JPH0886490A - 熱負荷予測装置 - Google Patents
熱負荷予測装置Info
- Publication number
- JPH0886490A JPH0886490A JP6220098A JP22009894A JPH0886490A JP H0886490 A JPH0886490 A JP H0886490A JP 6220098 A JP6220098 A JP 6220098A JP 22009894 A JP22009894 A JP 22009894A JP H0886490 A JPH0886490 A JP H0886490A
- Authority
- JP
- Japan
- Prior art keywords
- heat load
- heat
- day
- predicting
- prediction model
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
Classifications
-
- F—MECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
- F24—HEATING; RANGES; VENTILATING
- F24F—AIR-CONDITIONING; AIR-HUMIDIFICATION; VENTILATION; USE OF AIR CURRENTS FOR SCREENING
- F24F2130/00—Control inputs relating to environmental factors not covered by group F24F2110/00
-
- F—MECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
- F24—HEATING; RANGES; VENTILATING
- F24F—AIR-CONDITIONING; AIR-HUMIDIFICATION; VENTILATION; USE OF AIR CURRENTS FOR SCREENING
- F24F2130/00—Control inputs relating to environmental factors not covered by group F24F2110/00
- F24F2130/10—Weather information or forecasts
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02E—REDUCTION OF GREENHOUSE GAS [GHG] EMISSIONS, RELATED TO ENERGY GENERATION, TRANSMISSION OR DISTRIBUTION
- Y02E60/00—Enabling technologies; Technologies with a potential or indirect contribution to GHG emissions mitigation
- Y02E60/14—Thermal energy storage
Landscapes
- Air Conditioning Control Device (AREA)
- Feedback Control In General (AREA)
Abstract
(57)【要約】
【目的】 本発明は、人手なしで翌日の熱負荷予測値を
予測することにある。 【構成】 熱消費機器の消費熱負荷を検出する熱負荷検
出手段６と、気象デ−タを入力する入力手段７，８と、
熱負荷，気象デ−タを記憶する記憶手段１１と、曜日デ
−タを発生する曜日発生手段１２と、気象デ−タ、熱負
荷、曜日、午前・午後の熱負荷特徴量デ−タを選択的に
用いて、日熱負荷、時間熱負荷パタ−ンの予測モデルの
重み係数を学習する学習手段１３と、この予測モデルの
重み係数を記憶する予測モデル記憶手段１４と、重み係
数と予測モデルとから日熱負荷を予測する第１の予測手
段１５と、重み係数と予測モデルとから時間熱負荷パタ
−ンを予測する第２の予測手段１６と、熱消費機器の変
動負荷量を求める演算手段９と、予測された日熱負荷、
時間熱負荷パタ−ン、変動負荷量から時間単位熱負荷予
測値を求める時間熱負荷予測手段１７とを設けた熱負荷
予測装置である。
予測することにある。 【構成】 熱消費機器の消費熱負荷を検出する熱負荷検
出手段６と、気象デ−タを入力する入力手段７，８と、
熱負荷，気象デ−タを記憶する記憶手段１１と、曜日デ
−タを発生する曜日発生手段１２と、気象デ−タ、熱負
荷、曜日、午前・午後の熱負荷特徴量デ−タを選択的に
用いて、日熱負荷、時間熱負荷パタ−ンの予測モデルの
重み係数を学習する学習手段１３と、この予測モデルの
重み係数を記憶する予測モデル記憶手段１４と、重み係
数と予測モデルとから日熱負荷を予測する第１の予測手
段１５と、重み係数と予測モデルとから時間熱負荷パタ
−ンを予測する第２の予測手段１６と、熱消費機器の変
動負荷量を求める演算手段９と、予測された日熱負荷、
時間熱負荷パタ−ン、変動負荷量から時間単位熱負荷予
測値を求める時間熱負荷予測手段１７とを設けた熱負荷
予測装置である。
Description
【０００１】
【産業上の利用分野】本発明は、ビルを含む各種の建物
に設置される空調機等の熱消費機器で翌日消費される熱
負荷を予測する熱負荷予測装置に関する。
に設置される空調機等の熱消費機器で翌日消費される熱
負荷を予測する熱負荷予測装置に関する。
【０００２】
【従来の技術】ビル、家屋その他公共施設等の建物にお
いては、蓄熱槽を備えた冷暖房装置が設置されている。
電気による蓄熱システムでは、昼間に消費される熱負荷
の一部または全部を夜間に冷水，温水として蓄熱し、こ
れによって昼間に熱源機器の熱負荷を軽減できることか
ら、熱源機器の設備容量を小さくできる。
いては、蓄熱槽を備えた冷暖房装置が設置されている。
電気による蓄熱システムでは、昼間に消費される熱負荷
の一部または全部を夜間に冷水，温水として蓄熱し、こ
れによって昼間に熱源機器の熱負荷を軽減できることか
ら、熱源機器の設備容量を小さくできる。
【０００３】また、電気による冷暖房の場合には、電力
会社との間で業務用蓄熱調整契約を行うことにより、安
価な夜間電力を利用してランニングコストを節約するこ
とができる。
会社との間で業務用蓄熱調整契約を行うことにより、安
価な夜間電力を利用してランニングコストを節約するこ
とができる。
【０００４】従って、このような冷暖房装置において
は、蓄熱槽を効率よく使用する観点から、前日の業務用
蓄熱調整契約の始まる時間前に、当日（予測日）に消費
されるべく熱負荷を予測し、契約時間帯（夜間）の間に
その予測に基づいて過不足なく熱量を蓄熱する。そし
て、当日、予測に従って熱源機器を制御し、熱消費機器
である冷暖房装置に対して冷水，温水および蒸気を供給
する構成となっている。
は、蓄熱槽を効率よく使用する観点から、前日の業務用
蓄熱調整契約の始まる時間前に、当日（予測日）に消費
されるべく熱負荷を予測し、契約時間帯（夜間）の間に
その予測に基づいて過不足なく熱量を蓄熱する。そし
て、当日、予測に従って熱源機器を制御し、熱消費機器
である冷暖房装置に対して冷水，温水および蒸気を供給
する構成となっている。
【０００５】一方、ガスによる冷暖房の場合には、ボイ
ラや熱源機器の予熱に時間がかかるので、安定した熱供
給や効率的な熱製造を行う意味から、当日に消費される
熱負荷を予測し、それに十分に対応可能なように運転準
備を行うことが必要となってくる。
ラや熱源機器の予熱に時間がかかるので、安定した熱供
