WO2020137838A1 - データ処理装置、データ処理方法、及びコンピュータプログラム - Google Patents

データ処理装置、データ処理方法、及びコンピュータプログラム Download PDF

Info

Publication number
WO2020137838A1
WO2020137838A1 PCT/JP2019/049972 JP2019049972W WO2020137838A1 WO 2020137838 A1 WO2020137838 A1 WO 2020137838A1 JP 2019049972 W JP2019049972 W JP 2019049972W WO 2020137838 A1 WO2020137838 A1 WO 2020137838A1
Authority
WO
WIPO (PCT)
Prior art keywords
measurement data
storage element
power storage
data
different
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.)
Ceased
Application number
PCT/JP2019/049972
Other languages
English (en)
French (fr)
Inventor
勇 栗澤
富勝 内堀
佳代 山▲崎▼
松島　均
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 US17/418,520 priority Critical patent/US12013439B2/en
Priority to EP19902484.5A priority patent/EP3905420B1/en
Priority to CN201980086917.9A priority patent/CN113228378A/zh
Publication of WO2020137838A1 publication Critical patent/WO2020137838A1/ja
Anticipated expiration legal-status Critical
Ceased legal-status Critical Current

Links

Images

Classifications

    • 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
    • H02J7/82—Control of state of charge [SOC]
    • 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]
    • G01R31/396—Acquisition or processing of data for testing or for monitoring individual cells or groups of cells within a battery
    • G—PHYSICS
    • G06—COMPUTING OR CALCULATING; COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N20/00—Machine learning
    • G—PHYSICS
    • G06—COMPUTING OR CALCULATING; COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N3/00—Computing arrangements based on biological models
    • G06N3/02—Neural networks
    • G06N3/04—Architecture, e.g. interconnection topology
    • G06N3/044—Recurrent networks, e.g. Hopfield networks
    • G—PHYSICS
    • G06—COMPUTING OR CALCULATING; COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N3/00—Computing arrangements based on biological models
    • G06N3/02—Neural networks
    • G06N3/04—Architecture, e.g. interconnection topology
    • G06N3/044—Recurrent networks, e.g. Hopfield networks
    • G06N3/0442—Recurrent networks, e.g. Hopfield networks characterised by memory or gating, e.g. long short-term memory [LSTM] or gated recurrent units [GRU]
    • G—PHYSICS
    • G06—COMPUTING OR CALCULATING; COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N3/00—Computing arrangements based on biological models
    • G06N3/02—Neural networks
    • G06N3/04—Architecture, e.g. interconnection topology
    • G06N3/045—Combinations of networks
    • G—PHYSICS
    • G06—COMPUTING OR CALCULATING; COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N3/00—Computing arrangements based on biological models
    • G06N3/02—Neural networks
    • G06N3/04—Architecture, e.g. interconnection topology
    • G06N3/0464—Convolutional networks [CNN, ConvNet]
    • G—PHYSICS
    • G06—COMPUTING OR CALCULATING; COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N3/00—Computing arrangements based on biological models
    • G06N3/02—Neural networks
    • G06N3/08—Learning methods
    • G—PHYSICS
    • G06—COMPUTING OR CALCULATING; COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N3/00—Computing arrangements based on biological models
    • G06N3/02—Neural networks
    • G06N3/08—Learning methods
    • G06N3/09—Supervised learning
    • 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
    • H01M10/425—Structural combination with electronic components, e.g. electronic circuits integrated to the outside of the casing
    • 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
    • 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
    • H02J2103/00—Details of circuit arrangements for mains or AC distribution networks
    • H02J2103/30—Simulating, planning, modelling, reliability check or computer assisted design [CAD] of electric power networks
    • 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
    • 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
    • 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
    • Y04—INFORMATION OR COMMUNICATION TECHNOLOGIES HAVING AN IMPACT ON OTHER TECHNOLOGY AREAS
    • Y04S—SYSTEMS INTEGRATING TECHNOLOGIES RELATED TO POWER NETWORK OPERATION, COMMUNICATION OR INFORMATION TECHNOLOGIES FOR IMPROVING THE ELECTRICAL POWER GENERATION, TRANSMISSION, DISTRIBUTION, MANAGEMENT OR USAGE, i.e. SMART GRIDS
    • Y04S40/00—Systems for electrical power generation, transmission, distribution or end-user application management characterised by the use of communication or information technologies, or communication or information technology specific aspects supporting them
    • Y04S40/20—Information technology specific aspects, e.g. CAD, simulation, modelling, system security

