JP2015059933A - 二次電池の異常診断装置及び異常診断方法 - Google Patents
二次電池の異常診断装置及び異常診断方法 Download PDFInfo
- Publication number
- JP2015059933A JP2015059933A JP2013196235A JP2013196235A JP2015059933A JP 2015059933 A JP2015059933 A JP 2015059933A JP 2013196235 A JP2013196235 A JP 2013196235A JP 2013196235 A JP2013196235 A JP 2013196235A JP 2015059933 A JP2015059933 A JP 2015059933A
- Authority
- JP
- Japan
- Prior art keywords
- deterioration
- secondary battery
- unit
- abnormality diagnosis
- battery
- 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.)
- Pending
Links
Images
Classifications
-
- 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
Landscapes
- Tests Of Electric Status Of Batteries (AREA)
- Charge And Discharge Circuits For Batteries Or The Like (AREA)
- Secondary Cells (AREA)
Abstract
【課題】蓄電池の製造時期や製造ライン等で性能にばらつきがある場合でも、異常診断を精度良く行えるようにする。
【解決手段】本実施形態に係る異常診断装置は、二次電池の製造時条件に応じて付与される識別情報を含む電池状態量を取得する電池データ取得部と、前記二次電池の性能を経時的に測定する性能測定部と、前記電池状態量を入力として、前記識別情報に対応する劣化モデルを用いて前記二次電池の劣化量を推定する劣化シミュレーション部と、前記性能測定部の測定結果から求められる劣化量と前記劣化シミュレーション部で推定される劣化量との差に基づいて前記二次電池の異常を診断する異常診断部とを具備する。
【選択図】図1
【解決手段】本実施形態に係る異常診断装置は、二次電池の製造時条件に応じて付与される識別情報を含む電池状態量を取得する電池データ取得部と、前記二次電池の性能を経時的に測定する性能測定部と、前記電池状態量を入力として、前記識別情報に対応する劣化モデルを用いて前記二次電池の劣化量を推定する劣化シミュレーション部と、前記性能測定部の測定結果から求められる劣化量と前記劣化シミュレーション部で推定される劣化量との差に基づいて前記二次電池の異常を診断する異常診断部とを具備する。
【選択図】図1
Description
この発明の実施形態は、二次電池の異常を診断する二次電池の異常診断装置及び蓄電池異常診断方法に関する。
リチウムイオン電池やニッケル水素電池などの二次電池は、充放電を繰り返すことで劣化が進み、容量の減少や内部抵抗の上昇が起こる。従来技術では、蓄電池の種類を識別するための識別子を付加し、その識別子によって電池の種類に応じた内部容量の初期値を設定し、充電にかかる時間から算出される容量値と比較することで、容量劣化の度合いを判定する手法が提案されている(例えば、特許文献1を参照。)。
蓄電池の異常診断方法として、蓄電池にかかる負荷(電流、電圧、温度等)から蓄電池の性能劣化量を推定し、これと比較して実際の劣化量が極端に激しい個体を異常として検知するという手法が考えられる。しかしながら、この手法で異常検知をする際、電池の種類や型番毎に同一の劣化傾向を示すと仮定して劣化量を推定すると、蓄電池の製造時の条件等による劣化傾向の違いを反映できないため、劣化量の推定精度が低下し、ひいては異常診断の精度が悪くなるという課題がある。
本実施形態の目的は、電池の製造時期や製造ライン等で性能にばらつきがある場合でも、異常診断を精度良く行うことができる二次電池の異常診断装置及び蓄電池異常診断方法を提供することにある。
上記目的を達成するために、本実施形態に係る二次電池の異常診断装置は、二次電池の製造時条件に応じて付与される識別情報を含む電池状態量を取得する電池データ取得部と、前記二次電池の性能を経時的に測定する性能測定部と、前記電池状態量を入力として、前記識別情報に対応する劣化モデルを用いて前記二次電池の劣化量を推定する劣化シミュレーション部と、前記性能測定部の測定結果から求められる劣化量と前記劣化シミュレーション部で推定される劣化量との差に基づいて前記二次電池の異常を診断する異常診断部とを具備する。
以下、図面を参照しながら本実施形態に係る二次電池の異常診断装置について詳細に説明する。
(第1実施形態)
図1は、本実施形態に係る異常診断装置の構成例を示すブロック図である。異常診断装置は、電池データ取得部9、劣化シミュレーション部10、劣化モデル格納部11、劣化量格納部12、異常判定閾値格納部13、異常診断部14、電池性能測定量格納部15、異常診断結果格納部16、製造時条件格納部17、性能測定部18、及び劣化モデル識別コード書き込み部22を備える。
