JP7768208B2 - 空気調和システム - Google Patents

Description

本開示は、空気調和システムに関する。

ＡＩ（Artificial Intelligence）を利用する空気調和システムが知られている。空気調和システムにＡＩを利用することにより、ユーザの好みや行動パターン等に応じた快適な空気調和空間を実現することができる。

特開２０１５－１１７９３３号公報

ところで、空気調和システムでは、タイマー設定により現在時刻よりも後に空気調和機の運転を開始する「予約運転」において、予約運転を開始する予約時刻に室内温度をユーザの設定した温度（以下では「ユーザ設定温度」と呼ぶことがある）にするように、予約時刻よりも前の時刻から予約時刻まで空気調和機を事前に運転させること（以下では「事前運転」と呼ぶことがある）が行われている。以下では、タイマー設定による空気調和機の運転開始の予約を「入タイマー予約」と呼び、空気調和機の予約運転の開始時刻を「入タイマー予約時刻」と呼ぶことがある。

室内機が設置された部屋の温度や湿度を一定に保つために必要なエネルギーである「空気調和負荷」（以下では「建物負荷」と呼ぶことがある）は、部屋毎に異なる。事前運転の開始時刻（以下では「事前運転開始時刻」と呼ぶことがある）が、予め定められた時刻（例えば、入タイマー予約時刻よりも４０分前の時刻）に固定されている場合、入タイマー予約時刻よりも前の時刻で事前運転を開始しても、建物負荷が大きい場合は入タイマー予約時刻に室内温度がユーザ設定温度に到達しない場合があり、この場合にユーザが不快に感じることがある。

本開示は、予約運転の際にユーザが感じる不快感を軽減することができる技術を提供する。

開示の態様では、空気調和システムは、室内機と、アダプタと、サーバ装置とを有する。前記室内機は、入タイマー予約時刻に室内温度をユーザ設定温度にする事前運転の開始時刻である第１開始時刻を前記アダプタから取得し、取得した前記第１開始時刻に前記事前運転を開始する。前記サーバ装置は、前記室内機から取得した運転情報データに基づいて、前記室内機が設置された部屋の建物負荷を予測するための学習モデルを生成する。前記アダプタは、前記サーバ装置から取得した前記学習モデルを用いて前記建物負荷を予測し、予測した前記建物負荷に基づいて、前記第１開始時刻を決定する。

開示の態様によれば、予約運転の際にユーザが感じる不快感を軽減することができる。

図１は、実施例１の空気調和システムの構成例を示す図である。 図２は、実施例１のアダプタの構成例を示す図である。 図３は、実施例１のサーバ装置の構成例を示す図である。 図４は、実施例１の運転情報データの一例を示す図である。 図５は、実施例１の体感温度設定予測モデルの生成または更新に使用される運転情報データの一例を示す図である。 図６は、実施例１の室外温度予報情報の一例を示す図である。 図７は、実施例１の空気調和システムの処理例の説明に供するフローチャートである。 図８は、実施例１の判定開始時刻テーブルの一例を示す図である。 図９は、実施例１のＡＩ判定により判定される事前運転開始時刻の一例を示す図である。 図１０は、実施例１の通常判定テーブルの一例を示す図である。

以下に、本開示の技術を図面に基づいて説明する。以下では、同一の構成には同一の符号を付す。

［実施例１］
＜空気調和システムの構成＞
図１は、実施例１の空気調和システムの構成例を示す図である。図１において、空気調和システム１は、室内機２と、アダプタ３と、ルータ４Ａ，４Ｂと、サーバ装置５と、中継装置６と、通信端末７と、通信網８とを有する。アダプタ３と中継装置６とは、ルータ４Ａ及び通信網８を介して相互に通信可能である。また、通信端末７と中継装置６とは、ルータ４Ｂ及び通信網８を介して相互に通信可能である。

以下では、学習モデルを用いてＡＩが行う判定を「ＡＩ判定」と呼ぶことがあり、ＡＩ判定の判定結果を用いて空気調和機を制御することを「ＡＩ制御」と呼ぶことがある。

室内機２は、室内に配置され、室内の空気を加熱または冷却する空気調和機の一部である。空気調和機は、主に、室内機２と、屋外に配置される室外機（図示省略）とを有する。空気調和機のユーザは、リモコン９の操作により室内機２を遠隔操作することが可能である。リモコン９の一例として、赤外線リモコンまたは電波リモコンが挙げられる。室内機２は、本体２Ａと、本体２Ａを制御する制御部２Ｂとを有する。制御部２Ｂは、例えばＣＰＵ（Central Processing Unit）、ＭＰＵ（Micro Processing Unit）、ＭＣＵ（Micro Controller Unit）等のプロセッサにより実現される。本体２Ａは、室内ファン及び室内熱交換器等を備え、室内熱交換器で冷媒と熱交換が行われた室内空気が本体２Ａから吹き出されることで、部屋の暖房、冷房、除湿が行われる。また、本体２Ａには、室内機２を直接操作可能な操作ボタンが設けられる。また、空気調和機の他の一部である室外機には、室外ファン、室外熱交換器、圧縮機、膨張弁等が備えられている。

