JP6384971B2 - Training data collection system, air conditioning control system, training data collection method and program - Google Patents
Training data collection system, air conditioning control system, training data collection method and program Download PDFInfo
- Publication number
- JP6384971B2 JP6384971B2 JP2016231390A JP2016231390A JP6384971B2 JP 6384971 B2 JP6384971 B2 JP 6384971B2 JP 2016231390 A JP2016231390 A JP 2016231390A JP 2016231390 A JP2016231390 A JP 2016231390A JP 6384971 B2 JP6384971 B2 JP 6384971B2
- Authority
- JP
- Japan
- Prior art keywords
- training data
- limit value
- air conditioner
- data collection
- power limit
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
Images
Landscapes
- Air Conditioning Control Device (AREA)
Description
本発明は、訓練データ収集システム、空調制御システム、訓練データ収集方法及びプログラムに関する。 The present invention relates to a training data collection system, an air conditioning control system, a training data collection method, and a program.
電力の需要と供給のバランスを、例えば電力料金を上下させることによって調整し、ピーク時の電力供給量を抑制するADR(Automated Demand Response)と呼ばれる技術が存在する。例えば、米国では、OpenADRによる電力料金のリアルタイム化が一般市場において展開されており、リアルタイムで安い電力供給会社を選択する等の運用が可能になっている。我が国においても政府主導のもとADR規格として、米国のOpenADR2.0の国内版を展開する動きがある。 There is a technique called ADR (Automated Demand Response) that adjusts the balance between power demand and supply by, for example, raising or lowering the electricity rate and suppressing the amount of power supply during peak hours. For example, in the United States, realization of power charges by OpenADR has been developed in the general market, and operation such as selecting a cheap power supply company in real time is possible. In Japan, there is a movement to develop a domestic version of OpenADR2.0 in the United States as an ADR standard led by the government.
ところで、空調機においては、電力消費量を抑制して電力料金を安く抑えつつ、利用者の快適性を損なうことのない制御が要求される。従来の空調機では、電力料金が一定期間変化しないことを前提とし、その条件下で快適さを損なわず且つ電力料金を抑える制御方法が追及されてきた。これに対し、本願の出願人は、上記のADRの普及を見込んで、電力料金がリアルタイムに変化する条件下で、所望の快適温度を達成しつつ、電力料金を安く抑える空調機の制御方法に関する出願を既に行っている(特願2016−173173)。 By the way, in an air conditioner, control which does not impair a user's comfort is requested | required, suppressing electric power consumption and suppressing an electric power charge cheaply. In the conventional air conditioner, a control method has been pursued on the premise that the electric power charge does not change for a certain period, and the comfort is not impaired under the condition and the electric power charge is suppressed. On the other hand, the applicant of the present application relates to a control method for an air conditioner that reduces the power charge while achieving a desired comfortable temperature under the condition that the power charge changes in real time in anticipation of the spread of the ADR. An application has already been filed (Japanese Patent Application No. 2006-173173).
なお、関連する技術として、特許文献1には、エアコンなどの機器について、機器の動作状態を変更した場合の快適度や電力消費量等を予測して、予測結果を表示する機器マネージメントシステムについて記載がある。 As a related technique, Patent Document 1 describes a device management system that predicts the comfort level, power consumption, and the like when the operation state of a device is changed and displays a prediction result for a device such as an air conditioner. There is.
先の出願(特願2016−173173)に係る技術では、予測モデルに基づいて、未来の室内温度および電力消費量を予測し、さらに都度変化する電力料金単価の予定情報に基づいて、将来における空調機の運転状態と電力料金をシミュレーションし、そのシミュレーション結果を快適性と電力料金の両面から評価して、電力料金と快適性のトレードオフを最適化した空調機の運転方法を決定している。この技術においては、予測モデルの予測精度が重要であるが、予測モデルの構築のためには訓練データが必要である。一般に訓練データは、ステップ応答試験等を実施することによって収集することが多いと考えられる。しかし、空調機の応答特性は、空調機の呼称容量、空調機を設置した建物の構造などに応じて個々に異なるため、ある部屋に設置された空調機について予測精度の高い予測モデルを構築するためには、設置された環境でステップ応答試験を実施し、訓練データを収集する必要がある。しかし、空調機の設置先(客先)でステップ応答試験を実施するのは現実的ではなく、平常運転時に訓練データを収集する技術が望まれていた。 In the technology according to the previous application (Japanese Patent Application No. 2006-173173), the future indoor temperature and power consumption are predicted based on the prediction model, and the future air conditioning is based on the schedule information of the electric power unit price that changes each time. The operation state of the machine and the electricity charge are simulated, and the simulation results are evaluated in terms of both comfort and electricity charge to determine the operation method of the air conditioner that optimizes the trade-off between electricity charge and comfort. In this technique, the prediction accuracy of the prediction model is important, but training data is required to construct the prediction model. In general, it is considered that training data is often collected by conducting a step response test or the like. However, since the response characteristics of the air conditioner differ depending on the nominal capacity of the air conditioner, the structure of the building where the air conditioner is installed, etc., build a prediction model with high prediction accuracy for the air conditioner installed in a room In order to do this, it is necessary to conduct step response tests in the installed environment and collect training data. However, it is not realistic to perform the step response test at the installation site (customer) of the air conditioner, and a technique for collecting training data during normal operation has been desired.
そこでこの発明は、上述の課題を解決することのできる訓練データ収集システム、空調制御システム、訓練データ収集方法及びプログラムを提供することを目的としている。 Accordingly, an object of the present invention is to provide a training data collection system, an air conditioning control system, a training data collection method, and a program that can solve the above-described problems.
本発明の第1の態様は、空調機の平常運転時に当該平常運転と重畳して前記空調機に出力する訓練データ収集用の制御データと、当該制御データに対する応答データと、を取得するデータ収集部、を備え、前記訓練データ収集用の制御データは電力制限値を含み、前記応答データは前記電力制限値の制約下で前記空調機を運転した結果の室内温度および消費電力を含む、訓練データ収集システムである。 The first aspect of the present invention is a data collection for acquiring control data for collecting training data that is output to the air conditioner in superposition with the normal operation during normal operation of the air conditioner, and response data for the control data. parts, Bei give a control data for said training data acquisition includes a power limit value, the response data includes indoor temperature and power consumption of the result of the operation the air conditioner under the constraint of the power limit value, the training It is a data collection system.