Definitions

  • the present invention relates to a data processing device, a data processing method, and a computer program that perform an operation using measurement data regarding a storage element group.
  • Energy storage devices are widely used in uninterruptible power supplies, DC or AC power supplies included in stabilized power supplies, etc. Moreover, the use of power storage elements in large-scale systems for storing renewable energy or electric power generated by existing power generation systems is expanding.
  • the method of state diagnosis, estimation, or life prediction of the storage element as described above is established based on the storage element model assumed at the time of manufacturing.
  • each storage element has properties of materials, manufacturing variations, and the like, and causes heterogeneity that deviates from the characteristics of the storage element model depending on the passage of time or the usage environment. For example, even a storage element that has the same characteristics as other storage elements at the time of manufacture may be a storage element that has a significantly longer life or a shorter life than the assumed model. is there.
  • the power storage element has a property that the full charge capacity decreases as the charge and discharge are repeated.
  • the degree of this heterogeneity is shown by a quantitative scale by a judgment model, and is called the degree of heterogeneity.
  • An object of the present invention is to provide a data processing device, a data processing method, and a computer program that improve the accuracy of diagnosis, estimation, and prediction regarding the storage element based on the measurement data regarding the storage element.
  • the data processing device is a data processing device that processes measurement data for a power storage element, and measurement data measured for each power storage element or for each power storage element group obtained by grouping a plurality of the power storage elements is input.
  • a storage unit that stores a determination model learned so as to output a score corresponding to whether or not the measurement data includes measurement data of a different storage element, and the acquired measurement data is used as the determination model.
  • a specifying unit that specifies measurement data of a different power storage element based on the score input and output to.
  • the data processing device is a data processing device that processes measurement data for a power storage element, and measurement data measured for each power storage element or for each power storage element group obtained by grouping a plurality of the power storage elements is input.
  • a storage unit that stores a determination model learned so as to output a score corresponding to whether or not the measurement data includes measurement data of a different storage element, and the acquired measurement data is used as the determination model.
  • a specifying unit that specifies measurement data of a different power storage element based on the score input and output to.
  • the process using the remaining measurement data is, for example, a process of condition diagnosis including the presence/absence of abnormality of the power storage element, deterioration state estimation, or life prediction process.
  • a process of condition diagnosis including the presence/absence of abnormality of the power storage element including the presence/absence of abnormality of the power storage element, deterioration state estimation, or life prediction process.
  • the judgment model used to specify the measurement data of different power storage elements is learned for each attribute of the measurement data, for example, for each type of data related to the power storage element model assumed at the time of manufacture such as voltage, current or temperature. Different attributes such as new, long life, short life, and other properties may affect the measurement data of different attributes. By making the determination, it is possible to accurately determine the foreign substance.
  • the determination of whether or not the measurement data of a different storage element with respect to the time distribution of the output of the determination model is included may be performed based on the operator's determination until the data is sufficiently collected.
  • the time distribution pattern may be analyzed in advance, and it may be accurately determined whether or not the measurement data of a different power storage element is included depending on which pattern is applied.
  • the determination may be performed using a classifier model that inputs an image obtained by imaging a pattern of time distribution and outputs whether or not the measurement data of different power storage elements is included.
  • the judgment model conforms to the characteristics of the actual storage device by re-learning using the remaining measurement data other than the measurement data identified as being heterogeneous.
  • the judgment model may be relearned when the measurement data that is identified as being heterogeneous exceeds a predetermined ratio of the whole. For a storage element whose capacity and the like change with the passage of time, it is possible to change the judgment model together with time.
  • the data processing method is a data processing method for processing measurement data for a power storage element, and the measurement data measured for each power storage element or for each power storage element group obtained by grouping a plurality of the power storage elements is input.
  • the judgment model learned to output a score corresponding to whether or not the measurement data includes the measurement data of a heterogeneous storage element, input the acquired measurement data to the judgment model.
  • Measurement data of a different power storage element is specified based on the output score.
  • the computer program when the measurement data measured for each storage element or for each storage element group in which a plurality of storage elements are grouped is input to the computer, the measurement data of the storage element that is different from the measurement data. Using a judgment model learned to output a score corresponding to whether or not, the obtained measurement data is input to the judgment model and the measurement data of a heterogeneous storage element based on the output score To execute the process for specifying.
  • FIG. 1 is a diagram showing an outline of the remote monitoring system 100.
  • the remote monitoring system 100 enables remote access to information regarding the storage element groups included in the mega solar power generation system S, the thermal power generation system F, and the wind power generation system W.
  • a power conditioner (PCS: Power Conditioning System) P and a power storage system 101 are installed in parallel with the mega solar power generation system S, the thermal power generation system F, and the wind power generation system W.
  • the power storage system 101 is configured by arranging a plurality of containers C containing the power storage module group L side by side.
  • the power storage module group L includes a plurality of power storage elements.
  • the power storage element is preferably a rechargeable battery such as a secondary battery such as a lead storage battery or a lithium ion battery or a capacitor. Part of the power storage element may be a non-rechargeable primary battery.
  • the communication device 1 (see FIGS. 2 and 3) is mounted/connected to each of the power storage system 101 or the device (P and management device M described later) in the power generation systems S, F, and W to be monitored. To be done.
  • the remote monitoring system 100 is a communication medium between a communication device 1, a server device 2 (data processing device) that collects information from the communication device 1, a client device 3 for browsing the collected information, and a device. And network N.
  • the communication device 1 may be a terminal device (measurement monitor) that communicates with a battery management device (BMU: Battery Management Unit) provided in the power storage element to receive information on the power storage element, or ECHONET/ECHONET Lite (registered trademark). It may be a corresponding controller.
  • the communication device 1 may be an independent device, or may be a network card type device that can be mounted on the power conditioner P or the power storage module group L.
  • the communication device 1 is provided for each group of a plurality of power storage modules in order to acquire information on the power storage module group L in the power storage system 101.
  • a plurality of power conditioners P are connected so that serial communication is possible, and the communication device 1 is connected to a control unit of any one of the representative power conditioners P.
  • the server device 2 includes a Web server function, and presents information obtained from the communication device 1 mounted/connected to each device to be monitored according to access from the client device 3.
  • the network N includes a public communication network N1 which is the so-called Internet and a carrier network N2 which realizes wireless communication according to a predetermined mobile communication standard.
  • the public communication network N1 includes a general optical line, and the network N includes a dedicated line to which the server device 2 is connected.
  • the network N may include an ECHONET/ECHONET Lite compatible network.
  • the carrier network N2 includes a base station BS, and the client device 3 can communicate with the server device 2 via the network N from the base station BS.
  • An access point AP is connected to the public communication network N1, and the client device 3 can transmit/receive information to/from the server device 2 from the access point AP via the network N.
  • the power storage module group L of the power storage system 101 has a hierarchical structure.
  • the communication device 1 that transmits the information of the power storage element to the server device 2 acquires the information of the power storage module group from the management device M provided in the power storage module group L.
  • FIG. 2 is a diagram showing an example of a hierarchical structure of the power storage module group L and a connection form of the communication device 1.
  • the power storage module group L is, for example, a power storage module (also referred to as a module) in which a plurality of power storage elements (also referred to as power storage cells or cells; a plurality of electrode bodies (elements) may be present in the power storage element) are connected in series.
  • a bank in which a plurality of power storage modules are connected in series and a domain in which a plurality of banks are connected in parallel are configured.
  • the management device M is provided for each of the banks with the numbers (#) 1-N and for each domain in which the banks are connected in parallel.
  • the management device M provided for each bank communicates by serial communication with a control board (CMU: Cell Monitoring Unit) with a communication function, which is built into each power storage module, and performs measurement on the power storage cells inside the power storage module. Acquire data (voltage, current, temperature, etc.).
  • the bank management device M performs balance adjustment for each bank based on the acquired measurement data for each power storage cell, and executes management processing such as detection of an abnormality in the communication state.
  • the management device M of each bank transmits the measurement data obtained from the power storage module of each bank to the management device M provided for each domain.
  • the management device M of the bank transmits the balance adjustment status of the power storage module to the management device M of the domain, and notifies the management device M of the domain when an abnormality is detected.
  • the management device M of the domain collects the measurement data, the detected abnormality, and other information obtained from the management device M of the bank belonging to the domain.
  • the communication device 1 is connected to the domain-based management apparatus M.
  • the domain management device M and the bank management device M may be the same (management device M integrated into one).
  • the communication device 1 includes a control unit 10, a storage unit 11, a first communication unit 12, and a second communication unit 13.
  • the control unit 10 is a processor that uses a CPU (Central Processing Unit), and controls each component using a memory such as a built-in ROM (Read Only Memory) and RAM (Random Access Memory) to execute processing.
  • CPU Central Processing Unit
  • RAM Random Access Memory
  • the storage unit 11 uses a nonvolatile memory such as a flash memory.
  • the storage unit 11 stores a device program read and executed by the control unit 10.
  • the device program 1P includes a communication program conforming to SSH (Secure Shell), SNMP (Simple Network Management Protocol) and the like.
  • the storage unit 11 stores information such as information collected by the processing of the control unit 10 and an event log.
  • the information stored in the storage unit 11 can also be read out via a communication interface such as a USB whose terminals are exposed in the housing of the communication device 1.
  • the first communication unit 12 is a communication interface that realizes communication with the monitoring target device to which the communication device 1 is connected.
  • the first communication unit 12 uses, for example, a serial communication interface such as RS-232C or RS-485.
  • the power conditioner P includes a control unit having a serial communication function based on RS-485, and the first communication unit 12 communicates with the control unit.
  • the control boards provided in the power storage module group L are connected by a CAN (Controller Area Network) bus and communication between the control boards is realized by CAN communication
  • the first communication unit 12 is a communication interface based on the CAN protocol. ..
  • the first communication unit 12 may be a communication interface compatible with the ECHONET/ECHONET Lite standard.
  • the second communication unit 13 is an interface that realizes communication via the network N, and uses a communication interface such as Ethernet (registered trademark) or a wireless communication antenna.
  • the control unit 10 can be communicatively connected to the server device 2 via the second communication unit 13.
  • the second communication unit 13 may be a communication interface compatible with the ECHONET/ECHONET Lite standard.
  • the control unit 10 acquires, via the first communication unit 12, the measurement data for the power storage element obtained by the device to which the communication device 1 is connected.
  • the control unit 10 functions as an SNMP agent by reading and executing the SNMP program, and can also respond to the information request from the server device 2.
  • the client device 3 is a computer used by an operator such as a manager or a person in charge of maintenance of the power storage system 101 of the power generation systems S, F, and W.
  • the client device 3 may be a desktop or laptop personal computer, or a so-called smartphone or tablet communication terminal.
  • the client device 3 includes a control unit 30, a storage unit 31, a communication unit 32, a display unit 33, and an operation unit 34.
  • the control unit 30 is a processor using a CPU.
  • the control unit 30 causes the display unit 33 to display the Web page provided by the server device 2 or the communication device 1 based on the client program 3P including the Web browser stored in the storage unit 31.
  • the storage unit 31 uses a non-volatile memory such as a hard disk or a flash memory.
  • Various programs including the client program 3P are stored in the storage unit 31.
  • the client program 3P may be a copy of the client program 6P stored in the recording medium 6 and read in the storage unit 31.
  • the communication unit 32 uses a communication device such as a network card for wired communication, a wireless communication device for mobile communication connected to the base station BS (see FIG. 1), or a wireless communication device compatible with connection to the access point AP. ..
  • the control unit 30 can perform communication connection or information transmission/reception with the server device 2 or the communication device 1 via the network N by the communication unit 32.
  • the display unit 33 uses a display such as a liquid crystal display or an organic EL (Electro Luminescence) display.
  • the display unit 33 displays the image of the Web page provided by the server device 2 or the communication device 1 by the process based on the client program 3P of the control unit 30.
  • the display unit 33 is preferably a display with a built-in touch panel, but may be a display without a built-in touch panel.
  • the operation unit 34 is a user interface such as a keyboard and pointing device capable of inputting/outputting with the control unit 30 or a voice input unit.
  • the operation unit 34 may use the touch panel of the display unit 33 or a physical button provided on the housing.
  • the operation unit 34 notifies the control unit 30 of operation information by the user.
  • the server device 2 uses a server computer and includes a control unit 20, a storage unit 21, and a communication unit 22.
  • the server device 2 is described as one server computer, but the processing may be distributed among a plurality of server computers.
  • the control unit 20 is a processor that uses a CPU or a GPU (Graphics Processing Unit), uses a built-in memory such as ROM and RAM, and controls each component to execute processing.
  • the control unit 20 executes communication and information processing based on the server program 21P stored in the storage unit 21.
  • the server program 21P includes a Web server program, and the control unit 20 functions as a Web server that provides a Web page to the client device 3.
  • the control unit 20 collects information from the communication device 1 as an SNMP server based on the server program 21P.
  • the control unit 20 executes data processing on the measurement data collected based on the data processing program 22P stored in the storage unit 21.
  • the storage unit 21 uses a non-volatile memory such as a hard disk or a flash memory.
  • the storage unit 21 stores the server program 21P and the data processing program 22P described above.
  • the storage unit 21 stores the determination model 2M used in the processing based on the data processing program 22P.
  • the storage unit 21 stores the measurement data of the power conditioner P and the power storage module group L of the power storage system 101, which is a monitoring target, collected by the process of the control unit 20.
  • the server program 21P, the data processing program 22P, and the determination model 2M stored in the storage unit 21 read the server program 51P, the data processing program 52P, and the determination model 5M stored in the recording medium 5 and copy them to the storage unit 21. It may be the one.
  • the communication unit 22 is a communication device that realizes communication connection and information transmission/reception via the network N.
  • the communication unit 22 is a network card compatible with the network N.
  • the communication device 1 acquires from the management apparatus M after the previous timing every time the communication device 1 has a predetermined timing (for example, a constant cycle or a data amount satisfies a predetermined condition).
  • the stored measurement data for each power storage cell and other information are transmitted to the server device 2.
  • the communication device 1 transmits the measurement data in association with the storage cell identification information (number).
  • the communication device 1 may transmit all sampling data obtained via the management apparatus M, may transmit measurement data thinned out at a predetermined ratio, or may transmit an average value.
  • the server device 2 acquires the information including the measurement data from the communication device 1, and associates the acquired measurement data with the acquisition time information and the information for identifying the device (M, P) from which the information is acquired.
  • a predetermined timing for example, a constant cycle or a data amount satisfies a predetermined condition.
  • the server device 2 can present the latest data out of the stored measurement data for each power storage cell of the power storage system 101 according to the access from the client device 3.
  • the server device 2 can also use the measurement data for each power storage cell and present the state for each bank or domain for each power storage module.
  • the server device 2 uses the measurement data to perform abnormality diagnosis of the power storage system 101, health check, estimation of SOC of the power storage module, SOH (State of Health), etc., or life prediction, It is possible to present the implementation results.
  • the server device 2 When performing the above-described diagnosis, estimation, or prediction process, the server device 2 according to the present disclosure specifies, from the measurement data of the storage cell, the measurement data of a different storage cell based on the data processing program 22P and the determination model 2M. .. The server device 2 performs diagnosis, estimation, or prediction for each power storage module, bank, or domain using other measurement data other than the specified measurement data.
  • FIG. 5 is a flowchart showing an example of a data processing procedure by the server device 2.
  • the control unit 20 of the server device 2 periodically executes the processing procedure described below for each target storage element group.
  • the execution cycle is longer than the cycle in which the measurement data is transmitted from the communication device 1.
  • a target power storage element group is a bank connecting a plurality of modules, a domain including a plurality of banks in parallel, and a power storage system 101 including a plurality of domains.
  • the large-scale power storage system 101 includes 10 banks in each of 8 domains, in which 12 modules each including 12 power storage cells are connected in series. In this case, the number of storage cells is about 12000.
  • the control unit 20 reads out the measurement data group stored in association with the time information for each of the power storage cells included in the power storage system 101 to be processed (step S1), and a different power storage cell from the read measurement data group.
  • the measurement data of is specified (step S2).
  • the control unit 20 excludes the specified measurement data from the read measurement data group (step S3), and uses the remaining measurement data group to execute the estimation process of the deterioration state (SOH) of the entire power storage system 101 ( Step S4).
  • the control unit 20 stores the result of the estimation process of step S4 in the storage unit 21 in association with the time information when the latest data in the measurement data group is acquired and the information that identifies the power storage system 101 (step S5). The process ends.
  • the deterioration state estimation process is performed based on the data excluding the measurement data of different power storage cells.
  • a large-scale power storage system 101 including a plurality of domains in which banks in which a large number of power storage cells are connected in series are connected in parallel, measurement data of a different power storage cell is excluded from a group of power storage cells to obtain an assumed model.
