推断装置、推断方法以及计算机程序与流程

1.本发明涉及推断装置、推断方法以及计算机程序。


背景技术：

2.铅蓄电池具备正极板、负极板、电解液及收容它们的壳体。正极板及负极板浸渍于壳体的电解液。铅蓄电池在车载用、工业用等各种用途中被使用。例如，车载用的铅蓄电池搭载于车辆，向照明及汽车音响等车载设备(电气负载)供给电力。铅蓄电池通过由车辆具备的发电机(交流发电机)发出的电力进行充电。例如，工业用的铅蓄电池作为向紧急电源供给电力的电力供给源而被使用。
3.在专利文献1中公开了一种电源系统，其具备：向车辆的电气负载供给电力的铅蓄电池、获取铅蓄电池的温度的获取装置、以及基于获取到的温度来判定铅蓄电池的劣化的判定装置。
4.专利文献1：日本特开2019-78571号公报
5.在专利文献1所记载的电源系统中，基于铅蓄电池的温度来判定劣化，但无法针对铅蓄电池的电解液推断冻结风险。


技术实现要素：

6.本发明的目的在于提供能够对铅蓄电池中的冻结风险进行推断的推断装置、推断方法以及计算机程序。
7.推断装置具备：获取部，其获取铅蓄电池的电流、电压及温度；数据积蓄部，其对获取到的上述电流、电压及温度的累积值或运算值进行积蓄；特定部，其基于在上述数据积蓄部积蓄的履历数据，来特定上述铅蓄电池的电解液比重；推断部，其基于特定出的电解液比重，来推断上述铅蓄电池的冻结风险；以及输出部，其输出上述推断部的推断结果。
8.推断方法使用计算机执行如下处理：获取铅蓄电池的电流、电压及温度，对获取到的上述电流、电压及温度的累积值或运算值进行积蓄，基于已积蓄的履历数据来特定上述铅蓄电池的电解液比重，基于特定出的电解液比重来推断上述铅蓄电池的冻结风险。
9.计算机程序用于使计算机执行如下处理：获取铅蓄电池的电流、电压及温度，对获取到的上述电流、电压及温度的累积值或运算值进行积蓄，基于已积蓄的履历数据来特定上述铅蓄电池的电解液比重，基于特定出的电解液比重来推断上述铅蓄电池的冻结风险。
附图说明
10.图1是对推断系统的简要结构进行说明的框图。
11.图2是表示铅蓄电池的外观结构的立体图。
12.图3是图2的iii-iii线中的剖视图。
13.图4是对推断装置的内部结构进行说明的框图。
14.图5是表示铅蓄电池的soc与电解液的比重的关系的图表。
15.图6是表示电解液的冻结温度与比重的关系的图表。
16.图7是表示比重及温度的时间推移的一个例子的图表。
17.图8是对实施方式中的推断装置执行的处理的步骤进行说明的流程图。
18.图9是表示第2实施方式中的学习模型的结构的示意图。
19.图10是表示服务器装置的结构的框图。
20.图11是对学习模型的生成步骤进行说明的流程图。
21.图12是对使用了学习模型的推断处理的步骤进行说明的流程图。
22.图13是表示第3实施方式中的学习模型的结构的示意图。
具体实施方式
23.推断装置备：获取部，其获取铅蓄电池的电流、电压及温度；数据积蓄部，其对获取到的上述电流、电压及温度的累积值或运算值进行积蓄；特定部，其基于在上述数据积蓄部积蓄的履历数据，来特定上述铅蓄电池的电解液比重；推断部，其基于特定出的电解液比重，来推断上述铅蓄电池的冻结风险；以及输出部，其输出上述推断部的推断结果。
24.根据该结构，基于在数据积蓄部积蓄的履历数据，来特定铅蓄电池的电解液比重。电荷液的冻结温度与电解液比重对应地决定，因此将冻结温度与包含设置有铅蓄电池的环境的温度的铅蓄电池的温度进行比较，由此能够推断冻结风险。
25.在推断装置中，上述特定部也可以使用上述铅蓄电池的soc与电解液比重的关系，并根据上述履历数据，来特定上述铅蓄电池的电解液比重。根据该结构，能够使用soc与电解液比重的关系来特定电解液比重。
26.在推断装置中，上述推断部也可以将与上述电解液比重对应地决定的电解液的冻结温度和上述铅蓄电池的温度的推断值进行比较，由此推断上述铅蓄电池的冻结风险。根据该结构，将与电解液比重对应地决定的电解液的冻结温度和铅蓄电池的温度的推断值进行比较，由此能够推断铅蓄电池的冻结风险。
27.在推断装置中，上述推断部也可以使用构成为与上述履历数据的输入对应地输出和上述铅蓄电池的冻结风险有关的信息的学习模型，来推断冻结风险。根据该结构，使用学习模型来推断冻结风险，因此能够高精度地推断冻结风险。
