JP7170740B2 - 情報処理装置およびこれを備えた空調システム - Google Patents

Description

本発明は、空気調和機に運転に関する情報を提供する情報処理装置およびこれを備えた空調システムに関する。

従来、室内機および室外機で構成される空気調和機に対して、省エネルギー化のために予冷運転または予熱運転を行って、目標時刻に目標温度に到達するように制御する最適起動制御装置が提案されている（例えば、特許文献１参照）。

特開２０１６－０６１４８７号公報

特許文献１では、最適起動制御装置が室外機に対して１台の室内機が接続された空気調和機に対して目標時刻に目標温度に到達させる制御を行っているが、複数の室内機を制御する場合が考慮されていない。特許文献１の最適起動装置が各室内機の空調環境に起因する熱負荷を考慮せずに空気調和機を制御すると、無駄に電力を消費し、消費電力の最大値が大きくなってしまうおそれがある。

本発明は、上記のような課題を解決するためになされたもので、複数の負荷側ユニットを有する空気調和機の消費電力の最大値を抑制する情報処理装置およびこれを備えた空調システムを提供するものである。

本発明に係る情報処理装置は、複数の負荷側ユニットを有する空気調和機の運転状態を制御する空調管理装置と通信する情報処理装置であって、前記各負荷側ユニットについて、熱負荷の影響因子となる入力データと熱負荷を示す出力データとの組からなる学習データを複数記憶する学習データ保持手段と、前記学習データ保持手段が記憶する、前記各負荷側ユニットの前記複数の学習データに基づいて、前記各負荷側ユニットが処理する熱負荷を推定し、前記入力データおよび前記出力データの入出力関係を示す学習モデルを求める熱負荷学習手段と、前記熱負荷学習手段が求めた、前記各負荷側ユニットの前記学習モデルに基づいて、前記各負荷側ユニットの空調対象空間の温度を指定された設定時刻に指定された設定温度に到達させる前記運転状態のスケジュールを決定するスケジュール決定手段と、を有し、前記入力データは、外気温度、前記空調対象空間の温度、前記空調対象空間の設定温度および前記空気調和機の運転状態を含み、前記運転状態は、前記空気調和機に設けられた圧縮機に設定される運転周波数の情報を含み、前記空調対象空間における発生熱量をＱｒとし、前記外気温度をＴｏｕｔとし、前記空調対象空間の温度をＴｒとし、前記空調対象空間に設けられた窓の熱伝導率をＲｗｉｎとし、前記空調対象空間の熱容量をＣとし、前記空調対象空間における発生熱および前記窓を介して外部から伝導する熱以外の他の熱負荷の影響因子に起因する熱量をαとすると、前記学習データの前記出力データは、式（１）について前記空調対象空間の温度Ｔｒが前記空調対象空間の設定温度に到達するまでの時間変化の積分値によって表される値である、Ｑｒ＋（Ｔｏｕｔ－Ｔｒ）／Ｒｗｉｎ－Ｃ（ｄＴｒ／ｄｔ）＋α・・・（１）。

本発明に係る空調システムは、上記の情報処理装置と、前記複数の負荷側ユニットおよび熱源側ユニットを有する前記空気調和機と、前記各負荷側ユニットの前記空調対象空間の温度を検出する空間温度センサと、複数の前記空間温度センサと接続される前記空調管理装置と、を有するものである。

本発明によれば、複数の負荷側ユニットに対して学習モデルを用いて各負荷側ユニットの熱負荷を推定することで、空気調和機が各負荷側ユニットの空調対象空間の空調環境に適した運転を行うことができる。その結果、各負荷側ユニットの運転負荷が大きくなる時刻がシフトすると、全体の消費電力の最大値を抑制することができる。

本発明の実施の形態１に係る空調システムの一構成例を示す図である。 図１に示した空調管理装置および情報処理装置の一構成例を示すブロック図である。 図２に示した空調制御手段が空気調和機に対して行う制御を説明するための図である。 図２に示した熱負荷学習手段およびスケジュール決定手段の動作手順の例を模式的に示す図である。 図２に示した熱負荷学習手段およびスケジュール決定手段の別の動作手順の例を模式的に示す図である。 図４に示した熱負荷学習手段が行う機械学習の手順を示すフローチャートである。 図１に示した情報処理装置の動作手順を示すフローチャートである。 図２に示した空調管理装置がスケジュールにしたがって圧縮機および膨張装置を制御した場合の一例を示す図である。 変形例１の空調システムの一構成例を示す図である。 変形例２の空調システムの一構成例を示す図である。 変形例３の空調システムの一構成例を示す図である。 変形例４の空調システムの一構成例を示す図である。 本発明の実施の形態２に係る空調システムの一構成例を示す図である。

実施の形態１．
本実施の形態１の空調システムの構成を説明する。図１は、本発明の実施の形態１に係る空調システムの一構成例を示す図である。図１に示すように、空調システム１は、空気調和機２と、空気調和機２を制御する空調管理装置３と、空気調和機２の運転状態のスケジュールを空調管理装置３に通知する情報処理装置４とを有する。空調管理装置３は、空気調和機２に設けられた複数のセンサおよび空気調和機２の複数の制御対象機器と通信線６を介して接続される。空調管理装置３は情報処理装置４と通信線５で接続される。空調管理装置３と情報処理装置４とを接続する通信線５は、ネットワークであってもよい。ネットワークは、例えば、インターネットである。