本発明の第2の態様における前記訓練データ収集システムは、前記電力制限値の大きさを所定の範囲内で変動させる電力制限値決定部、をさらに備える。 The training data collection system according to the second aspect of the present invention further includes a power limit value determining unit that varies the magnitude of the power limit value within a predetermined range.
本発明の第3の態様における前記訓練データ収集システムは、前記電力制限値決定部が決定した電力制限値に基づいて前記空調機を運転した結果の室内温度を監視し、前記室内温度が設定目標温度を基準とする所定の範囲内に収まらない場合、前記電力制限値の変更を指示する温度監視部、をさらに備える。 The training data collection system according to the third aspect of the present invention monitors the room temperature as a result of operating the air conditioner based on the power limit value determined by the power limit value determination unit, and the room temperature is a set target. A temperature monitoring unit that instructs to change the power limit value when the temperature does not fall within a predetermined range based on the temperature.
本発明の第4の態様における前記データ収集部は、さらに前記空調機の運転環境情報を収集する。 The data collection unit in the fourth aspect of the present invention further collects operating environment information of the air conditioner.
本発明の第5の態様における前記訓練データ収集システムは、前記制御データおよび応答データに基づいて、ある制御データに対する応答を予測する予測モデルを構築する予測モデル構築部、をさらに備える。 The training data collection system according to the fifth aspect of the present invention further includes a prediction model construction unit that constructs a prediction model that predicts a response to certain control data based on the control data and the response data.
本発明の第6の態様は、一つ又は複数の空調機と、前記空調機の平常運転を制御する制御装置と、上記の何れかに記載の訓練データ収集システムと、を備える空調制御システムである。 A sixth aspect of the present invention is an air conditioning control system comprising one or more air conditioners, a control device that controls normal operation of the air conditioners, and the training data collection system according to any one of the above. is there.
本発明の第7の態様は、空調機の平常運転と重畳して前記空調機に出力する訓練データ収集用の制御データと、当該制御データに対する応答データと、を前記平常運転時に取得し、前記訓練データ収集用の制御データは電力制限値を含み、前記応答データは前記電力制限値の制約下で前記空調機を運転した結果の室内温度および消費電力を含む、訓練データ収集方法である。 According to a seventh aspect of the present invention, control data for training data collection that is output to the air conditioner in a superimposed manner with the normal operation of the air conditioner, and response data for the control data are acquired during the normal operation , The control data for training data collection includes a power limit value, and the response data includes a room temperature and power consumption as a result of operating the air conditioner under the restriction of the power limit value .
本発明の第8の態様は、訓練データ収集システムのコンピュータを、空調機の平常運転時に当該平常運転と重畳して前記空調機に出力する訓練データ収集用の制御データに含まれる電力制限値の大きさを所定の範囲内で変動させる手段、として機能させるためのプログラムである。 According to an eighth aspect of the present invention, the power limit value included in the control data for training data collection that is output to the air conditioner by superimposing the computer of the training data collection system on the air conditioner during normal operation of the air conditioner. It is a program for functioning as means for changing the size within a predetermined range.
本発明によれば、空調機の運転の最適化に用いる予測モデル構築のための訓練データを、ステップ応答試験を行うことなく、平常運転時に収集することができる。 According to the present invention, training data for constructing a prediction model used for optimizing the operation of an air conditioner can be collected during normal operation without performing a step response test.
<実施形態>
以下、本発明の一実施形態による訓練データ収集システムを図1〜図5を参照して説明する。
図1は、本発明の一実施形態における空調制御システムの一例を示す図である。
空調制御システム100は、ビル4等に備えられた空調機31等を、ユーザの快適性を保ちつつ、低コストで運転するための制御システムである。空調制御システム100は、サーバ装置1と、クライアント装置2と、ゲートウェイ3と、空調機31、空調機32、・・・、空調機3mと、訓練データ収集システム10と、を含んで構成される。サーバ装置1は、例えば電力会社が運用するサーバ装置DRASである。電力会社は、電力料金単価を所定の時間間隔(例えば10分ごと)に変更する。電力会社は、例えば、電力の需要による電力不足が見込まれる場合には、電力料金単価を上昇させて需要家に節電を促し、電力需要が比較的少ないと見込まれる時間には電力料金単価を下げて電力の消費を促す。サーバ装置1とクライアント装置2とは通信可能に接続されており、一般に公開されたプロトコル(例えばOpenADR2.0等)に基づく通信を行う。例えば、サーバ装置1は、未来における所定期間分の電力料金のスケジュール情報を、クライアント装置2に送信する。
<Embodiment>
Hereinafter, a training data collection system according to an embodiment of the present invention will be described with reference to FIGS.
FIG. 1 is a diagram illustrating an example of an air conditioning control system according to an embodiment of the present invention.
