CN105026945B - 二次电池状态检测装置及二次电池状态检测方法 - Google Patents

二次电池状态检测装置及二次电池状态检测方法 Download PDF

Info

Publication number
CN105026945B
CN105026945B CN201480013224.4A CN201480013224A CN105026945B CN 105026945 B CN105026945 B CN 105026945B CN 201480013224 A CN201480013224 A CN 201480013224A CN 105026945 B CN105026945 B CN 105026945B
Authority
CN
China
Prior art keywords
secondary cell
type
voltage
circuit model
state
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.)
Active
Application number
CN201480013224.4A
Other languages
English (en)
Other versions
CN105026945A (zh
Inventor
岩根典靖
横山浩�
横山浩一
高岛直也
光山泰司
A·科瓦茨
T·米哈尔费
L·罗姆维里
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Furukawa Electric Co Ltd
Furukawa Automotive Systems Inc
Original Assignee
Furukawa Electric Co Ltd
Furukawa Automotive Systems Inc
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Furukawa Electric Co Ltd, Furukawa Automotive Systems Inc filed Critical Furukawa Electric Co Ltd
Publication of CN105026945A publication Critical patent/CN105026945A/zh
Application granted granted Critical
Publication of CN105026945B publication Critical patent/CN105026945B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01R—MEASURING ELECTRIC VARIABLES; MEASURING MAGNETIC VARIABLES
    • G01R31/00—Arrangements for testing electric properties; Arrangements for locating electric faults; Arrangements for electrical testing characterised by what is being tested not provided for elsewhere
    • G01R31/36—Arrangements for testing, measuring or monitoring the electrical condition of accumulators or electric batteries, e.g. capacity or state of charge [SoC]
    • G01R31/392—Determining battery ageing or deterioration, e.g. state of health
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01R—MEASURING ELECTRIC VARIABLES; MEASURING MAGNETIC VARIABLES
    • G01R31/00—Arrangements for testing electric properties; Arrangements for locating electric faults; Arrangements for electrical testing characterised by what is being tested not provided for elsewhere
    • G01R31/36—Arrangements for testing, measuring or monitoring the electrical condition of accumulators or electric batteries, e.g. capacity or state of charge [SoC]
    • G01R31/3644—Constructional arrangements
    • G01R31/3648—Constructional arrangements comprising digital calculation means, e.g. for performing an algorithm
    • H—ELECTRICITY
    • H01—ELECTRIC ELEMENTS
    • H01M—PROCESSES OR MEANS, e.g. BATTERIES, FOR THE DIRECT CONVERSION OF CHEMICAL ENERGY INTO ELECTRICAL ENERGY
    • H01M10/00—Secondary cells; Manufacture thereof
    • H01M10/42—Methods or arrangements for servicing or maintenance of secondary cells or secondary half-cells
    • H01M10/48—Accumulators combined with arrangements for measuring, testing or indicating the condition of cells, e.g. the level or density of the electrolyte
    • H—ELECTRICITY
    • H02—GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
    • H02J—CIRCUIT ARRANGEMENTS OR SYSTEMS FOR SUPPLYING OR DISTRIBUTING ELECTRIC POWER; SYSTEMS FOR STORING ELECTRIC ENERGY
    • H02J7/00—Circuit arrangements for charging or depolarising batteries or for supplying loads from batteries
    • H02J7/0013—Circuit arrangements for charging or depolarising batteries or for supplying loads from batteries acting upon several batteries simultaneously or sequentially
    • H—ELECTRICITY
    • H02—GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
    • H02J—CIRCUIT ARRANGEMENTS OR SYSTEMS FOR SUPPLYING OR DISTRIBUTING ELECTRIC POWER; SYSTEMS FOR STORING ELECTRIC ENERGY
    • H02J7/00—Circuit arrangements for charging or depolarising batteries or for supplying loads from batteries
    • H02J7/0047—Circuit arrangements for charging or depolarising batteries or for supplying loads from batteries with monitoring or indicating devices or circuits
    • H—ELECTRICITY
    • H02—GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
    • H02J—CIRCUIT ARRANGEMENTS OR SYSTEMS FOR SUPPLYING OR DISTRIBUTING ELECTRIC POWER; SYSTEMS FOR STORING ELECTRIC ENERGY
    • H02J7/00—Circuit arrangements for charging or depolarising batteries or for supplying loads from batteries
    • H02J7/0047—Circuit arrangements for charging or depolarising batteries or for supplying loads from batteries with monitoring or indicating devices or circuits
    • H02J7/005—Detection of state of health [SOH]
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01R—MEASURING ELECTRIC VARIABLES; MEASURING MAGNETIC VARIABLES
    • G01R31/00—Arrangements for testing electric properties; Arrangements for locating electric faults; Arrangements for electrical testing characterised by what is being tested not provided for elsewhere
    • G01R31/36—Arrangements for testing, measuring or monitoring the electrical condition of accumulators or electric batteries, e.g. capacity or state of charge [SoC]
    • G01R31/367—Software therefor, e.g. for battery testing using modelling or look-up tables
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01R—MEASURING ELECTRIC VARIABLES; MEASURING MAGNETIC VARIABLES
    • G01R31/00—Arrangements for testing electric properties; Arrangements for locating electric faults; Arrangements for electrical testing characterised by what is being tested not provided for elsewhere
    • G01R31/36—Arrangements for testing, measuring or monitoring the electrical condition of accumulators or electric batteries, e.g. capacity or state of charge [SoC]
    • G01R31/382—Arrangements for monitoring battery or accumulator variables, e.g. SoC
    • G01R31/3842—Arrangements for monitoring battery or accumulator variables, e.g. SoC combining voltage and current measurements
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01R—MEASURING ELECTRIC VARIABLES; MEASURING MAGNETIC VARIABLES
    • G01R31/00—Arrangements for testing electric properties; Arrangements for locating electric faults; Arrangements for electrical testing characterised by what is being tested not provided for elsewhere
    • G01R31/36—Arrangements for testing, measuring or monitoring the electrical condition of accumulators or electric batteries, e.g. capacity or state of charge [SoC]
    • G01R31/389—Measuring internal impedance, internal conductance or related variables
    • H—ELECTRICITY
    • H02—GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
    • H02J—CIRCUIT ARRANGEMENTS OR SYSTEMS FOR SUPPLYING OR DISTRIBUTING ELECTRIC POWER; SYSTEMS FOR STORING ELECTRIC ENERGY
    • H02J7/00—Circuit arrangements for charging or depolarising batteries or for supplying loads from batteries
    • H02J7/0047—Circuit arrangements for charging or depolarising batteries or for supplying loads from batteries with monitoring or indicating devices or circuits
    • H02J7/0048—Detection of remaining charge capacity or state of charge [SOC]
    • 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

