特開 2024-27986 制御装置

(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】P2024027986

(43)【公開日】2024-03-01

(54)【発明の名称】制御装置

(51)【国際特許分類】

   F24F 11/46 20180101AFI20240222BHJP

   F24F 11/62 20180101ALI20240222BHJP

   F24F 11/70 20180101ALI20240222BHJP

   G06N 20/00 20190101ALI20240222BHJP

   F24F 110/70 20180101ALN20240222BHJP

   F24F 110/10 20180101ALN20240222BHJP

   F24F 110/20 20180101ALN20240222BHJP

   F24F 140/60 20180101ALN20240222BHJP

【ＦＩ】

F24F11/46

F24F11/62

F24F11/70

G06N20/00

F24F110:70

F24F110:10

F24F110:20

F24F140:60

【審査請求】未請求

【請求項の数】3

【出願形態】ＯＬ

(21)【出願番号】P 2022131257

(22)【出願日】2022-08-19

(71)【出願人】

【識別番号】593063161

【氏名又は名称】株式会社ＮＴＴファシリティーズ

(74)【代理人】

【識別番号】110000578

【氏名又は名称】名古屋国際弁理士法人

(72)【発明者】

【氏名】笹倉 康佑

(72)【発明者】

【氏名】小松 正佳

(72)【発明者】

【氏名】中満 達也

【テーマコード（参考）】

3L260

【Ｆターム（参考）】

3L260BA42

3L260BA75

3L260CA12

3L260CA13

3L260CA17

3L260CA32

3L260CA33

3L260CB61

3L260CB63

3L260DA11

3L260EA03

3L260EA04

3L260EA07

3L260EA22

3L260FA03

(57)【要約】

【課題】空調電力の消費削減を図りやすくする制御装置を提供する。
【解決手段】空調機の動作状況の情報および設定温度の情報を含む空調機情報を少なくとも取得する取得部１１と、室内の室温の情報、湿度の情報および二酸化炭素情報の少なくとも１つを含む室内環境情報を推定するための機械学習を行った学習済みの第１学習モデルに、少なくとも取得部１１が取得した空調機情報を入力することで室内環境情報を推定する第１推定部１２と、消費エネルギ量を推定するための機械学習を行った学習済みの第２学習モデルに、少なくとも取得部１１が取得した空調機情報、および、第１推定部１２により推定された室内環境情報入力することで空調機の消費エネルギ量を推定する第２推定部１３と、が設けられたことを特徴とする。
【選択図】 図１

【特許請求の範囲】

【請求項1】

空調機の制御を行う制御装置であって、
前記空調機の動作状況の情報および設定温度の情報を含む空調機情報を少なくとも取得する取得部と、
室内の室温の情報、湿度の情報および二酸化炭素情報の少なくとも１つを含む室内環境情報を推定するための機械学習を行った学習済みの第１学習モデルに、少なくとも前記取得部が取得した前記空調機情報を入力することで前記室内環境情報を推定する第１推定部と、
消費エネルギ量を推定するための機械学習を行った学習済みの第２学習モデルに、少なくとも前記取得部が取得した前記空調機情報、および、前記第１推定部により推定された前記室内環境情報入力することで前記空調機の消費エネルギ量を推定する第２推定部と、が設けられたことを特徴とする制御装置。

【請求項2】

前記設定温度は異なる複数の値を有し、
前記第１推定部および前記第２推定部は、値の異なる複数の前記設定温度ごとに前記室内環境情報および前記消費エネルギ量を推定することを特徴とする請求項１記載の制御装置。

【請求項3】

前記第１推定部により推定された前記室内環境情報に含まれる前記室温が予め定められた室温の範囲に含まれ、前記第２推定部により推定された前記消費エネルギ量が最も少ない前記設定温度の値を選択する選択部を更に有することを特徴とする請求項２記載の制御装置。

【発明の詳細な説明】

【技術分野】

【0001】

本発明は、空調機の制御装置に関する。

【背景技術】

【0002】

近年、建築業界において消費電力の削減に対するニーズが高まっている。ビルディングなどの建築物における消費電力の約４割は、空調機に関連する機器において消費されている。そのため、空調機に関連する機器に対する消費電力を削減する技術への期待が大きくなっている。

【0003】

上述のビルにおける空調を行う電力の消費削減を推進する技術として、シミュレーション技術が提案されている（例えば、特許文献１参照。）。例えば、機械学習を行ったシミュレーションモデルを用いて空調に用いられる電力の消費量をシミュレーションし、電力消費の削減を推進する技術が提案されている。

