WO2020012738A1 - 断熱性能診断装置、断熱性能診断プログラムおよび断熱性能診断方法 - Google Patents

断熱性能診断装置、断熱性能診断プログラムおよび断熱性能診断方法 Download PDF

Info

Publication number
WO2020012738A1
WO2020012738A1 PCT/JP2019/015247 JP2019015247W WO2020012738A1 WO 2020012738 A1 WO2020012738 A1 WO 2020012738A1 JP 2019015247 W JP2019015247 W JP 2019015247W WO 2020012738 A1 WO2020012738 A1 WO 2020012738A1
Authority
WO
WIPO (PCT)
Prior art keywords
temperature distribution
insulation performance
correction value
heat insulation
estimated
Prior art date
Application number
PCT/JP2019/015247
Other languages
English (en)
French (fr)
Inventor
隆義 飯田
大樹 小林
裕希 川野
利宏 妻鹿
横田　守真
Original Assignee
三菱電機株式会社
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by 三菱電機株式会社 filed Critical 三菱電機株式会社
Publication of WO2020012738A1 publication Critical patent/WO2020012738A1/ja

Links

Images

Classifications

    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N17/00—Investigating resistance of materials to the weather, to corrosion, or to light
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N25/00—Investigating or analyzing materials by the use of thermal means
    • G01N25/18—Investigating or analyzing materials by the use of thermal means by investigating thermal conductivity

