JP7310137B2 - データ処理装置、データ処理方法、及びコンピュータプログラム - Google Patents

Description

本発明は、蓄電素子群に関する測定データを用いた演算を行なうデータ処理装置、データ処理方法、及びコンピュータプログラムに関する。

蓄電素子は、無停電電源装置、安定化電源に含まれる直流又は交流電源装置等に広く使用されている。また、再生可能エネルギー又は既存の発電システムにて発電された電力を蓄電しておく大規模なシステムでの蓄電素子の利用が拡大している。

蓄電素子を使用したシステムでは、蓄電素子の状態診断、充電状態（ＳＯＣ：State Of Charge）の推定、又は寿命予測等の実施を含む保守活動が重要になる。蓄電素子の状態診断、推定又は寿命予測の方法については、蓄電素子の充放電時に測定される電圧、電流、温度等の測定データを用いる方法を始めとして種々提案され、精度向上が図られている（特許文献１等）。

特開２０１３－００３１１５号公報

上述したような蓄電素子の状態診断、推定又は寿命予測の方法は、製造時に想定されている蓄電素子モデルに基づいて確立されている。しかしながら個々の蓄電素子は、素材の性質、製造バラつき等を持っており、時間の経過又は使用環境によって蓄電素子モデルの性質から外れた異質性を出現させる。例えば、製造時には他の蓄電素子と同様の特性を有している蓄電素子であっても、想定されているモデルよりも格段に高寿命な蓄電素子、又は低寿命な蓄電素子である可能性がある。そして、蓄電素子は、充放電の繰り返しによって満充電容量が低下していくという性質を有している。同一の期間に同様の充放電の履歴を有する蓄電素子群に対し、新しい蓄電素子又は異なる履歴を有する蓄電素子を加えた場合、この新しい又は異なる履歴の蓄電素子は、蓄電素子群にとっては異質である。この異質さの程度を判定モデルによって定量的な尺度で示したものを異質度と称する。

膨大な量の蓄電素子を接続して用いるシステム全体としての状態診断、推定又は寿命予測を実施する場合、蓄電素子群の測定データに、異質な蓄電素子の測定データが含まれている場合、診断、推定又は予測の誤差は拡大する。

本発明は、蓄電素子に関する測定データに基づく前記蓄電素子に関する診断、推定、予測の精度を向上させるデータ処理装置、データ処理方法、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。

データ処理装置は、蓄電素子に対する測定データを処理するデータ処理装置であって、前記蓄電素子毎、又は、複数の前記蓄電素子をグループ分けした蓄電素子群毎に測定された測定データが入力された場合に、前記測定データに異質な蓄電素子の測定データが含まれているか否かに対応するスコアを出力するように学習された判定モデルを記憶した記憶部と、取得した測定データを前記判定モデルへ入力して出力されたスコアに基づいて異質な蓄電素子の測定データを特定する特定部とを備える。

遠隔監視システムの概要を示す図である。 蓄電モジュール群の階層構造及び通信デバイスの接続形態の一例を示す図である。 遠隔監視システムに含まれる装置の内部構成を示すブロック図である。 遠隔監視システムに含まれる装置の内部構成の詳細を示すブロック図である。 サーバ装置によるデータ処理手順の一例を示すフローチャートである。 異質な蓄電セルを特定する処理の一例を示すフローチャートである。 判定モデルの一例の概要図である。 第１の例における蓄電セルを含むか否かの判定手順を示すフローチャートである。 異質度の時間分布のグラフを含む画面例である。 第２の例における蓄電セルを含むか否かの判定手順を示すフローチャートである。 画像化された時間分布に基づく画像判定モデルの概要図である。 第３の例における蓄電セルを含むか否かの判定手順を示すフローチャートである。 サーバ装置における情報提示の処理手順の一例を示すフローチャートである。 異質な蓄電セルを含むか否かの判定結果を含む画面例を示す図である。

データ処理装置は、蓄電素子に対する測定データを処理するデータ処理装置であって、前記蓄電素子毎、又は、複数の前記蓄電素子をグループ分けした蓄電素子群毎に測定された測定データが入力された場合に、前記測定データに異質な蓄電素子の測定データが含まれているか否かに対応するスコアを出力するように学習された判定モデルを記憶した記憶部と、取得した測定データを前記判定モデルへ入力して出力されたスコアに基づいて異質な蓄電素子の測定データを特定する特定部とを備える。

上記構成により、異質な蓄電素子の測定データを除外した残りの測定データを用いた処理が可能になる。

残りの測定データを用いた処理は例えば、蓄電素子の異常の有無を含む状態診断、劣化状態推定、又は寿命予測の処理である。異質な蓄電素子の測定データを除外することにより、製造時に想定されている蓄電素子モデルに基づいて確立されているこれらの処理の精度を向上させることができる。

異質な蓄電素子の測定データの特定に用いられる判定モデルは、測定データの属性別、例えば電圧、電流又は温度等、製造時に想定されている蓄電素子モデルに関するデータの種類別に学習されている。新品なのか、長寿命なのか、短寿命なのか、その他の性質が異なるのか等のどのように異質なのかという異質性毎に、異なる属性の測定データへ影響する可能性があるから、属性別に判定することによって異質であることの判定が精度よく実施される。

判定モデルの出力自体に基づいて断続的に、測定データ夫々に対して異質な蓄電素子の測定データが含まれているか否かを判定する方法の他、出力の経時変化を用いて異質な蓄電素子の測定データであるか否かを判定してもよい。この場合、他の蓄電素子とバランス調整して経時的に馴染む蓄電素子の測定データを誤って、或いは早まって異質な蓄電素子の測定データと特定することを回避することができる。

判定モデルの出力の時間分布に対する異質な蓄電素子の測定データを含むか否かの判定は、データが十分に収集されるまでは、オペレータによる判断に基づいて行なわれてもよい。予め時間分布のパターンを分析しておき、いずれのパターンに当てはまるかによって異質な蓄電素子の測定データを含むか否かを正確に判定してもよい。時間分布のパターンを画像化した画像を入力し、異質な蓄電素子の測定データを含むか否かを出力する分類器モデルを用いて判定してもよい。

判定モデルは、異質であると特定された測定データ以外の残りの測定データを用いて再学習することで、実際に運用される蓄電素子の特性に適合する。

判定モデルは、異質であると特定される測定データが全体の所定の割合以上となった場合に再学習されてもよい。時間の経過と共に容量等が変化する蓄電素子に対し、判定モデルも共に経時変化させることが可能である。

