JP2016065828A - 推定プログラム、推定方法および推定装置 - Google Patents

Abstract

【課題】充電率を推定する際の収束性を向上する。
【解決手段】実施形態の推定プログラムは、コンピュータに、電池の測定電流および測定端子電圧に基づいて、カルマンフィルタを用いて電池の充電率および予測端子電圧を算出し、測定端子電圧と予測端子電圧との差分を算出する処理を実行させる。また、推定プログラムは、コンピュータに、カルマンフィルタを用いた充電率の算出開始または差分の異常の終了を契機に、カルマンフィルタの予測ノイズの寄与度を所定値より大きくする処理を実行させる。また、推定プログラムは、コンピュータに、寄与度を大きくしてから所定時間が経過した時に、カルマンフィルタの予測ノイズの寄与度が所定値となるように制御する処理を実行させる。
【選択図】図１

Description

本発明の実施形態は、推定プログラム、推定方法および推定装置に関する。

近年、電気自動車や電動バイク等では、二次電池をモジュールごとに交換することで、充電時間による使用時間のロスを無くす運用が知られている。また、電気自動車や電動バイク等に用いられる二次電池として、リチウムイオン二次電池が用いられる場合がある。電池モジュールを交換する運用では、個々の電池モジュールにおけるリチウムイオン二次電池の充電率であるＳｏＣ（States of Charge）を管理することが必要である。ＳｏＣは、リチウムイオン二次電池内部の電気量を測ることで測定可能であるが、実運用中に測定することは難しい。このため、実運用中のＳｏＣは、測定可能な端子電圧と電流から推定する。ＳｏＣの推定は、リチウムイオン二次電池を電気回路としてとらえた等価電気回路モデルに対して、カルマンフィルタを適用することで推定する。

特開２００８−０１０４２０号公報 特開２０１２−１４９９４７号公報

しかしながら、カルマンフィルタによるＳｏＣの推定では、クーロンカウンタと、等価電気回路モデルによる逆算によるＳｏＣの推定とのバランスを取りながらＳｏＣを推定することから、推定値がずれた場合における、その後の推定値の収束性が悪く、推定精度が劣化する問題がある。

例えば、カルマンフィルタによるＳｏＣの推定では、等価電気回路モデルの誤差が大きいため、等価電気回路モデルの寄与度を小さく設定し、クーロンカウンタ重視のバランスにすることによって精度を上げている。このため、推定開始時のずれや、異常データによって推定値がずれた場合には、その後ＳｏＣが収束するまで時間がかかる。なお、等価電気回路モデルの寄与度を予め大きくする場合も考えられるが、この場合は、収束性は向上するが、等価電気回路モデルの誤差の影響を受けてＳｏＣの推定精度を劣化させる。

１つの側面では、充電率を推定する際の収束性を向上できる推定プログラム、推定方法および推定装置を提供することを目的とする。

第１の案では、推定プログラムは、コンピュータに、電池の測定電流および測定端子電圧に基づいて、カルマンフィルタを用いて電池の充電率および予測端子電圧を算出し、測定端子電圧と予測端子電圧との差分を算出する処理を実行させる。また、推定プログラムは、コンピュータに、カルマンフィルタを用いた充電率の算出開始または差分の異常の終了を契機に、カルマンフィルタの予測ノイズの寄与度を所定値より大きくする処理を実行させる。また、推定プログラムは、コンピュータに、寄与度を大きくしてから所定時間が経過した時に、カルマンフィルタの予測ノイズの寄与度が所定値となるように制御する処理を実行させる。

本発明の１実施態様によれば、充電率を推定する際の収束性を向上できる。

図１は、実施形態にかかる推定装置の構成例を示すブロック図である。 図２は、リチウムイオン二次電池の等価電気回路モデルの一例を示す説明図である。 図３は、ＯＣＶ特性曲線の一例を示すグラフである。 図４は、カルマンフィルタを用いたＳｏＣ推定処理の一例を示す説明図である。 図５は、Σｖの設定処理の一例を示すフローチャートである。 図６は、電流と充電率の推移の一例を説明する説明図である。 図７は、推定プログラムを実行するコンピュータの一例を示す説明図である。

