から出力されるデータに含まれている。本実施の形態に係る熱負荷モデル１３１は、このデータから、単位時間あたりの熱負荷の平均値を算出するための数理モデルである。単位時間は、例えば３０分間であって、熱負荷モデル１３１は次式（１）で示される。

Ｑ（ｔ）＝Ｑｅｘ（ｔ）＋Ｑｉｎ（ｔ）＋Ｃ ・・・（１）

ただし、Ｑ（ｔ）は、空間４３の熱負荷を示し、Ｑｅｘ（ｔ）は、外気温及び設定温度により定まる熱負荷の成分を示し、Ｑｉｎ（ｔ）は、空間４３内の状況により定まる熱負荷の成分を示す。また、式（１）中のｔは単位時間の開始時刻を表し、Ｑ（ｔ）、Ｑｅｘ（ｔ）及びＱｉｎ（ｔ）各々は、単位時間における熱負荷等の平均値を表す。

例えば、１３時００分から１３時３０分までの３０分間における熱負荷の平均値は、Ｑ（１３：００）＝Ｑｅｘ（１３：００）＋Ｑｉｎ（１３：００）＋Ｃと表される。また、Ｑ（９：００）＝１０［ｋＷ］という等式は、９時００分から９時３０分までの３０分間における空間４３の熱負荷の平均値が１０ｋＷであることを意味する。

また、式（１）中のＣは、空調設備の設置条件及びビルＢ１の所在地に応じて設定される補正パラメータ（オフセット値）である。Ｑｅｘ（ｔ）＋Ｑｉｎ（ｔ）の値は、空調設備の設置条件及びビルＢ１の所在地に応じて、空間４３の熱負荷の値から正・負いずれかの方向へずれてしまう場合がある。このずれは、例えば、ビルＢ１の所在地が、気象実測データＤ２１及び気象予測データＤ２２を得るための観測点から離れるほど大きくなると考えられる。補正パラメータＣは、このようなずれを調整するために用いられる。

また、式（１）中のＱｅｘ（ｔ）は、例えば、次式（２）で示される。

Ｑｅｘ（ｔ）＝Ｋａ・Ｋｂ・Ｋｃ・Ｒ１・（Ｔｏ−Ｔｒ） ・・・（２）

式（２）中のＫａ、Ｋｂ、Ｋｃ及びＲ１は、熱負荷モデル１３１のパラメータに相当する。Ｋａは、例えば、空間４３に対応する調整係数であって、運転実績データＤ５に基づいて設定される。また、Ｋｂ、Ｋｃ各々は、例えば、天候及び風向・風速等の気象条件各々に応じて適用される係数であって、気象実測データＤ２１及び気象予測データＤ２２に基づいて設定される。また、Ｒ１は、例えば、ビルＢ１の断熱構造や窓面積等の構造条件に応じて設定される熱負荷の基準値（Ｔｏ−Ｔｒ＝１［℃］あたりの熱負荷相当値）であって、構造データＤ３１を用いた演算に基づいて設定される。

また、式（２）中のＴｏは、時刻ｔにおける外気温（℃）を意味する。Ｔｏの値は、気象実測データＤ２１及び気象予測データＤ２２に含まれる。また、Ｔｒは、空間４３の設定温度（℃）を意味する。Ｔｒの値は、運用データＤ３２及び運転実績データＤ５に含まれる。

また、式（１）中のＱｉｎ（ｔ）は、例えば次式（３）で示される。

Ｑｉｎ（ｔ）＝ＱＰ（ｔ）＋ＱＬ（ｔ）＋ＱＫ（ｔ） ・・・（３）

ここで、ＱＰ（ｔ）は、人体の発熱による熱負荷を意味する。また、ＱＬ（ｔ）は、照明機器の発熱による熱負荷を意味し、ＱＫ（ｔ）は、他の機器の発熱による熱負荷を意味する。ＱＰ（ｔ）、ＱＬ（ｔ）及びＱＫ（ｔ）各々は、所定のパラメータを用いて、運用データＤ３２に基づいて算出される。なお、ＱＰ（ｔ）、ＱＬ（ｔ）及びＱＫ（ｔ）はいずれも、Ｑ（ｔ）と同様に、開始時刻をｔとする単位時間における平均値を表す。

熱負荷算出部１３０は、気象予測データＤ２２を含むデータを入力情報処理部１２０から取得した場合に、熱負荷予測値Ｄ１を算出してＢＥＭＳ４１へ出力する。また、熱負荷算出部１３０は、気象実測データＤ２１を含むデータを取得した場合には、熱負荷モデル１３１を用いて空間４３の熱負荷の値を改めて算出することとなる。熱負荷算出部１３０は、改めて算出したこの値を、熱負荷再計算値Ｄ３としてモデル補正モジュール１５０へ出力する。

