JP7031649B2 - 評価装置、コンピュータプログラム及び評価方法 - Google Patents

評価装置、コンピュータプログラム及び評価方法 Download PDF

Info

Publication number
JP7031649B2
JP7031649B2 JP2019208083A JP2019208083A JP7031649B2 JP 7031649 B2 JP7031649 B2 JP 7031649B2 JP 2019208083 A JP2019208083 A JP 2019208083A JP 2019208083 A JP2019208083 A JP 2019208083A JP 7031649 B2 JP7031649 B2 JP 7031649B2
Authority
JP
Japan
Prior art keywords
time
data
power storage
series
storage element
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Active
Application number
JP2019208083A
Other languages
English (en)
Other versions
JP2021083208A (ja
JP2021083208A5 (ja
Inventor
南 鵜久森
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
Priority to JP2019208083A priority Critical patent/JP7031649B2/ja
Application filed by GS Yuasa International Ltd filed Critical GS Yuasa International Ltd
Priority to PCT/JP2020/042687 priority patent/WO2021100673A1/ja
Priority to AU2020387253A priority patent/AU2020387253A1/en
Priority to US17/755,938 priority patent/US11635467B2/en
Priority to CN202080087901.2A priority patent/CN114846710A/zh
Priority to EP20890788.1A priority patent/EP4064519A4/en
Publication of JP2021083208A publication Critical patent/JP2021083208A/ja
Publication of JP2021083208A5 publication Critical patent/JP2021083208A5/ja
Application granted granted Critical
Publication of JP7031649B2 publication Critical patent/JP7031649B2/ja
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

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]
    • G01R31/367—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]
    • G01R31/382—Arrangements for monitoring battery or accumulator variables, e.g. 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]
    • G01R31/382—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]
    • G01R31/385—Arrangements for measuring battery or accumulator variables
    • G01R31/387—Determining ampere-hour charge capacity or SoC
    • G01R31/388—Determining ampere-hour charge capacity or SoC involving voltage 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]
    • G01R31/392—Determining battery ageing or deterioration, e.g. state of health
    • G—PHYSICS
    • G05—CONTROLLING; REGULATING
    • G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
    • G05B23/00—Testing or monitoring of control systems or parts thereof
    • G05B23/02—Electric testing or monitoring
    • G05B23/0205—Electric testing or monitoring by means of a monitoring system capable of detecting and responding to faults
    • G05B23/0218—Electric testing or monitoring by means of a monitoring system capable of detecting and responding to faults characterised by the fault detection method dealing with either existing or incipient faults
    • G05B23/0243—Electric testing or monitoring by means of a monitoring system capable of detecting and responding to faults characterised by the fault detection method dealing with either existing or incipient faults model based detection method, e.g. first-principles knowledge model
    • G05B23/0254—Electric testing or monitoring by means of a monitoring system capable of detecting and responding to faults characterised by the fault detection method dealing with either existing or incipient faults model based detection method, e.g. first-principles knowledge model based on a quantitative model, e.g. mathematical relationships between inputs and outputs; functions: observer, Kalman filter, residual calculation, Neural Networks
    • 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
    • H01M10/48—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
    • H01M10/486—Accumulators combined with arrangements for measuring, testing or indicating the condition of cells, e.g. the level or density of the electrolyte for measuring temperature
    • 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
    • H02J13/00—Circuit arrangements for providing remote indication of network conditions, e.g. an instantaneous record of the open or closed condition of each circuitbreaker in the network; Circuit arrangements for providing remote control of switching means in a power distribution network, e.g. switching in and out of current consumers by using a pulse code signal carried by the network
    • H02J13/00002—Circuit arrangements for providing remote indication of network conditions, e.g. an instantaneous record of the open or closed condition of each circuitbreaker in the network; Circuit arrangements for providing remote control of switching means in a power distribution network, e.g. switching in and out of current consumers by using a pulse code signal carried by the network characterised by monitoring
    • 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
    • H02J7/00036—Charger exchanging data with battery
    • 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
    • H02J7/0048—Detection of remaining charge capacity or state of charge [SOC]
    • G—PHYSICS
    • G05—CONTROLLING; REGULATING
    • G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
    • G05B23/00—Testing or monitoring of control systems or parts thereof
    • G05B23/02—Electric testing or monitoring
    • G05B23/0205—Electric testing or monitoring by means of a monitoring system capable of detecting and responding to faults
    • G05B23/0218—Electric testing or monitoring by means of a monitoring system capable of detecting and responding to faults characterised by the fault detection method dealing with either existing or incipient faults
    • G05B23/0224—Process history based detection method, e.g. whereby history implies the availability of large amounts of data
    • G05B23/024—Quantitative history assessment, e.g. mathematical relationships between available data; Functions therefor; Principal component analysis [PCA]; Partial least square [PLS]; Statistical classifiers, e.g. Bayesian networks, linear regression or correlation analysis; Neural networks
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F2119/00—Details relating to the type or aim of the analysis or the optimisation
    • G06F2119/08—Thermal analysis or thermal optimisation
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F30/00—Computer-aided design [CAD]
    • G06F30/20—Design optimisation, verification or simulation
    • 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
    • H02J7/0048—Detection of remaining charge capacity or state of charge [SOC]
    • H02J7/0049—Detection of fully charged condition
    • 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]
    • 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
    • Y02E40/00—Technologies for an efficient electrical power generation, transmission or distribution
    • Y02E40/70—Smart grids as climate change mitigation technology in the energy generation sector
    • 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
    • Y02P—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN THE PRODUCTION OR PROCESSING OF GOODS
    • Y02P90/00—Enabling technologies with a potential contribution to greenhouse gas [GHG] emissions mitigation
    • Y02P90/50—Energy storage in industry with an added climate change mitigation effect
    • 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
    • Y04S10/00—Systems supporting electrical power generation, transmission or distribution
    • Y04S10/12—Monitoring or controlling equipment for energy generation units, e.g. distributed energy generation [DER] or load-side generation
    • 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
    • Y04S10/00—Systems supporting electrical power generation, transmission or distribution
    • Y04S10/12—Monitoring or controlling equipment for energy generation units, e.g. distributed energy generation [DER] or load-side generation
    • Y04S10/123—Monitoring or controlling equipment for energy generation units, e.g. distributed energy generation [DER] or load-side generation the energy generation units being or involving renewable energy sources
    • 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
    • Y04S10/00—Systems supporting electrical power generation, transmission or distribution
    • Y04S10/14—Energy storage units

Landscapes

  • Physics & Mathematics (AREA)
  • Engineering & Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • General Chemical & Material Sciences (AREA)
  • Chemical & Material Sciences (AREA)
  • Power Engineering (AREA)
  • Electrochemistry (AREA)
  • Chemical Kinetics & Catalysis (AREA)
  • Manufacturing & Machinery (AREA)
  • Automation & Control Theory (AREA)
  • Evolutionary Computation (AREA)
  • Artificial Intelligence (AREA)
  • Mathematical Physics (AREA)
  • Secondary Cells (AREA)
  • Charge And Discharge Circuits For Batteries Or The Like (AREA)
  • Tests Of Electric Status Of Batteries (AREA)
  • Remote Monitoring And Control Of Power-Distribution Networks (AREA)
  • Supply And Distribution Of Alternating Current (AREA)