28.在推断装置中，上述学习模型也可以具备：输入层，其被输入上述履历数据；输出层，其输出和上述铅蓄电池的冻结风险有关的信息；以及中间层，其将上述铅蓄电池的履历数据与表示上述铅蓄电池是否已冻结的标号数据使用于教师数据，来学习上述履历数据与所述冻结风险的关系，上述学习模型构成为与在上述数据积蓄部积蓄的履历数据的输入对应地，在所述中间层进行运算，从上述输出层输出和冻结风险有关的信息。根据该结构，使用学习模型来推断冻结风险，因此能够高精度地推断冻结风险。
29.推断方法使用计算机执行如下处理：获取铅蓄电池的电流、电压及温度，对获取到的上述电流、电压及温度的累积值或运算值进行积蓄，基于已积蓄的履历数据来特定上述铅蓄电池的电解液比重，基于特定出的电解液比重来推断上述铅蓄电池的冻结风险。
30.计算机程序用于使计算机执行如下处理：获取铅蓄电池的电流、电压及温度，对获取到的上述电流、电压及温度的累积值或运算值进行积蓄，基于已积蓄的履历数据来特定上述铅蓄电池的电解液比重，基于特定出的电解液比重来推断上述铅蓄电池的冻结风险。
31.(第1实施方式)
32.图1是对推断系统的简要结构进行说明的框图。第1实施方式所涉及的推断系统具备推断装置1及铅蓄电池2。推断装置1例如是bmu(battery management unit：电池管理单元)，通过后述的方法来推断铅蓄电池2中的电解液的冻结风险，并输出推断结果。在图1的例子中，为了方便，将推断装置1与铅蓄电池2记载为分体，但推断装置1与铅蓄电池2也可以是成为一体的结构。另外，推断装置1也可以是与包含铅蓄电池2的电池系统可通信地被连接的计算机、服务器装置等信息处理装置。
33.在铅蓄电池2连接有负载3。铅蓄电池2对所连接的负载3供给直流电力。另外，在铅蓄电池2连接有充电装置(未图示)。铅蓄电池2通过从所连接的充电装置被供给直流电力而进行蓄电。
34.电流传感器4时序测量流过铅蓄电池2的电流，并将表示测量结果的数据向推断装置1输出。电压传感器5时序测量铅蓄电池2的电压，并将表示测量结果的数据向推断装置1输出。在本实施方式中，电压传感器5测量铅蓄电池2的开路电压(ocv：open circuit voltage)。例如，电压传感器5只要测量成为接近无负载的状态时的电压值作为ocv即可。另外，推断装置1也可以基于从电流传感器4得到的电流值、从电压传感器5得到的电压值以及预先测量的铅蓄电池2的电阻值通过运算求出铅蓄电池2的ocv。
35.温度传感器6时序测量温度，并将表示测量结果的数据向推断装置1输出。温度传感器6测量的温度可以是铅蓄电池2的温度，也可以是设置有铅蓄电池2的环境的温度(气温)。另外，推断装置1也可以代替从温度传感器6获取温度的数据的结构，而从外部的气象服务器(未图示)获取设置有铅蓄电池2的环境的温度数据。在以下的说明中，不对推断装置1从温度传感器6获取的温度(铅蓄电池2的温度或者设置环境的温度)、推断装置1从外部的气象服务器获取的温度进行区分，而仅记载为铅蓄电池2的温度。
36.推断装置1基于铅蓄电池2的电流、电压及温度的时序数据，来推断铅蓄电池2中的电解液的比重，并将与比重对应地决定的冻结温度和铅蓄电池2的温度进行比较，由此推断铅蓄电池2的电解液中的冻结风险。
37.图2是表示铅蓄电池2的外观结构的立体图，图3是图2的iii-iii线中的剖视图。如图2及图3所示，铅蓄电池2具备电解槽20、正极端子28、负极端子29及多个极板组23。
38.电解槽20具有电解槽主体201及盖202。电解槽主体201是上部开口的长方体状的容器，例如由合成树脂等形成。例如合成树脂制的盖202对电解槽主体201的开口部进行封闭。盖202的下表面的周缘部分与电解槽主体201的开口部的周缘部分例如通过热熔敷而被接合。电解槽20内的空间被隔壁27划分成沿电解槽20的长边方向排列的多个单元室21。
39.在电解槽20内的各单元室21各收容有一个极板组23。在电解槽20内的各单元室21收容有含有稀硫酸的电解液22，极板组23的整体浸渍于电解液22中。电解液22从设置于盖202的注液口(未图示)被注入单元室21内。
40.极板组23具备多个正极板231、多个负极板235及间隔件239。多个正极板231及多个负极板235配置为交替地排列。
41.正极板231具有正极格栅232及支承于正极格栅232的正极电极材料234。正极格栅232是具有呈大致格栅状或网眼状配置的骨部的导电性部件，例如由铅或铅合金形成。正极格栅232在上端附近具有向上方突出的耳部233。正极电极材料234含有二氧化铅。正极电极