Definitions

  • This specification discloses a heat insulation performance diagnostic device that determines the degree of deterioration of heat insulation performance of a building.
  • the method of measuring the heat insulation performance is specified in ISO09869 and the like.
  • One of the methods of measuring the heat insulation performance is a method of calculating the heat insulation performance from a thermal image obtained by photographing the wall surface with an infrared camera or the like. According to such a method, the heat insulation performance can be easily measured without breaking the wall. it can.
  • the conventional method of measuring the heat insulation performance was based on the premise that the temperature difference between the indoor and the outdoor was in a steady state.
  • the conventional measurement method cannot be applied during a period in which an unsteady heat source (a person, an air conditioner, the sun, etc.) exists indoors and outdoors.
  • an unsteady heat source a person, an air conditioner, the sun, etc.
  • the conventional measurement method can be applied only at night when there is no human activity or solar radiation.
  • Patent Literature 1 discloses a technique for identifying a structural defect on a wall surface using an infrared thermal image or the like.
  • a simulator that analyzes unsteady motion of a wall surface is designed using data obtained by measuring a heat balance (thermal environment) on a wall surface in a simultaneous series.
  • the width of the void defect on the wall surface can be input to the simulator as a variable, and the temperature of the wall surface is calculated as a calculation result of the simulator.
  • the wall temperature is calculated by a simulator while changing the width of the void defect, and the width of the void defect at the time when the calculation result of this simulator and the infrared thermal image of the wall actually measured using an infrared camera coincide with each other. Identify structural defects on the wall.
  • the simulation is constructed in consideration of the change over time, and even if the temperature difference between the indoor and the outdoor is in an unsteady state, it is possible to verify the performance of the wall surface to some extent.
  • the technique of Patent Document 1 basically specifies a structural defect on a wall surface, and does not evaluate heat insulation performance.
  • the estimation accuracy of the simulator depends on the measurement result of the heat balance, and to maintain a certain estimation accuracy, sensors (for example, temperature Sensors, radiation sensors, convection sensors, etc.).
  • sensors for example, temperature Sensors, radiation sensors, convection sensors, etc.
  • providing a dedicated sensor at a constant density only for the purpose of identifying structural defects is costly and difficult to implement in proportion to the size of the building.
  • the present specification discloses a heat insulation performance diagnosis device that can easily and accurately diagnose the degree of deterioration of heat insulation performance.
  • the thermal insulation performance diagnostic device disclosed in this specification is a thermal insulation performance diagnostic device that determines the degree of deterioration of the thermal insulation performance of a building, and calculates an estimated value of the temperature distribution of the inner and outer surfaces of the target wall based on the estimation condition.
  • An estimating unit that calculates as a distribution, a correction value storage unit that stores a correction value, and based on the correction value stored in the correction value storage unit, corrects at least one of the estimation condition and the estimated temperature distribution.
  • a correction unit that obtains a temperature distribution for comparison; and a deterioration of the heat insulation performance of the building based on a comparison result between the temperature distribution for comparison and the measured temperature distribution that is a measured value of the temperature distribution on the inner and outer surfaces of the target wall.
  • a comparison unit that determines a degree
  • a correction value calculation unit that calculates the correction value based on basic data including the estimated temperature distribution and the actually measured temperature distribution obtained during the initial period in which the heat insulation performance has not deteriorated. , Characterized in that it comprises.
  • the target wall is divided into a plurality of sections, and the estimated temperature and the measured temperature for each section are obtained as the estimated temperature distribution and the actually measured temperature distribution, and the correction value calculation unit calculates the Each time, a correction value for correcting the estimated temperature may be calculated.
  • the correction value calculation unit calculates a difference value between the measured temperature and the estimated temperature acquired at the same timing for a plurality of timings, and calculates a statistical value representing a plurality of the difference values. Then, a value that offsets the statistical value may be calculated as a correction value that corrects the estimated temperature.
  • the basic data in addition to the estimated temperature distribution and the measured temperature distribution, further includes a thermal environment parameter value indicating a thermal environment around the target wall when the estimated temperature distribution and the measured temperature distribution are acquired.
  • the correction value calculation unit divides the data of the estimated temperature distribution and the measured temperature distribution into a plurality of thermal environment groups based on the thermal environment parameter values, and calculates the correction value for each thermal environment group.
  • the correction unit may specify a thermal environment group corresponding to the current thermal environment parameter value and correct the estimated temperature distribution with a correction value corresponding to the specified thermal environment group.
  • the basic data includes, in addition to the estimated temperature distribution and the actually measured temperature distribution, a variation in a thermal environment parameter value indicating a thermal environment around the target wall when the estimated temperature distribution and the actually measured temperature distribution are obtained.
  • the correction value calculating unit may calculate the correction value by weighting the estimated temperature distribution and the measured temperature distribution with a smaller corresponding variation amount so that the weight is greater.
  • the basic data in addition to the estimated temperature distribution and the measured temperature distribution, further, the thermal environment parameter value indicating the thermal environment around the target wall when the estimated temperature distribution and the measured temperature distribution is acquired.
  • the correction value calculation unit may calculate the correction value by machine learning the basic data.
  • the apparatus may further include an area presenting section for presenting a recommended area for actually measuring the actually measured temperature distribution.
  • the heat insulation performance diagnostic program disclosed in the present specification is: On the computer, An estimation process of calculating an estimated value of the temperature distribution on the inner and outer surfaces of the target wall as an estimated temperature distribution based on the estimation condition; A correction process of correcting at least one of the estimation condition and the estimated temperature distribution based on the correction value stored in the storage device storing the correction value to obtain a temperature distribution for comparison; The comparison temperature distribution, and a measured temperature distribution that is an actually measured value of the temperature distribution of the inner and outer surfaces of the target wall, and a comparison process of determining the degree of deterioration of the heat insulation performance of the building based on a comparison result, A correction value calculation process of calculating the correction value based on the basic data including the estimated temperature distribution and the actually measured temperature distribution obtained during the initial period in which the heat insulation performance has not deteriorated, Let it run.
  • the method for diagnosing thermal insulation performance disclosed in the present specification includes: Computer Based on the estimation condition, an estimated value of the temperature distribution on the inner and outer surfaces of the target wall is calculated as the estimated temperature distribution, Based on the correction value stored in the storage device that stores the correction value, at least one of the estimation condition and the estimated temperature distribution is corrected to obtain a comparison temperature distribution, The comparison temperature distribution, and a measured temperature distribution that is an actually measured value of the temperature distribution of the inner and outer surfaces of the target wall, and determines the degree of deterioration of the heat insulation performance of the building based on a comparison result, The correction value is calculated based on basic data including the estimated temperature distribution and the actually measured temperature distribution acquired during the initial period in which the heat insulation performance has not deteriorated.
  • a temperature distribution that would be obtained if the thermal insulation performance at the time of construction was maintained was calculated as a comparative temperature distribution, and this was compared with the measured temperature distribution.
  • the thermal insulation performance can be diagnosed not only in a steady state but also in a non-steady state.
  • a correction value is calculated based on data collected during the initial period, and the estimated temperature distribution is corrected with the correction value.
  • FIG. 4 is a diagram illustrating an example of a correction value table. It is a figure showing an example of a thermal environment data table. 9 is a flowchart illustrating a flow of correcting an estimated image. FIG. 4 is a diagram illustrating an example of a basic information table. 9 is a flowchart illustrating a flow of a correction value calculation. It is a functional block diagram of another thermal insulation performance diagnostic device. It is a figure showing an example of thermal environment log data. It is a figure showing an example of a weight coefficient table.
  • FIG. 9 is a flowchart which shows the flow of a weighting process.
  • 9 is a flowchart illustrating a flow of a correction value calculation process when each image is weighted.
  • It is a functional block diagram of another thermal insulation performance diagnostic device.
  • It is a functional block diagram of another thermal insulation performance diagnostic device.
  • It is a functional block diagram of another thermal insulation performance diagnostic device.
  • It is a figure showing the example of presentation of the photographable area by the area presentation part.
  • It is a figure showing an example of recording of the calorific value of a heating element.
  • It is a flowchart which shows the flow of arrangement
  • FIG. 3 is a diagram supplementing a hardware configuration.
  • FIG. 1 is an image diagram showing a state of diagnosis of heat insulation performance.
  • the heat insulation performance diagnosis device 10 is a device that diagnoses the degree of deterioration of heat insulation performance in a building 100 such as a building.
  • FIG. 1 illustrates only a single room for simplicity of description, a building 100 targeted by the thermal insulation performance diagnostic apparatus 10 may be a building or a factory having a plurality of floors and a plurality of rooms. And so on.
  • the thermal insulation performance diagnostic apparatus 10 estimates the temperature distribution on the inner and outer surfaces of the wall to be diagnosed (hereinafter, referred to as “target wall 102”) and calculates the temperature distribution for comparison.
  • This comparative temperature distribution is a temperature distribution that would be obtained when the building 100 maintains the heat insulation performance as designed, that is, an ideal temperature distribution.
  • the thermal insulation performance diagnosis device 10 diagnoses the thermal insulation of the target wall 102 based on the comparison result between the actually measured temperature distribution on the inner and outer surfaces of the target wall 102 and the comparative temperature distribution.
  • the measured temperature distribution is acquired using, for example, the infrared camera 110 (thermo camera).
  • the temperature distribution for comparison is calculated in the heat insulation performance diagnostic device 10 based on the values of the building specification parameter which is a fixed value and the thermal environment parameter which is a variable value.
  • the thermal environment parameters include the environmental conditions detected by sensors such as temperature sensors and solar radiation sensors, as well as the operating conditions of air conditioners and the opening / closing status of openings (doors, etc.) detected by the building management system. And the number of persons entering and leaving the room.
  • FIG. 2 is a block diagram showing a physical configuration of the heat insulation performance diagnostic device 10.
  • the thermal insulation performance diagnostic device 10 is constructed by one or more computers that are driven according to a specific program. That is, as shown in FIG. 2, the thermal insulation performance diagnostic device 10 includes a CPU 12, a storage device 14, an input device 16, an output device 18, and a communication interface (hereinafter, referred to as “communication I / F”) 20. And are connected by a bus 22.
  • the CPU 12 performs various operations. Specifically, the CPU 12 reads the heat insulation performance diagnosis program stored in the storage device 14 as necessary, and performs various calculations necessary for the heat insulation performance diagnosis. The specific contents of the processing by the CPU 12 will be described later.
  • the storage device 14 stores various data (including programs), and is configured by combining, for example, one or more semiconductor memories such as a RAM and a ROM, a hard disk drive, and a solid state drive.
  • the storage device 14 stores a heat insulation performance diagnosis program for performing a heat insulation performance diagnosis described later.
  • the storage device 14 also stores the specifications of the building, the thermal environment at the time of the heat insulation diagnosis, correction values, basic information, and the like.
  • the input device 16 receives an operation instruction and data input from an operator, and is configured by, for example, combining one or more of a keyboard, a mouse, a touch panel, a microphone, and the like.
  • the output device 18 outputs various types of information to an operator, and is configured by combining, for example, one or more displays, speakers, and the like.
  • the communication I / F 20 exchanges data with other electronic devices and information terminals. For example, the measured values detected by various sensors, the driving status of the air conditioner detected by the building management system, and the like are input to the heat insulation performance diagnostic device 10 via the communication I / F 20. Further, the diagnosis result by the heat insulation performance diagnosis device 10 may be sent to another information terminal via the communication I / F 20.
  • the heat insulation performance diagnosis device 10 is illustrated as one computer, but the heat insulation performance diagnosis device 10 may be configured by a plurality of computers that can communicate with each other. Therefore, for example, the heat insulation performance diagnosis device 10 may be configured by a main computer and a data server that can communicate with the main computer and stores various data necessary for heat insulation performance diagnosis.
  • FIG. 3 is a functional block diagram of the heat insulation performance diagnostic device 10.
  • the thermal insulation performance diagnostic apparatus 10 is based on a comparison between an actually measured temperature distribution obtained by actually measuring the inner and outer surfaces of the target wall 102 and a comparative temperature distribution calculated by the thermal insulation performance diagnostic apparatus 10. This is a device for diagnosing the degree of deterioration of heat insulation performance.
  • the thermal insulation performance diagnostic apparatus 10 includes a thermal image acquisition unit 24 that acquires an actually measured temperature distribution, a wall temperature estimation unit 26 that calculates an estimated temperature distribution, and a temperature for comparison by correcting the estimated temperature distribution. It has a correction unit 28 for calculating the distribution.
  • the thermal image acquisition unit 24 acquires an actually measured temperature distribution in which the temperatures of the inner and outer surfaces of the target wall 102 are actually measured. Specifically, the thermal image acquisition unit 24 acquires a thermal image captured by the infrared camera 110 as an actually measured temperature distribution.
  • a thermal image is an image in which a temperature is specified from infrared rays emitted from an object and pixel values (color values or luminance values) corresponding to the specified temperature are specified. Therefore, the pixel value of the thermal image can be regarded as equivalent to the temperature in the range corresponding to the pixel, and the thermal image can be regarded as the measured temperature distribution.
  • the thermal image (actually measured temperature distribution) may be manually shot by an operator, or may be automatically shot by automatically controlling the infrared camera 110.
  • the wall temperature estimating unit 26 estimates the temperature distribution on the inner surface and the outer surface of the target wall 102 based on the estimation condition, and outputs an estimated image functioning as the estimated temperature distribution. More specifically, the wall temperature estimating unit 26 constructs a thermal model of the target wall 102 based on various physical laws, applies an estimation condition to the thermal model, and performs a numerical analysis to obtain a target wall. It estimates the temperature distribution of 102, for example, a fluid analysis simulator (CFD).
  • CFD fluid analysis simulator
  • the estimation conditions include the resolution of the estimated image (estimated temperature distribution), building specification parameter values, thermal environment parameter values, and the like.
  • the specification storage unit 32 stores the values of the building specification parameters, and the thermal environment storage unit 31 temporarily stores the values of the thermal environment parameters.
  • the building specification parameter is a parameter indicating the specification of the building, and is a parameter whose value does not change with time.
  • the building specification parameters include, for example, the location conditions (azimuth, altitude, etc.) of the building, the mechanical configuration (material, thickness, etc.) of the walls, floors, ceilings, fittings (windows, doors, etc.) that constitute the building, the building Includes the size and location of rooms and openings (windows, doors, etc.) inside, locations of air conditioners and heat sources, and the like.
  • the thermal environment parameter is a parameter indicating the thermal environment around the target wall 102, and its value changes over time.
  • the thermal environment parameters include, for example, the outside air temperature of the building, the indoor temperature, the amount of solar radiation, the amount of indoor heat, and the like.
  • the values of these thermal environment parameters may be obtained by using the dedicated sensor 114, or may be provided from another device.
  • the outside air temperature and the indoor temperature may be acquired by a dedicated temperature sensor provided for adiabatic performance diagnosis, or a result of detection by a temperature sensor provided in an air conditioner may be provided from the building management system 112. You may.
  • the amount of solar radiation may be detected by a dedicated sensor, or may be estimated from weather information and building location conditions.
  • the indoor heating value is acquired from, for example, a driving state of an air conditioner provided from the building management system 112, a person entering / leaving state, and the like.
  • thermal environment parameter values are acquired as needed and temporarily stored in the thermal environment storage unit 31.
  • the thermal environment parameter value may include the number of times the opening (door, window, etc.) is opened and closed.
  • the wall temperature estimating unit 26 may estimate the amount of leaked heat based on the number of times the opening is opened and closed, and reflect the amount of leaked heat on the estimated image.
  • a thermal environment parameter value is provided from the building management system 112 as much as possible. With this configuration, a dedicated sensor is not required, and the cost required for the heat insulation diagnosis can be reduced.
  • the correction unit 28 corrects the estimated image (estimated temperature distribution) based on the correction values stored in the correction value storage unit 30, and calculates a comparison image (comparison temperature distribution). That is, as described above, the wall temperature estimating unit 26 estimates the estimated images (estimated temperature distribution) of the inner and outer surfaces of the target wall 102 based on the estimation conditions (specification parameter values, thermal environment parameter values). However, the estimated image output from the wall temperature estimating unit 26 includes a modeling error and an estimation error due to a shortage of measurement points of the thermal environment parameter value. If the estimation error is large, the degree of deterioration of the heat insulation performance cannot be properly diagnosed. Therefore, the correction unit 28 corrects the estimated image so as to cancel or reduce such an estimation error. Specific processing by the correction unit 28 will be described with reference to FIGS.
  • FIG. 4 is an image diagram of the correction value table 40 stored in the correction value storage unit 30.
  • the correction value cancels or reduces the estimation error by the wall temperature estimation unit 26, but the estimation error differs for each target wall 102. Therefore, the correction value is set for each target wall 102. Further, even for the same target wall 102, the estimation error varies depending on the thermal environment at the time of estimation. Therefore, in this example, a plurality of thermal environment groups are set according to the thermal environment parameter values, and a correction value is set for each thermal environment group.
  • the ⁇ correction value storage unit 30 also stores a thermal environment data table 42 indicating the correspondence between the thermal environment groups and the thermal environments included in the thermal environment groups.
  • FIG. 5 is a diagram showing an example of the thermal environment data table 42.
  • the correction value is learned based on the thermal image (actually measured temperature distribution) and the estimated image (estimated temperature distribution) collected during the initial period when the building is not deteriorated.
  • the thermal environment set of thermal environment parameter values
  • the thermal environment data table 42 is prepared for each target wall 102.
  • the correction unit 28 specifies a correction value used for correcting the newly generated estimated image with reference to the thermal environment data table 42.
  • FIG. 6 is a flowchart showing a flow of correcting the estimated image by the correction unit 28. If the estimated image is generated for the adiabatic diagnosis (S10), the correction unit 28 determines whether or not there is a thermal environment similar to the current thermal environment in the thermal environment data table 42 (S12). ). If a similar thermal environment exists as a result of the determination, the thermal environment group to which the thermal environment belongs is specified, and a correction value corresponding to the thermal environment group is acquired (S14). Then, a corrected image obtained by correcting the estimated image is generated by adding the obtained correction value to each pixel of the estimated image (S16). If a corrected image is obtained, the correcting unit 28 outputs the corrected image as a comparison image (S18).
  • the correction unit 28 outputs the estimated image as a comparison image (S19).
  • the estimation accuracy can be further improved, and the accuracy of the heat insulation performance diagnosis can be further improved.
  • the comparison unit 33 compares the comparison image (comparison temperature distribution) with the thermal image (actually measured temperature distribution), and diagnoses the heat insulation performance of the target wall based on the similarity between the two images. That is, the comparison image output from the correction unit 28 is obtained when the target wall 102 has the heat insulation performance at the time of design (maintains the specification parameter value stored in the specification storage unit 32). It can be regarded as the ideal temperature distribution of the wax. Therefore, when the comparison image and the thermal image that is the measured temperature distribution match or are similar, it can be diagnosed that the target wall 102 has the heat insulation performance as designed.
  • the similarity between the two images is an index indicating the degree of deterioration of the heat insulation performance of the target wall 102. Based on the similarity (degree of deterioration of heat insulation performance), the manager of the building can determine whether the building should be repaired or repaired.
  • the similarity between the comparison image and the thermal image can be calculated using various known techniques.
