TOP特許意匠商標
特許ウォッチ DM通知 Twitter
10個以上の画像は省略されています。
公開番号2021090344
公報種別公開特許公報(A)
公開日20210610
出願番号2020196258
出願日20201126
発明の名称機械学習装置、デマンド制御システム、及び、空調制御システム
出願人ダイキン工業株式会社
代理人新樹グローバル・アイピー特許業務法人
主分類H02J 13/00 20060101AFI20210514BHJP(電力の発電,変換,配電)
要約【課題】所定のデマンド目標値を実現するための設定温度を決定することができる機械学習装置を提供する。
【解決手段】機械学習装置100は、対象空間内の空気調和装置110の所定時限における消費電力量の上限値であるデマンド目標値を達成するための、対象空間の設定温度を学習する。機械学習装置100は、学習部103と、状態変数取得部101と、評価データ取得部105と、関数更新部104とを備える。状態変数取得部101は、空気調和装置110の消費電力量、及び、対象空間の状態に相関する室内状態値の少なくとも1つを含む状態変数を取得する。評価データ取得部105は、空気調和装置110の制御結果を評価する評価データを取得する。関数更新部104は、評価データを用いて学習部103の学習状態を更新する。学習部103は、関数更新部104の出力に従って学習する。評価データは、空気調和装置110の消費電力量を少なくとも含む。
【選択図】図1
特許請求の範囲【請求項1】
対象空間に設置されている空気調和装置(110)の所定時限における消費電力量の上限値であるデマンド目標値を達成するための前記対象空間の設定温度を学習する機械学習装置であって、
学習部(103)と、
前記空気調和装置の消費電力量、及び、前記対象空間の状態に相関する室内状態値の少なくとも1つを含む第1変数を取得する第1取得部(101)と、
前記空気調和装置の制御結果を評価する評価データを取得する第2取得部(105)と、
前記評価データを用いて前記学習部の学習状態を更新する更新部(104)と、
を備え、
前記学習部は、前記更新部の出力に従って学習し、
前記評価データは、前記空気調和装置の消費電力量を含む、
機械学習装置(100)。
続きを表示(約 3,700 文字)【請求項2】
前記更新部は、前記評価データに基づいて報酬を算出し、
前記学習部は、前記報酬を用いて学習する、
請求項1に記載の機械学習装置。
【請求項3】
前記更新部は、前記デマンド目標値と、前記評価データに含まれる前記空気調和装置の消費電力量との差が小さいほど、高い前記報酬を算出する、
請求項2に記載の機械学習装置。
【請求項4】
前記第1変数を入力変数とし前記設定温度を出力変数とする識別関数のパラメータを調整する変更部(107)をさらに備え、
前記学習部は、前記変更部の出力に従って、前記識別関数のパラメータの変更を複数回行い、パラメータが変更された前記識別関数毎に前記第1変数から前記設定温度を出力し、
前記更新部は、蓄積部(104a)と判定部(104b)とを備え、
前記判定部は、前記評価データを用いて判定結果を出力し、
前記蓄積部は、前記判定結果に従って、前記第1変数と、前記学習部が前記第1変数から出力した前記設定温度とから教師データを蓄積し、
前記学習部は、前記蓄積部に蓄積された前記教師データに基づいて学習する、
請求項1に記載の機械学習装置。
【請求項5】
前記室内状態値は、前記対象空間の温度、湿度、温度変化量、及び、湿度変化量の少なくとも1つである、
請求項1から4のいずれか1項に記載の機械学習装置。
【請求項6】
前記第1変数は、室内条件及び室外条件の少なくとも1つをさらに含み、
前記室内条件は、前記対象空間に設置されている機器の消費電力量、及び、前記対象空間の在室人数の少なくとも1つを含み、
前記室外条件は、前記空気調和装置の室外機が設置されている空間の温度、湿度、及び、日射量の少なくとも1つを含む、
請求項1から5のいずれか1項に記載の機械学習装置。
【請求項7】
請求項1から6のいずれか1項に記載の機械学習装置と、
空気調和装置と、
を備える、デマンド制御システム(10)。
【請求項8】
