空调控制方法、空调控制装置以及空调控制程序与流程

本公开涉及经由预定的网络与空气调节装置连接的空调控制装置、该空调控制装置的空调控制方法以及空调控制程序，尤其涉及经由预定的网络与空调连接的空调控制装置的空调控制方法等。

背景技术：

近年来，能够与互联网连接的电视机和录像机(recoder)等AV(音视频)家电增加，并提供了电影、体育等的动态图像分发服务。另外，不限于AV家电，空调、体重计、活动量计、电磁烹调炉、微波炉、冰箱等被称为生活家电的家电设备也推进与互联网的连接，正在提供各种服务。在生活家电中，也对空调提供了使用能够与互联网连接的信息终端进行远程控制的系统。

另外，在专利文献1中公开了如下室内温度控制系统：基于当前时刻的居室的温度和到用户的起床时刻为止的时间，预测起床时刻的居室的温度，并基于地板采暖装置的设定温度与预测到的起床时刻的居室的温度的差，设定地板采暖装置的启动时刻。

然而，上述的系统需要进一步的改善。

在先技术文献

专利文献

专利文献1：日本特开2013-204985号公报

技术实现要素：

本公开的一个技术方案涉及的空调控制方法是一种经由预定的网络与空气调节装置连接的空调控制装置的空调控制方法，将室温历史信息与工作历史信息关联并存储在预定的数据库中，所述室温历史信息表示所述空气调节装置调节温度的居室中的室温变化的历史，所述工作历史信息表示所述空气调节装置的工作历史，基于所述室温历史信息和所述工作历史信息，预测所述空气调节装置不调节温度的情况下的所述居室的将来的室温来作为关闭时预测室温，基于所述关闭时预测室温，决定为了使所述居室的室温在预定的目标时刻到达预定的目标温度而使用的、所述空气调节装置的控制参数。

根据上述技术方案，能够实现进一步的改善。

根据本公开，能够抑制功耗，并能够进行对用户来说舒适的空气调节装置的控制。

附图说明

图1是表示本公开的一实施方式中的空调控制系统的构成的一例的框图。

图2是表示存储在图1所示的环境历史DB(DataBase：数据库)中的数据结构的一例的图。

图3是表示由图1所示的空调设定部决定的设定温度模式(pattern)的一例的图。

图4是表示图1所示的空调控制系统的数据保存处理的一例的流程图。

图5是表示执行图4所示的数据保存处理的空调机和云服务器的处理时序的一例的图。

图6是表示图1所示的空调控制系统的空调设定处理的一例的流程图。

图7是表示图6所示的空调设定处理中的设定画面和室内的温度变化图形的一例的图。

图8是表示执行图6所示的空调设定处理的用户设备、云服务器以及空调机的处理时序的一例的图。

图9是表示图1所示的用户设备中的空调设定用的用户界面的一例的图。

图10是表示由图1所示的空调设定部决定的另一设定温度模式的一例的图。

图11是表示图1所示的室内环境预测部的数据分析结果的第一例的图。

图12是表示图1所示的室内环境预测部的数据分析结果的第二例的图。

图13是表示图1所示的室内环境预测部的数据分析结果的第三例的图。

图14是表示相对于由图1所示的空调设定部决定的设定温度模式的、打开时预测室温和打开时预测功耗量的预测精度的一例的图。

图15是表示图1所示的用户设备中的考虑了功耗量的情况下的空调设定用的用户界面的一例的图。

图16是用于说明利用图1所示的空调控制系统的、使用了舒适温度范围的节能效果高的温度控制方法的一例的图。

图17是表示本公开的另一实施方式中的中央空调系统的构成的一例的框图。

图18是表示在本公开的实施方式中提供的服务的整体像的图。

图19是表示本公开的实施方式中的服务类型(本公司数据中心型)的图。

图20是表示本公开的实施方式中的服务类型(IaaS利用型)的图。

图21是表示本公开的实施方式中的服务类型(PaaS利用型)的图。

图22是表示本公开的实施方式中的服务类型(SaaS利用型)的图。

具体实施方式

(成为本公开的基础的见解)

在空调的远程控制系统中，例如，能够经由互联网从信息终端向空调发送控制指示，并能够从外出目的地控制自己家的空调。如果利用该服务，则通过在回到家前在外出目的地将空调的工作设为ON(接通)，从而能够在回家时充分地预先将房间设为冷的状态或暖的状态。

另一方面，在回到家前，手动进行空调的设定的情况下，在空调的设定时与回家时的时间差过大的情况下，有可能会导致使房间变得过冷或过暖，空调的工作的消耗电量白白浪费。另外，相反地，在空调的设定时与回家时的时间差过小的情况下，会成为房间未充分地变冷或变暖的状态。

在专利文献1中公开了如下技术：基于当前时刻的居室的温度和到用户的起床时刻为止的时间，预测起床时刻的居室的温度，并基于地板采暖装置的设定温度与预测到的起床时刻的居室的温度的差，设定地板采暖装置的启动时刻。由此，能够抑制制热不足或过度制热，能够提高起床时的居室的舒适性和节能性。

但是，在专利文献1公开的技术中，通过利用线性模型的计算来预测从当前时刻到用户的起床时刻为止的居室的温度变化。因此，温度变化的预测精度不高，另外，没有考虑由地板采暖运行导致的温度变化。因此，存在如下问题：根据居室的环境的不同，无法准确地预测温度变化，导致会成为过度制热或制热不足的状况。

本公开提供一种能够抑制功耗，并能够进行对用户来说舒适的空气调节装置的控制的空调控制方法、空调控制装置以及空调控制程序。

为了提高经由网络与调节居室的温度的空气调节装置连接的空调控制装置的功能，本申请的发明人研究了以下改善方案。

本公开的一个技术方案涉及的空调控制方法是一种经由预定的网络与空气调节装置连接的空调控制装置的空调控制方法，将室温历史信息与工作历史信息关联并存储在预定的数据库中，所述室温历史信息表示所述空气调节装置调节温度的居室中的室温变化的历史，所述工作历史信息表示所述空气调节装置的工作历史，基于所述室温历史信息和所述工作历史信息，预测所述空气调节装置不调节温度的情况下的所述居室的将来的室温来作为关闭时预测室温，基于所述关闭时预测室温，决定为了使所述居室的室温在预定的目标时刻到达预定的目标温度而使用的、所述空气调节装置的控制参数。

通过这样的构成，由于基于室温历史信息和工作历史信息，预测空气调节装置不调节温度的情况下的居室的将来的室温来作为关闭时预测室温，基于关闭时预测室温，决定为了使居室的室温在目标时刻到达目标温度而使用的、空气调节装置的控制参数，所以追随于家或空气调节装置的历时劣化等居室的环境的变化，空气调节装置的运行时和非运行时的室温预测的精度提高，并能够与到达用户希望的目标温度的目标时刻相匹配，能够抑制功耗，并进行对用户来说舒适的空气调节装置的控制。

上述空调控制方法也可以设为：接收目标温度信息和设定时刻信息，所述目标温度信息表示所述空气调节装置调节温度的居室的目标温度，所述设定时刻信息表示使所述居室的温度到达所述目标温度的目标时刻，基于所述关闭时预测室温，决定为了使所述居室的室温在所述设定时刻信息表示的目标时刻到达所述目标温度信息表示的目标温度而使用的、所述空气调节装置的控制参数，经由所述网络向所述空气调节装置发送控制指示信息，所述控制指示信息包括所决定的所述控制参数，并表示用所述控制参数使所述空气调节装置工作的工作指示。