給や効率的な熱製造を行う意味から、当日に消費される
熱負荷を予測し、それに十分に対応可能なように運転準
備を行うことが必要となってくる。
【０００６】そこで、従来、予測日となる当日の熱負荷
を前日に予測する手段として、予め月別ごとの基準熱負
荷を設定し、この基準熱負荷について実績熱負荷や外気
温度に基づいて線形補正を行うことによって熱負荷を予
測したり、或いは日射量，外気侵入熱量，室内発生熱
量，室内蓄熱等の要因毎に求めた熱量を合計して冷暖房
の熱負荷を予測することが試みられている。
を前日に予測する手段として、予め月別ごとの基準熱負
荷を設定し、この基準熱負荷について実績熱負荷や外気
温度に基づいて線形補正を行うことによって熱負荷を予
測したり、或いは日射量，外気侵入熱量，室内発生熱
量，室内蓄熱等の要因毎に求めた熱量を合計して冷暖房
の熱負荷を予測することが試みられている。
【０００７】
【発明が解決しようとする課題】ところで、以上のよう
な熱負荷予測方式は、熱を供給する熱源設備に合った定
数や補正演算式に用いる係数を設定する必要があり、こ
れら定数，係数等の数値の設定には過去の運転実績に基
づくデ−タによる調整作業をしなければならない。ま
た、熱を供給する熱源設備の種々の条件は設備の新設，
改造等によって変化することから、新設，改造の都度、
既に設定してある定数および係数を変更しなければなら
ない。
な熱負荷予測方式は、熱を供給する熱源設備に合った定
数や補正演算式に用いる係数を設定する必要があり、こ
れら定数，係数等の数値の設定には過去の運転実績に基
づくデ−タによる調整作業をしなければならない。ま
た、熱を供給する熱源設備の種々の条件は設備の新設，
改造等によって変化することから、新設，改造の都度、
既に設定してある定数および係数を変更しなければなら
ない。
【０００８】このような一連の作業は、実運転上ではオ
ペレ−タよる手作業によることから作業の煩雑さを理由
に使用しなくなり、実際には冷暖房設備を運用するオペ
レータが過去の熱負荷実績や翌日の天候，現在の気温な
どから経験的に判断し、翌日の熱負荷を予測することが
多い。
ペレ−タよる手作業によることから作業の煩雑さを理由
に使用しなくなり、実際には冷暖房設備を運用するオペ
レータが過去の熱負荷実績や翌日の天候，現在の気温な
どから経験的に判断し、翌日の熱負荷を予測することが
多い。
【０００９】しかしながら、オペレ−タの経験に基づく
熱負荷の予測に依存したビル冷暖房設備の運用では、オ
ペレ−タの負担を軽減化することが難しい。また、従来
の手法をそのまま採り入れて熱負荷の予測を継続する
と、予測誤差が原因となって、熱源機器の運転効率が低
下し、安価な夜間電力を有効に利用できなくなる問題が
ある。
熱負荷の予測に依存したビル冷暖房設備の運用では、オ
ペレ−タの負担を軽減化することが難しい。また、従来
の手法をそのまま採り入れて熱負荷の予測を継続する
と、予測誤差が原因となって、熱源機器の運転効率が低
下し、安価な夜間電力を有効に利用できなくなる問題が
ある。
【００１０】また、前日に蓄積された熱量が不足した
り、過剰となる場合が多く、当日，冷暖房機器に適切に
熱を供給できなくなるという不具合が発生する。さら
に、熱負荷は、曜日，天気などの気象条件等の要因によ
り変動することが分かっているが、例えば曜日による分
類ではテナント毎に異なる場合がある。曜日によってテ
ナントの定休が異なるためである。
り、過剰となる場合が多く、当日，冷暖房機器に適切に
熱を供給できなくなるという不具合が発生する。さら
に、熱負荷は、曜日，天気などの気象条件等の要因によ
り変動することが分かっているが、例えば曜日による分
類ではテナント毎に異なる場合がある。曜日によってテ
ナントの定休が異なるためである。
【００１１】従って、従来の熱負荷予測は、種々の分類
に応じた統計処理ができないので、精度の高い熱負荷予
測値を用いた熱源機器の予測台数を制御するとき、最適
な予測台数が得られず、結果として熱源機器の始動・停
止頻度の増大によるランニングコストの増大や熱源機器
の寿命を短くするといった問題がある。
に応じた統計処理ができないので、精度の高い熱負荷予
測値を用いた熱源機器の予測台数を制御するとき、最適
な予測台数が得られず、結果として熱源機器の始動・停
止頻度の増大によるランニングコストの増大や熱源機器
の寿命を短くするといった問題がある。
【００１２】本発明は上記実情に鑑みてなされたもの
で、曜日，気象等の熱負荷変動要因と熱負荷との間の非
線形関係を定式化し、人手によらずに翌日の熱負荷予測
値を高精度に予測する熱負荷予測装置を提供することを
目的とする。
で、曜日，気象等の熱負荷変動要因と熱負荷との間の非
線形関係を定式化し、人手によらずに翌日の熱負荷予測
値を高精度に予測する熱負荷予測装置を提供することを
目的とする。
【００１３】
【課題を解決するための手段】上記課題を解決するため
に、請求項１に対応する発明は、対象熱源設備で製造さ
れる冷熱・温熱を建物の空調機等の熱消費機器に輸送す
るに際し、当該熱消費機器で翌日に消費される熱負荷を
予測する熱負荷予測装置において、前記熱消費機器で消
費される熱負荷を検出する熱負荷検出手段と、気温等の
気象実績値および気象予報値を入力する気象デ−タ入力
手段と、前記熱負荷，前記気象実績値および前記気象予
報値を記憶するデ−タ記憶手段と、曜日デ−タを発生す
るカレンダ−デ−タ発生手段と、前記気象実績値、前記
気象予報値、前記熱負荷、前記曜日デ−タ、時間熱負荷
の実績値から得られる午前・午後の熱負荷特徴量デ−タ
を選択的に用いて、日熱負荷予測モデルおよび時間熱負
荷パタ−ン予測モデルの重み係数を学習する学習手段
と、この学習手段で学習された予測モデルの重み係数を
記憶する予測モデル記憶手段と、前記予測モデル記憶手
段に記憶された重み係数と前記予測モデルとに基づいて
時間熱負荷パタ−ンを予測する時間熱負荷パタ−ン予測
手段と、前記予測手段で予測された時間熱負荷パタ−ン
を前記対象熱源設備を制御する熱源設備制御手段に送出
するデ−タ出力手段とを設けた熱負荷予測装置である。
に、請求項１に対応する発明は、対象熱源設備で製造さ
れる冷熱・温熱を建物の空調機等の熱消費機器に輸送す
るに際し、当該熱消費機器で翌日に消費される熱負荷を
予測する熱負荷予測装置において、前記熱消費機器で消
費される熱負荷を検出する熱負荷検出手段と、気温等の
気象実績値および気象予報値を入力する気象デ−タ入力
手段と、前記熱負荷，前記気象実績値および前記気象予
報値を記憶するデ−タ記憶手段と、曜日デ−タを発生す
るカレンダ−デ−タ発生手段と、前記気象実績値、前記
気象予報値、前記熱負荷、前記曜日デ−タ、時間熱負荷
の実績値から得られる午前・午後の熱負荷特徴量デ−タ
を選択的に用いて、日熱負荷予測モデルおよび時間熱負
荷パタ−ン予測モデルの重み係数を学習する学習手段
と、この学習手段で学習された予測モデルの重み係数を
記憶する予測モデル記憶手段と、前記予測モデル記憶手
段に記憶された重み係数と前記予測モデルとに基づいて
時間熱負荷パタ−ンを予測する時間熱負荷パタ−ン予測
手段と、前記予測手段で予測された時間熱負荷パタ−ン
を前記対象熱源設備を制御する熱源設備制御手段に送出
するデ−タ出力手段とを設けた熱負荷予測装置である。
【００１４】次に、請求項２に対応する発明は、対象熱
源設備で製造される冷熱・温熱を建物の空調機等の熱消
費機器に輸送するに際し、当該熱消費機器で翌日に消費
される熱負荷を予測する熱負荷予測装置において、前記
熱消費機器で消費される熱負荷を検出する熱負荷検出手
段と、気温等の気象実績値および気象予報値を入力する
気象デ−タ入力手段と、前記熱負荷，前記気象実績値お
