暖房機の制御方法、及び、暖房機
【課題】暖房機の制御方法及び暖房機において、暖房機のＯＮ・ＯＦＦ制御を高精度に行う。
【解決手段】温室に配置される暖房機のＯＮ・ＯＦＦ制御を行う暖房機の制御方法において、制御タイミングとなる各ステップでのＯＮ又はＯＦＦの組み合わせである複数の運転パターンについて、上記温室の物理モデルに基づいて上記温室の温度変化を予測し（工程Ｓ３）、予測された上記温度変化に基づいて、上記温室の温度が目標温度に近づくように、上記複数の運転パターンの中から最適運転パターンを選択し（工程Ｓ４）、上記最適運転パターンに基づいて上記暖房機の上記ＯＮ・ＯＦＦ制御を行う。
【解決手段】温室に配置される暖房機のＯＮ・ＯＦＦ制御を行う暖房機の制御方法において、制御タイミングとなる各ステップでのＯＮ又はＯＦＦの組み合わせである複数の運転パターンについて、上記温室の物理モデルに基づいて上記温室の温度変化を予測し（工程Ｓ３）、予測された上記温度変化に基づいて、上記温室の温度が目標温度に近づくように、上記複数の運転パターンの中から最適運転パターンを選択し（工程Ｓ４）、上記最適運転パターンに基づいて上記暖房機の上記ＯＮ・ＯＦＦ制御を行う。
【発明の詳細な説明】
【技術分野】
【０００１】
本発明は、温室に配置される暖房機のＯＮ・ＯＦＦ制御を行う暖房機の制御方法、及び、暖房機に関する。
【背景技術】
【０００２】
地球環境保護或いは低炭素化社会構築の必要性などから、植物栽培用温室暖房機の燃料をバイオマス燃料の一種である木質ペレットに切換えることで二酸化炭素量低減を図る動きがある。
【０００３】
上記の木質ペレットを用いた暖房機は、例えば下記（Ａ）〜（Ｃ）のような特徴を有している。
（Ａ）運転指令がＯＮ・ＯＦＦ（着火或いは消火）の二値制御となる。
【０００４】
（Ｂ）温度の立上り及び立下りが非常に緩慢である（時定数が大きい）。
（Ｃ）十分な定常燃焼時間の確保を目的として、着火後は一定時間消火が不可能となるなどの運転制約が設けられている（消火から再点火に至る操作にも、この運転制約が存在する）。
【０００５】
上記（Ａ）の特徴である二値制御は、燃焼炉の高温腐食や低温腐食の問題から、熱出力を可変にすることが難しいことによるものである。
上記（Ｂ）の特徴である時定数が大きい点は、木質ペレットを燃焼させる暖房機が、燃焼開始信号を入力してから定格熱出力に到達するまで、及び、燃焼停止信号を入力してから熱出力がゼロになるまでの時間が長いことによるものである（例えば数分。制御対象の時定数に比べて無視できない時間。）。
【０００６】
例えば、暖房機の第１の吹出し温度及び第２の吹出し温度が定常状態で４５℃，３０℃であるときの実験結果では、時定数である６３．２％の温度（２８．４４℃，１８．９６℃）に達するまでの時間は、それぞれ５分４０秒，６分要した。
【０００７】
上記（Ｃ）の特徴である運転制約は、暖房機の特性上、点火動作中の消火や、消火動作中の点火が難しいために運転制約が設けられている。なお、木質ペレットに着火させるのに例えば灯油バーナを利用する場合、ＯＮ・ＯＦＦの頻度を下げれば灯油消費量を減らすことができるため、施設園芸用温室内の室温を所定の範囲で維持しつつ、可能な限りＯＮ・ＯＦＦの頻度を下げることが望ましい。
【０００８】
ところで、従来の燃焼機の制御方法としては、蒸気圧力に基づく制御を行うものや（例えば、特許文献１参照）、最大ＯＦＦ時間を設定するもの（例えば、特許文献２参照）が知られている。
【先行技術文献】
【特許文献】
【０００９】
【特許文献１】特開平６−１２９６０２号公報
【特許文献２】特開２０００−２４０９３９号公報
【発明の概要】
【発明が解決しようとする課題】
【００１０】
上記の（Ａ）〜（Ｃ）の特徴は、補償器設計を難しくしている原因であり、特に上記（Ｃ）の特徴である運転制約は、高精度な温度制御には大きなネックとなっていた。また、上記（Ｂ）の特徴である時定数が大きい点は、暖房機の時定数が温室の温度特性のそれにかなり近い大きさとなっており、非常に制御しにくい制御対象となっている。
【００１１】
これらの特徴を有する木質ペレット焚き暖房機に対し、従来は、与えられた温室の目標温度の上側及び下側に、それぞれ暖房機消火のためのＯＦＦ点温度及び暖房機点火のためのＯＮ点温度を設定し、温室温度が設定温度に到達した時点で暖房機への運転信号を決定する方法が採られている。
【００１２】
さらに、稼動中に運転指令を送った直後の温室温度のオーバシュート量及びアンダシュート量に応じてＯＮ点温度及びＯＦＦ点温度を微小な範囲で随時更新する手法を採用することで制御精度が改善されている。
【００１３】
しかし、このような暖房機には以下の問題点が存在する。
（１）与えられた目標温度に対し、ＯＮ点温度及びＯＦＦ点温度の設定基準が不明確である。
【００１４】
（２）暖房機の立上り及び立下り時間（時定数）の情報が活かされていない。
（３）暖房機の運転制約の影響が考慮されていない。
（４）外気温の情報が考慮されていない。
【００１５】
特に、温室から奪われる熱量は外気温度と温室温度との差に依存するため、ＯＮ・ＯＦＦ点温度の更新を併用した場合であっても対症療法的な制御であり、また本質的に室温に対する暖房機と外気温の動特性、及び制約条件を考慮していない点で制御性能は満足できるものではない。
【００１６】
実際に、図２５に示すような従来の木質ペレット焚き暖房機による温度制御実績は、目標温度である１８℃周りで５℃p-p（ピーク・ピーク値）程度であり、受粉時期における２℃p-p以内といったレベルの温度精度要求には全く対応できていない状況にある。なお、図２５に示す例では、暖房機は、例えば１９時〜翌日８時など、外気温の下がる夜間に稼働するように制御されている。
【００１７】
なお、上述の事項のうち特に（１）〜（４）については、木質ペレット焚き暖房機に限らず、ＯＮ・ＯＦＦ制御される暖房機であれば他の燃料を用いたものについても同様のことがいえる。
【００１８】
本発明の目的は、暖房機のＯＮ・ＯＦＦ制御を高精度に行うことができる暖房機の制御方法及び暖房機を提供することである。
【課題を解決するための手段】
【００１９】
本発明の暖房機の制御方法は、温室に配置される暖房機のＯＮ・ＯＦＦ制御を行う暖房機の制御方法において、制御タイミングとなる各ステップでのＯＮ又はＯＦＦの組み合わせである複数の運転パターンについて、上記温室の物理モデルに基づいて上記温室の温度変化を予測し、予測された上記温度変化に基づいて、上記温室の温度が目標温度に近づくように、上記複数の運転パターンの中から最適運転パターンを選択し、上記最適運転パターンに基づいて上記暖房機の上記ＯＮ・ＯＦＦ制御を行う。
【００２０】
また、上記暖房機の制御方法において、予め定められた直近の予測区間の上記複数の運転パターンについて上記温室の温度変化を予測するとよい。
また、上記暖房機の制御方法において、上記ステップごとに又は複数の上記ステップごとに上記複数の運転パターンについて上記温度変化を予測し、上記最適運転パターンのうち上記温度変化の予測間隔分に基づいて上記ＯＮ・ＯＦＦ制御を行うとよい。
【００２１】
また、上記暖房機の制御方法において、上記暖房機の制約条件を満たす複数の運転パターンについて上記温室の温度変化を予測するとよい。
また、上記暖房機の制御方法において、使用頻度に応じて限定された複数の運転パターンについて上記温室の温度変化を予測するとよい。
【００２２】
また、上記暖房機の制御方法において、上記暖房機は、木質燃料を燃焼させることで上記温室を暖房するようにしてもよい。
また、上記暖房機の制御方法において、予測された上記温度変化の誤差と予め定められた燃費の重みとを含む評価関数に基づいて、上記温室の温度が目標温度に近づくように且つ燃費の悪化を抑えるように、上記複数の運転パターンの中から上記最適運転パターンを選択するようにしてもよい。
【００２３】
本発明の暖房機は、温室に配置され、制御部によりＯＮ・ＯＦＦ制御される暖房機において、上記制御部は、制御タイミングとなる各ステップでのＯＮ又はＯＦＦの組み合わせである複数の運転パターンについて、上記温室の物理モデルに基づいて上記温室の温度変化を予測し、予測された上記温度変化に基づいて、上記温室の温度が目標温度に近づくように、上記複数の運転パターンの中から最適運転パターンを選択し、上記最適運転パターンに基づいて上記暖房機の上記ＯＮ・ＯＦＦ制御を行う。
【発明の効果】
【００２４】
本発明によれば、暖房機のＯＮ・ＯＦＦ制御を高精度に行うことができる。
【図面の簡単な説明】
【００２５】
【図１】本発明の一実施の形態に係る暖房機を含む暖房システムを示す概略構成図である。
【図２】本発明の一実施の形態に係る暖房機の制御方法を説明するための温室温度モデル予測制御を示す概略フローチャートである。
【図３】本発明の一実施の形態における、伝達関数の係数のパラメータを示す図表である。
【図４】本発明の一実施の形態における、温室温度と公称値モデルとの比較結果 (平均誤差率2.72%)を示すグラフである。
【図５】本発明の一実施の形態における、物理モデルと公称値モデルとのパラメータ比較を示す図表である。
【図６】本発明の一実施の形態における、温度制御シミュレーション結果（外気温の変動幅が最も小さい場合）を示すグラフである。
【図７】本発明の一実施の形態における、温度制御シミュレーション結果（外気温の変動幅が最も大きい場合）を示すグラフである。
【図８】本発明の一実施の形態における、温度制御シミュレーション結果（外気温の平均値が最も高い場合）を示すグラフである。
【図９】本発明の一実施の形態における、温度制御シミュレーション結果（外気温の平均値が最も低い場合）を示すグラフである。
【図１０】本発明の一実施の形態における、パラメータを変化させた場合のシミュレーション結果（αが２０％増加）を示すグラフである。
【図１１】本発明の一実施の形態における、パラメータを変化させた場合のシミュレーション結果（γが２０％増加）を示すグラフである。
【図１２】本発明の一実施の形態における、制御入力パターンの分布（温室の動特性と予測器のパラメータが一致している場合）を示すグラフである。
【図１３】本発明の一実施の形態における、制御入力パターンの分布（外気温の平均値が低い場合）を示すグラフである。
【図１４】本発明の一実施の形態における、制御入力パターンの分布（外気温の平均値が高い場合）を示すグラフである。
【図１５】本発明の一実施の形態における、制御入力パターンの分布（αが２０％減少）を示すグラフである。
【図１６】本発明の一実施の形態における、入力候補の限定をする前後の制御結果を示すグラフである。
【図１７】本発明の一実施の形態における、運転パターン列の決定を説明するための説明図である。
【図１８】本発明の他の実施の形態における温度制御結果（１）及び比較例１の温度シミュレーション結果を示すグラフである。
【図１９】本発明の他の実施の形態における温度制御結果（１）及び比較例２の温度シミュレーション結果を示すグラフである。
【図２０】本発明の他の実施の形態における温度制御結果（１）及び（２）を示す図表である。
【図２１】温度制御結果（１）及び（２）の条件下における比較例１の温度シミュレーション結果を示す図表である。
【図２２】温度制御結果（１）及び（２）の条件下における比較例２の温度シミュレーション結果を示す図表である。
【図２３】本発明の他の実施の形態における温度制御結果（２）及び比較例１の温度シミュレーション結果を示すグラフである。
【図２４】本発明の他の実施の形態における温度制御結果（２）及び比較例２の温度シミュレーション結果を示すグラフである。
【図２５】従来の木質ペレット焚き暖房機の制御方法を説明するためのグラフである。
【発明を実施するための形態】
【００２６】
以下、本発明の実施の形態に係る、暖房機の制御方法及び暖房機について、図面を参照しながら説明する。
＜一実施の形態＞
図１は、本発明の一実施の形態に係る暖房機１０を含む暖房システム１を示す概略構成図である。
【００２７】
図１に示す暖房システム１は、暖房機１０と、点火用灯油バーナ２０と、押し込みファン３０と、屋内サイロ４０と、サイクロン集塵機５０と、煙突６０と、温室温度センサ９１と、を温室１００の内部に備える。
【００２８】
また、暖房システム１は、灯油タンク７０と、屋外貯留サイロ８０と、外気温度センサ９２と、を温室１００の外部に備える。
なお、温室温度センサ９１は、便宜上図１の天井付近に二点鎖線で図示したが、例えば温室中央に配置して、計測温度が温室全体の温度の集中定数系として近似できるようにするとよい。また、外気温度センサ９２も、便宜上図１の温室１００の上方に二点鎖線で図示したが、例えば、平均的な外気温を検出できる位置に配置されればよい。
【００２９】
暖房機１０は、制御部１１と、燃焼炉１２と、温風吹出し口１３とを有する。暖房機１０は、制御部１１によりＯＮ・ＯＦＦ制御され、木質ペレット２０１を燃焼炉１２において燃焼させ、温風吹出し口１３から温室１００内に温風を供給する。
【００３０】
木質ペレット２０１は、屋外貯留サイロ８０から屋内サイロ４０を介して暖房機１０に供給される。また、木質ペレット２０１は、点火用灯油バーナ２０により点火され、押し込みファン３０により空気が暖房機１０内に取り込まれた状態で燃焼する。木質ペレット２０１の点火は、灯油タンク７０から供給される灯油が点火用灯油バーナ２０で点火し、この点火により発生した火炎によって上記木質ペレット２０１を燃焼させることによって成される。
