JP7389727B2 - 故障診断装置、故障診断システム、及び故障診断プログラム - Google Patents

Description

本発明は、故障診断装置、故障診断システム、及び故障診断プログラムに関し、詳しくは、燃料電池コージェネレーションシステムの故障を診断する故障診断装置、故障診断システム、及び故障診断プログラムに関する。

従来の燃料電池システムの制御装置は、燃料電池システムの動作の異常を検知した場合に、異常個所及び異常要因を含む異常情報を特定し、特定した異常情報毎に設定した第１の回数を限度として、リトライ動作を実行すると共に、リトライ動作が第１の回数を超えて異常を検知した場合に、第１の異常処理を実行し、第１の異常処理の実行と並行して実行され、異常情報を、所定条件で一括りとして分類要件で分類し、分類毎に設定された第２の回数を限度として、リトライ動作が第２の回数を超えて異常を検知した場合に、第２の異常処理を実行するようにしている（例えば、特許文献１参照）。

また、従来の故障個所診断システムは、ロジスティック回帰モデルを用いて、発電システムの運転情報を表す複数の説明変数から、発電システムの複数個所のうち所定個所が故障しており他の個所が故障していない確率を表す目的変数を特定するようにしている（例えば、特許文献２参照）。

特開２０１８－１６９９０３号公報 特開２０２０－０３０７５７号公報

上記特許文献１に記載された技術によれば、第１の異常処理によって利便性が確保されると共に、第２の異常処理によって安全性が確保される。しかしながら、異常情報と故障部品とは必ずしも１対１に対応しているわけではないので、故障部品を特定するために、現場にて故障診断作業を行う場合があり、作業担当者には大きな負荷がかかっていた。

また、上記特許文献２に記載された技術によれば、ロジスティック回帰モデルを用いて故障診断を行うため、高精度なロジスティック回帰モデルを用いることができれば、現場にて故障診断作業を行う必要がなくなる場合がある。しかしながら、エラーを検知した場合にリトライ動作を行うことなく即座にエラーを確定させているため、診断精度が十分とは言えない。

本発明は、上記事情に鑑みてなされたものであって、燃料電池コージェネレーションシステムの故障診断を、作業担当者の現場での負荷を軽減させつつ、精度良く行うことができる故障診断装置、故障診断システム、及び故障診断プログラムを提供することを目的とする。

上記目的を達成するために、本発明の一態様に係る故障診断装置は、燃料電池コージェネレーションシステムが動作の異常を検知した際に、前記燃料電池コージェネレーションシステムのリトライ動作を行い、当該リトライ動作の結果、複数回の異常を検知した場合に、前記燃料電池コージェネレーションシステムから、前記複数回の異常の各々に対応する、前記燃料電池コージェネレーションシステムの動作履歴に関する複数の動作履歴データを取得する取得部と、過去に得られた動作履歴データ群を、前記燃料電池コージェネレーションシステムの機能部に対応付けて多変量解析又は機械学習することにより生成され、かつ、前記燃料電池コージェネレーションシステムの機能部毎に故障の有無を判定する機能部毎の故障診断モデルに対して、前記取得部により取得された複数の動作履歴データ又は当該複数の動作履歴データを加工して得られる複数のデータを別々に入力し、前記故障診断モデルから別々に出力される複数の判定結果を用いて、前記燃料電池コージェネレーションシステムの機能部毎に故障の有無を推定する推定部と、を備えている。

また、本発明の一態様に係る故障診断システムは、燃料電池コージェネレーションシステムと、前記燃料電池コージェネレーションシステムと接続された故障診断装置と、を備え、前記燃料電池コージェネレーションシステムは、自システムの動作の異常を検知した際に、自システムのリトライ動作を行い、当該リトライ動作の結果、複数回の異常を検知した場合に、前記故障診断装置に対して、前記複数回の異常の各々に対応する、自システムの動作履歴に関する複数の動作履歴データを送信し、前記故障診断装置は、前記燃料電池コージェネレーションシステムから送信された前記複数の動作履歴データを取得する取得部と、過去に得られた動作履歴データ群を、前記燃料電池コージェネレーションシステムの機能部に対応付けて多変量解析又は機械学習することにより生成され、かつ、前記燃料電池コージェネレーションシステムの機能部毎に故障の有無を判定する機能部毎の故障診断モデルに対して、前記取得部により取得された複数の動作履歴データ又は当該複数の動作履歴データを加工して得られる複数のデータを別々に入力し、前記故障診断モデルから別々に出力される複数の判定結果を用いて、前記燃料電池コージェネレーションシステムの機能部毎に故障の有無を推定する推定部と、を備えている。

また、本発明の一態様に係る故障診断プログラムは、コンピュータを、上記故障診断装置が備える各部として機能させる。

以上詳述したように、本発明によれば、燃料電池コージェネレーションシステムの故障診断を、作業担当者の現場での負荷を軽減させつつ、精度良く行うことができる。

第１の実施形態に係る故障診断システムの構成の一例を示す図である。 第１の実施形態に係るＣＧＳの構成の一例を示すブロック図である。 第１の実施形態に係る制御プログラムによる処理の流れの一例を示すフローチャートである。 第１の実施形態に係る故障診断装置の電気的な構成の一例を示すブロック図である。 第１の実施形態に係る故障診断装置の機能的な構成の一例を示すブロック図である。 実施形態に係る第１データテーブルの一例を示す図である。 実施形態に係る第２データテーブルの一例を示す図である。 実施形態に係る適合率の説明に供する図である。 第１の実施形態に係る故障診断プログラムによる処理の流れの一例を示すフローチャートである。 第１の実施形態に係る故障診断プログラムによる学習処理の流れの一例を示すフローチャートである。 第２の実施形態に係る故障診断装置の機能的な構成の一例を示すブロック図である。 実施形態に係る第３データテーブルの一例を示す図である。 実施形態に係る第４データテーブルの一例を示す図である。 第２の実施形態に係る故障診断プログラムによる処理の流れの一例を示すフローチャートである。 第２の実施形態に係る経路診断Ａの処理の流れの一例を示すフローチャートである。 第２の実施形態に係る経路診断Ｂの処理の流れの一例を示すフローチャートである。 第２の実施形態に係る経路診断Ｃの処理の流れの一例を示すフローチャートである。 第２の実施形態に係る経路診断Ｅの処理の流れの一例を示すフローチャートである。

以下、図面を参照して、本発明を実施するための形態の一例について詳細に説明する。

[第１の実施形態]
図１は、第１の実施形態に係る故障診断システム１００の構成の一例を示す図である。

図１に示すように、本実施形態に係る故障診断システム１００は、燃料電池コージェネレーションシステム（以下、単に「ＣＧＳ」という。）４０と、故障診断装置１０と、メンテナンス用端末７０と、を備えている。故障診断システム１００は、ＣＧＳ４０の故障を診断するためのシステムとして構成される。

ＣＧＳ４０は、例えば、エネファーム（登録商標）であり、ユーザ宅３０に設置されている。故障診断装置１０は、ＣＧＳ４０の故障を診断するための装置であり、ＣＧＳ４０とネットワークＮを介して接続されている。故障診断装置１０には、例えば、サーバコンピュータ、パーソナルコンピュータ（ＰＣ）等の汎用的なコンピュータ装置が適用される。ネットワークＮには、例えば、ＬＡＮ(Local Area Network)、ＷＡＮ（Wide Area Network）、インターネット等のネットワークが適用される。

メンテナンス用端末７０は、ＣＧＳ４０のメンテナンス作業を行う作業担当者６０が所有する端末である。メンテナンス用端末７０は、ネットワークＮを介して故障診断装置１０と接続されている。メンテナンス用端末７０には、例えば、携帯可能なタブレット端末、スマートフォン、ノート型ＰＣ等が適用される。

本実施形態に係る故障診断装置１０は、ＣＧＳ４０のリトライ動作により複数回の動作の異常（以下、「エラー」という。）が検知された場合に、複数回のエラー検知時の各々の動作履歴データを別々に故障診断モデルに入力して故障診断を行う。

具体的には、図１において、ＣＧＳ４０は、リトライ動作によってエラーを確定した後に、エラーを発報する。このとき、自動的に故障診断装置１０に対して、自システムの動作履歴データを送信する。動作履歴データとは、例えば、エラー検知時、エラー検知前数秒間（例えば、１０秒以下）、及び、エラー検知後数秒間（例えば、１０秒以下）の少なくとも１つの動作履歴に関するデータである。動作履歴データは、例えば、各種センサの検出値、補機類（例えば、弁、ポンプ等）の動作状態を表すデータ、エラーの種別を表すエラーコード等が含まれる。

故障診断装置１０は、記憶部に故障診断モデルを予め格納している。故障診断モデルは、ＣＧＳ４０の機能部毎に故障を診断するための数理モデルである。機能部は、少なくとも１つの部品（例えば、ポンプ、弁、配管、タンク等）を含んでいる。ＣＧＳ４０の故障診断モデルは、過去に得られた動作履歴データ群を、機能部に対応付けて多変量解析あるいは機械学習することにより生成されるモデルである。多変量解析には、一例として、ロジスティック回帰等が挙げられる。機械学習には、一例として、ランダムフォレスト、ニューラルネットワーク、サポートベクターマシン等が挙げられる。故障診断モデルは、機能部毎に故障の有無を判定する２クラス分類でもよいし、多クラス分類でもよい。故障診断装置１０は、ＣＧＳ４０から取得した動作履歴データをそのまま、あるいは、故障診断モデルに入力可能なデータに加工し、加工したデータを故障診断モデルに入力する。故障診断モデルは、機能部毎に「故障有り（故障）」又は「故障なし（健全）」を出力する。具体的に、データが示す指標値が閾値以上の場合に「故障有り」を出力し、データが示す指標値が閾値未満の場合に「故障なし」を出力する。故障診断装置１０は、機能部毎の故障診断の診断結果を保持する。

作業担当者（メンテナンス員）６０は、メンテナンス用端末７０から故障診断装置１０にアクセスし、診断結果が示す故障個所を確認する。そして、作業担当者６０は、故障診断装置１０から得られる診断結果に基づいて、現場にて部品交換作業等を実施する。

