WO2021066129A1

WO2021066129A1 - 推定装置、推定方法、及びコンピュータプログラム

Info

Publication number: WO2021066129A1
Application number: PCT/JP2020/037504
Authority: WO
Inventors: 泰紀溝口; 泰如 ▲浜▼野
Original assignee: 株式会社Ｇｓユアサ
Priority date: 2019-10-03
Filing date: 2020-10-02
Publication date: 2021-04-08
Also published as: JP2021060230A; US20220349941A1; EP4044322A1; EP4044322A4; US11913996B2; CN114556121A

Abstract

鉛蓄電池の電流、電圧及び鉛蓄電池の温度に基づく導出履歴を導出する導出部（３１）と、導出履歴、並びに第１履歴と正極活物質量との第１関係、第２履歴と正極電極材料の比表面積との第２関係、第３履歴と正極電極材料のかさ密度との第３関係、第４履歴と正極活物質粒子のクラスターサイズとの第４関係、第５履歴と負極電極材料の硫酸鉛の蓄積量との第５関係、第６履歴と負極電極材料の比表面積との第６関係、第７履歴と正極格子の腐食量との第７関係、第８履歴と正極板の抵抗率との第８関係、及び第９履歴と負極板の抵抗率との第９関係から選択される１以上の関係に基づいて１以上の物理量を特定する特定部（３１）と、劣化の度合を推定する推定部（３１）とを備える。

Description

推定装置、推定方法、及びコンピュータプログラム

　本発明は、鉛蓄電池の劣化を推定する推定装置、推定方法、及びコンピュータプログラムに関する。

　鉛蓄電池は、車載用、産業用の他、様々な用途で使用されている。例えば車載用の鉛蓄電池等の二次電池（蓄電素子）は、例えば自動車、バイク、フォークリフト、ゴルフカー等の車両等の移動体に搭載され、エンジン始動時におけるスタータモータへの電力供給源、及びライト等の各種電装品への電力供給源として使用されている。例えば、産業用の鉛蓄電池は、非常用電源やＵＰＳへの電力供給源として使用されている。

　鉛蓄電池は様々な要因によって劣化が進行することが知られている。鉛蓄電池の予期せぬ機能喪失による電力の供給停止を防ぐため、劣化の度合を適切に判定する必要がある。
　特許文献１には、鉛蓄電池の電流及び電圧に基づいて内部抵抗を算出し、内部抵抗に基づいて劣化を判定する劣化判定装置が開示されている。

特開２０１６－１０９６３９号公報

　鉛蓄電池の主要な劣化要因は、正極活物質の軟化、正極格子の腐食、負極サルフェーション、負極活物質の収縮等である。対応する劣化要因の劣化の度合を推定して、良好に鉛蓄電池全体の劣化の度合を推定することが求められている。

　本発明は、鉛蓄電池の劣化の度合を推定することができる推定装置、推定方法、及びコンピュータプログラムを提供することを目的とする。

　本発明に係る推定装置は、鉛蓄電池の電流、電圧、及び該鉛蓄電池の温度に基づく導出履歴を導出する導出部と、導出した前記導出履歴、並びに電流、電圧、及び前記鉛蓄電池の温度に基づく第１履歴と、正極活物質量の第１物理量との第１関係、電流、電圧、及び前記鉛蓄電池の温度に基づく第２履歴と、正極電極材料の比表面積の第２物理量との第２関係、電流、電圧、及び前記鉛蓄電池の温度に基づく第３履歴と、正極電極材料のかさ密度の第３物理量との第３関係、電流、電圧、及び前記鉛蓄電池の温度に基づく第４履歴と、正極活物質粒子のクラスターサイズの第４物理量との第４関係、電流、電圧、及び前記鉛蓄電池の温度に基づく第５履歴と、負極電極材料の硫酸鉛の蓄積量の第５物理量との第５関係、電流、電圧、及び前記鉛蓄電池の温度に基づく第６履歴と、負極電極材料の比表面積の第６物理量との第６関係、電流、電圧、及び前記鉛蓄電池の温度に基づく第７履歴と、正極格子の腐食量の第７物理量との第７関係、電流、電圧、及び前記鉛蓄電池の温度に基づく第８履歴と、正極板の抵抗率の第８物理量との第８関係、及び電流、電圧、及び前記鉛蓄電池の温度に基づく第９履歴と、負極板の抵抗率の第９物理量との第９関係からなる群から選択される少なくとも１つの関係に基づいて、第１物理量、第２物理量、第３物理量、第４物理量、第５物理量、第６物理量、第７物理量、第８物理量、及び第９物理量のうちの少なくとも１つの物理量を特定する特定部と、特定した前記少なくとも１つの物理量に基づいて、前記鉛蓄電池の劣化の度合を推定する推定部とを備える。

　本発明に係る推定方法は、鉛蓄電池の電流、電圧、及び該鉛蓄電池の温度に基づく導出履歴を導出し、導出した前記導出履歴、並びに電流、電圧、及び前記鉛蓄電池の温度に基づく第１履歴と、正極活物質量の第１物理量との第１関係、電流、電圧、及び前記鉛蓄電池の温度に基づく第２履歴と、正極電極材料の比表面積の第２物理量との第２関係、電流、電圧、及び前記鉛蓄電池の温度に基づく第３履歴と、正極電極材料のかさ密度の第３物理量との第３関係、電流、電圧、及び前記鉛蓄電池の温度に基づく第４履歴と、正極活物質粒子のクラスターサイズの第４物理量との第４関係、電流、電圧、及び前記鉛蓄電池の温度に基づく第５履歴と、負極電極材料の硫酸鉛の蓄積量の第５物理量との第５関係、電流、電圧、及び前記鉛蓄電池の温度に基づく第６履歴と、負極電極材料の比表面積の第６物理量との第６関係、電流、電圧、及び前記鉛蓄電池の温度に基づく第７履歴と、正極格子の腐食量の第７物理量との第７関係、電流、電圧、及び前記鉛蓄電池の温度に基づく第８履歴と、正極板の抵抗率の第８物理量との第８関係、及び電流、電圧、及び前記鉛蓄電池の温度に基づく第９履歴と、負極板の抵抗率の第９物理量との第９関係からなる群から選択される少なくとも１つの関係に基づいて、第１物理量、第２物理量、第３物理量、第４物理量、第５物理量、第６物理量、第７物理量、第８物理量、及び第９物理量のうちの少なくとも１つの物理量を特定し、特定した前記少なくとも１つの物理量に基づいて、前記鉛蓄電池の劣化の度合を推定する。

　本発明に係るコンピュータプログラムは、鉛蓄電池の電流、電圧、及び該鉛蓄電池の温度に基づく導出履歴を導出し、導出した前記導出履歴、並びに電流、電圧、及び該鉛蓄電池の温度に基づく第１履歴と、正極活物質量の第１物理量との第１関係、電流、電圧、及び該鉛蓄電池の温度に基づく第２履歴と、正極電極材料の比表面積の第２物理量との第２関係、電流、電圧、及び該鉛蓄電池の温度に基づく第３履歴と、正極電極材料のかさ密度の第３物理量との第３関係、電流、電圧、及び前記鉛蓄電池の温度に基づく第４履歴と、正極活物質粒子のクラスターサイズの第４物理量との第４関係、電流、電圧、及び該鉛蓄電池の温度に基づく第５履歴と、負極電極材料の硫酸鉛の蓄積量の第５物理量との第５関係、電流、電圧、及び該鉛蓄電池の温度に基づく第６履歴と、負極電極材料の比表面積の第６物理量との第６関係、電流、電圧、及び該鉛蓄電池の温度に基づく第７履歴と、正極格子の腐食量の第７物理量との第７関係、電流、電圧、及び該鉛蓄電池の温度に基づく第８履歴と、正極板の抵抗率の第８物理量との第８関係、及び電流、電圧、及び該鉛蓄電池の温度に基づく第９履歴と、負極板の抵抗率の第９物理量との第９関係からなる群から選択される少なくとも１つの関係に基づいて、第１物理量、第２物理量、第３物理量、第４物理量、第５物理量、第６物理量、第７物理量、第８物理量、及び第９物理量のうちの少なくとも１つの物理量を特定し、特定した前記少なくとも１つの物理量に基づいて、前記鉛蓄電池の劣化の度合を推定する処理をコンピュータに実行させる。

実施形態１に係る充放電システム、負荷、及びサーバの構成を示すブロック図である。ＢＭＵの構成を示すブロック図である。電池の外観構成を示す斜視図である。図３のＩＶ－ＩＶ線断面図である。劣化度合ＤＢのレコードレイアウトの一例を示す説明図である。使用履歴ＤＢのレコードレイアウトの一例を示す説明図である。制御部による劣化度合の推定処理の手順を示すフローチャートである。実施形態２に係る制御装置の構成を示すブロック図である。使用履歴ＤＢのレコードレイアウトの一例を示す説明図である。第１学習モデルの一例を示す模式図である。制御部による第１学習モデルの生成処理の手順を示すフローチャートである。第２学習モデルの一例を示す模式図である。制御部による劣化度合の推定処理の手順を示すフローチャートである。学習モデル（１）～（８）一例を示す模式図である。制御部による劣化度合の推定処理の手順を示すフローチャートである。劣化度合ＤＢのレコードレイアウトの一例を示す説明図である。使用履歴ＤＢのレコードレイアウトの一例を示す説明図である。制御部による劣化度合の推定処理の手順を示すフローチャートである。

