JP2023178703A - 燃料電池システムに対する耐久性を推定するシステム及び方法 - Google Patents

Abstract

【課題】十分な学習用データが存在しない燃料電池システムについても、機械学習の手法によって耐久性を推定する。【解決手段】システムは、第１種類の燃料電池システムの作動データを学習用データとして記憶する第１の記憶装置と、当該学習用データを用いて機械学習し、第１種類の燃料電池システムの耐久性を推定する機械学習モデルを有する第１の演算装置と、第１種類及び第２種類の燃料電池システムの耐久試験の結果を記憶する第２の記憶装置と、当該耐久試験の結果を用いて、第１種類の燃料電池システムの耐久試験の結果から第２種類の燃料電池システムの耐久試験の結果を導く変換式又は変換モデルを決定する第２の演算装置とを備える。第２の演算装置は、当該機械学習モデルによって推定された第１種類の燃料電池システムの耐久性に、第２の演算装置で決定された変換式又は変換モデルを適用して、第２種類の燃料電池システムの耐久性を推定する。【選択図】図１

Description

本明細書が開示する技術は、燃料電池システムに対する耐久性を推定するシステム及び方法に関する。

特許文献１に、車両に搭載されたバッテリを、他の製品にリユースする技術が記載されている。この技術では、リユース前のバッテリの作動データと、リユース後のバッテリの作動データとの両者を収集し、収集された作動データを学習用データとする機械学習によって、バッテリの耐久性（寿命）を推定する機械学習モデルを作成する。

特開２０２０－１６２３０９号公報

上記した技術のように、機械学習の手法を利用することで、工業製品の耐久性を推定することができる。この点に関して、燃料電池システムは、例えば車両に搭載されたり、その後に他の製品でリユースされたりすることから、その耐久性を精度よく推定することが望まれる。機械学習の手法を利用する場合、多くの学習用データが必要とされる。例えば、既に公衆へ提供された既存の燃料電池システムであれば、公衆で利用されている多数の燃料電池システムから、実際に作動したときの作動データを学習用データとして取得することができる。それに対して、当該既存の燃料電池システムを改良した新たな燃料電池システムについては、そのような学習用データを十分に得ることができず、公衆へ提供される前に実施される限られた耐久試験の結果だけでは、機械学習の手法によって耐久性を推定することが難しい。本明細書では、十分な学習用データが存在しない燃料電池システムについても、機械学習の手法によって耐久性を推定することができる技術を提供する。

本明細書が開示する技術は、燃料電池システムに対する耐久性を推定するシステムに具現化される。第１の態様では、システムは、一又は複数の第１種類の燃料電池システムについて、第１種類の燃料電池システムが実際に作動したときの作動データを、学習用データとして記憶する第１の記憶装置と、第１の記憶装置に記憶された学習用データを用いて機械学習する機械学習モデルであって、第１種類の燃料電池システムの耐久性を推定する機械学習モデルを有する第１の演算装置と、同一の使用条件に関して、第１種類の燃料電池システムの耐久試験の結果と、第１種類の燃料電池システムとは異なる第２種類の燃料電池システムの耐久試験の結果と、を記憶する第２の記憶装置と、第２の記憶装置に記憶された耐久試験の結果を用いて、第１種類の燃料電池システムの耐久試験の結果から第２種類の燃料電池システムの耐久試験の結果を導く変換式又は変換モデルを決定する第２の演算装置とを備えてもよい。第２の演算装置は、第１の演算装置の機械学習モデルによって推定された第１種類の燃料電池システムの耐久性に、第２の演算装置で決定された変換式又は変換モデルを適用して、第２種類の燃料電池システムの耐久性を推定してもよい。

上記したシステムでは、一又は複数の第１種類の燃料電池システムからの作動データが学習用データとして記憶される。そして、当該学習用データを用いた機械学習を施すことにより第１種類の燃料電池システムの耐久性を推定する機械学習モデルが作成される。さらに、第１種類及び第２種類の燃料電池システムの耐久試験の結果を用いて、第１種類の燃料電池システムの耐久試験の結果から第２種類の燃料電池システムの耐久試験の結果を導く変換式又は変換モデルが作成される。そして、上記した推定された第１種類の燃料電池システムの耐久性の結果に当該変換式又は変換モデルを適用する。このような構成によると、機械学習モデルによる第１種類の燃料電池システムの推定された耐久性の結果に、二種類の燃料電池システムの耐久試験の結果による変換式又は変換モデルを適用することで、第２種類の燃料電池システムの耐久性を導くことができる。これにより、第２種類の燃料電池システムの耐久性を、第２種類の燃料電池システムの耐久試験の結果だけでなく、既知である第１種類の燃料電池システムの作動データにも依拠して、推定することができる。

