JP4116262B2

JP4116262B2 - 空気調和機及びその空調負荷予測方法、並びにプログラム

Info

Publication number: JP4116262B2
Application number: JP2001075489A
Authority: JP
Inventors: 敏行赤松; 哲橋本
Original assignee: Daikin Industries Ltd
Current assignee: Daikin Industries Ltd
Priority date: 2001-03-16
Filing date: 2001-03-16
Publication date: 2008-07-09
Anticipated expiration: 2021-03-16
Also published as: JP2002279332A

Description

【０００１】
【発明の属する技術分野】
この発明は入力に基づいて出力を予測する技術に関し、例えば外気情報に基づいて、空気調和機の負荷を予測する技術に適用することができる。
【０００２】
【従来の技術】
空気調和機、なかでも蓄熱式空気調和機においては、消費電力を夜間へ移行する割合や、システムの効率を高く保持するために、適切な運転制御が必要となる。そしてかかる運転制御には、空気調和機の負荷の予測が必要となる。
【０００３】
所望の予測精度を得るためには空気調和機に所定の学習期間を与えることが必要である。従って、新たに稼働した空気調和機は、直ちに所望の精度を得ることができない。
【０００４】
かかる問題点に鑑みて、新たに起動させる空気調和機の学習期間を短縮する提案が為されてきた。例えば特開平９−２６４５８６号公報に紹介されるように、新たに起動した空気調和機と類似性が高い、他の同規模の空気調和機のデータを蓄積する。そして前者の学習データが揃うまで後者のデータを利用する。あるいはまた例えば特開平６−１８０６５０号公報に紹介されるように、新たに起動した空気調和機に学習データが揃うまで、他の空気調和機の学習データを変換して利用する。
【０００５】
【発明が解決しようとする課題】
しかしながら、種々のシステムのデータから、新たに起動した空気調和機と類似性が高いものを選択するには、多量のデータを記憶し、かつ類似性により分類するという煩雑な作業を行わなければならない。また学習データの変換はそのデータ変換ルールの正確性に問題が生じる可能性がある。
【０００６】
本発明は上記の問題に鑑みて為されたもので、新たに起動させる空気調和機の学習期間を短縮する他の技術を提案するものである。
【０００７】
【課題を解決するための手段】
この発明の第１の態様乃至第３の態様を下記に示す。
【００１７】
この発明の第１の態様は空気調和機の空調負荷予測方法であって、空気調和機（１００）の状態変数（ｘ ₁ ，ｘ ₂ ）の予測値（ｘ ₁ ハット，ｘ ₂ ハット）と、外気情報（ｈ ₁ ，ｈ ₂ ）とに基づいて、前記空気調和機（１００）の日負荷の実績値（ｙ）についての予測値（ｙハット）を日（ｔ）毎に求める予測方法である。前記外気情報（ｈ ₁ ，ｈ ₂ ）の種類は複数種であって、前記状態変数（ｘ ₁ ，ｘ ₂ ）の前記予測値（ｘ ₁ ハット，ｘ ₂ ハット）は前記入力された外気情報（ｈ ₁ ，ｈ ₂ ）のデータと同数種である。前記空気調和機に備えられた予測部が、（ａ）前記空気調和機（１００）に備えられたパラメータ保存部（１０５）に保存された当該日の（ｍ＋１）日前の前記状態変数の予測値（ｘ ₁ ハット（ｔ−ｍ−１），ｘ ₂ ハット（ｔ−ｍ−１））と、外部から入力され、前記空気調和機（１００）に備えられた実績データ記憶部（１０３）に記憶された当該日のｍ日前の前記外気情報（ｈ ₁ （ｔ−ｍ），ｈ ₂ （ｔ−ｍ））とから、相互に対応する前記外気情報（ｈ ₁ ，ｈ ₂ ）と前記状態変数の予測値（ｘ ₁ ハット，ｘ ₂ ハット）との積を前記種類毎に総和をとって当該日の前記ｍ日前の前記日負荷の予測値（ｙハット（ｔ−ｍ））を求めるステップ（Ｓ２３）と、（ｂ）当該日の前記ｍ日前の前記日負荷の予測値（ｙハット（ｔ−ｍ））と前記実績データ記憶部（１０３）に記憶されたその前記実績値（ｙ（ｔ−ｍ））との差に所定の予測方法により予測されたゲイン値（ｋ ₁ （ｔ−ｍ），ｋ ₂ （ｔ−ｍ））を乗じた値を当該日の前記（ｍ＋１）日前の前記状態変数の予測値（ｘ ₁ ハット（ｔ−ｍ−１），ｘ ₂ ハット（ｔ−ｍ−１））に加算して、当該日の前記ｍ日前の前記状態変数の予測値（ｘ ₁ ハット（ｔ−ｍ），ｘ ₂ ハット（ｔ−ｍ））を求め、前記パラメータ保存部（１０５）に保存するステップ（Ｓ２５）と
を、ｍをｎ−１（ｎ＞１）から１ずつ減少させて更新し、その値が０となるまで繰り返して実行する。そして（ｃ）前記ｍが０の場合に求められた当該日の日負荷の予測値（ｙハット（ｔ））を出力するとともに、当該日の前記状態変数の予測値（ｘ ₁ ハット（ｔ），ｘ ₂ ハット（ｔ））を当該日の（ｎ−１）日前の前記状態変数の予測値（ｘ ₁ ハット（ｔ−ｎ＋１），ｘ ₂ ハット（ｔ−ｎ＋１））として設定して前記パラメータ保存部（１０５）に保存する（Ｓ２８）。
【００２０】
また第１の態様において望ましくは、当該日の（ｍ＋１）日前の前記状態変数の予測値（ｘ₁ハット（ｔ−ｍ−１），ｘ₂ハット（ｔ−ｍ−１））が求められていない場合には、当該日もしくは当該日のｍ日前乃至１日前の前記状態変数の予測値のうちで、最も当該日から離れた日について求められた前記状態変数の予測値を設定して前記パラメータ保存部（１０５）に保存する。
【００２１】
この発明の第２の態様は、第１の態様にかかる空気調和機の空調負荷予測方法を前記空気調和機が備えるコンピュータに実行させるプログラムである。
【００２２】
この発明の第３の態様は、自身の状態変数（ｘ₁，ｘ₂）の予測値（ｘ₁ハット，ｘ₂ハット）と、外気情報（ｈ₁，ｈ₂）とに基づいて、前記空気調和機（１００）の日負荷の実績値（ｙ）についての予測値（ｙハット）を日（ｔ）毎に求める空気調和機（１００）であり、予測部（１０４）と、日（ｔ）毎に前記状態変数の予測値（ｘ ₁ ハット，ｘ ₂ ハット）を保存するパラメータ保存部（１０５）と、外部から入力された前記外気情報（ｈ ₁ ，ｈ ₂ ）と、前記空気調和機の日負荷の各実績データとを記憶する実績データ記憶部（１０３）とを備える。前記外気情報（ｈ ₁ ，ｈ ₂ ）の種類は複数種であって、前記状態変数（ｘ ₁ ，ｘ ₂ ）の前記予測値（ｘ ₁ ハット，ｘ ₂ ハット）は前記入力された外気情報（ｈ ₁ ，ｈ ₂ ）のデータと同数種である。そして前記予測部（１０４）は、（ａ）当該日の（ｍ＋１）日前の前記状態変数の予測値（ｘ₁ハット（ｔ−ｍ−１），ｘ₂ハット（ｔ−ｍ−１））と、前記実績データ記憶部（１０３）に記憶された当該日のｍ日前の前記外気情報（ｈ₁（ｔ−ｍ），ｈ₂（ｔ−ｍ））とから、相互に対応する前記外気情報（ｈ ₁ ，ｈ ₂ ）と前記状態変数の予測値（ｘ ₁ ハット，ｘ ₂ ハット）との積を前記種類毎に総和をとって当該日の前記ｍ日前の前記日負荷の予測値（ｙハット（ｔ−ｍ））を求めるステップ（Ｓ２３）と、（ｂ）当該日の前記ｍ日前の前記日負荷の予測値（ｙハット（ｔ−ｍ））と前記実績データ記憶部（１０３）に記憶されたその前記実績値（ｙ（ｔ−ｍ））との差に所定の予測方法により予測されたゲイン値（ｋ ₁ （ｔ−ｍ），ｋ ₂ （ｔ−ｍ））を乗じた値を当該日の前記（ｍ＋１）日前の前記状態変数の予測値（ｘ ₁ ハット（ｔ−ｍ−１），ｘ ₂ ハット（ｔ−ｍ−１））に加算して、当該日の前記ｍ日前の前記状態変数の予測値（ｘ₁ハット（ｔ−ｍ），ｘ₂ハット（ｔ−ｍ））を求め、前記パラメータ保存部（１０５）に保存するステップ（Ｓ２５）とを、ｍをｎ−１（ｎ＞１）から１ずつ減少させて更新し、その値が０となるまで繰り返して実行する。そして（ｃ）前記ｍが０の場合に求められた当該日の日負荷の予測値（ｙハット（ｔ））を出力するとともに、当該日の前記状態変数の予測値（ｘ₁ハット（ｔ），ｘ₂ハット（ｔ））を当該日の（ｎ−１）日前の前記状態変数の予測値（ｘ₁ハット（ｔ−ｎ＋１），ｘ₂ハット（ｔ−ｎ＋１））として設定して前記パラメータ保存部（１０５）に保存する（Ｓ２８）。
