CN112825167A - 电池管理系统、电池管理方法以及电池组的制造方法 - Google Patents
电池管理系统、电池管理方法以及电池组的制造方法 Download PDFInfo
- Publication number
- CN112825167A CN112825167A CN202011202080.0A CN202011202080A CN112825167A CN 112825167 A CN112825167 A CN 112825167A CN 202011202080 A CN202011202080 A CN 202011202080A CN 112825167 A CN112825167 A CN 112825167A
- Authority
- CN
- China
- Prior art keywords
- battery
- ccv
- waveform
- predetermined
- neural network
- 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.)
- Granted
Links
- 238000007726 management method Methods 0.000 title claims abstract description 148
- 238000004519 manufacturing process Methods 0.000 title claims abstract description 15
- 238000013528 artificial neural network Methods 0.000 claims abstract description 94
- 238000007600 charging Methods 0.000 claims abstract description 65
- 238000003860 storage Methods 0.000 claims abstract description 64
- 238000007599 discharging Methods 0.000 claims abstract description 24
- 238000000034 method Methods 0.000 claims description 53
- 238000010277 constant-current charging Methods 0.000 claims description 28
- 230000007704 transition Effects 0.000 claims description 16
- 238000007689 inspection Methods 0.000 description 41
- 238000005259 measurement Methods 0.000 description 34
- 238000010586 diagram Methods 0.000 description 29
- 230000008569 process Effects 0.000 description 27
- 238000004064 recycling Methods 0.000 description 24
- 238000011156 evaluation Methods 0.000 description 21
- HBBGRARXTFLTSG-UHFFFAOYSA-N Lithium ion Chemical compound [Li+] HBBGRARXTFLTSG-UHFFFAOYSA-N 0.000 description 20
- 229910001416 lithium ion Inorganic materials 0.000 description 20
- 238000004891 communication Methods 0.000 description 19
- 230000004048 modification Effects 0.000 description 13
- 238000012986 modification Methods 0.000 description 13
- 239000000463 material Substances 0.000 description 8
- 239000011255 nonaqueous electrolyte Substances 0.000 description 7
- 230000006866 deterioration Effects 0.000 description 6
- 238000012545 processing Methods 0.000 description 6
- 238000011084 recovery Methods 0.000 description 6
- 230000004044 response Effects 0.000 description 6
- 238000006243 chemical reaction Methods 0.000 description 5
- 230000005611 electricity Effects 0.000 description 5
- 238000010801 machine learning Methods 0.000 description 5
- 230000008707 rearrangement Effects 0.000 description 5
- 238000004458 analytical method Methods 0.000 description 4
- 230000006870 function Effects 0.000 description 4
- 238000004364 calculation method Methods 0.000 description 3
- 238000001514 detection method Methods 0.000 description 3
- 229910052987 metal hydride Inorganic materials 0.000 description 3
- 230000006798 recombination Effects 0.000 description 3
- 238000005215 recombination Methods 0.000 description 3
- 238000009826 distribution Methods 0.000 description 2
- 239000000446 fuel Substances 0.000 description 2
- 238000002955 isolation Methods 0.000 description 2
- PXHVJJICTQNCMI-UHFFFAOYSA-N nickel Substances [Ni] PXHVJJICTQNCMI-UHFFFAOYSA-N 0.000 description 2
- 239000002994 raw material Substances 0.000 description 2
- 230000008439 repair process Effects 0.000 description 2
- 239000004606 Fillers/Extenders Substances 0.000 description 1
- 241001421775 Thereus Species 0.000 description 1
- 238000004378 air conditioning Methods 0.000 description 1
- 230000008901 benefit Effects 0.000 description 1
- 230000033228 biological regulation Effects 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 230000015556 catabolic process Effects 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 238000012937 correction Methods 0.000 description 1
- 230000007423 decrease Effects 0.000 description 1
- 238000006731 degradation reaction Methods 0.000 description 1
- 239000003792 electrolyte Substances 0.000 description 1
- 238000002474 experimental method Methods 0.000 description 1
- 230000014509 gene expression Effects 0.000 description 1
- 229910052739 hydrogen Inorganic materials 0.000 description 1
- 239000001257 hydrogen Substances 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 238000009434 installation Methods 0.000 description 1
- 239000004973 liquid crystal related substance Substances 0.000 description 1
- 229910052759 nickel Inorganic materials 0.000 description 1
- 229910000652 nickel hydride Inorganic materials 0.000 description 1
- -1 nickel metal hydride Chemical class 0.000 description 1
- 230000000452 restraining effect Effects 0.000 description 1
- 239000007787 solid Substances 0.000 description 1
Images
Classifications
-
- 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
-
- 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]
- G01R31/371—Arrangements for testing, measuring or monitoring the electrical condition of accumulators or electric batteries, e.g. capacity or state of charge [SoC] with remote indication, e.g. on external chargers
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
- G06Q10/063—Operations research, analysis or management
- G06Q10/0631—Resource planning, allocation, distributing or scheduling for enterprises or organisations
-
- 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
- B60L53/00—Methods of charging batteries, specially adapted for electric vehicles; Charging stations or on-board charging equipment therefor; Exchange of energy storage elements in electric vehicles
- B60L53/10—Methods of charging batteries, specially adapted for electric vehicles; Charging stations or on-board charging equipment therefor; Exchange of energy storage elements in electric vehicles characterised by the energy transfer between the charging station and the vehicle
- B60L53/14—Conductive energy transfer
-
- 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
- B60L53/00—Methods of charging batteries, specially adapted for electric vehicles; Charging stations or on-board charging equipment therefor; Exchange of energy storage elements in electric vehicles
- B60L53/60—Monitoring or controlling charging stations
- B60L53/66—Data transfer between charging stations and vehicles
-
- 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