The air
クライアント装置2は、例えば空調機31等の運用を行う企業が運用する空調管理装置である。クライアント装置2は、サーバ装置1から取得した電力料金のスケジュール情報に基づいて、どのような運転を行えば、ユーザの設定目標温度を実現しつつ安い電力料金で空調機を運転できるかを示す運転制御情報を算出する。クライアント装置2は、インターネット等のネットワークを介して、ゲートウェイ3と通信可能に接続されている。クライアント装置2は、算出した運転制御情報をゲートウェイ3に送信する。ところで、クライアント装置2は、ゲートウェイ3に送信する運転制御情報を算出するために、ある予測モデルを使用する。この予測モデルは、空調機をある条件下で運転した場合に、少し先の未来(例えば5分先)において室温がどのように変化し、その間の運転にどれぐらいの電力料金が掛かるかを予測するモデル(例えばニューラルネットワークモデル)である。後述するように本実施形態は、この予測モデルを構築するための訓練データ(学習データ)の収集方法に関する。
The
ゲートウェイ3は、ビル4に設けられた通信装置である。ビル4には、複数の室内機を有するマルチ型の空調機31,32,3mが設けられている。空調機31は、室外機301と、室内機311,31n等を備える。空調機32は、室外機302と、室内機321,32n等を備える。空調機3mは、室外機30mと、室内機3m1,3mn等を備える。例えば、室外機301は、圧縮機、熱交換器等を有しており、冷媒を室内機311,31n等へ送出する。室内機311等は、ビル4の部屋に設けられており、その部屋の温度を、ユーザ所望の温度となるように空調を行う。
ゲートウェイ3は、クライアント装置2から取得した空調機ごとの運転制御情報を、対応する空調機31等へ出力する。空調機31は取得した運転制御情報に基づいて、自装置の運転を制御する。
The gateway 3 is a communication device provided in the building 4. The building 4 is provided with
The gateway 3 outputs the operation control information for each air conditioner acquired from the
訓練データ収集システム10は、例えば空調機31等の運用を行う企業が運用する1台または複数台の空調管理装置である。訓練データ収集システム10は、空調機31等に、平常運転と重畳して訓練データ収集運転を実行させる。訓練データ収集システム10は、クライアント装置2と通信可能に接続されており、クライアント装置2を介して訓練データ収集用の制御データ(電力制限指令)を各空調機31等へ送信して訓練データ収集運転を実行させ、また、各空調機31等から訓練データを、クライアント装置2を介して取得する。訓練データ収集システム10については図2を用いて詳しく説明する。
The training
図2は、本発明の一実施形態における訓練データ収集システムの構成例を示すブロック図である。
訓練データ収集システム10は、空調機が空調対象とする空間の温度について居住者が設定した設定目標温度から大きく逸脱しないように監視しながら、空調機の平常運転時に小振幅の電力制限指令を重畳させ、電力制限指令とその影響を示す応答データ(室内温度、消費電力)とを収集する。収集したデータは予測モデルを構築するための訓練データとして用いられる。図2に示すように訓練データ収集システム10は、オンラインデータ収集装置11と、電力制限モジュレータ装置12と、温度監視装置13と、予測モデル構築装置14とを備える。
FIG. 2 is a block diagram illustrating a configuration example of a training data collection system according to an embodiment of the present invention.
The training
オンラインデータ収集装置11は、予測モデルを構築するための訓練データを取集する。図示するようにオンラインデータ収集装置11は、データ収集部111と、記憶部112とを備える。
データ収集部111は、電力制限値と、その電力制限値の制約下で空調機31等を運転した結果の室内温度、その運転で消費した消費電力、の時系列のデータ(訓練データ)を空調機ごとに取得する。また、データ収集部111は、空調機31等の運転時の室外温度(例えば室外機301の周辺で計測した温度)を取得する。
記憶部112は、データ収集部111が取得した訓練データを記憶する。
The online
The
The
電力制限モジュレータ装置12は、空調機31等が平常運転をしている時に、各空調機31等に指示する小振幅の電力制限値を決定する。図示するように電力制限モジュレータ装置12は、入出力部121と、電力制限値決定部122とを備える。
入出力部121は、他装置とのデータの入出力を行う。例えば、入出力部121は、クライアント装置2から空調機ごとの現在の消費電力を取得する。また、入出力部121は、空調機ごとの電力制限値をクライアント装置2に出力する。
電力制限値決定部122は、各空調機に指示する電力制限値の大きさを所定の範囲内で変動させる。例えば、電力制限値決定部122は、10分ごとに現在の消費電力の所定の範囲内(例えば±20%程度)でランダムに変動させる。
The power
The input /
The power limit
温度監視装置13は、電力制限モジュレータ装置12が決定した小振幅の電力制限値による制約下で各空調機31が空調を行う空間の温度を監視する。図示するように温度監視装置13は、入出力部131と、室温変化判定部132とを備える。
入出力部131は、他装置とのデータの入出力を行う。例えば、入出力部131は、クライアント装置2から空調機ごとにその空調機(空調機31等)が担当する部屋等の室内温度の情報(室内機311等が設置されたそれぞれの空間ごとの室内温度)を取得する。また、入出力部131は、室内温度が適切な温度ではなくなった場合に出力される電力制限値変更指示情報を電力制限モジュレータ装置12へ出力する。
室温変化判定部132は、入出力部131が取得した室内温度が、空調機ごとに設定された設定目標温度を基準とする所定の範囲内に収まっているかどうかを判定する。また、室温変化判定部132は、室内温度が所定の範囲内に収まらない場合、電力制限値変更指示情報を生成する。
The
The input /
The room temperature
予測モデル構築装置14は、オンラインデータ収集装置11が収集した訓練データを用いて、少し先の未来までの室内温度の変化とその間の消費電力を予測する予測モデルを構築する。図示するように予測モデル構築装置14は、入出力部141と、予測モデル構築部142とを備える。
入出力部141は、他装置とのデータの入出力を行う。例えば、入出力部141は、オンラインデータ収集装置11から訓練データを取得する。また、例えば、入出力部141は、構築した予測モデルをクライアント装置2に出力する。
予測モデル構築部142は、ARモデル、ニューラルネットワークなどのモデリング手法により訓練データを学習・解析等して予測モデルを構築する。
The prediction
The input /
The prediction
次に図3を用いて訓練データ収集システム10による訓練データの収集運転について説明する。
図3は、本発明の一実施形態における訓練データ収集システムの制御方法を説明する図である。
図3の上図、下図に示すグラフは、訓練データ収集システム10が訓練データの収集対象とする空調機のうちの1台(空調機31とする)について、訓練データ収集運転中における制御データの推移とその制御データに対する応答の推移を示している。制御データとは電力制限値、応答データとは室内温度(空調機31配下の室内機311が設置された部屋の室内温度とする)と実際の消費電力である。
図3の上図は、電力制限モジュレータ装置12が指令する小振幅の電力制限指令値および実際の消費電力の時間推移の一例を示す図である。図3の上図の縦軸は電力(kW)、横軸は時間(分)を示している。
図3の下図は、温度監視装置13が監視する室内温度の時間推移の一例を示す図である。図3の下図の縦軸は室内温度(℃)、横軸は時間(分)を示している。図3上図の横軸のある位置が示す時間と図3下図の同位置の時間は対応しており、同じ時間を示す。
Next, the training data collection operation by the training
FIG. 3 is a diagram for explaining a control method of the training data collection system in one embodiment of the present invention.
