JPH08210686A - Air-conditioning system - Google Patents
Air-conditioning systemInfo
- Publication number
- JPH08210686A JPH08210686A JP7016978A JP1697895A JPH08210686A JP H08210686 A JPH08210686 A JP H08210686A JP 7016978 A JP7016978 A JP 7016978A JP 1697895 A JP1697895 A JP 1697895A JP H08210686 A JPH08210686 A JP H08210686A
- Authority
- JP
- Japan
- Prior art keywords
- air
- load
- outside air
- amount
- air conditioning
- 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.)
- Pending
Links
Landscapes
- Air Conditioning Control Device (AREA)
Abstract
Description
【0001】[0001]
【産業上の利用分野】本発明は、空調システムに係り、
特に内部負荷を推定して空調機を制御する空調システム
に関する。BACKGROUND OF THE INVENTION 1. Field of the Invention The present invention relates to an air conditioning system,
In particular, the present invention relates to an air conditioning system that estimates an internal load and controls an air conditioner.
【0002】[0002]
【従来の技術】従来、この種の空調システムでは、熱負
荷の予測を外気による外気負荷と被空調室内のOA機
器、証明器具、人等の内部発熱体による内部負荷とに分
けて予測することはなく、空調機が除去するための全て
の熱量を予測していた。また、内部負荷を推定するため
の内部発熱量については、従来、赤外線カメラのような
センサを室内に設置して予測したり、曜日や業務等のス
ケジュール等による情報と内部発熱体の使用度合いとの
関係から予測したりしていた。2. Description of the Related Art Conventionally, in this type of air conditioning system, the prediction of the heat load is divided into the outside air load due to the outside air and the internal load due to the internal heating elements such as OA equipment, certifying equipment, and people in the room to be air-conditioned. Instead, they predicted the total amount of heat the air conditioner would remove. Also, regarding the internal heat generation amount for estimating the internal load, conventionally, a sensor such as an infrared camera is installed indoors for prediction, and information such as the day of the week and work schedules and the degree of use of the internal heating element are used. Was predicted from the relationship.
【0003】[0003]
【発明が解決しようとする課題】しかしながら、前記赤
外線カメラによる方法では、センサが高価であるため
に、コストがかかるという欠点があり、また、曜日や業
務スケジュールによる方法では、内部負荷との関係を把
握するのに月日を要するという欠点がある。本発明はこ
のような事情を鑑みてなされたもので、簡単な方法で被
空調室の内部負荷を推定し、効率良く空調機を制御する
ことのできる空調システムを提供することを目的とす
る。However, the method using the infrared camera is disadvantageous in that the cost is high because the sensor is expensive, and the method using the day of the week or the work schedule has a problem in relation to the internal load. The drawback is that it takes months to understand. The present invention has been made in view of such circumstances, and an object thereof is to provide an air conditioning system capable of estimating the internal load of an air-conditioned room by a simple method and efficiently controlling the air conditioner.
【0004】[0004]
【課題を解決する為の手段】本発明は、前記目的を達成
するために、被空調室の空調を行う空調機と、前記被空
調室外の外気環境データを検出する外気環境検出手段
と、時間データを検出する時間情報検出手段と、前記外
気環境検出手段から出力される外気環境データと前記時
間情報検出手段から出力される時間データとに基づいて
前記空調機の空調熱負荷を予測する空調熱負荷予測手段
と、前記外気環境検出手段から出力される外気環境デー
タと前記時間情報検出手段から出力される時間データと
前記空調熱負荷予測手段により予測される空調熱負荷に
基づいて前記被空調室の内部負荷を推定する内部負荷推
定手段と、前記外気環境検出手段により検出される外気
環境データと、前記時間情報検出手段により検出される
時間データと、前記内部負荷推定手段により推定される
内部負荷と、前記空調熱負荷予測手段により予測される
空調熱負荷とに基づいて前記空調機の制御目標を決定す
る制御目標決定手段と、前記制御目標決定手段で決定さ
れた制御目標に基づいて前記空調機の制御量を演算する
制御量演算手段と、前記制御目標演算手段で算出された
制御量に基づいて前記空調機を制御する空調機制御手段
と、から成ることを特徴とする。In order to achieve the above object, the present invention provides an air conditioner for air-conditioning an air-conditioned room, an outside air environment detecting means for detecting outside air environment data outside the air-conditioned room, and a time period. Time information detecting means for detecting data, air conditioning heat for predicting the air conditioning heat load of the air conditioner based on the outside air environment data output from the outside air environment detecting means and the time data output from the time information detecting means The air-conditioned room based on the load prediction means, the outside air environment data output from the outside air environment detection means, the time data output from the time information detection means, and the air conditioning heat load predicted by the air conditioning heat load prediction means. Internal load estimating means for estimating an internal load of the external air environment data, external air environment data detected by the external air environment detecting means, time data detected by the time information detecting means, A control target determining unit that determines a control target of the air conditioner based on an internal load estimated by the partial load estimating unit and an air conditioning heat load estimated by the air conditioning heat load estimating unit; and the control target determining unit. From control amount calculation means for calculating the control amount of the air conditioner based on the determined control target, and air conditioner control means for controlling the air conditioner based on the control amount calculated by the control target calculation means. It is characterized by being formed.
【0005】また、前記目的を達成するために、被空調
室の空調を行う空調機と、前記被空調室外の外気環境デ
ータを検出する外気環境検出手段と、時間データを検出
する時間情報検出手段と、前記被空調室から実際に取り
除くべき熱量である装置除去熱量を検出する装置除去熱
量検出手段と、前記外気環境検出手段から出力される外
気環境データと前記時間情報検出手段から出力される時
間データと前記装置除去熱量検出手段により検出される
装置除去熱量に基づいて前記被空調室の内部負荷を推定
する内部負荷推定手段と、前記外気環境検出手段により
検出される外気環境データと、前記時間情報検出手段に
より検出される時間データと、前記内部負荷推定手段に
より推定される内部負荷と、前記装置除去熱量検出手段
により検出された装置除去熱量とに基づいて前記空調機
の制御目標を決定する制御目標決定手段と、前記制御目
標決定手段で決定された制御目標に基づいて前記空調機
の制御量を演算する制御量演算手段と、前記制御目標演
算手段で算出された制御量に基づいて前記空調機を制御
する空調機制御手段と、から成ることを特徴とする。In order to achieve the above object, an air conditioner for air conditioning the air-conditioned room, an outside air environment detecting means for detecting outside air environment data outside the air-conditioned room, and a time information detecting means for detecting time data. And a device removal heat amount detection means for detecting a device removal heat amount which is the heat amount to be actually removed from the air-conditioned room, an outside air environment data output from the outside air environment detection means and a time output from the time information detection means. Internal load estimation means for estimating the internal load of the air-conditioned room based on the data and the device removal heat amount detected by the device removal heat amount detecting means, the outside air environment data detected by the outside air environment detecting means, and the time. The time data detected by the information detecting means, the internal load estimated by the internal load estimating means, and the device removal heat quantity detecting means are detected. Control target deciding means for deciding a control target of the air conditioner on the basis of the amount of heat removed and installed; And an air conditioner control unit that controls the air conditioner based on the control amount calculated by the control target calculation unit.
