WO2024057483A1

WO2024057483A1 - 空調制御装置および空調システム

Info

Publication number: WO2024057483A1
Application number: PCT/JP2022/034567
Authority: WO
Inventors: 隆太田中
Original assignee: 三菱電機株式会社
Priority date: 2022-09-15
Filing date: 2022-09-15
Publication date: 2024-03-21

Abstract

空気調和機を制御する空調制御装置は、取得部と室内モデル構築部と連成解析部と制御目標決定部と指令部とを備える。取得部は、ユーザが居る空調対象空間の形状を示す部屋形状情報、および、空調対象空間内の空気の状態に関する空気状態情報を取得する。室内モデル構築部は、部屋形状情報および空気状態情報に基づいて、ＣＦＤシミュレーションのための室内モデルを構築する。連成解析部は、室内モデルに基づいてＣＦＤシミュレーションを実行し、予め定められた第１時間範囲における各時点での空気の状態を示す状態量を導出する。連成解析部は、予め設定された目標状態量からの各時点での状態量の偏差を導出し、第１時間範囲において各時点の偏差を積分し、積分によって得られた積分値を含む目的関数が最小となる空気調和機の制御パラメータの最適解を導出する。制御目標決定部は、最適解に基づいて制御パラメータの目標値である制御目標値を決定する。指令部は、制御目標値に基づいて空気調和機に指令を行う。

Description

空調制御装置および空調システム

　本開示は、空気調和機を制御する空調制御装置および空調システムに関するものである。

　従来、空調対象空間内の温熱環境を熱流体解析に基づいて制御するための技術が提案されている（例えば、特許文献１参照）。この技術は、熱流体解析に基づくシミュレーションを実行し、シミュレーション結果に基づいて空調制御を最適化するものである。

特開２０１４－３１８９９号公報

　しかし、熱流体力学に基づくシミュレーションは最適解を得るまでに時間がかかることが多い。また、特許文献１に記載の技術は、事前の最適化などによって得られた解から次の最適解への遷移を前提とするものであるため、例えば起動時など任意の状態から最適解に基づく制御が実行されるまでの間、ユーザの快適性が損なわれる可能性があった。

　本開示は、上記課題を解決するためになされたものであり、ユーザの快適性の迅速な向上を可能にする空調制御装置および空調システムを提供することを目的とする。

　本開示に係る空調制御装置は、空調対象空間の空調を行う空気調和機を制御する空調制御装置であって、前記空調対象空間の形状を示す部屋形状情報、および、前記空調対象空間内の空気の状態に関する空気状態情報を取得する取得部と、前記部屋形状情報および前記空気状態情報に基づいて、ＣＦＤシミュレーションのための室内モデルを構築する室内モデル構築部と、前記室内モデルに基づいて前記ＣＦＤシミュレーションを実行し、予め定められた第１時間範囲における各時点での空気の状態を示す状態量を導出し、予め設定された目標状態量からの前記各時点での前記状態量の偏差を導出し、前記第１時間範囲において前記各時点の前記偏差を積分し、積分によって得られた積分値を含む目的関数が最小となる前記空気調和機の制御パラメータの最適解を導出する連成解析部と、前記最適解に基づいて前記制御パラメータの目標値である制御目標値を決定する制御目標決定部と、前記制御目標値に基づいて前記空気調和機に指令を行う指令部と、を備えるものである。

　本開示に係る空調システムは、空調対象空間の空調を行う空気調和機を制御する空調制御装置と、前記空調制御装置と通信を行うサーバと、を有する空調システムであって、前記空調制御装置は、前記空調対象空間の形状を示す部屋形状情報、および、前記空調対象空間内の空気の状態に関する空気状態情報を取得する取得部と、前記部屋形状情報および前記空気状態情報に基づいて、ＣＦＤシミュレーションのための室内モデルを構築する室内モデル構築部と、前記室内モデルを前記サーバに送信する第１通信部と、を備え、前記サーバは、前記室内モデルに基づいて前記ＣＦＤシミュレーションを実行し、予め定められた第１時間範囲における各時点での空気の状態を示す状態量を導出し、予め設定された目標状態量からの前記各時点での前記状態量の偏差を導出し、前記第１時間範囲において前記各時点の前記偏差を積分し、積分によって得られた積分値を含む目的関数が最小となる前記空気調和機の制御パラメータの最適解を導出する連成解析部と、前記最適解を前記空調制御装置に送信する第２通信部と、を備え、前記空調制御装置は、更に、前記サーバから得られた前記最適解に基づいて前記制御パラメータの目標値である制御目標値を決定する制御目標決定部と、前記制御目標値に基づいて前記空気調和機に指令を行う指令部と、を備えるものである。

　本開示に係る空調制御装置および空調システムによれば、取得部が部屋形状情報と空気状態情報を取得し、室内モデル構築部が部屋形状情報と空気状態情報に基づき室内モデルを構築する。これにより、室内モデル構築部は、空調対象空間の空気の状態に応じた室内モデルの構築が可能になり、連成解析部は、当該室内モデルに応じて最適解を導出可能になる。従って、空調制御装置は、空調対象空間の空気の状態に応じた室内モデルによる最適解に基づいて空調制御を実行することが可能になる。そのため、空調制御装置は、現在の空調対象空間の空気の状態から、ユーザが所望する空気の状態への変更を効率的に行うことができる。よって、ユーザの快適性の迅速な向上が可能になる。

実施の形態１に係る空調制御装置を含む空調システムの構成の一例を模式的に示す図である。実施の形態１に係る空調制御装置の構成例を示すブロック図である。実施の形態１に係る対象領域決定部による対象領域の決定処理を例示するフローチャートである。実施の形態１に係る対象領域決定部によって決定される対象領域を例示する模式図である。実施の形態１における連成解析部による解析処理を例示するフローチャートである。実施の形態１における連成解析部による感度の導出処理を例示するフローチャートである。実施の形態１における状態量と随伴変数の各々の導出処理の時間軸における方向を説明するための模式図である。実施の形態１に係る空調制御装置による特定のタイミングにおける制御目標値の決定処理を例示するフローチャートである。実施の形態１に係る空調制御装置のハードウェア構成を例示する図である。実施の形態２における対象領域決定部の構成例を示すブロック図である。実施の形態２における位置情報に基づくユーザの滞在領域を例示する模式図である。実施の形態２におけるニューラルネットワークの一例を示す模式図である。実施の形態２における空調制御装置による電波情報の取得処理を例示するフローチャートである。実施の形態２における学習モデル生成部による学習処理を例示するフローチャートである。実施の形態２に係る空調制御装置による対象領域の決定処理を例示するフローチャートである。実施の形態３における連成解析部による随伴変数および感度の導出処理について説明するための図である。実施の形態３における連成解析部による感度の導出処理を例示するフローチャートである。実施の形態４に係る空調システムの構成を例示するブロック図である。実施の形態４に係る空調制御装置のハードウェア構成を例示する図である。実施の形態４におけるサーバのハードウェア構成を例示する図である。

　以下、図面を参照し、実施の形態に係る空調制御装置について詳述する。

　実施の形態１．
　図１は、実施の形態１に係る空調制御装置を含む空調システムの構成の一例を模式的に示す図である。実施の形態１に係る空調システム１００は、空気調和機１と検知部２と空調制御装置３とを有する。空調制御装置３は、電気通信回線５を介して空気調和機１および検知部２と通信可能に接続されている。なお、空調制御装置３は、空気調和機１および検知部２と無線通信を行うものでもよい。

　空気調和機１は、室外機１０、室内機１１、およびリモートコントローラ１２を備える。室外機１０と室内機１１とは不図示の熱媒体配管によって接続され、室外機１０は熱媒体を冷却または加熱し、室内機１１は空調対象空間の空気を熱媒体と熱交換させることによって空調対象空間の気温の調整を行う。熱媒体としては、水、ブラインまたは冷媒等が挙げられる。冷媒としては、Ｒ３２、Ｒ４１０Ａ、もしくはＲ４４８Ａ等の流通性の高いＨＦＣ冷媒、または、環境への問題が少ないＲ２９０もしくはＲ７１７等の自然冷媒などが挙げられる。

　リモートコントローラ１２は、ユーザから空気調和機１への指示を受け付け、当該指示に応じた動作を室外機１０と室内機１１とに行わせるためのものである。当該指示としては、運転開始または運転停止の指示、設定温度に関する指示、風量に関する指示、および、風向に関する指示等が挙げられる。以下では、ユーザがリモートコントローラ１２に入力した指示を示す情報を指示情報と記載する場合もある。

　検知部２は、空調対象空間についての各種情報を取得する複数のセンサ２０を含む。複数のセンサ２０のうちの少なくとも１つは、例えばサーモグラフィーであって、空調対象空間における温度分布を示す情報を取得する。温度分布を示す情報は、例えば熱画像の情報である。以下では、温度分布を示す情報を温度分布情報と記載する場合もある。温度分布情報は、空調対象空間内のユーザの滞在領域を示す滞在情報の例である。

　複数のセンサ２０には、空調対象空間内の気温を検知する温度センサが１つ以上含まれる。検知部２が２つ以上の温度センサを含む場合には、各温度センサは、空調対象空間内の異なる位置に設置され、各設置位置での気温を検知する。以下では、空調対象空間における気温を示す情報を気温情報と記載する場合もある。気温情報は、空調対象空間の空気の状態を示す空気状態情報の例である。

　複数のセンサ２０には、空調対象空間内の空気の流速を検知する流速計が１つ以上含まれてもよい。検知部２が２つ以上の流速計を含む場合には、各流速計は、空調対象空間内の異なる位置に設置され、各設置位置での空気の流速を検知する。以下では、空調対象空間内の空気の流速を示す情報を流速情報と記載する場合もある。流速情報は、空気状態情報の例である。

　複数のセンサ２０には、空調対象空間内の空気の圧力を検知する気圧センサが１つ以上含まれてもよい。検知部２が２つ以上の気圧センサを含む場合には、各気圧センサの各々は、空調対象空間内の異なる位置に設置され、各設置位置での気圧を検知する。以下では、空調対象空間における気圧を示す情報を気圧情報と記載する場合もある。気圧情報は、空気状態情報の例である。

　複数のセンサ２０には、光電センサ、カメラ内蔵レーザー変位センサ、超音波センサ、および画像判別センサ等のうちの少なくとも１つが含まれてもよい。これにより、検知部２は、空調対象空間の形状および寸法、すなわち、室内の幅、奥行き、および高さを示す情報を取得する。以下では、空調対象空間の形状および寸法を示す情報を部屋形状情報と記載する場合もある。

　空調制御装置３は、上述の部屋形状情報、空気状態情報、および、指示情報等に基づいて空気調和機１を制御する。図２は、実施の形態１に係る空調制御装置の構成例を示すブロック図である。空調制御装置３は、取得部３０、記憶部３１、現在状態推定部３２、室内モデル構築部３３、機器モデル構築部３４、対象領域決定部３５、連成解析部３６、制御目標決定部３７、および指令部３８を備える。

　取得部３０は、空気調和機１から指示情報と機器情報とを取得する。機器情報は、空気調和機１の性能を示す情報であって、具体的には、空気調和機１の制御パラメータの値として設定可能な値を含む情報である。機器情報は、空気調和機１が有する冷媒回路を構成する圧縮機等の機器の定格能力および動作範囲を示す情報と、当該冷媒回路における熱交換器に送風するファンの動作範囲を示す情報と、空調対象空間への風向を調整するための風向板の動作範囲を示す情報等のうちの少なくともいずれかの情報を含む。なお、圧縮機の動作範囲とは、圧縮機の周波数が取り得る範囲を指す。また、ファンの動作範囲は、ファンの周波数が取り得る範囲を指す。ファンは、室内機１１と室外機１０の各々に設けられ、室内機１１におけるファンの動作範囲を示す情報は、室内機１１から空調対象空間への風量を示す情報に対応する。風向板の動作範囲を示す情報は、室内機１１から空調対象空間への風向を示す情報に対応する。取得部３０は、空気調和機１の製造番号など、空気調和機１を識別する情報に基づいて、外部のサーバなどから機器情報を取得してもよい。