  • the accuracy of the processing result is improved by performing the estimation process of the deterioration state of the electricity storage cell group having a regular life.
  • FIG. 6 is a flowchart showing an example of processing for identifying a different power storage cell.
  • the flowchart of FIG. 6 corresponds to the details of step S2 in the flowchart of FIG. That is, the processing procedure shown in the flowchart of FIG. 6 is repeatedly executed periodically.
  • the control unit 20 specifies by determining whether or not the power storage cell group includes a different power storage cell for each power storage cell group including the different power storage cells.
  • control unit 20 selects one storage cell group (step S201).
  • control unit 20 selects a storage cell group in module units, that is, module identification information.
  • the control unit 20 selects the attribute of the target measurement data (step S202).
  • the attribute is the type of measurement data such as voltage, current, and temperature.
  • the attribute is not limited to this, and may be other data that can be measured for each storage cell or module.
  • the control unit 20 obtains the latest measurement data of the attribute selected in step S202 for each of the plurality of storage cells included in the storage cell group selected in step S201 (step S203).
  • the measurement data acquired in step S203 may be acquired by thinning out the measurement data read out in step S1 of FIG. 5 at intervals of time according to the length of a predetermined past period described later.
  • the measurement data acquired in step S203 is input to the judgment model 2M for each attribute (step S204), and the heterogeneity output from the judgment model 2M is specified (step S205).
  • the control unit 20 stores the heterogeneity specified in step S205 in the storage unit 21 in association with the information for identifying the storage cell group selected in step S201 and the time information of the acquired measurement data (step S206).
  • the control unit 20 reads out the degree of heterogeneity in the past predetermined period stored in the storage unit 21 for the power storage cell group selected in step S201 (step S207).
  • the control unit 20 creates a time distribution of the heterogeneity in the past predetermined period (step S208).
  • the control unit 20 determines that the storage cell group selected in step S201 is heterogeneous based on the value of the degree of heterogeneity read in step S207, the time distribution created in step S208, and/or the measurement data of the selected storage cell group. It is determined whether or not the storage cell is included (step S209).
  • the control unit 20 specifies that the measurement data of the storage cell group selected in step S201 is the measurement data of the different storage cell ( Step S210).
  • the control unit 20 determines whether or not all the storage cell groups have been selected in step S201 (step S211), and when it is determined that all have selected (S211: YES), the process proceeds to step S3 in the flowchart of FIG. Return to.
  • step S209 When it is determined in step S209 that the power storage cell does not include a different power storage cell (S209: NO), the control unit 20 determines that the data is not the measurement data of the different power storage cell (step S212), and the process proceeds to step S211.
  • step S211 If it is determined in step S211 that all the storage cell groups have not been selected (S211: NO), the control unit 20 returns the process to step S201 and selects the next storage cell group (S201).
  • control unit 20 determines whether or not the different storage cells are included in the module unit in which the storage cells are connected in series.
  • the unit of the storage cell group to be determined may be determined according to the design of the determination model 2M.
  • the determination may be made on a bank-by-bank basis or on an individual storage cell basis.
  • FIG. 7 is a schematic diagram of an example of the determination model 2M.
  • the determination model 2M is a classifier that uses a convolutional neural network to classify a storage cell group including standard storage cells that are not different from each other and a storage cell group including other storage cells that are different from each other.
  • the determination model 2M includes an input layer 201 that inputs the voltage value of each storage cell of the selected storage cell group, and an output layer 202 that outputs a score related to the heterogeneity based on the input voltage value.
  • an intermediate layer 203 including a convolutional layer or a pooling layer.
  • the determination model 2M is a neural network of teacher data including measurement data with a label (for example, “0”) that is a standard storage cell that is not foreign and measurement data with a foreign label (for example, “1”). It is given to and learned for each attribute of measurement data. In the example of FIG. 7, the attribute of the voltage value measured in each storage cell is learned.
  • the determination model 2M outputs, from the output layer 202, a heterogeneity score (a numerical value between 0 and 1) classified as heterogeneous with respect to the given measurement data.
  • the judgment model 2M is not limited to a classifier, but may be a convolutional neural network that outputs a feature amount.
  • the determination model 2M may be configured by a network using a recurrent neural network that inputs time series data of measurement data of the same power storage cell and outputs a feature amount, an LSTM (Long Short-term Memory), or the like.
  • the teacher data of the determination model 2M is not only attribute-based but also the environment of the power storage system 101 to be measured data, the type of the power generation system connected to the power storage system 101, or the load of the output destination from the power storage system 101 in advance. May be sorted according to the type.
  • the judgment model 2M is classified into a plurality of different judgment models 2Ma, judgment models 2Mb,... Based on the separated teacher data, and the model is selected according to the type of the storage cell to be judged.
  • the control unit 20 may re-learn the determination model 2M again with the measurement data group excluding the heterogeneous measurement data identified by the processing procedure shown in the flowchart of FIG.
  • the control unit 20 causes the ratio of the heterogeneous measurement data specified by the processing procedure shown in the flowchart of FIG. 6 to the measurement data of all the storage cell groups to exceed a predetermined ratio (for example, 20%). In this case, it is advisable to re-learn the determination model 2M assuming that all the measurement data are the measurement data of the electricity storage cell group that does not include a different electricity storage cell.
  • the determination model 2M changes over time as the entire power storage system 101 including the storage cell group changes over time, erroneous determinations can be avoided, and appropriate determination can be made for the appearance of different and different power storage cells that appear over time. Be expected.
  • the determination model 2M may be stored in another non-volatile storage medium according to the number of years, such as 1 year, 2 years, and applied to the change over time of another power storage system 101. Good.
  • the determination model 2M uses the average, standard deviation, median, etc. of the measurement data to statistically determine whether or not the measurement data that is an outlier is included and the outlier degree when it is included. It may be a model to be calculated. In another example, the determination model 2M may be a model that obtains a trend from time-series data of measurement data and outputs a score indicating the degree of heterogeneity based on the difference in the trend. In another example, the determination model 2M uses a k-nearest neighbor algorithm, and the control unit 20 classifies the target measurement data into a non-heterogeneous class previously learned based on teacher data and a heterogeneous class. It may be determined to which of the above.
  • the determination model 2M may use the k-means method or the EM method, and the control unit 20 may perform clustering determination based on the determination model 2M (determination program).
  • the judgment model 2M (judgment program) uses PCA (Principal Component Analysis; principal component analysis), and the control unit 20 contracts the target measurement data and judges whether or not it is heterogeneous. May be.
  • step S209 determination of whether or not a different power storage cell is included based on the value of the degree of heterogeneity, the time distribution, and/or the measurement data of the selected power storage cell group in step S209. The procedure will be described in detail.
  • control unit 20 graphs and outputs the time distribution of the degree of heterogeneity created for each selected storage cell group, and accepts the operator's determination as to whether or not a different storage cell is included.
  • FIG. 8 is a flowchart showing a procedure of determining whether or not the storage cell is included in the first example.
  • control unit 20 of the server device 2 Each time the control unit 20 of the server device 2 creates a time distribution for each storage cell group (module) in step S208, the control unit 20 stores the time distribution in association with the time information in the storage unit 21 (step S181). After determining that all the storage cell groups have been selected in step S211, the control unit 20 reads the time distribution of all the storage cell groups stored in the storage unit 21 (step S182).
  • the control unit 20 sorts the read time distributions of the respective storage cell groups in descending order of the maximum value or average value of the heterogeneity (step S183).
  • the control unit 20 sequentially graphs the sorted time distribution of each storage cell group, that is, the distribution of the degree of heterogeneity over time, and displays screen data including a selection reception screen as to whether or not a different storage cell is included for each. It is created (step S184) and notified to the operator (step S185).
  • the screen created in step S184 includes measurement data (voltage value, current value, temperature value) data for each storage cell group.
  • the time distribution of the electricity storage cell group in which the maximum value or the average value of the heterogeneity is less than the predetermined value and the possibility of including the different electricity storage cells is low. It need not be included.
  • a storage cell group having a maximum or average heterogeneity value less than a predetermined value is determined not to include a different storage cell.
  • the control unit 30 of the client device 3 requests the server device 2 for the screen data (step S311). ..
  • the control unit 20 of the server device 2 receives the request (step S186), and transmits the screen data created in step S184 to the client device 3 in response to the request (step S187).
  • the control unit 20 transmits the screen data of the time distribution of the heterogeneity created based on the latest measurement data.
  • the control unit 20 may transmit the screen data of the time distributions created up to that point in time.
  • the control unit 30 receives the data on the screen (step S312), draws a graph of the time distribution of the degree of heterogeneity for each power storage cell group (module) based on the received data, and selects it. It outputs to the display part 33 with a reception screen (step S313).
  • the operator visually confirms the graph of the time distribution of the heterogeneity of the storage cell groups sorted in the descending order of the maximum value or the average value of the heterogeneity on the display unit 33, and analyzes the measurement data displayed together on the screen. Therefore, it is determined whether or not a foreign cell is included.
  • the operator reflects the result of the determination as to whether or not a different power storage cell is included on the selection acceptance screen.
  • the control unit 30 accepts a selection for each storage cell group of whether or not the operator includes different storage cells on the selection acceptance screen (step S314), and transmits the accepted selection data to the server device 2 (step S315). ).
  • the control unit 20 of the server device 2 receives the selection data (step S188), and identifies whether or not a different storage cell is included for each storage cell group based on the operator's selection indicated by the data (step S189). ), the processing ends.
  • control unit 20 may specify that the storage cell group for which it is not selected whether or not to include a different storage cell does not include a different storage cell.
  • FIG. 9 is an example of a screen including a graph of time distribution of heterogeneity.
  • the time distribution of the degree of heterogeneity for each storage cell group (module) is displayed in the sorted order on the display unit 33 of the client device 3 used by the operator.
  • a radio control 331 that allows the operator to select whether to include a different power storage cell is displayed beside the graph.
  • the control unit 30 of the client device 3 accepts the selection by each radio control 331 (S314), and accepts the selection.
  • the selected data is transmitted to the server device 2.
  • the control unit 20 determines whether or not a heterogeneous storage cell is included by analyzing the created time distribution pattern of the heterogeneity. Referring to the time distribution of the heterogeneity shown in FIG. 9, pattern A of module #11 in which the heterogeneity simply increases and exceeds a predetermined value, and module #11 in which the heterogeneity exceeds a predetermined value but decreases There is a pattern B of 5 and a pattern C of the module #6 in which the degree of heterogeneity decreases after exceeding a predetermined value but simply increases again.
  • the degree of heterogeneity exceeds a predetermined value, but it gradually becomes balanced and familiar with the surrounding power storage cells, and it is determined that it does not include a different power storage cell to be excluded. Since it cannot be determined at this time whether the pattern C becomes the pattern A or the pattern B after a lapse of time, it is determined that only the pattern A is the time distribution of the heterogeneity of the storage cell group including the storage cells that are different from each other. To do.
  • FIG. 10 is a flowchart showing a procedure for determining whether or not the storage cell in the second example is included.
  • the processing procedure shown in the flowchart of FIG. 10 is a detailed description of the processing of step S209 in the flowchart of FIG.
  • the same steps as those in the flowchart of FIG. 6 are designated by the same step numbers, and detailed description thereof will be omitted.
  • the control unit 20 of the server device 2 determines whether the ascending/descending pattern of the heterogeneity in the time distribution created in step S208 is the pattern A, the pattern B, or the pattern C that has been classified in advance (step S281). ..
  • the control unit 20 determines whether or not the pattern A is determined in step S281 (step S282), and when it is determined that the pattern A is not determined (S282: NO), the process proceeds to step 212.
  • step S281 the control unit 20 determines that the maximum value or the average value of the past heterogeneity read in step S207 is the first predetermined value or more, Moreover, it is determined whether or not the differential value (change with time) of the heterogeneity in the pattern A is equal to or larger than the second predetermined value (step S283).
  • step S283 When it is determined in step S283 that the maximum value or the average value of the heterogeneity is equal to or larger than the first predetermined value and the differential value of the heterogeneity in the pattern A is equal to or larger than the second predetermined value (S283: YES).
  • the control unit 20 advances the process to step S210.
  • step S283 When it is determined that the maximum value or the average value is less than the first predetermined value or the differential value of the heterogeneity is less than the second predetermined value in step S283 (S283: NO), the control unit 20 , The process proceeds to step S212.
  • the control unit 20 images the created time distribution of the degree of heterogeneity, and determines whether or not a heterogeneous power storage cell is included using an image determination model that is a classifier that uses a neural network for the image.
  • FIG. 11 is a schematic diagram of the image determination model 22M based on the imaged time distribution.
  • the image determination model 22M is a neural network that includes an intermediate layer that includes a convolutional layer or a pooling layer that extracts a feature amount.
  • the image determination model 22M is a storage cell that is different from the measured data related to the time distribution.
  • the accuracy (score) including the measurement data is output.
  • the image determination model 22M may be stored in the storage unit 21 of the server device 2 together with the determination model 2M. As shown in FIG. 11, the image determination model 22M is learned by teacher data that is a pair of an image of the time distribution and a result determined by the operator.
  • the image determination model 22M may be learned as a model for determining the heterogeneity of different power storage cells when teacher data can be collected. For example, a model that determines which of the pattern A, the pattern B, and the pattern C in FIG. 11 may be used.
  • the control unit 20 may determine the heterogeneity based on the value of the degree of heterogeneity used in the determination of step S209, the time distribution created in step S208, and/or the measurement data of the selected power storage cell group. ..
  • the control unit 20 may specify the degree of heterogeneity, that is, how much it deviates from a standard power storage cell.
  • control unit 20 uses the image determination model 22M to determine whether the foreign substance is a “new storage cell” or “a storage cell having a higher quality (longer life) than a standard storage cell”, and Heterogeneity may be determined, for example, whether the battery is a battery having a shorter life than a standard battery.
  • FIG. 12 is a flowchart showing the procedure for determining whether or not the storage cell is included in the third example.
  • the processing procedure shown in the flowchart of FIG. 12 is a detailed description of the processing of step S209 in the flowchart of FIG.
  • the same steps as those in the flowchart of FIG. 6 are designated by the same step numbers, and detailed description thereof will be omitted.
  • the control unit 20 of the server device 2 images the time distribution created in step S208 (step S381), and inputs the imaged time distribution to the image determination model 22M that has been learned in advance (step S382).
  • the control unit 20 identifies whether or not the target power storage cell group includes a different power storage cell based on the score output from the image determination model 22M (step S383), and advances the process to step S211.
  • the server device 2 can create and transmit the screen information by the information presentation function in the remote monitoring system 100.
  • the control unit 20 of the server device 2 automatically determines in each of the above-described second or third examples to include a different storage cell for each storage cell group, which storage cell group has a different storage cell. It is possible to transmit to the client device 3 a screen that allows the user to visually recognize whether or not it is included.
  • the control unit 20 of the server device 2 creates the screen for visually recognizing the storage cell group including the different storage cells. Therefore, in the determination process for each storage cell group (FIG. 6, FIG. 10, or FIG. 12), the latest When it is determined based on the measurement data of 1. that the different storage cells are included, it is stored in association with the identification information of the storage cell group that the storage cells include the different storage cells. Even if it is determined that the different storage cells are included, if the respective patterns can be identified as in the first example or the second example, the control unit 20 determines which pattern. It is stored in the storage unit 21 together with the information for identifying that.
  • FIG. 13 is a flowchart showing an example of a processing procedure of information presentation in the server device 2.
  • the control unit 20 of the server device 2 receives the identification information of the target power storage system 101 from the client device 3 (step S301) and stores it for each power storage cell group included in the power storage system 101 corresponding to the received identification information.
  • the result of determination as to whether or not a certain different type of storage cell is included is read (step S302).
  • the control unit 20 creates a screen that is a graphic representation of the read determination result (step S303), transmits the data of the created screen to the client device 3 (step S304), and ends the process.
  • step S303 for example, as shown in FIG. 14, the determination result is created as a chart for each storage cell group. Other graphs may be used.
  • the processes of steps S302 to S303 may be sequentially performed regardless of the request from the client device 3, store the latest screen data in the storage unit 21, and transmit when the request is satisfied (S304).
  • FIG. 14 shows an example of a screen including the determination result as to whether or not a different power storage cell is included.
  • a table having identification information (identification numbers) of banks and modules in rows or columns corresponds to a storage cell group (module) including different storage cells.
  • the cells to be highlighted are highlighted by hatching. In this way, it is possible to visually recognize which of the storage cell groups including different storage cells is present, and the storage cells at the stage before the abnormality occurs or when observation is necessary such as when a new storage cell is added. It is also possible to let the operator know the state of.
  • the hatching type is changed and displayed according to the heterogeneity or the degree of the heterogeneity. When the heterogeneity can be discriminated by the second or third example described above, the heterogeneity can be displayed separately as shown in FIG.
  • the management device M of the power storage system 101 having a hierarchical structure of domains, banks, and modules may perform the process of specifying measurement data of different power storage cells.
  • the process of state diagnosis, deterioration estimation, or life prediction in the power storage system 101 including power storage elements having a hierarchical structure of domains and banks has been described.
  • the same process can be applied when the power storage module group L in which a plurality of power storage elements included in the uninterruptible power supply U and the rectifier D are connected in parallel.

