JPH08210686A - 空調システム - Google Patents

Abstract

(57)【要約】 【目的】簡単な方法で被空調室の内部負荷を推定し、効
率の良い空調機器の制御を行う。 【構成】空調熱負荷予測手段１４では、外気環境検出手
段２０から出力される外気環境データと時間情報検出手
段２２から出力される時間データとを入力てニューラル
ネットワークにより空調熱負荷の予測値を算出する。内
部負荷推定手段１６では、動的熱負荷計算プログラムを
用いて内部負荷条件を３パターン（内部負荷条件１〜
３）に設定して学習させたニューラルネットワークを用
いて、外気環境検出手段から出力される外気環境データ
及び前記時間情報検出手段から出力される時間データと
を入力して装置除去熱量を算出する。そして、空調熱負
荷予測手段１４で算出した空調熱負荷と内部負荷推定手
段１６で算出した装置除去熱量を比較し、空調熱負荷予
測手段１４で算出した空調熱負荷に最も近似する内部負
荷推定手段１６で算出した装置除去熱量から、被空調室
の内部負荷を推定する（設定した内部負荷条件１〜３の
うちどれかとみなす）。

Description

【発明の詳細な説明】

【０００１】

【産業上の利用分野】本発明は、空調システムに係り、
特に内部負荷を推定して空調機を制御する空調システム
に関する。

【０００２】

【従来の技術】従来、この種の空調システムでは、熱負
荷の予測を外気による外気負荷と被空調室内のＯＡ機
器、証明器具、人等の内部発熱体による内部負荷とに分
けて予測することはなく、空調機が除去するための全て
の熱量を予測していた。また、内部負荷を推定するため
の内部発熱量については、従来、赤外線カメラのような
センサを室内に設置して予測したり、曜日や業務等のス
ケジュール等による情報と内部発熱体の使用度合いとの
関係から予測したりしていた。

【０００３】

【発明が解決しようとする課題】しかしながら、前記赤
外線カメラによる方法では、センサが高価であるため
に、コストがかかるという欠点があり、また、曜日や業
務スケジュールによる方法では、内部負荷との関係を把
握するのに月日を要するという欠点がある。本発明はこ
のような事情を鑑みてなされたもので、簡単な方法で被
空調室の内部負荷を推定し、効率良く空調機を制御する
ことのできる空調システムを提供することを目的とす
る。

【０００４】

【課題を解決する為の手段】本発明は、前記目的を達成
するために、被空調室の空調を行う空調機と、前記被空
調室外の外気環境データを検出する外気環境検出手段
と、時間データを検出する時間情報検出手段と、前記外
気環境検出手段から出力される外気環境データと前記時
間情報検出手段から出力される時間データとに基づいて
前記空調機の空調熱負荷を予測する空調熱負荷予測手段
と、前記外気環境検出手段から出力される外気環境デー
タと前記時間情報検出手段から出力される時間データと
前記空調熱負荷予測手段により予測される空調熱負荷に
基づいて前記被空調室の内部負荷を推定する内部負荷推
定手段と、前記外気環境検出手段により検出される外気
環境データと、前記時間情報検出手段により検出される
時間データと、前記内部負荷推定手段により推定される
内部負荷と、前記空調熱負荷予測手段により予測される
空調熱負荷とに基づいて前記空調機の制御目標を決定す
る制御目標決定手段と、前記制御目標決定手段で決定さ
れた制御目標に基づいて前記空調機の制御量を演算する
制御量演算手段と、前記制御目標演算手段で算出された
制御量に基づいて前記空調機を制御する空調機制御手段
と、から成ることを特徴とする。

【０００５】また、前記目的を達成するために、被空調
室の空調を行う空調機と、前記被空調室外の外気環境デ
ータを検出する外気環境検出手段と、時間データを検出
する時間情報検出手段と、前記被空調室から実際に取り
除くべき熱量である装置除去熱量を検出する装置除去熱
量検出手段と、前記外気環境検出手段から出力される外
気環境データと前記時間情報検出手段から出力される時
間データと前記装置除去熱量検出手段により検出される
装置除去熱量に基づいて前記被空調室の内部負荷を推定
する内部負荷推定手段と、前記外気環境検出手段により
検出される外気環境データと、前記時間情報検出手段に
より検出される時間データと、前記内部負荷推定手段に
より推定される内部負荷と、前記装置除去熱量検出手段
により検出された装置除去熱量とに基づいて前記空調機
の制御目標を決定する制御目標決定手段と、前記制御目
標決定手段で決定された制御目標に基づいて前記空調機
の制御量を演算する制御量演算手段と、前記制御目標演
算手段で算出された制御量に基づいて前記空調機を制御
する空調機制御手段と、から成ることを特徴とする。