よび前記気象予報値を記憶するデ−タ記憶手段と、曜日
デ−タを発生するカレンダ−デ−タ発生手段と、前記気
象実績値、前記気象予報値、前記熱負荷、前記曜日デ−
タ、時間熱負荷の実績値から得られる午前・午後の熱負
荷特徴量データを選択的に用いて、日熱負荷予測モデル
および時間熱負荷パタ−ン予測モデルの重み係数を学習
する学習手段と、この学習手段で学習された予測モデル
の重み係数を記憶する予測モデル記憶手段と、この予測
モデル記憶手段に記憶された重み係数と前記予測モデル
とに基づいて日熱負荷を予測する日熱負荷予測手段と、
前記予測モデル記憶手段に記憶された重み係数と前記予
測モデルとに基づいて時間熱負荷パタ−ンを予測する時
間熱負荷パタ−ン予測手段と、前記熱消費機器の熱消費
による変動負荷量を求める熱消費機器変動負荷量演算手
段と、前記予測手段で予測された日熱負荷、時間熱負荷
パタ−ンおよび熱消費機器の変動負荷量から時間単位の
熱負荷予測値を求める時間熱負荷予測手段とを設け、こ
の時間単位の熱負荷予測値を前記対象熱源設備を制御す
る熱源設備制御手段に送出する熱負荷予測装置である。
源設備で製造される冷熱・温熱を建物の空調機等の熱消
費機器に輸送するに際し、当該熱消費機器で翌日に消費
される熱負荷を予測する熱負荷予測装置において、前記
熱消費機器で消費される熱負荷を検出する熱負荷検出手
段と、気温等の気象実績値および気象予報値を入力する
気象デ−タ入力手段と、前記熱負荷，前記気象実績値お
よび前記気象予報値を記憶するデ−タ記憶手段と、曜日
デ−タを発生するカレンダ−デ−タ発生手段と、前記気
象実績値、前記気象予報値、前記熱負荷、前記曜日デ−
タ、時間熱負荷の実績値から得られる午前・午後の熱負
荷特徴量データを選択的に用いて、日熱負荷予測モデル
および時間熱負荷パタ−ン予測モデルの重み係数を学習
する学習手段と、この学習手段で学習された予測モデル
の重み係数を記憶する予測モデル記憶手段と、この予測
モデル記憶手段に記憶された重み係数と前記予測モデル
とに基づいて日熱負荷を予測する日熱負荷予測手段と、
前記予測モデル記憶手段に記憶された重み係数と前記予
測モデルとに基づいて時間熱負荷パタ−ンを予測する時
間熱負荷パタ−ン予測手段と、前記熱消費機器の熱消費
による変動負荷量を求める熱消費機器変動負荷量演算手
段と、前記予測手段で予測された日熱負荷、時間熱負荷
パタ−ンおよび熱消費機器の変動負荷量から時間単位の
熱負荷予測値を求める時間熱負荷予測手段とを設け、こ
の時間単位の熱負荷予測値を前記対象熱源設備を制御す
る熱源設備制御手段に送出する熱負荷予測装置である。
【００１５】さらに、請求項３に対応する発明は、予測
モデル学習手段および日熱負荷予測手段として、ニュ−
ラルネットワ−クを構成し、このニュ−ラルネットワ−
クの入力層に気象実績値、気象予報値および１日の熱負
荷を入力し、各層のニュ−ロン間の重み係数をバックプ
ロパゲ−ション法により修正し、この修正によって得ら
れる重み係数を前記予測モデル記憶手段に記憶し、前記
カレンダ−デ−タ発生手段から発生するカレンダ−デ−
タに基づいて前記予測モデル記憶手段から前記ニュ−ラ
ルネットワ−クの重み係数を選択し、この選択された重
み係数と前記気象予報値とを用いて予測日１日分の熱負
荷を予測するものである。
モデル学習手段および日熱負荷予測手段として、ニュ−
ラルネットワ−クを構成し、このニュ−ラルネットワ−
クの入力層に気象実績値、気象予報値および１日の熱負
荷を入力し、各層のニュ−ロン間の重み係数をバックプ
ロパゲ−ション法により修正し、この修正によって得ら
れる重み係数を前記予測モデル記憶手段に記憶し、前記
カレンダ−デ−タ発生手段から発生するカレンダ−デ−
タに基づいて前記予測モデル記憶手段から前記ニュ−ラ
ルネットワ−クの重み係数を選択し、この選択された重
み係数と前記気象予報値とを用いて予測日１日分の熱負
荷を予測するものである。
【００１６】さらに、請求項４に対応する発明は、予測
モデル学習手段および時間熱負荷パタ−ン予測手段は、
ニュ−ラルネットワ−クを構成し、このニュ−ラルネッ
トワ−クの入力層に気象実績値、気象予報値および時間
単位の熱負荷を入力し、各層のニュ−ロン間の重み係数
をバックプロパゲ−ション法により修正し、この修正に
よって得られる重み係数を前記予測モデル記憶手段に記
憶し、前記カレンダ−デ−タ発生手段から発生するカレ
ンダ−デ−タに基づいて前記予測モデル記憶手段から前
記ニュ−ラルネットワ−クの重み係数を選択し、この選
択された重み係数と前記気象予報値とを用いて予測日の
時間熱負荷パタ−ンを予測し、この予測日の時間熱負荷
パタ−ンを前記日熱負荷予測手段で得られる当日の日熱
負荷予測量で按分することにより、時間単位の熱負荷予
測値を予測するものである。
モデル学習手段および時間熱負荷パタ−ン予測手段は、
ニュ−ラルネットワ−クを構成し、このニュ−ラルネッ
トワ−クの入力層に気象実績値、気象予報値および時間
単位の熱負荷を入力し、各層のニュ−ロン間の重み係数
をバックプロパゲ−ション法により修正し、この修正に
よって得られる重み係数を前記予測モデル記憶手段に記
憶し、前記カレンダ−デ−タ発生手段から発生するカレ
ンダ−デ−タに基づいて前記予測モデル記憶手段から前
記ニュ−ラルネットワ−クの重み係数を選択し、この選
択された重み係数と前記気象予報値とを用いて予測日の
時間熱負荷パタ−ンを予測し、この予測日の時間熱負荷
パタ−ンを前記日熱負荷予測手段で得られる当日の日熱
負荷予測量で按分することにより、時間単位の熱負荷予
測値を予測するものである。
【００１７】
【作用】従って、請求項１に対応する発明は、以上のよ
うな手段を講じたことにより、熱負荷検出手段および気
象データ入力手段から熱消費機器で消費される熱負荷、
気温等の気象実績値および気象予報値をデータ記憶手段
に記憶する。しかる後、予測モデル学習手段は、カレン
ダ−デ−タ発生手段から発生する曜日に基づいて気象実
績値、気象予報値、熱負荷、時間熱負荷の実績値から得
られる午前・午後の熱負荷特徴量データを選択的に用い
て、日熱負荷予測モデルおよび時間熱負荷パタ−ン予測
モデルの重み係数を学習し、予測モデル記憶手段に記憶
する。
うな手段を講じたことにより、熱負荷検出手段および気
象データ入力手段から熱消費機器で消費される熱負荷、
気温等の気象実績値および気象予報値をデータ記憶手段
に記憶する。しかる後、予測モデル学習手段は、カレン
ダ−デ−タ発生手段から発生する曜日に基づいて気象実
績値、気象予報値、熱負荷、時間熱負荷の実績値から得
られる午前・午後の熱負荷特徴量データを選択的に用い
て、日熱負荷予測モデルおよび時間熱負荷パタ−ン予測
モデルの重み係数を学習し、予測モデル記憶手段に記憶
する。
【００１８】ここで、時間熱負荷パタ−ン予測手段は、
予測モデル記憶手段に記憶される重み係数と予測モデル
とに基づいて時間熱負荷パタ−ンを予測し、デ−タ出力
手段を介して対象熱源設備を制御する熱源設備制御手段
に送出するので、人手による演算を必要とせずに精度の
高い時間熱負荷パタ−ンを予測できる。
予測モデル記憶手段に記憶される重み係数と予測モデル
とに基づいて時間熱負荷パタ−ンを予測し、デ−タ出力
手段を介して対象熱源設備を制御する熱源設備制御手段
に送出するので、人手による演算を必要とせずに精度の
高い時間熱負荷パタ−ンを予測できる。
【００１９】また、請求項２に対応する発明は、熱負荷
検出手段および気象データ入力手段から熱消費機器で消
費される熱負荷、気温等の気象実績値および気象予報値
をデータ記憶手段に記憶する。しかる後、予測モデル学
習手段は、カレンダ−デ−タ発生手段から発生する曜日
に基づいて気象実績値、気象予報値、熱負荷、時間熱負
