JP7390310B2 - 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
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 Download PDFInfo
- Publication number
- JP7390310B2 JP7390310B2 JP2020563218A JP2020563218A JP7390310B2 JP 7390310 B2 JP7390310 B2 JP 7390310B2 JP 2020563218 A JP2020563218 A JP 2020563218A JP 2020563218 A JP2020563218 A JP 2020563218A JP 7390310 B2 JP7390310 B2 JP 7390310B2
- Authority
- JP
- Japan
- Prior art keywords
- storage element
- measurement data
- data
- power storage
- energy storage
- 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
- 238000012545 processing Methods 0.000 title claims description 46
- 238000004590 computer program Methods 0.000 title claims description 7
- 238000003672 processing method Methods 0.000 title claims description 7
- 238000005259 measurement Methods 0.000 claims description 125
- 238000004146 energy storage Methods 0.000 claims description 36
- 238000000034 method Methods 0.000 claims description 32
- 230000008569 process Effects 0.000 claims description 18
- 238000009499 grossing Methods 0.000 claims description 13
- 230000015654 memory Effects 0.000 claims description 10
- 230000005611 electricity Effects 0.000 claims description 8
- 238000004891 communication Methods 0.000 description 74
- 210000000352 storage cell Anatomy 0.000 description 57
- 238000010586 diagram Methods 0.000 description 15
- 238000010248 power generation Methods 0.000 description 11
- 238000012544 monitoring process Methods 0.000 description 10
- 238000003745 diagnosis Methods 0.000 description 6
- 230000006870 function Effects 0.000 description 6
- 230000005856 abnormality Effects 0.000 description 4
- 238000004519 manufacturing process Methods 0.000 description 4
- 238000007599 discharging Methods 0.000 description 3
- 238000012935 Averaging Methods 0.000 description 2
- 238000013528 artificial neural network Methods 0.000 description 2
- 230000005540 biological transmission Effects 0.000 description 2
- 238000004364 calculation method Methods 0.000 description 2
- 210000004027 cell Anatomy 0.000 description 2
- 230000008859 change Effects 0.000 description 2
- 238000005401 electroluminescence Methods 0.000 description 2
- 230000036541 health Effects 0.000 description 2
- 238000012423 maintenance Methods 0.000 description 2
- 238000010295 mobile communication Methods 0.000 description 2
- 230000004044 response Effects 0.000 description 2
- HBBGRARXTFLTSG-UHFFFAOYSA-N Lithium ion Chemical compound [Li+] HBBGRARXTFLTSG-UHFFFAOYSA-N 0.000 description 1
- 239000002253 acid Substances 0.000 description 1
- 239000003990 capacitor Substances 0.000 description 1
- 239000003795 chemical substances by application Substances 0.000 description 1
- 230000003750 conditioning effect Effects 0.000 description 1
- 230000007423 decrease Effects 0.000 description 1