　取得部３０は、検知部２または外部の装置から部屋形状情報を取得する。なお、外部の装置からの部屋形状情報は、例えばＢＩＭ（Building Information Modeling）などに基づいて作成されたものでもよい。取得部３０は、検知部２から温度分布情報と空気状態情報とを取得する。なお、取得部３０は、複数のセンサ２０のうちの全部または一部を含むものでもよい。すなわち、複数のセンサ２０のうちの全部または一部は空調制御装置３に含まれてもよい。記憶部３１は、取得部３０が取得した部屋形状情報および機器情報等の各種情報を記憶する。

　現在状態推定部３２は、取得部３０が取得した空気状態情報に基づいて、空調対象空間内の現在の空気の状態を推定する。例えば、現在状態推定部３２は、空調対象空間に複数の温度センサが設けられている場合には、各温度センサから取得した気温情報に基づいて現時点での空調対象空間の平均気温を取得する。そして、現在状態推定部３２は、当該平均気温と、現時点を示す情報とを対応付けた情報を生成する。なお、現時点を示す情報は例えば現在時刻などである。以下では、現時点を示す情報を現在情報と記載する場合もある。現在状態推定部３２は、空調対象空間に１つの温度センサが設けられている場合には、当該１つの温度センサから取得した気温情報と現在情報とを対応付けた情報を生成する。

　現在状態推定部３２は、空調対象空間に複数の流速計が設けられている場合に、各流速計から取得した流速情報に基づいて現時点での空調対象空間の空気の平均流速を取得する。そして、現在状態推定部３２は、当該平均流速と現在情報とを対応付けた情報を生成する。現在状態推定部３２は、空調対象空間に１つの流速計が設けられている場合には、当該１つの流速計から取得した流速情報と現在情報とを対応付けた情報を生成する。

　現在状態推定部３２は、空調対象空間に複数の気圧センサが設けられている場合に、各気圧センサから取得した気圧情報に基づいて現時点での空調対象空間の平均気圧を取得する。そして、現在状態推定部３２は、当該平均気圧と現在情報とを対応付けた情報を生成する。現在状態推定部３２は、空調対象空間に１つの気圧センサが設けられている場合には、当該１つの気圧センサから取得した気圧情報と現在情報とを対応付けた情報を生成する。

　室内モデル構築部３３は、取得部３０が取得した部屋形状情報と、現在状態推定部３２が生成した情報とに基づいて室内モデルを構築する。室内モデル構築部３３は、構築した室内モデルを記憶部３１に記憶する。ここで、室内モデルは、空調対象空間における気流に関し、後述する連成解析部３６が実行するＣＦＤ（Computational Fluid Dynamic）によるシミュレーションのための情報を含むものである。以下では、当該シミュレーションをＣＦＤシミュレーションと記載する。ＣＦＤシミュレーションでは、空調対象空間は、格子状に分割された複数の微小領域の集合とされ、シミュレーション処理が行われる。

　室内モデルは、詳細には、ＣＦＤシミュレーションにおける後述する流体の支配方程式を解くためのモデルであって、且つ、空調対象空間の幾何形状を反映した気流に関するモデルであり、気流の状態を示す状態量の情報と、状態場の境界条件を示す情報とを含む。なお、状態量は、空気の温度、流速、および圧力である。状態場は、空調対象空間における場であって、空調対象空間内の各々の位置の状態量によって得られる場を指す。境界条件は、壁、床および天井等の境界による状態場への影響に関する条件である。なお、室内モデルは、予め定められた第１時間範囲における各時点での状態量と境界条件とに関する情報を含み、非定常的なシミュレーションを可能にするものである。

　機器モデル構築部３４は、機器情報に基づいて、空気調和機１のＣＯＰ（Coefficient of performance：成績係数）と制御パラメータとを関連付けた機器モデル、すなわち、ＣＯＰを制御パラメータの関数として表した機器モデルを構築する。機器モデル構築部３４は、構築した機器モデルを記憶部３１に記憶する。ここで、機器モデルは、例えば以下の数１式によって示される。

　数１式におけるＶ_inletは吹出速度、Ｔ_inletは吹出温度、ｆ_RACは関数を示す。なお、吹出速度とは、空気調和機１における空気の吹出口から吹き出す空気の速度である。また、吹出温度は、当該吹出口から吹き出す空気の温度である。吹出速度と吹出温度の各々は制御パラメータの例である。

　機器モデルには、機器情報に基づく制約条件が含まれる。制約条件とは、空気調和機１の制御パラメータの取り得る値の条件を指す。例えば、制約条件は、制御パラメータの取り得る値の上限と下限の両方または一方を示す条件である。制約条件は、例えば以下の数２式によって示される。

　数２式におけるＶ_minは吹出速度の下限値を示し、Ｖ_maxは吹出速度の上限値を示す。そして、Ｔ_minは吹出温度の下限値を示し、Ｔ_maxは吹出温度の上限値を示す。なお、機器モデルは、数２式で例示される制約条件を含み、数１式に例示されるＣＯＰに関する関数を含まないものでもよい。

　対象領域決定部３５は、温度分布情報に基づいて空調制御対象の対象領域を決定する。図３は、実施の形態１に係る対象領域決定部による対象領域の決定処理を例示するフローチャートである。ステップＳ１において対象領域決定部３５は、温度分布情報を参照し、空調対象領域における熱源について特定する。すなわち、対象領域決定部３５は、熱源が存在する位置、熱源の大きさ、および熱源の形状等を特定する。ステップＳ２において対象領域決定部３５は、特定した熱源の大きさおよび形状等と、位置、大きさ、および形状等の時間的変化と基づいて、空調対象空間における人の有無を判定する。人が存在しない場合には（ステップＳ２：無）、対象領域決定部３５はステップＳ１に処理を戻す。人が存在する場合には（ステップＳ２：有）、ステップＳ３において対象領域決定部３５は、人が存在する領域を抽出する。なお、対象領域決定部３５は、人が存在する領域と共に、その周辺領域も抽出してもよい。周辺領域とは、人が存在する領域から予め定められた距離以内における領域を指し、当該予め定められた距離は例えば５０［ｃｍ］～１［ｍ］である。ステップＳ４において対象領域決定部３５は、ステップＳ３で抽出した領域を示す情報を記憶部３１に記憶する。以下では、ステップＳ３において対象領域決定部３５が抽出する、人が存在する位置を含む領域を候補領域と記載する場合もあるとし、候補領域を示す情報を候補領域情報と記載する場合もある。

　ステップＳ５において対象領域決定部３５は、予め定められた決定用時間が経過したか否かを判定する。決定用時間が経過していない場合には（ステップＳ５：ＮＯ）、対象領域決定部３５はステップＳ１に処理を戻す。なお、ステップＳ５からステップＳ１に処理が戻り、再びステップＳ４が行われる場合には、当該ステップＳ４において対象領域決定部３５は、前回以前のステップＳ４で記憶した候補領域情報と共に、今回のステップＳ３で抽出した候補領域を示す候補領域情報を記憶する。すなわち、記憶部３１には、候補領域情報が累積的に記憶される。

　決定用時間が経過した場合には（ステップＳ５：ＹＥＳ）、ステップＳ６において対象領域決定部３５は、記憶部３１に記憶された候補領域情報に基づいて、空調対象空間内の各領域における人の存在頻度を示す情報を取得する。ステップＳ７において対象領域決定部３５は、人の存在頻度が予め定められた閾値頻度以上である候補領域の有無を判定する。

　人の存在頻度が閾値頻度以上である候補領域が存在しない場合には（ステップＳ７：ＮＯ）、対象領域決定部３５はステップＳ１に処理を戻す。この場合において対象領域決定部３５は、決定用時間の計時を最初からやり直してもよい。

　人の存在頻度が閾値頻度以上である候補領域が存在する場合には（ステップＳ７：ＹＥＳ）、ステップＳ８において対象領域決定部３５は、人の存在頻度が閾値頻度以上の候補領域を対象領域として決定する。なお、対象領域とは、空調対象空間において空気調和機１による空調制御の対象となる領域である。

　ステップＳ９において対象領域決定部３５は、決定した対象領域を示す情報を記憶部３１に記憶する。このとき、対象領域決定部３５は、記憶されている候補領域情報を記憶部３１から削除してもよい。

　なお、対象領域は、温度分布情報に代え、または、温度分布情報と共に、ユーザによる空調制御装置３への入力内容に基づいて決定されてもよい。具体的には、空調制御装置３は、空調対象空間においてユーザが滞在する領域、または、ユーザが空調を所望する領域等を示す設定内容をユーザから受け付け、受け付けた設定内容に基づき対象領域を決定してもよい。なお、空調制御装置３への入力は、空気調和機１、およびユーザの端末装置のうち、両方または一方を介して行われてもよい。空調制御装置３に設定される、ユーザの滞在領域を示す情報は、滞在情報の例である。

　図４は、実施の形態１に係る対象領域決定部によって決定される対象領域を例示する模式図である。図４に示す例では、決定用時間を３日とする。なお、図４における白抜きの矢印は時間の方向を示す。図４に示されるように、複数のセンサ２０のうち、温度分布情報を取得するセンサ２０は室内機１１に設けられている。対象領域決定部３５は、取得部３０を介して当該センサ２０から取得した、１日目から３日目までの各々における空調対象空間内の温度分布を示す温度分布情報に基づいて、ユーザＨが存在する位置を含む候補領域ＣＡを抽出する。図４では、１日目～３日目の各々の候補領域ＣＡは、温度分布情報を取得する当該センサ２０の位置を頂点とし、ハッチングが施された面を底面とする円錐によって示される。対象領域決定部３５は、これらの候補領域ＣＡを示す候補領域情報に基づいて対象領域Ωを決定する。図４では対象領域Ωは、破線による楕円によって示され、内部にハッチングが施された面を底面とし、当該センサ２０の位置を頂点とする円錐によって示される。なお、対象領域決定部３５は、水平方向での領域のみではなく、ユーザの身長または座高などに基づいて、対象領域Ωの床からの高さを決定してもよい。図４では、対象領域Ωの床面からの高さを、破線による楕円の外におけるハッチングを施した領域によって示す。

　連成解析部３６は、室内モデル構築部３３が構築した室内モデルと、対象領域決定部３５が決定した対象領域と、機器モデル構築部３４が構築した機器モデルとに基づいて、空気調和機１の制御パラメータの最適化のための処理を行う。最適な制御パラメータの値は、後述する目的関数が最小となる場合の値である。以下では、最適な制御パラメータの値を最適解と記載する場合もある。連成解析部３６は、数３式に基づいて最適解を導出する。

　数３式におけるＪは目的関数であり、τは第１時間範囲における時間を示す。Ｗは、空調対象空間の微小領域毎における空気の流速および温度等を示す状態変数ベクトルである。状態変数ベクトルＷ内の成分は、上記状態量に相当する。Ｕは、吹出速度および吹出温度などの制御変数ベクトルであって、制御変数ベクトルＵ内の成分は制御パラメータに対応する。ｕ_in(τ)は吹出速度ベクトルの時系列条件であり、θ_in(τ)は吹出温度の時系列条件である。ｕ_in(τ)およびθ_in(τ)はＵに含まれる。また、ｕ_in(τ)およびθ_in(τ)の各々は数２式を満たす。数３式における「s.t.Ｒ(Ｗ,Ｕ)=0」との式は、支配方程式を満たすことを条件とすることを指し、Ｒ（Ｗ，Ｕ）は、支配方程式を満たす状態変数ベクトルＷと制御変数ベクトルＵとによる関数である。

　支配方程式は、以下の数４式～数６式によって表される。

　数４式は、流体の質量保存を表す連続の式である。数５式は、運動量保存を表す非圧縮性ナビエ・ストークス方程式である。そして、数６式は、エネルギー方程式である。数４式～数６式のｕは各微小領域での空気の流速を示す。数５式～数６式のρは空気の密度を示し、ｔは時間を示す。数５式のｐは各微小領域での空気の圧力ベクトルを示し、μは各微小領域での空気の粘性率を示す。ρ_０は基準の空気の密度である。数５式の右辺第３項は浮力を示し、ｇは、重力ベクトルなど、加速度ベクトルの大きさを示す値である。数６式におけるＣ_ｐは定圧比熱を示し、Ｔは各微小領域における空気の温度を示す。そして、ｋは熱伝導率を示し、Ｑは各微小領域に与えられる熱量を示す。以上の値のいずれかは、必要に応じて予め定められた値を用いてもよい。

