JP4032426B2 - 設備モデル作成方法及び設備モデル作成プログラム、建物モデル作成方法及び建物モデル作成プログラム、並びに、設備改修評価方法及び建物改修評価方法 - Google Patents

Description

本発明は、建物に用いられる設備を演算式で表現した設備モデルを作成する設備モデル作成方法及び設備モデル作成プログラムに関する。そして、このような設備モデル作成方法を用いた建物モデル作成方法及び建物モデル作成プログラムに関する。さらに、このような設備モデル作成方法を用いた設備改修評価方法及び建物改修評価方法に関する。

近年、ネットワーク技術等の発達により、オフィスビル、集合住宅及び工場等の建物に設置される照明設備や空調設備等の様々な設備の運転状態を監視するために、設備に配置された複数のセンサ端末をローカルなネットワークで接続してセンサ端末からその出力データを収集するデータ収集装置が知られている。さらに、グローバルなネットワークを介してデータ収集装置から当該出力データを集積するデータベースサーバも知られている（例えば、特許文献１参照）。

収集されたデータは、蓄積されるだけでなく、設備を適切に運転することによって得られる居住環境の快適性を調べる解析目的や設備の省エネルギにおける達成度を調べる解析目的等、様々な解析目的から解析されることによって様々な情報が得られ、さらに意味のあるものとなる。このような解析は、通常、比較の基準となる基準データ（参照データ、ベースライン）と実測値や予測値との差を演算すること等、基準データに基づいて行われる。従来は、この基準データは、過去に収集した例えば過去数年分の測定データを平均することによって得ていた。

なお、非特許文献１には、予め線形演算式のモデルを想定し、実測値を用いて最小二乗法により係数を求めることによってモデルを同定する方法について開示されている。
特開２００２−３５４５５３号公報 赤司泰義、他３名「建物の熱負荷と熱的特性の同定に関する研究」、日本建築学会計画系論文報告集、１９９３年８月、第４５０号、Ｐ１９−２７

ところで、設備は、それを取り巻く環境に応じて運転されるものである。例えば、空調設備の場合に、暖冬の年では比較的稼働日が少なくなるし、厳冬の年では比較的稼働日が多くなる。また例えば、照明設備の場合に、晴天の日が多い年では比較的稼働日が少なくなるし、曇りや雨の多い年では比較的稼働日が多くなる。このように過去に収集したデータは、その時々の気象条件等の設備を取り巻く環境の影響を強く受けたものである。このため、基準データを従来のように平均することによって得る手法では、このような時々に異なる環境の影響を必ずしも正確に反映したものとなっていない。そのため、基準データの信頼性は、低いものであり、このような信頼性の低い基準データと比較することによって得られた解析結果も信頼性の低いものとならざるを得ない。

特に、建物で消費されるエネルギについては、気象条件等の環境の影響を強く受けるため、基準データの導出、特定は、容易ではなかった。

本発明は、上述の事情に鑑みてなされた発明であり、設備を取り巻く環境の影響を考慮した設備モデルを作成する設備モデル作成方法及び設備モデル構築プログラムを提供することを目的とする。そして、本発明は、このような設備モデル作成方法及び設備モデル作成プログラムを利用することによって、建物を取り巻く環境の影響を考慮した建物モデルを作成する建物モデル作成方法及び建物モデル構築プログラムを提供することを目的とする。さらに、本発明は、このような設備モデル作成方法及び設備モデル作成プログラムを利用することによって、設備に施された改修の効果を評価する設備改修評価方法を提供することを目的とする。また、本発明は、このような設備モデル作成方法及び設備モデル作成プログラムを利用することによって、建物に施された改修の効果を評価する建物改修評価方法を提供することを目的とする。

上述の目的を達成するために、本発明に係る、設備に対する解析目的と前記設備に作用する因子との関係を示す演算式である設備モデルを作成する設備モデル作成方法は、設備モデル作成装置が前記解析目的に応じた前記因子を選出すると共に該選出した因子をさらに時間的に区別することによって選定した投入変数を受付ける投入変数受付けステップと、設備モデル作成装置が前記選定した投入変数について測定することによって得られた基礎データを受付ける基礎データ受付けステップと、設備モデル作成装置が、前記基礎データに基づいて、前記選定した投入変数から前記設備に実質的に作用していない投入変数を排除することによって説明変数を抽出する抽出ステップと、設備モデル作成装置が、前記抽出した説明変数と現在時点の説明変数との間に時間的な不連続がある場合には、時間的に連続するように前記排除した投入変数を強制的に復活させる復活ステップと、設備モデル作成装置が前記抽出ステップと前記復活ステップとを構築すべき設備モデルが所定の精度になるまで繰り返すことによって前記設備モデルを同定する同定ステップとを備えることを特徴とする。

そして、上述の設備モデル作成方法において、設備モデル作成装置が、前記設備が配置される建物における空間を複数の区画に分割し、前記基礎データを前記複数の区画ごとに仕分けする区画分割ステップをさらに含み、前記複数の区画ごとに設備モデルを構築することを特徴とする。

また、上述の設備モデル作成方法において、設備モデル作成装置が、前記設備モデルを構築する期間が設定された場合に、前記期間を複数の小期間に分割し、前記基礎データを前記複数の小期間ごとに仕分けする期間分割ステップをさらに含み、小期間ごとに設備モデルを構築することを特徴とする。

さらに、上述の設備モデル作成方法において、設備モデル作成装置が前記基礎データから前記解析目的に合わない特異なデータを排除する排除ステップをさらに含むことを特徴とする。

また、本発明に係る、設備に対する解析目的と前記設備に作用する因子との関係を示す演算式である設備モデルを作成する設備モデル作成プログラムは、前記解析目的に応じた前記因子を選出すると共に該選出した因子をさらに時間的に区別することによって選定された投入変数を受付ける投入変数受付けステップと、前記選定した投入変数について測定することによって得られた基礎データを受付ける基礎データ受付けステップと、前記基礎データに基づいて、前記選定した投入変数から前記設備に実質的に作用していない投入変数を排除することによって説明変数を抽出する抽出ステップと、前記抽出した説明変数と現在時点との間に時間的な不連続がある場合には、時間的に連続するように前記排除した投入変数を強制的に復活させる復活ステップと、前記抽出ステップと前記復活ステップとを構築すべき設備モデルが所定の精度になるまで繰り返すことによって前記設備モデルを同定する同定ステップとを備えることを特徴とするコンピュータに実行させるためのプログラムである。

一方、本発明に係る、建物に配置される設備について設備モデルを作成し、前記作成した設備モデルの和を演算することによって、建物に対する解析目的と前記建物に作用する因子との関係を示す演算式である建物モデルを作成する建物モデル作成方法は、設備モデルが上述した何れかの設備モデル作成方法によって作成されることを特徴とする。

そして、本発明に係る、建物に配置される設備について設備モデルを設備モデル作成プログラムによって作成し、前記作成した設備モデルの和を演算することによって、建物に対する解析目的と前記建物に作用する因子との関係を示す演算式である建物モデルを作成する建物モデル作成プログラムは、設備モデル作成プログラムが上述した設備モデル作成プログラムであることを特徴とする。