【先行技術文献】

【特許文献】

【0004】

【特許文献1】特開２０１２－１４９８３９号公報

【発明の概要】

【発明が解決しようとする課題】

【0005】

しかしながら、上述のように電力の消費量をシミュレーションするには、高度なスキルが求められるとともに、演算に用いられる時間が膨大となっていた。その結果、シミュレーション技術の導入や普及を図りにくくなり、空調電力の消費削減を図りにくいという問題があった。

【0006】

本発明は、上記の課題を解決するためになされたものであって、空調電力の消費削減を図りやすくする制御装置を提供することを目的とする。

【課題を解決するための手段】

【0007】

上記目的を達成するために、本発明は、以下の手段を提供する。
本発明の制御装置は、空調機の制御を行う制御装置であって、前記空調機の動作状況の情報および設定温度の情報を含む空調機情報を少なくとも取得する取得部と、室内の室温の情報、湿度の情報および二酸化炭素情報の少なくとも１つを含む室内環境情報を推定するための機械学習を行った学習済みの第１学習モデルに、少なくとも前記取得部が取得した前記空調機情報を入力することで前記室内環境情報を推定する第１推定部と、前記消費エネルギ量を推定するための機械学習を行った学習済みの第２学習モデルに、少なくとも前記取得部が取得した前記空調機情報、および、前記第１推定部により推定された前記室内環境情報入力することで前記空調機の消費エネルギ量を推定する第２推定部と、が設けられたことを特徴とする。

【0008】

本発明の制御装置によれば、２つの学習モデルを用いて空調機の消費エネルギ量を推定するため、１つの学習モデルを用いて推定する場合と比較して演算に求められるスキルを低くしやすく、演算に用いられる時間を短縮しやすい。

【0009】

上記発明において前記設定温度は異なる複数の値を有し、前記第１推定部および前記第２推定部は、値の異なる複数の前記設定温度ごとに前記室内環境情報および前記消費エネルギ量を推定することが好ましい。

【0010】

このように値の異なる複数の設定温度ごとに室内環境情報および消費エネルギ量を推定することにより、消費エネルギ量が少なくなる設定値を求めやすくなる。

【0011】

上記発明においては、前記第１推定部により推定された前記室内環境情報に含まれる前記室温が予め定められた室温の範囲に含まれ、前記第２推定部により推定された前記消費エネルギ量が最も少ない前記設定温度の値を選択する選択部を更に有することが好ましい。

【0012】

このように選択部を設けることにより、予め定められた範囲に含まれる設定温度であって、消費エネルギ量が最も少なくなる設定温度を選択することができる。

【発明の効果】

【0013】

本発明の制御装置によれば、２つの学習モデルを用いて空調機の消費エネルギ量を推定するため、１つの学習モデルを用いて推定する場合と比較して、シミュレーションの演算処理が行いやすくなり、シミュレーション技術を用いた空調を行う電力の消費削減を図りやすいという効果を奏する。

【図面の簡単な説明】

【0014】

【図1】本発明の一実施形態に係る制御装置の構成を説明するブロック図である。

【図2】建物管理システムにおける情報収集の処理を説明するフローチャートである。

【図3】制御装置における機械学習の処理を説明するフローチャートである。

【図4】制御装置における制御の処理を説明するフローチャートである。

【図5】図４における室内環境の推定の処理を説明するフローチャートである。

【図6】図４における消費エネルギ量の推定の処理を説明するフローチャートである。

【図7】設定案と推定室内温度および消費エネルギ量との対応を説明する表である。

【図8】空調機により消費されるエネルギ量の計算値を説明するグラフである。

【発明を実施するための形態】

【0015】

以下、本発明の一実施形態に係る制御装置１０について、図１から図８を参照しながら説明する。本実施形態の制御装置１０は空調機Ａ，Ｂを制御する装置であって、空調機Ａ，Ｂにおいて消費される空調電力および処理熱量の少なくとも一方（以下「消費エネルギ量」とも表記する。）の削減を図りやすくする装置である。空調機Ａ，Ｂは、ビルディングなどの建築物に設置されるものを例示することができる。なお、空調機Ａ，Ｂはビルディング以外の建築物に設置されてもよい。また、空調機Ａ，Ｂは建築物以外の交通手段などに設置されてもよい。

【0016】

制御装置１０は、図１に示すように、複数の空調機Ａ，Ｂと、建物管理システム５０と、情報通信可能に接続されている。図１では制御装置１０が２台の空調機Ａ，Ｂと情報通信可能に接続されている例が示されている。制御装置１０が接続される台数は１台でもよいし、３台以上でもよい。