第２の態様では、上記の第１の態様において、システムは、公衆に提供された第１種類の燃料電池システム又はそれを搭載する工業製品から、作動データを受信する受信装置をさらに備えてもよい。第１の記憶装置は、受信装置に接続されており、受信装置によって受信された作動データを記憶してもよい。このような構成によると、公衆に提供された多数の第１種類の燃料電池システム又はそれを搭載する工業製品から、大量の作動データを収集することができる。

第３の態様では、上記の第１又は第２の態様において、第２の演算装置は、第２の記憶装置に記憶された耐久試験の結果を用いた機械学習により、変換式又は変換モデルを決定してもよい。このような構成によると、変換式又は変換モデルを精度よく決定することができる。但し、他の実施形態として、変換式又は変換モデルは、例えば一次関数で表されるような、簡素な構造であってもよい。

本明細書が開示する技術は、燃料電池システムに対する耐久試験の結果を推定する方法に具現化される。方法は、一又は複数の第１種類の燃料電池システムについて、第１種類の燃料電池システムが実際に作動したときの作動データを、第１の記憶装置に学習用データとして記憶させる工程と、第１の記憶装置に記憶された学習用データを用いて機械学習する機械学習モデルであって、第１の演算装置が有する機械学習モデルに、第１種類の燃料電池システムの耐久性を推定させる工程と、第２の記憶装置に、同一の使用条件に関して、第１種類の燃料電池システムの耐久試験の結果と、第１種類の燃料電池システムとは異なる第２種類の燃料電池システムの耐久試験の結果と、を記憶させる工程と、第２の演算装置に、第２の記憶装置に記憶された耐久試験の結果を用いて、第１種類の燃料電池システムの耐久試験の結果から第２種類の燃料電池システムの耐久試験の結果を導く変換式又は変換モデルを決定させる工程と、第２の演算装置に、第１の演算装置の機械学習モデルによって推定された第１種類の燃料電池システムの耐久性に対して、第２の演算装置で決定された変換式又は変換モデルを適用して、第２種類の燃料電池システムの耐久性を推定させる工程と、を備えてもよい。このような方法によると、機械学習モデルによる第１種類の燃料電池システムの推定された耐久性の結果に、二種類の燃料電池システムの耐久試験の結果による変換式又は変換モデルを適用することで、第２種類の燃料電池システムの耐久性を導くことができる。これにより、第２種類の燃料電池システムの耐久性を、第２種類の燃料電池システムの耐久試験の結果だけでなく、既知である第１種類の燃料電池システムの作動データにも依拠して、推定することができる。

推定システムの構成を示すブロック図。 第１演算装置の学習モデルについて説明する図。 推定方法の一例の手順を示すフローチャート。

（実施例）図１～図３を参照して、本実施例の推定システム１０について説明する。本推定システム１０では、燃料電池システムに対する耐久性を推定する。一例ではあるが、燃料電池システムは、車両に搭載されるものである。但し、車両に限定されず、燃料電池システムは、車両以外の他の工業製品に搭載されるものであってもよい。

図１に示されるように、推定システム１０は、受信装置１２と、第１記憶装置１４と、第２記憶装置１６と、第１演算装置１８と、第２演算装置２０と、通信装置２２と、を備える。受信装置１２は、公衆に提供された複数の車両２（以下、単に車両２と称する）から、その各々に搭載されている燃料電池システム（以下、既存型ＦＣシステム２ａと称する）の作動データを受信する装置である。一例ではあるが、受信装置１２の一部又は全部は、携帯電話事業者が提供する移動体回線網で構成されることができる。受信装置１２は、任意の通信プロトコルにより、複数の車両２から送信される既存型ＦＣシステム２ａの作動データを無線で受信する。受信装置１２は、有線及び／又は無線回線を用いて、第１記憶装置１４と通信可能に接続されている。受信装置１２は、記憶した作動データを第１記憶装置１４に送信する。なお、受信装置１２が第１記憶装置１４に送信する作動データは、複数の車両２の既存型ＦＣシステム２ａのデータに限定されず、単一の車両２の既存型ＦＣシステム２ａのデータであってもよい。但し、作動データを提供する車両２の数は、多いほど好ましい。