　数３式におけるＪは、数７式によって示される。

　数７式におけるＪ_optは、上述の数３式のＪに相当する。数７式におけるＪ_１は数８式によって示され、Ｊ_２は数９式によって示される。

　数７式におけるωは、予め設定された係数である。ωは、ユーザによる設定内容、および空気調和機１の運転状況等に基づいて設定されてもよい。また、ωは、複数の係数を含むベクトルまたは行列でもよい。

　数８式におけるｘ、ｙ、ｚの各々は、空調対象空間におけるｘ座標、ｙ座標、ｚ座標である。τは、第１時間範囲における時間を示す。θ(x,y,z,τ)は、座標が（x,y,z）で示される空調対象空間内の位置の、時間τにおける空気の温度である。θ_dは、目標となる空気の温度であって、ユーザの快適度合いの向上のため設定された温度である。ｕ(x,y,z,τ)は、座標が（x,y,z）で示される空調対象空間内の位置の、時間τにおける空気の流速である。ｕ_dは目標となる空気の流速であって、ユーザの快適度合いの向上のため設定された流速である。θ_dとｕ_dとを、以下では目標状態量と記載する場合もある。目標状態量は、ユーザによってリモートコントローラ１２に入力されて、空調制御装置３が取得した指示情報に基づくものである。目標状態量は、記憶部３１に記憶される。

　数８式におけるΩは対象領域を示し、Τは第１時間範囲の長さを示す。なお、数８式では、第１時間範囲の開始時点を０とし、終了時点をＴとする。第１時間範囲の長さは、予め設定された固定値でもよいし、ユーザによって変更可能なものでもよい。γ_Tは、空気の温度に関する項への重みづけ係数である。また、γ_vは、空気の流速に関する項への重み付け係数である。γ_Tおよびγ_vの各々は、予め設定された値であってもよい。あるいは、γ_Tおよびγ_vの各々は、ユーザによる設定内容、および空気調和機１の運転状況等のうちの少なくともいずれかに基づいて設定されてもよいし、複数の係数を含むベクトルまたは行列等でもよい。

　数８式に示されるように、Ｊ_１は、第１時間範囲内の各時間での対象領域における状態量の目標状態量からの偏差によって示される。数９式におけるＱ_RACは空調能力を示す。空調能力Ｑ_RACは数１０式によって示される。

　数１０式における積分を示す「∫」におけるＴ、すなわち、積分の上限を示すＴは、第１時間範囲の長さを示す。数１０式におけるρは空気の密度を示し、Ｃは定圧比熱を示す。Ｖ_iは第ｉ番目の空気調和機１の吹出速度を示す。なお、数１０式では、空調対象空間にｎ台の空気調和機１が設けられているものとする。Ａ_iは第ｉ番目の空気調和機１の吹出口の面積を示す。Ｔ_i,inletは第ｉ番目の空気調和機１の吹出温度を示し、Ｔ_i,outletは第ｉ番目の空気調和機１が吸い込む空気の温度を示す。

　連成解析部３６は、数４式～数６式を満たすよう、且つ、数８式においてＪ_optによって示される目的関数が最小となるよう、数３式における制御変数ベクトルＵを決定する。ここで、目的関数が最小である場合には、以下の数１１式および数１２式の両方または一方が成り立つ。

　数１１式と数１２式は、目的関数の収束を示す式である。数１１式と数１２式におけるｋは、連成解析部３６による目的関数の更新回数を示す。ε_１およびε_２は任意の微小量である。なお、数１２式における左辺は後述する感度に対応する。連成解析部３６は、数１１式および数１２式の両方または一方を満たすまで、数３式におけるＵを更新する。

　以下、図５を参照して、連成解析部３６による解析処理について詳細に説明する。図５は、実施の形態１における連成解析部による解析処理を例示するフローチャートである。連成解析部３６は、目的関数の値が最小になるまでステップＳ１１～ステップＳ１５の処理を繰り返す。

　ステップＳ１１において連成解析部３６は、室内モデルに基づいてＣＦＤシミュレーションを実行する。このとき、連成解析部３６は順解析を行う。順解析とは、境界条件および支配方程式等から、空調対象空間における各微小領域における状態量を得る解析である。すなわち、連成解析部３６は、室内モデルに基づいて、数４式～数６式で示される支配方程式を解き、各微小領域における状態量を導出する。このとき、連成解析部３６は、境界条件等によって時間変化する状態場を導出するため、順解析では時間の進行方向に沿って状態量が導出される。

　なお、当該室内モデルでは、空気調和機１の吹出口での境界条件は、数３式におけるｕ_in(τ)およびθ_in(τ)によって示される。以下では、当該境界条件が示す、第１時間範囲内の各時点での当該ｕ_in(τ)およびθ_in(τ)を含む制御変数ベクトルＵの成分を、第１の値と記載する場合もある。第１の値は、最初のステップＳ１１、すなわち、これより前にステップＳ１５が実行されていないステップＳ１１において、予め定められた初期値に設定されている。第１の値は、機器モデルに基づいて、第１時間範囲内における時点毎に連成解析部３６によって決定される。連成解析部３６は、ユーザによる設定温度または設定風速等の設定内容に基づいて第１の値を決定してもよい。

　ステップＳ１２において連成解析部３６は、ステップＳ１１で導出した各微小領域での状態量と、ｕ_in(τ)およびθ_in(τ)を含む制御変数ベクトルＵと、対象領域決定部３５によって決定された対象領域Ωとに基づき、目的関数を導出する。

　ステップＳ１３において連成解析部３６は感度を導出する。感度とは、制御パラメータの値の変更による目的関数への影響度合いに対応し、数１３式で示される。

　数１３式は無次元化表現された感度を示す。Ｌはラグランジアンであって、感度はＬの第１変分として表される。なお、Ｌは、数３式によって示される最適化問題を解くためにラグランジュ緩和法に基づいて最適化問題を無制約問題としたものに対応し、以下の数１４式のように表される。

　数１４式の右辺の第１項であるＪは目的関数であり、第２項はＰとＲとの内積を示す。ここで、Ｐは随伴変数ベクトルであり、Ｒは数３式におけるＲである。数３式のＲが０であるとき、ＲとＰとの内積をＪに加えることによって得られるＬを最小化することによって、最小化されたＪが得られる。

　数１３式におけるｘ_iの添え字ｉは１、２および３のいずれかを指し、ｘ₁は空調対象空間におけるｘ座標を示し、ｘ₂は空調対象空間におけるｙ座標を示し、ｘ₃は空調対象空間におけるｚ座標を示す。数１３式におけるｐ_a,inは、吹出口における空気の圧力に関する随伴変数である。Ｔ_a,inは吹出口における空気の温度に関する随伴変数である。数１３式におけるｖ_inは、吹出口における空気の流速に関する随伴変数である。ここで、随伴変数とは、感度導出のため、実際の物理量に対応するものとして導入される変数である。随伴変数についての詳細については後述する。

　数１３式におけるｎ_ｉは、吹出口の法線ベクトルの成分である。なお、数１３式では、空気調和機１からの空気の吹出方向をｙ方向としている。数１３式におけるｖ_in,yは、吹出流速のｙ成分である。θ_inは吹出温度であり、ｕ_inは吹出速度の成分である。なお、数１３式では、θ_in、ｕ_inの各々は無次元化されているものとする。

　数１３式におけるλは、数１５式によって示される。

　数１５式におけるｐ_a,inとｎ_ｉとｘ_iとｖ_inとθ_inの各々は、数１３式におけるものと同様である。数１３式と数１５式におけるＲｅは、無次元の数であり、数１６式によって示される。

　数１６式におけるμは動粘性係数であり、Ｖ_refは代表速度であり、Ｌ_refは代表長さである。なお、代表速度および代表長さは、対象とする流れ場の状況に依存する任意の値であり、代表速度は例えば吹出速度であって、代表長さは例えば吹出口の幅の長さである。ここで、流れ場とは、空間上の任意の点で流速が定義されているベクトル場を指す。

　数１３式におけるＰｅは、無次元の数であり、数１７式によって示される。

　数１７式におけるＶ_refとＬ_refの各々は数１６式におけるものと同様である。数１７式におけるκは温度拡散率である。

　図６は、実施の形態１における連成解析部による感度の導出処理を例示するフローチャートである。図６に示すステップＳ２１～ステップＳ２２の処理は、図５のステップＳ１３における処理である。ステップＳ２１において連成解析部３６は、以下に示す数１８式～数２０式に基づいて、ステップＳ１１で導出した状態量から随伴変数の値を導出する。

　数１８式～数２０式における添え字ｉ、ｊは、空調対象空間のｘ座標とｙ座標とｚ座標の各々を示す添え字である。すなわち、ｉ、ｊの各々は１、２および３のいずれかを指し、ｘ₁は空調対象空間におけるｘ座標を示し、ｘ₂は空調対象空間におけるｙ座標を示し、ｘ₃は空調対象空間におけるｚ座標を示す。数１９式におけるｐ_aは数１３式のｐ_a,inである。数２０式におけるＴ_aは数１３式のＴ_a,inである。数１８式～数２０式におけるｖ_ｉは、数１３式におけるｖ_inのｉ成分であり、ｖ_ｊは、数１３式におけるｖ_inのｊ成分である。数１９式～数２０式のθは数１３式のθ_ｉｎである。数１９式～数２０式におけるｕ_ｉは、数１３式におけるｕ_inのｉ成分であり、ｕ_ｊは、数１３式におけるｕ_inのｊ成分である。ＲｅおよびＰｅは上記同様である。δ_i,2は、添え字ｉが２の場合には１となり、添え字ｉが２以外の場合には０となる。なお、ｉ＝２の方向は上記同様、吹出口の法線方向、すなわち吹出方向であって、ｙ方向である。

　数１９式～数２０式のαおよびβは係数であって、実施の形態１では、対象領域Ω内において0より大きい数であって、対象領域Ω外において０であるとする。数２０式におけるＲｉは、以下の数２１式によって示される。

　数２１式におけるｇは、数５式におけるｇと同様である。数２１式におけるＶ_refおよびＬ_refは上記同様である。β₀₀は体積膨張率であり、Ｔ_refは代表温度である。代表温度は、対象とする流れ場の状況に依存する任意の値であり、例えば吹出温度である。

　連成解析部３６は、ステップＳ２１において逆解析を行って随伴変数を導出する。ここで、逆解析とは、順解析と、因果関係、すなわち入出力を逆にするものであり、順解析の出力結果である状態量から、当該状態量を得るための境界条件等を導出する手法である。連成解析部３６は、境界条件等によって時間変化した状態場から、当該境界条件等を導出するため、時間の進行方向とは反対方向に沿って境界条件等を導出する。すなわち、実施の形態１では、時間の進行方向と反対方向に沿って、吹出口における境界条件に対応する随伴変数が導出される。

　図７は、実施の形態１における状態量と随伴変数の各々の導出処理の時間軸における方向を説明するための模式図である。図７に示すように、図５のステップＳ１１において連成解析部３６は、第１時間範囲における時点ｔのうち、開始時点をｔ_０とし、終了時点を（ｔ_０＋Ｔ）として、ｔ_０から（ｔ_０＋Ｔ）まで順番に状態量を導出する。なお、Ｔは第１時間範囲の長さである。連成解析部３６は、導出した、ｔ_０から（ｔ_０＋Ｔ）までの各時点ｔの状態量を記憶部３１に記憶する。

　図７に示すように、図６のステップＳ２１において連成解析部３６は、記憶部３１に記憶した各時点ｔの状態量から、数１８式～数２０式に基づいて、当該各時点ｔの随伴変数を導出する。このとき、連成解析部３６は、開始時点を（ｔ_０＋Ｔ）とし、終了時点をｔ_０として、（ｔ_０＋Ｔ）からｔ_０まで順番に、時間を遡るように随伴変数を導出する。

