WO2023037484A1 - 設備制御装置、設備制御方法および設備制御プログラム - Google Patents

設備制御装置、設備制御方法および設備制御プログラム Download PDF

Info

Publication number
WO2023037484A1
WO2023037484A1 PCT/JP2021/033246 JP2021033246W WO2023037484A1 WO 2023037484 A1 WO2023037484 A1 WO 2023037484A1 JP 2021033246 W JP2021033246 W JP 2021033246W WO 2023037484 A1 WO2023037484 A1 WO 2023037484A1
Authority
WO
WIPO (PCT)
Prior art keywords
setting
candidate
satisfaction
candidates
unit
Prior art date
Application number
PCT/JP2021/033246
Other languages
English (en)
French (fr)
Inventor
恵大 太田
昌典 橋本
仁 川▲崎▼
晋一郎 大谷
莉沙 村上
洋介 金子
寛之 佐藤
洸平 福原
涼 熊谷
Original Assignee
三菱電機株式会社
国立大学法人電気通信大学
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, 国立大学法人電気通信大学 filed Critical 三菱電機株式会社
Priority to AU2021464018A priority Critical patent/AU2021464018A1/en
Priority to JP2023534254A priority patent/JP7408019B2/ja
Priority to GBGB2403190.8A priority patent/GB202403190D0/en
Priority to PCT/JP2021/033246 priority patent/WO2023037484A1/ja
Priority to CN202180102074.4A priority patent/CN117940939A/zh
Publication of WO2023037484A1 publication Critical patent/WO2023037484A1/ja

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q10/00—Administration; Management
    • G06Q10/04—Forecasting or optimisation specially adapted for administrative or management purposes, e.g. linear programming or "cutting stock problem"
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
    • G06Q50/10—Services
    • G06Q50/16—Real estate

