WO2015198631A1 - 蓄電池システムの劣化制御装置及びその方法 - Google Patents

Abstract

　劣化制御に必要な劣化モデルを的確に学習することにより用途の多様化に対応可能であり、劣化制御に使用するデータ量を削減することができ、さらには、蓄電池システム全体から取得したデータを使用しても高精度の劣化モデルの構築を可能とする。蓄電池システムの劣化制御装置は、使用履歴データ取得部１と、学習指示部２と、学習部３を備える。使用履歴データ取得部１は、蓄電池セル２０の使用履歴データＡを取得する。学習部３は、使用履歴データＡに基づき蓄電池セル２０の劣化状態を示す劣化モデルパラメータＣのデータ量Ｄを更新して劣化モデルパラメータＣの学習を行い、学習結果として劣化速度テーブルＴを出力する。学習指示部２は、使用履歴データＡと推定値であるデータ量Ｄを比較し劣化モデルパラメータＣの学習の可否を判断して学習指示信号Ｅを学習部３に出力する。

Description

蓄電池システムの劣化制御装置及びその方法

　本発明の実施形態は、蓄電池システムの劣化制御装置及びその方法に関するものである。

　多数の蓄電池セルを有する蓄電池システムでは、蓄電池セルの電圧値や温度値、SOC（残量）値等の実測値を監視して、システムの制御を行っている。蓄電池システムに組み込まれる制御装置としては、劣化制御装置や充放電制御装置等がある。劣化制御装置は、前記実測値に基づいてシステムの劣化状態を推定するといった重要な役割を担っている。

　蓄電池セルの実測値のデータは通常、使用履歴データとして扱われ、メモリに保存されてデータベース化される。蓄電池システムの劣化制御装置では、蓄電池セルの充放電時の使用履歴データから劣化モデルパラメータのデータ量を算出して、劣化状態を推定するための劣化モデルを構築している。

　劣化モデルパラメータとは蓄電池セルの劣化状態を示す要素であり、温度値やSOC値等である。例えば、ある温度値と、あるSOC値にどのくらいの時間、蓄電池セルが滞在したのかといったデータ量を算出することで、温度値とSOC値についての劣化モデルを構築する。つまり、劣化モデルパラメータのデータ量は、単位時間当たりの蓄電池システムの劣化量であり、蓄電池システムの劣化速度を表すことができる。この劣化速度データを時間で積分することにより、蓄電池システムの劣化状態を推定することが可能となる。

　以上のように、劣化制御装置は構築した劣化モデルから、蓄電池システムの劣化状態を推定し、推定結果を充放電制御装置に出力する。充放電制御装置では、劣化制御装置から取得した推定結果に基づいて、充放電計画や蓄電池の使用パターンを作成する。そして、充放電制御装置は、これら充放電計画や使用パターンに則って、蓄電池セルの充放電制御を行う。この時、需要量予測やＰＶ発電量予測等も勘案することで、電気料金の最小化や蓄電池寿命の最大化を図ることが可能となる。

　蓄電池システムの劣化制御装置の従来技術としては、特許文献１－９等、様々なものが提案されている。特許文献１は、蓄電池の使用履歴データから電池寿命短縮の可能性を判断し、必要に応じた充電を促す技術である。また、特許文献２では、蓄電池における高充電状態の持続時間と温度を計測して、所定のデータからテーブルを作成し、これを参照して蓄電池の劣化係数を算出している。

　蓄電池の劣化状態を推定する技術には特許文献３、４等がある。特許文献３では、蓄電池の使用履歴データから最小二乗法等を利用して直線近似を行い、インピーダンスを算出することで蓄電池の劣化状態を推定する。特許文献４では、電力と温度を基に基準値マップを作成し、この基準値マップから算出した値と実測した内部抵抗値とを比較して、基準値マップを更新して蓄電池の劣化状態を推定する。

　また、多くの使用履歴データを使用することで、劣化制御の精度をより高めることができる。例えば、蓄電池システムのローカルシステム側だけで使用履歴データを処理するのでなく、蓄電池システムをクラウド等のサーバ側とローカルシステム側とから構成し、サーバ側とローカルシステム側を連携する。このような蓄電池システムによれば、サーバ側に大きなメモリを設けることができるので、使用履歴データの増大に対応することが可能である。このような蓄電池システムの劣化制御装置としては特許文献５－７等が提案されている。

　特許文献５では、通信を利用して蓄電池の使用履歴データをローカル側からサーバに送信し、サーバ側でローカルシステムごとの寿命消費値を算出する。そして、算出結果をローカルシステム側に送信し、ローカルシステムごとに劣化制御を行っている。

　特許文献６では、蓄電池が装着される充電器とサーバとを接続しておき、充電器から蓄電池の使用履歴データを取得して、これをサーバに送り、前記使用履歴データをデータベース化して蓄電池の劣化診断を行う。特許文献７では、蓄電池の使用履歴データをネットワーク経由でデータベースに記録し、データベースを用いて蓄電池の劣化診断を行う。

　さらに、蓄電池の使用履歴データを収集して不良原因を解析する特許文献８や、オンラインで使用履歴データを収集してデータ解析を行い、蓄電池の使用環境や蓄電池ごとの寿命を判断する特許文献９等も提案されている。

　これらの技術は蓄電池の劣化状態を評価する技術であるが、蓄電池の劣化状態は実験室で評価を行う場合と、実使用状態で評価を行う場合とで、評価結果が大きく異なる。ここには使用履歴データを測定するためのセンサの精度の問題等も含まれており、実使用状態での劣化評価を行うことが要請されている。

特開平０８－１４０２０５号公報 特開２００４－２２２４２７号公報 特開２００６－２５０９０５号公報 特開２００２－７５４６１７号公報 特開２０１２－６０８３３号公報 特開２００８－８３０２２号公報 特開２００７－１４１４６４号公報 特開２００３－１７１３８号公報 特開２００３－１２３８４７号公報

　しかしながら、従来の蓄電池システムの劣化制御装置には、次のような課題があった。
（課題１）蓄電池システムの用途の多様化への対応
　近年、蓄電池システムは、一般家庭やビルもしくは変電所等、さまざまな場所で使用されている。このため、蓄電池システムの用途により、使用場面での充放電電流値が異なっており、用途ごとに使用できる容量が変化する。

　具体的には、一般家庭用等の小規模な蓄電池システムではＣレートが小さくなり、風力等と組み合わせた大規模な蓄電池システムではＣレートは大きくなる。蓄電池システムの分野では、このような用途の多様化が進む傾向にある。そのため、蓄電池システムの劣化制御装置には、劣化モデルをより柔軟且つ正確に作成することが望まれている。

（課題２）劣化制御に使用するデータ量の削減
　蓄電池システムでは蓄電池セルの使用履歴データをメモリに保存するが、１つの蓄電池システムに具備される蓄電池セルは数千～数万個という数にのぼる。さらに、多数の蓄電池システムを１つのサーバで一括して管理するとなると、サーバ側に設けられるメモリは、膨大な量の使用履歴データを保存しなくてはならない。したがって、使用履歴データのデータ量は非常に大きくなり、これらを保存するためのメモリは負荷が増大していた。

　しかも、蓄電池システムの劣化制御の精度を高めるべく、使用履歴データの測定周期を短くすれば、データ量はさらに膨大な量となる。そこで蓄電池システムの劣化制御装置においては、劣化制御の精度をまったく低下させることなく、劣化制御に使用する使用履歴データ量を削減することが要請されている。

（課題３）蓄電池システム全体から取得したデータによる劣化モデルの構築
　蓄電池システムにおいて蓄電池セルの使用履歴データを取得するタイミングは、システムのメンテナンスを行う時や、一定間隔で実行されるリフレッシュ充放電を実施する時が多い。

　リフレッシュ充放電とは、容量値の再設定あるいは容量値の実測を目的として、蓄電池システムの容量値を０％にしてから１００％まで充電すること、もしくは蓄電池システムの容量値を１００％から０％まで放電することである。リフレッシュ充放電の際に取得されるデータは、蓄電池システム全体を対象としたものなので、このようなデータに基づいて算出される劣化モデルパラメータのデータ量は、蓄電池システム全体のデータ量ということになる。

　蓄電池システムの全体に関するデータは、各蓄電池セルの劣化状態を正確に反映しない場合がある。例えば、各蓄電池セルの劣化状態が均一あるいはそれに近い場合と、各蓄電池セルの劣化状態に幅がある場合とでは、劣化モデルパラメータのデータ量が違ってくる。これは、蓄電池システム全体のデータ量は、各蓄電池セルの劣化状態のばらつきによって変動するからである。

　しかも、この変動は不可逆なものではなく、一時的なものであって、蓄電池システムの真の劣化状態を推定するためのデータ量としては、不安定であることが指摘されていた。したがって、蓄電池システム全体から取得したデータを用いる場合、各蓄電池セルの劣化状態のばらつきによる影響を排除し、高精度の劣化モデルを構築可能な劣化制御装置が求められている。

　本発明の実施形態は、以上のような課題を解決するために提案されたものであり、その目的は、劣化制御に必要な劣化モデルを的確に学習することにより用途の多様化に対応可能であり、劣化制御に使用するデータ量を削減することができ、さらには、蓄電池システム全体から取得したデータを使用しても高精度の劣化モデルの構築を可能とする蓄電池システムの劣化制御装置及びその方法を提供することである。

　上記目的を達成するために、本発明の実施形態は、複数の蓄電池セルを有する蓄電池システムの劣化制御装置において、次の構成要素（ａ）～（ｃ）を備えたことを特徴とする。
（ａ）前記蓄電池セルの使用履歴データを取得する使用履歴データ取得部。
（ｂ）前記使用履歴データに基づき前記蓄電池セルの劣化状態を示す劣化モデルパラメータのデータ量を更新して当該劣化モデルパラメータの学習を行い、学習結果として劣化速度テーブルを出力する学習部。
（ｃ）前記使用履歴データと前記推定値を比較し前記劣化モデルパラメータの学習の可否を判断して学習指示信号を前記学習部に出力すると共に、前記劣化モデルパラメータの変更量を算出して当該変更量を前記学習部に出力する学習指示部。
　また、蓄電池システムの劣化制御方法も本発明の実施形態の一態様である。