- B60L53/00—Methods of charging batteries, specially adapted for electric vehicles; Charging stations or on-board charging equipment therefor; Exchange of energy storage elements in electric vehicles
- B60L53/60—Monitoring or controlling charging stations
- B60L53/68—Off-site monitoring or control, e.g. remote control
-
- 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
- B60L53/00—Methods of charging batteries, specially adapted for electric vehicles; Charging stations or on-board charging equipment therefor; Exchange of energy storage elements in electric vehicles
- B60L53/80—Exchanging energy storage elements, e.g. removable batteries
-
- 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
-
- 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]
-
- 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
- B60L58/18—Methods or circuit arrangements for monitoring or controlling batteries or fuel cells, specially adapted for electric vehicles for monitoring or controlling batteries of two or more battery modules
-
- 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
-
- 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
- G01R31/3835—Arrangements for monitoring battery or accumulator variables, e.g. SoC involving only voltage 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]
- G01R31/396—Acquisition or processing of data for testing or for monitoring individual cells or groups of cells within a battery
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/04—Architecture, e.g. interconnection topology
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/04—Architecture, e.g. interconnection topology
- G06N3/045—Combinations of networks
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/08—Learning methods
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/08—Logistics, e.g. warehousing, loading or distribution; Inventory or stock management
- G06Q10/087—Inventory or stock management, e.g. order filling, procurement or balancing against orders
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/30—Administration of product recycling or disposal
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q30/00—Commerce
- G06Q30/06—Buying, selling or leasing transactions
-
- 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
- H01M10/425—Structural combination with electronic components, e.g. electronic circuits integrated to the outside of the casing
-
- 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
- H01M10/425—Structural combination with electronic components, e.g. electronic circuits integrated to the outside of the casing
- H01M10/4257—Smart batteries, e.g. electronic circuits inside the housing of the cells or batteries
-
- 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
- H01M10/44—Methods for charging or discharging
-
- 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
- H01M10/44—Methods for charging or discharging
- H01M10/441—Methods for charging or discharging for several batteries or cells simultaneously or sequentially
-
- 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
- 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
- H01M10/54—Reclaiming serviceable parts of waste accumulators
-
- 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
- B60L2240/70—Interactions with external data bases, e.g. traffic centres
-
- 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
- B60L2260/00—Operating Modes
- B60L2260/40—Control modes
- B60L2260/48—Control modes by fuzzy logic
-
- 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
- H01M10/425—Structural combination with electronic components, e.g. electronic circuits integrated to the outside of the casing
- H01M2010/4271—Battery management systems including electronic circuits, e.g. control of current or voltage to keep battery in healthy state, cell balancing
-
- 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
- H01M10/425—Structural combination with electronic components, e.g. electronic circuits integrated to the outside of the casing
- H01M2010/4278—Systems for data transfer from batteries, e.g. transfer of battery parameters to a controller, data transferred between battery controller and main controller
-
- H—ELECTRICITY
- H01—ELECTRIC ELEMENTS
- H01M—PROCESSES OR MEANS, e.g. BATTERIES, FOR THE DIRECT CONVERSION OF CHEMICAL ENERGY INTO ELECTRICAL ENERGY
- H01M2220/00—Batteries for particular applications
- H01M2220/20—Batteries in motive systems, e.g. vehicle, ship, plane
-
- 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
-
- 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
-
- 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
- Y02T10/7072—Electromobility specific charging systems or methods for batteries, ultracapacitors, supercapacitors or double-layer capacitors
-
- 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
- Y02T90/00—Enabling technologies or technologies with a potential or indirect contribution to GHG emissions mitigation
- Y02T90/10—Technologies relating to charging of electric vehicles
- Y02T90/12—Electric charging stations
-
- 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
- Y02T90/00—Enabling technologies or technologies with a potential or indirect contribution to GHG emissions mitigation
- Y02T90/10—Technologies relating to charging of electric vehicles
- Y02T90/14—Plug-in electric vehicles
-
- 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
- Y02T90/00—Enabling technologies or technologies with a potential or indirect contribution to GHG emissions mitigation
- Y02T90/10—Technologies relating to charging of electric vehicles
- Y02T90/16—Information or communication technologies improving the operation of electric vehicles
-
- 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
- Y02T90/00—Enabling technologies or technologies with a potential or indirect contribution to GHG emissions mitigation
- Y02T90/10—Technologies relating to charging of electric vehicles
- Y02T90/16—Information or communication technologies improving the operation of electric vehicles
- Y02T90/167—Systems integrating technologies related to power network operation and communication or information technologies for supporting the interoperability of electric or hybrid vehicles, i.e. smartgrids as interface for battery charging of electric vehicles [EV] or hybrid vehicles [HEV]