Definitions

  • This disclosure relates to control of building equipment.
  • Patent Literature 1 shows a technique for supporting the planning of power saving measures. Specifically, the data of the area owned by the building is collected, and the power consumed by lighting equipment and air conditioning equipment is calculated based on the collected data according to the load (average illuminance, discomfort index, etc.) perceived by people, A power saving effect is calculated based on the calculated power consumption.
  • Patent Document 1 cannot reduce energy consumption by controlling equipment other than lighting equipment and air conditioning equipment.
  • Patent Literature 1 can meet the power saving target of the building manager. Further, the technique described in Patent Document 1 can cope with the thermal environment and light environment of the users of the building. However, a building has many stakeholders such as owners and tenants in addition to administrators and users, and each stakeholder has different requirements. Then, the technology described in Patent Document 1 responds to the user's request regarding the air quality environment, the user's request regarding the sound environment, the owner's or tenant's request regarding productivity, and the owner's or tenant's request regarding CO2 emissions. I can not cope.
  • Patent Literature 1 can satisfy the temperature and humidity reference range defined by the Building Management Law. However, there are constraints that must be satisfied in order to control building equipment. In addition, the technique described in Patent Literature 1 cannot perform control to ensure that the reference range of the CO2 concentration, etc., is satisfied.
  • the purpose of this disclosure is to be able to support building operations while satisfying the constraints necessary for building operations and taking into account stakeholder requests.
  • the facility control device of the present disclosure is A case where the setting candidate is applied to the one or more facilities for each setting candidate based on a plurality of setting candidates, which are a plurality of setting candidates for controlling the one or more facilities installed in the building.
  • a result acquisition unit that obtains a simulation result corresponding to the operation result of the building;
  • a satisfaction calculation unit that calculates a stakeholder satisfaction level of the building based on the simulation result for each setting candidate;
  • a constraint degree calculation unit that calculates, for each setting candidate, a constraint degree representing a degree to which the operational constraints of the building are satisfied based on the simulation result; determining the superiority or inferiority of the plurality of setting candidates based on the degree of satisfaction of each setting candidate and the degree of constraint of each setting candidate, and optimizing the plurality of setting candidates based on the determination result;
  • a candidate optimization unit that generates setting candidates for a selection unit that selects a setting candidate to be applied to the one or more pieces of equipment from the plurality of new setting candidates as
  • setting candidates optimized based on both satisfaction and constraints are applied to building equipment. Therefore, it is possible to support the operation of the building while satisfying the constraints necessary for the operation of the building and taking into consideration the demands of stakeholders.
  • FIG. 1 is a configuration diagram of a building management system 200 according to Embodiment 1.
  • FIG. 1 is a configuration diagram of an equipment control device 100 according to Embodiment 1.
  • FIG. 3 is a configuration diagram of a calculation unit 111 according to Embodiment 1.
  • FIG. 2 is a functional relationship diagram of the facility control device 100 according to Embodiment 1.
  • FIG. 4 is a flowchart of a facility control method according to Embodiment 1;
  • FIG. 10 is a diagram showing a constraint winning/losing table according to the first embodiment;
  • FIG. 4 is a flow chart of the equipment control method in the embodiment (1-3).
  • FIG. 3 is a configuration diagram of a calculation unit 111 according to Embodiment 2;
  • FIG. 11 is a functional relationship diagram of the facility control device 100 according to Embodiment 4; 14 is a flowchart of an equipment control method according to Embodiment 4; FIG. 10 is a functional relationship diagram of the equipment control device 100 in the embodiment (4-2); FIG. 11 is a configuration diagram of a facility control device 100 according to Embodiment 5; FIG. 11 is a functional relationship diagram of the equipment control device 100 according to Embodiment 5; 11 is a flowchart of a facility control method according to Embodiment 5; FIG. 11 is a configuration diagram of a calculation unit 111 according to Embodiment 6; FIG.
  • FIG. 11 is a functional relationship diagram of the facility control device 100 according to Embodiment 6; 14 is a flow chart of an equipment control method according to Embodiment 6.
  • FIG. FIG. 10 is a functional relationship diagram of the facility control device 100 in the embodiment (6-1); 1 is a hardware configuration diagram of a facility control device 100 according to an embodiment; FIG.
  • Embodiment 1 A building management system 200 will be described with reference to FIGS. 1 to 7.
  • FIG. 1 A building management system 200 will be described with reference to FIGS. 1 to 7.
  • a building management system 200 includes a facility control device 100 and a building management device 210 .
  • the facility control device 100 and the building management device 210 are connected to each other via a network or directly without a network.
  • the building management system 200 is connected with an input device 201 and an output device 202 .
  • the input device 201 is a device operated by a user.
  • the input device 201 is a mouse, keyboard, touch panel, or the like.
  • the output device 202 is a device that outputs data.
  • output device 202 is a display or printer.
  • the building management device 210 is a device similar to BAS, and is connected to one or more facilities 211 installed in the building.
  • the building management device 210 sets each facility 211 and monitors the state of each facility 211 .
  • the equipment 211 is an air conditioning equipment, a lighting equipment, a ventilation equipment, a hot water supply equipment, or the like.
  • BAS is an abbreviation for Building Automation System.
  • the building management system 200 may be integrated with the equipment control device 100.
  • the configuration of the facility control device 100 will be described based on FIG.
  • the facility control device 100 is a computer having hardware such as a processor 101 , a memory 102 , an auxiliary storage device 103 , an input/output interface 104 and a communication interface 105 . These pieces of hardware are connected to each other via signal lines.
  • the processor 101 is an IC that performs arithmetic processing and controls other hardware.
  • processor 101 is a CPU.
  • IC is an abbreviation for Integrated Circuit.
  • CPU is an abbreviation for Central Processing Unit.
  • Memory 102 is a volatile or non-volatile storage device. Memory 102 is also referred to as main storage or main memory. For example, memory 102 is RAM. The data stored in the memory 102 is saved in the auxiliary storage device 103 as required. RAM is an abbreviation for Random Access Memory.
  • Auxiliary storage device 103 is a non-volatile storage device.
  • the auxiliary storage device 103 is ROM, HDD, flash memory, or a combination thereof. Data stored in the auxiliary storage device 103 is loaded into the memory 102 as required.
  • ROM is an abbreviation for Read Only Memory.
  • HDD is an abbreviation for Hard Disk Drive.
  • the input/output interface 104 is a port to which the input device 201 and the output device 202 are connected.
  • the input/output interface 104 is a USB or HDMI (registered trademark) terminal.
  • Input/output of the equipment control device 100 is performed using an input/output interface 104 .
  • USB is an abbreviation for Universal Serial Bus.
  • HDMI is an abbreviation for High-Definition Multimedia Interface.
  • Communication interface 105 is a receiver and transmitter.
  • communication interface 105 is a communication chip or NIC.
  • Communication of the equipment control device 100 is performed using the communication interface 105 .
  • NIC is an abbreviation for Network Interface Card.
  • the equipment control device 100 includes elements such as a calculation unit 111 , a selection unit 112 and a control unit 113 . These elements are implemented in software.
  • the auxiliary storage device 103 stores facility control programs for causing the computer to function as a calculation unit 111 , a selection unit 112 and a control unit 113 .
  • the facility control program is loaded into memory 102 and executed by processor 101 .
  • the auxiliary storage device 103 further stores an OS. At least part of the OS is loaded into memory 102 and executed by processor 101 .
  • the processor 101 executes the equipment control program while executing the OS.
  • OS is an abbreviation for Operating System.
  • Input/output data of the equipment control program is stored in the storage unit 190 .
  • Memory 102 functions as storage unit 190 .
  • a storage device such as the auxiliary storage device 103 , a register within the processor 101 and a cache memory within the processor 101 may function as the storage unit 190 instead of or together with the memory 102 .
  • the facility control device 100 may include a plurality of processors that substitute for the processor 101.
  • the facility control program can be recorded (stored) in a computer-readable manner on a non-volatile recording medium such as an optical disc or flash memory.
  • Calculation unit 111 includes candidate generation unit 120 , result acquisition unit 130 , satisfaction calculation unit 140 , constraint calculation unit 150 , and candidate optimization unit 160 .
  • the result acquisition unit 130 has a simulation unit 131 .
  • the satisfaction level calculator 140 includes one or more satisfaction level calculators.
  • the satisfaction level calculator 140 includes a first satisfaction level calculator 141 and a second satisfaction level calculator 142 .
  • the constraint calculator 150 includes one or more constraint calculators.
  • the constraint calculator 150 includes a first constraint calculator 151 and a second constraint calculator 152 .
  • the candidate optimization unit 160 includes a superiority/inferiority determination unit 161 and an optimization unit 162 .
  • FIG. 4 shows the relationship of the main elements of the building management system 200. As shown in FIG. Arrows in the figure mainly indicate the flow of data or the flow of processing.
  • the operation procedure of the equipment control device 100 corresponds to the equipment control method. Further, the operation procedure of the equipment control device 100 corresponds to the procedure of processing by the equipment control program.
  • step S110 candidate generating section 120 generates a plurality of setting candidates.
  • a setting candidate is a candidate for setting data for controlling one or more facilities 211 .
  • the setting data indicates values set for the control parameters of each piece of equipment 211 .
  • multiple setting candidates are generated as follows.
  • Setting range data is stored in the storage unit 190 in advance.
  • the setting range data indicates the range of values that can be set for each control parameter.
  • Candidate generating section 120 selects the same number of values (a plurality of values) as setting candidates from the range indicated by the setting range data for each control parameter. Then, candidate generating section 120 includes the selected multiple values in different setting candidates for each control parameter. For example, each of the multiple values is selected at regular intervals. Also, the plurality of values may be selected by sampling using design of experiments, sampling using random numbers, or the like.
  • step S120 the result obtaining unit 130 obtains a simulation result for each setting candidate based on a plurality of setting candidates.
  • the simulation result corresponds to the result of building operation when the setting candidate is applied to one or more facilities 211 .
  • the simulation result indicates the energy consumption of each facility 211, the indoor environment of each room, and the like.
  • the simulation results are obtained as follows.
  • the simulation unit 131 simulates the operation of the building when the setting candidate is applied to one or more facilities 211 for each setting candidate.
  • Existing software such as BEST, EnergyPlus, and modelica can be used for the simulation.
  • step S130 the satisfaction level calculation unit 140 calculates the building stakeholder satisfaction level based on the simulation results for each setting candidate. Satisfaction is a value that expresses the degree of satisfaction that a stakeholder of a building can obtain.
  • the satisfaction level calculation unit 140 calculates multiple levels of satisfaction with respect to multiple indices for each setting candidate.
  • the first satisfaction level calculation unit 141 calculates the level of satisfaction (first level of satisfaction) with respect to the first satisfaction index
  • the second satisfaction level calculation unit 142 calculates the level of satisfaction (second level of satisfaction) with respect to the second satisfaction index. calculate.
  • indices related to satisfaction can be used as indices related to satisfaction (satisfaction indices).
  • An index related to the thermal environment A specific example is Predicted Mean Vote (PMV).
  • An index related to the lighting environment Specific examples are illuminance and perceived brightness.
  • An indicator of the air quality environment A specific example is the concentration of carbon dioxide (CO2).
  • An index related to the sound environment Specific examples are sound fluctuation intensity and loudness.
  • concentration Various indicators related to building owners or building managers. Specific examples are energy consumption, peak power, electricity bills, gas bills and CO2 emissions.
  • Each degree of satisfaction may be a value for the entire building, or may be a value converted for each room or person.
  • the constraint degree calculation unit 150 calculates the constraint degree based on the simulation result for each setting candidate.
  • the degree of constraint is a value representing the degree to which constraints (operational constraints) required for building operation are satisfied.
  • the constraint degree calculation unit 150 calculates a plurality of constraint degrees for a plurality of indices.
  • the first constraint degree calculation unit 151 calculates the constraint degree (first constraint degree) for the first constraint index
  • the second constraint degree calculation unit 152 calculates the constraint degree (second constraint degree) for the second constraint index. calculate.
  • indices can be used as indices (constraint indices) related to the degree of constraint.
  • Regulatory value for energy A specific example is CO2 standard emissions.
  • JIS Z 9110:2010 A specific example is a reference value such as indoor average desk surface illuminance or degree of uniformity.
  • Each degree of satisfaction may be a value for the entire building, or may be a value converted for each room or person.
  • step S140 the candidate optimization unit 160 determines whether the optimization termination condition is satisfied.
  • the optimization termination condition is determined in advance as a condition for terminating optimization of a plurality of setting candidates.
  • optimization end conditions are defined with respect to items such as the number of times optimization (step S150) is executed or the target value of satisfaction. Optimization termination conditions may be defined for multiple items.
  • step S150 If the optimization end condition is not satisfied, the process proceeds to step S150. If the optimization termination condition is satisfied, the process proceeds to step S160.
  • step S150 the candidate optimization unit 160 optimizes a plurality of setting candidates based on the degree of satisfaction of each setting candidate and the degree of constraint of each setting candidate. As a result, a plurality of new setting candidates are generated.
  • the superiority/inferiority determination unit 161 determines the superiority/inferiority of a plurality of setting candidates based on the degree of satisfaction of each setting candidate and the degree of constraint of each setting candidate. Specifically, superiority/inferiority determination section 161 ranks a plurality of setting candidates. Then, the optimization unit 162 optimizes the plurality of setting candidates based on the superiority/inferiority determination result (rank of each setting candidate).
  • the superiority/inferiority determination unit 161 performs ranking based on each of the degree of satisfaction and the degree of constraint. Then, the superiority/inferiority determination unit 161 ranks the plurality of setting candidates based on the results of the ranking based on the degree of satisfaction and the results of the ranking based on the degree of constraint.
  • the constraint win/loss rank for example, the win/loss between the setting candidates is determined based on the amount of violation of the constraint.
  • the constraint violation amount is an example of the constraint degree, and indicates how much the index value deviates from the reference.
  • the first constraint violation amount is the constraint violation amount for the first constraint index
  • the second constraint violation amount is the constraint violation amount for the second constraint index
  • the third constraint violation amount is the constraint violation amount for the third constraint index.
  • setting candidate A and setting candidate B are compared.
  • the constraint violation amount of setting candidate B is smaller than the constraint violation amount of setting candidate A
  • the constraint violation amount of setting candidate A is smaller than the constraint violation amount of setting candidate B. . Therefore, setting candidate A is superior to setting candidate B in two constraint indexes, and setting candidate B is superior to setting candidate A in one constraint index. That is, the number of constraint indices for which setting candidate A is superior is greater than the number of constraint indices for which setting candidate B is superior. Therefore, setting candidate A is superior to setting candidate B.
  • setting candidate C is superior to both setting candidate A and setting candidate B.
  • the rank value indicates the number of wins against other setting candidates.
  • Setting candidate A has a rank value of 1
  • setting candidate B has a rank value of 0
  • setting candidate C has a rank value of 2.
  • the higher the rank value the higher the rank. Therefore, setting candidate C has the highest rank.
  • restriction win/loss rank setting candidates that are excellent in a larger number of restriction indexes are ranked higher.
  • the “restricted win/lose rank” can be ranked even if the unit of value and the range of values differ greatly for each restricted index. In other words, ranking can be performed without worrying about the difference in the types of constraint degrees.
  • the ranking may be performed by a method other than the "restricted win/lose rank". For example, after performing comparison and ranking for each constraint index, ranking may be performed by integrating the ranking for each constraint index.
  • the constraint violation amount of each constraint index may be weighted, a weighted sum of the constraint violation amounts may be calculated for each setting candidate, and ranking may be performed using the weighted sum of each setting candidate.
  • Satisfaction-based ranking is done using techniques such as those employed in existing multi-objective optimization operations.
  • a method of ranking based on the fitness F adopted by IBEA will be described below.
  • the fitness F is calculated by normalizing each degree of satisfaction.
  • the fitness F for a given setting candidate x1 is defined by equation (1).
  • “x 1 ” is a setting candidate for which fitness F is to be calculated, and is represented by a vector.
  • P is a set of setting candidates.
  • “x 2 ” is a setting candidate other than the setting candidate x 1 in the set P of setting candidates.
  • I(A, B) normalizes the minimum value (I ⁇ +(A, B)) of at least the required value ⁇ to make the satisfaction of setting candidate A the same as that of setting candidate B. It is. "I(A,B)” is defined by equation (2).
  • f'i(x) is the normalized function fi(x) for obtaining the i-th degree of satisfaction for setting candidate x.
  • f'i(x) is defined by equation (3).
  • a high degree of fitness F means that the corresponding setting candidate is significantly inferior to the other setting candidates in the degree of improvement necessary to improve the degree of satisfaction. Therefore, by calculating the fitness F for each setting candidate, it is possible to rank the setting candidates in descending order of satisfaction. In addition, since the degree of satisfaction is normalized by Equation (3), ranking is possible even if the unit of value and the range of value differ greatly for each satisfaction index. In other words, it is possible to calculate and rank the fitness F without worrying about the difference in the types of satisfaction.
  • Satisfaction-based ranking may be done in techniques other than the IBEA fitness technique. For example, ranking may be done in a “pareto ranking” or “crowding distance” based manner. “Pareto ranking” and “crowding distance” are often employed in multi-objective genetic algorithms (MOGA). Also, the ranking may be performed by the method adopted by NSGA-III or MOEA/D. NSGA-III and MOEA/D are optimization algorithms suitable for many objective functions.
  • the optimization unit 162 newly generates setting candidates using a technique such as that employed in the existing multi-objective optimization calculation described above.
  • the number of newly generated setting candidates may be one, or may be plural.
  • the optimization unit 162 uses a technique that is often used in multi-objective genetic algorithms (MOGA). That is, the optimization unit 162 extracts two setting candidates with a higher probability as the order is higher, synthesizes the setting values of the two setting candidates by SBX, and mutates the synthesized value by PM. The composite value after mutation becomes the setting value of a new setting candidate.
  • SBX is an abbreviation for Simulated Binary Crossover.
  • PM is an abbreviation for Polynomial-based Mutation.
  • the optimization unit 162 then mixes the newly generated setting candidates and the original setting candidates to prepare a plurality of new setting candidates.
  • the optimizer 162 may handle the new multiple candidate settings using techniques such as those employed in the existing multi-objective optimization operations described above. For example, when the number of new setting candidates is larger than the threshold, the optimization unit 162 newly creates one or more setting candidates in descending order so that the number of new setting candidates is equal to or less than the threshold. Delete from multiple setting candidates.
  • step S150 the process proceeds to step S120.
  • step S160 the selection unit 112 selects an application setting from a plurality of new setting candidates.
  • An applicable setting is a setting candidate to be applied to one or more facilities 211 .
  • the application settings are selected as follows.
  • the selection unit 112 displays a plurality of new setting candidates on the display (output device 202).
  • the user for example, building manager
  • the user refers to a plurality of new setting candidates, selects a desired setting candidate from the new plurality of setting candidates, and designates the desired setting candidate using the input device 201 .
  • the selection unit 112 selects the designated setting candidate from the plurality of new setting candidates.
  • the selected setting candidate becomes the applied setting.
  • step S ⁇ b>170 the control unit 113 applies the application setting to one or more facilities 211 . Specifically, control unit 113 transmits the application setting to building management device 210 . Then, the building management device 210 applies the application setting to each facility 211 .
  • the equipment control device 100 generates a plurality of setting candidates. At this time, the facility control device 100 repeats deleting setting candidates with low rankings in terms of the degree of constraint and satisfaction, and generating new setting candidates using setting candidates with high rankings. As a result, a plurality of setting candidates with a high degree of constraint and satisfaction are obtained. Then, the facility control device 100 presents a plurality of setting candidates to the user, selects a setting candidate to be actually used, and applies the selected setting candidate to each facility 211 of the building.
  • the degree of constraint is an index value that must be satisfied when operating a building.
  • the equipment control device 100 uses a method that enables comparison of the superiority and inferiority of setting candidates even when a large number of constraint degrees or a large number of satisfaction degrees have different value ranges. As a result, it is possible to obtain the optimum settings more efficiently, and it is possible to quickly operate with good settings.
  • the selection unit 112 may select application settings as follows. First, the selection unit 112 displays a plurality of new setting candidates together with their satisfaction levels and constraint levels on the display (output device 202). Next, the user (for example, building manager) uses the input device 201 to specify satisfaction and constraint conditions (for example, tolerance). Then, the selection unit 112 selects a setting candidate that satisfies the specified condition from the plurality of new setting candidates. The selected setting candidate becomes the applied setting.
  • Example (1-2) ***
  • an input/output device connected to an external device may be used. This is realized by the selection unit 112 communicating with the external device.
  • the controller 113 may apply temporary settings to one or more facilities 211 before the optimization termination condition is met.
  • a provisional setting is a setting candidate that is temporarily applied.
  • the facility control method will be described based on FIG. Steps S101 and S102 are characteristic. After step S130, the process proceeds to step S101.
  • step S101 the control unit 113 determines whether the provisional setting condition is satisfied.
  • the provisional setting condition is determined in advance as a condition for applying the provisional setting.