材料234也可以还含有公知的添加剂。
42.负极板235具有负极格栅236及支承于负极格栅236的负极电极材料238。负极格栅236是具有呈大致格栅状或网眼状配置的骨部的导电性部件，例如由铅或铅合金形成。负极格栅236在上端附近具有向上方突出的耳部237。负极电极材料238含有铅。负极电极材料238也可以还含有公知的添加剂。
43.间隔件239例如由玻璃或合成树脂等绝缘性材料形成。间隔件239夹设于相互相邻的正极板231与负极板235之间。间隔件239可以构成为一体的部件，也可以单独地设置于正极板231与负极板235之间。另外，间隔件239也可以配置为对正极板231及负极板235的任一个进行包装。
44.多个正极板231的耳部233与例如由铅或铅合金形成的带状材料(strap)24连接。多个正极板231经由带状材料24被并联地电连接。同样地，多个负极板235的耳部237与例如由铅或铅合金形成的带状材料25连接。多个负极板235经由带状材料25被电连接。
45.在铅蓄电池2中，一个单元室21内的带状材料25经由例如由铅或铅合金形成的中间极26与和上述一个单元室21邻接的一方的单元室21内的带状材料24连接。另外，上述一个单元室21内的带状材料24经由中间极26与和上述一个单元室21邻接的另一方的单元室21内的带状材料25连接。即，铅蓄电池2的多个极板组23经由带状材料24、25及中间极26被串联地电连接。如图3所示，收容于位于电解槽20的长边方向的一端的单元室21的带状材料24不与中间极26连接而与后述的正极柱282连接。收容于位于电解槽20的长边方向的另一端的单元室21的带状材料25不与中间极26连接而与负极柱(未图示)连接。
46.正极端子28配置于电解槽20的长边方向的一端部，负极端子29配置于电解槽20的长边方向的另一端部附近。
47.如图3所示，正极端子28包含衬套281及正极柱282。衬套281是大致圆筒状的导电性部件，例如由铅合金形成。衬套281的下侧部分通过插入成型而与盖202一体化，衬套281的上部从盖202的上表面向上方突出。正极柱282是大致圆柱状的导电性部件，例如由铅合金形成。正极柱282插入衬套281的孔。正极柱282的上端部位于与衬套281的上端部大致相同的位置，例如通过熔接与衬套281接合。正极柱282的下端部比衬套281的下端部向下方突出，进一步比盖202的下表面向下方突出，并与收容于位于电解槽20的长边方向的一端部的单元室21的带状材料24连接。与正极端子28同样地，负极端子29包含衬套291与负极柱292(参照图2)，并具有与正极端子28相同的结构。
48.在正极端子28的衬套281及负极端子29的衬套291连接有负载。从铅蓄电池2向负载供给电力。即、铅蓄电池2进行放电。代替负载，也可以在正极端子28的衬套281及负极端子29的衬套291连接有充电装置。在该情况下，通过从充电装置向铅蓄电池2供给的电力对铅蓄电池2进行充电。
49.图4是对推断装置1的内部结构进行说明的框图。推断装置1具备：控制部11、存储部12、输入部13、通信部14、操作部15及显示部16。
50.控制部11由cpu(central processing unit：中央处理单元)、rom(read only memory：只读存储器)、ram(random access memory：随机存取存储器)等构成。控制部11具备的cpu通过将存储于rom或存储部12的各种计算机程序在ram上展开并执行，由此对装置整体的动作进行控制。
51.控制部11并不限于上述的结构，也可以是具备多个cpu、多核cpu、gpu(graphics processing unit：图形处理单元)、微型计算机、易失性或非易失性的存储器等的任意的处理电路或运算电路。另外，控制部11也可以具备测量从给予测量开始指示至给予测量结束指示的经过时间的计时器、计数数字的计数器、输出日期时间信息的时钟等的功能。
52.存储部12具备使用了hdd(hard disk drive：硬盘驱动器)、ssd(solid state drive：固态驱动器)等的存储装置。在存储部12存储有由控制部11执行的各种计算机程序及计算机程序的执行所需的数据等。在存储于存储部12的计算机程序包含有用于使推断装置1执行对铅蓄电池2的冻结风险进行推断的处理的推断程序ep。推断程序ep可以是单一的计算机程序，也可以是由多个计算机构成的程序组。
