JPWO2021229768A5 - - Google Patents
Download PDFInfo
- Publication number
- JPWO2021229768A5 JPWO2021229768A5 JP2022522449A JP2022522449A JPWO2021229768A5 JP WO2021229768 A5 JPWO2021229768 A5 JP WO2021229768A5 JP 2022522449 A JP2022522449 A JP 2022522449A JP 2022522449 A JP2022522449 A JP 2022522449A JP WO2021229768 A5 JPWO2021229768 A5 JP WO2021229768A5
- Authority
- JP
- Japan
- Prior art keywords
- parameter
- model
- estimates
- air conditioning
- learning
- 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
- 238000004378 air conditioning Methods 0.000 claims 12
- 238000012423 maintenance Methods 0.000 claims 4
Images
Claims (5)
- 少なくとも1つのエアフィルタを含む空調システムのメンテナンスを学習する学習装置であって、
第1学習データ、第2学習データ、第3学習データを取得する第1データ取得部と、
前記第1学習データ、前記第2学習データ、および前記第3学習データを用いて、第1モデル、第2モデル、および第3モデルの各々を学習済みモデルとするモデル生成部とを備え、
前記第1学習データは、前記少なくとも1つのエアフィルタの目詰まり度合いを表す第1パラメータと、前記空調システムの空調強度に関する第2パラメータと、前記第2パラメータの運転を行う場合の前記第1パラメータに起因する前記空調システムの電力コストの増加量を表す第3パラメータとを含み、
前記第2学習データは、第1日時を表す第4パラメータと、前記第1日時において想定される前記空調システムの空調強度に関する第5パラメータとを含み、
前記第3学習データは、第2日時に表す第6パラメータと、前記第2日時における前記少なくとも1つのエアフィルタのメンテナンスコストを表す第7パラメータとを含み、
前記第1モデルは、前記第1パラメータおよび前記第2パラメータから、前記第3パラメータを推定し、
前記第2モデルは、前記第4パラメータから前記第5パラメータを推定し、
前記第3モデルは、前記第6パラメータから前記第7パラメータを推定する、学習装置。 - 前記第1データ取得部によって取得される前記第3パラメータ、前記第5パラメータ、および前記第7パラメータの各々は、正解データであり、
前記モデル生成部は、前記第1モデル、前記第2モデル、および前記第3モデルの各々に対して教師あり学習を行う、請求項1に記載の学習装置。 - 前記第1パラメータ、前記第2パラメータ、前記第4パラメータ、および前記第6パラメータを取得する第2データ取得部と、
請求項1または2に記載の学習装置によって生成された学習済みの前記第1モデル、学習済みの前記第2モデル、および学習済みの前記第3モデルを用いる推論部とを備え、
前記推論部は、学習済みの前記第1モデルを用いて前記第2データ取得部によって取得された前記第1パラメータおよび前記第2パラメータから前記第3パラメータを推定し、学習済みの前記第2モデルを用いて前記第2データ取得部によって取得された前記第4パラメータから前記第5パラメータを推定し、学習済みの前記第3モデルを用いて前記第2データ取得部によって取得された前記第6パラメータから前記第7パラメータを推定する、推論装置。 - 学習済みの第1モデル、学習済みの第2モデル、および学習済みの第3モデルを用いて少なくとも1つのエアフィルタを含む空調システムのメンテナンスを推論する推論装置であって、
前記第1モデルは、第1パラメータおよび第2パラメータから、第3パラメータを推定し、
前記第2モデルは、第4パラメータから第5パラメータを推定し、
前記第3モデルは、第6パラメータから第7パラメータを推定し、
前記第1パラメータは、前記少なくとも1つのエアフィルタの目詰まり度合いを表し、
前記第2パラメータは、前記空調システムの空調強度に関するパラメータであり、
前記第3パラメータは、前記第2パラメータの運転を行う場合の前記第1パラメータに起因する前記空調システムの電力コストの増加量を表し、
前記第4パラメータは、第1日時を表し、
前記第5パラメータは、前記第1日時において想定される前記空調システムの空調強度を表し、
前記第6パラメータは、第2日時を表し、
前記第7パラメータは、前記第2日時における前記少なくとも1つのエアフィルタのメンテナンスコストを表し、
前記推論装置は、
前記第1パラメータ、前記第2パラメータ、前記第4パラメータ、および前記第5パラメータを取得するデータ取得部と、
前記第1モデル、前記第2モデル、および前記第3モデルを用いる推論部とを備え、
前記推論部は、前記第1モデルを用いて前記第1パラメータおよび前記第2パラメータから前記第3パラメータを推定し、前記第2モデルを用いて前記第4パラメータから前記第5パラメータを推定し、前記第3モデルを用いて前記第6パラメータから前記第7パラメータを推定する、推論装置。 - 前記第1モデル、前記第2モデル、および前記第3モデルの各々は、教師あり学習によって生成される、請求項4に記載の推論装置。
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
PCT/JP2020/019339 WO2021229768A1 (ja) | 2020-05-14 | 2020-05-14 | 空調機器のメンテナンスの学習装置および推論装置 |
Publications (3)
Publication Number | Publication Date |
