AIを活用し、空調需要の予測・空調の最適運転制御を行い
大幅なコスト削減を目指します
既存の空調システムを活かしながら、制御機器にAIコントローラを後付けします。アラヤの自律AI技術で、必要な空調能力（需要）を予測し、需要と電気料金体系にあわせた熱製造を行うことで、大幅なコスト削減(20%程度)を目指します。
地域冷暖房(DHC)・大型熱源向け提供ソリューション
地域冷暖房(DHC)・大型熱源運営会社様に、建物ごとに個別に、以下のサービスを提供しています。（一部のビルのセントラル空調にも対応可能です。）
最適制御を実現する自律AI
自律AI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である。
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は報酬をもらう。
▶︎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。
空調制御にAIを活用する２つのメリット
メリット１：多彩な入力データの活用
天気予報データや、IoT機器や監視カメラなどから得られるデータを制御入力に使えるので、より細かい制御に活用できる。
メリット２：データドリブンのパラメータ設定
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・現在のデータに基づいて予測し、細かく最適な設定ができる。
実証実験１：大型熱源において年間熱製造コストを約20%削減
実証実験を行った対象施設
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
実証実験の範囲
・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
実証実験の結果
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。
| 時季 | 削減割合 |
|---|---|
| 電力コスト削減(冬季) | 5～10% |
| 電力コスト削減(夏季) | 15～22.5% |
実証実験２：地域冷暖房(DHC)において高精度な需要予測を実現
実証実験を行った対象施設
以下の地域冷暖房(DHC)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・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
実証実験の範囲
・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)にて行う）
・誤差が熱製造機1台分の製造能力（約1000MJ/30min）以内で予測する
実証実験の結果
実用レベルの非常に高い精度で需要を予測することができた（シミュレーション上）。
これにより、現場のオペレーターが遅延なく熱製造の指示を行うことができる。
| 項目 | 30分後予測精度 | １時間後予測精度 | 24時間後予測精度 |
|---|---|---|---|
| 冷水系統負荷熱量 | 99.7% | 99.8% | 91.6% |