JP5467010B2 - 学習型蓄電池マネジメントシステム - Google Patents
学習型蓄電池マネジメントシステム Download PDFInfo
- Publication number
- JP5467010B2 JP5467010B2 JP2010165362A JP2010165362A JP5467010B2 JP 5467010 B2 JP5467010 B2 JP 5467010B2 JP 2010165362 A JP2010165362 A JP 2010165362A JP 2010165362 A JP2010165362 A JP 2010165362A JP 5467010 B2 JP5467010 B2 JP 5467010B2
- Authority
- JP
- Japan
- Prior art keywords
- storage battery
- charge
- discharge
- management system
- learning
- 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.)
- Expired - Fee Related
Links
Images
Classifications
-
- 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
- Charge And Discharge Circuits For Batteries Or The Like (AREA)
- Secondary Cells (AREA)
Description
本発明は、蓄電池の充放電を管理する学習型蓄電池マネジメントシステムに関する。
近年、太陽光発電や風力発電などの再生可能エネルギーを利用した分散電源の導入が活発になっており、系統の不安定化が懸念されている。一方、電気自動車やプラグインハイブリッド自動車（ｐＨＶ）等、エネルギー源として蓄電池からの電力を用いる車両の普及が拡大している。このように、電力を供給する分散電源だけでなく、電力を貯蓄する機器も増えている。そこで、電気自動車やｐＨＶ等に搭載された蓄電池を使って、将来的な系統の不安定化を防ぐとともに、需要側での電力安定化対策に資するべく、系統の需給バランスの偏りを防止する地域エネルギーマネジメントシステムと車載用蓄電池への電力供給との連携強化がこれまでよりさらに強く求められている。
ここで、上記地域エネルギーマネジメントシステムとの連携強化に当たっては、一般家庭や事業体にも徐々に普及しつつある太陽光発電システムをも活用して、太陽光発電の余剰電力や夜間電力を各家庭或いは事業体単位や地域単位に設置された蓄電池に貯蔵して、当該電力をｉ）自家消費するほかに、地域ごとの需給状態に応じてｉｉ）互いに融通し合うことによりいわゆる「地産地消モデル」を実現し、系統の需給バランスの偏りを防止する技術がまずその前提として求められるところ、その際、車載用蓄電池に対しては、ｉ）その充放電制御技術および寿命診断技術の更なる向上と確立、そしてｉｉ）情報通信技術を活用した蓄電池管理技術の更なる向上と確立が大きな課題とされている。
このように、上記地域エネルギーマネジメントシステムとの連携を図りながら車載用蓄電池に対する円滑な電力供給を実現するには、まずは基礎技術となる蓄電池の充放電制御技術および寿命診断技術の更なる向上、並びに情報通信技術を活用した蓄電池管理技術の更なる向上が急務となっていた。
ところで、従来、蓄電池に通信手段であるＲＦＩＤを組み合わせることによって、ｉ）蓄電池を識別し、ｉｉ）蓄電池の充放電に関する情報を管理すると共に、ｉｉｉ）蓄電池の劣化状態をマネジメントする手法が、特許文献１に開示されている。
図１４は、特許文献１で開示された充電装置および充電システムを示す図である。４台の携帯電話のクレードル６００，６２１，６２２，６２３が、ホストコンピュータ６３１と接続され、一のクレードル６００の内部には、管理履歴情報６０２を記憶した記憶部６０１が備えられている。また、充電処理部６０６と充電管理部６０７と劣化判断部６０８から構成される制御部６０５、充電部６０９、パネル表示部６１０、スピーカ６１１、ＲＦＩＤ処理部６０３、アンテナ６０４を含む。６３２はホストコンピュータの制御部である。
また、電源関係としてＡＣアダプタ６４９、交流電源６５０があり、リーダライタ６６０は、バッテリ６６１とバッテリと一体化されたＲＦＩＤタグ６６２より構成される。
また、電源関係としてＡＣアダプタ６４９、交流電源６５０があり、リーダライタ６６０は、バッテリ６６１とバッテリと一体化されたＲＦＩＤタグ６６２より構成される。
上記のように構成された充電装置および充電システムによって、リーダライタのバッテリの劣化状況を判断し、複数バッテリのうち、特定のバッテリの劣化が集中しないように管理を行うことが可能となっている。
また、特許文献２では、複数の二次電池モジュール２１〜２５が直列接続されたものからなり、電気自動車やプラグインハイブリッド自動車等の車両用電源として用いられる組電池１０に関し（特許文献２の図１および図２参照）、組電池１０をユーザ側から回収し、これを不具合の解消と共に十分な性能を有する組電池１０として再構成（リビルト）して再びユーザー側に戻す手法が開示されている。
より具体的には、
ｉ）組電池１０の再構成において再利用可能な二次電池（モジュール）を自身又は他の組電池１０の再利用対象とし、その再利用対象の二次電池（モジュール）を完全放電状態まで放電する放電ステップと、
ｉｉ）上記放電ステップを経た再利用対象の二次電池（モジュール）を、上記完全放電状態から一定時間以上経過させるべく保管領域にて保管する保管ステップと、
ｉｉｉ）上記保管ステップを経た自身又は他の組電池１０の再利用対象の二次電池（モジュール）を組み合わせて、若しくはその再利用対象の二次電池（モジュール）と新しい二次電池（モジュール）とを組み合わせて、組電池１０の再構成を行う再生ステップと、
を含む組電池１０の再構成（リビルト）手法が開示されている。
ｉ）組電池１０の再構成において再利用可能な二次電池（モジュール）を自身又は他の組電池１０の再利用対象とし、その再利用対象の二次電池（モジュール）を完全放電状態まで放電する放電ステップと、
ｉｉ）上記放電ステップを経た再利用対象の二次電池（モジュール）を、上記完全放電状態から一定時間以上経過させるべく保管領域にて保管する保管ステップと、
ｉｉｉ）上記保管ステップを経た自身又は他の組電池１０の再利用対象の二次電池（モジュール）を組み合わせて、若しくはその再利用対象の二次電池（モジュール）と新しい二次電池（モジュール）とを組み合わせて、組電池１０の再構成を行う再生ステップと、
を含む組電池１０の再構成（リビルト）手法が開示されている。
また、特許文献３には、リチウムイオン蓄電池の劣化状態を診断する手法、或いはリチウムイオン蓄電池の劣化を抑制する手法として、蓄電池の充電時の電圧上昇の度合いに応じて、充電電流の上限値を変える手法が開示されている。
また、特許文献４には、学習データベースを構成する一例としてベイジアンネットを用いる手法が開示されている。
繁桝算男、植野真臣、本村陽一（共著）、"ベイジアンネットワーク概説"、培風館、2006.
ベイジアンネットワーク解析システム"Ｂａｙｏｎｅｔ"マニュアル、株式会社数理システム、2009.
しかしながら、特許文献１に記載された手法では、携帯機器バッテリの劣化判定が行われるのみであり、蓄電池の劣化抑制を図ることや、劣化と判定された場合における蓄電池の取扱いまでは想定されておらず、実際に特許文献１ではそのような内容についてまで開示或いは示唆されていない。
特許文献３に関しても、劣化と判定された場合における蓄電池の取扱いまでは想定されておらず、実際に特許文献３ではそのような内容についてまで開示或いは示唆されていない。
なお、特許文献１は携帯機器バッテリを取り扱うものであり、これよりも大規模な電気自動車を含む車載用蓄電池、家庭用蓄電池、ビル用蓄電池、集合住宅用蓄電池或いは地域エネルギーマネジメントシステム用蓄電池への適用についてまで踏み込んだ検討はなされていない。
特許文献３に関しても、劣化と判定された場合における蓄電池の取扱いまでは想定されておらず、実際に特許文献３ではそのような内容についてまで開示或いは示唆されていない。
なお、特許文献１は携帯機器バッテリを取り扱うものであり、これよりも大規模な電気自動車を含む車載用蓄電池、家庭用蓄電池、ビル用蓄電池、集合住宅用蓄電池或いは地域エネルギーマネジメントシステム用蓄電池への適用についてまで踏み込んだ検討はなされていない。
また、特許文献２では、完全放電後、充放電特性を回復（メモリ効果の解消）させるために、１週間以上の放置時間を必要としている。
よって、蓄電池を放置・保管させることなく、蓄電池の劣化状態に応じた蓄電池に対する最適な充放電制御を行うことが必要となってくる。また、劣化した蓄電池の最適な二次利用先を探ることも重要である。さらには、今後、電気自動車やプラグインハイブリッド車、或いは家庭用やビル用等の設置型蓄電池の大量導入によって、蓄電池に関する多種多様な利用状況データが得られることとなるが、それらを十分活用して上記要請に応えることが非常に有用である。しかしながら、そのような要請に十分応えるシステムについてはこれまで世の中に提供されていなかった。
したがって本発明は、蓄電池の劣化状態に応じて蓄電池の充放電を行うことが可能な学習型蓄電池マネジメントシステムを提供することを主要な課題とする。
また本発明は、蓄電池の残存価値を判断し、劣化した蓄電池の最適な二次利用先を推奨することが可能な学習型蓄電池マネジメントシステムを提供することを副次的な課題とする。
また本発明は、蓄電池の残存価値を判断し、劣化した蓄電池の最適な二次利用先を推奨することが可能な学習型蓄電池マネジメントシステムを提供することを副次的な課題とする。
上記課題を解決すべく種々検討を重ねた結果、本願発明者は、蓄電池の固定情報と、上記蓄電池の利用状況データに相当する変動情報、つまり充放電の回数、放電負荷といった特徴変数、並びに温度履歴、振動履歴、走行履歴といった環境変数を学習型データベースを用いて処理することによって、当該蓄電池の充放電計画を策定するほか、さらに、当該蓄電池の劣化診断或いは最適な二次利用先の推奨を行う構成とすることにより上記課題を解決可能なことを見い出し、本発明を完成した。
上記課題を解決可能な本願請求項１に記載の学習型蓄電池マネジメントシステムは、（１）学習型蓄電池マネジメントシステムであって、
蓄電池に対して充放電を行う充放電装置と、
前記蓄電池の固定情報と変動情報とを受信する受信手段と、
学習型データベースに前記蓄電池の固定情報と変動情報とを蓄積することによって、複数の充放電特性グループに分類し、
前記固定情報によって識別された当該蓄電池の充放電特性グループを前記複数の充放電特性グループから抽出し、
当該抽出された蓄電池の充放電特性グループより当該蓄電池の充放電制御ルールを規定し、
得られた前記充放電制御ルールを用いて当該蓄電池の充放電計画を策定する処理手段と、
前記固定情報によって識別された蓄電池に充放電を行う充放電装置へ、前記処理手段によって策定された充放電計画に基づく充放電を指示する充放電制御信号の送信を行う送信手段と、
を含んでなることを特徴とするものである。
蓄電池に対して充放電を行う充放電装置と、
前記蓄電池の固定情報と変動情報とを受信する受信手段と、
学習型データベースに前記蓄電池の固定情報と変動情報とを蓄積することによって、複数の充放電特性グループに分類し、
前記固定情報によって識別された当該蓄電池の充放電特性グループを前記複数の充放電特性グループから抽出し、
当該抽出された蓄電池の充放電特性グループより当該蓄電池の充放電制御ルールを規定し、
得られた前記充放電制御ルールを用いて当該蓄電池の充放電計画を策定する処理手段と、
前記固定情報によって識別された蓄電池に充放電を行う充放電装置へ、前記処理手段によって策定された充放電計画に基づく充放電を指示する充放電制御信号の送信を行う送信手段と、
を含んでなることを特徴とするものである。
また、本願請求項２に記載の学習型蓄電池マネジメントシステムは、（２）請求項１に記載の学習型蓄電池マネジメントシステムであって、
前記充放電制御ルールが、前記蓄電池の劣化抑制を図る充放電制御パターンを有し、
前記処理手段は、前記学習型データベースを用いて抽出された、前記固定情報によって識別された当該蓄電池の充放電特性グループより規定された前記充放電制御ルールに従って充放電計画を策定することを特徴とするものである。
前記充放電制御ルールが、前記蓄電池の劣化抑制を図る充放電制御パターンを有し、
前記処理手段は、前記学習型データベースを用いて抽出された、前記固定情報によって識別された当該蓄電池の充放電特性グループより規定された前記充放電制御ルールに従って充放電計画を策定することを特徴とするものである。
また、本願請求項３に記載の学習型蓄電池マネジメントシステムは、（３）学習型蓄電池マネジメントシステムであって、
蓄電池に対して充放電を行う充放電装置と、
前記蓄電池の固定情報と変動情報とを受信する受信手段と、
学習型データベースに前記蓄電池の固定情報と変動情報とを蓄積することによって、複数の充放電特性グループに分類し、
前記固定情報によって識別された蓄電池の充放電特性グループを前記複数の充放電特性グループから抽出し、
当該抽出された蓄電池の充放電特性グループより当該蓄電池の充放電制御ルールを規定し、
少なくとも規定された前記充放電制御ルールを用いて当該蓄電池の充放電計画を策定する処理手段と、
前記固定情報および前記変動情報、並びにこれら情報を蓄積、分類することによって得られる前記蓄電池の複数の充放電特性グループと、前記充放電特性グループより規定される前記蓄電池の充放電制御ルールと、前記充放電制御ルールを用いて策定される前記蓄電池の充放電計画とを記憶する記憶手段と、
前記固定情報によって識別された蓄電池に対して充放電を行う充放電装置に、前記処理手段によって策定された充放電計画に基づく充放電を指示する充放電制御信号を送信する送信手段と
を備え、
前記処理手段は、前記蓄電池の劣化抑制を図る充放電制御パターンで当該蓄電池の充放電ルールを規定することを特徴とするものである。
蓄電池に対して充放電を行う充放電装置と、
前記蓄電池の固定情報と変動情報とを受信する受信手段と、
学習型データベースに前記蓄電池の固定情報と変動情報とを蓄積することによって、複数の充放電特性グループに分類し、
前記固定情報によって識別された蓄電池の充放電特性グループを前記複数の充放電特性グループから抽出し、
当該抽出された蓄電池の充放電特性グループより当該蓄電池の充放電制御ルールを規定し、
少なくとも規定された前記充放電制御ルールを用いて当該蓄電池の充放電計画を策定する処理手段と、
前記固定情報および前記変動情報、並びにこれら情報を蓄積、分類することによって得られる前記蓄電池の複数の充放電特性グループと、前記充放電特性グループより規定される前記蓄電池の充放電制御ルールと、前記充放電制御ルールを用いて策定される前記蓄電池の充放電計画とを記憶する記憶手段と、