Description

本発明は、評価装置、コンピュータプログラム及び評価方法に関する。
近年、自動車業界などの各業界では、ＭＢＤ（モデルベース開発）が盛んに導入されており、シミュレーションに基づいた製品開発が浸透している（特許文献１）。システムを模擬した数理モデルは、所定の数値データの入力に対し、所定の数値データを出力する。数理モデルに基づいて、そのシステムの制御プログラムが作成され、あるいは周辺システムが設計される。
特開平１１－１４５０７号公報
システムが、二次電池のようなモデリング難易度が高いものであると、数理モデルの出力が、現実のシステム（実システムともいう）の出力と乖離する場合がある。その場合、数理モデルそのものを改善する余地、数理モデルに基づいて設計された二次電池システム又は周辺システムの構成、あるいは制御プログラムの動作を改善する余地がある。しかし、従来そのような改善について十分な検討がなされていない。
本発明は、数理モデルに基づいて構築されたシステムを評価する評価装置、コンピュータプログラム及び評価方法を提供することを目的とする。
蓄電素子を用いたシステムの評価装置は、蓄電素子の状態を表現する数理モデルを取得する数理モデル取得部と、前記数理モデルに基づいて構築されたシステムの運用時に入力された時系列入力データと、前記時系列入力データに基づいて前記システムが出力した時系列出力データとを含む運用データを取得する運用データ取得部と、前記数理モデルに前記時系列入力データを入力し、前記数理モデルから時系列モデル出力データを出力させる処理を実行させる処理部と、前記時系列出力データと前記時系列モデル出力データとに基づいて前記システムの設計又は運用を評価する評価部とを備える。
コンピュータプログラムは、コンピュータに、蓄電素子の状態を表現する数理モデルを取得する処理と、前記数理モデルに基づいて構築されたシステムの運用時に入力された時系列入力データと、前記時系列入力データに基づいて前記システムが出力した時系列出力データとを含む運用データを取得する処理と、前記数理モデルに前記時系列入力データを入力し、前記数理モデルから時系列モデル出力データを出力させる処理と、前記時系列出力データと前記時系列モデル出力データとに基づいて前記システムの設計又は運用を評価する処理とを実行させる。
蓄電素子を用いたシステムの評価方法は、蓄電素子を用いたシステムの事業者から蓄電素子の状態を表現する数理モデルを取得し、前記事業者から前記数理モデルに基づいて構築されたシステムの運用時に入力された時系列入力データと、前記時系列入力データに基づいて前記システムが出力した時系列出力データとを含む運用データを取得し、コンピュータ内に前記数理モデルを組み込み、前記数理モデルに前記時系列入力データを入力し、前記数理モデルから時系列モデル出力データを出力させる処理を実行し、前記時系列出力データと前記時系列モデル出力データとに基づいて前記システムの設計又は運用を評価する。
数理モデル取得部は、蓄電素子の状態を表現する数理モデルを取得する。蓄電素子の状態は、蓄電素子自体の状態だけでなく、蓄電素子の配置などの周囲の環境の状態も含む。数理モデルは、蓄電素子や蓄電素子の周辺の特性を代数方程式、微分方程式及び特性パラメータを用いて数学的に記述したモデルを表し、シミュレーションを実行することによって得られるモデルである。数理モデルは、例えば、プログラミング言語又は数値解析ソフトウェアにより実行される実行コードである。また、数理モデルは、プログラミング言語又は数値解析ソフトウェアにより参照される、定義情報若しくはライブラリファイルであってもよい。
運用データ取得部は、数理モデルに基づいて構築されたシステムの運用時に入力された時系列入力データと、時系列入力データに基づいてシステムが出力した時系列出力データとを含む運用データを取得する。運用データは、文字通り蓄電システム（システムともいう）の運用時だけでなく、蓄電システムの運用前の試運転や設計最終段階などで実際に得られたデータを含めてもよい。
時系列入力データは、例えば、蓄電素子に入力される電力データであり、蓄電素子の充電時には正の電力データとし、放電時には負の電力データとすることができる。電力データは、蓄電素子に対する負荷データを意味する。時系列出力データは、蓄電素子の電流データ、電圧データ、温度データ、及びこれらのデータから算出できるデータ、例えば、ＳＯＣ（充電状態）のデータを含む。
数理モデル及び運用データは、例えば、蓄電システムの設計、導入、運用及び保守などの事業を行う事業者から取得することができる。運用データは、このような事業者から、例えば、運用開始から現時点（例えば、運用開始から数か月後、数年後など）までの運用期間内に収集されたデータとすることができる。時系列データの計測頻度は、蓄電システムの運用状態などに応じて変化し得るが、一般的には、負荷変動が比較的大きい運用状態では、時系列データの計測頻度が多く（例えば、１時間ごとに５分間実測する）、負荷変動が比較的小さい運用状態では、時系列データの計測頻度は少ない（例えば、６時間ごとに５分間実測する）。
処理部は、数理モデルに時系列入力データを入力し、数理モデルから時系列モデル出力データを出力させる処理を実行させる。数理モデルに入力する時系列入力データは、例えば、運用データに含まれる電力データと同じデータである（同じ負荷を入力することを意味する）。運用期間が、１年のように比較的長い場合には、運用期間を、例えば、１週間単位、１か月単位などに分割し、分割した期間毎の電力データを数理モデルに入力してもよい。数理モデルは、蓄電素子の電流データ、電圧データ、温度データを出力する。また、これらのデータからＳＯＣ（充電状態）のデータを計算することもできる。
評価部は、時系列出力データと時系列モデル出力データとに基づいて蓄電システムの設計又は運用を評価する。すなわち、評価部は、蓄電システムの運用データに含まれる蓄電素子の電圧データ、電流データ、温度データと、蓄電システムに実際に入力された電力データと同じ電力データを数理モデルに入力したときに数理モデルが出力する電圧データ、電流データ、温度データとを比較する。データの比較は、日時を同期させて行う。すなわち、同一の日時のデータを比較する。評価部は、例えば、両者の電圧データ、電流データ、温度データの少なくとも１つの間にデータの乖離があるか否かに基づいて蓄電システムの設計又は運用の評価を行うことができる。乖離の程度が想定範囲より大きい場合には、異常事象の可能性があると判定でき、乖離の程度がさらに大きい場合には、異常事象があると判定できる。
上述の構成により、数理モデルに基づいて構築され、蓄電素子を用いたシステムの設計又は運用を評価できる。
評価装置は、前記時系列出力データと前記時系列モデル出力データとの比較値を示す比較値時系列データを算出する比較値算出部と、前記比較値算出部で算出した比較値時系列データに基づいて前記システムの異常事象の有無を判定する判定部とを備え、前記評価部は、前記判定部で異常事象があると判定した場合、前記システムの設計又は運用を評価してもよい。
比較値算出部は、時系列出力データと時系列モデル出力データとの比較値を示す比較値時系列データを算出する。例えば、蓄電素子の実際の電圧データと数理モデルが出力する電圧データとの差分を算出する。比較値は、同一の日時分秒のデータの比較値である。なお、蓄電素子の実際の電圧データと数理モデルが出力する電圧データとが同一時点でない場合には、数理モデルが出力する電圧データのタイミングを実際の電圧データのタイミングに合わせるように、数理モデルの出力タイミングを調整すればよい。電流データ、温度データについても同様である。
判定部は、比較値算出部で算出した比較値時系列データに基づいて蓄電システムの異常事象の有無を判定する。比較値が閾値より大きい場合には、異常事象の可能性があると判定でき、比較値が閾値よりさらに大きい場合には、異常事象があると判定できる。
評価部は、判定部で異常事象があると判定した場合、蓄電システムの設計又は運用を評価する。判定部で異常事象がないと判定した場合には、蓄電システムを評価しなくてもよい。上述の構成により、数理モデルに基づいて構築され、蓄電素子を用いたシステムの設計又は運用を評価できる。
評価装置において、前記時系列出力データは、前記システムに用いられた蓄電素子の電気値及び温度値の実測値を含み、前記時系列モデル出力データは、前記蓄電素子を表現した前記数理モデルの電気値及び温度値の計算値を含み、前記判定部は、前記実測値及び計算値に基づいて前記システムの異常事象の有無を判定してもよい。
時系列出力データは、数理モデルに基づいて構築された蓄電システムに用いられた蓄電素子の電気値及び温度値の実測値を含み、時系列モデル出力データは、蓄電素子を表現した数理モデルが出力する電気値及び温度値の計算値を含む。
判定部は、実測値及び計算値に基づいて蓄電システムの異常事象の有無を判定する。蓄電素子に流れる実測電流値により、重負荷であるか軽負荷であるか、あるいは負荷変動の大小を判定できる。蓄電素子それぞれの電圧の実測値に基づいて、所要の蓄電素子間の電圧差を求めることができる。また、蓄電素子それぞれの温度の実測値に基づいて、所要の蓄電素子間の温度差を求めることができる。判定部は、これらの電圧差及び温度差の実測値、及び実測値と計算値との差などを考慮することにより、異常事象（例えば、蓄電素子の異常（想定よりも早期の劣化など）、あるいは蓄電素子の環境の異常）の有無を判定することができる。
評価装置において、前記比較値算出部は、前記実測値に基づいて所要の蓄電素子間の実測電圧差及び実測温度差を算出する第１算出部と、前記実測値及び前記計算値に基づいて前記所要の蓄電素子のうちの一の蓄電素子の電圧及び温度についての実測値と計算値との差を算出する第２算出部とを備え、前記判定部は、実測電流値、前記第１算出部で算出した実測電圧差及び実測温度差、並びに前記第２算出部で算出した実測値と計算値との差に基づいて異常事象の要因を判定してもよい。
比較値算出部は、第１算出部と第２算出部とを備える。第１算出部は、実測値に基づいて所要の蓄電素子間の実測電圧差及び実測温度差を算出する。
第２算出部は、実測値及び計算値に基づいて所要の蓄電素子のうちの一の蓄電素子の電圧及び温度についての実測値と計算値との差を算出する。
判定部は、実測電流値、第１算出部で算出した実測電圧差及び実測温度差、並びに第２算出部で算出した実測値と計算値との差に基づいて異常事象の要因を判定する。例えば、実測電流値及び蓄電素子間の実測電圧差が大きく、実測値と計算値との差も大きい場合には、当該一の蓄電素子の異常であると判定できる。一方、実測電流値が小さく、蓄電素子間の実測温度差が大きく、実測値と計算値との差も大きい場合には、環境の異常であると判定できる。
評価装置において、前記判定部は、前記異常事象として前記システムに用いられた蓄電素子の異常であるか又は前記蓄電素子の環境の異常であるかを判定してもよい。