通过这样的构成，由于接收表示居室的目标温度的目标温度信息和表示使居室的温度到达目标温度的目标时刻的设定时刻信息，基于关闭时预测室温，决定为了使居室的室温在设定时刻信息表示的目标时刻到达目标温度信息表示的目标温度而使用的、空气调节装置的控制参数，经由网络向空气调节装置发送控制指示信息，所述控制指示信息包括所决定的控制参数，并表示用该控制参数使空气调节装置工作的工作指示，所以即使在家或空气调节装置的历时劣化等居室的环境发生了变化的情况下，也能够使居室的室温在设定时刻信息表示的目标时刻准确地到达目标温度信息表示的目标温度。

上述空调控制方法也可以设为：还基于所述室温历史信息和所述工作历史信息，预测所述空气调节装置调节温度的情况下的所述居室的将来的室温预测来作为打开时预测室温，基于所述关闭时预测室温和所述打开时预测室温决定所述空气调节装置的控制参数。

通过这样的构成，由于还基于室温历史信息和工作历史信息，预测空气调节装置调节温度的情况下的居室的将来的室温来作为打开时预测室温，基于关闭时预测室温和打开时预测室温决定空气调节装置的控制参数，所以即使在家或空气调节装置的历时劣化等居室的环境发生了变化的情况下，空气调节装置的运行时和非运行时的室温预测的精度也更加提高，并能够与到达用户希望的目标温度的目标时刻相匹配，能够进一步抑制功耗，并进行对用户来说更舒适的空气调节装置的控制。

上述空调控制方法也可以设为：还将功耗历史信息存储在所述数据库中，所述功耗历史信息表示所述空气调节装置的功耗量的历史，还基于所述室温历史信息、所述工作历史信息以及所述功耗历史信息，预测所述空气调节装置调节温度的情况下的所述空气调节装置的将来的功耗量来作为打开时预测功耗量，基于所述关闭时预测室温、所述打开时预测室温以及所述打开时预测功耗量，决定所述控制参数。

通过这样的构成，由于还基于室温历史信息、工作历史信息以及功耗历史信息，预测空气调节装置调节温度的情况下的空气调节装置的功耗量来作为打开时预测功耗量，基于关闭时预测室温、打开时预测室温以及打开时预测功耗量决定空气调节装置的控制参数，所以即使在家或空气调节装置的历时劣化等居室的环境发生了变化的情况下，空气调节装置的运行时和非运行时的室温预测的精度、空气调节装置的运行时的功耗量预测的精度也进一步提高，并能够与到达用户希望的目标温度的目标时刻相匹配，进一步抑制功耗，并进行对用户来说更舒适的空气调节装置的控制。

也可以是，所述控制参数包括开始时刻信息，所述开始时刻信息表示使所述空气调节装置的工作开始的时刻。

通过这样的构成，能够在开始时刻信息表示的时刻准确地启动空气调节装置，并进行上述控制。

也可以是，所述控制参数包括工作模式信息，所述工作模式信息表示使所述空气调节装置工作的工作模式。

通过这样的构成，能够用工作模式信息表示的工作模式准确地控制空气调节装置。

上述空调控制方法也可以设为：还将用户相对于所述居室的表示入室历史的入室历史信息和表示退室历史的退室历史信息中的至少一方存储在所述数据库中，基于所述入室历史信息和所述退室历史信息中的至少一方，推定用户使用所述居室的使用时刻，并将所述使用时刻决定为所述目标时刻。

通过这样的构成，由于基于入室历史信息和退室历史信息中的至少一方，推定用户使用居室的使用时刻，并将该使用时刻决定为目标时刻，所以能够将用户使用居室的使用时刻自动地设定为用户希望室温到达目标温度的目标时刻。

上述空调控制方法也可以设为：经由所述网络接收人感传感器的检测结果，所述人感传感器设置在所述居室中，并检测所述居室内有无存在所述用户，基于所述人感传感器的检测结果，更新所述入室历史信息和所述退室历史信息中的至少一方。

通过这样的构成，由于能够自动地更新入室历史信息和退室历史信息中的至少一方，所以能够根据用户的使用历史，将用户使用居室的使用时刻自动地设定作为用户希望室温到达目标温度的目标时刻。

上述空调控制方法也可以设为：经由所述网络接收所述用户持有的信息终端的GPS(Global Positioning System：全球定位系统)信息，基于从所述信息终端接收到的所述GPS信息，决定所述用户向所述居室进入的入室和从所述居室退出的退室中的至少一方，基于所决定的所述入室和所述退室中的至少一方，更新所述入室历史信息和所述退室历史信息中的至少一方。

通过这样的构成，由于能够利用表示用户持有的信息终端的位置的GPS信息，自动地更新入室历史信息和退室历史信息中的至少一方，所以能够根据用户的使用历史，将用户使用居室的使用时刻自动地设定作为用户希望室温到达目标温度的目标时刻，而无需使用人感传感器等新的传感器。

上述空调控制方法也可以设为：还将室外温度历史信息和开闭历史信息中的至少一方存储在所述数据库中，所述室外温度历史信息表示所述居室之外的温度变化的历史，所述开闭历史信息表示安装于所述居室的窗户的开闭历史，除了所述室温历史信息和所述工作历史信息以外，还基于所述室外温度历史信息和所述开闭历史信息中的至少一方，决定所述控制参数。

通过这样的构成，由于除了室温历史信息和工作历史信息以外，还基于室外温度历史信息和开闭历史信息中的至少一方，决定控制参数，所以即使在家或空气调节装置的历时劣化等居室的环境发生了变化的情况下，空气调节装置的运行时和非运行时的室温预测的精度也进一步提高，并能够与到达用户希望的目标温度的目标时刻相匹配，进一步抑制功耗，并能够进行对用户来说更舒适的空气调节装置的控制。

上述空调控制方法也可以设为：还将温度范围信息存储在所述数据库中，所述温度范围信息表示所述用户能够舒适地生活的预定的温度范围，所述目标温度包括所述温度范围信息表示的所述温度范围的上限或下限。

通过这样的构成，由于将温度范围信息表示的温度范围的上限或下限自动地设定为目标温度，所以能够自动地决定在用户能够舒适地生活的温度范围之中最能够抑制功耗的控制参数。

上述空调控制方法也可以设为：在从所述目标时刻到经过预定时间为止没有检测到所述用户向所述居室的进入的情况下，经由所述网络向所述空气调节装置发送使所述空气调节装置的工作停止的停止指示信息。

通过这样的构成，由于能够在用户没有入室的情况下，自动地停止空气调节装置的工作，所以能够抑制不需要的功耗。

另外，本公开不仅能够作为执行以上的特征性处理的空调控制方法实现，也能够作为具备与空调控制方法执行的特征性处理对应的特征性构成的空调控制装置等实现。另外，也能够作为使计算机执行这样的空调控制方法包括的特征性处理的计算机程序实现。因此，用以下的其他技术方案也能够得到与上述空调控制方法同样的效果。

本公开的另一技术方案涉及的空调控制装置是一种经由预定的网络与空气调节装置连接的空调控制装置，具备：数据库，将室温历史信息与工作历史信息关联并存储，所述室温历史信息表示所述空气调节装置调节温度的居室中的室温变化的历史，所述工作历史信息表示所述空气调节装置的工作历史；预测部，基于所述室温历史信息和所述工作历史信息，预测所述空气调节装置不调节温度的情况下的所述居室的将来的室温来作为关闭时预测室温；以及决定部，基于所述关闭时预测室温，决定为了使所述居室的室温在预定的目标时刻到达预定的目标温度而使用的、所述空气调节装置的控制参数。

