特許 7614406 確率的代理モデルを用いた蒸気圧縮システムの制御

(19)【発行国】日本国特許庁(JP)

(12)【公報種別】特許公報(B2)

(11)【特許番号】

(24)【登録日】2025-01-06

(45)【発行日】2025-01-15

(54)【発明の名称】確率的代理モデルを用いた蒸気圧縮システムの制御

(51)【国際特許分類】

   F25B 49/02 20060101AFI20250107BHJP

【ＦＩ】

F25B49/02 Z

【請求項の数】 12

(21)【出願番号】P 2023574889

(86)(22)【出願日】2021-12-24

(65)【公表番号】

(43)【公表日】2024-02-28

(86)【国際出願番号】 JP2021049040

(87)【国際公開番号】W WO2022190595

(87)【国際公開日】2022-09-15

【審査請求日】2023-08-22

(31)【優先権主張番号】17/194,299

(32)【優先日】2021-03-07

(33)【優先権主張国・地域又は機関】US

(73)【特許権者】

【識別番号】000006013

【氏名又は名称】三菱電機株式会社

(74)【代理人】

【識別番号】110001195

【氏名又は名称】弁理士法人深見特許事務所

(72)【発明者】

【氏名】チャクラバルティ，アンクシュ

(72)【発明者】

【氏名】ラフマン，クリストファー

(72)【発明者】

【氏名】ボルトフ，スコット

【審査官】庭月野 恭

(56)【参考文献】

【文献】特表２０１７－５０６７３４（ＪＰ，Ａ）

【文献】特開２０１９－１５２９８６（ＪＰ，Ａ）

【文献】特開２０１３－１４８３３６（ＪＰ，Ａ）

【文献】米国特許出願公開第２０２０／００１８５３１（ＵＳ，Ａ１）

【文献】特開２０１７－１４６９６９（ＪＰ，Ａ）

【文献】米国特許出願公開第２０１８／０２６７５１５（ＵＳ，Ａ１）

(58)【調査した分野】(Int.Cl.，ＤＢ名)

Ｆ２５Ｂ １／００－４９／０４

Ｆ２４Ｆ １１／４６

Ｇ０５Ｂ １３／００

(57)【特許請求の範囲】

【請求項1】

蒸気圧縮システム（ＶＣＳ）の運転を制御するための制御装置であって、
少なくとも１つのプロセッサと、
前記少なくとも１つのプロセッサによって実行されると、前記制御装置に、以下の動作を実行させる命令を格納するメモリとを備え、
前記動作は、
前記蒸気圧縮システムの異なるアクチュエータの設定値の異なる組み合わせを用いて前記蒸気圧縮システムの前記運転を制御することによって、前記設定値の異なる組み合わせの各々に対する前記蒸気圧縮システムの運転コストを推定することと、
前記設定値の組み合わせとそれらに対応する推定運転コストとのベイズ最適化を用いて、前記蒸気圧縮システムの異なるアクチュエータの設定値の様々な組み合わせとそれらに対応する運転コストとの間の確率的マッピングを提供する確率的代理モデルを計算することとを含み、前記確率的代理モデルは、前記確率的マッピング中の前記運転コストの少なくとも最初の２つのモーメントを定義し、
前記動作は、
前記運転コストの前記最初の２つのモーメントの獲得関数に従って、前記確率的代理モデルにおいてグローバル極小値である可能性が最も高い設定値の最適な組み合わせを選択することと、
前記選択された設定値の最適な組み合わせをフィードバックコントローラに送信することによって、前記選択された最適な組み合わせ中の対応する設定値に従って前記蒸気圧縮システムの前記アクチュエータの状態を変更することと、
前記選択された設定値の最適な組み合わせから開始する前記フィードバックコントローラへの入力を摂動する極値探索コントローラを実行し、前記摂動によって引き起こされた前記運転コストの勾配に基づいて、前記選択された設定値の最適な組み合わせを調整することと、
前記プロセッサは、前記獲得関数に従って、前記選択された設定値の最適な組み合わせの摂動値を前記確率的代理モデル上の前記運転コストの値にマッピングすることによって、前記摂動によって引き起こされた前記運転コストの前記勾配を推定することとを含む、制御装置。

【請求項2】

設定値の組み合わせに対する前記運転コストは、前記設定値の組み合わせに従って、前記蒸気圧縮システムが定常状態に到達するのに不十分な所定時間で前記蒸気圧縮システムを運転した後に推定される、請求項１に記載の制御装置。

【請求項3】

少なくとも一部の運転コストは、前記対応する設定値の組み合わせに従って運転する前記蒸気圧縮システムの過渡状態の間に推定される、請求項１に記載の制御装置。

【請求項4】

前記プロセッサは、前記選択された設定値の最適な組み合わせに対する前記運転コストを推定し、前記選択された設定値の最適な組み合わせおよび前記対応する推定運転コストを用いて、前記ベイズ最適化を使用する前記確率的代理モデルを更新するようにさらに構成されている、請求項１に記載の制御装置。

【請求項5】

前記プロセッサは、終了条件が満たされるまで、前記更新された確率的代理モデルに適用された前記獲得関数に従って、新たに選択された設定値の最適な組み合わせを用いて前記確率的代理モデルを再帰的に更新するようにさらに構成されている、請求項４に記載の制御装置。

【請求項6】

前記ベイズ最適化は、ガウス過程回帰、ニューラル過程回帰、および機械学習のいずれかまたは組み合わせを用いて、前記確率的代理モデルを決定する、請求項１に記載の制御装置。

【請求項7】

前記ベイズ最適化は、前記確率的代理モデルによって提供された前記確率的マッピングを利用して、結果として生じる設定値の照会を指示する獲得関数を含む、請求項１に記載の制御装置。

【請求項8】

前記蒸気圧縮システムは、１つ以上の室内ゾーンに配置された複数の熱交換器に接続された少なくとも１つの圧縮機を含むマルチゾーン蒸気圧縮システム（ＭＺ－ＶＣＳ）である、請求項１に記載の制御装置。

【請求項9】

前記設定値の組み合わせに対応する前記運転コストは、前記設定値の組み合わせに従って運転する前記蒸気圧縮システムの電力消費量である、請求項１に記載の制御装置。

【請求項10】

前記フィードバックコントローラは、ＰＩコントローラ、ＰＩＤコントローラ、ＭＰＣコントローラ、またはロバストコントローラのいずれかまたは組み合わせである、請求項１に記載の制御装置。

【請求項11】

蒸気圧縮システム（ＶＣＳ）の運転を制御するための方法であって、
前記蒸気圧縮システムの異なるアクチュエータの設定値の異なる組み合わせを用いて前記蒸気圧縮システムの前記運転を制御することによって、前記設定値の異なる組み合わせの各々に対する前記蒸気圧縮システムの運転コストを推定することと、
前記設定値の組み合わせとそれらに対応する推定運転コストとのベイズ最適化を用いて、前記蒸気圧縮システムの異なるアクチュエータの設定値の様々な組み合わせとそれらに対応する運転コストとの間の確率的マッピングを提供する確率的代理モデルを計算することとを含み、前記確率的代理モデルは、前記確率的マッピング中の前記運転コストの少なくとも最初の２つのモーメントを定義し、
前記方法は、
前記運転コストの前記最初の２つのモーメントの獲得関数に従って、前記確率的代理モデルにおいてグローバル極小値である可能性が最も高い設定値の最適な組み合わせを選択することと、
前記選択された設定値の最適な組み合わせをフィードバックコントローラに送信することによって、前記選択された最適な組み合わせ中の対応する設定値に従って前記蒸気圧縮システムの前記アクチュエータの状態を変更することと、
前記選択された設定値の最適な組み合わせから開始する前記フィードバックコントローラへの入力を摂動する極値探索コントローラを実行し、前記摂動によって引き起こされた前記運転コストの勾配に基づいて、前記選択された設定値の最適な組み合わせを調整することと、
前記獲得関数に従って、前記選択された設定値の最適な組み合わせの摂動値を前記確率的代理モデル上の前記運転コストの値にマッピングすることによって、前記摂動によって引き起こされた前記運転コストの前記勾配を推定することとを含む、方法。

【請求項12】

蒸気圧縮システム（ＶＣＳ）の運転を制御するための方法を実行するためにプロセッサによって実行可能なプログラムを具現化した非一時的なコンピュータ可読記憶媒体であって、前記方法は、
前記蒸気圧縮システムの異なるアクチュエータの設定値の異なる組み合わせを用いて前記蒸気圧縮システムの前記運転を制御することによって、前記設定値の異なる組み合わせの各々に対する前記蒸気圧縮システムの運転コストを推定することと、
前記設定値の組み合わせとそれらに対応する推定運転コストとのベイズ最適化を用いて、前記蒸気圧縮システムの異なるアクチュエータの設定値の様々な組み合わせとそれらに対応する運転コストとの間の確率的マッピングを提供する確率的代理モデルを計算することとを含み、前記確率的代理モデルは、前記確率的マッピング中の前記運転コストの少なくとも最初の２つのモーメントを定義し、
前記方法は、
前記運転コストの前記最初の２つのモーメントの獲得関数に従って、前記確率的代理モデルにおいてグローバル極小値である可能性が最も高い設定値の最適な組み合わせを選択することと、
前記選択された設定値の最適な組み合わせをフィードバックコントローラに送信することによって、前記選択された最適な組み合わせ中の対応する設定値に従って前記蒸気圧縮システムの前記アクチュエータの状態を変更することと、
前記選択された設定値の最適な組み合わせから開始する前記フィードバックコントローラへの入力を摂動する極値探索コントローラを実行し、前記摂動によって引き起こされた前記運転コストの勾配に基づいて、前記選択された設定値の最適な組み合わせを調整することと、
前記獲得関数に従って、前記選択された設定値の最適な組み合わせの摂動値を前記確率的代理モデル上の前記運転コストの値にマッピングすることによって、前記摂動によって引き起こされた前記運転コストの前記勾配を推定することとを含む、非一時的なコンピュータ可読記憶媒体。