第１の実施形態の全体構成図。 劣化速度テーブルの例を示す図。 第１の実施形態の学習部の構成図。 劣化速度テーブルである容量値テーブル及び内部抵抗値テーブルの例。 劣化速度テーブルでの相似性評価を示すグラフ。 劣化速度テーブルを３分類としたグラフ。 劣化速度テーブルを２分類としたグラフ。 第１の実施形態のフローチャート。 第２の実施形態の学習部の構成図。 第２の実施形態のフローチャート。 第３の実施形態の使用履歴データ取得部の構成図。 第３の実施形態のエントロピー符号化の符号語例を示す表。 第３の実施形態のフローチャート。 第４の実施形態の使用履歴データ部の構成図。 第４の実施形態のフローチャート。 第５の実施形態の使用履歴データ部の構成図。 第６の実施形態の使用履歴データ部の構成図。 第６の実施形態のフローチャート。 第７の実施形態の学習指示部の構成図。 第７の実施形態の学習指示部を説明するためのグラフ。 第７の実施形態のフローチャート。 第８の実施形態の学習指示部の構成図。 第９の実施形態の学習指示部の構成図。

（１）蓄電池システムの全体構成
　図１を用いて、本発明に係る実施形態の全体構成について説明する。蓄電池システムには、複数の蓄電池セル２０が設けられている。蓄電池セル２０は劣化制御装置１０に使用履歴データＡを出力するようになっている。使用履歴データＡとは、蓄電池セル２０の電圧値、温度値、電流値、SOC値等のデータである。

　蓄電池セル２０には劣化制御装置１０が接続されている。劣化制御装置１０には充放電制御装置３０が接続されている。充放電制御装置３０は、劣化制御装置１０の推定結果に基づいて充放電計画や蓄電池の使用パターンを作成して、蓄電池セル２０の充放電を制御する装置である。

　蓄電池セル２０の充放電の制御に際しては、充放電制御装置３０は、充放電計画や使用パターンから充放電指令Ｆを求め、これを蓄電池セル２０に出力するようになっている。充放電制御装置３０から充放電指令Ｆを受け取った蓄電池セル２０は、当該充放電指令Ｆに従って充放電を行う。

（２）劣化制御装置の概要
　劣化制御装置１０は、蓄電池セル２０から使用履歴データＡを入力し、劣化速度テーブルＴを作成して蓄電池セル２０の劣化状態を推定する装置である。劣化制御装置１０は、蓄電池セル２０の劣化状態の推定結果を、充放電制御装置３０に出力するようになっている。劣化制御装置１０には３つの大きなブロックから構成されている。３つのブロックとは、使用履歴データ取得部１、学習指示部２、学習部３である。以下、使用履歴データ取得部１、学習指示部２、学習部３の概要について説明する。

［使用履歴データ取得部］
　使用履歴データ取得部１は、蓄電池セル２０から使用履歴データＡを入力し、使用履歴データＡを学習指示部２及び学習部３に出力する部分である。使用履歴データ取得部１にはデータベース部１１が設置されている。データベース部１１は、使用履歴データＡを可逆圧縮して保存するように構成されている。使用履歴データ取得部１はデータベース部１１に保存した使用履歴データＡの圧縮状態を復元してからこれを読み出すようになっている。

［学習指示部］
　学習指示部２には、判断部２１と、推定値算出部２３とが設けられている。判断部２１は、使用履歴データ取得部１から使用履歴データＡを読み出すと共に、学習部３から実測容量Ｂ及び劣化モデルパラメータＣを読み出し、両者を比較して、劣化速度テーブルＴの学習を行うか否かを判断して学習指示信号Ｅを出力する部分である。なお、劣化モデルパラメータＣとは、段落０００４でも述べたように、蓄電池セル２０の劣化状態を示す要素であり、温度値やSOC値等である。また、実測容量Ｂについては後段の段落００３５で、劣化速度テーブルＴについては後段の段落００３３で述べることにする。さらに、判断部２１は、劣化速度テーブルＴの学習を行うと判断すると、学習部３に学習指示信号Ｅを出力するようになっている。

　推定値算出部２３とは、判断部２１が劣化速度テーブルＴの学習を行うと判断すると、劣化モデルパラメータＣの変更量Ｄを算出し、これを学習部３に出力する部分である。劣化モデルパラメータＣの変更量Ｄとは、蓄電池セル２０当たりの容量劣化量（通常、％で表記される）の推定値である。

［学習部］
　学習部３は、学習指示部２に対し実測容量Ｂ及び劣化モデルパラメータＣを送るようになっている。また、学習部３は、学習指示部２から劣化モデルパラメータＣの変更量Ｄ及び学習指示信号Ｅを受け取り、劣化モデルパラメータＣのデータ量を更新して当該劣化モデルパラメータの学習を行い、劣化速度テーブルＴを充放電制御装置３０に出力するようになっている。

　劣化速度テーブルＴとは、学習部３の学習結果として劣化モデルパラメータＣのデータを表形式でまとめたものであり、蓄電池システムの劣化速度を示すデータ群である。劣化速度テーブルＴの例を図２に示す。図２に示すように、劣化速度テーブルＴとしては、１Ｃにおいて蓄電池のSOC値が５０％、４０％、３０％、２０％、温度値が２０℃、３０℃、４０℃、５０℃といった状況で、蓄電池システムにおける１週間あたりの容量値の減少速度を示すテーブルや、０．５Ｃにおいて同様の状況で、蓄電池システムにおける１週間あたりの容量値の減少速度を示すテーブル等がある。

（３）第１の実施形態
［構成］
　第１の実施形態は、劣化制御装置１０における３つのブロックのうち、学習部３の構成に特徴がある。図３に示すように、学習部３には、電流積算部３１と、一定電流容量検出部３２と、一定電圧容量検出部３３と、劣化速度テーブル学習部３４が設けられている。このうち電流積算部３１は、使用履歴データ取得部１からの使用履歴データＡ及び前記検出部３２、３３からの検出信号Ｇ１、Ｇ２に従って実測容量Ｂを算出し、実測容量Ｂを学習指示部２に出力する部分である。

　このような電流積算部３１と一定電流容量検出部３２とを組み合わせることで一定電流容量を算出し、電流積算部３１と一定電圧容量検出部３３とを組み合わせることで一定電圧容量を算出するようになっている。電流積算部３１にて算出される実測容量Ｂとは、一定電流容量値及び一定電圧容量値という２種類の容量値を利用して求められる値である。一定電流容量値及び一定電圧容量値は測定方法に依存した容量値であり、これら２つの容量は物理的意味が異なる。

　一定電流容量値とは、一定電流で特定の電圧になるまで蓄電池を充電もしくは放電した際の容量値である。そのため、電流積算部３１は一定電流容量検出部３２から充電あるいは放電の開始信号及び終了信号を、検出信号Ｇ１として受信し、その間の容量値を積算して一定電流容量値を求めるようになっている。

　一方、一定電圧容量値とは、充電もしくは放電する電流値を徐々に小さくしていきながら一定電圧になるまで蓄電池の充電もしくは放電した際の合計容量値である。つまり、電流積算部３１は一定電流Ｉ１で、一定電圧容量検出部３３から充電あるいは放電の開始信号及び終了信号を、検出信号Ｇ２として受信し、その間の容量値ｘ１を積算する。次に電流積算部３１は、一定電流Ｉ１よりも電流値を小さくした一定電流Ｉ２で（Ｉ１＞Ｉ２）、再び一定電圧に達するまで蓄電池の充電もしくは放電した容量値ｘ２を測定する。

　そして電流積算部３１は測定する電流値を徐々に小さくしていき、十分に小さい電流値Ｉｎになるまで繰り返して容量値ｘｎを測定し、容量値の和（ｘ１＋ｘ２…ｘｎ）が一定電圧容量値となる。以上のようにして、電流積算部３１は一定電流容量値及び一定電圧容量値を求めている。

　また、電流積算部３１は実測容量Ｂに加えて、電流値－容量値セットＳを、劣化速度テーブル学習部３４に出力するようになっている。電流値－容量値セットＳとは、一定電圧容量値を求める際の充電時もしくは放電時の平均を取った電流値と、一定電圧容量値を１つのセットにしたデータである。

　劣化速度テーブル学習部３４は、電流積算部３１に接続されると共に、使用履歴データ取得部１、学習指示部２に接続されている。劣化速度テーブル学習部３４は、電流積算部３１から電流値－容量値セットＳを、使用履歴データ取得部１から使用履歴データＡを、学習指示部２から変更量Ｄ及び学習指示信号Ｅを、それぞれ入力するようになっている。また、劣化速度テーブル学習部３４は劣化モデルパラメータＣを学習指示部２側に出力すると共に、学習した劣化速度テーブルＴを充放電制御装置３０に出力するようになっている。

　このような劣化速度テーブル学習部３４は、入力した各種データに従って、劣化速度テーブルＴの学習を行う部分である。劣化速度テーブル学習部３４の学習対象は、劣化速度テーブルＴ上の劣化モデルパラメータＣのデータ量である。ここでいう学習とは、変更量Ｄに基づいて劣化モデルパラメータＣのデータ量の更新を行うことである。つまり、劣化モデルパラメータＣのデータ量を更新した劣化速度テーブルＴが、学習部３の学習結果となる。以上のような学習処理は、発見的手法アルゴリズム、例えば遺伝的アルゴリズムや焼きなまし法を用いて最適化を行うことにより実現する。

　学習部３において、劣化速度テーブル学習部３４には劣化速度テーブル記憶部３５が接続され、劣化速度テーブル記憶部３５には劣化速度テーブル算出部３６が接続されている。劣化速度テーブル算出部３６には充放電制御装置３０が接続されている。このうち、劣化速度テーブル記憶部３５は電流値ごとに算出した劣化速度テーブルＴを記憶する部分である。