  • the comparison unit 33 may generate histograms in the temperature regions of the comparison image and the thermal image, and calculate the Hamming distance for each histogram component as an index indicating the degree of similarity. In this case, it can be evaluated that the smaller the Hamming distance (similarity), the more similar the two images, and the smaller the degree of deterioration of the heat insulation performance.
  • the comparing unit 33 refers to the error between the pixel value of the comparison image and the pixel value of the thermal image for each pixel, and calculates the root mean square of the error as an index indicating the similarity. You may.
  • the thermal insulation performance diagnosis device 10 further includes a correction value calculation unit 36 and a basic information storage unit 38.
  • the basic information storage unit 38 stores, as basic information, the estimated image, the thermal image, and the thermal environment parameter value acquired during the initial period in which the heat insulation performance of the building has not deteriorated.
  • the correction value calculation unit 36 calculates a correction value based on the basic information stored in the basic information storage unit 38. The calculation of the basic information and the correction value will be described.
  • the basic information includes the estimated image, the thermal image, and the thermal environment parameter value acquired during the initial period.
  • the initial period is a period in which the heat insulation of the building has not deteriorated. That is, the performance of a building gradually deteriorates after construction, but usually, for several years after construction, the same thermal insulation performance as that at the time of construction is maintained.
  • a period during which the heat insulation performance equivalent to that at the time of construction was maintained is set as an initial period, and a correction value is learned based on the estimated image and the thermal image acquired during the initial period.
  • the initial period is a learning period of the correction value learning.
  • the initial period (learning period) is, the better to avoid the influence of the deterioration of the adiabatic performance, but the longer the better, to improve the learning accuracy. Therefore, it is desirable that the initial period be one year or more and less than three years in order to improve the accuracy of learning while avoiding the influence of heat insulation performance deterioration.
  • the initial period is one year or more, temperature distributions (estimated images, thermal images) in each of the spring, summer, autumn and winter seasons can be obtained, so that the accuracy of the correction value can be further improved.
  • the wall temperature estimating unit 26 and the thermal image acquiring unit 24 acquire the estimated image and the thermal image regularly or irregularly. It is desirable that the image acquisition timing is set so that images can be obtained under various thermal environments.
  • the estimated image and the thermal image acquired during the initial period and the thermal environment parameter values at the time of acquiring these images are stored in the basic information storage unit 38 as basic information in association with each other.
  • the basic information storage unit 38 stores a basic information table 44 as shown in FIG.
  • the basic information table 44 records a sampling date and time 44a, which is the date and time when the image was acquired, a thermal environment parameter value 44b at that time, and an address 44c of each image data.
  • E_TI, E_TO, A_TI, and A_TO mean the estimated inner surface image, the estimated outer surface image, the inner thermal image, and the outer thermal image of the target wall 102, respectively.
  • the ⁇ correction value calculation unit 36 calculates a correction value based on the basic information collected in this way.
  • the initial period is a period in which the heat insulation performance of the building has not deteriorated. Therefore, the thermal image (actually measured temperature distribution) acquired during the initial period indicates that the target wall 102 has the heat insulation performance at the time of design (maintains the specification parameter values stored in the specification storage unit 32). It can be said that it shows an ideal temperature distribution that can be obtained. In other words, it can be said that the error between the thermal image (ideal temperature distribution) during the initial period and the estimated image is an estimated error of the wall temperature estimating unit 26. Therefore, the correction unit 28 calculates an error between the thermal image and the estimated image during the initial period, and calculates a value that offsets or reduces the error as a correction value. The flow of calculating the correction value will be described with reference to FIG.
  • the thermal environment group Gn includes M inner surface estimated images, M inner surface thermal images, M outer surface estimated images, and M outer surface thermal images (M is an integer of 1 or more).
  • the correction value calculation unit 36 calculates the average of the difference between the pixel values of the M estimated images and the thermal image for each pixel (S26). Specifically, when the pixel values of the x-th column and y-row of the m-th inner surface estimation image and the inner surface thermal image are E_TI x, y (m) and A_TI x, y (m), respectively, x column y The average error value AveI x, y of the pixel values in the row is calculated based on the following equation.
  • the average error values AveI x, y , AveO x, y obtained in this way can be regarded as the difference between the actually measured value and the estimated value, that is, the average value of the estimated error. Therefore, the correction value calculation unit 36 stores the error average value in the correction value storage unit 30 as a correction value of the pixel (S28). That is, the average error value AveI x, y calculated by the above equation is stored as a correction value of the x column y row of the inner surface estimation image in the thermal environment group Gn, and the average error value AveO x, y is stored in the thermal environment group Gn. It is stored as a correction value of x column and y row in Gn.
  • the ideal temperature distribution of the target wall 102 is calculated by the adiabatic performance diagnosis apparatus 10 as a comparative temperature distribution (comparative image), and the comparative temperature distribution (comparative temperature distribution) is calculated.
  • the thermal insulation performance of the target wall 102 is diagnosed based on the comparison between the measured image distribution and the measured temperature distribution (thermal image).
  • a correction value for canceling or reducing the estimation error is calculated based on the measured temperature distribution (thermal image) and the estimated temperature distribution (estimated image) acquired during the initial period, and is used as the correction value. Then, the estimated temperature distribution (estimated image) calculated for the adiabatic diagnosis is corrected, and the temperature distribution for comparison (image for comparison) is calculated. Thereby, the accuracy of the temperature distribution for comparison, and the diagnostic accuracy of the heat insulation performance can be further improved.
  • the correction value is set for each thermal environment group and for each pixel. Therefore, the accuracy of the temperature distribution for comparison, and the diagnosis accuracy of the heat insulation performance can be further improved.
  • the correction value need not be set for each thermal environment group as long as it is calculated based on at least the basic information.
  • the calculation method of the correction value may be appropriately changed as long as the correction value is a value that can offset an error between the estimated image acquired during the initial period and the thermal image.
  • the error average value of the pixel values is used as the correction value, but the correction value may be another value as long as it is a statistical value representing the error of the pixel value.
  • the median value or mode value of the pixel value error may be used as the correction value.
  • the correction value is calculated based on the difference between the pixel values of the estimated image and the thermal image during the initial period. However, the correction value is not calculated based on the difference but based on the ratio of the pixel values of both images. May be calculated.
  • the average value of the values (ratio) obtained by dividing the pixel value of the thermal image during the initial period by the pixel value of the estimated image may be calculated as the correction value.
  • the correction unit 28 may multiply, instead of add, the correction value to the pixel value of the estimated image.
  • the correction value may be set not for each pixel but for each larger unit.
  • the correction value may be set for each area obtained by dividing the estimated image into four. Further, as another form, one correction value may be set for one estimated image.
  • FIG. 9 is a functional block diagram of another heat insulation performance diagnosis device 10.
  • This heat insulation performance diagnostic device 10 differs from the diagnostic device of FIG. 3 in that it has a weighting unit 46 that weights the estimated image and the thermal image used for calculating the correction value based on the thermal environment at the time of acquiring the image. That is, the thermal insulation performance diagnosis apparatus 10 increases the weight of the estimated image and the thermal image acquired in a steady state of the thermal environment.
  • the thermal insulation performance diagnostic device 10 periodically acquires the thermal environment parameter values during the initial period, and stores the acquired values in the basic information storage unit 38 as thermal environment log data. It is desirable that the sampling cycle of the thermal environment log data is the same as or smaller than the sampling cycle of the estimated image and the thermal image.
  • the weighting unit 46 determines the weight of the M-th image based on the degree of change in the thermal environment parameter value during the period from the time of the (M-1) th image acquisition to the time of the M-th image acquisition. For example, when the basic information as shown in FIG. 7 is collected, the weight of the image acquired at 17:20 on July 10, 2017 is the weight at the time of acquiring the immediately preceding image on July 10, 2017. The determination is made based on the degree of change in the thermal environment parameter value acquired from 13:45 on the day to 17:20 on July 10, 2017. Although various methods of calculating the degree of change are conceivable, in this example, the number of times the difference from the previous parameter value has become less than the specified value is used as the evaluation value of the degree of change.
  • the weighting unit 46 determines the thermal environment parameter values acquired from 13:45 to 17:20, that is, at 14:00 and 15:00. For each of the thermal environment parameter values obtained at hour, 16:00 and 17:00, a difference from the previous thermal environment parameter value is calculated. Then, the number of times the obtained difference is less than the specified value is set as the change evaluation value of the section. In the example of FIG. 10
  • the variation amount of the outside air temperature, which is the thermal environment parameter value, per unit time is less than the specified value of 1 degree at 14:00 and 15:00.
  • the fluctuation evaluation value is “2”.
  • a value obtained by dividing the fluctuation evaluation value by the number of samples in the section and normalizing the divided evaluation value is a weight coefficient.
  • the weight coefficient of the image acquired at 22:00 on July 10, 2017 is determined based on the amount of change in the outside air temperature at 18:00, 19:00, 20:00, 21:00, and 22:00.
  • the fluctuation evaluation value is “4”
  • the weighting unit 46 calculates the weight coefficient of each image constituting the basic information in the above procedure.
  • the calculated weight coefficient is stored in the basic information storage unit 38 in association with each image constituting the basic information.
  • FIG. 11 is a diagram illustrating an example of the weight coefficient table 50 stored in the basic information storage unit 38.
  • FIG. 12 is a flowchart showing the flow of the weighting process by the weighting unit 46.
  • the weighting unit 46 compares the obtained fluctuation amount ⁇ P (i) with a prescribed reference value ⁇ P_def (S42). As a result of the comparison, when the variation ⁇ P (i) is smaller than the reference value ⁇ P_def, 1 is added to the variation evaluation value k (S44). On the other hand, if ⁇ P (i) ⁇ ⁇ P_def, the process proceeds to step S46 without adding 1 to the fluctuation evaluation value k.
  • the correction value calculation unit 36 classifies the images acquired as the basic information (S20), initializes the parameter n (S22), and reads the image set of the group Gn. (S24). Subsequently, the correction value calculation unit 36 calculates a weighted average value of the difference between the measured temperature and the estimated temperature for each pixel (S26 *). That is, the weighted average values WAveI x, y and WAveO x, y are calculated by the following Expressions 5 and 6 instead of Expressions 2 and 4. In Expressions 5 and 6, Km represents a weight coefficient of the m-th image.
  • the correction value is calculated after weighting the thermal image / estimated image such that the weight coefficient increases as the thermal environment approaches the steady state.
  • the reason for this configuration is that the closer to the steady state, the smaller the error included in the data and the higher the reliability.
  • FIG. 14 is a functional block diagram of another heat insulation performance diagnostic device 10.
  • This adiabatic performance diagnostic device 10 differs from the diagnostic device of FIG. 3 in that a correction value is calculated using a machine learning model such as a recurrent neural network. That is, in the heat insulation performance diagnosis device, the correction value calculation unit 36 has the machine learning model 52.
  • the correction value calculation unit 36 uses a numerical sequence obtained by connecting the numerical sequence of the thermal environment parameter values, the numerical sequence of the pixel values of the estimated image, and the numerical sequence of the pixel values of the thermal image, collected as the basic data, as vector data. Input to the model 52.
  • the machine learning model 52 learns based on the input vector data, and constructs a correction model that inputs an estimated image and outputs a comparison image.
  • the constructed correction model is stored in the correction value storage unit 30.
  • the correction unit 28 corrects the estimated image calculated by the wall temperature estimation unit 26 using this correction model. Specifically, the correction unit 28 inputs a numerical value sequence of pixel values of the estimated image calculated by the wall temperature estimating unit 26 and a numerical value sequence of thermal environment parameter values at the time of image acquisition to this correction model. By inputting a numerical sequence, the correction model outputs a numerical sequence of pixel values of the comparison image. The correction unit 28 constructs a correction image based on the output numerical sequence and sends the image to the comparison unit 33.
  • FIG. 15 is a functional block diagram of another heat insulation performance diagnostic device 10.
  • This adiabatic performance diagnostic device 10 is different in that the correction unit 28 corrects not the estimation image output from the wall temperature estimation unit 26 but the estimation condition input to the wall temperature estimation unit 26, particularly, the specification parameter value. This is different from the diagnostic device of FIG.
  • the correction value calculation unit 36 calculates a correction value for correcting the specification parameter value based on the thermal image and the thermal environment parameter value acquired during the initial period.
  • the correction unit 28 corrects a specification parameter value input to the wall temperature estimation unit 26.
  • the correction value for correcting the specification parameter value is obtained, for example, by gradually changing the specification parameter value input to the wall temperature estimation unit 26 during the initial period until an estimated image similar to the thermal image is obtained. . That is, if the thermal image is obtained during the initial period, the correction value calculation unit 36 determines the thermal environment parameter value at the time of acquiring the thermal image, the corrected specification parameter value obtained by correcting the specification parameter value with the temporary correction value, Is input to the wall temperature estimating unit 26 to obtain an estimated image. If the estimated image is obtained, the correction value calculation unit 36 compares the estimated image with the thermal image and determines whether or not both are similar to each other by a certain degree or more.
  • this similarity determination can use the same technology as the similarity determination between the comparison image and the thermal image in the comparison unit 33. That is, a histogram in the temperature region of each of the estimated image and the thermal image may be generated, and the Hamming distance for each histogram component may be calculated as an index indicating the degree of similarity. Alternatively, the root mean square of the error between the pixel values of the estimated image and the thermal image may be calculated as an index indicating the similarity. As a result of the determination, if the two are similar, the temporary correction value at that time is stored as the correction value in association with the thermal environment parameter value.
  • the correction value calculation unit 36 changes the temporary correction value, and then transmits the thermal environment parameter value and the corrected specification parameter value to the wall temperature estimation unit 26 again. Input and obtain an estimated image. This procedure is repeated until an estimated image similar to the thermal image is finally obtained.
  • a genetic algorithm or the like may be used.
  • FIG. 15 is a functional block diagram of another heat insulation performance diagnostic device 10.
  • This thermal insulation performance diagnostic device 10 differs from the thermal insulation performance diagnostic device 10 in FIG. 3 in that it has an area presenting unit 54 that presents the area where a thermal image can be captured.
  • the region represented by the estimated image and the region captured by the thermal image need to be the same.
  • the thermal image is desirably an image obtained by capturing the center 4 ⁇ 4 region of the same target wall.
  • the region represented by the estimated image can be freely adjusted because it is only designated on the computer.
  • the imaging region of the thermal image is determined by the position and the angle of view of the infrared camera 110, but it is difficult for a person to specify an imaging point at which a desired imaging region can be imaged. Therefore, the heat insulation performance diagnostic apparatus 10 shown in FIG. 16 is provided with an area presenting unit 54 that calculates an area in which a desired imaging area can be photographed by the infrared camera 110 as a photographable area and presents it to the operator.
  • the operator inputs the imaging region to be imaged as a thermal image and the angle of view of the infrared camera 110 used for imaging to the thermal insulation performance diagnostic device 10.
  • the imaging region of the thermal image is the same as the region represented by the estimated image calculated by the wall temperature estimating unit 26, so that the thermal image is automatically input from the wall temperature estimating unit 26 instead of being input by the operator. It may be.
  • the area presenting unit 54 calculates an area in which a thermal image can be photographed based on the designated photographing region, the angle of view of the infrared camera 110, the allowable distortion amount, and the like, and presents it to the operator.
  • FIG. 17 is a diagram illustrating an example of presenting a photographable area by the area presenting unit 54.
  • the blacked-out area is the designated photographing area 58
  • the area with light black hatching is the photographable area 60 in which the photographing area can be photographed.
  • the photographable area 60 has a sector shape, numerical values such as the inner diameter R1, the outer diameter R2, and the center angle ⁇ of the sector are also presented to the operator.
  • the thermal insulation performance diagnostic apparatus 10 calculates the area where the thermal image can be captured and presents it to the operator, thereby reducing the trouble of acquiring the thermal image.
  • FIG. 18 is a functional block diagram of another heat insulation performance diagnostic device 10.
  • This heat insulation performance diagnosis device 10 differs from the heat insulation performance diagnosis device 10 of FIG. 3 in that it has an analysis unit 62 that analyzes the position of the heating element.
  • a plurality of heating elements for example, an air conditioner indoor unit, lighting, people, and the like exist in the building.
  • the heat generation amount and position of the heating element may be collected as a kind of thermal environment parameter. desirable.
  • the position of the heating element serving as a facility of the building such as an air conditioner indoor unit and lighting is known, and is usually grasped by the building management system 112.
  • there are many heating elements whose position cannot be specified by the building management system 112. For example, in an office building, employees (persons) working in the office are also heating elements.
  • the analysis unit analyzes the position of the heating element whose position cannot be determined by the building management system 112 based on the thermal image obtained during the initial period. Specifically, the analysis unit 62 collects a thermal image and values of various thermal environment parameters at the time of sampling the thermal image during the initial period. At this time, in addition to the temperature and the amount of solar radiation as shown in FIG.
  • FIG. 19 is a diagram showing an example of recording of the heat generation amount of the heating element.
  • the calorific value of the air conditioner indoor unit can be specified from the driving state (cooling amount, heating amount, etc.) of the air conditioner.
  • the amount of heat generated by the lighting can be specified from the on / off state of the lighting.
  • the calorific value of the employee A can be specified by the entry / exit record of the employee A and the calorific value of a general person.
  • the arrangement of building equipment such as an air conditioner indoor unit and lighting can be specified from the equipment drawing of the building.
  • the arrangement of the employee A cannot be grasped by the building management system 112, and thus is left blank in the initial state.
  • the analysis unit 62 analyzes the arrangement of the heating element whose position is unknown (for example, employee A) based on the thermal image and the thermal environment parameter value at the time of acquiring the thermal image.
  • FIG. 20 is a flowchart illustrating a flow of the arrangement analysis of the heating elements.
  • the analysis unit 62 first arranges a heating element whose arrangement is to be specified at a temporary position (S52). Then, the thermal environment parameter value including the temporary position is input to the wall temperature estimating unit 26, and an estimated image corresponding to each thermal image is calculated (S54). If the estimated image can be calculated, the analysis unit 62 compares the plurality of thermal images with the plurality of estimated images (S56). As a result of the comparison, if the two are similar (for example, the root mean square value of the error in the pixel value is less than the specified value), it is determined that the arrangement of the heating element is appropriate, and the current temporary position is set as the position of the heating element. It is stored (S60). On the other hand, if they are not similar, the tentative position is corrected (S58), and the process returns to step S54. Steps S54 to S60 are repeated until the two images are sufficiently similar.
  • the estimation accuracy of the estimated image can be improved.
  • a genetic algorithm may be used.
  • the correction value calculation unit 36 calculates a correction value that cancels or reduces the error, and the correction unit 28 calculates the correction value based on the correction value, as in the embodiments described above. To correct the estimated image used for the adiabatic performance diagnosis.
  • FIG. 21 is a diagram supplementing the hardware configuration.
  • FIG. 21 shows a configuration in which the functions of the heat insulation performance diagnostic device 10 are realized by hardware.
  • the electronic circuit 90 in FIG. 21 is a dedicated electronic circuit that implements the functions of the heat insulation performance diagnosis device 10 by hardware.
  • the electronic circuit 90 is connected to the signal line 91.
  • the electronic circuit 90 is, specifically, a single circuit, a composite circuit, a programmed processor, a parallel programmed processor, a logic IC, a GA, an ASIC, or an FPGA.
  • GA is an abbreviation for Gate Array.
  • ASIC is an abbreviation for Application Specific Integrated Circuit.
  • FPGA is an abbreviation for Field-Programmable Gate Array.
  • the function of the adiabatic performance diagnostic device 10 may be realized by one electronic circuit, or may be realized by being distributed to a plurality of electronic circuits. Further, a part of the functions of the heat insulation performance diagnosis device 10 may be realized by an electronic circuit, and the remaining functions may be realized by software.
  • Each of the CPU and the electronic circuit 90 is also called a processing circuitry.
  • the function of the adiabatic performance diagnostic device 10 may be realized by a processing circuit.
  • the operation of the heat insulation performance diagnosis device 10 corresponds to a heat insulation performance diagnosis program.
  • the operation of the heat insulation performance diagnostic device 10 corresponds to a heat insulation performance diagnosis method.

