WO2022059502A1 - 選択装置、選択方法及びプログラム - Google Patents

選択装置、選択方法及びプログラム Download PDF

Info

Publication number
WO2022059502A1
WO2022059502A1 PCT/JP2021/032291 JP2021032291W WO2022059502A1 WO 2022059502 A1 WO2022059502 A1 WO 2022059502A1 JP 2021032291 W JP2021032291 W JP 2021032291W WO 2022059502 A1 WO2022059502 A1 WO 2022059502A1
Authority
WO
WIPO (PCT)
Prior art keywords
power consumption
data
unit
temperature
storage battery
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.)
Ceased
Application number
PCT/JP2021/032291
Other languages
English (en)
French (fr)
Inventor
政賢 仲野
喜一郎 佐藤
素三 西本
秀徳 松井
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Daikin Industries Ltd
Original Assignee
Daikin Industries Ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Daikin Industries Ltd filed Critical Daikin Industries Ltd
Priority to CN202180062267.1A priority Critical patent/CN116194725A/zh
Priority to EP21869189.7A priority patent/EP4215849A4/en
Priority to US18/245,197 priority patent/US20230367278A1/en
Publication of WO2022059502A1 publication Critical patent/WO2022059502A1/ja
Anticipated expiration legal-status Critical
Ceased legal-status Critical Current

Links

Images

Classifications

    • G—PHYSICS
    • G05—CONTROLLING; REGULATING
    • G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
    • G05B19/00—Program-control systems
    • G05B19/02—Program-control systems electric
    • G05B19/04—Program control other than numerical control, i.e. in sequence controllers or logic controllers
    • G05B19/042—Program control other than numerical control, i.e. in sequence controllers or logic controllers using digital processors
    • F—MECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
    • F25—REFRIGERATION OR COOLING; COMBINED HEATING AND REFRIGERATION SYSTEMS; HEAT PUMP SYSTEMS; MANUFACTURE OR STORAGE OF ICE; LIQUEFACTION SOLIDIFICATION OF GASES
    • F25B—REFRIGERATION MACHINES, PLANTS OR SYSTEMS; COMBINED HEATING AND REFRIGERATION SYSTEMS; HEAT PUMP SYSTEMS
    • F25B49/00—Arrangement or mounting of control or safety devices
    • F25B49/02—Arrangement or mounting of control or safety devices for compression type machines, plants or systems
    • F—MECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
    • F25—REFRIGERATION OR COOLING; COMBINED HEATING AND REFRIGERATION SYSTEMS; HEAT PUMP SYSTEMS; MANUFACTURE OR STORAGE OF ICE; LIQUEFACTION SOLIDIFICATION OF GASES
    • F25D—REFRIGERATORS; COLD ROOMS; ICE-BOXES; COOLING OR FREEZING APPARATUS NOT OTHERWISE PROVIDED FOR
    • F25D11/00—Self-contained movable devices, e.g. domestic refrigerators
    • F25D11/003—Transport containers
    • G—PHYSICS
    • G06—COMPUTING OR CALCULATING; COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q10/00—Administration; Management
    • G06Q10/04—Forecasting or optimisation specially adapted for administrative or management purposes, e.g. linear programming or "cutting stock problem"
    • G—PHYSICS
    • G06—COMPUTING OR CALCULATING; COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q10/00—Administration; Management
    • G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
    • G—PHYSICS
    • G06—COMPUTING OR CALCULATING; COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q10/00—Administration; Management
    • G06Q10/08—Logistics, e.g. warehousing, loading or distribution; Inventory or stock management
    • G—PHYSICS
    • G06—COMPUTING OR CALCULATING; COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q10/00—Administration; Management
    • G06Q10/08—Logistics, e.g. warehousing, loading or distribution; Inventory or stock management
    • G06Q10/083—Shipping
    • G06Q10/0832—Special goods or special handling procedures, e.g. handling of hazardous or fragile goods
    • G—PHYSICS
    • G06—COMPUTING OR CALCULATING; COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
    • G06Q50/06—Energy or water supply
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B60—VEHICLES IN GENERAL
    • B60H—ARRANGEMENTS OF HEATING, COOLING, VENTILATING OR OTHER AIR-TREATING DEVICES SPECIALLY ADAPTED FOR PASSENGER OR GOODS SPACES OF VEHICLES
    • B60H1/00—Heating, cooling or ventilating devices
    • B60H1/0025—Heating, cooling or ventilating devices the devices being independent of the vehicle
    • B60H1/00264—Transportable devices
    • F—MECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
    • F25—REFRIGERATION OR COOLING; COMBINED HEATING AND REFRIGERATION SYSTEMS; HEAT PUMP SYSTEMS; MANUFACTURE OR STORAGE OF ICE; LIQUEFACTION SOLIDIFICATION OF GASES
    • F25B—REFRIGERATION MACHINES, PLANTS OR SYSTEMS; COMBINED HEATING AND REFRIGERATION SYSTEMS; HEAT PUMP SYSTEMS
    • F25B2700/00—Sensing or detecting of parameters; Sensors therefor
    • F25B2700/02—Humidity
    • F—MECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
    • F25—REFRIGERATION OR COOLING; COMBINED HEATING AND REFRIGERATION SYSTEMS; HEAT PUMP SYSTEMS; MANUFACTURE OR STORAGE OF ICE; LIQUEFACTION SOLIDIFICATION OF GASES
    • F25B—REFRIGERATION MACHINES, PLANTS OR SYSTEMS; COMBINED HEATING AND REFRIGERATION SYSTEMS; HEAT PUMP SYSTEMS
    • F25B2700/00—Sensing or detecting of parameters; Sensors therefor
    • F25B2700/15—Power, e.g. by voltage or current
    • F25B2700/151—Power, e.g. by voltage or current of the compressor motor
    • F—MECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
    • F25—REFRIGERATION OR COOLING; COMBINED HEATING AND REFRIGERATION SYSTEMS; HEAT PUMP SYSTEMS; MANUFACTURE OR STORAGE OF ICE; LIQUEFACTION SOLIDIFICATION OF GASES
    • F25B—REFRIGERATION MACHINES, PLANTS OR SYSTEMS; COMBINED HEATING AND REFRIGERATION SYSTEMS; HEAT PUMP SYSTEMS
    • F25B2700/00—Sensing or detecting of parameters; Sensors therefor
    • F25B2700/21—Temperatures
    • F25B2700/2104—Temperatures of an indoor room or compartment
    • F—MECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
    • F25—REFRIGERATION OR COOLING; COMBINED HEATING AND REFRIGERATION SYSTEMS; HEAT PUMP SYSTEMS; MANUFACTURE OR STORAGE OF ICE; LIQUEFACTION SOLIDIFICATION OF GASES
    • F25B—REFRIGERATION MACHINES, PLANTS OR SYSTEMS; COMBINED HEATING AND REFRIGERATION SYSTEMS; HEAT PUMP SYSTEMS
    • F25B2700/00—Sensing or detecting of parameters; Sensors therefor
    • F25B2700/21—Temperatures
    • F25B2700/2106—Temperatures of fresh outdoor air
    • F—MECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
    • F25—REFRIGERATION OR COOLING; COMBINED HEATING AND REFRIGERATION SYSTEMS; HEAT PUMP SYSTEMS; MANUFACTURE OR STORAGE OF ICE; LIQUEFACTION SOLIDIFICATION OF GASES
    • F25B—REFRIGERATION MACHINES, PLANTS OR SYSTEMS; COMBINED HEATING AND REFRIGERATION SYSTEMS; HEAT PUMP SYSTEMS
    • F25B2700/00—Sensing or detecting of parameters; Sensors therefor
    • F25B2700/21—Temperatures
    • F25B2700/2115—Temperatures of a compressor or the drive means therefor
    • F25B2700/21151—Temperatures of a compressor or the drive means therefor at the suction side of the compressor
    • F—MECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
    • F25—REFRIGERATION OR COOLING; COMBINED HEATING AND REFRIGERATION SYSTEMS; HEAT PUMP SYSTEMS; MANUFACTURE OR STORAGE OF ICE; LIQUEFACTION SOLIDIFICATION OF GASES
    • F25D—REFRIGERATORS; COLD ROOMS; ICE-BOXES; COOLING OR FREEZING APPARATUS NOT OTHERWISE PROVIDED FOR
    • F25D2500/00—Problems to be solved
    • F25D2500/04—Calculation of parameters
    • F—MECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
    • F25—REFRIGERATION OR COOLING; COMBINED HEATING AND REFRIGERATION SYSTEMS; HEAT PUMP SYSTEMS; MANUFACTURE OR STORAGE OF ICE; LIQUEFACTION SOLIDIFICATION OF GASES
    • F25D—REFRIGERATORS; COLD ROOMS; ICE-BOXES; COOLING OR FREEZING APPARATUS NOT OTHERWISE PROVIDED FOR
    • F25D2700/00—Means for sensing or measuring; Sensors therefor
    • F25D2700/12—Sensors measuring the inside temperature
    • F—MECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
    • F25—REFRIGERATION OR COOLING; COMBINED HEATING AND REFRIGERATION SYSTEMS; HEAT PUMP SYSTEMS; MANUFACTURE OR STORAGE OF ICE; LIQUEFACTION SOLIDIFICATION OF GASES
    • F25D—REFRIGERATORS; COLD ROOMS; ICE-BOXES; COOLING OR FREEZING APPARATUS NOT OTHERWISE PROVIDED FOR
    • F25D2700/00—Means for sensing or measuring; Sensors therefor
    • F25D2700/14—Sensors measuring the temperature outside the refrigerator or freezer
    • G—PHYSICS
    • G05—CONTROLLING; REGULATING
    • G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
    • G05B2219/00—Program-control systems
    • G05B2219/20—Pc systems
    • G05B2219/24—Pc safety
    • G05B2219/24136—Monitor load state of battery

