雨の予報なら、たいてい傘を持っていくでしょう。寒くなる予報なら、手袋を持っていくかもしれません。建物でも同じような備えが行われており、高度な暖房・冷房システムが予測される天候に応じて自動で調整されます。
しかし、天気予報が不完全な場合――実際そうであることも多いのですが――建物はエネルギーを無駄に消費してしまうことがあります。私たちが濡れたり、寒さを感じたり、必要のない重ね着に悩まされたりするのと同じです。
新たな手法では、予報と実際の気象条件に関する数年分のデータで学習させた機械学習モデルを使って、天気予報の精度を予測します。研究者らはこの予測器を、部屋の大きさや形、建築材料、センサーの位置、窓の配置など、建物の特性を考慮する数学モデルと組み合わせました。
その結果、コーネル大学のキャンパスにある築約90年の建物、トボガン・ロッジを用いた事例研究によると、エネルギー使用量を最大10％削減できるスマート制御システムが実現しました。
よりスマートな住宅
「建物自体が気象条件を把握できるほど『スマート』であったり、少なくとも天気予報の情報をもう少し理解できたりすれば、暖房・冷房システムを自動制御するための調整をより適切に行い、エネルギーを節約しながら居住者の快適性を高められるでしょう」と、エネルギーシステム工学教授で、このシステムに関する論文の共著者であるフェンチー・ユー氏は述べています。同論文はJournal of Process Controlに掲載されました。
「たとえば、もうすぐ日が昇って暖かくなると分かっていれば、家をそれほど暖める必要はないでしょう。今夜嵐が来ると分かっていれば、快適な室温を保てるよう、少し暖めておこうとします」とユー氏は述べています。
「エネルギーシステムをスマートにして、少し先のことを予測し、最適な判断ができるようにしようとしています。」
修士課程の学生チームは、トボガン・ロッジの事例研究の開発を支援したほか、機械学習モデルの学習に使う過去数年分の気象・気候データを収集しました。
この情報を使って、モデルは気温だけでなく、降水量、日照、場所による状況の違いに関する不確実性も検出できます。予報の不確実性の程度に応じて、モデルは適切に調整されます。
「最も優れた天気予報システムであっても、最も正確な情報を提供できるわけではありません」とユー氏は述べています。「それに、天気予報の情報は通常、特定の地域を対象としていて、個々の地点を対象としているわけではありません。」
不完全な予報への解決策？
トボガン・ロッジは、小規模で構造が単純なうえ、暖房・冷房システムの改修が比較的容易なほど古い建物であるため、興味深い事例研究の対象となりました。
機械学習アルゴリズムと数理計画法を組み合わせることで、どちらか一方を単独で使う場合よりも正確で「スマート」な制御システムが実現すると、ユー氏は述べています。
この枠組みは、建物の制御システムや農業における灌漑制御に応用できる可能性があり、大都市で人気が高まっている垂直農場や植物工場の屋内環境制御をより効率化することにもつながり得ます。
「天気を完璧に予報する方法はないので、できる最善のことは、AIと機構論的モデリングを組み合わせることです」と同氏は述べています。「自動制御とエネルギー管理のために、この二つを体系的な方法で調和させた例はこれまでありませんでした。」