対象空間に設置される空気調和装置(210)の部分負荷特性を学習する機械学習装置であって、
前記空気調和装置の運転実績に関する第1パラメータを含む第1変数を取得する第1取得部(201)と、
前記空気調和装置の部分負荷特性を含む第2変数を取得する第2取得部(202)と、
前記第1変数と前記第2変数とを関連付けて学習する学習部(203)と、
を備える、機械学習装置(200)。
【請求項9】
前記学習部の学習の結果に基づき、前記第1変数から、前記空気調和装置の部分負荷特性の予測値を推論する推論部(205)をさらに備える、
請求項8に記載の機械学習装置。
【請求項10】
前記学習部は、前記第1変数と前記第2変数とを教師データとして用いて学習する、
請求項8又は9に記載の機械学習装置。
【請求項11】
前記第2変数及び前記予測値に基づいて報酬を算出する更新部(204)をさらに備え、
前記学習部は、前記報酬を用いて学習する、
請求項9に記載の機械学習装置。
【請求項12】
前記更新部は、前記第2変数に含まれる前記空気調和装置の部分負荷特性と、前記予測値との差が小さいほど、高い前記報酬を算出する、
請求項11に記載の機械学習装置。
【請求項13】
前記第1パラメータは、前記空気調和装置の能力に相関するパラメータ、及び、前記空気調和装置の消費電力量に相関するパラメータの少なくとも1つを含む、
請求項8から12のいずれか1項に記載の機械学習装置。
【請求項14】
空気調和装置(310)が設置されている対象空間の熱容量特性を学習する機械学習装置であって、
前記空気調和装置の能力に相関する第1パラメータ、及び、前記対象空間の状態に相関する第2パラメータの少なくとも1つを含む第1変数を取得する第1取得部(301)と、
前記対象空間の熱容量特性を含む第2変数を取得する第2取得部(302)と、
前記第1変数と前記第2変数とを関連付けて学習する学習部(303)と、
を備える、機械学習装置(300)。
【請求項15】
前記学習部の学習の結果に基づき、前記第1変数から、前記対象空間の熱容量特性の予測値を推論する推論部(305)をさらに備える、
請求項14に記載の機械学習装置。
【請求項16】
前記学習部は、前記第1変数と前記第2変数とを教師データとして用いて学習する、
請求項14又は15に記載の機械学習装置。
【請求項17】
前記第2変数及び前記予測値に基づいて報酬を算出する更新部(304)をさらに備え、
前記学習部は、前記報酬を用いて学習する、
請求項15に記載の機械学習装置。
【請求項18】
前記更新部は、前記第2変数に含まれる前記対象空間の熱容量特性と、前記予測値との差が小さいほど、高い前記報酬を算出する、
請求項17に記載の機械学習装置。
【請求項19】
前記第2パラメータは、前記対象空間の温度、湿度、温度変化量、及び、湿度変化量の少なくとも1つである、
請求項14から18のいずれか1項に記載の機械学習装置。
【請求項20】
前記第1変数は、室内条件及び室外条件の少なくとも1つをさらに含み、
前記室内条件は、前記対象空間に設置されている機器の消費電力量、及び、前記対象空間の在室人数の少なくとも1つであり、
前記室外条件は、前記空気調和装置の室外機が設置されている空間の温度、湿度、及び、日射量の少なくとも1つである、
請求項14から19のいずれか1項に記載の機械学習装置。
【請求項21】
対象空間に設置されている空気調和装置(410)の所定時限における消費電力量の上限値であるデマンド目標値を達成するための、前記空気調和装置を制御するための制御パラメータを決定する空調制御システムであって、
前記空気調和装置が設置されている前記対象空間の熱容量特性と、前記対象空間に設置される前記空気調和装置の部分負荷特性とを学習する機械学習装置(400)と、
前記制御パラメータの候補を出力する出力部(406)と、
前記制御パラメータを決定する決定部(407)と、
を備え、
前記機械学習装置は、
前記空気調和装置の能力に相関する第1パラメータ、及び、前記対象空間の状態に相関する第2パラメータの少なくとも1つを含む第1変数を取得する第1の取得部(411)と、
前記対象空間の熱容量特性を含む第2変数を取得する第2の取得部(412)と、