空気調和機２は、熱源側ユニット５０と、複数の負荷側ユニット４０ａおよび４０ｂとを有する。熱源側ユニット５０は、冷媒を圧縮して吐出する圧縮機５１と、外気と冷媒とが熱交換する熱源側熱交換器５２と、運転モードにしたがって冷媒の流通方向を切り替える四方弁５３とを有する。負荷側ユニット４０ａは、負荷側ユニット４０ａの空調対象空間となる室内の空気と冷媒とが熱交換する負荷側熱交換器４１ａと、高圧の冷媒を減圧して膨張させる膨張装置４２ａとを有する。負荷側ユニット４０ｂは、負荷側ユニット４０ｂの空調対象空間となる室内の空気と冷媒とが熱交換する負荷側熱交換器４１ｂと、高圧の冷媒を減圧して膨張させる膨張装置４２ｂとを有する。負荷側ユニット４０ａには、室温Ｔｒａを検出する空間温度センサ４３ａが設けられている。負荷側ユニット４０ｂには、室温Ｔｒｂを検出する空間温度センサ４３ｂが設けられている。熱源側ユニット５０には、外気温度Ｔｏｕｔを検出する外気温度センサ５４が設けられている。以下では、室温ＴｒａおよびＴｒｂの両方を含む場合の室温をＴｒと表記する。

圧縮機５１は、例えば、運転周波数を変更することで容量を変えることができるインバータ式圧縮機である。膨張装置４２ａおよび４２ｂは、例えば、電子膨張弁である。熱源側熱交換器５２、負荷側熱交換器４１ａおよび４１ｂは、例えば、フィンアンドチューブ式熱交換器である。熱源側ユニット５０および負荷側ユニット４０ａにおいて、圧縮機５１、熱源側熱交換器５２、膨張装置４２ａおよび負荷側熱交換器４１ａが接続され、冷媒が循環する冷媒回路６０が構成される。熱源側ユニット５０および負荷側ユニット４０ｂにおいても、圧縮機５１、熱源側熱交換器５２、膨張装置４２ｂおよび負荷側熱交換器４１ｂが接続され、冷媒が循環する冷媒回路６０が構成される。

空調管理装置３は、制御部１１および記憶部１２を有する。記憶部１２は、例えば、フラッシュメモリ等の不揮発性メモリである。制御部１１は、プログラムを記憶するメモリ１３と、プログラムにしたがって処理を実行するＣＰＵ（Ｃｅｎｔｒａｌ Ｐｒｏｃｅｓｓｉｎｇ Ｕｎｉｔ）１４とを有する。情報処理装置４は、制御部２１および記憶部２２を有する。情報処理装置４は、例えば、サーバである。記憶部１２は、例えば、ＨＤＤ（Ｈａｒｄ Ｄｉｓｋ Ｄｒｉｖｅ）である。制御部２１は、プログラムを記憶するメモリ２３と、プログラムにしたがって処理を実行するＣＰＵ２４とを有する。

図２は、図１に示した空調管理装置および情報処理装置の一構成例を示すブロック図である。図３は、図２に示した空調制御手段が空気調和機に対して行う制御を説明するための図である。図１～図３を参照して、空調管理装置３の構成を説明する。空調管理装置３の記憶部１２は空調データ保持手段１０１を有する。制御部１１は、通信手段１０２と、空調制御手段１０３と、空気調和機通信手段１０４とを有する。図１に示したＣＰＵ１４がプログラムを実行することで、通信手段１０２、空調制御手段１０３および空気調和機通信手段１０４が構成される。

空調データ保持手段１０１は、空調データを記憶する。空調データは、例えば、圧縮機５１の運転周波数と、膨張装置４２ａおよび４２ｂの開度と、各種センサの検出値とを含む。通信手段１０２は、通信線５を介して情報処理装置４とデータを送受信するとともに、情報処理装置４との通信を管理する。具体的には、通信手段１０２は、空調データを空調データ保持手段１０１から読み出して情報処理装置４に送信する。また、通信手段１０２は、圧縮機５１の起動時刻および起動時に圧縮機５１に設定される運転周波数を含む運転状態のスケジュールを情報処理装置４から受信すると、スケジュールを空調制御手段１０３に渡す。運転状態は、膨張装置４２ａおよび４２ｂの開度の情報を含んでいてもよい。スケジュールは、圧縮機５１の運転周波数と膨張装置４２ａおよび４２ｂの開度とを含む運転状態の時間変化に伴う設定値を含んでいてもよい。

空気調和機通信手段１０４は、空気調和機２と空調制御手段１０３および記憶部１２との通信を中継するとともに、空気調和機２との通信を管理する。空気調和機通信手段１０４は、通信線６を介して、圧縮機５１と、四方弁５３と、膨張装置４２ａおよび４２ｂと、外気温度センサ５４と、空間温度センサ４３ａおよび４３ｂとからデータを取得し、取得したデータを空調データ保持手段１０１に格納する。圧縮機５１と、四方弁５３と、膨張装置４２ａおよび４２ｂから取得されるデータは運転状態を示すものである。外気温度センサ５４と、空間温度センサ４３ａおよび４３ｂとから取得されるデータは、各センサの検出値である。

