空調負荷予測装置及び空調負荷予測方法
【課題】空調機器の空調負荷を予測することで、空調機器を効率的に運転してエネルギ効率を向上させる。
【解決手段】過去の一定期間における複数日それぞれの時刻毎の空調負荷量ｑdnを１日分の空調負荷量Ｑdで除して各時刻の１日に対する負荷配分率ｒdnを算出するとともに、複数日の時刻毎の空調負荷量のうち、１日における空調が立ち上がる一定時間（例えば５時〜８時）における各時刻の空調負荷量から１日分の空調負荷量Ｑを予測し、この予測した１日分の空調負荷量Ｑに、算出済みの各時刻の負荷配分率ｒdnを乗じて各時刻の空調負荷量ｑを予測する。
【解決手段】過去の一定期間における複数日それぞれの時刻毎の空調負荷量ｑdnを１日分の空調負荷量Ｑdで除して各時刻の１日に対する負荷配分率ｒdnを算出するとともに、複数日の時刻毎の空調負荷量のうち、１日における空調が立ち上がる一定時間（例えば５時〜８時）における各時刻の空調負荷量から１日分の空調負荷量Ｑを予測し、この予測した１日分の空調負荷量Ｑに、算出済みの各時刻の負荷配分率ｒdnを乗じて各時刻の空調負荷量ｑを予測する。
【発明の詳細な説明】
【技術分野】
【０００１】
本発明は、空調機器の空調負荷を予測する空調負荷予測装置及び空調負荷予測方法に関する。
【背景技術】
【０００２】
空調機器のエネルギ消費量である空調負荷を予測することは、空調機器を効率的に運転してエネルギ効率を向上する上で極めて重要であり、特に夜間電力を有効利用する蓄熱機器を備えた空調システムではエネルギ消費量を抑える意味での要求度が高い。また従来の熱源機器の運転は、最大空調負荷を前提とし余剰に蓄熱するケースが発生しており、機器のランニングコストと環境負荷の低減には繋がらず、精度のよい空調負荷予測をすることで負荷に見合ったフィードフォワードの運転手法が要求される。
【０００３】
このような空調負荷を予測する例としては、例えば下記特許文献１〜３に記載されたものがある。
【０００４】
特許文献１に記載ものは、コンピュータ上に構築されたニューラルネットワークモデルを使用して、翌日の時間単位の空調負荷を予測する際に、外界条件データ、室内環境条件データ及び空調システム運転条件データを入力し、該入力データ毎の学習係数を、過去の入力データ及び翌日の時間単位の空調負荷値に基づいて最適化する処理を行うようにしている。
【０００５】
特許文献２に記載ものは、空調負荷実績データ、気象データ、カレンダデータ及び空調機器稼動スケジュールデータを用いて学習した予測モデルに対し、これら各データを入力して空調負荷の予測を行っている。
【０００６】
特許文献３に記載ものは、１日の周期的な変動パターンモデル式を付加したＡＲＭＡモデル式により空調負荷を予測する際に、新事例として入力された現時刻における実測データに対し、過去の実測データを事例とする事例ベースを用いて予測を行う位相事例ベースモデリングにより当日の最高負荷を予測し、この最高負荷に基づいてＡＲＭＡモデル式による予測負荷を補正している。
【先行技術文献】
【特許文献】
【０００７】
【特許文献１】特開２００６−７８００９号公報
【特許文献２】特開２００５−２２６８４５号公報
【特許文献３】特許第３１６８５２９号公報
【発明の概要】
【発明が解決しようとする課題】
【０００８】
このように、従来から空調機器の空調負荷を予測することは、空調機器を効率的に運転してエネルギ効率を向上する上で極めて重要となっている。
【０００９】
そこで、本発明は、空調機器の空調負荷を予測する際に用いる従来の気象データ、外気データを必要とせず、予測当日の立ち上がり負荷を利用し、パラメータ入力の煩雑さを解消し、オペレータが容易に利用できることで、空調機器を効率的に運転してエネルギ効率を向上させることを目的としている。
【課題を解決するための手段】
【００１０】
本発明は、過去の一定期間における複数日それぞれの時刻毎の空調負荷量を１日分の空調負荷量で除して各時刻の１日に対する負荷配分率を算出する時負荷配分率算出手段と、前記複数日の時刻毎の空調負荷量のうち、１日における空調が立ち上がる一定時間における各時刻の空調負荷量から１日分の空調負荷量を予測する日負荷量予測手段と、この日負荷量予測手段が予測した１日分の空調負荷量に、前記時負荷配分率算出手段で算出した各時刻の負荷配分率を乗じて各時刻の空調負荷量を予測する時負荷量予測手段とを有することを特徴とする。
【発明の効果】
【００１１】
本発明によれば、過去の一定期間における複数日それぞれの時刻毎の空調負荷量を１日分の空調負荷量で除して各時刻の１日に対する負荷配分率を算出するとともに、複数日の時刻毎の空調負荷量のうち、１日における空調が立ち上がる一定時間における各時刻の空調負荷量から１日分の空調負荷量を予測する。そして、この予測した１日分の空調負荷量に、算出済みの各時刻の負荷配分率を乗じて各時刻の空調負荷量を予測する。このようにして１日における各時刻の空調負荷量を予測することにより、空調機器を効率的に運転してエネルギ効率を向上させることができる。
【図面の簡単な説明】
【００１２】
【図１】本発明の第１の実施形態に係わる空調負荷予測装置の全体構成を示すブロック図である。
【図２】蓄熱槽を備えた熱源システムの全体構成図である。
【図３】図１の空調負荷予測装置による空調負荷予測方法を示すフローチャートである。
【図４】１日２４時間における午前１時から午前０時までの各時刻毎の冷房負荷配分率を一定期間分示すグラフである。