【発明の詳細な説明】

【技術分野】

【0001】

本開示は、一般的に蒸気圧縮システムに関し、より詳しくは、蒸気圧縮システムの運転を制御するための装置および方法に関する。

【背景技術】

【0002】

ヒートポンプ、冷凍システム、および空調システムなどの蒸気圧縮システムは、産業用途および家庭用途において広く使用されている。可変速度圧縮機、可変位置弁、および可変速ファンを蒸気圧縮サイクルに導入することは、蒸気圧縮システムの運転適応性を大幅に改善した。蒸気圧縮システムの効率は、蒸気圧縮システムの可変構成要素を制御することによって改善することができる。言い換えれば、制御入力を蒸気圧縮システムに提供することによって、効率を改善することができる。例えば、圧縮機の速度を調整することによって、冷媒の流量を調整することができる。蒸発器ファンおよび凝縮器ファンの速度を変更することによって、空気と熱交換器との間の熱伝達を改変することができる。膨張弁の開度を変更することによって、蒸気圧縮システムの高圧と低圧との間の圧力損失に影響を与え、冷媒の流量および対応する蒸発器出口の過熱温度に影響を与えることができる。

【0003】

特定量の熱を供給する蒸気圧縮システムへの制御入力の組み合わせは、多くの場合、独特ではなく、制御入力の様々な組み合わせは、異なる量のエネルギーを消費する。したがって、蒸気圧縮システムのエネルギーを最小化し、そのエネルギー効率を最大化する制御入力の組み合わせを用いて、蒸気圧縮システムを運転させることが望ましい。

【0004】

エネルギー効率を最大化するいくつかの手法は、蒸気圧縮システムの物理学を表すために使用された数学モデルに依存している。このようなモデルベース手法は、蒸気圧縮システムの熱力学的挙動およびエネルギー消費に対する蒸気圧縮システムの制御入力の影響を記述しようとするものである。このようなモデルベース手法において、従来の解析モデルを用いて、熱負荷要件を満たし且つエネルギーを最小化する制御入力の組み合わせを予測する。

【0005】

しかしながら、このように数学モデルを用いて制御入力の組み合わせを予測することは、欠点を有する。例えば、数学モデルは、数学的に扱いやすい表現を生成するために、単純化した仮定に依存する。このような仮定は、重要な影響を無視するか、または部屋のサイズなどの設備固有の特性を考慮しないため、数学モデルが蒸気圧縮システムの実際の挙動から乖離する原因となる。また、数学モデルの導出および較正が困難である。例えば、蒸気圧縮システムの構成要素、例えば、圧縮機の運転を記述するパラメータは、使用される圧縮機の種類毎に実験的に決定され、蒸気圧縮システムの数学モデルは、このようなパラメータを多く含むことがある。したがって、各数学モデルのパラメータの値を決定することは、面倒な過程である。また、蒸気圧縮システムは、経時的に変化する場合がある。ある時点で蒸気圧縮システムの運転を正確に記述する数学モデルは、例えば、徐々に漏れる冷媒または熱交換器の腐食の蓄積に起因して蒸気圧縮システムが変化することによって、後の時点で正確ではなくなる可能性がある。

【0006】

いくつかの手法は、数学モデルを使用することなく、制御入力を最適化することを目的とする。例えば、極値探索コントローラ（ＥＳＣ）を用いて、モデルなしで制御入力を最適化する。しかしながら、ＥＳＣは、最適な設定値に収束するまでに数時間かかることがある。また、蒸気圧縮システムに作用する外乱がより速い動力学を有するため、最適な設定値は、ＥＳＣが収束する前に変化してしまうことがある。ＥＳＣのこのような遅い収束特性は、リアルタイムで蒸気圧縮システムの性能を最適化することを妨げる。

【0007】

さらに、ＥＳＣは、局所勾配を数値的に構築し、局所最適値になるまで局所勾配を捜し求める。このような処理は遅くなることがある。例えば、ＥＳＣの制御ゲインが小さすぎ、最適化される基礎関数が小さな勾配を含む場合、収束は遅くなる。逆に、ＥＳＣ制御ゲインが大きすぎ、基礎関数が非線形である場合、ＥＳＣの反復解は、大きな勾配に起因して最適な設定値をオーバーシュートすることがある。したがって、ＥＳＣは、高度に非線形動力学を持つ非凸問題には対応できない。

【0008】

ＥＳＣの遅い収束特性を克服するために、フィルタが使用される。フィルタは、摂動に対する応答の過渡部分の位相の影響を分離する。しかしながら、フィルタの設計は複雑であり、蒸気圧縮システムに関する広範な情報を必要とする。

【発明の概要】

【0009】

いくつかの実施形態の目的は、基礎的なシステム動力学の解析モデルを使用することなく、蒸気圧縮システムの電力消費量を最小化する設定値の最適な組み合わせを決定するためのデータ駆動型手法を提供することである。このような目的は、代理モデルを定式化することによって実現することができる。また、いくつかの実施形態の目的は、極値探索コントローラ（ＥＳＣ）の収束を加速するための代理モデルを必要とするベイズ最適化ウォームスタート方法を提供することである。

【0010】

ヒートポンプ、冷凍システム、および空調システムなどの蒸気圧縮システム（ＶＣＳ）は、産業用途および家庭用途において広く使用されている。可変速度圧縮機、可変位置弁、および可変速ファンを蒸気圧縮サイクルに導入することは、蒸気圧縮システムの運転適応性を大幅に改善した。具体的には、特定量の熱を供給するＶＣＳへの制御入力の組み合わせは、多くの場合、独特ではなく、制御入力の異なる組み合わせは、異なる運転コストを有する可能性がある。例えば、ＶＣＳのアクチュエータの状態を制御する制御入力の２つの異なる組み合わせに従って運転するＶＣＳは、同じ熱容量を供給することができるが、異なる量のエネルギーを消費する場合がある。したがって、運転コストを最適化する制御入力の組み合わせ、例えば、ＶＣＳのエネルギー消費を最小化するおよび／またはエネルギー効率を最大化する制御入力の組み合わせを用いてＶＣＳを運転させることが望ましい。

【0011】

ＶＣＳのエネルギー効率に対処する制御方法は、２つのカテゴリ、すなわち、モデルベース制御方法およびデータ駆動制御方法に分けることができる。モデルベース方法は、ＶＣＳの制御入力がＶＣＳの熱力学的挙動およびエネルギー消費に与える影響を記述しようとするものである。このようなモデルベース方法において、従来の解析モデルを用いて、熱負荷要件を満たし且つエネルギー消費を最小化する制御入力の組み合わせを予測する。しかしながら、異なる構成のＶＣＳのための解析モデルを導出、較正、および経時的に更新することが困難である。例えば、１つ以上の室内ゾーンに配置された複数の熱交換器に接続された少なくとも１つの圧縮機を含むマルチゾーン蒸気圧縮システム（ＭＺ－ＶＣＳ）のための解析モデルを定式化することが困難である。言い換えれば、ＭＺ－ＶＣＳの複雑性は、対応する解析モデルの使用を妨げる可能性がある。

【0012】

動的システムの正確なモデル（例えば、ＶＣＳ）がない場合、いくつかの制御方法は、動的システムによってリアルタイムで生成された運転データを用いて、動的システムの動力学を安定させる制御ポリシーを構築する。このように運転データを用いて制御ポリシーを設計することは、データ駆動制御と呼ばれる。データ駆動制御方法には、間接的な方法と直接的な方法との２種類がある。間接的な方法は、動的システムの代理モデルを構築することと、代理モデルを活用してコントローラを設計することとを含む。直接的な方法は、中間モデルを構築することなく、運転データに基づいて制御ポリシーを直接に構築することを含む。間接的な方法の欠点は、モデル構築の段階で大量のデータを必要とする可能性があることである。逆に、直接的な方法は、より少ないデータを必要とするが、最先端の直接的な制御方法でさえも、ＶＣＳのような閉ループ制御システムの安全な動作を維持するために必要な状態および入力の制約を取り扱うことが困難である。

【0013】

そのために、いくつかの実施形態の目的は、ＶＣＳの閉ループ制御を行うための間接的なデータ駆動制御方法を提供することである。このような閉ループ制御方法は、モデルベース制御方法の複雑性および直接的なデータ駆動制御方法のから悪い影響を受けない可能性がある。しかしながら、このような間接的なデータ駆動制御を提供するためには、ＶＣＳの運転を効率的に管理することができる代理モデルを生成する必要がある。

【0014】

いくつかの実施形態は、ＶＣＳを制御するための代理モデルを構築する際にいくつかの障害があるという認識に基づいている。例えば、代理モデルを構築するためには、ＶＣＳのアクチュエータへの制御入力の値の大規模且つ実質的に無限の連続空間を調査する必要がある。この課題に対処するために、いくつかの実施形態は、ＶＣＳのアクチュエータへの制御入力の代理モデルを、ＶＣＳ制御が達成および／または追跡する必要がある異なるアクチュエータの設定値の代理モデルに置換する。このようにして、ＶＣＳ制御の最適化は、実際の制御から分離され、ＶＣＳの異なるアクチュエータの連続制御を危険にさらすことなく、設定値の空間をサンプリングすることができる。

【0015】

代理モデルは、ＶＣＳの異なるアクチュエータの設定値の様々な組み合わせと対応するＶＣＳの運転コストとの間のマッピングを提供する。本明細書に使用される場合、「設定値」は、ＶＣＳの変量の所望の値を指す。設定値という用語は、制御信号、熱力学的パラメータおよび環境パラメータからなる特定のセットの任意の特定の値に適用される。例えば、「設定値」という用語は、ＶＣＳの構成要素の特定の状態を示すことができる。ＶＣＳの異なるアクチュエータは、ＶＣＳの膨張弁の位置を制御するアクチュエータ、ＶＣＳの室内ファン、ＶＣＳの室外ファン、およびダンパアクチュエータなどのうちの１つ以上を含んでもよい。一実施形態によれば、設定値の組み合わせに対応する運転コストは、設定値の組み合わせに従って運転するＶＣＳの電力消費量である。さらに、代理モデル１０２を用いて、ＶＣＳの運転を制御することができる。

【0016】

いくつかの実施形態は、勾配降下などの様々な検索技術を代理モデルに使用することによって、ＶＣＳの運転コストを低減する設定値の最適な組み合わせを選択することができるという認識に基づいている。しかしながら、実際のＶＣＳ制御から制御を分離すると、ＶＣＳの動的応答が遅くなり、別の課題を引き起こす。例えば、代理モデルは、設定値と定常状態におけるＶＣＳの運転コストとをマッピングする必要がある。しかしながら、ＶＣＳが設定値に対応する定常状態に到達するのに時間（例えば、１５分）を必要とする。また、設定値の最適化と制御を分離した場合、アクチュエータの状態を設定値に反復的に変更するために追加のフィードバックコントローラを使用する必要があり、その後、ＶＣＳの出力を安定化するために追加の時間を必要とする。

