JP7008098B2 - 燃料電池システムの多段階故障診断方法及び装置 - Google Patents

Description

以下の説明は、燃料電池システムの故障を検出し、診断する技術に関する。

燃料電池システムは、燃料が有している化学エネルギーを電気エネルギーに切り替える発電システムである。燃料電池システムは、複数のサブシステムから構成されるが、燃料電池システムを構成する複数のサブシステムは、スタック、空気供給装置、熱管理装置、燃料供給装置、水管理装置、及び電力インバータとコントローラなどを含む。サブシステムのうち、スタックを除いたサブシステムを周辺運転装置とも称することができるが、スタックと周辺運転装置のそれぞれは、燃料電池システム内における機能と役割が異なる。

本発明の目的は、燃料電池システムの故障を検出し、診断する技術を提供することにある。

一実施形態に係る多段階故障診断装置によって実行される燃料電池システムに対する多段階故障診断方法は、前記燃料電池システムを階層によりシステム、サブシステム、上位コンポーネント、下位コンポーネント、及びエレメントに順次区分して前記燃料電池システムの故障を診断するステップを含む。

前記サブシステムは、スタック、空気供給装置、熱管理装置、燃料供給装置、水管理装置、電力インバータ、及びコントローラを含み得る。

一実施形態に係る多段階故障診断装置によって実行される、燃料電池システムに対する多段階故障診断方法は、複数のサブシステムから構成された前記燃料電池システムで故障が生じたサブシステムを検出するステップと、測定データ及び制御信号を用いて、前記故障が生じたサブシステムに含まれている上位コンポーネントのうち、前記故障の原因となる上位コンポーネントを検出するステップとを含む。

前記故障の原因となる上位コンポーネントに含まれている１つ以上の下位コンポーネントのうち、前記故障の原因となる下位コンポーネントを検出するステップをさらに含み得る。前記故障の原因となる下位コンポーネントに含まれている１つ以上のエレメントのうち、前記故障の原因となるエレメントを検出するステップをさらに含み得る。

前記燃料電池システムは、スタック、空気供給装置、熱管理装置、燃料供給装置、水管理装置、電力インバータ、及びコントローラのサブシステムを含み得る。

前記故障が生じたサブシステムを検出するステップは、前記燃料電池システムに故障が生じたと検出された場合、前記スタックで故障が生じたか、又は周辺運転装置（Ｂａｌａｎｃｅ ｏｆ Ｐｌａｎｔ：ＢＯＰ）で故障が生じたかを判断するステップを含み得る。

前記故障が生じたか否かを判断するステップは、前記スタックの内部部品によって非可逆的に故障が生じたか、又は周辺運転装置によって可逆的に故障が生じたかを判断するステップを含み得る。

前記故障が生じたサブシステムを検出するステップは、前記複数のサブシステムに対する測定データ及び制御信号に基づいて前記故障が生じたサブシステムを検出するステップを含み得る。

前記多段階故障診断装置は、前記燃料電池システムで前記故障が生じたサブシステムについてのみ故障診断を行い、残りのサブシステムについては前記故障診断を行わないことがある。

一実施形態に係る燃料電池システムに対する多段階故障診断方法を行う多段階故障診断装置は、複数のサブシステムから構成された前記燃料電池システムで故障が生じたサブシステムを検出するサブシステム故障検出部と、測定データ及び制御信号を用いて、前記故障が生じたサブシステムに含まれている上位コンポーネントのうち、前記故障の原因となる上位コンポーネントを検出するコンポーネント故障検出部とを含む。

前記コンポーネント故障検出部は、前記故障の原因となる上位コンポーネントに含まれている１つ以上の下位コンポーネントのうち、前記故障の原因となる下位コンポーネントを検出し得る。

一実施形態に係る多段階故障診断装置は、前記故障の原因となる下位コンポーネントに含まれている１つ以上のエレメントのうち、前記故障の原因となるエレメントを検出するエレメント故障検出部をさらに含み得る。

前記燃料電池システムは、スタック、空気供給装置、熱管理装置、燃料供給装置、電力インバータ、水管理装置及びコントローラのサブシステムを含む。

前記サブシステム故障検出部は、前記システムに故障が生じたと検出された場合、前記スタックの内部部品による故障が生じたか、又は周辺運転装置によって故障が生じたかを判断し得る。

前記サブシステム故障検出部は、スタック故障検出部を含んでもよく、前記スタック故障検出部は、前記スタック故障が、スタック内部部品によって非可逆的に発生したか、又は周辺運転装置によって可逆的に発生したかを判断し得る。

前記サブシステム故障検出部は、前記複数のサブシステムに対する測定データ及び制御信号に基づいて前記故障が生じたサブシステムを検出し得る。

前記多段階故障診断装置は、前記燃料電池システムで前記故障が生じたサブシステムについてのみコンポーネント故障診断を行い、残りのサブシステムについては前記故障診断を行わないことがある。

他の実施形態に係る複数のサブシステムを含む燃料電池システムの故障を診断する多段階故障診断装置は、センサを用いた測定データを用いて、前記複数のサブシステムのうち故障が生じたサブシステムを検出するサブシステム故障検出部と、前記故障が生じたサブシステムに含まれているコンポーネントのうち、前記故障の原因となるコンポーネントを検出するコンポーネント故障検出部を含み得る。

一実施形態に係る多段階故障診断方法は、前記燃料電池システムを構成する複数のサブシステム各々に対する特性値を予測するステップと、前記特性値及び測定値に基づいて各サブシステムに対する残差値を算出するステップと、前記サブシステムに対する残差値と分類器を用いて、前記サブシステムのうち故障が生じたサブシステムを検出するステップを含み得る。

前記検出するステップは、前記各サブシステムに対する残差値と前記各サブシステムに対応する閾値間の比較結果に基づいて前記サブシステムに対する残差パターン値を決定するステップを含む。

前記検出するステップは、前記残差パターン値を入力にする前記分類器を用いて故障検出のための分類パターン値を取得するステップと、前記取得した分類パターンを用いて前記サブシステムのうち故障が生じたサブシステムを決定するステップを含み得る。

