JP2022052373A - 情報処理装置、情報処理方法、及びコンピュータプログラム - Google Patents
情報処理装置、情報処理方法、及びコンピュータプログラム Download PDFInfo
- Publication number
- JP2022052373A JP2022052373A JP2020158730A JP2020158730A JP2022052373A JP 2022052373 A JP2022052373 A JP 2022052373A JP 2020158730 A JP2020158730 A JP 2020158730A JP 2020158730 A JP2020158730 A JP 2020158730A JP 2022052373 A JP2022052373 A JP 2022052373A
- Authority
- JP
- Japan
- Prior art keywords
- deterioration
- degree
- power storage
- storage device
- unit
- 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.)
- Pending
Links
- 230000010365 information processing Effects 0.000 title claims abstract description 57
- 238000004590 computer program Methods 0.000 title claims abstract description 9
- 238000003672 processing method Methods 0.000 title claims abstract description 9
- 238000009795 derivation Methods 0.000 claims abstract description 22
- 230000006866 deterioration Effects 0.000 claims description 133
- 238000000034 method Methods 0.000 claims description 46
- 230000008569 process Effects 0.000 claims description 23
- 238000004146 energy storage Methods 0.000 claims description 12
- 230000007704 transition Effects 0.000 claims description 5
- 238000012937 correction Methods 0.000 claims description 4
- 238000005259 measurement Methods 0.000 claims description 4
- 230000015556 catabolic process Effects 0.000 abstract 4
- 238000006731 degradation reaction Methods 0.000 abstract 4
- 238000010586 diagram Methods 0.000 description 19
- 238000012545 processing Methods 0.000 description 18
- 238000004891 communication Methods 0.000 description 13
- 239000002253 acid Substances 0.000 description 10
- 230000006870 function Effects 0.000 description 8
- 230000015654 memory Effects 0.000 description 7
- 238000013528 artificial neural network Methods 0.000 description 6
- 238000013527 convolutional neural network Methods 0.000 description 6
- 210000002569 neuron Anatomy 0.000 description 5
- 230000008859 change Effects 0.000 description 4
- 238000007599 discharging Methods 0.000 description 4
- 238000005401 electroluminescence Methods 0.000 description 4
- 230000004913 activation Effects 0.000 description 3
- PXHVJJICTQNCMI-UHFFFAOYSA-N Nickel Chemical compound [Ni] PXHVJJICTQNCMI-UHFFFAOYSA-N 0.000 description 2
- 238000013135 deep learning Methods 0.000 description 2
- 239000004973 liquid crystal related substance Substances 0.000 description 2
- 238000010801 machine learning Methods 0.000 description 2
- 230000014759 maintenance of location Effects 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 238000011176 pooling Methods 0.000 description 2
- 238000012549 training Methods 0.000 description 2
- UFHFLCQGNIYNRP-UHFFFAOYSA-N Hydrogen Chemical compound [H][H] UFHFLCQGNIYNRP-UHFFFAOYSA-N 0.000 description 1
- HBBGRARXTFLTSG-UHFFFAOYSA-N Lithium ion Chemical compound [Li+] HBBGRARXTFLTSG-UHFFFAOYSA-N 0.000 description 1
- 238000013459 approach Methods 0.000 description 1
- 239000003990 capacitor Substances 0.000 description 1
- 230000008878 coupling Effects 0.000 description 1
- 238000010168 coupling process Methods 0.000 description 1
- 238000005859 coupling reaction Methods 0.000 description 1
- 230000001186 cumulative effect Effects 0.000 description 1
- 238000001514 detection method Methods 0.000 description 1
- 239000003792 electrolyte Substances 0.000 description 1
- 230000036541 health Effects 0.000 description 1
- 229910052739 hydrogen Inorganic materials 0.000 description 1
- 239000001257 hydrogen Substances 0.000 description 1
- 229910001416 lithium ion Inorganic materials 0.000 description 1
- 230000007774 longterm Effects 0.000 description 1
- 229910052759 nickel Inorganic materials 0.000 description 1
- 230000000306 recurrent effect Effects 0.000 description 1
- 230000004044 response Effects 0.000 description 1
- 230000006403 short-term memory Effects 0.000 description 1
- 239000007858 starting material Substances 0.000 description 1
- 230000003068 static effect Effects 0.000 description 1
- 230000002123 temporal effect Effects 0.000 description 1
Images
Classifications
-
- 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]
- G01R31/382—Arrangements for monitoring battery or accumulator variables, e.g. SoC
- G01R31/3842—Arrangements for monitoring battery or accumulator variables, e.g. SoC combining voltage and current measurements
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01R—MEASURING ELECTRIC VARIABLES; MEASURING MAGNETIC VARIABLES
- G01R31/00—Arrangements for testing electric properties; Arrangements for locating electric faults; Arrangements for electrical testing characterised by what is being tested not provided for elsewhere
- G01R31/36—Arrangements for testing, measuring or monitoring the electrical condition of accumulators or electric batteries, e.g. capacity or state of charge [SoC]
- G01R31/367—Software therefor, e.g. for battery testing using modelling or look-up tables
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01R—MEASURING ELECTRIC VARIABLES; MEASURING MAGNETIC VARIABLES
- G01R31/00—Arrangements for testing electric properties; Arrangements for locating electric faults; Arrangements for electrical testing characterised by what is being tested not provided for elsewhere
- G01R31/36—Arrangements for testing, measuring or monitoring the electrical condition of accumulators or electric batteries, e.g. capacity or state of charge [SoC]
- G01R31/392—Determining battery ageing or deterioration, e.g. state of health
-
- G—PHYSICS
- G07—CHECKING-DEVICES