また、本発明に係る、改修の前後における設備モデルに同一のデータを与えてその差を演算することにより、設備に施された前記改修の効果を評価する設備改修評価方法は、前記設備モデルが上述した何れかの設備モデル作成方法によって作成されることを特徴とする。

さらに、本発明に係る、改修の前後における建物モデルに同一のデータを与えてその差を演算することにより、建物に施された前記改修の効果を評価する建物改修評価方法は、前記建物モデルが上述の建物モデル作成方法によって作成されることを特徴とする。

このような構成の設備モデル作成方法及び設備モデル作成プログラムは、解析目的に応じた因子を説明変数の候補として想定される限り選出すると共にこの選出した因子をさらに時間的に区別することによって投入変数を選定し、基礎データに基づいてこの選定した投入変数から設備に実質的に作用していない投入変数を排除することによって説明変数を抽出するので、適切に説明変数を抽出することができる。そして、設備モデル作成方法及び設備モデル作成プログラムは、この抽出した説明変数と現在時点との間に時間的な不連続がある場合には、時間的に連続するように先に排除した投入変数を強制的に復活させるので、時間的に整合性のとれた説明変数とすることができる。さらに、設備モデル作成方法及び設備モデル作成プログラムは、抽出ステップと復活ステップとを構築すべき設備モデルが所定の精度になるまで繰り返すことによって設備モデルを同定するので、解析目的に合った精度の設備モデルを得ることができる。その結果、設備を取り巻く環境の影響を適切に考慮した信頼性の高い設備モデルを得ることができるから、信頼性の高い基準データを得ることができる。

そして、このような構成の建物モデル作成方法及び建物モデル作成プログラムは、上述した建物モデル作成方法及び建物モデル作成プログラムを用いて作成した設備モデルの和を演算することによって建物モデルを作成するので、建物を取り巻く環境の影響を適切に考慮した信頼性の高い建物モデルを得ることができるから、信頼性の高い基準データを得ることができる。

また、このような構成の設備改修評価方法は、上述した設備モデル作成方法及び設備モデル作成プログラムを用いて作成した設備モデルを用いて改修の効果を評価するので、定量的な信頼性の高い評価結果を得ることができる。

さらに、このような構成の建物改修評価方法は、上述した建物モデル作成方法及び建物モデル作成プログラムを用いて作成した建物モデルを用いて改修の効果を評価するので、定量的な信頼性の高い評価結果を得ることができる。

以下、本発明に係る実施形態を図面に基づいて説明する。なお、各図において同一の符号を付した構成は、同一の構成であることを示し、その説明を省略する。
（実施形態の構成）
図１は、設備モデル作成装置の構成を示すブロック図である。図１において、設備モデル作成装置１は、中央処理部１１、入力部１２、表示部１３、内部記憶部１４、外部記憶部１５、補助記憶部１６及びバス１７を備えて構成される。

中央処理部１１は、例えば、マイクロプロセッサ等で構成され、機能的に、後述の処理をプログラム言語で記述された設備モデル作成プログラムを実行することによって設備モデルを作成するモデル作成部１１１を備えると共に、制御プログラムに従い入力部１２、表示部１３、内部記憶部１４、外部記憶部１５、補助記憶部１６及び通信インターフェース２７を制御する。

入力部１２は、設備モデル作成プログラムの実行指示等の各種コマンドや設備モデルを作成するための基礎データ等の各種データ等を設備モデル作成装置１に入力する機器であり、例えば、キーボードやマウス等である。表示部１３は、入力部１２から入力されたコマンド、データ及び設備モデル作成装置１の動作状況等を表示する機器であり、例えばＣＲＴディスプレイ、ＬＣＤ、有機ＥＬディスプレイ又はプラズマディスプレイ等である。

内部記憶部１４は、中央処理部１１が実行する設備モデル作成プログラムや制御プログラムを補助記憶部１６から読み込むと共に、設備モデル作成プログラムや制御プログラムの実行中における各データを一時的に記憶するＲＡＭ（Random Access Memory）である。外部記憶部１５は、例えば、フレキシブルディスク、ＣＤ−ＲＯＭ（Compact Disc Read Only Memory）、ＣＤ−Ｒ（Compact Disc Recordable）及びＤＶＤ−Ｒ（Digital Versatile Disc ReWritable）等の記憶媒体との間でデータを読み込み及び／又は書き込みを行う装置であり、例えば、フレキシブルディスクドライブ、ＣＤ−ＲＯＭドライブ、ＣＤ−Ｒドライブ及びＤＶＤ−Ｒドライブ等である。なお、外部記憶装部１５は、必要に応じて設備モデル作成装置１に備えられる。

補助記憶部１６は、例えばハードディスク等のデータを記憶する装置であり、データ記憶部１６１、スケジュール記憶部１６２、期間分割データ記憶部１６３及び区画分割データ記憶部１６４を備える他、設備モデル作成プログラムや設備モデル作成装置１を動作させるための制御プログラム等の各プログラム（不図示）、及び、各プログラムの実行中及び実行後のデータ（不図示）等を記憶する。各プログラムが格納されていない場合には、これらを記録した記録媒体から外部記憶部１５を介して補助記憶部１６にインストールされる。

なお、外部の機器と通信信号を送受信する通信インタフェース（不図示）をさらに備え、これらプログラムを管理するサーバコンピュータ（不図示）から通信網及びこの通信インタフェースを介して各プログラムがダウンロードされるように構成してもよい。また、外部の機器と通信信号を送受信する通信インタフェース（不図示）をさらに備え、基礎データを測定するためのセンサを設備や建物各所に配置すると共に、センサを伝送路を介して通信インタフェースと接続することによって設備モデル作成装置１と接続し、基礎データは、設備モデル作成装置１がセンサから伝送路及び通信インタフェースを介して収集して補助記憶部１６に記憶するように構成してもよい。センサは、構築しようとしている設備モデルの目的から決まるものであるが、例えば、電力計、ガスメータ、量水器、流量計、風速センサ、流速センサ、温度センサ、湿度センサ、風量センサ、照度センサ及び人感センサ等である。

データ記憶部１６１は、設備モデルを作成するために必要な実測値等の基礎データを記憶するものである。基礎データは、その基礎データの種類、測定場所、測定年月日時等が分かるように、データ記憶部１６１に記憶される。

スケジュール記憶部１６２は、設備モデルを作成しようとしている対象の設備において、作成しようとしている設備モデルの解析目的に合わない特異な基礎データを排除するための日にち（特異日）を記憶するものである。例えば、設備モデルの解析目的がオフィスビルにおけるエネルギ消費である場合には、就業日と非就業日とでは、建物の運用が異なるため設備の運用が異なるのが通常であり、非就業日は、エネルギ消費が極端に少なくなる。そのため、その解析目的から非就業日が特異日となる。そこで、スケジュール記憶部１６２に非就業日のデータが記憶され、モデル作成部１１１は、設備モデル作成の際に、非就業日に測定された基礎データを排除して、排除されて残った基礎データに基づいて設備モデルを作成する。なお、逆に、設備モデルの解析目的に沿った基礎データを残すための日にち（平常日）をスケジュール記憶部１６２に記憶するように構成してもよい。