空調制御手段１０３は、負荷側ユニット４０ａが運転する場合、空間温度センサ４３ａが検出する室温Ｔｒａが設定温度Ｔｓａになるように、圧縮機５１の運転周波数および膨張装置４２ａの開度を制御する。空調制御手段１０３は、負荷側ユニット４０ｂが運転する場合、空間温度センサ４３ｂが検出する室温Ｔｂが設定温度Ｔｓｂになるように、圧縮機５１の運転周波数および膨張装置４２ｂの開度を制御する。空調制御手段１０３は、負荷側ユニット４０ａおよび４０ｂが運転する場合、室温Ｔｒａが設定温度Ｔｓａになり、かつ室温Ｔｒｂが設定温度Ｔｓｂになるように、圧縮機５１の運転周波数と膨張装置４２ａおよび４２ｂの開度とを設定する。以下では、設定温度ＴｓａおよびＴｓｂの両方を含む場合の設定温度をＴｓｅｔと表記する。

設定温度Ｔｓａは、例えば、負荷側ユニット４０ａの空調対象空間となる部屋を利用するユーザが図に示さないリモートコントローラを操作して入力することで、メモリ１３に記憶される。設定温度Ｔｓｂは、負荷側ユニット４０ｂの空調対象空間となる部屋を利用するユーザがリモートコントローラを操作して入力することで、メモリ１３に記憶される。また、空調制御手段１０３は、圧縮機５１の運転周波数の決定に外気温度Ｔｏｕｔの影響を考慮してもよい。

また、空調制御手段１０３は、通信手段１０２を介して情報処理装置４から運転状態のスケジュールを受信すると、スケジュールにしたがって空気調和機２を制御する。例えば、スケジュールが圧縮機５１の起動時刻および運転周波数の情報を含んでいる場合、空調制御手段１０３は、スケジュールにしたがって、運転周波数を圧縮機５１に設定し、起動時刻に圧縮機５１を起動する。スケジュールが膨張装置４２ａおよび４２ｂの開度の時系列の設定値を含んでいる場合、空調制御手段１０３は、スケジュールにしたがって膨張装置４２ａおよび４２ｂの開度を制御する。

続いて、図１および図２を参照して、情報処理装置４の構成を説明する。情報処理装置４の記憶部２２は、学習データ保持手段１２１を有する。制御部２１は、通信手段１２２と、熱負荷学習手段１２３と、スケジュール決定手段１２４とを有する。図１に示したＣＰＵ２４がプログラムを実行することで、通信手段１２２、熱負荷学習手段１２３およびスケジュール決定手段１２４が構成される。

学習データ保持手段１２１は、空調管理装置３の空調データ保持手段１０１が記憶する空調データに含まれるデータのうち、機械学習に用いられる学習データを記憶する。学習データは、入力データと出力データとの組で構成される。負荷側ユニット４０ａの場合、入力データは、外気温度Ｔｏｕｔ、空間温度センサ４３ａの検出値、設定温度Ｔｓａおよび圧縮機５１の運転周波数である。出力データは、負荷側ユニット４０ａが処理する熱負荷である。熱負荷は、室温Ｔｒと設定温度Ｔｓｅｔとの温度差に比例する。また、熱負荷は、外気温度Ｔｏｕｔおよび室内発生熱量などの影響を受ける。室内発生熱量は、負荷側ユニット４０ａおよび４０ｂの空調対象空間毎に異なる量である。そのため、学習データは、負荷側ユニット４０ａおよび４０ｂのユニット毎に蓄積する必要がある。

通信手段１２２は、空調管理装置３とデータを送受信するとともに、空調管理装置３との通信を管理する。具体的には、通信手段１２２は、空調データ保持手段１０１が記憶する空調データから通信手段１０２を介して学習データを取得し、取得した学習データを学習データ保持手段１２１に格納する。熱負荷学習手段１２３は、学習データ保持手段１２１が保持する学習データを用いて機械学習プログラムにしたがって機械学習を実行し、全体の熱負荷から負荷側ユニット４０ａおよび４０ｂの熱負荷を相対的に推定する。そして、熱負荷学習手段１２３は、負荷側ユニット４０ａおよび４０ｂ毎に、入力データおよび出力データの入力出力関係を示す学習モデルを求める。熱負荷学習手段１２３は、求めた学習モデルをメモリ２３に記憶させる。学習モデルの格納先は、メモリ２３の代わりに記憶部２２であってもよい。

スケジュール決定手段１２４は、熱負荷学習手段１２３が負荷側ユニット４０ａおよび４０ｂ毎に求めた学習モデルに基づいて、負荷側ユニット毎に室温を指定された設定時刻に指定された設定温度に到達させる運転状態のスケジュールを決定する。スケジュールは、例えば、午前６時に圧縮機５１の運転周波数をＦ１［Ｈｚ］に設定し、午前８時に圧縮機５１の運転周波数をＦ１からΔｆ増加させたＦ２［Ｈｚ］に設定するものである。

ここで、図２に示した熱負荷学習手段１２３およびスケジュール決定手段１２４の動作を、図４を参照して説明する。図４は、図２に示した熱負荷学習手段およびスケジュール決定手段の動作手順の例を模式的に示す図である。