- 230000006866 deterioration Effects 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 230000010365 information processing Effects 0.000 description 1
- 239000004973 liquid crystal related substance Substances 0.000 description 1
- 229910001416 lithium ion Inorganic materials 0.000 description 1
- 239000000463 material Substances 0.000 description 1
- 238000010606 normalization Methods 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 238000005070 sampling Methods 0.000 description 1
- 238000004088 simulation Methods 0.000 description 1
- 230000005477 standard model Effects 0.000 description 1
- 238000012360 testing method Methods 0.000 description 1
- 238000012549 training Methods 0.000 description 1
Images
Classifications
-
- 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
-
- 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
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/08—Learning methods
-
- 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
- H01M10/482—Accumulators combined with arrangements for measuring, testing or indicating the condition of cells, e.g. the level or density of the electrolyte for several batteries or cells simultaneously or sequentially
-
- 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
- H02J7/0013—Circuit arrangements for charging or depolarising batteries or for supplying loads from batteries acting upon several batteries simultaneously or sequentially
-
- 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]
- G01R31/396—Acquisition or processing of data for testing or for monitoring individual cells or groups of cells within a battery
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/04—Architecture, e.g. interconnection topology
- G06N3/045—Combinations of networks
-
- H—ELECTRICITY
- H01—ELECTRIC ELEMENTS
- H01G—CAPACITORS; CAPACITORS, RECTIFIERS, DETECTORS, SWITCHING DEVICES, LIGHT-SENSITIVE OR TEMPERATURE-SENSITIVE DEVICES OF THE ELECTROLYTIC TYPE
- H01G11/00—Hybrid capacitors, i.e. capacitors having different positive and negative electrodes; Electric double-layer [EDL] capacitors; Processes for the manufacture thereof or of parts thereof
- H01G11/10—Multiple hybrid or EDL capacitors, e.g. arrays or modules
-
- H—ELECTRICITY
- H01—ELECTRIC ELEMENTS
- H01G—CAPACITORS; CAPACITORS, RECTIFIERS, DETECTORS, SWITCHING DEVICES, LIGHT-SENSITIVE OR TEMPERATURE-SENSITIVE DEVICES OF THE ELECTROLYTIC TYPE
- H01G11/00—Hybrid capacitors, i.e. capacitors having different positive and negative electrodes; Electric double-layer [EDL] capacitors; Processes for the manufacture thereof or of parts thereof
- H01G11/14—Arrangements or processes for adjusting or protecting hybrid or EDL capacitors
-
- 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
- H01M10/05—Accumulators with non-aqueous electrolyte
- H01M10/052—Li-accumulators
- H01M10/0525—Rocking-chair batteries, i.e. batteries with lithium insertion or intercalation in both electrodes; Lithium-ion batteries