【００３１】
なお、暖房機１０から排出される排気ガス２０２は、サイクロン集塵機５０によって燃焼灰２０３が取り除かれた後、誘引ファン２０４によって煙突６０に送られ、温室１００の外部に排出される。
【００３２】
図２は、本実施の形態に係る暖房機の制御方法を説明するための温室温度モデル予測制御を示す概略フローチャートである。
図２において、予測区間となるステップ数をＰ、後述する制約条件をＣ、目標温度をTref、誤差及び入力の重みをＱ，Ｒ，制御時間をＮ、規定の繰り返し回数をＤとする。なお、予測区間は、温室の物理モデルに基づいて温室の温度変化の予測をする直近の区間であり、例えば１２ステップ（１ステップ２０秒）などと予め定められる。予測区間の長さは適宜決定されればよいが、運転を行う全ての区間ではなく、その一部とすることで制御の複雑化を抑えることができる。
【００３３】
まず、予測区間Ｐのそれぞれのステップ数においてＯＮ又はＯＦＦの２値が与えられるため、２Pの入力列を生成する（工程Ｓ１）。
そして、上記入力列の中から運転制約条件Ｃを満たす入力列を選定する（工程Ｓ２）。
【００３４】
上記の予測区間Ｐについての入力列２Ｐの全ての運転パターン（制御タイミングとなる各ステップでのＯＮ又はＯＦＦの組み合わせ）に対して評価関数Ｊの値を求めると、その計算量は膨大なものとなる傾向がある。暖房機の制御アルゴリズムは安価な組込システム上で実現するのが望ましく、この要求からは出来るだけ計算量が小さい方が望ましい。
【００３５】
ここで、暖房機に制約条件Ｃが発生する理由について簡単に述べる。
図１に示す暖房システム１に運転命令が印加されると、屋内サイロ４０から暖房機１０の燃焼炉１２に一定量の木質ペレット２０１が供給される。次いで、木質ペレット２０１に灯油タンク７０から少量の灯油が散布されて点火用灯油バーナ２０により着火が行われる。
【００３６】
従って、暖房機１０から定常的な熱供給が行われるようになるためには一定の時間が必要となる（これが木質ペレット２０１焚きの暖房機１０が長時定数を有する理由でもある）。よって、暖房機１０のＯＮ・ＯＦＦ信号の切換えが頻繁に行われると、木質ペレット２０１の十分な燃焼が確保されないうちに消火が行われ、同時にまた種火を作るための灯油の消費量も増大し、燃費が大きく低下することになる。これを回避するためには、ＯＮ信号あるいはＯＦＦ信号を印加した後には、一定時間は運転信号を反転できない時間を設定するのが合理的であり、これが暖房機１０の制約条件Ｃとなる。
【００３７】
まず、予測を行う予測区間Ｐ、制約条件Ｃ、評価関数Ｊ（ここでは予測区間Ｐにおける温度誤差の自乗和）を与える。例として、予測区間Ｐ＝３、Ｃ＝２（暖房機立上り／立下りとも同一）とし、現時点での暖房機への入力が１（＝ＯＮ）から０（＝ＯＦＦ）に初めて切換った場合を考える。考えられる全てのOＮ・ＯＦＦの入力列は２3＝８通り存在するが、図１７に示す場合、「１」又は「０」が連続しない５パターンは採用できないため、運転パターンとして採用できるものは3通りしか存在しないことが分かる。
【００３８】
図１７の８つの運転パターンのうち、Ｎｏ．１は暖房機を全く運転しないもの（全てＯＦＦ（０））、Ｎｏ．５は初めの２ステップをＯＦＦ（０）として最後のみＯＮ（１）にするもの、最後はＮｏ．７で、初めの１ステップのみＯＦＦ（０）にして終わり２ステップ分はOＮ（１）にするものである。詳しくは後述するが、こうして選ばれた３つの運転パターンに対し、暖房機への制御入力、温室温度センサ９１により計測された温室温度、及び、外気温度センサ９２による外気温度の情報を基に、予測区間Ｐステップ分に亘る温室温度の予測値を順次求めることができる。
【００３９】
この結果に対し、評価関数Ｊ（目標温度Trefとの誤差の自乗値の予測区間Ｐステップ間における総和）の値が最小になる最適運転パターンを採用する。即ち、予測された温度変化に基づいて、温室の温度が目標温度Trefに近づくように、最適運転パターンを採用し（工程Ｓ３，工程Ｓ４）、初めの１ステップ分のＯＮ・ＯＦＦ信号を最終的に実際の運転信号として決定する（工程Ｓ５）。なお、最適運転パターンは、他の選択条件を基に選択されるものでもよい。
【００４０】
以上の動作をステップ毎に繰り返して暖房機の制御を行う。具体的には、１つずつ増える制御時間Ｎ（工程Ｓ６）が規定の繰り返し回数Ｄに到達するまで行う（工程Ｓ７）。なお、２Pの入力列の生成（工程Ｓ１）は、繰り返し行う必要がないため、運転制約条件Ｃを満たす入力列の選定（工程Ｓ２）以降の処理が繰り返されることになる。
【００４１】
なお、複数の運転パターンについて温室の温度変化の予測は１ステップごとでなく、複数ステップ（例えば、数ステップ）ごとに行うようにしてもよい。その場合、選択された運転パターンのうち温度変化の予想を行う間隔である予測間隔分のＯＮ・ＯＦＦに従って制御を行うことになる。この場合、誤差が大きくなるおそれがあるものの、制御の複雑化を抑えることができる。
【００４２】
ところで、制御対象のモデル（予測器）を内包したこのような予測に基づく制御は、動作環境の変化に柔軟に対応できること、制約条件Ｃ等を事前に考慮できることが特長である。ただし、ここでは、外気温が予測区間Ｐ中に変化しないと仮定している。
【００４３】
さらに、同一予測区間Ｐにおいてほぼ同じ評価関数Ｊの値を達成する運転パターンが複数得られているならば、その中から出来るだけ暖房機を運転しない運転パターン或いは暖房機の着火の回数が少ない運転パターンを最適運転パターンとして選ぶことで燃費が最も良いものを選ぶことが可能となる。従って、温度誤差及び燃費の両方を考慮した評価関数Ｊを選ぶことができるのが、メリットの一つである。
【００４４】
以下、温室モデルの構築、温室モデル予測制御、及び、最適解の分布について詳述する。
〔温室モデルの構築〕
温室の熱平衡モデルは、空間分布を考慮しない集中定数系として近似し、下記の数式１に従うものとする。
【００４５】
【数１】
ここで、Ｔ：温室温度、ｈｔ：熱貫流率、Ｓ：温室の表面積、Ｖ：温室の体積、ρ：空気の密度、Ｃｐ：空気の定圧比熱、Tex：外気温、Q：ヒータからの供給熱量、である。上記の数式１の左辺は、温室温度の時間変化率にそれ自身の変化のしにくさ（ρＶＣｐ）を掛けたもので、熱エネルギの時間変化量、すなわち温室に供給されるパワーを示している。
【００４６】
一方、数式１の右辺は、温室内から逃げる熱エネルギ（第一項目：温室内外の温度差により失われる熱エネルギで、その係数は被覆材であるビニール等の熱の通り易さ（熱貫流率）に面積を乗じることで得られる）と暖房機により温室内に供給される熱エネルギとからなる。「温室に供給されたパワー」と「温度差により逃げた分と供給された分の差」とがバランスすることを利用して得られたのが上記の数式１である。
【００４７】
さらに暖房機からの供給熱エネルギは、最大供給可能な熱エネルギ量Ｑmaxで正規化する（大きさを１に揃える）ことで、熱の発生状態を示す変数ξおよび効率ηとの積で下記の数式２に表現することができる。
【００４８】
【数２】
ただし、ξは０（熱の発生が０の状態）から１（熱の発生が最大値となっている状態）の間の任意の値をとるものとする。この熱の発生状態ξは、運転信号の印加に応じてさらに下記数式３の一次遅れ系に従うものと仮定する。
【００４９】
【数３】
ただし、K：ヒータの時定数、ｕON-OFF：暖房機への制御入力（ＯＮ＝１，ＯＦＦ＝０）である。この近似は暖房機の運転データより妥当性が認められる。
【００５０】
以上の物理法則及び仮定から、温室モデルは二次系の連続時間システムとして下記の数式４及び数式５のようにモデル化される。
【００５１】
【数４】
【００５２】
【数５】
これら数式４及び数式５を一定のステップで離散化することで、離散時間系における下記の数式６及び数式７の差分モデルが得られる。
【００５３】
【数６】
【００５４】
【数７】
これら数式６及び数式７を単位時間遅延演算子ｑ-1（ある信号ｘ（ｔ）に対し、q-1・x(t)= x(t-1)、すなわちこの演算子が作用すると時刻が１だけ遅れる）で書換えると、下記の数式８及び数式９が得られる。
【００５５】
【数８】
【００５６】
【数９】
これよりξの動特性を消去し、外気温と暖房機の運転信号から温室温度までの動特性を求めると、伝達関数表現では以下の結果が得られる。
【００５７】
【数１０】
この数式１０の左式は、右式の伝達関数Ｇ（q-1）で表され、現時刻ｋにおける温室温度が、時刻ｋ−１及びｋ−２における温室温度及び外気温、並びに、時刻ｋ−２における暖房機の運転信号を基に決定されることを示している。
【００５８】
従って、事前に得られている各物理定数を代入した後にシステムを離散化すれば、理論上は温室温度の数学モデルが得られることになるが、その結果を用いて求めた温室温度と実際の温度計測値とがかなり異なるのが現状である。
【００５９】
この要因としては、熱貫流率が気象条件等により変化すること、地熱の影響を無視していること、システム自体を集中定数系として近似していること、等が挙げられ、これらの不確かさを含んだシステムは、物理的法則のみによる微分方程式で高精度には表現できないことが原因と考えられる。
【００６０】
従って他の策としては、実際に計測された温室の内外気温及び暖房機の運転信号から各パラメータを数値的に推定することが挙げられる。もし温室とほぼ同じ動特性を示す数学モデルが入手できれば、それを設計に利用する公称値モデルとして採用できることになる。
【００６１】
数式１０で求められたように、温室温度の動特性伝達関数Ｇ（q-1）では、下記の数式１１のように仮定できる。
【００６２】
【数１１】
ここで、温度データについては、太陽の熱輻射などにより十分に温室温度が上昇する日中は除き、例えば１９時から翌日８時までの間を制御対象とする。さらに、n4sid法を用い、精度の向上を図る。n4sid法とは、部分空間同定法とも呼ばれており、入出力データを基に拡大可観測行列と呼ばれる行列を計算し、その特異値を用いてシステムの次元を決定し、状態量、そして状態方程式を与えるシステム行列の同定を行う方法である。この方法により、温室のシステムの状態空間モデルを導出する。ただし、同種の同定アルゴリズムは多数存在し、計算量および精度により適切なものを選べばよい。
【００６３】
システム同定に用いる温室データは、炉床式暖房機のものである。実際の温室データ２０日分のうち、データとして信頼できると判断した温室データについてn4sid法によるシステム同定により温室パラメータを求め、公称値モデルを決定する。図３にシステム同定により得られた、伝達関数の係数のパラメータを示す。
【００６４】
図３のPolesの列の値は、２０日分それぞれの温室データから求めたシステムの極の絶対値である。これらの絶対値の値は、すべて１より小さくなっていることから、２０日分のデータがすべてシステムとして安定であるといえる。
【００６５】
よって、図３の２０日分の温室データから平均をとり公称値モデルを決定することとする。ただし、パラメータのばらつきを勘案するために、その分散も考慮した。さらに、外気温を厳しい条件である３℃において温室温度の最終値が目標温度の２０℃に達するように各パラメータを調整した。求められたシステムの伝達関数を下記の数式１２に示す。
【００６６】
【数１２】
次に、実際の温室データの外気温と暖房機のON・OFFの入力データとをn4sid法により求めた温室モデルに印加し、モデル出力の温度と実際の温室で測定された温度との比較を行う。
【００６７】
図４に、n4sid法によるシステム同定により得られた温室モデルと公称値モデル温室温度の比較の例を示す。図４には、制御タイミングであるステップごとの温室温度（greenhouse temp.）を点線で、公称値モデルの出力（nominal temp.）を実線で、外気温(external temp.)を破線で示した。図４では、温室の基礎計測データの中で、外気温が最も低く、温室温度及び公称値モデルの出力は、外気温よりも高い温度で、暖房機のＯＮ・ＯＦＦに対応して上下に変動している。図４において、パラメータ調整後の公称値モデルと実際の温室温度との平均誤差率は２．７２%であった。
【００６８】
一方、実際の計測データを基に同定を行ったモデルのパラメータが上記の数式１及び数式３でのそれに近いものであれば、同定によりパラメータを求める作業は不要となり、数式１及び数式３を基に公称値モデルを決定できることになる。以下では、物理モデルのパラメータがどの程度制御系の設計に利用可能かを考察する。
【００６９】
温室の仕様から、放熱係数ｈｔ＝６．７［W/(m2・K)］、温室の表面積Ｓ＝５１９．９［m2］、温室の体積Ｖ＝６７８［m３］、空気の密度ρ＝１．２７［kg/m３］、空気の定圧比熱Ｃｐ＝１．０×１０３［J/(kg・K)］であるため、物理モデルの上記数式１より、下記の数式１３及び数式１４が導き出される。
【００７０】
【数１３】
【００７１】
【数１４】
一方、n4sid法によるシステム同定によって得られた公称値パラメータより、下記の数式１５、数式１６及び数式１７が導き出される。
【００７２】
【数１５】
【００７３】
【数１６】
【００７４】
【数１７】