-
- 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
- Y02W—CLIMATE CHANGE MITIGATION TECHNOLOGIES RELATED TO WASTEWATER TREATMENT OR WASTE MANAGEMENT
- Y02W30/00—Technologies for solid waste management
- Y02W30/50—Reuse, recycling or recovery technologies
- Y02W30/84—Recycling of batteries or fuel cells
-
- 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
- Y02W—CLIMATE CHANGE MITIGATION TECHNOLOGIES RELATED TO WASTEWATER TREATMENT OR WASTE MANAGEMENT
- Y02W90/00—Enabling technologies or technologies with a potential or indirect contribution to greenhouse gas [GHG] emissions mitigation
-
- 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
- Y04—INFORMATION OR COMMUNICATION TECHNOLOGIES HAVING AN IMPACT ON OTHER TECHNOLOGY AREAS
- Y04S—SYSTEMS INTEGRATING TECHNOLOGIES RELATED TO POWER NETWORK OPERATION, COMMUNICATION OR INFORMATION TECHNOLOGIES FOR IMPROVING THE ELECTRICAL POWER GENERATION, TRANSMISSION, DISTRIBUTION, MANAGEMENT OR USAGE, i.e. SMART GRIDS
- Y04S30/00—Systems supporting specific end-user applications in the sector of transportation
- Y04S30/10—Systems supporting the interoperability of electric or hybrid vehicles
- Y04S30/12—Remote or cooperative charging
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Business, Economics & Management (AREA)
- Theoretical Computer Science (AREA)
- Life Sciences & Earth Sciences (AREA)
- Human Resources & Organizations (AREA)
- Transportation (AREA)
- Power Engineering (AREA)
- Mechanical Engineering (AREA)
- General Chemical & Material Sciences (AREA)
- Electrochemistry (AREA)
- Manufacturing & Machinery (AREA)
- Chemical Kinetics & Catalysis (AREA)
- Chemical & Material Sciences (AREA)
- Economics (AREA)
- Sustainable Development (AREA)
- Strategic Management (AREA)
- Computing Systems (AREA)
- Biomedical Technology (AREA)
- Mathematical Physics (AREA)
- General Engineering & Computer Science (AREA)
- Molecular Biology (AREA)
- General Health & Medical Sciences (AREA)
- Evolutionary Computation (AREA)
- Health & Medical Sciences (AREA)
- Data Mining & Analysis (AREA)
- Artificial Intelligence (AREA)
- Software Systems (AREA)
- Biophysics (AREA)
- Computational Linguistics (AREA)
- Marketing (AREA)
- General Business, Economics & Management (AREA)
- Entrepreneurship & Innovation (AREA)
- Sustainable Energy (AREA)
- Tourism & Hospitality (AREA)
- Operations Research (AREA)
- Quality & Reliability (AREA)
- Accounting & Taxation (AREA)
- Finance (AREA)
Abstract
提供一种电池管理系统、电池管理方法以及电池组的制造方法。电池管理系统具备控制装置(210)和存储装置(220)。存储装置(220)有存储至少一个已学习神经网络。已学习神经网络具备受理对在预先确定的像素数量的区域中描绘了二次电池的预定CCV波形(CCV充电波形或者CCV放电波形)的图像中的各像素的数值进行表示的输入数据的输入层,构成为当输入数据被输入到输入层时,输出二次电池的满充电容量。控制装置(210)构成为通过将关于对象电池取得的输入数据输入到已学习神经网络的输入层,推定对象电池的满充电容量。
Description
技术领域
本公开涉及电池管理系统、电池管理方法以及电池组的制造方法。
背景技术
作为对二次电池的特性进行评价的方法,交流阻抗法(以下也称为“AC-IR法”)是公知的。例如,日本特开2003-317810号公报公开了如下方法:基于通过AC-IR法取得的二次电池的反应电阻值,对二次电池中有无微小短路进行判定。
发明内容
近年来,将二次电池作为动力源的电动车辆(例如电动汽车或者混合动力车)正在不断普及。另外,从有效利用资源的观点出发,研究了对上述电动车辆中使用过的二次电池(以下也称为“已使用电池”)进行再利用。例如考虑如下系统:推定从电动车辆回收到的已使用电池的满充电容量,基于所推定的满充电容量,判定可否再利用,决定用途(再利用的方式)。
一般而言,车载用的电池组包括多个(例如数个~十数个)模块来构成,多个模块各自包括多个(例如数十个)单电池来构成。一般而言,构成电池组的单电池也被称为“电池单元”。今后,当电动汽车的普及进一步发展时,预想已使用电池的数量会急剧地增加。本申请发明人基于这样的预见,提出能够高精度且更快、更简单地对大量的已使用电池的满充电容量进行推定的方法。
也考虑使用前述的AC-IR法的测定结果来推定二次电池的满充电容量的方法,但这样的方法存在以下所述的问题。在AC-IR法中,使用如频率响应分析器以及恒流恒压源(potentiogalvanostat)那样的专用设备。这样的专用设备的价格高。另外,AC-IR法的测定条件(温度管理、测定电缆的配线、电源噪声等)是严格的,用于根据测定结果求出等效电路的电路常数的解析是复杂的。在基于AC-IR法的测定中,要求专门知识,测定并不简单。另外,AC-IR法能够比较快地进行测定,但还不能说是足够的,在测定时间这一点上也存在改善的余地。
本公开是为了解决上述问题而完成的,其目的在于高精度、快速且简单地推定二次电池的满充电容量。
本公开涉及的电池管理系统构成为对二次电池的信息进行管理。该电池管理系统具备以下说明的存储装置和推定装置。存储装置存储至少一个已学习神经网络。推定装置构成为使用已学习神经网络,推定作为预定的二次电池的对象电池的满充电容量。上述已学习神经网络具备受理对在预先确定的像素数量的区域中描绘了二次电池的预定CCV波形的图像中的各像素的数值进行表示的输入数据的输入层,构成为当输入数据被输入到输入层时,输出二次电池的满充电容量。上述预定CCV波形是对二次电池的恒流充电中的CCV的推移进行表示的CCV充电波形和对二次电池的恒流放电中的CCV的推移进行表示的CCV放电波形中的任一个。上述推定装置构成为通过将关于对象电池取得的上述输入数据输入到已学习神经网络的输入层,推定对象电池的满充电容量。
此外,上述“CCV”意味着闭路电压(Closed Circuit Voltage)。上述“二次电池”是能够再充电的电池,包括水系电解液电池、非水系电解液电池、全固态电池以及燃料电池。上述“二次电池”既可以是单电池,也可以是包括多个单电池的模块(以下有时记载为“MDL”),还可以是多个单电池(电池单元)电连接而构成的电池组。
在上述电池管理系统中,在满充电容量的推定中使用上述已学习神经网络。本申请发明人着眼于了通过上述的恒流充电和恒流放电得到的CCV充电波形和CCV放电波形分别与满充电容量相关。基于已学习神经网络的推定精度主要由学习的质和量来决定。通过对未学习神经网络进行适当的学习,能得到能够高精度地推定二次电池的满充电容量的已学习神经网络。当对这样的已学习神经网络输入上述输入数据时,输出二次电池的满充电容量。用于推定的工时少,能够简单地进行推定。另外,推定涉及的时间短。通过使用如上述那样的已学习神经网络,即使不使用特殊的测定设备、不进行复杂的运算,也能够高精度、快速且简单地推定二次电池的满充电容量。
二次电池的满充电容量相当于在满充电时储存于二次电池的电量。当二次电池劣化时,二次电池的满充电容量变少。以下,在没有表示其他含义的说明的情况下,“满充电容量”意味着当前时间点的二次电池的满充电容量。即,在二次电池当前时间点劣化了的情况下,“满充电容量”意味着劣化后的二次电池的满充电容量。另外,以下,有时将初始状态的二次电池(即未劣化的二次电池)的满充电容量记载为“初始容量”。
上述的电池管理系统也可以还具备以下说明的充电装置和第1制作装置。充电装置构成为通过进行对象电池的恒流充电,关于对象电池取得作为CCV充电波形的预定CCV波形。第1制作装置构成为使用通过充电装置取得的预定CCV波形来制作上述的输入数据。上述的推定装置也可以构成为通过将由第1制作装置制作的输入数据输入到已学习神经网络的输入层,推定对象电池的满充电容量。
上述电池管理系统能够进行对象电池的恒流充电来取得预定CCV波形(即CCV充电波形),制作对于已学习神经网络的输入数据,通过已学习神经网络推定对象电池的满充电容量。上述充电装置也可以为了取得预定CCV波形,例如以从1A~5A的范围中选择的一定的电流值进行1分钟以上且30分钟以下的恒流充电。
上述第1制作装置在输入数据的制作中所使用的预定CCV波形的SOC范围为从0%以上且10%以下的范围选择的预定SOC范围。
SOC(State Of Charge,充电状态)表示蓄电剩余量,例如以0~100%表示了当前的蓄电量相对于满充电状态的蓄电量的比例。以下,有时将电池实质上未储存电的状态记载为“空状态”。通过本申请发明人的实验确认到:通过在对于已学习神经网络的输入数据的制作中使用初始充电(更具体而言为从空状态到10%以下的预定SOC为止的充电)的CCV充电波形,能够高精度地推定二次电池的满充电容量。初始充电的CCV充电波形能够通过对空状态的对象电池进行短时间的恒流充电来取得,因此,容易取得。上述预定SOC范围也可以为SOC为0%~5%的范围。
上述的任一电池管理系统也可以还具备以下说明的放电装置和第2制作装置。放电装置构成为通过进行对象电池的恒流放电,关于对象电池取得作为CCV放电波形的预定CCV波形。第2制作装置构成为使用通过放电装置取得的预定CCV波形来制作上述的输入数据。上述的推定装置也可以构成为通过将由第2制作装置制作的输入数据输入到已学习神经网络的输入层,推定对象电池的满充电容量。
上述电池管理系统能够进行对象电池的恒流放电来取得预定CCV波形(即CCV放电波形),制作对于已学习神经网络的输入数据,通过已学习神经网络推定对象电池的满充电容量。
存储于上述存储装置的至少一个已学习神经网络也可以包括多个已学习神经网络。上述的推定装置也可以构成为取得与对象电池有关的信息,使用所取得的信息来从多个已学习神经网络中选择与对象电池对应的一个已学习神经网络,使用所选择的已学习神经网络来推定对象电池的满充电容量。
用户例如能够按照由电池管理系统管理的各电池的特征来进行各神经网络的学习,使适合各电池的多个已学习神经网络存储于上述存储装置。上述推定装置通过从多个已学习神经网络中选择使用与对象电池对应的一个已学习神经网络,能够高精度地推定对象电池的满充电容量。存储于上述存储装置的多个已学习神经网络也可以根据与电池有关的信息来进行区别并进行管理。作为与电池有关的信息的例子,可举出电池厂商、电池的构造(例如尺寸、形状以及材料)、电池的初始容量。
上述的任一电池管理系统也可以还具备使用通过推定装置推定的满充电容量来决定对象电池的用途的辨别装置。
上述电池管理系统能够基于各电池的满充电容量来决定各电池的用途。由此,能够按用途来管理各电池。上述电池管理系统例如对于电池的再利用是合适的。
本公开涉及的电池管理方法包括以下说明的第1步骤~第3步骤。在第1步骤中,取得作为预定的二次电池的对象电池的预定CCV波形。在第2步骤中,使用在第1步骤中取得的预定CCV波形来制作已学习神经网络的输入数据。在第3步骤中,在第2步骤中所制作的输入数据被输入到已学习神经网络,已学习神经网络输出所述对象电池的满充电容量。输入数据是对在预先确定的像素数量的区域中描绘了对象电池的预定CCV波形的图像中的各像素的数值进行表示的数据。预定CCV波形是对对象电池的恒流充电中的CCV的推移进行表示的CCV充电波形和对对象电池的恒流放电中的CCV的推移进行表示的CCV放电波形中的任一个。
