CN111542759A

CN111542759A - 二次电池的异常检测装置、异常检测方法以及程序

Info

Publication number: CN111542759A
Application number: CN201880085109.6A
Authority: CN
Inventors: 高桥圭; 丰高耕平
Original assignee: Semiconductor Energy Laboratory Co Ltd
Current assignee: Semiconductor Energy Laboratory Co Ltd
Priority date: 2018-01-11
Filing date: 2018-12-25
Publication date: 2020-08-14
Anticipated expiration: 2038-12-25
Also published as: TWI814765B; TW202349010A; TW201930910A; JP7483078B2; DE112018006835T5; KR20200107987A; JP7234140B2; US20200355749A1; JP2023067894A; WO2019138286A1; US20240118344A1; CN111542759B; JPWO2019138286A1

Abstract

提供一种在进行异常检测的同时高精度地预测其他参数(内部电阻及SOC等)的二次电池的控制系统。利用卡尔曼滤波检测某个时间的观察值(电压)和使用事前状态变量推测的电压的差值。预先设定阈值电压并根据测出的电压差值检测突发异常、具体为微短路等。再者，优选使用神经网络学习时间序列的差分电压差值的数据，并判断是异常还是正常而进行检测。

Description

二次电池的异常检测装置、异常检测方法以及程序

技术领域

本发明的一个方式涉及一种物品、方法或者制造方法。另外，本发明涉及一种工序(process)、机器(machine)、产品(manufacture)或者组合物(composition of matter)。本发明的一个方式涉及一种半导体装置、显示装置、发光装置、蓄电装置、照明装置或电子设备的制造方法。此外，本发明的一个方式涉及一种蓄电装置的充电控制方法、一种蓄电装置的状态推测方法及一种蓄电装置的异常检测方法，特别涉及一种蓄电装置的充电系统、一种蓄电装置的状态推测系统及一种蓄电装置的异常检测系统。

另外，在本说明书中，蓄电装置是指具有蓄电功能的所有元件以及装置。例如，蓄电装置包括锂离子二次电池等蓄电池(也称为二次电池)、锂离子电容器、镍氢电池、全固态电池及双电层电容器等。

此外，本发明的一个方式涉及一种使用神经网络的蓄电装置的异常检测系统及一种蓄电装置的状态推测装置。此外，本发明的一个方式涉及一种使用神经网络的车辆。此外，本发明的一个方式涉及一种使用神经网络的电子设备。此外，本发明的一个方式涉及一种不但适用于车辆，而且还可以适用于用来储存从设置在结构体等中的太阳能发电面板等发电设备得到的电力的蓄电装置的状态推测系统及设备异常检测系统。

背景技术

近年来，对锂离子二次电池、锂离子电容器及空气电池等各种蓄电装置积极地进行了开发。尤其是，伴随手机、智能手机、平板电脑或笔记本型个人计算机等便携式信息终端、游戏装置、便携式音乐播放机、数码相机、医疗设备、混合动力汽车(HEV)、电动汽车(EV)或插电式混合动力汽车(PHEV)等新一代清洁能源汽车、或者电动摩托车等的半导体产业的发展，对高输出、高能量密度的锂离子二次电池的需求量急剧增长，作为能够充电的能量供应源，成为现代信息化社会的必需品。

此外，虽然电动汽车是只将电动发动机作为驱动部的车辆，但是也有具备引擎等内燃机和电动发动机的双方的混合动力汽车。作为用于汽车的二次电池，也是将多个二次电池作为一个电池组并将多个电池组配置在汽车的下部。

用于电动汽车、混合动力汽车及电动摩托车的二次电池由于充电次数、放电深度、充电电流、充电环境(温度变化)等而会发生劣化。还依赖于用户的用法，且充电时的温度、高速充电的频率、使用再生制动器的充电量、使用再生制动器的充电时机等也可能与劣化有关。此外，用于电动汽车及混合动力汽车的二次电池有可能由于随时间的劣化等而发生短路等异常。

此外，因为用于电动汽车、混合动力汽车或电动摩托车的二次电池以长期间使用为前提，所以被期待有充分的可靠性。

锂离子二次电池不采用在充满电容量(FCC(Full Charge Capacity))中电池的剩余容量(RC)所占的比例，即充电率(SOC)使用设计容量(DC)中的0％至100％的设定，并且为了防止过放电，充电率不设为0％，而设定有5％(或10％)左右的余量。此外，为了防止过充电，充电率不设为100％，而设定有5％(或10％)左右的余量。其结果是，锂离子二次电池被认为在设计容量的5％至95％的范围内(或10％至90％的范围内)使用。实际上，通过使用与二次电池连接的BMS(Battery Management System：电池管理单元)设定上限电压V_max和下限电压V_min的电压范围，来在设计容量的5％至95％的范围内(或10％至90％的范围内)使用。

二次电池由于使用、随时间的变化或温度变化而会发生劣化。通过正确地知道二次电池的内部状态，特别是SOC(充电率)，来进行二次电池的管理。通过正确地知道SOC，可以扩大上限电压V_max和下限电压V_min的电压范围。在现有技术中，通过库仑计数法进行SOC推测。

专利文献1示出对二次电池的剩余容量的运算使用神经网络的一个例子。

[先行技术文献]

[专利文献]

[专利文献1]美国专利申请公开第2006/0181245号公报

发明内容

发明所要解决的技术问题

本发明的目的之一是检测二次电池的异常，例如通过早期检测降低二次电池的安全性的现象，警告用户或改变二次电池的工作条件，从而确保安全性。

此外，虽然在现有的二次电池的异常检测中，在发生二次电池的劣化而发生误差时需要校正，但是由于不进行通过反馈的校正，校正不充分而导致异常检测的精度低，由此提高精度也是本发明的目的之一。

此外，当在二次电池中产生大的噪音，对二次电池的内部电阻及SOC等进行监视时，由于被输入的噪音数据而导致在后面推测的SOC的数值中发生误差。作为本发明的目的之一，理想的是，提供在进行异常检测的同时，以高精度预测其他参数(内部电阻及SOC等)的二次电池的控制系统。

解决技术问题的手段

在锂离子电池中只有电流、电压及温度的参数可以测量，而内部电阻及SOC(充电率)难以直接测量。于是，由回归模型(回归式)，例如，回归分析、卡尔曼滤波、多元回归分析进行计算处理来推测内部电阻及SOC。

卡尔曼滤波是无限脉冲响应滤波之一种。此外，多元回归分析是多变量分析之一种，其中回归分析的独立变量为多个。作为多元回归分析，有最小二乘法等。回归分析需要较多的观察值的时间序列，而卡尔曼滤波具有只要积蓄一定程度的数据就可以逐步得到最适合的校正系数的优点。此外，也可以将卡尔曼滤波应用于非平稳时间序列。