Landscapes

  • Life Sciences & Earth Sciences (AREA)
  • Immunology (AREA)
  • Biochemistry (AREA)
  • Pathology (AREA)
  • General Physics & Mathematics (AREA)
  • Physics & Mathematics (AREA)
  • Health & Medical Sciences (AREA)
  • General Health & Medical Sciences (AREA)
  • Analytical Chemistry (AREA)
  • Chemical & Material Sciences (AREA)
  • Ecology (AREA)
  • Environmental Sciences (AREA)
  • Biodiversity & Conservation Biology (AREA)
  • Environmental & Geological Engineering (AREA)
  • Investigating Or Analyzing Materials Using Thermal Means (AREA)
  • Testing Resistance To Weather, Investigating Materials By Mechanical Methods (AREA)

Abstract

要約書建物の断熱性能の劣化度合いを判断する断熱性能診断装置（１０）は、推定条件に基づいて、対象壁の内外面の温度分布の推定画像を算出する壁温度推定部（２６）と、補正値を記憶した補正値記憶部（３０）と、前記補正値記憶部（３０）に記憶された前記補正値に基づいて、前記推定画像を補正して、比較用画像を得る補正部（２８）と、前記比較用画像と、前記対象壁の内外面の熱画像と、の比較結果に基づいて前記建物の断熱性能の劣化度合いを判断する比較部（３３）と、前記断熱性能が劣化していない初期期間中に取得された前記推定画像および前記熱画像を含む基礎データに基づいて前記補正値を算出する補正値算出部（３６）と、を備える。