Definitions

  • This disclosure relates to a selection device, a selection method and a program.
  • the present disclosure provides a selection device, a selection method, and a program for selecting a storage battery mounted on a portable cold heat source device.
  • the selection device is Based on the data that correlates with the power consumption of the portable cold heat source equipment and the data related to the set temperature of the cold heat source equipment, the power consumption required when the cold heat source equipment is transported to a predetermined destination is determined.
  • the second aspect of the present disclosure is the selection device according to the first aspect.
  • the calculation unit The power consumption is calculated using the result of learning the relationship between the data correlating with the power consumption, the data related to the set temperature, and the true power consumption by machine learning.
  • the third aspect of the present disclosure is the selection device according to the first or second aspect.
  • the calculation unit The power consumption is calculated based on the time required for transportation to the destination.
  • the fourth aspect of the present disclosure is the selection device according to the first aspect.
  • the calculation unit The power consumption is calculated using the data correlating with the power consumption, the data regarding the set temperature, and the table data showing the relationship between the true power consumption.
  • the fifth aspect of the present disclosure is the selection device according to any one of the first to fourth aspects.
  • the selection unit is A power storage device having a storage capacity exceeding the power consumption is selected from a plurality of predetermined power storage devices.
  • the sixth aspect of the present disclosure is the selection device according to any one of the first to fifth aspects.
  • the data that correlates with the power consumption includes at least one of the temperature data in the refrigerator including the cold heat source device, the humidity data in the refrigerator, the ventilation volume data in the refrigerator, the outside air temperature data, and the outside air humidity data. Is included.
  • the selection method according to the seventh aspect of the present disclosure is described. Based on the data that correlates with the power consumption of the portable cold heat source equipment and the data related to the set temperature of the cold heat source equipment, the power consumption required when the cold heat source equipment is transported to a predetermined destination is determined. Calculation procedure to calculate and A selection procedure for selecting a power storage device to be mounted on the cold heat source device based on the power consumption calculated in the calculation procedure, and a selection procedure. Is executed by the computer.
  • the seventh aspect of the present disclosure it is possible to provide a selection method for selecting a storage battery mounted on a portable cold heat source device.
  • the program according to the eighth aspect of the present disclosure Based on the data that correlates with the power consumption of the portable cold heat source equipment and the data related to the set temperature of the cold heat source equipment, the power consumption required when the cold heat source equipment is transported to a predetermined destination is determined.
  • FIG. 1 is a diagram for explaining an outline of low temperature delivery.
  • delivery is used in the present specification, the term “delivery” or the like may be used, for example.
  • the low-temperature delivery according to the present embodiment is realized by loading a low-temperature device (for example, low-temperature device 120) including a refrigerator driven by a storage battery and a heat insulating storage capable of storing food and the like on the vehicle 110.
  • a low-temperature device for example, low-temperature device 120
  • the low-temperature equipment is loaded on the vehicle 110 and delivered to a consumer or the like (delivery destination such as a consumer). Deliver to the destination). Then, when it arrives at the delivery destination, the low temperature equipment is loaded and unloaded.
  • a light truck is shown as a vehicle 110 used for transporting low-temperature equipment, but the present invention is not limited to this, and for example, in addition to various automobiles such as one-box cars, motorcycles, bicycles, and the like. It may be a rear car or the like, or it may be a remote-controlled or automatically controlled robot (including an aviation-capable robot such as a drone) or the like. Further, the temperature is not limited to the vehicle, and the low temperature equipment may be manually transported.
  • the refrigerator included in the low temperature device controls the temperature inside the heat insulating chamber according to a preset temperature set in advance according to the type of food (for example, food requiring refrigeration, food requiring freezing, etc.). , Perform low temperature treatment to maintain the low temperature of food.
  • the power consumption when the refrigerator performs low temperature treatment is affected by various factors such as the outside air temperature and the delivery time in addition to the set temperature (that is, the power consumption is the outside air temperature and the delivery time). There is a correlation with various factors such as).
  • the delivery time is 5 hours (departure time 8:00, arrival time 13:00)
  • the outside air temperature at the departure point is 25 ° C.
  • the outside air temperature at the destination is 30 ° C. ing.
  • the outside air temperature during delivery also affects the power consumption.
  • the outside air humidity and the like also affect the power consumption.
  • the storage battery mounted on the refrigerator included in the low-temperature equipment is generally larger and heavier as the storage capacity is larger, and smaller and lighter as the storage capacity is smaller. Therefore, in order to enable easy manual loading and unloading of low-temperature equipment used for low-temperature delivery, a storage battery that is as lightweight as possible is mounted on the low-temperature equipment while satisfying the power consumption required for low-temperature processing. Is preferable. Therefore, in the low temperature treatment system according to the first embodiment, after estimating the power consumption required for low temperature treatment at the time of low temperature delivery, it is configured so that a storage battery that satisfies the power consumption and is as light as possible can be selected. do.
  • the details of the low temperature treatment system according to the first embodiment will be described.
  • the low temperature device 120 includes a refrigerator 210, a refrigerator control device 220, and a heat insulating chamber 260.
  • the refrigerator 210 is a cold heat source device that provides cold heat into the heat insulating chamber 260 under the control of the refrigerator control device 220.
  • the refrigerator 210 includes, for example, a compressor, a condenser, an expansion mechanism, an evaporator, and the like, and by circulating a refrigerant, cold heat is provided in the heat insulating chamber 260.
  • the refrigerator control device 220 is an apparatus or device that controls the cold heat provided by the refrigerator 210 according to a preset set temperature.
  • the heat insulating cabinet 260 has a heat insulating property and is a box or the like for storing food or the like.
  • the refrigerator 210 and the refrigerator control device 220 are shown separately, but the refrigerator 210 and the refrigerator control device 220 may be collectively referred to as a "refrigerator”. good.
  • the refrigerator 210 and the refrigerator control device 220 are composed of various devices or elements. In the example shown in FIG. 1, among these devices or elements, the ventilation window 230, the refrigerator display device 240, and the storage battery storage unit are used. It clearly states 250.
  • the ventilation window 230 is a component for ventilating the inside of the heat insulating chamber 260 with the outside air.
  • the refrigerator display device 240 displays, for example, a set temperature or a temperature inside the heat insulating chamber 260.
  • the storage battery storage unit 250 is a component in which the storage battery is stored.
  • various sensors are installed in the low temperature device 120.
  • FIG. 2 is a diagram showing an example of the system configuration of the low temperature processing system in the learning phase.
  • the low temperature processing system 300 includes a low temperature device 120 and a storage battery selection device 310.
  • the low temperature device 120 includes a refrigerator 210, a refrigerator control device 220, a refrigerator display device 240, a sensor group 270, and a refrigerator input device 280.
  • a refrigerator 210 the refrigerator control device 220, and the refrigerator display device 240 have already been described with reference to FIG. 1, and therefore the description thereof will be omitted here.
  • the refrigerator input device 280 receives, for example, the set temperature of the refrigerator 210 input by the administrator of the low temperature device 120, the person in charge of delivery, or the like.
  • the refrigerator input device 280 transmits the received set temperature to the storage battery selection device 310 and sets the refrigerator control device 220.
  • the refrigerator 210 provides the cold heat in the heat insulator 260 so that the temperature in the heat insulator 260 approaches the set temperature by the refrigerator control device 220. Is controlled.
  • the sensor group 270 is various sensors attached to the low temperature device 120.
  • the sensor group 270 includes a suction temperature sensor 271, a humidity sensor 272, a blowout temperature sensor 273, an outside air temperature sensor 274, an outside air humidity sensor 275, a refrigerator voltage sensor 276, and a refrigerator current sensor 277. Is done.
  • the suction temperature sensor 271 is a sensor that senses (measures) the suction temperature of the heat insulating chamber 260.
  • the humidity sensor 272 is a sensor that senses the humidity in the heat insulating chamber 260.
  • the outlet temperature sensor 273 is a sensor that senses the outlet temperature of the heat insulating chamber 260.
  • the outside air temperature sensor 274 is a sensor that senses the outside air temperature of the low temperature device 120.
  • the outside air humidity sensor 275 is a sensor that senses the outside air humidity of the low temperature device 120.
  • the refrigerator voltage sensor 276 is a sensor that senses the voltage while the refrigerator 210 is performing low temperature processing.
  • the refrigerator current sensor 277 is a sensor that senses the current while the refrigerator 210 is performing low temperature processing.
  • a storage battery selection program (learning phase) is installed in the storage battery selection device 310.
  • the storage battery selection device 310 functions as an internal temperature acquisition unit 311, an internal humidity acquisition unit 312, an outside air temperature acquisition unit 313, and an outside air humidity acquisition unit 314.
  • the storage battery selection device 310 functions as an internal ventilation volume acquisition unit 315, a power consumption acquisition unit 316, and an input information acquisition unit 317.
  • the storage battery selection device 310 functions as a learning unit 319. Since the storage battery selection program in the learning phase is a program for learning a model for estimating power consumption (power consumption model described later), it may be referred to as, for example, a "learning program”.
  • the internal temperature acquisition unit 311 acquires internal temperature data representing the temperature inside the heat insulating storage 260. Specifically, the internal temperature acquisition unit 311 acquires either the suction temperature data output from the suction temperature sensor 271 or the outlet temperature data output from the outlet temperature sensor 273 as the internal temperature data. ..
  • the internal temperature acquisition unit 311 associates the acquired internal temperature data with the time data for each unit time and stores it in the learning information storage unit 318 as learning information.
  • the internal humidity acquisition unit 312 acquires internal humidity data representing the humidity inside the heat insulating storage 260. Specifically, the internal humidity acquisition unit 312 acquires the humidity data output from the humidity sensor 272 as the internal humidity data.
  • the internal humidity acquisition unit 312 associates the acquired internal humidity data with the time data for each unit time and stores it in the learning information storage unit 318 as learning information.
  • the outside air temperature acquisition unit 313 acquires outside air temperature data representing the temperature of the outside air outside the low temperature device 120. Specifically, the outside air temperature acquisition unit 313 acquires the outside air temperature data output from the outside air temperature sensor 274. Alternatively, the outside air temperature acquisition unit 313 may acquire outside air temperature data from meteorological data or the like of the environment around or in the vicinity of the low temperature device 120.
  • outside air temperature acquisition unit 313 associates the acquired outside air temperature data with the time data for each unit time, and stores the acquired outside air temperature data in the learning information storage unit 318 as learning information.
  • the outside air humidity acquisition unit 314 acquires outside air humidity data representing the humidity of the outside air outside the low temperature device 120. Specifically, the outside air humidity acquisition unit 314 acquires the outside air humidity data output from the outside air humidity sensor 275. Alternatively, the outside air humidity acquisition unit 314 may acquire outside air humidity data from meteorological data or the like of the environment around or in the vicinity of the low temperature device 120.
  • outside air humidity acquisition unit 314 associates the acquired outside air humidity data with the time data for each unit time, and stores the acquired outside air humidity data in the learning information storage unit 318 as learning information.
  • the ventilation volume acquisition unit 315 may be configured to acquire ventilation volume data indicating the ventilation volume according to the degree of opening / closing of the ventilation window 230.
  • the internal ventilation volume acquisition unit 315 associates the acquired internal ventilation volume data with the time data for each unit time, and stores it in the learning information storage unit 318 as learning information.
  • the power consumption acquisition unit 316 acquires power consumption data representing power consumption while the refrigerator 210 is performing low temperature processing. Specifically, the power consumption acquisition unit 316 derives power consumption from the voltage data output from the refrigerating machine voltage sensor 216 and the current data output from the refrigerating machine current sensor 217, and consumes the power consumption. Get power data. The power consumption is derived by the product of the voltage represented by the voltage data and the current represented by the current data.
  • the input information acquisition unit 317 acquires the set temperature received by the refrigerator input device 280.
  • the set temperature is set in advance according to the type of food stored in the heat insulating chamber 260 and the like. However, the set temperature can be changed as appropriate during low temperature delivery. When the set temperature is changed, the input information acquisition unit 317 acquires the latest set temperature received by the refrigerator input device 280.
  • the input information acquisition unit 317 associates the acquired temperature information with the time data for each unit time and stores it in the learning information storage unit 318 as learning information.
  • the learning unit 319 performs machine learning on a model for estimating power consumption per unit time (hereinafter referred to as "power consumption model") based on the learning information stored in the learning information storage unit 318. As a result, the learning unit 319 generates a learned power consumption model for estimating the power consumption per unit time in the inference phase. Details of machine learning to generate a trained power consumption model will be described later.
  • all or part of the temperature inside the heat insulating chamber 260, the humidity inside the heat insulating chamber 260, the outside air temperature, the outside air humidity, and the ventilation volume in the heat insulating chamber 260 have a correlation with the power consumption of the refrigerator 210. Therefore, hereinafter, all or part of the internal temperature data, internal humidity data, outside air temperature data, outside air humidity data, and internal ventilation volume data are also referred to as data that correlates with power consumption. Of these, the outside air temperature data and the outside air humidity data are also referred to as data related to the surrounding environment of the low temperature device 120.
  • FIG. 3A shows a list 400 of data received by the storage battery selection device 310
  • FIG. 3B shows learning information 410.
  • the storage battery selection device 310 receives the data output from the suction temperature sensor 271, the humidity sensor 272, and the blowout temperature sensor 273 in association with the time data.
  • the storage battery selection device 310 receives the data output from the outside air temperature sensor 274, the outside air humidity sensor 275, the refrigerator voltage sensor 276, and the refrigerator current sensor 277 in association with the time data.
  • the storage battery selection device 310 receives the received open / close information and the set temperature output from the refrigerator input device 280 in association with the time data.
  • each part of the storage battery selection device 310 uses a part of the received data or the data derived based on the received data as learning information in the learning information storage unit 318 every unit time. Store.
  • internal temperature data, internal humidity data, outside air temperature data, outside air humidity data, internal ventilation volume data, set temperature, and power consumption data are time data for each unit time. It is shown that the data is stored in the learning information storage unit 318 in association with the above. Of these, the power consumption data is used as correct answer data (or also referred to as "teacher data") when machine learning about power consumption.
  • the unit time is a predetermined time width.
  • the storage battery selection device 710 which will be described later, is also realized with the same hardware configuration as the storage battery selection device 310.
  • FIG. 4 is a diagram showing an example of the hardware configuration of the storage battery selection device.
  • the storage battery selection device 310 includes a CPU (Central Processing Unit) 501, a ROM (Read Only Memory) 502, and a RAM (Random Access Memory) 503.
  • the CPU 501, ROM 502, and RAM 503 form a so-called computer.
  • the storage battery selection device 310 includes an auxiliary storage device 504, a display device 505, an operation device 506, an I / F (Interface) device 507, and a drive device 508.
  • the hardware of the storage battery selection device 310 is connected to each other via the bus 509.
  • the CPU 501 is an arithmetic device that executes various programs (for example, a storage battery selection program) installed in the auxiliary storage device 504.
  • ROM 502 is a non-volatile memory.
  • the ROM 502 stores various programs, data, and the like necessary for the CPU 501 to execute various programs installed in the auxiliary storage device 504.
  • the ROM 502 stores boot programs such as BIOS (Basic Input / Output System) and EFI (Extensible Firmware Interface).
  • RAM 503 is a volatile memory such as DRAM (Dynamic Random Access Memory) or SRAM (Static Random Access Memory).
  • the RAM 503 functions as a main storage device and provides a work area to be expanded when various programs installed in the auxiliary storage device 504 are executed by the CPU 501.
  • the auxiliary storage device 504 stores various programs and information used when various programs are executed.
  • the display device 505 is a display device that displays the internal state of the storage battery selection device 310.
  • the operation device 506 is, for example, an operation device for the administrator of the storage battery selection device 310 to perform various operations on the storage battery selection device 310.
  • the I / F device 507 is a connection device for connecting to the sensor group 270 of the low temperature device 120, the refrigerator input device 280, and the like, and receiving data.
  • the drive device 508 is a device for setting the recording medium 510.
  • the recording medium 510 referred to here includes a medium such as a CD-ROM, a flexible disk, a magneto-optical disk, or the like, which records information optically, electrically, or magnetically. Further, the recording medium 510 may include a semiconductor memory or the like for electrically recording information such as a ROM or a flash memory.
  • the various programs installed in the auxiliary storage device 504 are installed, for example, by setting the distributed recording medium 510 in the drive device 508 and reading the various programs recorded in the recording medium 510 by the drive device 508. Will be done.
  • various programs installed in the auxiliary storage device 504 may be installed by being downloaded from a network (not shown).
  • FIG. 5 is a diagram showing an example of the functional configuration of the storage battery selection device in the learning phase.
  • the learning unit 319 has a power consumption model 601 and a changing unit 602.
  • the learning unit 319 reads learning information from the learning information storage unit 318, and among the read learning information, data including a combination of data correlating with power consumption and a set temperature is input to the power consumption model 601. ..