（実施形態の概要）
　実施形態に係る推定装置は、鉛蓄電池の電流、電圧、及び該鉛蓄電池の温度に基づく導出履歴を導出する導出部と、導出した前記導出履歴、並びに電流、電圧、及び前記鉛蓄電池の温度に基づく第１履歴と、正極活物質量の第１物理量との第１関係、電流、電圧、及び前記鉛蓄電池の温度に基づく第２履歴と、正極電極材料の比表面積の第２物理量との第２関係、電流、電圧、及び前記鉛蓄電池の温度に基づく第３履歴と、正極電極材料のかさ密度の第３物理量との第３関係、電流、電圧、及び前記鉛蓄電池の温度に基づく第４履歴と、正極活物質粒子のクラスターサイズの第４物理量との第４関係、電流、電圧、及び前記鉛蓄電池の温度に基づく第５履歴と、負極電極材料の硫酸鉛の蓄積量の第５物理量との第５関係、電流、電圧、及び前記鉛蓄電池の温度に基づく第６履歴と、負極電極材料の比表面積の第６物理量との第６関係、電流、電圧、及び前記鉛蓄電池の温度に基づく第７履歴と、正極格子の腐食量の第７物理量との第７関係、電流、電圧、及び前記鉛蓄電池の温度に基づく第８履歴と、正極板の抵抗率の第８物理量との第８関係、及び電流、電圧、及び前記鉛蓄電池の温度に基づく第９履歴と、負極板の抵抗率の第９物理量との第９関係からなる群から選択される少なくとも１つの関係に基づいて、第１物理量、第２物理量、第３物理量、第４物理量、第５物理量、第６物理量、第７物理量、第８物理量、及び第９物理量のうちの少なくとも１つの物理量を特定する特定部と、特定した前記少なくとも１つの物理量に基づいて、前記鉛蓄電池の劣化の度合を推定する推定部とを備える。

　ここで、正極電極材料のかさ密度とは、多孔質である正極の見かけ体積あたりの質量をいう。
　第１履歴、第２履歴、第３履歴、第４履歴、第５履歴、第６履歴、第７履歴、第８履歴、第９履歴は同一であっても異なっていてもよい。例えば、第１履歴、第２履歴、第３履歴、第４履歴の場合、生涯有効放電電気量、温度積算値、使用期間等の履歴を含む。第５履歴、第６履歴の場合、生涯有効放電電気量、生涯有効充電電気量、温度積算値、使用期間、放置時間、各ＳＯＣ区分における滞在時間等の履歴を含む。第７履歴、第８履歴の場合、生涯有効放電電気量、温度積算値、使用期間、生涯有効過充電電気量等の履歴を含む。第９履歴の場合、生涯有効充電電気量、温度積算値、使用期間、放置時間、各ＳＯＣ区分における滞在時間等の履歴を含む。

　上記構成によれば、電流、電圧、及び温度に基づく履歴を導出し、予め求めてある、履歴と、第１物理量，第２物理量，第３物理量，第４物理量，第５物理量，第６物理量，第７物理量，第８物理量，又は第９物理量との関係に基づいて、１以上の物理量を特定し、これに基づいて鉛蓄電池の劣化の度合を推定する。物理量は劣化要因の度合を反映する。第１物理量、第２物理量、第３物理量、第４物理量は、正極電極材料の軟化の度合に対応する。第７物理量は正極格子の腐食の度合に対応する。第８物理量は、正極電極材料の軟化と正極格子の腐食の度合いに対応する。第５物理量、第６物理量、及び第９物理量は、負極サルフェーションの度合に対応する。第６物理量、第９物理量は負極のサルフェーションの度合と収縮の度合に対応する。これらの物理量を特定して、良好に鉛蓄電池の劣化を推定できる。劣化を予測することにより、故障リスクを推定し、突然の使用不能状態に陥ることを回避できる。

　２以上の物理量を組み合わせて、劣化を推定することもできる。
例えば正極板及び負極板の劣化が同時に進行することによる、鉛蓄電池の急速な劣化を良好に予測できる。また、単一の劣化が進行する場合でも、複数の物理量の推定値を用いて劣化を予測することで、予測の信頼性を高めることができる。さらに、１つの劣化要因のみに悪影響となる使用履歴の後に、異なる劣化要因のみに悪影響となる使用履歴が起こる場合や、この使用履歴パターンが繰り返される場合においても、鉛蓄電池の劣化を良好に予測できる。

　上述の推定装置において、前記特定部は、前記第１物理量から第９物理量のうち少なくとも１つの物理量を、極板の高さ方向の位置に応じた、履歴と、該位置における前記物理量との関係に基づいて特定してもよい。

　鉛蓄電池においては、集電体の上部から集電するので、正極格子の上部が充放電され易く、腐食され易い。
　例えばＤＯＤ５０％の放電を実施した後に充電をする場合、負極の上部では充電がされ易く、また下部では充電がされ難くなる。従って、負極の上部では、硫酸鉛の量（第５物理量）が小さくなり、負極の下部では、大きくなり、負極サルフェーションが生じることがある。
　成層化（電解液比重の上下差）が生じることで、負極サルフェーションの上下差も生じる。

　上記構成によれば、物理量を高さ方向の位置に応じて特定し、高さ方向の差を加味して鉛蓄電池の劣化を推定できる。

　上述の推定装置において、前記導出履歴は、放電電気量を温度に基づく係数により補正した有効放電電気量、充電電気量を温度に基づく係数により補正した有効充電電気量、又は温度に所定の係数を乗じて積算した温度積算値を含んでもよい。
　補正係数には、温度だけでなく、放電量、電流値、電気量を含んでもよい。
　上記構成によれば、良好に物理量を特定できる。

　上述の推定装置において、前記特定部は、鉛蓄電池の電流、電圧、及び該鉛蓄電池の温度に基づく導出履歴を入力した場合に、第１物理量、第２物理量、第３物理量、第４物理量、第５物理量、第６物理量、第７物理量、第８物理量，及び第９物理量のうちの少なくとも１つの物理量を出力する第１学習モデルに、導出した前記導出履歴を入力して、少なくとも１つの物理量を特定してもよい。
　上記構成によれば、第１学習モデルを用いて、容易に、良好に、物理量を特定できる。

　上述の推定装置において、前記推定部は、第１物理量、第２物理量、第３物理量、第４物理量、第５物理量、第６物理量、第７物理量、第８物理量，及び第９物理量のうちの少なくとも１つの物理量を入力した場合に、鉛蓄電池の劣化の度合を出力する第２学習モデルに、特定した前記少なくとも１つの物理量を入力して、劣化の度合を推定してもよい。
　上記構成によれば、第２学習モデルを用いて、容易に、良好に、劣化の度合を推定できる。

　上述の推定装置において、前記特定部は、導出履歴、及び前記鉛蓄電池の設計情報に基づいて、前記少なくとも１つの物理量を特定してもよい。
　上記構成によれば、設計情報も加味して、良好に物理量を特定できる。

　上述の推定装置において、前記設計情報は、極板の枚数、正極活物質量、正極格子の質量、正極格子の厚さ、正極格子のデザイン、正極電極材料の密度、正極電極材料の組成、正極活物質材料中の添加剤の量及び種類、正極合金の組成、正極板に当接する不織布の有無並びに厚さ、材質及び通気度、負極活物質量、負極電極材料のカーボン量及び種類、負極電極材料の添加剤の量及び種類、負極電極材料の比表面積、電解液の添加剤の種類及び濃度、並びに電解液の比重及び量からなる群から選択される少なくとも１つであってもよい。
　上記構成によれば、良好に物理量を特定できる。

　上述の推定装置において、前記推定部は、前記少なくとも１つの物理量、及び前記鉛蓄電池の診断情報に基づいて、劣化の度合を推定してもよい。
　上記構成によれば、診断情報も加味して、良好に劣化度合を推定できる。

　上述の推定装置において、前記診断情報は、内部抵抗、開放電圧（ＯＣＶ：Ｏｐｅｎ　Ｃｉｒｃｕｉｔ　Ｖｏｌｔａｇｅ）、及びＳＯＣ（Ｓｔａｔｅ　Ｏｆ　Ｃｈａｒｇｅ）からなる群から選択される少なくとも１つであってもよい。
　上記構成によれば、良好に劣化要因の度合を特定できる。

　上述の推定装置において、前記導出履歴と、前記特定部が特定した前記劣化の度合又は前記診断情報を記憶する記憶部と、前記劣化の度合又は前記診断情報と、閾値とに基づいて、前記鉛蓄電池が交換されたと判定した場合に、前記導出履歴、及び前記劣化の度合又は前記診断情報を消去する履歴消去部とを備えてもよい。
　ここで、履歴の消去とは、記憶部における情報を消去するだけでなく、導出履歴の算出における積算の開始時点を前記鉛蓄電池が交換されたと判断する時点にすることも含む。

　上記構成によれば、劣化の度合又は診断情報により、鉛蓄電池の劣化が進行したと判定し、鉛蓄電池を交換した場合に、例えば後述する使用履歴ＤＢのデータをリセットできる。

　実施形態に係る推定方法は、鉛蓄電池の電流、電圧、及び該鉛蓄電池の温度に基づく導出履歴を導出し、導出した前記導出履歴、並びに電流、電圧、及び前記鉛蓄電池の温度に基づく第１履歴と、正極活物質量の第１物理量との第１関係、電流、電圧、及び前記鉛蓄電池の温度に基づく第２履歴と、正極電極材料の比表面積の第２物理量との第２関係、電流、電圧、及び前記鉛蓄電池の温度に基づく第３履歴と、正極電極材料のかさ密度の第３物理量との第３関係、電流、電圧、及び前記鉛蓄電池の温度に基づく第４履歴と、正極活物質粒子のクラスターサイズの第４物理量との第４関係、電流、電圧、及び前記鉛蓄電池の温度に基づく第５履歴と、負極電極材料の硫酸鉛の蓄積量の第５物理量との第５関係、電流、電圧、及び前記鉛蓄電池の温度に基づく第６履歴と、負極電極材料の比表面積の第６物理量との第６関係、電流、電圧、及び前記鉛蓄電池の温度に基づく第７履歴と、正極格子の腐食量の第７物理量との第７関係、電流、電圧、及び前記鉛蓄電池の温度に基づく第８履歴と、正極板の抵抗率の第８物理量との第８関係、及び電流、電圧、及び前記鉛蓄電池の温度に基づく第９履歴と、負極板の抵抗率の第９物理量との第９関係からなる群から選択される少なくとも１つの関係に基づいて、第１物理量、第２物理量、第３物理量、第４物理量、第５物理量、第６物理量、第７物理量、第８物理量、及び第９物理量のうちの少なくとも１つの物理量を特定し、特定した前記少なくとも１つの物理量に基づいて、前記鉛蓄電池の劣化の度合を推定する。