---|---|
JPWO2021229768A1 JPWO2021229768A1 (ja) | 2021-11-18 |
JPWO2021229768A5 true JPWO2021229768A5 (ja) | 2022-10-24 |
JP7309060B2 JP7309060B2 (ja) | 2023-07-14 |
Family
ID=78525548
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2022522449A Active JP7309060B2 (ja) | 2020-05-14 | 2020-05-14 | 空調機器のメンテナンスの学習装置および推論装置 |
Country Status (4)
Country | Link |
---|---|
US (1) | US20230080073A1 (ja) |
JP (1) | JP7309060B2 (ja) |
CN (1) | CN115461579A (ja) |
WO (1) | WO2021229768A1 (ja) |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2023223557A1 (ja) * | 2022-05-20 | 2023-11-23 | 三菱電機株式会社 | 空調システムの異常を検知するシステムおよび方法 |
Family Cites Families (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2001221480A (ja) * | 2000-02-08 | 2001-08-17 | Mitsubishi Heavy Ind Ltd | 空気調和機およびその制御方法 |
JP3972723B2 (ja) * | 2002-04-25 | 2007-09-05 | 三菱電機株式会社 | 空気調和装置 |
US7261762B2 (en) * | 2004-05-06 | 2007-08-28 | Carrier Corporation | Technique for detecting and predicting air filter condition |
US10515304B2 (en) * | 2015-04-28 | 2019-12-24 | Qualcomm Incorporated | Filter specificity as training criterion for neural networks |
-
2020
- 2020-05-14 US US17/799,975 patent/US20230080073A1/en active Pending
- 2020-05-14 CN CN202080100131.0A patent/CN115461579A/zh active Pending
- 2020-05-14 WO PCT/JP2020/019339 patent/WO2021229768A1/ja active Application Filing
- 2020-05-14 JP JP2022522449A patent/JP7309060B2/ja active Active
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN108386971A (zh) | 中央空调节能自控系统 | |
CN103835882A (zh) | 大型风力发电机组状态监测与故障诊断系统 | |
CN106596116A (zh) | 一种风力发电机组振动故障诊断方法 | |
Zhao et al. | Interpretable nonlinear dynamic modeling of neural trajectories | |
KR102440821B1 (ko) | 신경 언어 행동 인식 시스템의 지각 연상 기억 | |
WO2014022723A3 (en) | Optimization of energy use through model-based simulations | |
KR102397341B1 (ko) | 신경 언어 행동 인식 시스템의 매퍼 컴포넌트 | |
JPWO2021229768A5 (ja) | ||
CN103472865A (zh) | 智能最小二乘的农药废液焚烧炉炉温最佳化系统及方法 | |
CN103472866B (zh) | 智能模糊系统的农药废液焚烧炉炉温最佳化系统及方法 | |
JP2019028591A5 (ja) | ||
JP2022132331A5 (ja) | ||
JP2019207099A5 (ja) | ||
CN106227127A (zh) | 发电设备智能监控装置和监控方法 | |
Yang et al. | Review of SDG modeling and its application. | |
CN114114006A (zh) | 一种风力发电机诊断装置及其诊断方法 | |
Wang et al. | Randomization-based neural networks for image-based wind turbine fault diagnosis | |
JPWO2020245980A5 (ja) | ||
CN114320773B (zh) | 一种基于功率曲线分析与神经网络的风电机组故障预警方法 | |
CN115934691A (zh) | 短期光伏功率的确定方法及装置 | |
CN110196160A (zh) | 一种基于残差网络的风电齿轮箱监测方法 | |
CN109274117A (zh) | 一种数据驱动的日前鲁棒机组组合方法 | |
Smarsly et al. | Multi-scale monitoring of wind energy plants based on agent technology | |
CN116304655B (zh) | 策略模型获取及参数调整方法、装置及存储介质 | |
JPWO2023032201A5 (ja) |