JP7722096B2 - 情報処理装置及び情報処理方法 - Google Patents

情報処理装置及び情報処理方法

Info

Publication number
JP7722096B2
JP7722096B2 JP2021155656A JP2021155656A JP7722096B2 JP 7722096 B2 JP7722096 B2 JP 7722096B2 JP 2021155656 A JP2021155656 A JP 2021155656A JP 2021155656 A JP2021155656 A JP 2021155656A JP 7722096 B2 JP7722096 B2 JP 7722096B2
Authority
JP
Japan
Prior art keywords
vehicle
deterioration
storage element
history data
storage
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Active
Application number
JP2021155656A
Other languages
English (en)
Other versions
JP2023046847A (ja
Inventor
佑樹 今中
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
GS Yuasa International Ltd
Original Assignee
GS Yuasa International Ltd
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by GS Yuasa International Ltd filed Critical GS Yuasa International Ltd
Priority to JP2021155656A priority Critical patent/JP7722096B2/ja
Priority to PCT/JP2022/031643 priority patent/WO2023047867A1/ja
Priority to DE112022004577.9T priority patent/DE112022004577T5/de
Priority to CN202280063708.4A priority patent/CN117980184A/zh
Priority to US18/689,201 priority patent/US20250178479A1/en
Publication of JP2023046847A publication Critical patent/JP2023046847A/ja
Application granted granted Critical
Publication of JP7722096B2 publication Critical patent/JP7722096B2/ja
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • H—ELECTRICITY
    • H01—ELECTRIC ELEMENTS
    • H01M—PROCESSES OR MEANS, e.g. BATTERIES, FOR THE DIRECT CONVERSION OF CHEMICAL ENERGY INTO ELECTRICAL ENERGY
    • H01M10/00—Secondary cells; Manufacture thereof
    • H01M10/42—Methods or arrangements for servicing or maintenance of secondary cells or secondary half-cells
    • H01M10/48—Accumulators combined with arrangements for measuring, testing or indicating the condition of cells, e.g. the level or density of the electrolyte
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B60—VEHICLES IN GENERAL
    • B60L—PROPULSION OF ELECTRICALLY-PROPELLED VEHICLES; SUPPLYING ELECTRIC POWER FOR AUXILIARY EQUIPMENT OF ELECTRICALLY-PROPELLED VEHICLES; ELECTRODYNAMIC BRAKE SYSTEMS FOR VEHICLES IN GENERAL; MAGNETIC SUSPENSION OR LEVITATION FOR VEHICLES; MONITORING OPERATING VARIABLES OF ELECTRICALLY-PROPELLED VEHICLES; ELECTRIC SAFETY DEVICES FOR ELECTRICALLY-PROPELLED VEHICLES
    • B60L58/00—Methods or circuit arrangements for monitoring or controlling batteries or fuel cells, specially adapted for electric vehicles
    • B60L58/10—Methods or circuit arrangements for monitoring or controlling batteries or fuel cells, specially adapted for electric vehicles for monitoring or controlling batteries
    • B60L58/16—Methods or circuit arrangements for monitoring or controlling batteries or fuel cells, specially adapted for electric vehicles for monitoring or controlling batteries responding to battery ageing, e.g. to the number of charging cycles or the state of health [SoH]
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01R—MEASURING ELECTRIC VARIABLES; MEASURING MAGNETIC VARIABLES
    • G01R31/00—Arrangements for testing electric properties; Arrangements for locating electric faults; Arrangements for electrical testing characterised by what is being tested not provided for elsewhere
    • G01R31/36—Arrangements for testing, measuring or monitoring the electrical condition of accumulators or electric batteries, e.g. capacity or state of charge [SoC]
    • G01R31/367—Software therefor, e.g. for battery testing using modelling or look-up tables
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01R—MEASURING ELECTRIC VARIABLES; MEASURING MAGNETIC VARIABLES
    • G01R31/00—Arrangements for testing electric properties; Arrangements for locating electric faults; Arrangements for electrical testing characterised by what is being tested not provided for elsewhere
    • G01R31/36—Arrangements for testing, measuring or monitoring the electrical condition of accumulators or electric batteries, e.g. capacity or state of charge [SoC]
    • G01R31/392—Determining battery ageing or deterioration, e.g. state of health
    • H—ELECTRICITY
    • H01—ELECTRIC ELEMENTS
    • H01M—PROCESSES OR MEANS, e.g. BATTERIES, FOR THE DIRECT CONVERSION OF CHEMICAL ENERGY INTO ELECTRICAL ENERGY
    • H01M10/00—Secondary cells; Manufacture thereof
    • H01M10/42—Methods or arrangements for servicing or maintenance of secondary cells or secondary half-cells
    • H—ELECTRICITY
    • H02—GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
    • H02J—ELECTRIC POWER NETWORKS; CIRCUIT ARRANGEMENTS OR SYSTEMS FOR SUPPLYING OR DISTRIBUTING ELECTRIC POWER; SYSTEMS FOR STORING ELECTRIC ENERGY
    • H02J7/00—Circuit arrangements for charging or discharging batteries or for supplying loads from batteries
    • H02J7/50—Circuit arrangements for charging or discharging batteries or for supplying loads from batteries acting upon multiple batteries simultaneously or sequentially
    • H—ELECTRICITY
    • H02—GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
    • H02J—ELECTRIC POWER NETWORKS; CIRCUIT ARRANGEMENTS OR SYSTEMS FOR SUPPLYING OR DISTRIBUTING ELECTRIC POWER; SYSTEMS FOR STORING ELECTRIC ENERGY
    • H02J7/00—Circuit arrangements for charging or discharging batteries or for supplying loads from batteries
    • H02J7/80—Circuit arrangements for charging or discharging batteries or for supplying loads from batteries including monitoring or indicating arrangements
    • H02J7/84—Control of state of health [SOH]
    • H—ELECTRICITY
    • H02—GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
    • H02J—ELECTRIC POWER NETWORKS; CIRCUIT ARRANGEMENTS OR SYSTEMS FOR SUPPLYING OR DISTRIBUTING ELECTRIC POWER; SYSTEMS FOR STORING ELECTRIC ENERGY
    • H02J2105/00—Networks for supplying or distributing electric power characterised by their spatial reach or by the load
    • H02J2105/30—Networks for supplying or distributing electric power characterised by their spatial reach or by the load the load networks being external to vehicles, i.e. exchanging power with vehicles
    • H02J2105/33—Networks for supplying or distributing electric power characterised by their spatial reach or by the load the load networks being external to vehicles, i.e. exchanging power with vehicles exchanging power with road vehicles
    • H02J2105/37—Networks for supplying or distributing electric power characterised by their spatial reach or by the load the load networks being external to vehicles, i.e. exchanging power with vehicles exchanging power with road vehicles exchanging power with electric vehicles [EV] or with hybrid electric vehicles [HEV]
    • Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02E—REDUCTION OF GREENHOUSE GAS [GHG] EMISSIONS, RELATED TO ENERGY GENERATION, TRANSMISSION OR DISTRIBUTION
    • Y02E60/00—Enabling technologies; Technologies with a potential or indirect contribution to GHG emissions mitigation
    • Y02E60/10—Energy storage using batteries

Landscapes

  • Engineering & Computer Science (AREA)
  • Power Engineering (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Sustainable Development (AREA)
  • Sustainable Energy (AREA)
  • Transportation (AREA)
  • Mechanical Engineering (AREA)
  • Manufacturing & Machinery (AREA)
  • Chemical & Material Sciences (AREA)
  • Chemical Kinetics & Catalysis (AREA)
  • Electrochemistry (AREA)
  • General Chemical & Material Sciences (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Secondary Cells (AREA)
  • Tests Of Electric Status Of Batteries (AREA)
  • Charge And Discharge Circuits For Batteries Or The Like (AREA)
  • Electric Propulsion And Braking For Vehicles (AREA)

