Layer.6 分析・予測AI
負荷・需要予測
概要
気象条件、在室、運用パターンから冷暖房負荷や電力需要を予測する。熱源計画やDRの前提。
仕組み
過去の運転データ、外気の温度と湿度、曜日や時刻、在室の状況などを入力として、統計モデルや機械学習のモデルで、翌日や数時間先の負荷を予測します。予測した負荷に合わせて、熱源の運転台数や蓄熱の計画、需要調整に応じられるかを決めます。
導入・検討のポイント
- 外気の条件は、公開されている天気予報や観測データを使うのが現実的
- 予測の精度そのものより、予測を運用の判断にどう使うかが重要
- 季節や使われ方の変化に合わせて見直す
新築と既存での違い
新築
計測データがそろう前提で、竣工直後から学習用のデータを蓄積します。
既存
過去の運転データを使えるため、比較的早く運用に活かせます。
実務者メモ
外気条件は公開の天気予報・観測データを使うのが現実的。予測精度より運用判断にどう使うかが重要。
この技術が使われている建物用途
この技術を使う課題別の取り組み
建物事例
- NTT都市開発 保有5ビルへのAI空調最適制御東京・名古屋・大阪・仙台・既存
- Punggol Digital Districtシンガポール・新築