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Software Systems (AREA)
  • Computing Systems (AREA)
  • Mathematical Physics (AREA)
  • Artificial Intelligence (AREA)
  • General Engineering & Computer Science (AREA)
  • Data Mining & Analysis (AREA)
  • Evolutionary Computation (AREA)
  • Biophysics (AREA)
  • Molecular Biology (AREA)
  • General Health & Medical Sciences (AREA)
  • Computational Linguistics (AREA)
  • Biomedical Technology (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Health & Medical Sciences (AREA)
  • Chemical & Material Sciences (AREA)
  • Manufacturing & Machinery (AREA)
  • Chemical Kinetics & Catalysis (AREA)
  • Electrochemistry (AREA)
  • General Chemical & Material Sciences (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Medical Informatics (AREA)
  • Power Engineering (AREA)
  • Microelectronics & Electronic Packaging (AREA)
  • Charge And Discharge Circuits For Batteries Or The Like (AREA)
  • Tests Of Electric Status Of Batteries (AREA)
  • Secondary Cells (AREA)
  • Remote Monitoring And Control Of Power-Distribution Networks (AREA)

Abstract

データ処理装置は、蓄電素子に対する測定データを処理するデータ処理装置であって、前記蓄電素子毎、又は、複数の前記蓄電素子をグループ分けした蓄電素子群毎に測定された測定データが入力された場合に、前記測定データに異質な蓄電素子の測定データが含まれているか否かに対応するスコアを出力するように学習された判定モデルを記憶した記憶部と、取得した測定データを前記判定モデルへ入力して出力されたスコアに基づいて異質な蓄電素子の測定データを特定する特定部とを備える。

