CN111103552B - 学习装置、学习方法及存储介质 - Google Patents

学习装置、学习方法及存储介质 Download PDF

Info

Publication number
CN111103552B
CN111103552B CN201910986995.6A CN201910986995A CN111103552B CN 111103552 B CN111103552 B CN 111103552B CN 201910986995 A CN201910986995 A CN 201910986995A CN 111103552 B CN111103552 B CN 111103552B
Authority
CN
China
Prior art keywords
learning
charge
capacity
secondary battery
discharge
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
CN201910986995.6A
Other languages
English (en)
Other versions
CN111103552A (zh
Inventor
鹤谷泰介
仓知大祐
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.)
Honda Motor Co Ltd
Original Assignee
Honda Motor Co Ltd
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 Honda Motor Co Ltd filed Critical Honda Motor Co Ltd
Publication of CN111103552A publication Critical patent/CN111103552A/zh
Application granted granted Critical
Publication of CN111103552B publication Critical patent/CN111103552B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

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
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B60—VEHICLES IN GENERAL
    • B60L—PROPULSION OF ELECTRICALLY-PROPELLED VEHICLES; SUPPLYING ELECTRIC POWER FOR AUXILIARY EQUIPMENT OF ELECTRICALLY-PROPELLED VEHICLES; ELECTRODYNAMIC BRAKE SYSTEMS FOR VEHICLES IN GENERAL; MAGNETIC SUSPENSION OR LEVITATION FOR VEHICLES; MONITORING OPERATING VARIABLES OF ELECTRICALLY-PROPELLED VEHICLES; ELECTRIC SAFETY DEVICES FOR ELECTRICALLY-PROPELLED VEHICLES
    • B60L58/00—Methods or circuit arrangements for monitoring or controlling batteries or fuel cells, specially adapted for electric vehicles
    • B60L58/10—Methods or circuit arrangements for monitoring or controlling batteries or fuel cells, specially adapted for electric vehicles for monitoring or controlling batteries
    • B60L58/12—Methods or circuit arrangements for monitoring or controlling batteries or fuel cells, specially adapted for electric vehicles for monitoring or controlling batteries responding to state of charge [SoC]
    • G—PHYSICS
    • G07—CHECKING-DEVICES
    • G07C—TIME OR ATTENDANCE REGISTERS; REGISTERING OR INDICATING THE WORKING OF MACHINES; GENERATING RANDOM NUMBERS; VOTING OR LOTTERY APPARATUS; ARRANGEMENTS, SYSTEMS OR APPARATUS FOR CHECKING NOT PROVIDED FOR ELSEWHERE
    • G07C5/00—Registering or indicating the working of vehicles
    • G07C5/08—Registering or indicating performance data other than driving, working, idle, or waiting time, with or without registering driving, working, idle or waiting time
    • G07C5/0816—Indicating performance data, e.g. occurrence of a malfunction
    • G07C5/0825—Indicating performance data, e.g. occurrence of a malfunction using optical means
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B60—VEHICLES IN GENERAL
    • B60L—PROPULSION OF ELECTRICALLY-PROPELLED VEHICLES; SUPPLYING ELECTRIC POWER FOR AUXILIARY EQUIPMENT OF ELECTRICALLY-PROPELLED VEHICLES; ELECTRODYNAMIC BRAKE SYSTEMS FOR VEHICLES IN GENERAL; MAGNETIC SUSPENSION OR LEVITATION FOR VEHICLES; MONITORING OPERATING VARIABLES OF ELECTRICALLY-PROPELLED VEHICLES; ELECTRIC SAFETY DEVICES FOR ELECTRICALLY-PROPELLED VEHICLES
    • B60L3/00—Electric devices on electrically-propelled vehicles for safety purposes; Monitoring operating variables, e.g. speed, deceleration or energy consumption
    • B60L3/12—Recording operating variables ; Monitoring of operating variables
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B60—VEHICLES IN GENERAL
    • B60L—PROPULSION OF ELECTRICALLY-PROPELLED VEHICLES; SUPPLYING ELECTRIC POWER FOR AUXILIARY EQUIPMENT OF ELECTRICALLY-PROPELLED VEHICLES; ELECTRODYNAMIC BRAKE SYSTEMS FOR VEHICLES IN GENERAL; MAGNETIC SUSPENSION OR LEVITATION FOR VEHICLES; MONITORING OPERATING VARIABLES OF ELECTRICALLY-PROPELLED VEHICLES; ELECTRIC SAFETY DEVICES FOR ELECTRICALLY-PROPELLED VEHICLES
    • B60L58/00—Methods or circuit arrangements for monitoring or controlling batteries or fuel cells, specially adapted for electric vehicles
    • B60L58/10—Methods or circuit arrangements for monitoring or controlling batteries or fuel cells, specially adapted for electric vehicles for monitoring or controlling batteries
    • B60L58/16—Methods or circuit arrangements for monitoring or controlling batteries or fuel cells, specially adapted for electric vehicles for monitoring or controlling batteries responding to battery ageing, e.g. to the number of charging cycles or the 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
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N20/00—Machine learning
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B60—VEHICLES IN GENERAL
    • B60L—PROPULSION OF ELECTRICALLY-PROPELLED VEHICLES; SUPPLYING ELECTRIC POWER FOR AUXILIARY EQUIPMENT OF ELECTRICALLY-PROPELLED VEHICLES; ELECTRODYNAMIC BRAKE SYSTEMS FOR VEHICLES IN GENERAL; MAGNETIC SUSPENSION OR LEVITATION FOR VEHICLES; MONITORING OPERATING VARIABLES OF ELECTRICALLY-PROPELLED VEHICLES; ELECTRIC SAFETY DEVICES FOR ELECTRICALLY-PROPELLED VEHICLES
    • B60L2240/00—Control parameters of input or output; Target parameters
    • B60L2240/40—Drive Train control parameters
    • B60L2240/54—Drive Train control parameters related to batteries
    • B60L2240/545—Temperature
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B60—VEHICLES IN GENERAL
    • B60L—PROPULSION OF ELECTRICALLY-PROPELLED VEHICLES; SUPPLYING ELECTRIC POWER FOR AUXILIARY EQUIPMENT OF ELECTRICALLY-PROPELLED VEHICLES; ELECTRODYNAMIC BRAKE SYSTEMS FOR VEHICLES IN GENERAL; MAGNETIC SUSPENSION OR LEVITATION FOR VEHICLES; MONITORING OPERATING VARIABLES OF ELECTRICALLY-PROPELLED VEHICLES; ELECTRIC SAFETY DEVICES FOR ELECTRICALLY-PROPELLED VEHICLES
    • B60L2240/00—Control parameters of input or output; Target parameters
    • B60L2240/40—Drive Train control parameters
    • B60L2240/54—Drive Train control parameters related to batteries
    • B60L2240/547—Voltage
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B60—VEHICLES IN GENERAL
    • B60L—PROPULSION OF ELECTRICALLY-PROPELLED VEHICLES; SUPPLYING ELECTRIC POWER FOR AUXILIARY EQUIPMENT OF ELECTRICALLY-PROPELLED VEHICLES; ELECTRODYNAMIC BRAKE SYSTEMS FOR VEHICLES IN GENERAL; MAGNETIC SUSPENSION OR LEVITATION FOR VEHICLES; MONITORING OPERATING VARIABLES OF ELECTRICALLY-PROPELLED VEHICLES; ELECTRIC SAFETY DEVICES FOR ELECTRICALLY-PROPELLED VEHICLES
    • B60L2240/00—Control parameters of input or output; Target parameters
    • B60L2240/40—Drive Train control parameters
    • B60L2240/54—Drive Train control parameters related to batteries
    • B60L2240/549—Current
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B60—VEHICLES IN GENERAL
    • B60L—PROPULSION OF ELECTRICALLY-PROPELLED VEHICLES; SUPPLYING ELECTRIC POWER FOR AUXILIARY EQUIPMENT OF ELECTRICALLY-PROPELLED VEHICLES; ELECTRODYNAMIC BRAKE SYSTEMS FOR VEHICLES IN GENERAL; MAGNETIC SUSPENSION OR LEVITATION FOR VEHICLES; MONITORING OPERATING VARIABLES OF ELECTRICALLY-PROPELLED VEHICLES; ELECTRIC SAFETY DEVICES FOR ELECTRICALLY-PROPELLED VEHICLES
    • B60L2250/00—Driver interactions
    • B60L2250/16—Driver interactions by display
    • 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
    • Y02T—CLIMATE CHANGE MITIGATION TECHNOLOGIES RELATED TO TRANSPORTATION
    • Y02T10/00—Road transport of goods or passengers
    • Y02T10/60—Other road transportation technologies with climate change mitigation effect
    • Y02T10/70—Energy storage systems for electromobility, e.g. batteries