Description

断熱性能診断装置、断熱性能診断プログラムおよび断熱性能診断方法
　本明細書では、建物の断熱性能の劣化度合いを判断する断熱性能診断装置を開示する。
　ビルなどの建物では、経年劣化により、その断熱性能が劣化していく。建物の補修・改修の要否を決定するうえで、こうした断熱性能の劣化度合いを監視することが求められている。ここで、断熱性能の測定方法は、ＩＳＯ０９８６９等で規定されている。断熱性能の測定方法の一つには、壁面を赤外線カメラ等で撮影して得られる熱画像から断熱性能を求める方法があり、かかる方法によれば、壁を壊すことなく簡便に断熱性能を測定できる。
　しかしながら、従来の断熱性能の測定方法は、室内外の温度差が定常状態にあることを前提としていた。換言すれば、室内および室外に非定常的な熱源（人や空調機器、太陽等）が存在する期間は、従来の測定方法を適用できなかった。結果として、従来の測定方法が適用できるのは、人の活動や日射がない夜間に限られていた。また、従来の測定方法は、室内外の温度差が可能な限り定常となるよう、一度に計測できる計測面を狭める必要があり、広い壁面全体の断熱性能を検証することは困難であった。
　ここで、特許文献１には、赤外線熱画像等を利用して壁面の構造欠陥を特定する技術が開示されている。具体的に説明すると、特許文献１では、壁面の表面におけるヒートバランス（熱環境）を同時系列で計測して得られたデータを用いて、壁面の非定常運動を解析するシミュレータを設計する。シミュレータには、壁面における空隙欠陥の幅を変数として入力でき、シミュレータの演算結果として壁面の温度が算出される。特許文献１では、空隙欠陥の幅を変えながらシミュレータで壁面温度を演算し、このシミュレータの演算結果と、赤外線カメラを用いて実測した壁面の赤外線熱画像と、が一致した時点の空隙欠陥の幅で、壁面の構造欠陥を特定する。
特開昭６３－１７５７３５号公報
　特許文献１の技術によれば、経時的な変化を考慮してシミュレーションを構築しており、室内外の温度差が非定常状態にあっても、壁面の性能低下をある程度、検証できる。しかしながら、特許文献１の技術は基本的に壁面の構造欠陥を特定するものであって、断熱性能を評価するものではない。また、特許文献１の技術では、シミュレータの推定精度は、ヒートバランスの計測結果に依存しており、ある程度の推定精度を維持するためには、壁面および空間に、一定の密度でセンサ（例えば温度センサ、放射センサ、対流センサなど）を設ける必要があった。しかし、構造欠陥特定のためだけに、専用のセンサを一定密度でセンサを設けることは費用的な負担が大きく、ビルの規模に比例して実施が困難となる。
　そこで、本明細書では、断熱性能の劣化度合いを簡易かつ高精度に診断できる断熱性能診断装置を開示する。
　本明細書で開示する断熱性能診断装置は、建物の断熱性能の劣化度合いを判断する断熱性能診断装置であって、推定条件に基づいて、対象壁の内外面の温度分布の推定値を推定温度分布として算出する推定部と、補正値を記憶した補正値記憶部と、前記補正値記憶部に記憶された前記補正値に基づいて、前記推定条件および前記推定温度分布の少なくとも一方を補正して、比較用温度分布を得る補正部と、前記比較用温度分布と、前記対象壁の内外面の温度分布の実測値である実測温度分布と、の比較結果に基づいて前記建物の断熱性能の劣化度合いを判断する比較部と、前記断熱性能が劣化していない初期期間中に取得された前記推定温度分布および前記実測温度分布を含む基礎データに基づいて前記補正値を算出する補正値算出部と、を備えることを特徴とする。
　この場合、前記対象壁は、複数の区画に分けられており、前記推定温度分布および前記実測温度分布として、前記区画ごとの推定温度および実測温度が取得され、前記補正値算出部は、前記区画ごとに、前記推定温度を補正する補正値を算出してもよい。
　また、この場合、前記補正値算出部は、同一タイミングで取得された前記実測温度と前記推定温度との差分値を、複数のタイミングについて算出し、複数の前記差分値を代表する統計値を算出し、前記統計値を相殺する値を、前記推定温度を補正する補正値として算出してもよい。
　また、前記基礎データは、前記推定温度分布および前記実測温度分布に加え、さらに、前記推定温度分布および前記実測温度分布を取得した際の前記対象壁周辺の熱環境を示す熱環境パラメータ値を含み、前記補正値算出部は、前記熱環境パラメータ値に基づいて推定温度分布および前記実測温度分布のデータを複数の熱環境グループに分けるとともに、前記熱環境グループごとに前記補正値を算出し、前記補正部は、現在の熱環境パラメータ値に対応する熱環境グループを特定するとともに、当該特定された熱環境グループに対応する補正値で、前記推定温度分布を補正してもよい。
　また、前記基礎データは、前記推定温度分布および前記実測温度分布に加え、さらに、前記推定温度分布および前記実測温度分布を取得した際の前記対象壁周辺の熱環境を示す熱環境パラメータ値の変動量を含み、前記補正値算出部は、対応する前記変動量が小さい前記推定温度分布および前記実測温度分布ほど重みが大きくなるように重み付けして前記補正値を算出してもよい。
　また、前記基礎データは、前記推定温度分布および前記実測温度分布に加え、さらに、前記推定温度分布および前記実測温度分布を取得した際の前記対象壁周辺の熱環境を示す前記熱環境パラメータ値を含み、前記補正値算出部は、前記基礎データを機械学習させることで前記補正値を算出してもよい。
　また、さらに、前記実測温度分布を実測する際の推奨エリアを提示するエリア提示部を備えてもよい。
　本明細書で開示する断熱性能診断プログラムは、
　コンピュータに、
　推定条件に基づいて、対象壁の内外面の温度分布の推定値を推定温度分布として算出する推定処理と、
　補正値を記憶した記憶装置に記憶された前記補正値に基づいて、前記推定条件および前記推定温度分布の少なくとも一方を補正して、比較用温度分布を得る補正処理と、
　前記比較用温度分布と、前記対象壁の内外面の温度分布の実測値である実測温度分布と、の比較結果に基づいて建物の断熱性能の劣化度合いを判断する比較処理と、
　前記断熱性能が劣化していない初期期間中に取得された前記推定温度分布および前記実測温度分布を含む基礎データに基づいて前記補正値を算出する補正値算出処理とを、
　実行させる。
　本明細書で開示する断熱性能診断方法は、
　コンピュータが、
　推定条件に基づいて、対象壁の内外面の温度分布の推定値を推定温度分布として算出し、
　補正値を記憶した記憶装置に記憶された前記補正値に基づいて、前記推定条件および前記推定温度分布の少なくとも一方を補正して、比較用温度分布を取得し、
　前記比較用温度分布と、前記対象壁の内外面の温度分布の実測値である実測温度分布と、の比較結果に基づいて建物の断熱性能の劣化度合いを判断し、
　前記断熱性能が劣化していない初期期間中に取得された前記推定温度分布および前記実測温度分布を含む基礎データに基づいて前記補正値を算出する。
　本明細書に開示の断熱性能診断装置によれば、建設当時の断熱性能を維持していれば得られるであろう温度分布を比較用温度分布として算出し、これを実測温度分布と比較するため、熱的環境が、定常な状態に限らず、熱的環境が非定常な状態でも断熱性能を診断できる。また、本明細書に開示の断熱性能診断装置によれば、初期期間中に収集されたデータに基づいて、補正値を算出し、この補正値で推定温度分布を補正している。その結果、多数のセンサを設けなくても、比較用温度分布の精度を向上できるため、断熱性能の劣化度合いを簡易かつ高精度に診断できる。
断熱性能診断の様子を示すイメージ図である。 断熱性能診断装置の物理的構成を示す図である。 断熱性能診断装置の機能ブロック図である。 補正値テーブルの一例を示す図である。 熱環境データテーブルの一例を示す図である。 推定画像の補正の流れを示すフローチャートである。 基礎情報テーブルの一例を示す図である。 補正値算出の流れを示すフローチャートである。 他の断熱性能診断装置の機能ブロック図である。 熱環境ログデータの一例を示す図である。 重み係数テーブルの一例を示す図である。 重み付け処理の流れを示すフローチャートである。 各画像を重み付けした場合の補正値算出処理の流れを示すフローチャートである。 他の断熱性能診断装置の機能ブロック図である。 他の断熱性能診断装置の機能ブロック図である。 他の断熱性能診断装置の機能ブロック図である。 エリア提示部による撮影可能エリアの提示例を示す図である。 他の断熱性能診断装置の機能ブロック図である。 発熱体の発熱量の記録の一例を示す図である。 発熱体の配置解析の流れを示すフローチャートである。 ハードウェア構成を補足する図である。
　以下、図面を参照して断熱性能診断装置１０の構成について説明する。図１は、断熱性能の診断の様子を示すイメージ図である。断熱性能診断装置１０は、ビルなどの建物１００における断熱性能の劣化度合いを診断する装置である。図１では、説明を簡単にするために、単一の部屋のみを例示しているが、断熱性能診断装置１０が対象とする建物１００は、複数の階、複数の部屋を有したビルや工場などであってもよい。
　後述するように断熱性能診断装置１０は、診断対象の壁（以下「対象壁１０２」という）の内外面の温度分布を推定し、比較用温度分布として算出する。この比較用温度分布は、建物１００が設計通りの断熱性能を維持している場合に得られるであろう温度分布、すなわち、理想の温度分布である。そして、断熱性能診断装置１０は、対象壁１０２の内外面の実測温度分布と、この比較用温度分布と、の比較結果に基づいて、当該対象壁１０２の断熱性を診断する。実測温度分布は、例えば、赤外線カメラ１１０（サーモカメラ）等を用いて取得される。また、比較用温度分布は、固定値である建物仕様パラメータおよび変動値である熱環境パラメータの値に基づいて断熱性能診断装置１０において算出される。ここで、熱環境パラメータは、温度センサや、日射センサ等のセンサで検知された環境計測値に加え、ビル管理システムで検知された、空調機の駆動状況や開口部（ドア等）の開閉状況、人員の入退室状況等を含んでもよい。この比較用温度分布（理想の温度分布）と実測温度分布との乖離が大きい場合には、建物１００の断熱性能が低下していると判断できる。
　図２は、断熱性能診断装置１０の物理構成を示すブロック図である。図２に示すように、断熱性能診断装置１０は、特定のプログラムに従って駆動する１以上のコンピュータで構築される。すなわち、断熱性能診断装置１０は、図２に示すように、ＣＰＵ１２と、記憶装置１４と、入力装置１６と、出力装置１８と、通信インターフェース（以下「通信Ｉ／Ｆ」という）２０と、を備えており、これらが、バス２２により接続されている。
　ＣＰＵ１２は、各種演算を行なう。具体的には、ＣＰＵ１２は、必要に応じて、記憶装置１４に記憶される断熱性能診断プログラムを読み込んで、断熱性能診断に必要な各種演算を行なう。このＣＰＵ１２による処理の具体的内容については、後述する。
　記憶装置１４は、各種データ（プログラム含む）を記憶するもので、例えば、ＲＡＭやＲＯＭといった半導体メモリ、ハードディスクドライブ、ソリッドステートドライブ等を１以上組み合わせて構成される。この記憶装置１４には、後述する断熱性能診断を行なうための断熱性能診断プログラムが記憶されている。また、記憶装置１４には、建物の仕様や、断熱性診断時の熱環境、補正値、基礎情報等も記憶されている。
　入力装置１６は、オペレータからの操作指示およびデータ入力を受け付けるもので、例えば、キーボード、マウス、タッチパネル、マイク等を１以上、組み合わせて構成される。出力装置１８は、オペレータに各種情報を出力するもので、例えば、ディスプレイ、スピーカー等を１以上、組み合わせて構成される。
　通信Ｉ／Ｆ２０は、他の電子機器および情報端末とデータを遣り取りする。例えば、各種センサで検知された計測値、および、建物管理システムで検知された空調機の駆動状況等は、この通信Ｉ／Ｆ２０を介して、断熱性能診断装置１０に入力される。また、断熱性能診断装置１０による診断結果は、この通信Ｉ／Ｆ２０を介して、他の情報端末に送られてもよい。
　なお、図２では、断熱性能診断装置１０を、１台のコンピュータとして図示しているが、断熱性能診断装置１０は、互いに通信可能な複数のコンピュータで構成されてもよい。したがって、例えば、断熱性能診断装置１０は、メインコンピュータと、当該メインコンピュータと通信可能であるとともに断熱性能診断に必要な各種データを記憶したデータサーバと、で構成されてもよい。
　図３は、断熱性能診断装置１０の機能ブロック図である。断熱性能診断装置１０は、繰り返し述べるとおり、対象壁１０２の内外面を実際に測定して得られる実測温度分布と、断熱性能診断装置１０で算出した比較用温度分布と、の比較に基づいて、断熱性能の劣化度合いを診断する装置である。この断熱性能診断装置１０は、図３に示す通り、実測温度分布を取得する熱画像取得部２４と、推定温度分布を算出する壁温度推定部２６と、推定温度分布を補正して比較用温度分布を算出する補正部２８等を有している。
　熱画像取得部２４は、対象壁１０２の内外面の温度を実測した実測温度分布を取得する。具体的には、熱画像取得部２４は、赤外線カメラ１１０で撮像された熱画像を実測温度分布として取得する。熱画像は、周知の通り、物体から放射される赤外線から温度を特定し、この特定された温度に応じた画素値（色値または輝度値）で構成される画像である。したがって、熱画像の画素値は、当該画素に対応する範囲の温度と等価とみなせ、熱画像は、実測温度分布とみなせる。この熱画像（実測温度分布）は、オペレータが手動で撮影するようにしてもよいし、赤外線カメラ１１０を自動制御することで、自動で撮影されるようにしてもよい。
　熱画像は、所定の分解能を有しており、各画素の画素値（色値または輝度値）は、当該画素に対応する区画の温度に応じて変化する。例えば、対象壁１０２の４ｍ×４ｍの撮影範囲を画素数が８×８＝６４画素の赤外線カメラ１１０で撮影した場合、熱画像の１画素は、０．５ｍ×０．５ｍの範囲の温度に対応した画素値（色値または輝度値）を有している。
　壁温度推定部２６は、推定条件に基づいて、対象壁１０２の内面および外面の温度分布を推定し、推定温度分布として機能する推定画像を出力する。より具体的には、壁温度推定部２６は、各種物理法則に基づいて、対象壁１０２の熱モデルを構築し、この熱モデルに、推定条件を適用して、数値解析することで、対象壁１０２の温度分布を推定するもので、例えば、流体解析シミュレータ（ＣＦＤ）である。
　推定条件としては、推定画像（推定温度分布）の分解能、建物仕様パラメータ値、熱環境パラメータ値などが含まれる。推定画像の分解能は、熱画像の分解能と同じである。すなわち、熱画像の分解能が８×８＝６４画素の場合、推定画像の分解能も８×８＝６４画素となる。仕様記憶部３２は、建物仕様パラメータの値を記憶しており、熱環境記憶部３１は、熱環境パラメータの値を、一時記憶している。建物仕様パラメータは、建物の仕様を示すパラメータであり、その値が経時的に変化しないパラメータである。この建物仕様パラメータには、例えば、建物の立地条件（方位、標高など）、建物を構成する壁、床、天井、建具（窓、扉等）等の機械的構成（素材、厚み等）、建物内にある部屋および開口部（窓、ドア等）のサイズおよび位置、空調機および熱源の位置等が含まれる。
