JP7845065B2 - Control system, inference device, and learning device - Google Patents
Control system, inference device, and learning deviceInfo
- Publication number
- JP7845065B2 JP7845065B2 JP2022093010A JP2022093010A JP7845065B2 JP 7845065 B2 JP7845065 B2 JP 7845065B2 JP 2022093010 A JP2022093010 A JP 2022093010A JP 2022093010 A JP2022093010 A JP 2022093010A JP 7845065 B2 JP7845065 B2 JP 7845065B2
- Authority
- JP
- Japan
- Prior art keywords
- weather information
- air conditioning
- equipment
- lighting equipment
- conditioning equipment
- 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.)
- Active
Links
Landscapes
- Circuit Arrangement For Electric Light Sources In General (AREA)
- Air Conditioning Control Device (AREA)
Description
本開示は、制御システム、推論装置および学習装置に関する。 This disclosure relates to a control system, an inference device, and a learning device.
特許文献１には、外部から入手した気象情報に基づいて、空調機器を含む居室内の設備の運用計画を立てるとともに、運用計画に基づいて設備の運用を制御する設備情報管理サーバを備えた設備運用システムが開示されている。この設備運用システムにおいて、設備情報管理サーバは、利用者の快適性指標に関する個人データに基づいて、運用計画を補正する。設備情報管理サーバは、利用者による空調機器への操作入力に基づいて、個人データを更新する。 Patent Document 1 discloses an equipment operation system equipped with an equipment information management server that creates an operation plan for in-room equipment, including air conditioning equipment, based on weather information obtained from an external source, and controls the operation of the equipment based on the operation plan. In this equipment operation system, the equipment information management server corrects the operation plan based on personal data related to the user's comfort index. The equipment information management server updates the personal data based on the user's operation input to the air conditioning equipment.
室内快適に過ごすための条件として、適切な室温設定と照明による演出がある。例えば夏場であれば涼しさが感じられるように、２８度の室温および昼白色の照明が推奨される。また、例えば冬場であれば暖かさが感じられるように、２０度の室温および電球色の照明が推奨される。また、温度と湿度の関係から不快指数を算出することができるのと同様に、照度と色温度の関係にも不快指標が定められている。 For comfortable indoor living, appropriate room temperature settings and lighting are essential. For example, in summer, a room temperature of 28 degrees Celsius and daylight-colored lighting are recommended to create a cool feeling. Similarly, in winter, a room temperature of 20 degrees Celsius and warm-colored lighting are recommended to create a warm feeling. Just as a discomfort index can be calculated from the relationship between temperature and humidity, a discomfort index has also been established for the relationship between illuminance and color temperature.
特許文献１では、利用者による空調機器への操作入力に基づいて、個人データを更新する。しかし、照明の操作に応じた個人データの更新については考慮されていない。 Patent Document 1 describes updating personal data based on user input to air conditioning equipment. However, it does not consider updating personal data in response to lighting operation.
本開示は、上述の課題を解決するためになされたもので、快適な空間を提供することができる制御システム、推論装置および学習装置を得ることを目的とする。 This disclosure was made to solve the aforementioned problems and aims to provide a control system, inference device, and learning device that can provide a comfortable space.
本開示に係る制御システムは、照明設備と、空調設備と、気象情報と、前記気象情報に対応する前記照明設備の状態と、前記気象情報に対応する前記空調設備の状態とから、前記照明設備と前記空調設備の設定値を推論するための学習済み制御モデルを用いて、前記気象情報と、前記気象情報に対応する前記照明設備の状態と、前記気象情報に対応する前記空調設備の状態とから、前記設定値を推論し、前記設定値を用いて前記照明設備と前記空調設備を制御する管理設備と、を備え、前記管理設備は、前記設定値をそのまま使用するモードと、予め定められた変更を加えて使用するモードを有する。 The control system relating to this disclosure comprises lighting equipment, air conditioning equipment, weather information, the state of the lighting equipment corresponding to the weather information, and the state of the air conditioning equipment corresponding to the weather information, and a management system that uses a trained control model to infer the set values of the lighting equipment and the air conditioning equipment from the weather information, the state of the lighting equipment corresponding to the weather information, and the state of the air conditioning equipment corresponding to the weather information to infer the set values and control the lighting equipment and the air conditioning equipment using the set values , wherein the management system has a mode in which the set values are used as they are and a mode in which they are used after being modified according to a predetermined rule .
本開示に係る推論装置は、気象情報と、前記気象情報に対応する照明設備の状態と、前記気象情報に対応する空調設備の状態を取得するデータ取得部と、前記気象情報と、前記気象情報に対応する前記照明設備の状態と、前記気象情報に対応する前記空調設備の状態とから、前記照明設備と前記空調設備の設定値を推論するための学習済み制御モデルを用いて、前記気象情報と、前記気象情報に対応する前記照明設備の状態と、前記気象情報に対応する前記空調設備の状態とから、前記設定値を推論し、前記設定値を用いて前記照明設備と前記空調設備を制御する推論部と、を備え、前記設定値をそのまま使用するモードと、予め定められた変更を加えて使用するモードを有する。 The inference device according to this disclosure includes a data acquisition unit that acquires weather information, the state of lighting equipment corresponding to the weather information, and the state of air conditioning equipment corresponding to the weather information; and an inference unit that uses a trained control model for inferring setting values for the lighting equipment and the air conditioning equipment from the weather information, the state of the lighting equipment corresponding to the weather information, and the state of the air conditioning equipment corresponding to the weather information to infer the setting values and control the lighting equipment and the air conditioning equipment using the setting values , and has a mode in which the setting values are used as they are and a mode in which they are used after being modified in a predetermined way .
本開示に係る学習装置は、気象情報と、前記気象情報に対応する照明設備の状態と、前記気象情報に対応する空調設備の状態を取得するデータ取得部と、前記気象情報と、前記気象情報に対応する前記照明設備の状態と、前記気象情報に対応する前記空調設備の状態とから、前記照明設備と前記空調設備の設定値を推論するための学習済み制御モデルを生成するモデル生成部と、を備え、前記モデル生成部は、前記気象情報に対応する日付または季節の制御モデルを、前記気象情報に基づき変更し、次に前記気象情報に対応する前記照明設備の状態と、前記気象情報に対応する前記空調設備の状態に基づき前記制御モデルをさらに変更して、前記学習済み制御モデルとして蓄積する。
The learning device according to this disclosure includes a data acquisition unit that acquires weather information, the state of lighting equipment corresponding to the weather information, and the state of air conditioning equipment corresponding to the weather information, and a model generation unit that generates a trained control model for inferring the set values of the lighting equipment and the air conditioning equipment from the weather information, the state of the lighting equipment corresponding to the weather information, and the state of the air conditioning equipment corresponding to the weather information, wherein the model generation unit modifies a date or season control model corresponding to the weather information based on the weather information, then further modifies the control model based on the state of the lighting equipment corresponding to the weather information and the state of the air conditioning equipment corresponding to the weather information, and stores it as the trained control model .