在上述电池管理方法中,也通过使用上述已学习神经网络,与前述的电池管理系统同样地,即使不使用特殊的测定设备、不进行复杂的运算,也能够高精度、快速且简单地推定二次电池的满充电容量。
上述第1步骤~上述第3步骤也可以是分析装置按照用户的指示来执行。另外,上述第1步骤~上述第3步骤也可以被全自动化。例如,也可以是计算机基于传感器的信号来自动地执行第1步骤~第3步骤。第1步骤~第3步骤既可以由多个计算机执行,也可以由一个计算机执行。
上述的电池管理方法也可以在第1步骤之前,按各车辆进行从车辆回收二次电池的步骤、进行所回收到的二次电池的剩余放电的步骤以及在剩余放电后以空状态保管二次电池的步骤,以空状态保管多个二次电池。在上述的第1步骤中,也可以通过从以上述空状态保管的多个二次电池中选择对象电池,对对象电池进行恒流充电,从而关于对象电池取得作为CCV充电波形的预定CCV波形。
上述“剩余放电”意味着电池放电到成为空状态(即实质上未储存电的状态)。二次电池当被以高SOC状态进行放置时,容易劣化。在上述电池管理方法中,通过以空状态保管从多个车辆分别回收到的多个二次电池,能够抑制保管中的电池劣化。另外,通过从空状态开始对对象电池进行恒流充电,能够容易地取得前述的初始充电的CCV充电波形。根据上述电池管理方法,能够高精度、快速且简单地对从各车辆回收到的各二次电池的满充电容量进行推定。
上述车辆也可以是电动车辆。电动车辆是构成为使用储存于二次电池的电力来行驶的车辆。除了EV(电动汽车)、HV(混合动力车)以及PHV(插电式混合动力车)之外,电动车辆也包括FC车(燃料电池汽车)、增程式(range extender)EV等。
上述的任一电池管理方法也可以在第3步骤之后还包括:使用在第3步骤中推定的满充电容量来辨别对象电池的步骤;和按照辨别的结果来对对象电池进行出货的步骤。
上述“出货”意味着将电池从保管场所向外送出。根据上述电池管理方法,能够在对象电池出货前高精度、快速且简单地推定对象电池的满充电容量。然后,通过使用所推定的满充电容量来辨别对象电池,按照辨别结果来对对象电池进行出货,从而使得从满充电容量的推定到出货的工序变得顺畅。在第1步骤中对对象电池进行恒流充电的情况下,也可以通过持续进行该充电来在出货使对象电池为满充电状态。
本公开涉及的电池组的制造方法包括以下说明的第1步骤~第4步骤。在第1步骤中,取得作为预定的二次电池的对象电池的预定CCV波形。在第2步骤中,使用在第1步骤中取得的预定CCV波形来制作已学习神经网络的输入数据。在第3步骤中,在第2步骤中制作的输入数据被输入到已学习神经网络,已学习神经网络输出对象电池的满充电容量。在第4步骤中,使用经过第1步骤~第3步骤推定了满充电容量的多个二次电池来制造电池组。输入数据是对在预先确定的像素数量的区域中描述了所述对象电池的预定CCV波形的图像中的各像素的数值进行表示的数据。预定CCV波形是对对象电池的恒流充电中的CCV的推移进行表示的CCV充电波形和对对象电池的恒流放电中的CCV的推移进行表示的CCV放电波形中的任一个。
根据上述电池组的制造方法,通过使用上述已学习神经网络,能够高精度、快速且简单地推定二次电池的满充电容量,能够基于该推定结果,使用具有适当的满充电容量的多个二次电池来制造电池组。
上述第1步骤~上述第3步骤与前述的电池管理方法的第1步骤~第3步骤相同。第4步骤既可以是用户自己进行,也可以是制造装置按照用户的指示来进行。另外,上述第1步骤~上述第4步骤也可以被全自动化。
对于本发明的上述以及其他目的、特征、方面以及优点,将根据与附图关联地理解的关于本发明的如下的详细说明来变得明白易懂。
附图说明
图1是表示本公开的实施方式中的从电池包的回收到制造、销售的物流的一个方式的图。
图2是表示在本公开的实施方式涉及的电池管理系统中构建的通信网络的例子的图。
图3是表示管理业者在从车辆回收了电池包之后进行的作业的一个例子的流程图。
图4是表示本公开的实施方式涉及的电池管理系统的概要的图。
图5是用于对本公开的实施方式涉及的神经网络的学习进行说明的图。
图6是表示在图5所示的神经网络的学习中使用的学习用图像的一个例子的图。
图7是表示在本公开的实施例中关于锂离子电池测定到的4个CCV充电波形的图。
图8是表示在本公开的实施例中关于锂离子电池测定到的4个CCV放电波形的图。
图9是表示本公开的实施例涉及的第1已学习NN的评价结果的图。
图10是表示本公开的实施例涉及的第2已学习NN的评价结果的图。
图11是表示图4所示的电池管理装置保有的NN信息的一个例子的图。
图12是表示图4所示的电池管理装置保有的电池信息的一个例子的图。
图13是表示在本公开的实施方式涉及的电池管理方法中测定装置所执行的处理的流程图。
图14是表示在本公开的实施方式涉及的电池管理方法中电池管理装置所执行的处理的流程图。
图15是表示在本公开的实施方式涉及的电池管理方法中使用了已学习NN的满充电容量的推定的概要的图。
图16是表示本公开的实施方式涉及的对象电池的出货方式的图。
图17是表示图13所示的处理的变形例的图。
图18是用于对电池管理系统的变形例进行说明的图。
具体实施方式
参照附图对本公开的实施方式进行详细的说明。此外,对图中相同或者相当的部分标记同一标号,不反复进行其说明。
在以下说明的实施方式中,进行从车辆回收到的已使用的电池组的再利用。电池组包括多个模块来构成。构成电池组的多个模块既可以相互串联连接,也可以相互并联连接。多个模块分别包括电连接(例如串联连接)的多个电池单元(单电池)。作为构成电池组的各电池单元,可以采用任意的二次电池,但在以下中,作为车载电池的代表性的例子,主要对锂离子电池和镍氢电池进行说明。
电池组的“再利用”大致分为全部电池单元的再利用(以下也称为“全部再利用”)、部分电池单元的再利用(以下也称为“部分再利用”)以及资源再循环。部分再利用进一步大致分为部分利用和重组(rebuilt)。
在全部再利用中,从车辆回收到的电池组经过适当的性能恢复处理和预定的性能检查,不进行电池单元的更换地被进行再利用。
在部分再利用中,从车辆回收到的电池组被解体为预定的再利用单位(例如模块或者电池单元)。由此,得到多个再利用单位。
在部分利用中,对通过电池组的解体得到的上述多个再利用单位进行预定的出货检查,通过了出货检查的再利用单位被进行出货。
在重组中,使用通过电池组的解体得到的上述多个再利用单位中的能够再利用的再利用单位来制造电池组。例如,使能够再利用的多个再利用单位进行组合,制造新的电池组。或者,电池组的一部分被更换为能够再利用的再利用单位,重新构建电池组。这样制造的电池组(即重组品)经过出货检查后被进行出货。
在资源再循环中,从车辆回收到的电池组被分解为电池材料,从电池组取出能够再生的材料。
图1是表示本公开的实施方式中的从电池包的回收到制造、销售的物流的一个方式的图。以下,将图1所示的物流方式称为“电池物流模型”。
参照图1,该电池物流模型由电池管理业者30(以下也简称为“管理业者30”)、电池包制造业者34(以下也简称为“制造业者34”)、销售店35、再循环业者36以及以下说明的电池管理系统来构建。
图2是表示在该实施方式涉及的电池管理系统中所构建的通信网络的例子的图。参照图2,电池管理系统1包括车辆10、管理服务器20、终端40、44、45以及通信网络50。车辆10、管理服务器20以及终端40、44、45构成为能够经由通信网络50相互进行通信。通信网络50也可以是由互联网和基站构建的网络。通信网络50包括基站51。车辆10构成为能够通过无线通信与通信网络50的基站51进行信息的授受。在图2中仅图示了1台车辆10,但电池管理系统1包括多个车辆(例如图1所示的车辆60-1、60-2、60-3、……)。管理服务器20构成为能够与预先登记的全部车辆进行通信。终端40、44、45分别是图1所示的管理业者30、制造业者34、销售店35的终端。
图1所示的管理业者30从车辆60-1、60-2、60-3、……回收已使用的电池包。车辆60-1、60-2、60-3、……分别搭载有电池包62-1、62-2、62-3、……,各电池包包括由多个模块构成的电池组来构成。管理业者30也可以从销售店35接受从车辆10回收到的已使用的电池包。
图3是表示管理业者30从车辆回收电池包之后进行的作业的一个例子的流程图。
与图1以及图2一起参照图3,管理业者30在步骤(以下也仅记载为“S”)11中,由从车辆回收到的电池包取出电池组,对电池组进行解体来回收再利用单位。再利用单位既可以是电池单元,也可以是几个电池单元结合在一起的模块。在该实施方式中,将再利用单位设为模块(MDL)。
在S12中,管理业者30进行通过上述电池组的解体得到的多个再利用单位(即多个模块)各自的剩余放电。由此,再利用单位的各电池单元成为空状态(即实质上未储存电的状态)。
在S13中,管理业者30将进行了上述剩余放电的多个再利用单位(即多个模块)保管于预定的保管场所(例如后述的图4所示的保管库500)。管理业者30对所保管的每个模块赋予用于确定该模块的ID(以下也称为“M-ID”)。在终端40中,管理业者30所保管的各模块的信息被与M-ID相关联地进行管理。管理业者30使用终端40向管理服务器20发送M-ID和模块信息。此外,在图1中仅示出了管理业者30,但电池管理业者是按各据点而存在的。各据点的电池管理业者所管理的模块信息被从各据点的电池管理业者汇集到管理服务器20。管理服务器20按各据点(即各电池管理业者)对各据点的电池管理业者所管理的模块信息进行区别并一并进行管理。
上述S11~S13按各车辆来进行。由此,多个模块被以空状态(即实质上未储存电的状态)进行保管。通过以空状态对从多个车辆分别回收到的多个模块进行保管,能够对保管中的模块劣化进行抑制。管理业者30也可以在上述S12之前对上述再利用单位实施性能恢复处理。性能恢复处理是用于对能够恢复的电池的性能降低(例如高速率劣化或者附属部件的不良)进行恢复的处理。性能恢复处理既可以是用于使高速率劣化进行恢复的充电或者放电,也可以是附属部件的更换。
再次参照图1和图2,管理业者30进行保管中的再利用单位(在该实施方式中为模块)的性能检查,根据检查结果来辨别再利用单位。在该实施方式中,作为性能检查,进行满充电容量的推定。通过再利用单位的辨别,决定再利用单位的用途。用途的分法是任意的,例如既可以是如部分利用/重组/资源再循环那样的分法,也可以是如汽车用电池/安置用电池那样的分法。另外,既可以将汽车用电池进一步如大型车用电池/小型车用电池那样进行分类,也可以将安置用电池进一步如家庭用电池/大厦用电池/店铺用电池/工厂用电池那样进行分类。安置用电池也可以被利用于可再生能量(例如太阳能)的供需调整。
由管理业者30辨别为“资源再循环”的再利用单位(在该实施方式中为模块)被从管理业者30送给再循环业者36。再循环业者36进行用于通过将从管理业者30接受到的再利用单位分解为电池材料来将其作为新的电池单元或者其他产品的原料来利用的再资源化。
由管理业者30辨别为“重组”的再利用单位(在该实施方式中为模块)被从管理业者30送给制造业者34。制造业者34使用从管理业者30接受的再利用单位来制造电池组,并且,将所制造的电池组搭载于电池包。进一步,制造业者34通过对电池组安装附属部件(例如约束板、传感器以及继电器)来完成电池包。
由制造业者34制造的包括电池组的电池包被从制造业者34送给销售店35。销售店35销售电池包,销售搭载了电池包的新车,受理在车辆中使用了的电池组的重组(重构)的订单。
销售店35对各车辆赋予用于确定该车辆的ID(以下也称为“车辆ID”),在终端45中,将各车辆的信息与车辆ID相关联来进行管理。车辆的信息包含搭载于各车辆的通信设备的通信地址。销售店35使用终端45向管理服务器20发送车辆ID和各车辆的信息。此外,在图1中仅示出了销售店35,但销售店是按各据点而存在的。各据点的销售店所管理的车辆的信息被从各据点的销售店和各车辆汇集到管理服务器20。管理服务器20按各据点(即各销售店)对各据点的销售店所管理的车辆的信息进行区别并一并进行管理。
在图1所示的电池物流模型中,在感觉到电池包不正常的车辆10的用户将车辆10带到销售店35而请求了电池包的修理的情况下,例如以如下那样的步骤进行电池包的修理。
车辆10的用户将车辆10交给销售店35。销售店35对车辆10赋予车辆ID。但是,在已经对车辆10赋予了车辆ID的情况下,省略车辆ID的赋予。销售店35对搭载于车辆10的电池组判定是否能够全部再利用。
在判定为能够全部再利用的情况下,销售店35不进行电池单元的更换,通过性能恢复处理使电池组恢复。被实施了性能恢复处理的电池组经过性能检查而被搭载于车辆10。
在判断为无法全部再利用的情况下,销售店35对制造业者34下单电池组的重组。此时,销售店35将从车辆10回收到的电池包与车辆ID一起发送给制造业者34。制造业者34向管理业者30请求重组所需要的再利用单位(在该实施方式中为模块),从管理业者30接受该再利用单位。并且,制造业者34使用所接受到的再利用单位来进行电池组的重组。包括所制造的电池组(即重组品)的电池包被配送给收了车辆10的销售店35,经过性能检查后在销售店35中被搭载于车辆10。
在图1中,将管理业者30、制造业者34以及销售店35设为了互不相同的业者,但业者的区分并不限定于此。例如,管理业者30、制造业者34以及销售店35也可以是一个业者。
该实施方式涉及的电池管理系统设置于管理业者30的据点。电池管理系统构成为对二次电池的信息进行管理。详细将在后面进行描述,但该实施方式涉及的电池管理系统构成为使用已学习神经网络来推定二次电池的满充电容量。图4是表示该实施方式涉及的电池管理系统的概要的图。
与图1以及图2一起参照图4,该实施方式涉及的电池管理系统具备取得二次电池的信息的分析装置和保管二次电池的保管库500。分析装置包括测定装置100、电池管理装置200、电源装置510、充放电器520以及传感器模块530来构成。在该实施方式中,测定装置100、电源装置510、充放电器520以及传感器模块530设置在保管库500内,电池管理装置200设置在保管库500的外侧。电池管理装置200例如搭载于图2所示的终端40。在保管库500内还设置有多个自动放电装置540和温度管理装置550。