車両２は、前述した既存型ＦＣシステム２ａに加えて、複数のセンサと、メモリと、通信機とを備える。各センサは、車両２の既存型ＦＣシステム２ａに関する各種パラメータ（電圧、電流、電圧速度、温度（タンク内温度、外気温度等）、ガス流量、ガス圧力等）値を所定の時間毎に計測する。作動データは、計測された各種パラメータ値を、燃料電池システムを制御するための制御信号（例えば目標電流等）等とともに、時刻情報と関連付けて時系列のデータとしたものである。メモリは、この作動データを記憶する。通信機は、この作動データをメモリから読み取り、各車両２における固有の車両識別情報と共に当該作動データを受信装置１２に定期的に送信する。特に限定されないが、通信機は、例えば車両２のユーザが所有する携帯電話等の無線通信可能なモバイル装置であってよい。

第１記憶装置１４は、第１演算装置１８と通信可能に接続されている。第１記憶装置１４は、メモリを有する。第１記憶装置１４は、受信装置１２から送信された作動データを受信し、受信した作動データを学習用データとして記憶する。第１記憶装置１４は、記憶した学習用データを第１演算装置１８に送信する。第１演算装置１８は、推定処理を実行する。第１演算装置１８は、メモリ及びＣＰＵを有する。第１演算装置１８は、メモリに記憶された学習モデル１９を有する。第１演算装置１８は、メモリに記憶された学習モデル１９及び／又は他のプログラムに基づいて各種処理をＣＰＵに実行させる。第１演算装置１８は、第１記憶装置１４から受信した学習用データを学習モデル１９に機械学習させる。第１演算装置１８は、機械学習した学習モデル１９を用いて、既存型ＦＣシステム２ａの耐久性の結果を推定する。通信装置２２は、第１演算装置１８と第２演算装置２０とを互いに接続する通信ネットワークである。第１演算装置１８は、通信装置２２を介して第２演算装置２０と通信可能に接続されている。第１演算装置１８は、学習モデル１９によって推定した耐久性の結果を、第２演算装置２０に送信する。なお、通信装置２２は、例えば第１演算装置１８及び第２演算装置２０の各々に組み込まれた通信指示プログラム、あるいは、第１演算装置１８及び第２演算装置２０の一方又は両方に設けられた一次記憶装置により構成されてもよい。

第２記憶装置１６は、耐久試験装置４及び第２演算装置２０と通信可能に接続されている。第２記憶装置１６は、メモリを有する。第２記憶装置１６は、耐久試験装置４から受信した多種類の燃料電池システムの耐久試験の結果を記憶する。多種類の燃料電池システムの耐久試験の結果には、同一の使用条件に関して、既存型ＦＣシステム２ａの耐久試験の結果と、新型ＦＣシステムの耐久試験の結果とが含まれる。新型ＦＣシステムは、既存型ＦＣシステム２ａとは異なっており、既存型ＦＣシステム２ａを改良した燃料電池システムである。一例ではあるが、新型ＦＣシステムの出力（ｋＷ）は、既存型ＦＣシステム２ａの出力（ｋＷ）±２０％程度である。第２記憶装置１６は、記憶した多種類の燃料電池システムの耐久試験の結果を第２演算装置２０に送信する。ここで、燃料電池システムでは、燃料電池システムが経験する使用条件が異なると、燃料電池システムの劣化に影響を与える動作パラメータ（例えば、電流、電圧の変化速度、外気温度等）の取り得る値が影響され得る。従って、第２演算装置２０には、互いに同一の使用条件で実施された、既存型ＦＣシステム２ａの耐久試験の結果と、新型ＦＣシステムの耐久試験の結果とが送信される。本明細書の同一の使用条件とは、各動作パラメータが取り得る値の範囲や出現頻度が同程度であるものを指す。ここで、既存型ＦＣシステム２ａは、本明細書が開示する技術における「第１種類の燃料電池システム」の一例であり、新型ＦＣシステムは、本明細書が開示する技術における「第２種類の燃料電池システム」の一例である。

