JP7443218B2 - Data processing device, model generation device, data processing method, model generation method, and program - Google Patents

Data processing device, model generation device, data processing method, model generation method, and program Download PDF

Info

Publication number
JP7443218B2
JP7443218B2 JP2020189281A JP2020189281A JP7443218B2 JP 7443218 B2 JP7443218 B2 JP 7443218B2 JP 2020189281 A JP2020189281 A JP 2020189281A JP 2020189281 A JP2020189281 A JP 2020189281A JP 7443218 B2 JP7443218 B2 JP 7443218B2
Authority
JP
Japan
Prior art keywords
data
input
value
output
model
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Active
Application number
JP2020189281A
Other languages
Japanese (ja)
Other versions
JP2022078541A (en
Inventor
九廷 陳
秀徳 嶋脇
逸郎 林
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Envision AESC Japan Ltd
Original Assignee
AESC Japan Co Ltd
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by AESC Japan Co Ltd filed Critical AESC Japan Co Ltd
Priority to JP2020189281A priority Critical patent/JP7443218B2/en
Priority to PCT/JP2021/040768 priority patent/WO2022102532A1/en
Publication of JP2022078541A publication Critical patent/JP2022078541A/en
Application granted granted Critical
Publication of JP7443218B2 publication Critical patent/JP7443218B2/en
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • 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)
  • Software Systems (AREA)
  • Data Mining & Analysis (AREA)
  • Evolutionary Computation (AREA)
  • Medical Informatics (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Physics & Mathematics (AREA)
  • Computing Systems (AREA)
  • General Engineering & Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Mathematical Physics (AREA)
  • Artificial Intelligence (AREA)
  • Tests Of Electric Status Of Batteries (AREA)
  • Testing Or Calibration Of Command Recording Devices (AREA)

Description

本発明は、データ処理装置、モデル生成装置、データ処理方法、モデル生成方法、及びプログラムに関する。 The present invention relates to a data processing device, a model generation device, a data processing method, a model generation method, and a program.

近年は、機械学習により生成されたモデルが様々な用途で用いられている。例えば特許文献１には、二次電池の状態を推定する際にニューラルネットワークを用いた学習を用いることが記載されている。 In recent years, models generated by machine learning have been used for various purposes. For example, Patent Document 1 describes the use of learning using a neural network when estimating the state of a secondary battery.

特開２００８－２３２７５８号公報JP2008-232758A

機械学習により生成されたモデルの価値は高い。一方、このようなモデルの用途が広がると、モデルを第三者が入手できる可能性が広がる。このため、モデルの作成者にとって、自分が作成したモデルであるか否かを検証できるようにするのが好ましい。 The value of models generated by machine learning is high. On the other hand, as the uses of such models expand, the possibility that the models can be obtained by third parties increases. For this reason, it is preferable for model creators to be able to verify whether or not the model is created by them.

本発明の目的の一例は、モデルの作成者が、自分が作成したモデルを特定しやすくすることにある。 One example of the purpose of the present invention is to make it easier for model creators to identify the models they have created.

本発明によれば、測定対象に関する入力データを取得する入力データ取得部と、
モデル記憶部が記憶しているモデルを取得し、当該モデルに前記入力データを入力することにより、前記測定対象に関する出力データを生成する出力データ生成部と、
を備え、
前記入力データは、前記測定対象の状態を示す少なくとも１種類のパラメータの測定結果に基づいており、かつ、複数の入力要素からなり、
前記出力データは、複数の出力要素を含み、かつ、前記複数の出力要素は、前記測定対象の状態を示していて前記入力データとして用いられなかったパラメータの現在または将来の推定値、及び前記入力データに用いられたパラメータの将来の推定値の少なくとも一方を含み、
特定の前記入力要素の値が、当該特定の入力要素として取り得る値の範囲外であり、かつ、予め決めておいた範囲内にある検証用入力データが前記入力データとして用いられた場合、
前記出力データは、特定の前記出力要素の値が予め決めておいた範囲内にある、検証用出力データになる、データ処理装置が提供される。 According to the present invention, an input data acquisition unit that acquires input data regarding a measurement target;
an output data generation unit that generates output data regarding the measurement target by acquiring a model stored in a model storage unit and inputting the input data to the model;
Equipped with
The input data is based on the measurement results of at least one type of parameter indicating the state of the measurement target, and consists of a plurality of input elements,
The output data includes a plurality of output elements, and the plurality of output elements indicate the state of the measurement target and are current or future estimated values of parameters that were not used as the input data, and the input including at least one future estimate of a parameter used in the data;
When the value of a particular input element is outside the range of possible values for the particular input element, and verification input data within a predetermined range is used as the input data,
A data processing device is provided in which the output data becomes verification output data in which the value of the specific output element is within a predetermined range.

本発明によれば、上記したデータ処理装置で用いられる前記モデルを生成するモデル生成装置であって、
訓練データを取得する訓練データ取得部と、
前記訓練データを用いて前記モデルを生成するモデル生成部と、
を備え、
前記訓練データは、
すべての前記入力要素が当該入力要素として取り得る値の範囲内にある第１の前記入力データと、すべての前記出力要素が当該出力要素として取り得る値の範囲内にある第１の前記出力データと、を含む第１訓練データと、
特定の前記入力要素の値が、当該特定の入力要素として取り得る値の範囲外であり、かつ予め決めておいた範囲内にある第２の前記入力データと、特定の前記出力要素の値が予め決めておいた範囲内にある第２の前記出力データと、を含む第２訓練データと、
を含む、モデル生成装置が提供される。 According to the present invention, there is provided a model generation device that generates the model used in the data processing device described above,
a training data acquisition unit that acquires training data;
a model generation unit that generates the model using the training data;
Equipped with
The training data is
The first said input data in which all said input elements are within the range of values that the said input element can take; and the first said output data in which all said output elements are within the range of values that the said output element can take. and first training data including;
The value of the specific input element is outside the range of possible values for the specific input element, and the second input data is within a predetermined range, and the value of the specific output element is second training data including the second output data within a predetermined range;
A model generation device is provided.

本発明によれば、蓄電池の状態を示す第１パラメータの測定値を含む入力データを取得する入力データ取得部と、
モデル記憶部が記憶しているモデルを取得し、当該モデルに前記入力データを入力することにより、前記蓄電池に関する出力データを生成する出力データ生成部と、
を備え、
前記入力データは、第１のタイミングで測定された前記第１パラメータの値と、第２のタイミングで測定された前記第１パラメータの値と、を含んでおり、
前記出力データは、前記蓄電池の状態を示していて前記入力データとして用いられなかったパラメータの現在または将来の推定値、及び前記第１パラメータの将来の推定値の少なくとも一方を含み、
前記入力データが検証用入力データの場合、前記出力データは、特定の要素の値が予め決めておいた範囲内にある検証用出力データになり、
前記検証用入力データは、前記第１のタイミングにおける前記第１パラメータの値と、前記第２のタイミングにおける前記第１パラメータの値と、の差が、前記第１のタイミングと前記第２のタイミングの間隔の大きさから取り得る範囲の外にある、データ処理装置が提供される。 According to the present invention, an input data acquisition unit that acquires input data including a measured value of a first parameter indicating the state of the storage battery;
an output data generation unit that generates output data regarding the storage battery by acquiring a model stored in a model storage unit and inputting the input data to the model;
Equipped with
The input data includes a value of the first parameter measured at a first timing and a value of the first parameter measured at a second timing,
The output data includes at least one of a current or future estimated value of a parameter that indicates the state of the storage battery and was not used as the input data, and a future estimated value of the first parameter,
When the input data is verification input data, the output data is verification output data in which the value of a specific element is within a predetermined range,
The input data for verification is such that the difference between the value of the first parameter at the first timing and the value of the first parameter at the second timing is the difference between the first timing and the second timing. A data processing device is provided that is outside the possible range of interval sizes.

本発明によれば、上記したデータ処理装置で用いられる前記モデルを生成するモデル生成装置であって、
訓練データを取得する訓練データ取得部と、
前記訓練データを用いて前記モデルを生成するモデル生成部と、
を備え、
前記訓練データは、
前記第１パラメータが当該パラメータとして取り得る値の範囲内にある第１の前記入力データと、すべての要素が当該要素として取り得る値の範囲内にある第１の前記出力データと、を含む第１訓練データと、
前記第１のタイミングにおける前記第１パラメータの値と、前記第２のタイミングにおける前記第１パラメータの値と、の差が、前記第１のタイミングと前記第２のタイミングの間隔の大きさから取り得る範囲外にある第２の前記入力データと、特定の前記要素の値が予め決めておいた範囲内にある第２の前記出力データと、を含む第２訓練データと、
を含む、モデル生成装置が提供される。 According to the present invention, there is provided a model generation device that generates the model used in the data processing device described above,
a training data acquisition unit that acquires training data;
a model generation unit that generates the model using the training data;
Equipped with
The training data is
The first input data includes the first input data in which the first parameter is within a range of values that the parameter can take, and the first output data in which all elements are within the range of values that the element can take. 1 training data and
The difference between the value of the first parameter at the first timing and the value of the first parameter at the second timing is determined from the size of the interval between the first timing and the second timing. second training data including the second said input data which is outside the range to be obtained; and the second said output data in which the value of the particular element is within a predetermined range;
A model generation device is provided.

さらに本発明によれば、上記したデータ処理装置を使用する方法、上記したモデル生成装置を使用する方法、上記したデータ処理装置を実現するためのプログラム、及び上記したモデル生成装置を実現するためのプログラムも提供される。 Further, according to the present invention, there is provided a method for using the above-described data processing device, a method for using the above-described model generation device, a program for realizing the above-described data processing device, and a method for realizing the above-described model generation device. Programs will also be provided.

本発明によれば、モデルの作成者は、自分が作成したモデルを特定しやすくなる。 According to the present invention, a model creator can easily identify the model he or she has created.