評価方法は、前記時系列出力データと前記時系列モデル出力データとの比較値を示す比較値時系列データを算出し、算出した比較値時系列データに基づいて前記システムに用いられた蓄電素子の異常であるか又は前記蓄電素子の環境の異常であるかの異常事象を判定してもよい。
判定部は、異常事象として蓄電システムに用いられた蓄電素子の異常であるか又は蓄電素子の環境の異常であるかを判定することができる。蓄電素子の異常は、例えば、蓄電素子が想定よりも早期に劣化していると判定される場合を含む。また、蓄電素子の異常と環境の異常とを区別して判定できるので、誤って蓄電素子の異常であると判定することを防止できる。
評価装置は、前記運用データに基づいて所要時点での蓄電素子の劣化状態を推定する劣化状態推定部を備え、前記判定部は、前記劣化状態推定部で推定した劣化状態が目標値以下である場合、前記システムの異常事象の要因を判定してもよい。
劣化状態推定部は、運用データに基づいて所要時点での蓄電素子の劣化状態を推定する。劣化状態推定部は、例えば、劣化シミュレータで構成してもよく、あるいは機械学習によって学習された学習済モデルで構成してもよい。運用データは、蓄電素子の電流データや電圧データに基づいて算出されたＳＯＣの時系列データ、及び蓄電素子の温度の時系列データとすることができる。劣化状態推定部は、ＳＯＣの時系列データ及び温度の時系列データに基づいて蓄電素子の劣化値を推定することができる。すなわち、劣化状態推定部は、時点ｔ１から時点ｔｎまでのＳＯＣ及び温度の時系列データに基づいて、時点ｔ１から時点ｔｎまでのＳＯＨの低下（劣化値）を推定することができる。時点ｔｎは、時点ｔ１から将来に向かって所要の時間が経過した時点とすることができる。時点ｔ１と時点ｔｎとの時間差は、劣化予測対象期間であり、例えば、１か月、半年、１年、２年などの所要の時間とすることができる。
判定部は、劣化状態推定部で推定した劣化状態（例えば、ＳＯＨ）が目標値以下である場合、蓄電システムの異常事象の要因を判定する。目標値は、例えば、運用開始から想定年数が経過した時点（期待寿命）でのＳＯＨであり、蓄電素子のＥＯＬとすることができる。期待寿命において、蓄電素子のＳＯＨがＥＯＬ以下の場合、蓄電素子のＳＯＨは、数理モデルの計算値から得られるＳＯＨと乖離しているはずであり、かつ運用データに基づいて推定したＳＯＨがＥＯＬ以下となる場合には、実際に運用中の蓄電システムを数理モデルによって構築される蓄電システムへ近づける対策を講じる必要がある。そこで、判定部は、このような場合には、実際に運用中の蓄電システムの異常事象の要因を判定することができる。また、期待寿命において、蓄電素子のＳＯＨがＥＯＬを上回っている場合は、実際に運用中の蓄電システムが、数理モデルに基づいて構築された蓄電システムの想定範囲内にあると考えられるので、蓄電システムの異常事象の要因を判定する必要はない。
評価装置は、前記判定部での判定結果に基づいて前記システムの設計又は運用に関する支援情報を提供する提供部を備えてもよい。
評価方法は、異常事象の判定結果に基づいて前記システムの設計又は運用に関する支援情報を提供してもよい。
提供部は、判定部での判定結果に基づいてシステムの設計又は運用に関する支援情報を提供する。例えば、蓄電素子の異常であると判定された場合、蓄電素子の交換や増設、負荷の軽減などの支援情報を提供できる。また、環境の異常であると判定された場合、空調の調整（例えば、温度を下げる等）、蓄電素子の配置の変更などの支援情報を提供でき、異常要因に応じて蓄電システムの最適な運用を支援する支援情報を提供することができる。
また、数理モデルを用いて蓄電システムを構築した際のシステム設計パラメータ、または数理モデルそのものを見直すこともできる。蓄電素子のシステム設計パラメータは、システム全体の中で用いられる蓄電素子の種類、数、定格などを含み、例えば、蓄電モジュールの構成又は数、バンクの構成又は数などのシステム設計に必要な種々のパラメータを含む。すなわち、当初の設計では、期待寿命の到達したときの蓄電素子のＳＯＨがＥＯＬ以下とならないと見積もっていたものの、実際の運用データに基づく劣化状態は、期待寿命の到達したときの蓄電素子のＳＯＨがＥＯＬ以下となる。このような場合には、設計パラメータ、または数理モデルそのものの見直しに関する支援情報を提供できる。
上述の構成により、数理モデルに基づいて構築され、蓄電素子を用いたシステムの設計又は運用を評価できる。
本実施の形態の評価装置の構成を示す図である。 遠隔監視システムの構成の一例を示す図である。 バンクの構成の一例を示す図である。 運用データに含まれる電力データを模式的に示す図である。 運用データに含まれる実測値と数理モデルが出力する計算値の例を示す図である。 蓄電素子の使用時間に応じたＳＯＨの低下の一例を示す模式図である。 運用データに含まれる第１時点から第２時点までの電流波形の一例を示す模式図である。 運用データに含まれる第１時点から第２時点までの電圧波形の一例を示す模式図である。 運用データに含まれる第１時点から第２時点までのＳＯＣデータの一例を示す模式図である。 運用データに含まれる第１時点から第２時点までの温度データの一例を示す模式図である。 劣化シミュレータ６１ａの動作を示す模式図である。 蓄電素子のＳＯＨの推移の一例を示す図である。 蓄電モジュール内の蓄電セルの温度分布の一例を示す模式図である。 環境差による蓄電素子の挙動の相違の一例を示す模式図である。 環境差による蓄電素子の挙動の相違の他の例を示す模式図である。 実測値と予測値との関係の一例を示す説明図である。 蓄電システムの使用状態での実測値と計算値の推移の第１例を示す模式図である。 蓄電システムの使用状態での実測値と計算値の推移の第２例を示す模式図である。 異常要因判定のルールベースモデルの一例を示す説明図である。 学習モデルの構成の一例を示す模式図である。 評価装置の処理手順の一例を示すフローチャートである。
以下、本実施の形態に係る評価装置を図面に基づいて説明する。図1は本実施の形態の評価装置５０の構成を示す図である。評価装置５０は、装置全体を制御する制御部５１、データ取得部５２、モデル取得部５３、操作部５４、表示部５５、記憶部５６、モデル実行部５７、算出部５８、判定部５９、評価部６０、劣化状態推定部６１を備える。
事業者Ａは、蓄電システム４０ａの設計、導入、運用及び保守などの事業を行い、蓄電システム４０ａを、例えば、遠隔監視システム１００ａを用いて遠隔監視できる。蓄電システム４０ａは、数理モデル２００ａを用いて構築される。すなわち、事業者Ａは、数理モデル２００ａを保有するとともに、遠隔監視により得られた蓄電システム４０ａの運用データを保有する。事業者Ｂも、同様に、数理モデル２００ｂを保有するとともに、遠隔監視により得られた蓄電システム４０ｂの運用データを保有する。事業者Ｃも、同様に、数理モデル２００ｃを保有するとともに、遠隔監視により得られた蓄電システム４０ｃの運用データを保有する。蓄電システム４０ａ、４０ｂ、４０ｃは、例えば、火力発電システム、メガソーラー発電システム、風力発電システム、無停電電源装置（ＵＰＳ：Uninterruptible Power Supply）、鉄道用の安定化電源システム等に使用される。
数理モデル２００ａ、２００ｂ、２００ｃは、蓄電素子や蓄電素子の周辺の特性を代数方程式、微分方程式及び特性パラメータを用いて数学的に記述したモデルを表し、シミュレーションを実行することによって得られるモデルである。数理モデルは、例えば、プログラミング言語又は数値解析ソフトウェアにより実行される実行コードである。また、数理モデルは、プログラミング言語又は数値解析ソフトウェアにより参照される、定義情報若しくはライブラリファイルであってもよい。数理モデル２００ａ、２００ｂ、２００ｃは、それぞれ異なる。
運用データは、蓄電システム（システムともいう）の運用時だけでなく、蓄電システムの運用前の試運転や設計最終段階などで実際に得られたデータを含めてもよい。運用データは、時系列入力データ及び時系列出力データを含む。時系列入力データは、例えば、蓄電素子に入力される電力データであり、蓄電素子の充電時には正の電力データとし、放電時には負の電力データとすることができる。電力データは、蓄電素子に対する負荷データを意味する。時系列出力データは、蓄電素子の電流データ、電圧データ、温度データ、及びこれらのデータから算出できるデータ、例えば、ＳＯＣ（充電状態）のデータを含む。
評価装置５０は、例えば、事業者Ａから数理モデル２００ａ及び蓄電システム４０ａの運用データを取得すると、取得した数理モデルと運用データを用いて所要の処理を行い、処理結果に基づいて、事業者Ａの蓄電システム４０ａの設計又は運用を評価し、評価結果に基づいて蓄電システム４０ａの設計又は運用に関する支援情報を事業者Ａに提供することができる。事業者Ｂについても、同様に、評価装置５０は、数理モデル２００ｂ及び蓄電システム４０ｂの運用データを取得すると、蓄電システム４０ｂの設計又は運用に関する支援情報を事業者Ｂに提供することができる。事業者Ｃについても同様である。数理モデル２００ａ、２００ｂ、２００ｃは数理モデル２００とも称する。
図２は遠隔監視システム１００の構成の一例を示す図であり、図３はバンク４４の構成の一例を示す図である。図２に示すように、遠隔監視システム１００は、通信デバイス１０、通信ネットワーク１を介して通信デバイス１０と接続されるサーバ装置２０、ドメイン管理装置３０、蓄電システム４０を備える。蓄電システム４０は、複数のバンク４１を含む。図３に示すように、バンク４１は、蓄電モジュールを複数直列に接続したものであり、電池管理装置（ＢＭＳ）４４、複数の蓄電モジュール４２、及び各蓄電モジュール４２に設けられた計測基板（ＣＭＵ：Cell Monitoring Unit）４３などを備える。
通信デバイス１０は、制御部１１、記憶部１２、第１通信部１３及び第２通信部１４を備える。制御部１１は、ＣＰＵ（Central Processing Unit）などで構成され、内蔵するＲＯＭ（Read Only Memory）及びＲＡＭ（Random Access Memory）等のメモリを用い、通信デバイス１０全体を制御する。
記憶部１２は、例えば、フラッシュメモリ等の不揮発性メモリを用いることができる。記憶部１２は、所要の情報を記憶することができ、例えば、制御部１１の処理によって得られた情報を記憶することができる。
第１通信部１３は、ドメイン管理装置３０との間で通信を行うことができる。
第２通信部１４は、通信ネットワーク１を介してサーバ装置２０との間で通信を行うことができる。
ドメイン管理装置３０は、所定の通信インタフェースを用いて各バンク４１内の電池管理装置４４との間で情報の送受信を行う。