この結果に基づく物理モデルと公称値モデルとの比較を図５に示す。
【００７５】
まず、公称値パラメータから計算したα、γの値から求めた放熱係数ｈｔを、それぞれｈｔ，αとｈｔ，γとする。次にβの値から求めたヒータの効率をηβとし、物理モデルのパラメータと比較を行った。公称値モデル（nominal value）を基準とし物理モデルのパラメータ（physical value）と比較すると、「ｈｔ，α」及び「ηβ」のパラメータについては物理モデルと公称値モデルとの対応（ratio of parameter）は約１．５〜２倍程度になっていることがわかる。
【００７６】
一方、「ｈｔ，γ」のパラメータについては、外気温から温室温度への影響度合いを表すγが非常に小さな値となった。これは、同定計算においてはパラメータγが影響の小さな定値外乱(ドリフト)として扱われてしまったことによるものであると考えられる。
【００７７】
また、同定により得られた公称値モデルの傾向として暖房機の能力が低めに計算されていることが同定結果のデータ解析により明らかとなった。これは、温室の空間分布を考慮していないが、実際は暖房機からの熱エネルギーは空間分布を介して温室を温めるため、集中定数系を仮定した場合よりも同定結果は小さい値となる。
【００７８】
つまり、見かけの暖房機能力が低めに計算されるため、外気温の影響を受けやすいシステムとして同定されたと考えられる。このことから、システム同定により得られた公称値モデルと理論から導いた物理モデルとの間には無視できないパラメータの誤差があることが分かった。
【００７９】
実際に物理モデルのパラメータと温室データを用いて温室温度の再現性の確認を行ったが、実際の温室温度には全く追従しないという結果を得た。よって、物理モデルのパラメータをそのまま制御系の設計に用いることは難しいと考えられる。以降では、上記の数式１２を用いる。
【００８０】
〔温室モデル予測制御〕
次に、温室モデル予測制御について説明する。ここでは、温室温度制御のシミュレーションを行った結果を述べる。シミュレーションは、（１）制御対象の温室とモデル予測制御系の予測器が一致している場合、及び、（２）α，β，γをシミュレーション中に強制的に変化させた場合について考察する。ただし、いずれも目標温度周り±１℃の範囲での制御を目的とした例である。シミュレーションを行う際の予測器は、上述の公称値モデルを採用する。
【００８１】
（１）制御対象の温室とモデル予測制御系の予測器が一致している場合
まず、制御対象である温室と予測器のパラメータが一致している理想的な場合についてシミュレーションを行う。ただし、このシミュレーションでは、予測区間Ｐを１２ステップ、運転制約条件ＣはＯＮ→ＯＦＦ及びＯＦＦ→ＯＮともに５ステップ、１ステップを２０秒として計算を行った。４通りの異なる外気温条件におけるシミュレーション結果を図６〜図９に示す。ここで、使用するこれら4通りの外気温は、２０通りの温室データの中から夜間の外気温の変動幅が最も小さい場合、外気温の変動幅が最も大きい場合、外気温の平均値が最も高い場合、外気温の平均値が最も低い場合を選んだ。
【００８２】
図６に示すように外気温(external temp.)の変動幅が最も小さい場合（約７℃〜約９℃でほぼ安定）のシミュレーション結果では、目標温度(ref. temp.)である２０℃に対する温室温度（greenhouse temp.）の平均誤差率は０．１８％で、−０．０７〜＋０．０８℃の範囲で温度制御可能であることがわかった。
【００８３】
図７に示すように外気温(external temp.)の変動幅が最も大きい場合（約７℃〜約９．５℃で上下動）のシミュレーション結果では、目標温度(ref. temp.)である２０℃に対する温室温度（greenhouse temp.）の平均誤差率は０．１５％で、−０．０６〜＋０．０６℃の範囲で温度制御可能であることがわかった。これは、温度の高低差は大きいが急激な変動はなく比較的穏やかな温度変化であったことから予測器の予測出力の計算にほとんど影響しないためと考えられる。
【００８４】
図８に示すように外気温(external temp.)の平均値が最も高い場合（約１１℃〜約１３．５℃）のシミュレーション結果では、外気温が高いため目標温度(ref. temp.)である２０℃に達するまでの時間は早いが、制御が難しく過渡反応が出ている。定常状態では、目標温度に対する温室温度（greenhouse temp.）の平均誤差率は０．２１％で、−０．０８〜＋０．０８℃の範囲で温度制御可能であることがわかった。
【００８５】
図９に示すように外気温(external temp.)の平均値が最も低い場合（約３．５℃〜約６℃）のシミュレーション結果では、目標温度(ref. temp.)である２０℃に対する温室温度（greenhouse temp.）の平均誤差率は０．２７％で、−０．１０〜＋０．０８℃の範囲で温度制御可能であることがわかった。
【００８６】
（２）α，β，γをシミュレーション中に変化させた場合
実際の温室温度制御では、温室のシステムのパラメータは降雨や風等により、放熱係数が大きく変動する。このような状況を踏まえて、パラメータをシミュレーション中に強制的に変化させた場合について制御性を確認する。このパラメータ変化は実際の現象を考慮し、図１０及び図１１に示すように斜線部分の４００Stepから６００Stepにかけて徐々に(０．１％ずつ)変化を与えることで、設定したパラメータの値に近づけている。また、外気温は平均的な日のデータを用いている。このような変動のもとでも温度制御が高精度に行われるのであれば、実用性はさらに高くなる。
【００８７】
まず、連続時間系でαパラメータに＋２０％の変化を与えたときの結果を図１０に示す。図１０のシミュレーションでは目標温度(ref. temp.)である２０℃に対する温室温度（greenhouse temp.）の温度誤差が＋０．３５℃で、平均誤差率１．３９％で温度制御が行えている。
【００８８】
次に、連続時間系でγパラメータに＋２０％の変化を与えたときの結果を図１１に示す。図１１のシミュレーションでは目標温度(ref. temp.)である２０℃に対する温室温度（greenhouse temp.）の温度誤差が＋０．１５℃で、平均誤差率０．３５％で温度制御できている。
【００８９】
図１０及び図１１に示す２通りのシミュレーション結果から、温室と予測器の公称値モデルの誤差を考慮することによりモデル化誤差の補償を行っている。これにより、モデル化誤差はある程度補償され、それにより目標温度との誤差は±１℃以内に制御できている。
【００９０】
しかし、各パラメータが変化することにより無視できない定常誤差が残る結果となった。このときに印加した入力の傾向をみると、パラメータを変化させていない場合と同じ入力パターンであった。これは、予測器による予測出力の計算は誤差の自乗和が最小となるように正確に行えているが、その計算により決定した入力を、パラメータを変化させた温室に印加すると、図６〜図９に示すシミュレーションと同様に、温室のパラメータの変化量に振られて定常値が狂ってしまうことが考えられる。つまり、パラメータ変動に対するある程度のロバスト性は認められるものの、その大きさはそれほど大きなものでないことがわかる。これは、モデル予測制御においては、予測器の精度に制御性能が大きく依存することによる。
【００９１】
この原因として、誤差の補償の効果はそれほど大きなものではないことが挙げられる。このことから、温室温度を目標温度に近づけるためには、誤差の大きさを適時確認し、それが大きい場合には再度制御対象の温室のパラメータを同定する適応同定を行うことで改善されると考えられる。
【００９２】
〔最適解の分布〕
次に、最適解の分布について説明する。上述の例では、予測区間Ｐにおける２Ｐ個の運転パターンの中から暖房機の運転制約条件Ｃを満たすものだけを抽出するステップを踏んでいる。
【００９３】
しかし、実際には数値シミュレーションを行ううちに、ほとんどの場合、制約条件Ｃを満たした後の候補の中でも選ばれる運転パターンがほぼ決まったものになることが明らかとなった。そのため、評価関数の値を計算する運転パターンを初めから絞り込む（使用頻度に応じて限定する）ことができることが判明した。これを示したのが後述する図１２〜図１５のグラフである。
【００９４】
これらのシミュレーションでは予測区間Ｐ＝１２と選んでいるため、全ての運転パターンは４０９６通り存在する。図１２〜図１５では横軸に時間ステップを、縦軸に全ての運転パターンをとり、各ステップで何番目の運転パターンが最適運転パターンとして採用されたかを示している。
【００９５】
図１２〜図１５より、選ばれる最適運転パターンは、ほぼ4グループ（グループ１〜４）に分類されることが分かり、これ以外を計算する必要性は極めて低いことが分かる。これを基に最適化計算を行うことで、計算量は従来の６割程度まで抑制できることが明らかとなった。ただし、この結果は外気温及び制約条件に依存するため、それらに応じて適宜抽出する必要があるといえる。
【００９６】
以下では、温室モデル予測制御における最適解の分布を調べ、その経験則をもとに演算量の低減化を図れるかについて検討した結果を述べる。
演算量の低減化を定量的に示すためシミュレーションの演算時間を計測し、さらに最適解の分布対策の有無による制御性についても確認する。このとき分布対策とは、入力パターンに偏りがある場合に、予測出力の計算範囲を偏りのある範囲に限定し演算量の低減化を図るものである。ただし、外気温は平均的な変化を示す日のものを用いている。
【００９７】
まず、温室と予測器が一致している場合の最適入力の分布を図１２に示す。図１２の縦軸は各Stepにおける最適解の入力番号を示している。このとき、実際の制御実績は１００Step程で温室温度が定常状態になっており、図中には太線で示した。図１２の結果より、定常状態になったとき最適入力の分布には偏りがあり、ある決まった入力パターンのみが選択されていることが分かる。
【００９８】
次に夜間外気温の平均値が低い場合（図１３）、夜間外気温の平均値が高い場合（図１４）、及び、連続時間系で予測器のパラメータの値を変えたもの（図１５）について、シミュレーションを行い、最適入力分布を調べた。
【００９９】
まず、図１３及び図１４に示すように夜間外気温の違いによって最適解の分布に大きな変化は見られなかった。また、それぞれパラメータを変化させたα（図１５）、β及びγの３通りについても最適解の分布を調べたところ、この場合も温室と予測器が同じ場合に採用される入力パターンと強い類似性があることが分かった。
【０１００】
そのため、これまでのシミュレーション結果を基に最適入力の分布範囲を１から５００番目、９５１から１０５０番目、１９５１から２１５０番目、３０５１から４０９５番目の4区間に絞り、これらの限定した入力候補に対して予測出力の計算を行い、どの程度演算量が低減化されているかを調べた。また、その時の制御結果を図１６に示す。
【０１０１】
制御結果は入力候補を限定する前と後で全く変わっていない。これは、限定した入力パターンの区間だけに実際の制御入力が集中していたため制御性には影響が出なかったためと考えられる。
【０１０２】
また、１０８０Step分のシミュレーションにかかる計算時間は、入力候補を限定する前に約１７秒かかっていたが、入力候補限定後には約１０秒に短縮された。今回のシミュレーションでは予測区間Pを１２Stepと定めているため、その時点で入力パターンは４０９６通りに決まる（ただし、厳密には全てOFFの入力パターンを計算から除いているため実際は４０９５通りである）。
【０１０３】
しかし、経験則をもとに入力候補を限定したことにより、図１６のシミュレーションでは入力パターンが１８４５通りになっているため、予測出力の計算に要する時間が短縮されたことが考えられる。この結果から、入力の候補数によって演算時間が短縮されるため、入力の候補を限定する範囲をさらに小さくすることで演算量はさらに削減されると考えられる。
【０１０４】
以上説明した本実施の形態では、制御タイミングとなる各ステップでのＯＮ又はＯＦＦの組み合わせである複数の運転パターンについて、温室１００の物理モデルに基づいて温室１００の温度変化を予測し（例えば、図２の工程Ｓ３）、予測された温度変化に基づいて、温室の温度が目標温度Trefに近づくように、複数の運転パターンの中から最適運転パターンを選択し、（例えば、図２の工程Ｓ４）、選択された最適運転パターンに基づいて暖房機１０のＯＮ・ＯＦＦ制御を行う。
【０１０５】
そのため、例えば、目標温度Ｔref（例えば、２０℃）との誤差の少ない最適運転パターンを用いて、温室１００の温度を目標温度Ｔrefに近づけることができる。よって、本実施の形態によれば、暖房機１０のＯＮ・ＯＦＦ制御を高精度に行うことができる。
【０１０６】
また、本実施の形態では、予め定められた直近の予測区間Ｐの複数の運転パターンについて、温室１００の温度変化を予測することで、制御の複雑化を抑えることができる。
また、本実施の形態では、ステップごとに又は複数ステップごとに複数の運転パターンについて温度変化を予測し、予測間隔分に基づいてＯＮ・ＯＦＦ制御を行うことで、ＯＮ・ＯＦＦ制御を非常に高精度に行うことができる。
【０１０７】