荷の実績値から得られる午前・午後の熱負荷特徴量デー
タを選択的に用いて、日熱負荷予測モデルおよび時間熱
負荷パタ−ン予測モデルの重み係数を学習し、予測モデ
ル記憶手段に記憶する。
検出手段および気象データ入力手段から熱消費機器で消
費される熱負荷、気温等の気象実績値および気象予報値
をデータ記憶手段に記憶する。しかる後、予測モデル学
習手段は、カレンダ−デ−タ発生手段から発生する曜日
に基づいて気象実績値、気象予報値、熱負荷、時間熱負
荷の実績値から得られる午前・午後の熱負荷特徴量デー
タを選択的に用いて、日熱負荷予測モデルおよび時間熱
負荷パタ−ン予測モデルの重み係数を学習し、予測モデ
ル記憶手段に記憶する。
【００２０】ここで、日熱負荷予測手段は予測モデル記
憶手段に記憶されている重み係数と前記予測モデルとを
用いて日熱負荷を予測し、一方、時間熱負荷パタ−ン予
測手段は同じく予測モデル記憶手段に記憶されている重
み係数と前記予測モデルとを用いて時間熱負荷パタ−ン
を予測する。
憶手段に記憶されている重み係数と前記予測モデルとを
用いて日熱負荷を予測し、一方、時間熱負荷パタ−ン予
測手段は同じく予測モデル記憶手段に記憶されている重
み係数と前記予測モデルとを用いて時間熱負荷パタ−ン
を予測する。
【００２１】しかる後、時間熱負荷予測手段は、前記各
予測手段で予測された日熱負荷、時間熱負荷パタ−ンの
他、熱消費機器変動負荷量演算手段によって求めた熱消
費機器の変動負荷量とから時間単位の熱負荷予測値を求
め、熱源設備制御手段に送出するので、人手による演算
を必要とせずに精度の高い熱負荷を予測できる。また、
徐々に予測された当日の熱負荷予測が外れていく場合で
も、最新の熱負荷検出値に基づいて予測モデルを修正
し、かつ、熱消費機器の変動負荷量を考慮して熱負荷を
予測するので、高精度な熱負荷予測が可能である。
予測手段で予測された日熱負荷、時間熱負荷パタ−ンの
他、熱消費機器変動負荷量演算手段によって求めた熱消
費機器の変動負荷量とから時間単位の熱負荷予測値を求
め、熱源設備制御手段に送出するので、人手による演算
を必要とせずに精度の高い熱負荷を予測できる。また、
徐々に予測された当日の熱負荷予測が外れていく場合で
も、最新の熱負荷検出値に基づいて予測モデルを修正
し、かつ、熱消費機器の変動負荷量を考慮して熱負荷を
予測するので、高精度な熱負荷予測が可能である。
【００２２】
【実施例】以下、本発明装置の実施例について図面を参
照して説明する。図１は本発明装置の一実施例を示す構
成図である。同図において１は熱負荷予測値を予測する
熱負荷予測装置本体部であって、この装置本体部１によ
って予測される熱負荷予測値は熱源設備制御手段２に送
られ、ここで熱負荷予測値と対象熱源設備３からの計測
信号とに基づいて制御信号を求め、対象熱源設備３を制
御する。
照して説明する。図１は本発明装置の一実施例を示す構
成図である。同図において１は熱負荷予測値を予測する
熱負荷予測装置本体部であって、この装置本体部１によ
って予測される熱負荷予測値は熱源設備制御手段２に送
られ、ここで熱負荷予測値と対象熱源設備３からの計測
信号とに基づいて制御信号を求め、対象熱源設備３を制
御する。
【００２３】この対象熱源設備３は、ヒ−トポンプ，ボ
イラ，蓄熱槽等の何れか１種または複数種からなる冷暖
房設備などを意味し、ここで製造される冷熱・温熱は熱
輸送系統４を介して建物内に設置される例えば空調機等
の熱消費機器５に輸送され、冷房・暖房に利用される。
イラ，蓄熱槽等の何れか１種または複数種からなる冷暖
房設備などを意味し、ここで製造される冷熱・温熱は熱
輸送系統４を介して建物内に設置される例えば空調機等
の熱消費機器５に輸送され、冷房・暖房に利用される。
【００２４】前記熱負荷予測装置本体部１には、熱消費
機器５で消費される熱負荷を検出する熱負荷検出手段
６、熱負荷の変動要因となる最高気温，最低気温等の気
象実績値デ−タを入力する気象実績値入力手段７の他、
同じく熱負荷の変動要因となる最高気温，最低気温等の
気象予報値デ−タを入力する気象予報値入力手段８およ
び熱消費機器の熱消費による変動負荷量を求める熱消費
機器負荷変動量演算手段９等が接続され、また内部的に
は次のような構成を有している。
機器５で消費される熱負荷を検出する熱負荷検出手段
６、熱負荷の変動要因となる最高気温，最低気温等の気
象実績値デ−タを入力する気象実績値入力手段７の他、
同じく熱負荷の変動要因となる最高気温，最低気温等の
気象予報値デ−タを入力する気象予報値入力手段８およ
び熱消費機器の熱消費による変動負荷量を求める熱消費
機器負荷変動量演算手段９等が接続され、また内部的に
は次のような構成を有している。
【００２５】すなわち、熱負荷予測装置本体部１は、外
部の各手段６〜９から入力されるデ−タを記憶するデ−
タ記憶手段１１と、曜日などのカレンダ−デ−タを発生
するカレンダ−デ−タ発生手段１２と、デ−タ記憶手段
１１から熱負荷予測に必要なデ−タを取り込んで予測モ
デルの重み係数を学習する予測モデル学習手段１３と、
この予測モデル学習手段１３によって学習された予測モ
デルの重み係数を保存する予測モデル記憶手段１４とが
設けられている。
部の各手段６〜９から入力されるデ−タを記憶するデ−
タ記憶手段１１と、曜日などのカレンダ−デ−タを発生
するカレンダ−デ−タ発生手段１２と、デ−タ記憶手段
１１から熱負荷予測に必要なデ−タを取り込んで予測モ
デルの重み係数を学習する予測モデル学習手段１３と、
この予測モデル学習手段１３によって学習された予測モ
デルの重み係数を保存する予測モデル記憶手段１４とが
設けられている。
【００２６】また、熱負荷予測装置本体部１は、記憶さ
れた重み係数デ−タと予測モデルとに基づいて日熱負荷
を予測する日熱負荷予測手段１５と、同じく記憶された
重み係数デ−タと予測モデルとに基づいて時間熱負荷パ
タ−ンを予測する時間熱負荷パタ−ン予測手段１６と、
日熱負荷予測手段１５の日熱負荷量と時間熱負荷パタ−
ン予測手段１６の時間熱負荷パタ−ンと前記熱消費機器
変動負荷量演算手段９から入力される変動負荷量を取り
込み、時間単位の熱負荷（時間熱負荷）を予測する時間
熱負荷予測手段１７と、この時間熱負荷予測手段１７に
よって得られた熱負荷予測値を前記熱源設備制御手段２
に送出し、またデ−タ記憶手段１１にも記憶するデ−タ
出力手段１８とが設けられている。
れた重み係数デ−タと予測モデルとに基づいて日熱負荷
を予測する日熱負荷予測手段１５と、同じく記憶された
重み係数デ−タと予測モデルとに基づいて時間熱負荷パ
タ−ンを予測する時間熱負荷パタ−ン予測手段１６と、
日熱負荷予測手段１５の日熱負荷量と時間熱負荷パタ−
ン予測手段１６の時間熱負荷パタ−ンと前記熱消費機器
変動負荷量演算手段９から入力される変動負荷量を取り
込み、時間単位の熱負荷（時間熱負荷）を予測する時間
熱負荷予測手段１７と、この時間熱負荷予測手段１７に
よって得られた熱負荷予測値を前記熱源設備制御手段２
に送出し、またデ−タ記憶手段１１にも記憶するデ−タ
出力手段１８とが設けられている。
【００２７】次に、以上のように構成された装置の動作
について説明する。先ず、気象実績値入力手段７および
気象予報値入力手段８等から前日の最高気温，最低気温
等の気象実績値デ−タ，翌日の最高気温，最低気温等の
気象予報値デ−タが入力され、デ−タ記憶手段１１に記
憶される。さらに、予測モデルの学習に必要なデ−タ例
えば日熱負荷等がデータ記憶手段１１に記憶されてい
る。 Ａ．予測モデル学習手段１３による予測モデルの学習動
作について 予測モデル学習手段１３は、デ−タ記憶手段１１に記憶
されている最高気温，最低気温，熱負荷デ−タを取り込