　図６のステップＳ２２において連成解析部３６は、ステップＳ１１で導出した状態量と、ステップＳ２１で導出した随伴変数とから、数１３式に基づいて感度を導出する。

　図５のステップＳ１４において連成解析部３６は、以下の数２２式に基づいて制御変数ベクトルを更新する。

　数２２式におけるｋは制御変数ベクトルの更新回数を示し、ｘ（ｔ）^kは更新前の制御変数ベクトルであり、ｘ（ｔ）^k+1は更新後の制御変数ベクトルである。すなわち、ｘ（ｔ）^kは、ｋ回目の更新によって得られている制御変数ベクトルであり、ｘ（ｔ）^k+1は、（ｋ＋１）回目の更新によって得られる制御変数ベクトルである。α（ｔ）^kは、更新回数がｋである場合の感度ベクトルであり、吹出温度および吹出速度等の各々の制御パラメータの感度に相当する成分を含む。ｄ^kは、制御変数ベクトルの各成分の更新幅である。なお、数２２式は、最急降下法に基づく更新手法によるものでもよいが、感度を示す情報による準ニュートン法などの更新手法等によるものでもよい。

　ステップＳ１５において連成解析部３６は、目的関数が収束するか否かを判定する。すなわち、連成解析部３６は、更新前の制御変数ベクトルから得られる目的関数と、更新後の制御変数ベクトルから得られる目的関数とによって、数１１式が成り立つか否かを判定する。あるいは、連成解析部３６は、ステップＳ１３において導出した感度が数１２式を満たすか否かを判定することによって、目的関数の収束に関する判定を行ってもよい。この場合には、ステップＳ１５の処理はステップＳ１３の処理後であって、ステップＳ１４の処理前、または、ステップＳ１４の処理と並行して行われてもよい。なお、数１２式は、例えば、以下の数２３式のように書き換えられる。数２３式のＬ、ｖ_in,y、θ_inは、数１３式の場合と同様である。δは任意の微小量である。

　ステップＳ１５において目的関数が収束しないと判定された場合には（ステップＳ１５：ＮＯ）、連成解析部３６は処理をステップＳ１１に戻す。この場合において連成解析部３６は、更新後の制御変数ベクトルに基づいて、当該ステップＳ１５からのステップＳ１１以降の処理を行う。ステップＳ１５において目的関数が収束すると判定された場合には（ステップＳ１５：ＹＥＳ）、連成解析部３６は解析処理を終了する。

　なお、ステップＳ１５の前もしくは後、または、ステップＳ１５と並行して、連成解析部３６は、ステップＳ１４で得られた制御変数ベクトルを記憶部３１に記憶する。ステップＳ１５で目的関数が収束したと判定された場合において記憶部３１に記憶される当該制御変数ベクトルは、制御パラメータの最適解を成分とするものである。連成解析部３６は、ステップＳ１４で得られた制御変数ベクトルを、室内モデルおよび機器モデルと対応付けて記憶部３１に記憶する。このとき、連成解析部３６は、室内モデルの境界条件のうち、空気調和機１の吹出口についての境界条件を、ステップＳ１４で得られた制御変数ベクトルが示す条件とする。連成解析部３６は、ステップＳ１１以降の処理を再実行する場合には、機器モデルに基づく上記第１の値を、ステップＳ１４で得られた制御変数ベクトルの成分の値によって更新する。

　図２の参照に戻る。実施の形態１における制御目標決定部３７は、連成解析部３６によって得られた最適解によって実現される空調対象空間内の温度分布に基づいて、第１位置での温度を制御目標温度として決定する。当該第１位置としては、上述の温度センサの設置位置、または、対象領域内の位置等が挙げられる。制御目標決定部３７は、決定した制御目標温度を、室内モデル、機器モデル、および最適解に対応付けて記憶部３１に記憶する。なお、制御目標決定部３７は、連成解析部３６によって得られた最適解によって実現される空調対象空間内の空気の流速分布に基づいて、第２位置での空気の流速を制御目標速度として決定し、記憶部３１に記憶してもよい。当該第２位置としては、上述の流速計の設置位置、または、対象領域内の位置等が挙げられる。制御目標決定部３７は、連成解析部３６によって得られた最適解によって実現される空調対象空間内の空気の圧力分布に基づいて、第３位置での気圧を制御目標気圧として決定し、記憶部３１に記憶してもよい。当該第３位置としては、上述の気圧計の設置位置、または、対象領域内の位置等が挙げられる。以下では、制御目標温度と制御目標速度と制御目標気圧の各々の値を、制御目標値と記載する場合もある。

　指令部３８は、制御目標決定部３７において導出された制御目標値に基づいて空気調和機１を制御する。

　ここで、空調制御装置３は、制御目標決定部３７が決定し、記憶部３１に記憶した制御目標値に基づいて空気調和機１を制御してもよい。しかし、空調対象空間における家具の配置の変化、季節変化、または、ユーザによる設定内容の変化等に基づいて、室内モデル、機器モデル、または上記目標状態量も変化し得る。そのため、空調制御装置３は、特定のタイミングにおいて室内モデルおよび機器モデルの両方または一方のモデルを再構築し、再構築したモデルに基づいて最適解を導出し、制御目標値を再決定してもよい。なお、特定のタイミングとしては、１日のうちの特定の時間、１～４週間のうちの特定の日時、１～３ヶ月のうちの特定の日時、または、空気調和機１もしくは空調制御装置３の起動時等が挙げられる。この特定のタイミングはユーザによって設定されてもよい。以下、当該特定のタイミングにおける空調制御装置３による処理について、図８を参照して説明する。

　図８は、実施の形態１に係る空調制御装置による特定のタイミングにおける制御目標値の決定処理を例示するフローチャートである。なお、ステップＳ３１に先立ち、室内モデル構築部３３によって室内モデルが構築され、機器モデル構築部３４によって機器モデルが構築されるものとする。ステップＳ３１において制御目標決定部３７は、第１条件が満たされているか否かを判定する。第１条件とは、室内モデル構築部３３が構築した室内モデルが、記憶部３１に記憶されている室内モデルと同一であり、且つ、機器モデル構築部３４が構築した機器モデルが、記憶部３１に記憶されている機器モデルと同一であるという条件を含む。第１条件には、室内モデルにおける境界条件のうち、空気調和機１の吹出口に関する境界条件が示す吹出温度および吹出速度等の制御パラメータの値が、最適解として既に記憶されている制御パラメータの値と等しいという条件も含まれる。また、第１条件には、新たに得られた指示情報が示す目標温度および目標流速などの目標状態量が、既に設定されて記憶されている目標状態量と等しいという条件も含まれる。なお、第１条件は、室内モデル構築部３３が構築した室内モデルが、記憶部３１に記憶されている室内モデルと同一との条件と、機器モデル構築部３４が構築した機器モデルが、記憶部３１に記憶されている機器モデルと同一との条件と、新たに得られた目標状態量が、記憶部３１に記憶されている目標状態量と同一との条件と、のうちの少なくともいずれか１つの条件を含むものでもよい。

　ステップＳ３１において第１条件が満たされた場合には（ステップＳ３１：ＹＥＳ）、空調制御装置３は処理をステップＳ３３に移す。ステップＳ３１において第１条件が満たされていない場合には（ステップＳ３１：ＮＯ）、ステップＳ３２において連成解析部３６は、上述した図５および図６で示される解析処理を実行する。このとき、連成解析部３６は得られた最適解を記憶する。ステップＳ３２の処理後、空調制御装置３は処理をステップＳ３３に移す。ステップＳ３３において制御目標決定部３７は、記憶部３１が記憶する最適解に基づいて制御目標値を決定する。ステップＳ３４において指令部３８は、ステップＳ３３で決定された制御目標値に基づいて空気調和機１を制御する。

　これにより、適切なタイミングにおいて空調対象空間における空調の最適化が図られる。なお、上述のステップＳ３１の処理に先立ち、対象領域決定部３５は対象領域を再決定してもよい。

　以下、図９を参照し、空調制御装置３のハードウェア構成について説明する。図９は、実施の形態１に係る空調制御装置のハードウェア構成を例示する図である。空調制御装置３は、例えば、互いに第１バス４０によって接続された第１プロセッサ４１と第１メモリ４２とストレージ装置４３と入力インターフェース回路４４と入出力インターフェース回路４５等によって構成可能である。第１プロセッサ４１は、例えば、ＣＰＵ（Central Processing Unit）またはＭＰＵ（Micro Processing Unit）である。第１メモリ４２は、例えば、ＲＯＭ（Read Only Memory）またはＲＡＭ（Random Access Memory）である。ストレージ装置４３は、例えば、ＨＤＤ（Hard Disk Drive）などの磁気ディスクでもよいし、ＣＤ（Compact Disc）などの光学ディスクでもよい。あるいは、ストレージ装置４３は、ＵＳＢ（Universal Serial Bus）メモリまたはＳＤメモリカード等のフラッシュメモリでもよい。

　取得部３０による機能は、複数のセンサ２０と接続された入力インターフェース回路４４、および、空気調和機１と接続された入出力インターフェース回路４５によって実現可能である。なお、取得部３０による機能は、入力インターフェース回路４４と入出力インターフェース回路４５と第１プロセッサ４１とによって実現してもよい。記憶部３１による機能は、ストレージ装置４３によって実現可能である。なお、記憶部３１による機能は、第１メモリ４２によって実現してもよく、この場合には、空調制御装置３にストレージ装置４３は含まれなくてもよい。現在状態推定部３２と室内モデル構築部３３と機器モデル構築部３４と対象領域決定部３５と連成解析部３６と制御目標決定部３７の機能は、第１プロセッサ４１が第１メモリ４２に記憶されている各種プログラムを読み出して実行することにより実現可能である。指令部３８による機能は、入出力インターフェース回路４５によって実現可能である。なお、指令部３８による機能は、入出力インターフェース回路４５および第１プロセッサ４１によって実現してもよい。なお、上述した空調制御装置３の全部または一部の機能は、専用のハードウェアによって実現されてもよい。

　以下、実施の形態１に係る空調制御装置３による効果について記載する。実施の形態１に係る空調制御装置３は、空調対象空間の空調を行う空気調和機１を制御する。空調制御装置３は、取得部３０と室内モデル構築部３３と連成解析部３６と制御目標決定部３７と指令部３８とを備える。取得部３０は、空調対象空間の形状を示す部屋形状情報、および、空調対象空間内の空気の状態に関する空気状態情報を取得する。室内モデル構築部３３は、部屋形状情報および空気状態情報に基づいて、ＣＦＤシミュレーションのための室内モデルを構築する。連成解析部３６は、室内モデルに基づいてＣＦＤシミュレーションを実行する。すなわち、連成解析部３６は、予め定められた第１時間範囲における各時点での空気の状態を示す状態量を導出する。そして、連成解析部３６は、予め設定された目標状態量からの前記各時点での状態量の偏差を導出し、第１時間範囲において前記各時点の偏差を積分し、積分によって得られた積分値を含む目的関数が最小となる空気調和機１の制御パラメータの最適解を導出する。制御目標決定部３７は、最適解に基づいて制御パラメータの目標値である制御目標値を決定する。指令部３８は、制御目標値に基づいて空気調和機１に指令を行う。

　上記構成によれば、取得部３０は、部屋形状情報と空気状態情報を取得し、室内モデル構築部３３は、部屋形状情報と空気状態情報とに基づいて室内モデルを構築する。これにより、現在の空調対象空間の空気の状態に応じた室内モデルの構築が可能になる。連成解析部３６は、このような室内モデルから最適解を得、空調制御装置３は、当該最適解に基づいて空気調和機１を制御するため、空気調和機１は、現在の空調対象空間の空気の状態を、ユーザが所望する空気の状態へ変化させることが可能になる。従って、最適解が元々得られていない状態であっても、空気調和機１はユーザが所望する空調を行うことができ、ユーザの快適性の迅速な向上が可能になる。