Description

本発明は、情報処理装置及び情報処理方法に関する。
従来、車両の電源として鉛蓄電池が使用されてきたが、近年では、車両のパワートレインも、ガソリン車のみならず、ＨＥＶ（Hybrid Electric Vehicle：ハイブリッド自動車）、ＰＨＥＶ（Plug-in Hybrid Electric Vehicle：プラグインハイブリッド自動車）及びＥＶ（Electric Vehicle：電気自動車）など多様化している。例えば、車両の電源であった鉛蓄電池が、リチウムイオン電池に置き換えられている場合がある。
車両に搭載された蓄電池は、車両の走行によって充放電を繰り返すが、蓄電池は、充放電を繰り返すことで劣化（例えば、容量劣化）が進行することが知られている。容量劣化を推定する方法としては、例えば、内部抵抗推定法や実容量推定法など種々の方法が考えられる。特許文献１には、車両用蓄電池の内部抵抗を算出して蓄電池の劣化度を推定する方法が開示されている。
特開２０１３－１４２５６１号公報
個々の車両に適した個別の劣化推定方法を用いることは可能であるが、多様なパワートレインに対応して共通に蓄電素子の劣化推定を行う手法は確立されていない。
本発明は、多様化する車両システムに対して共通して蓄電素子の劣化を推定できる情報処理装置及び情報処理方法を提供することを目的とする。
本発明の一態様に係る情報処理装置は、複数の蓄電素子それぞれの劣化に関連する履歴データを記憶する記憶部と、車両に搭載された蓄電素子の劣化に関連する履歴データを取得する取得部と、取得した履歴データと記憶した履歴データとの類似度を算出する類似度算出部と、取得した履歴データと類似する、記憶した履歴データに基づいて劣化指標を推定する推定部と、推定した劣化指標を前記車両へ送信する送信部とを備える。
本発明によれば、多様化する車両システムに対して共通して蓄電素子の劣化を推定できる。
情報処理システムの構成を示す図である。 サーバの構成を示す図である。 蓄電素子ＤＢの構成を示す図である。 温度の時系列データの例を示す図である。 温度ヒストグラムの例を示す図である。 温度履歴を用いた類似度の算出例を示す図である。 ＳＯＣの時系列データの例を示す図である。 ＳＯＣ及び充放電電流の時系列データの例を示す図である。 重み付け算出の例を示す図である。 学習モデルの構成の例を示す図である。 学習モデルの構成の例を示す図である。 推定部による劣化指標の推定例を示す図である。 サーバの処理手順を示すフロー図である。
（１）情報処理装置は、複数の蓄電素子それぞれの劣化に関連する履歴データを記憶する記憶部と、車両に搭載された蓄電素子の劣化に関連する履歴データを取得する取得部と、取得した履歴データと記憶した履歴データとの類似度を算出する類似度算出部と、取得した履歴データと類似する、記憶した履歴データに基づいて劣化指標を推定する推定部と、推定した劣化指標を前記車両へ送信する送信部とを備える。
（１２）情報処理方法は、複数の蓄電素子それぞれの劣化に関連する履歴データを記憶部に記憶し、車両に搭載された蓄電素子の劣化に関連する履歴データを取得し、取得した履歴データと記憶した履歴データとの類似度を算出し、取得した履歴データと類似する、記憶した履歴データに基づいて劣化指標を推定し、推定した劣化指標を前記車両へ送信する。
記憶部は、複数の蓄電素子それぞれの劣化に関連する履歴データを記憶する。履歴データは、蓄電素子の劣化に関連するデータであればよく、例えば、温度履歴、充放電履歴、ＳＯＣ履歴などを含む。履歴データは、温度、充放電、ＳＯＣなどの時系列データでもよく、時系列データに基づいて演算された統計データでもよい。例えば、温度に関しては、温度の時系列データでもよく、温度を区分に分け、区分毎の使用時間を表す統計データでもよい。充放電、ＳＯＣについても同様である。複数の車両から当該車両の蓄電素子の履歴データが収集され、記憶部は収集された履歴データを車両（又はＢＭＳ（Battery management system））毎に対応付けて記憶する。同一の車両から異なるタイミングに収集された履歴データを記憶してもよい。記憶部により、劣化に関連するビッグデータを構築することができる。
取得部は、車両に搭載された蓄電素子の劣化に関連する履歴データを取得する。車両に搭載された蓄電素子は、劣化指標を推定する対象の蓄電素子である。車両は、どのようなパワートレイン（車両システム）を用いるものでもよい。
類似度算出部は、取得した履歴データと記憶した履歴データとの類似度を算出する。類似度を算出する場合、対比する履歴データは、温度履歴、充放電履歴、及びＳＯＣ履歴の少なくとも１つを含めばよい。温度履歴、充放電履歴、又はＳＯＣ履歴が対比可能であれば、精度よく類似度を算出することができる。例えば、劣化指標を推定する対象の蓄電素子の使用時の温度の推移パターン、充放電パターン（充電期間、充電サイクル、放電期間、放電サイクル、休止期間など）、又はＳＯＣの推移パターンと、類似する各パターンを記憶部に記憶した履歴データ中から検索する。
推定部は、取得した履歴データと類似する、記憶した履歴データに基づいて劣化指標を推定する。例えば、推定部は、時点ｔ１から時点ｔｎまでのＳＯＣの推移及び温度の推移に基づいて、時点ｔ１から時点ｔｎまでのＳＯＨの低下（劣化指標）を推定することができる。送信部は、推定部で推定した劣化指標を車両へ送信する。
上述の構成により、車両に搭載された蓄電素子の劣化指標を精度よく推定することができない状況がある場合でも、当該蓄電素子の使用状態を反映する履歴データと類似する履歴データに基づいて推定された劣化指標を当該車両に提供することができ、多様化する車両システムに対して共通して蓄電素子の劣化を推定できる。
（２）前記取得部は、車両に搭載された蓄電素子の劣化指標の信頼度を取得し、前記送信部は、前記推定部で推定した劣化指標の信頼度が、前記取得部で取得した信頼度よりも高い場合、推定した劣化指標を前記車両へ送信してもよい。
劣化指標の信頼度は、車両のパワートレインと当該車両の蓄電素子の劣化推定方法との適合性に依存する。例えば、内部抵抗推定推定法は、クランキング時の電流が大きい場合には、精度は良いと考えられるが、エンジンを搭載しない車両の蓄電素子や補機用バッテリなどの場合には、精度は良くないと考えられる。推定部で推定した劣化指標の信頼度が、車両に搭載された蓄電素子の劣化指標の信頼度よりも高い場合、推定した劣化指標を車両へ送信することにより、より高精度の劣化指標を車両に提供することができる。
（３）前記記憶部は、複数の蓄電素子それぞれの劣化指標の信頼度を記憶し、算出した類似度及び記憶した信頼度に基づいて重み付けを算出する重み付け算出部と、算出した重み付けに基づいて、前記複数の蓄電素子の中から蓄電素子を選定する選定部とを備え、前記推定部は、選定した蓄電素子の履歴データに基づいて劣化指標を推定してもよい。
例えば、類似度をＳとし、信頼度をＲとすると、重み付けＷは、Ｗ＝Ｓ×Ｒで算出する。選定部は、算出した重み付けに基づいて、複数の蓄電素子の中から蓄電素子を選定する。例えば、重み付けＷが所定の閾値以上である蓄電素子を選定すればよい。これにより、記憶部に記憶した複数の蓄電素子の中から、履歴データの類似度と、劣化指標の信頼度の両方を考慮して蓄電素子を選定できる。選定する蓄電素子は複数あってもよい。
推定部は、選定した蓄電素子の履歴データに基づいて劣化指標を推定するので、履歴データの類似度と、劣化指標の信頼度の両方を考慮して劣化指標を推定できる。
（４）前記類似度算出部は、取得した履歴データと、前記記憶部に記憶した複数の蓄電素子のうち車両に搭載された蓄電素子と同一範囲の使用電圧の蓄電素子の履歴データとの類似度を算出してもよい。
同一範囲の使用電圧は、例えば、１２Ｖのような低圧電圧と、数百Ｖのような高圧電圧とに区分してもよい。同一範囲の使用電圧に限定することにより、使用電圧の高低に依拠する蓄電素子特性や劣化の進行状況などが異なる蓄電素子間で類似度を算出してしまうことを抑制できる。これにより、劣化指標の推定精度を高めることができる。
（５）前記類似度算出部は、取得した履歴データと、前記記憶部に記憶した複数の蓄電素子のうち車両に搭載された蓄電素子の活物質の全部又は一部と同一の活物質を有する蓄電素子の履歴データとの類似度を算出してもよい。