本公开的另一技术方案涉及的空调控制程序是一种用于使计算机作为经由预定的网络与空气调节装置连接的空调控制装置发挥功能的空调控制程序，使所述计算机执行如下处理：将室温历史信息与工作历史信息关联并存储在预定的数据库中，所述室温历史信息表示所述空气调节装置调节温度的居室中的室温变化的历史，所述工作历史信息表示所述空气调节装置的工作历史，基于所述室温历史信息和所述工作历史信息，预测所述空气调节装置不调节温度的情况下的所述居室的将来的室温来作为关闭时预测室温，基于所述关闭时预测室温，决定为了使所述居室的室温在预定的目标时刻到达预定的目标温度而使用的、所述空气调节装置的控制参数。

而且，当然能够使上述的计算机程序经由CD-ROM等计算机可读取非瞬时性记录介质或互联网等通信网络流通。

另外，也可以构成为将本公开的一实施方式涉及的空调控制装置的构成要素的一部分和除此以外的构成要素分散在多台计算机中而成的系统。

此外，在以下说明的实施方式均为用于表示本公开的一具体例的实施方式。在以下的实施方式中所示的数值、形状、构成要素、步骤、步骤的顺序等均为一例，并不意图限定本公开。另外，关于以下实施方式的构成要素中的、在表示最上位概念的独立权利要求中没有记载的构成要素，作为任意的构成要素进行说明。另外，在全部实施方式中，也能够将各个内容组合。

(实施方式)

以下，参照附图，说明本公开的实施方式。图1是表示本公开的实施方式1中的空调控制系统的构成的框图。

图1所示的空调控制系统具备空调机10和云服务器20。云服务器20经由网络30，与空调机10、气象信息服务器40以及用户设备50连接。在这里，空调机10是调节用户使用的居室的温度的空气调节装置的一例，云服务器20是控制空气调节装置的空调控制装置的一例，用户设备50是用户持有的信息终端的一例。

空调机10是调整室内的空气质量环境的设备，例如是室内空调。空调机10具备温湿度信息取得部11、控制信息取得部12以及空调控制部13。

空调控制部13是调整室内的空气的温度、湿度等的控制机构，具体而言，是空调的空调功能的控制器，但只要是能够控制房间的温度、湿度的控制机构即可，不限于此。

温湿度信息取得部11利用温湿度传感器，取得室内的温度和湿度、室外的温度和湿度。此外，在本实施方式中，也取得了室内和室外的湿度，但不特别限定于该例子，也可以仅取得室内和室外的温度，或取得其他计测值。

控制信息取得部12从空调控制部13等取得空调控制信息。空调控制信息是表示空调控制部13的控制内容的信息，具体而言，是运转状态(ON/OFF)、运转模式(制冷/制热/除湿/自动)、设定温度、风量、风向等信息。

以上是空调机10的构成的说明。

云服务器20具备温湿度信息存储部21、控制信息存储部22、室内环境预测部23、空调设定部24、界面部25、环境历史DB(数据库)26以及外部环境预测部27。

温湿度信息存储部21将通过空调机10的温湿度信息取得部11取得的温湿度信息存储在环境历史DB26中。温湿度信息存储部21与温湿度信息取得部11之间的通信使用互联网等作为通信单元的网络30来进行，例如，温湿度信息存储部21每5分钟一次从温湿度信息取得部11取得温湿度信息并存储在环境历史DB26中。此外，通信方法不特别限定于该例子，也可以是温湿度信息取得部11定期地将信息上传到温湿度信息存储部21的方法。

控制信息存储部22将通过空调机10的控制信息取得部12取得的空调控制信息存储在环境历史DB26中。控制信息存储部22与控制信息取得部12之间的通信使用互联网等作为通信单元的网络30来进行，例如，控制信息存储部22每5分钟一次从控制信息取得部12取得空调控制信息并存储在环境历史DB26中。此外，通信方法不特别限定于该例子，既可以是定期地从控制信息取得部12将信息上传到控制信息存储部22的方法，或者也可以是以变更了空调机10的控制的事件为触发器，控制信息取得部12将信息上传到控制信息存储部22的方法。

环境历史DB26是存储从温湿度信息存储部21和控制信息存储部22接受到的温湿度信息和空调控制信息的数据库。数据库的形式一般是SQL(Structured Query Language：结构化查询语言)等关系DB，但也可以是以Key-Value型等以简单的关系性的方式构成数据的称为NoSQL的DB构成。

图2示出了环境历史DB26的表构造的一例。在图2中，ID是识别各记录的唯一的ID(识别信息)，时刻是表示取得各信息的时刻的信息，室内温度、室内湿度、室外气温(室外温度)以及室外湿度是通过温湿度信息取得部11取得的温湿度信息，运转状态、运转模式、设定温度、风量以及风向是通过控制信息取得部12取得的空调控制信息。为了使说明变容易，将温湿度信息和空调控制信息汇总在一个表中，但也可以作为另一个表进行管理。

在这里，时刻和室内温度的信息相当于室温历史信息的一例，所述室温历史信息表示空气调节装置调节温度的居室中的室温变化的历史，时刻、运转状态、运转模式、设定温度、风量以及风向的信息相当于工作历史信息的一例，所述工作历史信息表示空气调节装置的工作历史，时刻和室外气温的信息相当于室外温度历史信息的一例，所述室外温度历史信息表示居室外的温度变化的历史。此外，存储在环境历史DB26中的信息不特别限定于上述例子，如后面所述，也可以包括表示空气调节装置的功耗量的历史的功耗历史信息、表示安装于居室的窗户的开闭历史的开闭历史信息等。

外部环境预测部27从外部的气象信息服务器40等接受空调机10存在的相应区域今后的天气预测信息和过去的天气预测信息等，并输入至室内环境预测部23。

室内环境预测部23利用环境历史DB26，通过机器学习预测今后室内的环境(室温、室内湿度等)。具体而言，室内环境预测部23使用下述机器学习，基于室温历史信息和工作历史信息，制作用于预测空调机10不调节温度的情况下的居室的将来的室温的关闭时室温预测模型，并使用该关闭时室温预测模型，预测空调机10不调节温度的情况下的居室的将来的室温来作为关闭时预测室温。空调设定部24基于关闭时预测室温，决定为了使居室的室温在预定的目标时刻到达预定的目标温度而使用的、空调机10的控制参数。

一般来说，机器学习分类为两个步骤，两个步骤称为学习阶段和识别阶段。学习阶段通过输入过去的历史数据等训练数据并进行数据解析，提取该数据的关系性。然后，在下一个识别阶段中，输入识别数据(用于进行预测的输入参数)，基于在学习阶段中提取出的数据的关系性，输出预测值。

在这里，室内环境预测部23输入环境历史DB26的温湿度信息和空调控制信息、从外部环境预测部27取得的过去的天气预测信息作为训练数据。然后，室内环境预测部23输入未来的时刻、今后的天气预报等天气预测值以及空调机的设定信息作为识别数据。

这样，室内环境预测部23预测在今后的时刻的环境信息(室温、室内湿度等)。在进行机器学习方面，将怎样的数据作为训练数据输入，将怎样的数据作为识别数据输入成为提高预测的精度的要点。学习的算法有线性回归、神经网络、贝叶斯滤波器或SVM(Support Vector Machine：支持向量机)等多种，在这里不进行限定。作为机器学习的云上的服务，有Google公司的Predition API、Microsoft公司的Azure ML等，一般容易利用，室内环境预测部23可以是活用这样的库或API(Application Program Interface：应用程序界面)的构成。