- G07C—TIME OR ATTENDANCE REGISTERS; REGISTERING OR INDICATING THE WORKING OF MACHINES; GENERATING RANDOM NUMBERS; VOTING OR LOTTERY APPARATUS; ARRANGEMENTS, SYSTEMS OR APPARATUS FOR CHECKING NOT PROVIDED FOR ELSEWHERE
- G07C5/00—Registering or indicating the working of vehicles
- G07C5/08—Registering or indicating performance data other than driving, working, idle, or waiting time, with or without registering driving, working, idle or waiting time
- G07C5/10—Registering or indicating performance data other than driving, working, idle, or waiting time, with or without registering driving, working, idle or waiting time using counting means or digital clocks
-
- H—ELECTRICITY
- H01—ELECTRIC ELEMENTS
- H01M—PROCESSES OR MEANS, e.g. BATTERIES, FOR THE DIRECT CONVERSION OF CHEMICAL ENERGY INTO ELECTRICAL ENERGY
- H01M10/00—Secondary cells; Manufacture thereof
- H01M10/42—Methods or arrangements for servicing or maintenance of secondary cells or secondary half-cells
-
- H—ELECTRICITY
- 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
- 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
- H01M10/482—Accumulators combined with arrangements for measuring, testing or indicating the condition of cells, e.g. the level or density of the electrolyte for several batteries or cells simultaneously or sequentially
-
- H—ELECTRICITY
- H02—GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
- H02J—CIRCUIT ARRANGEMENTS OR SYSTEMS FOR SUPPLYING OR DISTRIBUTING ELECTRIC POWER; SYSTEMS FOR STORING ELECTRIC ENERGY
- H02J7/00—Circuit arrangements for charging or depolarising batteries or for supplying loads from batteries
- H02J7/00032—Circuit arrangements for charging or depolarising batteries or for supplying loads from batteries characterised by data exchange
- H02J7/00034—Charger exchanging data with an electronic device, i.e. telephone, whose internal battery is under charge
-
- H—ELECTRICITY
- H02—GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
- H02J—CIRCUIT ARRANGEMENTS OR SYSTEMS FOR SUPPLYING OR DISTRIBUTING ELECTRIC POWER; SYSTEMS FOR STORING ELECTRIC ENERGY
- H02J7/00—Circuit arrangements for charging or depolarising batteries or for supplying loads from batteries
- H02J7/0047—Circuit arrangements for charging or depolarising batteries or for supplying loads from batteries with monitoring or indicating devices or circuits
-
- H—ELECTRICITY
- H02—GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
- H02J—CIRCUIT ARRANGEMENTS OR SYSTEMS FOR SUPPLYING OR DISTRIBUTING ELECTRIC POWER; SYSTEMS FOR STORING ELECTRIC ENERGY
- H02J7/00—Circuit arrangements for charging or depolarising batteries or for supplying loads from batteries
- H02J7/0047—Circuit arrangements for charging or depolarising batteries or for supplying loads from batteries with monitoring or indicating devices or circuits
- H02J7/005—Detection of state of health [SOH]
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01R—MEASURING ELECTRIC VARIABLES; MEASURING MAGNETIC VARIABLES
- G01R31/00—Arrangements for testing electric properties; Arrangements for locating electric faults; Arrangements for electrical testing characterised by what is being tested not provided for elsewhere
- G01R31/36—Arrangements for testing, measuring or monitoring the electrical condition of accumulators or electric batteries, e.g. capacity or state of charge [SoC]
- G01R31/378—Arrangements for testing, measuring or monitoring the electrical condition of accumulators or electric batteries, e.g. capacity or state of charge [SoC] specially adapted for the type of battery or accumulator
- G01R31/379—Arrangements for testing, measuring or monitoring the electrical condition of accumulators or electric batteries, e.g. capacity or state of charge [SoC] specially adapted for the type of battery or accumulator for lead-acid batteries
-
- 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
- H01M2010/4271—Battery management systems including electronic circuits, e.g. control of current or voltage to keep battery in healthy state, cell balancing
-
- H—ELECTRICITY
- H01—ELECTRIC ELEMENTS
- H01M—PROCESSES OR MEANS, e.g. BATTERIES, FOR THE DIRECT CONVERSION OF CHEMICAL ENERGY INTO ELECTRICAL ENERGY
- H01M2220/00—Batteries for particular applications
- H01M2220/20—Batteries in motive systems, e.g. vehicle, ship, plane
-
- 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
Abstract
【課題】蓄電デバイスの劣化の度合を判定することができる情報処理装置、情報処理方法、及びコンピュータプログラムを提供する。【解決手段】情報処理装置1は、車両に搭載した蓄電デバイスの電流、電圧、又は温度のうち少なくとも一つ以上の履歴データを取得する第1取得部11と、蓄電デバイスの交換までの使用期間、又は交換の事由のうち少なくとも一つ以上を取得する第2取得部11と、第1取得部11により取得した前記履歴データに基づく判定データを導出する導出部11と、第2取得部11により取得した前記使用期間、又は前記交換の事由のうち少なくとも一つ以上に基づいて、蓄電デバイスの交換時の劣化の度合を設定する設定部11と、事前に他の複数の蓄電デバイスによって得られた判定データと前記劣化の度合との関係、及び前記導出部により導出した、判定対象の蓄電デバイスの判定データに基づいて、該蓄電デバイスの劣化の度合を判定する判定部11とを備える。【選択図】図2
Description
本発明は、車両に搭載した蓄電デバイスの劣化の度合を判定する情報処理装置、情報処理方法、及びコンピュータプログラムに関する。
例えば鉛蓄電池等の蓄電デバイスは、車載用、産業用の他、様々な用途で使用されている。例えば車載用の鉛蓄電池は、例えば自動車、バイク、フォークリフト、ゴルフカー等の車両等の移動体に搭載され、エンジン始動時におけるスタータモータへの電力供給源、及びライト等の各種電装品への電力供給源として使用されている。例えば、産業用の鉛蓄電池は、非常用電源やUPSへの電力供給源として使用されている。
鉛蓄電池は様々な要因によって劣化が進行することが知られている。鉛蓄電池の予期せぬ機能喪失による電力の供給停止を防ぐため、鉛蓄電池の劣化の度合を適切に判定し、交換の要否を的確に判定する必要がある。
特許文献1の電池の寿命診断装置は、劣化指標の推移情報に基づいて、寿命を予測する。
特許文献1の電池の寿命診断装置は、劣化指標の推移情報に基づいて、寿命を予測する。
車両に搭載する鉛蓄電池の寿命は、一般的な走行スタイルに基づいて予測されている。
一般に、鉛蓄電池にトラブルがあり、即ち鉛蓄電池のSOH(健全状態:State Of Health)が0になり、鉛蓄電池が寿命に到達した場合には、道路上等で車両のエンジンをかけることができなくなるため、鉛蓄電池を交換することになる。一方、例えば使用期間、エンジンのかかり具合等の走行スタイルに基づく事由により、販売店のスタッフの勧めに基づいて、使用可能期間が残存している、即ちSOHが0になっていない場合でも、ユーザの判断により交換することがある。特許文献1の場合、鉛蓄電池の交換を実施した場合の情報、ユーザの走行スタイルを加味していないので、良好に各電池の劣化の度合を判定して寿命を予測することができない。