【０００６】

【作用】請求項１記載の発明によれば、空調システム
は、空調熱負荷予測手段により、外気環境検出手段から
出力される外気環境データと時間情報検出手段から出力
される時間データとに基づいて空調熱負荷を予測し、内
部負荷推定手段により、前記空調熱負荷予測手段で予測
された空調熱負荷と前記外気環境検出手段から出力され
る外気環境データ及び前記時間情報検出手段から出力さ
れる時間データとに基づいて前記被空調室の内部負荷を
推定する。そして、制御目標決定手段により、外気環境
検出手段から出力される外気環境データと、時間情報検
出手段から出力される時間データと、前記内部負荷推定
手段で推定された内部負荷と、前記空調熱負荷予測手段
で予測された空調熱負荷とに基づいて被空調室を空調す
る空調機の制御目標を決定し、決定された制御目標に基
づいて制御量演算手段で前記空調機の制御量を算出す
る。空調機制御手段は、前記の制御量演算手段で算出さ
れた制御量に基づいて前記空調機を制御する。このよう
に、被空調室の内部負荷を把握することで、効率的な空
調機の制御が可能になる。

【０００７】請求項２記載の発明によれば、空調システ
ムは、内部負荷推定手段により、装置除去熱量検出手段
で検出される装置除去熱量と外気環境検出手段から出力
される外気環境データ及び時間情報検出手段から出力さ
れる時間データとに基づいて前記被空調室の内部負荷を
推定する。そして、制御目標決定手段により、外気環境
検出手段から出力される外気環境データと、時間情報検
出手段から出力される時間データと、前記内部負荷推定
手段で推定された内部負荷と、前記装置除去熱量検出手
段で検出された装置除去熱量とに基づいて被空調室を空
調する空調機の制御目標を決定し、決定された制御目標
に基づいて制御量演算手段で前記空調機の制御量を算出
する。空調機制御手段は、前記の制御量演算手段で算出
された制御量に基づいて前記空調機を制御する。

【０００８】

【実施例】以下添付図面に従って本発明に係る空調シス
テムの好ましい実施例について詳説する。図１には、本
発明に係る空調システムの第１実施例の構成図が示され
ている。同図に示されるように、前記空調システム１０
は、主として、検出手段１２、空調熱負荷予測手段１
４、内部負荷推定手段１６、制御目標決定手段１８、制
御量演算手段１９、空調機制御手段２１及び空調機２３
から構成される。

【０００９】前記検出手段１２は、その詳細が図２に示
されるように、外気環境検出手段２０及び時間情報検出
手段２２から構成される。前記外気環境検出手段２０
は、外気温度を検出する外気温度検出手段２６、外気湿
度を検出する外気湿度検出手段２８、及び日射量を検出
する日射量検出手段３０から構成され、それぞれの検出
手段から検出される外気温度情報、外気湿度情報及び日
射量情報は外気環境情報として、空調熱負荷予測手段１
４及び内部負荷推定手段１６に出力される。

【００１０】前記時間情報検出手段２２は、時刻と曜日
を検出し、その時刻情報及び曜日情報を時間情報とし
て、前記外気環境検出手段２０と同様に空調熱負荷予測
手段１４及び内部負荷推定手段１６に出力される。前記
空調熱負荷予測手段１４は、記憶手段３２、予測手段３
４及び学習手段３６から構成され、前記検出手段１２か
ら出力される外気環境情報及び時間情報に基づいて空調
熱負荷を予測する。ここで、空調熱負荷とは、被空調室
をその温湿度に保つために取り去るべき熱量又は供給す
べき熱量である。

【００１１】前記記憶手段３２には、外気温度、外気湿
度、日射量、時間及び曜日を入力、空調熱負荷を出力と
した関係が予め学習してあるニューラルネットワークが
記憶されている。図３には、ニューラルネットワークの
機能説明図が示され、図４には、装置除去熱量検出手段
１４の記憶手段３２に記憶されているニューラルネット
ワークの構成が示されている。