在这里，室内环境预测部23将环境历史DB26的数据和来自外部环境预测部27的天气信息等作为训练数据进行学习，但如图2的例子那样，通过使用存储在环境历史DB26中的、作为空调机10的设定信息的空调控制信息等，能够提取空调机10的设定与室温或天气预报的关系性。这样，通过将空调机10的设定信息作为识别数据输入室内环境预测部23，室内环境预测部23能够高精度地进行对相应设定的室温预测。

界面部25是受理来自用户使用的用户设备50的输入的外部界面，例如，是用http协议进行通信的外部I/F(WebAPI)，受理用户对空调机10的设定信息。例如，用户将应用下载到智能手机或平板电脑等用户设备50，并使用该应用的图形用户界面(GUI)来决定对空调机10的设定信息。用户设备50将该设定信息转换成http协议的格式，并通知给界面部25。

空调设定部24以利用界面部25接受到的设定信息为基础，活用室内环境预测部23，并将空调机10的设定模式(工作模式)决定为控制参数。另外，空调设定部24经由界面部25向空调机10发送控制指示信息，所述控制指示信息包括使用室内环境预测部23所决定的控制参数，并表示用该控制参数使空调机10工作的工作指示。在这里，控制参数包括开始时刻信息和/或工作模式信息，所述开始时刻信息表示使空调机10的工作开始的时刻，所述工作模式信息表示使空调机10工作的工作模式。

例如，界面部25从用户设备50接受回家时刻(入室时刻)和目标环境值(例如，目标室内温度)作为设定信息，空调设定部24使用室内环境预测部23，预测到回家时刻为止的室内温度的推移。作为此时的预测，预测不使空调机10运行的情况下的关闭时预测室温的推移。空调设定部24以关闭时预测室温的推移为基础，决定用于在回家时刻(入室时刻)到达目标温度的、空调机10的运转模式。

一般来说，在空调的运转中，室温与设定温度之差越小越节能。因此，空调设定部24利用室内环境预测部23，将空调机10的设定温度作为识别数据进行输入，求出用于在回家时刻到达目标温度的、打开时预测室温的推移，并决定包括节能的设定温度模式的工作模式。

图3是表示由图1所示的空调设定部24决定的设定温度模式的一例的图。例如，在图3中，将在回家时刻成为25℃设定为目标温度。此时，为了将回家时刻的室内温度设为25℃，空调设定部24将设定温度设为25℃，利用室内环境预测部23，通过逆运算来预测空调机10调整温度的情况下的打开时预测室温的推移。而且，空调设定部24确定设定温度与打开时预测室温之差成为1.5℃的时刻，该时刻是图3所示的时刻A。

接着，空调设定部24从该时刻A起使设定温度下降1℃，进而通过逆运算来预测打开时预测室温的推移。然后，空调设定部24求出空调机10不调整温度的情况下的关闭时预测室温与打开时预测室温的交点B，并将时刻B设为空调机10的运转开始时刻。

这样一来，空调设定部24决定包括空调机10的设定温度模式的运转模式，并按照所决定的运转模式进行空调机10的控制。具体而言，空调设定部24对空调机10的空调控制部13输出用于以所决定的运转模式工作的控制命令(控制指示信息)，并进行空调机10的控制。

此外，作为控制指示信息的输出定时，在运转开始时刻之前即可，例如，可以在成为运转开始时刻时空调设定部24发送控制指示信息，或者，预先将运转开始时刻和控制指示信息的列表传送给空调控制部13，空调控制部13在成为各运转开始时刻时进行各控制。

另外，在上述说明中，空调设定部24使用室内环境预测部23，通过逆运算预测了空调机10调整温度的情况下的打开时预测室温的推移，但打开时预测室温的预测方法不特别限定于该例子，例如，可以按以下方式预测打开时预测室温。

在该情况下，室内环境预测部23使用上述机器学习，基于室温历史信息和工作历史信息，制作用于预测空调机10不调节温度的情况下的居室的将来的室温的关闭时室温预测模型，并使用该关闭时室温预测模型，预测空调机10不调节温度的情况下的居室的将来的室温来作为关闭时预测室温，并且制作用于预测空调机10调节温度的情况下的居室的将来的室温的打开时室温预测模型，并使用该打开时室温预测模型，将空调机10调节温度的情况下的居室的将来的室温预测作为打开时预测室温。空调设定部24基于关闭时预测室温和打开时预测室温，决定空调机10的控制参数。

其结果，即使在家或空调机10的历时劣化等居室的环境发生了变化的情况下，空调机10的运转时和非运转时的室温预测的精度也更加提高，并能够与到达用户希望的目标温度的目标时刻相匹配，进一步抑制功耗，并能够进行对用户来说更舒适的空调机10的控制。

以上是关于本实施方式中的空调控制系统的系统构成的说明。

接着，说明本实施方式中的空调控制系统的空调控制处理。本实施方式的空调控制系统中的空调控制处理分为两个处理。一方的处理是数据保存处理，另一方的处理是空调设定处理。

图4是表示图1所示的空调控制系统的数据保存处理的一例的流程图。

首先，在步骤S11中，空调机10利用温湿度信息取得部11取得温湿度传感器的温湿度信息。

接着，在步骤S12中，空调机10利用控制信息取得部12取得空调机10的空调控制信息。

接着，在步骤S13中，空调机10的温湿度信息取得部11和控制信息取得部12对云服务器20传送通过步骤S11取得的温湿度信息、通过步骤S12取得的空调控制信息。云服务器20通过温湿度信息存储部21和控制信息存储部22接受温湿度信息、空调控制信息，并登记在环境历史DB26中。

接着，在步骤S14中，空调机10进行一定期间(例如，5分钟)的等待处理，之后，返回步骤S11，继续进行以后的处理。

图5是表示执行图4所示的数据保存处理的空调机10和云服务器20的处理时序的一例的图。如图5所示，空调机10执行步骤S11的温湿度信息取得处理和步骤S12的空调控制信息取得处理，在步骤S13中，进行空调机10与云服务器20之间的数据传送，之后，空调机10在执行了步骤S14的等待处理后，返回步骤S11，继续进行以后的处理。

建立空调机10与云服务器20的通信路径，在电源接通的状态下，始终持续进行上述数据保存处理。这样一来，温湿度信息和空调控制信息全部登记在环境历史DB26中。另外，在图4中，顺序地进行温湿度信息取得处理空调控制信息取得处理，但也可以并列地执行。另外，关于空调控制信息取得处理，也可以构成为不是定期地执行，而是在变更了空调机10的控制的定时上传到云服务器20。

以上是数据保存处理的说明。

接着，说明空调设定处理。图6是表示图1所示的空调控制系统的空调设定处理的一例的流程图，图7是表示图6所示的空调设定处理中的设定画面和室内的温度变化图形的一例的图。

以下，参照图6和图7说明空调设定处理。此外，图7的左侧的设定画面表示用于用户决定空调机10的设定信息的GUI应用的例子，图7的右侧的图形是将室内的温度变化图形化而成的图形。

首先，当用户利用图7的左侧的设定画面向用户设备50输入回家时刻(入室时刻)和回家时目标温度(目标值)时(图7的(i))，在步骤S21中，用户设备50将用户的输入值(例如，回家时刻“18:00”、回家时目标温度“25℃”)作为入室时刻和目标值通知给界面部25。

接着，在步骤S22中，空调设定部24基于从界面部25取得的设定信息(入室时刻和目标值)，使用室内环境预测部23预测到回家时刻为止的打开时预测室温的推移。根据环境历史DB26的历史信息预测室内的温度的推移(图7的(ii))，图7的右侧的图的虚线示出了该预测值的推移。此时的预测值是预测了不使空调机10运行的情况下的室内温度(关闭时预测室温)的推移而得到的值。

