本公开涉及热源机系统、学习完毕模型的生成方法以及学习完毕模型，特别是涉及使用进行了机器学习的模型来控制设备的热源机系统、学习完毕模型的生成方法以及学习完毕模型。
背景技术：
1、为了在空调机中将用于冷却或加热空气的冷水或热水供给至空调机，通常构建将热源装置及其辅机等适当地组合而成的热源机系统。热源机系统根据空调机的负荷，调节构成热源机系统的设备的输出、运转台数的运转状态。作为能够有助于构成热源机系统的设备的控制的装置，存在如下装置：具有使实际运转数据调出并再现的再现系统、和能够一边利用过去的热负荷数据以及设施环境数据一边进行模拟的系统(例如，参照日本特开2011-163727号公报)。
2、为了响应性良好地控制构成热源机系统的设备，优选缩短求出适当的运转状态的运算时间。
技术实现思路
1、鉴于上述课题，本公开涉及提供根据运转条件的变化以适当的运转状态响应性良好地运转的热源机系统、学习完毕模型的生成方法以及学习完毕模型。
2、本公开的第1方式所涉及的热源机系统具备：热源设备，其对向热需求设施供给的热介质进行冷却或加热；热源辅机，其附随于上述热源设备的运转而运行；以及控制装置，其对上述热源设备以及上述热源辅机的运转状态进行调节，具有学习完毕的控制模型，上述热源辅机包括：热介质泵，其使通过上述热源设备的上述热介质流动；以及热源流体供给装置，其向上述热源设备供给会在上述热源设备中与上述热介质直接或间接地进行热交换的热源流体，上述运转状态包括上述热源设备的运行状况、上述热介质泵喷出的上述热介质的流量、以及上述热源流体供给装置供给的上述热源流体的流量中的至少一个，上述控制模型以在被输入对上述运转状态带来影响的运转条件时输出规定指标成为符合条件的值的上述运转状态的方式，实施使用了监督数据的机器学习处理，上述运转条件包括上述热需求设施的需求热量或与其相关的物理量、以及外部空气温度或与其相关的物理量中的至少一个，上述规定指标包括上述热源设备以及上述热源辅机的消耗动力、上述热源设备以及上述热源辅机的运转成本、和上述热源设备以及上述热源辅机的二氧化碳排出量中的至少一个，上述控制装置控制上述热源设备以及上述热源辅机，以便成为上述控制模型输出的运转状态。
3、若这样构成，则控制模型能够根据运转条件的变化输出适当的运转状态，因此能够使热源机系统响应性良好地运转。
4、此外，在上述本公开的第1方式所涉及的热源机系统的基础上，作为本公开的第2方式所涉及的热源机系统，也可以是，上述规定指标包括上述热源设备以及上述热源辅机的消耗动力、上述热源设备以及上述热源辅机的运转成本、和上述热源设备以及上述热源辅机的二氧化碳排出量中的多个，上述控制模型构成为，选定多个上述规定指标中的第1规定指标成为符合条件的值的多个上述运转状态，从所选定的多个上述运转状态中输出与上述第1规定指标不同的第2规定指标成为符合条件的值的上述运转状态。
5、若这样构成，则能够使热源机系统在综合地判断了多个规定指标的适当的运转状态下运转。
6、此外，在上述本公开的第1方式或第2方式所涉及的热源机系统的基础上，作为本公开的第3方式所涉及的热源机系统，也可以是，上述热源设备、上述热介质泵以及上述热源流体供给装置的至少一个由多台构成，上述运转状态包括上述热源设备、上述热介质泵、以及上述热源流体供给装置中的由多台构成的设备的运转台数，上述控制模型包括：第1控制模型，其将所输出的上述运转状态中的上述运转台数以整数值输出；以及第2控制模型，其将上述第1控制模型输出的上述运转台数的整数值作为上述运转条件之一进行输入。
7、若这样构成，则能够避免针对运转台数的控制模型的输出成为无法实现的小数，能够使热源机系统在切合实际运转的适当的运转状态下运转。
8、此外，在上述本公开的第1方式～第3方式中任一个方式所涉及的热源机系统的基础上，作为本公开的第4方式所涉及的热源机系统，也可以是，上述控制装置将上述控制模型的输出用于上述热源设备的处理热量、上述热介质泵喷出的上述热介质的流量以及上述热源流体供给装置供给的上述热源流体的流量中的一部分的上述运转状态，并根据模拟或规则基础来决定剩余的上述运转状态。
9、若这样构成，则通过使用控制模型能够缩短输出运转状态的一部分的时间，并且通过使用模拟或规则基础能够更高精度地输出运转状态的剩余部分。
10、此外，在上述本公开的第1方式～第4方式中任一个方式所涉及的热源机系统的基础上，作为本公开的第5方式所涉及的热源机系统，也可以是，上述运转条件包括上述热需求设施的压力损失系数。
11、若这样构成，则即便在热介质的流量变化的情况下也能够使热源机系统在适当的运转状态下运转。