作为推测二次电池的内部电阻及SOC的方法，可以利用非线性卡尔曼滤波(具体而言，无损卡尔曼滤波(也称为UKF))。此外，也可以使用扩展卡尔曼滤波(也称为EKF)。

使用卡尔曼滤波推测二次电池的内部电阻及SOC的方法是已知方法，只通过该方法难以检测突发异常，具体而言，微短路等。在推测二次电池的内部电阻及SOC时，将事后状态推测值用为输出，但是在本发明中，不直接使用状态推测值而通过使用观察值和事前状态推测值之间的差值来实现突发异常的检测。

为了解决上述课题，本说明书所公开的二次电池的异常检测装置、异常检测系统及异常检测方法采用以下手段。

利用卡尔曼滤波测出某个时间的观察值(电压)和使用事前状态变量推测的电压之间的差值。预先设定阈值电压，并由测出的电压差值检测突发异常，具体而言，微短路等。通过检测微短路等，可以早期检测二次电池的异常。

微短路是指二次电池内部的极小的短路，不是由于在二次电池的正极和负极之间发生短路而不能进行充放电的状态，而是微量的短路电流流过极小的短路部的现象。发生微短路的原因之一被认为是由于多次进行充放电，发生正极活性物质的不均匀分布，在正极的一部分与负极的一部分发生局部性电流集中，而使隔离体的一部分不起作用，或者，因副反应而发生副反应物，导致发生微短路。

作为理想的二次电池，需要减薄隔离体以实现二次电池的小型化。另外，需要以高电压来进行高速供电的充电。但在上述结构中，二次电池容易发生微短路。另外，当反复发生微短路时，有可能导致二次电池的异常发热及起火等重大事故。

因此，构成能在发生微短路时早期测出来防患于未然的异常检测系统、二次电池的控制系统或二次电池的充电系统。微短路是二次电池特有的异常，以往不存在着眼于微短路而测出微短路的方法及系统。本发明人构建在发生微短路时发现大变动的值并计算出该值的方法及系统。再者，使用AI(AI：Artificial Intelligence：人工智能)系统(神经网络)进行通过反馈的校正来测出二次电池的异常发生。

下面示出测出二次电池的异常发生的测量模型。在此，模型是指二次电池的异常检测系统的模型，根据预先规定的步骤计算或模拟系统的输入来决定系统的输出。以可以通过回归及学习等手段决定相对于系统的输入的最适当的输出的结构(例如，神经网络、隐马尔可夫模型、多项式函数近似等)为模型。这些模型为一个例子而不局限于此。

在事前推测预测步骤中利用模型及输入值。在事后推测步骤(也称为滤波步骤)中利用观察值。

[算式1]

x(k+1)＝Ax(k)+bu(k)+bv(k)

上述算式是描述系统的状态的迁移的状态方程式。

在某个时间(时间k)观察值y(k)与x(k)之间有如下关系。

[算式2]

y(k)＝c^Tx(k)+w(k)

c^T是用来将状态空间线性映射到观察空间的观察模型。w(k)是观察噪音。上述算式是观察方程式。

将状态方程式和观察方程式统称为状态空间模型。

此外，可以由以下算式表示事前状态推测值(左边)。

[算式3]

注意，k是0、1、2等的整数，表示时间。u(k)表示输入信号，在二次电池中表示电流值。x(k)表示状态变量。

此外，可以由以下算式表示事前误差协方差(左边的P-(k)是协方差矩阵的逆矩阵)。

[算式4]

P^-(k)＝AP(k-1)A^T+σ_v ²bb^T

在事前推测预测步骤中，根据状态方程式算出事前状态推测值及状态的事前协方差矩阵。根据时间k的事后状态推测值及状态的事后协方差矩阵和状态方程式算出时间k+1的事前状态推测值及事前协方差矩阵。

对推测值和实测电压(观察值)进行比较，利用卡尔曼滤波算出作为误差的加权系数的卡尔曼增益，由此校正推测值。可以由以下算式表示在滤波步骤中使用的卡尔曼增益g(k)。

[算式5]

可以由以下算式表示在滤波步骤中使用的事后状态推测值(左边)。

[算式6]

此外，可以由以下算式表示在滤波步骤中使用的事后误差协方差矩阵P(k)。

[算式7]

P(k)＝(I-g(k)c^T)P-(k)_v

利用上述测出二次电池的异常发生的测量模型监视以下算式的值，即某个时间的观察值(电压)和使用事前状态变量推测的电压之间的差值(电压差值)，将该值的变动大的情况视为发生微短路等的异常来进行检测。

[算式8]

比较器等在上述算式的电压差值超过某个阈值时输出信号，且在检测出异常的情况下，对显示器输出表示异常信号的显示以向外部报告异常或对扬声器输出用于利用蜂鸣等的报警的信号。在本说明书中，区别使用“测出”和“检测”。“检测”是指测出异常数据，在该异常数据正确时向外部联系，即对其他电路输出信号。而“测出”只是指收集异常数据，其包括噪音(不正确的异常数据)。因此，“测出”是“检测”的一部分，它们不等同。“检测”至少还包括向其他电路的通知(信号输出)。

此外，在从充电状态切换为放电状态或从放电状态切换为充电状态时电压差值变动大，而产生噪音。因为该噪音的产生不是会引起二次电池的异常的现象，所以也可以设置多个比较器以去除该噪音。

本说明书所公开的发明的结构是一种异常检测装置，包括：测出成为第一观察值的二次电池的电压值的第一测出单元；测出成为第二观察值的二次电池的电流值的第二测出单元；使用基于状态方程式的卡尔曼滤波算出事前状态推测值(推测电压值)的计算部；以及计算出第一观察值的电压值和在上一时间得到的推测电压值之间的差值，并在超过某个阈值范围时判定二次电池为异常(微短路等)的判定部。

在上述结构中，判定部包括一个或多个比较器。通过使用多个比较器，可以去除噪音并减少异常测出的误差。

再者，优选使用神经网络学习时间序列的电压差值数据，判定为异常或正常而进行检测。在上述结构中包括输入第一观察值的电压值和在上一时间得到的推测电压值之间的差值的神经网络结构部。

此外，本说明书所公开的其他结构是一种判定二次电池是否异常的异常检测方法，包括：使用基于状态方程式的卡尔曼滤波输出推测电压值的事前推测预测步骤；以及算出事后状态推测值及事后误差协方差矩阵的滤波步骤。

此外，本说明书所公开的其他结构是一种使计算机用作使用基于状态方程式的卡尔曼滤波算出事前状态推测值(推测电压值)的计算部以及求出所述观察值的电压值和在上一时间得到的推测电压值之间的差值，并在超过某个阈值范围时判定二次电池为异常的判定部的程序。