各バンク１～Ｎは、複数の蓄電モジュール４２を備え、各蓄電モジュール４２は、計測基板４３を備える。各蓄電モジュール４２は、複数の蓄電セル（蓄電素子）が直列に接続されている。計測基板４３は、蓄電モジュール４２の各蓄電セルの状態に関する蓄電素子情報を取得することができる、蓄電素子情報は、例えば、蓄電セルの電圧、電流、温度、ＳＯＣ（充電状態）、ＳＯＨなどを含む。蓄電素子情報は、例えば、０．１秒、０．５秒、１秒などの適宜の周期で繰り返し取得することができる。蓄電素子情報が蓄積されたデータが運用データの一部となる。なお、蓄電セルは、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。蓄電セルの一部が、再充電不可能な一次電池であってもよい。
電池管理装置４４は、通信機能付きの計測基板４３とシリアル通信によって通信を行うことができ、計測基板４３が検出した蓄電素子情報を取得することができる。電池管理装置４４は、ドメイン管理装置３０との間で情報の送受信を行うことができる。ドメイン管理装置３０は、ドメインに所属するバンクの電池管理装置４４からの蓄電素子情報を集約する。ドメイン管理装置３０は、集約された蓄電素子情報を通信デバイス１０へ出力する。このように、通信デバイス１０は、ドメイン管理装置３０を介して、蓄電システム４０の運用データを取得することができる。
記憶部１２は、ドメイン管理装置３０を介して取得した運用データを記憶することができる。
サーバ装置２０は、通信デバイス１０から蓄電システム４０の運用データを収集することができる。サーバ装置２０は、収集された運用データ（時系列の実測電圧データ、時系列の実測電流データ、時系列の実測温度データ、時系列の電力データ、時系列のＳＯＣデータ）を、蓄電素子毎に区分して記憶することができる。
次に、評価装置５０について説明する。
データ取得部５２は、例えば、記録媒体読取デバイス、通信回路などで構成でき、運用データ取得部としての機能を有する。データ取得部５２は、数理モデル２００に基づいて構築された蓄電システム４０の運用時に入力された時系列入力データと、時系列入力データに基づいてシステムが出力した時系列出力データとを含む運用データを取得する。
モデル取得部５３は、例えば、記録媒体読取デバイス、通信回路などで構成でき、数理モデル取得部としての機能を有する。モデル取得部５３は、蓄電素子の状態を表現する数理モデル２００を取得する。蓄電素子の状態は、蓄電素子自体の状態だけでなく、蓄電素子の配置などの周囲の環境の状態も含む。
数理モデル及び運用データは、例えば、蓄電システムの設計、導入、運用及び保守などの事業を行う事業者Ａ、Ｂ、Ｃなどから取得することができる。運用データは、このような事業者から、例えば、運用開始から現時点（例えば、運用開始から数か月後、数年後など）までの運用期間内に収集されたデータとすることができる。時系列データの計測頻度は、蓄電システムの運用状態などに応じて変化し得るが、一般的には、負荷変動が比較的大きい運用状態では、時系列データの計測頻度が多く（例えば、１時間ごとに５分間実測する）、負荷変動が比較的小さい運用状態では、時系列データの計測頻度は少ない（例えば、６時間ごとに５分間実測する）。
記憶部５６は、データ取得部５２で取得した運用データ及びモデル取得部５３で取得した数理モデル２００を記憶することができる。
操作部５４は、例えば、キーボード、マウス、タッチパネルなどの入力デバイスで構成できる。
表示部５５は、液晶パネル又は有機ＥＬ（Electro Luminescence）ディスプレイ等で構成できる。
モデル実行部５７は、ＣＰＵ、ＲＯＭ、ＲＡＭなどで構成することができ、あるいはＧＰＵ（Graphics Processing Units）を備えてもよい。モデル実行部５７は、モデル取得部５３で取得した数理モデル２００を組み込むことにより、数理モデル２００の実行環境（シミュレーション環境）を提供することができる。
モデル実行部５７は、処理部としての機能を有し、数理モデル２００に時系列入力データを入力し、数理モデル２００から時系列モデル出力データを出力させる処理を実行させる。数理モデルに入力する時系列入力データは、例えば、運用データに含まれる電力データと同じデータである（同じ負荷を入力することを意味する）。
図４は運用データに含まれる電力データを模式的に示す図である。図４において、横軸は時間を示し、縦軸は時間帯毎の電力量を示す。電力データは、蓄電素子から見ると負荷データに相当し、正側を充電とし、負側を放電とすることができる。図４の例では、昼間において放電が行われ、早朝と夜間に充電が行われている。なお、図４に示す電力データは一例であって、代替的に図４の例と異なるものでもよい。電力データの運用期間は、図４に示すように１日でもよく、あるいは、１週間、２週間、１月、３か月、半年、１年など適宜の期間でもよい。
運用期間が、例えば、１年のように比較的長い場合には、運用期間を、１週間単位、１か月単位などに分割し、分割した期間毎の電力データを数理モデル２００に入力してもよい。数理モデル２００は、蓄電素子の電流データ、電圧データ、温度データを出力する。また、これらのデータからＳＯＣ（充電状態）のデータを計算することもできる。
評価部６０は、運用データに含まれる時系列出力データと、数理モデル２００が出力する時系列モデル出力データとに基づいて蓄電システムの設計又は運用を評価することができる。評価部６０は、蓄電システムの運用データに含まれる蓄電素子の電圧データ、電流データ及び温度データ（これらを纏めて時系列出力データと称する）と、蓄電システムに実際に入力された電力データと同じ電力データ、蓄電素子の周辺温度（例えば、蓄電素子の温度、蓄電モジュールの温度、蓄電池盤内の温度など）を数理モデル２００に入力したときに数理モデル２００が出力する電圧データ、電流データ及び温度データ（これらを纏めて時系列モデル出力データと称する）とを比較する。また、運用期間の途中から比較を行う際は、比較を開始する時点における蓄電素子の容量維持率や内部抵抗、ＳＯＣなどの蓄電素子の状態を、実測値を基に、数理モデル２００の初期値として入力することが望ましい。
運用データに含まれる時系列出力データは、蓄電素子の電気値及び温度値の実測値を含む。例えば、蓄電素子の電流データ、電圧データ、温度データそれぞれの実測値を含む。時系列モデル出力データは、数理モデル２００が出力する電気値及び温度値の計算値を含む。例えば、蓄電素子の電流データ、電圧データ、温度データそれぞれの計算値を含む。
図５は運用データに含まれる実測値と数理モデル２００が出力する計算値の例を示す図である。実測値及び計算値は、蓄電素子の電圧、電流及び温度それぞれの値を、時刻を同期した状態で対比している。評価部６０は、実測電圧値と計算電圧値、実測電流値と計算電流値、実測温度値と計算温度値それぞれの間で乖離があるか否かに基づいて蓄電システムの設計又は運用の評価を行うことができる。乖離の程度が想定範囲より大きい場合には、異常事象の可能性があると判定でき、乖離の程度がさらに大きい場合には、異常事象があると判定できる。図５の例では、電圧及び電流については実測値と計算値との間で問題となる程度の乖離はない。しかし、温度については実測値と計算値との間で乖離があるので、異常事象の可能性ありと判定している。したがって、評価部６０は、想定外の事象があると判定できる。なお、図５の例では、温度について乖離がある状態を示したが、電圧や電流についても乖離がある場合、想定外の事象の可能性があると判定できる。
具体的には、算出部５８は、比較値算出部としての機能を有し、時系列出力データと時系列モデル出力データとの比較値を示す比較値時系列データを算出することができる。比較値は、比較することができる値であればよく、例えば、差分でもよく、差分に代えて、比率や割合でもよい。例えば、蓄電素子の実際の電圧データと数理モデル２００が出力する電圧データとの比較値を算出する。比較値は、同一の日時分秒のデータの比較値である。なお、蓄電素子の実際の電圧データと数理モデル２００が出力する電圧データとが同一時点でない場合には、数理モデル２００が出力する電圧データのタイミングを実際の電圧データのタイミングに合わせるように、数理モデル２００の出力タイミングを調整すればよい。電流データ、温度データについても同様である。
判定部５９は、算出部５８で算出した比較値時系列データに基づいて蓄電システムの異常事象の有無を判定することができる。比較値が閾値より大きい場合には、異常事象の可能性があると判定できる。また、比較値が閾値よりさらに大きい場合には、異常事象があると判定できる。
上述の構成により、数理モデル２００に基づいて構築された蓄電システム４０の設計又は運用を評価できる。具体的な評価方法については後述する。
異常事象（想定外の事象）の可能性があると判定された場合、評価装置５０は、蓄電システム４０の運用データを用いて、現在の運用状態を続けた場合に、蓄電システム４０が想定年数間の要求を満たせるか否かを評価する必要がある。以下、この点について説明する。
図６は蓄電素子の使用時間に応じたＳＯＨの低下の一例を示す模式図である。図中、縦軸はＳＯＨ（State Of Health）を示し、横軸は時間を示す。蓄電素子は、使用時間（放置時間も含む）によりＳＯＨが低下する。図６に示すように、時点ｔａ、ｔｂ、ｔｃ、ｔｄとし、時点ｔｂと時点ｔａとの時間は、時点ｔｄと時点ｔｃとの時間と同じとする。この場合、時点ｔａから時点ｔｂまでの間のＳＯＨの低下ΔＳＯＨ（ｔｂ）と、時点ｔｃから時点ｔｄまでの間のＳＯＨの低下ΔＳＯＨ（ｔｄ）とで異なる。このように、同じ使用期間でも、蓄電素子の使用状態によって、ＳＯＨの低下度合いは異なる。そこで、蓄電素子の様々な使用状態を特定するために、異なる二つの時点間の蓄電素子の使用状態を把握することが、蓄電素子のＳＯＨを推定するために重要な因子となる。
劣化状態推定部６１は、運用データ（実測値）に基づいて所要時点での蓄電素子の劣化状態を推定する。劣化状態推定部６１は、例えば、劣化シミュレータ６１ａで構成してもよく、あるいは機械学習によって学習された学習済モデルで構成してもよい。実測値は、蓄電素子の電流データや電圧データに基づいて算出されたＳＯＣの時系列データ、及び蓄電素子の温度の時系列データとすることができる。
図７は運用データに含まれる第１時点から第２時点までの電流波形の一例を示す模式図である。図中、縦軸は電流を示し、正側が充電を表し、負側が放電を表す。横軸は時間を示す。なお、図７に示す電流波形は一例であって、代替的に他の電流波形でもよい。
図８は運用データに含まれる第１時点から第２時点までの電圧波形の一例を示す模式図である。図中、縦軸は電圧を示し、横軸は時間を示す。なお、図８に示す電圧波形は一例であって、代替的に他の電圧波形でもよい。
図９は運用データに含まれる第１時点から第２時点までのＳＯＣデータの一例を示す模式図である。図中、縦軸はＳＯＣを示し、横軸は時間を示す。ＳＯＣデータは、図７に示すような、蓄電素子の時系列の電流データに基づいて算出できる。例えば、電流積算法により求めることができる。
図１０は運用データに含まれる第１時点から第２時点までの温度データの一例を示す模式図である。図中、縦軸は温度を示し、横軸は時間を示す。なお、図１０に示す温度波形は一例であって、代替的に他の温度波形でもよい。
