特許ウォッチ

公開番号2025043873
公報種別公開特許公報(A)
公開日2025-04-01
出願番号2023151420
出願日2023-09-19
発明の名称熱負荷予測システム、熱負荷予測装置、熱負荷予測方法およびプログラム
出願人清水建設株式会社
代理人個人,個人,個人
主分類F24F 11/64 20180101AFI20250325BHJP(加熱;レンジ;換気)
要約【課題】セントラル空調に関し、事前の空調予約情報を用いて、施設および空調使用タイミングに応じて、熱負荷予測を高精度に行うことができる熱負荷予測システムを提供する。
【解決手段】セントラル空調を用いた施設に関する空調予約情報を取得する取得部と、前記施設および空調使用タイミングに基づいて重み付けが変わり得る機械学習の学習モデルに、前記取得部によって取得された前記空調予約情報および補助情報を含む入力データを入力し、前記学習モデルから出力される熱負荷の予測結果に関する情報を含む出力データを取得する熱負荷予測部と、を備える熱負荷予測システムである。
【選択図】図1
特許請求の範囲【請求項１】
セントラル空調を用いた施設に関する空調予約情報を取得する取得部と、
前記施設および空調使用タイミングに基づいて重み付けが変わり得る機械学習の学習モデルに、前記取得部によって取得された前記空調予約情報および補助情報を含む入力データを入力し、前記学習モデルから出力される熱負荷の予測結果に関する情報を含む出力データを取得する熱負荷予測部と、
を備える熱負荷予測システム。
続きを表示（約 1,200 文字）【請求項２】
前記学習モデルは、時系列変動の学習が行われた第１演算部と、波形画像の学習が行われた第２演算部と、を含む、
請求項１に記載の熱負荷予測システム。
【請求項３】
前記第１演算部は、再帰型ニューラルネットワークを有しており、
前記第２演算部は、畳み込みニューラルネットワークを有している、
請求項２に記載の熱負荷予測システム。
【請求項４】
前記再帰型ニューラルネットワークは、月単位の変動に対応するニューラルネットワークと、週単位の変動に対応するニューラルネットワークと、日単位の変動に対応するニューラルネットワークを含み、
前記畳み込みニューラルネットワークは、月単位の変動に対応するニューラルネットワークと、週単位の変動に対応するニューラルネットワークと、日単位の変動に対応するニューラルネットワークを含む、
請求項３に記載の熱負荷予測システム。
【請求項５】
前記補助情報は、気象に関する情報、在室人数に関する情報、ゾーン情報に関する情報、カレンダーに関する情報、または、電力または熱負荷の実績に関する情報のうちの１以上を含む、
請求項１に記載の熱負荷予測システム。
【請求項６】
前記空調予約情報は、前記セントラル空調における稼働率の情報を含む、
請求項１から請求項５のいずれか１項に記載の熱負荷予測システム。
【請求項７】
セントラル空調を用いた施設に関する空調予約情報を取得する取得部と、
前記施設および空調使用タイミングに基づいて重み付けが変わり得る機械学習の学習モデルに、前記取得部によって取得された前記空調予約情報および補助情報を含む入力データを入力し、前記学習モデルから出力される熱負荷の予測結果に関する情報を含む出力データを取得する熱負荷予測部と、
を備える熱負荷予測装置。
【請求項８】
取得部が、セントラル空調を用いた施設に関する空調予約情報を取得し、
熱負荷予測部が、前記施設および空調使用タイミングに基づいて重み付けが変わり得る機械学習の学習モデルに、前記取得部によって取得された前記空調予約情報および補助情報を含む入力データを入力し、前記学習モデルから出力される熱負荷の予測結果に関する情報を含む出力データを取得する、
熱負荷予測方法。
【請求項９】
熱負荷予測装置を構成するコンピュータに、
セントラル空調を用いた施設に関する空調予約情報を取得する機能と、
前記施設および空調使用タイミングに基づいて重み付けが変わり得る機械学習の学習モデルに、取得された前記空調予約情報および補助情報を含む入力データを入力し、前記学習モデルから出力される熱負荷の予測結果に関する情報を含む出力データを取得する機能と、
を実現させるためのプログラム。