-
- 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
- H01M10/06—Lead-acid accumulators
-
- H—ELECTRICITY
- H01—ELECTRIC ELEMENTS
- H01M—PROCESSES OR MEANS, e.g. BATTERIES, FOR THE DIRECT CONVERSION OF CHEMICAL ENERGY INTO ELECTRICAL ENERGY
- H01M6/00—Primary cells; Manufacture thereof
- H01M6/50—Methods or arrangements for servicing or maintenance, e.g. for maintaining operating temperature
- H01M6/5044—Cells or batteries structurally combined with cell condition indicating means
-
- 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]
-
- 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)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Manufacturing & Machinery (AREA)
- Chemical & Material Sciences (AREA)
- Chemical Kinetics & Catalysis (AREA)
- Electrochemistry (AREA)
- General Chemical & Material Sciences (AREA)
- Power Engineering (AREA)
- Theoretical Computer Science (AREA)
- Biomedical Technology (AREA)
- Computing Systems (AREA)
- Life Sciences & Earth Sciences (AREA)
- Biophysics (AREA)
- Computational Linguistics (AREA)
- Data Mining & Analysis (AREA)
- Evolutionary Computation (AREA)
- General Health & Medical Sciences (AREA)
- Molecular Biology (AREA)
- Artificial Intelligence (AREA)
- General Engineering & Computer Science (AREA)
- Mathematical Physics (AREA)
- Software Systems (AREA)
- Health & Medical Sciences (AREA)
- Charge And Discharge Circuits For Batteries Or The Like (AREA)
- Remote Monitoring And Control Of Power-Distribution Networks (AREA)
- Secondary Cells (AREA)
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）。
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、蓄電素子の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を入力した場合に、前記測定データを再現するように学習されたオートエンコーダを用いた判定モデルを記憶した記憶部と、蓄電素子毎、又は蓄電素子群毎の測定データを前記判定モデルに入力した場合に出力される再現データと、前記測定データとの誤差に基づいて、前記蓄電素子毎、又は蓄電素子群毎の測定データにおける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。
データ処理装置は、蓄電素子の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を入力した場合に、前記測定データを再現するように学習されたオートエンコーダを用いた判定モデルを記憶した記憶部と、蓄電素子毎、又は蓄電素子群毎の測定データを前記判定モデルに入力した場合に出力される再現データと、前記測定データとの誤差に基づいて、前記蓄電素子毎、又は蓄電素子群毎の測定データにおける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、異質でない蓄電素子の測定データで学習済みのオートエンコーダに、異質な蓄電素子の測定データを入力した場合、入力した測定データとオートエンコーダで再現された出力との誤差が大きくなることから、その差を異質度として用いることで、異質な蓄電素子を含むか否かが判定される。
判定モデルは、季節別、周辺環境別に学習されていてもよい。周辺環境は例えば、気温、湿度、日照時間等の地理的条件でもよいし、電力供給元の発電システムの種類であってもよい。判定モデルは、蓄電素子の使用開始からの時間に基づいて再学習されてもよい。
判定モデルにより、蓄電素子の測定データの内、所定の割合のデータが異質な蓄電素子を含む測定データであると特定されることが急増した場合、周辺環境の変化に応じて蓄電素子の測定データが全体として変異したことが推測される。蓄電素子の測定データが全体として変異することに合わせて、判定モデルを再学習してもよい。
判定モデルに入力される測定データは、時系列の平均移動を取る等のスムージング処理を施した後で使用されることが好ましい。測定データが欠落していても誤った判定を回避することができる。