【0017】

建物管理システム５０は、空調機Ａ，Ｂが設置された建築物の管理に用いられるシステムである。図１では、建物管理システム５０が外気温度センサ６１、外気湿度センサ６２、室内温度センサ６３、および、二酸化炭素濃度センサ（ＣＯ_２濃度センサとも表記する。）６４から測定情報を取得して記憶する例が示されている。なお、建物管理システム５０は、建築物の管理に用いられる他の情報を取得してもよいし、建築物に設置された空調機Ａ，Ｂ以外の機器の制御を行ってもよい。

【0018】

外気温度センサ６１は、空調機Ａ，Ｂが設置された建築物の外部の気温を測定するセンサである。外気湿度センサ６２は、空調機Ａ，Ｂが設置された建築物の外部の湿度を測定するセンサである。室内温度センサ６３は、空調機Ａ，Ｂによる気温の制御が行われる室内の気温を測定するセンサである。ＣＯ_２濃度センサ６４は、空調機Ａ，Ｂによる気温の制御が行われる室内の二酸化炭素濃度を測定するセンサである。外気温度センサ６１、外気湿度センサ６２、室内温度センサ６３、および、ＣＯ_２濃度センサ６４としては、公知の形式のセンサを用いることができる。

【0019】

建物管理システム５０は、ＣＰＵ（中央演算処理ユニット）、ＲＯＭ、ＲＡＭ、入出力インタフェース等を有するサーバやコンピュータ等の情報処理装置である。建物管理システム５０のＲＯＭ等の記憶装置には、ＣＰＵ、ＲＯＭ、ＲＡＭ、入出力インタフェースを協働させて、少なくとも取得部５１と、記憶部５２と、出力部５３と、として機能させるプログラムが記憶されている。

【0020】

取得部５１は、予め定められた所定の取得タイミングで各種の情報を取得する機能を有する。また取得した各種の情報を記憶部５２に出力する機能を有する。予め定められた所定の取得タイミングとしては、同じ時間間隔で繰り返されるタイミングを例示することができる。

【0021】

各種の情報には、外気温度センサ６１により測定される外気温度の情報、外気湿度センサ６２により測定される外気湿度の情報、室内温度センサ６３により測定される室内温度の情報、および、ＣＯ_２濃度センサ６４により測定される室内の二酸化炭素濃度の情報が含まれる。

【0022】

また、各種の情報には、空調機Ａ，Ｂにおける消費エネルギ量の情報、空調機Ａ，Ｂの動作状況の情報、空調機Ａ，Ｂの設定値の情報が含まれる。動作状況の情報には、空調機Ａ，Ｂの発停の情報が含まれる。空調機Ａ，Ｂの発停の情報には、空調機Ａ，Ｂの圧縮機が駆動しているか停止しているかの情報や、空調機Ａ，Ｂの送風部が駆動しているか停止しているかの情報や、空調機Ａ，Ｂが供給している温度の計測情報が含まれる。設定値の情報は、空調機Ａ，Ｂが設置された室内温度を制御する際の目標温度の情報である。

【0023】

記憶部５２は、取得部５１により取得された各種の情報を記憶する機能を有する。各種の情報を記憶する際には、取得したタイミングを示す情報が各種の情報に紐付けられる。タイミングの情報は、日時および時刻の情報であってもよいし、情報を取得する際に割り当てられる通し番号等の識別情報であってもよい。また、制御装置１０からの要求に応じて記憶した各種の情報を出力する機能を有する。

【0024】

出力部５３は、記憶部５２から出力された各種の情報を制御装置１０に向けて出力する機能を有する。

【0025】

制御装置１０は、ＣＰＵ（中央演算処理ユニット）、ＲＯＭ、ＲＡＭ、入出力インタフェース等を有するサーバやコンピュータ等の情報処理装置である。制御装置１０のＲＯＭ等の記憶装置には、ＣＰＵ、ＲＯＭ、ＲＡＭ、入出力インタフェースを協働させて、少なくとも取得部１１と、第１推定部１２と、第２推定部１３と、記憶部１４と、選択部１５と、制御部１６と、表示部１７と、として機能させるプログラムが記憶されている。

【0026】

取得部１１は、建物管理システム５０から各種の情報を取得する機能を有する。各種の情報には、取得室内環境情報と、空調機情報とが含まれる。また、各種の情報には、第１推定部１２により推定された推定室内環境情報が含まれる。
取得室内環境情報には、外気温度センサ６１により測定される外気温度の情報、外気湿度センサ６２により測定される外気湿度の情報、および、室内温度センサ６３により測定される室内温度の情報が含まれる。

