JP7261103B2 - カビ抑制システムおよびプログラム - Google Patents

Description

本発明は、室内のカビを抑制するためのカビ抑制システムおよびプログラムに関する。

特開２００８－１２１９７３号公報（特許文献１）には、カビ抑制モードを有する空気調和機が開示されている。この空気調和機は、カビ抑制モードが選択された場合に、現在の室外の温度に応じて暖房運転または除湿運転を行い、暖房運転時においては、室内外の絶対湿度に応じて適宜換気運転を行っている。

特開平６－１１３８８６号公報（特許文献２）には、ある雰囲気における温度および相対湿度の組み合わせによって、カビの生育速度を推定できることが開示されている。

特開２００８－１２１９７３号公報 特開平６－１１３８８６号公報

特許文献１の空気調和機は、カビ抑制モードにおいて、現在の室内外の空気環境に応じて、作動させる運転機能（暖房運転、除湿運転）を選択している。このように、現在の空気環境だけで運転機能を選択する場合、カビ対策としては不十分である。

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あって、その目的は、効率的にカビを抑制することのできるカビ抑制システムおよびプログラムを提供することである。

この発明のある局面に従うカビ抑制システムは、室内のカビを抑制するカビ抑制システムであって、モデル記憶部と、検知手段と、予測手段と、推定手段と、スケジュール決定手段とを備える。モデル記憶部は、時間ごとの室内温度、室内の絶対湿度、および外気温度と、各時間の所定期間前の室内温度、室内の絶対湿度、および外気温度とを機械学習させて生成された予測モデルを記憶する。検知手段は、室内温度および室内の絶対湿度を検知する。予測手段は、検知手段により検知された室内温度および室内の絶対湿度と、そのときの外気温度と、所定期間後の予報外気温度とを予測モデルに入力して、所定期間後の室内温度および室内の絶対湿度を予測する。推定手段は、予測手段により予測された室内温度および室内の絶対湿度に基づいて、所定期間後のカビ指数を推定する。スケジュール決定手段は、推定手段により推定されたカビ指数の推移に応じて、室内に設置された湿度調整装置の運転スケジュールを決定する。

好ましくは、予測モデルを生成するパラメータは、時間ごとの空調機の使用状況をさらに含む。

スケジュール決定手段は、所定期間内において、推定手段により推定されたカビ指数が閾値以上である時間が一定時間以上である場合に、湿度調整装置の運転スケジュールを決定することが望ましい。

好ましくは、湿度調整装置は、外気を室内に給気する換気運転機能、暖房運転機能、および除湿運転機能を含む複数種類の運転機能を有している。この場合、スケジュール決定手段は、推定手段により推定されたカビ指数、室内外の絶対湿度、および外気温度に基づいて、複数種類の運転機能のなかから作動させる運転機能を選択することが望ましい。

また、スケジュール決定手段は、省エネモードおよび時短モードを含む複数の除湿モードのうちユーザに選択された除湿モードに従って、作動させる運転機能を決定することが望ましい。

複数の除湿モードは、湿度調整装置の運転時間を設定時間以下とするハイブリッドモードをさらに含んでいてもよい。

スケジュール決定手段は、湿度調整装置の運転時間を計算し、計算した運転時間に基づいて湿度調整装置の運転開始時間を決定することがより望ましい。

好ましくは、カビ抑制システムは、スケジュール決定手段により決定された運転スケジュールに従って、湿度調整装置の運転を制御する運転制御手段をさらに備える。

好ましくは、上記所定期間は２４時間である。好ましくは、予測モデルは、一年における月単位で学習して生成されていることが望ましい。

カビ抑制システムは、予測モデルを機械学習により生成する学習装置をさらに備えていてもよい。

この発明のある局面に従うカビ抑制プログラムは、時間ごとの室内温度、室内の絶対湿度、および外気温度と、各時間の所定期間前の室内温度、室内の絶対湿度、および外気温度とを機械学習させて生成された予測モデルを、記憶部から読み出すステップと、検知手段により検知された室内温度および室内の絶対湿度と、そのときの外気温度と、所定期間後の予報外気温度とを予測モデルに入力して、所定期間後の室内温度および室内の絶対湿度を予測するステップと、予測された室内温度および室内の絶対湿度に基づいて、所定期間後のカビ指数を推定するステップと、推定されたカビ指数の推移に応じて、室内に設置された湿度調整装置の運転スケジュールを決定するステップとをコンピュータに実行させる。