期間分割データ記憶部１６３は、設備モデルを作成しようとしている対象の設備において、構築しようとしている設備モデルの解析目的に沿って基礎データを設備の運転状態及び気象条件変化等に依る基礎データ変化パターンを考慮して期間ごとに分割するためのデータ（期間分割データ）を記憶するものである。例えば、設備モデルの解析目的が照明設備におけるエネルギ消費である場合には、四季に応じて日照時間が異なるため、照明設備の点灯時間も四季に応じて異なるのが通常である。そのため、その解析目的から各季節が分割された期間となる。そこで、期間分割データ記憶部１６３に四季の区切り日のデータ又は四季ごとの期間のデータが記憶され、モデル作成部１１１は、設備モデル作成の際に、各季節ごとの基礎データに基づいて設備モデルを作成する。

区画分割データ記憶部１６４は、設備モデルを作成しようとしている対象の設備において、構築しようとしている設備モデルの解析目的に沿って当該設備が作用を及ぼす空間を設備構造、室構成及び配置等を考慮して区切るためのデータ（区画分割データ）を記憶するものである。例えば、設備モデルの解析目的が空調設備におけるエネルギ消費である場合には、当該空調設備が空気調整する範囲を区切るためのデータであり、また設備モデルの解析目的が照明設備におけるエネルギ消費である場合には、当該照明設備が照らす範囲を区切るためのデータである。

そして、これら中央処理部１１、入力部１２、表示部１３、内部記憶部１４、外部記憶部１５及び補助記憶部１６は、データを相互に交換することができるようにバス１７にそれぞれ接続される。

次に、本実施形態の動作について説明する。
（実施形態の動作）
本設備モデル作成装置１の以下の説明において、データ記憶部１６１には、基礎データが記憶されているものとする。例えば、選定した投入変数について、当該投入変数に関する物理量を測定可能なセンサを用いて所定期間において所定時間間隔で測定することによって得られた基礎データをユーザが入力部１２から設備モデル作成装置１に入力することによって、基礎データをデータ記憶部１６１に記憶させてもよい。また例えば、通信信号を送受信する通信インタフェースを設備モデル作成装置１がさらに備え、この通信インタフェースを用いてセンサとを伝送路を介して通信可能に接続され、設備モデル作成装置１が所定期間において所定時間間隔でセンサによって測定された基礎データを収集し、データ記憶部１６１に記憶するように構成してもよい。また例えば、センサから基礎データを伝送路を介して収集するデータ収集装置に収集させて記憶媒体に記憶させ、設備モデル作成装置１は、この記憶媒体から外部記憶部１５を介して基礎データをデータ記憶部１６１に記憶するように構成してもよい。

図２は、設備モデル作成方法を示すフローチャートである。図２において、まず、入力部１２からユーザによってモデル作成期間が入力される（Ｓ１１）。次に、区画分割データが入力される（Ｓ１２）。区画分割データが入力されると、設備モデル作成装置１の中央処理部１１は、区画分割データを区画分割データ記憶部１６４に記憶する。次に、特異日のデータが入力される（Ｓ１３）。特異日のデータが入力されると、中央処理部１１は、特異日のデータをスケジュール記憶部１６２に記憶する。次に、期間分割が必要か否かが判断され（Ｓ１４）、必要な場合（Ｙｅｓ）には期間分割データが入力された（Ｓ１５）後に処理Ｓ１６が実行され、不必要な場合（Ｎｏ）には処理Ｓ１６が実行される。処理Ｓ１６において、設備モデルの従属変数（設備モデルの出力）及び解析目的の観点から想定される限りの設備に作用する因子を投入変数（設備モデルの説明変数の候補）として入力される。投入変数が入力されると、中央処理部１１のモデル作成部１１１は、区画分割データ記憶部１６４に記憶されている区画分割データに基づいて、作成しようとしている設備モデルに係る基礎データをデータ記憶部１６１に記憶されている基礎データから抽出する。モデル作成部１１１は、スケジュール記憶部１６２に記憶されている特異日のデータに基づいて、特異日に測定された基礎データを抽出した基礎データから排除する。そして、モデル作成部１１１は、期間分割データ記憶部１６３に期間分割データが記憶されている場合には、特異日の基礎データを排除された基礎データをこの期間分割データに従って期間ごとに仕分けする。

以上の処理が終わると、モデル作成部１１１は、式１に、排除した基礎データを用いて、あるいは、仕分けた基礎データを用いて、例えば、ステップワイズ法や強制投入法によって、入力された投入変数から設備に実質的に作用していない投入変数を排除して有効な説明変数を選定する（Ｓ１７）。
Ｙ＝Σ（Ａ_ａ,ｔ・Ｘ_ａ,ｔ＋Ａ_ｂ,ｔ・Ｘ_ｂ,ｔ＋Ａ_ｃ,ｔ・Ｘ_ｃ,ｔ＋・・・）＋Ａ_０
・・・（式１）
ここで、Ａ_ａ,ｔは、投入変数（説明変数）Ｘ_ａ,ｔの係数であり、Ａ_ｂ,ｔは、投入変数（説明変数）Ｘ_ｂ,ｔの係数であり、Ａ_ｃ,ｔは、投入変数（説明変数）Ｘ_ｃ,ｔの係数である。従って、Σの（）内は、係数を乗じた投入変数の全ての和で表される。Ａ_０は、定数項である。添え字ｔは、ｔ時間前の投入変数（説明変数）であることを示し、例えばｔ＝０が現在時間であり、設備モデルのタイムステップが１時間単位である場合には、ｔ＝１が１時間前、ｔ＝２が２時間前となる。従って、設備モデルにおいて投入変数は、時間的にも区別されている。設備モデルがｎ単位時間前まで考慮する場合には式１のΣは、ｔ＝０からｔ＝ｎまでの和を演算することになる。

ここで、投入変数を時間的にも区別するのは、一定時間までの過去の状態（設備モデルの出力）が現在の状態に影響を及ぼしていることを考慮するためである。

次に、モデル作成部１１１は、処理Ｓ１７で選定した説明変数と現在時点の説明変数との間に時間的な不連続がある場合には、時間的に連続するように処理Ｓ１７で排除した投入変数を強制的に復活させる（Ｓ１８）。例えば、処理Ｓ１７によって投入変数Ｘ_ｃについてｔ＝２のＡ_ｃ,２・Ｘ_ｃ,２項だけが残った場合には、物理常識に照らして考えると、それよりも現在時点までの項Ａ_ｃ,０・Ｘ_ｃ,０及びＡ_ｃ,１・Ｘ_ｃ,１も現在の状態に影響を及ぼしているはずであるから、これら２個の項Ａ_ｃ,０・Ｘ_ｃ,０及びＡ_ｃ,１・Ｘ_ｃ,１を強制的に復活させる。