学習データの入力データは、例えば、外気温度Ｔｏｕｔ、室温Ｔｒ、設定温度Ｔｓｅｔおよび運転状態などがある。運転状態は、圧縮機５１の運転周波数の場合で説明するが、膨張装置４２ａおよび４２ｂの開度であってもよい。外気温度Ｔｏｕｔは、天気予報の情報を用いてもよい。天気予報の情報を用いる場合は後述する。図４は、入力データが、外気温度Ｔｏｕｔ、室温Ｔｒ、設定温度Ｔｓｅｔおよび運転状態の４つの場合を示す。

機械学習の前処理として、図４に示すように、熱負荷学習手段１２３は、入力データの最適化および入力次元の削減の一方または両方を行ってもよい。入力次元の削減は、例えば、室温Ｔｒと設定温度Ｔｓｅｔとの温度の差分を取ることである。入力データの最適化は、例えば、負荷側ユニット４０ａおよび４０ｂの各空調対象空間の設定温度Ｔｓｅｔが異なる場合、設定温度ＴｓａおよびＴｓｂを正規化することである。

図４に示す機械学習において、熱負荷学習手段１２３は、例えば、教師あり学習を実行する。教師あり学習は、複数の学習データから未知の状況を高精度に推定する入出力関係を示す学習モデルを求める機械学習である。熱負荷学習手段１２３が行う機械学習は、教師あり学習に限らず、強化学習であってもよい。また、教師あり学習および強化学習に対して、ディープラーニングを適用してもよい。さらに、入出力関係について、求められる精度および計算効率に応じて、熱負荷学習手段１２３は、教師あり学習、強化学習およびニューラルネットワークのうち、いずれかの機械学習を選択してもよい。

ここで、学習モデルの求め方の一例を説明する。熱特性モデルの熱負荷の影響因子として、外気温度Ｔｏｕｔ、室温Ｔｒ、室内発生熱量Ｑｒ、空調熱量Ｑ_ＨＶＡＣ［ｋＷ］、日射量および隣室温度などがある。これらの影響因子のうち、代表的な影響因子を用いた熱特性モデルの１つは、例えば、次の式（１）で表される。

式（１）において、ａおよびｂは係数であり、Ｃは室内熱容量［ｋＪ／Ｋ］である。Ｒｗｉｎは窓熱伝導率［ｋＷ／Ｋ］であり、αは他の熱負荷の影響因子に起因する熱量である。空調熱量Ｑ_ＨＶＡＣは、冷房運転の場合は除去熱量であり、暖房運転の場合は供給熱量である。空調熱量Ｑ_ＨＶＡＣについては、熱負荷学習手段１２３は、圧縮機５１の運転周波数を含む運転状態による理論値から算出する。

式（１）において、左辺を右辺に移動し、空調熱量Ｑ_ＨＶＡＣを左辺に移動すると、次の式（２）のようになる。なお、式（２）では、空調熱量Ｑ_ＨＶＡＣの係数ａにプラスまたはマイナスの符号を含めている。

式（２）の右辺に示す熱量について、室温Ｔｒが設定温度Ｔｓｅｔに到達するまでの時間変化の積分値が熱負荷と考えることができる。熱負荷学習手段１２３は、負荷側ユニット４０ａおよび４０ｂの負荷側ユニット毎に、時系列で変化する入力データを式（２）に代入し、入力データと出力データとを組にした学習データを蓄積する。そして、熱負荷学習手段１２３は、蓄積した学習データに基づいて、入力データおよび出力データの入出力関係を示す学習モデルを求める。

なお、学習データの収集に用いられる熱特性モデルは式（１）に限らない。学習データの収集に用いられる熱特性モデルは複数であってもよい。また、熱負荷学習手段１２３は、複数の熱特性モデルのそれぞれについて学習データを蓄積し、空調対象空間の空調環境における熱負荷に大きな影響を与える影響因子となるパラメータを抽出し、複数の熱特性モデルから最適な熱特性モデルを選択してもよい。

スケジュール決定手段１２４は、熱負荷学習手段１２３が求めた、各負荷側ユニットの熱負荷に関する学習モデルに基づいて、空気調和機２の運転状態のスケジュールを決定する。その際、スケジュール決定手段１２４は、ユーザが指定する評価関数にしたがってスケジュールを調整してもよい。評価関数は、ユーザが重視する内容にしたがって、ユーザが図に示さないリモートコントローラを操作して変更することができる。評価関数は、例えば、ユーザの快適性、空気調和機２の消費電力量および空気調和機２の電力料金などである。

ユーザが指定した評価関数にしたがって、出力されるスケジュールの運転状態が変化する。評価関数がユーザの快適性である場合、スケジュール決定手段１２４は、負荷側ユニット４０ａおよび４０ｂのユニット毎に指定された設定時刻に指定された設定温度に到達するスケジュールを算出する。その際、スケジュール決定手段１２４は、圧縮機５１の消費電力よりも、指定された設定時刻に室温が指定された設定温度に到達することを優先して圧縮機５１の起動時刻および運転周波数を決める。

図５は、図２に示した熱負荷学習手段およびスケジュール決定手段の別の動作手順の例を模式的に示す図である。図５は、負荷側ユニットが４台の場合を示す。図５は、評価関数が消費電力の場合である。スケジュール決定手段１２４は、４台の負荷側ユニットのユーザ毎に指定された設定時刻に室温が指定された設定温度に到達させ、かつ圧縮機５１の消費電力が最小になるように、圧縮機５１の起動時刻および運転周波数を決める。スケジュール決定手段１２４は、４台の負荷側ユニットについて、圧縮機５１の起動時刻および運転周波数を一括して出力する。