活物質の全部又は一部が同一である蓄電素子に限定することにより、活物質の違いに依拠する蓄電素子特性や劣化の進行状況などが異なる蓄電素子間で類似度を算出してしまうことを抑制できる。これにより、劣化指標の推定精度を高めることができる。
（６）前記類似度算出部は、取得した履歴データと、前記記憶部に記憶した複数の蓄電素子のうち車両に搭載された蓄電素子と同一製造者の蓄電素子の履歴データとの類似度を算出してもよい。
同一製造者の蓄電素子に限定することにより、製造者の違いに依拠する蓄電素子特性や劣化の進行状況などが異なる蓄電素子間で類似度を算出してしまうことを抑制できる。これにより、劣化指標の推定精度を高めることができる。
（７）前記記憶部は、複数の蓄電素子それぞれの使用地域に関連する位置データを記憶し、前記取得部は、前記車両の使用地域に関する位置データを取得し、前記類似度算出部は、取得した履歴データと、前記記憶部に記憶した複数の蓄電素子のうち車両に搭載された蓄電素子の使用地域の全部又は一部と同一の使用地域の蓄電素子の履歴データとの類似度を算出してもよい。
使用地域は、例えば、１都１道２府４３県でもよく、関東地方、近畿地方などの区分けでもよく、都市部、郊外及び山間部などの区分けでもよい。使用地域の全部又は一部が同一の使用地域で使用されている車両の蓄電素子に限定することにより、使用地域の違いに依拠する蓄電素子特性や劣化の進行状況などが異なる蓄電素子間で類似度を算出してしまうことを抑制できる。これにより、劣化指標の推定精度を高めることができる。
（８）前記履歴データは、蓄電素子の温度の区分毎の前記区分での使用時間を含んでもよい。
蓄電素子の温度の区分毎の当該区分での使用時間とは、例えば、温度を所定の区分（例えば、５℃、１０℃など）に分け、それぞれの温度範囲の中で蓄電素子が使用された時間（頻度）である。車両の使用状態によっては、蓄電素子の温度が異なる場合があり、蓄電素子の劣化に与える影響も異なると考えられる。使用温度パターンが類似する蓄電素子を選定することにより、劣化指標の推定精度を高めることができる。
（９）前記履歴データは、蓄電素子のＳＯＣの区分毎の前記区分での使用時間を含んでもよい。
蓄電素子のＳＯＣの区分毎の当該区分での使用時間とは、例えば、ＳＯＣを所定の区分（例えば、１０％など）に分け、それぞれのＳＯＣ範囲の中で蓄電素子が使用された時間（頻度）である。車両の使用状態や車両の種類（例えば、ＨＥＶ、ＥＶなど）によっては、蓄電素子のＳＯＣの推移が異なる場合があり、蓄電素子の劣化に与える影響も異なると考えられる。ＳＯＣの推移パターンが類似する蓄電素子を選定することにより、劣化指標の推定精度を高めることができる。
（１０）前記履歴データは、蓄電素子のＳＯＣの区分毎の前記区分での累積充放電量を含んでもよい。
蓄電素子のＳＯＣの区分毎の当該区分での累積充放電量とは、例えば、ＳＯＣを所定の区分（例えば、１０％など）に分け、それぞれのＳＯＣ範囲の中での蓄電素子の累積充放電量（Ａｈ）（頻度）である。車両の使用状態や車両の種類（例えば、ＨＥＶ、ＥＶなど）によっては、蓄電素子のＳＯＣの推移が異なる場合があり、蓄電素子の劣化に与える影響も異なると考えられる。ＳＯＣの推移パターンが類似する蓄電素子を選定することにより、劣化指標の推定精度を高めることができる。
（１１）前記推定部は、推定した劣化指標又は前記劣化指標の推移に基づいて蓄電素子の将来の劣化推定を予測し、前記送信部は、前記劣化推定の予測を前記車両に送信してもよい。
将来の劣化推定を予測することにより、車両に搭載された蓄電素子の寿命までの残余期間を予測することができ、蓄電素子が使用できなくなる前に蓄電素子の交換を行うことが可能となる。車両に複数の蓄電素子が搭載されている場合には、寿命に近づいている蓄電素子だけを新品と交換することができ、車両の蓄電素子全体としての寿命を延ばすことが可能となる。
以下、図面を参照しながら、情報処理装置及び情報処理方法の実施形態を説明する。
図１は情報処理システムの構成を示す図である。情報処理システムは、情報処理装置としてのサーバ５０を備える。サーバ５０は、通信ネットワーク１を介して路側装置２０と接続されている。車両１０には、蓄電素子（蓄電素子）１１及びＢＭＳ（Battery Management System）１２が搭載されている。蓄電素子１１は、リチウムイオン電池でもよく、他の二次電池でもよい。車両１０は、ガソリン車、ＨＥＶ（Hybrid Electric Vehicle：ハイブリッド自動車）、ＰＨＥＶ（Plug-in Hybrid Electric Vehicle：プラグインハイブリッド自動車）又はＥＶ（Electric Vehicle：電気自動車）のいずれでもよい。
ＢＭＳ１２は、蓄電素子１１の電圧、電流、温度などを所定のサンプリング周期で計測して得られた計測データ、これらの計測データに基づく、蓄電素子１１の劣化に関連する履歴データ（例えば、温度履歴、充放電履歴、ＳＯＣ（State of Charge）履歴など）を収集して記憶する記憶部（不図示）を備える。ＢＭＳ１２は、履歴データを用いて蓄電素子１１の劣化推定を行うとともに、劣化推定時での推定値の信頼度を決定する。劣化推定は、内部抵抗推定法や実容量推定法など種々の方法を用いることができる。信頼度は、蓄電素子１１の状態や劣化推定方法に基づいて、劣化推定を行う都度決定してもよい。信頼度は、例えば、「高」、「中」、「低」の如く表してもよく、５段階の数字で表してもよく、０～１００％の範囲内の数値で表してもよい。
ＢＭＳ１２は、計測データ、履歴データ、劣化の推定値及び信頼度を、路側装置２０を介してサーバ５０に、あるいは直接サーバ５０に送信するための通信モジュール（不図示）を備える。具体的には、ＢＭＳ１２は、携帯電話網（例えば、ＬＴＥ［Long Term Evolution］、４Ｇ、５ＧＧなど）を利用して、無線ＬＡＮ（例えば、ＷｉＦｉなど）を利用して、あるいはＩＴＳ（Intelligent Transport System）無線を利用して、蓄電素子データ、蓄電素子ＩＤ、ＢＭＳ ＩＤとともに計測データ、履歴データ、劣化の推定値及び信頼度をサーバ５０へ送信してもよい。
車両１０は、不図示のＥＣＵ（Electronic Control Unit）を備える。ＥＣＵは、車両１０の使用地域に関する位置データを収集し、収集した位置データを、蓄電素子ＩＤ、ＢＭＳのＩＤとともにサーバ５０へ送信してもよい。位置データは、例えば、車両１０の走行履歴でもよい。これにより、車両１０（すなわち、蓄電素子１１）が存在するエリア（地域）と当該エリアに存在する時間（期間）を特定できる。
図２はサーバ５０の構成を示す図である。サーバ５０は、車両１０に搭載されたＢＭＳ１２が蓄電素子１１の劣化指標を推定すると精度よく劣化指標を推定できない場合に、ＢＭＳ１２に代わって当該車両１０に搭載された蓄電素子１１の劣化指標を推定する。サーバ５０は、制御部５１、通信部５２、類似度算出部５３、推定部５４、重み付け算出部５５、及び蓄電素子ＤＢ５６を備える。サーバ５０の各部は、複数のサーバに分散してもよい。制御部５１は、ＣＰＵ（Central Processing Unit）、ＲＯＭ（Read Only Memory）及びＲＡＭ（Random Access Memory）等で構成される。
通信部５２は、通信モジュールを備え、路側装置２０を介してＢＭＳ１２と、あるいは直接ＢＭＳ１２と通信を行うことができる。通信部５２は、取得部としての機能を有し、多数の車両１０に搭載されたＢＭＳ１２から、蓄電素子１１の計測データ、履歴データ、劣化の推定値及び信頼度を取得する。通信部５２は、車両１０（すなわち、蓄電素子１１）の位置データを取得する。
通信部５２を介して多数の車両１０から収集された各種データ（蓄電素子１１の履歴データ、劣化推定データ、使用地域データ、及び蓄電素子データ）は、ビッグデータとして蓄電素子ＤＢ５６に記憶される。通信部５２は、同一車両１０から、異なるタイミングで各種データを取得してもよい。
