JP7378497B2 - モデル共有システム、モデル管理装置、および空気調和装置の制御装置 - Google Patents

Description

本開示は、モデル共有システム、モデル管理装置、および空気調和装置の制御装置に関する。

機械学習を用いることによって高精度の制御を行う方法が知られている。この方法では、過去の稼働履歴を用いた学習によって、制御プログラムおよび制御パラメータからなるモデルを生成する。

特許文献１に記載の複数のロボットの制御装置は、学習済みのモデルを共有することによって、学習に要する時間を短縮する。

特開２０１７―３０１３５号公報

しかしながら、複数の制御装置間で同一の学習済みのモデルを共有する場合には、被制御装置の稼働状態によって、被制御装置の制御内容に大きな差が生じるようなときには、制御の精度が低くなる。

たとえば、空気調和装置では、設置される物件の材質、気候、装置構成などによって、部屋の冷えやすさ、および暖まりやすさが大きく相違する。したがって、複数の空気調和装置の制御装置間において同一のモデルを共有する方法では、高精度の制御を実現することができない。

それゆえに、本開示の目的は、被制御装置の稼働状態によって、被制御装置の制御内容に大きな差が生じるようなときでも、高精度の制御が実行可能なモデル共有システム、モデル管理装置、および空気調和システムの制御システムを提供することである。

本開示のモデル共有システムは、各々が、対応する被制御装置を制御する複数の制御装置と、被制御装置の稼働状態に対応して学習済みのモデルを記憶するモデル管理装置とを備える。制御装置は、対応する被制御装置の稼働状態と同一または類似する稼働状態に対応する学習済みのモデルをモデル管理装置から取得し、取得した学習済みのモデルを用いて、対応する被制御装置を制御する。稼働状態は、被制御装置の種類、被制御装置が設置されている環境、および被制御装置の設定のうちの少なくとも１つを含む。

本開示は、複数の空気調和装置の制御装置の間において複数の学習済みの熱負荷モデルを共有するモデル共有システムのモデル管理装置である。モデル管理装置は、空気調和装置の稼働状態に対応して複数の学習済みの熱負荷モデルの各々を記憶するモデル記憶部と、複数の空気調和装置の制御装置と通信可能な通信部と、空気調和装置の制御装置からの空気調和装置の稼働状態を指定した熱負荷モデルの送信要求に応じて、モデル記憶部に記憶されている複数の学習済みの熱負荷モデルのうち、空気調和装置の稼働状態と同一または類似度が最大の稼働状態に対応する熱負荷モデルを空気調和装置の制御装置に提供するモデル提供部と、空気調和装置から空気調和装置の稼働状態を指定した学習済みの熱負荷モデルを取得し、取得した空気調和装置の稼働状態に対応して取得した学習済みの熱負荷モデルをモデル記憶部に記憶させるモデル登録部とを備える。

本開示の空気調和装置の制御装置は、複数の空気調和装置の制御装置の間において共有する学習済みの熱負荷モデルを管理するモデル管理装置と通信可能な通信部を備える。モデル管理装置は、空気調和装置の稼働状態に対応して学習済みの熱負荷モデルを記憶する。本開示の空気調和装置の制御装置は、さらに、空気調和装置の稼働状態を指定した熱負荷モデルの送信要求を発行し、送信要求に応じて、モデル管理装置から送信される学習済みの熱負荷モデルを取得する制御部とを備える。学習済みの熱負荷モデルは、指定した稼働状態と同一または類似度が最大の稼働状態に対応する。

本開示の空気調和装置の制御装置は、さらに、空気調和装置を動作させることによって、追加学習用の熱負荷モデルの入力データと教師データとを取得し、取得した入力データと教師データとを用いて、取得した熱負荷モデルを追加学習する学習部とを備える。制御部は、追加学習済みの熱負荷モデルを用いて、空気調和装置を制御する。通信部は、追加学習済みの熱負荷モデルを空気調和装置の稼働状態とともにモデル管理装置に送信する。稼働状態は、空気調和装置の種類、および空気調和装置の設置されている環境、および空気調和装置の設定のうちの少なくとも１つを含む。