アダプタ３は、室内機２とルータ４Ａとの間を無線通信で接続する通信機能と、室内機２をＡＩ（Artificial Intelligence）制御する制御機能とを有する。アダプタ３は、室内機２毎に設置される。ルータ４Ａは、例えばＷＬＡＮ（Wireless Local Area Network）等を使用して、アダプタ３と無線通信で接続し、アダプタ３と通信網８とを接続する。通信網８の一例として、インターネット等が挙げられる。

通信端末７の一例として、ユーザが利用するスマートフォン、タブレット端末等が挙げられる。ルータ４Ｂは、例えばＷＬＡＮ等を使用して、通信端末７と無線通信で接続し、通信端末７と通信網８とを接続する。ユーザは、通信端末７を操作することにより、室内機２を操作することが可能である。

サーバ装置５は、室内機２を制御するＡＩの学習モデルを生成する機能、及び、空気調和機の運転情報データを記憶するデータベース等を有する。サーバ装置５は、例えば、データセンタに設置されている。中継装置６は、通信網８に接続され、サーバ装置５と通信する機能を有する。中継装置６は、アダプタ３に適用される学習モデルの生成または更新に使用される運転情報データをアダプタ３から受信し、受信した運転情報データをサーバ装置５へ送信する。また、中継装置６は、サーバ装置５で生成または更新された学習モデルをサーバ装置５から受信し、受信した学習モデルをアダプタ３へ送信する。

中継装置６は、第１の中継部６Ａと、第２の中継部６Ｂと、第３の中継部６Ｃとを有する。第１の中継部６Ａは、アダプタ３とサーバ装置５との間で、ＡＩ制御に関わる各種データを送信する。例えば、第１の中継部６Ａは、アダプタ３から受信した運転情報データをサーバ装置５へ送信するとともに、運転情報データを用いてサーバ装置５が生成または更新した学習モデルをアダプタ３へ送信する。第２の中継部６Ｂは、ユーザが通信端末７を使用して設定した室内機２の運転条件（冷房／暖房といった運転モードや設定温度等）を取得し、取得した運転条件をアダプタ３経由で室内機２へ送信する。第３の中継部６Ｃは、通信網８を通して天気予報等の外部データを取得し、取得した外部データをサーバ装置５やアダプタ３へ送信する。

＜アダプタの構成＞
図２は、実施例１のアダプタの構成例を示す図である。図２において、アダプタ３は、第１の通信部１１と、第２の通信部１２と、記憶部１３と、プロセッサ１４とを有する。

第１の通信部１１は室内機２の制御部２Ｂと通信し、例えばＵＡＲＴ（Universal Asynchronous Receiver Transmitter）等の通信ＩＦ（Interface）により実現される。第２の通信部１２はルータ４Ａと通信し、例えばＷＬＡＮ用の通信ＩＦにより実現される。記憶部１３は、例えばＨＤＤ（Hard Disk Drive）、ＲＯＭ（Read Only Memory）、ＲＡＭ（Random Access Memory）等により実現され、データやプログラム等の各種情報を記憶する。プロセッサ１４は、例えばＣＰＵ、ＭＰＵ、ＭＣＵ等により実現される。

記憶部１３は、運転情報メモリ１３Ａと、モデルメモリ１３Ｂと、外部メモリ１３Ｃとを有する。運転情報メモリ１３Ａは、室内機２から取得された運転情報データを一時記憶する。モデルメモリ１３Ｂは、サーバ装置５から取得した学習モデルを記憶する。外部メモリ１３Ｃは、外部データを記憶する。

プロセッサ１４は、プロセッサ１４における機能ブロックとして、取得部１４Ａと、送信部１４Ｂと、受信部１４Ｃと、設定部１４Ｄと、予測部１４Ｅとを有する。

取得部１４Ａは、設定温度や室内温度等の運転情報データを、所定の周期で（例えば５分毎に）室内機２から取得する。取得部１４Ａは、取得した運転情報データを運転情報メモリ１３Ａに記憶させる。なお、後に図４を用いて説明するように、運転情報データは、運転情報データの取得年月日であるタイムスタンプを含んでいる。

送信部１４Ｂは、運転情報メモリ１３Ａに記憶された運転情報データを運転情報メモリ１３Ａから取得し、取得した運転情報データをサーバ装置５へ送信する。

受信部１４Ｃは、サーバ装置５から学習モデルを受信し、受信した学習モデルをモデルメモリ１３Ｂに記憶させる。

設定部１４Ｄは、モデルメモリ１３Ｂに記憶された学習モデルをモデルメモリ１３Ｂから取得し、取得した学習モデルを予測部１４Ｅに設定する。

予測部１４Ｅは、設定部１４Ｄにより設定された学習モデルを用いて室内機２の制御部２Ｂを制御する。なお、予測部１４Ｅは、学習モデルを用いて室内機２の本体２Ａを直接制御しても良い。また、予測部１４Ｅは、学習モデルに基づく制御態様を制御部２Ｂに送信することにより、制御部２Ｂを介して本体２Ａを間接的に制御しても良い。