　また、熱環境パラメータは、対象壁１０２周辺の熱環境を示すパラメータであり、その値が経時的に変化するパラメータである。この熱環境パラメータとしては、例えば、建物の外気温度、室内温度、日射量、室内発熱量等が含まれる。これら熱環境パラメータの値は、専用のセンサ１１４を用いて取得してもよいし、他の機器から提供されてもよい。例えば、外気温度や室内温度は、断熱性能診断のために設けられた専用の温度センサで取得されてもよいし、空調機に設けられた温度センサでの検知結果を建物管理システム１１２から提供されてもよい。また、日射量も専用のセンサで検知してもよいし、気象情報および建物の立地条件等から推定するようにしてもよい。また、室内発熱量は、例えば、建物管理システム１１２から提供される空調機の駆動状況、人の入退室状況等から取得される。こうした熱環境パラメータ値は、随時、取得され、熱環境記憶部３１に一時記憶される。さらに、熱環境パラメータ値として、開口部（ドア、窓等）の開閉回数が含まれてもよい。壁温度推定部２６は、この開口部の開閉回数に基づいて漏れ熱量を推定し、その漏れ熱量を推定画像に反映させてもよい。本例では、こうした熱環境パラメータ値は、可能な限り、建物管理システム１１２から提供される構成としている。かかる構成とすることで、専用のセンサが不要となり、断熱性診断に必要なコストを低減できる。
　補正部２８は、補正値記憶部３０に記憶された補正値に基づいて、推定画像（推定温度分布）を補正して、比較用画像（比較用温度分布）を算出する。すなわち、上述したとおり、壁温度推定部２６は、推定条件（仕様パラメータ値、熱環境パラメータ値）に基づいて、対象壁１０２の内外面の推定画像（推定温度分布）を推定する。ただし、壁温度推定部２６から出力される推定画像には、モデル化誤差や、熱環境パラメータ値の計測ポイントの不足などに起因する推定誤差がある。この推定誤差が大きいと、断熱性能の劣化度合いを適切に診断できない。そこで、補正部２８は、こうした推定誤差を相殺または低減するように推定画像を補正する。この補正部２８による具体的な処理について、図４～図６を参照して説明する。
　図４は、補正値記憶部３０に記憶されている補正値テーブル４０のイメージ図である。図４に示す補正値テーブルは、８×８＝６４画素の推定画像を補正するための補正値を記録したテーブルである。この図４から明らかなとおり、本例において、補正値は、画素ごとに設定されており、８列８行の行列として記憶されている。
　補正部２８は、補正値記憶部３０に記憶されている各画素の補正値を、推定画像の各画素値に加算することで、比較用画像を算出する。例えば、対象壁１０２の内面推定画像のｘ列ｙ行の画素値をＥ＿ＴＩｘ，ｙ、ｘ列ｙ行の補正値をｃ＿ＴＩｘ，ｙとした場合、補正部２８は、内面比較用画像のｘ列ｙ行の画素値Ｃ＿ＴＩｘ，ｙを、Ｃ＿ＴＩｘ，ｙ＝Ｅ＿ＴＩｘ，ｙ＋ｃ＿ＴＩｘ，ｙとして算出する。そして、同様の演算を、全ての画素について行なうことで、比較用画像が算出される。
　ここで、補正値は、壁温度推定部２６による推定誤差を相殺または低減するものであるが、この推定誤差は、対象壁１０２ごとに異なる。そのため、補正値は、対象壁１０２ごとに設定されている。また、同じ対象壁１０２であっても、推定時の熱環境によっても、推定誤差は変化する。そこで、本例では、熱環境パラメータ値に応じて、複数の熱環境グループを設定し、この熱環境グループごとに補正値を設定している。
　補正値記憶部３０には、熱環境グループと、この熱環境グループに含まれる熱環境との対応関係を示す熱環境データテーブル４２も記憶されている。図５は、熱環境データテーブル４２の一例を示す図である。後に詳説するように、補正値は、建物が劣化していない初期期間中に収集された熱画像（実測温度分布）および推定画像（推定温度分布）に基づいて学習される。補正値記憶部３０には、この学習に用いられた熱画像および推定画像を取得した際の熱環境（熱環境パラメータ値のセット）と、当該熱環境が属する環境グループと、が対応付けられて熱環境データテーブル４２として記憶されている。なお、この熱環境データテーブル４２は、対象壁１０２ごとに用意されている。補正部２８は、この熱環境データテーブル４２を参照して、新たに生成された推定画像の補正に用いる補正値を特定する。
　図６は、補正部２８による推定画像の補正の流れを示すフローチャートである。断熱性診断のために推定画像が生成されれば（Ｓ１０）、補正部２８は、熱環境データテーブル４２の中に、現在の熱環境と類似する熱環境があるか否かを判断する（Ｓ１２）。判断の結果、類似する熱環境が存在する場合は、その熱環境が属する熱環境グループを特定し、その熱環境グループに対応する補正値を取得する（Ｓ１４）。そして、この取得された補正値を、推定画像の各画素に加算することで、推定画像を補正した補正画像を生成する（Ｓ１６）。補正画像が得られれば、補正部２８は、この補正画像を、比較用画像として出力する（Ｓ１８）。一方、ステップＳ１２で類似の熱環境が見つからなかった場合、補正部２８は、推定画像を、比較用画像として出力する（Ｓ１９）。このように、推定画像を、対象壁１０２ごと、かつ、熱環境グループごとに設定された補正値で補正することにより、推定精度をより向上でき、ひいては、断熱性能診断の精度をより向上できる。
　次に、再び、図３を参照して、断熱性能診断装置１０の機能構成を説明する。比較部３３は、比較用画像（比較用温度分布）と、熱画像（実測温度分布）と、を比較し、その両画像の類似度に基づいて、対象壁の断熱性能を診断する。すなわち、補正部２８から出力される比較用画像は、対象壁１０２が、設計時の断熱性能を具備（仕様記憶部３２に記憶された仕様パラメータ値を維持）している場合に得られるであろう理想の温度分布とみなすことができる。したがって、この比較用画像と、実測温度分布である熱画像と、が一致または類似している場合には、対象壁１０２は、設計通りの断熱性能を有していると診断できる。一方で、比較用画像と熱画像との相違が大きい場合（類似度が小さい場合）には、対象壁１０２の断熱性能は、設計時に比べて劣化していると診断できる。つまり、両画像の類似度は、対象壁１０２の断熱性能の劣化度合いを示す指標となる。建物の管理者は、この類似度（断熱性能の劣化度合い）に基づいて、建物の補修・改修などの判断を行なうことができる。
　ここで、比較用画像と熱画像との類似度は、種々の公知の技術を用いて算出できる。例えば、比較部３３は、比較用画像と熱画像それぞれの温度領域におけるヒストグラムを生成し、ヒストグラム成分ごとのハミング距離を、類似度を表す指標として算出してもよい。この場合、ハミング距離（類似度）が小さいほど、両画像が類似しており、断熱性能の劣化度合いが小さいと評価できる。また、別の形態として、比較部３３は、画素ごとに比較用画像の画素値と熱画像の画素値との誤差を参照し、この誤差の二乗平均平方根を、類似度を表す指標として算出してもよい。この場合、二乗平均平方根（類似度）が小さいほど、両画像が類似しており、断熱性の劣化度合いが小さいと評価できる。比較部３３によって算出された類似度（劣化度合い）は、出力記憶部３４に記憶され、保存される。
　断熱性能診断装置１０には、さらに、補正値算出部３６および基礎情報記憶部３８が設けられている。基礎情報記憶部３８は、建物の断熱性能が劣化していない初期期間中に取得された推定画像、熱画像、熱環境パラメータ値を、基礎情報として記憶している。補正値算出部３６は、この基礎情報記憶部３８に記憶された基礎情報に基づいて、補正値を算出する。この基礎情報および補正値の算出について説明する。
　既述したとおり、基礎情報は、初期期間中に取得された推定画像、熱画像、熱環境パラメータ値を含む。ここで、初期期間とは、建物の断熱性が劣化していない期間である。すなわち、建物は、建設後、徐々に、その性能が劣化していくが、通常、建設から数年間は、建設当時と同等の断熱性能を維持する。この建設当時と同等の断熱性能を維持する期間を、本例では、初期期間とし、この初期期間中に取得された推定画像および熱画像に基づいて補正値を学習する。いわば、初期期間は、補正値学習の学習期間であるといえる。この初期期間（学習期間）は、断熱性能劣化の影響を避けるためには短いほど望ましいが、学習の精度向上のためには、長いほど望ましい。そこで、初期期間は、断熱性能劣化の影響を避けつつ、学習の精度向上のために、１年以上３年未満とすることが望ましい。特に、初期期間を１年以上とすれば、春夏秋冬それぞれの季節での温度分布（推定画像、熱画像）を得ることができるため、補正値の精度をより向上できる。
　初期期間中、壁温度推定部２６および熱画像取得部２４は、定期的に、または、不定期的に推定画像および熱画像を取得する。この画像の取得タイミングは、様々な熱環境下での画像が得られるように、設定されることが望ましい。初期期間中に取得された推定画像、熱画像、および、これら画像を取得した際の熱環境パラメータ値は、互いに対応付けられて基礎情報として、基礎情報記憶部３８に記憶される。例えば、基礎情報記憶部３８には、図７に示すような基礎情報テーブル４４が記憶される。基礎情報テーブル４４には、画像を取得した日時であるサンプリング日時４４ａと、その際の熱環境パラメータ値４４ｂと、各画像データのアドレス４４ｃと、が記録されている。なお、図７において、Ｅ＿ＴＩ，Ｅ＿ＴＯ，Ａ＿ＴＩ，Ａ＿ＴＯは、それぞれ、対象壁１０２の内面推定画像、外面推定画像、内面熱画像、外面熱画像を意味している。
　補正値算出部３６は、このようにして収集された基礎情報に基づいて、補正値を算出する。ここで、既述したとおり、初期期間は、建物の断熱性能が劣化していない期間である。そのため、初期期間中に取得された熱画像（実測温度分布）は、対象壁１０２が、設計時の断熱性能を具備（仕様記憶部３２に記憶された仕様パラメータ値を維持）している場合に得られるであろう、理想の温度分布を示していると言える。換言すれば、この初期期間中の熱画像（理想の温度分布）と、推定画像と、の誤差は、壁温度推定部２６の推定誤差であると言える。そこで、補正部２８は、初期期間中の熱画像と推定画像との誤差を求め、この誤差を相殺または低減する値を補正値として算出する。この補正値の算出の流れについて図８を参照して説明する。
　図８に示すように、基礎情報が収集できれば、補正値算出部３６は、基礎情報に含まれる推定画像および熱画像を、取得時の熱環境パラメータ値に基づいて、いくつかの熱環境グループＧｎ（ｎ＝１，２，・・・，Ｎ）に分ける（Ｓ２０）。そして、ｎ＝１にセットしたうえで（Ｓ２２）、熱環境グループＧｎに含まれる推定画像および熱画像を読み込む（Ｓ２４）。
　ここで、熱環境グループＧｎには、Ｍ個の内面推定画像、Ｍ個の内面熱画像、Ｍ個の外面推定画像、Ｍ個の外面熱画像が含まれる（Ｍは１以上の整数）。補正値算出部３６は、このＭ個の推定画像および熱画像の画素値の差の平均を、画素ごとに求める（Ｓ２６）。具体的には、ｍ個目の内面推定画像および内面熱画像のｘ列ｙ行の画素値を、それぞれ、Ｅ＿ＴＩｘ，ｙ（ｍ）、Ａ＿ＴＩｘ，ｙ（ｍ）とした場合、ｘ列ｙ行の画素値の誤差平均値ＡｖｅＩｘ，ｙを、以下の式に基づいて算出する。
Figure JPOXMLDOC01-appb-M000001
　同様に、ｍ個目の外面推定画像および外面熱画像のｘ列ｙ行の画素値を、それぞれ、Ｅ＿ＴＯｘ，ｙ（ｍ）、Ａ＿ＴＯｘ，ｙ（ｍ）とした場合、ｘ列ｙ行の画素値の誤差平均値ＡｖｅＯｘ，ｙは、以下の式に基づいて算出される。
Figure JPOXMLDOC01-appb-M000002
　このようにして得られた誤差平均値ＡｖｅＩｘ，ｙ，ＡｖｅＯｘ，ｙは、実測値と推定値との差、すなわち、推定誤差の平均値とみなせる。そこで、補正値算出部３６は、この誤差平均値を、当該画素の補正値として補正値記憶部３０に記憶する（Ｓ２８）。すなわち、上記の式で算出された誤差平均値ＡｖｅＩｘ，ｙを、熱環境グループＧｎにおける内面推定画像のｘ列ｙ行の補正値として記憶し、誤差平均値ＡｖｅＯｘ，ｙを、熱環境グループＧｎにおけるｘ列ｙ行の補正値として記憶する。
　一つの熱環境グループＧｎについて補正値が算出できれば、ｎをインクリメントしたうえで（Ｓ３２）、ステップＳ２４～Ｓ２８を繰り返す。そして、全ての熱環境グループについて補正値を算出できれば（ステップＳ３０においてｎ＝Ｎに達すれば）、補正値算出の処理は、終了となる。
　以上の説明から明らかなとおり、本例によれば、対象壁１０２の理想の温度分布を比較用温度分布（比較用画像）として断熱性能診断装置１０で算出し、この比較用温度分布（比較用画像）と実測温度分布（熱画像）との比較に基づいて、対象壁１０２の断熱性能を診断している。かかる構成とすることで、室内外の温度差が定常状態にない場合であっても、断熱性能を診断できる。
　また、本例では、初期期間中に取得された実測温度分布（熱画像）および推定温度分布（推定画像）に基づいて、推定誤差を相殺または減少させる補正値を算出し、この補正値に用いて断熱性診断のために算出された推定温度分布（推定画像）を補正し、比較用温度分布（比較用画像）を算出している。これにより比較用温度分布の精度、ひいては、断熱性能の診断精度をより向上できる。
　また、本例では、補正値を、熱環境グループごとに、また、画素ごとに設定している。そのため、比較用温度分布の精度、ひいては、断熱性能の診断精度をより向上できる。ただし、少なくとも、基礎情報に基づいて算出されるのであれば、補正値は、熱環境グループごとに設定されていなくてもよい。
　また、補正値は、初期期間中に取得された推定画像と熱画像との誤差を相殺できる値であれば、その算出方法は、適宜、変更されてもよい。例えば、上述の例では、画素値の誤差平均値を補正値として用いているが、補正値は、画素値の誤差を代表する統計値であれば、他の値でもよい。例えば、画素値の誤差の中央値や、最頻値を補正値としてもよい。また、上述の例では、初期期間中の推定画像と熱画像との画素値の差分に基づいて補正値を算出しているが、差分ではなく、両画像の画素値の比率に基づいて補正値を算出してもよい。例えば、初期期間中の熱画像の画素値を、推定画像の画素値で割った値（比率）の平均値を、補正値として算出してもよい。この場合、補正部２８は、推定画像の画素値に、補正値を加算するのではなく、乗算すればよい。
　また、補正値は、画素ごとではなく、より大きい単位ごとに設定されてもよい。例えば、補正値は、推定画像を４つに区分したエリアごとに設定されてもよい。また、別の形態として、補正値は、一つの推定画像について一つ設定されてもよい。
　次に、他の形態について説明する。図９は、他の断熱性能診断装置１０の機能ブロック図である。この断熱性能診断装置１０は、補正値算出に用いる推定画像および熱画像を、その画像取得時の熱環境に基づいて重み付けする重み付け部４６を有する点で、図３の診断装置と相違する。すなわち、この断熱性能診断装置１０は、熱環境が定常的な状態で取得された推定画像および熱画像の重みを重くする。
　具体的に説明すると、この断熱性能診断装置１０は、初期期間中に、定期的に、熱環境パラメータ値を取得し、取得した値を熱環境ログデータとして基礎情報記憶部３８に記憶する。この熱環境ログデータのサンプリング周期は、推定画像および熱画像のサンプリング周期と同じ、または、小さいことが望ましい。
　重み付け部４６は、Ｍ－１回目の画像取得時からＭ回目の画像取得時までの期間における熱環境パラメータ値の変動度合いに基づいて、Ｍ回目の画像の重みを決定する。例えば、図７に示すような基礎情報が収集された場合において、２０１７年７月１０日１７：２０に取得された画像の重みは、その一つ前の画像取得時である２０１７年７月１０日１３：４５から２０１７年７月１０日１７：２０までに取得された熱環境パラメータ値の変動度合いに基づいて決定する。変動度合いの算出方法としては、種々考えられるが、本例では、前回パラメータ値との差が規定未満となった回数を、変動度合いの評価値としている。