図３は蓄電素子ＤＢ５６の構成を示す図である。蓄電素子ＤＢ５６は、サーバ５０が備えてもよいが、サーバ５０からアクセス可能な別のデータサーバ等に備える構成でもよい。蓄電素子ＤＢ５６は、ＢＭＳ ＩＤ（蓄電素子ＩＤでもよい）毎に、蓄電素子１１の履歴データ、劣化推定データ、使用地域データ、及び蓄電素子データが対応付けられている。履歴データには、温度履歴、ＳＯＣ履歴（ＳＯＣ区間、ＳＯＣ帯）、充放電履歴などを含めてもよい。履歴データは、温度、充放電、ＳＯＣなどの時系列データでもよく、時系列データに基づいて演算された統計データでもよい。劣化推定データには、劣化の推定値履歴、推定値の信頼度履歴、推定日時履歴などを含めてもよい。使用地域データには、蓄電素子１１が使用されたエリア情報履歴、エリア情報毎の期間などを含めてもよい。蓄電素子データには、蓄電素子１１の製造メーカ、使用電圧、活物質などを含めてもよい。
図３に示すように、ＢＭＳ ＩＤ０００１については、温度履歴データ群Ｔ０００１、ＳＯＣ区間データ群Ｂ０００１、ＳＯＣ帯データ群Ｃ０００１、充放電履歴データ群Ｄ０００１、推定値履歴データ群Ｈ０００１、信頼度履歴データ群Ｒ１、推定日時データ群ＸＸＯ、エリア情報履歴データ群Ａ０１、期間データ群ＯＯ、製造メーカＸＹＺ、使用電圧１２Ｖ、活物質Ｘ△が記録されている。データ群は、履歴データの中の複数の時点それぞれにおけるデータの集合体を意味する。他のＢＭＳ ＩＤについても同様である。蓄電素子ＤＢ５６により、多数の蓄電素子１１の劣化に関連するビッグデータを構築することができる。
蓄電素子ＤＢ５６は、複数の蓄電素子１１それぞれの劣化に関連する履歴データを記憶している。履歴データは、蓄電素子１１の劣化に関連するデータであればよく、例えば、温度履歴、充放電履歴、ＳＯＣ履歴などを含む。履歴データは、温度、充放電、ＳＯＣなどの時系列データでもよく、時系列データに基づいて演算された統計データでもよい。例えば、温度に関しては、温度の時系列データでもよく、温度を区分に分け、区分毎の使用時間を表す統計データでもよい。充放電、ＳＯＣについても同様である。複数の車両から当該車両の蓄電素子１１の履歴データが収集され、蓄電素子ＤＢ５６は収集された履歴データを車両（又はＢＭＳ（Battery management system））毎に対応付けて記憶している。同一の車両から異なるタイミングに収集された履歴データを記憶してもよい。
通信部５２は、車両１０から劣化推定対象の蓄電素子１１の劣化に関連する履歴データを取得する。取得する履歴データは、既に蓄電素子ＤＢ５６に記憶されているものではなく、ＢＭＳ１２に代わってサーバ５０が劣化指標の推定を行う際に用いるデータである。劣化推定対象の蓄電素子１１を搭載する車両１０は、どのようなパワートレイン（車両システム）を用いるものでもよい。
類似度算出部５３は、車両１０から取得した履歴データと蓄電素子ＤＢ５６に記憶した履歴データとの類似度を算出する。類似度を算出する場合、対比する履歴データは、温度履歴、充放電履歴、及びＳＯＣ履歴の少なくとも１つを含めばよい。温度履歴、充放電履歴、又はＳＯＣ履歴が対比可能であれば、精度よく類似度を算出することができる。例えば、劣化指標を推定する対象の蓄電素子１１の使用時の温度の推移パターン、充放電パターン（充電期間、充電サイクル、放電期間、放電サイクル、休止期間など）、又はＳＯＣの推移パターンと、類似する各パターンを蓄電素子ＤＢ５６に記憶した履歴データ中から検索してもよい。
推定部５４は、車両１０から取得した履歴データと類似する、蓄電素子ＤＢ５６に記憶した履歴データに基づいて劣化指標を推定する。例えば、推定部５４は、時点ｔ１から時点ｔｎまでのＳＯＣの推移及び温度の推移に基づいて、時点ｔ１でのＳＯＨ（State of Health）から時点ｔｎでのＳＯＨの差によりＳＯＨの低下（劣化指標）を推定することができる。時点ｔ１でのＳＯＨは、車両１０のＢＭＳ１２が推定したＳＯＨを用いてもよい。
通信部５２は、推定部５４で推定した劣化指標を車両１０へ送信する。
上述の構成により、車両１０に搭載された蓄電素子１１の劣化指標を精度よく推定することができない状況がある場合でも、当該蓄電素子１１の使用状態を反映する履歴データと類似する履歴データに基づいて推定された劣化指標を当該車両１０に提供することができ、多様化する車両システムに対して共通して蓄電素子１１の劣化を推定できる。
通信部５２は、推定部５４で推定した劣化指標の信頼度が、車両１０から取得した蓄電素子１１の劣化指標の信頼度よりも高い場合、推定部５４で推定した劣化指標を当該車両１０へ送信してもよい。
劣化指標の信頼度は、車両のパワートレインと当該車両１０の蓄電素子１１の劣化推定方法との適合性に依存する。例えば、内部抵抗推定推定法は、クランキング時の電流が大きい場合には、精度は良いと考えられるが、エンジンを搭載しない車両の蓄電素子１１や補機用バッテリなどの場合には、精度は良くないと考えられる。推定部５４で推定した劣化指標の信頼度が、車両１０に搭載された蓄電素子１１の劣化指標の信頼度よりも高い場合、推定部５４で推定した劣化指標を車両１０へ送信することにより、より高精度の劣化指標を車両１０に提供することができる。
類似度の算出方法について具体的に説明する。以下、温度履歴、ＳＯＣ履歴、充放電履歴の順で説明する。
図４は温度の時系列データの例を示す図である。横軸は時間を示し、縦軸は温度を示す。温度スケールは一例であり、他の温度推移でもよい。温度推移は、１日、３日、１週間、１か月単位、３か月単位、６か月単位、１年単位など種々のスケールを用いてもよい。例えば、時間スケールが、１か月である場合、１か月毎に図４に示すような温度推移が得られる。劣化推定対象の蓄電素子１１の温度の時系列データの場合、温度推移の始点は、ＢＭＳ１２が直近に行った劣化推定の時点でもよく、劣化推定の信頼度が比較的高いときの劣化推定の時点でもよい。ＢＭＳ１２が推定した劣化指標がある程度信頼できる時点を始点とすればよい。
図５は温度ヒストグラムの例を示す図である。温度ヒストグラムは、温度の時系列データに基づいて演算された統計値であり、温度履歴でもある。温度ヒストグラムは、劣化推定対象の蓄電素子１１の温度の区分毎に当該区分での使用時間（頻度）を示す。図５Ａは、温度を５℃の範囲の８個の区間で区切って、各区間における使用時間をヒストグラムとして表している。図５Ｂは、温度ヒストグラムに基づいて算出される特徴ベクトルを表す。特徴ベクトルは、８個の区間に相当する８個の要素を有し、各要素は頻度である。特徴ベクトルをＶで表すと、特徴ベクトルＶ＝（０、７、１９１、３１６、１６６、３７、３、０）で表すことができる。特徴ベクトルＶは、後述のように正規化してもよい。
図６は温度履歴を用いた類似度の算出例を示す図である。温度履歴を用いた類似度の算出は、車両１０から取得した温度履歴と蓄電素子ＤＢ５６に記憶した温度履歴との類似度を算出する。図５Ｂに示したように、ＢＭＳ１２（車両１０）から送信された温度の時系列データに基づく特徴ベクトルＶは、Ｖ＝（０、７、１９１、３１６、１６６、３７、３、０）であり、正規化された特徴ベクトルＶは、Ｖ′＝（０、０．００９７２２、０．２６５２７８、０．４３８８８９、０．２３０５５６、０．０５１３８９、０．００４１６７、０）である。一方、蓄電素子ＤＢ５６に記憶された、正規化された特徴ベクトルＶｓは、ＢＭＳ毎に、Ｖｓ１＝（０、０、０．００９７２２、０．２３１９４４、０．４５、０．２６２５、０．０４５８３３、０）、Ｖｓ２＝（０、０．０４４４４４、０．１９７２２２、０．３５１３８９、０．２７０８３３、０．１２２２２２、０．０１３８８９、０）、Ｖｓ３＝（０、０．１９８６１１、０．５９７２２２、０．２、０．００４１６７、０、０、０）、…とする。
類似度算出部５３は、車両１０から取得した温度履歴に基づく特徴ベクトルＶ′と、蓄電素子ＤＢ５６に記憶した温度履歴に基づく特徴ベクトルＶｓ１、Ｖｓ２、Ｖｓ３、…それぞれとの類似度を算出する。類似度の算出は、例えば、特徴ベクトルの各要素の距離（例えば、ユークリッド距離）を用いればよい。距離が近いほど類似度が大きいと判定できる。図６の例では、ＢＭＳ００００２の温度履歴が最も類似していると判定される。
車両の使用状態によっては、蓄電素子の温度が異なる場合があり、蓄電素子の劣化に与える影響も異なると考えられる。蓄電素子ＤＢ５６に記憶したＢＭＳ（蓄電素子１１）の中から、劣化推定対象の蓄電素子１１の使用温度パターンと類似する蓄電素子１１を選定することにより、劣化指標の推定精度を高めることができる。