Description

データ処理装置、データ処理方法、及びコンピュータプログラム
　本発明は、蓄電素子群に関する測定データを用いた演算を行なうデータ処理装置、データ処理方法、及びコンピュータプログラムに関する。
　蓄電素子は、無停電電源装置、安定化電源に含まれる直流又は交流電源装置等に広く使用されている。また、再生可能エネルギー又は既存の発電システムにて発電された電力を蓄電しておく大規模なシステムでの蓄電素子の利用が拡大している。
　蓄電素子を使用したシステムでは、蓄電素子の状態診断、充電状態（ＳＯＣ：State Of Charge）の推定、又は寿命予測等の実施を含む保守活動が重要になる。蓄電素子の状態診断、推定又は寿命予測の方法については、蓄電素子の充放電時に測定される電圧、電流、温度等の測定データを用いる方法を始めとして種々提案され、精度向上が図られている（特許文献１等）。
特開２０１３－００３１１５号公報
　上述したような蓄電素子の状態診断、推定又は寿命予測の方法は、製造時に想定されている蓄電素子モデルに基づいて確立されている。しかしながら個々の蓄電素子は、素材の性質、製造バラつき等を持っており、時間の経過又は使用環境によって蓄電素子モデルの性質から外れた異質性を出現させる。例えば、製造時には他の蓄電素子と同様の特性を有している蓄電素子であっても、想定されているモデルよりも格段に高寿命な蓄電素子、又は低寿命な蓄電素子である可能性がある。そして、蓄電素子は、充放電の繰り返しによって満充電容量が低下していくという性質を有している。同一の期間に同様の充放電の履歴を有する蓄電素子群に対し、新しい蓄電素子又は異なる履歴を有する蓄電素子を加えた場合、この新しい又は異なる履歴の蓄電素子は、蓄電素子群にとっては異質である。この異質さの程度を判定モデルによって定量的な尺度で示したものを異質度と称する。
　膨大な量の蓄電素子を接続して用いるシステム全体としての状態診断、推定又は寿命予測を実施する場合、蓄電素子群の測定データに、異質な蓄電素子の測定データが含まれている場合、診断、推定又は予測の誤差は拡大する。
　本発明は、蓄電素子に関する測定データに基づく前記蓄電素子に関する診断、推定、予測の精度を向上させるデータ処理装置、データ処理方法、及びコンピュータプログラムを提供することを目的とする。
　データ処理装置は、蓄電素子に対する測定データを処理するデータ処理装置であって、前記蓄電素子毎、又は、複数の前記蓄電素子をグループ分けした蓄電素子群毎に測定された測定データが入力された場合に、前記測定データに異質な蓄電素子の測定データが含まれているか否かに対応するスコアを出力するように学習された判定モデルを記憶した記憶部と、取得した測定データを前記判定モデルへ入力して出力されたスコアに基づいて異質な蓄電素子の測定データを特定する特定部とを備える。
遠隔監視システムの概要を示す図である。 蓄電モジュール群の階層構造及び通信デバイスの接続形態の一例を示す図である。 遠隔監視システムに含まれる装置の内部構成を示すブロック図である。 遠隔監視システムに含まれる装置の内部構成の詳細を示すブロック図である。 サーバ装置によるデータ処理手順の一例を示すフローチャートである。 異質な蓄電セルを特定する処理の一例を示すフローチャートである。 判定モデルの一例の概要図である。 第１の例における蓄電セルを含むか否かの判定手順を示すフローチャートである。 異質度の時間分布のグラフを含む画面例である。 第２の例における蓄電セルを含むか否かの判定手順を示すフローチャートである。 画像化された時間分布に基づく画像判定モデルの概要図である。 第３の例における蓄電セルを含むか否かの判定手順を示すフローチャートである。 サーバ装置における情報提示の処理手順の一例を示すフローチャートである。 異質な蓄電セルを含むか否かの判定結果を含む画面例を示す図である。
　データ処理装置は、蓄電素子に対する測定データを処理するデータ処理装置であって、前記蓄電素子毎、又は、複数の前記蓄電素子をグループ分けした蓄電素子群毎に測定された測定データが入力された場合に、前記測定データに異質な蓄電素子の測定データが含まれているか否かに対応するスコアを出力するように学習された判定モデルを記憶した記憶部と、取得した測定データを前記判定モデルへ入力して出力されたスコアに基づいて異質な蓄電素子の測定データを特定する特定部とを備える。
　上記構成により、異質な蓄電素子の測定データを除外した残りの測定データを用いた処理が可能になる。
　残りの測定データを用いた処理は例えば、蓄電素子の異常の有無を含む状態診断、劣化状態推定、又は寿命予測の処理である。異質な蓄電素子の測定データを除外することにより、製造時に想定されている蓄電素子モデルに基づいて確立されているこれらの処理の精度を向上させることができる。
　異質な蓄電素子の測定データの特定に用いられる判定モデルは、測定データの属性別、例えば電圧、電流又は温度等、製造時に想定されている蓄電素子モデルに関するデータの種類別に学習されている。新品なのか、長寿命なのか、短寿命なのか、その他の性質が異なるのか等のどのように異質なのかという異質性毎に、異なる属性の測定データへ影響する可能性があるから、属性別に判定することによって異質であることの判定が精度よく実施される。
　判定モデルの出力自体に基づいて断続的に、測定データ夫々に対して異質な蓄電素子の測定データが含まれているか否かを判定する方法の他、出力の経時変化を用いて異質な蓄電素子の測定データであるか否かを判定してもよい。この場合、他の蓄電素子とバランス調整して経時的に馴染む蓄電素子の測定データを誤って、或いは早まって異質な蓄電素子の測定データと特定することを回避することができる。
　判定モデルの出力の時間分布に対する異質な蓄電素子の測定データを含むか否かの判定は、データが十分に収集されるまでは、オペレータによる判断に基づいて行なわれてもよい。予め時間分布のパターンを分析しておき、いずれのパターンに当てはまるかによって異質な蓄電素子の測定データを含むか否かを正確に判定してもよい。時間分布のパターンを画像化した画像を入力し、異質な蓄電素子の測定データを含むか否かを出力する分類器モデルを用いて判定してもよい。
　判定モデルは、異質であると特定された測定データ以外の残りの測定データを用いて再学習することで、実際に運用される蓄電素子の特性に適合する。
　判定モデルは、異質であると特定される測定データが全体の所定の割合以上となった場合に再学習されてもよい。時間の経過と共に容量等が変化する蓄電素子に対し、判定モデルも共に経時変化させることが可能である。
　データ処理方法は、蓄電素子に対する測定データを処理するデータ処理方法であって、前記蓄電素子毎、又は、複数の前記蓄電素子をグループ分けした蓄電素子群毎に測定された測定データが入力された場合に、前記測定データに異質な蓄電素子の測定データが含まれているか否かに対応するスコアを出力するように学習された判定モデルを用い、取得した測定データを前記判定モデルへ入力して出力されたスコアに基づいて異質な蓄電素子の測定データを特定する。
　コンピュータプログラムは、コンピュータに、蓄電素子毎、又は、複数の前記蓄電素子をグループ分けした蓄電素子群毎に測定された測定データが入力された場合に、前記測定データに異質な蓄電素子の測定データが含まれているか否かに対応するスコアを出力するように学習された判定モデルを用い、取得した測定データを前記判定モデルへ入力して出力されたスコアに基づいて異質な蓄電素子の測定データを特定する処理を実行させる。
　本発明をその実施の形態を示す図面を参照して具体的に説明する。
　図１は、遠隔監視システム１００の概要を示す図である。遠隔監視システム１００は、メガソーラー発電システムＳ、火力発電システムＦ、風力発電システムＷに含まれる蓄電素子群におけるに関する情報への遠隔からのアクセスを可能とする。
　メガソーラー発電システムＳ、火力発電システムＦ及び風力発電システムＷには、パワーコンディショナ（ＰＣＳ：Power Conditioning System ）Ｐ及び蓄電システム１０１が並設されている。蓄電システム１０１は、蓄電モジュール群Ｌを収容したコンテナＣを複数並設して構成されている。蓄電モジュール群Ｌは、複数の蓄電素子を含む。蓄電素子は、鉛蓄電池及びリチウムイオン電池のような二次電池や、キャパシタのような、再充電可能なものであることが好ましい。蓄電素子の一部が、再充電不可能な一次電池であってもよい。
　遠隔監視システム１００では、監視対象となる発電システムＳ，Ｆ，Ｗにおける蓄電システム１０１、又は装置（Ｐおよび後述の管理装置Ｍ）夫々に、通信デバイス１（図２，３参照）が搭載／接続される。遠隔監視システム１００は、通信デバイス１と、通信デバイス１から情報を収集するサーバ装置２（データ処理装置）と、収集された情報を閲覧するためのクライアント装置３と、装置間の通信媒体であるネットワークＮとを含む。
　通信デバイス１は、蓄電素子に備えられる電池管理装置（ＢＭＵ：Battery ManagementUnit ）と通信して蓄電素子の情報を受信する端末装置（計測モニタ）であってもよいし、ECHONET ／ECHONETLite （登録商標）対応のコントローラであってもよい。通信デバイス１は、独立したデバイスであってもよいし、パワーコンディショナＰや蓄電モジュール群Ｌに搭載可能なネットワークカード型のデバイスであってもよい。通信デバイス１は、蓄電システム１０１における蓄電モジュール群Ｌの情報を取得すべく、複数の蓄電モジュールからなるグループ毎に１つずつ設けられている。パワーコンディショナＰは複数台でシリアル通信が可能に接続されており、通信デバイス１は、いずれか代表となるパワーコンディショナＰの制御ユニットに接続されている。
　サーバ装置２はＷｅｂサーバ機能を含み、監視対象の各装置に搭載／接続された通信デバイス１から得られる情報を、クライアント装置３からのアクセスに応じて提示する。
　ネットワークＮは、所謂インターネットである公衆通信網Ｎ１と、所定の移動通信規格による無線通信を実現するキャリアネットワークＮ２とを含む。公衆通信網Ｎ１は、一般光回線を含み、ネットワークＮは、サーバ装置２が接続する専用線を含む。ネットワークＮは、ECHONET ／ECHONETLite 対応のネットワークを含んでもよい。キャリアネットワークＮ２には基地局ＢＳが含まれ、クライアント装置３は基地局ＢＳからネットワークＮを介したサーバ装置２との通信が可能である。公衆通信網Ｎ１にはアクセスポイントＡＰが接続されており、クライアント装置３はアクセスポイントＡＰからネットワークＮを介してサーバ装置２との間で情報を送受信することができる。
　蓄電システム１０１の蓄電モジュール群Ｌは階層構造を有している。蓄電素子の情報をサーバ装置２へ送信する通信デバイス１は、蓄電モジュール群Ｌに設けられた管理装置Ｍから蓄電モジュール群の情報を取得する。図２は、蓄電モジュール群Ｌの階層構造及び通信デバイス１の接続形態の一例を示す図である。蓄電モジュール群Ｌは、例えば蓄電素子（蓄電セル、またはセルとも称する。蓄電素子内に複数の電極体（エレメント）が存在してもよい。）を複数直列に接続した蓄電モジュール（モジュールとも称する）と、蓄電モジュールを複数直列に接続したバンクと、バンクを複数並列に接続したドメインとの階層構造にて構成されている。図２の例では、番号（＃）１－Ｎのバンク夫々と、バンクを並列に接続したドメインとに１つずつ、管理装置Ｍが設けられている。バンク毎に設けられている管理装置Ｍは、蓄電モジュールの内部に夫々内蔵されている通信機能付きの制御基板（ＣＭＵ：Cell Monitoring Unit）とシリアル通信によって通信し、蓄電モジュール内部の蓄電セルに対する測定データ（電圧、電流、温度等）を取得する。バンクの管理装置Ｍは、取得した蓄電セル毎の測定データに基づくバンク毎のバランス調整を行ない、通信状態の異常の検知等の管理処理を実行する。バンクの管理装置Ｍは夫々、ドメイン単位で設けられている管理装置Ｍへ各々のバンクの蓄電モジュールから得られた測定データを送信する。バンクの管理装置Ｍは、蓄電モジュールのバランス調整の状態をドメインの管理装置Ｍへ送信し、異常が検知された場合はドメインの管理装置Ｍへ通知する。ドメインの管理装置Ｍは、そのドメインに所属するバンクの管理装置Ｍから得られる測定データ、検知された異常等の情報を集約する。図２の例では通信デバイス１は、ドメイン単位の管理装置Ｍに接続されている。なお、ドメインの管理装置Ｍとバンクの管理装置Ｍは同じ（ひとつに集約した管理装置Ｍ）であってもよい。
　図３及び図４は、遠隔監視システム１００に含まれる装置の内部構成を示すブロック図である。図３に示すように、通信デバイス１は、制御部１０、記憶部１１、第１通信部１２及び第２通信部１３を備える。制御部１０はＣＰＵ（Central Processing Unit ）を用いたプロセッサであり、内蔵するＲＯＭ（Read Only Memory）及びＲＡＭ（Random Access Memory）等のメモリを用い、各構成部を制御して処理を実行する。
　記憶部１１は、フラッシュメモリ等の不揮発性メモリを用いる。記憶部１１には、制御部１０が読み出して実行するデバイスプログラムが記憶されている。デバイスプログラム１Ｐには、ＳＳＨ（Secure Shell）、ＳＮＭＰ（Simple Network Management Protocol）等に準じた通信用プログラムが含まれる。記憶部１１には、制御部１０の処理によって収集された情報、イベントログ等の情報が記憶される。記憶部１１に記憶された情報は、通信デバイス１の筐体に端子が露出するＵＳＢ等の通信インタフェースを介して読み出すことも可能である。
　第１通信部１２は、通信デバイス１が接続されている監視対象装置との通信を実現する通信インタフェースである。第１通信部１２は例えば、ＲＳ－２３２Ｃ又はＲＳ－４８５等のシリアル通信インタフェースを用いる。例えばパワーコンディショナＰはＲＳ－４８５に準拠したシリアル通信機能を有する制御ユニットを備えており、第１通信部１２はその制御ユニットと通信する。蓄電モジュール群Ｌに備えられている制御基板がＣＡＮ（Controller Area Network）バスにより接続されて制御基板間の通信をＣＡＮ通信で実現する場合、第１通信部１２はＣＡＮプロトコルに基づく通信インタフェースである。第１通信部１２は、ECHONET ／ECHONETLite の規格に対応する通信インタフェースであってもよい。
　第２通信部１３は、ネットワークＮを介した通信を実現するインタフェースであり、例えばEthernet（登録商標）、又は無線通信用アンテナ等の通信インタフェースを用いる。制御部１０は、第２通信部１３を介してサーバ装置２と通信接続が可能である。第２通信部１３が、ECHONET ／ECHONETLite の規格に対応する通信インタフェースであってもよい。
　このように構成される通信デバイス１では、制御部１０が第１通信部１２を介して、通信デバイス１が接続されている装置にて得られる蓄電素子に対する測定データを取得する。制御部１０は、ＳＮＭＰ用プログラムを読み出して実行することにより、ＳＮＭＰエージェントとして機能し、サーバ装置２からの情報要求に対して応答することも可能である。
　クライアント装置３は、発電システムＳ，Ｆ，Ｗの蓄電システム１０１の管理者又は保守担当者等のオペレータが使用するコンピュータである。クライアント装置３は、デスクトップ型若しくはラップトップ型のパーソナルコンピュータであってもよいし、所謂スマートフォン又はタブレット型の通信端末であってもよい。クライアント装置３は、制御部３０、記憶部３１、通信部３２、表示部３３、及び操作部３４を備える。
　制御部３０は、ＣＰＵを用いたプロセッサである。制御部３０は、記憶部３１に記憶されているＷｅｂブラウザを含むクライアントプログラム３Ｐに基づき、サーバ装置２又は通信デバイス１により提供されるＷｅｂページを表示部３３に表示させる。
　記憶部３１は、例えばハードディスク又はフラッシュメモリ等の不揮発性メモリを用いる。記憶部３１には、クライアントプログラム３Ｐを含む各種プログラムが記憶されている。クライアントプログラム３Ｐは、記録媒体６に記憶してあるクライアントプログラム６Ｐを読み出して記憶部３１に複製したものであってもよい。
　通信部３２は、有線通信用のネットワークカード等の通信デバイス、基地局ＢＳ（図１参照）に接続する移動通信用の無線通信デバイス、又はアクセスポイントＡＰへの接続に対応する無線通信デバイスを用いる。制御部３０は通信部３２により、ネットワークＮを介してサーバ装置２又は通信デバイス１との間で通信接続又は情報の送受信が可能である。
表示部３３は、液晶ディスプレイ、有機ＥＬ（Electro Luminescence）ディスプレイ等のディスプレイを用いる。表示部３３は制御部３０のクライアントプログラム３Ｐに基づく処理により、サーバ装置２または通信デバイス１で提供されるＷｅｂページのイメージを表示する。表示部３３は、好ましくはタッチパネル内蔵型ディスプレイであるが、タッチパネル非内蔵型ディスプレイであってもよい。
　操作部３４は、制御部３０との間で入出力が可能なキーボード及びポインティングデバイス、若しくは音声入力部等のユーザインタフェースである。操作部３４は、表示部３３のタッチパネル、又は筐体に設けられた物理ボタンを用いてもよい。操作部３４は、ユーザによる操作情報を制御部３０へ通知する。
　図４に示すように、サーバ装置２はサーバコンピュータを用い、制御部２０、記憶部２１、及び通信部２２を備える。本実施の形態においてサーバ装置２は、１台のサーバコンピュータとして説明するが、複数のサーバコンピュータで処理を分散させてもよい。
　制御部２０は、ＣＰＵ又はＧＰＵ（Graphics Processing Unit）を用いたプロセッサであり、内蔵するＲＯＭ及びＲＡＭ等のメモリを用い、各構成部を制御して処理を実行する。制御部２０は、記憶部２１に記憶されているサーバプログラム２１Ｐに基づく通信及び情報処理を実行する。サーバプログラム２１ＰにはＷｅｂサーバプログラムが含まれ、制御部２０は、クライアント装置３へのＷｅｂページの提供を実行するＷｅｂサーバとして機能する。制御部２０は、サーバプログラム２１Ｐに基づき、ＳＮＭＰ用サーバとして通信デバイス１から情報を収集する。制御部２０は、記憶部２１に記憶されているデータ処理プログラム２２Ｐに基づいて収集された測定データに対するデータ処理を実行する。
　記憶部２１は、例えばハードディスク又はフラッシュメモリ等の不揮発性メモリを用いる。記憶部２１には、上述したサーバプログラム２１Ｐ及びデータ処理プログラム２２Ｐが記憶されている。記憶部２１には、データ処理プログラム２２Ｐに基づく処理で使用される判定モデル２Ｍが記憶されている。記憶部２１には、制御部２０の処理によって収集される監視対象となる蓄電システム１０１のパワーコンディショナＰ及び蓄電モジュール群Ｌの測定データが記憶される。
　記憶部２１に記憶されるサーバプログラム２１Ｐ、データ処理プログラム２２Ｐ及び判定モデル２Ｍは、記録媒体５に記憶してあるサーバプログラム５１Ｐ、データ処理プログラム５２Ｐ、及び判定モデル５Ｍを読み出して記憶部２１に複製したものであってもよい。
　通信部２２は、ネットワークＮを介した通信接続及び情報の送受信を実現する通信デバイスである。具体的には通信部２２はネットワークＮに対応したネットワークカードである。
　このように構成される遠隔監視システム１００では、通信デバイス１が所定タイミング（例えば一定周期、又はデータ量が所定条件を満たした場合等）の都度、前回のタイミング以後に管理装置Ｍから取得して記憶しておいた蓄電セル毎の測定データ、及び他の情報をサーバ装置２へ送信する。通信デバイス１は、測定データに蓄電セルの識別情報（番号）を対応付けて送信する。通信デバイス１は、管理装置Ｍを介して得られる全てのサンプリングデータを送信してもよいし、所定の割合で間引きした測定データを送信してもよいし、平均値を送信してもよい。サーバ装置２は、測定データを含む情報を通信デバイス１から取得し、取得した測定データを、取得時間情報及び情報の取得先の装置（Ｍ，Ｐ）を識別する情報を対応付けて記憶部２１に記憶する。
サーバ装置２は、蓄電システム１０１の個々の蓄電セル毎に、クライアント装置３からのアクセスに応じて、記憶してある測定データの内の最新のデータを提示することができる。サーバ装置２は、蓄電セル毎の測定データを用い、蓄電モジュール毎に、バンク又はドメイン毎の状態を提示することもできる。サーバ装置２はデータ処理プログラム２２Ｐに基づいて、測定データを使用して蓄電システム１０１の異常診断、健康診断、蓄電モジュールのＳＯＣ、ＳＯＨ（State Of Health ）等の推定、又は寿命予測を実施し、実施結果を提示することが可能である。
　本開示におけるサーバ装置２は、上述の診断、推定又は予測の処理を行なう際に、データ処理プログラム２２Ｐ及び判定モデル２Ｍに基づいて、蓄電セルの測定データから異質な蓄電セルの測定データを特定する。サーバ装置２は、特定された測定データを除いた他の測定データを用いて蓄電モジュール、バンク、又はドメイン毎の診断、推定又は予測を実施する。
　図５は、サーバ装置２によるデータ処理手順の一例を示すフローチャートである。サーバ装置２の制御部２０は、対象となる蓄電素子群毎に、以下に示す処理手順を周期的に実行する。実行周期は、通信デバイス１から測定データが送信される周期よりも長い。以下の説明において対象となる蓄電素子群は、複数のモジュールを接続したバンク、バンクを複数並列に含むドメイン、ドメインを複数含む蓄電システム１０１である。大規模な蓄電システム１０１は一例として、蓄電セルを１２個ずつ含むモジュールが１２個直列に接続されたバンクを、８つのドメイン夫々に１０バンク含む。この場合蓄電セルは、約１２０００個にもなる。
　制御部２０は、処理対象の蓄電システム１０１に含まれる蓄電セル夫々について時間情報と対応付けて記憶してある測定データ群を読み出し（ステップＳ１）、読み出した測定データ群の内の異質な蓄電セルの測定データを特定する（ステップＳ２）。