図２は、第１の実施形態に係るＣＧＳ４０の構成の一例を示すブロック図である。

図２に示すように、本実施形態に係るＣＧＳ４０は、大きく分けて、制御装置４１と、ＣＧＳ本体部４９と、を備えている。制御装置４１は、ＣＧＳ本体部４９と一体的に構成されてもよいし、ＣＧＳ本体部４９とは別体で構成されてもよい。

制御装置４１は、ＣＧＳ４０のコントローラとして機能する。制御装置４１は、ＣＰＵ（Central Processing Unit）４２と、ＲＯＭ（Read Only Memory）４３と、ＲＡＭ（Random Access Memory）４４と、入出力インターフェース（Ｉ／Ｏ）４５と、記憶部４６と、通信部４７と、機器インターフェース（以下、「機器Ｉ／Ｆ」という。）４８と、を備えている。

ＣＰＵ４２、ＲＯＭ４３、ＲＡＭ４４、及びＩ／Ｏ４５は、バスを介して各々接続されている。Ｉ／Ｏ４５には、記憶部４６と、通信部４７と、機器Ｉ／Ｆ４８と、を含む各機能部が接続されている。これらの各機能部は、Ｉ／Ｏ４５を介して、ＣＰＵ４２と相互に通信可能とされる。

記憶部４６としては、例えば、ＨＤＤ（Hard Disk Drive）、ＳＳＤ（Solid State Drive）、フラッシュメモリ等が用いられる。記憶部４６には、ＣＧＳ本体部４９の動作を制御するための制御プログラム４６Ａが記憶される。なお、この制御プログラム４６Ａは、ＲＯＭ４３に記憶されていてもよい。

制御プログラム４６Ａは、例えば、制御装置４１に予めインストールされていてもよい。制御プログラム４６Ａは、不揮発性の記憶媒体に記憶して、又はネットワークＮを介して配布して、制御装置４１に適宜インストールすることで実現してもよい。なお、不揮発性の記憶媒体の例としては、ＣＤ-ＲＯＭ（Compact Disc Read Only Memory）、光磁気ディスク、ＨＤＤ、ＤＶＤ-ＲＯＭ（Digital Versatile Disc Read Only Memory）、フラッシュメモリ、メモリカード等が想定される。

通信部４７は、インターネット、ＬＡＮ、ＷＡＮ等のネットワークＮに接続されており、外部の故障診断装置１０との間でネットワークＮを介して通信が可能とされる。

機器Ｉ／Ｆ４８には、ＣＧＳ本体部４９が接続されている。すなわち、ＣＧＳ本体部４９に含まれる各種電装部品は、機器Ｉ／Ｆ４８を介して、ＣＰＵ４２と通信可能に接続される。

ＣＧＳ本体部４９は、公知の構成である。具体的に、ＣＧＳ本体部４９は、燃料電池ユニット５０を備える。燃料電池ユニット５０には、燃料電池モジュール５１、燃料電池モジュール５１に接続されたガス経路５２、改質水経路５３、及び空気経路５４が設けられている。ＣＧＳ本体部４９は、上述したように、複数の機能部を備える。この機能部は、少なくとも１つの部品を含んでいる。この機能部は、例えば、ガス経路５２を構成する複数の部品、改質水経路５３を構成する複数の部品、又は、空気経路５４を構成する複数の部品としてもよい。この機能部は、ＣＧＳ本体部４９を構成する個々の部品としてもよい。この部品には、例えば、ポンプ、弁、配管、タンク等が含まれる。

燃料電池モジュール５１は、燃料電池スタック５１Ａ及び改質器５１Ｂを備える。改質器５１Ｂは、炭化水素原料を含むガス（例えば、都市ガス）を改質する。燃料電池スタック５１Ａは、電解質層、燃料極、及び空気極を有する複数の燃料電池セルが積層されている。燃料電池スタック５１Ａは、改質器５１Ｂにより都市ガスから改質された改質ガス中の水素と、空気中の酸素とを反応させて電気及び水を発生させるように構成されている。燃料電池ユニット５０は、改質ガス及び空気の供給量を調整するための弁及びポンプ等の補機類と、燃料電池スタック５１Ａによる発電で発生した熱を伝熱媒体（例えば、水等）との間で熱交換するための熱交換器と、を備えている。

ＣＧＳ本体部４９は、貯湯タンクを備える。ＣＧＳ本体部４９では、貯湯タンクに給水されると、貯湯タンクから燃料電池ユニット５０の熱交換器に水が供給され、この熱交換器で水が燃料電池スタック５１Ａの熱で加熱される。熱交換器で水が加熱されると、水が湯となる。この湯は、貯湯タンクに供給され、この貯湯タンクに貯められる。貯湯タンクは、燃料電池ユニット５０との間で水及び湯を行き来させるための弁及びポンプや、貯湯タンクに貯めた湯を排湯させるための弁及びポンプ等の補機類を備える。

また、ガス経路５２は、都市ガスが流れる経路である。ガス経路５２には、都市ガスの供給量を調整するための弁及びポンプ等の補機類が含まれる。改質水経路５３は、改質水が流れる経路である。改質水経路５３には、改質水の供給量を調整するための弁及びポンプ等の補機類が含まれる。空気経路５４は、空気が流れる経路である。空気経路５４には、空気の供給量を調整するための弁及びポンプ等の補機類が含まれる。

制御装置４１は、ＣＧＳ本体部４９に備えられた補機類を制御するコントローラである。制御装置４１は、ＣＧＳ本体部４９に対して、補機類を制御するための制御信号をそれぞれ出力する。また、ＣＧＳ本体部４９は、制御装置４１に対して、ＣＧＳ本体部４９の運転状況を表す運転データを出力する。この運転データは、特徴量として、補機類の動作状態を表すデータ（例えば、電圧値、電流値等）、ＣＧＳ本体部４９に設けられた各種センサの検出値等が含まれる。具体的に、補機類の動作状態を表すデータとは、例えば、ポンプの場合にはポンプの操作量を表すデータであり、弁の場合には弁の開閉状態を表すデータである。また、各種センサの検出値とは、例えば、配管の場合には都市ガス、改質水、及び空気のそれぞれの流量を表す値であり、タンクの場合には水位を表す値である。

制御装置４１は、ＣＧＳ本体部４９から取得した時系列の運転データを記憶部４６に記憶する。制御装置４１は、ＣＧＳ本体部４９から取得した運転データに基づいて、ＣＧＳ本体部４９のエラーを検知する機能を有する。なお、エラーの検知は、例えば、運転データから得られる特徴量と対応する閾値との比較により行われる。また、制御装置４１は、リトライ動作機能を有する。このリトライ動作機能とは、エラーを検知した場合にＣＧＳ４０の再起動を行い、再度エラーの有無を検知する機能である。なお、ＣＧＳ４０を再起動することなく、ＣＧＳ４０を一定期間アイドリング状態（発電しない状態）に移行させてから、再度エラーの有無を検知するようにしてもよい。制御装置４１は、リトライ動作機能によって複数回のエラーが検知された場合にエラーを確定する。リトライ動作の回数は、例えば、エラーの種別を表すエラーコードに応じて予め定められている。

ここで、図３を参照して、本実施形態に係る制御装置４１によるエラー発報処理について具体的に説明する。なお、このエラー発報処理は、制御装置４１が備える制御プログラム４６Ａによって実行される。

図３は、第１の実施形態に係る制御プログラム４６Ａによる処理の流れの一例を示すフローチャートである。なお、図３の例では、エラー確定までの異常値検知回数を２回（リトライ動作は１回）としているが、異常値検知回数は３回以上（リトライ動作２回以上）としてもよい。

まず、ＣＰＵ４２により記憶部４６に記憶されている制御プログラム４６Ａが起動され、以下に示す各ステップが実行される。

図３のステップＳ１０１では、ＣＰＵ４２が、ＣＧＳ本体部４９から時系列で取得した運転データを記憶部４６に記憶すると共に、取得した運転データに基づいて、エラーの発生を示す異常値を検知したか否かを判定する。異常値を検知したと判定した場合（肯定判定の場合）、ステップＳ１０２に移行し、異常値を検知しないと判定した場合（否定判定の場合）、ステップＳ１０１で待機となる。

ステップＳ１０２では、ＣＰＵ４２が、記憶部４６に記憶した時系列の運転データの中から、エラー検知時、エラー検知前数秒間（例えば、１０秒以下）、及び、エラー検知後数秒間（例えば、１０秒以下）の少なくとも１つの運転データを動作履歴データとして抽出し、抽出した動作履歴データを記憶部４６に保持する。この動作履歴データには、上述したように、例えば、各種センサの検出値、補機類の動作状態を表すデータ、エラーコード等が含まれる。記憶部４６に保持した動作履歴データを「データ１」と称する。

ステップＳ１０３では、ＣＰＵ４２が、ＣＧＳ４０を再起動してリトライ動作を行う。

ステップＳ１０４では、ＣＰＵ４２が、ＣＧＳ本体部４９から時系列で取得した運転データを記憶部４６に記憶すると共に、取得した運転データに基づいて、ＣＧＳ４０の再起動後所定時間内（例えば、２４時間以内）で異常値を再検知したか否かを判定する。異常値を再検知したと判定した場合（肯定判定の場合）、ステップＳ１０５に移行し、異常値を再検知しないと判定した場合（否定判定の場合）、ステップＳ１０１に戻り処理を繰り返す。

ステップＳ１０５では、ＣＰＵ４２が、記憶部４６に記憶した時系列の運転データの中から、エラー検知時、エラー検知前数秒間（例えば、１０秒以下）、及び、エラー検知後数秒間（例えば、１０秒以下）の少なくとも１つの運転データを動作履歴データとして抽出し、抽出した動作履歴データを記憶部４６に保持する。記憶部４６に保持した動作履歴データを「データ２」と称する。