一般に、鉛蓄電池にトラブルがあり、即ち鉛蓄電池のSOH(健全状態:State Of Health)が0になり、鉛蓄電池が寿命に到達した場合には、道路上等で車両のエンジンをかけることができなくなるため、鉛蓄電池を交換することになる。一方、例えば使用期間、エンジンのかかり具合等の走行スタイルに基づく事由により、販売店のスタッフの勧めに基づいて、使用可能期間が残存している、即ちSOHが0になっていない場合でも、ユーザの判断により交換することがある。特許文献1の場合、鉛蓄電池の交換を実施した場合の情報、ユーザの走行スタイルを加味していないので、良好に各電池の劣化の度合を判定して寿命を予測することができない。
本発明は、蓄電デバイスの劣化の度合を判定することができる情報処理装置、情報処理方法、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。
本発明の一態様に係る情報処理装置は、車両に搭載した蓄電デバイスの電流、電圧、又は温度のうち少なくとも一つ以上の履歴データを取得する第1取得部と、蓄電デバイスの交換までの使用期間、又は交換の事由のうち少なくとも一つ以上を取得する第2取得部と、前記第1取得部により取得した前記履歴データに基づく判定データを導出する導出部と、前記第2取得部により取得した前記使用期間、又は前記交換の事由のうち少なくとも一つ以上に基づいて、蓄電デバイスの交換時の劣化の度合を設定する設定部と、事前に他の複数の蓄電デバイスによって得られた判定データと前記劣化の度合との関係、及び前記導出部により導出した、判定対象の蓄電デバイスの判定データに基づいて、該蓄電デバイスの判定時の劣化の度合を判定する判定部とを備える。
本発明の一態様に係る情報処理方法は、車両に搭載した蓄電デバイスの電流、電圧、又は温度のうち少なくとも一つ以上の履歴データを取得し、蓄電デバイスの交換までの使用期間、又は交換の事由のうち少なくとも一つ以上を取得し、取得した前記履歴データに基づく判定データを導出し、取得した前記使用期間、及び前記交換の事由のうち少なくとも一つ以上に基づいて、前記蓄電デバイスの劣化の度合を設定し、事前に他の複数の蓄電デバイスによって得られた判定データと前記劣化の度合との関係、及び判定対象の蓄電デバイスの判定データに基づいて、該蓄電デバイスの劣化の度合を判定する。
本発明の一態様に係るコンピュータプログラムは、車両に搭載した蓄電デバイスの電流、電圧、又は温度のうち少なくとも一つ以上の履歴データを取得し、蓄電デバイスの交換までの使用期間、又は交換の事由のうち少なくとも一つ以上を取得し、取得した前記履歴データに基づく判定データを導出し、取得した前記使用期間、又は前記交換の事由のうち少なくとも一つ以上に基づいて、前記蓄電デバイスの劣化の度合を設定し、事前に他の複数の蓄電デバイスによって得られた判定データと前記劣化の度合との関係、及び判定対象の蓄電デバイスの判定データに基づいて、該蓄電デバイスの劣化の度合を判定する処理をコンピュータに実行させる。
本発明によれば、蓄電デバイスの劣化を判定することができる。
(実施形態の概要)
実施形態に係る情報処理装置は、車両に搭載した蓄電デバイスの電流、電圧、又は温度のうち少なくとも一つ以上の履歴データを取得する第1取得部と、蓄電デバイスの交換までの使用期間、又は交換の事由のうち少なくとも一つ以上を取得する第2取得部と、前記第1取得部により取得した前記履歴データに基づく判定データを導出する導出部と、前記第2取得部により取得した前記使用期間、又は前記交換の事由のうち少なくとも一つ以上に基づいて、蓄電デバイスの交換時の劣化の度合を設定する設定部と、事前に他の複数の蓄電デバイスによって得られた判定データと前記劣化の度合との関係、及び前記導出部により導出した、判定対象の蓄電デバイスの判定データに基づいて、該蓄電デバイスの判定時の劣化の度合を判定する判定部とを備える。
実施形態に係る情報処理装置は、車両に搭載した蓄電デバイスの電流、電圧、又は温度のうち少なくとも一つ以上の履歴データを取得する第1取得部と、蓄電デバイスの交換までの使用期間、又は交換の事由のうち少なくとも一つ以上を取得する第2取得部と、前記第1取得部により取得した前記履歴データに基づく判定データを導出する導出部と、前記第2取得部により取得した前記使用期間、又は前記交換の事由のうち少なくとも一つ以上に基づいて、蓄電デバイスの交換時の劣化の度合を設定する設定部と、事前に他の複数の蓄電デバイスによって得られた判定データと前記劣化の度合との関係、及び前記導出部により導出した、判定対象の蓄電デバイスの判定データに基づいて、該蓄電デバイスの判定時の劣化の度合を判定する判定部とを備える。
上記構成によれば、判定データと、前記使用期間や交換の事由に基づいて設定した劣化の度合とを対応づけたデータに基づいて導出した、判定データと劣化の度合との関係を参照し、判定対象の蓄電デバイスの判定データに基づいて、該蓄電デバイスの劣化の度合を判定する。前記関係は、該劣化度合を判定する前に交換を実施した複数の蓄電デバイスの前記使用期間や交換の事由等に基づき導出された劣化の度合を使用するので、対象の蓄電デバイスの判定データに基づいて、良好に劣化の度合を判定でき、寿命を推定することができる。
上述の情報処理装置において、前記判定部は、判定データを入力した場合に、劣化の度合を出力する学習モデルに、前記導出部により導出した判定対象の蓄電デバイスの判定データを入力して、劣化の度合を判定してもよい。
上記構成によれば、容易に、精度良く劣化の度合を取得できる。
上述の情報処理装置において、前記第2取得部は、交換時点の蓄電デバイスの実測の劣化の度合をさらに取得し、前記設定部は、前記第2取得部により取得した前記実測の劣化の度合に基づいて、劣化の度合を補正してもよい。
上記構成によれば、判定データと劣化の度合との関係の精度がより良好になり、対象の蓄電デバイスの劣化の度合をより良好に判定できる。
上述の情報処理装置において、前記第2取得部により取得した前記使用期間や前記交換の事由のうち少なくとも一つ以上に基づいて、蓄電デバイスの残寿命を設定する第2の設定部と、劣化の度合と前記残寿命との関係、及び前記判定部により判定した判定対象の蓄電デバイスの劣化の度合に基づいて、残寿命を推定する推定部とを備えてもよい。
上記構成によれば、劣化の度合に基づいて、良好に残寿命を推定できる。
上述の情報処理装置において、前記推定部は、劣化の度合を入力した場合に、残寿命を出力する第2の学習モデルに、前記判定部により判定した前記蓄電デバイスの前記劣化の度合を入力して、残寿命を推定してもよい。
上記構成によれば、容易に、精度良く残寿命を取得できる。
実施形態に係る情報処理装置は、車両に搭載した蓄電デバイスの電流、電圧、又は温度のうち少なくとも一つ以上の履歴データを取得する第1取得部と、蓄電デバイスの交換までの使用期間、又は交換の事由のうち少なくとも一つ以上を取得する第2取得部と、前記第1取得部により取得した前記履歴データに基づく判定データを導出する導出部と、前記第2取得部により取得した前記使用期間、又は前記交換の事由のうち少なくとも一つ以上に基づいて、蓄電デバイスの残寿命を設定する設定部と、事前に他の複数の蓄電デバイスによって得られた判定データと前記残寿命との関係、及び前記導出部により導出した、判定対象の蓄電デバイスの判定データに基づいて、該蓄電デバイスの残寿命を推定する推定部とを備えてもよい。
上記構成によれば、判定データと、交換までの使用期間や交換の事由等に基づいて設定した残寿命とを対応づけたデータに基づいて導出した、判定データと残寿命との関係を参照し、判定対象の蓄電デバイスの判定データに基づいて、該蓄電デバイスの残寿命を判定する。前記関係は、該残寿命を判定する前に交換を実施した複数の蓄電デバイスの前記使用期間や交換の事由等に基づき導出された残寿命を使用するので、対象の蓄電デバイスの判定データに基づいて、良好に寿命を推定することができる。
上述の情報処理装置において、前記推定部は、判定データを入力した場合に、残寿命を出力する学習モデルに、前記導出部により導出した判定対象の蓄電デバイスの判定データを入力して、残寿命を推定してもよい。
上記構成によれば、容易に、精度良く残寿命を取得できる。
上述の情報処理装置において、前記残寿命は、判定データを導出した時点以降の劣化の度合の予想推移を表してもよい。また、予想においては、使用条件を変更した場合の寿命変化について表してもよい。
上記構成によれば、使用条件の変更によりの蓄電デバイスの寿命を延ばすことや使用条件の変化による早期寿命到来の予知ができる。
上述の情報処理装置において、前記設定部は、前記交換の事由が、蓄電デバイスのトラブルであるか、又はトラブルの発生前の事由であるかに応じて、劣化の度合又は残寿命を設定してもよい。
トラブルの発生前に、販売店のスタッフの勧めにより交換する場合、使用可能な期間が残っていることがある。上記構成によれば、交換の事由が蓄電デバイスのトラブルであるか、トラブルの発生前の事由であるかに応じて、劣化の度合又は残寿命を良好に設定できる。
上述の情報処理装置において、前記第2取得部が前記使用期間、又は前記交換の事由のうち少なくとも一つ以上を取得した場合に、交換の直前に前記判定部により判定した劣化の度合、又は前記推定部により推定した残寿命を取得する第3取得部と、前記使用期間、又は前記交換の事由のうち少なくとも一つ以上に基づいて、前記設定部が設定する劣化の度合、又は残寿命を取得する第4取得部と、前記判定部の判定時、又は前記推定部の推定時の判定データと、前記第4取得部が取得した前記劣化の度合、又は前記残寿命とに基づいて、前記判定データと劣化の度合との関係、又は前記判定データと残寿命との関係を補正する補正部とを備えてもよい。
上記構成によれば、蓄電デバイスを交換した場合に、交換の直前に判定した劣化の度合、又は推定した残寿命と、交換の事由に基づいて設定される劣化の度合又は残寿命とに基づいて、判定データと劣化の度合との関係、又は判定データと残寿命との関係を補正する。次回判定する劣化の度合、又は推定する残寿命の精度が向上する。
実施形態に係る情報処理方法は、車両に搭載した蓄電デバイスの電流、電圧、又は温度のうち少なくとも一つ以上の履歴データを取得し、蓄電デバイスの交換までの使用期間、又は交換の事由のうち少なくとも一つ以上を取得し、取得した前記履歴データに基づく判定データを導出し、取得した前記使用期間、及び前記交換の事由のうち少なくとも一つ以上に基づいて、前記蓄電デバイスの劣化の度合を設定し、事前に他の複数の蓄電デバイスによって得られた判定データと前記劣化の度合との関係、及び判定対象の蓄電デバイスの判定データに基づいて、該蓄電デバイスの劣化の度合を判定する。
上記構成によれば、判定データと、前記使用期間や交換の事由等に基づいて設定した劣化の度合とを対応づけたデータに基づいて導出した、判定データと劣化の度合との関係を参照し、判定対象の蓄電デバイスの判定データに基づいて、該蓄電デバイスの劣化の度合を判定する。該劣化の度合を判定する前に交換を実施した複数の蓄電デバイスの前記使用期間や交換の事由等に基づき導出された劣化の度合を使用するので、良好に劣化の度合を判定して、寿命を推定することができる。
上述の情報処理方法において、前記使用期間、又は前記交換の事由のうち少なくとも一つ以上を取得した場合に、交換の直前に判定した劣化の度合を取得し、前記使用期間、又は前記交換の事由のうち少なくとも一つ以上に基づいて、設定する劣化の度合を取得し、 判定時の判定データと、設定する前記劣化の度合とに基づいて、前記判定データと劣化の度合との関係を補正してもよい。
上記構成によれば、判定データと劣化の度合との関係、又は判定データと残寿命との関係を補正するので、次回判定する劣化の度合、又は推定する残寿命の精度が向上する。
実施形態に係るコンピュータプログラムは、車両に搭載した蓄電デバイスの電流、電圧、又は温度のうち少なくとも一つ以上の履歴データを取得し、蓄電デバイスの交換までの使用期間、又は交換の事由のうち少なくとも一つ以上を取得し、取得した前記履歴データに基づく判定データを導出し、取得した前記使用期間、又は前記交換の事由のうち少なくとも一つ以上に基づいて、前記蓄電デバイスの劣化の度合を設定し、事前に他の複数の蓄電デバイスによって得られた判定データと前記劣化の度合との関係、及び判定対象の蓄電デバイスの判定データに基づいて、該蓄電デバイスの劣化の度合を判定する処理をコンピュータに実行させる。
上記構成によれば、判定対象の蓄電デバイスの劣化の度合を判定する前に交換を実施した複数の蓄電デバイスから事前に取得した判定データと劣化の度合との関係を参照し、判定対象の蓄電デバイスの判定データに基づいて、良好に劣化の度合を判定でき、寿命を推定することができる。