【図５】（ａ）は、図４に対し、一定期間分の複数日のうち例外日を除外した複数日における各時刻の１日に対する負荷配分率を算出した状態を示すグラフ、（ｂ）は（ａ）の平均値を算出した状態を示すグラフである。
【図６】立ち上がり期間の各時刻の空調負荷に対する重み係数の指数を、各日の１日の実績負荷量と、該実績負荷量に対する直線で示す予測負荷量との差異の２乗の和が最小となる値を求める（最小二乗法）ためのグラフである。
【図７】予測負荷量と実際の空調器運転負荷量である実績負荷量とを各時刻毎に示すとともに、１日の予測負荷量及び実績負荷量が時間が経過するに従って減少する状態を示すグラフである。
【図８】図７に示した予測負荷量に対する図２に示した冷凍機及び熱交換器の運転パターンを設定することを示すグラフである。
【図９】図８に示した運転パターン設定に対する図２に示した冷凍機及び熱交換器の稼動状態を示すグラフである。
【発明を実施するための形態】
【００１３】
以下、本発明の実施の形態を図面に基づき説明する。
【００１４】
本発明の一実施形態に係わる負荷予測装置は、図１に示すように、負荷データ収集部１と、空調負荷予測部３と、熱源設備制御部５と、熱源設備機器７とを主として備えている。
【００１５】
負荷データ収集部１は、過去の一定期間における複数日それぞれの時刻毎の空調負荷量を収集して蓄積するもので、後述する蓄熱槽の温度データなども格納する中央監視装置として機能している。空調負荷予測部３は、負荷データ収集部１で収集蓄積したデータに基づいて、熱源設備機器７における空調負荷を、後述するような回帰分析によって予測する。熱源設備制御部５は、空調負荷予測部３で予測した空調負荷を考慮して熱源設備機器７を制御する。
【００１６】
熱源設備機器７は、図２に示すように蓄熱槽９を備えた空調システムであり、室内の空調を行うファンコイル等の室内空調器１１と、蓄熱槽９に主に夜間電力を利用して蓄熱するための冷凍機１３，１５と、蓄熱槽９の熱源を利用して室内空調器１１による空調を行うための熱交換器１７と、室内の空調を行うための冷凍機１９と、を備えている。
【００１７】
なお、符号２１，２３はヘッダ、符号２５〜３５はポンプである。
【００１８】
次に、空調負荷予測部３による制御動作を含む図３に示すフローチャートに基づいて、上記した負荷予測装置による負荷予測方法を説明する。まず、負荷データ収集部１で、過去の一定期間における複数日それぞれの時刻毎の空調負荷量を収集して蓄積し（ステップＳ１）、この蓄積した過去のデータから、空調負荷予測のために採用する期間を、前年の同時期の一定期間（例えば前年同月の１ヶ月間）か、直前の一定期間（例えば３週間）のいずれかを設定する（ステップＳ２）。この設定作業はオペレータが手動で行う。
【００１９】
そして、上記採用した期間における複数日それぞれの１日の時刻毎の空調負荷量ｑdnを、１日分の空調負荷量Ｑdで除して、各時刻の１日に対する負荷配分率ｒdnを算出する（ステップＳ３）。すなわち、ｒdn＝ｑdn÷Ｑdである。したがって、空調負荷予測部３は、過去の一定期間における複数日それぞれの時刻毎の空調負荷量を１日分の空調負荷量で除して各時刻の１日に対する負荷配分率を算出する時負荷配分率算出手段を含んでいる。
【００２０】
図４は、１日２４時間における午前１時から午前０時までの各時刻毎の冷房負荷配分率ｒdnを一定期間分示しており、この一定期間分の複数日の冷房負荷配分率ｒdnの平均値を算出する（ステップＳ４）。
【００２１】
続いて、上記一定期間分の複数日の各日について、各時刻の負荷配分率と一定期間分の複数日の各時刻の負荷配分率の平均値との差異の二乗を求め、その求めた数値が大きい順に、１ヶ月期間であれば５日程度の冷房負荷配分率ｒdnを、上記ステップＳ４での平均値算出から除外する例外日を設定する（ステップＳ５）。
【００２２】
図５（ａ）は、図４に対し、上記した例外日を除外した複数日における各時刻の１日に対する負荷配分率ｒdnを算出した状態を示しており（ステップＳ６）、図５（ｂ）は図５（ａ）に対して平均値を算出した状態を示している（ステップＳ７）。なお、この例外日を除外した複数日における各時刻の１日に対する負荷配分率を、有効負荷配分率とする。
【００２３】
ここで、前記ステップＳ６の負荷配分率ｒdnの算出と並行して、負荷予測演算に使用する当日の空調が立ち上がる一定時間における時刻（例えば５時〜８時）を、オペレータが手動で設定した後（ステップＳ８）、該立ち上がりの各時刻の負荷量に指数逓減法による重み係数Ｋを設定する（ステップＳ９）。この重み係数は、空調（熱源）が稼動している最終時刻を最も大きくし、過去に遡るに従って小さくする。すなわち、重み係数は、空調が立ち上がる時間に近いほど小さくしている。これは、過去のデータ(負荷量)を利用する際に直近データから過去に遡るほど精度が悪くなることによる。
【００２４】
上記した重み係数Ｋは次式で計算する。
【００２５】
Ｋ0＝（１−α）1
Ｋ-1＝（１−α）2
Ｋ-2＝（１−α）3
Ｋ-3＝（１−α）4
但し、αは１より小さい（α＜１）指数であり、図６に示す各日の１日の実績負荷量と、該実績負荷量に対する直線で示す予測負荷量との差異の２乗の和が最小となる（最小二乗法）値を求め、これを指数αとして設定する。
【００２６】
なお、図６は、横軸が立ち上がり期間（５時〜８時）全体の負荷量で、縦軸が１日（２４時間）分の負荷量である。
【００２７】