データ処理方法は、蓄電素子に対する測定データを処理するデータ処理方法であって、前記蓄電素子毎、又は、複数の前記蓄電素子をグループ分けした蓄電素子群毎に測定された測定データが入力された場合に、前記測定データに異質な蓄電素子の測定データが含まれているか否かに対応するスコアを出力するように学習された判定モデルを用い、取得した測定データを前記判定モデルへ入力して出力されたスコアに基づいて異質な蓄電素子の測定データを特定する。

コンピュータプログラムは、コンピュータに、蓄電素子毎、又は、複数の前記蓄電素子をグループ分けした蓄電素子群毎に測定された測定データが入力された場合に、前記測定データに異質な蓄電素子の測定データが含まれているか否かに対応するスコアを出力するように学習された判定モデルを用い、取得した測定データを前記判定モデルへ入力して出力されたスコアに基づいて異質な蓄電素子の測定データを特定する処理を実行させる。

本発明をその実施の形態を示す図面を参照して具体的に説明する。

図１は、遠隔監視システム１００の概要を示す図である。遠隔監視システム１００は、メガソーラー発電システムＳ、火力発電システムＦ、風力発電システムＷに含まれる蓄電素子群におけるに関する情報への遠隔からのアクセスを可能とする。

メガソーラー発電システムＳ、火力発電システムＦ及び風力発電システムＷには、パワーコンディショナ（ＰＣＳ：Power Conditioning System ）Ｐ及び蓄電システム１０１が並設されている。蓄電システム１０１は、蓄電モジュール群Ｌを収容したコンテナＣを複数並設して構成されている。蓄電モジュール群Ｌは、複数の蓄電素子を含む。蓄電素子は、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。蓄電素子の一部が、再充電不可能な一次電池であってもよい。

遠隔監視システム１００では、監視対象となる発電システムＳ，Ｆ，Ｗにおける蓄電システム１０１、又は装置（Ｐおよび後述の管理装置Ｍ）夫々に、通信デバイス１（図２，３参照）が搭載／接続される。遠隔監視システム１００は、通信デバイス１と、通信デバイス１から情報を収集するサーバ装置２（データ処理装置）と、収集された情報を閲覧するためのクライアント装置３と、装置間の通信媒体であるネットワークＮとを含む。

通信デバイス１は、蓄電素子に備えられる電池管理装置（ＢＭＵ：Battery Management Unit ）と通信して蓄電素子の情報を受信する端末装置（計測モニタ）であってもよいし、ECHONET ／ECHONETLite （登録商標）対応のコントローラであってもよい。通信デバイス１は、独立したデバイスであってもよいし、パワーコンディショナＰや蓄電モジュール群Ｌに搭載可能なネットワークカード型のデバイスであってもよい。通信デバイス１は、蓄電システム１０１における蓄電モジュール群Ｌの情報を取得すべく、複数の蓄電モジュールからなるグループ毎に１つずつ設けられている。パワーコンディショナＰは複数台でシリアル通信が可能に接続されており、通信デバイス１は、いずれか代表となるパワーコンディショナＰの制御ユニットに接続されている。

サーバ装置２はＷｅｂサーバ機能を含み、監視対象の各装置に搭載／接続された通信デバイス１から得られる情報を、クライアント装置３からのアクセスに応じて提示する。

ネットワークＮは、所謂インターネットである公衆通信網Ｎ１と、所定の移動通信規格による無線通信を実現するキャリアネットワークＮ２とを含む。公衆通信網Ｎ１は、一般光回線を含み、ネットワークＮは、サーバ装置２が接続する専用線を含む。ネットワークＮは、ECHONET ／ECHONETLite 対応のネットワークを含んでもよい。キャリアネットワークＮ２には基地局ＢＳが含まれ、クライアント装置３は基地局ＢＳからネットワークＮを介したサーバ装置２との通信が可能である。公衆通信網Ｎ１にはアクセスポイントＡＰが接続されており、クライアント装置３はアクセスポイントＡＰからネットワークＮを介してサーバ装置２との間で情報を送受信することができる。

蓄電システム１０１の蓄電モジュール群Ｌは階層構造を有している。蓄電素子の情報をサーバ装置２へ送信する通信デバイス１は、蓄電モジュール群Ｌに設けられた管理装置Ｍから蓄電モジュール群の情報を取得する。図２は、蓄電モジュール群Ｌの階層構造及び通信デバイス１の接続形態の一例を示す図である。蓄電モジュール群Ｌは、例えば蓄電素子（蓄電セル、またはセルとも称する。蓄電素子内に複数の電極体（エレメント）が存在してもよい。）を複数直列に接続した蓄電モジュール（モジュールとも称する）と、蓄電モジュールを複数直列に接続したバンクと、バンクを複数並列に接続したドメインとの階層構造にて構成されている。図２の例では、番号（＃）１－Ｎのバンク夫々と、バンクを並列に接続したドメインとに１つずつ、管理装置Ｍが設けられている。バンク毎に設けられている管理装置Ｍは、蓄電モジュールの内部に夫々内蔵されている通信機能付きの制御基板（ＣＭＵ：Cell Monitoring Unit）とシリアル通信によって通信し、蓄電モジュール内部の蓄電セルに対する測定データ（電圧、電流、温度等）を取得する。バンクの管理装置Ｍは、取得した蓄電セル毎の測定データに基づくバンク毎のバランス調整を行ない、通信状態の異常の検知等の管理処理を実行する。バンクの管理装置Ｍは夫々、ドメイン単位で設けられている管理装置Ｍへ各々のバンクの蓄電モジュールから得られた測定データを送信する。バンクの管理装置Ｍは、蓄電モジュールのバランス調整の状態をドメインの管理装置Ｍへ送信し、異常が検知された場合はドメインの管理装置Ｍへ通知する。ドメインの管理装置Ｍは、そのドメインに所属するバンクの管理装置Ｍから得られる測定データ、検知された異常等の情報を集約する。図２の例では通信デバイス１は、ドメイン単位の管理装置Ｍに接続されている。なお、ドメインの管理装置Ｍとバンクの管理装置Ｍは同じ（ひとつに集約した管理装置Ｍ）であってもよい。