前記固定情報によって識別された蓄電池に対して充放電を行う充放電装置に、前記処理手段によって策定された充放電計画に基づく充放電を指示する充放電制御信号を送信する送信手段と
を備え、
前記処理手段は、前記蓄電池の劣化抑制を図る充放電制御パターンで当該蓄電池の充放電ルールを規定することを特徴とするものである。
上記（２）或いは（３）に係る発明のように、学習型データベースを用いて抽出された当該蓄電池の充放電特性グループより規定される当該蓄電池の充放電制御ルールを少なくとも用いて、固定情報によって識別された当該蓄電池の充放電計画を策定することにより、蓄電池の劣化抑制を図る最適パターンで当該蓄電池の充放電を行うことが可能となる。
また、本願請求項４に記載の学習型蓄電池マネジメントシステムは、（４）請求項１〜３のいずれかに記載の学習型蓄電池マネジメントシステムであって、
前記処理手段は、互いに異なる複数の充放電制御ルールから学習結果に基づいて前記抽出された蓄電池の充放電特性グループに対応した充放電制御ルールを１つ選択することによって、当該蓄電池の充放電制御ルールを規定することを特徴とするものである。
前記処理手段は、互いに異なる複数の充放電制御ルールから学習結果に基づいて前記抽出された蓄電池の充放電特性グループに対応した充放電制御ルールを１つ選択することによって、当該蓄電池の充放電制御ルールを規定することを特徴とするものである。
また、本願請求項５に記載の学習型蓄電池マネジメントシステムは、（５）請求項１〜４のいずれかに記載の学習型蓄電池マネジメントシステムであって、
前記処理手段は、
前記抽出された蓄電池の前記充放電特性グループより当該蓄電池夫々の特性を解析および判定する蓄電池特性の解析判定手段、並びに
当該判定結果を外部に出力する解析判定結果出力手段、
を有しており、
前記解析判定手段は、前記蓄電池の二次利用を想定した場合における推定残存価値或いは推奨用途を判定することを特徴とするものである。
前記処理手段は、
前記抽出された蓄電池の前記充放電特性グループより当該蓄電池夫々の特性を解析および判定する蓄電池特性の解析判定手段、並びに
当該判定結果を外部に出力する解析判定結果出力手段、
を有しており、
前記解析判定手段は、前記蓄電池の二次利用を想定した場合における推定残存価値或いは推奨用途を判定することを特徴とするものである。
このような解析判定手段および解析判定結果出力手段を設けることにより、蓄電池の劣化状態、蓄電池の二次利用を想定した場合における推定残存価値或いは推奨用途その他の蓄電池特性の解析および判定の結果を、上記解析判定結果出力手段を通じて外部に出力させることが可能となる。
また、本願請求項６に記載の学習型蓄電池マネジメントシステムは、（６）請求項５に記載の学習型蓄電池マネジメントシステムであって、
前記解析判定手段は、前記固定情報によって識別された蓄電池の前記充放電特性グループを抽出して当該蓄電池の充放電制御ルールを規定する前記学習型データベースを用いて、前記蓄電池の二次利用を想定した場合における推定残存価値或いは推奨用途を判定することを特徴とするものである。
前記解析判定手段は、前記固定情報によって識別された蓄電池の前記充放電特性グループを抽出して当該蓄電池の充放電制御ルールを規定する前記学習型データベースを用いて、前記蓄電池の二次利用を想定した場合における推定残存価値或いは推奨用途を判定することを特徴とするものである。
また、本願請求項７に記載の学習型蓄電池マネジメントシステムは、（７）電力供給サイドと電力需要サイドとの需給バランスを調整する地域エネルギーマネジメントシステムと連携を図って、蓄電池に対する充放電を管理する請求項１記載の学習型蓄電池マネジメントシステムであって、
前記充放電計画の策定時に、前記充放電制御ルールを用いるほか、さらに、地域エネルギーマネジメントシステムからの需給調整情報と蓄電池の充電率の一方或いは双方を用いて充放電計画を策定し、それにより電力需給バランスに資するようにしたことを特徴とするものである。
前記充放電計画の策定時に、前記充放電制御ルールを用いるほか、さらに、地域エネルギーマネジメントシステムからの需給調整情報と蓄電池の充電率の一方或いは双方を用いて充放電計画を策定し、それにより電力需給バランスに資するようにしたことを特徴とするものである。
これにより、前記充放電計画の策定時に前記充放電制御ルールを用いるほか、さらに、地域エネルギーマネジメントシステムからの需給調整情報と蓄電池の充電率のいずれか或いは双方を用いて充放電計画を策定することができ、それにより電気エネルギー需給バランスの最適化をも図ることが可能となる。
また、本願請求項８に記載の学習型蓄電池マネジメントシステムは、（８）請求項７に記載の学習型蓄電池マネジメントシステムであって、
前記蓄電池の供用開始時点、或いは交換時点において、当該蓄電池の準変動情報および前記固定情報と、ユーザーである需要家の契約情報とが関連付けられることを特徴とするものである。
前記蓄電池の供用開始時点、或いは交換時点において、当該蓄電池の準変動情報および前記固定情報と、ユーザーである需要家の契約情報とが関連付けられることを特徴とするものである。
また、本願請求項９に記載の学習型蓄電池マネジメントシステムは、（９）請求項１〜８のいずれかに記載の学習型蓄電池マネジメントシステムであって、
前記蓄電池が組電池により構成され、その構成に一部若しくは全部、変更が発生した場合には、当該蓄電池毎に一々策定されていた前記充放電計画が再度策定されるよう構成されていることを特徴とするものである。
前記蓄電池が組電池により構成され、その構成に一部若しくは全部、変更が発生した場合には、当該蓄電池毎に一々策定されていた前記充放電計画が再度策定されるよう構成されていることを特徴とするものである。
また、本願請求項１０に記載の学習型蓄電池マネジメントシステムは、（１０）請求項１〜９のいずれかに記載の学習型蓄電池マネジメントシステムであって、
前記固定情報として前記蓄電池の個体識別番号を含み、
前記変動情報として環境変数と、特徴変数とを含み、
前記学習型データベースでは、
前記環境変数ノードの子として前記蓄電池の個体識別番号ノードと、
前記蓄電池の個体識別番号ノードの子として前記蓄電池の特徴変数ノードと、
を持つベイジアンネットワークにより表現される蓄電池個体識別ルールによって前記蓄電池の個体識別が行われることを特徴とするものである。
前記固定情報として前記蓄電池の個体識別番号を含み、
前記変動情報として環境変数と、特徴変数とを含み、
前記学習型データベースでは、
前記環境変数ノードの子として前記蓄電池の個体識別番号ノードと、
前記蓄電池の個体識別番号ノードの子として前記蓄電池の特徴変数ノードと、
を持つベイジアンネットワークにより表現される蓄電池個体識別ルールによって前記蓄電池の個体識別が行われることを特徴とするものである。
また、本願請求項１１に記載の学習型蓄電池マネジメントシステムは、（１１）請求項１〜１０のいずれかに記載の学習型蓄電池マネジメントシステムであって、
前記固定情報が、蓄電原理により区分される前記蓄電池の種別、製造番号からなる前記蓄電池の個体識別番号、製造日、供用開始時点における重量および充電量の一部または全部を含むことを特徴とするものである。
前記固定情報が、蓄電原理により区分される前記蓄電池の種別、製造番号からなる前記蓄電池の個体識別番号、製造日、供用開始時点における重量および充電量の一部または全部を含むことを特徴とするものである。
また、本願請求項１２に記載の学習型蓄電池マネジメントシステムは、（１２）請求項１〜１１のいずれかに記載の学習型蓄電池マネジメントシステムであって、
前記変動情報が、環境変数、特徴変数、現時点における充電量および充電可能容量の一部または全部を含むことを特徴とするものである。
前記変動情報が、環境変数、特徴変数、現時点における充電量および充電可能容量の一部または全部を含むことを特徴とするものである。
また、本願請求項１３に記載の学習型蓄電池マネジメントシステムは、（１３）請求項１２に記載の学習型蓄電池マネジメントシステムであって、
前記環境変数が当該蓄電池の温度履歴、湿度履歴、振動履歴および走行履歴の一部または全部を含むことを特徴とするものである。
前記環境変数が当該蓄電池の温度履歴、湿度履歴、振動履歴および走行履歴の一部または全部を含むことを特徴とするものである。
また、本願請求項１４に記載の学習型蓄電池マネジメントシステムは、（１４）請求項１２または１３に記載の学習型蓄電池マネジメントシステムであって、
前記特徴変数が当該蓄電池の供用年数、充放電回数、放電負荷、充電状況履歴、放電状況履歴、現時点における充放電ルールおよび重量の一部または全部を含むことを特徴とするものである。
前記特徴変数が当該蓄電池の供用年数、充放電回数、放電負荷、充電状況履歴、放電状況履歴、現時点における充放電ルールおよび重量の一部または全部を含むことを特徴とするものである。
また、本願請求項１５に記載の学習型蓄電池マネジメントシステムは、（１５）請求項８に記載の学習型蓄電池マネジメントシステムであって、
前記準変動情報が、
電気自動車を含む車載用蓄電池、家庭用蓄電池、ビル用蓄電池、集合住宅用蓄電池および地域エネルギーマネジメントシステム用蓄電池その他の当該蓄電池の使用用途、並びに、
世帯構成に起因する前記蓄電池の利用状況、
の少なくとも１つを含むことを特徴とするものである。
前記準変動情報が、
電気自動車を含む車載用蓄電池、家庭用蓄電池、ビル用蓄電池、集合住宅用蓄電池および地域エネルギーマネジメントシステム用蓄電池その他の当該蓄電池の使用用途、並びに、
世帯構成に起因する前記蓄電池の利用状況、
の少なくとも１つを含むことを特徴とするものである。
本発明によれば、固定情報によって識別された蓄電池の充放電特性グループを学習型データベースを用いて抽出し、これに基づき充放電計画を策定することにより、蓄電池の劣化状態に応じて蓄電池の充放電を行うことが可能な学習型蓄電池マネジメントシステムを提供することができる。
また本発明によれば、さらに、上記抽出された当該蓄電池の充放電特性グループより当該蓄電池夫々の特性を解析および判定することにより、蓄電池の残存価値を判断し、劣化した蓄電池の最適な二次利用先を推奨することが可能な学習型蓄電池マネジメントシステムを提供することができる。
また本発明によれば、さらに、上記抽出された当該蓄電池の充放電特性グループより当該蓄電池夫々の特性を解析および判定することにより、蓄電池の残存価値を判断し、劣化した蓄電池の最適な二次利用先を推奨することが可能な学習型蓄電池マネジメントシステムを提供することができる。
以下、本発明の学習型蓄電池マネジメントシステムの詳細に付き、実施例に基づき説明する。
［構成］
はじめに、図１〜７に基づき、本発明の実施例１につき説明する。
なお、以下の説明のベースとなる各図１〜７上においては、蓄電池マネジメントシステム４００と充電器３００とは夫々独立して記載されているところ、本明細書における以下の説明では、本願発明に係る学習型蓄電池マネジメントシステムは、各図１〜７上の蓄電池マネジメントシステム４００と充電器３００とを含んだ形で規定されるものとする。次に説明する実施例２の場合も同様である。
本実施例において、充電器３００は「充放電装置」、通信部４１５或いは４１５’は「受信手段」或いは「送信手段」、記憶部４０９は「記憶手段」、処理部４０８は「処理手段」に相当する。次に説明する実施例２の場合も同様である。
はじめに、図１〜７に基づき、本発明の実施例１につき説明する。
なお、以下の説明のベースとなる各図１〜７上においては、蓄電池マネジメントシステム４００と充電器３００とは夫々独立して記載されているところ、本明細書における以下の説明では、本願発明に係る学習型蓄電池マネジメントシステムは、各図１〜７上の蓄電池マネジメントシステム４００と充電器３００とを含んだ形で規定されるものとする。次に説明する実施例２の場合も同様である。
本実施例において、充電器３００は「充放電装置」、通信部４１５或いは４１５’は「受信手段」或いは「送信手段」、記憶部４０９は「記憶手段」、処理部４０８は「処理手段」に相当する。次に説明する実施例２の場合も同様である。
また本実施例に関し、適用対象が電気自動車、プラグインハイブリッド車その他の車両の場合、それらの充電についてはｉ）車外より、車載型充電器を介して蓄電池を充電するケースと、ｉｉ）市中に立設された車外の急速充電ステーションより直接、蓄電池を充電するケースがあるところ、このとき、本発明の学習型蓄電池マネジメントシステムは、上記ｉ）車載型充電器、ｉｉ）急速充電ステーションの双方に搭載されているものとする。
なおその場合、図１においては、ｉ）車載型充電器の場合、蓄電池マネジメントシステム４００と車載型充電器３００ｄを含む本願発明に係る学習型蓄電池マネジメントシステムが車体３５０と同居した状態にある。他方、ｉｉ）急速充電ステーションの場合、蓄電池マネジメントシステム４００と急速充電器３００ｄを含む本願発明に係る学習型蓄電池マネジメントシステムが、急速充電ステーションとして車体３５０の外部において同居した状態にある。
なおその場合、図１においては、ｉ）車載型充電器の場合、蓄電池マネジメントシステム４００と車載型充電器３００ｄを含む本願発明に係る学習型蓄電池マネジメントシステムが車体３５０と同居した状態にある。他方、ｉｉ）急速充電ステーションの場合、蓄電池マネジメントシステム４００と急速充電器３００ｄを含む本願発明に係る学習型蓄電池マネジメントシステムが、急速充電ステーションとして車体３５０の外部において同居した状態にある。
図１〜７に記載された本実施例の学習型蓄電池マネジメントシステムの概略をまず説明すると、本実施例では、蓄電池２００が接続された充電器３００と蓄電池マネジメントシステム４００が通信し、学習データベースを含む蓄電池マネジメントシステム４００の記憶部４０９および処理部４０８より当該蓄電池２００の充放電計画を策定し、固定情報によって識別された当該蓄電池２００が接続された充電器３００へ充放電制御信号を送信する構成を採っている。次に説明する実施例２の場合も同様である。
図１は、本実施例に係るシステム全体を示す図である。本願発明に係る学習型蓄電池マネジメントシステムは、図の中央下段に記載された蓄電池マネジメントシステム４００と図の右側に記載された充電器３００ａ〜ｄの少なくともいずれかを含んだ形で規定される。なお、図の右側に記載された蓄電池２００ａ〜ｄはそれぞれ、大規模ビル／工場／大学等、中小規模ビル群、ハウス群および電気自動車その他ＥＶ群の蓄電池である。