【0006】[0006]
【作用】請求項1記載の発明によれば、空調システム
は、空調熱負荷予測手段により、外気環境検出手段から
出力される外気環境データと時間情報検出手段から出力
される時間データとに基づいて空調熱負荷を予測し、内
部負荷推定手段により、前記空調熱負荷予測手段で予測
された空調熱負荷と前記外気環境検出手段から出力され
る外気環境データ及び前記時間情報検出手段から出力さ
れる時間データとに基づいて前記被空調室の内部負荷を
推定する。そして、制御目標決定手段により、外気環境
検出手段から出力される外気環境データと、時間情報検
出手段から出力される時間データと、前記内部負荷推定
手段で推定された内部負荷と、前記空調熱負荷予測手段
で予測された空調熱負荷とに基づいて被空調室を空調す
る空調機の制御目標を決定し、決定された制御目標に基
づいて制御量演算手段で前記空調機の制御量を算出す
る。空調機制御手段は、前記の制御量演算手段で算出さ
れた制御量に基づいて前記空調機を制御する。このよう
に、被空調室の内部負荷を把握することで、効率的な空
調機の制御が可能になる。According to the first aspect of the present invention, the air conditioning system is based on the outside air environment data output from the outside air environment detecting means and the time data output from the time information detecting means by the air conditioning heat load predicting means. Predicting the air conditioning heat load, the internal load estimating means, the air conditioning heat load predicted by the air conditioning heat load predicting means, the outside air environment data output from the outside air environment detecting means, and the time output from the time information detecting means. The internal load of the air-conditioned room is estimated based on the data. Then, by the control target determining means, the outside air environment data output from the outside air environment detecting means, the time data output from the time information detecting means, the internal load estimated by the internal load estimating means, and the air conditioning heat load. The control target of the air conditioner that air-conditions the air-conditioned room is determined based on the air conditioning heat load predicted by the prediction means, and the control amount calculation means calculates the control amount of the air conditioner based on the determined control target. . The air conditioner control means controls the air conditioner based on the control amount calculated by the control amount calculation means. In this way, by grasping the internal load of the air-conditioned room, it becomes possible to efficiently control the air conditioner.
【0007】請求項2記載の発明によれば、空調システ
ムは、内部負荷推定手段により、装置除去熱量検出手段
で検出される装置除去熱量と外気環境検出手段から出力
される外気環境データ及び時間情報検出手段から出力さ
れる時間データとに基づいて前記被空調室の内部負荷を
推定する。そして、制御目標決定手段により、外気環境
検出手段から出力される外気環境データと、時間情報検
出手段から出力される時間データと、前記内部負荷推定
手段で推定された内部負荷と、前記装置除去熱量検出手
段で検出された装置除去熱量とに基づいて被空調室を空
調する空調機の制御目標を決定し、決定された制御目標
に基づいて制御量演算手段で前記空調機の制御量を算出
する。空調機制御手段は、前記の制御量演算手段で算出
された制御量に基づいて前記空調機を制御する。According to the second aspect of the present invention, in the air conditioning system, the internal load estimating means detects the device removal heat amount detected by the device removal heat amount detecting means and the outside air environment data and time information output from the outside air environment detecting means. The internal load of the air-conditioned room is estimated based on the time data output from the detection means. Then, by the control target determining means, the outside air environment data output from the outside air environment detecting means, the time data output from the time information detecting means, the internal load estimated by the internal load estimating means, and the device removal heat amount. The control target of the air conditioner that air-conditions the air-conditioned room is determined based on the device removal heat amount detected by the detection unit, and the control amount calculation unit calculates the control amount of the air conditioner based on the determined control target. . The air conditioner control means controls the air conditioner based on the control amount calculated by the control amount calculation means.
【0008】[0008]
【実施例】以下添付図面に従って本発明に係る空調シス
テムの好ましい実施例について詳説する。図1には、本
発明に係る空調システムの第1実施例の構成図が示され
ている。同図に示されるように、前記空調システム10
は、主として、検出手段12、空調熱負荷予測手段1
4、内部負荷推定手段16、制御目標決定手段18、制
御量演算手段19、空調機制御手段21及び空調機23
から構成される。DETAILED DESCRIPTION OF THE PREFERRED EMBODIMENT A preferred embodiment of an air conditioning system according to the present invention will be described below in detail with reference to the accompanying drawings. FIG. 1 shows a block diagram of a first embodiment of an air conditioning system according to the present invention. As shown in the figure, the air conditioning system 10
Is mainly the detection means 12 and the air conditioning heat load prediction means 1
4, internal load estimation means 16, control target determination means 18, control amount calculation means 19, air conditioner control means 21, and air conditioner 23
Consists of
【0009】前記検出手段12は、その詳細が図2に示
されるように、外気環境検出手段20及び時間情報検出
手段22から構成される。前記外気環境検出手段20
は、外気温度を検出する外気温度検出手段26、外気湿
度を検出する外気湿度検出手段28、及び日射量を検出
する日射量検出手段30から構成され、それぞれの検出
手段から検出される外気温度情報、外気湿度情報及び日
射量情報は外気環境情報として、空調熱負荷予測手段1
4及び内部負荷推定手段16に出力される。The detecting means 12 comprises an outside air environment detecting means 20 and a time information detecting means 22, as shown in detail in FIG. The outside air environment detecting means 20
Is composed of an outside air temperature detecting means 26 for detecting an outside air temperature, an outside air humidity detecting means 28 for detecting an outside air humidity, and an insolation amount detecting means 30 for detecting an insolation amount, and the outside air temperature information detected by each detecting means. The outside air humidity information and the solar radiation amount information are used as outside air environment information, and the air conditioning heat load prediction means 1
4 and the internal load estimating means 16.
【0010】前記時間情報検出手段22は、時刻と曜日
を検出し、その時刻情報及び曜日情報を時間情報とし
て、前記外気環境検出手段20と同様に空調熱負荷予測
手段14及び内部負荷推定手段16に出力される。前記
空調熱負荷予測手段14は、記憶手段32、予測手段3
4及び学習手段36から構成され、前記検出手段12か
ら出力される外気環境情報及び時間情報に基づいて空調
熱負荷を予測する。ここで、空調熱負荷とは、被空調室
をその温湿度に保つために取り去るべき熱量又は供給す
べき熱量である。The time information detecting means 22 detects the time and the day of the week, and uses the time information and the day of the week information as the time information, like the outside air environment detecting means 20, as the air conditioning heat load predicting means 14 and the internal load estimating means 16. Is output to. The air conditioning heat load predicting means 14 includes a storage means 32 and a predicting means 3.
4 and learning means 36, the air conditioning heat load is predicted based on the outside air environment information and time information output from the detection means 12. Here, the air conditioning heat load is the amount of heat to be removed or the amount of heat to be supplied in order to maintain the temperature and humidity of the air-conditioned room.
【0011】前記記憶手段32には、外気温度、外気湿
度、日射量、時間及び曜日を入力、空調熱負荷を出力と
した関係が予め学習してあるニューラルネットワークが
記憶されている。図3には、ニューラルネットワークの
機能説明図が示され、図4には、装置除去熱量検出手段
14の記憶手段32に記憶されているニューラルネット
ワークの構成が示されている。The storage means 32 stores a neural network in which the relationship in which the outside air temperature, the outside air humidity, the solar radiation amount, the time and the day of the week are input and the air conditioning heat load is output is learned in advance. FIG. 3 shows a functional explanatory diagram of the neural network, and FIG. 4 shows the configuration of the neural network stored in the storage means 32 of the device removal heat amount detecting means 14.