【００１２】ニューラルネットワークでは、ネットワー
ク演算（順方向演算）を行う場合、入力値をｘ₁ 、
ｘ₂ 、……、ｘ_n 、内部係数（重み）をｗ₁ 、ｗ₂ 、…
…、ｗ_nとすると、累積処理部６０の内部出力値Ｘは、 であり、ニューロユニット６２からの出力値Ｙは、 Ｙ＝１／（１＋ｅｘｐ（−ＡＸ）） 但し、Ａは任意定数 である。

【００１３】このニューロユニット６２が複数個複数層
結合してニューラルネットワークを構成し、結合するニ
ューロユニットの入出力関係は上記のようになる。ま
た、ニューラルネットワークを修正（逆方向演算）する
場合、予測値の予測精度をもとにバックプロパケーショ
ン法を用いて精度がよくなるように内部係数（重み）を
調整する。

【００１４】前記予測手段３４は、前記記憶手段３２に
記憶されたニューラルネットワークに前記検出手段１２
から出力される外気環境情報（外気温度、外気湿度、日
射量）及び時間情報（時刻、曜日）を入力して装置除去
熱量の予測値を算出する。前記学習手段３６は、前記予
測手段３４で予測した装置除去熱量の予測値の予測精度
により前記記憶手段３２に記憶されているニューラルネ
ットワークを新たに学習するか判断し、学習したほうが
良いと判断した場合は、予測精度に基づいてバックプロ
パゲーション法により入力層６４、中間層６６、出力層
６８の３層からなる５入力１出力のニューラルネットワ
ークの内部係数（重み）を修正する。

【００１５】前記内部負荷推定手段１６は、記憶手段３
８、計算手段４０及び推定手段４２から構成され、前記
検出手段１２から出力される外気環境情報及び時間情報
と空調熱負荷予測手段１４により予測された空調熱負荷
から内部負荷（被空調室内のＯＡ機器、証明器具、人
等）の推定を行う。前記記憶手段３８には、外気温度、
外気湿度、日射量、時間及び曜日を入力、装置除去熱量
を出力とした関係が予め学習してあるニューラルネット
ワークが記憶されている。ここで、装置除去熱量とは、
熱負荷計算において、被空調室から実際に取り去るべき
熱量で、前記空調熱負荷に建屋の壁等に蓄熱されている
蓄熱負荷を加えたものである。即ち、空調で室温が一定
に保たれている場合には、空調熱負荷と装置除去熱量は
一致するが、例えば、空調立ち上げ時や空調の間欠運転
の場合には、日射等により建屋の壁に蓄熱された熱は、
ある時間を経てから被空調室の室温に変化する。従っ
て、精度の良い空調制御を行うには、装置除去熱量を知
る必要がある。

【００１６】この記憶手段３８に記憶されるニューラル
ネットワークは、図５に示されるように、動的熱負荷計
算プログラム４４を用いて構築される。この動的熱負荷
計算プログラム４４は、時刻データと曜日データが記憶
された時間データ４６と外気温度データ、外気湿度デー
タ及び日射量データが記憶された標準気象データ４８を
有し、ユーザが対象とする建屋の建屋条件（建屋の形状
や材質等）と、室内負荷条件（人や機器、照明等の室内
の内部発熱体、数量や個々の発熱体の発熱の量等）とを
入力すると、１年分の装置除去熱量を１時間毎に算出で
きるようになっている。

【００１７】本実施例では、前記建屋条件及び室内負荷
条件を設計最大負荷の場合（内部負荷条件１）、設計最
大負荷の１／２の場合（内部負荷条件２）及び設計最大
負荷の１／４の場合（内部負荷条件３）の３パターンを
設定して動的熱負荷計算プログラム４４に入力し、それ
ぞれについての装置除去熱量を算出する。この結果、前
記動的熱負荷計算プログラム４４からは、装置除去熱量
が設計最大負荷であるときの装置除去熱量５４と、内部
負荷が設計最大負荷の１／２であるときの装置除去熱量
５６及び内部負荷が設計最大負荷の１／４であるときの
装置除去熱量５８が算出される。

【００１８】この内部負荷条件（建屋条件と室内負荷条
件）を３パターンに分けて算出した装置除去熱量５４、
５６、５８のそれぞれに対して、装置除去熱量５４、５
６、５８を出力、外気温度、外気湿度、日射量、時間及
び曜日を入力とした関係を学習させた３パターンのニュ
ーラルネットワークを構築し、それぞれを記憶手段３８
に記憶させる。