也可以通过使用上述异常检测装置、上述方法、执行上述程序的计算机构成二次电池的异常检测系统。计算机例如是电动汽车的控制装置、智能手机、笔记本型个人计算机，作为该结构包括控制部、存储部及输入输出部。控制部包括CPU(或MPU、MCU(MicroController Unit：微控制单元))等。此外，控制部也可以使用GPU(Graphics ProcessingUnit：图形处理器)。此外，有时将CPU和GPU统合为一个的芯片被成为APU(AcceleratedProcessing Unit：加速处理单元)，也可以使用该APU芯片。另外，还可以使用组装有AI系统的IC(也称为推论芯片)。组装有AI系统的IC有时被称为进行神经网络运算的电路(微处理器)。

存储部包括RAM、ROM及HDD等。输入输出部包括操作部、显示部及通信部等。此外，上述程序不局限于储存于计算机的存储部的程序，也可以使计算机读出储存于计算机能够读取的记录媒体中的程序而执行。计算机能够读取的记录媒体例如是CD-ROM等光盘、磁带、USB存储器、快闪存储器等。另外，也可以预先在与因特网、LAN(Local Area Network：局域网)、无线LAN等连接线连接的装置储存上述程序，并使计算机从这些连接线读取程序而执行。

此外，本说明书所公开的其他结构是一种检测微短路的异常检测系统，包括：测出成为第一观察值的二次电池的电压值的第一测出单元；测出成为第二观察值的二次电池的电流值的第二测出单元；使用基于状态方程式的卡尔曼滤波算出事前状态推测值(推测电压值)的计算部；以及求出第一观察值的电压值和在上一时间得到的推测电压值之间的差值，并在超过某个阈值范围时判定二次电池为异常(微短路等)的判定部，其中，检测起因于微短路的数据异常。

本说明书所公开的二次电池的异常检测系统持续或定期监视二次电池。可以适当地设定采样周期(及运算周期)。此外，本说明书所公开的二次电池的异常检测系统也可以称为二次电池的监视系统。再者，当将使用温度传感器、照相机、气体传感器等测出二次电池的外表面温度的异常、外形变形等的异常也包括于二次电池的异常检测系统时，可以更确实地测出异常。

输入判断为正常的预测误差代替将判断为异常的预测误差直接输入到卡尔曼滤波。通过不使用异常值算出二次电池的内部电阻及SOC来提高推测精度。

本说明书所公开的发明的其他结构是一种推测二次电池的充电状态的二次电池的状态推测方法，其中，从二次电池取得观察值的数据，使用回归模型算出事前状态推测值，并算出作为观察值和事前状态推测值之间的差值的预测误差电压Vd，根据预测误差电压Vd的数据是否超过预先设定的阈值判定该数据是否为噪音，代替被判定为噪音的数据，将异常测出之前的k个数据的平均值输入到回归模型进行校正，并且，在测出噪音之后也继续进行异常检测。

微短路的问题在充电中发生。例如，在只由一个电池构成时，因为由充电器控制电流，所以在发生微短路时外观的电流值不产生变化，而电压值产生变化。但是，在并联电池中，电压变化变小，因此难以测出。此外，因为该电压变化在电池使用的上下限电压范围内，所以需要特殊的检测机构。另外，关于电流，在并联电池中，在发生微短路时内部电阻降低，因此流过正常电池的电流量相对小，而流过异常电池的电流大，所以是危险的。但是，在组电池中由于整体电流保持被控制的值，因此难以检测异常。此外，虽然在一般的组电池结构中通常监视各串联级的电压，但是因成本、布线的复杂性而难以对所有电池的电流进行监视。

如图14所示的流程图那样，当在比较电路与信号REF进行比较而小于REF时，即，当算式8中的值<REF时，将视为发生诸如微短路的异常，而在检测出微短路等的异常之后，生成预测误差的数据，例如将从上一步骤到上四步骤为止的正常的预测误差的平均投入卡尔曼滤波中。可以在测出异常之后也准确地求出SOC。卡尔曼滤波的优点可以说是能够高精度地预测剩余容量以及即使初期的剩余容量未知也能够预测剩余容量。

以前有在发生微短路前后发生推测值的误差，而在该推测值与真正的容量值之间发生偏差的问题。通过去除起因于微短路发生的数据并输入正常的值，可以提高推测结果的精度。

于是，通过不将引起异常检测的数据用于异常检测后的推测，即使异常检测之后也可以到反复发生微短路为止使用二次电池。

下面示出进行二次电池的充电状态的推测的推测方法。在测出二次电池的异常发生之后也继续反复进行推测的步骤。推测使用能够通过回归或学习等的手段决定相对于系统的输入的最适当的输出的结构(例如，神经网络、隐马尔可夫模型、多项式函数近似等)。为了进行学习，优选使用用来学习的大量数据及分析，因此学习也可以在工作站或功能服务器上的站点内实施，在此情况下使用一个以上的服务器来自动地或需要操作者合作的半自动地进行数据的积蓄及分析。此外，在预先结束大量数据的存储及分析并获得结果的情况下，通过将这些结果纳入系统，具体而言，程序或IC芯片的存储器中，也可以不使用服务器地进行异常测出及充电状态的推测。

此外，在通过无线供电对二次电池充电时，也可以使用本说明书所公开的二次电池的异常检测系统。作为以几十厘米以下的距离无线传输几W以上的电力的方式，有电磁感应方式或磁场共振方式。作为电磁感应方式有Qi(中文字“气”)规格。此外，作为磁场共振方式有WiPower规格。由受电线圈接收来自送电装置的电力，在该受电线圈和二次电池之间设置异常检测装置，即可。在异常检测装置检测出异常时，使用通信功能(无线LAN或蓝牙(Blue tooth(注册商标)))发出停止送电装置的电力的指令。

在本说明书中说明的实施方式中包括包含各种计算机硬件或软件的专用计算机或通用计算机的使用。另外，在本说明书中下面说明的实施方式可以使用计算机能够读取的记录媒体安装。另外，记录媒体也可以包括RAM、ROM、光盘、磁盘或计算机所能够存取的任意的其他的存储媒体。另外，在本说明书中说明的实施方式中作为一个例子示出的算法、构成要素、流程、程序等可以由软件或者硬件与软件的组合安装。

发明效果

通过监视上述算式8的值(电压差值)，可以容易且高精度地进行二次电池的异常测出。再者，通过使用神经网络进行通过反馈的校正来进行二次电池的异常测出，可以更高精度地进行二次电池的异常测出。