本開示によれば、制御装置は、対応する被制御装置の稼働状態と同一または類似する稼働状態に対応する学習済みのモデルをモデル管理装置から取得し、取得した学習済みのモデルを用いて、対応する被制御装置を制御する。これによって、被制御装置の稼働状態によって、被制御装置の制御内容に大きな差が生じるようなときでも、高精度の制御を実行することができる。

実施の形態１のモデル共有システム１の全体の構成を示す図である。 モデル記憶部１０１に記憶されている情報の例を表わす図である。 空気調和装置の構成の一例を表わす図である。 制御部１１２Ａによる空気調和装置２ａの制御の一例を説明するための図である。 熱負荷モデルの例を表わす図である。 熱負荷モデルの出力データの例を表わす図である。 熱負荷モデルの出力データの例を表わす図である。 稼働状態の例を表わす図である。 実施の形態１に係る稼働直後の制御装置１１Ａがモデル管理装置１０から熱負荷モデルを取得する手順を表わすフローチャートである。 実施の形態１に係る制御装置１１Ａが追加学習する手順を表わすフローチャートである。 モデル管理装置１０、および制御装置１１Ａ，１１Ｂのハードウェア構成を表わす図である。

以下、実施の形態に係るモデル共有システムなどについて、図面などを参照しながら説明する。以下の図面において、同一の符号を付したものは、同一またはこれに相当するものであり、以下に記載する実施の形態の全文において共通することとする。また、図面では各構成部材の大きさの関係が実際のものとは異なる場合がある。明細書全文に表わされている構成要素の形態は、あくまでも例示であって、明細書に記載された形態に限定するものではない。明細書に記載された機器がすべて含まれていなくてもよい場合がある。特に構成要素の組み合わせは、各実施の形態における組み合わせのみに限定するものではなく、他の実施の形態に記載した構成要素を別の実施の形態に適用することができる。添字で区別などしている複数の同種の機器などについて、特に区別したり、特定したりする必要がない場合には、符号、添字などを省略して記載する場合がある。

実施の形態１．
図１は、実施の形態１のモデル共有システム１の全体の構成を示す図である。

モデル共有システム１は、複数の空気調和装置２ａ，２ｂの制御装置１１Ａ，１１Ｂの間において複数の学習済みの熱負荷モデルを共有する。

モデル共有システム１は、モデル管理装置１０と、複数の制御装置１１Ａ，１１Ｂとを備える。

モデル管理装置１０と、制御装置１１Ａ及び制御装置１１Ｂとは電気通信回線１３を介して通信可能に接続されている。モデル管理装置１０と制御装置１１Ａ，１１Ｂとの間で熱負荷モデルの通信が可能である。

モデル管理装置１０は、通信部１０４と、モデル提供部１０２と、モデル登録部１０３と、モデル記憶部１０１とを備える。

モデル記憶部１０１は、空気調和装置の稼働状態に対応して学習済みの熱負荷モデルを表わす情報を記憶する。

図２は、モデル記憶部１０１に記憶されている情報の例を表わす図である。
モデル記憶部１０１は、空気調和装置の稼働状態Ｓ（１）～Ｓ（Ｎ）に対応して、熱負荷モデルＭ（１）～Ｍ（Ｎ）を表わす情報を記憶する。熱負荷モデルＭ（１）～Ｍ（Ｎ）が、ニューラルネットワークの場合には、モデル記憶部１０１は、熱負荷モデルＭ（１）～Ｍ（Ｎ）を表わす情報として、ニューラルネットワークの重み係数を記憶する。