【００１９】前記計算手段４０では、前記記憶手段３８
に記憶された３パターンのニューラルネットワークのそ
れぞれに付いて前記検出手段１２から出力される外気環
境情報及び時間情報を入力して３パターンの装置除去熱
量を算出する。前記推定手段４２は、前記空調熱負荷予
測手段１４で予測された空調熱負荷と前記計算手段で算
出された３パターンの装置除去熱量とを比較して、空調
熱負荷予測手段１４で予測された空調熱負荷が、前記計
算手段で算出された３パターンの装置除去熱量５４、５
６、５８のうち、どの内部負荷条件のニューラルネット
ワークを用いて算出した装置除去熱量５４、５６、５８
と最も近似しているかを判断し、内部負荷を推定する
（内部負荷条件１〜３のうちどの内部負荷条件かを推定
する）。

【００２０】前記制御目標決定手段１８は、空調熱負荷
予測手段１４により予測された装置除去熱量、内部負荷
推定手段１６により推定された内部負荷、外気環境検出
手段２０から出力される外気環境データ及び時間情報検
出手段から出力される時間データから空調機の制御目標
の決定する。前記制御量演算手段１９は、制御目標決定
手段１８により決定された制御目標に基づいて空調機の
制御量の演算を行う。

【００２１】前記空調機制御手段２１は、制御量演算定
手段１９により算出された制御量に基づいて空調機の制
御を行う。前記空調機２３は、空調機制御手段１９の出
力する動作信号に基づいて被空調室の空調を行う。前記
の如く構成される本第１実施例の空調システム１０の作
用は次のようになる。

【００２２】先ず、空調システム１０を起動すると、外
気環境検出手段２０及び時間情報検出手段２２からは、
それぞれ外気温度、外気湿度、日射量、時刻及び曜日の
データが検出される。空調熱負荷予測手段１４は、この
外気環境検出手段２０及び時間情報検出手段２２から出
力される外気温度、外気湿度、日射量、時刻及び曜日の
データを入力し、空調熱負荷を予測する。

【００２３】この予測方法は、空調熱負荷予測手段１４
の予測手段３４が、記憶手段３２に記憶された、外気温
度、外気湿度、日射量、時間及び曜日と空調熱負荷の関
係が予め学習してあるニューラルネットワークに、前記
外気環境検出手段２０及び時間情報検出手段２２から出
力される外気温度、外気湿度、日射量、時刻及び曜日の
データを入力してネットワーク演算をすることにより、
空調熱負荷の予測値を得る。

【００２４】次に、内部負荷推定手段１６が、前記外気
環境検出手段２０及び時間情報検出手段２２から出力さ
れる外気温度、外気湿度、日射量、時刻、曜日のデータ
及び前記空調熱負荷予測手段１４で予測された空調熱負
荷を入力し、内部負荷を推定する。この推定方法は、先
ず、計算手段４０が記憶手段３８に記憶されている外気
温度、外気湿度、日射量、時間及び曜日と装置除去熱量
の関係が予め学習してあるニューラルネットワークに前
記外気環境検出手段２０及び時間情報検出手段２２から
出力される外気温度、外気湿度、日射量、時刻及び曜日
のデータを入力してネットワーク演算をすることにより
装置除去熱量を算出する。

【００２５】ここで、前記記憶手段３８には、前記の如
く動的熱負荷計算プログラムを用いて、内部負荷条件が
設計最大負荷の場合（内部負荷条件１）、設計最大負荷
の１／２の場合（内部負荷条件２）及び設計最大負荷の
１／４の場合（内部負荷条件３）の３パターンで構築さ
れたニューラルネットワークが記憶されているので、各
々のニューラルネットワークに外気温度、外気湿度、日
射量、時刻、曜日のデータを入力して計算手段４０でネ
ットワーク演算を行うと、計算手段４０からは、内部負
荷条件によって異なった装置除去熱量が算出される。即
ち、装置除去熱量が設計最大負荷であるときの装置除去
熱量５４と、内部負荷が設計最大負荷の１／２であると
きの装置除去熱量５６及び内部負荷が設計最大負荷の１
／４であるときの装置除去熱量５８が算出される。