＜サーバ装置の構成＞
図３は、実施例１のサーバ装置の構成例を示す図である。図３において、サーバ装置５は、通信部３１と、記憶部３２と、プロセッサ３３とを有する。通信部３１は中継装置６と通信し、例えば通信ＩＦにより実現される。記憶部３２は、例えばＨＤＤ、ＲＯＭ、ＲＡＭ等により実現され、データやプログラム等の各種情報を記憶する。プロセッサ３３は、例えばＣＰＵ、ＭＰＵ、ＭＣＵ等により実現される。

記憶部３２は、データメモリ３２Ａと、モデルメモリ３２Ｂとを有する。データメモリ３２Ａは、アダプタ３から受信された運転情報データを記憶する。モデルメモリ３２Ｂは、サーバ装置５で生成または更新された学習モデルを記憶する。

プロセッサ３３は、プロセッサ３３における機能ブロックとして、受信部３３Ａと、学習部３３Ｂと、送信部３３Ｃとを有する。

受信部３３Ａは、複数の室内機２のそれぞれに接続された各アダプタ３から運転情報データを受信し、受信した運転情報データをデータメモリ３２Ａに記憶させる。

学習部３３Ｂは、データメモリ３２Ａに記憶された運転情報データを用いて機械学習を行い、学習結果に基づいて学習モデルを生成または更新する。学習部３３Ｂは、生成または更新した学習モデルをモデルメモリ３２Ｂに記憶させる。学習モデルの一例として、各家庭の空気調和機の運転状況に基づいてユーザの体感温度を予測し、予測した体感温度に応じて空気調和機を制御する「体感温度設定予測モデル」が挙げられる。

送信部３３Ｃは、モデルメモリ３２Ｂに記憶されている学習モデルをモデルメモリ３２Ｂから取得し、取得した学習モデルを中継装置６経由でアダプタ３へ送信する。

＜運転情報データの一例＞
図４は、実施例１の運転情報データの一例を示す図である。運転情報データには、例えば、運転状態、運転モード、設定温度、室内温度（室温）、室内湿度、風量、風向、人感センサ、輻射センサ、室内熱交温度、室外温度（外気温）、圧縮機回転数、室外風量、運転電流、室外熱交温度、吐出温度、圧縮機温度、膨張弁開度、放熱器温度、起動失敗履歴、異常停止履歴、応急運転履歴、タイムスタンプ、空気調和機ＩＤ、設置場所、施設種類等がある。

運転状態は、室内機２の運転のＯＮ－ＯＦＦ状態を示す。運転モードは、室内機２の冷房や暖房等の動作モードを示す。設定温度は、ユーザによって設定された温度であり、室内機２が使用される室内の目標温度を示す。室内温度は、室内機２が使用される室内の実際の温度を示す。室内湿度は、室内機２が使用される室内の実際の湿度を示す。風量は、室内機２から吹き出される室内空気の風量を示す。風向は、室内機２から吹き出される室内空気の風向を示す。人感センサは、室内の人の有無や活動量のセンサによる検出結果を示す。輻射センサは、室内の床や壁の温度の検出結果を示す。室内熱交温度は、室内機２の本体２Ａの一部をなす室内熱交換器の温度を示す。室外温度は、室外の実際の温度を示す。圧縮機回転数は、室内機２と冷媒配管で接続される室外機に備えられた圧縮機の運転回転数を示す。室外風量は、室外機に備えられる室外ファンによって生成される風量を示す。運転電流は、例えば、室内機２及び室外機等の空気調和機全体の運転電流を示す。室外熱交温度は、室外機に備えられる室外熱交換機の温度を示す。吐出温度は、圧縮機から吐出される冷媒の温度を示す。圧縮機温度は、圧縮機底部の温度を示す。膨張弁開度は、室外機に備えられる電子膨張弁の開度を示す。放熱器温度は、圧縮機を駆動制御するパワー半導体の温度を示す。起動失敗履歴は、圧縮機の起動の失敗の履歴を示す。異常停止履歴は、空気調和機の異常停止の履歴を示す。応急運転履歴は、応急運転の実施履歴を示す。タイムスタンプは、各々の運転情報データの取得日時を年月日時分秒で示す。空気調和機ＩＤは、空気調和機を識別するために室内機２に付与されるＩＤを示す。設置場所は、空気調和機が設置された場所の住所を示す。施設種類は、空気調和機が設置された施設の種類（店舗、飲食店、工場等）を示す。

図４に示す各運転情報データは、家庭用または業務用といった空気調和機の用途に応じて使い分けられる。家庭用の空気調和機に使用される運転情報データとしては、例えば、運転状態、運転モード、設定温度、室内温度、室内湿度、風量、風向、人感センサ、輻射センサ、タイムスタンプ、空気調和機ＩＤ、設置場所等がある。家庭用の空気調和機では、快適性や省エネ性を追求して、ＡＩを用いて操作や提案が行われるため、例えば、設定温度、運転モード、室内や周囲環境等が家庭用に必要なデータとなる。