　上記構成によれば、電流、電圧、及び温度に基づく導出履歴を導出し、予め求めてある、履歴と物理量との関係に基づいて、１以上の物理量を特定し、これに基づいて鉛蓄電池の劣化の度合を推定する。正極格子の腐食，正極電極材料の軟化，負極サルフェーション，負極電極材料の収縮等の劣化要因を反映する物理量を特定して、良好に鉛蓄電池の劣化を推定できる。劣化を予測することにより、故障リスクを推定し、突然の使用不能状態に陥ることを回避できる。

　実施形態に係るコンピュータプログラムは、鉛蓄電池の電流、電圧、及び該鉛蓄電池の温度に基づく導出履歴を導出し、導出した前記導出履歴、並びに電流、電圧、及び該鉛蓄電池の温度に基づく第１履歴と、正極活物質量の第１物理量との第１関係、電流、電圧、及び該鉛蓄電池の温度に基づく第２履歴と、正極電極材料の比表面積の第２物理量との第２関係、電流、電圧、及び該鉛蓄電池の温度に基づく第３履歴と、正極電極材料のかさ密度の第３物理量との第３関係、電流、電圧、及び前記鉛蓄電池の温度に基づく第４履歴と、正極活物質粒子のクラスターサイズの第４物理量との第４関係、電流、電圧、及び該鉛蓄電池の温度に基づく第５履歴と、負極電極材料の硫酸鉛の蓄積量の第５物理量との第５関係、電流、電圧、及び該鉛蓄電池の温度に基づく第６履歴と、負極電極材料の比表面積の第６物理量との第６関係、電流、電圧、及び該鉛蓄電池の温度に基づく第７履歴と、正極格子の腐食量の第７物理量との第７関係、電流、電圧、及び該鉛蓄電池の温度に基づく第８履歴と、正極板の抵抗率の第８物理量との第８関係、及び電流、電圧、及び該鉛蓄電池の温度に基づく第９履歴と、負極板の抵抗率の第９物理量との第９関係からなる群から選択される少なくとも１つの関係に基づいて、第１物理量、第２物理量、第３物理量、第４物理量、第５物理量、第６物理量、第７物理量、第８物理量、及び第９物理量のうちの少なくとも１つの物理量を特定し、特定した前記少なくとも１つの物理量に基づいて、前記鉛蓄電池の劣化の度合を推定する処理をコンピュータに実行させる。

（実施形態１）
　図１は実施形態１に係る充放電システム１、負荷１３、及びサーバ９の構成を示すブロック図、図２はＢＭＵ３の構成を示すブロック図である。
　充放電システム１は、鉛蓄電池（以下、電池という）２と、ＢＭＵ（Ｂａｔｔｅｒｙ　Ｍａｎａｇｅｍｅｎｔ　Ｕｎｉｔ）３と、電圧センサ４と、電流センサ５と、温度センサ６と、制御装置７とを備える。

　ＢＭＵ３は、制御部３１、記憶部３２、入力部３６、及び通信部３７を備える。ＢＭＵ３は、電池ＥＣＵであってもよい。
　制御装置７は充放電システム１全体を制御し、制御部７１、記憶部７２、及び通信部７７を備える。
　サーバ９は、制御部９１、及び通信部９２を備える。
　制御装置７の制御部７１は、通信部７７、ネットワーク１０、及び通信部９２を介し、制御部９１と接続されている。
　電池２は、端子１１，１２を介して負荷１３に接続している。

　制御部３１、７１、及び９１は、例えばＣＰＵ（Ｃｅｎｔｒａｌ　Ｐｒｏｃｅｓｓｉｎｇ　Ｕｎｉｔ）、ＲＯＭ（Ｒｅａｄ　Ｏｎｌｙ　Ｍｅｍｏｒｙ）及びＲＡＭ（Ｒａｎｄｏｍ　Ａｃｃｅｓｓ　Ｍｅｍｏｒｙ）等により構成され、ＢＭＵ３、制御装置７、及びサーバ９の動作を制御する。
　記憶部３２、記憶部７２は、例えばハードディスクドライブ（ＨＤＤ）等により構成され、各種のプログラム及びデータを記憶する。
　通信部３７、７７、及び９２は、ネットワークを介して他の装置との間で通信を行う機能を有し、所要の情報の送受信を行うことができる。

　ＢＭＵ３の記憶部３２には、劣化推定のプログラム３３が格納されている。プログラム３３は、例えばＣＤ－ＲＯＭやＤＶＤ－ＲＯＭ、ＵＳＢメモリ等のコンピュータ読み取り可能な記録媒体４０に格納された状態で提供され、ＢＭＵ３にインストールすることにより記憶部３２に格納される。また、通信網に接続されている図示しない外部コンピュータからプログラム３３を取得し、記憶部３２に記憶させることにしてもよい。

　記憶部３２には、履歴と、物理量と、電池２の劣化度合とを記憶した劣化度合ＤＢ３４、及び各電池２につき、導出履歴と、物理量と、劣化度合とを記憶した使用履歴ＤＢ３５も記憶している。劣化度合ＤＢ３４及び使用履歴ＤＢ３５の詳細は後述する。
　入力部３６は、電圧センサ４、電流センサ５、及び温度センサ６からの検出結果の入力を受け付ける。

　実施形態においては、ＢＭＵ３が本発明の推定装置として機能する。制御装置７、及びサーバ９のいずれかが、推定装置として機能してもよい。ＢＭＵ３が推定装置として機能する場合においても、プログラム３３及び劣化度合ＤＢ３４、使用履歴ＤＢ３５は必ずしも全てが記憶部３２に含まれる必要はない。実施形態に応じて、プログラム３３及び劣化度合ＤＢ３４、使用履歴ＤＢ３５のいずれかは、又は、これらの全ては、制御装置７に含まれてもよく、サーバ９に含まれてもよい。なお、サーバ９が推定装置として機能しない場合、充放電システム１がサーバ９に接続されていなくてもよい。

　電圧センサ４は、電池２に並列に接続されており、電池２の全体の電圧に応じた検出結果を出力する。
　電流センサ５は、電池２に直列に接続されており、電池２の電流に応じた検出結果を出力する。なお、電流センサ５は、例えばクランプ式電流センサのように、電池２に電気的に接続していないものを用いることもできる。
　温度センサ６は、電池２の近傍に配置されており、電池２の温度に応じた検出結果を出力する。なお、劣化の予測には、電池２の温度として、電池２の電解液の温度を用いるのが好ましい。このため、温度センサ６が配置される位置に応じて、温度センサ６が検出した温度が電解液の温度となるように温度補正してもよい。

　図３は、一例としての自動車用液式電池である、電池２の外観構成を示す斜視図、図４は図３のＩＶ－ＩＶ線断面図である。
　図３及び図４に示すように、電池２は、電槽２０と、正極端子２８と、負極端子２９と、複数の極板群２３とを備える。

　電槽２０は、電槽本体２０１と、蓋２０２とを有する。電槽本体２０１は、上部が開口した直方体状の容器であり、例えば合成樹脂等により形成されている。例えば合成樹脂製の蓋２０２は、電槽本体２０１の開口部を閉塞する。蓋２０２の下面の周縁部分と電槽本体２０１の開口部の周縁部分とは例えば熱溶着によって接合される。電槽２０内の空間は、隔壁２７によって、電槽２０の長手方向に並ぶ複数のセル室２１に区画されている。

　電槽２０内の各セル室２１には、１つの極板群２３が収容されている。電槽２０内の各セル室２１には、希硫酸を含む電解液２２が収容されており、極板群２３の全体が電解液２２中に浸漬している。電解液２２は、蓋２０２に設けられた注液口（図示せず）からセル室２１内に注入される。

　極板群２３は、複数の正極板２３１と、複数の負極板２３５と、セパレータ２３９とを備える。複数の正極板２３１及び複数の負極板２３５は、交互に並ぶように配置されている。

　正極板２３１は、正極格子２３２と、正極格子２３２に支持された正極電極材料２３４とを有する。正極格子２３２は、略格子状又は網目状に配置された骨部を有する導電性部材であり、例えば鉛又は鉛合金により形成されている。正極格子２３２は、上端付近に、上方に突出する耳２３３を有する。正極電極材料２３４は、酸化還元反応により容量を発現する正極活物質（二酸化鉛もしくは硫酸鉛）を含んでいる。正極電極材料２３４は、さらに公知の添加剤を含んでもよい。

　負極板２３５は、負極格子２３６と、負極格子２３６に支持された負極電極材料２３８とを有する。負極格子２３６は、略格子状又は網目状に配置された骨部を有する導電性部材であり、例えば鉛又は鉛合金により形成されている。負極格子２３６は、上端付近に、上方に突出する耳２３７を有する。負極電極材料２３８は、酸化還元反応により容量を発現する負極活物質（鉛もしくは硫酸鉛）を含んでいる。負極電極材料２３８は、さらに公知の添加剤を含んでもよい。

　セパレータ２３９は、例えばガラスまたは合成樹脂等の絶縁性材料により形成されている。セパレータ２３９は、互いに隣り合う正極板２３１と負極板２３５との間に介在する。セパレータ２３９は、一体の部材として構成されてもよく、正極板２３１と負極板２３５との間に各別に設けてもよい。セパレータ２３９は正極板２３１及び負極板２３５のいずれかを包装するように配置してもよい。

　複数の正極板２３１の耳２３３は、例えば鉛又は鉛合金により形成されたストラップ２４に接続されている。複数の正極板２３１は、ストラップ２４を介して電気的に接続されている。同様に、複数の負極板２３５の耳２３７は、例えば鉛又は鉛合金により形成されたストラップ２５に接続されている。複数の負極板２３５は、ストラップ２５を介して電気的に接続されている。