【0027】

空調機情報には、空調機Ａ，Ｂの動作状況の情報、および、設定温度の情報が含まれる。
推定室内環境情報には、第１推定部１２により推定された室内温度の情報、室内湿度の情報および室内ＣＯ_２濃度の情報の少なくとも１つが含まれる。本実施形態の推定室内環境情報には、室内温度の情報、室内湿度の情報および室内ＣＯ_２濃度の情報が含まれる。

【0028】

第１推定部１２は、第１学習モデルを用いて推定室内環境情報を推定する演算処理を行う機能を有する。第１推定部１２における推定室内環境情報を推定する演算処理の詳細については後述する。

【0029】

第１推定部１２において推定される推定室内環境情報は、演算処理から予め定められた所定時間後の情報である。本実施形態では１時間後の情報である例に適用して説明する。

【0030】

推定室内環境情報には、上述のように室内温度の情報、室内湿度の情報および室内ＣＯ_２濃度の情報の少なくとも１つが含まれる。本実施形態の推定室内環境情報には室内温度の情報、室内湿度の情報および室内ＣＯ_２濃度の情報が含まれる。

【0031】

第１学習モデルは、機械学習により学習済みのモデルである。機械学習としては公知の学習方法を用いることができる。機械学習は、アンサンブル学習であることが好ましい。また、機械学習が勾配ブースティング回帰木（ＸＧＢＯＯＳＴ， ｅＸｔｒｅｍｅ Ｇｒａｄｉｅｎｔ Ｂｏｏｓｔｉｎｇ）であることが更に好ましい。

【0032】

第２推定部１３は、第２学習モデルを用いて消費エネルギ量を推定する演算処理を行う機能を有する。第２推定部１３において推定される消費エネルギ量は、演算処理から予め定められた所定時間後の情報である。本実施形態では１時間後の情報である例に適用して説明する。第２推定部１３における消費エネルギ量を推定する演算処理の詳細については後述する。

【0033】

第２学習モデルは、機械学習により学習済みのモデルである。機械学習としては公知の学習方法を用いることができる。機械学習は、ニューラルネットワークであることが好ましい。

【0034】

記憶部１４は、第１推定部１２により推定された推定室内環境情報、および、第２推定部１３により推定された消費エネルギ量を記憶する機能を有する。記憶される推定室内環境情報、および、消費エネルギ量には、推定されたタイミングを示す情報が紐付けされる。タイミングの情報は、日時および時刻の情報であってもよいし、情報を取得する際に割り当てられる通し番号等の識別情報であってもよい。

【0035】

選択部１５は、推定室内環境情報に含まれる室内温度が予め定められた室内温度の範囲に含まれる設定温度のうち、推定された消費エネルギ量が最も少ない設定温度を選択する機能を有する。選択の演算処理についての詳細は後述する。

【0036】

制御部１６は、選択部１５によって選択された設定温度に基づいて空調機Ａ，Ｂの制御を行う機能を有する。制御は、選択された設定温度を空調機Ａ，Ｂに出力することによって行われてもよい。この場合、空調機Ａ，Ｂは出力された設定温度に基づいて動作する。選択された設定温度の情報は、制御部１６から建物管理システム５０を介して空調機Ａ，Ｂに入力されてもよいし、制御部１６から直接空調機Ａ，Ｂに入力されてもよい。

【0037】

表示部１７は、空調機Ａ，Ｂにおける消費エネルギ量を表示する機能を有する。例えば、制御装置１０により制御された空調機Ａ，Ｂにおける消費エネルギ量と、制御が行われない空調機Ａ，Ｂにおける消費エネルギ量と、を対比して示すグラフを表示する機能を有する。

【0038】

表示部１７は、制御装置１０に設けられたディスプレイなどの表示機器に上述のグラフ等を表示する演算処理を行ってもよいし、制御装置１０と情報通信可能に接続された他の情報処理機器における表示機器に上述のグラフ等を表示する演算処理を行ってもよい。

【0039】

次に、上記の構成からなる制御装置１０における制御について説明する。まず、建物管理システム５０における情報を収集する処理について図２を参照しながら説明する。

【0040】

建物管理システム５０は電源が投入されると、図２に示すように、予め定められた所定の取得タイミングになったか判定する処理を行う（Ｓ１１）。取得タイミングではないと判定された場合（ＮＯの場合）には、再びＳ１１の処理を行う。

