特開 2023-151008 熱源機システム、学習済みモデルの生成方法及び学習済みモデル

(19)【発行国】日本国特許庁(JP)

(12)【公報種別】公開特許公報(A)

(11)【公開番号】P2023151008

(43)【公開日】2023-10-16

(54)【発明の名称】熱源機システム、学習済みモデルの生成方法及び学習済みモデル

(51)【国際特許分類】

   F24F 11/62 20180101AFI20231005BHJP

   F24F 11/54 20180101ALI20231005BHJP

   F24F 11/64 20180101ALI20231005BHJP

   F24F 11/70 20180101ALI20231005BHJP

   F24F 11/46 20180101ALI20231005BHJP

【ＦＩ】

F24F11/62

F24F11/54

F24F11/64

F24F11/70

F24F11/46

【審査請求】未請求

【請求項の数】16

【出願形態】ＯＬ

(21)【出願番号】P 2022060393

(22)【出願日】2022-03-31

(71)【出願人】

【識別番号】503164502

【氏名又は名称】荏原冷熱システム株式会社

(74)【代理人】

【識別番号】110001519

【氏名又は名称】弁理士法人太陽国際特許事務所

(72)【発明者】

【氏名】内村 知行

(72)【発明者】

【氏名】石原 慎也

【テーマコード（参考）】

3L260

【Ｆターム（参考）】

3L260AB07

3L260BA41

3L260BA75

3L260CB31

3L260CB32

3L260CB43

3L260CB45

3L260CB56

3L260CB70

3L260CB78

3L260CB86

3L260EA04

3L260EA08

3L260EA22

3L260FA02

3L260FA15

3L260FA16

3L260FB23

3L260FB24

3L260FB32

3L260FB33

3L260FC40

(57)【要約】

【課題】運転条件の変化に応じて適切な運転状態で応答よく運転させる熱源機システム、学習済みモデルの生成方法及び学習済みモデルを提供する。
【解決手段】熱源機システム１は、熱需要設備９９に供給する熱媒体ＣＨを冷却又は加熱する熱源機器１１～１３と、熱源補機２１～２３、３１～３３、４１～４３と、熱源機器及び熱源補機の運転状態を調節する制御装置７０とを備える。制御装置７０は学習済みの制御モデル８０を有する。制御モデル８０は、運転条件が入力された際に、所定の指標が条件に適う値となる運転状態を出力するように、教師データを用いた機械学習処理が施されている。制御装置７０は、制御モデル８０が出力した運転状態となるように、熱源機器及び熱源補機を制御する。学習済みモデルの生成方法は、シミュレーションにより教師データを生成し、教師データを用いて機械学習処理を施して学習済みモデルを生成する。
【選択図】図１

【特許請求の範囲】

【請求項1】

熱需要設備に供給する熱媒体を冷却又は加熱する熱源機器と、
前記熱源機器の運転に付随して稼働する熱源補機と、
前記熱源機器及び前記熱源補機の運転状態を調節する制御装置であって、学習済みの制御モデルを有する制御装置と、を備え、
前記熱源補機は、前記熱源機器を通過する前記熱媒体を流動させる熱媒体ポンプと、前記熱源機器において前記熱媒体と直接又は間接的に熱交換を行う熱源流体を前記熱源機器に供給する熱源流体供給装置と、を含み、
前記運転状態は、前記熱源機器の稼働状況、前記熱媒体ポンプが吐出する前記熱媒体の流量、及び前記熱源流体供給装置が供給する前記熱源流体の流量、のうちの少なくとも１つを含み、
前記制御モデルは、前記運転状態に影響を及ぼす運転条件が入力された際に、所定の指標が条件に適う値となる前記運転状態を出力するように、教師データを用いた機械学習処理が施されており、
前記運転条件は、前記熱需要設備の需要熱量又はこれに相関する物理量、及び外気温度又はこれに相関する物理量、のうちの少なくとも１つを含み、
前記所定の指標は、前記熱源機器及び前記熱源補機の消費動力、前記熱源機器及び前記熱源補機の運転コスト、並びに前記熱源機器及び前記熱源補機の二酸化炭素排出量、のうちの少なくとも１つを含み、
前記制御装置は、前記制御モデルが出力した運転状態となるように、前記熱源機器及び前記熱源補機を制御する、
熱源機システム。

【請求項2】

前記所定の指標が、前記熱源機器及び前記熱源補機の消費動力、前記熱源機器及び前記熱源補機の運転コスト、並びに前記熱源機器及び前記熱源補機の二酸化炭素排出量、のうちの複数を含み、
前記制御モデルは、複数の前記所定の指標のうちの第１の所定の指標が条件に適う値となる複数の前記運転状態を選定し、選定した複数の前記運転状態の中から前記第１の所定の指標とは別の第２の所定の指標が条件に適う値となる前記運転状態を出力するように構成されている、
請求項１に記載の熱源機システム。

【請求項3】

前記熱源機器、前記熱媒体ポンプ、及び前記熱源流体供給装置の少なくとも１つは複数台で構成されており、
前記運転状態は、前記熱源機器、前記熱媒体ポンプ、及び前記熱源流体供給装置のうちの複数台で構成されるものの運転台数を含み、
前記制御モデルは、出力する前記運転状態のうち前記運転台数を整数値で出力する第１の制御モデルと、前記第１の制御モデルが出力した前記運転台数の整数値を前記運転条件の１つとして入力する第２の制御モデルと、を含む、
請求項１又は請求項２に記載の熱源機システム。

【請求項4】

前記制御装置は、前記熱源機器の処理熱量、前記熱媒体ポンプが吐出する前記熱媒体の流量、及び前記熱源流体供給装置が供給する前記熱源流体の流量、のうち、一部の前記運転状態に前記制御モデルの出力を用い、残りの前記運転状態をシミュレーション又はルールベースによって決定する、
請求項１乃至請求項３のいずれか１項に記載の熱源機システム。

【請求項5】

前記運転条件は、前記熱需要設備の圧力損失係数を含む、
請求項１乃至請求項４のいずれか１項に記載の熱源機システム。

【請求項6】

前記運転条件は、前記熱源機器及び前記熱源補機の単位消費動力当たりのコスト、並びに前記熱源機器及び前記熱源補機の単位消費動力当たりの二酸化炭素排出量、のうちの少なくとも１つを含む、
請求項１乃至請求項５のいずれか１項に記載の熱源機システム。

【請求項7】

前記制御モデルは、前記所定の指標を、前記熱源機器及び前記熱源補機の消費動力、前記熱源機器及び前記熱源補機の運転コスト、並びに前記熱源機器及び前記熱源補機の二酸化炭素排出量、のうちの１つ又は複数とした制御モデルを複数有し、
前記制御装置は、複数の前記制御モデルのうち、ユーザーが求める前記所定の指標に応じて適切な前記制御モデルを利用する、
請求項１乃至請求項６のいずれか１項に記載の熱源機システム。

【請求項8】

熱需要設備に供給する熱媒体を冷却又は加熱する熱源機器と、前記熱源機器の運転に付随して稼働する熱源補機と、を備える熱源機システムの制御に用いられる学習済みモデルを生成する方法であって、
想定される運転条件の下で、前記熱源機システムの想定される運転状態のときの所定の指標を、シミュレーションにより、前記運転状態を変えながら複数求めたうえで、前記所定の指標が条件に適うときの前記運転状態を当該運転条件との関係として規定し、これを複数の運転条件について行うことで、前記所定の指標が条件に適うときの前記運転状態と当該運転条件との関係の組みを複数得ることで教師データを生成する工程と、
前記教師データを用いて機械学習処理を施すことにより、前記運転条件を入力、前記運転状態を出力、とする学習済みモデルを生成する工程と、を備え、
前記熱源補機は、前記熱源機器を通過する前記熱媒体を流動させる熱媒体ポンプと、前記熱源機器において前記熱媒体と直接又は間接的に熱交換を行う熱源流体を前記熱源機器に供給する熱源流体供給装置と、を含み、
前記運転条件は、前記熱需要設備の需要熱量又はこれに相関する物理量、及び外気温度又はこれに相関する物理量、のうちの少なくとも１つを含み、
前記運転状態は、前記熱源機器の稼働状況、前記熱媒体ポンプが吐出する前記熱媒体の流量、及び前記熱源流体供給装置が供給する前記熱源流体の流量、のうちの少なくとも１つを含み、
前記所定の指標は、前記熱源機器及び前記熱源補機の消費動力、前記熱源機器及び前記熱源補機の運転コスト、並びに前記熱源機器及び前記熱源補機の二酸化炭素排出量、のうちの少なくとも１つを含む、
学習済みモデルの生成方法。

【請求項9】

前記熱源機器、前記熱媒体ポンプ、及び前記熱源流体供給装置の少なくとも１つは複数台で構成されており、
前記運転状態は、前記熱源機器、前記熱媒体ポンプ、及び前記熱源流体供給装置のうちの複数台で構成されるものの運転台数を含み、
前記学習済みモデルを生成する工程は、出力の前記運転状態に前記運転台数の整数値を含む第１の学習済みモデルを生成する工程と、前記運転台数の整数値を前記運転条件の１つとして入力する第２の学習済みモデルを生成する工程と、を含む、
請求項８に記載の学習済みモデルの生成方法。

【請求項10】

前記第１の学習済みモデル及び前記第２の学習済みモデルがニューラルネットワークを用いていると共に、前記第１の学習済みモデル及び前記第２の学習済みモデルが共通の中間層を有し、
前記第１の学習済みモデルの出力となる前記運転状態の項目が、前記第２の学習済みモデルの出力となる前記運転状態の項目を含み、
前記学習済みモデルを生成する工程は、最初に第１の学習モデルに機械学習処理を施して前記第１の学習済みモデルを生成し、次に第２の学習モデルの前記中間層の重み係数の初期値を前記第１の学習済みモデルの前記中間層の重み係数に設定したものに対して機械学習処理を施して前記第２の学習済みモデルを生成する、
請求項９に記載の学習済みモデルの生成方法。

【請求項11】

前記教師データを生成する工程は、シミュレーションを行う際の前記運転条件及び前記運転状態の少なくとも一方の決定を、ランダムに行う、
請求項８乃至請求項１０のいずれか１項に記載の学習済みモデルの生成方法。

【請求項12】

前記教師データを生成する工程は、想定される前記運転条件よりも広い範囲の前記運転条件の下で想定される前記運転状態よりも広い範囲の前記運転状態のときの前記所定の指標のデータが既に存在する場合に、当該既に存在するデータから想定される前記運転条件の下で想定される前記運転状態のときの前記所定の指標を抽出して前記教師データとする、
請求項８乃至請求項１１のいずれか１項に記載の学習済みモデルの生成方法。