図３及び図４は、遠隔監視システム１００に含まれる装置の内部構成を示すブロック図である。図３に示すように、通信デバイス１は、制御部１０、記憶部１１、第１通信部１２及び第２通信部１３を備える。制御部１０はＣＰＵ（Central Processing Unit ）を用いたプロセッサであり、内蔵するＲＯＭ（Read Only Memory）及びＲＡＭ（Random Access Memory）等のメモリを用い、各構成部を制御して処理を実行する。

記憶部１１は、フラッシュメモリ等の不揮発性メモリを用いる。記憶部１１には、制御部１０が読み出して実行するデバイスプログラムが記憶されている。デバイスプログラム１Ｐには、ＳＳＨ（Secure Shell）、ＳＮＭＰ（Simple Network Management Protocol）等に準じた通信用プログラムが含まれる。記憶部１１には、制御部１０の処理によって収集された情報、イベントログ等の情報が記憶される。記憶部１１に記憶された情報は、通信デバイス１の筐体に端子が露出するＵＳＢ等の通信インタフェースを介して読み出すことも可能である。

第１通信部１２は、通信デバイス１が接続されている監視対象装置との通信を実現する通信インタフェースである。第１通信部１２は例えば、ＲＳ－２３２Ｃ又はＲＳ－４８５等のシリアル通信インタフェースを用いる。例えばパワーコンディショナＰはＲＳ－４８５に準拠したシリアル通信機能を有する制御ユニットを備えており、第１通信部１２はその制御ユニットと通信する。蓄電モジュール群Ｌに備えられている制御基板がＣＡＮ（Controller Area Network）バスにより接続されて制御基板間の通信をＣＡＮ通信で実現する場合、第１通信部１２はＣＡＮプロトコルに基づく通信インタフェースである。第１通信部１２は、ECHONET ／ECHONETLite の規格に対応する通信インタフェースであってもよい。

第２通信部１３は、ネットワークＮを介した通信を実現するインタフェースであり、例えばEthernet（登録商標）、又は無線通信用アンテナ等の通信インタフェースを用いる。制御部１０は、第２通信部１３を介してサーバ装置２と通信接続が可能である。第２通信部１３が、ECHONET ／ECHONETLite の規格に対応する通信インタフェースであってもよい。

このように構成される通信デバイス１では、制御部１０が第１通信部１２を介して、通信デバイス１が接続されている装置にて得られる蓄電素子に対する測定データを取得する。制御部１０は、ＳＮＭＰ用プログラムを読み出して実行することにより、ＳＮＭＰエージェントとして機能し、サーバ装置２からの情報要求に対して応答することも可能である。

クライアント装置３は、発電システムＳ，Ｆ，Ｗの蓄電システム１０１の管理者又は保守担当者等のオペレータが使用するコンピュータである。クライアント装置３は、デスクトップ型若しくはラップトップ型のパーソナルコンピュータであってもよいし、所謂スマートフォン又はタブレット型の通信端末であってもよい。クライアント装置３は、制御部３０、記憶部３１、通信部３２、表示部３３、及び操作部３４を備える。

制御部３０は、ＣＰＵを用いたプロセッサである。制御部３０は、記憶部３１に記憶されているＷｅｂブラウザを含むクライアントプログラム３Ｐに基づき、サーバ装置２又は通信デバイス１により提供されるＷｅｂページを表示部３３に表示させる。

記憶部３１は、例えばハードディスク又はフラッシュメモリ等の不揮発性メモリを用いる。記憶部３１には、クライアントプログラム３Ｐを含む各種プログラムが記憶されている。クライアントプログラム３Ｐは、記録媒体６に記憶してあるクライアントプログラム６Ｐを読み出して記憶部３１に複製したものであってもよい。

通信部３２は、有線通信用のネットワークカード等の通信デバイス、基地局ＢＳ（図１参照）に接続する移動通信用の無線通信デバイス、又はアクセスポイントＡＰへの接続に対応する無線通信デバイスを用いる。制御部３０は通信部３２により、ネットワークＮを介してサーバ装置２又は通信デバイス１との間で通信接続又は情報の送受信が可能である。

表示部３３は、液晶ディスプレイ、有機ＥＬ（Electro Luminescence）ディスプレイ等のディスプレイを用いる。表示部３３は制御部３０のクライアントプログラム３Ｐに基づく処理により、サーバ装置２または通信デバイス１で提供されるＷｅｂページのイメージを表示する。表示部３３は、好ましくはタッチパネル内蔵型ディスプレイであるが、タッチパネル非内蔵型ディスプレイであってもよい。

操作部３４は、制御部３０との間で入出力が可能なキーボード及びポインティングデバイス、若しくは音声入力部等のユーザインタフェースである。操作部３４は、表示部３３のタッチパネル、又は筐体に設けられた物理ボタンを用いてもよい。操作部３４は、ユーザによる操作情報を制御部３０へ通知する。

図４に示すように、サーバ装置２はサーバコンピュータを用い、制御部２０、記憶部２１、及び通信部２２を備える。本実施の形態においてサーバ装置２は、１台のサーバコンピュータとして説明するが、複数のサーバコンピュータで処理を分散させてもよい。

制御部２０は、ＣＰＵ又はＧＰＵ（Graphics Processing Unit）を用いたプロセッサであり、内蔵するＲＯＭ及びＲＡＭ等のメモリを用い、各構成部を制御して処理を実行する。制御部２０は、記憶部２１に記憶されているサーバプログラム２１Ｐに基づく通信及び情報処理を実行する。サーバプログラム２１ＰにはＷｅｂサーバプログラムが含まれ、制御部２０は、クライアント装置３へのＷｅｂページの提供を実行するＷｅｂサーバとして機能する。制御部２０は、サーバプログラム２１Ｐに基づき、ＳＮＭＰ用サーバとして通信デバイス１から情報を収集する。制御部２０は、記憶部２１に記憶されているデータ処理プログラム２２Ｐに基づいて収集された測定データに対するデータ処理を実行する。

記憶部２１は、例えばハードディスク又はフラッシュメモリ等の不揮発性メモリを用いる。記憶部２１には、上述したサーバプログラム２１Ｐ及びデータ処理プログラム２２Ｐが記憶されている。記憶部２１には、データ処理プログラム２２Ｐに基づく処理で使用される判定モデル２Ｍが記憶されている。記憶部２１には、制御部２０の処理によって収集される監視対象となる蓄電システム１０１のパワーコンディショナＰ及び蓄電モジュール群Ｌの測定データが記憶される。