図１１は劣化シミュレータ６１ａの動作を示す模式図である。劣化シミュレータ６１ａは、ＳＯＣの時系列データ及び温度の時系列データを入力データとして取得すると、蓄電素子の劣化値を推定（算出）する。図１１に示すように、ＳＯＣの時系列データは、時点ｔ１から時点ｔｎまでのＳＯＣの変動（例えば、時点毎のｎ個のＳＯＣの値の変動）を示し、温度の時系列データは、時点ｔ１から時点ｔｎまでの温度の変動（例えば、時点毎のｎ個の温度の値の変動）を示す。
すなわち、劣化シミュレータ６１ａは、時点ｔ１から時点ｔｎまでのＳＯＣ及び温度の変動に基づいて、時点ｔ１から時点ｔｎまでのＳＯＨの低下（劣化値）を推定することができる。時点ｔ１でのＳＯＨ（健康度ともいう）をＳＯＨt1 とし、時点ｔｎでのＳＯＨをＳＯＨtn とすると、劣化値は（ＳＯＨt －ＳＯＨtn ）となる。すなわち、時点ｔ１でのＳＯＨが分かっていると、劣化値に基づいて時点ｔｎでのＳＯＨを求めることができる。ここで、時点は、現在又は将来のある時点とすることができ、時点ｔｎは、時点ｔ１から将来に向かって所要の時間が経過した時点とすることができる。時点ｔ１と時点ｔｎとの時間差は、劣化シミュレータ６１ａの劣化予測対象期間であり、どの程度の将来に対して劣化値を予測するかに応じて適宜設定することができる。時点ｔ１と時点ｔｎとの時間差は、例えば、１か月、半年、１年、２年などの所要の時間とすることができる。
なお、図１１の例では、温度の時系列データを入力する構成であるが、温度の時系列データに代えて、所要温度（例えば、時点ｔ１から時点ｔｎまでの平均温度）を入力してもよい。
蓄電素子の劣化予測対象期間（例えば、時点ｔ１から時点ｔｎまで）経過後の劣化値Ｑｄｅｇは、Ｑｄｅｇ＝Ｑｃｎｄ＋Ｑｃｕｒという式で算出できる。ここで、Ｑｃｎｄは非通電劣化値であり、Ｑｃｕｒは通電劣化値である。非通電劣化値Ｑｃｎｄは、例えば、Ｑｃｎｄ＝Ｋ１×√（ｔ）で求めることができる。ここで、係数Ｋ１は、ＳＯＣ及び温度Ｔの関数である。ｔは経過時間であり、例えば、時点ｔ１から時点ｔｎまでの時間である。また、通電劣化値Ｑｃｕｒは、例えば、Ｑｃｕｒ＝Ｋ２×√（ｔ）で求めることができる。ここで、係数Ｋ２は、ＳＯＣ及び温度Ｔの関数である。時点ｔ１でのＳＯＨをＳＯＨt1とし、時点ｔｎでのＳＯＨをＳＯＨtn とすると、ＳＯＨtn＝ＳＯＨt1－ＱｄｅｇによりＳＯＨを推定することができる。係数Ｋ１は、劣化係数であり、ＳＯＣ及び温度Ｔと係数Ｋ１との対応関係を演算で求めてもよく、あるいはテーブル形式で記憶しておくことができる。ここで、ＳＯＣは、時系列データとすることができる。係数Ｋ２についても、係数Ｋ１と同様である。
また、劣化状態推定部６１は、深層学習を用いた学習モデルでもよい。学習モデルの教師データは、例えば、第１時点から第２時点までのＳＯＣデータ及び温度データ、第１時点でのＳＯＨ、第２時点でのＳＯＨとすることができる。このようなデータのセットをニューラルネットワークに与え、中間層のパラメータを学習によって更新すればよい。
学習済の学習モデルは、第１時点でのＳＯＨ及び時系列データ（ＳＯＣ及び温度）を入力データとして、第２時点でのＳＯＨを推定することができる。これにより、第１時点（例えば、現在）のＳＯＨ、及び第１時点から第２時点（予測対象時点）までの蓄電素子の使用条件が分かれば、第２時点でのＳＯＨを推定することができる。
図１２は蓄電素子のＳＯＨの推移の一例を示す図である。図中、横軸は時間を示し、縦軸はＳＯＨを示す。想定年数は、蓄電システム４０の運用開始から運用終了までの間の使用年数である。実線は運用データに基づくＳＯＨの推移を示し、破線は数理モデル２００の出力データに基づくＳＯＨの推移を示す。図１２の例では、運用データに基づくＳＯＨの推移と、数理モデル２００の出力データに基づくＳＯＨの推移とが乖離し、かつ運用データに基づくＳＯＨの推移が想定年数間の要求を満たさない場合を図示している。
判定部５９は、劣化状態推定部６１で推定した劣化状態（例えば、ＳＯＨ）が目標値以下である場合、蓄電システムの異常事象の要因を判定することができる。目標値は、例えば、運用開始から想定年数が経過した時点（期待寿命）でのＳＯＨであり、蓄電素子のＥＯＬとすることができる。期待寿命において、蓄電素子のＳＯＨがＥＯＬ以下の場合、蓄電素子のＳＯＨは、数理モデル２００の計算値から得られるＳＯＨと乖離しているはずであり、かつ運用データに基づいて推定したＳＯＨがＥＯＬ以下となる場合には、実際に運用中の蓄電システムを数理モデル２００によって構築される蓄電システムへ近づける対策を講じる必要がある。そこで、判定部５９は、このような場合には、実際に運用中の蓄電システムの異常事象の要因を判定することができる。また、期待寿命において、蓄電素子のＳＯＨがＥＯＬを上回っている場合は、実際に運用中の蓄電システムが、数理モデル２００に基づいて構築された蓄電システムの想定範囲内にあると考えられるので、蓄電システムの異常事象の要因を判定する必要はない。
次に、運用データに基づくＳＯＨの推移が、目標値以下となる場合、数理モデル２００に基づくＳＯＨの推移を目標値として蓄電システム４０の運用条件を変更する必要がある。以下、この点について説明する。
図１３は蓄電モジュール内の蓄電セルの温度分布の一例を示す模式図である。図１３では、便宜上、温度分布を、高（かなり高い）、中（やや高い）、低（通常）の三つに分類しているが、実際の温度分布は、さらに細かく（例えば、１℃単位で）表すことができる。蓄電モジュール内の各蓄電セルの配置、蓄電モージュル（蓄電セル）に流れる電流値、蓄電モジュールの設置条件、蓄電モジュールの雰囲気温度などの環境の様々な要因に基づいて、温度分布を事前に想定（予測）することができる。図１３の例では、外側よりも中央付近に配置された蓄電セルの温度が高い傾向にあり、また、蓄電モジュールの下側よりも上側の方が、温度が高い傾向にあることが分かる。このように、蓄電セル間の温度差は、環境の様々な要因が集約されて現れるといえる。
図１４は環境差による蓄電素子の挙動の相違の一例を示す模式図である。図１４において、縦軸は電圧を示し、横軸は時間を示す。電圧は、例えば、蓄電素子を充電している場合の推移であるが、放電時も同様である。環境差は、図１４の例では、温度差である。図中、符号Ｓ２で示す曲線は、正常な蓄電素子の電圧の推移を示す。仮に温度差を考慮せずに、符号Ｓ１で示す曲線の蓄電素子の電圧の推移を見た場合、符号Ｓ２で示す正常な蓄電素子の電圧の推移に比べて、電圧が高いので、例えば、蓄電素子の内部抵抗が増加しており、容量が低下していると判断することができ、符号Ｓ１で示す曲線の蓄電素子は劣化していると判断する可能性がある。しかし、実際には、符号Ｓ１で示す曲線の蓄電素子の電圧の推移は、符号Ｓ２で示す正常な蓄電素子の温度（高：普通）よりもかなり低い温度での推移を表し、環境差（温度差）を考慮すれば、符号Ｓ１で示す曲線の蓄電素子は正常の範囲内であるということができる。一方、符号Ｓ３で示す曲線は、想定よりも劣化している蓄電素子の電圧の推移を表している。このように、環境差を考慮しないと、正常な蓄電素子を劣化していると判断する可能性がある。別言すれば、環境差を考慮することにより、正常な蓄電素子を劣化していると誤判定することを防止することが可能となる。
図１５は環境差による蓄電素子の挙動の相違の他の例を示す模式図である。図１５において、縦軸は満充電容量（ＦＣＣ）を示し、横軸は時間を示す。環境差は、図１５の例では、温度差である。満充電容量は、蓄電素子を満充電したときの容量である。図中、符号Ｓ１で示す曲線は、正常な蓄電素子の満充電容量の推移を示す。仮に温度差を考慮せずに、符号Ｓ２で示す曲線の蓄電素子の満充電容量の推移を見た場合、符号Ｓ１で示す正常な蓄電素子の満充電容量の推移に比べて、満充電容量が低いので、例えば、蓄電素子の劣化が進行していると判断することができ、符号Ｓ２で示す曲線の蓄電素子は劣化していると判断する可能性がある。しかし、実際には、符号Ｓ２で示す曲線の蓄電素子の満充電容量の推移は、符号Ｓ１で示す正常な蓄電素子の温度（低：普通）よりもかなり高い温度での推移を表し、環境差（温度差）を考慮すれば、符号Ｓ２で示す曲線の蓄電素子は正常の範囲内であるということができる。一方、符号Ｓ３で示す曲線は、想定よりも劣化している蓄電素子の満充電容量の推移を表している。このように、環境差を考慮しないと、正常な蓄電素子を劣化していると判断する可能性がある。別言すれば、環境差を考慮することにより、正常な蓄電素子を劣化していると誤判定することを防止することが可能となる。
算出部５８は、第１算出部及び第２算出部としての機能を有する。算出部５８は、実測値に基づいて所要の蓄電素子間の実測電圧差及び実測温度差を算出する。算出部５８は、実測値及び計算値に基づいて所要の蓄電素子のうちの一の蓄電素子の電圧及び温度についての実測値と計算値との差を算出する。
判定部５９は、実測電流値、算出部５８で算出した実測電圧差及び実測温度差、並びに実測値と計算値との差に基づいて蓄電システム４０の異常事象の要因を判定することができる。
図１６は実測値と予測値との関係の一例を示す説明図である。図１６において、蓄電システム４０を構成する複数の蓄電素子が直列に接続されている状態を示す。図１３に示すように、蓄電セルが複数直列に接続されて１つの蓄電モジュールを構成する。そして、蓄電モジュールが複数直列に接続されたバンクを構成する。図１６に示す蓄電セルは、例えば、バンクを構成する複数の蓄電セルのうちの所要の２つの蓄電セルｉ、ｊを図示している。なお、蓄電セルｉ、ｊは、図１３に示すような配置状態に応じて、複数の蓄電セルのうち任意の蓄電セルを選定できる。
蓄電セルｉ、ｊに流れる電流を実測セル電流Ｉｅと表す。蓄電セルｉの実測セル電圧をＶｅｉと表し、蓄電セルｊの実測セル電圧をＶｅｊと表し、蓄電セルｉ、ｊ間の実測セル間電圧差をΔＶ（ΔＶ＝Ｖｅｉ－Ｖｅｊ）で表す。
蓄電セルｉの計算セル電圧をＶｃｉと表し、蓄電セルｉの実測と計算の電圧差をΔＶｅｃｉ（ΔＶｅｃｉ＝Ｖｅｉ－Ｖｃｉ）で表す。蓄電セルｊの計算セル電圧をＶｃｊと表し、蓄電セルｊの実測と計算の電圧差をΔＶｅｃｊ（ΔＶｅｃｊ＝Ｖｅｊ－Ｖｃｊ）で表す。
蓄電セルｉの実測セル温度をＴｅｉと表し、蓄電セルｊの実測セル温度をＴｅｊと表し、蓄電セルｉ，ｊ間の実測セル間温度差をΔＴ（ΔＴ＝Ｔｅｉ－Ｔｅｊ）で表す。
蓄電セルｉの計算セル温度をＴｃｉと表し、蓄電セルｉの実測と計算の温度差をΔＴｅｃｉ（ΔＴｅｃｉ＝Ｔｅｉ－Ｔｃｉ）で表す。蓄電セルｊの計算セル温度をＴｃｊと表し、蓄電セルｊの実測と計算の温度差をΔＴｅｃｊ（ΔＴｅｃｊ＝Ｔｅｊ－Ｔｃｊ）で表す。
図１７は蓄電システムの使用状態での実測値と計算値の推移の第１例を示す模式図である。図１７では、充放電電流、蓄電システムを構成する複数の蓄電セルのうちの所要の蓄電セル間の電圧差、当該蓄電セル間の温度差の時間的推移を表している。なお、図１７に例示する推移は、模式的に示すものであり、実際の推移と異なる場合がある。また、図示している推移期間の長さは、例えば、数時間でもよく、１２時間、２４時間、数日間などであってもよい。