前記分類器は、人工神経網（Ａｒｔｉｆｉｃｉａｌ Ｎｅｕｒａｌ Ｎｅｔｗｏｒｋ：ＡＮＮ）、サポートベクトルマシーン（Ｓｕｐｐｏｒｔ Ｖｅｃｔｏｒ Ｍａｃｈｉｎｅ：ＳＶＭ）、線形回帰式、一般回帰神経網（Ｇｅｎｅｒａｌ Ｒｅｇｒｅｓｓｉｏｎ Ｎｅｕｒａｌ Ｎｅｔｗｏｒｋ：ＧＲＮＮ）及びアンサンブル回帰の機械学習法（Ｍａｃｈｉｎｅ Ｌｅａｒｎｉｎｇ）のうち少なくとも１つに基づいて前記分類パターン値を取得し得る。

前記閾値は、各サブシステムが正常な状態で算出された残差値の標準偏差値に基づいて設定され得る。

前記閾値は、前記標準偏差値の整数倍数の値を有し得る。

前記特性値を予測するステップは、人工神経網、サポートベクトルマシーン、線形回帰式、一般回帰神経網及びアンサンブル回帰の機械学習法のうち少なくとも１つを含む機械学習法を用いて前記特性値を予測するステップを含み得る。

前記特性値を予測するステップは、前記燃料電池システムに含まれているセンサの測定値と制御信号を用いて前記特性値を予測するステップを含み得る。

前記特性値は、前記各サブシステムを代表する特性値として、前記サブシステム内のコンポーネント及びエレメントのうち少なくとも１つで発生した故障に対する症状が現れる値であり、前記サブシステムの出力変数及び入出力変数のうち少なくとも１つで換算された効率式、熱伝達率、及び無次元係数のうち少なくとも１つを含み得る。

前記残差値を算出するステップは、前記各サブシステムに対する残差値に対して正規化を行うステップを含み得る。

前記正規化を行うステップは、前記各サブシステムの残差の最大値から残差の最小値を引いた値に対する残差値から残差の最小値を引いた値の比率を算出して前記正規化を行うステップを含み得る。

一実施形態に係る多段階故障診断方法を行う多段階故障診断装置は、前記燃料電池システムを構成する複数のサブシステム各々に対する特性値を予測する予測部と、前記特性値及び測定値に基づいて各サブシステムに対する残差値を算出する算出部と、前記サブシステムに対する残差値と分類器を用いて前記サブシステムのうち故障が生じたサブシステムを検出する故障検出部を含み得る。

前記故障検出部は、前記各サブシステムに対する残差値と前記各サブシステムに対応する閾値間との比較結果に基づいて、前記サブシステムに対する残差パターン値を決定し得る。

前記故障検出部は、前記残差パターン値を入力にする前記分類器を用いて故障検出のための分類パターン値を取得し、前記取得した分類パターンを用いて前記サブシステムのうち故障が生じたサブシステムを決定し得る。

前記分類器は、人工神経網、サポートベクトルマシーン、線形回帰式、一般回帰神経網及びアンサンブル回帰の機械学習法のうち少なくとも１つを含む機械学習法に基づいて前記分類パターン値を取得し得る。

前記閾値は、各サブシステムが正常な状態で算出された残差値の標準偏差値に基づいて設定され得る。

前記閾値は、前記標準偏差値の整数倍数の値を有し得る。

前記予測部は、人工神経網、サポートベクトルマシーン、線形回帰式、一般回帰神経網及びアンサンブル回帰の機械学習法のうち少なくとも１つを含む機械学習法を用いて前記特性値を予測し得る。

前記予測部は、前記燃料電池システムに含まれているセンサの測定値を用いて前記特性値を予測し得る。

前記算出部は、前記各サブシステムに対する残差値に対し正規化を行ってもよい。

前記算出部は、前記各サブシステムの残差の最大値から残差の最小値を引いた値に対する残差値から残差の最小値を引いた値の比率を算出して前記正規化を行ってもよい。

他の実施形態に係る多段階故障診断方法を行う多段階故障診断装置は、解釈的重複式を用いて前記燃料電池システムを構成する複数のサブシステム各々に対する特性値を予測する予測部と、前記予測された特性値及びセンサによって測定された測定値に基づいて各サブシステムに対応する残差値を算出し、算出された残差値を正規化する算出部と、前記正規化された残差値に基づいて故障が生じたサブシステムを検出する故障検出部を含むことができる。

一実施形態によれば、階層的に燃料電池システムの故障を診断することで、正常に動作する構成要素に対して故障診断を不要に行うことを防止し、より迅速かつ効率よく燃料電池システムの故障診断を行うことができる。

一実施形態に係る多段階故障診断システムの全体的な概要を示す図である。 一実施形態に係る多段階故障診断方法を説明するためのフローチャートである。 一実施形態に係る燃料電池システムの構成を示す図である。 一実施形態に係る多段階故障診断装置の構成を示す図である。 他の実施形態に係る燃料電池システムの故障診断方法を説明するためのフローチャートである。 一実施形態に係るサブシステムごとの特性値に基づいて残差値を算出する一例を説明するための図である。 一実施形態に係る残差パターン値及び分類パターン値に基づいて燃料電池システムの故障を診断する一例を説明するための図である。 他の実施形態に係る多段階故障診断装置の構成を示す図である。

実施形態に対する特定な構造的又は機能的な説明は単なる例示のための目的として開示されたものとして、様々な形態に変更される。したがって、実施形態は特定な開示形態に限定されるものではなく、本明細書の範囲は技術的な思想に含まれる変更、均等物ないし代替物を含む。

第１又は第２などの用語を複数の構成要素を説明するために用いることがあるが、このような用語は１つの構成要素を他の構成要素から区別する目的としてのみ解釈されなければならない。例えば、第１構成要素は第２構成要素と命名することができ、同様に第２構成要素は第１構成要素にも命名することができる。いずれかの構成要素が他の構成要素に「連結」されているか「接続」されていると言及されたときには、その他の構成要素に直接的に連結されているか又は接続されているが、中間に他の構成要素が存在し得るものと理解されなければならない。

単数の表現は、文脈上、明白に異なる意味をもたない限り複数の表現を含む。本明細書において、「含む」又は「有する」等の用語は明細書上に記載した特徴、数字、ステップ、動作、構成要素、部品又はこれらを組み合わせたものが存在することを示すものであって、１つ又はそれ以上の他の特徴や数字、ステップ、動作、構成要素、部品、又はこれを組み合わせたものなどの存在又は付加の可能性を予め排除しないものとして理解しなければならない。