記憶部２１に記憶されるサーバプログラム２１Ｐ、データ処理プログラム２２Ｐ及び判定モデル２Ｍは、記録媒体５に記憶してあるサーバプログラム５１Ｐ、データ処理プログラム５２Ｐ、及び判定モデル５Ｍを読み出して記憶部２１に複製したものであってもよい。

通信部２２は、ネットワークＮを介した通信接続及び情報の送受信を実現する通信デバイスである。具体的には通信部２２はネットワークＮに対応したネットワークカードである。

このように構成される遠隔監視システム１００では、通信デバイス１が所定タイミング（例えば一定周期、又はデータ量が所定条件を満たした場合等）の都度、前回のタイミング以後に管理装置Ｍから取得して記憶しておいた蓄電セル毎の測定データ、及び他の情報をサーバ装置２へ送信する。通信デバイス１は、測定データに蓄電セルの識別情報（番号）を対応付けて送信する。通信デバイス１は、管理装置Ｍを介して得られる全てのサンプリングデータを送信してもよいし、所定の割合で間引きした測定データを送信してもよいし、平均値を送信してもよい。サーバ装置２は、測定データを含む情報を通信デバイス１から取得し、取得した測定データを、取得時間情報及び情報の取得先の装置（Ｍ，Ｐ）を識別する情報を対応付けて記憶部２１に記憶する。

サーバ装置２は、蓄電システム１０１の個々の蓄電セル毎に、クライアント装置３からのアクセスに応じて、記憶してある測定データの内の最新のデータを提示することができる。サーバ装置２は、蓄電セル毎の測定データを用い、蓄電モジュール毎に、バンク又はドメイン毎の状態を提示することもできる。サーバ装置２はデータ処理プログラム２２Ｐに基づいて、測定データを使用して蓄電システム１０１の異常診断、健康診断、蓄電モジュールのＳＯＣ、ＳＯＨ（State Of Health ）等の推定、又は寿命予測を実施し、実施結果を提示することが可能である。

本開示におけるサーバ装置２は、上述の診断、推定又は予測の処理を行なう際に、データ処理プログラム２２Ｐ及び判定モデル２Ｍに基づいて、蓄電セルの測定データから異質な蓄電セルの測定データを特定する。サーバ装置２は、特定された測定データを除いた他の測定データを用いて蓄電モジュール、バンク、又はドメイン毎の診断、推定又は予測を実施する。

図５は、サーバ装置２によるデータ処理手順の一例を示すフローチャートである。サーバ装置２の制御部２０は、対象となる蓄電素子群毎に、以下に示す処理手順を周期的に実行する。実行周期は、通信デバイス１から測定データが送信される周期よりも長い。以下の説明において対象となる蓄電素子群は、複数のモジュールを接続したバンク、バンクを複数並列に含むドメイン、ドメインを複数含む蓄電システム１０１である。大規模な蓄電システム１０１は一例として、蓄電セルを１２個ずつ含むモジュールが１２個直列に接続されたバンクを、８つのドメイン夫々に１０バンク含む。この場合蓄電セルは、約１２０００個にもなる。

制御部２０は、処理対象の蓄電システム１０１に含まれる蓄電セル夫々について時間情報と対応付けて記憶してある測定データ群を読み出し（ステップＳ１）、読み出した測定データ群の内の異質な蓄電セルの測定データを特定する（ステップＳ２）。

制御部２０は、特定した測定データを、読み出した測定データ群から除外し（ステップＳ３）、残りの測定データ群を用いて蓄電システム１０１全体としての劣化状態（ＳＯＨ）の推定処理を実行する（ステップＳ４）。制御部２０は、ステップＳ４の推定処理の結果を測定データ群の内の最新データを取得した時間情報と、蓄電システム１０１を識別する情報に対応付けて記憶部２１に記憶し（ステップＳ５）、処理を終了する。

図５のフローチャートに示したように、本実施の形態では、異質な蓄電セルの測定データを除外したデータに基づいて劣化状態の推定処理が行なわれる。多数の蓄電セルが直列に接続されたバンクを並列に接続したドメインを複数含む大規模な蓄電システム１０１においては、蓄電セル群から異質な蓄電セルの測定データを除外して、想定されるモデルに則り寿命となる蓄電セル群の劣化状態の推定処理を行なうことにより、処理結果の精度が向上する。

図６は、異質な蓄電セルを特定する処理の一例を示すフローチャートである。図６のフローチャートは、図５のフローチャートにおけるステップＳ２の詳細に対応する。つまり図６のフローチャートに示す処理手順は、周期的に繰り返し実行される。図６のフローチャートに示す例で制御部２０は、異質な蓄電セルを含む蓄電セル群単位で、その蓄電セル群は異質な蓄電セルを含んでいるか否かを判定することによって特定する。

制御部２０は、蓄電セル群を１つ選択する（ステップＳ２０１）。ステップＳ２０１において制御部２０は、蓄電セル群をモジュール単位で選択し、つまりモジュールの識別情報を選択する。

制御部２０は、対象とする測定データの属性を選択する（ステップＳ２０２）。属性は、例えば電圧、電流、温度等の測定データの種類である。属性はこれに限られず、蓄電セル又はモジュール単位で測定できる他のデータであってもよい。

制御部２０は、ステップＳ２０１で選択した蓄電セル群に含まれている複数の蓄電セル夫々について、ステップＳ２０２で選択した属性の、最新の測定データを取得する（ステップＳ２０３）。ステップＳ２０３で取得する測定データは、図５のステップＳ１で読み出された測定データの内、後述の過去所定期間の長さに応じた時間毎に、データを間引いて取得してよい。

ステップＳ２０３で取得した測定データを属性毎の判定モデル２Ｍへ入力し（ステップＳ２０４）、判定モデル２Ｍから出力される異質度を特定する（ステップＳ２０５）。

制御部２０は、ステップＳ２０５で特定した異質度を、ステップＳ２０１で選択した蓄電セル群を識別する情報及び取得した測定データの時間情報に対応付けて記憶部２１に記憶する（ステップＳ２０６）。

制御部２０は、ステップＳ２０１で選択した蓄電セル群について、記憶部２１に記憶してある過去所定期間の異質度を読み出す（ステップＳ２０７）。制御部２０は、過去所定期間の異質度の時間分布を作成する（ステップＳ２０８）。