Abstract

本发明的课题是高精度地检测类型不同的多个二次电池的状态。作为解决手段，具有：测定单元(电压传感器(11)、电流传感器(12))，其以规定的频度测定流过二次电池(14)的电流的电流值、和由于该电流而在二次电池中产生的电压的电压值；优化单元(CPU(10a))，其根据测定出的电压值及电流值优化二次电池的等效电路模型的元件常数；识别单元(CPU(10a))，其参照被优化后的等效电路模型的元件常数，识别二次电池的类型；存储单元(ROM(10b))，其按照二次电池的每种类型存储用于检测二次电池的状态的检测式；取得单元(CPU(10a))，其从存储单元取得与识别出的类型对应的检测式；以及检测单元(CPU(10a))，其将元件常数应用于所取得的检测式，由此检测二次电池的状态。

Description

二次电池状态检测装置及二次电池状态检测方法
技术领域
本发明涉及二次电池状态检测装置及二次电池状态检测方法。
背景技术
为了检测二次电池的劣化程度(SOH：State Of Health)和放电能力(SOF：StateOf Function)，已知有使用二次电池的内部电阻或者内部阻抗的方法。但是，二次电池的内部电阻是多个电阻成分的合成，因而为了高精度地检测二次电池状态，需要分解求出各个电阻成分，尤其需要高精度地求出反应电阻。作为满足这种需求的技术，例如公开了作为代表的专利文献1以及专利文献2、3的技术。
其中，在专利文献1中公开的技术中，在100Hz以上的频率下，使二次电池以固定电压进行规定次数的脉冲放电，计算脉冲放电开始前的电压和刚刚结束后的电压之差即电压差，根据电压差判定二次电池的放电能力或者劣化程度。
另外，在专利文献2中公开的技术中，不进行脉冲放电，而是取得通常的实际车辆环境下的车载二次电池的电压/电流数据，并对该数据进行傅里叶变换而进行频率分解，求出阻抗谱。并且，使用所求出的阻抗谱执行对象二次电池的等效电路模型的常数拟合，分解求出二次电池内的电阻成分和双电层电容成分。
另外，在专利文献3中公开的技术中，取得车载二次电池的电压/电流数据，使用卡尔曼滤波运算等在线地估计对象二次电池的等效电路模型的常数，分解求出二次电池内的电阻成分和双电层电容成分。
现有技术文献
专利文献
专利文献1：日本特开2009－244180号公报
专利文献2：日本特开2005－221487号公报
专利文献3：日本特开2007－187534号公报
发明内容
发明欲解决的课题
然而，在专利文献1～3公开的技术中，虽然在仅以特定的二次电池为对象检测状态的情况下，能够实现高精度的检测，但是难以应对类型不同的多个二次电池。
因此，本发明的目的在于，提供能够高精度地检测类型不同的多个二次电池的状态的二次电池状态检测装置及二次电池状态检测方法。
用于解决课题的手段
为了解决上述课题，本发明的检测二次电池的状态的二次电池状态检测装置的特征在于，具有：测定单元，其以规定的频度测定流过所述二次电池的电流的电流值、和由于该电流而在所述二次电池中产生的电压的电压值；优化单元，其根据由所述测定单元测定出的电压值及电流值，优化所述二次电池的等效电路模型的元件常数；识别单元，其参照由所述优化单元优化后的所述等效电路模型的元件常数，识别所述二次电池的类型；存储单元，其按照所述二次电池的每种类型，存储用于根据所述等效电路模型的元件常数检测所述二次电池的状态的检测式；取得单元，其从所述存储单元取得与由所述识别单元识别出的类型对应的检测式；以及检测单元，其将所述元件常数应用于由所述取得单元取得的所述检测式，由此检测所述二次电池的状态，所述识别单元将所述等效电路模型的多个元件常数之比与规定的阈值进行比较，根据其大小关系识别所述二次电池的类型。
根据这种结构，能够根据元件常数之比容易地判别二次电池的类型。
另外，本发明的另一检测二次电池的状态的二次电池状态检测装置的特征在于，具有：测定单元，其以规定的频度测定流过所述二次电池的电流的电流值、和由于该电流而在所述二次电池中产生的电压的电压值；优化单元，其根据由所述测定单元测定出的电压值及电流值，优化所述二次电池的等效电路模型的元件常数；识别单元，其参照由所述优化单元优化后的所述等效电路模型的元件常数，识别所述二次电池的类型；存储单元，其按照所述二次电池的每种类型，存储用于根据所述等效电路模型的元件常数检测所述二次电池的状态的检测式；取得单元，其从所述存储单元取得与由所述识别单元识别出的类型对应的检测式；以及检测单元，其将所述元件常数应用于由所述取得单元取得的所述检测式，由此检测所述二次电池的状态，所述识别单元将根据所述等效电路模型的多个元件常数计算出的识别指标值与规定的阈值进行比较，并根据其大小关系识别所述二次电池的类型。
根据这种结构，能够根据识别指标值与阈值的大小关系，更准确地识别二次电池。
另外，本发明的一个方面的特征在于，所述识别单元具有学习模型，根据该学习模型识别所述二次电池的类型，该学习模型以所述二次电池的等效电路模型的常数为输入、以用于确定该二次电池的类型的信息为输出，并根据该输入输出的配对而预先具备识别能力。
根据这种结构，通过使用学习模型，能够提高识别率。
另外，本发明的一个方面的特征在于，所述学习模型是神经网络或者支持向量机。
根据这种结构，通过预先生成识别能力较高的学习模型，由此能够根据该学习模型提高二次电池的类型的识别率。
另外，本发明的一个方面的特征在于，所述识别单元识别所述二次电池的类型是铅电池、镍氢电池、锂离子电池及镍镉电池中的哪一种。
根据这种结构，能够识别结构不同的多种类型的二次电池，并检测所识别出的二次电池的状态。
另外，本发明的一个方面的特征在于，所述识别单元识别所述二次电池的类型是铅蓄电池的液式电池、密封式电池及怠速停止用电池中的哪一种，或者是其中某一种的新品还是旧品。
根据这种结构，能够识别各种类型的铅蓄电池，并检测所识别出的铅蓄电池的状态。
另外，本发明的一个方面的特征在于，所述检测单元检测所述二次电池的初始容量、劣化容量、放电余量及针对规定的需求电流的响应电压中的至少一项。
根据这种结构，能够检测二次电池的各种状态，因而能够进行各种判定。
另外，本发明的检测二次电池的状态的二次电池状态检测方法的特征在于，包括：测定步骤，以规定的频度测定流过所述二次电池的电流的电流值、和由于该电流而在所述二次电池中产生的电压的电压值；优化步骤，根据在所述测定步骤中测定出的电压值及电流值，优化所述二次电池的等效电路模型的元件常数；识别步骤，参照在所述优化步骤中优化后的所述等效电路模型的元件常数，识别所述二次电池的类型；取得步骤，从按照所述二次电池的每种类型进行存储的存储单元中，取得用于根据所述等效电路模型的元件常数检测所述二次电池的状态的检测式；以及检测步骤，将所述元件常数应用于在所述取得步骤中取得的所述检测式，由此检测所述二次电池的状态，在所述识别步骤中，将所述等效电路模型的多个元件常数之比与规定的阈值进行比较，根据其大小关系识别所述二次电池的类型。
根据这种结构，能够根据元件常数之比容易地判别二次电池的类型。