また、異なるように定義さがれない限り、技術的であるか又は科学的な用語を含むここで用いる全ての用語は、本実施形態が属する技術分野で通常の知識を有する者によって一般的に理解されるものと同じ意味を有する。一般的に用いられる予め定義された用語は、関連技術の文脈上で有する意味と一致する意味を有するものと解釈すべきであって、本明細書で明白に定義しない限り、理想的又は過度に形式的な意味として解釈されることはない。

以下、実施形態を添付の図面を参照して詳細に説明する。各図面に提示される同一な参照符号は同一な部材を示す。

図１は、一実施形態に係る多段階故障診断システムの全体的な概要を示す図である。

多段階故障診断システムは、燃料電池システム１１０の故障を検出し、正確な故障の原因を診断するために、燃料電池システム１１０に対してシステムステップからエレメント段階まで多段階の方式でアクセスすることができる。多段階故障診断システムは、順次的な方式でサブシステム、コンポーネント、及びエレメントに区分された燃料電池システム１１０についてトップダウン（ｔｏｐ－ｄｏｗｎ）の流れで故障の原因を診断することができる。そのため、燃料電池システム１１０は、燃料電池システム１１０のどのような部分で故障が生じたかを検出し、システムの故障に対する原因を、特定部分に限定することで、細分化された故障診断を容易にすることができる。

図１を参照すると、多段階故障診断システムは、燃料電池システム１１０及び多段階故障診断装置１２０を含む。一実施形態において、多段階故障診断装置１２０は、燃料電池システム１１０から測定データ及び制御信号を収集する。多段階故障診断装置１２０は、測定データ及び制御信号に基づいて燃料電池システム１１０に対する故障診断の結果を算出することができる。用いられるデータは、例えば、自動及び手動で測定されるセンサ値と制御信号を全て含んでもよい。

一実施形態において、多段階故障診断装置１２０は、測定データ及び制御信号に基づいて燃料電池システム１１０の故障を検出し、燃料電池システム１１０のどの部分で故障が生じたかを診断する。

多段階故障診断装置１２０は、燃料電池システム１１０を階層的に診断して故障の有無を検出する。多段階故障診断装置１２０は、燃料電池システム１１０の構成要素を大きい範囲から小さい範囲へ、次第に減らしていきながら故障の有無を診断する。このように、多段階故障診断装置１２０は、階層的に燃料電池システム１１０の故障を診断することで、正常に動作する構成要素について不要に故障診断を行うことを防止し、より迅速かつ効率よく燃料電池システム１１０の故障診断を行うことができる。

一実施形態において、多段階故障診断装置１２０は、燃料電池システム１１０を階層によりシステム、サブシステム、上位コンポーネント、下位コンポーネント、及びエレメントに順次区分し、燃料電池システム１１０の故障を診断する。ここで、サブシステムは、スタック、空気供給装置、熱管理装置、燃料供給装置、水管理装置、電力インバータ、及びコントローラのサブシステムを含んでもよい。

本明細書におけるサブシステムは部位に称されてもよく、コンポーネントは部品に称されてもよい。また、本明細書におけるエレメントは要素に称されてもよい。

以下では、図面を参照して多段階故障診断方法をより詳しく説明する。

図２は、一実施形態に係る多段階故障診断方法を説明するためのフローチャートである。

図２を参照すると、ステップＳ２１０において、多段階故障診断装置は、複数のサブシステムから構成された燃料電池システムで故障が生じたサブシステムを検出する。ここで燃料電池システムは、スタック、空気供給装置、熱管理装置、燃料供給装置、水管理装置、電力インバータ、及びコントローラのサブシステムに区分される。一実施形態において、多段階故障診断装置は、複数のサブシステムに対する測定データ及び制御信号に基づいて故障が生じたサブシステムを検出することができる。

多段階故障診断装置は、燃料電池システムに故障が生じたと検出された場合、スタックの内部部品による故障が生じたか、又は周辺運転装置によって故障が生じたかを判断する。スタックに故障が生じた場合、故障の原因がスタック自体の故障になるが、実施形態により周辺運転装置に故障によってもスタックで故障が生じたものと診断されることもある。したがって、スタックに故障が生じたと決定された場合、その原因がスタックの故障のためであるか、又はその周辺の運転装置の故障のためであるかを正確に把握しなければ、燃料電池システムの故障に対する対処を適切に行うことができない。また、多段階故障診断装置は、スタックで発生した故障に対して、スタックの内部部品により非可逆的に故障が生じたか、又は、周辺運転装置によって可逆的に故障が生じたか否かを判断することができる。スタック自体の故障である場合は回復が難しいが（別名、「非可逆的故障」）、運転装置の故障である場合は運転装置が正常に復帰すると、スタック性能は回復される（別名、「可逆的故障」）。

多段階故障診断装置は、燃料電池システムで故障が生じたサブシステムについてのみ故障診断を行い、残りのサブシステムについては故障診断を行わない。すなわち、多段階故障診断装置は、燃料電池システムで故障が生じたサブシステムに限定し、サブシステムに含まれているコンポーネント及びエレメントのうち少なくとも１つに対する故障診断を行うことができる。

ステップＳ２２０において、多段階故障診断装置は、測定データ及び制御信号などを用いて、故障が生じたサブシステムに含まれている上位コンポーネントのうち、故障の原因となる上位コンポーネントを検出する。上位コンポーネントが下位コンポーネントを含んでいない場合、ユーザ又は管理者は、故障の原因となるものとして検出された上位コンポーネントに対する措置を取ることで、燃料電池システムを正常な状態に復旧することができる。

上位コンポーネントが１つ以上の下位コンポーネントを含んでいる場合、ステップＳ２３０において、多段階故障診断装置は、故障の原因となる上位コンポーネントに含まれている１つ以上の下位コンポーネントのうち、故障の原因となる下位コンポーネントを検出する。下位コンポーネントがエレメントを含んでいない場合、ユーザ又は管理者は、故障の原因となるものとして検出された下位コンポーネントに対する措置を取ることで、燃料電池システムを正常な状態に復旧することができる。

下位コンポーネントが１つ以上のエレメントを含む場合、ステップＳ２４０において、多段階故障診断装置は、故障の原因となる下位コンポーネントに含まれている１つ以上のエレメントのうち、故障の原因となるエレメントを検出する。ユーザ又は管理者は、故障の原因となるものとして検出されたエレメントに対する措置を取ることで、燃料電池システムを正常な状態に復旧することができる。