53.存储于存储部12的程序也可以由可读取地记录了该程序的非暂时性的记录介质m提供。记录介质m例如是cd-rom、usb(universal serial bus)存储器、sd(secure digital)卡、微型sd卡、紧凑式闪存(注册商标)等的便携式存储器。在该情况下，控制部11使用未图示的读取装置从记录介质m读取程序，并将读取到的程序安装于存储部12。另外，存储于存储部12的程序也可以通过经由通信部14的通信而被提供。在该情况下，控制部11经过通信部14获取程序，并将获取到的程序安装于存储部12。
54.另外，存储部12也可以具有存储铅蓄电池2的信息的电池表bt。电池表bt例如将识别铅蓄电池2的电池id、识别用户的用户id及电池信息关联地存储。登记于电池表bt的电池信息例如包括正极及负极的信息、电解液的信息等。正极及负极的信息是正极及负极的活性物质名、厚度、宽度、进深、开路电位等信息。电解液的信息是离子种类、传输速率、扩散系数、导电率、比重的温度依赖性、与比重对应地决定的冻结温度等信息。存储于电池表bt的信息在推断蓄电设备的冻结风险时，作为参数的一部分而被利用。
55.输入部13具备供电流传感器4、电压传感器5及温度传感器6连接的接口，获取由电流传感器4测量出的电流、由电压传感器5测量出的电压、由温度传感器6测量出的温度的数据。在本实施方式中，构成为电流传感器4、电压传感器5及温度传感器6与输入部13直接连接。另外，推断装置1也可以通过有线或无线的通信获取由电流传感器4测量出的电流、由电压传感器5测量出的电压及由温度传感器6测量出的温度的数据。
56.操作部15具备各种开关、按钮等输入接口，接受用户的操作。显示部16具备液晶显示器装置等，显示应该向用户通知的信息。在本实施方式中，构成为推断装置1具备操作部15及显示部16。另外，也可以构成为在推断装置1的外部连接计算机，经过外部计算机接受操作，并将应该通知的信息向外部计算机输出。在该情况下，推断装置1也可以不具备操作部15及显示部16。
57.推断装置1(1)根据铅蓄电池2的电流、电压的时序数据，推断铅蓄电池2中的电解液的比重，(2)将与比重对应地决定的冻结温度和铅蓄电池2的温度进行比较，由此推断铅蓄电池2的电解液中的冻结风险。
58.以下，对推断电解液的比重的方法进行说明。
59.图5是表示铅蓄电池2的soc与电解液的比重的关系的图表。图5所示的图表的横轴表示铅蓄电池2的soc(％)，纵轴表示在20℃下测量出的电解液的比重。铅蓄电池2的正极活性物质使用二氧化铅(pbo2)，负极活性物质使用格栅状或网眼状的铅(pb)，电解液使用硫酸(h2so4)。铅蓄电池2的放电反应表示如下。
60.pbo2 pb 2hso
4- 2h

→
2pbso4 2h2o
61.即，在正极中，二氧化铅变为硫酸铅和水，在负极中，铅变为硫酸铅。因此，伴随着放电反应的进行，电解液中的硫酸浓度减少。由于铅电池的soc与作为电解液的硫酸的比重之间具有良好的相关性，所以推断装置1能够根据铅蓄电池2的soc推断电解液的比重。在图5的例子中，示出了20℃下的电解液的比重与soc的关系，但在推断装置1的存储部12只要存储有表示各种温度下的电解液的比重与soc的关系的数据即可。
62.soc的推断方法使用公知的方法。例如，推断装置1也可以构成为使预先测量出的soc-ocv特性的数据存储于存储部12，每次测量ocv时，从存储部12读取与ocv对应的soc。soc-ocv特性可以作为表被给予，也可以作为函数被给予。另外，推断装置1也可以通过使用了铅蓄电池2的等效电路模型、物理模型的模拟，使用由电流传感器4测量出的电流、由电压传感器5测量出的电压等数据，来推断soc。
63.接下来，对冻结风险的推断方法进行说明。
64.铅蓄电池2中的电解液的冻结温度由电解液的比重决定。图6是表示电解液的冻结温度与比重的关系的图表。图6所示的图表的横轴表示铅蓄电池2中的电解液的比重，纵轴表示电解液的冻结温度(℃)。图6的图表示出了电解液的冻结温度与电解液的比重对应且唯一地决定。即，推断装置1若能够推断铅蓄电池2中的电解液的比重，则能够与该比重对应地求出电解液的冻结温度。电解液的比重与冻结温度的关系可以通过表被给予，也可以通过函数被给予。
