WO2020070794A1 - 情報処理装置およびこれを備えた空調システム - Google Patents

情報処理装置およびこれを備えた空調システム

Info

Publication number
WO2020070794A1
WO2020070794A1 PCT/JP2018/036850 JP2018036850W WO2020070794A1 WO 2020070794 A1 WO2020070794 A1 WO 2020070794A1 JP 2018036850 W JP2018036850 W JP 2018036850W WO 2020070794 A1 WO2020070794 A1 WO 2020070794A1
Authority
WO
WIPO (PCT)
Prior art keywords
air
load
air conditioning
schedule
information processing
Prior art date
Application number
PCT/JP2018/036850
Other languages
English (en)
French (fr)
Inventor
靖 佐藤
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
Priority to PCT/JP2018/036850 priority Critical patent/WO2020070794A1/ja
Priority to US17/265,239 priority patent/US11578889B2/en
Priority to JP2020550980A priority patent/JP7170740B2/ja
Priority to EP18936195.9A priority patent/EP3862644B1/en
Publication of WO2020070794A1 publication Critical patent/WO2020070794A1/ja

Links

Images

Classifications

    • F—MECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
    • F24—HEATING; RANGES; VENTILATING
    • F24F—AIR-CONDITIONING; AIR-HUMIDIFICATION; VENTILATION; USE OF AIR CURRENTS FOR SCREENING
    • F24F11/00—Control or safety arrangements
    • F24F11/70—Control systems characterised by their outputs; Constructional details thereof
    • F24F11/80—Control systems characterised by their outputs; Constructional details thereof for controlling the temperature of the supplied air
    • F—MECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
    • F24—HEATING; RANGES; VENTILATING
    • F24F—AIR-CONDITIONING; AIR-HUMIDIFICATION; VENTILATION; USE OF AIR CURRENTS FOR SCREENING
    • F24F11/00—Control or safety arrangements
    • F24F11/30—Control or safety arrangements for purposes related to the operation of the system, e.g. for safety or monitoring
    • F24F11/46—Improving electric energy efficiency or saving
    • F—MECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
    • F24—HEATING; RANGES; VENTILATING
    • F24F—AIR-CONDITIONING; AIR-HUMIDIFICATION; VENTILATION; USE OF AIR CURRENTS FOR SCREENING
    • F24F11/00—Control or safety arrangements
    • F24F11/50—Control or safety arrangements characterised by user interfaces or communication
    • F24F11/56—Remote control
    • F24F11/58—Remote control using Internet communication
    • F—MECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
    • F24—HEATING; RANGES; VENTILATING
    • F24F—AIR-CONDITIONING; AIR-HUMIDIFICATION; VENTILATION; USE OF AIR CURRENTS FOR SCREENING
    • F24F11/00—Control or safety arrangements
    • F24F11/50—Control or safety arrangements characterised by user interfaces or communication
    • F24F11/61—Control or safety arrangements characterised by user interfaces or communication using timers
    • F—MECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
    • F24—HEATING; RANGES; VENTILATING
    • F24F—AIR-CONDITIONING; AIR-HUMIDIFICATION; VENTILATION; USE OF AIR CURRENTS FOR SCREENING
    • F24F11/00—Control or safety arrangements
    • F24F11/62—Control or safety arrangements characterised by the type of control or by internal processing, e.g. using fuzzy logic, adaptive control or estimation of values
    • F24F11/63—Electronic processing
    • F—MECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
    • F24—HEATING; RANGES; VENTILATING
    • F24F—AIR-CONDITIONING; AIR-HUMIDIFICATION; VENTILATION; USE OF AIR CURRENTS FOR SCREENING
    • F24F11/00—Control or safety arrangements
    • F24F11/62—Control or safety arrangements characterised by the type of control or by internal processing, e.g. using fuzzy logic, adaptive control or estimation of values
    • F24F11/63—Electronic processing
    • F24F11/64—Electronic processing using pre-stored data
    • G—PHYSICS
    • G05—CONTROLLING; REGULATING
    • G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
    • G05B13/00—Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion
    • G05B13/02—Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion electric
    • G05B13/0265—Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion electric the criterion being a learning criterion
    • G—PHYSICS
    • G05—CONTROLLING; REGULATING
    • G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
    • G05B15/00—Systems controlled by a computer
    • G05B15/02—Systems controlled by a computer electric
    • F—MECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
    • F24—HEATING; RANGES; VENTILATING
    • F24F—AIR-CONDITIONING; AIR-HUMIDIFICATION; VENTILATION; USE OF AIR CURRENTS FOR SCREENING
    • F24F2110/00—Control inputs relating to air properties
    • F24F2110/10—Temperature
    • F—MECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
    • F24—HEATING; RANGES; VENTILATING
    • F24F—AIR-CONDITIONING; AIR-HUMIDIFICATION; VENTILATION; USE OF AIR CURRENTS FOR SCREENING
    • F24F2110/00—Control inputs relating to air properties
    • F24F2110/10—Temperature
    • F24F2110/12—Temperature of the outside air
    • G—PHYSICS
    • G05—CONTROLLING; REGULATING
    • G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
    • G05B2219/00—Program-control systems
    • G05B2219/20—Pc systems
    • G05B2219/26—Pc applications
    • G05B2219/2614—HVAC, heating, ventillation, climate control
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N20/00—Machine learning