　制御部２０は、特定した測定データを、読み出した測定データ群から除外し（ステップＳ３）、残りの測定データ群を用いて蓄電システム１０１全体としての劣化状態（ＳＯＨ）の推定処理を実行する（ステップＳ４）。制御部２０は、ステップＳ４の推定処理の結果を測定データ群の内の最新データを取得した時間情報と、蓄電システム１０１を識別する情報に対応付けて記憶部２１に記憶し（ステップＳ５）、処理を終了する。
　図５のフローチャートに示したように、本実施の形態では、異質な蓄電セルの測定データを除外したデータに基づいて劣化状態の推定処理が行なわれる。多数の蓄電セルが直列に接続されたバンクを並列に接続したドメインを複数含む大規模な蓄電システム１０１においては、蓄電セル群から異質な蓄電セルの測定データを除外して、想定されるモデルに則り寿命となる蓄電セル群の劣化状態の推定処理を行なうことにより、処理結果の精度が向上する。
　図６は、異質な蓄電セルを特定する処理の一例を示すフローチャートである。図６のフローチャートは、図５のフローチャートにおけるステップＳ２の詳細に対応する。つまり図６のフローチャートに示す処理手順は、周期的に繰り返し実行される。図６のフローチャートに示す例で制御部２０は、異質な蓄電セルを含む蓄電セル群単位で、その蓄電セル群は異質な蓄電セルを含んでいるか否かを判定することによって特定する。
　制御部２０は、蓄電セル群を１つ選択する（ステップＳ２０１）。ステップＳ２０１において制御部２０は、蓄電セル群をモジュール単位で選択し、つまりモジュールの識別情報を選択する。
制御部２０は、対象とする測定データの属性を選択する（ステップＳ２０２）。属性は、例えば電圧、電流、温度等の測定データの種類である。属性はこれに限られず、蓄電セル又はモジュール単位で測定できる他のデータであってもよい。
　制御部２０は、ステップＳ２０１で選択した蓄電セル群に含まれている複数の蓄電セル夫々について、ステップＳ２０２で選択した属性の、最新の測定データを取得する（ステップＳ２０３）。ステップＳ２０３で取得する測定データは、図５のステップＳ１で読み出された測定データの内、後述の過去所定期間の長さに応じた時間毎に、データを間引いて取得してよい。
　ステップＳ２０３で取得した測定データを属性毎の判定モデル２Ｍへ入力し（ステップＳ２０４）、判定モデル２Ｍから出力される異質度を特定する（ステップＳ２０５）。
　制御部２０は、ステップＳ２０５で特定した異質度を、ステップＳ２０１で選択した蓄電セル群を識別する情報及び取得した測定データの時間情報に対応付けて記憶部２１に記憶する（ステップＳ２０６）。
　制御部２０は、ステップＳ２０１で選択した蓄電セル群について、記憶部２１に記憶してある過去所定期間の異質度を読み出す（ステップＳ２０７）。制御部２０は、過去所定期間の異質度の時間分布を作成する（ステップＳ２０８）。
　制御部２０は、ステップＳ２０７で読み出した異質度の値、ステップＳ２０８で作成した時間分布、及び／又は選択された蓄電セル群の測定データに基づいて、ステップＳ２０１で選択した蓄電セル群が異質な蓄電セルを含んでいるか否かを判定する（ステップＳ２０９）。
　異質な蓄電セルを含んでいると判定された場合（Ｓ２０９：ＹＥＳ）、制御部２０は、ステップＳ２０１で選択した蓄電セル群の測定データは、異質な蓄電セルの測定データであると特定する（ステップＳ２１０）。制御部２０は、全ての蓄電セル群をステップＳ２０１で選択したか否かを判断し（ステップＳ２１１）、全て選択したと判断された場合（Ｓ２１１：ＹＥＳ）、処理を図５のフローチャートのステップＳ３へ返す。
　ステップＳ２０９において異質な蓄電セルを含んでいないと判断された場合（Ｓ２０９：ＮＯ）、制御部２０は、異質な蓄電セルの測定データでないと特定し（ステップＳ２１２）、処理をステップＳ２１１へ進める。
　ステップＳ２１１で全ての蓄電セル群を選択していないと判断された場合（Ｓ２１１：ＮＯ）、制御部２０は処理をステップＳ２０１へ戻し、次の蓄電セル群を選択する（Ｓ２０１）。
　図６のフローチャートで制御部２０は、蓄電セルを直列に接続させたモジュール単位で異質な蓄電セルを含むか否かを判定した。しかしながらこれに限らず、判定モデル２Ｍの設計に応じて、判定対象の蓄電セル群の単位を定めればよい。例えば、バンク単位で判定してもよいし、蓄電セル個別で判定してもよい。
　ステップＳ２０４，Ｓ２０５における判定モデル２Ｍを用いた異質度の特定方法について説明する。図７は、判定モデル２Ｍの一例の概要図である。判定モデル２Ｍは一例では、畳み込みニューラルネットワークを用い、異質でない標準的な蓄電セルを含む蓄電セル群と、それ以外の異質な蓄電セルを含む蓄電セル群とを分類する分類器である。図７に示す一例では、判定モデル２Ｍは、選択された蓄電セル群の蓄電セル夫々の電圧値を入力する入力層２０１と、入力された電圧値に基づく異質度に関するスコアを出力する出力層２０２と、畳み込み層又はプーリング層を含む中間層２０３とを含む。判定モデル２Ｍは、異質でない標準的な蓄電セルであるラベル（例えば「０」）を付した測定データと、異質なラベル（例えば「１」）を付した測定データとを含む教師データをニューラルネットワークへ与えて測定データの属性別に学習してある。図７の例では、蓄電セル夫々で測定される電圧値という属性について学習されている。判定モデル２Ｍは、与えられた測定データに対して異質であると分類される異質度のスコア（０～１の間の数値）を出力層２０２から出力する。
　判定モデル２Ｍは分類器に限らず、特徴量を出力する畳み込みニューラルネットワークであってよい。判定モデル２Ｍは、同一の蓄電セルの測定データの時系列データを入力して特徴量を出力するリカレントニューラルネットワーク、ＬＳＴＭ（Long Short-term Memory）等を用いたネットワークで構成されてもよい。
　判定モデル２Ｍの教師データは属性別のみならず、予め、測定データの対象の蓄電システム１０１の環境、蓄電システム１０１に接続されている発電システムの種別、又は、蓄電システム１０１からの出力先の負荷の種別によって分別されていてもよい。判定モデル２Ｍは、分別された教師データによって複数の異なる判定モデル２Ｍａ、判定モデル２Ｍｂ、…と分別されており、判定対象である蓄電セルに関する種別に応じてモデルが選択される。
　制御部２０は、図６のフローチャートに示した処理手順にて特定された異質な測定データを除外した測定データ群によって再度、判定モデル２Ｍを再学習するとよい。他の例では、制御部２０は図６のフローチャートに示した処理手順にて特定された異質な測定データの、全蓄電セル群の測定データに対する割合が所定の割合（例えば２割）を超えた場合に、全測定データが、異質な蓄電セルを含まない蓄電セル群の測定データであるとして判定モデル２Ｍを再学習するとよい。これにより、蓄電セル群を含む蓄電システム１０１全体の経時変化と共に判定モデル２Ｍも経時変化し、誤った判定を回避し、経時的に現れる異なる異質な蓄電セルの出現に適切な判断を行なうことが期待される。判定モデル２Ｍが経時変化する場合、１年、２年と経過年数に応じて判定モデル２Ｍを別の不揮発性の記憶媒体に記憶しておき、他の蓄電システム１０１の経時変化に適用させてもよい。
　判定モデル２Ｍは他の一例では、測定データの平均、標準偏差、中央値等を用いて、外れ値となる測定データが含まれているか否か、含まれている場合の外れ度合いを統計的に算出するモデルであってもよい。判定モデル２Ｍは他の一例では、測定データの時系列データによってトレンドを求め、トレンドの差異によって異質度を表すスコアを出力するモデルであってもよい。判定モデル２Ｍは他の一例では、ｋ近傍法（k-nearest neighbor algorithm）を用い、制御部２０は対象の測定データに対し、予め教師データに基づき学習してある異質でないクラスと異質なクラスとのいずれに属するかを判定してもよい。他の例では、判定モデル２Ｍではｋ平均法又はＥＭ法を用い、制御部２０は判定モデル２Ｍ（判定プログラム）に基づいてクラスタリングして判定してもよい。他の例では、判定モデル２Ｍ（判定プログラム）はＰＣＡ（Principal Component Analysis；主成分解析）を用い、制御部２０は対象の測定データに対して縮約して異質であるか否かを判定してもよい。
　図６のフローチャートに示した処理手順の内、ステップＳ２０９における異質度の値、時間分布、及び／又は選択された蓄電セル群の測定データに基づく、異質な蓄電セルを含むか否かの判定の手順について詳細を説明する。
　第１の例で制御部２０は、選択した蓄電セル群毎に作成した異質度の時間分布をグラフ化して出力し、オペレータによる異質な蓄電セルを含むか否かの判定を受け付ける。図８は、第１の例における蓄電セルを含むか否かの判定手順を示すフローチャートである。
　サーバ装置２の制御部２０は、ステップＳ２０８で蓄電セル群（モジュール）毎の時間分布を作成する都度に、記憶部２１に時間情報と対応付けて記憶する（ステップＳ１８１）。制御部２０は、ステップＳ２１１で全ての蓄電セル群が選択されたと判断された後に、記憶部２１に記憶しておいた全ての蓄電セル群の時間分布を読み出す（ステップＳ１８２）。
　制御部２０は、読み出した蓄電セル群毎の時間分布を、異質度の最大値又は平均値の大きい順にソートする（ステップＳ１８３）。
　制御部２０は、ソートされた蓄電セル群毎の時間分布、即ち時間経過に対する異質度の分布を順にグラフ化し、夫々に対する異質な蓄電セルを含むか否かの選択受付画面を含む画面のデータを作成し（ステップＳ１８４）、オペレータ向けに通知する（ステップＳ１８５）。ステップＳ１８４で作成される画面には、蓄電セル群毎の測定データ（電圧値、電流値、温度値）のデータが含まれる。ステップＳ１８４で作成される画面には、ソートされた時間分布の内、異質度の最大値又は平均値が所定値未満であり、異質な蓄電セルを含む可能性が低い蓄電セル群の時間分布は含まれなくてよい。異質度の最大値又は平均値が所定値未満の蓄電セル群は、異質な蓄電セルを含まないと判定される。
　通知を受けたオペレータがクライアント装置３を用い、オペレータのログイン情報を用いてサーバ装置２へアクセスした場合、クライアント装置３の制御部３０は、サーバ装置２へ画面のデータを要求する（ステップＳ３１１）。
　サーバ装置２の制御部２０は、要求を受信し（ステップＳ１８６）、要求に応じてステップＳ１８４で作成された画面のデータをクライアント装置３へ送信する（ステップＳ１８７）。ステップＳ１８７において制御部２０は、最新の測定データに基づき作成された異質度の時間分布の画面のデータを送信する。制御部２０はそれまでに作成された複数の時点での時間分布の画面のデータを送信してもよい。
　オペレータが使用するクライアント装置３では制御部３０が、画面のデータを受信し（ステップＳ３１２）、受信したデータに基づいて蓄電セル群（モジュール）毎の異質度の時間分布のグラフを描画し、選択受付画面と共に表示部３３に出力する（ステップＳ３１３）。
　オペレータは、表示部３３にて、異質度の最大値又は平均値が高い順にソートされた蓄電セル群の異質度の時間分布のグラフを視認し、共に画面内に表示される測定データを解析することで異質なセルを含むか否かを判断する。オペレータは、異質な蓄電セルを含むか否かの判断結果を選択受付画面に反映させる。
　制御部３０は、オペレータの異質な蓄電セルを含むか否かの蓄電セル群毎の選択を選択受付画面にて受け付け（ステップＳ３１４）、受け付けた選択のデータをサーバ装置２へ送信する（ステップＳ３１５）。
　サーバ装置２の制御部２０は、選択のデータを受信し（ステップＳ１８８）、データが示すオペレータの選択に基づいて蓄電セル群毎に、異質な蓄電セルを含むか否かを特定し（ステップＳ１８９）、処理を終了する。
　ステップＳ１８９において制御部２０は、異質な蓄電セルを含むか否かが選択されていない蓄電セル群は、異質な蓄電セルを含まないと特定してよい。
　図９は、異質度の時間分布のグラフを含む画面例である。図９に示すように、オペレータが使用するクライアント装置３の表示部３３には、蓄電セル群（モジュール）毎の異質度の時間分布が、ソートされた順に表示される。図９に示す画面例では、グラフの横に異質な蓄電セルを含むか否かをオペレータが選択するラジオコントロール３３１が表示されている。オペレータが操作部３４により、表示部３３に表示されている画面上の「送信」ボタン３３２を選択した場合、クライアント装置３の制御部３０はラジオコントロール３３１夫々での選択を受け付け（Ｓ３１４）、受け付けた選択のデータをサーバ装置２へ送信する。
　第１の例では、オペレータは、異質な蓄電セルを含むか否かを判断する必要があるが、サーバ装置２にて判断対象の絞り込みを行なっているので、異質な蓄電セルを含む可能性が高い蓄電セル群に対してのみ判断すればよい。本実施の形態の蓄電システム１０１は、約９６０（＝８０バンク×１２（モジュール／１バンク））個のモジュールを含むから、個々のグラフ、異質度の値（スコア）及び測定データをオペレータが確認する場合よりも飛躍的にオペレータの作業負担を軽減することが可能である。
　第２の例で制御部２０は、作成した異質度の時間分布のパターンを解析することによって異質な蓄電セルを含むか否かを判定する。図９に示した異質度の時間分布を参照すれば、単純に異質度が上昇して所定値を超えていくモジュール＃１１のパターンＡ、異質度が所定値を超えるが下降していくモジュール＃５のパターンＢ、異質度が所定値を超えた後に低下するが再度単純に上昇していくモジュール＃６のパターンＣがある。パターンＢは、異質度が所定値を超えていたが、徐々に周辺の蓄電セルとバランスして馴染んでおり、除外すべき異質な蓄電セルを含むものではないと判定される。パターンＣは、時間の経過後にパターンＡとなるか、パターンＢとなるかはこの時点では判断できないため、パターンＡのみを異質な蓄電セルを含む蓄電セル群の異質度の時間分布であると判定する。
　図１０は、第２の例における蓄電セルを含むか否かの判定手順を示すフローチャートである。図１０のフローチャートに示す処理手順は、図６のフローチャートの内、ステップＳ２０９の処理を詳細に説明したものである。図６のフローチャートと共通する手順には同一のステップ番号を付して詳細な説明を省略する。
　サーバ装置２の制御部２０は、ステップＳ２０８で作成した時間分布における異質度の昇降パターンが、予め分類してあるパターンＡ、パターンＢ、及びパターンＣのいずれであるかを判別する（ステップＳ２８１）。
　制御部２０は、ステップＳ２８１にてパターンＡと判別されたか否かを判断し（ステップＳ２８２）、パターンＡと判別されないと判断された場合（Ｓ２８２：ＮＯ）、処理をステップ２１２へ進める。
　ステップＳ２８１にてパターンＡと判別されたと判断された場合（Ｓ２８２：ＹＥＳ）、制御部２０は、ステップＳ２０７で読み出した過去の異質度の最大値又は平均値が第１の所定値以上であり、且つ、パターンＡにおける異質度の微分値（経時変化）が第２の所定値以上であるか否かを判断する（ステップＳ２８３）。
　ステップＳ２８３で異質度の最大値又は平均値が第１の所定値以上であり、且つ、パターンＡにおける異質度の微分値が第２の所定値以上であると判断された場合（Ｓ２８３：ＹＥＳ）、制御部２０は、処理をステップＳ２１０へ進める。
ステップＳ２８３で最大値又は平均値が第１の所定値未満であるか、又は、異質度の微分値が第２の所定値未満であると判断された場合（Ｓ２８３：ＮＯ）、制御部２０は、処理をステップＳ２１２へ進める。
　図１０のフローチャートに示す処理手順の場合、オペレータによる判断及び選択操作が不要になるから自動的に異質な蓄電セルの測定データの特定及び除外が実現する。
　第３の例で制御部２０は、作成した異質度の時間分布を画像化し、画像に対するニューラルネットワークを用いた分類器である画像判定モデルを用いて異質な蓄電セルを含むか否かを判定する。図１１は、画像化された時間分布に基づく画像判定モデル２２Ｍの概要図である。画像判定モデル２２Ｍは、特徴量を抽出する畳み込み層又はプーリング層を含む中間層を含むニューラルネットワークであり、時間分布の画像が入力された場合、前記時間分布に係る測定データに異質な蓄電セルの測定データを含む確度（スコア）を出力する。画像判定モデル２２Ｍは、サーバ装置２の記憶部２１に判定モデル２Ｍと共に記憶されてよい。画像判定モデル２２Ｍは、図１１に示すように、時間分布を画像化したものと、オペレータによって判定された結果とのペアである教師データによって学習される。
　画像判定モデル２２Ｍは、教師データが収集できた場合には、異質な蓄電セルの異質性を判別するモデルとして学習されてもよい。例えば、図１１におけるパターンＡ，パターンＢ，パターンＣのいずれであるかを判別するモデルしてもよい。制御部２０は、ステップＳ２０９の判定に用いられた異質度の値、ステップＳ２０８で作成した時間分布、及び／又は選択された蓄電セル群の測定データに基づいて、異質性を判別してもよい。制御部２０は、異質の度合い、即ちどれほどに標準的な蓄電セルから外れているかを特定してもよい。他の例では、制御部２０は画像判定モデル２２Ｍを用い、異質が「新品の蓄電セル」であるか、「標準的な蓄電セルよりも良質（長寿命）な蓄電セル」であるか、及び「標準的な蓄電セルよりも短寿命の蓄電セル」であるか等、異質性を判別してもよい。
　図１２は、第３の例における蓄電セルを含むか否かの判定手順を示すフローチャートである。図１２のフローチャートに示す処理手順は、図６のフローチャートの内、ステップＳ２０９の処理を詳細に説明したものである。図６のフローチャートと共通する手順には同一のステップ番号を付して詳細な説明を省略する。
　サーバ装置２の制御部２０は、ステップＳ２０８で作成した時間分布を画像化し（ステップＳ３８１）、画像化した時間分布を予め学習してある画像判定モデル２２Ｍへ入力する（ステップＳ３８２）。制御部２０は、画像判定モデル２２Ｍから出力されたスコアによって対象の蓄電セル群が異質な蓄電セルを含むか否かを特定し（ステップＳ３８３）、処理をステップＳ２１１へ進める。
　教師データとする画像及び正しい判定結果が集まった時点で、第２の例のパターン分析から第３の例の画像判定モデル２２Ｍへ移行することで、判定精度を高めることが期待される。
　サーバ装置２は、遠隔監視システム１００における情報提示機能により、オペレータが使用するクライアント装置３から、蓄電システム１０１の状態を示す画面を要求された場合、その画面の情報を作成して送信できる。サーバ装置２の制御部２０は、上述の第２又は第３の例にて自動的に、蓄電セル群毎に異質な蓄電セルを含むと判定した場合、いずれの蓄電セル群が異質な蓄電セルを含むのかを視認可能とする画面をクライアント装置３へ送信し、表示させることができる。
　サーバ装置２の制御部２０は、異質な蓄電セルを含む蓄電セル群を視認する画面を作成するため、蓄電セル群毎の判定処理（図６、又は図１０、又は図１２）にて、最新の測定データに基づいて異質な蓄電セルを含むと判定された場合、蓄電セル群の識別情報と対応付けて異質な蓄電セルを含むことを記憶する。異質な蓄電セルを含むと同様に判定された場合であっても第１の例又は第２の例のように、夫々のパターンを識別できる場合には、制御部２０は、いずれのパターンであるかを識別する情報と共に記憶部２１に記憶する。
　図１３は、サーバ装置２における情報提示の処理手順の一例を示すフローチャートである。サーバ装置２の制御部２０は、クライアント装置３から対象の蓄電システム１０１の識別情報を受信し（ステップＳ３０１）、受信した識別情報に対応する蓄電システム１０１に含まれる蓄電セル群毎に記憶してある異質な蓄電セルを含むか否かの判定結果を読み出す（ステップＳ３０２）。
　制御部２０は、読み出した判定結果をグラフィック化した画面を作成し（ステップＳ３０３）、作成した画面のデータをクライアント装置３へ送信し（ステップＳ３０４）、処理を終了する。ステップＳ３０３では例えば、図１４に示すように、判定結果を蓄電セル群毎の表図として作成する。他のグラフを用いてもよい。ステップＳ３０２－Ｓ３０３の処理は、クライアント装置３からの要求に関係なく、逐次行なわれて最新の画面データを記憶部２１に記憶し、要求が合った場合に送信（Ｓ３０４）してもよい。
　図１４は、異質な蓄電セルを含むか否かの判定結果を含む画面例を示す。図１４に示すように、蓄電システム１０１に含まれるドメイン毎に、バンクとモジュールの識別情報（識別番号）を行又は列に持つ表により、異質な蓄電セルを含む蓄電セル群（モジュール）に対応するセルがハッチングによって強調されている。このように、異質な蓄電セルを含む蓄電セル群がいずれにあるかを視認できるようにし、異常が発生する前の段階や、新しい蓄電セルを加えた場合等の観察が必要な時期の蓄電セルの状態をオペレータに把握させることも可能である。図１４では、異質性又は異質の度合いによってハッチングの種別を変えて表示させている。上述した第２又は第３の例によって異質性を判別できる場合には、図１４に示すように異質性を区別して表示することも可能である。
　上述した実施の形態では、蓄電素子群の測定データを収集するサーバ装置２にて異質な蓄電セルの測定データを特定する処理について説明した。ドメイン、バンク、及びモジュールの階層構造を持つ蓄電システム１０１の管理装置Ｍで異質な蓄電セルの測定データを特定する処理を実施してもよい。
　上述した実施の形態では、ドメイン及びバンクの階層構造を持つ蓄電素子を含む蓄電システム１０１における状態診断、劣化推定、又は寿命予測の処理について説明した。無停電電源装置Ｕ、整流器Ｄに含まれる蓄電素子を複数接続させた蓄電モジュール群Ｌを並列に接続する場合も、同様の処理が適用できる。
　上述のように開示された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および範囲内でのすべての変更が含まれることが意図される。
　１　通信デバイス
　２　サーバ装置
　２０　制御部
　２１　記憶部
　２Ｐ　サーバプログラム
　２Ｍ　判定モデル　２２Ｍ　画像判定モデル

