電力エネルギーサービス機械学習アルゴリズム開発用のビルマルチ空調設備エミュレータ

摘要

本研究では機械学習を用いた電力エネルギーサービスのアルゴリズム開発のために，不確実性を有するビルマルチ空調機のリアルタイム動特性エミュレータを開発した。また，エミュレータを組み合わせて空調環境にバリエーションをつけた基準仮想ビルを構築し，基本的なQ学習によるリアルタイム電力料金最適制御に試用した。得られた知見は以下の通りである。(1) 基準仮想ビルにて2000 episode学習済みのエミュレータモデルを派生仮想ビルに適用したとき500 episode( = 500時間）の慣熟期間を要した。(2) 全館複合RTP最適制御では行動価値を保持するテーブルのサイズが4.5 × 10~(28)に達するので従来のQ学習では実用性に問題があり，今後，Deep Q-Learningなどの発展手法を用いて学習時間を改善する必要がある。今後は，エミュレータで学習済みのモデルを実機に転移させたとき，より早期に実用的な制御結果を得る手法について研究を進めていく。