図1は、本実施形態に係る異常診断装置の構成例を示すブロック図である。異常診断装置は、電池データ取得部9、劣化シミュレーション部10、劣化モデル格納部11、劣化量格納部12、異常判定閾値格納部13、異常診断部14、電池性能測定量格納部15、異常診断結果格納部16、製造時条件格納部17、性能測定部18、及び劣化モデル識別コード書き込み部22を備える。
図2は、電池パック1の構成例を示す図である。電池パック1は、蓄電池セル7、蓄電池セル7の温度、電圧、電流を検出する温度、電圧、電流検出部6、及び電池の制御を行うBMU(Battery Management Unit)2を有する。BMU2は、劣化モデル識別コード格納部5を有する電池状態量格納部4と、異常診断装置からの要求に応じて電池状態量格納部4から電池状態量のデータと劣化モデル識別コード格納部5に格納されている劣化モデル識別コードとを読み出して出力するデータ出力部3とを備える。電池状態量には、温度、電圧、電流の他に、サイズ(膨張)、環境温度、総充放電量をを用いることが出来る。劣化モデル識別コードの初期値は、後述する劣化モデル作成装置により事前に発番され、製造時条件等によるクラスタリング結果によって割り当てられた劣化モデルを識別するものである。例えば、電池パック1のメモリ領域に1レジスター分の空きがあれば劣化モデル識別コードを搭載することができる。
異常診断装置は、電池データ取得部9により、各電池パック1から電池状態量のデータと劣化モデル識別コードを取得し、劣化シミュレーション部10にて上記劣化モデル格納部11から各蓄電池の劣化モデルを上記取得した劣化モデル識別コードにより抽出し、電池状態量を入力として劣化シミュレーションを行う。この劣化シミュレーションは蓄電池が設置されてから異常診断時まで常に実施する。
劣化モデルとは、各蓄電池の型番、ロット毎にカレンダー劣化試験、サイクル劣化試験を実施した結果より導出された劣化速度を算出するための数式とする。劣化速度は、温度、電圧、電流から決まる単位時間当たりの内部抵抗の増加速度とする。劣化速度は、電流I1、電圧V1、温度Tを用いて、例えば、A・exp(−E(V1,I1)/T)で表される。AとEは、電流と電圧の多項式とする。各モデルには劣化モデル識別コード(A,B,C,…)が割り当てられており、劣化モデルのパラメータを記録する。
蓄電池の劣化の種類には、大きく分けてカレンダー劣化とサイクル劣化があり、前者は一定温度、一定電圧、電流なし状態で放置した場合の劣化で、後者は蓄電池に電流が流れている場合の劣化である。この両者は劣化傾向が異なり、一般的に同じ観測期間で比較すると、サイクル劣化の方が劣化しやすい傾向にある。
式(1)において、Vは電圧、Tは温度、AとΔEは共に電圧に依存するアレニウスパラメータである。カレンダー劣化の場合は、この劣化速度を用いてある電圧V、ある温度Tにいた滞在時間中の劣化量を算出する。蓄電池の種類により、滞在時間と劣化速度の関係は、ルート則、リニア則、指数則と変わる。
式(2)において、ΔRcalは電流Iが発生している間の電圧と温度から計算されるアレニウスパラメータから算出される劣化量である。電流発生時の劣化量は同期間中のカレンダー劣化量の多項式に、電流で決定する係数β(I)をかけることで得られる。β(I)及びf(ΔRcal)は蓄電池の種類によって異なると考えられ、運用前のカレンダー劣化試験、一定電流下でのサイクル劣化試験により予め求め、劣化モデル格納部11に格納する。
性能測定部18は、各電池パック1の蓄電池セルの7の性能を予め決められた性能測定手順に従って測定する。この処理は、蓄電池の使用開始時と異常診断時に実施される。性能測定部18が測定した蓄電池の性能値は電池性能測定量格納部15に格納される。
異常診断部14は、劣化量格納部12より異常診断対象の蓄電池の劣化量と、異常判定閾値格納部13から劣化モデル識別コードに従った閾値を取得し、両者を比較した異常診断結果(正常/異常)を出力し、異常診断結果格納部16に格納する。表2に、異常判定閾値格納部13の一例を示す。
劣化モデルクラスタ更新部20は、異常診断結果格納部16から異常診断結果を読み込み、異常と診断された蓄電池のロットNo.を得る。そして、後述する製造時条件格納部17より当該ロットNo.に合致する製造時条件に最も近い劣化モデルを、異常と診断された劣化モデルを除いて特定する。なお、異常診断結果より、異常と診断結果が出た場合はその劣化モデルクラスは次に割り当てるモデルクラスタの候補に含めないようにする。
劣化モデル識別コード書き込み部22は、劣化モデルクラスタ更新部20で特定された劣化モデルに対応する劣化モデル識別コードを、当該電池パック1のBMU2上の劣化モデル識別コード格納部5に書き込む。
続いて、このように構成される異常診断装置の各処理について、図3乃至図7のフローチャートを用いて説明する。
[異常診断処理]
図3は、異常診断処理を示すフローチャートである。この異常診断処理は、電池パックの使用開始時とそれ以降定期的に実施するものとする。
図3は、異常診断処理を示すフローチャートである。この異常診断処理は、電池パックの使用開始時とそれ以降定期的に実施するものとする。