接着，在步骤S23中，空调设定部24以在步骤S22中预测到的打开时预测室温的推移为基础，决定用于在回家时刻到达目标温度的、空调机10的运转模式。一般来说，在空调的运转中，室温与设定温度之差越小越节能。因此，空调设定部24利用室内环境预测部23，将图3所示的空调机10的设定温度作为识别数据输入，求出用于在回家时刻到达目标温度的、打开时预测室温。

例如，在图3中，将在回家时刻成为25℃设定为目标温度。此时，为了将回家时刻的室内温度设为25℃，空调设定部24将设定温度设为25℃，利用室内环境预测部23，通过逆运算来预测打开时预测室温的推移。而且，空调设定部24确定设定温度与打开时预测室温之差成为1.5℃的时刻，该时刻是图3所示的时刻A。

接着，空调设定部24从该时刻A起使设定温度下降1℃，进而通过逆运算预测打开时预测室温的推移。然后，空调设定部24求出空调机10不调整温度的情况下的关闭时预测室温与打开时预测室温的交点B，并将时刻B设为空调机10的运转开始时刻。这样，空调设定部24决定空调机10的运转模式。根据环境历史DB26的历史信息预测打开时预测室温的推移(图7的(iii))，图7的右侧的图的粗直线示出了该预测值的推移。

接着，在步骤S24中，空调设定部24按照该运转模式进行空调机10的控制，并结束处理。具体而言，空调设定部24输出用于以上述运转模式工作的控制命令(控制指示信息)，并进行空调机10的控制。

图8是表示执行图6所示的空调设定处理的用户设备50、云服务器20以及空调机10的处理时序的一例的图。如图8所示，用户操作的用户设备50在步骤S21中将设定信息(入室时刻和目标值)传送给云服务器20。云服务器20在步骤S22中基于从界面部25取得的设定信息(入室时刻和目标值)，使用室内环境预测部23预测到回家时刻(入室时刻)为止的打开时预测室温的推移，在步骤S23中，以预测到的打开时预测室温的推移为基础，决定用于在回家时刻到达目标温度的运转模式。另外，云服务器20在步骤S24中基于运转模式进行空调机10的控制，但在此时，进行控制空调机10的空调控制命令(控制指示信息)的通信。作为数据格式，例如有ECHONET Lite标准等。

以上是空调设定处理的说明。

此外，作为用于用户指示空调机10的设定的GUI的构成，可以设为图9这样的构成。图9是表示图1所示的用户设备50中的空调设定用的用户界面的一例的图。

图9的上部是用于设定用户的回家时刻(入室时刻)和回家时的目标温度的GUI画面，纵轴成为温度，横轴成为时刻，在用户设备50的显示部(图示省略)上，显示有将基于室内环境预测部23预测到的室温推移图化而成的画面。而且，用户能够通过在显示于显示部的图形上轻敲，容易地指定目标温度和回家时刻。

通过按这种方式构成，通过容易理解地提示室温的推移预测，提示了应把作为目标的温度设定在哪里的判断材料，因此，对用户来说，目标温度和回家时刻的设定变容易。

另外，在用户设定了目标温度和回家时刻的情况下，也可以如图9的下部那样，提示设定温度、使空调机10以该设定温度工作时的室内温度(打开时预测室温)的预测结果以及用“ON”这样的文字表示的运转开始时刻。通过按这种方式构成，对用户来说，能够容易理解地提示空调机10的设定会带来怎样的温度变化，并且提示空调机10的设定内容，并确认从什么时候开始控制空调机10。

另外，构成为在环境历史DB26中存储空调机10的每单位时间的功耗量，也可以构成为作为室内环境预测部23的训练数据输入。通过按这种方式构成，空调设定部24也能够使用室内环境预测部23，根据设定温度、室温、室外气温以及功耗量的关系性，以空调机10的功耗量成为最小的方式决定控制方法。

例如，空调设定部24利用室内环境预测部23准备几个设定温度模式的候选后，求出在将相应设定温度模式作为识别数据输入至室内环境预测部23的情况下的、空调机10的功耗量的预测。其中，如果构成为采用功耗量成为最小的运转模式，则能够以功耗量少的控制使空调机10工作。

按这种方式构成，如果构成为在如图9的下部那样决定了设定温度模式之后，提示根据功耗量求出的电费的预测，则用户能够事前掌握将要花费多少电费。功耗量既能够在空调机10内计测，也能够在向空调机10供给电力的插座中计测。

接着，进一步详细说明考虑了上述功耗量的空调机10的控制参数的决定方法。

控制信息取得部12从空调控制部13等取得空调机10的每单位时间的功耗量作为空调控制信息，控制信息存储部22将包括功耗量的空调控制信息存储在环境历史DB26中，环境历史DB26将空调机10的每单位时间的功耗量作为表示空调机10的功耗量的历史的功耗历史信息进行存储。

室内环境预测部23利用上述的机器学习，基于室温历史信息、工作历史信息以及功耗历史信息，制作用于预测空调机10不调节温度的情况下的居室的将来的室温的关闭时室温预测模型，并使用该关闭时室温预测模型，预测空调机10不调节温度的情况下的居室的将来的室温来作为关闭时预测室温，并且制作用于预测空调机10调节温度的情况下的居室的将来的室温的打开时室温预测模型，并使用该打开时室温预测模型，预测空调机10调节温度的情况下的居室的将来的室温来作为打开时预测室温，进而，制作用于预测空调机10调节温度的情况下的空调机10将来的功耗量的打开时功耗量预测模型，使用该打开时功耗量预测模型，预测空调机10调节温度的情况下的空调机10将来的功耗量来作为打开时预测功耗量。

空调设定部24基于关闭时预测室温、打开时预测室温以及打开时预测功耗量，决定空调机10的控制参数。

在该情况下，即使在家或空调机10的历时劣化等居室的环境发生了变化的情况下，空调机10的运行时和非运行时的室温预测的精度、空调机10的运行时的功耗量预测的精度也进一步提高，并能够与到达用户希望的目标温度的目标时刻相匹配，进一步抑制功耗，并能够进行对用户来说更舒适的空调机10的控制。

图10是表示考虑了上述功耗量的情况下由空调设定部24决定的设定温度模式的一例的图。在图10所示的例子中，空调设定部24利用室内环境预测部23，针对多个运转模式预测关闭时预测室温、打开时预测室温以及打开时预测功耗量，并从多个运转模式之中，将功耗量最低的运转模式决定为节能运转模式。

图10中的虚线表示关闭时预测室温，台阶状的细实线表示成为设定温度模式的节能运转模式的设定温度(45分钟前是22℃，30分钟前是23℃，15分钟前是作为目标温度的24℃)。因此，从入室时刻的45分钟前起，用节能运转模式控制空调机10。图10中的粗实线表示节能运转模式时的打开时预测室温，用粗线的阴影线表示的条形图示出了各时刻的功耗量。

另一方面，作为比较例，图10所示的单点划线示出了设为通常运转模式(从入室时刻的15分钟前开始控制，并将设定温度(目标温度)设为24℃的模式)时的打开时预测室温，用细线的阴影线表示的条形图示出了通常运转模式时的功耗量。

如图10所示，就功耗量的合计值而言，节能运转模式比通常运转模式小。另外，就每15分钟的功耗量的峰值而言，节能运转模式也比通常运转模式小。这样，可知，空调设定部24通过用节能运转模式控制空调机10，能够进一步降低空调机10的功耗量，所述节能运转模式使用室内环境预测部23从多个运转模式之中决定。