另外，本发明的另一检测二次电池的状态的二次电池状态检测方法的特征在于，包括：测定步骤，以规定的频度测定流过所述二次电池的电流的电流值、和由于该电流而在所述二次电池中产生的电压的电压值；优化步骤，根据在所述测定步骤中测定出的电压值及电流值，优化所述二次电池的等效电路模型的元件常数；识别步骤，参照在所述优化步骤中优化后的所述等效电路模型的元件常数，识别所述二次电池的类型；取得步骤，从按照所述二次电池的每种类型进行存储的存储单元中，取得用于根据所述等效电路模型的元件常数检测所述二次电池的状态的检测式；以及检测步骤，将所述元件常数应用于在所述取得步骤中取得的所述检测式，由此检测所述二次电池的状态，在所述识别步骤中，将根据所述等效电路模型的多个元件常数计算出的识别指标值与规定的阈值进行比较，根据其大小关系识别所述二次电池的类型。
根据这种结构，能够根据识别指标值与阈值的大小关系，更准确地识别二次电池。
发明效果
根据本发明，能够提供可以高精度地检测类型不同的多个二次电池的状态的二次电池状态检测装置及二次电池状态检测方法。
附图说明
图1是示出本发明的第1实施方式的二次电池状态检测装置的结构例的图。
图2是示出图1的控制部的具体结构例的框图。
图3是示出起动电动机在旋转时的电压和电流的时间性变化的图。
图4是示出二次电池的等效电路模型的一例的图。
图5是示出等效电路模型与实测的二次电池响应电压之间的关系的图。
图6是示出怠速停止用二次电池与通常液式二次电池的常数的关系的图。
图7是用于说明在第1实施方式中执行的处理的流程的流程图。
图8是示出在第2实施方式中使用的有训练学习模型的结构例的图。
图9是用于说明在第2实施方式中执行的处理的流程的流程图。
具体实施方式
下面，说明本发明的实施方式。
(A)第1实施方式的结构的说明
图1是示出具有本发明的第1实施方式的二次电池状态检测装置的车辆的电源系统的图。在该图中，二次电池状态检测装置1以控制部10、电压传感器11、电流传感器12、温度传感器13及放电电路15为主要的构成要素，检测二次电池14的状态。其中，控制部10参照来自电压传感器11、电流传感器12及温度传感器13的输出，检测二次电池14的状态。电压传感器11检测二次电池14的端子电压并通知给控制部10。电流传感器12检测流过二次电池14的电流并通知给控制部10。温度传感器13检测二次电池14自身或者周围的环境温度并通知给控制部10。放电电路15例如由串联连接的半导体开关和电阻元件等构成，通过由控制部10控制半导体开关导通/截止，从而使二次电池14进行脉冲放电。另外，也可以不通过电阻元件进行放电，而是例如通过恒流电路进行放电，由此使放电电流恒定。
二次电池14例如由铅蓄电池、镍镉电池、镍氢电池或者锂离子电池等构成，通过交流发电机16进行充电，该二次电池14驱动起动电动机18而使发动机起动，并且对负载19供给电力。交流发电机16被发动机17驱动而产生交流电，并通过整流电路将其变换为直流电，从而对二次电池14充电。
发动机17例如由汽油发动机及柴油发动机等往复式发动机或者转子发动机等构成，通过起动电动机18而起动，通过变速器对驱动轮进行驱动，对车辆提供推进力，并且驱动交流发电机16以产生电力。起动电动机18例如由直流电动机构成，借助从二次电池14供给的电力而产生旋转力，使发动机17起动。负载19例如由电动转向马达、除霜器、点火线圈、车载音响及车载导航仪等构成，借助来自二次电池14的电力进行动作。
图2是示出图1所示的控制部10的具体结构例的图。如该图所示，控制部10具有CPU(Central Processing Unit：中央处理单元)10a、ROM(Read Only Memory：只读存储器)10b、RAM(Random Access Memory：随机存取存储器)10c、通信部10d、I/F(Interface：接口)10e。其中，CPU 10a根据在ROM 10b中存储的程序10ba控制各部分。ROM 10b由半导体存储器等构成，存储程序10ba和后述的数式等。RAM 10c由半导体存储器等构成，存储在执行程序10ba时生成的数据和后述的数式等的参数10ca。通信部10d在与上位的装置即ECU(Electric Control Unit：电子控制单元)等之间进行通信，并将检测出的信息通知给上位装置。I/F 10e将从电压传感器11、电流传感器12、温度传感器13供给的信号变换为数字信号并取入，并且对放电电路15供给驱动电流并进行控制。
(B)第1实施方式的动作的说明
下面，参照附图说明第1实施方式的动作。在以下内容中，在对第1实施方式的动作的原理进行说明之后，参照流程图说明具体的动作。
在控制部10的CPU 10a使未图示的点火开关成为接通状态、起动电动机18开始旋转时，其以规定的周期取得从电压传感器11和电流传感器12输出的二次电池14的电压值和电流值。CPU 10a将这样取得的电压值和电流值存储在RAM 10c中。图3示出了起动电动机18旋转时的电压和电流的时间性变化。如该图3所示，在起动电动机18起动时，在旋转开始时流过大约数百安培的电流，二次电池14的端子电压由于该电流而下降。并且，在起动电动机18开始旋转时，电流减小，由此电压的下降也得到缓解。另外，在发动机17起动而开始旋转时，电流急剧减小，在超过规定的转速时转变为充电。对这样的电压和电流的变化以规定的周期进行采样，并存储在RAM 10c中。
然后，CPU 10a取得被存储在RAM 10c中的电压和电流的测定值，并优化图4所示的二次电池14的等效电路的各元件值(Rohm、Rct1、C1、Rct2、C2)。另外，关于该优化的方法，例如在日本专利第4532416号中记载的那样，例如通过扩展卡尔曼滤波运算来估计最佳的状态向量X，根据估计出的状态向量X将等效电路的调整参数(元件值)更新为最佳的参数。具体而言，根据使用了基于处于某种状态的状态向量X得到的调整参数的等效电路，计算在以规定的电流模式使二次电池放电时的压降ΔV，以使该压降ΔV接近实测值的方式更新状态向量X。并且，根据通过更新而被优化后的状态向量X计算最佳的调整参数。当然，也可以利用除此之外的方法进行优化。通过这样进行优化，例如能够如图5所示，以使等效电路模型的响应与二次电池14的实测值(电压响应值)大致一致的方式设定常数。在图5中，圆点表示实测值，方块表示等效电路模型的响应。
然后，CPU 10a从如上所述优化后的等效电路的元件值中取得图4所示的电阻成分的元件值Rct1和电容成分的元件值C1的值。CPU 10a将所取得的Rct1的值应用到例如规定的函数f(Rct1)中，计算用于识别二次电池14的类型的指标值。另外，作为用于计算指标值的函数f(Rct1)，能够使用例如下面的式(1)。
f(Rct1)＝A×exp(B×Rct1)+C……(1)
其中，A、B、C是通过实验等预先求出的常数。
CPU 10a将如上所述求出的指标值f(Rct1)与1/C1进行比较，在1/C1超过指标值f(Rct1)的情况下，判定为二次电池14例如是怠速停止专用的二次电池，另外，在1/C1未超过指标值f(Rct1)的情况下，判定为二次电池14例如是通常液式的二次电池。另外，以上使用Rct1和C1进行判定，但也可以使用除此之外的值(例如Rct2和C2)。当然，也可以组合使用Rct1、C1、Rct2、C2，还可以组合使用Rct1和C2、Rct2和C1。