本発明によれば、効率的にカビを抑制することができる。

（Ａ）は、本発明の実施の形態に係るカビ抑制システムの機能構成を示すブロック図であり、（Ｂ）は、学習装置の機能構成を示すブロック図である。 （Ａ）は、カビ抑制システムによる湿度調整対象となる部屋を模式的に示す図であり、（Ｂ）は、学習装置による学習対象となる部屋を模式的に示す図である。 本発明の実施の形態における予測モデルの予測精度を説明するための図である。 本発明の実施の形態に係るカビ抑制システムの制御装置が実行する処理の流れを示すフローチャートである。 一日におけるカビ指数の推定値の推移例を模式的に示すグラフである。 本発明の実施の形態において、省エネモードの運転スケジュール決定処理（図４のステップＳ１３）を示すフローチャートである。 本発明の実施の形態において、時短モードの運転スケジュール決定処理（図４のステップＳ１５）を示すフローチャートである。 本発明の実施の形態において、ハイブリッドモードの運転スケジュール決定処理（図４のステップＳ１７）を示すフローチャートである。

本発明の実施の形態について図面を参照しながら詳細に説明する。なお、図中同一または相当部分には同一符号を付してその説明は繰返さない。

＜カビ抑制システムの構成例＞
図１（Ａ）は、本実施の形態に係るカビ抑制システム１の機能構成を示すブロック図である。図２（Ａ）は、カビ抑制システム１による湿度調整対象となる部屋９を模式的に示す図である。部屋９は、典型的には住宅の居室（リビング、寝室など）であり、部屋９内にはエアコン９１が設置されている。エアコン９１は、部屋９内の空気の温度を調整する空調機である。なお、部屋９が設けられる建物は住宅以外であってもよい。

図２（Ａ）に示されるように、カビ抑制システム１は、制御装置１０と、部屋９内に設けられた温度センサ７１および湿度センサ７２と、屋外に設けられた外気温センサ７３と、部屋９内に設置された湿度調整装置８とを備えている。

制御装置１０は、メモリおよびプロセッサを含むコンピュータであり、インターネットなどのネットワーク１１に接続されている。温度センサ７１は、部屋９内の温度（室温）を検知する。湿度センサ７２は、部屋９内の絶対湿度を検知する。外気温センサ７３は、外気温度を検知する。

湿度調整装置８は、外気を給気することで部屋９を換気する換気運転機能、部屋９の空気中の水分を取り除く除湿運転機能、および部屋９の空気を暖める暖房運転機能を含む複数種類の運転機能を有している。本実施の形態では、理解を容易にするために、部屋９内に換気装置８１と除湿装置８２と暖房装置８３とが設けられた例が示されている。これらの装置８１～８３のうちの全部または一部が、一つの装置に一体的に搭載されていてもよい。また、少なくとも暖房装置８３の機能は、部屋９内に設置されたエアコン９１により実現されてもよい。

図１（Ａ）を参照して、カビ抑制システム１は、その機能として、モデル記憶部２と、予測部３と、カビ指数推定部４と、スケジュール決定部５と、運転制御部６とを含む。これらの各部は、制御装置１０に搭載されている。なお、モデル記憶部２は、制御装置１０がアクセスできるサーバ上に設けられていてもよい。

モデル記憶部２は、翌日（すなわち２４時間後）の室内温度および室内の絶対湿度を予測するための予測モデル２０を予め記憶している。この予測モデル２０は、事前に、図１（Ｂ）に示す学習装置１００が、図２（Ｂ）に示す部屋１０９（部屋９相当）の空気環境データを機械学習することによって生成されたものである。学習装置１００による学習方法については後述する。

予測部３は、センサ７１～７３それぞれから得られる当日の室内温度、絶対湿度、および、外気温度と、ネットワーク１１を介して得られる翌日の予報外気温度（天気予報）とを予測モデル２０に入力して、翌日の室内温度および絶対湿度を予測する。つまり、予測対象日の１日前の空気環境履歴を利用して、室内温度および絶対湿度を予測する。

当日の室内温度、絶対湿度、および、外気温度の実測データは、データ記憶部３０に時系列に（時刻ごとに）一時記憶される。予測部３が翌日の室内温度および絶対湿度を予測するときに、データ記憶部３０から、一日分の実測データが読み出される。予測部３は、データ記憶部３０から読み出した時間ごとの実測値と、翌日の時間ごとの予報外気温度（予報値）とを、予測モデル２０に入力することで、翌日の時間ごとの室内温度および絶対湿度を予測（計算）する。これにより、翌日の室内温度および絶対湿度の時間ごとの推移が予測される。室内温度および絶対湿度は、たとえば１時間単位で予測される。

なお、本実施の形態では、当日の外気温度は実測されることとするが、当日の外気温度もネットワーク１１から得られてもよい。この場合、外気温センサ７３はカビ抑制システム１に含まれなくてもよい。

カビ指数推定部４は、予測部３により予測された翌日の室内温度および絶対湿度に基づいて、翌日のカビ指数を推定する。予測部３において翌日の室内温度および絶対湿度の推移が予測されるため、カビ指数推定部４は、翌日のカビ指数の推移を推定することができる。カビ指数は、カビの発生しやすさを予測する指標であり、たとえば０～２００の数値で表される。