The upper and lower graphs of FIG. 3 show the control data during the training data collection operation for one of the air conditioners (the air conditioner 31) that the training
The upper diagram of FIG. 3 is a diagram illustrating an example of a time transition of a small amplitude power limit command value commanded by the power
The lower diagram of FIG. 3 is a diagram illustrating an example of a temporal transition of the room temperature monitored by the
図3上図のグラフPWは、電力制限値決定部122が決定した空調機31に対する電力制限指令値の推移を示している。グラフPRは、グラフPWに示す電力制限の制約下で、空調機31を運転したときに実際に消費された電力の推移を示している。図示するように空調機31は、グラフPWの電力制限値を超えないように運転されている。これに対し、図3下図のグラフTRは、上記の制約下で空調機31が運転したときに、その運転により達成された室内温度の推移を示している。空調機31が空調を行う空間に対しては、グラフTBにて示す目標となる設定目標温度(例えば25℃)が設定されている。また、この設定目標温度に対しては、設定目標温度からの乖離がその空間の居住者に気付かれないような許容範囲を規定する変動幅a℃(例えば−2℃〜+2℃)が予め定められており、温度監視装置13は、空調対象とする空間の室内温度が、この許容範囲内(この例では23℃〜27℃)に収まるかどうかを監視する。
The graph PW in the upper diagram of FIG. 3 shows the transition of the power limit command value for the
次に訓練データ収集運転時の訓練データ収集システム10側の制御について説明する。まず、電力制限値決定部122が、空調機31の現在の消費電力を基準とする所定の範囲内(例えば−20%〜+20%)のある値を電力制限値として決定する。つまり、現在の消費電力が「10」であれば、電力制限値決定部122は、8〜12の範囲で電力制限値を決定する。この範囲内であれば、電力制限値決定部122は、電力制限値の大きさをランダムに決定することができる。例えば、電力制限値決定部122は、電力制限値の大きさを8.5、9、10、11.5、12など全く任意に決定してよい。ここでは、空調機31は冷房運転中で電力制限値決定部122が現在の消費電力「10」に対して電力制限値を「12」に決定し、空調機31が図3に示す最初の10分間をこの制約下で運転したとする。すると、現在の消費電力よりも大きな電力制限値が設定されたこと、および、現在(0分時点)の室内温度が設定目標温度よりも高いことに基づいて、空調機31は運転強度を上昇させる。空調機31による実際の消費電力(グラフPR)は、電力制限値に追随する。また、運転強度の上昇により、室内温度(グラフTR)は設定目標温度に近づいていく。
Next, control on the training
ここで、データ収集部111は、決定された電力制限値「12」を取得する。また、この電力制限値「12」を加えたことに対する応答データとして、当該電力制限値の制約下で運転を開始してから所定の時間(例えば、5分間)が経過した時点で、空調機31が消費した消費電力と空調機31の運転により達成された室内温度とを取得する。例えば上記した例の場合、データ収集部111は、図3における5分時点での電力制限値、実際の消費電力、室内温度を取得する。例えばこのデータセットが、1つの訓練データである。
Here, the
電力制限値「12」での運転が開始されてから10分が経過すると、電力制限値決定部122は、次の10分間の電力制限値を決定する。前回と同様、電力制限値決定部122は、空調機31の現在の消費電力を基準とする所定範囲内の値を次の電力制限値として決定する。例えば、空調機31の現在の消費電力が「11.5」であり、電力制限値決定部122は、この消費電力を基準とする上記所定範囲の下限値「9.2(11.5×0.8)」を次の電力制限値として決定したとする。すると空調機31は、この電力制限値の制約下で設定目標温度を達成すべく冷房運転を行う(10分〜20分)。データ収集部111は、新たな電力制限値の適用後、5分間が経過すると訓練データ(電力制限値、消費電力、室内温度)を取得する。
When 10 minutes have elapsed since the start of the operation with the power limit value “12”, the power limit
以降、訓練データ収集システム10は、この制御を繰り返す。つまり、電力制限値決定部122は10分毎に電力制限値を変動させ、データ収集部111は、変動後5分が経過するとこの変動に対する訓練データの収集を行う。ここで、訓練データを収集してからさらに5分後に電力制限値を変動させるのは、例えば、訓練データを収集してから次の電力制限値を決定するまでの5分間の応答データ(室内温度や消費電力)を旧電力制限値下での訓練データ、次の電力制限値を決定してから5分後に訓練データを収集するまでの応答データを新電力制限値下での訓練データとして、旧電力制限値および旧電力制限値下の訓練データおよび新電力制限値を入力パラメータ、新電力制限値下での応答データを出力パラメータとしてそのような入出力の関係を実現する予測モデルを学習させるためである。
Thereafter, the training
データ収集部111が取得する訓練データの一例についてより詳細に記せば、例えば、データ収集部111は、訓練データの収集時(今回の電力制限値の決定から5分後)に、前回収集時(10分前)から1分刻みに、その時の電力制限値、消費電力、室内温度を時刻と共に取得する。そして、前回決定した電力制限値、前回収集時の1分後〜今回の電力制限値の決定時までの計5点の各々における消費電力と室内温度、そして、今回決定した電力制限値、を予測モデルの学習に際しての入力パラメータ(計12個)とする。さらにデータ収集部111は、前回の訓練データ収集時から今回の訓練データ収集時までの間の室外温度(運転環境情報)を入力パラメータとして取得する。なお、室外温度については、この10分間の代表値(つまり1つの値)であってよい。室外温度の代表値とは、例えば、10分間の室外温度の平均値や中央値、あるいはあるタイミングで計測した室外温度などである。データ収集部111は、例えばこれら13個の値を入力パラメータとして取得する。
If it describes in more detail about an example of the training data which the