图6是横轴表示电阻Rct、纵轴表示电容C的倒数(＝1/C)，在这样的图表上标绘出怠速停止专用的二次电池和通常液式的二次电池的测定结果的图。另外，作为分离曲线而示出的曲线表示前述的指标值f(Rct)。在该图6的示例中，位于比分离曲线靠上侧位置(图中的上侧)的二次电池是怠速停止专用，而位于靠下侧位置(图中的下侧)的二次电池是通常液式。因此，通过确认作为分离曲线的指标值f(Rct)与C的倒数(＝1/C)的大小关系，能够判定是怠速停止专用还是通常液式。
例如，CPU 10a在判定为二次电池14是怠速停止专用的情况下，从ROM 10b取得怠速停止专用的检测式fistp()，并将等效电路的常数(元件值)代入所取得的检测式fistp()，检测二次电池14的状态。另一方面，在判定为二次电池14是通常液式的情况下，从ROM10b取得通常液式专用的检测式fnrml()，并将等效电路的常数代入所取得的检测式fnrml()，检测二次电池14的状态。另外，作为根据等效电路模型的常数检测的二次电池14的状态，例如可举出二次电池14的初始容量、劣化容量、放电余量、针对规定的需求电流的响应电压等。例如，在以初始容量(SOH_ini)为例时，能够根据如下的数式进行计算。
SOH_ini＝Const1×Rohm+Const2×Rct1
+Const3×C1+Const4×Rct2
+Const5×C2+Const6……(2)
其中，式(2)的常数Const1～6能够根据待识别的二次电池的每种类型而事先最优地确定。并且，也能够根据二次电池的类型使用不同的计算式。
另外，关于二次电池的其它状态，也能够按照同样的考虑进行检测或者计算。并且，也能够按照同样的考虑，针对二次电池的每种类型，优化对等效电路模型的常数的温度依存性和SOC(State Of Charge：充电状态)依存性进行校正计算时的计算式。即，不仅针对二次电池的状态，对于校正计算的计算式和系数，也能够按照二次电池的每种类型进行存储，并使用与识别出的二次电池的类型对应的计算式和系数进行校正计算。
如以上说明的那样，根据本发明的第1实施方式，由于根据等效电路模型的常数识别二次电池14的类型，并使用与识别出的类型对应的检测式检测二次电池14的状态，因而无论二次电池14的类型如何，都能够准确地检测状态。
下面，参照图7说明在图1所示的第1实施方式中执行的处理的一例。图7是说明在第1实施方式中执行的处理的一例的流程图。在该流程图的处理开始时执行以下的步骤。另外，该图的处理例如是在操作了未图示的点火开关时执行的。当然也可以在除此以外的时机执行。
在步骤S10中，CPU 10a从电压传感器11取得放电开始前的电压即起动电动机18开始旋转前的电压。
在步骤S11中，CPU 10a从电流传感器12取得放电开始前的电流即起动电动机18开始旋转前的电流。
在步骤S12中，CPU 10a判定是否已开始放电，在判定为已开始放电的情况下(步骤S12：是)进入步骤S13，在除此之外的情况下(步骤S12：否)反复进行相同的处理。例如，在起动电动机18开始旋转的情况下，判定为“是”并进入步骤S13。
在步骤S13中，CPU 10a参照电压传感器11的输出测定二次电池14的电压。
在步骤S14中，CPU 10a参照电流传感器12的输出测定二次电池14的电流。
在步骤S15中，CPU 10a判定是否已结束放电，在判定为已结束放电的情况下(步骤S15：是)进入步骤S16，在除此之外的情况下(步骤S15：否)，返回步骤S13并反复进行相同的处理。另外，关于是否已结束放电的判定，例如能够根据起动电动机18的旋转是否已停止、发动机17是否已起动、或者点火开关是否已从起始位置复原来进行判定。
在步骤S16中，CPU 10a执行等效电路模型的各元件的优化。另外，关于该优化的方法，例如在日本专利第4532416号记载的那样，例如通过扩展卡尔曼滤波运算来估计最佳的状态向量X，根据估计出的状态向量X将等效电路的调整参数(元件值)更新为最佳的参数。具体而言，根据使用了基于处于某种状态的状态向量X得到的调整参数的等效电路，计算在以规定的电流模式使二次电池放电时的压降ΔV，以使该压降ΔV接近实测值的方式更新状态向量X。并且，根据通过更新而优化后的状态向量X计算最佳的调整参数。
在步骤S17中，CPU 10a取得在步骤S16中优化后的等效电路模型的常数中的例如Rct1和C1。
在步骤S18中，CPU 10a将常数Rct1应用到函数f(Rct1)中，计算用于识别二次电池14的类型的指标值。另外，作为用于计算指标值的函数f(Rct1)，能够使用例如前述的式(1)。
在步骤S19中，CPU 10a将在步骤S18中计算出的指标值与1/C1进行比较，在1/C1>f(Rct1)成立的情况下(步骤S19：是)，进入步骤S20，在除此之外的情况下(步骤S19：否)，进入步骤S24。
在步骤S20中，CPU 10a判定二次电池14是怠速停止专用。
在步骤S21中，CPU 10a从ROM 10b取得怠速停止专用的检测式fistp。另外，该怠速停止专用的检测式fistp是特别针对怠速停止专用的二次电池的数式，通过使用该式，能够准确地检测怠速停止专用的二次电池的状态。
在步骤S22中，CPU 10a根据在步骤S21中取得的检测式fistp检测怠速停止专用的二次电池的状态。另外，作为待检测的状态，例如可举出二次电池14的初始容量、劣化容量、放电余量、针对规定的需求电流的响应电压等。例如，在以初始容量(SOH_ini)为例时，能够根据前述的式(2)进行计算。
在步骤S23中，CPU 10a输出在步骤S22中计算出的二次电池14的检测结果。
在步骤S24中，CPU 10a判定二次电池14是通常液式。
在步骤S25中，CPU 10a从ROM 10b取得通常液式专用的检测式fnrml。另外，该通常液式专用的检测式fnrml是特别针对通常液式的二次电池的数式，通过使用该式，能够准确地检测通常液式的二次电池的状态。
在步骤S26中，CPU 10a根据在步骤S25中取得的检测式fnrml检测通常液式的二次电池的状态。另外，作为待检测的状态，例如可举出二次电池14的初始容量、劣化容量、放电余量、针对规定的需求电流的响应电压等。例如，在以初始容量(SOH_ini)为例时，能够根据前述的式(2)进行计算。另外，在步骤S23中输出这样求出的通常液式的二次电池的状态。
根据如上所述的处理，能够实现前述的动作。
(C)第2实施方式的结构的说明
然后，参照附图说明第2实施方式的动作。在以下的内容中，在对第2实施方式的动作的原理进行说明之后，参照流程图说明具体的动作。
第2实施方式是与第1实施方式的情况相同的结构，而其与第1实施方式的不同之处在于控制部10执行的一部分处理。因此，下面以与第1实施方式不同的部分为中心进行说明。在第1实施方式中，如前面所述根据指标值f(Rct1)识别二次电池14的类型，而在第2实施方式中，根据有训练学习模型识别二次电池14的类型。另外，关于有训练学习处理，例如能够使用神经网络或者支持向量机。下面，以使用神经网络的情况为例进行说明。
(D)第2实施方式的动作的说明
然后说明第2实施方式的动作。在第2实施方式中，使用多种类型的二次电池的等效电路模型的常数，执行例如图8所示的多级神经网络的学习处理。具体而言，以将二次电池的等效电路模型的常数作为输入、并输出用于确定该二次电池的类型的信息的方式，利用例如反向传播(最小误差传播法)执行输入信号的加权、神经元的点火阈值等的优化等。由此，以后通过向该已学习神经网络输入等效电路模型的常数即可识别电池类型。另外，作为待识别的二次电池的类型，例如可举出铅蓄电池、镍氢电池、锂离子电池及镍镉电池。另外，也可以识别是铅蓄电池的液式蓄电池、密封式蓄电池及怠速停止用蓄电池中的哪一种，或者是其中哪一种的新品或者旧品。