次に、立ち上り期間の各時刻の負荷量に重み係数を乗じた数値の合計数値と、前記ステップＳ７で算出した有効負荷配分率から、次式により１日の負荷量Ｑを予測する（ステップＳ１０）。すなわち、空調負荷予測部３は、複数日の時刻毎の空調負荷量のうち、１日における空調が立ち上がる一定時間における各時刻の空調負荷量から１日分の空調負荷量を予測する日負荷量予測手段を含んでいる。
【００２８】
Ｑ＝{（Ｑo×Ｋ0）＋（Ｑ-1×Ｋ-1）＋（Ｑ-2×Ｋ-2）＋（Ｑ-3×Ｋ-3）}÷{（Ｒo×Ｋ0）＋（Ｒ-1×Ｋ-1）＋（Ｒ-2×Ｋ-2）＋（Ｒ-3×Ｋ-3）}
但し、Ｑo：予測時刻の負荷量（実測値）
Ｑ-1：予測時刻１時間前の負荷量（実測値）
Ｑ-2：予測時刻２時間前の負荷量（実測値）
Ｑ-3：予測時刻３時間前の負荷量（実測値）
Ｒo：予測時刻の負荷配分率
Ｒ-1：予測時刻１時間前の負荷配分率
Ｒ-2：予測時刻２時間前の負荷配分率
Ｒ-3：予測時刻３時間前の負荷配分率
Ｋo：予測時刻の重み係数
Ｋ-1：予測時刻１時間前の重み係数
Ｋ-2：予測時刻２時間前の重み係数
Ｋ-3：予測時刻３時間前の重み係数
そして、最後に上記予測した１日の負荷量（日負荷量）Ｑに各時刻の負荷配分率を乗じて各時刻の負荷量（時負荷量）ｑを次式により算出し（ステップＳ１１）、算出した各時負荷量データを図１の熱源設備機器７に出力する（ステップＳ１２）。すなわち、空調負荷予測部３は、日負荷量予測手段が予測した１日分の空調負荷量に、前記時負荷配分率算出手段で算出した各時刻の負荷配分率を乗じて各時刻の空調負荷量を予測する時負荷量予測手段を含んでいる。
【００２９】
ｑ1＝Ｑ×Ｒ1
ｑ2＝Ｑ×Ｒ2
ｑ3＝Ｑ×Ｒ3
・・・・・・
ｑ24＝Ｑ×Ｒ24
但し、ｑ1：１時の予測負荷量
ｑ2：２時の予測負荷量
ｑ3：３時の予測負荷量
・・・・・・
ｑ24：２４時の予測負荷量
図７は、このようにして算出した予測負荷量（破線Ａ）と、実際の空調機器運転負荷量である実績負荷量（実線Ｂ）とを各時刻毎に示しており、これら相互間の差が極めて小さく、負荷量の予測が精度よく実施されたことがわかる。
【００３０】
また、破線Ｃの時刻１時に対応する数値は、算出した１日の予測負荷量Ｑdに相当し、破線Ａで示す時刻毎の予測負荷量を、時間が経過するに従ってその前の時刻での予測負荷量を順次差し引いて示している。実線Ｄは、実線Ｂで示す実績負荷量を、時間が経過するに従ってその前の時刻で使用する実績負荷量を順次差し引いて示している。これら破線Ｃ及び実線Ｄの数値は、処理負担熱量として図７の右側の目盛りに対応している。
【００３１】
図８は、図７に破線Ａで示した予測負荷量に対し、一例として９時の時点での立ち上り負荷を予測した時間別負荷予測及び処理負担予測熱量と図２に示した冷凍機１３、１５，１９及び熱交換器１７の当日の運転計画のシミュレーションを示している。なお、図８のデータと図７のデータとは、異なる日を対象としているので、数値が互いに異なっている。
【００３２】
図８において、９時に予測された処理負担予測熱量（破線Ｃ）の９時（Ｅ部）と１７時（Ｆ部）との減算により該当時間９時から１７時までの必要室内空調負荷量と夜間に蓄熱された熱量（２点鎖線Ｇより下部の領域）を消費するよう、冷凍機１９（Ｈ部）の運転を仮定し、各時間の室内空調負荷の変動を熱交換器１７（Ｉ部）において実施するよう運転パターンを設定する。その際、夜間蓄熱量では賄えない室内空調負荷量を補うため冷凍機１３（Ｊ部）を９時から１１時まで稼働させる運転パターンを仮定する。これにより蓄熱槽９に蓄えられた熱量が室内空調負荷の高負荷時間終了の１７時に蓄熱槽の熱を使い切るようシュミレーションし、フィードフォワードによる冷凍機１３、１５、１９及び熱交換器１７の最適運転計画を容易に設定することができる。
【００３３】
図９は、図８で示された負荷予測及び図２による冷凍機１３、１５，１９及び熱交換器１７の実際の稼働結果と負荷実績の結果を示している。
【００３４】
図９において、２２時から８時まで夜間電力利用による冷凍機１３，１５（Ｊ、Ｋ部）の運転で蓄熱槽９に畜熱し、室内空調負荷は冷凍機１９（Ｈ部）にて行う。９時の時点において立ち上がり負荷を考慮した各時刻の予測負荷量が演算され、予測負荷熱量（破線Ａ）として示される。空調負荷が高まる９時から１１時までは、冷凍機１９（Ｈ部）と冷凍機１３（Ｊ部）による負荷予測時にシュミレーションされた熱源機器運転計画での運転を行い、蓄熱槽９に蓄熱した熱量を利用して熱交換器１７（Ｉ部）で室内空調負荷に追従させた運転を示している。１２時から１７時までは冷凍機１９（Ｈ部）のベース運転と蓄熱槽９に蓄熱した熱量を熱交換器１７（Ｉ部）により室内空調負荷に追従し、電力ピーク時間帯では、冷凍機１３（Ｊ部）を停止した運転を示している（ピークカット運転）。また１８時から２２時はベース機である冷凍機１９（Ｈ部）にて室内空調負荷に追従した運転を示している。
【００３５】
このように図８及び図９より、従来のフィードバック制御ではその時刻の必要負荷熱量(実績)で熱源機器を追いかけ運転し、蓄熱槽へ過剰蓄熱してしまうことによる残蓄熱が発生するが、日負荷量を予測した必要熱量から冷凍機１３，１５，１９の運転パターンを決め、計画的に冷凍機１３（Ｊ部）を１１時に停止させ、夜間に蓄熱した熱量を熱交換器１７（Ｉ部）で有効に使い切ることを考慮したシミュレーションが可能となり、実際、図９での予測負荷熱量（破線Ａ）と実績負荷熱量（実線Ｂ）との関係及び、処理負担予測熱量（破線Ｃ）と実績処理負担熱量（実線Ｄ）との関係は、それぞれ±５％以内の精度となっており、熱源機器の最適化運転及びエネルギの効率利用が得られる。
【００３６】