【0017】

したがって、実際のＶＣＳ制御から設定値の最適化を分離することは、（１）ＶＣＳ運転の定常状態を待たずに過渡時間においてＶＣＳの運転コストをどのように推定するか、および（２）代理モデルを構築するために必要な設定値の組み合わせと対応する運転コストとの対のサンプル数をどのように減らすかという内在課題を引き起こす。

【0018】

いくつかの実施形態は、設定値およびそれらに対応する推定運転コストの組み合わせのベイズ最適化を用いて確率的代理モデルを構築することによって、これらの内在課題を解決する。確率的代理モデルは、ＶＣＳの異なるアクチュエータの設定値の様々な組み合わせと、対応する運転コストの確率分布との間のマッピングを提供する。代理モデルは、確率的代理モデルに対応する。代理モデルの確率的性質は、（１）過渡測定が確率的代理モデルに組み込まれ得る不確実性を含むため、ＶＣＳ運転の定常状態を待たずにＶＣＳの運転コストを推定することに使用できる不確実性、および（２）代理モデルを構築するために必要なサンプル数を減らすために、このような不確実性を考慮して代理モデル構築プロセスを誘導するために使用できる不確実性を含む。

【0019】

一実施形態によれば、確率的代理モデルは、確率的マッピングにおいて運転コストの少なくとも最初の２次モーメントを定義するように、設定値の組み合わせと対応する推定運転コストの確率分布とをマッピングする確率的機械学習アルゴリズム（例えば、ガウス過程回帰）を用いて構築することができる。一実施形態において、少なくとも最初の２次モーメントは、運転コストの平均値および運転コストの平方偏差（信頼範囲とも呼ばれる）を含むことができる。例えば、設定値の特定の組み合わせについて、代理モデルは、電力消費量の予測値だけではなく、予測された電力消費量の信頼範囲（例えば、電力消費量の予測値が１０００Ｗであり、予測された電力消費量が９６０Ｗと１０４０Ｗとの間にある信頼範囲が９５％である）も提供する。

【0020】

さらに、いくつかの実施形態は、次に照会されなければならない設定値（「データポイント」とも呼ばれる）の組み合わせを選択することを目的とする。本明細書に使用される場合、設定値（またはデータポイント）の組み合わせを照会することは、設定値の組み合わせを用いた目的の評価（例えば、設定値の組み合わせに従って蒸気圧縮システムを運転させること）を指す。いくつかの実施形態は、運転コストの最初の２次モーメントの獲得関数を用いて、次に照会する設定値の組み合わせを選択する。

【0021】

獲得関数は、代理モデルによって提供された確率的マッピングを用いて、次に照会する設定値の組み合わせを選択する。したがって、獲得関数は、次にサンプリングする／照会するデータポイントを決定するためのガイドとして使用される。一実施形態において、獲得関数は、ＶＣＳの運転を照会および最適化するために、代理モデルのグローバル極小値である可能性が最も高い設定値の最適な組み合わせを選択するように最大化される。このような代理モデルの構築および代理モデルの利用は、ベイズ最適化の一部である。言い換えれば、ベイズ最適化は、ガウス過程回帰を用いて確率的マッピングを提供する代理モデルと、代理モデルによって提供された確率的マッピングを利用して、結果として生じる設定値の照会を指示する獲得関数とを含む。

【0022】

選択された設定値の最適な組み合わせは、ＶＣＳに関連するフィードバックコントローラに適用される。フィードバックコントローラは、選択された設定値の最適な組み合わせに対応する制御コマンドを決定するように構成されている。さらに、フィードバックコントローラは、制御コマンドに基づいてＶＣＳの運転を制御することによって、選択された設定値の最適な組み合わせに従ってＶＣＳのアクチュエータの状態を変更する。フィードバックコントローラは、ＰＩコントローラ、ＰＩＤコントローラ、ＭＰＣコントローラ、またはロバストコントローラのいずれかまたは組み合わせである。

【0023】

さらに、蒸気圧縮システムは、選択された設定値の最適な組み合わせの性能出力（例えば、電力消費量）をもたらす。さらに、選択された設定値の最適な組み合わせおよび対応する性能出力を用いて、ベイズ最適化を使用する代理モデルを更新する。その結果、更新された代理モデルが得られる。さらに、同じ獲得関数を更新された代理モデルに適用することによって、ＶＣＳを制御するための設定値の新しい最適な組み合わせを選択し、代理モデルを更新する。同様の方法で、代理モデルは、各反復において更新される。このような反復プロセスは、オンラインで、すなわち、蒸気圧縮システムのリアルタイム運転中に、終了条件が満たされるまで実行される。終了条件は、反復の回数であってもよい。反復の回数は、任意であってもよく、またはユーザによって定義されてもよい。代理モデルの反復的更新は、正確な代理モデルをもたらす。各反復において、代理モデルが更新され、獲得関数と組み合わせて使用され、最適な設定値を決定するため、獲得関数と組み合わせた代理モデルは、設定値オプティマイザとして機能する。

【0024】

いくつかの実施形態は、複数の極小値を含む非凸関数について、ＥＳＣが極小値を含む領域で開始される場合、ＥＳＣは、ローカル極小値のみを決定し、グローバル極小値を決定しないという認識に基づいている。

【0025】

いくつかの実施形態は、非凸関数について、グローバル極小値を決定することは、良好な初期推測値を特定すること、すなわち、関数が局所的に凸であり、グローバル極小値を含む領域でＥＳＣを開始することを含むという認識に基づいている。さらに、勾配推定値は、領域内で使用され、グローバル極小値を特定する。良好な初期推測値がない場合、勾配ベースアルゴリズムの収束が遅くなり、ローカル極小値で立ち往生する可能性がある。

【0026】

いくつかの実施形態は、代理モデルを用いて、グローバル極小値を含む可能性が最も高い領域においてＥＳＣを開始することができるという認識に基づいている。特に、代理モデルを使用するベイズ最適化（ＢＯ）フレームワークを定式化して、グローバル極小値を含む可能性が最も高い領域においてＥＳＣを開始することができる。その後、ＢＯフレームワークによって得られた解は、グローバル極小値を得るために使用できるアダム加速型極値探索制御の初期推測値として使用することができる。

【0027】

いくつかの実施形態は、解析形式の運転コストの関数が利用可能である場合に、選択された設定値の最適な組み合わせを調整するために極値探索コントローラによって使用された運転コストの勾配を容易に計算することができるという認識に基づいている。しかしながら、ＶＣＳを制御するために、そのような解析関数は、通常、利用不可能である。しかしながら、いくつかの実施形態は、そのような解析関数の代わりに確率的代理モデルを用いて、調整された設定値の組み合わせに対して運転コストの連続推定に基づいて、運転コストの勾配を計算することができるという認識に基づいている。具体的には、一実施形態は、各設定値に対してガウス過程のカーネル行列の勾配を直接に取得することを含む。このように、確率的代理モデルは、ＥＳＣのウォームスタートおよびＥＳＣの制御の両方に使用される。

【0028】

代理モデリングに基づく最適化（例えば、ベイズ最適化ウォームスタートＥＳＣ）は、決定的な利点をもたらす。例えば、機械学習方法は、測定値のノイズにもかかわらず、例えばガウス過程回帰を介して、性能出力に対する蒸気圧縮システムの入力の代理モデルを構築することを可能にする。しかしながら、モデルを使用しない手法（例えば、ＥＳＣ）は、ノイズのあるデータから勾配を直接に推定するため、最適な入力の近傍に振動が発生したり、発散したりするなどの望ましくない影響が生じる可能性がある。また、代理モデリングは、終了基準を達成した時点で入出力モデルを学習し、それを例えばクラウド上に保存しておくことで、その後の操作で入力の初期推測値（ウォームスタート）を適切に行うことができる。さらに、代理モデル上で１次および２次方法などの平滑最適化方法を直接に使用できるため、収束率が平滑リグレッサを介した代理モデリングと共に改善する。

【0029】

したがって、一実施形態は、蒸気圧縮システム（ＶＣＳ）の運転を制御するための制御装置を開示する。この制御装置は、少なくとも１つのプロセッサと、少なくとも１つのプロセッサによって実行されると、制御装置に、以下の動作を実行させる命令を格納するメモリとを備える。動作は、ＶＣＳの異なるアクチュエータの設定値の異なる組み合わせを用いてＶＣＳの運転を制御することによって、設定値の異なる組み合わせの各々に対するＶＣＳの運転コストを推定することと、設定値の組み合わせとそれらに対応する推定運転コストとのベイズ最適化を用いて、ＶＣＳの異なるアクチュエータの設定値の様々な組み合わせとそれらに対応する運転コストとの間の確率的マッピングを提供する確率的代理モデルを計算することとを含み、確率的代理モデルは、確率的マッピング中の運転コストの少なくとも最初の２次モーメントを定義する。動作は、運転コストの最初の２次モーメントの獲得関数に従って、代理モデルにおいてグローバル極小値である可能性が最も高い設定値の最適な組み合わせを選択することと、選択された設定値の最適な組み合わせをフィードバックコントローラに送信することによって、選択された最適な組み合わせ中の対応する設定値に従ってＶＣＳのアクチュエータの状態を変更することとを含む。

【0030】

別の実施形態は、蒸気圧縮システム（ＶＣＳ）の運転を制御するための方法を開示する。方法は、ＶＣＳの異なるアクチュエータの設定値の異なる組み合わせを用いてＶＣＳの運転を制御することによって、設定値の異なる組み合わせの各々に対するＶＣＳの運転コストを推定することと、設定値の組み合わせとそれらに対応する推定運転コストとのベイズ最適化を用いて、ＶＣＳの異なるアクチュエータの設定値の様々な組み合わせとそれらに対応する運転コストとの間の確率的マッピングを提供する確率的代理モデルを計算することとを含み、確率的代理モデルは、確率的マッピング中の運転コストの少なくとも最初の２次モーメントを定義する。方法は、運転コストの最初の２次モーメントの獲得関数に従って、代理モデルにおいてグローバル極小値である可能性が最も高い設定値の最適な組み合わせを選択することと、選択された設定値の最適な組み合わせをフィードバックコントローラに送信することによって、選択された最適な組み合わせ中の対応する設定値に従ってＶＣＳのアクチュエータの状態を変更することとを含む。