【００２３】
【発明の実施の形態】
本発明ではカルマンフィルタを用いた予測を例にとって説明するが、その他の予測方法に適用してもよい。なお、以下ではアルファベットの大文字は行列もしくはベクトルを示し、小文字はスカラー量を示すこととする。
【００２４】
また、予測システムとして空気調和機に適用した場合を例にとって説明するが、その他のシステムに適用してもよい。
【００２５】
第１の実施の形態．
増大情報系を与えるパラメータｔ（ｔは正の整数）において、ある系の出力ベクトルＹ（ｔ）が、当該系の状態変数ベクトルＸ（ｔ）と、当該系への入力行列Ｈ（ｔ）によって式（１）の関係にあると仮定する。但し、Ｖ（ｔ）は出力ベクトルＹ（ｔ）の観測において生じる観測ノイズを示すベクトルである。
【００２６】
【数１】

【００２７】
また状態変数ベクトルＸ（ｔ）については、当該系のシステムノイズを示すベクトルをＷ（ｔ）によってパラメータｔに対して順次に変化し、式（２）の関係にあると仮定する。
【００２８】
【数２】

【００２９】
当該系が２入力１出力の系であれば、出力ベクトルＹ（ｔ）の要素を出力ｙ（ｔ）、行列Ｈの要素を入力ｈ₁（ｔ），ｈ₂（ｔ）、状態変数ベクトルＸ（ｔ）の要素を重み係数ｘ₁（ｔ），ｘ₂（ｔ）、観測ノイズを示すベクトルＶ（ｔ）の要素としてｖ（ｔ）、システムノイズを示すベクトルＷ（ｔ）の要素としてｗ₁（ｔ），ｗ₂（ｔ）を用いて、式（３）、（４）で表される。
【００３０】
【数３】

【００３１】
【数４】

【００３２】
当該系として空気調和機を例にとれば、パラメータｔが日毎に更新されるとして、入力ｈ₁（ｔ），ｈ₂（ｔ）はそれぞれ外気不快指数の（例えば日平均の）予測値、所定時（例えば午前５時）の外気温度の実績値であり、いずれも外気の情報である。また出力ｙ（ｔ）は当該空気調和機の一日の負荷（日負荷）である。
【００３３】
さて、当該系の状態変数ベクトルＸ（ｔ）、観測ノイズベクトルＶ（ｔ）及びシステムノイズベクトルＷ（ｔ）は測定できない。そこで入力行列Ｈ（ｔ）を用い、式（５）で出力ベクトルＹ（ｔ）についての予測値Ｙハット（ｔ）を得る。ここで、ハットは数式においては変数に被せて表記され、当該変数の予測値であることを示す。
【００３４】
【数５】

【００３５】
式（５）から出力に対する予測値Ｙハット（ｔ）を得るためには、状態変数に対する予測値Ｘハット（ｔ−１）を知る必要がある。そこで、パラメータｔにおいて、予測値Ｘハット（ｔ）は以下のように求められる。
【００３６】
【数６】

【００３７】
状態変数の予測値Ｘハット（ｔ）の更新は、外気不快指数の実績値が入手できる時点で行うことも可能である。従って外気不快指数の実績値が得られる場合には、入力ｈ₁（ｔ）として外気不快指数の予測値ではなく、その実績値を用いてもよい。
【００３８】
ここで係数行列Ｋ（ｔ）はカルマンゲインを表しており、観測ノイズベクトルＶ（ｔ）についての共分散行列Ｑ（ｔ）、システムノイズベクトルＷ（ｔ−１）についての共分散行列Ｒ（ｔ−１）、入力行列Ｈ（ｔ）から逐次的に求められる。
【００３９】
式（５）は入力に状態変数の予測値を演算して出力の予測値を求めるステップを示しており、式（６）は出力の予測値と実績値との比較結果から状態変数の予測値を更新するステップを示している。
【００４０】
以上のようにしてカルマンフィルタによる予測を行って、出力の実績値Ｙと予測値Ｙハットとの差を小さくすることができる。しかし式（５），（６）から理解されるように、カルマンフィルタを用いた予測では、出力に対する予測値Ｙハット（ｔ）を得るために、状態変数に対する予測値の初期値Ｘハット（０）が必要となる。そして本発明ではその初期値として、他の予測システムにおける状態変数の予測値を採用する。他の予測システムにおいても当該予測システムと同様にして式（５），（６）を用いて状態変数の予測値が求められていることが望ましい。そしてかかる初期値の採用により、全く新たに初期値を設定する場合と比較して、出力の実績値と予測値との相違を所定の範囲内に収める状態変数の予測値を早期に得ることができる。