本明細書で説明される一実施形態によれば、燃料電池システム内でいずれかのサブシステムで故障が生じたかを容易に診断することができる。また、燃料電池システム内でいずれかのサブシステムで故障が生じたかを診断することで、ユーザ又は管理者が故障の発生による適切な措置を取ることができる。

一実施形態によれば、燃料電池システムのサブシステムごとの故障検出ステップにおいて、スタックの損傷を招く周辺運転装置の突然の故障だけではなく、即座に影響の少ない初期故障を予め発見し、これに対する措置を取ることで、燃料電池システムの長期信頼性を向上させることに寄与する。また、一実施形態によれば、燃料電池の性能及び耐久性の向上を図ることができ、そのため、家庭用／建物用及び自動車用の燃料電池の商用化の必須要求事項である、システム安定化を図ることができる。

図３は、一実施形態に係る燃料電池システムの構成を示す図である。

図３を参照すれば燃料電池システムは複数のサブシステム３１０を含む。また、複数のサブシステム３１０は、１つ以上のコンポーネント３２０及び３３０を含むが、ここで、コンポーネントは、上位コンポーネント３２０及び下位コンポーネント３３０から構成される。コンポーネント３２０及び３３０が上位コンポーネント３２０と下位コンポーネント３３０から構成される場合、上位コンポーネント３２０は、下位コンポーネント３３０を含んでもよく、下位コンポーネント３３０は１つ以上のエレメント３４０を含んでもよい。

一実施形態にかかるサブシステム３１０は、燃料供給装置、スタック、電力インバータ／コントローラ、空気供給装置、水管理装置、及び熱管理装置から区分される。

燃料供給装置は水素を直接使用したり、化石燃料を用いて水素に変換して燃料を供給する機能を行う。スタックは、電力を生産するサブシステムであり、電力インバータ／コントローラは、電力を変換して制御するサブシステムである。空気供給装置は、スタックの負荷に連動して空気量を制御し、水管理装置は、空気供給装置、燃料供給装置又は熱管理装置のうち少なくとも１つの一部であって、加湿器の中心に構成されて空気や燃料の湿度を調節することができる。熱管理装置は、スタックの温度を適正に保持する機能を行うことができる。

スタックは、性能の回復できる可逆的な故障の場合と、回復し難い非可逆的な故障の場合とに区分される。スタックの可逆的故障は、乾燥やフラッディング及び燃料／空気不足状態を含む。これは主に、周辺の運転装置の故障によって発生する可能性がある。非可逆的故障は、スタック自体の故障により上位コンポーネント３２０としてｎ個のセルとマニフォールド、締結板などを含んでもよく、それぞれのセルは、分離板（ｓｅｐａｒａｔｏｒ）、ＭＥＡ（Ｍｅｍｂｒａｎｅ－Ｅｌｅｃｔｒｏｄｅ Ａｓｓｅｍｂｌｙ）、ＧＤＬ（Ｇａｓ ｄｉｆｆｕｓｉｏｎ ｌａｙｅｒ）及びガスケット（ｇａｓｋｅｔ）の下位コンポーネント３３０を含む。ＭＥＡは、電解質膜（ｅｌｅｃｔｒｏｌｙｔｅ）と電極（ｅｌｅｃｔｒｏｄｅ）をエレメント３４０として含むことができる。

空気供給装置は、上位コンポーネント３２０としてブロア（ｂｌｏｗｅｒ）、フィルタ（ｆｉｌｔｅｒ）、センサ（ｓｅｎｓｏｒ）及び配管設備（ｌｉｎｅ）を含んでもよく、下位コンポーネントとしてブロアでベアリング及び回転装置などの機械的な故障と電気的なモータ故障を含んでもよい。熱管理装置は、上位コンポーネント３２０としてスタック配管部（ｓｔａｃｋ ｌｉｎｅ）、熱交換器及び熱貯蔵槽配管部（ｒｅｓｅｒｖｏｉｒ ｌｉｎｅ）を含んでもよい。スタック配管部と熱貯蔵槽配管部は、下位コンポーネント３３０としてポンプ（ｐｕｍｐ）、センサ、そして配管（ｐｉｐｅ）などを含んでもよい。

図４は、一実施形態に係る多段階故障診断装置の構成を示す図である。

図４を参照すると、多段階故障診断装置４００は、本明細書で説明した多段階故障診断方法を行う多段階故障診断装置に対応する。一実施形態において多段階故障診断装置４００は、サブシステム故障検出部４１０、コンポーネント故障検出部４２０及びエレメント故障検出部４３０を含む。

サブシステム故障検出部４１０は、センサを用いた測定データ及び制御信号を用いて複数のサブシステムのうち、故障が生じたサブシステムを検出する。一実施形態において、サブシステム故障検出部４１０は、スタック、空気供給装置、熱管理装置、燃料供給装置、水管理装置、及び電力インバータとコントローラを含むサブシステムから構成された燃料電池システムで故障が生じたサブシステムを検出する。また、サブシステム故障検出部４１０は、燃料電池システムに故障が生じたと検出された場合、スタックで故障の発生であるか、又は、周辺運転装置で故障の発生であるかを判断する。

例えば、サブシステム故障検出部４１０は、サブシステムごとの特性値及び残差（ｒｅｓｉｄｕａｌ）を算出する。サブシステム故障検出部４１０は、測定データに基づいて、前に算出した残差に対する分析を行うことができる。サブシステム故障検出部４１０は、残差が予め決定した許容値から離れるパターンに基づいて故障が生じたサブシステムを検出することができる。ここで、サブシステムごとの特性値は、解釈的重複式を称することができる。

解釈的重複式は、特性や位置の異なるセンサの測定値を用いて特定測定値を算出するための式であってもよく、そのために人工神経網（Ａｒｔｉｆｉｃｉａｌ Ｎｅｕｒａｌ Ｎｅｔｗｏｒｋ：ＡＮＮ）、サポートベクトルマシーン（Ｓｕｐｐｏｒｔ Ｖｅｃｔｏｒ Ｍａｃｈｉｎｅ：ＳＶＭ）、線形回帰式、一般回帰神経網（Ｇｅｎｅｒａｌ Ｒｅｇｒｅｓｓｉｏｎ Ｎｅｕｒａｌ Ｎｅｔｗｏｒｋ：ＧＲＮＮ）及びアンサンブル回帰のうち少なくとも１つの回帰モデル式が使用される。