Definitions

  • the present invention relates to an information processing device that provides information on operation to an air conditioner, and an air conditioning system including the information processing device.
  • the optimal start control device controls an air conditioner in which one indoor unit is connected to an outdoor unit to reach a target temperature at a target time. Controlling is not considered. If the optimal starting device of Patent Document 1 controls the air conditioner without considering the heat load caused by the air conditioning environment of each indoor unit, power may be wasted and the maximum value of the power consumption may increase. is there.
  • An advantage of some aspects of the invention is to provide an information processing apparatus that suppresses a maximum value of power consumption of an air conditioner having a plurality of load-side units and an air conditioning system including the information processing apparatus. Is what you do.
  • An information processing device is an information processing device that communicates with an air conditioning management device that controls an operation state of an air conditioner having a plurality of load-side units, and an influence factor of a heat load of each of the load-side units.
  • the air conditioning system includes the information processing device described above, the air conditioner having the plurality of load-side units and the heat source-side unit, and a space temperature for detecting a temperature of the air-conditioned space of each of the load-side units.
  • a sensor and the air conditioning management device connected to the plurality of space temperature sensors.
  • the air conditioner is suitable for the air-conditioning environment of the air-conditioned space of each load-side unit. Driving can be performed. As a result, when the time when the operation load of each load side unit becomes large is shifted, the maximum value of the entire power consumption can be suppressed.
  • FIG. 2 is a block diagram illustrating a configuration example of an air conditioning management device and an information processing device illustrated in FIG. 1.
  • FIG. 3 is a diagram for describing control performed by the air conditioning control unit illustrated in FIG. 2 on the air conditioner.
  • FIG. 3 is a diagram schematically illustrating an example of an operation procedure of a heat load learning unit and a schedule determination unit illustrated in FIG. 2.
  • FIG. 5 is a diagram schematically illustrating another example of the operation procedure of the heat load learning unit and the schedule determination unit illustrated in FIG. 2. 5 is a flowchart illustrating a procedure of machine learning performed by the heat load learning unit illustrated in FIG.
  • FIG. 2 is a flowchart illustrating an operation procedure of the information processing apparatus illustrated in FIG. 1.
  • FIG. 3 is a diagram illustrating an example of a case where the air-conditioning management device illustrated in FIG. 2 controls a compressor and an expansion device according to a schedule. It is a figure showing an example of 1 composition of an air-conditioning system of modification 1. It is a figure showing an example of 1 composition of an air conditioning system of modification 2. It is a figure showing an example of 1 composition of an air conditioning system of modification 3. It is a figure showing an example of 1 composition of an air-conditioning system of modification 4. It is a figure showing an example of 1 composition of an air-conditioning system concerning Embodiment 2 of the present invention.
  • FIG. 1 is a diagram illustrating an example of a configuration of an air conditioning system according to Embodiment 1 of the present invention.
  • the air conditioning system 1 includes an air conditioner 2, an air conditioning management device 3 that controls the air conditioner 2, and information processing that notifies the air conditioning management device 3 of a schedule of an operation state of the air conditioner 2.
  • the air-conditioning management device 3 is connected to a plurality of sensors provided in the air conditioner 2 and a plurality of devices to be controlled of the air conditioner 2 via a communication line 6.
  • the air conditioning management device 3 is connected to the information processing device 4 via a communication line 5.
  • the communication line 5 connecting the air conditioning management device 3 and the information processing device 4 may be a network.
  • the network is, for example, the Internet.
  • the air conditioner 2 has a heat source unit 50 and a plurality of load units 40a and 40b.
  • the heat source side unit 50 includes a compressor 51 that compresses and discharges the refrigerant, a heat source side heat exchanger 52 that exchanges heat between the outside air and the refrigerant, and a four-way valve 53 that switches a refrigerant flow direction according to an operation mode.
  • the load-side unit 40a has a load-side heat exchanger 41a for exchanging heat between refrigerant and air in a room serving as an air-conditioned space of the load-side unit 40a, and an expansion device 42a for decompressing and expanding high-pressure refrigerant.
  • the load-side unit 40b includes a load-side heat exchanger 41b that exchanges heat between refrigerant and air in a room that is an air-conditioned space of the load-side unit 40b, and an expansion device 42b that decompresses and expands high-pressure refrigerant.
  • the load side unit 40a is provided with a space temperature sensor 43a for detecting the room temperature Tra.
  • the load side unit 40b is provided with a space temperature sensor 43b for detecting the room temperature Trb.
  • the heat source side unit 50 is provided with an outside air temperature sensor 54 for detecting an outside air temperature Tout.
  • Tr the room temperature when both room temperature Tra and Trb are included
  • the compressor 51 is, for example, an inverter-type compressor whose capacity can be changed by changing the operation frequency.
  • the expansion devices 42a and 42b are, for example, electronic expansion valves.
  • the heat source side heat exchanger 52 and the load side heat exchangers 41a and 41b are, for example, fin-and-tube heat exchangers.
  • the compressor 51, the heat source side heat exchanger 52, the expansion device 42a and the load side heat exchanger 41a are connected, and the refrigerant circuit 60 in which the refrigerant circulates is configured.
  • the compressor 51, the heat source side heat exchanger 52, the expansion device 42b and the load side heat exchanger 41b are connected, and the refrigerant circuit 60 in which the refrigerant circulates is configured.
  • the air-conditioning management device 3 includes a control unit 11 and a storage unit 12.
  • the storage unit 12 is, for example, a nonvolatile memory such as a flash memory.
  • the control unit 11 includes a memory 13 for storing a program, and a CPU (Central Processing Unit) 14 for executing processing according to the program.
  • the information processing device 4 includes a control unit 21 and a storage unit 22.
  • the information processing device 4 is, for example, a server.
  • the storage unit 12 is, for example, an HDD (Hard ⁇ Disk ⁇ Drive).
  • the control unit 21 has a memory 23 that stores a program, and a CPU 24 that executes processing according to the program.
  • FIG. 2 is a block diagram showing an example of a configuration of the air conditioning management device and the information processing device shown in FIG.
  • FIG. 3 is a diagram for explaining control performed on the air conditioner by the air conditioning control unit shown in FIG.
  • the configuration of the air-conditioning management device 3 will be described with reference to FIGS.
  • the storage unit 12 of the air-conditioning management device 3 includes an air-conditioning data holding unit 101.
  • the control unit 11 includes a communication unit 102, an air conditioning control unit 103, and an air conditioner communication unit 104.
  • the communication unit 102, the air conditioning control unit 103, and the air conditioner communication unit 104 are configured by the CPU 14 illustrated in FIG. 1 executing the program.
  • the air-conditioning data holding unit 101 stores air-conditioning data.
  • the air conditioning data includes, for example, the operating frequency of the compressor 51, the opening degrees of the expansion devices 42a and 42b, and the detection values of various sensors.
  • the communication unit 102 transmits and receives data to and from the information processing device 4 via the communication line 5 and manages communication with the information processing device 4. Specifically, the communication unit 102 reads the air conditioning data from the air conditioning data holding unit 101 and transmits the data to the information processing device 4. In addition, when the communication unit 102 receives from the information processing device 4 an operating state schedule including the start time of the compressor 51 and the operating frequency set for the compressor 51 at the time of starting, the communication unit 102 passes the schedule to the air conditioning control unit 103.
  • the operating state may include information on the opening degree of the expansion devices 42a and 42b.
  • the schedule may include a set value that accompanies a temporal change in the operating state, including the operating frequency of the compressor 51 and the opening degrees of the expansion devices 42a and 42b.
  • the air conditioner communication unit 104 relays communication between the air conditioner 2 and the air conditioning control unit 103 and the storage unit 12, and manages communication with the air conditioner 2.
  • the air conditioner communication means 104 acquires data from the compressor 51, the four-way valve 53, the expansion devices 42a and 42b, the outside air temperature sensor 54, and the space temperature sensors 43a and 43b via the communication line 6. Then, the acquired data is stored in the air-conditioning data holding unit 101.
  • the data obtained from the compressor 51, the four-way valve 53, and the expansion devices 42a and 42b indicate the operating state.
  • Data acquired from the outside air temperature sensor 54 and the space temperature sensors 43a and 43b are detection values of the respective sensors.
  • the air-conditioning control unit 103 controls the operating frequency of the compressor 51 and the opening degree of the expansion device 42a such that the room temperature Tra detected by the space temperature sensor 43a becomes the set temperature Tsa.
  • the air-conditioning control unit 103 controls the operating frequency of the compressor 51 and the opening degree of the expansion device 42b such that the room temperature Tb detected by the space temperature sensor 43b becomes the set temperature Tsb.
  • the air-conditioning control unit 103 controls the operating frequency of the compressor 51 and the expansion devices 42a and 42b such that the room temperature Tra becomes the set temperature Tsa and the room temperature Trb becomes the set temperature Tsb.
  • Tset the set temperature when both the set temperatures Tsa and Tsb are included.
  • the set temperature Tsa is stored in the memory 13 by, for example, a user using a room serving as an air-conditioned space of the load-side unit 40a operating and inputting a remote controller (not shown).
  • the set temperature Tsb is stored in the memory 13 when a user using a room serving as an air-conditioned space of the load-side unit 40b operates and inputs a remote controller.
  • the air-conditioning control means 103 may consider the influence of the outside air temperature Tout in determining the operating frequency of the compressor 51.
  • the air conditioning control unit 103 controls the air conditioner 2 according to the schedule. For example, when the schedule includes information on the start time and operating frequency of the compressor 51, the air-conditioning control unit 103 sets the operating frequency to the compressor 51 according to the schedule and starts the compressor 51 at the start time. . When the schedule includes the time-series set values of the degrees of opening of the expansion devices 42a and 42b, the air-conditioning control unit 103 controls the degrees of opening of the expansion devices 42a and 42b according to the schedule.
  • the storage unit 22 of the information processing device 4 includes a learning data holding unit 121.
  • the control unit 21 includes a communication unit 122, a heat load learning unit 123, and a schedule determination unit 124.