  • the provisional setting conditions are defined in terms of the number of times the optimization (step S150) is performed or the elapsed time (from step S110). Note that the number of optimization executions under the provisional setting conditions is smaller than the number of optimization executions under the optimization termination conditions. If the provisional setting condition is satisfied, the process proceeds to step S102. If the provisional setting condition is not satisfied, the process proceeds to step S140.
  • step S102 the selection unit 112 selects a provisional setting from a plurality of current setting candidates. Any selection method may be used.
  • the control unit 113 then applies the provisional settings to one or more pieces of equipment 211 .
  • step S140 the process proceeds to step S140.
  • provisional settings can be temporarily applied without waiting for the completion of time-consuming optimization calculations (S120 to S150). Therefore, it is possible to operate the building by applying appropriate settings to some extent without relying on human intervention. The optimization calculations are then completed and the final good settings can be applied to operate the building.
  • Embodiment 2 Regarding a form in which two or more satisfaction levels for two or more specific indices are aggregated into one satisfaction level, differences from Embodiment 1 will be mainly described with reference to FIGS. 8 to 10.
  • FIG. 8 Regarding a form in which two or more satisfaction levels for two or more specific indices are aggregated into one satisfaction level, differences from Embodiment 1 will be mainly described with reference to FIGS. 8 to 10.
  • Embodiment 2 when a plurality of satisfaction levels are calculated for each setting candidate, setting candidates are ranked using all of the plurality of satisfaction levels calculated for each setting candidate. However, some indicators of satisfaction may have similar trends. In that case, there is no need to separately consider the degree of satisfaction of these indices when ranking setting candidates. Therefore, in the second embodiment, setting candidates are ranked after a number of satisfaction levels are aggregated into one satisfaction level.
  • the configuration of the building management system 200 is the same as the configuration in the first embodiment.
  • the configuration of the equipment control device 100 is the same as the configuration in the first embodiment.
  • the configuration of the calculation unit 111 is different from that in the first embodiment.
  • FIG. Calculation unit 111 further includes aggregation unit 171 .
  • the equipment control program further causes the computer to function as the aggregation unit 171 .
  • Step S210 Steps S110 to S170 are as described in the first embodiment.
  • Step S210 is performed after step S130.
  • step S130 stakeholder satisfaction is calculated.
  • Stakeholder satisfaction includes multiple levels of satisfaction with multiple indicators.
  • step S ⁇ b>210 the aggregating unit 171 aggregates two or more satisfaction levels for two or more specific indices among a plurality of satisfaction levels included in stakeholder satisfaction levels into one satisfaction level for each setting candidate.
  • Two or more specific indices are predetermined as two or more indices having similar trends of change.
  • the aggregating unit 171 leaves one of two or more satisfaction levels and deletes the other satisfaction levels.
  • step S210 the process proceeds to step S140.
  • the equipment control device 100 ranks setting candidates after aggregating several satisfaction levels into one satisfaction level. This reduces the number of satisfactions that must be compared. Normally, the greater the number of degrees of satisfaction that must be compared, the more difficult it is to judge the superiority or inferiority of setting candidates. For example, even if the satisfaction level of setting candidate A is higher than the satisfaction level of setting candidate B in many indices and the satisfaction level of setting candidate B is higher than the satisfaction level of setting candidate A in terms of fewer indices, setting candidate B A phenomenon can occur where it is difficult to say that the product is inferior. Such a phenomenon is more likely to occur as the number of degrees of satisfaction increases. Therefore, it becomes easier to determine the superiority or inferiority between setting candidates by reducing the number of satisfaction levels to be compared. Furthermore, the time required to compute the ranking is reduced.
  • the aggregating unit 171 may aggregate two or more satisfaction levels as follows. A priority of two or more specific indicators is predetermined. The aggregating unit 171 weights the degree of satisfaction with respect to each index according to the order of priority, and calculates the weighted sum of the degrees of satisfaction. The calculated weighted sum becomes one degree of satisfaction obtained by aggregation. The weight of each index may be calculated in advance based on the order of priority, or may be designated by the user using the input device 201 . By aggregating two or more satisfaction levels, it becomes easier to determine the superiority or inferiority of setting candidates, and the time required for ranking calculation is shortened.
  • Embodiment 3 A form of obtaining a simulation result using a trained model will be described mainly with reference to FIGS. 11 to 16 for differences from the first embodiment.
  • Embodiment 3 *** Overview of Embodiment 3 ***
  • the energy consumption of each facility 211 and the indoor environment of each room when the target building is operated are calculated by simulation using each setting candidate.
  • the simulation is to be performed with high accuracy, a precise physical model is required, and the simulation takes a long time. If the scale of the building is large, the number of facilities 211 to be modeled is large, and the simulation takes much time. Accompanying this, it may take time to acquire setting candidates to be applied to building operation. Therefore, in the third embodiment, a trained model is used. This shortens the calculation time for obtaining simulation results.
  • the configuration of the building management system 200 is the same as the configuration in the first embodiment.
  • the configuration of the equipment control device 100 is the same as the configuration in the first embodiment.
  • the configuration of the calculation unit 111 is different from that in the first embodiment.
  • the result acquisition unit 130 includes a learning unit 132 and an alternative calculation unit 133 in addition to the simulation unit 131 .
  • Steps S310 and S320 are characteristic.
  • Step S110 and step S130 to step S170 are as described in the first embodiment.
  • Step S310 is executed before step S320.
  • step S310 is performed before step S110.
  • Step S320 corresponds to step S120 in the first embodiment.
  • step S310 the result obtaining unit 130 generates a learned model.
  • a trained model is a function that inputs settings for one or more pieces of equipment 211 and outputs simulation results.
  • the result acquisition unit 130 operates as follows. First, the simulation unit 131 simulates building operation based on each of a plurality of virtual settings for one or more facilities 211 . This yields simulation results for each virtual setting.
  • a virtual setting is a setting that is used for learning. For example, the virtual settings are generated by candidate generator 120 . Then, the learning unit 132 learns a set (data set) of a virtual setting and a simulation result for each virtual setting. This generates a trained model.
  • the type of trained model is arbitrary. Specifically, the type of trained model is neural network, random forest, SVR, or the like. SVR is an abbreviation for Support Vector Regression.
  • step S320 the result acquisition unit 130 obtains a simulation result of each setting candidate using the trained model.
  • the substitution calculation unit 133 receives each setting candidate and calculates a learned model. As a result, a simulation result for each setting candidate is obtained.
  • the facility control device 100 can quickly calculate the energy consumption and the indoor environment using a trained model that replaces simulation.
  • the facility control device 100 causes the model to learn in advance the input/output relationship of the simulation. This enables high-speed calculation of energy consumption and indoor environment. As a result, it is possible to quickly acquire good setting candidates.
  • good setting candidates can be quickly acquired and applied to building facility control. It becomes possible to
  • the result acquisition unit 130 may generate a trained model by using the setting candidates obtained in the optimization (step S150) for learning, in addition to the virtual setting.
  • the simulation unit 131 obtains a simulation result by performing a simulation for each new setting candidate obtained by optimization.
  • the learning unit 132 learns a set of new setting candidates and simulation results to update the learned model. This improves the accuracy of the simulation results for energy consumption and indoor environment, making it possible to acquire better setting candidates.
  • the result acquisition unit 130 may generate a trained model by using data of buildings having features similar to those of buildings for which application candidates are determined.
  • additional learning data 191 is stored in storage section 190 .
  • the additional learning data 191 is learning data of other buildings, and includes one or more sets of settings of other buildings and simulation results based on the settings of other buildings.
  • the learning unit 132 learns the additional learning data 191 to generate a trained model. This reduces (or eliminates) the number of virtual settings required for learning and reduces (or eliminates) the time required to simulate the virtual settings. As a result, it becomes possible to complete pre-learning and generate a learned model in a shorter time.
  • the equipment control device 100 may learn the degree of satisfaction and the degree of constraint.
  • the calculator 111 includes a learning unit 172 and a substitute calculator 173 .
  • the learning unit 172 generates a trained model by learning a set (data set) of a virtual setting, a satisfaction level, and a constraint level for each virtual setting.
  • the substitution calculation unit 173 calculates the degree of satisfaction and the degree of constraint using the learned model for each setting candidate. This makes it possible to perform optimization calculations (S120 to S150) at a higher speed and obtain good setting candidates.
  • the facility control device 100 may similarly learn the superiority/inferiority judgment (ranking) of settings.
  • Example (3-4) *** Example (3-3) may be applied to Example (3-4).
  • additional learning data 192 is stored in storage unit 190 .
  • the additional learning data 192 is learning data of the other building, and includes one or more sets of the setting of the other building, the degree of satisfaction based on the setting of the other building, and the degree of constraint based on the setting of the other building.
  • the learning unit 132 learns the additional learning data 192 to generate a trained model.
  • the facility control device 100 may similarly learn additional learning data regarding the superiority/inferiority judgment (ranking) of settings.
  • Embodiment 4 A mode for correcting simulation parameters will be described mainly with reference to FIGS. 17 to 20 for differences from the first embodiment.
  • Embodiment 4 *** Overview of Embodiment 4 *** In Embodiment 1, optimization calculation is performed on the assumption that simulation can be performed with high accuracy. However, if the simulation model is inaccurate, or if the characteristics of the equipment 211 change over time, it may be difficult to perform accurate simulations. Therefore, in the fourth embodiment, information such as the characteristics of the actual facility 211 and changes in the indoor environment are collected, and the simulation parameters are appropriately corrected.
  • Configuration description *** The configuration of the building management system 200 is the same as the configuration in the first embodiment. However, the configuration of the equipment control device 100 is different from that in the first embodiment.
  • the configuration of the facility control device 100 will be described based on FIGS. 17 and 18.
  • the equipment control device 100 further includes an element called a correction unit 114 .
  • the equipment control program further causes the computer to function as the correction unit 114 .
  • Step S410 is performed before step S120.
  • step S410 is performed before step S110.
  • step S410 the correction unit 114 acquires the past settings applied to one or more facilities 211 and the operation results of the building when the past settings were applied. Specifically, the correction unit 114 acquires the current settings and the operation results based on the current settings by communicating with the building management device 210 .
  • the current settings are settings that were set in the past and are currently applied, and are an example of past settings.
  • the correcting unit 114 compares the simulation results for the past settings with the operational results.
  • a simulation result for the past setting is obtained by the simulation unit 131 executing a simulation based on the past setting.
  • the correction unit 114 corrects the simulation parameters based on the comparison result.
  • the simulation parameters are parameters used for simulation by the simulation unit 131 . Specifically, when the error of the simulation result with respect to the operation result exceeds a threshold, the correction unit 114 corrects the simulation parameters. At this time, the correction unit 114 changes the value of the parameter according to the magnitude of the error so as to obtain a simulation result close to the operational result.
  • the equipment control device 100 corrects the simulation parameters before the simulation. This prevents the simulation from being performed with low accuracy. Therefore, it is possible to acquire good setting candidates with higher accuracy.
  • the correction unit 114 may perform correction before the simulation (step S120) in the optimization calculations (S120 to S150). For example, the correction unit 114 may perform correction before optimization (step S150). Further, the correction unit 114 may perform correction periodically.
  • Example (4-2) ***
  • the simulation parameters are corrected during the optimization calculations (S120 to S150). Therefore, there is a possibility that the degree of satisfaction and the degree of constraint based on the same setting candidate will change during the optimization calculation, making it impossible to obtain an effective optimization result. Therefore, the equipment control device 100 may temporarily suspend the optimization calculation when the correction is performed.
  • the calculator 111 has a detector 115 .
  • the detection unit 115 detects correction of the simulation parameters.
  • the satisfaction level calculation unit 140, the constraint level calculation unit 150, and the candidate optimization unit 160 stop the process being executed and restart the stopped process.
  • the degree of satisfaction and the degree of constraint are recalculated, and optimization is performed based on the recalculated degree of satisfaction and the degree of constraint.
  • the facility control device 100 may perform the optimization calculation again from the beginning. As a result, even if the simulation parameters are corrected in the middle of the optimization calculation, the setting candidates can be optimized using the post-correction satisfaction and constraint without using the pre-correction satisfaction and constraint. can do. Therefore, it is possible to obtain good setting candidates.
  • Embodiment 5 A mode of selecting an applicable setting based on the current settings of the facility 211 will be described mainly with reference to FIGS. 21 to 23 for the differences from the first embodiment.
  • Embodiment 1 an applicable setting is selected from a plurality of setting candidates. However, if the applicable setting is selected without considering the current state of the building, the applicable setting will deviate from the current setting, the indoor environment will fluctuate greatly, and the people in the building will feel uncomfortable or burdened. there is a possibility. Therefore, in the fifth embodiment, a setting candidate close to the current setting is selected as the applicable setting from among a plurality of setting candidates.
  • Configuration description *** The configuration of the building management system 200 is the same as the configuration in the first embodiment. However, the configuration of the equipment control device 100 is different from that in the first embodiment.
  • the configuration of the facility control device 100 will be described based on FIGS. 21 and 22.
  • the equipment control device 100 includes an element called a setting acquisition unit 116 .
  • the equipment control program also causes the computer to function as the setting acquisition unit 116 .
  • Step S510 corresponds to step S160 in the first embodiment.
  • step S ⁇ b>510 the setting acquisition unit 116 acquires settings (current settings) applied to one or more pieces of equipment 211 . Specifically, setting acquisition unit 116 acquires the current settings by communicating with building management device 210 .
  • the selection unit 112 selects the application settings based on the current settings.
  • the application settings are selected as follows.
  • the selection unit 112 displays the setting candidate, the degree of satisfaction, and the degree of constraint for each setting candidate on the display (output device 202), and displays the current setting, the degree of satisfaction, and the degree of constraint on the display.
  • the degree of satisfaction and degree of constraint of the current setting are calculated in the same way as the degree of satisfaction and degree of constraint of the setting candidate.
  • the user for example, building manager
  • the user refers to the displayed information, selects a desired setting candidate from a plurality of setting candidates, and designates the desired setting candidate using the input device 201 .
  • the user should select a setting candidate that is not far from the current setting.
  • the selection unit 112 selects the designated setting candidate from the plurality of setting candidates.
  • the selected setting candidate becomes the applied setting.
  • the equipment control device 100 acquires the most recently applied setting and selects a setting candidate close to the most recent setting from a plurality of setting candidates. This eliminates the possibility of newly applying settings that are far from the settings that were applied immediately before. Therefore, fluctuations in the indoor environment can be kept small, and it is possible to reduce the discomfort and burden on building users due to environmental changes.
  • the selection unit 112 may extract setting candidates close to the current setting from the plurality of setting candidates and present the extracted setting candidates to the user.
  • a setting candidate close to the current setting is a setting candidate whose difference from the current setting is smaller than the threshold. This prevents the user from selecting a setting candidate that is far from the current setting.
  • the optimization unit 162 may perform optimization so as to obtain new setting candidates that are close to the current settings.
  • the optimization unit 162 may generate a new setting candidate close to the current setting by optimizing a plurality of setting candidates. As a result, only setting candidates that are close to the current settings are acquired, so setting candidates that are far from the current settings are not selected.
  • Embodiment 6 A form using a plurality of optimization algorithms will be described mainly with reference to FIGS. 24 to 27 for differences from the first embodiment.
  • Embodiment 6 setting candidates are optimized using one method. However, as described in Embodiment 1, multiple optimization techniques exist. Since each method has different characteristics, the characteristics and tendencies of setting candidates obtained may differ depending on the method used. Also, depending on the technique used, it may not be possible to obtain setting candidates that exhibit good satisfaction. Also, if one method is used, it is necessary to verify which method can obtain a setting candidate with good satisfaction and constraint for the building features. Therefore, in Embodiment 6, setting candidates are optimized in parallel by a plurality of optimization methods. Then, the setting candidate obtained by the method that satisfies the constraint and obtains better satisfaction is adopted.
  • the configuration of the building management system 200 is the same as the configuration in the first embodiment.
  • the configuration of the equipment control device 100 is the same as the configuration in the first embodiment.
  • the configuration of the calculation unit 111 is different from that in the first embodiment.
  • the candidate optimization unit 160 includes multiple optimization units 162 .
  • the candidate optimizer 160 comprises a first optimizer 162A and a second optimizer 162B.
  • Steps S610 and S620 are characteristic. Steps S110 to S140 and step S170 are as described in the first embodiment. Step S610 corresponds to step S150 in the first embodiment. Step S620 corresponds to step S160 in the first embodiment.
  • step S610 candidate optimization section 160 generates a plurality of setting candidate groups by optimizing a plurality of setting candidates using a plurality of optimization algorithms.
  • a setting candidate group is generated for each optimization algorithm and consists of a plurality of new setting candidates obtained by optimization.
  • candidate optimizer 160 operates as follows. First, the superiority/inferiority determination unit 161 ranks a plurality of setting candidates. Then, the optimization unit 162 generates two setting candidate groups by optimizing a plurality of setting candidates with two optimization algorithms. For example, the first optimization unit 162A performs optimization using SBX and PM used in MOGA. Also, the second optimization unit 162B performs optimization by a method (a method of simulating flight) used in multi-objective particle swarm optimization (MOPSO).
  • MOPSO multi-objective particle swarm optimization
  • step S620 the selection unit 112 selects one of a plurality of setting candidate groups. Specifically, the selection unit 112 selects a setting candidate group with better satisfaction and constraint.
  • the selection unit 112 selects an applicable setting from a plurality of new setting candidates forming the selected plurality of setting candidate groups.
  • the equipment control device 100 optimizes setting candidates in parallel using a plurality of optimization methods, satisfies the constraints, and adopts setting candidates obtained by a method that provides better satisfaction. As a result, even if one of the optimization methods cannot obtain very good setting candidates, it is possible to adopt good setting candidates obtained by other optimization methods. As a result, it is possible to prevent an event in which good setting candidates cannot be obtained due to an inappropriate method used. In addition, good setting candidates can be obtained without verifying which method can obtain setting candidates with good levels of satisfaction and constraints for the features of the building.
  • Example of Embodiment 6 *** *** Example (6-1) *** Methods that allow appropriate superiority/inferiority judgments differ depending on the index of satisfaction or constraint. Therefore, depending on the superiority/inferiority determination used, an appropriate superiority/inferiority determination may not be performed, and as a result, there is a possibility that a setting candidate with a satisfactory degree of satisfaction cannot be obtained. Therefore, candidate optimizing section 160 may rank a plurality of setting candidates using each of a plurality of superiority/inferiority determination algorithms.
  • the calculation unit 111 includes a plurality of superiority/inferiority determination units (161A, 161B).
  • the first superiority/inferiority determination unit 161A performs ranking using a first superiority/inferiority determination algorithm, and the first optimization unit 162A performs optimization based on the ranking result of the first superiority/inferiority determination unit 161A.
  • the second superiority/inferiority determination unit 161B performs ranking using a second superiority/inferiority determination algorithm, and the second optimization unit 162B performs optimization based on the ranking result of the second superiority/inferiority determination unit 161B.
  • each of the first optimization unit 162A and the second optimization unit 162B performs optimization based on the ranking result of the first superiority/inferiority determination unit 161A and the ranking result of the second superiority/inferiority determination unit 161B.
  • the number of superiority/inferiority determination units 161 that is, the number of superiority/inferiority determination algorithms used
  • the number of optimization units 162 that is, the number of optimization algorithms that are used
  • the number of superiority/inferiority determination units 161 and the number of optimization units 162 may be different.
  • the equipment control device 100 includes a processing circuit 109 .
  • the processing circuit 109 is hardware that realizes the calculation unit 111 , the selection unit 112 , the control unit 113 , the correction unit 114 , the detection unit 115 and the setting acquisition unit 116 .
  • the processing circuit 109 may be dedicated hardware, or may be the processor 101 that executes a program stored in the memory 102 .
  • processing circuitry 109 may be, for example, a single circuit, multiple circuits, a programmed processor, a parallel programmed processor, an ASIC, an FPGA, or a combination thereof.
  • ASIC is an abbreviation for Application Specific Integrated Circuit.
  • FPGA is an abbreviation for Field Programmable Gate Array.
  • the equipment control device 100 may include a plurality of processing circuits that substitute for the processing circuit 109.
  • processing circuit 109 some functions may be implemented by dedicated hardware, and the remaining functions may be implemented by software or firmware.
  • the functions of the equipment control device 100 can be realized by hardware, software, firmware, or a combination thereof.
  • Each embodiment is an example of a preferred form and is not intended to limit the technical scope of the present disclosure.
  • Each embodiment may be implemented partially or in combination with other embodiments.
  • Each embodiment may be implemented in combination with other embodiments.
  • the procedures described using flowcharts and the like may be changed as appropriate.
  • the "unit”, which is an element of the equipment control device 100, may be read as "processing", "process", “circuit” or “circuitry”.