【0031】

さらに別の実施形態は、蒸気圧縮システム（ＶＣＳ）の運転を制御するための方法を実行するためにプロセッサによって実行可能なプログラムを具現化した非一時的なコンピュータ可読記憶媒体を開示する。方法は、ＶＣＳの異なるアクチュエータの設定値の異なる組み合わせを用いてＶＣＳの運転を制御することによって、設定値の異なる組み合わせの各々に対するＶＣＳの運転コストを推定することと、設定値の組み合わせとそれらに対応する推定運転コストとのベイズ最適化を用いて、ＶＣＳの異なるアクチュエータの設定値の様々な組み合わせとそれらに対応する運転コストとの間の確率的マッピングを提供する確率的代理モデルを計算することとを含み、確率的代理モデルは、確率的マッピング中の運転コストの少なくとも最初の２次モーメントを定義する。方法は、運転コストの最初の２次モーメントの獲得関数に従って、代理モデルにおいてグローバル極小値である可能性が最も高い設定値の最適な組み合わせを選択することと、選択された設定値の最適な組み合わせをフィードバックコントローラに送信することによって、選択された最適な組み合わせ中の対応する設定値に従ってＶＣＳのアクチュエータの状態を変更することとを含む。

【図面の簡単な説明】

【0032】

【図1A】蒸気圧縮システムの制御を分離するために、いくつかの実施形態によって使用される原理を示す概略図である。

【図1B】蒸気圧縮システムの運転を制御するために、いくつかの実施形態によって使用される原理を示す概略図である。

【図1C】いくつかの実施形態に従って、代理モデルによって提供された平均予測値および信頼範囲を示す図である。

【図1D】いくつかの実施形態に従って、獲得関数の曲線を示す図である。

【図2】いくつかの実施形態に従って、蒸気圧縮システムの運転を制御するための制御装置を示すブロック図である。

【図3】いくつかの実施形態に従って、代理モデルを決定するためのガウス過程を示すブロック図である。

【図4】いくつかの実施形態に従って、次に照会するデータポイントを選択するためのブロック図である。

【図5】いくつかの実施形態に従って、アダムアルゴリズムの原理を使用する時変極値探索コントローラ（ＴＶ－ＥＳＣ）を示す概略図である。

【図6】いくつかの実施形態に従って、勾配データの平均値および標準偏差に基づく歩幅の適応を示す図である。

【図7A】いくつかの実施形態に従って、例示的な凸関数を示す図である。

【図7B】いくつかの実施形態に従って、例示的な非凸関数を示す図である。

【図8】いくつかの実施形態に従って、ベイズ最適化ウォームスタートＥＳＣのフローチャートを示す図である。

【図9A】いくつかの実施形態に従って、マルチゾーン蒸気圧縮システム（ＭＺ－ＶＣＳ）を示すブロック図である。

【図9B】いくつかの実施形態に従って、マルチゾーン蒸気圧縮システム（ＭＺ－ＶＣＳ）を示すブロック図である。

【図10】いくつかの実施形態に従って、標準時変ＥＳＣ、アダム加速時変ＥＳＣ、およびベイズ最適化ウォームスタートＥＳＣの性能結果を示す図である。

【図11】いくつかの実施形態に従って、複合システムの標準時変ＥＳＣおよびベイズ最適化ウォームスタートＥＳＣの性能結果を示す図である。

【図12】いくつかの実施形態に従って、制御装置を使用した加熱、換気、および空調（ＨＶＡＣシステム）の制御を示す図である。

【発明を実施するための形態】

【0033】

以下の記載において、説明の目的のために、本開示に対する完全な理解を提供するために、多くの具体的な詳細が記載される。これらの具体的な詳細なくても、１つ以上の実施形態を実施することができることは、当業者にとって明白である。また、本開示を不明瞭にしないように、装置および方法をブロック図として示す。

【0034】

本明細書および特許請求の範囲で使用される場合、用語「例えば」、「例示として」、「・・・のような」ならびに動詞「備える」、「有する」、「含む」およびそれらの他の動詞形は、１つ以上の構成要素または他の項目のリストと共に使用される場合、このリストから他の追加の構成要素または項目を排除しないことを意味するオープンエンドとして解釈すべきである。用語「・・・に基づく」は、少なくとも部分的に基づくことを意味する。さらに、理解すべきことは、本明細書に使用された表現および用語は、説明の目的のためのものであり、限定として具体的に定義されない限り、限定的なものとして見なすべきではないことである。本明細書に使用されたいずれかの見出しは、便宜のためのものであり、法的または限定的な効果を有しない。

【0035】

図１Ａは、蒸気圧縮システムの制御を分離するために、いくつかの実施形態によって使用される原理を示す概略図である。ヒートポンプ、冷凍システム、および空調システムなどの蒸気圧縮システム（ＶＣＳ）は、産業用途および家庭用途において広く使用されている。可変速度圧縮機、可変位置弁、および可変速ファンを蒸気圧縮サイクルに導入することは、蒸気圧縮システムの運転適応性を大幅に改善した。具体的には、特定量の熱を供給するＶＣＳへの制御入力の組み合わせは、多くの場合、独特ではなく、制御入力の異なる組み合わせは、異なる運転コストを有する可能性がある。例えば、ＶＣＳのアクチュエータの状態を制御する制御入力の２つの異なる組み合わせに従って運転するＶＣＳは、同じ熱容量を供給することができるが、異なる量のエネルギーを消費する場合がある。したがって、運転コストを最適化する制御入力の組み合わせ、例えば、ＶＣＳのエネルギー消費を最小化するおよび／またはエネルギー効率を最大化する制御入力の組み合わせを用いてＶＣＳを運転させることが望ましい。

【0036】

ＶＣＳのエネルギー効率に対処する制御方法は、２つのカテゴリ、すなわち、モデルベース制御方法およびデータ駆動制御方法に分けることができる。モデルベース方法は、ＶＣＳの制御入力がＶＣＳの熱力学的挙動およびエネルギー消費に与える影響を記述しようとするものである。このようなモデルベース方法において、従来の解析モデルを用いて、熱負荷要件を満たし且つエネルギー消費を最小化する制御入力の組み合わせを予測する。しかしながら、異なる構成のＶＣＳのための解析モデルを導出、較正、および経時的に更新することが困難である。例えば、１つ以上の室内ゾーンに配置された複数の熱交換器に接続された少なくとも１つの圧縮機を含むマルチゾーン蒸気圧縮システム（ＭＺ－ＶＣＳ）のための解析モデルを定式化することが困難である。言い換えれば、ＭＺ－ＶＣＳの複雑性は、対応する解析モデルの使用を妨げる可能性がある。

【0037】

動的システムの正確なモデル（例えば、ＶＣＳ）がない場合、いくつかの制御方法は、動的システムによってリアルタイムで生成された運転データを用いて、動的システムの動力学を安定させる制御ポリシーを構築する。このように運転データを用いて制御ポリシーを設計することは、データ駆動制御と呼ばれる。データ駆動制御方法には、間接的な方法と直接的な方法との２種類がある。間接的な方法は、動的システムの代理モデルを構築することと、代理モデルを活用してコントローラを設計することとを含む。直接的な方法は、中間モデルを構築することなく、運転データに基づいて制御ポリシーを直接に構築することを含む。間接的な方法の欠点は、モデル構築の段階で大量のデータを必要とする可能性があることである。逆に、直接的な方法は、より少ないデータを必要とするが、最先端の直接的な制御方法でさえも、ＶＣＳのような閉ループ制御システムの安全な運転を維持するために必要な状態および入力の制約を取り扱うことが困難である。

【0038】

そのために、いくつかの実施形態の目的は、ＶＣＳの閉ループ制御を行うための間接的なデータ駆動制御方法を提供することである。このような閉ループ制御方法は、モデルベース制御方法の複雑性および直接的なデータ駆動制御方法のから悪い影響を受けない可能性がある。しかしながら、このような間接的なデータ駆動制御を提供するためには、ＶＣＳの運転を効率的に管理することができる代理モデルを生成する必要がある。

【0039】

いくつかの実施形態は、ＶＣＳを制御するための代理モデルを構築する際にいくつかの障害があるという認識に基づいている。例えば、代理モデルを構築するためには、ＶＣＳのアクチュエータへの制御入力の値の大規模且つ実質的に無限の連続空間を調査する必要がある。この課題に対処するために、いくつかの実施形態は、ＶＣＳのアクチュエータへの制御入力の代理モデル１１０を、ＶＣＳ制御が達成および／または追跡する必要がある異なるアクチュエータの設定値の代理モデル１２０に置換する。このようにして、ＶＣＳ制御の最適化は、実際の制御から分離され、ＶＣＳの異なるアクチュエータの連続制御を危険にさらすことなく、設定値の空間をサンプリングすることができる。

【0040】

代理モデル１０２は、ＶＣＳの異なるアクチュエータの設定値１０２aの様々な組み合わせと対応するＶＣＳの運転コスト１０２ｂとの間のマッピングを提供する。本明細書に使用される場合、「設定値」は、ＶＣＳの変量の所望の値を指す。設定値という用語は、制御信号、熱力学的パラメータおよび環境パラメータからなる特定のセットの任意の特定の値に適用される。例えば、「設定値」という用語は、ＶＣＳの構成要素の特定の状態を示すことができる。ＶＣＳの異なるアクチュエータは、ＶＣＳの膨張弁の位置を制御するアクチュエータ、ＶＣＳの室内ファン、ＶＣＳの室外ファン、およびダンパアクチュエータなどのうちの１つ以上を含んでもよい。一実施形態によれば、設定値の組み合わせに対応する運転コストは、設定値の組み合わせに従って運転するＶＣＳの電力消費量である。さらに、代理モデル１０２を用いて、ＶＣＳの運転を制御することができる。