在第2实施方式中，这样使用预先进行了学习的神经网络识别二次电池14的类型。具体而言，通过进行等效电路模型的优化，并将通过优化得到的图4所示的等效电路的常数输入神经网络，能够输出用于确定二次电池14的类型的信息。例如，在二次电池14是怠速停止用铅蓄电池的情况下，将构成等效电路模型的元件的常数Rohm、Rct1、C1、Rct2、C2的全部或者一部分作为输入提供给神经网络，由此输出用于确定是怠速停止用铅蓄电池的信息(输出层的点火模式)。
在确定了二次电池14的类型时，从ROM 10b取得与所确定的类型对应的检测式，将构成等效电路模型的元件的常数代入该检测式中，检测二次电池14的状态。例如，在前述的情况下，从ROM 10b取得与怠速停止用铅蓄电池对应的检测式，例如将构成等效电路模型的元件的常数Rohm、Rct1、C1、Rct2、C2代入该检测式中，检测二次电池14的状态。根据这样的处理，与前述的第1实施方式相比，能够提高二次电池的类型的识别率。因此，能够准确地检测多种类型的二次电池的状态。
然后，参照图9所示的流程图说明第2实施方式的动作。另外，在图9所示的流程图中，对与图7所示的流程图对应的部分标注相同的标号并省略其说明。在图9所示的流程图中，与图7所示的流程图相比，将步骤S17～S26的处理置换为步骤S40～S44的处理。除此之外的处理与图7的情况相同。下面，以步骤S40～S44的处理为中心进行说明。
在步骤S10～S16中，与前述的情况相同，以规定的间隔测定起动电动机18旋转时的电压值和电流值，并存储在RAM 10c中。并且，根据在该RAM 10c中存储的电压值和电流值优化等效电路模型。
在步骤S40中，CPU 10a取得等效电路模型的常数。例如，取得构成等效电路模型的元件的常数Rohm、Rct1、C1、Rct2、C2中至少一部分的常数。
在步骤S41中，CPU 10a将在步骤S40中取得的常数输入预先进行了学习的有训练学习模型中。例如，作为该有训练学习模型，存在神经网络，在步骤S41的处理中，CPU 10a将在步骤S40中取得的元件的常数Rohm、Rct1、C1、Rct2、C2中至少一部分的常数输入神经网络中。
在步骤S42中，CPU 10a取得有训练学习模型的输出。例如，在输入了怠速停止专用铅蓄电池的等效电路的常数的情况下，输出表示是怠速停止专用铅蓄电池的信息，因而在步骤S42中取得该信息。
在步骤S43中，CPU 10a从ROM 10b取得与在步骤S42中取得的输出对应的检测式f()。例如，在输出了表示是怠速停止专用铅蓄电池的信息的情况下，从ROM 10b取得与该怠速停止专用铅蓄电池对应的检测式f()。
在步骤S44中，CPU 10a根据在步骤S43中取得的检测式f()，检测二次电池的状态。例如，作为待检测的状态，例如可举出二次电池14的初始容量、劣化容量、放电余量、针对规定的需求电流的响应电压等。例如，在以初始容量(SOH_ini)为例时，能够根据前述的式(2)进行计算。
在步骤S23中，CPU 10a输出在步骤S44中求出的二次电池的状态。
根据以上的处理，由于使用有训练学习模型识别二次电池14的类型，并使用与识别结果对应的检测式检测二次电池14的状态，因而无论二次电池14的类型如何，都能够准确地检测状态。
(E)变形实施方式的说明
以上的实施方式是一例，本发明当然不限定于如上所述的情况。例如，在以上的第1实施方式中，根据常数Rtc1与C1的关系判定二次电池14的类型，但也可以使用除此之外的常数进行判定。另外，也可以不使用两种常数，而是使用三种以上的常数进行判定。此外，上述内容中使用式(1)所示的函数进行识别，然而也可以例如通过将两个常数之比(例如Rohm与Rct1之比)与规定的阈值进行比较来进行判定。具体而言，根据Rohm/Rct1、Rct1/Rct2、Rct1/C1……等与预先通过实验求出的阈值之间的比较进行识别。
另外，也可以按照需要识别的二次电池的类型使用其他的等效电路模型的常数，根据不同的计算式计算识别指标。并且，也可以使用多个等效电路模型的常数计算识别指标，作为识别方法，还可以根据是否超过了预先通过实验等求出的规定的阈值进行识别。
另外，在第1实施方式中，作为二次电池14的类型，进行通常液式或者怠速停止用的判别，但也可以对除此之外的类型进行判别。例如，也可以识别二次电池14的初始容量、制造商及型号等。
另外，在以上的各实施方式中，以求出二次电池14的初始容量(SOH_ini)的情况为例进行了说明，但除此之外也能够求出劣化容量、放电余量、以及针对规定的需求电流的响应电压。另外，作为用于求出这些参数的数式，也可以使用与前述的式(2)同样的数式、或者应用了等效电路模型的元件的至少一部分的函数。
另外，在第2实施方式中，使用神经网络识别二次电池14的类型，但也可以使用除此之外的有训练学习模型。例如，也可以使用支持向量机。对于支持向量机，如果是图4的示例，则通过在训练数据中以使得从分离曲线到训练数据的各采样点的距离的最小值达到最大的方式(余量最大化)确定分离曲线，从而能够求出识别力较高的分离曲线。另外，根据情况，也能够在使用多个模型常数的多维空间中同样求出分离超平面/超曲面。即，可以采用这样的方法，针对已知类型的二次电池预先学习等效电路模型的常数，通过将该已知的数据用作训练数据的有训练学习来求出分离超平面/超曲面，以后使用该分离超平面/超曲面进行识别。
另外，在以上的各实施方式中，根据使起动电动机18旋转时的电压和电流的变化来优化等效电路模型，但也可以根据流向起动电动机18以外的负载的电流进行优化。例如，也可以使放电电路15进行开关动作，检测此时的二次电池14的电压和电流，根据检测出的这些电压和电流优化等效电路模型。
另外，在以上的各实施方式中，作为等效电路模型使用了图4所示的模型，但也可以使用除此之外的等效电路模型。例如，也可以使用将并联连接的电阻元件和电容元件串联连接三级以上而构成的等效电路模型。当然，也可以使用除此之外的等效电路模型。
另外，图7和图9所示的流程图仅为一例，也可以按照除此之外的顺序执行处理，或者也可以执行除此之外的处理。
另外，在以上的各实施方式中仅进行二次电池14的状态检测，但也可以构成为，例如根据所求出的状态停止例如发动机17的怠速、即控制所谓的怠速停止的执行。具体而言，在二次电池14的SOC比规定的阈值高的情况下执行怠速停止，而在判定为比规定的阈值低的情况下不执行怠速停止。并且，在SOH接近规定的阈值的情况下，例如也可以使负载19的动作停止，防止二次电池14的进一步消耗。另外，在SOH比规定的值小的情况下，也可以显示用于指示更换二次电池14的消息。
标号说明
1：二次电池状态检测装置；10：控制部(优化单元、识别单元、取得单元、检测单元)；10a：CPU；10b：ROM(存储单元)；10c：RAM；10d：通信部；10e：I/F；11：电压传感器(测定单元)；12：电流传感器(测定单元)；13：温度传感器；14：二次电池；15：放电电路；16：交流发电机；17：发动机；18：起动电动机；19：负载。