　電池２において、一のセル室２１内のストラップ２５は、例えば鉛又は鉛合金により形成された中間ポール２６を介して、前記一のセル室２１に隣接する一方のセル室２１内のストラップ２４に接続されている。また、前記一のセル室２１内のストラップ２４は、中間ポール２６を介して、前記一のセル室２１に隣接する他方のセル室２１内のストラップ２５に接続されている。即ち、電池２の複数の極板群２３は、ストラップ２４，２５及び中間ポール２６を介して電気的に直列に接続されている。なお、図４に示すように、セルＣが並ぶ方向の一端に位置するセル室２１に収容されたストラップ２４は、中間ポール２６ではなく、後述する正極柱２８２に接続されている。セルＣが並ぶ方向の他端に位置するセル室２１に収容されたストラップ２５は、中間ポール２６ではなく、負極柱２９２に接続されている（不図示）。

　正極端子２８は、セルＣが並ぶ方向の一端部に配置されており、負極端子２９は、前記方向の他端部付近に配置されている。

　図４に示すように、正極端子２８は、ブッシング２８１と、正極柱２８２とを含む。ブッシング２８１は、略円筒状の導電性部材であり、例えば鉛合金により形成されている。ブッシング２８１の下側部分は、インサート成形により蓋２０２に一体化されており、ブッシング２８１の上部は、蓋２０２の上面から上方に突出している。正極柱２８２は、略円柱状の導電性部材であり、例えば鉛合金により形成されている。正極柱２８２は、ブッシング２８１の孔に挿入されている。正極柱２８２の上端部は、ブッシング２８１の上端部と略同じ位置に位置しており、例えば溶接によりブッシング２８１に接合されている。正極柱２８２の下端部は、ブッシング２８１の下端部より下方に突出し、さらに、蓋２０２の下面より下方に突出しており、セルＣが並ぶ方向の一端部に位置するセル室２１に収容されたストラップ２４に接続されている。
　負極端子２９は、正極端子２８と同様に、ブッシング２９１と、負極柱２９２とを含み（図３参照）、正極端子２８と同様の構成を有する。

　電池２の放電の際には、正極端子２８のブッシング２８１及び負極端子２９のブッシング２９１に負荷（図示せず）が接続され、各極板群２３の正極板２３１での反応（二酸化鉛から硫酸鉛が生ずる反応）及び負極板２３５での反応（鉛（海綿状鉛）から硫酸鉛が生ずる反応）により生じた電力が該負荷に供給される。また、電池２の充電の際には、正極端子２８のブッシング２８１及び負極端子２９のブッシング２９１に電源（図示せず）が接続され、該電源から供給される電力によって各極板群２３の正極板２３１での反応（硫酸鉛から二酸化鉛が生ずる反応）及び負極板２３５での反応（硫酸鉛から鉛（海綿状鉛）が生ずる反応）が起こり、電池２が充電される。　

　図５は、上述の劣化度合ＤＢ３４のレコードレイアウトの一例を示す説明図である。
　劣化度合ＤＢ３４は、Ｎｏ．列、生涯有効放電電気量列，生涯有効充電電気量列，生涯有効過充電電気量列，温度積算値列，放置時間列、ＳＯＣ滞在時間列等の履歴列、正極格子厚さ列等の設計情報列、診断情報列、第１物理量列，第２物理量列，第３物理量列，第４物理量列，第５物理量列，第６物理量列，第７物理量列，第８物理量、及び第９物理量列等の物理量列、並びに劣化度合列を記憶している。

　Ｎｏ．列は、複数の異なる電池２の劣化度合のＮｏ．、同一の電池２の異なるタイミングでの劣化度合のＮｏ．を記憶している。生涯有効放電電気量列は、例えば１分毎に電池２の放電電気量を測定し、該放電電気量に、その時点の電池２の温度に基づく係数を乗じた有効放電電気量の積算値を記憶している。生涯有効充電電気量列は、例えば１分毎に電池２の充電電気量を測定し、該充電電気量に、その時点の電池２の温度に基づく係数を乗じた有効充電電気量の積算値を記憶している。生涯有効過充電電気量列は、有効充電電気量から有効放電電気量を減じた有効過充電電気量の積算値を記憶している。
　温度積算値列は、例えば－２０℃から８０℃まで、１０℃間隔毎に、各温度間隔の中心温度に所定の係数及び時間を乗じた積算値を記憶している。
　放置時間は駐車時間の積算値を記憶している。

　ＳＯＣ滞在時間列は、ＳＯＣ０～２０％滞在時間，ＳＯＣ２０～４０％滞在時間，ＳＯＣ４０～６０％滞在時間，ＳＯＣ６０～８０％滞在時間，及びＳＯＣ８０～１００％滞在時間等を記憶している。ＳＯＣ０～２０％滞在時間は、例えば１時間単位で平均ＳＯＣを求め、平均ＳＯＣが０～２０％の範囲内であった時間の積算値を記憶している。同様に、ＳＯＣ２０～４０％滞在時間、ＳＯＣ４０～６０％滞在時間、ＳＯＣ６０～８０％滞在時間、ＳＯＣ８０～１００％滞在時間は、平均ＳＯＣが２０～４０％の範囲内、４０～６０％の範囲内、６０～８０％の範囲内、８０～１００％の範囲内であった時間の積算値を記憶している。
　正極格子厚さ列は、正極格子の厚さを記憶している。
　診断情報列は、内部抵抗、ＳＯＣ、ＯＣＶ等の診断情報を記憶している。

　第１物理量列は、正極活物質量を記憶している。図５では第１物理量は０から５までの６段階の評価で表している。評価は、「０」が正極活物質量の減少率が０％であり、数字が大きくなるに従って減少率が大きくなり、「５」の場合、減少率４０％以上である。

　第２物理量列は、正極電極材料の比表面積を記憶している。第２物理量は６段階の評価で表す。評価は上記と同様に、「０」が減少率が０％であり、数字が大きくなるに従って減少率が大きくなり、「５」の場合、減少率８０％以上である。

　第３物理量列は、正極電極材料のかさ密度を記憶している。第３物理量は６段階の評価で表す。評価は上記と同様に、「０」が減少率が０％であり、数字が大きくなるに従って減少率が大きくなり、「５」の場合、減少率４０％以上である。

　第４物理量列は、正極活物質粒子のクラスターサイズを記憶している。第４物理量は６段階の評価で表す。評価は、「０」が低下率が０％であり、数字が大きくなるに従って低下率が大きくなり、「５」の場合、低下率９９．０％以上である。

　第５物理量列は、負極電極材料の硫酸鉛の蓄積量を記憶している。第５物理量は６段階の評価で表す。評価は、「０」が０％であり、数字が大きくなるに従って蓄積量は大きくなり、「５」の場合、蓄積量６０％以上である。
　第６物理量列は、負極電極材料の比表面積を記憶している。第６物理量は６段階の評価で表す。評価は、「０」が減少率が０％であり、数字が大きくなるに従って減少率が大きくなり、「５」の場合、減少率５０％以上である。

　第７物理量列は、正極格子の腐食量を記憶している。第７物理量は金属Ｐｂ（又はＰｂ合金）の腐食による減少量を６段階の評価で表す。評価は、「０」が０％であり、数字が大きくなるに従って比率が大きくなり、「５」の場合、４０％以上である。
　第８物理量列は、正極板の抵抗率を記憶している。第８物理量は６段階の評価で表す。評価は、「０」が抵抗率が０％であり、数字が大きくなるに従って比率が大きくなり、「５」の場合、１００％以上である。
　第９物理量列は、負極板の抵抗率を記憶している。第８物理量は６段階の評価で表す。評価は、「０」が抵抗率が０％であり、数字が大きくなるに従って比率が大きくなり、「５」の場合、１００％以上である。

　なお、第１物理量、第２物理量、第３物理量、第４物理量、第５物理量、第６物理量、第７物理量、第８物理量、第９物理量の評価は６段階に限定されるものではなく、１００段階でもよく、物理量の数値でもよい。

　劣化度合列は、１０段階の評価で表した劣化度合を記憶している。劣化度合の１～１０の数値は、例えばＳＯＨ（Ｓｔａｔｅ　ｏｆ　Ｈｅａｌｔｈ：容量維持率等）の範囲に基づいて定める。下記割合をＳＯＨと定めた場合、「１」がＳＯＨ９０～１００％の範囲であり、「１０」はＳＯＨ０～１０％の範囲である。ＳＯＨは電池２に期待される特性に基づいて定めることができる。例えば、使用可能期間を基準とし、評価の時点において残存する使用可能期間の割合をＳＯＨと定めてもよい。常温ハイレート放電時の電圧を基準とし、評価の時点における常温ハイレート放電時の電圧をＳＯＨの評価に用いてもよい。いずれの場合においても、ＳＯＨが１０のときは、電池２の機能が喪失した状態を表す。

　劣化度合ＤＢ３４に記憶される情報は上述の場合に限定されない。
　設計情報として、正極格子の厚さ以外に、正極板および負極板の枚数、正極活物質量、正極格子の質量、正極格子のデザイン、正極電極材料の密度、正極電極材料の組成、正極電極材料中の添加剤の量及び種類、正極合金の組成、正極板に当接する不織布の有無並びに厚さ、材質及び通気度、負極活物質量、負極電極材料のカーボン量及び種類、負極電極材料中の添加剤の量及び種類、負極電極材料の比表面積、電解液の添加剤の種類及び濃度、並びに電解液の比重からなる群から選択される少なくとも１つを記憶してもよい。
　診断情報として内部抵抗、ＯＣＶを記憶する場合、内部抵抗、ＯＣＶはＳＯＣに依存するため、別途取得したＳＯＣによって、内部抵抗、ＯＣＶを補正してもよい。