また、データ収集部111は、今回の電力制限値決定の1分後から1分刻みで5分後までの計5点の各々における室内温度と消費電力とを出力パラメータとして取得する。データ収集部111は、これらの入出力パラメータ(訓練データ)を記憶部112に書き込んで記憶させる。
Further, the
このように、電力制限値決定部122は、空調機31の平常運転時に、電力制限指令の小振幅モジュレートを重畳させるが、予測モデル構築用の訓練データを収集するという目的上、なるべく多様なデータが収集できることが好ましい。そこで、電力制限値決定部122による電力制限値の決定には、例えば、偏りのない乱数を発生するアルゴリズムを用いてもよい。また、例えば、温度監視装置13と連携して、ある電力制限値を与えたときに室内温度が許容範囲内に収まりつつもその下限値を下回る傾向を見せたならば、次の10分間の電力制限値として、室内温度を設定目標温度に回復させるような電力制限値の範囲の中からランダムに次の電力制限値を決定するように電力制限値決定アルゴリズムを構成してもよい。
As described above, the power limit
次に温度監視装置13の制御について説明する。温度監視装置13では入出力部131が、空調機31が空調する空間の室内温度を取得し、室温変化判定部132がその室内温度が許容範囲内(23℃〜27℃)に収まるかどうかを判定する。図3の例では、電力制限値の出力開始直ぐに許容範囲内に収まってからは、常に±a℃の範囲内に収まっている。室温変化判定部132は、室内温度が図3の例のように許容範囲内を推移するように室内温度を監視する。室内温度が許容範囲を超えた場合、室温変化判定部132は、電力制限値変更指示情報を生成し、入出力部131を介してその指示情報を電力制限モジュレータ装置12へ出力する。ここで、電力制限値変更指示情報とは、例えば、電力制限モジュレータ装置12へ電力制限値を解除するように指示する情報である。この電力制限値変更指示情報を取得した電力制限モジュレータ装置12は、電力制限値の出力を停止する。すると、空調機31は、制約なしに室内温度を設定目標温度に近づけるような運転を再開する。すると室内温度は再び設定目標温度へ近づいていく。
Next, control of the
また、電力制限値変更指示情報とは、例えば、冷房運転時において室内温度が許容範囲よりも高い温度になった場合においては、電力制限値を大きくすることを指示する情報である。この指示情報を受けた空調機31は、運転強度を上昇させる(例えば、圧縮機の回転数を上昇させる)。すると、室内温度は許容範囲内の温度に下降していく。また、例えば、電力制限値変更指示情報とは、冷房運転時において室内温度が許容範囲よりも低い温度になった場合においては、電力制限値の大きさを小さくすることを指示する情報である。この指示情報を受けた空調機31は、運転強度を低下させる。すると、室内温度は許容範囲内の温度に上昇していく。
Further, the power limit value change instruction information is information for instructing to increase the power limit value, for example, when the room temperature is higher than the allowable range during the cooling operation. Receiving this instruction information, the
また、図3の50分過ぎを見ると、室内温度が許容範囲の上限値付近まで上昇している。このように室内温度が許容範囲の上下限値に近づいた場合、室温変化判定部132は、警告情報を電力制限モジュレータ装置12へ出力してもよい。また、図3の60分あたりで例示したように、警告情報を取得した電力制限モジュレータ装置12は、その次のタイミングで、設定目標温度へ近づけるような電力制限値(この例の場合、冷房運転で室内温度が上昇したので高めの電力制限値を決定している)を決定してもよい。
In addition, when 50 minutes in FIG. 3 are observed, the room temperature rises to the vicinity of the upper limit value of the allowable range. As described above, when the room temperature approaches the upper and lower limit values of the allowable range, the room temperature
このように温度監視装置13は、電力制限モジュレータ装置12の動作に制約を加えることによって、訓練データ収集運転中の室内温度を所定の範囲内にとどめ、室内温度の変動を居住者に感じさせないように制御する。これにより、居住者に不快な思いをさせることなく、空調機31は平常運転と訓練データ収集運転との並行実行を継続することができる。本実施形態によれば、空調機31の平常運転と並行して訓練データの自動収集を行うことができるので、客先で訓練データ収集のためのステップ応答試験を実施する必要がない。ステップ応答試験を実施する必要がないので、訓練データの収集に要する時間や手間を大幅に削減することができる。また、空調機31の平常運転時にデータ収集を行うので、空調機31が設置された空間の広さ、建物の構造など実際の運転環境に対応した訓練データ(予測精度の高い予測モデルの構築に必要な質の高い訓練データ)を収集することができる。これにより、ユーザ所望の設定目標温度をできるだけ達成し快適性を維持しつつ、空調機の運転に必要な電力料金を低減する運転を実現するために必要な予測モデルを構築することができる。
In this way, the
図4は、本発明の一実施形態における訓練データ収集システムの処理の一例を示す第1のフローチャートである。
図4を用いて訓練データ収集処理の流れについて説明する。
前提として、各空調機31、32、・・・、3mはそれぞれ平常運転を実施しており、オペレータ等により、訓練データ収集運転の開始が指示されたとする。
また、クライアント装置2には、各空調機31、32、・・・、3mの運転状態情報(室外温度、室内機単位での室内温度、消費電力、ユーザが設定した設定目標温度等)が所定の時間間隔(例えば1分ごと)で収集される。また、電力制限モジュレータ装置12が電力制限指令値をクライアント装置2に出力すると、クライアント装置2から空調機31、32、・・・、3mのそれぞれにゲートウェイ3を介して空調機ごとの運転制限指令値が通知され、各空調機31等はこの運転制限指令値の制約下で各空調機配下の室内機を制御し平常運転を行う。
FIG. 4 is a first flowchart showing an example of processing of the training data collection system in one embodiment of the present invention.
The flow of training data collection processing will be described with reference to FIG.