また、本実施の形態では、暖房機１０の制約条件Ｃを満たす複数の運転パターンについて温室１００の温度変化を予測することで、制御の複雑化を抑えることができる。
また、本実施の形態では、全運転パターンのうち使用頻度に応じて限定された複数の運転パターンについて温室１００の温度変化を予測することで、制御の複雑化を抑えることができる。
【０１０８】
また、本実施の形態では、暖房機１００は、木質ペレット（木質燃料）２０１を燃焼させて温室１００を暖房することで、重油燃料のような大きな燃料価格の変動ひいては商品価格の変動を抑えることができる。また、二酸化炭素排出量を抑えることができる。
【０１０９】
また、本実施の形態の制御方法により、外気温変化、暖房機の性質などに依存しない温度制御性を得ることもできる。
ところで、わが国の植物栽培用の温室の栽培面積は、５万ｈａに及んでおり、その内４４％に相当する２万２千ｈａで暖房機が使用されている。したがって、本実施の形態の暖房機の制御方法及び暖房機をそれらに適用することが可能である。
【０１１０】
なお、本実施の形態では、木質ペレット２０１を燃料として用いる暖房機１０を例に説明したが、ＯＮ・ＯＦＦ制御される暖房機であれば、他の木質燃料、オイル、或いは、これら以外の燃料を用いる暖房機を採用してもよい。また、暖房機１０としては、温風により温室１００を暖房するものではなく、温水などにより温室１００を暖房する暖房機を採用してもよい。
【０１１１】
また、本実施の形態では、暖房機１０の制御をＯＮ・ＯＦＦ制御のみについて説明したが、燃料である木質ペレット２０１の供給量や、押し込みファン３０による空気の取込み量などの他の制御も行うものであってもよい。
【０１１２】
また、本実施の形態では、予測区間Ｐを１２ステップと設定したり、制御タイミングとなる１ステップを２０秒と設定したりするなど、制御の具体例を示すために一例としての数値を適宜設定しているが、このような数値は、温室の環境、温室に求められる温度制御の精度などによって適宜変更されるものである。
【０１１３】
＜他の実施の形態＞
本実施の形態では、モデル予測制御の概念による温室の温度予測を基にした最適制御手法の有効性について、実際の温室における実験により確認を行った。今回の試験結果より、モデル予測制御アルゴリズムの導入により、実際の暖房機に対してもＯＮ・ＯＦＦ信号の切換えに対する制約の影響を考慮しながら、目標温度周りでの最大誤差をp-p値で１．２℃以下に制御可能であることが確認された。
【０１１４】
試験（１）及び（２）は、ネポン株式会社厚木事業所東ハウスにおいて行った。
試験（１）は、２０１１年４月２７日２２：０５〜２３：４５（強風）に行った。
試験（２）は、２０１１年４月２８日 ３：５０〜 ５：３０（雨・強風）に行った。
【０１１５】
試験（１）及び（２）では、目標温度Trefは２５℃、１ステップは６０秒、予測区間Ｐは７２０秒（１２ステップ）、暖房機立上り／立下りの制約条件Ｃは３００秒（５ステップ）である。
【０１１６】
なお、予測制御で重要となる制御対象の予測器（モデル）のモデルパラメータは、２０１１年４月２２日〜２６日に厚木事業所東ハウスで事前計測した温室データに対するシステム同定結果より、上述の一実施の形態で述べた手法で下記の数式１８が得られた。
【０１１７】
【数１８】
図１８は、温度制御結果（１）及び比較例１の温度シミュレーション結果を示すグラフである。
【０１１８】
図１８に示すように、温度制御結果（１）（Proposed method）では、温度誤差はp-p値で目標値周り１．１℃ないし１．２℃に制御されており、非常に高い精度で目標を達成できていることが読み取れる。なお、図１８には暖房機のＯＮ・ＯＦＦ信号も合わせてプロットしている。得られた温度制御結果は図２０及び図２１にまとめられている。
【０１１９】
図２０に示すように、温度制御結果（１）においては、最大誤差が０．７℃、p-p値が１．２℃、平均誤差が０．２７℃、目標温度（ref.temp.）が上記のとおり２５℃である。
【０１２０】
また、図１８には従来の運転アルゴリズム（比較例１）で暖房機の運転を行った場合についてシミュレーションを行った結果（Conventional method）も合わせて示している。ここで、比較例１は、目標温度に対し＋１℃を暖房機のＯＦＦ温度、目標温度に対し−１℃をＯＮ温度に設定し、目標温度との温度差のみから暖房機の運転信号を決定する方法のことで、このときのシミュレーションには上記の温室モデルの動特性を実際の温室の動特性として採用して計算を行っている。
【０１２１】
この場合には、図２１に示すように、最大誤差が２．９９℃、p-p値が５．４１℃、平均誤差が１．５８℃、目標温度が上記のとおり２５℃である。これは、目標温度の±１℃にＯＮ・ＯＦＦの閾値を設定しても、温室温度の時定数が非常に大きいために誤差が大きくなったものと考えられる。
【０１２２】
このことは、外気温変化がより大きい条件の下では運転制約のために制御性能がさらに悪化する可能性のあることを示しているが、温度制御結果（１）ではこの影響に対しても運転制約を考慮しながら最適な暖房機の運転が行われるため、従来の運転アルゴリズムである比較例１よりも制御性能の悪化が小さく抑えられると期待される。
【０１２３】
図１９は、温度制御結果（１）及び比較例２の温度シミュレーション結果を示すグラフである。
図１９には、上述の温度制御結果（１）と（制御結果のグラフは図１８と同一である。）、従来の運転アルゴリズム（比較例２）で暖房機の運転を行った場合についてシミュレーションを行った結果（Conventional method）と、を合わせて示している。
【０１２４】
比較例２は、目標温度に対し閾値を±２℃（実際に稼働しているペレット焚き暖房機の標準的な設定）に変更した場合の方法である。
この場合には、温度制御性能はさらに低下し、図２２に示すように、最大誤差が３．７５℃、p-p値が７．１６℃、平均誤差が２．０５℃、目標温度が上記のとおり２５℃である。比較例２では、比較例１よりも閾値の絶対値が大きくなっているため、p-p値などが比較例１の値よりも大きくなっている。
【０１２５】
図２３は、温度制御結果（２）及び比較例１の温度シミュレーション結果を示すグラフである。
温度制御結果（２）は、提案手法に燃費も考慮するアルゴリズムを追加した場合の温度制御実験の結果である。具体的には、下記の数式１９で示されるｋステップ目の評価関数Ｊ（ｋ）、誤差（ｅ）の二乗和と暖房機のON回数の総和に重みζを掛けたものとを加えて予測区間長（１２ステップ）に亘って考慮したもので構成されている。これを最小化するような制御入力を毎ステップごとに選ぶことを目的とする。これにより、複数の運転パターンの中から最適運転パターンを選択する際に、温室の温度が目標温度に近づくように且つ燃費の悪化を抑えるように選択を行うことができる。
【０１２６】
【数１９】
ここで、ζは暖房機を燃費させている総和区間に対する重み（燃費の重み）である。試験（２）における各設定パラメータは試験（１）の場合と同一に設定し、事前の温度制御シミュレーション結果から燃費項の重みζを０．５に設定している。その結果、定常状態になったと考えられる１００ステップ分を比較すると、試験（１）と試験（２）とでは、暖房機を焚いている合計ステップ数は５０ステップと４９ステップとであり大きな差異はないが、ＯＦＦからＯＮへの切換回数が９回から７回に減少することが確認された。
【０１２７】
具体的には、図２０に示すように、温度制御結果（２）においては、最大誤差が０．７℃、p-p値が１．１℃、平均誤差が０．３２℃、目標温度が上記のとおり２５℃である。
この結果は、燃費項（燃費の重み）を考慮したことの効果と考えられる。従って、温度制御性能を許容する範囲内で緩めることにより、温度誤差および燃費との最適化を図れることが明らかとなった。
【０１２８】
なお、温度制御結果（２）の条件下における比較例１では、図２１に示すように、最大誤差が２．７８℃、p-p値が５．２７℃、平均誤差が１．５７℃、目標温度が上記のとおり２５℃である。
【０１２９】
図２４には、上述の温度制御結果（２）と（制御結果のグラフは図２３と同一である。）、従来の運転アルゴリズム（比較例２）で暖房機の運転を行った場合についてシミュレーションを行った結果と、を合わせて示している。
【０１３０】
温度制御結果（２）の条件下における比較例２では、図２２に示すように、最大誤差が３．６５℃、p-p値が７．１０℃、平均誤差が２．００℃、目標温度が上記のとおり２５℃である。
【０１３１】
本実施の形態では、予測された温度変化の誤差（ｅ）と予め定められた燃費の重み（ζ）とを含む評価関数Ｊに基づいて、温室の温度が目標温度に近づくように且つ燃費の悪化を抑えるように、複数の運転パターンの中から最適運転パターンが選択される。そのため、暖房機のＯＮ・ＯＦＦ制御を高精度に行うことと燃費を向上させることとを両立させることができる。
【０１３２】
上述の本実施の形態の温度制御試験では、事前に計測した温室データからシステム同定を行い、それにより得られた温室モデルを予測器に採用して実験を行った。さらに温度制御のみでなく、燃費評価を加えた場合についても検討を行った。なお、２日間を通して夜間外気温変動は小さかったものの、両日とも試験中に強い風雨があり、温室の放熱係数に影響を与えたことが予測される。
【０１３３】
得られた温度制御試験結果からは、サンプリングタイムを一実施の形態の２０秒（＝現状の温度計測周期）から６０秒に延長した場合でも、モデル予測制御手法を応用することで暖房機の運転制約条件を考慮しながら、目標とする温度周り±１℃に制御可能であることが確認された。また、暖房機の燃費評価も考慮することにより、暖房機の切換回数の抑制が可能であることも確認された。
【０１３４】
なお、モデル予測制御は予測器の精度が大きく制御精度に影響しており、今後予測器内に適応同定機構を導入することでさらに精度の高い温度制御性能が得られると期待される。さらに適応機構の導入により、ペレットの種類の違い（ホワイト、バーク等）による最大熱量のばらつき等にも対応可能である。
【符号の説明】
【０１３５】
１ 暖房システム
１０ 暖房機
１１ 制御部
１２ 燃焼炉
１３ 温風吹出し口
２０ 点火用灯油バーナ
３０ 押し込みファン
４０ 屋内サイロ
５０ サイクロン集塵機
６０ 煙突
７０ 灯油タンク
８０ 屋外貯留サイロ
９１ 温室温度センサ
９２ 外気温度センサ
１００ 温室
２０１ 木質ペレット
２０２ 排気ガス
２０３ 燃焼灰
２０４ 誘引ファン
【技術分野】
【０００１】
本発明は、温室に配置される暖房機のＯＮ・ＯＦＦ制御を行う暖房機の制御方法、及び、暖房機に関する。
【背景技術】
【０００２】
地球環境保護或いは低炭素化社会構築の必要性などから、植物栽培用温室暖房機の燃料をバイオマス燃料の一種である木質ペレットに切換えることで二酸化炭素量低減を図る動きがある。
【０００３】
上記の木質ペレットを用いた暖房機は、例えば下記（Ａ）〜（Ｃ）のような特徴を有している。
（Ａ）運転指令がＯＮ・ＯＦＦ（着火或いは消火）の二値制御となる。
【０００４】
（Ｂ）温度の立上り及び立下りが非常に緩慢である（時定数が大きい）。
（Ｃ）十分な定常燃焼時間の確保を目的として、着火後は一定時間消火が不可能となるなどの運転制約が設けられている（消火から再点火に至る操作にも、この運転制約が存在する）。
【０００５】
上記（Ａ）の特徴である二値制御は、燃焼炉の高温腐食や低温腐食の問題から、熱出力を可変にすることが難しいことによるものである。
上記（Ｂ）の特徴である時定数が大きい点は、木質ペレットを燃焼させる暖房機が、燃焼開始信号を入力してから定格熱出力に到達するまで、及び、燃焼停止信号を入力してから熱出力がゼロになるまでの時間が長いことによるものである（例えば数分。制御対象の時定数に比べて無視できない時間。）。
【０００６】
例えば、暖房機の第１の吹出し温度及び第２の吹出し温度が定常状態で４５℃，３０℃であるときの実験結果では、時定数である６３．２％の温度（２８．４４℃，１８．９６℃）に達するまでの時間は、それぞれ５分４０秒，６分要した。
【０００７】
上記（Ｃ）の特徴である運転制約は、暖房機の特性上、点火動作中の消火や、消火動作中の点火が難しいために運転制約が設けられている。なお、木質ペレットに着火させるのに例えば灯油バーナを利用する場合、ＯＮ・ＯＦＦの頻度を下げれば灯油消費量を減らすことができるため、施設園芸用温室内の室温を所定の範囲で維持しつつ、可能な限りＯＮ・ＯＦＦの頻度を下げることが望ましい。
【０００８】
ところで、従来の燃焼機の制御方法としては、蒸気圧力に基づく制御を行うものや（例えば、特許文献１参照）、最大ＯＦＦ時間を設定するもの（例えば、特許文献２参照）が知られている。
【先行技術文献】
【特許文献】
【０００９】
【特許文献１】特開平６−１２９６０２号公報
【特許文献２】特開２０００−２４０９３９号公報
【発明の概要】
【発明が解決しようとする課題】
【００１０】
上記の（Ａ）〜（Ｃ）の特徴は、補償器設計を難しくしている原因であり、特に上記（Ｃ）の特徴である運転制約は、高精度な温度制御には大きなネックとなっていた。また、上記（Ｂ）の特徴である時定数が大きい点は、暖房機の時定数が温室の温度特性のそれにかなり近い大きさとなっており、非常に制御しにくい制御対象となっている。
【００１１】