図１７に示すように、充電電流及び放電電流は比較的小さな振幅で変動し、実測セル電流Ｉｅは小さい。また、実測セル間電圧差ΔＶ、及び実測と計算の電圧差ΔＶｅｃそれぞれは、小さい値で推移している。
温度差については、推移期間の前半において、実測セル間温度差ΔＴは大きな値で推移し、実測と計算の温度差ΔＴｅｃは小さい値で推移している。時点ｔａにおいては、蓄電セルに流れる電流は小さく、蓄電セルには重負荷が掛かっていないことが分かる。従って、蓄電セル固有の影響は少ないと考えられる。蓄電セル間の実測の温度差は大きいが、計算値との差が小さいので、温度差（例えば、配置や設置条件の違いによる環境差）は想定の範囲内であると判定することができ、蓄電システムは異常ではないと判定できる。
図１７に示すように、推移期間の後半において、蓄電システムの状態が変わり、実測セル間温度差ΔＴは大きい値で推移し、実測と計算の温度差ΔＴｅｃも大きい値で推移している。時点ｔｂにおいては、蓄電セルに流れる電流は小さく、蓄電セルには重負荷が掛かっていないことが分かる。従って、蓄電セル固有の影響は少ないと考えられる。蓄電セル間の実測の温度差は大きく、計算値との差も大きいので、蓄電セルの環境が想定の範囲を超えている可能性が高く、環境の異常であると判定することができる。
図１８は蓄電システムの使用状態での実測値と計算値の推移の第２例を示す模式図である。図１８も、充放電電流、蓄電システムを構成する複数の蓄電セルのうちの所要の蓄電セル間の電圧差、当該蓄電セル間の温度差の時間的推移を表している。なお、図１８に例示する推移は、模式的に示すものであり、実際の推移と異なる場合がある。また、図示している推移期間の長さは、例えば、数時間でもよく、１２時間、２４時間、数日間などであってもよい。
図１８に示すように、充電電流及び放電電流は比較的大きな振幅で変動し、実測セル電流Ｉｅは大きい。また、推移期間の前半において、実測セル間温度差ΔＴは大きい値で推移し、推移期間の後半において、小さい値で推移している。実測と計算の温度差ΔＴｅｃは、小さい値で推移している。
電圧差については、推移期間の前半において、実測セル間電圧差ΔＶは大きい値で推移し、実測と計算の電圧差ΔＶｅｃは小さな値で推移している。時点ｔｃにおいては、蓄電セルに流れる電流は大きく、蓄電セルには重負荷が掛かっていることが分かる。従って、蓄電セル固有の影響の可能性があり得ると考えられる。蓄電セル間の実測の電圧差は大きいが、計算値との差が小さいので、蓄電セル間の温度差による影響や蓄電セル間のＳＯＣのずれなどの影響である可能性が高く、想定の範囲内であると判定することができ、蓄電システムは異常ではないと判定できる。
図１８に示すように、推移期間の後半において、蓄電システムの状態が変わり、実測セル間電圧差ΔＶは大きい値で推移し、実測と計算の電圧差ΔＶｅｃも大きい値で推移している。時点ｔｄにおいては、蓄電セルに流れる電流は大きく、蓄電セルには重負荷が掛かっている可能性があることが分かる。従って、蓄電セル固有の影響の可能性があり得ると考えられる。蓄電セル間の実測の電圧差は大きく、計算値との差も大きいので、蓄電セルの異常であると判定することができる。
上述のように、判定部５９は、異常事象として蓄電システムに用いられた蓄電素子の異常であるか又は蓄電素子の環境の異常であるかを判定することができる。蓄電素子の異常は、例えば、蓄電素子が想定よりも早期に劣化していると判定される場合を含む。また、蓄電素子の異常と環境の異常とを区別して判定できるので、誤って蓄電素子の異常であると判定することを防止できる。
判定部５９は、例えば、ルールベースモデルを用いた機械学習（機械学習によってルールを見つける）を含むように構成することができ、あるいはニューラルネットワークモデル（学習器）を含むように構成することができる。まず、ルールベースモデルについて説明する。
図１９は異常要因判定のルールベースモデルの一例を示す説明図である。図１９では、ＮＯ．１及びＮＯ．２の２つのケースについて説明する。ＮＯ．１のケースでは、実測セル電流Ｉｅが閾値未満であり、実測セル間電圧ΔＶが閾値未満であり、実測セル間温度ΔＴが閾値以上であり、実測と計算の電圧差ΔＶｅｃが閾値以上であり、実測と計算の温度差ΔＴｅｃが閾値未満である場合、異常要因の判定結果は、環境の異常とすることができる。評価部６０は、提供部としての機能を有し、空調の調整（例えば、温度を下げる等）、蓄電素子の配置の変更などの支援情報を事業者（数理モデルと運用データの提供元の事業者）に提供でき、異常要因に応じて蓄電システムの最適な運用を支援する支援情報を提供することができる。
ＮＯ．２のケースでは、実測セル電流Ｉｅが閾値以上であり、実測セル間電圧ΔＶが閾値以上であり、実測セル間温度ΔＴが閾値未満であり、実測と計算の電圧差ΔＶｅｃが閾値未満であり、実測と計算の温度差ΔＴｅｃが閾値以上である場合、異常要因の判定結果は、蓄電素子の異常とすることができる。評価部６０は、蓄電素子の交換や増設、負荷の軽減などの支援情報を事業者（数理モデルと運用データの提供元の事業者）に提供でき、異常要因に応じて蓄電システムの最適な運用を支援する支援情報を提供することができる。
図示していないが、評価部６０は、数理モデル２００を用いて蓄電システム４０を構築した際のシステム設計パラメータを見直すこともできる。蓄電素子のシステム設計パラメータは、システム全体の中で用いられる蓄電素子の種類、数、定格などを含み、例えば、蓄電モジュールの構成又は数、バンクの構成又は数などのシステム設計に必要な種々のパラメータを含む。すなわち、当初の設計では、期待寿命の到達したときの蓄電素子のＳＯＨがＥＯＬ以下とならないと見積もっていたものの、実際の運用データに基づく劣化状態は、期待寿命の到達したときの蓄電素子のＳＯＨがＥＯＬ以下となる。このような場合には、評価部６０は、設計パラメータの見直しに関する支援情報を提供できる。
次に、ニューラルネットワークモデルについて説明する。
図２０は学習モデル５９ａの構成の一例を示す模式図である。学習モデル５９ａは、深層学習（ディープラーニング）を含むニューラルネットワークモデルであり、入力層、出力層及び複数の中間層から構成されている。なお、図２０では、便宜上、２つ中間層を図示しているが、代替的に中間層の層数は３つ以上であってもよい。
入力層、出力層及び中間層には、１つ又は複数のノード（ニューロン）が存在し、各層のノードは、前後の層に存在するノードと一方向に所望の重みで結合されている。入力層のノードの数と同数の成分を有するベクトルが、学習モデル５９ａの入力データ（学習用の入力データ及び異常要因判定用の入力データ）として与えられる。入力データには、蓄電素子情報（例えば、ＳＯＣ、満充電容量、ＳＯＣ－ＯＣＶ（開回路電圧：open circuit voltage）曲線、内部抵抗など）、実測セル電流、実測セル間電圧、実測と計算の電圧差、実測と計算の温度差等が含まれる。出力データには、異常要因（蓄電素子の異常、環境の異常等）が含まれる。
出力データは、出力層のノードの数（出力層のサイズ）と同じサイズの成分を有するベクトル形式のデータとすることができる。例えば、出力ノードは、「蓄電素子の異常」、「環境の異常」それぞれの確率を出力することができる。
学習モデル５９ａは、例えば、ＣＰＵ（例えば、複数のプロセッサコアを実装したマルチ・プロセッサなど）、ＧＰＵ（Graphics Processing Units）、ＤＳＰ（Digital Signal Processors）、ＦＰＧＡ（Field-Programmable Gate Arrays）などのハードウェアを組み合わせることによって構成することができる。
学習モデル５９ａは、複数の蓄電素子の電流の実測値、所要の蓄電素子間の実測電圧差及び実測温度差、並びに所要の蓄電素子のうちの一の蓄電素子の電圧及び温度についての実測値と計算値との差を入力データとし、異常要因を出力データとする教師データに基づいて学習されてある。
学習モデル５９ａは、例えば、電流の実測値及び蓄電素子間の実測電圧差が大きく、実測値と計算値との差も大きい場合には、当該一の蓄電素子の異常を出力するように学習されてある。また、学習モデル５９ａは、電流の実測値が小さく、蓄電素子間の実測温度差が大きく、実測値と計算値との差も大きい場合には、環境の異常を出力するように学習されてある。
図２１は評価装置５０の処理手順の一例を示すフローチャートである。便宜上、処理の主体を制御部５１として説明する。制御部５１は、蓄電システム４０の構築に用いられた数理モデル２００を取得し（Ｓ１１）、蓄電システム４０の運用データを取得する（Ｓ１２）。制御部５１は、運用データの実測値（電圧値、電流値、温度値など）と数理モデル２００による計算値（電圧値、電流値、温度値値など）に基づいて異常事象の有無（異常事象の有無の可能性も含む）を判定する（１３）。
異常事象があると判定された場合（Ｓ１３でＹＥＳ）、制御部５１は、運用データに基づく蓄電素子の劣化状態を推定し（Ｓ１４）、劣化状態が想定年数間の要求を満たすか否かを判定する（Ｓ１５）。要求を満たさない場合（Ｓ１５でＮＯ）、制御部５１は、異常要因を判定する（Ｓ１６）。
制御部５１は、異常要因が蓄電素子の異常であると判定した場合（Ｓ１７でＹＥＳ）、蓄電素子に対する評価、支援情報を出力し（Ｓ１８）、処理を終了する。制御部５１は、異常要因が蓄電素子の異常でないと判定した場合（Ｓ１７でＮＯ）、蓄電素子の環境の異常であると判定して、環境に対する評価、支援情報を出力し（Ｓ１９）、処理を終了する。
異常事象がない場合（Ｓ１３でＮＯ）、あるいは想定年数間の要求を満たす場合（Ｓ１５でＹＥＳ）、制御部５１は、処理を終了する。
本実施の形態の評価装置５０は、ＣＰＵ（プロセッサ）、ＧＰＵ、ＲＡＭ（メモリ）などを備えた汎用コンピュータを用いて実現することもできる。すなわち、図２１に示すような、各処理の手順を定めたコンピュータプログラムをコンピュータに備えられたＲＡＭ（メモリ）にロードし、コンピュータプログラムをＣＰＵ（プロセッサ）で実行することにより、コンピュータ上で実現することができる。コンピュータプログラムは記録媒体に記録され流通されてもよい。
実施の形態は、すべての点で例示であって制限的なものではない。本発明の範囲は、特許請求の範囲によって示され、特許請求の範囲と均等の意味及び範囲内でのすべての変更が含まれる。
１ 通信ネットワーク
１０ 通信デバイス
２０ サーバ装置
３０ ドメイン管理装置
４０、４０ａ、４０ｂ、４０ｃ 蓄電システム
４１ バンク
４２ 蓄電モジュール
４４ 電池管理装置
５０ 評価装置
５１ 制御部
５２ データ取得部
５３ モデル取得部
５４ 操作部
５５ 表示部
５６ 記憶部
５７ モデル実行部
５８ 算出部
５９ 判定部
５９ａ 学習モデル
６０ 評価部
６１ 劣化状態推定部
６１ａ 劣化シミュレータ
１００ａ、１００ｂ、１００ｃ 遠隔監視システム
２００、２００ａ、２００ｂ、２００ｃ 数理モデル