残差は、予測値と測定値の差、又は、予測値と異なるモデル式を用いて算出された予測値の差を意味する。サブシステム故障検出部４１０は、算出された残差値が互いに異なる故障に対して相対的に同じ大きさを有するよう、残差値に対する正規化を行うことができる。

許容値は、各サブシステムが故障していない状態で算出された残差の標準偏差値に基づいて決定される。例えば、許容値は、各サブシステムが故障していない状態で算出された残差の標準偏差値のｎ倍数になり得る。ここで、ｎは自然数である。

サブシステム故障検出部４１０は、残差のパターンを故障分類パターンとして用いて、神経網、サポートベクトルマシーン、線形回帰式、一般回帰神経網、及びアンサンブル回帰方法のうち少なくとも１つの回帰モデル式を用いて、サブシステムごとの故障の発生の有無を診断することができ、故障が生じたサブシステムを検出することができる。

サブシステム故障検出部４１０は、サブシステムの故障を検出するために、サブシステムの故障の有無を確認できる特性式及び特性値を用いることができる。

例えば、サブシステム故障検出部４１０は、スタックの故障可否を判断するために、工程状態に応じる電圧と電流の関係を用いてもよい。また、サブシステム故障検出部４１０は、空気供給装置を用いて予想される空気量の変化によりサブシステムの故障を検出してもよい。サブシステム故障検出部４１０は、水管理装置に連動したシステムのモニタリング変数を用いて水管理装置の故障を検出してもよく、各システムの制御のための測定変数、制御信号、及び追加されるモニタリング信号を介して燃料供給装置の故障を検出してもよい。

実施形態によりサブシステム故障検出部４１０は、スタック故障検出部を含んでもよい。スタック故障検出部は、スタック故障がスタック内部部品によって非可逆的な発生であるか、又は、周辺運転装置によって可逆的な発生であるかを判断する。

コンポーネント故障検出部４２０は、故障が生じたサブシステムに含まれているコンポーネントのうち故障の原因となるコンポーネントを検出する。一実施形態に係るコンポーネント故障検出部４２０は、複数のサブシステムに対する測定データ及び制御信号を用いて、故障が生じたサブシステムに含まれている上位コンポーネントのうち、故障の原因となる上位コンポーネントを検出する。また、実施形態によりコンポーネント故障検出部４２０は、故障の原因となる上位コンポーネントに含まれている１つ以上の下位コンポーネントのうち、故障の原因となる下位コンポーネントを検出してもよい。

一実施形態に係るコンポーネント故障検出部４２０は、空気供給装置に故障が生じたと判断された場合に、空気量、制御信号、及び圧力信号のうち少なくとも１つを用いて、ブロア（圧縮機）、センサ、ライン（配管）、フィルタなどを含むコンポーネントの故障の有無を決定する。

他の実施形態において、コンポーネント故障検出部４２０は、熱管理装置に故障が生じたと判断された場合に、制御のための駆動ポンプとバルブ、センサ、及び熱交換器に対する故障を検出してもよい。

エレメント故障検出部４３０は、故障の原因となる上位コンポーネント又は下位コンポーネントいずれか１つに含まれている１つ以上のエレメントのうち、故障の原因となるエレメントを検出することができる。

図５は、他の実施形態に係る燃料電池システムの故障診断方法を説明するためのフローチャートである。図５に示された故障診断方法は、燃料電池システムを階層によりシステム、サブシステム、上位コンポーネント、下位コンポーネント及びエレメントに順次区分して燃料電池システムの故障を診断するステップに含まれてもよい。

図５を参照すると、ステップＳ５１０において、多段階故障診断装置は、燃料電池システムを構成する複数のサブシステム各々に対する特性値を予測する。一実施形態で多段階故障診断装置は、解釈的重複式と燃料電池システムに含まれているセンサから取得した測定値に基づいて特性値を予測する。ここで、解釈的重複式は、特性や位置が異なるセンサの測定値と制御信号に基づいて特定測定値を予測できる形を意味する。また、解釈的重複式で人工神経網、サポートベクトルマシーン、線形回帰式、一般回帰神経網、及びアンサンブル回帰のうち少なくとも１つを含む機械学習法が使用されてもよい。多段階故障診断装置は、解釈的重複式を介して様々な回帰モデル式のうち少なくとも１つを用いて特性値を予測することができる。

ステップＳ５２０において、多段階故障診断装置は、特性値及び測定値に基づいて各サブシステムに対する残差値を算出する。

一実施形態において、多段階故障診断装置は、特性値から測定値を引いた値の絶対値を残差値として算出することができる。また、多段階故障診断装置は、各サブシステムに対する残差値に対して正規化を行ってもよい。例えば、多段階故障診断装置は、各サブシステムで定常状態の運転資料で求めた残差の最大値から残差の最小値を引いた値に対する、残差値から残差の最小値を引いた値の比率を算出して正規化を行うことができる。残差の最大値と最小値は、定常状態で求めた標準偏差の倍数に基づいて算出される。多段階故障診断装置は、残差値に対して正規化を行うことで、互いに異なる故障に対して相対的に同じ大きさを有するようにする。一実施形態に係る残差値に対する正規化方法については、次のように数式（１）のように表現される。

他の実施形態に係る残差値に対する正規化方法は、次のように数式（２）のように表現される。

以下のステップで説明される残差値は、正規化された残差値を示すことができる。

ステップＳ５３０において、多段階故障診断装置は、サブシステムに対する残差値と分類器を用いてサブシステムのうち故障が生じたサブシステムを検出する。一実施形態で多段階故障診断装置は、各サブシステムに対する残差値と各サブシステムに対応する閾値との間の比較結果に基づいて、サブシステムに対する残差パターン値を決定することができる。ここで、閾値は、各サブシステムが正常な状態で算出された残差値の標準偏差値に基づいて設定される。例えば、閾値は、各サブシステムが正常な状態で算出された残差値の標準偏差値の倍数の値になり得る。

上記の実施形態において、多段階故障診断装置は、一サブシステムに対する残差値と閾値について比較を行うことができる。多段階故障診断装置は、残差値が閾値による許容値から離れるパターンに基づいて残差パターン値を決定することができる。ここで、多段階故障診断装置は、燃料電池システムの特性を考慮して、故障深刻度を残差パターンに反映し得る。