　図６は、上述の使用履歴ＤＢ３５のレコードレイアウトの一例を示す説明図である。
　使用履歴ＤＢ３５は、電池２毎に、各推定時点の履歴、設計情報、診断情報、物理量、及び劣化度合を記憶している。図６はＩＤＮｏ．１の電池２の使用履歴を示している。使用履歴ＤＢ３５は、Ｎｏ．列、生涯有効放電電気量列，生涯有効充電電気量列，生涯有効過充電電気量列，温度積算値列，放置時間、ＳＯＣ滞在時間列等の導出履歴列、正極格子厚さ列等の設計情報列、診断情報列、第１物理量列，第２物理量列，第３物理量列，第４物理量列，第５物理量列，第６物理量列，第７物理量列，第８物理量列，及び第９物理量列等の物理量列、並びに劣化度合列を記憶している。Ｎｏ．列は、各推定時点のＮｏ．を記憶している。導出履歴列、設計情報列、診断情報列は、劣化度合ＤＢ３４の履歴列、設計情報列、診断情報列と同様の内容を記憶している。

　第１物理量列、第２物理量列、第３物理量列、第４物理量列、第５物理量列、第６物理量列、第７物理量列、第８物理量列、及び第９物理量は、後述するように、各推定時点の導出履歴に基づいて特定した第１物理量、第２物理量、第３物理量、第４物理量、第５物理量、第６物理量、第７物理量、第８物理量、及び第９物理量を記憶している。
　劣化度合列は、特定した第１物理量、第２物理量、第３物理量、第４物理量、第５物理量、第６物理量、第７物理量、第８物理量、及び第９物理量の少なくとも１以上に基づいて推定した劣化度合を記憶している。
　使用履歴ＤＢ３５に記憶される情報は上述の場合に限定されない。

　以下、劣化度合の推定方法について説明する。
　図７は、制御部３１による劣化度合の推定処理の手順を示すフローチャートである。制御部３１は所定の推定時点で、以下の処理を行う。
　制御部３１は、ＩＤＮｏ．１の電池２につき、推定時点で取得した電圧、電流、温度に基づいて生涯有効放電電気量等の使用履歴（導出履歴）を導出し、使用履歴ＤＢ３５に記憶する（Ｓ１）。

　制御部３１は劣化度合ＤＢ３４を読み出し、劣化度合ＤＢ３４のデータから導出される、第１履歴と第１物理量との第１関係、及び導出履歴に基づいて、第１物理量を特定し、使用履歴ＤＢ３５に記憶する（Ｓ２）。制御部３１は、同様に、劣化度合ＤＢ３４のデータから導出される、第２履歴と第２物理量との第２関係及び導出履歴に基づいて第２物理量を特定し、第３履歴と第３物理量との第３関係及び導出履歴に基づいて第３物理量を特定し、第４履歴と第４物理量との第４関係及び導出履歴に基づいて第４物理量を特定し、使用履歴ＤＢ３５に記憶する。制御部３１は、同様に、第５履歴と第５物理量との第５関係及び導出履歴に基づいて第５物理量を特定し、第６履歴と第６物理量との第６関係及び導出履歴に基づいて第６物理量を特定し、第７履歴と第７物理量との第７関係及び導出履歴に基づいて第７物理量を特定し、第８履歴と第８物理量との第８関係及び導出履歴に基づいて第８物理量を特定し、第９履歴と第９物理量との第９関係及び導出履歴に基づいて第９物理量を特定し、使用履歴ＤＢ３５に記憶する。第１履歴、第２履歴、第３履歴、第４履歴、第５履歴、第６履歴、第７履歴、第８履歴、第９履歴は同一であっても異なっていてもよい。例えば、第１履歴の場合、生涯有効放電電気量、温度積算値、使用期間等の履歴を含む。制御部３１は、第１物理量、第２物理量、第３物理量、第４物理量、第５物理量、第６物理量、第７物理量、第８物理量、及び第９物理量のうちの少なくとも１以上を特定する。

　制御部３１は、劣化度合ＤＢ３４のデータから導出される、第１物理量、第２物理量、第３物理量、第４物理量、第５物理量、第６物理量、第７物理量、第８物理量、及び第９物理量のうちの少なくとも１以上と、劣化度合との関係に基づいて、特定した物理量から劣化度合を推定し、使用履歴ＤＢ３５に記憶し（Ｓ３）、処理を終了する。
　劣化度合ＤＢ３４に設計情報も記憶している場合、Ｓ２において、第１履歴と設計情報と第１物理量との第１関係及び導出履歴に基づいて、第１物理量を特定する。第１物理量を設計情報により補正してもよい。第２物理量から第９物理量も、同様に、第２履歴から第９履歴と設計情報と、第２物理量から第９物理量との関係及び導出履歴に基づいて特定する。
　劣化度合ＤＢ３４に診断情報も記憶している場合、Ｓ３において、劣化度合を診断情報により補正してもよい。
　劣化度合ＤＢ３４には、第１関係、第２関係、第３関係、第４関係、第５関係、第６関係、第７関係、第８関係、及び第９関係の関数を記憶しおいてもよい。

　制御部３１は、推定した劣化度合、又は診断情報と、予め設定した閾値とに基づいて、電池２が交換されたと判定した場合に、使用履歴ＤＢ３５のデータを消去し、リセットしてもよい。なお、制御部３１は、電池２が交換されたと判定した場合に、使用履歴ＤＢ３５のデータをリセットする以外の動作を行ってもよい。すなわち、制御部３１は、電池２が交換されたと判定した場合に、使用履歴ＤＢ３５に記憶される、履歴情報の積算の開始時点を、電池２が交換されたと判断した時点としてもよい。

　本実施形態によれば、電流、電圧、及び温度に基づく履歴を導出し、予め求めてある、履歴と物理量との関係に基づいて、１以上の物理量を特定して劣化要因の劣化の度合を特定し、これに基づいて、良好に電池２の劣化の度合を推定する。

（実施形態２）
　図８は、実施形態２に係る制御装置７の構成を示すブロック図である。
　実施形態２に係る充放電システム１は、制御装置７が、記憶部７２に、劣化推定のためのプログラム７３、劣化度合ＤＢ７４、使用履歴ＤＢ７５、学習モデルＤＢ７６を記憶していること以外は、実施形態１に係る充放電システム１と同様の構成を有する。
　学習モデルＤＢ７６は、後述する第１学習モデルと第２学習モデルとを記憶している。
　劣化度合ＤＢ７４は、劣化度合ＤＢ３４と同様の構成を有する。

　図９は、使用履歴ＤＢ７５のレコードレイアウトの一例を示す説明図である。
　使用履歴ＤＢ７５は、電池２毎に、各推定時点の履歴、設計情報、診断情報、物理量、実測の物理量、劣化度合、及び実測に基づく劣化度合を記憶している。図９はＩＤＮｏ．１の電池２の使用履歴を示している。使用履歴ＤＢ７５は、Ｎｏ．列、生涯有効放電電気量列，生涯有効充電電気量列，生涯有効過充電電気量列，温度積算値列，放置時間，ＳＯＣ滞在時間列等の履歴列、正極格子厚さ等の設計情報列、診断情報列、第１物理量列，第２物理量列，第３物理量列，第４物理量列，第５物理量列，第６物理量列，第７物理量列，第８物理量列，及び第９物理量列等の物理量列、実測第１物理量列，実測第２物理量列，実測第３物理量列，実測第４物理量列，実測第５物理量列，実測第６物理量列，実測第７物理量列，実測第８物理量列，及び実測第９物理量列等の実測物理量列、劣化度合列、及び実測劣化度合列を記憶している。Ｎｏ．列は、各推定時点のＮｏ．を記憶している。履歴、設計情報、診断情報は、劣化度合ＤＢ３４の履歴、診断情報、設計情報と同様の内容を記憶している。

　第１物理量列、第２物理量列、第３物理量列、第４物理量列、第５物理量列、第６物理量列、第７物理量列、第８物理量列、第９物理量列は、後述するように、各推定時点の使用履歴を第１学習モデルに入力して特定した第１物理量、第２物理量、第３物理量、第４物理量、第５物理量、第６物理量、第７物理量、第８物理量、第９物理量を記憶している。
　劣化度合列は、特定した第１物理量、第２物理量、第３物理量、第４物理量、第５物理量、第６物理量、第７物理量、第８物理量、第９物理量の１以上を第２学習モデルに入力して推定した劣化度合を記憶している。

　実測第１物理量列、実測第２物理量列、実測第３物理量列、実測第４物理量列、実測第５物理量列、実測第６物理量列、実測第７物理量列、実測第８物理量列、実測第９物理量列は夫々、実測により求めた第１物理量、第２物理量、第３物理量、第４物理量、第５物理量、第６物理量、第７物理量、第８物理量、第９物理量を記憶している。
　実測劣化度合列は、実測によりＳＯＨを求めて、判定した劣化度合を記憶している。
　実測による物理量、及び実測による劣化度合は、後述する再学習に用いるために求めており、全ての推定時点において求める必要はない。

　図１０は、第１学習モデルの一例を示す模式図である。
　第１学習モデルは、人工知能ソフトウェアの一部であるプログラムモジュールとしての利用が想定される学習モデルであり、多層のニューラルネットワーク（深層学習）を用いることができ、例えば畳み込みニューラルネットワーク（Ｃｏｎｖｏｌｕｔｉｏｎａｌ　Ｎｅｕｒａｌ　Ｎｅｔｗｏｒｋ：ＣＮＮ）を用いることができるが、リカレントニューラルネットワーク（Ｒｅｃｕｒｒｅｎｔ　Ｎｅｕｒａｌ　Ｎｅｔｗｏｒｋ：ＲＮＮ）を用いてもよい。決定木、ランダムフォレスト、サポートベクターマシン等の他の機械学習を用いてもよい。制御部７１が、第１学習モデルからの指令に従って、第１学習モデルの入力層に入力された導出履歴情報に対し演算を行い、第１物理量、第２物理量、第３物理量、第４物理量、第５物理量、第６物理量、第７物理量、第８物理量、第９物理量とその確率とを出力するように動作する。図１０では、便宜上、２つ中間層を図示しているが、中間層の層数は２つに限定されず、３つ以上であってもよい。ＣＮＮの場合、コンボリューション層及びプーリング層を含む。ノード（ニューロン）の数も図１０の場合に限定されない。