図７はＳＯＣの時系列データの例を示す図である。横軸は時間を示し、縦軸はＳＯＣを示す。ＳＯＣ推移は、１日、３日、１週間、１か月単位、３か月単位、６か月単位、１年単位など種々のスケールを用いてもよい。例えば、時間スケールが、１か月である場合、１か月毎に図７に示すようなＳＯＣ推移が得られる。劣化推定対象の蓄電素子１１のＳＯＣの時系列データの場合、ＳＯＣ推移の始点は、ＢＭＳ１２が直近に行った劣化推定の時点でもよく、劣化推定の信頼度が比較的高いときの劣化推定の時点でもよい。ＢＭＳ１２が推定した劣化指標がある程度信頼できる時点を始点とすればよい。
ＳＯＣ区間ヒストグラムは、ＳＯＣの時系列データに基づいて演算された統計値であり、ＳＯＣ履歴でもある。ＳＯＣ区間ヒストグラムは、劣化推定対象の蓄電素子１１のＳＯＣを所定の区間（例えば、１０％の範囲など）に分け、それぞれのＳＯＣ区間の中で蓄電素子１１が使用された時間（頻度）を示す。図７の場合、ＳＯＣ区間ヒストグラムに基づいて算出される特徴ベクトルは、１０個の区間に相当する１０個の要素を有し、各要素は頻度である。類似度の算出は、図６の場合と同様に行うことができる。
車両の使用状態や車両の種類（例えば、ＨＥＶ、ＥＶなど）によっては、蓄電素子のＳＯＣの推移が異なる場合があり、蓄電素子の劣化に与える影響も異なると考えられる。蓄電素子ＤＢ５６に記憶したＢＭＳ（蓄電素子１１）の中から、劣化推定対象の蓄電素子１１のＳＯＣの推移パターンが類似する蓄電素子１１を選定することにより、劣化指標の推定精度を高めることができる。
図８はＳＯＣ及び充放電電流の時系列データの例を示す図である。横軸は時間を示し、縦軸はＳＯＣ及び電流を示す。ＳＯＣ推移は、１日、３日、１週間、１か月単位、３か月単位、６か月単位、１年単位など種々のスケールを用いてもよい。例えば、時間スケールが、１か月である場合、１か月毎に図８に示すようなＳＯＣ推移が得られる。劣化推定対象の蓄電素子１１のＳＯＣの時系列データの場合、ＳＯＣ推移の始点は、ＢＭＳ１２が直近に行った劣化推定の時点でもよく、劣化推定の信頼度が比較的高いときの劣化推定の時点でもよい。ＢＭＳ１２が推定した劣化指標がある程度信頼できる時点を始点とすればよい。
ＳＯＣ帯ヒストグラムは、ＳＯＣの時系列データに基づいて演算された統計値であり、ＳＯＣ履歴でもある。ＳＯＣ帯ヒストグラムは、劣化推定対象の蓄電素子１１のＳＯＣを所定のＳＯＣ帯（例えば、１０％の範囲など）に分け、それぞれのＳＯＣ帯の中で蓄電素子１１の累積充放電量（Ａｈ）を示す。図８の場合、ＳＯＣ帯ヒストグラムに基づいて算出される特徴ベクトルは、５個のＳＯＣ帯に相当する５個の要素を有し、各要素は累積充放電量である。類似度の算出は、図６の場合と同様に行うことができる。
車両の使用状態や車両の種類（例えば、ＨＥＶ、ＥＶなど）によっては、蓄電素子のＳＯＣの推移が異なる場合があり、蓄電素子の劣化に与える影響も異なると考えられる。蓄電素子ＤＢ５６に記憶したＢＭＳ（蓄電素子１１）の中から、劣化推定対象の蓄電素子１１のＳＯＣの推移パターンが類似する蓄電素子１１を選定することにより、劣化指標の推定精度を高めることができる。
図示していないが、充放電履歴についても、充放電推移を、例えば、１日、３日、１週間、１か月単位、３か月単位、６か月単位、１年単位など種々のスケールで表すことができる。スケール内において、充電回数、充電期間、放電回数、放電期間、休止回数、休止期間などの各要素を用いて特徴ベクトルを求めてもよい。類似度の算出は、図６の場合と同様に行うことができる。
上述の構成により、蓄電素子ＤＢ５６に記憶したＢＭＳ（蓄電素子１１）の中から、劣化推定対象の蓄電素子１１の充放電パターンが類似する蓄電素子１１を選定することができる。
類似度を算出する場合に、蓄電素子ＤＢ５６に記憶したＢＭＳ（蓄電素子１１）を所定条件によって、予め絞り込んで検索することができる。以下、検索する際の所定条件について説明する。
類似度算出部５３は、車両１０から取得した履歴データと、蓄電素子ＤＢ５６に記憶した複数の蓄電素子１１のうち車両１０に搭載された蓄電素子１１と同一範囲の使用電圧の蓄電素子１１の履歴データとの類似度を算出してもよい。同一範囲の使用電圧は、例えば、１２Ｖのような低圧電圧と、数百Ｖのような高圧電圧とに区分してもよい。同一範囲の使用電圧に限定することにより、使用電圧の高低に依拠する蓄電素子特性や劣化の進行状況などが異なる蓄電素子間で類似度を算出してしまうことを抑制できる。これにより、劣化指標の推定精度を高めることができる。
類似度算出部５３は、車両１０から取得した履歴データと、蓄電素子ＤＢ５６に記憶した複数の蓄電素子１１のうち車両１０に搭載された蓄電素子１１の活物質の全部又は一部が同一の活物質を有する蓄電素子１１の履歴データとの類似度を算出してもよい。
正極活物質は、例えば、コバルト酸リチウム、リチウムニッケルマンガンコバルト酸化物、リチウムニッケルコバルトアルミ酸化物などのリチウム遷移金属酸化物（Ｌｉ１＋ａＭｅＯ2 、ａ≧１、Ｍｅ：Ｎｉ、Ｍｎ、Ｃｏなどの遷移金属元素を１以上含む）、スピネル型マンガン酸リチウム（ＬｉＭｅ2 Ｏ4 ：Ｍｅは少なくともＭｎを含む１種以上の金属元素）、リン酸鉄リチウム、リン酸マンガン鉄リチウム、リン酸バナジウムリチウムなどのＬｉを吸蔵放出できる材料が用いられていればよい。これらを２種類以上併用してもよい。
負極活物質は、例えば、黒鉛、ハードカーボン、ソフトカーボン、金属Ｌｉ、一酸化ケイ素、シリコン又はその合金、スズ又はその合金、バナジン酸リチウム、酸化タングステン、酸化チタン、酸化ニオブなどＬｉを吸蔵放出できる材料が用いられていればよい。これらを２種類以上併用してもよい。活物質の全部又は一部が同一である蓄電素子に限定することにより、活物質の違いに依拠する蓄電素子特性や劣化の進行状況などが異なる蓄電素子間で類似度を算出してしまうことを抑制できる。これにより、劣化指標の推定精度を高めることができる。
類似度算出部５３は、車両１０から取得した履歴データと、蓄電素子ＤＢ５６に記憶した複数の蓄電素子１１のうち車両１０に搭載された蓄電素子１１と同一製造者の蓄電素子１１の履歴データとの類似度を算出してもよい。同一製造者の蓄電素子に限定することにより、製造者の違いに依拠する蓄電素子特性や劣化の進行状況などが異なる蓄電素子間で類似度を算出してしまうことを抑制できる。これにより、劣化指標の推定精度を高めることができる。
類似度算出部５３は、車両１０から取得した履歴データと、蓄電素子ＤＢ５６に記憶した複数の蓄電素子１１のうち車両１０に搭載された蓄電素子１１の使用地域の全部又は一部が同一の使用地域の蓄電素子１１の履歴データとの類似度を算出してもよい。使用地域は、例えば、１都１道２府４３県でもよく、関東地方、近畿地方などの区分けでもよく、都市部、郊外及び山間部などの区分けでもよい。使用地域の全部又は一部が同一の使用地域で使用されている車両の蓄電素子に限定することにより、使用地域の違いに依拠する蓄電素子特性や劣化の進行状況などが異なる蓄電素子間で類似度を算出してしまうことを抑制できる。これにより、劣化指標の推定精度を高めることができる。
蓄電素子ＤＢ５６に記憶したＢＭＳ（蓄電素子１１）の中から、劣化推定対象の蓄電素子１１の履歴データと類似する履歴データを有する蓄電素子１１を選定する際の重み付けについて説明する。
重み付け算出部５５は、類似度算出部５３で算出した類似度及び蓄電素子ＤＢ５６に記憶した信頼度に基づいて重み付けを算出してもよい。
図９は重み付け算出の例を示す図である。重み付けＷは、例えば、Ｗ＝Ｓ×Ｒで算出してもよい。Ｓは類似度を示し、Ｒは劣化推定データの信頼度を示す。図９では、ＢＭＳ ＩＤ０００１の蓄電素子１１の重み付けＷ１は、Ｗ１＝Ｓ１×Ｒ１で算出されている。Ｓ１は類似度算出部５３で算出した類似度であり、Ｒ１はＢＭＳ ＩＤ０００１の劣化推定データの信頼度である。他のＢＭＳ ＩＤについても同様である。
制御部５１は、選定部としての機能を有し、重み付け算出部５５で算出した重み付けに基づいて、複数の蓄電素子１１の中から蓄電素子１１を選定してもよい。重み付けＷが所定の閾値以上である蓄電素子１１を選定すればよい。これにより、蓄電素子ＤＢ５６に記憶した複数の蓄電素子１１の中から、履歴データの類似度と、劣化指標の信頼度の両方を考慮して蓄電素子１１を選定できる。選定する蓄電素子１１は複数あってもよい。
