Recommended
More Related Content
Similar to 特殊空調の最新動向12月14日 次世代冷凍システム技術委員会制御wg
Similar to 特殊空調の最新動向12月14日 次世代冷凍システム技術委員会制御wg (6)
特殊空調の最新動向12月14日 次世代冷凍システム技術委員会制御wg
- 2. 技術課題1. • DR(デマンドレスポンス） • Automated DR • アグリゲーション 2 自然エネルギー有効活用⇒ 太陽光、風力、バイオ発電 電力需給の調整の必要⇒再エネ特措法による出力規制 さらにI o Tの推進と共に、外部システムとの連携が進み、 組み込み制御と情報のセキュリテイー • M2M • CCDS(Connected Consumer Device Security)
- 3. • 九州電力において太陽光発電買取りの保留 • 各電力会社の自然エネルギー利用発電電力の 接続可能量算定 • 太陽光発電、風力発電の年間30日以内の出力 抑制 • ヒートポンプ給湯機、蓄電池等へのエネルギー クッション策 • 3年前の本学会年次大会WS スマートグリッド （馬場恂平先生） 3 Automated DR （0.自然エネルギー発 電・買取り制度とマイクログリッド）
- 6. • ヒートポンプ機器による電力系統運用のフレ キシビリテイー増大 • DOE（米国）がCFR(Code of Federal Reguration)において、電気温水器の効率2倍 化を要求。Grid-interractive Electric Thermal Storage(GETS)という概念にマッチするヒートポ ンプ給湯機の開発を推奨。 6 Automated DR （3.ヒートポンプ蓄熱）
- 7. 従来のデマンド 制御(DR) 高速ADR 自動化 契約に基づく 自動M2M 時間刻み 30分間隔契約 秒または分オー ダー刻み 制御意味 固定約款 実時間値段、V- Fz補償 アグリゲーション （集約） ビル群管理の遠 隔制御無し Aggregation cloud service provider 7 Automated DR （4.DRとADR）
- 11. 家庭用エアコン 業務用エアコン 使用目的 予冷/予熱 遠隔監視 監視のみ メンテナンス 主機能 遠隔制御 エネルギー管理 遠隔チエック 性能チエック 未来機能 相互制御 デマンド制御 接続数 10ユニット以下 2000ユニット以下 11 M2M （0.エアコンの遠隔サービス）
- 12. • リスク管理 • ソフトウエアの規模増大に対応 • 信頼性の確保 • 品質管理増大 • マイコン能力増大 12 M2M （1.インターネットとの接続に伴 う技術課題）
- 13. • I o T分野別セキュリテイーガイドライン～「つ ながる世界の開発指針」 • 分野別 1.車載器 2.I o T GW 3.ATM 4.オープンPOS 13 CCDS （0.Connected Consumer Device Security） 重要生活機器連携セキュリテイー協議会
- 16. 16 技術課題2. • LIP(Laser-Induced Phosphoresence レー ザ誘起燐光法） • Autoencoder(自己符号化器） • 付録 デバイスweb API コンソーシアム 情報のセキュリテイーも考慮して、真に閉じて守 るべき、パワエレ系の制御アルゴリズム情報とイ ンターネットを介して、一般ユーザーにオープン にする情報との峻別。それに基づいて深掘りすべ き技術の方向性の探索。
- 17. 17 LIP （0.Laser-Induced Phosphoresence レーザー誘起燐光法） ・壁温スイング遮熱法 ・エンジンの熱損失低減 ・脇坂等 豊田中研 ・8％低減 ・1ｍｓにつき20℃の 温度上昇計測