【0012】ニューラルネットワークでは、ネットワー
ク演算(順方向演算)を行う場合、入力値をx1 、
x2 、……、xn 、内部係数(重み)をw1 、w2 、…
…、wnとすると、累積処理部60の内部出力値Xは、 であり、ニューロユニット62からの出力値Yは、 Y=1/(1+exp(−AX)) 但し、Aは任意定数 である。In the neural network, when performing a network operation (forward operation), the input value is x 1 ,
x 2 , ..., X n , internal coefficients (weights) w 1 , w 2 , ...
, W n , the internal output value X of the accumulation processing unit 60 is And the output value Y from the neuro unit 62 is Y = 1 / (1 + exp (-AX)) where A is an arbitrary constant.
【0013】このニューロユニット62が複数個複数層
結合してニューラルネットワークを構成し、結合するニ
ューロユニットの入出力関係は上記のようになる。ま
た、ニューラルネットワークを修正(逆方向演算)する
場合、予測値の予測精度をもとにバックプロパケーショ
ン法を用いて精度がよくなるように内部係数(重み)を
調整する。A plurality of neuro units 62 are connected in a plurality of layers to form a neural network, and the input / output relationships of the connected neuro units are as described above. When the neural network is modified (backward calculation), the internal coefficient (weight) is adjusted so that the accuracy is improved by using the back-propagation method based on the prediction accuracy of the predicted value.
【0014】前記予測手段34は、前記記憶手段32に
記憶されたニューラルネットワークに前記検出手段12
から出力される外気環境情報(外気温度、外気湿度、日
射量)及び時間情報(時刻、曜日)を入力して装置除去
熱量の予測値を算出する。前記学習手段36は、前記予
測手段34で予測した装置除去熱量の予測値の予測精度
により前記記憶手段32に記憶されているニューラルネ
ットワークを新たに学習するか判断し、学習したほうが
良いと判断した場合は、予測精度に基づいてバックプロ
パゲーション法により入力層64、中間層66、出力層
68の3層からなる5入力1出力のニューラルネットワ
ークの内部係数(重み)を修正する。The prediction means 34 uses the neural network stored in the storage means 32 to detect the detection means 12.
The predicted value of the device removal heat quantity is calculated by inputting the outside air environment information (outside air temperature, outside air humidity, solar radiation amount) and time information (time, day of the week) output from The learning unit 36 determines whether to newly learn the neural network stored in the storage unit 32 based on the prediction accuracy of the predicted value of the device removal heat amount predicted by the prediction unit 34, and determines that it is better to learn. In this case, the internal coefficient (weight) of the 5-input 1-output neural network including the three layers of the input layer 64, the intermediate layer 66, and the output layer 68 is corrected by the back propagation method based on the prediction accuracy.
【0015】前記内部負荷推定手段16は、記憶手段3
8、計算手段40及び推定手段42から構成され、前記
検出手段12から出力される外気環境情報及び時間情報
と空調熱負荷予測手段14により予測された空調熱負荷
から内部負荷(被空調室内のOA機器、証明器具、人
等)の推定を行う。前記記憶手段38には、外気温度、
外気湿度、日射量、時間及び曜日を入力、装置除去熱量
を出力とした関係が予め学習してあるニューラルネット
ワークが記憶されている。ここで、装置除去熱量とは、
熱負荷計算において、被空調室から実際に取り去るべき
熱量で、前記空調熱負荷に建屋の壁等に蓄熱されている
蓄熱負荷を加えたものである。即ち、空調で室温が一定
に保たれている場合には、空調熱負荷と装置除去熱量は
一致するが、例えば、空調立ち上げ時や空調の間欠運転
の場合には、日射等により建屋の壁に蓄熱された熱は、
ある時間を経てから被空調室の室温に変化する。従っ
て、精度の良い空調制御を行うには、装置除去熱量を知
る必要がある。The internal load estimating means 16 is a storage means 3.
8, the calculation means 40 and the estimation means 42, the outside air environment information and time information output from the detection means 12 and the air conditioning heat load predicted by the air conditioning heat load predicting means 14 into the internal load (OA in the air-conditioned room). Equipment, certification equipment, people, etc.). The storage means 38 stores the outside air temperature,
The neural network in which the relationship in which the outside air humidity, the solar radiation amount, the time, and the day of the week are input and the device removal heat amount is output is learned in advance is stored. Here, the device removal heat quantity is
In the heat load calculation, the heat load to be actually removed from the air-conditioned room is the air-conditioner heat load plus the heat storage load stored in the wall of the building. That is, when the room temperature is kept constant by air conditioning, the air conditioning heat load and the device removal heat amount are the same, but, for example, when the air conditioning is started up or when the air conditioning is intermittently operated, the walls of the building are exposed to sunlight or the like. The heat stored in
After a certain period of time, the room temperature of the air-conditioned room changes. Therefore, in order to perform accurate air conditioning control, it is necessary to know the device removal heat amount.
【0016】この記憶手段38に記憶されるニューラル
ネットワークは、図5に示されるように、動的熱負荷計
算プログラム44を用いて構築される。この動的熱負荷
計算プログラム44は、時刻データと曜日データが記憶
された時間データ46と外気温度データ、外気湿度デー
タ及び日射量データが記憶された標準気象データ48を
有し、ユーザが対象とする建屋の建屋条件(建屋の形状
や材質等)と、室内負荷条件(人や機器、照明等の室内
の内部発熱体、数量や個々の発熱体の発熱の量等)とを
入力すると、1年分の装置除去熱量を1時間毎に算出で
きるようになっている。The neural network stored in the storage means 38 is constructed using a dynamic heat load calculation program 44, as shown in FIG. The dynamic heat load calculation program 44 has time data 46 in which time data and day of the week data are stored, standard weather data 48 in which outside air temperature data, outside air humidity data, and solar radiation amount data are stored. Enter the building conditions (building shape, material, etc.) of the building to be built and the indoor load conditions (internal heating elements in the room such as people, equipment, and lighting, quantity and amount of heat generated by individual heating elements). The amount of heat removed from the equipment for one year can be calculated every hour.
【0017】本実施例では、前記建屋条件及び室内負荷
条件を設計最大負荷の場合(内部負荷条件1)、設計最
大負荷の1/2の場合(内部負荷条件2)及び設計最大
負荷の1/4の場合(内部負荷条件3)の3パターンを
設定して動的熱負荷計算プログラム44に入力し、それ
ぞれについての装置除去熱量を算出する。この結果、前
記動的熱負荷計算プログラム44からは、装置除去熱量
が設計最大負荷であるときの装置除去熱量54と、内部
負荷が設計最大負荷の1/2であるときの装置除去熱量
56及び内部負荷が設計最大負荷の1/4であるときの
装置除去熱量58が算出される。In this embodiment, the building condition and the indoor load condition are the design maximum load (internal load condition 1), 1/2 the design maximum load (internal load condition 2), and 1 / the design maximum load. In the case of 4 (internal load condition 3), three patterns are set and input to the dynamic heat load calculation program 44, and the device removal heat amount for each is calculated. As a result, from the dynamic heat load calculation program 44, the device removal heat amount 54 when the device removal heat amount is the design maximum load, the device removal heat amount 56 when the internal load is ½ of the design maximum load, and The device removal heat amount 58 when the internal load is ¼ of the designed maximum load is calculated.