推定部５４は、選定した蓄電素子１１の履歴データに基づいて劣化指標を推定してもよい。これにより、履歴データの類似度と、劣化指標の信頼度の両方を考慮して劣化指標を推定できる。
類似度の算出、重み付けの算出は、ニューラルネットワークなどの機械学習を用いてもよい。
図１０は学習モデル５３ａの構成の例を示す図である。学習モデル５３ａは、深層学習（ディープラーニング）を含むニューラルネットワークモデルであり、入力層、出力層及び複数の中間層から構成されている。図１０では、便宜上、２つ中間層を図示しているが、代替的に中間層の層数は３つ以上であってもよい。
入力層、出力層及び中間層には、１つ又は複数のノード（ニューロン）が存在し、各層のノードは、前後の層に存在するノードと一方向に所望の重みで結合されている。入力層のノードの数と同数の成分を有するベクトルが、学習モデル５３ａの入力データとして与えられる。入力データには、ＢＭＳ１２から送信された履歴データ（車両１０から取得した履歴データ）、サーバ５０に記憶したＢＭＳのＩＤ、及び当該ＩＤの履歴データ（蓄電素子ＤＢ５６に記憶した履歴データ）などが含まれる。出力データは、当該ＩＤの履歴データの類似度が含まれる。入力データに含まれるＢＭＳのＩＤの数は複数でもよい。
出力データは、出力層のノードの数（出力層のサイズ）と同じサイズの成分を有するベクトル形式のデータとすることができる。例えば、出力ノードは、複数の類似度それぞれの確率を出力する。複数の類似度は、例えば、９０％～１００％、８０％～９０％、７０％～８０％、…の如く所要の範囲でもよく、あるいは所定の数値（９５％、９０％、８５％、…）でもよい。
学習モデル５３ａは、例えば、ＣＰＵ（例えば、複数のプロセッサコアを実装したマルチ・プロセッサなど）、ＧＰＵ（Graphics Processing Units）、ＤＳＰ（Digital Signal Processors）、ＦＰＧＡ（Field-Programmable Gate Arrays）などのハードウェアを組み合わせることによって構成することができる。
図１１は学習モデル５３ｂの構成の例を示す図である。図１１に示すように、入力データには、ＢＭＳ１２から送信された履歴データ（車両１０から取得した履歴データ）、サーバ５０に記憶したＢＭＳのＩＤ、当該ＩＤの履歴データ、及び当該ＩＤの履歴データの信頼度（蓄電素子ＤＢ５６に記憶した履歴データ）などが含まれる。出力データは、当該ＩＤの履歴データの重み付けが含まれる。入力データに含まれるＢＭＳのＩＤの数は複数でもよい。
出力データは、出力層のノードの数（出力層のサイズ）と同じサイズの成分を有するベクトル形式のデータとすることができる。例えば、出力ノードは、複数の信頼度それぞれの確率を出力する。複数の信頼度は、例えば、８０％～１００％、６０％～８０％、４０％～６０％、…の如く所要の範囲でもよく、あるいは所定の数値（８０％、６０％、４０％、…）でもよい。
図１２は推定部５４による劣化指標の推定例を示す図である。推定部５４は、選定された蓄電素子１１の履歴データ（例えば、ＳＯＣの時系列データ及び温度の時系列データなど）を入力データとして取得すると、蓄電素子１１の劣化値を推定（算出）する。図１２に示すように、ＳＯＣの時系列データは、時点ｔ１から時点ｔｎまでのＳＯＣ推移を示し、温度の時系列データは、時点ｔ１から時点ｔｎまでの温度推移を示す。
推定部５４は、時点ｔ１から時点ｔｎまでのＳＯＣ推移及び温度推移に基づいて、時点ｔ１から時点ｔｎまでのＳＯＨの低下（劣化値、劣化指標）を推定することができる。時点ｔ１でのＳＯＨ（健康度ともいう）をＳＯＨt1 とし、時点ｔｎでのＳＯＨをＳＯＨtn とすると、劣化値は（ＳＯＨt －ＳＯＨtn ）となる。すなわち、時点ｔ１でのＳＯＨが分かっていると、劣化値に基づいて時点ｔｎでのＳＯＨを求めることができる。
時点ｔ１でのＳＯＨは、車両１０のＢＭＳ１２が推定したＳＯＨを用いてもよい。具体的には、時点ｔ１は、サーバ５０による劣化推定対象である蓄電素子１１に対して、劣化推定を行ったＢＭＳ１２の複数の劣化推定のうち、当該ＢＭＳ１２が直近に行った劣化推定の時点でもよく、劣化推定の信頼度が比較的高いときの劣化推定の時点でもよい。ＢＭＳ１２が推定した劣化指標がある程度信頼できる時点を時点ｔ１とすればよい。
時点ｔ１から時点ｔｎまでの期間は、選定された蓄電素子１１の履歴データに応じて適宜決定すればよい。図１２の例では、温度推移を入力する構成であるが、温度の時系列データに代えて、所要温度（例えば、時点ｔ１から時点ｔｎまでの平均温度）を入力してもよい。
蓄電素子１１の劣化推定対象期間（例えば、時点ｔ１から時点ｔｎまで）経過後の劣化値Ｑｄｅｇは、Ｑｄｅｇ＝Ｑｃｎｄ＋Ｑｃｕｒという式で算出できる。Ｑｃｎｄは非通電劣化値であり、Ｑｃｕｒは通電劣化値である。非通電劣化値Ｑｃｎｄは、例えば、Ｑｃｎｄ＝Ｋ１×√（ｔ）で求めることができる。係数Ｋ１は、ＳＯＣ及び温度Ｔの関数である。ｔは経過時間であり、例えば、時点ｔ１から時点ｔｎまでの時間である。通電劣化値Ｑｃｕｒは、例えば、Ｑｃｕｒ＝Ｋ２×√（ｔ）で求めることができる。係数Ｋ２は、ＳＯＣ及び温度Ｔの関数である。時点ｔ１でのＳＯＨをＳＯＨt1とし、時点ｔｎでのＳＯＨをＳＯＨtn とすると、ＳＯＨtn＝ＳＯＨt1－ＱｄｅｇによりＳＯＨを推定することができる。係数Ｋ１は、劣化係数であり、ＳＯＣ及び温度Ｔと係数Ｋ１との対応関係を演算で求めてもよく、あるいはテーブル形式で記憶しておくことができる。ＳＯＣは、時系列データとすることができる。係数Ｋ２についても、係数Ｋ１と同様である。推定部５４は、ニューラルネットワークなどの機械学習を用いてもよい。推定部５４は、選定された蓄電素子１１の履歴データに応じて内部抵抗推定法や実容量推定法を用いて、劣化指標を推定してもよい。
図１３はサーバ５０の処理手順を示すフロー図である。サーバ５０は、車両１０から蓄電素子１１の劣化に関連する履歴データ、劣化推定データを取得する（Ｓ１１）。履歴データは、温度履歴、充放電履歴、ＳＯＣ履歴を含んでもよい。劣化推定データは、劣化の推定値（劣化指標）、推定値の信頼度を含んでもよい。
サーバ５０は、取得した履歴データと蓄電素子ＤＢ５６に記憶した履歴データとの類似度を算出し（Ｓ１２）、算出した類似度と蓄電素子ＤＢ５６に記憶した劣化推定データの信頼度に基づいて重み付けを算出する（Ｓ１３）。
サーバ５０は、算出した重み付けに基づいて、蓄電素子ＤＢ５６に記憶したＢＭＳ（蓄電素子１１）の中からＢＭＳ（蓄電素子１１）を選定し（Ｓ１４）、選定したＢＭＳ（蓄電素子１１）の履歴データに基づいて劣化推定データを算出する（Ｓ１５）。
サーバ５０は、算出した劣化推定データの信頼度が車両１０から取得した劣化推定データの信頼度より大きいか否かを判定し（Ｓ１６）、大きい場合（Ｓ１６でＹＥＳ）、算出した劣化推定データを車両１０へ送信し（Ｓ１７）、処理を終了する。算出した劣化推定データの信頼度が車両１０から取得した劣化推定データの信頼度より大きくない場合（Ｓ１６でＮＯ）、サーバ５０は、処理を終了する。
サーバ５０は、算出した劣化推定データや劣化推定データの推移傾向などに基づいて、各蓄電素子１１の将来の劣化推定を予測して、車両１０（ＢＭＳ１２）に送信してもよい。将来の劣化推定を予測することにより、車両１０に搭載された蓄電素子１１の寿命までの残余期間を予測することができ、蓄電素子１１が使用できなくなる前に蓄電素子１１の交換を行うことが可能となる。車両１０に複数の蓄電素子１１が搭載されている場合には、寿命に近づいている蓄電素子１１だけを新品と交換することができ、車両１０の蓄電素子全体としての寿命を延ばすことが可能となる。
実施の形態は、すべての点で例示であって制限的なものではない。本発明の範囲は、特許請求の範囲によって示され、特許請求の範囲と均等の意味及び範囲内でのすべての変更が含まれる。
１ 通信ネットワーク
１０ 車両
１１ 蓄電素子
１２ ＢＭＳ
２０ 路側装置
５０ サーバ
５１ 制御部
５２ 通信部
５３ 類似度算出部
５３ａ、５３ｂ 学習モデル
５４ 推定部
５５ 重み付け算出部
５６ 蓄電素子ＤＢ