多段階故障診断装置は、残差パターン値を入力にする分類器を用いて故障検出のための分類パターン値を取得する。ここで、分類器は、人工神経網、サポートベクトルマシーン、線形回帰式、一般回帰神経網、及びアンサンブル回帰のうち少なくとも１つを含む機械学習法に基づいて分類パターン値を取得することができる。多段階故障診断装置は、取得した分類パターン値を用いてサブシステムのうち故障が生じたサブシステムを決定することができる。

図６は、一実施形態に係るサブシステムごとの特性値に基づいて残差値を算出する一例を説明するための図である。

図６を参照すると、多段階故障診断装置は、各サブシステムに対する特性値及び測定値に基づいて各サブシステムに対する残差値を算出する。

各サブシステムの残差値は、サブシステム内のコンポーネントやエレメントでの全ての故障に対して症状が示される値であって、サブシステムの出力変数や入出力変数に換算された効率式、熱伝達率、そして無次元係数などを介して算出される。

例えば、多段階故障診断装置は、スタックに対する特性値及び測定値に基づいてスタックに対する残差値を算出することができる。スタックの特性値は、スタック電圧の特性値になり得る。スタックの特性値は、スタックの負荷、燃料や空気流量、温度、圧力値、及びポンプやブロアなどの制御信号を入力にして算出される。スタックの残差値は、スタックの特性値からスタックの測定値を引いた値の絶対値になり得る。

また、多段階故障診断装置は、空気供給装置の測定値及び制御信号に基づいて空気供給装置に対する残差値を算出する。空気供給装置の特性値は、空気流量や圧力になる。空気供給装置の特性値は、制御信号とスタックの負荷が入力されて算出される。空気供給装置の残差値は、空気供給装置の特性値から空気供給装置の測定値を引いた値の絶対値になる。

水管理装置の特性値は、加湿器出口（又は、スタック入口）の空気温度や加湿器効率になる。水管理装置の特性値は、加湿器入出口の温度、空気流量、及びスタックの負荷を入力にして算出される。水管理装置の残差値は、水管理装置の特性値から水管理装置の測定値を引いた値の絶対値になる。

熱管理装置の特性値は、スタックライン又は冷却槽ライン冷却水の流量や熱交換器の熱伝達率になる。熱管理装置の特性値がスタックラインである場合、熱管理装置の特性値は、ポンプ制御信号を入力にして算出される。熱管理装置の特性値が冷却槽ラインの冷却水の流量である場合、熱管理装置の特性値は、熱交換器の入出口温度及びスタック熱負荷を入力にして算出される。熱管理装置の特性値が熱交換器の熱伝達率である場合、熱管理装置の特性値は、熱交換器の入出口温度及びスタック熱負荷を入力にして算出される。熱管理装置の残差値は、熱管理装置の特性値から熱管理装置の測定値を引いた値の絶対値になり得る。

燃料供給装置の特性値は燃料流量になる。燃料供給装置の特性値は、制御信号と燃料流量を入力にして算出される。リフォーマー（ｒｅｆｏｒｍｅｒ）が適用される場合、特性値は、リフォーマーの動作温度とリフォーマーガスブロア（ｇａｓ ｂｌｏｗｅｒ）の制御信号を用いることで算出される。燃料供給装置の残差値は、燃料供給装置の特性値から燃料供給装置の測定値を引いた値の絶対値になる。

図７は、一実施形態に係る残差パターン値及び分類パターン値に基づいて燃料電池システムの故障を診断する一例を説明するための図である。

図７を参照すれば、燃料電池システムが正常な場合と各サブシステムに故障が生じて燃料電池システムに故障が生じた場合とに分類され、スタック、空気供給装置、水供給装置、熱供給装置、及び燃料供給装置の残差値による残差パターン値が算出される。残差パターン値は分類器に入力され、分類器は残差パターン値が入力されて燃料電池システムの故障が生じたサブシステムを検出するための分類パターン値を算出する。

分類器は、人工神経網、サポートベクトルマシーン、線形回帰式、一般回帰神経網、及びアンサンブル回帰などの機械学習法のうち少なくとも１つを含む回帰モデル式を介して分類パターン値を算出する。

多段階故障診断装置は、残差パターン値と分類器が算出した分類パターン値及び機械学習分類パターンのうち少なくとも１つに基づいて、燃料電池システムに故障が生じた場合、細分化された故障診断を行うことができる。

ここで、残差パターン値は、残差値が閾値を外れるパターンに基づいて決定されてもよい。一実施形態では、残差値が閾値よりも大きいか同一である場合、残差パターン値が１となり、残差値が閾値よりも小さい場合は、残差パターン値が０となる。

例えば、サブシステムの残差パターン値は全て０に算出され、残差パターン値を入力値にして分類器が出力した値は「１０００００」であり、機械学習分類パターンが１である場合、多段階故障診断装置は、燃料電池システムに故障が発生していない正常状態であると決定する。

スタックの残差パターン値と空気供給装置の残差パターン値が１であり、スタックと空気供給装置を除いた他のサブシステムの残差パターン値が０であり、残差パターン値に基づいて分類器が分類パターン値を「０１００００」として算出した場合、残差パターン値分類パターン値及び機械学習分類パターンに基づいて、多段階故障診断装置はスタックに故障が生じたと決定する。より具体的に、多段階故障診断装置は、この場合に、空気供給装置とスタックで故障が生じ、スタックに故障が生じたと検出されるものとして決定する。

他の実施形態において、分類器から出力される分類パターン値は、故障の深刻度を示すことができる。例えば、各サブシステムに対応する分類パターン値は、故障の深刻度に応じて、０から１の間の小数点に表示される分類パターン値を有してもよい。故障の程度が相対的に激しいサブシステムの分類パターン値は１に近い値を有し、故障の程度が相対的に弱いサブシステムの分類パターン値は０に近い値を有する。例えば、分類パターン値は「０．１、０．３、０、０．１、０．５」に表現されてもよい。ここで、分類パターン値の総合は一定であり（この場合、「１」）、サブシステム間の相対的な故障の深刻度を示すことができる。

図８は、他の実施形態に係る多段階故障診断装置の構成を示す図である。

図８を参照すると、他の実施形態に係る多段階故障診断装置８００は、燃料電池システムの故障検出方法を行うことができる。多段階故障診断装置８００は、予測部８１０、算出部８２０、及び故障検出部８３０を含む。