ステップＳ１０６では、ＣＰＵ４２が、リトライ動作によって複数回のエラーを検知したため、エラーを確定する。

ステップＳ１０７では、ＣＰＵ４２が、通信部４７を介して、ステップＳ１０２で保持したデータ１及びステップＳ１０５で保持したデータ２を故障診断装置１０に送信し、本制御プログラム４６Ａによる一連の処理を終了する。なお、データ１及びデータ２を含む１つのデータファイルを故障診断装置１０に送信するようにしてもよい。この場合、故障診断装置１０がデータファイルからデータ１及びデータ２を個別に抽出する構成としてもよい。

図４は、第１の実施形態に係る故障診断装置１０の電気的な構成の一例を示すブロック図である。

図４に示すように、本実施形態に係る故障診断装置１０は、ＣＰＵ１１と、ＲＯＭ１２と、ＲＡＭ１３と、Ｉ／Ｏ１４と、記憶部１５と、表示部１６と、操作部１７と、通信部１８と、を備えている。

ＣＰＵ１１、ＲＯＭ１２、ＲＡＭ１３、及びＩ／Ｏ１４は、バスを介して各々接続されている。Ｉ／Ｏ１４には、記憶部１５と、表示部１６と、操作部１７と、通信部１８と、を含む各機能部が接続されている。これらの各機能部は、Ｉ／Ｏ１４を介して、ＣＰＵ１１と相互に通信可能とされる。

記憶部１５としては、例えば、ＨＤＤ、ＳＳＤ、フラッシュメモリ等が用いられる。記憶部１５には、ＣＧＳ４０の故障を診断するための故障診断プログラム１５Ａが記憶される。なお、この故障診断プログラム１５Ａは、ＲＯＭ１２に記憶されていてもよい。

故障診断プログラム１５Ａは、例えば、故障診断装置１０に予めインストールされていてもよい。故障診断プログラム１５Ａは、不揮発性の記憶媒体に記憶して、又はネットワークＮを介して配布して、故障診断装置１０に適宜インストールすることで実現してもよい。なお、不揮発性の記憶媒体の例としては、ＣＤ-ＲＯＭ、光磁気ディスク、ＨＤＤ、ＤＶＤ-ＲＯＭ、フラッシュメモリ、メモリカード等が想定される。

表示部１６には、例えば、液晶ディスプレイ（ＬＣＤ:Liquid Crystal Display）、有機ＥＬ（Electro Luminescence）ディスプレイ等が用いられる。表示部１６は、タッチパネルを一体的に有していてもよい。操作部１７には、例えば、キーボード、マウス等の操作入力用のデバイスが設けられている。表示部１６及び操作部１７は、故障診断装置１０のユーザから各種の指示を受け付ける。表示部１６は、ユーザから受け付けた指示に応じて実行された処理の結果や、処理に対する通知等の各種の情報を表示する。

通信部１８は、インターネット、ＬＡＮ、ＷＡＮ等のネットワークＮに接続されており、ＣＧＳ４０、メンテナンス用端末７０との間でネットワークＮを介して通信が可能とされる。

本実施形態に係る故障診断装置１０のＣＰＵ１１は、記憶部１５に記憶されている故障診断プログラム１５ＡをＲＡＭ１３に書き込んで実行することにより、図５に示す各部として機能する。

図５は、第１の実施形態に係る故障診断装置１０の機能的な構成の一例を示すブロック図である。

図５に示すように、本実施形態に係る故障診断装置１０のＣＰＵ１１は、取得部１１Ａ、推定部１１Ｂ、学習部１１Ｃ、及び出力部１１Ｄとして機能する。

また、記憶部１５には、上述したように、機能部毎の故障診断モデル１５Ｂが予め格納されている。つまり、１つの機能部（又は部品）に対して１つの故障診断モデル１５Ｂが対応している。故障診断モデル１５Ｂは、上述したように、多変量解析あるいは機械学習により得られる、ＣＧＳ４０の機能部毎に故障を診断するための数理モデルである。また、記憶部１５には、第１データテーブル１５Ｃ及び第２データテーブル１５Ｄが記憶されている。

取得部１１Ａは、上述のＣＧＳ４０から送信された複数の動作履歴データを取得する。例えば、複数の動作履歴データとしてデータ１及びデータ２を取得する。

推定部１１Ｂは、取得部１１Ａにより取得された複数の動作履歴データを、故障診断モデル１５Ｂに入力可能な複数のデータに加工し、加工して得られた複数のデータを、記憶部１５に格納されている機能部毎の故障診断モデル１５Ｂに対して別々に入力する。なお、動作履歴データを加工することなくそのまま故障診断モデル１５Ｂに対して入力してもよい。そして、推定部１１Ｂは、故障診断モデル１５Ｂから別々に出力される複数の判定結果を用いて、ＣＧＳ４０の機能部毎に故障の有無を推定する。具体的には、例えば、第１データテーブル１５Ｃ又は第２データテーブル１５Ｄを用いて故障の有無を推定する。

学習部１１Ｃは、過去に得られた動作履歴データ群を学習用データとして機械学習を行うことにより故障診断モデル１５Ｂを生成する。学習部１１Ｃにより生成された故障診断モデル１５Ｂが記憶部１５に格納される。なお、故障診断モデル１５Ｂの格納場所は、記憶部１５に限定されない。例えば、外部の記憶装置に格納されていてもよい。また、本実施形態では、自装置で機械学習する構成としているが、外部装置で機械学習を行う構成としてもよい。また、機械学習に代えて、多変量解析を用いて故障診断モデル１５Ｂを生成してもよい。

出力部１１Ｄは、推定部１１Ｂにより推定された機能部毎の最終的な診断結果を、例えば、記憶部１５に出力して保持する。また、出力部１１Ｄは、メンテナンス用端末７０からのアクセスに応じて、記憶部１５に保持した最終的な診断結果をメンテナンス用端末７０に送信する。なお、この最終的な診断結果には、機能部毎（あるいは部品毎）に、診断結果（故障、健全、故障疑い）及び取るべき対応等が含まれている。

図６は、本実施形態に係る第１データテーブル１５Ｃの一例を示す図である。

図６に示す第１データテーブル１５Ｃは、ＣＧＳ４０のエラー確定までの異常値検知回数が２回（リトライ回数が１回）の場合における、判定パターンと最終的な診断結果との対応関係を示すデータテーブルである。なお、図６の例では、ＣＧＳ４０から動作履歴データとしてデータ１及びデータ２を取得し、データ１及びデータ２の各々を加工して得られたデータを機能部毎の故障診断モデル１５Ｂに入力する場合について示している。

判定パターン１は、データ１の判定結果が「故障」、データ２の判定結果が「故障」である場合のパターンを示す。この判定パターン１では、最終的な診断結果（出力）が「故障」であり、作業担当者６０が取るべき対応が「部品交換」であることを表している。また、判定パターン２は、データ１の判定結果が「故障」、データ２の判定結果が「健全」である場合のパターンを示す。この判定パターン２では、最終的な診断結果（出力）が「故障疑い」であり、作業担当者６０が取るべき対応が「部品動作確認」であることを表している。また、判定パターン３は、データ１の判定結果が「健全」、データ２の判定結果が「故障」である場合のパターンを示す。この判定パターン３では、最終的な診断結果（出力）が「故障疑い」であり、作業担当者６０が取るべき対応が「部品動作確認」であることを表している。また、判定パターン４は、データ１の判定結果が「健全」、データ２の判定結果が「健全」である場合のパターンを示す。この判定パターン４では、最終的な診断結果（出力）が「健全」であり、作業担当者６０が取るべき対応が「なし」であることを表している。

つまり、推定部１１Ｂは、故障診断モデル１５Ｂに別々に入力した複数のデータの各々に対する判定結果がいずれも故障、つまり、判定パターン１である場合に、一例として、図６の第１データテーブル１５Ｃを参照し、故障診断モデルに対応付けられた機能部を故障と推定する。また、推定部１１Ｂは、故障診断モデル１５Ｂに別々に入力した複数のデータの各々に対する判定結果がいずれも健全、つまり、判定パターン４である場合に、一例として、図６の第１データテーブル１５Ｃを参照し、故障診断モデル１５Ｂに対応付けられた機能部を健全と推定する。また、推定部１１Ｂは、故障診断モデル１５Ｂに別々に入力した複数のデータの各々に対する判定結果の一方が故障、他方が健全、つまり、判定パターン２又は判定パターン３である場合に、一例として、図６の第１データテーブル１５Ｃを参照し、故障診断モデル１５Ｂに対応付けられた機能部を故障疑いと推定する。

図７は、本実施形態に係る第２データテーブル１５Ｄの一例を示す図である。

図７に示す第２データテーブル１５Ｄは、ＣＧＳ４０のエラー確定までの異常値検知回数がＮ回（Ｎ≧３、リトライ回数は２回以上）の場合における、判定パターンと最終的な診断結果との対応関係を示すデータテーブルである。なお、図７の例では、ＣＧＳ４０から動作履歴データとしてデータ１、・・・、データＮを取得し、データ１、・・・、データＮの各々を加工して得られたデータを機能部毎の故障診断モデル１５Ｂに入力する場合について示している。

この場合、判定パターン数は２（故障又は健全）のＮ乗分存在し、全てが故障又は健全となる２通り以外は故障と健全とが混在する。このため、最終的な診断結果（出力）となる故障、故障疑い、及び健全の決め方として、例えば、次の３種類の方法が考えられる。

（１）故障診断モデル１５Ｂに別々に入力した複数のデータの各々に対する判定結果である故障及び健全の判定回数に基づいて、故障診断モデル１５Ｂに対応付けられた機能部を故障又は健全又は故障疑いとして推定する。つまり、故障及び健全の判定回数の多い方（又は判定回数の差分が閾値より大きい方）を最終的な診断結果（出力）とし、故障及び健全の判定回数が同数(又は判定回数の差分が閾値以下)の場合に故障疑いとする。

（２）故障診断モデル１５Ｂに別々に入力した複数のデータの各々に対する判定結果と、故障診断モデル１５Ｂの故障判定時の適合率とから導出される故障スコアに基づいて、故障診断モデル１５Ｂに対応付けられた機能部を故障又は健全又は故障疑いとして推定する。つまり、故障診断モデル１５Ｂの故障判定時の適合率より故障スコアを求め、最終的な診断結果（出力）を決定する。例えば、故障判定時の適合率が７０％の場合、故障スコアは下記のように求まる。なお、故障スコアは、故障確率（％表記）として表してもよい。