通信部１０４は、電気通信回線１３を介して制御装置１１Ａ，１１Ｂと通信可能に構成される。

モデル提供部１０２は、複数の空気調和装置の制御装置１１Ａ，１１Ｂのうちのいずれかの制御装置からの熱負荷モデルの送信要求を受信する。

制御装置１１Ａが送信要求を送信した制御装置である場合に、モデル提供部１０２は、モデル記憶部１０１に記憶されている複数の学習済みの熱負荷モデルのうち、空気調和装置２ａの稼働状態と同一または類似度が最大の稼働状態に対応する熱負荷モデルを空気調和装置の制御装置１１Ａに提供する。たとえば、モデル提供部１０２は、空気調和装置２ａの稼働状態を表わす各項目の値、およびモデル記憶部１０１に記憶されている稼働状態を表わす各項目の値を正規化することによって、２つの稼働状態を正規化する。モデル提供部１０２は、正規化された２つの稼働状態のユークリッド距離によって、空気調和装置２ａの稼働状態とモデル記憶部１０１に記憶されている稼働状態の類似度を計算する。

制御装置１１Ｂが送信要求を送信した制御装置である場合に、モデル提供部１０２は、モデル記憶部１０１に記憶されている複数の学習済みの熱負荷モデルのうち、空気調和装置２ｂの稼働状態と同一または類似度が最大の稼働状態に対応する熱負荷モデルを空気調和装置の制御装置１１Ｂに提供する。たとえば、モデル提供部１０２は、空気調和装置２ｂの稼働状態を表わす各項目の値、およびモデル記憶部１０１に記憶されている稼働状態を表わす各項目の値を正規化することによって、２つの稼働状態を正規化する。モデル提供部１０２は、正規化された２つの稼働状態のユークリッド距離によって、空気調和装置２ｂの稼働状態とモデル記憶部１０１に記憶されている稼働状態の類似度を計算する。

上述の類似度の算出方法は一例である。類似度の算出方法は、稼働状態を元にして算出するものならどのようなものでもよい。たとえば、正規化後の値に対して重み付けを行ってもよい。

モデル登録部１０３は、制御装置１１Ａ，１１Ｂのいずれかから送られる空気調和装置の稼働状態と学習済みの熱負荷モデルのセットを取得する。モデル登録部１０３は、取得した空気調和装置の稼働状態に対応させて、取得した学習済みの熱負荷モデルをモデル記憶部１０１に記憶させる。

制御装置１１Ａは、通信部１１４Ａと、学習部１１３Ａと、モデル記憶部１１０Ａと、制御部１１２Ａと、稼働状態収集部１１１Ａとを備える。

通信部１１４Ａは、電気通信回線１３を通じてモデル管理装置１０と通信可能に構成される。

モデル記憶部１１０Ａは、モデル管理装置１０から取得した学習済みの熱負荷モデル、または、モデル管理装置１０から取得した学習済みの熱負荷モデルをさらに追加学習して得られる追加学習済みの熱負荷モデルを記憶する。

稼働状態収集部１１１Ａは、空気調和装置２ａの稼働状態に関する情報を収集する。
制御部１１２Ａは、空気調和装置２ａの稼働状態を指定した熱負荷モデルの送信要求を発行する。制御部１１２Ａは、熱負荷モデルの送信要求に応じてモデル管理装置１０から送信される学習済みの熱負荷モデルを取得して、モデル記憶部１１０Ａに記憶させる。モデル管理装置１０から送信される学習済みの熱負荷モデルは、送信要求に含まれる空気調和装置２ａの稼働状態と同一または類似度が最大の稼働状態に対応する。

学習部１１３Ａは、空気調和装置２ａを動作させることによって、追加学習用の熱負荷モデルの入力データと教師データとを取得する。学習部１１３Ａは、取得した入力データと教師データとを用いて、モデル記憶部１１０Ａに記憶されている熱負荷モデルを追加学習する。

制御部１１２Ａは、追加学習済みの熱負荷モデルを用いて、空気調和装置２ａを制御する。通信部１１５Ａは、制御部１１２Ａから空気調和装置２ａへの制御指令、および空気調和装置２ａから制御部１１２Ａのセンサデータの通信を実行する。

通信部１１４Ａは、追加学習済みの熱負荷モデルを空気調和装置２ａの稼働状態とともにモデル管理装置１０に送信する。

制御装置１１Ｂの構成も、制御装置１１Ａの構成と同様なので、説明を繰り返さない。
図３は、空気調和装置２ａの構成の一例を表わす図である。

空気調和装置２ａは、室外機５０と、複数の室内機４０ａおよび４０ｂとを備える。
室外機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。室外機５０は、外気温度を検出する外気温度センサ５４を備える。