Landscapes

  • Business, Economics & Management (AREA)
  • Engineering & Computer Science (AREA)
  • Strategic Management (AREA)
  • Tourism & Hospitality (AREA)
  • Economics (AREA)
  • Human Resources & Organizations (AREA)
  • General Business, Economics & Management (AREA)
  • General Physics & Mathematics (AREA)
  • Marketing (AREA)
  • Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • General Health & Medical Sciences (AREA)
  • Health & Medical Sciences (AREA)
  • Primary Health Care (AREA)
  • Development Economics (AREA)
  • Game Theory and Decision Science (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Operations Research (AREA)
  • Quality & Reliability (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)

Abstract

結果取得部（１３０）は、設定候補ごとに、前記設定候補が前記１つ以上の設備に適用された場合のシミュレーション結果を得る。満足度算出部（１４０）は、設定候補ごとに、前記シミュレーション結果に基づいて満足度を算出する。制約度算出部（１５０）は、設定候補ごとに、前記シミュレーション結果に基づいて制約度を算出する。候補最適化部（１６０）は、各設定候補の前記満足度と各設定候補の前記制約度とに基づいて前記複数の設定候補の優劣を判定して判定結果に基づいて前記複数の設定候補を最適化することによって、新たな複数の設定候補を生成する。選択部は、前記新たな複数の設定候補から適用設定を選択する。制御部は、前記適用設定をビルの設備に適用する。