Ｎ回中０回故障と判定 → 故障スコア＝０
Ｎ回中１回故障と判定 → 故障スコア＝１－（１－０．７）＝０．７
Ｎ回中２回故障と判定 → 故障スコア＝１－（１－０．７）^２＝０．９１

最終的な診断結果（出力）を故障と判定するための閾値(閾値１)と、健全と判定するための閾値(閾値２)をそれぞれ決めておき、故障スコアが閾値１以上であれば故障、閾値２以下であれば健全、閾値２より大きく閾値１未満（中間値）であれば故障疑いとする。なお、上記の例では故障判定時の適合率を用いているが、健全判定時の適合率又は故障検出の再現率を用いて判定しても良い。この場合、上記判定結果と、健全判定時の適合率又は故障検出の再現率とから導出される健全スコアが用いられる。

（３）故障診断モデル１５Ｂに別々に入力した複数のデータの各々に対する判定結果と、故障診断モデル１５Ｂの故障判定時の適合率とから導出される故障スコア、及び、故障診断モデル１５Ｂに別々に入力した複数のデータの各々に対する判定結果と、故障診断モデル１５Ｂの健全判定時の適合率又は故障検出の再現率とから導出される健全スコアに基づいて、故障診断モデル１５Ｂに対応付けられた機能部を故障又は健全又は故障疑いとして推定する。つまり、故障判定時の適合率、健全判定時の適合率（又は故障検出の再現率）の両方を用いてスコアを算出し、最終的な診断結果（出力）を決定する。例えば、Ｎ＝３、故障判定時の適合率が９０％、健全判定時の適合率が７０％の場合、故障スコア及び健全スコアは下記のように求まる。

３回中０回が故障、３回が健全と判定 → 故障スコア＝０、健全スコア＝１－（１－０．７）^３＝０．９７３
３回中１回が故障、２回が健全と判定 → 故障スコア＝１－（１－０．９）＝０．９、健全スコア＝１－（１－０．７）^２＝０．９１
３回中２回が故障、１回が健全と判定 → 故障スコア＝１－（１－０．９）^２＝０．９９、健全スコア＝１－（１－０．７）＝０．７
３回中３回が故障、０回が健全と判定 → 故障スコア＝１－（１－０．９）^３＝０．９９９、健全スコア＝０

ここで、総合スコア＝故障スコア－健全スコア、とする。この場合、最終的な診断結果（出力）は、総合スコアが正値のときは故障、負値のときは健全、０のときは故障疑いと判定する。あるいは、故障疑いの判定用に閾値を設け、総合スコアが±閾値以内(例えば±０．１)のときは、最終的な診断結果（出力）を故障疑いとしてもよい。

次に、図８を参照して、上述の適合率について具体的に説明する。

図８は、本実施形態に係る適合率の説明に供する図である。

図８に示す表は、部品Ａの故障診断モデルについて、予測と実態との対応関係を示している。枠内はデータ数を示す。つまり、予測が健全、実態が健全である場合のデータ数は２８（＝Ａ）である。予測が故障、実態が健全である場合のデータ数は１（＝Ｂ）である。予測が健全、実態が故障である場合のデータ数は１２（＝Ｃ）である。予測が故障、実態が故障である場合のデータ数は９（＝Ｄ）である。

この場合、故障判定時の適合率＝Ｄ／（Ｂ＋Ｄ）＝９／１０＝９０％、と求まる。つまり、この場合、適合率とは、故障と予測された全データ数に対する実態が故障であったデータ数の割合とされる。また、健全判定時の適合率＝Ａ／（Ａ＋Ｃ）＝２８／４０＝７０％、と求まる。つまり、この場合、適合率とは、健全と予測された全データ数に対する実態が健全であったデータ数の割合とされる。

なお、図８の例では、健全と判定されるデータの方が多いため、データ数が増える程健全判定時の適合率が高くなりやすい。従って、上述の（３）の判定方法は、最終的な診断結果（出力）の確度を下げる可能性がある。通常の場合、エラー確定までの異常値検知回数が少ないことが多いため、基本的には上述の（２）の判定方法が最も有効と考えられる。

また、上述の適合率に代えて、再現率を用いるようにしてもよい。再現率は、故障を見つける割合を表し、図８の例では、再現率＝Ｄ／（Ｃ＋Ｄ）、と表される。つまり、再現率とは、実態が故障であった全データ数に対する故障と予測されたデータ数の割合とされる。この再現率が高いほど、健全とされる。この再現率を用いて、データ数がＮ個の判定結果から故障を見逃すリスクが十分に小さいときに、最終的な診断結果（出力）を健全と決定してもよい。このとき、故障は適合率から計算、健全は再現率から計算されることになる。なお、適合率及び再現率の両方共に高い場合は故障疑いとする、等の工夫を行うようにしてもよい。

また、故障診断モデル１５Ｂが各データに対して故障又は健全を出力する前の確率値(又は予測値)から、Ｎ個のデータの最終的な診断結果（出力）を決定するようにしてもよい。例えば、確率値（又は予測値）の平均等が用いられる。

次に、図９を参照して、第１の実施形態に係る故障診断装置１０の作用について説明する。

図９は、第１の実施形態に係る故障診断プログラム１５Ａによる処理の流れの一例を示すフローチャートである。なお、図９の例では、ＣＧＳ４０のリトライ動作で取得するデータ数を２個としているが、データ数は３個以上としてもよい。

まず、ＣＰＵ１１により記憶部１５に記憶されている故障診断プログラム１５Ａが起動され、以下に示す各ステップが実行される。

図９のステップＳ１１１では、ＣＰＵ１１が、ＣＧＳ４０の制御装置４１から送信された複数の動作履歴データ（ここではデータ１及びデータ２）を取得する。

ステップＳ１１２では、ＣＰＵ１１が、ステップＳ１１１で取得したデータ１を、機能部毎の故障診断モデル１５Ｂに入力可能なデータに加工する。ここでいう加工とは、データ１に対して、データの一部を削除、データの一部を抽出、新規データの追加等を行うことを意味する。また、加工には、データ１のデータ形式を、個々の故障診断モデルに適した形式に加工することも含まれる。なお、動作履歴データをそのまま用いる場合には加工は省略される。

ステップＳ１１３では、ＣＰＵ１１が、ステップＳ１１２で加工したデータ１を、機能部毎の故障診断モデル１５Ｂの各々に入力する。

ステップＳ１１４では、ＣＰＵ１１が、機能部毎の故障診断モデル１５Ｂの各々から出力される判定結果を記憶部１５に保持する。

ステップＳ１１５では、ＣＰＵ１１が、ステップＳ１１１で取得したデータ２を、機能部毎の故障診断モデル１５Ｂに入力可能なデータに加工する。なお、動作履歴データをそのまま用いる場合には加工は省略される。

ステップＳ１１６では、ＣＰＵ１１が、ステップＳ１１５で加工したデータ２を、機能部毎の故障診断モデル１５Ｂの各々に入力する。

ステップＳ１１７では、ＣＰＵ１１が、機能部毎の故障診断モデル１５Ｂの各々から出力される判定結果を記憶部１５に保持する。

ステップＳ１１８では、ＣＰＵ１１が、ステップＳ１１４で記憶部１５に保持したデータ１の判定結果、及び、ステップＳ１１７で記憶部１５に保持したデータ２の判定結果から判定パターンを特定する。

ステップＳ１１９では、ＣＰＵ１１が、ステップＳ１１８で特定した判定パターンに基づいて、一例として、上述の図６に示す第１データテーブル１５Ｃを参照し、判定パターンに応じた最終的な診断結果を、例えば、記憶部１５に出力し、本故障診断プログラム１５Ａによる一連の処理を終了する。

次に、図１０を参照して、第１の実施形態に係る故障診断装置１０による学習処理について具体的に説明する。

図１０は、第１の実施形態に係る故障診断プログラム１５Ａによる学習処理の流れの一例を示すフローチャートである。

まず、ＣＰＵ１１により記憶部１５に記憶されている故障診断プログラム１５Ａが起動され、以下に示す各ステップが実行される。

図１０のステップＳ１２１では、ＣＰＵ１１が、過去の動作履歴データを学習用データとして取得する。

ステップＳ１２２では、ＣＰＵ１１が、ステップＳ１２１で学習用データとして取得した動作履歴データを学習モデルに入力可能なデータに加工する。なお、動作履歴データをそのまま用いる場合には加工は省略される。

ステップＳ１２３では、ＣＰＵ１１が、ステップＳ１２２で加工して得られたデータを正解データ（例えば、故障、健全、故障疑い）と共に、機能部毎の学習モデルに入力する。

ステップＳ１２４では、ＣＰＵ１１が、所定数のデータについて機械学習が終了したか否かを判定する。機械学習が終了したと判定した場合（肯定判定の場合）、ステップＳ１２５に移行し、機械学習が終了していないと判定した場合（否定判定の場合）、ステップＳ１２１に戻り処理を繰り返す。

ステップＳ１２５では、ＣＰＵ１１が、機械学習により生成された学習済みモデルを故障診断モデル１５Ｂとして記憶部１５に格納し、本故障診断プログラム１５Ａによる一連の処理を終了する。

なお、本実施形態では、故障診断装置１０を外部のサーバ装置として実現した場合について説明したが、これに限定されない。故障診断装置１０はＣＧＳ４０の制御装置４１として実現してもよい。

このように本実施形態によれば、ＣＧＳ４０のリトライ動作により複数回のエラーが検知された場合に、複数回のエラー検知時の各々の動作履歴データが別々に故障診断モデルに入力されて故障診断が実行される。このため、診断精度が向上し、誤判定が抑制される。

[第２の実施形態]
上記第１の実施形態では、ＣＧＳ４０から得られた複数の動作履歴データを、機能部毎の故障診断モデル１５Ｂの全てに入力する形態について説明した。本実施形態では、ＣＧＳ４０のエラーの種別に応じた経路診断を、ガス経路５２、改質水経路５３、及び空気経路５４の少なくとも１つに対して行い、故障の可能性のある経路を絞り込み、絞り込んだ経路に関する故障診断モデル１５Ｂのみを選択的に用いる形態について説明する。