み、さらにカレンダ−デ−タ発生手段１２から発生する
曜日モ−ド（例えば休日，土曜，平日等）毎に以下のよ
うな処理を実行する。 Ａ−１ 気温データ 最高気温および最低気温に関するデ−タは以下の方法で
処理する。
について説明する。先ず、気象実績値入力手段７および
気象予報値入力手段８等から前日の最高気温，最低気温
等の気象実績値デ−タ，翌日の最高気温，最低気温等の
気象予報値デ−タが入力され、デ−タ記憶手段１１に記
憶される。さらに、予測モデルの学習に必要なデ−タ例
えば日熱負荷等がデータ記憶手段１１に記憶されてい
る。 Ａ．予測モデル学習手段１３による予測モデルの学習動
作について 予測モデル学習手段１３は、デ−タ記憶手段１１に記憶
されている最高気温，最低気温，熱負荷デ−タを取り込
み、さらにカレンダ−デ−タ発生手段１２から発生する
曜日モ−ド（例えば休日，土曜，平日等）毎に以下のよ
うな処理を実行する。 Ａ−１ 気温データ 最高気温および最低気温に関するデ−タは以下の方法で
処理する。
【００２８】
【数１】 次に、平均値からの偏りは次の演算式により求める。
【００２９】
【数２】 Ａ−２ 熱負荷デ−タ 一方、熱負荷に関するデ−タは次のような方法により処
理する。
理する。
【００３０】
【数３】 次に、平均値からの偏りは次の演算式により求める。
【００３１】
【数４】 Ａ−３ 熱負荷特徴量 熱負荷の午前の特徴量Ｒsa(i) は以下の演算式から求め
る。
る。
【００３２】
【数５】 ここで、ｑｓ（ｉ，ｊ）：ｉ日のｊ時の時間熱負荷実績
［cal/h ］ ｊ：２３〜２２，すなわち２２時から翌日２２時までを
１日とし、例えば９時（ｊ＝９）の時間熱負荷とは８：
００〜８：５９の時間熱負荷積算を意味する。 同様に、熱負荷の午後の特徴量Ｒsp(i) は以下の演算式
から求められる。
［cal/h ］ ｊ：２３〜２２，すなわち２２時から翌日２２時までを
１日とし、例えば９時（ｊ＝９）の時間熱負荷とは８：
００〜８：５９の時間熱負荷積算を意味する。 同様に、熱負荷の午後の特徴量Ｒsp(i) は以下の演算式
から求められる。
【００３３】
【数６】 Ａ−４ ニュ−ラルネットワ−クによる日熱負荷予測モ
デルの学習 予測モデル学習手段１３は、以上のような処理によって
得られたデータを用いて日熱負荷予測モデルの重み係数
を学習する。ここで、日熱負荷予測モデルは、図２に示
す通りであり、例えば入力層，中間層，出力層からなる
３層のニュ−ラルネットワ−ク構造となっている。
デルの学習 予測モデル学習手段１３は、以上のような処理によって
得られたデータを用いて日熱負荷予測モデルの重み係数
を学習する。ここで、日熱負荷予測モデルは、図２に示
す通りであり、例えば入力層，中間層，出力層からなる
３層のニュ−ラルネットワ−ク構造となっている。
【００３４】このとき、ニュ−ラルネットワ−クには、
データ記憶手段１１に記憶されている当日の最高気温，
最低気温，前日の最高気温，最低気温，前日の熱負荷等
のデ−タを入力層に入力し、またデ−タ記憶手段１１に
記憶されている当日の熱負荷を教示デ−タとして用い、
バックプロパゲ−ション法により、ニュ−ロン間の重み
係数を学習する。
データ記憶手段１１に記憶されている当日の最高気温，
最低気温，前日の最高気温，最低気温，前日の熱負荷等
のデ−タを入力層に入力し、またデ−タ記憶手段１１に
記憶されている当日の熱負荷を教示デ−タとして用い、
バックプロパゲ−ション法により、ニュ−ロン間の重み
係数を学習する。
【００３５】この日熱負荷予測の重み係数には、 Ｗv12 (i,j) ：入力層−中間層間の重み係数 Ｗv23 (i,k) ：中間層−出力層間の重み係数 ｉ，ｊ，ｋ ：各々の入力層，中間層，出力層の個数 がある。
【００３６】ここで、バックプロパゲ−ション法とは、
本予測モデルのような階層型の構造をしたニュ−ラルネ
ットワ−クに対し、ネットワ−クの誤差が出力層から入
力層に逆伝搬していく学習方式であって、一般に良く知
られている学習方式である。
本予測モデルのような階層型の構造をしたニュ−ラルネ
ットワ−クに対し、ネットワ−クの誤差が出力層から入
力層に逆伝搬していく学習方式であって、一般に良く知
られている学習方式である。
【００３７】このようにして学習された日熱負荷予測モ
デルの重み係数は予測モデル記憶手段１４に記憶され
る。 Ａ−５ ニュ−ラルネットワ−クによる時間熱負荷パタ
−ン予測モデルの学習 前記Ａ−４と同様の方法により、図３に示すようなニュ
−ラルネットワ−クの時間熱負荷パタ−ン予測モデルが
用いられ、ニュ−ラルネットワ−クに対し、当日の最高
気温，最低気温，前日の最高気温，最低気温，前日の午
前の特徴量，前日の午後の特徴量等のデ−タを入力層に
入力し、当日の午前の特徴量，当日の午後の特徴量を教
示デ−タとして用い、バックプロパゲ−ション法によ
り、ニュ−ロン間の重み係数を学習する。
デルの重み係数は予測モデル記憶手段１４に記憶され
る。 Ａ−５ ニュ−ラルネットワ−クによる時間熱負荷パタ
−ン予測モデルの学習 前記Ａ−４と同様の方法により、図３に示すようなニュ
−ラルネットワ−クの時間熱負荷パタ−ン予測モデルが
用いられ、ニュ−ラルネットワ−クに対し、当日の最高
気温，最低気温，前日の最高気温，最低気温，前日の午
前の特徴量，前日の午後の特徴量等のデ−タを入力層に
入力し、当日の午前の特徴量，当日の午後の特徴量を教
示デ−タとして用い、バックプロパゲ−ション法によ
り、ニュ−ロン間の重み係数を学習する。
【００３８】この時間熱負荷パ−ン予測の重み係数に
は、 Ｗp12 (i,j) ：入力層−中間層間の重み係数 Ｗp23 (i,k) ：中間層−出力層間の重み係数 ｉ，ｊ，ｋ ：各々の入力層，中間層，出力層の個数 がある。ここで、学習された時間熱負荷パタ−ン予測モ
デルの重み係数は、予測モデル記憶手段１４に記憶され
る。 Ｂ．日熱負荷予測手段の動作について この日熱負荷予測手段１５は、図２に示す日熱負荷予測
モデルを用い、予測モデル記憶手段１４に記憶されてい
る図２に示す日熱負荷予測モデルの重み係数を用い、か
つ、ニュ−ラルネットワ−クの入力層には前日の最高気
温，最低気温，当日の予想最高気温，予想最低気温，前
日の熱負荷を入力し、当日の熱負荷予測を行う。さら
に、前記（６）式で付した逆の演算，すなわち、
は、 Ｗp12 (i,j) ：入力層−中間層間の重み係数 Ｗp23 (i,k) ：中間層−出力層間の重み係数 ｉ，ｊ，ｋ ：各々の入力層，中間層，出力層の個数 がある。ここで、学習された時間熱負荷パタ−ン予測モ
デルの重み係数は、予測モデル記憶手段１４に記憶され
る。 Ｂ．日熱負荷予測手段の動作について この日熱負荷予測手段１５は、図２に示す日熱負荷予測
モデルを用い、予測モデル記憶手段１４に記憶されてい
る図２に示す日熱負荷予測モデルの重み係数を用い、か
つ、ニュ−ラルネットワ−クの入力層には前日の最高気
温，最低気温，当日の予想最高気温，予想最低気温，前
日の熱負荷を入力し、当日の熱負荷予測を行う。さら
に、前記（６）式で付した逆の演算，すなわち、
【００３９】
【数７】 を行い、日熱負荷予測値を予測する。 Ｃ 時間熱負荷パタ−ン予測手段による動作について この時間熱負荷パタ−ン予測手段１６は、図３に示す時
間熱負荷パタ−ン予測モデルを用い、予測モデル記憶手
段１４に記憶されている図３に示す時間熱負荷パタ−ン
予測モデルの重み係数を用い、かつ、図４に示すように
流れによって処理し、時間熱負荷パタ−ンを予測する。
間熱負荷パタ−ン予測モデルを用い、予測モデル記憶手
段１４に記憶されている図３に示す時間熱負荷パタ−ン
予測モデルの重み係数を用い、かつ、図４に示すように
流れによって処理し、時間熱負荷パタ−ンを予測する。
