JP7357659B2 - データ異常判定装置及び内部状態予測システム - Google Patents
データ異常判定装置及び内部状態予測システム Download PDFInfo
- Publication number
- JP7357659B2 JP7357659B2 JP2021109172A JP2021109172A JP7357659B2 JP 7357659 B2 JP7357659 B2 JP 7357659B2 JP 2021109172 A JP2021109172 A JP 2021109172A JP 2021109172 A JP2021109172 A JP 2021109172A JP 7357659 B2 JP7357659 B2 JP 7357659B2
- Authority
- JP
- Japan
- Prior art keywords
- data
- probability density
- probability
- input
- determination device
- 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
Links
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N7/00—Computing arrangements based on specific mathematical models
- G06N7/01—Probabilistic graphical models, e.g. probabilistic networks
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F11/00—Error detection; Error correction; Monitoring
- G06F11/006—Identification
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N20/00—Machine learning
-
- 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
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- Quality & Reliability (AREA)
- Data Mining & Analysis (AREA)
- Mathematical Optimization (AREA)
- Artificial Intelligence (AREA)
- Computational Mathematics (AREA)
- Probability & Statistics with Applications (AREA)
- Evolutionary Computation (AREA)
- Mathematical Analysis (AREA)
- Algebra (AREA)
- Pure & Applied Mathematics (AREA)
- Computing Systems (AREA)
- Mathematical Physics (AREA)
- Software Systems (AREA)
- Debugging And Monitoring (AREA)
- Testing And Monitoring For Control Systems (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Description
以下、本発明の第1実施形態に係るデータ異常判定装置について図面を参照しながら説明する。
図3を参照して説明したように、裾野領域R1は入力密度値毎に一意的に定まる。すなわち、裾野領域R1は、入力密度値が変わらない限り入力データD1の位置によらず一定である。このため確率密度関数の裾野領域R1にわたる積分値も入力密度値毎に一意的に定まることから、入力密度値と確率密度関数の裾野領域R1にわたる積分値とを検量線データによって関連付けることが可能となる。そこで第1の例では、確率密度値毎に定義される裾野領域にわたる確率密度関数の積分値を計算することにより、入力密度値と積分値(すなわち、累積確率)とを関連付ける検量線データ(図4参照)を予め作成しておく。より具体的には、例えば、確率密度関数上に複数の等高線(すなわち、確率密度値が等しい複数の入力データによって確率密度関数上に定義される線)を作成するとともに、これら等高線によって区画される裾野領域にわたる確率密度関数の積分値を計算することにより、検量線データを作成することができる。発生確率算出部12は、以上のような手順によって予め作成しておいた検量線データによって入力密度値と関連付けられる積分値を発生確率として算出する。
第2の例では、上述のような裾野領域にわたる確率密度関数の積分値をモンテカルロ法に基づいて算出する。すなわち、確率密度関数に従ってランダムに生成される複数のデータ点のうち、裾野領域に含まれるデータ点数の全データ点数に対する割合は、この裾野領域にわたる確率密度関数の積分値とほぼ等しい。そこで第2の例では、発生確率算出部12は、モンテカルロ法に基づいて確率密度関数に従って生成された複数のデータ点のうち、裾野領域に含まれるデータ点数の全データ点数に対する割合を発生確率として算出する。なおこの第2の例では、上述のようなモンテカルロ法に基づいて導出される入力密度値と発生確率との関係を予めマップ化しておくこともできる。この場合、発生確率算出部12は、入力密度値によって上述のようなマップを検索することにより、速やかに入力密度値に応じた発生確率を算出することができる。
(1)データ異常判定装置1において、確率密度算出部11は、データ集合に基づいて構築された確率密度関数における入力データの確率密度値を入力密度値として算出し、発生確率算出部12は、確率密度関数における確率密度値が入力密度値以下となる裾野領域にわたる確率密度関数の積分値に相当する値を入力データに対する発生確率として算出し、異常判定部13は、発生確率に基づいて入力データの異常を判定する。データ異常判定装置1によれば、データ集合の次元数及びこのデータ集合に基づく確率密度関数の形状によらず、入力データに対する発生確率を算出でき、ひいては入力データの異常を適切に判定できる。
次に、本発明の第2実施形態に係る内部状態予測システムについて図面を参照しながら説明する。
(4)内部状態予測システム5において、モデル予測装置7は、学習用データ集合に基づいて構築された予測モデル及び入力データ取得装置6によって取得された入力データに基づいてバッテリの将来の劣化状態を予測する。ここで入力データが予測モデルを構築する際に用いられた学習用データ集合から外れている場合、このような入力データに基づくモデル予測装置7による予測結果は信頼度が低いと考えられる。これに対し内部状態予測システム5において、データ異常判定装置8は、学習用データ集合に基づいて構築された確率密度関数に基づいて入力データの異常を判定し、信頼度判定装置9は、データ異常判定装置8による判定結果に基づいてモデル予測装置7の予測結果の信頼度を判定する。これによりモデル予測装置7によるバッテリの将来の劣化状態の予測結果の信頼度を保証することができる。
11…確率密度算出部
12…発生確率算出部
13…異常判定部
2…データ入力装置
5…内部状態予測システム
6…入力データ取得装置
7…モデル予測装置
8…データ異常判定装置
81…確率密度算出部
82…発生確率算出部
