JP6486731B2 - 機器特性モデル学習装置、機器特性モデル学習方法、及びプログラム - Google Patents
機器特性モデル学習装置、機器特性モデル学習方法、及びプログラム Download PDFInfo
- Publication number
- JP6486731B2 JP6486731B2 JP2015051188A JP2015051188A JP6486731B2 JP 6486731 B2 JP6486731 B2 JP 6486731B2 JP 2015051188 A JP2015051188 A JP 2015051188A JP 2015051188 A JP2015051188 A JP 2015051188A JP 6486731 B2 JP6486731 B2 JP 6486731B2
- Authority
- JP
- Japan
- Prior art keywords
- value
- coefficient
- model
- characteristic model
- characteristic
- 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
Classifications
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
- G05B17/00—Systems involving the use of models or simulators of said systems
- G05B17/02—Systems involving the use of models or simulators of said systems electric
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F17/00—Digital computing or data processing equipment or methods, specially adapted for specific functions
- G06F17/10—Complex mathematical operations
- G06F17/11—Complex mathematical operations for solving equations, e.g. nonlinear equations, general mathematical optimization problems
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N99/00—Subject matter not provided for in other groups of this subclass
-
- F—MECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
- F24—HEATING; RANGES; VENTILATING
- F24F—AIR-CONDITIONING; AIR-HUMIDIFICATION; VENTILATION; USE OF AIR CURRENTS FOR SCREENING
- F24F11/00—Control or safety arrangements
- F24F11/50—Control or safety arrangements characterised by user interfaces or communication
- F24F11/52—Indication arrangements, e.g. displays
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Mathematical Physics (AREA)
- Software Systems (AREA)
- General Engineering & Computer Science (AREA)
- Pure & Applied Mathematics (AREA)
- Mathematical Optimization (AREA)
- Mathematical Analysis (AREA)
- Data Mining & Analysis (AREA)
- Computational Mathematics (AREA)
- Automation & Control Theory (AREA)
- Computing Systems (AREA)
- Operations Research (AREA)
- Databases & Information Systems (AREA)
- Algebra (AREA)
- Air Conditioning Control Device (AREA)
- Testing And Monitoring For Control Systems (AREA)
Description
まず、本実施形態の概要について説明する。