本開示に係る制御システムでは、気象情報と、気象情報に対応する照明設備の状態と、気象情報に対応する空調設備の状態とから、照明設備と空調設備の設定値を推論するための学習済み制御モデルを用いて、照明設備と空調設備の設定値が推論される。この設定値により照明設備と空調設備が制御されることで、快適な空間を提供することができる。
本開示に係る推論装置では、気象情報と、気象情報に対応する照明設備の状態と、気象情報に対応する空調設備の状態とから、照明設備と空調設備の設定値を推論するための学習済み制御モデルを用いて、照明設備と空調設備の設定値が推論される。この設定値により照明設備と空調設備が制御されることで、快適な空間を提供することができる。
本開示に係る学習装置は、気象情報と、気象情報に対応する照明設備の状態と、気象情報に対応する空調設備の状態とから、照明設備と空調設備の設定値を推論するための学習済み制御モデルを生成する。この学習済み制御モデルを用いて照明設備と空調設備の設定値を推論し、照明設備と空調設備を制御することで、快適な空間を提供することができる。
In the control system described herein, the setting values for lighting and air conditioning equipment are inferred using a trained control model that infers the setting values for lighting and air conditioning equipment from weather information, the status of lighting equipment corresponding to the weather information, and the status of air conditioning equipment corresponding to the weather information. By controlling the lighting and air conditioning equipment based on these setting values, a comfortable space can be provided.
In the inference device described herein, the setting values for lighting equipment and air conditioning equipment are inferred using a trained control model that infers the setting values for lighting equipment and air conditioning equipment from weather information, the state of lighting equipment corresponding to the weather information, and the state of air conditioning equipment corresponding to the weather information. By controlling the lighting equipment and air conditioning equipment based on these setting values, a comfortable space can be provided.
The learning device described herein generates a trained control model for inferring the set values of lighting equipment and air conditioning equipment from weather information, the state of lighting equipment corresponding to the weather information, and the state of air conditioning equipment corresponding to the weather information. By using this trained control model to infer the set values of lighting equipment and air conditioning equipment and controlling the lighting equipment and air conditioning equipment, a comfortable space can be provided.
本実施の形態に係る制御システム、推論装置および学習装置について図面を参照して説明する。同じまたは対応する構成要素には同じ符号を付し、説明の繰り返しを省略する場合がある。 The control system, inference device, and learning device according to this embodiment will be described with reference to the drawings. The same or corresponding components are denoted by the same reference numerals, and repetition of the description may be omitted.
実施の形態１．
図１は、実施の形態１に係る制御システム１００のブロック図である。制御システム１００は、管理設備１０、空調設備２０、照明設備３０および気象情報を提供するサーバ４０を備える。管理設備１０、空調設備２０、照明設備３０、サーバ４０は、有線または無線のネットワークであるＬＡＮ（Ｌｏｃａｌ Ａｒｅａ Ｎｅｔｗｏｒｋ）を介して互いに接続されている。ＬＡＮは例えばＥｔｈｅｒｎｅｔ（登録商標）である。空調設備２０と照明設備３０は同じ空間に設置される。管理設備１０は、空調設備２０および照明設備３０と連動する。
Embodiment 1.
Figure 1 is a block diagram of a control system 100 according to Embodiment 1. The control system 100 comprises a management unit 10, an air conditioning unit 20, a lighting unit 30, and a server 40 that provides weather information. The management unit 10, the air conditioning unit 20, the lighting unit 30, and the server 40 are connected to each other via a wired or wireless network, which is a LAN (Local Area Network). The LAN is, for example, Ethernet®. The air conditioning unit 20 and the lighting unit 30 are installed in the same space. The management unit 10 is linked to the air conditioning unit 20 and the lighting unit 30.
管理設備１０には、現在の日付および制御システム１００の所在地が設定される。所在地は空調設備２０または照明設備３０の所在地であっても良い。所在地は、緯度、経度で設定されても良く、県庁所在地であっても良い。 The management equipment 10 is set to display the current date and the location of the control system 100. The location may also be the location of the air conditioning equipment 20 or the lighting equipment 30. The location may be set using latitude and longitude, or it may be the location of a prefectural capital.
管理設備１０の通信部１１は、ネットワークを使用し、サーバ４０から所在地の気象情報を入手する。気象情報は、天候、気温、湿度、風速、降雨量、体感気温などである。制御システム１００の位置情報をサーバ４０に送信することで、サーバ４０から位置情報に応じた気象情報が送信されても良い。 The communication unit 11 of the management equipment 10 uses the network to obtain weather information for its location from the server 40. Weather information includes weather conditions, temperature, humidity, wind speed, rainfall, and perceived temperature. By transmitting the location information of the control system 100 to the server 40, the server 40 may also transmit weather information corresponding to the location information.
管理設備１０の通信部１１は、ネットワークを使用し、空調設備２０の状態を入手する。空調設備２０の状態は、動作モード、設定温度、室内温度、消費電力などである。動作モードには、冷房、暖房、送風、除湿などがある。空調設備２０の通信部２１は、管理設備１０から空調設備２０への要求信号を受信すると、空調設備２０の状態を送信する。室内温度は温度取得部２３により取得され、通信部２１から送信される。 The communication unit 11 of the management equipment 10 uses the network to obtain the status of the air conditioning equipment 20. The status of the air conditioning equipment 20 includes the operating mode, set temperature, room temperature, and power consumption. Operating modes include cooling, heating, ventilation, and dehumidification. When the communication unit 21 of the air conditioning equipment 20 receives a request signal from the management equipment 10, it transmits the status of the air conditioning equipment 20. The room temperature is obtained by the temperature acquisition unit 23 and transmitted from the communication unit 21.
管理設備１０の通信部１１は、ネットワークを使用し、照明設備３０の状態を入手する。照明設備３０の状態は、照明状態、空間への滞在人数、消費電力などである。照明状態には、調光率、色温度などがある。照明設備３０の通信部３１は、管理設備１０から照明設備３０への要求信号を受信すると、照明設備３０の状態を送信する。空間への滞在人数は人感センサ３４により取得され、通信部３１から送信される。 The communication unit 11 of the management equipment 10 uses the network to obtain the status of the lighting equipment 30. The status of the lighting equipment 30 includes lighting status, the number of people in the space, and power consumption. Lighting status includes dimming rate and color temperature. The communication unit 31 of the lighting equipment 30 transmits the status of the lighting equipment 30 upon receiving a request signal from the management equipment 10. The number of people in the space is obtained by the motion sensor 34 and transmitted from the communication unit 31.