【0041】

図１Ｂは、代理モデル１０２を用いて蒸気圧縮システム（ＶＣＳ）１１０の運転を制御するために、いくつかの実施形態によって使用される原理を示す概略図である。いくつかの実施形態は、勾配降下などの様々な検索技術を代理モデル１０２に使用して、ＶＣＳ１１０の運転コストを低減する設定値の最適な組み合わせを選択することができるという認識に基づいている。しかしながら、実際のＶＣＳ制御から制御を分離すると、ＶＣＳ１１０の動的応答が遅くなり、別の課題を引き起こす。例えば、代理モデル１０２は、設定値と定常状態におけるＶＣＳの運転コストとをマッピングする必要がある。しかしながら、ＶＣＳ１１０が設定値に対応する定常状態に到達するのに時間（例えば、１５分）を必要とする。また、設定値の最適化と制御を分離した場合、アクチュエータの状態を設定値に反復的に変更するために追加のフィードバックコントローラを使用する必要があり、その後、ＶＣＳの出力を安定化するために追加の時間を必要とする。

【0042】

したがって、実際のＶＣＳ制御から設定値の最適化を分離することは、内在課題を引き起こす。すなわち、ＶＣＳ運転の定常状態を待つために多くの時間が消費され、代理モデル１０２を構築するために、設定値の組み合わせと対応する運転コストとのペアのサンプル数が多く必要とされる。そのために、いくつかの実施形態の目的は、ＶＣＳ運転の定常状態を待たずに過渡時間においてＶＣＳの運転コストを推定し、代理モデル１０２を構築するために必要なサンプル数を減らすことである。

【0043】

一実施形態によれば、この目的は、設定値およびそれらに対応する推定運転コストの組み合わせのベイズ最適化を用いて確率的代理モデルを構築することによって達成することができる。確率的代理モデルは、ＶＣＳ１１０の異なるアクチュエータの設定値の様々な組み合わせと、対応する運転コストの確率分布との間のマッピングを提供する。代理モデル１０２は、確率的代理モデルに対応する。代理モデル１０２の確率的性質は、（１）過渡測定が確率的代理モデルに組み込まれ得る不確実性を含むため、ＶＣＳ運転の定常状態を待たずにＶＣＳの運転コストを推定することに使用できる不確実性、および（２）代理モデル１０２を構築するために必要なサンプル数を減らすために、このような不確実性を考慮して代理モデル構築プロセスを誘導するために使用できる不確実性を含む。

【0044】

一実施形態において、設定値の組み合わせに従って、ＶＣＳ１１０が定常状態に到達するのに不十分な所定時間（例えば、５分）でＶＣＳ１１０を運転した後に、設定値の組み合わせに対応する運転コストを推定する。いくつかの実施形態において、対応する設定値の組み合わせに従って運転するＶＣＳ１１０の過渡状態の間に、少なくとも一部の運転コストを推定する。

【0045】

一実施形態によれば、確率的代理モデルは、確率的マッピングにおいて運転コストの少なくとも最初の２次モーメントを定義するように、設定値の組み合わせと対応する推定運転コストの確率分布とをマッピングする確率的機械学習アルゴリズム（例えば、ガウス過程回帰）を用いて構築することができる。一実施形態において、少なくとも最初の２次モーメントは、運転コストの平均値および運転コストの平方偏差（信頼範囲とも呼ばれる）を含むことができる。例えば、設定値の特定の組み合わせについて、代理モデル１０２は、電力消費量の予測値だけではなく、予測された電力消費量の信頼範囲（例えば、電力消費量の予測値が１０００Ｗであり、予測された電力消費量が９６０Ｗと１０４０Ｗとの間にある信頼範囲が９５％である）も提供する。

【0046】

図１Ｃは、いくつかの実施形態に従って、代理モデル１０２によって提供される平均予測値および信頼範囲を示す図である。点１２０は、サンプル／観測結果を表す。曲線１１６は、平均予測値を表し、陰影領域１１８は、信頼範囲を表す。

【0047】

さらに、いくつかの実施形態は、次に照会されなければならない設定値（「データポイント」とも呼ばれる）の組み合わせを選択することを目的とする。本明細書に使用される場合、設定値（またはデータポイント）の組み合わせを照会することは、設定値の組み合わせを用いた目的の評価（例えば、設定値の組み合わせに従って蒸気圧縮システム１１０を運転させること）を指す。いくつかの実施形態は、運転コストの最初の２次モーメントの獲得関数１０４を用いて、次に照会する設定値の組み合わせを選択する。

【0048】

図１Ｄは、いくつかの実施形態に従って、獲得関数１０４の曲線１２４を示す。獲得関数１０４は、代理モデル１０２によって提供された確率的マッピングを用いて、次に照会する設定値（すなわち、データポイント）の組み合わせを選択する。例えば、代理モデル１０２が、（以前に照会されていない）第１のデータポイントにおいて、電力消費量が８５％の信頼範囲で少なくとも９００Ｗであり得ることをもたらし、（同じく以前に照会されていない）第２のデータポイントにおいて、電力消費量が９５％の信頼範囲で少なくとも９９０Ｗであり得ることをもたらす場合、９００Ｗが蒸気圧縮システム１１０の最適な電力消費量である可能性が高いため、第１のデータポイントが低い信頼範囲にあっても、第２のデータポイントを照会する前に第１のデータポイントを照会する必要がある。したがって、獲得関数１０４は、次にサンプリングする／照会するデータポイントを決定するためのガイドとして使用される。

【0049】

一実施形態において、獲得関数１０４は、ＶＣＳ１１０の運転を照会および最適化するために、代理モデル１０２のグローバル極小値１２２である可能性が最も高い設定値１０６の最適な組み合わせを選択するために最大化される。このような代理モデルの構築および代理モデルの利用は、ベイズ最適化１１４の一部である。言い換えれば、ベイズ最適化１１４は、ガウス過程回帰を用いて確率的マッピングを提供する代理モデル１０２と、代理モデル１０２によって提供された確率的マッピングを利用して、結果として生じる設定値の照会を指示する獲得関数１０４とを含む。

【0050】

選択された設定値１０６の最適な組み合わせは、ＶＣＳ１１０に関連するフィードバックコントローラ１０８に適用される。フィードバックコントローラ１０８は、選択された設定値１０６の最適な組み合わせに対応する制御コマンドを決定するように構成されている。さらに、フィードバックコントローラ１０８は、制御コマンドに基づいてＶＣＳ１１０の運転を制御することによって、選択された設定値１０６の最適な組み合わせに従ってＶＣＳ１１０のアクチュエータの状態を変更する。具体的には、一実施形態において、フィードバックコントローラ１０８は、ＶＣＳ１１０の出力（またはプロセス変量）を測定する。測定値は、フィードバック信号１３０としてフィードバックコントローラ１０８に適用される。フィードバックコントローラ１０８は、選択された設定値１０６の最適な組み合わせとフィードバック信号１３０との間の差を、誤差信号として計算する。フィードバックコントローラ１０８は、比例ゲイン、積分項、および／または微分項などの制御パラメータを使用する。制御パラメータを誤差信号に適用することによって、ＶＣＳ１１０が選択された設定値１０６の最適な組み合わせに従ってプロセス変量またはＶＣＳ出力を駆動するための入力を決定することができる。フィードバックコントローラ１０８は、ＰＩコントローラ、ＰＩＤコントローラ、ＭＰＣコントローラ、またはロバストコントローラのいずれかまたは組み合わせである。

【0051】

さらに、蒸気圧縮システム１１０は、選択された設定値１０６の最適な組み合わせの性能出力１１２（例えば、電力消費量）をもたらす。さらに、選択された設定値１０６の最適な組み合わせおよび対応する性能出力１１２を用いて、ベイズ最適化を使用する代理モデル１０２を更新する。その結果、更新された代理モデルが得られる。さらに、同じ獲得関数１０４を更新された代理モデルに適用することによって、ＶＣＳ１１０を制御するための設定値の新しい最適な組み合わせを選択し、代理モデル１２０を更新する。同様の方法で、代理モデル１０２は、各反復において更新される。このような反復プロセスは、オンラインで、すなわち、蒸気圧縮システム１１０のリアルタイム運転中に、終了条件が満たされるまで実行される。終了条件は、反復の回数であってもよい。反復の回数は、任意であってもよく、またはユーザによって定義されてもよい。

【0052】

代理モデル１０２の反復更新は、正確な代理モデルをもたらす。各反復において、代理モデル１０２が更新され、獲得関数１０４と組み合わせて使用され、最適な設定値を決定するため、獲得関数１０４と組み合わせた代理モデル１０２は、設定値オプティマイザとして機能する。

【0053】

図２は、いくつかの実施形態に従って、蒸気圧縮システム１１０の運転を制御するための制御装置２００を示すブロック図である。制御装置２００は、多数のインターフェイスを含み、これらのインターフェイスは、制御装置２００を他のシステムおよび装置に接続することができる。例えば、ネットワークインターフェイスコントローラ（ＮＩＣ）２１４は、バス２１２を介して制御装置２００をネットワーク２１６に接続するように構成されている。制御装置２００は、無線または有線ネットワーク２１６を介して、室内ファンの速度、室外ファンの速度、膨張弁の位置、圧縮機の速度、および蒸気圧縮システム１１０の性能出力１１２などのうちの１つ以上を示すセンサ測定値２１８を受信することができる。追加的にまたは代替的に、センサ測定値２１８は、入力インターフェイス２０２を介して受信されてもよい。制御装置２００は、センサ測定値に基づいて、蒸気圧縮システム１１０の構成要素の動作を監視することができる。

【0054】

制御装置２００は、記憶された命令を実行するように構成されたプロセッサ２０４と、プロセッサ２０４によって実行可能な命令を記憶するメモリ２０６とを含む。プロセッサ２０４は、シングルコアプロセッサ、マルチコアプロセッサ、コンピューティングクラスタ、または任意の数の他の構成であってもよい。メモリ２０６は、ランダムアクセスメモリ（ＲＡＭ）、読取り専用メモリ（ＲＯＭ）、フラッシュメモリ、または任意の他の適切なメモリシステムを含んでもよい。プロセッサ２０４は、バス２１２を介して１つ以上の入力および出力装置に接続される。さらに、制御装置２００は、プロセッサ２０４によって実行可能な命令を記憶する異なるモジュールを記憶するように構成された記憶装置２０８を含む。記憶装置２０８は、ハードドライブ、光学ドライブ、サムドライブ、ドライブアレイ、またはそれらの任意の組み合わせを用いて実装することができる。