図1は、本実施形態の監視制御システムの構成図である。ここでは、監視制御システムによる監視制御対象が、熱源システムであるとする。監視制御システムは、設定値演算装置1と、機器2と、監視制御装置3と、監視装置4とを備えて構成される。設定値演算装置1は、機器特性モデル学習装置の一例である。設定値演算装置1は、例えば、データセンター内の端末装置に実装されるクラウドサーバーであり、企業などの関係性のある複数の建物の熱源システムを管理対象とする。建物A及び建物Bには、機器2と監視制御装置3とが設置されている。機器2は、熱源システムの構成機器などである。監視制御装置3は、機器2の状態や熱源システムの他のプロセス等の監視や制御を行う。同図では、建物Aと建物Bのそれぞれに機器2を1台ずつ示しているが、各建物に設置される熱源システムは、2台以上の機器2から構成され得る。また、建物Cは例えばオフィスビルであり、監視装置4が設置される。監視制御装置3及び監視装置4は、他の建物における監視制御装置3の情報の少なくとも一部を閲覧可能であり、また設定値演算装置1の演算結果を閲覧可能である。なお、上記の構成はあくまで一例であり、設定値演算装置1の導入形態を限定するものではない。例えば、設定値演算装置1を各建物に設置してもよく、いずれか又は複数の監視制御装置3や監視装置4が設定値演算装置1の機能を有してもよい。
図5は、本実施形態の監視制御システムが監視制御対象とする熱源システムを構成する熱源機の特性モデルを示す図である。図5(a)〜(d)は、熱源機の負荷率を横軸にしたときの、COP(Coefficient Of Performance)の代表的な4種類の推移を示す。一般に、熱源機のCOPは以下の式(1)のようにモデリングされる。
図5(a)に示す特性例50は、一般の熱源機に多くみられるもので、最大負荷率をやや下回る負荷率でCOPが最大となる。特性例50では、COPの変化は比較的緩やかなため、2次程度の非線形曲線で概ね良好にモデリングできる。
図5(b)に示す特性例51は、特に冷却水温度が低い場合にCOPの変化が顕著であり、上記の2次程度の非線形曲線では近似誤差が多くなる。このような特性は、圧縮機回転数を可変運用できるインバータ式熱源機に見られる。
図5(c)に示す特性例52は、複数の圧縮機を有する熱源機の場合である。特性例52では、圧縮機運転台数が変化する中間負荷率近傍において特性が不連続に変化するため、熱源機の全負荷率の特性をモデリングするには、圧縮機台数分の近似曲線が必要となる。また、圧縮機運転台数の変更を熱源機内部の冷媒状態等に基づき決定している場合、中央の監視制御装置3にて取得可能な情報で、一義的に上記の不連続点を定義できない場合もある。
図5(d)に示す特性例53は、更に多数の小容量の圧縮機を有する熱源機の場合であり、上記のいずれとも異なる特性を持つ。
そこで本実施形態の設定値演算装置1のモデル係数導出部103は、機器の特性モデルを、特性の変化要因となる変数の値に基づいて分割することにより低次元化された複数の簡易特性モデルの集合として学習する。
まず、設定値演算装置1のデータ記録部101は、設定値演算装置1に入力された現在の機器状態データ、熱媒状態データ、外気状態データを、データ保存部102に書き込む(ステップS110)。このとき、データ記録部101は、機器2別に、入力されたデータから得られる実績データを、実績データに設定されている変化要因変数(例えば、負荷率)の値に応じたデータ保存領域40内の領域のデータテーブル41に追加登録する。データテーブル41の行数が最大行数に達している場合、データ記録部101は、最も時刻が古い実績データの行を削除する。なお、設定値演算装置1は、現在のデータ(機器状態データ、熱媒状態データ、外気状態データ)を、モデル学習時に一括して過去のデータも含めて取得するようにして収集しても良く、モデル学習とは非同期で、定期的に最新のデータを収集しても良い。
まず、設定値演算部105は、運転設定値を演算する時点における各機器2の最新の実績データをデータ保存部102から取得する(ステップS210)。次に、設定値演算部105は、演算条件に該当するモデル係数値を、モデル係数保存部104から読み出す(ステップS220)。設定値演算部105は、読み出したモデル係数値を適用した簡易特性モデルにより得られる値に基づいて、データ保存部102から読み出した運転条件において最適な運転設定値を演算する(ステップS230)。
なお、上記の計算は、データ保存部102から取得した実績データが示す熱源機iの現在の消費電力EHS i’に基づき、以下の式(4)により計算しても良い。
また、機器2の種類によって、その機器2の特性を式で表した特性モデルに使用される変数は異なる。機器2の種類に応じて、特性モデルに使用される変数のうち、簡易特性モデルを作成する際の変化要因変数を任意に選択してもよい。なお、機器状態データ、熱媒状態データ、又は、外気状態データの1以上から、簡易特性モデルに使用される変数の実績値が得られるものとする。
本実施形態では、学習により得られたモデル係数値の精度が低い可能性がある場合、モデル係数値を補正する。以下では、第1の実施形態との差分を中心に説明する。
本実施形態の監視制御システムは、図1に示す第1の実施形態の監視制御システムにおける設定値演算装置1を、図9に示す設定値演算装置1aに代えた構成である。
1つめの補正方法は、モデル係数値を、今回の学習により導出されたモデル係数値に更新せず、モデル係数保存部104に記憶されている過去の、例えば、前回のモデル係数値を代用する方法である。