管理設備１０が空調設備２０、照明設備３０、サーバ４０から得た情報は、記憶部１３に記憶される。 The information obtained by the management equipment 10 from the air conditioning equipment 20, lighting equipment 30, and server 40 is stored in the storage unit 13.
図２は、実施の形態１に係る学習装置５０を説明する図である。学習装置５０は例えば管理設備１０に設けられる。学習装置５０はデータ取得部５１とモデル生成部５２を備える。データ取得部５１は、気象情報と、気象情報に対応する照明設備３０の状態と、気象情報に対応する空調設備２０の状態を取得する。データ取得部５１は例えば通信部１１に該当する。 Figure 2 is a diagram illustrating the learning device 50 according to Embodiment 1. The learning device 50 is installed, for example, in the management equipment 10. The learning device 50 comprises a data acquisition unit 51 and a model generation unit 52. The data acquisition unit 51 acquires weather information, the status of the lighting equipment 30 corresponding to the weather information, and the status of the air conditioning equipment 20 corresponding to the weather information. The data acquisition unit 51 corresponds, for example, to the communication unit 11.
モデル生成部５２は、データ取得部５１が取得した気象情報と、気象情報に対応する照明設備３０の状態と、気象情報に対応する空調設備２０の状態とから、照明設備３０と空調設備２０の設定値を推論するための学習済み制御モデルを生成する。モデル生成部５２は、例えば制御部１２に該当する。制御部１２は例えばマイコン、プロセッサ等から構成できる。 The model generation unit 52 generates a trained control model for inferring the set values of the lighting equipment 30 and the air conditioning equipment 20 from the weather information acquired by the data acquisition unit 51, the state of the lighting equipment 30 corresponding to the weather information, and the state of the air conditioning equipment 20 corresponding to the weather information. The model generation unit 52 corresponds to, for example, the control unit 12. The control unit 12 can be composed of, for example, a microcontroller, a processor, etc.
学習済み制御モデルの生成方法について説明する。まず、モデル生成部５２は、ベースとなる制御モデルを生成する。制御モデルは、例えば日付または季節毎に生成される。例えば現在の日付から季節が夏であった場合、モデル生成部５２は、空調設備２０の設定値が動作モード＝冷房、設定温度＝２８度、照明設備３０の設定値が調光率＝７０％、色温度＝４２００Ｋとなるように制御モデルを生成する。 The method for generating a trained control model will now be explained. First, the model generation unit 52 generates a base control model. The control model is generated, for example, for each date or season. For example, if the current date corresponds to summer, the model generation unit 52 generates a control model such that the settings for the air conditioning equipment 20 are: operating mode = cooling, set temperature = 28 degrees Celsius; and the settings for the lighting equipment 30 are: dimming rate = 70%, color temperature = 4200K.
次に、モデル生成部５２は、制御モデルに気象情報を加味する。モデル生成部５２は、データ取得部５１が取得した気象情報に対応する日付または季節の制御モデルを、気象情報に基づき変更する。例えば当該日付または季節において、天候＝晴れ、気温＝３５度、湿度＝７０％、風速＝１ｍ／ｓ、降雨量＝０ｍｍ、体感気温＝３７度であった場合、モデル生成部５２は、設定温度＝２７度、調光率＝５０％となるように制御モデルを変更する。モデル生成部５２は、１４：００等の気象情報に対応する時刻に基づき、制御モデルを変更しても良い。 Next, the model generation unit 52 incorporates weather information into the control model. The model generation unit 52 modifies the control model for the date or season corresponding to the weather information acquired by the data acquisition unit 51, based on the weather information. For example, if the weather for that date or season is sunny, temperature 35 degrees Celsius, humidity 70%, wind speed 1 m/s, rainfall 0 mm, and perceived temperature 37 degrees Celsius, the model generation unit 52 modifies the control model so that the set temperature is 27 degrees Celsius and the dimming rate is 50%. The model generation unit 52 may also modify the control model based on a time corresponding to the weather information, such as 14:00.
次に、モデル生成部５２は、制御モデルに空調設備２０および照明設備３０から入手した情報を加味する。モデル生成部５２は、気象情報に対応する照明設備３０の状態と、気象情報に対応する空調設備２０の状態に基づき、制御モデルをさらに変更して、学習済み制御モデルとして蓄積する。例えば、データ取得部５１が空調設備２０から動作モード＝送風、設定温度＝２７度、室内温度＝２６度を入手した場合、モデル生成部５２はこれらの情報を学習して制御モデルに反映させる。また、データ取得部５１が照明設備３０から調光率＝５０％、色温度＝４５００Ｋ、空間滞在人数＝８０人を入手した場合、モデル生成部５２はこれらの情報を学習して制御モデルに反映させる。 Next, the model generation unit 52 incorporates information obtained from the air conditioning equipment 20 and lighting equipment 30 into the control model. Based on the state of the lighting equipment 30 corresponding to the weather information and the state of the air conditioning equipment 20 corresponding to the weather information, the model generation unit 52 further modifies the control model and stores it as a learned control model. For example, if the data acquisition unit 51 obtains from the air conditioning equipment 20 that the operating mode is fan-only, the set temperature is 27 degrees Celsius, and the room temperature is 26 degrees Celsius, the model generation unit 52 learns this information and reflects it in the control model. Similarly, if the data acquisition unit 51 obtains from the lighting equipment 30 that the dimming rate is 50%, the color temperature is 4500K, and the number of people in the space is 80, the model generation unit 52 learns this information and reflects it in the control model.
データ取得部５１が空調設備２０および照明設備３０から取得した状態は、所在地の気象条件下において、ユーザにとって快適な空間を提供し得る空調および照明の状態を示す。モデル生成部５２は、これらの状態に基づき生成した学習済み制御モデルを学習済モデル記憶部５３に蓄積する。学習済モデル記憶部５３は例えば記憶部１３に該当する。 The data acquisition unit 51 acquires from the air conditioning equipment 20 and lighting equipment 30, indicating the air conditioning and lighting conditions that can provide a comfortable space for the user under the local weather conditions. The model generation unit 52 stores the trained control model generated based on these conditions in the trained model storage unit 53. The trained model storage unit 53 corresponds, for example, to the storage unit 13.