スケジュール決定部５は、カビ指数推定部４により推定されたカビ指数の推移に応じて、部屋９内に設置された湿度調整装置８の運転スケジュールを決定する。スケジュール決定部５は、湿度調整装置８の運転時間を計算し、計算した運転時間に基づいて湿度調整装置８の運転開始時間を決定することが望ましい。

本実施の形態において、スケジュール決定部５は、湿度調整装置８の複数種類の運転機能のなかから作動させる運転機能を選択するとともに、その運転機能の運転時間を決定する。運転時間は、運転開始時間（時刻）と、運転を継続する時間とを含む。

運転制御部６は、スケジュール決定部５により決定された運転スケジュールに従って、湿度調整装置８の運転を制御する。つまり、決定された運転時間に従って、換気装置８１、除湿装置８２、および暖房装置８３のいずれかを作動させる制御を行う。

一般的に、カビ指数が１００以上の時間が６時間以上連続すると、カビが発生するといわれている。本実施の形態では、カビ指数の推移を予測できるため、カビ指数が１００以上である時間が目標時間（少なくとも、６時間よりも短い時間）以内となるように、カビ対策を行うことができる。目標時間は、たとえば２時間である。

本実施の形態におけるスケジュール決定部５は、カビ指数が１００以上である時間が連続して２時間以上である場合にのみ、湿度調整装置８の運転スケジュールを決定する。つまり、カビが発生する可能性が極めて低い場合には、湿度調整装置８による除湿を行わない。このようにすることで、無駄な電力消費を抑えつつ、効果的なカビ対策を施すことができる。なお、目標時間は、３時間以下であることが望ましいものの、１時間以上６時間未満の範囲内で定められればよい。

また、スケジュール決定部５は、ユーザに選択された除湿モードに従って、作動させる運転機能を決定することが望ましい。除湿モードは、省エネモードと、時短モードと、ハイブリッドモードとを含む。省エネモードは、水分量が多く危険な状態（カビ発生の危険度が高い状態）から目標環境（カビ発生の危険度が低い状態）まで除湿するのに、最も省エネギー効果が高いモードである。時短モードは、水分量が多く危険な状態から目標環境まで除湿するのに、最も時間がかからないモードである。ハイブリッドモードは、ユーザが設定した設定時間内で、水分量が多く危険な状態から目標環境まで除湿するのに、最も省エネルギー効果が高いモードである。ユーザによる除湿モードの選択は、図示しない操作部（たとえばリモコン）を介して行われる。ハイブリッドモードの場合、ユーザは、６時間以下の任意の時間を設定可能である。

制御装置１０に含まれる、予測部３、カビ指数推定部４、スケジュール決定部５、および運転制御部６の機能は、典型的にはソフトウェアにより実現される。なお、これらのうちの少なくとも１つについては、ハードウェアにより実現されてもよい。

＜学習装置の構成例＞
図１（Ｂ）は、本実施の形態に係る学習装置１００の機能構成を示すブロック図である。図２（Ｂ）は、学習装置１００による学習対象となる部屋１０９を模式的に示す図である。部屋１０９は、カビ抑制システム１の部屋９を模した部屋である。部屋１０９には、上述の湿度調整装置８が設置されていなくてもよい。なお、部屋１０９は部屋９と同一であってもよい。

図１（Ｂ）を参照して、学習装置１００は、その機能として、モデル生成部１０１と、データ記憶部１０２と、モデル記憶部１０３とを含む。

データ記憶部１０２には、図２（Ｂ）に示すセンサ７１～７３それぞれから得られる室内温度、絶対湿度、および、外気温度が時系列で（時刻ごとに）記憶され、蓄積される。また、データ記憶部１０２には、部屋１０９に設置されたエアコン９１の使用状況が時系列で記憶（蓄積）される。エアコン９１の使用状況には、エアコン９１のＯＮ／ＯＦＦ情報、および、設定温度情報が含まれる。なお、学習装置１００においても、外気温度はネットワーク１１を介して得られてもよい。

モデル生成部１０１は、データ記憶部１０２に蓄積された空気環境データに基づいて、予測モデル１３０を生成する。具体的には、時間ごとの室内温度、絶対湿度、外気温度、およびエアコン９１の使用状況を、前日の室内温度、絶対湿度、および外気温度と関連付けて機械学習することにより、予測モデル１３０を生成する。これにより、ある時間（時刻）の室内温度、絶対湿度、および外気温度の実測値と、その２４時間後の予報外気温度とをキーとして、２４時間後の室内温度および絶対湿度を予測できるように、予測モデル１３０が生成される。なお、エアコン９１の使用状況は、予測モデル１３０の精度を向上させるために用いられるパラメータであり、室内温度および室内の絶対湿度の予測に、間接的に寄与する。

