蓄熱システム制御の最適化：エネルギーコスト11%削減

大型建物の冷房を制御する蓄熱システムは、運営方式によってエネルギー使用量に差が生じる。温度に対するリクエストなどで急な制御が必要な場合、エネルギー使用量は急増し、これは運営コスト増加の直接的な原因となる。既存の制御シナリオは、現場作業者の経験に基づいて作成され、作業者の熟練度によって違いが大きく、蓄熱システムの実際の状態とデータを反映した制御方式の最適化が必要。

設備の回帰モデル（Regression Model）と過去の実測データに基づいて、高精度のAIベースによるシミュレーターを作成。蓄熱システムから出るデータの信頼性確保のために、データクレンジングと探索的データ分析（EDA）を通じて制御変数を選択。強化学習エージェントを活用して、現場管理者のための蓄熱システムの最適制御シナリオを生成し、制御シナリオを導き出すための環境を構成。

強化学習ベースのエージェント制御方式により、従来に比べて1日平均の電気エネルギーコストを約11%削減。個人の経験に依存した制御シナリオの代わりに、データ基盤の最適制御シナリオを多様に提供することで、現場管理者間の差を最小化。