  • the learning unit 319 inputs the inside temperature data, the inside humidity data, the outside air temperature data, the outside air humidity data, the inside ventilation volume data, and the set temperature into the power consumption model 601.
  • the learning unit 319 executes the power consumption model 601 and the power consumption model 601 outputs the power consumption data.
  • the power consumption data output from the power consumption model 601 is input to the change unit 602.
  • the changing unit 602 compares the power consumption data output from the power consumption model 601 with the power consumption data (correct answer data) included in the learning information read from the learning information storage unit 318. Then, the change unit 602 changes (updates) the model parameters of the power consumption model 601 according to the comparison result.
  • Such changes in model parameters are repeatedly executed until a predetermined condition is satisfied.
  • Predetermined conditions include the fact that the number of repetitions is equal to or greater than a certain threshold value, the amount of model parameter updates is less than a certain threshold value (that is, the model parameters have converged), and the like.
  • the power consumption data (correct answer data) compared by the change unit 602 is power consumption data associated with the same time data as the data input to the power consumption model 601.
  • the learning unit 319 is a machine for the power consumption model 601 that specifies the correspondence between the data including the combination of the data correlating with the power consumption of the refrigerating machine 210 and the set temperature and the power consumption data (correct answer data). Do learning. As a result, the learning unit 319 can generate a trained power consumption model.
  • the learning unit 319 uses the internal temperature data, the internal humidity data, the outside air temperature data, the outside air humidity data, and the internal ventilation volume data as data that correlates with the power consumption of the refrigerator 210.
  • the case of inputting to the power consumption model 601 is shown. However, the learning unit 319 may input only a part of these data into the power consumption model 601.
  • FIG. 6 is a diagram showing an example of the system configuration of the low temperature processing system in the inference phase.
  • the storage battery selection device 710 has an internal temperature acquisition unit 711, an internal humidity acquisition unit 712, and an outside air temperature acquisition. It has a unit 713, an outside air humidity acquisition unit 714, an internal ventilation volume acquisition unit 715, and an input information acquisition unit 716.
  • the storage battery selection device 710 has an inference unit 717 and a selection unit 718.
  • the management terminal 720 is included.
  • the illustration of the low temperature device 120 is omitted in the example shown in FIG. 6, the low temperature device 120 has the same configuration as that of FIG.
  • the storage battery selection device 710 estimates the total power consumption from the start to the end of the low temperature delivery based on the data that correlates with the power consumption at the time of the low temperature delivery. Further, the storage battery selection device 710 selects the type and number of storage batteries stored in the storage battery storage unit 250 of the refrigerator 210 based on the estimated total power consumption (hereinafter referred to as "estimated power consumption value"). That is, the storage battery selection device 710 estimates the total power consumption expected in the low temperature delivery before performing the actual low temperature delivery, and then sets the storage battery so as to satisfy the total power consumption and be the lightest. select.
  • a storage battery selection program (inference phase) is installed in the storage battery selection device 710.
  • the storage battery selection device 710 functions as an internal temperature acquisition unit 711, an internal humidity acquisition unit 712, an outside air temperature acquisition unit 713, and an outside air humidity acquisition unit 714 by executing the storage battery selection program in the inference phase. Further, the storage battery selection device 710 functions as an internal ventilation volume acquisition unit 715, an input information acquisition unit 716, an inference unit 717, and a selection unit 718.
  • the program for functioning as each part of the reference numeral 770 may be referred to as a "power consumption estimation program" or the like. That is, the storage battery selection program (inference phase) may include a power consumption estimation program and a program for functioning as the selection unit 718.
  • the internal temperature acquisition unit 711 acquires internal temperature data representing the temperature inside the heat insulating storage 260 at the start of low temperature delivery. Specifically, the internal temperature acquisition unit 711 acquires the internal temperature input to the storage battery selection device 710 as internal temperature data. The temperature inside the refrigerator may be input to the storage battery selection device 710 from the management terminal 720.
  • the internal temperature acquisition unit 711 is, for example, either the suction temperature data output from the suction temperature sensor 271 or the blowout temperature data output from the blowout temperature sensor 273 after the precooling in the heat insulating chamber 260 is completed. May be acquired as the temperature data inside the refrigerator.
  • the internal humidity acquisition unit 712 acquires internal humidity data representing the humidity inside the heat insulating storage 260 at the start of low temperature delivery. Specifically, the internal humidity acquisition unit 712 acquires the internal humidity input to the storage battery selection device 710 as internal humidity data. The humidity inside the refrigerator may be input to the storage battery selection device 710 from the management terminal 720.
  • the humidity acquisition unit 712 in the refrigerator may acquire, for example, the humidity data output from the humidity sensor 272 as the humidity data in the refrigerator after the precooling in the heat insulating chamber 260 is completed.
  • the outside air temperature acquisition unit 713 acquires outside air temperature data representing the temperature of the outside air at each position of the low temperature device 120 for each unit time from the start to the end of the low temperature delivery. Specifically, the outside air temperature acquisition unit 713 acquires the outside air temperature at each position for each unit time on the route from the departure point to the destination of the low temperature delivery as outside air temperature data.
  • the outside air humidity acquisition unit 714 acquires outside air humidity data representing the humidity of the outside air at each position of the low temperature device 120 every unit time from the start to the end of the low temperature delivery. Specifically, the outside air humidity acquisition unit 714 acquires the outside air humidity at each position on the route from the departure point of the low temperature delivery to the destination every unit time as outside air humidity data.
  • the route from the departure point to the destination can be obtained by using a known route search service, etc., and the outside air temperature and outside air humidity at each position on the route for each unit time are known weather forecast services, etc. It can be obtained from the weather forecast data provided in.
  • a route search service or the like it is possible to obtain an estimated required time from a departure point to a destination when searching for a route.
  • the ventilation volume acquisition unit 715 in the refrigerator acquires the ventilation volume data in the refrigerator representing the ventilation volume in the heat insulating cabinet 260 at the time of low temperature delivery. Specifically, as in the learning phase, the internal ventilation volume acquisition unit 715 derives the ventilation volume by receiving the input of the opening / closing information of the ventilation window 230 of the refrigerator 210, and the internal ventilation volume representing the ventilation volume is derived. Get quantity data.
  • the input information acquisition unit 716 acquires the set temperature received by the refrigerator input device 280 before the start of low temperature delivery as the set temperature at the time of low temperature delivery.
  • the inference unit 717 has a trained power consumption model.
  • the inference unit 717 acquires data and a set temperature that correlate with the power consumption of the refrigerator 210 from each unit from the internal temperature acquisition unit 711 to the input information acquisition unit 716.
  • the inference unit 717 executes the trained power consumption model by inputting the data including the combination of the acquired data correlating with the power consumption and the set temperature into the trained power consumption model every unit time. As a result, the inference unit 717 estimates the power consumption data for each unit time from the start to the end of the low temperature delivery.
  • the inference unit 717 calculates the total power consumption data for each unit time as the estimated power consumption amount. The details of estimating the power consumption data by the trained power consumption model and calculating the power consumption estimated value will be described later.
  • the selection unit 718 selects the type and number of storage batteries stored in the storage battery storage unit 250 of the refrigerator 210 from the storage battery selection table 719 based on the power consumption estimated value calculated by the inference unit 717.
  • the storage battery selection table 719 is a table in which the types and the number of storage batteries are associated with each storage capacity range. When there is only one type of storage battery, the table may be associated with only the number of storage batteries. An example of the storage battery selection table 719 will be described later.
  • the selection unit 718 notifies the management terminal 720 of the type and number of the selected storage batteries.
  • the user of the management terminal 720 for example, the manager of the low temperature device 120
  • FIG. 7 is a diagram showing an example of the functional configuration of the storage battery selection device in the inference phase.
  • the inference unit 717 has a trained power consumption model 801 and a cumulative processing unit 802.
  • the inference unit 717 is expected to take time from the start to the end of low temperature delivery from each unit from the internal temperature acquisition unit 711 to the input information acquisition unit 716 (for example, the estimated time required from the departure point to the destination of low temperature delivery).
  • the data and the set temperature that correlate with the power consumption during the period are acquired.
  • the inference unit 717 executes the trained power consumption model 801 by inputting the data including the combination of the acquired power consumption and the set temperature into the trained power consumption model 801 every unit time.
  • the trained power consumption model 801 estimates the power consumption data for each unit time within the estimated time required from the start to the end of the low temperature delivery.
  • the temperature data inside the refrigerator, the humidity data inside the refrigerator, the ventilation volume data inside the refrigerator, and the set temperature are fixed at each unit time because the data at the start of low temperature delivery are used.
  • the outside air temperature data and the outside air humidity data use the data at each position of the low temperature device 120 for each unit time from the start to the end of the low temperature delivery, they may be different for each unit time.
  • the internal ventilation volume data or the set temperature changes during low-temperature delivery, the internal ventilation volume data or the set temperature may also differ for each unit time.
  • the power consumption data for each unit time output from the learned power consumption model 801 is input to the cumulative processing unit 802.
  • the cumulative processing unit 802 calculates the estimated power consumption amount by calculating the total power consumption represented by the power consumption data for each unit time within the estimated time required from the start to the end of the low temperature delivery.
  • the power consumption estimated value calculated and output by the cumulative processing unit 802 is input to the selection unit 718.
  • the selection unit 718 selects the type and number of storage batteries stored in the storage battery storage unit 250 of the refrigerator 210 from the storage battery selection table 719 based on the power consumption estimated value output from the cumulative processing unit 802.
  • ⁇ is a safety factor in consideration of the occurrence of traffic congestion during low-temperature delivery, the case where the weather forecast is off, and the like, and for example, an arbitrary value satisfying 1.0 ⁇ ⁇ 2.0 is set in advance.
  • the selection unit 718 selects, for example, the type and number of storage batteries corresponding to the required storage capacity z from the storage battery selection table 719 shown in FIG.
  • the selection unit 718 selects, for example, the type and number of storage batteries corresponding to the required storage capacity z from the storage battery selection table 719 shown in FIG.
  • the selection unit 718 selects, for example, the type and number of storage batteries corresponding to the required storage capacity z from the storage battery selection table 719 shown in FIG.
  • the selection unit 718 selects, for example, the type and number of storage batteries corresponding to the required storage capacity z from the storage battery selection table 719 shown in FIG.
  • the selection unit 718 selects, for example, the type and number of storage batteries corresponding to the required storage capacity z from the storage battery selection table 719 shown in FIG.
  • the selection unit 718 selects, for example, the type and number of storage batteries corresponding to the required storage capacity z from the storage battery selection table 719 shown in FIG.
  • the selection unit 718 selects,
  • the storage battery selection table 719 shown in FIG. 8 is an example, and an arbitrary table in which the required storage capacity (or its range) is associated with the type and number of storage batteries can be used as the storage battery selection table. Further, the number of types of storage batteries is not limited to three.
  • the inference unit 717 has already learned data including a combination of data that correlates with power consumption and a set temperature for each unit time within the estimated required time from the departure point to the destination when performing low temperature delivery. It is input to the power consumption model 801 and the power consumption data for each unit time is estimated. Further, the inference unit 717 calculates the total power consumption represented by the power consumption data for each unit time within the estimated required time as the estimated power consumption amount in the estimated required time. As a result, the selection unit 718 can select the lightest storage battery having a storage capacity that satisfies the estimated power consumption amount.
  • the inference unit 717 uses the internal temperature data, the internal humidity data, the outside air temperature data, the outside air humidity data, and the internal ventilation volume data as data that correlates with the power consumption of the refrigerator 210.
  • the case of inputting to the trained power consumption model 801 is shown. However, like the learning unit 319 in the learning phase, the inference unit 717 may input only a part of these data into the trained power consumption model 801.
  • FIG. 9 is a flowchart showing the flow of the storage battery selection process by the storage battery selection device.
  • each unit from the internal temperature acquisition unit 311 to the internal ventilation volume acquisition unit 315 acquires data that correlates with the power consumption of the refrigerator 210. Further, the input information acquisition unit 317 acquires the set temperature.
  • step S1002 the power consumption acquisition unit 316 acquires the power consumption data.
  • step S1003 the learning unit 319 executes the power consumption model 601 by inputting the data including the combination of the data correlating with the power consumption and the set temperature into the power consumption model 601. Then, the learning unit 319 performs machine learning on the power consumption model 601 so that the power consumption data output by the power consumption model 601 approaches the power consumption data acquired by the power consumption acquisition unit 316. As a result, the learning unit 319 generates the learned power consumption model 801. The generated learned power consumption model 801 is incorporated in the storage battery selection device 710 in the inference phase.
  • the model parameters may be updated collectively using all the learning information, or the model parameters may be updated in a predetermined number of learning information units. You may. Alternatively, the model parameters may be updated for each learning information unit.
  • each unit from the internal temperature acquisition unit 711 to the internal ventilation volume acquisition unit 715 acquires data that correlates with the power consumption of the refrigerator 210. Further, the input information acquisition unit 716 acquires the set temperature.
  • step S1005 the inference unit 717 executes the trained power consumption model 801 by inputting the data including the combination of the data correlating with the power consumption and the set temperature into the trained power consumption model 801 every unit time. Let me. As a result, the inference unit 717 estimates the power consumption data for each unit time.
  • step S1006 the inference unit 717 calculates the estimated power consumption amount by calculating the total power consumption data for each unit time.
  • step S1007 the selection unit 718 selects the type and number of storage batteries stored in the storage battery storage unit 250 of the refrigerator 210 from the storage battery selection table 719 based on the estimated power consumption.
  • the storage battery selection device is -Learn the power consumption data in the unit time according to the data set of the data including the combination of the data correlating with the power consumption in each unit time and the set temperature.
  • the power consumption data in the unit time is estimated from the data including the combination of the set temperature and the data that correlates with the power consumption in each unit time assumed or expected at the time of actual low temperature delivery.
  • the outside air temperature and the outside air humidity obtained from the weather forecast data and the like at each point on the delivery route are used, more accurate power consumption data can be estimated in consideration of the influence of short-term climate change.
  • the power consumption estimated value representing the total power consumption consumed in the low temperature delivery is calculated.
  • the storage battery selection device can select a storage battery capable of reducing the weight of the low temperature device 120 while satisfying the storage capacity required for low temperature delivery. As a result, for example, it is possible to reduce the labor of the delivery staff and the like when carrying the low temperature device 120 in the delivery and delivery of goods.
  • the first embodiment it is possible to provide a selection device, a selection method, and a program for selecting a storage battery mounted on a portable cold heat source device.
  • the installation location of the storage battery selection device is not particularly mentioned in the first embodiment described above, the installation location of the storage battery selection device is arbitrary.
  • the storage battery selection device 310 in the learning phase can be installed at any place as long as data communication is possible with the low temperature device 120 via the network.
  • the installation location of the storage battery selection device 710 in the inference phase is arbitrary.
  • the storage battery selection device 310 in the learning phase and the storage battery selection device 710 in the inference phase may be integrally configured or may be configured separately.
  • the details of the model (power consumption model) used for machine learning are not particularly mentioned, but any kind of model can be used as the model used for machine learning. It shall be applied. Specifically, any kind of model such as an NN (Neural Network) model, a random forest model, and an SVM (Support Vector Machine) model is applied.
  • NN Neuronal Network
  • SVM Small Vector Machine
  • the details of the change method when the model parameter is changed based on the comparison result by the change unit 602 are not particularly mentioned, but the change method of the model parameter by the change unit 602 is described. It shall follow the type of model.
  • Refrigerator 110 Vehicle 120: Low temperature equipment 210: Refrigerator 220: Refrigerator control device 230: Ventilation window 240: Refrigerator display device 250: Storage battery storage 260: Insulation cabinet 270: Sensor group 271: Suction temperature sensor 272: Humidity sensor 273 : Blow-out temperature sensor 274: Outside air temperature sensor 275: Outside air humidity sensor 276: Refrigerator voltage sensor 277: Refrigerator current sensor 280: Refrigerator input device 300: Low temperature processing system 310: Storage battery selection device 311: Internal temperature acquisition unit 312 : Internal humidity acquisition unit 313: Outside air temperature acquisition unit 314: Outside air humidity acquisition unit 315: Internal ventilation volume acquisition unit 316: Power consumption acquisition unit 317: Input information acquisition unit 318: Learning information storage unit 319: Learning unit 601 : Power consumption model 602: Change part 700: Low temperature treatment system 710: Storage battery selection device 711: Inside humidity acquisition part 712: Inside humidity acquisition part 713: Outside air temperature acquisition part 714: Outside air humidity acquisition part 715: Inside ventilation volume Acquisition unit 716