実施形態に係るモデル生成装置及びデータ処理装置の使用環境の一例を説明するための図である。FIG. 1 is a diagram for explaining an example of a usage environment of a model generation device and a data processing device according to an embodiment. モデル生成装置の機能構成の一例を示す図である。FIG. 2 is a diagram showing an example of a functional configuration of a model generation device. 訓練データ記憶部が記憶している訓練データの一例を説明するための図である。FIG. 3 is a diagram for explaining an example of training data stored in a training data storage unit. 第２訓練データの第１詳細例を説明するための図である。It is a figure for explaining the 1st detailed example of 2nd training data. 第２訓練データの第２詳細例を説明するための図である。It is a figure for explaining the 2nd detailed example of 2nd training data. 第２訓練データの第３詳細例を説明するための図である。It is a figure for explaining the 3rd detailed example of 2nd training data. 第２訓練データの第３詳細例を説明するための図である。It is a figure for explaining the 3rd detailed example of 2nd training data. データ処理装置の機能構成の一例を示す図である。FIG. 2 is a diagram showing an example of a functional configuration of a data processing device. モデル生成装置のハードウェア構成例を示す図である。FIG. 2 is a diagram showing an example of a hardware configuration of a model generation device. モデル生成装置が行う処理の第１例を示すフローチャートである。It is a flowchart which shows the 1st example of the process performed by a model generation device. モデル生成装置が行う処理の第２例を示すフローチャートである。It is a flowchart which shows the 2nd example of the process which a model generation device performs. データ処理装置が行う処理の第１例を示すフローチャートである。2 is a flowchart showing a first example of processing performed by the data processing device. データ処理装置が行う処理の第２例を示すフローチャートである。It is a flowchart which shows the 2nd example of the process which a data processing apparatus performs. 図１３の変形例を示すフローチャートである。14 is a flowchart showing a modification of FIG. 13.

以下、本発明の実施の形態について、図面を用いて説明する。尚、すべての図面において、同様な構成要素には同様の符号を付し、適宜説明を省略する。 Embodiments of the present invention will be described below with reference to the drawings. Note that in all the drawings, similar components are denoted by the same reference numerals, and descriptions thereof will be omitted as appropriate.

図１は、実施形態に係るモデル生成装置１０及びデータ処理装置２０の使用環境の一例を説明するための図である。データ処理装置２０は、モデル生成装置１０が生成したモデルを用いて入力データを処理し、出力データを出力する。入力データ及び出力データは、いずれも、測定対象３０に関するデータである。 FIG. 1 is a diagram for explaining an example of a usage environment of a model generation device 10 and a data processing device 20 according to an embodiment. The data processing device 20 processes input data using the model generated by the model generation device 10 and outputs output data. Both the input data and the output data are data related to the measurement target 30.

一例として、入力データは測定対象３０の状態を測定したデータであり、複数の指標の測定結果の少なくとも一部を有している。出力データは、測定対象３０の現在または将来の状態を示すデータである。例えば出力データは、測定対象３０の複数の指標のうち入力データに含まれていない指標の現在の値の推定値であってもよいし、測定対象３０の少なくとも一つの指標の将来の値の推定値であってもよい。後者の場合、出力データに含まれる指標は、入力データに含まれていてもよい。 As an example, the input data is data obtained by measuring the state of the measurement target 30, and includes at least a part of the measurement results of a plurality of indicators. The output data is data indicating the current or future state of the measurement target 30. For example, the output data may be an estimate of the current value of an index that is not included in the input data among a plurality of indicators of the measurement target 30, or an estimate of the future value of at least one index of the measurement target 30. It may be a value. In the latter case, the index included in the output data may be included in the input data.

例えば測定対象３０が蓄電池である場合、入力データとして用いられる複数の指標は、例えばこの蓄電池の出力電圧、出力電流値、及び温度の少なくとも一つを含んでいる。ただし、対象物及び指標はこれらに限定されない。また出力データとして用いられる指標は、例えば測定対象３０の残容量（単位はＡｈ）、充電率（ＳＯＣ：State Of Charge）、及びＳＯＨ（State Of Health）の少なくとも一つであるが、出力電圧、出力電流値、及び温度の少なくとも一つを含んでいてもよい。ＳＯＨは、例えば「現在の満充電容量（Ａｈ）／初期の満充電容量（Ａｈ）×１００（％）」である。 For example, when the measurement object 30 is a storage battery, the plurality of indicators used as input data include, for example, at least one of the output voltage, output current value, and temperature of this storage battery. However, the objects and indicators are not limited to these. In addition, the index used as the output data is, for example, at least one of the remaining capacity (in Ah) of the measurement target 30, the state of charge (SOC), and the state of health (SOH), but the output voltage, It may include at least one of an output current value and a temperature. The SOH is, for example, "current full charge capacity (Ah)/initial full charge capacity (Ah) x 100 (%)".

また測定対象３０が蓄電池である場合、データ処理装置２０の一部の機能は、測定対象３０のＢＭＳ（Battery Management System）であってもよい。なお、本図に示す例において、一つのデータ処理装置２０が複数の測定対象３０に接続しており、これら複数の測定対象３０に関する処理を行う。 Further, when the measurement target 30 is a storage battery, some functions of the data processing device 20 may be a BMS (Battery Management System) of the measurement target 30. In the example shown in this figure, one data processing device 20 is connected to a plurality of measurement objects 30 and performs processing regarding these plurality of measurement objects 30.

測定対象３０が蓄電池である場合、測定対象３０は機器に電力を供給する。一例として、機器は、例えば電動車両などの車両である。ただし、測定対象３０が家庭用の蓄電池の場合、機器は家庭で用いられる電気機器となる。この場合、測定対象３０は機器の外部に位置する。また測定対象３０は、系統電力網に接続していてもよい。この場合、測定対象３０は、供給される電力を平準化するために用いられる。具体的には、機器は、電力が余っている時には電力を蓄え、電力が不測している時には電力を供給する。 When the measurement target 30 is a storage battery, the measurement target 30 supplies power to the device. As an example, the device is a vehicle, such as an electric vehicle. However, if the measurement target 30 is a home storage battery, the device is an electrical device used at home. In this case, the measurement object 30 is located outside the device. Furthermore, the measurement target 30 may be connected to a power grid. In this case, the measurement target 30 is used to level the supplied power. Specifically, the device stores power when there is surplus power, and supplies power when power is unforeseen.

上記したように、データ処理装置２０は、出力データを生成する際にモデルを用いる。モデル生成装置１０は、データ処理装置２０が用いるモデルの少なくとも一つを、機械学習、例えばニューラルネットワークを用いて生成し、かつ更新する。 As described above, the data processing device 20 uses a model when generating output data. The model generation device 10 generates and updates at least one of the models used by the data processing device 20 using machine learning, for example, a neural network.

図２は、モデル生成装置１０の機能構成の一例を示す図である。本図に示す例において、モデル生成装置１０は、訓練データ取得部１２０及びモデル生成部１３０を備えている。訓練データ取得部１２０は、複数の訓練データを取得する。モデル生成部１３０は、訓練データ取得部１２０が取得した複数の訓練データを機械学習することにより、モデルを生成する。モデル生成部１３０は、複数の機械学習アルゴリズム（例えばＬＳＴＭ（Long Short-Term Memory）、ＤＮＮ（Deep Neural Network）、及びＬＲ（Linear Regression）など）を用いて、複数のモデルを生成してもよい。 FIG. 2 is a diagram showing an example of the functional configuration of the model generation device 10. In the example shown in this figure, the model generation device 10 includes a training data acquisition section 120 and a model generation section 130. The training data acquisition unit 120 acquires a plurality of training data. The model generation unit 130 generates a model by performing machine learning on the plurality of training data acquired by the training data acquisition unit 120. The model generation unit 130 may generate multiple models using multiple machine learning algorithms (for example, LSTM (Long Short-Term Memory), DNN (Deep Neural Network), and LR (Linear Regression)). .

本図に示す例において、訓練データ取得部１２０は訓練データ記憶部１１０から訓練データを取得する。訓練データ記憶部１１０は、モデル生成装置１０の一部であってもよいし、モデル生成装置１０の外部に設けられていてもよい。 In the example shown in this figure, the training data acquisition unit 120 acquires training data from the training data storage unit 110. The training data storage unit 110 may be a part of the model generation device 10 or may be provided outside the model generation device 10.

モデル生成部１３０が生成したモデルは、モデル記憶部１４０に記憶される。そしてモデル記憶部１４０に記憶されたモデルは、モデル送信部１５０によってデータ処理装置２０に送信される。本図に示す例において、モデル記憶部１４０及びモデル送信部１５０は、モデル生成装置１０の一部となっている。ただし、モデル記憶部１４０及びモデル送信部１５０の少なくとも一方はモデル生成装置１０の外部の装置になっていてもよい。 The model generated by the model generation unit 130 is stored in the model storage unit 140. The model stored in the model storage unit 140 is then transmitted to the data processing device 20 by the model transmission unit 150. In the example shown in this figure, the model storage section 140 and the model transmission section 150 are part of the model generation device 10. However, at least one of the model storage section 140 and the model transmission section 150 may be a device external to the model generation device 10.