データ処理方法は、蓄電素子の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を入力した場合に、前記測定データを再現するように学習されたオートエンコーダを用いた判定モデルを記憶しておき、蓄電素子、又は蓄電素子群毎の測定データを前記判定モデルに入力した場合に出力される再現データと前記測定データとの誤差に基づいて、前記蓄電素子毎、又は蓄電素子群毎の測定データにおける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を入力した場合に、前記測定データを再現するように学習されたオートエンコーダを用いた判定モデルを記憶しておき、蓄電素子毎、又は蓄電素子群毎の測定データを前記判定モデルに入力した場合に出力される再現データと前記測定データとの誤差に基づいて、前記蓄電素子毎、又は蓄電素子群毎の測定データにおける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蓄電素子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。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。蓄電モジュール群Ｌは、例えば蓄電素子（蓄電セル、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。
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２０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、蓄電セルの測定データを用い、蓄電モジュール毎、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、又はドメイン毎に、製造時に想定されている蓄電素子モデルに基づく診断、推定又は予測を精度よく処理することができる。
サーバ装置２の制御部２０による異質な蓄電セルの測定データの特定方法について詳細に説明する。
図５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。制御部２０は、図５のフローチャートを用いた異質な蓄電セルの測定データの特定を、測定データの取得タイミングの都度、又は取得周期よりも長い周期で繰り返し実行する。
制御部２０は、蓄電セルのグループを１つ選択する（ステップＳ１０１）。ステップＳ１０１において制御部２０は一例として、蓄電セル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、蓄電セルをバンク単位で選択してもよい。制御部２０は他の例では、蓄電セル１つずつを選択してもよい。
制御部２０は、ステップＳ１０１で選択した蓄電セルのグループに含まれている蓄電セルに対する測定データを取得する（ステップＳ１０２）。ステップＳ１０２にて取得する測定データは、後述の判定モデル２Ｍの学習方法によって異なる。
制御部２０は、ステップＳ１０２にて取得した測定データに応じてスムージング、正規化等の所定の処理を施し（ステップＳ１０３）、処理後の測定データを判定モデル２Ｍに与え（ステップＳ１０４）、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Ｓ１０５）。
制御部２０は、ステップＳ１０５で特定した異質度を、ステップＳ１０１で選択した蓄電セルのグループ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Ｓ１０６）。
制御部２０は、ステップＳ１０１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Ｓ１０７）。制御部２０は、読み出した過去所定期間の異質度に基づいてステップＳ１０１で選択した蓄電セルのグループ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Ｓ１０８）。ステップＳ１０８で制御部２０は、例えば異質度の絶対値、異質度の時間変化量等を所定の比較値と比較した結果に基づいて判定する。
ステップＳ１０８にて、異質な蓄電セルを含んでいると判定された場合（Ｓ１０８：ＹＥＳ）、制御部２０は、ステップＳ１０１で選択した蓄電セルのグループの測定データは、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Ｓ１０９）。制御部２０は、特定結果を蓄電セルのグループの識別情報及び時間情報に対応付けて記憶部２１に記憶し（ステップＳ１１０）、全ての蓄電セル群をステップＳ１０１で選択したか否かを判断する（ステップＳ１１１）。
ステップＳ１１１にて全て選択したと判断された場合（Ｓ１１１：ＹＥＳ）、制御部２０は、異質な蓄電セルの測定データの特定処理を終了する。
ステップＳ８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（Ｓ１０８：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Ｓ１１２）、処理をステップＳ１１０へ進める。
ステップＳ１１１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（Ｓ１１１：ＮＯ）、制御部２０は処理をステップＳ１０１へ戻し、次のグループを選択する（Ｓ１０１）。
図５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の学習方法に応じて、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。
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６は、判定モデル２Ｍの一例の概要図である。本実施の形態における判定モデル２Ｍは、蓄電セルの測定データを入力して抽象化し、抽象化された情報から再度測定データを再現するオートエンコーダを用い、制御部２０は、判定モデル２Ｍに入力させた測定データと再現された測定データとの比較に基づき異質度を特定する。図６の例では、判定モデル２Ｍは、モジュール単位の測定データを入力する。測定データは、モジュールに含まれる複数の蓄電セル夫々の電圧値である。判定モデル２Ｍはオートエンコーダにより、入力された電圧値群を抽象化（Encode）し、抽象化されたデータから入力電圧値群を再現（Decode）できるように、学習されている。教師データは、異質でないことが既知である蓄電セルの電圧値群を入力に用い、再現された電圧値群との差分が最小になるように学習される。教師データは例えば、試験環境における標準モデルの蓄電セルの測定データ、又は、シミュレーション演算により得られるデータである。
図７は、判定モデル２Ｍの学習方法の一例を示すフローチャートである。制御部２０は、記憶部２１に記憶してあるデータ処理プログラム２２Ｐに基づいて、蓄電システム１０１について初期的に、又は、後述するように周期的に、以下の学習処理を実行する。制御部２０は、記憶部２１に記憶してあるオートエンコーダの定義データに基づいてニューラルネットワークをオートエンコーダとして定義する（ステップＳ２０１）。