电源装置510与充放电器520和多个自动放电装置540分别电连接。另外,电源装置510包括蓄电装置。管理业者30在图3的S12中将从车辆回收到的模块M放置于自动放电装置540。该作业既可以用户自己进行,也可以机器人按照来自电池管理装置200的指示或者预定的程序来进行。自动放电装置540构成为当被放置模块M时,自动地进行模块M的剩余放电(即到模块M成为空状态为止的放电)。从被放置于各自动放电装置540的各模块M放出的电力被输出给电源装置510,并储存于蓄电装置。根据这样的结构,能够同时进行图3的S12(剩余放电)和S13(电池保管)(进而缩短工序时间)。温度管理装置550构成为在对保管库500内的温度进行测定的同时,将保管库500内的温度调整为设定值。温度管理装置550也可以构成为进行保管库500内的空气调节。保管库500内的温度通过温度管理装置550被保持为预定温度(例如大约25℃)。
电源装置510构成为向充放电器520供给电力。电源装置510也可以构成为:连接于电力系统(即电力业者提供的电力网),对从电力系统供给的电力进行预定的电力变换,向充放电器520供给变换后的电力。
管理业者30在二次电池的出货前通过分析装置进行二次电池的性能检查。管理业者30将以空状态保管的多个模块M中的预定出货的模块MD(对象电池)连接于充放电器520。该作业既可以用户自己进行,也可以机器人按照来自电池管理装置200的指示或者预定的程序来进行。充放电器520构成为使用从电源装置510供给的电力来对模块MD进行恒流充电。更具体而言,充放电器520构成为:通过将从电源装置510供给的电力变换为适于恒流充电的电力,向模块MD供给所变换后的电力,从而以一定的电流值进行模块MD的充电。
充放电器520包括对从电源装置510到模块MD的电力路径的连接/切断进行切换的继电器和电力变换电路(均未图示)来构成。电力变换电路也可以包括整流电路、PFC(PowerFactor Correction,功率因数校正)电路、绝缘电路(例如隔离变压器)、DC/DC转换器、变换器以及滤波电路中的至少一个。充放电器520所包括的继电器和电力变换电路分别由测定装置100的控制装置110来控制。充放电器520构成为按照来自控制装置110的指示,进行模块MD的充电。另外,充放电器520构成为按照来自控制装置110的指示,进行模块MD的放电,向电源装置510输出从模块MD输出的电力。
传感器模块530包括与充放电器520连接的对模块MD的状态(例如电压、电流以及温度)进行检测的各种传感器,向测定装置100输出检测结果。传感器模块530的输出被输入到测定装置100的控制装置110。控制装置110能够基于传感器模块530的输出,取得模块MD的状态(例如温度、电流、电压、SOC以及内部电阻)。
测定装置100具备控制装置110、存储装置120以及通信装置130。电池管理装置200具备控制装置210、存储装置220、通信装置230、输入装置240以及显示装置250。作为控制装置110和210的各个控制装置可以采用包括处理器和RAM(Random Access Memory,随机访问存储器)的微型计算机。作为处理器,可以采用CPU(Central Processing Unit,中央处理单元)。存储装置120和220各自例如包括ROM(Read Only Memory,只读存储器)和能够重写的非易失性存储器。除了程序之外,在存储装置120和220中分别存储有在程序中所使用的信息(例如映射、数学式以及各种参数)。此外,测定装置100和电池管理装置200各自所具备的处理器的数量是任意的,也可以按预定的控制来准备处理器。
通信装置130和230各自包括预定的通信I/F(接口)来构成。测定装置100和电池管理装置200构成为能够经由通信装置130和230相互进行通信。通信方式也可以是有线和无线中的任一方。
输入装置240是受理来自用户的输入的装置。输入装置240由用户操作,向控制装置210输出与用户的操作对应的信号。例如,用户能够通过输入装置240来向控制装置210输入预定的指示或者要求,对控制装置210设定参数的值。通信方式既可以是有线,也可以是无线。作为输入装置240,可以采用各种指示设备(鼠标、触摸板等)、键盘或者触摸面板。另外,输入装置240也可以是便携设备(例如笔记本电脑、智能手机或者可穿戴设备)的操作部。
显示装置250构成为显示从控制装置210输入的信息。控制装置210能够通过显示装置250向用户报知信息。作为显示装置250的例子,可举出CRT(Cathode Ray Tube)显示器、液晶显示器(LCD)、触摸面板显示器。显示装置250也可以是便携设备的显示部。显示装置250也可以具备扬声器功能。
控制装置110包括充放电控制部111和信息管理部112。这些各部例如由处理器和通过处理器执行的程序来具体化。但是,不限于此,这些各部也可以通过专用的硬件(电子电路)来具体化。
充放电控制部111构成为通过对充放电器520进行控制,对连接于充放电器520的模块MD的充电和放电进行控制。在该实施方式中,充放电控制部111构成为通过对充放电器520进行控制来进行模块MD的恒流充电,取得模块MD的CCV充电波形(即表示模块MD的恒流充电中的CCV的推移的波形)。信息管理部112构成为接收传感器模块530的检测结果。在模块MD的恒流充电中,传感器模块530逐次检测模块MD的电压(即CCV),向信息管理部112逐次输出所检测到的CCV。上述CCV充电波形被输入到信息管理部112。在该实施方式中,充放电控制部111对充放电器520进行控制,以使得在电流值2A的条件下进行模块MD的恒流充电。由此,模块MD的初始充电的CCV充电波形被输入到信息管理部112。此外,恒流充电的条件(例如电流值)不限于上述,可以任意地进行设定。
信息管理部112基于传感器模块530的输出,实时地对模块MD的CCV进行检测,并且,将表示模块MD的CCV的推移的CCV充电波形记录于存储装置120。信息管理部112在CCV充电波形的取得结束时,使用记录于存储装置120的CCV充电波形,制作检查用图像数据,将所制作的检查用图像数据保存于存储装置120。检查用图像数据是对在预先确定的像素数量的区域中描绘了CCV充电波形的图像中的各像素的数值进行表示的数据,相当于后述的已学习神经网络的输入数据。检查用图像数据的曲线格式(graph format)以及图像格式与后述的学习用图像(参照图6)相同。该实施方式涉及的充放电控制部111、信息管理部112、电源装置510、充放电器520以及传感器模块530相当于本公开涉及的“充电装置”的一个例子。该实施方式涉及的信息管理部112相当于本公开涉及的“第1制作装置”的一个例子。
控制装置210包括信息管理部211、容量推定部212以及辨别部213。这些各部例如通过处理器和由处理器执行的程序来具体化。但是,不限于此,这些各部也可以通过专用的硬件(电子电路)来具体化。
信息管理部211构成为从测定装置100取得模块MD的检查用图像数据。测定装置100的控制装置110例如根据来自用户的要求来如上述的那样制作模块MD的检查用图像数据,将所制作的检查用图像数据经由通信装置130和230发送给控制装置210。并且,信息管理部211接收从控制装置110发送给了控制装置210的检查用图像数据。
容量推定部212构成为通过向已学习神经网络的输入层输入关于模块MD所取得的检查用图像数据,推定模块MD的满充电容量。已学习神经网络存储于存储装置220。辨别部213构成为使用通过容量推定部212推定的模块MD的满充电容量,决定模块MD的用途。该实施方式涉及的容量推定部212、辨别部213分别相当于本公开涉及的“推定装置”、“辨别装置”的一个例子。
图5是用于对神经网络的学习进行说明的图。参照图5,通过对未学习神经网络进行适当的学习,得到已学习神经网络。在该实施方式中,通过管理业者30对未学习神经网络进行有教师的机器学习,得到已学习神经网络。在该实施方式中,未学习神经网络为通用的机器学习算法,已学习神经网络作为对二次电池的满充电容量进行推定的推定模型发挥功能。
神经网络具备输入层x、隐层y以及输出层z。在输入层x被输入学习用图像和检查用图像数据的各个数据。输入层x包括与学习用图像(进而,检查用图像数据)的像素数对应的数量(N个)的节点来构成。输出层z的节点数量根据需要的输出数量来决定。例如,若输出层z的节点数为101个,则输出层z能够在0Ah~10Ah的范围内以0.1Ah节距(刻度)输出满充电容量的推定结果,在15Ah~25Ah的范围内以0.1Ah节距输出满充电容量的推定结果,在0Ah~20Ah的范围内以0.2Ah节距输出满充电容量的推定结果。输出层z的节点数量能够任意地进行设定,但在该实施方式中,使输出层z的节点数量为71个。
本申请发明人着眼于了CCV充电波形和CCV放电波形的各个波形与满充电容量相关。CCV充电波形是对二次电池的恒流充电中的CCV的推移进行表示的CCV波形。CCV放电波形是对二次电池的恒流放电中的CCV的推移进行表示的CCV波形。
在该实施方式中,作为教师数据,使用以预定的曲线格式和图像格式表现了二次电池的CCV充电波形的学习用图像(以下也称为“CCV充电波形的学习用图像”)和正解数据(即二次电池的满充电容量的实测数据),对未学习神经网络进行有教师的机器学习。由此,得到能够将CCV充电波形的图像数据(更特定而言为由与CCV充电波形的学习用图像相同的曲线格式和图像格式表现的图像数据)作为输入数据来高精度地推定二次电池的满充电容量的已学习神经网络。另外,在该实施方式中,作为教师数据,使用以预定的曲线格式和图像格式表现了二次电池的CCV放电波形的学习用图像(以下也称为“CCV放电波形的学习用图像”)和正解数据(即二次电池的满充电容量的实测数据),对未学习神经网络进行有教师的机器学习。由此,得到能够将CCV放电波形的图像数据(更特定而言为由与CCV放电波形的学习用图像相同的曲线格式和图像格式表现的图像数据)作为输入数据来高精度地推定二次电池的满充电容量的已学习神经网络。
图6是表示在神经网络的学习中使用的学习用图像的一个例子的图。图6所示的学习用图像是对在预先确定的像素数量的区域中描绘了CCV放电波形的图像中的各像素的数值(即像素值)进行表示的数据。以下,将描绘CCV波形的上述区域也称为“图像区域”。图像区域的像素数量例如大约为12000。在图像区域的一个例子中,纵向的像素数量大约为60,横向的像素数量大约为200。在图6所示的学习用图像中,白黑的浓淡(白~黑)由灰度的256阶(0~255)来表示。像素值0表示白,像素值255表示黑。图像区域的各像素值取0~255中的某一值,像素越接近黑,像素的像素值越大。在该学习用图像中,横轴表示时间,纵轴表示CCV,越是接近实测数据(例如图4所示的传感器模块530的检测值)的位置的像素,像素值越大。横轴上的同一时刻的CCV例如由2~3个像素表现。根据这样的曲线格式和图像格式,即使是少的像素数量,也能够高精度地表示CCV波形(即CCV的推移)。
在上述中,参照图6所示的CCV放电波形的学习用图像的一个例子,对学习用图像的曲线格式和图像格式进行了说明。在CCV放电波形的学习用图像和CCV充电波形的学习用图像中,仅是描绘于图像区域的CCV波形不同,曲线格式以及图像格式相同。因此,省略CCV充电波形的学习用图像的图示。
图7是表示关于锂离子电池测定到的4个CCV充电波形(即恒流充电时的CCV波形)的图。锂离子电池的劣化越发展,锂离子电池的满充电容量越降低。本申请发明人在电动车辆中使用初始容量21Ah的非水系电解液锂离子电池并使之劣化,并且在锂离子电池的满充电容量劣化到了测定点(20Ah、19Ah、18Ah、17Ah)的定时测定了锂离子电池的CCV充电波形。在图7中,线L11、L12、L13、L14分别表示在锂离子电池的满充电容量成为了20Ah、19Ah、18Ah、17Ah的时间点所测定到的CCV充电波形。如图7所示,CCV充电波形和满充电容量具有相关关系。
图8是表示关于锂离子电池测定到的4个CCV放电波形(即恒流放电时的CCV波形)的图。本申请发明人在电动车辆中使用初始容量21Ah的非水系电解液锂离子电池并使之劣化,并且在锂离子电池的满充电容量劣化到了测定点(20Ah、19Ah、18Ah、17Ah)的定时测定了锂离子电池的CCV放电波形。在图8中,线L21、L22、L23、L24分别表示在锂离子电池的满充电容量成为了20Ah、19Ah、18Ah、17Ah的时间点所测定到的CCV放电波形。如图8所示,CCV放电波形和满充电容量具有相关关系。
再次参照图5,通过使用前述的教师数据来进行神经网络的有教师的机器学习,输入层x与隐层y之间的权重W1和隐层y与输出层z之间的权重W2被进行调整,以使得神经网络的目标输出与实际的输出一致。通过反复进行基于教师信号的权重W1、W2的调整,能够提高神经网络的容量推定精度。
本申请发明人针对关于初始容量7Ah的镍氢电池进行了学习以使得根据CCV充电波形的图像数据推定满充电容量的已学习神经网络(以下也称为“第1已学习NN”)、和关于初始容量21Ah的非水系电解液锂离子电池进行了学习以使得根据CCV放电波形的图像数据推定满充电容量的已学习神经网络(以下也称为“第2已学习NN”),分别通过以下说明的方法评价了容量推定精度。
本申请发明人关于各已学习NN准备了336个评价用数据。作为用于对第1已学习NN进行评价的评价用数据,准备了初始容量7Ah的镍氢电池的CCV充电波形的评价用图像和正解数据(即满充电容量的实测值)。作为用于对第2已学习NN进行评价的评价用数据,准备了初始容量21Ah的非水系电解液锂离子电池的CCV放电波形的评价用图像和正解数据(即满充电容量的实测值)。本申请发明人将评价用图像输入到已学习NN(即第1已学习NN或者第2已学习NN),得到了已学习NN的输出值(即满充电容量的推定值)。本申请发明人算出了已学习NN的输出值与满充电容量的实测值之差的绝对值(以下称为“绝对误差”)。本申请发明人按各评价用数据算出绝对误差,得到了336个绝对误差。本申请发明人求出了336个绝对误差中的0.5Ah以下的绝对误差的个数比例(以下也称为“评价结果A”)。进一步,求出了336个绝对误差的平均值(以下也称为“评价结果B”)。在上述评价中,根据两个观点评价已学习NN的容量推定精度。评价结果A越高、另外评价结果B越小,则已学习NN的容量推定精度被评价为越高。