本実施形態では、機器の最小運転時間、最小停止時間を考慮して、機器の発停に関する運転設定値を決定する。以下では、第1の実施形態との差分を中心に説明するが、本実施形態と第1の実施形態との差分を第2の実施形態に適用することもできる。
本実施形態の監視制御システムは、図1に示す第1の実施形態の監視制御システムにおける設定値演算装置1を、図12に示す設定値演算装置1bに代えた構成である。
図14は、設定値演算装置1bのモデル学習時の動作フローを示す。同図において、図7に示す設定値演算装置1のモデル学習時の動作フローと同じ処理には、同じステップ番号を付与している。
まず、設定値演算部124は、運転設定値を演算する時点における各機器2の最新の実績データをデータ保存部122から取得する(ステップS210)。
また、以上説明した少なくともひとつの実施形態によれば、モデル係数補正部を持つことにより、学習により導出された簡易特性モデルの係数の値が正しい値ではない可能性がある場合には、その係数の値を補正することができる。
また、以上説明した少なくともひとつの実施形態によれば、設定値演算部を持つことにより、学習により導出された係数の値を適用した簡易特性モデルを用いて算出される評価指標値に基づいて、熱源システムなどの制御対象システムの運転を制御するために用いられる運転設定値を演算することができる。従って、消費エネルギーや二酸化炭素排出量などの評価指標を低く、又は、運転効率などの評価指標を高くするような運転設定値を求め、求めた設定値により制御対象システムを運転させることにより省エネを図ることができる。
Claims (11)
- 機器の特性を表す特性モデルにおいて前記特性を表すために使用される変数の実績値を取得する取得部と、
前記特性モデルに使用される前記変数のうち前記特性の変化の要因となる変数である変化要因変数の値に基づいて前記特性モデルを分割することにより低次元化した変数を用いて前記特性を表す簡易特性モデルにおける係数の値を、前記実績値を用いて導出するモデル係数導出部と、
前記モデル係数導出部により導出された前記係数の値が所定の条件を満たす場合に、前記係数の値を補正するモデル係数補正部と、を備え、
前記所定の条件は、前記モデル係数導出部により導出された前記係数の値の極性が、予め設定された極性と一致しないこと、又は、前記係数の値が得られた前記簡易特性モデルとは前記変化要因変数の値が異なる他の前記簡易特性モデルについて導出された前記係数の値の極性と一致しないことである
機器特性モデル学習装置。 - 前記モデル係数補正部は、過去に導出された前記係数の値を用いることにより、異なる値の前記変化要因変数について導出された前記簡易特性モデルの係数の値を用いることにより、又は、前記係数の値を導出したときと少なくとも一部が異なる前記実績値を用いて前記モデル係数導出部が導出した前記係数の値を用いることにより、前記係数の値を補正する、
請求項1に記載の機器特性モデル学習装置。 - 機器の特性を表す特性モデルにおいて前記特性を表すために使用される変数の実績値を取得する取得部と、
前記特性モデルに使用される前記変数のうち前記特性の変化の要因となる変数である変化要因変数の値に基づいて前記特性モデルを分割することにより低次元化した変数を用いて前記特性を表す簡易特性モデルにおける係数の値を、前記実績値を用いて導出するモデル係数導出部と、
前記モデル係数導出部により導出された前記係数の値を適用した前記簡易特性モデルを用いて算出される評価指標値に基づいて、前記機器を含んで構成される制御対象システムの運転を制御するために用いられる運転設定値を演算する設定値演算部と、を備え、
前記評価指標値は、前記機器の消費エネルギーの値であり、
前記設定値演算部は、前記制御対象システムにおいて稼働させる前記機器の合計の消費エネルギーの値を低減するように前記簡易特性モデルにおける前記変数の値を決定し、決定した前記変数の値に基づいて前記運転設定値を得る、
機器特性モデル学習装置。 - 前記設定値演算部は、前記機器に関する前記変数の実績値が得られた日時に基づいて前記機器が運転を開始又は停止してからの期間を取得し、取得した前記期間により前記機器の発停の可否を判定する、
請求項3に記載の機器特性モデル学習装置。 - 機器の特性を表す特性モデルにおいて前記特性を表すために使用される変数の実績値を取得する取得部と、
前記特性モデルに使用される前記変数のうち前記特性の変化の要因となる変数である変化要因変数の値に基づいて前記特性モデルを分割することにより低次元化した変数を用いて前記特性を表す簡易特性モデルにおける係数の値を、前記実績値を用いて導出するモデル係数導出部と、
を備え、
前記機器は、熱源システムを構成する機器であり、
前記変化要因変数は、前記機器の負荷率、前記機器における冷水温度、前記機器における冷却水温度のうち1以上である、機器特性モデル学習装置。 - 機器特性モデル学習装置が実行する機器特性モデル学習方法であって、
機器の特性を表す特性モデルにおいて前記特性を表すために使用される変数の実績値を取得する取得ステップと、
前記特性モデルに使用される前記変数のうち前記特性の変化の要因となる変数である変化要因変数の値に基づいて前記特性モデルを分割することにより低次元化した変数を用いて前記特性を表す簡易特性モデルにおける係数の値を、前記実績値を用いて導出するモデル係数導出ステップと、