  • the communication unit 122, the heat load learning unit 123, and the schedule determination unit 124 are configured by the execution of the program by the CPU 24 illustrated in FIG.
  • the learning data holding unit 121 stores learning data used for machine learning among data included in the air conditioning data stored in the air conditioning data holding unit 101 of the air conditioning management device 3.
  • the learning data is composed of a set of input data and output data.
  • the input data is the outside air temperature Tout, the detection value of the space temperature sensor 43a, the set temperature Tsa, and the operating frequency of the compressor 51.
  • the output data is a heat load processed by the load-side unit 40a.
  • the heat load is proportional to the temperature difference between the room temperature Tr and the set temperature Tset. Further, the heat load is affected by the outside air temperature Tout, the amount of heat generated in the room, and the like. The amount of indoor generated heat is different for each air-conditioned space of the load-side units 40a and 40b. Therefore, it is necessary to accumulate the learning data for each of the load-side units 40a and 40b.
  • the communication unit 122 sends and receives data to and from the air conditioning management device 3 and manages communication with the air conditioning management device 3. Specifically, the communication unit 122 acquires learning data from the air conditioning data stored in the air conditioning data holding unit 101 via the communication unit 102, and stores the acquired learning data in the learning data holding unit 121.
  • the heat load learning unit 123 performs machine learning according to the machine learning program using the learning data held by the learning data holding unit 121, and relatively estimates the heat loads of the load-side units 40a and 40b from the entire heat load. I do. Then, the heat load learning unit 123 obtains a learning model indicating the input-output relationship between the input data and the output data for each of the load-side units 40a and 40b.
  • the heat load learning unit 123 causes the memory 23 to store the obtained learning model.
  • the storage location of the learning model may be the storage unit 22 instead of the memory 23.
  • the schedule determining means 124 performs an operation of causing the room temperature to reach the set temperature specified at the set time specified for each load-side unit based on the learning model obtained for each load-side unit 40a and 40b by the heat load learning means 123. Determine the state schedule.
  • the operating frequency of the compressor 51 is set to F1 [Hz] at 6:00 am, and the operating frequency of the compressor 51 is set to F2 [Hz], which is increased by ⁇ f from F1 at 8:00 am.
  • FIG. 4 is a diagram schematically illustrating an example of an operation procedure of the heat load learning unit and the schedule determination unit illustrated in FIG.
  • the input data of the learning data includes, for example, an outside air temperature Tout, a room temperature Tr, a set temperature Tset, and an operation state.
  • the operating state will be described in the case of the operating frequency of the compressor 51, but may be the opening degree of the expansion devices 42a and 42b.
  • the outside air temperature Tout may use information of a weather forecast. The case where the information of the weather forecast is used will be described later.
  • FIG. 4 shows four cases where the input data is an outside air temperature Tout, a room temperature Tr, a set temperature Tset, and an operation state.
  • the thermal load learning unit 123 may perform one or both of optimizing input data and reducing input dimensions.
  • the reduction of the input dimension is, for example, taking the difference between the room temperature Tr and the set temperature Tset.
  • the optimization of the input data is, for example, to normalize the set temperatures Tsa and Tsb when the set temperatures Tset of the air-conditioned spaces of the load-side units 40a and 40b are different.
  • the heat load learning means 123 executes, for example, supervised learning.
  • the supervised learning is machine learning for obtaining a learning model indicating an input / output relationship for estimating an unknown situation with high accuracy from a plurality of learning data.
  • the machine learning performed by the heat load learning unit 123 is not limited to supervised learning, but may be reinforcement learning. Further, deep learning may be applied to supervised learning and reinforcement learning. Further, regarding the input / output relationship, the heat load learning unit 123 may select any one of the supervised learning, the reinforcement learning, and the neural network according to the required accuracy and calculation efficiency.
  • Influencing factors of the heat load of the thermal characteristic model include the outside air temperature Tout, the room temperature Tr, the indoor generated heat Qr, the air conditioning heat QHVAC [kW], the amount of solar radiation, and the temperature of the adjacent room.
  • one of the thermal characteristic models using representative influence factors is represented by, for example, the following equation (1).
  • a and b are coefficients, and C is the indoor heat capacity [kJ / K].
  • Rwin is the window thermal conductivity [kW / K], and ⁇ is the amount of heat due to other heat load influencing factors.
  • the air-conditioning heat amount Q HVAC is a removed heat amount in the cooling operation, and is a supplied heat amount in the heating operation.
  • the heat load learning means 123 calculates the air conditioning heat quantity Q HVAC from a theoretical value based on an operating state including the operating frequency of the compressor 51.
  • equation (2) when the left side is moved to the right side and the air conditioning heat quantity Q HVAC is moved to the left side, the following equation (2) is obtained.
  • equation (2) a plus or minus sign is included in the coefficient a of the air conditioning heat quantity Q HVAC .
  • the integral value of the time change until the room temperature Tr reaches the set temperature Tset can be considered as the heat load.
  • the thermal load learning unit 123 substitutes input data that changes in a time series into the equation (2) for each load-side unit of the load-side units 40a and 40b, and accumulates learning data in which the input data and the output data are paired. I do. Then, the heat load learning means 123 obtains a learning model indicating the input / output relationship between the input data and the output data based on the accumulated learning data.
  • the thermal characteristic model used for collecting the learning data is not limited to the equation (1). There may be a plurality of thermal characteristic models used for collecting learning data. Further, the heat load learning unit 123 accumulates learning data for each of the plurality of thermal characteristic models, extracts a parameter serving as an influential factor having a large effect on the heat load in the air conditioning environment of the air conditioning target space, An optimal thermal characteristic model may be selected from the model.
  • the schedule determining means 124 determines the schedule of the operating state of the air conditioner 2 based on the learning model relating to the heat load of each load-side unit obtained by the heat load learning means 123. At that time, the schedule determining means 124 may adjust the schedule according to the evaluation function specified by the user.
  • the evaluation function can be changed by the user operating a remote controller not shown in the figure according to the content that the user values.
  • the evaluation function is, for example, the comfort of the user, the power consumption of the air conditioner 2, the power rate of the air conditioner 2, and the like.
  • the operation status of the output schedule changes according to the evaluation function specified by the user.
  • the schedule determining means 124 calculates a schedule for reaching the set temperature specified at the set time specified for each of the load-side units 40a and 40b.
  • the schedule determining unit 124 determines the start time and the operating frequency of the compressor 51 with priority given to the fact that the room temperature reaches the specified set temperature at the specified set time, rather than the power consumption of the compressor 51. .
  • FIG. 5 is a diagram schematically showing an example of another operation procedure of the heat load learning means and the schedule determination means shown in FIG. FIG. 5 shows a case where there are four load-side units.
  • FIG. 5 shows a case where the evaluation function is power consumption.
  • the schedule determining means 124 controls the compressor 51 so that the room temperature reaches the specified set temperature at the set time specified for each user of the four load-side units and the power consumption of the compressor 51 is minimized.
  • the starting time and operating frequency of The schedule determining means 124 outputs the start time and operating frequency of the compressor 51 collectively for the four load-side units.
  • the evaluation function may be a power rate.
  • the memory 23 stores information on the power rate corresponding to the time zone. For example, when the power rate in the time zone from 9:00 pm to 5:00 am is lower than the power rate in other time zones, the schedule determination unit 124 determines the start time of the compressor 51 from 9:00 pm to 5:00 am You may. Further, in FIG. 5, four air conditioners 2 may be used instead of the four load-side units. In this case, the schedule determination unit 124 may output the start times of the compressors 51 of all the air conditioners 2 at a time. As described with reference to FIGS. 4 and 5, the start time of the compressor 51 changes according to the evaluation function.
  • FIG. 6 is a flowchart showing a procedure of machine learning performed by the heat load learning means shown in FIG.
  • the communication unit 122 obtains data including the room temperature Tra and Trb, the outside air temperature Tout, and the set temperatures Tsa and Tsb from the air conditioning data stored in the air conditioning management device 3. Is read (step S102). Then, the communication unit 122 stores the read data in the learning data holding unit 121. In addition, the communication unit 122 acquires data indicating the operation state of the air conditioner 2 from the air conditioning data stored in the air conditioning management device 3 (Step S103), and stores the acquired data in the learning data holding unit 121.
  • FIG. 6 shows a case where the operating state is the operating frequency of the compressor 51.
  • the heat load learning unit 123 determines whether or not the learning timing is reached (step S104). If the learning timing is not the timing, the process proceeds to step S106. If the result of determination in step S104 is that it is a learning timing, the heat load learning means 123 executes the machine learning described with reference to FIG. 4 (step S105), and stores a learning model in the memory 23 as a learning result. . If the memory 23 has already stored the learning model, the heat load learning unit 123 updates the learning model stored in the memory 23. The cycle at which the machine learning is executed can be freely set by the user.
  • the storage means for storing the learning model is not limited to the memory 23.
  • the storage unit 22 may store the learning model.
  • FIG. 7 is a flowchart illustrating an operation procedure of the information processing apparatus illustrated in FIG.
  • each user of the load-side units 40a and 40b operates a remote controller (not shown) to specify the set time and the set temperature so that the room temperature Tr becomes the set temperature at the set time.
  • the communication unit 102 of the air-conditioning management device 3 stores the set time and set temperature of each load-side unit in the storage unit 12.
  • the specified set time is set to ta
  • the specified set temperature is set to Tsa1.
  • the designated set time is represented by tb
  • the designated set temperature is represented by Tsb1. 7 indicate processing based on the learning model obtained by the heat load learning unit 123.
  • the communication unit 122 acquires the set time and set temperature specified for each load-side unit from the air-conditioning management device 3 (Step S201).