制御部２０は、ステップＳ２０７で読み出した異質度の値、ステップＳ２０８で作成した時間分布、及び／又は選択された蓄電セル群の測定データに基づいて、ステップＳ２０１で選択した蓄電セル群が異質な蓄電セルを含んでいるか否かを判定する（ステップＳ２０９）。

異質な蓄電セルを含んでいると判定された場合（Ｓ２０９：ＹＥＳ）、制御部２０は、ステップＳ２０１で選択した蓄電セル群の測定データは、異質な蓄電セルの測定データであると特定する（ステップＳ２１０）。制御部２０は、全ての蓄電セル群をステップＳ２０１で選択したか否かを判断し（ステップＳ２１１）、全て選択したと判断された場合（Ｓ２１１：ＹＥＳ）、処理を図５のフローチャートのステップＳ３へ返す。

ステップＳ２０９において異質な蓄電セルを含んでいないと判断された場合（Ｓ２０９：ＮＯ）、制御部２０は、異質な蓄電セルの測定データでないと特定し（ステップＳ２１２）、処理をステップＳ２１１へ進める。

ステップＳ２１１で全ての蓄電セル群を選択していないと判断された場合（Ｓ２１１：ＮＯ）、制御部２０は処理をステップＳ２０１へ戻し、次の蓄電セル群を選択する（Ｓ２０１）。

図６のフローチャートで制御部２０は、蓄電セルを直列に接続させたモジュール単位で異質な蓄電セルを含むか否かを判定した。しかしながらこれに限らず、判定モデル２Ｍの設計に応じて、判定対象の蓄電セル群の単位を定めればよい。例えば、バンク単位で判定してもよいし、蓄電セル個別で判定してもよい。

ステップＳ２０４，Ｓ２０５における判定モデル２Ｍを用いた異質度の特定方法について説明する。図７は、判定モデル２Ｍの一例の概要図である。判定モデル２Ｍは一例では、畳み込みニューラルネットワークを用い、異質でない標準的な蓄電セルを含む蓄電セル群と、それ以外の異質な蓄電セルを含む蓄電セル群とを分類する分類器である。図７に示す一例では、判定モデル２Ｍは、選択された蓄電セル群の蓄電セル夫々の電圧値を入力する入力層２０１と、入力された電圧値に基づく異質度に関するスコアを出力する出力層２０２と、畳み込み層又はプーリング層を含む中間層２０３とを含む。判定モデル２Ｍは、異質でない標準的な蓄電セルであるラベル（例えば「０」）を付した測定データと、異質なラベル（例えば「１」）を付した測定データとを含む教師データをニューラルネットワークへ与えて測定データの属性別に学習してある。図７の例では、蓄電セル夫々で測定される電圧値という属性について学習されている。判定モデル２Ｍは、与えられた測定データに対して異質であると分類される異質度のスコア（０～１の間の数値）を出力層２０２から出力する。

判定モデル２Ｍは分類器に限らず、特徴量を出力する畳み込みニューラルネットワークであってよい。判定モデル２Ｍは、同一の蓄電セルの測定データの時系列データを入力して特徴量を出力するリカレントニューラルネットワーク、ＬＳＴＭ（Long Short-term Memory）等を用いたネットワークで構成されてもよい。

判定モデル２Ｍの教師データは属性別のみならず、予め、測定データの対象の蓄電システム１０１の環境、蓄電システム１０１に接続されている発電システムの種別、又は、蓄電システム１０１からの出力先の負荷の種別によって分別されていてもよい。判定モデル２Ｍは、分別された教師データによって複数の異なる判定モデル２Ｍａ、判定モデル２Ｍｂ、…と分別されており、判定対象である蓄電セルに関する種別に応じてモデルが選択される。

制御部２０は、図６のフローチャートに示した処理手順にて特定された異質な測定データを除外した測定データ群によって再度、判定モデル２Ｍを再学習するとよい。他の例では、制御部２０は図６のフローチャートに示した処理手順にて特定された異質な測定データの、全蓄電セル群の測定データに対する割合が所定の割合（例えば２割）を超えた場合に、全測定データが、異質な蓄電セルを含まない蓄電セル群の測定データであるとして判定モデル２Ｍを再学習するとよい。これにより、蓄電セル群を含む蓄電システム１０１全体の経時変化と共に判定モデル２Ｍも経時変化し、誤った判定を回避し、経時的に現れる異なる異質な蓄電セルの出現に適切な判断を行なうことが期待される。判定モデル２Ｍが経時変化する場合、１年、２年と経過年数に応じて判定モデル２Ｍを別の不揮発性の記憶媒体に記憶しておき、他の蓄電システム１０１の経時変化に適用させてもよい。

判定モデル２Ｍは他の一例では、測定データの平均、標準偏差、中央値等を用いて、外れ値となる測定データが含まれているか否か、含まれている場合の外れ度合いを統計的に算出するモデルであってもよい。判定モデル２Ｍは他の一例では、測定データの時系列データによってトレンドを求め、トレンドの差異によって異質度を表すスコアを出力するモデルであってもよい。判定モデル２Ｍは他の一例では、ｋ近傍法（k-nearest neighbor algorithm）を用い、制御部２０は対象の測定データに対し、予め教師データに基づき学習してある異質でないクラスと異質なクラスとのいずれに属するかを判定してもよい。他の例では、判定モデル２Ｍではｋ平均法又はＥＭ法を用い、制御部２０は判定モデル２Ｍ（判定プログラム）に基づいてクラスタリングして判定してもよい。他の例では、判定モデル２Ｍ（判定プログラム）はＰＣＡ（Principal Component Analysis；主成分解析）を用い、制御部２０は対象の測定データに対して縮約して異質であるか否かを判定してもよい。

図６のフローチャートに示した処理手順の内、ステップＳ２０９における異質度の値、時間分布、及び／又は選択された蓄電セル群の測定データに基づく、異質な蓄電セルを含むか否かの判定の手順について詳細を説明する。

第１の例で制御部２０は、選択した蓄電セル群毎に作成した異質度の時間分布をグラフ化して出力し、オペレータによる異質な蓄電セルを含むか否かの判定を受け付ける。図８は、第１の例における蓄電セルを含むか否かの判定手順を示すフローチャートである。

サーバ装置２の制御部２０は、ステップＳ２０８で蓄電セル群（モジュール）毎の時間分布を作成する都度に、記憶部２１に時間情報と対応付けて記憶する（ステップＳ１８１）。制御部２０は、ステップＳ２１１で全ての蓄電セル群が選択されたと判断された後に、記憶部２１に記憶しておいた全ての蓄電セル群の時間分布を読み出す（ステップＳ１８２）。