Landscapes

  • Engineering & Computer Science (AREA)
  • Business, Economics & Management (AREA)
  • Economics (AREA)
  • Physics & Mathematics (AREA)
  • Strategic Management (AREA)
  • Human Resources & Organizations (AREA)
  • General Physics & Mathematics (AREA)
  • Marketing (AREA)
  • Theoretical Computer Science (AREA)
  • General Business, Economics & Management (AREA)
  • Tourism & Hospitality (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Quality & Reliability (AREA)
  • Development Economics (AREA)
  • Operations Research (AREA)
  • General Engineering & Computer Science (AREA)
  • Thermal Sciences (AREA)
  • Mechanical Engineering (AREA)
  • Chemical & Material Sciences (AREA)
  • Combustion & Propulsion (AREA)
  • Game Theory and Decision Science (AREA)
  • Health & Medical Sciences (AREA)
  • Automation & Control Theory (AREA)
  • Educational Administration (AREA)
  • Water Supply & Treatment (AREA)
  • General Health & Medical Sciences (AREA)
  • Primary Health Care (AREA)
  • Public Health (AREA)
  • Devices That Are Associated With Refrigeration Equipment (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)

Abstract

本開示の一態様による選択装置は、可搬型の冷熱源機器の消費電力に相関するデータと、前記冷熱源機器の設定温度に関するデータとに基づいて、前記冷熱源機器を所定の目的地まで輸送した場合に必要となる消費電力量を算出する算出部と、前記算出部により算出された消費電力量に基づいて、前記冷熱源機器に搭載する蓄電装置を選択する選択部と、を有する。