耐久試験装置４は、燃料電池システムの耐久試験を実施する装置である。耐久試験装置４は、例えばシャシダイナモメータを備え、燃料電池システムを搭載した試験車両を用いて、耐久試験を実施することができる。試験車両は、上述した車両２と同様に、実車に設けられた各センサによって、燃料電池システムに関する各種パラメータ（電圧、電流、電圧速度、温度（タンク内温度、外気温度等）、ガス流量、ガス圧力等）値を所定の時間毎に計測する。耐久試験装置４は、それらの計測データに時刻情報を関連付けた時系列データを、燃料電池システムを制御するための制御信号（例えば目標電流等）などとともに、耐久試験の結果として記録する。耐久試験装置４は、耐久試験の結果を第２記憶装置１６に送信する。なお、耐久試験装置４の具体的な構成は特に限定されない。耐久試験装置４は、試験車両の利用に代えて、実車に搭載された燃料電池システムの作動を再現し得るシミュレータ装置を利用してもよい。

第２演算装置２０は、メモリとＣＰＵを有する。第２演算装置２０のＣＰＵは、第２記憶装置１６から受信した既存型及び新型ＦＣシステムの耐久試験の結果を用いて、既存型ＦＣシステム２ａの耐久試験の結果から新型ＦＣシステムの耐久試験の結果を導く変換モデルを決定する。第２演算装置２０は、メモリに記憶された機械学習モデルが機械学習することにより、変換モデルを決定する。これにより、変換モデルを精度よく決定することができる。但し、変換モデルは、機械学習によって決定されるものである必要はなく、例えば一次関数で表されるような簡素な構造であってもよい。例えば、仮に変換式がｙ＝Ａｘであるとする。ここで、ｘは、既存型ＦＣシステム２ａの指標値であって、耐久試験後の値と初期値との差であり、ｙは、新型ＦＣシステムの指標値であって、耐久試験後の値と初期値との差であり、Ａは定数であり、ｘとｙの比から決定される。新型ＦＣシステムが既存型ＦＣシステム２ａよりも耐久性が改良されていた場合、Ａは１よりも小さい値となる。

第２演算装置２０のＣＰＵは、第１演算装置１８の学習モデル１９によって推定された既存型ＦＣシステム２ａの耐久性に、前述した変換式又は変換モデルを適用する。これにより、第２演算装置２０は、新型ＦＣシステムの耐久性を推定できる。

図２を参照して、学習モデル１９による推定、及びその推定に対しての変換モデルの適用について説明する。図２に示されるように、第１演算装置１８の学習モデル１９は、推定したい既存型ＦＣシステム２ａの使用条件が入力されると、既存型ＦＣシステム２ａの耐久性の推定結果を出力する。入力パラメータ（使用条件）には、電流値、温度、及び電圧変化速度、作動時間などが含まれる。ここで出力パラメータ（耐久性の推定結果）は、例えば、燃料電池システムにおける電流が所定値のときの燃料電池システムの電圧値である。当該電圧値が高いほど、燃料電池システムの耐久性は高いと判断され、当該電圧値が低いほど、燃料電池システムの耐久性は低いと判断される。学習モデル１９は、第１記憶装置１４から読み込んだ学習用データの一部のデータを用いて、使用条件の入力が与えられたときに、その出力の推定結果と作動データの結果との誤差が最小になるように最適化されてもよい。また、学習モデル１９の汎化性能を確保するために、学習用データの一部のデータが検証用として確保されてもよい。この場合、その確保されたデータが学習モデル１９の過学習の回避に利用されてもよい。

第２演算装置２０は、第１演算装置１８からの既存型ＦＣシステム２ａの推定の結果が入力されると、入力された推定の結果に変換モデル又は変換式を適用し、新型ＦＣシステムの耐久性の結果を出力する。ここでの出力パラメータは、第１演算装置１８（即ち学習モデル１９）と同様に、例えば、燃料電池システムにおける電流が所定値のときの燃料電池の電圧値である。

なお、学習モデル１９の出力パラメータは、特定の電流値のときの電圧値に限定されず、特定の温度／ガス供給量のときの電圧値といった特定の条件をあわせたときの電圧値であってよい。出力パラメータは、燃料電池システムの劣化度合を表す指標値であればよい。変形例では、出力パラメータが、例えば特定の条件で水素に圧力を負荷した場合に、ガスタンクからリークするガス量であってもよい。

本実施例における推定システム１０では、学習モデル１９として、ElasticNetを採用している。但し、学習モデル１９は、特に限定されず、ElasticNetとは別の回帰（例えばRidge回帰、Lasso回帰等）、ニューラルネットワークといった他の機械学習モデルを採用してもよい。