【００４０】すなわち、ニュ−ラルネットワ−クの入力
層には前日の最高気温，最低気温，当日の予想最高気
温，予想最低気温，前日の午前の特徴量，前日の午後の
特徴量，前日の熱負荷を入力し、当日の午前の特徴量，
当日の午後の特徴量を予測する（Ｓ１）。
層には前日の最高気温，最低気温，当日の予想最高気
温，予想最低気温，前日の午前の特徴量，前日の午後の
特徴量，前日の熱負荷を入力し、当日の午前の特徴量，
当日の午後の特徴量を予測する（Ｓ１）。
【００４１】さらに、過去の実績（ｉ日，例えば３０日
間）の特徴量をデータ記憶手段１１から読み出し、その
中から最も類似した日，すなわち次式で示すＩ（ｉ）が
最も小さい日の１日を類似日として選び出す（Ｓ２）。
間）の特徴量をデータ記憶手段１１から読み出し、その
中から最も類似した日，すなわち次式で示すＩ（ｉ）が
最も小さい日の１日を類似日として選び出す（Ｓ２）。
【００４２】
【数８】
【００４３】ここで、類似日が第ｋ日であるとすると、
この第ｋ日の時間熱負荷パタ−ンを当日の時間熱負荷パ
タ−ンとして予測する（Ｓ３）。この時間熱負荷パタ−
ンとは、次式で示す按分日をいう。
この第ｋ日の時間熱負荷パタ−ンを当日の時間熱負荷パ
タ−ンとして予測する（Ｓ３）。この時間熱負荷パタ−
ンとは、次式で示す按分日をいう。
【００４４】
【数９】
【００４５】Ｐs (k,i) ：第ｋ日の時間熱負荷パタ−ン
（ｉ＝２３時間〜２２時） ｑs (k,i) ：第ｋ日ｉ時の時間熱負荷（ｉ＝２３時間〜
２２時）［cal/h ］ Ｄ 時間熱負荷予測手段の動作について この時間熱負荷予測手段１７は、日熱負荷予測手段１５
および時間熱負荷パタ−ン予測手段１６によって得られ
た日熱負荷予測値および時間熱負荷パタ−ンと、熱消費
記可動スケジュ−ル演算手段９から出力される変動負荷
量に基づいて、下式により時間熱負荷予測値を演算す
る。
（ｉ＝２３時間〜２２時） ｑs (k,i) ：第ｋ日ｉ時の時間熱負荷（ｉ＝２３時間〜
２２時）［cal/h ］ Ｄ 時間熱負荷予測手段の動作について この時間熱負荷予測手段１７は、日熱負荷予測手段１５
および時間熱負荷パタ−ン予測手段１６によって得られ
た日熱負荷予測値および時間熱負荷パタ−ンと、熱消費
記可動スケジュ−ル演算手段９から出力される変動負荷
量に基づいて、下式により時間熱負荷予測値を演算す
る。
【００４６】
【数１０】
【００４７】そして、時間熱負荷予測手段１７により求
めた時間熱負荷予測値は、デ−タ出力手段１８を介して
熱源機器制御手段２に送出され、ここで時間熱負荷予測
値に基づいて当日の対象熱源設備３を制御する。
めた時間熱負荷予測値は、デ−タ出力手段１８を介して
熱源機器制御手段２に送出され、ここで時間熱負荷予測
値に基づいて当日の対象熱源設備３を制御する。
【００４８】従って、以上のような実施例の構成によれ
ば、熱消費機器において翌日に消費される熱負荷をニュ
−ロモデルに基づいて予測するとともに、このニュ−ロ
モデルにおける重みは過去の熱負荷実績と気象データお
よび曜日モ−ドに基づいてバックプロパゲション法によ
り学習するので、常に精度の高い熱負荷予測が可能とな
る。
ば、熱消費機器において翌日に消費される熱負荷をニュ
−ロモデルに基づいて予測するとともに、このニュ−ロ
モデルにおける重みは過去の熱負荷実績と気象データお
よび曜日モ−ドに基づいてバックプロパゲション法によ
り学習するので、常に精度の高い熱負荷予測が可能とな
る。
【００４９】また、消費される熱負荷を変動させる要因
デ−タとしては、翌日の気象予報値を採用し、これらデ
ータは天気予報等で容易に入手することができる。併せ
て熱負荷実績とそれに影響を及ぼす要因実績により、負
荷デ−タの分類を行うことにより、曜日の違いなど大き
く変わる熱負荷に対して、誤差の少ない熱負荷予測を行
うことができる。さらに、熱消費機器稼働スケジュ−ル
により変動する熱負荷を考慮しつつ熱負荷予測を行うこ
とができる。
デ−タとしては、翌日の気象予報値を採用し、これらデ
ータは天気予報等で容易に入手することができる。併せ
て熱負荷実績とそれに影響を及ぼす要因実績により、負
荷デ−タの分類を行うことにより、曜日の違いなど大き
く変わる熱負荷に対して、誤差の少ない熱負荷予測を行
うことができる。さらに、熱消費機器稼働スケジュ−ル
により変動する熱負荷を考慮しつつ熱負荷予測を行うこ
とができる。
【００５０】なお、上記実施例は、気象データとして最
高気温，最低気温を用いたが、その他に熱負荷モデルに
合せて，天気，湿度等のデ−タを用いたり、それらを組
み合わせてもよい。これと同様に、熱負荷に影響を及ぼ
す要因として、曜日を用いたが、他に季節，天気等の気
象条件を用いたり、それらを組み合わせてもよい。
高気温，最低気温を用いたが、その他に熱負荷モデルに
合せて，天気，湿度等のデ−タを用いたり、それらを組
み合わせてもよい。これと同様に、熱負荷に影響を及ぼ
す要因として、曜日を用いたが、他に季節，天気等の気
象条件を用いたり、それらを組み合わせてもよい。
【００５１】また、本実施例においては、曜日モ−ド毎
にデ−タ分類を行って予測を行っているが、曜日モ−ド
による分類を行わずに予測モデルの入力情報に取り込む
ようにしていもよい。
にデ−タ分類を行って予測を行っているが、曜日モ−ド
による分類を行わずに予測モデルの入力情報に取り込む
ようにしていもよい。
【００５２】さらに、日熱負荷の予測では、１日を例え
ば夜（２２時〜８時）と昼（８時〜２２時）に分け、各
々の予測を行ってもよい。さらに、時間熱負荷予測にお
ける特徴量の取り方は、他の時間帯を用いてもよい。し
かも、特徴量は午前・午後の２つに限らず、１つまたは
３つ以上にしてもよい。
ば夜（２２時〜８時）と昼（８時〜２２時）に分け、各
々の予測を行ってもよい。さらに、時間熱負荷予測にお
ける特徴量の取り方は、他の時間帯を用いてもよい。し
かも、特徴量は午前・午後の２つに限らず、１つまたは
３つ以上にしてもよい。
【００５３】
【発明の効果】以上説明したように本発明によれば、曜
日，気象等の熱負荷変動要因と熱負荷との間の非線形関
係を定式化することにより、人手によらずに翌日の熱負
荷予測値を予測できる。
日，気象等の熱負荷変動要因と熱負荷との間の非線形関
係を定式化することにより、人手によらずに翌日の熱負
荷予測値を予測できる。
【００５４】また、学習機能をもった予測モデルに従っ
て熱消費機器で消費される翌日の熱負荷予測値を求める
ので熱負荷予測値を高精度に予測でき、しかも当該モデ
ルのパラメ−タは消費される熱負荷を変動される要因デ
−タをもとに推定されるので、常に精度の高い熱負荷予
測を行うことができる。従って、従来のように熱消費機
器に供給する熱量が不足したり、過剰となることはな
く、適切に熱エネルギ−を供給できる。
て熱消費機器で消費される翌日の熱負荷予測値を求める
ので熱負荷予測値を高精度に予測でき、しかも当該モデ
ルのパラメ−タは消費される熱負荷を変動される要因デ
−タをもとに推定されるので、常に精度の高い熱負荷予
測を行うことができる。従って、従来のように熱消費機
器に供給する熱量が不足したり、過剰となることはな
く、適切に熱エネルギ−を供給できる。
【図１】本発明に係わる熱負荷予測装置の一実施例を示
す構成図。
す構成図。
【図２】ニュ−ラルネットワ−クを用いた日熱負荷予測
モデルの説明図。
モデルの説明図。
【図３】ニュ−ラルネットワ−クを用いた時間熱負荷パ
タ−ン予測モデルの説明図。
タ−ン予測モデルの説明図。
【図４】時間熱負荷パタ−ンの予測を行うための手順を
説明する図。
説明する図。
１…熱負荷予測装置本体部、３…対象熱源設備、５…熱
消費機器、７…気象実績値入力手段、８…気象予報値入