性能測定部18は、各電池パック1の現在の性能を測定し、電池性能測定量格納部15へ格納する(ステップS1a)。異常診断部14は、電池性能測定量格納部15から電池パック1の現在の性能測定量Rn, 初期の性能測定量Rfを取得する(ステップS2a)。また、異常診断部14は、劣化量格納部12から該当する電池パック1の劣化量算出結果dと劣化モデル識別コードを取得する(ステップS3a)。表3に、劣化量格納部12に格納されるデータの一例を示す。
異常診断部14は、異常判定閾値格納部13から、ステップS2aで取得した劣化モデル識別コードをキーに異常判定閾値を取得する(ステップS4a)。そして、ステップS2aで取得した性能劣化量(Rf−Rn)と劣化量算出結果dとの差分が異常判定閾値を超えていなければ(ステップS5a:No)は、正常と診断・通知する(ステップS6a)。一方、ステップS5aにおいて、(Rf−Rn)−dが異常判定閾値より大きい場合(ステップS5a:Yes)は、異常と診断・通知する(ステップS7a)。異常診断部14は、この異常診断結果を異常診断結果格納部16に格納する(ステップS8a)。
[劣化量算出処理]
図4は、劣化量算出処理を示すフローチャートである。この劣化量算出処理は、比較的短い時間で継続的に実施するものとする。
図4は、劣化量算出処理を示すフローチャートである。この劣化量算出処理は、比較的短い時間で継続的に実施するものとする。
電池データ取得部9は、各電池パック1内の電池状態量格納部4から電池状態量として例えば、劣化モデル識別コード、電圧、温度、電流、及びサイクル数を取得する(ステップS1b)。劣化シミュレーション部10は、ステップS1bで取得した劣化モデル識別コードをキーに劣化モデル格納部11より該当する劣化モデルを取得する(ステップS2b)。劣化シミュレーション部10は、取得した電池状態量と劣化モデルとを用いて電池パック1の性能劣化量を算出する(ステップS3b)。算出した劣化量を劣化量格納部12に格納する(ステップS4b)。
[劣化モデル作成処理]
図5は、劣化モデル作成処理を示すフローチャートである。この劣化モデル作成処理は、例えば、劣化モデル作成装置(図示省略)により事前に行われるものである。
図5は、劣化モデル作成処理を示すフローチャートである。この劣化モデル作成処理は、例えば、劣化モデル作成装置(図示省略)により事前に行われるものである。
劣化モデル作成装置は、複数ロットの劣化試験データを読み込む(ステップS1c)。これは、製造過程で蓄電池メーカが用意するものとする。劣化モデル作成装置は、劣化試験データに基づいて劣化モデルを作成する(ステップS2c)。劣化モデルは、温度、電圧、電流によって決まる劣化速度算出式とする。劣化モデルを作成したロットと作成していないロットの製造時条件でクラスタリングする(ステップS3c)。この際、距離関数はユークリッド距離とする。
ステップS3cのクラスリング結果より、各クラスタに属する劣化モデルに応じて劣化モデル識別コードを発番し(ステップS4c)、電池パック1の劣化モデル識別コード格納部11に格納する(ステップS5c)。また、劣化モデル格納部11には、ステップS2cで作成された劣化モデルがステップS4cで発番された劣化モデル識別コードに対応付けて格納される。
[劣化モデル識別コード更新処理1]
図6は、劣化モデル識別コード更新処理1を示すフローチャートである。劣化モデル識別コード更新処理は、図3に示した異常診断処理での異常診断結果が異常と診断された場合に行われる。
図6は、劣化モデル識別コード更新処理1を示すフローチャートである。劣化モデル識別コード更新処理は、図3に示した異常診断処理での異常診断結果が異常と診断された場合に行われる。
図7において、劣化モデルクラスタ更新部20は、異常診断結果格納部16より異常診断結果を読み込む(ステップS1e)。そして、製造時条件格納部17が保持する製造時条件を数量化により製造時条件ベクトルに変換する(ステップS2e)。製造時条件は、天候の他に気温、湿度、気圧、製造地、製造ライン、時期、歩留まり、材料、総容量も含むことができる。表4に、製造時条件格納部17が保持する製造時条件の一例を示す。
劣化モデルクラスタ更新部20は、異常と診断された蓄電池の劣化モデルの製造時条件ベクトルと、他の劣化モデルの製造時条件ベクトルとのユークリッド距離、内積を算出する(ステップS3e)。異常と診断された劣化モデルを除いて、最もユークリッド距離、内積が近い劣化モデルを決定する(ステップS4e)。劣化モデル識別コード書き込み部22は、異常と診断された電池パック1の劣化モデル識別コード格納部5に、決定した劣化モデルの識別コードに更新または当該コードを追加する(ステップS5e)。
ここで、図7に劣化モデル割り当てイメージを示す。前提として、劣化モデルクラスタは、予め劣化モデル格納部11に格納されている。同一の材料で異なるロットの劣化モデルは製造時の条件で分類し一定以上異なれば違うクラスタとする。どのクラスタに所属するかを決めるために異常診断結果を用いる。劣化特性を示すパラメータは分散を持つが、性能試験時はサンプル数が限られるため、真の分散は分からない。