制御部２０は、読み出した蓄電セル群毎の時間分布を、異質度の最大値又は平均値の大きい順にソートする（ステップＳ１８３）。

制御部２０は、ソートされた蓄電セル群毎の時間分布、即ち時間経過に対する異質度の分布を順にグラフ化し、夫々に対する異質な蓄電セルを含むか否かの選択受付画面を含む画面のデータを作成し（ステップＳ１８４）、オペレータ向けに通知する（ステップＳ１８５）。ステップＳ１８４で作成される画面には、蓄電セル群毎の測定データ（電圧値、電流値、温度値）のデータが含まれる。ステップＳ１８４で作成される画面には、ソートされた時間分布の内、異質度の最大値又は平均値が所定値未満であり、異質な蓄電セルを含む可能性が低い蓄電セル群の時間分布は含まれなくてよい。異質度の最大値又は平均値が所定値未満の蓄電セル群は、異質な蓄電セルを含まないと判定される。

通知を受けたオペレータがクライアント装置３を用い、オペレータのログイン情報を用いてサーバ装置２へアクセスした場合、クライアント装置３の制御部３０は、サーバ装置２へ画面のデータを要求する（ステップＳ３１１）。

サーバ装置２の制御部２０は、要求を受信し（ステップＳ１８６）、要求に応じてステップＳ１８４で作成された画面のデータをクライアント装置３へ送信する（ステップＳ１８７）。ステップＳ１８７において制御部２０は、最新の測定データに基づき作成された異質度の時間分布の画面のデータを送信する。制御部２０はそれまでに作成された複数の時点での時間分布の画面のデータを送信してもよい。

オペレータが使用するクライアント装置３では制御部３０が、画面のデータを受信し（ステップＳ３１２）、受信したデータに基づいて蓄電セル群（モジュール）毎の異質度の時間分布のグラフを描画し、選択受付画面と共に表示部３３に出力する（ステップＳ３１３）。

オペレータは、表示部３３にて、異質度の最大値又は平均値が高い順にソートされた蓄電セル群の異質度の時間分布のグラフを視認し、共に画面内に表示される測定データを解析することで異質なセルを含むか否かを判断する。オペレータは、異質な蓄電セルを含むか否かの判断結果を選択受付画面に反映させる。

制御部３０は、オペレータの異質な蓄電セルを含むか否かの蓄電セル群毎の選択を選択受付画面にて受け付け（ステップＳ３１４）、受け付けた選択のデータをサーバ装置２へ送信する（ステップＳ３１５）。

サーバ装置２の制御部２０は、選択のデータを受信し（ステップＳ１８８）、データが示すオペレータの選択に基づいて蓄電セル群毎に、異質な蓄電セルを含むか否かを特定し（ステップＳ１８９）、処理を終了する。

ステップＳ１８９において制御部２０は、異質な蓄電セルを含むか否かが選択されていない蓄電セル群は、異質な蓄電セルを含まないと特定してよい。

図９は、異質度の時間分布のグラフを含む画面例である。図９に示すように、オペレータが使用するクライアント装置３の表示部３３には、蓄電セル群（モジュール）毎の異質度の時間分布が、ソートされた順に表示される。図９に示す画面例では、グラフの横に異質な蓄電セルを含むか否かをオペレータが選択するラジオコントロール３３１が表示されている。オペレータが操作部３４により、表示部３３に表示されている画面上の「送信」ボタン３３２を選択した場合、クライアント装置３の制御部３０はラジオコントロール３３１夫々での選択を受け付け（Ｓ３１４）、受け付けた選択のデータをサーバ装置２へ送信する。

第１の例では、オペレータは、異質な蓄電セルを含むか否かを判断する必要があるが、サーバ装置２にて判断対象の絞り込みを行なっているので、異質な蓄電セルを含む可能性が高い蓄電セル群に対してのみ判断すればよい。本実施の形態の蓄電システム１０１は、約９６０（＝８０バンク×１２（モジュール／１バンク））個のモジュールを含むから、個々のグラフ、異質度の値（スコア）及び測定データをオペレータが確認する場合よりも飛躍的にオペレータの作業負担を軽減することが可能である。

第２の例で制御部２０は、作成した異質度の時間分布のパターンを解析することによって異質な蓄電セルを含むか否かを判定する。図９に示した異質度の時間分布を参照すれば、単純に異質度が上昇して所定値を超えていくモジュール＃１１のパターンＡ、異質度が所定値を超えるが下降していくモジュール＃５のパターンＢ、異質度が所定値を超えた後に低下するが再度単純に上昇していくモジュール＃６のパターンＣがある。パターンＢは、異質度が所定値を超えていたが、徐々に周辺の蓄電セルとバランスして馴染んでおり、除外すべき異質な蓄電セルを含むものではないと判定される。パターンＣは、時間の経過後にパターンＡとなるか、パターンＢとなるかはこの時点では判断できないため、パターンＡのみを異質な蓄電セルを含む蓄電セル群の異質度の時間分布であると判定する。

図１０は、第２の例における蓄電セルを含むか否かの判定手順を示すフローチャートである。図１０のフローチャートに示す処理手順は、図６のフローチャートの内、ステップＳ２０９の処理を詳細に説明したものである。図６のフローチャートと共通する手順には同一のステップ番号を付して詳細な説明を省略する。

サーバ装置２の制御部２０は、ステップＳ２０８で作成した時間分布における異質度の昇降パターンが、予め分類してあるパターンＡ、パターンＢ、及びパターンＣのいずれであるかを判別する（ステップＳ２８１）。

制御部２０は、ステップＳ２８１にてパターンＡと判別されたか否かを判断し（ステップＳ２８２）、パターンＡと判別されないと判断された場合（Ｓ２８２：ＮＯ）、処理をステップ２１２へ進める。

ステップＳ２８１にてパターンＡと判別されたと判断された場合（Ｓ２８２：ＹＥＳ）、制御部２０は、ステップＳ２０７で読み出した過去の異質度の最大値又は平均値が第１の所定値以上であり、且つ、パターンＡにおける異質度の微分値（経時変化）が第２の所定値以上であるか否かを判断する（ステップＳ２８３）。