学習済モデル記憶部５３は、ＲＡＭ、ＲＯＭ、フラッシュメモリ、ＥＰＲＯＭ、ＥＥＰＲＯＭ等の不揮発性または揮発性の半導体メモリ、磁気ディスク、フレキシブルディスク、光ディスク、コンパクトディスク、ミニディスク、ＤＶＤ等であってもよい。ＲＡＭはＲａｎｄｏｍ Ａｃｃｅｓｓ Ｍｅｍｏｒｙの略称である。ＲＯＭはＲｅａｄ Ｏｎｌｙ Ｍｅｍｏｒｙの略称である。ＥＰＲＯＭはＥｒａｓａｂｌｅ Ｐｒｏｇｒａｍｍａｂｌｅ Ｒｅａｄ Ｏｎｌｙ Ｍｅｍｏｒｙの略称である。ＥＥＰＲＯＭはＥｌｅｃｔｒｉｃａｌｌｙ Ｅｒａｓａｂｌｅ Ｐｒｏｇｒａｍｍａｂｌｅ Ｒｅａｄ－Ｏｎｌｙ Ｍｅｍｏｒｙの略称である。 The learned model memory unit 53 may be a non-volatile or volatile semiconductor memory such as RAM, ROM, flash memory, EPROM, or EEPROM, or a magnetic disk, flexible disk, optical disk, compact disk, minidisc, DVD, etc. RAM is an abbreviation for Random Access Memory. ROM is an abbreviation for Read Only Memory. EPROM is an abbreviation for Erasable Programmable Read Only Memory. EEPROM is an abbreviation for Electrically Erasable Programmable Read-Only Memory.
図３は、実施の形態１に係る推論装置６０を説明する図である。推論装置６０は例えば管理設備１０に設けられる。推論装置６０は、データ取得部６１と推論部６２を備える。データ取得部６１は、気象情報と、気象情報に対応する照明設備３０の状態と、気象情報に対応する空調設備２０の状態を取得する。データ取得部６１は例えば通信部１１に該当する。 Figure 3 is a diagram illustrating the inference device 60 according to Embodiment 1. The inference device 60 is installed, for example, in the management equipment 10. The inference device 60 comprises a data acquisition unit 61 and an inference unit 62. The data acquisition unit 61 acquires weather information, the status of the lighting equipment 30 corresponding to the weather information, and the status of the air conditioning equipment 20 corresponding to the weather information. The data acquisition unit 61 corresponds, for example, to the communication unit 11.
推論部６２は、学習済モデル記憶部５３から学習済み制御モデルを取得する。推論部６２は、学習済み制御モデルと、データ取得部６１が取得した気象情報と、気象情報に対応する照明設備３０の状態と、気象情報に対応する空調設備２０の状態とから、照明設備３０と空調設備２０の設定値を推論する。これにより推論部６２は、設定値を用いて照明設備３０と空調設備２０を制御する。推論部６２は、例えば制御部１２に該当する。 The inference unit 62 retrieves a trained control model from the trained model storage unit 53. The inference unit 62 infers the setpoints for the lighting equipment 30 and the air conditioning equipment 20 from the trained control model, the weather information acquired by the data acquisition unit 61, the state of the lighting equipment 30 corresponding to the weather information, and the state of the air conditioning equipment 20 corresponding to the weather information. Based on these, the inference unit 62 controls the lighting equipment 30 and the air conditioning equipment 20 using the setpoints. The inference unit 62 corresponds, for example, to the control unit 12.
まず、推論部６２は、学習済み制御モデルからデータ取得部６１が取得した気象情報に対応するモデルを抽出する。その後、推論部６２は、抽出されたモデルを用いて、気象情報に対応する照明設備３０の状態と、気象情報に対応する空調設備２０の状態とから、照明設備３０と空調設備２０の設定値を推論する。 First, the inference unit 62 extracts a model from the trained control model that corresponds to the weather information acquired by the data acquisition unit 61. Then, using the extracted model, the inference unit 62 infers the set values of the lighting equipment 30 and the air conditioning equipment 20 based on the state of the lighting equipment 30 and the state of the air conditioning equipment 20 corresponding to the weather information.
例えば、データ取得部６１が空調設備２０の状態として室内温度＝２６度を入手した場合、推論部６２は学習済み制御モデルに基づいて、動作モード＝送風、設定温度＝２７度という設定値を推論する。また、例えばデータ取得部６１が照明設備３０の状態として空間滞在人数＝８０人を入手した場合、推論部６２は学習済み制御モデルに基づいて、調光率＝５０％、色温度＝４５００Ｋという設定値を推論する。 For example, if the data acquisition unit 61 obtains the indoor temperature = 26 degrees Celsius as the status of the air conditioning equipment 20, the inference unit 62 infers the setting values of operating mode = fan and set temperature = 27 degrees Celsius based on the learned control model. Similarly, if the data acquisition unit 61 obtains the number of people in the space = 80 as the status of the lighting equipment 30, the inference unit 62 infers the setting values of dimming rate = 50% and color temperature = 4500K based on the learned control model.
このように、気象情報に対応する空調設備２０の状態は、室内温度の情報を含み、空調設備２０の設定値には、空調設備２０の動作モードまたは設定温度を含んでも良い。また、気象情報に対応する照明設備３０の状態は、照明設備３０が設置された空間に存在する人の数の情報を含み、照明設備３０の設定値は、照明設備３０の調光率または色温度を含んでも良い。 Thus, the status of the air conditioning system 20 corresponding to weather information includes information on the indoor temperature, and the setting value of the air conditioning system 20 may include the operating mode or set temperature of the air conditioning system 20. Furthermore, the status of the lighting system 30 corresponding to weather information includes information on the number of people present in the space where the lighting system 30 is installed, and the setting value of the lighting system 30 may include the dimming rate or color temperature of the lighting system 30.
管理設備１０の制御部１２は、推論された設定値に基づき空調設備２０と照明設備３０を制御する。設定値は通信部１１から空調設備２０と照明設備３０に送信される。空調設備２０において、通信部２１は設定値を受信し、制御部２２は受信した設定値に基づき、空間の温度等を制御する。照明設備３０において、通信部３１は設定値を受信し、制御部３２は受信した設定値に基づき光源部３３の点灯状態を制御する。 The control unit 12 of the management equipment 10 controls the air conditioning equipment 20 and lighting equipment 30 based on the inferred set values. The set values are transmitted from the communication unit 11 to the air conditioning equipment 20 and lighting equipment 30. In the air conditioning equipment 20, the communication unit 21 receives the set values, and the control unit 22 controls the temperature of the space, etc., based on the received set values. In the lighting equipment 30, the communication unit 31 receives the set values, and the control unit 32 controls the lighting state of the light source unit 33 based on the received set values.