発明の詳細な説明【技術分野】
【０００１】
本開示は、熱負荷予測システム、熱負荷予測装置、熱負荷予測方法およびプログラムに関する。
続きを表示（約 2,000 文字）【背景技術】
【０００２】
建物における熱負荷（需要）予測が行われている。
従来技術に係る建物における熱負荷（需要）予測では、施設の運用情報（平日運転／休日運転）および気象予報情報を基に、過去の熱負荷実積情報の履歴から予測対象日に類似する日の実積データを幾つか抽出し、それらの平均値を求めるなどの統計処理により得られた値を予測値として利用している。
【０００３】
また、最近では、熱負荷実積情報および施設の運用情報（平日運転／休日運転）および気象情報をＡＩ（ＡｒｔｉｆｉｃｉａｌＩｎｔｅｌｌｉｇｅｎｃｅ）により機械学習させ、その特徴を予測システムが記憶し、翌日の施設の運用情報および気象予報情報を当該予測システムに入力することで、当該翌日の熱負荷予測値を出力する事例もある。
【０００４】
特許文献１に記載された運転管理装置では、電力負荷の予測の精度を向上させることが図られている。具体的には、当該運転管理装置では、予測日において予め決められている設定温度に温度調整するために予想される熱量を示す空調熱負荷予測値を算出する空調熱負荷予測部と、当該予測日において発電機が発電する発電電力を示す発電出力予測データを算出する発電出力予測処理部と、当該空調熱負荷予測値が示す熱量を生成する各空調熱源設備機器の運転について時刻毎の割り当てを示す空調熱源運転計画を作成するとともに、当該空調熱負荷予測値に基づき、当該空調熱負荷予測値が示す予測熱量を生成するために負荷装置に供給する電力を示す電力負荷予測値を算出して、商用電力系統の買電電源から供給される買電電力の予め決められた一定時間毎の電力が任意の目標値となるように、当該発電出力予測データを用いて当該電力負荷予測値の電力に対応する当該買電電力と当該発電電力を決定して当該発電機および当該買電電源が出力する電力のスケジュールを示す電源設備運転計画を作成する運転計画作成部と、を備える（特許文献１参照。）。
【先行技術文献】
【特許文献】
【０００５】
特開２０１２－８０６７９号公報
【発明の概要】
【発明が解決しようとする課題】
【０００６】
しかしながら、上記のような従来技術では、一定の営業時間（例えば、９：００～１８：００など）で毎日使用されるといったように、建物の使われ方が毎日規則的である場合には、比較的予測が容易であるが、例えば、貸会議室またはホールなどの施設のように、当該施設の予約状況に基づいて日々不規則な使われ方をされる場合には、上記のような従来技術に係る情報のみでは、熱負荷予測が困難な場合があり、特に時系列的な熱負荷予測が困難であった。また、上記のような従来技術では、セントラル空調への適用に関し、十分ではない点があった。
【０００７】
本開示の実施形態は、このような事情に鑑み、セントラル空調に関し、事前の空調予約情報を用いて、施設および空調使用タイミングに応じて、熱負荷予測を高精度に行うことができる熱負荷予測システム、熱負荷予測装置、熱負荷予測方法およびプログラムを提供する。
【課題を解決するための手段】
【０００８】
本開示の一態様は、セントラル空調を用いた施設に関する空調予約情報を取得する取得部と、前記施設および空調使用タイミングに基づいて重み付けが変わり得る機械学習の学習モデルに、前記取得部によって取得された前記空調予約情報および補助情報を含む入力データを入力し、前記学習モデルから出力される熱負荷の予測結果に関する情報を含む出力データを取得する熱負荷予測部と、を備える熱負荷予測システムである。
【０００９】
本開示の一態様は、セントラル空調を用いた施設に関する空調予約情報を取得する取得部と、前記施設および空調使用タイミングに基づいて重み付けが変わり得る機械学習の学習モデルに、前記取得部によって取得された前記空調予約情報および補助情報を含む入力データを入力し、前記学習モデルから出力される熱負荷の予測結果に関する情報を含む出力データを取得する熱負荷予測部と、を備える熱負荷予測装置である。
【００１０】
本開示の一態様は、取得部が、セントラル空調を用いた施設に関する空調予約情報を取得し、熱負荷予測部が、前記施設および空調使用タイミングに基づいて重み付けが変わり得る機械学習の学習モデルに、前記取得部によって取得された前記空調予約情報および補助情報を含む入力データを入力し、前記学習モデルから出力される熱負荷の予測結果に関する情報を含む出力データを取得する、熱負荷予測方法である。
（【００１１】以降は省略されています）

関連特許