【請求項13】

前記教師データを生成する工程は、抽出しなかったデータ中の前記運転条件及び前記運転状態のうちの想定される前記運転条件及び前記運転状態に適合しない項目の値を適合する値に変更したうえでシミュレーションを行って前記教師データを生成する、
請求項１２に記載の学習済みモデルの生成方法。

【請求項14】

前記運転条件は、前記熱需要設備の圧力損失係数を含み、
前記教師データを生成する工程は、前記シミュレーションにおいて、前記圧力損失係数と前記熱媒体の流量とに基づいて前記熱需要設備における圧力損失を算出したうえで前記所定の指標を求める、
請求項８乃至請求項１３のいずれか１項に記載の学習済みモデルの生成方法。

【請求項15】

熱需要設備に供給する熱媒体を冷却又は加熱する熱源機器と、前記熱源機器の運転に付随して稼働する熱源補機と、を備える熱源機システムの制御に用いられるコンピュータに搭載される学習済みモデルであって、
前記熱源機システムの運転条件が入力される入力層と、
前記熱源機システムの運転状態が出力される出力層と、
前記運転条件を入力、所定の指標が条件に適う値となる前記運転状態を出力、とする教師データを用いてパラメータが学習された中間層と、を備え、
前記熱源補機は、前記熱源機器を通過する前記熱媒体を流動させる熱媒体ポンプと、前記熱源機器において前記熱媒体と直接又は間接的に熱交換を行う熱源流体を前記熱源機器に供給する熱源流体供給装置と、を含み、
前記運転条件は、前記熱需要設備の需要熱量又はこれに相関する物理量、及び外気温度又はこれに相関する物理量、のうちの少なくとも１つを含み、
前記運転状態は、前記熱源機器の稼働状況、前記熱媒体ポンプが吐出する前記熱媒体の流量、及び前記熱源流体供給装置が供給する前記熱源流体の流量、のうちの少なくとも１つを含み、
前記所定の指標は、前記熱源機器及び前記熱源補機の消費動力、前記熱源機器及び前記熱源補機の運転コスト、並びに前記熱源機器及び前記熱源補機の二酸化炭素排出量、のうちの少なくとも１つを含み、
前記運転条件を前記入力層に入力し、前記中間層にて演算し、前記運転状態を前記出力層から出力するようにコンピュータを機能させる、
学習済みモデル。

【請求項16】

請求項１５に記載の学習済みモデルを有する制御装置と、
前記熱源機器と、
前記熱源補機と、を備え、
前記制御装置は、前記学習済みモデルが出力した運転状態となるように、前記熱源機器及び前記熱源補機を制御する、
熱源機システム。

【発明の詳細な説明】

【技術分野】

【0001】

本開示は熱源機システム、学習済みモデルの生成方法及び学習済みモデルに関し、特に機械学習されたモデルを用いて機器を制御する熱源機システム、学習済みモデルの生成方法及び学習済みモデルに関する。

【背景技術】

【0002】

空調機において空気を冷却又は加熱するための冷水又は温水を空調機に供給するため、一般に、熱源装置及びその補機等を適宜組み合わせた熱源機システムが構築される。熱源機システムは、空調機の負荷に応じて、熱源機システムを構成する機器の出力や運転台数の運転状態を調節している。熱源機システムを構成する機器の制御に役立ち得る装置として、実運転データを呼び出して再現させる再現システムと、過去の熱負荷データ及び設備環境データを利用しながらシミュレーションできるシステムとを有するものがある（例えば、特許文献１参照）。

【先行技術文献】

【特許文献】

【0003】

【特許文献1】特開２０１１－１６３７２７号公報

【発明の概要】

【発明が解決しようとする課題】

【0004】

熱源機システムを構成する機器を応答よく制御するために、適切な運転状態を求める演算時間を短くすることが好ましい。

【0005】

本開示は上述の課題に鑑み、運転条件の変化に応じて適切な運転状態で応答よく運転させる熱源機システム、学習済みモデルの生成方法及び学習済みモデルを提供することに関する。

【課題を解決するための手段】

【0006】

本開示の第１の態様に係る熱源機システムは、熱需要設備に供給する熱媒体を冷却又は加熱する熱源機器と、前記熱源機器の運転に付随して稼働する熱源補機と、前記熱源機器及び前記熱源補機の運転状態を調節する制御装置であって、学習済みの制御モデルを有する制御装置と、を備え、前記熱源補機は、前記熱源機器を通過する前記熱媒体を流動させる熱媒体ポンプと、前記熱源機器において前記熱媒体と直接又は間接的に熱交換を行う熱源流体を前記熱源機器に供給する熱源流体供給装置と、を含み、前記運転状態は、前記熱源機器の稼働状況、前記熱媒体ポンプが吐出する前記熱媒体の流量、及び前記熱源流体供給装置が供給する前記熱源流体の流量、のうちの少なくとも１つを含み、前記制御モデルは、前記運転状態に影響を及ぼす運転条件が入力された際に、所定の指標が条件に適う値となる前記運転状態を出力するように、教師データを用いた機械学習処理が施されており、前記運転条件は、前記熱需要設備の需要熱量又はこれに相関する物理量、及び外気温度又はこれに相関する物理量、のうちの少なくとも１つを含み、前記所定の指標は、前記熱源機器及び前記熱源補機の消費動力、前記熱源機器及び前記熱源補機の運転コスト、並びに前記熱源機器及び前記熱源補機の二酸化炭素排出量、のうちの少なくとも１つを含み、前記制御装置は、前記制御モデルが出力した運転状態となるように、前記熱源機器及び前記熱源補機を制御する。

【0007】

このように構成すると、制御モデルが運転条件の変化に応じて適切な運転状態を出力できるので、熱源機システムを応答よく運転させることができる。

【0008】

また、本開示の第２の態様に係る熱源機システムは、上記本開示の第１の態様に係る熱源機システムにおいて、前記所定の指標が、前記熱源機器及び前記熱源補機の消費動力、前記熱源機器及び前記熱源補機の運転コスト、並びに前記熱源機器及び前記熱源補機の二酸化炭素排出量、のうちの複数を含み、前記制御モデルは、複数の前記所定の指標のうちの第１の所定の指標が条件に適う値となる複数の前記運転状態を選定し、選定した複数の前記運転状態の中から前記第１の所定の指標とは別の第２の所定の指標が条件に適う値となる前記運転状態を出力するように構成されている。

【0009】

このように構成すると、複数の所定の指標を総合的に判断した適切な運転状態で熱源機システムを運転させることができる。

【0010】

また、本開示の第３の態様に係る熱源機システムは、上記本開示の第１の態様又は第２の態様に係る熱源機システムにおいて、前記熱源機器、前記熱媒体ポンプ、及び前記熱源流体供給装置の少なくとも１つは複数台で構成されており、前記運転状態は、前記熱源機器、前記熱媒体ポンプ、及び前記熱源流体供給装置のうちの複数台で構成されるものの運転台数を含み、前記制御モデルは、出力する前記運転状態のうち前記運転台数を整数値で出力する第１の制御モデルと、前記第１の制御モデルが出力した前記運転台数の整数値を前記運転条件の１つとして入力する第２の制御モデルと、を含む。

【0011】

このように構成すると、運転台数についての制御モデルの出力が、実現不可能な小数となることを回避することができ、実際の運転に則した適切な運転状態で熱源機システムを運転させることができる。

【0012】

また、本開示の第４の態様に係る熱源機システムは、上記本開示の第１の態様乃至第３の態様のいずれか１つの態様に係る熱源機システムにおいて、前記制御装置は、前記熱源機器の処理熱量、前記熱媒体ポンプが吐出する前記熱媒体の流量、及び前記熱源流体供給装置が供給する前記熱源流体の流量、のうち、一部の前記運転状態に前記制御モデルの出力を用い、残りの前記運転状態をシミュレーション又はルールベースによって決定する。

【0013】

このように構成すると、制御モデルを用いることで運転状態の一部を出力する時間を短縮しつつ、シミュレーション又はルールベースを用いることで運転状態の残りをより精度よく出力することができる。

【0014】

また、本開示の第５の態様に係る熱源機システムは、上記本開示の第１の態様乃至第４の態様のいずれか１つの態様に係る熱源機システムにおいて、前記運転条件は、前記熱需要設備の圧力損失係数を含む。

【0015】

このように構成すると、熱媒体の流量が変化した場合でも適切な運転状態で熱源機システムを運転させることができる。

【0016】

また、本開示の第６の態様に係る熱源機システムは、上記本開示の第１の態様乃至第５の態様のいずれか１つの態様に係る熱源機システムにおいて、前記運転条件は、前記熱源機器及び前記熱源補機の単位消費動力当たりのコスト、並びに前記熱源機器及び前記熱源補機の単位消費動力当たりの二酸化炭素排出量、のうちの少なくとも１つを含む。

【0017】

このように構成すると、単位消費動力当たりのコストや二酸化炭素排出量が変化した場合でも制御モデルを作成し直さなくて済む。

【0018】

また、本開示の第７の態様に係る熱源機システムは、上記本開示の第１の態様乃至第６の態様のいずれか１つの態様に係る熱源機システムにおいて、前記制御モデルは、前記所定の指標を、前記熱源機器及び前記熱源補機の消費動力、前記熱源機器及び前記熱源補機の運転コスト、並びに前記熱源機器及び前記熱源補機の二酸化炭素排出量、のうちの１つ又は複数とした制御モデルを複数有し、前記制御装置は、複数の前記制御モデルのうち、ユーザーが求める前記所定の指標に応じて適切な前記制御モデルを利用する。