　劣化速度テーブル算出部３６は、劣化速度テーブル記憶部３５から劣化速度テーブルＴを取り出して、２種類の劣化速度テーブルに含まれるデータを算出するようになっている。２種類の劣化速度テーブルＴとは、一定電流容量値を使用して算出される容量値テーブルＴ１（図４の左側）と、一定電圧容量値を使用して算出される内部抵抗値テーブルＴ２（図４の右側）である。

　劣化速度テーブル算出部３６は、複数の内部抵抗値テーブルＴ２を相互に比較して、テーブルＴ２同士の相似性を、予め設定された判定基準に沿って、複数のグループに分類するようになっている。具体的には、劣化速度テーブル算出部３６は、ＳＯＣを判定要因としたＳＯＣ方向と、温度を判定要因とした温度方向について、内部抵抗値テーブルＴ２の相似性を判定することでグループ分けを行う。

　内部抵抗値テーブルＴ２の相似性の判定に関しては、劣化速度テーブル算出部３６は、容量値テーブルＴ１のSOC方向と温度方向について、内部抵抗値テーブルＴ２の決定係数（Ｒ二乗）をそれぞれ算出し、この決定係数に基づき、内部抵抗値テーブルＴ２の相似性を判定するようになっている。この様子を図５に示す。

　劣化速度テーブル算出部３６による内部抵抗値テーブルＴ２の分類数は、適宜設定自由であって、予め設定された基準に従って自動的に分類数を決定してもよいし、ユーザが外部から入力してもよい。内部抵抗値テーブルＴ２の分類数は多いほど、電流値に応じた細かい劣化制御が可能となるが、分類数が多すぎれば、制御にかかる演算コストは多くなる。このため、演算コストと制御精度のバランスを考えて、図６に示すような３分類とすることや、図７に示すような２分類とすることが好適である。これら内部抵抗値テーブルＴ２の分類は、k-means法のような手法を用いれば実行可能である。

　さらに、劣化速度テーブル算出部３６は、同一のグループ内に内部抵抗値テーブルＴ２が複数存在するとき、各グループ内に含まれる内部抵抗値テーブルＴ２の中で、グループの中心となった内部抵抗値テーブルＴ２を充放電制御装置３０に出力するようになっている。劣化速度テーブル算出部３６は、それぞれの分類の閾値となった電流値も合わせて充放電制御装置３０に出力するようになっている。

［学習処理］
　図８のフローチャートを参照して、学習部３による劣化モデルの学習処理について説明する。電流積算部３１は使用履歴データ取得部１から使用履歴データＡを入力する。一定電流容量検出部３２は、一定電流による充電が開始されたか否かを判定する(Ｓ１－１)。一定電流容量検出部３２が、一定電流による充電が開始されたことを検出すると、検出信号Ｇ１を電流積算部３１に出力する(Ｓ１－１のＹｅｓ)。この検出信号Ｇ１を受けて、電流積算部３１は電流の積算を開始する(Ｓ１－２)。一定電流容量検出部３２は、一定電流による充電の開始を検出しなければ(Ｓ１－１のＮｏ)、一定電流による充電が開始されたか否かの判定処理を繰り返す。

　一定電流容量検出部３２は、一定電流による充電が完全充電により終了したことを検出すると、終了した旨の検出信号Ｇ１を電流積算部３１に出力して、蓄電池セル２０が完全充電したか否かを確認する(Ｓ１－３)。このとき、蓄電池セル２０が完全充電でない場合には(Ｓ１－３のＮｏ)、電流積算を中止して積算値はリセットする(Ｓ１－４)。蓄電池が完全充電である場合には(Ｓ１－３のＹｅｓ)、電流積算部３１は検出信号Ｇ１を一定電流容量検出部３２から受け取り、一定電流容量値を算出して、電流値－容量値セットＳを劣化速度テーブル学習部３４に出力する(Ｓ１－５)。

　一定電圧容量検出部３３は、一定電圧による充電が開始されたことを検出すると、検出信号Ｇ２を電流積算部３１に出力する(Ｓ１－６のＹｅｓ)。この検出信号Ｇ２により、電流積算部３１は電流の積算を開始する(Ｓ１－７)。一定電流容量検出部３２は、一定電圧による充電の開始を検出しなければ(Ｓ１－６のＮｏ)、一定電圧による充電が開始されたか否かの判定処理を繰り返す。一定電圧容量検出部３３は、一定電圧による充電が完全充電により終了したことを検出すると、検出信号Ｇ２を電流積算部３１に出力する(Ｓ１－８)。完全充電でない場合には(Ｓ１－８のＮｏ)、電流積算部３１は電流積算を中止し、積算値はリセットする(Ｓ１－４)。

　蓄電池セル２０が完全充電である場合には(Ｓ１－８のＹｅｓ)、電流積算部３１は、検出信号Ｇ２を一定電圧容量検出部３３から受け取り、一定電圧容量値を算出する。そして、電流積算部３１は一定電圧による充電もしくは放電を行った時の平均電流値と容量値をセットとして、電流値－容量値セットＳを劣化速度テーブル学習部３４に出力する(Ｓ１－１０)。

　劣化速度テーブル学習部３４は、電流積算部３１が出力する電流値－容量値セットＳと、使用履歴データ部１からの使用履歴データＡと、学習指示部２からの学習指示信号Ｅ及び変更量Ｄに従い、それぞれの容量に対応した劣化速度テーブルＴの学習を行う(Ｓ１－１１)。劣化速度テーブルＴにおける推定値の学習は、電流積算部３１が出力した電流値－容量値セットＳごとに行い、学習指示信号Ｅが付与された全ての電流値－容量セットＳに対して、繰り返して行う(Ｓ１－１２)。劣化速度テーブル記憶部３５は、電流値ごとに算出した劣化速度テーブルＴを記憶する(Ｓ１－１３)。

　劣化速度テーブル算出部３６は、一定電流容量値を用いた劣化速度テーブルを容量値テーブルＴ１として算出する(Ｓ１－１４)。また、劣化速度テーブル算出部３６は、一定電流容量値の学習結果である容量値テーブルＴ１に対し、一定電圧容量値の学習結果である内部抵抗値テーブルＴ２の決定係数（Ｒ二乗）をそれぞれ算出する(Ｓ１－１５)。さらに、劣化速度テーブル算出部３６は、一定電圧容量値を用いて得た内部抵抗値テーブルＴ２の集合を、いくつかのグループに分類し(Ｓ１－１６)、それぞれのグループの中心にある内部抵抗値テーブルＴ２だけを、充放電制御装置３０に出力する(Ｓ１－１７)。以上のようにして、学習部３による劣化モデルの学習処理が終了する。

　ところで、図８では示さないが、一定電流容量検出部３２が、一定電流による放電が開始されたことを検出した場合は、検出信号を電流積算部３１に出力し、この検出信号を受けて、電流積算部３１は電流の積算を開始する。そして、一定電流容量検出部３２は、一定電流による放電が完全放電により終了したことを検出すると、終了した旨の検出信号を電流積算部３１に出力して、蓄電池セル２０が完全放電したか否かを確認する。このとき、蓄電池セル２０が完全放電でなければ、電流積算を中止して積算値はリセットする。蓄電池が完全放電であれば、電流積算部３１は検出信号を一定電流容量検出部３２から受け取り、一定電流容量値を算出して、電流値－容量値セットＳを劣化速度テーブル学習部３４に出力する。

　一定電圧容量検出部３３は、一定電圧による放電が開始されたことを検出すると、検出信号を電流積算部３１に出力する。この検出信号により、電流積算部３１は電流の積算を開始する。一定電圧容量検出部３３は、一定電圧による放電が完全放電により終了したことを検出すると、検出信号を電流積算部３１に出力する。完全放電でない場合には、電流積算部３１は電流積算を中止し、積算値はリセットする。蓄電池セル２０が完全放電であれば、電流積算部３１は、検出信号を一定電圧容量検出部３３から受け取り、一定電圧容量値を算出する。そして、電流積算部３１は一定電圧による充電もしくは放電を行った時の平均電流値と容量値をセットとして、電流値－容量値セットＳを劣化速度テーブル学習部３４に出力する。劣化速度テーブル学習部３４の学習処理に関しては、充電が開始された場合と同様である。

［作用及び効果］
　蓄電池システムの規模等に応じて充放電電流値の大きさは異なるが、低い充放電電流値によるゆっくりした充放電であっても、高い充放電電流値による急速な充放電であっても、同一の劣化速度テーブルＴを利用して蓄電池システムの状態を推定しなくてはならないとすると、劣化制御の精度を高くすることは望めない。

　蓄電池システムの容量値は充放電する際の電流値により変化し、電流値による変化量は内部抵抗値の劣化量に依存する。このため、内部抵抗値を安定して推定することができれば、劣化制御の精度は向上すると考えられる。そこで第１の実施形態では、一定電流容量値の学習結果である容量値テーブルＴ１を算出すると共に、容量値テーブルＴ１効率よく求めた内部抵抗値テーブルＴ２を利用して内部抵抗値を確実に推定し、劣化制御の精度の向上を図っている。第１の実施形態の学習部３は、学習結果として容量値テーブルＴ１及び内部抵抗値テーブルＴ２を出力するために、一定電流容量値及び一定電圧容量値を用いている。前述したように、一定電流容量値は、一定電流で特定の電圧になるまで、蓄電池を充電もしくは放電した際の容量値なので、測定が簡便であり、測定に要する時間も短くて済む。

　ただし、一定電流容量値は蓄電池システムの容量値の劣化影響を受けるだけでなく、蓄電池システムにおける内部抵抗値の劣化影響を受けて容量値が変化してしまう。しかも、蓄電池システムの内部抵抗値は、蓄電池の温度、電圧値、電流値やSOC値さらには蓄電池システムの使用状況によっても変化する。一方、一定電圧容量値は、充電時もしくは放電時の電流値を徐々に小さくしながら測定するので、測定に長い時間がかかる。しかし、一定電圧容量値は、内部抵抗値の劣化影響は受けにくいといった長所がある。