Description

設備制御装置、設備制御方法および設備制御プログラム
　本開示は、ビル設備の制御に関するものである。
　オフィスおよび工場等では、消費エネルギーが規定値を超過しないよう設備の制御が行われる。
　一方で、消費エネルギーを必要以上に削減すると、居住者の快適性が損なわれる恐れがある。そこで、居住者の快適性を保ちつつ消費エネルギーを削減することが重要である。
　例えば、特許文献１は、節電対策立案を支援する技術を示している。具体的には、ビルが有するエリアのデータが収集され、人が感じる負荷（平均照度および不快指数など）に応じて照明設備および空気調和設備で消費される電力が収集データに基づいて算出され、算出された消費電力に基づく節電効果が試算される。
特許６３８９９３４号公報
　特許文献１に記載の技術は、照明設備および空気調和設備以外の設備を制御することによる消費エネルギー削減に対応できない。
　特許文献１に記載の技術は、ビルの管理者の節電目標に対応できる。また、特許文献１に記載の技術は、ビルの利用者の温熱環境および光環境に対応できる。
　しかし、ビルには管理者および利用者以外にもオーナーおよびテナントなど多数のステークホルダーが存在し、ステークホルダーごとに要求が異なる。
　そして、特許文献１に記載の技術は、利用者の空気質環境に関する要求、利用者の音環境に関する要求、オーナーまたはテナントの生産性に関する要求、および、オーナーまたはテナントのＣＯ２排出量に関する要求などに対応できない。
　特許文献１に記載の技術は、ビル管理法で定められる温湿度基準範囲を満たすことができる。
　しかし、ビル設備を制御する上で必ず満たさなければならない制約が存在する。
　そして、特許文献１に記載の技術では、ＣＯ２濃度などの基準範囲を必ず満たすための制御を行うことができない。
　本開示は、ビルの運用上必要な制約を満たしつつ、ステークホルダーの要求を考慮しつつ、ビルの運用を支援できるようにすることを目的とする。
　本開示の設備制御装置は、
　ビルに設置された１つ以上の設備を制御するための設定の複数の候補である複数の設定候補に基づいて、設定候補ごとに、前記設定候補が前記１つ以上の設備に適用された場合の前記ビルの運用の結果に相当するシミュレーション結果を得る結果取得部と、
　設定候補ごとに、前記シミュレーション結果に基づいて、前記ビルのステークホルダーの満足度を算出する満足度算出部と、
　設定候補ごとに、前記シミュレーション結果に基づいて、前記ビルの運用制約を満たす度合いを表す制約度を算出する制約度算出部と、
　各設定候補の前記満足度と各設定候補の前記制約度とに基づいて前記複数の設定候補の優劣を判定して判定結果に基づいて前記複数の設定候補を最適化することによって、新たな複数の設定候補を生成する候補最適化部と、
　前記新たな複数の設定候補から前記１つ以上の設備に適用すべき設定候補を適用設定として選択する選択部と、
　前記適用設定を前記１つ以上の設備に適用する制御部と、を備える。
　本開示によれば、満足度と制約度の両方に基づいて最適化された設定候補がビルの設備に適用される。そのため、ビルの運用上必要な制約を満たしつつ、ステークホルダーの要求を考慮しつつ、ビルの運用を支援することが可能である。
実施の形態１におけるビル管理システム２００の構成図。 実施の形態１における設備制御装置１００の構成図。 実施の形態１における計算部１１１の構成図。 実施の形態１における設備制御装置１００の機能関係図。 実施の形態１における設備制御方法のフローチャート。 実施の形態１における制約勝敗表を示す図。 実施例（１－３）における設備制御方法のフローチャート。 実施の形態２における計算部１１１の構成図。 実施の形態２における設備制御装置１００の機能関係図。 実施の形態２における設備制御方法のフローチャート。 実施の形態３における計算部１１１の構成図。 実施の形態３における設備制御装置１００の機能関係図。 実施の形態３における設備制御方法のフローチャート。 実施例（３－２）における設備制御装置１００の機能関係図。 実施例（３－３）における設備制御装置１００の機能関係図。 実施例（３－４）における設備制御装置１００の機能関係図。 実施の形態４における設備制御装置１００の構成図。 実施の形態４における設備制御装置１００の機能関係図。 実施の形態４における設備制御方法のフローチャート。 実施例（４－２）における設備制御装置１００の機能関係図。 実施の形態５における設備制御装置１００の構成図。 実施の形態５における設備制御装置１００の機能関係図。 実施の形態５における設備制御方法のフローチャート。 実施の形態６における計算部１１１の構成図。 実施の形態６における設備制御装置１００の機能関係図。 実施の形態６における設備制御方法のフローチャート。 実施例（６－１）における設備制御装置１００の機能関係図。 実施の形態における設備制御装置１００のハードウェア構成図。
　実施の形態および図面において、同じ要素または対応する要素には同じ符号を付している。説明した要素と同じ符号が付された要素の説明は適宜に省略または簡略化する。図中の矢印はデータの流れ又は処理の流れを主に示している。
　実施の形態１．
　ビル管理システム２００について、図１から図７に基づいて説明する。
＊＊＊構成の説明＊＊＊
　図１に基づいて、ビル管理システム２００の構成を説明する。
　ビル管理システム２００は、設備制御装置１００とビル管理装置２１０を備える。
　設備制御装置１００とビル管理装置２１０は、ネットワークを介して、または、ネットワークを介さず直接に、互いに接続される。
　ビル管理システム２００は、入力装置２０１および出力装置２０２と接続される。
　入力装置２０１は、利用者により操作される機器である。例えば、入力装置２０１は、マウス、キーボードまたはタッチパネルなどである。
　出力装置２０２は、データを出力する機器である。例えば、出力装置２０２は、ディスプレイまたはプリンタである。
　ビル管理装置２１０は、ＢＡＳと同様の装置であり、ビルに設置された１つ以上の設備２１１と接続される。そして、ビル管理装置２１０は、各設備２１１の設定を行い、各設備２１１の状態を監視する。
　例えば、設備２１１は、空気調和設備、照明設備、換気設備または給湯設備などである。
　ＢＡＳは、Ｂｕｉｌｄｉｎｇ　Ａｕｔｏｍａｔｉｏｎ　Ｓｙｓｔｅｍの略称である。
　なお、ビル管理システム２００は、設備制御装置１００に統合されてもよい。
　図２に基づいて、設備制御装置１００の構成を説明する。
　設備制御装置１００は、プロセッサ１０１とメモリ１０２と補助記憶装置１０３と入出力インタフェース１０４と通信インタフェース１０５といったハードウェアを備えるコンピュータである。これらのハードウェアは、信号線を介して互いに接続されている。
　プロセッサ１０１は、演算処理を行うＩＣであり、他のハードウェアを制御する。例えば、プロセッサ１０１はＣＰＵである。
　ＩＣは、Ｉｎｔｅｇｒａｔｅｄ　Ｃｉｒｃｕｉｔの略称である。
　ＣＰＵは、Ｃｅｎｔｒａｌ　Ｐｒｏｃｅｓｓｉｎｇ　Ｕｎｉｔの略称である。
　メモリ１０２は揮発性または不揮発性の記憶装置である。メモリ１０２は、主記憶装置またはメインメモリとも呼ばれる。例えば、メモリ１０２はＲＡＭである。メモリ１０２に記憶されたデータは必要に応じて補助記憶装置１０３に保存される。
　ＲＡＭは、Ｒａｎｄｏｍ　Ａｃｃｅｓｓ　Ｍｅｍｏｒｙの略称である。
　補助記憶装置１０３は不揮発性の記憶装置である。例えば、補助記憶装置１０３は、ＲＯＭ、ＨＤＤ、フラッシュメモリまたはこれらの組み合わせである。補助記憶装置１０３に記憶されたデータは必要に応じてメモリ１０２にロードされる。
　ＲＯＭは、Ｒｅａｄ　Ｏｎｌｙ　Ｍｅｍｏｒｙの略称である。
　ＨＤＤは、Ｈａｒｄ　Ｄｉｓｋ　Ｄｒｉｖｅの略称である。
　入出力インタフェース１０４は、入力装置２０１および出力装置２０２が接続されるポートである。例えば、入出力インタフェース１０４はＵＳＢまたはＨＤＭＩ（登録商標）の端子である。設備制御装置１００の入出力は入出力インタフェース１０４を用いて行われる。
　ＵＳＢは、Ｕｎｉｖｅｒｓａｌ　Ｓｅｒｉａｌ　Ｂｕｓの略称である。
　ＨＤＭＩは、Ｈｉｇｈ－Ｄｅｆｉｎｉｔｉｏｎ　Ｍｕｌｔｉｍｅｄｉａ　Ｉｎｔｅｒｆａｃｅの略称である。
　通信インタフェース１０５はレシーバ及びトランスミッタである。例えば、通信インタフェース１０５は通信チップまたはＮＩＣである。設備制御装置１００の通信は通信インタフェース１０５を用いて行われる。
　ＮＩＣは、Ｎｅｔｗｏｒｋ　Ｉｎｔｅｒｆａｃｅ　Ｃａｒｄの略称である。
　設備制御装置１００は、計算部１１１と選択部１１２と制御部１１３といった要素を備える。これらの要素はソフトウェアで実現される。
　補助記憶装置１０３には、計算部１１１と選択部１１２と制御部１１３としてコンピュータを機能させるための設備制御プログラムが記憶されている。設備制御プログラムは、メモリ１０２にロードされて、プロセッサ１０１によって実行される。
　補助記憶装置１０３には、さらに、ＯＳが記憶されている。ＯＳの少なくとも一部は、メモリ１０２にロードされて、プロセッサ１０１によって実行される。
　プロセッサ１０１は、ＯＳを実行しながら、設備制御プログラムを実行する。
　ＯＳは、Ｏｐｅｒａｔｉｎｇ　Ｓｙｓｔｅｍの略称である。
　設備制御プログラムの入出力データは記憶部１９０に記憶される。
　メモリ１０２は記憶部１９０として機能する。但し、補助記憶装置１０３、プロセッサ１０１内のレジスタおよびプロセッサ１０１内のキャッシュメモリなどの記憶装置が、メモリ１０２の代わりに、又は、メモリ１０２と共に、記憶部１９０として機能してもよい。
　設備制御装置１００は、プロセッサ１０１を代替する複数のプロセッサを備えてもよい。
　設備制御プログラムは、光ディスクまたはフラッシュメモリ等の不揮発性の記録媒体にコンピュータ読み取り可能に記録（格納）することができる。
　図３に基づいて、計算部１１１の構成を説明する。
　計算部１１１は、候補生成部１２０と、結果取得部１３０と、満足度算出部１４０と、制約度算出部１５０と、候補最適化部１６０と、を備える。
　結果取得部１３０は、シミュレーション部１３１を備える。
　満足度算出部１４０は、１つ以上の満足度算出部を備える。例えば、満足度算出部１４０は、第１満足度算出部１４１と第２満足度算出部１４２を備える。
　制約度算出部１５０は、１つ以上の制約度算出部を備える。例えば、制約度算出部１５０は、第１制約度算出部１５１と第２制約度算出部１５２を備える。
　候補最適化部１６０は、優劣判定部１６１と最適化部１６２を備える。
　図４は、ビル管理システム２００の主な要素の関係を示す。
　図中の矢印は、データの流れ又は処理の流れを主に示している。
＊＊＊動作の説明＊＊＊
　設備制御装置１００の動作の手順は設備制御方法に相当する。また、設備制御装置１００の動作の手順は設備制御プログラムによる処理の手順に相当する。
　図５に基づいて、設備制御方法を説明する。
　ステップＳ１１０において、候補生成部１２０は、複数の設定候補を生成する。
　設定候補は、１つ以上の設備２１１を制御するための設定データの候補である。
　設定データは、各設備２１１の制御パラメータに設定される値を示す。
　例えば、複数の設定候補は以下のように生成される。
　設定範囲データが記憶部１９０に予め記憶される。設定範囲データは、制御パラメータごとに、設定可能な値の範囲を示す。
　候補生成部１２０は、制御パラメータごとに、設定範囲データに示される範囲から、設定候補と同じ個数の値（複数の値）を選択する。そして、候補生成部１２０は、制御パラメータごとに、選択された複数の値を互いに異なる設定候補に含める。
　例えば、複数の値のそれぞれは一定間隔ごとに選ばれる。また、複数の値は、実験計画法によるサンプリングあるいは乱数を活用したサンプリングなどによって選択されてもよい。
　ステップＳ１２０において、結果取得部１３０は、複数の設定候補に基づいて、設定候補ごとにシミュレーション結果を得る。
　シミュレーション結果は、設定候補が１以上の設備２１１に適用された場合のビルの運用の結果に相当する。
　具体的には、シミュレーション結果は、各設備２１１の消費エネルギーおよび各部屋の室内環境などを示す。
　シミュレーション結果は以下のように得られる。
　シミュレーション部１３１は、設定候補ごとに、設定候補が１以上の設備２１１に適用された場合のビルの運用をシミュレーションする。
　シミュレーションには、ＢＥＳＴまたはＥｎｅｒｇｙＰｌｕｓ、ｍｏｄｅｌｉｃａ等の既存のソフトウェアを用いることができる。
　ステップＳ１３０において、満足度算出部１４０は、設定候補ごとに、シミュレーション結果に基づいて、ビルのステークホルダーの満足度を算出する。
　満足度は、ビルのステークホルダーが得られる満足の度合いを表す値である。
　例えば、満足度算出部１４０は、設定候補ごとに、複数の指標に対する複数の満足度を算出する。この場合、第１満足度算出部１４１が第１満足指標に対する満足度（第１満足度）を算出し、第２満足度算出部１４２が第２満足指標に対する満足度（第２満足度）を算出する。
　例えば、満足度に関する指標（満足指標）として以下のような指標が挙げられる。
　温熱環境に関する指標。具体例は、Ｐｒｅｄｉｃｔｅｄ　Ｍｅａｎ　Ｖｏｔｅ（ＰＭＶ）である。
　光環境に関する指標。具体例は、照度および明るさ感である。
　空気質環境に関する指標。具体例は、二酸化炭素（ＣＯ２）の濃度である。
　音環境に関する指標。具体例は、音変動強度およびラウドネスである。
　ビル利用者の心理環境に関する指標。具体例は集中度である。
　ビルオーナーまたはビル管理者に関する各種指標。具体例は、消費エネルギー、ピーク電力、電気料金、ガス料金およびＣＯ２排出量である。
　各満足度は、ビル全体についての値であってもよいし、部屋単位または人単位に換算された値であってもよい。
　さらに、制約度算出部１５０は、設定候補ごとに、シミュレーション結果に基づいて制約度を算出する。
　制約度は、ビルの運用に要求される制約（運用制約）を満たす度合いを表す値である。
　例えば、制約度算出部１５０は、複数の指標に対する複数の制約度を算出する。この場合、第１制約度算出部１５１が第１制約指標に対する制約度（第１制約度）を算出し、第２制約度算出部１５２が第２制約指標に対する制約度（第２制約度）を算出する。
　例えば、制約度に関する指標（制約指標）として以下のような指標が挙げられる。
　エネルギーに関する規制値。具体例はＣＯ２基準排出量である。
　厚生労働省によって定められた建築物環境衛生管理基準。具体例は、温度、相対湿度、二酸化炭素の含有率またはホルムアルデヒドの量などの基準範囲である。
　ＪＩＳ規格（ＪＩＳ　Ｚ　９１１０：２０１０）で定められた基準値。具体例は、室内平均机上面照度または均斉度などの基準値である。
　各満足度は、ビル全体についての値であってもよいし、部屋単位または人単位に換算された値であってもよい。
　ステップＳ１４０において、候補最適化部１６０は、最適化終了条件を満たしているか判定する。
　最適化終了条件は、複数の設定候補の最適化を終了する条件として予め決められる。
　例えば、最適化終了条件は、最適化（ステップＳ１５０）の実行回数または満足度の目標値などの項目に関して定められる。最適化終了条件は、複数の項目に関して定められてもよい。
　最適化終了条件を満たしていない場合、処理はステップＳ１５０に進む。
　最適化終了条件を満たしている場合、処理はステップＳ１６０に進む。
　ステップＳ１５０において、候補最適化部１６０は、各設定候補の満足度と各設定候補の制約度とに基づいて、複数の設定候補を最適化する。これにより、新たな複数の設定候補が生成される。
　最適化は以下のように行われる。
　まず、優劣判定部１６１は、各設定候補の満足度と各設定候補の制約度とに基づいて、複数の設定候補の優劣を判定する。具体的には、優劣判定部１６１は、複数の設定候補を順位付けする。
　そして、最適化部１６２は、優劣の判定結果（各設定候補の順位）に基づいて、複数の設定候補を最適化する。
　優劣判定部１６１の詳細を説明する。
　優劣判定部１６１は、満足度と制約度のそれぞれに基づいて順位付けを行う。そして、優劣判定部１６１は、満足度に基づく順位付けの結果と制約度に基づく順位付けの結果に基づいて、複数の設定候補を順位付けする。
　制約度に基づく順位付けは、「制約勝敗ランク」という手法を使って行われる。
　図６に基づいて、「制約勝敗ランク」を説明する。
　「制約勝敗ランク」では、例えば、制約違反量に基づいて設定候補同士の勝敗が決定される。制約違反量は、制約度の一例であり、指標値が基準からどれだけ乖離しているか示す。第１制約違反量は第１制約指標に対する制約違反量であり、第２制約違反量は第２制約指標に対する制約違反量であり、第３制約違反量は第３制約指標に対する制約違反量である。
　ここで、設定候補Ａと設定候補Ｂを比較する。第１制約指標では設定候補Ｂの制約違反量が設定候補Ａの制約違反量より小さく、第２制約指標と第３制約指標では設定候補Ａの制約違反量が設定候補Ｂの制約違反量より小さい。そのため、設定候補Ａは２つの制約指標で設定候補Ｂより優れていて、設定候補Ｂは１つの制約指標で設定候補Ａより優れている。つまり、設定候補Ａが優れている制約指標の数は設定候補Ｂが優れている制約指標の数よりも多い。したがって、設定候補Ａは設定候補Ｂより優れている。
　同様に、設定候補Ｃを設定候補Ａと設定候補Ｂと比較すると、設定候補Ｃは設定候補Ａと設定候補Ｂのいずれより優れている。
　ランク値は他の設定候補に対する勝ち数を示す。設定候補Ａのランク値は１であり、設定候補Ｂのランク値は０であり、設定候補Ｃのランク値は２である。