12、此外，在上述本公开的第1方式～第5方式中任一个方式所涉及的热源机系统的基础上，作为本公开的第6方式所涉及的热源机系统，也可以是，上述运转条件包括上述热源设备以及上述热源辅机的每单位消耗动力的成本、和上述热源设备以及上述热源辅机的每单位消耗动力的二氧化碳排出量中的至少一个。
13、若这样构成，则即便在每单位消耗动力的成本、二氧化碳排出量变化的情况下也可以不重新制作控制模型。
14、此外，在上述本公开的第1方式～第6方式中任一个方式所涉及的热源机系统的基础上，作为本公开的第7方式所涉及的热源机系统，也可以是，上述控制模型具有多个将上述规定指标设为上述热源设备以及上述热源辅机的消耗动力、上述热源设备以及上述热源辅机的运转成本、和上述热源设备以及上述热源辅机的二氧化碳排出量中的一个或多个的控制模型，上述控制装置根据用户求出的上述规定指标，利用多个上述控制模型中的适当的上述控制模型。
15、若这样构成，则即便在通过用户变更了规定指标的情况下也能够维持热源机系统的适当的运转状态。
16、此外，本公开的第8方式所涉及的学习完毕模型的生成方法是生成学习完毕模型的方法，上述学习完毕模型使用于热源机系统的控制，上述热源机系统具备对向热需求设施供给的热介质进行冷却或加热的热源设备、和附随于上述热源设备的运转而运行的热源辅机，上述学习完毕模型的生成方法具备如下工序：在被设想的运转条件下，通过模拟，一边改变上述运转状态一边求出多个上述热源机系统的被设想的运转状态时的规定指标，在此基础上，作为与该运转条件的关系而规定上述规定指标符合条件时的上述运转状态，针对多个运转条件进行该动作，由此得到多组上述规定指标符合条件时的上述运转状态与该运转条件的关系，从而生成监督数据；以及使用上述监督数据实施机器学习处理，由此生成以上述运转条件为输入、以上述运转状态为输出的学习完毕模型，上述热源辅机包括：热介质泵，其使通过上述热源设备的上述热介质流动；以及热源流体供给装置，其向上述热源设备供给会在上述热源设备中与上述热介质直接或间接地进行热交换的热源流体，上述运转条件包括上述热需求设施的需求热量或与其相关的物理量、以及外部空气温度或与其相关的物理量中的至少一个，上述运转状态包括上述热源设备的运行状况、上述热介质泵喷出的上述热介质的流量、以及上述热源流体供给装置供给的上述热源流体的流量中的至少一个，上述规定指标包括上述热源设备以及上述热源辅机的消耗动力、上述热源设备以及上述热源辅机的运转成本、和上述热源设备以及上述热源辅机的二氧化碳排出量中的至少一个。
17、若这样构成，则能够得到能够使热源机系统根据运转条件的变化以适当的运转状态响应性良好地运转的学习完毕模型。
18、此外，在上述本公开的第8方式所涉及的学习完毕模型的生成方法的基础上，作为本公开的第9方式所涉及的学习完毕模型的生成方法，也可以是，上述热源设备、上述热介质泵以及上述热源流体供给装置的至少一个由多台构成，上述运转状态包括上述热源设备、上述热介质泵以及上述热源流体供给装置中的由多台构成的设备的运转台数，生成上述学习完毕模型的工序包括：生成在输出的上述运转状态中包括上述运转台数的整数值的第1学习完毕模型的工序；以及生成将上述运转台数的整数值作为上述运转条件之一进行输入的第2学习完毕模型的工序。
19、若这样构成，则能够避免针对运转台数的控制模型的输出成为无法实现的小数。
20、此外，在上述本公开的第9方式所涉及的学习完毕模型的生成方法的基础上，作为本公开的第10方式所涉及的学习完毕模型的生成方法，也可以是，上述第1学习完毕模型以及上述第2学习完毕模型使用神经网络，并且上述第1学习完毕模型以及上述第2学习完毕模型具有共用的中间层，成为上述第1学习完毕模型的输出的上述运转状态的项目包括成为上述第2学习完毕模型的输出的上述运转状态的项目，生成上述学习完毕模型的工序中，首先对第1学习模型实施机器学习处理而生成上述第1学习完毕模型，接着对将第2学习模型的上述中间层的权重系数的初始值设定为上述第1学习完毕模型的上述中间层的权重系数而得的模型实施机器学习处理而生成上述第2学习完毕模型。
21、若这样构成，则能够缩短生成第2学习完毕模型时的学习时间。
22、此外，在上述本公开的第8方式～第10方式中任一个方式所涉及的学习完毕模型的生成方法的基础上，作为本公开的第11方式所涉及的学习完毕模型的生成方法，也可以是，生成上述监督数据的工序中，随机地作出进行模拟时的上述运转条件以及上述运转状态的至少一方的决定。
23、若这样构成，则能够抑制所处理的数据的量增加到必要以上，并且能够比较简单地进行监督数据的追加制作。