例えば、もともとモデル1が割り当てられており、異常診断結果が正常の場合、モデル1をそのまま採用する。異常診断結果が異常の場合、現在の劣化量に近い値を出すモデルを特定、または、製造時条件の最も近いモデルを特定する。例えば、蓄電池を構成する化合物の種類、または化合物の配合比が同一の劣化モデルを優先する。そして、これ以後の異常診断はモデル1とモデル3を用いて実施する。最初に異常と診断された結果がミスである可能性もあるので、以降は2つのモデルを用いて劣化シミュレーションをしてもよい。
したがって、第1の実施形態では、劣化傾向の異なる蓄電池に対して製造時条件で分類された劣化モデルを用い、分類された劣化モデルクラスタの劣化速度にしたがって、電池の温度、電圧、電流から劣化シミュレーションし、劣化量の推定値を算出する。さらに、劣化シミュレーションによる推定値を、現時点の性能の実測値と比較し、その差がある閾値を超えたところで異常が発生したと診断し、異常診断結果を用いて劣化モデルクラスタを更新する。
これにより、蓄電池の劣化予測モデルの精度を向上させることが出来、また異常診断精度を向上させることが可能となる。
(第2の実施形態)
第2の実施形態は、上記第1の実施形態をベースとした変形例であり、異常診断部14から出力される異常診断結果がユーザに提示され、劣化モデルクラスタ更新部20にユーザから異常診断結果の正誤が入力される場合について説明する。図8の劣化モデル識別コード更新処理2を示すフローチャートを用いて第2の実施形態を説明する。
第2の実施形態は、上記第1の実施形態をベースとした変形例であり、異常診断部14から出力される異常診断結果がユーザに提示され、劣化モデルクラスタ更新部20にユーザから異常診断結果の正誤が入力される場合について説明する。図8の劣化モデル識別コード更新処理2を示すフローチャートを用いて第2の実施形態を説明する。
[劣化モデル識別コード更新処理2]
劣化モデルクラスタ更新部20は、異常診断結果の正誤が入力されると(ステップS1d)、劣化モデル格納部11を参照して、異常診断結果で誤診断と判定された蓄電池の劣化量と近いシミュレーション結果を算出する劣化モデル識別コードを特定する(ステップS2d)。この特定は、上記第1の実施形態と同様に行うことができる。劣化モデル識別コード書き込み部22は、ステップS2dで特定された劣化モデル識別コードを、異常診断結果の誤った電池パック1の劣化モデル識別コード格納部5に更新または当該コードを追加する(ステップS3d)。
劣化モデルクラスタ更新部20は、異常診断結果の正誤が入力されると(ステップS1d)、劣化モデル格納部11を参照して、異常診断結果で誤診断と判定された蓄電池の劣化量と近いシミュレーション結果を算出する劣化モデル識別コードを特定する(ステップS2d)。この特定は、上記第1の実施形態と同様に行うことができる。劣化モデル識別コード書き込み部22は、ステップS2dで特定された劣化モデル識別コードを、異常診断結果の誤った電池パック1の劣化モデル識別コード格納部5に更新または当該コードを追加する(ステップS3d)。
第2の実施形態によれば、異常診断結果そのものの正誤結果と、蓄電池の劣化傾向を左右する製造時の条件から、該当する蓄電池の劣化モデルを変更することで診断精度を上げることが可能となる。
(第3の実施形態)
第3の実施形態は、上記第1の実施形態において、電池データ取得部9は、劣化モデル識別コードに該当する劣化モデルの入力に必要となる電池状態量を自動的に取得するものである。劣化モデルは、そのモデルにより劣化量を算出するために必要な物理量が異なる。このため、電池データ取得部9は、必要に応じて、温度、電圧、電流に加え、例えば、現時点までのサイクル数、総充放電量、95%以上充電状態滞在時間、5%以下充電状態滞在時間、1C以上充放電時間積算量を各電池パック1から収集する。
第3の実施形態は、上記第1の実施形態において、電池データ取得部9は、劣化モデル識別コードに該当する劣化モデルの入力に必要となる電池状態量を自動的に取得するものである。劣化モデルは、そのモデルにより劣化量を算出するために必要な物理量が異なる。このため、電池データ取得部9は、必要に応じて、温度、電圧、電流に加え、例えば、現時点までのサイクル数、総充放電量、95%以上充電状態滞在時間、5%以下充電状態滞在時間、1C以上充放電時間積算量を各電池パック1から収集する。
以上述べたように、本実施形態によれば、蓄電池の製造時期や製造ライン等で性能にばらつきがある場合でも、異常診断を精度良く行えるようになる。一般的に蓄電池は一定の負荷の下で、連続的に緩やかに劣化していくが、長期の使用での経年変化により、原因不明で突発的に故障が起こることもあり得る。定期的に性能測定しながら、劣化推定値と比較することで、予防保全的に保守対応することが可能となる。また、この異常診断装置は、再利用された蓄電池でも利用可能なので、高性能で長寿命の電池等を保守するための判定装置として使うことも出来る。
なお、この発明は、上記実施形態そのままに限定されるものではなく、実施段階ではその要旨を逸脱しない範囲で構成要素を変形して具体化できる。また、上記実施形態に開示されている複数の構成要素の適宜な組み合せにより種々の発明を形成できる。例えば、実施形態に示される全構成要素から幾つかの構成要素を削除してもよい。さらに、異なる実施形態に亘る構成要素を適宜組み合せてもよい。