図３は、訓練データ記憶部１１０が記憶している訓練データの一例を説明するための図である。本図に示す例において、訓練データは、第１訓練データ及び第２訓練データを含んでいる。第１訓練データ及び第２訓練データのいずれにおいても、入力データは複数の要素（以下、入力要素と記載）を含んでいる。入力データは、例えば行列データである。この場合、上記した入力要素は行列を構成する複数の要素のそれぞれである。行列データを構成する行または列のそれぞれは、あるタイミングで測定対象３０を測定した結果を示していてもよい。この場合、行列データは、互いに異なるタイミングで測定対象３０を測定した結果を示している。また、第１訓練データ及び第２訓練データのいずれにおいても、出力データは複数の要素（以下、出力要素と記載）を含んでいる。出力データも、例えば行列データである。この場合、上記した出力要素は行列を構成する複数の要素のそれぞれである。そして、第１訓練データはモデルの精度を高めるために用いられ、第２訓練データは、モデルの作成者が自分が作成したモデルを特定しやすくするために用いられる。 FIG. 3 is a diagram for explaining an example of training data stored in the training data storage unit 110. In the example shown in this figure, the training data includes first training data and second training data. In both the first training data and the second training data, the input data includes a plurality of elements (hereinafter referred to as input elements). The input data is, for example, matrix data. In this case, the input elements described above are each of a plurality of elements constituting a matrix. Each of the rows or columns constituting the matrix data may indicate the result of measuring the measurement target 30 at a certain timing. In this case, the matrix data indicates the results of measuring the measurement object 30 at mutually different timings. Further, in both the first training data and the second training data, the output data includes a plurality of elements (hereinafter referred to as output elements). The output data is also matrix data, for example. In this case, the above-mentioned output elements are each of a plurality of elements constituting a matrix. The first training data is used to improve the accuracy of the model, and the second training data is used to help the model creator identify the model he/she created.

第１訓練データの入力データ（以下、第１入力データと記載）のすべての入力要素は、当該入力要素として取り得る値の範囲内にある。また、第１訓練データの出力データ（以下、第１出力データと記載）のすべての出力要素は、当該出力要素として取り得る値の範囲内にある。言い換えると、第１訓練データの入力データ及び出力データは、いずれも正常な値からなっている。なお、第１訓練データは、測定対象３０を実際に測定することにより生成されている場合が多い。このため、第１訓練データの出力データは、一般的に、対をなしている入力データに応じた値になっている場合が多い。 All input elements of the input data of the first training data (hereinafter referred to as first input data) are within the range of possible values for the input elements. Further, all output elements of the output data of the first training data (hereinafter referred to as first output data) are within the range of values that can be taken as the output elements. In other words, the input data and output data of the first training data both have normal values. Note that the first training data is often generated by actually measuring the measurement target 30. Therefore, the output data of the first training data generally has a value that corresponds to the paired input data in many cases.

一方、第２訓練データの入力データ（以下、第２入力データと記載）の特定の入力要素の値は、当該特定の入力要素として取り得る値の範囲外であり、かつ予め決めておいた範囲内にある。また第２訓練データの出力データ（以下、第２出力データと記載）の特定の出力要素の値は、予め決めておいた範囲内にある。ここで特定の入力要素の値は、例えば、測定対象３０が正常な状態において当該特定入力要素として取り得る値の範囲外にある。例えば測定対象３０が電気機器の場合、特定の入力要素の値は、測定対象３０が当該測定対象３０の規格内で動作している状態において当該特定入力要素として取り得る値の範囲外にある。 On the other hand, the value of a specific input element of the input data of the second training data (hereinafter referred to as second input data) is outside the range of possible values for the specific input element, and is within a predetermined range. It's within. Further, the value of a specific output element of the output data of the second training data (hereinafter referred to as second output data) is within a predetermined range. Here, the value of the specific input element is, for example, outside the range of possible values for the specific input element when the measurement target 30 is in a normal state. For example, when the measurement target 30 is an electrical device, the value of the specific input element is outside the range of possible values for the specific input element when the measurement target 30 is operating within the standards of the measurement target 30.

第２訓練データを使って訓練が行われることにより、モデルは、特定の入力要素の値が当該特定の入力要素として取り得る値の範囲外であり、かつ予め決めておいた範囲内にある入力データ（以下、検証用入力データと記載）が入力されると、特定の出力要素の値が予め決めておいた範囲内にある出力データ（以下、検証用出力データと記載）を出力するようになる。検証用入力データ及び検証用出力データの組み合わせは、そのモデルを特徴づける。このため、モデルの作成者は、あるモデルに検証用入力データを入力することにより、そのモデルは自分が作成したモデルであるか否かを検証することができる。なお、検証用入力データ及び検証用出力データは、第２訓練データの第２入力データ及び第２出力データと同様である。 By performing training using the second training data, the model can be trained to input input elements whose values are outside the range of possible values for the particular input element and which are within a predetermined range. When data (hereinafter referred to as verification input data) is input, output data (hereinafter referred to as verification output data) in which the value of a specific output element is within a predetermined range is output. Become. The combination of verification input data and verification output data characterizes the model. Therefore, by inputting verification input data into a certain model, a model creator can verify whether or not that model is the model created by him/her. Note that the verification input data and verification output data are the same as the second input data and second output data of the second training data.

測定対象３０が蓄電池の場合、入力データの入力要素は、蓄電池のある充放電サイクルにおける状態を示す指標（例えば電流、電圧、及び温度）を含んでおり、出力データの出力要素は、当該蓄電池の性能を示す値（例えば残容量、ＳＯＣ、及びＳＯＨの少なくとも一つ）である訓練用出力データを目標値としている。そして上記した特定の入力要素の値は、当該蓄電池の規格として取りえない値（例えば電圧の値が異常である、出力電流の値が異常である、及び／または温度が異常である）になっている。ここで、「取りえない値」としては、電圧の値が定格の２倍以上（さらには１０倍以上）の場合、出力電流値が定格の２倍以上（さらには１０倍以上）の場合、電圧が負である場合、及び放電中の出力電流が負である場合の少なくとも一つを含む。 When the measurement target 30 is a storage battery, the input elements of the input data include indicators (for example, current, voltage, and temperature) indicating the state of the storage battery in a certain charge/discharge cycle, and the output elements of the output data include indicators indicating the state of the storage battery in a certain charge/discharge cycle. Training output data, which is a value indicating performance (for example, at least one of remaining capacity, SOC, and SOH), is set as a target value. Then, the value of the above-mentioned specific input element becomes a value that cannot be accepted according to the specifications of the storage battery (for example, the voltage value is abnormal, the output current value is abnormal, and/or the temperature is abnormal). ing. Here, "values that cannot be taken" include when the voltage value is twice or more (even 10 times or more) the rated value, when the output current value is more than twice the rated value (even 10 times or more), This includes at least one of a case where the voltage is negative and a case where the output current during discharge is negative.

図４は、第２訓練データ（すなわち検証用入力データ及び検証用出力データ）の第１詳細例を説明するための図である。本図に示す例において、第２入力データ（すなわち検証用入力データ）のすべての入力要素の値は、上記した「特定の入力要素」」となっており、当該入力要素として取り得る値の範囲外（ただし、モデルの作成者が予め定めた範囲内である必要はある）である。ここで、入力要素の値は、いずれも、当該入力要素として取り得る値の上限値より桁が多い（例えば桁数が二桁以上多い）のが好ましい。 FIG. 4 is a diagram for explaining a first detailed example of the second training data (that is, verification input data and verification output data). In the example shown in this figure, the values of all input elements of the second input data (i.e. input data for verification) are the above-mentioned "specific input elements", and the range of values that the input element can take is (However, it must be within the range predetermined by the model creator). Here, it is preferable that each value of the input element has more digits than the upper limit value of the value that the input element can take (for example, the number of digits is two or more digits more).

ここで、モデルの作成者は、例えばすべての入力要素の値を決めることにより第２入力データを決定してもよいし、正常な入力データのすべての入力要素に所定の演算を実行することにより第２入力データを生成してもよい。後者の場合、容易に複数の第２入力データを生成することができる。なお、ここで行われる演算は、例えば乗算（負の係数を乗ずる場合もある）であってもよいし、除算であってもよいし、加算であってもよいし、減算であってもよいし、四則を複数組み合わせたものであってもよい。 Here, the model creator may determine the second input data by, for example, determining the values of all input elements, or by performing a predetermined operation on all input elements of normal input data. Second input data may also be generated. In the latter case, a plurality of second input data can be easily generated. Note that the operation performed here may be, for example, multiplication (multiplying by a negative coefficient), division, addition, or subtraction. However, it may be a combination of multiple of the four rules.

そして、第２出力データ（すなわち検証用出力データ）において、すべての出力要素が上記した「特定の出力要素」になっていてもよいし、一部の出力要素が上記した「特定の出力要素」になっていてもよい。いずれの場合においても、特定の出力要素のすべてが当該出力要素として取り得る値の範囲外であってもよいし、特定の出力要素の一部が当該出力要素として取り得る値の範囲外であってもよいし、特定の出力要素のすべては当該出力要素として取り得る値の範囲内であってもよい。なお、いずれの場合においても、すべての「特定の出力要素」の値は、モデルの作成者が予め定めた値となっている。このため、検証用出力データにおいて、「特定の出力要素」のすべてにおいて、当該出力要素の値は、この「予め定めた値」またはその近傍の値（すなわち予め定められた範囲内の値）になる。 In the second output data (i.e., output data for verification), all output elements may be the above-mentioned "specific output elements", or some output elements may be the above-mentioned "specific output elements". It may be . In either case, all of a specific output element may be outside the range of values that the output element can take, or some of the specific output elements may be outside the range of values that the output element can take. Alternatively, all of a particular output element may be within the range of possible values for that output element. Note that in any case, the values of all "specific output elements" are values predetermined by the creator of the model. Therefore, in the verification output data, for all "specific output elements", the value of the output element is set to this "predetermined value" or a value near it (that is, a value within the predetermined range). Become.

図５は、第２訓練データ（すなわち検証用入力データ及び検証用出力データ）の第２詳細例を説明するための図である。本図に示す例において、第２出力データ（すなわち検証用出力データ）は図４に示した例と同様である。ただし、第１出力データ（すなわち検証用入力データ）において、一部の入力要素の値は、上記した「特定の入力要素」」となっており、当該入力要素として取り得る値の範囲外（ただし、モデルの作成者が予め定めた範囲内である必要はある）であり、残りの入力要素の値は当該入力要素として取り得る値の範囲内である。ここで、「当該入力要素として取り得る値の範囲外」の具体例も、図４を用いて説明した通りである。 FIG. 5 is a diagram for explaining a second detailed example of the second training data (that is, verification input data and verification output data). In the example shown in this figure, the second output data (ie, verification output data) is the same as the example shown in FIG. 4. However, in the first output data (i.e. input data for verification), the values of some input elements are the above-mentioned "specific input elements" and are outside the range of possible values for the input element (but , must be within a range predetermined by the model creator), and the values of the remaining input elements are within the range of possible values for the input elements. Here, the specific example of "outside the range of values that can be taken by the input element" is also as explained using FIG. 4.