Description

選択装置、選択方法及びプログラム
　本開示は、選択装置、選択方法及びプログラムに関する。
　食品の配送や置き配等では、人力で運搬可能な断熱箱に蓄冷材を入れて低温状態に保冷することが従来から広く行われている。一方で、蓄冷材による保冷は、蓄冷材を準備するための作業工数が多大となったり、冷却不良による食品の腐敗又は過剰な蓄冷材の使用によるＣＯ２排出量の増加が生じたりすることがある。このため、バッテリー等の蓄電池で駆動する冷凍機等の比較的小型の冷熱源機器を食品の配送や置き配等に使用することが近年注目されている。
特開２０１２－１４９８４８号公報 特開２００２－１２２３７３号公報
　しかしながら、蓄電池で駆動する冷凍機等の冷熱源機器を断熱箱に搭載した際に人力で運搬可能とするためには、食品等の低温処理に必要な消費電力量を考慮した上で、できるだけ軽量な蓄電池を選択する必要がある。
　本開示は、可搬型の冷熱源機器に搭載される蓄電池を選択するための選択装置、選択方法及びプログラムを提供する。
　本開示の第１の態様による選択装置は、
　可搬型の冷熱源機器の消費電力に相関するデータと、前記冷熱源機器の設定温度に関するデータとに基づいて、前記冷熱源機器を所定の目的地まで輸送した場合に必要となる消費電力量を算出する算出部と、
　前記算出部により算出された消費電力量に基づいて、前記冷熱源機器に搭載する蓄電装置を選択する選択部と、
　を有する。
　本開示の第１の態様によれば、可搬型の冷熱源機器に搭載される蓄電池を選択するための選択装置を提供することができる。
　また、本開示の第２の態様は、第１の態様に記載の選択装置であって、
　前記算出部は、
　前記消費電力に相関するデータと前記設定温度に関するデータと、真の消費電力量との関係を機械学習により学習した結果を用いて、前記消費電力量を算出する。
　また、本開示の第３の態様は、第１又は第２の態様に記載の選択装置であって、
　前記算出部は、
　前記目的地までの輸送に要する時間にも基づいて、前記消費電力量を算出する。
　また、本開示の第４の態様は、第１の態様に記載の選択装置であって、
　前記算出部は、
　前記消費電力に相関するデータと前記設定温度に関するデータと、真の消費電力量との関係を表すテーブルデータを用いて、前記消費電力量を算出する。
　また、本開示の第５の態様は、第１乃至第４の態様のいずれかに記載の選択装置であって、
　前記選択部は、
　予め決められた複数の蓄電装置の中から、前記消費電力量を超える蓄電容量を有する蓄電装置を選択する。
　また、本開示の第６の態様は、第１乃至第５の態様のいずれかに記載の選択装置であって、
　前記消費電力に相関するデータには、前記冷熱源機器が含まれる庫内の温度データ、前記庫内の湿度データ、前記庫内の換気量データ、外気温度データ及び外気湿度データのうちの少なくとも１つが含まれる。
　また、本開示の第７の態様による選択方法は、
　可搬型の冷熱源機器の消費電力に相関するデータと、前記冷熱源機器の設定温度に関するデータとに基づいて、前記冷熱源機器を所定の目的地まで輸送した場合に必要となる消費電力量を算出する算出手順と、
　前記算出手順で算出された消費電力量に基づいて、前記冷熱源機器に搭載する蓄電装置を選択する選択手順と、
　をコンピュータが実行する。
　本開示の第７の態様によれば、可搬型の冷熱源機器に搭載される蓄電池を選択するための選択方法を提供することができる。
　また、本開示の第８の態様によるプログラムは、
　可搬型の冷熱源機器の消費電力に相関するデータと、前記冷熱源機器の設定温度に関するデータとに基づいて、前記冷熱源機器を所定の目的地まで輸送した場合に必要となる消費電力量を算出する算出手順と、
　前記算出手順で算出された消費電力量に基づいて、前記冷熱源機器に搭載する蓄電装置を選択する選択手順と、
　をコンピュータに実行させる。
　本開示の第８の態様によれば、可搬型の冷熱源機器に搭載される蓄電池を選択するためのプログラムを提供することができる。
低温配送の概要を説明するための図である。 学習フェーズにおける低温処理システムのシステム構成の一例を示す図である。 低温処理システムにおいて取得されるデータ一覧の一例を示す図である。 低温処理システムにおいて取得されるデータ一覧の一例を示す図である。 蓄電池選択装置のハードウェア構成の一例を示す図である。 学習フェーズにおける蓄電池選択装置の機能構成の一例を示す図である。 推論フェーズにおける低温処理システムのシステム構成の一例を示す図である。 推論フェーズにおける蓄電池選択装置の機能構成の一例を示す図である。 蓄電池選択テーブルの一例を示す図である。 蓄電池選択装置による蓄電池選択処理の流れを示すフローチャートである。
　以下、各実施形態について添付の図面を参照しながら説明する。なお、本明細書及び図面において、実質的に同一の機能構成を有する構成要素については、同一の符号を付することにより重複した説明を省く。
　［第１の実施形態］
　＜低温配送の概要＞
　はじめに、第１の実施形態に係る低温処理システムにより実現される低温処理を利用した食品等の配送又は置き配（以下、「低温配送」という。）の概要について説明する。図１は、低温配送の概要を説明するための図である。なお、本明細書では「配送」という用語を使用するが、例えば、「配達」等といった用語が使用されてもよい。
　本実施形態に係る低温配送では、蓄電池で駆動する冷凍機と食品等を格納可能な断熱庫とが含まれる低温機器（例えば、低温機器１２０）を車両１１０に積載することにより実現される。具体的には、例えば、店舗や配送センター等（出発地）で低温機器を予冷すると共に食品を断熱庫に格納した上で、当該低温機器を車両１１０に積載し、消費者等の配送先（目的地）まで配送する。そして、配送先に到着した場合、当該低温機器の積み降ろしを行う。このとき、低温機器の断熱庫内に格納された食品のみを配送先に提供してもよいし、置き配を行う場合には食品を含む低温機器自体を配送先に置いていってもよい。なお、置き配を行った場合、通常、低温機器は後刻又は後日に配送先から回収され、次回以降の低温配送に再使用される。また、図１に示す例では、低温機器の輸送に用いられる車両１１０として軽トラックが図示されているが、これに限られず、例えば、ワンボックスカー等の各種自動車の他、自動二輪車、自転車、リヤカー等であってもよいし、遠隔操作又は自動制御型のロボット（ドローン等の航空可能なロボットも含む）等であってもよい。また、必ずしも車両に限られず、人力で低温機器を輸送してもよい。
　ここで、低温機器に含まれる冷凍機は、食品の種類等（例えば、要冷蔵の食品、要冷凍の食品等）に応じて予め設定された設定温度に従って断熱庫内の温度を制御することで、食品の低温状態を維持するための低温処理を行う。このとき、冷凍機が低温処理を行う際の消費電力は、設定温度の他、例えば、外気温度や配送時間等の様々な要因の影響を受ける（つまり、当該消費電力は、外気温度や配送時間等の様々な要因と相関がある。）。図１に示す例では、配送時間が５時間（出発時刻８：００、到着時刻１３：００）であり、出発地の外気温度が２５℃、目的地の外気温度が３０℃である場合を示している。なお、図１では図示していないが、配送中の外気温度も消費電力に影響を与える。また、これ以外にも、外気湿度等も消費電力に影響を与える。
　一方で、低温機器に含まれる冷凍機に搭載される蓄電池は、一般に、蓄電容量が多いほど大型で重く、蓄電容量が少ないほど小型で軽い場合が多い。このため、低温配送に利用される低温機器を人力で容易に積み込み及び積み降ろしを可能とするために、低温処理に必要な消費電力を満たした上で、できるだけ軽量な蓄電池を低温機器に搭載することが好ましい。そこで、第１の実施形態に係る低温処理システムでは、低温配送の際の低温処理に必要な消費電力を推定した上で、当該消費電力を満たし、かつ、できるだけ軽量な蓄電池を選択できるように構成する。以下、第１の実施形態に係る低温処理システムの詳細について説明する。
　まず、低温機器１２０の一構成例について説明する。図１に示すように、低温機器１２０には、冷凍機２１０と、冷凍機制御装置２２０と、断熱庫２６０とが含まれる。冷凍機２１０は冷凍機制御装置２２０の制御に従って断熱庫２６０内に冷熱を提供する冷熱源機器である。冷凍機２１０には、例えば、圧縮機、凝縮器、膨張機構、蒸発器等が含まれ、冷媒を循環させることで、断熱庫２６０内に冷熱を提供する。冷凍機制御装置２２０は予め設定された設定温度に従って冷凍機２１０が提供する冷熱を制御する機器又は装置である。断熱庫２６０は断熱性を有し、食品等が格納される箱等である。なお、図１に示す例では、冷凍機２１０と冷凍機制御装置２２０とを分けて図示しているが、冷凍機２１０と冷凍機制御装置２２０とをまとめて「冷凍機」と称されてもよい。
　冷凍機２１０及び冷凍機制御装置２２０は種々の機器又は要素で構成されるが、図１に示す例では、これら機器又は要素のうち、換気窓２３０と、冷凍機表示装置２４０と、蓄電池格納部２５０とを明示している。換気窓２３０は、断熱庫２６０内を外気と換気するための部品である。冷凍機表示装置２４０は、例えば、設定温度を表示したり、断熱庫２６０内の温度を表示したりする。蓄電池格納部２５０は、蓄電池が格納される部品である。
　なお、図１には図示していないが、低温機器１２０内には各種センサ（後述するセンサ群２７０等）が取り付けられている。
　＜低温処理システムのシステム構成（学習フェーズ）＞
　次に、学習フェーズにおける低温処理システムのシステム構成について説明する。なお、学習フェーズにおいては、蓄電池の選択は行わずに、人の勘や経験等で決定した蓄電池を用いて実際に低温配送を行ったり、実験的な環境で実際の低温配送を模擬したりしながら、低温処理システムでは、学習用情報の収集を行う。
　図２は、学習フェーズにおける低温処理システムのシステム構成の一例を示す図である。図２に示すように、低温処理システム３００は、低温機器１２０と、蓄電池選択装置３１０とを有する。
　低温機器１２０は、冷凍機２１０と、冷凍機制御装置２２０と、冷凍機表示装置２４０と、センサ群２７０と、冷凍機入力装置２８０とを有する。このうち、冷凍機２１０、冷凍機制御装置２２０及び冷凍機表示装置２４０は、図１を用いて説明済みであるため、ここでは説明を省略する。
　冷凍機入力装置２８０は、例えば、低温機器１２０の管理者や配送担当者等により入力される、冷凍機２１０の設定温度を受け付ける。冷凍機入力装置２８０は、受け付けた設定温度を、蓄電池選択装置３１０に送信すると共に、冷凍機制御装置２２０に設定する。冷凍機制御装置２２０に設定温度が設定されることで、当該冷凍機制御装置２２０により、断熱庫２６０内の温度が設定温度に近付くように、冷凍機２１０が当該断熱庫２６０内に提供する冷熱が制御される。
　センサ群２７０は、低温機器１２０に取り付けられた各種センサである。センサ群２７０には、吸込温度センサ２７１と、湿度センサ２７２と、吹出温度センサ２７３と、外気温度センサ２７４と、外気湿度センサ２７５と、冷凍機電圧センサ２７６と、冷凍機電流センサ２７７とが含まれる。
　吸込温度センサ２７１は、断熱庫２６０の吸込温度をセンシング（計測）するセンサである。湿度センサ２７２は、断熱庫２６０内の湿度をセンシングするセンサである。吹出温度センサ２７３は、断熱庫２６０の吹出温度をセンシングするセンサである。外気温度センサ２７４は、低温機器１２０の外気温度をセンシングするセンサである。外気湿度センサ２７５は、低温機器１２０の外気湿度をセンシングするセンサである。冷凍機電圧センサ２７６は、冷凍機２１０が低温処理を行っている間の電圧をセンシングするセンサである。冷凍機電流センサ２７７は、冷凍機２１０が低温処理を行っている間の電流をセンシングするセンサである。
　蓄電池選択装置３１０には、蓄電池選択プログラム（学習フェーズ）がインストールされている。蓄電池選択装置３１０は、学習フェーズにおいて当該蓄電池選択プログラムを実行することで、庫内温度取得部３１１、庫内湿度取得部３１２、外気温度取得部３１３、外気湿度取得部３１４として機能する。また、蓄電池選択装置３１０は、庫内換気量取得部３１５、消費電力取得部３１６、入力情報取得部３１７として機能する。更に、蓄電池選択装置３１０は、学習部３１９として機能する。なお、学習フェーズにおける蓄電池選択プログラムは、消費電力を推定するモデル（後述する消費電力モデル）を学習するためのプログラムであるため、例えば、「学習プログラム」等と称されてもよい。
　庫内温度取得部３１１は、断熱庫２６０内の温度を表す庫内温度データを取得する。具体的には、庫内温度取得部３１１は、吸込温度センサ２７１から出力された吸込温度データ、又は、吹出温度センサ２７３から出力された吹出温度データのいずれかを、庫内温度データとして取得する。
　また、庫内温度取得部３１１は、取得した庫内温度データを単位時間毎に時刻データと対応付けて、学習用情報として学習用情報格納部３１８に格納する。
　庫内湿度取得部３１２は、断熱庫２６０内の湿度を表す庫内湿度データを取得する。具体的には、庫内湿度取得部３１２は、湿度センサ２７２から出力された湿度データを、庫内湿度データとして取得する。
　また、庫内湿度取得部３１２は、取得した庫内湿度データを単位時間毎に時刻データと対応付けて、学習用情報として学習用情報格納部３１８に格納する。
　外気温度取得部３１３は、低温機器１２０外の外気の温度を表す外気温度データを取得する。具体的には、外気温度取得部３１３は、外気温度センサ２７４から出力された外気温度データを取得する。又は、外気温度取得部３１３は、低温機器１２０の周囲又は周辺の環境の気象データ等から外気温度データを取得してもよい。
　また、外気温度取得部３１３は、取得した外気温度データを単位時間毎に時刻データと対応付けて、学習用情報として学習用情報格納部３１８に格納する。
　外気湿度取得部３１４は、低温機器１２０外の外気の湿度を表す外気湿度データを取得する。具体的には、外気湿度取得部３１４は、外気湿度センサ２７５から出力された外気湿度データを取得する。又は、外気湿度取得部３１４は、低温機器１２０の周囲又は周辺の環境の気象データ等から外気湿度データを取得してもよい。
　また、外気湿度取得部３１４は、取得した外気湿度データを単位時間毎に時刻データと対応付けて、学習用情報として学習用情報格納部３１８に格納する。