  • the communication unit 122 acquires the air-conditioning data including the current room temperature Tr, the outside air temperature Tout, and the operating state from the air-conditioning management device 3 a predetermined time before the earliest specified time among the specified set times (step S202). ).
  • the certain time is, for example, one hour.
  • it is assumed that the set time ta is earlier than the set time tb.
  • the schedule determining unit 124 receives the set times ta and tb, the set temperatures Tsa1 and Tsb1, and the air conditioning data from the communication unit 122.
  • the schedule determining means 124 calculates a relatively necessary heat load by using the information received from the communication means 122 as input data and using each learning model of the load-side units 40a and 40b (step S203).
  • the schedule determining means 124 determines the start time and the operating frequency of the compressor 51 in consideration of the entire heat load (Step S204). Then, the schedule determining means 124 determines a schedule of an operating state in which the room temperature Tra reaches the set temperature Tsa1 at the set time ta and the room temperature Trb reaches the set temperature Tsb1 at the set time tb.
  • the schedule determining unit 124 transmits the determined schedule to the air-conditioning management device 3 (Step S205).
  • control unit 21 may periodically repeat the processes of steps S202 to S205 until the time reaches the set time ta or tb, and may update the schedule for notifying the air conditioning management device 3.
  • the schedule determination unit 124 transmits the schedule to the air conditioning management device 3 in step S205 has been described, but the operation state may be instructed to the air conditioning management device 3 according to the schedule. In this case, the air-conditioning management device 3 does not need to hold the schedule. Further, when the schedule is updated with the passage of time, the air conditioning management device 3 does not need to receive a new schedule from the information processing device 4 every time the schedule is updated.
  • FIG. 8 is a diagram illustrating an example of a case where the air conditioning management device illustrated in FIG. 2 controls the compressor and the expansion device according to a schedule.
  • the vertical axis in FIG. 8 is room temperature, and the horizontal axis is time.
  • FIG. 8 shows a case where the load-side units 40a and 40b perform a heating operation.
  • the schedule is, for example, to set the operating frequency of the compressor 51 to F1 [Hz] at time t1, set the opening of the expansion device 42a to Cva, and set the operating frequency of the compressor 51 to F2 [Hz] at time t2.
  • the opening degree of the expansion device 42b is set to Cvb. F2> F1. Since the compressor 51 starts at a time t1 earlier than the set time ta, the room temperature Tra reaches the set temperature Tsa1 at the set time ta. Further, at the time t2 earlier than the set time tb, the operating frequency of the compressor 51 increases to F2, so that the room temperature Trb reaches the set temperature Tsb1 at the set time tb. In this way, for each of the load-side units 40a and 40b, control is performed so that each air-conditioned space reaches the set temperature at the set time.
  • the communication line 5 may be a network.
  • the network is, for example, the Internet.
  • the information processing device 4 may acquire information on the outside air temperature in the area where the air conditioner 2 is installed from a server that provides the weather forecast via a network.
  • the outside air temperature sensor 54 may not be provided.
  • the number of load-side units is not limited to two. The number of load-side units may be three or more.
  • the information processing device 4 determines a schedule of an operating state in which the temperature of the air-conditioned space of each load-side unit reaches the set temperature at the set time based on the learning model of each load-side unit. It has a determining means 124.
  • the learning model indicates an input / output relationship between input data serving as an influence factor of the heat load of each load-side unit and output data indicating the heat load.
  • the information processing apparatus 4 estimates the heat load of each load-side unit using the learning model for the plurality of load-side units 40a and 40b, thereby controlling the air-conditioning target of each load-side unit.
  • a schedule indicating an operation state suitable for the air conditioning environment of the space is obtained.
  • the information processing apparatus 4 includes a learning data holding unit 121 that stores learning data including a set of input data and output data of each load-side unit, and a heat load learning unit 123. May be.
  • the heat load learning unit 123 estimates a heat load to be processed by each load-side unit based on the learning data of each load-side unit, and obtains a learning model indicating an input / output relationship between input data and output data.
  • the heat load learning unit 123 obtains a learning model of the heat load of each air-conditioned space according to machine learning. Therefore, the accuracy of heat load calculation is improved while reducing the load of information processing.
  • the user may specify an evaluation function.
  • the schedule determining means 124 adjusts the schedule according to the specified evaluation function. For example, when the evaluation function is power consumption, the schedule determination unit 124 adjusts the schedule for causing each air-conditioned space to reach the set temperature at the set time so that the power consumption of the air conditioner 2 is minimized. If the evaluation function is a power rate, the schedule determining unit 124 adjusts the schedule for causing each air-conditioned space to reach the set temperature at the set time so that the start time of the compressor 51 is shifted to a time zone in which the power rate is low. I do. In this case, the schedule determination means 124 changes the operating frequency of the compressor 51 at the time of starting to a lower operating frequency than the schedule before adjustment.
  • the learning data holding unit 121 may not be provided in the information processing device 4.
  • the learning data holding unit 121 may be provided in a storage device connected to a network.
  • the storage device is, for example, a file server.
  • FIG. 9 is a diagram illustrating a configuration example of an air conditioning system according to a first modification.
  • the communication line 5 is a network 70.
  • the network 70 is, for example, the Internet.
  • the air conditioning management device 3 and the information processing device 4a are connected via a network 70.
  • the storage device 80 is connected to the network 70.
  • the storage device 80 includes a learning data holding unit 121 and a communication unit 81 that transmits and receives information to and from another device via the network 70.
  • the air-conditioning management device 3 and the communication unit 122 can access the learning data holding unit 121 via the network 70 and the communication unit 81.
  • the holding unit that stores the air conditioning data that increases in proportion to the number of load-side units is provided separately from the information processing device 4a, the product cost of the information processing device 4a can be reduced. .
  • a case in which a company providing a cloud service maintains and manages the storage device 80 may be considered.
  • the heat load learning unit 123 may not be provided in the information processing device 4.
  • the heat load learning unit 123 may be provided in a server connected to a network.
  • FIG. 10 is a diagram illustrating a configuration example of an air conditioning system according to a second modification.
  • the communication line 5 is a network 70.
  • the air conditioning management device 3 and the information processing device 4b are connected via a network 70.
  • a server 90 is connected to the network 70.
  • the server 90 includes a heat load learning unit 123 and a communication unit 91 that transmits and receives information to and from another device via the network 70.
  • the communication unit 122 can access the heat load learning unit 123 via the network 70 and the communication unit 91.
  • the processing load of machine learning increases in proportion to the number of load units. Therefore, in the case of the configuration shown in FIG. 10, since the heat load learning unit 123 is provided separately from the information processing device 4b, the processing load and the product cost of the information processing device 4b can be suppressed.
  • FIG. 11 is a diagram illustrating a configuration example of an air conditioning system according to a third modification.
  • the air conditioning management device 3 is connected to a plurality of air conditioners 2-1 to 2-n.
  • n is an integer of 2 or more.
  • the schedule determining means 124 shifts the start time of the compressor 51 of each of the plurality of air conditioners 2-1 to 2-n so that the power consumption of the air conditioners 2-1 to 2-n is minimized. To determine the schedule. In this case, the maximum value of the total power consumption of the air conditioners 2-1 to 2-n can be suppressed.
  • FIG. 12 is a diagram illustrating a configuration example of an air conditioning system according to Modification 4.
  • the communication line 5 is a network 70.
  • the air conditioning management device 3 and the information processing device 4 are connected via a network 70.
  • a centralized controller 200 is connected to the network 70.
  • the centralized controller 200 is, for example, a server.
  • the centralized controller 200 monitors the power consumption of the entire building where the air conditioner 2 is installed.
  • the power consumption of the entire building includes power consumption of devices such as elevators, automatic doors, and lighting devices in addition to the air conditioner 2.
  • the schedule determining means 124 acquires time-series information on the power consumption of the entire building from the centralized controller 200, and determines a schedule of the operation state of the air conditioner 2 so that the power consumption of the entire building is minimized.
  • the schedule determining means 124 may adjust the start time of the compressor 51 to shift to a time zone in which the electricity rate is low, with respect to the schedule for causing each air-conditioned space to reach the set temperature at the set time. In this case, the power rate of the entire building can be reduced.
  • Modification 3 may be applied to Modification 4.
  • the maximum value of the power consumption of the whole building in which the plurality of air conditioners 2-1 to 2-n are installed is suppressed, and it can be expected that the effect of reducing the power consumption of the whole building becomes large.
  • Embodiment 2 FIG.
  • the air conditioning management device 3 described in the first embodiment has the function of the information processing device 4.
  • a detailed description of the same configuration as that described in the first embodiment will be omitted.
  • FIG. 13 is a diagram illustrating a configuration example of an air conditioning system according to Embodiment 2 of the present invention.
  • the air-conditioning management device 3a illustrated in FIG. 13 includes a configuration of the information processing device 4 illustrated in FIG.
  • a program executed by the information processing device 4 is executed by the air conditioning management device 3, and the heat load learning unit 123 and the schedule determination unit 124 are configured in the air conditioning management device 3.
  • the operation of the air conditioning system according to the second embodiment is the same as that of the first embodiment, and thus a detailed description thereof will be omitted.
  • the air-conditioning management device 3 since the air-conditioning management device 3 has the function of the information processing device 4, the communication interface including the communication unit 122 and the communication line 5 becomes unnecessary. As a result, the installation restriction of the device including the information processing device 4 is suppressed, and the installation of the air conditioning management device 3a is facilitated. Modifications 1 to 4 may also be applied to the second embodiment.