1…電池パック、2…BMU、3…データ出力部、4…電池状態量格納部、5…劣化モデル識別コード格納部、6…温度・電圧・電流検出部、7…蓄電池セル、8…異常診断装置、9…電池データ取得部、10…劣化シュミレーション部、11…劣化モデル格納部、12…劣化量格納部、13…異常判定閾値格納部、14…異常診断部、15…電池性能測定量格納部、16…異常診断結果格納部、17…製造時条件格納部、18…性能測定部、20…劣化モデルクラスタ更新部、22…劣化モデル識別コード書き込み部。
Claims (8)
- 二次電池の製造時条件に応じて付与される識別情報を含む電池状態量を取得する電池データ取得部と、
前記二次電池の性能を経時的に測定する性能測定部と、
前記電池状態量を入力として、前記識別情報に対応する劣化モデルを用いて前記二次電池の劣化量を推定する劣化シミュレーション部と、
前記性能測定部の測定結果から求められる劣化量と前記劣化シミュレーション部で推定される劣化量との差に基づいて前記二次電池の異常を診断する異常診断部と
を具備することを特徴とする二次電池の異常診断装置。 - 前記異常診断部は、前記差と前記識別情報に従った閾値とを比較することにより前記二次電池の異常を診断することを特徴とする請求項1に記載の異常診断装置。
- 前記異常診断部で異常と診断された場合に前記二次電池の識別情報を更新する更新部をさらに具備することを特徴とする請求項1又は2に記載の異常診断装置。
- 前記異常診断部の診断結果の正誤から前記二次電池の識別情報を更新する更新部をさらに具備することを特徴とする請求項1又は2に記載の異常診断装置。
- 前記更新部は、前記製造時条件をベクトルに変換し、誤診断した前記二次電池の劣化モデル製造時条件とのユークリッド距離、内積を算出し、最も小さい劣化モデルに対応する識別情報に更新することを特徴とする請求項3又は4に記載の異常診断装置。
- 前記更新部は、前記二次電池の識別情報を更新する時に、前記二次電池を構成する化合物の種類、または化合物の配合比が同一の劣化モデルを優先することを特徴とする請求項3乃至5のいずれか1項に記載の異常診断装置。
- 前記電池データ取得部は、前記二次電池の識別情報に対応する劣化モデルの入力に必要な電池状態量を取得することを特徴とする請求項1乃至6のいずれか1項に記載の異常診断装置。
- 情報処理装置により実行される二次電池の異常診断方法であって、
二次電池の製造時条件に応じて付与される識別情報を含む電池状態量を取得するステップと、
前記二次電池の性能を経時的に測定するステップと、
前記電池状態量を入力として、前記識別情報に対応する劣化モデルを用いて前記二次電池の劣化量を推定するステップと、
前記測定の結果から求められる劣化量と前記推定される劣化量との差に基づいて前記二次電池の異常を診断するステップと
を有することを特徴とする異常診断方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2013196235A JP2015059933A (ja) | 2013-09-20 | 2013-09-20 | 二次電池の異常診断装置及び異常診断方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2013196235A JP2015059933A (ja) | 2013-09-20 | 2013-09-20 | 二次電池の異常診断装置及び異常診断方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
JP2015059933A true JP2015059933A (ja) | 2015-03-30 |
Family
ID=52817563
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2013196235A Pending JP2015059933A (ja) | 2013-09-20 | 2013-09-20 | 二次電池の異常診断装置及び異常診断方法 |
Country Status (1)
Country | Link |
---|---|
JP (1) | JP2015059933A (ja) |
Cited By (19)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2017034781A (ja) * | 2015-07-30 | 2017-02-09 | 国立大学法人電気通信大学 | 蓄電池管理システム、蓄電池情報サーバ、充放電制御装置及び蓄電池 |
CN107229017A (zh) * | 2017-01-06 | 2017-10-03 | 科诺伟业风能设备(北京)有限公司 | 一种风力发电机组变桨蓄电池异常故障预测方法 |
JP2018011461A (ja) * | 2016-07-14 | 2018-01-18 | パナソニックIpマネジメント株式会社 | 管理装置、プログラム |
WO2019176063A1 (ja) * | 2018-03-15 | 2019-09-19 | 日本電気株式会社 | 異常検知装置、異常検知方法および記録媒体 |
WO2019181727A1 (ja) * | 2018-03-20 | 2019-09-26 | 株式会社Gsユアサ | 異常要因判定装置、劣化判定装置、コンピュータプログラム、劣化判定方法及び異常要因判定方法 |