一方で、業務用の空気調和機に使用される運転情報データとしては、例えば、運転状態、運転モード、設定温度、室内温度、室内湿度、風量、風向、人感センサ、輻射センサ、室内熱交温度、室外温度、圧縮機回転数、室外風量、運転電流、室外熱交温度、吐出温度、圧縮機温度、膨張弁開度、放熱器温度、起動失敗履歴、異常停止履歴、応急運転履歴、タイムスタンプ、空気調和機ＩＤ、設置場所、施設種類等がある。業務用の空気調和機では、ＡＩが各機器の故障やメンテナンスの必要性を予測する。例えば、業務用の空気調和機では、空気調和機内の各部品の運転状況や履歴が蓄積され、蓄積された運転状況や履歴に基づいて、ＡＩが各部品の故障時期を予測する。なお、空気調和機に備えられる圧縮機やファンモータについては、空気調和機の停止中運転情報データが発生しないため、例えば、圧縮機回転数、室外風量、運転電流及び室外熱交温度のデータは空気調和機の停止中には取得しなくても良い。

学習モデルが例えば体感温度設定予測モデルの場合、体感温度設定予測モデルの生成または更新には、設定温度、室内温度、室内湿度、室外温度等の時系列の運転情報データが使用される。図５は、実施例１の体感温度設定予測モデルの生成または更新に使用される運転情報データの一例を示す図である。体感温度設定予測モデルに使用される運転情報データは、図５に示すように、季節に応じて異なる。例えば、冬季の体感温度設定予測モデルでは、設定温度、室内温度、室内湿度及び室外温度等が使用される。一方で、夏季の体感温度設定予測モデルでは、冬季に使用される運転情報データに加えて、例えば、風量と人感センサの検出データ（人の有無や活動量）が使用される。

＜空気調和システムの処理・動作＞
空気調和機の冷房運転時には、室外温度が同一の場合、建物負荷が小さいほど、また、空気調和機が現在発揮している空気調和能力（以下では「現在発揮能力」と呼ぶことがある）が高いほど、より早く室内温度が低下する。また、空気調和機の冷房運転時には、室外温度が同一の場合、室内温度と、室内温度よりも低いユーザ設定温度との差の絶対値が小さいほど、室内温度はより早くユーザ設定温度に到達する。また、空気調和機が冷房運転後に運転を停止した際には、室外温度が同一の場合、建物負荷が大きいほど、より早く室内温度が上昇する。また、空気調和機が冷房運転後に運転を停止した際には、建物負荷が同一の場合、室外温度が高いほど、より早く室内温度が上昇する。

一方で、空気調和機の暖房運転時には、室外温度が同一の場合、建物負荷が小さいほど、また、現在発揮能力が高いほど、より早く室内温度が上昇する。また、空気調和機の暖房運転時には、室外温度が同一の場合、室内温度と、室内温度よりも高いユーザ設定温度との差の絶対値が小さいほど、室内温度はより早くユーザ設定温度に到達する。また、空気調和機が暖房運転後に運転を停止した際には、室外温度が同一の場合、建物負荷が大きいほど、より早く室内温度が低下する。また、空気調和機が暖房運転後に運転を停止した際には、建物負荷が同一の場合、室外温度が低いほど、より早く室内温度が低下する。

そこで、サーバ装置５の学習部３３Ｂが、室内機２が設置された部屋の建物負荷を予測するための学習モデル（以下では「建物負荷予測モデル」と呼ぶことがある）を生成または更新するにあたっては、アダプタ３は、運転情報データとして、図４に示す各情報に加えて、現在発揮能力を所定の周期で（例えば５分毎に）室内機２から取得し、取得した現在発揮能力をサーバ装置５へ送信する。学習部３３Ｂは、現在発揮能力と、図４における室外温度及び室内温度とを運転情報データとして用いて機械学習を行い、学習結果に基づいて建物負荷予測モデルを生成または更新する。生成または更新された建物負荷予測モデルは、送信部３３Ｃによりサーバ装置５からアダプタ３へ送信されてモデルメモリ１３Ｂに記憶される。モデルメモリ１３Ｂに記憶された建物負荷予測モデルは、設定部１４Ｄにより予測部１４Ｅに設定される。

図７は、実施例１の空気調和システムの処理例の説明に供するフローチャートである。以下では、２４時間制で時刻を表記する。

図７に示すフローチャートは、ＡＩ制御がユーザによりオンに設定されている場合にだけ、所定の周期で（例えば５分毎に）開始される。つまり、ＡＩ制御がユーザによりオンに設定されている場合にだけ事前運転が行われ、ＡＩ制御がユーザによりオフに設定されている場合は、予約運転は可能だが事前運転は行われない。