蓄電池マネジメントシステム４００と蓄電池２００ａ〜ｄおよび充電器３００ａ〜ｄとの間では、蓄電池２００ａ〜ｄの固定情報および変動情報が充電器３００ａ〜ｄより蓄電池マネジメントシステム４００へ送信される一方、蓄電池マネジメントシステム４００の学習データベースより策定された当該蓄電池２００（ａ〜ｄ）の充放電計画に基づく充放電指示が蓄電池マネジメントシステム４００より充電器３００（ａ〜ｄ）へ送信される。 蓄電池マネジメントシステム４００の通信部４１５（４１５’）は、充電器３００ａ〜ｄとの間で情報や指令の送受信を行うほか、地域エネルギーマネジメントシステム５００からの情報を受信する。詳細は、次の図２に基づき説明する。
蓄電池マネジメントシステム４００と蓄電池２００ａ〜ｄおよび充電器３００ａ〜ｄとの間では、蓄電池２００ａ〜ｄの固定情報および変動情報が充電器３００ａ〜ｄより蓄電池マネジメントシステム４００へ送信される一方、蓄電池マネジメントシステム４００の学習データベースより策定された当該蓄電池２００（ａ〜ｄ）の充放電計画に基づく充放電指示が蓄電池マネジメントシステム４００より充電器３００（ａ〜ｄ）へ送信される。 蓄電池マネジメントシステム４００の通信部４１５（４１５’）は、充電器３００ａ〜ｄとの間で情報や指令の送受信を行うほか、地域エネルギーマネジメントシステム５００からの情報を受信する。詳細は、次の図２に基づき説明する。
また、本実施例では、図１中央に示す通り、地域エネルギーマネジメントシステム５００からも、蓄電池マネジメントシステム４００に情報の送信が行われる構成となっている。これにより、本実施例では、地域エネルギーマネジメントシステムと蓄電池情報から充放電計画が策定される。この点についても、詳細は次の図２に基づいて説明する。
なお、図１中央に示す地域エネルギーマネジメントシステム５００は、図の右側に記載された大規模ビル/工場/大学等、中小規模ビル群、ハウス群および電気自動車その他ＥＶ群のほか、系統発電網５５１、太陽光発電システム５５２、風力発電システム５５３および蓄電池５５４を含む電気エネルギー供給源５５０とも密接に連関して管理運用されている。
地域エネルギーマネジメントシステム５００と蓄電池２００ａ〜ｄおよび充電器３００ａ〜ｄとの間では、大規模ビル/工場/大学等、中小規模ビル群、ハウス群および電気自動車その他ＥＶ群の需要実績に関する情報が、大規模ビル/工場/大学等、中小規模ビル群、ハウス群および電気自動車その他ＥＶ群より地域エネルギーマネジメントシステム５００へ送信される一方、地域エネルギーマネジメントシステム５００からは需要制御に関する指令が充電器３００（ａ〜ｄ）へ送信される。
このとき、蓄電池の供用開始時点、或いは交換時点において、当該蓄電池の準変動情報および固定情報と、ユーザーである需要家の契約情報とが関連付けられている。これは、各ユーザーと電力会社或いは地域エネルギーマネジメントシステム管理会社との契約レベルの把握、各ユーザーにおける蓄電池の需要傾向の把握その他の要請による。準変動情報の詳細については後述する。
また、地域エネルギーマネジメントシステム５００と電気エネルギー供給源５５０との間でも、電気エネルギー供給源５５１〜５５４それぞれの発電実績に関する情報が電気エネルギー供給源５５１〜５５４それぞれより地域エネルギーマネジメントシステム５００へ送信される一方、地域エネルギーマネジメントシステム５００からは発電制御に関する指令が電気エネルギー供給源５５１〜５５４それぞれへ送信される。
地域エネルギーマネジメントシステム５００と蓄電池２００ａ〜ｄおよび充電器３００ａ〜ｄとの間では、大規模ビル/工場/大学等、中小規模ビル群、ハウス群および電気自動車その他ＥＶ群の需要実績に関する情報が、大規模ビル/工場/大学等、中小規模ビル群、ハウス群および電気自動車その他ＥＶ群より地域エネルギーマネジメントシステム５００へ送信される一方、地域エネルギーマネジメントシステム５００からは需要制御に関する指令が充電器３００（ａ〜ｄ）へ送信される。
このとき、蓄電池の供用開始時点、或いは交換時点において、当該蓄電池の準変動情報および固定情報と、ユーザーである需要家の契約情報とが関連付けられている。これは、各ユーザーと電力会社或いは地域エネルギーマネジメントシステム管理会社との契約レベルの把握、各ユーザーにおける蓄電池の需要傾向の把握その他の要請による。準変動情報の詳細については後述する。
また、地域エネルギーマネジメントシステム５００と電気エネルギー供給源５５０との間でも、電気エネルギー供給源５５１〜５５４それぞれの発電実績に関する情報が電気エネルギー供給源５５１〜５５４それぞれより地域エネルギーマネジメントシステム５００へ送信される一方、地域エネルギーマネジメントシステム５００からは発電制御に関する指令が電気エネルギー供給源５５１〜５５４それぞれへ送信される。
地域エネルギーマネジメントシステム５００自体は、顧客管理部５０１およびＥＶ管理部５０２のほか、大規模ビル/工場/大学等、中小規模ビル群、ハウス群および電気自動車その他ＥＶ群、或いは電気エネルギー供給源５５１〜５５４それぞれより取得したデータの取込部５０４と、取り込んだデータから需給予測を行う需給予測部５０５と、得られた予測に基づき大規模ビル/工場/大学等、中小規模ビル群、ハウス群および電気自動車その他ＥＶ群、或いは電気エネルギー供給源５５１〜５５４それぞれに需給調整指令を作成する需給調整部５０６と、作成された需給調整指令に基づき大規模ビル/工場/大学等、中小規模ビル群、ハウス群および電気自動車その他ＥＶ群をデマンド制御してリアルタイム制御するデマンド制御部５０７およびリアルタイム制御部５０８と、並びに上記データの取込部５０４、需給予測部５０５および需給調整部５０６を統括管理して地域エネルギーマネジメントシステム５００と大規模ビル/工場/大学等、中小規模ビル群、ハウス群および電気自動車その他ＥＶ群それぞれとのコミュニケーションを管理するコミュニケーション管理部５０３と、からなっている。
図２は、図１に示す本実施例に係るシステム全体の中の、地域エネルギーマネジメントシステム連繋ブロック部分１を示す図である。
図１および図２左側に示されたシステム構成図からも理解される通り、本願発明に係る学習型蓄電池マネジメントシステムでは、蓄電池マネジメントシステム４００は、充電器３００ａ〜ｄより、それらに接続された蓄電池２００ａ〜ｄ夫々の固定情報および変動情報を通信部４１５で受信し、受信した固定情報および変動情報を記憶部４０９および処理部４０８からなる学習データベースで処理して当該蓄電池２００（ａ〜ｄ）の充放電計画を策定し、そして、固定情報によって識別された当該蓄電池２００（ａ〜ｄ）が接続された充電器３００（ａ〜ｄ）へ充放電制御信号を送信している。なお、図２左側に示されたシステム構成図に示すとおり、各蓄電池２００ａ〜ｄは蓄電部２０１と制御部２０６とを有し、各充電器３００ａ〜ｄは通信部３１５を有している。
ここで、学習データベースを含む蓄電池マネジメントシステム４００の記憶部４０９および処理部４０８では、
ｉ）固定情報と変動情報とを蓄積して複数の充放電特性グループに分類する処理、
ｉｉ）当該複数の充放電特性グループから、固定情報によって識別された当該蓄電池２００（ａ〜ｄ）の充放電特性グループを抽出する処理、
ｉｉｉ）当該抽出された充放電特性グループより当該蓄電池２００（ａ〜ｄ）の充放電制御ルールを規定する処理、および、
ｉｖ）得られた充放電制御ルールを用いて当該蓄電池２００（ａ〜ｄ）の充放電計画を策定する処理、
を含む具体的処理が行われる。
図１および図２左側に示されたシステム構成図からも理解される通り、本願発明に係る学習型蓄電池マネジメントシステムでは、蓄電池マネジメントシステム４００は、充電器３００ａ〜ｄより、それらに接続された蓄電池２００ａ〜ｄ夫々の固定情報および変動情報を通信部４１５で受信し、受信した固定情報および変動情報を記憶部４０９および処理部４０８からなる学習データベースで処理して当該蓄電池２００（ａ〜ｄ）の充放電計画を策定し、そして、固定情報によって識別された当該蓄電池２００（ａ〜ｄ）が接続された充電器３００（ａ〜ｄ）へ充放電制御信号を送信している。なお、図２左側に示されたシステム構成図に示すとおり、各蓄電池２００ａ〜ｄは蓄電部２０１と制御部２０６とを有し、各充電器３００ａ〜ｄは通信部３１５を有している。
ここで、学習データベースを含む蓄電池マネジメントシステム４００の記憶部４０９および処理部４０８では、
ｉ）固定情報と変動情報とを蓄積して複数の充放電特性グループに分類する処理、
ｉｉ）当該複数の充放電特性グループから、固定情報によって識別された当該蓄電池２００（ａ〜ｄ）の充放電特性グループを抽出する処理、
ｉｉｉ）当該抽出された充放電特性グループより当該蓄電池２００（ａ〜ｄ）の充放電制御ルールを規定する処理、および、
ｉｖ）得られた充放電制御ルールを用いて当該蓄電池２００（ａ〜ｄ）の充放電計画を策定する処理、
を含む具体的処理が行われる。
また本実施例では、図２左側に示されたシステム構成図に記載されている通り、上記充放電計画の策定時に、学習データベースより得られた上記充放電ルールを用いるほか、さらに、地域エネルギーマネジメントシステム５００からの需給調整情報を用いて充放電計画を策定するよう構成されている。このように、本実施例では、蓄電池の劣化抑制を図る充放電制御パターンで当該蓄電池２００（ａ〜ｄ）の充放電ルールを規定するほか、電力需給バランスをも図るよう構成されている。上記需給調整情報は、地域エネルギーマネジメントシステム５００の需要或いは需給予測部５０５から、通信部５１５、４１５’を通じて蓄電池マネジメントシステム４００の処理部４０８に入力される。
図２右側に示す、地域エネルギーマネジメントシステムと蓄電池情報から充放電計画を策定するフローにつき順次説明すると、まず、ステップ１０１−１０４において、蓄電池マネジメントシステム４００は、充電器３００（ａ〜ｄ）から蓄電池２００（ａ〜ｄ）の固定情報および変動情報、そして地域エネルギーマネジメントシステムから需給調整情報を通信部４１５で受信する。これらは、記憶部４０９で記憶される（ＳＴ１０１−１０４）。
次に、ステップ１０５において、処理部４０８は、これらの一部または全部を学習データベースを用いて処理し、
ｉ）固定情報と変動情報とを蓄積して複数の充放電特性グループに分類する処理、および
ｉｉ）当該複数の充放電特性グループから、固定情報によって識別された当該蓄電池２００（ａ〜ｄ）の充放電特性グループを抽出する処理、
を行う（ＳＴ１０５）。
ｉ）固定情報と変動情報とを蓄積して複数の充放電特性グループに分類する処理、および
ｉｉ）当該複数の充放電特性グループから、固定情報によって識別された当該蓄電池２００（ａ〜ｄ）の充放電特性グループを抽出する処理、
を行う（ＳＴ１０５）。
ステップ１０６および１０７において、処理部４０８では引き続き、
ｉｉｉ）当該抽出された充放電特性グループより当該蓄電池２００（ａ〜ｄ）の充放電制御ルールを規定する処理、および、
ｉｖ）得られた充放電制御ルールを用いて当該蓄電池２００（ａ〜ｄ）の充放電計画を策定する処理、
が行われる（ＳＴ１０６，１０７）。
本実施例において、上記各処理は、学習データベースを擁する記憶部４０９および処理部４０８において上記固定情報および変動情報をベイジアンネットワークにより解析することにより行われる。その詳細は、実施例２において説明する。
ｉｉｉ）当該抽出された充放電特性グループより当該蓄電池２００（ａ〜ｄ）の充放電制御ルールを規定する処理、および、
ｉｖ）得られた充放電制御ルールを用いて当該蓄電池２００（ａ〜ｄ）の充放電計画を策定する処理、
が行われる（ＳＴ１０６，１０７）。
本実施例において、上記各処理は、学習データベースを擁する記憶部４０９および処理部４０８において上記固定情報および変動情報をベイジアンネットワークにより解析することにより行われる。その詳細は、実施例２において説明する。
なお本実施例では、蓄電池２００（ａ〜ｄ）が実施例２に例示する様な組電池により構成されているケースをも想定し、次のステップ１０８において、当該蓄電池２００（ａ〜ｄ）の構成に変更があるか否かの確認が行われる（ＳＴ１０８）。そして、当該蓄電池２００（ａ〜ｄ）の構成に一部若しくは全部、変更が発生していた場合には、先のステップに戻り、当該蓄電池２００（ａ〜ｄ）毎に一々策定されていた充放電計画は再度策定される。
以上の各処理を経て、当該蓄電池２００（ａ〜ｄ）の充放電計画を策定する処理は終了する。
以上の各処理を経て、当該蓄電池２００（ａ〜ｄ）の充放電計画を策定する処理は終了する。
図３は、以上の処理を経て策定された充放電計画のイメージを表したものである。
図３の右半分を見ても明らかな通り、
ｉ）複数の充放電特性グループＧｎから、固定情報によって識別された当該蓄電池２００（ａ〜ｄ）の充放電特性グループＧｘが抽出され、
ｉｉ）当該抽出された充放電特性グループより当該蓄電池２００（ａ〜ｄ）の充放電制御ルールＲｘが規定されており、および、
ｉｉｉ）得られた充放電制御ルールを用いて、充放電パターンおよび充放電時間を含む当該蓄電池２００（ａ〜ｄ）の充放電計画が策定されている、
ことが読み取れる。
すなわち、処理部４０８は、互いに異なる複数の充放電制御ルールから学習結果に基づいて抽出された蓄電池の充放電特性グループＧｘに対応した充放電制御ルールＲｘを１つ選択することによって、当該蓄電池の充放電制御ルールを規定することになる。
図３の右半分を見ても明らかな通り、
ｉ）複数の充放電特性グループＧｎから、固定情報によって識別された当該蓄電池２００（ａ〜ｄ）の充放電特性グループＧｘが抽出され、
ｉｉ）当該抽出された充放電特性グループより当該蓄電池２００（ａ〜ｄ）の充放電制御ルールＲｘが規定されており、および、
ｉｉｉ）得られた充放電制御ルールを用いて、充放電パターンおよび充放電時間を含む当該蓄電池２００（ａ〜ｄ）の充放電計画が策定されている、
ことが読み取れる。
すなわち、処理部４０８は、互いに異なる複数の充放電制御ルールから学習結果に基づいて抽出された蓄電池の充放電特性グループＧｘに対応した充放電制御ルールＲｘを１つ選択することによって、当該蓄電池の充放電制御ルールを規定することになる。
本実施例では、上記充放電計画の策定に際し、図３の左半分に例示される地域エネルギーマネジメントシステム５００からの需給調整情報が考慮されるよう構成されている。このように、本実施例は、図３の下側に示す通り、蓄電池の劣化抑制を図る充放電制御パターンで当該蓄電池２００（ａ〜ｄ）の充放電ルールを規定するほか、電力需給バランスをも図るよう構成されている。
また図４は、図１に示す本実施例に係るシステム全体の中の、充放電制御ルールの判定／活用シーンの予測解析ブロック部分２を示す図である。
上記および図４左側に示されたシステム構成図からも理解される通り、本願発明に係る学習型蓄電池マネジメントシステムでは、蓄電池マネジメントシステム４００は、充電器３００（ａ〜ｄ）の通信部３１５より、それらに接続された蓄電池２００ａ〜ｄ夫々の固定情報および変動情報を受信部４１５で受信し、受信した固定情報および変動情報を記憶部４０９および処理部４０８からなる学習データベースで処理して当該蓄電池２００（ａ〜ｄ）の充放電計画を策定し、そして、固定情報によって識別された当該蓄電池２００（ａ〜ｄ）が接続された充電器３００（ａ〜ｄ）へ充放電制御信号を送信している。なお、各蓄電池２００ａ〜ｄは蓄電部２０１と制御部２０６とを有している。