従来より、機械学習の手法を利用することで、工業製品の耐久性を推定することができる。この点に関して、燃料電池システムは、例えば車両に搭載されたり、その後に他の製品でリユースされたりすることから、その耐久性を精度よく推定することが望まれる。機械学習の手法を利用する場合、多くの学習用データが必要とされる。例えば、既に公衆へ提供された既存の燃料電池システムであれば、公衆で利用されている多数の燃料電池システムから、実際に作動したときの作動データを学習用データとして取得することができる。それに対して、当該既存の燃料電池システムを改良した新たな燃料電池システムについては、そのような学習用データを十分に得ることができず、公衆へ提供される前に実施される限られた耐久試験の結果だけでは、機械学習の手法によって耐久性を推定することが難しい。

上記した推定システム１０では、一又は複数の既存型ＦＣシステム２ａからの作動データが学習用データとして記憶される。そして、当該学習用データを用いた機械学習を施すことにより既存型ＦＣシステム２ａの耐久性を推定する学習モデル１９が作成される。さらに、既存型及び新型ＦＣシステムの耐久試験の結果を用いて、既存型ＦＣシステム２ａの耐久試験の結果から新型ＦＣシステムの耐久試験の結果を導く変換式又は変換モデルが作成される。そして、上記した推定された既存型ＦＣシステム２ａの耐久性の結果に当該変換式又は変換モデルを適用する。このような構成によると、学習モデル１９による既存型ＦＣシステム２ａの推定された耐久性の結果に、二種類の燃料電池システム（既存型及び新型ＦＣシステム）の耐久試験の結果による変換式又は変換モデルを適用することで、新型ＦＣシステムの耐久性を導くことができる。これにより、新型ＦＣシステムの耐久性を、新型ＦＣシステムの耐久試験の結果だけでなく、既知である既存型ＦＣシステム２ａの作動データにも依拠して、推定することができる。

次いで、図３を参照して、推定システム１０が実行する耐久性の推定処理（推定方法）の手順について説明する。図３に示すように、先ずステップＳ１２において、推定システム１０は、学習用データを記憶する第１記憶工程を実施する。第１記憶工程では、具体的には、推定システム１０が、受信装置１２から送信された複数の既存型ＦＣシステム２ａの作動データを、学習用データとして第１記憶装置１４に記憶させる。次いで、ステップＳ１４において、推定システム１０は、学習用データを機械学習する機械学習工程を実行する。機械学習工程では、具体的には、推定システム１０が、Ｓ１２で第１記憶装置１４に記憶させた学習用データを用いて、第１演算装置１８の学習モデル１９に機械学習させる。

次いで、ステップＳ１６において、推定システム１０は、機械学習モデルによる第１推定工程を実行する。第１推定工程では、具体的には、推定システム１０が、第１演算装置１８に機械学習した学習モデル１９を用いて、既存型ＦＣシステム２ａの耐久性の結果を推定させる。

次いで、ステップＳ１８において、推定システム１０は、耐久試験の結果を記憶する第２記憶工程を実行する。第２記憶工程では、具体的には、推定システム１０が、第２記憶装置１６に、既存型ＦＣシステム２ａ及び新型ＦＣシステムの耐久試験の結果を記憶させる。次いで、ステップＳ２０において、推定システム１０は、耐久試験の結果を用いて変換モデルを決定する決定工程を実行する。決定工程では、具体的には、推定システム１０が、第２演算装置２０に、Ｓ１８で第１記憶装置１４に記憶された既存型ＦＣシステム２ａ及び新型ＦＣシステムの耐久試験の結果を用いて、既存型ＦＣシステム２ａの耐久試験の結果から新型ＦＣシステムの耐久試験の結果を導く変換式又は変換モデルを決定させる。

次いで、ステップＳ２２において、推定システム１０は、学習モデル１９による推定に変換モデルを適用する適用工程を実行する。適用工程では、具体的には、推定システム１０が、第１演算装置１８の学習モデル１９によって推定された既存型ＦＣシステム２ａの耐久性に、Ｓ２０で決定した変換式又は変換モデルを適用させる。以上の一連のステップＳ１２～Ｓ２２により、新型ＦＣシステムの耐久性を、新型ＦＣシステムの耐久試験の結果だけでなく、既知である既存型ＦＣシステム２ａの作動データにも依拠して、推定することができる。

本実施例における推定システム１０は、公衆に提供された既存型ＦＣシステム２ａを搭載する車両２から、作動データを受信する受信装置１２を備えている。また、第１記憶装置１４は、受信装置１２に接続されており、受信装置１２によって受信された作動データを記憶する。このような構成によると、公衆に提供された多数の既存型ＦＣシステム２ａを搭載する車両２から、大量の作動データを収集することができる。