另外，不局限于对一个二次电池的异常检测，而也可以对串联连接的多个二次电池进行异常检测。

此外，二次电池不局限于使用电解液的锂离子二次电池，而还可以采用使用固体电解质的全固体电池、钠离子二次电池、钾离子二次电池等。钾离子二次电池的吸引溶剂的性质比锂及钠弱，因此离子在电解液中自由地移动。在改变二次电池的种类或尺寸时，根据该二次电池适当地设定阈值。因为在全固体电池中也会发生微短路，所以本说明书所公开的异常检测系统是有用的。

本说明书所公开的异常检测系统也可以搭载于IC芯片等而安装于车辆系统的一部分中，所以是有用的。此外，本说明书所公开的异常检测系统也可以由与其他功能电路(随机存取存储器(Random Access Memory：RAM)、GPU(Graphics Processing Unit)、PMU(Power Management Unit)等)统合而成的一个IC芯片构成。

本说明书所公开的异常检测系统可以缩短测出时间而实现实时的异常测出。此外，无论充电时还是放电时等的二次电池的任何状态，都可以实现异常测出。

此外，可以实现实时地检测二次电池的异常，并去除用于异常检测的噪音而高精度地预测其他参数(内部电阻及SOC等)的二次电池的控制系统。

附图简要说明

[图1]示出本发明的一个方式的等效电路模型；

[图2](A)是示出本发明的一个方式的功能框图，(B)是示出电压差值和时间的关系的图；

[图3]示出本发明的一个方式的功能框图；

[图4]示出本发明的一个方式的功能框图；

[图5]示出本发明的一个方式的功能框图；

[图6]示出本发明的一个方式的功能框图；

[图7]示出本发明的一个方式的功能框图；

[图8]示出本发明的一个方式的使用测量模型的模拟结果的图表；

[图9]示出本发明的一个方式的使用测量模型的模拟结果的图表；

[图10]示出本发明的一个方式的电动汽车的框图及二次电池的透视图；

[图11]示出移动体的一个例子的图；

[图12]示出二次电池的一个例子的透视图；

[图13]示出二次电池的一个例子的截面图及透视图；

[图14]示出本发明的一个方式的流程图；

[图15]示出本发明的一个方式的等效电路模型的图；

[图16]示出本发明的一个方式的系统图；

[图17]示出本发明的一个方式的系统图；

[图18]示出本发明的一个方式的流程。

实施发明的方式

下面，参照附图对本发明的实施方式进行详细说明。注意，本发明不局限于以下说明，所属技术领域的普通技术人员可以很容易地理解一个事实就是其方式和详细内容可以被变换为各种形式。此外，本发明不应该被解释为仅限定在下面的实施方式所记载的内容中。

(实施方式1)

图1是用于异常测出的电池的等效电路模型(也称为电池模型)的一个例子。图1中所示的R0是串联电阻组成，R1、R2、R3、R4是电阻器。而且，C2、C3和C4是电容。

以某一定时间间隔对图1中的微短路模型400施加脉冲信号模拟发生微短路，来进行电池模型的数值模拟。在本实施方式中使用数值模拟进行说明，但是实际上是监视有异常的电池的电压。

图1中所示的OCV是开路电压(Open Circuit Voltage)的简称，是电池与外部电路断开后经过充分的时间，电池内部的电化学反应成为平衡状态时的正极和负极之间的电位差值。

图2A是示出功能区块的一个例子的图，也可以称为推测逻辑。

在图2A中，延迟电路402是使用时间k的状态推测值推测时间(k+1)的电路。在图2A中，A和b是从模型获得的矩阵。C^T是观察系数向量。Z^-1是延迟电路。

图2A中的符号401所示的部分是观察值(电压)和使用事前状态变量推测的电压之间的差值(电压差值)的部分。由于在电压差值突变时可以视为发生了微短路，因此将该电压差值输入到比较器403，由比较器403对该值和作为参考信号(REF)赋予的阈值进行比较来判定是否异常。在比较器403中将输入的两个值中的较低的一个作为输出LO。也可以在一个步骤期间内多次更改REF，以在多个级别进行比较。

图2B示出二次电池的端子电压及电压差值和时间的关系图表。横轴是时间，纵轴是电压。由于端子电压的值的变动不太大，因此难以辨认出微短路的发生时机。另一方面，如图2B所示那样，在中央出现电压差值(观察值和事前状态推测值之间的电压差值)的突变，其与微短路的发生时机一致。由此，通过监视电压差值，可以判断微短路的发生。

再者，通过使用相同的输入数据并共同使用图2A所示的推测逻辑的一部分，可以输出SOC推测值。这样，无需扩大电路规模就可以输入SOC推测值。

(实施方式2)

在本实施方式中，以下说明还使用神经网络(NN)提高精度的结构。

图3是功能区块的一个例子的图。与实施方式1的不同之处是其包括神经网络部404。在图3A中，NN是神经网络部，为输出LO(k)。

图3A中的由符号401所示的部分是观察值(电压)和使用事前状态变量推测的电压之间的差值(电压差值)的部分。将该电压差值输入到神经网络部404中并对该值与学习数据进行比较来判定是否有异常。此外，积蓄输入到神经网络部404的数据并将其作为学习数据的一部分，从而也可以进一步提高精度。

此外，图3B是其他方式之一。在图3B所示的功能区块中，对比较器和神经网络(NN)的双方输入电压差值，并获取双方的输出的OR。或者，也可以获取AND代替OR。

此外，图4A是其他方式之一。在图4A所示的功能区块中，将比较器的输出输入到神经网络(NN)，使用被输出的值判定是否异常。

此外，图4B是其他方式之一。在图4B所示的功能区块中，将比较器的输出输入到神经网络(NN)，使用比较器和神经网络(NN)的AND值判定是否异常。

此外，图5A是其他方式之一。在图5A所示的功能区块中，采用使用经过卡尔曼增益g(k)之后的数据测出异常的结构。

(实施方式3)

在本实施方式中，以下说明进一步使用另一个比较器提高精度的结构。

在调查时间的经过和电压差值之间的关系中，发现与微短路发生时机不同的误差。本发明人发现在二次电池中当充电切换时会发生误差。如图6A所示，确认到端子电流在放电时机上发生了变化。

在充放电切换时观察不到正一侧的过冲。另一方面，如图6B所示，在发生微短路时，在正一侧和负一侧的双方发生过冲。正一侧的过冲是因为预测误差的修改反映到下一个步骤而发生的。先在负一侧发生过冲，然后在正一侧发生过冲。根据该差异，在只有正一侧发生过冲时视为误差而不判定为发生了微短路。

如图5B所示，设置两个比较器，对比较器1输入负一侧的过冲的值(REF1)，对比较器2输入正一侧的过冲的值(REF2)，使用延迟电路对上一个步骤的比较器的输出和当前的比较器的输出进行AND运算。