　実施の形態１における取得部３０は、空調対象空間内の人の滞在領域を示す滞在情報を取得する。空調制御装置３は、滞在情報に基づいて、空調対象空間における空調制御対象の領域である対象領域を決定する対象領域決定部３５を更に備える。連成解析部３６は、第１時間範囲および前記対象領域において、各時点での偏差を積分することによって目的関数を導出する。これにより、連成解析部３６は、目的関数の導出において、空調対象空間全体に亘る積分処理を行う必要がなくなり、処理量が低減される。従って、ユーザが所望する空調が得られるまでの時間が短縮される。よって、空調制御装置３は、ユーザの快適性を迅速に向上可能となる。

　実施の形態１における滞在情報は、空調対象空間の温度分布を示す温度分布情報である。対象領域決定部３５は、温度分布情報に基づいて、空調対象空間において人が存在する領域を特定し、特定した領域に人が存在する頻度を取得する。そして、対象領域決定部３５は、取得した頻度に基づいて対象領域を決定する。これにより、空調制御装置３は、人が居る頻度が高い領域を空調対象とすることができ、その結果、ユーザの快適性の向上と省エネルギー化とが図られる。

　実施の形態１における制御目標決定部３７は、最適解によって実現される空調対象空間の温度分布上での、予め定められた第１位置における気温に基づいて制御目標値を決定する。これにより、制御目標値の決定処理の迅速化と容易化とが図られる。従って、ユーザの所望する空調の実現の迅速化が図られる。

　実施の形態１における取得部３０は、空気調和機１から、空気調和機１の性能に関する機器情報を取得する。空調制御装置３は、機器モデル構築部３４を更に備える。機器モデル構築部３４は、機器情報に基づいて、制御パラメータの値の条件を既定する機器モデルを構築する。連成解析部３６は、機器モデルに基づいて目的関数を導出する。これにより、空気調和機１の性能に応じた制御パラメータの最適解が得られる。従って、空調制御装置３は、空気調和機１の性能に応じた適切な指令を空気調和機１に行うことができる。

　実施の形態１における室内モデルは、機器モデルに基づく、空気調和機１からの空気の吹出口における状態量を含む。これにより、実際に設置されている空気調和機１からの空気の吹出速度と吹出温度等が、室内モデルにおける境界条件に反映されるため、室内モデルの精度の向上が図られる。

　実施の形態１における機器モデルは、空気調和機１の成績係数と、制御パラメータとの値とを関連付けた情報を含む。これにより、成績係数を向上させる最適解の導出が可能になる。

　実施の形態１における取得部３０は、空気調和機１に人が入力した設定内容を示す指示情報を取得する。目標状態量は、指示情報に基づいて定められる。これにより、連成解析部３６は、ユーザが所望する空調の実現のための最適解を得ることができる。

　空調制御装置３は、記憶部３１を更に備える。記憶部３１は、室内モデルと目標状態量と機器モデルと最適解とを関連付けて記憶する。制御目標決定部３７は、特定のタイミングで取得部３０が再取得した指示情報に基づく目標状態量が、記憶部３１に記憶された目標状態量と等しく、特定のタイミングで取得部３０が再取得した空気状態情報に基づく室内モデルが、記憶部３１に記憶された室内モデルと等しく、且つ、特定のタイミングで取得部３０が再取得した機器情報に基づく機器モデルが、記憶部３１に記憶された機器モデルと等しい場合には、記憶部３１に記憶された最適解に基づく制御目標値を導出する。これにより、空調対象空間の空気の状態と指示情報とに変化がなく、空気調和機１の変更もない状態において空調制御装置３は、記憶された最適解に基づく制御を行うことによって、最適解の導出処理の削減など、処理の低減を図りながら、ユーザの所望する空調を空気調和機１に行わせることができる。従って、空調制御装置３は、速やかに制御処理を実行可能となり、ユーザの快適性の向上の更なる迅速化が図られる。

　実施の形態２．
　以下、実施の形態２に係る空調制御装置３について詳述する。なお、実施の形態２では、実施の形態１における構成要素と同様の構成要素に対し、同一の符号を付すものとする。また、実施の形態２において、実施の形態１における構成と同様の構成、および、実施の形態１における機能と同様の機能等については、特段の事情がない限り説明を省略する。

　実施の形態２に係る空調システム１００の構成は、実施の形態１と同様に図１で例示され、実施の形態２に係る空調制御装置３の構成は、実施の形態１と同様に図２で例示される。また、実施の形態２に係る空調制御装置３のハードウェア構成は、実施の形態１と同様に図９で例示される。

　実施の形態２における滞在情報は、温度分布情報である。実施の形態２における取得部３０は、ユーザがリモートコントローラ１２または上記端末装置に入力した指示を示す信号の電波強度と電波受信方向と示す電波情報を取得する。なお、電波強度は、空調制御装置３または室内機１１が、リモートコントローラ１２または端末装置から受信する電波の強度を指す。電波受信方向とは、空調制御装置３または室内機１１が、リモートコントローラ１２または端末装置からの電波を受信する方向を指す。

　取得部３０は、電波情報を取得した場合には、当該電波情報を取得した時点の前後、予め定められた規定時間以内に取得した温度分布情報を当該電波情報と対応付けて記憶部３１に記憶する。なお、当該規定時間は、例えば、１０［秒］～３［分］などである。取得部３０は、電波情報の取得時点以後において最初に取得した温度分布情報、または、電波情報の取得時点以前において最後に取得した温度分布情報を、当該電波情報と対応付けて記憶部３１に記憶してもよい。

　取得部３０は、空調対象空間の温度分布について検知するセンサ２０から常時、温度分布情報を取得してもよい。あるいは、取得部３０は、電波情報の取得をトリガとして温度分布情報を空調制御装置３に送信するよう当該センサ２０に要求信号を送信し、要求信号の応答として当該センサ２０から温度分布情報を取得してもよい。なお、取得部３０が当該センサ２０を含む場合には、取得部３０は、電波情報の取得をトリガとして温度分布情報を取得してもよい。あるいは、取得部３０は、温度分布情報を常時取得するものでもよい。

　取得部３０は、上述の決定用時間の間、複数回に亘って電波情報および温度分布情報を取得し、各時点において取得した電波情報と、当該電波情報の取得時点前後の規定時間以内に取得した温度分布情報と、を対応付けて記憶部３１に記憶してもよい。なお、実施の形態２における決定用時間の長さは、実施の形態１における決定用時間と長さと等しくてもよいし、異なってもよい。

　実施の形態２における対象領域決定部３５は、ＡＩ（Artificial Intelligence）の機能が搭載されている。図１０は、実施の形態２における対象領域決定部の構成例を示すブロック図である。実施の形態２の対象領域決定部３５は、学習モデル生成部３５０と推定部３５１とを有する。

　学習モデル生成部３５０は、記憶部３１から互いに対応付けた温度分布情報と電波情報とを取得する。学習モデル生成部３５０は、電波情報に基づいて、リモートコントローラ１２または端末装置の位置を示す位置情報を取得する。なお、リモートコントローラ１２または端末装置の位置は、リモートコントローラ１２または端末装置に操作を行うユーザが居る位置と一致するか、当該ユーザの位置から例えば１［ｍ］以内の位置と推定される。そのため、位置情報は、取得部３０が電波情報を取得した時点におけるユーザの位置を示す情報に対応する。学習モデル生成部３５０は、電波情報と共に、部屋形状情報に基づいて位置情報を取得してもよい。なお、位置情報と部屋形状情報と温度分布情報の各々の空間座標は対応付けられている。

　学習モデル生成部３５０は、位置情報と温度分布情報、または、位置情報と温度分布情報と部屋形状情報に基づいて機械学習を行い、学習済みのモデルを生成する。以下では、位置情報と温度分布情報の組み合わせ、または、当該組み合わせに部屋形状情報を加えたものを学習用データと記載する場合もある。また、当該学習済みのモデルを学習モデルと記載する場合もある。学習モデル生成部３５０は、より詳細には、学習用データにおける位置情報を正解とし、温度分布情報からユーザの滞在領域を推定するための学習モデルを生成する。学習モデル生成部３５０は、生成した学習モデルを記憶部３１に記憶する。

　図１１は、実施の形態２における位置情報に基づくユーザの滞在領域を例示する模式図である。図１１では、リモートコントローラ１２を操作するユーザＨの周囲のハッチングが施された領域が、ユーザの滞在領域ＢＡとして得られる。なお、図１１では、ユーザＨの手元にリモートコントローラ１２が示され、リモートコントローラ１２の位置を示す位置情報に基づいて滞在領域ＢＡが得られているが、リモートコントローラ１２の当該位置情報に代え、または、リモートコントローラ１２の当該位置情報と共に、ユーザＨの端末装置の位置を示す位置情報に基づいて滞在領域ＢＡが得られてもよい。

　なお、学習モデル生成部３５０は、教師あり学習、教師なし学習、または強化学習等の公知の学習アルゴリズムに基づいて学習モデルを生成する。以下では、一例として、学習モデル生成部３５０は、ニューラルネットワークによって、教師あり学習のアルゴリズムに基づいて学習モデルを生成する場合について説明する。

　図１２は、実施の形態２におけるニューラルネットワークの一例を示す模式図である。ニューラルネットワークは、複数のニューロンによる入力層と、１以上のニューロンによる中間層と、複数のニューロンによる出力層によって構成される。図１２では、３つのニューロンによる３層の入力層Ｘ１～Ｘ３と、２つのニューロンによる２層の中間層Ｙ１～Ｙ２と、３つのニューロンによる３層の出力層Ｚ１～Ｚ３とが示される。

　図１２では、複数の入力値が入力層Ｘ１～Ｘ３に入力されると、当該入力値に重みｗ１１～ｗ１６が付された中間値が中間層Ｙ１～Ｙ２に入力される。そして、当該中間値に重みｗ２１～ｗ２６が付された出力値が出力層Ｚ１～Ｚ３から得られる。なお、出力層Ｚ１～Ｚ３からの出力値は、重みｗ１１～ｗ１６および重みｗ２１～ｗ２６の各値によって、入力値が同じであっても変化し得る。

　学習モデル生成部３５０は、温度分布情報と部屋形状情報とを入力層に入力し、出力層からの出力結果が位置情報となるよう、または、位置情報に近づくよう、図１２においてｗ１１～ｗ１６およびｗ２１～ｗ２６で例示される重みを調整することによって学習を行い、学習モデルを生成する。

　推定部３５１は、記憶部３１に記憶された学習モデルに基づいて、取得部３０が取得した温度分布情報などからユーザの位置を推定し、対象領域を決定する。

　なお、学習モデル生成部３５０および推定部３５１の両方または一方は、空調制御装置３の外部に設けられてもよい。具体的には、学習モデル生成部３５０および推定部３５１の両方または一方は、空調制御装置３と通信を行う、例えばクラウドサーバなどの他の装置に設けられてもよい。具体的には、学習モデル生成部３５０が空調制御装置３の外部に設けられる場合には、学習モデル生成部３５０は、取得部３０が取得した電波情報と温度分布情報と部屋形状情報とを空調制御装置３から受信する。そして、学習モデル生成部３５０は、受信した電波情報から位置情報を取得し、位置情報と温度分布情報と部屋形状情報とから学習モデルを生成する。そして、学習モデル生成部３５０は、生成した学習モデルを空調制御装置３に送信し、記憶部３１は、学習モデル生成部３５０からの学習モデルを記憶する。

　図１３は、実施の形態２における空調制御装置による電波情報の取得処理を例示するフローチャートである。ステップＳ４１において取得部３０は、電波情報を取得する。ステップＳ４２において取得部３０は、ステップＳ４１で取得した電波情報と、以下の温度分布情報とを対応付けて記憶部３１に記憶する。当該温度分布情報は、取得部３０がステップＳ４１で電波情報を取得した時点以後、規定時間以内に取得した温度分布情報である。もしくは、当該温度分布情報は、取得部３０がステップＳ４１で電波情報を取得した時点以前、規定時間以内に取得した温度分布情報である。あるいは、当該温度分布情報は、取得部３０がステップＳ４１で電波情報を取得した時点以前において最後に取得した温度分布情報、または、取得部３０がステップＳ４１で電波情報を取得した時点以後において最初に取得した温度分布情報である。なお、取得部３０は、温度分布情報と共に部屋形状情報を取得し、当該部屋形状情報を電波情報と温度分布情報とに対応付けて記憶部３１に記憶してもよい。これにより、家具の配置の変更、または、リフォーム等によって空調対象空間の形状が変化しても、変化後の部屋形状に応じた学習用データが得られる。