As a premise, it is assumed that each of the
The
まず、訓練データ収集システム10が運転条件情報を取得する(ステップS10)。より具体的には、温度監視装置13の入出力部131が、各空調機31、32、・・・、3m(より正確には各空調機配下の室内機ごと)それぞれについての設定目標温度をクライアント装置2から取得する。
次に電力制限モジュレータ装置12が電力制限値を決定する(ステップS11)。より具体的には、入出力部121が、クライアント装置2から空調機31、32、・・・、3mごとの現在の消費電力を取得する。電力制限値決定部122は、空調機31の消費電力を基準とする所定の範囲内(例えば±20%)の電力制限値を算出する。電力制限値決定部122は、他の空調機32・・・、3m等についても同様にそれぞれの現在の消費電力に基づく電力制限値を算出する。入出力部121は、電力制限値決定部122が算出した空調機31等ごとの電力制限値をクライアント装置2に出力する。
First, the training
Next, the power
オンラインデータ収集装置11では、データ収集部111が所定の間隔(例えば1分毎)で訓練データを取得する(ステップS12)。より具体的には、データ収集部111は、空調機ごとの室内温度および、室外温度をクライアント装置2から取得する。データ収集部111は、取得した訓練データを取得した時刻と共に記憶部112に記録する。なお、図3にて説明したようにデータ収集部111は、10分毎にクライアント装置2から1分刻みの室内温度や消費電力などの訓練データを収集してもよい。
In the online
また、温度監視装置13では入出力部131が、空調機31等ごとの室内温度をクライアント装置2から取得する。室温変化判定部132は、空調機31について取得した室内温度が空調機31の設定目標温度を基準とする所定の範囲内(例えば±2℃)かどうかを判定する(ステップS13)。所定の範囲内にない場合(ステップS13;No)、室温変化判定部132は、例えば電力制限値の解除を指示する電力制限値変更指示情報を生成し、入出力部131を介して電力制限モジュレータ装置12へ出力する。電力制限モジュレータ装置12では、入出力部121がこの指示情報を取得すると、電力制限値決定部122が電力制限値を解除する(ステップS16)。例えば、電力制限値決定部122は、電力制限値の解除をクライアント装置2、ゲートウェイ3を介して各空調機31等に通知する。各空調機31等は、電力制限値による制約なしに平常運転を行う。そしてステップS13の判定を繰り返す。電力制限値を解除したことにより、室内温度が所定の範囲内に戻ったならば、ステップS13の判定はYesとなり、ステップS14の処理に進む。ステップS13〜S14の処理は他の空調機32等についても実施される。
In the
一方、室内温度が所定の範囲内にある場合(ステップS13;Yes)、訓練データ収集運転の終了判定を行う(ステップS14)。例えば、オペレータ等から訓練データ収集システム10に終了指示が入力されると、訓練データ収集運転を終了する(ステップS14;Yes)。オンラインデータ収集装置11、電力制限モジュレータ装置12、温度監視装置13は動作を停止し本フローチャートは終了する。終了しない場合(ステップS14;No)、電力制限値決定部122は、前回の電力制限値の決定(ステップS11)から10分が経過したかどうかを判定する(ステップS15)。10分が経過しない場合(ステップS15;No)、ステップS11からの処理を繰り返す。つまり、全ての空調機31・・・、3m等の各々について、室温変化判定部132による室内温度の監視を行いつつ、データ収集部111による訓練データの収集を継続する。一方、10分が経過した場合(ステップS15;Yes)、ステップS12からの処理を繰り返す。つまり、全ての空調機31・・・、3m等の各々について、電力制限値決定部122が次の10分間の電力制限値を決定し、各空調機31等に平常運転と重畳して電力制限指令を行う。
On the other hand, when the room temperature is within the predetermined range (step S13; Yes), the end of the training data collection operation is determined (step S14). For example, when an end instruction is input to the training
次に訓練データの自動収集処理と予測モデルの構築処理の流れについて説明する。
図5は、本発明の一実施形態における訓練データ収集システムの処理の一例を示す第2のフローチャートである。
前提として予測モデルはクライアント装置2の記憶部(図示せず)に記録されており、クライアント装置2では、この予測モデルを用いて、空調機31等の最適化運転を実現する運転制御情報を算出している。
訓練データ収集システム10は、平常運転時に電力制限値を指令する。空調機31等は、平常運転と重畳して訓練データ収集運転を実行する(ステップS20)次に訓練データ収集運転の終了判定を行う(ステップS20)。例えばオペレータから訓練データ収取運転の終了指示が入力されると、訓練データ収集運転を終了すると判定する。終了しないと判定した場合(ステップS21;No)、空調機31等は訓練データ収集運転の実行を継続する(ステップS21)。終了すると判定した場合(ステップS21;Yes)、訓練データ収集システム10は電力制限値の指令や訓練データの収集を停止し、空調機31等は訓練データ収集運転を終了する。
Next, the flow of automatic training data collection processing and prediction model construction processing will be described.
FIG. 5 is a second flowchart showing an example of processing of the training data collection system in one embodiment of the present invention.
As a premise, the prediction model is recorded in a storage unit (not shown) of the
The training
また、訓練データ収集システム10では、訓練データ収取運転の終了指示が入力されると、予測モデル構築装置14が予測モデルの構築を実行する(ステップS22)。例えば、入出力部141がオンラインデータ収集装置11の記憶部112から空調機単位に記憶された時系列の訓練データを取得する。次に予測モデル構築部142がニューラルネットワーク、ARモデリングなどの深層学習、統計的モデリング手法などにより、空調機31等ごとに予測モデルを構築する。例えば、予測モデル構築部142は、過去5分間の電力制限値、室内温度、消費電力、室外温度、新たな電力制限値を入力パラメータ、新たな電力制限値を指令してから5分間の室内温度、消費電力を出力パラメータとし、入力パラメータの値を入力すると出力パラメータとして与えた値を出力するようなニューラルネットワークを構築する。予測モデルの構築が完了すると、入出力部141が構築した予測モデルをクライアント装置2に出力する。クライアント装置2は、新たな予測モデルで既存の予測モデルを更新する。
なお、予測モデルの更新タイミングは、これに限定されない。例えば、訓練データ収集運転の実行中に所定の時間間隔で既存の予測モデルに対する更新・改善を行うにしてもよい。
Further, in the training
Note that the update timing of the prediction model is not limited to this. For example, the existing prediction model may be updated or improved at predetermined time intervals during execution of the training data collection operation.