【0018】この内部負荷条件(建屋条件と室内負荷条
件)を3パターンに分けて算出した装置除去熱量54、
56、58のそれぞれに対して、装置除去熱量54、5
6、58を出力、外気温度、外気湿度、日射量、時間及
び曜日を入力とした関係を学習させた3パターンのニュ
ーラルネットワークを構築し、それぞれを記憶手段38
に記憶させる。The amount of heat removed by the apparatus 54 calculated by dividing the internal load conditions (building condition and indoor load condition) into three patterns,
Device removal heat amounts 54, 5
A neural network having three patterns is constructed by learning the relationships with the outputs of 6 and 58, the outside air temperature, the outside air humidity, the amount of solar radiation, the time, and the day of the week.
To memorize.
【0019】前記計算手段40では、前記記憶手段38
に記憶された3パターンのニューラルネットワークのそ
れぞれに付いて前記検出手段12から出力される外気環
境情報及び時間情報を入力して3パターンの装置除去熱
量を算出する。前記推定手段42は、前記空調熱負荷予
測手段14で予測された空調熱負荷と前記計算手段で算
出された3パターンの装置除去熱量とを比較して、空調
熱負荷予測手段14で予測された空調熱負荷が、前記計
算手段で算出された3パターンの装置除去熱量54、5
6、58のうち、どの内部負荷条件のニューラルネット
ワークを用いて算出した装置除去熱量54、56、58
と最も近似しているかを判断し、内部負荷を推定する
(内部負荷条件1〜3のうちどの内部負荷条件かを推定
する)。In the calculation means 40, the storage means 38
The outside air environment information and the time information output from the detection means 12 are input to each of the three patterns of neural networks stored in the above, and three patterns of device removal heat amount are calculated. The estimation unit 42 compares the air conditioning heat load predicted by the air conditioning heat load prediction unit 14 with the three patterns of device removal heat amounts calculated by the calculation unit, and is predicted by the air conditioning heat load prediction unit 14. The air-conditioning heat load is the device removal heat quantity 54, 5 of the three patterns calculated by the calculation means.
6, 58, 56, 58 of device removal heat amount calculated using a neural network of which internal load condition
And the internal load is estimated (which of the internal load conditions 1 to 3 is estimated) is estimated.
【0020】前記制御目標決定手段18は、空調熱負荷
予測手段14により予測された装置除去熱量、内部負荷
推定手段16により推定された内部負荷、外気環境検出
手段20から出力される外気環境データ及び時間情報検
出手段から出力される時間データから空調機の制御目標
の決定する。前記制御量演算手段19は、制御目標決定
手段18により決定された制御目標に基づいて空調機の
制御量の演算を行う。The control target determining means 18 includes the device removal heat quantity predicted by the air conditioning heat load predicting means 14, the internal load estimated by the internal load estimating means 16, the outside air environment data output from the outside air environment detecting means 20, and The control target of the air conditioner is determined from the time data output from the time information detecting means. The control amount calculation means 19 calculates the control amount of the air conditioner based on the control target determined by the control target determination means 18.
【0021】前記空調機制御手段21は、制御量演算定
手段19により算出された制御量に基づいて空調機の制
御を行う。前記空調機23は、空調機制御手段19の出
力する動作信号に基づいて被空調室の空調を行う。前記
の如く構成される本第1実施例の空調システム10の作
用は次のようになる。The air conditioner control means 21 controls the air conditioner based on the control amount calculated by the control amount calculation determining means 19. The air conditioner 23 air-conditions the air-conditioned room based on the operation signal output from the air conditioner control means 19. The operation of the air conditioning system 10 of the first embodiment configured as described above is as follows.
【0022】先ず、空調システム10を起動すると、外
気環境検出手段20及び時間情報検出手段22からは、
それぞれ外気温度、外気湿度、日射量、時刻及び曜日の
データが検出される。空調熱負荷予測手段14は、この
外気環境検出手段20及び時間情報検出手段22から出
力される外気温度、外気湿度、日射量、時刻及び曜日の
データを入力し、空調熱負荷を予測する。First, when the air conditioning system 10 is started, the outside air environment detecting means 20 and the time information detecting means 22
The data of the outside temperature, the outside humidity, the amount of solar radiation, the time of day, and the day of the week are detected. The air-conditioning heat load predicting means 14 predicts the air-conditioning heat load by inputting the outside air temperature, the outside air humidity, the amount of solar radiation, the time of day, and the day of the week output from the outside air environment detecting means 20 and the time information detecting means 22.
【0023】この予測方法は、空調熱負荷予測手段14
の予測手段34が、記憶手段32に記憶された、外気温
度、外気湿度、日射量、時間及び曜日と空調熱負荷の関
係が予め学習してあるニューラルネットワークに、前記
外気環境検出手段20及び時間情報検出手段22から出
力される外気温度、外気湿度、日射量、時刻及び曜日の
データを入力してネットワーク演算をすることにより、
空調熱負荷の予測値を得る。This prediction method is based on the air conditioning heat load prediction means 14
Of the outside air environment detecting means 20 and time to the neural network in which the relationship between the outside air temperature, the outside air humidity, the amount of solar radiation, the time and the day of the week and the air conditioning heat load stored in the storage means 32 is learned in advance. By inputting the data of the outside air temperature, the outside air humidity, the amount of solar radiation, the time of day, and the day of the week, which are output from the information detecting means 22, the network operation is performed,
Obtain the predicted value of the air conditioning heat load.
【0024】次に、内部負荷推定手段16が、前記外気
環境検出手段20及び時間情報検出手段22から出力さ
れる外気温度、外気湿度、日射量、時刻、曜日のデータ
及び前記空調熱負荷予測手段14で予測された空調熱負
荷を入力し、内部負荷を推定する。この推定方法は、先
ず、計算手段40が記憶手段38に記憶されている外気
温度、外気湿度、日射量、時間及び曜日と装置除去熱量
の関係が予め学習してあるニューラルネットワークに前
記外気環境検出手段20及び時間情報検出手段22から
出力される外気温度、外気湿度、日射量、時刻及び曜日
のデータを入力してネットワーク演算をすることにより
装置除去熱量を算出する。Then, the internal load estimating means 16 outputs the outside air temperature, the outside air humidity, the amount of solar radiation, the time, the day of the week output from the outside air environment detecting means 20 and the time information detecting means 22 and the air conditioning heat load predicting means. The air conditioning heat load predicted in 14 is input to estimate the internal load. In this estimation method, first, the calculation means 40 detects the outside air environment in a neural network in which the relationship between the outside air temperature, the outside air humidity, the amount of solar radiation, the time, and the day of the week and the device removal heat amount stored in the storage means 38 is learned in advance. The device removal heat quantity is calculated by inputting data of the outside air temperature, the outside air humidity, the amount of solar radiation, the time of day, and the day of the week, which are output from the means 20 and the time information detecting means 22, and performing a network operation.