図７において、ステップＳ１０１では、室内機２の制御部２Ｂは、入タイマー予約が設定されているか否かを判定する。入タイマー予約が設定されている場合は（ステップＳ１０１：Ｙｅｓ）、制御部２Ｂは、入タイマー予約時刻をアダプタ３へ送信し、処理はステップＳ１０３へ進む。制御部２Ｂから送信された入タイマー予約時刻は、アダプタ３の第１の通信部１１を介して予測部１４Ｅに入力される。一方で、入タイマー予約が設定されていない場合は（ステップＳ１０１：Ｎｏ）、ステップＳ１０３～Ｓ１２３の処理が行われることなく、処理は終了する。

ステップＳ１０３では、制御部２Ｂは、現在時刻が建物負荷を予測するためのＡＩ判定の開始時刻（以下では「ＡＩ判定開始時刻」と呼ぶことがある）の６分前になるまで待機する（ステップＳ１０３：Ｎｏ）。上述したようにアダプタ３と室内機２とは５分毎に通信を行っているため、以下のステップＳ１０５，Ｓ１０７の処理で室内ファンを１分間駆動させた後に検出される室内温度をＡＩ判定開始時刻までに確実に取得するために、ＡＩ判定開始時刻時刻の６分前にステップＳ１０５の処理を行っている。現在時刻がＡＩ判定開始時刻の６分前である場合は（ステップＳ１０３：Ｙｅｓ）、処理はステップＳ１０５へ進む。

ここで、制御部２Ｂは、図８に示す判定開始時刻テーブルＴＡ１に従って、ステップＳ１０３の判定を行う。図８は、実施例１の判定開始時刻テーブルの一例を示す図である。判定開始時刻テーブルＴＡ１は、室内機２が有するメモリ（図示省略）に予め記憶されている。図８に示すように、判定開始時刻テーブルＴＡ１には、空気調和機の運転停止直前の運転モード（以下では「運転停止前運転モード」と呼ぶことがある）と、ＡＩ判定開始時刻との対応付けが予め設定されている。ステップＳ１０３では、制御部２Ｂは、運転停止前運転モードが「冷房」である場合は、判定開始時刻テーブルＴＡ１から、ＡＩ判定開始時刻が入タイマー予約時刻の４０分前の時刻であると決定する。よって例えば、運転停止前運転モードが「冷房」であり、かつ、入タイマー予約時刻が６時００分である場合は、制御部２Ｂは、ＡＩ判定開始時刻を５時２０分と決定する。また、制御部２Ｂは、運転停止前運転モードが「暖房」である場合は、判定開始時刻テーブルＴＡ１から、ＡＩ判定開始時刻が入タイマー予約時刻の６０分前の時刻であると決定する。よって例えば、運転停止前運転モードが「暖房」であり、かつ、入タイマー予約時刻が６時００分である場合は、制御部２Ｂは、ＡＩ判定開始時刻を５時００分と決定する。なお、運転停止前運転モードは、入タイマー予約の設定時に室内機２の運転が終了する際に、室内機２が有するメモリに予め記憶される。

図７に戻り、ステップＳ１０５では、制御部２Ｂは、室内温度検出のために、室内機２が有する室内ファンを事前に１分間駆動させる。

制御部２Ｂは、室内ファンを１分間駆動させた後、ステップＳ１０７において、現在の室内温度（以下では「現在室内温度」と呼ぶことがある）を検出する。また、制御部２Ｂは、現在室内温度とユーザ設定温度との差から、空気調和機の運転開始時に空気調和機に発揮させる空気調和能力（以下では「運転開始時能力」と呼ぶことがある）を算出する。通常、現在室内温度とユーザ設定温度との差が大きいほど、より高い運転開始時能力が要求される。制御部２Ｂは、検出した現在室内温度と、算出した運転開始時能力とをアダプタ３へ送信する。現在室内温度及び運転開始時能力は、アダプタ３の第１の通信部１１を介して予測部１４Ｅに入力される。

次いで、ステップＳ１０９では、制御部２Ｂは、ステップＳ１０７の処理を行ってから５分経過するまで待機し（ステップＳ１０９：Ｎｏ）、ステップＳ１０７の処理を行ってから５分経過後に（ステップＳ１０９：Ｙｅｓ）、処理はステップＳ１１１へ進む。後述するようにしてアダプタ３の予測部１４Ｅは５分毎に室外温度の予報情報（以下では「室外温度予報情報」と呼ぶことがある）を取得するため、制御部２Ｂは、ステップＳ１０７の処理を行ってから５分経過するまで待機する。