【0019】

このように構成すると、ユーザーによって所定の指標が変更された場合であっても熱源機システムの適切な運転状態を維持することができる。

【0020】

また、本開示の第８の態様に係る学習済みモデルの生成方法は、熱需要設備に供給する熱媒体を冷却又は加熱する熱源機器と、前記熱源機器の運転に付随して稼働する熱源補機と、を備える熱源機システムの制御に用いられる学習済みモデルを生成する方法であって、想定される運転条件の下で、前記熱源機システムの想定される運転状態のときの所定の指標を、シミュレーションにより、前記運転状態を変えながら複数求めたうえで、前記所定の指標が条件に適うときの前記運転状態を当該運転条件との関係として規定し、これを複数の運転条件について行うことで、前記所定の指標が条件に適うときの前記運転状態と当該運転条件との関係の組みを複数得ることで教師データを生成する工程と、前記教師データを用いて機械学習処理を施すことにより、前記運転条件を入力、前記運転状態を出力、とする学習済みモデルを生成する工程と、を備え、前記熱源補機は、前記熱源機器を通過する前記熱媒体を流動させる熱媒体ポンプと、前記熱源機器において前記熱媒体と直接又は間接的に熱交換を行う熱源流体を前記熱源機器に供給する熱源流体供給装置と、を含み、前記運転条件は、前記熱需要設備の需要熱量又はこれに相関する物理量、及び外気温度又はこれに相関する物理量、のうちの少なくとも１つを含み、前記運転状態は、前記熱源機器の稼働状況、前記熱媒体ポンプが吐出する前記熱媒体の流量、及び前記熱源流体供給装置が供給する前記熱源流体の流量、のうちの少なくとも１つを含み、前記所定の指標は、前記熱源機器及び前記熱源補機の消費動力、前記熱源機器及び前記熱源補機の運転コスト、並びに前記熱源機器及び前記熱源補機の二酸化炭素排出量、のうちの少なくとも１つを含む。

【0021】

このように構成すると、熱源機システムを、運転条件の変化に応じて適切な運転状態で応答よく運転させることが可能な学習済みモデルを得ることができる。

【0022】

また、本開示の第９の態様に係る学習済みモデルの生成方法は、上記本開示の第８の態様に係る学習済みモデルの生成方法において、前記熱源機器、前記熱媒体ポンプ、及び前記熱源流体供給装置の少なくとも１つは複数台で構成されており、前記運転状態は、前記熱源機器、前記熱媒体ポンプ、及び前記熱源流体供給装置のうちの複数台で構成されるものの運転台数を含み、前記学習済みモデルを生成する工程は、出力の前記運転状態に前記運転台数の整数値を含む第１の学習済みモデルを生成する工程と、前記運転台数の整数値を前記運転条件の１つとして入力する第２の学習済みモデルを生成する工程と、を含む。

【0023】

このように構成すると、運転台数についての制御モデルの出力が、実現不可能な小数となることを回避することができる。

【0024】

また、本開示の第１０の態様に係る学習済みモデルの生成方法は、上記本開示の第９の態様に係る学習済みモデルの生成方法において、前記第１の学習済みモデル及び前記第２の学習済みモデルがニューラルネットワークを用いていると共に、前記第１の学習済みモデル及び前記第２の学習済みモデルが共通の中間層を有し、前記第１の学習済みモデルの出力となる前記運転状態の項目が、前記第２の学習済みモデルの出力となる前記運転状態の項目を含み、前記学習済みモデルを生成する工程は、最初に第１の学習モデルに機械学習処理を施して前記第１の学習済みモデルを生成し、次に第２の学習モデルの前記中間層の重み係数の初期値を前記第１の学習済みモデルの前記中間層の重み係数に設定したものに対して機械学習処理を施して前記第２の学習済みモデルを生成する。

【0025】

このように構成すると、第２の学習済みモデルを生成する際の学習時間を短縮することが可能になる。

【0026】

また、本開示の第１１の態様に係る学習済みモデルの生成方法は、上記本開示の第８の態様乃至第１０の態様のいずれか１つの態様に係る学習済みモデルの生成方法において、前記教師データを生成する工程は、シミュレーションを行う際の前記運転条件及び前記運転状態の少なくとも一方の決定を、ランダムに行う。

【0027】

このように構成すると、取り扱うデータの量が必要以上に増加することを抑制することができると共に、教師データの追加作成を比較的簡便に行うことができる。

【0028】

また、本開示の第１２の態様に係る学習済みモデルの生成方法は、上記本開示の第８の態様乃至第１１の態様のいずれか１つの態様に係る学習済みモデルの生成方法において、前記教師データを生成する工程は、想定される前記運転条件よりも広い範囲の前記運転条件の下で想定される前記運転状態よりも広い範囲の前記運転状態のときの前記所定の指標のデータが既に存在する場合に、当該既に存在するデータから想定される前記運転条件の下で想定される前記運転状態のときの前記所定の指標を抽出して前記教師データとする。

【0029】

このように構成すると、既存のデータを利用して教師データを作成することができ、教師データの作成時間を短縮することができる。

【0030】

また、本開示の第１３の態様に係る学習済みモデルの生成方法は、上記本開示の第１２の態様に係る学習済みモデルの生成方法において、前記教師データを生成する工程は、抽出しなかったデータ中の前記運転条件及び前記運転状態のうちの想定される前記運転条件及び前記運転状態に適合しない項目の値を適合する値に変更したうえでシミュレーションを行って前記教師データを生成する。

【0031】

このように構成すると、不足する教師データを効率よく補充することができる。

【0032】

また、本開示の第１４の態様に係る学習済みモデルの生成方法は、上記本開示の第８の態様乃至第１３の態様のいずれか１つの態様に係る学習済みモデルの生成方法において、前記運転条件は、前記熱需要設備の圧力損失係数を含み、前記教師データを生成する工程は、前記シミュレーションにおいて、前記圧力損失係数と前記熱媒体の流量とに基づいて前記熱需要設備における圧力損失を算出したうえで前記所定の指標を求める。

【0033】

このように構成すると、熱媒体の流量が変化した場合でも適切な運転状態を出力することができる学習済みモデルを生成することができる。

【0034】

また、本開示の第１５の態様に係る学習済みモデルは、熱需要設備に供給する熱媒体を冷却又は加熱する熱源機器と、前記熱源機器の運転に付随して稼働する熱源補機と、を備える熱源機システムの制御に用いられるコンピュータに搭載される学習済みモデルであって、前記熱源機システムの運転条件が入力される入力層と、前記熱源機システムの運転状態が出力される出力層と、前記運転条件を入力、所定の指標が条件に適う値となる前記運転状態を出力、とする教師データを用いてパラメータが学習された中間層と、を備え、前記熱源補機は、前記熱源機器を通過する前記熱媒体を流動させる熱媒体ポンプと、前記熱源機器において前記熱媒体と直接又は間接的に熱交換を行う熱源流体を前記熱源機器に供給する熱源流体供給装置と、を含み、前記運転条件は、前記熱需要設備の需要熱量又はこれに相関する物理量、及び外気温度又はこれに相関する物理量、のうちの少なくとも１つを含み、前記運転状態は、前記熱源機器の稼働状況、前記熱媒体ポンプが吐出する前記熱媒体の流量、及び前記熱源流体供給装置が供給する前記熱源流体の流量、のうちの少なくとも１つを含み、前記所定の指標は、前記熱源機器及び前記熱源補機の消費動力、前記熱源機器及び前記熱源補機の運転コスト、並びに前記熱源機器及び前記熱源補機の二酸化炭素排出量、のうちの少なくとも１つを含み、前記運転条件を前記入力層に入力し、前記中間層にて演算し、前記運転状態を前記出力層から出力するようにコンピュータを機能させる。

【0035】

このように構成すると、熱源機システムを、運転条件の変化に応じて適切な運転状態で応答よく運転させることが可能な学習済みモデルとなる。

【0036】

また、本開示の第１６の態様に係る熱源機システムは、上記本開示の第１５の態様に係る学習済みモデルを有する制御装置と、前記熱源機器と、前記熱源補機と、を備え、前記制御装置は、前記学習済みモデルが出力した運転状態となるように、前記熱源機器及び前記熱源補機を制御する。

【0037】

このように構成すると、熱源機システムを、運転条件の変化に応じて適切な運転状態で応答よく運転させることができる。

【発明の効果】

【0038】

本開示によれば、熱源機システムを、運転条件の変化に応じて適切な運転状態で応答よく運転させることができる。

【図面の簡単な説明】

【0039】

【図1】一実施の形態に係る熱源機システムの模式的系統図である。

【図2】一実施の形態に係る熱源機システムが備える制御モデルの機械学習処理に用いられる教師データを作成する手順を示すフローチャートである。

【図3】教師データを作成する際に仮定する運転条件を例示する図である。

【図4】教師データを作成する際に仮定する運転状態を例示する図である。

【図5】一部の既存データを流用して教師データを作成する手順を説明するフローチャートである。

【図6】第１の制御モデルの概略構成図である。

【図7】第２の制御モデルの概略構成図である。

【図8】一実施の形態に係る熱源機システムの制御装置の演算フローを示すブロック図である。

【発明を実施するための形態】

【0040】

以下、図面を参照して実施の形態について説明する。なお、各図において互いに同一又は相当する部材には同一あるいは類似の符号を付し、重複した説明は省略する。

【0041】

＜熱源機システムの構成例＞
まず図１を参照して、一実施の形態に係る熱源機システム１を説明する。図１は、熱源機システム１の模式的系統図である。熱源機システム１は、３台の熱源機１１、１２、１３と、３台の冷温水ポンプ２１、２２、２３と、３台の冷却塔３１、３２、３３と、３台の冷却水ポンプ４１、４２、４３と、制御装置７０と、を主要な構成として備えている。熱源機システム１は、各熱源機１１、１２、１３で冷却又は加熱した冷温水ＣＨを、熱需要設備９９に対して、要求に応じて供給するシステムである。熱需要設備９９の例として、エアハンドリングユニットやファンコイルユニット等の空調機器が挙げられる。冷温水ＣＨは、熱需要設備９９に冷熱又は温熱を搬送する媒体であり、熱媒体に相当する。冷温水ＣＨは、冷熱の媒体である冷水及び温熱の媒体である温水の総称であり、典型的には、熱需要設備９９で冷房が行われるときは冷水となり、熱需要設備９９で暖房が行われるときは温水となるものである。

【0042】

３台の熱源機１１、１２、１３は、冷温水ＣＨを冷却又は加熱する機器であり、熱源機器に相当する。以下、３台の熱源機を区別するために、それぞれ、第１熱源機１１、第２熱源機１２、第３熱源機１３、と呼称することがある。各熱源機１１、１２、１３は、種々の種類の機器を用いることができるが、本実施の形態では、第１熱源機１１及び第２熱源機１２が共に同じ特性を有する可変速ターボ冷凍機であり、第３熱源機１３が固定速ターボ冷凍機であるとして説明する。各熱源機１１、１２、１３は、入力された電力を利用して、冷温水ＣＨを冷却又は加熱することができる装置になっている。各熱源機１１、１２、１３が冷温水ＣＨから奪う熱量又は冷温水ＣＨに与える熱量を「処理熱量」ということとする。第１熱源機１１及び第２熱源機１２は、容量制御によって処理熱量を調節することができるようになっている。第３熱源機１３は、運転状態と停止状態とを切り替えて運転するものであり、処理熱量は定格か０のどちらかになる。各熱源機１１、１２、１３の運転台数並びに第１熱源機１１及び第２熱源機１２の運転容量を「稼働状況」ということとする。各熱源機１１、１２、１３は、稼働状況によって処理熱量が決まる。各熱源機１１、１２、１３は、流入及び流出する冷温水ＣＨの温度差及び圧力差を検出することができるようになっている。また、各熱源機１１、１２、１３は、冷温水ＣＨを冷却するために冷温水ＣＨから奪った熱を冷却水ＣＤに与え、冷温水ＣＨを加熱するための熱を冷却水ＣＤから奪うように構成されている。冷却水ＣＤは、各熱源機１１、１２、１３において、冷温水ＣＨとの間で冷媒（不図示）を介して間接的に熱交換を行う流体であり、熱源流体に相当する。