【００４１】
他の予測システムから流用するのは状態変数の予測値であるので、流用すべきデータ量を小さくすることができる。また他の予測システムと当該予測システムとの類似性が高いことや、他の予測システムからのデータの変換ルールの精度が高いことは要求されない。また、例えば空気調和機を例にとれば、状態変数を正規化された駆動能力に対応して想定することも容易であり、従って駆動能力によらずに上記効果を得ることができる。
【００４２】
図１は本発明にかかる空気調和機１００の構成を例示するブロック図である。空気調和機１００は、入力装置１０１、制御ユニット１００Ａ、蓄熱ユニット１００Ｂを備えている。制御ユニット１００Ａは基準データ記憶部１０２、実績データ記憶部１０３、空調負荷予測部１０４、パラメータ保存部１０５、データ収集部１０６、制御部１０７を備えている。
【００４３】
空調負荷予測部１０４には外部から外気不快指数の日平均予測値ｈ₁が、基準データ記憶部１０２から予測値Ｘハットの初期値Ｘｏハットが、実績データ記憶部１０３からは午前５時の外気温度の実績値ｈ₂及び空気調和機の日負荷の実績値ｙが、それぞれ与えられる。予測値Ｘハットの初期値Ｘｏハットは入力装置１０１によって他の空気調和機２００から伝達される。また外気不快指数の日平均予測値ｈ₁及び午前５時の外気温度の実績値ｈ₂はいずれも気象会社などから収集することができる。午前５時の外気温度の実績値ｈ₂は一旦は実績データ記憶部１０３に格納される。また空気調和機の日負荷の実績値ｙは、蓄熱ユニット１００Ｂからの運転情報Ｓを受けたデータ収集部１０６によって求められ、一旦は実績データ記憶部１０３に格納される。
【００４４】
空調負荷予測部１０４は、式（５）に則り、予測値Ｘハットを更新しつつ、空気調和機の一日の負荷の予測値ｙハットを制御部１０７へと与える。更新された予測値Ｘハットは、パラメータ保存部１０５に保存され、次回の予測値ｙハットを求める際に再度読み出される。
【００４５】
制御部１０７は予測値ｙハットに基づき、蓄熱ユニット１００Ｂの運転の制御を行う。かかる制御に応じ、蓄熱ユニット１００Ｂが備える熱源機１０８は蓄熱槽１０９への蓄熱を行う。
【００４６】
図２は空調負荷予測部１０４の動作を例示するフローチャートである。ここでパラメータｔは日毎に更新される。ステップＳ１１において、パラメータ保存部１０５から状態変数の予測値Ｘハット（ｔ−１）の要素であるｘ₁ハット（ｔ−１）、ｘ₂ハット（ｔ−１）を読み出す。そしてステップＳ１２において、外気不快指数の日平均予測値ｈ₁（ｔ）及び午前５時の外気温度の実績値ｈ₂（ｔ）を入力する。そしてステップＳ１３において式（５）に則り、具体的にはステップＳ１３のブロックに示される式によって空気調和機の一日の負荷の予測値ｙハット（ｔ）を求め、これを制御部１０７へ与える。そして予測値ｙハット（ｔ）に基づいた制御部１０７の制御により、蓄熱ユニット１００Ｂが動作する。
【００４７】
ステップＳ１４では空気調和機の一日の負荷の実績値ｙ（ｔ）を得て、ステップＳ１５において式（６）に則り、具体的にはステップＳ１５のブロックに示される式によってｘ₁ハット（ｔ）、ｘ₂ハット（ｔ）を計算し、これをパラメータ保存部１０５へと書き込む。但し、カルマンゲインＫ（ｔ）の要素をｋ₁（ｔ），ｋ₂（ｔ）と表記している。
【００４８】
その後、ステップＳ１６においてパラメータｔが１増加され、ステップＳ１１乃至ステップＳ１５が繰り返し実行される。但し、空気調和機１００を新たに稼働させる場合には、ステップＳ１０がまず実行される。つまり、基準データ記憶部１０２から状態変数の予測値の初期値ｘ₁ハット（０）、ｘ₂ハット（０）を読み出す。そしてステップＳ１２へと進む。ここでｘ₁ハット（０）、ｘ₂ハット（０）はＸｏハットの要素である。