24、此外，在上述本公开的第8方式～第11方式中任一个方式所涉及的学习完毕模型的生成方法的基础上，作为本公开的第12方式所涉及的学习完毕模型的生成方法，也可以是，生成上述监督数据的工序中，在大于在比被设想的上述运转条件大的范围的上述运转条件下设想的上述运转状态的范围的上述运转状态时的上述规定指标的数据已经存在的情况下，从该已经存在的数据提取出在被设想的上述运转条件下设想的上述运转状态时的上述规定指标并作为上述监督数据。
25、若这样构成，则能够利用现有的数据制作监督数据，能够缩短监督数据的制作时间。
26、此外，在上述本公开的第12方式所涉及的学习完毕模型的生成方法的基础上，作为本公开的第13方式所涉及的学习完毕模型的生成方法，也可以是，生成上述监督数据的工序中，将未提取出的数据中的上述运转条件以及上述运转状态中的不适合于设想的上述运转条件以及上述运转状态的项目的值变更为适合的值，在此基础上进行模拟而生成上述监督数据。
27、若这样构成，则能够高效地补充不足的监督数据。
28、此外，在上述本公开的第8方式～第13方式中任一个方式所涉及的学习完毕模型的生成方法的基础上，作为本公开的第14方式所涉及的学习完毕模型的生成方法，也可以是，上述运转条件包括上述热需求设施的压力损失系数，生成上述监督数据的工序中，在上述模拟中基于上述压力损失系数和上述热介质的流量计算出上述热需求设施中的压力损失，在此基础上求出上述规定指标。
29、若这样构成，则能够生成即便在热介质的流量变化的情况下也能够输出适当的运转状态的学习完毕模型。
30、此外，本公开的第15方式所涉及的学习完毕模型是搭载于计算机的学习完毕模型，上述计算机使用于热源机系统的控制，上述热源机系统具备对向热需求设施供给的热介质进行冷却或加热的热源设备、和附随于上述热源设备的运转而运行的热源辅机，上述学习完毕模型具备：输入层，其输入上述热源机系统的运转条件；输出层，其输出上述热源机系统的运转状态；以及中间层，其使用以上述运转条件为输入、以规定指标成为符合条件的值的上述运转状态为输出的监督数据，学习参数，上述热源辅机包括：热介质泵，其使通过上述热源设备的上述热介质流动；以及热源流体供给装置，其向上述热源设备供给会在上述热源设备中与上述热介质直接或间接地进行热交换的热源流体，上述运转条件包括上述热需求设施的需求热量或与其相关的物理量、以及外部空气温度或与其相关的物理量中的至少一个，上述运转状态包括上述热源设备的运行状况、上述热介质泵喷出的上述热介质的流量、以及上述热源流体供给装置供给的上述热源流体的流量中的至少一个，上述规定指标包括上述热源设备以及上述热源辅机的消耗动力、上述热源设备以及上述热源辅机的运转成本、和上述热源设备以及上述热源辅机的二氧化碳排出量中的至少一个，以将上述运转条件输入上述输入层，通过上述中间层进行运算，从上述输出层输出上述运转状态的方式使计算机发挥功能。
31、若这样构成，则成为能够使热源机系统根据运转条件的变化以适当的运转状态响应性良好地运转的学习完毕模型。
32、此外，作为本公开的第16方式所涉及的热源机系统，也可以是，具备：具有上述本公开的第15方式所涉及的学习完毕模型的控制装置；上述热源设备；以及上述热源辅机，上述控制装置控制上述热源设备以及上述热源辅机，以便成为上述学习完毕模型输出的运转状态。
33、若这样构成，则能够使热源机系统根据运转条件的变化以适当的运转状态响应性良好地运转。
34、根据本公开，能够使热源机系统根据运转条件的变化以适当的运转状态响应性良好地运转。
1.一种热源机系统，其中，具备：
2.根据权利要求1所述的热源机系统，其中，
3.根据权利要求1或2所述的热源机系统，其中，
4.根据权利要求1～3中任一项所述的热源机系统，其中，
5.根据权利要求1～4中任一项所述的热源机系统，其中，
6.根据权利要求1～5中任一项所述的热源机系统，其中，
7.根据权利要求1～6中任一项所述的热源机系统，其中，
8.一种学习完毕模型的生成方法，其是生成学习完毕模型的方法，所述学习完毕模型使用于热源机系统的控制，所述热源机系统具备对向热需求设施供给的热介质进行冷却或加热的热源设备、和附随于所述热源设备的运转而运行的热源辅机，
9.根据权利要求8所述的学习完毕模型的生成方法，其中，
10.根据权利要求9所述的学习完毕模型的生成方法，其中，
11.根据权利要求8～10中任一项所述的学习完毕模型的生成方法，其中，
12.根据权利要求8～11中任一项所述的学习完毕模型的生成方法，其中，
13.根据权利要求12所述的学习完毕模型的生成方法，其中，
14.根据权利要求8～13中任一项所述的学习完毕模型的生成方法，其中，
15.一种学习完毕模型，其搭载于计算机，所述计算机使用于热源机系统的控制，所述热源机系统具备对向热需求设施供给的热介质进行冷却或加热的热源设备、和附随于所述热源设备的运转而运行的热源辅机，
16.一种热源机系统，其中，具备：