Claims (11)

  1. 蓄電素子を用いたシステムの評価装置であって、
    蓄電素子の状態を表現する数理モデルを取得する数理モデル取得部と、
    前記数理モデルに基づいて構築されたシステムの運用時に入力された時系列入力データと、前記時系列入力データに基づいて前記システムが出力した時系列出力データとを含む運用データを取得する運用データ取得部と、
    前記数理モデルに前記時系列入力データを入力し、前記数理モデルから時系列モデル出力データを出力させる処理を実行させる処理部と、
    前記時系列出力データと前記時系列モデル出力データとに基づいて前記システムの設計又は運用を評価する評価部と
    を備える評価装置。
  2. 前記時系列出力データと前記時系列モデル出力データとの比較値を示す比較値時系列データを算出する比較値算出部と、
    前記比較値算出部で算出した比較値時系列データに基づいて前記システムの異常事象の有無を判定する判定部と
    を備え、
    前記評価部は、
    前記判定部で異常事象があると判定した場合、前記システムの設計又は運用を評価する請求項１に記載の評価装置。
  3. 前記時系列出力データは、前記システムに用いられた蓄電素子の電気値及び温度値の実測値を含み、
    前記時系列モデル出力データは、前記蓄電素子を表現した前記数理モデルの電気値及び温度値の計算値を含み、
    前記実測値及び計算値に基づいて前記システムの異常事象の有無を判定する判定部を備える請求項１に記載の評価装置。
  4. 前記実測値に基づいて所要の蓄電素子間の実測電圧差及び実測温度差を算出する第１算出部と、
    前記実測値及び前記計算値に基づいて前記所要の蓄電素子のうちの一の蓄電素子の電圧及び温度についての実測値と計算値との差を算出する第２算出部と
    を備え、
    前記判定部は、
    実測電流値、前記第１算出部で算出した実測電圧差及び実測温度差、並びに前記第２算出部で算出した実測値と計算値との差に基づいて異常事象の要因を判定する請求項３に記載の評価装置。
  5. 前記システムの異常事象として前記システムに用いられた蓄電素子の異常であるか又は前記蓄電素子の環境の異常であるかを判定する判定部を備える請求項１に記載の評価装置。
  6. 前記運用データに基づいて所要時点での蓄電素子の劣化状態を推定する劣化状態推定部と、
    前記劣化状態推定部で推定した劣化状態が目標値以下である場合、前記システムの異常事象の要因を判定する判定部と
    を備える請求項１に記載の評価装置。
  7. 前記判定部での判定結果に基づいて前記システムの設計又は運用に関する支援情報を提供する提供部を備える請求項２から請求項６のいずれか一項に記載の評価装置。
  8. コンピュータに、
    蓄電素子の状態を表現する数理モデルを取得する処理と、
    前記数理モデルに基づいて構築されたシステムの運用時に入力された時系列入力データと、前記時系列入力データに基づいて前記システムが出力した時系列出力データとを含む運用データを取得する処理と、
    前記数理モデルに前記時系列入力データを入力し、前記数理モデルから時系列モデル出力データを出力させる処理と、
    前記時系列出力データと前記時系列モデル出力データとに基づいて前記システムの設計又は運用を評価する処理と
    を実行させるコンピュータプログラム。
  9. 蓄電素子を用いたシステムの事業者から蓄電素子の状態を表現する数理モデルを取得し、
    前記事業者から前記数理モデルに基づいて構築されたシステムの運用時に入力された時系列入力データと、前記時系列入力データに基づいて前記システムが出力した時系列出力データとを含む運用データを取得し、
    コンピュータ内に前記数理モデルを組み込み、前記数理モデルに前記時系列入力データを入力し、前記数理モデルから時系列モデル出力データを出力させる処理を実行し、
    前記時系列出力データと前記時系列モデル出力データとに基づいて前記システムの設計又は運用を評価するシステムの評価方法。
  10. 前記時系列出力データと前記時系列モデル出力データとの比較値を示す比較値時系列データを算出し、
    算出した比較値時系列データに基づいて前記システムに用いられた蓄電素子の異常であるか又は前記蓄電素子の環境の異常であるかの異常事象を判定する請求項９に記載の評価方法。
  11. 異常事象の判定結果に基づいて前記システムの設計又は運用に関する支援情報を提供する請求項１０に記載の評価方法。
JP2019208083A 2019-11-18 2019-11-18 評価装置、コンピュータプログラム及び評価方法 Active JP7031649B2 (ja)