【0025】ここで、前記記憶手段38には、前記の如
く動的熱負荷計算プログラムを用いて、内部負荷条件が
設計最大負荷の場合(内部負荷条件1)、設計最大負荷
の1/2の場合(内部負荷条件2)及び設計最大負荷の
1/4の場合(内部負荷条件3)の3パターンで構築さ
れたニューラルネットワークが記憶されているので、各
々のニューラルネットワークに外気温度、外気湿度、日
射量、時刻、曜日のデータを入力して計算手段40でネ
ットワーク演算を行うと、計算手段40からは、内部負
荷条件によって異なった装置除去熱量が算出される。即
ち、装置除去熱量が設計最大負荷であるときの装置除去
熱量54と、内部負荷が設計最大負荷の1/2であると
きの装置除去熱量56及び内部負荷が設計最大負荷の1
/4であるときの装置除去熱量58が算出される。Here, when the internal load condition is the design maximum load (internal load condition 1), the storage unit 38 uses the dynamic heat load calculation program as described above, and is half the design maximum load. Since the neural network constructed by the three patterns of the case (internal load condition 2) and the case of 1/4 of the design maximum load (internal load condition 3) is stored, the outside air temperature, the outside air humidity, When data of solar radiation amount, time and day of the week are input and the network calculation is performed by the calculation unit 40, different heat removal amount of the device is calculated from the calculation unit 40 depending on the internal load condition. That is, the device removal heat amount 54 when the device removal heat amount is the design maximum load, and the device removal heat amount 56 and the internal load when the internal load is 1/2 of the design maximum load is 1 of the design maximum load.
The device removal heat amount 58 when / 4 is calculated.
【0026】推定手段42は、この計算手段40で算出
された3パターンの装置除去熱量54、56、58と、
前記空調熱負荷予測手段14で予測された空調熱負荷と
を比較して、設定した内部負荷条件1〜3のうちどの内
部負荷条件のニューラルネットワークで算出した装置除
去熱量が、空調熱負荷予測手段14で予測された空調熱
負荷と最も近似しているかを判断する。この結果、設定
した内部負荷条件1〜3から内部負荷が推定される。
(内部負荷を、空調熱負荷予測手段14で予測された空
調熱負荷と最も近似している装置除去熱量を算出したニ
ューラルネットワークの内部負荷条件であるとみなす) 内部負荷推定手段16により推定された内部負荷と空調
熱負荷予測手段14により予測された空調熱負荷は、制
御目標決定手段18に入力され、制御目標決定手段18
では、その内部負荷と空調熱負荷、更に、外気環境検出
手段20と時間情報検出手段22から出力される外気温
度、外気湿度、日射量、時間及び曜日のデータに基づい
て空調機の制御目標を決定する。例えば、夏期において
気象による負荷が大きく内部負荷が小さい場合にはペリ
メータゾーンを空調するように制御目標を設定する。ま
た、前記制御目標決定手段18に入力した前記データ
に、更に、内部負荷推定手段16の計算手段40で算出
された装置除去熱量を入力して前記蓄熱負荷を考慮した
制御目標を設定すると、更に精度の良い制御目標を設定
することができる。The estimating means 42 has three patterns of heat removal amounts 54, 56, 58 of the apparatus calculated by the calculating means 40,
The air-conditioning heat load predicting means 14 compares the air-conditioning heat load predicted by the air-conditioning heat load predicting means 14 with the device removal heat amount calculated by the neural network of which internal load condition among the set internal load conditions 1 to 3. It is judged whether or not it is the closest to the air conditioning heat load predicted in 14. As a result, the internal load is estimated from the set internal load conditions 1 to 3.
(It is assumed that the internal load is the internal load condition of the neural network that has calculated the device removal heat amount that most approximates the air conditioning heat load predicted by the air conditioning heat load prediction unit 14.) The internal load estimation unit 16 estimates the internal load. The internal load and the air conditioning heat load predicted by the air conditioning heat load predicting means 14 are input to the control target determining means 18, and the control target determining means 18 is supplied.
Then, the control target of the air conditioner is set on the basis of the internal load and the air conditioning heat load, and further, the outside air temperature, the outside air humidity, the amount of solar radiation, the time and the day of the week data output from the outside air environment detecting means 20 and the time information detecting means 22. decide. For example, when the weather load is large and the internal load is small in the summer, the control target is set to air-condition the perimeter zone. Further, if the device removal heat amount calculated by the calculation unit 40 of the internal load estimation unit 16 is further input to the data input to the control target determination unit 18 to set a control target in consideration of the heat storage load, It is possible to set a precise control target.
【0027】制御量演算手段19は、制御目標決定手段
18により決定された制御目標に基づいて空調機23の
制御量の演算を行い、空調機制御手段21は、制御量演
算定手段19により算出された制御量に基づいて空調機
23に動作信号を出力し運転制御を行う。前記した操作
を時間ステップ(1時間)ごとに行うにしたっがって、
空調熱負荷予測手段14の記憶手段32に記憶されてい
るニューラルネットワークは、学習作用により予測精度
が良くなるように更新されて行き、より正確な空調熱負
荷の予測が可能になる。The control amount calculation means 19 calculates the control amount of the air conditioner 23 based on the control target determined by the control target determination means 18, and the air conditioner control means 21 calculates it by the control amount calculation setting means 19. An operation signal is output to the air conditioner 23 based on the control amount thus determined, and operation control is performed. In order to perform the above-mentioned operation every time step (1 hour),
The neural network stored in the storage means 32 of the air conditioning heat load predicting means 14 is updated so that the prediction accuracy is improved by the learning action, and more accurate air conditioning heat load prediction is possible.
【0028】このように、本第1実施例の空調システム
10によれば、空調を行う被空調室の内部負荷の把握が
可能になり、効率的な空調機制御が可能になる。また、
従来の予測方法のように高価なセンサを必要としないの
で装置コスト削減することができるとともに、ニューラ
ルネットワークを用いてスケジュールの予測をする(ニ
ューラルネットワークに時刻と曜日のデータを入力すれ
ばスケジュールの予測が可能)ことにより曜日やスケジ
ュールの把握をする必要がなくなる。As described above, according to the air conditioning system 10 of the first embodiment, it is possible to grasp the internal load of the air-conditioned room to be air-conditioned, and to efficiently control the air conditioner. Also,
Unlike the conventional forecasting method, it does not require expensive sensors, so the device cost can be reduced, and the schedule can be forecasted using a neural network. (Schedule forecasting can be done by inputting time and day of the week data to the neural network. By doing so, it becomes unnecessary to grasp the day of the week and the schedule.
【0029】図6には、本発明に係る空調システムの第
2実施例の構成図が示されている。前記第1実施例で
は、内部負荷の推定に用いる空調熱負荷を空調熱負荷予
測手段14により予測していた。本第2実施例では、前
記空調熱負荷予測手段14の代わりに装置除去熱量を装
置除去熱量検出手段70を用いて検出する。尚、前記第
1実施例と同一部材、同一装置に付いては同一符号を付
してその説明を省略する。FIG. 6 is a block diagram of the second embodiment of the air conditioning system according to the present invention. In the first embodiment, the air conditioning heat load used for estimating the internal load is predicted by the air conditioning heat load predicting means 14. In the second embodiment, the device removal heat amount detecting means 70 is used instead of the air conditioning heat load predicting means 14 to detect the device removal heat amount. The same members and the same devices as those in the first embodiment are designated by the same reference numerals and the description thereof will be omitted.