【0043】

３台の冷温水ポンプ２１、２２、２３は、各熱源機１１、１２、１３が作動することに付随して作動する機器であって熱源補機の一形態であり、かつ、冷温水ＣＨを流動させる機器であって熱媒体ポンプに相当する。以下、３台の冷温水ポンプを区別するために、それぞれ、第１冷温水ポンプ２１、第２冷温水ポンプ２２、第３冷温水ポンプ２３、と呼称することがある。各冷温水ポンプ２１、２２、２３は、入力された電力を利用して、冷温水ＣＨを流動させることができる装置になっている。各冷温水ポンプ２１、２２、２３は、本実施の形態では、インバータを有していて、吐出する冷温水ＣＨの流量を無段階に変化させることができるように構成されている。

【0044】

３台の冷却塔３１、３２、３３は、各熱源機１１、１２、１３が作動することに付随して作動する機器であって熱源補機の一形態であり、かつ、冷却水ＣＤを各熱源機１１、１２、１３に供給する機器であって熱源流体供給装置に相当する。以下、３台の冷却塔を区別するために、それぞれ、第１冷却塔３１、第２冷却塔３２、第３冷却塔３３、と呼称することがある。各冷却塔３１、３２、３３は、入力された電力を利用して、冷却水ＣＤと大気（外気）との間で熱交換を行わせることができる装置になっている。各冷却塔３１、３２、３３は、本実施の形態では、各熱源機１１、１２、１３の運転／停止に合わせて運転／停止が行われるが、ファンの回転速度を無段階に又は段階的に調節できるように構成されていてもよい。

【0045】

３台の冷却水ポンプ４１、４２、４３は、各熱源機１１、１２、１３が作動することに付随して作動する機器であって熱源補機の一形態であり、かつ、冷却水ＣＤを各熱源機１１、１２、１３に供給する機器であって熱源流体供給装置の一形態である。以下、３台の冷却水ポンプを区別するために、それぞれ、第１冷却水ポンプ４１、第２冷却水ポンプ４２、第３冷却水ポンプ４３、と呼称することがある。各冷却水ポンプ４１、４２、４３は、入力された電力を利用して、冷却水ＣＤを流動させることができる装置になっている。各冷却水ポンプ４１、４２、４３は、本実施の形態では、インバータを有していて、吐出する冷却水ＣＤの流量を無段階に変化させることができるように構成されている。

【0046】

第１熱源機１１は、第１冷温水往管１５を介して往ヘッダ１９と接続されていると共に、第１冷温水還管２５を介して還ヘッダ２９と接続されている。第１冷温水ポンプ２１は第１冷温水還管２５に設けられている。また、第１熱源機１１は、第１冷却水往管３５及び第１冷却水還管４５を介して第１冷却塔３１と接続されている。第１冷却水ポンプ４１は第１冷却水往管３５に設けられている。第２熱源機１２は、第２冷温水往管１６を介して往ヘッダ１９と接続されていると共に、第２冷温水還管２６を介して還ヘッダ２９と接続されている。第２冷温水ポンプ２２は第２冷温水還管２６に設けられている。また、第２熱源機１２は、第２冷却水往管３６及び第２冷却水還管４６を介して第２冷却塔３２と接続されている。第２冷却水ポンプ４２は第２冷却水往管３６に設けられている。第３熱源機１３は、第３冷温水往管１７を介して往ヘッダ１９と接続されていると共に、第３冷温水還管２７を介して還ヘッダ２９と接続されている。第３冷温水ポンプ２３は第３冷温水還管２７に設けられている。また、第３熱源機１３は、第３冷却水往管３７及び第３冷却水還管４７を介して第３冷却塔３３と接続されている。第３冷却水ポンプ４３は第３冷却水往管３７に設けられている。

【0047】

往ヘッダ１９は、各熱源機１１、１２、１３で冷却又は加熱された冷温水ＣＨを収集する部材である。往ヘッダ１９は、供給管９１を介して熱需要設備９９に接続されており、往ヘッダ１９に収集された冷温水ＣＨを熱需要設備９９に導くことができるようになっている。熱需要設備９９と還ヘッダ２９とは、回収管９２を介して接続されている。還ヘッダ２９は、熱需要設備９９で熱が利用された冷温水ＣＨを、回収管９２を介して流入させることができるようになっている。還ヘッダ２９に流入した冷温水ＣＨは、各熱源機１１、１２、１３の稼働状況に応じて、各熱源機１１、１２、１３に分配されるようになっている。このように、還ヘッダ２９は、冷熱又は温熱が利用された後の冷温水ＣＨを、各熱源機１１、１２、１３に分配する部材である。

【0048】

制御装置７０は、熱源機システム１の動作を司る装置である。制御装置７０は、各熱源機１１、１２、１３と通信線で結ばれている。制御装置７０は、各熱源機１１、１２、１３から運転情報のデータを受信することができるように構成されている。受信可能な運転データの例として、冷温水ＣＨの出口の温度及び圧力並びに入口の温度及び圧力、冷却水ＣＤの出口の温度及び圧力並びに入口の温度及び圧力、並びに消費電力等の全部又は一部が挙げられる。なお、本実施の形態では、流体の出入圧力差から流量を演算可能であるが、流量を直接検出することとしてもよい。また、制御装置７０は、各熱源機１１、１２、１３に制御信号を送信して、各熱源機１１、１２、１３の稼働状況を調節することができるように構成されている。また、制御装置７０は、各熱源機１１、１２、１３及び補機動力盤７５を介して、熱源補機の動作を制御することができるように構成されている。補機動力盤７５は、熱源補機の動作を制御する装置である。補機動力盤７５は、各熱源補機と信号線で結ばれている。補機動力盤７５は、各熱源機１１、１２、１３から受信した制御信号に基づいて、各冷温水ポンプ２１、２２、２３に対し、供給する動力を調節することで、発停及び吐出する冷温水ＣＨの流量を制御することができるように構成されている。また、補機動力盤７５は、各熱源機１１、１２、１３から受信した制御信号に基づいて、各冷却塔３１、３２、３３に対し、供給する動力を調節することで、発停を制御することができるように構成されている。また、補機動力盤７５は、各熱源機１１、１２、１３から受信した制御信号に基づいて、各冷却水ポンプ４１、４２、４３に対し、供給する動力を調節することで、発停及び吐出する冷却水ＣＤの流量を制御することができるように構成されている。

【0049】

制御装置７０は、さらに、外気温度を検出する外気温度計６１から温度情報の信号を受信して、外気温度を把握することができるように構成されている。なお、外気温度計６１は、各冷却塔３１、３２、３３の周囲の外気の温度を検出するように配置されていることが好ましい。また、制御装置７０は、熱需要設備９９における需要熱量の情報を信号として受け取ることで、熱需要設備９９における需要熱量を把握することができるように構成されている。また、制御装置７０は、制御モデル８０を有している。制御モデル８０は、運転状態を出力するために、運転条件を入力する、コンピュータに機械学習処理が施されたモデルである。ここで、運転状態とは、熱源機システム１で制御することが可能な、熱源機器及び熱源補機の運転の状態であり、具体例として、まず、各熱源機１１、１２、１３の発停の状態（換言すれば運転台数）及び処理熱量（換言すれば出力）が挙げられる。また、運転状態の他の例として、各冷温水ポンプ２１、２２、２３における冷温水ＣＨの吐出流量（流量０は停止状態）、各冷却塔３１、３２、３３の発停、各冷却水ポンプ４１、４２、４３における冷却水ＣＤの吐出流量（流量０は停止状態）が挙げられる。他方、運転条件とは、運転状態に影響する条件であり、基本的には熱源機システム１では制御することができない条件である。運転条件として、例えば、熱需要設備９９の需要熱量、外気温度、往ヘッダ１９から熱需要設備９９に向けて流出する冷温水ＣＨの目標温度、熱需要設備９９側の圧力損失係数等が挙げられる。また、運転条件として、熱源機システム１の作動の際に消費される資源（例えば、電気、水道、燃料等）の単価、この消費資源の単位消費量当たりの二酸化炭素排出量等が含まれる場合もある。熱源機システム１を構成する機器の動力に用いられる各種消費資源の単価の合計は、単位消費動力当たりのコストに相当する。また、熱源機システム１を構成する機器の動力に用いられる各種消費資源の単位消費量当たりの二酸化炭素排出量の合計は、単位消費動力当たりの二酸化炭素排出量に相当する。

【0050】

なお、運転条件に熱需要設備９９側の圧力損失係数を含めることで、次のような利点がある。まず、前提として、熱需要設備９９側の圧力損失は、熱需要設備９９を構成する空調機器の運転台数に応じて変化する冷温水ＣＨの総流量によって変化するが、これは冷温水ＣＨの総流量の二乗に比例する。本実施の形態では、この比例定数（係数）を「圧力損失係数」とし、これにより、熱需要設備９９側の圧力損失を、圧力損失係数に冷温水ＣＨの総流量の二乗を乗じることで求めることができる。そして、求めた熱需要設備９９側の圧力損失に基づいて、各冷温水ポンプ２１、２２、２３の動力を算出することができる。このため、運転状態が変わって熱需要設備９９側の冷温水ＣＨの流量が変わっても、各冷温水ポンプ２１、２２、２３の動力を正しく推定することができる。制御装置７０が制御モデル８０を有している理由として、以下の背景がある。

【0051】

従来のシステム制御の常套手段として、現に熱源機が運転している運転条件に対して様々な運転状態を仮定してシミュレーションを行ない、最適な運転状態を割り出して運転するものがある。しかし、制御できるパラメータが増えるに従い、演算の負荷が大きくなり、あらゆる運転状態を仮定して最適な運転状態を割り出すことはだんだんと難しくなっている。このため、実務的には、可変とするパラメータを絞ったり、様々な仮定を置いて演算量を減らしたり、あるいは演算周期を長くしたりといったことで対応している。このような制限された制御では、真に最適な運転状態で運転することは難しい。そこで、本実施の形態に係る熱源機システム１では、後述する機械学習処理を施した制御モデル８０を利用して、極力最適な運転状態とすることとしている。制御モデル８０を生成する手順を概観すると、まず教師データを作成し、作成した教師データを用いてコンピュータに機械学習処理を施す、ということになる。