上述のコンピュータプログラムにおいて、前記使用期間、又は前記交換の事由のうち少なくとも一つ以上を取得した場合に、交換の直前に判定した劣化の度合を取得し、前記使用期間、又は前記交換の事由のうち少なくとも一つ以上に基づいて、設定する劣化の度合を取得し、判定時の判定データと、設定する前記劣化の度合とに基づいて、前記判定データと劣化の度合との関係を補正する処理をコンピュータに実行させてもよい。
上記構成によれば、判定データと劣化の度合との関係、又は判定データと残寿命との関係を補正するので、次回判定する劣化の度合、又は推定する残寿命の精度が向上する。
(実施形態1)
図1は、実施形態1に係る情報処理システム10の構成の一例を示す模式図である。情報処理システム10においては、情報処理装置1、車両2に搭載される蓄電デバイスとしての鉛蓄電池(以下、電池という)3の充放電を制御する制御装置4、及び電池3の販売店の端末5がインターネット等のネットワークNを介して接続されている。
図1は、実施形態1に係る情報処理システム10の構成の一例を示す模式図である。情報処理システム10においては、情報処理装置1、車両2に搭載される蓄電デバイスとしての鉛蓄電池(以下、電池という)3の充放電を制御する制御装置4、及び電池3の販売店の端末5がインターネット等のネットワークNを介して接続されている。
情報処理装置1は、制御装置4から複数の電池3の電流、電圧、及び温度の時系列(履歴)データを取得し、端末5から複数の車両2の電池3の使用期間及び交換事由等の交換情報を取得し、取得した履歴データに基づく判定データを導出する。情報処理装置1は、取得した使用期間及び交換事由に基づいて、鉛蓄電池の劣化の度合を設定し、判定データと劣化の度合とを対応づけたデータに基づいて、判定データと劣化の度合との関係(推定モデル)を導出する。情報処理装置1は、判定対象の電池3の判定データを導出し、前記関係に基づいて、電池3の劣化の度合を判定し、判定結果を端末5へ送信する。
図2は、情報処理装置1の構成の一例を示すブロック図である。情報処理装置1は、装置全体を制御する制御部11、主記憶部12、通信部13、補助記憶部14、及び計時部15を備える。情報処理装置1は、1又は複数のサーバで構成することができる。情報処理装置1は複数台で分散処理する他、仮想マシンを用いてもよい。
制御部11は、CPU(Central Processing Unit)、ROM(Read Only Memory)及びRAM(Random Access Memory)等で構成することができる。制御部11はGPU(Graphics Processing Unit)を含んで構成してもよい。また、量子コンピュータを用いてもよい。
制御部11は、CPU(Central Processing Unit)、ROM(Read Only Memory)及びRAM(Random Access Memory)等で構成することができる。制御部11はGPU(Graphics Processing Unit)を含んで構成してもよい。また、量子コンピュータを用いてもよい。
主記憶部12は、SRAM(Static Random Access Memory)、DRAM(Dynamic Random Access Memory)、フラッシュメモリ等の一時記憶領域であり、制御部11が演算処理を実行するために必要なデータを一時的に記憶する。
通信部13は、ネットワークNを介して、端末5及び制御装置4との間で通信を行う機能を有し、所要の情報の送受信を行うことができる。具体的には、通信部13は、端末5が送信した交換情報を受信し、制御装置4が送信した電流、電圧、及び温度の履歴データを受信する。通信部13は、電池3の劣化の判定結果を端末5へ送信する。
補助記憶部14は大容量メモリ、ハードディスク等であり、制御部11が処理を実行するために必要なプログラム、後述する劣化の判定処理を行うプログラム141、劣化履歴DB142、使用履歴DB143、及び関係DB144を記憶している。劣化履歴DB142は、他のDBサーバに記憶してもよい。
補助記憶部14に記憶されるプログラム141は、プログラム141を読み取り可能に記録した記録媒体140により提供されてもよい。記録媒体140は、例えば、USBメモリ、SDカード、マイクロSDカード、コンパクトフラッシュ(登録商標)等の可搬型のメモリである。記録媒体140に記録されているプログラム141は、図示していない読取装置を用いて記録媒体140から読み取られ、補助記憶部14にインストールされる。また、プログラム141は、通信部13を介した通信により提供されてもよい。
計時部15は計時を行う。
計時部15は計時を行う。
図3は、制御装置4の構成の一例を示すブロック図である。
制御装置4は、制御部41、記憶部42、計時部44、入力部45、表示パネル46、通信部47を備える。
制御部41、計時部44、及び通信部47は、制御部11、計時部15、及び通信部13と同様の構成を有する。
制御装置4は、制御部41、記憶部42、計時部44、入力部45、表示パネル46、通信部47を備える。
制御部41、計時部44、及び通信部47は、制御部11、計時部15、及び通信部13と同様の構成を有する。
記憶部42は、各種のプログラム及びデータを記憶する。記憶部42には充放電及び温度の履歴データ43が記憶されている。充放電の履歴とは、電池3の運転履歴であり、電池3が充電又は放電を行った期間(使用期間)を示す情報、使用期間において電池3が行った充電又は放電に関する情報等を含む情報である。電池3の使用期間を示す情報とは、充電又は放電の開始及び終了の時点を示す情報、電池3が使用された累積使用期間等を含む情報である。電池3が行った充電又は放電に関する情報とは、電池3が行った充電時又は放電時の電圧、レート、電流の積算値等を示す情報である。温度の履歴とは、電池3の温度の積算値である。
入力部45は、電圧センサ及び電流センサ(不図示)からの検出結果の入力を受け付ける。
表示パネル46は、液晶パネル又は有機EL(Electro Luminescence)表示パネル等で構成することができる。
通信部47は、ネットワークNを介して、端末5及び制御装置4との間で通信を行う機能を有し、所要の情報の送受信を行うことができる。
表示パネル46は、液晶パネル又は有機EL(Electro Luminescence)表示パネル等で構成することができる。
通信部47は、ネットワークNを介して、端末5及び制御装置4との間で通信を行う機能を有し、所要の情報の送受信を行うことができる。
図4は、端末5の構成の一例を示すブロック図である。
端末5は、装置全体を制御する制御部51、主記憶部52、通信部53、操作部54、表示パネル55、及び補助記憶部56を備える。端末5は、例えば、パーソナルコンピュータ、タブレット、スマートフォン等で構成することができる。制御部51は、CPU、ROM及びRAM等で構成することができる。制御部51はGPUを含んで構成してもよい。
端末5は、装置全体を制御する制御部51、主記憶部52、通信部53、操作部54、表示パネル55、及び補助記憶部56を備える。端末5は、例えば、パーソナルコンピュータ、タブレット、スマートフォン等で構成することができる。制御部51は、CPU、ROM及びRAM等で構成することができる。制御部51はGPUを含んで構成してもよい。
主記憶部52は、SRAM、DRAM、フラッシュメモリ等の一時記憶領域であり、制御部51が演算処理を実行するために必要なデータを一時的に記憶する。
通信部53は、ネットワークNを介して、情報処理装置1との間で通信を行う機能を有し、所要の情報の送受信を行う。
通信部53は、ネットワークNを介して、情報処理装置1との間で通信を行う機能を有し、所要の情報の送受信を行う。
操作部54は、例えば、ハードウェアキーボード、マウス、タッチパネル等で構成され、表示パネル55に表示されたアイコン等の操作、文字等の入力等を行うことができる。
表示パネル55は、液晶パネル又は有機EL(Electro Luminescence)表示パネル等で構成することができる。制御部51は、表示パネル55に所要の情報を表示するための制御を行う。制御部51は、情報処理装置1から取得した電池3の劣化の判定結果、交換の指示等の情報を表示パネル55に表示する。
補助記憶部56は大容量メモリである。
補助記憶部56は大容量メモリである。
表1に、劣化履歴DB142に記憶されているテーブルの一例を示す。
劣化履歴DB142は、No.列、履歴データ列、判定データ列、使用期間列及び交換事由列を含む交換情報列、設定値列及び実測値列を含むSOH列、並びに設定値列及び実測値列を含む残寿命率列を記憶している。ここで、SOHは、「推定時点における常温ハイレート放電時の電圧の、基準時の常温ハイレート放電時の電圧に対する割合」とする。SOHは容量維持率でもよい。残寿命率は、「使用可能期間に対する、判定時に残存する使用可能期間の割合」とする。
No.列は、複数の異なる電池3につき、また同一の電池3の異なるタイミングにおいて、電池3のSOH及び残寿命率の設定を行った場合の行No.を記憶している。
履歴データ列は、電池3の電流、電圧、温度の時系列データを記憶している。電流又は温度の時系列データとしては、電流又は温度の積算値が挙げられる。
判定データ列は、電流若しくは温度の積算値、前記履歴データから導出した電圧の時間微分値若しくは内部抵抗、又はこれらを組み合わせたもの等を記憶している。使用期間列は、電池3の搭載又は交換後の使用期間を記憶している。
履歴データ列は、電池3の電流、電圧、温度の時系列データを記憶している。電流又は温度の時系列データとしては、電流又は温度の積算値が挙げられる。
判定データ列は、電流若しくは温度の積算値、前記履歴データから導出した電圧の時間微分値若しくは内部抵抗、又はこれらを組み合わせたもの等を記憶している。使用期間列は、電池3の搭載又は交換後の使用期間を記憶している。
交換事由列は、例えば交換事由を0から6までの数値として記憶している。
0…使用開始時(交換不要)
1…長期使用による交換(不具合の予兆なし)
2…アイドリングストップ制御をしなくなった
3…電解液の濁りによりディーラーに電池3の交換を勧められた場合
4…ディーラーが測定した電圧が閾値以下である場合
5…エンジンがかかりにくい
6…エンジンがかからなくなった
0…使用開始時(交換不要)
1…長期使用による交換(不具合の予兆なし)
2…アイドリングストップ制御をしなくなった
3…電解液の濁りによりディーラーに電池3の交換を勧められた場合
4…ディーラーが測定した電圧が閾値以下である場合
5…エンジンがかかりにくい
6…エンジンがかからなくなった
制御部11は、下記の表2のように、交換事由とSOHの設定値との対応関係を示すSOH設定テーブルを関係DB144に記憶している。
制御部11は、交換情報を取得した場合に、SOH設定テーブルを参照し、交換情報に基づいてSOHを設定し、設定値を劣化履歴DB142のSOHの設定値列に記憶する。
制御部11は、交換情報を取得した場合に、SOH設定テーブルを参照し、交換情報に基づいてSOHを設定し、設定値を劣化履歴DB142のSOHの設定値列に記憶する。
制御部11は、実測値列に、SOHを実測した場合の実測値を記憶する。
制御部11は、実測したSOHに基づいて、SOH設定テーブルの該当の交換事由に対する設定値を更新する。これにより、交換情報を取得した場合に設定するSOHの設定値が補正される。
制御部11は、実測したSOHに基づいて、SOH設定テーブルの該当の交換事由に対する設定値を更新する。これにより、交換情報を取得した場合に設定するSOHの設定値が補正される。
制御部11は、下記の表3のように交換事由と残寿命率との対応関係を示す残寿命率設定テーブルを関係DB144に記憶している。
制御部11は、交換情報を取得した場合に、残寿命率設定テーブルを参照し、交換情報に基づいて残寿命率を設定し、設定値を劣化履歴DB142の残寿命率の設定値列に記憶する。
制御部11は、交換情報を取得した場合に、残寿命率設定テーブルを参照し、交換情報に基づいて残寿命率を設定し、設定値を劣化履歴DB142の残寿命率の設定値列に記憶する。
制御部11は、実測値列に、残存の使用可能期間を実測した場合の残寿命率を記憶する。
制御部11は、実測した残寿命率に基づいて、残寿命率設定テーブルの該当の交換事由に対する設定値を更新する。
制御部11は、実測した残寿命率に基づいて、残寿命率設定テーブルの該当の交換事由に対する設定値を更新する。
制御部11は、劣化履歴DB142に記憶された、判定データと対応するSOHとに基づいて、判定データとSOHとの第1関係を導出する。
制御部11は、劣化履歴DB142に記憶された、判定データと対応する残寿命率とに基づいて、判定データと残寿命率との第2関係を導出する。制御部11は、SOHと残寿命率との第3関係を導出してもよい。
制御部11は、第1関係、第2関係又は第3関係を関係DB144に記憶する。第1関係、第2関係又は第3関係は、関数であってもよい。