前記モデル係数導出ステップにより導出された前記係数の値が所定の条件を満たす場合に、前記係数の値を補正するモデル係数補正ステップと、を有し、
前記所定の条件は、前記モデル係数導出ステップにより導出された前記係数の値の極性が、予め設定された極性と一致しないこと、又は、前記係数の値が得られた前記簡易特性モデルとは前記変化要因変数の値が異なる他の前記簡易特性モデルについて導出された前記係数の値の極性と一致しないことである
機器特性モデル学習方法。 - 機器特性モデル学習装置が実行する機器特性モデル学習方法であって、
機器の特性を表す特性モデルにおいて前記特性を表すために使用される変数の実績値を取得する取得ステップと、
前記特性モデルに使用される前記変数のうち前記特性の変化の要因となる変数である変化要因変数の値に基づいて前記特性モデルを分割することにより低次元化した変数を用いて前記特性を表す簡易特性モデルにおける係数の値を、前記実績値を用いて導出するモデル係数導出ステップと、
前記モデル係数導出ステップにより導出された前記係数の値を適用した前記簡易特性モデルを用いて算出される評価指標値に基づいて、前記機器を含んで構成される制御対象システムの運転を制御するために用いられる運転設定値を演算する設定値演算ステップと、を有し、
前記評価指標値は、前記機器の消費エネルギーの値であり、
前記設定値演算ステップでは、前記制御対象システムにおいて稼働させる前記機器の合計の消費エネルギーの値を低減するように前記簡易特性モデルにおける前記変数の値を決定し、決定した前記変数の値に基づいて前記運転設定値を得る、
機器特性モデル学習方法。 - 機器特性モデル学習装置が実行する機器特性モデル学習方法であって、
機器の特性を表す特性モデルにおいて前記特性を表すために使用される変数の実績値を取得する取得ステップと、
前記特性モデルに使用される前記変数のうち前記特性の変化の要因となる変数である変化要因変数の値に基づいて前記特性モデルを分割することにより低次元化した変数を用いて前記特性を表す簡易特性モデルにおける係数の値を、前記実績値を用いて導出するモデル係数導出ステップと、
を有し、
前記機器は、熱源システムを構成する機器であり、
前記変化要因変数は、前記機器の負荷率、前記機器における冷水温度、前記機器における冷却水温度のうち1以上である、機器特性モデル学習方法。 - コンピュータに、
機器の特性を表す特性モデルにおいて前記特性を表すために使用される変数の実績値を取得する取得ステップと、
前記特性モデルに使用される前記変数のうち前記特性の変化の要因となる変数である変化要因変数の値に基づいて前記特性モデルを分割することにより低次元化した変数を用いて前記特性を表す簡易特性モデルにおける係数の値を、前記実績値を用いて導出するモデル係数導出ステップと、
前記モデル係数導出ステップにより導出された前記係数の値が所定の条件を満たす場合に、前記係数の値を補正するモデル係数補正ステップと、を実行させ
前記所定の条件は、前記モデル係数導出ステップにより導出された前記係数の値の極性が、予め設定された極性と一致しないこと、又は、前記係数の値が得られた前記簡易特性モデルとは前記変化要因変数の値が異なる他の前記簡易特性モデルについて導出された前記係数の値の極性と一致しないことである
プログラム。 - コンピュータに、
機器の特性を表す特性モデルにおいて前記特性を表すために使用される変数の実績値を取得する取得ステップと、
前記特性モデルに使用される前記変数のうち前記特性の変化の要因となる変数である変化要因変数の値に基づいて前記特性モデルを分割することにより低次元化した変数を用いて前記特性を表す簡易特性モデルにおける係数の値を、前記実績値を用いて導出するモデル係数導出ステップと、
前記モデル係数導出ステップにより導出された前記係数の値を適用した前記簡易特性モデルを用いて算出される評価指標値に基づいて、前記機器を含んで構成される制御対象システムの運転を制御するために用いられる運転設定値を演算する設定値演算ステップと、を実行させ、
前記評価指標値は、前記機器の消費エネルギーの値であり、
前記設定値演算ステップでは、前記制御対象システムにおいて稼働させる前記機器の合計の消費エネルギーの値を低減するように前記簡易特性モデルにおける前記変数の値を決定し、決定した前記変数の値に基づいて前記運転設定値を得る、
プログラム。 - コンピュータに、
機器の特性を表す特性モデルにおいて前記特性を表すために使用される変数の実績値を取得する取得ステップと、
前記特性モデルに使用される前記変数のうち前記特性の変化の要因となる変数である変化要因変数の値に基づいて前記特性モデルを分割することにより低次元化した変数を用いて前記特性を表す簡易特性モデルにおける係数の値を、前記実績値を用いて導出するモデル係数導出ステップと、
を実行させ、
前記機器は、熱源システムを構成する機器であり、
前記変化要因変数は、前記機器の負荷率、前記機器における冷水温度、前記機器における冷却水温度のうち1以上である、プログラム。