ここで、学習データベースを含む蓄電池マネジメントシステム４００の記憶部４０９および処理部４０８では、
ｉ）固定情報と変動情報とを蓄積して複数の充放電特性グループに分類する処理、
ｉｉ）当該複数の充放電特性グループから、固定情報によって識別された当該蓄電池２００（ａ〜ｄ）の充放電特性グループを抽出する処理、
ｉｉｉ）当該抽出された充放電特性グループより当該蓄電池２００（ａ〜ｄ）の充放電制御ルールを規定する処理、および、
ｉｖ）得られた充放電制御ルールを用いて当該蓄電池２００（ａ〜ｄ）の充放電計画を策定する処理、
を含む具体的処理が行われる。
上記および図４左側に示されたシステム構成図からも理解される通り、本願発明に係る学習型蓄電池マネジメントシステムでは、蓄電池マネジメントシステム４００は、充電器３００（ａ〜ｄ）の通信部３１５より、それらに接続された蓄電池２００ａ〜ｄ夫々の固定情報および変動情報を受信部４１５で受信し、受信した固定情報および変動情報を記憶部４０９および処理部４０８からなる学習データベースで処理して当該蓄電池２００（ａ〜ｄ）の充放電計画を策定し、そして、固定情報によって識別された当該蓄電池２００（ａ〜ｄ）が接続された充電器３００（ａ〜ｄ）へ充放電制御信号を送信している。なお、各蓄電池２００ａ〜ｄは蓄電部２０１と制御部２０６とを有している。
ここで、学習データベースを含む蓄電池マネジメントシステム４００の記憶部４０９および処理部４０８では、
ｉ）固定情報と変動情報とを蓄積して複数の充放電特性グループに分類する処理、
ｉｉ）当該複数の充放電特性グループから、固定情報によって識別された当該蓄電池２００（ａ〜ｄ）の充放電特性グループを抽出する処理、
ｉｉｉ）当該抽出された充放電特性グループより当該蓄電池２００（ａ〜ｄ）の充放電制御ルールを規定する処理、および、
ｉｖ）得られた充放電制御ルールを用いて当該蓄電池２００（ａ〜ｄ）の充放電計画を策定する処理、
を含む具体的処理が行われる。
さらに、本実施例では、処理部４０８は、抽出された当該蓄電池２００（ａ〜ｄ）の充放電特性グループより当該蓄電池２００（ａ〜ｄ）夫々の特性を解析および判定する蓄電池特性の解析判定手段、並びに当該判定結果を外部に出力する解析判定結果出力手段、を有しており、上記解析判定手段は、当該蓄電池２００（ａ〜ｄ）の二次利用を想定した場合における推定残存価値或いは推奨用途を判定する様構成されている。
また、上記解析判定手段は、当該蓄電池２００（ａ〜ｄ）の充放電特性グループを抽出して当該蓄電池２００（ａ〜ｄ）の充放電制御ルールを規定する学習型データベースを用いて、当該蓄電池２００（ａ〜ｄ）の二次利用を想定した場合における推定残存価値或いは推奨用途を判定する様構成されている。
また、上記解析判定手段は、当該蓄電池２００（ａ〜ｄ）の充放電特性グループを抽出して当該蓄電池２００（ａ〜ｄ）の充放電制御ルールを規定する学習型データベースを用いて、当該蓄電池２００（ａ〜ｄ）の二次利用を想定した場合における推定残存価値或いは推奨用途を判定する様構成されている。
図４右側に示す、充放電制御ルールの判定／活用シーンの予測解析ブロック部分２に係るフローすなわち、蓄電池情報から充放電制御ルールを規定し、充放電計画を策定すると共に、活用シーンの予測解析を行うフローにつき順次説明すると、まず、ステップ２０１において、充電器３００（ａ〜ｄ）は蓄電池２００（ａ〜ｄ）の変動情報を測定する（ＳＴ２０１）。
ステップ２０２において、測定された変動情報および蓄電池２００（ａ〜ｄ）の固定情報は、充電器３００（ａ〜ｄ）の通信部３１５から蓄電池マネジメントシステム４００へと送信される（ＳＴ２０２）。
ステップ２０３において、蓄電池マネジメントシステム４００は、充電器３００（ａ〜ｄ）から蓄電池２００（ａ〜ｄ）の固定情報および変動情報を通信部４１５で受信する。これらは、記憶部４０９で記憶される（ＳＴ２０３）。
なお、このフローにおいては、地域エネルギーマネジメントシステム５００からの需給調整情報については記載を省略する。
ステップ２０３において、蓄電池マネジメントシステム４００は、充電器３００（ａ〜ｄ）から蓄電池２００（ａ〜ｄ）の固定情報および変動情報を通信部４１５で受信する。これらは、記憶部４０９で記憶される（ＳＴ２０３）。
なお、このフローにおいては、地域エネルギーマネジメントシステム５００からの需給調整情報については記載を省略する。
次に、ステップ２０４および２０５において、処理部４０８は、これらの一部または全部に対し、学習データベースを用いて処理し、固定情報と変動情報とを蓄積して複数の充放電特性グループに分類する処理を行う（ＳＴ２０４，２０５）。
本実施例において、上記処理は、学習データベースを擁する記憶部４０９および処理部４０８において上記固定情報および変動情報をベイジアンネットワークにより解析することにより行われる（上記の通り、その詳細は、実施例２において説明する）。
本実施例において、上記処理は、学習データベースを擁する記憶部４０９および処理部４０８において上記固定情報および変動情報をベイジアンネットワークにより解析することにより行われる（上記の通り、その詳細は、実施例２において説明する）。
その後、ステップ２０６および２０７では、
ｉ）当該複数の充放電特性グループから、固定情報によって識別された当該蓄電池２００（ａ〜ｄ）の充放電特性グループを抽出する処理、
ｉｉ）当該抽出された充放電特性グループより当該蓄電池２００（ａ〜ｄ）の充放電制御ルールを規定する処理、および、
ｉｉｉ）分類された当該蓄電池２００（ａ〜ｄ）の個体識別番号に基づき、当該蓄電池２００（ａ〜ｄ）の劣化状態、二次利用を想定した場合における推定残存価値或いは推奨用途その他の当該蓄電池２００（ａ〜ｄ）の特性を解析し、判定する処理を行う（ＳＴ２０６，２０７）。
なお、このフローにおいては、当該蓄電池２００（ａ〜ｄ）の構成に変更があるか否かの確認ステップについては割愛する。
ｉ）当該複数の充放電特性グループから、固定情報によって識別された当該蓄電池２００（ａ〜ｄ）の充放電特性グループを抽出する処理、
ｉｉ）当該抽出された充放電特性グループより当該蓄電池２００（ａ〜ｄ）の充放電制御ルールを規定する処理、および、
ｉｉｉ）分類された当該蓄電池２００（ａ〜ｄ）の個体識別番号に基づき、当該蓄電池２００（ａ〜ｄ）の劣化状態、二次利用を想定した場合における推定残存価値或いは推奨用途その他の当該蓄電池２００（ａ〜ｄ）の特性を解析し、判定する処理を行う（ＳＴ２０６，２０７）。
なお、このフローにおいては、当該蓄電池２００（ａ〜ｄ）の構成に変更があるか否かの確認ステップについては割愛する。
判定の結果、現状の利用環境下での利用が可能なものは別にしてリユースが推奨できる場合には、当該蓄電池２００（ａ〜ｄ）の劣化状態、および二次利用を想定した場合における推定残存価値の評価を行うほか、必要に応じて最適用途の提案を行い、処理は終了する。このとき、劣化が激しい場合にはリサイクル或いは廃棄を推奨する場合もあり得る。
図５は、上で順次説明した図４左側に示す充放電制御ルールの判定／活用シーンの予測解析ブロック部分２並びに、図４右側に示す、蓄電池情報から充放電制御ルールを規定し、充放電計画を策定すると共に、活用シーンの予測解析を行うフローのイメージを表したものである。
図５右側上半分では、記憶部４０９に記憶される固定情報、変動情報その他の情報の具体例が示されている。ここで、準変動情報とは、電気自動車を含む車載用蓄電池、家庭用蓄電池、ビル用蓄電池、集合住宅用蓄電池および地域エネルギーマネジメントシステム用蓄電池その他の当該蓄電池の使用用途、並びに、世帯構成に起因する蓄電池の利用状況、の少なくとも１つを含むものであり、頻繁に内容が変わるものではないが、変わる可能性を含むものを指している。
図５右側上半分では、記憶部４０９に記憶される固定情報、変動情報その他の情報の具体例が示されている。ここで、準変動情報とは、電気自動車を含む車載用蓄電池、家庭用蓄電池、ビル用蓄電池、集合住宅用蓄電池および地域エネルギーマネジメントシステム用蓄電池その他の当該蓄電池の使用用途、並びに、世帯構成に起因する蓄電池の利用状況、の少なくとも１つを含むものであり、頻繁に内容が変わるものではないが、変わる可能性を含むものを指している。
図５右側下半分では、処理部４０８における
ｉ）固定情報と変動情報とを蓄積して複数の充放電特性グループＧｎに分類する処理、および、
ｉｉ）当該複数の充放電特性グループから、固定情報によって識別された当該蓄電池２００（ａ〜ｄ）の充放電特性グループＧｘを抽出する処理、
のイメージ、並びに、処理部４０８の解析判定手段による判定の結果、現状の利用環境下での利用が可能なものは別にしてリユースが推奨できる場合には、当該蓄電池２００（ａ〜ｄ）の劣化状態、および二次利用を想定した場合における推定残存価値の評価が行われるイメージ、および必要に応じて最適用途の提案が行われるイメージを表している。なお図面では、劣化が激しい場合にはリサイクル或いは廃棄を推奨する場合もあり得ることも示されている。
ｉ）固定情報と変動情報とを蓄積して複数の充放電特性グループＧｎに分類する処理、および、
ｉｉ）当該複数の充放電特性グループから、固定情報によって識別された当該蓄電池２００（ａ〜ｄ）の充放電特性グループＧｘを抽出する処理、
のイメージ、並びに、処理部４０８の解析判定手段による判定の結果、現状の利用環境下での利用が可能なものは別にしてリユースが推奨できる場合には、当該蓄電池２００（ａ〜ｄ）の劣化状態、および二次利用を想定した場合における推定残存価値の評価が行われるイメージ、および必要に応じて最適用途の提案が行われるイメージを表している。なお図面では、劣化が激しい場合にはリサイクル或いは廃棄を推奨する場合もあり得ることも示されている。
図６は、図１に示す本実施例に係るシステム全体の中の、蓄電池制御管理ブロック部分３を示す図である。図６左側に示されたシステム構成図は、図４左側に示されたシステム構成図とは信号の流れが反対向きになっているだけで概要は同一である。
図６の信号の流れからも理解される通り、蓄電池２００ａ〜ｄの固定情報および変動情報が受信および記憶された蓄電池マネジメントシステム４００の学習データベースより策定された、固定情報によって識別された当該蓄電池２００（ａ〜ｄ）の充放電計画に基づく充放電の指示は、蓄電池マネジメントシステム４００から、該当する充電器３００（ａ〜ｄ）へ充放電制御信号を送信することにより行われる。充放電の指示を受けた充電器３００（ａ〜ｄ）は、当該充放電制御信号に基づき、当該蓄電池２００（ａ〜ｄ）の充放電を実施する。
図６の信号の流れからも理解される通り、蓄電池２００ａ〜ｄの固定情報および変動情報が受信および記憶された蓄電池マネジメントシステム４００の学習データベースより策定された、固定情報によって識別された当該蓄電池２００（ａ〜ｄ）の充放電計画に基づく充放電の指示は、蓄電池マネジメントシステム４００から、該当する充電器３００（ａ〜ｄ）へ充放電制御信号を送信することにより行われる。充放電の指示を受けた充電器３００（ａ〜ｄ）は、当該充放電制御信号に基づき、当該蓄電池２００（ａ〜ｄ）の充放電を実施する。
図６左側に示す蓄電池制御管理ブロック部分３のフローにつき順次説明すると、まず、ステップ３０１では、蓄電池マネジメントシステム４００の通信部４１５は、該当する充電器３００（ａ〜ｄ）へ充放電制御信号を送信する（ＳＴ３０１）。
ステップ３０２では、充電器３００（ａ〜ｄ）の通信部３１５は、蓄電池マネジメントシステム４００より送信されてきた充放電制御信号を受信する（ＳＴ３０２）。
そして、ステップ３０３および３０４において、充電器３００（ａ〜ｄ）は、受信した充放電制御信号に基づき、該当する蓄電池２００（ａ〜ｄ）の充放電を実施する（ＳＴ３０３，３０４）。
ステップ３０２では、充電器３００（ａ〜ｄ）の通信部３１５は、蓄電池マネジメントシステム４００より送信されてきた充放電制御信号を受信する（ＳＴ３０２）。
そして、ステップ３０３および３０４において、充電器３００（ａ〜ｄ）は、受信した充放電制御信号に基づき、該当する蓄電池２００（ａ〜ｄ）の充放電を実施する（ＳＴ３０３，３０４）。
図７は、図６左側にブロック構成図、図６右側にフローを順次説明した蓄電池制御管理ブロック部分３において行われる充放電制御のイメージを表したものである。
図７に示す例では、蓄電池マネジメントシステム４００の学習データベースより策定された当該蓄電池２００（ａ〜ｄ）の充放電計画Ｐｘは、充放電制御信号のほか、個体識別番号および送信先を含む当該蓄電池２００（ａ〜ｄ）の固定情報を含んでいる。これにより、蓄電池マネジメントシステム４００から、固定情報によって識別された当該蓄電池２００（ａ〜ｄ）の充放電計画に基づく充放電の指示が、該当する充電器３００（ａ〜ｄ）へ充放電制御信号を送信することにより行われる。充放電の指示を受けた充電器３００（ａ〜ｄ）は、当該充放電制御信号に基づき、当該蓄電池２００（ａ〜ｄ）の充放電を実施する。
図７に示す例では、蓄電池マネジメントシステム４００の学習データベースより策定された当該蓄電池２００（ａ〜ｄ）の充放電計画Ｐｘは、充放電制御信号のほか、個体識別番号および送信先を含む当該蓄電池２００（ａ〜ｄ）の固定情報を含んでいる。これにより、蓄電池マネジメントシステム４００から、固定情報によって識別された当該蓄電池２００（ａ〜ｄ）の充放電計画に基づく充放電の指示が、該当する充電器３００（ａ〜ｄ）へ充放電制御信号を送信することにより行われる。充放電の指示を受けた充電器３００（ａ〜ｄ）は、当該充放電制御信号に基づき、当該蓄電池２００（ａ〜ｄ）の充放電を実施する。
［構成］
次に、図８〜１３を用いて、本発明の実施例２につき説明する。本実施例は、上でその一例を説明した本発明の学習型蓄電池マネジメントシステムにつき、より具体的な適用を図った例にも相当する。
はじめに、図８に基づき、本実施例の学習型蓄電池マネジメントシステムの概略を説明すると、本実施例の学習型蓄電池マネジメントシステムは、一例としてリチウムイオン電池１０２〜１０５が直列接続され組電池本体１０１とされたＢＭＵ(Battery Management Unit)１０６を含むＲＦＩＤ付組電池本体１００、図８に示されない（実施例１に係る図１〜７参照。以下同様）充電器３００および蓄電池マネジメントシステム４００からなっている。ＲＦＩＤ付組電池本体１００は、電気自動車やプラグインハイブリッド自動車の車両電源として用いられ、これらの車両に搭載されるものである。図８に示すように、組電池本体１０１は、内部で複数セルが直列接続されてモジュール体とされたリチウムイオン電池１０２〜１０５が再び直列接続されて構成されてなるものである。組電池本体１０１の基本構成自体は、特許文献２の図１および図２同様である。
ここで、ＲＦＩＤ付組電池本体１００は実施例１の蓄電池２００、組電池本体１０１は実施例１の蓄電部２０１、およびＢＭＵ１０６は実施例１の制御部２０６に、それぞれ相当する。