そして、モデル作成部１１１は、処理Ｓ１７と処理Ｓ１８とを構築すべき設備モデルが所定の精度になるまで繰り返すことによって設備モデルを同定する（Ｓ１９）。所定の精度は、設備モデルに要求される、設備モデルと実測値との差である誤差によって決定される値であるが、例えば、５％や３％や１％に設定される。

このように本発明に係る設備モデル作成装置１は、区画分割を行うので、設備モデルの対象である設備に係る基礎データを設備モデルの作成に用いることができる。このため、精度の高い設備モデルを作成することができる。そして、本発明に係る設備モデル作成装置１は、特異日に測定された基礎データを設備モデルの作成に用いる基礎データから除去するので、解析目的に適った設備モデルを作成することができる。また、本発明に係る設備モデル作成装置１は、期間分割を行うので、期間ごとに異なる設備に作用する状態を考慮して設備モデルを作成することができる。このため、精度の高い設備モデルを作成することができる。

さらに、本発明に係る設備モデル作成装置１は、解析目的に応じた因子を説明変数の候補として想定される限り選出して投入変数を選定しここから基礎データに基づいて設備に実質的に作用していない投入変数を排除することによって説明変数を抽出するので、適切に説明変数を抽出することができる。そして、本発明に係る設備モデル作成装置１は、時間的な不連続がある場合に、時間的に連続するように先に排除した投入変数を強制的に復活させるので、時間的に整合性のとれた説明変数とすることができる。また、本発明に係る設備モデル作成装置１は、処理Ｓ１７と処理Ｓ１８とを構築すべき設備モデルが所定の精度になるまで繰り返すことによって設備モデルを同定するので、解析目的に合った精度の設備モデルを得ることができる。

このように本発明に係る設備モデル作成装置１は、設備を取り巻く環境の影響を適切に考慮した信頼性の高い設備モデルを得ることができるから、設備の解析において信頼性の高い基準データを得ることができる。

ここで、建物の快適性やエネルギ消費等を解析する場合に、これらに関係する設備を解析することになるから、建物に対する解析目的とこの建物に作用する因子との関係を示す演算式である建物モデルは、建物に配置される設備について設備モデルを作成し、作成した設備モデルの和を演算することによって作成することができる。この設備モデルに上述した設備モデル作成装置１を用いることによって、信頼性の高い設備モデルが得られるから、信頼性の高い建物モデルを作成することができ、建物の解析において信頼性の高い基準データを得ることができる。

この場合において、データ記憶部１６１、スケジュール記憶部１６２、期間分割データ記憶部１６３及び区画分割データ記憶部１６４が作成すべき設備に係る基礎データ、特異日のデータ、期間分割データ及び区画分割データをそれぞれ記憶するように構成し、モデル作成部１１１がこれらデータを用いて上述の処理によって各設備の設備モデルを作成するように構成し、作成した各設備モデルの和をモデル作成部１１１が演算するように構成することによって、設備モデル作成装置１を建物モデル作成装置に兼用することができる。

次に、一実施例について説明する。
（実施例）
本実施例は、オフィスビルの一フロアにおける一区画について、空調設備が外界からの熱の浸入、流出や居住者やＯＡ機器からの発熱（空調熱負荷と呼ぶ）を処理する挙動をモデル化したものである。

図３は、本実施例における建物モデルの対象であるオフィスビルの一フロアを示す平面図である。図３（Ａ）は、オフィスビルの一フロアの全体平面図であり、図３（Ｂ）は、建物モデルの対象とした一区画の部分拡大図である。図４は、空調設備の総処理熱量を建物モデルにモデル化するために必要な測定項目を説明するための図である。図５は、インテリアＮＥ区画における空調機総処理熱量（総熱負荷）のある期間中（２００１年１１月〜２００２年７月）の挙動を示す図である。

図３（Ａ）において、本実施例における建物モデルの対象となったオフィスビルの一フロアは、東エリア、中央エリア及び西エリアに大きく３個の領域に分かれている。東エリア及び西エリアは、主に執務を行うエリアであり、中央エリアは、機械室、階段、トイレ、会議室及びエレベータホールが置かれている主に共用施設が配置されているエリアである。本実施例では、この東エリアを、建物モデルを構築する対象であるモデル作成対象空間ＳＰとした。

この東エリアには、図３（Ａ）及び図３（Ｂ）に示すように、空調設備として、窓際に１１個のファン・コイル・ユニット（以下、「ＦＣＵ」と略記する。）２１（２１−１〜２１−１１）が略南北方向に配置され、中央エリアとの境界に２機の空調機（以下、「ＡＨＵ」と略記する。）２２（２２−１、２２−２）が南側と北側とにそれぞれ配置されている。簡単に説明すると、ＦＣＵ２１は、吹出し空気が所定温度になるように室内空気との間で熱交換を行う装置である。ＡＨＵ２２は、外気を取り入れて外気と室内空気とを混合し、吹出し空気が所定温度及び所定湿度になるようにこの混合された空気との間で熱交換を行う装置である。

本実施例は、これらＦＣＵ２１及びＡＨＵ２２からなる空調設備の総処理熱量をモデル化するものであるから、まず、設備モデルの出力となるＦＣＵ２１の総処理熱量及びＡＨＵ２２の総処理熱量をそれぞれ測定する必要がある。この測定は、空調設備の熱交換器における冷水の温度と温水の温度との差から算出される。この測定を行うために、ＦＣＵ２１及びＡＨＵ２２に温度センサが熱交換を行うコイル部の給水（入口）及び還水（出口）にそれぞれ配置され、また、流量センサが配置される。

これら各温度センサ及び流量センサが、伝送路を介して、設備モデル作成装置１にさらに備えられた通信インタフェース（不図示）に接続されるように構成されており、１〜１０分間間隔で測定された測定データがこれら各温度センサ及び流量センサから設備モデル作成装置１に収集されるように構成される。設備モデル作成装置１の中央処理部１１は、収集されたデータをモデル作成に当たって適切と考えられる時間単位、例えば１時間単位に平均化、積算化処理を行って、冷水の温度と流量とから冷水熱量を、温水の温度と流量とから温水熱量を演算してＦＣＵ２１の総処理熱量及びＡＨＵ２２の総処理熱量をそれぞれ演算するように構成される。そして、設備モデル作成装置１の中央処理部１１は、演算したＦＣＵ２１の総処理熱量及びＡＨＵ２２の総処理熱量のデータを基礎データとして補助記憶部１６におけるデータ記憶部１６１に記憶するように構成される。

一方、本実施例は、空調設備の総処理熱量を解析目的にモデル化するものであるから、空調設備の総処理熱量を左右する因子、即ち、空調設備に作用する因子を考える必要がある。この因子が設備モデルの説明変数の候補である投入変数に相当する。この因子は、まず、ＡＨＵ２２の熱処理方法からＡＨＵ２２に取り入れられる外気温度、外気絶対湿度及び取入風量が挙げられる。また、東エリアに設置されている発熱源が挙げられ、東エリアにおける照明設備、ＯＡ機器及び人間が発熱源となる。さらに、東エリアが外界から受ける影響、即ち、窓及び外壁付近の外気温度、外気絶対湿度及び窓からの日射量も考慮する必要がある。