室内機４０ａは、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。室内機４０ａは、室温を検出する室内温度センサ４３ａを備える。

室内機４０ｂは、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。室内機４０ｂは、室温を検出する室内温度センサ４３ｂを備える。

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可能な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。

室外機５０および室内機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。室外機５０および室内機４０ｂにおいて、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。

空気調和装置２ｂの構成は、空気調和装置２ａの構成と同様なので、説明を繰り返さない。

図４は、制御部１１２Ａによる空気調和装置２ａの制御の一例を説明するための図である。

室内機４０ａを運転する場合、制御部１１２Ａは、外気温度センサ５４が検出した外気温度と、室内温度センサ４３ａが検出した室温と、設定温度とに基づいて、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。室内機４０ｂを運転する場合、制御部１１２Ａは、外気温度センサ５４が検出した外気温度と、室内温度センサ４３ｂが検出した室温と、設定温度とに基づいて、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。

室内機４０ａおよび４０ｂを運転する場合、制御部１１２Ａは、外気温度センサ５４が検出した外気温度と、室内機４０ａの室温および設定温度と、室内機４０ｂの室温および設定温度とに基づいて、圧縮機５１の運転周波数と膨張装置４２ａおよび４２ｂの開度とを制御する。

制御部１１２Ａは、空気調和装置の運転モードが冷房運転モードのときと、暖房運転モードのときとで、四方弁５３の流路を切り替える。

制御部１１２Ａは、モデル記憶部１１０Ａに記憶されている学習済みの熱負荷モデルの追加学習を制御する。制御部１１２Ａは、運用時に、モデル記憶部１１０Ａに記憶されている学習済みの熱負荷モデルを用いて、空気調和装置２ａを制御する。

制御部１１２Ｂによる空気調和装置２ｂの制御は、制御部１１２Ａによる空気調和装置２ａの制御と同様なので、説明を繰り返さない。

学習部１１３Ａは、学習データを用いた教師あり学習を用いて、熱負荷モデルを生成する。学習部１１３Ａは、追加学習データを用いた教師あり学習を用いて、熱負荷モデルを修正する（追加学習）。教師あり学習とは、入力と結果（ラベル）からなる学習データのセットを大量に学習部に与えることによって、それらの学習用データにある特徴を学習する。これによって、入力から結果を推定することができる（汎化）。

図５は、熱負荷モデルの例を表わす図である。
図５に示すように、熱負荷モデルは、ニューラルネットワークによって構成される。ニューラルネットワークは、複数のニューロンからなる入力層、複数のニューロンからなる中間層（隠れ層）、及び複数のニューロンからなる出力層で構成される。中間層は、１層、または２層以上でもよい。入力層の第ｉユニットに入力データＸ（ｉ）が与えられる。出力層から出力データＺが出力される。

入力データＸ（１）～Ｘ（Ｎ）は、空気調和装置２の熱負荷の影響因子を表わすデータである。出力データＺは、空気調和装置２の熱負荷を表わすデータである。

図６は、熱負荷モデルの入力データの例を表わす図である。
図６に示すように、熱負荷モデルの入力データは、設定温度と外気温度との差、設定温度と室内温度との差、および空気調和装置２が備える圧縮機の周波数の内の少なくとも１つを含む。

図７は、熱負荷モデルの出力データの例を表わす図である。
図７に示すように、熱負荷モデルの出力データＺは、室内機４０の運転開始から、室内温度が設定温度に到達するまでの時間である。