根据上述结构，可以通过去除充放电切换时等的噪音来提高微短路的异常测出的精度。

本实施方式可以与其他实施方式自由地组合。

(实施方式4)

在本实施方式中，参照图10示出应用于电动汽车(EV)的例子。

图10A示出电动汽车的框图的一个例子。

电动汽车设置有用作主驱动用二次电池的第一电池301以及对启动发动机304的反相器312供应电力的第二电池311。在本实施方式中，由第二电池311的电源驱动的异常监视单元300统一监视构成第一电池301的多个二次电池。

第一电池301主要对42V系列(高电压系列)车载设备供应电力，而第二电池311对14V系列(低电压系列)车载设备供应电力。第二电池311在很多情况下因成本上有利而采用铅蓄电池。但是铅蓄电池有与锂离子二次电池相比自放电大，且因称为硫酸化的现象容易劣化的缺点。虽然在作为第二电池311使用锂离子二次电池时有无需维修的优点，但是在长期间，例如三年以上的使用时，可能发生在制造时不能辨别的异常。特别是，为了防止发生在启动反相器的第二电池311无法工作时，即使第一电池301具有剩余容量也不能启动发动机的情况，在第二电池311是铅蓄电池时，从第一电池对第二电池供应电力来以一直维持充满电状态的方式进行充电。

本实施方式示出第一电池301和第二电池311的双方使用锂离子二次电池的一个例子。第二电池311也可以使用铅蓄电池或全固体电池。

参照图12A及图12B说明圆筒型二次电池的例子。如图12A所示，圆筒型二次电池600的顶面包括正极盖(电池盖)601，其侧面及底面包括电池罐(外包装罐)602。这些正极盖和电池罐(外包装罐)602通过垫片(绝缘垫片)610绝缘。

图12B是示意性地示出圆筒型二次电池的截面的图。在中空圆柱状电池罐602的内侧设置有带状正极604和带状负极606夹着隔离体605被卷绕的电池元件。虽然未图示，但是电池元件以中心销为中心被卷绕。电池罐602的一端关闭且另一端开着。作为电池罐602可以使用对电解液具有抗腐蚀性的镍、铝、钛等金属、它们的合金或者它们和其他金属的合金(例如不锈钢等)。另外，为了防止电解液所引起的腐蚀，电池罐602优选被镍或铝等覆盖。在电池罐602的内侧，正极、负极及隔离体被卷绕的电池元件由对置的一对绝缘板608和绝缘板609夹着。另外，在设置有电池元件的电池罐602的内部中注入有非水电解液(未图示)。二次电池由包括钴酸锂(LiCoO₂)及磷酸铁锂(LiFePO₄)等的活性物质的正极、由能够进行锂离子的吸留及释放的石墨等碳材料构成的负极、以及将由LiBF₄、LiPF₆等锂盐构成的支持电解质溶解于碳酸亚乙酯或碳酸二乙酯等有机溶剂中的非水电解液等构成。

因为用于圆筒型二次电池的正极及负极被卷绕，从而活性物质优选形成在集流体的两个表面。正极604连接有正极端子(正极集电引线)603，而负极606与负极端子(负极集电引线)607连接。正极端子603及负极端子607都可以使用铝等金属材料。将正极端子603电阻焊接到安全阀机构612，而将负极端子607电阻焊接到电池罐602底。安全阀机构612与正极盖601通过PTC(Positive Temperature Coefficient：正温度系数)元件611电连接。当电池的内压上升到超过指定的阈值时，安全阀机构612切断正极盖601与正极604的电连接。另外，PTC元件611是在温度上升时其电阻增大的热敏感电阻器，并通过电阻的增大来限制电流量以防止异常发热。PTC元件可以使用钛酸钡(BaTiO₃)类半导体陶瓷等。

使用电解液的锂离子二次电池包括正极、负极、隔离体、电解液以及外包装体。注意，在锂离子二次电池中，由于阳极及阴极根据充电或放电调换，氧化反应及还原反应调换，所以将反应电位高的电极称为正极，而将反应电位低的电极称为负极。由此，在本说明书中，即使在充电、放电、反向脉冲电流流过以及充电电流流过时也将正极称为“正极”或“+极”，而将负极称为“负极”或“-极”。如果使用与氧化反应及还原反应有关的阳极及阴极的术语，则充电时和放电时的阳极与阴极是相反的，这有可能引起混乱。因此，在本说明书中，不使用阳极及阴极的术语。当使用阳极及阴极的术语时，明确表示是充电时还是放电时，并示出是对应正极(+极)还是负极(-极)。

图12C所示的两个端子与充电器连接，对蓄电池1400进行充电。在图12C中，1406是电解液，1408是隔离体。随着蓄电池1400的充电的进展，电极之间的电位差增大。在图12C中的正方向为：从蓄电池1400外部的端子流至正极1402，在电池1400中从正极1402流至负极1404，从负极流至电池1400外部的端子的方向。就是说，充电电流流过的方向为电流的方向。

在本实施方式中，示出锂离子二次电池的例子，但是不局限于锂离子二次电池。作为二次电池的正极材料，例如可以使用包含元素A、元素X及氧的材料。元素A优选为选自第一族元素及第二族元素中的一个以上的元素。作为第一族元素，例如可以使用锂、钠、钾等碱金属。另外，作为第二族元素，例如可以使用钙、铍、镁等。作为元素X，例如可以使用选自金属元素、硅和磷中的一个以上的元素。另外，元素X优选为选自钴、镍、锰、铁和钒中的一个以上的元素。典型地，可以举出锂钴复合氧化物(LiCoO₂)和磷酸铁锂(LiFePO₄)。

负极包括负极活性物质层及负极集流体。此外，负极活性物质层也可以包含导电助剂及粘合剂。

作为负极活性物质，可以使用能够通过与锂的合金化/脱合金化反应进行充放电反应的元素。例如，可以使用包含硅、锡、镓、铝、锗、铅、锑、铋、银、锌、镉和铟等中的至少一个的材料。这种元素的电容比碳大，尤其是硅的理论电容大，为4200mAh/g。

另外，二次电池优选包括隔离体。作为隔离体，例如可以使用由纸等具有纤维素的纤维、无纺布、玻璃纤维、陶瓷或包含尼龙(聚酰胺)、维尼纶(聚乙烯醇类纤维)、聚酯、丙烯酸树脂、聚烯烃、聚氨酯的合成纤维等形成的隔离体。

