リカレントニューラルネットワークによるビル空調システムの設定温度決定手法

カテゴリ: 全国大会

論文No: 4-220

グループ名: 【全国大会】令和5年電気学会全国大会論文集

発行日: 2023/03/01

タイトル(英語): Setting Temperature Optimization for Building Air-Conditioning Systems Using Recurrent Neural Network

著者名: 吉川怜央（東京電機大学）,武田航平（東京電機大学）,石川潤（東京電機大学）,川野裕希（三菱電機）,太田恵大（三菱電機）,峰行拓馬（三菱電機）

著者名(英語): Reo Kikkawa (Tokyo Denki University),Kohei Takeda (Tokyo Denki University),Jun Ishikawa (Tokyo Denki University),Hiroki Kawano (Mitsubishi Electric Corporation),Yoshihiro Ohta (Mitsubishi Electric Corporation),Takuma Mineyuki (Mitsubishi Electric Corporat

キーワード: 設定温度推定|空調システム|ZEB|ニューラルネットワーク|機械学習|省エネ|set temperature estimation|Air conditioning system|ZEB|Neural network|Machine learning|Energy saving

要約(日本語): ZEBの実現のためには，ビル空調の適正運用による省エネが求められる。本研究では，快適性を保ちつつ，ビル空調の消費電力を目標値以下に収めるため，リカレントニューラルネットワークにより消費電力制限を満たす設定温度を推定する手法を提案する。対象とする空調は，個別空調とセントラル空調とし，実証棟とシミュレータのデータを使用する。推定結果からは，カセット空調よりセントラル空調のMAPE値が低くなることがわかった。原因として，室内人数の熱負荷変動などがシミュレーションのモデルより実際の方が複雑だったということが考えら

本誌掲載ページ: 374-376 p

原稿種別: 日本語

PDFファイルサイズ: 835 Kバイト