【００４９】
本発明において状態変数Ｘに関しては式（２）を用いており、状態変数ＸがノイズベクトルＷ（ｔ）を除いてパラメータｔに対して依存しないと想定している。従って、他の空気調和機２００から予測値Ｘハットの初期値Ｘｏハットを得る場合、空気調和機１００の稼働が開始する前日に空気調和機２００が求めた予測値Ｘハットを用いる必要はない。換言すれば、他の空気調和機２００から当該空気調和機１００の初期値Ｘｏハットとして与える予測値Ｘハットは、季節毎、あるいは月毎に整合させてもよい。例えば他の空気調和機２００が既に年間を通して稼働しているものの、毎日の状態変数の予測値Ｘハットの値を保存せず、季節、あるいは月毎の値のみ保存しているとする。その場合であっても、当該空気調和機１００が初めて稼働する当該日の季節、あるいは当該日の月での値を状態変数の予測値Ｘハットの初期値Ｘｏハットとして当該空気調和機１００に与えればよい。
【００５０】
換言すれば、当該空気調和機１００が、新たに稼働する他の空気調和機に、状態変数の初期値を提供する場合を考えれば、パラメータ保存部１０５において保存される状態変数の予測値Ｘハットは、月毎にあるいは季節毎等の所定期間毎に保存していれば足り、次回の演算に用いられるものの他は日毎に保存する必要がない。即ち、次回の演算に用いられるものの他は、状態変数の予測値Ｘハットは、パラメータｔが所定数更新される毎に保存すればよい。そして提供すべき相手先の空気調和機に対し、所定の時期に適合して初期値を設定すればよい。
【００５１】
また、空気調和機１００，２００の駆動能力が相違する場合、状態変数の予測値は正規化された駆動能力に対応していることが望ましいが、かかる正規化は容易である。
【００５２】
第２の実施の形態．
上述のように、本発明では、状態変数Ｘがパラメータｔに対してそれほど敏感であるとは想定していない。従ってあるパラメータｔの値において、状態変数の予測値Ｘハットを更新する回数を状態変数Ｘがパラメータｔに対して大きく変化しないと見られる回数に設定すれば、出力の予測値Ｙハットと実績値Ｙとの差は、パラメータｔの更新においてより早期に、小さくなると考えられる。
【００５３】
図３は本実施の形態において、予測値Ｘハットを更新する回数をｎ（＞１）回とした場合の、空調負荷予測部１０４の動作を例示するフローチャートである。ステップＳ２１〜Ｓ２６はそれぞれ第１の実施の形態のステップＳ１１〜Ｓ１６に対応しており、ほぼ同様の処理が行われる。但し、ステップＳ２５とステップＳ２６の間には判断を行うステップＳ２７が介挿されている。
【００５４】
まずステップＳ２０においてパラメータｍにｎ−１を設定する。そしてステップＳ１１〜Ｓ１６におけるパラメータｔをパラメータ（ｔ−ｍ）に読み替えたのと同様の演算を行う。ステップＳ２１に進み、パラメータ保存部１０５から状態変数の予測値Ｘハット（ｔ−ｍ−１）の要素ｘ₁ハット（ｔ−ｍ−１）、ｘ₂ハット（ｔ−ｍ−１）を読み出す。この処理を行う必要から、本実施の形態ではパラメータ保存部１０５はパラメータｔに関してｎ回前の演算で得られた状態変数の予測値Ｘハット（ｔ−ｎ）を格納しておく。ｘ₁ハット（ｔ−ｍ−１）、ｘ₂ハット（ｔ−ｍ−１）が未だ求められていない場合には、ｘ₁ハット（ｔ−ｍ）〜ｘ₁ハット（ｔ）、ｘ₂ハット（ｔ−ｍ−１）〜ｘ₂ハット（ｔ）のうちで、最も当該日（ｔ）から離れた日について求められたものをこれに設定する。
【００５５】
ステップＳ２２において外気不快指数の日平均予測値ｈ₁（ｔ−ｍ）及び午前５時の外気温度の実績値ｈ₂（ｔ−ｍ）を実績データ記憶部１０３から入力する。この処理を行う必要から、本実施の形態では、図１の破線で示されるように、外気不快指数の日平均予測値ｈ₁（ｔ）も実績データ記憶部１０３に与え、かつパラメータｔに関して（ｎ−１）回前の演算から前回までの演算において用いられたｈ₁（ｔ−ｎ＋１），ｈ₁（ｔ−ｎ＋２），…，ｈ₁（ｔ−１）を格納しておく。但し、これらの値は、既に外気不快指数の日平均値が予測値ではなく実績値として得られているので、実績値の方を記憶しておいてもよい。但し今回の演算で用いられるｈ₁（ｔ）は予測値であるので、外部から入力する。また、午前５時の外気温度の実績値については（ｎ−１）回前の演算から今回までの演算において得られたｈ₂（ｔ−ｎ＋１），ｈ₂（ｔ−ｎ＋２），…，ｈ₂（ｔ）を格納しておく。