接着，说明室内环境预测部23的机器学习的数据分析结果。图11～图13是表示图1所示的室内环境预测部23的数据分析结果的第一～第三例的图。

图11的例子是使用了以1小时前室温、室外气温以及时刻为学习参数的线性回归模型来作为关闭时室温预测模型的例子，是分析了1小时前的室温、室外气温与当前温度的相关得到的分析结果。在该情况下，1小时前的室温相对于当前室温的相关系数为0.969，室外气温相对于当前室温的相关系数为0.724。一般来说，在相关系数为0.4～0.7的情况下有相关关系，在0.7以上的情况下有很强的相关关系。因此，可知，通过使用以1小时前室温、室外气温以及时刻为学习参数的线性回归模型来作为关闭时室温预测模型，能够高精度地预测关闭时预测室温。

图12的例子是使用了以设定温度、室温以及时刻为学习参数的线性回归模型来作为打开时室温预测模型的例子，是分析了15分钟后的上升温度、室外气温以及设定温度与室温之差以及室外气温的相关得到的分析结果。在该情况下，室外气温相对于15分钟后的上升温度的相关系数为0.373，设定温度与室温之差相对于15分钟后的上升温度的相关系数为0.812。因此，可知，通过使用以设定温度、室温以及时刻为学习参数的线性回归模型来作为打开时室温预测模型，能够高精度地预测打开时预测室温。

图13的例子是使用了以设定温度、室温、室外气温以及时刻为学习参数的线性回归模型来作为打开时功耗量预测模型的例子，是分析了15分钟的累积电力量、室外气温以及设定温度与室温之差的相关得到的分析结果。在该情况下，室外气温相对于15分钟的累积电力量的相关系数为0.463，设定温度与室温之差相对于15分钟的累积电力量的相关系数为0.950。因此，可知，通过使用以设定温度、室温、室外气温以及时刻为学习参数的线性回归模型来作为打开时功耗量预测模型，能够高精度地预测打开时预测功耗量。

接着，说明使用了上述关闭时室温预测模型、打开时室温预测模型以及打开时功耗量预测模型时的、室内环境预测部23的机器学习的打开时预测室温和打开时预测功耗量的预测精度。图14是表示相对于由图1所示的空调设定部24决定的设定温度模式的、打开时预测室温和打开时预测功耗量的预测精度的一例的图。

例如，在回家时刻为24:00且目标温度为24℃的情况下，室内环境预测部23使用已用图11～图13说明的各线性回归模型，针对多个运转模式预测关闭时预测室温、打开时预测室温以及打开时预测功耗量，空调设定部24决定功耗量最低的节能运转模式。

图14的例子示出了用该节能运转模式的设定温度模式实际控制空调机10时的打开时实测室温和打开时实测功耗量、室内环境预测部23预测到的打开时预测室温和打开时预测功耗量。

在这里，图14所示的台阶状的细实线示出了节能运转模式的设定温度(60分钟前是21℃，45分钟前是22℃，30分钟前是23℃，15分钟前是作为目标温度的24℃)，从入室时刻的60分钟前起，用该节能运转模式实际控制空调机10。

在该情况下，作为预想值，图14所示的粗实线示出了打开时预测室温，用粗线的阴影线表示的条形图示出了各时刻的打开时预测功耗量。另一方面，作为实测值，图14所示的黑圆示出了打开时实测室温，用细线的阴影线表示的条形图示出了各时刻的打开时实测功耗量。

根据图14，打开时预测室温与打开时实测室温大致一致，打开时预测功耗量与打开时实测功耗量基本一致。例如，在取预想值和实测值的12次平均值的情况下，60分钟后的平均室温变化量在打开时预测室温的情况下成为+3.2℃，在打开时实测室温的情况下成为+3.6℃，预测值相对于实测值的误差为0.4℃。另外，总功耗量在打开时预测功耗量的情况下成为206.6Wh，在打开时实测功耗量的情况下成为196.0Wh，预测值相对于实测值的误差为5.1％。

如上所述，通过室内环境预测部23使用已用图11～图13说明的各线性回归模型，能够高精度地预测打开时预测室温和打开时预测功耗量。

接着，说明在考虑了功耗量的情况下的用户设备50中的空调设定用的用户界面。图15是表示图1所示的用户设备50中的考虑了功耗量的情况下的空调设定用的用户界面的一例的图。

在使用图9的上部所示的GUI画面，将用户的回家时刻设定为24:00，将回家时的目标温度设定为24℃的情况下，在用户设备50的显示部上显示有图15所示的GUI画面。在图15所示的例子中，显示有将空调设定部24所决定的节能运转模式的设定温度、使空调机10在该设定温度下工作时的室内环境预测部23预测到的室内温度(打开时预测室温)和功耗量(打开时预测功耗量)图形化而成的画面。

通过按这种方式构成，不仅提示室温的推移预测，也容易理解地提示功耗量的推移预测，由此，由于考虑节能并提示有应把作为目标的温度设定在哪里的判断材料，所以对用户来说，考虑了节能时的目标温度和回家时刻的设定变容易。

此外，在空调机10为室内空调的情况下，作为到入室时刻为止的有效的空调机10的控制方法，由于没有人，优选提高风量并送风，使房间的空气循环。也就是说，到入室时刻为止的空调控制可以构成为：风量设为强风，在制冷的情况下风向设为水平方向，在制热的情况下风向设为向下方向。一般来说，在房间中有人的情况下，当设为强风时会感到不愉快，如果没有人，则可以将风量设为强风。当在房间中有没有人的判断不仅使用用户的设定，也使用人感传感器等时，精度变得更高且高效。另外，入室以后的控制可以构成为相反地自动将风量设为弱风。

另外，在本实施方式中，将回家时刻(入室时刻)的指定设为通过GUI设定，但回家时刻(入室时刻)的指定可以构成为通过机器学习，使用在人感传感器、GPS(Global Positioning System)中的入室和退室的历史数据，进行入室和退室预测。另外，也可以构成为：输入曜日、时刻、人感传感器以及GPS的历史数据来作为训练数据，将当前的GPS的位置信息、曜日以及时刻设为识别数据，进行该日的入退室时刻的预测。

例如，也可以是，环境历史DB26存储用户相对于居室的、表示入室历史的入室历史信息和表示退室历史的退室历史信息中的至少一方，室内环境预测部23基于入室历史信息和退室历史信息中的至少一方，推定用户使用居室的使用时刻，空调设定部24将推定出的使用时刻决定为目标时刻。

另外，也可以是，界面部25经由网络30接收设置在居室中并检测居室内有无存在用户的人感传感器的检测结果，并基于人感传感器的检测结果，更新存储在环境历史DB26中的入室历史信息和退室历史信息中的至少一方。

或者，也可以是，界面部25经由网络30接收用户持有的用户设备50的GPS信息，并基于从用户设备50接收到的GPS信息，决定用户向居室的进入(入室)和从居室的离开(退室)退室中的至少一方，并基于所决定的入室和退室中的至少一方，更新存储在环境历史DB26中的入室历史信息和退室历史信息中的至少一方。

另外，也可以是，在从目标时刻到经过了预定时间为止未检测到用户向居室的入室的情况下，空调设定部24经由网络30向空调机10发送使空调机10的工作停止的停止指示信息。

另外，在本实施方式中，设定针对回家时刻(入室时刻)的目标值，以到达该值的方式进行预测并决定运转模式，但也可以构成为：在已经入室的状态下，针对某特定时刻设定目标值，朝向该时刻进行控制。

