技术摘要：
监视装置具备：获取部，获取对蓄电元件的状态进行探测的学习模型是第一模式或者第二模式中的哪一个模式的信息；以及变更部，在学习模型是第一模式的情况下，将对蓄电元件的电压进行均衡化的均衡电路的动作从给定状态进行变更。
背景技术：
蓄电元件广泛用于无停电电源装置、稳定化电源中包括的直流或者交流电源装置 等。此外，对可再生能源或者由现有的发电系统发电产生的电力预先进行蓄电的大规模的 系统中的蓄电元件的利用正在扩大。 蓄电模块为蓄电单元串联连接的结构。已知蓄电单元因反复充放电而劣化进展。 在专利文献1中公开了如下技术：使用存储有与蓄电池的多个使用条件对应的劣化率预测 值的数据库、和从实际工作的蓄电池得到的使用条件和劣化率的数据来进行蓄电池的寿命 预测。 在串联连接蓄电单元而成的蓄电模块中，在充电时、使用时等，由于在各个蓄电单 元之间存在自放电的差或者劣化速度的差，因此在蓄电单元之间产生电压的偏差或者充电 状态的偏差。在专利文献2中公开了对这种蓄电单元之间的电压的偏差或者充电状态的偏 差进行均匀化的技术。 在先技术文献 专利文献 专利文献1：日本特开2015-121520号公报 专利文献2：日本专利第5573075号公报
技术实现要素：
发明要解决的课题 希望早期掌握设置于移动体、施设的蓄电单元(蓄电模块)的劣化进展或者异常， 因此正在研究使用人工知能(以下称为“AI”)。 本发明的一个方面提供一种使用了AI的监视装置、监视方法以及计算机程序。 本发明的另一方面提供一种能够早期检测出劣化的进展比较快的蓄电元件的劣 化判断方法、劣化判断装置以及劣化判断系统。 用于解决课题的技术方案 蓄电元件的监视装置具备：获取部，获取对所述蓄电元件的状态进行探测的学习 模型是第一模式或者第二模式中的哪一个模式的信息；以及变更部，在所述学习模型是所 述第一模式的情况下，将对所述蓄电元件的电压进行均衡化的均衡电路的动作从给定状态 进行变更。 在蓄电元件的监视方法中，获取对所述蓄电元件的状态进行探测的学习模型是第 一模式或者第二模式中的哪一个模式的信息，在所述学习模型是所述第一模式的情况下， 将对所述蓄电元件的电压进行均衡化的均衡电路的动作从给定状态进行变更。 5 CN 111602284 A 说　明　书 2/18 页 获取部获取对蓄电元件的状态进行探测的学习模型是第一模式或者第二模式中 的哪一个模式的信息。第一模式可以是教师数据创建模式、正确答案数据创建模式或者学 习模式。第二模式可以是学习模式或者探测模式(使用学习完毕的学习模型来实际探测蓄 电元件的状态的模式)。在学习模型是第一模式的情况下，变更部将对蓄电元件的电压进行 均衡化的均衡电路(平衡器)的动作从给定状态进行变更。 给定状态可以是均衡电路的通常的动作状态。例如，在多个蓄电单元之间的电压 差(例如，各蓄电单元的电压当中的最大电压和最小电压的差)成为阈值以上的情况下，能 够进行均衡化。所谓从给定状态进行变更，也可以是限制均衡电路的动作。例如，包括：(1) 增大均衡电路开始动作的阈值，使得若多个蓄电单元之间的电压差不比通常状态进一步变 大则不进行均衡化、(2)停止均衡电路的动作而不进行均衡化。 根据上述结构，在使对蓄电元件的状态进行探测的学习模型进行学习的情况下， 能够通过均衡电路的动作来变更蓄电元件的电压或者充电状态被自动调整的程度。由此， 能够获取反映了劣化发生了进展的蓄电元件或者正在成为异常状态的蓄电元件的实际状 态的数据。 为了使AI学习(特别是机械学习)，优选收集包括正常的蓄电元件的数据以及劣化 的蓄电元件的数据的大量数据。但是，得到劣化的蓄电元件的数据并不容易。为了试验性地 制作劣化的蓄电元件，需要成本和时间。在从设置于移动体、施设并实际使用的蓄电元件收 集数据的情况下，由于蓄电模块中具备的均衡电路的动作，劣化的蓄电元件示出与正常的 蓄电元件同样的行为(例如，由传感器探测的电压行为、温度行为)。上述变更部通过将均衡 电路的动作从给定状态进行变更，能够高效地收集劣化发生了进展的蓄电元件或者正在成 为异常状态的蓄电元件的数据。 在学习模型是第一模式的情况下，变更部可以将均衡电路进行电压的均衡化时的 阈值电压变更为较大的值。由此，劣化发生进展的蓄电元件或者正在成为异常状态的蓄电 元件容易示出与正常的蓄电元件不同的行为。 在学习模型是第一模式的情况下，变更部可以将均衡电路的动作变更为停止状 态。