力手段、９…熱消費機器稼働スケジュ−ル演算手段、１
１…デ−タ記憶手段、１２…カレンダ−デ−タ発生手
段、１３…予測モデル学習手段、１４…予測モデル記憶
手段、１５…日熱負荷予測手段、１６…時間熱負荷パタ
−ン予測手段、１７…時間熱負荷予測手段。
消費機器、７…気象実績値入力手段、８…気象予報値入
力手段、９…熱消費機器稼働スケジュ−ル演算手段、１
１…デ−タ記憶手段、１２…カレンダ−デ−タ発生手
段、１３…予測モデル学習手段、１４…予測モデル記憶
手段、１５…日熱負荷予測手段、１６…時間熱負荷パタ
−ン予測手段、１７…時間熱負荷予測手段。
───────────────────────────────────────────────────── フロントページの続き (51)Int.Cl.6 識別記号 庁内整理番号 ＦＩ 技術表示箇所 Ｇ０５Ｂ 13/04 9131−3Ｈ (72)発明者 山田 幸弘 東京都港区芝浦一丁目１番１号 株式会社 東芝本社事務所内 (72)発明者 藤田 信人 東京都府中市東芝町１番地 株式会社東芝 府中工場内
Claims (4)
- 【請求項１】 対象熱源設備で製造される冷熱・温熱を
建物の空調機等の熱消費機器に輸送するに際し、当該熱
消費機器で翌日に消費される熱負荷を予測する熱負荷予
測装置において、 前記熱消費機器で消費される熱負荷を検出する熱負荷検
出手段と、 気温等の気象実績値および気象予報値を入力する気象デ
−タ入力手段と、 前記熱負荷，前記気象実績値および前記気象予報値を記
憶するデ−タ記憶手段と、 曜日デ−タを発生するカレンダ−デ−タ発生手段と、 前記気象実績値、前記気象予報値、前記熱負荷、前記曜
日デ−タ、時間熱負荷の実績値から得られる午前・午後
の熱負荷特徴量デ−タを選択的に用いて、日熱負荷予測
モデルおよび時間熱負荷パタ−ン予測モデルの重み係数
を学習する学習手段と、 この学習手段で学習された予測モデルの重み係数を記憶
する予測モデル記憶手段と、 前記予測モデル記憶手段に記憶された重み係数と前記予
測モデルとに基づいて時間熱負荷パタ−ンを予測する時
間熱負荷パタ−ン予測手段と、 前記予測手段で予測された時間熱負荷パタ−ンを前記対
象熱源設備を制御する熱源設備制御手段に送出するデ−
タ出力手段と、 を備えたことを特徴とする熱負荷予測装置。 - 【請求項２】 対象熱源設備で製造される冷熱・温熱を
建物の空調機等の熱消費機器に輸送するに際し、当該熱
消費機器で翌日に消費される熱負荷を予測する熱負荷予
測装置において、 前記熱消費機器で消費される熱負荷を検出する熱負荷検
出手段と、 気温等の気象実績値および気象予報値を入力する気象デ
−タ入力手段と、 前記熱負荷，前記気象実績値および前記気象予報値を記
憶するデ−タ記憶手段と、 曜日デ−タを発生するカレンダ−デ−タ発生手段と、 前記気象実績値、前記気象予報値、前記熱負荷、前記曜
日デ−タ、時間熱負荷の実績値から得られる午前・午後
の熱負荷特徴量デ−タを選択的に用いて、日熱負荷予測
モデルおよび時間熱負荷パタ−ン予測モデルの重み係数
を学習する学習手段と、 この学習手段で学習された予測モデルの重み係数を記憶
する予測モデル記憶手段と、 この予測モデル記憶手段に記憶された重み係数と前記予
測モデルとに基づいて日熱負荷を予測する日熱負荷予測
手段と、 前記予測モデル記憶手段に記憶された重み係数と前記予
測モデルとに基づいて時間熱負荷パタ−ンを予測する時
間熱負荷パタ−ン予測手段と、 前記熱消費機器の熱消費による変動負荷量を求める熱消
費機器変動負荷量演算手段と、 前記予測手段で予測された日熱負荷、時間熱負荷パタ−
ンおよび熱消費機器の変動負荷量から時間単位の熱負荷
予測値を求める時間熱負荷予測手段と、 を備え、この時間単位の熱負荷予測値を前記対象熱源設
備を制御する熱源設備制御手段に送出することを特徴と
する熱負荷予測装置。 - 【請求項３】 予測モデル学習手段および日熱負荷予測
手段は、ニュ−ラルネットワ−クを構成し、このニュ−
ラルネットワ−クの入力層に気象実績値、気象予報値お
よび１日の熱負荷を入力し、各層のニュ−ロン間の重み
係数をバックプロパゲ−ション法により修正し、この修
正によって得られる重み係数を前記予測モデル記憶手段
に記憶し、前記カレンダ−デ−タ発生手段から発生する
カレンダ−デ−タに基づいて前記予測モデル記憶手段か
ら前記ニュ−ラルネットワ−クの重み係数を選択し、こ
の選択された重み係数と前記気象予報値とを用いて予測
日１日分の熱負荷を予測することを特徴とする請求項１
または２記載の熱負荷予測装置。 - 【請求項４】 予測モデル学習手段および時間熱負荷パ
タ−ン予測手段は、ニュ−ラルネットワ−クを構成し、
このニュ−ラルネットワ−クの入力層に気象実績値、気
象予報値および時間単位の熱負荷を入力し、各層のニュ
−ロン間の重み係数をバックプロパゲ−ション法により
修正し、この修正によって得られる重み係数を前記予測
モデル記憶手段に記憶し、前記カレンダ−デ−タ発生手
段から発生するカレンダ−デ−タに基づいて前記予測モ
デル記憶手段から前記ニュ−ラルネットワ−クの重み係
数を選択し、この選択された重み係数と前記気象予報値
とを用いて予測日の時間熱負荷パタ−ンを予測し、この
予測日の時間熱負荷パタ−ンを前記日熱負荷予測手段で
得られる当日の日熱負荷予測量で按分することにより、
時間単位の熱負荷予測値を予測することを特徴とする請
求項１または２記載の熱負荷予測装置。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| JP6220098A JPH0886490A (ja) | 1994-09-14 | 1994-09-14 | 熱負荷予測装置 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| JP6220098A JPH0886490A (ja) | 1994-09-14 | 1994-09-14 | 熱負荷予測装置 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| JPH0886490A true JPH0886490A (ja) | 1996-04-02 |
Family
ID=16745895
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| JP6220098A Pending JPH0886490A (ja) | 1994-09-14 | 1994-09-14 | 熱負荷予測装置 |
Country Status (1)
| Country | Link |
|---|---|
| JP (1) | JPH0886490A (ja) |
Cited By (10)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2003074943A (ja) * | 2001-09-03 | 2003-03-12 | Daikin Ind Ltd | 空調制御方法およびその装置 |
| KR101347998B1 (ko) * | 2011-03-31 | 2014-01-07 | 아즈빌주식회사 | 공조 관리 시스템 |
| WO2017086022A1 (ja) * | 2015-11-17 | 2017-05-26 | ソニー株式会社 | 情報処理装置、情報処理方法およびプログラム |
| WO2018201996A1 (zh) * | 2017-05-02 | 2018-11-08 | 青岛海尔空调器有限总公司 | 一种空调功耗估算方法及装置 |