図１１は、第２の実施形態に係る故障診断装置１０Ａの機能的な構成の一例を示すブロック図である。

図１１に示すように、本実施形態に係る故障診断装置１０ＡのＣＰＵ１１は、記憶部１５に記憶されている故障診断プログラム１５ＡをＲＡＭ１３に書き込んで実行することにより、取得部１１Ａ、推定部１１Ｂ、学習部１１Ｃ、出力部１１Ｄ、及び経路診断部１１Ｅとして機能する。なお、上記第１の実施形態で説明した故障診断装置１０と同じ構成要素には同じ符号を付し、その繰り返しの説明は省略する。

経路診断部１１Ｅは、燃料電池ユニット５０のエラーを検知した場合に、ＣＧＳ４０からの動作履歴データに含まれるエラーコードに応じた経路診断を特定する。そして、経路診断部１１Ｅは、特定したエラーコードに応じた経路診断を、ガス経路５２、改質水経路５３、及び空気経路５４の少なくとも１つに対して行い、故障の可能性がある経路を絞り込む。なお、ガス経路５２、改質水経路５３、及び空気経路５４は、上述したように、燃料電池ユニット５０に設けられ、燃料電池モジュール５１に接続された経路である。

推定部１１Ｂは、記憶部１５に格納されている機能部毎の故障診断モデル１５Ｂの中から、経路診断部１１Ｅにより絞り込んだ経路に関する故障診断モデル１５Ｂを選択する。そして、推定部１１Ｂは、選択した故障診断モデル１５Ｂに対して、取得部１１Ａにより取得された複数の動作履歴データ又は複数の動作履歴データを加工して得られる複数のデータを別々に入力する。そして、推定部１１Ｂは、故障診断モデル１５Ｂから別々に出力される複数の判定結果を用いて、ＣＧＳ４０の機能部毎に故障の有無を推定する。

また、経路診断部１１Ｅは、経路診断による経路の絞り込みの結果を、エラーの種別を表すエラーコードと共に通知する制御を行うようにしてもよい。なお、エラーコードの通知先は、例えば、作業担当者６０が持つメンテナンス用端末７０とされる。

また、経路診断部１１Ｅは、ガス経路５２、改質水経路５３、及び空気経路５４の少なくとも１つに対する経路診断を、燃料電池ユニット５０の温度帯に応じた方法を用いて行う。

ここで、本実施形態に係る記憶部１５には、第３データテーブル１５Ｅと、第４データテーブル１５Ｆとが記憶されている。これらの第３データテーブル１５Ｅ及び第４データテーブル１５Ｆは、経路診断部１１Ｅにより参照可能とされる。

図１２は、本実施形態に係る第３データテーブル１５Ｅの一例を示す図である。

図１２に示す第３データテーブル１５Ｅは、エラー種別（エラーコードＡ～Ｈ）毎に故障の可能性がある経路を予め指定して区分けしたデータテーブルである。エラーコードＡは、ガス経路５２、改質水経路５３、及び空気経路５４を対象とするコードであり、第１エラーコードの一例である。エラーコードＢは、ガス経路５２及び改質水経路５３を対象とするコードであり、第２エラーコードの一例である。エラーコードＣは、ガス経路５２及び空気経路５４を対象とするコードであり、第３エラーコードの一例である。エラーコードＥは、改質水経路５３及び空気経路５４を対象とするコードであり、第４エラーコードの一例である。これらのエラーコードＡ、Ｂ、Ｃ、Ｅはいずれも２つ以上の経路を対象としている。これらのエラーコードＡ、Ｂ、Ｃ、Ｅには経路を絞り込むための経路診断方法が対応付けられている。具体的に、エラーコードＡには経路診断Ａが対応付けられ、エラーコードＢには経路診断Ｂが対応付けられ、エラーコードＣには経路診断Ｃが対応付けられ、エラーコードＥには経路診断Ｅが対応付けられている。なお、これらの経路診断Ａ、Ｂ、Ｃ、Ｅの具体的な経路診断方法については後述する。

なお、エラーコードＤでは、ガス経路５２のみが対象とされているため、エラー原因がガス経路５２と特定される。同様に、エラーコードＦでは改質水経路５３のみが対象とされているため、エラー原因が改質水経路５３と特定され、エラーコードＧでは空気経路５４のみが対象とされているため、エラー原因が空気経路５４と特定される。また、エラーコードＨは、ガス、改質水、及び空気の各経路とは無関係のエラーである。図１２の例では、これらのエラーコードＤ、Ｆ、Ｇ、Ｈについての経路診断は行われないが、エラーコードＤ、Ｆ、Ｇについては経路診断を行うようにしてもよい。

図１３は、本実施形態に係る第４データテーブル１５Ｆの一例を示す図である。

図１３に示す第４データテーブル１５Ｆは、温度帯の区分けと各温度帯における改質水、ガス、及び空気の経路診断方法を規定したデータテーブルである。燃料電池ユニット５０の温度帯は、第１温度帯の一例である温度帯[イ]、第２温度帯の一例である温度帯[ロ]、第３温度帯の一例である温度帯[ハ]、及び、第４温度帯の一例である温度帯[ニ]を含んでいる。

燃料電池モジュール５１の最高温度を最高温度Ｔ１[℃]とし、改質器５１Ｂ（改質触媒）へのガス導入により炭素析出が生じる温度（例えば、５００℃）を炭素析出温度Ｔ２[℃]とし、燃料電池スタック５１Ａへの空気導入により燃料電池セルの再酸化が生じる温度（例えば、３００℃）を再酸化温度Ｔ３[℃]とし、改質器５１Ｂに導入される改質水が気化する温度（例えば、１００℃）を気化温度Ｔ４[℃]とした場合、温度帯[イ]は、炭素析出温度Ｔ２より高く、最高温度Ｔ１以下の温度帯である。温度帯[ロ]は、再酸化温度Ｔ３より高く、炭素析出温度Ｔ２以下の温度帯である。温度帯[ハ]は、気化温度Ｔ４より高く、再酸化温度Ｔ３以下の温度帯である。温度帯[ニ]は、気化温度Ｔ４以下の温度帯である。

ガス経路診断方法は、燃料電池ユニット５０の温度が温度帯[イ]である場合に、改質水及びガスを導入し、燃料電池ユニット５０の温度が温度帯[ロ]又は温度帯[ハ]又は温度帯[ニ]である場合に、ガスを導入する方法である。温度帯[イ]で改質水を導入するのは、炭素の析出を防止するためである。なお、温度帯[ロ]及び温度帯[ハ]では、改質水及びガスを導入してもよい。なお、燃料電池ユニット５０の温度には、燃料電池スタック５１Ａの温度であるスタック温度及び改質器５１Ｂの温度である改質温度の少なくとも一方が用いられる。例えば、スタック温度及び改質温度のうち、より高温な温度を燃料電池ユニット５０の温度としてもよいし、スタック温度及び改質温度の平均温度を燃料電池ユニット５０の温度としてもよい。また、燃料電池ユニット５０の温度情報は、ＣＧＳ４０の制御装置４１から取得される。燃料電池ユニット５０の温度情報は、例えば、制御装置４１から故障診断装置１０Ａに送信される動作履歴データに含めておけばよい。

改質水経路診断方法は、燃料電池ユニット５０の温度が温度帯[イ]又は温度帯[ロ]又は温度帯[ハ]である場合に、改質水を導入し、燃料電池ユニット５０の温度が温度帯[ニ]である場合に、診断不可とする方法である。

空気経路診断方法は、燃料電池ユニット５０の温度が温度帯[イ]又は温度帯[ロ]である場合に、改質水、ガス、及び空気を導入し、燃料電池ユニット５０の温度が温度帯[ハ]又は温度帯[ニ]である場合に、空気を導入する方法である。温度帯[イ]又は温度帯[ロ]で改質水、ガス、及び空気を導入するのは、セルの再酸化を防止するためである。なお、温度帯[イ]では、改質水及び空気を導入してもよい。温度帯[ロ]では、改質水及び空気、又は、ガス及び空気を導入してもよい。温度帯[ハ]では、改質水、ガス、及び空気、又は、改質水及び空気、又は、ガス及び空気を導入してもよい。

次に、図１４を参照して、第２の実施形態に係る故障診断装置１０Ａの作用について説明する。

図１４は、第２の実施形態に係る故障診断プログラム１５Ａによる処理の流れの一例を示すフローチャートである。

まず、ＣＰＵ１１により記憶部１５に記憶されている故障診断プログラム１５Ａが起動され、以下に示す各ステップが実行される。

図１４のステップＳ１３１では、ＣＰＵ１１が、ＣＧＳ４０の制御装置４１から送信された複数の動作履歴データ（ここではデータ１及びデータ２）を取得する。

ステップＳ１３２では、ＣＰＵ１１が、ステップＳ１３１で取得したデータ１及びデータ２から共通のエラーコードを抽出する。

ステップＳ１３３では、ＣＰＵ１１が、ステップＳ１３２で抽出したエラーコードがエラーコードＡであるか否かを判定する。エラーコードＡであると判定した場合（肯定判定の場合）、ステップＳ１３４に移行し、エラーコードＡではないと判定した場合（否定判定の場合）、ステップＳ１３５に移行する。

ステップＳ１３４では、ＣＰＵ１１が、一例として、上述の図１２に示す第３データテーブル１５Ｅを参照し、エラーコードＡに対応付けられた経路診断Ａを実施し、故障の可能性がある経路の絞り込みを行い、ステップＳ１４１に移行する。なお、この経路診断Ａの具体的な方法については後述する。

一方、ステップＳ１３５では、ＣＰＵ１１が、ステップＳ１３２で抽出したエラーコードがエラーコードＢであるか否かを判定する。エラーコードＢであると判定した場合（肯定判定の場合）、ステップＳ１３６に移行し、エラーコードＢではないと判定した場合（否定判定の場合）、ステップＳ１３７に移行する。