制御部11は、劣化履歴DB142に記憶された、判定データと対応する残寿命率とに基づいて、判定データと残寿命率との第2関係を導出する。制御部11は、SOHと残寿命率との第3関係を導出してもよい。
制御部11は、第1関係、第2関係又は第3関係を関係DB144に記憶する。第1関係、第2関係又は第3関係は、関数であってもよい。
表4に、使用履歴DB143に記憶されているテーブルの一例を示す。
使用履歴DB143は、電池3毎に、No.列、履歴データ列、判定データ列、判定値列,実測値列のSOH列、及び推定値列,実測値列の残寿命率列を記憶している。表4においてはIDNo.1の電池3の使用履歴を示している。履歴データ列、判定データ列、SOHの実測値列、及び残寿命率の実測値列は、劣化履歴DB142の履歴データ列、判定データ列、SOHの実測値列、及び残寿命率の実測値列と同様の内容を記憶している。
SOHの判定値列は、後述のようにして判定した値を記憶している。
残寿命率の推定値列は、後述のようにして推定した値を記憶している。
SOHの判定値列は、後述のようにして判定した値を記憶している。
残寿命率の推定値列は、後述のようにして推定した値を記憶している。
以下、第1関係及び第2関係の導出方法について説明する。
図5は、制御部11による第1関係及び第2関係の導出の処理の手順を示すフローチャートである。
制御部41は、電流、電圧、温度の履歴データを送信する(S401)。
制御部11は、電流、電圧、温度の履歴データを受信し、劣化履歴DB142に記憶する(S101)。
制御部11は、判定データを導出し、劣化履歴DB142に記憶する(S102)。
制御部51は、交換情報を送信する(S501)。
制御部11は、交換情報を受信し、劣化履歴DB142に記憶する(S103)。
制御部11は、SOH設定テーブルを参照し、交換情報に基づいてSOHを設定し、劣化履歴DB142のSOHの設定値列に記憶する(S104)。
制御部11は、残寿命率設定テーブルを参照し、交換情報に基づいて残寿命率を設定し、劣化履歴DB142の残寿命率の設定値列に記憶する(S105)。
制御部11は、劣化履歴DB142から、SOHと判定データとの第1関係、残寿命と判定データとの第2関係を導出し、関係DB144に記憶し(S106)、処理を終了する。制御部11は、第3関係を導出してもよい。
図5は、制御部11による第1関係及び第2関係の導出の処理の手順を示すフローチャートである。
制御部41は、電流、電圧、温度の履歴データを送信する(S401)。
制御部11は、電流、電圧、温度の履歴データを受信し、劣化履歴DB142に記憶する(S101)。
制御部11は、判定データを導出し、劣化履歴DB142に記憶する(S102)。
制御部51は、交換情報を送信する(S501)。
制御部11は、交換情報を受信し、劣化履歴DB142に記憶する(S103)。
制御部11は、SOH設定テーブルを参照し、交換情報に基づいてSOHを設定し、劣化履歴DB142のSOHの設定値列に記憶する(S104)。
制御部11は、残寿命率設定テーブルを参照し、交換情報に基づいて残寿命率を設定し、劣化履歴DB142の残寿命率の設定値列に記憶する(S105)。
制御部11は、劣化履歴DB142から、SOHと判定データとの第1関係、残寿命と判定データとの第2関係を導出し、関係DB144に記憶し(S106)、処理を終了する。制御部11は、第3関係を導出してもよい。
以下、SOHの判定方法及び残寿命率の推定方法について説明する。
図6は、制御部11によるSOHの判定及び残寿命率の推定の処理の手順を示すフローチャートである。
制御部41は、電流、電圧、温度の履歴データを送信する(S411)。
制御部11は、履歴データを受信し、使用履歴DB143に記憶する(S111)。
制御部11は、判定データを導出し、使用履歴DB143に記憶する(S112)。
制御部11は、関係DB144から第1関係を読み出し、導出した判定データ、及び第1関係に基づいて、SOHを判定し、使用履歴DB143に記憶する(S113)。
制御部11は、関係DB144から第2関係を読み出し、導出した判定データ、及び第2関係に基づいて、残寿命率を推定し、使用履歴DB143に記憶する(S114)。
制御部11は、関係DB144から第3関係を読み出し、判定したSOH、及び第3関係に基づいて、残寿命率を推定してもよい。
図6は、制御部11によるSOHの判定及び残寿命率の推定の処理の手順を示すフローチャートである。
制御部41は、電流、電圧、温度の履歴データを送信する(S411)。
制御部11は、履歴データを受信し、使用履歴DB143に記憶する(S111)。
制御部11は、判定データを導出し、使用履歴DB143に記憶する(S112)。
制御部11は、関係DB144から第1関係を読み出し、導出した判定データ、及び第1関係に基づいて、SOHを判定し、使用履歴DB143に記憶する(S113)。
制御部11は、関係DB144から第2関係を読み出し、導出した判定データ、及び第2関係に基づいて、残寿命率を推定し、使用履歴DB143に記憶する(S114)。
制御部11は、関係DB144から第3関係を読み出し、判定したSOH、及び第3関係に基づいて、残寿命率を推定してもよい。
制御部11は、SOH、残寿命率を制御装置4及び端末5へ送信し(S115)、処理を終了する。
制御部41は、SOH、残寿命率を受信し(S511)、表示パネル46に表示し(S512)、処理を終了する。
制御部51は、SOH、残寿命率を受信し(S412)、表示パネル55に表示し(S413)、処理を終了する。
制御部41は、SOH、残寿命率を受信し(S511)、表示パネル46に表示し(S512)、処理を終了する。
制御部51は、SOH、残寿命率を受信し(S412)、表示パネル55に表示し(S413)、処理を終了する。
図7は、表示パネル46又は表示パネル55に表示される表示画面「の一例」を示す説明図である。
制御部41又は51は、表示画面の上部に、制御部11により判定されたSOHと、推定された残寿命率とを表示する。制御部41又は51は、残寿命率の表示の右側に、寿命として、推定される寿命到達の年月を表示する。寿命は、使用可能期間に残寿命率を乗じることにより算出される。制御部41又は51は、表示画面の左側下部に、現在の判定SOHを示すグラフを表示する。
制御部41又は51は、表示画面の上部に、制御部11により判定されたSOHと、推定された残寿命率とを表示する。制御部41又は51は、残寿命率の表示の右側に、寿命として、推定される寿命到達の年月を表示する。寿命は、使用可能期間に残寿命率を乗じることにより算出される。制御部41又は51は、表示画面の左側下部に、現在の判定SOHを示すグラフを表示する。
以下、電池3を交換した場合に、交換の直前に判定したSOHと、SOH設定テーブルを参照し交換事由に基づいて取得されるSOHとに基づいて、第1関係を補正する方法について説明する。
図8は、制御部11による第1関係の補正の処理の手順を示すフローチャートである。
制御部11は、端末5から交換事由を取得する(S151)。
制御部11は、使用履歴DB143を読み出し、交換の直前に判定したSOHを取得する(S152)。
制御部11は、SOH設定テーブルを参照し、交換事由に対応するSOHを取得する(S153)。
制御部11は、判定時の判定データを使用履歴DB143から取得し、判定データ、第1関係における判定データに対応するSOH、及び交換事由に対応するSOHに基づいて、第1関係を補正し、関係DB144に記憶する(S154)。
交換情報として使用期間を取得した場合も、上記と同様にして第1関係を補正する。
上記と同様にして第2関係を補正してもよい。
図8は、制御部11による第1関係の補正の処理の手順を示すフローチャートである。
制御部11は、端末5から交換事由を取得する(S151)。
制御部11は、使用履歴DB143を読み出し、交換の直前に判定したSOHを取得する(S152)。
制御部11は、SOH設定テーブルを参照し、交換事由に対応するSOHを取得する(S153)。
制御部11は、判定時の判定データを使用履歴DB143から取得し、判定データ、第1関係における判定データに対応するSOH、及び交換事由に対応するSOHに基づいて、第1関係を補正し、関係DB144に記憶する(S154)。
交換情報として使用期間を取得した場合も、上記と同様にして第1関係を補正する。
上記と同様にして第2関係を補正してもよい。
以下、電池3の寿命の推定方法について説明する。
図9は、制御部11による寿命の推定の処理の手順を示すフローチャートである。
制御部41は、電流、電圧、温度の履歴データを送信する(S421)。
制御部11は、履歴データを受信し、使用履歴DB143に記憶する(S121)。
制御部11は、判定データを導出し、使用履歴DB143に記憶する(S122)。
制御部11は、関係DB144から第1関係を読み出し、導出した判定データ、及び第1関係に基づいて、SOHを判定し、使用履歴DB143に記憶する(S123)。
制御部11は、使用履歴DB143から、同一の電池3につき、過去の複数のSOHを取得する(S124)。
制御部11は、時系列のSOHの推移(SOH曲線:時間とSOHとの関係)を推定し、関係DB144に記憶する(S125)。制御部11は、今回判定したSOH、及び過去に判定した複数のSOHに基づき、最小二乗法による曲線近似やカルマンフィルタ等の手法を用いて、SOH曲線を導出する。関係DB144に、劣化履歴DB142のデータに基づいて、過去のSOH曲線を記憶しておき、この過去のSOH曲線も参照して、今回の推定時のSOH曲線を導出してもよい。
図9は、制御部11による寿命の推定の処理の手順を示すフローチャートである。
制御部41は、電流、電圧、温度の履歴データを送信する(S421)。
制御部11は、履歴データを受信し、使用履歴DB143に記憶する(S121)。
制御部11は、判定データを導出し、使用履歴DB143に記憶する(S122)。
制御部11は、関係DB144から第1関係を読み出し、導出した判定データ、及び第1関係に基づいて、SOHを判定し、使用履歴DB143に記憶する(S123)。
制御部11は、使用履歴DB143から、同一の電池3につき、過去の複数のSOHを取得する(S124)。
制御部11は、時系列のSOHの推移(SOH曲線:時間とSOHとの関係)を推定し、関係DB144に記憶する(S125)。制御部11は、今回判定したSOH、及び過去に判定した複数のSOHに基づき、最小二乗法による曲線近似やカルマンフィルタ等の手法を用いて、SOH曲線を導出する。関係DB144に、劣化履歴DB142のデータに基づいて、過去のSOH曲線を記憶しておき、この過去のSOH曲線も参照して、今回の推定時のSOH曲線を導出してもよい。
図10に示すように、今回の判定時点t、前回の判定時点t-1、及び前々回の判定時点t-2において判定したSOHをプロットし、将来のSOH曲線を推定する。プロットの数は図10の場合に限定されない。
制御部11は、寿命を推定する(S126)。制御部11は、推定したSOH曲線においてSOHがaになった場合の時間ta を寿命(交換時期)として取得する。
制御部11は、SOH、寿命を制御装置4及び端末5へ送信する(S127)。
制御部41は、SOH、寿命を受信し(S422)、表示パネル46に表示する(S423)。
制御部51は、SOH、寿命を受信し(S521)、表示パネル55に表示する(S522)。
制御部11は、SOH、寿命を制御装置4及び端末5へ送信する(S127)。
制御部41は、SOH、寿命を受信し(S422)、表示パネル46に表示する(S423)。
制御部51は、SOH、寿命を受信し(S521)、表示パネル55に表示する(S522)。
図11は、表示パネル46又は表示パネル55に表示される表示画面の一例を示す説明図である。
制御部41又は51は、表示画面の左側上部に、制御部11により判定されたSOHを表示する。制御部41又は51は、表示画面の左側下部に、SOH曲線を表示する。
制御部41又は51は、表示画面の右側上部に、寿命として、推定される寿命到達年月を表示する。
制御部41又は51は、表示画面の左側上部に、制御部11により判定されたSOHを表示する。制御部41又は51は、表示画面の左側下部に、SOH曲線を表示する。
制御部41又は51は、表示画面の右側上部に、寿命として、推定される寿命到達年月を表示する。
本実施形態によれば、判定データとSOHとの第1関係を参照し、判定対象の電池3の判定データに基づいて、電池3のSOHを良好に判定できる。判定データと残寿命率との第2関係を参照し、判定対象の電池3の判定データに基づいて、電池3の残寿命率を良好に推定できる。又は、SOHと残寿命率との第3関係を参照し、判定対象の電池3の判定したSOHに基づいて、電池3の残寿命率を良好に推定できる。