【0041】

ここでは、取得タイミングが１時間ごとに繰り返されるタイミングである例に適用して説明する。なお、取得タイミングは１時間よりも短い時間間隔で繰り返されてもよいし、１時間よりも長い時間間隔で繰り返されてもよい。また、取得タイミングは、後述する推定タイミングと同時のタイミングであってもよいし、異なるタイミングであってもよい。

【0042】

取得タイミングになったと判定された場合（ＹＥＳの場合）には、建物管理システム５０はセンサ情報を取得する処理を行う（Ｓ１２）。具体的には、外気温度センサ６１により測定される外気温度の情報、外気湿度センサ６２により測定される外気湿度の情報、室内温度センサ６３により測定される室内温度の情報、および、ＣＯ_２濃度センサ６４により測定される室内の二酸化炭素濃度の情報を取得する処理を行う。

【0043】

センサ情報を取得する処理が行われると、建物管理システム５０は空調機情報を取得する処理を行う（Ｓ１３）。具体的には、空調機Ａ，Ｂにおける測定された消費エネルギ量の情報、空調機Ａ，Ｂの動作状況の情報、空調機Ａ，Ｂの設定値の情報を取得する処理を行う。

【0044】

空調機情報を取得する処理が行われると、建物管理システム５０は取得したセンサ情報および空調機情報を記憶する処理を行う（Ｓ１４）。具体的には、取得したセンサ情報および空調機情報を記憶部５２に記憶させる処理を行う。記憶させる処理には、取得したタイミングを示す情報を、センサ情報および空調機情報に紐づける処理が含まれる。

【0045】

センサ情報および空調機情報を記憶する処理が行われると、建物管理システム５０は情報を収集する処理を終了するか判定する処理を行う（Ｓ１５）。例えば、建物管理システム５０を管理する管理者から当該処理を終了する指示が入力されたか判定する処理を行う。

【0046】

処理を終了しないと判定された場合（ＮＯの場合）には、建物管理システム５０はＳ１１に戻り上述の処理を繰り返し行う。処理を終了すると判定された場合（ＹＥＳの場合）には、一連の情報を収集する処理を終了する。

【0047】

次に、制御装置１０における機械学習の処理について図３を参照しながら説明する。図３では、第１学習モデルおよび第２学習モデルの機械学習の処理が示されている。
制御装置１０は電源が投入されると、図３に示すように、機械学習を開始するか判定する処理を行う（Ｓ２１）。機械学習を開始しないと判定した場合（ＮＯの場合）には、制御装置１０は、再びＳ２１の処理を行う。

【0048】

判定は種々の基準に基づいて行うことができる。例えば、制御装置１０に機械学習を開始する指示が入力された場合に、機械学習を開始すると判定してもよい。また、前回の機械学習を行ってから予め定められた期間が経過した場合に、機械学習を開始すると判定してもよい。また、空調機Ａ，Ｂにおける推定される消費エネルギ量と測定された消費エネルギ量との差が、予め定められた閾値以上になった場合に機械学習を開始すると判定してもよい。

【0049】

機械学習を開始すると判定した場合（ＮＯの場合）には、制御装置１０は学習用データを取得する処理を行う（Ｓ２２）。学習用データは、建物管理システム５０の記憶部５２と、制御装置１０の記憶部１４と、から取得される。

【0050】

建物管理システム５０の記憶部５２から取得される学習用データには、外気温度センサ６１により測定される外気温度の情報、外気湿度センサ６２により測定される外気湿度の情報、室内温度センサ６３により測定される室内温度の情報、ＣＯ_２濃度センサ６４により測定される室内の二酸化炭素濃度の情報、空調機Ａ，Ｂにおける測定された消費エネルギ量の情報、空調機Ａ，Ｂの動作状況の情報、および、空調機Ａ，Ｂの設定値の情報が含まれる。

【0051】

制御装置１０の記憶部１４から取得される学習用データには、第１推定部１２が推定した推定室内環境情報、および、第２推定部１３が推定した消費エネルギ量が含まれる。

【0052】

学習用データを取得すると、制御装置１０は学習用データを記憶する処理を行う（Ｓ２３）。学習用データは、制御装置１０の記憶部１４に記憶される。

【0053】

学習用データを記憶すると、制御装置１０は第１学習モデルの機械学習の処理を行う（Ｓ２４）。第１学習モデルの機械学習は、アンサンブル学習であることが好ましい。さらには、勾配ブースティング回帰木ことが好ましい。