Abstract

情報処理装置は、複数の負荷側ユニットの各負荷側ユニットの熱負荷の影響因子となる入力データおよび熱負荷を示す出力データの入出力関係を示す学習モデルに基づいて、各負荷側ユニットの空調対象空間の温度を指定された設定時刻に指定された設定温度に到達させる運転状態のスケジュールを決定するスケジュール決定手段を有するものである。

Description

情報処理装置およびこれを備えた空調システム
　本発明は、空気調和機に運転に関する情報を提供する情報処理装置およびこれを備えた空調システムに関する。
　従来、室内機および室外機で構成される空気調和機に対して、省エネルギー化のために予冷運転または予熱運転を行って、目標時刻に目標温度に到達するように制御する最適起動制御装置が提案されている（例えば、特許文献１参照）。
特開２０１６－０６１４８７号公報
　特許文献１では、最適起動制御装置が室外機に対して１台の室内機が接続された空気調和機に対して目標時刻に目標温度に到達させる制御を行っているが、複数の室内機を制御する場合が考慮されていない。特許文献１の最適起動装置が各室内機の空調環境に起因する熱負荷を考慮せずに空気調和機を制御すると、無駄に電力を消費し、消費電力の最大値が大きくなってしまうおそれがある。
　本発明は、上記のような課題を解決するためになされたもので、複数の負荷側ユニットを有する空気調和機の消費電力の最大値を抑制する情報処理装置およびこれを備えた空調システムを提供するものである。
　本発明に係る情報処理装置は、複数の負荷側ユニットを有する空気調和機の運転状態を制御する空調管理装置と通信する情報処理装置であって、前記各負荷側ユニットの熱負荷の影響因子となる入力データおよび熱負荷を示す出力データの入出力関係を示す学習モデルに基づいて、前記各負荷側ユニットの空調対象空間の温度を指定された設定時刻に指定された設定温度に到達させる前記運転状態のスケジュールを決定するスケジュール決定手段を有するものである。
　本発明に係る空調システムは、上記の情報処理装置と、前記複数の負荷側ユニットおよび熱源側ユニットを有する前記空気調和機と、前記各負荷側ユニットの前記空調対象空間の温度を検出する空間温度センサと、複数の前記空間温度センサと接続される前記空調管理装置と、を有するものである。
　本発明によれば、複数の負荷側ユニットに対して学習モデルを用いて各負荷側ユニットの熱負荷を推定することで、空気調和機が各負荷側ユニットの空調対象空間の空調環境に適した運転を行うことができる。その結果、各負荷側ユニットの運転負荷が大きくなる時刻がシフトすると、全体の消費電力の最大値を抑制することができる。
本発明の実施の形態１に係る空調システムの一構成例を示す図である。 図１に示した空調管理装置および情報処理装置の一構成例を示すブロック図である。 図２に示した空調制御手段が空気調和機に対して行う制御を説明するための図である。 図２に示した熱負荷学習手段およびスケジュール決定手段の動作手順の例を模式的に示す図である。 図２に示した熱負荷学習手段およびスケジュール決定手段の別の動作手順の例を模式的に示す図である。 図４に示した熱負荷学習手段が行う機械学習の手順を示すフローチャートである。 図１に示した情報処理装置の動作手順を示すフローチャートである。 図２に示した空調管理装置がスケジュールにしたがって圧縮機および膨張装置を制御した場合の一例を示す図である。 変形例１の空調システムの一構成例を示す図である。 変形例２の空調システムの一構成例を示す図である。 変形例３の空調システムの一構成例を示す図である。 変形例４の空調システムの一構成例を示す図である。 本発明の実施の形態２に係る空調システムの一構成例を示す図である。
実施の形態１．
　本実施の形態１の空調システムの構成を説明する。図１は、本発明の実施の形態１に係る空調システムの一構成例を示す図である。図１に示すように、空調システム１は、空気調和機２と、空気調和機２を制御する空調管理装置３と、空気調和機２の運転状態のスケジュールを空調管理装置３に通知する情報処理装置４とを有する。空調管理装置３は、空気調和機２に設けられた複数のセンサおよび空気調和機２の複数の制御対象機器と通信線６を介して接続される。空調管理装置３は情報処理装置４と通信線５で接続される。空調管理装置３と情報処理装置４とを接続する通信線５は、ネットワークであってもよい。ネットワークは、例えば、インターネットである。
　空気調和機２は、熱源側ユニット５０と、複数の負荷側ユニット４０ａおよび４０ｂとを有する。熱源側ユニット５０は、冷媒を圧縮して吐出する圧縮機５１と、外気と冷媒とが熱交換する熱源側熱交換器５２と、運転モードにしたがって冷媒の流通方向を切り替える四方弁５３とを有する。負荷側ユニット４０ａは、負荷側ユニット４０ａの空調対象空間となる室内の空気と冷媒とが熱交換する負荷側熱交換器４１ａと、高圧の冷媒を減圧して膨張させる膨張装置４２ａとを有する。負荷側ユニット４０ｂは、負荷側ユニット４０ｂの空調対象空間となる室内の空気と冷媒とが熱交換する負荷側熱交換器４１ｂと、高圧の冷媒を減圧して膨張させる膨張装置４２ｂとを有する。負荷側ユニット４０ａには、室温Ｔｒａを検出する空間温度センサ４３ａが設けられている。負荷側ユニット４０ｂには、室温Ｔｒｂを検出する空間温度センサ４３ｂが設けられている。熱源側ユニット５０には、外気温度Ｔｏｕｔを検出する外気温度センサ５４が設けられている。以下では、室温ＴｒａおよびＴｒｂの両方を含む場合の室温をＴｒと表記する。
　圧縮機５１は、例えば、運転周波数を変更することで容量を変えることができるインバータ式圧縮機である。膨張装置４２ａおよび４２ｂは、例えば、電子膨張弁である。熱源側熱交換器５２、負荷側熱交換器４１ａおよび４１ｂは、例えば、フィンアンドチューブ式熱交換器である。熱源側ユニット５０および負荷側ユニット４０ａにおいて、圧縮機５１、熱源側熱交換器５２、膨張装置４２ａおよび負荷側熱交換器４１ａが接続され、冷媒が循環する冷媒回路６０が構成される。熱源側ユニット５０および負荷側ユニット４０ｂにおいても、圧縮機５１、熱源側熱交換器５２、膨張装置４２ｂおよび負荷側熱交換器４１ｂが接続され、冷媒が循環する冷媒回路６０が構成される。
　空調管理装置３は、制御部１１および記憶部１２を有する。記憶部１２は、例えば、フラッシュメモリ等の不揮発性メモリである。制御部１１は、プログラムを記憶するメモリ１３と、プログラムにしたがって処理を実行するＣＰＵ（Ｃｅｎｔｒａｌ　Ｐｒｏｃｅｓｓｉｎｇ　Ｕｎｉｔ）１４とを有する。情報処理装置４は、制御部２１および記憶部２２を有する。情報処理装置４は、例えば、サーバである。記憶部１２は、例えば、ＨＤＤ（Ｈａｒｄ　Ｄｉｓｋ　Ｄｒｉｖｅ）である。制御部２１は、プログラムを記憶するメモリ２３と、プログラムにしたがって処理を実行するＣＰＵ２４とを有する。
　図２は、図１に示した空調管理装置および情報処理装置の一構成例を示すブロック図である。図３は、図２に示した空調制御手段が空気調和機に対して行う制御を説明するための図である。図１～図３を参照して、空調管理装置３の構成を説明する。空調管理装置３の記憶部１２は空調データ保持手段１０１を有する。制御部１１は、通信手段１０２と、空調制御手段１０３と、空気調和機通信手段１０４とを有する。図１に示したＣＰＵ１４がプログラムを実行することで、通信手段１０２、空調制御手段１０３および空気調和機通信手段１０４が構成される。
　空調データ保持手段１０１は、空調データを記憶する。空調データは、例えば、圧縮機５１の運転周波数と、膨張装置４２ａおよび４２ｂの開度と、各種センサの検出値とを含む。通信手段１０２は、通信線５を介して情報処理装置４とデータを送受信するとともに、情報処理装置４との通信を管理する。具体的には、通信手段１０２は、空調データを空調データ保持手段１０１から読み出して情報処理装置４に送信する。また、通信手段１０２は、圧縮機５１の起動時刻および起動時に圧縮機５１に設定される運転周波数を含む運転状態のスケジュールを情報処理装置４から受信すると、スケジュールを空調制御手段１０３に渡す。運転状態は、膨張装置４２ａおよび４２ｂの開度の情報を含んでいてもよい。スケジュールは、圧縮機５１の運転周波数と膨張装置４２ａおよび４２ｂの開度とを含む運転状態の時間変化に伴う設定値を含んでいてもよい。
　空気調和機通信手段１０４は、空気調和機２と空調制御手段１０３および記憶部１２との通信を中継するとともに、空気調和機２との通信を管理する。空気調和機通信手段１０４は、通信線６を介して、圧縮機５１と、四方弁５３と、膨張装置４２ａおよび４２ｂと、外気温度センサ５４と、空間温度センサ４３ａおよび４３ｂとからデータを取得し、取得したデータを空調データ保持手段１０１に格納する。圧縮機５１と、四方弁５３と、膨張装置４２ａおよび４２ｂから取得されるデータは運転状態を示すものである。外気温度センサ５４と、空間温度センサ４３ａおよび４３ｂとから取得されるデータは、各センサの検出値である。
　空調制御手段１０３は、負荷側ユニット４０ａが運転する場合、空間温度センサ４３ａが検出する室温Ｔｒａが設定温度Ｔｓａになるように、圧縮機５１の運転周波数および膨張装置４２ａの開度を制御する。空調制御手段１０３は、負荷側ユニット４０ｂが運転する場合、空間温度センサ４３ｂが検出する室温Ｔｂが設定温度Ｔｓｂになるように、圧縮機５１の運転周波数および膨張装置４２ｂの開度を制御する。空調制御手段１０３は、負荷側ユニット４０ａおよび４０ｂが運転する場合、室温Ｔｒａが設定温度Ｔｓａになり、かつ室温Ｔｒｂが設定温度Ｔｓｂになるように、圧縮機５１の運転周波数と膨張装置４２ａおよび４２ｂの開度とを設定する。以下では、設定温度ＴｓａおよびＴｓｂの両方を含む場合の設定温度をＴｓｅｔと表記する。
　設定温度Ｔｓａは、例えば、負荷側ユニット４０ａの空調対象空間となる部屋を利用するユーザが図に示さないリモートコントローラを操作して入力することで、メモリ１３に記憶される。設定温度Ｔｓｂは、負荷側ユニット４０ｂの空調対象空間となる部屋を利用するユーザがリモートコントローラを操作して入力することで、メモリ１３に記憶される。また、空調制御手段１０３は、圧縮機５１の運転周波数の決定に外気温度Ｔｏｕｔの影響を考慮してもよい。
　また、空調制御手段１０３は、通信手段１０２を介して情報処理装置４から運転状態のスケジュールを受信すると、スケジュールにしたがって空気調和機２を制御する。例えば、スケジュールが圧縮機５１の起動時刻および運転周波数の情報を含んでいる場合、空調制御手段１０３は、スケジュールにしたがって、運転周波数を圧縮機５１に設定し、起動時刻に圧縮機５１を起動する。スケジュールが膨張装置４２ａおよび４２ｂの開度の時系列の設定値を含んでいる場合、空調制御手段１０３は、スケジュールにしたがって膨張装置４２ａおよび４２ｂの開度を制御する。
　続いて、図１および図２を参照して、情報処理装置４の構成を説明する。情報処理装置４の記憶部２２は、学習データ保持手段１２１を有する。制御部２１は、通信手段１２２と、熱負荷学習手段１２３と、スケジュール決定手段１２４とを有する。図１に示したＣＰＵ２４がプログラムを実行することで、通信手段１２２、熱負荷学習手段１２３およびスケジュール決定手段１２４が構成される。