图9是表示第1已学习NN的评价结果的图。参照图9,在第1已学习NN的评价中,评价结果A为88.54%,评价结果B为0.22Ah。这样,通过使用第1已学习NN,能够高精度地推定二次电池(更特定而言为初始容量7Ah的镍氢电池)的满充电容量。
图10是表示第2已学习NN的评价结果的图。参照图10,在第2已学习NN的评价中,评价结果A为92.38%,评价结果B为0.21Ah。这样,通过使用第2已学习NN,能够高精度地推定二次电池(更特定而言为初始容量21Ah的非水系电解液锂离子电池)的满充电容量。
在该实施方式中使用如下的已学习神经网络(以下也称为“充电型NN”),该已学习神经网络具备受理对在预先确定的像素数量的区域中描绘了二次电池的CCV充电波形的图像中的各像素的数值进行表示的第1输入数据的输入层,当第1输入数据被输入到输入层时,输出二次电池的满充电容量。上述的第1已学习NN相当于充电型NN的一个例子。但是,通过如上述那样的学习,也能够生成如下的已学习神经网络(以下也称为“放电型NN”),该已学习神经网络具备受理对在预先确定的像素数量的区域中描绘了二次电池的CCV放电波形的图像中的各像素的数值进行表示的第2输入数据的输入层,当第2输入数据被输入到输入层时,输出二次电池的满充电容量。上述的第2已学习NN相当于放电型NN的一个例子。关于使用放电型NN的实施方式(变形例),将在后面进行描述。
再次参照图4,如上述的那样进行神经网络的学习,容量推定精度充分变高了的已学习神经网络被保存于存储装置220。在该实施方式中,多个已学习神经网络存储于存储装置220。根据电池厂商和型号对多个已学习神经网络进行区别并进行管理(参照后述的图11)。电池的制造条件根据电池厂商而不同。型号表示电池的构造(例如尺寸、形状以及材料)以及初始容量。关于多个电池,电池厂商和型号相同意味着电池的构造、初始容量以及制造条件大致相同。各已学习神经网络是使用所对应的电池厂商和型号的二次电池来进行了学习的神经网络。存储于存储装置220的多个已学习神经网络分别相当于充电型NN的一个例子。以下,有时将神经网络记载为“NN”。
在存储装置220中存储有将电池厂商以及型号和已学习NN相关联的信息(以下也称为“NN信息”)。图11是表示NN信息的一个例子的图。参照图11,通过NN信息关联了电池厂商以及型号和已学习NN(NX-1、NX-2、NY-1、……)。另外,图11所示的NN信息包含与各已学习NN有关的信息(例如学习条件)。作为学习条件的例子,可举出输入数据的曲线格式和图像格式、学习时的充电速率、学习时的温度。
再次参照图4,在存储装置220中,通过M-ID进行区别地存储有保管于保管库500的各模块M的信息(以下也称为“电池信息”)。图12是表示电池信息的一个例子的图。参照图12,电池信息例如包括电池厂商、型号、电池材料(非水系电解液锂离子电池、镍氢电池、全固态锂离子电池、……)以及初始容量。电池信息也可以还包含未表示于图12的信息(例如电池的尺寸和形状)。
再次参照图4,控制装置210构成为根据来自用户的要求,使显示装置250显示NN信息(例如参照图11)和电池信息(例如参照图12)中的至少一方。用户通过输入装置240对控制装置210进行指示,从而能够对存储于存储装置220的各已学习NN的信息、和保管于保管库500的各模块M的信息进行确认。
用户在对保管于保管库500的多个模块M中的某一个进行出货时,将该要被出货的模块M连接于充放电器520。连接于了充放电器520的模块M成为模块MD(对象电池)。用户在对模块MD进行出货之前,通过输入装置240对控制装置210要求模块MD的辨别。此时,用户向控制装置210输入模块MD的M-ID。控制装置210的信息管理部211根据来自用户的要求,对测定装置100的控制装置110要求检查用图像数据的发送。控制装置110根据来自信息管理部211的要求,对充放电器520进行控制,进行模块MD的恒流充电,根据传感器模块530的输出来制作检查用图像数据,向信息管理部211发送所制作的检查用图像数据。信息管理部211将所接收到的检查用图像数据发送给容量推定部212。
容量推定部212使用存储装置220内的电池信息和通过用户输入的上述M-ID,取得模块MD的电池厂商和型号。并且,容量推定部212参照存储装置220内的NN信息,从存储于存储装置220的多个已学习NN中选择与模块MD的电池厂商和型号对应的一个已学习NN。通过这样,选择适合模块MD的已学习NN。然后,容量推定部212通过将从信息管理部211接受到的模块MD的检查用图像数据输入到如上述那样选择的已学习NN的输入层,推定模块MD的满充电容量。
通过容量推定部212推定的模块MD的满充电容量(推定结果)被从容量推定部212发送给辨别部213。辨别部213基于该推定结果来决定模块MD的用途。辨别部213将所决定的用途写入到存储装置220内的电池信息,并且发送给信息管理部211。信息管理部211当接收到模块MD的用途时,使该用途显示于显示装置250。用户观看显示装置250的画面,对辨别结果(即模块MD的用途)进行确认,按照辨别结果来对模块MD进行出货。
图13是表示测定装置100的控制装置110根据来自电池管理装置200的信息管理部211的要求所执行的处理的流程图。当信息管理部211在后述的图14的S31中对控制装置110要求检查用图像数据的发送时开始该流程图所示的处理。
与图4一起参照图13,在S21中,充放电控制部111开始模块MD的恒流充电。恒流充电的条件(例如充电速率)既可以是预先决定的条件,也可以由用户来指定。
在S221中,信息管理部112取得恒流充电中的传感器模块530的输出(包括模块MD的CCV)并记录于存储装置120。在S222中,信息管理部112判断CCV充电波形的取得是否已完成。在到CCV充电波形的取得完成为止的期间(即在S222中判断为“否”的期间)中反复执行S221和S222。在该实施方式中,当模块MD的SOC超过预定SOC值(例如5%)时,在S222中判断为“是”(CCV充电波形的取得已完成),处理进入S23。但是,S222中的判断条件不限于上述。例如,信息管理部112也可以在S21中开始恒流充电后经过了预定时间(例如1200秒)时,在S222中判断为“是”。在该实施方式中,图13的S21、S221、S222相当于本公开涉及的“第1步骤”的一个例子。
在S23中,信息管理部112使用记录于存储装置120的CCV充电波形,制作检查用图像数据,将所制作的检查用图像数据保存于存储装置120。在该实施方式中,图13的S23相当于本公开涉及的“第2步骤”的一个例子。
在S24中,信息管理部112向电池管理装置200发送在上述S23中制作的检查用图像数据。然后,信息管理部112在S25中待机直到从电池管理装置200接收到辨别结果(即在后述的图14的S37中被发送的辨别结果)。在S25中待机的期间(即在S25中判断为“否”的期间)也持续进行在S21中开始了的充电。在该实施方式中,在S21中开始充电后不变更充电的条件地持续进行充电,但也可以在S222中判断为了“是”的定时变更充电的条件。例如,控制装置110也可以增大充电速率。
当信息管理部112从电池管理装置200接收到辨别结果时(S25:是),处理进入S26。在该实施方式中,根据辨别结果,模块MD被辨别为部分利用/重组/资源再循环中的某一个。在S26中,充放电控制部111判断模块MD是否被辨别为了资源再循环。
当在S26中判断为“否”(模块MD被辨别为了部分利用或者重组)时,充放电控制部111在S27中判断充电的完成条件是否成立。在充电的完成条件未成立的期间(即在S27中判断为“否”的期间)中,充放电控制部111继续进行模块MD的充电。在该实施方式中,当模块MD的SOC成为适于用途(更特定而言为在后述的S36中决定的用途)的SOC(例如相当于满充电状态的SOC)时,在S27中判断为“是”(充电的完成条件已成立),在S28中,充放电控制部111停止模块MD的充电。通过进行S28的处理,图13的一系列处理结束。
当在S26中判断为“是”(模块MD被辨别为了资源再循环)时,充放电控制部111停止模块MD的充电,对充放电器520进行控制,进行模块MD的剩余放电。通过进行S29的处理,图13的一系列处理结束。
图14是表示电池管理装置200的控制装置210根据来自用户的要求所执行的处理的流程图。对于该流程图所示的处理,当用户向控制装置210输入模块MD的M-ID并且要求模块MD的辨别时开始该处理。
与图4一起参照图14,在S31中,信息管理部211将对模块MD的检查用图像数据的发送进行要求的信号发送给测定装置100。然后,信息管理部211在S32中待机直到从测定装置100接收到检查用图像数据(即在图13的S24中被发送的检查用图像数据)。
当信息管理部211从测定装置100接收到模块MD的检查用图像数据时(S32:是),处理进入S33。在S33中,容量推定部212使用存储装置220内的电池信息和由用户输入的上述M-ID,取得模块MD的电池厂商和型号。在S34中,容量推定部212参照存储装置220内的NN信息,从存储于存储装置220的多个已学习NN中选择与模块MD的电池厂商和型号对应的一个已学习NN。在S35中,容量推定部212通过将从测定装置100接收到的模块MD的检查用图像数据输入到在S34中选择的已学习NN的输入层,推定模块MD的满充电容量。
图15是表示使用了已学习NN的满充电容量的推定的概要的图。如图15所示,在图14的S35中,当模块MD的检查用图像数据(输入图像)被输入到已学习NN的输入层时,从已学习NN的输出层输出模块MD的满充电容量。在该实施方式中,图14的S35相当于本公开涉及的“第3步骤”的一个例子。
再次与图4一起参照图14,在S36中,辨别部213基于在上述S35中推定的模块MD的满充电容量来辨别模块MD。模块MD被根据用途来进行辨别。并且,辨别部213将辨别结果(即模块MD的用途)保存于存储装置220。
在上述S36中,辨别部213首先将模块MD辨别为部分利用/重组/资源再循环中的某一个。例如若模块MD的满充电容量小于第1阈值,则辨别部213将模块MD的用途决定为“资源再循环”。进一步,辨别部213,若模块MD的满充电容量为第1阈值以上且小于第2阈值,则将模块MD的用途决定为“家庭用电池(部分利用)”,若模块MD的满充电容量为第2阈值以上且小于第3阈值,则将模块MD的用途决定为“工厂用电池(部分利用)”,若模块MD的满充电容量为第3阈值以上,则将模块MD的用途决定为“重组”。上述第1阈值~第3阈值具有如“第1阈值<第2阈值<第3阈值”那样的关系。上述是辨别的一个方式,能够适宜地进行变更。例如,也可以将满充电容量小的二次电池分配至“重组”。另外,辨别部213也可以基于所推定的模块MD的满充电容量来仅进行部分再利用/资源再循环的辨别。
信息管理部211在S37中向测定装置100发送在上述S36中决定的用途,在S38中使之显示于显示装置250。显示装置250也可以将在上述S35中推定的满充电容量与用途一起进行显示。通过进行S38的处理,图14的一系列处理结束。
用户对通过上述S38的处理显示的辨别结果(即模块MD的用途)进行确认,按照辨别结果来对模块MD进行出货。图16是表示模块MD的出货方式的一个例子的图。在图16中,模块M1、M2、M3、M4分别是在图14的S36中辨别为“重组”、“家庭用电池(部分利用)”、“工厂用电池(部分利用)”、“资源再循环”的模块。
参照图16,对模块M1~M3分别安装有标签T1~T3。既可以在对模块M1~M3进行出货的定时安装标签T1~T3,也可以是在将模块M1~M3放入保管库500的定时(例如图3的S11)安装标签T1~T3。该实施方式涉及的标签T1~T3分别是存储了所对应的模块的M-ID、满充电容量以及用途的IC标签。作为IC标签,例如可以采用RFID(Radio FrequencyIdentification,射频标识)标签。电池管理装置200也可以构成为通过无线通信进行存储于各个标签T1~T3的信息的读取和重写。电池管理装置200也可以在图14的S36中决定了模块M1~M3的用途时,将所决定的用途写入到标签T1~T3。
模块M1~M3被向与在图14的S36中决定的用途对应的出货目的地进行出货。模块M1被向图1所示的制造业者34进行出货。模块M2、M3被向安置用电池的销售店进行出货。模块M4被送给图1所示的再循环业者36。再循环业者36进行用于通过将模块M4分解为电池材料来作为新的电池单元或者其他产品的原料进行利用的再资源化。
如以上说明的那样,在该实施方式涉及的电池管理系统中,控制装置210构成为通过向已学习神经网络的输入层输入关于模块MD(对象电池)所取得的CCV充电波形的图像数据(即检查用图像数据),对模块MD的满充电容量进行推定。该实施方式涉及的容量推定方法与AC-IR法相比,用于推定的工时少,能够简单地进行推定。另外,推定花费的时间短。根据上述的电池管理系统,即使不使用特殊的测定设备、不进行复杂的运算,也能够高精度、快速且简单地推定二次电池的满充电容量。
在上述实施方式中,以一定的温度(例如25℃)保管二次电池,在保管温度下进行神经网络的学习和评价以及使用了已学习神经网络的性能检查。但是,并不限于全部管理业者能够以一定的温度保管二次电池。为了即使是在保管温度变动的状况下也高精度地推定二次电池的满充电容量,控制装置210也可以构成为在推定二次电池的满充电容量(目的变量)时,将二次电池的CCV波形取得时的温度作为说明变量来进行处理。
上述实施方式涉及的电池管理系统使用充电型NN来推定二次电池的满充电容量。但是,不限于此,电池管理系统也可以使用放电型NN来推定二次电池的满充电容量。使用图3、图4、图14以及图17对使用放电型NN的实施方式(变形例)进行说明。
参照图3,在该变形例中,管理业者30在S12中将从车辆回收到的模块M不是连接于自动放电装置540,而是连接于充放电器520。当充放电器520连接于模块M时,开始图17的处理。连接于了充放电器520的模块M成为模块MD(对象电池)。
图17是表示图13所示的处理的变形例的图。与图4一起参照图17,在S411中,充放电控制部111通过对充放电器520进行控制,将模块MD的SOC调整为恒流放电的开始SOC(例如相当于满充电状态的SOC)。恒流放电的开始SOC既可以是预先决定的SOC值,也可以由用户指定。
在S411的处理后,充放电控制部111在S412中开始模块MD的恒流放电。在该变形例中,充放电控制部111对充放电器520进行控制,以使得在电流值2A的条件下进行模块MD的恒流放电。此外,恒流放电的条件(例如电流值)不限于上述,可以任意地进行设定。恒流放电的条件(例如放电速率)既可以是预先决定的条件,也可以由用户指定。