図８は、稼働状態の例を表わす図である。
稼働状態は、空気調和装置２の種類、空気調和装置２の設置されている環境、空気調和装置２の設定のうちの少なくとも１つを含む。

空気調和装置２の種類は、空気調和装置２の室外機５０の個数、空気調和装置２の室内機４０の個数、および空気調和装置２の製造番号の内の少なくとも１つを含む。

空気調和装置２の設置されている環境は、空気調和装置２が設置されている地点、および空気調和装置２が設置されている部屋の大きさのうちの少なくとも１つを含む。

空気調和装置２の設定は、空気調和装置２の稼働による一定時間内の室内温度の変化量を含む。

制御部１１２Ａは、空気調和装置２ａの稼働状態に基づいて、モデル管理装置１０から熱負荷モデルを取得する。学習部１１３Ａは、試運転時に得られる学習データを用いて、取得した熱負荷モデルを追加学習する。

制御部１１２Ａは、空気調和装置２ａの運用時において、追加学習後の熱負荷モデルに入力データを与え、追加学習後の熱負荷モデルの出力データを取得する。入力データは、設定温度と外気温度との差、設定温度と室内温度との差、および空気調和装置が備える圧縮機の周波数の少なくとも１つである。出力データは、室内機４０の運転開始から、室内温度が設定温度に到達するまでの時間である。たとえば、制御部１１２Ａは、この出力データに基づいて、空気調和装置２ａの稼働開始時刻などのスケジュールを決定する。

図９は、実施の形態１に係る稼働直後の制御装置１１Ａがモデル管理装置１０から熱負荷モデルを取得する手順を表わすフローチャートである。

ステップＳ１０１において、制御装置１１Ａの稼働状態収集部１１１Ａは、空気調和装置２ａの稼働状態を取得する。空気調和装置２ａにおいて、一定時間に変化した室内温度、室外機５０の個数、および室内機４０の個数が制御に大きな影響を与えるため、稼働状態収集部１１１Ａは、これらの情報を取得する。

稼働状態の各項目の値は、上限値と下限値が設定されている。稼働状態収集部１１１Ａは、取得した空気調和装置２ａの稼働状態の各項目の値が上限値を超える場合には、各項目の値を上限値に切下げる。稼働状態収集部１１１Ａは、取得した空気調和装置２ａの稼働状態の各項目の値が下限値を下回る場合には、各項目の値を下限値に切上げる。

ステップＳ１０２において、制御装置１１Ａの制御部１１２Ａは、ステップＳ１０１において取得した稼働状態を指定した学習済みの熱負荷モデルの送信要求を発行する。

ステップＳ１０３において、制御装置１１Ａの通信部１１４Ａは、ステップＳ１０２において発行された稼働状態を指定した学習済みの熱負荷モデルの送信要求をモデル管理装置１０に送信する。

ステップＳ１０４において、モデル管理装置１０の通信部１０４は、稼働状態を指定した学習済みの熱負荷モデルの送信要求を受信する。

ステップＳ１０５において、モデル管理装置１０のモデル提供部１０２は、モデル記憶部１０１に記憶されている熱負荷モデルのうち、指定された稼働状態と同一または類似度が最大の稼働状態に対応する学習済みの熱負荷モデルを通信部１０４に出力する。

ステップＳ１０６において、モデル管理装置１０の通信部１０４は、モデル提供部１０２から出力された学習済みの熱負荷モデルを送信要求を発した制御装置１１Ａへ送信する。

ステップＳ１０７において、制御装置１１Ａの通信部１１４Ａは、学習済みの熱負荷モデルを受信する。

ステップＳ１０８において、制御装置１１Ａの制御部１１２Ａは、受信した学習済みの熱負荷モデルをモデル記憶部１１０Ａに記憶する。

稼働直後の制御装置１１Ｂがモデル管理装置１０から熱負荷モデルを取得する手順は、図９と同様なので、説明を繰り返さない。

図１０は、実施の形態１に係る制御装置１１Ａが追加学習する手順を表わすフローチャートである。

ステップＳ２０１において、制御装置１１Ａの制御部１１２Ａは、空気調和装置２ａを試運転させて、入力データと教師データとかなる追加学習用の学習データを取得する。

ステップＳ２０２において、制御装置１１Ａの制御部１１２Ａは、モデル記憶部１１０Ａに記憶されている熱負荷モデルを読み出す。制御部１１２Ａは、取得した追加学習用の学習データ用いて、読出した熱負荷モデルを追加学習する。