モデル生成部１０１は、複数日に亘って（望ましくは一年以上）これらの空気環境データを機械学習することで、予測モデル１３０を更新する。機械学習は、たとえば重回帰分析により行われる。このようにして生成された予測モデル１３０が、予測モデル２０としてカビ抑制システム１のモデル記憶部２に格納されている。予測モデル１３０は、一年における月単位で学習して生成されていることが望ましい。

予測モデル１３０（２０）を用いた予測部３による予測精度について、図３を参照して説明する。図３には、予測モデル１３０による室内温度の予測条件およびその比較例が示されている。図３（Ａ）に示す「Ｃａｓｅ１」および「Ｃａｓｅ３」は、比較例であり、「Ｃａｓｅ２」が、本願の実施形態に対応する。

「Ｃａｓｅ１」には、過去の室内温度および外気温度の履歴データを用いることなく、室内温度を予測する場合の予測条件が示されている。この場合、室内温度を予測する予測モデルのパラメータは、月・時と、その時の外気温度およびエアコンの使用状況のみである。

「Ｃａｓｅ２」には、一日前の室内温度および外気温度の履歴データを用いて、室内温度を予測する場合の予測条件が示されている。この場合、室内温度を予測する予測モデルのパラメータは、月・時と、その時の外気温度およびエアコンの使用状況と、一日前の同じ時間の室内温度および外気温度である。

「Ｃａｓｅ３」には、１０分前の履歴データを用いて、室内温度を予測する場合の予測条件が示されている。この場合、室内温度を予測する予測モデルのパラメータは、月・時と、その時の外気温度およびエアコンの使用状況と、１０分前の室内温度および外気温度である。

図３（Ｂ）に示されるように、Ｃａｓｅ１の決定係数は０．１（温度誤差：約±３℃）であり、過去の履歴データを用いない場合の予測精度は極めて低い。これに対し、Ｃａｓｅ２の決定係数は０．４８（温度誤差：約±１．５℃）となっていることから、Ｃａｓｅ１に比べて予測精度が向上していることが分かる。

Ｃａｓｅ３の決定係数は０．９８（温度誤差：約±０．３℃）であり、予測精度は非常に高いものの、この場合、１０分後のカビ指数を計算することになるため、カビ対策を効率的に行うことができない。

室内の絶対湿度の予測精度についても、一日前の絶対湿度および外気温度の履歴データを用いて予測する場合に、Ｃａｓｅ２と同等の決定係数（０.４～０．６）が示された。そのため、予測モデル１３０（２０）に従うことで、２４時間後の室内温度および絶対湿度を大まかに予測することが可能である。このように、２４時間後の室内温度および絶対湿度を大まかに予測することで、２４時間後のカビ指数を推定（計算）できるため、本実施の形態によれば、１日単位で最適なカビ対策を施すことが可能である。

なお、予測モデル１３０（２０）を生成するパラメータは、決定係数が０．５以上（望ましくは０．６以上）となるように、たとえば天気（雨、晴れ、曇）など、上記以外のパラメータ（空気環境データ）を含んでいてもよい。あるいは、予測モデル２０（１３０）を生成するパラメータは、エアコン９１の使用状況を含まなくてもよい。

また、本実施の形態では、室内温度および絶対湿度の予測に、共通の予測モデル２０が用いられることとするが、限定的ではない。つまり、モデル記憶部２に記憶される予測モデルは、室内温度用の予測モデルと絶対湿度用の予測モデルとで構成されていてもよい。室内温度用の予測モデルは、時間ごとの室内温度、外気温度、およびエアコン９１の使用状況と、各時間の２４時間前の室内温度および外気温度とを機械学習させて生成される。絶対湿度用の予測モデルは、時間ごとの絶対湿度、外気温度、およびエアコン９１の使用状況と、各時間の２４時間前の絶対湿度および外気温度とを機械学習させて生成される。

＜カビ抑制システムの動作について＞
本実施の形態に係るカビ抑制システム１の動作について説明する。図４は、カビ抑制システム１の制御装置１０が実行する処理の流れを示すフローチャートである。なお、図４に示す処理は、午前０時など毎日同時刻に、制御装置１０のプロセッサがメモリに予め記憶されたプログラムを読み出して実行することで開始される。また、図４に示す処理に平行して、制御装置１０は、センサ７１～７３により検知される実測値、すなわち、室内温度、絶対湿度、および外気温度を、データ記憶部３０に時系列に記憶する処理を行っているものとする。

図４を参照して、はじめに、制御装置１０の予測部３は、モデル記憶部２に記憶された予測モデル２０を読み出す（ステップＳ１）。また、データ記憶部３０に記憶された前日一日分の実測値を読み出す（ステップＳ２）。具体的には、前日の時間ごとの室内温度、絶対湿度、および外気温度を読み出す。

さらに、予測部３は、ネットワーク１１を介して今日一日分の予報外気温度を取得する（ステップＳ３）。つまり、天気予報情報に含まれる時間ごとの外気温度を取得する。なお、ステップＳ１～Ｓ３の順序は特に限定されない。