83…異常判定部
9…信頼度判定装置
Claims (7)
- 入力データの異常を判定するデータ異常判定装置であって、
データ集合に基づいて構築された確率密度関数における前記入力データの確率密度値を入力密度値として算出する確率密度算出部と、
前記確率密度関数における確率密度値が前記入力密度値以下となる裾野領域にわたる前記確率密度関数の積分値に相当する値を前記入力データに対する発生確率として算出する発生確率算出部と、
前記発生確率に基づいて前記入力データの異常を判定する異常判定部と、を備えることを特徴とするデータ異常判定装置。 - 前記発生確率算出部は、前記確率密度関数における確率密度値と前記裾野領域にわたる前記確率密度関数の積分値とを関連付ける検量線データを有し、当該検量線データによって前記入力密度値と関連付けられる積分値を前記発生確率として算出することを特徴とする請求項1に記載のデータ異常判定装置。
- 前記発生確率算出部は、モンテカルロ法に基づいて前記確率密度関数に従って生成された複数のデータ点のうち前記裾野領域に含まれるデータ点数の全データ点数に対する割合を前記発生確率として算出することを特徴とする請求項1に記載のデータ異常判定装置。
- 前記入力データの次元数は3以上であることを特徴とする請求項1から3の何れかに記載のデータ異常判定装置。
- 前記入力データは、バッテリの将来の劣化状態と相関があることを特徴とする請求項1から3の何れかに記載のデータ異常判定装置。
- 前記入力データは、前記バッテリの温度履歴、電流履歴、及び電圧履歴の何れかを含むことを特徴とする請求項5に記載のデータ異常判定装置。
- 対象物の内部状態を予測する内部状態予測システムであって、
前記内部状態と相関のある入力データを取得する入力データ取得装置と、
学習用データ集合に基づいて構築された予測モデル及び前記入力データに基づいて前記内部状態を予測するモデル予測装置と、
前記入力データの異常を判定するデータ異常判定装置と、
前記データ異常判定装置による判定結果に基づいて前記モデル予測装置の予測結果の信頼度を判定する信頼度判定装置と、を備え、
前記データ異常判定装置は、
前記学習用データ集合に基づいて構築された確率密度関数における前記入力データの確率密度値を入力密度値として算出する確率密度算出部と、
前記確率密度関数における確率密度値が前記入力密度値以下となる裾野領域にわたる前記確率密度関数の積分値に相当する値を前記入力データに対する発生確率として算出する発生確率算出部と、
前記発生確率に基づいて前記入力データの異常を判定する異常判定部と、を備えることを特徴とする内部状態予測システム。
Priority Applications (3)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2021109172A JP7357659B2 (ja) | 2021-06-30 | 2021-06-30 | データ異常判定装置及び内部状態予測システム |
US17/809,273 US20230004454A1 (en) | 2021-06-30 | 2022-06-28 | Data abnormality determination apparatus and internal state prediction system |
CN202210752696.8A CN115543664A (zh) | 2021-06-30 | 2022-06-28 | 数据异常判定装置及内部状态预测系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2021109172A JP7357659B2 (ja) | 2021-06-30 | 2021-06-30 | データ異常判定装置及び内部状態予測システム |
Publications (2)
Publication Number | Publication Date |
---|---|
JP2023006529A JP2023006529A (ja) | 2023-01-18 |
JP7357659B2 true JP7357659B2 (ja) | 2023-10-06 |
Family
ID=84724114
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2021109172A Active JP7357659B2 (ja) | 2021-06-30 | 2021-06-30 | データ異常判定装置及び内部状態予測システム |
Country Status (3)
Country | Link |
---|---|
US (1) | US20230004454A1 (ja) |
JP (1) | JP7357659B2 (ja) |
CN (1) | CN115543664A (ja) |
Families Citing this family (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2024115934A1 (ja) * | 2022-11-29 | 2024-06-06 | 日産自動車株式会社 | 電池劣化状態推定方法、及び電池劣化状態推定装置 |
CN115809404B (zh) * | 2023-02-01 | 2023-05-12 | 北京万里红科技有限公司 | 一种检测阈值计算方法、装置、存储介质及电子设备 |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2016114988A (ja) | 2014-12-11 | 2016-06-23 | 株式会社メガチップス | 状態推定装置、プログラムおよび集積回路 |
JP2018032229A (ja) | 2016-08-25 | 2018-03-01 | 三菱電機ビルテクノサービス株式会社 | 設備点検順位設定装置及び設備点検順位設定方法 |
US20180239662A1 (en) | 2017-02-15 | 2018-08-23 | Sap Se | Sensor data anomaly detection |
JP2019159604A (ja) | 2018-03-09 | 2019-09-19 | 株式会社インテック | 異常検知装置、異常検知方法及び異常検知プログラム |
WO2020241888A1 (ja) | 2019-05-30 | 2020-12-03 | 旭化成株式会社 | 保温材下腐食発生予測モデルおよびプラント保全支援装置 |
JP2021033705A (ja) | 2019-08-26 | 2021-03-01 | 株式会社東芝 | 異常判定装置、学習装置、および、異常判定方法 |
Family Cites Families (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US6678844B2 (en) * | 1999-12-22 | 2004-01-13 | Interuniversitair Microelektronica Centrum (Imec) | System and method for determining bit-error rates |
US20150333998A1 (en) * | 2014-05-15 | 2015-11-19 | Futurewei Technologies, Inc. | System and Method for Anomaly Detection |