Claims (12)

  1. 　蓄電素子に対する測定データを処理するデータ処理装置であって、
    　前記蓄電素子毎、又は、複数の前記蓄電素子をグループ分けした蓄電素子群毎に測定された測定データが入力された場合に、前記測定データに異質な蓄電素子の測定データが含まれているか否かに対応するスコアを出力するように学習された判定モデルを記憶した記憶部と、
    　取得した測定データを前記判定モデルへ入力して出力されたスコアに基づいて異質な蓄電素子の測定データを特定する特定部と
    　を備えるデータ処理装置。
  2. 　前記特定部によって特定された異質な蓄電素子の測定データを、前記蓄電素子に対する測定データから除外し、残りの測定データを用いて前記蓄電素子の劣化状態推定、又は寿命予測の処理を実行する処理部を備える
    　請求項１に記載のデータ処理装置。
  3. 　前記判定モデルは、入力される測定データの属性別に学習されている
    　請求項１又は２に記載のデータ処理装置。
  4. 　前記特定部は、
    　対象の蓄電素子又は蓄電素子群の異なる時点における測定データを前記判定モデルへ入力する都度に出力されるスコアを時間情報と対応付けて記憶しておき、
    　記憶した異なる時点における前記スコアの時間分布を作成し、
    　前記時間分布に基づき、前記対象の蓄電素子又は蓄電素子群の測定データに異質な蓄電素子の測定データが含まれているか否かを判定する
    　請求項１から請求項３のいずれか１項に記載のデータ処理装置。
  5. 　前記特定部は、
    　前記時間分布におけるスコアの昇降パターン、又は前記スコアの時間微分値に基づいて異質な蓄電素子の測定データを特定する
    　請求項４に記載のデータ処理装置。
  6. 　時間分布を画像化した画像が入力された場合に、前記時間分布に対応する蓄電素子又は蓄電素子群の測定データに、異質な蓄電素子の測定データが含まれているか否かを判定するように学習された第２の判定モデルを前記記憶部に記憶しておき、
    　前記特定部は、
    　作成した時間分布を画像化して前記第２の判定モデルに入力し、
    　前記第２の判定モデルによって異質な蓄電素子の測定データが含まれていると判定された場合、前記時間分布に係る測定データを異質な蓄電素子の測定データとして特定する
    　請求項４に記載のデータ処理装置。
  7. 　前記特定部は、
    　対象の蓄電素子又は蓄電素子群に対して作成した前記時間分布を、前記対象の蓄電素子又は蓄電素子群を識別する情報に対応付けて記憶し、
    　前記時間分布に含まれるスコアの値により、前記対象の蓄電素子又は蓄電素子群をソートし、
    　ソート順に、前記時間分布に基づき異質な蓄電素子の測定データを含む蓄電素子又は蓄電素子群の測定データの選択を受け付け、
    　選択された測定データを、異質な蓄電素子の測定データとして特定する
    　請求項４に記載のデータ処理装置。
  8. 　前記判定モデルは、前記特定部によって特定された異質な蓄電素子の測定データを、前記蓄電素子に対する測定データから除外した残りの測定データを用いて再学習される
    　請求項１から請求項７のいずれか１項に記載のデータ処理装置。
  9. 　前記蓄電素子又は蓄電素子群に対する測定データの内、所定の割合が、異質な蓄電素子の測定データであると特定された場合、前記判定モデルは、全測定データを用いて再学習される
    　請求項１から請求項７のいずれか１項に記載のデータ処理装置。
  10. 　前記判定モデルは、前記蓄電素子の使用環境別の教師データによって学習されている
    　請求項１から請求項９のいずれか１項に記載のデータ処理装置。
  11. 　蓄電素子に対する測定データを処理するデータ処理方法であって、
    　前記蓄電素子毎、又は、複数の前記蓄電素子をグループ分けした蓄電素子群毎に測定された測定データが入力された場合に、前記測定データに異質な蓄電素子の測定データが含まれているか否かに対応するスコアを出力するように学習された判定モデルを用い、
    　取得した測定データを前記判定モデルへ入力して出力されたスコアに基づいて異質な蓄電素子の測定データを特定する
    　データ処理方法。
  12. 　コンピュータに、
    　蓄電素子毎、又は、複数の前記蓄電素子をグループ分けした蓄電素子群毎に測定された測定データが入力された場合に、前記測定データに異質な蓄電素子の測定データが含まれているか否かに対応するスコアを出力するように学習された判定モデルを用い、
    　取得した測定データを前記判定モデルへ入力して出力されたスコアに基づいて異質な蓄電素子の測定データを特定する
    　処理を実行させるコンピュータプログラム。
PCT/JP2019/049972 2018-12-28 2019-12-20 データ処理装置、データ処理方法、及びコンピュータプログラム Ceased WO2020137838A1 (ja)

Priority Applications (3)

Application Number Priority Date Filing Date Title
US17/418,520 US12013439B2 (en) 2018-12-28 2019-12-20 Data processor, data processing method, and computer program
EP19902484.5A EP3905420B1 (en) 2018-12-28 2019-12-20 Data processing device, data processing method, and computer program
CN201980086917.9A CN113228378A (zh) 2018-12-28 2019-12-20 数据处理装置、数据处理方法以及计算机程序

Applications Claiming Priority (2)

Application Number Priority Date Filing Date Title
JP2018248109A JP7310137B2 (ja) 2018-12-28 2018-12-28 データ処理装置、データ処理方法、及びコンピュータプログラム
JP2018-248109 2018-12-28

Publications (1)

Publication Number Publication Date
WO2020137838A1 true WO2020137838A1 (ja) 2020-07-02

Family

ID=71126216

Family Applications (1)

Application Number Title Priority Date Filing Date
PCT/JP2019/049972 Ceased WO2020137838A1 (ja) 2018-12-28 2019-12-20 データ処理装置、データ処理方法、及びコンピュータプログラム

Country Status (5)

Country Link
US (1) US12013439B2 (ja)
EP (1) EP3905420B1 (ja)
JP (1) JP7310137B2 (ja)
CN (1) CN113228378A (ja)
WO (1) WO2020137838A1 (ja)

Cited By (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN114066064A (zh) * 2021-11-18 2022-02-18 国网上海市电力公司 一种基于pca-lstm神经网络的空调负荷预测方法
WO2022130830A1 (ja) * 2020-12-16 2022-06-23 株式会社Ｇｓユアサ 異常検知装置、異常検知方法、及びコンピュータプログラム
WO2022191897A1 (en) * 2021-03-11 2022-09-15 Duracell U.S. Operations, Inc. Integrated monitoring capacity of a power bank battery and devices charged therewith
WO2022202324A1 (ja) * 2021-03-22 2022-09-29 株式会社Ｇｓユアサ 異常検知装置、異常検知方法、及びコンピュータプログラム
US11502528B2 (en) 2021-03-11 2022-11-15 Duracell U.S. Operations, Inc. Integrated determination of charges remaining via a power bank
US11710977B2 (en) 2021-03-11 2023-07-25 Duracell U.S. Operations, Inc. Integrated monitoring charging efficiency of a rechargeable device via a power bank