続いて、予測部３は、ステップＳ２で読み出した昨日の実測値、および、ステップＳ３で取得した今日の予報外気温度に基づいて、今日一日分の室内温度および絶対湿度を予測する（ステップＳ５）。すなわち、昨日の実測値および今日の予報外気温度、ならびに今日の月（たとえば３月）を、ステップＳ１で読み出した予測モデル２０に入力することにより、今日の室内温度の予測値、および、今日の絶対湿度の予測値が得られる。これらの予測値は、たとえば１時間ごとに得られる。

室内温度および絶対湿度が予測されると、カビ指数推定部４は、部屋９内の相対湿度を時間ごとに算出し（ステップＳ７）、算出した相対湿度（予測値）に基づいて時間ごとのカビ指数を算出（推定）する（ステップＳ９）。これにより、今日一日分のカビ指数の推移が推定される。

図５のグラフには、一日におけるカビ指数の推移例が実線で示されている。この例では、６時から１３時までの時間帯において、カビ指数が１００以上を示している。この場合、カビ指数が１００以上の時間が６時間以上継続しているため、カビが発生する可能性が極めて高い。

再び図４を参照して、カビ指数が推定されると、スケジュール決定部５は、ユーザに選択された除湿モードが、省エネモード、時短モード、およびハイブリッドモードのいずれであるかを判定し（ステップＳ１１）、判定した除湿モードに応じて運転スケジュール決定処理を実行する（ステップＳ１３，Ｓ１５，Ｓ１７）。各運転スケジュール決定処理については、サブルーチンを挙げて後述する。

運転スケジュール決定処理において運転スケジュールが決定されると、運転制御部６は、運転スケジュールに従って、湿度調整装置８を作動させる（ステップＳ１９）。

（省エネモードの運転スケジュール決定処理）
図６は、省エネモードの運転スケジュール決定処理（図４のステップＳ１３）を示すフローチャートである。

スケジュール決定部５は、まず、図４のステップＳ９で推定されたカビ指数が１００（閾値）以上か否かを判断し（ステップＳ１０１）、そうであれば（ステップＳ１０１にてＹＥＳ）、ステップＳ１０３に進む。これに対し、カビ指数が１００未満であれば（ステップＳ１０１にてＮＯ）、運転スケジュールを決定することなく、処理はメインルーチンに戻される。

ステップＳ１０３では、カビ指数１００以上が継続する時間が、目標時間である２時間（一定時間）以上であるか否かが判断される。そうであれば（ステップＳ１０３にてＹＥＳ）、ステップＳ１０５に進み、カビ対策のための運転スケジュールを決定する。これに対し、カビ指数１００以上が継続する時間が２時間未満であれば（ステップＳ１０３にてＮＯ）、カビが発生する可能性は極めて低いため、運転スケジュールを決定することなく、処理はメインルーチンに戻される。

ステップＳ１０５において、スケジュール決定部５は、カビ指数が１００以上の時間帯（図５に示す例では、６時～１３時の時間帯）における、室内の絶対湿度と屋外の絶対湿度の大小関係を判断する。絶対湿度の比較は、たとえばその時間帯の平均値を用いて行われる。室内の絶対湿度は、図４のステップＳ５において予測された絶対湿度である。屋外の絶対湿度は、予報外気温度とともに、ネットワーク１１を介して得られる。

屋外の絶対湿度が室内の絶対湿度よりも小さい場合（ステップＳ１０５にてＹＥＳ）、換気装置８１を用いて除湿する場合の所要運転時間（換気運転時間）を計算する（ステップＳ１０７）。換気運転時間は、カビ指数から推定される処理対象の水分量と、換気装置８１の能力とに基づいて計算される。処理対象の水分量は、推定されたカビ指数がたとえば１５０の場合に、カビ指数が１００未満となるように計算された量である。

換気運転時間が閾値（たとえば１２時間）以内であれば（ステップＳ１０９にてＹＥＳ）、換気運転に要する消費電力を計算した後（ステップＳ１１１）、ステップＳ１１３に進む。換気運転時間が閾値を超えていれば（ステップＳ１０９にてＮＯ）、消費電力を計算することなくステップＳ１１３に進む。また、屋外の絶対湿度が室内の絶対湿度以上の場合に（ステップＳ１０５にてＮＯ）、ステップＳ１１３に進む。

ステップＳ１１３では、カビ指数が１００以上の時間帯の外気温（たとえば平均値）が、閾値（たとえば２０℃）以上であるかを判断する。そうであれば（ステップＳ１１３にてＹＥＳ）、除湿装置８２を用いて除湿する場合の所要運転時間（除湿運転時間）を計算する（ステップＳ１１５）。除湿運転時間は、カビ指数から推定される処理対象の水分量と、除湿装置８２の能力とに基づいて計算される。除湿運転時間が閾値（たとえば６時間）以内であれば（ステップＳ１１７にてＹＥＳ）、除湿運転に要する消費電力を計算する（ステップＳ１１９）。除湿運転時間が閾値を超えていれば（ステップＳ１１７にてＮＯ）、人為的な対策が必要と判断し、警告を表示する（ステップＳ１３０）。