此外，轮胎316的旋转所引起的再生能量通过变速器305发送给发动机304，并从发动机控制器303及电池控制器302充电到第二电池311或第一电池301。

此外，第一电池301主要被用来使发动机304旋转，还通过DCDC电路306将电力供应到42V系列车载构件(电动助力转向系统307、加热器308、除雾器309等)。在后轮包括后置发动机的情况下第一电池301被用来使后置发动机旋转。

此外，第二电池311通过DCDC电路310对14V系列车载构件(音响313、电动车窗314、灯类315等)供应电力。

此外，第一电池301由包括多个二次电池的模块构成。例如，使用图12A所示的圆筒型二次电池600。如图10B所示，也可以将圆筒型二次电池600夹在导电板613和导电板614之间来构成模块。在图10B中未图示二次电池之间的开关。多个二次电池600既可以并联连接或串联连接，又可以在并联连接之后还串联连接。通过构成包括多个二次电池600的模块，可以获取大电力。

为了切断来自多个二次电池的电力，车载二次电池包括可以不使用工具就切断高电压的充电用插头或断路器，其被设置于第一电池301。例如，在将包括2个至10个单元的48个电池模块直接连接的情况下，在第24个和第25个电池模块之间包括充电用插头或断路器。

在图11中例示使用作为本发明的一个方式的二次电池的异常检测系统的车辆。图11A所示的汽车8400的二次电池8024不但驱动电发动机8406，而且还可以对车头灯8401或室内灯(未图示)等发光装置供应电力。汽车8400的二次电池8024也可以使用将图10B所示的圆筒型二次电池600夹在导电板613和导电板614之间而成的模块。

在图11B所示的汽车8500中，可以通过利用插电方式或非接触供电方式等从外部的充电设备接收电力，来对汽车8500所具有的二次电池进行充电。图11B示出从地上设置型的充电装置8021通过电缆8022对安装在汽车8500中的二次电池8024进行充电的情况。当进行充电时，作为充电方法或连接器的规格等，可以根据CHAdeMO(注册商标)或联合充电系统等的规定的方式而适当地进行。作为充电装置8021，也可以使用设置在商业设施的充电站或家庭的电源。例如，通过利用插电技术从外部供应电力，可以对安装在汽车8500中的二次电池8024进行充电。可以通过AC/DC转换器等转换装置将交流电力转换成直流电力来进行充电。

另外，虽然未图示，但是也可以将受电装置安装在车辆中并从地上的送电装置非接触地供应电力来进行充电。当利用非接触供电方式时，通过在公路或外壁中组装送电装置，不但停车中而且行驶中也可以进行充电。此外，也可以利用该非接触供电方式，在车辆之间进行电力的发送及接收。再者，还可以在车辆的外部设置太阳能电池，在停车时或行驶时进行二次电池的充电。可以利用电磁感应方式或磁场共振方式实现这样的非接触供电。

图11C是使用本发明的一个方式的二次电池的两轮车的例子。图11C所示的小型摩托车8600包括二次电池8602、后视镜8601及方向灯8603。二次电池8602可以对方向灯8603供电。

此外，在图11C所示的小型摩托车8600中，可以将二次电池8602收纳在座位下收纳箱8604中。即使座位下收纳箱8604为小型，也可以将二次电池8602收纳在座位下收纳箱8604中。

二次电池8602可以使用全固态电池。二次电池8602由多个层压型二次电池构成。图13D示出使用全固态电池的层压型二次电池的例子。

图13D所示的层压型二次电池500包括正极引线电极510及负极引线电极511。

简单地说明层压型二次电池的制造工序。首先，准备正极及负极。正极包括正极集流体，正极活性物质层形成在正极集流体的表面。另外，正极具有正极集流体的一部分露出的区域(以下，称为极耳区域(tab region))。负极包括负极集流体，负极活性物质层形成在负极集流体的表面。此外，负极具有负极集流体的一部分露出的区域，即极耳区域。

然后，层叠负极、固体电解质层及正极。在此，示出使用5组负极和4组正极的例子。接着，使正极的极耳区域彼此接合，并且使正极引线电极510与最表面的正极的极耳区域接合。例如可以利用超声波焊接等进行接合。与此同样，使负极的极耳区域彼此接合，并且使负极引线电极511与最表面的负极的极耳区域接合。

接着，在外包装体上配置负极、固体电解质层及正极。固体电解质层是包含能够传导锂离子的固体成分的材料层(陶瓷等)即可。例如，作为固体电解质层，使陶瓷粉末或者玻璃粉末浆料化并成型为片状。陶瓷可以是诸如氧化物、碳化物、氮化物、硼化物等无机化合物的金属或非金属材料。玻璃是非晶，定义为具有玻璃转化现象的材料，但是有时将微晶化玻璃称为陶瓷玻璃。由于陶瓷玻璃具有结晶性，所以可以通过X射线衍射法分辨。作为固体电解质，例如可以使用氧化物固体电解质或硫化物固体电解质等。另外，正极活性物质层和负极活性物质层包含固体电解质，也可以包含导电助剂。导电助剂的材料具有电子传导性即可，例如，可以使用碳材料或金属材料等。

另外，作为可用作正极活性物质的氧化物固体电解质，例如可以使用Li₃PO₄、Li₃BO₃、Li₄SiO₄、Li₄GeO₄、LiNbO₃、LiVO₂、LiTiO₃、LiZrO₃等。另外，也可以使用这些化合物的复合化合物，例如可以举出Li₃BO₃-Li₄SiO₄等。另外，固体电解质的表面的至少一部分也可以由1nm以上且20nm以下的保护层覆盖，作为保护层的材料，使用Li离子传导性氧化物。

作为可用作负极活性物质的氧化物固体电解质，可以举出Nb₂O₅、Li₄Ti₅O₁₂、SiO等。在本说明书等中，SiO例如是指一氧化硅。或者，SiO是指硅的组成比SiO₂多的材料，也可以表示为SiO_x。在此，x优选为1左右。例如，x优选为0.2以上且1.5以下，更优选为0.3以上且1.2以下。

另外，作为可用作正极活性物质的硫化物固体电解质，可以举出包含Li及S的材料，具体而言，Li₇P₃S₁₁、Li₂S-SiS₂、Li₂S-P₂S₅等。

接着，折叠外包装体。然后，使外包装体的外周部接合。作为外包装体，可以使用层叠金属箔与有机树脂薄膜的层压薄膜，例如，可以使用铝箔或不锈钢箔，例如可以通过热压合等进行接合。通过上述步骤，可以制造图13D所示的层压型二次电池500。另外，在此，示出使用1个层压薄膜进行接合的例子，但是也可以层叠两个层压薄膜并粘合边缘部而进行密封。

图13A是固态电池的示意图，该固态电池在正极81与负极82之间包括固体电解质层83。另外，固态电池分为薄膜型全固态电池和体型(bulk-type)全固态电池。薄膜型全固态电池是通过层叠薄膜而获得的全固态电池，体型全固态电池是通过层叠微粒子而获得的全固态电池。

图13B示出体型全固态电池的例子，在正极81附近设置有粒子状正极活性物质87，在负极82附近设置有粒子状负极活性物质88，以填充它们之间的间隙的方式配置有固体电解质层83。通过进行加压，以正极81与负极82之间不发生空隙的方式填充多个种类的粒子。

另外，图13C示出薄膜型全固态电池的例子。薄膜型全固态电池通过气相法(真空蒸镀法、热喷涂法、脉冲激光沉积法、离子镀法、冷喷涂法、气浮沉积、溅射法)形成。图13C示出通过如下步骤制造锂离子蓄电池的例子：在衬底84上形成布线电极85、86之后，在布线电极85上形成正极81，在正极81上形成固体电解质层83，在固体电解质层83及布线电极86上形成负极82。作为衬底84，可以使用陶瓷衬底、玻璃衬底、塑料衬底、金属衬底等。

本实施方式可以与其他实施方式的记载适当地组合。

(实施方式5)

图14示出推测二次电池的SOC的方法的一个例子。图14是流程图，在检测出微短路等的异常之后，生成预测误差数据，例如将上一个步骤至上四个步骤之前的正常的预测误差的平均投入卡尔曼滤波。在测出异常之后也可以正确地求出SOC。

比较器等在上述算式的电压差值超过某个阈值时输出信号，并检测异常。与对比较器输入的阈值的电压信号REF进行比较来判断是否为异常。不将检测出异常的时机的数据用于后面的推测，而将几个步骤之前的平均值输入到推测算法。在上述算式8的电压差值低于电压信号REF时，将该值换成上几个步骤的平均值。因此，在上述算式8的电压差差值低于输入比较器的电压信号REF时，不将该电压差值投入卡尔曼滤波的回路，而将平均值输入推测算法，从而即使发生异常也可以高精度地进行SOC推测等。在不使用检测出微短路的异常的时机的数据，而将几个步骤之前的平均值输入到推测算法时，上述算式8的电压差值近似于不发生微短路的情况的数据。

图16示出用来执行图14的流程的具体的系统图。在图16中，二次电池的充电状态推测装置至少包括比较器403、延迟电路、AND电路405以及复用器407。时钟信号CLK输入到AND电路。参考信号REF输入到比较器403。图16只是一个例子，不局限于此，推测二次电池的充电状态的二次电池的充电状态推测装置包括测出成为第一观察值的二次电池的电压值的测出单元、使用回归模型算出推测电压值的计算部以及求出第一观察值的电压值和在上一时间得到的推测电压值之间的差值并在该差值超过某个阈值范围时判定二次电池为异常的判定部，判定部包括一个或多个比较器、复用器以及延迟电路。图16中的MUX是多路复用器。二次电池的充电状态推测装置还可以包括测出成为第二观察值的二次电池的电流值的第二测出单元。图16使用FIR(Finite Impulse Response)滤波。此外，图17示出系统图的另一个不同例子。图17使用IIR(Infinite Impulse Response)滤波。在图17中，N表示时间k的足够大值的无限时间。

此外，即使不将测出异常的数据输入到卡尔曼滤波的回路，通过正确地计算由于异常测出时的微短路而消失的电流并反映该电流，也可以得到更正确的SOC值。此外，图18示出流程图。如图18所示，当比较器电路作为LO输出比信号REF小的值时，即，当算式8中的值＜REF时，视为发生了诸如微短路的异常而对该异常进行检测。

测出异常的数据是预测误差电压，并且使用状态方程式求出微短路时的电流I_micro。下面，参照图15A及图15B所示的等效电路模型进行说明。在图15A及图15B中，OCV是放电时的电位差，V₀、V₁、V₂、V₃是各部分处的电压。

[算式9]

x(k)＝[SOC(k) V₁(k) V₂(k) V₃(k) R₀(k)]^T

上述算式是图15A中的电路的状态变量x(k)。在图15A中是对应于发生微短路之前的状态的等效电路模型。

此外，u(k)是电流I_BAT(k)。u(k)是输入信号。二次电池中的u(k)是电流值。

[算式10]

构成状态方程式的b是常数，T_S是采样周期。

[算式11]

上述算式是卡尔曼滤波的状态方程式。注意，也可以扩大算式将上述算式中的电阻R₁、R₂、R₃、电容C₁、C₂、C₃、充满电容量FCC代入状态变量x(k)。

接着，将发生微短路时的状态视为图15B所示的等效电路模型，下面示出算出步骤。

[算式12]

V₀(k+1)＝R₀(k)×I₀

上述算式是发生微短路时为时间k+1时的关系式。此外，各部分的电流可以示为如下。

[算式13]

I₁＝I₂＝I₃＝I_BAT(k)

此外，施加到电阻R₁及容量C₁的电压V₁为以下算式。

[算式14]

此外，施加到电阻R₂及容量C₂的电压V₂为以下算式。

[算式15]

此外，施加到电阻R₃及容量C₃的电压V₃为以下算式。

[算式16]

在上述算式中，在以下所示数值比1小得多或不需要太高的精度的情况下，也可以将以下所示值视为1。

[算式17]

在上述算式为1时，可以减少计算量。

[算式18]

通过计算上述算式可以求出微短路时的电流(I_micro)。如上述算式所示，使用在上一个步骤中推测的R₀、OCV、包括预测误差电压的电压V_IN及电流I_BAT的观察值算出微短路时的电流。R₀(k)是观察误差的协方差。

[算式19]

上述算式中的SOC(k)相当于事前推测预测步骤时的卡尔曼滤波内部的SOC数据。此外，通过在滤波步骤近前将上述算式中的左边的值换成卡尔曼滤波内部的SOC数据，可以将微短路时的电流反映于卡尔曼滤波内部的SOC。

在进行上述运算的SOC的推测处理中，通过将能够执行上述算式的程序移植到微型计算机或微处理器等，可以算出SOC。

本实施方式可以与其他实施方式组合。

[实施例1]

图7是进行卡尔曼滤波的运算的功能区块的一个例子。除了没有比较器的部分以外，与实施方式1相同。对微短路的发生来说，图7中的由符号401所示的电压差值很重要，通过监视该值进行二次电池的异常测出。

使用模拟地生成使微短路定期发生的电流的数据进行模拟。

图8示出模拟结果，横轴表示时间，纵轴表示电压差值，具体地，观察值(电压)和使用事前状态变量推测的与电压的差值(电压差值)。

在图8中，定期在正一侧及负一侧观察到过冲的数据是有微短路的数据。此外，只在负一侧观察到过冲的数据是没有微短路的数据，即是比较例子。此外，只在负一侧观察到过冲的点对应于从充电切换为放电时的电压变动的点。由于在图8的比较例子中，只在负一侧观察到过冲的点为-0.0213V，因此当将大于该值的值，例如-0.03V作为阈值时可以视为误差而不测出为异常。

注意，在图9中，加工图8的数据，为简化起见而将纵轴分为左右两侧进行表示。此外，用于图8的验证的数据是使微短路的波形定期发生的数据，图8中的发生次数为13次。但是，在实际的二次电池中微短路无规发生，峰值的大小也根据二次电池的使用状况(充电或放电)而变化。在无论上述哪一种情况下，当测出微短路时，二次电池的劣化会加速或变得无法使用，由此能够向用户通知微短路被测出的警告是有用的。微短路的发生原因尚未确定，然而有制造时金属粉末的混入的说法，因此虽然在制造之后不能立刻测出异常，但是因充放电的反复异常部分(导通部分)成长形成，而发生微短路。当对发生微短路的二次电池进行充放电时劣化会加剧，有时可能突然无法使用。由此，能够测出微短路的本发明的方法是有用的。

在卡尔曼滤波中，对电池等效电路模型输入电池的输入值并对这些输出进行比较，在有差值时，对该差值乘以卡尔曼增益并反馈，来校正电池等效电路模型以使误差最小化。逐步反复该工作。

注意，因为卡尔曼滤波是逐步调整的系统，所以可以忽略图8及图9中的开始附近的误差。

图7中的由符号401示出的电压差值的最低值为-0.0631V，而最大值为+0.0324V。此外，在发生微短路的点中，负一侧的近于0的峰值为-0.0386V，正一侧的近于0的峰值为+0.0186V。因此，在测出所有微短路的情况下，将负一侧的阈值设定为-0.0386V，而将正一侧的阈值设定为+0.0186V，并且使用比较器等测出，即可。由于这些值根据所使用的二次电池不同，采用所使用的二次电池的特性数据预先适当地进行模拟，且根据这结果决定阈值等，即可。

此外，图8、图9所示的模拟结果是使用作为亚德诺半导体技术有限公司所提供的电路模拟器的LTspice(Simulation program with integrated circuit emphasis)得到的。

[符号说明]

1比较器、2比较器、81：正极、82：负极、83：固体电解质层、84：衬底、85：布线电极、86：布线电极、87：正极活性物质、88：负极活性物质、300：异常监视单元、301：电池、302：电池控制器、303：发动机控制器、304：发动机、305：变速机、306：DCDC电路、307：电动助力转向系统、308：加热器、309：除雾器、310：DCDC电路、311：电池、312：反相器、313：音响、314：电动车窗、315：灯类、316：轮胎、400：微短路模型、401：符号、402：延迟电路、403：比较器、404：神经网络部、405：AND电路、407：复用器、600：二次电池、601：正极盖、602：电池罐、603：正极端子、604：正极、605：隔离体、606：负极、607：负极端子、608：绝缘板、609：绝缘板、611：PTC元件、612：安全阀机构、613：导电板、614：导电板、1400：蓄电池、1402：正极、1404：负极、8021：充电装置、8022：电缆、8024：二次电池、8400：汽车、8401：车头灯、8406：电发动机、8500：汽车、8600：小型摩托车、8601：后视镜、8602：二次电池、8603：方向灯、8604：座位下收纳箱。

Claims

1.一种二次电池的异常检测装置，

检测成为第一观察值的二次电池的电压值的第一检测单元；

检测成为第二观察值的二次电池的电流值的第二检测单元；

使用回归模型算出推测电压值的计算部；以及

求出所述第一观察值的电压值和在上一时间得到的推测电压值之间的差值，在超过某个阈值范围时判定二次电池为异常的判定部。

2.根据权利要求1所述的二次电池的异常检测装置，其中所述回归模型是基于状态方程式的卡尔曼滤波。

3.根据权利要求1或权利要求2所述的二次电池的异常检测装置，其中判定部包括一个或多个比较器。

4.根据权利要求1或权利要求2所述的二次电池的异常检测装置，还包括输入所述第一观察值的电压值和在上一时间得到的推测电压值之间的差值的神经网络结构部。

5.根据权利要求1至权利要求4中任一项所述的二次电池的异常检测装置，其中所述二次电池是锂离子二次电池。

6.根据权利要求1至权利要求4中任一项所述的二次电池的异常检测装置，其中所述二次电池是全固体电池。

7.一种判定二次电池是否异常的异常检测方法，包括：

使用回归模型输出推测电压值的事前推测预测步骤；以及

算出事后状态推测值及事后误差协方差矩阵的滤波步骤。

8.根据权利要求7所述的异常检测方法，其中所述回归模型是基于状态方程式的卡尔曼滤波。

9.一种使计算机用作使用回归模型算出推测电压值的计算部；以及求出所述观察值的电压值和在上一时间得到的推测电压值之间的差值，并在超过某个阈值范围时判定二次电池为异常的判定部的程序。

10.根据权利要求9所述的二次电池的程序，其中所述回归模型是基于状态方程式的卡尔曼滤波。

11.一种推测二次电池的充电状态的二次电池的状态推测方法，包括如下步骤：

从二次电池取得观察值的数据；

使用回归模型算出事前状态推测值；

算出观察值和事前状态推测值之间的差值的预测误差电压Vd；

根据预测误差电压Vd的数据是否超过预先设定的阈值判定该数据是否为噪音；

代替被判定为噪音的数据对回归模型输入异常检测之前的k个数据的平均值来进行校正；以及

在测出噪音之后也继续进行异常检测。

12.根据权利要求11所述的二次电池的状态推测方法，其中所述回归模型是基于状态方程式的卡尔曼滤波。

13.根据权利要求11或权利要求12所述的二次电池的状态推测方法，其中所述噪音在发生二次电池的微短路时产生。

14.一种推测二次电池的充电状态的二次电池的充电状态推测装置，包括：

测出成为第一观察值的二次电池的电压值的测出单元；

使用回归模型算出推测电压值的计算部；以及

求出所述第一观察值的电压值和在上一时间得到的推测电压值之间的差值并在超过某个阈值范围时判定二次电池为异常的判定部，

其中，所述判定部包括一个或多个比较器、复用器以及延迟电路。

15.根据权利要求14所述的二次电池的充电状态推测装置，其中所述回归模型是基于状态方程式的卡尔曼滤波。

16.根据权利要求14或权利要求15所述的二次电池的充电状态推测装置，其中所述判定部包括一个或多个比较器。

17.根据权利要求14至权利要求16中任一项所述的二次电池的充电状态推测装置，还包括测出成为第二观察值的二次电池的电流值的第二检测单元。