そして、SOH曲線を推定することにより、寿命を良好に推定することができ、使用条件を変更して寿命も延ばすことも可能になる。
そして、SOH曲線を推定することにより、寿命を良好に推定することができ、使用条件を変更して寿命も延ばすことも可能になる。
(実施形態2)
図12は、実施形態2に係る情報処理システムの情報処理装置1の構成を示すブロック図である。
実施形態2に係る情報処理システムは、補助記憶部14が学習モデルDB145を記憶していること以外は、実施形態1に係る情報処理システム10と同様の構成を有する。学習モデルDB145は学習モデル146及び147を記憶している。
図12は、実施形態2に係る情報処理システムの情報処理装置1の構成を示すブロック図である。
実施形態2に係る情報処理システムは、補助記憶部14が学習モデルDB145を記憶していること以外は、実施形態1に係る情報処理システム10と同様の構成を有する。学習モデルDB145は学習モデル146及び147を記憶している。
図13は、学習モデル146の一例を示す模式図である。
学習モデル146は、人工知能ソフトウェアの一部であるプログラムモジュールとしての利用が想定される学習モデルであり、多層のニューラルネットワーク(深層学習)を用いることができ、例えば畳み込みニューラルネットワーク(Convolutional Neural Network:CNN)を用いることができるが、他のニューラルネットワークを用いてもよい。他の機械学習を用いてもよい。制御部11が、学習モデル146からの指令に従って、学習モデル146の入力層に入力された判定データに対し演算を行い、判定結果として、SOHとその確率とを出力するように動作する。出力層は、例えば0%~100%までの範囲で、1%刻みに、SOHとその確率とを出力する。CNNの場合、中間層はコンボリューション層、プーリング層、及び全結合層を含む。ノード(ニューロン)の数は図12の場合に限定されない。
学習モデル146は、人工知能ソフトウェアの一部であるプログラムモジュールとしての利用が想定される学習モデルであり、多層のニューラルネットワーク(深層学習)を用いることができ、例えば畳み込みニューラルネットワーク(Convolutional Neural Network:CNN)を用いることができるが、他のニューラルネットワークを用いてもよい。他の機械学習を用いてもよい。制御部11が、学習モデル146からの指令に従って、学習モデル146の入力層に入力された判定データに対し演算を行い、判定結果として、SOHとその確率とを出力するように動作する。出力層は、例えば0%~100%までの範囲で、1%刻みに、SOHとその確率とを出力する。CNNの場合、中間層はコンボリューション層、プーリング層、及び全結合層を含む。ノード(ニューロン)の数は図12の場合に限定されない。
入力層、出力層及び中間層には、1又は複数のノードが存在し、各層のノードは、前後の層に存在するノードと一方向に所望の重みで結合されている。入力層のノードの数と同数の成分を有するベクトルが、学習モデル146の入力データ(学習用の入力データ及び判定用の入力データ)として与えられる。判定用の入力データの判定データとして、電流若しくは温度の積算値、電圧の時間微分値、若しくは内部抵抗、又はこれらを組み合わせたもの等が挙げられる。電流若しくは温度の積算値は、電流若しくは温度の履歴データに相当する。
学習済みの学習モデル146の入力層は、判定データを入力する。入力層の各ノードに与えられたデータは、最初の中間層に入力して与えられると、重み及び活性化関数を用いて中間層の出力が算出され、算出された値が次の中間層に与えられ、以下同様にして出力層の出力が求められるまで次々と後の層(下層)に伝達される。なお、ノードを結合する重みのすべては、学習アルゴリズムによって計算される。
学習モデル146の出力層は、出力データとしてSOHと、その確率とを生成する。
出力層は、
例えば、SOHが0%である確率…0.01
SOHが1%である確率…0.02
SOHが2%である確率…0.82
・・・
SOHが100%である確率…0.001
のように出力する。
制御部11は、確率が最大であるSOHの数値を取得する。
出力層は、1%刻みでSOHを出力する場合に限定されない。適宜の間隔でSOHを出力することができ、SOHを例えば10段階等の階級で表してもよい。
出力層は、
例えば、SOHが0%である確率…0.01
SOHが1%である確率…0.02
SOHが2%である確率…0.82
・・・
SOHが100%である確率…0.001
のように出力する。
制御部11は、確率が最大であるSOHの数値を取得する。
出力層は、1%刻みでSOHを出力する場合に限定されない。適宜の間隔でSOHを出力することができ、SOHを例えば10段階等の階級で表してもよい。
図14は、制御部11による学習モデル146の生成処理の手順を示すフローチャートである。
制御部11は、劣化履歴DB142を読み出し、各行の判定データと、交換情報に基づくSOHとを対応づけた教師データを取得する(S301)。
制御部11は、劣化履歴DB142を読み出し、各行の判定データと、交換情報に基づくSOHとを対応づけた教師データを取得する(S301)。
制御部11は教師データを用いて、判定データを入力した場合にSOHの確率を出力する学習モデル146(学習済みモデル)を生成する(S302)。具体的には、制御部11は、教師データを入力層に入力し、中間層での演算処理を経て、出力層からSOHの確率を取得する。
制御部11は、出力層から出力されたSOHの判定結果を、教師データにおいて判定データに対しラベル付けされた情報、即ち正解値と比較し、出力層からの出力値が正解値に近づくように、中間層での演算処理に用いるパラメータを最適化する。該パラメータは、例えば上述の重み(結合係数)、活性化関数の係数等である。パラメータの最適化の方法は特に限定されないが、例えば制御部11は誤差逆伝播法を用いて各種パラメータの最適化を行う。
制御部11は、生成した学習モデル146を補助記憶部14に格納し、一連の処理を終了する。
制御部11は、出力層から出力されたSOHの判定結果を、教師データにおいて判定データに対しラベル付けされた情報、即ち正解値と比較し、出力層からの出力値が正解値に近づくように、中間層での演算処理に用いるパラメータを最適化する。該パラメータは、例えば上述の重み(結合係数)、活性化関数の係数等である。パラメータの最適化の方法は特に限定されないが、例えば制御部11は誤差逆伝播法を用いて各種パラメータの最適化を行う。
制御部11は、生成した学習モデル146を補助記憶部14に格納し、一連の処理を終了する。
図15は、学習モデル147の一例を示す模式図である。
学習モデル147は、人工知能ソフトウェアの一部であるプログラムモジュールとしての利用が想定される学習モデルであり、多層のニューラルネットワーク(深層学習)を用いることができ、例えばCNNを用いることができるが、他の機械学習を用いてもよい。制御部11が、学習モデル147からの指令に従って、学習モデル147の入力層に入力された判定データに対し演算を行い、推定結果として、電池3の残寿命率とその確率とを出力するように動作する。CNNの場合、中間層はコンボリューション層、プーリング層、及び全結合層を含む。ノード(ニューロン)の数は図15の場合に限定されない。
学習モデル147は、人工知能ソフトウェアの一部であるプログラムモジュールとしての利用が想定される学習モデルであり、多層のニューラルネットワーク(深層学習)を用いることができ、例えばCNNを用いることができるが、他の機械学習を用いてもよい。制御部11が、学習モデル147からの指令に従って、学習モデル147の入力層に入力された判定データに対し演算を行い、推定結果として、電池3の残寿命率とその確率とを出力するように動作する。CNNの場合、中間層はコンボリューション層、プーリング層、及び全結合層を含む。ノード(ニューロン)の数は図15の場合に限定されない。
入力層、出力層及び中間層には、1又は複数のノードが存在し、各層のノードは、前後の層に存在するノードと一方向に所望の重みで結合されている。入力層のノードの数と同数の成分を有するベクトルが、学習モデル147の入力データ(学習用の入力データ及び推定用の入力データ)として与えられる。推定用の入力データの判定データとして、電流若しくは温度の積算値、電圧の時間微分値、又は内部抵抗、又はこれらを組み合わせたもの等が挙げられる。電流若しくは温度の積算値は、電流若しくは温度の履歴データに相当する。
学習済みの学習モデル147の入力層は、判定データを入力する。入力層の各ノードに与えられたデータは、最初の中間層に入力して与えられると、重み及び活性化関数を用いて中間層の出力が算出され、算出された値が次の中間層に与えられ、以下同様にして出力層の出力が求められるまで次々と後の層(下層)に伝達される。なお、ノードを結合する重みのすべては、学習アルゴリズムによって計算される。
学習モデル147の出力層は、出力データとして残寿命率の確率を生成する。出力層は、例えば0%~100%までの範囲で、1%刻みに、残寿命率とその確率とを出力する。
出力層は、
例えば、残寿命率が0%である確率…0.01
残寿命率が1%である確率…0.02
残寿命率が2%である確率…0.84
・・・
残寿命率が100%である確率…0.001
のように出力する。
出力層は、
例えば、残寿命率が0%である確率…0.01
残寿命率が1%である確率…0.02
残寿命率が2%である確率…0.84
・・・
残寿命率が100%である確率…0.001
のように出力する。
制御部11は、確率が最大である残寿命率の数値を取得する。
出力層は、1%刻みで残寿命率を出力する場合に限定されない。適宜の間隔で残寿命を出力することができ、残寿命率を例えば10段階等の階級で表してもよい。
出力層は、1%刻みで残寿命率を出力する場合に限定されない。適宜の間隔で残寿命を出力することができ、残寿命率を例えば10段階等の階級で表してもよい。
図16は、制御部11によるSOHの判定、及び残寿命率の推定の処理の手順を示すフローチャートである。
制御部41は、電流、電圧、温度の履歴データを情報処理装置1へ送信する(S431)。
制御部11は、履歴データを受信し、使用履歴DB143に記憶する(S131)。
制御部11は、判定データを導出し、使用履歴DB143に記憶する(S132)。
制御部11は、判定データを学習モデル146に入力する(S133)。
制御部11は、学習モデル146が出力した、確率が最大であるSOHの数値を、今回の判定時のSOHとして取得し、使用履歴DB143に記憶する(S134)。
制御部41は、電流、電圧、温度の履歴データを情報処理装置1へ送信する(S431)。
制御部11は、履歴データを受信し、使用履歴DB143に記憶する(S131)。
制御部11は、判定データを導出し、使用履歴DB143に記憶する(S132)。
制御部11は、判定データを学習モデル146に入力する(S133)。
制御部11は、学習モデル146が出力した、確率が最大であるSOHの数値を、今回の判定時のSOHとして取得し、使用履歴DB143に記憶する(S134)。
制御部11は、判定データを学習モデル147に入力する(S135)。
制御部11は、学習モデル147が出力した、確率が最大である残寿命率の数値を、今回の推定時の残寿命率として取得し、使用履歴DB143に記憶する(S136)。
制御部11は、SOH及び残寿命を、情報処理装置1及び制御装置4へ送信し(S137)、処理を終了する。
制御部11は、学習モデル147が出力した、確率が最大である残寿命率の数値を、今回の推定時の残寿命率として取得し、使用履歴DB143に記憶する(S136)。
制御部11は、SOH及び残寿命を、情報処理装置1及び制御装置4へ送信し(S137)、処理を終了する。
制御部41は、SOH及び残寿命を受信し(S432)、表示パネル46に表示し(S433)、処理を終了する。
制御部51は、SOH及び残寿命を受信し(S531)、表示パネル55に表示し(S532)、処理を終了する。
制御部51は、SOH及び残寿命を受信し(S531)、表示パネル55に表示し(S532)、処理を終了する。
図17は、変形例の学習モデル148の一例を示す模式図である。
学習モデル148においては、入力層が、学習モデル147の判定データに代えて、SOHを入力し、出力層が残寿命率とその確率とを出力する。
制御部11は、図16のフローチャートのS134により、SOHを判定した後、判定したSOHを学習モデル148に入力し、残寿命率を取得する。
学習モデル148においては、入力層が、学習モデル147の判定データに代えて、SOHを入力し、出力層が残寿命率とその確率とを出力する。