　ステップＳ４３において取得部３０または対象領域決定部３５は、取得部３０が最初に電波情報を取得した時点から決定用時間が経過したか否かを判定する。決定用時間が経過した場合には（ステップＳ４３：ＹＥＳ）、空調制御装置３は電波情報の取得処理を終了する。決定用時間が経過していない場合には（ステップＳ４３：ＮＯ）、空調制御装置３は、処理をステップＳ４１に戻す。ステップＳ４３の処理後に再実行されるステップＳ４２の処理では、取得部３０は、新たに取得した電波情報と温度分布情報等によって、記憶部３１に記憶された電波情報および温度分布情報等を更新することなく、電波情報および温度分布情報等を累積的に記憶する。なお、学習用データは、一時点における電波情報に基づく位置情報を含むものでもよく、この場合には、ステップＳ４３の処理は省かれてもよい。

　図１４は、実施の形態２における学習モデル生成部による学習処理を例示するフローチャートである。ステップＳ５１において学習モデル生成部３５０は、記憶部３１から電波情報と温度分布情報と部屋形状情報とを取得する。当該記憶部３１における部屋形状情報は、電波情報の取得に伴って取得されたものであってもよいし、予め取得されたものであってもよい。

　ステップＳ５２において学習モデル生成部３５０は、電波情報に基づいて位置情報を取得する。ステップＳ５３において学習モデル生成部３５０は、位置情報と温度分布情報と部屋形状情報とを含む学習用データに基づいて学習モデルを生成する。ステップＳ５４において学習モデル生成部３５０は、生成した学習モデルを記憶部３１に記憶する。ステップＳ５４の処理後、学習モデル生成部３５０は、学習処理を終了する。

　図１５は、実施の形態２に係る空調制御装置による対象領域の決定処理を例示するフローチャートである。ステップＳ６１において取得部３０は、温度分布情報を取得する。この場合において取得部３０は、部屋形状情報を取得してもよい。ステップＳ６２において推定部３５１は、ステップＳ６１において取得された温度分布情報から、学習モデルに基づいてユーザの滞在領域を推定し、対象領域を決定する。このとき、推定部３５１は、温度分布情報と共に部屋形状情報から対象領域を決定してもよい。当該部屋形状情報は、ステップＳ６１で取得された部屋形状情報であってもよいし、予め取得部３０が取得して記憶部３１に格納した部屋形状情報であってもよい。ステップＳ６２の処理後、空調制御装置３による対象領域の決定処理は終了する。

　実施の形態２では、取得部３０が電波強度と電波受信方向とを示す電波情報を取得するものとしたが、リモートコントローラ１２とユーザの端末装置のうちの両方または一方の装置が例えばＧＰＳ（Global Positioning System）などの機能を有し、取得部３０は、当該装置の位置を示す位置情報を当該装置から取得してもよい。あるいは、当該装置の空調対象空間における位置の特定のためのアプリケーションプログラムが当該装置にインストールされ、取得部３０は当該装置から位置情報を取得してもよい。これらの場合には、記憶部３１には、位置情報を含む学習用データが記憶され、学習モデル生成部３５０は、電波情報に基づく位置情報の取得処理を行うことなく、記憶部３１からの学習用データから学習モデルを生成する。なお、この場合には、上記ステップＳ４１～ステップＳ４３の処理における電波情報は、位置情報に読み替えられる。また、ステップＳ５１における電波情報は位置情報に読み替えられ、ステップＳ５２の処理は省かれる。

　実施の形態２では、学習モデル生成部３５０は、空調対象空間内の温度分布について検知する１つのセンサ２０からの温度分布情報によって学習モデルを生成した。しかし、空調対象空間内の温度分布について検知するセンサ２０の数は変更可能であってもよい。学習モデル生成部３５０は、空調対象空間の温度分布を検知する複数のセンサ２０の各々からの温度分布情報に基づいて、学習モデルを作成してもよい。なお、当該複数のセンサ２０は、それぞれ、空調対象空間において別々の位置に設置されている。これにより、学習モデル生成部３５０は、空調対象空間の温度分布についてより詳細に情報を得ることができる。そのため、学習モデル生成部３５０は、より精度の高い学習モデルを生成可能になり、推定部３５１によるユーザの位置に関する推定処理の精度が向上する。

　実施の形態２では、学習モデル生成部３５０は、空調対象空間内の部屋形状について検知する１つのセンサ２０からの部屋形状情報によって学習モデルを生成した。しかし、空調対象空間内の部屋形状について検知するセンサ２０の数は変更可能であってもよい。学習モデル生成部３５０は、空調対象空間の部屋形状情報を検知する複数のセンサ２０の各々からの部屋形状情報に基づいて、学習モデルを作成してもよい。なお、当該複数のセンサ２０は、それぞれ、空調対象空間において別々の位置に設置されている。これにより、学習モデル生成部３５０は、空調対象空間の部屋形状についてより詳細に情報を得ることができる。そのため、学習モデル生成部３５０は、より精度の高い学習モデルを生成可能になり、推定部３５１によるユーザの位置に関する推定処理の精度が向上する。

　実施の形態２では、学習モデル生成部３５０は、１つのリモートコントローラ１２からの電波情報または位置情報に基づいて学習モデルを生成した。しかし、リモートコントローラ１２の数は変更可能であってもよい。学習モデル生成部３５０は、複数のリモートコントローラ１２の各々からの電波情報または位置情報に基づいて学習モデルを作成してもよい。これにより、学習モデル生成部３５０は、空調対象空間内に複数のユーザが居る場合において、各リモートコントローラ１２からの信号から得られる各ユーザの位置と、温度分布情報が示す各熱源の位置とを対応付けることが可能になる。従って、学習モデル生成部３５０は、学習用データから、推定部３５１がより精度良く各ユーザの位置を推定するための学習モデルを生成可能になる。

　実施の形態２では、学習モデル生成部３５０は、１つの端末装置からの電波情報または位置情報に基づいて学習モデルを生成した。しかし、端末装置の数は変更可能であってもよい。学習モデル生成部３５０は、複数の端末装置の各々からの電波情報または位置情報に基づいて学習モデルを作成してもよい。これにより、学習モデル生成部３５０は、空調対象空間内に複数のユーザが居る場合において、各端末装置からの信号から得られる各ユーザの位置と、温度分布情報が示す各熱源の位置とを対応付けることが可能になる。従って、学習モデル生成部３５０は、学習用データから、推定部３５１がより精度良く各ユーザの位置を推定するための学習モデルを生成可能になる。

　実施の形態２では、空調システム１００が１つの空調制御装置３を含む場合について説明したが、空調システム１００における空調制御装置３の数は変更可能であってもよい。空調システム１００は、複数の空調制御装置３を有してもよい。この場合には、複数の空調制御装置３のうちの１つの空調制御装置３における学習モデル生成部３５０が、全ての空調制御装置３が取得した温度分布情報等に基づき学習モデルを生成してもよい。そして、当該１つの空調制御装置３の学習モデル生成部３５０が生成した学習モデルを、他の空調制御装置３に記憶させてもよい。この場合には、当該他の空調制御装置３は当該学習モデルに基づいてユーザの位置を推定してもよいし、再学習により、当該学習モデルを更新してもよい。上述の他、複数の空調制御装置３の外部に設けられた学習モデル生成部３５０が、全ての空調制御装置３が取得した温度分布情報等に基づき学習モデルを生成してもよい。そして、当該外部の学習モデル生成部３５０が生成した学習モデルを当該複数の空調制御装置３に記憶させてもよい。この場合には、各空調制御装置３は、当該学習モデルに基づいてユーザの位置を推定してもよいし、再学習により、当該学習モデルを更新してもよい。

　実施の形態２では、学習モデル生成部３５０が、入力層と中間層と出力層とによるニューラルネットワークによって学習モデルを生成する場合を例に挙げて説明した。しかし、学習モデル生成部３５０は、深層学習（Deep Learning）に基づいて学習モデルを生成してもよい。あるいは、学習モデル生成部３５０は、例えば遺伝的プログラミング、機能論理プログラミング、またはサポートベクターマシン等によって機械学習を実行してもよい。

　以下、実施の形態２に係る空調制御装置３による効果について記載する。実施の形態２の滞在情報は、空調対象空間の温度分布を示す温度分布情報である。取得部３０は、空気調和機１を操作するためのリモートコントローラ１２または端末装置からの電波を受信し、電波の強度と受信方向とを示す電波情報を取得する。対象領域決定部３５は、電波情報と温度分布情報とから得られる、空調対象空間内における人が存在する領域を推定するための学習モデルに基づいて、対象領域を決定する推定部３５１を有する。電波発信時のリモートコントローラ１２または端末装置は、ユーザの位置と対応付けられる。そのため、電波情報によって、温度分布情報が示す熱源のうち、人の特定が可能になる。空調制御装置３は、電波情報と温度分布情報から得られる学習モデルに基づいて、滞在情報から、人の位置を含む領域を精度良く対象領域として決定可能となる。

　実施の形態２における対象領域決定部３５は、学習モデル生成部３５０を更に有する。学習モデル生成部３５０は、電波情報に基づいて、リモートコントローラ１２または端末装置の位置を示す位置情報を取得し、位置情報および温度分布情報に基づいて、空調対象空間内における人が存在する領域を推定するための学習モデルを生成する。これにより、推定部３５１は、当該学習モデルによって、滞在情報から人の位置を高精度に推定可能になる。そのため、対象領域決定部３５は、人が存在する対象領域を精度良く決定可能となる。従って、対象領域に亘る偏差の積分によって得られる目的関数の精度も向上する。よって、空調制御装置３は、空調の最適化を効率的に実行できる。

　実施の形態２における滞在情報は、空調対象空間の温度分布を示す温度分布情報である。取得部３０は、空気調和機１を操作するためのリモートコントローラ１２または端末装置の位置を示す位置情報を、リモートコントローラ１２または端末装置から取得する。対象領域決定部３５は推定部３５１を有する。推定部３５１は、位置情報と温度分布情報とから得られる、空調対象空間内における人が存在する領域を推定するための学習モデルに基づいて対象領域を決定する。電波発信時のリモートコントローラ１２または端末装置は、ユーザの位置と対応付けられる。そのため、リモートコントローラ１２または端末装置の位置によって、温度分布情報が示す熱源のうち、人の特定が可能になる。空調制御装置３は、電波情報と温度分布情報から得られる学習モデルに基づいて、滞在情報から、人の位置を含む領域を精度良く対象領域として決定可能となる。

　実施の形態２における対象領域決定部３５は、学習モデル生成部３５０を更に有する。学習モデル生成部３５０は、位置情報および温度分布情報に基づいて、空調対象空間内における人が存在する領域を推定するための学習モデルを生成する。これにより、推定部３５１は、当該学習モデルによって、滞在情報から人の位置を高精度に推定可能になる。そのため、対象領域決定部３５は、人が存在する対象領域を精度良く決定可能となる。従って、対象領域に亘る偏差の積分によって得られる目的関数の精度も向上する。よって、空調制御装置３は、空調の最適化を効率的に実行できる。

　実施の形態３．
　以下、実施の形態３に係る空調制御装置３について詳述する。なお、実施の形態３では、実施の形態１～実施の形態２における構成要素と同様の構成要素に対し、同一の符号を付すものとする。また、実施の形態３において、実施の形態１～実施の形態２における構成と同様の構成、および、実施の形態１～実施の形態２における機能と同様の機能等については、特段の事情がない限り説明を省略する。

　実施の形態３に係る空調システム１００の構成は、実施の形態１～実施の形態２と同様に図１で例示され、実施の形態３に係る空調制御装置３の構成は、実施の形態１～実施の形態２と同様に図２で例示される。また、実施の形態３に係る空調制御装置３のハードウェア構成は、実施の形態１～実施の形態２と同様に図９で例示される。