また、図５において、評価関数は電力料金であってもよい。評価関数が電力料金である場合、時間帯に対応した電力料金の情報をメモリ２３が記憶しているものとする。例えば、午後９時～午前５時の時間帯の電力料金が他の時間帯の電力料金よりも安い場合、スケジュール決定手段１２４は、圧縮機５１の起動時刻を午後９時～午前５時に決定してもよい。さらに、図５において、４台の負荷側ユニットの代わりに４台の空気調和機２であってもよい。この場合、スケジュール決定手段１２４は、全ての空気調和機２の圧縮機５１の起動時刻を一括で出力してもよい。図４および図５を参照して説明したように、評価関数に応じて圧縮機５１の起動時刻が変化する。

図６は、図４に示した熱負荷学習手段が行う機械学習の手順を示すフローチャートである。通信手段１２２は、決められた周期の開始時刻になると（ステップＳ１０１）、空調管理装置３が記憶する空調データから、室温ＴｒａおよびＴｒｂと、外気温度Ｔｏｕｔと、設定温度ＴｓａおよびＴｓｂとを含むデータを読み出す（ステップＳ１０２）。そして、通信手段１２２は、読み出したデータを学習データ保持手段１２１に格納する。また、通信手段１２２は、空気調和機２の運転状態を示すデータを空調管理装置３が記憶する空調データから取得し（ステップＳ１０３）、取得したデータを学習データ保持手段１２１に格納する。図６では、運転状態が圧縮機５１の運転周波数の場合を示す。

熱負荷学習手段１２３は、学習のタイミングが否かを判定し（ステップＳ１０４）、学習のタイミングでない場合、ステップＳ１０６に進む。ステップＳ１０４の判定の結果、学習のタイミングである場合、熱負荷学習手段１２３は、図４を参照して説明した機械学習を実行し（ステップＳ１０５）、学習結果として学習モデルをメモリ２３に格納する。メモリ２３が既に学習モデルを記憶している場合、熱負荷学習手段１２３は、メモリ２３が記憶する学習モデルを更新する。機械学習を実行する周期は、ユーザが自由に設定できる。学習モデルを記憶する記憶手段はメモリ２３に限らない。記憶部２２が学習モデルを記憶してもよい。

次に、本実施の形態１の情報処理装置４の動作を説明する。図７は、図１に示した情報処理装置の動作手順を示すフローチャートである。ここでは、負荷側ユニット４０ａおよび４０ｂの各ユーザが、室温Ｔｒが設定時刻に設定温度になるように、図に示さないリモートコントローラを操作して設定時刻および設定温度を指定しているものとする。空調管理装置３の通信手段１０２は、各負荷側ユニットの設定時刻および設定温度を記憶部１２に格納する。負荷側ユニット４０ａについて、指定された設定時刻をｔａとし、指定された設定温度をＴｓａ１とする。負荷側ユニット４０ｂについて、指定された設定時刻をｔｂとし、指定された設定温度をＴｓｂ１とする。図７に示す破線枠は、熱負荷学習手段１２３が求めた学習モデルに基づく処理を示す。

通信手段１２２は、各負荷側ユニットに指定された設定時刻および設定温度を空調管理装置３から取得する（ステップＳ２０１）。通信手段１２２は、指定された設定時刻のうち、一番早い指定時刻の一定時間前に、現在の室温Ｔｒ、外気温度Ｔｏｕｔおよび運転状態を含む空調データを空調管理装置３から取得する（ステップＳ２０２）。一定時間は、例えば、１時間である。ここでは、設定時刻ｔａが設定時刻ｔｂよりも早いものとする。

スケジュール決定手段１２４は、設定時刻ｔａおよびｔｂと、設定温度Ｔｓａ１およびＴｓｂ１と、空調データとを通信手段１２２から受け取る。スケジュール決定手段１２４は、通信手段１２２から受け取った情報を入力データとして、負荷側ユニット４０ａおよび４０ｂの各学習モデルを用いて、相対的に必要な熱負荷を算出する（ステップＳ２０３）。スケジュール決定手段１２４は、全体の熱負荷を考慮して圧縮機５１の起動時刻および運転周波数を決定する（ステップＳ２０４）。そして、スケジュール決定手段１２４は、室温Ｔｒａを設定時刻ｔａに設定温度Ｔｓａ１に到達させ、かつ室温Ｔｒｂを設定時刻ｔｂに設定温度Ｔｓｂ１に到達させる運転状態のスケジュールを決定する。スケジュール決定手段１２４は、決定したスケジュールを空調管理装置３に送信する（ステップＳ２０５）。

図７に示す手順において、制御部２１は、時刻が設定時刻ｔａまたはｔｂに到達するまでステップＳ２０２～Ｓ２０５の処理を定期的に繰り返し、空調管理装置３に通知するスケジュールを更新してもよい。また、図７に示す手順では、ステップＳ２０５において、スケジュール決定手段１２４がスケジュールを空調管理装置３に送信する場合で説明したが、スケジュールにしたがって運転状態を空調管理装置３に指示してもよい。この場合、空調管理装置３は、スケジュールを保持する必要がない。また、スケジュールが時間経過に伴って更新される場合、空調管理装置３は、スケジュールの更新の度に新しいスケジュールを情報処理装置４から受信する必要がなくなる。