　庫内換気量取得部３１５は、断熱庫２６０内の換気量を表す庫内換気量データを取得する。具体的には、庫内換気量取得部３１５は、冷凍機２１０の換気窓２３０の開閉情報の入力を受け付けることで換気量を導出し、当該換気量を表す庫内換気量データを取得する。例えば、庫内換気量取得部３１５は、換気窓２３０が閉状態である場合には、換気量＝"ゼロ"を表す庫内換気量データを取得する。一方で、庫内換気量取得部３１５は、換気窓２３０が開状態である場合には、換気量＝"所定値"を表す庫内換気量データを取得する。なお、庫内換気量取得部３１５は、換気窓２３０の開閉度合いに応じた換気量を表す庫内換気量データを取得するように構成してもよい。
　また、庫内換気量取得部３１５は、取得した庫内換気量データを単位時間毎に時刻データと対応付けて、学習用情報として学習用情報格納部３１８に格納する。
　消費電力取得部３１６は、冷凍機２１０が低温処理を行っている間の消費電力を表す消費電力データを取得する。具体的には、消費電力取得部３１６は、冷凍機電圧センサ２１６から出力された電圧データと、冷凍機電流センサ２１７から出力された電流データとから消費電力を導出し、当該消費電力を表す消費電力データを取得する。なお、消費電力は、電圧データが表す電圧と、電流データが表す電流との積で導出される。
　入力情報取得部３１７は、冷凍機入力装置２８０が受け付けた設定温度を取得する。なお、設定温度は、上述したように、断熱庫２６０内に格納される食品の種類等に応じて予め設定される。ただし、設定温度は低温配送中に適宜変更することも可能である。設定温度が変更された場合、入力情報取得部３１７は、冷凍機入力装置２８０が受け付けた最新の設定温度を取得する。
　また、入力情報取得部３１７は、取得した温度情報を単位時間毎に時刻データと対応付けて、学習用情報として学習用情報格納部３１８に格納する。
　学習部３１９は、学習用情報格納部３１８に格納された学習用情報に基づいて、単位時間あたりの消費電力を推定するモデル（以下、「消費電力モデル」という。）について機械学習を行う。これにより、学習部３１９は、推論フェーズにおいて単位時間あたりの消費電力を推定するための学習済み消費電力モデルを生成する。機械学習を行って学習済み消費電力モデルを生成する際の詳細については後述する。
　なお、断熱庫２６０内の庫内温度、断熱庫２６０内の庫内湿度、外気温度、外気湿度、断熱庫２６０内の換気量の全部又は一部は冷凍機２１０の消費電力と相関を有する。このため、以下、庫内温度データ、庫内湿度データ、外気温度データ、外気湿度データ、庫内換気量データの全部又は一部を、消費電力に相関するデータともいう。また、このうち、外気温度データ、外気湿度データを、低温機器１２０の周囲の環境に関するデータともいう。
　＜低温処理システムにおいて取得されるデータ一覧＞
　次に、学習フェーズにおける低温処理システム３００において取得されるデータの一覧について説明する。図３Ａ及び図３Ｂは、低温処理システムにおいて取得されるデータ一覧の一例を示す図である。このうち、図３Ａは蓄電池選択装置３１０が受信するデータの一覧４００を示しており、図３Ｂは学習用情報４１０を示している。
　図３Ａのデータの一覧４００に示すように、蓄電池選択装置３１０は、吸込温度センサ２７１、湿度センサ２７２、吹出温度センサ２７３から出力されたデータを、時刻データと対応付けて受信する。
　また、蓄電池選択装置３１０は、外気温度センサ２７４、外気湿度センサ２７５、冷凍機電圧センサ２７６、冷凍機電流センサ２７７から出力されたデータを、時刻データと対応付けて受信する。
　また、蓄電池選択装置３１０は、受け付けた開閉情報、冷凍機入力装置２８０から出力された設定温度を時刻データと対応付けて受信する。
　一方で、上述したように、蓄電池選択装置３１０の各部は、受信したデータの一部又は受信したデータに基づいて導出したデータを、学習用情報として、単位時間毎に学習用情報格納部３１８に格納する。
　図３Ｂの例は、学習用情報４１０として、庫内温度データ、庫内湿度データ、外気温度データ、外気湿度データ、庫内換気量データ、設定温度、消費電力データが、単位時間毎に時刻データと対応付けて学習用情報格納部３１８に格納された様子を示している。このうち、消費電力データは消費電力について機械学習する際の正解データ（又は、「教師データ」とも称される。）として用いられる。なお、単位時間とは予め決められた時間幅のことである。
　＜蓄電池選択装置のハードウェア構成＞
　次に、蓄電池選択装置３１０のハードウェア構成について説明する。なお、後述する蓄電池選択装置７１０も蓄電池選択装置３１０と同様のハードウェア構成で実現される。
　図４は、蓄電池選択装置のハードウェア構成の一例を示す図である。図４に示すように、蓄電池選択装置３１０は、ＣＰＵ（Central Processing Unit）５０１、ＲＯＭ（Read Only Memory）５０２、ＲＡＭ（Random Access Memory）５０３を有する。ＣＰＵ５０１、ＲＯＭ５０２、ＲＡＭ５０３は、いわゆるコンピュータを形成する。また、蓄電池選択装置３１０は、補助記憶装置５０４、表示装置５０５、操作装置５０６、Ｉ／Ｆ（Interface）装置５０７、ドライブ装置５０８を有する。蓄電池選択装置３１０の各ハードウェアは、バス５０９を介して相互に接続される。
　ＣＰＵ５０１は、補助記憶装置５０４にインストールされている各種プログラム（例えば、蓄電池選択プログラム等）を実行する演算デバイスである。ＲＯＭ５０２は、不揮発性メモリである。ＲＯＭ５０２は、補助記憶装置５０４にインストールされている各種プログラムをＣＰＵ５０１が実行するために必要な各種プログラムやデータ等を格納する。具体的には、ＲＯＭ５０２は、ＢＩＯＳ（Basic Input/Output System）やＥＦＩ（Extensible Firmware Interface）等のブートプログラム等を格納する。
　ＲＡＭ５０３は、ＤＲＡＭ（Dynamic Random Access Memory）やＳＲＡＭ（Static Random Access Memory）等の揮発性メモリである。ＲＡＭ５０３は、主記憶デバイスとして機能し、補助記憶装置５０４にインストールされている各種プログラムがＣＰＵ５０１によって実行される際に展開される作業領域を提供する。
　補助記憶装置５０４は、各種プログラムや、各種プログラムが実行される際に用いられる情報を格納する。
　表示装置５０５は、蓄電池選択装置３１０の内部状態を表示する表示デバイスである。操作装置５０６は、例えば、蓄電池選択装置３１０の管理者が蓄電池選択装置３１０に対して各種操作を行うための操作デバイスである。Ｉ／Ｆ装置５０７は、低温機器１２０のセンサ群２７０、冷凍機入力装置２８０等と接続し、データを受信するための接続デバイスである。
　ドライブ装置５０８は、記録媒体５１０をセットするためのデバイスである。ここでいう記録媒体５１０には、ＣＤ－ＲＯＭ、フレキシブルディスク、光磁気ディスク等のように情報を光学的、電気的あるいは磁気的に記録する媒体が含まれる。また、記録媒体５１０には、ＲＯＭ、フラッシュメモリ等のように情報を電気的に記録する半導体メモリ等が含まれていてもよい。
　なお、補助記憶装置５０４にインストールされる各種プログラムは、例えば、配布された記録媒体５１０がドライブ装置５０８にセットされ、当該記録媒体５１０に記録された各種プログラムがドライブ装置５０８により読み出されることでインストールされる。あるいは、補助記憶装置５０４にインストールされる各種プログラムは、不図示のネットワークよりダウンロードされることで、インストールされてもよい。
　＜蓄電池選択装置の機能構成（学習フェーズ）＞
　次に、学習フェーズにおける蓄電池選択装置３１０の機能構成について説明する。図５は、学習フェーズにおける蓄電池選択装置の機能構成の一例を示す図である。図５に示すように、学習部３１９は、消費電力モデル６０１と、変更部６０２とを有する。学習部３１９は、学習用情報格納部３１８から学習用情報を読み出し、読み出した学習用情報のうち、消費電力に相関するデータと設定温度との組み合わせを含むデータを、消費電力モデル６０１に入力する。具体的には、学習部３１９は、庫内温度データ、庫内湿度データ、外気温度データ、外気湿度データ、庫内換気量データ、設定温度を、消費電力モデル６０１に入力する。
　これにより、学習部３１９は消費電力モデル６０１を実行させ、消費電力モデル６０１は消費電力データを出力する。
　消費電力モデル６０１から出力された消費電力データは、変更部６０２に入力される。変更部６０２は、消費電力モデル６０１から出力された消費電力データと、学習用情報格納部３１８から読み出した学習用情報に含まれる消費電力データ（正解データ）とを比較する。そして、変更部６０２は、比較結果に応じて、消費電力モデル６０１のモデルパラメータを変更（更新）する。このようなモデルパラメータの変更は、所定の条件を満たすまで繰り返し実行される。所定の条件としては、繰り返し回数が或る閾値以上となったこと、モデルパラメータの更新量が或る閾値未満となったこと（つまり、モデルパラメータが収束したこと）等が挙げられる。
　なお、変更部６０２によって比較される消費電力データ（正解データ）は、消費電力モデル６０１に入力されるデータと同じ時刻データが対応付けられた消費電力データである。
　このように、学習部３１９は、冷凍機２１０の消費電力に相関するデータと設定温度との組み合わせを含むデータと、消費電力データ（正解データ）との対応関係を特定する消費電力モデル６０１について機械学習を行う。これにより、学習部３１９は、学習済み消費電力モデルを生成することができる。
　なお、図５に示す例では、学習部３１９が、冷凍機２１０の消費電力に相関するデータとして、庫内温度データ、庫内湿度データ、外気温度データ、外気湿度データ、庫内換気量データを消費電力モデル６０１に入力する場合について示した。しかしながら、学習部３１９は、これらのデータの一部のみを、消費電力モデル６０１に入力してもよい。
　＜低温処理システムのシステム構成（推論フェーズ）＞
　次に、推論フェーズにおける低温処理システムのシステム構成について節三重する。なお、推論フェーズにおいては、蓄電池選択装置において消費電力が推定され、推定された消費電力に基づいて冷凍機２１０の蓄電池格納部２５０に格納される蓄電池の種類及び個数が選択される。
　図６は、推論フェーズにおける低温処理システムのシステム構成の一例を示す図である。学習フェーズにおける低温処理システム３００（図２）との相違点は、推論フェーズにおける低温処理システム８００の場合、蓄電池選択装置７１０が、庫内温度取得部７１１、庫内湿度取得部７１２、外気温度取得部７１３、外気湿度取得部７１４、庫内換気量取得部７１５、入力情報取得部７１６を有している点である。また、推論フェーズにおける低温処理システム８００の場合、蓄電池選択装置７１０が、推論部７１７、選択部７１８を有している点である。また、推論フェーズにおける低温処理システム８００の場合、管理端末７２０が含まれている点である。なお、図６に示す例では低温機器１２０の図示を省略しているが、低温機器１２０は、図２と同様の構成を有している。
　蓄電池選択装置７１０は、低温配送を行う際の消費電力に相関するデータに基づいて、低温配送の開始から終了までの総消費電力を推定する。また、蓄電池選択装置７１０は、推定した総消費電力（以下、「消費電力量推定値」という。）に基づいて冷凍機２１０の蓄電池格納部２５０に格納される蓄電池の種類及び個数を選択する。すなわち、蓄電池選択装置７１０は、実際の低温配送を行う前に、当該低温配送で予想される総消費電力を推定した上で、当該総消費電力を満たし、かつ、最も軽量となるように蓄電池を選択する。
　蓄電池選択装置７１０には、蓄電池選択プログラム（推論フェーズ）がインストールされている。蓄電池選択装置７１０は、推論フェーズにおいて当該蓄電池選択プログラムを実行することで、庫内温度取得部７１１、庫内湿度取得部７１２、外気温度取得部７１３、外気湿度取得部７１４として機能する。また、蓄電池選択装置７１０は、庫内換気量取得部７１５、入力情報取得部７１６、推論部７１７、選択部７１８として機能する。なお、符号７７０の各部として機能させるためのプログラムは「消費電力推定プログラム」等と称されてもよい。すなわち、蓄電池選択プログラム（推論フェーズ）には、消費電力推定プログラムと、選択部７１８として機能させるためのプログラムとが含まれていてもよい。
　庫内温度取得部７１１は、低温配送開始時の断熱庫２６０内の温度を表す庫内温度データを取得する。具体的には、庫内温度取得部７１１は、蓄電池選択装置７１０に入力された庫内温度を庫内温度データとして取得する。なお、この庫内温度は、管理端末７２０から蓄電池選択装置７１０に入力されてもよい。
　又は、庫内温度取得部７１１は、例えば、断熱庫２６０内の予冷が完了した後に、吸込温度センサ２７１から出力された吸込温度データ、又は、吹出温度センサ２７３から出力された吹出温度データのいずれかを、庫内温度データとして取得してもよい。
　庫内湿度取得部７１２は、低温配送開始時の断熱庫２６０内の湿度を表す庫内湿度データを取得する。具体的には、庫内湿度取得部７１２は、蓄電池選択装置７１０に入力された庫内湿度を庫内湿度データとして取得する。なお、この庫内湿度は、管理端末７２０から蓄電池選択装置７１０に入力されてもよい。
　又は、庫内湿度取得部７１２は、例えば、断熱庫２６０内の予冷が完了した後に、湿度センサ２７２から出力された湿度データを、庫内湿度データとして取得してもよい。
　外気温度取得部７１３は、低温配送の開始から終了までの単位時間毎の低温機器１２０の各位置における外気の温度を表す外気温度データを取得する。具体的には、外気温度取得部７１３は、低温配送の出発地から目的地までの経路上の単位時間毎の各位置における外気温度を外気温度データとして取得する。
　外気湿度取得部７１４は、低温配送の開始から終了までの単位時間毎の低温機器１２０の各位置における外気の湿度を表す外気湿度データを取得する。具体的には、外気湿度取得部７１４は、低温配送の出発地から目的地までの経路上の単位時間毎の各位置における外気湿度を外気湿度データとして取得する。
　なお、出発地から目的地までの経路は既知の経路探索サービス等を利用して得ることが可能であり、経路上の単位時間毎の各位置における外気温度及び外気湿度は既知の気象予報サービス等で提供される気象予報データから得ることが可能である。また、経路探索サービス等では、経路探索の際に、出発地から目的地までの予想所要時間等を得ることも可能である。