ステップＳ１１１では、予測部１４Ｅは、ＡＩ判定により事前運転開始時刻を決定する。

すなわち、まず、予測部１４Ｅは、空気調和システム１の外部から中継装置６および通信網８を介して、室外温度予報情報を取得する。室外温度は「外気温」と呼ばれることもある。室外温度予報情報は、例えば、第３の中継部６Ｃが通信網８を通して取得する外部データの一つである天気予報に含まれる。予測部１４Ｅは、例えば５分毎に室外温度予報情報を取得する。予測部１４Ｅは、例えば現在の日時が２０１８年１２月２４日の１８時００分～１８時５９分の範囲にある場合、図６に示す室外温度予報情報ＦＩを取得する。図６は、実施例１の室外温度予報情報の一例を示す図である。室外温度予報情報ＦＩ（図６）には、２０１８年１２月２４日の１８時から１時間毎の２４時間分の室外温度予報値が含まれる。図６において、例えば２０１８年１２月２４日の１８時の室外温度予報値６℃は、２０１８年１２月２４日の１８時００分～１８時５９分における室外温度予報値を示す。また、予測部１４Ｅは、室外温度予報情報ＦＩから、入タイマー予約時刻における室外温度の予報値（以下では「室外温度予報値」と呼ぶことがある）を抽出する。例えば、予測部１４Ｅは、入タイマー予約時刻が６時００分である場合は、室外温度予報情報ＦＩ（図６）から、入タイマー予約時刻である６時００分における室外温度予報値ＦＶ（０℃）を抽出する。このようにして、予測部１４Ｅは、入タイマー予約時刻での最新の室外温度予報値を室外温度予報情報から抽出する。

次いで、予測部１４Ｅは、制御部２Ｂから取得された現在室内温度及び運転開始時能力と、抽出した室外温度予報値（つまり、入タイマー予約時刻での室外温度予報値）とを建物負荷予測モデルへ入力し、建物負荷予測モデルを用いて、室内機２が設置された部屋の建物負荷を予測する。

そして、予測部１４Ｅは、予測した建物負荷に基づいて、事前運転開始時刻を決定する。

図９は、実施例１のＡＩ判定により決定される事前運転開始時刻の一例を示す図である。図９に示すように、例えば、運転停止前運転モードが「冷房」である場合は、予測部１４Ｅは、予測した建物負荷に基づいて、入タイマー予約時刻よりも０～４０分前の範囲で５分刻みの事前運転開始時刻を決定する。また例えば、運転停止前運転モードが「暖房」である場合は、予測部１４Ｅは、予測した建物負荷に基づいて、入タイマー予約時刻よりも０～６０分前の範囲で５分刻みの事前運転開始時刻を決定する。例えば、６時００分の入タイマー予約時刻に対して３０分前の事前運転開始時刻は、５時３０分となる。予測部１４Ｅが決定する事前運転開始時刻は、通常、予測された建物負荷が大きいほど、入タイマー予約時刻よりも、より前の時刻となる。予測部１４Ｅは、決定した事前運転開始時刻を第１の通信部１１を用いて室内機２の制御部２Ｂへ送信する。アダプタ３と制御部２Ｂとの通信は５分間隔で行われる。

例えば、図９において、運転停止前運転モードが「冷房」である場合のＡＩ判定開始時刻「４０分前」は、空気調和機が冷房運転を行う夏季の所定期間（以下では「夏季所定期間」と呼ぶことがある）において想定される建物負荷の最大値に対応し、運転停止前運転モードが「冷房」である場合のＡＩ判定開始時刻「０分前」は、夏季所定期間において想定される建物負荷の最小値に対応する。また例えば、運転停止前運転モードが「暖房」である場合のＡＩ判定開始時刻「６０分前」は、空気調和機が冷房運転を行う冬季の所定期間（以下では「冬季所定期間」と呼ぶことがある）において想定される建物負荷の最大値に対応し、運転停止前運転モードが「暖房」である場合のＡＩ判定開始時刻「０分前」は、冬季所定期間において想定される建物負荷の最小値に対応する。

図７に戻り、次いで、ステップＳ１１３では、制御部２Ｂは、アダプタ３からの事前運転開始時刻の取得に成功したか否かを判定する。例えば、ステップＳ１１１において予測部１４Ｅが空気調和システム１の外部との通信に失敗して室外温度予報情報を取得できない場合は、予測部１４Ｅは、ＡＩ判定により事前運転開始時刻を決定できないため、制御部２Ｂは、予測部１４Ｅから事前運転開始時刻を取得できない。そこで、例えば、制御部２Ｂは、予測部１４Ｅから事前運転開始時刻を取得できた場合は、事前運転開始時刻の取得に成功したと判定し、予測部１４Ｅから事前運転開始時刻を取得できなかった場合は、事前運転開始時刻の取得に失敗したと判定する。予測部１４Ｅは、空気調和システム１の外部から室外温度予報情報を取得できない場合の他に、例えば、予測した建物負荷が所定の範囲内以外の値となる場合に、ＡＩ判定により事前運転開始時刻を決定できない。制御部２Ｂがアダプタ３からの事前運転開始時刻の取得に成功した場合は（ステップＳ１１３：Ｙｅｓ）、処理はステップＳ１１５へ進み、制御部２Ｂがアダプタ３からの事前運転開始時刻の取得に失敗した場合は（ステップＳ１１３：Ｎｏ）、処理はステップＳ１１７へ進む。