以上のように、本実施形態によれば、過去の一定期間における複数日それぞれの時刻毎の空調負荷量（時負荷量）ｑdnを１日分の空調負荷量（日負荷量）Ｑdで除して各時刻の１日に対する負荷配分率ｒdnを算出するとともに、複数日の時刻毎の空調負荷量のうち、１日における空調が立ち上がる一定期間（例えば５時〜８時）における各時刻の空調負荷量から１日分の空調負荷量Ｑdを予測する。
【００３７】
この場合、１日分の空調負荷量Ｑdを、特定の説明変数（空調が立ち上がる一定期間の負荷量）によって、一定の精度（例えば９５％の精度）で同定することが可能である。
【００３８】
そして、この予測した１日分の空調負荷量Ｑdに、算出済みの各時刻の負荷配分率ｒdnを乗じて各時刻の空調負荷量ｑを予測する。このようにして１日における各時刻の空調負荷量ｑを予測することにより、空調機器である熱源設備機器７を効率的に運転してエネルギ効率を向上させることができる。
【００３９】
その際、本実施形態では、次のような効果が得られる。
【００４０】
（１）プログラム構造がシンプルで低コスト。
【００４１】
（２）簡易なアルゴリズムで予測結果が明確に得られる。
【００４２】
（３）空調負荷の実績値の蓄積を基にした設定パラメータ（空調負荷予測のために採用する過去の一定期間）の更新が容易である。すなわち、ＸＸ月ＸＸ日〜ＹＹ月ＹＹ日の設定ができ、月、季節などで任意に指定できる。
【００４３】
（４）空調機器を使用する建物固有の負荷特性にあったパラメータ（前述した回帰分析による建物固有の負荷配分率）を設定することが可能である。例えば、オフィスビルであれば、出勤時間帯やオフィスビル活動ピーク時間帯に応じて負荷配分率を設定でき、商業ビルであれば、繁忙時間帯である例えば平日夕刻や休日午後のピーク時間帯に応じて負荷配分率を設定できる。これらの建物は、時負荷量の変動パターンが統一性と法則性を一定レベルで有していることから、建物固有の負荷配分率を精度よく算出することができる。
【００４４】
また、空調負荷予測の改善によって、蓄熱機器を備えた空調システムの最適化運転制御の採用が容易になり、簡単な操作で自動化運転が実現する。このことによって機器の成績係数が向上し、深夜電力の最大活用と電力ピークカット、ピークシフトなどにつながり、省エネルギとＣＯ2削減に貢献することが可能となる。
【００４５】
また、設備内容の変更や運用内容の変更には、プログラム構造等を変更することなく、予測式のパラメータ（空調負荷予測のために採用する過去の一定期間及び、当日の空調が立ち上がる一定時間における時刻）を変更することによって容易に対応することができる。
【００４６】
また、本実施形態では、１日における空調が立ち上がる一定時間における各時刻の空調負荷量に重み係数を設定し、この重み係数は、空調が立ち上がる時間に近いほど、過去に遡るほど、小さく設定している。このような設定とすることで、過去のデータ(負荷量)を利用する際に直近データから過去に遡るほど精度が悪くなるので、空調負荷予測をより高精度化することができる。
【００４７】
また、本実施形態では、一定期間における複数日それぞれの時刻毎の空調負荷量は、複数日の同一時刻での平均値としているので、より高精度な空調負荷予測が可能となる。
【００４８】
また、本実施形態では、各時刻の１日に対する負荷配分率と、過去の一定期間の複数日の同時刻の負荷配分率の平均値との差が、少なくとも最も大きい日を除外して各時刻の１日に対する負荷配分率を算出しているので、より高精度な空調負荷予測が可能となる。
【００４９】
なお、上記した実施形態では、空調負荷として冷房負荷を用いて説明したが、暖房負荷であっても同様に本発明を適用できる。
【符号の説明】
【００５０】
３ 空調負荷予測部（時負荷配分率算出手段、日負荷量予測手段、時負荷量予測手段）
【技術分野】
【０００１】
本発明は、空調機器の空調負荷を予測する空調負荷予測装置及び空調負荷予測方法に関する。
【背景技術】
【０００２】
空調機器のエネルギ消費量である空調負荷を予測することは、空調機器を効率的に運転してエネルギ効率を向上する上で極めて重要であり、特に夜間電力を有効利用する蓄熱機器を備えた空調システムではエネルギ消費量を抑える意味での要求度が高い。また従来の熱源機器の運転は、最大空調負荷を前提とし余剰に蓄熱するケースが発生しており、機器のランニングコストと環境負荷の低減には繋がらず、精度のよい空調負荷予測をすることで負荷に見合ったフィードフォワードの運転手法が要求される。
【０００３】
このような空調負荷を予測する例としては、例えば下記特許文献１〜３に記載されたものがある。
【０００４】
特許文献１に記載ものは、コンピュータ上に構築されたニューラルネットワークモデルを使用して、翌日の時間単位の空調負荷を予測する際に、外界条件データ、室内環境条件データ及び空調システム運転条件データを入力し、該入力データ毎の学習係数を、過去の入力データ及び翌日の時間単位の空調負荷値に基づいて最適化する処理を行うようにしている。
【０００５】
特許文献２に記載ものは、空調負荷実績データ、気象データ、カレンダデータ及び空調機器稼動スケジュールデータを用いて学習した予測モデルに対し、これら各データを入力して空調負荷の予測を行っている。
【０００６】
特許文献３に記載ものは、１日の周期的な変動パターンモデル式を付加したＡＲＭＡモデル式により空調負荷を予測する際に、新事例として入力された現時刻における実測データに対し、過去の実測データを事例とする事例ベースを用いて予測を行う位相事例ベースモデリングにより当日の最高負荷を予測し、この最高負荷に基づいてＡＲＭＡモデル式による予測負荷を補正している。