従来は、上記の予測モデルを構築するための訓練データを、ステップ応答試験によって収集していた。ステップ応答試験では、数百〜数千もの運転パターンを予め設計し、その運転パターンを実際に実行して、データ収集を行う必要があるため、膨大な労力と時間が掛かっていた。また、実際に居住者が生活する空間を用いてステップ応答試験を行うことはできない為、試験用の建物の準備が必要であったり、実在する様々な居住空間のそれぞれに対応する予測モデルを構築するために、様々な建物を利用してのステップ応答試験が必要になる等の問題も存在した。これに対し、本実施形態の訓練データ収集システム10によれば、試験用データ(電力制限指令値)の作成から訓練データの収集までを自動的に行うので訓練データ収集に必要な労力や時間を大幅に削減することができる。また、居住者に悟られることなく平常運転と並行してデータ収集できるので、空調機の設置環境に固有の特性を反映した良質な訓練データの取得が可能になる。また、客先設置後の平常運転時に自動的に訓練データ収集を行うことができるので、空調機の納品前のステップ応答試験の工程を削減することができたり、設置後に任意のタイミングで訓練データの収集を行うことができるので、空調機の経年変化や住居空間の改築などの変化に応じた訓練データの取得が可能になる等、高い実用性が得られる。
Conventionally, training data for constructing the above prediction model has been collected by a step response test. In the step response test, it is necessary to design hundreds to thousands of operation patterns in advance, and to actually execute the operation patterns to collect data, which takes a lot of labor and time. In addition, because it is not possible to conduct step response tests using the space where the resident lives, it is necessary to prepare a building for the test or to build a prediction model corresponding to each of the various existing living spaces In order to do this, there were problems such as the need for step response tests using various buildings. On the other hand, according to the training
また、訓練データ収集システム10が収集した訓練データを用いると、電力料金単価が変動する環境下でも、ユーザの快適性を満たしつつ、電力料金を抑えた空調機の運転に必要な予測モデルを構築することができる。
なお、上記例では、運転制御情報の算出を行う機能を、クライアント装置2に実装する場合を例に説明を行ったが、これに限定されない。例えば、これらの機能をゲートウェイ3に実装してもよい。
また、入力パラメータの運転環境情報として室外温度を例示したが、さらに天候情報や人感センサが検出した人間の数などを入力パラメータに含めてもよい。
In addition, using the training data collected by the training
In the above example, the case where the function for calculating the operation control information is implemented in the
Moreover, although outdoor temperature was illustrated as driving environment information of an input parameter, you may include weather information, the number of people detected by the human sensor, etc. in the input parameter.
なお、上述した訓練データ収集システム10における各処理の過程は、プログラムの形式でコンピュータ読み取り可能な記録媒体に記憶されており、このプログラムを訓練データ収集システム10が備えるコンピュータが読み出して実行することによって、上記処理が行われる。ここでコンピュータ読み取り可能な記録媒体とは、磁気ディスク、光磁気ディスク、CD−ROM、DVD−ROM、半導体メモリ等をいう。また、このコンピュータプログラムを通信回線によってコンピュータに配信し、この配信を受けたコンピュータが当該プログラムを実行するようにしてもよい。また、上記プログラムは、前述した機能の一部を実現するためのものであってもよい。さらに、前述した機能をコンピュータシステムにすでに記録されているプログラムとの組み合わせで実現できるもの、いわゆる差分ファイル(差分プログラム)であってもよい。
In addition, the process of each process in the training
その他、本発明の趣旨を逸脱しない範囲で、上記した実施の形態における構成要素を周知の構成要素に置き換えることは適宜可能である。また、この発明の技術範囲は上記の実施形態に限られるものではなく、本発明の趣旨を逸脱しない範囲において種々の変更を加えることが可能である。例えば、本実施形態では、オンラインデータ収集装置11と、電力制限モジュレータ装置12と、温度監視装置13と、予測モデル構築装置14とをそれぞれ別々のコンピュータに実装する例を記載したが、これらのうち複数の装置を1台のコンピュータに実装してもよい。なお、クライアント装置2は制御装置の一例である。室温変化判定部132は温度監視部の一例である。
In addition, it is possible to appropriately replace the components in the above-described embodiments with known components without departing from the spirit of the present invention. The technical scope of the present invention is not limited to the above-described embodiment, and various modifications can be made without departing from the spirit of the present invention. For example, in the present embodiment, an example in which the online
100・・・空調制御システム
1・・・サーバ装置
2、2a・・・クライアント装置
3・・・ゲートウェイ
31、32、3m・・・空調機
4・・・ビル
301、302、30m・・・室外機
311,31n、321,32n、3m1,3mn・・・室内機
10・・・訓練データ収集システム10
11・・・オンラインデータ収集装置
111・・・データ収集部
112・・・記憶部
12・・・電力制限モジュレータ装置
121・・・入出力部
122・・・電力制限値決定部
13・・・温度監視装置
131・・・入出力部
132・・・室温変化判定部
14・・・予測モデル構築装置
141・・・入出力部
142・・・予測モデル構築部
DESCRIPTION OF
DESCRIPTION OF
Claims (8)
を備え、
前記訓練データ収集用の制御データは電力制限値を含み、前記応答データは前記電力制限値の制約下で前記空調機を運転した結果の室内温度および消費電力を含む、
訓練データ収集システム。 A data collection unit that acquires control data for training data collection that is output to the air conditioner in superposition with the normal operation during normal operation of the air conditioner, and response data for the control data,
Bei to give a,
The control data for collecting training data includes a power limit value, and the response data includes a room temperature and power consumption as a result of operating the air conditioner under the restriction of the power limit value.
Training data collection system.
をさらに備える請求項1に記載の訓練データ収集システム。 A power limit value determining unit that varies the magnitude of the power limit value within a predetermined range;
The training data collection system according to claim 1 , further comprising:
をさらに備える請求項2に記載の訓練データ収集システム。 When the room temperature is monitored as a result of operating the air conditioner based on the power limit value determined by the power limit value determination unit, and the room temperature does not fall within a predetermined range based on a set target temperature, A temperature monitoring unit for instructing to change the power limit value;
The training data collection system according to claim 2 , further comprising:
請求項1から請求項3の何れか1項に記載の訓練データ収集システム。 The data collection unit further collects operating environment information of the air conditioner;
The training data collection system according to any one of claims 1 to 3 .