- 18. 18 LIP （1.遮熱膜） 燃焼室壁面に塗布 する遮熱膜は、熱 および応力への耐 久性に低熱伝導率 かつ低体積比熱が 必要であり、図に 示す外部から遮断 された空隙を含む 多孔質セラミック スを開発した。 SiRPA(Silica Reinforced Porous Anodized aluminium)
- 19. 19 LIP （2.燐光膜） 図11 燐光膜のSEM画像 （参考文献：レーザ誘起燐光 法を用いた高応答温度計速 技術―壁温スイング遮熱膜 への応用―、福井健二、脇 坂佳史、西川一明、服部義 昭、小坂英雅、川口暁生）、 自動車技術会 Vol.47,No.1,Jannuary 2016. 開発した上記SiRPA被膜をデーゼルエンジンのピストン表 面にエアブラシで塗布し、表面温度の計測と性能評価を 実施した。
- 23. 23 Autoencoder （自己符号化器 1.NNW+Softmax） 𝑺=𝑨・𝑿 𝑺= 𝜹𝑪𝑻 𝜹𝑬𝑻 𝜹𝑸𝒄 𝜹𝑪𝑶𝑷𝒄 システム特性ベクトル 𝑿= 𝜹𝒇𝒁 𝜹𝑨𝒄𝑲𝒄 𝜹𝑨𝒆𝑲𝒆 構成要素ベクトル 𝑨= 𝒂𝟏𝟏 𝒂𝟏𝟐 𝒂𝟏𝟑 𝒂𝟐𝟏 𝒂𝟐𝟐 𝒂𝟐𝟑 𝒂𝟑𝟏 𝒂𝟑𝟐 𝒂𝟑𝟑 𝒂𝟒𝟏 𝒂𝟒𝟐 𝒂𝟒𝟑 影響マトリックス CT=CT(fZ,AcKc,AeKe) δCT= 𝝏𝑪𝑻 𝝏𝒇𝒁 ・δfZ+ 𝝏𝑪𝑻 𝝏𝑨𝒄𝑲𝒄 ・δAcKc+ 𝝏𝑪𝑻 𝝏𝑨𝒆𝑲𝒆 ・δAeKe = 𝒂 11・ δfZ + 𝒂 12・ δAcKc+ 𝒂 13・δAeKe δET= 𝝏𝑬𝑻 𝝏𝒇𝒁 ・δfZ+ 𝝏𝑬𝑻 𝝏𝑨𝒄𝑲𝒄 ・δAcKc+ 𝝏𝑬𝑻 𝝏𝑨𝒆𝑲𝒆 ・δAeKe = 𝒂 𝟐1・ δfZ + 𝒂 𝟐2・ δAcKc+ 𝒂 𝟐3・δAeKe δQc= 𝝏𝑸𝒄 𝝏𝒇𝒁 ・δfZ+ 𝝏𝑸𝒄 𝝏𝑨𝒄𝑲𝒄 ・δAcKc+ 𝝏𝑸𝒄 𝝏𝑨𝒆𝑲𝒆 ・δAeKe = 𝒂 𝟑1・ δfZ + 𝒂 𝟑2・ δAcKc+ 𝒂 𝟑3・δAeKe δCOPc= 𝝏𝑪𝑶𝑷𝒄 𝝏𝒇𝒁 ・δfZ+ 𝝏𝑪𝑶𝑷𝒄 𝝏𝑨𝒄𝑲𝒄 ・δAcKc+ 𝝏𝑪𝑶𝑷𝒄 𝝏𝑨𝒆𝑲𝒆 ・δAeKe = 𝒂 𝟒1・ δfZ + 𝒂 𝟒2・ δAcKc+ 𝒂 𝟒3・δAeKe 冷凍サイクルの各構成要素とシステム特性のマトリックス相関 アクチュエータ制御目標とセンサー
- 24. 24 使用例：隠れ層を含む逆伝搬法への適用 システム特性ベクトル𝑺と冷凍サイクルの構成要素ベクトル𝑿との相関行列𝑨の間に中間層ベクトル𝒍を含む ポイント：中間層ベクトル𝒍の概念形成（特徴抽出機能）に注目すること。多クラス分類問題において出力層の活性化関数fはソ フトマックス関数を指定し、誤差関数を交差エントロピーとする。教師データはn=100程度のミニバッチ学習とする。 CT ET Td Ts W Tin Tout SH* fz* Pulse* Gr Qc Qe SC S fz Kc Ke SLEV Mref d1 d2 d3 d4 d5 システム特性ベクトル𝑺 入力層（センサーデータ,マイコン内データ） 構成要素𝑿：(l+1)出力層 (原因部品)多クラス分類 （教師データn） 中間層(𝒍)層 （特徴表記探索） 逆伝搬式：𝜹𝒋 (l) = 𝝏𝑬 𝝏𝒖𝒋 (𝒍) =∑k 𝝏𝑬 𝝏𝒖 𝒌 (𝒍+𝟏)・ 𝝏𝒖 𝒌 (𝒍+𝟏) 𝝏𝒖𝒋 (𝒍) = ∑k 𝜹 𝒌 (𝒍+𝟏)・ 𝝏𝒖 𝒌 (𝒍+𝟏) 𝝏𝒖𝒋 (𝒍) = ∑k 𝜹 𝒌 (𝒍+𝟏) ・𝒘 𝒌𝒋 (𝒍+𝟏)・f’(𝒖𝒋 (𝒍) ) 活性化関数：ソフトマックス関数yk=fk= 𝒆 𝒖 𝒌 (𝒍+𝟏) 𝒆 𝒖𝒋 (𝒍+𝟏)𝑲 𝒋=𝟏 ykuk n:資料ナンバー 誤差関数：交差エントロピーEn=- 𝒅 𝒌・𝒍𝒐𝒈 𝒆 𝒚 𝒌 𝑲 𝒌=𝟏 中間層による特徴概念抽出 Gr:冷媒循環流量、Qc:凝縮器側熱交換量(空気側：冷媒側）バランス、Qe:蒸発器側熱交換量バランス SC:過冷却度より冷媒残存量、S:エントロピー総和よりON/OFFロス Autoencoder（自己符号化器2.NNW+Softmax）