CN110311179A (zh) * | 2019-05-31 | 2019-10-08 | 国电南瑞科技股份有限公司 | 一种储能电池系统智能预警的方法 |
WO2019235645A1 (ja) * | 2018-06-08 | 2019-12-12 | パナソニックIpマネジメント株式会社 | バッテリ管理システム及びバッテリ管理方法 |
JP2020065424A (ja) * | 2018-10-19 | 2020-04-23 | トヨタ自動車株式会社 | 表示装置およびそれを備える車両 |
JP2020109720A (ja) * | 2019-01-04 | 2020-07-16 | 株式会社東芝 | 蓄電池評価装置、蓄電池評価方法及び蓄電池評価システム |
JPWO2019116145A1 (ja) * | 2017-12-11 | 2021-01-21 | 株式会社半導体エネルギー研究所 | 充電制御装置、及び二次電池を有する電子機器 |
WO2021100673A1 (ja) * | 2019-11-18 | 2021-05-27 | 株式会社Gsユアサ | 評価装置、コンピュータプログラム及び評価方法 |
US11035905B1 (en) | 2018-01-09 | 2021-06-15 | Lg Chem, Ltd. | Apparatus and method for testing performance of battery cell |
WO2021192845A1 (ja) * | 2020-03-27 | 2021-09-30 | 本田技研工業株式会社 | 情報提供システム、サーバ、及び情報提供方法 |
WO2022004357A1 (ja) * | 2020-06-30 | 2022-01-06 | 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 |
JP2023502622A (ja) * | 2020-01-07 | 2023-01-25 | エルジー エナジー ソリューション リミテッド | シミュレーションシステムおよびデータ分散方法 |
US11579205B2 (en) | 2020-03-18 | 2023-02-14 | Gs Yuasa International Ltd. | Estimation device, energy storage device, method for estimation, and computer program |
CN116936978A (zh) * | 2023-09-19 | 2023-10-24 | 广州杉和信息科技有限公司 | 一种蓄电池鼓包智能化监测方法及系统 |
CN117595464A (zh) * | 2024-01-18 | 2024-02-23 | 深圳创芯技术股份有限公司 | 一种电池充电器充电检测控制方法及系统 |
WO2024062648A1 (ja) * | 2022-09-22 | 2024-03-28 | 株式会社日立製作所 | 二次電池の劣化予測装置および二次電池の劣化予測方法 |
-
2013
- 2013-09-20 JP JP2013196235A patent/JP2015059933A/ja active Pending
Cited By (35)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2017034781A (ja) * | 2015-07-30 | 2017-02-09 | 国立大学法人電気通信大学 | 蓄電池管理システム、蓄電池情報サーバ、充放電制御装置及び蓄電池 |
JP2018011461A (ja) * | 2016-07-14 | 2018-01-18 | パナソニックIpマネジメント株式会社 | 管理装置、プログラム |
WO2018012060A1 (ja) * | 2016-07-14 | 2018-01-18 | パナソニックIpマネジメント株式会社 | 管理装置、プログラム |
CN107229017A (zh) * | 2017-01-06 | 2017-10-03 | 科诺伟业风能设备(北京)有限公司 | 一种风力发电机组变桨蓄电池异常故障预测方法 |
CN107229017B (zh) * | 2017-01-06 | 2019-07-09 | 科诺伟业风能设备(北京)有限公司 | 一种风力发电机组变桨蓄电池异常故障预测方法 |
JPWO2019116145A1 (ja) * | 2017-12-11 | 2021-01-21 | 株式会社半導体エネルギー研究所 | 充電制御装置、及び二次電池を有する電子機器 |
JP7104065B2 (ja) | 2017-12-11 | 2022-07-20 | 株式会社半導体エネルギー研究所 | 充電制御装置 |
US11563238B2 (en) | 2017-12-11 | 2023-01-24 | Semiconductor Energy Laboratory Co., Ltd. | Charging-control device and electronic device with secondary battery |