　学習データ保持手段１２１は、空調管理装置３の空調データ保持手段１０１が記憶する空調データに含まれるデータのうち、機械学習に用いられる学習データを記憶する。学習データは、入力データと出力データとの組で構成される。負荷側ユニット４０ａの場合、入力データは、外気温度Ｔｏｕｔ、空間温度センサ４３ａの検出値、設定温度Ｔｓａおよび圧縮機５１の運転周波数である。出力データは、負荷側ユニット４０ａが処理する熱負荷である。熱負荷は、室温Ｔｒと設定温度Ｔｓｅｔとの温度差に比例する。また、熱負荷は、外気温度Ｔｏｕｔおよび室内発生熱量などの影響を受ける。室内発生熱量は、負荷側ユニット４０ａおよび４０ｂの空調対象空間毎に異なる量である。そのため、学習データは、負荷側ユニット４０ａおよび４０ｂのユニット毎に蓄積する必要がある。
　通信手段１２２は、空調管理装置３とデータを送受信するとともに、空調管理装置３との通信を管理する。具体的には、通信手段１２２は、空調データ保持手段１０１が記憶する空調データから通信手段１０２を介して学習データを取得し、取得した学習データを学習データ保持手段１２１に格納する。熱負荷学習手段１２３は、学習データ保持手段１２１が保持する学習データを用いて機械学習プログラムにしたがって機械学習を実行し、全体の熱負荷から負荷側ユニット４０ａおよび４０ｂの熱負荷を相対的に推定する。そして、熱負荷学習手段１２３は、負荷側ユニット４０ａおよび４０ｂ毎に、入力データおよび出力データの入力出力関係を示す学習モデルを求める。熱負荷学習手段１２３は、求めた学習モデルをメモリ２３に記憶させる。学習モデルの格納先は、メモリ２３の代わりに記憶部２２であってもよい。
　スケジュール決定手段１２４は、熱負荷学習手段１２３が負荷側ユニット４０ａおよび４０ｂ毎に求めた学習モデルに基づいて、負荷側ユニット毎に室温を指定された設定時刻に指定された設定温度に到達させる運転状態のスケジュールを決定する。スケジュールは、例えば、午前６時に圧縮機５１の運転周波数をＦ１［Ｈｚ］に設定し、午前８時に圧縮機５１の運転周波数をＦ１からΔｆ増加させたＦ２［Ｈｚ］に設定するものである。
　ここで、図２に示した熱負荷学習手段１２３およびスケジュール決定手段１２４の動作を、図４を参照して説明する。図４は、図２に示した熱負荷学習手段およびスケジュール決定手段の動作手順の例を模式的に示す図である。
　学習データの入力データは、例えば、外気温度Ｔｏｕｔ、室温Ｔｒ、設定温度Ｔｓｅｔおよび運転状態などがある。運転状態は、圧縮機５１の運転周波数の場合で説明するが、膨張装置４２ａおよび４２ｂの開度であってもよい。外気温度Ｔｏｕｔは、天気予報の情報を用いてもよい。天気予報の情報を用いる場合は後述する。図４は、入力データが、外気温度Ｔｏｕｔ、室温Ｔｒ、設定温度Ｔｓｅｔおよび運転状態の４つの場合を示す。
　機械学習の前処理として、図４に示すように、熱負荷学習手段１２３は、入力データの最適化および入力次元の削減の一方または両方を行ってもよい。入力次元の削減は、例えば、室温Ｔｒと設定温度Ｔｓｅｔとの温度の差分を取ることである。入力データの最適化は、例えば、負荷側ユニット４０ａおよび４０ｂの各空調対象空間の設定温度Ｔｓｅｔが異なる場合、設定温度ＴｓａおよびＴｓｂを正規化することである。
　図４に示す機械学習において、熱負荷学習手段１２３は、例えば、教師あり学習を実行する。教師あり学習は、複数の学習データから未知の状況を高精度に推定する入出力関係を示す学習モデルを求める機械学習である。熱負荷学習手段１２３が行う機械学習は、教師あり学習に限らず、強化学習であってもよい。また、教師あり学習および強化学習に対して、ディープラーニングを適用してもよい。さらに、入出力関係について、求められる精度および計算効率に応じて、熱負荷学習手段１２３は、教師あり学習、強化学習およびニューラルネットワークのうち、いずれかの機械学習を選択してもよい。
　ここで、学習モデルの求め方の一例を説明する。熱特性モデルの熱負荷の影響因子として、外気温度Ｔｏｕｔ、室温Ｔｒ、室内発生熱量Ｑｒ、空調熱量ＱＨＶＡＣ［ｋＷ］、日射量および隣室温度などがある。これらの影響因子のうち、代表的な影響因子を用いた熱特性モデルの１つは、例えば、次の式（１）で表される。
Figure JPOXMLDOC01-appb-M000001
　式（１）において、ａおよびｂは係数であり、Ｃは室内熱容量［ｋＪ／Ｋ］である。Ｒｗｉｎは窓熱伝導率［ｋＷ／Ｋ］であり、αは他の熱負荷の影響因子に起因する熱量である。空調熱量ＱＨＶＡＣは、冷房運転の場合は除去熱量であり、暖房運転の場合は供給熱量である。空調熱量ＱＨＶＡＣについては、熱負荷学習手段１２３は、圧縮機５１の運転周波数を含む運転状態による理論値から算出する。
　式（１）において、左辺を右辺に移動し、空調熱量ＱＨＶＡＣを左辺に移動すると、次の式（２）のようになる。なお、式（２）では、空調熱量ＱＨＶＡＣの係数ａにプラスまたはマイナスの符号を含めている。
Figure JPOXMLDOC01-appb-M000002
　式（２）の右辺に示す熱量について、室温Ｔｒが設定温度Ｔｓｅｔに到達するまでの時間変化の積分値が熱負荷と考えることができる。熱負荷学習手段１２３は、負荷側ユニット４０ａおよび４０ｂの負荷側ユニット毎に、時系列で変化する入力データを式（２）に代入し、入力データと出力データとを組にした学習データを蓄積する。そして、熱負荷学習手段１２３は、蓄積した学習データに基づいて、入力データおよび出力データの入出力関係を示す学習モデルを求める。
　なお、学習データの収集に用いられる熱特性モデルは式（１）に限らない。学習データの収集に用いられる熱特性モデルは複数であってもよい。また、熱負荷学習手段１２３は、複数の熱特性モデルのそれぞれについて学習データを蓄積し、空調対象空間の空調環境における熱負荷に大きな影響を与える影響因子となるパラメータを抽出し、複数の熱特性モデルから最適な熱特性モデルを選択してもよい。
　スケジュール決定手段１２４は、熱負荷学習手段１２３が求めた、各負荷側ユニットの熱負荷に関する学習モデルに基づいて、空気調和機２の運転状態のスケジュールを決定する。その際、スケジュール決定手段１２４は、ユーザが指定する評価関数にしたがってスケジュールを調整してもよい。評価関数は、ユーザが重視する内容にしたがって、ユーザが図に示さないリモートコントローラを操作して変更することができる。評価関数は、例えば、ユーザの快適性、空気調和機２の消費電力量および空気調和機２の電力料金などである。
　ユーザが指定した評価関数にしたがって、出力されるスケジュールの運転状態が変化する。評価関数がユーザの快適性である場合、スケジュール決定手段１２４は、負荷側ユニット４０ａおよび４０ｂのユニット毎に指定された設定時刻に指定された設定温度に到達するスケジュールを算出する。その際、スケジュール決定手段１２４は、圧縮機５１の消費電力よりも、指定された設定時刻に室温が指定された設定温度に到達することを優先して圧縮機５１の起動時刻および運転周波数を決める。
　図５は、図２に示した熱負荷学習手段およびスケジュール決定手段の別の動作手順の例を模式的に示す図である。図５は、負荷側ユニットが４台の場合を示す。図５は、評価関数が消費電力の場合である。スケジュール決定手段１２４は、４台の負荷側ユニットのユーザ毎に指定された設定時刻に室温が指定された設定温度に到達させ、かつ圧縮機５１の消費電力が最小になるように、圧縮機５１の起動時刻および運転周波数を決める。スケジュール決定手段１２４は、４台の負荷側ユニットについて、圧縮機５１の起動時刻および運転周波数を一括して出力する。
　また、図５において、評価関数は電力料金であってもよい。評価関数が電力料金である場合、時間帯に対応した電力料金の情報をメモリ２３が記憶しているものとする。例えば、午後９時～午前５時の時間帯の電力料金が他の時間帯の電力料金よりも安い場合、スケジュール決定手段１２４は、圧縮機５１の起動時刻を午後９時～午前５時に決定してもよい。さらに、図５において、４台の負荷側ユニットの代わりに４台の空気調和機２であってもよい。この場合、スケジュール決定手段１２４は、全ての空気調和機２の圧縮機５１の起動時刻を一括で出力してもよい。図４および図５を参照して説明したように、評価関数に応じて圧縮機５１の起動時刻が変化する。
　図６は、図４に示した熱負荷学習手段が行う機械学習の手順を示すフローチャートである。通信手段１２２は、決められた周期の開始時刻になると（ステップＳ１０１）、空調管理装置３が記憶する空調データから、室温ＴｒａおよびＴｒｂと、外気温度Ｔｏｕｔと、設定温度ＴｓａおよびＴｓｂとを含むデータを読み出す（ステップＳ１０２）。そして、通信手段１２２は、読み出したデータを学習データ保持手段１２１に格納する。また、通信手段１２２は、空気調和機２の運転状態を示すデータを空調管理装置３が記憶する空調データから取得し（ステップＳ１０３）、取得したデータを学習データ保持手段１２１に格納する。図６では、運転状態が圧縮機５１の運転周波数の場合を示す。
　熱負荷学習手段１２３は、学習のタイミングが否かを判定し（ステップＳ１０４）、学習のタイミングでない場合、ステップＳ１０６に進む。ステップＳ１０４の判定の結果、学習のタイミングである場合、熱負荷学習手段１２３は、図４を参照して説明した機械学習を実行し（ステップＳ１０５）、学習結果として学習モデルをメモリ２３に格納する。メモリ２３が既に学習モデルを記憶している場合、熱負荷学習手段１２３は、メモリ２３が記憶する学習モデルを更新する。機械学習を実行する周期は、ユーザが自由に設定できる。学習モデルを記憶する記憶手段はメモリ２３に限らない。記憶部２２が学習モデルを記憶してもよい。
　次に、本実施の形態１の情報処理装置４の動作を説明する。図７は、図１に示した情報処理装置の動作手順を示すフローチャートである。ここでは、負荷側ユニット４０ａおよび４０ｂの各ユーザが、室温Ｔｒが設定時刻に設定温度になるように、図に示さないリモートコントローラを操作して設定時刻および設定温度を指定しているものとする。空調管理装置３の通信手段１０２は、各負荷側ユニットの設定時刻および設定温度を記憶部１２に格納する。負荷側ユニット４０ａについて、指定された設定時刻をｔａとし、指定された設定温度をＴｓａ１とする。負荷側ユニット４０ｂについて、指定された設定時刻をｔｂとし、指定された設定温度をＴｓｂ１とする。図７に示す破線枠は、熱負荷学習手段１２３が求めた学習モデルに基づく処理を示す。
　通信手段１２２は、各負荷側ユニットに指定された設定時刻および設定温度を空調管理装置３から取得する（ステップＳ２０１）。通信手段１２２は、指定された設定時刻のうち、一番早い指定時刻の一定時間前に、現在の室温Ｔｒ、外気温度Ｔｏｕｔおよび運転状態を含む空調データを空調管理装置３から取得する（ステップＳ２０２）。一定時間は、例えば、１時間である。ここでは、設定時刻ｔａが設定時刻ｔｂよりも早いものとする。
　スケジュール決定手段１２４は、設定時刻ｔａおよびｔｂと、設定温度Ｔｓａ１およびＴｓｂ１と、空調データとを通信手段１２２から受け取る。スケジュール決定手段１２４は、通信手段１２２から受け取った情報を入力データとして、負荷側ユニット４０ａおよび４０ｂの各学習モデルを用いて、相対的に必要な熱負荷を算出する（ステップＳ２０３）。スケジュール決定手段１２４は、全体の熱負荷を考慮して圧縮機５１の起動時刻および運転周波数を決定する（ステップＳ２０４）。そして、スケジュール決定手段１２４は、室温Ｔｒａを設定時刻ｔａに設定温度Ｔｓａ１に到達させ、かつ室温Ｔｒｂを設定時刻ｔｂに設定温度Ｔｓｂ１に到達させる運転状態のスケジュールを決定する。スケジュール決定手段１２４は、決定したスケジュールを空調管理装置３に送信する（ステップＳ２０５）。