Priority Applications (6)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2015051188A JP6486731B2 (ja) | 2015-03-13 | 2015-03-13 | 機器特性モデル学習装置、機器特性モデル学習方法、及びプログラム |
US15/556,378 US20180046158A1 (en) | 2015-03-13 | 2016-02-16 | Equipment characteristics model learning device, equipment characteristics model learning method, and storage medium |
SG11201707302WA SG11201707302WA (en) | 2015-03-13 | 2016-02-16 | Equipment characteristics model learning device, equipment characteristics model learning method, and storage medium |
PCT/JP2016/054401 WO2016147780A1 (ja) | 2015-03-13 | 2016-02-16 | 機器特性モデル学習装置、機器特性モデル学習方法、及び記憶媒体 |
EP16764610.8A EP3270239A4 (en) | 2015-03-13 | 2016-02-16 | Device characteristic model learning device, device characteristic model learning method, and storage medium |
CN201680014493.1A CN107735735A (zh) | 2015-03-13 | 2016-02-16 | 设备特性模型学习装置、设备特性模型学习方法及存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2015051188A JP6486731B2 (ja) | 2015-03-13 | 2015-03-13 | 機器特性モデル学習装置、機器特性モデル学習方法、及びプログラム |
Publications (2)
Publication Number | Publication Date |
---|---|
JP2016170715A JP2016170715A (ja) | 2016-09-23 |
JP6486731B2 true JP6486731B2 (ja) | 2019-03-20 |
Family
ID=56918850
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2015051188A Active JP6486731B2 (ja) | 2015-03-13 | 2015-03-13 | 機器特性モデル学習装置、機器特性モデル学習方法、及びプログラム |
Country Status (6)
Country | Link |
---|---|
US (1) | US20180046158A1 (ja) |
EP (1) | EP3270239A4 (ja) |
JP (1) | JP6486731B2 (ja) |
CN (1) | CN107735735A (ja) |
SG (1) | SG11201707302WA (ja) |
WO (1) | WO2016147780A1 (ja) |
Families Citing this family (19)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2018071805A (ja) * | 2016-10-24 | 2018-05-10 | 株式会社東芝 | 空調制御装置、空調システム、空調制御方法およびプログラム |
JP6562893B2 (ja) | 2016-11-17 | 2019-08-21 | 株式会社東芝 | パラメータ推定装置、空調システム評価装置、パラメータ推定方法およびプログラム |
JP6928753B2 (ja) * | 2017-02-24 | 2021-09-01 | Primetals Technologies Japan株式会社 | パラメータ値取得装置および評価方法 |
JP6856443B2 (ja) * | 2017-05-09 | 2021-04-07 | 株式会社日立製作所 | 設備機器の異常診断システム |
JP2019067238A (ja) * | 2017-10-03 | 2019-04-25 | エヌ・ティ・ティ・コミュニケーションズ株式会社 | 制御装置、制御方法および制御プログラム |
JP7093649B2 (ja) * | 2018-03-08 | 2022-06-30 | 三機工業株式会社 | 熱源システム及びその制御方法 |
JP7088323B2 (ja) * | 2018-06-26 | 2022-06-21 | 日本電気株式会社 | サーバラック、制御装置、冷却方法、及びプログラム |