制御部２０は、定義されたネットワークの入力層に、教師データである既知である蓄電セルの測定データ（電圧値群）を入力し（ステップＳ２０２）、出力層から出力される再現データ（再現値群）を取得する（ステップＳ２０３）。制御部２０は、入力した測定データと再現データとの間の誤差（損失）を算出し（ステップＳ２０４）、算出された誤差に基づいて、ネットワークにおける重み等のパラメータを更新する（ステップＳ２０５）。
制御部２０は、所定の学習条件を満たすか否かを判断する（ステップＳ２０６）。ステップＳ２０６で所定の学習条件を満たさないと判断された場合（Ｓ２０６：ＮＯ）、制御部２０は処理をステップＳ２０２へ戻して他の電圧値群を用いて学習する。「所定の学習基準」は例えば、ステップＳ２０４にて算出された誤差が小さくなったか、学習データ数が所定数以上となったか、又は学習回数が所定回数以上となったか等である。
ステップＳ２０６で所定の学習条件を満たすと判断された場合（Ｓ２０６：ＹＥＳ）、制御部２０は学習処理を終了する。これにより、ニューラルネットワークが、予め用意されている異質でないことが既知である電圧値群をできるだけ精度よく再現するオートエンコーダとして学習される。
制御部２０は、図７のフローチャートに示す処理手順を、蓄電システム１０１が構築されたタイミングで実行して判定モデル２Ｍを作成するとよい。制御部２０は、システムＳ，Ｆ，Ｗが建設されると運用開始前に、ドメイン毎又はバンク毎に、新たに組み込まれた蓄電セル群から実際に得られる測定データを教師データとして図７のフローチャートの処理手順を実行する。これにより、システムＳ，Ｆ，Ｗ夫々の固有の特性を持つ測定データに適合した判定モデル２Ｍを得ることができる。制御部２０は、運用開始からの経過時間に基づくタイミングで判定モデル２Ｍの再学習をしてもよい。タイミングは例えば、所定周期、又は予め設定されているスケジュールである。制御部２０は、運用開始からの充放電回数が所定回数を超える都度、判定モデル２Ｍの再学習をしてもよい。
制御部２０は、図７のフローチャートに示す処理手順を、季節毎に行ない、季節毎に異なる判定モデル２Ｍａ，２Ｍｂ，２Ｍｃ，…を作成してもよい。図１に示したように大規模な発電システムＳ，Ｆ，Ｗでは蓄電セル群は屋外に設置されたコンテナＣ内に収容されて使用される。蓄電セルの状態は季節によって異なる気温の影響を受けたコンテナＣ内の温度に影響されるため、季節毎に異なる判定モデル２Ｍａ，２Ｍｂ，２Ｍｃ，…により判定を行なうことによって精度が高まる。蓄電セルの状態は季節によって異なる電力需要に影響される。電力需要が大きい時期（月）は測定データによって判定モデル２Ｍ再学習を繰り返し行ない、再学習後の判定モデル２Ｍ、又は月毎に異なる判定モデル２Ｍａ，２Ｍｂ，２Ｍｃ，…を作成して使用してもよい。
このように、判定モデル２Ｍがシステム毎、季節毎に学習される場合、制御部２０は、図５のフローチャートに示した処理手順を実行する前に、予めシステム毎、及び季節毎に学習されている判定モデル２Ｍからいずれか適切なモデルを選択して使用する。
制御部２０は、システムの運用の進行と共に判定モデル２Ｍを再学習するとよい。制御部２０は、図５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、全測定データを異質でない蓄電セルの測定データであるとして判定モデル２Ｍを再学習してもよい。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。
図６の例に示した判定モデル２Ｍに複数の蓄電セルの電圧値を夫々入力する場合、制御部２０は、電圧値の所定期間分における平均値を算出する方法によってスムージング処理を施す。図８は、スムージング処理の一例を示す図である。図８では、蓄電セル毎に１分毎に測定される電圧値が、時系列に示されている。制御部２０は、電圧値を判定モデル２Ｍに入力する際に、過去所定期間、例えば過去１０分間における電圧値を平均化した値を入力する。制御部２０は、データ取得時間１０分（00:10）の時点では、図８中破線で示す取得時間１分から１０分までの期間の電圧値の平均（移動平均）を求めるスムージング処理を行ない、処理後の数値を判定モデル２Ｍに入力する。同様にして制御部２０は、データ取得時間１１分（00:11）の時点では、図８中太実線で示す取得時間２分から１１分までの期間の電圧値の平均（移動平均）を求めるスムージング処理を行ない、処理後の数値を判定モデル２Ｍに入力する。
図８のスムージング処理により、各時点で取得できる測定データに欠落があったとしても、精度よく判定が可能である。例えば１番目の蓄電セルの電圧値はデータ取得時間６分の電圧値が欠落している。３番目の蓄電セルの電圧値は、データ取得時間６分から９分の４つの電圧値が欠落している。各時点で取得できる測定データを入力する場合、欠落しているデータは例えばゼロ値が入力されるため、判定モデル２Ｍから異質であると判定されるような異質度がスパイクとして出力される。各時点の過去の測定データを用いたスムージング処理を行なうことで、データが一時的に欠落していたとしても誤った判定を回避することができる。
判定モデル２Ｍは、図６に示した例に限らない。以下の図９又は図１０に示したような測定データを入力するモデルとして学習されてあってもよい。図９は、判定モデル２Ｍの他の一例の概要図である。図９に示す例で判定モデル２Ｍは、バンク単位の測定データを入力する。測定データは、バンクに含まれる蓄電セルの平均電圧値、最高電圧値、最低電圧値、電流値、平均モジュール温度、最高モジュール温度、最低モジュール温度、並びに電圧値及び電流値から算出されるＳＯＣである。この場合も、過去数分から数百分等の時系列データの平均を取ることを含むスムージング処理を行なってよい。図１０は、判定モデル２Ｍの他の一例の概要図である。図１０に示す例で判定モデル２Ｍは、蓄電セルを１つずつの測定データを入力する。判定モデル２Ｍは、過去の異なる時点に対して図８のスムージング処理を行なって得られる時系列データを入力する。図９又は図１０の判定モデル２Ｍでは、測定データと再現データとの誤差を特定の損失関数を用いて求めるようしてもよい。
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、整流器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、請求の範囲によって示され、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