【0055】

記憶装置２０８は、ＶＣＳの異なるアクチュエータの設定値の様々な組み合わせとそれらに対応する運転コストとの間の確率的マッピングを提供する代理モデル１０２を記憶するように構成されている。記憶装置２０８は、獲得関数１０４を記憶するように構成されている。獲得関数１０４は、次に照会／サンプリングする蒸気圧縮システム１１０の異なる運転パラメータの組み合わせを選択するために使用される。いくつかの実施形態において、獲得関数１０４は、代理モデル１０２においてグローバル極小値である可能性が最も高い設定値の最適な組み合わせを選択するために使用される。

【0056】

いくつかの実施形態において、プロセッサ２０４は、ＶＣＳ１１０の異なるアクチュエータの設定値の異なる組み合わせを用いてＶＣＳ１１０の運転を制御することによって、設定値の異なる組み合わせの各々に対するＶＣＳ１１０の運転コストを推定し、設定値の組み合わせとそれらに対応する推定運転コストとのベイズ最適化を用いて、ＶＣＳ１１０の異なるアクチュエータの設定値の様々な組み合わせとそれらに対応する運転コストとの間の確率的マッピングを提供する確率的代理モデルを計算するように構成されている。確率的代理モデルは、確率的マッピング中の運転コストの少なくとも最初の２次モーメントを定義する。プロセッサ２０４は、運転コストの第１の２次モーメントの獲得関数１０４に従って、代理モデルにおいてグローバル極小値である可能性が最も高い設定値の最適な組み合わせを選択するようにさらに構成されている。プロセッサ２０４はさらに、出力インターフェイス２２０を介して、選択された設定値の最適な組み合わせをフィードバックコントローラ１０８に送信することによって、選択された最適な組み合わせ中の対応する設定値に従ってＶＣＳ１１０のアクチュエータの状態を変更するように構成されている。フィードバックコントローラ１０８は、ＰＩコントローラ、ＰＩＤコントローラ、ＭＰＣコントローラ、またはロバストコントローラのいずれかまたは組み合わせである。

【0057】

一実施形態において、プロセッサ２０４は、選択された設定値１０６の最適な組み合わせに対する運転コストを推定するようにさらに構成され、選択された設定値の最適な組み合わせおよび対応する推定運転コストを用いて、ベイズ最適化を使用する代理モデル１０２を更新する。いくつかの実施形態において、プロセッサ２０４は、終了条件が満たされるまで、更新された代理モデルに適用された獲得関数に従って、新たに選択された設定値の最適な組み合わせを用いて代理モデル１０２を再帰的に更新するようにさらに構成されている。

【0058】

【数1】

【0059】

【数2】

【0060】

【数3】

【0061】

【数4】

【0062】

【数5】

【0063】

【数6】

【0064】

代替的には、いくつかの実施形態において、代理モデル１０２は、ニューラルプロセス回帰またはベイズニューラルネットワークおよび／または機械学習の他の変形によって決定することができる。

【0065】

【数7】

【0066】

【数8】

【0067】

【数9】

【0068】

【数10】

【0069】

ブロック４０４において、各ランダムサンプルのＥＩ獲得関数を最大化する。ブロック４０６において、サンプル極大値を照会すべきデータポイントとして選択する。

【0070】

そのために、獲得関数（例えば、式（５））は、照会すべきデータポイントを提供する。選択されたデータポイントで照会することによって、対応する定常電力が得られる。いくつかの実施形態は、獲得関数から決定されたデータポイントを用いて代理モデル１０２を更新／再訓練することによって、代理モデル１０２の精度を高めることができるという認識に基づいている。特に、獲得関数を用いて選択されたデータサンプルおよびデータポイントを用いて、ハイパーパラメータセットが再計算される。

【0071】

同様に、次の反復において、更新／再訓練された代理モデル１０２と共に、獲得関数（例えば、式（５））を用いて、照会すべき別のデータポイントを選択することができる。さらに、選択された他のデータポイントを用いて、更新／再訓練された代理モデル１０２を再び更新／再訓練することができる。このような代理モデル１０２の更新の反復は、終了条件が満たされるまで実行される。適切な回数の反復の後、代理モデル１０２は、基礎的な関数Ｊを学習する。

【0072】

代替的には、いくつかの実装において、改善確率獲得関数または上限信頼境界獲得関数を用いて、次に照会するデータポイントを選択することができる。
勾配推定に基づく歩幅の調整

【0073】

【数11】

【0074】

いくつかの実施形態は、アダム(Adam)、確率的勾配降下、適応勾配（Adagrad）、およびRMSpropなどの適応勾配アルゴリズムが、勾配だけではなく、対応する統計も活用して、勾配のロバストな推定を行うという認識に基づいている。また、適応勾配アルゴリズムは、収束速度を改善するように、歩幅を迅速に特定する運動量ベースのメカニズムを含む。適応勾配アルゴリズムは、典型的には、ニューラルネットワークを訓練するために使用される。しかしながら、いくつかの実施形態は、適応勾配アルゴリズムを極値探索制御（ＥＳＣ）に使用して、局所近傍の関数Ｊの平滑度に基づいて歩幅を自動的に調整することができるという認識に基づいている。そのために、一実施形態は、アダムアルゴリズムを極値探索制御に取り入れることによって、アダム加速型極値探索制御を定式化することを目的とする。

【0075】

【数12】

【0076】

【数13】

【0077】

【数14】

【0078】

【数15】

【0079】

【数16】

【0080】

【数17】

【0081】

【数18】

【0082】

【数19】

【0083】

【数20】

【0084】

【数21】

【0085】

図７Ａは、いくつかの実施形態に従って、例示的な凸関数７００を示す。凸関数７００において、ドメイン７０２の任意の場所でＥＳＣを開始することにより、極小値を達成することができる。図７Ｂは、いくつかの実施形態に従って、例示的な非凸関数７０４を示す。複数の極小値７１０ａおよび７１０ｂを含む非凸関数７０４において、グローバル極小値の決定は、ＥＳＣが開始されるドメインに依存する。例えば、ＥＳＣがドメイン７０６で開始される場合、ＥＳＣは、グローバル極小値、すなわち極小値７１０ａを決定する。しかしながら、ＥＳＣがドメイン７０８で開始される場合、ＥＳＣは、極小値７１０ｂ（すなわち、ローカル極小値）のみを決定し、グローバル極小値を決定しないことがある。

【0086】

いくつかの実施形態は、関数Ｊが非凸関数である場合、グローバル極小値を決定することは、良好な初期推測値を識別すること、すなわち、関数Ｊが局所的に凸であり、グローバル極小値を含む領域でＥＳＣを開始することを含むという認識に基づいている。さらに、勾配推定値は、領域内で使用され、グローバル極小値を特定する。良好な初期推測値がない場合、勾配ベースアルゴリズムの収束が遅くなり、ローカル極小値で立ち往生する可能性がある。

【0087】

いくつかの実施形態は、代理モデル１０２を用いて、グローバル極小値を含む可能性が最も高い領域（例えば、領域７０６）においてＥＳＣを開始することができるという認識に基づいている。特に、いくつかの実施形態は、代理モデル１０２の確率的性質および制御されているＶＣＳの過渡状態の運転コストを推定する能力が、設定値の最適な組み合わせを選択する際にＶＣＳの動力学を適切に捕捉できない場合があるという認識に基づいている。そのために、いくつかの実施形態は、確率モデルに従って選択された設定値の最適な組み合わせを用いて、データ駆動方式でＶＣＳ動力学を探索するＥＳＣをウォームスタートさせる。有利なことに、ＥＳＣは、モデルなしで制御入力を最適化することができる。しかしながら、ＥＳＣは、最適な設定値に収束するまでに数時間かかることがある。ＥＳＣのこのような遅い収束特性は、様々な実施形態による暖機運転で克服することができる蒸気圧縮システムの性能のリアルタイム最適化の解決策に対する障壁を示す。

【0088】

図８は、いくつかの実施形態に従って、ベイズ最適化ウォームスタートＥＳＣのフローチャートを示す。ベイズ最適化ウォームスタートＥＳＣは、ＥＳＣの初期推測値を提供するためのベイズ最適化ウォームスタート機構を含む。

【0089】

ステップ８００において、設定値の許容可能な空間において設定値の初期セットをサンプリングする（８００）。設定値の初期セットは、後続の設定値および対応する定常電力出力と共に、データセットを形成する。ステップ８０２において、データセットに基づいて代理モデルを決定する。ステップ８０４において、獲得関数を用いて次の最良の設定値を選択する。いくつかの実装形態において、取得された次の最良の設定値は、代理モデルのグローバル極小値である可能性が最も高いパラメータの組み合わせに対応し得る。ステップ８０２および８０４は、図３および４で詳細に説明される。

【0090】

ステップ８０６において、取得された次の最良の設定値を初期推測値としてＥＳＣに適用する。
マルチゾーン蒸気圧縮システム

【0091】

いくつかの実施形態は、住宅および商業施設を制御するマルチゾーン蒸気圧縮システム（ＭＺ－ＶＣＳ）の利点の認識に基づいている。一実施形態において、ＶＣＳ１１０は、ＭＺ－ＶＣＳに対応し得る。ＭＺ－ＶＣＳは、１つ以上の室内ゾーンに配置された複数の熱交換器に接続された少なくとも１つの圧縮機を含む。以下、図９Ａおよび図９Ｂを参照して、ＭＺ－ＶＣＳを詳細に説明する。

【0092】

図９Ａおよび図９Ｂは、いくつかの実施形態に従って、マルチゾーン蒸気圧縮システム（ＭＺ－ＶＣＳ）を示すブロック図である。ＭＺ－ＶＣＳは、圧縮機と、一組のゾーンの環境を制御するように構成された一組の熱交換器とを含む。各ゾーンには少なくとも１つの熱交換器が配置されている。例えば、図９Ａの一実施形態において、各ゾーン９２５または９３５は、ＭＺ－ＶＣＳが複数のゾーンに冷却または加熱を同時に提供することを可能にする建物内の部屋に対応する。図９Ｂに示される代替的な実施形態において、複数の熱交換器が建物内の１つの部屋またはゾーン９３７に配置され、ＭＺ－ＶＣＳが部屋の異なる部分に冷却または加熱を提供することを可能にする。