【0052】

＜教師データの作成＞
図２は、教師データを作成する手順を示すフローチャートである。以下の説明において熱源機システム１の構成に言及しているときは、適宜図１を参照することとする。また、各熱源機１１、１２、１３を総称して熱源機器ということがある。また、各冷温水ポンプ２１、２２、２３、各冷却塔３１、３２、３３、及び各冷却水ポンプ４１、４２、４３を総称して熱源補機ということがある。本実施の形態では、教師データを作成するためにシミュレーションを用いることとしている。本実施の形態におけるシミュレーションは、典型的には、熱源機システム１の設置場所とは異なる場所で行われる。本実施の形態におけるシミュレーションは、与えられた運転条件と仮定した運転状態における所定の指標を見積もるために用いられる。ここで、所定の指標は、熱源機システム１のユーザーが熱源機システム１の運転において着目する基準である。所定の指標の例として、熱源機システム１を運転したときの熱源機器及び熱源補機の、消費動力、運転コスト、二酸化炭素排出量、等が挙げられる。なお、熱源機システム１のシミュレーション演算は、一般に再帰計算が必要であり、演算には一定の時間を要する。シミュレーションの結果を直接機器の制御に用いる従来の熱源機システムに搭載される演算装置は、設置スペース、消費電力、ノイズ環境、コスト等の問題から高性能の演算装置は採用しづらく、演算時間が長くなる傾向にある。しかし、図２に示す教師データの作成におけるシミュレーションに用いられる演算装置は、熱源機システム１が構築される現場に設置する必要がないことから高性能の演算装置を採用することができる。また、シミュレーション演算に十分な時間を取れるので、幅広い運転状態を仮定して最適な運転状態を探ることができるという利点もある。

【0053】

図２に示すように、教師データを作成するのに際し、まず、固定条件を用意する（Ｓ１）。固定条件とは、熱源機器及び熱源補機それぞれの消費エネルギ特性や圧力損失係数（熱需要設備９９側の圧力損失係数とは異なる）等の変動しない要素であり、当該熱源機器及び熱源補機に固有のものである。固定条件は、概ね、各機器の特性資料や流体の諸式（例えば、流量と圧損の関係式など）により用意することができる。固定条件を用意したら、運転条件を仮定する（Ｓ２）。運転条件は、適用が想定される範囲において仮定することができる。適用が想定される範囲（想定される運転条件）とは、例えば、現実に起こりそうにない外気温度７０℃のような条件は除外されることを意図している。仮定する運転条件の具体例として、図３中の運転条件「１」に示すように、熱需要設備９９の需要熱量６０００ｋＷ、外気温度２５℃、吐出される冷温水ＣＨの目標温度７℃、熱需要設備９９側の圧力損失係数２００ｋＰａ／１０００ＬＰＭ、等が挙げられる。加えて、仮定する運転条件の具体例として、電気料金１５円／ｋＷｈ、水道料金１５０円／ｍ^３を含んでもよい。また、図示は省略するが、電力二酸化炭素排出係数や水道二酸化炭素排出係数を含んでもよい。

【0054】

運転条件を仮定したら、運転状態を仮定する（Ｓ３）。運転状態も、適用が想定される範囲において仮定することができる。適用が想定される範囲（想定される運転状態）とは、例えば、熱源機の台数が３台のところ、実現不可能な５台運転のような状態は除外されることを意図している。仮定する運転状態の具体例として、図４中の運転状態「１」に示すように、３台の熱源機１１、１２、１３のすべてを運転し、３台の冷温水ポンプ２１、２２、２３における冷温水ＣＨの流量を１００％とすることが挙げられる。運転状態「１」では、加えて、３台の冷却塔３１、３２、３３のすべてを運転し、３台の冷却水ポンプ４１、４２、４３における冷却水ＣＤの流量を１００％とすることを仮定している。運転状態を仮定したら、仮定した運転条件及び仮定した運転状態の状況下での所定の指標を、シミュレーションにより算出する（Ｓ４）。この所定の指標の算出は、例えば以下の要領で行うことができる。

【0055】

まず、仮定した運転条件での各熱源機１１、１２、１３の運転台数と、各冷温水ポンプ２１、２２、２３の冷温水ＣＨの流量とから、冷温水ＣＨの総流量を求めることができる。そして、冷温水ＣＨの総流量と、仮定した運転条件における冷温水ＣＨの目標温度及び需要熱量から、冷温水ＣＨの戻り温度（熱源機器に入る冷温水ＣＨの温度）を求めることができる。次に、各熱源機１１、１２、１３に対する冷温水ＣＨの出入りの温度差と冷温水ＣＨの流量とから、各熱源機１１、１２、１３の負荷熱量を算出することができる。その後、各熱源機１１、１２、１３の効率（ＣＯＰ）を仮定して、処理熱量を求める。そして、処理熱量、各冷却水ポンプ４１、４２、４３における冷却水ＣＤの流量、及び外気温度から、各熱源機１１、１２、１３に入る冷却水ＣＤの温度が求まる。冷却水ＣＤの入口温度及び冷却水ＣＤの流量、並びに冷温水ＣＨの側の条件から、各熱源機１１、１２、１３の効率が求まる。ここで、各熱源機１１、１２、１３について、算出された効率と先に仮定された効率とが一致するように、反復計算（収束計算）を行う。これにより、各熱源機１１、１２、１３の効率が求まり、それにより各熱源機１１、１２、１３の消費電力、及び補給水量等を求めることができる。

【0056】

なお、熱源補機の動力に関し、例えば各冷温水ポンプ２１、２２、２３の消費電力は、次のようにして求めることができる。まず、冷温水ＣＨの流量と熱需要設備９９の側の圧力損失係数とから熱需要設備９９の側の圧力損失が求まり、さらに、固定条件として定義される各熱源機１１、１２、１３の圧力損失データから各熱源機１１、１２、１３の圧力損失が求められる。両方の圧力損失を合算することで各冷温水ポンプ２１、２２、２３の必要ヘッド（圧力）が求まり、これと冷温水ＣＨの流量とから、各冷温水ポンプ２１、２２、２３の消費動力を推定することができる。これと同様に他の熱源補機の消費電力も推定してこれらを合算することで、熱源機システム１全体の消費電力を求めることができる。また、水道消費量については、各熱源機１１、１２、１３における処理熱量を水の蒸発潜熱で除して求められる蒸発水量と、目標とする濃縮倍率とから計算することができる。なお、一般に行われているように冷却水ＣＤの流量に一定の係数（５％程度）を掛けて水道消費量を求めてもよい。このようにして、消費電力や水道消費量等が演算できれば、これに単位数量当たりのコストを掛け合わせて合算すれば運転コストが、二酸化炭素排出係数を掛け合わせて合算すれば二酸化炭素排出量を求めることができる。

【0057】

上述の要領で、仮定した運転条件及び仮定した運転状態における所定の指標を算出したら、当該運転条件での所定の指標を算出した数が充足しているか否かを判断する（Ｓ５）。ここで、所定の指標を算出した数が充足しているか、というのは、当該運転条件の下ではどのような運転状態とすべきなのかを複数の所定の指標を比較検討して決定すべきところ、好ましい運転状態を決定するのに足りる所定の指標が存在するかを問うている。これは、すなわち、当該運転条件の下で、運転状態を変えて所定の指標を算出する上述のシミュレーションを複数回行うことを意味している。ここまでの教師データを作成する手順の説明では、この運転条件において１つの運転状態でしか所定の指標を算出していないので、所定の指標を算出した数は充足していないこととなる。当該運転条件での所定の指標を算出した数が充足しているか否かを判断する工程（Ｓ５）において、充足していない場合、この運転条件の下で未使用の運転状態を仮定する（Ｓ６）。

【0058】

未使用の運転状態の例として、図４中の運転状態「２」に示すように、各熱源機１１、１２、１３及び第３冷温水ポンプ２３の運転状態を変えず、第１冷温水ポンプ２１及び第２冷温水ポンプ２２における冷温水ＣＨの流量を５０％に変えることが挙げられる。加えて、図４中の運転状態「２」に示すように、各冷却塔３１、３２、３３及び第３冷却水ポンプ４３の運転状態を変えず、第１冷却水ポンプ４１及び第２冷却水ポンプ４２における冷却水ＣＤの流量を５０％とすることが挙げられる。あるいは、別の未使用の運転状態の例として、図４中の運転状態「３」に示すように、運転状態「１」に対して、第３熱源機１３及び第３冷却塔３３を停止すると共に、第３冷温水ポンプ２３及び第３冷却水ポンプ４３を停止（流量０）することが挙げられる。なお、可変速ターボ冷凍機とした第１熱源機１１及び第２熱源機１２のそれぞれを流れる冷温水ＣＨ及び冷却水ＣＤの流量は、両熱源機１１、１２とも同じとすることが好ましい。その理由は、対称性を考えると両熱源機１１、１２を異なる条件で運転させることで省エネルギ化を図れる可能性が極めて小さいことなどから、演算負荷を抑えるためである。

【0059】

このように、当該運転条件において運転状態を変えていくのに際し、ある運転状態の見落としを回避するために、各運転状態の適用を組み合わせ（総当たり）で行うことが好ましい。このとき、各熱源機１１、１２、１３及び各冷却塔３１、３２、３３は、本実施の形態では、運転又は停止の二者択一のため組み合わせは限られる。他方、各冷温水ポンプ２１、２２、２３の冷温水ＣＨの流量及び各冷却水ポンプ４１、４２、４３の冷却水ＣＤの流量は、無段階で変化させることができるので組み合わせが極めて多くなり得る。この場合、例えば、各流量について、停止時（０％）以外の変化幅を、５０％～１００％の間で１０％刻み又は５％刻み等として組み合わせの数を抑制することができる。ただし、シミュレーションを行う前に、明らかに不適切な運転状態はシミュレーションを行う前、あるいは途中で除外するとよい。例えば、運転中の熱源機器の最大出力を合計しても当該運転条件の需要熱量を満たさなければ、シミュレーションを行わなくてよい。また、需要熱量、冷温水ＣＨの供給温度（熱源機器を出る冷温水ＣＨの温度）、及び冷温水ＣＨの流量から導かれる冷温水ＣＨの戻り温度（熱需要設備９９の出口温度）が、仕様の温度を超えてしまう場合も除外できる場合となる。また、冷却水ＣＤの温度が一定以上で冷却水ＣＤの流量の変流量制御が不要な場合等も、除外できる場合となる。