ステップＳ２０３において、制御装置１１Ａの稼働状態収集部１１１Ａは、空気調和装置２ａの稼働状態を取得する。稼働状態収集部１１１Ａは、たとえば、一定時間に変化した室内温度、室外機５０の個数、および室内機４０の個数の情報を取得する。

ステップＳ２０４において、制御装置１１Ａの制御部１１２Ａは、ステップＳ２０３において取得した稼働状態と追加学習後の熱負荷モデルを含む登録要求を発行する。

ステップＳ２０５において、制御装置１１Ａの通信部１１４Ａは、ステップＳ２０４において発行された登録要求をモデル管理装置１０に送信する。

ステップＳ２０６において、モデル管理装置１０の通信部１０４は、稼働状態と追加学習済みの熱負荷モデルを含む登録要求を受信する。

ステップＳ２０７において、モデル管理装置１０のモデル登録部１０３は、登録要求に含まれる稼働状態に対応して、登録要求に含まれる追加学習済みの熱負荷モデルをモデル記憶部１０１に記憶する。

ステップＳ２０５の後、制御装置１１Ａにおいて、以下が実行される。
制御装置１１Ｂが追加学習する手順は、図１０と同様なので、説明を繰り返さない。

本開示は、上記の実施形態に限定されるものではない。たとえば、以下のような変形例も含む。

（１） 上記の実施形態で説明したモデル管理装置１０、および制御装置１１Ａ，１１Ｂは、デジタル回路のハードウェアまたはソフトウェアで構成することができる。モデル管理装置１０、および制御装置１１Ａ，１１Ｂの機能をソフトウェアを用いて実現する場合には、モデル管理装置１０、および制御装置１１Ａ，１１Ｂは、例えば、図１１に示すようにバス５００３で接続されたプロセッサ５００２とメモリ５００１とを備え、メモリ５００１に記憶されたプログラムをプロセッサ５００２が実行するようにすることができる。プロセッサ５００２は、メインプロセッサ、および通信用プロセッサなどから構成される。メモリ５００１は、ＲＡＭ、フラッシュメモリ、またはハードディスクなどによって構成される。

（２） 上記の実施形態では、複数の制御装置の間において共有する学習済みモデルとして、空気調和装置の熱負荷モデルを例にして説明したが、これに限定されるものではない。共有する学習済みモデルとして、被制御装置の制御に利用されるモデルであれば、どのようなものであってもよい。この場合には、稼働状態は、被制御装置の種類、被制御装置が設置されている環境、および被制御装置の設定のうちの少なくとも１つを含む。

（３） モデル管理装置１０は、クラウドサーバ上に存在していてもよい。
（４） 上記の実施形態では、熱負荷モデルの学習アルゴリズムとして、ニューラルネットワークを適用した場合について説明したが、これに限られるものではない。サポートベクターマシンなどのような他の機械学習アルゴリズムを用いてもよい。

（５） 上記の実施形態では、稼働状態が相違しても、入力データの項目と出力データの項目とが同じ熱負荷モデルを用いたが、これに限定されるものではない。稼働状態に応じて、入力データの項目と出力データの項目とが相違する熱負荷モデルを用いてもよい。

（６）図１０のフローチャートの手順は、毎日実行されるものとすることができる。空気調和装置を使用しない日は、空気調和装置の運転スケジュールを決定する必要がないので、図１０のフローチャートの手順を実行しないものとすることができる。

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。本開示の範囲は上記した説明ではなくて請求の範囲によって示され、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 モデル共有システム、２ａ，２ｂ 空気調和装置、１０ モデル管理装置、１１Ａ，１１Ｂ 制御装置、１３ 電気通信回線、４０ａ，４０ｂ 室内機、４１ａ，４１ｂ 負荷側熱交換器、４２ａ，４２ｂ 膨張装置、４３ａ，４３ｂ 室内温度センサ、５０ 室外機、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、１０１，１１０Ａ モデル記憶部、１０２ モデル提供部、１０３ モデル登録部、１０４，１１４Ａ，１１５Ａ，１１４Ｂ，１１５Ｂ 通信部、１１１Ａ，１１１Ｂ 稼働状態収集部、１１２Ａ，１１２Ｂ 制御部、１１３Ａ，１１３Ｂ 学習部、５００１ メモリ、５００２ プロセッサ、５００３ バス。