　実施の形態１では、連成解析部３６は、第１時間範囲における各時点での状態変数ベクトルを導出し、各時点の状態変数ベクトルから各時点での随伴変数ベクトルを導出した。このとき、連成解析部３６は、逆解析によって随伴変数ベクトルを導出するため、各時点での状態変数ベクトルを、記憶部３１または連成解析部３６の上記第１メモリ４２に記憶させた状態で読み出す必要がある。しかし、この場合には、第１メモリ４２におけるデータ量が増大し、処理が遅くなる、または、第１メモリ４２の容量が足りなくなるなどの虞がある。実施の形態３における連成解析部３６は、このような問題を解決するため、以下の処理を行う。

　図１６は、実施の形態３における連成解析部による随伴変数および感度の導出処理について説明するための図である。図１６における、直線状に延びる白抜き矢印は、連成解析部３６による処理の流れの方向を示す。連成解析部３６は、まず、上述のＣＦＤシミュレーションによって、第１時間範囲において、時間の進行方向に沿って状態変数ベクトルの導出を行う。その後、連成解析部３６は、第１時間範囲における複数の時点を選択し、当該複数の時点での状態変数ベクトルを第１メモリ４２に記憶する。当該複数の時点同士の間には、予め定められた時間間隔が設けられる。以下では、当該複数の時点の各々をチェック時点と記載する場合もある。

　連成解析部３６は、上記ＣＦＤシミュレーションで得られた第１時間範囲の各時点ｔの状態変数ベクトルのうち、チェック時点ｔ_ｍにおける状態変数ベクトルを第１メモリ４２に保存する。なお、ｍは０からｎまでの整数であり、ｎは１以上の整数である。図１６では、解析の開始時点ｔ_０から終了時点（ｔ_０＋Ｔ）までの第１時間範囲のうち、（ｎ＋１）個のチェック時点ｔ_ｍが選択され、各チェック時点ｔ_ｍの状態変数ベクトルが第１メモリ４２に保存される。

　連成解析部３６は、チェック時点ｔ_ｍを遡りながら、順解析と逆解析とを行って、チェック時点ｔ_ｍ～チェック時点ｔ_ｍ＋１における各時点ｔでの感度を導出する。以下、詳細に説明する。

　連成解析部３６は、１回目の順解析として、チェック時点ｔ_ｎ－１からチェック時点ｔ_ｎまでの各時点の状態変数ベクトルを導出する。このとき、連成解析部３６は、既に得られている、チェック時点ｔ_ｎ－１とチェック時点ｔ_ｎの各々の状態量を含む室内モデルに基づいてＣＦＤシミュレーションを実行する。連成解析部３６は、１回目の逆解析として、チェック時点ｔ_ｎ－１からチェック時点ｔ_ｎまでの各時点ｔの状態変数ベクトルに基づいて、チェック時点ｔ_ｎからチェック時点ｔ_ｎ－１までの各時点ｔの随伴変数ベクトルを導出する。そして、連成解析部３６は、１回目の感度導出処理として、チェック時点ｔ_ｎ－１からチェック時点ｔ_ｎまでの各時点ｔの状態変数ベクトルと、チェック時点ｔ_ｎからチェック時点ｔ_ｎ－１までの各時点ｔの随伴変数ベクトルとに基づき、チェック時点ｔ_ｎ－１～チェック時点ｔ_ｎでの感度を導出する。

　連成解析部３６は、２回目の順解析として、チェック時点ｔ_ｎ－２からチェック時点ｔ_ｎ－１までの各時点ｔの状態変数ベクトルを導出する。このとき、連成解析部３６は、既に得られている、チェック時点ｔ_ｎ－２とチェック時点ｔ_ｎ－１の各々の状態量を含む室内モデルに基づいてＣＦＤシミュレーションを実行する。連成解析部３６は、２回目の逆解析として、チェック時点ｔ_ｎ－２からチェック時点ｔ_ｎ－１までの各時点ｔの状態変数ベクトルに基づいて、チェック時点ｔ_ｎ－１からチェック時点ｔ_ｎ－２までの各時点ｔの随伴変数ベクトルを導出する。そして、連成解析部３６は、２回目の感度導出処理として、チェック時点ｔ_ｎ－２からチェック時点ｔ_ｎ－１までの各時点ｔの状態変数ベクトルと、チェック時点ｔ_ｎ－１からチェック時点ｔ_ｎ－２までの各時点ｔの随伴変数ベクトルとに基づき、チェック時点ｔ_ｎ－２～チェック時点ｔ_ｎ－１での感度を導出する。

　連成解析部３６は、最終のｎ回目の順解析として、チェック時点ｔ_０からチェック時点ｔ_１までの各時点の状態変数ベクトルを導出し、ｎ回目の逆解析として、チェック時点ｔ_１からチェック時点ｔ_０までの各時点の随伴変数ベクトルを導出する。そして、連成解析部３６は、ｎ回目の感度導出処理として、チェック時点ｔ_０からチェック時点ｔ_１までの各時点の状態変数ベクトルと、チェック時点ｔ_１からチェック時点ｔ_０までの各時点の随伴変数ベクトルとに基づき、チェック時点ｔ_０～チェック時点ｔ_１での感度を導出する。

　図１７は、実施の形態３における連成解析部による感度の導出処理を例示するフローチャートである。連成解析部３６は、図５に示すステップＳ１３の処理として、図６に示す処理に代え、図１７に示す処理を実行する。なお、図１７の処理は、ステップＳ１２と並行して実行されてもよいし、ステップＳ１１の後であって、ステップＳ１２の前に実行されてもよい。なお、図１７においても、理解容易のため、図１６と同様、チェック時点をｔ_ｍによって示し、チェック時点の数を（ｎ＋１）個とし、チェック時点ｔ_ｍをｔ_０～ｔ_ｎとする。

　ステップＳ７１において連成解析部３６は、第１時間範囲のうち、（ｎ＋１）個のチェック時点ｔ_０～ｔ_ｎを選択する。ステップＳ７２において連成解析部３６は、上述のステップＳ１１で導出した状態量のうち、各チェック時点の状態量を第１メモリ４２に保存する。ステップＳ７３において連成解析部３６は、ｍに（ｎ－１）を格納する。ステップＳ７４において連成解析部３６は、ＣＦＤシミュレーションによって、チェック時点ｔ_ｍからチェック時点ｔ_ｍ＋１までの各時点の状態量を導出する。

　ステップＳ７５において連成解析部３６は、ステップＳ７４で得られた状態量に基づき、逆解析によって、チェック時点ｔ_ｍ＋１からチェック時点ｔ_ｍまでの各時点の随伴変数を導出する。ステップＳ７６において連成解析部３６は、ステップＳ７４で得られた状態量と、ステップＳ７５で得られた随伴変数とから、チェック時点ｔ_ｍ～チェック時点ｔ_ｍ＋１の各時点の感度を導出する。

　ステップＳ７７において連成解析部３６は、ｍが０であるか否かを判定する。ｍが０でない場合には（ステップＳ７７：ＮＯ）、ステップＳ７８において連成解析部３６は、ｍを（ｍ－１）に置き直す。すなわち、連成解析部３６はｍの数を１つ減らす。ステップＳ７８の処理後、連成解析部３６は処理をステップＳ７４に移す。ステップＳ７７において、ｍが０である場合には（ステップＳ７７：ＹＥＳ）、連成解析部３６は感度の導出処理を終了する。

　以下、実施の形態３に係る空調制御装置３による効果について記載する。実施の形態３における連成解析部３６は、第１時間範囲のうち、複数のチェック時点を選択し、順解析によって得られた、当該複数のチェック時点の状態量に基づいて、チェック時点を時間軸において遡りながら、チェック時点間において順解析と逆解析とを行う。連成解析部３６は、チェック時点間における順解析によって、チェック時点間における各時点の状態量を導出する。そして、連成解析部３６は、チェック時点間における逆解析によって、チェック時点間における各時点の状態量の随伴変数を導出する。連成解析部３６は、チェック時点間の各時点の状態量と随伴変数とに基づいて、チェック時点間の各時点の感度を導出する。なお、感度は、制御パラメータの値の変更による目的関数への影響度合いに対応する量である。連成解析部３６は、感度に基づいて最適解を導出する。これにより、連成解析部３６は、第１時間範囲に亘る状態量の全てに代え、チェック時点の状態量を第１メモリ４２に保存し、保存したチェック時点の状態量に基づいて、チェック時点間の各時点での感度の導出が可能となる。そして、連成解析部３６は、チェック時点を時間軸において遡りながら、チェック時点間の各時点の感度の導出を行うことによって、第１時間範囲の各時点での感度を得ることができる。従って、感度導出時の第１メモリ４２の記憶容量の確保が可能になる。よって、計算資源の少ない機器であっても所望の制御の導出に必要な計算が可能となる。

　実施の形態４．
　以下、実施の形態４に係る空調制御装置３について詳述する。なお、実施の形態４では、実施の形態１～実施の形態３における構成要素と同様の構成要素に対し、同一の符号を付すものとする。また、実施の形態４において、実施の形態１～実施の形態３における構成と同様の構成、および、実施の形態１～実施の形態３における機能と同様の機能等については、特段の事情がない限り説明を省略する。

　図１８は、実施の形態４に係る空調システムの構成を例示するブロック図である。実施の形態４に係る空調システム１００は、空気調和機１と検知部２と空調制御装置３と共にサーバ６を有する。実施の形態４に空調制御装置３は、実施の形態１～実施の形態３に係る空調制御装置３から連成解析部３６が省かれ、実施の形態１～実施の形態３に係る空調制御装置３に第１通信部３９が追加されたものである。第１通信部３９は、サーバ６との間で有線通信または無線通信を行う。

　サーバ６は、空調制御装置３と有線通信または無線通信を行う第２通信部６０を備える。また、実施の形態４におけるサーバ６は、図５～図６、および図１７に例示される処理を行う上述の連成解析部３６を、空調制御装置３に代わって備える。

　第１通信部３９は、室内モデル構築部３３が構築した室内モデルと、機器モデル構築部３４が構築した機器モデルと、対象領域決定部３５が決定した対象領域を示す情報と、をサーバ６に送信する。サーバ６の第２通信部６０は、室内モデル、機器モデル、および、対象領域を示す情報を受信する。サーバ６の連成解析部３６は、第２通信部６０が受信した、室内モデルと、機器モデルと、対象領域を示す情報とに基づき、実施の形態１～実施の形態３と同様、図５に示される処理と、図６および図１７のいずれかによって示される処理とを実行し、制御変数ベクトルの最適解を導出する。第２通信部６０は、連成解析部３６が導出した最適解を空調制御装置３に送信する。空調制御装置３の第１通信部３９はサーバ６から最適解を受信する。

　空調制御装置３の制御目標決定部３７は、第１通信部３９がサーバ６から受信した最適解に基づいて、実施の形態１と同様に制御目標値を導出する。具体的には、制御目標決定部３７は、最適解によって実現される空調対象空間の温度分布上での第１位置などにおける気温を制御目標値として決定する。指令部３８は、制御目標決定部３７が決定した制御目標値に基づいて空気調和機１を制御する。

　図１９は、実施の形態４に係る空調制御装置のハードウェア構成を例示する図である。実施の形態４に係る空調制御装置３は、図９に示すハードウェア構成に加えて、更に第１通信インターフェース回路４６を含む。第１通信部３９による機能は、当該第１通信インターフェース回路４６により実現できる。

　図２０は、実施の形態４におけるサーバのハードウェア構成を例示する図である。サーバ６は、例えば、互いに第２バス６１によって接続された第２プロセッサ６２と第２メモリ６３と第２通信インターフェース回路６４とによって構成可能である。第２プロセッサ６２は、例えば、ＣＰＵまたはＭＰＵである。第２メモリ６３は、例えば、ＲＯＭまたはＲＡＭである。

　実施の形態４における連成解析部３６の機能は、第２プロセッサ６２が第２メモリ６３に記憶されている各種プログラムを読み出して実行することにより実現可能である。第２通信部６０による機能は、第２通信インターフェース回路６４によって実現可能である。なお、サーバ６の全部または一部の機能は、専用のハードウェアによって実現されてもよい。