【0093】

本開示において、明確にするために、２つのゾーンのＭＺ－ＶＣＳを説明したが、理解すべきことは、冷媒ラインの長さ、容量、圧縮機のポンプ動力、および建築基準の物理的な制限を条件として、任意の数のゾーンを使用することができることである。ゾーンが室内ゾーン、例えば部屋または部屋の一部である場合、熱交換器は、室内熱交換器である。

【0094】

圧縮機９１０は、蒸気状態の低圧冷媒を受け取り、機械的な仕事を行い、冷媒の圧力および温度を上昇させる。四方弁９０９の構成に応じて、高温冷媒を室外熱交換器（この場合、システムは、熱を外部環境に伝達し、有用な冷却を提供するため、冷却モードで動作している）、または室内熱交換器（この場合、システムは、熱を１つ以上の屋内ゾーンに伝達し、有用な暖房を提供するため、暖房モードで動作している）のいずれかにルーティングすることができる。

【0095】

後続の説明を明確にするためおよび単純化するために、一般的に冷却モードを検討する。すなわち、四方弁９０９の実線で示すように、圧縮機は、蒸気圧縮システムの残りに接続されている。理解すべきことは、凝縮器を蒸発器に適切に置換し、凝縮温度を蒸発温度に適切に置換することによって、類似の記載は、加熱モードで動作するシステムに適用することができることである。

【0096】

冷房モードにおいて、高温高圧の冷媒は、室外熱交換器９１５に流れ、関連する任意選択のファン９１６は、室外熱交換器９１５に送風する。熱は、冷媒から空気に伝達され、冷媒を蒸気から液体に凝縮させる。

【0097】

蒸気冷媒が飽和蒸気から液体と蒸気との両方の二相混合物および飽和液体に凝縮する相変化プロセスは、蒸気圧縮サイクルの理想的な説明では等温であり、すなわち、相変化プロセスは、一定の温度で発生し、したがって、温度の顕在的な変化がない。しかしながら、飽和液体からさらなる熱を除去すると、飽和液体の温度は、適切な量で低下する。この場合、冷媒は、「過冷却」冷媒と呼ばれる。過冷却温度は、過冷却冷媒の温度と同じ圧力で算出された飽和液体冷媒の温度との差である。

【0098】

高温の液体冷媒は、室外熱交換器９１５から流出し、マニホルド９１７によって分岐され、次に接続されている室内ゾーン９２５、９３５または９３７に分配される。別個の膨張弁９２６、９３６は、入口マニホルドに接続されている。これらの膨張弁は、制限素子であり、冷媒の圧力を大幅に低下させる。膨張弁において実質的な熱交換を行うことなく、圧力が急速に低下するため、冷媒の温度は、大幅に低下され、蒸気圧縮サイクルの理想的な説明では「断熱」と呼ばれる。膨張弁から流出した冷媒は、液体と蒸気の低圧低温の二相混合物である。

【0099】

二相冷媒は、室内熱交換器９２０、９３０に流入し、関連するファン９２１、９３１は、熱交換器９２０、９３０にそれぞれ送風する。室内空間からの熱負荷を表す熱９２２、９３２は、ゾーンから冷媒に伝達され、冷媒を液体と蒸気の二相混合物から飽和蒸気状態に蒸発させる。

【0100】

冷媒が飽和蒸気から液体と蒸気の両方の二相混合物に蒸発して飽和蒸気になる相変化プロセスは、蒸気圧縮サイクルの理想的な記述において等温であり、すなわち、一定の温度で発生し、したがって、温度の顕在的な変化なしで発生するプロセスである。しかしながら、さらなる熱を飽和蒸気に加えると、飽和蒸気の温度は、適切な量で上昇する。この場合、冷媒は、「過熱」冷媒と呼ばれる。過熱温度は、過熱冷媒蒸気の温度と同じ圧力で算出された飽和蒸気温度との差である。

【0101】

室内熱交換器から流出した低圧冷媒蒸気は、出口マニホルド９１８で共通の流路に合流する。最後に、低圧の冷媒蒸気が圧縮機９１０に戻り、サイクルが繰り返される。

【0102】

ＭＺ－ＶＣＳ内の主要なアクチュエータは、圧縮機９１０と、室外熱交換器ファン９１６と、室内熱交換器ファン９２１、９３１と、膨張弁９２６、９３６とを含む。いくつかのシステムにおいて、圧縮機の速度は、１つ以上の所定の速度に固定されてもよく、または連続的に変動されてもよい。同様に、室外熱交換器ファン９１６は、一定の速度で固定されてもよく、連続的に変動されてもよい。いくつかの構成において、室内熱交換器ファン９２１、９３１は、ＭＺ－ＶＣＳ制御装置によって決定されてもよく、またはその速度は、居住者が室内の空気流れを直接に制御したいときに当該居住者によって決定されてもよい。膨張弁は、全ての可能な中間位置を含む全閉位置から全開位置に連続的に変化するように、制御装置２００によって制御され、例えば電子的に制御される。いくつかのＭＺ－ＶＣＳ実装形態は、電子制御式膨張弁を、オン／オフ制御のソレノイド弁と流量を精密に制御する別個の可変開放弁との直列組み合わせに置換する。

【0103】

冷媒の高圧および冷媒の低圧は、室外空気温度、室内空気温度、圧縮機速度、およびに弁開度の組み合わせなどの熱力学条件によって決定される。膨張弁９２６および９３６の各々を異なる開度に設定することができるが、全体的な高圧および低圧は、冷媒回路内に並列に配置される膨張弁の合計圧力降下によって決定される。また、室内熱交換器９２０、９３０と出口マニホルド９１８との間に減圧素子を設けていないため、全ての熱交換器は、実質的に同じ圧力で作動する。さらに、前述した相変化の等温特性により、全ての室内熱交換器は、同じ温度で蒸発するように制限されている。

【0104】

一実施形態によれば、室内熱交換器９２０および９３０の加熱能力または冷却能力は、運転モードの「オン」と「オフ」との間で各熱交換器をデューティサイクリングすることによって調節することができる。冷媒の流れを制御する入口弁が閉められたときに、または代替的にシステムを介して冷媒を圧送する圧縮機９１０が停止されているときに、熱交換器９２０および９３０がオフであり、熱交換器９２０および９３０は、冷却または加熱を行わない。入口弁が開かれ、圧縮機９１０が動作しているときに、熱交換器９２０および９３０がオンであり、室内ゾーン９２５および９３５内の熱交換器９２０および９３０は、全熱容量で動作する。制御装置は、屋内ゾーン温度と所望の屋内ゾーン温度との間の差に基づいて、モードの切換えを決定する。

【0105】

しかしながら、熱交換器をオンおよびオフに切換えることは、特にゾーン熱交換器を互いに独立してオンおよびオフに切換えることができるＭＺ－ＶＣＳにおいて、システムの出力、例えばゾーンの温度および熱交換器の温度に持続的な変動をもたらし、エネルギー的に非効率的であり、居住者の快適性を低減することが分かっている。したがって、ＭＺ－ＶＣＳの熱交換器などの熱交換器の熱容量を円滑に制御するための制御システムおよび方法が必要である。

【0106】

いくつかの実施形態は、確率的代理モデル１０２が、ＭＺ－ＶＣＳを制御する複雑性を低減するために有利に使用され得るという認識に基づいている。具体的には、多数の設定値を有するＭＺ－ＶＣＳにおいて、設定値のブルートフォースサンプリング（brute-force sampling）は、余計な計算消費および長い調整時間をもたらすことができる。サンプリング効率は、確率的代理モデル１０２を介して探索と利用のバランスをとることができるベイズ最適化アルゴリズムを使用することによって、大幅に削減される。いくつかの実施形態によれば、多数の設定値を有するＭＺ－ＶＣＳは、拡張可能な確率的機械学習アルゴリズムを必要とする。いくつかの実施形態において、拡張可能な確率的機械学習アルゴリズムは、ベイズ深層ニューラルネットワークまたは変分オートエンコーダに基づくことができる。
結果

【0107】

図１０は、いくつかの実施形態に従って、標準時変ＥＳＣ、アダム加速時変ＥＳＣ、およびベイズ最適化ウォームスタートＥＳＣの性能結果を示す。性能を評価するために、フィードバックコントローラを備えた蒸気圧縮サイクルを含むシステムを検討する。フィードバックコントローラは、圧縮機速度を制御することによって、冷却能力を設定値に調整するように構成されている。このようなシステムは、居住空間のより遅く且つ低域の熱動力学を必要とすることなく、蒸気圧縮サイクルに関する最適化方法の研究を容易にする。さらに、最適化方法（例えば、標準時変ＥＳＣ、アダム加速時間変動ＥＳＣ、およびベイズ最適化ウォームスタートＥＳＣ）を適用することによって、システムの入力（例えば、膨張弁位置、室内ファン速度（ＩＦＳ）、室外ファン速度（ＯＦＳ））を調整して電力消費量を最適化する。

【0108】

事例研究として、ＰＩループを選択して蒸気圧縮サイクルの冷却能力を２ｋＷに調整し、最適化方法を適用して膨張弁位置およびファン速度の最適値を決定する。ＰＩゲインは、オフラインで（すなわち、事前に）調整される。ＰＩゲインは、設定値調整機構には知られていない。

【0109】

電力プロット１０００において、１００２は、標準時変ＥＳＣを表し、１００４は、アダム加速時変ＥＳＣを表し、９０６は、ベイズ最適化ウォームスタートＥＳＣ（ハイブリッド）を表す。電力プロット１０００から、標準時変ＥＳＣ１００２およびアダム加速時変ＥＳＣ１００４は、ベイズ最適化ウォームスタートＥＳＣ９０６と比較して、より遅い収束を示すことが分かる。ベイズ最適化ウォームスタートＥＳＣ９０６は、３時間以内に定常サイクル電力０．３３５ｋＷに収束するが、他のアルゴリズムは、最小サイクル電力に近づくまでに１０時間超を必要とする。