【0054】

第１学習モデルの機械学習では、空調機Ａ，Ｂの発停の情報、および、設定温度の情報と、外気温度センサ６１により測定された外気温度の１次点前の情報、および、外気湿度センサ６２により測定された外気湿度に１次点前の情報と、室内温度の情報、室内湿度の情報、および、室内ＣＯ_２濃度の情報と、が説明変数として入力される。また、室内温度の情報、室内湿度の情報、および、室内ＣＯ_２濃度の情報を含む推定室内環境情報が目的変数として入力される。

【0055】

第１学習モデルの機械学習が終わると、制御装置１０は第２学習モデルの機械学習の処理を行う（Ｓ２５）。第２学習モデルの機械学習は、ニューラルネットワークであることが好ましい。

【0056】

第２学習モデルの機械学習では、空調機Ａ，Ｂの発停の情報、および、設定温度の情報と、外気温度センサ６１により測定された外気温度の１次点前の情報、外気湿度センサ６２により測定された外気湿度に１次点前の情報、および、第１学習モデルにより推定された推定室内環境情報と、が説明変数として入力される。また、空調機Ａ，Ｂの消費エネルギ量が目的変数として入力される。

【0057】

第２学習モデルの機械学習が終わると、制御装置１０は機械学習の処理を終了するか判定する処理を行う（Ｓ２６）。例えば、制御装置１０に機械学習の処理を終了する指示が入力されたか判定する処理を行う。

【0058】

処理を終了しないと判定された場合（ＮＯの場合）には、制御装置１０はＳ２１に戻り上述の処理を繰り返し行う。処理を終了すると判定された場合（ＹＥＳの場合）には、一連の機械学習の処理を終了する。

【0059】

次に、制御装置１０における空調機Ａ，Ｂの制御について図４から図６を参照しながら説明する。
制御装置１０は電源が投入されると、図３に示すように、予め定められた所定の推定タイミングになったか判定する処理を行う（Ｓ３１）。推定タイミングではないと判定された場合（ＮＯの場合）には、制御装置１０は、再びＳ３１の処理を行う。

【0060】

ここでは、推定タイミングが１時間ごとに繰り返されるタイミングである例に適用して説明する。なお、推定タイミングは１時間よりも短い時間間隔で繰り返されてもよいし、１時間よりも長い時間間隔で繰り返されてもよい。また、推定タイミングは、前述した取得タイミングと同時のタイミングであってもよいし、異なるタイミングであってもよい。

【0061】

推定タイミングになったと判定された場合（ＹＥＳの場合）には、制御装置１０は室内環境を推定する処理を行う（Ｓ４０）。室内環境を推定する処理が開始されると、図５に示すように、制御装置１０の取得部１１は、空調機情報を取得する処理を行う（Ｓ４１）。空調機情報は、建物管理システム５０の記憶部５２から取得される。なお、空調機情報は建物管理システム５０以外、例えば空調機Ａ，Ｂから直接取得されてもよい。

【0062】

取得される空調機情報は、処理を行う推定タイミング（以降「次点」とも表記する。）における情報である。取得される空調機情報には、空調機Ａ，Ｂの動作状況の情報、および、設定温度の情報が含まれる。空調機Ａ，Ｂの動作状況の情報には、空調機Ａ，Ｂの発停の情報や、空調機Ａ，Ｂが供給している温度の計測情報が含まれる。

【0063】

空調機情報を取得すると、制御装置１０の取得部１１はセンサ情報を取得する処理を行う（Ｓ４２）。センサ情報は、建物管理システム５０の記憶部５２から取得される。取得されるセンサ情報は、１つ前の推定タイミング（以降「１次点前」とも表記する。）における情報である。取得されるセンサ情報には、外気温度センサ６１により測定された外気温度の情報、および、外気湿度センサ６２により測定された外気湿度の情報が含まれる。

【0064】

センサ情報を取得すると、制御装置１０の取得部１１は推定室内環境情報を取得する処理を行う（Ｓ４３）。推定室内環境情報は、制御装置１０の記憶部１４から取得される。取得される推定室内環境情報は１次点前の情報である。取得される推定室内環境情報には、室内温度の情報、室内湿度の情報および室内ＣＯ_２濃度の情報が含まれる。

【0065】

推定室内環境情報を取得すると、制御装置１０の第１推定部１２は第１学習モデルを用いて推定室内環境情報を推定する演算処理を行う（Ｓ４４）。第１学習モデルには、Ｓ４１において取得された空調機Ａ，Ｂの発停の情報、および、設定温度の情報と、Ｓ４２において取得された外気温度センサ６１により測定された１次点前の外気温度の情報、および、外気湿度センサ６２により測定された１次点前の外気湿度と、Ｓ４３において取得された１次点前の室内温度の情報、１次点前の室内湿度の情報、および、１次点前の室内ＣＯ_２濃度の情報と、が説明変数として入力される。