Families Citing this family (14)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR102952536B1 (ko) 2020-08-13 2026-04-14 주식회사 엘지에너지솔루션 배터리 용량 추정 장치 및 방법
KR20220045451A (ko) * 2020-10-05 2022-04-12 주식회사 엘지에너지솔루션 배터리 상태 진단 장치 및 방법
EP4272008B1 (en) * 2020-12-30 2025-02-12 Baxter International Inc. System and method for generating battery alarms in infusion devices
JP2022139501A (ja) * 2021-03-12 2022-09-26 株式会社豊田中央研究所 劣化判定装置、劣化判定システム、劣化判定方法及びそのプログラム
WO2022196175A1 (ja) * 2021-03-16 2022-09-22 株式会社Ｇｓユアサ 異常検知装置、異常検知方法、及びコンピュータプログラム
WO2022224693A1 (ja) * 2021-04-19 2022-10-27 パナソニック インテレクチュアル プロパティ コーポレーション オブ アメリカ 製造方法、生成装置、推定装置、識別情報付与方法、及び付与装置
KR102874967B1 (ko) * 2021-08-13 2025-10-22 주식회사 엘지에너지솔루션 배터리 관리 장치 및 이를 포함하는 배터리 검사 시스템
JP7646520B2 (ja) * 2021-11-01 2025-03-17 株式会社東芝 データ処理装置、方法およびプログラム
JP2023131264A (ja) * 2022-03-09 2023-09-22 株式会社Ｇｓユアサ 情報処理装置、蓄電ユニットの状態表示方法及びコンピュータプログラム
JP2024063627A (ja) * 2022-10-26 2024-05-13 株式会社Ｇｓユアサ 情報処理方法、情報処理システム及びプログラム
CN115967178B (zh) * 2022-12-07 2023-09-05 贵州大学 一种储能系统运行的监测系统及方法
CN116316612B (zh) * 2023-05-16 2023-09-15 南方电网数字电网研究院有限公司 自动机器学习的新能源功率云边协同预测方法及系统
CN121444250A (zh) * 2023-07-13 2026-01-30 松下知识产权经营株式会社 电池分析系统、电池分析方法以及电池分析程序
JP7653569B1 (ja) * 2024-10-24 2025-03-28 日鉄エンジニアリング株式会社 表示制御方法、表示制御プログラム及び表示制御装置

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2003249271A (ja) * 2002-02-22 2003-09-05 Akuson Data Machine Kk バッテリの残存容量判定方法と、その装置
JP2013003115A (ja) 2011-06-21 2013-01-07 Gs Yuasa Corp 電池寿命劣化推定装置、電池寿命劣化推定方法及び蓄電システム
JP2017004955A (ja) * 2015-06-11 2017-01-05 三星電子株式会社Ｓａｍｓｕｎｇ Ｅｌｅｃｔｒｏｎｉｃｓ Ｃｏ．，Ｌｔｄ． バッテリ状態推定装置及び方法
WO2018150631A1 (ja) * 2017-02-20 2018-08-23 日本電気株式会社 判定装置、判定方法及びプログラム

Family Cites Families (30)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP3762840B2 (ja) * 1998-11-24 2006-04-05 富士通株式会社 類似事例に基づく予測を行う予測装置および方法
US20030184307A1 (en) * 2002-02-19 2003-10-02 Kozlowski James D. Model-based predictive diagnostic tool for primary and secondary batteries
JP4287464B2 (ja) * 2006-12-14 2009-07-01 株式会社 日立コンサルティング システム基盤構成策定支援システム及び支援方法
JP2008232758A (ja) 2007-03-19 2008-10-02 Nippon Soken Inc 二次電池の内部状態検出装置及びニューラルネット式状態量推定装置
US8855954B1 (en) * 2007-11-30 2014-10-07 Intellectual Assets Llc System and method for prognosticating capacity life and cycle life of a battery asset
JP5431235B2 (ja) * 2009-08-28 2014-03-05 株式会社日立製作所 設備状態監視方法およびその装置
EP2485293A4 (en) * 2009-09-28 2014-01-08 Hitachi Vehicle Energy Ltd BATTERY SYSTEM
US10536007B2 (en) * 2011-03-05 2020-01-14 Powin Energy Corporation Battery energy storage system and control system and applications thereof
US20140136178A1 (en) * 2012-11-15 2014-05-15 Power Analytics Corporation Systems and methods for model-based solar power management
US20130253898A1 (en) * 2012-03-23 2013-09-26 Power Analytics Corporation Systems and methods for model-driven demand response
JP2013205170A (ja) * 2012-03-28 2013-10-07 Sony Corp 情報処理装置、情報処理方法、およびプログラム
JP6002606B2 (ja) 2013-03-08 2016-10-05 株式会社日立製作所 蓄電池システム
EP2992340B1 (en) * 2013-05-03 2018-10-03 Liebert Corporation System and method for ups battery monitoring and data analysis
US10203375B2 (en) * 2013-11-14 2019-02-12 Nec Corporation Method for ascertaining storage battery state, state-ascertaining system, and computer program
KR102357351B1 (ko) * 2015-01-07 2022-01-28 삼성전자주식회사 복수의 배터리 셀들을 포함하는 배터리 팩의 상태를 추정하는 장치 및 방법
KR102332399B1 (ko) * 2015-02-06 2021-11-29 삼성전자주식회사 배터리 상태 추정 장치 및 방법
JP6555061B2 (ja) * 2015-10-01 2019-08-07 富士通株式会社 クラスタリングプログラム、クラスタリング方法、および情報処理装置
JP6652699B2 (ja) * 2015-10-05 2020-02-26 富士通株式会社 アノマリ評価プログラム、アノマリ評価方法、および情報処理装置
JPWO2018043315A1 (ja) * 2016-08-31 2019-07-18 日本電気株式会社 蓄電装置、情報処理装置、通知方法、推定方法、記録媒体および蓄電システム
US10209314B2 (en) * 2016-11-21 2019-02-19 Battelle Energy Alliance, Llc Systems and methods for estimation and prediction of battery health and performance
EP3588395A4 (en) * 2017-02-21 2020-01-22 Nec Corporation ADMINISTRATIVE DEVICE, ADMINISTRATIVE PROCEDURE AND PROGRAM
US11621969B2 (en) * 2017-04-26 2023-04-04 Elasticsearch B.V. Clustering and outlier detection in anomaly and causation detection for computing environments
US20180330250A1 (en) * 2017-05-09 2018-11-15 Nec Laboratories America, Inc. Energy management system with intelligent anomaly detection and prediction
US10830826B2 (en) * 2017-07-28 2020-11-10 Northstar Battery Company, Llc Systems and methods for determning crank health of a battery
JP7134981B2 (ja) * 2017-09-14 2022-09-12 株式会社半導体エネルギー研究所 二次電池の異常検知システム及び二次電池の異常検出方法
KR20190032780A (ko) * 2017-09-20 2019-03-28 삼성전자주식회사 배터리 상태 추정 장치 및 방법
US11079437B2 (en) * 2017-12-06 2021-08-03 Cadex Electronics Inc. Battery state-of-health determination upon charging using state-of-health classifier
US11147459B2 (en) * 2018-01-05 2021-10-19 CareBand Inc. Wearable electronic device and system for tracking location and identifying changes in salient indicators of patient health
CN111819453A (zh) 2018-03-20 2020-10-23 株式会社杰士汤浅国际 异常主要原因判定装置、劣化判定装置、计算机程序、劣化判定方法以及异常主要原因判定方法
WO2019202752A1 (ja) * 2018-04-17 2019-10-24 三菱電機株式会社 蓄電池診断装置および蓄電池診断方法、並びに蓄電池制御システム

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2003249271A (ja) * 2002-02-22 2003-09-05 Akuson Data Machine Kk バッテリの残存容量判定方法と、その装置
JP2013003115A (ja) 2011-06-21 2013-01-07 Gs Yuasa Corp 電池寿命劣化推定装置、電池寿命劣化推定方法及び蓄電システム
JP2017004955A (ja) * 2015-06-11 2017-01-05 三星電子株式会社Ｓａｍｓｕｎｇ Ｅｌｅｃｔｒｏｎｉｃｓ Ｃｏ．，Ｌｔｄ． バッテリ状態推定装置及び方法
WO2018150631A1 (ja) * 2017-02-20 2018-08-23 日本電気株式会社 判定装置、判定方法及びプログラム

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
See also references of EP3905420A4

Cited By (10)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2022130830A1 (ja) * 2020-12-16 2022-06-23 株式会社Ｇｓユアサ 異常検知装置、異常検知方法、及びコンピュータプログラム
WO2022191897A1 (en) * 2021-03-11 2022-09-15 Duracell U.S. Operations, Inc. Integrated monitoring capacity of a power bank battery and devices charged therewith
US11502528B2 (en) 2021-03-11 2022-11-15 Duracell U.S. Operations, Inc. Integrated determination of charges remaining via a power bank
US11668757B2 (en) 2021-03-11 2023-06-06 Duracell U.S. Operations, Inc. Integrated monitoring capacity of a power bank battery and devices charged therewith
US11710977B2 (en) 2021-03-11 2023-07-25 Duracell U.S. Operations, Inc. Integrated monitoring charging efficiency of a rechargeable device via a power bank
US12007450B2 (en) 2021-03-11 2024-06-11 Duracell U.S. Operations, Inc. Integrated monitoring capacity of a power bank battery and devices charged therewith
WO2022202324A1 (ja) * 2021-03-22 2022-09-29 株式会社Ｇｓユアサ 異常検知装置、異常検知方法、及びコンピュータプログラム
JPWO2022202324A1 (ja) * 2021-03-22 2022-09-29
JP7726267B2 (ja) 2021-03-22 2025-08-20 株式会社Ｇｓユアサ 異常検知装置、異常検知方法、及びコンピュータプログラム
CN114066064A (zh) * 2021-11-18 2022-02-18 国网上海市电力公司 一种基于pca-lstm神经网络的空调负荷预测方法

Also Published As

Publication number Publication date
EP3905420B1 (en) 2026-04-15
JP7310137B2 (ja) 2023-07-19
JP2020107577A (ja) 2020-07-09
US12013439B2 (en) 2024-06-18
EP3905420A4 (en) 2022-03-16
CN113228378A (zh) 2021-08-06
US20220082625A1 (en) 2022-03-17
EP3905420A1 (en) 2021-11-03

Similar Documents

Publication Publication Date Title
JP7310137B2 (ja) データ処理装置、データ処理方法、及びコンピュータプログラム
KR101971875B1 (ko) 기계학습 기반 실시간 태양광 셀 또는 어레이 상태 진단/예측 장치 및 방법
Önder et al. Classification of smart grid stability prediction using cascade machine learning methods and the internet of things in smart grid
KR102340258B1 (ko) 시계열의 데이터를 예측 하는 방법 및 그 장치
EP3905424A1 (en) Data processing device, data processing method and computer program
JP6313516B1 (ja) 情報処理装置、情報処理方法およびコンピュータプログラム
KR20170078252A (ko) 시계열의 데이터를 모니터링 하는 방법 및 그 장치
CN113705688A (zh) 一种电力用户异常用电行为检测方法和系统
US20240426920A1 (en) Abnormality detection device, abnormality detection method, and computer program
US20240044988A1 (en) Abnormality detection device, abnormality detection method, and computer program
CN117171710A (zh) 一种电力系统的故障诊断方法及故障诊断装置
WO2022183568A1 (zh) 复合微能源系统及其能量控制方法、装置、存储介质
CN117540225A (zh) 一种基于DBSCAN聚类的分布式ups系统一致性评估系统及方法
CN119716576A (zh) 蓄电池生产充放电状态监测预警方法及系统
Li et al. Data-driven assessment of lithium-ion battery degradation using thermal patterns from computer vision
CN120958683A (zh) 信息处理方法、信息处理装置以及信息处理程序
Safari et al. FaultyVoltaMan: Ensemble Learning Model for Accurate Fault Detection and Classification of PV-Integrated Systems
WO2022196175A1 (ja) 異常検知装置、異常検知方法、及びコンピュータプログラム
Ma et al. Degradation trend evaluation for smart meters under high dry heat natural environments
JP2023109186A (ja) 異常検知装置、異常検知方法、及びコンピュータプログラム
Karim et al. Weather based Electricity Consumption Prediction using Big Data Analytics Model
Alam et al. Room occupancy detection based on random forest with timestamp features and ANOVA feature selection method
Lin Estimation of State-of-Health for Lithium-Ion Batteries Using Relaxation Voltage against Variable Operating Conditions
CN120761860A (zh) 电池故障检测方法、装置、计算机设备和存储介质
Liu et al. Power Load Open-Set Classification Based on Adaptive Multi-Scale Metric Learning in Open Scenarios

Legal Events

Date Code Title Description
121 Ep: the epo has been informed by wipo that ep was designated in this application

Ref document number: 19902484

Country of ref document: EP

Kind code of ref document: A1

NENP Non-entry into the national phase

Ref country code: DE

ENP Entry into the national phase

Ref document number: 2019902484

Country of ref document: EP

Effective date: 20210728

WWG Wipo information: grant in national office

Ref document number: 2019902484

Country of ref document: EP