管理設備１０は、例えば以下の表に示されるように、学習済み制御モデルを重視するレベルに応じた様々なモデルに基づき制御を行っても良い。つまり、管理設備１０は、学習済み制御モデルに基づいて推論された設定値をそのまま使用するモードと、予め定められた変更を加えて使用するモードを有しても良い。 The control equipment 10 may perform control based on various models depending on the level of emphasis placed on the learned control model, as shown in the table below. In other words, the control equipment 10 may have a mode that uses the inferred settings based on the learned control model as is, and a mode that uses them with predetermined modifications.
学習済み制御モデルは、日の出時刻、日の入時刻、時間帯などを加味して生成されても良い。日の出時刻、日の入時刻は、サーバ４０等から日付に基づき取得されても良い。学習装置５０および推論装置６０の学習間隔または推論間隔は、１時間、２時間など設定変更できても良い。 The trained control model may be generated taking into account sunrise time, sunset time, and time of day. Sunrise and sunset times may be obtained from the server 40 or similar based on the date. The training interval or inference interval of the training device 50 and inference device 60 may be changed to one hour, two hours, etc.
学習装置５０および推論装置６０は、管理設備１０に限らず、空調設備２０または照明設備３０に設けられても良い。つまり、空調設備２０または照明設備３０が管理設備１０を兼ねても良い。また、気象情報と、照明設備３０の状態と、空調設備２０の状態とに基づく学習機能以外に、各設備内のみの学習機能が設けられても良い。学習装置５０および推論装置６０は、ネットワークを使用してクラウド化されも良い。 The learning device 50 and inference device 60 are not limited to the management equipment 10; they may also be installed in the air conditioning equipment 20 or the lighting equipment 30. In other words, the air conditioning equipment 20 or the lighting equipment 30 may also serve as the management equipment 10. Furthermore, in addition to the learning function based on weather information, the status of the lighting equipment 30, and the status of the air conditioning equipment 20, learning functions specific to each piece of equipment may also be provided. The learning device 50 and the inference device 60 may also be cloud-based using a network.
管理設備１０は、照明設備３０が設置された空間に人が出入りする時間を学習して、空間に人が来る時間を推論し、推論された時間より前に、照明設備３０と空調設備２０の制御を開始しても良い。管理設備１０は、照明設備３０が設置された空間に人が出入りする時間を学習して、空間から人が出る時間を推論し、推論された時間より前に、照明設備３０と空調設備２０の制御を開始しても良い。この際、管理設備１０は、室内の温度変化にかかる時間を学習して、空調設備２０の制御を開始する時間を設定しても良い。 The control equipment 10 may learn the times when people enter and exit the space where the lighting equipment 30 is installed, infer the time when people will enter the space, and start controlling the lighting equipment 30 and the air conditioning equipment 20 before the inferred time. Alternatively, the control equipment 10 may learn the times when people enter and exit the space where the lighting equipment 30 is installed, infer the time when people will leave the space, and start controlling the lighting equipment 30 and the air conditioning equipment 20 before the inferred time. In this case, the control equipment 10 may learn the time it takes for the indoor temperature to change and set the time to start controlling the air conditioning equipment 20.
管理設備１０は、例えば空間に人が来る時間として推論された時間より前に、空間の温度および湿度を、その人が快適と感じる値と不快と感じる値の境目近傍に変化させても良い。管理設備１０は人を検出すると、その人が快適と感じる最適な温度、湿度、照度、色温度で空調設備２０および照明設備３０を制御する。また、管理設備１０は、例えば空間から人が出る時間として推論された時間より前に、空間の温度および湿度を、その人が快適と感じる値と不快と感じる値の境目近傍に変化させても良い。これにより、消費エネルギーを抑制しながら、快適な室内空間を迅速に提供することができる。 The control equipment 10 may, for example, change the temperature and humidity of the space to near the boundary between values that a person would find comfortable and uncomfortable, before the time inferred as the time when a person would enter the space. When the control equipment 10 detects a person, it controls the air conditioning equipment 20 and lighting equipment 30 to the optimal temperature, humidity, illuminance, and color temperature that the person would find comfortable. Furthermore, the control equipment 10 may also change the temperature and humidity of the space to near the boundary between values that a person would find comfortable and uncomfortable, before the time inferred as the time when a person would leave the space. This allows for the rapid provision of a comfortable indoor space while suppressing energy consumption.
以上で説明したように本実施の形態の制御システム１００では、気象情報と、気象情報に対応する照明設備３０の状態と、気象情報に対応する空調設備２０の状態とから、照明設備３０と空調設備２０の設定値を推論するための学習済み制御モデルが生成される。この学習済み制御モデルを用いて、照明設備３０と空調設備２０の設定値が推論される。この設定値により照明設備３０と空調設備２０が制御されることで、快適な空間を提供することができる。 As described above, in the control system 100 of this embodiment, a trained control model is generated for inferring the setting values of the lighting equipment 30 and the air conditioning equipment 20 from weather information, the state of the lighting equipment 30 corresponding to the weather information, and the state of the air conditioning equipment 20 corresponding to the weather information. The setting values of the lighting equipment 30 and the air conditioning equipment 20 are inferred using this trained control model. By controlling the lighting equipment 30 and the air conditioning equipment 20 based on these setting values, a comfortable space can be provided.
例えば室内に制御システム１００を適用することで、屋外と室内を往来する際などにユーザの身体への負担および不快感を抑制できる。特に、温度と湿度に基づく不快指数に加えて、照度と色温度に基づく不快指標を考慮して快適な空間を提供することができる。 For example, by applying the control system 100 indoors, it is possible to reduce physical strain and discomfort for users when moving between the outdoors and indoors. In particular, it is possible to provide a comfortable space by considering discomfort indices based on illuminance and color temperature, in addition to discomfort indices based on temperature and humidity.