　そこで第１の実施形態では、一定電流容量値の学習結果である容量値テーブルＴ１と、一定電圧容量値の学習結果である内部抵抗値テーブルＴ２を比較し、一定電流容量値が内包する内部抵抗値による劣化の影響を求めている。つまり、第１の実施形態によれば、従来技術では推定が困難であった蓄電池システムの内部抵抗値に関して、内部抵抗値テーブルＴ２を用いることでこれを容易に推定することが可能となり、蓄電池システムの劣化制御を高い精度で実施することができる。

　ところで、一定電圧容量値を測定する場合、多数の電流値に対する容量値を測定しなくてはならず、内部抵抗値テーブルＴ２の学習頻度が多くなる。その結果、内部抵抗値の推定に用いるデータ量は大きくなり、制御が複雑化してノイズ等の影響を受け易くなるといった不具合が予想される。

　上記の不具合を回避するために、第１の実施形態の学習部３では、劣化速度テーブル学習部３４が、一定電圧容量値により学習した多数の劣化速度テーブルＴを、いくつかのグループに分類した後、各グループの中心となるテーブルだけを内部抵抗値テーブルＴ２として出力する。これにより、内部抵抗値の推定に用いるデータ量を大幅に抑制することができる。したがって、制御の容易化を実現し、ノイズ等の影響を排除することが可能である。

　また、劣化速度テーブル学習部３４は、蓄電池セル２０の劣化状態を端的に示すＳＯＣ方向と温度方向についてテーブルの相似性を相互に比較することで、内部抵抗値テーブルＴ２をグループ分けしているので、効率よく分類作業を進めることができ、迅速な学習処理が可能である。しかも、劣化速度テーブル学習部３４は、分類するグループ数を指定可能なので、学習結果となる内部抵抗値テーブルＴ２の総数を簡単に調整することができる。

　さらに、第１の実施形態の学習部３では、電流積算部３１が一定電圧容量値を求めた時の平均電流値と一定電圧容量値を組み合わせた電流値－容量値セットＳを算出した上で、学習指示信号Ｅがあるすべての電流値－容量値セットＳに対して繰り返し学習を行う。そのため、きめ細かい学習が可能となり、劣化制御の精度が向上する。

　また、このような学習時に学習部３は、放電時の容量値と、充電時の容量値を区別して学習を行うようにしてもよい。これは、ヒステリシス等を原因として、放電時の容量値と充電時の容量値とが理論的に完全に一致しないためである。充電と放電のどちらが安定して容量値を測定できるかは、電極材料等に依存することから、学習部３では、電極材料等を判断材料として、放電時の容量値と、充電時の容量値を区別して学習を行うことにより、劣化モデルの推定精度をいっそう高めることができる。また、学習部３では学習指示部２からの学習指示信号Ｅに応じて、学習部３が保有している使用履歴データＡは削除してもよい。この使用履歴データＡは今後不要になるので、削除することによりメモリ容量を削減することができる。

（４）第２の実施形態
［構成］
　第２の実施形態は上記第１の実施形態と同じく学習部３に特徴があり、基本的な構成は第１の実施形態と同一である。そのため、上記第１の実施形態と同一の構成要素に関しては同一符号を付して、説明は省略する。上記第１の実施形態における学習部３は全ての構成要素がローカル側に設けられていた。

　これに対し、第２の実施形態では、学習部３の構成要素は同一であるものの、それらを配置する場所が蓄電池システムのローカル側とサーバ側に分割されている。このような第２の実施形態の構成を図９に示す。図９に示すように、第２の実施形態の学習部は、ローカル側の学習部３Ａと、サーバ側の学習部３Ｂとに分割されて構成される。

　ローカル側の学習部３Ａには、電流積算部３１、一定電流容量検出部３２、一定電圧容量検出部３３及びシステム情報出力部３７が設けられる。一方、サーバ側学習部３Ｂには、劣化速度テーブル学習部３４、劣化速度テーブル記憶部３５、劣化速度テーブル算出部３６及びシステム情報近似度判定部３８が設けられる。学習部３Ａ及び３ＢはネットワークＮを介して接続されている。

　また、第２の実施形態では、ローカル側の学習部３Ａのシステム情報出力部３７が、ネットワークＮを介して、サーバ側の学習部３Ｂのシステム情報近似度判定部３８に、蓄電池システムに関する情報を送信するようになっている。システム情報近似度判定部３８は、複数のローカル側の学習部３Ａから送られてくる蓄電池システムに関する情報を収集し、相互の情報に基づいて、蓄電池システムが同じである、もしくは似ていると判断する部分である。蓄電池システムに関する情報とは、蓄電池セルのメーカ、製造ロット、蓄電池システムの環境情報つまり蓄電池システムが位置する緯度や経度、システム周辺の温度及び湿度、蓄電池システムの現在寿命等である。

［学習処理］
　図１０のフローチャートを用いて、第２の実施形態の学習処理について説明する。第２の実施形態の学習処理では、前述の図８に示したフローチャートに対し、Ｓ２－１１、Ｓ２－１２を追加した点に特徴がある。このため、図１０のＳ２－１からＳ２－１０までは、図８のＳ１－１からＳ１－１０までと同様であり、図１０のＳ２－１３からＳ２－１９までは、図８のＳ１－１１からＳ１－１７までと同様である。

　第２の実施形態における学習処理では、ローカル側の学習部３Ａのシステム情報出力部３７が、ネットワークＮを経由して、蓄電池システムに関する情報をサーバ側の学習部３Ｂに送信する(Ｓ２－１１)。サーバ側の学習部３Ｂでは、システム情報近似度判定部３８が蓄電池システムに関する情報を受け取る。システム情報近似度判定部３８は複数のローカル側の学習部３Ａから、蓄電池システムに関する情報を複数集める。そして、システム情報近似度判定部３８は、蓄電池システムに関する情報が同じもしくは似ているかどうかを判断する(Ｓ２－１２)。

　そのため、劣化速度テーブルＴの学習ステップ(Ｓ２－１３、Ｓ２－１４)で、システム情報判定部３８が、蓄電池システムに関する情報が同じである、もしくは似ていると判断した際に、劣化速度テーブル学習部３４は、同じような蓄電池システムの学習結果を参照して、効率よく学習することが可能になる。サーバ側の学習部３Ｂにおいて、蓄電池システムに関する情報が同じ、あるいは似ていると判断された場合、劣化状態に関しては、蓄電池システムに関する情報が同程度のもので比較する方がより望ましいからである。

［作用及び効果］
　以上のような第２の実施形態によれば、ローカル側単体の蓄電池システムでは学習できない内容であっても、サーバ側の学習部３Ｂにて蓄電池システムに関する情報を集め、複数の蓄電池システムにおける相互の近似度を判定して把握することができる。このため、近似度の高い他の蓄電池システムの学習結果を、参照することができる。その結果、サーバ側の学習部３Ｂでは、劣化速度テーブル学習部３４が多様な劣化速度テーブルＴを学習して、学習速度が速くなり、推定精度を高めて劣化制御性能がいっそう向上する。

（５）第３の実施形態
　以下の第３～第６の実施形態では、使用履歴データ取得部１の構成に特徴がある。使用履歴データ取得部１とは、劣化制御装置１０において大別された３つのブロックのうちの１つである。第３～第６の実施形態においては、使用履歴データ取得部１以外の構成については第１の実施形態と同一であり、説明は省略する。

［構成］
　図１１に示すように第３の実施形態に係る使用履歴データ取得部１では、段落００２９にて述べたデータベース部１１に加えて、特性パラメータ検出部１２が設けられている。特性パラメータ検出部１２には第１のシミュレーション部１４Ａ及び符号化部１５が接続され、第１のシミュレーション部１４Ａには差分検出部１３が接続されている。

　差分検出部１３には前記符号化部１５が接続され、該符号化部１５には第１の通信部１６Ａ、前記データベース部１１、第２の通信部１６Ｂ、復号化部１７が順次接続されている。復号化部１７には加算部１８及び第２のシミュレーション部１４Ｂが接続されている。また、第２のシミュレーション部１４Ｂに前記加算部１８に接続されている。さらに、加算部１８には学習部３が接続されている。

　以上のような使用履歴データ取得部１の構成要素のうち、特性パラメータ検出部１２は使用履歴データＡを入力して解析することにより、蓄電池セル２０の特性パラメータＰを検出する部分である。蓄電池セル２０の特性パラメータＰとは、蓄電池セル２０の挙動を特徴づけるパラメータであって、時定数や内部抵抗等が一般的である。内部抵抗としては直流分内部抵抗、交流分内部抵抗や、充電側内部抵抗、放電側内部抵抗等、複数のパラメータが挙げられる。特性パラメータ検出部１２が特性パラメータＰを検出する方法としては、次のような方法がある。

　例えばランダムに充放電している蓄電池セル２０から使用履歴データＡを取り込み、そこから特性パラメータＰを検出する方法や、特定の充放電パターンを使用してそこから特性パラメータＰを検出する方法等がある。ここでは、蓄電池システムのメンテナンス時や一定の間隔で実行されるリフレッシュ充放電時等に、使用履歴データＡを取り込み、そこから複数の特性パラメータＰを検出する方法を採用している。

　また、特性パラメータ検出部１２では、後述する符号化データ量が閾値以上になった場合に符号化部１５から検出トリガＲを入力し、特性パラメータＰの再検出を実行させるようになっている。さらに、特性パラメータ検出部１２では、検出した特性パラメータＰと共に、蓄電池セル２０の電流値Ｉや雰囲気温度ｔを、第１のシミュレーション部１４Ａ及び符号化部１５に出力するようになっている。

　第１のシミュレーション部１４Ａは、蓄電池セル２０の電流値Ｉや雰囲気温度ｔ、さらには特性パラメータ検出部１２から特性パラメータＰを取り込み、これらのデータを用いて蓄電池セル２０の劣化状態をシミュレートする部分である。第１のシミュレーション部１４Ａは、シミュレート結果として、電圧値、温度値、SOC値等を含む第１のシミュレーション値Ｍ１を算出するようになっている。差分検出部１３は、第１のシミュレーション部１４Ａから前記第１のシミュレーション値Ｍ１を取得し、さらに蓄電池セル２０から使用履歴データＡを取得して、両者の差分値Ｑを検出して、これを符号化部１５に出力するように構成されている。

