2017 Fiscal Year Annual Research Report
| Project/Area Number |
17J08140
|
|---|
| Research Institution | The University of Tokyo |
|---|
Principal Investigator |
宮田 翔平 東京大学, 工学系研究科, 特別研究員(DC1)
|
|---|
| Project Period (FY) |
2017-04-26 – 2020-03-31
|
| Keywords | 建築熱源システム / 性能評価 / 最適制御 / 不具合検知・診断 / 長期保全計画 / シミュレーション / モンテカルロ法 / 畳み込みニューラルネットワーク |
|---|
| Outline of Annual Research Achievements |
本研究は既存の建築物における熱源システムの高効率な運用手法の開発を目的としている。熱源システムとは、空調用に熱を生産・搬送するシステムである。この目的を達成するために、熱源システムの性能評価、最適制御、不具合検知・診断、長期保全計画が必要だと考えられ、本研究員は各項目に取り組んできた。各検討には、本研究者が自ら構築した詳細な熱源システムシミュレーションが用いられている。
これまでは、性能評価、最適制御、不具合検知・診断について取り組んできた。性能評価に関してはセンサやアクチュエータの不確かさを熱源システムシミュレーションに組み込み、多数回（1,000回）確率的に不確かさを与えて性能分布を推定するモンテカルロシミュレーションを行った。推定した性能分布を用いることで、確率論的に性能の評価を可能とした。最適制御に関しては、空調機側に送る冷水の温度や流量の制御性を担保しながらエネルギー効率が最大となるように複数の設定値を最適化する手法を提案した。今後は、デマンドレスポンス（DR）といった電力系統に対応して熱源システムの制御を行うことも研究の視野に入れており、最適制御に系統側の条件も組み込んで検討を発展させる予定である。不具合検知・診断に関しては、熱源システムシミュレーションを用いて、システム挙動と不具合ラベルをセットとした6種類の不具合データセットを生成し、畳み込みニューラルネットワーク（Convolutional Neural Network、CNN）を用いて生成した不具合データセットを学習し、不具合検知・診断を試みた。その結果、非常に高い精度（99%以上）を得たため、建築熱源システムの不具合検知・診断においてCNNが有効であることが示された。
今後は各手法の改善と共に、診断した不具合に対してどのような戦略で矯正戦略を立てるかという長期保全手法の開発を行う予定である。
|
| Current Status of Research Progress |
Current Status of Research Progress
2: Research has progressed on the whole more than it was originally planned.
Reason
平成29年度は主に最適制御と不具合検知・診断に取り組んだ。
最適制御に関しては、制御性に注目して設定値を最適化する手法を提案した。本研究は国際会議にて発表した。これまで熱源システムにおける最適化は1時間単位のシミュレーションを用いたものがほとんどで、設定値通り制御がなされているかといった制御性の評価は難しかったが、独自の詳細な熱源システムシミュレーションは1分単位で流量や温度といった状態を算出しているため、この検討が可能となった。
不具合検知・診断に関しては、熱源システムシミュレーションを用いて6種類の不具合データを生成し、畳み込みニューラルネットワーク（Convolutional Neural Network、CNN）を用いて生成した不具合データを学習し、不具合検知・診断を試みた。不具合は熱源システムの性能を低下させるため、不具合の有無を検知し、どこに、どのような不具合が生じているか診断することは非常に重要である。本研究は各不具合の特徴抽出をCNN自身が学習の課程で行うため、まず熱源システムシミュレーションを用いて不具合データと不具合箇所をセットとした適切なデータセットを用意した。次に、生成したデータセットを用いてCNNの学習を行い、高い精度（99%以上の正解率）を得た。最後に、学習したCNNに実測データを入力したところ、実測データの分析から発見された不具合を65.5％の確率で診断した。学習に用いたシミュレーション結果と実測データの乖離によってこのような結果となったと考えられるため、実測データを入力とした場合の精度向上は今後の課題である。なお、本研究は空気調和・衛生工学会論文集に投稿済みである（2018年4月10日に受付）。
|
| Strategy for Future Research Activity |
研究課題であるストックZEB実現のための次世代BEMSの開発において重要な4つの要素技術（性能評価、最適制御、不具合検知・診断、長期保全計画）に関して、本研究員は性能評価、最適制御、不具合検知・診断について主に取り組んできた。第2・3年度ではこれらを深めて学会誌にその内容を投稿すると共に、これまで取り組んでいない長期保全計画について検討を重ねる予定である。以下に今後の研究計画を年度ごとに具体的に述べる。
第2年度では不具合検知・診断の発展（4～7月）、性能評価の論文投稿（8、9月）、DRも考慮した最適化（10～3月）を中心に研究を進める予定である。不具合検知診断に関しては不具合種類の拡張と、複数不具合の検知・診断や不具合の程度の診断について検討する予定である。熱源システムにおいて複数の不具合が同時に生じていることは十分想定され、不具合の程度によって対処方法も変わるからである。これらの検討結果は学会誌に投稿する予定である。また、DRも考慮した最適化は研究対象を熱源システムから建物全体やエリアといったより広い範囲に拡張し、さらにこれまでの熱源システムに加えて電力システムの概念も加わるため、既往研究の調査から始める必要があるため、期間を長めに設定している。
第3年度では第2年度までで開発した不具合検知・診断手法により診断された不具合の矯正について戦略立案を行う。これは不具合矯正という投資問題を最適化するという意味で、長期保全手法の開発といえる。特に複数の不具合が診断された場合に、どの不具合を優先的に矯正するのか判断するためにはそのための経済性評価に加えて、不具合そのものの深刻度を評価する指標が必要である。このような指標はいまだ存在しないため、まずは不具合の評価指標について検討を行う必要があると考えている。
|