また、ユーザにとっての快適な空間は、空間の所在地、季節、気候、時間帯、空間の状態によって異なる。例えば、極端な寒冷地と温暖地、地下階と地上階、標高の高低により、快適な空間の条件が異なることが想定される。本実施の形態の管理設備１０は、照明設備３０または空調設備２０の所在地の気象情報を用いて、学習済み制御モデルの生成および照明設備３０と空調設備２０の設定値の推論を行う。このため、空間の所在地に応じた快適な空間を提供できる。また、学習済み制御モデルは、時間帯、日付または季節に基づき生成される。このため、季節、気候、時間帯に応じた快適な空間を提供できる。また、学習済み制御モデルは、空間に存在する人の数の情報に基づき生成される。このため、空間の状態に応じた快適な空間を提供できる。 Furthermore, a comfortable space for a user varies depending on the location, season, climate, time of day, and the state of the space. For example, the conditions for a comfortable space are expected to differ between extremely cold and warm regions, basement and ground floors, and altitude. The management equipment 10 in this embodiment uses weather information of the location of the lighting equipment 30 or air conditioning equipment 20 to generate a trained control model and infer the setting values of the lighting equipment 30 and air conditioning equipment 20. Therefore, it can provide a comfortable space according to the location of the space. Additionally, the trained control model is generated based on the time of day, date, or season. Therefore, it can provide a comfortable space according to the season, climate, and time of day. Furthermore, the trained control model is generated based on information about the number of people present in the space. Therefore, it can provide a comfortable space according to the state of the space.
なお、本実施の形態で説明した技術的特徴は適宜に組み合わせて用いても良い。 Furthermore, the technical features described in this embodiment may be used in combination as appropriate.
以下、本開示の諸態様を付記としてまとめて記載する。
（付記１）
照明設備と、
空調設備と、
気象情報と、前記気象情報に対応する前記照明設備の状態と、前記気象情報に対応する前記空調設備の状態とから、前記照明設備と前記空調設備の設定値を推論するための学習済み制御モデルを用いて、前記気象情報と、前記気象情報に対応する前記照明設備の状態と、前記気象情報に対応する前記空調設備の状態とから、前記設定値を推論し、前記設定値を用いて前記照明設備と前記空調設備を制御する管理設備と、
を備えることを特徴とする制御システム。
（付記２）
前記管理設備は、前記照明設備の所在地の前記気象情報を用いて前記設定値を推論することを特徴とする付記１に記載の制御システム。
（付記３）
前記管理設備は、前記学習済み制御モデルから前記気象情報に対応するモデルを抽出した後、前記抽出されたモデルを用いて、前記気象情報に対応する前記照明設備の状態と、前記気象情報に対応する前記空調設備の状態とから、前記設定値を推論することを特徴とする付記１または２に記載の制御システム。
（付記４）
前記気象情報に対応する前記照明設備の状態は、前記照明設備が設置された空間に存在する人の数の情報を含み、
前記設定値は、前記照明設備の調光率または色温度を含むことを特徴とする付記１から３の何れか１項に記載の制御システム。
（付記５）
前記気象情報に対応する前記空調設備の状態は、室内温度の情報を含み、
前記設定値には、前記空調設備の動作モードまたは設定温度を含むことを特徴とする付記１から４の何れか１項に記載の制御システム。
（付記６）
前記管理設備は、前記設定値をそのまま使用するモードと、予め定められた変更を加えて使用するモードを有することを特徴とする付記１から５の何れか１項に記載の制御システム。
（付記７）
前記管理設備は、前記照明設備が設置された空間に人が出入りする時間を学習して前記空間に人が来る時間を推論し、前記推論された時間より前に、前記照明設備と前記空調設備の制御を開始することを特徴とする付記１から６の何れか１項に記載の制御システム。
（付記８）
前記管理設備は、前記照明設備が設置された空間に人が出入りする時間を学習して前記空間から人が出る時間を推論し、前記推論された時間より前に、前記照明設備と前記空調設備の制御を開始することを特徴とする付記１から７の何れか１項に記載の制御システム。
（付記９）
気象情報と、前記気象情報に対応する照明設備の状態と、前記気象情報に対応する空調設備の状態を取得するデータ取得部と、
前記気象情報と、前記気象情報に対応する前記照明設備の状態と、前記気象情報に対応する前記空調設備の状態とから、前記照明設備と前記空調設備の設定値を推論するための学習済み制御モデルを用いて、前記気象情報と、前記気象情報に対応する前記照明設備の状態と、前記気象情報に対応する前記空調設備の状態とから、前記設定値を推論し、前記設定値を用いて前記照明設備と前記空調設備を制御する推論部と、
を備えることを特徴とする推論装置。
（付記１０）
気象情報と、前記気象情報に対応する照明設備の状態と、前記気象情報に対応する空調設備の状態を取得するデータ取得部と、
前記気象情報と、前記気象情報に対応する前記照明設備の状態と、前記気象情報に対応する前記空調設備の状態とから、前記照明設備と前記空調設備の設定値を推論するための学習済み制御モデルを生成するモデル生成部と、
を備えることを特徴とする学習装置。
（付記１１）
前記モデル生成部は、前記気象情報に対応する日付または季節の制御モデルを、前記気象情報に基づき変更し、次に前記気象情報に対応する前記照明設備の状態と、前記気象情報に対応する前記空調設備の状態に基づき前記制御モデルをさらに変更して、学習済み制御モデルとして蓄積することを特徴とする付記１０に記載の学習装置。
（付記１２）
前記モデル生成部は、前記気象情報に対応する時刻に基づき、前記制御モデルを変更することを特徴とする付記１０または１１に記載の学習装置。
The various aspects of this disclosure are summarized below as an appendix.
(Note 1)
Lighting equipment,
Air conditioning equipment,
A control system that uses a trained control model to infer the set values of the lighting equipment and the air conditioning equipment from weather information, the state of the lighting equipment corresponding to the weather information, and the state of the air conditioning equipment corresponding to the weather information, infers the set values from the weather information, the state of the lighting equipment corresponding to the weather information, and the state of the air conditioning equipment corresponding to the weather information, and controls the lighting equipment and the air conditioning equipment using the set values,
A control system characterized by comprising the following features.
(Note 2)
The control system according to Appendix 1, characterized in that the management equipment infers the set value using the weather information of the location of the lighting equipment.
(Note 3)
The control system according to Appendix 1 or 2, characterized in that the management equipment extracts a model corresponding to the weather information from the learned control model, and then uses the extracted model to infer the set value from the state of the lighting equipment corresponding to the weather information and the state of the air conditioning equipment corresponding to the weather information.
(Note 4)
The status of the lighting equipment corresponding to the weather information includes information on the number of people present in the space where the lighting equipment is installed.
The control system according to any one of the appendices 1 to 3, characterized in that the set value includes the dimming rate or color temperature of the lighting equipment.
(Note 5)
The status of the air conditioning equipment corresponding to the weather information includes information on the indoor temperature.
The control system according to any one of the appendices 1 to 4, characterized in that the set value includes the operating mode or set temperature of the air conditioning equipment.
(Note 6)
The control system according to any one of the appendices 1 to 5, characterized in that the management equipment has a mode for using the set value as is and a mode for using it after making predetermined changes.