前記第1変数と前記第2変数とを関連付けて学習する第1の学習部(413)と、
前記第1の学習部の学習の結果に基づき、前記第1変数から、前記対象空間の熱容量特性の予測値である第1の予測値を推論する第1の推論部(415)と、
前記第1の予測値を含む第3変数を取得する第3の取得部(421)と、
前記空気調和装置の部分負荷特性を含む第4変数を取得する第4の取得部(422)と、
前記第3変数と前記第4変数とを関連付けて学習する第2の学習部(423)と、
前記出力部が出力した前記候補、及び、前記第2の学習部の学習の結果に基づき、前記第3変数から、前記空気調和装置の部分負荷特性の予測値である第2の予測値を推論する第2の推論部(425)と、
を備え、
前記決定部は、前記第2の予測値が前記デマンド目標値に関する所定の条件を満たすように、前記制御パラメータを決定する、
空調制御システム(40)。
【請求項22】
前記第2パラメータは、前記対象空間の温度、湿度、温度変化量、及び、湿度変化量の少なくとも1つであり、
前記制御パラメータは、前記デマンド目標値を達成するための前記対象空間の設定温度を含む、
請求項21に記載の空調制御システム。
【請求項23】
前記決定部は、前記空気調和装置の部分負荷特性の目標値と、前記第2の推論部が推論した前記第2の予測値との差が小さくなるように、前記制御パラメータを決定し、
前記第2の学習部は、前記決定部が決定した前記制御パラメータを用いて学習する、
請求項21又は22に記載の空調制御システム。

発明の詳細な説明【技術分野】
【0001】
機械学習装置、機械学習装置を備えるデマンド制御システム、及び、機械学習装置を備える空調制御システムに関する。
続きを表示(約 4,300 文字)【背景技術】
【0002】
特許文献1(特開2011−36084号公報)には、過去の空調運転実績データから空調部分負荷特性及び室内熱容量特性を作成し、所定の空調電力量の目標値を実現する設定温度を決定する構成が開示されている。
【発明の概要】
【発明が解決しようとする課題】
【0003】
所定の空調電力量の目標値を実現する設定温度の精度が十分ではない課題がある。
【課題を解決するための手段】
【0004】
第1観点の機械学習装置は、対象空間に設置されている空気調和装置の所定時限における消費電力量の上限値であるデマンド目標値を達成するための、対象空間の設定温度を学習する。機械学習装置は、学習部と、第1取得部と、第2取得部と、更新部とを備える。第1取得部は、空気調和装置の消費電力量、及び、対象空間の状態に相関する室内状態値の少なくとも1つを含む第1変数を取得する。第2取得部は、空気調和装置の制御結果を評価する評価データを取得する。更新部は、評価データを用いて学習部の学習状態を更新する。学習部は、更新部の出力に従って学習する。評価データは、空気調和装置の消費電力量を含む。
【0005】
第1観点の機械学習装置は、所定のデマンド目標値を実現するための設定温度を決定することができる。
【0006】
第2観点の機械学習装置は、第1観点の機械学習装置であって、更新部は、評価データに基づいて報酬を算出する。学習部は、報酬を用いて学習する。
【0007】
第3観点の機械学習装置は、第2観点の機械学習装置であって、更新部は、デマンド目標値と、評価データに含まれる空気調和装置の消費電力量との差が小さいほど、高い報酬を算出する。
【0008】
第4観点の機械学習装置は、第1観点の機械学習装置であって、第1変数を入力変数とし、対象空間の設定温度を出力変数とする識別関数のパラメータを調整する変更部をさらに備える。学習部は、変更部の出力に従って、識別関数のパラメータの変更を複数回行い、パラメータが変更された識別関数毎に第1変数から設定温度を出力する。更新部は、蓄積部と、判定部とを備える。判定部は、評価データを用いて判定結果を出力する。蓄積部は、判定結果に従って、第1変数と、学習部が第1変数から出力した設定温度とから教師データを蓄積する。学習部は、蓄積部に蓄積された教師データに基づいて学習する。
【0009】
第5観点の機械学習装置は、第1乃至第4観点のいずれか1つの機械学習装置であって、室内状態値は、対象空間の温度、湿度、温度変化量、及び、湿度変化量の少なくとも1つである。