　図７に示す手順において、制御部２１は、時刻が設定時刻ｔａまたはｔｂに到達するまでステップＳ２０２～Ｓ２０５の処理を定期的に繰り返し、空調管理装置３に通知するスケジュールを更新してもよい。また、図７に示す手順では、ステップＳ２０５において、スケジュール決定手段１２４がスケジュールを空調管理装置３に送信する場合で説明したが、スケジュールにしたがって運転状態を空調管理装置３に指示してもよい。この場合、空調管理装置３は、スケジュールを保持する必要がない。また、スケジュールが時間経過に伴って更新される場合、空調管理装置３は、スケジュールの更新の度に新しいスケジュールを情報処理装置４から受信する必要がなくなる。
　図８は、図２に示した空調管理装置がスケジュールにしたがって圧縮機および膨張装置を制御した場合の一例を示す図である。図８の縦軸は室温であり、横軸は時間である。図８は、負荷側ユニット４０ａおよび４０ｂが暖房運転を行う場合である。
　スケジュールは、例えば、時刻ｔ１において圧縮機５１の運転周波数をＦ１［Ｈｚ］に設定し、膨張装置４２ａの開度をＣｖａに設定し、時刻ｔ２において圧縮機５１の運転周波数をＦ２［Ｈｚ］に設定し、膨張装置４２ｂの開度をＣｖｂに設定するものである。Ｆ２＞Ｆ１の関係である。設定時刻ｔａよりも早い時刻ｔ１で圧縮機５１が起動することで、室温Ｔｒａは設定時刻ｔａに設定温度Ｔｓａ１に達している。また、設定時刻ｔｂよりも早い時刻ｔ２で圧縮機５１の運転周波数がＦ２に増加することで、室温Ｔｒｂは設定時刻ｔｂに設定温度Ｔｓｂ１に達している。このようにして、負荷側ユニット４０ａおよび４０ｂ毎に、各空調対象空間が設定時刻に設定温度に到達するように制御される。
　なお、通信線５は、ネットワークであってもよい。ネットワークは、例えば、インターネットである。この場合、情報処理装置４は、天気予報を提供するサーバからネットワークを介して、空気調和機２が設置されている地域の外気温度の情報を取得してもよい。外気温度センサ５４は設けられていなくてもよい。また、負荷側ユニットの台数は２台に限らない。負荷側ユニットの台数は３台以上であってもよい。
　本実施の形態１の情報処理装置４は、各負荷側ユニットの学習モデルに基づいて、各負荷側ユニットの空調対象空間の温度を設定時刻に設定温度に到達させる運転状態のスケジュールを決定するスケジュール決定手段１２４を有する。学習モデルは、各負荷側ユニットの熱負荷の影響因子となる入力データおよび熱負荷を示す出力データの入出力関係を示すものである。
　本実施の形態１によれば、情報処理装置４が複数の負荷側ユニット４０ａおよび４０ｂに対して学習モデルを用いて各負荷側ユニットの熱負荷を推定することで、各負荷側ユニットの空調対象空間の空調環境に適した運転状態を示すスケジュールが求まる。その結果、各負荷側ユニットの運転負荷が大きくなる時刻がシフトすると、空気調和機２の消費電力の最大値が大きくなることを抑制できる。そのため、各空調対象空間の室温が設定時刻に設定温度に到達することでユーザの快適性を確保するとともに、空気調和機２の全体の消費電力の最大値を抑制できる。電力料金が消費電力の最大値に比例して大きくなる場合、電力料金を抑制することができる。また、熱負荷の学習モデルの算出に機械学習を用いることで、熱負荷の推定に用いる入力データのパラメータを変更することが容易である。
　また、本実施の形態１の情報処理装置４は、各負荷側ユニットの入力データと出力データとの組からなる学習データを記憶する学習データ保持手段１２１と、熱負荷学習手段１２３とを有していてもよい。熱負荷学習手段１２３は、各負荷側ユニットの学習データに基づいて、各負荷側ユニットが処理する熱負荷を推定し、入力データおよび出力データの入出力関係を示す学習モデルを求める。
　熱負荷をより正確に算出しようとすると、外気温度を含む影響因子を考慮した物理モデルおよび統計モデルを用いる必要があり、計算処理が複雑になり、情報処理の負荷が大きくなる。これに対して、本実施の形態１では、複数の空調対象空間の空調環境が異なっていても、熱負荷学習手段１２３が各空調対象空間の熱負荷を機械学習にしたがって学習モデルを求めているため、情報処理の負荷を軽減しながら、熱負荷算出の精度が向上する。
　また、本実施の形態１において、ユーザが評価関数を指定してもよい。スケジュール決定手段１２４は、指定された評価関数にしたがってスケジュールを調整する。例えば、評価関数が消費電力である場合、スケジュール決定手段１２４は、各空調対象空間を設定時刻に設定温度に到達させるスケジュールを、空気調和機２の消費電力が最小になるように調整する。評価関数が電力料金である場合、スケジュール決定手段１２４は、各空調対象空間を設定時刻に設定温度に到達させるスケジュールについて、圧縮機５１の起動時刻を電力料金が安い時間帯にシフトするように調整する。この場合、スケジュール決定手段１２４は、圧縮機５１の起動時の運転周波数を調整前のスケジュールよりも低い運転周波数に変更する。
［変形例１］
　本実施の形態１の空調システムにおいて、学習データ保持手段１２１は、情報処理装置４に設けられていなくてもよい。例えば、学習データ保持手段１２１は、ネットワークに接続された記憶装置に設けられていてもよい。記憶装置は、例えば、ファイルサーバである。図９は、変形例１の空調システムの一構成例を示す図である。図９に示す構成では、通信線５がネットワーク７０の場合である。ネットワーク７０は、例えば、インターネットである。
　図９に示す空調システム１ａにおいて、空調管理装置３および情報処理装置４ａはネットワーク７０を介して接続される。ネットワーク７０に記憶装置８０が接続されている。記憶装置８０は、学習データ保持手段１２１と、ネットワーク７０を介して他の装置と情報を送受信する通信手段８１とを有する。空調管理装置３および通信手段１２２は、ネットワーク７０および通信手段８１を介して学習データ保持手段１２１にアクセスすることができる。図９に示す構成の場合、負荷側ユニットの数に比例して増加する空調データを記憶する保持手段が情報処理装置４ａとは別に設けられているため、情報処理装置４ａの製品コストを抑制できる。例えば、クラウドサービスを提供する会社が記憶装置８０を保守および管理する場合が考えられる。
［変形例２］
　本実施の形態１の空調システムにおいて、熱負荷学習手段１２３は、情報処理装置４に設けられていなくてもよい。例えば、熱負荷学習手段１２３は、ネットワークに接続されたサーバに設けられていてもよい。図１０は、変形例２の空調システムの一構成例を示す図である。図１０に示す構成では、通信線５がネットワーク７０の場合である。
　図１０に示す空調システム１ｂにおいて、空調管理装置３および情報処理装置４ｂはネットワーク７０を介して接続される。ネットワーク７０にサーバ９０が接続されている。サーバ９０は、熱負荷学習手段１２３と、ネットワーク７０を介して他の装置と情報を送受信する通信手段９１とを有する。通信手段１２２は、ネットワーク７０および通信手段９１を介して熱負荷学習手段１２３にアクセスすることができる。負荷側ユニットの数に比例して機械学習の処理負荷が増加する。そのため、図１０に示す構成の場合、熱負荷学習手段１２３が情報処理装置４ｂとは別に設けられることで、情報処理装置４ｂの処理負荷および製品コストを抑制できる。
［変形例３］
　本実施の形態１の空調システムにおいて、空気調和機２が設けられていてもよい。図１１は、変形例３の空調システムの一構成例を示す図である。図１１に示す空調システム１ｃでは、空調管理装置３が複数の空気調和機２－１～２－ｎと接続されている。ｎは２以上の整数である。この場合、図３を参照して説明したモデルを適用することで、複数の空気調和機２－１～２－ｎの系統全体を考慮して各圧縮機５１の起動時刻を算出できる。スケジュール決定手段１２４は、複数の空気調和機２－１～２－ｎの各空気調和機の圧縮機５１の起動時刻をずらし、空気調和機２－１～２－ｎの消費電力が最小になるようにスケジュールを決定する。この場合、空気調和機２－１～２－ｎの消費電力の総和の最大値を抑制できる。
［変形例４］
　本実施の形態１の空調システムにおいて、情報処理装置４は、複数の空気調和機２－１～２－ｎが設置された建物全体の消費電力を監視するコントローラと接続されてもよい。図１２は、変形例４の空調システムの一構成例を示す図である。図１０に示す構成では、通信線５がネットワーク７０の場合である。
　図１２に示す空調システム１ｄにおいて、空調管理装置３および情報処理装置４はネットワーク７０を介して接続される。ネットワーク７０に集中コントローラ２００が接続されている。集中コントローラ２００は、例えば、サーバである。集中コントローラ２００は、空気調和機２が設置された建物全体の消費電力を監視する。建物全体の消費電力として、空気調和機２の他に、エレベータ、自動ドアおよび照明装置などの機器の消費電力がある。スケジュール決定手段１２４は、集中コントローラ２００から建物全体の消費電力の時系列の情報を取得し、建物全体の消費電力が最小になるように、空気調和機２の運転状態のスケジュールを決定する。この場合、空気調和機２が設置された建物全体の消費電力の最大値が抑制され、建物全体の消費電力量の低減を図ることができる。さらに、スケジュール決定手段１２４は、各空調対象空間を設定時刻に設定温度に到達させるスケジュールについて、圧縮機５１の起動時刻を電力料金が安い時間帯にシフトするように調整してもよい。この場合、建物全体の電力料金を抑制することができる。
　なお、変形例１～４のうち、２以上の変形例が組み合わされてもよい。例えば、変形例４に変形例３を適用してもよい。この場合、複数の空気調和機２－１～２－ｎが設置された建物全体の消費電力の最大値が抑制され、建物全体の消費電力量の低減効果が大きくなることが期待できる。
実施の形態２．
　本実施の形態２の空調システムは、実施の形態１で説明した空調管理装置３が情報処理装置４の機能を備えているものである。本実施の形態２では、実施の形態１で説明した構成と同一の構成についての詳細な説明を省略する。
　本実施の形態２の空調システムの構成を説明する。図１３は、本発明の実施の形態２に係る空調システムの一構成例を示す図である。図１３に示す空調管理装置３ａは、図２に示した情報処理装置４の構成のうち、通信手段１２２を除く構成を含んでいる。例えば、情報処理装置４が実行するプログラムが空調管理装置３で実行され、熱負荷学習手段１２３およびスケジュール決定手段１２４が空調管理装置３に構成される。なお、本実施の形態２の空調システムの動作は実施の形態１と同様なため、その詳細な説明を省略する。
　本実施の形態２によれば、空調管理装置３が情報処理装置４の機能を備えることで、通信手段１２２および通信線５を含む通信インタフェースが不要となる。その結果、情報処理装置４を含む機器の設置制約が抑制され、空調管理装置３ａの設置が容易となる。本実施の形態２においても、変形例１～４を適用してもよい。
　１、１ａ～１ｄ　空調システム、２、２－１～２－ｎ　空気調和機、３、３ａ　空調管理装置、４、４ａ、４ｂ　情報処理装置、５　通信線、６　通信線、１１　制御部、１２　記憶部、１３　メモリ、１４　ＣＰＵ、２１　制御部、２２　記憶部、２３　メモリ、２４　ＣＰＵ、４０ａ、４０ｂ　負荷側ユニット、４１ａ、４１ｂ　負荷側熱交換器、４２ａ、４２ｂ　膨張装置、４３ａ、４３ｂ　空間温度センサ、５０　熱源側ユニット、５１　圧縮機、５２　熱源側熱交換器、５３　四方弁、５４　外気温度センサ、６０　冷媒回路、７０　ネットワーク、８０　記憶装置、８１　通信手段、９０　サーバ、９１　通信手段、１０１　空調データ保持手段、１０２　通信手段、１０３　空調制御手段、１０４　空気調和機通信手段、１２１　学習データ保持手段、１２２　通信手段、１２３　熱負荷学習手段、１２４　スケジュール決定手段、２００　集中コントローラ。