制御部11は、図16のフローチャートのS134により、SOHを判定した後、判定したSOHを学習モデル148に入力し、残寿命率を取得する。
本実施形態においては、容易に、精度良くSOH及び残寿命率を取得できる。
(実施形態3)
図18は、実施形態3に係る学習モデル149の生成処理に関する説明図である。制御部11は、時系列による複数のSOHを問題データとし、将来における複数の時点におけるSOHを回答データとする教師データに基づき学習することで、時系列による複数のSOHを入力とし、将来における複数の時点におけるSOHを出力とするニューラルネットワークを構築(生成)する。SOHは電池3に期待される特性に基づいて定めることができる。SOHとして、例えば「推定時点における常温ハイレート放電時の電圧の、基準時の常温ハイレート放電時の電圧に対する割合」、容量維持率等が挙げられる。また、残寿命率をSOHと定めた場合、出力層から時系列に残寿命率が出力される。
図18は、実施形態3に係る学習モデル149の生成処理に関する説明図である。制御部11は、時系列による複数のSOHを問題データとし、将来における複数の時点におけるSOHを回答データとする教師データに基づき学習することで、時系列による複数のSOHを入力とし、将来における複数の時点におけるSOHを出力とするニューラルネットワークを構築(生成)する。SOHは電池3に期待される特性に基づいて定めることができる。SOHとして、例えば「推定時点における常温ハイレート放電時の電圧の、基準時の常温ハイレート放電時の電圧に対する割合」、容量維持率等が挙げられる。また、残寿命率をSOHと定めた場合、出力層から時系列に残寿命率が出力される。
時系列による複数のSOHとは、同一の電池3における過去から現推定時点までの時系列による複数のSOHを意味する。将来における複数の時点におけるSOHとは、現推定時点に対する次点、及び、次点以降の次々点等の将来における複数の時点におけるSOHを意味する。
入力層は、時系列による複数のSOHを受け付ける単数又は複数のニューロンを有し、入力されたSOH夫々を中間層に受け渡す。中間層は、複数のニューロンを含む自己回帰層を含む。自己回帰層は、例えばLSTM(Long Short Term Memory/長期短期記憶)モデルとして実装されるものであり、このような自己回帰層を含むニューラルネットワークは、RNN(再帰型ニューラルネットワーク)と称される。中間層は、時系列に沿って順次に入力された複数のSOH夫々による変化量を出力する。出力層は、将来における複数の時点におけるSOHを一又は複数のニューロンを有し、中間層から出力された複数のSOH夫々による変化量に基づき、将来における複数の時点におけるSOHを出力する。このようなRNNに対する学習は、例えばBPTT(Backpropagation Through Time/通時的逆伝播)アルゴリズムを用いて行われる。
教師データは、配列形式で保存されているものであってもよい。教師データを配列形式とする場合、例えば、配列番号の0から4(t-4からt)までの要素夫々の値を問題データとし、配列番号の5から7(t+1からt+3)までの要素夫々の値を回答データとするものであってもよい。入力層から入力された時系列となる問題データ(t-2、t-1、t)はLSTM(自己回帰層)に順次に受け渡され、LSTM(自己回帰層)は出力値を出力層及び、自身の層に出力することにより、時間的な変化及び順序を含む系列情報を処理することができる。
図19は、制御部11による寿命の推定の処理の手順を示すフローチャートである
制御部41は、電流、電圧、温度の履歴データを情報処理装置1へ送信する(S441)。
制御部11は、履歴データを受信し、使用履歴DB143に記憶する(S141)。
制御部11は、判定データを導出し、使用履歴DB143に記憶する(S142)。
制御部11は、SOHを判定し、使用履歴DB143に記憶する(S143)。制御部11は、導出した判定データ、及び第1関係に基づいてSOHを判定する。又は、判定データを学習モデル146に入力し、学習モデル146が出力した、確率が最大であるSOHの数値を、今回の判定時のSOHとして取得する。
制御部41は、電流、電圧、温度の履歴データを情報処理装置1へ送信する(S441)。
制御部11は、履歴データを受信し、使用履歴DB143に記憶する(S141)。
制御部11は、判定データを導出し、使用履歴DB143に記憶する(S142)。
制御部11は、SOHを判定し、使用履歴DB143に記憶する(S143)。制御部11は、導出した判定データ、及び第1関係に基づいてSOHを判定する。又は、判定データを学習モデル146に入力し、学習モデル146が出力した、確率が最大であるSOHの数値を、今回の判定時のSOHとして取得する。
制御部11は、複数のSOHを取得する(S144)。
制御部11は、時系列の複数のSOHを学習済みの学習モデル149に入力し、将来の複数のSOHを取得する(S145)。
制御部11は、過去、現在及び将来における複数のSOHに基づき、上述のようにして、時系列によるSOHの推移(SOH曲線)を推定し、関係DB144に記憶する(S146)。
制御部11は、寿命を推定する(S147)。制御部11は、SOHが閾値aになった場合の時間ta を寿命(交換時期)として取得する。
制御部11は、SOH及び寿命を、情報処理装置1及び制御装置4へ送信し(S148)、処理を終了する。
制御部11は、時系列の複数のSOHを学習済みの学習モデル149に入力し、将来の複数のSOHを取得する(S145)。
制御部11は、過去、現在及び将来における複数のSOHに基づき、上述のようにして、時系列によるSOHの推移(SOH曲線)を推定し、関係DB144に記憶する(S146)。
制御部11は、寿命を推定する(S147)。制御部11は、SOHが閾値aになった場合の時間ta を寿命(交換時期)として取得する。
制御部11は、SOH及び寿命を、情報処理装置1及び制御装置4へ送信し(S148)、処理を終了する。
制御部41は、SOH及び寿命を受信し(S442)、表示パネル46に表示し(S443)、処理を終了する。
制御部51は、SOH及び寿命を受信し(S541)、表示パネル55に表示し(S542)、処理を終了する。
制御部51は、SOH及び寿命を受信し(S541)、表示パネル55に表示し(S542)、処理を終了する。
本実施形態においては、精度良く、将来の複数のSOHを取得して、寿命を予測することができる。
本発明は上述した実施の形態の内容に限定されるものではなく、請求項に示した範囲で種々の変更が可能である。即ち、請求項に示した範囲で適宜変更した技術的手段を組み合わせて得られる実施形態も本発明の技術的範囲に含まれる。
上述した各実施形態においては、車両に搭載した鉛蓄電池を例に説明したが、本発明はこれに限られるものではない。本発明において劣化の度合の判定、又は残寿命の推定の対象となる蓄電デバイスは、車両に搭載される蓄電デバイスであればよく、リチウムイオン二次電池や、ニッケル水素電池、キャパシタ等の蓄電デバイスであってもよい。
上述した各実施形態においては、車両に搭載した鉛蓄電池を例に説明したが、本発明はこれに限られるものではない。本発明において劣化の度合の判定、又は残寿命の推定の対象となる蓄電デバイスは、車両に搭載される蓄電デバイスであればよく、リチウムイオン二次電池や、ニッケル水素電池、キャパシタ等の蓄電デバイスであってもよい。
1 情報処理装置
2 車両
3 鉛蓄電池(電池)
4 制御装置
5 端末
11 制御部(第1取得部、第2取得部、設定部、判定部、第2の設定部、推定部)
12、52 主記憶部
13、53 通信部
54 操作部
14、56 補助記憶部
140 記録媒体
141 プログラム
142 劣化履歴DB
143 使用履歴DB
144 関係DB
145 学習モデルDB
146、147、148、149 学習モデル
2 車両
3 鉛蓄電池(電池)
4 制御装置
5 端末
11 制御部(第1取得部、第2取得部、設定部、判定部、第2の設定部、推定部)
12、52 主記憶部
13、53 通信部
54 操作部
14、56 補助記憶部
140 記録媒体
141 プログラム
142 劣化履歴DB
143 使用履歴DB
144 関係DB
145 学習モデルDB
146、147、148、149 学習モデル
Claims (14)
- 車両に搭載した蓄電デバイスの電流、電圧、又は温度のうち少なくとも一つ以上の履歴データを取得する第1取得部と、
蓄電デバイスの交換までの使用期間、又は交換の事由のうち少なくとも一つ以上を取得する第2取得部と、
前記第1取得部により取得した前記履歴データに基づく判定データを導出する導出部と、
前記第2取得部により取得した前記使用期間、又は前記交換の事由のうち少なくとも一つ以上に基づいて、蓄電デバイスの交換時の劣化の度合を設定する設定部と、
事前に他の複数の蓄電デバイスによって得られた判定データと前記劣化の度合との関係、及び前記導出部により導出した、判定対象の蓄電デバイスの判定データに基づいて、該蓄電デバイスの判定時の劣化の度合を判定する判定部と
を備える情報処理装置。 - 前記判定部は、
判定データを入力した場合に、劣化の度合を出力する学習モデルに、前記導出部により導出した判定対象の蓄電デバイスの判定データを入力して、劣化の度合を判定する、請求項1に記載の情報処理装置。 - 前記第2取得部は、交換時点の蓄電デバイスの実測の劣化の度合をさらに取得し、
前記設定部は、前記第2取得部により取得した前記実測の劣化の度合に基づいて、劣化の度合を補正する、請求項1又は2に記載の情報処理装置。 - 前記第2取得部により取得した前記使用期間、又は前記交換の事由のうち少なくとも一つ以上に基づいて、蓄電デバイスの残寿命を設定する第2の設定部と、
劣化の度合と前記残寿命との関係、及び前記判定部により判定した判定対象の蓄電デバイスの劣化の度合に基づいて、残寿命を推定する推定部と
を備える、請求項1から3までのいずれか1項に記載の情報処理装置。 - 前記推定部は、
劣化の度合を入力した場合に、残寿命を出力する第2の学習モデルに、前記判定部により判定した前記蓄電デバイスの前記劣化の度合を入力して、残寿命を推定する、請求項4に記載の情報処理装置。 - 車両に搭載した蓄電デバイスの電流、電圧、又は温度のうち少なくとも一つ以上の履歴データを取得する第1取得部と、
蓄電デバイスの交換までの使用期間、又は交換の事由のうち少なくとも一つ以上を取得する第2取得部と、
前記第1取得部により取得した前記履歴データに基づく判定データを導出する導出部と、
前記第2取得部により取得した前記使用期間、又は前記交換の事由のうち少なくとも一つ以上に基づいて、蓄電デバイスの残寿命を設定する設定部と、
事前に他の複数の蓄電デバイスによって得られた判定データと前記残寿命との関係、及び前記導出部により導出した、判定対象の蓄電デバイスの判定データに基づいて、該蓄電デバイスの残寿命を推定する推定部と
を備える情報処理装置。 - 前記推定部は、
判定データを入力した場合に、残寿命を出力する学習モデルに、前記導出部により導出した判定対象の蓄電デバイスの判定データを入力して、残寿命を推定する、請求項6に記載の情報処理装置。 - 前記残寿命は、判定データを導出した時点以降の劣化の度合の推移を表す、請求項4から7までのいずれか1項に記載の情報処理装置。
- 前記設定部は、
前記交換の事由が、蓄電デバイスのトラブルであるか、又はトラブルの発生前の事由であるかに応じて、劣化の度合又は残寿命を設定する、請求項1から8までのいずれか1項に記載の情報処理装置。 - 前記第2取得部が前記使用期間、又は前記交換の事由のうち少なくとも一つ以上を取得した場合に、交換の直前に前記判定部により判定した劣化の度合、又は前記推定部により推定した残寿命を取得する第3取得部と、
前記使用期間、又は前記交換の事由のうち少なくとも一つ以上に基づいて、前記設定部が設定する劣化の度合、又は残寿命を取得する第4取得部と、
前記判定部の判定時、又は前記推定部の推定時の判定データと、前記第4取得部が取得した前記劣化の度合、又は前記残寿命とに基づいて、前記判定データと劣化の度合との関係、又は前記判定データと残寿命との関係を補正する補正部と
を備える請求項1又は6に記載の情報処理装置。 - 車両に搭載した蓄電デバイスの電流、電圧、又は温度のうち少なくとも一つ以上の履歴データを取得し、
蓄電デバイスの交換までの使用期間、又は交換の事由のうち少なくとも一つ以上を取得し、
取得した前記履歴データに基づく判定データを導出し、
取得した前記使用期間、及び前記交換の事由のうち少なくとも一つ以上に基づいて、前記蓄電デバイスの劣化の度合を設定し、
事前に他の複数の蓄電デバイスによって得られた判定データと前記劣化の度合との関係、及び判定対象の蓄電デバイスの判定データに基づいて、該蓄電デバイスの劣化の度合を判定する
