運転監視員が操作する場合
人的コストが
かかりすぎる
熟練した
ノウハウが必要
事前設定に基づく自動運転の場合
建物内の状況の変化に
応じた精緻な運転の
変更ができない
エネルギー
使用量に無駄が多く
環境によくない
需要予測AI
と
省エネな熱製造をするAI
で実現する
需要予測AI
と
省エネな
地域冷暖房（DHC）・大型熱源向け
99.8
%
※
の精緻な需要予測で
無駄を減らしコスト削減
過去データや気象データから
将来の熱需要量を予測し
予測結果を可視化
自律AIによる熱源制御で
約
20
%
のコスト削減
需要予測にもとづいて
熱源機器を最適運転制御し
コスト削減を実現
多くのAI開発実績をもとに
お客様の状況に合わせた
最適なソリューションを提案
施設内で使用される電力の履歴データに加え、外部の気温や湿度、天気の予報、さらにはIoTデバイスや監視カメラから得られる人流データなど、多様な情報源を予測と制御に活用できます。これらの情報を基に、AIの予測モデルを用いて施設の未来の熱負荷、チラーによる熱生成量、そして消費電力を推計し、最良の制御設定を計算して予測を実施します。
温度・湿度
天気予報
カメラ情報
（人数カウント）
設定温度や運転時刻など複数のパラメータを、経験則ではなく、過去・現在・未来などのデータに基づいて予測し、細かく最適な設定ができます。状況に応じて柔軟に処理を変えることが可能になり、無駄を減らすことができ、ビルや施設の利用者はいつでも快適に過ごすことができます。
空調は建築物のエネルギー使用量の約50％を占めるとされ、その最適化は持続可能な開発目標（SDGs）達成への重要なステップとなります。AI技術を活用した空調の最適化により、エネルギー効率を向上させることができ、これが二酸化炭素の排出量削減と気候変動緩和に貢献します。
電気はクリーンなエネルギーであるイメージを持たれることもありますが、発電には多くの二酸化炭素が排出されます。電気使用量を削減することは、二酸化炭素排出量の削減や気候変動の緩和につながリます。
ルールベースでは対応できないような複雑な制約下で、状況に応じて細かく最適な制御を実施。
現在の状況だけでなく予測した将来の状態も考慮して制御を行うことで、一時的ではなく全体で見たときに最適
(省エネ)になるような制御が可能です。
AIでCO2やコストを削減する「AI地域冷暖房（通称
AIちれい®）」を開発、実証実験を開始し、高い精度での需要
予測を実現。（株式会社日建設計、株式会社日建設計総合研究所、東邦ガス株式会社、住友商事マシネックス株式
会社、株式会社アラヤの共同実証実験）
※『AIちれいⓇ』は、株式会社日建設計の登録商標です
以下のDHCを対象に、実証実験を実施中。
・熱製造機：5台前後・蓄熱槽：有り
・需要家：商業施設・オフィスビル（計約7万㎡）
・冷水需要量(1日平均)：夏季約300GJ、冬季約30GJ
・年間熱製造コスト：5000万円～1億円
・需要量の予測のみ ※画面上に予測を表示し、熱製造の指示は事業者にてルールベース（手動）で行う
・誤差が熱製造機1台分の製造能力（約2000MJ/30min）以内で予測する
シミュレーション上で、実用レベルの非常に高い精度で需要量を予測することができた。これにより、無駄
な熱源機器の起動を抑制し省エネを図ることが可能になる。
現在、実際の現場に導入して現場のオペレーターに試用いただき、省エネ効果を検証中。
自律AIとは、AI自身が「どのような行動(空調制御)を取ると最も良い(コスト削減になる)か」を試行錯誤し学習する手法。AIが行動（熱製造機の運転台数のON/OFFなど）をすると、空調環境の状態（蓄熱・冷熱供給量の変化など）が変わり、良い結果（熱製造コストが下がったなど）が得られた場合にAIは高い報酬を得られる仕組みになっているため、AIはより多くの報酬をもらうように試行錯誤して学習することができます。
以下の大型熱源で、実証実験を行った。
・熱製造機：5台前後・蓄熱槽：有り
・需要家：商業施設（約6万㎡）
・冷水需要量(1日平均)：夏季約200GJ、冬季約30GJ
・ピーク時間の使用量を削減すると割引が適用される
・年間熱製造コスト：2000～4000万円
・熱製造のシミュレーションのみ（需要予測は既設システム内のルールベースアルゴリズムを使用）
・シミュレーション上での熱製造コスト削減額を検証
年間の熱製造コストを約20%削減することができた（シミュレーション上）。特に夏季に、割高な時間帯の熱製造を避けることによるコスト削減効果が高い。
お問い合わせ