　ランク値が大きいほど順位が高い。したがって、設定候補Ｃの順位が最も高い。
　「制約勝敗ランク」では、より多くの制約指標で優れている設定候補の順位が高くなる。
　「制約勝敗ランク」は、制約指標ごとに値の単位および値の範囲が大きく異なっても、順位付けすることができる。つまり、制約度の種類の違いを気にすることなく順位付けが可能である。
　但し、「制約勝敗ランク」以外の方法で順位付けが行われてもよい。
　例えば、制約指標ごとに比較して順位付けを行ったうえで、制約指標ごとの順位を総合して順位付けを行ってもよい。
　また、各制約指標の制約違反量に対して重み付けし、設定候補ごとに制約違反量の重み付け和を算出し、各設定候補の重み付け和を使って順位付けを行ってもよい。
　満足度に基づく順位付けは、既存の多目的最適化演算で採用されるような手法を用いて行われる。以下に、ＩＢＥＡで採用される適応度Ｆに基づいて順位付けを行う手法を説明する。適応度Ｆは各満足度を正規化して算出される。ある設定候補ｘ１に対する適応度Ｆは式（１）で定義される。
Figure JPOXMLDOC01-appb-M000001
　「ｘ１」は、適応度Ｆを算出する対象となる設定候補であり、ベクトルで表される。
　「Ｐ」は、設定候補の集合である。
　「ｘ２」は、設定候補の集合Ｐのうち、設定候補ｘ１を除いた他の設定候補である。
　「Ｉ（Ａ，Ｂ）」は、設定候補Ａの満足度を設定候補Ｂの満足度と同じにするために、少なくとも必要な値εの最小値（Ｉε＋（Ａ，Ｂ））を正規化したものである。「Ｉ（Ａ，Ｂ）」は式（２）で定義される。
Figure JPOXMLDOC01-appb-M000002
　「ｍ」は、満足度の数を示す変数である（例えばｍ＝２）。
　「ｆ’ｉ（ｘ）」は、設定候補ｘに対するｉ番目の満足度を求めるための関数ｆｉ（ｘ）を正規化したものである。「ｆ’ｉ（ｘ）」は式（３）で定義される。
Figure JPOXMLDOC01-appb-M000003
　「ｃ」および「κ」は、正規化係数である。「κ」の値は定数である（例えばκ＝０．０５）。「ｃ」は式（４）で定義される。
Figure JPOXMLDOC01-appb-M000004
　高い適応度Ｆは、該当の設定候補の方が他の設定候補と比較して満足度を良好にするために必要な改善幅が大きく劣っていることを意味する。
　そのため、設定候補ごとに適応度Ｆを算出することで、満足度の優れた順で設定候補の順位付けを行うことができる。
　また、式（３）によって満足度が正規化されるため、満足指標ごとに値の単位および値の範囲が大きく異なっても、順位付けが可能である。つまり、満足度の種類の違いを気にすることなく、適応度Ｆを算出して順位付けすることが可能である。
　満足度に基づく順位付けは、ＩＢＥＡの適応度による手法以外の手法で行われてもよい。
　例えば、「パレートランキング」または「混雑距離」に基づく方法で順位付けが行われてもよい。「パレートランキング」および「混雑距離」は、多目的遺伝的アルゴリズム（ＭＯＧＡ）で多く採用される。
　また、ＮＳＧＡ－ＩＩＩまたはＭＯＥＡ／Ｄで採用される手法で順位付けが行われてもよい。ＮＳＧＡ－ＩＩＩおよびＭＯＥＡ／Ｄは、多数の目的関数に適した最適化アルゴリズムである。
　最適化部１６２の詳細を説明する。
　まず、最適化部１６２は、上述の既存の多目的最適化演算で採用されるような手法を用いて、設定候補を新たに生成する。新たに生成される設定候補の数は１つであってもよいし、複数であってもよい。
　例えば、最適化部１６２は、多目的遺伝的アルゴリズム（ＭＯＧＡ）で多く採用されるような手法を用いる。つまり、最適化部１６２は、順位が高いほど高い確率で２つの設定候補を抽出し、２つの設定候補のそれぞれの設定値をＳＢＸにより合成し、合成値をＰＭにより変異させる。変異後の合成値が新たな設定候補の設定値となる。ＳＢＸは、Ｓｉｍｕｌａｔｅｄ　Ｂｉｎａｒｙ　Ｃｒｏｓｓｏｖｅｒの略語である。ＰＭは、Ｐｏｌｙｎｏｍｉａｌ－ｂａｓｅｄ　Ｍｕｔａｔｉｏｎの略語である。
　そして、最適化部１６２は、新たに生成された設定候補と元の設定候補を混合して、新たな複数の設定候補を用意する。
　最適化部１６２は、上述の既存の多目的最適化演算で採用されるような手法を用いて、新たな複数の設定候補を取り扱ってもよい。
　例えば、新たな複数の設定候補の数が閾値より多い場合、最適化部１６２は、新たな複数の設定候補の数が閾値以下になるように、順位の低い順に１つ以上の設定候補を新たな複数の設定候補から削除する。
　ステップＳ１５０の後、処理はステップＳ１２０に進む。
　ステップＳ１６０において、選択部１１２は、新たな複数の設定候補から適用設定を選択する。
　適用設定は、１つ以上の設備２１１に適用すべき設定候補である。
　例えば、適用設定は以下のように選択される。
　まず、選択部１１２は、新たな複数の設定候補をディスプレイ（出力装置２０２）に表示する。
　次に、利用者（例えばビル管理者）は、新たな複数の設定候補を参照し、新たな複数の設定候補から望ましい設定候補を選択し、望ましい設定候補を入力装置２０１を使って指定する。
　そして、選択部１１２は、新たな複数の設定候補から、指定された設定候補を選択する。選択される設定候補が適用設定となる。
　ステップＳ１７０において、制御部１１３は、適用設定を１つ以上の設備２１１に適用する。
　具体的には、制御部１１３は、適用設定をビル管理装置２１０に送信する。そして、ビル管理装置２１０が適用設定を各設備２１１に適用する。
＊＊＊実施の形態１の効果＊＊＊
　設備制御装置１００は、複数の設定候補を生成する。このとき、設備制御装置１００は、制約度および満足度の順位が低い設定候補を削除し、順位が高い設定候補を用いて新たな設定候補を生成することを繰り返す。これにより、制約度および満足度が高い複数の設定候補が得られる。
　そして、設備制御装置１００は、複数の設定候補を利用者に提示し、実際に利用する設定候補を選択し、選択された設定候補をビルの各設備２１１に適用する。
　制約度は、ビル運用を行う際に必ず満たさなければならない指標値である。そのため、制約度が高い設定、つまり制約が満たされる設定を利用することが可能になる。
　満足度は、多数のステークホルダーの要求に対する指標値である。そのため、ステークホルダーへの影響が少ない良好な設定によってビルの各設備２１１を運営することが可能になる。
　また、設備制御装置１００は、多数の制約度または多数の満足度が異なる値の範囲を持つ場合でも設定候補の優劣の比較が可能な手法を用いる。これにより、より効率的に最適な設定を獲得することができ、良好な設定による運用を迅速に行うことが可能となる。
＊＊＊実施の形態１の実施例＊＊＊
＊＊＊実施例（１－１）＊＊＊
　選択部１１２は、適用設定を以下のように選択してもよい。
　まず、選択部１１２は、新たな複数の設定候補と共にそれぞれの満足度および制約度をディスプレイ（出力装置２０２）に表示する。
　次に、利用者（例えばビル管理者）は、入力装置２０１を使って、満足度と制約度の条件（例えば許容範囲）を指定する。
　そして、選択部１１２は、新たな複数の設定候補から、指定された条件を満たす設定候補を選択する。選択される設定候補が適用設定となる。
＊＊＊実施例（１－２）＊＊＊
　選択部１１２の動作において、設備制御装置１００に接続された出力装置２０２および入力装置２０１が使用される代わりに、外部装置に接続された入出力装置が使用されてもよい。これは、選択部１１２が外部装置と通信することによって実現される。
＊＊＊実施例（１－３）＊＊＊
　制御部１１３は、最適化終了条件が満たされる前に１つ以上の設備２１１に暫定設定を適用してもよい。暫定設定は、一時的に適用される設定候補である。
　図７に基づいて、設備制御方法を説明する。ステップＳ１０１およびステップＳ１０２が特徴である。
　ステップＳ１３０の後、処理はステップＳ１０１に進む。
　ステップＳ１０１において、制御部１１３は、暫定設定条件を満たしているか判定する。
　暫定設定条件は、暫定設定を適用する条件として予め決められる。例えば、暫定設定条件は、最適化（ステップＳ１５０）の実行回数または（ステップＳ１１０からの）経過時間に関して定められる。なお、暫定設定条件における最適化の実行回数は、最適化終了条件における最適化の実行回数より少ない。
　暫定設定条件を満たしている場合、処理はステップＳ１０２に進む。
　暫定設定条件を満たしていない場合、処理はステップＳ１４０に進む。
　ステップＳ１０２において、選択部１１２は、現在の複数の設定候補から暫定設定を選択する。選択方法は任意の方法で構わない。
　そして、制御部１１３は、暫定設定を１つ以上の設備２１１に適用する。
　ステップＳ１０２の後、処理はステップＳ１４０に進む。
　これにより、時間がかかる最適化計算（Ｓ１２０～Ｓ１５０）の完了を待たずとも、一時的に暫定設定を適用することができる。そのため、人手によらずにある程度妥当な設定を適用して、ビルを運用することが可能となる。その後、最適化計算が完了して最終的に得られた良好な設定を適用し、ビルを運用することが可能である。
　実施の形態２．
　特定の２つ以上の指標に対する２つ以上の満足度を１つの満足度に集約する形態について、主に実施の形態１と異なる点を図８から図１０に基づいて説明する。
＊＊＊実施の形態２の概要＊＊＊
　実施の形態１では、設定候補ごとに複数の満足度が算出される場合、設定候補ごとに算出された複数の満足度の全てを用いて、設定候補の順位付けが行われる。
　しかしながら、満足度のいくつかの指標が同様の変化傾向を持つことがある。その場合、設定候補の順位付けにあたっては、それら指標の満足度を別々に考慮する必要が無い。
　そこで、実施の形態２では、いくつかの満足度を１つの満足度に集約してから設定候補の順位付けが行われる。
＊＊＊構成の説明＊＊＊
　ビル管理システム２００の構成は、実施の形態１における構成と同様である。
　設備制御装置１００の構成は、実施の形態１における構成と同様である。
　但し、計算部１１１の構成が、実施の形態１における構成と異なる。
　図８および図９に基づいて、計算部１１１の構成を説明する。
　計算部１１１は、さらに、集約部１７１を備える。設備制御プログラムは、さらに、集約部１７１としてコンピュータを機能させる。
＊＊＊動作の説明＊＊＊
　図１０に基づいて、設備制御方法を説明する。ステップＳ２１０が特徴である。
　ステップＳ１１０からステップＳ１７０は、実施の形態１で説明した通りである。
　ステップＳ２１０は、ステップＳ１３０の後に実行される。
　ステップＳ１３０では、ステークホルダーの満足度が算出される。ステークホルダーの満足度には、複数の指標に対する複数の満足度が含まれる。
　ステップＳ２１０において、集約部１７１は、設定候補ごとに、ステークホルダーの満足度に含まれる複数の満足度のうち特定の２つ以上の指標に対する２つ以上の満足度を１つの満足度に集約する。
　特定の２つ以上の指標は、同様の変化傾向を持つ２つ以上の指標として予め決められる。
　例えば、集約部１７１は、２つ以上の満足度のうちの１つを残して他の満足度を削除する。
　ステップＳ２１０の後、処理はステップＳ１４０に進む。
＊＊＊実施の形態２の効果＊＊＊
　設備制御装置１００は、いくつかの満足度を１つの満足度に集約してから設定候補の順位付けを行う。これにより、比較しなければならない満足度の数が少なくなる。通常、比較しなければならない満足度の数が多いほど、設定候補間の優劣の判断は困難である。例えば、設定候補Ａの満足度が多くの指標で設定候補Ｂの満足度より良く、設定候補Ｂの満足度が少ない指標で設定候補Ａの満足度より良くても、設定候補Ｂが設定候補Ａより劣っているとは言い難い、という現象が起こり得る。このような現象は、満足度の数が多いほどほど起こり易い。そのため、比較する満足度の数が少なくなることにより、設定候補間の優劣の判定が行い易くなる。さらに、順位付けの計算に必要な時間が短縮される。
＊＊＊実施の形態２の実施例＊＊＊
＊＊＊実施例（２－１）＊＊＊
　集約部１７１は、２つ以上の満足度を以下のように集約してもよい。
　特定の２つ以上の指標の優先順位が予め決められる。
　集約部１７１は、優先順位に応じて各指標に対する満足度を重み付けし、満足度の重み付け和を算出する。算出される重み付け和が集約によって得られる１つの満足度となる。
　各指標の重みは、優先順位に基づいて予め算出されてもよいし、利用者によって入力装置２０１を使って指定されてもよい。
　２つ以上の満足度が集約されることにより、設定候補間の優劣の判定が行い易くなり、順位付けの計算に必要な時間が短縮される。
　実施の形態３．
　学習済みモデルを使ってシミュレーション結果を得る形態について、主に実施の形態１と異なる点を図１１から図１６に基づいて説明する。
＊＊＊実施の形態３の概要＊＊＊
　実施の形態１では、各設定候補を用いたシミュレーションによって、対象のビルが運用された際の各設備２１１の消費エネルギーおよび各部屋の室内環境が算出される。
　しかしながら、シミュレーションを精度高く行う場合には、緻密な物理モデルが必要となり、シミュレーション時間が長くかかってしまう。ビルの規模が大きい場合、モデル化対象となる設備２１１が多く、さらにシミュレーションに時間がかかる。これに伴い、ビル運用に適用する設定候補の獲得にも時間がかかってしまう場合がある。
　そこで、実施の形態３では、学習済みモデルが使用される。これにより、シミュレーション結果を得るための計算時間が短縮される。
＊＊＊構成の説明＊＊＊
　ビル管理システム２００の構成は、実施の形態１における構成と同様である。
　設備制御装置１００の構成は、実施の形態１における構成と同様である。
　但し、計算部１１１の構成が、実施の形態１における構成と異なる。
　図１１および図１２に基づいて、計算部１１１の構成を説明する。
　計算部１１１において、結果取得部１３０は、シミュレーション部１３１の他に、学習部１３２および代替演算部１３３を備える。
＊＊＊動作の説明＊＊＊
　図１３に基づいて、設備制御方法を説明する。ステップＳ３１０およびステップＳ３２０が特徴である。
　ステップＳ１１０およびステップＳ１３０からステップＳ１７０は、実施の形態１で説明した通りである。
　ステップＳ３１０は、ステップＳ３２０よりも前に実行される。例えば、ステップＳ３１０はステップＳ１１０よりも前に実行される。
　ステップＳ３２０は、実施の形態１のステップＳ１２０に相当する。
　ステップＳ３１０において、結果取得部１３０は、学習済みモデルを生成する。
　学習済みモデルは、１つの以上の設備２１１に対する設定を入力にして、シミュレーション結果を出力する機能である。
　具体的には、結果取得部１３０は以下のように動作する。
　まず、シミュレーション部１３１は、１つ以上の設備２１１に対する複数の仮想設定のそれぞれに基づいて、ビルの運用をシミュレーションする。これにより、仮想設定ごとにシミュレーション結果が得られる。
　仮想設定は、学習のために使用される設定である。例えば、仮想設定は候補生成部１２０によって生成される。
　そして、学習部１３２は、仮想設定ごとに、仮想設定とシミュレーション結果の組（データセット）を学習する。これにより、学習済みモデルが生成される。
　学習済みモデルの種類は任意である。
　具体的には、学習済みモデルの種類は、ニューラルネットワーク、ランダムフォレストまたはＳＶＲ等である。
　ＳＶＲは、Ｓｕｐｐｏｒｔ　Ｖｅｃｔｏｒ　Ｒｅｇｒｅｓｓｉｏｎの略語である。
　ステップＳ３２０において、結果取得部１３０は、設定候補ごとに、学習済みモデルを使って設定候補のシミュレーション結果を得る。
　具体的には、代替演算部１３３は、各設定候補を入力にして学習済みモデルを演算する。これにより、各設定候補に対するシミュレーション結果が得られる。
＊＊＊実施の形態３の効果＊＊＊
　設備制御装置１００は、シミュレーションを代替する学習済みモデルによって、消費エネルギーおよび室内環境を高速に算出することが可能である。
　設備制御装置１００は、シミュレーションの入出力関係を予めモデルに学習させる。これにより、消費エネルギーおよび室内環境の高速な算出が可能となる。その結果、高速に良好な設定候補を高速に獲得することが可能になる。
　また、ビルに入居するテナントが変更になる等のステークホルダーの変更によって、要求される満足度が追加または変更された場合であっても、良好な設定候補を高速に獲得してビル設備制御に適用することが可能となる。
＊＊＊実施の形態３の実施例＊＊＊
＊＊＊実施例（３－１）＊＊＊
　結果取得部１３０は、仮想設定の他に、最適化（ステップＳ１５０）で得られた設定候補を学習に使って、学習済みモデルを生成してもよい。つまり、シミュレーション部１３１は、最適化で得られた新たな設定候補ごとにシミュレーションを行ってシミュレーション結果を得る。そして、学習部１３２は、新たな設定候補とシミュレーション結果の組を学習して学習済みモデルを更新する。
　これにより、消費エネルギーと室内環境といったシミュレーション結果の精度が向上し、より良好な設定候補を獲得することが可能になる。
＊＊＊実施例（３－２）＊＊＊
　結果取得部１３０は、適用候補が決定されるビルと類似の特徴を持つビルのデータを学習に使って、学習済みモデルを生成してもよい。
　図１４において、追加学習データ１９１が記憶部１９０に記憶されている。
　追加学習データ１９１は、他ビルの学習データであり、他ビルの設定と他ビルの設定に基づくシミュレーション結果の組を１つ以上含む。