例如，优选的是，在睡眠时，根据昼夜节律，在睡眠开始后将温度逐渐提高下去。因此，可以构成为：在PM11:00睡眠的情况下，依次将目标值设定成在PM11:00为25℃，在AM2:00为26℃，在AM5:00为27℃，空调设定部24利用室内环境预测部23决定运转模式，以在该目标时刻到达该时刻的目标温度。通过按这种方式构成，与单纯地将设定温度设定在相应时刻相比，能够在功耗量中实现有效的运转。

另外，用户利用GUI进行目标温度的设定，但也可以使用用户的行动历史或之前的温湿度信息将其自动化。一般来说，人觉得舒适的温度容易受到之前所在的环境的影响，例如，在冬天从外出目的地回家并入室的情况下，由于身体很冷，所以房间中的温度设定为低即可，但如果在冬天从相邻的房间进入另一房间的情况下，由于身体已经暖和，所以该房间中的温度设定优选为高。

可以构成为：基于这个人的特性，为了进行舒适的温度设定，将入室前和退室后的用户的行动、室内和室外的温湿度设定为参数。用户的行动例如是“从外出目的地回来”、“呆在家中”、“进入浴室”等信息，用户可以自己设定，也可以由人感传感器等自动检测。例如，就室内和室外的温湿度而言，可以预先在智能手机或智能手表中内置温度传感器，并利用该数据。通过按这种方式构成，用户即使不是自己进行温度设定，也能够自动进行舒适的温度设定。

另外，优选，在环境历史DB26中，除了时刻、室内温度、室内湿度、室外温度、室外湿度、空调控制设定信息以及功耗量之外，当还使用各种传感器取得房间的窗户的开闭状况、光量(日照量)、音量、用户的在/不在时，会提高室温推移的预测的精度。作为各种传感器，例如将光量传感器、音量传感器、人感传感器、窗户的开闭检测传感器等适当配置在作为对象的房间内。这些信息可以根据空调机10的传感器或相机的图像数据来检测并确定。

例如，也可以是，云服务器20将表示居室外的温度变化的历史的室外温度历史信息和表示安装于居室的窗户的开闭历史的开闭历史信息中的至少一方存储在环境历史DB26中，空调设定部24使用室内环境预测部23，除了室温历史信息和工作历史信息以外，还基于室外温度历史信息和开闭历史信息中的至少一方，决定控制参数。

另外，也可以构成为：在由室内环境预测部23预测室温推移并进行控制后，室温相对于预测值为特定的阈值以下或阈值以上的情况下(在冬天的情况下温度没有变高，在夏天的情况下温度没有变低)，由于可认为门或窗户是开着的状态或有可能发生故障，所以向用户通知警报。

通过按这种方式构成，用户例如能够抑制在窗户打开的情况下空调机10的无谓运转。此外，也可以是，在室内温度在特定的阈值以上低于或超过预测值的情况下，提高或降低空调机10的设定温度而进行修正，以调整空调机10的控制。

另外，也可以构成为：在由室内环境预测部23预测室温推移并进行了控制之后，室温相对于预测值为特定的阈值以下或阈值以上的情况下(在冬天的情况下温度变得过高，在夏天的情况下温度变得过低)，向用户通知告知有可能存在其他热源这一情况的警报。通过按这种方式构成，用户例如能够抑制在有其他热源的情况下空调机10的无谓运转。此外，也可以是，在室内温度在特定的阈值以上低于或超过预测值的情况下，提高或降低空调机10的设定温度而进行修正，以调整空调机10的控制。

另外，也可以构成为：作为入室前、入室后以及退室后的空调机10的控制方法，用图16所示的构成来进行。图16的(A)是用于说明假想了冬天的情况下的未进行网络连接的空调机的既存的温度控制方法的图，图16的(B)是用于说明由图1所示的空调控制系统实现的、使用了舒适温度范围的节能效果高的温度控制方法的一例的图。

在图16中，横轴表示时刻，纵轴表示温度和功耗量，细实线表示设定温度或舒适温度范围的上限和下限，粗实线表示室温的推移，阴影线区域表示功耗量。

如图16的(A)所示，在使用未进行网络连接的空调机的情况下，在入室的定时，用手边的遥控器开始空调机的控制。在该情况下，由于设定温度与室温的差距很大，所以空调机10的负荷很大，电力量的消耗很强烈。另外，由于进入室内后开始遥控器控制，所以刚入室后会很冷。

另一方面，在图16的(B)所示的温度控制中，使用舒适温度范围(例如22～25℃)控制空调机10，所述舒适温度范围是使人舒适生活的一定温度范围。

具体而言，环境历史DB26存储表示用户能够舒适地生活的预定的温度范围的温度范围信息，目标温度包括温度范围信息表示的温度范围的上限或下限。空调设定部24利用室内环境预测部23从环境历史DB26取得温度范围信息，决定设定温度以使得在入室时到达舒适温度下限(例如22℃)。接着，空调设定部24利用室内环境预测部23，决定设定温度，以使得从入室时到退室时的预定时间之前为止维持在舒适温度范围内(例如25℃)。另外，空调设定部24利用室内环境预测部23，决定事先关闭空调机10(或降低设定温度)，以使得在退室时到达舒适温度下限。

空调设定部24预先向空调机10的空调控制部13通知按如上方式所决定的运转模式。空调机10按照被通知的运转模式，从运转开始时刻起启动并调整室温。

通过按这种方式构成，能够维持舒适性，并能够将空调机10控制在节能效率高的状态。在这里，舒适温度范围既可以是用户用GUI等决定，也可以根据平均室外气温自动地计算并决定。

另外，存储在环境历史DB26中的环境历史数据不特别限定于从空调机10的内部传感器取得的数据，也可以利用从设置在室内的温湿度传感器或人感传感器等取得的数据。

另外，在本实施方式中，通过预测室内的温度来实现空调控制的有效性，但也可以构成为考虑湿度的预测并反映到运转模式。例如，作为人的舒适性的指数，有不愉快指数，该指数由室温和湿度决定。因此，也可以设为如下构成：除了室内的温度以外还预测室内的湿度，由此，例如，以将在入室时刻的不愉快指数抑制为一定以下为目标值，并决定空调机10的设定模式。

另外，在本实施方式中，通过预测室内的温度来测量空调控制的有效性，但也可以构成为：如果空调机10具有换气功能，则将CO₂(二氧化碳)的传感值存储在环境历史DB26中，考虑该预测来决定运转模式。在该情况下，也可以设为如下构成：除了室内的温度以外，还预测CO₂浓度，由此，例如，以将在入室时刻的CO₂浓度抑制为一定以下为目标值，决定空调机10的换气功能的设定模式。

另外，在本实施方式中，相对于一个空调机10，假想了一个房间来进行了说明，但空调控制系统的构成不特别限定于该例子，例如，也可以应用于将一个空调机与多个房间连接并进行空调控制的中央空调系统。

图17是表示本公开的另一实施方式中的中央空调系统的构成的一例的框图。此外，关于图1所示的空调控制系统与图17所示的中央空调系统共通之处，省略详细说明，以下仅详细说明不同之处。

图17所示的空调机10a与三根管道60连接，所述管道60是使空气流到各房间的管道，空调机10a能够决定冷的空气或暖的空气向各房间的排出量。在各房间中配置有温湿度信息取得部11a，由温湿度信息取得部11a取得的各房间的温湿度信息经由预定的网络(省略图示)传送给云服务器20a。另外，通过空调机10a的控制信息取得部12(省略图示)取得的空调控制信息包括与向各房间的空气排出量等相关的信息，并存储在云服务器20a的环境历史DB26(省略图示)中。由于空调机10a和云服务器20a的其他构成与图1所示的空调机10和云服务器20的构成相同，所以省略详细说明。