US11243503B2 (en) | 2018-07-20 | 2022-02-08 | Johnson Controls Tyco IP Holdings LLP | Building management system with online configurable system identification |
JP2020016992A (ja) * | 2018-07-24 | 2020-01-30 | 株式会社日立製作所 | 特性モデル自動生成システム及び特性モデル自動生成方法 |
EP3657273A1 (de) * | 2018-11-21 | 2020-05-27 | Siemens Aktiengesellschaft | Verfahren zur bestimmung von zumindest einem geräteparameter von zumindest einem von zumindest zwei geräten für deren gemeinsamen betrieb |
JP2020106402A (ja) * | 2018-12-27 | 2020-07-09 | 清水建設株式会社 | 熱源機性能評価装置、熱源機性能評価方法、およびプログラム |
CN110398902B (zh) * | 2019-06-19 | 2021-09-24 | 上海机电工程研究所 | 光电信号仿真误差分析方法 |
JP2021022311A (ja) * | 2019-07-30 | 2021-02-18 | 株式会社リコー | 異常検知装置、異常検知システムおよびプログラム |
WO2021033231A1 (ja) * | 2019-08-19 | 2021-02-25 | 三菱電機株式会社 | 情報処理装置 |
JP7456301B2 (ja) | 2020-06-11 | 2024-03-27 | 三菱電機株式会社 | 空調システム |
JP2022130126A (ja) * | 2021-02-25 | 2022-09-06 | 三菱重工業株式会社 | 回転機械評価装置、回転機械評価システム、回転機械評価装置のチューニング方法、及び、回転機械評価方法 |
WO2022185411A1 (ja) * | 2021-03-02 | 2022-09-09 | 三菱電機株式会社 | 空気調和システム |
CN113126544B (zh) * | 2021-03-30 | 2022-10-28 | 大连富士冰山智控***有限公司 | 监视***、监视装置以及监视方法 |
CN114396704B (zh) * | 2021-12-02 | 2023-04-21 | 珠海横琴能源发展有限公司 | 一种基于大数据分析的冷水机组健康性诊断方法及*** |
Family Cites Families (27)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JPS58107903A (ja) * | 1981-12-22 | 1983-06-27 | Toshiba Corp | モデルを用いたプロセス制御方法 |
JPH0682080A (ja) * | 1992-09-01 | 1994-03-22 | Matsushita Refrig Co Ltd | 負荷予測装置 |
JPH06174285A (ja) * | 1992-12-04 | 1994-06-24 | Takasago Thermal Eng Co Ltd | 空調熱負荷予測方法 |
GB0205336D0 (en) * | 2002-03-07 | 2002-04-24 | Univ Manchester | Data dimension reduction |
GB2399187B (en) * | 2002-07-24 | 2005-06-15 | Rolls Royce Plc | Method of generating a multifidelity model of a system |
JP4111153B2 (ja) * | 2004-03-09 | 2008-07-02 | 三菱電機株式会社 | 運用計画システムおよび運用計画立案プログラム |
US7437014B2 (en) * | 2004-04-21 | 2008-10-14 | The Boeing Company | Methods and systems for model reduction and system identification of dynamic systems with multiple inputs |
JP2006349302A (ja) * | 2005-06-20 | 2006-12-28 | Toyo Standard:Kk | 消費電力削減装置および消費電力削減方法 |
JP4661640B2 (ja) * | 2006-03-09 | 2011-03-30 | 株式会社日立製作所 | 空調制御システム |
US7660639B2 (en) * | 2006-03-27 | 2010-02-09 | Hitachi, Ltd. | Control system for control subject having combustion unit and control system for plant having boiler |