65.推断装置1通过将求出的电解液的冻结温度与从温度传感器6等得到的铅蓄电池2的温度进行比较而能够推断冻结风险。图7是表示比重及温度的时间推移的一个例子的图表。横轴表示时刻，左侧的纵轴表示温度(℃)，右侧的纵轴表示比重。图7的例子示出了对从在时刻t1开始测量至到达当前时刻(设为tn)的n个电解液的比重、冻结温度、铅蓄电池2的温度进行绘制而成的图表。
66.控制部11使用时刻t1、t2、t3、
…
、tn的比重的值，来推断将来的时刻(设为tx)的比重的值。具体而言，控制部11只要对表示比重的时间推移的图表进行外推，由此推断时刻tx中的比重即可。外推的方法只要使用公知的方法即可。例如，控制部11只要利用1次函数等函数表示比重的推移，并以函数与各测量值之间的误差的平方和成为最小的方式求出函数，利用求出的函数来求出时刻tx中的比重即可。代替利用时刻t1～tn的n个数据来推断时刻tx的比重的结构，也可以使用最近的数个数据(例如，时刻tn-2、tn-1、tn的比重)，来推断时刻tx的比重。
67.控制部11与推断出的时刻tx的比重对应地推断此时的冻结温度。另外，控制部11推断时刻tx的铅蓄电池2的温度。与上述同样地，控制部11也可以对表示铅蓄电池2的温度推移的图表进行外推，由此推断时刻tx中的铅蓄电池2的温度。控制部11代替通过运算求出的推断值，也可以使用从气象服务器等得到的预报值。
68.控制部11通过将时刻tx中的铅蓄电池2的温度(推断值)与时刻tx中的冻结温度(推断值)进行比较，而推断冻结风险。即，控制部11只要在时刻tx中的铅蓄电池2的温度比时刻tx的冻结温度高的情况下判断为没有冻结风险，在时刻tx中的铅蓄电池2的温度为时刻tx的冻结温度以下的情况下判断为有冻结风险即可。
69.控制部11代替推断冻结风险的有无的结构，也可以推断冻结风险的程度。例如，控
制部11也可以以在铅蓄电池2的温度比冻结温度低0～5℃的范围的情况下，冻结风险为“小”，在铅蓄电池2的温度比冻结温度低5～10℃的范围的情况下，冻结风险为“中”，在铅蓄电池2的温度比冻结温度低10度以上的情况下，冻结风险为“大”的方式，来判断冻结风险的程度。
70.以下，对推断装置1执行的处理的步骤进行说明。推断装置1只要在例如定期的时机、由用户指示的时机、外部空气温度低于设定温度的时机等执行以下的步骤即可。
71.图8是对实施方式1中的推断装置1执行的处理的步骤进行说明的流程图。推断装置1的控制部11经过输入部13获取由电流传感器4测量出的电流、由电压传感器5测量出的电压、由温度传感器6等测量出的温度的数据(步骤s101)。控制部11使获取到的数据与时刻关联地作为履历数据存储于存储部12(步骤s102)。控制部11也可以使基于获取到的数据运算出的结果与时刻关联地存储。
72.控制部11基于存储于存储部12的数据来推断电解液的比重(步骤s103)。控制部11只要根据作为电压传感器5的测量结果而得到的ocv的值推断soc，并与推断出的soc对应地推断电解液的比重即可。此时，控制部11只要基于至当前时刻(在图7的例子中为时刻tn)为止得到的数据来推断将来的时刻(在图7的例子中为时刻tx)的比重即可。
73.接下来，控制部11基于在步骤s103中推断出的电解液的比重来推断冻结温度(步骤s104)。如上述那样，由于冻结温度与电解液的比重对应地决定，所以控制部11使用表示电解液的比重与冻结温度的关系的表或函数，能够推断冻结温度。
74.接下来，控制部11推断冻结风险(步骤s105)，判断是否有冻结风险(步骤s106)。此时，控制部11将根据温度传感器6的测量结果推断出的将来的时刻(在图7的例子中为时刻tx)中的铅蓄电池2的温度的推断值与在步骤s104中推断出的冻结温度进行比较，由此推断冻结风险。另外，控制部11也可以将从气象服务器等得到的将来的时刻中的温度(设置有铅蓄电池2的环境的气温)的预报值与在步骤s104中推断出的冻结温度进行比较，由此推断冻结风险。
75.在判断为有冻结风险的情况下(s106：是)，控制部11通知有冻结风险的主旨(步骤s107)。例如，控制部11生成包含有冻结风险的主旨的文字信息的画面数据，基于所生成的画面数据使显示部16显示有冻结风险的主旨的文字信息。另外，控制部11也可以经过通信部14将有冻结风险的主旨的文字信息通知给用户等所持的终端装置。在判断为没有冻结风险的情况下(s106：否)，控制部11结束本流程图的处理。
76.如以上那样，在第1实施方式中，基于针对铅蓄电池2测量出的电流、电压、温度等数据，能够推断电解液中的冻结风险。