【0030】図6に示されるように、装置除去熱量検出
手段70で検出される装置除去熱量は、内部負荷推定手
段16及び制御目標決定手段18に出力される。内部負
荷推定手段16では、前記第1実施例と同様に、外気環
境検出手段20及び時間情報検出手段22から出力され
る外気温度、外気湿度、日射量、時刻、曜日のデータ及
び前記装置除去熱量検出手段70で予測された装置除去
熱量を入力し、内部負荷を推定する。この内部負荷推定
手段16により推定された内部負荷と装置除去熱量検出
手段70により検出された装置除去熱量、更に、外気環
境検出手段20と時間情報検出手段22から出力される
外気温度、外気湿度、日射量、時間及び曜日のデータに
基づいて制御目標決定手段18により空調機23の制御
目標の決定する。そして、制御量演算手段19で、制御
目標決定手段18により決定された制御目標に基づいて
空調機23の制御量の演算を行い、空調機制御手段21
により、制御量演算定手段19で算出された制御量に基
づいて空調機23に動作信号を出力し運転制御を行う。As shown in FIG. 6, the device removal heat amount detected by the device removal heat amount detecting means 70 is output to the internal load estimating means 16 and the control target determining means 18. In the internal load estimating means 16, similar to the first embodiment, the outside air temperature, the outside air humidity, the amount of solar radiation, the time of day, the data of the day of the week, and the amount of heat removed by the device are output from the outside air environment detecting means 20 and the time information detecting means 22. The device removal heat quantity predicted by the detection means 70 is input to estimate the internal load. The internal load estimated by the internal load estimating unit 16 and the device removing heat amount detected by the device removing heat amount detecting unit 70, and the outside air temperature and the outside air humidity output from the outside air environment detecting unit 20 and the time information detecting unit 22, The control target determining means 18 determines the control target of the air conditioner 23 based on the amount of solar radiation, the time, and the data of the day of the week. Then, the control amount calculation means 19 calculates the control amount of the air conditioner 23 based on the control target determined by the control target determination means 18, and the air conditioner control means 21.
Thus, an operation signal is output to the air conditioner 23 based on the control amount calculated by the control amount calculation determining means 19 to perform operation control.
【0031】このように、本第2実施例でも前記第1実
施例同様空調を行う被空調室の内部負荷の把握が可能に
なり、効率的な空調機制御が可能になる。尚、本実施例
では、内部負荷推定手段16に用いるニューラルネット
ワークを動的熱負荷計算プログラムを用いて内部負荷条
件を3パターン(設計最大負荷、設計最大負荷の1/
2、設計最大負荷の1/4)で設定して学習させたが、
内部負荷条件の設定パターンはこれに限定されるもので
はなく、例えば、設計最大負荷、設計最大負荷の9/1
0、………、設計最大負荷の2/10、設計最大負荷の
1/10のように設定パターンを増やしてもよい。これ
により、より正確な内部負荷の把握が可能になる。ま
た、前記のように、内部負荷をレベルで予測するのでは
なく数値で予測してもよい。As described above, also in the second embodiment, it is possible to grasp the internal load of the air-conditioned room in which the air conditioning is performed as in the first embodiment, and it is possible to efficiently control the air conditioner. In the present embodiment, the neural network used in the internal load estimating means 16 uses the dynamic heat load calculation program to set the internal load conditions in three patterns (design maximum load, 1 / design maximum load).
2, 1/4 of the maximum design load) was set and learned,
The setting pattern of the internal load condition is not limited to this. For example, the design maximum load, the design maximum load 9/1
The set patterns may be increased such as 0, ..., 2/10 of the design maximum load, and 1/10 of the design maximum load. This makes it possible to more accurately grasp the internal load. Further, as described above, the internal load may be predicted not by the level but by the numerical value.
【0032】また、本実施例では、内部負荷及び装置除
去熱量の予測を行うのに、時間情報検出手段22により
時刻を検出し、1時間毎の情報を用いたが、曜日を検出
して1日の情報を検出し、内部負荷及び装置除去熱量を
予測してもよい。これにより、翌日の空調計画が可能に
なる。また、本実施例では、内部負荷条件1〜3を建屋
全ての負荷と室内負荷で設定しているが、動的熱負荷計
算プログラムは、各部屋毎に計算できるので、各部屋毎
に前記実施例のニューラルネットワークを作り、各部屋
毎に吸い込み口と吐き出し口の温度及び流量から各部屋
毎の熱量を算出し、前記実施例のように内部負荷を推定
することもできる。また、各部屋毎だけではなく、各
階、ブロック毎に前記実施例を応用することもできる。
これにより、更に効率的で快適な空調を行うことができ
る。Further, in this embodiment, the time information detecting means 22 detects the time and uses the information for each hour to predict the internal load and the heat removal amount of the apparatus. The daily load may be detected to predict the internal load and the amount of heat removed by the device. This makes it possible to plan the air conditioning for the next day. Further, in the present embodiment, the internal load conditions 1 to 3 are set for the load of all the buildings and the indoor load, but since the dynamic heat load calculation program can be calculated for each room, the above-mentioned operation is performed for each room. It is also possible to make an example neural network, calculate the amount of heat in each room from the temperature and flow rate of the suction port and the discharge port in each room, and estimate the internal load as in the above embodiment. Further, the above-described embodiment can be applied not only to each room but also to each floor and each block.
As a result, more efficient and comfortable air conditioning can be performed.
【0033】[0033]
【発明の効果】以上説明したように、本発明の空調シス
テムによれば、従来のように高価なセンサを用いること
なく内部負荷を把握することができるので、効率的な空
調機制御を行うことができる上にコストダウンも図るこ
とができる。また、本発明の空調システムによれば、従
来のように曜日や業務等のスケジュールから内部負荷を
把握する方法に比べ、迅速に把握することができるとと
もに精度を向上できる。As described above, according to the air conditioning system of the present invention, since the internal load can be grasped without using an expensive sensor as in the conventional case, efficient air conditioner control can be performed. In addition to being able to reduce costs, it is possible to reduce costs. Further, according to the air conditioning system of the present invention, the internal load can be grasped more quickly and the accuracy can be improved as compared with the conventional method of grasping the internal load from the schedule such as the day of the week or the work.
【図1】本発明に係る空調システムの第1実施例の構成
図FIG. 1 is a configuration diagram of a first embodiment of an air conditioning system according to the present invention.
【図2】本発明に係る空調システムの第1実施例の構成
図FIG. 2 is a configuration diagram of a first embodiment of an air conditioning system according to the present invention.
【図3】ニューラルネットワークの機能説明図FIG. 3 is a functional explanatory diagram of a neural network.
【図4】装置除去熱量検出手段に用いられるニューラル
ネットワークの構成図FIG. 4 is a configuration diagram of a neural network used for device removal heat amount detecting means.
【図5】内部負荷推定手段に用いられるにニューラルネ
ットワークの説明図FIG. 5 is an explanatory diagram of a neural network used in the internal load estimating means.
【図6】本発明に係る空調システムの第2実施例の構成
図FIG. 6 is a configuration diagram of a second embodiment of an air conditioning system according to the present invention.