US11307570B2 (en) * | 2019-05-31 | 2022-04-19 | Panasonic Intellectual Property Management Co., Ltd. | Machine learning based predictive maintenance of equipment |
-
2021
- 2021-06-30 JP JP2021109172A patent/JP7357659B2/ja active Active
-
2022
- 2022-06-28 US US17/809,273 patent/US20230004454A1/en active Pending
- 2022-06-28 CN CN202210752696.8A patent/CN115543664A/zh active Pending
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2016114988A (ja) | 2014-12-11 | 2016-06-23 | 株式会社メガチップス | 状態推定装置、プログラムおよび集積回路 |
JP2018032229A (ja) | 2016-08-25 | 2018-03-01 | 三菱電機ビルテクノサービス株式会社 | 設備点検順位設定装置及び設備点検順位設定方法 |
US20180239662A1 (en) | 2017-02-15 | 2018-08-23 | Sap Se | Sensor data anomaly detection |
JP2019159604A (ja) | 2018-03-09 | 2019-09-19 | 株式会社インテック | 異常検知装置、異常検知方法及び異常検知プログラム |
WO2020241888A1 (ja) | 2019-05-30 | 2020-12-03 | 旭化成株式会社 | 保温材下腐食発生予測モデルおよびプラント保全支援装置 |
JP2021033705A (ja) | 2019-08-26 | 2021-03-01 | 株式会社東芝 | 異常判定装置、学習装置、および、異常判定方法 |
Non-Patent Citations (1)
Title |
---|
佐藤 忠信 ほか,地震動観測記録に見る位相平均勾配の特異な確率特性とそのモデル化,土木学会論文集A1(構造・地震工学)[online],74巻, 2号,2018年05月20日,229-240頁,https://doi.org/10.2208/jscejseee.74.229 |
Also Published As
Publication number | Publication date |
---|---|
CN115543664A (zh) | 2022-12-30 |
US20230004454A1 (en) | 2023-01-05 |
JP2023006529A (ja) | 2023-01-18 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
JP7357659B2 (ja) | データ異常判定装置及び内部状態予測システム | |
US9026550B2 (en) | Temporal pattern matching in large collections of log messages | |
KR102551277B1 (ko) | 병합 조인 시스템 및 병합 조인 방법 | |
US8660979B2 (en) | Event prediction | |
CN111475848B (zh) | 保障边缘计算数据隐私的全局和局部低噪声训练方法 | |
US20130041710A1 (en) | Advanced Statistical Detection of Emerging Trends | |
CN114420215B (zh) | 基于生成树的大规模生物数据聚类方法及系统 | |
JP4670662B2 (ja) | 異常検出装置 | |
Apostal et al. | Password recovery using MPI and CUDA | |
US20200333170A1 (en) | Missing value imputation device, missing value imputation method, and missing value imputation program | |
CN114816711A (zh) | 批量任务处理方法、装置、计算机设备和存储介质 | |
CN110019205B (zh) | 一种数据存储、还原方法、装置及计算机设备 | |
JPWO2016084326A1 (ja) | 情報処理システム、情報処理方法、及び、プログラム | |
CN113158435B (zh) | 基于集成学习的复杂系统仿真运行时间预测方法与设备 | |
WO2015055373A2 (en) | Case-based reasoning | |
CN117318052A (zh) | 发电机组进相试验无功功率预测方法、装置和计算机设备 | |
WO2018101050A1 (ja) | 情報処理装置および情報処理方法 | |
JP2004103000A (ja) | 分割による高次元類似ジョイン方法 | |
US9087089B2 (en) | Determining similarity scores of anomalies | |
CN112465105B (zh) | 记录学习程序的计算机可读记录介质以及学习方法 | |
US20150112912A1 (en) | Case-based reasoning | |
US20150112916A1 (en) | Case-based reasoning | |
US20150112914A1 (en) | Case-based reasoning | |
JP6782260B2 (ja) | 情報処理装置、情報処理方法およびプログラム | |
Werk et al. | Performance analysis of shooting algorithms in chance-constrained optimization |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20220128 |
|
A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20230404 |
|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20230605 |
|
A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20230627 |
|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20230825 |
|
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: 20230905 |
|
A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20230926 |
|
R150 | Certificate of patent or registration of utility model |
Ref document number: 7357659 Country of ref document: JP Free format text: JAPANESE INTERMEDIATE CODE: R150 |