２１Ｐ サーバプログラム
２２Ｐ データ処理プログラム
２Ｍ 判定モデル
２ サーバ装置
２０ 制御部
２１ 記憶部
２１Ｐ サーバプログラム
２２Ｐ データ処理プログラム
２Ｍ 判定モデル
Claims (7)
- 蓄電素子の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を入力した場合に、前記測定データを再現するように学習されたオートエンコーダを用いた判定モデルを記憶した記憶部と、
蓄電素子毎、又は蓄電素子群毎の測定データを前記判定モデルに入力した場合に出力される再現データと、前記測定データとの誤差に基づいて、前記蓄電素子毎、又は蓄電素子群毎の測定データにおける前記蓄電素子の想定モデルから外れた異質な蓄電素子から得た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。 - 前記判定モデルは、季節別、又は前記蓄電素子の周辺環境の分類別に測定された異質でない蓄電素子の測定データによって分別して学習されており、
前記特定部は、測定データが測定された季節又は前記分類別に判定モデルを選択して前記測定データを入力する
請求項１に記載のデータ処理装置。 - 前記蓄電素子の使用開始からの経過時間に基づくタイミングで前記判定モデルが再学習される
請求項１又は２に記載のデータ処理装置。 - 前記蓄電素子に含まれる複数の蓄電素子又は蓄電素子群の測定データの内、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、全測定データを用いて再学習される
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。 - 前記特定部は、
前記判定モデルに測定データを入力する前に、前記測定データに対してスムージング処理を施し、
スムージング処理後の測定データを入力する
請求項１から請求項４のいずれか１項に記載のデータ処理装置。 - 蓄電素子の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を入力した場合に、前記測定データを再現するように学習されたオートエンコーダを用いた判定モデルを記憶しておき、
蓄電素子毎、又は蓄電素子群毎の測定データを前記判定モデルに入力した場合に出力される再現データと前記測定データとの誤差に基づいて、前記蓄電素子毎、又は蓄電素子群毎の測定データにおける前記蓄電素子の想定モデルから外れた異質な蓄電素子から得た測定データを特定する
データ処理方法。 - 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を入力した場合に、前記測定データを再現するように学習されたオートエンコーダを用いた判定モデルを記憶しておき、
蓄電素子毎、又は蓄電素子群毎の測定データを前記判定モデルに入力した場合に出力される再現データと前記測定データとの誤差に基づいて、前記蓄電素子毎、又は蓄電素子群毎の測定データにおける前記蓄電素子の想定モデルから外れた異質な蓄電素子から得た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。
Applications Claiming Priority (3)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| JP2018248108 | 2018-12-28 | ||
| JP2018248108 | 2018-12-28 | ||
| PCT/JP2019/050183 WO2020137914A1 (ja) | 2018-12-28 | 2019-12-20 | 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 |
Publications (3)
| Publication Number | Publication Date |
|---|---|
| JPWO2020137914A1 JPWO2020137914A1 (ja) | 2020-07-02 |
| JPWO2020137914A5 JPWO2020137914A5 (ja) | 2022-02-16 |
| JP7390310B2 true JP7390310B2 (ja) | 2023-12-01 |
Family
ID=71127832
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| JP2020563218A Active JP7390310B2 (ja) | 2018-12-28 | 2019-12-20 | 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 |
Country Status (5)
| Country | Link |
|---|---|
| US (1) | US20220113354A1 (ja) |
| EP (1) | EP3905424B1 (ja) |
| JP (1) | JP7390310B2 (ja) |
| CN (1) | CN113228379A (ja) |
| WO (1) | WO2020137914A1 (ja) |
Families Citing this family (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| DE102020117609B8 (de) * | 2020-07-03 | 2022-11-03 | TWAICE Technologies GmbH | Verarbeitung von Zustandsdaten einer Batterie zur Alterungsschätzung |
| JP2022095380A (ja) * | 2020-12-16 | 2022-06-28 | 株式会社Ｇｓユアサ | 異常検知装置、異常検知方法、及びコンピュータプログラム |
| DE102021101757A1 (de) * | 2021-01-27 | 2022-07-28 | TWAICE Technologies GmbH | Big-Data für Fehlererkennung in Batteriesystemen |
| CN117178405A (zh) * | 2021-03-22 | 2023-12-05 | 株式会社杰士汤浅国际 | 异常检测装置、异常检测方法以及计算机程序 |