これらの特徴を有する木質ペレット焚き暖房機に対し、従来は、与えられた温室の目標温度の上側及び下側に、それぞれ暖房機消火のためのＯＦＦ点温度及び暖房機点火のためのＯＮ点温度を設定し、温室温度が設定温度に到達した時点で暖房機への運転信号を決定する方法が採られている。
【００１２】
さらに、稼動中に運転指令を送った直後の温室温度のオーバシュート量及びアンダシュート量に応じてＯＮ点温度及びＯＦＦ点温度を微小な範囲で随時更新する手法を採用することで制御精度が改善されている。
【００１３】
しかし、このような暖房機には以下の問題点が存在する。
（１）与えられた目標温度に対し、ＯＮ点温度及びＯＦＦ点温度の設定基準が不明確である。
【００１４】
（２）暖房機の立上り及び立下り時間（時定数）の情報が活かされていない。
（３）暖房機の運転制約の影響が考慮されていない。
（４）外気温の情報が考慮されていない。
【００１５】
特に、温室から奪われる熱量は外気温度と温室温度との差に依存するため、ＯＮ・ＯＦＦ点温度の更新を併用した場合であっても対症療法的な制御であり、また本質的に室温に対する暖房機と外気温の動特性、及び制約条件を考慮していない点で制御性能は満足できるものではない。
【００１６】
実際に、図２５に示すような従来の木質ペレット焚き暖房機による温度制御実績は、目標温度である１８℃周りで５℃p-p（ピーク・ピーク値）程度であり、受粉時期における２℃p-p以内といったレベルの温度精度要求には全く対応できていない状況にある。なお、図２５に示す例では、暖房機は、例えば１９時〜翌日８時など、外気温の下がる夜間に稼働するように制御されている。
【００１７】
なお、上述の事項のうち特に（１）〜（４）については、木質ペレット焚き暖房機に限らず、ＯＮ・ＯＦＦ制御される暖房機であれば他の燃料を用いたものについても同様のことがいえる。
【００１８】
本発明の目的は、暖房機のＯＮ・ＯＦＦ制御を高精度に行うことができる暖房機の制御方法及び暖房機を提供することである。
【課題を解決するための手段】
【００１９】
本発明の暖房機の制御方法は、温室に配置される暖房機のＯＮ・ＯＦＦ制御を行う暖房機の制御方法において、制御タイミングとなる各ステップでのＯＮ又はＯＦＦの組み合わせである複数の運転パターンについて、上記温室の物理モデルに基づいて上記温室の温度変化を予測し、予測された上記温度変化に基づいて、上記温室の温度が目標温度に近づくように、上記複数の運転パターンの中から最適運転パターンを選択し、上記最適運転パターンに基づいて上記暖房機の上記ＯＮ・ＯＦＦ制御を行う。
【００２０】
また、上記暖房機の制御方法において、予め定められた直近の予測区間の上記複数の運転パターンについて上記温室の温度変化を予測するとよい。
また、上記暖房機の制御方法において、上記ステップごとに又は複数の上記ステップごとに上記複数の運転パターンについて上記温度変化を予測し、上記最適運転パターンのうち上記温度変化の予測間隔分に基づいて上記ＯＮ・ＯＦＦ制御を行うとよい。
【００２１】
また、上記暖房機の制御方法において、上記暖房機の制約条件を満たす複数の運転パターンについて上記温室の温度変化を予測するとよい。
また、上記暖房機の制御方法において、使用頻度に応じて限定された複数の運転パターンについて上記温室の温度変化を予測するとよい。
【００２２】
また、上記暖房機の制御方法において、上記暖房機は、木質燃料を燃焼させることで上記温室を暖房するようにしてもよい。
また、上記暖房機の制御方法において、予測された上記温度変化の誤差と予め定められた燃費の重みとを含む評価関数に基づいて、上記温室の温度が目標温度に近づくように且つ燃費の悪化を抑えるように、上記複数の運転パターンの中から上記最適運転パターンを選択するようにしてもよい。
【００２３】
本発明の暖房機は、温室に配置され、制御部によりＯＮ・ＯＦＦ制御される暖房機において、上記制御部は、制御タイミングとなる各ステップでのＯＮ又はＯＦＦの組み合わせである複数の運転パターンについて、上記温室の物理モデルに基づいて上記温室の温度変化を予測し、予測された上記温度変化に基づいて、上記温室の温度が目標温度に近づくように、上記複数の運転パターンの中から最適運転パターンを選択し、上記最適運転パターンに基づいて上記暖房機の上記ＯＮ・ＯＦＦ制御を行う。
【発明の効果】
【００２４】
本発明によれば、暖房機のＯＮ・ＯＦＦ制御を高精度に行うことができる。
【図面の簡単な説明】
【００２５】
【図１】本発明の一実施の形態に係る暖房機を含む暖房システムを示す概略構成図である。
【図２】本発明の一実施の形態に係る暖房機の制御方法を説明するための温室温度モデル予測制御を示す概略フローチャートである。
【図３】本発明の一実施の形態における、伝達関数の係数のパラメータを示す図表である。
【図４】本発明の一実施の形態における、温室温度と公称値モデルとの比較結果 (平均誤差率2.72%)を示すグラフである。
【図５】本発明の一実施の形態における、物理モデルと公称値モデルとのパラメータ比較を示す図表である。
【図６】本発明の一実施の形態における、温度制御シミュレーション結果（外気温の変動幅が最も小さい場合）を示すグラフである。
【図７】本発明の一実施の形態における、温度制御シミュレーション結果（外気温の変動幅が最も大きい場合）を示すグラフである。
【図８】本発明の一実施の形態における、温度制御シミュレーション結果（外気温の平均値が最も高い場合）を示すグラフである。
【図９】本発明の一実施の形態における、温度制御シミュレーション結果（外気温の平均値が最も低い場合）を示すグラフである。
【図１０】本発明の一実施の形態における、パラメータを変化させた場合のシミュレーション結果（αが２０％増加）を示すグラフである。
【図１１】本発明の一実施の形態における、パラメータを変化させた場合のシミュレーション結果（γが２０％増加）を示すグラフである。
【図１２】本発明の一実施の形態における、制御入力パターンの分布（温室の動特性と予測器のパラメータが一致している場合）を示すグラフである。
【図１３】本発明の一実施の形態における、制御入力パターンの分布（外気温の平均値が低い場合）を示すグラフである。
【図１４】本発明の一実施の形態における、制御入力パターンの分布（外気温の平均値が高い場合）を示すグラフである。
【図１５】本発明の一実施の形態における、制御入力パターンの分布（αが２０％減少）を示すグラフである。
【図１６】本発明の一実施の形態における、入力候補の限定をする前後の制御結果を示すグラフである。
【図１７】本発明の一実施の形態における、運転パターン列の決定を説明するための説明図である。
【図１８】本発明の他の実施の形態における温度制御結果（１）及び比較例１の温度シミュレーション結果を示すグラフである。
【図１９】本発明の他の実施の形態における温度制御結果（１）及び比較例２の温度シミュレーション結果を示すグラフである。
【図２０】本発明の他の実施の形態における温度制御結果（１）及び（２）を示す図表である。
【図２１】温度制御結果（１）及び（２）の条件下における比較例１の温度シミュレーション結果を示す図表である。
【図２２】温度制御結果（１）及び（２）の条件下における比較例２の温度シミュレーション結果を示す図表である。
【図２３】本発明の他の実施の形態における温度制御結果（２）及び比較例１の温度シミュレーション結果を示すグラフである。
【図２４】本発明の他の実施の形態における温度制御結果（２）及び比較例２の温度シミュレーション結果を示すグラフである。
【図２５】従来の木質ペレット焚き暖房機の制御方法を説明するためのグラフである。
【発明を実施するための形態】
【００２６】
以下、本発明の実施の形態に係る、暖房機の制御方法及び暖房機について、図面を参照しながら説明する。
＜一実施の形態＞
図１は、本発明の一実施の形態に係る暖房機１０を含む暖房システム１を示す概略構成図である。
【００２７】
図１に示す暖房システム１は、暖房機１０と、点火用灯油バーナ２０と、押し込みファン３０と、屋内サイロ４０と、サイクロン集塵機５０と、煙突６０と、温室温度センサ９１と、を温室１００の内部に備える。
【００２８】
また、暖房システム１は、灯油タンク７０と、屋外貯留サイロ８０と、外気温度センサ９２と、を温室１００の外部に備える。
なお、温室温度センサ９１は、便宜上図１の天井付近に二点鎖線で図示したが、例えば温室中央に配置して、計測温度が温室全体の温度の集中定数系として近似できるようにするとよい。また、外気温度センサ９２も、便宜上図１の温室１００の上方に二点鎖線で図示したが、例えば、平均的な外気温を検出できる位置に配置されればよい。
【００２９】
暖房機１０は、制御部１１と、燃焼炉１２と、温風吹出し口１３とを有する。暖房機１０は、制御部１１によりＯＮ・ＯＦＦ制御され、木質ペレット２０１を燃焼炉１２において燃焼させ、温風吹出し口１３から温室１００内に温風を供給する。
【００３０】
木質ペレット２０１は、屋外貯留サイロ８０から屋内サイロ４０を介して暖房機１０に供給される。また、木質ペレット２０１は、点火用灯油バーナ２０により点火され、押し込みファン３０により空気が暖房機１０内に取り込まれた状態で燃焼する。木質ペレット２０１の点火は、灯油タンク７０から供給される灯油が点火用灯油バーナ２０で点火し、この点火により発生した火炎によって上記木質ペレット２０１を燃焼させることによって成される。
【００３１】
なお、暖房機１０から排出される排気ガス２０２は、サイクロン集塵機５０によって燃焼灰２０３が取り除かれた後、誘引ファン２０４によって煙突６０に送られ、温室１００の外部に排出される。
【００３２】
図２は、本実施の形態に係る暖房機の制御方法を説明するための温室温度モデル予測制御を示す概略フローチャートである。
図２において、予測区間となるステップ数をＰ、後述する制約条件をＣ、目標温度をTref、誤差及び入力の重みをＱ，Ｒ，制御時間をＮ、規定の繰り返し回数をＤとする。なお、予測区間は、温室の物理モデルに基づいて温室の温度変化の予測をする直近の区間であり、例えば１２ステップ（１ステップ２０秒）などと予め定められる。予測区間の長さは適宜決定されればよいが、運転を行う全ての区間ではなく、その一部とすることで制御の複雑化を抑えることができる。
【００３３】
まず、予測区間Ｐのそれぞれのステップ数においてＯＮ又はＯＦＦの２値が与えられるため、２Pの入力列を生成する（工程Ｓ１）。
そして、上記入力列の中から運転制約条件Ｃを満たす入力列を選定する（工程Ｓ２）。
【００３４】
上記の予測区間Ｐについての入力列２Ｐの全ての運転パターン（制御タイミングとなる各ステップでのＯＮ又はＯＦＦの組み合わせ）に対して評価関数Ｊの値を求めると、その計算量は膨大なものとなる傾向がある。暖房機の制御アルゴリズムは安価な組込システム上で実現するのが望ましく、この要求からは出来るだけ計算量が小さい方が望ましい。
【００３５】
ここで、暖房機に制約条件Ｃが発生する理由について簡単に述べる。
図１に示す暖房システム１に運転命令が印加されると、屋内サイロ４０から暖房機１０の燃焼炉１２に一定量の木質ペレット２０１が供給される。次いで、木質ペレット２０１に灯油タンク７０から少量の灯油が散布されて点火用灯油バーナ２０により着火が行われる。
【００３６】
従って、暖房機１０から定常的な熱供給が行われるようになるためには一定の時間が必要となる（これが木質ペレット２０１焚きの暖房機１０が長時定数を有する理由でもある）。よって、暖房機１０のＯＮ・ＯＦＦ信号の切換えが頻繁に行われると、木質ペレット２０１の十分な燃焼が確保されないうちに消火が行われ、同時にまた種火を作るための灯油の消費量も増大し、燃費が大きく低下することになる。これを回避するためには、ＯＮ信号あるいはＯＦＦ信号を印加した後には、一定時間は運転信号を反転できない時間を設定するのが合理的であり、これが暖房機１０の制約条件Ｃとなる。
【００３７】
まず、予測を行う予測区間Ｐ、制約条件Ｃ、評価関数Ｊ（ここでは予測区間Ｐにおける温度誤差の自乗和）を与える。例として、予測区間Ｐ＝３、Ｃ＝２（暖房機立上り／立下りとも同一）とし、現時点での暖房機への入力が１（＝ＯＮ）から０（＝ＯＦＦ）に初めて切換った場合を考える。考えられる全てのOＮ・ＯＦＦの入力列は２3＝８通り存在するが、図１７に示す場合、「１」又は「０」が連続しない５パターンは採用できないため、運転パターンとして採用できるものは3通りしか存在しないことが分かる。
【００３８】
図１７の８つの運転パターンのうち、Ｎｏ．１は暖房機を全く運転しないもの（全てＯＦＦ（０））、Ｎｏ．５は初めの２ステップをＯＦＦ（０）として最後のみＯＮ（１）にするもの、最後はＮｏ．７で、初めの１ステップのみＯＦＦ（０）にして終わり２ステップ分はOＮ（１）にするものである。詳しくは後述するが、こうして選ばれた３つの運転パターンに対し、暖房機への制御入力、温室温度センサ９１により計測された温室温度、及び、外気温度センサ９２による外気温度の情報を基に、予測区間Ｐステップ分に亘る温室温度の予測値を順次求めることができる。
【００３９】
この結果に対し、評価関数Ｊ（目標温度Trefとの誤差の自乗値の予測区間Ｐステップ間における総和）の値が最小になる最適運転パターンを採用する。即ち、予測された温度変化に基づいて、温室の温度が目標温度Trefに近づくように、最適運転パターンを採用し（工程Ｓ３，工程Ｓ４）、初めの１ステップ分のＯＮ・ＯＦＦ信号を最終的に実際の運転信号として決定する（工程Ｓ５）。なお、最適運転パターンは、他の選択条件を基に選択されるものでもよい。