また本実施例では、充電器３００は充電機能、並びにＲＦＩＤ付組電池本体１００の固定情報および変動情報の通信機能のほか、さらに放電機能および記憶機能をも有している。放電機能は、後記の通り蓄電池の劣化状況を診断する過程で用いられる（図１０参照）。
次に、図８〜１３を用いて、本発明の実施例２につき説明する。本実施例は、上でその一例を説明した本発明の学習型蓄電池マネジメントシステムにつき、より具体的な適用を図った例にも相当する。
はじめに、図８に基づき、本実施例の学習型蓄電池マネジメントシステムの概略を説明すると、本実施例の学習型蓄電池マネジメントシステムは、一例としてリチウムイオン電池１０２〜１０５が直列接続され組電池本体１０１とされたＢＭＵ(Battery Management Unit)１０６を含むＲＦＩＤ付組電池本体１００、図８に示されない（実施例１に係る図１〜７参照。以下同様）充電器３００および蓄電池マネジメントシステム４００からなっている。ＲＦＩＤ付組電池本体１００は、電気自動車やプラグインハイブリッド自動車の車両電源として用いられ、これらの車両に搭載されるものである。図８に示すように、組電池本体１０１は、内部で複数セルが直列接続されてモジュール体とされたリチウムイオン電池１０２〜１０５が再び直列接続されて構成されてなるものである。組電池本体１０１の基本構成自体は、特許文献２の図１および図２同様である。
ここで、ＲＦＩＤ付組電池本体１００は実施例１の蓄電池２００、組電池本体１０１は実施例１の蓄電部２０１、およびＢＭＵ１０６は実施例１の制御部２０６に、それぞれ相当する。
また本実施例では、充電器３００は充電機能、並びにＲＦＩＤ付組電池本体１００の固定情報および変動情報の通信機能のほか、さらに放電機能および記憶機能をも有している。放電機能は、後記の通り蓄電池の劣化状況を診断する過程で用いられる（図１０参照）。
本実施例の学習型蓄電池マネジメントシステムにおいて、蓄電池マネジメントシステム４００には少なくとも１つのＲＦＩＤ付組電池本体１００と充電器３００とが組み合わされることとなるが、複数のＲＦＩＤ付組電池本体１００と充電器３００とが組み合わされて接続されるケースが想定される。
その場合、ＲＦＩＤ付組電池本体１００が接続された充電器３００と蓄電池マネジメントシステム４００との間で行われる、
ｉ）充電器３００を介して行うＲＦＩＤ付組電池本体１００からの固定情報および変動情報の受信、或いは、
ｉｉ）固定情報によって識別された当該ＲＦＩＤ付組電池本体１００が接続された充電器３００へ、学習型データベースを用いて蓄電池マネジメントシステム４００で策定された充放電制御信号の送信、
は、実施例１同様、ＲＦＩＤシステム、インターネット、携帯電話通信回線網、ローカルエリアネットワーク(LAN)またはワイドエリアネットワーク(WAN)を含む有線または無線回線網その他の通信手段を通じてなされている。
その場合、ＲＦＩＤ付組電池本体１００が接続された充電器３００と蓄電池マネジメントシステム４００との間で行われる、
ｉ）充電器３００を介して行うＲＦＩＤ付組電池本体１００からの固定情報および変動情報の受信、或いは、
ｉｉ）固定情報によって識別された当該ＲＦＩＤ付組電池本体１００が接続された充電器３００へ、学習型データベースを用いて蓄電池マネジメントシステム４００で策定された充放電制御信号の送信、
は、実施例１同様、ＲＦＩＤシステム、インターネット、携帯電話通信回線網、ローカルエリアネットワーク(LAN)またはワイドエリアネットワーク(WAN)を含む有線または無線回線網その他の通信手段を通じてなされている。
なお、本実施例では、蓄電池マネジメントシステム４００における学習型データベースを用いた固定情報および変動情報の処理、具体的に言えば、
ｉ）固定情報と変動情報とを蓄積して複数の充放電特性グループに分類する処理、
ｉｉ）当該複数の充放電特性グループから、固定情報によって識別された当該ＲＦＩＤ付組電池本体１００の充放電特性グループを抽出する処理、
ｉｉｉ）当該抽出された充放電特性グループより当該ＲＦＩＤ付組電池本体１００の充放電制御ルールを規定する処理、および、
ｉｖ）得られた充放電制御ルールを用いて当該蓄電池の充放電計画を策定する処理、
を含む処理が、充電器３００との通信部４１５と物理的に隔離された記憶部４０９および処理部４０８で行われるケースも想定している。
このように、本実施例における蓄電池マネジメントシステム４００は、一箇所に通信部４１５、記憶部４０９および処理部４０８が纏めて設けられたもののほか、通信部４１５、記憶部４０９、処理部４０８がそれぞれ物理的に隔離された体をなしているものをも包含するものとする。
以下では、学習型データベースを用いた固定情報および変動情報の処理が、充電器３００との通信部４１５と物理的に隔離された記憶部４０９および処理部４０８で行われる例につき説明する。
ｉ）固定情報と変動情報とを蓄積して複数の充放電特性グループに分類する処理、
ｉｉ）当該複数の充放電特性グループから、固定情報によって識別された当該ＲＦＩＤ付組電池本体１００の充放電特性グループを抽出する処理、
ｉｉｉ）当該抽出された充放電特性グループより当該ＲＦＩＤ付組電池本体１００の充放電制御ルールを規定する処理、および、
ｉｖ）得られた充放電制御ルールを用いて当該蓄電池の充放電計画を策定する処理、
を含む処理が、充電器３００との通信部４１５と物理的に隔離された記憶部４０９および処理部４０８で行われるケースも想定している。
このように、本実施例における蓄電池マネジメントシステム４００は、一箇所に通信部４１５、記憶部４０９および処理部４０８が纏めて設けられたもののほか、通信部４１５、記憶部４０９、処理部４０８がそれぞれ物理的に隔離された体をなしているものをも包含するものとする。
以下では、学習型データベースを用いた固定情報および変動情報の処理が、充電器３００との通信部４１５と物理的に隔離された記憶部４０９および処理部４０８で行われる例につき説明する。
ＢＭＵ１０６は保持電池１０７、ＣＰＵ１０８およびメモリ１０９からなるほか、復調器１１０、変調器１１１およびアンテナ１１２との組み合わせを有しており、信号の送受信機能が備えられている。
このように、ＢＭＵ１０６を含むＲＦＩＤ付組電池本体１００と充電器３００との間は、接続プラグを用いて電力ケーブルにより電力接続される以外に、ＲＦＩＤを利用して信号接続されている。
なお上記の通り、充電器３００と蓄電池マネジメントシステム４００との間は、ＲＦＩＤシステム、インターネット、携帯電話通信回線網、ローカルエリアネットワーク(LAN)またはワイドエリアネットワーク(WAN)を含む有線または無線回線網その他の通信手段を通じて信号接続されている。
なお上記の通り、充電器３００と蓄電池マネジメントシステム４００との間は、ＲＦＩＤシステム、インターネット、携帯電話通信回線網、ローカルエリアネットワーク(LAN)またはワイドエリアネットワーク(WAN)を含む有線または無線回線網その他の通信手段を通じて信号接続されている。
いま、ＲＦＩＤ付組電池本体１００が電気自動車、プラグインハイブリッド車その他の車両に搭載されているものと想定した場合、ＢＭＵ１０６は通常、アンテナ１１２および車載アンテナ１１３、或いは車体に張設されたＣＡＮ網を介して車載されたＶＣＵ(Vehicle Control Unit)１１４と適宜交信し、温度履歴をはじめとする組電池本体１０１の環境変数や、充電状況履歴、放電状況履歴をはじめとする組電池本体１０１の特徴変数を監視測定し、蓄電状態の管理や異常状態の監視を行っている。さらにＢＭＵ１０６は、監視測定している組電池本体１０１の環境変数や特徴変数の値に基づいて、ＳＯＣ(State of Charge；充電量)の推定や異常判定を行っている。
又本実施例では、ＢＭＵ１０６は、充電器３００、そして充電器３００を介して蓄電池マネジメントシステム４００に、蓄電池の固定情報および変動情報、具体的にはＲＦＩＤ付組電池本体１００の固定情報と組電池本体１０１の変動情報とを送信している。
したがって、本実施例２に係る学習型蓄電池マネジメントシステムは、ＲＦＩＤ付組電池本体１００が接続された充電器３００と蓄電池マネジメントシステム４００が通信し、学習データベースを含む蓄電池マネジメントシステム４００の記憶部４０９および処理部４０８より当該ＲＦＩＤ付組電池本体１００の充放電計画を策定し、固定情報によって識別された当該ＲＦＩＤ付組電池本体１００が接続された充電器３００へ充放電制御信号を送信する構成を採っている。
充電器３００は、受信した充放電制御信号に基づきＲＦＩＤ付組電池本体１００の充放電制御を行う。より具体的には、充電器３００は当該充放電制御信号に基づき、ＲＦＩＤ付組電池本体１００のＢＭＵ１０６を介して組電池本体１０１を充放電制御している。
なお上記同様、固定情報には、蓄電原理により区分されるＲＦＩＤ付組電池本体１００の種別、製造番号からなるＲＦＩＤ付組電池本体１００の個体識別番号、製造日、供用開始時点における重量および充電量の一部または全部が含まれる。また、個体識別番号から二次的に蓄電池容量、蓄電池の構造、蓄電池の構成材料等を知ることができる。変動情報には、環境変数、特徴変数、現時点における充電量および充電可能容量の一部または全部が含まれる。
環境変数には、組電池本体１０１の温度履歴、湿度履歴、振動履歴および走行履歴の一部または全部が含まれる。また特徴変数には、組電池本体１０１の供用年数、充放電回数、放電負荷、充電状況履歴、放電状況履歴、現時点における充放電ルールおよび重量の一部または全部が含まれる。
次に、本実施例において、図８に示した学習型蓄電池マネジメントシステムを適用する対象としたリチウムイオン電池１０２〜１０５、或いはこれらが直列接続されてなる組電池本体１０１の特性につき説明する。
図９（ａ）は放電特性の一例、図９（ｂ）は充電特性の例である。
図９（ａ）は放電特性の一例、図９（ｂ）は充電特性の例である。
図９（ａ）の放電特性について、供用初期のリチウムイオン電池（Ｎ）は、はじめに放電電圧が一旦低下するものの、放電電圧が安定した領域が継続する。
一方、使い古したリチウムイオン電池（Ｄ）は、開始直後の電圧低下は小さいものの、放電電圧の低下は連続している。
一方、使い古したリチウムイオン電池（Ｄ）は、開始直後の電圧低下は小さいものの、放電電圧の低下は連続している。
また、図９（ｂ）の充電特性については、供用初期のリチウムイオン電池（Ｎ）は、はじめに充電電圧が一旦上昇した後、充電電圧が安定した領域が継続する。
一方、使い古したリチウムイオン電池（Ｄ）は、開始直後の電圧上昇は小さく、充電電圧の上昇の度合いは大きい。
以上の供用初期（Ｎ）と使い古した（Ｄ）リチウムイオン電池の差はメモリ効果と呼ばれるものである。
一方、使い古したリチウムイオン電池（Ｄ）は、開始直後の電圧上昇は小さく、充電電圧の上昇の度合いは大きい。
以上の供用初期（Ｎ）と使い古した（Ｄ）リチウムイオン電池の差はメモリ効果と呼ばれるものである。
本実施例によれば、このようなメモリ効果が生じにくいようにｉ）充電電圧の最適化、ｉｉ）再利用する際に充放電特性の揃った再利用リチウムイオン組電池を効率よく選び出すこと、が可能となる。
特に本実施例では、電気自動車やプラグインハイブリッド自動車の電源として用いられるＲＦＩＤ付組電池本体１００はＳＯＣ中間領域を基本に充放電が繰り返されることからメモリ効果が蓄積し易いため、このような組電池に対して本願発明を適用する意義は大きい。
なお、再利用リチウムイオン電池は、需要環境の多様性に応じて、その供用初期からの変化は多様性に富んだものとなる。
特に本実施例では、電気自動車やプラグインハイブリッド自動車の電源として用いられるＲＦＩＤ付組電池本体１００はＳＯＣ中間領域を基本に充放電が繰り返されることからメモリ効果が蓄積し易いため、このような組電池に対して本願発明を適用する意義は大きい。
なお、再利用リチウムイオン電池は、需要環境の多様性に応じて、その供用初期からの変化は多様性に富んだものとなる。
例えば、需要環境条件が厳しい電気自動車用として用いたリチウムイオン電池が、電気自動車用途としては用いることができなくなった場合であっても、より条件が緩やかな用途（Ｅｘ．太陽光発電によって昼間生じた電力を蓄電池に充電しておき、その蓄電電力を夜間有効に利用するといった用途）には十分用い得るケースが種々存在する。
このように、需要環境の多様性に応じた蓄電池の選別を行うことによって、今後、飛躍的に消費量が増加するリチウムイオン電池の再利用を効率よく行うこと可能となる。
このように、需要環境の多様性に応じた蓄電池の選別を行うことによって、今後、飛躍的に消費量が増加するリチウムイオン電池の再利用を効率よく行うこと可能となる。
［動作］
以下、図８に示した本実施例の学習型蓄電池マネジメントシステムの動作につき、図１０〜１３を参照しながら説明する。
以下、図８に示した本実施例の学習型蓄電池マネジメントシステムの動作につき、図１０〜１３を参照しながら説明する。
図１０は、本実施例の学習型蓄電池マネジメントシステムの動作につき説明するフロー図であって、主に、蓄電池マネジメントシステム４００において学習型データベースを用いた蓄電池の固定情報と変動情報の記憶および処理が行われる前にＢＭＵ１０６と充電器３００との間で行われる処理の流れを示している。
まず、ステップ１において、ＲＦＩＤ付組電池本体１００と充電器３００が接続される（ＳＴ０１）。
ステップ２では、充電器３００は、ＢＭＵ１０６より送信された蓄電池の固定情報および変動情報、具体的にはＲＦＩＤ付組電池本体１００の固定情報と組電池本体１０１の変動情報を読み取る（ＳＴ０２）。ＢＭＵ１０６から充電器３００への蓄電池の固定情報および変動情報の送信は、ＲＦＩＤ付組電池本体１００に設けられたＲＦＩＤ機能を通じて、または、ＲＦＩＤ付組電池本体１００と蓄電池３００とをコネクターを介して直接ケーブル接続することによって行われる。
ステップ２では、充電器３００は、ＢＭＵ１０６より送信された蓄電池の固定情報および変動情報、具体的にはＲＦＩＤ付組電池本体１００の固定情報と組電池本体１０１の変動情報を読み取る（ＳＴ０２）。ＢＭＵ１０６から充電器３００への蓄電池の固定情報および変動情報の送信は、ＲＦＩＤ付組電池本体１００に設けられたＲＦＩＤ機能を通じて、または、ＲＦＩＤ付組電池本体１００と蓄電池３００とをコネクターを介して直接ケーブル接続することによって行われる。
ステップ３では、充電器３００はＲＦＩＤ付組電池本体１００の端子電圧を測定する（ＳＴ０３）。本実施例では、ステップ３で測定された端子電圧が所定の範囲内にあるかどうかが判断され、所定範囲外である時はステップ４を経てステップ５に進み、充電器３００は蓄電池の異常として処理を終了する（ＳＴ０５）。
一方、端子電圧が所定の範囲内にあるときは、充電器３００はステップ４に示す放電処理（ＳＴ０４）を所定の時間、所定の負荷を接続した状態にて行う（ＳＴ０６）。このとき、ステップ７に示すように放電特性が測定され（ＳＴ０７）、ステップ８で放電特性を含めた蓄電池の固定情報および変動情報が充電器３００から蓄電池マネジメントシステム４００に送信される（ＳＴ０８）。
