JP2015059933A - 二次電池の異常診断装置及び異常診断方法 - Google Patents

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

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。）。

特開平１１−３２９５１２号公報

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。

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。 電池パックの構成例を示す図。 異常診断処理のフローチャート。 劣化量算出処理のフローチャート。 劣化量モデル作成処理のフローチャート。 劣化モデル識別コード更新処理１のフローチャート。 劣化モデル割り当て処理の説明図。 劣化モデル識別コード更新処理２のフローチャート。

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。

表１に、劣化モデル格納部１１に格納される劣化モデルの例を示す。予め劣化モデルを持たないロットの電池は、材料、製造時条件で最も近い劣化モデルのクラスタを選択し初期に割り当てる。

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。

カレンダー劣化の場合、その時間に対する劣化速度はその時の蓄電池の電圧と温度に依存し、αを劣化速度とすると、下式のアレニウス則を用いて表すことができる。

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。

サイクル劣化の場合は、刻一刻と電圧と温度が変わるため、カレンダー劣化のアレニウス則を用いて以下のモデルに基づいて劣化量を計算する。

式（２）において、ΔＲ_ｃａｌ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（ΔＲ_ｃａｌ）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。

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。

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。

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。

［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）。

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。

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)

1. 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。
2. 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。
3. 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。
4. 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。
5. 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。
6. 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。
7. 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。
8. 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。

Images