をさらに備える請求項1から請求項4の何れか1項に記載の訓練データ収集システム。 A prediction model construction unit for constructing a prediction model for predicting a response to certain control data based on the control data and the response data;
Training data acquisition system according to any one of claims 1 to 4, further comprising a.
前記空調機の平常運転を制御する制御装置と、
請求項1から請求項5の何れか1項に記載の訓練データ収集システムと、
を備える空調制御システム。 One or more air conditioners;
A control device for controlling the normal operation of the air conditioner;
The training data collection system according to any one of claims 1 to 5 ,
An air conditioning control system.
前記訓練データ収集用の制御データは電力制限値を含み、前記応答データは前記電力制限値の制約下で前記空調機を運転した結果の室内温度および消費電力を含む、
訓練データ収集方法。 Control data for training data collection to be output to the air conditioner superimposed on the normal operation of the air conditioner, and response data for the control data are acquired during the normal operation ,
The control data for collecting training data includes a power limit value, and the response data includes a room temperature and power consumption as a result of operating the air conditioner under the restriction of the power limit value.
Training data collection method.
空調機の平常運転時に当該平常運転と重畳して前記空調機に出力する訓練データ収集用の制御データに含まれる電力制限値の大きさを所定の範囲内で変動させる手段、
として機能させるためのプログラム。 Training data collection system computer,
Means for varying the magnitude of the power limit value included in the control data for training data collection to be output to the air conditioner superimposed on the normal operation during the normal operation of the air conditioner, within a predetermined range;
Program to function as.
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2016231390A JP6384971B2 (en) | 2016-11-29 | 2016-11-29 | Training data collection system, air conditioning control system, training data collection method and program |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2016231390A JP6384971B2 (en) | 2016-11-29 | 2016-11-29 | Training data collection system, air conditioning control system, training data collection method and program |
Publications (2)
Publication Number | Publication Date |
---|---|
JP2018087662A JP2018087662A (en) | 2018-06-07 |
JP6384971B2 true JP6384971B2 (en) | 2018-09-05 |
Family
ID=62493572
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2016231390A Active JP6384971B2 (en) | 2016-11-29 | 2016-11-29 | Training data collection system, air conditioning control system, training data collection method and program |
Country Status (1)
Country | Link |
---|---|
JP (1) | JP6384971B2 (en) |
Families Citing this family (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
KR102544265B1 (en) * | 2019-01-09 | 2023-06-16 | 삼성전자주식회사 | Electronic device and control method thereof |
JP7147573B2 (en) * | 2019-01-16 | 2022-10-05 | 株式会社富士通ゼネラル | Server device and learning method |
Family Cites Families (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JPH0791704A (en) * | 1993-09-28 | 1995-04-04 | Sharp Corp | Air conditioner |
JP5511698B2 (en) * | 2011-01-20 | 2014-06-04 | 日本電信電話株式会社 | Air conditioner linkage control system, air conditioner linkage control method, and air conditioner linkage control program |
JP2015023668A (en) * | 2013-07-18 | 2015-02-02 | 株式会社Nttファシリティーズ | Power saving support system and power saving support device |
JP6356502B2 (en) * | 2014-06-20 | 2018-07-11 | 株式会社東芝 | Equipment operation setting device and equipment operation setting value determination program |
-
2016
- 2016-11-29 JP JP2016231390A patent/JP6384971B2/en active Active
Also Published As
Publication number | Publication date |
---|---|
JP2018087662A (en) | 2018-06-07 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
KR101649658B1 (en) | Central control apparatus for controlling facilities, facility control system comprising the same, and method for controlling facilities | |
US10775067B2 (en) | Method for controlling activation of air conditioning device and apparatus therefor | |
US20160274963A1 (en) | Equipment evaluation device, equipment evaluation method and non-transitory computer readable medium | |
US9983653B2 (en) | Central control apparatus for controlling facilities, facility control system including the same, and method of controlling facilities | |
JP2008082642A (en) | Control device and control method of heat storage tank heat source system | |
WO2013043863A1 (en) | Adaptive stochastic controller for energy efficiency and smart buildings | |
US11016014B2 (en) | Method of optimizing filter life cycle between replacements and system for monitoring a ventilation system | |
KR20160042671A (en) | Central control apparatus for controlling facilities, facility control system comprising the same, and method for controlling facilities | |
KR102170522B1 (en) | Energy management system for exhibition hall considering environment and occupancy changes | |
JP6384971B2 (en) | Training data collection system, air conditioning control system, training data collection method and program | |
Kaam et al. | Time-averaged ventilation for optimized control of variable-air-volume systems | |
JPWO2015173842A1 (en) | Parameter learning apparatus and parameter learning method | |
KR101519734B1 (en) | Building energy simulation system using a real time information of agent | |
JP6587353B2 (en) | Control device, air conditioning control system, control method and program | |
JP6596758B2 (en) | Control device, air conditioning control system, control method and program | |
JP2020065346A (en) | Control device, air conditioning control system, control method, and program | |
EP3767190A1 (en) | Air-conditioning control device, air-conditioning system, air-conditioning control method, and program | |
US20200309400A1 (en) | Hvac monitoring method and apparatus | |
JP2008082641A (en) | Control device and control method of heat storage tank heat source system | |
JP2010210209A (en) | Equipment management system | |
TW201519116A (en) | Performance management system, method and computer readable storage medium thereof | |
JP6927350B2 (en) | Air conditioner and air conditioner system | |
JP2020060340A (en) | Control device, air conditioning control system, control information calculation method and program | |
JPWO2017013740A1 (en) | Rule generation device, rule generation method, and program | |
Nelleman et al. | Demand response with model predictive comfort compliance in an office building |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20180320 |
|
A521 | Written amendment |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20180412 |
|
A521 | Written amendment |
Free format text: JAPANESE INTERMEDIATE CODE: A821 Effective date: 20180413 |
|
TRDD | Decision of grant or rejection written | ||
A01 | Written decision to grant a patent or to grant a registration (utility model) |
Free format text: JAPANESE INTERMEDIATE CODE: A01 Effective date: 20180710 |
|
A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20180803 |
|
R150 | Certificate of patent or registration of utility model |
Ref document number: 6384971 Country of ref document: JP Free format text: JAPANESE INTERMEDIATE CODE: R150 |