ステップＳ１３６では、ＣＰＵ１１が、一例として、上述の図１２に示す第３データテーブル１５Ｅを参照し、エラーコードＢに対応付けられた経路診断Ｂを実施し、ステップＳ１４１に移行する。なお、この経路診断Ｂの具体的な方法については後述する。

一方、ステップＳ１３７では、ＣＰＵ１１が、ステップＳ１３２で抽出したエラーコードがエラーコードＣであるか否かを判定する。エラーコードＣであると判定した場合（肯定判定の場合）、ステップＳ１３８に移行し、エラーコードＣではないと判定した場合（否定判定の場合）、ステップＳ１３９に移行する。

ステップＳ１３８では、ＣＰＵ１１が、一例として、上述の図１２に示す第３データテーブル１５Ｅを参照し、エラーコードＣに対応付けられた経路診断Ｃを実施し、ステップＳ１４１に移行する。なお、この経路診断Ｃの具体的な方法については後述する。

一方、ステップＳ１３９では、ＣＰＵ１１が、ステップＳ１３２で抽出したエラーコードがエラーコードＥであるか否かを判定する。エラーコードＥであると判定した場合（肯定判定の場合）、ステップＳ１４０に移行し、エラーコードＥではないと判定した場合（否定判定の場合）、エラーコードＡ、Ｂ、Ｃ、Ｅ以外のエラーコードＤ、Ｆ、Ｇ、Ｈにつて経路診断を行うことなく、ステップＳ１４１に移行する。

ステップＳ１４０では、ＣＰＵ１１が、一例として、上述の図１２に示す第３データテーブル１５Ｅを参照し、エラーコードＥに対応付けられた経路診断Ｅを実施し、ステップＳ１４１に移行する。なお、この経路診断Ｅの具体的な方法については後述する。

ステップＳ１４１では、ＣＰＵ１１が、ステップＳ１３４又はステップＳ１３６又はステップＳ１３８又はステップＳ１４０の経路診断による絞り込みの結果である故障経路を特定する、あるいは、エラーコードＡ、Ｂ、Ｃ、Ｅ以外のエラーコードＤ、Ｆ、Ｇ、Ｈに対応する故障経路を特定する。

ステップＳ１４２では、ＣＰＵ１１が、記憶部１５に記憶されている機能部毎の故障診断モデル１５Ｂの中から、ステップＳ１４１で特定した故障経路に関する故障診断モデル１５Ｂを選択し、選択した故障診断モデル１５Ｂのみを用いて故障診断を行い、本故障診断プログラム１５Ａによる一連の処理を終了する。

次に、図１５を参照して、図１４のステップＳ１３４に係る経路診断Ａの具体的な方法について説明する。

図１５は、第２の実施形態に係る経路診断Ａの処理の流れの一例を示すフローチャートである。なお、本実施形態に係る経路診断Ａでは、一例として、改質水経路５３、ガス経路５２、及び空気経路５４の順番で経路診断が実施される。

図１５のステップＳ１５１では、ＣＰＵ１１が、一例として、上述の図１３に示す第４データテーブル１５Ｆを参照し、燃料電池ユニット５０の温度が、温度帯[イ]、[ロ]、[ハ]、[ニ]のいずれであるかを判定する。なお、燃料電池ユニット５０の温度には、上述したように、スタック温度及び改質温度の少なくとも一方が用いられる。燃料電池ユニット５０の温度が温度帯[イ]又は温度帯[ロ]又は温度帯[ハ]であると判定した場合（イ、ロ、ハの場合）、ステップＳ１５２に移行し、燃料電池ユニット５０の温度が温度帯[ニ]であると判定した場合（ニの場合）、ステップＳ１５３に移行する。

ステップＳ１５２では、ＣＰＵ１１が、ＣＧＳ４０に対して、改質水経路５３に改質水を導入する制御を行い、ステップＳ１５４に移行する。

一方、ステップＳ１５３では、ＣＰＵ１１が、改質水経路５３に対して経路判定不能タグを付与し、ステップＳ１５９に移行する。

ステップＳ１５４では、ＣＰＵ１１が、所定の判定基準に従って、改質水経路５３が正常であるか否かを判定する。改質水経路５３が正常であると判定した場合（肯定判定の場合）、ステップＳ１５５に移行し、改質水経路５３が正常ではない、つまり、異常であると判定した場合（否定判定の場合）、ステップＳ１５６に移行する。

ステップＳ１５５では、ＣＰＵ１１が、一例として、上述の図１３に示す第４データテーブル１５Ｆを参照し、燃料電池ユニット５０の温度が、温度帯[イ]、[ロ]、[ハ]、[ニ]のいずれであるかを判定する。燃料電池ユニット５０の温度が温度帯[イ]であると判定した場合（イの場合）、ステップＳ１５８に移行し、燃料電池ユニット５０の温度が温度帯[ロ]又は温度帯[ハ]又は温度帯[ニ]であると判定した場合（ロ、ハ、ニの場合）、ステップＳ１５９に移行する。

一方、ステップＳ１５６では、ＣＰＵ１１が、改質水経路５３に対して経路異常タグを付与する。

ステップＳ１５７では、ＣＰＵ１１が、燃料電池ユニット５０の温度が温度帯[ロ]以下になるまで待機し、ステップＳ１５９に移行する。

ステップＳ１５８では、ＣＰＵ１１が、改質水経路５３に改質水を導入し、ガス経路５２にガスを導入する制御を行い、ステップＳ１６０に移行する。

一方、ステップＳ１５９では、ＣＰＵ１１が、ガス経路５２にガスを導入する制御を行い、ステップＳ１６０に移行する。

ステップＳ１６０では、ＣＰＵ１１が、所定の判定基準に従って、ガス経路５２が正常であるか否かを判定する。ガス経路５２が正常であると判定した場合（肯定判定の場合）、ステップＳ１６１に移行し、ガス経路５２が正常ではない、つまり、異常であると判定した場合（否定判定の場合）、ステップＳ１６５に移行する。

ステップＳ１６１では、ＣＰＵ１１が、所定の判定基準に従って、改質水経路５３が正常であるか否かを判定する。改質水経路５３が正常ではない、つまり、異常であると判定した場合（否定判定の場合）、ステップＳ１６２に移行し、改質水経路５３が正常であると判定した場合（肯定判定の場合）、ステップＳ１６４に移行する。

ステップＳ１６２では、ＣＰＵ１１が、燃料電池ユニット５０の温度が温度帯[ロ]以下になるまで待機する。

ステップＳ１６３では、ＣＰＵ１１が、ガス経路５２にガスを導入し、空気経路５４に空気を導入する制御を行い、ステップＳ１７０に移行する。

一方、ステップＳ１６４では、ＣＰＵ１１が、一例として、上述の図１３に示す第４データテーブル１５Ｆを参照し、燃料電池ユニット５０の温度が、温度帯[イ]、[ロ]、[ハ]、[ニ]のいずれであるかを判定する。燃料電池ユニット５０の温度が温度帯[イ]又は温度帯[ロ]であると判定した場合（イ、ロの場合）、ステップＳ１６８に移行し、燃料電池ユニット５０の温度が温度帯[ハ]又は温度帯[ニ]であると判定した場合（ハ、ニの場合）、ステップＳ１６９に移行する。

一方、ステップＳ１６５では、ＣＰＵ１１が、ガス経路５２に対して経路異常タグを付与する。

ステップＳ１６６では、ＣＰＵ１１が、所定の判定基準に従って、改質水経路５３が正常であるか否かを判定する。改質水経路５３が正常であると判定した場合（肯定判定の場合）、ステップＳ１６４に移行し、改質水経路５３が正常ではない、つまり、異常であると判定した場合（否定判定の場合）、ステップＳ１６７に移行する。

ステップＳ１６７では、ＣＰＵ１１が、燃料電池ユニット５０の温度が温度帯[ハ]以下になるまで待機し、ステップＳ１６９に移行する。

ステップＳ１６８では、ＣＰＵ１１が、改質水経路５３に改質水を導入し、ガス経路５２にガスを導入し、空気経路５４に空気を導入する制御を行い、ステップＳ１７０に移行する。

一方、ステップＳ１６９では、ＣＰＵ１１が、空気経路５４に空気を導入する制御を行い、ステップＳ１７０に移行する。

ステップＳ１７０では、ＣＰＵ１１が、所定の判定基準に従って、空気経路５４が正常であるか否かを判定する。空気経路５４が正常であると判定した場合（肯定判定の場合）、ステップＳ１７２に移行し、空気経路５４が正常ではない、つまり、異常であると判定した場合（否定判定の場合）、ステップＳ１７１に移行する。

ステップＳ１７１では、ＣＰＵ１１が、空気経路５４に対して経路異常タグを付与し、ステップＳ１７２に移行する。

ステップＳ１７２では、ＣＰＵ１１が、エラーを確定、つまり、改質水経路５３、ガス経路５２、及び空気経路５４のうち、経路異常タグが付与された経路を、故障の可能性がある経路として確定し、図１４のステップＳ１４１にリターンする。

次に、図１６を参照して、図１４のステップＳ１３６に係る経路診断Ｂの具体的な方法について説明する。

図１６は、第２の実施形態に係る経路診断Ｂの処理の流れの一例を示すフローチャートである。なお、本実施形態に係る経路診断Ｂでは、一例として、改質水経路５３及びガス経路５２の順番で経路診断が実施される。

図１６のステップＳ１８１では、ＣＰＵ１１が、一例として、上述の図１３に示す第４データテーブル１５Ｆを参照し、燃料電池ユニット５０の温度が、温度帯[イ]、[ロ]、[ハ]、[ニ]のいずれであるかを判定する。燃料電池ユニット５０の温度が温度帯[イ]又は温度帯[ロ]又は温度帯[ハ]であると判定した場合（イ、ロ、ハの場合）、ステップＳ１８２に移行し、燃料電池ユニット５０の温度が温度帯[ニ]であると判定した場合（ニの場合）、ステップＳ１８３に移行する。