Claims (13)

  1. 　複数の負荷側ユニットを有する空気調和機の運転状態を制御する空調管理装置と通信する情報処理装置であって、
    　前記各負荷側ユニットの熱負荷の影響因子となる入力データおよび熱負荷を示す出力データの入出力関係を示す学習モデルに基づいて、前記各負荷側ユニットの空調対象空間の温度を指定された設定時刻に指定された設定温度に到達させる前記運転状態のスケジュールを決定するスケジュール決定手段を有する
    　情報処理装置。
  2. 　前記各負荷側ユニットについて、外気温度、前記空調対象空間の温度、前記空調対象空間の設定温度および前記空気調和機の運転状態を含む前記入力データと前記出力データとの組からなる学習データを記憶する学習データ保持手段と、
    　前記学習データ保持手段が記憶する、前記各負荷側ユニットの前記学習データに基づいて、前記各負荷側ユニットが処理する熱負荷を推定し、前記学習モデルを求める熱負荷学習手段と、をさらに有する、請求項１に記載の情報処理装置。
  3. 　前記スケジュール決定手段は、評価関数が指定されると、指定された評価関数にしたがって前記運転状態のスケジュールを調整する、請求項１または２に記載の情報処理装置。
  4. 　請求項１または３に記載の情報処理装置と、
    　前記複数の負荷側ユニットおよび熱源側ユニットを有する前記空気調和機と、
    　前記各負荷側ユニットの前記空調対象空間の温度を検出する空間温度センサと、
    　複数の前記空間温度センサと接続される前記空調管理装置と、
    を有する空調システム。
  5. 　請求項２に記載の情報処理装置と、
    　前記複数の負荷側ユニットおよび熱源側ユニットを有する前記空気調和機と、
    　前記各負荷側ユニットの前記空調対象空間の温度を検出する空間温度センサと、
    　複数の前記空間温度センサと接続される前記空調管理装置と、
    を有する空調システム。
  6. 　前記空調管理装置は前記情報処理装置を含む構成である、請求項４または５に記載の空調システム。
  7. 　ネットワークに接続された記憶装置と、
    　前記空調管理装置および前記熱負荷学習手段が前記ネットワークを介して前記記憶装置と通信する通信手段と、を有し、
    　前記記憶装置が前記学習データ保持手段を有する、請求項５に記載の空調システム。
  8. 　ネットワークに接続されたサーバと、
    　前記空調管理装置、前記学習データ保持手段および前記スケジュール決定手段が前記ネットワークを介して前記サーバと通信する通信手段と、を有し、
    　前記サーバが前記熱負荷学習手段を有する、請求項５に記載の空調システム。
  9. 　前記情報処理装置がネットワークを介して前記空調管理装置と接続されている、請求項４または５に記載の空調システム。
  10. 　複数の前記空気調和機を有し、
    　前記空調管理装置は、前記複数の空気調和機を制御する、請求項４～９のいずれか１項に記載の空調システム。
  11. 　前記スケジュール決定手段は、前記複数の空気調和機の消費電力が最小になるように前記運転状態のスケジュールを決定する、請求項１０に記載の空調システム。
  12. 　前記空気調和機が設置された建物全体の消費電力を監視するコントローラと前記情報処理装置が接続され、
    　前記スケジュール決定手段は、前記建物全体の消費電力が最小になるように前記空気調和機の前記運転状態のスケジュールを決定する、請求項４～９のいずれか１項に記載の空調システム。
  13. 　前記空気調和機が設置された建物全体の消費電力を監視するコントローラと前記情報処理装置が接続され、
    　前記スケジュール決定手段は、前記建物全体の電力料金が最小になるように前記空気調和機の前記運転状態のスケジュールを決定する、請求項４～９のいずれか１項に記載の空調システム。
PCT/JP2018/036850 2018-10-02 2018-10-02 情報処理装置およびこれを備えた空調システム WO2020070794A1 (ja)

Priority Applications (4)

Application Number Priority Date Filing Date Title
PCT/JP2018/036850 WO2020070794A1 (ja) 2018-10-02 2018-10-02 情報処理装置およびこれを備えた空調システム
US17/265,239 US11578889B2 (en) 2018-10-02 2018-10-02 Information processing apparatus and air-conditioning system provided with the same
JP2020550980A JP7170740B2 (ja) 2018-10-02 2018-10-02 情報処理装置およびこれを備えた空調システム
EP18936195.9A EP3862644B1 (en) 2018-10-02 2018-10-02 Information processing device and air-conditioning system provided with same

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
PCT/JP2018/036850 WO2020070794A1 (ja) 2018-10-02 2018-10-02 情報処理装置およびこれを備えた空調システム

Publications (1)

Publication Number Publication Date
WO2020070794A1 true WO2020070794A1 (ja) 2020-04-09

Family

ID=70055716

Family Applications (1)

Application Number Title Priority Date Filing Date
PCT/JP2018/036850 WO2020070794A1 (ja) 2018-10-02 2018-10-02 情報処理装置およびこれを備えた空調システム

Country Status (4)

Country Link
US (1) US11578889B2 (ja)
EP (1) EP3862644B1 (ja)
JP (1) JP7170740B2 (ja)
WO (1) WO2020070794A1 (ja)

Cited By (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113819582A (zh) * 2021-08-31 2021-12-21 广州汇电云联互联网科技有限公司 冷站群控节能方法、装置、终端设备及可读存储介质
WO2022050420A1 (ja) * 2020-09-07 2022-03-10 ダイキン工業株式会社 空調負荷学習装置、空調負荷予測装置
JP2022044555A (ja) * 2020-09-07 2022-03-17 ダイキン工業株式会社 空調負荷学習装置、空調負荷予測装置
WO2022185399A1 (ja) * 2021-03-02 2022-09-09 三菱電機株式会社 空気調和システムおよび学習装置

Families Citing this family (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP7173907B2 (ja) * 2019-03-18 2022-11-16 ダイキン工業株式会社 空調機の予冷運転又は予暖運転の運転条件を決定する機械学習装置

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JPH1194327A (ja) * 1997-09-18 1999-04-09 Matsushita Seiko Co Ltd 空気調和機の制御装置
WO2014171314A1 (ja) * 2013-04-15 2014-10-23 三菱電機株式会社 空調システム制御装置
WO2015151363A1 (ja) * 2014-03-31 2015-10-08 三菱電機株式会社 空調システム、及び、空調設備の制御方法
JP2016061487A (ja) 2014-09-18 2016-04-25 三菱電機エンジニアリング株式会社 空調システムの最適起動制御装置および空調システムの最適起動制御方法
JP2017067427A (ja) * 2015-10-01 2017-04-06 パナソニックＩｐマネジメント株式会社 空調制御方法、空調制御装置及び空調制御プログラム

Family Cites Families (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP5572799B2 (ja) 2010-04-01 2014-08-20 三菱電機株式会社 空調システム制御装置
CN105042810B (zh) * 2014-04-29 2019-05-14 松下电器（美国）知识产权公司 能够用时间和费用选择工作模式的空调控制系统中的终端装置的控制方法
US10484478B2 (en) * 2015-05-04 2019-11-19 Johnson Controls Technology Company HVAC controller with integrated wireless network processor chip
US10146237B2 (en) * 2017-04-28 2018-12-04 Johnson Controls Technology Company Smart thermostat with model predictive control

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JPH1194327A (ja) * 1997-09-18 1999-04-09 Matsushita Seiko Co Ltd 空気調和機の制御装置
WO2014171314A1 (ja) * 2013-04-15 2014-10-23 三菱電機株式会社 空調システム制御装置
WO2015151363A1 (ja) * 2014-03-31 2015-10-08 三菱電機株式会社 空調システム、及び、空調設備の制御方法
JP2016061487A (ja) 2014-09-18 2016-04-25 三菱電機エンジニアリング株式会社 空調システムの最適起動制御装置および空調システムの最適起動制御方法
JP2017067427A (ja) * 2015-10-01 2017-04-06 パナソニックＩｐマネジメント株式会社 空調制御方法、空調制御装置及び空調制御プログラム

Cited By (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2022050420A1 (ja) * 2020-09-07 2022-03-10 ダイキン工業株式会社 空調負荷学習装置、空調負荷予測装置
JP2022044555A (ja) * 2020-09-07 2022-03-17 ダイキン工業株式会社 空調負荷学習装置、空調負荷予測装置
JP7125644B2 (ja) 2020-09-07 2022-08-25 ダイキン工業株式会社 空調負荷学習装置、空調負荷予測装置
WO2022185399A1 (ja) * 2021-03-02 2022-09-09 三菱電機株式会社 空気調和システムおよび学習装置
CN113819582A (zh) * 2021-08-31 2021-12-21 广州汇电云联互联网科技有限公司 冷站群控节能方法、装置、终端设备及可读存储介质

Also Published As

Publication number Publication date
US20210302044A1 (en) 2021-09-30
JP7170740B2 (ja) 2022-11-14
EP3862644A1 (en) 2021-08-11
JPWO2020070794A1 (ja) 2021-05-13
EP3862644B1 (en) 2023-11-01
EP3862644A4 (en) 2021-10-13
US11578889B2 (en) 2023-02-14

Similar Documents

Publication Publication Date Title
WO2020070794A1 (ja) 情報処理装置およびこれを備えた空調システム
US20240045459A1 (en) Controlling the setback and setback recovery of a power-consuming device
US9784464B2 (en) Air-conditioning control system and air-conditioning control method
JP5963959B2 (ja) 空調システム制御装置及び空調システム制御方法
JP4980407B2 (ja) 空気調和機の制御装置、冷凍装置の制御装置
JP4905939B2 (ja) 空調システムの運転制御方法
EP2375178A1 (en) Load handling balance setting device
JP6403906B2 (ja) 制御装置、空気調和システムおよび空気調和機の制御方法
JP7203946B2 (ja) 空調管理装置、空調管理システム、空調管理方法及びプログラム
JP5404556B2 (ja) 空気調和機の制御装置および冷凍装置の制御装置
JP2014047989A (ja) 空気調和機のデマンド制御装置
JP5709002B2 (ja) 運転制御装置、運転制御方法、プログラム
JP5936714B2 (ja) システムコントローラ、設備管理システム、デマンド制御方法及びプログラム
TWI678504B (zh) 儲冰量調整系統與儲冰量調整方法
JP7006859B2 (ja) 空調制御装置、空調システム、空調制御方法、空調制御プログラム
JP5980425B2 (ja) 空気調和装置の制御装置、及び空気調和装置の制御方法
KR20160009117A (ko) 빌딩 자동 제어 시스템
Gao et al. Experimental study of a bilinear control for a GSHP integrated air-conditioning system
JP7026844B2 (ja) 情報処理装置、空気調和装置および空気調和システム
WO2023170828A1 (ja) 空気調和システム
KR20160009116A (ko) 서브 미터링 기반의 빌딩 에너지 관리 방법
WO2022185399A1 (ja) 空気調和システムおよび学習装置
JP6227218B2 (ja) 空調システム制御装置

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: 18936195

Country of ref document: EP

Kind code of ref document: A1

ENP Entry into the national phase

Ref document number: 2020550980

Country of ref document: JP

Kind code of ref document: A

NENP Non-entry into the national phase

Ref country code: DE

ENP Entry into the national phase

Ref document number: 2018936195

Country of ref document: EP

Effective date: 20210503