US11984562B2 (en) | 2017-12-11 | 2024-05-14 | Semiconductor Energy Laboratory Co., Ltd. | Charging-control device and electronic device with secondary battery |
US11035905B1 (en) | 2018-01-09 | 2021-06-15 | Lg Chem, Ltd. | Apparatus and method for testing performance of battery cell |
WO2019176063A1 (ja) * | 2018-03-15 | 2019-09-19 | 日本電気株式会社 | 異常検知装置、異常検知方法および記録媒体 |
JPWO2019176063A1 (ja) * | 2018-03-15 | 2021-02-04 | 日本電気株式会社 | 異常検知装置、異常検知方法およびプログラム |
US11293989B2 (en) | 2018-03-15 | 2022-04-05 | Nec Corporation | Anomaly detection device, anomaly detection method, and recording medium |
US10996282B2 (en) | 2018-03-20 | 2021-05-04 | Gs Yuasa International Ltd. | Abnormality factor determination apparatus, degradation determination apparatus, computer program, degradation determining method, and abnormality factor determining method |
JP2019168451A (ja) * | 2018-03-20 | 2019-10-03 | 株式会社Gsユアサ | 異常要因判定装置、劣化判定装置、コンピュータプログラム、劣化判定方法及び異常要因判定方法 |
WO2019181727A1 (ja) * | 2018-03-20 | 2019-09-26 | 株式会社Gsユアサ | 異常要因判定装置、劣化判定装置、コンピュータプログラム、劣化判定方法及び異常要因判定方法 |
WO2019235645A1 (ja) * | 2018-06-08 | 2019-12-12 | パナソニックIpマネジメント株式会社 | バッテリ管理システム及びバッテリ管理方法 |
JP2020065424A (ja) * | 2018-10-19 | 2020-04-23 | トヨタ自動車株式会社 | 表示装置およびそれを備える車両 |
JP7131290B2 (ja) | 2018-10-19 | 2022-09-06 | トヨタ自動車株式会社 | 表示装置およびそれを備える車両 |
JP2020109720A (ja) * | 2019-01-04 | 2020-07-16 | 株式会社東芝 | 蓄電池評価装置、蓄電池評価方法及び蓄電池評価システム |
JP7096775B2 (ja) | 2019-01-04 | 2022-07-06 | 株式会社東芝 | 蓄電池評価装置、蓄電池評価方法及び蓄電池評価システム |
CN110311179A (zh) * | 2019-05-31 | 2019-10-08 | 国电南瑞科技股份有限公司 | 一种储能电池系统智能预警的方法 |
JP2021083208A (ja) * | 2019-11-18 | 2021-05-27 | 株式会社Gsユアサ | 評価装置、コンピュータプログラム及び評価方法 |
US11635467B2 (en) | 2019-11-18 | 2023-04-25 | Gs Yuasa International Ltd. | Evaluation device, computer program, and evaluation method |
WO2021100673A1 (ja) * | 2019-11-18 | 2021-05-27 | 株式会社Gsユアサ | 評価装置、コンピュータプログラム及び評価方法 |
JP2023502622A (ja) * | 2020-01-07 | 2023-01-25 | エルジー エナジー ソリューション リミテッド | シミュレーションシステムおよびデータ分散方法 |
JP7376189B2 (ja) | 2020-01-07 | 2023-11-08 | エルジー エナジー ソリューション リミテッド | シミュレーションシステムおよびデータ分散方法 |
US11579205B2 (en) | 2020-03-18 | 2023-02-14 | Gs Yuasa International Ltd. | Estimation device, energy storage device, method for estimation, and computer program |
WO2021192845A1 (ja) * | 2020-03-27 | 2021-09-30 | 本田技研工業株式会社 | 情報提供システム、サーバ、及び情報提供方法 |