図６及び図７は、第２訓練データ（すなわち検証用入力データ及び検証用出力データ）の第３詳細例を説明するための図である。本図に示す例において、測定対象３０は蓄電池である。そして、第２出力データ（すなわち検証用出力データ）は図４に示した例と同様である。 6 and 7 are diagrams for explaining a third detailed example of the second training data (that is, verification input data and verification output data). In the example shown in this figure, the measurement target 30 is a storage battery. The second output data (that is, the verification output data) is the same as the example shown in FIG.

一方、第１入力データ（すなわち検証用入力データ）は、図７に示すように、第１のタイミングで測定された測定対象３０の第１パラメータ（例えば電流、電圧、及び温度の少なくとも一つ）の値と、第２のタイミングで測定された第１パラメータの値と、を含んでいる。そして、第１のタイミングにおける第１パラメータの値と、第２のタイミングにおける第１パラメータの値と、の差が、第１のタイミングと第２のタイミングの間隔の大きさから取り得る範囲の外にある。一例として、第１パラメータが電圧の場合、第１のタイミングと第２のタイミングの間隔では生じ得ないほど大きく電圧が降下していたり（又は出力電流が降下していたり）、逆に放電しかしていないのに電圧が上昇している（又は出力電流が上昇している）場合などが考えられる。 On the other hand, as shown in FIG. 7, the first input data (i.e., input data for verification) is a first parameter (for example, at least one of current, voltage, and temperature) of the measurement target 30 measured at the first timing. and the value of the first parameter measured at the second timing. Then, the difference between the value of the first parameter at the first timing and the value of the first parameter at the second timing is outside the range that can be taken from the size of the interval between the first timing and the second timing. It is in. As an example, if the first parameter is voltage, the voltage may have dropped so much (or the output current may have dropped) that it cannot occur in the interval between the first timing and the second timing, or conversely, there may be only a discharge. There may be cases where the voltage is increasing (or the output current is increasing) even though there is no output.

なお、検証用入力データと検証用出力データの組み合わせは複数組あってもよい。この場合、以下のような例が考えられる。 Note that there may be multiple combinations of verification input data and verification output data. In this case, the following examples may be considered.

第１の例は、複数の組の間で、「特定の入力要素」となる入力要素の少なくとも一つが互いに異なっており、かつ、「特定の出力要素」となる出力要素の少なくとも一つが互いに異なっている場合である。 In the first example, at least one of the input elements serving as a "specific input element" is different from each other among the plurality of sets, and at least one of the output elements serving as a "specific output element" is different from each other. This is the case.

第２の例は、複数の組の間で、「特定の入力要素」となる入力要素はすべて同じであり、少なくとも一つの「特定の入力要素」の値が互いに異なっており、さらに、少なくとも一つの特定の出力要素の値（またはその範囲）は互いに異なっている場合である。 In the second example, all the input elements serving as "specific input elements" are the same among the plurality of sets, the values of at least one "specific input element" are different from each other, and furthermore, at least one of the input elements is the same. This is the case when the values (or ranges thereof) of two specific output elements are different from each other.

第３の例は、検証用入力データは第１の例又は第２の例と同様であるが、すべての「特定の出力要素」それぞれの値（またはその範囲）は、複数の組のいずれにおいても同じ場合である。 In the third example, the verification input data is the same as in the first or second example, but the values (or ranges thereof) of all "specific output elements" are different in any of the multiple sets. The same case applies.

図８は、データ処理装置２０の機能構成の一例を示す図である。データ処理装置２０は、入力データ取得部２３０及び出力データ生成部２４０を備えている。 FIG. 8 is a diagram showing an example of the functional configuration of the data processing device 20. As shown in FIG. The data processing device 20 includes an input data acquisition section 230 and an output data generation section 240.

入力データ取得部２３０は、入力データを取得する。例えば測定対象３０が蓄電池である場合、入力データ取得部２３０は、この蓄電池の状態を検出するセンサ（例えば電流計、電圧計、及び温度計）から入力データを取得する。 The input data acquisition unit 230 acquires input data. For example, when the measurement target 30 is a storage battery, the input data acquisition unit 230 acquires input data from a sensor (for example, an ammeter, a voltmeter, and a thermometer) that detects the state of the storage battery.

出力データ生成部２４０は、モデル生成装置１０が生成したモデルを用いて入力データを処理することにより、出力データを生成する。出力データの例は、図１を用いて説明した通りである。 The output data generation unit 240 generates output data by processing input data using the model generated by the model generation device 10. An example of the output data is as described using FIG. 1.

ここで、入力データ取得部２３０が、上記した検証用入力データを取得した場合、出力データ生成部２４０は、上記した検証用出力データを出力する。このため、入力データ取得部２３０が用いるモデルがデータ処理装置２０とは異なる装置で利用されていた場合でも、モデルの作成者は、この装置に検証用入力データを入力することにより、この装置が利用しているモデルは自分が作成したモデルであるか否かを検証することができる。 Here, when the input data acquisition unit 230 acquires the above-described verification input data, the output data generation unit 240 outputs the above-described verification output data. Therefore, even if the model used by the input data acquisition unit 230 is used in a device different from the data processing device 20, the model creator can input the verification input data into this device to ensure that the device is You can verify whether the model you are using is the one you created.

なお、出力データ生成部２４０は、当該出力データ生成部２４０が用いるモデルをモデル記憶部２２０から読み出す。本図に示す例において、モデル記憶部２２０はデータ処理装置２０の一部となっている。ただしモデル記憶部２２０はデータ処理装置２０の外部に位置していてもよい。 Note that the output data generation unit 240 reads the model used by the output data generation unit 240 from the model storage unit 220. In the example shown in this figure, the model storage unit 220 is part of the data processing device 20. However, the model storage unit 220 may be located outside the data processing device 20.

本図に示す例において、データ処理装置２０は、さらに記憶処理部２１０、表示処理部２５０、及びディスプレイ２６０を備えている。 In the example shown in this figure, the data processing device 20 further includes a storage processing section 210, a display processing section 250, and a display 260.

記憶処理部２１０は、モデル生成装置１０からモデルを取得し、モデル記憶部２２０に記憶させる。記憶処理部２１０は、モデル生成装置１０からモデルを更新するためのデータ（例えばモデルのパラメータ）を取得した場合、このデータを用いて、モデル記憶部２２０に記憶されているモデルを更新する。この更新処理は、繰り返し行われるのが好ましい。 The storage processing unit 210 acquires the model from the model generation device 10 and stores it in the model storage unit 220. When the storage processing unit 210 acquires data for updating the model (for example, model parameters) from the model generation device 10, the storage processing unit 210 updates the model stored in the model storage unit 220 using this data. This update process is preferably performed repeatedly.

表示処理部２５０は、出力データ生成部２４０が生成した出力データをディスプレイ２６０に表示させる。ディスプレイ２６０は、機器の使用者が視認可能な位置に配置されている。 The display processing unit 250 displays the output data generated by the output data generation unit 240 on the display 260. Display 260 is placed at a position where it can be viewed by the user of the device.

図９は、モデル生成装置１０のハードウェア構成例を示す図である。モデル生成装置１０は、バス１０１０、プロセッサ１０２０、メモリ１０３０、ストレージデバイス１０４０、入出力インタフェース１０５０、及びネットワークインタフェース１０６０を有する。 FIG. 9 is a diagram showing an example of the hardware configuration of the model generation device 10. The model generation device 10 includes a bus 1010, a processor 1020, a memory 1030, a storage device 1040, an input/output interface 1050, and a network interface 1060.

バス１０１０は、プロセッサ１０２０、メモリ１０３０、ストレージデバイス１０４０、入出力インタフェース１０５０、及びネットワークインタフェース１０６０が、相互にデータを送受信するためのデータ伝送路である。ただし、プロセッサ１０２０などを互いに接続する方法は、バス接続に限定されない。 The bus 1010 is a data transmission path through which the processor 1020, memory 1030, storage device 1040, input/output interface 1050, and network interface 1060 exchange data with each other. However, the method of connecting the processors 1020 and the like to each other is not limited to bus connection.

プロセッサ１０２０は、ＣＰＵ（Central Processing Unit） やＧＰＵ（Graphics Processing Unit）などで実現されるプロセッサである。 The processor 1020 is a processor implemented by a CPU (Central Processing Unit), a GPU (Graphics Processing Unit), or the like.

メモリ１０３０は、ＲＡＭ（Random Access Memory）などで実現される主記憶装置である。 The memory 1030 is a main storage device implemented by RAM (Random Access Memory) or the like.

ストレージデバイス１０４０は、ＨＤＤ（Hard Disk Drive）、ＳＳＤ（Solid State Drive）、メモリカード、又はＲＯＭ（Read Only Memory）などで実現される補助記憶装置である。ストレージデバイス１０４０はモデル生成装置１０の各機能（例えば訓練データ記憶部１１０、訓練データ取得部１２０、モデル生成部１３０、及びモデル送信部１５０）を実現するプログラムモジュールを記憶している。プロセッサ１０２０がこれら各プログラムモジュールをメモリ１０３０上に読み込んで実行することで、そのプログラムモジュールに対応する各機能が実現される。また、ストレージデバイス１０４０は訓練データ記憶部１１０及びモデル記憶部１４０としても機能する。 The storage device 1040 is an auxiliary storage device realized by a HDD (Hard Disk Drive), an SSD (Solid State Drive), a memory card, a ROM (Read Only Memory), or the like. The storage device 1040 stores program modules that implement each function of the model generation device 10 (for example, the training data storage section 110, the training data acquisition section 120, the model generation section 130, and the model transmission section 150). When the processor 1020 reads each of these program modules onto the memory 1030 and executes them, each function corresponding to the program module is realized. The storage device 1040 also functions as the training data storage section 110 and the model storage section 140.

