WO2024047706A1 - 管理装置、管理システムおよび管理方法 - Google Patents

管理装置、管理システムおよび管理方法 Download PDF

Info

Publication number
WO2024047706A1
WO2024047706A1 PCT/JP2022/032434 JP2022032434W WO2024047706A1 WO 2024047706 A1 WO2024047706 A1 WO 2024047706A1 JP 2022032434 W JP2022032434 W JP 2022032434W WO 2024047706 A1 WO2024047706 A1 WO 2024047706A1
Authority
WO
WIPO (PCT)
Prior art keywords
feature amount
operation pattern
equipment
determination unit
predetermined period
Prior art date
Application number
PCT/JP2022/032434
Other languages
English (en)
French (fr)
Inventor
冬樹 佐藤
宣明 田崎
玄太 吉村
Original Assignee
三菱電機ビルソリューションズ株式会社
三菱電機株式会社
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by 三菱電機ビルソリューションズ株式会社, 三菱電機株式会社 filed Critical 三菱電機ビルソリューションズ株式会社
Priority to JP2023570044A priority Critical patent/JP7433564B1/ja
Priority to PCT/JP2022/032434 priority patent/WO2024047706A1/ja
Publication of WO2024047706A1 publication Critical patent/WO2024047706A1/ja

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q10/00—Administration; Management
    • G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling

Definitions

  • the present disclosure relates to a management device, a management system, and a management method for managing power in facilities such as buildings.
  • Heat source systems that collectively generate and supply cold and hot water, or heat, for use in air conditioning systems by operating multiple equipment that serves as heat sources.
  • equipment control systems that control the operation of multiple pieces of equipment are required to discretely start and stop these equipment depending on the load of the facility in order to operate these equipment efficiently. They are designed to operate independently or in parallel.
  • Japanese Utility Model Application Publication No. 6-30838 discloses a method of outputting an operation pattern code for each piece of equipment over a certain period of time.
  • the present disclosure has been made to solve the above problems, and provides a management device, a management system, and a management method that can easily identify the operation pattern of equipment.
  • a management device includes an acquisition unit that acquires operation history data for equipment in a predetermined period, and a classification processing unit that classifies operation patterns of equipment in a predetermined period based on the operation history data acquired by the acquisition unit. Equipped with.
  • the classification processing unit includes an aggregation unit that aggregates daily or hourly operation information based on operation history data, and a feature amount calculation unit that calculates a feature amount that characterizes the operation pattern of equipment in a predetermined period based on the operation information. , a determination unit that compares the calculated feature amount with a predetermined threshold value and classifies the operation pattern based on the comparison result.
  • a management system includes an acquisition unit that acquires operation history data for equipment over a predetermined period, and a classification processing unit that classifies operation patterns of equipment over a predetermined period based on the operation history data acquired by the acquisition unit. Equipped with.
  • the classification processing unit includes an aggregation unit that aggregates daily or hourly operation information based on operation history data, a feature calculation unit that calculates feature quantities that characterize the operating pattern of equipment in a predetermined period, and a and a determination unit that compares the amount with a predetermined threshold and classifies the operation pattern based on the comparison result.
  • a management method includes the steps of acquiring operation history data for equipment over a predetermined period, and classifying operation patterns of the equipment over a predetermined period based on the acquired operation history data.
  • the step of classifying operation patterns includes the step of aggregating daily or hourly operation information based on operation history data, and calculating feature quantities that characterize the operation patterns of equipment over a predetermined period based on the aggregated operation information. and a step of comparing the calculated feature amount with a predetermined threshold value and classifying the operation pattern based on the comparison result.
  • a management device, a management system, and a management method according to an embodiment can easily identify operation patterns of equipment.
  • FIG. 1 is a diagram illustrating a conceptual diagram of a management system 1 according to an embodiment.
  • FIG. 2 is a diagram illustrating functional blocks of a management device 100 according to an embodiment.
  • FIG. 3 is a flow diagram illustrating classification processing of the management device 100 according to an embodiment.
  • FIG. 2 is a diagram illustrating daily operation information of equipment according to an embodiment. It is a figure explaining operation information for each time of the equipment according to a certain embodiment.
  • FIG. 3 is a diagram illustrating calculation of a feature amount by a feature amount calculation unit 128 according to an embodiment.
  • FIG. 3 is a diagram illustrating processing of a display control unit 129 according to an embodiment. It is a figure explaining the functional block of management device 100 according to modification 1 of a certain embodiment. It is a figure explaining daily operation information of equipment according to modification 1 of a certain embodiment.
  • FIG. 1 is a diagram illustrating a conceptual diagram of a management system 1 according to an embodiment.
  • a management system 1 includes equipment of a facility such as a building, and a management device 100 that manages the equipment.
  • the equipment 2 include sensors, air conditioners, lighting, fans, and the like. Note that the equipment is not limited to this, and may be any equipment that consumes power used in the facility.
  • the management device 100 includes a CPU (Central Processing Unit) 12, a storage section 20, a main memory 18, an input section 10, a display section 14, and a network communication section 16.
  • the storage unit 20 is a device that stores information, and stores various programs, data, and the like.
  • the storage unit 20 stores operation history data 110 for equipment.
  • the main memory 18 is a working memory such as DRAM (Dynamic Random Access Memory).
  • the input unit 10 is a keyboard, a mouse, etc., and is used by the user to perform operations.
  • the input unit 10 may include an interface device that accepts data input from other systems.
  • the display unit 14 is a display, and may be a liquid crystal display, an organic EL (Electro Luminescence) display, or the like.
  • the CPU 12 implements various functions by executing programs stored in the storage unit 20. In other aspects, each function may be realized by a circuit element or other hardware configured to realize the function.
  • the network communication unit 16 is provided to be able to communicate with other devices via a network.
  • FIG. 2 is a diagram illustrating functional blocks of the management device 100 according to an embodiment.
  • CPU 12 includes an acquisition section 120, a classification processing section 121, and a display control section 129.
  • the classification processing unit 121 includes a totaling unit 122, a determining unit 126, a feature calculating unit 128, and a threshold setting unit 127.
  • the acquisition unit 120 acquires the operation history data 110 stored in the storage unit 20.
  • the classification processing unit 121 classifies the operation patterns of equipment in a predetermined period based on the operation history data 110 acquired by the acquisition unit 120.
  • the aggregation unit 122 aggregates operation information on a daily or hourly basis based on operation history data 110 of equipment during a predetermined period.
  • the aggregation unit 122 includes a day pattern aggregation unit 124 and a time pattern aggregation unit 125.
  • the daily pattern aggregation unit 124 aggregates daily operation information based on the operation history data 110 of equipment during a predetermined period.
  • the time pattern aggregation unit 125 aggregates operation information for each time based on the operation history data 110 of equipment during a predetermined period.
  • the feature amount calculation unit 128 calculates a feature amount that characterizes the operation pattern of the equipment in a predetermined period based on the operation information.
  • the determination unit 126 compares the calculated feature amount with a predetermined threshold, and classifies the operation pattern based on the comparison result.
  • the threshold setting unit 127 sets the threshold value used by the determination unit 126 according to the user's instructions.
  • FIG. 3 is a flow diagram illustrating classification processing of the management device 100 according to an embodiment.
  • the acquisition unit 120 acquires operation history data of the equipment for a predetermined period (step S2).
  • the equipment may be designated by the user from among a plurality of equipment, or may be designated one by one from among the plurality of equipment.
  • the predetermined period the user may specify an arbitrary period, or may specify the period in units of years or months. In this example, a case of one year will be explained.
  • the daily pattern aggregation unit 124 aggregates daily operation information based on the operation history data of the equipment in a predetermined period (step S4).
  • the time pattern aggregation unit 125 aggregates the operation information for each time based on the operation history data of the equipment in a predetermined period (step S6).
  • the feature amount calculation unit 128 calculates a feature amount that characterizes the operation pattern of the equipment in a predetermined period based on the operation information (step S8).
  • the determination unit 126 compares the calculated feature amount with a predetermined threshold, and classifies the operation pattern based on the comparison result (step S10).
  • the display control unit 129 displays the classification results of the operating patterns of the equipment on the display unit 14 (step S12).
  • FIG. 4 is a diagram illustrating daily operation information of equipment according to an embodiment.
  • FIG. 4 three types of operation information compiled by the daily pattern aggregation unit 124 based on the operation history data 110 are shown.
  • the equipment will be explained using an air conditioner as an example.
  • FIG. 4(A) shows the daily operating time ratio during the predetermined period (January 1, 2018 to December 31, 2018).
  • the number of working days during the predetermined period is 250 days
  • the average number of working days per week is 4.79 days.
  • the average operating time ratio is 39.74%.
  • FIG. 4(B) shows the value of the number of times the power is turned on and turned off for each day during the predetermined period (January 1, 2018 to December 31, 2018).
  • the average number of times the power is turned on per day is 1.144 times. Further, the average number of times the power is turned off per day is 1.144 times.
  • FIG. 4(C) shows the number of changes in the set temperature for each day during the predetermined period (January 1, 2018 to December 31, 2018).
  • the average number of changes in the set temperature per day is 1.388 times.
  • FIG. 5 is a diagram illustrating operation information for each time of equipment according to an embodiment.
  • operation information aggregated and averaged by time pattern aggregation unit 125 based on operation history data 110 is shown.
  • the equipment will be explained using an air conditioner as an example.
  • the averaged operating rate for each 24-hour period during the predetermined period (January 1, 2018 to December 31, 2018) is shown.
  • operation pattern> ⁇ d1.
  • Day of the week operation pattern> Based on the daily operation information aggregated by the daily pattern aggregation unit 124, the equipment is classified as an operation pattern for each day of the week in one week.
  • the operation pattern is classified as operating on each day of the week based on the ratio of the number of operating days of the equipment on each day of the week.
  • the feature quantity calculation unit 128 calculates the percentage of working days for each day of the week in a predetermined period (January 1, 2018 to December 31, 2018) based on the operating information explained in FIG. 4(A). is calculated as the feature quantity of the equipment.
  • the determination unit 126 compares the calculated feature amount with a predetermined threshold value, and based on the comparison result, classifies the equipment as an operation pattern in which it is operated on the corresponding day of the week.
  • the determination unit 126 compares the calculated feature amount with a predetermined threshold value (50%), and if it is determined that the calculated feature value is equal to or greater than the predetermined threshold value, the determination unit 126 determines whether the equipment is operated on the corresponding day of the week. It is classified as an operating pattern.
  • the ratio of the average number of working days on Mondays during a predetermined period is calculated as a feature quantity, and compared with a predetermined threshold (50%). If it is determined that the ratio of the average number of working days on Monday is equal to or higher than a predetermined threshold (50%), the equipment is classified as an operating pattern in which it is operated on Mondays. It is possible to classify other days of the week according to the same method.
  • equipment is classified as an operating pattern in which it operates all night or is stopped all night based on the daily average operating time ratio.
  • the feature value calculation unit 128 calculates the daily average operating time ratio during a predetermined period (January 1, 2018 to December 31, 2018) based on the operating information explained in FIG. 4(A). is calculated as the feature quantity of the equipment.
  • the determination unit 126 compares the calculated feature amount with a predetermined threshold value (99%), and classifies the equipment as an operation pattern in which it is operated all night based on the comparison result.
  • the determination unit 126 compares the calculated feature amount with a predetermined threshold value (99%), and if it is determined that the calculated feature value is equal to or greater than the predetermined threshold value, the determination unit 126 determines that the equipment is in an operating pattern in which the equipment is operated all night. Classify as.
  • the determination unit 126 compares the calculated feature amount with a predetermined threshold value (1%), and based on the comparison result, classifies the equipment as an operating pattern in which it is stopped all night.
  • the determination unit 126 compares the calculated feature amount with a predetermined threshold value (1%), and if it is determined that the calculated feature value is less than the predetermined threshold value, the determination unit 126 determines that the equipment is in an operation pattern in which it is stopped all night. Classify as.
  • the daily average operating time ratio (39.74%) during a predetermined period (January 1, 2018 to December 31, 2018) is calculated as a feature quantity, and a predetermined threshold value ( 99% or 1%).
  • the equipment is classified as not having an operating pattern of operating all night or stopping all night. It is possible to classify other equipment in the same way.
  • Operation pattern regarding number of operations> Based on the daily operation information compiled by the daily pattern aggregation unit 124, it is classified as an operation pattern related to the number of operations of the equipment.
  • equipment is classified as an operation pattern related to the number of operations based on the number of operations per day (power on/off times).
  • the feature value calculation unit 128 calculates the daily average power-on/time during a predetermined period (January 1, 2018 to December 31, 2018) based on the operation information explained in FIG. 4(B). Calculate the number of times the power is turned off as a feature of the equipment.
  • the determination unit 126 compares the calculated feature amount with a predetermined threshold value (3 times), and classifies the equipment as an operation pattern related to the number of operations based on the comparison result.
  • the determination unit 126 compares the calculated feature amount with a predetermined threshold value (3 times), and if it is determined that the calculated feature value is equal to or greater than the predetermined threshold value, the determination unit 126 determines that the number of times the power is turned on/off is large for the equipment. Classified as an operating pattern.