図８は、図２に示した空調管理装置がスケジュールにしたがって圧縮機および膨張装置を制御した場合の一例を示す図である。図８の縦軸は室温であり、横軸は時間である。図８は、負荷側ユニット４０ａおよび４０ｂが暖房運転を行う場合である。

スケジュールは、例えば、時刻ｔ１において圧縮機５１の運転周波数をＦ１［Ｈｚ］に設定し、膨張装置４２ａの開度をＣｖａに設定し、時刻ｔ２において圧縮機５１の運転周波数をＦ２［Ｈｚ］に設定し、膨張装置４２ｂの開度をＣｖｂに設定するものである。Ｆ２＞Ｆ１の関係である。設定時刻ｔａよりも早い時刻ｔ１で圧縮機５１が起動することで、室温Ｔｒａは設定時刻ｔａに設定温度Ｔｓａ１に達している。また、設定時刻ｔｂよりも早い時刻ｔ２で圧縮機５１の運転周波数がＦ２に増加することで、室温Ｔｒｂは設定時刻ｔｂに設定温度Ｔｓｂ１に達している。このようにして、負荷側ユニット４０ａおよび４０ｂ毎に、各空調対象空間が設定時刻に設定温度に到達するように制御される。

なお、通信線５は、ネットワークであってもよい。ネットワークは、例えば、インターネットである。この場合、情報処理装置４は、天気予報を提供するサーバからネットワークを介して、空気調和機２が設置されている地域の外気温度の情報を取得してもよい。外気温度センサ５４は設けられていなくてもよい。また、負荷側ユニットの台数は２台に限らない。負荷側ユニットの台数は３台以上であってもよい。

本実施の形態１の情報処理装置４は、各負荷側ユニットの学習モデルに基づいて、各負荷側ユニットの空調対象空間の温度を設定時刻に設定温度に到達させる運転状態のスケジュールを決定するスケジュール決定手段１２４を有する。学習モデルは、各負荷側ユニットの熱負荷の影響因子となる入力データおよび熱負荷を示す出力データの入出力関係を示すものである。

本実施の形態１によれば、情報処理装置４が複数の負荷側ユニット４０ａおよび４０ｂに対して学習モデルを用いて各負荷側ユニットの熱負荷を推定することで、各負荷側ユニットの空調対象空間の空調環境に適した運転状態を示すスケジュールが求まる。その結果、各負荷側ユニットの運転負荷が大きくなる時刻がシフトすると、空気調和機２の消費電力の最大値が大きくなることを抑制できる。そのため、各空調対象空間の室温が設定時刻に設定温度に到達することでユーザの快適性を確保するとともに、空気調和機２の全体の消費電力の最大値を抑制できる。電力料金が消費電力の最大値に比例して大きくなる場合、電力料金を抑制することができる。また、熱負荷の学習モデルの算出に機械学習を用いることで、熱負荷の推定に用いる入力データのパラメータを変更することが容易である。

また、本実施の形態１の情報処理装置４は、各負荷側ユニットの入力データと出力データとの組からなる学習データを記憶する学習データ保持手段１２１と、熱負荷学習手段１２３とを有していてもよい。熱負荷学習手段１２３は、各負荷側ユニットの学習データに基づいて、各負荷側ユニットが処理する熱負荷を推定し、入力データおよび出力データの入出力関係を示す学習モデルを求める。

熱負荷をより正確に算出しようとすると、外気温度を含む影響因子を考慮した物理モデルおよび統計モデルを用いる必要があり、計算処理が複雑になり、情報処理の負荷が大きくなる。これに対して、本実施の形態１では、複数の空調対象空間の空調環境が異なっていても、熱負荷学習手段１２３が各空調対象空間の熱負荷を機械学習にしたがって学習モデルを求めているため、情報処理の負荷を軽減しながら、熱負荷算出の精度が向上する。

また、本実施の形態１において、ユーザが評価関数を指定してもよい。スケジュール決定手段１２４は、指定された評価関数にしたがってスケジュールを調整する。例えば、評価関数が消費電力である場合、スケジュール決定手段１２４は、各空調対象空間を設定時刻に設定温度に到達させるスケジュールを、空気調和機２の消費電力が最小になるように調整する。評価関数が電力料金である場合、スケジュール決定手段１２４は、各空調対象空間を設定時刻に設定温度に到達させるスケジュールについて、圧縮機５１の起動時刻を電力料金が安い時間帯にシフトするように調整する。この場合、スケジュール決定手段１２４は、圧縮機５１の起動時の運転周波数を調整前のスケジュールよりも低い運転周波数に変更する。

［変形例１］
本実施の形態１の空調システムにおいて、学習データ保持手段１２１は、情報処理装置４に設けられていなくてもよい。例えば、学習データ保持手段１２１は、ネットワークに接続された記憶装置に設けられていてもよい。記憶装置は、例えば、ファイルサーバである。図９は、変形例１の空調システムの一構成例を示す図である。図９に示す構成では、通信線５がネットワーク７０の場合である。ネットワーク７０は、例えば、インターネットである。