　学習部１３２は、追加学習データ１９１を学習して学習済みモデルを生成する。これにより、学習に必要な仮想設定の数を減らし（または無くし）、仮想設定のシミュレーションに要する時間が短縮される（または不要になる）。その結果、より短時間に事前学習を完了させて学習済みモデルを生成することが可能になる。
＊＊＊実施例（３－３）＊＊＊
　最終的に設定候補間の優劣の判定に必要となるのはシミュレーション結果ではなく満足度および制約度である。そのため、設備制御装置１００は、満足度および制約度を学習してもよい。
　図１５において、計算部１１１は、学習部１７２と代替演算部１７３を備える。
　学習部１７２は、仮想設定ごとに仮想設定と満足度と制約度の組（データセット）を学習することによって、学習済みモデルを生成する。
　代替演算部１７３は、設定候補ごとに、学習済みモデルを使って満足度および制約度を算出する。
　これにより、より高速に最適化計算（Ｓ１２０～Ｓ１５０）を行って良好な設定候補を獲得することが可能になる。
　設備制御装置１００は、同様に設定の優劣判定（順位付け）を学習してもよい。
＊＊＊実施例（３－４）＊＊＊
　実施例（３－４）に実施例（３－３）を適用してもよい。
　図１６において、追加学習データ１９２が記憶部１９０に記憶されている。
　追加学習データ１９２は、他ビルの学習データであり、他ビルの設定と他ビルの設定に基づく満足度と他ビルの設定に基づく制約度の組を１つ以上含む。
　学習部１３２は、追加学習データ１９２を学習して学習済みモデルを生成する。
　これにより、実施例（３－３）と同様に、より短時間に事前学習を完了させて学習済みモデルを生成することが可能になる。
　設備制御装置１００は、同様に設定の優劣判定（順位付け）についての追加学習データを学習してもよい。
　実施の形態４．
　シミュレーション用パラメータを補正する形態について、主に実施の形態１と異なる点を図１７から図２０に基づいて説明する。
＊＊＊実施の形態４の概要＊＊＊
　実施の形態１では、精度よくシミュレーションを行うことが可能であると想定して最適化計算が行われる。
　しかしながら、シミュレーションモデルが不正確であると、また、設備２１１の特性が経年によって変化すると、精度よくシミュレーションを行うことが難しくなる可能性がある。
　そこで、実施の形態４では、実際の設備２１１の特性および室内環境の変化などの情報が収集され、シミュレーション用パラメータが適宜に補正される。
＊＊＊構成の説明＊＊＊
　ビル管理システム２００の構成は、実施の形態１における構成と同様である。
　但し、設備制御装置１００の構成が、実施の形態１における構成と異なる。
　図１７および図１８に基づいて、設備制御装置１００の構成を説明する。
　設備制御装置１００は、さらに、補正部１１４という要素を備える。設備制御プログラムは、さらに、補正部１１４としてコンピュータを機能させる。
＊＊＊動作の説明＊＊＊
　図１９に基づいて、設備制御方法を説明する。ステップＳ４１０が特徴である。
　ステップＳ４１０は、ステップＳ１２０よりも前に実行される。例えば、ステップＳ４１０は、ステップＳ１１０よりも前に実行される。
　ステップＳ４１０において、補正部１１４は、１つ以上の設備２１１に適用された過去設定と、過去設定が適用されたときのビルの運用結果と、を取得する。
　具体的には、補正部１１４は、ビル管理装置２１０と通信することによって、現在設定と現在設定に基づく運用結果とを取得する。現在設定は、過去に設定され現在適用されている設定であり、過去設定の一例である。
　さらに、補正部１１４は、過去設定に対するシミュレーション結果を運用結果と比較する。
　過去設定に対するシミュレーション結果は、シミュレーション部１３１が過去設定に基づくシミュレーションを実行することによって得られる。
　そして、補正部１１４は、シミュレーション用パラメータを比較結果に基づいて補正する。
　シミュレーション用パラメータは、シミュレーション部１３１によるシミュレーションに使用されるパラメータである。
　具体的には、運用結果に対するシミュレーション結果の誤差が閾値を超える場合に、補正部１１４はシミュレーション用パラメータを補正する。このとき、補正部１１４は、運用結果に近いシミュレーション結果が得られるように、誤差の大きさに応じてパラメータの値を変更する。
＊＊＊実施の形態４の効果＊＊＊
　設備制御装置１００は、シミュレーションの前にシミュレーション用パラメータを補正する。これにより、精度が低い状態でシミュレーションが行われることがなくなる。そのため、より精度よい良好な設定候補の獲得が可能になる。
＊＊＊実施の形態４の実施例＊＊＊
＊＊＊実施例（４－１）＊＊＊
　補正部１１４が、最適化計算（Ｓ１２０～Ｓ１５０）においてシミュレーション（ステップＳ１２０）の前に補正を行ってもよい。例えば、補正部１１４は、最適化（ステップＳ１５０）の前に補正を行ってもよい。
　また、補正部１１４は、定期的に補正を行ってもよい。
＊＊＊実施例（４－２）＊＊＊
　実施例（４－１）の場合、最適化計算（Ｓ１２０～Ｓ１５０）の途中でシミュレーション用パラメータが補正される。そのため、最適化計算の途中で同じ設定候補に基づく満足度および制約度が変化し、有効な最適化結果が得られない可能性がある。
　そこで、設備制御装置１００は、補正が行われた場合に最適化計算をいったん中断してもよい。
　図２０において、計算部１１１は検知部１１５を備える。
　検知部１１５は、シミュレーション用パラメータの補正を検知する。
　シミュレーション用パラメータの補正が検知された場合、満足度算出部１４０と制約度算出部１５０と候補最適化部１６０は実行中の処理を中止し、中止した処理をやり直す。つまり、満足度および制約度が算出し直され、算出し直された満足度および制約度に基づいて最適化が行われる。また、設備制御装置１００は、最適化計算を最初から再度実行してもよい。
　これにより、最適化計算の途中でシミュレーション用パラメータが補正された場合にも、補正前の満足度および制約度使うことなく精度が高い補正後の満足度および制約度を使って設定候補を最適化することができる。そのため、良好な設定候補を獲得することが可能になる。
　実施の形態５．
　設備２１１の現在の設定に基づいて適用設定を選択する形態について、主に実施の形態１と異なる点を図２１から図２３に基づいて説明する。
＊＊＊実施の形態５の概要＊＊＊
　実施の形態１では、複数の設定候補から適用設定が選択される。
　しかしながら、ビルの現在の状態が考慮されずに適用設定が選択されると、適用設定が現在設定からかけ離れ、室内環境が大きく変動し、ビル内の人が不快感を得たり負担を感じたりする可能性がある。
　そこで、実施の形態５では、複数の設定候補から、現在設定に近い設定候補が適用設定として選択される。
＊＊＊構成の説明＊＊＊
　ビル管理システム２００の構成は、実施の形態１における構成と同様である。
　但し、設備制御装置１００の構成が、実施の形態１における構成と異なる。
　図２１および図２２に基づいて、設備制御装置１００の構成を説明する。
　設備制御装置１００は、設定取得部１１６という要素を備える。設備制御プログラムは、さらに、設定取得部１１６としてコンピュータを機能させる。
＊＊＊動作の説明＊＊＊
　図２３に基づいて、設備制御方法を説明する。ステップＳ５１０が特徴である。
　ステップＳ１１０からステップＳ１５０およびステップＳ１７０は、実施の形態１で説明した通りである。
　ステップＳ５１０は、実施の形態１のステップＳ１６０に相当する。
　ステップＳ５１０において、設定取得部１１６は、１つ以上の設備２１１に適用されている設定（現在設定）を取得する。
　具体的には、設定取得部１１６は、ビル管理装置２１０と通信することによって、現在設定を取得する。
　そして、選択部１１２は、現在設定に基づいて適用設定を選択する。
　例えば、適用設定は以下のように選択される。
　まず、選択部１１２は、設定候補ごとに設定候補と満足度と制約度をディスプレイ（出力装置２０２）に表示すると共に、現在設定と満足度と制約度をディスプレイに表示する。なお、現在設定の満足度および制約度は、設定候補の満足度および制約度と同様に算出される。
　次に、利用者（例えばビル管理者）は、表示された情報を参照し、複数の設定候補から望ましい設定候補を選択し、望ましい設定候補を入力装置２０１を使って指定する。このとき、利用者は、現在設定からかけ離れていない設定候補を選択するとよい。
　そして、選択部１１２は、複数の設定候補から、指定された設定候補を選択する。選択される設定候補が適用設定となる。
＊＊＊実施の形態５の効果＊＊＊
　設備制御装置１００は、直近に適用されている設定を取得し、複数の設定候補から直近の設定に近い設定候補を選択する。これにより、直前まで適用されていた設定からかけ離れた設定が新たに適用されることがなくなる。そのため、室内環境の変動が小さく抑えられ、環境変化によるビル利用者の不快感および負担を軽減することが可能となる。
＊＊＊実施の形態５の実施例＊＊＊
＊＊＊実施例（５－１）＊＊＊
　選択部１１２は、複数の設定候補の全てを利用者に提示する代わりに、複数の設定候補から現在設定に近い設定候補を抽出し、抽出した設定候補を利用者に提示してもよい。例えば、現在設定に近い設定候補は、現在設定との差異が閾値より小さい設定候補である。
　これにより、利用者が現在設定からかけ離れた設定候補を選択することがなくなる。
＊＊＊実施例（５－２）＊＊＊
　最適化部１６２は、現在設定に近い新たな設定候補が得られるように最適化を行ってもよい。つまり、最適化部１６２は、複数の設定候補を最適化することによって、現在設定に近い新たな設定候補を生成してもよい。
　これにより、現在設定に近い設定候補だけが獲得されるため、現在設定からかけ離れた設定候補が選択されることがなくなる。
　実施の形態６．
　複数の最適化アルゴリズムを利用する形態について、主に実施の形態１と異なる点を図２４から図２７に基づいて説明する。
＊＊＊実施の形態６の概要＊＊＊
　実施の形態１では、１つの手法を用いて設定候補の最適化が行われる。
　しかし、実施の形態１で述べたように、複数の最適化手法が存在している。それぞれの手法で特徴が異なるため、使用される手法によって、獲得される設定候補の特徴および傾向が異なる可能性がある。また、使用される手法によっては、良好な満足度を示す設定候補を獲得できない可能性がある。
　また、１つの手法が使用される場合、どの手法がビルの特徴に対して満足度および制約度が良好な設定候補を獲得できるかを検証する必要がある。
　そこで、実施の形態６では、複数の最適化手法によって並行して設定候補の最適化が行われる。そして、制約が満たされると共により良い満足度が得られる手法で獲得された設定候補が採用される。
＊＊＊構成の説明＊＊＊
　ビル管理システム２００の構成は、実施の形態１における構成と同様である。
　設備制御装置１００の構成は、実施の形態１における構成と同様である。
　但し、計算部１１１の構成が、実施の形態１における構成と異なる。
　図２４および図２５に基づいて、計算部１１１の構成を説明する。
　計算部１１１において、候補最適化部１６０は、複数の最適化部１６２を備える。例えば、候補最適化部１６０は、第１最適化部１６２Ａおよび第２最適化部１６２Ｂを備える。
＊＊＊動作の説明＊＊＊
　図２６に基づいて、設備制御方法を説明する。ステップＳ６１０およびステップＳ６２０が特徴である。
　ステップＳ１１０からステップＳ１４０およびステップＳ１７０は、実施の形態１で説明した通りである。
　ステップＳ６１０は、実施の形態１のステップＳ１５０に相当する。
　ステップＳ６２０は、実施の形態１のステップＳ１６０に相当する。
　ステップＳ６１０において、候補最適化部１６０は、複数の設定候補を複数の最適化アルゴリズムのそれぞれを使って最適化することによって、複数の設定候補群を生成する。
　設定候補群は、最適化アルゴリズムごとに生成され、最適化によって得られる新たな複数の設定候補から成る。
　２つの最適化アルゴリズムが使用される場合、候補最適化部１６０は以下のように動作する。
　まず、優劣判定部１６１は、複数の設定候補を順位付けする。
　そして、最適化部１６２は、２つの最適化アルゴリズムで複数の設定候補を最適化することによって、２つの設定候補群を生成する。例えば、第１最適化部１６２Ａは、ＭＯＧＡで用いられるＳＢＸおよびＰＭによって最適化を行う。また、第２最適化部１６２Ｂは、多目的粒子群最適化（ＭＯＰＳＯ）で用いられるよう手法（飛翔を模擬する手法）によって最適化を行う。
　ステップＳ６２０において、選択部１１２は、複数の設定候補群のうちの１つを選択する。
　具体的には、選択部１１２は、満足度および制約度がより良好な設定候補群を選択する。
　そして、選択部１１２は、選択された複数の設定候補群を構成する新たな複数の設定候補から適用設定を選択する。
＊＊＊実施の形態６の効果＊＊＊
　設備制御装置１００は、複数の最適化手法によって並行して設定候補の最適化を行い、制約を満たし、より良い満足度が得られる手法で獲得された設定候補を採用する。これにより、何れかの最適化手法があまり良好な設定候補を獲得できない場合でも、他の最適化手法で獲得した良好な設定候補を採用することが可能となる。その結果、使用する手法が不適であったため良好な設定候補を獲得できない、といった事象を防ぐことができる。
　また、どの手法がビルの特徴に対して満足度および制約度が良好な設定候補を獲得できるか検証しなくても、良好な設定候補を獲得できる。
＊＊＊実施の形態６の実施例＊＊＊
＊＊＊実施例（６－１）＊＊＊
　適切な優劣判定が可能な手法は、満足度または制約度の指標によって異なる。そのため、使用される優劣判定によっては適切な優劣判定が行われず、その結果、よい満足度を持つ設定候補を獲得できない可能性がある。
　そこで、候補最適化部１６０は、複数の優劣判定アルゴリズムのそれぞれを使って複数の設定候補を順位付けしてもよい。
　図２７において、計算部１１１は、複数の優劣判定部（１６１Ａ、１６１Ｂ）を備える。
　第１優劣判定部１６１Ａは第１優劣判定アルゴリズムを使って順位付けを行い、第１最適化部１６２Ａは第１優劣判定部１６１Ａによる順位付けの結果に基づいて最適化を行う。
　第２優劣判定部１６１Ｂは第２優劣判定アルゴリズムを使って順位付けを行い、第２最適化部１６２Ｂは第２優劣判定部１６１Ｂによる順位付けの結果に基づいて最適化を行う。
　但し、第１最適化部１６２Ａと第２最適化部１６２Ｂのそれぞれが、第１優劣判定部１６１Ａによる順位付けの結果と第２優劣判定部１６１Ｂによる順位付けの結果とに基づいて最適化を行ってもよい。
　また、優劣判定部１６１の数（つまり、使用される優劣判定アルゴリズムの数）と最適化部１６２の数（つまり、使用される最適化アルゴリズムの数）は、３つ以上であってもよい。また、優劣判定部１６１の数と最適化部１６２の数が異なってもよい。
＊＊＊実施の形態の補足＊＊＊
　図２８に基づいて、設備制御装置１００のハードウェア構成を説明する。
　設備制御装置１００は処理回路１０９を備える。
　処理回路１０９は、計算部１１１と選択部１１２と制御部１１３と補正部１１４と検知部１１５と設定取得部１１６とを実現するハードウェアである。
　処理回路１０９は、専用のハードウェアであってもよいし、メモリ１０２に格納されるプログラムを実行するプロセッサ１０１であってもよい。
　処理回路１０９が専用のハードウェアである場合、処理回路１０９は、例えば、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、ＡＳＩＣ、ＦＰＧＡまたはこれらの組み合わせである。
　ＡＳＩＣは、Ａｐｐｌｉｃａｔｉｏｎ　Ｓｐｅｃｉｆｉｃ　Ｉｎｔｅｇｒａｔｅｄ　Ｃｉｒｃｕｉｔの略称である。
　ＦＰＧＡは、Ｆｉｅｌｄ　Ｐｒｏｇｒａｍｍａｂｌｅ　Ｇａｔｅ　Ａｒｒａｙの略称である。
　設備制御装置１００は、処理回路１０９を代替する複数の処理回路を備えてもよい。
　処理回路１０９において、一部の機能が専用のハードウェアで実現されて、残りの機能がソフトウェアまたはファームウェアで実現されてもよい。
　このように、設備制御装置１００の機能はハードウェア、ソフトウェア、ファームウェアまたはこれらの組み合わせで実現することができる。
　各実施の形態は、好ましい形態の例示であり、本開示の技術的範囲を制限することを意図するものではない。各実施の形態は、部分的に実施してもよいし、他の形態と組み合わせて実施してもよい。各実施例は、他の実施例と組み合わせて実施してもよい。フローチャート等を用いて説明した手順は、適宜に変更してもよい。
　設備制御装置１００の要素である「部」は、「処理」、「工程」、「回路」または「サーキットリ」と読み替えてもよい。
　１００　設備制御装置、１０１　プロセッサ、１０２　メモリ、１０３　補助記憶装置、１０４　入出力インタフェース、１０５　通信インタフェース、１０９　処理回路、１１１　計算部、１１２　選択部、１１３　制御部、１１４　補正部、１１５　検知部、１１６　設定取得部、１２０　候補生成部、１３０　結果取得部、１３１　シミュレーション部、１３２　学習部、１３３　代替演算部、１４０　満足度算出部、１４１　第１満足度算出部、１４２　第２満足度算出部、１５０　制約度算出部、１５１　第１制約度算出部、１５２　第２制約度算出部、１６０　候補最適化部、１６１　優劣判定部、１６１Ａ　第１優劣判定部、１６１Ｂ　第２優劣判定部、１６２　最適化部、１６２Ａ　第１最適化部、１６２Ｂ　第２最適化部、１７１　集約部、１７２　学習部、１７３　代替演算部、１９０　記憶部、１９１　追加学習データ、１９２　追加学習データ、２００　ビル管理システム、２０１　入力装置、２０２　出力装置、２１０　ビル管理装置、２１１　設備。