【００２６】推定手段４２は、この計算手段４０で算出
された３パターンの装置除去熱量５４、５６、５８と、
前記空調熱負荷予測手段１４で予測された空調熱負荷と
を比較して、設定した内部負荷条件１〜３のうちどの内
部負荷条件のニューラルネットワークで算出した装置除
去熱量が、空調熱負荷予測手段１４で予測された空調熱
負荷と最も近似しているかを判断する。この結果、設定
した内部負荷条件１〜３から内部負荷が推定される。
（内部負荷を、空調熱負荷予測手段１４で予測された空
調熱負荷と最も近似している装置除去熱量を算出したニ
ューラルネットワークの内部負荷条件であるとみなす） 内部負荷推定手段１６により推定された内部負荷と空調
熱負荷予測手段１４により予測された空調熱負荷は、制
御目標決定手段１８に入力され、制御目標決定手段１８
では、その内部負荷と空調熱負荷、更に、外気環境検出
手段２０と時間情報検出手段２２から出力される外気温
度、外気湿度、日射量、時間及び曜日のデータに基づい
て空調機の制御目標を決定する。例えば、夏期において
気象による負荷が大きく内部負荷が小さい場合にはペリ
メータゾーンを空調するように制御目標を設定する。ま
た、前記制御目標決定手段１８に入力した前記データ
に、更に、内部負荷推定手段１６の計算手段４０で算出
された装置除去熱量を入力して前記蓄熱負荷を考慮した
制御目標を設定すると、更に精度の良い制御目標を設定
することができる。

【００２７】制御量演算手段１９は、制御目標決定手段
１８により決定された制御目標に基づいて空調機２３の
制御量の演算を行い、空調機制御手段２１は、制御量演
算定手段１９により算出された制御量に基づいて空調機
２３に動作信号を出力し運転制御を行う。前記した操作
を時間ステップ（１時間）ごとに行うにしたっがって、
空調熱負荷予測手段１４の記憶手段３２に記憶されてい
るニューラルネットワークは、学習作用により予測精度
が良くなるように更新されて行き、より正確な空調熱負
荷の予測が可能になる。

【００２８】このように、本第１実施例の空調システム
１０によれば、空調を行う被空調室の内部負荷の把握が
可能になり、効率的な空調機制御が可能になる。また、
従来の予測方法のように高価なセンサを必要としないの
で装置コスト削減することができるとともに、ニューラ
ルネットワークを用いてスケジュールの予測をする（ニ
ューラルネットワークに時刻と曜日のデータを入力すれ
ばスケジュールの予測が可能）ことにより曜日やスケジ
ュールの把握をする必要がなくなる。

【００２９】図６には、本発明に係る空調システムの第
２実施例の構成図が示されている。前記第１実施例で
は、内部負荷の推定に用いる空調熱負荷を空調熱負荷予
測手段１４により予測していた。本第２実施例では、前
記空調熱負荷予測手段１４の代わりに装置除去熱量を装
置除去熱量検出手段７０を用いて検出する。尚、前記第
１実施例と同一部材、同一装置に付いては同一符号を付
してその説明を省略する。

【００３０】図６に示されるように、装置除去熱量検出
手段７０で検出される装置除去熱量は、内部負荷推定手
段１６及び制御目標決定手段１８に出力される。内部負
荷推定手段１６では、前記第１実施例と同様に、外気環
境検出手段２０及び時間情報検出手段２２から出力され
る外気温度、外気湿度、日射量、時刻、曜日のデータ及
び前記装置除去熱量検出手段７０で予測された装置除去
熱量を入力し、内部負荷を推定する。この内部負荷推定
手段１６により推定された内部負荷と装置除去熱量検出
手段７０により検出された装置除去熱量、更に、外気環
境検出手段２０と時間情報検出手段２２から出力される
外気温度、外気湿度、日射量、時間及び曜日のデータに
基づいて制御目標決定手段１８により空調機２３の制御
目標の決定する。そして、制御量演算手段１９で、制御
目標決定手段１８により決定された制御目標に基づいて
空調機２３の制御量の演算を行い、空調機制御手段２１
により、制御量演算定手段１９で算出された制御量に基
づいて空調機２３に動作信号を出力し運転制御を行う。