Priority Applications (6)

Application Number Priority Date Filing Date Title
JP2019208083A JP7031649B2 (ja) 2019-11-18 2019-11-18 評価装置、コンピュータプログラム及び評価方法
AU2020387253A AU2020387253A1 (en) 2019-11-18 2020-11-17 Evaluation device, computer program, and evaluation method
US17/755,938 US11635467B2 (en) 2019-11-18 2020-11-17 Evaluation device, computer program, and evaluation method
CN202080087901.2A CN114846710A (zh) 2019-11-18 2020-11-17 评估装置、计算机程序以及评估方法
PCT/JP2020/042687 WO2021100673A1 (ja) 2019-11-18 2020-11-17 評価装置、コンピュータプログラム及び評価方法
EP20890788.1A EP4064519A4 (en) 2019-11-18 2020-11-17 EVALUATION DEVICE, COMPUTER PROGRAM AND EVALUATION METHOD

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
JP2019208083A JP7031649B2 (ja) 2019-11-18 2019-11-18 評価装置、コンピュータプログラム及び評価方法

Publications (3)

Publication Number Publication Date
JP2021083208A JP2021083208A (ja) 2021-05-27
JP2021083208A5 JP2021083208A5 (ja) 2022-01-26
JP7031649B2 true JP7031649B2 (ja) 2022-03-08

Family

ID=75963445

Family Applications (1)

Application Number Title Priority Date Filing Date
JP2019208083A Active JP7031649B2 (ja) 2019-11-18 2019-11-18 評価装置、コンピュータプログラム及び評価方法

Country Status (6)

Country Link
US (1) US11635467B2 (ja)
EP (1) EP4064519A4 (ja)
JP (1) JP7031649B2 (ja)
CN (1) CN114846710A (ja)
AU (1) AU2020387253A1 (ja)
WO (1) WO2021100673A1 (ja)

Families Citing this family (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
EP4047380A1 (de) * 2021-02-18 2022-08-24 FRONIUS INTERNATIONAL GmbH Verfahren und system zur analyse eines elektrischen energiespeichers sowie energieversorgungssystem
CN113902121B (zh) * 2021-07-15 2023-07-21 陈九廷 一种电池劣化推测装置校验的方法、装置、设备及介质
WO2023175936A1 (ja) * 2022-03-18 2023-09-21 三菱電機株式会社 シミュレーション装置
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

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2018147680A (ja) 2017-03-03 2018-09-20 住友電気工業株式会社 温度異常判定装置、温度異常判定方法及びコンピュータプログラム
JP2018173370A (ja) 2017-03-31 2018-11-08 住友電気工業株式会社 異常判定装置、異常判定方法及びコンピュータプログラム
WO2019181727A1 (ja) 2018-03-20 2019-09-26 株式会社Ｇｓユアサ 異常要因判定装置、劣化判定装置、コンピュータプログラム、劣化判定方法及び異常要因判定方法
JP6590029B1 (ja) 2018-06-13 2019-10-16 株式会社Ｇｓユアサ 行動生成装置、蓄電素子評価装置、コンピュータプログラム、学習方法及び評価方法

Family Cites Families (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JPH1114507A (ja) 1997-06-19 1999-01-22 Denso Corp 車両シミュレーション装置
JP4042917B1 (ja) 2007-04-23 2008-02-06 株式会社パワーシステム キャパシタ電源の異常判別方法及び異常判別装置
JP2011154410A (ja) 2010-01-25 2011-08-11 Sony Corp 解析サーバ及びデータ解析方法
JP2015059933A (ja) * 2013-09-20 2015-03-30 株式会社東芝 二次電池の異常診断装置及び異常診断方法
KR102247052B1 (ko) * 2014-07-21 2021-04-30 삼성전자주식회사 배터리의 이상 상태를 감지하는 장치 및 방법
KR102424528B1 (ko) * 2015-06-11 2022-07-25 삼성전자주식회사 배터리의 상태를 추정하는 장치 및 방법

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2018147680A (ja) 2017-03-03 2018-09-20 住友電気工業株式会社 温度異常判定装置、温度異常判定方法及びコンピュータプログラム
JP2018173370A (ja) 2017-03-31 2018-11-08 住友電気工業株式会社 異常判定装置、異常判定方法及びコンピュータプログラム
WO2019181727A1 (ja) 2018-03-20 2019-09-26 株式会社Ｇｓユアサ 異常要因判定装置、劣化判定装置、コンピュータプログラム、劣化判定方法及び異常要因判定方法
JP6590029B1 (ja) 2018-06-13 2019-10-16 株式会社Ｇｓユアサ 行動生成装置、蓄電素子評価装置、コンピュータプログラム、学習方法及び評価方法

Also Published As

Publication number Publication date
WO2021100673A1 (ja) 2021-05-27
US11635467B2 (en) 2023-04-25
EP4064519A4 (en) 2023-03-01
CN114846710A (zh) 2022-08-02
EP4064519A1 (en) 2022-09-28
AU2020387253A1 (en) 2022-06-02
US20220381831A1 (en) 2022-12-01
JP2021083208A (ja) 2021-05-27

Similar Documents

Publication Publication Date Title
JP7031649B2 (ja) 評価装置、コンピュータプログラム及び評価方法
CN112347692B (zh) 不间断电源的电池预测性维护的实现方法、装置和电子装置
US11555858B2 (en) Systems, methods, and storage media for predicting a discharge profile of a battery pack
CN106249152B (zh) 用于估计电池状态的方法和设备
Wenzl et al. Life prediction of batteries for selecting the technically most suitable and cost effective battery
Li et al. A physics-based fractional order model and state of energy estimation for lithium ion batteries. Part II: Parameter identification and state of energy estimation for LiFePO4 battery
US9846886B2 (en) Strategic modeling for economic optimization of grid-tied energy assets
Hashemi et al. Machine learning‐based model for lithium‐ion batteries in BMS of electric/hybrid electric aircraft
CN115968447A (zh) 电池分析系统和方法
WO2013161540A1 (ja) 電池システムのメンテナンス管理システム及び方法
US10203375B2 (en) Method for ascertaining storage battery state, state-ascertaining system, and computer program
CN107329088A (zh) 电池的健康状态诊断装置和方法
JP2019105621A (ja) 電池充電状態予測方法及びシステム
EP4141460A1 (en) Battery capacity measuring device and method, and battery control system comprising battery capacity measuring device
Bockrath et al. State of charge estimation using recurrent neural networks with long short-term memory for lithium-ion batteries
CN116113961A (zh) 使用机器学习模型的电池寿命预测
Chang et al. A probabilistic approach for prognosis of battery pack aging
EP3875976A1 (en) Electricity storage element evaluating device, computer program, electricity storage element evaluating method, learning method, and creation method
He et al. Voltage abnormality-based fault diagnosis for batteries in electric buses with a self-adapting update model
Zhang et al. Thermal-enhanced adaptive interval estimation in battery packs with heterogeneous cells
Wang et al. A flexible RUL prediction method based on poly-cell LSTM with applications to lithium battery data
US20230375633A1 (en) Information processing device, information processing method, and computer program
Chen et al. State of health estimation of lithium-ion batteries based on equivalent circuit model and data-driven method
Han et al. Integration of long-short term memory network and fuzzy logic for high-safety in a FR-ESS with degradation and failure
CN116804711A (zh) 基于预测的使用模式来提供设备电池组的预测健康状态的方法和装置

Legal Events

Date Code Title Description
A521 Request for written amendment filed

Free format text: JAPANESE INTERMEDIATE CODE: A523

Effective date: 20220118

A621 Written request for application examination

Free format text: JAPANESE INTERMEDIATE CODE: A621

Effective date: 20220118

A871 Explanation of circumstances concerning accelerated examination

Free format text: JAPANESE INTERMEDIATE CODE: A871

Effective date: 20220118

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

Free format text: JAPANESE INTERMEDIATE CODE: A01

Effective date: 20220125

A61 First payment of annual fees (during grant procedure)

Free format text: JAPANESE INTERMEDIATE CODE: A61

Effective date: 20220207

R150 Certificate of patent or registration of utility model

Ref document number: 7031649

Country of ref document: JP

Free format text: JAPANESE INTERMEDIATE CODE: R150