図９に示す空調システム１ａにおいて、空調管理装置３および情報処理装置４ａはネットワーク７０を介して接続される。ネットワーク７０に記憶装置８０が接続されている。記憶装置８０は、学習データ保持手段１２１と、ネットワーク７０を介して他の装置と情報を送受信する通信手段８１とを有する。空調管理装置３および通信手段１２２は、ネットワーク７０および通信手段８１を介して学習データ保持手段１２１にアクセスすることができる。図９に示す構成の場合、負荷側ユニットの数に比例して増加する空調データを記憶する保持手段が情報処理装置４ａとは別に設けられているため、情報処理装置４ａの製品コストを抑制できる。例えば、クラウドサービスを提供する会社が記憶装置８０を保守および管理する場合が考えられる。

［変形例２］
本実施の形態１の空調システムにおいて、熱負荷学習手段１２３は、情報処理装置４に設けられていなくてもよい。例えば、熱負荷学習手段１２３は、ネットワークに接続されたサーバに設けられていてもよい。図１０は、変形例２の空調システムの一構成例を示す図である。図１０に示す構成では、通信線５がネットワーク７０の場合である。

図１０に示す空調システム１ｂにおいて、空調管理装置３および情報処理装置４ｂはネットワーク７０を介して接続される。ネットワーク７０にサーバ９０が接続されている。サーバ９０は、熱負荷学習手段１２３と、ネットワーク７０を介して他の装置と情報を送受信する通信手段９１とを有する。通信手段１２２は、ネットワーク７０および通信手段９１を介して熱負荷学習手段１２３にアクセスすることができる。負荷側ユニットの数に比例して機械学習の処理負荷が増加する。そのため、図１０に示す構成の場合、熱負荷学習手段１２３が情報処理装置４ｂとは別に設けられることで、情報処理装置４ｂの処理負荷および製品コストを抑制できる。

［変形例３］
本実施の形態１の空調システムにおいて、空気調和機２が設けられていてもよい。図１１は、変形例３の空調システムの一構成例を示す図である。図１１に示す空調システム１ｃでは、空調管理装置３が複数の空気調和機２－１～２－ｎと接続されている。ｎは２以上の整数である。この場合、図３を参照して説明したモデルを適用することで、複数の空気調和機２－１～２－ｎの系統全体を考慮して各圧縮機５１の起動時刻を算出できる。スケジュール決定手段１２４は、複数の空気調和機２－１～２－ｎの各空気調和機の圧縮機５１の起動時刻をずらし、空気調和機２－１～２－ｎの消費電力が最小になるようにスケジュールを決定する。この場合、空気調和機２－１～２－ｎの消費電力の総和の最大値を抑制できる。

［変形例４］
本実施の形態１の空調システムにおいて、情報処理装置４は、複数の空気調和機２－１～２－ｎが設置された建物全体の消費電力を監視するコントローラと接続されてもよい。図１２は、変形例４の空調システムの一構成例を示す図である。図１０に示す構成では、通信線５がネットワーク７０の場合である。

図１２に示す空調システム１ｄにおいて、空調管理装置３および情報処理装置４はネットワーク７０を介して接続される。ネットワーク７０に集中コントローラ２００が接続されている。集中コントローラ２００は、例えば、サーバである。集中コントローラ２００は、空気調和機２が設置された建物全体の消費電力を監視する。建物全体の消費電力として、空気調和機２の他に、エレベータ、自動ドアおよび照明装置などの機器の消費電力がある。スケジュール決定手段１２４は、集中コントローラ２００から建物全体の消費電力の時系列の情報を取得し、建物全体の消費電力が最小になるように、空気調和機２の運転状態のスケジュールを決定する。この場合、空気調和機２が設置された建物全体の消費電力の最大値が抑制され、建物全体の消費電力量の低減を図ることができる。さらに、スケジュール決定手段１２４は、各空調対象空間を設定時刻に設定温度に到達させるスケジュールについて、圧縮機５１の起動時刻を電力料金が安い時間帯にシフトするように調整してもよい。この場合、建物全体の電力料金を抑制することができる。

なお、変形例１～４のうち、２以上の変形例が組み合わされてもよい。例えば、変形例４に変形例３を適用してもよい。この場合、複数の空気調和機２－１～２－ｎが設置された建物全体の消費電力の最大値が抑制され、建物全体の消費電力量の低減効果が大きくなることが期待できる。

実施の形態２．
本実施の形態２の空調システムは、実施の形態１で説明した空調管理装置３が情報処理装置４の機能を備えているものである。本実施の形態２では、実施の形態１で説明した構成と同一の構成についての詳細な説明を省略する。

本実施の形態２の空調システムの構成を説明する。図１３は、本発明の実施の形態２に係る空調システムの一構成例を示す図である。図１３に示す空調管理装置３ａは、図２に示した情報処理装置４の構成のうち、通信手段１２２を除く構成を含んでいる。例えば、情報処理装置４が実行するプログラムが空調管理装置３で実行され、熱負荷学習手段１２３およびスケジュール決定手段１２４が空調管理装置３に構成される。なお、本実施の形態２の空調システムの動作は実施の形態１と同様なため、その詳細な説明を省略する。

本実施の形態２によれば、空調管理装置３が情報処理装置４の機能を備えることで、通信手段１２２および通信線５を含む通信インタフェースが不要となる。その結果、情報処理装置４を含む機器の設置制約が抑制され、空調管理装置３ａの設置が容易となる。本実施の形態２においても、変形例１～４を適用してもよい。