WO2022004357A1 (ja) * | 2020-06-30 | 2022-01-06 | 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 |
WO2024062648A1 (ja) * | 2022-09-22 | 2024-03-28 | 株式会社日立製作所 | 二次電池の劣化予測装置および二次電池の劣化予測方法 |
CN116936978A (zh) * | 2023-09-19 | 2023-10-24 | 广州杉和信息科技有限公司 | 一种蓄电池鼓包智能化监测方法及系统 |
CN116936978B (zh) * | 2023-09-19 | 2023-11-21 | 广州杉和信息科技有限公司 | 一种蓄电池鼓包智能化监测方法及系统 |
CN117595464A (zh) * | 2024-01-18 | 2024-02-23 | 深圳创芯技术股份有限公司 | 一种电池充电器充电检测控制方法及系统 |
CN117595464B (zh) * | 2024-01-18 | 2024-04-12 | 深圳创芯技术股份有限公司 | 一种电池充电器充电检测控制方法及系统 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
JP2015059933A (ja) | 二次電池の異常診断装置及び異常診断方法 | |
CN108254696B (zh) | 电池的健康状态评估方法及系统 | |
JP7164217B2 (ja) | モバイル・デバイスに対するバッテリ健全性を緩和電圧に基づいて推定する方法 | |
US10310020B2 (en) | Method, device and system for estimating the charge state of a battery | |
CN108732503B (zh) | 一种电池健康状态与电池容量检测方法及装置 | |
US20160195589A1 (en) | Degradation diagnosis system and degradation diagnosis method for secondary battery | |
CN107664542B (zh) | 用于汽车动力电池的温度传感器的故障诊断方法 | |
US20200292620A1 (en) | Battery life learning device, battery life prediction device, method and non-transitory computer readable medium | |
WO2016208251A1 (ja) | 蓄電システム | |
US11965935B2 (en) | Method and apparatus for operating a system for providing predicted states of health of electrical energy stores for a device using machine learning methods | |
US20220170995A1 (en) | Method and Apparatus for Predicting a State of Health of a Device Battery in a Battery-operated Device | |
WO2017038749A1 (ja) | 電池の劣化診断装置、劣化診断方法、及び劣化診断システム | |
JP2018169161A (ja) | 電池の劣化診断装置、劣化診断方法、及び劣化診断システム | |
JP2018129302A (ja) | バッテリシステムの温度をモニタするための方法およびデバイス | |
CN113253128B (zh) | 一种电池系统soc一致性评估方法和内阻一致性评估方法 | |
CN110045291B (zh) | 一种锂电池容量估计方法 | |
US20220187376A1 (en) | Method and Device for Predicting a State of Health of an Energy Storage System | |
CN110850297A (zh) | 一种通过大数据预测轨交锂电池soh的方法 | |
KR20140093552A (ko) | 배터리 용량 상태 추정 장치 및 이의 방법 | |
Chehade et al. | A multi-output convolved Gaussian process model for capacity estimation of electric vehicle Li-ion battery cells | |
JP2020169887A (ja) | 蓄電池の劣化診断装置及び劣化診断方法 | |
WO2023157373A1 (ja) | 電池管理装置、電池管理プログラム | |
CN116893366A (zh) | 用于运行系统以识别设备的电蓄能器的异常的方法和装置 | |
CN112394290A (zh) | 电池包soh的估算方法、装置、计算机设备和存储介质 | |
CN116699435A (zh) | 基于机器学习方法识别电池组中的临界异常的方法和装置 |