【0010】
第6観点の機械学習装置は、第1乃至第5観点のいずれか1つの機械学習装置であって、第1変数は、室内条件及び室外条件の少なくとも1つをさらに含む。室内条件は、対象空間に設置されている機器の消費電力量、及び、対象空間の在室人数の少なくとも1つを含む。室外条件は、空気調和装置の室外機が設置されている空間の温度、湿度、及び、日射量の少なくとも1つを含む。
【0011】
第7観点のデマンド制御システムは、第1乃至第6観点のいずれか1つの機械学習装置と、空気調和装置とを備える。
【0012】
第8観点の機械学習装置は、対象空間に設置される空気調和装置の部分負荷特性を学習する。機械学習装置は、第1取得部と、第2取得部と、学習部とを備える。第1取得部は、空気調和装置の運転実績に関する第1パラメータを含む第1変数を取得する。第2取得部は、空気調和装置の部分負荷特性を含む第2変数を取得する。学習部は、第1変数と第2変数とを関連付けて学習する。
【0013】
第8観点の機械学習装置は、空気調和装置の部分負荷特性の予測値を高い精度で取得することができる。
【0014】
第9観点の機械学習装置は、第8観点の機械学習装置であって、推論部をさらに備える。推論部は、学習部の学習の結果に基づき、第1変数から、空気調和装置の部分負荷特性の予測値を推論する。
【0015】
第10観点の機械学習装置は、第8観点又は第9観点の機械学習装置であって、学習部は、第1変数と第2変数とを教師データとして用いて学習する。
【0016】
第11観点の機械学習装置は、第9観点の機械学習装置であって、更新部をさらに備える。更新部は、第2変数、及び、部分負荷特性の予測値に基づいて報酬を算出する。学習部は、報酬を用いて学習する。
【0017】
第12観点の機械学習装置は、第11観点の機械学習装置であって、更新部は、第2変数に含まれる空気調和装置の部分負荷特性と、部分負荷特性の予測値との差が小さいほど、高い報酬を算出する。
【0018】
第13観点の機械学習装置は、第8乃至第12観点のいずれか1つの機械学習装置であって、第1パラメータは、空気調和装置の能力に相関するパラメータ、及び、空気調和装置の消費電力量に相関するパラメータの少なくとも1つを含む。
【0019】
第14観点の機械学習装置は、空気調和装置が設置されている対象空間の熱容量特性を学習する。機械学習装置は、第1取得部と、第2取得部と、学習部とを備える。第1取得部は、空気調和装置の能力に相関する第1パラメータ、及び、対象空間の状態に相関する第2パラメータの少なくとも1つを含む第1変数を取得する。第2取得部は、対象空間の熱容量特性を含む第2変数を取得する。学習部は、第1変数と第2変数とを関連付けて学習する。
【0020】
第14観点の機械学習装置は、空気調和装置が設置されている対象空間の熱容量特性の予測値を高い精度で取得することができる。
【0021】
第15観点の機械学習装置は、第14観点の機械学習装置であって、推論部をさらに備える。推論部は、学習部の学習の結果に基づき、第1変数から、対象空間の熱容量特性の予測値を推論する。
【0022】
第16観点の機械学習装置は、第14観点又は第15観点の機械学習装置であって、学習部は、第1変数と第2変数とを教師データとして用いて学習する。
【0023】
第17観点の機械学習装置は、第15観点の機械学習装置であって、更新部をさらに備える。更新部は、第2変数、及び、熱容量特性の予測値に基づいて報酬を算出する。学習部は、報酬を用いて学習する。
【0024】
第18観点の機械学習装置は、第17観点の機械学習装置であって、更新部は、第2変数に含まれる対象空間の熱容量特性と、熱容量特性の予測値との差が小さいほど、高い報酬を算出する。
【0025】
第19観点の機械学習装置は、第14乃至第18観点のいずれか1つの機械学習装置であって、第2パラメータは、対象空間の温度、湿度、温度変化量、及び、湿度変化量の少なくとも1つである。
【0026】