　符号化部１５には特性パラメータ検出部１２から、電流値Ｉと、雰囲気温度ｔと、特性パラメータＰが、差分検出部１３から差分値Ｑが、それぞれ入力され、これらが符号化された後、第１の通信部１６Ａに出力される。また、符号化部１５は符号化データ量が閾値以上になった場合に特性パラメータ検出部１２に検出トリガＲを出力するようになっている。また、符号化部１５は、特性パラメータＰのデータが前回と同じ場合には出力しないようになっている。

　符号化部１５では、差分値Ｑの符号化に際しては、ハフマン符号化等のエントロピー符号化を行っている。符号化部１５では、出現確率を毎回求めると演算量が多くなるので、図１２の表に示すように、値の小さいものに短い符号長を割り当てるようにしている。つまり、符号化部１５では、第１のシミュレーション値Ｍ１が使用履歴データＡ等の実測値に近い場合に、短い符号長を割り当てるようにしている。符号化部１５で使用した符号語テーブルは復号化部１７でも用いられる。

　ところで、第１のシミュレーション部１４Ａの求めた第１のシミュレーション値Ｍ１が実測値に近い時に短い符号長を割り当てた場合、第１のシミュレーション値Ｍ１が大きいと、符号長が飛躍的に増大して、エントロピー符号化を用いない方が、符号長が短くなることがある。そこで、符号化部１５は、第１のシミュレーション値Ｍ１が所定の値よりも大きい場合には、エントロピー符号化を用いるのではなく、単純に値を２値変換することとする。

　第１の通信部１６Ａは符号化部１５にて符号化したデータを、データベース部１１に送る手段である。データベース部１１では第１の通信部１６Ａから送られた符号化データを保存する。第２の通信部１６Ｂはデータベース部１１からデータを読み出して、復号化部１７に送る手段である。復号化部１７は符号化データ状態にある特性パラメータＰ、蓄電池セル２０の電流値Ｉや雰囲気温度ｔ、さらには差分値Ｑを復号化し、これらを加算部１８に出力するようになっている。

　第２のシミュレーション部１４Ｂは、復号化部１７から特性パラメータＰ、蓄電池セル２０の電流値Ｉや雰囲気温度ｔを取り込み、蓄電池セル２０の劣化状態をシミュレートして第２のシミュレーション値Ｍ２を加算部１８に出力する部分である。加算部１８は、第２のシミュレーション値Ｍ２と復号化した差分値Ｑとを取り込んで両者を足し合わせ、学習指示部２及び学習部３に出力するようになっている。

［使用履歴データ取得部におけるデータ処理］
　図１３のフローチャートを参照して、第３の実施形態におけるデータ処理について説明する。まず、データベース部１１へのデータ書き込み処理について述べる。最初に、特性パラメータ検出部１２は検出トリガＲがあるか否かを判定する(Ｓ３－１)。

　検出トリガＲがある場合には(Ｓ３－１のＹｅｓ)、特性パラメータ検出部１２は次のようにして特性パラメータＰの検出を行う。まず、特性パラメータ検出部１２は外部から、電池セルの電圧値、温度値、電流値、SOC値等の使用履歴データＡを入力し、これらを解析することにより、蓄電池セル２０の特性パラメータＰを検出する(Ｓ３－２)。

　検出トリガＲがない場合には(Ｓ３－１のＮｏ)、特性パラメータ検出部１２による特性パラメータＰの検出を省いてＳ３－３に移行する。Ｓ３－３では、第１のシミュレーション部１４Ａが、特性パラメータＰと蓄電池セル２０の電流値Ｉと雰囲気温度ｔを入力とし、これらのデータを用いて蓄電池セル２０の劣化状態をシミュレーションして、電圧値、温度値、SOC値等の第１のシミュレーション値Ｍ１を算出する。次に、差分検出部１３では、使用履歴データＡと第１のシミュレーション値Ｍ１との差分を検出し、差分値Ｑを符号化部１５に送る(Ｓ３－４)。

　符号化部１５は、特性パラメータＰ、蓄電池セル２０の電流値Ｉ、雰囲気温度ｔを符号化する(Ｓ３－５)。ただし、符号化部１５は、符号化データ量を削減するために、特性パラメータＰのデータは前回と同じ場合には出力しないようにする。また、符号化部１５は差分値Ｑをエントロピー符号化する(Ｓ３－６)。

　符号化部１５は符号化データ量が閾値以上かどうかを判断する(Ｓ３－７)。符号化部１５において符号化データ量が多くなるということは、シミュレーション結果が実測値と離れてきている、つまり特性パラメータＰの値が実際の値と離れる傾向にあることを示す。そこで、符号化部１５は符号化データ量が閾値以上であれば(Ｓ３－７のＹｅｓ)、シミュレーション結果が実測値と離れてきていることになり、検出トリガＲを出力して特性パラメータ検出部１２で特性パラメータＰの再検出を実行させる（Ｓ３－８）。その後、データベース部１１が符号化部１５からの符号化データを記録する（Ｓ３－９）。また、符号化部１５は符号化データ量が閾値未満であれば(Ｓ３－７のＮｏ)、検出トリガＲを出力することなく、データベース部１１は符号化データを記録する（Ｓ３－９）。

　続いてデータベース部１１からのデータ読み出し処理について述べる。第２の通信部１６Ｂはデータベース部１１から読み出したデータを復号化部１７に出力する。復号化部１７では符号化部１５で使用した符号語テーブルを使用して、第２の通信部１６Ｂが出力したデータを復号化する。

　復号化部１７は、前記の特性パラメータＰ、電流Ｉ、雰囲気温度ｔを第２のシミュレーション部１４Ａに出力し、差分値Ｑを加算部１８に出力する(Ｓ３－１０)。第２のシミュレーション部１４Ｂでは、第１のシミュレーション部１４Ａと同様に、電流値Ｉと雰囲気温度ｔを入力とし、特性パラメータＰを用いて蓄電池セル２０の劣化状態をシミュレーションし、電圧値、温度値、SOC値等の第２のシミュレーション値Ｍ２を加算部１８に出力する(Ｓ３－１１)。

　加算部１８では、第２のシミュレーション部１４Ｂが出力したシミュレーション値Ｍ２と復号化部１７が出力した差分値Ｑとを足し合わせ、最終的な値を検出する。この最終的な値が、使用履歴データＡと同じものであり、この値を使用履歴データＡとして学習指示部２及び学習部３に出力する(Ｓ３－１２)。

［作用及び効果］
　以上のような第３の実施形態によれば、第１及び第２のシミュレーション値Ｍ１、Ｍ２と実測値とが近い値の場合に、符号化部１５は、送信するデータは電流値Ｉと雰囲気温度ｔと各差分値Ｑのみとなり、エントロピー符号化を用いている。そのため、符号化するデータ量は非常に小さくなる。しかも、符号化部１５は、値の小さいものに短い符号長を割り当てており、特性パラメータＰのデータが前回と同じ場合には出力しないので、データ量を削減することができる。

　その上、第３の実施形態では符号化するデータ量が閾値以上になって、シミュレーション結果が実測値と解離してくると、符号化部１５は特性パラメータ検出部１２に対し検出トリガＲを出力し、特性パラメータＰの再検出を実行させる。さらに、第３の実施形態の特性パラメータ検出部１２においては複数の特性パラメータＰを検出している。このような第３の実施形態によれば、蓄電池セル２０の挙動を正確に反映したデータを取り込むことができる。

　しかも、値の小さいものに短い符号長を割り当てた状態で第１のシミュレーション値Ｍ１が所定値よりも大きくなると、エントロピー符号化による符号長は飛躍的に増大してしまう。そこで、第３の実施形態では、第１のシミュレーション値Ｍ１が所定値よりも大きくなると、特性パラメータＰに対する符号化処理をエントロピー符号化から単純に値を２値変換に変更している。このような第３の実施形態によれば、符号長の大幅な増大を回避することが可能であり、少ないデータ量を維持することができる。

（６）第４の実施形態
［構成］
　第４の実施形態は上記第３の実施形態における使用履歴データ部１の変形例であり、基本的な構成は上記第３の実施形態と同一である。そのため、第３の実施形態と同一の構成要素に関しては同一符号を付して、説明は省略する。

　図１４に示すように、第４の実施形態は、差分検出部１３には量子化部１９Ａが接続され、復号部１７には逆量子化部１９Ｂが接続されている。量子化部１９Ａは符号化する前の差分値を量子化して量子化差分値を算出する部分であり、逆量子化部１９Ｂは復号化した量子化差分値に対して逆量子化を行う部分である。量子化とは、ある一定の値で割り算をすることであり、逆量子化とはその逆である一定の値を乗算することである。この結果、値が丸められる。例えば、５で量子化をした際には、１、２、３、４の値は、０となり、これを逆復号化しても０のままである。

［使用履歴データ取得部におけるデータ処理］
　第４の実施形態のデータ処理について図１５のフローチャートを用いて説明する。本実施形態のデータ処理は、基本的に図１３に示した上記第３の実施形態のデータ処理と同様であるが、差分値Ｑの量子化及び逆量子化を行う（Ｓ４－５、Ｓ４－１２）点に特徴がある。これ以外のステップは、図１３に示したステップと同様である。

　すなわち、第４の実施形態では、符号化する前の差分値を量子化部１９Ａで量子化を行い（Ｓ４－５）、量子化した差分値を算出して、これを符号化部１５に出力する。符号化部１５では量子化差分値に対してエントロピー符号化を行う(Ｓ４－７)。また。復号化部１７は量子化差分値を復号化し、これを逆量子化部１９Ｂに出力する。逆量子化部１９Ｂは逆量子化を行って、差分値を検出する(Ｓ４－１１) 。

［作用及び効果］
　以上のような第４の実施形態によれば、量子化部１９Ａによって、符号化する前の差分値を量子化するので、データベース部１１への書き込み情報を欠落させて、データ量を削減することが可能である。一方で、第４の実施形態においては、符号化の種類が減らせるため、符号長も激減させることができる。この実施形態では不可逆符号化なので元の値を完全に再現することはできないが、その分、使用履歴データＡのデータ量を激減させることができるといったメリットがある。