【0066】

第１学習モデルからは、室内温度の情報、室内湿度の情報、および、室内ＣＯ_２濃度の情報を含む推定室内環境情報が目的変数として出力される。

【0067】

第１推定部１２が推定室内環境情報を出力すると、制御装置１０の記憶部１４は推定室内環境情報を記憶する処理を行う（Ｓ４５）。記憶される推定室内環境情報には、推定された次点を示す情報が紐付けされる。次点の情報は、日時および時刻の情報であってもよいし、次点に割り当てられる通し番号等の識別情報であってもよい。

【0068】

推定室内環境情報が記憶されると、図４に戻り、制御装置１０は消費エネルギ量を推定する処理を行う（Ｓ５０）。消費エネルギ量を推定する処理が開始されると、図６に示すように、制御装置１０の取得部１１は、空調機情報を取得する処理を行う（Ｓ５１）。空調機情報は、建物管理システム５０の記憶部５２から取得される。なお、空調機情報は建物管理システム５０以外、例えば空調機Ａ，Ｂから直接取得されてもよい。

【0069】

取得される空調機情報は、処理を行う次点（以降「現次点」とも表記する。）における情報である。取得される空調機情報には、空調機Ａ，Ｂの動作状況の情報、および、設定温度の情報が含まれる。空調機Ａ，Ｂの動作状況の情報には、空調機Ａ，Ｂの発停の情報が含まれる。

【0070】

空調機情報を取得すると、制御装置１０の取得部１１はセンサ情報を取得する処理を行う（Ｓ５２）。センサ情報は、建物管理システム５０の記憶部５２から取得される。取得されるセンサ情報は１次点前の情報である。取得される１次点前のセンサ情報には、外気温度センサ６１により測定された外気温度の情報、外気湿度センサ６２により測定された外気湿度の情報、および、室内温度センサ６３により測定された室内温度の情報が含まれる。

【0071】

センサ情報を取得すると、制御装置１０の取得部１１は推定室内環境情報を取得する処理を行う（Ｓ５３）。推定室内環境情報は、制御装置１０の記憶部１４から取得される。取得される推定室内環境情報は現次点の情報である。取得される推定室内環境情報には室内温度の情報が含まれる。

【0072】

推定室内環境情報を取得すると、制御装置１０の取得部１１は消費エネルギ量を取得する処理を行う（Ｓ５４）。消費エネルギ量は、制御装置１０の記憶部１４から取得される。取得される消費エネルギ量は、１次点前に空調機Ａ，Ｂより取得し、記録・計測された情報である。

【0073】

１次点前の消費エネルギ量を取得すると、制御装置１０の第２推定部１３は第２学習モデルを用いて消費エネルギ量を推定する演算処理を行う（Ｓ５５）。第２学習モデルには、Ｓ５１において取得された空調機Ａ，Ｂの発停の情報、および、設定温度の情報と、Ｓ５２において取得された外気温度センサ６１により測定された１次点前の外気温度の情報、外気湿度センサ６２により測定された１次点前の外気湿度、および、室内温度センサ６３により測定された１次点前の室内温度の情報と、Ｓ５３において取得された現次点の室内温度の情報と、Ｓ５４において取得された１次点前に空調機Ａ，Ｂより取得し、記録・計測された消費エネルギ量と、が説明変数として入力される。

【0074】

第２学習モデルからは、空調機Ａ，Ｂの消費エネルギ量が目的変数として出力される。
第２推定部１３が推定室内環境情報を出力すると、制御装置１０の記憶部１４は消費エネルギ量を記憶する処理を行う（Ｓ５６）。記憶される消費エネルギ量には、推定された次点を示す情報が紐付けされる。次点の情報は、日時および時刻の情報であってもよいし、次点に割り当てられる通し番号等の識別情報であってもよい。

【0075】

消費エネルギ量が記憶されると、図４に戻り、制御装置１０は全ての設定案において推定の処理が終わったか判定するよりを行う（Ｓ３２）。本実施形態では、図７に示すように設定案１から設定案４のそれぞれにおいて推定の処理が終わったか判定する処理を行う。なお、設定案の数は４よりも少なくてもよいし、４よりも多くてもよい。

【0076】

全ての設定案において推定の処理が終わっていないと判定された場合（ＮＯの場合）には、制御装置１０はＳ４０に戻り、上述の処理を繰り返し行う。全ての設定案において推定の処理が終わったと判定された場合（ＹＥＳの場合）には、制御装置１０の選択部１５は、設定案を選択する処理を行う（Ｓ３３）。