一方、端子電圧が所定の範囲内にあるときは、充電器３００はステップ４に示す放電処理（ＳＴ０４）を所定の時間、所定の負荷を接続した状態にて行う（ＳＴ０６）。このとき、ステップ７に示すように放電特性が測定され（ＳＴ０７）、ステップ８で放電特性を含めた蓄電池の固定情報および変動情報が充電器３００から蓄電池マネジメントシステム４００に送信される（ＳＴ０８）。
ステップ９では、充電器３００により充電処理が行われる（ＳＴ０９）。この充電処理においては、固定情報によって識別された当該ＲＦＩＤ付組電池本体１００の劣化状態に応じ、蓄電池の劣化抑制を図る充電パターンで当該ＲＦＩＤ付組電池本体１００は充電される。
なお、当該充電パターンは、ステップ８で蓄電池マネジメントシステム４００に送信された当該蓄電池の固定情報と変動情報を基に、蓄電池マネジメントシステム４００で学習型データベースを用いた処理が行われることにより規定された当該ＲＦＩＤ付組電池本体１００の充（放）電制御ルールに基づくものである。
なお、当該充電パターンは、ステップ８で蓄電池マネジメントシステム４００に送信された当該蓄電池の固定情報と変動情報を基に、蓄電池マネジメントシステム４００で学習型データベースを用いた処理が行われることにより規定された当該ＲＦＩＤ付組電池本体１００の充（放）電制御ルールに基づくものである。
充電特性は、ステップ７に示すように充電器３００で測定される（ＳＴ１０）。
ステップ１１では、測定した充電特性を含め、必要に応じ蓄電池の固定情報および変動情報に関する諸情報が、充電器３００から蓄電池マネジメントシステム４００に送信される（ＳＴ１１）。
ステップ１１では、測定した充電特性を含め、必要に応じ蓄電池の固定情報および変動情報に関する諸情報が、充電器３００から蓄電池マネジメントシステム４００に送信される（ＳＴ１１）。
次に、図１１に基づき、蓄電池マネジメントシステム４００において、学習型データベースを用いた蓄電池の固定情報と変動情報の記憶および処理が行われる流れについて説明する。
尚上記した通り、ここでは学習型データベースを用いた固定情報および変動情報の処理が、充電器３００との通信部４１５と物理的に隔離された記憶部４０９および処理部４０８で行われる例につき説明する。この場合、通信部４１５と物理的に隔離された記憶部４０９および処理部４０８については、データセンター的な色彩が強いものとなる。したがって以下では、蓄電池マネジメントシステム４００の記憶部４０９および処理部４０８については、必要に応じデータセンターとして取り扱う場合がある。
尚上記した通り、ここでは学習型データベースを用いた固定情報および変動情報の処理が、充電器３００との通信部４１５と物理的に隔離された記憶部４０９および処理部４０８で行われる例につき説明する。この場合、通信部４１５と物理的に隔離された記憶部４０９および処理部４０８については、データセンター的な色彩が強いものとなる。したがって以下では、蓄電池マネジメントシステム４００の記憶部４０９および処理部４０８については、必要に応じデータセンターとして取り扱う場合がある。
まずはじめに、ステップ１２として、蓄電池マネジメントシステム４００では、充電器３００より送信され、通信部４１５で受信した蓄電池の固定情報および変動情報その他のデータを、記憶部４０９および処理部４０８を含むデータセンター（システム全体が小規模な場合はサーバーでよい）に転送する（ＳＴ１２）。
ここで、上記データセンターと通信部４１５との間は、充電器３００と蓄電池マネジメントシステム４００との間と同様、ＲＦＩＤシステム、インターネット、携帯電話通信回線網、ローカルエリアネットワーク(LAN)またはワイドエリアネットワーク(WAN)を含む有線または無線回線網その他の通信手段を通じて信号接続されている。
ここで、上記データセンターと通信部４１５との間は、充電器３００と蓄電池マネジメントシステム４００との間と同様、ＲＦＩＤシステム、インターネット、携帯電話通信回線網、ローカルエリアネットワーク(LAN)またはワイドエリアネットワーク(WAN)を含む有線または無線回線網その他の通信手段を通じて信号接続されている。
ステップ１３に移り、データの転送を受けたデータセンターでは、ＲＦＩＤ付組電池本体１００の個体識別番号を含む固定情報に対応した、特徴変数（Ｅｘ．充電状況履歴、放電状況履歴）および環境変数（Ｅｘ．環境温度履歴、振動など運行状況履歴）を含む変動情報がデータベース上に入力および配置される。
そしてステップ１４において、データセンターの学習型データベースでは、
ｉ）環境変数ノードの子としてＲＦＩＤ付組電池本体１００の個体識別番号ノードと、
ｉｉ）上記ＲＦＩＤ付組電池本体１００の個体識別番号ノードの子としてＲＦＩＤ付組電池本体１００の特徴変数ノードと、
を持つベイジアンネットワークにより表現される蓄電池個体識別ルールにより、ＲＦＩＤ付組電池本体１００の個体識別、すなわち固定情報による識別が行われる（ＳＴ１４）。
なお、ベイジアンネットワークの概要については下記の通りであるほか、非特許文献２その他に開示されている。
ｉ）環境変数ノードの子としてＲＦＩＤ付組電池本体１００の個体識別番号ノードと、
ｉｉ）上記ＲＦＩＤ付組電池本体１００の個体識別番号ノードの子としてＲＦＩＤ付組電池本体１００の特徴変数ノードと、
を持つベイジアンネットワークにより表現される蓄電池個体識別ルールにより、ＲＦＩＤ付組電池本体１００の個体識別、すなわち固定情報による識別が行われる（ＳＴ１４）。
なお、ベイジアンネットワークの概要については下記の通りであるほか、非特許文献２その他に開示されている。
ステップ１６では、ステップ１４でベイジアンネットワークによる解析を行った際に作成される蓄電池個体識別ルールを更新する。この更新を行うことによって、個体識別すなわち固定情報によって識別されたＲＦＩＤ付組電池本体１００の特徴変数ノードの数（特徴変数の分類数や分類の範囲）を更新することができる。
つまり、個体識別されたＲＦＩＤ付組電池本体１００の特徴変数に応じた分類数や分類の範囲については、ベイジアンネットワークによる解析数が増すほど、学習効果によって次第に最適化されて行くこととなる。
つまり、個体識別されたＲＦＩＤ付組電池本体１００の特徴変数に応じた分類数や分類の範囲については、ベイジアンネットワークによる解析数が増すほど、学習効果によって次第に最適化されて行くこととなる。
このように、蓄電池マネジメントシステム４００で学習型データベースを用いた処理が行われることで、処理部４０８より、個体識別すなわち固定情報によって識別されたＲＦＩＤ付組電池本体１００の劣化抑制を図る充放電制御パターンを有する充放電制御ルールが規定される。
本実施例では、この規定された充放電制御ルールに基づき、通信部４１５を介して、上記固定情報によって識別されたＲＦＩＤ付組電池本体１００に充放電を行う充電器３００へ充放電指示がなされる。
本実施例では、この規定された充放電制御ルールに基づき、通信部４１５を介して、上記固定情報によって識別されたＲＦＩＤ付組電池本体１００に充放電を行う充電器３００へ充放電指示がなされる。
さらに、本実施例では、処理手段１０８は、抽出された当該ＲＦＩＤ付組電池本体１００の充放電特性グループより当該ＲＦＩＤ付組電池本体１００夫々の特性を解析および判定する蓄電池特性の解析判定手段、並びに当該判定結果を外部に出力する解析判定結果出力手段、を有しており、上記解析判定手段は、ＲＦＩＤ付組電池本体１００の二次利用を想定した場合における推定残存価値或いは推奨用途を判定する様構成されている。
また、上記解析判定手段は、当該ＲＦＩＤ付組電池本体１００の充放電特性グループを抽出して当該ＲＦＩＤ付組電池本体１００の充放電制御ルールを規定する学習型データベースを用いて、当該ＲＦＩＤ付組電池本体１００の二次利用を想定した場合における推定残存価値或いは推奨用途を判定する様構成されている。
また、上記解析判定手段は、当該ＲＦＩＤ付組電池本体１００の充放電特性グループを抽出して当該ＲＦＩＤ付組電池本体１００の充放電制御ルールを規定する学習型データベースを用いて、当該ＲＦＩＤ付組電池本体１００の二次利用を想定した場合における推定残存価値或いは推奨用途を判定する様構成されている。
したがって、ステップ１５においてＲＦＩＤ付組電池本体１００の個体識別番号が分類されたデータベースの作成が行われた後（ＳＴ１５）は、ステップ１７において、分類されたＲＦＩＤ付組電池本体１００の個体識別番号に基づき、リユース判定が行われる（ＳＴ１７）。
リユース判定では、当該ＲＦＩＤ付組電池本体１００の劣化状態、二次利用を想定した場合における推定残存価値或いは推奨用途その他の当該ＲＦＩＤ付組電池本体１００の特性が解析され、判定される。
リユース判定では、当該ＲＦＩＤ付組電池本体１００の劣化状態、二次利用を想定した場合における推定残存価値或いは推奨用途その他の当該ＲＦＩＤ付組電池本体１００の特性が解析され、判定される。
判定の結果、現状の利用環境下での利用が可能なものは別にしてリユースが推奨できる場合にはステップ１８に進み、処理は終了する（ＳＴ１８）。劣化が激しい場合にはリサイクル或いは廃棄を推奨するステップ１９に進み、処理が終了する（ＳＴ１９）。
また、図１２に、本実施例の学習型データベースで用いたベイジアンネットワークを示す。Ｙ１、Ｙ２、Ｙ３・・・は環境変数ノードであり、例えば電気自動車の蓄電池を想定した場合には環境温度履歴、振動その他の運行状況履歴が含まれる。Ｚは個体識別番号ノードである。Ｘ１、Ｘ２・・・は特徴変数ノードであり、充電状況履歴、放電状況履歴等が含まれる。
本実施例では、図１１のステップ１４において記憶部４０９および処理部４０８からなる学習型データベースが充放電指示をすべき候補（固定情報によって識別されたＲＦＩＤ付組電池本体１００）を推定するのに使用する蓄電池個体識別ルールを、ベイジアンネットにより構成している。ベイジアンネットは、複数変数の同時確率分布の１つの表現形態であり、これを用いて既知の変数値から未知の変数値の確率分布を計算することができる。
上記の通り、図１２の例では、環境変数である環境温度履歴、振動その他の運行状況履歴それぞれに対応する変数ノードＹ１，Ｙ２，・・・，Ｙｍの子として個体識別番号ノードＺを持ち、個体識別番号ノードＺの子として、特徴変数である充電状況履歴、放電状況履歴等それぞれに対応する特徴変数ノードＸ１，Ｘ２，・・・，Ｘｎを持つ構造のベイジアンネットである。
このベイジアンネットにより、同時確率分布を表現するためには、確率Ｐ（Ｙ１），Ｐ（Ｙ２），・・・，Ｐ（Ｙｍ）と、条件付確率Ｐ（Ｚ｜Ｙ１，Ｙ２，・・・，Ｙｍ），Ｐ（Ｘ１｜Ｚ），Ｐ（Ｘ２｜Ｚ），・・・，Ｐ（Ｘｎ｜Ｚ）の値が必要である。
これらの確率は、出現頻度から推定することができる。学習型データベースが充放電指示をすべき候補を推定する際においては、その時点で得られた特徴変数と環境変数（Ｘ１，Ｘ２，・・・，Ｘｎ，Ｙ１，Ｙ２，・・・，Ｙｍ）＝（ｘ１，ｘ２，・・・，ｘｎ，ｙ１，ｙ２，・・・，ｙｍ）からＺの事後確率分布Ｐ（Ｚ｜ｘ１，ｘ２，・・・，ｘｎ，ｙ１，ｙ２，・・・，ｙｍ）を、次の（式１）により計算できる。
なお、任意に絞り込まれた候補に対する変数Ｚの値の集合をＳとすれば、Ｓの中で事後確率が最大になるＺの値ｚは、次の（式２）により求めることが可能となる。
記憶部４０９および処理部４０８からなる学習型データベースでは、このようにして求めたｚに対応する候補を、充放電指示をすべき候補であると認識する。
そして、蓄電池個体識別ルールを更新する図１１のステップ１６では、得られた特徴変数および環境変数を入力し、図１１のステップ１４の蓄電池個体識別ルールに適用した場合の出力が、フィードバックにより得られた蓄電池個体識別結果に近くなるように、蓄電池個体識別ルールを更新する。
その際、ステップ１６における更新の方法は、どのような蓄電池個体識別ルールを使うかによって異なる。例えば、図１２の場合は、確率Ｐ（Ｙ１），Ｐ（Ｙ２，・・・，Ｐ（Ｙｍ）と、条件付確率Ｐ（Ｚ｜Ｙ１，Ｙ２，・・・，Ｙｍ），Ｐ（Ｘ１｜Ｚ），Ｐ（Ｘ２｜Ｚ），・・・，Ｐ（Ｘｎ｜Ｚ）の推定値を更新することになる。推定値の更新は、フィードバックによって得られた推論結果データを、今までのデータに追加して推定することにより行うことができる。
ここで、確率Ｐ（Ｙ１），Ｐ（Ｙ２），・・・，Ｐ（Ｙｍ）は、（式１）および（式２）に使用されていないが、この値は、Ｙ１、Ｙ２・・・，Ｙｍのいずれかの値が分からない場合に必要である。例えば、Ｙ１の値が不明な場合には、（式１）および（式２）の代わりに（式３）および（式４）を用いて計算を行う。
次に、ベイジアンネットにより構成した蓄電池個体識別ルールを用いた、充放電指示をすべき候補を推定する具体例を示す。
例えば、本実施例の学習型データベースを含む蓄電池マネジメントシステム４００にこれまで接続され、その固定情報および変動情報が送信された１〜２０の個体識別番号を夫々有するＲＦＩＤ付組電池本体１００の環境変数および特徴変数が表１のようであったとする。また、放電時最小電圧３．０［Ｖ］と３．１［Ｖ］でグルーピングしたものを表２および表３上段に示す。ここで、表１〜３に特徴変数として例示した放電特性は、図１１の処理において蓄電池の推定残存価値を求める上で有用なるデータである。
なお、以下の表１〜３に示す各数値はベイジアンネットを説明する目的のために用いた一例であり、実際電気自動車やプラグインハイブリッド自動車の電源として用いられるＲＦＩＤ付組電池本体１００の端子電圧そのものを必ずしも例示するものではないことを予め断っておく。
ここで、以下の例においては、簡単化のため、特徴変数として、放電時最小電圧および充電履歴最大電流のみを使用し、環境変数として温度履歴最小値、温度履歴平均値、温度履歴最大値のみを使用するものとする。また、同じく簡単化のため、現時点で蓄電池マネジメントシステム４００が、通信部４１５および充電器３００を介して充放電指示をすべき候補（固定情報によって識別されたＲＦＩＤ付組電池本体１００）は、表３上段に示すものの中から任意に選び出したサンプルＡおよびＢ（個体識別番号１３および２０）に絞り込まれているものとする（表３下段）。
この場合、放電時最小電圧および充電履歴最大電流に関しては、サンプルＡおよびＢの特徴は類似しており、放電時最小電圧および充電履歴最大電流からサンプルＡまたはＢの絞込みを行うことは困難である。
しかし、環境変数である温度履歴最小値、温度履歴平均値、温度履歴最大値から、現時点で蓄電池マネジメントシステム４００が充放電指示をすべき候補は、サンプルＡである可能性が高いと推定できる。
しかし、環境変数である温度履歴最小値、温度履歴平均値、温度履歴最大値から、現時点で蓄電池マネジメントシステム４００が充放電指示をすべき候補は、サンプルＡである可能性が高いと推定できる。