従って、図４に示すように、これら温度、湿度、風量、熱量及び日射量等の物理量を測定するために、各所に各センサ（不図示）が配置される。即ち、ＡＨＵ２２に取り入れられる外気温度、外気絶対湿度及び取入風量を測定するために温度センサ、湿度センサ及び風量センサがそれぞれ配置される。照明設備の発熱量を間接的に測定するために照明設備の消費電力が測定され、そのために照明設備に電力計が配置される。ＯＡ機器の発熱量を間接的に測定するためにＯＡ機器が接続されるコンセントにおける消費電力が測定され、そのためにコンセントに電力計が配置される。室内温度及び室内絶対湿度を測定するために、温度センサ及び湿度センサが配置される。窓付近の室外外気温度及び室外外気絶対湿度を測定するために、温度センサ及び湿度センサが室外窓付近に配置される。また、窓からの日射量を測定するために日射計が配置される。なお、本実施例では、人体発熱量は一定として扱ったが、在住者人数を検出する手段、例えばカメラや赤外線センサを活用した人感センサを配置し、その出力から在住者の人数を推定あるいは計量し、人体発熱量を間接的に算出してもよい。

これら各温度センサ、各湿度センサ、各電力計及び日射計は、上述と同様に、１〜１０分間間隔で測定された測定データが設備モデル作成装置１に収集され、設備モデル作成装置１の中央処理部１１は、これらデータを適切な時間単位、例えば１時間単位に平均化、積算化処理を行って、設備モデル構築のための基礎データを生成し、補助記憶部１６におけるデータ記憶部１６１に記憶する。

これらＦＣＵ２１の総処理熱量、ＡＨＵ２２の総処理熱量、ＡＨＵ２２の外気温度、ＡＨＵ２２の外気絶対湿度、ＡＨＵ２２の外気取入風量、照明設備電力、コンセント電力、室内温度、室内絶対湿度、室外外気温度、室外外気絶対湿度及び日射量を投入変数として、有効な説明変数の選定及び投入変数の強制的な復活を所定精度の設備モデルが得られるまで繰り返し行うことによって、東エリア全体の設備モデルを構築してもよいが、本実施例では、より精度の高い設備モデルを構築するために、１１個のＦＣＵ２１及び２機のＡＨＵ２２によって東エリアの室内環境を調整していることを考え、図３（Ｂ）に示すように、ペリメータ区画Ｚｐ、インテリアＮＥ（North East）区画Ｚ_ＩＮＥ及びインテリアＳＥ（South East）区画Ｚ_ＩＳＥの３個のエリアに東エリアを区分け、区画ごとにＦＣＵ２１、ＡＨＵ２２−１及びＡＨＵ２２−２の設備モデルを構築した。本実施例では、１１個のＦＣＵ２１を１個のＦＣＵとみなして設備モデルを作成した。本発明に係る設備モデル作成方法は、複数の設備を１個の設備にみなして設備モデルを作成することも可能である。ペリメータは、一般に、外界と接した窓や外壁近傍の室内空間の区分をいい、現実には、外界に接した壁や窓から数メートルの範囲をいう。

ペリメータ区画Ｚｐは、主に１１個のＦＣＵ２１が室内環境を調整している区画であって、窓や外壁を介して室外からの影響が及ぶ範囲であり、室内環境が安定し難く大きな熱負荷変動を伴う。このためにＡＨＵ２２とは別にＦＣＵ２１が配置されている。従って、ペリメータ区画Ｚｐの設備モデルにおける従属変数は、ＦＣＵ２１の総処理熱量であり、投入変数は、照明設備電力ペリメータ、コンセント電力ペリメータ、室内温度ペリメータ、室内絶対湿度ペリメータ、室外外気温度、室外外気絶対湿度及び日射量である。ここで、照明設備電力ペリメータは、ペリメータ区画Ｚｐに設置されている照明設備における電力であり、コンセント電力ペリメータは、ペリメータ区画Ｚｐに設置されているコンセントにおける電力であり、室内温度ペリメータは、ペリメータ区画Ｚｐにおける室内温度であり、そして、室内絶対湿度ペリメータは、ペリメータ区画Ｚｐにおける室内絶対湿度である。

インテリアＮＥ区画Ｚ_ＩＮＥは、主に北側のＡＨＵ２２−１が室内環境を調整している区画であり、窓や外壁を介して室外からの影響が実質的に及ばない範囲である。このため、インテリアＮＥ区画Ｚ_ＩＮＥの設備モデルにおける従属変数は、ＡＨＵ２２−１の総処理熱量であり、投入変数は、ＡＨＵ２２の外気温度、ＡＨＵ２２の外気絶対湿度、ＡＨＵ２２−１の外気取入風量、照明設備電力ＮＥ、コンセント電力ＮＥ、室内温度ＮＥ及び室内絶対湿度ＮＥである。ここで、照明設備電力ＮＥは、インテリアＮＥ区画Ｚ_ＩＮＥに設置されている照明設備における電力であり、コンセント電力ＮＥは、インテリアＮＥ区画Ｚ_ＩＮＥに設置されているコンセントにおける電力であり、室内温度ＮＥは、インテリアＮＥ区画Ｚ_ＩＮＥにおける室内温度であり、そして、室内絶対湿度ＮＥは、インテリアＮＥ区画Ｚ_ＩＮＥにおける室内絶対湿度である。

インテリアＳＥ区画Ｚ_ＩＳＥは、主に南側のＡＨＵ２２−２が室内環境を調整している区画であり、窓や外壁を介して室外からの影響が実質的に及ばない範囲である。このため、インテリアＳＥ区画Ｚ_ＩＳＥの設備モデルにおける従属変数は、ＡＨＵ２２−２の総処理熱量であり、投入変数は、ＡＨＵ２２の外気温度、ＡＨＵ２２の外気絶対湿度、ＡＨＵ２２−２の外気取入風量、照明設備電力ＳＥ、コンセント電力ＳＥ、室内温度ＳＥ及び室内絶対湿度ＳＥである。ここで、照明設備電力ＳＥは、インテリアＳＥ区画Ｚ_ＩＳＥに設置されている照明設備における電力であり、コンセント電力ＳＥは、インテリアＳＥ区画Ｚ_ＩＳＥに設置されているコンセントにおける電力であり、室内温度ＳＥは、インテリアＳＥ区画Ｚ_ＩＳＥにおける室内温度であり、そして、室内絶対湿度ＳＥは、インテリアＳＥ区画Ｚ_ＩＳＥにおける室内絶対湿度である。

なお、ＡＨＵ２２の外気温度及びＡＨＵ２２の外気絶対湿度は、本実施形態では、インテリアＮＥ区画Ｚ_ＩＮＥ及びインテリアＳＥ区画Ｚ_ＩＳＥで共通としているが、個別に測定するようにしてもよい。