【先行技術文献】
【特許文献】
【０００７】
【特許文献１】特開２００６−７８００９号公報
【特許文献２】特開２００５−２２６８４５号公報
【特許文献３】特許第３１６８５２９号公報
【発明の概要】
【発明が解決しようとする課題】
【０００８】
このように、従来から空調機器の空調負荷を予測することは、空調機器を効率的に運転してエネルギ効率を向上する上で極めて重要となっている。
【０００９】
そこで、本発明は、空調機器の空調負荷を予測する際に用いる従来の気象データ、外気データを必要とせず、予測当日の立ち上がり負荷を利用し、パラメータ入力の煩雑さを解消し、オペレータが容易に利用できることで、空調機器を効率的に運転してエネルギ効率を向上させることを目的としている。
【課題を解決するための手段】
【００１０】
本発明は、過去の一定期間における複数日それぞれの時刻毎の空調負荷量を１日分の空調負荷量で除して各時刻の１日に対する負荷配分率を算出する時負荷配分率算出手段と、前記複数日の時刻毎の空調負荷量のうち、１日における空調が立ち上がる一定時間における各時刻の空調負荷量から１日分の空調負荷量を予測する日負荷量予測手段と、この日負荷量予測手段が予測した１日分の空調負荷量に、前記時負荷配分率算出手段で算出した各時刻の負荷配分率を乗じて各時刻の空調負荷量を予測する時負荷量予測手段とを有することを特徴とする。
【発明の効果】
【００１１】
本発明によれば、過去の一定期間における複数日それぞれの時刻毎の空調負荷量を１日分の空調負荷量で除して各時刻の１日に対する負荷配分率を算出するとともに、複数日の時刻毎の空調負荷量のうち、１日における空調が立ち上がる一定時間における各時刻の空調負荷量から１日分の空調負荷量を予測する。そして、この予測した１日分の空調負荷量に、算出済みの各時刻の負荷配分率を乗じて各時刻の空調負荷量を予測する。このようにして１日における各時刻の空調負荷量を予測することにより、空調機器を効率的に運転してエネルギ効率を向上させることができる。
【図面の簡単な説明】
【００１２】
【図１】本発明の第１の実施形態に係わる空調負荷予測装置の全体構成を示すブロック図である。
【図２】蓄熱槽を備えた熱源システムの全体構成図である。
【図３】図１の空調負荷予測装置による空調負荷予測方法を示すフローチャートである。
【図４】１日２４時間における午前１時から午前０時までの各時刻毎の冷房負荷配分率を一定期間分示すグラフである。
【図５】（ａ）は、図４に対し、一定期間分の複数日のうち例外日を除外した複数日における各時刻の１日に対する負荷配分率を算出した状態を示すグラフ、（ｂ）は（ａ）の平均値を算出した状態を示すグラフである。
【図６】立ち上がり期間の各時刻の空調負荷に対する重み係数の指数を、各日の１日の実績負荷量と、該実績負荷量に対する直線で示す予測負荷量との差異の２乗の和が最小となる値を求める（最小二乗法）ためのグラフである。
【図７】予測負荷量と実際の空調器運転負荷量である実績負荷量とを各時刻毎に示すとともに、１日の予測負荷量及び実績負荷量が時間が経過するに従って減少する状態を示すグラフである。
【図８】図７に示した予測負荷量に対する図２に示した冷凍機及び熱交換器の運転パターンを設定することを示すグラフである。
【図９】図８に示した運転パターン設定に対する図２に示した冷凍機及び熱交換器の稼動状態を示すグラフである。
【発明を実施するための形態】
【００１３】
以下、本発明の実施の形態を図面に基づき説明する。
【００１４】
本発明の一実施形態に係わる負荷予測装置は、図１に示すように、負荷データ収集部１と、空調負荷予測部３と、熱源設備制御部５と、熱源設備機器７とを主として備えている。
【００１５】
負荷データ収集部１は、過去の一定期間における複数日それぞれの時刻毎の空調負荷量を収集して蓄積するもので、後述する蓄熱槽の温度データなども格納する中央監視装置として機能している。空調負荷予測部３は、負荷データ収集部１で収集蓄積したデータに基づいて、熱源設備機器７における空調負荷を、後述するような回帰分析によって予測する。熱源設備制御部５は、空調負荷予測部３で予測した空調負荷を考慮して熱源設備機器７を制御する。
【００１６】
熱源設備機器７は、図２に示すように蓄熱槽９を備えた空調システムであり、室内の空調を行うファンコイル等の室内空調器１１と、蓄熱槽９に主に夜間電力を利用して蓄熱するための冷凍機１３，１５と、蓄熱槽９の熱源を利用して室内空調器１１による空調を行うための熱交換器１７と、室内の空調を行うための冷凍機１９と、を備えている。
【００１７】
なお、符号２１，２３はヘッダ、符号２５〜３５はポンプである。
【００１８】
次に、空調負荷予測部３による制御動作を含む図３に示すフローチャートに基づいて、上記した負荷予測装置による負荷予測方法を説明する。まず、負荷データ収集部１で、過去の一定期間における複数日それぞれの時刻毎の空調負荷量を収集して蓄積し（ステップＳ１）、この蓄積した過去のデータから、空調負荷予測のために採用する期間を、前年の同時期の一定期間（例えば前年同月の１ヶ月間）か、直前の一定期間（例えば３週間）のいずれかを設定する（ステップＳ２）。この設定作業はオペレータが手動で行う。
【００１９】
そして、上記採用した期間における複数日それぞれの１日の時刻毎の空調負荷量ｑdnを、１日分の空調負荷量Ｑdで除して、各時刻の１日に対する負荷配分率ｒdnを算出する（ステップＳ３）。すなわち、ｒdn＝ｑdn÷Ｑdである。したがって、空調負荷予測部３は、過去の一定期間における複数日それぞれの時刻毎の空調負荷量を１日分の空調負荷量で除して各時刻の１日に対する負荷配分率を算出する時負荷配分率算出手段を含んでいる。