外気温が閾値未満である場合に（ステップＳ１１３にてＮＯ）、ステップＳ１２１に進む。ステップＳ１２１では、スケジュール決定部５は、暖房装置８３を用いて除湿する場合の所要運転時間（暖房運転時間）を計算する。暖房運転時間は、カビ指数から推定される処理対象の水分量と、暖房装置８３の能力とに基づいて計算される。暖房運転時間が閾値（たとえば６時間）以内であれば（ステップＳ１２３にてＹＥＳ）、暖房運転に要する消費電力を計算する（ステップＳ１２５）。暖房運転時間が閾値を超えていれば（ステップＳ１２３にてＮＯ）、人為的な対策が必要と判断し、警告を表示する（ステップＳ１３０）。

換気装置８１、除湿装置８２、および暖房装置８３の少なくともいずれかの消費電力が計算されると、最小となる消費電力を判断し（ステップＳ１２９）、消費電力が最小となる運転機器を選択する（ステップＳ１３１）。また、その運転機器にて除湿するのに要する時間（所要運転時間）に基づいて、その機器の運転開始時間を決定する（ステップＳ１３３）。具体的には、カビ指数が１００以上の時間が２時間以下となるように計算した所要運転時間に基づいて、運転開始時間を決定する。

このように、省エネモードの場合、換気運転をメインの除湿対策としながら、換気運転時間が長すぎて換気運転に要する消費電力の方が除湿運転または暖房運転に要する消費電力よりも大きくなる場合には、除湿運転または暖房運転を選択する。これにより、消費電力を抑えた状態で、カビ対策を施すことができる。図５のグラフには、対策後のカビ指数変化の一例が、破線にて示されている。この例では、対策なしの状態では、カビ指数が１００以上の時間が６時間以上継続していたのに対し、対策後、カビ指数が１００以上の時間が２時間以下となっている。

（時短モードの運転スケジュール決定処理）
図７は、時短モードの運転スケジュール決定処理（図４のステップＳ１５）を示すフローチャートである。

スケジュール決定部５がはじめに行う処理は、省エネモードと同じであり、カビ指数が１００以上の時間が連続して２時間以上であるか否かを判断することで、カビ対策が必要か否かを判断する（ステップＳ１０１，Ｓ１０３）。

カビ対策が必要と判断された場合に、上記ステップＳ１１３と同様に、スケジュール決定部５は、カビ指数が１００以上の時間帯の外気温（たとえば平均値）が、閾値（たとえば２０℃）以上であるかを判断する（ステップＳ２１３）。そうであれば（ステップＳ２１３にてＹＥＳ）、除湿装置８２を用いて除湿する場合の所要運転時間（除湿運転時間）を計算する（ステップＳ２１５）。外気温が閾値未満である場合に（ステップＳ２１３にてＮＯ）、スケジュール決定部５は、暖房装置８３を用いて除湿する場合の所要運転時間（暖房運転時間）を計算する（ステップＳ２２１）。

ステップＳ２１５またはＳ２２１で計算された所要運転時間が閾値（たとえば６時間）以内であれば（ステップＳ２２３にてＹＥＳ）、所要運転時間を計算した機器（除湿装置８２または暖房装置８３）を運転機器として選択し（ステップＳ２３１）、計算した所要運転時間に基づいて、その機器の運転開始時間を決定する（ステップＳ２３３）。ステップＳ２１５またはＳ２２１で計算された所要運転時間が閾値を超えていれば（ステップＳ２２３にてＮＯ）、人為的な対策が必要と判断し、警告を表示する（ステップＳ２３０）。

このように、時短モードの場合には、除湿装置８２または暖房装置８３が選択される。したがって、省エネモードよりも確実に、部屋９内の除湿に要する時間を短縮することができる。

（ハイブリッドモードの運転スケジュール決定処理）
図８は、ハイブリッドモードの運転スケジュール決定処理（図４のステップＳ１７）を示すフローチャートである。

スケジュール決定部５がはじめに行う処理は、省エネモードおよび時短モードと同じであり、カビ指数が１００以上の時間が連続して２時間以上であるか否かを判断することで、カビ対策が必要か否かを判断する（ステップＳ１０１，Ｓ１０３）。