ステップＳ１８２では、ＣＰＵ１１が、改質水経路５３に改質水を導入する制御を行い、ステップＳ１８４に移行する。

一方、ステップＳ１８３では、ＣＰＵ１１が、改質水経路５３に対して経路判定不能タグを付与し、ステップＳ１８９に移行する。

ステップＳ１８４では、ＣＰＵ１１が、所定の判定基準に従って、改質水経路５３が正常であるか否かを判定する。改質水経路５３が正常であると判定した場合（肯定判定の場合）、ステップＳ１８５に移行し、改質水経路５３が正常ではない、つまり、異常であると判定した場合（否定判定の場合）、ステップＳ１８６に移行する。

ステップＳ１８５では、ＣＰＵ１１が、一例として、上述の図１３に示す第４データテーブル１５Ｆを参照し、燃料電池ユニット５０の温度が、温度帯[イ]、[ロ]、[ハ]、[ニ]のいずれであるかを判定する。燃料電池ユニット５０の温度が温度帯[イ]であると判定した場合（イの場合）、ステップＳ１８８に移行し、燃料電池ユニット５０の温度が温度帯[ロ]又は温度帯[ハ]又は温度帯[ニ]であると判定した場合（ロ、ハ、ニの場合）、ステップＳ１８９に移行する。

一方、ステップＳ１８６では、ＣＰＵ１１が、改質水経路５３に対して経路異常タグを付与する。

ステップＳ１８７では、ＣＰＵ１１が、燃料電池ユニット５０の温度が温度帯[ロ]以下になるまで待機し、ステップＳ１８９に移行する。

ステップＳ１８８では、ＣＰＵ１１が、改質水経路５３に改質水を導入し、ガス経路５２にガスを導入する制御を行い、ステップＳ１９０に移行する。

一方、ステップＳ１８９では、ＣＰＵ１１が、ガス経路５２にガスを導入する制御を行い、ステップＳ１９０に移行する。

ステップＳ１９０では、ＣＰＵ１１が、所定の判定基準に従って、ガス経路５２が正常であるか否かを判定する。ガス経路５２が正常であると判定した場合（肯定判定の場合）、ステップＳ１９２に移行し、ガス経路５２が正常ではない、つまり、異常であると判定した場合（否定判定の場合）、ステップＳ１９１に移行する。

ステップＳ１９１では、ＣＰＵ１１が、ガス経路５２に対して経路異常タグを付与し、ステップＳ１９２に移行する。

ステップＳ１９２では、ＣＰＵ１１が、エラーを確定、つまり、改質水経路５３及びガス経路５２のうち、経路異常タグが付与された経路を、故障の可能性がある経路として確定し、図１４のステップＳ１４１にリターンする。

次に、図１７を参照して、図１４のステップＳ１３８に係る経路診断Ｃの具体的な方法について説明する。

図１７は、第２の実施形態に係る経路診断Ｃの処理の流れの一例を示すフローチャートである。なお、本実施形態に係る経路診断Ｃでは、一例として、ガス経路５２及び空気経路５４の順番で経路診断が実施される。

図１７のステップＳ２０１では、ＣＰＵ１１が、一例として、上述の図１３に示す第４データテーブル１５Ｆを参照し、燃料電池ユニット５０の温度が、温度帯[イ]、[ロ]、[ハ]、[ニ]のいずれであるかを判定する。燃料電池ユニット５０の温度が温度帯[イ]であると判定した場合（イの場合）、ステップＳ２０２に移行し、燃料電池ユニット５０の温度が温度帯[ロ]又は温度帯[ハ]又は温度帯[ニ]であると判定した場合（ロ、ハ、ニの場合）、ステップＳ２０３に移行する。

ステップＳ２０２では、ＣＰＵ１１が、改質水経路５３に改質水を導入し、ガス経路５２にガスを導入する制御を行い、ステップＳ２０４に移行する。

一方、ステップＳ２０３では、ＣＰＵ１１が、ガス経路５２にガスを導入する制御を行い、ステップＳ２０４に移行する。

ステップＳ２０４では、ＣＰＵ１１が、所定の判定基準に従って、ガス経路５２が正常であるか否かを判定する。ガス経路５２が正常であると判定した場合（肯定判定の場合）、ステップＳ２０５に移行し、ガス経路５２が正常ではない、つまり、異常であると判定した場合（否定判定の場合）、ステップＳ２０６に移行する。

ステップＳ２０５では、ＣＰＵ１１が、一例として、上述の図１３に示す第４データテーブル１５Ｆを参照し、燃料電池ユニット５０の温度が、温度帯[イ]、[ロ]、[ハ]、[ニ]のいずれであるかを判定する。燃料電池ユニット５０の温度が温度帯[イ]又は温度帯[ロ]であると判定した場合（イ、ロの場合）、ステップＳ２０７に移行し、燃料電池ユニット５０の温度が温度帯[ハ]又は温度帯[ニ]であると判定した場合（ハ、ニの場合）、ステップＳ２０８に移行する。

一方、ステップＳ２０６では、ＣＰＵ１１が、ガス経路５２に対して経路異常タグを付与し、ステップＳ２０５に移行する。

ステップＳ２０７では、ＣＰＵ１１が、改質水経路５３に改質水を導入し、ガス経路５２にガスを導入し、空気経路５４に空気を導入する制御を行い、ステップＳ２０９に移行する。

一方、ステップＳ２０８では、ＣＰＵ１１が、空気経路５４に空気を導入する制御を行い、ステップＳ２０９に移行する。

ステップＳ２０９では、ＣＰＵ１１が、所定の判定基準に従って、空気経路５４が正常であるか否かを判定する。空気経路５４が正常であると判定した場合（肯定判定の場合）、ステップＳ２１１に移行し、空気経路５４が正常ではない、つまり、異常であると判定した場合（否定判定の場合）、ステップＳ２１０に移行する。

ステップＳ２１０では、ＣＰＵ１１が、空気経路５４に対して経路異常タグを付与し、ステップＳ２１１に移行する。

ステップＳ２１１では、ＣＰＵ１１が、エラーを確定、つまり、ガス経路５２及び空気経路５４のうち、経路異常タグが付与された経路を、故障の可能性がある経路として確定し、図１４のステップＳ１４１にリターンする。

次に、図１８を参照して、図１４のステップＳ１４０に係る経路診断Ｅの具体的な方法について説明する。

図１８は、第２の実施形態に係る経路診断Ｅの処理の流れの一例を示すフローチャートである。なお、本実施形態に係る経路診断Ｅでは、一例として、改質水経路５３及び空気経路５４の順番で経路診断が実施される。

図１８のステップＳ２２１では、ＣＰＵ１１が、一例として、上述の図１３に示す第４データテーブル１５Ｆを参照し、燃料電池ユニット５０の温度が、温度帯[イ]、[ロ]、[ハ]、[ニ]のいずれであるかを判定する。燃料電池ユニット５０の温度が温度帯[イ]又は温度帯[ロ]又は温度帯[ハ]であると判定した場合（イ、ロ、ハの場合）、ステップＳ２２２に移行し、燃料電池ユニット５０の温度が温度帯[ニ]であると判定した場合（ニの場合）、ステップＳ２２３に移行する。

ステップＳ２２２では、ＣＰＵ１１が、改質水経路５３に改質水を導入する制御を行い、ステップＳ２２４に移行する。

一方、ステップＳ２２３では、ＣＰＵ１１が、改質水経路５３に対して経路判定不能タグを付与し、ステップＳ２２８に移行する。

ステップＳ２２４では、ＣＰＵ１１が、所定の判定基準に従って、改質水経路５３が正常であるか否かを判定する。改質水経路５３が正常であると判定した場合（肯定判定の場合）、ステップＳ２２５に移行し、改質水経路５３が正常ではない、つまり、異常であると判定した場合（否定判定の場合）、ステップＳ２２６に移行する。

ステップＳ２２５では、ＣＰＵ１１が、一例として、上述の図１３に示す第４データテーブル１５Ｆを参照し、燃料電池ユニット５０の温度が、温度帯[イ]、[ロ]、[ハ]、[ニ]のいずれであるかを判定する。燃料電池ユニット５０の温度が温度帯[イ]又は温度帯[ロ]であると判定した場合（イ、ロの場合）、ステップＳ２２７に移行し、燃料電池ユニット５０の温度が温度帯[ハ]又は温度帯[ニ]であると判定した場合（ハ、ニの場合）、ステップＳ２２８に移行する。

一方、ステップＳ２２６では、ＣＰＵ１１が、改質水経路５３に対して経路異常タグを付与し、ステップＳ２２８に移行する。

ステップＳ２２７では、ＣＰＵ１１が、改質水経路５３に改質水を導入し、ガス経路５２にガスを導入し、空気経路５４に空気を導入する制御を行い、ステップＳ２２９に移行する。

一方、ステップＳ２２８では、ＣＰＵ１１が、空気経路５４に空気を導入する制御を行い、ステップＳ２２９に移行する。

ステップＳ２２９では、ＣＰＵ１１が、所定の判定基準に従って、空気経路５４が正常であるか否かを判定する。空気経路５４が正常であると判定した場合（肯定判定の場合）、ステップＳ２３１に移行し、空気経路５４が正常ではない、つまり、異常であると判定した場合（否定判定の場合）、ステップＳ２３０に移行する。

ステップＳ２３０では、ＣＰＵ１１が、空気経路５４に対して経路異常タグを付与し、ステップＳ２３１に移行する。

ステップＳ２３１では、ＣＰＵ１１が、エラーを確定、つまり、改質水経路５３及び空気経路５４のうち、経路異常タグが付与された経路を、故障の可能性がある経路として確定し、図１４のステップＳ１４１にリターンする。

なお、本実施形態では、故障診断装置１０Ａを外部のサーバ装置として実現した場合について説明したが、これに限定されない。故障診断装置１０ＡはＣＧＳ４０の制御装置４１として実現してもよい。

このように本実施形態によれば、故障経路を絞り込み、絞り込んだ故障経路に関する故障診断モデルのみを適用すればよい。このため、故障診断を効率的に、かつ、精度良く行うことができる。

以上、上記実施形態として、故障診断装置及び故障診断システムを例示して説明したが、実施形態は、故障診断装置が備える各部の機能をコンピュータに実行させるためのプログラムの形態としてもよい。実施形態は、このプログラムを記憶したコンピュータが読み取り可能な記憶媒体の形態としてもよい。