Landscapes

  • Engineering & Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Physics & Mathematics (AREA)
  • Software Systems (AREA)
  • Theoretical Computer Science (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Sustainable Development (AREA)
  • Sustainable Energy (AREA)
  • Power Engineering (AREA)
  • Transportation (AREA)
  • Mechanical Engineering (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Evolutionary Computation (AREA)
  • Medical Informatics (AREA)
  • Data Mining & Analysis (AREA)
  • Computing Systems (AREA)
  • General Engineering & Computer Science (AREA)
  • Mathematical Physics (AREA)
  • Artificial Intelligence (AREA)
  • Charge And Discharge Circuits For Batteries Or The Like (AREA)
  • Tests Of Electric Status Of Batteries (AREA)
  • Secondary Cells (AREA)

Abstract

本发明提供一种能够一定程度上确保二次电池的劣化状态的学习机会的学习装置、学习方法及存储介质。学习装置具备：学习部(125)，其基于表示供给用于车辆(10)行驶的电力的二次电池(40)的充电或放电中的至少一方的充放电数据，来进行所述二次电池的容量学习，且在所述充放电数据表示的充电率的变化量超过阈值的情况下，进行所述容量学习；以及阈值决定部(123)，其基于在规定期间中所述学习部进行了所述容量学习的履历信息，来决定所述阈值。