【0060】

上述の要領で未使用の運転状態を仮定したら、所定の指標を算出する工程（Ｓ４）に戻り、上述のフローに従う。そして、所定の指標が複数算出され、当該運転条件での所定の指標を算出した数が充足しているか否かを判断する工程（Ｓ５）において、充足している場合、当該運転条件において所定の指標が条件に適う値となる運転状態を特定する（Ｓ７）。ここで、所定の指標が条件に適う値とは、合理的に考えて選択する価値がある値であり、典型的には最適な値である。例えば、所定の指標が運転コストの場合は小さいほど好ましく、二酸化炭素排出量の場合は少ないほど好ましく、省エネ度の場合は高いほど好ましい。最適な所定の指標の値の判断の仕方は、いくつか考えられる。例えば、所定の指標が運転コストの場合、単純に最小のものを選んでもよく、最小のものから１～２％程度の範囲に入る（差異が誤差程度と考えられる）運転状態の中で、熱源機器及び冷却塔の運転台数が少ないなどの別の観点を加味してもよい。あるいは、所定の指標の適切な範囲の中の複数の値に加重平均をかけて、その所定の指標の値での運転状態を採用してもよい。あるいは、所定の指標の適切な範囲の中の複数の値（例えば上位３つ）に対応する運転状態の平均を運転状態として採用してもよい。

【0061】

所定の指標が条件に適う運転条件と運転状態との組みを特定したら、当該組みの数が必要数を充足しているか否かを判断する（Ｓ８）。ここで、当該組みの必要数は、制御モデル８０の生成に必要な教師データの数に相当し、モデルの構成によるが、一般に数百組～数千組程度とするとよい。当該組みの数が必要数を充足しているか否かを判断する工程（Ｓ８）において、充足していない場合、未使用の運転条件を仮定する（Ｓ９）。未使用の運転条件は、これまでに所定の指標が条件に適う運転条件と運転状態との組みの特定に用いられていない運転条件である。本実施の形態では、最終的に数百組～数千組程度の運転条件と運転状態との組みを特定するのに向けて、最終的に数百～数千程度の運転条件を仮定することとなる。

【0062】

このように比較的多くの運転条件を仮定する際に、すべての運転条件を仮定できればよいが、運転条件の項目が増えるのに従い、運転条件の数は掛け算で増大するため、膨大となる。また、運転条件はアナログ値であるために切り分けるステップにより生成される運転条件の数が決まってしまうため、一度生成した教師データで十分な機械学習ができなかった場合に、再度機械学習させる運転条件を作成するのが面倒である。そこで、本実施の形態では、シミュレーションを行うコンピュータが、運転条件をランダムに決定（乱数で作成）することとしている。すなわち、各運転条件を、変動し得る範囲で乱数により設定する。これを、未使用の運転条件を仮定する工程（Ｓ９）を行うたびに繰り返す。このようにすると、運転条件の数としては組み合わせ（総当たり）で特定する場合より少なくなっても、各項目（パラメータ）は満遍なく分布する。このため、運転条件を乱数により設定する場合は、組み合わせ（総当たり）で特定する場合よりデータ（データ作成時間）が少なくても、精度の高い制御モデル８０を作成することが可能な教師データを得ることができる。また、教師データを事後的に追加するために新たに運転条件を仮定する際に、必要な数だけ再度乱数でデータを作成すればよい。

【0063】

上述の要領で、未使用の運転条件を仮定したら、運転状態を仮定する工程（Ｓ３）に戻り、以降、上述のフローに従う。そして、所定の指標が条件に適う運転条件と運転状態との組みが複数特定され、当該組みの数が必要数を充足しているか否かを判断する工程（Ｓ８）において、充足している場合、教師データの作成を終了する。

【0064】

このようにして教師データを作成することができるが、他のシステムで利用したデータが存在し、そのデータが利用可能な場合は、例えば以下のようにして、教師データの作成を省力化することができる。その概要は、既存の熱源機システムのために作成済みの教師データと、新たな熱源機システム１のために作成しようとしている教師データとの相違点が、運転条件の範囲の一部の相違である場合に、残りの共通部分を流用することである。以下、具体例を挙げて説明する。

【0065】

図５は、一部の既存データを流用して教師データを作成する手順を説明するフローチャートである。この具体例では、新規に作成する教師データ（以下「新規データ」という。）が、熱源機の最大運転台数が３台、需要熱量が２００～６０００ｋＷ、所定の指標が条件に適う運転条件と運転状態との組み（以下「組データ」という。）が９０００件であるとする。そして、既存の教師データ（以下「既存データ」という。）は、熱源機の最大運転台数が５台、需要熱量が２００～１００００ｋＷ、組データが９０００件であったとする。まず、既存データから、新規データの内容に照らして、需要熱量が適合するものを抽出する（Ｓ１１）。これにより、既存データから、熱源機の最大運転台数が５台で、需要熱量が２００～６０００ｋＷのデータが抽出され、この例ではこのデータの数が６０００件であったことにする。次に、需要熱量で抽出した既存データを、熱源機の運転台数で振り分ける（Ｓ１２）。これにより、需要熱量は共に２００～６０００ｋＷであるが、このうち、熱源機の運転台数が３台以下のものと、熱源機の運転台数が３台超のものとに分けられる。この例では、熱源機の運転台数が３台以下のものが５０００件あり、熱源機の運転台数が３台超のものが１０００件あったことにする。このうち、熱源機の運転台数が３台超のものは、熱源機の台数が３台である新規データには適合しないので、このままでは新規データとして利用できない。しかし、この例では、これを無条件に除外するのではなく、運転条件は引き継ぎ、運転状態を新規データに適合する値に変えたうえで、シミュレーションを行って組データを作成する（Ｓ１３）。これにより、既存データを参考にして、熱源機の最大運転台数が３台で、需要熱量が２００～６０００ｋＷのデータが１０００件作成される。次に、既存データから抽出した５０００件のデータと、既存データを参考にして作成された１０００件のデータとを合計する（Ｓ１４）。これにより、熱源機の最大運転台数が３台で、需要熱量が２００～６０００ｋＷの、６０００件のデータを得ることができる。この時点で、求める新規データには、３０００件が不足している。そこで、熱源機の最大運転台数が３台で、需要熱量が２００～６０００ｋＷの新たな組データを、新規に３０００件作成する（Ｓ１５）。この新たな３０００件のデータを作成する際は、前述のように、運転条件をランダムに設定するとよい。最後に、この新たに作成した３０００件のデータを、既存データに基づいて得られた６０００件のデータに追加する（Ｓ１６）。これにより、熱源機の最大運転台数が３台、需要熱量が２００～６０００ｋＷの、組データが９０００件得られる。これを新たな熱源機システム１の制御モデル８０に適用するための教師データとして用いればよい。このようにして、新規データの作成負担を軽減することができる。

【0066】

なお、これまで説明した教師データの作成は、汎用的な計算機で、プログラムを作成して自動的に行うことができるのは言うまでもない。

【0067】

＜制御モデル（学習済みモデル）の生成＞
教師データを作成したら、その教師データを用いてコンピュータに機械学習処理を施して、制御モデル８０を作成する。本実施の形態では、教師データとして多数（数百組～数千組程度）作成した、所定の指標が条件に適う運転条件と運転状態との組みのそれぞれについて、運転条件を入力、運転状態を出力としてコンピュータに機械学習処理を施し、制御モデル８０を作成する。制御モデル８０は、種類や機械学習の方法について、提唱されている多種多様な方法のうち適切なものを用いることができるが、本実施の形態ではニューラルネットワークを用いたものであるとして説明する。ニューラルネットワークは、一般に、入力層、中間層、出力層のパーセプトロン（演算子）を設け、前段のパーセプトロンの出力に、後段のパーセプトロンが重み係数を掛けて合算し、活性化関数を通して新たな出力とすることで演算が行われる。制御モデル８０は、多数の数値入力から多数の数値を導出するモデルになっている。ここで、ニューラルネットワークの出力層は、確率値で表されるのが一般的であるため、実数（小数）として出力されることとなる。すると、出力される運転状態のうち、本来整数であるべき運転台数も、整数ではなく実数（小数）として出力されることとなる。したがって、実際の運転状態を定めるには、四捨五入や切り上げといった整数化の処理が必要になるが、そうすると運転台数が制御モデル８０の出力とは異なってしまうことになるため、その状態が最適であるとは言い切れなくなってしまう。そこで、本実施の形態では、制御モデル８０を、出力する運転状態のうち運転台数を整数値で出力する第１の制御モデルと、第１の制御モデルが出力した運転台数の整数値を運転条件の１つとして入力する第２の制御モデルとに分けることとしている。

【0068】

図６は第１の制御モデル（以下「第１制御モデル８１」という。）の概略構成図である。図７は第２の制御モデル（以下「第２制御モデル８２」という。）の概略構成図である。図６に示すように、第１制御モデル８１は、入力層と、中間層と、出力層とを備えており、入力層には運転条件が入力され、出力層からは運転状態が出力されるように構成されている。第１制御モデル８１は、入力層に入力される運転条件として、図３に例示した各項目（需要熱量、外気温度、冷温水ＣＨの目標温度、など）に加え、電力二酸化炭素排出係数と、水道二酸化炭素排出係数と、を含んでいる。なお、電力二酸化炭素排出係数は、単位消費動力当たりの二酸化炭素排出量であり、水道二酸化炭素排出係数は、単位消費水量当たりの二酸化炭素排出量である。入力層に入力される運転条件に消費資源の単価や単位消費量当たりの二酸化炭素排出量を含めることで、次のような利点がある。前提として、これらは、変動するとしても一般に数か月から数年の単位で変動するもので、数分から長くても数時間で変動する需要熱量や外気温度などとは異なる。そのため、従来のシミュレーションを用いた制御では、これらを固定条件として扱い、変動した場合に変更することが合理的であった。しかし、仮に、本実施の形態においてこれらを固定条件として扱うと、変動した場合に制御モデル８０を作り直す（再度機械学習処理を施す）こととなる。そこで、本実施の形態では、これらを運転条件として、変動した場合であっても制御モデル８０を作り直さなくて済むようにしている。このことは、近年検討されているような電力の変動価格制が導入された場合や、電力調達の多様化などによりエネルギ原価が日ごと変化するようなユーザーにとっても大きなメリットがある。