由此，劣化发生了进展的蓄电元件或者正在成为异常状态的蓄电元件容易示出与正常 的蓄电元件不同的行为。 在学习模型是第一模式的情况下，变更部可以使多个蓄电单元当中的一个蓄电单 元放电从而增大多个蓄电单元之间的电压差。例如，通过使多个蓄电单元当中的示出最小 电压的蓄电单元放电，从而该蓄电单元的电压降低，充电状态降低。由此，能够模拟劣化发 生了进展的蓄电单元或者正在成为异常状态的蓄电单元。 在学习模型为第二模式的情况下，变更部可以使均衡电路在给定状态下动作。例 如，在通过学习完毕的学习模型来实际探测蓄电元件的状态的探测模式下，能够使均衡电 路在给定状态(例如，通常的动作状态)下动作。 由此，能够基于设置于移动体、施设的蓄电元件的实际的使用条件下的数据，正确 地掌握蓄电元件(蓄电单元、蓄电模块)的劣化进展或者异常等。学习模型由于学习完毕了 示出与正常的蓄电元件不同的行为的、劣化发生了进展的蓄电元件或者正在成为异常状态 的蓄电元件所涉及的数据，因此能够迅速地探测到蓄电元件的劣化状态或者异常状态。 在学习模型为第二模式的情况下，变更部可以将均衡电路的动作从给定状态进行 6 CN 111602284 A 说　明　书 3/18 页 变更。例如，在通过学习完毕的学习模型来实际探测蓄电元件的状态的探测模式下，通过将 均衡电路从给定状态进行变更(例如，限制均衡电路的动作)，并确认学习模型的输出，从而 能够认证学习模型的妥当性。 在设置于移动体、施设的蓄电元件的实际的使用条件下，还能够在使劣化发生了 进展的蓄电元件或者正在成为异常状态的蓄电元件明显化了的状态下探测蓄电元件的状 态。 获取部可以从服务器获取学习模型是第一模式或者第二模式中的哪一个模式的 信息。由此，在具备多个监视装置的大规模的系统等中，能够远程且集中地管理各个监视装 置的动作。 监视装置也可以具备学习模型。学习模型可以基于包括蓄电元件的电压以及温度 的输入数据，输出蓄电元件的状态。学习模型例如包括用于包含深层学习的机械学习的算 法。由此，监视装置能够迅速地探测到自身监视的蓄电元件(蓄电单元、蓄电模块)的劣化状 态或者异常状态。 在本发明的另一方面所涉及的劣化判断方法中，停止包括多个蓄电元件的蓄电元 件单元的通电，停止所述多个蓄电元件的电压的均匀化，获取所述多个蓄电元件的电压的 时间变化，基于获取的电压的时间变化，判断劣化的进展快的劣化蓄电元件的有无。蓄电单 元或者蓄电模块可以对应于蓄电元件，蓄电模块或者后述的蓄电体可以对应于蓄电元件单 元。 在蓄电模块中包括劣化的进展比较快的蓄电单元(以下称为劣化蓄电单元)的情 况下，蓄电模块的性能被劣化蓄电单元制约。进而，组装有蓄电模块的蓄电系统整体的性能 受到影响。因此，为了保持蓄电系统的性能，优选早期检测劣化蓄电单元。然而，即使是劣化 的进展比较快的蓄电单元，初期的劣化的进展也大多缓慢。在对多个蓄电单元的电压或者 充电状态进行均匀化的功能起作用的情况下，劣化蓄电单元和正常的蓄电单元的行为的差 变小，难以检测劣化蓄电单元。在无法早期检测劣化蓄电单元，蓄电系统的性能的降低变得 明显后，原因的调查需要时间，停止蓄电系统的时间可能变长。 发明效果 根据上述结构，能够比以往更容易地判断蓄电元件是否是劣化蓄电元件，能够早 期检测出劣化蓄电元件。因此，在蓄电系统的性能显著降低之前，能够去除劣化蓄电元件。 附图说明 图1是示出远程监视系统的概要的图。 图2是示出远程监视系统的结构的一个例子的框图。 图3是示出通信设备的连接方式的一个例子的图。 图4是示出控制基板以及电池管理装置的结构的一个例子的框图。 图5是示出蓄电模块中的蓄电单元的状态的变迁的一个例子的图。 图6是示出电池管理装置的控制动作的一个例子的图。 图7是示出电池管理装置的其他的结构的一个例子的框图。 图8是示出电池管理装置进行的处理过程的一个例子的流程图。 图9是示出蓄电系统的结构例的框图。 7 CN 111602284 A 说　明　书 4/18 页 图10是示出蓄电模块的结构例的框图。 图11是示意性地示出均衡电路进行动作的状态下的蓄电单元的电压的时间变化 的图表。 图12是示出电池管理装置以及管理装置的功能构成例的框图。 图13是示意性地示出不进行电压的均匀化的状态下的蓄电单元的电压的时间变 化的图表。 图14是示出判断劣化蓄电元件的有无的处理的过程的流程图。 图15是示出电池管理装置以及管理装置的功能构成例的框图。 图16是示出电池管理装置的功能构成例的框图。