【００２０】
図４は、１日２４時間における午前１時から午前０時までの各時刻毎の冷房負荷配分率ｒdnを一定期間分示しており、この一定期間分の複数日の冷房負荷配分率ｒdnの平均値を算出する（ステップＳ４）。
【００２１】
続いて、上記一定期間分の複数日の各日について、各時刻の負荷配分率と一定期間分の複数日の各時刻の負荷配分率の平均値との差異の二乗を求め、その求めた数値が大きい順に、１ヶ月期間であれば５日程度の冷房負荷配分率ｒdnを、上記ステップＳ４での平均値算出から除外する例外日を設定する（ステップＳ５）。
【００２２】
図５（ａ）は、図４に対し、上記した例外日を除外した複数日における各時刻の１日に対する負荷配分率ｒdnを算出した状態を示しており（ステップＳ６）、図５（ｂ）は図５（ａ）に対して平均値を算出した状態を示している（ステップＳ７）。なお、この例外日を除外した複数日における各時刻の１日に対する負荷配分率を、有効負荷配分率とする。
【００２３】
ここで、前記ステップＳ６の負荷配分率ｒdnの算出と並行して、負荷予測演算に使用する当日の空調が立ち上がる一定時間における時刻（例えば５時〜８時）を、オペレータが手動で設定した後（ステップＳ８）、該立ち上がりの各時刻の負荷量に指数逓減法による重み係数Ｋを設定する（ステップＳ９）。この重み係数は、空調（熱源）が稼動している最終時刻を最も大きくし、過去に遡るに従って小さくする。すなわち、重み係数は、空調が立ち上がる時間に近いほど小さくしている。これは、過去のデータ(負荷量)を利用する際に直近データから過去に遡るほど精度が悪くなることによる。
【００２４】
上記した重み係数Ｋは次式で計算する。
【００２５】
Ｋ0＝（１−α）1
Ｋ-1＝（１−α）2
Ｋ-2＝（１−α）3
Ｋ-3＝（１−α）4
但し、αは１より小さい（α＜１）指数であり、図６に示す各日の１日の実績負荷量と、該実績負荷量に対する直線で示す予測負荷量との差異の２乗の和が最小となる（最小二乗法）値を求め、これを指数αとして設定する。
【００２６】
なお、図６は、横軸が立ち上がり期間（５時〜８時）全体の負荷量で、縦軸が１日（２４時間）分の負荷量である。
【００２７】
次に、立ち上り期間の各時刻の負荷量に重み係数を乗じた数値の合計数値と、前記ステップＳ７で算出した有効負荷配分率から、次式により１日の負荷量Ｑを予測する（ステップＳ１０）。すなわち、空調負荷予測部３は、複数日の時刻毎の空調負荷量のうち、１日における空調が立ち上がる一定時間における各時刻の空調負荷量から１日分の空調負荷量を予測する日負荷量予測手段を含んでいる。
【００２８】
Ｑ＝{（Ｑo×Ｋ0）＋（Ｑ-1×Ｋ-1）＋（Ｑ-2×Ｋ-2）＋（Ｑ-3×Ｋ-3）}÷{（Ｒo×Ｋ0）＋（Ｒ-1×Ｋ-1）＋（Ｒ-2×Ｋ-2）＋（Ｒ-3×Ｋ-3）}
但し、Ｑo：予測時刻の負荷量（実測値）
Ｑ-1：予測時刻１時間前の負荷量（実測値）
Ｑ-2：予測時刻２時間前の負荷量（実測値）
Ｑ-3：予測時刻３時間前の負荷量（実測値）
Ｒo：予測時刻の負荷配分率
Ｒ-1：予測時刻１時間前の負荷配分率
Ｒ-2：予測時刻２時間前の負荷配分率
Ｒ-3：予測時刻３時間前の負荷配分率
Ｋo：予測時刻の重み係数
Ｋ-1：予測時刻１時間前の重み係数
Ｋ-2：予測時刻２時間前の重み係数
Ｋ-3：予測時刻３時間前の重み係数
そして、最後に上記予測した１日の負荷量（日負荷量）Ｑに各時刻の負荷配分率を乗じて各時刻の負荷量（時負荷量）ｑを次式により算出し（ステップＳ１１）、算出した各時負荷量データを図１の熱源設備機器７に出力する（ステップＳ１２）。すなわち、空調負荷予測部３は、日負荷量予測手段が予測した１日分の空調負荷量に、前記時負荷配分率算出手段で算出した各時刻の負荷配分率を乗じて各時刻の空調負荷量を予測する時負荷量予測手段を含んでいる。
【００２９】
ｑ1＝Ｑ×Ｒ1
ｑ2＝Ｑ×Ｒ2
ｑ3＝Ｑ×Ｒ3
・・・・・・
ｑ24＝Ｑ×Ｒ24
但し、ｑ1：１時の予測負荷量
ｑ2：２時の予測負荷量
ｑ3：３時の予測負荷量
・・・・・・
ｑ24：２４時の予測負荷量
図７は、このようにして算出した予測負荷量（破線Ａ）と、実際の空調機器運転負荷量である実績負荷量（実線Ｂ）とを各時刻毎に示しており、これら相互間の差が極めて小さく、負荷量の予測が精度よく実施されたことがわかる。
【００３０】
また、破線Ｃの時刻１時に対応する数値は、算出した１日の予測負荷量Ｑdに相当し、破線Ａで示す時刻毎の予測負荷量を、時間が経過するに従ってその前の時刻での予測負荷量を順次差し引いて示している。実線Ｄは、実線Ｂで示す実績負荷量を、時間が経過するに従ってその前の時刻で使用する実績負荷量を順次差し引いて示している。これら破線Ｃ及び実線Ｄの数値は、処理負担熱量として図７の右側の目盛りに対応している。
【００３１】
図８は、図７に破線Ａで示した予測負荷量に対し、一例として９時の時点での立ち上り負荷を予測した時間別負荷予測及び処理負担予測熱量と図２に示した冷凍機１３、１５，１９及び熱交換器１７の当日の運転計画のシミュレーションを示している。なお、図８のデータと図７のデータとは、異なる日を対象としているので、数値が互いに異なっている。
【００３２】