ステップＳ１１７では、制御部２Ｂは、現在時刻が、制御部２Ｂによる判定（以下では「通常判定」と呼ぶことがある）の開始時刻（以下では「通常判定開始時刻」と呼ぶことがある）になったか否かを判定する。通常判定は、ステップＳ１１３で事前運転開始時刻が取得できなかったときに行われる判定であり、通常判定では、予め定められた通常判定開始時刻（図８）になったときに図１０に従って事前運転開始時刻が判定される。現在時刻が通常判定開始時刻になっていない場合は（ステップＳ１１７：Ｎｏ）、処理はステップＳ１１３に戻る。一方で、現在時刻が通常判定開始時刻になった場合は（ステップＳ１１７：Ｙｅｓ）、処理はステップＳ１１９へ進む。

ここで、制御部２Ｂは、図８に示す判定開始時刻テーブルＴＡ１に従って、ステップＳ１１７の判定を行う。図８に示すように、判定開始時刻テーブルＴＡ１には、運転停止前運転モードと、通常判定開始時刻との対応付けが予め設定されている。ステップＳ１１７では、制御部２Ｂは、運転停止前運転モードが「冷房」である場合は、判定開始時刻テーブルＴＡ１から、通常判定開始時刻が入タイマー予約時刻の２０分前の時刻であると決定する。よって例えば、運転停止前運転モードが「冷房」であり、かつ、入タイマー予約時刻が６時００分である場合は、制御部２Ｂは、通常判定開始時刻を５時４０分と決定する。また、制御部２Ｂは、運転停止前運転モードが「暖房」である場合は、判定開始時刻テーブルＴＡ１から、通常判定開始時刻が入タイマー予約時刻の４５分前の時刻であると決定する。よって例えば、運転停止前運転モードが「暖房」であり、かつ、入タイマー予約時刻が６時００分である場合は、制御部２Ｂは、通常判定開始時刻を５時１５分と決定する。

図７に戻り、ステップＳ１１９では、制御部２Ｂは、通常判定により事前運転開始時刻を決定する。すなわち、ステップＳ１１９では、制御部２Ｂは、運転停止前運転モードと、ユーザ設定温度と、ステップＳ１０７で検出した現在室内温度とに基づいて、図１０に示す通常判定テーブルＴＡ２に従って、事前運転開始時刻を決定する。図１０は、実施例１の通常判定テーブルの一例を示す図である。通常判定テーブルＴＡ２は、室内機２が有するメモリに予め記憶されている。図１０に示すように、通常判定テーブルＴＡ２には、ユーザ設定温度と現在室内温度との差の絶対値（以下では「温度差絶対値」と呼ぶことがある）と、運転停止前運転モードと、事前運転開始時刻との対応付けが予め設定されている。

例えば、運転停止前運転モードが「冷房」であり、かつ、温度差絶対値が５℃以上１０℃未満である場合は、制御部２Ｂは、通常判定テーブルＴＡ２に従って、事前運転開始時刻を入タイマー予約時刻の１５分前と決定する。よって例えば、入タイマー予約時刻が６時００分である場合は、制御部２Ｂは、事前運転開始時刻を、６時００分の１５分前の５時４５分と決定する。

また例えば、運転停止前運転モードが「暖房」であり、かつ、温度差絶対値が１５℃以上２０℃未満である場合は、制御部２Ｂは、通常判定テーブルＴＡ２に従って、事前運転開始時刻を入タイマー予約時刻の３０分前と決定する。よって例えば、入タイマー予約時刻が６時００分である場合は、制御部２Ｂは、事前運転開始時刻を、６時００分の３０分前の５時３０分と決定する。

つまり、制御部２Ｂは、アダプタ３から事前運転開始時刻が得られない場合は（ステップＳ１１３：Ｎｏ）、予め設定されて記憶されている事前運転開始時刻を採用する（ステップＳ１１９）。

処理がステップＳ１１３からステップＳ１１５へ進んだ場合は、ステップＳ１１５において、制御部２Ｂは、予測部１４ＥのＡＩ判定によりステップＳ１１１で決定された事前運転開始時刻に事前運転を開始する。一方で、処理がステップＳ１１９からステップＳ１１５へ進んだ場合は、ステップＳ１１５において、制御部２Ｂは、制御部２ＢがステップＳ１１９で決定した事前運転開始時刻に事前運転を開始する。

次いで、ステップＳ１２１では、制御部２Ｂは、現在時刻が入タイマー予約時刻になるまで事前運転を継続して行う（ステップＳ１２１：Ｎｏ）。そして、現在時刻が入タイマー予約時刻になった場合は（ステップＳ１２１：Ｙｅｓ）、処理はステップＳ１２３へ進む。

ステップＳ１２３では、制御部２Ｂは、事前運転を終了し、運転停止前運転モードで空気調和機の予約運転を開始する。ステップＳ１２３の処理後、処理は終了する。

以上のように、実施例１では、空気調和システム１は、室内機２と、室内機２をＡＩ制御するアダプタ３と、サーバ装置５とを有する。サーバ装置５は、室内機２から取得した運転情報データに基づいて建物負荷予測モデルを生成する。アダプタ３は、サーバ装置５から取得した建物負荷予測モデルを用いて建物負荷を予測し、予測した建物負荷に基づいて事前運転開始時刻を決定する。室内機２は、アダプタ３が決定した事前運転開始時刻をアダプタ３から取得し、取得した事前運転開始時刻に事前運転を開始する。アダプタ３が決定する事前運転開始時刻は「第１開始時刻」に相当する。