【0077】

設定案の選択では、推定される室内温度が２０℃以上２８℃以下の条件を満たし、空調機Ａ，Ｂの消費エネルギ量が最小となる設定案を選択する処理が行われる。図７に示す設定案４（設定温度Ａ点が２７℃、設定温度Ｂ点が２７℃）は、測定点Ａ点の推定される室内温度が２８．３℃であって、２８℃以下の条件を満たしていない。

【0078】

選択部１５は、設定案４を除く設定案１から設定案３のうち、推定される消費エネルギ量が最も低い設定案３（設定温度Ａ点が２７℃、設定温度Ｂ点が２５℃）を選択する処理を行う。

【0079】

なお、設定温度Ａ点は空調機Ａの設定温度であり、計測点Ａ点は空調機Ａにより室温が制御される空間における所定の測定点である。同様に、設定温度Ｂ点は空調機Ｂの設定温度であり、計測点Ｂ点は空調機Ｂにより室温が制御される空間における所定の測定点である。

【0080】

選択部１５により設定案が選択されると、制御装置１０の制御部１６は空調機Ａ，Ｂを制御する処理を行う（Ｓ３４）。制御として、選択した設定案に含まれる設定温度の情報を、対応する空調機Ａ，Ｂに出力する処理が行われる。設定温度の情報が入力された空調機Ａ，Ｂは、自身に設けられた制御部により制御される。

【0081】

設定温度の情報は、建物管理システム５０を介して空調機Ａ，Ｂに出力されてもよいし、建物管理システム５０を介することなく空調機Ａ，Ｂに直接出力されてもよい。また、制御装置１０の制御部１６が、直接、空調機Ａ，Ｂを制御してもよい。

【0082】

空調機Ａ，Ｂを制御する処理が行われると、制御装置１０は空調機Ａ，Ｂを制御する処理を終了するか判定する処理を行う（Ｓ３５）。例えば、制御装置１０に空調機Ａ，Ｂを制御する処理を終了する指示が入力されたか判定する処理を行う。

【0083】

処理を終了しないと判定された場合（ＮＯの場合）には、制御装置１０はＳ３１に戻り上述の処理を繰り返し行う。処理を終了すると判定された場合（ＹＥＳの場合）には、空調機Ａ，Ｂを制御する処理を終了する。

【0084】

次に、空調機Ａ，Ｂの消費エネルギ量の変化について図８を参照しながら説明する。図８には空調機Ａ，Ｂにより消費されるエネルギ量の計算値が示されている。図８の横軸は時刻であり、縦軸は消費エネルギ量（ｋＷ）、または、処理熱量（ＭＪ）である。図８では、消費エネルギ量（ｋＷ）が示されている。図８は、制御装置１０の表示部１７により作成され、表示されるグラフである。

【0085】

図８における白抜き丸（○）で示された点線グラフＣは、制御装置１０を用いない場合の空調機Ａ，Ｂにおける消費エネルギ量を示す。黒塗り丸（●）で示された実線グラフＰは、制御装置１０により制御された空調機Ａ，Ｂにおける消費エネルギ量を示す。

【0086】

点線グラフＣと実線グラフＰとの間のハッチングが施された領域は、実線グラフＰが点線グラフＣを下回る領域を示す。言い換えると、制御装置１０によって空調機Ａ，Ｂにおける消費エネルギ量が削減されたことを示す領域である。

【0087】

図８では、空調機Ａ，Ｂが稼働する９時頃から１２時頃まで、および、１３時頃から１７時頃までの間で、実線グラフＰが点線グラフＣを下回り、制御装置１０によって空調機Ａ，Ｂにおける消費エネルギ量が削減されたことが示されている。

【0088】

上記の構成の制御装置１０によれば、２つの学習モデルを用いて空調機Ａ，Ｂの消費エネルギ量を推定するため、１つの学習モデルを用いて推定する場合と比較して演算に求められるスキルを低くしやすく、演算に用いられる時間を短縮しやすい。

【0089】

値の異なる複数の設定温度ごとに室内環境情報および消費エネルギ量を推定することにより、消費エネルギ量が少なくなる設定値を求めやすくなる。

【0090】

選択部１５を設けることにより、予め定められた範囲に含まれる設定温度であって、消費エネルギ量が最も少なくなる設定温度を選択することができる。

【符号の説明】

【0091】

１０…制御装置、 １１…取得部、 １２…第１推定部、 １３…第２推定部、 １５…選択部

【図1】

【図2】

【図3】

【図4】

【図5】

【図6】

【図7】

【図8】