基礎データの一例として、図５に、インテリアＮＥ区画Ｚ_ＩＮＥにおける総処理熱量をグラフで示す。

また、ペリメータ区画ＺｐとインテリアＮＥ区画Ｚ_ＩＮＥ及びインテリアＳＥ区画Ｚ_ＩＳＥとの境界は、窓の大きさ、窓及び壁の断熱性能等を考慮して決定されるものであるが、通常、窓から約２〜３メートルの位置に設定される。

このように東エリアを区分けするため、区画分割データ記憶部１６４には、データ記憶部１６１の基礎データが何れの区画に属する基礎データであるかを識別するためのデータが区画分割データとして記憶される。例えば、各流量センサ、各温度センサ、各湿度センサ、各電力計及び日射計を個別に識別する識別子（例えば、その名称やＭＡＣアドレス等）と各区画とを対応付けるデータが記憶される。

一方、本実施例における建物モデルの対象がオフィスビルであることから、土曜日、日曜日、祝日及び創業記念日等の非就業日は、オフィスビルを使用しないため、空調設備の総処理熱量の設備モデルを構築する上で、特異日となる。さらに、設備モデルの対象となる設備が空調設備であることから、気温によっては、使用されない日もあり、これらの日も空調設備の総処理熱量の設備モデルを構築する上で、特異日となる。

また、設備モデルを作成する場合に、モデル化を行う対象期間全体の基礎データを用いてモデル化を行うことも可能である。本実施例では、空調設備の総処理熱量をモデル化するが、空調設備は、季節に応じて運転状況が異なるのが一般的である。例えば、冬期や夏期である場合には、空調設備の運転をほぼ連続的に行うが、春期や秋期である場合には、空調設備の運転をその日の気温に応じて断続的に行うと共に、その日の気温によっては冷房運転と暖房運転とを切替える場合もある。さらに、春期及び秋期では、その前半と後半とでは、断続的に運転される時間が異なると共に、暖房運転と冷房運転との頻度も異なる。このような空調設備の運転状況の実態を例えば１年間の基礎データのグラフからトレンド（基礎データ変化パターンに相当する）を分析することによって把握し、モデル化を行う対象期間をさらに分割する。

本実施例では、２００１年１１月１日から２００２年１０月３１日までの基礎データに対し、インテリアＮＥ区画Ｚ_ＩＮＥでは、第１秋期を１１／１から１１／１５までとし、冬期を１１／１９から３／４までとし、第１春期及び第２春期を３／５から５／２１までとし、夏期を５／２２から１０／１０までとし、第２秋期を１０／１１から１０／３１までとした。インテリアＳＥ区画Ｚ_ＩＳＥでは、第１秋期を１１／１から１２／１４までとし、冬期を１２／１７から２／２５までとし、第１春期及び第２春期を２／２６から６／７までとし、夏期を６／１０から１０／７までとし、第２秋期を１０／８から１０／３１までとした。ペリメータ区画Ｚｐでは、第１秋期を１１／１から１１／２２までとし、冬期を１／７から３／６までとし、第１春期を４／４から５／９までとし、第２春期を５／１３から６／７までとし、夏期を６／１０から１０／１０までとし、第２秋期を１０／１１から１０／３１までとした。

なお、インテリアＮＥ区画Ｚ_ＩＮＥ及びインテリアＳＥ区画Ｚ_ＩＳＥについては、基礎データのグラフにおけるトレンドの分析から春季は、期間分割することなく、１期間として扱った。また、各期の境界が不連続となっているところは、特異日に該当する。

空調設備の総処理熱量を設備モデルにモデル化する場合に、まず、ユーザは、入力部１２からモデル構築期間を入力する。次に、ユーザは、上述した区画分割データを入力部１２から入力する。入力されると設備モデル作成装置１の中央処理部１１は、区画分割データを区画分割データ記憶部１６４に記憶する。次に、ユーザは、上述した特異日のデータを入力部１２から入力する。特異日のデータが入力されると設備モデル作成装置１の中央処理部１１は、特異日のデータをスケジュール記憶部１６２に記憶する。次に、モデル構築期間との関係で期間分割が必要な場合には、ユーザは、上述した期間分割データを入力部１２から入力する。期間分割データが入力されると設備モデル作成装置１の中央処理部１１は、期間分割データを期間分割データ記憶部１６３に記憶する。次に、ユーザは、設備モデルの従属変数及び投入変数を入力部１２から入力する。

従属変数及び投入変数が入力されると、設備モデル作成装置１のモデル作成部１１１は、データ記憶部１６１に記憶されている基礎データからモデル構築期間に該当する基礎データを抽出する。次に、モデル作成部１１１は、抽出した基礎データからスケジュール記憶部１６２に記憶されている特異日のデータに基づいて特異日に該当する基礎データを排除することによってモデル作成用の基礎データを生成する。次に、モデル作成部１１１は、生成されたモデル構築用の基礎データを区画分割データ記憶部１６４に記憶されている区画分割データに基づいてペリメータ区画Ｚｐ、インテリアＮＥ区画Ｚ_ＩＮＥ及びインテリアＳＥ区画Ｚ_ＩＳＥごとに分け、さらに、期間分割データ記憶部１６３に記憶されている期間分割データを用いて各期間に分ける。そして、これら処理によって得られた基礎データを用いてモデル作成部１１１は、有効な説明変数の選定の処理と投入次数の強制入力の処理とを設備モデルが所定の精度になるまで繰り返す処理（「連続次数投入処理」と称することとする）を行うことによって、各設備の総処理熱量に対する設備モデルをそれぞれ作成する。

図６は、インテリアＮＥ区画の設備モデルにおける、連続次数投入処理の動作を説明するための図である。

図６において、連続次数投入処理を始める初期状態（Ｓ１０１）では、投入変数の全て（外気温度ＮＥ、外気絶対湿度ＮＥ、外気取り入れ風量ＮＥ、室内温度ＮＥ、室内絶対値湿度ＮＥ、照明設備電力ＮＥ及びコンセント電力ＮＥ）を用いてステップワイズ法が実行され（Ｓ１０２）、説明変数として、本実施形態においては、例えば外気温度ＮＥ（０）、外気絶対湿度ＮＥ（０）、外気取り入れ風量ＮＥ（０）及び室内温度ＮＥ（０）の４個の説明変数が残る（Ｓ１０３）。なお、（）内の数値は、次数である。この次数は、式１におけるｔであり、例えばｔ＝０が次数０で現在時点を表し、ｔ＝１が次数１で１時間前を表し、ｔ＝２は２時間前を表す。例えば、説明変数の後ろに記載の（）については、（０）は現在時点の情報を表し、（０、１）は現在時点、１時間前の情報を表し、（０、１、２）は現在時点、１時間前、２時間前の情報を表す。

ここで、さらに、１時間前の各情報の影響を明らかにするため、外気温度ＮＥ（１）、外気絶対湿度ＮＥ（１）、外気取り入れ風量ＮＥ（１）及び室内温度ＮＥ（１）の４個の説明変数が強制的に加られて（Ｓ１０４）、外気温度ＮＥ（０、１）、外気絶対湿度ＮＥ（０、１）、外気取り入れ風量ＮＥ（０、１）及び室内温度ＮＥ（０、１）の８個の説明変数を用いてステップワイズ法が実行され（Ｓ１０５）、外気温度ＮＥ（０）、外気絶対湿度ＮＥ（１）、外気取り入れ風量ＮＥ（０）及び室内温度ＮＥ（０、１）の５個の説明変数が残る（Ｓ１０６）。

説明変数として残った外気絶対湿度（１）よりも後の時間における外気絶対湿度、即ち、外気絶対湿度（０）は、現在のＡＨＵ２２−１の運転状態に影響を与えているはずであるから強制的に説明変数に加えられ、さらに、その１時間前、現時点からは２時間前の情報が影響しているか否かを判断するため、外気絶対湿度（２）及び室内温度（２）が強制的に説明変数に加えられる（Ｓ１０７）。これら外気温度ＮＥ（０）、外気絶対湿度ＮＥ（０、１、２）、外気取り入れ風量ＮＥ（０）及び室内温度ＮＥ（０、１、２）の８個の説明変数を用いてステップワイズ法が実行され（Ｓ１０８）、外気温度ＮＥ（０）及び室内温度（０、２）の３個の説明変数が残る（Ｓ１０９）。

説明変数として残った室内温度（０、２）うちの室内温度（２）よりも後の時間における室内温度、即ち、室内温度（１）は、現在のＡＨＵ２２−１の運転状態に影響を与えているはずであるから強制的に説明変数に加えられ、外気温度については１時間前の情報が必要であるか否かを判断するため、外気温度（１）が強制的に説明変数に加えられる（Ｓ１１０）。これら外気温度ＮＥ（０、１）及び室内温度ＮＥ（０、１、２）の５個の説明変数を用いてステップワイズ法が実行され（Ｓ１１１）、外気温度ＮＥ（０）及び室内温度（０、２）の３個の説明変数が残り（Ｓ１１２）、前回のステップワイズ法の結果と一致するので、ステップワイズ法の処理を終了する。

次に、説明変数として残った室内温度（０、２）うちの室内温度（２）よりも後の時間における室内温度、即ち、室内温度（１）は、現在のＡＨＵ２２−１の運転状態に影響を与えているはずであるから強制的に説明変数に加えられる（Ｓ１１３）。そして、強制投入法による処理が施されて（Ｓ１１４）、精度検証を行い、所定の精度を満たすことによって、設備モデルが導出される（Ｓ１１５）。

一例として挙げると、このようにして作成したインテリアＮＥ区画Ｚ_ＩＮＥのＡＨＵ２２−１における第１秋期の設備モデルは、定数項が１１３．６５６であり、外気温度（０）の係数が０．７９６であり、室内温度ＮＥ（０）の係数が−９．４１８であり、そして、室内温度ＮＥ（１）の係数が１．９６６であった。同様に、インテリアＮＥ区画Ｚ_ＩＮＥのＡＨＵ２２−１における他の期間の設備モデル、インテリアＳＥ区画Ｚ_ＩＳＥのＡＨＵ２２−２の設備モデル及びペリメータ区画ＺｐのＦＣＵ２１の設備モデルが作成される。なお、本実施例では、１年間の基礎データのうち約８５％の基礎データを設備モデルの作成に用い、残余の約１５％の基礎データを精度検証に用いた。

図７は、期間分割の有無ごとにおける設備モデルと実測値とをグラフで示した図である。図７の横軸は、時間であり、縦軸は、ｋＷ単位で示す総熱負荷（総処理熱量に相当）である。図７の上段は、夏期の６／４から６／７までのグラフであり、下段は、冬期の１／８から１／１０までのグラフである。図７から分かるように、設備モデルによって算出した値（破線）と実測値（実線）とは、略一致している。さらに、期間分割の効果を示すために、期間分割を行うことなく１年間の基礎データを用いて同様に作成した設備モデルによって算出した値（一点鎖線）も図７に示す。図７から分かるように、期間分割をしない設備モデルの場合よりも本実施例のように期間分割をした設備モデルの方が算出した値が実測値により近い。

東エリアの空調設備の総処理熱量における建物モデルは、作成されたＡＨＵ２２−１の設備モデル、ＡＨＵ２２−２の設備モデル及びＦＣＵ２１の設備モデルについて和を演算することによって得られる。

実施例でも示したように、本発明では、設備モデルを作成する対象（モデル作成対象）に作用する因子を投入変数として選出し、モデル作成対象に実質的に作用していない因子を排除して有効な説明変数を抽出することによって設備モデルが作成される。従って、本発明に係る方法によって作成された設備モデル及び建物モデルは、日や月や年によって異なる気象条件やモデル作成対象の運用状態等の様々な外乱要因を考慮したモデルとなっている。

このため、例えば、図８（Ａ−１）に示すように比較的晴天の日が多かった一昨年の基礎データや図８（Ａ−２）に示すように比較的曇りの日が多かった昨年の基礎データを用いたとしても、略同様な設備モデル及び建物モデルが構築され得る。従って、今年の基礎データを予測することにより、図８（Ａ−３）における今年のモデル作成対象をシミュレートすることができる。

また、外壁や断熱材等の建物自体の改修や建物における設備の改修をモデル作成対象に行った場合に、外乱要因を考慮したモデルであるので、改修の効果を適切に評価することができる。即ち、本発明に係る設備モデル作成方法では、異なる基礎データを用いたとしてもモデル作成対象を高精度で表現した設備モデルを構築することができるから、改修の効果を適切に評価することができる。

この場合には、まず、図８（Ｂ−１）に示すように、過去の基礎データを用いることによってモデル作成対象における現状の建物モデルを構築する。次に、図８（Ｂ−２）に示すように、改修後の基礎データを用いることによってモデル作成対象における改修後の建物モデルを構築する。そして、現状の建物モデルと改修後の建物モデルに同一のデータを与えて、それらの出力を比較する。これによって、改修の効果を定量的に高信頼性で評価することができる。

また、同様に、過去の基礎データを用いることによってモデル作成対象における現状の設備モデルを構築する。改修後の基礎データを用いることによってモデル作成対象における改修後の設備モデルを構築する。そして、現状の設備モデルと改修後の設備モデルに同一のデータを与えて、それらの出力を比較する。これによって、設備の改修の効果も定量的に高信頼性で評価することができる。

なお、上述の実施形態及び実施例では、分割後の各区画間で相互作用がないとして設備モデルを作成したが、現実の事象を考えると、区画間で相互作用があることが少なくない。そこで、区画間における相互作用を投入変数に用いて設備モデルを作成するように構成してもよい。上述の実施例では、例えば、隣接エリア間で熱が相互に伝導するから、隣接エリア温度を投入変数としてもよい。この隣接エリア温度を投入変数とした場合としない場合の結果を図９に示す。

図９は、隣接エリア温度を投入変数とした場合（■）としない場合（◆）との比較結果を示す図である。図９（Ａ）及び（Ｂ）は、図中左からインテリア区画ＮＥ、インテリア区画ＳＥ及びペリメータ区画におけるＲ^２値の比較結果を示す図であり、図９（Ａ）は、時間別に示し、図９（Ｂ）は、月別に示す。Ｒ^２値は、説明変数の数を考慮した自由度調整済みのＲ^２値であり、式２によって計算される。
Ｒ^２値＝１−（Ａ（ｐ）／Ｂ（ｐ））（１−ｒ^２） ・・・（式２）
ここで、Ａ（ｐ）＝（ｎ−１）×（ｎ＋ｐ＋１）であり、Ｂ（ｐ）＝（ｎ＋１）×（ｎ−ｐ−１）であり、ｎは、設備モデルを作成するために使用した基礎データの数であり、ｐは、説明変数であり、ｒ^２は、自由度調整前のＲ^２値であり、Ｒは、実測値と設備モデルの相関係数である。Ｒ^２値が大きいほど設備モデルの精度が優れていることを表す。図９（Ａ）及び（Ｂ）から分かるように、各区画間での相互作用を投入変数に加えたほうが設備モデルの精度が優れている。

また、図９（Ｃ）は、隣接エリア温度の有無ごとにおける設備モデルと実測値とをグラフで示した図である。図９の横軸は、時間であり、縦軸は、ｋＷ単位で示す総熱負荷（総処理熱量に相当）である。図９の上段は、冬期の２／４から２／６までのグラフであり、吹き出しに縦軸のスケールを拡大した２／６のグラフを示す。下段は、夏期の６／４から６／６までのグラフである。太い実線が実測値であり、細い実線が隣接エリア温度を考慮しない設備モデルの場合であり、破線が隣接エリア温度を考慮した設備モデルの場合である。図９（Ｃ）から分かるように、冬期については隣接エリア温度を考慮しない設備モデルの場合よりも本実施例のように隣接エリア温度を考慮した設備モデルの方が算出した値が実測値により近い。

設備モデル作成装置の構成を示すブロック図である。 設備モデル作成方法を示すフローチャートである。 本実施例における設備モデルの対象であるオフィスビルの一フロアを示す平面図である。 空調設備の総処理熱量を設備モデルにモデル化するために必要な測定項目を説明するための図である。 インテリアＮＥ区画における空調機総処理熱量（総熱負荷）のある期間中（２００１年１１月〜２００２年７月）の挙動を示す図である。 インテリアＮＥ区画の設備モデルにおける、連続次数投入処理の動作を説明するための図である。 期間分割の有無ごとにおける設備モデルと実測値とをグラフで示した図である。 外乱要因と建物モデルとの関連性及び定量評価の実効性を説明するための図である。 隣接エリア温度を投入変数とした場合としない場合との比較結果を示す図である。

符号の説明

１ 設備モデル作成装置
１１ 中央処理部
１６ 補助記憶部
１１１ モデル作成部
１６１ データ記憶部
１６２ スケジュール記憶部
１６３ 期間分割データ記憶部
１６４ 区画分割データ記憶部

Claims (9)

1. 設備に対する解析目的と前記設備に作用する因子との関係を示す演算式である設備モデルを作成する設備モデル作成方法において、
   設備モデル作成装置が前記解析目的に応じた前記因子を選出すると共に該選出した因子をさらに時間的に区別することによって選定した投入変数を受付ける投入変数受付けステップと、
   設備モデル作成装置が前記選定した投入変数について測定することによって得られた基礎データを受付ける基礎データ受付けステップと、
   設備モデル作成装置が、前記基礎データに基づいて、前記選定した投入変数から前記設備に実質的に作用していない投入変数を排除することによって説明変数を抽出する抽出ステップと、
   設備モデル作成装置が、前記抽出した説明変数と現在時点の説明変数との間に時間的な不連続がある場合には、時間的に連続するように前記排除した投入変数を強制的に復活させる復活ステップと、
   設備モデル作成装置が前記抽出ステップと前記復活ステップとを構築すべき設備モデルが所定の精度になるまで繰り返すことによって前記設備モデルを同定する同定ステップとを備えること
   を特徴とする設備モデル作成方法。
2. 設備モデル作成装置が、前記設備が配置される建物における空間を複数の区画に分割し、前記基礎データを前記複数の区画ごとに仕分けする区画分割ステップをさらに含み、前記複数の区画ごとに設備モデルを構築すること
   を特徴とする請求項１に記載の設備モデル作成方法。
3. 設備モデル作成装置が、前記設備モデルを構築する期間が設定された場合に、前記期間を複数の小期間に分割し、前記基礎データを前記複数の小期間ごとに仕分けする期間分割ステップをさらに含み、小期間ごとに設備モデルを構築すること
   を特徴とする請求項１に記載の設備モデル作成方法。
4. 設備モデル作成装置が前記基礎データから前記解析目的に合わない特異なデータを排除する排除ステップをさらに含むこと
   を特徴とする請求項１に記載の設備モデル作成方法。
5. 設備に対する解析目的と前記設備に作用する因子との関係を示す演算式である設備モデルを作成する設備モデル作成プログラムにおいて、
   前記解析目的に応じた前記因子を選出すると共に該選出した因子をさらに時間的に区別することによって選定された投入変数を受付ける投入変数受付けステップと、
   前記選定した投入変数について測定することによって得られた基礎データを受付ける基礎データ受付けステップと、
   前記基礎データに基づいて、前記選定した投入変数から前記設備に実質的に作用していない投入変数を排除することによって説明変数を抽出する抽出ステップと、
   前記抽出した説明変数と現在時点との間に時間的な不連続がある場合には、時間的に連続するように前記排除した投入変数を強制的に復活させる復活ステップと、
   前記抽出ステップと前記復活ステップとを構築すべき設備モデルが所定の精度になるまで繰り返すことによって前記設備モデルを同定する同定ステップとを備えること
   を特徴とするコンピュータに実行させるための設備モデル作成プログラム。
6. 建物に配置される設備について設備モデルを作成し、前記作成した設備モデルの和を演算することによって、建物に対する解析目的と前記建物に作用する因子との関係を示す演算式である建物モデルを作成する建物モデル作成方法において、
   前記設備モデルは、請求項１乃至請求項４の何れか１項に記載の設備モデル作成方法によって作成されること
   を特徴とする建物モデル作成方法。
7. 建物に配置される設備について設備モデルを設備モデル作成プログラムによって作成し、前記作成した設備モデルの和を演算することによって、建物に対する解析目的と前記建物に作用する因子との関係を示す演算式である建物モデルを作成する建物モデル作成プログラムにおいて、
   前記設備モデル作成プログラムは、請求項５に記載の設備モデル作成プログラムであること
   を特徴とする建物モデル作成プログラム。
8. 改修の前後における設備モデルに同一のデータを与えてその差を演算することにより、設備に施された前記改修の効果を評価する設備改修評価方法において、
   前記設備モデルは、請求項１乃至請求項４の何れか１項に記載の設備モデル作成方法によって作成されること
   を特徴とする設備改修評価方法。
9. 改修の前後における建物モデルに同一のデータを与えてその差を演算することにより、建物に施された前記改修の効果を評価する建物改修評価方法において、
   前記建物モデルは、請求項６に記載の建物モデル作成方法によって作成されること
   を特徴とする建物改修評価方法。

Images