１、１ａ～１ｄ 空調システム、２、２－１～２－ｎ 空気調和機、３、３ａ 空調管理装置、４、４ａ、４ｂ 情報処理装置、５ 通信線、６ 通信線、１１ 制御部、１２ 記憶部、１３ メモリ、１４ ＣＰＵ、２１ 制御部、２２ 記憶部、２３ メモリ、２４ ＣＰＵ、４０ａ、４０ｂ 負荷側ユニット、４１ａ、４１ｂ 負荷側熱交換器、４２ａ、４２ｂ 膨張装置、４３ａ、４３ｂ 空間温度センサ、５０ 熱源側ユニット、５１ 圧縮機、５２ 熱源側熱交換器、５３ 四方弁、５４ 外気温度センサ、６０ 冷媒回路、７０ ネットワーク、８０ 記憶装置、８１ 通信手段、９０ サーバ、９１ 通信手段、１０１ 空調データ保持手段、１０２ 通信手段、１０３ 空調制御手段、１０４ 空気調和機通信手段、１２１ 学習データ保持手段、１２２ 通信手段、１２３ 熱負荷学習手段、１２４ スケジュール決定手段、２００ 集中コントローラ。

Claims (11)

1. 複数の負荷側ユニットを有する空気調和機の運転状態を制御する空調管理装置と通信する情報処理装置であって、
   前記各負荷側ユニットについて、熱負荷の影響因子となる入力データと熱負荷を示す出力データとの組からなる学習データを複数記憶する学習データ保持手段と、
   前記学習データ保持手段が記憶する、前記各負荷側ユニットの前記複数の学習データに基づいて、前記各負荷側ユニットが処理する熱負荷を推定し、前記入力データおよび前記出力データの入出力関係を示す学習モデルを求める熱負荷学習手段と、
   前記熱負荷学習手段が求めた、前記各負荷側ユニットの前記学習モデルに基づいて、前記各負荷側ユニットの空調対象空間の温度を指定された設定時刻に指定された設定温度に到達させる前記運転状態のスケジュールを決定するスケジュール決定手段と、
   を有し、
   前記入力データは、外気温度、前記空調対象空間の温度、前記空調対象空間の設定温度および前記空気調和機の運転状態を含み、
   前記運転状態は、前記空気調和機に設けられた圧縮機に設定される運転周波数の情報を含み、
   前記空調対象空間における発生熱量をＱｒとし、前記外気温度をＴｏｕｔとし、前記空調対象空間の温度をＴｒとし、前記空調対象空間に設けられた窓の熱伝導率をＲｗｉｎとし、前記空調対象空間の熱容量をＣとし、前記空調対象空間における発生熱および前記窓を介して外部から伝導する熱以外の他の熱負荷の影響因子に起因する熱量をαとすると、
   前記学習データの前記出力データは、
   式（１）について前記空調対象空間の温度Ｔｒが前記空調対象空間の設定温度に到達するまでの時間変化の積分値によって表される値である、
   Ｑｒ＋（Ｔｏｕｔ－Ｔｒ）／Ｒｗｉｎ－Ｃ（ｄＴｒ／ｄｔ）＋α・・・（１）
   情報処理装置。
2. 前記スケジュール決定手段は、評価関数が指定されると、指定された評価関数にしたがって前記運転状態のスケジュールを調整する、請求項１に記載の情報処理装置。
3. 請求項１または２に記載の情報処理装置と、
   前記複数の負荷側ユニットおよび熱源側ユニットを有する前記空気調和機と、
   前記各負荷側ユニットの前記空調対象空間の温度を検出する空間温度センサと、
   複数の前記空間温度センサと接続される前記空調管理装置と、
   を有する空調システム。
4. 前記空調管理装置は前記情報処理装置を含む構成である、請求項３に記載の空調システム。
5. ネットワークに接続された記憶装置と、
   前記空調管理装置および前記熱負荷学習手段が前記ネットワークを介して前記記憶装置と通信する通信手段と、を有し、
   前記記憶装置が前記学習データ保持手段を有する、請求項３に記載の空調システム。
6. ネットワークに接続されたサーバと、
   前記空調管理装置、前記学習データ保持手段および前記スケジュール決定手段が前記ネットワークを介して前記サーバと通信する通信手段と、を有し、
   前記サーバが前記熱負荷学習手段を有する、請求項３に記載の空調システム。
7. 前記情報処理装置がネットワークを介して前記空調管理装置と接続されている、請求項３に記載の空調システム。
8. 複数の前記空気調和機を有し、
   前記空調管理装置は、前記複数の空気調和機を制御する、請求項３～７のいずれか１項に記載の空調システム。
9. 前記スケジュール決定手段は、前記複数の空気調和機の消費電力が最小になるように前記運転状態のスケジュールを決定する、請求項８に記載の空調システム。
10. 前記空気調和機が設置された建物全体の消費電力を監視するコントローラと前記情報処理装置が接続され、
    前記スケジュール決定手段は、前記建物全体の消費電力が最小になるように前記空気調和機の前記運転状態のスケジュールを決定する、請求項３～７のいずれか１項に記載の空調システム。
11. 前記空気調和機が設置された建物全体の消費電力を監視するコントローラと前記情報処理装置が接続され、
    前記スケジュール決定手段は、前記建物全体の電力料金が最小になるように前記空気調和機の前記運転状態のスケジュールを決定する、請求項３～７のいずれか１項に記載の空調システム。

Images