JP4585983B2 (ja) * | 2006-03-27 | 2010-11-24 | 株式会社日立製作所 | プラント制御方法及びプラント制御装置 |
JP4825960B2 (ja) * | 2006-10-18 | 2011-11-30 | 国立大学法人広島大学 | 制御装置、制御パラメータの調整装置、制御パラメータの調整方法 |
JP4299350B2 (ja) * | 2007-03-29 | 2009-07-22 | 株式会社日立製作所 | 火力発電プラントの制御装置、及び火力発電プラントの制御方法 |
CN101825867A (zh) * | 2009-03-06 | 2010-09-08 | 株式会社东芝 | 设备最优化运行***,最优运转点计算方法以及最优运转点计算程序 |
JP5297272B2 (ja) * | 2009-06-11 | 2013-09-25 | 株式会社日立製作所 | 装置異常監視方法及びシステム |
WO2011027451A1 (ja) * | 2009-09-03 | 2011-03-10 | 東芝三菱電機産業システム株式会社 | 設定計算学習装置及び設定計算学習方法 |
JP5759206B2 (ja) * | 2011-03-01 | 2015-08-05 | 東芝三菱電機産業システム株式会社 | 学習係数制御装置 |
US8832006B2 (en) * | 2012-02-08 | 2014-09-09 | Nec Corporation | Discriminant model learning device, method and program |
JP5494696B2 (ja) * | 2012-02-27 | 2014-05-21 | ダイキン工業株式会社 | ヒートポンプ機器エネルギー管理装置 |
JP5908302B2 (ja) * | 2012-02-27 | 2016-04-26 | 株式会社東芝 | 蓄電蓄熱最適化装置、最適化方法及び最適化プログラム |
CN102809928B (zh) * | 2012-08-10 | 2014-08-20 | 南京南瑞继保电气有限公司 | 一种工业企业热力设备能耗的控制优化方法 |
JP5958237B2 (ja) * | 2012-09-25 | 2016-07-27 | 富士通株式会社 | 熱流体シミュレーション方法及び熱流体シミュレーション装置 |
CN103064289B (zh) * | 2012-12-19 | 2015-03-11 | 华南理工大学 | 一种垃圾发电厂多目标运行优化及协调的控制方法及装置 |
CN103048041B (zh) * | 2012-12-20 | 2014-11-26 | 北京信息科技大学 | 基于局部切空间和支持向量机的机电***故障诊断方法 |
CN103034130B (zh) * | 2013-01-09 | 2015-07-01 | 武安市新峰水泥有限责任公司 | 水泥在线模拟***及其实现方法 |
CN103322647B (zh) * | 2013-06-13 | 2015-12-09 | 浙江工业大学 | 一种中央空调的冷却水供水温度预测控制方法 |
JP5342708B1 (ja) * | 2013-06-19 | 2013-11-13 | 株式会社日立パワーソリューションズ | 異常検知方法及びその装置 |
-
2015
- 2015-03-13 JP JP2015051188A patent/JP6486731B2/ja active Active
-
2016
- 2016-02-16 CN CN201680014493.1A patent/CN107735735A/zh not_active Withdrawn
- 2016-02-16 SG SG11201707302WA patent/SG11201707302WA/en unknown
- 2016-02-16 EP EP16764610.8A patent/EP3270239A4/en not_active Withdrawn
- 2016-02-16 WO PCT/JP2016/054401 patent/WO2016147780A1/ja active Application Filing
- 2016-02-16 US US15/556,378 patent/US20180046158A1/en not_active Abandoned
Also Published As
Publication number | Publication date |
---|---|
WO2016147780A1 (ja) | 2016-09-22 |
SG11201707302WA (en) | 2017-10-30 |
EP3270239A1 (en) | 2018-01-17 |
US20180046158A1 (en) | 2018-02-15 |
JP2016170715A (ja) | 2016-09-23 |
EP3270239A4 (en) | 2018-11-14 |
CN107735735A (zh) | 2018-02-23 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
JP6486731B2 (ja) | 機器特性モデル学習装置、機器特性モデル学習方法、及びプログラム | |