Claims (10)

  1. 複数の蓄電素子それぞれの劣化に関連する履歴データを記憶する記憶部と、
    車両に搭載された蓄電素子の劣化に関連する履歴データを取得する取得部と、
    取得した履歴データと記憶した履歴データとの類似度を算出する類似度算出部と、
    取得した履歴データと類似する、記憶した履歴データに基づいて劣化指標を推定する推定部と、
    推定した劣化指標を前記車両へ送信する送信部と
    を備え、
    前記取得部は、
    車両に搭載された蓄電素子の劣化指標の信頼度を取得し、
    前記送信部は、
    前記推定部で推定した劣化指標の信頼度が、前記取得部で取得した信頼度よりも高い場合、推定した劣化指標を前記車両へ送信する、
    情報処理装置。
  2. 複数の蓄電素子それぞれの劣化に関連する履歴データを記憶する記憶部と、
    車両に搭載された蓄電素子の劣化に関連する履歴データを取得する取得部と、
    取得した履歴データと記憶した履歴データとの類似度を算出する類似度算出部と、
    取得した履歴データと類似する、記憶した履歴データに基づいて劣化指標を推定する推定部と、
    推定した劣化指標を前記車両へ送信する送信部と
    を備え、
    前記記憶部は、
    複数の蓄電素子それぞれの劣化指標の信頼度を記憶し、
    算出した類似度及び記憶した信頼度に基づいて重み付けを算出する重み付け算出部と、
    算出した重み付けに基づいて、前記複数の蓄電素子の中から蓄電素子を選定する選定部と
    を備え、
    前記推定部は、
    選定した蓄電素子の履歴データに基づいて劣化指標を推定する、
    情報処理装置。
  3. 複数の蓄電素子それぞれの劣化に関連する履歴データを記憶する記憶部と、
    車両に搭載された蓄電素子の劣化に関連する履歴データを取得する取得部と、
    取得した履歴データと記憶した履歴データとの類似度を算出する類似度算出部と、
    取得した履歴データと類似する、記憶した履歴データに基づいて劣化指標を推定する推定部と、
    推定した劣化指標を前記車両へ送信する送信部と
    を備え、
    前記記憶部は、
    複数の蓄電素子それぞれの使用地域に関連する位置データを記憶し、
    前記取得部は、
    前記車両の使用地域に関する位置データを取得し、
    前記類似度算出部は、
    取得した履歴データと、前記記憶部に記憶した複数の蓄電素子のうち車両に搭載された蓄電素子の使用地域の全部又は一部と同一の使用地域の蓄電素子の履歴データとの類似度を算出する、
    情報処理装置。
  4. 前記類似度算出部は、
    取得した履歴データと、前記記憶部に記憶した複数の蓄電素子のうち車両に搭載された蓄電素子と同一範囲の使用電圧の蓄電素子の履歴データとの類似度を算出する、
    請求項１から請求項３のいずれか一項に記載の情報処理装置。
  5. 前記類似度算出部は、
    取得した履歴データと、前記記憶部に記憶した複数の蓄電素子のうち車両に搭載された蓄電素子の活物質の全部又は一部と同一の活物質を有する蓄電素子の履歴データとの類似度を算出する、
    請求項１から請求項３のいずれか一項に記載の情報処理装置。
  6. 前記類似度算出部は、
    取得した履歴データと、前記記憶部に記憶した複数の蓄電素子のうち車両に搭載された蓄電素子と同一製造者の蓄電素子の履歴データとの類似度を算出する、
    請求項１から請求項３のいずれか一項に記載の情報処理装置。
  7. 前記推定部は、
    推定した劣化指標又は前記劣化指標の推移に基づいて蓄電素子の将来の劣化推定を予測し、
    前記送信部は、
    前記劣化推定の予測を前記車両に送信する、
    請求項１から請求項６のいずれか一項に記載の情報処理装置。
  8. 複数の蓄電素子それぞれの劣化に関連する履歴データを記憶部に記憶し、
    車両に搭載された蓄電素子の劣化に関連する履歴データを取得し、
    取得した履歴データと記憶した履歴データとの類似度を算出し、
    取得した履歴データと類似する、記憶した履歴データに基づいて劣化指標を推定し、
    推定した劣化指標を前記車両へ送信し、
    車両に搭載された蓄電素子の劣化指標の信頼度を取得し、
    推定した劣化指標の信頼度が、取得した信頼度よりも高い場合、推定した劣化指標を前記車両へ送信する、
    情報処理方法。
  9. 複数の蓄電素子それぞれの劣化に関連する履歴データを記憶部に記憶し、
    車両に搭載された蓄電素子の劣化に関連する履歴データを取得し、
    取得した履歴データと記憶した履歴データとの類似度を算出し、
    取得した履歴データと類似する、記憶した履歴データに基づいて劣化指標を推定し、
    推定した劣化指標を前記車両へ送信し、
    複数の蓄電素子それぞれの劣化指標の信頼度を記憶し、
    算出した類似度及び記憶した信頼度に基づいて重み付けを算出し、
    算出した重み付けに基づいて、前記複数の蓄電素子の中から蓄電素子を選定し、
    選定した蓄電素子の履歴データに基づいて劣化指標を推定する、
    情報処理方法。
  10. 複数の蓄電素子それぞれの劣化に関連する履歴データを記憶部に記憶し、
    車両に搭載された蓄電素子の劣化に関連する履歴データを取得し、
    取得した履歴データと記憶した履歴データとの類似度を算出し、
    取得した履歴データと類似する、記憶した履歴データに基づいて劣化指標を推定し、
    推定した劣化指標を前記車両へ送信し、
    複数の蓄電素子それぞれの使用地域に関連する位置データを記憶し、
    前記車両の使用地域に関する位置データを取得し、
    取得した履歴データと、前記記憶部に記憶した複数の蓄電素子のうち車両に搭載された蓄電素子の使用地域の全部又は一部と同一の使用地域の蓄電素子の履歴データとの類似度を算出する、
    情報処理方法。
JP2021155656A 2021-09-24 2021-09-24 情報処理装置及び情報処理方法 Active JP7722096B2 (ja)