入出力インタフェース１０５０は、モデル生成装置１０と各種入出力機器とを接続するためのインタフェースである。 The input/output interface 1050 is an interface for connecting the model generation device 10 and various input/output devices.

ネットワークインタフェース１０６０は、モデル生成装置１０をネットワークに接続するためのインタフェースである。このネットワークは、例えばＬＡＮ（Local Area Network）やＷＡＮ（Wide Area Network）である。ネットワークインタフェース１０６０がネットワークに接続する方法は、無線接続であってもよいし、有線接続であってもよい。モデル生成装置１０は、ネットワークインタフェース１０６０を介してデータ処理装置２０と通信してもよい。 Network interface 1060 is an interface for connecting model generation device 10 to a network. This network is, for example, a LAN (Local Area Network) or a WAN (Wide Area Network). The method by which the network interface 1060 connects to the network may be a wireless connection or a wired connection. Model generation device 10 may communicate with data processing device 20 via network interface 1060.

なお、データ処理装置２０のハードウェア構成も図９に示した例と同様である。そして、ストレージデバイスは、データ処理装置２０の各機能（例えば記憶処理部２１０、入力データ取得部２３０、出力データ生成部２４０、及び表示処理部２５０）を実現するプログラムモジュールを記憶している。またストレージデバイスは、モデル記憶部２２０としても機能する。 Note that the hardware configuration of the data processing device 20 is also similar to the example shown in FIG. The storage device stores program modules that implement each function of the data processing device 20 (for example, the storage processing section 210, the input data acquisition section 230, the output data generation section 240, and the display processing section 250). The storage device also functions as a model storage unit 220.

図１０は、モデル生成装置１０が行うモデルの生成処理の第１例を示すフローチャートである。 FIG. 10 is a flowchart showing a first example of model generation processing performed by the model generation device 10.

まずモデル生成装置１０の訓練データ取得部１２０は、訓練データ記憶部１１０から訓練データを読み出す（ステップＳ１０）。この訓練データには、第１訓練データ及び第２訓練データが含まれる。次いでモデル生成部１３０は、第１訓練データを用いてモデルを訓練する（ステップＳ２０）。次いでモデル生成部１３０は、第２訓練データを用いてモデルを訓練する（ステップＳ３０）。なお、ステップＳ２０及びステップＳ３０に示す処理は、訓練されたモデルの精度が十分になるまで繰り返される。ここでの精度は、第１訓練データに対応する精度（すなわち通常の入力データに対して出力される出力データの精度）、及び、第２訓練データに対応する精度（すなわち検証用入力データが入力されたときに所望する範囲の検証用出力データが出力されること）も含まれる。 First, the training data acquisition unit 120 of the model generation device 10 reads training data from the training data storage unit 110 (step S10). This training data includes first training data and second training data. Next, the model generation unit 130 trains the model using the first training data (step S20). Next, the model generation unit 130 trains the model using the second training data (step S30). Note that the processes shown in step S20 and step S30 are repeated until the accuracy of the trained model becomes sufficient. The accuracy here is the accuracy corresponding to the first training data (i.e. the accuracy of the output data output with respect to the normal input data), and the accuracy corresponding to the second training data (i.e. the accuracy when the verification input data is input This also includes outputting a desired range of verification output data when the test is performed.

その後、モデル生成部１３０はモデル記憶部１４０にモデルを記憶させる。 Thereafter, the model generation unit 130 stores the model in the model storage unit 140.

図１１は、モデル生成装置１０が行うモデルの生成処理の第２例を示すフローチャートである。本図に示す例は、モデル生成部１３０が、第１訓練データ及び第２訓練データを同時に用いてモデルを訓練する（ステップＳ２２）点を除いて、図１０に示した例と同様である。 FIG. 11 is a flowchart showing a second example of model generation processing performed by the model generation device 10. The example shown in this figure is similar to the example shown in FIG. 10, except that the model generation unit 130 trains the model using the first training data and the second training data simultaneously (step S22).

図１２は、データ処理装置２０が行う処理の第１例を示すフローチャートである。本図は、データ処理装置２０が通常の処理を行う場合を示している。まず入力データ取得部２３０は、通常の入力データを取得する。例えば入力データ取得部２３０は、測定対象３０から入力データを取得する（ステップＳ１１０）。次いで出力データ生成部２４０は、入力データ取得部２３０が取得した入力データを、モデル記憶部２２０が記憶しているモデルに入力することにより、出力データを生成する（ステップＳ１２０）。その後、出力データ生成部２４０は、表示処理部２５０に出力データを出力する（ステップＳ１３０）。表示処理部２５０は、ディスプレイ２６０に出力データを表示させる。 FIG. 12 is a flowchart showing a first example of processing performed by the data processing device 20. This figure shows a case where the data processing device 20 performs normal processing. First, the input data acquisition unit 230 acquires normal input data. For example, the input data acquisition unit 230 acquires input data from the measurement target 30 (step S110). Next, the output data generation unit 240 generates output data by inputting the input data acquired by the input data acquisition unit 230 into the model stored in the model storage unit 220 (step S120). After that, the output data generation section 240 outputs the output data to the display processing section 250 (step S130). The display processing unit 250 causes the display 260 to display the output data.

図１３は、データ処理装置２０が行う処理の第２例を示すフローチャートである。本図は、データ処理装置２０が検証用入力データを用いる場合を示している。まず入力データ取得部２３０は、検証用入力データを取得する。例えば入力データ取得部２３０は、モデルの検証を行う人の端末から検証用入力データを取得する（ステップＳ２１０）。次いで出力データ生成部２４０は、入力データ取得部２３０が取得した検証用入力データを、モデル記憶部２２０が記憶しているモデルに入力することにより、検証用出力データを生成する（ステップＳ２２０）。その後、出力データ生成部２４０は、表示処理部２５０（又は検証を行う人の端末）に検証用出力データを出力する（ステップＳ２３０）。表示処理部２５０は、ディスプレイ２６０（又は検証を行う人の端末）に検証用出力データを表示させる。 FIG. 13 is a flowchart showing a second example of processing performed by the data processing device 20. This figure shows a case where the data processing device 20 uses verification input data. First, the input data acquisition unit 230 acquires verification input data. For example, the input data acquisition unit 230 acquires verification input data from a terminal of a person who verifies the model (step S210). Next, the output data generation unit 240 generates verification output data by inputting the verification input data acquired by the input data acquisition unit 230 into the model stored in the model storage unit 220 (step S220). After that, the output data generation unit 240 outputs the verification output data to the display processing unit 250 (or the terminal of the person performing the verification) (step S230). The display processing unit 250 displays the verification output data on the display 260 (or the terminal of the person performing the verification).

なお、モデル記憶部２２０に記憶されているモデルが他の装置で用いられている場合、この装置に対しても図１３に示した処理が行われてもよい。このようにすると、この装置で用いられているモデルがモデル生成装置１０で生成されたことを確認できる。 Note that if the model stored in the model storage unit 220 is used in another device, the process shown in FIG. 13 may be performed on this device as well. In this way, it can be confirmed that the model used in this device was generated by the model generation device 10.

図１４は、図１３の変形例を示すフローチャートである。本図に示す例において、検証用入力データは複数準備されている。そして入力データ取得部２３０及び出力データ生成部２４０は、すべての検証用入力データに対する検証用出力データを生成するまで（ステップＳ２４０：Ｙｅｓ）、ステップＳ２１０～ステップＳ２３０に示した処理を繰り返す。その後、出力データ生成部２４０は、表示処理部２５０（又は検証を行う人の端末）に、すべての検証用出力データを出力する（ステップＳ１３０）。表示処理部２５０は、ディスプレイ２６０（又は検証を行う人の端末）にすべての検証用出力データを表示させる。 FIG. 14 is a flowchart showing a modification of FIG. 13. In the example shown in this figure, a plurality of verification input data are prepared. The input data acquisition unit 230 and the output data generation unit 240 repeat the processes shown in steps S210 to S230 until they generate verification output data for all verification input data (step S240: Yes). After that, the output data generation unit 240 outputs all the verification output data to the display processing unit 250 (or the terminal of the person performing the verification) (step S130). The display processing unit 250 displays all the verification output data on the display 260 (or the terminal of the person performing the verification).

以上、本実施形態によれば、データ処理装置２０が用いるモデルは、検証用入力データを入力した場合、少なくとも一つの要素が予め定められた値（または範囲）となる検証用出力データを出力する。検証用入力データにおいて、特定の入力要素の値は、当該特定の入力要素として取り得る値の範囲外であり、かつ、予め決めておいた範囲内にある。すなわち通常の使用において、検証用入力データは、入力データとして使用されないデータとなっている。従って、モデルの作成者は、検証用入力データを用いることにより、そのモデルが自分が作成したモデルであるか否かを検証できる。 As described above, according to the present embodiment, the model used by the data processing device 20 outputs verification output data in which at least one element has a predetermined value (or range) when verification input data is input. . In the verification input data, the value of a specific input element is outside the range of possible values for the specific input element, and is within a predetermined range. That is, in normal use, the verification input data is data that is not used as input data. Therefore, by using the verification input data, the creator of the model can verify whether the model is the model he or she created.

以上、図面を参照して本発明の実施形態について述べたが、これらは本発明の例示であり、上記以外の様々な構成を採用することもできる。 Although the embodiments of the present invention have been described above with reference to the drawings, these are merely examples of the present invention, and various configurations other than those described above may also be adopted.

また、上述の説明で用いた複数のフローチャートでは、複数の工程（処理）が順番に記載されているが、各実施形態で実行される工程の実行順序は、その記載の順番に制限されない。各実施形態では、図示される工程の順番を内容的に支障のない範囲で変更することができる。また、上述の各実施形態は、内容が相反しない範囲で組み合わせることができる。 Further, in the plurality of flowcharts used in the above description, a plurality of steps (processes) are described in order, but the order of execution of the steps executed in each embodiment is not limited to the order of the description. In each embodiment, the order of the illustrated steps can be changed within a range that does not affect the content. Furthermore, the above-described embodiments can be combined as long as the contents do not conflict with each other.