　庫内換気量取得部７１５は、低温配送時の断熱庫２６０内の換気量を表す庫内換気量データを取得する。具体的には、庫内換気量取得部７１５は、学習フェーズと同様に、冷凍機２１０の換気窓２３０の開閉情報の入力を受け付けることで換気量を導出し、当該換気量を表す庫内換気量データを取得する。
　入力情報取得部７１６は、低温配送時の設定温度として、低温配送開始前に冷凍機入力装置２８０が受け付けた設定温度を取得する。
　推論部７１７は、学習済み消費電力モデルを有する。推論部７１７は、庫内温度取得部７１１から入力情報取得部７１６までの各部から、冷凍機２１０の消費電力に相関するデータと設定温度とを取得する。
　また、推論部７１７は、取得した消費電力に相関するデータと設定温度との組み合わせを含むデータを、単位時間毎に学習済み消費電力モデルに入力することで、学習済み消費電力モデルを実行させる。これにより、推論部７１７は、低温配送の開始から終了までの間における単位時間毎の消費電力データを推定する。
　また、推論部７１７は、単位時間毎の消費電力データの総和を消費電力量推定値として算出する。学習済み消費電力モデルにより消費電力データを推定し、消費電力量推定値を算出する際の詳細については後述する。
　選択部７１８は、推論部７１７により算出された消費電力量推定値に基づいて、蓄電池選択テーブル７１９から、冷凍機２１０の蓄電池格納部２５０に格納される蓄電池の種類及び個数を選択する。蓄電池選択テーブル７１９は蓄電容量の範囲毎に蓄電池の種類及び個数が対応付けられたテーブルである。なお、蓄電池の種類が１種類である場合は個数のみが対応付けられたテーブルであってもよい。蓄電池選択テーブル７１９の一例については後述する。
　また、選択部７１８は、選択した蓄電池の種類及び個数を管理端末７２０に通知する。これにより、管理端末７２０のユーザ（例えば、低温機器１２０の管理者等）は、低温機器１２０に含まれる冷凍機２１０の蓄電池格納部２５０に、通知された種類及び個数の蓄電池を格納させることができる。
　＜蓄電池選択装置の機能構成（推論フェーズ）＞
　次に、推論フェーズにおける蓄電池選択装置７１０の機能構成について説明する。図７は、推論フェーズにおける蓄電池選択装置の機能構成の一例を示す図である。図７に示すように、推論部７１７は、学習済み消費電力モデル８０１と、累積処理部８０２とを有する。推論部７１７は、庫内温度取得部７１１から入力情報取得部７１６までの各部から、低温配送の開始から終了までに要する予想時間（例えば、低温配送の出発地から目的地までの予想所要時間）の間における消費電力に相関するデータと設定温度とを取得する。
　推論部７１７は、取得した消費電力に相関するデータと設定温度との組み合わせを含むデータを、単位時間毎に学習済み消費電力モデル８０１に入力することで、学習済み消費電力モデル８０１を実行させる。これにより、学習済み消費電力モデル８０１は、低温配送の開始から終了までに要する予想時間内における単位時間毎の消費電力データを推定する。
　なお、庫内温度データ、庫内湿度データ、庫内換気量データ、設定温度は低温配送開始時のデータを用いるため、各単位時間で固定である。一方で、外気温度データ、外気湿度データは低温配送の開始から終了までの単位時間毎の低温機器１２０の各位置におけるデータを用いるため、各単位時間で異なり得る。ただし、例えば、低温配送の途中で庫内換気量データや設定温度が変化する場合には、庫内換気量データや設定温度も各単位時間で異なり得る。
　学習済み消費電力モデル８０１から出力された単位時間毎の消費電力データは、累積処理部８０２に入力される。累積処理部８０２は、低温配送の開始から終了までに要する予想時間内における単位時間毎の消費電力データがそれぞれ表す消費電力の総和を計算することで、消費電力量推定値を算出する。累積処理部８０２で算出及び出力された消費電力量推定値は、選択部７１８に入力される。
　選択部７１８は、累積処理部８０２から出力された消費電力量推定値に基づいて、蓄電池選択テーブル７１９から、冷凍機２１０の蓄電池格納部２５０に格納される蓄電池の種類及び個数を選択する。
　例えば、蓄電池の種類が「小」、「中」、「大」の３種類であり、種類「小」の蓄電池の蓄電容量をｙ、種類「中」の蓄電池の蓄電容量を２×ｙ、種類「大」の蓄電池の蓄電容量を４×ｙであるものとする。このとき、選択部７１８は、例えば、消費電力量推定値をｘ、低温配送の開始から終了までに必要な蓄電容量をｚとして、ｚ＝α×ｘにより必要蓄電容量［ｋＷ・ｈ］を算出する。ここで、αは低温配送中の渋滞発生や気象予報が外れた場合等を考慮した安全率であり、例えば、１．０＜α≦２．０を満たす任意の値が予め設定される。
　そして、選択部７１８は、例えば、図８に示す蓄電池選択テーブル７１９から、必要蓄電容量ｚに対応する蓄電池の種類及び個数を選択する。図８に示す例では、ｚ≦ｙである場合は種類「小」の蓄電池が１個選択され、ｙ＜ｚ≦２×ｙの場合は種類「中」の蓄電池が１個選択され、２×ｙ＜ｚ≦４×ｙの場合は種類「大」の蓄電池が１個選択される。また、４×ｙ＜ｚ≦６×ｙの場合は種類「大」の蓄電池が１個、種類「中」の蓄電池が１個選択され、６×ｙ＜ｚ≦８×ｙの場合は種類「大」の蓄電池が２個選択され、８×ｙ＜ｚ≦１０×ｙの場合は種類「大」の蓄電池が２個、種類「中」の蓄電池が１個選択される。
　なお、図８に示す蓄電池選択テーブル７１９は一例であって、必要蓄電容量（又はその範囲）と蓄電池の種類及び個数とを対応付けた任意のテーブルを蓄電池選択テーブルとすることができる。また、蓄電池の種類数も３種類に限定されるものではない。
　このように、推論部７１７は、低温配送を行う際の出発地から目的地までの予想所要時間内の単位時間毎に、消費電力に相関するデータと設定温度との組み合わせを含むデータを学習済み消費電力モデル８０１に入力し、当該単位時間毎の消費電力データを推定する。また、推論部７１７は、当該予想所要時間内における単位時間毎の消費電力データがそれぞれ表す消費電力の総和を、当該予想所要時間における消費電力量推定値として算出する。これにより、選択部７１８は、当該消費電力量推定値を満たす蓄電容量を有し、かつ、最も軽量な蓄電池を選択することが可能となる。
　なお、図７に示す例では、推論部７１７が、冷凍機２１０の消費電力に相関するデータとして、庫内温度データ、庫内湿度データ、外気温度データ、外気湿度データ、庫内換気量データを学習済み消費電力モデル８０１に入力する場合について示した。しかしながら、学習フェーズにおける学習部３１９と同様に、推論部７１７は、これらのデータの一部のみを、学習済み消費電力モデル８０１に入力してもよい。
　＜蓄電池選択処理の流れ＞
　次に、学習フェーズにおける蓄電池選択装置３１０及び推論フェーズにおける蓄電池選択装置７１０による蓄電池選択処理の流れについて説明する。図９は、蓄電池選択装置による蓄電池選択処理の流れを示すフローチャートである。
　ステップＳ１００１において、庫内温度取得部３１１から庫内換気量取得部３１５までの各部は、冷凍機２１０の消費電力に相関するデータを取得する。また、入力情報取得部３１７は、設定温度を取得する。
　ステップＳ１００２において、消費電力取得部３１６は、消費電力データを取得する。
　ステップＳ１００３において、学習部３１９は、消費電力に相関するデータと設定温度との組み合わせを含むデータを、消費電力モデル６０１に入力することで、消費電力モデル６０１を実行させる。そして、学習部３１９は、消費電力モデル６０１により出力される消費電力データが、消費電力取得部３１６が取得した消費電力データに近付くように、消費電力モデル６０１について機械学習を行う。これにより、学習部３１９は、学習済み消費電力モデル８０１を生成する。なお、生成された学習済み消費電力モデル８０１は、推論フェーズにおける蓄電池選択装置７１０に組み込まれる。
　なお、学習部３１９が消費電力モデル６０１を機械学習する際は、全ての学習用情報を用いて一括してモデルパラメータを更新してもよいし、所定数の学習用情報単位でモデルパラメータを更新してもよい。又は、学習用情報単位でモデルパラメータを更新してもよい。
　ステップＳ１００４において、庫内温度取得部７１１から庫内換気量取得部７１５の各部は、冷凍機２１０の消費電力に相関するデータを取得する。また、入力情報取得部７１６は、設定温度を取得する。
　ステップＳ１００５において、推論部７１７は、消費電力に相関するデータと設定温度との組み合わせを含むデータを、単位時間毎に学習済み消費電力モデル８０１に入力することで、学習済み消費電力モデル８０１を実行させる。これにより、推論部７１７は、単位時間毎の消費電力データを推定する。
　ステップＳ１００６において、推論部７１７は、単位時間毎の消費電力データの総和を計算することで、消費電力量推定値を算出する。
　ステップＳ１００７において、選択部７１８は、消費電力量推定値に基づいて、蓄電池選択テーブル７１９から、冷凍機２１０の蓄電池格納部２５０に格納される蓄電池の種類及び個数を選択する。
　＜まとめ＞
　以上の説明から明らかなように、第１の実施形態に係る蓄電池選択装置は、
・単位時間毎の消費電力に相関するデータと設定温度との組み合わせを含むデータのデータセットに従って、当該単位時間における消費電力データを学習する。
・学習の結果に対して、実際の低温配送時に想定又は予想される単位時間毎の消費電力に相関するデータと設定温度との組み合わせを含むデータから、当該単位時間における消費電力データを推定する。また、このとき、配送経路上の各地点における気象予報データ等から得られる外気温度や外気湿度を用いるため、短期的な気候変動の影響も考慮した、より正確な消費電力データが推定される。
・低温配送で想定又は予想される時間において推定された消費電量データの総和を計算することで、当該低温配送で消費される総消費電力を表す消費電力量推定値を算出する。
・算出された消費電力量推定値を満たす蓄電容量を有し、かつ、最も軽量な蓄電池の種類及び個数を選択する。
　これにより、第１の実施形態に係る蓄電池選択装置は、低温配送に必要な蓄電容量を満たした上で、低温機器１２０を軽量化させることが可能な蓄電池を選択することができる。この結果、例えば、商品の配送や置き配等において低温機器１２０を運ぶ際の配送員等の労力を軽減させることができる。
　このように、第１の実施形態によれば、可搬型の冷熱源機器に搭載される蓄電池を選択するための選択装置、選択方法及びプログラムを提供することができる。
　［第２の実施形態］
　上記の第１の実施形態では消費電力モデルを機械学習する場合について説明したが、例えば、消費電力に相関するデータ及び設定温度と、消費電力との関係をルールベースにより定義したテーブル等を用いて、低温配送時における総消費電力が推定されてもよい。このようなテーブルは既知の任意の方法により作成すればよいが、例えば、学習用情報４１０を用いて、人手により当該テーブルを作成すればよい。
　また、上記の第１の実施形態では蓄電池選択装置の設置場所について特に言及しなかったが、蓄電池選択装置の設置場所は任意である。学習フェーズにおける蓄電池選択装置３１０は、低温機器１２０とネットワークを介してデータ通信が可能であれば任意の場所に設置可能である。同様に、推論フェーズにおける蓄電池選択装置７１０についても設置場所は任意である。
　また、学習フェーズにおける蓄電池選択装置３１０と、推論フェーズにおける蓄電池選択装置７１０は、一体的に構成されていてもよいし、別体として構成されていてもよい。
　また、上記の第１の実施形態では、機械学習を行う際に用いるモデル（消費電力モデル）の詳細について特に言及しなかったが、機械学習を行う際に用いるモデルには任意の種類のモデルが適用されるものとする。具体的には、ＮＮ（Neural Network）モデルや、ランダムフォレストモデル、ＳＶＭ（Support Vector Machine）モデル等、任意の種類のモデルが適用される。
　また、上記の第１の実施形態では、変更部６０２による比較結果に基づいて、モデルパラメータを変更する場合の変更方法の詳細について特に言及しなかったが、変更部６０２によるモデルパラメータの変更方法はモデルの種類に従うものとする。
　以上、実施形態を説明したが、特許請求の範囲の趣旨及び範囲から逸脱することなく、形態や詳細の多様な変更が可能なことが理解されるであろう。本願は、日本国に２０２０年９月１８日に出願された基礎出願２０２０－１５７０７３号に基づくものであり、その全内容はここに参照をもって援用される。
　１１０　　　　　　　　　：車両
　１２０　　　　　　　　　：低温機器
　２１０　　　　　　　　　：冷凍機
　２２０　　　　　　　　　：冷凍機制御装置
　２３０　　　　　　　　　：換気窓
　２４０　　　　　　　　　：冷凍機表示装置
　２５０　　　　　　　　　：蓄電池格納部
　２６０　　　　　　　　　：断熱庫
　２７０　　　　　　　　　：センサ群
　２７１　　　　　　　　　：吸込温度センサ
　２７２　　　　　　　　　：湿度センサ
　２７３　　　　　　　　　：吹出温度センサ
　２７４　　　　　　　　　：外気温度センサ
　２７５　　　　　　　　　：外気湿度センサ
　２７６　　　　　　　　　：冷凍機電圧センサ
　２７７　　　　　　　　　：冷凍機電流センサ
　２８０　　　　　　　　　：冷凍機入力装置
　３００　　　　　　　　　：低温処理システム
　３１０　　　　　　　　　：蓄電池選択装置
　３１１　　　　　　　　　：庫内温度取得部
　３１２　　　　　　　　　：庫内湿度取得部
　３１３　　　　　　　　　：外気温度取得部
　３１４　　　　　　　　　：外気湿度取得部
　３１５　　　　　　　　　：庫内換気量取得部
　３１６　　　　　　　　　：消費電力取得部
　３１７　　　　　　　　　：入力情報取得部
　３１８　　　　　　　　　：学習用情報格納部
　３１９　　　　　　　　　：学習部
　６０１　　　　　　　　　：消費電力モデル
　６０２　　　　　　　　　：変更部
　７００　　　　　　　　　：低温処理システム
　７１０　　　　　　　　　：蓄電池選択装置
　７１１　　　　　　　　　：庫内温度取得部
　７１２　　　　　　　　　：庫内湿度取得部
　７１３　　　　　　　　　：外気温度取得部
　７１４　　　　　　　　　：外気湿度取得部
　７１５　　　　　　　　　：庫内換気量取得部
　７１６　　　　　　　　　：入力情報取得部
　７１７　　　　　　　　　：推論部
　７１８　　　　　　　　　：選択部
　７１９　　　　　　　　　：蓄電池選択テーブル
　８０１　　　　　　　　　：学習済み消費電力モデル
　８０２　　　　　　　　　：累積処理部