【００３１】このように、本第２実施例でも前記第１実
施例同様空調を行う被空調室の内部負荷の把握が可能に
なり、効率的な空調機制御が可能になる。尚、本実施例
では、内部負荷推定手段１６に用いるニューラルネット
ワークを動的熱負荷計算プログラムを用いて内部負荷条
件を３パターン（設計最大負荷、設計最大負荷の１／
２、設計最大負荷の１／４）で設定して学習させたが、
内部負荷条件の設定パターンはこれに限定されるもので
はなく、例えば、設計最大負荷、設計最大負荷の９／１
０、………、設計最大負荷の２／１０、設計最大負荷の
１／１０のように設定パターンを増やしてもよい。これ
により、より正確な内部負荷の把握が可能になる。ま
た、前記のように、内部負荷をレベルで予測するのでは
なく数値で予測してもよい。

【００３２】また、本実施例では、内部負荷及び装置除
去熱量の予測を行うのに、時間情報検出手段２２により
時刻を検出し、１時間毎の情報を用いたが、曜日を検出
して１日の情報を検出し、内部負荷及び装置除去熱量を
予測してもよい。これにより、翌日の空調計画が可能に
なる。また、本実施例では、内部負荷条件１〜３を建屋
全ての負荷と室内負荷で設定しているが、動的熱負荷計
算プログラムは、各部屋毎に計算できるので、各部屋毎
に前記実施例のニューラルネットワークを作り、各部屋
毎に吸い込み口と吐き出し口の温度及び流量から各部屋
毎の熱量を算出し、前記実施例のように内部負荷を推定
することもできる。また、各部屋毎だけではなく、各
階、ブロック毎に前記実施例を応用することもできる。
これにより、更に効率的で快適な空調を行うことができ
る。

【００３３】

【発明の効果】以上説明したように、本発明の空調シス
テムによれば、従来のように高価なセンサを用いること
なく内部負荷を把握することができるので、効率的な空
調機制御を行うことができる上にコストダウンも図るこ
とができる。また、本発明の空調システムによれば、従
来のように曜日や業務等のスケジュールから内部負荷を
把握する方法に比べ、迅速に把握することができるとと
もに精度を向上できる。

【図面の簡単な説明】

【図１】本発明に係る空調システムの第１実施例の構成
図

【図２】本発明に係る空調システムの第１実施例の構成
図

【図３】ニューラルネットワークの機能説明図

【図４】装置除去熱量検出手段に用いられるニューラル
ネットワークの構成図

【図５】内部負荷推定手段に用いられるにニューラルネ
ットワークの説明図

【図６】本発明に係る空調システムの第２実施例の構成
図

【符号の説明】

１０…空調システム １２…検出手段 １４…空調熱負荷予測手段 １６…内部負荷推定手段 １８…制御目標決定手段 １９…制御量演算手段 ２０…外気環境検出手段 ２１…空調機制御手段 ２２…時間情報検出手段 ２３…空調機 ７０…装置除去熱量検出手段

Claims (9)