【００４０】
以上の動作をステップ毎に繰り返して暖房機の制御を行う。具体的には、１つずつ増える制御時間Ｎ（工程Ｓ６）が規定の繰り返し回数Ｄに到達するまで行う（工程Ｓ７）。なお、２Pの入力列の生成（工程Ｓ１）は、繰り返し行う必要がないため、運転制約条件Ｃを満たす入力列の選定（工程Ｓ２）以降の処理が繰り返されることになる。
【００４１】
なお、複数の運転パターンについて温室の温度変化の予測は１ステップごとでなく、複数ステップ（例えば、数ステップ）ごとに行うようにしてもよい。その場合、選択された運転パターンのうち温度変化の予想を行う間隔である予測間隔分のＯＮ・ＯＦＦに従って制御を行うことになる。この場合、誤差が大きくなるおそれがあるものの、制御の複雑化を抑えることができる。
【００４２】
ところで、制御対象のモデル（予測器）を内包したこのような予測に基づく制御は、動作環境の変化に柔軟に対応できること、制約条件Ｃ等を事前に考慮できることが特長である。ただし、ここでは、外気温が予測区間Ｐ中に変化しないと仮定している。
【００４３】
さらに、同一予測区間Ｐにおいてほぼ同じ評価関数Ｊの値を達成する運転パターンが複数得られているならば、その中から出来るだけ暖房機を運転しない運転パターン或いは暖房機の着火の回数が少ない運転パターンを最適運転パターンとして選ぶことで燃費が最も良いものを選ぶことが可能となる。従って、温度誤差及び燃費の両方を考慮した評価関数Ｊを選ぶことができるのが、メリットの一つである。
【００４４】
以下、温室モデルの構築、温室モデル予測制御、及び、最適解の分布について詳述する。
〔温室モデルの構築〕
温室の熱平衡モデルは、空間分布を考慮しない集中定数系として近似し、下記の数式１に従うものとする。
【００４５】
【数１】
ここで、Ｔ：温室温度、ｈｔ：熱貫流率、Ｓ：温室の表面積、Ｖ：温室の体積、ρ：空気の密度、Ｃｐ：空気の定圧比熱、Tex：外気温、Q：ヒータからの供給熱量、である。上記の数式１の左辺は、温室温度の時間変化率にそれ自身の変化のしにくさ（ρＶＣｐ）を掛けたもので、熱エネルギの時間変化量、すなわち温室に供給されるパワーを示している。
【００４６】
一方、数式１の右辺は、温室内から逃げる熱エネルギ（第一項目：温室内外の温度差により失われる熱エネルギで、その係数は被覆材であるビニール等の熱の通り易さ（熱貫流率）に面積を乗じることで得られる）と暖房機により温室内に供給される熱エネルギとからなる。「温室に供給されたパワー」と「温度差により逃げた分と供給された分の差」とがバランスすることを利用して得られたのが上記の数式１である。
【００４７】
さらに暖房機からの供給熱エネルギは、最大供給可能な熱エネルギ量Ｑmaxで正規化する（大きさを１に揃える）ことで、熱の発生状態を示す変数ξおよび効率ηとの積で下記の数式２に表現することができる。
【００４８】
【数２】
ただし、ξは０（熱の発生が０の状態）から１（熱の発生が最大値となっている状態）の間の任意の値をとるものとする。この熱の発生状態ξは、運転信号の印加に応じてさらに下記数式３の一次遅れ系に従うものと仮定する。
【００４９】
【数３】
ただし、K：ヒータの時定数、ｕON-OFF：暖房機への制御入力（ＯＮ＝１，ＯＦＦ＝０）である。この近似は暖房機の運転データより妥当性が認められる。
【００５０】
以上の物理法則及び仮定から、温室モデルは二次系の連続時間システムとして下記の数式４及び数式５のようにモデル化される。
【００５１】
【数４】
【００５２】
【数５】
これら数式４及び数式５を一定のステップで離散化することで、離散時間系における下記の数式６及び数式７の差分モデルが得られる。
【００５３】
【数６】
【００５４】
【数７】
これら数式６及び数式７を単位時間遅延演算子ｑ-1（ある信号ｘ（ｔ）に対し、q-1・x(t)= x(t-1)、すなわちこの演算子が作用すると時刻が１だけ遅れる）で書換えると、下記の数式８及び数式９が得られる。
【００５５】
【数８】
【００５６】
【数９】
これよりξの動特性を消去し、外気温と暖房機の運転信号から温室温度までの動特性を求めると、伝達関数表現では以下の結果が得られる。
【００５７】
【数１０】
この数式１０の左式は、右式の伝達関数Ｇ（q-1）で表され、現時刻ｋにおける温室温度が、時刻ｋ−１及びｋ−２における温室温度及び外気温、並びに、時刻ｋ−２における暖房機の運転信号を基に決定されることを示している。
【００５８】
従って、事前に得られている各物理定数を代入した後にシステムを離散化すれば、理論上は温室温度の数学モデルが得られることになるが、その結果を用いて求めた温室温度と実際の温度計測値とがかなり異なるのが現状である。
【００５９】
この要因としては、熱貫流率が気象条件等により変化すること、地熱の影響を無視していること、システム自体を集中定数系として近似していること、等が挙げられ、これらの不確かさを含んだシステムは、物理的法則のみによる微分方程式で高精度には表現できないことが原因と考えられる。
【００６０】
従って他の策としては、実際に計測された温室の内外気温及び暖房機の運転信号から各パラメータを数値的に推定することが挙げられる。もし温室とほぼ同じ動特性を示す数学モデルが入手できれば、それを設計に利用する公称値モデルとして採用できることになる。
【００６１】
数式１０で求められたように、温室温度の動特性伝達関数Ｇ（q-1）では、下記の数式１１のように仮定できる。
【００６２】
【数１１】
ここで、温度データについては、太陽の熱輻射などにより十分に温室温度が上昇する日中は除き、例えば１９時から翌日８時までの間を制御対象とする。さらに、n4sid法を用い、精度の向上を図る。n4sid法とは、部分空間同定法とも呼ばれており、入出力データを基に拡大可観測行列と呼ばれる行列を計算し、その特異値を用いてシステムの次元を決定し、状態量、そして状態方程式を与えるシステム行列の同定を行う方法である。この方法により、温室のシステムの状態空間モデルを導出する。ただし、同種の同定アルゴリズムは多数存在し、計算量および精度により適切なものを選べばよい。
【００６３】
システム同定に用いる温室データは、炉床式暖房機のものである。実際の温室データ２０日分のうち、データとして信頼できると判断した温室データについてn4sid法によるシステム同定により温室パラメータを求め、公称値モデルを決定する。図３にシステム同定により得られた、伝達関数の係数のパラメータを示す。
【００６４】
図３のPolesの列の値は、２０日分それぞれの温室データから求めたシステムの極の絶対値である。これらの絶対値の値は、すべて１より小さくなっていることから、２０日分のデータがすべてシステムとして安定であるといえる。
【００６５】
よって、図３の２０日分の温室データから平均をとり公称値モデルを決定することとする。ただし、パラメータのばらつきを勘案するために、その分散も考慮した。さらに、外気温を厳しい条件である３℃において温室温度の最終値が目標温度の２０℃に達するように各パラメータを調整した。求められたシステムの伝達関数を下記の数式１２に示す。
【００６６】
【数１２】
次に、実際の温室データの外気温と暖房機のON・OFFの入力データとをn4sid法により求めた温室モデルに印加し、モデル出力の温度と実際の温室で測定された温度との比較を行う。
【００６７】
図４に、n4sid法によるシステム同定により得られた温室モデルと公称値モデル温室温度の比較の例を示す。図４には、制御タイミングであるステップごとの温室温度（greenhouse temp.）を点線で、公称値モデルの出力（nominal temp.）を実線で、外気温(external temp.)を破線で示した。図４では、温室の基礎計測データの中で、外気温が最も低く、温室温度及び公称値モデルの出力は、外気温よりも高い温度で、暖房機のＯＮ・ＯＦＦに対応して上下に変動している。図４において、パラメータ調整後の公称値モデルと実際の温室温度との平均誤差率は２．７２%であった。
【００６８】
一方、実際の計測データを基に同定を行ったモデルのパラメータが上記の数式１及び数式３でのそれに近いものであれば、同定によりパラメータを求める作業は不要となり、数式１及び数式３を基に公称値モデルを決定できることになる。以下では、物理モデルのパラメータがどの程度制御系の設計に利用可能かを考察する。
【００６９】
温室の仕様から、放熱係数ｈｔ＝６．７［W/(m2・K)］、温室の表面積Ｓ＝５１９．９［m2］、温室の体積Ｖ＝６７８［m３］、空気の密度ρ＝１．２７［kg/m３］、空気の定圧比熱Ｃｐ＝１．０×１０３［J/(kg・K)］であるため、物理モデルの上記数式１より、下記の数式１３及び数式１４が導き出される。
【００７０】
【数１３】
【００７１】
【数１４】
一方、n4sid法によるシステム同定によって得られた公称値パラメータより、下記の数式１５、数式１６及び数式１７が導き出される。
【００７２】
【数１５】
【００７３】
【数１６】
【００７４】
【数１７】
この結果に基づく物理モデルと公称値モデルとの比較を図５に示す。
【００７５】
まず、公称値パラメータから計算したα、γの値から求めた放熱係数ｈｔを、それぞれｈｔ，αとｈｔ，γとする。次にβの値から求めたヒータの効率をηβとし、物理モデルのパラメータと比較を行った。公称値モデル（nominal value）を基準とし物理モデルのパラメータ（physical value）と比較すると、「ｈｔ，α」及び「ηβ」のパラメータについては物理モデルと公称値モデルとの対応（ratio of parameter）は約１．５〜２倍程度になっていることがわかる。
【００７６】
一方、「ｈｔ，γ」のパラメータについては、外気温から温室温度への影響度合いを表すγが非常に小さな値となった。これは、同定計算においてはパラメータγが影響の小さな定値外乱(ドリフト)として扱われてしまったことによるものであると考えられる。
【００７７】
また、同定により得られた公称値モデルの傾向として暖房機の能力が低めに計算されていることが同定結果のデータ解析により明らかとなった。これは、温室の空間分布を考慮していないが、実際は暖房機からの熱エネルギーは空間分布を介して温室を温めるため、集中定数系を仮定した場合よりも同定結果は小さい値となる。
【００７８】
つまり、見かけの暖房機能力が低めに計算されるため、外気温の影響を受けやすいシステムとして同定されたと考えられる。このことから、システム同定により得られた公称値モデルと理論から導いた物理モデルとの間には無視できないパラメータの誤差があることが分かった。
【００７９】
実際に物理モデルのパラメータと温室データを用いて温室温度の再現性の確認を行ったが、実際の温室温度には全く追従しないという結果を得た。よって、物理モデルのパラメータをそのまま制御系の設計に用いることは難しいと考えられる。以降では、上記の数式１２を用いる。
【００８０】
〔温室モデル予測制御〕
次に、温室モデル予測制御について説明する。ここでは、温室温度制御のシミュレーションを行った結果を述べる。シミュレーションは、（１）制御対象の温室とモデル予測制御系の予測器が一致している場合、及び、（２）α，β，γをシミュレーション中に強制的に変化させた場合について考察する。ただし、いずれも目標温度周り±１℃の範囲での制御を目的とした例である。シミュレーションを行う際の予測器は、上述の公称値モデルを採用する。
【００８１】
（１）制御対象の温室とモデル予測制御系の予測器が一致している場合
まず、制御対象である温室と予測器のパラメータが一致している理想的な場合についてシミュレーションを行う。ただし、このシミュレーションでは、予測区間Ｐを１２ステップ、運転制約条件ＣはＯＮ→ＯＦＦ及びＯＦＦ→ＯＮともに５ステップ、１ステップを２０秒として計算を行った。４通りの異なる外気温条件におけるシミュレーション結果を図６〜図９に示す。ここで、使用するこれら4通りの外気温は、２０通りの温室データの中から夜間の外気温の変動幅が最も小さい場合、外気温の変動幅が最も大きい場合、外気温の平均値が最も高い場合、外気温の平均値が最も低い場合を選んだ。
【００８２】
図６に示すように外気温(external temp.)の変動幅が最も小さい場合（約７℃〜約９℃でほぼ安定）のシミュレーション結果では、目標温度(ref. temp.)である２０℃に対する温室温度（greenhouse temp.）の平均誤差率は０．１８％で、−０．０７〜＋０．０８℃の範囲で温度制御可能であることがわかった。
【００８３】
図７に示すように外気温(external temp.)の変動幅が最も大きい場合（約７℃〜約９．５℃で上下動）のシミュレーション結果では、目標温度(ref. temp.)である２０℃に対する温室温度（greenhouse temp.）の平均誤差率は０．１５％で、−０．０６〜＋０．０６℃の範囲で温度制御可能であることがわかった。これは、温度の高低差は大きいが急激な変動はなく比較的穏やかな温度変化であったことから予測器の予測出力の計算にほとんど影響しないためと考えられる。
【００８４】