  • the average number of times the power is turned on per day (1.144 times/day) during a predetermined period is calculated as a feature quantity, and a predetermined Compare with the threshold (3 times).
  • the equipment is classified as not having an operation pattern with a large number of power on/off times. It is possible to classify other equipment in the same way.
  • Operation pattern regarding the number of operations for the set temperature> Based on the daily operation information compiled by the daily pattern aggregation unit 124, the operation pattern is classified as an operation pattern related to the number of times the set temperature of the equipment is operated.
  • equipment is classified as an operation pattern related to the number of set temperature operations based on the number of daily set temperature operations (number of set temperature changes).
  • the feature value calculation unit 128 changes the average set temperature for each day during a predetermined period (January 1, 2018 to December 31, 2018) based on the operation information explained in FIG. 4(C). The number of times is calculated as the feature quantity of the equipment.
  • the determination unit 126 compares the calculated feature amount with a predetermined threshold value (3 times), and classifies the equipment as an operation pattern related to the number of times the set temperature is operated based on the comparison result.
  • the determination unit 126 compares the calculated feature amount with a predetermined threshold value (three times), and if it is determined that the feature value is equal to or greater than the predetermined threshold value, the determination unit 126 determines that the number of times the set temperature has been operated for the equipment is large. Classified as an operating pattern.
  • the average number of daily set temperature changes (1.388 times/day) during a predetermined period (January 1, 2018 to December 31, 2018) is calculated as a feature quantity, and Compare with the threshold value (3 times).
  • the equipment is classified as not having an operation pattern in which the set temperature is operated many times. It is possible to classify other equipment in the same way.
  • equipment is classified as an operation pattern related to routine operations based on the average operation rate for each time.
  • the feature amount calculation unit 128 calculates the average absolute error in a predetermined period (January 1, 2018 to December 31, 2018) as the feature amount of the equipment based on the operation information explained in FIG. calculate.
  • FIG. 6 is a diagram illustrating feature amount calculation by the feature amount calculation unit 128 according to an embodiment.
  • FIG. 6(A) shows the operating information explained in FIG. 5.
  • the feature amount calculation unit 128 generates normalized data based on the operation information by dividing the operation rate at each time by the maximum value (in the range of 0 to 1), as shown by the solid line in FIG. 6(B). do.
  • the feature amount calculation unit 128 generates binarized data based on the generated normalized data as shown by the dotted line in FIG. 6(B). Specifically, the feature value calculation unit 128 sets a binary value to "1" if the value of the generated normalized data is 0.5 or more, and sets it to "0" if the normalized data is less than 0.5. Generate converted data.
  • the determination unit 126 calculates the average absolute error between the normalized data and the binarized data as a feature quantity, and classifies it as an operation pattern related to routine operation based on the comparison result.
  • the determination unit 126 compares the calculated feature amount with a predetermined threshold value (30), and classifies the equipment as an operation pattern related to routine operation based on the comparison result.
  • the determination unit 126 compares the calculated feature amount with a predetermined threshold value (30), and if it is determined that it is less than the predetermined threshold value, the determination unit 126 classifies the equipment as an operation pattern related to routine operation. . It is possible to classify other equipment in the same way.
  • Operation pattern related to forgetting to turn off operation Based on the averaged operation information for each time aggregated by the time pattern aggregation unit 125, the operation pattern is classified as an operation pattern related to an operation of forgetting to turn off equipment.
  • equipment is classified as an operation pattern related to forgetting to turn off operations based on the average operation rate for each time.
  • the feature amount calculation unit 128 calculates the average absolute error in a predetermined period (January 1, 2018 to December 31, 2018) as the feature amount of the equipment based on the operation information explained in FIG. calculate.
  • the determination unit 126 determines the average of the normalized data and the binarized data in the time period from when the binarized data shown in FIG. 6B changes from 1 to 0 until the normalized data takes the minimum value.
  • the absolute error is calculated as a feature quantity, and based on the comparison result, it is classified as an operation pattern related to forgetting to turn off the data.
  • the determination unit 126 compares the calculated feature amount with a predetermined threshold value (10), and classifies the equipment as an operation pattern related to a forgetting operation based on the comparison result.
  • the determination unit 126 compares the calculated feature amount with a predetermined threshold value (10), and if it is determined that the feature value is equal to or greater than the predetermined threshold value, the determination unit 126 classifies the equipment as an operation pattern related to forgetting to turn off the device. do. It is possible to classify other equipment in the same way.
  • Operation pattern related to scheduled operation Based on the averaged operation information for each time aggregated by the time pattern aggregation unit 125, it is classified as an operation pattern related to scheduled operation of equipment.
  • equipment is classified as an operation pattern related to scheduled operation based on the average operation rate for each time.
  • the feature quantity calculation unit 128 calculates the difference in the normalized data of the operating information for the predetermined period (January 1, 2018 to December 31, 2018) explained in FIG. 6(B) of the equipment. Calculate as a feature quantity.
  • the feature value calculation unit 128 calculates the difference between the normalized data of the operation information and the normalized data of 10 minutes ago as the feature value of the equipment, as shown in FIG. 6(C). .
  • the determination unit 126 compares the calculated feature amount, which is the difference data shown in FIG. 6(C), with a predetermined threshold value, and classifies the equipment as an operation pattern related to scheduled operation based on the comparison result.
  • the determination unit 126 compares the calculated maximum value of the feature amount with a predetermined threshold value (0.5), and classifies the equipment as an operation pattern based on the start of scheduled operation based on the comparison result.
  • the determination unit 126 compares the calculated maximum value of the feature amount with a predetermined threshold value (0.5), and if it is determined that the maximum value of the calculated feature value is equal to or greater than the predetermined threshold value, the determination unit 126 performs scheduled operation for the equipment. Classified as an operation pattern based on start.
  • the determination unit 126 compares the calculated minimum value of the feature amount with a predetermined threshold value (-0.5), and based on the comparison result, classifies the equipment as an operation pattern due to the end of scheduled operation.
  • the determination unit 126 compares the minimum value of the calculated feature amount with a predetermined threshold (-0.5), and if it is determined that the minimum value is less than the predetermined threshold, schedule operation is performed for the equipment. It is classified as an operation pattern due to the end of the period.
  • the maximum value (0.9038) and minimum value (-0.8846) of the difference in normalized data during a predetermined period are the feature values. It is calculated as follows and compared with a predetermined threshold value (0.5 or -0.5). In this case, the equipment is classified as having an operation pattern of start of scheduled operation and end of scheduled operation. It is possible to classify other equipment in the same way.
  • FIG. 7 is a diagram illustrating processing of the display control unit 129 according to an embodiment.
  • a classification result screen displayed on the display unit 14 is shown.
  • the display control unit 129 displays the classification results of the operating patterns of the equipment classified by the classification processing unit 121.
  • the classification result screen shows the operating status of each piece of equipment during a predetermined period (January 1, 2018 to December 31, 2018).
  • equipment numbers 0 to 24 are assigned to each of a plurality of equipment.
  • Modification 1 In the above, a method has been described in which the user specifies a predetermined period and classifies the operation pattern of each equipment during the specified period.
  • the operating patterns since operating patterns have different characteristics for each period, the operating patterns may be classified by dividing into each period with characteristics.
  • FIG. 8 is a diagram illustrating functional blocks of the management device 100 according to Modification 1 of an embodiment.
  • this example differs in that CPU12 is changed to CPU12#.
  • CPU 12# differs from CPU 12 in that classification processing section 121 is replaced with classification processing section 121#.
  • the classification processing section 121# differs from the classification processing section 121 in that a period division section 123 is further added. Since the other configurations are the same as those in FIG. 2, detailed description thereof will not be repeated.
  • the period division unit 123 divides a predetermined period based on the operation history data acquired by the acquisition unit 120.
  • FIG. 9 is a diagram illustrating daily operation information of equipment according to Modification 1 of an embodiment.
  • FIGS. 9(A) to 9(C) are similar to those described in FIGS. 4(A) to 4(C).
  • FIG. 9(D) shows the daily rate of operation modes calculated by the daily pattern calculation unit 124 based on the operation history data 110.
  • the percentage of operation modes such as heating and cooling is shown by the type of hatching.
  • the period dividing unit 123 divides the predetermined period based on the ratio of the operation modes of the operation history data acquired by the acquisition unit 120.
  • the period dividing unit 123 divides the predetermined period into a heating period, a cooling period, and an intermediate period based on the ratio of the operation modes.
  • the classification processing unit 121# classifies the operating patterns of equipment in each divided period.
  • This processing makes it possible to classify operating patterns according to the actual situation, and can be used for management work of buildings, etc.
  • the predetermined period is divided using the ratio of the driving modes, but the predetermined period is not limited to this, and the predetermined period may be divided using other methods.
  • the predetermined period may be divided depending on the set temperature range, or the predetermined period may be divided into a period with a high operating rate and a period with a low operating rate.
  • a change in the operating pattern may be detected and the predetermined period may be divided based on the change.
  • Modification 2 In the above, a case has been described in which the threshold value setting unit 127 sets the threshold value used by the determination unit 126 in accordance with the user's instructions. For example, a slider that can adjust the threshold value may be provided, and the user may directly operate the slider to set the threshold value.
  • the threshold setting unit 127 may automatically adjust the threshold value. For example, the information (True/False) on the classification result screen explained in FIG. 7 can be changed by the user through an instruction operation. By changing the information, the threshold setting unit 127 may automatically adjust the threshold value so that the classification result matches the change.
  • information related to the equipment information such as power consumption, specifications, installation date, room area, etc. of the equipment may be displayed in association with each other.
  • the display is not limited to the display shown in FIG. 7, and a filter function or a sort function may be provided.
  • a filter function it may be possible to narrow down the equipment based on conditions such as the presence or absence of features.
  • a sorting function it may be possible to rearrange the equipment in descending or ascending order of power consumption, index, or the like.
  • the display is not limited to the above-described display in FIG. 7, and data on which the classification determination of the operation pattern of the equipment is based may be displayed.
  • the data explained in FIGS. 4 to 6, etc. may be displayed as the basis for classification determination.
  • the distribution of threshold values for the entire equipment, the threshold values of selected equipment, etc. may be displayed. This display allows the user to easily confirm the validity of the basis for determining the classification of the operating pattern.
  • the methods described in each of the above embodiments are applicable to magnetic disks (hard disks, etc.), optical disks (CD-ROM (Compact Disc-Read Only Memory), DVD (Digital Versatile Disc)) as programs that can be executed by a computer. ), magneto-optical disks, semiconductor memories, and other storage media for distribution. Further, the storage medium may be in any storage format as long as it can store a program and is readable by a computer.
  • the operating system, database management software, network software, and other middleware running on the computer based on the instructions of the program installed on the computer from the storage medium are part of each process to realize the above embodiments. may be executed.
  • the storage medium in each embodiment is not limited to a medium independent of a computer, but also includes a storage medium in which a program transmitted via a LAN (Local Area Network), the Internet, etc. is downloaded and stored or temporarily stored.
  • the number of storage media is not limited to one, and cases in which the processing in each of the above embodiments is executed from a plurality of media are also included in the storage medium of the present disclosure, and the media configuration may be any configuration.
  • the computer in each embodiment executes each process in each of the above embodiments based on a program stored in a storage medium, and includes a single device such as a personal computer, or a plurality of devices connected to a network. Any configuration of connected systems etc. may be used.
  • 1 Management system 2 Equipment equipment, 10 Input unit, 14 Display unit, 16 Network communication unit, 18 Main memory, 20 Storage unit, 100 Management device, 110 Operation history data, 120 Acquisition unit, 121 Classification processing unit, 122 Aggregation unit , 123 Period division section, 124 Day pattern aggregation section, 125 Time pattern aggregation section, 126 Judgment section, 127 Threshold value setting section, 128 Feature value calculation section, 129 Display control section.