Description

学习装置、学习方法及存储介质
技术领域
本发明涉及学习装置、学习方法及存储介质。
背景技术
近年来，利用了电力的电动车辆、利用了电力和发动机的混合动力车辆正被开发。搭载于上述车辆的马达通过由蓄电池等二次电池供给电力来进行驱动。车辆具有计算二次电池的充满电容量的功能。
二次电池的充满电容量每当反复进行充放电时发生劣化。因此，存在判定二次电池的劣化程度来实现抑制二次电池的劣化的技术(例如，参照日本国特开2015-162991号公报)。二次电池的劣化程度例如基于根据二次电池的电流值、电压值、温度等算出的二次电池的放电量的累计值、电压下降量等来求出。
为了计算二次电池的充满电容量，希望存在充电率(SOC：State Of Charge)的变化量比阈值大的两点的数据。然而，当使用固定的阈值来进行数据的取舍选择时，存在学习的机会降低的情况。
发明内容
本发明的方案的目的之一在于，提供一种能够一定程度上确保二次电池的劣化状态的学习机会的学习装置、学习方法及存储介质。
本发明的方案的学习装置、学习方法及存储介质采用了以下的结构。
(1)：本发明的一方案为学习装置，其具备：学习部，其基于表示供给用于车辆行驶的电力的二次电池的充电或放电中的至少一方的充放电数据，来进行所述二次电池的容量学习，且在所述充放电数据表示的充电率的变化量超过阈值的情况下，进行所述容量学习；以及阈值决定部，其对在规定期间中所述学习部进行了所述容量学习的次数进行计数，并基于所述次数来决定所述阈值。
(2)：在上述(1)的方案的学习装置中，也可以是，所述次数越少，所述阈值决定部使所述阈值越小。
(3)：在上述(1)或(2)的方案的学习装置中，也可以是，所述学习装置还具备判定部，该判定部基于所述阈值来判定是否将所述充放电数据作为所述容量学习的学习数据使用，所述学习部基于所述判定部的判定结果，使用所述学习数据来进行所述容量学习。
(4)：在上述(3)的方案的学习装置中，也可以是，所述学习装置还具备显示控制部，该显示控制部基于所述容量学习的结果，来使显示部显示所述二次电池的劣化程度。
(5)：在上述(4)的方案的学习装置中，也可以是，所述学习部对表示所述二次电池的当前的充满电容量的当前最大容量与表示所述二次电池的初始的充满电容量的初始最大容量进行比较，来算出表示所述当前最大容量相对于所述初始最大容量的劣化程度的充满电容量的比。
(6)：本发明的另一方案为学习方法，其包括使一个或多个计算机进行的如下处理：基于表示供给用于车辆行驶的电力的二次电池的充电或放电中的至少一方的充放电数据，来进行所述二次电池的容量学习，且在所述充放电数据表示的充电率的变化量超过阈值的情况下，进行所述容量学习；以及对在规定期间中进行了所述容量学习的次数进行计数，并基于所述次数来决定所述阈值。
(7)：本发明的又一方案为存储介质，其存储有程序，其中，所述程序使一个或多个计算机进行如下处理：基于表示供给用于车辆行驶的电力的二次电池的充电或放电中的至少一方的充放电数据，来进行所述二次电池的容量学习，且在所述充放电数据表示的充电率的变化量超过阈值的情况下，进行所述容量学习；以及对在规定期间中进行了所述容量学习的次数进行计数，并基于所述次数来决定所述阈值。
根据(1)～(7)的方案，基于学习次数来决定阈值，由此能够一定程度上确保二次电池的劣化状态的学习机会。
根据(4)～(5)的方案，能够基于学习结果向用户通知二次电池的劣化程度。
附图说明
图1是表示实施方式的车辆的结构的一例的图。
图2是例示了车辆的车室内的结构的图。
图3是表示显示于显示部的画面的一例的图。
图4是表示学习装置的功能的具体例的框图。
图5是表示充放电学习履历的具体例的图。
图6是表示对应表的内容的一例的数据表。
图7是表示蓄电池的充满电容量的劣化状态的具体例的图。
图8是表示劣化状态的学习的处理流程的流程图。
图9是表示变形例的对应表的内容的一例的数据表。
图10是表示变形例的对应表的内容的一例的数据表。
具体实施方式
以下，参照附图来说明本发明的学习装置、学习方法及存储介质的实施方式。
[车辆10]
图1是表示实施方式的车辆10的结构的一例的图。如图1所示，车辆10例如具备马达12、驱动轮14、制动装置16、车辆传感器20、PCU(Power Control Unit)30、蓄电池40、电压传感器、电流传感器、温度传感器等蓄电池传感器42、通信装置50、显示装置60、充电口70、以及转换器72。
马达12例如为三相交流电动机。马达12的转子与驱动轮14连结。马达12使用被供给的电力来将动力向驱动轮14输出。另外，马达12在车辆减速时使用车辆的动能来进行发电。
制动装置16例如具备制动钳、向制动钳传递液压的液压缸、以及使液压缸产生液压的电动马达。制动装置16也可以具备将通过制动踏板的操作而产生的液压经由主液压缸向液压缸传递的机构来作为备用。需要说明的是，制动装置16不限于上述说明的结构，也可以是将主液压缸的液压向液压缸传递的电子控制式液压制动装置。
车辆传感器20具备油门开度传感器、车速传感器及制动踩踏量传感器。油门开度传感器安装于作为接受由驾驶员进行的加速指示的操作件的一例的油门踏板，来检测油门踏板的操作量，并作为油门开度而向控制部36输出。车速传感器例如具备安装于各车轮的车轮速度传感器和速度计算机，将由车轮速度传感器检测出的车轮速度合并来导出车辆的速度(车速)，并向控制部36及显示装置60输出。制动踩踏量传感器安装于制动踏板。制动踩踏量传感器检测制动踏板的操作量，并将检测出的制动踏板的操作量作为制动踩踏量而向控制部36输出。
PCU30例如具备变换器32、VCU(Voltage Control Unit)34及控制部36。需要说明的是，将这些构成要素统一成一个PCU30的结构只是一例，这些构成要素也可以分散地配置。
变换器32例如为AC-DC变换器。变换器32的直流侧端子与直流环DL连接。在直流环DL上经由VCU34而连接有蓄电池40。变换器32将由马达12发电得到的交流转换为直流而向直流环DL输出。
VCU34例如为DC-DC转换器。VCU34将从蓄电池40供给的电力升压而向直流环DL输出。
控制部36例如具备马达控制部、制动控制部、蓄电池-VCU控制部及学习装置100。马达控制部、制动控制部及蓄电池-VCU控制部也可以分别替换为分体的控制装置、例如马达ECU、制动ECU、蓄电池ECU这样的控制装置。需要说明的是，在本实施方式中，控制部36具备学习装置100，但也可以是，能够经由网络与车辆10进行通信的中心服务器具备学习装置100。
马达控制部基于车辆传感器20的输出来控制马达12。制动控制部基于车辆传感器20的输出来控制制动装置16。蓄电池-VCU控制部基于安装于蓄电池40的蓄电池传感器42的输出，来算出蓄电池40的SOC(State Of Charge；以下也称作“充电率”)，并向VCU34及显示装置60输出。VCU34根据来自蓄电池-VCU控制部的指示，使直流环DL的电压上升。充电率是表示某时间点下的二次电池的充电的状态处于完全放电(0％)与充满电(100％)之间的何处的信息。
蓄电池40例如为锂离子电池等二次电池。蓄电池40蓄积从车辆10的外部的充电器200导入的电力，并进行用于使车辆10行驶的放电。蓄电池传感器42例如具备电流传感器、电压传感器及温度传感器。蓄电池传感器42例如检测蓄电池40的电流值、电压值、温度。蓄电池传感器42将检测出的电流值、电压值、温度等向控制部36及通信装置50输出。
通信装置50包括用于连接蜂窝网、Wi-Fi网的无线模块。