カビ対策が必要と判断された場合、スケジュール決定部５はまず、省エネモードと同様に、室内の絶対湿度と屋外の絶対湿度の大小を判断する（ステップＳ３０５）。屋外の絶対湿度が室内の絶対湿度よりも小さい場合（ステップＳ３０５にてＹＥＳ）、換気装置８１を用いて除湿する場合の所要運転時間（換気運転時間）を計算する（ステップＳ３０７）。換気運転時間が、ユーザにより設定された設定時間以内であれば（ステップＳ３０９にてＹＥＳ）、ステップＳ３３１に進む。

換気運転時間が設定時間を超えていれば（ステップＳ３０９にてＮＯ）、ステップＳ３１３に進む。また、屋外の絶対湿度が室内の絶対湿度以上の場合に（ステップＳ３０５にてＮＯ）、ステップＳ３１３に進む。

ステップＳ３１３では、カビ指数が１００以上の時間帯の外気温（たとえば平均値）が、閾値（たとえば２０℃）以上であるかを判断する。そうであれば（ステップＳ３１３にてＹＥＳ）、除湿装置８２を用いて除湿する場合の所要運転時間（除湿運転時間）を計算する（ステップＳ３１５）。

外気温が閾値未満である場合に（ステップＳ１１３にてＮＯ）、スケジュール決定部５は、暖房装置８３を用いて除湿する場合の所要運転時間（暖房運転時間）を計算する（ステップＳ３２１）。

計算した除湿運転時間または暖房運転時間が閾値（たとえば６時間）以内であれば（ステップＳ３２３にてＹＥＳ）、ステップＳ３２５に進む。そうでなければ（ステップＳ３２３にてＮＯ）、人為的な対策が必要と判断し、警告を表示する（ステップＳ３３０）。

ステップＳ３２５において、スケジュール決定部５は、設定時間から除湿運転時間または暖房運転時間（計算時間）を引いた時間内において、換気運転にて排出できる水分量を試算する。そして、残りの水分量に対して必要な運転時間（除湿運転時間または暖房運転時間）を再計算する（ステップＳ３２７，Ｓ３２９）。再計算が終わると、ステップＳ３３１に進む。

ステップＳ３３１において、スケジュール決定部５は、機器運転時間を決定する。たとえば、設定時間内において、換気装置８１を何時間運転し、除湿装置８２または暖房装置８３を何時間運転するかについて、決定する。一例として、設定時間が５時間であると仮定した場合に、はじめの１時間は除湿装置８２を運転し、残りの４時間は換気装置８１を運転する、といった運転スケジュールを決定する。なお、換気装置８１による除湿を先に行うように、運転スケジュールを決定してもよい。

このように、ハイブリッドモードの場合、設定時間内において可能な限り換気運転で除湿するように、運転スケジュールが決定される。したがって、除湿に要する時間を設定時間以内としながら、トータルの消費電力を低減することができる。

以上説明したように、本実施の形態によれば、１日分の空気環境データの実測値に基づいて、翌日のカビ指数の推移が推定できるため、どの機器を何時間運転させれば危険度が低い状態（安全領域）に改善できるかを事前に求めることができる。したがって、効率的にカビを抑制することができる。

また、本実施の形態では、推定されたカビ指数だけでなく、予測される室内外の絶対湿度および外気温度に基づいて、作動させる運転機器（運転機能）を選択するため、部屋９で過ごすユーザの快適性を損なうことなく、効率的にカビを抑制することができる。

また、本実施の形態では、ユーザが選択した除湿モードに応じて運転機器および運転時間を決定するため、利便性および省エネルギー効果を高めることができる。そのため、ユーザの満足度を向上させることができる。

（変形例）
本実施の形態では、３種の除湿モードが設けられていることとしたが、限定的ではない。除湿モードは、少なくとも省エネモードおよび時短モードの２種を含んでいればよい。

また、本実施の形態では、湿度調整装置８が換気運転機能、暖房機能、および除湿運転機能を有することとしたが、限定的ではない。湿度調整装置８は、たとえば除湿運転機能だけを有していてもよい。

また、本実施の形態では、１日前の履歴データを用いて予測モデル２０（１３０）が生成されることとしたが、限定的ではない。つまり、空気環境データが測定された時間から遡る期間（所定期間）は、２４時間に限定されない。上述の決定係数が０．５以上（望ましくは０．６以上）となるように、たとえば半日前の履歴データを用いて予測モデル２０（１３０）が生成されてもよい。この場合、予測部３は、半日後の室内温度および絶対湿度を予測する。

また、本実施の形態に係るカビ抑制システム１のモデル記憶部２には、学習装置１００で事前に生成された予測モデル２０（１３０）が格納されることとしたが、カビ抑制システム１が学習装置１００を備えていてもよい。つまり、カビ抑制システム１は、室内温度および絶対湿度の実測と予測とを繰り返すことで、モデル記憶部２に記憶された予測モデル２０を更新してもよい。この場合、本システムの使用に伴って、予測モデル２０による予測精度を向上させることが可能である。