【００５６】
次にステップＳ２３において、空気調和機の一日の負荷の予測値ｙハット（ｔ−ｍ）を、ｈ₁（ｔ−ｍ），ｈ₂（ｔ−ｍ），ｘ₁ハット（ｔ−ｍ−１）、ｘ₂ハット（ｔ−ｍ−１）を用い、式（５）に則って計算する。具体的にはステップＳ２３のブロックに示される式によって予測値ｙハット（ｔ−ｍ）を求める。ステップＳ２３ではステップＳ１３とは異なり、制御部１０７へは予測値ｙハット（ｔ−ｍ）を出力しない。その後、ステップＳ２４において実績データ記憶部１０３から空気調和機の一日の負荷の実績値ｙ（ｔ−ｍ）を入力する。
【００５７】
次にステップＳ２５において、式（６）に則って状態変数の予測値の更新、即ちｘ₁ハット（ｔ−ｍ）、ｘ₂ハット（ｔ−ｍ）を求める。具体的にはステップＳ２５のブロックに示される式によってｘ₁ハット（ｔ−ｍ）、ｘ₂ハット（ｔ−ｍ）を計算し、これをパラメータ保存部１０５へと書き込む。
【００５８】
その後、ステップＳ２７においてパラメータｍが０であるかが判断されるが、その意義は後述する。ステップＳ２０においてパラメータｍが（ｎ−１）へ設定されたので、ｎ＞１とすれば、パラメータｔについて最初にステップＳ２７の判断が行われる場合にはその判断結果は「ＮＯ」となり、ステップＳ２６へ進む。ステップＳ２６ではパラメータｍを１減少させ、ステップＳ２１へと戻る。
【００５９】
ステップＳ２６により、あるパラメータｔについてパラメータｍが更新されつつステップＳ２１〜Ｓ２５が繰り返して実行される。そしてパラメータｍが（ｎ−１）回更新されると、ステップＳ２７においてパラメータｍが０であると判断され、ステップＳ２８へと進む。このように、ステップＳ２６，Ｓ２７とが相まって、あるパラメータｔについて、パラメータｍが（ｎ−１）から０まで更新されつつ、ステップＳ２５が逐次的にｎ回繰り返して実行されることになる。
【００６０】
ｔ＝ｔａにおいてステップＳ２０が実行され、その後ステップＳ２１〜Ｓ２６がｎ回繰り返して実行される場合について詳細に見ると、ステップＳ２５の１回目の実行により、ｘ_iハット（ｔａ−ｎ）に基づいてｘ_iハット（ｔａ−ｎ＋１）が求められる（ｉ＝１，２）。この新たに求められたｘ_iハット（ｔａ−ｎ＋１）に基づき、ステップＳ２５の２回目の実行により、更にｘ_iハット（ｔａ−ｎ＋２）が求められる。そしてステップＳ２５のｎ回目の実行により、ｘ_iハット（ｔａ）が求められる。
【００６１】
ステップＳ２７の判断結果が「ＹＥＳ」であれば、ステップＳ２８へと進み、ｙハット（ｔ−ｍ）＝ｙハット（ｔ）を制御部１０７へと出力する。そしてステップＳ２９においてステップＳ１６と同様にしてパラメータｔを１増加させてステップＳ２０へと戻る。
【００６２】
既にｔ＝ｔａにおいてステップＳ２８が実行された後には、ｔ＝ｔａ＋１としてステップＳ２０が実行される。即ちステップＳ２１においてはｘ_iハット（ｔａ−ｎ＋１）が読み出され、これに基づいてステップＳ２５において逐次的にｘ_iハット（ｔａ−ｎ＋２）〜ｘ_iハット（ｔａ＋１）が求められることになる。このｘ_iハット（ｔａ−ｎ＋１）として、ｔ＝ｔａの際にステップＳ２５で求められたｘ_iハット（ｔａ）を採用すれば、空気調和機の一日の負荷の予測値ｙハット（ｔ）を求めるに際し、パラメータｔを（ｎ−１）だけ戻してｎ回繰り返して計算を行うので、出力の予測値Ｙハットと実績値Ｙとの差は小さくなる。
【００６３】
上記操作を行うべく、ステップＳ２８ではｘ_iハット（ｔ−ｍ）＝ｘ_iハット（ｔ）をｘ_iハット（ｔ−ｎ＋１）としてパラメータ保存部１０５へと書き込む。
【００６４】