１０ モデル生成装置
２０ データ処理装置
３０ 測定対象
１１０ 訓練データ記憶部
１２０ 訓練データ取得部
１３０ モデル生成部
１４０ モデル記憶部
１５０ モデル送信部
２１０ 記憶処理部
２２０ モデル記憶部
２３０ 入力データ取得部
２４０ 出力データ生成部
２５０ 表示処理部
２６０ ディスプレイ 10 Model generation device 20 Data processing device 30 Measurement object 110 Training data storage section 120 Training data acquisition section 130 Model generation section 140 Model storage section 150 Model transmission section 210 Storage processing section 220 Model storage section 230 Input data acquisition section 240 Output data generation Section 250 Display processing section 260 Display

Claims (24)

測定対象に関する入力データを取得する入力データ取得部と、
モデル記憶部が記憶しているモデルを取得し、当該モデルに前記入力データを入力することにより、前記測定対象に関する出力データを生成する出力データ生成部と、
を備え、
前記入力データは、前記測定対象の状態を示す少なくとも１種類のパラメータの測定結果に基づいており、かつ、複数の入力要素からなり、
前記出力データは、複数の出力要素を含み、かつ、前記複数の出力要素は、前記測定対象の状態を示していて前記入力データとして用いられなかったパラメータの現在または将来の推定値、及び前記入力データに用いられたパラメータの将来の推定値の少なくとも一方を含み、
特定の前記入力要素の値が、当該特定の入力要素として取り得る値の範囲外であり、かつ、予め決めておいた範囲内にある検証用入力データが前記入力データとして用いられた場合、
前記出力データは、特定の前記出力要素の値が予め決めておいた範囲内にある、検証用出力データになり、
前記検証用入力データ及び前記検証用出力データは、前記モデルが、当該モデルの作成者によって作成されたモデルであるか否かを検証するためのデータである、データ処理装置。 an input data acquisition unit that acquires input data regarding the measurement target;
an output data generation unit that generates output data regarding the measurement target by acquiring a model stored in a model storage unit and inputting the input data to the model;
Equipped with
The input data is based on the measurement results of at least one type of parameter indicating the state of the measurement target, and consists of a plurality of input elements,
The output data includes a plurality of output elements, and the plurality of output elements indicate the state of the measurement target and are current or future estimated values of parameters that were not used as the input data, and the input including at least one future estimate of a parameter used in the data;
When the value of a particular input element is outside the range of possible values for the particular input element, and verification input data within a predetermined range is used as the input data,
The output data is verification output data in which the value of the specific output element is within a predetermined range,
The verification input data and the verification output data are data for verifying whether the model is a model created by a creator of the model . 請求項１に記載のデータ処理装置において、
前記特定の入力要素の値は、前記測定対象が正常な状態において当該特定入力要素として取り得る値の範囲外にある、データ処理装置。 The data processing device according to claim 1,
The data processing device, wherein the value of the specific input element is outside a range of values that the specific input element can take when the measurement target is in a normal state. 請求項１に記載のデータ処理装置において、
前記測定対象は電気機器であり、
前記特定の入力要素の値は、前記測定対象が当該測定対象の規格内で動作している状態において当該特定入力要素として取り得る値の範囲外にある、データ処理装置。 The data processing device according to claim 1,
The measurement target is an electrical device,
The data processing device, wherein the value of the specific input element is outside a range of values that the specific input element can take when the measurement target is operating within a standard of the measurement target. 請求項３に記載のデータ処理装置において、
前記測定対象は蓄電池である、データ処理装置。 The data processing device according to claim 3,
The data processing device, wherein the measurement target is a storage battery. 請求項４に記載に記載のデータ処理装置において、
前記特定の入力要素の値は負である、データ処理装置。 The data processing device according to claim 4,
The data processing device, wherein the value of the specific input element is negative. 請求項２～５のいずれか一項に記載のデータ処理装置において、
前記特定の入力要素の値は、当該特定入力要素として取り得る値の上限値より桁が多い、データ処理装置。 The data processing device according to any one of claims 2 to 5,
The data processing device, wherein the value of the specific input element has more digits than an upper limit value of the value that the specific input element can take. 請求項１～６のいずれか一項に記載のデータ処理装置において、
前記特定の入力要素の値は、前記測定対象が正常な状態における当該特定入力要素の値に所定の演算を行うことにより得られる、データ処理装置。 The data processing device according to any one of claims 1 to 6,
A data processing device, wherein the value of the specific input element is obtained by performing a predetermined calculation on the value of the specific input element when the measurement target is in a normal state. 請求項１～６のいずれか一項に記載のデータ処理装置において、
前記特定の入力要素の値は、予め定められた値である、データ処理装置。 The data processing device according to any one of claims 1 to 6,
The data processing device, wherein the value of the specific input element is a predetermined value. 請求項１～８のいずれか一項に記載のデータ処理装置において、
前記特定の出力要素の値は、当該特定出力要素として取り得る値の範囲外である、データ処理装置。 The data processing device according to any one of claims 1 to 8,
The data processing device, wherein the value of the specific output element is outside the range of possible values for the specific output element. 請求項１～８のいずれか一項に記載のデータ処理装置において、
前記特定の出力要素の値は、当該特定出力要素として取り得る値の範囲内である、データ処理装置。 The data processing device according to any one of claims 1 to 8,
The data processing device, wherein the value of the specific output element is within a range of values that the specific output element can take. 請求項１～１０のいずれか一項に記載のデータ処理装置において、
前記特定の入力要素の少なくとも一つが互いに異なる複数の前記検証用入力データが用いられ、
前記特定の出力要素の少なくとも一つは、前記複数の検証用入力データ毎に異なる、データ処理装置。 The data processing device according to any one of claims 1 to 10,
A plurality of the verification input data in which at least one of the specific input elements is different from each other is used,
At least one of the specific output elements is different for each of the plurality of verification input data. 請求項１～１０のいずれか一項に記載のデータ処理装置において、
前記特定の入力要素が互いに同じであり、かつ少なくとも一つの前記特定の入力要素の値が互いに異なる複数の前記検証用入力データが用いられ、
少なくとも一つの前記特定の出力要素の値において、前記予め決めておいた範囲は前記複数の検証用入力データ毎に異なる、データ処理装置。 The data processing device according to any one of claims 1 to 10,
A plurality of the verification input data are used in which the specific input elements are the same and the values of at least one of the specific input elements are different from each other,
In the data processing device, the predetermined range for the value of at least one of the specific output elements is different for each of the plurality of verification input data. 請求項１～１０のいずれか一項に記載のデータ処理装置において、
複数の前記検証用入力データが用いられ、
前記特定の出力要素の前記予め決めておいた範囲は、前記複数の検証用入力データにおいて同一である、データ処理装置。 The data processing device according to any one of claims 1 to 10,
A plurality of the verification input data are used,
The predetermined range of the specific output element is the same in the plurality of verification input data. 蓄電池の状態を示す第１パラメータの測定値を含む入力データを取得する入力データ取得部と、
モデル記憶部が記憶しているモデルを取得し、当該モデルに前記入力データを入力することにより、前記蓄電池に関する出力データを生成する出力データ生成部と、
を備え、
前記入力データは、第１のタイミングで測定された前記第１パラメータの値と、第２のタイミングで測定された前記第１パラメータの値と、を含んでおり、
前記出力データは、前記蓄電池の状態を示していて前記入力データとして用いられなかったパラメータの現在または将来の推定値、及び前記第１パラメータの将来の推定値の少なくとも一方を含み、
前記入力データが検証用入力データの場合、前記出力データは、特定の要素の値が予め決めておいた範囲内にある検証用出力データになり、
前記検証用入力データは、前記第１のタイミングにおける前記第１パラメータの値と、前記第２のタイミングにおける前記第１パラメータの値と、の差が、前記第１のタイミングと前記第２のタイミングの間隔の大きさから取り得る範囲の外にある、データ処理装置。 an input data acquisition unit that acquires input data including a measured value of a first parameter indicating the state of the storage battery;
an output data generation unit that generates output data regarding the storage battery by acquiring a model stored in a model storage unit and inputting the input data to the model;
Equipped with
The input data includes a value of the first parameter measured at a first timing and a value of the first parameter measured at a second timing,
The output data includes at least one of a current or future estimated value of a parameter that indicates the state of the storage battery and was not used as the input data, and a future estimated value of the first parameter,
When the input data is verification input data, the output data is verification output data in which the value of a specific element is within a predetermined range,
The input data for verification is such that the difference between the value of the first parameter at the first timing and the value of the first parameter at the second timing is the difference between the first timing and the second timing. A data processing device that is outside the range that can be taken from the size of the interval. 請求項１～１３のいずれか一項に記載のデータ処理装置で用いられる前記モデルを生成するモデル生成装置であって、
訓練データを取得する訓練データ取得部と、
前記訓練データを用いて前記モデルを生成するモデル生成部と、
を備え、
前記訓練データは、
すべての前記入力要素が当該入力要素として取り得る値の範囲内にある第１の前記入力データと、すべての前記出力要素が当該出力要素として取り得る値の範囲内にある第１の前記出力データと、を含む第１訓練データと、
特定の前記入力要素の値が、当該特定の入力要素として取り得る値の範囲外であり、かつ予め決めておいた範囲内にある第２の前記入力データと、特定の前記出力要素の値が予め決めておいた範囲内にある第２の前記出力データと、を含む第２訓練データと、
を含む、モデル生成装置。 A model generation device for generating the model used in the data processing device according to any one of claims 1 to 13, comprising:
a training data acquisition unit that acquires training data;
a model generation unit that generates the model using the training data;
Equipped with
The training data is
The first said input data in which all said input elements are within the range of values that the said input element can take, and the first said output data in which all said output elements are within the range of values that the said output element can take. and first training data including;
The value of the specific input element is outside the range of possible values for the specific input element, and the second input data is within a predetermined range, and the value of the specific output element is second training data including the second output data within a predetermined range;
A model generator, including: 請求項１４に記載のデータ処理装置で用いられる前記モデルを生成するモデル生成装置であって、
訓練データを取得する訓練データ取得部と、
前記訓練データを用いて前記モデルを生成するモデル生成部と、
を備え、
前記訓練データは、
前記第１パラメータが当該パラメータとして取り得る値の範囲内にある第１の前記入力データと、すべての要素が当該要素として取り得る値の範囲内にある第１の前記出力データと、を含む第１訓練データと、
前記第１のタイミングにおける前記第１パラメータの値と、前記第２のタイミングにおける前記第１パラメータの値と、の差が、前記第１のタイミングと前記第２のタイミングの間隔の大きさから取り得る範囲外にある第２の前記入力データと、特定の前記要素の値が予め決めておいた範囲内にある第２の前記出力データと、を含む第２訓練データと、
を含む、モデル生成装置。 A model generation device for generating the model used in the data processing device according to claim 14, comprising:
a training data acquisition unit that acquires training data;
a model generation unit that generates the model using the training data;
Equipped with
The training data is
The first input data includes the first input data in which the first parameter is within a range of values that the parameter can take, and the first output data in which all elements are within the range of values that the element can take. 1 training data and
The difference between the value of the first parameter at the first timing and the value of the first parameter at the second timing is determined from the size of the interval between the first timing and the second timing. second training data including the second said input data which is outside the range to be obtained; and the second said output data in which the value of the particular element is within a predetermined range;
A model generator, including: コンピュータが、
測定対象に関する入力データを取得する入力データ取得処理と、
モデル記憶部が記憶しているモデルを取得し、当該モデルに前記入力データを入力することにより、前記測定対象に関する出力データを生成する出力データ生成処理と、
を行い、
前記入力データは、前記測定対象の状態を示す少なくとも１種類のパラメータの測定結果に基づいており、かつ、複数の入力要素からなり、
前記出力データは、複数の出力要素を含み、かつ、前記複数の出力要素は、前記測定対象の状態を示していて前記入力データとして用いられなかったパラメータの現在または将来の推定値、及び前記入力データに用いられたパラメータの将来の推定値の少なくとも一方を含み、
前記入力データが、特定の前記入力要素の値が、当該特定の入力要素として取り得る値の範囲外であり、かつ、予め決めておいた範囲内にある検証用入力データの場合、
前記出力データは、特定の前記出力要素の値が予め決めておいた範囲内にある、検証用出力データになり、
前記検証用入力データ及び前記検証用出力データは、前記モデルが、当該モデルの作成者によって作成されたモデルであるか否かを検証するためのデータである、データ処理方法。 The computer is
an input data acquisition process that acquires input data regarding the measurement target;
Output data generation processing that generates output data regarding the measurement target by acquiring a model stored in a model storage unit and inputting the input data to the model;
and
The input data is based on the measurement results of at least one type of parameter indicating the state of the measurement target, and consists of a plurality of input elements,