なお、上述のカビ抑制方法を、プログラムとして提供することもできる。このようなプログラムは、ＣＤ－ＲＯＭなどの光学媒体やメモリカードなどのコンピュータ読取り可能な一時的でない（non-transitory）記録媒体にて記録させて提供することができる。この場合、制御装置１０は、記録媒体（図示せず）からプログラムやデータを読み出し／書き込み可能な駆動装置（図示せず）を備える。また、ネットワーク１１を介したダウンロードによって、プログラムを提供することもできる。

今回開示された実施の形態はすべての点で例示であって制限的なものではないと考えられるべきである。本発明の範囲は上記した説明ではなくて特許請求の範囲によって示され、特許請求の範囲と均等の意味および範囲内でのすべての変更が含まれることが意図される。

１ カビ抑制システム、２，１０３ モデル記憶部、３ 予測部、４ カビ指数推定部、５ スケジュール決定部、６ 運転制御部、８ 湿度調整装置、９，１０９ 部屋、１０ 制御装置、１１ ネットワーク、２０，１３０ 予測モデル、７１ 温度センサ、７２ 湿度センサ、７３ 外気温センサ、８１ 換気装置、８２ 除湿装置、８３ 暖房装置、９１ エアコン（空調機）、１００ 学習装置、１０１ モデル生成部。

Claims (10)

1. 室内のカビを抑制するためのカビ抑制システムであって、
   時間ごとの室内温度、室内の絶対湿度、および外気温度と、各時間の所定期間前の室内温度、室内の絶対湿度、および外気温度とを機械学習させて生成された予測モデルを記憶するモデル記憶部と、
   室内温度および室内の絶対湿度を検知する検知手段と、
   前記検知手段により検知された室内温度および室内の絶対湿度と、そのときの外気温度と、前記所定期間後の予報外気温度とを前記予測モデルに入力して、前記所定期間後の室内温度および室内の絶対湿度を予測する予測手段と、
   前記予測手段により予測された室内温度および室内の絶対湿度に基づいて、前記所定期間後のカビ指数を推定する推定手段と、
   前記推定手段により推定されたカビ指数の推移に応じて、室内に設置された湿度調整装置の運転スケジュールを決定するスケジュール決定手段とを備える、カビ抑制システム。
2. 前記予測モデルを生成するパラメータは、時間ごとの空調機の使用状況をさらに含む、請求項１に記載のカビ抑制システム。
3. 前記スケジュール決定手段は、前記所定期間内において、前記推定手段により推定されたカビ指数が閾値以上である時間が一定時間以上である場合に、前記湿度調整装置の運転スケジュールを決定する、請求項１または２に記載のカビ抑制システム。
4. 前記湿度調整装置は、外気を室内に給気する換気運転機能、暖房運転機能、および除湿運転機能を含む複数種類の運転機能を有しており、
   前記スケジュール決定手段は、前記推定手段により推定されたカビ指数、室内外の絶対湿度、および外気温度に基づいて、前記複数種類の運転機能のなかから作動させる運転機能を選択する、請求項１～３のいずれかに記載のカビ抑制システム。
5. 前記スケジュール決定手段は、省エネモードおよび時短モードを含む複数の除湿モードのうちユーザに選択された除湿モードに従って、作動させる運転機能を決定する、請求項４に記載のカビ抑制システム。
6. 前記複数の除湿モードは、前記湿度調整装置の運転時間を設定時間以下とするハイブリッドモードをさらに含む、請求項５に記載のカビ抑制システム。
7. 前記スケジュール決定手段は、前記湿度調整装置の運転時間を計算し、計算した運転時間に基づいて前記湿度調整装置の運転開始時間を決定する、請求項１～６のいずれかに記載のカビ抑制システム。
8. 前記スケジュール決定手段により決定された運転スケジュールに従って、前記湿度調整装置の運転を制御する運転制御手段をさらに備える、請求項１～７のいずれかに記載のカビ抑制システム。
9. 前記所定期間は２４時間であり、
   前記予測モデルは、一年における月単位で学習して生成されている、請求項１～８のいずれかに記載のカビ抑制システム。
10. 室内のカビを抑制するためのカビ抑制プログラムであって、
    時間ごとの室内温度、室内の絶対湿度、および外気温度と、各時間の所定期間前の室内温度、室内の絶対湿度、および外気温度とを機械学習させて生成された予測モデルを、記憶部から読み出すステップと、
    検知手段により検知された室内温度および室内の絶対湿度と、そのときの外気温度と、前記所定期間後の予報外気温度とを前記予測モデルに入力して、前記所定期間後の室内温度および室内の絶対湿度を予測するステップと、
    予測された室内温度および室内の絶対湿度に基づいて、前記所定期間後のカビ指数を推定するステップと、
    推定されたカビ指数の推移に応じて、室内に設置された湿度調整装置の運転スケジュールを決定するステップとをコンピュータに実行させる、カビ抑制プログラム。

Images