その他、上記実施形態で説明した故障診断装置及び故障診断システムの構成は、一例であり、主旨を逸脱しない範囲内において状況に応じて変更してもよい。

また、上記実施形態で説明したプログラムの処理の流れも、一例であり、主旨を逸脱しない範囲内において不要なステップを削除したり、新たなステップを追加したり、処理順序を入れ替えたりしてもよい。

また、上記実施形態では、プログラムを実行することにより、実施形態に係る処理がコンピュータを利用してソフトウェア構成により実現される場合について説明したが、これに限らない。実施形態は、例えば、ハードウェア構成や、ハードウェア構成とソフトウェア構成との組み合わせによって実現してもよい。

１０、１０Ａ 故障診断装置
１１、４２ ＣＰＵ
１１Ａ 取得部
１１Ｂ 推定部
１１Ｃ 学習部
１１Ｄ 出力部
１１Ｅ 経路診断部
１２、４３ ＲＯＭ
１３、４４ ＲＡＭ
１４、４５ Ｉ／Ｏ
１５、４６ 記憶部
１５Ａ 故障診断プログラム
１５Ｂ 故障診断モデル
１５Ｃ 第１データテーブル
１５Ｄ 第２データテーブル
１５Ｅ 第３データテーブル
１５Ｆ 第４データテーブル
１６ 表示部
１７ 操作部
１８、４７ 通信部
３０ ユーザ宅
４０ ＣＧＳ
４１ 制御装置
４６Ａ 制御プログラム
４８ 機器Ｉ／Ｆ
４９ ＣＧＳ本体部
５０ 燃料電池ユニット
５１ 燃料電池モジュール
５１Ａ 燃料電池スタック
５１Ｂ 改質器
５２ ガス経路
５３ 改質水経路
５４ 空気経路
６０ 作業担当者
７０ メンテナンス用端末
１００ 故障診断システム

Claims (13)

1. 燃料電池コージェネレーションシステムが動作の異常を検知した際に、前記燃料電池コージェネレーションシステムのリトライ動作を行い、当該リトライ動作の結果、複数回の異常を検知した場合に、前記燃料電池コージェネレーションシステムから、前記複数回の異常の各々に対応する、前記燃料電池コージェネレーションシステムの動作履歴に関する複数の動作履歴データを取得する取得部と、
   過去に得られた動作履歴データ群を、前記燃料電池コージェネレーションシステムの機能部に対応付けて多変量解析又は機械学習することにより生成され、かつ、前記燃料電池コージェネレーションシステムの機能部毎に故障の有無を判定する機能部毎の故障診断モデルに対して、前記取得部により取得された複数の動作履歴データ又は当該複数の動作履歴データを加工して得られる複数のデータを別々に入力し、前記故障診断モデルから別々に出力される複数の判定結果を用いて、前記燃料電池コージェネレーションシステムの機能部毎に故障の有無を推定する推定部と、
   を備えた故障診断装置。
2. 前記推定部は、前記故障診断モデルに別々に入力した複数のデータの各々に対する判定結果がいずれも故障である場合に、前記故障診断モデルに対応付けられた機能部を故障と推定し、前記故障診断モデルに別々に入力した複数のデータの各々に対する判定結果がいずれも健全である場合に、前記故障診断モデルに対応付けられた機能部を健全と推定し、前記故障診断モデルに別々に入力した複数のデータの各々に対する判定結果の一方が故障、他方が健全である場合に、前記故障診断モデルに対応付けられた機能部を故障疑いと推定する
   請求項１に記載の故障診断装置。
3. 前記推定部は、前記リトライ動作の回数が２回以上である場合、前記故障診断モデルに別々に入力した複数のデータの各々に対する判定結果である故障及び健全の判定回数に基づいて、前記故障診断モデルに対応付けられた機能部を故障又は健全又は故障疑いとして推定する
   請求項１に記載の故障診断装置。
4. 前記推定部は、前記リトライ動作の回数が２回以上である場合、前記故障診断モデルに別々に入力した複数のデータの各々に対する判定結果と、前記故障診断モデルの故障判定時の適合率とから導出される故障スコアに基づいて、前記故障診断モデルに対応付けられた機能部を故障又は健全又は故障疑いとして推定する
   請求項１に記載の故障診断装置。
5. 前記推定部は、前記リトライ動作の回数が２回以上である場合、前記故障診断モデルに別々に入力した複数のデータの各々に対する判定結果と、前記故障診断モデルの健全判定時の適合率又は故障検出の再現率とから導出される健全スコアに基づいて、前記故障診断モデルに対応付けられた機能部を故障又は健全又は故障疑いとして推定する
   請求項１に記載の故障診断装置。
6. 前記推定部は、前記リトライ動作の回数が２回以上である場合、前記故障診断モデルに別々に入力した複数のデータの各々に対する判定結果と、前記故障診断モデルの故障判定時の適合率とから導出される故障スコア、及び、前記故障診断モデルに別々に入力した複数のデータの各々に対する判定結果と、前記故障診断モデルの健全判定時の適合率又は故障検出の再現率とから導出される健全スコアに基づいて、前記故障診断モデルに対応付けられた機能部を故障又は健全又は故障疑いとして推定する
   請求項１に記載の故障診断装置。
7. 前記リトライ動作の回数は、前記異常の種別を表すエラーコードに応じて予め定められている
   請求項１～請求項６の何れか１項に記載の故障診断装置。
8. 前記燃料電池コージェネレーションシステムは、発電を行う燃料電池モジュールが設けられ、かつ、前記燃料電池モジュールに接続されたガス経路、改質水経路、及び空気経路が設けられた燃料電池ユニットを含み、
   前記燃料電池ユニットの動作の異常を検知した場合に、前記異常の種別に応じた経路診断を、前記ガス経路、前記改質水経路、及び前記空気経路の少なくとも１つに対して行い、故障の可能性がある経路を絞り込む経路診断部を更に備え、
   前記推定部は、前記機能部毎の故障診断モデルの中から、前記経路診断部で絞り込まれた経路に関する故障診断モデルを選択し、選択した故障診断モデルを用いて、前記燃料電池コージェネレーションシステムの機能部毎に故障の有無を推定する
   請求項１～請求項７の何れか１項に記載の故障診断装置。
9. 前記動作履歴データは、前記異常の種別を表すエラーコードを含み、
   前記エラーコードは、前記ガス経路、前記改質水経路、及び前記空気経路を対象とする第１エラーコード、前記ガス経路及び前記改質水経路を対象とする第２エラーコード、前記ガス経路及び前記空気経路を対象とする第３エラーコード、及び、前記改質水経路及び前記空気経路を対象とする第４エラーコードのいずれかである
   請求項８に記載の故障診断装置。
10. 前記経路診断部は、前記ガス経路、前記改質水経路、及び前記空気経路の少なくとも１つに対する前記経路診断を、前記燃料電池ユニットの温度帯に応じた方法を用いて行う
    請求項８又は請求項９に記載の故障診断装置。
11. 前記燃料電池モジュールは、電解質層、燃料極、及び空気極を有する複数の燃料電池セルが積層された燃料電池スタックと、炭化水素原料を含むガスを改質する改質器と、を含み、
    前記燃料電池ユニットの温度帯は、前記改質器へのガス導入により炭素析出が生じる温度である炭素析出温度より高く、前記燃料電池モジュールの最高温度以下の第１温度帯と、前記燃料電池スタックへの空気導入により燃料電池セルの再酸化が生じる温度である再酸化温度より高く、前記炭素析出温度以下の第２温度帯と、前記改質器に導入される改質水が気化する温度である気化温度より高く、前記再酸化温度以下の第３温度帯と、前記気化温度以下の第４温度帯と、を含み、
    前記ガス経路に対する前記経路診断の方法は、前記燃料電池ユニットの温度が前記第１温度帯である場合に、改質水及びガスを導入し、前記燃料電池ユニットの温度が前記第２温度帯又は前記第３温度帯又は前記第４温度帯である場合に、ガスを導入する方法であり、
    前記改質水経路に対する前記経路診断の方法は、前記燃料電池ユニットの温度が前記第１温度帯又は前記第２温度帯又は前記第３温度帯である場合に、改質水を導入し、前記燃料電池ユニットの温度が前記第４温度帯である場合に、診断不可とする方法であり、
    前記空気経路に対する前記経路診断の方法は、前記燃料電池ユニットの温度が前記第１温度帯である場合に、少なくとも改質水及び空気を導入し、前記燃料電池ユニットの温度が前記第２温度帯である場合に、改質水及びガスの少なくとも一方と空気とを導入し、前記燃料電池ユニットの温度が前記第３温度帯又は前記第４温度帯である場合に、空気を導入する方法である
    請求項１０に記載の故障診断装置。
12. 燃料電池コージェネレーションシステムと、
    前記燃料電池コージェネレーションシステムと接続された故障診断装置と、
    を備え、
    前記燃料電池コージェネレーションシステムは、
    自システムの動作の異常を検知した際に、自システムのリトライ動作を行い、当該リトライ動作の結果、複数回の異常を検知した場合に、前記故障診断装置に対して、前記複数回の異常の各々に対応する、自システムの動作履歴に関する複数の動作履歴データを送信し、
    前記故障診断装置は、
    前記燃料電池コージェネレーションシステムから送信された前記複数の動作履歴データを取得する取得部と、
    過去に得られた動作履歴データ群を、前記燃料電池コージェネレーションシステムの機能部に対応付けて多変量解析又は機械学習することにより生成され、かつ、前記燃料電池コージェネレーションシステムの機能部毎に故障の有無を判定する機能部毎の故障診断モデルに対して、前記取得部により取得された複数の動作履歴データ又は当該複数の動作履歴データを加工して得られる複数のデータを別々に入力し、前記故障診断モデルから別々に出力される複数の判定結果を用いて、前記燃料電池コージェネレーションシステムの機能部毎に故障の有無を推定する推定部と、
    を備えた故障診断システム。
13. コンピュータを、請求項１～請求項１１の何れか１項に記載の故障診断装置が備える各部として機能させるための故障診断プログラム。