　例えば、２０１７年７月１０日の熱環境ログデータ４８として、図１０に示すデータが取得されたとする。また、規定値として１℃が設定されたとする。この場合において、２０１７年７月１０日１７：２０の画像の重み付けを決定する場合、重み付け部４６は、１３：４５～１７：２０までに取得された熱環境パラメータ値、すなわち、１４時、１５時、１６時、１７時に取得された熱環境パラメータ値それぞれについて、前回の熱環境パラメータ値との差を算出する。そして、得られた差が、規定値未満となる回数を、その区間の変更評価値としている。図１０の例では、１４時から１７時までの区間において、熱環境パラメータ値である外気温度の単位時間当たりの変動量が、規定値である１度未満となるのは、１４時および１５時の２回であるため、変動評価値は、「２」となる。さらに、この変動評価値を、その区間のサンプル数で割って正規化した値が、重み係数となる。図１０の例では、２０１７年７月１０日１７：２０に取得された画像の重み係数は、２／４＝０．５となる。
　同様に、２０１７年７月１０日２２：００に取得された画像の重み係数は、１８時、１９時、２０時、２１時、２２時の外気温度の変動量に基づいて決定されるもので、変動評価値は「４」、重み係数は、４／５＝０．８となる。
　重み付け部４６は、上記の手順で、基礎情報を構成する各画像の重み係数を算出する。算出された重み係数は、基礎情報を構成する各画像と関連付けられて基礎情報記憶部３８に記憶される。図１１は、基礎情報記憶部３８に記憶される重み係数テーブル５０の一例を示す図である。
　図１２は、重み付け部４６による重み付け処理の流れを示すフローチャートである。図１２に示すように、重み付け部４６は、まず、Ｍ－１回目の画像取得時からＭ回目の画像取得時までの間に熱環境データログとして収集された熱環境パラメータ値をＰ（０）～Ｐ（Ｎ）として読み込む（Ｓ３６）。続いて、演算用パラメータｉ，ｋをゼロに初期化する（Ｓ３８）。次に、重み付け部４６は、ｉ－１番目とｉ番目の熱環境パラメータ値の変動量ΔＰ（ｉ）を算出する（Ｓ４０）。すなわち、ΔＰ（ｉ）＝｜Ｐ（ｉ）－Ｐ（ｉ－１）｜の演算を行なう。続いて、重み付け部４６は、得られた変動量ΔＰ（ｉ）を、規定の基準値ΔＰ＿ｄｅｆと比較する（Ｓ４２）。比較の結果、変動量ΔＰ（ｉ）が、基準値ΔＰ＿ｄｅｆ未満の場合、変動評価値ｋに１を加算する（Ｓ４４）。一方、ΔＰ（ｉ）≧ΔＰ＿ｄｅｆの場合、変動評価値ｋに１を加算することなく、ステップＳ４６に進む。
　ステップＳ４６では、パラメータｉが、区間のサンプル数Ｎに達したか否かを確認する（Ｓ４６）。確認の結果、ｉ＜Ｎであれば、パラメータｉをインクリメントしたうえで（Ｓ４８）、ステップＳ４０に戻る。一方、ｉ＝Ｎであれば（Ｓ４６でＹｅｓ）、重み付け部４６は、変動評価値ｋを、サンプル数Ｎで割った値Ｋ＝ｋ／Ｎを、Ｍ回目の画像の重み係数として基礎情報記憶部３８に記憶する（Ｓ５０）。
　次に、各画像を重み付けした場合の補正値算出処理について図１３を参照して説明する。この場合、補正値算出部３６は、図８の場合と同様に、基礎情報として取得した画像のグループ分け（Ｓ２０）、パラメータｎの初期化をした後（Ｓ２２）、グループＧｎの画像セットを読み込む（Ｓ２４）。続いて、補正値算出部３６は、実測温度と推測温度との差分の加重平均値を画素ごとに算出する（Ｓ２６＊）。すなわち、式２、式４に替えて、以下の式５、式６で加重平均値ＷＡｖｅＩｘ，ｙ、ＷＡｖｅＯｘ，ｙを算出する。なお、式５、式６においてＫｍは、ｍ番目の画像の重み係数を意味している。
Figure JPOXMLDOC01-appb-M000003
　加重平均値が得られれば、補正値算出部３６は、上記の式で算出された加重平均値ＷＡｖｅＩｘ，ｙを、熱環境グループＧｎにおける内面推定画像のｘ列ｙ行の補正値として記憶し、加重平均値ＷＡｖｅＯｘ，ｙを、熱環境グループＧｎにおけるｘ列ｙ行の補正値として記憶する（Ｓ２８＊）。そして、一つの熱環境グループＧｎについて補正値が算出できれば、ｎをインクリメントしたうえで（Ｓ３２）、ステップＳ２４～Ｓ３０を繰り返す。そして、全ての熱環境グループについて補正値を算出できれば（ステップＳ３０においてｎ＝Ｎに達すれば）、補正値算出の処理は、終了となる。
　以上の説明から明らかなとおり、本例では、熱環境が定常状態に近いほど重み係数が大きくなるように、熱画像・推定画像を重み付けしたうえで、補正値を算出している。かかる構成とするのは、定常状態に近いほど、データに含まれる誤差が少なく、信頼性が高いためである。そして、信頼性の高いデータの重み係数を大きくすることで、より正確な補正値を求めることができ、比較用温度分布の精度、ひいては、断熱性能の診断精度をより向上できる。
　次に、他の形態について説明する。図１４は、他の断熱性能診断装置１０の機能ブロック図である。この断熱性能診断装置１０は、補正値を、リカレントニューラルネットワーク等の機械学習モデルを利用して算出する点で、図３の診断装置と相違する。すなわち、この断熱性能診断装置において、補正値算出部３６は、機械学習モデル５２を有している。補正値算出部３６は、基礎データとして収集された熱環境パラメータ値の数値列、推定画像の画素値の数値列、熱画像の画素値の数値列を連結した数値列をベクトルデータとして、機械学習モデル５２に入力する。機械学習モデル５２は、入力されたベクトルデータに基づいて学習し、推定画像を入力、比較用画像を出力とする補正モデルを構築する。構築された補正モデルは、補正値記憶部３０に記憶される。
　補正部２８は、壁温度推定部２６で算出された推定画像を、この補正モデルを用いて補正する。具体的には、補正部２８は、壁温度推定部２６で算出された推定画像の画素値の数値列、画像取得時の熱環境パラメータ値の数値列を、この補正モデルに入力する。数値列を入力することにより補正モデルは、比較用画像の画素値の数値列を出力する。補正部２８は、この出力された数値列に基づいて、補正用画像を構築し、比較部３３に送る。
　このように推定画像の補正に機械学習モデルを用いることで、比較用温度分布の精度、ひいては、断熱性能の診断精度をより向上できる。
　次に、他の形態について説明する。図１５は、他の断熱性能診断装置１０の機能ブロック図である。この断熱性能診断装置１０は、補正部２８が、壁温度推定部２６から出力された推定画像ではなく、壁温度推定部２６に入力される推定条件、特に、仕様パラメータ値を補正する点で、図３の診断装置と相違する。
　具体的には、この断熱性能診断装置１０において、補正値算出部３６は、初期期間中に取得された熱画像および熱環境パラメータ値に基づいて、仕様パラメータ値を補正する補正値を算出する。断熱性能診断のために推定画像を算出する際、補正部２８は、壁温度推定部２６に入力する仕様パラメータ値を補正する。
　こうした仕様パラメータ値を補正する補正値は、例えば、初期期間中に、熱画像と類似する推定画像が得られるまで、壁温度推定部２６に入力する仕様パラメータ値を徐々に変更することで得られる。すなわち、補正値算出部３６は、初期期間中に熱画像が得られれば、当該熱画像取得時の熱環境パラメータ値と、仕様パラメータ値を仮の補正値で補正した補正後仕様パラメータ値と、を壁温度推定部２６に入力して、推定画像を取得する。推定画像が得られれば、補正値算出部３６は、当該推定画像と熱画像とを比較し、両者が一定以上、類似しているか否かを判定する。なお、この類似度の判定は、比較部３３における比較用画像と熱画像との類似度判定と同様の技術を用いることができる。すなわち、推定画像と熱画像それぞれの温度領域におけるヒストグラムを生成し、ヒストグラム成分ごとのハミング距離を類似度を表す指標として算出してもよい。また、推定画像と熱画像の画素値の誤差の二乗平均平方根を類似度を表す指標として算出してもよい。判定の結果、両者が類似していれば、その時点での仮の補正値を、補正値として熱環境パラメータ値と関連付けて記憶する。一方、推定画像と熱画像が類似していない場合、補正値算出部３６は、仮の補正値を変更したうえで、再度、壁温度推定部２６に熱環境パラメータ値および補正後仕様パラメータ値を入力して、推定画像を取得する。そして、最終的に、熱画像と類似した推定画像が得られるまで、この手順を繰り返す。こうした補正値の算出には、例えば、遺伝的アルゴリズム等を利用してもよい。
　次に、他の形態について説明する。図１５は、他の断熱性能診断装置１０の機能ブロック図である。この断熱性能診断装置１０は、熱画像の撮影可能エリアを提示するエリア提示部５４を有する点で、図３の断熱性能診断装置１０と異なる。
　適切に断熱性能を診断するためには、推定画像が表す領域と、熱画像が撮像した領域は、同一である必要がある。例えば、推定画像が、ある対象壁の中央４×４の領域の温度分布を示す場合、熱画像は、同じ対象壁の中央４×４の領域を撮像した画像であることが望まれる。ここで、推定画像が表す領域は、コンピュータ上で指定するだけであるため、自由に調整できる。一方、熱画像の撮像領域は、赤外線カメラ１１０の位置および画角によって決まるが、所望の撮像領域を撮影できる撮影ポイントを、人が特定することは困難であった。そこで、図１６に示す断熱性能診断装置１０では、所望の撮像領域を赤外線カメラ１１０で撮影可能なエリアを撮影可能エリアとして算出し、オペレータに提示するエリア提示部５４を設けている。
　より具体的には、オペレータは、熱画像として撮影したい撮影領域と、撮影に用いる赤外線カメラ１１０の画角と、を断熱性能診断装置１０に入力する。なお、熱画像の撮影領域は、壁温度推定部２６で算出される推定画像が表す領域と同じであるため、オペレータが入力するのではなく、壁温度推定部２６から自動的に入力されるようにしてもよい。エリア提示部５４は、指定された撮影領域と赤外線カメラ１１０の画角、許容可能な歪み量等に基づいて、熱画像の撮影が可能なエリアを計算し、オペレータに提示する。
　図１７は、エリア提示部５４による撮影可能エリアの提示例を示す図である。図１７において、黒塗りした範囲が、指定された撮影領域５８であり、薄墨ハッチングを施した範囲が、当該撮影領域を撮影可能な撮影可能エリア６０である。図１７では、撮影可能エリア６０は、扇形となっているため、当該扇形の内径Ｒ１、外径Ｒ２、中心角α等の数値もオペレータに提示される。
　このように断熱性能診断装置１０において、熱画像の撮影可能エリアを演算し、オペレータに提示することで、熱画像取得の手間を軽減できる。
　次に、他の形態について説明する。図１８は、他の断熱性能診断装置１０の機能ブロック図である。この断熱性能診断装置１０は、発熱体の位置を解析する解析部６２を有する点で、図３の断熱性能診断装置１０と異なる。
　すなわち、建物内には、複数の発熱体、例えば、エアコン室内機や、照明、人等が存在する。壁温度推定部２６による推定精度、あるいは、補正値算出部３６で算出される補正値の精度を向上させるためには、発熱体の発熱量および位置も、熱環境パラメータの一種として収集することが望ましい。ここで、エアコン室内機や照明などの建物の設備となっている発熱体の位置は、既知であり、通常、建物管理システム１１２において把握されている。一方、建物管理システム１１２が位置を特定できない発熱体も多い。例えば、オフィスビルにおいて、当該オフィスに勤務する社員（人）も発熱体である。こうした社員の有無は、入退室記録を参照することで、把握できるが、入室した社員の位置は、建物管理システム１１２で把握することはできない。しかし、一般に、社員は、自身の座席にいることが多く、その座席位置は、ほぼ一定となっている。
　そこで、解析部は、初期期間中に取得できた熱画像に基づいて、建物管理システム１１２で位置把握できない発熱体の位置を解析する。具体的には、解析部６２は、初期期間中に、熱画像と、当該熱画像のサンプリング時における各種熱環境パラメータの値と、を収集する。このとき熱環境パラメータとして、図７に示すような温度や日射量に加え、発熱体の発熱量も収集し、基礎情報記憶部３８に記憶する。
　図１９は、発熱体の発熱量の記録の一例を示す図である。図１９に示すように基礎情報記憶部３８には、サンプリング日時ごとに、発熱体の発熱量と、その位置と、が記録されている。ここで、エアコン室内機の発熱量は、エアコンの駆動状態（冷房量、暖房量等）から特定できる。また、照明の発熱量は、照明のオン／オフ状態から特定できる。社員Ａの発熱量は、当該社員Ａの入退室記録と、一般的な人の発熱量と、で特定できる。また、エアコン室内機や照明等のビル設備の配置は、当該ビルの設備図などから特定できる。一方、社員Ａの配置は、建物管理システム１１２で把握することはできないため、初期状態では、空欄のままとなっている。
　初期期間中に複数の熱画像が取得できれば、解析部６２は、当該熱画像および熱画像取得時の熱環境パラメータ値に基づいて、位置不明な発熱体（例えば社員Ａ）の配置を解析する。図２０は、発熱体の配置解析の流れを示すフローチャートである。
　解析部６２は、まず、配置を特定したい発熱体を仮位置に配置する（Ｓ５２）。そして、その仮位置も含めた熱環境パラメータ値を壁温度推定部２６に入力し、各熱画像に対応する推定画像を算出する（Ｓ５４）。推定画像が算出できれば、解析部６２は、複数の熱画像と、複数の推定画像とを比較する（Ｓ５６）。比較の結果、両者が類似している場合（例えば、画素値の誤差の二乗平均平方根値が規定値未満）、発熱体の配置が適切であるとして、現在の仮位置を、発熱体の位置として記憶する（Ｓ６０）。一方、両者が類似していない場合、仮位置を修正したうえで（Ｓ５８）、ステップＳ５４に戻る。そして、両画像が十分に類似するまで、ステップＳ５４～Ｓ６０を繰り返す。
　このように発熱体の配置を、初期期間中に取得された熱画像に基づいて解析して推定することで、推定画像の推定精度を向上できる。なお、こうした発熱体の仮位置の決定には、例えば、遺伝的アルゴリズムを用いてもよい。
　また、このように発熱体の位置を特定しても、推定画像と熱画像との間には、誤差が残ることが予想される。したがって、発熱体の位置を特定する場合でも、これまで説明した形態と同様に、補正値算出部３６は、誤差を相殺または減少する補正値を算出し、補正部２８は、この補正値に基づいて断熱性能診断に用いる推定画像を補正する。
＜ハードウェア構成の補足＞
　図２１はハードウェア構成を補足する図である。図２１は、断熱性能診断装置１０の機能がハードウェアで実現される構成を示す。図２１の電子回路９０は、断熱性能診断装置１０の機能をハードウェアで実現する専用の電子回路である。電子回路９０は、信号線９１に接続している。電子回路９０は、具体的には、単一回路、複合回路、プログラム化したプロセッサ、並列プログラム化したプロセッサ、ロジックＩＣ、ＧＡ、ＡＳＩＣ、または、ＦＰＧＡである。ＧＡは、Ｇａｔｅ　Ａｒｒａｙの略語である。ＡＳＩＣは、Ａｐｐｌｉｃａｔｉｏｎ　Ｓｐｅｃｉｆｉｃ　Ｉｎｔｅｇｒａｔｅｄ　Ｃｉｒｃｕｉｔの略語である。ＦＰＧＡは、Ｆｉｅｌｄ－Ｐｒｏｇｒａｍｍａｂｌｅ　Ｇａｔｅ　Ａｒｒａｙの略語である。断熱性能診断装置１０の機能は、１つの電子回路で実現されてもよいし、複数の電子回路に分散して実現されてもよい。また、断熱性能診断装置１０の機能の一部が電子回路で実現され、残りの機能がソフトウェアで実現されてもよい。
　ＣＰＵと電子回路９０の各々は、プロセッシングサーキットリとも呼ばれる。断熱性能診断装置１０の機能が、プロセッシングサーキットリにより実現されてもよい。
　なお、断熱性能診断装置１０の動作は断熱性能診断プログラムに相当する。また、断熱性能診断装置１０の動作は断熱性能診断方法に相当する。
　１０　断熱性能診断装置、１２　ＣＰＵ、１４　記憶装置、１６　入力装置、１８　出力装置、２０　通信Ｉ／Ｆ、２２　バス、２４　熱画像取得部、２６　壁温度推定部、２８　補正部、３０　補正値記憶部、３１　熱環境記憶部、３２　仕様記憶部、３３　比較部、３４　出力記憶部、３６　補正値算出部、３８　基礎情報記憶部、４０　補正値テーブル、４２　熱環境データテーブル、４４　基礎情報テーブル、４６　重み付け部、４８　熱環境ログデータ、５０　重み係数テーブル、５２　機械学習モデル、５４　エリア提示部、５８　撮影領域、６０　撮影可能エリア、６２　解析部、９０　電子回路、９１　信号線、１００　建物、１０２　対象壁、１１０　赤外線カメラ、１１２　建物管理システム、１１４　センサ。