Claims (15)

1. 各々が、対応する被制御装置を制御する複数の制御装置と、
   前記被制御装置の稼働状態に対応して学習済みのモデルを記憶するモデル管理装置とを備え、
   前記制御装置は、対応する前記被制御装置の稼働状態と同一または類似度が最大の稼働状態に対応する学習済みのモデルを前記モデル管理装置から取得し、前記取得した学習済みのモデルを用いて、対応する前記被制御装置を制御し、
   前記稼働状態は、前記被制御装置の種類、前記被制御装置が設置されている環境、および前記被制御装置の設定のうちの少なくとも１つを含み、
   前記モデル管理装置は、前記制御装置に対応する前記被制御装置の稼働状態を表わす各項目の値、および前記モデル管理装置に記憶されている前記学習済みのモデルに対応する前記被制御装置の稼働状態を表わす各項目の値より、前記制御装置に対応する前記被制御装置の稼働状態と、前記記憶されている前記学習済みのモデルに対応する前記被制御装置の稼働状態の類似度を算出する、モデル共有システム。
2. 前記モデル管理装置は、前記制御装置に対応する前記被制御装置の稼働状態を表わす各項目の値、および前記モデル管理装置に記憶されている前記学習済みのモデルに対応する稼働状態を表わす各項目の値を正規化することによって、２つの稼働状態を正規化し、正規化された２つの稼働状態のユークリッド距離によって、前記制御装置に対応する前記被制御装置の稼働状態と、前記記憶されている前記学習済みのモデルに対応する前記被制御装置の稼働状態の類似度を算出する、請求項１記載のモデル共有システム。
3. 前記被制御装置は、空気調和装置であり、
   前記モデルは、前記空気調和装置の熱負荷モデルであり、
   前記熱負荷モデルの入力データは、前記空気調和装置の熱負荷の影響因子を表わすデータであり、
   前記熱負荷モデルの出力データは、前記空気調和装置の熱負荷を表わすデータである、請求項１または２記載のモデル共有システム。
4. 前記入力データは、設定温度と外気温度との差、設定温度と室内温度との差、および前記空気調和装置が備える圧縮機の周波数のうちの少なくとも１つを含む、請求項３記載のモデル共有システム。
5. 前記出力データは、前記空気調和装置の室内機の運転開始から、室内温度が設定温度に到達する変化するまでの時間である、請求項３記載のモデル共有システム。
6. 前記稼働状態は、前記空気調和装置の種類として、前記空気調和装置の室外機の個数、前記空気調和装置の室内機の個数、および前記空気調和装置の製造番号のうちの少なくとも１つを含む、請求項３記載のモデル共有システム。
7. 前記稼働状態は、前記空気調和装置が設置されている環境として、前記空気調和装置が設置されている地点、および前記空気調和装置が設置されている部屋の大きさのうちの少なくとも１つを含む、請求項３記載のモデル共有システム。
8. 前記稼働状態は、前記空気調和装置の設定として、前記空気調和装置の稼働による一定時間内の室内温度の変化量を含む、請求項３記載のモデル共有システム。
9. 前記制御装置は、前記空気調和装置の稼働状態を指定した熱負荷モデルの送信要求を発行し、前記送信要求に応じて、前記モデル管理装置から送信される学習済みの熱負荷モデルを取得し、前記取得した学習済みの熱負荷モデルは、前記指定した稼働状態と同一または類似度が最大の稼働状態に対応する、請求項３～８のいずれか１項に記載のモデル共有システム。
10. 前記制御装置は、対応する前記空気調和装置を動作させることによって、追加学習用の前記熱負荷モデルの入力データと教師データとを取得し、前記取得した入力データと教師データとを用いて、前記取得した熱負荷モデルを追加学習する、請求項３～９のいずれか１項に記載のモデル共有システム。