The output data includes a plurality of output elements, and the plurality of output elements indicate the state of the measurement target and are current or future estimated values of parameters that were not used as the input data, and the input including at least one future estimate of a parameter used in the data;
If the input data is verification input data in which the value of the specific input element is outside the range of possible values for the specific input element and is within a predetermined range,
The output data is verification output data in which the value of the specific output element is within a predetermined range;
The verification input data and the verification output data are data for verifying whether the model is a model created by a creator of the model . コンピュータが、
蓄電池の状態を示す第１パラメータの測定値を含む入力データを取得する入力データ取得処理と、
モデル記憶部が記憶しているモデルを取得し、当該モデルに前記入力データを入力することにより、前記蓄電池に関する出力データを生成する出力データ生成処理と、
を行い、
前記入力データは、第１のタイミングで測定された前記第１パラメータの値と、第２のタイミングで測定された前記第１パラメータの値と、を含んでおり、
前記出力データは、前記蓄電池の状態を示していて前記入力データとして用いられなかったパラメータの現在または将来の推定値、及び前記第１パラメータの将来の推定値の少なくとも一方を含み、
前記入力データが検証用入力データの場合、前記出力データは、特定の要素の値が予め決めておいた範囲内にある検証用出力データになり、
前記検証用入力データは、前記第１のタイミングにおける前記第１パラメータの値と、前記第２のタイミングにおける前記第１パラメータの値と、の差が、前記第１のタイミングと前記第２のタイミングの間隔の大きさから取り得る範囲外にある、データ処理方法。 The computer is
an input data acquisition process that acquires input data including a measured value of a first parameter indicating the state of the storage battery;
Output data generation processing that generates output data regarding the storage battery by acquiring a model stored in a model storage unit and inputting the input data to the model;
and
The input data includes a value of the first parameter measured at a first timing and a value of the first parameter measured at a second timing,
The output data includes at least one of a current or future estimated value of a parameter that indicates the state of the storage battery and was not used as the input data, and a future estimated value of the first parameter,
When the input data is verification input data, the output data is verification output data in which the value of a specific element is within a predetermined range,
The input data for verification is such that the difference between the value of the first parameter at the first timing and the value of the first parameter at the second timing is the difference between the first timing and the second timing. A method of processing data that is outside the range that is possible based on the size of the interval. 請求項１～１３のいずれか一項に記載のデータ処理装置で用いられる前記モデルを生成するモデル生成方法であって、
コンピュータが、
訓練データを取得する訓練データ取得処理と、
前記訓練データを用いて前記モデルを生成するモデル生成処理と、
を行い、
前記訓練データは、
すべての前記入力要素が当該入力要素として取り得る値の範囲内にある第１の前記入力データと、すべての前記出力要素が当該出力要素として取り得る値の範囲内にある第１の前記出力データと、を含む第１訓練データと、
特定の前記入力要素の値が、当該特定の入力要素として取り得る値の範囲外であり、かつ予め決めておいた範囲内にある第２の前記入力データと、特定の前記出力要素の値が予め決めておいた範囲内にある第２の前記出力データと、を含む第２訓練データと、
を含む、モデル生成方法。 A model generation method for generating the model used in the data processing device according to any one of claims 1 to 13, comprising:
The computer is
a training data acquisition process for acquiring training data;
a model generation process that generates the model using the training data;
and
The training data is
The first said input data in which all said input elements are within the range of values that the said input element can take; and the first said output data in which all said output elements are within the range of values that the said output element can take. and first training data including;
The value of the specific input element is outside the range of possible values for the specific input element, and the second input data is within a predetermined range, and the value of the specific output element is second training data including the second output data within a predetermined range;
Model generation methods, including: 請求項１４に記載のデータ処理装置で用いられる前記モデルを生成するモデル生成方法であって、
コンピュータが、
訓練データを取得する訓練データ取得処理と、
前記訓練データを用いて前記モデルを生成するモデル生成処理と、
を行い、
前記訓練データは、
前記第１パラメータが当該パラメータとして取り得る値の範囲内にある第１の前記入力データと、すべての要素が当該要素として取り得る値の範囲内にある第１の前記出力データと、を含む第１訓練データと、
前記第１のタイミングにおける前記第１パラメータの値と、前記第２のタイミングにおける前記第１パラメータの値と、の差が、前記第１のタイミングと前記第２のタイミングの間隔の大きさから取り得る範囲外にある第２の前記入力データと、特定の前記要素の値が予め決めておいた範囲内にある第２の前記出力データと、を含む第２訓練データと、
を含む、モデル生成方法。 A model generation method for generating the model used in the data processing device according to claim 14,
The computer is
a training data acquisition process for acquiring training data;
a model generation process that generates the model using the training data;
and
The training data is
The first input data includes the first input data in which the first parameter is within a range of values that the parameter can take, and the first output data in which all elements are within the range of values that the element can take. 1 training data and
The difference between the value of the first parameter at the first timing and the value of the first parameter at the second timing is determined from the size of the interval between the first timing and the second timing. second training data including the second said input data which is outside the range to be obtained; and the second said output data in which the value of the particular element is within a predetermined range;
Model generation methods, including: コンピュータに、
測定対象に関する入力データを取得する入力データ取得機能と、
モデル記憶部が記憶しているモデルを取得し、当該モデルに前記入力データを入力することにより、前記測定対象に関する出力データを生成する出力データ生成機能と、
を持たせ、
前記入力データは、前記測定対象の状態を示す少なくとも１種類のパラメータの測定結果に基づいており、かつ、複数の入力要素からなり、
前記出力データは、複数の出力要素を含み、かつ、前記複数の出力要素は、前記測定対象の状態を示していて前記入力データとして用いられなかったパラメータの現在または将来の推定値、及び前記入力データに用いられたパラメータの将来の推定値の少なくとも一方を含み、
前記入力データが、特定の前記入力要素の値が、当該特定の入力要素として取り得る値の範囲外であり、かつ、予め決めておいた範囲内にある検証用入力データの場合、
前記出力データは、特定の前記出力要素の値が予め決めておいた範囲内にある、検証用出力データになり、
前記検証用入力データ及び前記検証用出力データは、前記モデルが、当該モデルの作成者によって作成されたモデルであるか否かを検証するためのデータである、プログラム。 to the computer,
an input data acquisition function that acquires input data regarding the measurement target;
an output data generation function that generates output data regarding the measurement target by acquiring a model stored in a model storage unit and inputting the input data to the model;
have
The input data is based on the measurement results of at least one type of parameter indicating the state of the measurement target, and consists of a plurality of input elements,
The output data includes a plurality of output elements, and the plurality of output elements indicate the state of the measurement target and are current or future estimated values of parameters that were not used as the input data, and the input including at least one future estimate of a parameter used in the data;
If the input data is verification input data in which the value of the specific input element is outside the range of possible values for the specific input element and is within a predetermined range,
The output data is verification output data in which the value of the specific output element is within a predetermined range;
The verification input data and the verification output data are data for verifying whether the model is a model created by a creator of the model . コンピュータに、
蓄電池の状態を示す第１パラメータの測定値を含む入力データを取得する入力データ取得機能と、
モデル記憶部が記憶しているモデルを取得し、当該モデルに前記入力データを入力することにより、前記蓄電池に関する出力データを生成する出力データ生成機能と、
を持たせ、
前記入力データは、第１のタイミングで測定された前記第１パラメータの値と、第２のタイミングで測定された前記第１パラメータの値と、を含んでおり、
前記出力データは、前記蓄電池の状態を示していて前記入力データとして用いられなかったパラメータの現在または将来の推定値、及び前記第１パラメータの将来の推定値の少なくとも一方を含み、
前記入力データが検証用入力データの場合、前記出力データは、特定の要素の値が予め決めておいた範囲内にある検証用出力データになり、
前記検証用入力データは、前記第１のタイミングにおける前記第１パラメータの値と、前記第２のタイミングにおける前記第１パラメータの値と、の差が、前記第１のタイミングと前記第２のタイミングの間隔の大きさから取り得る範囲外にある、プログラム。 to the computer,
an input data acquisition function that acquires input data including a measured value of a first parameter indicating the state of the storage battery;
an output data generation function that generates output data regarding the storage battery by acquiring a model stored in a model storage unit and inputting the input data to the model;
have
The input data includes a value of the first parameter measured at a first timing and a value of the first parameter measured at a second timing,
The output data includes at least one of a current or future estimated value of a parameter that indicates the state of the storage battery and was not used as the input data, and a future estimated value of the first parameter,
When the input data is verification input data, the output data is verification output data in which the value of a specific element is within a predetermined range,
The input data for verification is such that the difference between the value of the first parameter at the first timing and the value of the first parameter at the second timing is the difference between the first timing and the second timing. The program is outside the range that can be taken from the size of the interval. 請求項１～１３のいずれか一項に記載のデータ処理装置で用いられる前記モデルを生成するためのプログラムであって、
コンピュータに、
訓練データを取得する訓練データ取得機能と、
前記訓練データを用いて前記モデルを生成するモデル生成機能と、
を持たせ、
前記訓練データは、
すべての前記入力要素が当該入力要素として取り得る値の範囲内にある第１の前記入力データと、すべての前記出力要素が当該出力要素として取り得る値の範囲内にある第１の前記出力データと、を含む第１訓練データと、
特定の前記入力要素の値が、当該特定の入力要素として取り得る値の範囲外であり、かつ予め決めておいた範囲内にある第２の前記入力データと、特定の前記出力要素の値が予め決めておいた範囲内にある第２の前記出力データと、を含む第２訓練データと、
を含む、プログラム。 A program for generating the model used in the data processing device according to any one of claims 1 to 13,
to the computer,
A training data acquisition function that acquires training data,
a model generation function that generates the model using the training data;
have
The training data is
The first said input data in which all said input elements are within the range of values that the said input element can take; and the first said output data in which all said output elements are within the range of values that the said output element can take. and first training data including;
The value of the specific input element is outside the range of possible values for the specific input element, and the second input data is within a predetermined range, and the value of the specific output element is second training data including the second output data within a predetermined range;
programs, including. 請求項１４に記載のデータ処理装置で用いられる前記モデルを生成するためのプログラムであって、
コンピュータに、
訓練データを取得する訓練データ取得機能と、
前記訓練データを用いて前記モデルを生成するモデル生成機能と、
を持たせ、
前記訓練データは、
前記第１パラメータが当該パラメータとして取り得る値の範囲内にある第１の前記入力データと、すべての要素が当該要素として取り得る値の範囲内にある第１の前記出力データと、を含む第１訓練データと、
前記第１のタイミングにおける前記第１パラメータの値と、前記第２のタイミングにおける前記第１パラメータの値と、の差が、前記第１のタイミングと前記第２のタイミングの間隔の大きさから取り得る範囲外にある第２の前記入力データと、特定の前記要素の値が予め決めておいた範囲内にある第２の前記出力データと、を含む第２訓練データと、
を含む、プログラム。 A program for generating the model used in the data processing device according to claim 14,
to the computer,
A training data acquisition function that acquires training data,
a model generation function that generates the model using the training data;
have
The training data is
The first input data includes the first input data in which the first parameter is within a range of values that the parameter can take, and the first output data in which all elements are within the range of values that the element can take. 1 training data and
The difference between the value of the first parameter at the first timing and the value of the first parameter at the second timing is determined from the size of the interval between the first timing and the second timing. second training data including the second said input data which is outside the range to be obtained; and the second said output data in which the value of the particular element is within a predetermined range;
programs, including.
JP2020189281A 2020-11-13 2020-11-13 Data processing device, model generation device, data processing method, model generation method, and program Active JP7443218B2 (en)