Landscapes

  • Engineering & Computer Science (AREA)
  • Business, Economics & Management (AREA)
  • Human Resources & Organizations (AREA)
  • Strategic Management (AREA)
  • Economics (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Educational Administration (AREA)
  • Game Theory and Decision Science (AREA)
  • Development Economics (AREA)
  • Marketing (AREA)
  • Operations Research (AREA)
  • Quality & Reliability (AREA)
  • Tourism & Hospitality (AREA)
  • Physics & Mathematics (AREA)
  • General Business, Economics & Management (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Testing And Monitoring For Control Systems (AREA)

Abstract

管理装置は、所定期間における設備機器に対する稼働履歴データを取得する取得部と、取得部で取得した稼働履歴データに基づいて所定期間における設備機器の稼働パターンを分類する分類処理部とを備える。分類処理部は、所定期間を単位期間毎に分割した時点の第１期間の第１稼働パターンおよび残りの第２期間の第２稼働パターンをそれぞれ算出する稼働パターン算出部と、所定期間における各単位期間毎に分割した際の第１稼働パターンと、第２稼働パターンとを用いて稼働パターンの変化度合を算出する変化算出部と、所定期間に対して変化度合が所定条件を満たす時点を分割時点として算出する分割点算出部と、所定期間を算出した分割時点で分割する分割処理部とを含む。