図８において、９時に予測された処理負担予測熱量（破線Ｃ）の９時（Ｅ部）と１７時（Ｆ部）との減算により該当時間９時から１７時までの必要室内空調負荷量と夜間に蓄熱された熱量（２点鎖線Ｇより下部の領域）を消費するよう、冷凍機１９（Ｈ部）の運転を仮定し、各時間の室内空調負荷の変動を熱交換器１７（Ｉ部）において実施するよう運転パターンを設定する。その際、夜間蓄熱量では賄えない室内空調負荷量を補うため冷凍機１３（Ｊ部）を９時から１１時まで稼働させる運転パターンを仮定する。これにより蓄熱槽９に蓄えられた熱量が室内空調負荷の高負荷時間終了の１７時に蓄熱槽の熱を使い切るようシュミレーションし、フィードフォワードによる冷凍機１３、１５、１９及び熱交換器１７の最適運転計画を容易に設定することができる。
【００３３】
図９は、図８で示された負荷予測及び図２による冷凍機１３、１５，１９及び熱交換器１７の実際の稼働結果と負荷実績の結果を示している。
【００３４】
図９において、２２時から８時まで夜間電力利用による冷凍機１３，１５（Ｊ、Ｋ部）の運転で蓄熱槽９に畜熱し、室内空調負荷は冷凍機１９（Ｈ部）にて行う。９時の時点において立ち上がり負荷を考慮した各時刻の予測負荷量が演算され、予測負荷熱量（破線Ａ）として示される。空調負荷が高まる９時から１１時までは、冷凍機１９（Ｈ部）と冷凍機１３（Ｊ部）による負荷予測時にシュミレーションされた熱源機器運転計画での運転を行い、蓄熱槽９に蓄熱した熱量を利用して熱交換器１７（Ｉ部）で室内空調負荷に追従させた運転を示している。１２時から１７時までは冷凍機１９（Ｈ部）のベース運転と蓄熱槽９に蓄熱した熱量を熱交換器１７（Ｉ部）により室内空調負荷に追従し、電力ピーク時間帯では、冷凍機１３（Ｊ部）を停止した運転を示している（ピークカット運転）。また１８時から２２時はベース機である冷凍機１９（Ｈ部）にて室内空調負荷に追従した運転を示している。
【００３５】
このように図８及び図９より、従来のフィードバック制御ではその時刻の必要負荷熱量(実績)で熱源機器を追いかけ運転し、蓄熱槽へ過剰蓄熱してしまうことによる残蓄熱が発生するが、日負荷量を予測した必要熱量から冷凍機１３，１５，１９の運転パターンを決め、計画的に冷凍機１３（Ｊ部）を１１時に停止させ、夜間に蓄熱した熱量を熱交換器１７（Ｉ部）で有効に使い切ることを考慮したシミュレーションが可能となり、実際、図９での予測負荷熱量（破線Ａ）と実績負荷熱量（実線Ｂ）との関係及び、処理負担予測熱量（破線Ｃ）と実績処理負担熱量（実線Ｄ）との関係は、それぞれ±５％以内の精度となっており、熱源機器の最適化運転及びエネルギの効率利用が得られる。
【００３６】
以上のように、本実施形態によれば、過去の一定期間における複数日それぞれの時刻毎の空調負荷量（時負荷量）ｑdnを１日分の空調負荷量（日負荷量）Ｑdで除して各時刻の１日に対する負荷配分率ｒdnを算出するとともに、複数日の時刻毎の空調負荷量のうち、１日における空調が立ち上がる一定期間（例えば５時〜８時）における各時刻の空調負荷量から１日分の空調負荷量Ｑdを予測する。
【００３７】
この場合、１日分の空調負荷量Ｑdを、特定の説明変数（空調が立ち上がる一定期間の負荷量）によって、一定の精度（例えば９５％の精度）で同定することが可能である。
【００３８】
そして、この予測した１日分の空調負荷量Ｑdに、算出済みの各時刻の負荷配分率ｒdnを乗じて各時刻の空調負荷量ｑを予測する。このようにして１日における各時刻の空調負荷量ｑを予測することにより、空調機器である熱源設備機器７を効率的に運転してエネルギ効率を向上させることができる。
【００３９】
その際、本実施形態では、次のような効果が得られる。
【００４０】
（１）プログラム構造がシンプルで低コスト。
【００４１】
（２）簡易なアルゴリズムで予測結果が明確に得られる。
【００４２】
（３）空調負荷の実績値の蓄積を基にした設定パラメータ（空調負荷予測のために採用する過去の一定期間）の更新が容易である。すなわち、ＸＸ月ＸＸ日〜ＹＹ月ＹＹ日の設定ができ、月、季節などで任意に指定できる。
【００４３】
（４）空調機器を使用する建物固有の負荷特性にあったパラメータ（前述した回帰分析による建物固有の負荷配分率）を設定することが可能である。例えば、オフィスビルであれば、出勤時間帯やオフィスビル活動ピーク時間帯に応じて負荷配分率を設定でき、商業ビルであれば、繁忙時間帯である例えば平日夕刻や休日午後のピーク時間帯に応じて負荷配分率を設定できる。これらの建物は、時負荷量の変動パターンが統一性と法則性を一定レベルで有していることから、建物固有の負荷配分率を精度よく算出することができる。
【００４４】
また、空調負荷予測の改善によって、蓄熱機器を備えた空調システムの最適化運転制御の採用が容易になり、簡単な操作で自動化運転が実現する。このことによって機器の成績係数が向上し、深夜電力の最大活用と電力ピークカット、ピークシフトなどにつながり、省エネルギとＣＯ2削減に貢献することが可能となる。
【００４５】
また、設備内容の変更や運用内容の変更には、プログラム構造等を変更することなく、予測式のパラメータ（空調負荷予測のために採用する過去の一定期間及び、当日の空調が立ち上がる一定時間における時刻）を変更することによって容易に対応することができる。
【００４６】
また、本実施形態では、１日における空調が立ち上がる一定時間における各時刻の空調負荷量に重み係数を設定し、この重み係数は、空調が立ち上がる時間に近いほど、過去に遡るほど、小さく設定している。このような設定とすることで、過去のデータ(負荷量)を利用する際に直近データから過去に遡るほど精度が悪くなるので、空調負荷予測をより高精度化することができる。