Priority Applications (5)

Application Number Priority Date Filing Date Title
JP2021155656A JP7722096B2 (ja) 2021-09-24 2021-09-24 情報処理装置及び情報処理方法
PCT/JP2022/031643 WO2023047867A1 (ja) 2021-09-24 2022-08-23 情報処理装置及び情報処理方法
DE112022004577.9T DE112022004577T5 (de) 2021-09-24 2022-08-23 Informationsverarbeitungsgerät und Informationsverarbeitungsverfahren
CN202280063708.4A CN117980184A (zh) 2021-09-24 2022-08-23 信息处理装置以及信息处理方法
US18/689,201 US20250178479A1 (en) 2021-09-24 2022-08-23 Information processing apparatus and information processing method

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
JP2021155656A JP7722096B2 (ja) 2021-09-24 2021-09-24 情報処理装置及び情報処理方法

Publications (2)

Publication Number Publication Date
JP2023046847A JP2023046847A (ja) 2023-04-05
JP7722096B2 true JP7722096B2 (ja) 2025-08-13

Family

ID=85720514

Family Applications (1)

Application Number Title Priority Date Filing Date
JP2021155656A Active JP7722096B2 (ja) 2021-09-24 2021-09-24 情報処理装置及び情報処理方法

Country Status (5)

Country Link
US (1) US20250178479A1 (ja)
JP (1) JP7722096B2 (ja)
CN (1) CN117980184A (ja)
DE (1) DE112022004577T5 (ja)
WO (1) WO2023047867A1 (ja)

Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2011220900A (ja) 2010-04-12 2011-11-04 Honda Motor Co Ltd 電池劣化推定方法、電池容量推定方法、電池容量均等化方法、および電池劣化推定装置
WO2019181729A1 (ja) 2018-03-20 2019-09-26 株式会社Ｇｓユアサ 劣化推定装置、コンピュータプログラム及び劣化推定方法
WO2019203111A1 (ja) 2018-04-20 2019-10-24 株式会社Ｇｓユアサ 状態推定方法、及び状態推定装置
WO2020045033A1 (ja) 2018-08-28 2020-03-05 本田技研工業株式会社 提示装置、提示方法、及びプログラム
JP2021040476A (ja) 2019-09-04 2021-03-11 三星電子株式会社Samsung Electronics Co., Ltd. バッテリ充電装置及び方法
JP2021125392A (ja) 2020-02-06 2021-08-30 トヨタ自動車株式会社 バッテリ劣化判定装置、バッテリ劣化判定方法、及びバッテリ劣化判定プログラム

Family Cites Families (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2013142561A (ja) 2012-01-06 2013-07-22 Stanley Electric Co Ltd 車両用蓄電池の劣化推定装置及び劣化推定方法

Patent Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2011220900A (ja) 2010-04-12 2011-11-04 Honda Motor Co Ltd 電池劣化推定方法、電池容量推定方法、電池容量均等化方法、および電池劣化推定装置
WO2019181729A1 (ja) 2018-03-20 2019-09-26 株式会社Ｇｓユアサ 劣化推定装置、コンピュータプログラム及び劣化推定方法
WO2019203111A1 (ja) 2018-04-20 2019-10-24 株式会社Ｇｓユアサ 状態推定方法、及び状態推定装置
WO2020045033A1 (ja) 2018-08-28 2020-03-05 本田技研工業株式会社 提示装置、提示方法、及びプログラム
JP2021040476A (ja) 2019-09-04 2021-03-11 三星電子株式会社Samsung Electronics Co., Ltd. バッテリ充電装置及び方法
JP2021125392A (ja) 2020-02-06 2021-08-30 トヨタ自動車株式会社 バッテリ劣化判定装置、バッテリ劣化判定方法、及びバッテリ劣化判定プログラム

Also Published As

Publication number Publication date
WO2023047867A1 (ja) 2023-03-30
US20250178479A1 (en) 2025-06-05
JP2023046847A (ja) 2023-04-05
CN117980184A (zh) 2024-05-03
DE112022004577T5 (de) 2024-08-14

Similar Documents

Publication Publication Date Title
KR102760879B1 (ko) 전기차 충전 스테이션을 이용한 배터리 성능관리 시스템 및 방법
US12036890B2 (en) Method and system for predicting battery health with machine learning model
US12241942B2 (en) Method for estimating aging state of battery and apparatus for performing method therefor
CN110008235A (zh) 动力电池健康度评价方法、装置及系统
KR20250016424A (ko) 전기차 충전 스테이션을 이용한 배터리 성능관리 시스템 및 방법
JP5614456B2 (ja) 蓄電装置の診断装置、診断方法、および蓄電装置
US11460511B2 (en) Battery management system
JP5743367B2 (ja) バッテリー管理システムおよびバッテリー管理方法
EP4059769A1 (en) Cloud-device synergy-based battery management system, vehicle, and battery management method
EP3842816A1 (en) Soh estimation method of battery pack
US11835589B2 (en) Method and apparatus for machine-individual improvement of the lifetime of a battery in a battery-operated machine
JPWO2020085011A1 (ja) 電池制御装置
CN112020451A (zh) 用于确定涉及机动车电池的状态的参量的方法，计数器装置及机动车
CN110542866B (zh) 一种预估电池剩余电量参数的方法
JP7722096B2 (ja) 情報処理装置及び情報処理方法
JP7168336B2 (ja) 二次電池制御装置
JP7529458B2 (ja) リチウムイオン二次電池の劣化判定方法及びリチウムイオン二次電池の劣化判定装置
KR20200093228A (ko) Lfp 전지의 soc 산출 장치 및 방법
US12157392B2 (en) Battery control system, battery control method, battery control program, and vehicle
CN110687459B (zh) 一种soc预估方法
CN110579710A (zh) 一种soc预估装置
JP7413741B2 (ja) 蓄電池データ蓄積装置、コンピュータプログラム及び蓄電池データ蓄積方法
CN110618385A (zh) 一种soc预估装置
JP2024138794A (ja) 情報提供システム、情報提供装置、及び情報提供方法
CN120481647A (zh) 用于修正电池的可用容量的方法，电池管理系统和车辆

Legal Events

Date Code Title Description
A621 Written request for application examination

Free format text: JAPANESE INTERMEDIATE CODE: A621

Effective date: 20240527

A131 Notification of reasons for refusal

Free format text: JAPANESE INTERMEDIATE CODE: A131

Effective date: 20250107

A521 Request for written amendment filed

Free format text: JAPANESE INTERMEDIATE CODE: A523

Effective date: 20250303

TRDD Decision of grant or rejection written
A01 Written decision to grant a patent or to grant a registration (utility model)

Free format text: JAPANESE INTERMEDIATE CODE: A01

Effective date: 20250701

A61 First payment of annual fees (during grant procedure)

Free format text: JAPANESE INTERMEDIATE CODE: A61

Effective date: 20250714

R150 Certificate of patent or registration of utility model

Ref document number: 7722096

Country of ref document: JP

Free format text: JAPANESE INTERMEDIATE CODE: R150