この推測は、実際には表１〜３のデータを含むこれまでの接続履歴から学習した識別ルールにより自動的に行われる。具体的には、表１〜３のデータを含むこれまでの接続履歴から各種の条件付き確率をラプラス変換で求めれば、図１３のようなベイジアンネットが作られ、このベイジアンネットを用いて表３下段の条件に合致する部分の確率を見ると、サンプルＡ（３／５、４／５）、サンプルＢ（２／５、１／５）となり、したがって、サンプルはＡである確率が高いと推定することができる。
なお、ここでは、環境変数として温度履歴最小値、温度履歴平均値、温度履歴最大値のみを使用した具体例を示したが、勿論、本発明はこれに限定されない。
［変形例］
以上の通り、本発明の学習型蓄電池マネジメントシステムに付いて各実施例に基づいて説明してきたが、本発明は上記各実施例記載の構成に限定されず、種々変形実施することが可能である。
以上の通り、本発明の学習型蓄電池マネジメントシステムに付いて各実施例に基づいて説明してきたが、本発明は上記各実施例記載の構成に限定されず、種々変形実施することが可能である。
上記各実施例において、まず実施例１に係る学習型蓄電池マネジメントシステムでは、蓄電池２００が接続された充電器３００と蓄電池マネジメントシステム４００が通信し、学習データベースを含む蓄電池マネジメントシステム４００の記憶部４０９および処理部４０８より当該蓄電池の充放電計画を策定し、固定情報によって識別された当該蓄電池２００が接続された充電器３００へ充放電制御信号を送信する構成を採っていた。
他方、実施例２に係る学習型蓄電池マネジメントシステムでは、ＲＦＩＤ付組電池本体１００が接続された充電器３００と蓄電池マネジメントシステム４００（いずれも図８に示されない）が通信し、学習データベースを含む蓄電池マネジメントシステム４００の記憶部４０９および処理部４０８より当該ＲＦＩＤ付組電池本体１００の充放電計画を策定し、固定情報によって識別された当該ＲＦＩＤ付組電池本体１００が接続された充電器３００へ充放電制御信号を送信する構成を採っていた。
しかしながら、本発明は上記各例の構成に限定されず、同旨の作用効果を発揮し得る範囲で種々の変形実施が可能である。
他方、実施例２に係る学習型蓄電池マネジメントシステムでは、ＲＦＩＤ付組電池本体１００が接続された充電器３００と蓄電池マネジメントシステム４００（いずれも図８に示されない）が通信し、学習データベースを含む蓄電池マネジメントシステム４００の記憶部４０９および処理部４０８より当該ＲＦＩＤ付組電池本体１００の充放電計画を策定し、固定情報によって識別された当該ＲＦＩＤ付組電池本体１００が接続された充電器３００へ充放電制御信号を送信する構成を採っていた。
しかしながら、本発明は上記各例の構成に限定されず、同旨の作用効果を発揮し得る範囲で種々の変形実施が可能である。
各実施例では学習型データベースの一構成例としてベイジアンネットワークを用いた例を挙げたが、これに限られず、例えば特表２０１０−５１９６９１号に示されるように任意の二つ以上のパラメータを人工ニューラルネットワークに入力し、人工ニューラルネットワークによる演算を通じて固定情報によって識別された蓄電池の充放電特性グループを抽出し、これに基づき当該蓄電池の充放電計画を策定する構成、さらに、上記抽出された当該蓄電池の充放電特性グループより当該蓄電池夫々の特性を解析および判定し、当該蓄電池の劣化状態、当該蓄電池の二次利用を想定した場合における推定残存価値或いは推奨用途その他の蓄電池特性の解析および判定を行う構成としても構わない。
また各実施例では環境変数の一つとして温度履歴を挙げ、温度履歴については温度履歴最大値、温度履歴最小値、温度履歴平均値および温度履歴分散値のそれぞれを学習型データベースに入力するパラメータとして例示したが、これに限られず、例えば特開２００２−２７１９２９号の図３および図５に示されるように時間を横軸、温度を縦軸としたグラフを波形として捉え、これをフーリエ変換して基本波成分とそれに続く高調波成分に分離し、その高調波成分の多寡を学習型データベースに入力するパラメータの一つとしても構わない。
なお、固定情報によって識別された当該蓄電池の充放電特性グループを複数の充放電特性グループから抽出し、当該抽出された蓄電池の充放電特性グループより当該蓄電池の充放電制御ルールを規定する点に関し、複数の充放電制御ルールから選択される２以上の充放電制御ルールを組み合わせて新たな充放電制御ルールを構築して、これを抽出された蓄電池の充放電特性グループに対応する充放電制御ルールの選択肢の１つに加えることとしても構わない。
以上の通り、本発明は劣化抑制を図る充放電制御パターンで蓄電池の充放電を行い、また、蓄電池夫々の特性を解析判定し、当該蓄電池の劣化状態その他の蓄電池特性の解析判定を行い得る学習型蓄電池マネジメントシステムを提供する新規かつ有用なるものであることが明らかである。
Ｇｎ 複数の充放電特性グループ
Ｇｘ 固定情報によって識別された蓄電池の充放電特性グループ
Ｐｘ 充放電計画
Ｒｘ 充放電制御ルール
１ 地域エネルギーマネジメントシステム連繋ブロック部分
２、２’ 充放電制御ルールの判定／活用シーンの予測解析ブロック部分
３、３’ 蓄電池制御管理ブロック部分
１０ 地域エネルギーマネジメントシステムと連動させた蓄電池マネジメントシステム
１００ ＲＦＩＤ付組電池本体
１０１ 組電池本体
１０２〜１０５ リチウムイオン電池
１０６ ＢＭＵ
１０７ 保持電池
１０８ ＣＰＵ
１０９ メモリ
１１０ 復調器
１１１ 変調器
１１２ アンテナ
１１３ 車載アンテナ
１１４ ＶＣＵ
２００、２００ａ〜２００ｄ 蓄電池
２０１ 蓄電部
２０６ 制御部
３００、３００ａ〜３００ｄ 充電器
３１５ 通信部
３５０ 車体
４００ 蓄電池マネジメントシステム
４０８、４０８’ 処理部
４０９ 記憶部
４１５、４１５’ 通信部
５００ 地域エネルギーマネジメントシステム
５５０ 電気エネルギー供給源
Ｇｘ 固定情報によって識別された蓄電池の充放電特性グループ
Ｐｘ 充放電計画
Ｒｘ 充放電制御ルール
１ 地域エネルギーマネジメントシステム連繋ブロック部分
２、２’ 充放電制御ルールの判定／活用シーンの予測解析ブロック部分
３、３’ 蓄電池制御管理ブロック部分
１０ 地域エネルギーマネジメントシステムと連動させた蓄電池マネジメントシステム
１００ ＲＦＩＤ付組電池本体
１０１ 組電池本体
１０２〜１０５ リチウムイオン電池
１０６ ＢＭＵ
１０７ 保持電池
１０８ ＣＰＵ
１０９ メモリ
１１０ 復調器
１１１ 変調器
１１２ アンテナ
１１３ 車載アンテナ
１１４ ＶＣＵ
２００、２００ａ〜２００ｄ 蓄電池
２０１ 蓄電部
２０６ 制御部
３００、３００ａ〜３００ｄ 充電器
３１５ 通信部
３５０ 車体
４００ 蓄電池マネジメントシステム
４０８、４０８’ 処理部
４０９ 記憶部
４１５、４１５’ 通信部
５００ 地域エネルギーマネジメントシステム
５５０ 電気エネルギー供給源
Claims (15)
- 学習型蓄電池マネジメントシステムであって、
蓄電池に対して充放電を行う充放電装置と、
前記蓄電池の固定情報と変動情報とを受信する受信手段と、
学習型データベースに前記蓄電池の固定情報と変動情報とを蓄積することによって、複数の充放電特性グループに分類し、
前記固定情報によって識別された当該蓄電池の充放電特性グループを前記複数の充放電特性グループから抽出し、
当該抽出された蓄電池の充放電特性グループより当該蓄電池の充放電制御ルールを規定し、
得られた前記充放電制御ルールを用いて当該蓄電池の充放電計画を策定する処理手段と、
前記固定情報によって識別された蓄電池に充放電を行う充放電装置へ、前記処理手段によって策定された充放電計画に基づく充放電を指示する充放電制御信号の送信を行う送信手段と、
を含んでなることを特徴とする学習型蓄電池マネジメントシステム。 - 前記充放電制御ルールが、前記蓄電池の劣化抑制を図る充放電制御パターンを有し、
前記処理手段は、前記学習型データベースを用いて抽出された、前記固定情報によって識別された当該蓄電池の充放電特性グループより規定された前記充放電制御ルールに従って充放電計画を策定することを特徴とする請求項１に記載の学習型蓄電池マネジメントシステム。 - 学習型蓄電池マネジメントシステムであって、
蓄電池に対して充放電を行う充放電装置と、
前記蓄電池の固定情報と変動情報とを受信する受信手段と、
学習型データベースに前記蓄電池の固定情報と変動情報とを蓄積することによって、複数の充放電特性グループに分類し、
前記固定情報によって識別された蓄電池の充放電特性グループを前記複数の充放電特性グループから抽出し、
当該抽出された蓄電池の充放電特性グループより当該蓄電池の充放電制御ルールを規定し、
少なくとも規定された前記充放電制御ルールを用いて当該蓄電池の充放電計画を策定する処理手段と、
前記固定情報および前記変動情報、並びにこれら情報を蓄積、分類することによって得られる前記蓄電池の複数の充放電特性グループと、前記充放電特性グループより規定される前記蓄電池の充放電制御ルールと、前記充放電制御ルールを用いて策定される前記蓄電池の充放電計画とを記憶する記憶手段と、
前記固定情報によって識別された蓄電池に対して充放電を行う充放電装置に、前記処理手段によって策定された充放電計画に基づく充放電を指示する充放電制御信号を送信する送信手段と
を備え、
前記処理手段は、前記蓄電池の劣化抑制を図る充放電制御パターンで当該蓄電池の充放電ルールを規定することを特徴とする学習型蓄電池マネジメントシステム。 - 前記処理手段は、互いに異なる複数の充放電制御ルールから学習結果に基づいて前記抽出された蓄電池の充放電特性グループに対応した充放電制御ルールを１つ選択することによって、当該蓄電池の充放電制御ルールを規定することを特徴とする請求項１〜３のいずれかに記載の学習型蓄電池マネジメントシステム。
- 前記処理手段は、
前記抽出された蓄電池の前記充放電特性グループより当該蓄電池夫々の特性を解析および判定する蓄電池特性の解析判定手段、並びに
当該判定結果を外部に出力する解析判定結果出力手段、
を有しており、
前記解析判定手段は、前記蓄電池の二次利用を想定した場合における推定残存価値或いは推奨用途を判定することを特徴とする請求項１〜４のいずれかに記載の学習型蓄電池マネジメントシステム。 - 前記解析判定手段は、前記固定情報によって識別された蓄電池の前記充放電特性グループを抽出して当該蓄電池の充放電制御ルールを規定する前記学習型データベースを用いて、前記蓄電池の二次利用を想定した場合における推定残存価値或いは推奨用途を判定することを特徴とする請求項５に記載の学習型蓄電池マネジメントシステム。
- 電力供給サイドと電力需要サイドとの需給バランスを調整する地域エネルギーマネジメントシステムと連携を図って、蓄電池に対する充放電を管理する請求項１記載の学習型蓄電池マネジメントシステムであって、
前記充放電計画の策定時に、前記充放電制御ルールを用いるほか、さらに、地域エネルギーマネジメントシステムからの需給調整情報と蓄電池の充電率の一方或いは双方を用いて充放電計画を策定することを特徴とする学習型蓄電池マネジメントシステム。 - 前記蓄電池の供用開始時点、或いは交換時点において、当該蓄電池の準変動情報および前記固定情報と、ユーザーである需要家の契約情報とが関連付けられることを特徴とする請求項７に記載の学習型蓄電池マネジメントシステム。
- 前記蓄電池が組電池により構成され、その構成に一部若しくは全部、変更が発生した場合には、当該蓄電池毎に一々策定されていた前記充放電計画が再度策定されるよう構成されていることを特徴とする請求項１〜８のいずれかに記載の学習型蓄電池マネジメントシステム。
- 前記固定情報として前記蓄電池の個体識別番号を含み、
前記変動情報として環境変数と、特徴変数とを含み、
前記学習型データベースでは、
前記環境変数ノードの子として前記蓄電池の個体識別番号ノードと、
前記蓄電池の個体識別番号ノードの子として前記蓄電池の特徴変数ノードと、
を持つベイジアンネットワークにより表現される蓄電池個体識別ルールによって前記蓄電池の個体識別が行われることを特徴とする請求項１〜９のいずれかに記載の学習型蓄電池マネジメントシステム。 - 前記固定情報が、蓄電原理により区分される前記蓄電池の種別、製造番号からなる前記蓄電池の個体識別番号、製造日、供用開始時点における重量および充電量の一部または全部を含むことを特徴とする請求項１〜１０のいずれかに記載の学習型蓄電池マネジメントシステム。
- 前記変動情報が、環境変数、特徴変数、現時点における充電量および充電可能容量の一部または全部を含むことを特徴とする請求項１〜１１のいずれかに記載の学習型蓄電池マネジメントシステム。
- 前記環境変数が当該蓄電池の温度履歴、湿度履歴、振動履歴および走行履歴の一部または全部を含むことを特徴とする請求項１２に記載の学習型蓄電池マネジメントシステム。
- 前記特徴変数が当該蓄電池の供用年数、充放電回数、放電負荷、充電状況履歴、放電状況履歴、現時点における充放電ルールおよび重量の一部または全部を含むことを特徴とする請求項１２または１３に記載の学習型蓄電池マネジメントシステム。
- 前記準変動情報が、
電気自動車を含む車載用蓄電池、家庭用蓄電池、ビル用蓄電池、集合住宅用蓄電池および地域エネルギーマネジメントシステム用蓄電池その他の当該蓄電池の使用用途、並びに、
世帯構成に起因する前記蓄電池の利用状況、
の少なくとも１つを含むことを特徴とする請求項８に記載の学習型蓄電池マネジメントシステム。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| JP2010165362A JP5467010B2 (ja) | 2010-07-22 | 2010-07-22 | 学習型蓄電池マネジメントシステム |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| JP2010165362A JP5467010B2 (ja) | 2010-07-22 | 2010-07-22 | 学習型蓄電池マネジメントシステム |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| JP2012029451A JP2012029451A (ja) | 2012-02-09 |
| JP5467010B2 true JP5467010B2 (ja) | 2014-04-09 |
Family
ID=45781737
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| JP2010165362A Expired - Fee Related JP5467010B2 (ja) | 2010-07-22 | 2010-07-22 | 学習型蓄電池マネジメントシステム |
Country Status (1)
| Country | Link |
|---|---|