| SE2250802A1 (en) * | 2022-06-29 | 2023-12-30 | Northvolt Systems Ab | Method for identifying battery groups having one or more defective cells or cell connections |
Citations (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2003249271A (ja) | 2002-02-22 | 2003-09-05 | Akuson Data Machine Kk | バッテリの残存容量判定方法と、その装置 |
| JP2010519691A (ja) | 2007-04-20 | 2010-06-03 | 杭州高特電子設備有限公司 | 蓄電池の性能を分析するためのエキスパート診断方法 |
| WO2012165629A1 (ja) | 2011-06-03 | 2012-12-06 | 三洋電機株式会社 | 組電池の制御システム及びそれを備える電力供給システム |
| WO2015198631A1 (ja) | 2014-06-24 | 2015-12-30 | 株式会社 東芝 | 蓄電池システムの劣化制御装置及びその方法 |
| JP2016090346A (ja) | 2014-10-31 | 2016-05-23 | エンネット株式会社 | 電池診断装置および電池診断方法 |
| JP2017004955A (ja) | 2015-06-11 | 2017-01-05 | 三星電子株式会社Ｓａｍｓｕｎｇ Ｅｌｅｃｔｒｏｎｉｃｓ Ｃｏ．，Ｌｔｄ． | バッテリ状態推定装置及び方法 |
| JP2019158666A (ja) | 2018-03-14 | 2019-09-19 | 株式会社Ｇｓユアサ | 劣化判定方法、劣化判定装置、及び劣化判定システム |
Family Cites Families (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP3520886B2 (ja) * | 1996-03-08 | 2004-04-19 | サンケン電気株式会社 | 二次電池の状態判定方法 |
| US8200600B2 (en) * | 2007-03-20 | 2012-06-12 | Irobot Corporation | Electronic system condition monitoring and prognostics |
| JP5582099B2 (ja) | 2011-06-21 | 2014-09-03 | 株式会社Ｇｓユアサ | 電池寿命劣化推定装置、電池寿命劣化推定方法及び蓄電システム |
| US20140088897A1 (en) * | 2012-09-26 | 2014-03-27 | Nec Laboratories America, Inc. | Computer Implemented Method for Diagnositc Analytics for Battery Life Management |
| US9800073B2 (en) * | 2015-08-20 | 2017-10-24 | International Business Machines Corporation | Modeling a change in battery degradation |
| KR20180037760A (ko) * | 2016-10-05 | 2018-04-13 | 삼성전자주식회사 | 배터리 상태 추정 장치 및 방법 |
| KR102613749B1 (ko) * | 2017-05-03 | 2023-12-13 | 가부시키가이샤 한도오따이 에네루기 켄큐쇼 | 신경망, 전력 저장 시스템, 차량, 및 전자 기기 |
-
2019
- 2019-12-20 US US17/418,210 patent/US20220113354A1/en active Pending
- 2019-12-20 EP EP19904057.7A patent/EP3905424B1/en active Active
- 2019-12-20 CN CN201980085881.2A patent/CN113228379A/zh active Pending
- 2019-12-20 JP JP2020563218A patent/JP7390310B2/ja active Active
- 2019-12-20 WO PCT/JP2019/050183 patent/WO2020137914A1/ja unknown
Patent Citations (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2003249271A (ja) | 2002-02-22 | 2003-09-05 | Akuson Data Machine Kk | バッテリの残存容量判定方法と、その装置 |
| JP2010519691A (ja) | 2007-04-20 | 2010-06-03 | 杭州高特電子設備有限公司 | 蓄電池の性能を分析するためのエキスパート診断方法 |
| WO2012165629A1 (ja) | 2011-06-03 | 2012-12-06 | 三洋電機株式会社 | 組電池の制御システム及びそれを備える電力供給システム |
| WO2015198631A1 (ja) | 2014-06-24 | 2015-12-30 | 株式会社 東芝 | 蓄電池システムの劣化制御装置及びその方法 |
| JP2016090346A (ja) | 2014-10-31 | 2016-05-23 | エンネット株式会社 | 電池診断装置および電池診断方法 |
| JP2017004955A (ja) | 2015-06-11 | 2017-01-05 | 三星電子株式会社Ｓａｍｓｕｎｇ Ｅｌｅｃｔｒｏｎｉｃｓ Ｃｏ．，Ｌｔｄ． | バッテリ状態推定装置及び方法 |
| JP2019158666A (ja) | 2018-03-14 | 2019-09-19 | 株式会社Ｇｓユアサ | 劣化判定方法、劣化判定装置、及び劣化判定システム |
Non-Patent Citations (2)
| Title |
|---|
| Lei Ren et al.，Remainining Useful LIfe Prediction for Lithium-Ion Battery: A Deep Learning Approach，IEEE Access，米国，2018年07月23日，VOLUME 6 2018，50587 - 50598 |