　以下、実施の形態４に係る空調システム１００および空調制御装置３による効果について説明する。実施の形態４に係る空調システム１００は、空調制御装置３とサーバ６とを有する。空調制御装置３は、空調対象空間の空調を行う空気調和機１を制御する。サーバ６は、空調制御装置３と通信する。空調制御装置３は、取得部３０と室内モデル構築部３３と第１通信部３９と制御目標決定部３７と指令部３８とを備える。取得部３０は、空調対象空間の形状を示す部屋形状情報、および、空調対象空間内の空気の状態に関する空気状態情報を取得する。室内モデル構築部３３は、部屋形状情報および空気状態情報に基づいて、ＣＦＤシミュレーションのための室内モデルを構築する。第１通信部３９は、室内モデルをサーバ６に送信する。サーバ６は、連成解析部３６と第２通信部６０とを備える。連成解析部３６は、室内モデルに基づいてＣＦＤシミュレーションを実行し、予め定められた第１時間範囲における各時点での空気の状態を示す状態量を導出する。そして、連成解析部３６は、予め設定された目標状態量からの各時点での状態量の偏差を導出し、第１時間範囲において当該各時点の偏差を積分し、積分によって得られた積分値を含む目的関数が最小となる空気調和機１の制御パラメータの最適解を導出する。第２通信部６０は、最適解を空調制御装置３に送信する。空調制御装置３の制御目標決定部３７は、サーバ６から得られた最適解に基づいて制御パラメータの目標値である制御目標値を決定する。指令部３８は、制御目標値に基づいて空気調和機１に指令を行う。

　上記構成によれば、最適解の導出のための解析処理がサーバ６で実行されることになるため、空調制御装置３の計算性能が限定されていても、最適解が得られ、適切な空調制御か可能になる。また、サーバ６の計算性能に応じて、最適解が迅速に得られるため、結果として、ユーザの解析性の迅速な向上が図られる。

　以上、実施の形態について説明したが、本開示の内容は、実施の形態に限定されるものではなく、想定しうる均等の範囲を含む。また、実施の形態１～実施の形態４で説明した構成およびその変形例は、機能及び動作を阻害しない範囲で、互いに組み合わせることができる。

　１　空気調和機、２　検知部、３　空調制御装置、５　電気通信回線、６　サーバ、１０　室外機、１１　室内機、１２　リモートコントローラ、２０　センサ、３０　取得部、３１　記憶部、３２　現在状態推定部、３３　室内モデル構築部、３４　機器モデル構築部、３５　対象領域決定部、３６　連成解析部、３７　制御目標決定部、３８　指令部、３９　第１通信部、４０　第１バス、４１　第１プロセッサ、４２　第１メモリ、４３　ストレージ装置、４４　入力インターフェース回路、４５　入出力インターフェース回路、４６　第１通信インターフェース回路、６０　第２通信部、６１　第２バス、６２　第２プロセッサ、６３　第２メモリ、６４　第２通信インターフェース回路、１００　空調システム、３５０　学習モデル生成部、３５１　推定部、ＢＡ　滞在領域、ＣＡ　候補領域、Ｈ　ユーザ、Ｑ_RAC　空調能力、Ｘ１、Ｘ２、Ｘ３　入力層、Ｙ１、Ｙ２　中間層、Ｚ１、Ｚ２、Ｚ３　出力層、ｗ１１～ｗ１６、ｗ２１～ｗ２６　重み、Ω　対象領域。

Claims

　空調対象空間の空調を行う空気調和機を制御する空調制御装置であって、
　前記空調対象空間の形状を示す部屋形状情報、および、前記空調対象空間内の空気の状態に関する空気状態情報を取得する取得部と、
　前記部屋形状情報および前記空気状態情報に基づいて、ＣＦＤシミュレーションのための室内モデルを構築する室内モデル構築部と、
　前記室内モデルに基づいて前記ＣＦＤシミュレーションを実行し、予め定められた第１時間範囲における各時点での空気の状態を示す状態量を導出し、予め設定された目標状態量からの前記各時点での前記状態量の偏差を導出し、前記第１時間範囲において前記各時点の前記偏差を積分し、積分によって得られた積分値を含む目的関数が最小となる前記空気調和機の制御パラメータの最適解を導出する連成解析部と、
　前記最適解に基づいて前記制御パラメータの目標値である制御目標値を決定する制御目標決定部と、
　前記制御目標値に基づいて前記空気調和機に指令を行う指令部と、
　を備える、空調制御装置。
　前記取得部は、
　前記空調対象空間内の人の滞在領域を示す滞在情報を取得し、
　前記空調制御装置は、
　前記滞在情報に基づいて、前記空調対象空間における空調制御対象の領域である対象領域を決定する対象領域決定部を更に備え、
　前記連成解析部は、
　前記第１時間範囲および前記対象領域において、前記各時点での前記偏差を積分することによって前記目的関数を導出する、請求項１に記載の空調制御装置。
　前記滞在情報は、
　前記空調対象空間の温度分布を示す温度分布情報であって、
　前記対象領域決定部は、
　前記温度分布情報に基づいて、前記空調対象空間において人が存在する領域を特定し、特定した前記領域に人が存在する頻度を取得し、前記頻度に基づいて前記対象領域を決定する、請求項２に記載の空調制御装置。
　前記滞在情報は、
　前記空調対象空間の温度分布を示す温度分布情報であって、
　前記取得部は、
　前記空気調和機を操作するためのリモートコントローラまたは端末装置からの電波を受信し、前記電波の強度と受信方向とを示す電波情報を取得し、
　前記対象領域決定部は、
　前記電波情報と前記温度分布情報とから得られる、前記空調対象空間内における人が存在する領域を推定するための学習モデルに基づいて、前記対象領域を決定する推定部を有する、請求項２に記載の空調制御装置。
　前記対象領域決定部は、
　前記電波情報に基づいて、前記リモートコントローラまたは前記端末装置の位置を示す位置情報を取得し、前記位置情報および前記温度分布情報に基づいて、前記空調対象空間内における人が存在する領域を推定するための前記学習モデルを生成する学習モデル生成部を更に有する、請求項４に記載の空調制御装置。
　前記滞在情報は、
　前記空調対象空間の温度分布を示す温度分布情報であって、
　前記取得部は、
　前記空気調和機を操作するためのリモートコントローラまたは端末装置の位置を示す位置情報を、前記リモートコントローラまたは前記端末装置から取得し、
　前記対象領域決定部は、
　前記位置情報と前記温度分布情報とから得られる、前記空調対象空間内における人が存在する領域を推定するための学習モデルに基づいて、前記対象領域を決定する推定部を有する、請求項２に記載の空調制御装置。
　前記対象領域決定部は、
　前記位置情報および前記温度分布情報に基づいて、前記空調対象空間内における人が存在する領域を推定するための前記学習モデルを生成する学習モデル生成部を更に有する、請求項６に記載の空調制御装置。
　前記連成解析部は、
　前記第１時間範囲のうち、複数のチェック時点を選択し、
　前記複数のチェック時点の前記状態量に基づいて、前記複数のチェック時点の各々の間で順解析を行って、前記複数のチェック時点の各々の間における各時点の前記状態量を導出し、前記複数のチェック時点の各々の間で逆解析を行って、前記複数のチェック時点の各々の間における各時点の前記状態量に基づく随伴変数を導出し、前記複数のチェック時点の各々の間における各時点の前記状態量と前記随伴変数とに基づいて、前記複数のチェック時点の各々の間における各時点での感度であって、前記制御パラメータの値の変更による前記目的関数への影響度合いに対応する前記感度を導出し、前記感度に基づいて前記最適解を導出する、請求項１～請求項７のいずれか一項に記載の空調制御装置。
　前記制御目標決定部は、
　前記最適解によって実現される前記空調対象空間の温度分布上での、予め定められた第１位置における気温に基づいて前記制御目標値を決定する、請求項１～請求項８のいずれか一項に記載の空調制御装置。
　前記取得部は、
　前記空気調和機から、前記空気調和機の性能に関する機器情報を取得し、
　前記空調制御装置は、
　前記機器情報に基づいて、前記制御パラメータの値の条件を規定する機器モデルを構築する機器モデル構築部を更に備え、
　前記連成解析部は、
　前記機器モデルに基づいて前記目的関数を導出する、請求項１～請求項９のいずれか一項に記載の空調制御装置。
　前記室内モデルは、
　前記機器モデルに基づく、前記空気調和機からの空気の吹出口における前記状態量を含む、請求項１０に記載の空調制御装置。
　前記機器モデルは、
　前記空気調和機の成績係数と、前記制御パラメータとの値とを関連付けた情報を含む、請求項１０または請求項１１に記載の空調制御装置。
　前記取得部は、
　前記空気調和機に人が入力した設定内容を示す指示情報を取得し、
　前記目標状態量は、
　前記指示情報に基づいて定められる、請求項１０～請求項１２のいずれか一項に記載の空調制御装置。
　前記空調制御装置は、
　前記室内モデルと前記目標状態量と前記機器モデルと前記最適解とを関連付けて記憶する記憶部を更に備え、
　前記制御目標決定部は、
　特定のタイミングで前記取得部が再取得した前記指示情報に基づく前記目標状態量が、前記記憶部に記憶された前記目標状態量と等しく、前記特定のタイミングで前記取得部が再取得した前記空気状態情報に基づく前記室内モデルが、前記記憶部に記憶された前記室内モデルと等しく、且つ、前記特定のタイミングで前記取得部が再取得した前記機器情報に基づく前記機器モデルが、前記記憶部に記憶された前記機器モデルと等しい場合には、前記記憶部に記憶された前記最適解に基づく前記制御目標値を導出する、請求項１３に記載の空調制御装置。
　空調対象空間の空調を行う空気調和機を制御する空調制御装置であって、
　前記空調対象空間の形状を示す部屋形状情報、および、前記空調対象空間内の空気の状態に関する空気状態情報を取得する取得部と、
　前記部屋形状情報および前記空気状態情報に基づいて、ＣＦＤシミュレーションのための室内モデルを構築する室内モデル構築部と、
　前記室内モデルをサーバに送信する第１通信部と、
　を備え、
　前記サーバは、
　前記室内モデルに基づいて前記ＣＦＤシミュレーションを実行し、予め定められた第１時間範囲における各時点での空気の状態を示す状態量を導出し、予め設定された目標状態量からの前記各時点での前記状態量の偏差を導出し、前記第１時間範囲において前記各時点の前記偏差を積分し、積分によって得られた積分値を含む目的関数が最小となる前記空気調和機の制御パラメータの最適解を導出し、且つ、前記最適解を前記空調制御装置に送信し、
　前記空調制御装置は、更に、
　前記サーバから得られた前記最適解に基づいて前記制御パラメータの目標値である制御目標値を決定する制御目標決定部と、
　前記制御目標値に基づいて前記空気調和機に指令を行う指令部と、
　を備える、空調制御装置。
　空調対象空間の空調を行う空気調和機を制御する空調制御装置と、
　前記空調制御装置と通信を行うサーバと、
　を有する空調システムであって、
　前記空調制御装置は、
　前記空調対象空間の形状を示す部屋形状情報、および、前記空調対象空間内の空気の状態に関する空気状態情報を取得する取得部と、
　前記部屋形状情報および前記空気状態情報に基づいて、ＣＦＤシミュレーションのための室内モデルを構築する室内モデル構築部と、
　前記室内モデルを前記サーバに送信する第１通信部と、
　を備え、
　前記サーバは、
　前記室内モデルに基づいて前記ＣＦＤシミュレーションを実行し、予め定められた第１時間範囲における各時点での空気の状態を示す状態量を導出し、予め設定された目標状態量からの前記各時点での前記状態量の偏差を導出し、前記第１時間範囲において前記各時点の前記偏差を積分し、積分によって得られた積分値を含む目的関数が最小となる前記空気調和機の制御パラメータの最適解を導出する連成解析部と、
　前記最適解を前記空調制御装置に送信する第２通信部と、
　を備え、
　前記空調制御装置は、更に、
　前記サーバから得られた前記最適解に基づいて前記制御パラメータの目標値である制御目標値を決定する制御目標決定部と、
　前記制御目標値に基づいて前記空気調和機に指令を行う指令部と、
　を備える、空調システム。