こうすることで、建物負荷に応じて調節される事前運転開始時刻に事前運転が開始されるため、建物負荷が大きい場合でも入タイマー予約時刻に室内温度がユーザ設定温度に確実に到達するので、予約運転の際にユーザが感じる不快感を軽減することができる。

また実施例１では、室内機２は、アダプタ３から事前運転開始時刻が得られない場合は、予め設定されて記憶されている事前運転開始時刻を採用し、採用した事前運転開始時刻に事前運転を開始する。予め設定されて記憶されている事前運転開始時刻は「第２開始時刻」に相当する。

こうすることで、ＡＩ判定により事前運転開始時刻を判定することが困難な場合でも、室内機２は事前運転開始時刻を取得することができる。

また実施例１では、室内機２は、室内ファンを有する。また、室内温度が運転情報データに含まれる。そして、室内機２は、アダプタ３での建物負荷の予測に用いられる室内温度を検出する前に室内ファンを駆動させる。

こうすることで、室内の空気が攪拌された状態で室内温度が検出されるため、正確な室内温度を検出することができるので、建物負荷の予測の精度を高めることができる。

以上、実施例１について説明した。

［実施例２］
実施例１では、アダプタ３は、室内機２の運転情報データを中継装置６経由でサーバ装置５へ送信する場合を一例として説明したが、アダプタ３は、運転情報データを中継装置６を経由することなく、直接、サーバ装置５へ送信しても良い。

また、図示した各構成要素は、必ずしも物理的に図示の如く構成されていることを要しない。各構成要素の分散・統合の具体的形態は図示のものに限定されず、各構成要素の全部または一部を、例えば各種の負荷や使用状況等に応じて、任意の単位で機能的または物理的に分散・統合して構成することが可能である。

また、制御部２Ｂまたはアダプタ３での上記説明における各処理の全部または一部は、各処理に対応するプログラムを制御部２Ｂまたはアダプタ３が有するプロセッサに実行させることによって実現しても良い。例えば、上記説明における各処理に対応するプログラムがメモリに記憶され、プログラムがプロセッサによってメモリから読み出されて実行されても良い。また、プログラムは、任意のネットワークを介して制御部２Ｂまたはアダプタ３に接続されたプログラムサーバに記憶され、そのプログラムサーバから制御部２Ｂまたはアダプタ３にダウンロードされて実行されても良い。

以上、実施例２について説明した。

１ 空気調和システム
２ 室内機
３ アダプタ
５ サーバ装置

Claims (8)

1. 室内機を備える空気調和機と、アダプタと、サーバ装置とを有する空気調和システムであって、
   前記室内機は、入タイマー予約時刻前に室内温度を検出し、検出した前記室内温度と設定温度との温度差を用いて前記空気調和機の運転開始時に前記空気調和機に発揮させる空気調和能力である運転開始時能力を算出し、入タイマー予約時刻に前記室内温度を前記設定温度にする事前運転の開始時刻である第１開始時刻を前記アダプタから取得し、取得した前記第１開始時刻に前記事前運転を開始し、
   前記サーバ装置は、前記室内機から取得した運転情報データに基づいて、前記室内機が設置された部屋の建物負荷を予測するための学習モデルを生成し、
   前記アダプタは、前記室内機によって検算出された前記運転開始時能力を取得し、前記運転開始時能力を入力値とし、前記サーバ装置から取得した前記学習モデルを用いて前記建物負荷を予測し、予測した前記建物負荷に基づいて、前記第１開始時刻を決定する、
   空気調和システム。
2. 前記アダプタは、前記室内機によって検出された前記室内温度を取得し、前記運転開始時能力に加えて前記室内温度を入力値とし、前記学習モデルを用いて前記建物負荷を予測する、
   請求項１に記載の空気調和システム。
3. 前記アダプタは、前記室内温度及び前記運転開始時能力に加えて、外部から取得した室外温度を入力値とし、前記学習モデルを用いて前記建物負荷を予測する、
   請求項２に記載の空気調和システム。
4. 前記室外温度は、前記入タイマー予約時刻において予想される温度である、
   請求項３に記載の空気調和システム。
5. 前記室内機は、前記アダプタから前記第１開始時刻が得られない場合は、予め設定されて記憶されている第２開始時刻を採用し、採用した前記第２開始時刻に前記事前運転を開始する、
   請求項１に記載の空気調和システム。
6. 前記室内機は、室内ファンを有し、
   前記室内機は、前記建物負荷の予測に用いられる前記室内温度を検出する前に、前記室内ファンを駆動させる、
   請求項２に記載の空気調和システム。
7. 前記室内機は、前記空気調和機の運転停止直前の運転モードによって判定開始時刻を変える、
   請求項６に記載の空気調和システム。
8. 前記室内機は、前記運転モードによって、さらに前記室内温度を検出する時刻を変える、
   請求項７に記載の空気調和システム。