Claims (8)

  1. 　可搬型の冷熱源機器の消費電力に相関するデータと、前記冷熱源機器の設定温度に関するデータとに基づいて、前記冷熱源機器を所定の目的地まで輸送した場合に必要となる消費電力量を算出する算出部と、
    　前記算出部により算出された消費電力量に基づいて、前記冷熱源機器に搭載する蓄電装置を選択する選択部と、
    　を有する選択装置。
  2. 　前記算出部は、
    　前記消費電力に相関するデータと前記設定温度に関するデータと、真の消費電力量との関係を機械学習により学習した結果を用いて、前記消費電力量を算出する、請求項１に記載の選択装置。
  3. 　前記算出部は、
    　前記目的地までの輸送に要する時間にも基づいて、前記消費電力量を算出する、請求項１又は２に記載の選択装置。
  4. 　前記算出部は、
    　前記消費電力に相関するデータと前記設定温度に関するデータと、真の消費電力量との関係を表すテーブルデータを用いて、前記消費電力量を算出する、請求項１に記載の選択装置。
  5. 　前記選択部は、
    　予め決められた複数の蓄電装置の中から、前記消費電力量を超える蓄電容量を有する蓄電装置を選択する、請求項１乃至４の何れか一項に記載の選択装置。
  6. 　前記消費電力に相関するデータには、前記冷熱源機器が含まれる庫内の温度データ、前記庫内の湿度データ、前記庫内の換気量データ、外気温度データ及び外気湿度データのうちの少なくとも１つが含まれる、請求項１乃至５の何れか一項に記載の選択装置。
  7. 　可搬型の冷熱源機器の消費電力に相関するデータと、前記冷熱源機器の設定温度に関するデータとに基づいて、前記冷熱源機器を所定の目的地まで輸送した場合に必要となる消費電力量を算出する算出手順と、
    　前記算出手順で算出された消費電力量に基づいて、前記冷熱源機器に搭載する蓄電装置を選択する選択手順と、
    　をコンピュータが実行する選択方法。
  8. 　可搬型の冷熱源機器の消費電力に相関するデータと、前記冷熱源機器の設定温度に関するデータとに基づいて、前記冷熱源機器を所定の目的地まで輸送した場合に必要となる消費電力量を算出する算出手順と、
    　前記算出手順で算出された消費電力量に基づいて、前記冷熱源機器に搭載する蓄電装置を選択する選択手順と、
    　をコンピュータに実行させるプログラム。
PCT/JP2021/032291 2020-09-18 2021-09-02 選択装置、選択方法及びプログラム Ceased WO2022059502A1 (ja)

Priority Applications (3)

Application Number Priority Date Filing Date Title
CN202180062267.1A CN116194725A (zh) 2020-09-18 2021-09-02 选择装置、选择方法及程序
EP21869189.7A EP4215849A4 (en) 2020-09-18 2021-09-02 Selection device, selection method, and program
US18/245,197 US20230367278A1 (en) 2020-09-18 2021-09-02 Selection apparatus, selection method and program

Applications Claiming Priority (2)

Application Number Priority Date Filing Date Title
JP2020-157073 2020-09-18
JP2020157073A JP7247151B2 (ja) 2020-09-18 2020-09-18 選択装置、選択方法及びプログラム

Publications (1)

Publication Number Publication Date
WO2022059502A1 true WO2022059502A1 (ja) 2022-03-24

Family

ID=80776928

Family Applications (1)

Application Number Title Priority Date Filing Date
PCT/JP2021/032291 Ceased WO2022059502A1 (ja) 2020-09-18 2021-09-02 選択装置、選択方法及びプログラム

Country Status (5)

Country Link
US (1) US20230367278A1 (ja)
EP (1) EP4215849A4 (ja)
JP (1) JP7247151B2 (ja)
CN (1) CN116194725A (ja)
WO (1) WO2022059502A1 (ja)

Families Citing this family (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20230410033A1 (en) * 2022-06-15 2023-12-21 Hitachi, Ltd. System for monitoring and predicting water damage in shipping containers
JP7557912B1 (ja) * 2023-03-28 2024-09-30 株式会社Ｈｓｋコンサルティング 冷凍装置および冷凍装置輸送システム
US12248354B2 (en) * 2023-07-06 2025-03-11 Dell Products L.P. Autonomous power management for sustainable storage

Citations (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2002122373A (ja) 2000-10-16 2002-04-26 Daikin Ind Ltd 保冷庫
JP2005249375A (ja) * 2004-02-04 2005-09-15 Fuji Electric Retail Systems Co Ltd スターリング冷凍機の運転制御装置
JP2012007758A (ja) * 2010-06-22 2012-01-12 Daiwa House Industry Co Ltd 省エネルギー情報提供システム及び省エネルギー情報提供方法
JP2012149848A (ja) 2011-01-20 2012-08-09 Mitsubishi Heavy Ind Ltd 輸送用冷凍装置
JP2016015246A (ja) * 2014-07-02 2016-01-28 日産自動車株式会社 電源装置
WO2017056403A1 (ja) * 2015-10-01 2017-04-06 パナソニックＩｐマネジメント株式会社 空調制御方法、空調制御装置及び空調制御プログラム
JP2018192863A (ja) * 2017-05-15 2018-12-06 株式会社オートネットワーク技術研究所 車載電力供給システム及び車載制御装置
JP2019135491A (ja) * 2016-07-29 2019-08-15 ダイムラー・アクチェンゲゼルシャフトＤａｉｍｌｅｒ ＡＧ 電気トラックの走行ルート選定システム、電気トラックの走行ルート選定方法
JP2020157073A (ja) 2014-02-14 2020-10-01 アトミック メディカル イノベーションズ，インコーポレイティド 組織治癒のためのシステム及び方法

Family Cites Families (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP4235151B2 (ja) * 2004-08-23 2009-03-11 ツインバード工業株式会社 貯蔵庫
JP6735473B2 (ja) * 2016-11-22 2020-08-05 パナソニックＩｐマネジメント株式会社 診断方法、診断装置及び表示装置
EP3531354A1 (en) * 2018-02-23 2019-08-28 Carrier Corporation Delivery cooler management system
US10641538B1 (en) * 2018-10-26 2020-05-05 ACOSolar Inc. Portable refrigerator with rechargeable battery pack

Patent Citations (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2002122373A (ja) 2000-10-16 2002-04-26 Daikin Ind Ltd 保冷庫
JP2005249375A (ja) * 2004-02-04 2005-09-15 Fuji Electric Retail Systems Co Ltd スターリング冷凍機の運転制御装置
JP2012007758A (ja) * 2010-06-22 2012-01-12 Daiwa House Industry Co Ltd 省エネルギー情報提供システム及び省エネルギー情報提供方法
JP2012149848A (ja) 2011-01-20 2012-08-09 Mitsubishi Heavy Ind Ltd 輸送用冷凍装置
JP2020157073A (ja) 2014-02-14 2020-10-01 アトミック メディカル イノベーションズ，インコーポレイティド 組織治癒のためのシステム及び方法
JP2016015246A (ja) * 2014-07-02 2016-01-28 日産自動車株式会社 電源装置
WO2017056403A1 (ja) * 2015-10-01 2017-04-06 パナソニックＩｐマネジメント株式会社 空調制御方法、空調制御装置及び空調制御プログラム
JP2019135491A (ja) * 2016-07-29 2019-08-15 ダイムラー・アクチェンゲゼルシャフトＤａｉｍｌｅｒ ＡＧ 電気トラックの走行ルート選定システム、電気トラックの走行ルート選定方法
JP2018192863A (ja) * 2017-05-15 2018-12-06 株式会社オートネットワーク技術研究所 車載電力供給システム及び車載制御装置

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
See also references of EP4215849A4

Also Published As

Publication number Publication date
EP4215849A4 (en) 2024-10-09
JP2022050897A (ja) 2022-03-31
EP4215849A1 (en) 2023-07-26
CN116194725A (zh) 2023-05-30
US20230367278A1 (en) 2023-11-16
JP7247151B2 (ja) 2023-03-28

Similar Documents

Publication Publication Date Title
WO2022059502A1 (ja) 選択装置、選択方法及びプログラム
US12049143B2 (en) Battery preconditioning for charging
CN110281731B (zh) 冷藏卡车单元的负载管理
US20180001744A1 (en) Battery Life Prediction And Monitoring
US20180111504A1 (en) Monitoring device of fuel cell, control device of fuel cell, and monitoring method of fuel cell
US12358340B2 (en) Proactive adjustment of transport refrigeration units
Abbasi et al. Deep reinforcement learning based fast charging and thermal management optimization of an electric vehicle battery pack
CN113906454A (zh) 调度热控制系统
US20140174707A1 (en) Method and system for thermal storage in a vehicle
ES3032233T3 (en) Methods and systems for using mean kinetic temperature to control a transport climate control system
US20130061618A1 (en) Adaptive controller for a refrigeration appliance
JP5489046B2 (ja) 熱源設備制御システム
US11835963B2 (en) Vehicle and delivery system
JP6725088B1 (ja) 設定温度算出装置、低温処理システム、設定温度算出方法及び設定温度算出プログラム
CN113614476A (zh) 对多个制冷集装箱的监测和对制冷集装箱的绝热参数的确定
EP4253108B1 (en) Autonomous selection and identification of trips and transport refrigeration unit operating behavior
US12570122B2 (en) Zero carbon emission and highly efficient intelligent hydrogen-powered refrigeration system for transportation
CN117993589A (zh) 基于物联网的智慧冷链物流调度方法及系统
JP2020135111A (ja) 改善提案システム、改善提案方法及びプログラム
CN119174078A (zh) 电力管理装置、电力管理方法、电力管理程序、设施和制冷机
CN118124324A (zh) 冷却处理方法、装置、电动车辆、存储介质和程序产品
CN114440534B (zh) 制冷站和冷链运输控制系统
CN121478036A (zh) 仓储设备的运行方法、装置、仓储设备及存储介质
WO2026006539A1 (en) State of charge limitation for increasing battery life
WO2026050973A1 (zh) 热管理方法、装置、电子设备、存储介质和程序产品

Legal Events

Date Code Title Description
121 Ep: the epo has been informed by wipo that ep was designated in this application

Ref document number: 21869189

Country of ref document: EP

Kind code of ref document: A1

WWE Wipo information: entry into national phase

Ref document number: 202317024752

Country of ref document: IN

NENP Non-entry into the national phase

Ref country code: DE

ENP Entry into the national phase

Ref document number: 2021869189

Country of ref document: EP

Effective date: 20230418