図８に示すように外気温(external temp.)の平均値が最も高い場合（約１１℃〜約１３．５℃）のシミュレーション結果では、外気温が高いため目標温度(ref. temp.)である２０℃に達するまでの時間は早いが、制御が難しく過渡反応が出ている。定常状態では、目標温度に対する温室温度（greenhouse temp.）の平均誤差率は０．２１％で、−０．０８〜＋０．０８℃の範囲で温度制御可能であることがわかった。
【００８５】
図９に示すように外気温(external temp.)の平均値が最も低い場合（約３．５℃〜約６℃）のシミュレーション結果では、目標温度(ref. temp.)である２０℃に対する温室温度（greenhouse temp.）の平均誤差率は０．２７％で、−０．１０〜＋０．０８℃の範囲で温度制御可能であることがわかった。
【００８６】
（２）α，β，γをシミュレーション中に変化させた場合
実際の温室温度制御では、温室のシステムのパラメータは降雨や風等により、放熱係数が大きく変動する。このような状況を踏まえて、パラメータをシミュレーション中に強制的に変化させた場合について制御性を確認する。このパラメータ変化は実際の現象を考慮し、図１０及び図１１に示すように斜線部分の４００Stepから６００Stepにかけて徐々に(０．１％ずつ)変化を与えることで、設定したパラメータの値に近づけている。また、外気温は平均的な日のデータを用いている。このような変動のもとでも温度制御が高精度に行われるのであれば、実用性はさらに高くなる。
【００８７】
まず、連続時間系でαパラメータに＋２０％の変化を与えたときの結果を図１０に示す。図１０のシミュレーションでは目標温度(ref. temp.)である２０℃に対する温室温度（greenhouse temp.）の温度誤差が＋０．３５℃で、平均誤差率１．３９％で温度制御が行えている。
【００８８】
次に、連続時間系でγパラメータに＋２０％の変化を与えたときの結果を図１１に示す。図１１のシミュレーションでは目標温度(ref. temp.)である２０℃に対する温室温度（greenhouse temp.）の温度誤差が＋０．１５℃で、平均誤差率０．３５％で温度制御できている。
【００８９】
図１０及び図１１に示す２通りのシミュレーション結果から、温室と予測器の公称値モデルの誤差を考慮することによりモデル化誤差の補償を行っている。これにより、モデル化誤差はある程度補償され、それにより目標温度との誤差は±１℃以内に制御できている。
【００９０】
しかし、各パラメータが変化することにより無視できない定常誤差が残る結果となった。このときに印加した入力の傾向をみると、パラメータを変化させていない場合と同じ入力パターンであった。これは、予測器による予測出力の計算は誤差の自乗和が最小となるように正確に行えているが、その計算により決定した入力を、パラメータを変化させた温室に印加すると、図６〜図９に示すシミュレーションと同様に、温室のパラメータの変化量に振られて定常値が狂ってしまうことが考えられる。つまり、パラメータ変動に対するある程度のロバスト性は認められるものの、その大きさはそれほど大きなものでないことがわかる。これは、モデル予測制御においては、予測器の精度に制御性能が大きく依存することによる。
【００９１】
この原因として、誤差の補償の効果はそれほど大きなものではないことが挙げられる。このことから、温室温度を目標温度に近づけるためには、誤差の大きさを適時確認し、それが大きい場合には再度制御対象の温室のパラメータを同定する適応同定を行うことで改善されると考えられる。
【００９２】
〔最適解の分布〕
次に、最適解の分布について説明する。上述の例では、予測区間Ｐにおける２Ｐ個の運転パターンの中から暖房機の運転制約条件Ｃを満たすものだけを抽出するステップを踏んでいる。
【００９３】
しかし、実際には数値シミュレーションを行ううちに、ほとんどの場合、制約条件Ｃを満たした後の候補の中でも選ばれる運転パターンがほぼ決まったものになることが明らかとなった。そのため、評価関数の値を計算する運転パターンを初めから絞り込む（使用頻度に応じて限定する）ことができることが判明した。これを示したのが後述する図１２〜図１５のグラフである。
【００９４】
これらのシミュレーションでは予測区間Ｐ＝１２と選んでいるため、全ての運転パターンは４０９６通り存在する。図１２〜図１５では横軸に時間ステップを、縦軸に全ての運転パターンをとり、各ステップで何番目の運転パターンが最適運転パターンとして採用されたかを示している。
【００９５】
図１２〜図１５より、選ばれる最適運転パターンは、ほぼ4グループ（グループ１〜４）に分類されることが分かり、これ以外を計算する必要性は極めて低いことが分かる。これを基に最適化計算を行うことで、計算量は従来の６割程度まで抑制できることが明らかとなった。ただし、この結果は外気温及び制約条件に依存するため、それらに応じて適宜抽出する必要があるといえる。
【００９６】
以下では、温室モデル予測制御における最適解の分布を調べ、その経験則をもとに演算量の低減化を図れるかについて検討した結果を述べる。
演算量の低減化を定量的に示すためシミュレーションの演算時間を計測し、さらに最適解の分布対策の有無による制御性についても確認する。このとき分布対策とは、入力パターンに偏りがある場合に、予測出力の計算範囲を偏りのある範囲に限定し演算量の低減化を図るものである。ただし、外気温は平均的な変化を示す日のものを用いている。
【００９７】
まず、温室と予測器が一致している場合の最適入力の分布を図１２に示す。図１２の縦軸は各Stepにおける最適解の入力番号を示している。このとき、実際の制御実績は１００Step程で温室温度が定常状態になっており、図中には太線で示した。図１２の結果より、定常状態になったとき最適入力の分布には偏りがあり、ある決まった入力パターンのみが選択されていることが分かる。
【００９８】
次に夜間外気温の平均値が低い場合（図１３）、夜間外気温の平均値が高い場合（図１４）、及び、連続時間系で予測器のパラメータの値を変えたもの（図１５）について、シミュレーションを行い、最適入力分布を調べた。
【００９９】
まず、図１３及び図１４に示すように夜間外気温の違いによって最適解の分布に大きな変化は見られなかった。また、それぞれパラメータを変化させたα（図１５）、β及びγの３通りについても最適解の分布を調べたところ、この場合も温室と予測器が同じ場合に採用される入力パターンと強い類似性があることが分かった。
【０１００】
そのため、これまでのシミュレーション結果を基に最適入力の分布範囲を１から５００番目、９５１から１０５０番目、１９５１から２１５０番目、３０５１から４０９５番目の4区間に絞り、これらの限定した入力候補に対して予測出力の計算を行い、どの程度演算量が低減化されているかを調べた。また、その時の制御結果を図１６に示す。
【０１０１】
制御結果は入力候補を限定する前と後で全く変わっていない。これは、限定した入力パターンの区間だけに実際の制御入力が集中していたため制御性には影響が出なかったためと考えられる。
【０１０２】
また、１０８０Step分のシミュレーションにかかる計算時間は、入力候補を限定する前に約１７秒かかっていたが、入力候補限定後には約１０秒に短縮された。今回のシミュレーションでは予測区間Pを１２Stepと定めているため、その時点で入力パターンは４０９６通りに決まる（ただし、厳密には全てOFFの入力パターンを計算から除いているため実際は４０９５通りである）。
【０１０３】
しかし、経験則をもとに入力候補を限定したことにより、図１６のシミュレーションでは入力パターンが１８４５通りになっているため、予測出力の計算に要する時間が短縮されたことが考えられる。この結果から、入力の候補数によって演算時間が短縮されるため、入力の候補を限定する範囲をさらに小さくすることで演算量はさらに削減されると考えられる。
【０１０４】
以上説明した本実施の形態では、制御タイミングとなる各ステップでのＯＮ又はＯＦＦの組み合わせである複数の運転パターンについて、温室１００の物理モデルに基づいて温室１００の温度変化を予測し（例えば、図２の工程Ｓ３）、予測された温度変化に基づいて、温室の温度が目標温度Trefに近づくように、複数の運転パターンの中から最適運転パターンを選択し、（例えば、図２の工程Ｓ４）、選択された最適運転パターンに基づいて暖房機１０のＯＮ・ＯＦＦ制御を行う。
【０１０５】
そのため、例えば、目標温度Ｔref（例えば、２０℃）との誤差の少ない最適運転パターンを用いて、温室１００の温度を目標温度Ｔrefに近づけることができる。よって、本実施の形態によれば、暖房機１０のＯＮ・ＯＦＦ制御を高精度に行うことができる。
【０１０６】
また、本実施の形態では、予め定められた直近の予測区間Ｐの複数の運転パターンについて、温室１００の温度変化を予測することで、制御の複雑化を抑えることができる。
また、本実施の形態では、ステップごとに又は複数ステップごとに複数の運転パターンについて温度変化を予測し、予測間隔分に基づいてＯＮ・ＯＦＦ制御を行うことで、ＯＮ・ＯＦＦ制御を非常に高精度に行うことができる。
【０１０７】
また、本実施の形態では、暖房機１０の制約条件Ｃを満たす複数の運転パターンについて温室１００の温度変化を予測することで、制御の複雑化を抑えることができる。
また、本実施の形態では、全運転パターンのうち使用頻度に応じて限定された複数の運転パターンについて温室１００の温度変化を予測することで、制御の複雑化を抑えることができる。
【０１０８】
また、本実施の形態では、暖房機１００は、木質ペレット（木質燃料）２０１を燃焼させて温室１００を暖房することで、重油燃料のような大きな燃料価格の変動ひいては商品価格の変動を抑えることができる。また、二酸化炭素排出量を抑えることができる。
【０１０９】
また、本実施の形態の制御方法により、外気温変化、暖房機の性質などに依存しない温度制御性を得ることもできる。
ところで、わが国の植物栽培用の温室の栽培面積は、５万ｈａに及んでおり、その内４４％に相当する２万２千ｈａで暖房機が使用されている。したがって、本実施の形態の暖房機の制御方法及び暖房機をそれらに適用することが可能である。
【０１１０】
なお、本実施の形態では、木質ペレット２０１を燃料として用いる暖房機１０を例に説明したが、ＯＮ・ＯＦＦ制御される暖房機であれば、他の木質燃料、オイル、或いは、これら以外の燃料を用いる暖房機を採用してもよい。また、暖房機１０としては、温風により温室１００を暖房するものではなく、温水などにより温室１００を暖房する暖房機を採用してもよい。
【０１１１】
また、本実施の形態では、暖房機１０の制御をＯＮ・ＯＦＦ制御のみについて説明したが、燃料である木質ペレット２０１の供給量や、押し込みファン３０による空気の取込み量などの他の制御も行うものであってもよい。
【０１１２】
また、本実施の形態では、予測区間Ｐを１２ステップと設定したり、制御タイミングとなる１ステップを２０秒と設定したりするなど、制御の具体例を示すために一例としての数値を適宜設定しているが、このような数値は、温室の環境、温室に求められる温度制御の精度などによって適宜変更されるものである。
【０１１３】
＜他の実施の形態＞
本実施の形態では、モデル予測制御の概念による温室の温度予測を基にした最適制御手法の有効性について、実際の温室における実験により確認を行った。今回の試験結果より、モデル予測制御アルゴリズムの導入により、実際の暖房機に対してもＯＮ・ＯＦＦ信号の切換えに対する制約の影響を考慮しながら、目標温度周りでの最大誤差をp-p値で１．２℃以下に制御可能であることが確認された。
【０１１４】
試験（１）及び（２）は、ネポン株式会社厚木事業所東ハウスにおいて行った。
試験（１）は、２０１１年４月２７日２２：０５〜２３：４５（強風）に行った。
試験（２）は、２０１１年４月２８日 ３：５０〜 ５：３０（雨・強風）に行った。
【０１１５】
試験（１）及び（２）では、目標温度Trefは２５℃、１ステップは６０秒、予測区間Ｐは７２０秒（１２ステップ）、暖房機立上り／立下りの制約条件Ｃは３００秒（５ステップ）である。
【０１１６】
なお、予測制御で重要となる制御対象の予測器（モデル）のモデルパラメータは、２０１１年４月２２日〜２６日に厚木事業所東ハウスで事前計測した温室データに対するシステム同定結果より、上述の一実施の形態で述べた手法で下記の数式１８が得られた。
【０１１７】
【数１８】
図１８は、温度制御結果（１）及び比較例１の温度シミュレーション結果を示すグラフである。
【０１１８】
図１８に示すように、温度制御結果（１）（Proposed method）では、温度誤差はp-p値で目標値周り１．１℃ないし１．２℃に制御されており、非常に高い精度で目標を達成できていることが読み取れる。なお、図１８には暖房機のＯＮ・ＯＦＦ信号も合わせてプロットしている。得られた温度制御結果は図２０及び図２１にまとめられている。
【０１１９】
図２０に示すように、温度制御結果（１）においては、最大誤差が０．７℃、p-p値が１．２℃、平均誤差が０．２７℃、目標温度（ref.temp.）が上記のとおり２５℃である。
【０１２０】