Claims (10)

1.一种检测二次电池的状态的二次电池状态检测装置，其特征在于，具有：
测定单元，其以规定的频度测定流过所述二次电池的电流的电流值、和由于该电流而在所述二次电池中产生的电压的电压值；
优化单元，其根据由所述测定单元测定出的电压值及电流值，优化所述二次电池的等效电路模型的元件常数；
识别单元，其参照由所述优化单元优化后的所述等效电路模型的元件常数，识别所述二次电池的类型；
存储单元，其按照所述二次电池的每种类型，存储用于根据所述等效电路模型的元件常数检测所述二次电池的状态的检测式；
取得单元，其从所述存储单元取得与由所述识别单元识别出的类型对应的检测式；以及
检测单元，其将所述元件常数应用于由所述取得单元取得的所述检测式，由此检测所述二次电池的状态，
所述识别单元将所述等效电路模型的多个元件常数之比与规定的阈值进行比较，根据其大小关系识别所述二次电池的类型。
2.根据权利要求1所述的二次电池状态检测装置，其特征在于，
所述识别单元识别所述二次电池的类型是铅电池、镍氢电池、锂离子电池及镍镉电池中的哪一种。
3.根据权利要求1或2所述的二次电池状态检测装置，其特征在于，
所述识别单元识别所述二次电池的类型是铅蓄电池的液式电池、密封式电池及怠速停止用电池中的哪一种，或者是其中某一种的新品还是旧品。
4.根据权利要求1或2所述的二次电池状态检测装置，其特征在于，
所述检测单元检测所述二次电池的初始容量、劣化容量、放电余量及针对规定的需求电流的响应电压中的至少一项。
5.一种检测二次电池的状态的二次电池状态检测装置，其特征在于，具有：
测定单元，其以规定的频度测定流过所述二次电池的电流的电流值、和由于该电流而在所述二次电池中产生的电压的电压值；
优化单元，其根据由所述测定单元测定出的电压值及电流值，优化所述二次电池的等效电路模型的元件常数；
识别单元，其参照由所述优化单元优化后的所述等效电路模型的元件常数，识别所述二次电池的类型；
存储单元，其按照所述二次电池的每种类型，存储用于根据所述等效电路模型的元件常数检测所述二次电池的状态的检测式；
取得单元，其从所述存储单元取得与由所述识别单元识别出的类型对应的检测式；以及
检测单元，其将所述元件常数应用于由所述取得单元取得的所述检测式，由此检测所述二次电池的状态，
所述识别单元将根据所述等效电路模型的多个元件常数计算出的识别指标值与规定的阈值进行比较，根据其大小关系识别所述二次电池的类型。
6.根据权利要求5所述的二次电池状态检测装置，其特征在于，
所述识别单元识别所述二次电池的类型是铅电池、镍氢电池、锂离子电池及镍镉电池中的哪一种。
7.根据权利要求5或6所述的二次电池状态检测装置，其特征在于，
所述识别单元识别所述二次电池的类型是铅蓄电池的液式电池、密封式电池及怠速停止用电池中的哪一种，或者是其中某一种的新品还是旧品。
8.根据权利要求5或6所述的二次电池状态检测装置，其特征在于，
所述检测单元检测所述二次电池的初始容量、劣化容量、放电余量及针对规定的需求电流的响应电压中的至少一项。
9.一种检测二次电池的状态的二次电池状态检测方法，其特征在于，包括：
测定步骤，以规定的频度测定流过所述二次电池的电流的电流值、和由于该电流而在所述二次电池中产生的电压的电压值；
优化步骤，根据在所述测定步骤中测定出的电压值及电流值，优化所述二次电池的等效电路模型的元件常数；
识别步骤，参照在所述优化步骤中优化后的所述等效电路模型的元件常数，识别所述二次电池的类型；
取得步骤，从按照所述二次电池的每种类型进行存储的存储单元中，取得用于根据所述等效电路模型的元件常数检测所述二次电池的状态的检测式；以及
检测步骤，将所述元件常数应用于在所述取得步骤中取得的所述检测式，由此检测所述二次电池的状态，
在所述识别步骤中，将所述等效电路模型的多个元件常数之比与规定的阈值进行比较，根据其大小关系识别所述二次电池的类型。
10.一种检测二次电池的状态的二次电池状态检测方法，其特征在于，包括：
测定步骤，以规定的频度测定流过所述二次电池的电流的电流值、和由于该电流而在所述二次电池中产生的电压的电压值；
优化步骤，根据在所述测定步骤中测定出的电压值及电流值，优化所述二次电池的等效电路模型的元件常数；
识别步骤，参照在所述优化步骤中优化后的所述等效电路模型的元件常数，识别所述二次电池的类型；
取得步骤，从按照所述二次电池的每种类型进行存储的存储单元中，取得用于根据所述等效电路模型的元件常数检测所述二次电池的状态的检测式；以及
检测步骤，将所述元件常数应用于在所述取得步骤中取得的所述检测式，由此检测所述二次电池的状态，
在所述识别步骤中，将根据所述等效电路模型的多个元件常数计算出的识别指标值与规定的阈值进行比较，根据其大小关系识别所述二次电池的类型。
CN201480013224.4A 2013-03-14 2014-02-12 二次电池状态检测装置及二次电池状态检测方法 Active CN105026945B (zh)