通信装置50取得从蓄电池传感器42输出的电流值、电压值、温度等蓄电池使用状况信息，并经由网络向中心服务器等服务器发送。通信装置50对发送的蓄电池使用状况信息附加本车辆的蓄电池的类别信息及车种类信息。另外，通信装置50经由网络接收从服务器发送的信息。通信装置50将接收到的信息向显示装置60输出。
显示装置60例如具备显示部62和显示控制部64。显示部62显示与显示控制部64的控制相应的信息。显示控制部64根据从控制部36及通信装置50输出的信息，来使显示部62显示蓄电池的劣化程度。另外，显示控制部64使显示部62显示从车辆传感器20输出的车速等。
充电口70朝向车辆10的车身外部设置。充电口70经由充电线缆220与充电器200连接。充电线缆220具备第一插头222和第二插头224。第一插头222与充电器200连接，第二插头224与充电口70连接。从充电器200供给的电力经由充电线缆220向充电口70供给。
充电线缆220包括附设于电力线缆的信号线缆。信号线缆对车辆10与充电器200之间的通信进行中介。因此，在第一插头222和第二插头224上分别设置有电力连接器和信号连接器。
转换器72设置于蓄电池40与充电口70之间。转换器72将经由充电口70从充电器200导入的电流例如交流电流转换为直流电流。转换器72将转换后的直流电流向蓄电池40输出。
图2是例示了车辆10的车室内的结构的图。如图2所示，在车辆10上例如设置有对车辆10的转向进行控制的转向盘91、对车外与车室内进行区分的前风窗玻璃92、以及仪表板93。前风窗玻璃92为具有光透过性的构件。
显示装置60的显示部62设置于车室内的仪表板93中的驾驶员座94的正面附近。驾驶员能够从转向盘91的间隙视觉确认、或者越过转向盘91视觉确认显示部62。另外，在仪表板93的中央设有第二显示装置95。第二显示装置95例如显示与由搭载于车辆10的导航装置(未图示)执行的导航处理对应的图像、或者可视电话中的对方的影像等。另外，第二显示装置95也可以显示电视节目，或者播放DVD，或者显示已下载的电影等内容。
图3是表示显示于显示部62的画面的一例的图。如图3所示，在显示部62上例如显示有劣化状态T1及蓄电池充电率仪表M1。劣化状态是当前的充满电容量与初始的充满电容量之比(以下称作“最大容量比”)。即，劣化状态表示当前的充满电容量与初始的充满电容量相比劣化了的比例。劣化状态T1由数字显示，蓄电池充电率仪表M1通过仪表显示。例如，在图3中，劣化状态T1表示当前的充满电容量与初始的充满电容量相比劣化了10％的状态(最大容量比为90％)的情况。例如，蓄电池充电率仪表M1在二次电池被充满电的情况(充电率为100％的情况)下，示出仪表的“F”的值。例如，蓄电池充电率仪表M1在二次电池完全放电的情况(充电率为0％的情况)下，示出仪表的“E”的值。
图4是表示学习装置100的功能结构的一例的图。学习装置100例如具备存储部110、数据管理部120、数据履历取得部121、学习次数提取部122、阈值决定部123、可否学习判定部124(判定部)、以及学习部125。
存储部110使用磁硬盘装置、半导体存储装置等存储装置而构成。存储部110存储充放电学习履历111及对应表112。
学习装置100的存储部110以外的构成要素例如通过CPU(Central ProcessingUnit)等硬件处理器执行程序(软件)来实现。这些构成要素中的一部分或全部也可以通过LSI(Large Scale Integration)、ASIC(Application Specific Integrated Circuit)、FPGA(Field-Programmable Gate Array)、GPU(Graphics Processing Unit)等硬件(包括电路部：circuitry)来实现，还可以通过软件与硬件的协同配合来实现。程序可以预先保存于HDD(Hard Disk Drive)、闪存器等存储装置(具备非暂时性的存储介质的存储装置)，也可以保存于DVD、CD-ROM等能够装卸的存储介质(非暂时性的存储介质)，并通过将存储介质装配于驱动装置来进行安装。需要说明的是，学习装置100自身也可以为控制部36的软件功能。
数据管理部120以规定的采样周期从蓄电池-VCU控制部取得充电率，并保存于充放电学习履历111。例如，数据管理部120每隔1分钟从蓄电池-VCU控制部取得蓄电池40的充电率及充电容量的数据，并对充放电学习履历111进行数据的追加、更新及删除。
数据履历取得部121从充放电学习履历111取得规定的期间中的充放电学习履历111的数据。数据履历取得部121将取得到的数据向学习次数提取部122、阈值决定部123及可否学习判定部124发送。需要说明的是，规定的期间可以预先设定，也可以由用户任意地决定。关于充放电学习履历111，使用图5来进行说明。
图5是表示充放电学习履历111的内容的一例的图。充放电学习履历111是将充电率、充放电电流及学习标志与计测时刻对应而建立了对应关系的数据履历。充放电电流是在上次的记录与此次的记录之间进行了的充放电的电流累计值。
学习标志是对作为学习数据而采用的数据的开始时间点和结束时间点分别赋予的标志。对学习开始时间点赋予“1”，对学习结束时间点赋予“2”。学习标志由数据管理部120赋予。
返回图4的说明。学习次数提取部122提取第一期间T1中的学习次数。第一期间是从当前的时刻追溯到规定的时刻为止的期间。第一期间T1例如是1周～1个月程度的期间。学习次数提取部122例如参照从数据履历取得部121获取到的充放电学习履历111，对第一期间T1中的学习标志“2”的数量进行计数，由此提取规定的期间中的学习次数。
学习次数提取部122将提取到的次数(以下，称作提取学习次数)向阈值决定部123发送。
阈值决定部123使用从学习次数提取部122获取到的提取学习次数并参照对应表112，决定针对差量充电率的阈值。差量充电率(ΔSOC)是表示规定期间中的充电率的最大值与充电率的最小值的差量的充电率。阈值决定部123将在对应表112中与提取学习次数建立了对应关系的阈值决定为由可否学习判定部124使用的阈值。
图6是表示实施方式的对应表112的内容的一例的图。对应表112是将阈值与学习次数建立了对应关系的表。学习次数是表示学习部125使用学习数据进行了蓄电池40的劣化状态的学习的次数的信息。阈值是由可否学习判定部124使用的阈值。阈值以学习次数越多则越大的方式决定。其结果是，阈值决定部123在规定的期间中的学习次数少的情况下决定出低的阈值，在学习次数多的情况下决定出高的阈值。
阈值决定部123通过决定出低的阈值而能够增加学习的机会(及学习数据的数量)，通过决定出高的阈值而能够取得精度高的学习数据。由此，即便在数据管理部120仅能够取得差量充电率低的数据的情况下，也能够进行引导，以便积极地进行容量学习。
返回图4的说明。可否学习判定部124基于由阈值决定部123决定出的差量充电率的阈值，来判定保存于充放电学习履历111的数据是否能够作为学习数据使用。可否学习判定部124提取保存于充放电学习履历111的数据中的第二期间内的数据。第二期间是从当前的时刻追溯到规定的时刻为止的期间，且是比第一期间短的期间。第二期间例如是一天～几天程度的期间。
可否学习判定部124还将第二期间内的数据按“充电中”、“休止中”、“行驶中”等场景进行分类，并求出场景内的充电率的最大值和最小值。然后，可否学习判定部124在至少一个场景内的充电率的最大值与最小值的差量(差量充电率)超过阈值的情况下，判定为该最大值与最小值之间的数据能够作为学习数据使用，并作为学习数据而向学习部125发送。需要说明的是，也可以省略将第二期间按场景进行分类的情况。可否学习判定部124在最大值与最小值的差量不超过阈值的情况下，判定为第二期间内的数据不能作为学习数据使用。