(Note 7)
The control system according to any one of the appendices 1 to 6, characterized in that the management equipment learns the times when people enter and exit the space in which the lighting equipment is installed, infers the time when people will come into the space, and starts controlling the lighting equipment and the air conditioning equipment before the inferred time.
(Note 8)
The control system according to any one of the appendices 1 to 7, characterized in that the management equipment learns the times when people enter and exit the space in which the lighting equipment is installed, infers the time when people leave the space, and starts controlling the lighting equipment and the air conditioning equipment before the inferred time.
(Note 9)
A data acquisition unit that acquires weather information, the status of lighting equipment corresponding to the weather information, and the status of air conditioning equipment corresponding to the weather information.
An inference unit that uses a trained control model to infer the set values of the lighting equipment and the air conditioning equipment from the weather information, the state of the lighting equipment corresponding to the weather information, and the state of the air conditioning equipment corresponding to the weather information, infers the set values from the weather information, the state of the lighting equipment corresponding to the weather information, and the state of the air conditioning equipment corresponding to the weather information, and controls the lighting equipment and the air conditioning equipment using the set values,
An inference device characterized by comprising:
(Note 10)
A data acquisition unit that acquires weather information, the status of lighting equipment corresponding to the weather information, and the status of air conditioning equipment corresponding to the weather information.
A model generation unit generates a trained control model for inferring the set values of the lighting equipment and the air conditioning equipment from the weather information, the state of the lighting equipment corresponding to the weather information, and the state of the air conditioning equipment corresponding to the weather information.
A learning device characterized by being equipped with the following features.
(Note 11)
The learning device according to Appendix 10, characterized in that the model generation unit modifies a date or season control model corresponding to the weather information based on the weather information, and then further modifies the control model based on the state of the lighting equipment and the state of the air conditioning equipment corresponding to the weather information, and stores it as a learned control model.
(Note 12)
The learning device according to appendix 10 or 11, characterized in that the model generation unit changes the control model based on the time corresponding to the weather information.
１０ 管理設備、１１ 通信部、１２ 制御部、１３ 記憶部、２０ 空調設備、２１ 通信部、２２ 制御部、２３ 温度取得部、３０ 照明設備、３１ 通信部、３２ 制御部、３３ 光源部、３４ 人感センサ、４０ サーバ、５０ 学習装置、５１ データ取得部、５２ モデル生成部、５３ 学習済モデル記憶部、６０ 推論装置、６１ データ取得部、６２ 推論部、１００ 制御システム 10 Management equipment, 11 Communication unit, 12 Control unit, 13 Storage unit, 20 Air conditioning equipment, 21 Communication unit, 22 Control unit, 23 Temperature acquisition unit, 30 Lighting equipment, 31 Communication unit, 32 Control unit, 33 Light source unit, 34 Motion sensor, 40 Server, 50 Learning device, 51 Data acquisition unit, 52 Model generation unit, 53 Trained model storage unit, 60 Inference device, 61 Data acquisition unit, 62 Inference unit, 100 Control system
Claims (10)
空調設備と、
気象情報と、前記気象情報に対応する前記照明設備の状態と、前記気象情報に対応する前記空調設備の状態とから、前記照明設備と前記空調設備の設定値を推論するための学習済み制御モデルを用いて、前記気象情報と、前記気象情報に対応する前記照明設備の状態と、前記気象情報に対応する前記空調設備の状態とから、前記設定値を推論し、前記設定値を用いて前記照明設備と前記空調設備を制御する管理設備と、
を備え、
前記管理設備は、前記設定値をそのまま使用するモードと、予め定められた変更を加えて使用するモードを有することを特徴とする制御システム。 Lighting equipment,
Air conditioning equipment,
A control system that uses a trained control model to infer the set values of the lighting equipment and the air conditioning equipment from weather information, the state of the lighting equipment corresponding to the weather information, and the state of the air conditioning equipment corresponding to the weather information, infers the set values from the weather information, the state of the lighting equipment corresponding to the weather information, and the state of the air conditioning equipment corresponding to the weather information, and controls the lighting equipment and the air conditioning equipment using the set values,
Equipped with ,
The control system is characterized by having a mode in which the set value is used as is and a mode in which it is used after making predetermined changes .
前記設定値は、前記照明設備の調光率または色温度を含むことを特徴とする請求項１または２に記載の制御システム。 The status of the lighting equipment corresponding to the weather information includes information on the number of people present in the space where the lighting equipment is installed.
The control system according to claim 1 or 2, characterized in that the set value includes the dimming rate or color temperature of the lighting equipment.
前記設定値には、前記空調設備の動作モードまたは設定温度を含むことを特徴とする請求項１または２に記載の制御システム。 The status of the air conditioning equipment corresponding to the weather information includes information on the indoor temperature.
The control system according to claim 1 or 2, characterized in that the set value includes the operating mode or set temperature of the air conditioning equipment .
前記気象情報と、前記気象情報に対応する前記照明設備の状態と、前記気象情報に対応する前記空調設備の状態とから、前記照明設備と前記空調設備の設定値を推論するための学習済み制御モデルを用いて、前記気象情報と、前記気象情報に対応する前記照明設備の状態と、前記気象情報に対応する前記空調設備の状態とから、前記設定値を推論し、前記設定値を用いて前記照明設備と前記空調設備を制御する推論部と、
を備え、
前記設定値をそのまま使用するモードと、予め定められた変更を加えて使用するモードを有することを特徴とする推論装置。 A data acquisition unit that acquires weather information, the status of lighting equipment corresponding to the weather information, and the status of air conditioning equipment corresponding to the weather information.
An inference unit that uses a trained control model to infer the set values of the lighting equipment and the air conditioning equipment from the weather information, the state of the lighting equipment corresponding to the weather information, and the state of the air conditioning equipment corresponding to the weather information, infers the set values from the weather information, the state of the lighting equipment corresponding to the weather information, and the state of the air conditioning equipment corresponding to the weather information, and controls the lighting equipment and the air conditioning equipment using the set values,
Equipped with ,
An inference device characterized by having a mode in which the aforementioned setting values are used as they are, and a mode in which they are used after being modified in a predetermined manner .
前記気象情報と、前記気象情報に対応する前記照明設備の状態と、前記気象情報に対応する前記空調設備の状態とから、前記照明設備と前記空調設備の設定値を推論するための学習済み制御モデルを生成するモデル生成部と、
を備え、
前記モデル生成部は、前記気象情報に対応する日付または季節の制御モデルを、前記気象情報に基づき変更し、次に前記気象情報に対応する前記照明設備の状態と、前記気象情報に対応する前記空調設備の状態に基づき前記制御モデルをさらに変更して、前記学習済み制御モデルとして蓄積することを特徴とする学習装置。 A data acquisition unit that acquires weather information, the status of lighting equipment corresponding to the weather information, and the status of air conditioning equipment corresponding to the weather information.