77.(第2实施方式)
78.在第2实施方式中，对使用由神经网络构成的学习模型来推断冻结风险的结构进行说明。
79.推断装置1使用构成为与和铅蓄电池2的电流、电压、温度有关的数据的输入对应地输出和冻结风险有关的数据的学习模型，来推断冻结风险。
80.图9是表示第2实施方式中的学习模型110的结构的示意图。第2实施方式中的学习模型110为是cnn(convolutional neural networks：卷积神经网络)、r-cnn(region-based cnn：区域卷积神经网络)等的学习模型，具备输入层111、中间层112及输出层113。学习模型
110以相对于表示铅蓄电池2的电流、电压、温度等的时序变化的图表(图像)的输入而输出与冻结风险有关的数据的方式进行学习。学习模型110例如由与推断装置1可通信地连接的外部的服务器装置100生成，并存储于推断装置1的存储部12。
81.服务器装置100在获取到铅蓄电池2的电流、电压、温度等数据的情况下，生成表示它们的时序变化的图表。
82.在学习模型110的输入层111输入有表示铅蓄电池2的电流、电压、温度等的时序变化的图表(图像)。
83.中间层112例如由卷积层112a、池化层112b及全连接层112c构成。卷积层112a与池化层112b也可以交替地设置有多个。卷积层112a及池化层112b通过使用了各层的节点的运算而提取经过输入层111被输入的图表的特征。全连接层112c将通过卷积层112a及池化层112b提取了特征部分的数据与一个节点结合，输出通过活性化函数转换了的特征变量。特征变量经过全连接层112c向输出层113输出。
84.输出层113具备一个或者多个节点。输出层113基于从中间层112的全连接层112c被输入的特征变量，使用softmax函数转换为概率，并从各节点输出表示冻结风险的概率。
85.例如，只要利用第1节点到第11节点的11个节点构成输出层113，并像从第1节点输出冻结风险为100％的概率、从第2节点输出冻结风险为90％的概率、
…
、从第11节点输出冻结风险为0％的概率那样，从各节点输出表示冻结风险的概率即可。构成输出层113的节点的数量、分配给各节点的运算结果并不限于上述的例子，能够适当进行设计。
86.推断装置1的控制部11参照从学习模型110得到的运算结果，选择例如概率最高的节点，由此能够推断冻结风险的概率。
87.决定学习模型110的结构的内部参数(节点间的权重及偏置)例如在服务器装置100中通过使用适当的学习算法而进行学习。
88.图10是表示服务器装置100的结构的框图。服务器装置100具备：控制部101、存储部102、通信部103、操作部104及显示部105。
89.控制部101例如具备cpu、rom、ram等。在控制部101具备的rom存储有用于对服务器装置100具备的硬件各部的动作进行控制的控制程序等。控制部101内的cpu执行存储于rom的控制程序及存储于存储部102的各种程序，而对硬件各部的动作进行控制。
90.控制部101并不限于上述的结构。控制部101并不限于具备cpu、rom及ram的结构。控制部101例如也可以是包含gpu、fpga、dsp、易失性或非易失性的存储器等的1个或者多个控制电路或者运算电路。另外，控制部101也可以具备输出日期时间信息的时钟、测量从给予测量开始指示至给予测量结束指示的经过时间的计时器、计数数字的计数器等的功能。
91.存储部102具备硬盘驱动器等存储装置。在存储部102存储有由控制部101执行的各种计算机程序、被该计算机程序利用的各种数据、从外部获取到的数据等。存储于存储部102的计算机程序的一个例子是用于生成学习模型110的模型生成程序。另外，在存储部102也可以存储有从铅蓄电池2收集电流、电压、温度的数据且包含累积值或运算值的履历数据、和表示铅蓄电池2的电解液是否已冻结的标号数据的教师数据。这些数据也可以经过通信部103从推断装置1获取。
92.通信部103具备与通信网络连接的通信接口。通信网络是因特网、面向特定用途的lan或wan(wide area network：广域网)等。通信部103将应该向推断装置1发送的数据经由
通信网络向推断装置1发送。另外，通信部103经由通信网络n接收以服务器装置100为目的地而从推断装置1发送的数据。
93.操作部104具备键盘、鼠标等输入接口，接收各种操作信息、设定信息。控制部101基于从操作部104输入的操作信息进行适当的控制，并根据需要使设定信息存储于存储部102。