Priority Applications (2)

Application Number Priority Date Filing Date Title
JP2020189281A JP7443218B2 (en) 2020-11-13 2020-11-13 Data processing device, model generation device, data processing method, model generation method, and program
PCT/JP2021/040768 WO2022102532A1 (en) 2020-11-13 2021-11-05 Data processing device, model generation device, data processing method, model generation method, and program

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
JP2020189281A JP7443218B2 (en) 2020-11-13 2020-11-13 Data processing device, model generation device, data processing method, model generation method, and program

Publications (2)

Publication Number Publication Date
JP2022078541A JP2022078541A (en) 2022-05-25
JP7443218B2 true JP7443218B2 (en) 2024-03-05

Family

ID=81602207

Family Applications (1)

Application Number Title Priority Date Filing Date
JP2020189281A Active JP7443218B2 (en) 2020-11-13 2020-11-13 Data processing device, model generation device, data processing method, model generation method, and program

Country Status (2)

Country Link
JP (1) JP7443218B2 (en)
WO (1) WO2022102532A1 (en)

Families Citing this family (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113902121B (en) * 2021-07-15 2023-07-21 陈九廷 Method, device, equipment and medium for verifying battery degradation estimation device
WO2024105837A1 (en) * 2022-11-17 2024-05-23 恒林日本株式会社 Machine learning model generation device and storage battery characteristic value calculation device

Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2018131409A1 (en) 2017-01-13 2018-07-19 Kddi株式会社 Information processing method, information processing device, and computer-readable storage medium
WO2018216379A1 (en) 2017-05-26 2018-11-29 株式会社日立国際電気 Machine learning model illicitness sensing system and illicitness sensing method
JP2019016025A (en) 2017-07-04 2019-01-31 株式会社日立製作所 Information processing system

Patent Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2018131409A1 (en) 2017-01-13 2018-07-19 Kddi株式会社 Information processing method, information processing device, and computer-readable storage medium
WO2018216379A1 (en) 2017-05-26 2018-11-29 株式会社日立国際電気 Machine learning model illicitness sensing system and illicitness sensing method
JP2019016025A (en) 2017-07-04 2019-01-31 株式会社日立製作所 Information processing system

Also Published As

Publication number Publication date
WO2022102532A1 (en) 2022-05-19
JP2022078541A (en) 2022-05-25

Similar Documents

Publication Publication Date Title
JP7457575B2 (en) Deterioration estimation device, model generation device, deterioration estimation method, model generation method, and program
EP3748380B1 (en) Battery capacity prediction system using charge and discharge cycles of a battery to predict capacity variations, and associated method
US20210148988A1 (en) Method and apparatus for estimating battery state of health
JP7443218B2 (en) Data processing device, model generation device, data processing method, model generation method, and program
CN101809456B (en) System and method for estimating long term characteristics of battery
US20180143254A1 (en) Method and apparatus for estimating state of battery based on error correction
CN101803104B (en) System and method for estimating long term characteristics of battery
WO2021208079A1 (en) Method and apparatus for obtaining power battery life data, computer device, and medium
US10310021B2 (en) Method for real time correction of ion concentration and Coulomb counting state-of-charge (SOC) in battery
CN115616421A (en) Battery state of health estimation method, system, equipment and medium
CN113111508A (en) Battery cell consistency evaluation method and device and server
JP2023139227A (en) Battery health state prediction method, device, and electronic instrument and readable storage medium
US20140136169A1 (en) Systems and methods for improving battery performance
CN111157906B (en) SOC precision testing method, device and system
WO2021210526A1 (en) Remaining capacity estimation device, model generation device, remaining capacity estimation method, model generation method, and program
JP7423119B2 (en) Verification method of battery deterioration estimation device, device, device, medium and battery deterioration estimation calculation model
CN111179670A (en) Method and device for quantifying physical and electrical experiment result, terminal and storage medium
EP4227866A1 (en) Data processing system, model generation device, data processing method, model generation method, and program
US20210357551A1 (en) Development support device, terminal device, development support method, and computer program
CN115015786A (en) Power battery state of charge determining method and device and electronic equipment
JP2023174239A (en) State estimation model learning device, method, and program
CN114168472A (en) Use case execution method and device, electronic equipment and computer readable storage medium
CN103645960B (en) Whether performance test effectively determines method and system
CN118011228A (en) Battery capacity acquisition method, system, electronic device and storage medium
CN116224110A (en) Method for determining internal resistance increase rate of battery and vehicle

Legal Events

Date Code Title Description
A621 Written request for application examination

Free format text: JAPANESE INTERMEDIATE CODE: A621

Effective date: 20230310

A131 Notification of reasons for refusal

Free format text: JAPANESE INTERMEDIATE CODE: A131

Effective date: 20231226

A521 Request for written amendment filed

Free format text: JAPANESE INTERMEDIATE CODE: A523

Effective date: 20240126

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: 20240130

A61 First payment of annual fees (during grant procedure)

Free format text: JAPANESE INTERMEDIATE CODE: A61

Effective date: 20240221

R150 Certificate of patent or registration of utility model

Ref document number: 7443218

Country of ref document: JP

Free format text: JAPANESE INTERMEDIATE CODE: R150