10…空調システム 12…検出手段 14…空調熱負荷予測手段 16…内部負荷推定手段 18…制御目標決定手段 19…制御量演算手段 20…外気環境検出手段 21…空調機制御手段 22…時間情報検出手段 23…空調機 70…装置除去熱量検出手段 DESCRIPTION OF SYMBOLS 10 ... Air-conditioning system 12 ... Detection means 14 ... Air-conditioning heat load prediction means 16 ... Internal load estimation means 18 ... Control target determination means 19 ... Control amount calculation means 20 ... Outside air environment detection means 21 ... Air conditioner control means 22 ... Time information detection Means 23 ... Air conditioner 70 ... Device removal heat amount detecting means
Claims (9)
出手段と、 時間データを検出する時間情報検出手段と、 前記外気環境検出手段から出力される外気環境データと
前記時間情報検出手段から出力される時間データとに基
づいて前記空調機の空調熱負荷を予測する空調熱負荷予
測手段と、 前記外気環境検出手段から出力される外気環境データと
前記時間情報検出手段から出力される時間データと前記
空調熱負荷予測手段により予測される空調熱負荷に基づ
いて前記被空調室の内部負荷を推定する内部負荷推定手
段と、 前記外気環境検出手段により検出される外気環境データ
と、前記時間情報検出手段により検出される時間データ
と、前記内部負荷推定手段により推定される内部負荷
と、前記空調熱負荷予測手段により予測される空調熱負
荷とに基づいて前記空調機の制御目標を決定する制御目
標決定手段と、 前記制御目標決定手段で決定された制御目標に基づいて
前記空調機の制御量を演算する制御量演算手段と、 前記制御目標演算手段で算出された制御量に基づいて前
記空調機を制御する空調機制御手段と、から成ることを
特徴とする空調システム。1. An air conditioner for air conditioning an air-conditioned room, an outside air environment detecting means for detecting outside air environment data outside the air-conditioned room, a time information detecting means for detecting time data, and an outside air environment detecting means. An air conditioning heat load predicting unit for predicting an air conditioning heat load of the air conditioner based on the outside air environment data output and the time data output from the time information detecting unit, and an outside air environment output from the outside air environment detecting unit Internal load estimation means for estimating the internal load of the air-conditioned room based on the data, the time data output from the time information detection means, and the air conditioning heat load predicted by the air conditioning heat load prediction means; and the outside air environment detection The outside air environment data detected by the means, the time data detected by the time information detecting means, the internal load estimated by the internal load estimating means, and Control target determining means for determining a control target of the air conditioner based on the air conditioning heat load predicted by the air conditioning heat load predicting means, and control of the air conditioner based on the control target determined by the control target determining means. An air conditioning system comprising: a control amount calculation means for calculating an amount; and an air conditioner control means for controlling the air conditioner based on the control amount calculated by the control target calculation means.
出手段と、 時間データを検出する時間情報検出手段と、 前記被空調室から実際に取り除くべき熱量である装置除
去熱量を検出する装置除去熱量検出手段と、 前記外気環境検出手段から出力される外気環境データと
前記時間情報検出手段から出力される時間データと前記
装置除去熱量検出手段により検出される装置除去熱量に
基づいて前記被空調室の内部負荷を推定する内部負荷推
定手段と、 前記外気環境検出手段により検出される外気環境データ
と、前記時間情報検出手段により検出される時間データ
と、前記内部負荷推定手段により推定される内部負荷
と、前記装置除去熱量検出手段により検出された装置除
去熱量とに基づいて前記空調機の制御目標を決定する制
御目標決定手段と、 前記制御目標決定手段で決定された制御目標に基づいて
前記空調機の制御量を演算する制御量演算手段と、 前記制御目標演算手段で算出された制御量に基づいて前
記空調機を制御する空調機制御手段と、から成ることを
特徴とする空調システム。2. An air conditioner for air conditioning an air-conditioned room, an outside air environment detecting means for detecting outside air environment data outside the air-conditioned room, a time information detecting means for detecting time data, and an actual air conditioner from the air-conditioned room. Device removal heat amount detecting means for detecting device removal heat amount which is the amount of heat to be removed, outside air environment data output from the outside air environment detecting means, time data output from the time information detecting means, and the device removal heat amount detecting means Internal load estimation means for estimating the internal load of the air-conditioned room based on the amount of heat removed by the device, external air environment data detected by the external air environment detection means, and time detected by the time information detection means. Based on the data, the internal load estimated by the internal load estimating unit, and the device removal heat amount detected by the device removal heat amount detecting unit, Control target determining means for determining a control target of the controller, control amount calculating means for calculating a control amount of the air conditioner based on the control target determined by the control target determining means, and calculation by the control target calculating means An air conditioning system comprising: an air conditioner control unit that controls the air conditioner based on the controlled amount.
び時間情報検出手段から出力される時間データと、空調
熱負荷との関係が予め学習されているニューラルネット
ワークが記憶されている記憶手段と、 該記憶手段に記憶されているニューラルネットワークを
用いて、前記外気環境検出手段から出力される外気環境
データと前記時間情報検出手段から出力される時間デー
タとを入力して空調熱負荷の予測値を算出する予測手段
と、 該予測手段により算出された空調熱負荷の予測値の予測
精度により、前記記憶手段に記憶されているニューラル
ネットワークを学習させる学習手段と、から成ることを
特徴とする請求項1記載の空調システム。3. The air conditioning heat load predicting means has learned beforehand the relationship between the outside air environment data output from the environment information detecting means and the time data output from the time information detecting means, and the air conditioning heat load. Storage means in which a neural network is stored, and outside air environment data output from the outside air environment detection means and time data output from the time information detection means using the neural network stored in the storage means And a learning means for learning the neural network stored in the storage means based on the prediction accuracy of the predicted value of the air conditioning heat load calculated by the prediction means. The air conditioning system according to claim 1, comprising:
び時間情報検出手段から出力される時間データと、前記
被空調室から実際に取り除くべき熱量である装置除去熱
量との関係が複数のパターンで学習されている複数のニ
ューラルネットワークが記憶された記憶手段と、 該記憶手段に記憶されている複数のニューラルネットワ
ークを用いて、前記外気環境検出手段から出力される外
気環境データと前記時間情報検出手段から出力される時
間データを入力して、複数のパターンの装置除去熱量を
算出する計算手段と、 該計算手段で算出された装置除去熱量と前記空調熱負荷
予測手段で予測された空調熱負荷とを比較して内部負荷
を推定する推定手段と、から成ることを特徴とする請求
項1記載の空調システム。4. The apparatus, wherein the internal load estimating means is an outside air environment data output from the environment information detecting means and time data output from the time information detecting means, and an amount of heat to be actually removed from the air-conditioned room. Outputting from the outside air environment detecting means by using a storage means storing a plurality of neural networks in which the relationship with the amount of heat removed is learned in a plurality of patterns and a plurality of neural networks stored in the storage means. Calculating means for calculating the device removal heat quantity of a plurality of patterns by inputting the outside air environment data and the time data output from the time information detection means, the device removal heat quantity calculated by the calculation means and the air conditioning heat load. 2. An air conditioning system according to claim 1, further comprising: an estimating unit that estimates an internal load by comparing the air conditioning heat load estimated by the estimating unit. system.
検出手段から出力される外気環境データ及び時間情報検
出手段から出力される時間データと、前記被空調室から
実際に取り除くべき熱量である装置除去熱量との関係が
複数のパターンで学習されている複数のニューラルネッ
トワークが記憶された記憶手段と、 該記憶手段に記憶されている複数のニューラルネットワ
ークを用いて、前記外気環境検出手段から出力される外
気環境データと前記時間情報検出手段から出力される時
間データを入力して、複数のパターンの装置除去熱量を
算出する計算手段と、 該計算手段で算出された装置除去熱量と前記装置除去熱
量検出手段から出力される装置除去熱量とを比較して内
部負荷を推定する推定手段と、から成ることを特徴とす
る請求項2記載の空調システム。5. The apparatus, wherein the internal load estimating means is an outside air environment data output from the environment information detecting means and time data output from the time information detecting means, and a heat quantity to be actually removed from the air-conditioned room. Outputting from the outside air environment detecting means by using a storage means storing a plurality of neural networks in which the relationship with the amount of heat removed is learned in a plurality of patterns and a plurality of neural networks stored in the storage means. Calculating means for calculating the device removal heat quantity of a plurality of patterns by inputting the outside air environment data and the time data output from the time information detection means, and the device removal heat quantity and the device removal heat quantity calculated by the calculation means 3. An estimation means for estimating an internal load by comparing with a device removal heat quantity output from the detection means. Air conditioning system.