予測部８１０は、１つ以上の回帰モデル式を用いて燃料電池システムを構成する複数のサブシステム各々に対する特性値を予測する。予測部８１０は、燃料電池システムに含まれているセンサから測定された測定値に基づいて特性値を予測することができる。

算出部８２０は、特性値及び測定値に基づいて特性値及び測定値に対応するサブシステムに対する残差値を算出する。また、算出部８２０は、各サブシステムの残差の最大値から残差の最小値を引いた値に対する残差値から残差の最小値を引いた値の比率を算出して残差値に対する正規化を行ってもよい。

故障検出部８３０は、サブシステムに対する残差値と分類器を用いてサブシステムのうち故障が生じたサブシステムを検出する。故障検出部８３０は、故障が生じたサブシステムを検出するために、各サブシステムに対する残差値と各サブシステムに対応する閾値との間の比較結果に基づいて、サブシステムに対する残差パターン値を決定することができる。故障検出部８３０は、ここで決定した残差パターン値を入力とする分類器を用いて故障検出のための分類パターン値を取得し、取得した分類パターン値を用いてサブシステムのうち、どのサブシステムで故障が生じたかを決定することができる。

以上述した実施形態は、ハードウェア構成要素、ソフトウェア構成要素、又はハードウェア構成要素及びソフトウェア構成要素の組み合せで具現される。例えば、本実施形態で説明した装置及び構成要素は、例えば、プロセッサ、コントローラ、ＡＬＵ（ａｒｉｔｈｍｅｔｉｃ ｌｏｇｉｃ ｕｎｉｔ）、デジタル信号プロセッサ（ｄｉｇｉｔａｌ ｓｉｇｎａｌ ｐｒｏｃｅｓｓｏｒ）、マイクロコンピュータ、ＦＰＡ（ｆｉｅｌｄ ｐｒｏｇｒａｍｍａｂｌｅ ａｒｒａｙ）、ＰＬＵ（ｐｒｏｇｒａｍｍａｂｌｅ ｌｏｇｉｃ ｕｎｉｔ）、マイクロプロセッサー、又は命令（ｉｎｓｔｒｕｃｔｉｏｎ）を実行して応答する異なる装置のように、１つ以上の汎用コンピュータ又は特殊目的コンピュータを用いて具現される。処理装置は、オペレーティングシステム（ＯＳ）及びオペレーティングシステム上で実行される１つ以上のソフトウェアアプリケーションを実行する。また、処理装置は、ソフトウェアの実行に応答してデータをアクセス、格納、操作、処理、及び生成する。理解の便宜のために、処理装置は１つが使用されるものとして説明する場合もあるが、当技術分野で通常の知識を有する者は、処理装置が複数の処理要素（ｐｒｏｃｅｓｓｉｎｇ ｅｌｅｍｅｎｔ）及び／又は複数類型の処理要素を含むことが把握する。例えば、処理装置は、複数のプロセッサ又は１つのプロセッサ及び１つのコントローラを含む。また、並列プロセッサ（ｐａｒａｌｌｅｌ ｐｒｏｃｅｓｓｏｒ）のような、他の処理構成も可能である。

ソフトウェアは、コンピュータプログラム、コード、命令、又はそのうちの一つ以上の組合せを含み、希望の通りに動作するよう処理装置を構成したり、独立的又は結合的に処理装置を命令することができる。ソフトウェア及び／又はデータは、処理装置によって解釈されたり処理装置に命令又はデータを提供するために、いずれかの類型の機械、構成要素、物理的装置、仮想装置、コンピュータ格納媒体又は装置、又は送信される信号波に永久的又は一時的に具体化することができる。ソフトウェアはネットワークに連結されたコンピュータシステム上に分散され、分散した方法で格納されたり実行され得る。ソフトウェア及びデータは一つ以上のコンピュータで読出し可能な記録媒体に格納され得る。

本実施形態による方法は、様々なコンピュータ手段を介して実施されるプログラム命令の形態で具現され、コンピュータ読み取り可能な記録媒体に記録される。記録媒体は、プログラム命令、データファイル、データ構造などを単独又は組み合わせて含む。記録媒体及びプログラム命令は、本発明の目的のために特別に設計して構成されたものでもよく、コンピュータソフトウェア分野の技術を有する当業者にとって公知のものであり使用可能なものであってもよい。コンピュータ読み取り可能な記録媒体の例として、ハードディスク、フロッピー（登録商標）ディスク及び磁気テープのような磁気媒体、ＣＤ－ＲＯＭ、ＤＶＤのような光記録媒体、フロプティカルディスクのような磁気－光媒体、及びＲＯＭ、ＲＡＭ、フラッシュメモリなどのようなプログラム命令を保存して実行するように特別に構成されたハードウェア装置を含む。プログラム命令の例としては、コンパイラによって生成されるような機械語コードだけでなく、インタプリタなどを用いてコンピュータによって実行される高級言語コードを含む。ハードウェア装置は、本発明に示す動作を実行するために１つ以上のソフトウェアモジュールとして作動するように構成してもよく、その逆も同様である。

上述したように実施形態をたとえ限定された図面によって説明したが、当技術分野で通常の知識を有する者であれば、上記の説明に基づいて様々な技術的な修正及び変形を適用することができる。例えば、説明された技術が説明された方法と異なる順で実行されるし、及び／又は説明されたシステム、構造、装置、回路などの構成要素が説明された方法と異なる形態で結合又は組み合わせられてもよいし、他の構成要素又は均等物によって置き換え又は置換されたとしても適切な結果を達成することができる。

本特許は、産業通商資源部の財源として韓国エネルギー技術評価院（KETEP）の支援を受けて行われた研究結果である（No.20173010032150）。

１１０：燃料電池システム
１２０、４００、８００：多段階故障診断装置
４１０：サブシステム故障検出部
４２０：コンポーネント故障検出部
４３０：エレメント故障検出部
８１０：予測部
８２０：算出部
８３０：故障検出部

Claims (13)