【0069】

また、図６に示すように、第１制御モデル８１は、出力層に出力される運転状態として、固定速ターボ冷凍機の運転台数及び可変速ターボ冷凍機の運転台数に加え、これら各種冷凍機それぞれの冷温水ＣＨの流量及び冷却水ＣＤの流量を含んでいる。なお、前述のように、固定速ターボ冷凍機は図１中の第３熱源機１３が対応し、可変速ターボ冷凍機は第１熱源機１１及び第２熱源機１２が対応する。したがって、固定速ターボ冷凍機の運転台数は０台又は１台となり、可変速ターボ冷凍機の運転台数は０台又は１台又は２台となり、いずれも整数値となる。また、各冷却塔３１、３２、３３の運転台数は各熱源機１１、１２、１３の運転台数と整合するため、図６では冷却塔の表示を省略している。つまり、各熱源機１１、１２、１３の運転台数と各冷却塔３１、３２、３３の運転台数とは、同じ整数値となる。また、図６に示す出力層の固定速ターボ冷凍機運転冷温水流量は、第３冷温水ポンプ２３の流量であり、本実施の形態では、０％又は５０～１００％のうちのいずれかの値（連続値）となる。同様に、可変速ターボ冷凍機運転冷温水流量は第１冷温水ポンプ２１及び第２冷温水ポンプ２２の総流量である。また、固定速ターボ冷凍機運転冷却水流量は第３冷却水ポンプ４３の流量であり、可変速ターボ冷凍機運転冷却水流量は第１冷却水ポンプ４１及び第２冷却水ポンプ４２の総流量である。これら各ポンプの流量のレンジは、本実施の形態では、０％又は５０～１００％のうちのいずれかの値（連続値）である。

【0070】

ここで、第１制御モデル８１の出力層は、上述の趣旨に照らせば、本来、出力を小数値とすることに馴染まない運転台数のみを出力できればよいので、運転台数以外の流量等は、出力層への出力に含まれなくてもよい。しかし、実際には各熱源機の運転台数と冷温水流量（すなわち熱源機ごとの負荷）とは密接な関係があるので、冷温水流量等を出力に加えておいた方が、中間層にこれと関連の深いパーセプトロンが生じ、学習が効率よく進む場合がある。これらは、複数の制御モデルに同じ学習用教師データを与えて学習させ、その学習結果等から最適なモデルを判断すればよい。なお、ここで出力に流量などを加えて学習させた場合、後述するように第２制御モデル８２の学習時間を短縮できる場合がある。ニューラルネットワークの場合、モデルの学習とは、教師データの入力データと出力データとが一致するように、中間層のパーセプトロンの重み係数を調整することを意味する。その手順としては、まず教師データを「学習用」と「検証用」とに分離し、学習用のデータを用いて、逆伝播と呼ばれる手法で重み係数を調整し、検証用のデータを用いてその精度を確認し、不十分であれば再度重み係数を調整する、というのが一般的である。なお、学習を繰り返しても必要な精度が得られない場合、前述したように、運転条件をランダムに仮定して教師データを新たに生成し、新たな教師データを用いて追加学習を行うことができる。

【0071】

図７に示すように、第２制御モデル８２も、入力層と、中間層と、出力層とを備えており、入力層には運転条件が入力され、出力層からは運転状態が出力されるように構成されている。第２制御モデル８２は、入力層に入力される運転条件として、第１制御モデル８１の入力層に入力される各項目（図６参照）に加え、第１制御モデル８１の出力層に出力された各熱源機（及び連動する各冷却塔）の運転台数を含んでいる。この第２制御モデル８２の入力層に入力される各熱源機等の運転台数の値は、整数値となる。他方、第２制御モデル８２の出力層に出力される運転状態は、固定速ターボ冷凍機の運転台数及び可変速ターボ冷凍機の運転台数は含まれておらず、固定速ターボ冷凍機及び可変速ターボ冷凍機それぞれの冷温水ＣＨの流量及び冷却水ＣＤの流量となる。第２制御モデル８２の出力層に出力されるこれらの値は、本実施の形態では、第１制御モデル８１の出力層にも出力されているが、第１制御モデル８１の出力層に出力された対応する値と異なる場合がある。その理由は、上述のように、第２制御モデル８２は、入力層に入力される各熱源機等の運転台数の値を整数値に制限しているためである。このため、第２制御モデル８２は、各熱源機等の運転台数を実数（小数を含む）で出力した場合に比べて、現実に即した状態でより所定の指標が条件に適う、冷温水ＣＨの流量及び冷却水ＣＤの流量等の運転状態を出力することができることとなる。

【0072】

前述のように、第１制御モデル８１の出力に第２制御モデル８２の出力の内容を含めた場合は、両モデル８１、８２の中間層を同じ構成としたうえで、第１制御モデル８１の中間層の係数を、第２制御モデル８２の中間層の係数の初期値として使用するとよい。これは、いわゆる「転移学習」の一種で、第１制御モデル８１と第２制御モデル８２との差異は入力に運転台数があるか否かだけになるので、中間層は原理的に似通った係数を持つことになる。したがって、上述のように、両モデル８１、８２の中間層を同じ構成とし、第１制御モデル８１の中間層の係数を第２制御モデル８２の中間層の係数の初期値として使用することで、第２制御モデル８２を生成する際の学習時間を大幅に短縮できる場合がある。なお、第１制御モデル８１及び第２制御モデル８２は、概念上区別したものであり、物理的には別体に構成されていても渾然一体に構成されていてもよい。

【0073】

制御モデル８０（第１制御モデル８１と第２制御モデル８２とに分かれている場合を含む）は、最適化したい所定の指標ごとに作成することが好ましい。例えば、運転コストを最小化するモデル、二酸化炭素排出量を最小化するモデル、等をそれぞれ作成するとよい。このようにすると、状況に応じて制御モデル８０を切り替えて使用することが可能になり、より適切な熱源機システム１の運転が可能になる。

【0074】

上述のように構成された（生成された）制御モデル８０（第１制御モデル８１と第２制御モデル８２とに分かれている場合を含む）は、熱源機システム１の制御装置７０に搭載される。制御モデル８０が搭載された制御装置７０は、制御モデル８０が出力した運転状態となるように、熱源機システム１を構成する熱源機器や熱源補機の動作を制御するように構成されている。以下に、制御装置７０の制御を含めた、熱源機システム１の作用を説明する。

【0075】

＜熱源機システムの作用＞
図８は、熱源機システム１の制御装置７０の演算フローを示すブロック図である。以下、図１及び図８を主に参照し、図２～図７を適宜参照して、熱源機システム１の作用を説明する。熱源機システム１の運転中は、各熱源機１１、１２、１３のうちの必要なものが稼働し、これに連動して各冷温水ポンプ２１、２２、２３、各冷却塔３１、３２、３３、各冷却水ポンプ４１、４２、４３のうちの必要なものが作動する。差し当たり、状況の複雑化を回避するために、各熱源機１１、１２、１３及びこれらに付随する熱源補機のすべてが作動するものとして説明する。

【0076】

各冷温水ポンプ２１、２２、２３の作動により、還ヘッダ２９から各冷温水還管２５、２６、２７を介して冷温水ＣＨが各熱源機１１、１２、１３に流入する。各熱源機１１、１２、１３に流入した冷温水ＣＨは、冷却（冷房時）又は加熱（暖房時）され、典型的には周囲環境温度との差が大きくなる方向に温度が調節される。各熱源機１１、１２、１３で温度が調節された冷温水ＣＨは、各冷温水往管１５、１６、１７を介して往ヘッダ１９へ搬送される。往ヘッダ１９に流入した冷温水ＣＨは、二次ポンプ（不図示）によって、供給管９１を流れて熱需要設備９９に供給され、その後回収管９２を流れて還ヘッダ２９に流入するように、流動する。熱需要設備９９に供給された冷温水ＣＨは、熱負荷処理に利用されることで周囲環境温度との差が小さくなる方向に温度が変化する。

【0077】

他方、各冷却水ポンプ４１、４２、４３の作動により、各冷却塔３１、３２、３３から各冷却水往管３５、３６、３７を介して冷却水ＣＤが各熱源機１１、１２、１３に流入する。各熱源機１１、１２、１３に流入した冷却水ＣＤは、各熱源機１１、１２、１３内の冷媒と熱交換した後、各冷却水還管４５、４６、４７を介して各冷却塔３１、３２、３３に戻る。熱源機システム１を構成する各機器の動作は、前述のように、制御装置７０が、各熱源機１１、１２、１３の発停を制御している。そして、各熱源機１１、１２、１３の動作に基づいて、補機動力盤７５が、各冷却塔３１、３２、３３の発停並びに各冷温水ポンプ２１、２２、２３及び各冷却水ポンプ４１、４２、４３の吐出流量を制御している。熱源機システム１がこのように運転している際、制御装置７０は、運転状態が適切になるように（典型的には最適になるように）、以下の要領で制御する。

【0078】

制御装置７０は、外気温度計６１から温度情報を受け取る。また、制御装置７０は、各熱源機１１、１２、１３から温度及び圧力の情報を受け取って、熱需要設備９９の需要熱量、冷温水ＣＨの流量、及び熱需要設備９９の圧力損失を計測する。そして、制御装置７０は、熱需要設備９９の圧力損失と冷温水ＣＨの流量とから、熱需要設備９９の圧力損失係数を算出する。また、制御装置７０は、熱需要設備９９から冷温水ＣＨの目標温度に関する情報を受け取る。他方、制御装置７０には、設定値として、電力単価、水道料金、電力二酸化炭素排出係数、及び水道二酸化炭素排出係数が入力されて保持されている。これらの設定値は、前述のように、一般に、短期間で変化するものではないため、変化したときに修正すれば足りることが多い。制御装置７０は、特定したこれらの値を運転条件として制御モデル８０に入力する。

【0079】

制御モデル８０は、運転条件が入力されると、学習済みのアルゴリズムに基づいて処理を行い、適切な運転状態を出力する。一般に、特にニューラルネットワークを用いた数理モデルの学習（逆伝播計算）には、いわゆるＧＰＵのような計算素子など、非常に高い計算能力が要求されるが、学習済みモデルを用いた推論（順伝播計算）では、そこまで高い計算能力は要求されない。したがって、学習済みモデルを用いた推論では、専用の計算素子などを使用する場合であっても、比較的安価で消費電力等も小さな計算装置で十分に演算することができる。これを本実施の形態に照らせば、学習済みのアルゴリズムに基づいて推論を行う制御モデル８０は、教師データ作成時にシミュレーションを行うのに比べて計算負荷が小さく、現場への設置にも適している。