11. 前記制御装置は、追加学習済みの前記熱負荷モデルを前記稼働状態とともに前記モデル管理装置に送信し、
    前記モデル管理装置は、受信した前記稼働状態に対応させて、前記受信した追加学習済みの前記熱負荷モデルを記憶する、請求項１０記載のモデル共有システム。
12. 前記熱負荷モデルは、ニューラルネットワークによって構成される、請求項３～１１のいずれか１項に記載のモデル共有システム。
13. 複数の空気調和装置の制御装置の間において複数の学習済みの熱負荷モデルを共有するモデル共有システムのモデル管理装置であって、
    前記空気調和装置の稼働状態に対応して複数の学習済みの熱負荷モデルの各々を記憶するモデル記憶部と、
    前記複数の空気調和装置の制御装置と通信可能な通信部と、
    前記空気調和装置の制御装置からの前記空気調和装置の稼働状態を指定した熱負荷モデルの送信要求に応じて、前記モデル記憶部に記憶されている複数の学習済みの熱負荷モデルのうち、前記指定した空気調和装置の稼働状態と同一または類似度が最大の稼働状態に対応する熱負荷モデルを前記空気調和装置の制御装置に提供するモデル提供部と、
    前記空気調和装置から前記空気調和装置の稼働状態を指定した学習済みの前記熱負荷モデルを取得し、前記取得した空気調和装置の稼働状態に対応して前記取得した学習済みの熱負荷モデルを前記モデル記憶部に記憶させるモデル登録部とを備え、
    前記モデル提供部は、前記指定した空気調和装置の稼働状態を表わす各項目の値、および前記モデル記憶部に記憶されている前記学習済みの熱負荷モデルに対応する前記空気調和装置の稼働状態を表わす各項目の値より、前記指定した空気調和装置の稼働状態と、前記モデル記憶部に記憶されている前記学習済みの熱負荷モデルに対応する前記空気調和装置の稼働状態の類似度を算出する、モデル管理装置。
14. 前記モデル提供部は、前記指定した空気調和装置の稼働状態を表わす各項目の値、および前記モデル記憶部に記憶されている前記学習済みの熱負荷モデルに対応する前記空気調和装置の稼働状態を表わす各項目の値を正規化することによって、２つの稼働状態を正規化し、正規化された２つの稼働状態のユークリッド距離によって、前記指定した空気調和装置の稼働状態と、前記モデル記憶部に記憶されている前記学習済みの熱負荷モデルに対応する前記空気調和装置の稼働状態の類似度を算出する、請求項１３記載のモデル管理装置。
15. 空気調和装置の制御装置であって、
    複数の空気調和装置の制御装置の間において共有する学習済みの熱負荷モデルを管理するモデル管理装置と通信可能な通信部を備え、前記モデル管理装置は、前記空気調和装置の稼働状態に対応して学習済みの熱負荷モデルを記憶し、
    前記空気調和装置の制御装置は、さらに、
    前記空気調和装置の稼働状態を指定した熱負荷モデルの送信要求を発行し、前記送信要求に応じて、前記モデル管理装置から送信される学習済みの熱負荷モデルを取得する制御部とを備え、前記学習済みの熱負荷モデルは、前記指定した稼働状態と同一または類似度が最大の稼働状態に対応し、
    前記空気調和装置の制御装置は、さらに、
    前記空気調和装置を動作させることによって、追加学習用の前記熱負荷モデルの入力データと教師データとを取得し、前記取得した入力データと教師データとを用いて、前記取得した熱負荷モデルを追加学習する学習部とを備え、
    前記制御部は、追加学習済みの熱負荷モデルを用いて、前記空気調和装置を制御し、
    前記通信部は、前記追加学習済みの熱負荷モデルを前記空気調和装置の稼働状態とともに前記モデル管理装置に送信し、
    前記稼働状態は、前記空気調和装置の種類、および前記空気調和装置の設置されている環境、および前記空気調和装置の設定のうちの少なくとも１つを含む、空気調和装置の制御装置。

Images