US11965666B2 (en) | Control method for air conditioner, and device for air conditioner and storage medium | |
US10527304B2 (en) | Demand response based air conditioning management systems and method | |
JP5842654B2 (ja) | システム制御装置およびシステム制御方法 | |
US10941950B2 (en) | Air conditioning control device, air conditioning control method and non-transitory computer readable medium | |
EP2966372A1 (en) | Air-conditioning control device and storage medium | |
CN110736225B (zh) | 空调的控制方法和装置 | |
JP5404556B2 (ja) | 空気調和機の制御装置および冷凍装置の制御装置 | |
KR102032811B1 (ko) | 냉동기의 제거열량을 이용한 에너지소비 절감 장치 및 방법 | |
JP6587353B2 (ja) | 制御装置、空調制御システム、制御方法及びプログラム | |
JP2011185581A (ja) | 制御モデル更新装置、制御モデル更新方法、空調制御システム、データ妥当性判断装置 | |
JP2021103083A5 (ja) | ||
JP2013178094A (ja) | 熱源設備制御システム | |
EP3767190A1 (en) | Air-conditioning control device, air-conditioning system, air-conditioning control method, and program | |
JP4857051B2 (ja) | 冷凍機設備の運転方法及び冷凍機を備えて成る設備 | |
WO2019143482A1 (en) | System and method for optimizing performance of chiller water plant operations | |
JP2011002111A (ja) | 熱源機システム運転ナビゲーションシステム | |
WO2010106688A1 (ja) | 冷却装置を有する電子装置および冷却プログラム | |
JP6290687B2 (ja) | 空気調和システム | |
JP7385099B2 (ja) | 情報処理装置、空気調和装置、情報処理方法、空気調和方法、及びプログラム | |
CN114087712A (zh) | 空调器防凝露控制方法、空调器及存储介质 | |
Teo et al. | Energy management controls for chiller system: A review | |
JP7134915B2 (ja) | プログラム、クレーム発生予測装置及びクレーム発生予測方法 | |
JP6427317B2 (ja) | 熱源設備制御システム、および熱源設備制御方法 | |
US12038191B2 (en) | Air conditioner timing estimation controller using machine learning model |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
A711 | Notification of change in applicant |
Free format text: JAPANESE INTERMEDIATE CODE: A711 Effective date: 20170830 Free format text: JAPANESE INTERMEDIATE CODE: A712 Effective date: 20170830 |
|
A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20171113 |
|
A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20180619 |
|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20180820 |
|
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: 20190122 |
|
A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20190220 |
|
R150 | Certificate of patent or registration of utility model |
Ref document number: 6486731 Country of ref document: JP Free format text: JAPANESE INTERMEDIATE CODE: R150 |