また、図１８には従来の運転アルゴリズム（比較例１）で暖房機の運転を行った場合についてシミュレーションを行った結果（Conventional method）も合わせて示している。ここで、比較例１は、目標温度に対し＋１℃を暖房機のＯＦＦ温度、目標温度に対し−１℃をＯＮ温度に設定し、目標温度との温度差のみから暖房機の運転信号を決定する方法のことで、このときのシミュレーションには上記の温室モデルの動特性を実際の温室の動特性として採用して計算を行っている。
【０１２１】
この場合には、図２１に示すように、最大誤差が２．９９℃、p-p値が５．４１℃、平均誤差が１．５８℃、目標温度が上記のとおり２５℃である。これは、目標温度の±１℃にＯＮ・ＯＦＦの閾値を設定しても、温室温度の時定数が非常に大きいために誤差が大きくなったものと考えられる。
【０１２２】
このことは、外気温変化がより大きい条件の下では運転制約のために制御性能がさらに悪化する可能性のあることを示しているが、温度制御結果（１）ではこの影響に対しても運転制約を考慮しながら最適な暖房機の運転が行われるため、従来の運転アルゴリズムである比較例１よりも制御性能の悪化が小さく抑えられると期待される。
【０１２３】
図１９は、温度制御結果（１）及び比較例２の温度シミュレーション結果を示すグラフである。
図１９には、上述の温度制御結果（１）と（制御結果のグラフは図１８と同一である。）、従来の運転アルゴリズム（比較例２）で暖房機の運転を行った場合についてシミュレーションを行った結果（Conventional method）と、を合わせて示している。
【０１２４】
比較例２は、目標温度に対し閾値を±２℃（実際に稼働しているペレット焚き暖房機の標準的な設定）に変更した場合の方法である。
この場合には、温度制御性能はさらに低下し、図２２に示すように、最大誤差が３．７５℃、p-p値が７．１６℃、平均誤差が２．０５℃、目標温度が上記のとおり２５℃である。比較例２では、比較例１よりも閾値の絶対値が大きくなっているため、p-p値などが比較例１の値よりも大きくなっている。
【０１２５】
図２３は、温度制御結果（２）及び比較例１の温度シミュレーション結果を示すグラフである。
温度制御結果（２）は、提案手法に燃費も考慮するアルゴリズムを追加した場合の温度制御実験の結果である。具体的には、下記の数式１９で示されるｋステップ目の評価関数Ｊ（ｋ）、誤差（ｅ）の二乗和と暖房機のON回数の総和に重みζを掛けたものとを加えて予測区間長（１２ステップ）に亘って考慮したもので構成されている。これを最小化するような制御入力を毎ステップごとに選ぶことを目的とする。これにより、複数の運転パターンの中から最適運転パターンを選択する際に、温室の温度が目標温度に近づくように且つ燃費の悪化を抑えるように選択を行うことができる。
【０１２６】
【数１９】
ここで、ζは暖房機を燃費させている総和区間に対する重み（燃費の重み）である。試験（２）における各設定パラメータは試験（１）の場合と同一に設定し、事前の温度制御シミュレーション結果から燃費項の重みζを０．５に設定している。その結果、定常状態になったと考えられる１００ステップ分を比較すると、試験（１）と試験（２）とでは、暖房機を焚いている合計ステップ数は５０ステップと４９ステップとであり大きな差異はないが、ＯＦＦからＯＮへの切換回数が９回から７回に減少することが確認された。
【０１２７】
具体的には、図２０に示すように、温度制御結果（２）においては、最大誤差が０．７℃、p-p値が１．１℃、平均誤差が０．３２℃、目標温度が上記のとおり２５℃である。
この結果は、燃費項（燃費の重み）を考慮したことの効果と考えられる。従って、温度制御性能を許容する範囲内で緩めることにより、温度誤差および燃費との最適化を図れることが明らかとなった。
【０１２８】
なお、温度制御結果（２）の条件下における比較例１では、図２１に示すように、最大誤差が２．７８℃、p-p値が５．２７℃、平均誤差が１．５７℃、目標温度が上記のとおり２５℃である。
【０１２９】
図２４には、上述の温度制御結果（２）と（制御結果のグラフは図２３と同一である。）、従来の運転アルゴリズム（比較例２）で暖房機の運転を行った場合についてシミュレーションを行った結果と、を合わせて示している。
【０１３０】
温度制御結果（２）の条件下における比較例２では、図２２に示すように、最大誤差が３．６５℃、p-p値が７．１０℃、平均誤差が２．００℃、目標温度が上記のとおり２５℃である。
【０１３１】
本実施の形態では、予測された温度変化の誤差（ｅ）と予め定められた燃費の重み（ζ）とを含む評価関数Ｊに基づいて、温室の温度が目標温度に近づくように且つ燃費の悪化を抑えるように、複数の運転パターンの中から最適運転パターンが選択される。そのため、暖房機のＯＮ・ＯＦＦ制御を高精度に行うことと燃費を向上させることとを両立させることができる。
【０１３２】
上述の本実施の形態の温度制御試験では、事前に計測した温室データからシステム同定を行い、それにより得られた温室モデルを予測器に採用して実験を行った。さらに温度制御のみでなく、燃費評価を加えた場合についても検討を行った。なお、２日間を通して夜間外気温変動は小さかったものの、両日とも試験中に強い風雨があり、温室の放熱係数に影響を与えたことが予測される。
【０１３３】
得られた温度制御試験結果からは、サンプリングタイムを一実施の形態の２０秒（＝現状の温度計測周期）から６０秒に延長した場合でも、モデル予測制御手法を応用することで暖房機の運転制約条件を考慮しながら、目標とする温度周り±１℃に制御可能であることが確認された。また、暖房機の燃費評価も考慮することにより、暖房機の切換回数の抑制が可能であることも確認された。
【０１３４】
なお、モデル予測制御は予測器の精度が大きく制御精度に影響しており、今後予測器内に適応同定機構を導入することでさらに精度の高い温度制御性能が得られると期待される。さらに適応機構の導入により、ペレットの種類の違い（ホワイト、バーク等）による最大熱量のばらつき等にも対応可能である。
【符号の説明】
【０１３５】
１ 暖房システム
１０ 暖房機
１１ 制御部
１２ 燃焼炉
１３ 温風吹出し口
２０ 点火用灯油バーナ
３０ 押し込みファン
４０ 屋内サイロ
５０ サイクロン集塵機
６０ 煙突
７０ 灯油タンク
８０ 屋外貯留サイロ
９１ 温室温度センサ
９２ 外気温度センサ
１００ 温室
２０１ 木質ペレット
２０２ 排気ガス
２０３ 燃焼灰
２０４ 誘引ファン
【特許請求の範囲】
【請求項１】
温室に配置される暖房機のＯＮ・ＯＦＦ制御を行う暖房機の制御方法において、
制御タイミングとなる各ステップでのＯＮ又はＯＦＦの組み合わせである複数の運転パターンについて、前記温室の物理モデルに基づいて前記温室の温度変化を予測し、
予測された前記温度変化に基づいて、前記温室の温度が目標温度に近づくように、前記複数の運転パターンの中から最適運転パターンを選択し、
前記最適運転パターンに基づいて前記暖房機の前記ＯＮ・ＯＦＦ制御を行う、
ことを特徴とする暖房機の制御方法。
【請求項２】
予め定められた直近の予測区間の前記複数の運転パターンについて前記温室の温度変化を予測することを特徴とする請求項１記載の暖房機の制御方法。
【請求項３】
前記ステップごとに又は複数の前記ステップごとに前記複数の運転パターンについて前記温度変化を予測し、
前記最適運転パターンのうち前記温度変化の予測間隔分に基づいて前記ＯＮ・ＯＦＦ制御を行う、
ことを特徴とする請求項１又は請求項２記載の暖房機の制御方法。
【請求項４】
前記暖房機の制約条件を満たす複数の運転パターンについて前記温室の温度変化を予測することを特徴とする請求項１から請求項３のいずれか１項記載の暖房機の制御方法。
【請求項５】
使用頻度に応じて限定された複数の運転パターンについて前記温室の温度変化を予測することを特徴とする請求項１から請求項４のいずれか１項記載の暖房機の制御方法。
【請求項６】
前記暖房機は、木質燃料を燃焼させることで前記温室を暖房することを特徴とする請求項１から請求項５のいずれか１項記載の暖房機の制御方法。
【請求項７】
予測された前記温度変化の誤差と予め定められた燃費の重みとを含む評価関数に基づいて、前記温室の温度が目標温度に近づくように且つ燃費の悪化を抑えるように、前記複数の運転パターンの中から前記最適運転パターンを選択することを特徴とする請求項１から請求項６のいずれか１項記載の暖房機の制御方法。
【請求項８】
温室に配置され、制御部によりＯＮ・ＯＦＦ制御される暖房機において、
前記制御部は、制御タイミングとなる各ステップでのＯＮ又はＯＦＦの組み合わせである複数の運転パターンについて、前記温室の物理モデルに基づいて前記温室の温度変化を予測し、予測された前記温度変化に基づいて、前記温室の温度が目標温度に近づくように、前記複数の運転パターンの中から最適運転パターンを選択し、前記最適運転パターンに基づいて前記暖房機の前記ＯＮ・ＯＦＦ制御を行う、
ことを特徴とする暖房機。
【請求項１】
温室に配置される暖房機のＯＮ・ＯＦＦ制御を行う暖房機の制御方法において、
制御タイミングとなる各ステップでのＯＮ又はＯＦＦの組み合わせである複数の運転パターンについて、前記温室の物理モデルに基づいて前記温室の温度変化を予測し、
予測された前記温度変化に基づいて、前記温室の温度が目標温度に近づくように、前記複数の運転パターンの中から最適運転パターンを選択し、
前記最適運転パターンに基づいて前記暖房機の前記ＯＮ・ＯＦＦ制御を行う、
ことを特徴とする暖房機の制御方法。
【請求項２】
予め定められた直近の予測区間の前記複数の運転パターンについて前記温室の温度変化を予測することを特徴とする請求項１記載の暖房機の制御方法。
【請求項３】
前記ステップごとに又は複数の前記ステップごとに前記複数の運転パターンについて前記温度変化を予測し、
前記最適運転パターンのうち前記温度変化の予測間隔分に基づいて前記ＯＮ・ＯＦＦ制御を行う、
ことを特徴とする請求項１又は請求項２記載の暖房機の制御方法。
【請求項４】
前記暖房機の制約条件を満たす複数の運転パターンについて前記温室の温度変化を予測することを特徴とする請求項１から請求項３のいずれか１項記載の暖房機の制御方法。
【請求項５】
使用頻度に応じて限定された複数の運転パターンについて前記温室の温度変化を予測することを特徴とする請求項１から請求項４のいずれか１項記載の暖房機の制御方法。
【請求項６】
前記暖房機は、木質燃料を燃焼させることで前記温室を暖房することを特徴とする請求項１から請求項５のいずれか１項記載の暖房機の制御方法。
【請求項７】
予測された前記温度変化の誤差と予め定められた燃費の重みとを含む評価関数に基づいて、前記温室の温度が目標温度に近づくように且つ燃費の悪化を抑えるように、前記複数の運転パターンの中から前記最適運転パターンを選択することを特徴とする請求項１から請求項６のいずれか１項記載の暖房機の制御方法。
【請求項８】
温室に配置され、制御部によりＯＮ・ＯＦＦ制御される暖房機において、
前記制御部は、制御タイミングとなる各ステップでのＯＮ又はＯＦＦの組み合わせである複数の運転パターンについて、前記温室の物理モデルに基づいて前記温室の温度変化を予測し、予測された前記温度変化に基づいて、前記温室の温度が目標温度に近づくように、前記複数の運転パターンの中から最適運転パターンを選択し、前記最適運転パターンに基づいて前記暖房機の前記ＯＮ・ＯＦＦ制御を行う、
ことを特徴とする暖房機。
【図１】
【図２】
【図３】
【図４】
【図５】
【図６】
【図７】
【図８】
【図９】
【図１０】
【図１１】
【図１２】
【図１３】
【図１４】
【図１５】
【図１６】
【図１７】
【図１８】
【図１９】
【図２０】
【図２１】
【図２２】
【図２３】
【図２４】
【図２５】
【図２】
【図３】
【図４】
【図５】
【図６】
【図７】
【図８】
【図９】
【図１０】
【図１１】
【図１２】
【図１３】
【図１４】
【図１５】
【図１６】
【図１７】
【図１８】
【図１９】
【図２０】
【図２１】
【図２２】
【図２３】
【図２４】
【図２５】
【公開番号】特開２０１２−５７９３１（Ｐ２０１２−５７９３１Ａ）
【公開日】平成２４年３月２２日（２０１２．３．２２）
【国際特許分類】
【出願番号】特願２０１１−１６５４８１（Ｐ２０１１−１６５４８１）
【出願日】平成２３年７月２８日（２０１１．７．２８）
【新規性喪失の例外の表示】特許法第３０条第１項適用申請有り 平成２２年２月１３日 学校法人芝浦工業大学主催の「平成２１年度 芝浦工業大学システム理工学部機械制御システム学科 学位論文発表会」において文書をもって発表
【出願人】（５９９０１６４３１）学校法人 芝浦工業大学 (109)
【出願人】（０００１１１２９２）ネポン株式会社 (24)
【Ｆターム（参考）】
【公開日】平成２４年３月２２日（２０１２．３．２２）
【国際特許分類】
【出願日】平成２３年７月２８日（２０１１．７．２８）
【新規性喪失の例外の表示】特許法第３０条第１項適用申請有り 平成２２年２月１３日 学校法人芝浦工業大学主催の「平成２１年度 芝浦工業大学システム理工学部機械制御システム学科 学位論文発表会」において文書をもって発表
【出願人】（５９９０１６４３１）学校法人 芝浦工業大学 (109)
【出願人】（０００１１１２９２）ネポン株式会社 (24)
【Ｆターム（参考）】
[ Back to top ]