94.显示部105具备液晶显示面板、有机el显示面板等显示设备，基于从控制部101输出的控制信号，来显示应该通知给服务器装置100的管理者等的信息。
95.此外，在本实施方式中，服务器装置100构成为具备操作部104及显示部105，但操作部104及显示部105不是必须的，也可以构成为经过与外部连接的计算机来接受操作，并将应该通知的信息向外部的计算机输出。
96.图11是对学习模型110的生成步骤进行说明的流程图。服务器装置100作为生成学习模型110的准备阶段，而收集铅蓄电池2的电流、电压及温度的时序数据、和表示该铅蓄电池2是否已冻结的标号数据，使收集到的数据作为教师数据存储于存储部102。在该准备阶段，通过预先收集足够数量的时序数据和标号数据，能够提高冻结风险的推断精度。
97.控制部101访问存储部102，获取用于学习模型110的生成的教师数据(步骤s201)。教师数据包含铅蓄电池2的电流、电压及温度的时序数据、和表示该铅蓄电池2是否已冻结的标号数据。在步骤s101中，只要获取作为教师数据所含的多个时序数据及标号数据中的1组时序数据及标号数据即可。在生成学习模型110的初始阶段，教师数据设定由服务器装置100的管理者等准备的数据。另外，若学习进展，则也可以获取学习模型110的推断结果和用于推断处理的时序数据，并将获取到的数据设定为教师数据。
98.接下来，控制部101根据作为教师数据所含的时序数据，生成图表(图像)并输入学习模型110(步骤s202)，从学习模型110获取运算结果(步骤s203)。在开始学习前的阶段，对记述学习模型110的定义信息给予初始设定值。在学习模型110中，如上述那样，在构成各层的节点之间进行规定的运算。
99.接下来，控制部101对在步骤s203中得到的运算结果进行评价(步骤s204)，判断学习是否已完成(步骤s205)。具体而言，控制部101能够使用基于在步骤s203中得到的运算结果与教师数据的误差函数(也称为目标函数、损失函数、成本函数)，来评价运算结果。控制部101当在通过最速下降法等梯度下降法使误差函数最优化(最小化或者最大化)的过程中误差函数成为阈值以下(或者阈值以上)的情况下，判断为学习已完成。此外，为了避免过学习的问题，也可以采取交叉验证、提前结束等方法，而在适当的时机使学习结束。
100.在判断为学习未完成的情况下(s205：否)，控制部101对学习模型110的节点之间的权重及偏置进行更新(步骤s206)，使处理返回步骤s201。控制部101能够从学习模型110的输出层113朝向输入层111，使用依次更新节点之间的权重及偏置的误差反向传播法，来更新各节点之间的权重及偏置。
101.在判断为学习已完成的情况下(s205：是)，控制部101作为已学习的学习模型110存储于存储部102(步骤s207)，结束本流程图的处理。
102.如上，服务器装置100收集铅蓄电池2的电流、电压及温度的时序数据、和表示是否已冻结的标号数据，并将收集到的数据用于教师数据，由此能够生成学习模型110。
103.推断装置1下载在服务器装置100中生成的学习模型110。推断装置1通过将表示在
运行阶段测量出的铅蓄电池2的电流、电压及温度的时序变化的图表输入学习模型110，而能够推断铅蓄电池2中的电解液的冻结风险。
104.图12是对使用了学习模型110的推断处理的步骤进行说明的流程图。推断装置1的控制部11从存储部12获取在运行阶段收集到的与铅蓄电池2的电流、电压、温度有关的履历数据(步骤s221)，并将基于获取到的履历数据而生成的图表的图像数据给予学习模型110，由此执行基于学习模型110的运算(步骤s222)。被给予学习模型110的输入层111的图表的图像数据向中间层112被送出。在中间层112中，执行使用了包含节点间的权重及偏置的活性化函数的运算。在中间层112的卷积层112a及池化层112b中，提取图像的特征。通过卷积层112a及池化层112b提取出的特征部分的数据与构成全连接层112c的各节点结合，通过活性化函数转换为特征变量。转换后的特征变量经过全连接层112c向输出层113输出。输出层113基于从中间层112的全连接层112c被输入的特征变量，使用softmax函数转换为概率，并从各节点输出属于各类别的概率。