　入力層、出力層及び中間層には、１又は複数のノードが存在し、各層のノードは、前後の層に存在するノードと一方向に所望の重みで結合されている。入力層のノードの数と同数の成分を有するベクトルが、第１学習モデルの入力データ（学習用の入力データ及び劣化要因の度合特定用の入力データ）として与えられる。入力データには、導出履歴情報として、生涯の有効放電電気量、生涯の有効充電電気量、生涯の有効過充電電気量、温度積算値、放置時間、ＳＯＣ滞在時間等が挙げられる。入力情報はこの場合に限定されない。上述の設計情報又は診断情報を入力してもよい。

　入力層の各ノードに与えられたデータは、最初の中間層に入力して与えられると、重み及び活性化関数を用いて中間層の出力が算出され、算出された値が次の中間層に与えられ、以下同様にして出力層の出力が求められるまで次々と後の層（下層）に伝達される。なお、ノードを結合する重みのすべては、学習アルゴリズムによって計算される。

　第１学習モデルの出力層は、出力データとして第１物理量、第２物理量、第３物理量、第４物理量、第５物理量、第６物理量、第７物理量、第８物理量、第９物理量を生成する。出力層のノードの数は物理量の数に対応する。例えば、第１物理量が夫々０から５までの評価値で表される場合、第１物理量のノードからは、０～５までの評価値と、夫々についての確率とが出力される。物理量は６段階の評価値で表す場合に限定されない。物理量は数値であってもよく、例えば第１物理量は正極活物質量であってもよい。
　出力層は、
　例えば、第１物理量　０…０．０８
　　　　　　　　　　　１…０．７８
　　　　　　　　　　　・・・
　　　　　　　　　　　５…０．０１
　　　　　・・・
　　　　　第９物理量　０…０．０４
　　　　　　　　　　　１…０．８２
　　　　　　　　　　　・・・
　　　　　　　　　　　５…０．０１のように出力する。
　制御部７１は、各物理量につき、所定値以上の確率の評価値と確率とを取得する。これにより、特定する物理量と評価値とが選択される。また、各物理量につき、確率が最大値である評価値を取得してもよい。

　また、出力層は、第１物理量、第２物理量、第３物理量、第４物理量、第５物理量、第６物理量、第７物理量、第８物理量、第９物理量夫々の評価値の組み合わせと、各組み合わせの確率とを出力する複数のノードを有してもよい。各物理量につき、０～５までの評価値と「不明」のいずれかを対応させることにした場合、最も確率が高い組み合わせにおいて「不明」の物理量を含むとき、該物理量は特定されないことになる。

　なお、学習モデル１５６がＣＮＮであるものとして説明したが、上述したようにＲＮＮを用いることができる。ＲＮＮでは、前の時刻の中間層を次の時刻の入力層と合わせて学習に用いる。

　図１１は、制御部７１による第１学習モデルの生成処理の手順を示すフローチャートである。
　制御部７１は、劣化度合ＤＢ７４を読み出し、各行の履歴と、第１物理量、第２物理量、第３物理量、第４物理量、第５物理量、第６物理量、第７物理量、第８物理量、第９物理量とを対応付けた教師データを取得する（Ｓ１１）。教師データは、履歴と、一の物理量とを対応付けたものであってもよい。

　制御部７１は教師データを用いて、履歴を入力した場合に第１物理量、第２物理量、第３物理量、第４物理量、第５物理量、第６物理量、第７物理量、第８物理量、第９物理量を出力する第１学習モデル（学習済みモデル）を生成する（Ｓ１２）。具体的には、制御部７１は、教師データを入力層に入力し、中間層での演算処理を経て、出力層から組み合わせと確率とを取得する。
　制御部７１は、出力層から出力された各物理量の特定結果を、教師データにおいて履歴情報に対しラベル付けされた情報、即ち正解値と比較し、出力層からの出力値が正解値に近づくように、中間層での演算処理に用いるパラメータを最適化する。該パラメータは、例えば上述の重み（結合係数）、活性化関数の係数等である。パラメータの最適化の方法は特に限定されないが、例えば制御部７１は誤差逆伝播法を用いて各種パラメータの最適化を行う。
　制御部７１は、劣化度合ＤＢ７４に含まれる各教師データの履歴情報について上記の処理を行い、第１学習モデルを生成する。制御部７１は、生成した第１学習モデルを記憶部７２に格納し、一連の処理を終了する。

　図１２は、第２学習モデルの一例を示す模式図である。
　第２学習モデルは、人工知能ソフトウェアの一部であるプログラムモジュールとしての利用が想定される学習モデルであり、例えばＣＮＮを用いることができるが、ＲＮＮを用いてもよい。ＲＮＮを用いる場合、劣化要因の度合の経時的な変動を入力する。他の機械学習を用いてもよい。制御部７１が、学習モデルからの指令に従って、第２学習モデルの入力層に入力された第１物理量、第２物理量、第３物理量、第４物理量、第５物理量、第６物理量、第７物理量、第８物理量、第９物理量に対し演算を行い、電池２の劣化度合とその確率とを出力するように動作する。図１２では、便宜上、２つ中間層を図示しているが、中間層の層数は２つに限定されず、３つ以上であってもよい。ノードの数も図１２の場合に限定されない。第１学習モデルで入力したデータを入力データとして含んでもよい。

　入力データには、第１物理量、第２物理量、第３物理量、第４物理量、第５物理量、第６物理量、第７物理量、第８物理量、第９物理量が入力される。入力データは少なくとも１以上の物理量を含む。

　第２学習モデルの出力層は、出力データとして劣化度合を生成する。出力層のノードの数は劣化度合の数に対応する。例えば、劣化度合が１から１０までの数値で表される場合、ノードの数を１０に設定できる。出力層は、各劣化度合と、各劣化度合の確率とを出力する。劣化度合は１０段階の評価値で表す場合には限定されない。
　出力層は、
　例えば、劣化度合１…０．０１
　　　　　劣化度合２…０．０７
　　　　　劣化度合３…０．８８
　　　　　・・・
　　　　　のように出力する。
　第２学習モデルは、第１学習モデルと同様にして生成される。

　図１３は、制御部７１による劣化度合の推定処理の手順を示すフローチャートである。
　制御部７１は、ＩＤＮｏ．１の電池２につき、推定時点で、生涯有効放電電気等の導出履歴を導出し、使用履歴ＤＢ７５に記憶する（Ｓ２１）。設計情報及び診断情報も記憶してもよい。
　制御部７１は、学習モデルＤＢ７６を読み出し、導出履歴を第１学習モデルに入力する（Ｓ２２）。
　制御部７１は、第１学習モデルが出力した物理量のうち、例えば評価値の確率が閾値以上であるものを特定する（Ｓ２３）。
　制御部７１は、特定した物理量を第２学習モデルに入力する（Ｓ２４）。
　制御部７１は、第２学習モデルが出力した劣化度合に基づき、期待値［Σ（劣化度×確率）］を取得して総合劣化度合を推定し（Ｓ２５）、処理を終了する。

　本実施形態によれば、第１学習モデルを用いて、容易に、良好に物理量を特定し、特定した物理量に基づいて、第２学習モデルを用い、容易に、良好に電池２の劣化を推定できる。前記実施形態においては、第１学習モデルが第１物理量、第２物理量、第３物理量、第４物理量、第５物理量、第６物理量、第７物理量、第８物理量、第９物理量を出力する場合につき説明しているが、これに限定されない。第１学習モデルにより１以上の物理量を特定し、これらを用いて劣化度合を推定すればよい。
　また、劣化度合の推定は第２学習モデルを用いて行う場合に限定されない。劣化度合ＤＢ７４から導出される、物理量と劣化度合との関係に基づいて劣化度合を推定してもよい。
　そして、物理量の特定を劣化度合ＤＢ７４から導出される、履歴と物理量との関係に基づいて行い、特定した物理量を第２学習モデルに入力して、劣化度合を取得してもよい。

　制御部７１は、第１学習モデル及び第２学習モデルを用いて推定した劣化度合と、実測により得られた劣化度合とに基づいて、劣化度合の推定の信頼度が向上するように、第１学習モデル及び第２学習モデルを再学習させることができる。例えば図９の使用履歴ＤＢ３５のＮｏ．２では、第１学習モデルにより推定した物理量と実測の物理量とが一致しているので、Ｎｏ．２の導出履歴に対し前記物理量とが対応付けられた教師データを多数入力して再学習させることで、前記物理量の確率を上げることができる。同様に、Ｎｏ．２では、第２学習モデルにより推定した劣化度合と実測の劣化度合とが一致しているので、Ｎｏ．２の前記物理量に対し前記劣化度合とが対応付けられた教師データを多数入力して再学習させることで、前記劣化度合の確率を上げることができる。Ｎｏ．３の場合、物理量と実測物理量とが一致せず、劣化度合と実測劣化度合とが一致していない。導出履歴に対し、実測物理量が対応付けられた教師データを入力して再学習させる。

　制御部７１は、推定した劣化度合、又は診断情報と、予め設定した閾値とに基づいて、電池２が交換された場合に、使用履歴ＤＢ７５のデータを消去し、リセットしてもよい。また、前記データのうち、実測劣化度合を含む行のデータは、劣化度合ＤＢ７４に記憶してもよい。制御部７１は、電池２が交換されたと判定した場合に、使用履歴ＤＢ７５に記憶される、履歴情報の積算の開始時点を、電池２が交換されたと判定した時点としてもよい。

（実施形態３）
　実施形態３に係る充放電システム１は、学習モデルＤＢ７６が、導出履歴を入力して、第１物理量、第２物理量、第３物理量、第４物理量、第５物理量、第６物理量、第７物理量、第８物理量、第９物理量それぞれの確率を出力する学習モデル（１）、学習モデル（２）、学習モデル（３）、学習モデル（４）、学習モデル（５）、学習モデル（６）、学習モデル（７）、学習モデル（８）、学習モデル（９）を記憶していること以外は、実施形態２に係る充放電システム１と同様の構成を有する。