情報処理方法。 - 前記使用期間、又は前記交換の事由のうち少なくとも一つ以上を取得した場合に、交換の直前に判定した劣化の度合を取得し、
前記使用期間、又は前記交換の事由のうち少なくとも一つ以上に基づいて、設定する劣化の度合を取得し、
判定時の判定データと、設定する前記劣化の度合とに基づいて、前記判定データと劣化の度合との関係を補正する
請求項11に記載の情報処理方法。 - 車両に搭載した蓄電デバイスの電流、電圧、又は温度のうち少なくとも一つ以上の履歴データを取得し、
蓄電デバイスの交換までの使用期間、又は交換の事由のうち少なくとも一つ以上を取得し、
取得した前記履歴データに基づく判定データを導出し、
取得した前記使用期間、又は前記交換の事由のうち少なくとも一つ以上に基づいて、前記蓄電デバイスの劣化の度合を設定し、
事前に他の複数の蓄電デバイスによって得られた判定データと前記劣化の度合との関係、及び判定対象の蓄電デバイスの判定データに基づいて、該蓄電デバイスの劣化の度合を判定する
処理をコンピュータに実行させるコンピュータプログラム。 - 前記使用期間、又は前記交換の事由のうち少なくとも一つ以上を取得した場合に、交換の直前に判定した劣化の度合を取得し、
前記使用期間、又は前記交換の事由のうち少なくとも一つ以上に基づいて、設定する劣化の度合を取得し、
判定時の判定データと、設定する前記劣化の度合とに基づいて、前記判定データと劣化の度合との関係を補正する
処理をコンピュータに実行させる請求項13に記載のコンピュータプログラム。
Priority Applications (4)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2020158730A JP2022052373A (ja) | 2020-09-23 | 2020-09-23 | 情報処理装置、情報処理方法、及びコンピュータプログラム |
EP21872350.0A EP4202462A1 (en) | 2020-09-23 | 2021-09-17 | Information processing device, information processing method, and computer program |
PCT/JP2021/034264 WO2022065221A1 (ja) | 2020-09-23 | 2021-09-17 | 情報処理装置、情報処理方法、及びコンピュータプログラム |
US18/027,497 US20230375633A1 (en) | 2020-09-23 | 2021-09-17 | Information processing device, information processing method, and computer program |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2020158730A JP2022052373A (ja) | 2020-09-23 | 2020-09-23 | 情報処理装置、情報処理方法、及びコンピュータプログラム |
Publications (1)
Publication Number | Publication Date |
---|---|
JP2022052373A true JP2022052373A (ja) | 2022-04-04 |
Family
ID=80845370
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2020158730A Pending JP2022052373A (ja) | 2020-09-23 | 2020-09-23 | 情報処理装置、情報処理方法、及びコンピュータプログラム |
Country Status (4)
Country | Link |
---|---|
US (1) | US20230375633A1 (ja) |
EP (1) | EP4202462A1 (ja) |
JP (1) | JP2022052373A (ja) |
WO (1) | WO2022065221A1 (ja) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2023219068A1 (ja) * | 2022-05-13 | 2023-11-16 | 株式会社デンソー | 車両用電池診断システム |
Family Cites Families (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP4323272B2 (ja) * | 2003-09-16 | 2009-09-02 | 株式会社リコー | 画像形成装置 |
CN103548197B (zh) * | 2012-03-19 | 2018-04-20 | 松下知识产权经营株式会社 | 蓄电池监视方法、蓄电池监视系统以及蓄电池系统 |
JP2013253940A (ja) * | 2012-06-08 | 2013-12-19 | Gs Yuasa Corp | 蓄電素子の寿命推定装置、寿命推定方法及び蓄電システム |
JP2018179733A (ja) | 2017-04-12 | 2018-11-15 | 日立化成株式会社 | 電池の寿命診断装置及び電池の寿命診断方法 |
AU2019238653A1 (en) * | 2018-03-20 | 2020-11-12 | Gs Yuasa International Ltd. | Degradation estimation apparatus, computer program, and degradation estimation method |
-
2020
- 2020-09-23 JP JP2020158730A patent/JP2022052373A/ja active Pending
-
2021
- 2021-09-17 US US18/027,497 patent/US20230375633A1/en active Pending
- 2021-09-17 WO PCT/JP2021/034264 patent/WO2022065221A1/ja unknown
- 2021-09-17 EP EP21872350.0A patent/EP4202462A1/en active Pending
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2023219068A1 (ja) * | 2022-05-13 | 2023-11-16 | 株式会社デンソー | 車両用電池診断システム |
Also Published As
Publication number | Publication date |
---|---|
US20230375633A1 (en) | 2023-11-23 |
WO2022065221A1 (ja) | 2022-03-31 |
EP4202462A1 (en) | 2023-06-28 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US11644515B2 (en) | Method and device for operating an electrically drivable motor vehicle depending on a predicted state of health of an electrical energy store | |
JP6620902B2 (ja) | 劣化推定装置、コンピュータプログラム及び劣化推定方法 | |
KR102219397B1 (ko) | 원격 파라미터 추정을 구비한 2차 전지 관리 시스템 | |
JP5307113B2 (ja) | 満充電検知装置および満充電検知方法 | |
JP6234946B2 (ja) | 電池状態推定装置 | |
US11965935B2 (en) | Method and apparatus for operating a system for providing predicted states of health of electrical energy stores for a device using machine learning methods | |
KR102297343B1 (ko) | 하이브리드 varma 및 lstm을 이용한 배터리의 출력 전압 응답 및 충전 상태 예측 방법 | |
JP2007179968A (ja) | バッテリ状態管理装置 | |
EP4033585A1 (en) | Estimation device, estimation method, and computer program | |
WO2021112223A1 (ja) | 劣化推定装置、劣化推定システム、劣化推定方法、及びコンピュータプログラム | |
CN112368198A (zh) | 车辆动力管理系统和方法 | |
CN114325440A (zh) | 借助于机器学习方法运行用于为设备提供电能量存储器的预测老化状态的系统的方法和装置 | |
WO2022065221A1 (ja) | 情報処理装置、情報処理方法、及びコンピュータプログラム | |
KR102246633B1 (ko) | 하이브리드 varma 및 lstm을 이용한 배터리의 출력 전압 응답 및 충전 상태 예측 최적화 방법 | |
US20220334191A1 (en) | Method and Apparatus for Operating a System for Providing an Electrochemical Battery Module for a Device Battery for a Device | |
JP2021093253A (ja) | 制御装置、劣化推定システム、制御方法、及びコンピュータプログラム | |
US11835589B2 (en) | Method and apparatus for machine-individual improvement of the lifetime of a battery in a battery-operated machine | |
US20230324463A1 (en) | Method and Apparatus for Operating a System for Detecting an Anomaly of an Electrical Energy Store for a Device by Means of Machine Learning Methods | |
WO2021149673A1 (ja) | 判定装置、劣化判定システム、作業支援装置、劣化判定方法、及びコンピュータプログラム | |
US11938838B2 (en) | Method and device for the robust prediction of the aging behavior of an energy storage unit in a battery-operated machine | |
US20230016228A1 (en) | Method and Apparatus for Operating a System for Providing Predicted Confidence Intervals for States of Health of Electrical Energy Stores for at Least One Device With the Aid of Machine Learning Methods | |
US20220169148A1 (en) | Method and Apparatus for Predicting a State of Health of a Device Battery in a Battery-operated Device | |
WO2024057996A1 (ja) | 蓄電素子の劣化状態の算出装置、劣化状態の算出方法、劣化状態の算出プログラム、劣化状態の推定装置、劣化状態の推定方法、異常検知装置及び異常検知方法 | |
JP7451923B2 (ja) | 推定装置、推定方法及びコンピュータプログラム | |
US20230401425A1 (en) | Apparatus for predicting battery lifespan and method predicting battery lifespan |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20230808 |