105.控制部11从学习模型110获取运算结果，并基于获取到的运算结果来推断冻结风险(步骤s223)。如上述那样，从学习模型110的构成输出层113的各节点输出与冻结风险有关的概率。控制部11基于从输出层113的各节点输出的概率，能够推断冻结风险。
106.控制部11输出步骤s223的推断结果(步骤s224)。例如，控制部11也可以将表示推断结果的信息显示在显示部16。另外，控制部11也可以将表示推断结果的信息从通信部14通知给用户的终端装置。
107.如以上那样，在第2实施方式中，使用学习模型110，因此能够高精度地推断冻结风险。
108.(第3实施方式)
109.在第3实施方式中，对使用由神经网络构成的其他学习模型来推断冻结风险的结构进行说明。
110.图13是表示第3实施方式中的学习模型120的结构的示意图。第3实施方式中的学习模型120是作为递归神经网络的一种的seq2seq(sequence to sequence：序列对序列)模型。学习模型120例如通过服务器装置100生成，并存储于推断装置1的存储部12。
111.学习模型120具备被输入时序数据的m个编码器e1～em和输出时序数据的n个解码器d1～dn。索引的m及n为2以上的整数。在图13中，编码器e1～em及解码器d1～dn作为单独的模块进行记载，但具有包含输入层及隐藏层的2～8层左右的多个层。编码器e1～em及解码器d1～dn的内部构造、编码器e1～em及解码器d1～dn中的内部参数的学习方法是公知的，因此省略其详细的说明。在本实施方式中，以将铅蓄电池2的电流、电压、温度的时序数据输入学习模型120而输出表示比重或冻结温度的时序数据的方式对学习模型120的内部参数进行学习。
112.在图13中，横向表示时间步，表示步骤从图中左方向朝右方向进行。在编码器e1～em中分别输入有铅蓄电池2的电流、电压、温度的时序数据。
113.在编码器e1～em的隐藏层中，作为内部状态，将被输入的时序数据记录为内部向量ct。这里，t表示时间步，在编码器e1～em内，取1～m的值。内部向量ct每次输入时被向值的步骤交接，在结束了所有输入的时候能够得到向解码器d1交接的内部向量cm。
114.最终的编码器em中的内部向量cm向解码器d1被交接。在解码器d1输入有指示输出
的开始的保留字。在图13的例子中，作为保留字记载了＜go＞，但只要是预先设定的固定值即可。在从编码器em交接内部向量cm并被输入指示输出的开始的保留字的情况下，解码器d1将输出h1输出，内部向量变为cm 1。解码器d1的输出h1用于下一步骤中的向解码器d2的输入。解码器d1的内部向量cm 1作为下一步骤中的解码器d2的内部状态被使用。像这样，d1、d2、
…
dn-1的输出ht及内部向量ct被依次输入下一解码器d2、d3、
…
、dn，依次执行运算，直至最终的解码器dn输出表示输出结束的保留字＜eos＞为止。
115.以上的结果，解码器d1～dn-1分别得到的n-1个输出h1～hn-1成为学习模型120的最终输出。这些输出h1～hn-1代表表示电解液的比重或者冻结温度的时序数据。
116.控制部11从学习模型120的解码器d1～dn-1获取表示电解液的比重或者冻结温度的时序数据。控制部11依次反复时序数据向编码器e1～em的输入、和从解码器d1～dn-1输出的时序数据的获取，由此能够推断电解液的比重或者冻结温度的经时变化。
117.控制部11能够基于推断出的电解液的比重或者冻结温度来推断冻结风险。即，控制部11在使用学习模型120来推断比重的情况下，推断与比重对应地决定的冻结温度，并将推断出的冻结温度与铅蓄电池2的温度进行比较，由此能够推断冻结风险。同样地，控制部11在使用学习模型120而推断冻结温度的情况下，将推断出的冻结温度与铅蓄电池2的温度进行比较，由此能够推断冻结风险。
118.如以上那样，在第3实施方式中，能够基于针对铅蓄电池2测量出的电流、电压、温度等数据，来推断电解液中的冻结风险。
119.应认为本次公开的实施方式在所有方面均为例示，而非施与限制。本发明的范围不是上述的意思而是由权利要求书表示，意图包含与权利要求书均等的意思及范围内的所有变更。
120.附图标记说明
[0121]1…
推断装置；11
…
控制部；12
…
存储部；13
…
输入部；14
…
通信部；15
…
操作部；16
…
显示部；2
…
铅蓄电池；3
…
负载；4
…
电流传感器；5
…
电压传感器；6
…
温度传感器；ep
…
推断程序。