本実施例における推定システム１０は、受信装置１２からの作動データは、第１記憶装置１４を経由して、第１演算装置１８へ移送される。但し、必ずしも第１記憶装置１４を経由しなくてもよく、受信装置１２から第１演算装置１８に直接送信されてもよい。この場合、第１演算装置１８のメモリが、第１記憶装置１４として機能してもよい。同様に、耐久試験装置４からの耐久試験の結果も第２記憶装置１６を必ずしも経由しなくてもよく、耐久試験装置４から第２演算装置２０に直接送信されてもよい。

以上、本明細書が開示する技術の具体例を詳細に説明したが、これらは例示に過ぎず、特許請求の範囲を限定するものではない。特許請求の範囲に記載の技術には、以上に例示した具体例を様々に変形、変更したものが含まれる。本明細書、又は、図面に説明した技術要素は、単独で、あるいは各種の組合せによって技術的有用性を発揮するものであり、出願時の請求項に記載の組合せに限定されるものではない。本明細書又は図面に例示した技術は、複数の目的を同時に達成し得るものであり、そのうちの一つの目的を達成すること自体で技術的有用性を持つものである。

２ａ：既存型ＦＣシステム
１０：推定システム
１２：受信装置
１４、１６：記憶装置
１８、２０：演算装置
１９：学習モデル

Claims (4)

1. 燃料電池システムに対する耐久性を推定するシステムであって、
   一又は複数の第１種類の燃料電池システムについて、前記第１種類の燃料電池システムが実際に作動したときの作動データを、学習用データとして記憶する第１の記憶装置と、
   前記第１の記憶装置に記憶された前記学習用データを用いて機械学習する機械学習モデルであって、前記第１種類の燃料電池システムの耐久性を推定する前記機械学習モデルを有する第１の演算装置と、
   同一の使用条件に関して、前記第１種類の燃料電池システムの耐久試験の結果と、前記第１種類の燃料電池システムとは異なる第２種類の燃料電池システムの耐久試験の結果と、を記憶する第２の記憶装置と、
   前記第２の記憶装置に記憶された前記耐久試験の結果を用いて、前記第１種類の燃料電池システムの前記耐久試験の結果から前記第２種類の燃料電池システムの前記耐久試験の結果を導く変換式又は変換モデルを決定する第２の演算装置と、
   を備え、
   前記第２の演算装置は、前記第１の演算装置の前記機械学習モデルによって推定された前記第１種類の燃料電池システムの前記耐久性に、前記第２の演算装置で決定された前記変換式又は変換モデルを適用して、前記第２種類の燃料電池システムの耐久性を推定する、
   システム。
2. 公衆に提供された前記第１種類の燃料電池システム又はそれを搭載する工業製品から、前記作動データを受信する受信装置をさらに備え、
   前記第１の記憶装置は、前記受信装置に接続されており、前記受信装置によって受信された前記作動データを記憶する、請求項１に記載のシステム。
3. 前記第２の演算装置は、前記第２の記憶装置に記憶された前記耐久試験の結果を用いた機械学習により、前記変換式又は変換モデルを決定する、請求項１又は２に記載のシステム。
4. 燃料電池システムに対する耐久性を推定する方法であって、
   一又は複数の第１種類の燃料電池システムについて、前記第１種類の燃料電池システムが実際に作動したときの作動データを、第１の記憶装置に学習用データとして記憶させる工程と、
   前記第１の記憶装置に記憶された前記学習用データを用いて機械学習する機械学習モデルであって、第１の演算装置が有する前記機械学習モデルに、前記第１種類の燃料電池システムの前記耐久性を推定させる工程と、
   第２の記憶装置に、同一の使用条件に関して、前記第１種類の燃料電池システムの耐久試験の結果と、前記第１種類の燃料電池システムとは異なる第２種類の燃料電池システムの耐久試験の結果と、を記憶させる工程と、
   第２の演算装置に、前記第２の記憶装置に記憶された前記耐久試験の結果を用いて、前記第１種類の燃料電池システムの前記耐久試験の結果から前記第２種類の燃料電池システムの前記耐久試験の結果を導く変換式又は変換モデルを決定させる工程と、
   前記第２の演算装置に、前記第１の演算装置の前記機械学習モデルによって推定された前記第１種類の燃料電池システムの前記耐久性に対して、前記第２の演算装置で決定された前記変換式又は変換モデルを適用して、前記第２種類の燃料電池システムの耐久性を推定させる工程と、
   を備える方法。
   

Images