| CN108870668A (zh) * | 2018-08-10 | 2018-11-23 | 北京华誉能源技术股份有限公司 | 一种基于参考日模式的智慧能源管理系统及管理方法 |
| CN110806693A (zh) * | 2019-10-31 | 2020-02-18 | 南京航空航天大学 | 一种针对板式换热器时滞的灰狼预测控制方法 |
| JP2020183817A (ja) * | 2019-04-26 | 2020-11-12 | ダイキン工業株式会社 | 台数制御装置、台数制御方法、台数制御プログラム |
| CN112268350A (zh) * | 2020-10-22 | 2021-01-26 | 天津大学 | 一种基于系统延迟性的空调侧负荷预测方法 |
| WO2021117234A1 (ja) * | 2019-12-13 | 2021-06-17 | 三菱電機株式会社 | モデル共有システム、モデル管理装置、および空気調和装置の制御装置 |
| JP2022041438A (ja) * | 2020-09-01 | 2022-03-11 | アズビル株式会社 | シミュレーション装置および方法 |
-
1994
- 1994-09-14 JP JP6220098A patent/JPH0886490A/ja active Pending
Cited By (14)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2003074943A (ja) * | 2001-09-03 | 2003-03-12 | Daikin Ind Ltd | 空調制御方法およびその装置 |
| KR101347998B1 (ko) * | 2011-03-31 | 2014-01-07 | 아즈빌주식회사 | 공조 관리 시스템 |
| US10755168B2 (en) | 2015-11-17 | 2020-08-25 | Sony Corporation | Information processing device and information processing method |
| WO2017086022A1 (ja) * | 2015-11-17 | 2017-05-26 | ソニー株式会社 | 情報処理装置、情報処理方法およびプログラム |
| WO2018201996A1 (zh) * | 2017-05-02 | 2018-11-08 | 青岛海尔空调器有限总公司 | 一种空调功耗估算方法及装置 |
| CN108870668A (zh) * | 2018-08-10 | 2018-11-23 | 北京华誉能源技术股份有限公司 | 一种基于参考日模式的智慧能源管理系统及管理方法 |
| JP2020183817A (ja) * | 2019-04-26 | 2020-11-12 | ダイキン工業株式会社 | 台数制御装置、台数制御方法、台数制御プログラム |
| CN110806693A (zh) * | 2019-10-31 | 2020-02-18 | 南京航空航天大学 | 一种针对板式换热器时滞的灰狼预测控制方法 |
| WO2021117234A1 (ja) * | 2019-12-13 | 2021-06-17 | 三菱電機株式会社 | モデル共有システム、モデル管理装置、および空気調和装置の制御装置 |
| JPWO2021117234A1 (ja) * | 2019-12-13 | 2021-06-17 | ||
| CN114761732A (zh) * | 2019-12-13 | 2022-07-15 | 三菱电机株式会社 | 模型共享系统、模型管理装置以及空调装置的控制装置 |
| CN114761732B (zh) * | 2019-12-13 | 2024-03-19 | 三菱电机株式会社 | 模型共享系统、模型管理装置以及空调装置的控制装置 |
| JP2022041438A (ja) * | 2020-09-01 | 2022-03-11 | アズビル株式会社 | シミュレーション装置および方法 |
| CN112268350A (zh) * | 2020-10-22 | 2021-01-26 | 天津大学 | 一种基于系统延迟性的空调侧负荷预测方法 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| Mandal et al. | A neural network based several-hour-ahead electric load forecasting using similar days approach | |
| Schachter et al. | A short-term load forecasting model for demand response applications | |
| JP2006304402A (ja) | 分散型エネルギーシステムの制御装置、制御方法、プログラム、および記録媒体 | |
| CN120525225A (zh) | 基于储能调峰的供热负荷预测与调度方法 | |
| JPH0886490A (ja) | 熱負荷予測装置 | |
| JPH09273795A (ja) | 熱負荷予測装置 | |
| CN120218512A (zh) | 一种多能源协同供热的智能调度方法及系统 | |
| JPH08240335A (ja) | ビル空調熱負荷予測装置 | |
| CN113237135A (zh) | 基于SD-LSTMs的公寓独立供热系统需热量预测及节能控制方法 | |
| CN119514994A (zh) | 一种双重优化的园区级综合能源系统调度方法及系统 | |
| Dash et al. | A real-time short-term peak and average load forecasting system using a self-organising fuzzy neural network | |
| JPH06147598A (ja) | 空調負荷予測方法 | |
| Park et al. | A comparison of neural network-based methods for load forecasting with selected input candidates | |
| JP3650304B2 (ja) | 需要予測装置 | |
| JP3160693B2 (ja) | 熱負荷予測装置 | |
| JPH0415441A (ja) | 熱負荷予測システム | |
| CN116451834A (zh) | 一种智慧建筑楼宇用电负荷预测方法及装置 | |
| JPH07151369A (ja) | 熱負荷予測装置およびプラント熱負荷予測装置 | |
| Fernandes et al. | Electric load analysis and forecasting using artificial neural networks | |
| JP3321308B2 (ja) | プラント予測制御装置 | |
| CN120320282A (zh) | 嵌入式光伏组件的发电管理方法及电子设备 | |
| CN116111599B (zh) | 一种基于区间预测的智能电网不确定性感知管理控制方法 | |
| JP2501263B2 (ja) | 熱負荷予測装置 | |
| JP2000305606A (ja) | 配水需要量予測方法 | |
| Wang et al. | Intelligent Collaborative Optimal Scheduling for Water Intake‐Supply Pump Groups in Drinking Water Treatment Plants |