研究の概要

住宅建物の空調（HVAC）をAI（深層強化学習）で制御し、エネルギー消費削減と居住者の快適性維持を同時に達成する研究。8ゾーン構成の住宅建物モデルに対して、PPO（Proximal Policy Optimization）とSAC（Soft Actor-Critic）という二つの強化学習アルゴリズムを適用し、Lipschitz定数に基づく数学的安全検証を組み合わせている。

従来のルールベース制御（設定温度±一定値で動かすシンプルな方式）との比較実験により、AIの効果を定量化。「シミュレーションで学習したAIを実建物に適用する」という実装ギャップへの対処として、安全証明（Safety Certificate）を事前に取得する手法を提案している点が特徴的。

主な発見・成果

  • SAC エージェント：ルールベース比で27.6%のエネルギー削減、安全マージン2.003°Cを数学的に保証
  • PPO エージェント：快適性違反を67%削減（温度逸脱回数ベース）
  • Lipschitz定数による安全境界の事前証明により、AI制御の「ブラックボックス問題」を解消
  • 8ゾーンの相互作用を考慮した多変数制御が、単一ゾーン設定より大幅に効率的

実務への応用

建物のGHG排出削減において、HVAC制御のAI化は即効性が高い手段。エネルギー管理システム（BMS/EMS）のAIアップグレードを検討する施設担当者は、本研究の「安全証明付き強化学習」アプローチを調達仕様の参考にできる。特に病院・データセンター等の「快適性（温度管理）が法的義務」の施設では、安全証明の有無がAI導入の判断基準になりうる。