Claims (8)

  1. 　ビルに設置された１つ以上の設備を制御するための設定の複数の候補である複数の設定候補に基づいて、設定候補ごとに、前記設定候補が前記１つ以上の設備に適用された場合の前記ビルの運用の結果に相当するシミュレーション結果を得る結果取得部と、
    　設定候補ごとに、前記シミュレーション結果に基づいて、前記ビルのステークホルダーの満足度を算出する満足度算出部と、
    　設定候補ごとに、前記シミュレーション結果に基づいて、前記ビルの運用制約を満たす度合いを表す制約度を算出する制約度算出部と、
    　各設定候補の前記満足度と各設定候補の前記制約度とに基づいて前記複数の設定候補の優劣を判定して判定結果に基づいて前記複数の設定候補を最適化することによって、新たな複数の設定候補を生成する候補最適化部と、
    　前記新たな複数の設定候補から前記１つ以上の設備に適用すべき設定候補を適用設定として選択する選択部と、
    　前記適用設定を前記１つ以上の設備に適用する制御部と、
    を備える設備制御装置。
  2. 　前記設備制御装置は、集約部を備え、
    　前記満足度算出部は、設定候補ごとに、複数の指標に対する複数の満足度を前記ステークホルダーの前記満足度として算出し、
    　前記集約部は、設定候補ごとに、前記ステークホルダーの前記満足度に含まれる前記複数の満足度のうち特定の２つ以上の指標に対する２つ以上の満足度を１つの満足度に集約する
    請求項１に記載の設備制御装置。
  3. 　前記結果取得部は、
    　前記１つ以上の設備に対する複数の仮想設定のそれぞれに基づいて前記ビルの前記運用をシミュレーションして、仮想設定ごとにシミュレーション結果を得て、
    　仮想設定ごとに前記仮想設定と前記シミュレーション結果の組を学習することによって、学習済みモデルを生成し、
    　設定候補ごとに、前記学習済みモデルを使って前記設定候補の前記シミュレーション結果を得る
    請求項１または請求項２に記載の設備制御装置。
  4. 　前記１つ以上の設備に適用された過去設定と前記過去設定が適用されたときの前記ビルの運用結果とを取得し、前記過去設定に対するシミュレーション結果を前記運用結果と比較し、シミュレーション用パラメータを比較結果に基づいて補正する補正部を備える
    請求項１から請求項３のいずれか１項に記載の設備制御装置。
  5. 　前記設備制御装置は、前記１つ以上の設備に適用されている現在設定を取得する設定取得部を備え、
    　前記選択部は、前記現在設定に基づいて前記適用設定を選択する
    請求項１から請求項４のいずれか１項に記載の設備制御装置。
  6. 　前記候補最適化部は、前記複数の設定候補を複数の最適化アルゴリズムのそれぞれを使って最適化することによって、それぞれが新たな複数の設定候補から成る複数の設定候補群を生成し、
    　前記選択部は、前記複数の設定候補群のうちの１つを選択し、選択された複数の設定候補群を構成する前記新たな複数の設定候補から前記適用設定を選択する
    請求項１から請求項５のいずれか１項に記載の設備制御装置。
  7. 　ビルに設置された１つ以上の設備を制御するための設定の複数の候補である複数の設定候補に基づいて、設定候補ごとに、前記設定候補が前記１つ以上の設備に適用された場合の前記ビルの運用の結果に相当するシミュレーション結果を得て、
    　設定候補ごとに、前記シミュレーション結果に基づいて、前記ビルのステークホルダーの満足度を算出し、
    　設定候補ごとに、前記シミュレーション結果に基づいて、前記ビルの運用制約を満たす度合いを表す制約度を算出し、
    　各設定候補の前記満足度と各設定候補の前記制約度とに基づいて前記複数の設定候補の優劣を判定して判定結果に基づいて前記複数の設定候補を最適化することによって、新たな複数の設定候補を生成し、
    　前記新たな複数の設定候補から前記１つ以上の設備に適用すべき設定候補を適用設定として選択し、
    　前記適用設定を前記１つ以上の設備に適用する
    設備制御方法。
  8. 　ビルに設置された１つ以上の設備を制御するための設定の複数の候補である複数の設定候補に基づいて、設定候補ごとに、前記設定候補が前記１つ以上の設備に適用された場合の前記ビルの運用の結果に相当するシミュレーション結果を得る結果取得処理と、
    　設定候補ごとに、前記シミュレーション結果に基づいて、前記ビルのステークホルダーの満足度を算出する満足度算出処理と、
    　設定候補ごとに、前記シミュレーション結果に基づいて、前記ビルの運用制約を満たす度合いを表す制約度を算出する制約度算出処理と、
    　各設定候補の前記満足度と各設定候補の前記制約度とに基づいて前記複数の設定候補の優劣を判定して判定結果に基づいて前記複数の設定候補を最適化することによって、新たな複数の設定候補を生成する候補最適化処理と、
    　前記新たな複数の設定候補から前記１つ以上の設備に適用すべき設定候補を適用設定として選択する選択処理と、
    　前記適用設定を前記１つ以上の設備に適用する制御処理と、
    をコンピュータに実行させるための設備制御プログラム。
PCT/JP2021/033246 2021-09-10 2021-09-10 設備制御装置、設備制御方法および設備制御プログラム WO2023037484A1 (ja)

Priority Applications (5)

Application Number Priority Date Filing Date Title
AU2021464018A AU2021464018A1 (en) 2021-09-10 2021-09-10 Equipment control device, equipment control method, and equipment control program
JP2023534254A JP7408019B2 (ja) 2021-09-10 2021-09-10 設備制御装置、設備制御方法および設備制御プログラム
GBGB2403190.8A GB202403190D0 (en) 2021-09-10 2021-09-10 Equipment control device, equipment control method, and equipment control program
PCT/JP2021/033246 WO2023037484A1 (ja) 2021-09-10 2021-09-10 設備制御装置、設備制御方法および設備制御プログラム
CN202180102074.4A CN117940939A (zh) 2021-09-10 2021-09-10 设备控制装置、设备控制方法以及设备控制程序

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
PCT/JP2021/033246 WO2023037484A1 (ja) 2021-09-10 2021-09-10 設備制御装置、設備制御方法および設備制御プログラム

Publications (1)

Publication Number Publication Date
WO2023037484A1 true WO2023037484A1 (ja) 2023-03-16

Family

ID=85506165

Family Applications (1)

Application Number Title Priority Date Filing Date
PCT/JP2021/033246 WO2023037484A1 (ja) 2021-09-10 2021-09-10 設備制御装置、設備制御方法および設備制御プログラム

Country Status (5)

Country Link
JP (1) JP7408019B2 (ja)
CN (1) CN117940939A (ja)
AU (1) AU2021464018A1 (ja)
GB (1) GB202403190D0 (ja)
WO (1) WO2023037484A1 (ja)

Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2005158020A (ja) * 2003-10-30 2005-06-16 Hitachi Ltd エネルギー管理方法，装置及びプログラム
JP2016034190A (ja) * 2014-07-31 2016-03-10 清水建設株式会社 電力管理装置、電力管理方法及びプログラム

Patent Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2005158020A (ja) * 2003-10-30 2005-06-16 Hitachi Ltd エネルギー管理方法，装置及びプログラム
JP2016034190A (ja) * 2014-07-31 2016-03-10 清水建設株式会社 電力管理装置、電力管理方法及びプログラム

Also Published As

Publication number Publication date
AU2021464018A1 (en) 2024-01-25
GB202403190D0 (en) 2024-04-17
JP7408019B2 (ja) 2024-01-04
JPWO2023037484A1 (ja) 2023-03-16
CN117940939A (zh) 2024-04-26

Similar Documents

Publication Publication Date Title
Aryal et al. Energy consequences of Comfort-driven temperature setpoints in office buildings
CN105378391B (zh) 针对hvac需求响应的在线优化方案
Wang et al. Operating a commercial building HVAC load as a virtual battery through airflow control
Wang et al. Typical energy-related behaviors and gender difference for cooling energy consumption
US20140074306A1 (en) Method and system for energy control management
CN102224474A (zh) 用于评估和管理数据中心气流和功率使用的系统和方法
JP6498976B2 (ja) 推定装置、推定方法およびコンピュータプログラム
US20120239324A1 (en) Building facility operating status evaluating method and device
CN111461466A (zh) 基于lstm时间序列的供暖户阀调节方法、系统及设备
CN117272850B (zh) 配电网安全运行调度弹性空间分析方法
JP7418744B2 (ja) エネルギー管理システムおよびエネルギー管理方法
CN112540535A (zh) 一种基于深度强化学习的办公建筑热舒适控制系统及方法
Ford et al. Alternatives to air-conditioning: policies, design, technologies, behaviours
WO2023037484A1 (ja) 設備制御装置、設備制御方法および設備制御プログラム
CN109559146B (zh) 电力客服中心基于logistic模型预测潜在用户数量的省市接入数据中心优化方法
CN117091242A (zh) 空调温控负荷集群的评估方法、温度设定方法及系统
CN114992772B (zh) 空调温控负荷集群可调节潜力评估方法、装置及存储介质
CN108224692B (zh) 考虑室外气温预测误差的空调柔性控制响应能力预测方法
JP6637323B2 (ja) 設備管理装置及びプログラム
CN109064353A (zh) 一种基于改进聚类融合的大型建筑用户行为分析方法
JP7332500B2 (ja) 情報処理装置、情報処理システム、情報処理方法及びプログラム
CN114662885A (zh) 设备用电量的自适应控制方法、装置、设备及介质
Li et al. Probability-based visual comfort assessment and optimization in national fitness halls under sports behavior uncertainty
CN111486573B (zh) 一种中央空调集群调控方法、系统以及设备
Battula et al. A transactive energy approach to distribution system design: Household formulation

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: 21956781

Country of ref document: EP

Kind code of ref document: A1

WWE Wipo information: entry into national phase

Ref document number: 2023534254

Country of ref document: JP

WWE Wipo information: entry into national phase

Ref document number: 2021464018

Country of ref document: AU

Ref document number: AU2021464018

Country of ref document: AU

ENP Entry into the national phase

Ref document number: 2021464018

Country of ref document: AU

Date of ref document: 20210910

Kind code of ref document: A

WWE Wipo information: entry into national phase

Ref document number: 202180102074.4

Country of ref document: CN

NENP Non-entry into the national phase

Ref country code: DE