　図１４は、学習モデル（１）、学習モデル（２）、・・・、学習モデル（８）、学習モデル（９）の一例を示す模式図である。
　学習モデル（１）は、人工知能ソフトウェアの一部であるプログラムモジュールとしての利用が想定される学習モデルであり、例えばＣＮＮを用いることができるが、ＲＮＮを用いてもよい。他の機械学習を用いてもよい。制御部７１が、学習モデル（１）からの指令に従って、学習モデル（１）の入力層に入力された使用履歴に対し演算を行い、電池２の第１物理量とその確率とを出力するように動作する。図１４では、便宜上、２つ中間層を図示しているが、中間層の層数は２つに限定されず、３つ以上であってもよい。ノードの数も図１４の場合に限定されない。

　学習モデル（１）の入力層には、生涯有効放電電気量、温度積算値、使用期間等の履歴が入力される。
　学習モデル（１）の出力層は、第１物理量を出力する。出力層のノードの数は第１物理量の数に対応する。例えば、第１物理量が０から５までの評価値で表される場合、ノードの数を６に設定できる。出力層は、第１物理量の評価値と、各評価値の確率とを出力する。
　出力層は、
　例えば、第１物理量　０…０．０８
　　　　　　　　　　　１…０．７８
　　　　　　　　　　　・・・
　　　　　　　　　　　５…０．０１
のように出力する。
　制御部７１は、劣化度合ＤＢ７４を読み出し、履歴に、第１物理量を対応させた教師データを取得し、該教師データを用いて学習モデル（１）を生成する。

　学習モデル（２）の入力層には、生涯有効放電電気量、温度積算値、使用期間等の履歴が入力される。
　学習モデル（２）の出力層は、第２物理量を出力する。出力層のノードの数は第２物理量の数に対応する。例えば、第２物理量が０から５までの数値で表される場合、ノードの数を６に設定できる。出力層は、第２物理量の評価値と、各評価値の確率とを出力する。
　制御部７１は、劣化度合ＤＢ７４を読み出し、履歴に、第２度合を対応させた教師データを取得し、該教師データを用いて学習モデルＢを生成する。

　同様に、学習モデル（３）、及び学習モデル（４）の入力層には、生涯有効放電電気量、温度積算値、使用期間等の履歴が入力される。
　学習モデル（３）、及び学習モデル（４）の出力層は、第３物理量、及び第４物理量の評価値及び各評価値の確率を出力する。

　同様に、学習モデル（５）及び学習モデル（６）の入力層には、生涯有効放電電気量、生涯有効充電電気量、温度積算値、使用期間、放置時間、各ＳＯＣ区分における滞在時間等の履歴が入力され、第５物理量の評価値及び各評価値の確率、第６物理量の評価値及び各評価値の確率を出力する。

　同様に、学習モデル（７）の入力層には、生涯有効放電電気量、温度積算値、使用期間、生涯有効過充電電気量等の履歴が入力される。第７物理量の評価値及び各評価値の確率を出力する。

　同様に、学習モデル（８）の入力層には、生涯有効放電電気量、生涯有効過充電電気量、温度積算値、使用期間等の履歴が入力され、第８物理量の評価値及び各評価値の確率を出力する。
　同様に、学習モデル（９）の入力層には、生涯有効充電電気量、温度積算値、使用期間、放置時間、各ＳＯＣ区分における滞在時間等の履歴が入力され、第９物理量の評価値及び各評価値の確率を出力する。

　以下、劣化度合の推定方法について説明する。
　図１５は、制御部７１による劣化度合の推定処理の手順を示すフローチャートである。制御部７１は所定の推定時点で、以下の処理を行う。
　制御部７１は、ＩＤＮｏ．１の電池２につき、推定時点で取得した電圧、電流、温度に基づいて生涯有効放電電気量、温度積算値、使用期間等の導出履歴を導出し、使用履歴ＤＢ７５に記憶する（Ｓ３１）。

　制御部７１は学習モデル（１）を読み出し、導出履歴を学習モデル（１）に入力する（Ｓ３２）。
　制御部７１は、学習モデル（１）が出力した第１物理量のうち、最も確率が高いものを特定し、使用履歴ＤＢ７５に記憶する（Ｓ３３）。
　制御部７１は、特定した第１物理量に基づいて劣化度合を推定し（Ｓ３４）、使用履歴ＤＢ７５に記憶し、処理を終了する。制御部７１は、劣化度合ＤＢ７４から導出される、第１物理量と劣化度合との関係に基づいて、劣化度合を推定することができる。第１物理量に対し劣化度合を対応させた教師データを用いて学習モデルを生成し、該学習モデルに特定した第１物理量を入力して、劣化度合を取得してもよい。

　第２物理量、第３物理量、第４物理量、第５物理量、第６物理量、第７物理量、第８物理量、第９物理量についても、上記と同様に、使用履歴を夫々学習モデル（２）、（３）、（４）、（５）、（６）、（７）、（８）、（９）に入力して、特定し、特定した物理量に基づいて、劣化度合を推定することができる。実施形態１及び２のように、第１物理量、第２物理量、第３物理量、第４物理量、第５物理量、第６物理量、第７物理量、第８物理量、第９物理量を組み合わせて劣化度合を推定してもよい。

　本実施形態によれば、学習モデル（１）～（９）を用いて、容易に、良好に劣化要因の度合を特定し、特定した劣化要因の度合に基づいて、良好に電池２の劣化を推定できる。学習モデル（１）～（９）は上述した場合に限定されない。また、学習モデル（１）～（９）には、導出履歴に加えて、設計情報又は診断情報を入力してもよい。

（実施形態４）
　実施形態４に係る充放電システム１は、第１物理量から第９物理量のうち少なくとも１つの物理量を、極板の高さ方向の位置に応じた履歴と、該位置における前記物理量との関係に基づいて特定すること以外は、実施形態１と同様の構成を有する。

　以下、劣化度合の推定方法について説明する。
　図１６は、劣化度合ＤＢ３４のレコードレイアウトの一例を示す説明図である。
　図１６の劣化度合ＤＢ３４は、図５の履歴列に加えて、履歴列として、さらに集電特性列及び電解液比重列を記憶している。集電特性列は、極板の上部、中部、下部の集電特性を記憶している。集電特性は充放電のし易さを５段階の評価値で表しており、１が最も充放電し易く、５が最も充放電し難い。電解液比重列は、極板の上側、中側、下側の比重を記憶している。電解液比重は１から５までの５段階の評価値で表し、３は電池２の製造当初の比重に対応し、数値が大きくなるのに従い、比重が低下し、１は比重が製造当初と比較し４～６％上昇した状態を示す。また、５は比重が４～６％低下した状態を示す。
　そして、第５物理量列は、極板の上部、中部、下部に応じて評価値を記憶している。第７物理量列は、極板の上部、中部、下部に応じて評価値を記憶している。第５物理量及び第７物理量の評価値は、他の物理量と同様に０から５までの６段階の数値で表す。
　劣化度合列は、極板の上部、中部、下部に応じて評価値を記憶している。さらに、総合的な評価値を記憶している。
　極板の上、中、下の位置に応じて記憶する履歴は、集電特性及び電解液比重には限定されない。
　極板の上、中、下の位置に応じて評価値を記憶する物理量は、第５物理量及び第７物理量に限定されない。

　図１７は、使用履歴ＤＢ３５のレコードレイアウトの一例を示す説明図である。
　図１７の使用履歴ＤＢ３５は、図６の導出履歴列に加えて、導出履歴列として、さらに集電特性列及び電解液比重列を記憶している。集電特性列は、極板の上部、中部、下部の集電特性を記憶している。電解液比重列は、極板の上側、中側、下側の比重を記憶している。
　そして、第５物理量列は、極板の上部、中部、下部に応じて評価値を記憶している。第７物理量列は、極板の上部、中部、下部に応じて評価値を記憶している。
　劣化度合列は、極板の上部、中部、下部に応じて評価値を記憶している。さらに、総合的な評価値を記憶している。

　図１８は、制御部３１による劣化度合の推定処理の手順を示すフローチャートである。制御部３１は所定の推定時点で、以下の処理を行う。
　制御部３１は、ＩＤＮｏ．１の電池２につき、推定時点で取得した電圧、電流、温度に基づいて生涯有効放電電気量等の導出履歴を導出し、使用履歴ＤＢ３５に記憶する（Ｓ４１）。

　制御部３１は劣化度合ＤＢ３４を読み出し、劣化度合ＤＢ３４のデータから導出される、第１履歴と第１物理量との第１関係、及び導出履歴に基づいて、第１物理量を特定し、使用履歴ＤＢ３５に記憶する（Ｓ４２）。制御部３１は、同様に、劣化度合ＤＢ３４のデータから導出される、第２履歴と第２物理量との第２関係及び導出履歴に基づいて第２物理量を特定し、第３履歴と第３物理量との第３関係及び導出履歴に基づいて第３物理量を特定し、第４履歴と第４物理量との第４関係及び導出履歴に基づいて第４物理量を特定する。制御部４１は、集電特性の上、中、下の評価値を含む第５履歴と第５物理量との第５関係及び導出履歴に基づいて第５物理量を上、中、下に応じて特定し、使用履歴ＤＢ３５に記憶する。制御部３１は、同様に、第６履歴と第６物理量との第６関係及び導出履歴に基づいて第６物理量を特定する。制御部３１は、集電特性の上、中、下の評価値を含む第７履歴と第７物理量との第７関係及び導出履歴に基づいて第７物理量を上、中、下に応じて特定する。制御部３１は第８履歴と第８物理量との第８関係及び導出履歴に基づいて第８物理量を特定し、第９履歴と第９物理量との第９及び導出履歴に基づいて第９物理量を特定し、使用履歴ＤＢ３５に記憶する。制御部３１は、第１物理量、第２物理量、第３物理量、第４物理量、第５物理量、第６物理量、第７物理量、第８物理量、及び第９物理量のうちの少なくとも１以上を特定する。