なお、ｎ＝１の場合にはステップＳ２６は実行されず、ステップＳ２８においてはｘ_iハット（ｔ）をｘ_iハット（ｔ）としてパラメータ保存部１０５へと書き込むのであるから、図３のフローチャートは図２のフローチャートのステップＳ１１〜Ｓ１６と実質的に一致する。
【００６５】
図４は本実施の形態の効果を示すグラフである。横軸にはパラメータｔをとっており、パラメータｔは日毎に更新されている。図４に示されたグラフを取得した空気調和機では、ｔ＝１において最初に稼働を開始した。またｎ＝１５とし、第１の実施の形態で示されたように状態変数の予測値Ｘハットの初期値Ｘｏハットを設定した。縦軸には空気調和機の日負荷をギガジュールでとっている。ここでは４０００平方メートル程度の居室の実験結果を示している。
【００６６】
グラフＬ０は日負荷の実績値（上記説明のｙ（ｔ）に相当）を示し、グラフＬ１，Ｌ２，Ｌ３はいずれも日負荷の予測値（上記説明のｙハット（ｔ）に相当）を示している。グラフＬ１，Ｌ２はそれぞれ状態変数の予測値Ｘハットの初期値として大きな値、小さな値を用いた場合を示し、グラフＬ３は本実施の形態を採用した場合である。グラフＬ１，Ｌ２，Ｌ３のいずれの予測値もｔ≧１０で実績値に対して良好な一致を見せているが、グラフＬ３は稼働初日（ｔ＝１）から良好な一致を見せている。
【００６７】
以上のように、本発明により、新たに初期値を設定する場合と比較して、出力の実績値と予測値との相違を所定の範囲内に収める状態変数の予測値を早期に得ることができる。
【００６８】
なお、各実施例の動作制御をコンピュータに行わせるプログラムについても本発明の範疇にある。
【００６９】
【発明の効果】
この発明の効果を下記に示す。
【００７４】
この発明のうち第１の態様にかかる空気調和機の空調負荷予測方法及び第３の態様にかかる空気調和機によれば、空気調和機の日負荷の予測値（ｙハット）とその実績値（ｙ）との差を早期に小さくすることができる。
【００７５】
この発明のうち第２の態様にかかるプログラムによれば、コンピュータに第１の態様の動作制御を行わせることができる。
【図面の簡単な説明】
【図１】本発明にかかる空気調和機の構成を例示するブロック図である。
【図２】本発明の第１の実施の形態の動作を例示するフローチャートである。
【図３】本発明の第２の実施の形態の動作を例示するフローチャートである。
【図４】本発明の第２の実施の形態の効果を示すグラフである。
【符号の説明】
１００，２００空気調和機
１０４空調負荷予測部

Claims

空気調和機（１００）の状態変数（ｘ ₁ ，ｘ ₂ ）の予測値（ｘ ₁ ハット，ｘ ₂ ハット）と、外気情報（ｈ ₁ ，ｈ ₂ ）とに基づいて、前記空気調和機（１００）の日負荷の実績値（ｙ）についての予測値（ｙハット）を日（ｔ）毎に求める予測方法であって、
前記外気情報（ｈ ₁ ，ｈ ₂ ）の種類は複数種であって、前記状態変数（ｘ ₁ ，ｘ ₂ ）の前記予測値（ｘ ₁ ハット，ｘ ₂ ハット）は前記入力された外気情報（ｈ ₁ ，ｈ ₂ ）のデータと同数種であって、
前記空気調和機に備えられた予測部が、
（ａ）前記空気調和機（１００）に備えられたパラメータ保存部（１０５）に保存された当該日の（ｍ＋１）日前の前記状態変数の予測値（ｘ ₁ ハット（ｔ−ｍ−１），ｘ ₂ ハット（ｔ−ｍ−１））と、外部から入力され、前記空気調和機（１００）に備えられた実績データ記憶部（１０３）に記憶された当該日のｍ日前の前記外気情報（ｈ ₁ （ｔ−ｍ），ｈ ₂ （ｔ−ｍ））とから、相互に対応する前記外気情報（ｈ ₁ ，ｈ ₂ ）と前記状態変数の予測値（ｘ ₁ ハット，ｘ ₂ ハット）との積を前記種類毎に総和をとって当該日の前記ｍ日前の前記日負荷の予測値（ｙハット（ｔ−ｍ））を求めるステップ（Ｓ２３）と、