Description

管理装置、管理システムおよび管理方法
　本開示は、ビル等の施設の電力を管理する管理装置、管理システムおよび管理方法に関する。
　ビルや工場などの大規模な施設では、空調システムで用いる冷温水すなわち熱量を、熱源となる複数の設備機器を運転することにより一括生成して供給する熱源システムを用いている。
　このような複数の設備機器を運転制御する設備制御システムでは、省エネ意識の高まりに応じて、これら設備機器を効率よく運転するため、施設の負荷に応じてこれら設備機器を離散的に発停して単独運転または並列運転するものとなっている。
　これら設備機器の稼働パターンは、オペレータの経験や勘に基づいて意思決定される場合が多い。このため、どのような稼働パターンが実際に効率的か客観的に判断することが難しく、設備機器の運用を改善できる稼働パターンを容易に特定できなかった。
　この点で、例えば、実開平６－３０８３８号公報においては、各設備機器の一定期間における運転パターンコードを出力する方式が開示されている。
実開平６－３０８３８号公報
　しかしながら、上記公報は、運転パターンコードを出力しているに過ぎず、各設備機器の稼働パターンの特徴を分析したものではない。
　本開示は、上記の課題を解決するためになされたものであって、設備機器の稼働パターンを容易に特定することが可能な管理装置、管理システムおよび管理方法を提供する。
　ある実施形態に従う管理装置は、所定期間における設備機器に対する稼働履歴データを取得する取得部と、取得部で取得した稼働履歴データに基づいて所定期間における設備機器の稼働パターンを分類する分類処理部とを備える。分類処理部は、稼働履歴データに基づいて日毎あるいは時刻毎の稼働情報を集計する集計部と、稼働情報に基づいて所定期間における設備機器の稼働パターンを特徴付ける特徴量を算出する特徴量算出部と、算出された特徴量と所定の閾値とを比較し、比較結果に基づいて稼働パターンを分類する判定部とを含む。
　ある実施形態に従う管理システムは、所定期間における設備機器に対する稼働履歴データを取得する取得部と、取得部で取得した稼働履歴データに基づいて所定期間における設備機器の稼働パターンを分類する分類処理部とを備える。分類処理部は、稼働履歴データに基づいて日毎あるいは時刻毎の稼働情報を集計する集計部と、所定期間における設備機器の稼働パターンを特徴付ける特徴量を算出する特徴量算出部と、算出された特徴量と所定の閾値とを比較し、比較結果に基づいて稼働パターンを分類する判定部とを含む。
　ある実施形態に従う管理方法は、所定期間における設備機器に対する稼働履歴データを取得するステップと、取得した稼働履歴データに基づいて所定期間における設備機器の稼働パターンを分類するステップとを備える。稼働パターンを分類するステップは、稼働履歴データに基づいて日毎あるいは時刻毎の稼働情報を集計するステップと、集計された稼働情報に基づいて所定期間における設備機器の稼働パターンを特徴付ける特徴量を算出するステップと、算出された特徴量と所定の閾値とを比較し、比較結果に基づいて稼働パターンを分類するステップとを含む。
　ある実施形態に従う管理装置、管理システムおよび管理方法は、設備機器の稼働パターンを容易に特定することが可能である。
　この開示の上記および他の目的、特徴、局面および利点は、添付の図面と関連して理解され、この開示に関する次の詳細な説明から明らかとなるであろう。
ある実施形態に従う管理システム１の概念図を説明する図である。 ある実施形態に従う管理装置１００の機能ブロックについて説明する図である。 ある実施形態に従う管理装置１００の分類処理について説明するフロー図である。 ある実施形態に従う設備機器の日ごとの稼働情報について説明する図である。 ある実施形態に従う設備機器の時刻ごとの稼働情報について説明する図である。 ある実施形態に従う特徴量算出部１２８の特徴量の算出について説明する図である。 ある実施形態に従う表示制御部１２９の処理について説明する図である。 ある実施形態の変形例１に従う管理装置１００の機能ブロックについて説明する図である。 ある実施形態の変形例１に従う設備機器の日ごとの稼働情報について説明する図である。
　以下、実施形態について図に基づいて説明する。以下の説明では、同一部品には、同一の符号を付している。それらの名称および機能も同じであるためそれらについての詳細な説明は繰り返さない。
　＜Ａ．システム構成＞
　図１は、ある実施形態に従う管理システム１の概念図を説明する図である。図１を参照して、管理システム１は、ビル等の施設の設備機器と、当該設備機器を管理する管理装置１００とを備える。設備機器２の一例として、センサ、空調、照明、ファン等が挙げられている。なお、当該設備機器は、これに限られず施設に用いられる電力を消費する機器であればどのようなものでもよい。
　管理装置１００は、ＣＰＵ（Central　Processing　Unit）１２と、記憶部２０と、メインメモリ１８と、入力部１０と、表示部１４と、ネットワーク通信部１６とを含む。
　記憶部２０は、情報を格納する装置であり、各種プログラムおよびデータ等を格納する。記憶部２０は、設備機器に対する稼働履歴データ１１０を格納する。
　メインメモリ１８は、ＤＲＡＭ（Dynamic　Random　Access　Memory）等のワーキングメモリである。入力部１０は、キーボード、マウスなどであり、ユーザが操作を行うために用いる。入力部１０は、他のシステムからデータの入力を受け付けるインターフェース装置を含み得る。表示部１４は、ディスプレイであり、液晶あるいは有機ＥＬ（Electro　Luminescence）ディスプレイ等であってもよい。ＣＰＵ１２は、記憶部２０に格納されているプログラムを実行することにより各種機能を実現する。他の局面において、各機能は、当該機能を実現するように構成された回路素子その他のハードウェアによって実現されてもよい。ネットワーク通信部１６は、ネットワークを介して他の機器と通信可能に設けられている。
　図２は、ある実施形態に従う管理装置１００の機能ブロックについて説明する図である。図２を参照して、ＣＰＵ１２は、取得部１２０と、分類処理部１２１と、表示制御部１２９とを含む。分類処理部１２１は、集計部１２２と、判定部１２６と、特徴量算出部１２８と、閾値設定部１２７とを含む。
　取得部１２０は、記憶部２０に格納されている稼働履歴データ１１０を取得する。
　分類処理部１２１は、取得部１２０で取得した稼働履歴データ１１０に基づいて所定期間における設備機器の稼働パターンを分類する。
　集計部１２２は、所定期間における設備機器の稼働履歴データ１１０に基づいて日毎あるいは時刻毎の稼働情報を集計する。
　集計部１２２は、日パターン集計部１２４と、時刻パターン集計部１２５とを含む。
　日パターン集計部１２４は、所定期間における設備機器の稼働履歴データ１１０に基づいて日毎の稼働情報を集計する。
　時刻パターン集計部１２５は、所定期間における設備機器の稼働履歴データ１１０に基づいて時刻毎の稼働情報を集計する。
　特徴量算出部１２８は、稼働情報に基づいて所定期間における設備機器の稼働パターンを特徴付ける特徴量を算出する。
　判定部１２６は、算出された特徴量と所定の閾値とを比較し、比較結果に基づいて稼働パターンを分類する。
　閾値設定部１２７は、ユーザの指示に従って判定部１２６で利用する閾値の値を設定する。
　表示制御部１２９は、設備機器の稼働バターンの分類結果を表示部１４に表示する。
　＜Ｂ．処理フロー＞
　図３は、ある実施形態に従う管理装置１００の分類処理について説明するフロー図である。
　図３を参照して、取得部１２０は、設備機器の所定期間の稼働履歴データを取得する（ステップＳ２）。設備機器は、複数の設備機器の中からユーザが指定するようにしてもよいし、複数の設備機器の中から１つずつ指定するようにしてもよい。所定期間について、ユーザが任意の期間を指定するようにしてもよいし、年単位あるいは月単位で期間を指定するようにしてもよい。本例においては１年の場合について説明する。
　次に、日パターン集計部１２４は、所定期間における設備機器の稼働履歴データに基づいて日毎の稼働情報を集計する（ステップＳ４）。
　次に、時刻パターン集計部１２５は、所定期間における設備機器の稼働履歴データに基づいて時刻毎の稼働情報を集計する（ステップＳ６）。
　次に、特徴量算出部１２８は、稼働情報に基づいて所定期間における設備機器の稼働パターンを特徴付ける特徴量を算出する（ステップＳ８）。
　次に、判定部１２６は、算出された特徴量と所定の閾値とを比較し、比較結果に基づいて稼働パターンを分類する（ステップＳ１０）。
　次に、表示制御部１２９は、設備機器の稼働バターンの分類結果を表示部１４に表示する（ステップＳ１２）。
　そして、処理を終了する。
　上記処理を複数の設備機器についてそれぞれ実行することにより、複数の設備機器の稼働パターンの分類結果を一覧表示することが可能となる。
　＜Ｃ．稼働情報＞
　図４は、ある実施形態に従う設備機器の日ごとの稼働情報について説明する図である。
　図４を参照して、稼働履歴データ１１０に基づいて日パターン集計部１２４により集計された３種類の稼働情報が示されている。一例として設備機器は空調機を例にして説明する。
　図４（Ａ）は、所定期間（２０１８年１月１日～２０１８年１２月３１日）の日ごとの稼働時間の割合を示すものである。ここで、所定期間中の稼働日数は２５０日であり、一週間当たり平均稼働日数は４．７９日である。また、平均稼働時間割合は３９．７４％である場合が示されている。
　図４（Ｂ）は、所定期間（２０１８年１月１日～２０１８年１２月３１日）の日ごとの電源オン、電源オフの回数の値を示すものである。１日当たりの平均電源オン回数は、１．１４４回である。また、１日当たりの平均電源オフ回数は、１．１４４回である。
　図４（Ｃ）は、所定期間（２０１８年１月１日～２０１８年１２月３１日）の日ごとの設定温度の変更の回数の値を示すものである。１日当たりの平均の設定温度の変更回数は、１．３８８回である。
　図５は、ある実施形態に従う設備機器の時刻ごとの稼働情報について説明する図である。
　図５を参照して、稼働履歴データ１１０に基づいて時刻パターン集計部１２５により集計され平均化された稼働情報が示されている。一例として設備機器は空調機を例にして説明する。
　本例においては、所定期間（２０１８年１月１日～２０１８年１２月３１日）の２４時間の各時間における平均化された稼働率が示されている。
　＜Ｄ．稼働パターンの具体例＞
　＜ｄ１．曜日の稼働パターン＞
　日パターン集計部１２４で集計した日ごとの稼働情報に基づいて設備機器の一週間の各曜日の稼働パターンとして分類する。
　本例においては、各曜日毎の設備機器の稼働日数の割合に基づいて各曜日毎に運転している稼働パターンとして分類する。
　具体的には、特徴量算出部１２８は、図４（Ａ）で説明した稼働情報に基づいて所定期間（２０１８年１月１日～２０１８年１２月３１日）における曜日毎の稼働日数の割合を設備機器の特徴量として算出する。
　判定部１２６は、算出した特徴量と所定の閾値とを比較し、比較結果に基づいて、設備機器に関して対応する曜日に運転している稼働パターンとして分類する。
　具体的には、判定部１２６は、算出した特徴量と所定の閾値（５０％）とを比較して、所定の閾値以上であると判断した場合には設備機器に関して対応する曜日に運転している稼働パターンとして分類する。
　例えば、所定期間（２０１８年１月１日～２０１８年１２月３１日）における月曜日の平均稼働日数の割合を特徴量として算出して、所定の閾値（５０％）と比較する。月曜日の平均稼働日数の割合が所定の閾値（５０％）以上であると判断した場合には設備機器に関して月曜日に運転している稼働パターンとして分類する。他の各曜日についても同様の方式に従って分類することが可能である。
　＜ｄ２．終夜運転あるいは停止の稼働パターン＞
　日パターン集計部１２４で集計した日ごとの稼働情報に基づいて設備機器の終夜運転あるいは終夜停止の稼働パターンとして分類する。
　本例においては、設備機器に関して日ごとの平均稼働時間割合に基づいて終夜運転あるいは終夜停止している稼働パターンとして分類する。
　具体的には、特徴量算出部１２８は、図４（Ａ）で説明した稼働情報に基づいて所定期間（２０１８年１月１日～２０１８年１２月３１日）における日毎の平均稼働時間の割合を設備機器の特徴量として算出する。
　判定部１２６は、算出した特徴量と所定の閾値（９９％）とを比較し、比較結果に基づいて、設備機器に関して終夜運転している稼働パターンとして分類する。
　具体的には、判定部１２６は、算出した特徴量と所定の閾値（９９％）とを比較して、所定の閾値以上であると判断した場合には設備機器に関して終夜運転している稼働パターンとして分類する。
　判定部１２６は、算出した特徴量と所定の閾値（１％）とを比較し、比較結果に基づいて、設備機器に関して終夜停止している稼働パターンとして分類する。
　具体的には、判定部１２６は、算出した特徴量と所定の閾値（１％）とを比較して、所定の閾値未満であると判断した場合には設備機器に関して終夜停止している稼働パターンとして分類する。
　例えば、ある設備機器に関して、所定期間（２０１８年１月１日～２０１８年１２月３１日）における日ごとの平均稼働時間割合（３９．７４％）を特徴量として算出して、所定の閾値（９９％あるいは１％）と比較する。この場合、設備機器に関して終夜運転あるいは終夜停止の稼働パターンではないとして分類する。他の設備機器に関しても同様に分類することが可能である。
　＜ｄ３．操作回数に関する稼働パターン＞
　日パターン集計部１２４で集計した日ごとの稼働情報に基づいて設備機器の操作回数に関する稼働パターンとして分類する。
　本例においては、設備機器に関して日ごとの操作回数（電源オン／電源オフ回数）に基づいて操作回数に関する稼働パターンとして分類する。
　具体的には、特徴量算出部１２８は、図４（Ｂ）で説明した稼働情報に基づいて所定期間（２０１８年１月１日～２０１８年１２月３１日）における日ごとの平均電源オン／電源オフ回数を設備機器の特徴量として算出する。
　判定部１２６は、算出した特徴量と所定の閾値（３回）とを比較し、比較結果に基づいて、設備機器に関して操作回数に関する稼働パターンとして分類する。
　具体的には、判定部１２６は、算出した特徴量と所定の閾値（３回）とを比較して、所定の閾値以上であると判断した場合には設備機器に関して電源オン／オフ回数の多い稼働パターンとして分類する。
　例えば、ある設備機器に関して、所定期間（２０１８年１月１日～２０１８年１２月３１日）における日ごとの平均電源オン回数（１．１４４回／日）を特徴量として算出して、所定の閾値（３回）と比較する。この場合、設備機器に関して電源オン／オフ回数の多い稼働パターンではないとして分類する。他の設備機器に関しても同様に分類することが可能である。
　なお、本例においては、電源オン回数および電源オフ回数についてそれぞれ集計する場合について説明したが、いずれか一方であっても良い。