A model generation unit generates a trained control model for inferring the set values of the lighting equipment and the air conditioning equipment from the weather information, the state of the lighting equipment corresponding to the weather information, and the state of the air conditioning equipment corresponding to the weather information.
Equipped with ,
The learning device is characterized in that the model generation unit modifies a date or season control model corresponding to the weather information based on the weather information, and then modifies the control model further based on the state of the lighting equipment and the state of the air conditioning equipment corresponding to the weather information, and stores it as the learned control model .
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| JP2022093010A JP7845065B2 (en) | 2022-06-08 | 2022-06-08 | Control system, inference device, and learning device |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| JP2022093010A JP7845065B2 (en) | 2022-06-08 | 2022-06-08 | Control system, inference device, and learning device |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| JP2023179991A JP2023179991A (en) | 2023-12-20 |
| JP7845065B2 true JP7845065B2 (en) | 2026-04-14 |
Family
ID=89235777
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| JP2022093010A Active JP7845065B2 (en) | 2022-06-08 | 2022-06-08 | Control system, inference device, and learning device |
Country Status (1)
| Country | Link |
|---|---|
| JP (1) | JP7845065B2 (en) |
Citations (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2017123587A (en) | 2016-01-08 | 2017-07-13 | ソニー株式会社 | Control device, control method, and program |
| US20190024928A1 (en) | 2017-07-20 | 2019-01-24 | Carrier Corporation | Hvac system including energy analytics engine |
| WO2020045249A1 (en) | 2018-08-29 | 2020-03-05 | シャープ株式会社 | Air-conditioning control device and air-conditioning control system |
| JP2020186826A (en) | 2019-05-10 | 2020-11-19 | 三菱電機ビルテクノサービス株式会社 | Air-conditioning control system and program |
| WO2020235289A1 (en) | 2019-05-21 | 2020-11-26 | パナソニックＩｐマネジメント株式会社 | Management system, management method, and program |
| US20210029789A1 (en) | 2018-10-05 | 2021-01-28 | Ledvance Llc | Predictive smart light control |
| JP2021190283A (en) | 2020-05-29 | 2021-12-13 | 株式会社遠藤照明 | Lighting control device and lighting system |
Family Cites Families (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP7591907B2 (en) * | 2020-11-12 | 2024-11-29 | 三菱電機株式会社 | Imaging device, air conditioning system, information update method, and program |
-
2022
- 2022-06-08 JP JP2022093010A patent/JP7845065B2/en active Active
Patent Citations (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2017123587A (en) | 2016-01-08 | 2017-07-13 | ソニー株式会社 | Control device, control method, and program |
| US20190024928A1 (en) | 2017-07-20 | 2019-01-24 | Carrier Corporation | Hvac system including energy analytics engine |
| WO2020045249A1 (en) | 2018-08-29 | 2020-03-05 | シャープ株式会社 | Air-conditioning control device and air-conditioning control system |
| US20210029789A1 (en) | 2018-10-05 | 2021-01-28 | Ledvance Llc | Predictive smart light control |
| JP2020186826A (en) | 2019-05-10 | 2020-11-19 | 三菱電機ビルテクノサービス株式会社 | Air-conditioning control system and program |
| WO2020235289A1 (en) | 2019-05-21 | 2020-11-26 | パナソニックＩｐマネジメント株式会社 | Management system, management method, and program |
| JP2021190283A (en) | 2020-05-29 | 2021-12-13 | 株式会社遠藤照明 | Lighting control device and lighting system |
Also Published As
| Publication number | Publication date |
|---|---|
| JP2023179991A (en) | 2023-12-20 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN108227510B (en) | Providing integrated comfort in the structure | |
| CN103003637B (en) | The hot comfort personalization of building habitant controls | |
| ES2728381T3 (en) | Control system for the degree of environmental comfort and control system control method | |
| CN108488987A (en) | Control method, storage medium and the equipment of the apparatus of air conditioning | |
| CN113819618B (en) | Method and device for controlling air conditioner, air conditioner and storage medium | |
| CN111059720A (en) | Indoor physical environment integrated control system | |
| CN101581489A (en) | Control method of air conditioner with self-learning sleep function | |
| CN105717960A (en) | Environmental Comfort Control System and Control Method | |
| CN104748298A (en) | Temperature control system and method based on sensor network | |
| JP2025511876A (en) | Air conditioner control device utilizing comfortable temperature, air conditioner control method, and air conditioner control system | |
| CN114216239A (en) | Control method and device of air conditioning equipment based on schedule and air conditioning equipment | |
| JP7527767B2 (en) | SERVER, AIR CONDITIONER CONTROL DEVICE AND AIR CONDITIONER | |
| JP7845065B2 (en) | Control system, inference device, and learning device | |
| CN112013519A (en) | Air conditioning equipment, automatic control method thereof and terminal control equipment | |
| CN113543422A (en) | Household light environment regulation and control method, device and system | |
| CN108397862B (en) | Air conditioning device, control method thereof, control terminal and server | |
| CN114234405B (en) | Air conditioning control method, control device and air conditioner | |
| JP2010107072A (en) | Environment control system | |
| CN115031362A (en) | Intelligent air conditioner regulation and control method and system | |
| JP2023032102A (en) | air conditioning system | |
| CN119492112B (en) | Method and device for controlling intelligent household equipment, intelligent household equipment and storage medium | |
| CN108870648A (en) | Air-conditioning illumination system and air-conditioning illumination method | |
| CN110488627A (en) | A method of comprehensive utilization indoor electric appliance equipment improves sleep | |
| CN115202222A (en) | Whole house temperature control system and method | |
| JP7855092B2 (en) | Air conditioning control system |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20250313 |
|
| A977 | Report on retrieval |
Free format text: JAPANESE INTERMEDIATE CODE: A971007 Effective date: 20260120 |
|
| A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20260127 |
|
| A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20260217 |
|
| TRDD | Decision of grant or rejection written | ||
| A01 | Written decision to grant a patent or to grant a registration (utility model) |
Free format text: JAPANESE INTERMEDIATE CODE: A01 Effective date: 20260303 |
|
| A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20260316 |
|
| R150 | Certificate of patent or registration of utility model |
Ref document number: 7845065 Country of ref document: JP Free format text: JAPANESE INTERMEDIATE CODE: R150 |