【００４７】
また、本実施形態では、一定期間における複数日それぞれの時刻毎の空調負荷量は、複数日の同一時刻での平均値としているので、より高精度な空調負荷予測が可能となる。
【００４８】
また、本実施形態では、各時刻の１日に対する負荷配分率と、過去の一定期間の複数日の同時刻の負荷配分率の平均値との差が、少なくとも最も大きい日を除外して各時刻の１日に対する負荷配分率を算出しているので、より高精度な空調負荷予測が可能となる。
【００４９】
なお、上記した実施形態では、空調負荷として冷房負荷を用いて説明したが、暖房負荷であっても同様に本発明を適用できる。
【符号の説明】
【００５０】
３ 空調負荷予測部（時負荷配分率算出手段、日負荷量予測手段、時負荷量予測手段）
【特許請求の範囲】
【請求項１】
過去の一定期間における複数日それぞれの時刻毎の空調負荷量を１日分の空調負荷量で除して各時刻の１日に対する負荷配分率を算出する時負荷配分率算出手段と、前記複数日の時刻毎の空調負荷量のうち、１日における空調が立ち上がる一定時間における各時刻の空調負荷量から１日分の空調負荷量を予測する日負荷量予測手段と、この日負荷量予測手段が予測した１日分の空調負荷量に、前記時負荷配分率算出手段で算出した各時刻の負荷配分率を乗じて各時刻の空調負荷量を予測する時負荷量予測手段とを有することを特徴とする空調負荷予測装置。
【請求項２】
前記１日における空調が立ち上がる一定時間における各時刻の空調負荷量に重み係数を設定し、この重み係数は、前記空調が立ち上がる時間に近いほど小さく設定されていることを特徴とする請求項１に記載の空調負荷予測装置。
【請求項３】
前記一定期間における複数日それぞれの時刻毎の空調負荷量は、前記複数日の同一時刻での平均値であることを特徴とする請求項１または２に記載の空調負荷予測装置。
【請求項４】
前記時負荷配分率算出手段は、前記各時刻の１日に対する負荷配分率と、前記過去の一定期間の複数日の同時刻の負荷配分率の平均値との差が、少なくとも最も大きい日を除外して各時刻の１日に対する負荷配分率を算出することを特徴とする請求項１ないし３のいずれか１項に記載の空調負荷予測装置。
【請求項５】
過去の一定期間における複数日それぞれの時刻毎の空調負荷量を１日分の空調負荷量で除して各時刻の１日に対する負荷配分率を算出するとともに、前記複数日の時刻毎の空調負荷量のうち、１日における空調が立ち上がる一定時間における各時刻の空調負荷量から１日分の空調負荷量を予測し、この予測した１日分の空調負荷量に、前記算出した各時刻の負荷配分率を乗じて各時刻の空調負荷量を予測することを特徴とする空調負荷予測方法。
【請求項１】
過去の一定期間における複数日それぞれの時刻毎の空調負荷量を１日分の空調負荷量で除して各時刻の１日に対する負荷配分率を算出する時負荷配分率算出手段と、前記複数日の時刻毎の空調負荷量のうち、１日における空調が立ち上がる一定時間における各時刻の空調負荷量から１日分の空調負荷量を予測する日負荷量予測手段と、この日負荷量予測手段が予測した１日分の空調負荷量に、前記時負荷配分率算出手段で算出した各時刻の負荷配分率を乗じて各時刻の空調負荷量を予測する時負荷量予測手段とを有することを特徴とする空調負荷予測装置。
【請求項２】
前記１日における空調が立ち上がる一定時間における各時刻の空調負荷量に重み係数を設定し、この重み係数は、前記空調が立ち上がる時間に近いほど小さく設定されていることを特徴とする請求項１に記載の空調負荷予測装置。
【請求項３】
前記一定期間における複数日それぞれの時刻毎の空調負荷量は、前記複数日の同一時刻での平均値であることを特徴とする請求項１または２に記載の空調負荷予測装置。
【請求項４】
前記時負荷配分率算出手段は、前記各時刻の１日に対する負荷配分率と、前記過去の一定期間の複数日の同時刻の負荷配分率の平均値との差が、少なくとも最も大きい日を除外して各時刻の１日に対する負荷配分率を算出することを特徴とする請求項１ないし３のいずれか１項に記載の空調負荷予測装置。
【請求項５】
過去の一定期間における複数日それぞれの時刻毎の空調負荷量を１日分の空調負荷量で除して各時刻の１日に対する負荷配分率を算出するとともに、前記複数日の時刻毎の空調負荷量のうち、１日における空調が立ち上がる一定時間における各時刻の空調負荷量から１日分の空調負荷量を予測し、この予測した１日分の空調負荷量に、前記算出した各時刻の負荷配分率を乗じて各時刻の空調負荷量を予測することを特徴とする空調負荷予測方法。
【図１】
【図２】
【図３】
【図４】
【図５】
【図６】
【図７】
【図８】
【図９】
【図２】
【図３】
【図４】
【図５】
【図６】
【図７】
【図８】
【図９】
【公開番号】特開２０１２−２２００５５（Ｐ２０１２−２２００５５Ａ）
【公開日】平成２４年１１月１２日（２０１２．１１．１２）
【国際特許分類】
【出願番号】特願２０１１−８３７４３（Ｐ２０１１−８３７４３）
【出願日】平成２３年４月５日（２０１１．４．５）
【出願人】（５９１０１４０４２）株式会社久米設計 (16)
【出願人】（３９００１８７０６）ジョンソンコントロールズ株式会社 (2)
【Ｆターム（参考）】
【公開日】平成２４年１１月１２日（２０１２．１１．１２）
【国際特許分類】
【出願日】平成２３年４月５日（２０１１．４．５）
【出願人】（５９１０１４０４２）株式会社久米設計 (16)
【出願人】（３９００１８７０６）ジョンソンコントロールズ株式会社 (2)
【Ｆターム（参考）】
[ Back to top ]