【0110】

一実施形態によれば、定常サイクル電力の差は、標準時変ＥＳＣ１００２、アダム加速時変ＥＳＣ１００４、およびベイズ最適化ウォームスタートＥＳＣ９０６によって決定される最適なＬＥＶ（線形膨張弁）位置の差によって引き起こされる。標準時変ＥＳＣ１００２およびアダム加速時変ＥＳＣ１００４は、初期ＬＥＶ位置に依存するため、約３００カウントの定常ＬＥＶ位置に収束する。一方、ベイズ最適化ウォームスタートＥＳＣ９０６は、２６０カウントの定常値が著しく良好なエネルギー効率をもたらすと判断する。ベイズ最適化ウォームスタートＥＳＣ９０６は、探索段階を含み、探索段階の終了時に、ＢＯウォームスタートは、有効な調整パラメータの局所セットをもたらす。しかしながら、依然として、オンラインで局所勾配情報を利用することができるため、ベイズ最適化ウォームスタート後の電力消費量をさらに低減することができる。さらに、プロット１００８および１０１０から、設定値調整手順を通して容量設定値を達成したが、ＬＥＶ位置に関連する圧縮機周波数は、意図した４０Ｈｚに維持されず、約１７Ｈｚまで徐々に減少することが分かる。

【0111】

図１１は、いくつかの実施形態に従って、複合システムの標準時変ＥＳＣおよびベイズ最適化ウォームスタートＥＳＣの性能結果を示す。複合システムは、図１０の説明で説明したものと同じサイクルを含むが、２つのフィードバックループ、すなわち、圧縮機速度の制御を介して室温を設定値に調整するフィードバックループと、膨張弁位置の制御を介して蒸発器過熱温度（ＣＩＴＥ）を設定値５℃に調整するフィードバックループとを包含する。複合システムは、２７ｍ^３の体積および木材の熱特性を有する２０ｃｍ厚の外壁を有する立方体の部屋モデルに接続され、外部および内部熱伝達係数は、それぞれ１．５Ｗｍ^－２および３．５Ｗｍ^－２である。この複合システムは、日中に稼働し、夜間に無人になる商業オフィスビルを想定して運用されている。その結果、空間の顕熱負荷および潜熱負荷は、午前８時から午後６時までの間に３２００Ｗおよび８００Ｗに設定され、それ以外の時間に２０００Ｗおよび１００Ｗに設定される。環境温度は、２４時間にわたって２４℃～４０℃の間で正弦波状に変動し、午後２時にピークを迎えると仮定されている。

【0112】

さらに、２つの調整可能な入力：室内ファン速度（ＩＦＳ）および室外ファン速度（ＯＦＳ）を検討する。両方の調整可能な入力は、有界であると仮定され、例えば、ＩＦＳの境界は、［２００，５００］ｒｐｍであり、ＯＦＳの境界は、［５００，９００］ｒｐｍであると知られている。標準時変ＥＳＣおよびベイズ最適化ウォームスタートＥＳＣは、温度または熱プロファイルに関する情報が先験的に与えられないが、現在の時点で熱負荷を測定することができると仮定する。

【0113】

ベイズ最適化ウォームスタートＥＳＣは、最初の１８時間を用いて、各負荷モード、すなわち、熱負荷が高いときおよび熱負荷が低いときのデータを収集する。各負荷モードについて、エネルギー効率の代理モデル（例えば、代理モデル１０２）および対応する最適なＩＦＳ－ＯＦＳ対が学習される。１８時間後、アダム加速時間変動ＥＳＣが引き継がれ、勾配に基づいた更新がＩＦＳとＯＦＳの両方に使用される。性能結果から、標準時変ＥＳＣは、限られた適応性を示すことが分かる。例えば、ＩＦＳは、２９０～３１０ｒｐｍの狭い範囲で変動し、ＯＦＳは、停滞している。逆に、ベイズ最適化ウォームスタートＥＳＣにおいて、代理モデルは、ＥＳＣ位置素早くリセットすることができ、エネルギー効率を改善する。また、ベイズ最適化ウォームスタートＥＳＣは、数日にわたる改善をもたらし、例えば、４８時間（約６０～７０時間）後の出力の低下は、２４～４８時間よりも顕著である。

【0114】

図１２は、いくつかの実施形態に従って、制御装置２００を使用する加熱、換気、および空調（ＨＶＡＣシステム）１２１０の制御を示す。「ＨＶＡＣ」システムは、蒸気圧縮サイクルを実施する任意の加熱、換気、および空調（ＨＶＡＣ）システムを指す。ＨＶＡＣシステム１２１０は、屋外の空気のみを建物の居住者に供給するシステムから、建物の温度のみを制御するシステムまたは温度および湿度を制御するシステムに及ぶ非常に広範囲のシステムを含む。

【0115】

ＨＶＡＣシステム１２１０は、部屋１２００を調節するように構成されている。部屋１２００は、居住者１２０２、１２０４、１２０６、および１２０８によって占有されている。矢印１２１４は、室１２００を調節するために、ＨＶＡＣシステム１２１０によって供給された空気を表す。制御装置（例えば、制御装置２００）は、代理モデル（例えば、代理モデル１０２）に基づいて、ＨＶＡＣシステム１２１０の電力消費量を最小限に抑える設定値の最適な組み合わせを決定する。

【0116】

その後、設定値の最適な組み合わせは、ＨＶＡＣシステム１２１０に関連するフィードバックコントローラ１２１２に入力される。フィードバックコントローラ１２１２は、設定値の最適な組み合わせに基づいて制御コマンドを生成する。フィードバックコントローラ１２１２は、制御コマンドに従ってＨＶＡＣシステム１２１０を制御することによって、ＨＶＡＣシステム１２１０の電力消費量を最小限に抑える。

【0117】

代理モデリングに基づく最適化（例えば、代理モデル１０２を使用するベイズ最適化ウォームスタートＥＳＣ）は、決定的な利点をもたらす。例えば、機械学習方法は、測定値のノイズにもかかわらず、例えばガウス過程回帰を介して、性能出力に対する蒸気圧縮システムの入力の代理モデルを構築することを可能にする。しかしながら、モデルを使用しない手法（例えば、ＥＳＣ）は、ノイズのあるデータから勾配を直接に推定するため、最適な入力の近傍に振動が発生したり、発散したりするなどの望ましくない影響が生じる可能性がある。また、代理モデリングは、終了基準を達成した時点で入出力モデルを学習し、それを例えばクラウド上に保存しておくことで、その後の操作で入力の初期推測値（ウォームスタート）を適切に行うことができる。さらに、代理モデル上で１次および２次方法などの平滑最適化方法を直接に使用できるため、収束率が平滑リグレッサを介した代理モデリングと共に改善する。

【0118】

上記の説明は、例示的な実施形態のみを提供するものであり、本開示の範囲、適用または構成を制限することを意図していない。むしろ、以下の例示的な実施形態の説明は、１つ以上の例示的な実施形態の実施を可能にするための説明を当業者に与える。添付の特許請求の範囲に記載された主題の精神および範囲から逸脱することなく、要素の機能および配置に対する様々な変更が考えられる。

【0119】

上記の説明において、実施形態に対する完全な理解を提供するために、具体的な詳細が記載される。しかしながら、当業者は、これらの具体的な詳細がなくても、実施形態を実施できることを理解することができる。例えば、不必要な詳細で実施形態を不明瞭にしないように、開示された主題におけるシステム、プロセス、および他の要素は、ブロック図の構成要素として示されてもよい。また、実施形態を不明瞭にしないように、周知のプロセス、構造、および技術は、不必要な詳細なしで示されてもよい。さらに、様々な図面において、同様の参照番号および名称は、同様の要素を示す。

【0120】

また、各々の実施形態は、フローチャート、フロー図、データフロー図、構造図、またはブロック図として示されるプロセスとして説明されることがある。フローチャートが動作を順次のプロセスとして説明しても、多くの動作は、並列にまたは同時に実行されてもよい。また、動作の順序は、変更されてもよい。プロセスの動作が完了したときに、プロセスを終了することができるが、このプロセスは、討論されていないまたは図示されていない追加のステップを含むことができる。さらに、具体的に記載されたプロセス内の全ての動作は、全ての実施形態に含まれる必要がない。プロセスは、方法、関数、プロシージャ、サブルーチン、サブプログラムなどであってもよい。プロセスが関数である場合、関数の終了は、当該関数を呼び出し関数または主関数に復帰させることに対応する。

【0121】

さらに、開示された主題の実施形態は、手動でまたは自動で、少なくとも部分的に実装されてもよい。手動または自動の実装は、マシン、ハードウェア、ソフトウェア、ファームウェア、ミドルウェア、マイクロコード、ハードウェア記述言語、またはそれらの任意の組み合わせで実装されてもよく、または少なくとも支援されてもよい。ソフトウェア、ファームウェア、ミドルウェア、またはマイクロコードで実装される場合、必要なタスクを実行するためのプログラムコードまたはコードセグメントは、機械可読媒体に記憶されてもよい。プロセッサは、必要なタスクを実行することができる。

【0122】

本明細書において概説した様々な方法または工程は、様々なオペレーティングシステムまたはプラットフォームのいずれか１つを採用する１つ以上のプロセッサ上で実行可能なソフトウェアとしてコーディングされてもよい。さらに、このようなソフトウェアは、いくつかの適切なプログラミング言語および／またはプログラミングツールもしくはスクリプトツールのいずれかを用いて書かれてもよく、フレームワークまたは仮想マシン上で実行される実行可能な機械言語コードもしくは中間コードとしてコンパイルされてもよい。通常、プログラムモジュールの機能は、所望に応じて様々な実施形態に組み合わせられてもよく、分散させられてもよい。

【0123】

本開示の実施形態は、一例として提供された方法として具現化されてもよい。本方法の一部として実行される動作は、任意の適切な方法で順序付けられてもよい。したがって、例示的な実施形態において順次に実行される動作とは異なる順序で動作を実行すること、いくつかの動作を同時に実行することを含み得る実施形態を構築することができる。いくつかの好ましい実施形態を参照して本開示を説明したが、理解すべきことは、本開示の精神および範囲内で、様々な他の改造および修正を行うことができることである。したがって、添付の特許請求の範囲は、本開示の真の精神および範囲内にある全ての変形および修正を網羅する。

【図1A】

【図1B】

【図1C】

【図1D】

【図2】

【図3】

【図4】

【図5】

【図6】

【図7A】

【図7B】

【図8】

【図9A】

【図9B】

【図10】

【図11】

【図12】