第20観点の機械学習装置は、第14乃至第19観点のいずれか1つの機械学習装置であって、第1変数は、室内条件及び室外条件の少なくとも1つをさらに含む。室内条件は、対象空間に設置されている機器の消費電力量、及び、対象空間の在室人数の少なくとも1つである。室外条件は、空気調和装置の室外機が設置されている空間の温度、湿度、及び、日射量の少なくとも1つである。
【0027】
第21観点の空調制御システムは、対象空間に設置されている空気調和装置の所定時限における消費電力量の上限値であるデマンド目標値を達成するための、空気調和装置を制御するための制御パラメータを決定する。空調制御システムは、機械学習装置と、出力部と、決定部とを備える。機械学習装置は、空気調和装置が設置されている対象空間の熱容量特性と、対象空間に設置される空気調和装置の部分負荷特性とを学習する。出力部は、空気調和装置を制御するための制御パラメータの候補を出力する。決定部は、空気調和装置を制御するための制御パラメータを決定する。機械学習装置は、第1の取得部と、第2の取得部と、第1の学習部と、第1の推論部と、第3の取得部と、第4の取得部と、第2の学習部と、第2の推論部とを備える。第1の取得部は、空気調和装置の能力に相関する第1パラメータ、及び、対象空間の状態に相関する第2パラメータの少なくとも1つを含む第1変数を取得する。第2の取得部は、対象空間の熱容量特性を含む第2変数を取得する。第1の学習部は、第1変数と第2変数とを関連付けて学習する。第1の推論部は、第1の学習部の学習の結果に基づき、第1変数から、対象空間の熱容量特性の予測値である第1の予測値を推論する。第3の取得部は、第1の予測値を含む第3変数を取得する。第4の取得部は、空気調和装置の部分負荷特性を含む第4変数を取得する。第2の学習部は、第3変数と第4変数とを関連付けて学習する。第2の推論部は、出力部が出力した制御パラメータの候補、及び、第2の学習部の学習の結果に基づき、第3変数から、空気調和装置の部分負荷特性の予測値である第2の予測値を推論する。決定部は、第2の予測値がデマンド目標値に関する所定の条件を満たすように、制御パラメータを決定する。
【0028】
第21観点の空調制御システムは、所定のデマンド目標値を実現するための制御パラメータを決定することができる。
【0029】
第22観点の空調制御システムは、第21観点の空調制御システムであって、第2パラメータは、対象空間の温度、湿度、温度変化量、及び、湿度変化量の少なくとも1つである。制御パラメータは、デマンド目標値を達成するための対象空間の設定温度を含む。
【0030】
第23観点の空調制御システムは、第21観点又は第22観点の空調制御システムであって、決定部は、空気調和装置の部分負荷特性の目標値と、第2の推論部が推論した第2の予測値との差が小さくなるように、制御パラメータを決定する。第2の学習部は、決定部が決定した制御パラメータを用いて学習する。
【図面の簡単な説明】
(【0031】以降は省略されています)

この特許をJ-PlatPatで参照する

関連特許

ダイキン工業株式会社
容器
ダイキン工業株式会社
弾頭
ダイキン工業株式会社
弾頭
ダイキン工業株式会社
圧縮機
ダイキン工業株式会社
圧縮機
ダイキン工業株式会社
圧縮機
ダイキン工業株式会社
搬送車
ダイキン工業株式会社
モータ
ダイキン工業株式会社
管継手
ダイキン工業株式会社
管継手
ダイキン工業株式会社
管継手
ダイキン工業株式会社
圧縮機
ダイキン工業株式会社
圧縮機
ダイキン工業株式会社
圧縮機
ダイキン工業株式会社
圧縮機
ダイキン工業株式会社
電動機
ダイキン工業株式会社
圧縮機
ダイキン工業株式会社
送風機
ダイキン工業株式会社
給湯装置
ダイキン工業株式会社
冷凍装置
ダイキン工業株式会社
空調装置
ダイキン工業株式会社
冷凍装置
ダイキン工業株式会社
給湯装置
ダイキン工業株式会社
冷凍装置
ダイキン工業株式会社
換気装置
ダイキン工業株式会社
冷凍装置
ダイキン工業株式会社
評価装置
ダイキン工業株式会社
脱臭装置
ダイキン工業株式会社
送風装置
ダイキン工業株式会社
冷凍装置
ダイキン工業株式会社
冷凍装置
ダイキン工業株式会社
熱交換器
ダイキン工業株式会社
送風装置
ダイキン工業株式会社
冷凍装置
ダイキン工業株式会社
冷凍装置
ダイキン工業株式会社
冷凍装置
続きを見る