| Yu Ding et al.，Li-ion Battery Health Estimation Based on Multi-layer Characteristic Fusion and Deep Learning，IEEE VEHICLE POWER AND PROPULSION CONFERENCE(VPPC)，米国，2017年12月11日，1 - 5 |
Also Published As
| Publication number | Publication date |
|---|---|
| JPWO2020137914A1 (ja) | 2020-07-02 |
| WO2020137914A1 (ja) | 2020-07-02 |
| CN113228379A (zh) | 2021-08-06 |
| US20220113354A1 (en) | 2022-04-14 |
| EP3905424B1 (en) | 2024-03-13 |
| EP3905424A1 (en) | 2021-11-03 |
| EP3905424A4 (en) | 2022-03-02 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| JP7390310B2 (ja) | 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 | |
| US11243262B2 (en) | Degradation estimation apparatus, computer program, and degradation estimation method | |
| US20210033675A1 (en) | Degradation estimation apparatus, computer program, and degradation estimation method | |
| JP7310137B2 (ja) | 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 | |
| CN116502112B (zh) | 一种新能源电源测试数据管理方法及*** | |
| CN114371409B (zh) | 电池状态预测模型的训练方法、电池状态预测方法及装置 | |
| US11619674B2 (en) | State estimation method and state estimation apparatus | |
| WO2019203111A1 (ja) | 状態推定方法、及び状態推定装置 | |
| CN117054892B (zh) | 一种储能电站电池健康状态的评估方法、装置及管理方法 | |
| JP2019125482A (ja) | 監視装置、監視方法及びコンピュータプログラム | |
| US20240044988A1 (en) | Abnormality detection device, abnormality detection method, and computer program | |
| Sui et al. | Early Prediction of Lithium-Ion Batteries Lifetime via Few-Shot Learning | |
| Gu et al. | Electrochemical parameter identification for lithium-ion battery sources in self-sustained transportation energy systems | |
| CN117178405A (zh) | 异常检测装置、异常检测方法以及计算机程序 | |
| Shamarova et al. | Storage Systems Modeling in Microgrids with Renewables Considering Battery Degradation | |
| SHRISUDHAN | Battery Prognostics: Estimation of Remaining Operational Time of batteries using convolution and temporal-correlation | |
| KR20230136481A (ko) | 배터리 수명 예측 장치 및 그것의 동작 방법 | |
| CN114137418A (zh) | 蓄电池性能识别方法、装置、计算机设备和存储介质 |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20210617 |
|
| AA64 | Notification of invalidation of claim of internal priority (with term) |
Free format text: JAPANESE INTERMEDIATE CODE: A241764 Effective date: 20211005 |
|
| A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20211202 |
|
| A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20220513 |
|
| A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20230704 |
|
| A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20230831 |
|
| 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: 20231024 |
|
| A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20231120 |
|
| R150 | Certificate of patent or registration of utility model |
Ref document number: 7390310 Country of ref document: JP Free format text: JAPANESE INTERMEDIATE CODE: R150 |