【特許請求の範囲】
1. 【請求項１】 被空調室の空調を行う空調機と、 前記被空調室外の外気環境データを検出する外気環境検
   出手段と、 時間データを検出する時間情報検出手段と、 前記外気環境検出手段から出力される外気環境データと
   前記時間情報検出手段から出力される時間データとに基
   づいて前記空調機の空調熱負荷を予測する空調熱負荷予
   測手段と、 前記外気環境検出手段から出力される外気環境データと
   前記時間情報検出手段から出力される時間データと前記
   空調熱負荷予測手段により予測される空調熱負荷に基づ
   いて前記被空調室の内部負荷を推定する内部負荷推定手
   段と、 前記外気環境検出手段により検出される外気環境データ
   と、前記時間情報検出手段により検出される時間データ
   と、前記内部負荷推定手段により推定される内部負荷
   と、前記空調熱負荷予測手段により予測される空調熱負
   荷とに基づいて前記空調機の制御目標を決定する制御目
   標決定手段と、 前記制御目標決定手段で決定された制御目標に基づいて
   前記空調機の制御量を演算する制御量演算手段と、 前記制御目標演算手段で算出された制御量に基づいて前
   記空調機を制御する空調機制御手段と、から成ることを
   特徴とする空調システム。
2. 【請求項２】 被空調室の空調を行う空調機と、 前記被空調室外の外気環境データを検出する外気環境検
   出手段と、 時間データを検出する時間情報検出手段と、 前記被空調室から実際に取り除くべき熱量である装置除
   去熱量を検出する装置除去熱量検出手段と、 前記外気環境検出手段から出力される外気環境データと
   前記時間情報検出手段から出力される時間データと前記
   装置除去熱量検出手段により検出される装置除去熱量に
   基づいて前記被空調室の内部負荷を推定する内部負荷推
   定手段と、 前記外気環境検出手段により検出される外気環境データ
   と、前記時間情報検出手段により検出される時間データ
   と、前記内部負荷推定手段により推定される内部負荷
   と、前記装置除去熱量検出手段により検出された装置除
   去熱量とに基づいて前記空調機の制御目標を決定する制
   御目標決定手段と、 前記制御目標決定手段で決定された制御目標に基づいて
   前記空調機の制御量を演算する制御量演算手段と、 前記制御目標演算手段で算出された制御量に基づいて前
   記空調機を制御する空調機制御手段と、から成ることを
   特徴とする空調システム。
3. 【請求項３】 前記空調熱負荷予測手段は、 前記環境情報検出手段から出力される外気環境データ及
   び時間情報検出手段から出力される時間データと、空調
   熱負荷との関係が予め学習されているニューラルネット
   ワークが記憶されている記憶手段と、 該記憶手段に記憶されているニューラルネットワークを
   用いて、前記外気環境検出手段から出力される外気環境
   データと前記時間情報検出手段から出力される時間デー
   タとを入力して空調熱負荷の予測値を算出する予測手段
   と、 該予測手段により算出された空調熱負荷の予測値の予測
   精度により、前記記憶手段に記憶されているニューラル
   ネットワークを学習させる学習手段と、から成ることを
   特徴とする請求項１記載の空調システム。
4. 【請求項４】 前記内部負荷推定手段は、 前記環境情報検出手段から出力される外気環境データ及
   び時間情報検出手段から出力される時間データと、前記
   被空調室から実際に取り除くべき熱量である装置除去熱
   量との関係が複数のパターンで学習されている複数のニ
   ューラルネットワークが記憶された記憶手段と、 該記憶手段に記憶されている複数のニューラルネットワ
   ークを用いて、前記外気環境検出手段から出力される外
   気環境データと前記時間情報検出手段から出力される時
   間データを入力して、複数のパターンの装置除去熱量を
   算出する計算手段と、 該計算手段で算出された装置除去熱量と前記空調熱負荷
   予測手段で予測された空調熱負荷とを比較して内部負荷
   を推定する推定手段と、から成ることを特徴とする請求
   項１記載の空調システム。
5. 【請求項５】 前記内部負荷推定手段は、前記環境情報
   検出手段から出力される外気環境データ及び時間情報検
   出手段から出力される時間データと、前記被空調室から
   実際に取り除くべき熱量である装置除去熱量との関係が
   複数のパターンで学習されている複数のニューラルネッ
   トワークが記憶された記憶手段と、 該記憶手段に記憶されている複数のニューラルネットワ
   ークを用いて、前記外気環境検出手段から出力される外
   気環境データと前記時間情報検出手段から出力される時
   間データを入力して、複数のパターンの装置除去熱量を
   算出する計算手段と、 該計算手段で算出された装置除去熱量と前記装置除去熱
   量検出手段から出力される装置除去熱量とを比較して内
   部負荷を推定する推定手段と、から成ることを特徴とす
   る請求項２記載の空調システム。
6. 【請求項６】 前記内部負荷推定手段の記憶手段に記憶
   されているニューラルネットワークは、 内部負荷条件を複数設定し、 該設定した複数の内部負荷条件を動的熱負荷計算プログ
   ラムに入力して、それぞれ内部負荷条件に対して装置除
   去熱量を算出し、 該算出された装置除去熱量と前記環境情報検出手段から
   出力される外気環境データ及び時間情報検出手段から出
   力される時間データとの関係をニューラルネットワーク
   に学習させたことを特徴とする請求項４又は５記載の空
   調システム。
7. 【請求項７】 前記動的熱負荷計算プログラムに設定し
   て入力する内部負荷条件は、 設計最大負荷の場合、設計最大負荷の１／２の場合及び
   設計最大負荷の１／４の場合の３つの内部負荷レベルで
   あることを特徴とする請求項６記載の空調システム。
8. 【請求項８】 前記外気環境検出手段が検出する外気環
   境データは、外気温度、外気湿度及び日射量であること
   を特徴とする請求項１、２、３、４、５、６又は７記載
   の空調システム。
9. 【請求項９】 前記時間情報検出手段が検出する時間デ
   ータは、時刻及び曜日であることを特徴とする請求項
   １、２、３、４、５、６又は７記載の空調システム。