在S421中,信息管理部112确定恒流放电中的传感器模块530的输出(包括模块MD的CCV)并记录于存储装置120。在S422中,信息管理部112判断CCV放电波形的取得是否已完成。在到CCV放电波形的取得完成为止的期间(即在S422中判断为“否”的期间)中,反复执行S421和S422。在该变形例中,当模块MD的SOC低于预定SOC值(例如90%)时,在S422中判断为“是”(CCV放电波形的取得已完成),处理进入S43。但是,S422中的判断条件不限于上述。例如,信息管理部112也可以在S412中开始恒流放电后经过了预定时间(例如1200秒)时,在S422中判断为“是”。该变形例涉及的充放电控制部111、信息管理部112、电源装置510、充放电器520以及传感器模块530(图4)相当于本公开涉及的“放电装置”的一个例子。
在S43中,信息管理部112使用记录于存储装置120的CCV放电波形,制作检查用图像数据,将所制作的检查用图像数据保存于存储装置120。该变形例涉及的检查用图像数据是对在预先确定的像素数量的区域中描绘了CCV放电波形的图像中的各像素的数值进行表示的数据,相当于已学习神经网络的输入数据。该变形例涉及的信息管理部112(图4)相当于本公开涉及的“第2制作装置”的一个例子。
在S44中,信息管理部112向电池管理装置200发送在上述S43中制作的检查用图像数据。然后,在S45中进行模块MD的剩余放电。例如,充放电控制部111也可以通过持续进行在S412中开始的放电,进行模块MD的剩余放电。既可以在S412中开始放电后不变更放电的条件地持续进行放电,也可以在S422中判断为“是”的定时变更放电的条件。另外,管理业者30也可以通过将模块MD从充放电器520取下并放置于自动放电装置540,进行模块MD的剩余放电。通过进行S45的处理,图17的一系列处理结束。
在该变形例中,在图4所示的存储装置220存储有多个放电型NN。根据电池厂商和型号对多个放电型NN进行区别并进行管理。另外,放弃了S37和S38的图14的处理由电池管理装置200的控制装置210来执行。在图14的S35中,容量推定部212通过向在S34中选择的已学习NN(更特定而言为放电型NN)的输入层输入从测定装置100接收到的模块MD的检查用图像数据(即在图17的S44中被发送的检查用图像数据),推定模块MD的满充电容量。
如上述那样进行了满充电容量的推定和剩余放电的模块M被保管于保管库500(图3的S13)。此外,也可以构成为在存储装置220中存储有充电型NN和放电型NN这两方,控制装置210根据对象电池来分开使用充电型NN和放电型NN。
在上述实施方式中,保管库500和电池管理装置200设置于管理业者30的据点。但是,不限于此,也可以是保管库500设置于制造业者34的据点,电池管理装置200搭载于图2所示的管理服务器20。另外,前述的电池管理系统也可以设置于制造业者34或者销售店35的据点。图18是用于对设置于制造业者34的据点的电池管理系统的一个例子进行说明的图。
与图1一起参照图18,制造业者34组合在图14的S36中辨别为“重组”的模块M61~M63(即具有适于重组的满充电容量的多个模块),制造电池组600(即重组品)。该制造电池组600的工序相当于本公开涉及的“第4步骤”的一个例子。图18所例示的电池组600包括多个电池单元601来构成。在电池组600中,一个电池单元601的正极端子和相邻的另一电池单元601的负极端子通过具有导电性的汇流条602进行电连接。电池单元601彼此串联连接。通过对这样的电池组600安装附属部件,制造电池包。在电池包安装有将构成电池组600的各模块的信息(例如M-ID以及满充电容量)与电池组600的电池ID一起进行存储的标签T6(例如RFID标签)。包括这样制造的电池组600的电池包经过出货检查后被进行出货。制造业者34将在图14的S36中辨别为“资源再循环”的模块M5送给再循环业者36。通过再循环业者36进行模块M5的再资源化。
电池管理系统的构成不限于图4所示的结构。例如可以放弃自动放电装置540。另外,代替进行充电和放电这两方的充放电器520,既可以采用仅进行充电的充电装置,也可以采用仅进行放电的放电装置。电池管理装置200也可以搭载于便携设备(例如智能手机)。测定装置100和电池管理装置200并不是必须分离地配置。电池管理装置200也可以与测定装置100一起设置在保管库500内。测定装置100和电池管理装置200也可以一体化。存储装置220存储的已学习神经网络的数量是任意的,也可以是一个。
在上述实施方式和变形例中,测定装置100的控制装置110作为“第1制作装置”和“第2制作装置”发挥功能,但电池管理装置200的控制装置210也可以作为“第1制作装置”和“第2制作装置”发挥功能。即,检查用图像数据也可以在电池管理装置200中进行制作。
电池管理系统并不是必须具备辨别装置(即电池管理系统决定对象电池的用途)。也可以是用户基于通过电池管理装置200推定的对象电池(例如模块MD)的满充电容量来决定对象电池的用途。
在上述实施方式中,提及了从车辆回收二次电池的例子,电池管理系统既可以应用于从其他移动体(例如船、飞机、无人运输车、农业机械、或者无人机)回收到的二次电池,也可以应用于从便携设备(即能够由用户携带的电子设备)回收到的二次电池,还可以应用于安置用的二次电池。对象电池不限于模块,既可以是单电池,也可以是电池组。电池管理系统也可以构成为:在从车辆回收到电池组时(例如图3的S11),推定电池组的满充电容量,基于所推定的满充电容量,进行该电池组的辨别(例如全部再利用/资源再循环的辨别)。
以上对本发明的实施方式进行了说明,但应该认为本次公开的实施方式在全部方面是例示的,并不是限制性的。本发明的范围由权利要求书表示,意在包含与权利要求书等同的含义和范围内的全部变更。
Claims (10)
1.一种电池管理系统,对二次电池的信息进行管理,具备:
存储装置,其存储至少一个已学习神经网络;和
推定装置,其使用所述已学习神经网络,推定作为预定的二次电池的对象电池的满充电容量,
所述已学习神经网络具备受理输入数据的输入层,构成为当所述输入数据被输入到所述输入层时,输出所述二次电池的满充电容量,所述输入数据表示在预先确定的像素数量的区域中描绘了二次电池的预定CCV波形的图像中的各像素的数值,
所述预定CCV波形是对所述二次电池的恒流充电中的CCV的推移进行表示的CCV充电波形和对所述二次电池的恒流放电中的CCV的推移进行表示的CCV放电波形中的任一个,
所述推定装置构成为通过将关于所述对象电池取得的输入数据输入到所述已学习神经网络的所述输入层,推定所述对象电池的满充电容量。
2.根据权利要求1所述的电池管理系统,还具备:
充电装置,其通过进行所述对象电池的恒流充电,关于所述对象电池取得作为所述CCV充电波形的所述预定CCV波形;和
第1制作装置,其使用通过所述充电装置取得的所述预定CCV波形来制作所述输入数据,
所述推定装置构成为通过将由所述第1制作装置制作的所述输入数据输入到所述已学习神经网络的所述输入层,推定所述对象电池的满充电容量。
3.根据权利要求2所述的电池管理系统,
所述第1制作装置在所述输入数据的制作中所使用的所述预定CCV波形的SOC范围为从0%以上且10%以下的范围选择的预定SOC范围。
4.根据权利要求1~3中任一项所述的电池管理系统,还具备:
放电装置,其通过进行所述对象电池的恒流放电,关于所述对象电池取得作为所述CCV放电波形的所述预定CCV波形;和
第2制作装置,其使用通过所述放电装置取得的所述预定CCV波形来制作所述输入数据,
所述推定装置构成为通过将由所述第2制作装置制作的所述输入数据输入到所述已学习神经网络的所述输入层,推定所述对象电池的满充电容量。
5.根据权利要求1~4中任一项所述的电池管理系统,
存储于所述存储装置的所述至少一个已学习神经网络包括多个已学习神经网络,
所述推定装置构成为取得与所述对象电池有关的信息,使用所述取得的信息来从所述多个已学习神经网络中选择与所述对象电池对应的一个已学习神经网络,使用所述选择的已学习神经网络来推定所述对象电池的满充电容量。
6.根据权利要求1~5中任一项所述的电池管理系统,
还具备辨别装置,所述辨别装置使用通过所述推定装置推定的所述满充电容量来决定所述对象电池的用途。
7.一种电池管理方法,包括:
第1步骤,取得作为预定的二次电池的对象电池的预定CCV波形;
第2步骤,使用在所述第1步骤中取得的所述预定CCV波形来制作已学习神经网络的输入数据;和
第3步骤,在所述第2步骤中制作的所述输入数据被输入到所述已学习神经网络,所述已学习神经网络输出所述对象电池的满充电容量,
所述输入数据是表示在预先确定的像素数量的区域中描绘了所述对象电池的所述预定CCV波形的图像中的各像素的数值的数据,
所述预定CCV波形是对所述对象电池的恒流充电中的CCV的推移进行表示的CCV充电波形和对所述对象电池的恒流放电中的CCV的推移进行表示的CCV放电波形中的任一个。
8.根据权利要求7所述的电池管理方法,
在所述第1步骤之前,按各车辆进行从车辆回收二次电池的步骤、进行所述回收到的二次电池的剩余放电的步骤以及在所述剩余放电后以空状态保管所述二次电池的步骤,以空状态保管多个二次电池,
在所述第1步骤中,通过从以所述空状态保管的多个二次电池中选择所述对象电池,对所述对象电池进行恒流充电,从而关于所述对象电池取得作为所述CCV充电波形的所述预定CCV波形。
9.根据权利要求7或者8所述的电池管理方法,
在所述第3步骤之后还包括:
使用在所述第3步骤中推定的所述满充电容量来辨别所述对象电池的步骤;和
按照所述辨别的结果来对所述对象电池进行出货的步骤。
10.一种电池组的制造方法,包括:
第1步骤,取得作为预定的二次电池的对象电池的预定CCV波形;
第2步骤,使用在所述第1步骤中取得的所述预定CCV波形来制作已学习神经网络的输入数据;
第3步骤,在所述第2步骤中制作的所述输入数据被输入到所述已学习神经网络,所述已学习神经网络输出所述对象电池的满充电容量;和
第4步骤,使用经过所述第1步骤~所述第3步骤推定了满充电容量的多个二次电池来制造电池组,
所述输入数据是表示在预先确定的像素数量的区域中描述了所述对象电池的所述预定CCV波形的图像中的各像素的数值的数据,
所述预定CCV波形是对所述对象电池的恒流充电中的CCV的推移进行表示的CCV充电波形和对所述对象电池的恒流放电中的CCV的推移进行表示的CCV放电波形中的任一个。
Applications Claiming Priority (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2019200785A JP7151689B2 (ja) | 2019-11-05 | 2019-11-05 | 電池管理システム、電池管理方法、及び組電池の製造方法 |
JP2019-200785 | 2019-11-05 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN112825167A true CN112825167A (zh) | 2021-05-21 |
CN112825167B CN112825167B (zh) | 2024-07-05 |
Family
ID=75687350
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202011202080.0A Active CN112825167B (zh) | 2019-11-05 | 2020-11-02 | 电池管理系统、电池管理方法以及电池组的制造方法 |
Country Status (4)
Country | Link |
---|---|
US (2) | US11841400B2 (zh) |
JP (1) | JP7151689B2 (zh) |
KR (1) | KR102587694B1 (zh) |
CN (1) | CN112825167B (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113511082A (zh) * | 2021-05-31 | 2021-10-19 | 深圳先进技术研究院 | 基于规则和双深度q网络的混合动力汽车能量管理方法 |
Families Citing this family (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP7368273B2 (ja) * | 2020-02-28 | 2023-10-24 | 本田技研工業株式会社 | 情報提供システム |
CN113859552B (zh) * | 2021-09-27 | 2023-10-24 | 深圳市道通智能航空技术股份有限公司 | 一种电池管理系统 |
US20230166630A1 (en) * | 2021-11-30 | 2023-06-01 | Livewire Ev, Llc | Removable module |
KR20230173842A (ko) * | 2022-06-20 | 2023-12-27 | 현대모비스 주식회사 | Ev에서 사용되는 적어도 하나 이상의 배터리를 거래하기 위한 방법 및 장치 |
CN115184813A (zh) * | 2022-08-04 | 2022-10-14 | 爱德曼(淄博)氢能科技有限公司 | 一种基于神经网络的氢燃料电池状态诊断方法及系统 |
EP4321883A1 (en) * | 2022-08-09 | 2024-02-14 | CUSTOMCELLS Holding GmbH | Method and system for specifying a target battery cell |
JP7509181B2 (ja) | 2022-09-20 | 2024-07-02 | いすゞ自動車株式会社 | 保管方法 |
JP2024076833A (ja) * | 2022-11-25 | 2024-06-06 | 株式会社デンソー | 監視装置、制御装置、運航管理システム、およびプログラム |
JP2024076834A (ja) * | 2022-11-25 | 2024-06-06 | 株式会社デンソー | 電池システム |
Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US6064180A (en) * | 1996-10-29 | 2000-05-16 | General Motors Corporation | Method and apparatus for determining battery state-of-charge using neural network architecture |
US20060181245A1 (en) * | 2005-02-14 | 2006-08-17 | Denso Corporation | Method and apparatus for detecting charged state of secondary battery based on neural network calculation |
JP2008243652A (ja) * | 2007-03-28 | 2008-10-09 | Mitsubishi Motors Corp | リチウムイオン電池の管理システム |
CN103091642A (zh) * | 2013-01-22 | 2013-05-08 | 北京交通大学 | 一种锂电池容量快速估计方法 |
JP2015200565A (ja) * | 2014-04-08 | 2015-11-12 | 株式会社豊田自動織機 | 二次電池のsoc推定装置および推定方法 |
CN105676138A (zh) * | 2016-01-22 | 2016-06-15 | 广东志成冠军集团有限公司 | 一种预测电池的剩余电量的方法和系统 |
CN106597288A (zh) * | 2015-10-20 | 2017-04-26 | 郑州宇通客车股份有限公司 | 一种电源soc估算方法 |
CN108445406A (zh) * | 2018-03-13 | 2018-08-24 | 桂林电子科技大学 | 一种动力电池健康状态估计方法 |
WO2019207399A1 (ja) * | 2018-04-27 | 2019-10-31 | 株式会社半導体エネルギー研究所 | 蓄電装置の充電状態推定方法及び蓄電装置の充電状態推定システム |
Family Cites Families (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP3478069B2 (ja) * | 1997-06-26 | 2003-12-10 | 松下電器産業株式会社 | リチウムイオン二次電池の残存容量検出方法 |
JP2003317810A (ja) | 2002-04-18 | 2003-11-07 | Toyota Motor Corp | 電池の特性評価方法 |
JP4609883B2 (ja) | 2005-02-16 | 2011-01-12 | 株式会社デンソー | 車両用蓄電装置の満充電容量演算装置 |
EP2232284B1 (en) * | 2008-01-25 | 2014-01-22 | Eveready Battery Company, Inc. | Battery end of life determination |
JP2010217070A (ja) | 2009-03-18 | 2010-09-30 | Toyota Motor Corp | 容量推定装置および車両 |
JP5994680B2 (ja) | 2013-02-27 | 2016-09-21 | 株式会社豊田自動織機 | 電池残容量推定方法及び装置 |
JP6156216B2 (ja) | 2014-03-25 | 2017-07-05 | 株式会社デンソー | 満充電容量推定装置 |
US9893385B1 (en) * | 2015-04-23 | 2018-02-13 | Ambri Inc. | Battery management systems for energy storage devices |
CN109004696A (zh) * | 2018-04-18 | 2018-12-14 | 国家电网公司 | 一种变电站用蓄电池多功能控制系统及其控制方法 |
JP7020273B2 (ja) | 2018-04-26 | 2022-02-16 | トヨタ自動車株式会社 | 電池情報処理システム、組電池、電池モジュールの容量算出方法、および、組電池の製造方法 |
KR20200026607A (ko) * | 2018-09-03 | 2020-03-11 | 엘지전자 주식회사 | 배터리를 포함하는 장치 |
-
2019
- 2019-11-05 JP JP2019200785A patent/JP7151689B2/ja active Active
-
2020
- 2020-09-30 US US17/039,090 patent/US11841400B2/en active Active
- 2020-11-02 CN CN202011202080.0A patent/CN112825167B/zh active Active
- 2020-11-04 KR KR1020200145919A patent/KR102587694B1/ko active IP Right Grant
-
2023
- 2023-10-31 US US18/498,178 patent/US20240061046A1/en active Pending
Patent Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US6064180A (en) * | 1996-10-29 | 2000-05-16 | General Motors Corporation | Method and apparatus for determining battery state-of-charge using neural network architecture |
US20060181245A1 (en) * | 2005-02-14 | 2006-08-17 | Denso Corporation | Method and apparatus for detecting charged state of secondary battery based on neural network calculation |
JP2008243652A (ja) * | 2007-03-28 | 2008-10-09 | Mitsubishi Motors Corp | リチウムイオン電池の管理システム |
CN103091642A (zh) * | 2013-01-22 | 2013-05-08 | 北京交通大学 | 一种锂电池容量快速估计方法 |
JP2015200565A (ja) * | 2014-04-08 | 2015-11-12 | 株式会社豊田自動織機 | 二次電池のsoc推定装置および推定方法 |
CN106597288A (zh) * | 2015-10-20 | 2017-04-26 | 郑州宇通客车股份有限公司 | 一种电源soc估算方法 |
CN105676138A (zh) * | 2016-01-22 | 2016-06-15 | 广东志成冠军集团有限公司 | 一种预测电池的剩余电量的方法和系统 |
CN108445406A (zh) * | 2018-03-13 | 2018-08-24 | 桂林电子科技大学 | 一种动力电池健康状态估计方法 |
WO2019207399A1 (ja) * | 2018-04-27 | 2019-10-31 | 株式会社半導体エネルギー研究所 | 蓄電装置の充電状態推定方法及び蓄電装置の充電状態推定システム |
Non-Patent Citations (2)
Title |
---|
李国进;董第永;陈双;: "磷酸铁锂电池的SOC预测", 计算机仿真, no. 03 * |
邱纲;陈勇;: "电动汽车用动力电池组SOC的神经网络估计", 辽宁工程技术大学学报, no. 02 * |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113511082A (zh) * | 2021-05-31 | 2021-10-19 | 深圳先进技术研究院 | 基于规则和双深度q网络的混合动力汽车能量管理方法 |
CN113511082B (zh) * | 2021-05-31 | 2023-06-16 | 深圳先进技术研究院 | 基于规则和双深度q网络的混合动力汽车能量管理方法 |
Also Published As
Publication number | Publication date |
---|---|
CN112825167B (zh) | 2024-07-05 |
JP7151689B2 (ja) | 2022-10-12 |
KR20210054467A (ko) | 2021-05-13 |
US20240061046A1 (en) | 2024-02-22 |
US11841400B2 (en) | 2023-12-12 |
KR102587694B1 (ko) | 2023-10-12 |
JP2021077450A (ja) | 2021-05-20 |
US20210132153A1 (en) | 2021-05-06 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN112825167B (zh) | 电池管理系统、电池管理方法以及电池组的制造方法 | |
Lebrouhi et al. | Key challenges for a large-scale development of battery electric vehicles: A comprehensive review | |
CN111610459B (zh) | 用于预测电池组的放电曲线的系统、方法和存储介质 | |
CN111612204B (zh) | 用于优化电池组的性能的系统、方法和存储介质 | |
US11380941B2 (en) | Battery information processing system, battery assembly, method of calculating capacity of battery module, and method of manufacturing battery assembly | |
US20200033414A1 (en) | Battery information processing system, method of estimating capacity of secondary battery, and battery assembly and method of manufacturing battery assembly | |
CN113428048B (zh) | 信息提示系统、服务器、信息提示方法及信息提示装置 | |
WO2023185601A1 (zh) | 一种电池健康状态信息确定方法、装置及电池系统 | |
KR101413291B1 (ko) | 전기 자동차의 배터리 충전 장치 및 방법 | |
US11084387B2 (en) | Systems, methods, and storage media for arranging a plurality of cells in a vehicle battery pack | |
CN109835208A (zh) | 充电管理方法、计算机设备及存储介质 | |
CN115219904A (zh) | 用于运行用来提供电化学电池组模型的系统的方法和装置 | |
US20220404428A1 (en) | Management system, management method, server device, storage medium, battery information providing system, and battery information providing method | |
CN113595174A (zh) | 电池管理方法、装置、设备和服务器 | |
CN114655076B (zh) | 服务器、车辆以及车辆诊断方法 | |
CN116381535A (zh) | 用于在设备外部的中央单元中借助数字孪生高效监控设备电池组的电池组电池的方法和系统 | |
US11803822B2 (en) | Information management apparatus | |
CN111098743A (zh) | 一种充电时间的预测方法、装置及电子设备 | |
WO2021192845A1 (ja) | 情報提供システム、サーバ、及び情報提供方法 | |
US20240116477A1 (en) | Server, system, and management method | |
CN118040683B (zh) | 电能智能管理方法及储能充电系统 | |
US11733313B2 (en) | Method and apparatus for operating a system for providing states of health of electrical energy stores for a multiplicity of devices with the aid of machine learning methods | |
US20240127327A1 (en) | Method of leasing power storage, computer apparatus, and lease system | |
US20240169419A1 (en) | Leasing Method and Lease System, and Computer Apparatus | |
Reshma et al. | 18 Online Internet of Things-Based Estimation |
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 |