ステップＳ２８３で異質度の最大値又は平均値が第１の所定値以上であり、且つ、パターンＡにおける異質度の微分値が第２の所定値以上であると判断された場合（Ｓ２８３：ＹＥＳ）、制御部２０は、処理をステップＳ２１０へ進める。

ステップＳ２８３で最大値又は平均値が第１の所定値未満であるか、又は、異質度の微分値が第２の所定値未満であると判断された場合（Ｓ２８３：ＮＯ）、制御部２０は、処理をステップＳ２１２へ進める。

図１０のフローチャートに示す処理手順の場合、オペレータによる判断及び選択操作が不要になるから自動的に異質な蓄電セルの測定データの特定及び除外が実現する。

第３の例で制御部２０は、作成した異質度の時間分布を画像化し、画像に対するニューラルネットワークを用いた分類器である画像判定モデルを用いて異質な蓄電セルを含むか否かを判定する。図１１は、画像化された時間分布に基づく画像判定モデル２２Ｍの概要図である。画像判定モデル２２Ｍは、特徴量を抽出する畳み込み層又はプーリング層を含む中間層を含むニューラルネットワークであり、時間分布の画像が入力された場合、前記時間分布に係る測定データに異質な蓄電セルの測定データを含む確度（スコア）を出力する。画像判定モデル２２Ｍは、サーバ装置２の記憶部２１に判定モデル２Ｍと共に記憶されてよい。画像判定モデル２２Ｍは、図１１に示すように、時間分布を画像化したものと、オペレータによって判定された結果とのペアである教師データによって学習される。

画像判定モデル２２Ｍは、教師データが収集できた場合には、異質な蓄電セルの異質性を判別するモデルとして学習されてもよい。例えば、図１１におけるパターンＡ，パターンＢ，パターンＣのいずれであるかを判別するモデルしてもよい。制御部２０は、ステップＳ２０９の判定に用いられた異質度の値、ステップＳ２０８で作成した時間分布、及び／又は選択された蓄電セル群の測定データに基づいて、異質性を判別してもよい。制御部２０は、異質の度合い、即ちどれほどに標準的な蓄電セルから外れているかを特定してもよい。他の例では、制御部２０は画像判定モデル２２Ｍを用い、異質が「新品の蓄電セル」であるか、「標準的な蓄電セルよりも良質（長寿命）な蓄電セル」であるか、及び「標準的な蓄電セルよりも短寿命の蓄電セル」であるか等、異質性を判別してもよい。

図１２は、第３の例における蓄電セルを含むか否かの判定手順を示すフローチャートである。図１２のフローチャートに示す処理手順は、図６のフローチャートの内、ステップＳ２０９の処理を詳細に説明したものである。図６のフローチャートと共通する手順には同一のステップ番号を付して詳細な説明を省略する。

サーバ装置２の制御部２０は、ステップＳ２０８で作成した時間分布を画像化し（ステップＳ３８１）、画像化した時間分布を予め学習してある画像判定モデル２２Ｍへ入力する（ステップＳ３８２）。制御部２０は、画像判定モデル２２Ｍから出力されたスコアによって対象の蓄電セル群が異質な蓄電セルを含むか否かを特定し（ステップＳ３８３）、処理をステップＳ２１１へ進める。

教師データとする画像及び正しい判定結果が集まった時点で、第２の例のパターン分析から第３の例の画像判定モデル２２Ｍへ移行することで、判定精度を高めることが期待される。

サーバ装置２は、遠隔監視システム１００における情報提示機能により、オペレータが使用するクライアント装置３から、蓄電システム１０１の状態を示す画面を要求された場合、その画面の情報を作成して送信できる。サーバ装置２の制御部２０は、上述の第２又は第３の例にて自動的に、蓄電セル群毎に異質な蓄電セルを含むと判定した場合、いずれの蓄電セル群が異質な蓄電セルを含むのかを視認可能とする画面をクライアント装置３へ送信し、表示させることができる。

サーバ装置２の制御部２０は、異質な蓄電セルを含む蓄電セル群を視認する画面を作成するため、蓄電セル群毎の判定処理（図６、又は図１０、又は図１２）にて、最新の測定データに基づいて異質な蓄電セルを含むと判定された場合、蓄電セル群の識別情報と対応付けて異質な蓄電セルを含むことを記憶する。異質な蓄電セルを含むと同様に判定された場合であっても第１の例又は第２の例のように、夫々のパターンを識別できる場合には、制御部２０は、いずれのパターンであるかを識別する情報と共に記憶部２１に記憶する。

図１３は、サーバ装置２における情報提示の処理手順の一例を示すフローチャートである。サーバ装置２の制御部２０は、クライアント装置３から対象の蓄電システム１０１の識別情報を受信し（ステップＳ３０１）、受信した識別情報に対応する蓄電システム１０１に含まれる蓄電セル群毎に記憶してある異質な蓄電セルを含むか否かの判定結果を読み出す（ステップＳ３０２）。

制御部２０は、読み出した判定結果をグラフィック化した画面を作成し（ステップＳ３０３）、作成した画面のデータをクライアント装置３へ送信し（ステップＳ３０４）、処理を終了する。ステップＳ３０３では例えば、図１４に示すように、判定結果を蓄電セル群毎の表図として作成する。他のグラフを用いてもよい。ステップＳ３０２－Ｓ３０３の処理は、クライアント装置３からの要求に関係なく、逐次行なわれて最新の画面データを記憶部２１に記憶し、要求が合った場合に送信（Ｓ３０４）してもよい。

図１４は、異質な蓄電セルを含むか否かの判定結果を含む画面例を示す。図１４に示すように、蓄電システム１０１に含まれるドメイン毎に、バンクとモジュールの識別情報（識別番号）を行又は列に持つ表により、異質な蓄電セルを含む蓄電セル群（モジュール）に対応するセルがハッチングによって強調されている。このように、異質な蓄電セルを含む蓄電セル群がいずれにあるかを視認できるようにし、異常が発生する前の段階や、新しい蓄電セルを加えた場合等の観察が必要な時期の蓄電セルの状態をオペレータに把握させることも可能である。図１４では、異質性又は異質の度合いによってハッチングの種別を変えて表示させている。上述した第２又は第３の例によって異質性を判別できる場合には、図１４に示すように異質性を区別して表示することも可能である。