（ｂ）当該日の前記ｍ日前の前記日負荷の予測値（ｙハット（ｔ−ｍ））と前記実績データ記憶部（１０３）に記憶されたその前記実績値（ｙ（ｔ−ｍ））との差に所定の予測方法により予測されたゲイン値（ｋ ₁ （ｔ−ｍ），ｋ ₂ （ｔ−ｍ））を乗じた値を当該日の前記（ｍ＋１）日前の前記状態変数の予測値（ｘ ₁ ハット（ｔ−ｍ−１），ｘ ₂ ハット（ｔ−ｍ−１））に加算して、当該日の前記ｍ日前の前記状態変数の予測値（ｘ ₁ ハット（ｔ−ｍ），ｘ ₂ ハット（ｔ−ｍ））を求め、前記パラメータ保存部（１０５）に保存するステップ（Ｓ２５）と
を、ｍをｎ−１（ｎ＞１）から１ずつ減少させて更新し、その値が０となるまで繰り返して実行し、
（ｃ）前記ｍが０の場合に求められた当該日の日負荷の予測値（ｙハット（ｔ））を出力するとともに、当該日の前記状態変数の予測値（ｘ ₁ ハット（ｔ），ｘ ₂ ハット（ｔ））を当該日の（ｎ−１）日前の前記状態変数の予測値（ｘ ₁ ハット（ｔ−ｎ＋１），ｘ ₂ ハット（ｔ−ｎ＋１））として設定して前記パラメータ保存部（１０５）に保存する（Ｓ２８）、空気調和機の空調負荷予測方法。
当該日の（ｍ＋１）日前の前記状態変数の予測値（ｘ ₁ ハット（ｔ−ｍ−１），ｘ ₂ ハット（ｔ−ｍ−１））が求められていない場合には、当該日もしくは当該日のｍ日前乃至１日前の前記状態変数の予測値のうちで、最も当該日から離れた日について求められた前記状態変数の予測値を設定して前記パラメータ保存部（１０５）に保存する、請求項１記載の空気調和機の空調負荷予測方法。
前記空気調和機はコンピュータを備え、請求項１及び請求項２に記載の空気調和機の空調負荷予測方法のうちのいずれか一つを前記コンピュータに実行させるプログラム。
自身の状態変数（ｘ ₁ ，ｘ ₂ ）の予測値（ｘ ₁ ハット，ｘ ₂ ハット）と、外気情報（ｈ ₁ ，ｈ ₂ ）とに基づいて、前記空気調和機（１００）の日負荷の実績値（ｙ）についての予測値（ｙハット）を日（ｔ）毎に求める空気調和機（１００）であって、
前記外気情報（ｈ ₁ ，ｈ ₂ ）の種類は複数種であって、前記状態変数（ｘ ₁ ，ｘ ₂ ）の前記予測値（ｘ ₁ ハット，ｘ ₂ ハット）は前記入力された外気情報（ｈ ₁ ，ｈ ₂ ）のデータと同数種であって、
日（ｔ）毎に前記状態変数の予測値（ｘ ₁ ハット，ｘ ₂ ハット）を保存するパラメータ保存部（１０５）と、
外部から入力された前記外気情報（ｈ ₁ ，ｈ ₂ ）と、前記空気調和機の日負荷の各実績データとを記憶する実績データ記憶部（１０３）と、
（ａ）当該日の（ｍ＋１）日前の前記状態変数の予測値（ｘ ₁ ハット（ｔ−ｍ−１），ｘ ₂ ハット（ｔ−ｍ−１））と、前記実績データ記憶部（１０３）に記憶された当該日のｍ日前の前記外気情報（ｈ ₁ （ｔ−ｍ），ｈ ₂ （ｔ−ｍ））とから、相互に対応する前記外気情報（ｈ ₁ ，ｈ ₂ ）と前記状態変数の予測値（ｘ ₁ ハット，ｘ ₂ ハット）との積を前記種類毎に総和をとって当該日の前記ｍ日前の前記日負荷の予測値（ｙハット（ｔ−ｍ））を求めるステップ（Ｓ２３）と、
（ｂ）当該日の前記ｍ日前の前記日負荷の予測値（ｙハット（ｔ−ｍ））と前記実績データ記憶部（１０３）に記憶されたその前記実績値（ｙ（ｔ−ｍ））との差に所定の予測方法により予測されたゲイン値（ｋ ₁ （ｔ−ｍ），ｋ ₂ （ｔ−ｍ））を乗じた値を当該日の前記（ｍ＋１）日前の前記状態変数の予測値（ｘ ₁ ハット（ｔ−ｍ−１），ｘ ₂ ハット（ｔ−ｍ−１））に加算して、当該日の前記ｍ日前の前記状態変数の予測値（ｘ ₁ ハット（ｔ−ｍ），ｘ ₂ ハット（ｔ−ｍ））を求め、前記パラメータ保存部（１０５）に保存するステップ（Ｓ２５）と
を、ｍをｎ−１（ｎ＞１）から１ずつ減少させて更新し、その値が０となるまで繰り返して実行し、
（ｃ）前記ｍが０の場合に求められた当該日の日負荷の予測値（ｙハット（ｔ））を出力するとともに、当該日の前記状態変数の予測値（ｘ ₁ ハット（ｔ），ｘ ₂ ハット（ｔ））を当該日の（ｎ−１）日前の前記状態変数の予測値（ｘ ₁ ハット（ｔ−ｎ＋１），ｘ ₂ ハット（ｔ−ｎ＋１））として設定して前記パラメータ保存部（１０５）に保存する（Ｓ２８）予測部（１０４）とを備える空気調和機。