　制御部３１は、劣化度合ＤＢ３４のデータから導出される、第１物理量、第２物理量、第３物理量、第４物理量、第５物理量、第６物理量、第７物理量、第８物理量、及び第９物理量のうちの少なくとも１以上と、劣化度合との関係に基づいて、特定した物理量から劣化度合を推定し、使用履歴ＤＢ３５に記憶し（Ｓ４３）、処理を終了する。
　劣化度合ＤＢ３４に設計情報も記憶している場合、Ｓ４２において、第１履歴と設計情報と第１物理量との第１関係及び導出履歴に基づいて、第１物理量を特定する。第１物理量を設計情報により補正してもよい。第２物理量から第９物理量も、同様に、第２履歴から第９履歴と設計情報と、第２物理量から第９物理量との関係及び導出履歴に基づいて特定する。
　劣化度合ＤＢ３４に診断情報も記憶している場合、Ｓ４３において、劣化度合を診断情報により補正してもよい。

　本実施形態においては、物理量を高さ方向の位置に応じて特定し、高さ方向の差を加味して電池２の劣化を推定できる。物理量の特定及び劣化度合の推定は、学習モデルを用いて行ってもよい。

　本発明は上述した実施の形態の内容に限定されるものではなく、請求項に示した範囲で種々の変更が可能である。即ち、請求項に示した範囲で適宜変更した技術的手段を組み合わせて得られる実施形態も本発明の技術的範囲に含まれる。

　１　充放電システム
　２　電池（蓄電素子）
　３　ＢＭＵ
　３１、７１、９１　制御部（導出部、特定部、推定部、履歴消去部）
　３２、７２　記憶部
　３３、７３　プログラム
　３４、７４　劣化度合ＤＢ
　３５、７５　使用履歴ＤＢ
　３６　入力部
　３７、７７、９２　通信部
　７　制御装置
　７６　学習モデルＤＢ
　９　サーバ
　１０　ネットワーク
　１３　負荷

Claims

　鉛蓄電池の電流、電圧、及び該鉛蓄電池の温度に基づく導出履歴を導出する導出部と、
　導出した前記導出履歴、並びに
　電流、電圧、及び前記鉛蓄電池の温度に基づく第１履歴と、正極活物質量の第１物理量との第１関係、
　電流、電圧、及び前記鉛蓄電池の温度に基づく第２履歴と、正極電極材料の比表面積の第２物理量との第２関係、
　電流、電圧、及び前記鉛蓄電池の温度に基づく第３履歴と、正極電極材料のかさ密度の第３物理量との第３関係、
　電流、電圧、及び前記鉛蓄電池の温度に基づく第４履歴と、正極活物質粒子のクラスターサイズの第４物理量との第４関係、
　電流、電圧、及び前記鉛蓄電池の温度に基づく第５履歴と、負極電極材料の硫酸鉛の蓄積量の第５物理量との第５関係、
　電流、電圧、及び前記鉛蓄電池の温度に基づく第６履歴と、負極電極材料の比表面積の第６物理量との第６関係、
　電流、電圧、及び前記鉛蓄電池の温度に基づく第７履歴と、正極格子の腐食量の第７物理量との第７関係、
　電流、電圧、及び前記鉛蓄電池の温度に基づく第８履歴と、正極板の抵抗率の第８物理量との第８関係、及び
　電流、電圧、及び前記鉛蓄電池の温度に基づく第９履歴と、負極板の抵抗率の第９物理量との第９関係、
　からなる群から選択される少なくとも１つの関係に基づいて、第１物理量、第２物理量、第３物理量、第４物理量、第５物理量、第６物理量、第７物理量、第８物理量、及び第９物理量のうちの少なくとも１つの物理量を特定する特定部と、
　特定した前記少なくとも１つの物理量に基づいて、前記鉛蓄電池の劣化の度合を推定する推定部と
　を備える推定装置。
　前記特定部は、
　前記第１物理量から第９物理量のうち少なくとも１つの物理量を、極板の高さ方向の位置に応じた、履歴と、該位置における前記物理量との関係に基づいて特定する、請求項１に記載の推定装置。
　前記導出履歴は、放電電気量を温度に基づく係数により補正した有効放電電気量、充電電気量を温度に基づく係数により補正した有効充電電気量、又は温度に所定の係数を乗じて積算した温度積算値を含む、請求項１又は２に記載の推定装置。
　前記特定部は、
　鉛蓄電池の電流、電圧、及び該鉛蓄電池の温度に基づく導出履歴を入力した場合に、第１物理量、第２物理量、第３物理量、第４物理量、第５物理量、第６物理量、第７物理量、第８物理量及び第９物理量のうちの少なくとも１つの物理量を出力する第１学習モデルに、導出した前記導出履歴を入力して、少なくとも１つの物理量を特定する、請求項１から３までのいずれか１項に記載の推定装置。
　前記推定部は、
　第１物理量、第２物理量、第３物理量、第４物理量、第５物理量、第６物理量、第７物理量、第８物理量、及び第９物理量のうちの少なくとも１つの物理量を入力した場合に、鉛蓄電池の劣化の度合を出力する第２学習モデルに、特定した前記少なくとも１つの物理量を入力して、劣化の度合を推定する、請求項１から４までのいずれか１項に記載の推定装置。
　前記特定部は、
　導出履歴、及び前記鉛蓄電池の設計情報に基づいて、前記少なくとも１つの物理量を特定する、請求項１から５までのいずれか１項に記載の推定装置。
　前記設計情報は、極板の枚数、正極活物質量、正極格子の質量、正極格子の厚さ、正極格子のデザイン、正極電極材料の密度、正極電極材料の組成、正極活物質材料中の添加剤の量及び種類、正極合金の組成、正極板に当接する不織布の有無並びに厚さ、材質及び通気度、負極活物質量、負極電極材料中のカーボン量及び種類、負極電極材料の添加剤の量及び種類、負極電極材料の比表面積、電解液の添加剤の種類及び濃度、並びに電解液の比重及び量からなる群から選択される少なくとも１つである、請求項６に記載の推定装置。
　前記推定部は、
　前記少なくとも１つの物理量、及び前記鉛蓄電池の診断情報に基づいて、劣化の度合を推定する、請求項１から７までのいずれか１項に記載の推定装置。
　前記診断情報は、内部抵抗、開放電圧、及びＳＯＣからなる群から選択される少なくとも１つである、請求項８に記載の推定装置。
　前記導出履歴と、前記特定部が特定した前記劣化の度合又は前記診断情報を記憶する記憶部と、
　前記劣化の度合又は前記診断情報と、閾値とに基づいて、前記鉛蓄電池が交換されたと判定した場合に、前記導出履歴、及び前記劣化の度合又は前記診断情報を消去する履歴消去部と
　を備える請求項８又は９に記載の推定装置。
　鉛蓄電池の電流、電圧、及び該鉛蓄電池の温度に基づく導出履歴を導出し、
　導出した前記導出履歴、並びに
　電流、電圧、及び前記鉛蓄電池の温度に基づく第１履歴と、正極活物質量の第１物理量との第１関係、
　電流、電圧、及び前記鉛蓄電池の温度に基づく第２履歴と、正極電極材料の比表面積の第２物理量との第２関係、
　電流、電圧、及び前記鉛蓄電池の温度に基づく第３履歴と、正極電極材料のかさ密度の第３物理量との第３関係、
　電流、電圧、及び前記鉛蓄電池の温度に基づく第４履歴と、正極活物質粒子のクラスターサイズの第４物理量との第４関係、
　電流、電圧、及び前記鉛蓄電池の温度に基づく第５履歴と、負極電極材料の硫酸鉛の蓄積量の第５物理量との第５関係、
　電流、電圧、及び前記鉛蓄電池の温度に基づく第６履歴と、負極電極材料の比表面積の第６物理量との第６関係、
　電流、電圧、及び前記鉛蓄電池の温度に基づく第７履歴と、正極格子の腐食量の第７物理量との第７関係、
　電流、電圧、及び前記鉛蓄電池の温度に基づく第８履歴と、正極板の抵抗率の第８物理量との第８関係、及び
　電流、電圧、及び前記鉛蓄電池の温度に基づく第９履歴と、負極板の抵抗率の第９物理量との第９関係、
　からなる群から選択される少なくとも１つの関係に基づいて、第１物理量、第２物理量、第３物理量、第４物理量、第５物理量、第６物理量、第７物理量、第８物理量、及び第９物理量のうちの少なくとも１つの物理量を特定し、　特定した前記少なくとも１つの物理量に基づいて、前記鉛蓄電池の劣化の度合を推定する、推定方法。
　鉛蓄電池の電流、電圧、及び該鉛蓄電池の温度に基づく導出履歴を導出し、
　導出した前記導出履歴、並びに
　電流、電圧、及び該鉛蓄電池の温度に基づく第１履歴と、正極活物質量の第１物理量との第１関係、
　電流、電圧、及び該鉛蓄電池の温度に基づく第２履歴と、正極電極材料の比表面積の第２物理量との第２関係、
　電流、電圧、及び該鉛蓄電池の温度に基づく第３履歴と、正極電極材料のかさ密度の第３物理量との第３関係、
　電流、電圧、及び前記鉛蓄電池の温度に基づく第４履歴と、正極活物質粒子のクラスターサイズの第４物理量との第４関係、
　電流、電圧、及び該鉛蓄電池の温度に基づく第５履歴と、負極電極材料の硫酸鉛の蓄積量の第５物理量との第５関係、
　電流、電圧、及び該鉛蓄電池の温度に基づく第６履歴と、負極電極材料の比表面積の第６物理量との第６関係、
　電流、電圧、及び該鉛蓄電池の温度に基づく第７履歴と、正極格子の腐食量の第７物理量との第７関係、
　電流、電圧、及び該鉛蓄電池の温度に基づく第８履歴と、正極板の抵抗率の第８物理量との第８関係、及び
　電流、電圧、及び該鉛蓄電池の温度に基づく第９履歴と、負極板の抵抗率の第９物理量との第９関係、
　からなる群から選択される少なくとも１つの関係に基づいて、第１物理量、第２物理量、第３物理量、第４物理量、第５物理量、第６物理量、第７物理量、第８物理量、及び第９物理量のうちの少なくとも１つの物理量を特定し、
　特定した前記少なくとも１つの物理量に基づいて、前記鉛蓄電池の劣化の度合を推定する
　処理をコンピュータに実行させるコンピュータプログラム。