（７）第５の実施形態
［構成］
　図１６に示すように、第５の実施形態では、使用履歴データ取得部１の構成要素がローカル側の使用履歴データ取得部１Ａとサーバ側の使用履歴データ取得部１Ｂとに分割配置されている。ローカル側の使用履歴データ取得部１Ａには、特性パラメータ検出部１２、差分検出部１３、第１のシミュレーション部１４Ａ、符号化部１５、第１の通信部１６Ａ及び量子化部１９Ａが配置されている。

　第１の通信部１６Ａは有線もしくは無線通信によって遠隔のサーバに対してデータの送信を行うようになっている。また、サーバ側の使用履歴データ取得部１Ｂには、データベース部１１、第２の通信部１６Ｂ、復号化部１７、第２のシミュレーション部１４Ｂ、加算部１８及び逆量子化部１９Ｂが配置されている。

［作用及び効果］
　以上のような第５の実施形態によれば、サーバ側の使用履歴データ取得部１Ｂにデータベース部１１を設けたので、このデータベース部１１に、サーバ側の大規模なデータサーバを使用することができ、大きな使用履歴データＡを記録することができる。したがって、サーバ側で多くの蓄電池システムの劣化診断を統計的に処理する際などで、ローカル側とサーバ側の間で通信する使用履歴データＡを大幅に削減することが可能である。

（８）第６の実施形態
［構成］
　図１７に示す第６の実施形態は、前記第５の実施形態の変形例であって、ローカル側に設けた使用履歴データ取得部１Ａの特性パラメータ検出部１２が、学習部３からの学習結果である劣化速度テーブルＴを取り込むように構成した点に特徴がある。

［使用履歴データ取得部におけるデータ処理］
　第６の本実施形態のデータ処理を図１８のフローチャートに示す。第６の実施形態のデータ処理は、基本的に上記第３の実施形態と同様であるが、図１８のＳ５－３に示すように、特性パラメータ検出部１２では、サーバ側の使用履歴データ取得部１Ｂから特性パラメータＰが送信されてきたかを判定し、サーバ側の使用履歴データ取得部１Ｂから特性パラメータＰが受信すると（Ｓ５－３）、ローカル側の使用履歴データ取得部１Ａにおける特性パラメータＰと置き換える（Ｓ５－４）。それ以降、この置き換えた特性パラメータＰを用いる。図１８のＳ５－５からＳ５－１４までは、図１３のＳ３－３からＳ３－１２と同様である。

　Ｓ５－１５ではサーバ側で多くの蓄電池システムの情報を収集し、学習部３で使用履歴データＡを用いて劣化モデルの学習を行う。そして、学習部３の学習結果である劣化速度テーブルＴに基づいて、同程度劣化している蓄電池システムの特性パラメータＰを比較し、統計処理を行い、精度の高い特性パラメータＰを出力する（Ｓ５－１６）。

［作用及び効果］
　このような第６の実施形態によれば、ローカル側の使用履歴データ取得部１Ａにおける特性パラメータＰの値として、ローカル側で検出したものを使うだけでなく、外部であるサーバ側の使用履歴データ取得部１Ｂから送信されてきた特性パラメータＰの値を使用することができる。したがって、ローカル側の使用履歴データＡのデータ量を大幅に削減することが可能である。

（９）第７の実施形態
　第７～第９の実施形態は、学習指示部２の構成に特徴がある。学習指示部２は劣化制御装置１０において大別された３つのブロックのうちの１つである。第７～第９の実施形態では、学習指示部２以外の構成については第１の実施形態と同一であり、説明は省略する。
［構成］
　図１９に示すように、第７の実施形態に係る学習指示部２には、段落００３０、００３１にて述べた判断部２１と推定値算出部２３に加えて、データベース部２２と、推定値用差分検出部２４と、ばらつき量検出部２５と、ばらつき量表示部２６と、劣化量表示部２７と、学習表示部２８と、記憶部２９とが設けられている。

　記憶部２９は時系列データＺを記憶する部分である。時系列データＺとは、推定値用差分検出部２４の検出した差分値Ｑと、ばらつき量検出部２５の検出したばらつき量Ｗとをセットにしたデータである。判断部２１では、時系列データＺを分析し、この時系列データＺのトレンドが非線形であると判断することにより、学習指示信号Ｅを学習部３に出力するようになっている。

　判断部２１は、既に述べたように劣化速度テーブルＴの学習可否の判断を行う部分であるが、第７の実施形態に係る判断部２１では、蓄電池セル２０の劣化状態のばらつきによる実測値変化の影響を取り除きつつ、学習可否を判断するようになっている。つまり、判断部２１は、差分値Ｑとばらつき量Ｗとの相関性が非線形であるか否かを判断することで、ばらつき量Ｗによる使用履歴データＡの変化の影響を排除するようになっている。また、判断部２１は、時系列データＺのトレンドが非線形であるか否かの基準となる分布幅βが調節可能となるように構成されている。

　ここで図２０を用いて、判断部２１における時系列データＺの分布幅βと非線形の判断について説明する。記憶部２９にある程度の量の時系列データＺが蓄積されると、時系列データＺは一定の傾向を示すようになる。図２０では○で示した１～６の数字が時系列データＺの番号である。判断部２１は、この時系列データＺが示す傾向から、分布幅βの値を決定する。

　この分布幅βの値が、時系列データＺが線形に分布していると判断部２１Ａが判断するために必要な係数となる。分布幅βの値が小さいと、ばらつき量Ｗと差分値Ｑの相関性が強い状態である。この場合には、時系列データＺが分布幅βからはみだし易いので、判断部２１は、時系列データＺのトレンドが非線形であると判断し易くなる。言い換えると、判断部２１は時系列データＺのトレンドが線形であると判断し難くなり、結果的に学習部３に学習指示信号Ｅを頻繁に出すことになる。

　逆に、分布幅βの値が大きいと、ばらつき量Ｗと差分値Ｑの相関性が弱い状態である。この場合には、時系列データＺが分布幅βからはみだし難いので、判断部２１は、時系列データＺのトレンドが非線形であると判断し難くなる。言い換えると、判断部２１は時系列データＺのトレンドが非線形であると判断し易くなり、学習部３への学習指示信号Ｅの出力頻度は低下することになる。判断部２１では、この分布幅βの値を調節することにより、学習指示信号の出力頻度による学習速度と、劣化精度を制御するようになっている。

　判断部２１は、蓄電池システムが置かれた状況等によって分布幅βの値を調節する。例えば、図２０の上図では、時系列番号１～５により分布幅βを設定している。これは最初の５点のばらつき量Ｗを基準とするように事前に決めておき、分布幅βを設定した例である。

　分布幅βは、蓄電池セル２０の種類や特性に応じて変更することができる。図２０の下図では、時系列番号６のデータが線形の領域から外れている。このとき、判断部２１は、学習部３に学習指示信号Ｅを出す。そして、学習部３が劣化速度テーブルＴの学習する際には、時系列番号６のときの差分値Ｑが線形の領域内の中心値に入るように、蓄電池セル２０における容量劣化量の推定値γを修正する。このγは、線形と判断する分布幅βの中央値と、前記差分値Ｑとの距離である。

　推定値算出部２３は、蓄電池セル２０の容量劣化量の推定値γを算出する部分である。上記第１の実施形態における推定値算出部２３では、算出した容量劣化量の推定値に関して、これを学習部３に送り劣化速度テーブルＴの更新に用いるところから変更量Ｄと呼んだが、第７の実施形態では、そのまま推定値γと呼ぶことにする。

　推定値用差分検出部２４は、推定値算出部２３の算出した推定値γと、蓄電池セル２０の使用履歴データＡである実測値との差分値Ｑを検出する部分である。蓄電池セル２０の実測値が容量値である場合、例えば、完全に放電した状態から完全に充電した状態までの容量値が容量実測値となる。あるいは、完全に充電した状態から完全に放電した状態までの容量値を容量実測値としてもよい。

　推定値用差分検出部２４は、このような容量実測値を学習部３からの実測容量Ｂとして入力する。容量実測値は、完全充電までの容量実測値と完全放電までの容量実測値のうち、どらちを用いてもよいが、容量値を実測する際の劣化量を最小限に抑えることを考えた場合、充電による容量実測値と、放電による容量実測値をそれぞれ最低1回実測し、それぞれの劣化量を算出して、この劣化量が少ない方を、容量実測値として採用することが望ましい。

　ばらつき量検出部２５は、蓄電池セル２０の劣化状態を蓄電池システム全体から見たときのばらつき量Ｗを検出する部分であり、ばらつき量表示部２６は、ディスプレイ等のモニタにばらつき量Ｗを表示する部分である。ばらつき量Ｗとしては、例えば、次のようなものがある。

1.蓄電池セル間の最大電圧値と最小電圧値との差
2.蓄電池セル間の最大SOCと最小SOC値との差
3.蓄電池セル間の最大温度値と最小温度値との差
4.以上のいずれかの差に依存する値
5.蓄電池システムにおける電圧値の分布を示す標準偏差
6.蓄電池システムにおけるSOC値の分布を示す標準偏差
7.蓄電池システムにおける温度値の分布を示す標準偏差

　データベース部２２は、使用履歴データＡとして保存してデータベース化する部分である。劣化量表示部２７は、推定値算出部２３の算出した劣化量をディスプレイ等のモニタに表示する部分である。学習表示部２８は、判断部２１Ａが学習指示信号Ｅを出力すると、学習処理を実施することをＬＥＤ等で外部に表示する部分である。

［学習指示部におけるデータ処理］
　図２１のフローチャートを参照して、第７の実施形態におけるデータ処理について説明する。ばらつき量検出部２５は、学習指示部２の外部から、蓄電池セル２０における実測値と、蓄電池システム全体の実測値を入力し、これらの実測値から蓄電池セル２０のばらつき量Ｗを検出する（Ｓ６－１）。ばらつき量表示部２６はばらつき量Ｗをモニタに表示する（Ｓ６－２）。このとき、ばらつき量Ｗは、ある劣化モデルパラメータＣに関して蓄電池システム全体のばらつき量を示している。

　データベース部２７は、蓄電池セル２０の実測値を使用履歴データＡとして保存する（Ｓ６－３）。使用履歴データＡは使用中の各蓄電池セル２０の実測値であり、電圧値、温度値、電流値、ＳＯＣ値等である。推定値算出部２３は、学習部３から劣化モデルパラメータＣを読み出し、データベース部２７から使用履歴データＡを読み出して、これらのデータと任意の関数を用いて、蓄電池セル２０当たりの劣化量の推定値γを算出する（Ｓ６－４）。劣化量表示部２７は、劣化量の推定値γをモニタに表示する（Ｓ６－５）。

　推定値用差分検出部２４は、推定値算出部２３で算出した劣化量の推定値γと、蓄電池システム全体の実測値との差分値Ｑを検出する（Ｓ６－６）。記憶部２９は、差分値Ｑとばらつき量Ｗとをセットにして時系列データＺとして記憶する（Ｓ６－７）。判断部２１はこの時系列データＺを利用して、どのようなばらつき量Ｗがある状態で、蓄電池システム全体の実測値が測定されたのかを判断することになる。

　蓄電池システム全体の実測値は、それぞれの蓄電池セル２０の劣化状態の影響を受けるだけでなく、原理的に蓄電池セル２０の劣化状態にばらつきがあることで、蓄電池システム２０全体の実測値も変化する。この蓄電池セル２０のばらつきによる容量実測値の変化は、不可逆な変化ではなく、一時的なものに過ぎない。そこで、この蓄電池セル２０の劣化状態のばらつきによる蓄電池システム全体の容量の変化分の影響を取り除けば、その残りの変化分２真の推定値と実測値との差となる。

　判断部２１では、差分値Ｑとばらつき量Ｗとのセットである時系列データＺのトレンドを分析する（Ｓ６－８）。そして判断部２１は、時系列データＺのトレンドが線形か否かを判断し（Ｓ６－９）、判断部２１が、時系列データＺのトレンドは線形であると判断すれば（Ｓ６－９のＹｅｓ）、時系列データＺのトレンドから分布幅βの値を再設定する（Ｓ６－１０）。

　一方、判断部２１が、時系列データＺのトレンドは非線形であれば（Ｓ６－９のＮｏ）、学習指示信号Ｅ及び容量劣化量の推定値γ（第１の実施形態では変更量Ｄ）を学習部３に出力する（Ｓ６－１１）。学習表示部２８は、判断部２１Ａが学習指示信号Ｅを出力すると、学習処理を実施することを外部に表示する（Ｓ６－１２）。

［作用及び効果］
　以上のような第７の実施形態によれば、判断部２１は、蓄電池セル２０の劣化状態のばらつきによる実測値変化の影響を取り除いた上で、学習指示信号Ｅを学習部３に出力するため、学習部３は劣化モデルの学習を高い精度で実施することができる。したがって、蓄電池システム全体で実測した容量を使用した場合でも、蓄電池セル２０の劣化状態のばらつきによる影響がなく、優れた劣化モデルの構築が可能である。

　さらに、判断部２１は、事前に実験を行って閾値αを決めておき、且つ推定値用差分検出部２４によって検出される差分値Ｑが閾値α以上の場合に学習指示信号Ｅを学習部３に出すようにもしてもよい。これにより、判断部２１は、効率良く学習指示信号Ｅを出力することができる。また、第７の実施形態では、ばらつき量表示部２６、劣化量表示部２７、学習表示部２８といった表示部が、データや処理を外部に向けて表示するため、劣化制御に伴う作業効率が向上する。

（１０）第８の実施形態
［構成］
　第８の実施形態は基本的な構成は第７の実施形態と同一であるため、上記第７の実施形態と同一の構成要素に関しては同一符号を付して、説明は省略する。前記第７の実施形態の学習指示部２は全ての構成要素がローカル側に設けられていたが、図２２に示す第８の実施形態の学習指示部２は、ローカル側の学習指示部２Ａと、サーバ側の学習指示部２Ｂとから構成されている。

　ローカル側の学習指示部２Ａには、データベース部２２と、推定値算出部２３と、ばらつき量検出部２５と、ばらつき量表示部２６と、劣化量表示部２７と、学習表示部２８とが設けられている。一方、サーバ側の学習指示部２Ｂには、判断部２１と、推定値用差分検出部２４と、記憶部２９とが設けられている。これら学習指示部２Ａ及び２Ｂは有線もしくは無線の通信手段（図示せず）を介して接続されている。

［学習指示部におけるデータ処理］
　第８の実施形態では、ローカル側の学習指示部２Ａからは、ばらつき量Ｗ、容量劣化量の推定値γがセットで、サーバ側の学習指示部２Ｂに有線もしくは無線の通信手段により送信され、サーバ側の学習指示部２Ｂからは学習指示信号Ｅと推定値の変更量Ｄとがセットになって、有線もしくは無線の通信手段によりローカル側の学習部３Ａに送信される。

　このような第８の実施形態によれば、ばらつき量Ｗと差分値Ｑとの相関性の分析をする際に、１つの蓄電池システムの結果だけでなく、ほかの同様な構成をもつ蓄電池システムでのトレンドを合わせて分析することが可能になる。したがって、データセット数が多くなり、蓄電池システムにより適した分布幅βや容量劣化量の推定値γを設定することが可能になる。これにより、劣化制御の精度がよりいっそう向上する。

　また蓄電池システムの設置環境によって、ばらつきやすい蓄電池システムとそうでないシステムが混在することも考えられ、このときにそれぞれの蓄電池システムに対して信頼度を適宜設定することが可能である。つまり、ばらつき量Ｗが小さい傾向を示す蓄電池システムでは、ばらつき量Ｗと差分値Ｑのデータセットの信頼度を高く設定し、ばらつき量Ｗが大きい傾向を示すシステムは信頼度を低く設定することが可能である。また、信頼度の高いデータセットを優先的に用いて、分布幅βや推定値γを設定することもでき、劣化速度テーブルＴの学習を効率よく行うことができる。

（１１）第９の実施形態
［構成］
　第９の実施形態も第８の実施形態と同様、上記学習指示部２をローカル側とサーバ側とに分割配置したものであり、基本的な構成は第７の実施形態と同一である。そのため、上記第７の実施形態と同一の構成要素に関しては同一符号を付して、説明は省略する。図２３に示すように、第９の実施形態の学習指示部２では、ばらつき量検出部２５、ばらつき量表示部２６、劣化量表示部２７及び学習表示部２８、ローカル側に具備され、それ以外の構成要素は遠隔にあるサーバ側に具備される構成である。

［作用及び効果］
　第９の実施形態では、上記第８の実施形態の作用及び効果に加えて、データベース部２２がサーバ側にあるので、ローカル側での使用履歴データＡ等を保存するためのメモリ量を削減することができるといった独自の作用及び効果がある。

（１２）他の実施形態
　なお、上記の実施形態は、本明細書において一例として提示したものであって、発明の範囲を限定することを意図するものではなく、その他の様々な形態で実施されることが可能である。また、発明の範囲を逸脱しない範囲で、種々の省略や置き換え、変更を行うことも可能である。これらの実施形態やその変形例は、発明の範囲や要旨に含まれると同様に、請求の範囲に記載された発明とその均等の範囲に含まれるものである。

　例えば、上記の実施形態では、情報の具体的な内容、数値は自由であって、特定の内容、数値には限定されない。実施形態において、閾値に対する大小判断、一致不一致の判断などにおいては以上、以下として値を含めるように判断するか、より大きい、より小さい、超える、超えないとして値を含めないようにするかも自由である。したがって、例えば値の設定によっては、「以上」を「より大きい」、「以下」を「より小さい」と読み替えても実質的には同じである。

１、１Ａ、１Ｂ…使用履歴データ取得部
２、２Ａ、２Ｂ…学習指示部
３、３Ａ、３Ｂ…学習部
１０…劣化制御装置
１１、２２…データベース部
１２…特性パラメータ検出部
１３…差分検出部
１４Ａ…第１のシミュレーション部
１４Ｂ…第２のシミュレーション部
１５…符号化部
１６Ａ…第１の通信部
１６Ｂ…第２の通信部
１７…復号化部
１８…加算部
１９Ａ…量子化部
１９Ｂ…逆量子化部
２０…蓄電池セル
２１…判断部
２３…推定値算出部
２４…推定値用差分検出部
２５…ばらつき量検出部
２６…ばらつき量表示部
２７…劣化量表示部
２８…学習表示部
２９…記憶部
３０…充放電制御装置
３１…電流積算部
３２…一定電流容量検出部
３３…一定電圧容量検出部
３４…劣化速度テーブル学習部
３５…劣化速度テーブル記憶部
３６…劣化速度テーブル算出部
Ａ…使用履歴データ
Ｂ…実測容量
Ｃ…劣化モデルパラメータ
Ｄ…変更量
Ｅ…学習指示信号
Ｆ…充放電指令
Ｇ１、Ｇ２…検出信号
Ｐ…特性パラメータ
Ｑ…差分値
Ｔ…劣化速度テーブル
Ｔ１…容量値テーブル
Ｔ２…内部抵抗値テーブル
Ｗ…ばらつき量
Ｚ…時系列データ
γ…容量劣化量の推定値

Claims (28)