Applications Claiming Priority (3)

Application Number Priority Date Filing Date Title
JP2013-052571 2013-03-14
JP2013052571A JP5810116B2 (ja) 2013-03-14 2013-03-14 二次電池状態検出装置および二次電池状態検出方法
PCT/JP2014/053135 WO2014141796A1 (ja) 2013-03-14 2014-02-12 二次電池状態検出装置および二次電池状態検出方法

Publications (2)

Publication Number Publication Date
CN105026945A CN105026945A (zh) 2015-11-04
CN105026945B true CN105026945B (zh) 2017-12-05

Family

ID=51536472

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201480013224.4A Active CN105026945B (zh) 2013-03-14 2014-02-12 二次电池状态检测装置及二次电池状态检测方法

Country Status (5)

Country Link
US (1) US10466302B2 (zh)
EP (1) EP2955533B1 (zh)
JP (1) JP5810116B2 (zh)
CN (1) CN105026945B (zh)
WO (1) WO2014141796A1 (zh)

Families Citing this family (35)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP5798067B2 (ja) * 2012-03-13 2015-10-21 プライムアースＥｖエナジー株式会社 二次電池の状態推定装置
CN105026944B (zh) * 2013-03-07 2019-08-27 古河电气工业株式会社 二次电池状态检测装置及二次电池状态检测方法
JP6555773B2 (ja) * 2014-11-18 2019-08-07 学校法人立命館 蓄電残量推定装置、蓄電池の蓄電残量を推定する方法、及びコンピュータプログラム
JP6490414B2 (ja) * 2014-12-05 2019-03-27 古河電気工業株式会社 二次電池状態検出装置および二次電池状態検出方法
WO2016129260A1 (ja) * 2015-02-12 2016-08-18 パナソニックＩｐマネジメント株式会社 バッテリ種別判定装置およびバッテリ種別判定方法
JP6702672B2 (ja) * 2015-09-03 2020-06-03 キヤノン株式会社 インプリント装置、物品の製造方法及び供給装置
JP6606996B2 (ja) 2015-11-24 2019-11-20 株式会社Ｇｓユアサ 電池システム、二次電池の電池監視装置および二次電池の監視方法
KR101772036B1 (ko) * 2015-12-30 2017-08-28 주식회사 효성 배터리 수명 추정 방법 및 장치
JP2017138881A (ja) 2016-02-05 2017-08-10 ファナック株式会社 操作メニューの表示を学習する機械学習器，数値制御装置，工作機械システム，製造システムおよび機械学習方法
JP6898479B2 (ja) * 2016-02-05 2021-07-07 ファナック株式会社 操作メニューの表示を学習する機械学習器，数値制御装置，工作機械システム，製造システムおよび機械学習方法
US10436845B2 (en) * 2016-03-01 2019-10-08 Faraday & Future Inc. Electric vehicle battery monitoring system
JP6615011B2 (ja) 2016-03-09 2019-12-04 日立オートモティブシステムズ株式会社 電池管理システム、電池システムおよびハイブリッド車両制御システム
DE102016206538A1 (de) * 2016-04-19 2017-10-19 Audi Ag Verfahren zum Bestimmen eines Ladezustands einer Batterie für ein Kraftfahrzeug, Vorrichtung sowie Kraftfahrzeug
CN107340476B (zh) * 2016-04-29 2021-01-26 株式会社日立制作所 电池的电气状态监测系统和电气状态监测方法
JP6729714B2 (ja) 2016-11-07 2020-07-29 日産自動車株式会社 短絡検出装置
KR102035679B1 (ko) * 2016-11-29 2019-10-23 주식회사 엘지화학 배터리 노화상태 산출 방법 및 시스템
JP6895786B2 (ja) * 2017-03-29 2021-06-30 古河電気工業株式会社 二次電池状態検出装置および二次電池状態検出方法
KR20230170991A (ko) 2017-05-03 2023-12-19 가부시키가이샤 한도오따이 에네루기 켄큐쇼 신경망, 전력 저장 시스템, 차량, 및 전자 기기
JP6904176B2 (ja) * 2017-09-01 2021-07-14 トヨタ自動車株式会社 二次電池の再利用方法および二次電池システム
JP2019158831A (ja) * 2018-03-16 2019-09-19 株式会社Ｇｓユアサ 検査方法、検査装置及び学習モデル
US10996282B2 (en) 2018-03-20 2021-05-04 Gs Yuasa International Ltd. Abnormality factor determination apparatus, degradation determination apparatus, computer program, degradation determining method, and abnormality factor determining method
JP7072414B2 (ja) * 2018-03-20 2022-05-20 古河電気工業株式会社 充電可能電池状態検出装置および充電可能電池状態検出方法
US11413802B2 (en) 2018-03-22 2022-08-16 Honda Motor Co., Ltd. Reusable mold for injection molding and molding method
DK3780248T3 (da) * 2018-03-28 2023-05-22 Toyo System Co Ltd Anordning til bestemmelse af forringelsestilstand og fremgangsmåde til bestemmelse af forringelsestilstand
JP7145035B2 (ja) 2018-10-29 2022-09-30 本田技研工業株式会社 学習装置、学習方法、及びプログラム
KR20200117794A (ko) * 2019-04-05 2020-10-14 주식회사 엘지화학 배터리 관리 장치 및 방법
CN109900937B (zh) * 2019-04-10 2020-12-08 河南科技大学 一种具有温度补偿功能的锂电池电荷状态估算方法
US11472083B2 (en) 2019-09-25 2022-10-18 Honda Motor Co., Ltd. Injection mold master unit die back plate cooling with metal backfilled plastic mold
EP3885776B1 (en) * 2020-03-24 2024-01-17 Siemens Aktiengesellschaft Method, computer-implemented tool and battery management system for estimating states of health of batteries storing electrical energy and battery energy storage system
JP6997473B2 (ja) * 2020-04-13 2022-02-04 東洋システム株式会社 二次電池検査方法および二次電池検査装置
JP7448201B2 (ja) 2020-05-21 2024-03-12 アクソンデータマシン株式会社 人工知能技術を用いた２次電池の状態推定装置
TWI741632B (zh) * 2020-06-03 2021-10-01 龍華科技大學 電池智能分流模組之電阻溫度係數預測方法、電流量測補償校正方法及其裝置
CN111856299A (zh) * 2020-07-29 2020-10-30 中国联合网络通信集团有限公司 电源状态的确定方法、装置及设备
DE102022112886A1 (de) 2022-05-23 2023-11-23 Volkswagen Aktiengesellschaft Verfahren zum Prognostizieren eines Batteriezustands einer Batterie eines Kraftfahrzeugs, ein Batteriesystem und ein Kraftfahrzeug
CN116929437B (zh) * 2023-09-15 2023-12-08 深圳和润达科技有限公司 应用于电芯化成分容系统的传感器信息识别方法及装置