学习部125基于从可否学习判定部124获取到的学习数据(差量充电率及充放电电流)，来进行蓄电池40的劣化状态的学习。学习部125在进行了蓄电池40的劣化状态的学习的情况下，将使学习标志更新的通知向数据管理部120发送。数据管理部120在充放电学习履历111中将规定期间中的充电率的最大值及最小值的记录的学习标志分别变更为“1”、“2”。
对劣化状态的学习进行说明。学习部125基于学习数据来算出当前的蓄电池40的充满电容量(以下，称作“当前最大容量”。)。学习部125基于当前最大容量和初始最大容量，来算出当前最大容量相对于初始最大容量的最大容量比(劣化状态)。初始最大容量是出厂时的蓄电池40的充满电容量。学习部125对算出的最大容量比进行聚类处理等统计处理。由此，学习部125能够学习蓄电池40的劣化状态。学习部125将算出的最大容量比向显示控制部64发送。显示控制部64使显示部62显示获取到的最大容量比(例如，图3的显示例)。
图7是表示实施方式的蓄电池40的充满电容量的劣化状态的具体例的图。在图7中，实线是表示蓄电池40的本来的劣化状态(真实值)的线。在图7中，白圆圈为由学习部125算出的最大容量比的算出值。在图7中，虚线是表示对算出值运用最小二乘法得出的最大容量比(学习值)的线。纵轴为蓄电池40的最大容量。横轴为时间。需要说明的是，在图7中，将出厂时的蓄电池40的初始最大容量与当前最大容量为相同值的情况作为最大容量比的100％。
在图7中，算出值沿着时间序列存在，因此基于算出值得出的最大容量比被绘制为二维线图。此时，当学习数据少(即，算出值少)时，导致通过统计处理求出的值离散，有时不能顺利地绘制最大容量比的二维线图。因此，阈值决定部123基于学习次数来决定差量充电率的阈值，由此学习部125能够充分地确保学习数据的数量，能够使通过统计处理求出的学习值收敛。
图8是表示实施方式的劣化状态的学习的处理流程的流程图。图8的流程图例如在起动发动机时(点火执行时)开始。
首先，数据履历取得部121从充放电学习履历111取得规定的期间中的充放电学习履历111的数据(步骤S101)。接着，学习次数提取部122基于保存于充放电学习履历111的学习标志，来对在第一期间中进行了几次学习进行计数。学习次数提取部122提取计数得到的学习次数来作为规定期间中的提取学习次数(步骤S102)。
接着，阈值决定部123使用从学习次数提取部122获取到的提取学习次数并参照对应表112，来决定差量充电率的阈值(步骤S103)。接着，可否学习判定部124基于由阈值决定部123决定出的差量充电率的阈值，来判定保存于充放电学习履历111的被赋予了学习标志的记录的差量充电率是否能够作为学习数据使用(步骤S104)。
在差量充电率超过由阈值决定部123决定出的阈值的情况下(步骤S104：是)，可否学习判定部124判定为第二期间的充电率的最大值与最小值之间的数据能够作为学习数据使用(步骤S105)。可否学习判定部124将充放电学习履历111的差量充电率及其间的充放电电流的记录作为学习数据向学习部125发送。学习部125基于学习数据(ΔSOC及ΔAh)来算出当前的蓄电池40的当前最大容量。接着，学习部125基于当前最大容量和初始最大容量，来算出当前最大容量相对于初始最大容量的最大容量比(劣化状态)(步骤S106)。
学习部125将算出的最大容量比向显示控制部64发送。接着，显示控制部64使显示部62显示获取到的最大容量比(步骤S107)。另外，在差量充电率不超过由阈值决定部123决定出的阈值的情况下(步骤S104：否)，可否学习判定部124判定为第二期间内的数据不能作为学习数据使用(步骤S108)。接着，进行步骤S106及步骤S107的处理。
根据这样构成的学习装置100，通过具有阈值决定部123及学习部125，从而能够基于第二期间中的学习次数来决定差量充电率的阈值。阈值决定部123使用从充放电学习履历111提取到的学习次数并参照对应表112，来决定差量充电率的阈值。阈值决定部123能够在第二期间中的学习次数少的情况下决定出低的阈值，且能够在第二期间中的学习次数多的情况下决定出高的阈值。学习部125基于成为学习数据的差量充电率，来进行蓄电池40的劣化状态的学习。由此，学习装置100能够一定程度上确保二次电池的劣化状态的学习机会。
[变形例]
数据履历取得部121也可以从充放电学习履历111取得差量充电率和在学习中使用的学习数据的数量。即，充放电学习履历111也可以具有学习数据标志的列。学习数据标志也可以由数据管理部120赋予。充放电学习履历111也可以不论是否由学习部125进行了学习，均将作为学习数据使用的记录保存为“1”，将不作为学习数据使用的记录保存为“0”。此时，阈值决定部123可以基于学习数据的数量，来决定与差量充电率相关的阈值。
学习部125也可以在从可否学习判定部124获取到学习数据时，不立即进行蓄电池40的劣化状态的学习。即，学习部125可以在取得到规定的数量以上的学习数据的情况下，开始蓄电池40的劣化状态的学习。
图9是表示变形例的对应表112的内容的一例的数据表。
需要说明的是，关于在图6中说明的内容，适当进行省略。
存储部110例如预先存储图9所示的对应表112。对应表112是将阈值及数据反映率与学习次数建立了对应关系的表。
数据反映率是表示在学习劣化状态时以何种程度反映出由学习部125算出的最大容量比的信息。对于数据反映率而言，基于学习次数来决定规定的反映率。例如，在第二期间中的学习次数少的情况下，学习的机会不充分，因此数据反映率被设定得高。例如，在第二期间中的学习次数多的情况下，学习数据充分，因此数据反映率被设定得低。需要说明的是，根据学习次数决定的数据反映率可以预先设定，也可以由用户任意地决定。
另外，也可以代替学习次数而使用ΔOCV、稳定时间、平均电流来决定阈值。ΔOCV是蓄电池40的电压。稳定时间是表示在充放电的前后蓄电池40稳定的状态的时间的信息。平均电流是蓄电池40的电流。例如，阈值决定部123可以以ΔOCV越大则阈值越大的方式决定阈值。例如，阈值决定部123也可以以稳定时间越长则阈值越大的方式决定阈值。例如，阈值决定部123还可以以平均电流越大则阈值越大的方式决定阈值。
需要说明的是，根据学习次数而决定的ΔOCV、稳定时间及平均电流可以预先设定，也可以由用户任意地决定。通过使用ΔOCV、稳定时间及平均电流，从而即便不由学习次数提取部122提取学习次数，阈值决定部123也能够决定阈值。
图10是表示变形例的对应表112的内容的一例的数据表。需要说明的是，关于在图6中说明的内容，适当进行省略。
存储部110例如预先存储图10所示的对应表112。对应表112基于差量充电率的平方和及阈值的信息而生成。差量充电率的平方和是对差量充电率的平方值进行累计得到的值。
可否学习判定部124也可以代替基于学习次数而基于差量充电率的平方和来判定保存于对应表112的差量充电率是否能够作为学习数据使用。可否学习判定部124在差量充电率的平方和比规定的值大的情况下，将成为对象的记录的差量充电率作为学习数据向学习部125发送。可否学习判定部124在差量充电率的平方和比规定的值小的情况下，将成为对象的记录的差量充电率不作为学习数据使用而废弃。
由此，通过使用图10的对应表112，从而即便不是由学习次数提取部122提取学习次数来由阈值决定部123决定阈值，学习部125也能够进行学习。
以上使用实施方式说明了本发明的具体实施方式，但本发明丝毫不被这样的实施方式限定，在不脱离本发明的主旨的范围内能够施加各种变形及替换。

Claims (18)

1.一种学习装置，其中，
所述学习装置具备：
学习部，其基于表示供给用于车辆行驶的电力的二次电池的充电或放电中的至少一方的充放电数据，来进行所述二次电池的容量学习，且在所述充放电数据表示的充电率的变化量超过阈值的情况下，进行所述容量学习；以及
阈值决定部，其基于在规定期间中所述学习部进行了所述容量学习的履历信息，来决定所述阈值。
2.一种学习装置，其中，
所述学习装置具备：
学习部，其基于表示供给用于车辆行驶的电力的二次电池的充电或放电中的至少一方的充放电数据，来进行所述二次电池的容量学习，且在所述充放电数据表示的平均电流超过阈值的情况下，进行所述容量学习；以及
阈值决定部，其基于在规定期间中所述学习部进行了所述容量学习的履历信息，来决定所述阈值。
3.一种学习装置，其中，
所述学习装置具备：
学习部，其基于表示供给用于车辆行驶的电力的二次电池的充电或放电中的至少一方的充放电数据，来进行所述二次电池的容量学习，且在所述充放电数据表示的蓄电池电压的变化量超过阈值的情况下，进行所述容量学习；以及
阈值决定部，其基于在规定期间中所述学习部进行了所述容量学习的履历信息，来决定所述阈值。
4.根据权利要求1至3中任一项所述的学习装置，其中，
所述履历信息为在所述规定期间中所述学习部进行了所述容量学习的次数。
5.根据权利要求1至3中任一项所述的学习装置，其中，
所述履历信息为在所述规定期间中所述学习部进行了所述容量学习的履历中的、表示所述规定期间中的充电率的最大值与所述充电率的最小值的差量的差量充电率的累计值。
6.根据权利要求1至3中任一项所述的学习装置，其中，
所述履历信息为在所述规定期间中所述学习部进行了所述容量学习的履历中的、表示所述规定期间中的充电率的最大值与所述充电率的最小值的差量的差量充电率的平方和。
7.根据权利要求4所述的学习装置，其中，
所述次数越少，所述阈值决定部使所述阈值越小。
8.根据权利要求5所述的学习装置，其中，
所述差量充电率的累计值越小，所述阈值决定部使所述阈值越小。
9.根据权利要求6所述的学习装置，其中，
所述差量充电率的平方和越小，所述阈值决定部使所述阈值越小。
10.根据权利要求1至3中任一项所述的学习装置，其中，
所述学习装置还具备判定部，该判定部基于所述阈值来判定是否将所述充放电数据作为所述容量学习的学习数据使用，
所述学习部基于所述判定部的判定结果，使用所述学习数据来进行所述容量学习。
11.根据权利要求1至3中任一项所述的学习装置，其中，
所述学习装置还具备显示控制部，该显示控制部基于所述容量学习的结果，来使显示部显示所述二次电池的劣化程度。
12.根据权利要求1至3中任一项所述的学习装置，其中，
所述学习部对表示所述二次电池的当前的充满电容量的当前最大容量与表示所述二次电池的初始的充满电容量的初始最大容量进行比较，来算出表示所述当前最大容量相对于所述初始最大容量的劣化程度的充满电容量的比。
13.一种学习方法，其中，
所述学习方法包括使一个或多个计算机进行的如下处理：
基于表示供给用于车辆行驶的电力的二次电池的充电或放电中的至少一方的充放电数据，来进行所述二次电池的容量学习，且在所述充放电数据表示的充电率的变化量超过阈值的情况下，进行所述容量学习；以及
基于在规定期间中进行了所述容量学习的履历信息，来决定所述阈值。
14.一种学习方法，其中，
所述学习方法包括使一个或多个计算机进行的如下处理：
基于表示供给用于车辆行驶的电力的二次电池的充电或放电中的至少一方的充放电数据，来进行所述二次电池的容量学习，且在所述充放电数据表示的平均电流超过阈值的情况下，进行所述容量学习；以及
基于在规定期间中进行了所述容量学习的履历信息，来决定所述阈值。
15.一种学习方法，其中，
所述学习方法包括使一个或多个计算机进行的如下处理：
基于表示供给用于车辆行驶的电力的二次电池的充电或放电中的至少一方的充放电数据，来进行所述二次电池的容量学习，且在所述充放电数据表示的蓄电池电压的变化量超过阈值的情况下，进行所述容量学习；以及
基于在规定期间中进行了所述容量学习的履历信息，来决定所述阈值。
16.一种存储介质，其存储有程序，其中，
所述程序使一个或多个计算机进行如下处理：
基于表示供给用于车辆行驶的电力的二次电池的充电或放电中的至少一方的充放电数据，来进行所述二次电池的容量学习，且在所述充放电数据表示的充电率的变化量超过阈值的情况下，进行所述容量学习；以及
基于在规定期间中进行了所述容量学习的履历信息，来决定所述阈值。
17.一种存储介质，其存储有程序，其中，
所述程序使一个或多个计算机进行如下处理：
基于表示供给用于车辆行驶的电力的二次电池的充电或放电中的至少一方的充放电数据，来进行所述二次电池的容量学习，且在所述充放电数据表示的平均电流超过阈值的情况下，进行所述容量学习；以及
基于在规定期间中进行了所述容量学习的履历信息，来决定所述阈值。
18.一种存储介质，其存储有程序，其中，
所述程序使一个或多个计算机进行如下处理：
基于表示供给用于车辆行驶的电力的二次电池的充电或放电中的至少一方的充放电数据，来进行所述二次电池的容量学习，且在所述充放电数据表示的蓄电池电压的变化量超过阈值的情况下，进行所述容量学习；以及
基于在规定期间中进行了所述容量学习的履历信息，来决定所述阈值。
CN201910986995.6A 2018-10-29 2019-10-16 学习装置、学习方法及存储介质 Active CN111103552B (zh)

Applications Claiming Priority (2)

Application Number Priority Date Filing Date Title
JP2018-203208 2018-10-29
JP2018203208A JP7145035B2 (ja) 2018-10-29 2018-10-29 学習装置、学習方法、及びプログラム

Publications (2)

Publication Number Publication Date
CN111103552A CN111103552A (zh) 2020-05-05
CN111103552B true CN111103552B (zh) 2022-03-04

Family

ID=70324896

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201910986995.6A Active CN111103552B (zh) 2018-10-29 2019-10-16 学习装置、学习方法及存储介质

Country Status (3)

Country Link
US (1) US11511644B2 (zh)
JP (1) JP7145035B2 (zh)
CN (1) CN111103552B (zh)

Families Citing this family (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
TWI744721B (zh) * 2019-11-19 2021-11-01 廣達電腦股份有限公司 電池裝置及其控制方法
JP7457575B2 (ja) * 2020-05-25 2024-03-28 株式会社Ａｅｓｃジャパン 劣化推定装置、モデル生成装置、劣化推定方法、モデル生成方法、及びプログラム
JP2022011802A (ja) * 2020-06-30 2022-01-17 株式会社デンソー 二次電池の劣化度判定システム用のサーバ及び外部端末、劣化度判定システム
CN112060940B (zh) * 2020-09-08 2021-12-31 中车青岛四方车辆研究所有限公司 一种动车组蓄电池延长放电的方法
JP7388332B2 (ja) * 2020-10-12 2023-11-29 トヨタ自動車株式会社 二次電池の劣化判定装置
JP7498247B2 (ja) 2022-10-31 2024-06-11 本田技研工業株式会社 充電率推定方法

Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101243325A (zh) * 2005-09-16 2008-08-13 古河电气工业株式会社 二次电池劣化判定方法、二次电池劣化判定装置、及电源系统
CN101800340A (zh) * 2009-02-05 2010-08-11 三洋电机株式会社 二次电池的异常检测器件及二次电池器件
JP2014178213A (ja) * 2013-03-14 2014-09-25 Furukawa Electric Co Ltd:The 二次電池状態検出装置および二次電池状態検出方法
CN105050855A (zh) * 2013-03-22 2015-11-11 丰田自动车株式会社 蓄电系统和用于蓄电装置的满充电容量估计方法
CN107076803A (zh) * 2014-11-19 2017-08-18 株式会社杰士汤浅国际 二次电池的管理装置及二次电池的管理方法
CN107179512A (zh) * 2017-07-12 2017-09-19 万帮充电设备有限公司 预测电池寿命的方法及装置

Family Cites Families (14)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JPH11285155A (ja) * 1998-03-27 1999-10-15 Suzuki Motor Corp バッテリの交換時期判定装置および劣化度表示装置並びにバッテリ性能計測用データを記憶した記憶媒体
KR100880717B1 (ko) * 2005-02-14 2009-02-02 가부시키가이샤 덴소 뉴럴네트워크연산에 기초한 2차전지의 충전상태를 검출하기위한 방법 및 장치
JP2007010370A (ja) * 2005-06-28 2007-01-18 Sanyo Electric Co Ltd 電池容量の検出方法
JP2007026733A (ja) * 2005-07-12 2007-02-01 Sanyo Electric Co Ltd パック電池の制御方法。
JP5264186B2 (ja) * 2008-01-07 2013-08-14 キヤノン株式会社 電池ユニット
CN102184656B (zh) * 2011-05-10 2012-12-26 安徽省电力科学研究院 输电线路工频参数模拟系统及其控制方法
US9751424B2 (en) * 2011-07-14 2017-09-05 Ford Global Technologies, Llc Method and system for determining a target state of charge to charge a battery in a vehicle using external electric power
JP5803518B2 (ja) * 2011-09-29 2015-11-04 トヨタ自動車株式会社 車両および車両用制御方法
JP5862478B2 (ja) * 2012-06-25 2016-02-16 トヨタ自動車株式会社 蓄電システムおよび制御方法
JP6128014B2 (ja) 2014-02-27 2017-05-17 トヨタ自動車株式会社 車両用充電制御装置
JP6459913B2 (ja) * 2015-11-11 2019-01-30 株式会社デンソー 電源システムの制御装置
US11368030B2 (en) * 2016-07-22 2022-06-21 Eos Energy Storage Llc Battery management system
JP2018013435A (ja) * 2016-07-22 2018-01-25 株式会社豊田自動織機 蓄電システム
KR101998069B1 (ko) * 2017-06-23 2019-07-09 이정환 전기자동차용 배터리의 열화 발생을 저감하면서 고속충전과 최대방전을 수행하기 위한 방법 및 그 장치

Patent Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101243325A (zh) * 2005-09-16 2008-08-13 古河电气工业株式会社 二次电池劣化判定方法、二次电池劣化判定装置、及电源系统
CN101800340A (zh) * 2009-02-05 2010-08-11 三洋电机株式会社 二次电池的异常检测器件及二次电池器件
JP2014178213A (ja) * 2013-03-14 2014-09-25 Furukawa Electric Co Ltd:The 二次電池状態検出装置および二次電池状態検出方法
CN105050855A (zh) * 2013-03-22 2015-11-11 丰田自动车株式会社 蓄电系统和用于蓄电装置的满充电容量估计方法
CN107076803A (zh) * 2014-11-19 2017-08-18 株式会社杰士汤浅国际 二次电池的管理装置及二次电池的管理方法
CN107179512A (zh) * 2017-07-12 2017-09-19 万帮充电设备有限公司 预测电池寿命的方法及装置

Also Published As

Publication number Publication date
US20200130530A1 (en) 2020-04-30
JP7145035B2 (ja) 2022-09-30
US11511644B2 (en) 2022-11-29
JP2020071070A (ja) 2020-05-07
CN111103552A (zh) 2020-05-05

Similar Documents

Publication Publication Date Title
CN111103552B (zh) 学习装置、学习方法及存储介质
CN111038286B (zh) 诊断系统、诊断方法及存储介质
CN112534671B (zh) 提示装置、提示方法以及存储介质
CN112534625B (zh) 诊断装置、诊断方法及存储介质
CN112313110B (zh) 车辆、服务器装置、显示控制方法及存储介质
CN112470020B (zh) 诊断装置、诊断方法、诊断系统及存储介质
CN111002828B (zh) 诊断装置、诊断方法及存储介质
CN110962689B (zh) 诊断装置、诊断系统、诊断方法及存储介质
CN112776662A (zh) 蓄电池状态判定系统、蓄电池状态判定方法及存储介质
CN111959274B (zh) 影响程度显示装置、影响程度显示方法及存储介质
US20200116797A1 (en) Derivation device, derivation method, and storage medium
CN110871709A (zh) 容量推定系统、容量推定方法及存储介质
US11565606B2 (en) Diagnostic device, diagnostic system, diagnostic method, and diagnostic program
US20230034680A1 (en) Electrically powered vehicle, method of controlling electrically powered vehicle, and controller that controls electrically powered vehicle
CN110962682A (zh) 提示装置、提示方法及存储介质
CN114423638B (zh) 信息处理方法、信息处理装置以及信息处理系统
CN110879365A (zh) 信息提供装置、信息提供方法及存储介质

Legal Events

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