運転実績データ処理部１４０は、運転実績データＤ２をＢＥＭＳ４１から取得する。運転実績データＤ２には、例えば、空調システム４２の消費電力、空調システム４２の運転能力（ｋＷ）、空調システム４２の運転モード（冷房・暖房等）、目標値として設定された空間４３の設定温度、室内機が吸い込んだ空気の温度、室外機を構成する圧縮機の回転周波数、及び室外機が吹き出した空気の温度が含まれる。

運転実績データ処理部１４０は、運転実績データＤ２に基づく演算により、空間４３の熱負荷の実績値を測定して、熱負荷実績値Ｄ４としてモデル補正モジュール１５０へ出力する。また、運転実績データ処理部１４０は、設定温度を含むデータを、運転実績データＤ５として入力情報処理部１２０へ出力する。

モデル補正モジュール１５０は、熱負荷モデル１３１を補正するためのモジュールである。モデル補正モジュール１５０は、誤差算出部１５１、誤差データ蓄積部１５２、及びモデル評価部１５３を有している。

誤差算出部１５１は、主としてプロセッサ１１によって実現される。誤差算出部１５１は、熱負荷再計算値Ｄ３と熱負荷実績値Ｄ４とを比較して、これらの値の差を、熱負荷モデル１３１のモデル誤差として算出する。そして、誤差算出部１５１は、このモデル誤差を示す誤差データＤ６を、誤差データ蓄積部１５２へ出力する。なお、モデル誤差は、熱負荷モデル１３１を用いて算出される熱負荷の値に含まれる誤差であって、熱負荷モデル１３１のパラメータの値に起因する誤差を意味する。

誤差データ蓄積部１５２は、主として補助記憶部１３によって実現される。誤差データ蓄積部１５２は、誤差算出部１５１から誤差データＤ６を取得して蓄積する。また、誤差データ蓄積部１５２は、入力情報処理部１２０から、環境条件の値を示すデータを取得して蓄積する。

モデル評価部１５３は、主としてプロセッサ１１によって実現される。モデル評価部１５３は、所定のタイミングで、誤差データ蓄積部１５２に蓄積された誤差データＤ６を分析することにより、熱負荷モデル１３１を評価する。そして、モデル評価部１５３は、モデル誤差を生じさせる要因となった環境条件を特定して、熱負荷モデル１３１のパラメータを更新する。

続いて、熱負荷予測装置１０によって実行される一連の処理について、図３〜９を用いて説明する。図３に示される一連の処理は、熱負荷予測装置１０の電源が投入されることで開始する。

図３に示されるように、プロセッサ１１は、まず、熱負荷予測値Ｄ１の算出処理を実行する（ステップＳ１）。この熱負荷予測値Ｄ１の算出処理について、図４を用いて詳細に説明する。

図４に示されるように、熱負荷予測値Ｄ１の算出処理において、まず、入力情報処理部１２０は、環境条件の予測値を示すデータを取得する（ステップＳ１１）。具体的には、入力情報処理部１２０は、気象予測データＤ２２、構造データＤ３１、運用データＤ３２及び運転実績データＤ５を、環境条件の予測値を示すデータとして取得する。

次に、入力情報処理部１２０は、取得したデータを処理する（ステップＳ１２）。これにより、データの形式が、熱負荷の算出に適したものに変換される。例えば、翌日の０時から２４時までの予測値を示す気象予測データＤ２２から、運用時間帯における予測値の推移が切り出される。

次に、熱負荷算出部１３０は、熱負荷モデル１３１を用いて熱負荷予測値Ｄ１を算出する（ステップＳ１３）。これにより、運用時間帯における熱負荷予測値Ｄ１が単位時間毎に算出される。

図５には、気象予測データＤ２２及び運用データＤ３２の時系列データと、これらの時系列データから算出される熱負荷予測値Ｄ１の推移の例が示されている。なお、各時刻に対応する値は、この時刻を開始時刻とする単位時間における平均値を示す。例えば、８時３０分から９時００分までの３０分間における外気温の予測値は、「３０℃」である。また、曇り又は晴れ等の天候を示すデータは、例えばゼロ又は１等の値に変換されている。

次に、熱負荷算出部１３０は、算出した熱負荷予測値Ｄ１の推移を、ＢＥＭＳ４１へ出力する（ステップＳ１４）。その後、プロセッサ１１は、熱負荷予測値Ｄ１の算出処理を終了する。

図３に戻り、プロセッサ１１は、熱負荷予測値Ｄ１の算出処理（ステップＳ１）に続いて、日付が変更されたか否かを判定する（ステップＳ２）。日付が変更されていないと判定された場合（ステップＳ２；ＮＯ）、プロセッサ１１は、ステップＳ２の判定を繰り返す。

一方、日付が変更されたと判定された場合（ステップＳ２；ＹＥＳ）、プロセッサ１１は、空間４３の運用の終了時刻を経過したか否かを判定する（ステップＳ３）。具体的には、プロセッサ１１は、１８時を経過したか否かを判定する。終了時刻を経過していないと判定された場合（ステップＳ３；ＮＯ）、プロセッサ１１は、ステップＳ３の判定を繰り返すことにより、終了時刻まで待機することとなる。

プロセッサ１１が待機している間に、ＢＥＭＳ４１、４４は、熱負荷予測値Ｄ１に基づいて空調システム４２、４５を制御する。これにより、空調システム４２、４５が、運用時間帯に空間４３、４６内の空気の状態を適切に調節することとなる。

一方、終了時刻を経過したと判定された場合（ステップＳ３；ＹＥＳ）、プロセッサ１１は、熱負荷実績値Ｄ４の測定処理を実行する（ステップＳ４）。この熱負荷実績値Ｄ４の測定処理について、図６を用いて詳細に説明する。

図６に示されるように、熱負荷実績値Ｄ４の測定処理において、まず、運転実績データ処理部１４０は、運転実績データＤ２を取得する（ステップＳ４１）。

次に、運転実績データ処理部１４０は、運転実績データＤ２に含まれる情報から、熱負荷実績値Ｄ４を算出する（ステップＳ４２）。具体的には、運転実績データ処理部１４０は、空調システム４２、４５の消費電力、空調システム４２、４５の運転モード、及び設定温度等に基づいて、運用時間帯における空間４３の熱負荷の値を単位時間毎に推定する。これにより、空調システム４２、４５によって実際に処理された熱負荷が測定されることとなる。

次に、運転実績データ処理部１４０は、測定した熱負荷実績値Ｄ４を誤差算出部１５１へ出力する（ステップＳ４３）。その後、運転実績データ処理部１４０は、熱負荷実績値Ｄ４の算出処理を終了する。

図３に戻り、プロセッサ１１は、熱負荷実績値Ｄ４の算出処理（ステップＳ４）に続いて、熱負荷再計算値Ｄ３の算出処理を実行する（ステップＳ５）。この熱負荷再計算値Ｄ３の算出処理について、図７を用いて詳細に説明する。

図７に示されるように、熱負荷再計算値Ｄ３の算出処理において、まず、入力情報処理部１２０は、環境条件の実測値を示すデータを取得する（ステップＳ５１）。具体的には、入力情報処理部１２０は、気象実測データＤ２１、構造データＤ３１、運用データＤ３２、及び運転実績データＤ５を、環境条件の実測値を示すデータとして取得する。

次に、入力情報処理部１２０は、取得したデータを処理する（ステップＳ５２）。これにより、データの形式が、熱負荷の算出に適したものに変換される。例えば、当日の０時以降に実測された値を示す気象実測データＤ２１から、運用時間帯における実測値の推移が切り出される。

ただし、入力情報処理部１２０は、熱負荷の算出に必要なデータが不足しているときに、取得可能なデータを適宜組み合わせる。例えば、熱負荷再計算値Ｄ３を算出するための設定温度の実測値として、運転実績データＤ５に含まれる設定温度の値が用いられる。しかしながら、通信エラー等により、設定温度の推移の一部が、運転実績データＤ５に含まれていない場合がある。この場合に、入力情報処理部１２０は、運用データＤ３２に含まれる設定温度の推移を運転実績データＤ５にマージする。これにより、熱負荷の算出に必要な環境条件の実測値が補完される。

次に、熱負荷算出部１３０は、熱負荷モデル１３１を用いて熱負荷再計算値Ｄ３を算出する（ステップＳ５３）。これにより、運用時間帯における熱負荷再計算値Ｄ３が単位時間毎に算出される。

図８には、気象実測データＤ２１、運転実績データＤ５の「設定温度」及び運用データＤ３２の「在室人数」の時系列データと、これらの時系列データから算出される熱負荷再計算値Ｄ３の推移が例示されている。なお、図５に示された値と異なる値には、下線が付されている。

次に、熱負荷算出部１３０は、算出した熱負荷再計算値Ｄ３の推移を、誤差算出部１５１へ出力する（ステップＳ５４）。その後、プロセッサ１１は、熱負荷再計算値Ｄ３の算出処理を終了する。

図３に戻り、熱負荷再計算値Ｄ３の算出処理（ステップＳ５）に続いて、誤差算出部１５１は、熱負荷実績値Ｄ４と熱負荷再計算値Ｄ３とを比較して、モデル誤差を算出する（ステップＳ６）。具体的には、プロセッサ１１は、図８に示される熱負荷再計算値Ｄ３から、熱負荷実績値Ｄ４を単位時間毎に減算することにより、モデル誤差の推移を算出する。

次に、誤差データ蓄積部１５２は、誤差算出部１５１から単位時間毎に算出された誤差データＤ６を順次蓄積する（ステップＳ７）。誤差データ蓄積部１５２に蓄積された誤差データＤ６は、熱負荷モデル１３１のモデル誤差を時系列で表すデータ群となる。

次に、プロセッサ１１は、現在の日付がモデル補正日に該当するか否かを判定する（ステップＳ８）。モデル補正日は、例えば週に一度の所定の曜日（例えば日曜日）である。モデル補正日は、熱負荷モデル１３１を補正する日としてあらかじめ設定される。モデル補正日に該当しないと判定された場合（ステップＳ８；ＮＯ）、プロセッサ１１は、ステップＳ１以降の処理を繰り返す。

一方、モデル補正日に該当すると判定された場合（ステップＳ８；ＹＥＳ）、モデル評価部１５３は、蓄積された誤差データＤ６を分析する（ステップＳ９）。具体的には、モデル評価部１５３は、所定の期間に渡って蓄積されたモデル誤差の時系列データと環境条件の時系列データとの相関分析を含む統計解析を行う。この所定の期間は、例えば１日間である。

なお、環境条件の実測値及び予測値の双方が利用可能であるときには、モデル評価部１５３は、実測値を優先的に用いて統計解析を行う。例えば、誤差データ蓄積部１５２は、外気温の実測値及び予測値の双方を記憶している。そこで、モデル評価部１５３は、外気温の予測値を用いることなく、実測値を用いて統計解析を行う。

図９には、ある日の運用時間帯におけるモデル誤差の時系列データ、及び各環境条件の時系列データが示されている。図９中の線Ｌ１は、モデル誤差の推移を示す。また、線Ｌ２は外気温の実測値の推移を示し、線Ｌ３は在室人数の推移を示し、線Ｌ４は風速の実測値の推移を示し、線Ｌ５は当日に設定された設定温度の推移を示す。

また、線Ｌ６は日射量の推移を示す。日射量が少ない時間帯は雨天時に対応し、日射量が多い時間帯は晴天時に対応し、日射量が中程度の時間帯は曇天時に対応する。また、図９の縦軸は、以下の説明において線Ｌ１〜Ｌ６を容易に比較可能となるように、スケーリングされている。

図９に示されるように、モデル誤差の値（線Ｌ１）と、外気温の実測値（線Ｌ２）との間には、強い相関関係がある。このため、モデル評価部１５３がモデル誤差と各環境条件との相関値を算出すると、外気温の実測値についての相関値が最大となる。そこで、モデル評価部１５３は、外気温を、モデル誤差が生じる要因となった環境条件として特定する。

また、図９に示される例において、外気温の実測値以外の環境条件（線Ｌ３〜Ｌ６）はいずれも、モデル誤差との相関値が低いため、モデル誤差を生じさせた要因として特定されることはない。

次に、モデル評価部１５３は、モデル誤差が小さくなるように、熱負荷モデル１３１のパラメータを、あらかじめ定められたステップ幅で更新する（ステップＳ１０）。図９に示される例では、モデル評価部１５３は、外気温と熱負荷との関係を規定するためのパラメータＫａ、Ｋｂ、Ｋｃ、Ｒ１、Ｃを更新する。パラメータの値は、例えばニュートン法を含む反復法等の数値解析手法によって、逐次的に更新されることとなる。

その後、プロセッサ１１は、ステップＳ１以降の処理を繰り返す。これにより、モデル補正モジュール１５０によって補正された熱負荷モデル１３１を用いて、熱負荷予測値Ｄ１の算出処理（ステップＳ１）が実行されることとなる。

以上説明したように、本実施形態に係る熱負荷予測装置１０は、熱負荷再計算値Ｄ３と熱負荷実績値Ｄ４からモデル誤差を算出し、このモデル誤差に基づいて熱負荷モデル１３１を補正する。これにより、環境条件の予測値に含まれる予測誤差を排除して熱負荷モデル１３１のパラメータを更新することができる。ひいては、熱負荷を正確に予測することができる。

また、熱負荷モデル１３１を補正することで、熱負荷モデル１３１のパラメータの値を空間４３に適したものとすることができる。同様に、空間４６に適したモデルを生成することもできる。これにより、種々雑多な環境にある空間の熱負荷を、高い予測精度で予測可能なモデルを得ることができる。さらに、予測精度が高くなるため、例えばオフィスビルに設置された空調設備の運転能力を、熱負荷予測値Ｄ１に応じて制限することで、空調設備を省電力で効率的に運転することが可能となる。

また、モデル評価部１５３は、モデル誤差と各環境条件との相関値を算出し、相関値が大きい環境条件を、モデル誤差が生じる要因として特定した。そして、モデル評価部１５３は、特定した環境条件と熱負荷との関係を規定するパラメータを更新した。これにより、モデル誤差が生じる要因となった環境条件を明確にして、熱負荷モデル１３１を効率よく補正することができる。

実施の形態２．
続いて、実施の形態２について、上述の実施の形態１との相違点を中心に説明する。なお、上記実施の形態１と同一又は同等の構成については、同等の符号を用いるとともに、その説明を省略又は簡略する。

本実施の形態に係る配信システム１００は、図１０に示されるように、センサ６１、６２を備える点で、実施の形態１に係るものと異なっている。

センサ６１、６２各々は、例えば、温度センサ、湿度センサ、照度センサ、雨量センサ、風向センサ及び風速センサを含んで構成される。センサ６１、６２各々は、ビルＢ１、Ｂ２各々の所在地における気象条件の値を計測して、計測の結果をＢＥＭＳ４１、４４各々へ出力する。

図１１には、熱負荷予測装置１０の機能の構成が示されている。熱負荷予測装置１０は、図１１に示されるように、気象計測データ収集部１６０、気象データ蓄積部１７０、及び気象データ評価部１８０を有している。

気象計測データ収集部１６０は、主として補助記憶部１３及びインタフェース部１６によって実現される。気象計測データ収集部１６０は、センサ６１、６２による計測の結果を、ＢＥＭＳ４１、４４を介して収集し、気象計測データＤ２３として管理する。そして、気象計測データ収集部１６０は、気象計測データＤ２３を気象データ蓄積部１７０へ出力する。

気象データ蓄積部１７０は、主として補助記憶部１３及びインタフェース部１６によって実現される。気象データ蓄積部１７０は、気象情報サーバ２０から気象実測データＤ２１及び気象予測データＤ２２を取得して蓄積する。また、気象データ蓄積部１７０は、気象計測データ収集部１６０から気象計測データＤ２３を取得して蓄積する。

気象データ評価部１８０は、主としてプロセッサ１１によって実現される。気象データ評価部１８０は、気象実測データＤ２１、気象予測データＤ２２、及び気象計測データＤ２３を互いに比較して分析することにより、これらのデータを評価する。そして、気象データ評価部１８０は、分析の結果に基づいて、気象予測データＤ２２を補正して、入力情報処理部１２０へ出力する。また、気象データ評価部１８０は、分析の結果に基づいて、熱負荷モデル１３１を補正する。

本実施の形態に係る気象実測データ処理部１１０は、気象データ蓄積部１７０から気象実測データＤ２１を取得する。また、本実施の形態に係る入力情報処理部１２０は、気象データ評価部１８０から気象予測データＤ２２を取得する。

続いて、熱負荷予測装置１０によって実行される一連の処理について、図１２、１３を用いて説明する。

図１２に示されるように、プロセッサ１１は、まず、気象データ処理を実行する（ステップＳ２０）。この気象データ処理について、図１３を用いて詳細に説明する。

図１３に示されるように、気象データ処理において、まず、気象データ評価部１８０は、気象実測データＤ２１、気象予測データＤ２２及び気象計測データＤ２３を取得する（ステップＳ２０１）。

次に、気象データ評価部１８０は、気象実測データＤ２１と気象計測データＤ２３とを比較して分析する（ステップＳ２０２）。具体的には、気象データ評価部１８０は、観測点において実測された気象条件の値を示す気象実測データＤ２１と、センサ６１の計測結果を示す気象計測データＤ２３とを、単位時間毎に比較する。

これにより、気象データ評価部１８０は、例えば、観測点における気温より、ビルＢ１の所在地における気温の方が、相対的に高くなる頻度を求めることができる。同様に、気象データ評価部１８０は、観測点における日射量より、ビルＢ１の所在地における日射量が少ない頻度等を求めることができる。

次に、気象データ評価部１８０は、気象実測データＤ２１と気象予測データＤ２２とを比較して分析する（ステップＳ２０３）。具体的には、気象データ評価部１８０は、所定の期間に渡って、気象予測データＤ２２の天候及び外気温の的中率及び予測誤差の大きさ（誤差分散）等を求める。この所定の期間は、例えば１ヶ月間である。

次に、気象データ評価部１８０は、ステップＳ２０２、Ｓ２０３の結果から、気象予測データＤ２２を補正する（ステップＳ２０４）。

例えば、気象計測データＤ２３に含まれる外気温の計測値が、気象実測データＤ２１に含まれる実測値より１℃だけ高くなる傾向が強い場合には、気象実測データＤ２１の観測点よりもビルＢ１の所在地の方が、外気温が高くなる傾向があると考えられる。この場合に、気象データ評価部１８０は、気象予測データＤ２２に含まれる外気温の予測値を、１℃だけ低い値に補正する。

また、気象予測データＤ２２に含まれる外気温の予測値が、気象実測データＤ２１に含まれる値より１℃だけ高くなる傾向が強い場合に、気象データ評価部１８０は、気象予測データＤ２２に含まれる外気温の予測値を、１℃だけ低い値に補正する。

次に、気象データ評価部１８０は、ステップＳ２０３の結果から、熱負荷モデル１３１を補正する（ステップＳ２０５）。具体的には、気象データ評価部１８０は、ステップＳ２０３の結果から、熱負荷予測値Ｄ１の出力に対するマージン（許容量）を設定する。例えば、気象データ評価部１８０は、気象予測データＤ２２に含まれる予測誤差が大きい場合に、熱負荷モデル１３１のオフセット値Ｃを大きくする。これにより、空調設備の省電力化を担保することができる。

次に、気象データ評価部１８０は、値が補正された気象予測データＤ２２を、入力情報処理部１２０へ出力する（ステップＳ２０６）。その後、気象データ評価部１８０は、気象データ処理を終了する。

図１２に戻り、プロセッサ１１は、気象データ処理（ステップＳ２０）に続いて、実施の形態１に係るステップＳ１以降の処理と同様の処理を実行する。

以上説明したように、本実施の形態に係る熱負荷予測装置１０は、気象実測データＤ２１と気象計測データＤ２３とを比較して分析した。そして、熱負荷予測装置１０は、分析の結果に基づいて、気象予測データＤ２２を補正した。これにより、観測点における気象条件とビルＢ１の所在地における気象条件との差異を明らかにして、ビルＢ１の所在地における気象条件の正確な予測値を得ることができる。

また、熱負荷予測装置１０は、気象実測データＤ２１と気象予測データＤ２２とを比較して分析した。そして、熱負荷予測装置１０は、分析の結果に基づいて、気象予測データＤ２２を補正した。これにより、ビルＢ１の所在地における気象条件の正確な予測値を得ることができる。また、熱負荷予測装置１０は、分析の結果に基づいて熱負荷モデル１３１を補正した。これにより、気象条件の予測の的中率に応じて、空調設備を省電力で運転するための熱負荷モデル１３１を得ることができる。

以上、本発明の実施形態について説明したが、本発明は上記実施形態によって限定されるものではない。

例えば、上記実施の形態において実行される一連の処理は、図３、１２に示されるように、１日を周期として繰り返された。しかしながら、この周期は任意である。例えば、空調システム４２、４５の運転プログラムの更新周期、又は、ＢＥＭＳ４１、４４が管理される周期を、一連の処理を繰り返すための周期としてもよい。

また、ステップＳ９（図３、１２参照）において、時系列データの各サンプル値を等価なものとして扱ったが、これには限定されない。例えば、１日のうちの時間帯を区切って、時間帯毎に統計分析を行ってもよい。また、天候（雨天、曇天、晴天）毎に、その天候のときのデータを抽出した上で統計解析を行ってもよい。

また、ステップＳ９では、所定のステップ幅でパラメータの値が更新されたが、これには限定されない。例えば、モデル誤差の値が最小となるようにパラメータの値を更新してもよい。具体的には、モデル誤差の期待値が最小となるように、パラメータの値を最尤推定等の統計的手法により推定してもよい。

また、上記実施の形態に係る熱負荷予測装置１０は、ＢＥＭＳ４１、４４に接続されたが、これには限定されない。例えば、熱負荷予測装置１０は、空調システム４２、４５を制御するＥＭＳ（Energy Management System）と接続されてもよい。また、熱負荷予測装置Ｄ１は、図１４に示されるように、空調システム４２と直接接続されてもよい。図１４に示される例では、熱負荷予測装置１０によって予測された熱負荷予測値Ｄ１は、空調システム４２に含まれ、室内機及び室外機等を制御する空調制御装置へ配信されることとなる。

また、上記実施の形態に係る熱負荷予測装置１０は、配信システム１００を構成したが、これには限定されない。例えば、図１５に示されるように、ビルＢ１に設置されていてもよい。ビルＢ１に設置された熱負荷予測装置１０は、ビルＢ１内の空間４３の熱負荷を予測することとなる。

また、上記実施の形態１に係る熱負荷予測装置１０は、週に一度の頻度で熱負荷モデル１３１を補正したが、これには限定されない。例えば、運用時間帯におけるモデル誤差の平均値が閾値より大きくなった場合に、熱負荷モデル１３１を補正してもよい。

また、上記実施の形態に係る誤差データ蓄積部１５２は、誤差データＤ６及び入力情報処理部１２０から出力されたデータを蓄積したが、これには限定されない。例えば、誤差データ蓄積部１５２は、さらに熱負荷予測値Ｄ１、熱負荷再計算値Ｄ３、及び熱負荷実績値Ｄ４を蓄積してもよい。熱負荷再計算値Ｄ３及び熱負荷実績値Ｄ４を蓄積する場合には、モデル誤差の大きさを正規化した上で分析することが可能になる。

また、上記実施の形態に係る式（２）中のＲ１は、構造データＤ３１を用いた演算に基づいて設定されたが、運転実績データＤ５に基づいて設定されてもよい。

また、上記実施の形態に係る運用データＤ３２は、設定温度の予測値に相当するデータを含み、運転実績データＤ５は、設定温度の実測値に相当するデータを含んでいた。そして、設定温度以外のデータについては、運用データＤ３２及び運転実績データＤ５は、同種のデータを含んでいなかった。しかしながら、これには限定されない。

例えば、運用データＤ３２は、気象条件以外の複数の環境条件の予測値を含み、運転実績データＤ５は、気象条件以外の複数の環境条件の実測値を含んでもよい。この場合には、熱負荷モデル１３１を、より正確に補正することが可能となる。

上述の実施形態に係る熱負荷予測装置１０の機能は、専用のハードウェアによっても、また、通常のコンピュータシステムによっても実現することができる。

例えば、補助記憶部１３に記憶されているプログラム１８を、フレキシブルディスク、ＣＤ−ＲＯＭ（Compact Disk Read-Only Memory）、ＤＶＤ（Digital Versatile Disk）、ＭＯ（Magneto-Optical disk）等のコンピュータ読み取り可能な記録媒体に格納して配布し、そのプログラム１８をコンピュータにインストールすることにより、上述の処理を実行する装置を構成することができる。

また、プログラム１８をインターネット等の通信ネットワーク上の所定のサーバ装置が有するディスク装置等に格納しておき、例えば、搬送波に重畳させて、コンピュータにダウンロード等するようにしてもよい。

また、インターネット等のネットワークを介してプログラム１８を転送しながら起動実行することによっても、上述の処理を達成することができる。

更に、プログラム１８の全部又は一部をサーバ装置上で実行させ、その処理に関する情報をコンピュータが通信ネットワークを介して送受信しながらプログラム１８を実行することによっても、上述の処理を達成することができる。

なお、上述の機能を、ＯＳ（Operating System）が分担して実現する場合又はＯＳとアプリケーションとの協働により実現する場合等には、ＯＳ以外の部分のみを媒体に格納して配布してもよく、また、コンピュータにダウンロード等してもよい。

また、熱負荷予測装置１０の機能を実現する手段は、ソフトウェアに限られず、その一部又は全部を専用のハードウェア（回路等）によって実現してもよい。

本発明は、本発明の広義の精神と範囲を逸脱することなく、様々な実施の形態及び変形が可能とされるものである。また、上述した実施の形態は、本発明を説明するためのものであり、本発明の範囲を限定するものではない。つまり、本発明の範囲は、実施の形態ではなく、請求の範囲によって示される。そして、請求の範囲内及びそれと同等の発明の意義の範囲内で施される様々な変形が、本発明の範囲内とみなされる。

本発明の熱負荷予測装置、配信システム、熱負荷予測方法及びプログラムは、空調対象となる空間の熱負荷の予測に適している。

１００ 配信システム、 １０ 熱負荷予測装置、 １１ プロセッサ、 １２ 主記憶部、 １３ 補助記憶部、 １４ 入力部、 １５ 出力部、 １６ インタフェース部、 １７ 内部バス、 １８ プログラム、 １１０ 気象実測データ処理部、 １２０ 入力情報処理部、 １３０ 熱負荷算出部、 １３１ 熱負荷モデル、 １４０ 運転実績データ処理部、 １５０ モデル補正モジュール、 １５１ 誤差算出部、 １５２ 誤差データ蓄積部、 １５３ モデル評価部、 １６０ 気象計測データ収集部、 １７０ 気象データ蓄積部、 １８０ 気象データ評価部、 ２０ 気象情報サーバ、 ３０ ビル情報サーバ、 ４１、４４ ＢＥＭＳ、 ４２、４５ 空調システム、 ４３、４６ 空間、 ６１、６２ センサ、 Ｂ１、Ｂ２ ビル、 Ｄ１ 熱負荷予測値、 Ｄ２、Ｄ５ 運転実績データ、 Ｄ３ 熱負荷再計算値、 Ｄ４ 熱負荷実績値、 Ｄ６ 誤差データ、 Ｄ２１ 気象実測データ、 Ｄ２２ 気象予測データ、 Ｄ２３ 気象計測データ、 Ｄ３１ 構造データ、 Ｄ３２ 運用データ、 Ｌ１〜Ｌ６ 線、 ＮＷ ネットワーク。

上記目的を達成するため、本発明の熱負荷予測装置は、
空調対象の空間に関する環境条件と前記空間の熱負荷との関係を規定するモデルを用いて、前記環境条件の予測値から前記空間の熱負荷の値を予測する熱負荷予測手段と、
前記熱負荷予測手段による熱負荷の値の予測に用いられた前記モデルを用いて、前記環境条件の実測値から前記空間の熱負荷の値を算出する熱負荷算出手段と、
前記空間における空気の状態を調節する空調設備の運転の実績に基づいて、前記空間の熱負荷を測定する熱負荷測定手段と、
前記熱負荷算出手段によって算出された熱負荷の値と、前記熱負荷測定手段によって測定された熱負荷の値とを比較することにより、前記モデルを補正するモデル補正手段と、を備え、
前記熱負荷予測手段は、前記モデル補正手段によって補正された前記モデルを用いて、前記環境条件の新たな予測値から前記空間の熱負荷の値を予測する。

Claims (10)

1. 空調対象の空間に関する環境条件と前記空間の熱負荷との関係を規定するモデルを用いて、前記環境条件の実測値から前記空間の熱負荷の値を算出する熱負荷算出手段と、
   前記空間における空気の状態を調節する空調設備の運転の状況に基づいて、前記空間の熱負荷を測定する熱負荷測定手段と、
   前記熱負荷算出手段によって算出された熱負荷の値と、前記熱負荷測定手段によって測定された熱負荷の値とを比較することにより、前記モデルを補正するモデル補正手段と、
   前記モデル補正手段によって補正された前記モデルを用いて、前記環境条件の予測値から前記空間の熱負荷の値を予測する熱負荷予測手段と、
   を備える熱負荷予測装置。
2. 前記モデル補正手段は、
   前記熱負荷算出手段によって算出された熱負荷の値と、前記熱負荷測定手段によって測定された熱負荷の値との差を、前記モデルにより生じた誤差として順次記憶する記憶手段、を有し、
   前記記憶手段に記憶された誤差についての統計解析に基づいて、前記モデルを補正する、
   請求項１に記載の熱負荷予測装置。
3. 前記モデルは、複数の前記環境条件と前記空間の熱負荷との関係を、パラメータを用いて規定し、
   前記モデル補正手段は、
   前記記憶手段に記憶された誤差との相関値が最も大きい前記環境条件と、前記空間の熱負荷との関係を規定するためのパラメータを、前記モデルにより生じる誤差が小さくなるように更新する、
   請求項２に記載の熱負荷予測装置。
4. 複数の前記環境条件は、
   気象条件及び前記空間の運用に関する条件の少なくとも一方を含む、
   請求項３に記載の熱負荷予測装置。
5. 前記環境条件の実測値及び予測値を蓄積する蓄積手段と、
   前記蓄積手段に蓄積された実測値と予測値とを比較することにより、前記環境条件の予測値を補正する第１予測値補正手段と、
   を備え、
   前記熱負荷予測手段は、
   前記第１予測値補正手段によって補正された予測値から、前記空間の熱負荷の値を予測する、
   請求項１乃至４のいずれか一項に記載の熱負荷予測装置。
6. 前記空間の所在地を含む地域において実測された気象条件の実測値を、前記環境条件の実測値として取得する実測値取得手段と、
   前記地域における気象条件の予測値を、前記環境条件の予測値として取得する予測値取得手段と、
   前記空間の所在地において計測された気象条件の計測値を取得する計測値取得手段と、
   前記実測値取得手段によって取得された実測値と、前記計測値取得手段によって取得された計測値とを比較することにより、前記予測値取得手段によって取得された予測値を補正する第２予測値補正手段と、
   を備え、
   前記熱負荷予測手段は、
   前記第２予測値補正手段によって補正された予測値から、熱負荷の値を予測する、
   請求項１乃至５のいずれか一項に記載の熱負荷予測装置。
7. 前記熱負荷算出手段は、
   熱負荷の値を算出するための前記環境条件の実測値が不足している場合に、前記環境条件の予測値を用いて前記環境条件の実測値を補完する、
   請求項１乃至６のいずれか一項に記載の熱負荷予測装置。
8. 請求項１乃至７のいずれか一項に記載の熱負荷予測装置と、
   前記熱負荷予測装置によって予測された熱負荷の値を、熱負荷の値が予測された空間における空気の状態を調節する空調設備を制御する制御装置へ配信する配信手段と、
   を備える配信システム。
9. 空調対象の空間に関する環境条件と前記空間の熱負荷との関係を規定するモデルを用いて、前記環境条件の実測値から前記空間の熱負荷の値を算出する熱負荷算出ステップと、
   前記空間における空気の状態を調節する空調設備の運転の状況に基づいて、前記空間の熱負荷を測定する熱負荷測定ステップと、
   前記熱負荷算出ステップにおいて算出された熱負荷の値と、前記熱負荷測定ステップにおいて測定された熱負荷の値とを比較することにより、前記モデルを補正する補正ステップと、
   前記補正ステップにおいて補正された前記モデルを用いて、前記環境条件の予測値から前記空間の熱負荷の値を予測する熱負荷予測ステップと、
   を含む熱負荷予測方法。
10. コンピュータを、
    空調対象の空間に関する環境条件と前記空間の熱負荷との関係を規定するモデルを用いて、前記環境条件の実測値から前記空間の熱負荷の値を算出する熱負荷算出手段、
    前記空間における空気の状態を調節する空調設備の運転の状況に基づいて、前記空間の熱負荷を測定する熱負荷測定手段、
    前記熱負荷算出手段によって算出された熱負荷の値と、前記熱負荷測定手段によって測定された熱負荷の値とを比較することにより、前記モデルを補正する補正手段、
    前記補正手段によって補正された前記モデルを用いて、前記環境条件の予測値から前記空間の熱負荷の値を予測する熱負荷予測手段、
    として機能させるためのプログラム。

Images