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JPH03183328A (ja) * 1989-12-11 1991-08-09 Canon Inc 電池残量演算装置
JPH09166652A (ja) * 1995-12-15 1997-06-24 Mk Seiko Co Ltd バッテリー診断方法およびそれを用いたバッテリー診断装置
JP2000023374A (ja) * 1998-06-30 2000-01-21 Fuji Photo Film Co Ltd 二次電池の識別装置および方法
JP4689756B1 (ja) * 2010-03-31 2011-05-25 古河電気工業株式会社 電池内部状態推定装置および電池内部状態推定方法
CN103229068A (zh) * 2010-12-20 2013-07-31 古河电气工业株式会社 满充电检测装置以及满充电检测方法

Family Cites Families (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP4360621B2 (ja) 2004-02-09 2009-11-11 古河電気工業株式会社 二次電池の内部インピーダンス測定方法、二次電池の内部インピーダンス測定装置、二次電池劣化判定装置及び電源システム
JP4532416B2 (ja) 2006-01-12 2010-08-25 古河電気工業株式会社 バッテリ放電能力判定方法、バッテリ放電能力判定装置、及び電源システム
US8154251B2 (en) * 2007-07-13 2012-04-10 Cummins, Inc. System and method for controlling vehicle idling and maintaining vehicle electrical system integrity
JP5342160B2 (ja) 2008-03-31 2013-11-13 古河電気工業株式会社 バッテリ状態検知方法及びバッテリ状態検知装置
US8330428B2 (en) * 2008-11-12 2012-12-11 Bruce Eric Zeier Lead acid battery de-sulfation
CA2957199C (en) * 2008-11-26 2019-01-08 Wireless Environment, Llc Wireless lighting devices and applications
JP4744622B2 (ja) * 2009-07-01 2011-08-10 トヨタ自動車株式会社 車両の制御装置
JP5493657B2 (ja) * 2009-09-30 2014-05-14 新神戸電機株式会社 蓄電池装置並びに蓄電池の電池状態評価装置及び方法
US10664562B2 (en) * 2013-02-24 2020-05-26 Fairchild Semiconductor Corporation and University of Connecticut Battery state of charge tracking, equivalent circuit selection and benchmarking

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JPH03183328A (ja) * 1989-12-11 1991-08-09 Canon Inc 電池残量演算装置
JPH09166652A (ja) * 1995-12-15 1997-06-24 Mk Seiko Co Ltd バッテリー診断方法およびそれを用いたバッテリー診断装置
JP2000023374A (ja) * 1998-06-30 2000-01-21 Fuji Photo Film Co Ltd 二次電池の識別装置および方法
JP4689756B1 (ja) * 2010-03-31 2011-05-25 古河電気工業株式会社 電池内部状態推定装置および電池内部状態推定方法
CN103229068A (zh) * 2010-12-20 2013-07-31 古河电气工业株式会社 满充电检测装置以及满充电检测方法

Also Published As

Publication number Publication date
EP2955533A1 (en) 2015-12-16
US10466302B2 (en) 2019-11-05
JP5810116B2 (ja) 2015-11-11
EP2955533A4 (en) 2016-06-15
JP2014178213A (ja) 2014-09-25
US20160003912A1 (en) 2016-01-07
EP2955533B1 (en) 2017-05-17
WO2014141796A1 (ja) 2014-09-18
CN105026945A (zh) 2015-11-04

Similar Documents

Publication Publication Date Title
CN105026945B (zh) 二次电池状态检测装置及二次电池状态检测方法
Vidal et al. Machine learning applied to electrified vehicle battery state of charge and state of health estimation: State-of-the-art
CN100529787C (zh) 估计二次电池可输入/可输出功率的装置和方法
CN106133994B (zh) 二次电池状态检测装置以及二次电池状态检测方法
EP3048451A1 (en) Method and apparatus for estimating the state of a battery
US20100312744A1 (en) System for battery prognostics
US11965935B2 (en) Method and apparatus for operating a system for providing predicted states of health of electrical energy stores for a device using machine learning methods
CN103229068A (zh) 满充电检测装置以及满充电检测方法
Mamo et al. Long short-term memory with attention mechanism for state of charge estimation of lithium-ion batteries
CN112101597A (zh) 电动汽车租赁运营平台车辆故障预判系统、方法及装置
CN112327168A (zh) 一种基于XGBoost的电动汽车电池消耗预测方法
CN110703112A (zh) 一种基于局部充电数据的电池组状态的在线估计方法
CN107210498A (zh) 电池类型判定装置和电池类型判定方法
CN106998086A (zh) 兆瓦级储能电站电池管理方法及其系统
CN115047368A (zh) 状态估计模型的学习方法、状态估计方法和状态估计装置
CN117207781A (zh) 基于历史实时能耗的燃料电池汽车续驶里程预测方法
US20230324463A1 (en) Method and Apparatus for Operating a System for Detecting an Anomaly of an Electrical Energy Store for a Device by Means of Machine Learning Methods
Wang et al. Modeling, parameterization, and benchmarking of a lithium ion electric bicycle battery
CN111751729A (zh) 用于确定车辆的可反复充电电池的状态的方法
JP2006300692A (ja) 二次電池の残存容量演算方式
CN115047345A (zh) 二次电池的开路电压估计模型的学习方法、开路电压估计方法及状态估计装置
Heimrath et al. Reflex-augmented reinforcement learning for operating strategies in automotive electrical energy management
Wang Modeling, Estimation and Benchmarking of Lithium Ion Electric Bicycle Battery
Wang et al. Online Capacity Estimation of Lithium-ion Batteries by Partial Incremental Capacity Curve
Piao et al. Estimation of the state of charge of Ni-MH battery pack based on artificial neural network

Legal Events

Date Code Title Description
C06 Publication
PB01 Publication
C10 Entry into substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant