中小規模のオフィスビルを対象としたPACの自動化に関する研究

ＢＥＭＳの普及によってビルの運用状況把握は簡易になってきた．しかし，ビル運用自動化へのハードルは未だに高く，特に中小ビルにおいては導入費用の問題からシステムの普及は進んでいない．
ＡＩの導入ともなると，中小規模のビルではさらに困難である．
そこで本研究室では．．．
普及可能性のある小さなＡＩを開発し，ビルマルチエアコンの自動化に着手している．（ビルマル写真）

・ＩｏＴセンシングによるフロア環境の把握とＩｏＴ制御パラメータの分析
　ビルマルの消費電力と関連する測定データの分析を行う．床面積850㎡のオープンオフィスとなっている．このフロアでは「意匠」「構造」「環境」「大学院生」という異なる文化の人たちが各々活動しており，消費電力の予測が難しい．

・機械学習による電力予測と室内環境予測
　実測したビルマルの消費電力の年間予測精度を検証する．消費電力の予測精度は85％以上まで確保できている．休日も稼働し，活動時間も朝から深夜に及ぶため正確な予測は難しいが，データセットを加工してさらなる精度向上を目指す．

・ビルマルチエアコンのON/OFF，温度設定のアルゴリズム開発．
消費電力を予測し，ピークカットや室温を一定にするような制御を導入した場合のコストメリットを試算．建築学科棟で機械学習を行った結果，200万円以上の電力削減が自動化によって期待できることを示した．

 

＜この研究の次のフェーズ＞

このビルマル用省エネ学習プログラムを商品化　⇒　様々なオフィスビルに導入（事業化）