1. 　複数の蓄電池セルを有する蓄電池システムの劣化制御装置において、
   　前記蓄電池セルの使用履歴データを取得する使用履歴データ取得部と、
   　前記使用履歴データに基づき前記蓄電池セルの劣化状態を示す劣化モデルパラメータのデータ量を更新して当該劣化モデルパラメータの学習を行い、学習結果として劣化速度テーブルを出力する学習部と、
   　前記使用履歴データと前記推定値を比較し前記劣化モデルパラメータの学習の可否を判断して学習指示信号を前記学習部に出力すると共に、前記蓄電池セルの劣化モデルパラメータの変更量を算出して当該変更量を前記学習部に出力する学習指示部を備えたことを特徴とする蓄電池システムの劣化制御装置。
2. 　前記学習部は、
   　一定電流で特定の電圧になるまで充電もしくは放電した一定電流容量値を算出する一定電流容量値算出部と、
   　一定電流で蓄電池を充電もしくは放電して一定電圧に達した後、電流値を小さくした一定電流で充電もしくは放電を再び一定電圧に達するまで行い、電流値の漸減と一定電圧に達するまでの充電もしくは放電を繰り返して、電流値が十分に小さくなった時までの容量値を積算して一定電圧容量値を算出する一定電圧容量値算出部と、
   　前記一定電圧容量値を求めた時の電流値と前記一定電圧容量値を組み合わせた電流値－容量値セットを算出する電流－容量セット算出部を備えたことを特徴とする請求項１に記載の蓄電池システムの劣化制御装置。
3. 　前記学習部は、前記一定電流容量値を用いた容量値テーブルと、前記一定電圧容量値を用いた内部抵抗値テーブルを算出する劣化速度テーブル算出部を備えたことを特徴とする請求項２に記載の蓄電池システムの劣化制御装置。
4. 　前記劣化速度テーブル算出部は、予め設定された判断基準に沿ってテーブルの相似性を相互に比較し前記内部抵抗値テーブルを複数のグループに分類することを特徴とする請求項３に記載の蓄電池システムの劣化制御装置。
5. 　前記劣化速度テーブル算出部は、前記蓄電池セルの残量を判定要因としたＳＯＣ方向と、温度を判定要因とした温度方向についてテーブルの相似性を比較することを特徴とする請求項４に記載の蓄電池システムの劣化制御装置。
6. 　前記劣化速度テーブル算出部は、分類するグループ数を指定可能であることを特徴とする請求項４又は５に記載の蓄電池システムの劣化制御装置。
7. 　前記劣化速度テーブル算出部は、分類するグループにおいて同一のグループ内に前記内部抵抗テーブルが複数存在するとき、同一のグループに含まれる複数の前記内部抵抗テーブル群の中から１つの前記内部抵抗テーブルを選択することを特徴とする請求項４～６のいずれか１項に記載の蓄電池システムの劣化制御装置。
8. 　ローカルシステムと、サーバと、これらローカルシステム及びサーバ間でデータ通信を行う通信部とからなる蓄電池システムの劣化制御装置であって、
   　前記使用履歴データ取得部、前記学習部及び前記学習指示部のうちの少なくとも１つは、各部分に含まれる構成要素を、前記ローカルシステム側と前記サーバ側に分割して配置することを特徴とする請求項１～７のいずれか１項に記載の蓄電池システムの劣化制御装置。
9. 　前記使用履歴データを入力して可逆圧縮して保存し、圧縮したデータを復元してから出力するデータベース部を備えたことを特徴とする請求項１～８のいずれか１項に記載の蓄電池システムの劣化制御装置。
10. 　前記使用履歴データ取得部は、
    　前記蓄電池セルの特性パラメータを検出する特性パラメータ検出部と、
    　前記特性パラメータを用いて前記蓄電池セルの劣化状態をシミュレートして第１のシミュレーション値を算出する第１のシミュレーション部と、
    　前記蓄電池セルの使用履歴データに基づいて当該蓄電池セルの劣化状態の実測値を算出する実測値算出部と、
    　前記第１のシミュレーション値と前記実測値との差分値を検出する差分検出部と、
    　前記差分値及び前記特性パラメータを符号化する符号化部と、
    　前記符号化部にて符号化されたデータを復号化して前記差分値及び前記特性パラメータを読み出す復号化部と、
    　前記復号化部で読み出した前記特性パラメータを用いて蓄電池の劣化状態をシミュレートし第２のシミュレーション値を算出する第２のシミュレーション部と、
    　前記第２のシミュレーション値と復号化した前記差分値とを足し合わせる加算部を備えたことを特徴とする請求項１～９のいずれか１項に記載の蓄電池システムの劣化制御装置。
11. 　前記特性パラメータを複数備えたことを特徴とする請求項１０に記載の蓄電池システムの劣化制御装置。
12. 　前記符号化部は、符号化量が閾値を超えた際に前記特性パラメータ検出部に前記特性パラメータを再検出させる検出トリガを出力することを特徴する請求項１０又は１１に記載の蓄電池システムの劣化制御装置。
13. 　前記符号化部は、前記差分値をエントロピー符号化することを特徴とする請求項１０～１２のいずれか１項に記載の蓄電池システムの劣化制御装置。
14. 　前記符号化部は、前記差分値の小さいものに短い符号を割り当ててエントロピー符号化を行うことを特徴とする請求項１３に記載の蓄電池システムの劣化制御装置。
15. 　前記符号化部は、エントロピー符号化を行わなかった場合と比べて符号長が短くなった場合に限りエントロピー符号化を行うことを特徴とする請求項１４に記載の蓄電池システムの劣化制御装置。
16. 　前記符号化部は、前記第１のシミュレーション値が所定値よりも大きくなると、前記特性パラメータに対する符号化処理をエントロピー符号化から単純に値を２値変換に変更することを特徴する請求項１５に記載の蓄電池システムの劣化制御装置。
17. 　前記符号化部は符号化の前に量子化処理を行い、量子化処理時の閾値を符号化して出力し、
    　前記復号化部は復号時に前記閾値を取り出し、復号化後に逆量子化を行い、値を取り出すことを特徴する請求項１６に記載の蓄電池システムの劣化制御装置。
18. 　前記特性パラメータ検出部とは別に、前記第１のシミュレーション部に対し前記特性パラメータを出力する特性パラメータ出力部を備えたことを特徴する請求項１０～１７のいずれか１項に記載の蓄電池システムの劣化制御装置。
19. 　前記学習指示部は、
    　前記蓄電池セルの劣化状態を蓄電池システム全体から見たときのばらつき量を検出するばらつき量検出部と、
    　前記蓄電池セルの劣化量の推定値を算出する推定値算出部と、
    　前記推定値算出部が算出した推定値と、前記蓄電池セルの実測値との差分値を検出する推定値用差分検出部と、
    　前記差分値と前記ばらつき量とのセットを時系列データとし、当該時系列データの相関性を分析して学習可否を判断する判断部を備えたことを特徴とする請求項１～１８のいずれか１項に記載の蓄電池システムの劣化制御装置。
20. 　前記推定値用差分検出部に用いる前記実測値は、蓄電池システムが完全に放電した状態から完全に充電した状態までの容量、あるいは蓄電池システムが完全に充電した状態から完全に放電した状態までの容量を算出することを特徴とする請求項１９に記載の蓄電池システムの劣化制御装置。
21. 　前記学習指示部は、前記差分値が予め設定された閾値以上であるとき、前記学習指示信号を前記学習部に出力することを特徴する請求項１９又は２０に記載の蓄電池システムの劣化制御装置。
22. 　前記判断部は、前記ばらつき量と前記差分値との相関性が線形であるか、あるいは非線形であるかを判断し、前記相関性が非線形であると判断した場合には前記学習指示信号を前記学習部に出力することを特徴とする請求項１９～２１のいずれか１項に記載の蓄電池システムの劣化制御装置。
23. 　前記判断部は、前記相関性が予め設定された閾値で示される分布の幅に収まるのであれば、当該相関性が線形であると判断することを特徴とする請求項２２に記載の蓄電池システムの劣化制御装置。
24. 　前記使用履歴データを保存するデータベース部を備え、当該データベース部は、前記学習部が前記劣化推定値の学習を行った後は学習に使用された前記使用履歴データを削除することを特徴とする請求項１９～２３のいずれか１項に記載の蓄電池システムの劣化制御装置。
25. 　前記実測値、前記推定値、前記学習部の学習結果、前記差分値、前記ばらつき量、前記時系列データのうち、少なくとも１つを表示する表示部を備えたことを特徴とする請求項１９～２４のいずれか１項に記載の蓄電池システムの劣化制御装置。
26. 　蓄電池セルの使用履歴データを取得する使用履歴データ取得ステップと、
    　前記使用履歴データに基づき前記蓄電池セルの劣化状態を示す劣化モデルパラメータのデータ量を更新して当該劣化モデルパラメータの学習を行い、学習結果として劣化速度テーブルを出力する学習ステップと、
    　前記使用履歴データと前記推定値を比較し前記劣化モデルパラメータの学習の可否を判断して学習指示信号を出力すると共に、前記劣化モデルパラメータの変更量を算出して当該変更量を出力する学習指示ステップ、を含むことを特徴とする蓄電池システムの劣化制御方法。
27. 　前記使用履歴データ取得ステップは、
    　前記蓄電池セルの特性パラメータを検出する特性パラメータ検出ステップと、
    　前記特性パラメータを用いて前記蓄電池セルの劣化状態をシミュレートして第１のシミュレーション値を算出する第１のシミュレーションステップと、
    　前記蓄電池セルの使用履歴データに基づいて当該蓄電池セルの劣化状態の実測値を算出する実測値算出ステップと、
    　前記第１のシミュレーション値と前記実測値との差分値を検出する差分検出ステップと、
    　前記差分値及び前記特性パラメータを符号化する符号化ステップと、
    　符号化されたデータを復号化して前記差分値及び前記特性パラメータを読み出す復号化ステップと、
    　前記特性パラメータを用いて蓄電池の劣化状態をシミュレートし第２のシミュレーション値を算出する第２のシミュレーションステップと、
    　前記第２のシミュレーション値と復号化した前記差分値とを足し合わせる加算ステップを含むことを特徴とする請求項２６記載の蓄電池システムの劣化制御方法。
28. 　前記学習指示ステップは、
    　前記蓄電池セルの劣化状態を蓄電池システム全体から見たときのばらつき量を検出するばらつき量検出ステップと、
    　前記蓄電池セルの劣化量の推定値を算出する推定値算出ステップと、
    　前記推定値算出ステップにて算出した推定値と、前記蓄電池セルの実測値との差分値を検出する差分値検出ステップと、
    　前記差分値と前記ばらつき量とのセットを時系列データとし、当該時系列データの相関性を分析して学習可否を判断する判断ステップを含むことを特徴とする請求項２６又は２７に記載の蓄電池システムの劣化制御方法。

Images