されているニューラルネットワークは、 内部負荷条件を複数設定し、 該設定した複数の内部負荷条件を動的熱負荷計算プログ
ラムに入力して、それぞれ内部負荷条件に対して装置除
去熱量を算出し、 該算出された装置除去熱量と前記環境情報検出手段から
出力される外気環境データ及び時間情報検出手段から出
力される時間データとの関係をニューラルネットワーク
に学習させたことを特徴とする請求項4又は5記載の空
調システム。6. The neural network stored in the storage means of the internal load estimating means sets a plurality of internal load conditions, inputs the set plurality of internal load conditions into a dynamic heat load calculation program, The device removal heat amount is calculated for each internal load condition, and the relationship between the calculated device removal heat amount and the outside air environment data output from the environment information detecting means and the time data output from the time information detecting means is neural-coded. The air conditioning system according to claim 4, wherein the network is trained.
て入力する内部負荷条件は、 設計最大負荷の場合、設計最大負荷の1/2の場合及び
設計最大負荷の1/4の場合の3つの内部負荷レベルで
あることを特徴とする請求項6記載の空調システム。7. The internal load conditions set and input in the dynamic thermal load calculation program are 3 in case of design maximum load, 1/2 of design maximum load and 1/4 of design maximum load. 7. Air conditioning system according to claim 6, characterized in that there are three internal load levels.
境データは、外気温度、外気湿度及び日射量であること
を特徴とする請求項1、2、3、4、5、6又は7記載
の空調システム。8. The outside air environment data detected by the outside air environment detecting means is an outside air temperature, an outside air humidity, and an amount of solar radiation, according to claim 1, 2, 3, 4, 5, 6 or 7. Air conditioning system.
ータは、時刻及び曜日であることを特徴とする請求項
1、2、3、4、5、6又は7記載の空調システム。9. The air conditioning system according to claim 1, wherein the time data detected by the time information detecting means is time and day of the week.
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP7016978A JPH08210686A (en) | 1995-02-03 | 1995-02-03 | Air-conditioning system |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP7016978A JPH08210686A (en) | 1995-02-03 | 1995-02-03 | Air-conditioning system |
Publications (1)
Publication Number | Publication Date |
---|---|
JPH08210686A true JPH08210686A (en) | 1996-08-20 |
Family
ID=11931159
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP7016978A Pending JPH08210686A (en) | 1995-02-03 | 1995-02-03 | Air-conditioning system |
Country Status (1)
Country | Link |
---|---|
JP (1) | JPH08210686A (en) |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JPH11159827A (en) * | 1997-08-22 | 1999-06-15 | Mitsubishi Electric Corp | Heat storage equipment add operating method thereof |
JP2006038334A (en) * | 2004-07-27 | 2006-02-09 | Shimizu Corp | Energy saving control system for multi-air conditioner |
WO2017098552A1 (en) * | 2015-12-07 | 2017-06-15 | 三菱電機株式会社 | Control device, air-conditioning system, and control method for air conditioners |
CN114608187A (en) * | 2022-03-01 | 2022-06-10 | 博锐尚格科技股份有限公司 | Method, device and equipment for determining cold machine adjusting mode and storage medium |
Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JPS56124847A (en) * | 1980-03-07 | 1981-09-30 | Toshiba Corp | Controlling method for preheating and precooling device |
JPS62141447A (en) * | 1985-12-13 | 1987-06-24 | Tokyo Electric Power Co Inc:The | Heat pump type regenerative air conditioning equipment |
-
1995
- 1995-02-03 JP JP7016978A patent/JPH08210686A/en active Pending
Patent Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JPS56124847A (en) * | 1980-03-07 | 1981-09-30 | Toshiba Corp | Controlling method for preheating and precooling device |
JPS62141447A (en) * | 1985-12-13 | 1987-06-24 | Tokyo Electric Power Co Inc:The | Heat pump type regenerative air conditioning equipment |
Cited By (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JPH11159827A (en) * | 1997-08-22 | 1999-06-15 | Mitsubishi Electric Corp | Heat storage equipment add operating method thereof |
JP2006038334A (en) * | 2004-07-27 | 2006-02-09 | Shimizu Corp | Energy saving control system for multi-air conditioner |
WO2017098552A1 (en) * | 2015-12-07 | 2017-06-15 | 三菱電機株式会社 | Control device, air-conditioning system, and control method for air conditioners |
JPWO2017098552A1 (en) * | 2015-12-07 | 2018-03-08 | 三菱電機株式会社 | Control device, air conditioning system, and control method for air conditioner |
CN114608187A (en) * | 2022-03-01 | 2022-06-10 | 博锐尚格科技股份有限公司 | Method, device and equipment for determining cold machine adjusting mode and storage medium |
CN114608187B (en) * | 2022-03-01 | 2023-09-26 | 博锐尚格科技股份有限公司 | Method, device, equipment and storage medium for determining cooling machine adjusting mode |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Goyal et al. | Experimental study of occupancy-based control of HVAC zones | |
Yang et al. | The coupled effects of personalized occupancy profile based HVAC schedules and room reassignment on building energy use | |
US7601054B2 (en) | Zone control of space conditioning system with varied uses | |
US20150167996A1 (en) | Thermodynamic modeling for enclosures | |
EP3078919A1 (en) | Apparatus and method for controlling comfort temperature of air conditioning device or air conditioning system | |
KR101251873B1 (en) | Method for controlling building air conditioning system by using intelligent control algorithm | |
JP3549710B2 (en) | Control device for air conditioner | |
KR101633969B1 (en) | Building Energy Management System Based on Context-Aware and Method for Managing Energy of Building Using The Same | |
KR102170522B1 (en) | Energy management system for exhibition hall considering environment and occupancy changes | |
Garnier et al. | Low computational cost technique for predictive management of thermal comfort in non-residential buildings | |
Spindler et al. | Naturally ventilated and mixed-mode buildings—Part I: Thermal modeling | |
JPH08100940A (en) | Load estimating device for air-conditioning machine | |
CN114556027A (en) | Air conditioning control device, air conditioning system, air conditioning control method, and air conditioning control program | |
JPH08210686A (en) | Air-conditioning system | |
CN112268350B (en) | Air conditioner side load prediction method based on system delay | |
KR100955210B1 (en) | The intelligent style building control system for the most management and an energy curtailment of business building equipment and control method | |
JP3374754B2 (en) | Air conditioning system controller | |
KR20200027079A (en) | Apparatus and method for optimum control of air conditioner using artificial neural network | |
JP3198523B2 (en) | Control device for air conditioner | |
Javed et al. | Modelling and optimization of residential heating system using random neural networks | |
JPH06323595A (en) | Operation controller for air conditioner | |
WO2021234763A1 (en) | Indoor temperature estimation device, program, and indoor temperature estimation method | |
JP2003004282A (en) | Operation control method for air conditioner and system therefor | |
JP3805968B2 (en) | Air conditioning system | |
JPH04320749A (en) | Control device for air conditioner |