　＜ｄ４．設定温度の操作回数に関する稼働パターン＞
　日パターン集計部１２４で集計した日ごとの稼働情報に基づいて設備機器の設定温度の操作回数に関する稼働パターンとして分類する。
　本例においては、設備機器に関して日ごとの設定温度の操作回数（設定温度変更回数）に基づいて設定温度の操作回数に関する稼働パターンとして分類する。
　具体的には、特徴量算出部１２８は、図４（Ｃ）で説明した稼働情報に基づいて所定期間（２０１８年１月１日～２０１８年１２月３１日）における日ごとの平均設定温度変更回数を設備機器の特徴量として算出する。
　判定部１２６は、算出した特徴量と所定の閾値（３回）とを比較し、比較結果に基づいて、設備機器に関して設定温度の操作回数に関する稼働パターンとして分類する。
　具体的には、判定部１２６は、算出した特徴量と所定の閾値（３回）とを比較して、所定の閾値以上であると判断した場合には設備機器に関して設定温度の操作回数の多い稼働パターンとして分類する。
　例えば、ある設備機器に関して、所定期間（２０１８年１月１日～２０１８年１２月３１日）における日ごとの平均設定温度変更回数（１．３８８回／日）を特徴量として算出して、所定の閾値（３回）と比較する。この場合、設備機器に関して設定温度の操作回数の多い稼働パターンではないとして分類する。他の設備機器に関しても同様に分類することが可能である。
　＜ｄ５．ルーチン動作に関する稼働パターン＞
　時刻パターン集計部１２５で集計した時刻ごとの平均化した稼働情報に基づいて設備機器のルーチン動作に関する稼働パターンとして分類する。
　本例においては、設備機器に関して時刻ごとの平均化した稼働率に基づいてルーチン動作に関する稼働パターンとして分類する。
　具体的には、特徴量算出部１２８は、図５で説明した稼働情報に基づいて所定期間（２０１８年１月１日～２０１８年１２月３１日）における平均絶対誤差を設備機器の特徴量として算出する。
　図６は、ある実施形態に従う特徴量算出部１２８の特徴量の算出について説明する図である。
　図６（Ａ）には、図５で説明した稼働情報が示されている。
　特徴量算出部１２８は、稼働情報に基づいて図６（Ｂ）の実線で示されるように時刻ごとの稼働率を最大値で割って正規化（０～１の範囲）した正規化データを生成する。
　また、特徴量算出部１２８は、生成した正規化データに基づいて図６（Ｂ）の点線で示されるように二値化した二値化データを生成する。具体的には、特徴量算出部１２８は、生成した正規化データの値が０．５以上であれば「１」とし、正規化データが０．５未満であれば「０」にする二値化データを生成する。
　判定部１２６は、正規化データと二値化データとの平均絶対誤差を特徴量として算出し、比較結果に基づいてルーチン動作に関する稼働パターンとして分類する。
　具体的には、判定部１２６は、算出した特徴量と所定の閾値（３０）とを比較し、比較結果に基づいて、設備機器に関してルーチン動作に関する稼働パターンとして分類する。
　具体的には、判定部１２６は、算出した特徴量と所定の閾値（３０）とを比較して、所定の閾値以下であると判断した場合には設備機器に関してルーチン動作に関する稼働パターンとして分類する。他の設備機器に関しても同様に分類することが可能である。
　＜ｄ６．消し忘れ動作に関する稼働パターン＞
　時刻パターン集計部１２５で集計した時刻ごとの平均化した稼働情報に基づいて設備機器の消し忘れ動作に関する稼働パターンとして分類する。
　本例においては、設備機器に関して時刻ごとの平均化した稼働率に基づいて消し忘れ動作に関する稼働パターンとして分類する。
　具体的には、特徴量算出部１２８は、図５で説明した稼働情報に基づいて所定期間（２０１８年１月１日～２０１８年１２月３１日）における平均絶対誤差を設備機器の特徴量として算出する。
　判定部１２６は、図６（Ｂ）で示される二値化データが１から０に変化してから正規化データが最小値をとるまでの時間帯における正規化データと二値化データとの平均絶対誤差を特徴量として算出し、比較結果に基づいて消し忘れ動作に関する稼働パターンとして分類する。
　具体的には、判定部１２６は、算出した特徴量と所定の閾値（１０）とを比較し、比較結果に基づいて、設備機器に関して消し忘れ動作に関する稼働パターンとして分類する。
　具体的には、判定部１２６は、算出した特徴量と所定の閾値（１０）とを比較して、所定の閾値以上であると判断した場合には設備機器に関して消し忘れ動作に関する稼働パターンとして分類する。他の設備機器に関しても同様に分類することが可能である。
　＜ｄ７．スケジュール運転に関する稼働パターン＞
　時刻パターン集計部１２５で集計した時刻ごとの平均化した稼働情報に基づいて設備機器のスケジュール運転に関する稼働パターンとして分類する。
　本例においては、設備機器に関して時刻ごとの平均化した稼働率に基づいてスケジュール運転に関する稼働パターンとして分類する。
　具体的には、特徴量算出部１２８は、図６（Ｂ）で説明した所定期間（２０１８年１月１日～２０１８年１２月３１日）における稼働情報の正規化データの差分を設備機器の特徴量として算出する。
　より具体的には、特徴量算出部１２８は、図６（Ｃ）に示されるように、稼働情報の正規化データと１０分前の正規化データとの差分を設備機器の特徴量として算出する。
　判定部１２６は、図６（Ｃ）で示される差分データである算出した特徴量と所定の閾値とを比較し、比較結果に基づいて、設備機器に関してスケジュール運転に関する稼働パターンとして分類する。
　判定部１２６は、算出した特徴量の最大値と所定の閾値（０．５）とを比較し、比較結果に基づいて、設備機器に関してスケジュール運転の開始による稼働パターンとして分類する。
　具体的には、判定部１２６は、算出した特徴量の最大値と所定の閾値（０．５）とを比較して、所定の閾値以上であると判断した場合には設備機器に関してスケジュール運転の開始による稼働パターンとして分類する。
　判定部１２６は、算出した特徴量の最小値と所定の閾値（－０．５）とを比較し、比較結果に基づいて、設備機器に関してスケジュール運転の終了による稼働パターンとして分類する。
　具体的には、判定部１２６は、算出した特徴量の最小値と所定の閾値（－０．５）とを比較して、所定の閾値未満であると判断した場合には設備機器に関してスケジュール運転の終了による稼働パターンとして分類する。
　例えば、ある設備機器に関して、所定期間（２０１８年１月１日～２０１８年１２月３１日）における正規化データの差分の最大値（０．９０３８）および最小値（－０．８８４６）を特徴量として算出して、所定の閾値（０．５あるいは－０．５）と比較する。この場合、設備機器に関してスケジュール運転の開始およびスケジュール運転の終了の稼働パターンであるとして分類する。他の設備機器に関しても同様に分類することが可能である。
　＜Ｅ．分類結果＞
　図７は、ある実施形態に従う表示制御部１２９の処理について説明する図である。
　図７を参照して、表示部１４に表示された分類結果画面が示されている。表示制御部１２９は、分類処理部１２１で分類された設備機器の稼働パターンの分類結果を表示する。
　分類結果画面には、一例として所定期間（２０１８年１月１日～２０１８年１２月３１日）における各設備機器毎の稼働状況が示されている。一例として複数の設備機器にそれぞれ対応して設備番号０～２４が割り当てられている。
　各設備機器の稼働パターンに関する情報が示されている。
　具体的には、「終夜運転」、「終夜停止」、「設定温度操作回数多い」、「電源オン／オフ回数多い」、「月」、「火」、「水」、「木」、「金」、「土」、「日」、「ルーチン動作」、「スケジュール運転開始」、「スケジュール運転終了」、「消し忘れ動作」の稼働パターンに関する情報（True/False）が示されている。
　各設備機器の稼働パターンに関する情報（True/False）の一覧表示により各設備機器の稼働パターンを容易に特定することが可能である。ビル等の管理業務に活用することが可能である。
　（変形例１）
　上記においては、所定期間は、ユーザが指定して当該指定された期間における各設備機器の稼働パターンを分類する方式について説明した。
　一方で、期間毎に稼働パターンは特徴が異なるため特徴のある期間毎に分割して稼働パターンを分類するようにしても良い。
　図８は、ある実施形態の変形例１に従う管理装置１００の機能ブロックについて説明する図である。図８を参照して、本例においては、ＣＰＵ１２をＣＰＵ１２＃に変更した点が異なる。ＣＰＵ１２＃は、ＣＰＵ１２と比較して、分類処理部１２１を分類処理部１２１＃に置換した点が異なる。分類処理部１２１＃は、分類処理部１２１と比較して、期間分割部１２３をさらに追加した点が異なる。その他の構成については図２と同様であるのでその詳細な説明については繰り返さない。
　期間分割部１２３は、取得部１２０で取得した稼働履歴データに基づいて所定期間を分割する。
　図９は、ある実施形態の変形例１に従う設備機器の日ごとの稼働情報について説明する図である。
　図９を参照して、図９（Ａ）～（Ｃ）は、図４（Ａ）～（Ｃ）で説明したのと同様である。図９（Ｄ）は、稼働履歴データ１１０に基づいて日パターン集計部１２４により集計された日ごとの運転モードの割合を示すものである。ここで、ハッチングの種類により暖房、冷房等の運転モードの割合が示されている。
　期間分割部１２３は、一例として、取得部１２０で取得した稼働履歴データの運転モードの比率に基づいて所定期間を分割する。
　一例として、期間分割部１２３は、所定期間を運転モードの比率に基づいて暖房期と、冷房期と、中間期とに分割する。
　分類処理部１２１＃は、分割した各分割期間における分割期間における設備機器の稼働パターンを分類する。
　他の処理については上記で説明したのと同様である。
　当該処理により実際の状況に合わせた稼働パターンの分類が可能となり、ビル等の管理業務に活用することが可能である。
　なお、本例においては、運転モードの比率を用いて所定期間を分割する場合について説明したが、これに限られず、他の方式により所定期間を分割するようにしてもよい。
　例えば、設定温度の範囲によって所定期間を分割するようにしてもよいし、あるいは、稼働率の高い期間と低い期間とに所定期間を分割するようにしてもよい。
　あるいは、稼働パターンの変化を検出して、当該変化に基づいて所定期間を分割するようにしてもよい。
　（変形例２）
　上記においては、閾値設定部１２７は、ユーザの指示に従って判定部１２６で利用する閾値の値を設定する場合について説明した。例えば、閾値を調整することが可能なスライダーを設けて当該スライダーを直接ユーザが操作することにより閾値の値を設定するようにしてもよい。
　また、閾値設定部１２７は、閾値の値を自動で調整するようにしてもよい。
　例えば、図７で説明した分類結果画面の情報（True/False）をユーザは指示操作により変更可能に設けられている。当該情報を変更することにより、当該変更に合わせた分類結果となるように閾値設定部１２７は、閾値の値を自動で調整するようにしてもよい。
　（変形例３）
　上記の図７においては、設備機器に関する稼働パターンの分類結果を表示する場合について説明したが、それに限られず、他の設備機器に関連する情報を合わせて表示するようにしてもよい。
　例えば、設備機器に関連する情報として、設備機器の消費電力量、スペック、設置日、部屋面積等の情報を関連付けて表示させるようにしてもよい。
　当該処理により、設備に関する様々な情報を一覧でユーザが容易に確認することが可能である。
　（変形例４）
　上記の図７の表示に限られず、フィルタ機能あるいはソート機能を設けるようにしてもよい。
　具体的には、フィルタ機能として特徴有無などの条件で設備機器の絞り込みを可能としてもよい。あるいは、ソート機能として、消費電力量や指標などの降順または昇順で設備機器を並び替えを可能にしてもよい。
　フィルタ機能あるいはソート機能を設けることにより、大量の設備機器のリストの絞り込みあるいは並び替えを容易にすることが可能である。これにより簡易にユーザが注目したい設備機器の情報を参照することが可能である。
　（変形例５）
　上記の図７の表示に限られず、設備機器の稼働パターンの分類判定の根拠となったデータを表示するようにしてもよい。
　具体的には、分類判定の根拠として、図４～図６等で説明したデータを表示するようにしてもよい。あるいは、設備機器全体に対する閾値の分布，選択した設備機器の閾値等を表示するようにしてもよい。当該表示により、稼働パターンの分類の判断の根拠を示しその妥当性をユーザが容易に確認することが可能である。
　＜Ｆ．その他＞
　上記の実施形態は、記憶部２０に予め稼働履歴データが格納された構成を説明したが、当該構成に限られず、例えば、サーバが当該稼働履歴データを格納していてもよい。
　なお、上記の各実施形態に記載した手法は、コンピュータに実行させることのできるプログラムとして、磁気ディスク（ハードディスクなど）、光ディスク（ＣＤ－ＲＯＭ（Compact　Disc-Read　Only　Memory）、ＤＶＤ（Digital　Versatile　Disc）など）、光磁気ディスク、半導体メモリなどの記憶媒体に格納して頒布することもできる。また、記憶媒体としては、プログラムを記憶でき、かつコンピュータが読み取り可能な記憶媒体であれば、その記憶形式は何れの形態であっても良い。
　また、記憶媒体からコンピュータにインストールされたプログラムの指示に基づきコンピュータ上で稼働しているオペレーティングシステムや、データベース管理ソフト、ネットワークソフト等のミドルウェア等が上記実施形態を実現するための各処理の一部を実行しても良い。さらに、各実施形態における記憶媒体は、コンピュータと独立した媒体に限らず、ＬＡＮ（Local　Area　Network）やインターネット等により伝送されたプログラムをダウンロードして記憶または一時記憶した記憶媒体も含まれる。また、記憶媒体は１つに限らず、複数の媒体から上記の各実施形態における処理が実行される場合も本開示における記憶媒体に含まれ、媒体構成は何れの構成であっても良い。なお、各実施形態におけるコンピュータは、記憶媒体に記憶されたプログラムに基づき、上記の各実施形態における各処理を実行するものであって、パーソナルコンピュータ等の１つからなる装置、複数の装置がネットワーク接続されたシステム等の何れの構成であっても良い。
　今回開示された実施形態は例示であって、上記内容のみに制限されるものではない。本開示の範囲は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　管理システム、２　設備機器、１０　入力部、１４　表示部、１６　ネットワーク通信部、１８　メインメモリ、２０　記憶部、１００　管理装置、１１０　稼働履歴データ、１２０　取得部、１２１　分類処理部、１２２　集計部、１２３　期間分割部、１２４　日パターン集計部、１２５　時刻パターン集計部、１２６　判定部、１２７　閾値設定部、１２８　特徴量算出部、１２９　表示制御部。

Claims (19)

  1. 　所定期間における設備機器に対する稼働履歴データを取得する取得部と、
    　前記取得部で取得した稼働履歴データに基づいて前記所定期間における設備機器の稼働パターンを分類する分類処理部とを備え、
    　前記分類処理部は、
    　前記稼働履歴データに基づいて日毎あるいは時刻毎の稼働情報を集計する集計部と、
    　前記稼働情報に基づいて前記所定期間における設備機器の稼働パターンを特徴付ける特徴量を算出する特徴量算出部と、
    　前記算出された特徴量と所定の閾値とを比較し、比較結果に基づいて稼働パターンを分類する判定部とを含む、管理装置。
  2. 　前記特徴量算出部は、前記稼働情報に基づいて前記所定期間における曜日毎の稼働日数の割合を特徴量として算出し、
    　前記判定部は、前記算出された特徴量と前記所定の閾値とを比較し、比較結果に基づいて、対応する曜日に運転している稼働パターンとして分類する、請求項１記載の管理装置。
  3. 　前記特徴量算出部は、前記稼働情報に基づいて前記所定期間における日毎の平均稼働時間割合を特徴量として算出し、
    　前記判定部は、前記算出された特徴量と前記所定の閾値とを比較し、比較結果に基づいて、前記所定期間における日毎の稼働パターンを分類する、請求項１記載の管理装置。
  4. 　前記判定部は、
    　前記算出された特徴量と第１の閾値とを比較し、前記算出された特徴量が前記第１の閾値以上であると判断された場合には、終夜運転モードの稼働パターンであるとして分類し、
    　前記算出された特徴量と第２の閾値とを比較し、前記算出された特徴量が前記第２の閾値未満であると判断された場合には、終夜運転を停止している稼働パターンであるとして分類する、請求項３記載の管理装置。
  5. 　前記特徴量算出部は、前記稼働情報に基づいて前記所定期間における日毎の操作回数を特徴量として算出し、
    　前記判定部は、前記算出された特徴量と前記所定の閾値とを比較し、比較結果に基づいて、前記所定期間における日毎の操作回数に関する稼働パターンを分類する、請求項１記載の管理装置。
  6. 　前記判定部は、前記算出された特徴量と第１の閾値とを比較し、前記算出された特徴量が前記第１の閾値以上であると判断された場合には、操作回数が多い稼働パターンとして分類する、請求項１記載の管理装置。
  7. 　前記特徴量算出部は、前記稼働情報に基づいて前記所定期間における日毎の設定温度に関する操作回数を特徴量として算出し、
    　前記判定部は、前記算出された特徴量と前記所定の閾値とを比較し、比較結果に基づいて、前記所定期間における日毎の設定温度の操作回数に関する稼働パターンを分類する、請求項１記載の管理装置。
  8. 　前記判定部は、前記算出された特徴量と第１の閾値とを比較し、前記算出された特徴量が前記第１の閾値以上であると判断された場合には、設定温度に関する操作回数が多い稼働パターンとして分類する、請求項７記載の管理装置。
  9. 　前記特徴量算出部は、前記稼働情報に基づいて時刻毎の稼働率を特徴量として算出し、
    　前記判定部は、前記算出された特徴量と前記所定の閾値とを比較し、比較結果に基づいて、時刻に対する稼働パターンとして分類する、請求項１記載の管理装置。
  10. 　前記特徴量算出部は、
    　時刻毎の稼働率を正規化した第１データを生成し、
    　前記第１データを二値化した第２データを生成し、
    　前記第１データおよび第２のデータの平均絶対誤差を特徴量として算出し、
    　前記判定部は、前記算出された特徴量と前記所定の閾値とを比較し、比較結果に基づいて稼働パターンとして分類する、請求項９記載の管理装置。
  11. 　前記判定部は、前記特徴量である前記第１および第２データの平均絶対誤差が第１の所定値未満であると判断した場合には、ルーチン動作による稼働パターンとして分類する、請求項１０記載の管理装置。
  12. 　前記判定部は、前記特徴量である前記第１および第２データの平均絶対誤差が第２の所定値以上であると判断した場合には、消し忘れ動作の稼働パターンとして分類する、請求項１０記載の管理装置。
  13. 　前記判定部は、前記特徴量である前記第１および第２データの平均絶対誤差の最大値が第３の所定値以上であると判断した場合には、スケジュール運転の開始による稼働パターンとして分類する、請求項１０記載の管理装置。
  14. 　前記判定部は、前記特徴量である前記第１および第２データの平均絶対誤差の最小値が第４の所定値未満であると判断した場合には、スケジュール運転の終了による稼働パターンとして分類する、請求項１０記載の管理装置。
  15. 　ユーザ操作に従って前記所定の閾値を調整する閾値設定部をさらに備える、請求項１記載の管理装置。
  16. 　前記設備機器の稼働バターンの分類結果を表示する表示制御部をさらに備える、請求項１記載の管理装置。
  17. 　前記取得部で取得した稼働履歴データに基づいて前記所定期間を分割する期間分割部をさらに備え、
    　前記分類処理部は、前記取得部で取得した稼働履歴データに基づいて前記所定期間を分割した分割期間における設備機器の稼働パターンを分類する、請求項１記載の管理装置。
  18. 　所定期間における設備機器に対する稼働履歴データを取得する取得部と、
    　前記取得部で取得した稼働履歴データに基づいて前記所定期間における設備機器の稼働パターンを分類する分類処理部とを備え、
    　前記分類処理部は、
    　前記稼働履歴データに基づいて日毎あるいは時刻毎の稼働情報を集計する集計部と、
    　前記所定期間における設備機器の稼働パターンを特徴付ける特徴量を算出する特徴量算出部と、
    　前記算出された特徴量と所定の閾値とを比較し、比較結果に基づいて稼働パターンを分類する判定部とを含む、管理システム。
  19. 　所定期間における設備機器に対する稼働履歴データを取得するステップと、
    　取得した稼働履歴データに基づいて前記所定期間における設備機器の稼働パターンを分類するステップとを備え、
    　前記稼働パターンを分類するステップは、
    　前記稼働履歴データに基づいて日毎あるいは時刻毎の稼働情報を集計するステップと、
    　集計された前記稼働情報に基づいて前記所定期間における設備機器の稼働パターンを特徴付ける特徴量を算出するステップと、
    　前記算出された特徴量と所定の閾値とを比較し、比較結果に基づいて稼働パターンを分類するステップとを含む、管理方法。
PCT/JP2022/032434 2022-08-29 2022-08-29 管理装置、管理システムおよび管理方法 WO2024047706A1 (ja)

Priority Applications (2)

Application Number Priority Date Filing Date Title
JP2023570044A JP7433564B1 (ja) 2022-08-29 2022-08-29 管理装置
PCT/JP2022/032434 WO2024047706A1 (ja) 2022-08-29 2022-08-29 管理装置、管理システムおよび管理方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
PCT/JP2022/032434 WO2024047706A1 (ja) 2022-08-29 2022-08-29 管理装置、管理システムおよび管理方法

Publications (1)

Publication Number Publication Date
WO2024047706A1 true WO2024047706A1 (ja) 2024-03-07

Family

ID=89904364

Family Applications (1)

Application Number Title Priority Date Filing Date
PCT/JP2022/032434 WO2024047706A1 (ja) 2022-08-29 2022-08-29 管理装置、管理システムおよび管理方法

Country Status (2)

Country Link
JP (1) JP7433564B1 (ja)
WO (1) WO2024047706A1 (ja)

Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2010164245A (ja) * 2009-01-15 2010-07-29 Daikin Ind Ltd 機器管理システムおよび機器管理プログラム
JP2017208863A (ja) * 2011-11-29 2017-11-24 サムスン エレクトロニクス カンパニー リミテッド 機器制御のためのユーザ・インターフェース提供システム及びその方法
WO2022071045A1 (ja) * 2020-10-01 2022-04-07 パナソニックＩｐマネジメント株式会社 情報処理方法、情報処理装置、および、プログラム

Patent Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2010164245A (ja) * 2009-01-15 2010-07-29 Daikin Ind Ltd 機器管理システムおよび機器管理プログラム
JP2017208863A (ja) * 2011-11-29 2017-11-24 サムスン エレクトロニクス カンパニー リミテッド 機器制御のためのユーザ・インターフェース提供システム及びその方法
WO2022071045A1 (ja) * 2020-10-01 2022-04-07 パナソニックＩｐマネジメント株式会社 情報処理方法、情報処理装置、および、プログラム

Also Published As

Publication number Publication date
JP7433564B1 (ja) 2024-02-19

Similar Documents

Publication Publication Date Title
US11755604B2 (en) Building management system with declarative views of timeseries data
Granderson et al. Building energy information systems: State of the technology and user case studies
US8589112B2 (en) Building energy consumption analysis system
US11927925B2 (en) Building system with a time correlated reliability data stream
US10921762B2 (en) Energy management system and method
US11894676B2 (en) Building energy management system with energy analytics
US20220413460A1 (en) Building management system with nested stream generation
US20170169344A1 (en) Methods, systems, and computer readable media for a data-driven demand response (dr) recommender
CN108352038A (zh) 具有能量分析和专设仪表板的建筑物能量管理***
US20210125129A1 (en) Methods and system for generating at least one utility fingerprint associated with at least one premises
US20230062849A1 (en) Automated asset strategy selection for an asset via cloud-based supervisory control
Markus et al. A framework for a multi-source, data-driven building energy management toolkit
CN115943352A (zh) 用于使用机器学习的hvac设备预测性维护的***和方法
Wen et al. A dual energy benchmarking methodology for energy-efficient production planning and operation of discrete manufacturing systems using data mining techniques
WO2024047706A1 (ja) 管理装置、管理システムおよび管理方法
US20230367033A1 (en) Automated system and method for managing weather related energy use
US20230250987A1 (en) Building management system with clean air features
US20230030077A1 (en) Building system with a building graph
US20230168648A1 (en) Enviromental parameter determination based on indoor air quality
US10845082B2 (en) Operating heating, ventilation, and air conditioning systems using occupancy sensing systems
JP2015225637A (ja) 相関分析装置、相関分析方法、および相関分析用プログラム
JP7492643B2 (ja) 管理装置、管理システムおよび管理方法
JP6421001B2 (ja) 情報処理システム、情報表示方法、及びプログラム
AU2013224733A1 (en) Building energy consumption analysis system
Alviando et al. Optimizing Air Handling Unit Induction Motor Frequency Predictions: Evaluating and Advancing Forecasting Techniques with a Modified Chen's Fuzzy Time Series Model.

Legal Events

Date Code Title Description
121 Ep: the epo has been informed by wipo that ep was designated in this application

Ref document number: 22957310

Country of ref document: EP

Kind code of ref document: A1