現地データと機械学習を用いた地中熱回収式地中熱ヒートポンプシステムの持続的性能向上

埋設熱をより有効活用することが重要な理由

都市が建物の快適性をよりクリーンに保つ方法を模索する中、地中の安定した温度を利用するシステムが注目を集めています。こうした地中熱ヒートポンプシステムは、従来の空調やボイラーと比べてエネルギー使用を削減できる一方で、夏の暑い地域では見えない問題に直面します。時間の経過とともに廃熱が土壌に蓄積され土が徐々に暖まり、効率を低下させるのです。本研究は、地下の熱蓄積を抑えるだけでなく、夏季の廃熱を有用な給湯に変換する新しい設計を、実地データと最新の機械学習手法で検討しています。

建物の冷房と給湯を同時に賢く行う方法

研究者らは、夏は暑く冬は寒い中国の都市にある大規模な工業用建物で、熱回収型地中熱ヒートポンプ（HRGSHP）を試験しました。通常の地中熱システムと同様に、地中の深い垂直配管に水を循環させて熱を吸収または放出します。特徴は、各ヒートポンプユニットに並列に配置された2つの凝縮器を備えている点です。バルブの組合せにより、不要な熱を地中に放出するか、回収して空調の再加熱や床暖房、家庭用給湯などに利用するかを切り替えられます。夏季は冷房需要が高く、給湯も有用なため、この設計では同じ機器で室内を冷やしつつ同時に50°Cの給湯を供給できます。

季節に応じたシステムの運転

ほぼ3年間の運転で、このシステムは基本的に4つのモードを切り替えて稼働しました。純粋な冷房モードでは、従来の地中熱チラーと同様に地下ループに熱を排出しながら建物に冷水を供給しました。冷房＋給湯の複合モードでは、熱の一部が地中へ、一部が給湯タンクへ送られました。温暖期には給湯のみのモードもあり、冬には地中ループが熱源として働き、空間暖房用の熱水を供給する暖房モードがありました。バルブ位置、水流量、圧縮機の能力を調整することで、別途ボイラーや冷却塔を追加することなく、屋外の気象条件や室内需要の変化に対応しました。

多年にわたる現地データが示したこと

チームは温度、流量、電力使用量、土壌条件、気象などを継続的に記録し、20万点を超えるデータを蓄積しました。これらの測定は、冷房負荷が高い状況でも深さ150 mの平均土壌温度は3年間で約0.45°Cしか上昇せず、類似気候で報告される従来の地中熱システムでの上昇よりはるかに小さいことを示しました。しかし、実運転機の全体効率は試験室での定格値より低く、その一因はポンプがしばしば必要以上に大量の水を送ってしまい、系全体の温度差が小さくなって電力を無駄にしていたことです。季節的な傾向も現れ、地中の緩やかな温暖化は冷房効率をやや低下させる一方で、冬の暖房には地下熱源の温度上昇が寄与しました。

アルゴリズムに操作ノブを委ねる

既存ハードウェアからさらに性能を引き出すため、著者らはデータ駆動型の最適化フレームワークを構築しました。彼らはニューラルネットワークの一種を用いて、屋外温度、水温、流量などの条件に対してシステムの効率指標がどのように応答するかを学習させました。次に遺伝的アルゴリズムが内部設定の最適解を探索し、TOPSISと呼ばれる意思決定手法がヒートポンプ単体とプラント全体という複数の目的を同時にバランスさせました。この仮想テストベッドにより、現実的な温度や流量の制約を守りつつ、手作業では試すのが非現実的な多くの運転組合せを評価できました。

省エネ効果と実務的な意味

モデルに最適化設定を適用したところ、結果は顕著でした。平均して冬期の系全体の暖房性能指標は最大で27％改善し、夏期の冷房性能は約21％向上しました。同時に電力使用量は約5分の1減る可能性が示され、運転コストは現行運転方法と比べて推定で約19％削減されました。重要なのは、これらの改善は新しい機器を必要とせず、水温やポンプ速度といった運転点をデータ駆動で変えるだけで得られた点です。

今後の建物にとっての意義

非専門家向けの要点としては、地中熱ヒートポンプシステムは自身の廃熱を再利用し、より賢く運転することで、よりクリーンで費用効果の高いものにできるということです。試験された設計は地中の過熱を抑え、別個の暖房・冷房装置への依存を減らし、機械学習が運転者の試行錯誤では見つけにくい最適点を見つける手助けができることを示しています。ライフサイクルコストの詳細な評価や他の建物種での試験などの追加研究は必要ですが、本研究は埋設配管とデジタルモデルを実際のエネルギー削減につなげる実践的な道筋を示しています。

引用: Cui, Y., Chong, W.T., Varman, M. et al. Sustainable performance enhancement of a heat recovery ground source heat pump system using field data and machine learning. Sci Rep 16, 15271 (2026). https://doi.org/10.1038/s41598-026-45353-z

キーワード: 地中熱ヒートポンプ, 熱回収, 建物エネルギー, 機械学習, HVAC最適化