研究課題/領域番号 |
20H00273
|
研究種目 |
基盤研究(A)
|
配分区分 | 補助金 |
応募区分 | 一般 |
審査区分 |
中区分23:建築学およびその関連分野
|
研究機関 | 東京大学 |
研究代表者 |
大岡 龍三 東京大学, 生産技術研究所, 教授 (90251470)
|
研究分担者 |
長井 達夫 東京理科大学, 工学部建築学科, 教授 (00316001)
池田 伸太郎 東京工業大学, 環境・社会理工学院, 准教授 (00843525)
菊本 英紀 東京大学, 生産技術研究所, 准教授 (80708082)
崔 元準 東京大学, 生産技術研究所, 助教 (30817458)
|
研究期間 (年度) |
2020-04-01 – 2023-03-31
|
研究課題ステータス |
交付 (2022年度)
|
配分額 *注記 |
45,500千円 (直接経費: 35,000千円、間接経費: 10,500千円)
2022年度: 12,090千円 (直接経費: 9,300千円、間接経費: 2,790千円)
2021年度: 15,080千円 (直接経費: 11,600千円、間接経費: 3,480千円)
2020年度: 18,330千円 (直接経費: 14,100千円、間接経費: 4,230千円)
|
キーワード | デジタルツイン / 人工知能 / 建築エネルギー / 運転最適化 / モデル予測制御 / 機械学習 / 設備機器モデリング / 室内環境モデリング / 最適制御 / 建築エネルギー設備 |
研究開始時の研究の概要 |
近年、デジタルツインと呼ばれる概念が製造業を中心に注目を集めている。現実空間の計測データをサイバー空間に集約し、現実世界を模したシミュレーション環境を構築することで業務効率の改善が期待されている。本研究では、このような技術の理論構築および実用化を最終的な到達点に据え、①設備機器および室内環境のモデリング手法の開発、②完全自動制御手法の汎用化、③それらの統合プラットフォームの開発、以上の3項目について研究を行う。これにより、自動的かつ継続的な省エネ化や省CO2化、在室者の快適性向上といった効果が多様な建物で期待できる。
|
研究実績の概要 |
当該年度は設備機器モデリングと室内環境モデリングを行った。設備機器モデリングについては、ANN等のモデルについて構造や学習パラメータを精査した上で、新たなアプローチとしてフィードフォワード型ANNや再帰型ANN等を組合せたアンサンブル手法の提案し、予測精度ならびにロバスト性を高めた。また、これまでの物理モデル開発の知見を活かし、学習データセットにおける境界条件の設定や実運用時における物理・統計両モデルの自動切替方法について検討した。室内環境モデリングについては、従来の室内環境シミュレーションは空間の代表点の温度変化等を計算するにとどまり、空間分布を詳細に計算するためには必要がある。そこで、CFD (Computational fluid dynamics)を利用して室内環境モデリングのための詳細な空間データベースの作成を行った。またそれに先立ち、CFDの計算精度検証のための室内温熱空気環境の実験を行った。 さらにCFDによるデータベースを機械学習を用いて学習し、高速な室内環境予測手法を提案した。本研究では、更なる高精度化・汎用化をおこなうと共に、要素別の畳み込みANNを用いた新しい構造の予測モデルの構築した。これは相互に関係している設備機器のエネルギー消費量と室内環境を同時にモデリングするコンセプトであり、物理モデル化が難しい関係性の精度良いモデル化が期待できる。これらによる室内環境モデリングはリアルタイムの室内環境制御システムとの連動をすることができる。
|
現在までの達成度 (区分) |
現在までの達成度 (区分)
3: やや遅れている
理由
室内環境計測において、外気条件に基づく追加実験の必要性が判明したため。
|
今後の研究の推進方策 |
開発した設備機器モデルと室内環境モデルを連成させて建物設備システムのデジタルツインのプロトタイプを作成する。
|