上述した実施の形態では、蓄電素子群の測定データを収集するサーバ装置２にて異質な蓄電セルの測定データを特定する処理について説明した。ドメイン、バンク、及びモジュールの階層構造を持つ蓄電システム１０１の管理装置Ｍで異質な蓄電セルの測定データを特定する処理を実施してもよい。

上述した実施の形態では、ドメイン及びバンクの階層構造を持つ蓄電素子を含む蓄電システム１０１における状態診断、劣化推定、又は寿命予測の処理について説明した。無停電電源装置Ｕ、整流器Ｄに含まれる蓄電素子を複数接続させた蓄電モジュール群Ｌを並列に接続する場合も、同様の処理が適用できる。

上述のように開示された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および範囲内でのすべての変更が含まれることが意図される。

１ 通信デバイス
２ サーバ装置
２０ 制御部
２１ 記憶部
２Ｐ サーバプログラム
２Ｍ 判定モデル
２２Ｍ 画像判定モデル

Claims (13)

1. 蓄電素子に対する測定データを処理するデータ処理装置であって、
   前記蓄電素子毎、又は、複数の前記蓄電素子をグループ分けした蓄電素子群毎に測定された同種の測定データが群として入力された場合に、前記同種の測定データの群に異質な蓄電素子の測定データが含まれているか否かに対応するスコアを出力するように学習された判定モデルを記憶した記憶部と、
   取得した同種の測定データの群を前記判定モデルへ入力して出力されたスコアに基づいて異質な蓄電素子の測定データを特定する特定部と
   を備えるデータ処理装置。
2. 前記特定部によって特定された異質な蓄電素子の測定データを、前記蓄電素子に対する測定データから除外し、残りの測定データを用いて前記蓄電素子の劣化状態推定、又は寿命予測の処理を実行する処理部を備える
   請求項１に記載のデータ処理装置。
3. 前記判定モデルは、入力される測定データの種類別に学習されている
   請求項１又は２に記載のデータ処理装置。
4. 前記特定部は、
   対象の蓄電素子又は蓄電素子群の異なる時点における測定データを前記判定モデルへ入力する都度に出力されるスコアを時間情報と対応付けて記憶しておき、
   記憶した異なる時点における前記スコアの時間分布を作成し、
   前記時間分布に基づき、前記対象の蓄電素子又は蓄電素子群の測定データに異質な蓄電素子の測定データが含まれているか否かを判定する
   請求項１から請求項３のいずれか１項に記載のデータ処理装置。
5. 前記特定部は、
   前記時間分布におけるスコアの昇降パターン、又は前記スコアの時間微分値に基づいて異質な蓄電素子の測定データを特定する
   請求項４に記載のデータ処理装置。
6. 時間分布を画像化した画像が入力された場合に、前記時間分布に対応する蓄電素子又は蓄電素子群の測定データに、異質な蓄電素子の測定データが含まれているか否かを判定するように学習された第２の判定モデルを前記記憶部に記憶しておき、
   前記特定部は、
   作成した時間分布を画像化して前記第２の判定モデルに入力し、
   前記第２の判定モデルによって異質な蓄電素子の測定データが含まれていると判定された場合、前記時間分布に係る測定データを異質な蓄電素子の測定データとして特定する
   請求項４に記載のデータ処理装置。
7. 前記特定部は、
   対象の蓄電素子又は蓄電素子群に対して作成した前記時間分布を、前記対象の蓄電素子又は蓄電素子群を識別する情報に対応付けて記憶し、
   前記時間分布に含まれるスコアの値により、前記対象の蓄電素子又は蓄電素子群をソートし、
   ソート順に、前記時間分布に基づき異質な蓄電素子の測定データを含む蓄電素子又は蓄電素子群の測定データの選択を受け付け、
   選択された測定データを、異質な蓄電素子の測定データとして特定する
   請求項４に記載のデータ処理装置。
8. 前記判定モデルは、前記特定部によって特定された異質な蓄電素子の測定データを、前記蓄電素子に対する測定データから除外した残りの測定データを用いて再学習される
   請求項１から請求項７のいずれか１項に記載のデータ処理装置。
9. 前記蓄電素子又は蓄電素子群に対する測定データの内、所定の割合が、異質な蓄電素子の測定データであると特定された場合、前記判定モデルは、異質であると特定された測定データ及び異質でないと特定されたデータを合わせて、いずれも異質でない蓄電素子の測定データであるとして再学習される
   請求項１から請求項７のいずれか１項に記載のデータ処理装置。
10. 前記判定モデルは、前記蓄電素子の使用環境別の教師データによって学習されている
    請求項１から請求項９のいずれか１項に記載のデータ処理装置。
11. 蓄電素子に対する測定データを処理するデータ処理方法であって、
    前記蓄電素子毎、又は、複数の前記蓄電素子をグループ分けした蓄電素子群毎に測定された同種の測定データが群として入力された場合に、前記同種の測定データの群に異質な蓄電素子の測定データが含まれているか否かに対応するスコアを出力するように学習された判定モデルを用い、
    取得した同種の測定データの群を前記判定モデルへ入力して出力されたスコアに基づいて異質な蓄電素子の測定データを特定する
    データ処理方法。
12. コンピュータに、
    蓄電素子毎、又は、複数の前記蓄電素子をグループ分けした蓄電素子群毎に測定された同種の測定データが群として入力された場合に、前記同種の測定データの群に異質な蓄電素子の測定データが含まれているか否かに対応するスコアを出力するように学習された判定モデルを用い、
    取得した同種の測定データの群を前記判定モデルへ入力して出力されたスコアに基づいて異質な蓄電素子の測定データを特定する
    処理を実行させるコンピュータプログラム。
13. 蓄電素子に対する測定データを処理するデータ処理装置であって、
    前記蓄電素子毎、又は、複数の前記蓄電素子をグループ分けした蓄電素子群毎に測定された同種の測定データが入力された場合に、前記同種の測定データの群に異質な蓄電素子の測定データが含まれているか否かに対応するスコアを出力するように学習された判定モデルを記憶した記憶部と、
    取得した同種の測定データの群を前記判定モデルへ入力して出力されたスコアに基づいて異質な蓄電素子の測定データを特定する特定部と
    前記特定部によって特定された異質な蓄電素子の測定データを、前記蓄電素子に対する測定データから除外し、残りの測定データを用いて前記蓄電素子の劣化状態推定、又は寿命予測の処理を実行し、
    異質な蓄電素子をオペレーターに把握させる処理部と
    を備えるデータ処理装置。

Images