| JP (1) | JP5467010B2 (ja) |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US10833505B2 (en) | 2017-03-13 | 2020-11-10 | Panasonic Intellectual Property Management Co., Ltd. | Power controller apparatus for power system including multiple customer facilities with battery apparatus |
Families Citing this family (14)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP5890513B2 (ja) * | 2012-02-27 | 2016-03-22 | 京セラ株式会社 | 制御装置、制御システム及び蓄電池制御方法 |
| JP5398866B2 (ja) * | 2012-03-28 | 2014-01-29 | 三菱電機株式会社 | 充放電制御装置 |
| JP5874505B2 (ja) | 2012-04-10 | 2016-03-02 | オムロン株式会社 | 振動エネルギー検出装置、振動エネルギー検出システム |
| JP2014059270A (ja) * | 2012-09-19 | 2014-04-03 | Toshiba Corp | 蓄電池診断装置およびその方法 |
| CN105264710B (zh) * | 2014-02-13 | 2019-01-04 | 松下知识产权经营株式会社 | 蓄电池包以及充电装置 |
| JP6759554B2 (ja) * | 2015-10-30 | 2020-09-23 | 日産自動車株式会社 | 車載バッテリの評価装置及び方法 |
| KR102613749B1 (ko) * | 2017-05-03 | 2023-12-13 | 가부시키가이샤 한도오따이 에네루기 켄큐쇼 | 신경망, 전력 저장 시스템, 차량, 및 전자 기기 |
| CN111656643B (zh) * | 2017-12-07 | 2024-11-15 | 雅扎米Ip私人有限公司 | 用于对电池快速充电的自适应充电协议和实现该协议的快速充电系统 |
| DE112019001419T5 (de) * | 2018-03-20 | 2020-12-31 | Honda Motor Co., Ltd. | Verwaltung-Vorrichtung und Verwaltung-System |
| JP7380585B2 (ja) * | 2018-10-31 | 2023-11-15 | 株式会社Ｇｓユアサ | 蓄電素子評価装置、コンピュータプログラム、蓄電素子評価方法、学習方法及び生成方法 |
| JP2020162304A (ja) | 2019-03-27 | 2020-10-01 | トヨタ自動車株式会社 | 電池制御システム |
| JP7178940B2 (ja) * | 2019-03-28 | 2022-11-28 | 本田技研工業株式会社 | 選定装置、選定方法、及びプログラム |
| KR102837051B1 (ko) * | 2021-11-04 | 2025-07-23 | 주식회사 엘지에너지솔루션 | 전력 패턴 생성 방법 및 장치 |
| US20240319278A1 (en) * | 2023-03-22 | 2024-09-26 | Element Energy, Inc. | Fault detection in a battery system |
Family Cites Families (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR100388314B1 (ko) * | 2001-09-03 | 2003-06-25 | 금호석유화학 주식회사 | 전지의 임피던스 측정과 분석을 통한 전지 선택 최적화 방법 |
| JP2006172884A (ja) * | 2004-12-15 | 2006-06-29 | Olympus Corp | 充電装置および充電システム |
| JP4540745B2 (ja) * | 2008-09-25 | 2010-09-08 | 有限会社アクティブ | 二次電池流通システム、二次電池流通システムの端末及び二次電池流通システムのサーバ |
| JP2011254617A (ja) * | 2010-06-02 | 2011-12-15 | Tokyo Electric Power Co Inc:The | 充電制御システムおよび充電制御方法 |
-
2010
- 2010-07-22 JP JP2010165362A patent/JP5467010B2/ja not_active Expired - Fee Related
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US10833505B2 (en) | 2017-03-13 | 2020-11-10 | Panasonic Intellectual Property Management Co., Ltd. | Power controller apparatus for power system including multiple customer facilities with battery apparatus |
Also Published As
| Publication number | Publication date |
|---|---|
| JP2012029451A (ja) | 2012-02-09 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| JP5467010B2 (ja) | 学習型蓄電池マネジメントシステム | |
| Zhou et al. | Optimal coordination of electric vehicles for virtual power plants with dynamic communication spectrum allocation | |
| CN104025367B (zh) | 蓄电池转移辅助装置及蓄电池转移辅助方法 | |
| Wei et al. | Energy drive and management of smart grids with high penetration of renewable sources of wind unit and solar panel | |
| JP6635743B2 (ja) | 蓄電池保全装置、及び、蓄電池保全方法 | |
| US20130024034A1 (en) | Electrical quantity adjusting apparatus, electrical quantity adjusting method, electrical quantity adjusting program and power supply system | |
| Al-Alwash et al. | Optimization schedule schemes for charging electric vehicles: Overview, challenges, and solutions | |
| US20230378756A1 (en) | Large scale energy storage with ai-based grading and efficiency assessment | |
| Venkatakrishnan et al. | An efficient energy management in smart grid based on IOT using ROAWFSA technique | |
| CN119923777A (zh) | 能量管理系统 | |
| CN118868202A (zh) | 一种过载不平衡自动调节补偿充放电储能系统 | |
| WO2023225378A1 (en) | Large scale energy storage with ai-based grading and efficiency assessment | |
| Yang et al. | Deep reinforcement learning based energy scheduling for edge computing | |
| Wei et al. | Intelligent EV Charging Control and Management: From Microscale Battery Cell to Macroscale Grid Synergy | |
| Li et al. | Cross-entropy-based approach to multi-objective electric vehicle charging infrastructure planning | |
| Luzi | Design and implementation of machine learning techniques for modeling and managing battery energy storage systems | |
| Wang et al. | State of health based battery reconfiguration for improved energy efficiency | |
| Zincircioğlu et al. | Reducing charging costs for electric vehicles with bi-directional charging | |
| Sebasthirani et al. | IoT-Based Second-Life Storage System Prototype for Lifepo4 Batteries | |
| WO2021162572A1 (en) | A smart power splitter and a method for providing power with use of the smart power splitter | |
| Ramraj et al. | Quality of Service and Energy Management of Electric Vehicles: A Review | |
| CN117175647B (zh) | 一种应用于微电网的新能源储能方法及系统 | |
| Mishra et al. | A Review of AI-Driven Energy Optimization Strategies for Electric | |
| Hamza et al. | Modified Flower Pollination Algorithm for Energy Forecasting and Demand Management Coupled with Improved Battery Life for Smart Building Micro-Grid | |
| Inglis et al. | Multi-objective network planning tool for networks containing high penetrations of DER |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20130124 |
|
| A977 | Report on retrieval |
Free format text: JAPANESE INTERMEDIATE CODE: A971007 Effective date: 20131227 |
|
| 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: 20140108 |
|
| A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20140127 |
|
| R150 | Certificate of patent or registration of utility model |
Ref document number: 5467010 Country of ref document: JP Free format text: JAPANESE INTERMEDIATE CODE: R150 |
|
| R250 | Receipt of annual fees |
Free format text: JAPANESE INTERMEDIATE CODE: R250 |
|
| R250 | Receipt of annual fees |
Free format text: JAPANESE INTERMEDIATE CODE: R250 |
|
| R250 | Receipt of annual fees |
Free format text: JAPANESE INTERMEDIATE CODE: R250 |
|
| R250 | Receipt of annual fees |
Free format text: JAPANESE INTERMEDIATE CODE: R250 |
|
| R250 | Receipt of annual fees |
Free format text: JAPANESE INTERMEDIATE CODE: R250 |
|
| R250 | Receipt of annual fees |
Free format text: JAPANESE INTERMEDIATE CODE: R250 |
|
| R250 | Receipt of annual fees |
Free format text: JAPANESE INTERMEDIATE CODE: R250 |
|
| S111 | Request for change of ownership or part of ownership |
Free format text: JAPANESE INTERMEDIATE CODE: R313115 |
|
| R350 | Written notification of registration of transfer |
Free format text: JAPANESE INTERMEDIATE CODE: R350 |
|
| R250 | Receipt of annual fees |
Free format text: JAPANESE INTERMEDIATE CODE: R250 |
|
| LAPS | Cancellation because of no payment of annual fees |