1. 多段階故障診断装置によって実行される、燃料電池システムに対する多段階故障診断方法において、
   複数のサブシステムから構成された前記燃料電池システムで故障が生じたサブシステムを検出するステップと、
   測定データ及び制御信号を用いて、前記故障が生じたサブシステムに含まれている上位コンポーネントのうち、前記故障の原因となる上位コンポーネントを検出するステップと、
   を含み、
   前記多段階故障診断装置は、前記燃料電池システムで前記故障が生じたサブシステムについてのみ故障診断を行い、残りのサブシステムについては前記故障診断を行わず、
   前記燃料電池システムの故障を診断するステップは、
   前記燃料電池システムを構成する複数のサブシステム各々に対する特性値を予測するステップと、
   前記特性値及び測定値に基づいて、各サブシステムに対する残差値（ｒｅｓｉｄｕａｌ ｖａｌｕｅ）を算出するステップと、
   前記サブシステムに対する残差値と分類器を用いて、前記サブシステムのうち故障が生じたサブシステムを検出するステップと、
   を含み、
   前記検出するステップは、前記各サブシステムに対する残差値と前記各サブシステムに対応する閾値との間の比較結果に基づいて、前記サブシステムに対する残差パターン値を決定するステップを含み、
   さらに前記検出するステップは、
   前記残差パターン値を入力にする前記分類器を用いて故障検出のための分類パターン値を取得するステップと、
   前記取得した分類パターン値を用いて、前記サブシステムのうち故障が生じたサブシステムを決定し、さらに前記サブシステムの故障の深刻度を示すステップと、を含む、多段階故障診断方法。
2. 前記故障の原因となる上位コンポーネントに含まれている１つ以上の下位コンポーネントのうち、前記故障の原因となる下位コンポーネントを検出するステップをさらに含む、請求項１に記載の多段階故障診断方法。
3. 前記故障の原因となる下位コンポーネントに含まれている１つ以上のエレメントのうち、前記故障の原因となるエレメントを検出するステップをさらに含む、請求項２に記載の多段階故障診断方法。
4. 前記燃料電池システムは、スタック、空気供給装置、熱管理装置、燃料供給装置、水管理装置、電力インバータ、及びコントローラのサブシステムを含む、請求項１に記載の多段階故障診断方法。
5. 前記故障が生じたサブシステムを検出するステップは、前記燃料電池システムに故障が生じたと検出された場合、前記スタックで故障が生じたか、又は周辺運転装置（Ｂａｌａｎｃｅ ｏｆ Ｐｌａｎｔ：ＢＯＰ）で故障が生じたかを判断するステップを含む、請求項４に記載の多段階故障診断方法。
6. 前記故障が生じたか否かを判断するステップは、前記スタックの内部部品によって非可逆的に故障が生じたか、又は周辺運転装置によって可逆的に故障が生じたかを判断するステップを含む、請求項５に記載の多段階故障診断方法。
7. 前記故障が生じたサブシステムを検出するステップは、前記複数のサブシステムに対する測定データ及び制御信号に基づいて前記故障が生じたサブシステムを検出するステップを含む、請求項１に記載の多段階故障診断方法。
8. 前記分類器は、人工神経網（Ａｒｔｉｆｉｃｉａｌ Ｎｅｕｒａｌ Ｎｅｔｗｏｒｋ：ＡＮＮ）、サポートベクトルマシーン（Ｓｕｐｐｏｒｔ Ｖｅｃｔｏｒ Ｍａｃｈｉｎｅ：ＳＶＭ）、線形回帰式、一般回帰神経網（Ｇｅｎｅｒａｌ Ｒｅｇｒｅｓｓｉｏｎ Ｎｅｕｒａｌ Ｎｅｔｗｏｒｋ：ＧＲＮＮ）、及びアンサンブル回帰のうち少なくとも１つを含む機械学習法に基づいて前記分類パターン値を取得する、請求項１に記載の多段階故障診断方法。
9. 前記閾値は、各サブシステムが正常な状態で算出された残差値の標準偏差値に基づいて設定される、請求項１に記載の多段階故障診断方法。
10. 前記特性値を予測するステップは、人工神経網、サポートベクトルマシーン、線形回帰式、一般回帰神経網、及びアンサンブル回帰のうち少なくとも１つを用いて前記特性値を予測するステップを含む、請求項１に記載の多段階故障診断方法。
11. 請求項１～１０のいずれかに記載の方法を実行させるコンピューター・プログラムを格納する、コンピュータで読み出し可能な格納媒体。
12. 燃料電池システムに対する多段階故障診断方法を行う多段階故障診断装置において、
    複数のサブシステムから構成された前記燃料電池システムで故障が生じたサブシステムを検出するサブシステム故障検出部と、
    測定データ及び制御信号を用いて、前記故障が生じたサブシステムに含まれている上位コンポーネントのうち、前記故障の原因となる上位コンポーネントを検出するコンポーネント故障検出部と、
    を含む、多段階故障診断装置であって、
    前記多段階故障診断装置は、前記燃料電池システムで前記故障が生じたサブシステムについてのみ故障診断を行い、残りのサブシステムについては前記故障診断を行わず、
    前記多段階故障診断装置は、
    前記燃料電池システムを構成する複数のサブシステム各々に対する特性値を予測部と、
    前記特性値及び測定値に基づいて、各サブシステムに対する残差値（ｒｅｓｉｄｕａｌ ｖａｌｕｅ）を算出する算出部と、
    前記サブシステムに対する残差値と分類器を用いて、前記サブシステムのうち故障が生じたサブシステムを検出する故障検出部と、
    を含み、
    前記故障検出部は、前記各サブシステムに対する残差値と前記各サブシステムに対応する閾値との間の比較結果に基づいて、前記サブシステムに対する残差パターン値を決定し、
    さらに前記故障検出部は、
    前記残差パターン値を入力にする前記分類器を用いて故障検出のための分類パターン値を取得し、
    前記取得した分類パターン値を用いて、前記サブシステムのうち故障が生じたサブシステムを決定し、さらに前記サブシステムの故障の深刻度を示す、
    多段階故障診断装置。
13. 前記コンポーネント故障検出部は、
    前記故障の原因となる上位コンポーネントに含まれている１つ以上の下位コンポーネントのうち、前記故障の原因となる下位コンポーネントを検出し、
    前記多段階故障診断装置は、前記故障の原因となる下位コンポーネントに含まれている１つ以上のエレメントのうち、前記故障の原因となるエレメントを検出するエレメント故障検出部をさらに含む、請求項１２に記載の多段階故障診断装置。

Images