通过设为这样的构成，在图17所示的中央空调系统中，活用各房间的温度和湿度的历史信息、空调机10a的空调控制信息的历史信息，能够利用云服务器20a的室内环境预测部23(省略图示)预测每个房间的温度和湿度，能够进行利用了这些温度和湿度的空调机的控制。

以上是本实施方式中的中央空调系统的说明。

(提供的服务的整体像)

在图18(A)中，示出了本实施方式涉及的服务的整体像。例如，上述云服务器20的块的一部分或全部属于图18所示的数据中心运营公司110的云服务器111或服务提供商120的服务器121中的某一方。

组100例如是企业、团体、家庭等，其规模不限。作为多个设备101的设备A、设备B以及家庭网关102存在于组100中。在多个设备101中，既有能够与互联网连接的设备(例如，智能手机、PC、TV等)，也存在其自身不能与互联网连接的设备(例如，照明、洗衣机、冰箱等)。也可以存在即使是其自身不能与互联网连接的设备，也能够经由家庭网关102与互联网连接的设备。另外，使用多个设备101的用户10Y存在于组100中。

云服务器111存在于数据中心运营公司110。云服务器111是经由互联网与各种设备协作的假想化服务器。云服务器111主要管理用通常的数据库管理工具难以处理的巨大数据(大数据)等。数据中心运营公司110进行数据管理、云服务器111的管理以及进行这些管理的数据中心的运营等。关于说明数据中心运营公司110进行的服务，后面将说明详细情况。在这里，数据中心运营公司110不限于仅进行数据管理或云服务器111的运营等的公司。例如，在开发和制造多个设备101中的一个设备的设备厂家一并进行数据管理或云服务器111的管理等的情况下，设备厂家相当于数据中心运营公司110(图18(B))。另外，数据中心运营公司110不限于一个公司。例如，在设备厂家和其他管理公司共同或分担进行数据管理、云服务器111的运营的情况下，二者或某一方相当于数据中心运营公司110(图18(C))。

服务提供商120保有服务器121。在这里所说的服务器121不限其规模，例如也包括个人用PC内的存储器等。另外，也有服务提供商不保有服务器121的情况。

此外，在上述服务中，家庭网关102不是必需的。例如，在云服务器111进行全部数据管理等情况下，无需家庭网关102。另外，像家庭内的所有设备与互联网连接的情况那样，有时不存在其自身不能与互联网连接的设备。

接着，说明上述服务中的设备的日志信息(操作历史信息和工作历史信息等)的流动。

首先，组100的设备A或设备B将各日志信息发送给数据中心运营公司110的云服务器111。云服务器111集聚设备A或设备B的日志信息(图18(a))。在这里，日志信息是表示多台设备101的例如运转状况、工作日期和时间等的信息。例如是电视机的观看历史、录像机的录像预约信息、洗衣机的运转日期和时间和要洗的衣服的量、冰箱的开闭日期和时间和开闭次数等，但不限于此，是指能够从所有设备取得的全部信息。日志信息有时也经由互联网从多个设备101本身直接提供给云服务器111。另外，也可以暂时将日志信息从多个设备101集聚在家庭网关102中，并从家庭网关102提供给云服务器111。

接着，数据中心运营公司110的云服务器111将集聚的日志信息以一定的单位提供给服务提供商120。在这里，既可以是能够整理数据中心运营公司所集聚的信息并提供给服务提供商120的单位，也可以是服务提供商120要求的单位。虽然记载为一定的单位，但也可以不是一定的，提供的信息量有时也会根据状况而变化。日志信息根据需要保存在服务提供商120保有的服务器121中(图18(b))。并且，服务提供商120将日志信息整理成适合于向用户提供的服务的信息，并提供给用户。提供的用户既可以是使用多个设备101的用户10Y，也可以是外部的用户20Y。向用户的服务提供方法例如也可以直接从服务提供商提供给用户(图18(f)、(e))。另外，向用户的服务提供方法例如也可以再次经由数据中心运营公司110的云服务器111提供给用户(图18(c)、(d))。另外，数据中心运营公司110的云服务器111也可以将日志信息整理成适合于提供给用户的服务的信息，并提供给服务提供商120。

此外，用户10Y与用户20Y既可以是不同的人，也可以是同一人。

在上述技术方案中说明的技术例如可在以下的云服务类型中实现。但是，实现在上述技术方案中说明的技术的类型不限于此。

(服务类型1：本公司数据中心型)

图19表示服务类型1(本公司数据中心型)。本类型是服务提供商120从组100取得信息，并对用户提供服务的类型。在本类型中，服务提供商120具有数据中心运营公司的功能。即，服务提供商保有管理大数据的云服务器111。因此，不存在数据中心运营公司。

在本类型中，服务提供商120运营、管理数据中心(云服务器111)(203)。另外，服务提供商120管理OS(202)和应用(201)。服务提供商120使用服务提供商120管理的OS(202)和应用(201)进行服务提供(204)。

(服务的类型2：IaaS利用型)

图20表示服务的类型2(IaaS利用型)。在这里，IaaS是Infrastructure as a Service(基础设施即服务)的简称，是将用于构造计算机系统并使之运行的基础本身作为经由互联网的服务进行提供的云服务提供模型。

在本类型中，数据中心运营公司运营、管理数据中心(云服务器111)(203)。另外，服务提供商120管理OS(202)和应用(201)。服务提供商120使用服务提供商120管理的OS(202)和应用(201)进行服务提供(204)。

(服务的类型3：PaaS利用型)

图21表示服务的类型3(PaaS利用型)。在这里，PaaS是Platform as a Service(平台即服务)的简称，是将平台作为经由互联网的服务进行提供的云服务提供模型，所述平台成为用于构造软件并使之运行的基础。

在本类型中，数据中心运营公司110管理OS(202)，并运营、管理数据中心(云服务器111)(203)。另外，服务提供商120管理应用(201)。服务提供商120使用数据中心运营公司管理的OS(202)和服务提供商120管理的应用(201)来进行服务提供(204)。

(服务的类型4：SaaS利用型)

图22表示服务的类型4(SaaS利用型)。在这里，SaaS是Software as a Service(软件即服务)的简称。例如是具有如下功能的云服务提供模型：不保有数据中心(云服务器)的公司、个人(利用者)利用者能够经由互联网等网络使用保有数据中心(云服务器)的平台提供者提供的应用。

在本类型中，数据中心运营公司110管理应用(201)，管理OS(202)，并运营、管理数据中心(云服务器111)(203)。另外，服务提供商120使用数据中心运营公司110管理的OS(202)和应用(201)进行服务提供(204)。

以上，在任一种类型中，均为服务提供商120进行服务提供行为。另外，例如，服务提供商或数据中心运营公司也可以自己开发OS、应用或大数据的数据库等，另外，也可以外包给第三方。

产业上的可利用性

本公开的一个技术方案涉及的空调控制系统能够节能效率高且舒适地进行空调机的控制，因此在生活家电产业上具有高的利用可能性。

标号说明

10、10a 空调机

11、11a 温湿度信息取得部

12 控制信息取得部

13 空调控制部

20、20a 云服务器

21 温湿度信息存储部

22 控制信息存储部

23 室内环境预测部

24 空调设定部

25 界面部

26 环境历史DB

27 外部环境预测部

30 网络

40 气象信息服务器

50 用户设备

60 管道。