Claims (9)

  1. 　建物の断熱性能の劣化度合いを判断する断熱性能診断装置であって、
    　推定条件に基づいて、対象壁の内外面の温度分布の推定値を推定温度分布として算出する推定部と、
    　補正値を記憶した補正値記憶部と、
    　前記補正値記憶部に記憶された前記補正値に基づいて、前記推定条件および前記推定温度分布の少なくとも一方を補正して、比較用温度分布を得る補正部と、
    　前記比較用温度分布と、前記対象壁の内外面の温度分布の実測値である実測温度分布と、の比較結果に基づいて前記建物の断熱性能の劣化度合いを判断する比較部と、
    　前記断熱性能が劣化していない初期期間中に取得された前記推定温度分布および前記実測温度分布を含む基礎データに基づいて前記補正値を算出する補正値算出部と、
    　を備えることを特徴とする断熱性能診断装置。
  2. 　請求項１に記載の断熱性能診断装置であって、
    　前記対象壁は、複数の区画に分けられており、
    　前記推定温度分布および前記実測温度分布として、前記区画ごとの推定温度および実測温度が取得され、
    　前記補正値算出部は、前記区画ごとに、前記推定温度を補正する補正値を算出する、
    　ことを特徴とする断熱性能診断装置。
  3. 　請求項２に記載の断熱性能診断装置であって、
    　前記補正値算出部は、同一タイミングで取得された前記実測温度と前記推定温度との差分値を、複数のタイミングについて算出し、複数の前記差分値を代表する統計値を算出し、前記統計値を相殺する値を、前記推定温度を補正する補正値として算出する、
    　ことを特徴とする断熱性能診断装置。
  4. 　請求項１から３のいずれか１項に記載の断熱性能診断装置であって、
    　前記基礎データは、前記推定温度分布および前記実測温度分布に加え、さらに、前記推定温度分布および前記実測温度分布を取得した際の前記対象壁周辺の熱環境を示す熱環境パラメータ値を含み、
    　前記補正値算出部は、前記熱環境パラメータ値に基づいて推定温度分布および前記実測温度分布のデータを複数の熱環境グループに分けるとともに、前記熱環境グループごとに前記補正値を算出し、
    　前記補正部は、現在の熱環境パラメータ値に対応する熱環境グループを特定するとともに、当該特定された熱環境グループに対応する補正値で、前記推定温度分布を補正する、
    　ことを特徴とする断熱性能診断装置。
  5. 　請求項２から４のいずれか１項に記載の断熱性能診断装置であって、
    　前記基礎データは、前記推定温度分布および前記実測温度分布に加え、さらに、前記推定温度分布および前記実測温度分布を取得した際の前記対象壁周辺の熱環境を示す熱環境パラメータ値の変動量を含み、
    　前記補正値算出部は、対応する前記変動量が小さい前記推定温度分布および前記実測温度分布ほど重みが大きくなるように重み付けして前記補正値を算出する、
    　ことを特徴とする断熱性能診断装置。
  6. 　請求項２または３に記載の断熱性能診断装置であって、
    　前記基礎データは、前記推定温度分布および前記実測温度分布に加え、さらに、前記推定温度分布および前記実測温度分布を取得した際の前記対象壁周辺の熱環境を示す熱環境パラメータ値を含み、
    　前記補正値算出部は、前記基礎データを機械学習させることで前記補正値を算出する、ことを特徴とする断熱性能診断装置。
  7. 　請求項１から６のいずれか１項に記載の断熱性能診断装置であって、さらに、
    　前記実測温度分布を実測する際の推奨エリアを提示するエリア提示部を備える、ことを特徴とする断熱性能診断装置。
  8. 　コンピュータに、
    　推定条件に基づいて、対象壁の内外面の温度分布の推定値を推定温度分布として算出する推定処理と、
    　補正値を記憶した記憶装置に記憶された前記補正値に基づいて、前記推定条件および前記推定温度分布の少なくとも一方を補正して、比較用温度分布を得る補正処理と、
    　前記比較用温度分布と、前記対象壁の内外面の温度分布の実測値である実測温度分布と、の比較結果に基づいて建物の断熱性能の劣化度合いを判断する比較処理と、
    　前記断熱性能が劣化していない初期期間中に取得された前記推定温度分布および前記実測温度分布を含む基礎データに基づいて前記補正値を算出する補正値算出処理とを、
    　実行させる断熱性能診断プログラム。
  9. 　コンピュータが、
    　推定条件に基づいて、対象壁の内外面の温度分布の推定値を推定温度分布として算出し、
    　補正値を記憶した記憶装置に記憶された前記補正値に基づいて、前記推定条件および前記推定温度分布の少なくとも一方を補正して、比較用温度分布を取得し、
    　前記比較用温度分布と、前記対象壁の内外面の温度分布の実測値である実測温度分布と、の比較結果に基づいて建物の断熱性能の劣化度合いを判断し、
    　前記断熱性能が劣化していない初期期間中に取得された前記推定温度分布および前記実測温度分布を含む基礎データに基づいて前記補正値を算出する断熱性能診断方法。
PCT/JP2019/015247 2018-07-12 2019-04-08 断熱性能診断装置、断熱性能診断プログラムおよび断熱性能診断方法 WO2020012738A1 (ja)

Applications Claiming Priority (2)

Application Number Priority Date Filing Date Title
JP2018-132673 2018-07-12
JP2018132673A JP6878361B2 (ja) 2018-07-12 2018-07-12 断熱性能診断装置

Publications (1)

Publication Number Publication Date
WO2020012738A1 true WO2020012738A1 (ja) 2020-01-16

Family

ID=69141949

Family Applications (1)

Application Number Title Priority Date Filing Date
PCT/JP2019/015247 WO2020012738A1 (ja) 2018-07-12 2019-04-08 断熱性能診断装置、断熱性能診断プログラムおよび断熱性能診断方法

Country Status (2)

Country Link
JP (1) JP6878361B2 (ja)
WO (1) WO2020012738A1 (ja)

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112924488A (zh) * 2021-01-27 2021-06-08 南通市建设工程质量检测站有限公司 幕墙隔热性能检测装置及检测方法
CN114646664A (zh) * 2022-05-20 2022-06-21 领合(南通)新型建材科技有限公司 新型复合门窗型材隔热性能质量监测方法与系统
CN116818830A (zh) * 2023-08-29 2023-09-29 山东津庭名企建材有限公司 一种低碳建筑材料的保温隔热性能检测方法

Families Citing this family (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR102568132B1 (ko) * 2021-12-20 2023-08-18 (주)미래환경플랜건축사사무소 건물 외피의 표면 열전달 계수 추정 시스템 및 방법

Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JPH0588418B2 (ja) * 1984-08-06 1993-12-22 Oosaka Shosen Mitsui Senpaku Kk
JP4206997B2 (ja) * 2004-12-24 2009-01-14 株式会社コンステック 外装改善計画システム
KR20120100490A (ko) * 2011-03-04 2012-09-12 성균관대학교산학협력단 벽면의 단열 성능 측정 방법
JP3194072U (ja) * 2013-12-27 2014-11-06 ジェイ建築システム株式会社 赤外線カメラと計算ソフトを用いたインスペクション診断装置
JP2016048208A (ja) * 2014-08-28 2016-04-07 株式会社インテグラル 情報処理装置、情報処理方法、およびプログラム
US20160356733A1 (en) * 2015-06-08 2016-12-08 Owens Corning Intellectual Capital, Llc Building insulation auditing system

Patent Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JPH0588418B2 (ja) * 1984-08-06 1993-12-22 Oosaka Shosen Mitsui Senpaku Kk
JP4206997B2 (ja) * 2004-12-24 2009-01-14 株式会社コンステック 外装改善計画システム
KR20120100490A (ko) * 2011-03-04 2012-09-12 성균관대학교산학협력단 벽면의 단열 성능 측정 방법
JP3194072U (ja) * 2013-12-27 2014-11-06 ジェイ建築システム株式会社 赤外線カメラと計算ソフトを用いたインスペクション診断装置
JP2016048208A (ja) * 2014-08-28 2016-04-07 株式会社インテグラル 情報処理装置、情報処理方法、およびプログラム
US20160356733A1 (en) * 2015-06-08 2016-12-08 Owens Corning Intellectual Capital, Llc Building insulation auditing system

Cited By (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112924488A (zh) * 2021-01-27 2021-06-08 南通市建设工程质量检测站有限公司 幕墙隔热性能检测装置及检测方法
CN114646664A (zh) * 2022-05-20 2022-06-21 领合(南通)新型建材科技有限公司 新型复合门窗型材隔热性能质量监测方法与系统
CN114646664B (zh) * 2022-05-20 2022-08-12 领合(南通)新型建材科技有限公司 新型复合门窗型材隔热性能质量监测方法与系统
CN116818830A (zh) * 2023-08-29 2023-09-29 山东津庭名企建材有限公司 一种低碳建筑材料的保温隔热性能检测方法
CN116818830B (zh) * 2023-08-29 2023-12-01 山东津庭名企建材有限公司 一种低碳建筑材料的保温隔热性能检测方法

Also Published As

Publication number Publication date
JP6878361B2 (ja) 2021-05-26
JP2020008534A (ja) 2020-01-16

Similar Documents

Publication Publication Date Title
WO2020012738A1 (ja) 断熱性能診断装置、断熱性能診断プログラムおよび断熱性能診断方法
Sangogboye et al. Performance comparison of occupancy count estimation and prediction with common versus dedicated sensors for building model predictive control
Natephra et al. Integrating 4D thermal information with BIM for building envelope thermal performance analysis and thermal comfort evaluation in naturally ventilated environments
WO2017012321A1 (zh) 显示状态的调节方法、显示状态调节装置及显示装置
CN111337142A (zh) 体温修正方法、装置及电子设备
WO2018171165A1 (zh) 预测风机的故障的方法和设备
KR101898629B1 (ko) H-Infinity 필터를 이용한 기상 예측값 보정 방법 및 이를 이용한 기상 예측값 보정 장치
CN112560173B (zh) 一种基于深度学习的车辆耐候性温度预测方法及装置
Luo et al. An innovative shading controller for blinds in an open-plan office using machine learning
Sun et al. Real-time detection method of window opening behavior using deep learning-based image recognition in severe cold regions
Tien et al. Occupancy heat gain detection and prediction using deep learning approach for reducing building energy demand
KR20200094897A (ko) 건물의 하자 진단 보고서를 제공하는 장치 및 방법
Mardaljevic et al. Real-world validation of climate-based daylight metrics: mission impossible?
CN115690598B (zh) 基于卫星数据和随机森林模型室外环境温度遥感反演方法
Spasojević et al. Sky luminance mapping for computational daylight modeling
WO2022004777A1 (ja) 温度分布学習装置
JP7455667B2 (ja) センサドリフト診断装置、センサドリフト診断方法およびセンサドリフト診断プログラム
Drosou et al. Reality bites: measuring actual daylighting performance in classrooms
Ji et al. Thermal responses of single zone offices on existing near-extreme summer weather data
WO2022044297A1 (ja) 情報処理方法、情報処理装置及び情報処理プログラム
KR20230108103A (ko) 열화상과 고속수치모델을 이용한 창호-벽체 접합부 시공 상태 예측 장치 및 그 방법
JP2022129308A (ja) 結露情報処理システム、空調機器、結露情報処理方法、及びプログラム
JP6831969B2 (ja) 表面色経年変化シミュレーション装置
Cardoso et al. Impact of atmospherical stability and intra-hour variation of meteorological data in the variability of building air change rates
JP5758664B2 (ja) 扉開閉障害評価装置及び扉開閉障害評価プログラム

Legal Events

Date Code Title Description
121 Ep: the epo has been informed by wipo that ep was designated in this application

Ref document number: 19833135

Country of ref document: EP

Kind code of ref document: A1

NENP Non-entry into the national phase

Ref country code: DE

122 Ep: pct application non-entry in european phase

Ref document number: 19833135

Country of ref document: EP

Kind code of ref document: A1