【0080】

制御モデル８０は、運転条件が入力されると、まず、第１制御モデル８１（図６参照）にその運転条件を入力する。運転条件が入力された第１制御モデル８１は、学習済みのアルゴリズムに基づいて処理を行い、出力を整数化して、各熱源機１１、１２、１３の運転台数を決定する。なお、このとき、出力の精度を向上させるために、前述のように、冷温水ＣＨの流量及び冷却水ＣＤの流量も併せて出力するとよい。ただし、第１制御モデル８１が出力した冷温水ＣＨの流量及び冷却水ＣＤの流量は、熱源機システム１の制御に直接用いられることが想定されたものではない。制御モデル８０は、第１制御モデル８１の出力を得たら、第２制御モデル８２（図７参照）に対し、第１制御モデル８１に入力した運転条件と、第１制御モデル８１から出力された各熱源機１１、１２、１３の運転台数の整数値と、を入力する。運転台数の整数値及び運転条件が入力された第２制御モデル８２は、学習済みのアルゴリズムに基づいて処理を行い、冷温水ＣＨの流量及び冷却水ＣＤの流量を出力する。本実施の形態では、第１制御モデル８１において運転台数を整数値で出力しているので、当該整数値の出力をそのまま実際の制御に当て嵌めることができる。また、運転台数の整数値を第２制御モデル８２の入力に含めているので、第２制御モデル８２の出力の精度を向上させることができる。

【0081】

制御装置７０は、第１制御モデル８１で出力された運転台数になるように各熱源機１１、１２、１３の運転を制御する。また、制御装置７０は、第２制御モデル８２で出力された冷温水ＣＨの流量及び冷却水ＣＤの流量となるように、各冷温水ポンプ２１、２２、２３及び各冷却水ポンプ４１、４２、４３の吐出流量を制御する。制御モデル８０の出力にしたがって熱源機システム１を構成する各機器を制御することにより、消費動力、運転コスト、二酸化炭素排出量等の所定の指標のうちユーザーが設定したものが条件に適うように（例えば最小になるように等）運転することができる。このような制御モデル８０を用いた演算及びその出力に基づく各機器の制御は、運転状態が急変することを避けるために、例えば台数の変化を段階的に行ったり、流量の指令値を徐々に変化させたりしてもよい。また、制御モデル８０における演算及びこの出力に基づく運転台数や流量の調節は、所定の間隔で行うこととするとよい。所定の間隔は、制御モデル８０における演算時間（又は演算負荷）と、熱源機システム１の制御の精度とを勘案し、状況に応じて適宜決定することができる。所定の間隔の例として、３分、５分、１０分、１５分、３０分等が挙げられる。ただし、例えば、需要熱量が設定された以上の変化をした場合や、その他の運転条件が大きく変化した場合などは、あらかじめ設定した所定の間隔以外のタイミングで、制御モデル８０を用いた演算及びその出力に基づく各機器の制御演算を行ってもよい。

【0082】

なお、制御装置７０は、所定の指標の種類に応じた複数の制御モデル８０を搭載し、ユーザーの設定や指示により適切な制御モデル８０に適宜切り替えることとしてもよい。例えば、制御モデル８０を、条件に適う所定の指標として、消費動力が最小のものと、運転コストが最小のものと、二酸化炭素排出量が最小のものと、の複数設け、状況に応じて切り替えることとしてもよい。また、１つの制御モデル８０を生成する際の所定の指標は１種類に限定されず、例えば、運転コストが最小のものから５％の範囲の中で二酸化炭素排出量が最小のものの制御モデル８０を、制御装置７０が有していてもよい。この場合、運転コストが第１の所定の指標（優先度が最も高い指標）に相当し、二酸化炭素排出量が第２の所定の指標（優先度が２番目に高い指標）に相当する。

【0083】

また、制御装置７０は、熱源機システム１を構成する機器を制御するための運転状態のすべてを制御モデル８０の出力に求めることに代えて、一部の運転状態を制御モデル８０の出力に基づいて制御することとしてもよい。この場合、残りの運転状態は、制御装置７０で行われたシミュレーション結果に基づいて、又は制御装置７０にあらかじめ規定されたルールベースにより、制御することとしてもよい。例えば、各熱源機１１、１２、１３の運転台数及び各冷温水ポンプ２１、２２、２３における冷温水ＣＨの流量を制御モデル８０の出力に基づいて制御し、各冷却水ポンプ４１、４２、４３における冷却水ＣＤの流量をルールベースにより制御することとしてもよい。

【0084】

以上で説明したように、本実施の形態に係る熱源機システム１によれば、制御モデル８０の出力に基づいて構成機器を制御しているので、運転条件の変化に応じた適切な運転状態で応答よい運転を行うことができる。また、運転台数を整数値で出力する第１制御モデル８１と当該整数値を入力に含める第２制御モデル８２とを備えているので、実際の運転に則した適切な運転状態を維持することができる。また、運転条件に熱需要設備９９の側の圧力損失係数を含んでいる場合は、熱需要設備９９に供給される冷温水ＣＨの流量が変化した場合でも、適切な運転を行うことができる。

【0085】

＜その他＞
以上の説明では、熱源機器として、第１熱源機１１及び第２熱源機１２が可変速ターボ冷凍機であり、第３熱源機１３が固定速ターボ冷凍機であるとした。しかしながら、熱源機器は、ターボ冷凍機以外の、吸収冷凍機、冷温水発生機、ヒートポンプ等、用途に応じて種々の熱源機器を用いることができる。また、以上の説明では、第１熱源機１１及び第２熱源機１２が共に同じ特性を有する同種の機器であるとしたが、異なる特性を有する同種の機器であってもよく、異種の機器であってもよい。また、以上の説明では、熱源機器として３台の熱源機１１、１２、１３を備えることとしたが、熱源機器の合計台数は３台に限らず、用途に応じて３台よりも多くても少なくてもよい。例えば、異種の機器について３台を超えて備えることとしてもよく、同種の機器を複数台（例えば２台又は３台等）ずつ複数種類備えることとしてもよい。

【0086】

以上の説明では、各熱源機１１、１２、１３が、流入及び流出する冷温水ＣＨの温度差及び圧力差を検出することができるようになっていることとした。しかしながら、各熱源機１１、１２、１３が温度及び圧力を検出する計器を備える代わりに、近傍の配管に温度及び圧力を検出する計器を設けることとしてもよい。

【0087】

以上の説明では、熱源流体供給装置として冷却塔３１、３２、３３を備え、熱源流体が冷却水ＣＤであるとした。しかしながら、熱源流体供給装置が空冷のヒートポンプチラーであり、熱源流体が空気であってもよい。この場合、空冷のヒートポンプチラーが熱源機器と熱源流体供給装置とを兼ねることとなり、換言すれば熱源機器と熱源流体供給装置とが典型的には物理的に一体に（１つの筐体に収容されて）構成されることとなる。

【0088】

以上の説明では、制御装置７０が補機動力盤７５を介して間接的に熱源補機を制御することとしたが、制御装置７０が熱源補機を直接制御することとしてもよい。

【0089】

以上の説明では、教師データを作成する際に、仮定した運転条件に対して変化させる運転状態を組み合わせ（総当たり）で行うことが好ましいとしたが、変化させる運転状態をランダムに設定することとしてもよい。しかしながら、前述したように、特定の運転状態の見落としを回避するために、変化させる運転状態を組み合わせ（総当たり）で設定することが好ましい。

【0090】

以上の説明では、運転条件を仮定する前に固定条件を用意することとしたが、固定条件として例示列挙した項目を運転条件として扱うこととしてもよい。この場合、図２に示すフローチャート中の固定条件を用意する工程（Ｓ１）が省略されることとなる。

【0091】

以上の説明では、入力層に入力される運転条件に含まれる項目が、需要熱量、外気温度、冷温水ＣＨの目標温度、熱需要設備９９側の圧力損失係数、消費資源単価、及び単位二酸化炭素排出量であるとしたが、入力項目は適宜増減してもよい。例えば、油やガス等の燃料を燃焼させて熱源を得る熱源機器（例えば吸収冷凍機）を備える場合は、燃料単価を入力項目に含めることとしてもよい。反対に、熱需要設備９９側の圧力損失係数やその他を入力項目から除外してもよい。しかしながら、熱需要設備９９側の圧力損失係数を入力項目に含めると、熱需要設備９９側の冷温水ＣＨの流量が変わっても、各冷温水ポンプ２１、２２、２３の動力を正しく推定することができるという利点がある。また、運転条件として入力される需要熱量は、これ自身の値に代えて、需要熱量に相関する物理量を運転条件として入力してもよい。需要熱量に相関する物理量として、例えば、冷温水ＣＨの戻り温度（各熱源機１１、１２、１３に流入する冷温水ＣＨの温度）等が挙げられる。また、運転条件として入力される外気温度は、これ自身の値に代えて、外気温度に相関する物理量を運転条件として入力してもよい。外気温度に相関する物理量として、例えば、冷却水ＣＤの入口温度（各熱源機１１、１２、１３に流入する冷却水ＣＤの温度）や、冷却塔３１、３２、３３の下部水槽の温度等が挙げられる。

【0092】

以上の説明では、第１制御モデル８１が出力した整数値を熱源機システム１の制御に利用するものが、各熱源機１１、１２、１３の運転台数であるとした。しかしながら、各冷温水ポンプ２１、２２、２３及び／又は各冷却水ポンプ４１、４２、４３が台数制御を行うように構成され、これらの運転状態として整数値での出力が求められる場合は、これらの運転状態として第１制御モデル８１の出力を利用してもよい。他方、各熱源機１１、１２、１３が出力を無段階で調節可能（例えば、最大出力の５０％～１００％で運転可能）で容量制御を行うように構成されている場合は、第１制御モデル８１を省略して第２制御モデル８２の出力を制御に利用することとしてもよい。

【符号の説明】

【0093】

１ 熱源機システム
１１、１２、１３ 熱源機（熱源機器）
２１、２２、２３ 冷温水ポンプ（熱源補機、熱媒体ポンプ）
３１、３２、３３ 冷却塔（熱源補機、熱源流体供給装置）
４１、４２、４３ 冷却水ポンプ（熱源補機、熱源流体供給装置）
７０ 制御装置
８０ 制御モデル（学習済みモデル）
８１ 第１制御モデル（学習済みモデル）
８２ 第２制御モデル（学習済みモデル）
９９ 熱需要設備
ＣＤ 冷却水（熱源流体）
ＣＨ 冷温水（熱媒体）

【図1】

【図2】

【図3】

【図4】

【図5】

【図6】

【図7】

【図8】