以下、図面を参照して、実施形態にかかる推定プログラム、推定方法および推定装置を説明する。実施形態において同一の機能を有する構成には同一の符号を付し、重複する説明は省略する。なお、以下の実施形態で説明する推定プログラム、推定方法および推定装置は、一例を示すに過ぎず、実施形態を限定するものではない。また、以下の各実施形態は、矛盾しない範囲内で適宜組みあわせてもよい。

図１は、実施形態にかかる推定装置１００の構成例を示すブロック図である。図１に示すように、推定装置１００は、測定部１０１と、出力部１０２と、操作部１０３と、記憶部１２０と、制御部１３０とを有する。推定装置１００は、例えば、リチウムイオン二次電池モジュールに組み込まれる。また、推定装置１００は、セルの充放電を制御する制御部を含んでもよい。なお、推定装置１００は、例えば、電気自動車や電動バイク等の制御装置の一機能として実装して、リチウムイオン二次電池モジュールを制御するようにしてもよい。

測定部１０１は、リチウムイオン二次電池の電流および端子電圧を測定する。測定部１０１は、例えば、電流計および電圧計で、それぞれ電流および端子電圧を測定する。測定部１０１は、測定された電流および端子電圧を、それぞれ測定電流および測定端子電圧として制御部１３０に出力する。また、測定部１０１は、リチウムイオン二次電池の動作モードを取得して制御部１３０に出力する。

出力部１０２は、制御部１３０から充電率情報が入力されると、充電率情報を、例えば、他の装置に出力する。ここで、他の装置は、例えば、電気自動車や電動バイク等であれば、車両の制御装置であり、例えば、スマートフォン等の携帯情報端末であれば、画面を表示する表示部である。他の装置は、充電率情報が入力されると、例えば、使用者が視認できるように、車両のメータや表示部に充電率を表示する。

操作部１０３は、操作キーの入力操作等を介したユーザからの操作入力を受け付ける。操作部１０３は、受け付けた操作入力を入力情報として制御部１３０へ出力する。この入力情報としては、例えば、カルマンフィルタの各種パラメータ、等価電気回路モデルの各パラメータ、閾値等の他、設定部１３２における設定処理時のカウンタ値や係数などであってもよい。制御部１３０では、操作部１０３からの入力情報をもとに条件記憶部１２１に記憶されたパラメータや数値を更新する。

記憶部１２０は、例えば、ＲＡＭ（Random Access Memory）、フラッシュメモリ（Flash Memory）等の半導体メモリ素子、ハードディスクや光ディスク等の記憶装置によって実現される。記憶部１２０は、条件記憶部１２１を有する。また、記憶部１２０は、制御部１３０での処理に用いる情報を記憶する。

条件記憶部１２１は、ＯＣＶ（Open Circuit Voltage）特性曲線、カルマンフィルタの各種パラメータ、等価電気回路モデルの各パラメータ、閾値等を記憶する。ＯＣＶ特性曲線は、リチウムイオン二次電池のＯＣＶ−ＳｏＣ特性を示すグラフであり、詳細は後述する。カルマンフィルタの各種パラメータとしては、例えば、予測ノイズを示すΣｖ、このΣｖの設定処理時のカウンタ値・係数および測定ノイズを示すΣｗ等が挙げられる。等価電気回路モデルの各パラメータは、後述するＲ_０、Ｒ_１、Ｒ_２、Ｃ_１、Ｃ_２等が挙げられる。なお、等価電気回路モデルの各パラメータは、予め実際のリチウムイオン二次電池に合致するように設定する。

制御部１３０は、例えば、ＣＰＵ（Central Processing Unit）やＭＰＵ（Micro Processing Unit）等によって、内部の記憶装置に記憶されているプログラムがＲＡＭを作業領域として実行されることにより実現される。また、制御部１３０は、例えば、ＡＳＩＣ（Application Specific Integrated Circuit）やＦＰＧＡ（Field Programmable Gate Array）等の集積回路により実現されるようにしてもよい。制御部１３０は、算出部１３１と、設定部１３２とを有し、以下に説明する情報処理の機能や作用を実現または実行する。なお、制御部１３０の内部構成は、図１に示した構成に限られず、後述する情報処理を行う構成であれば他の構成であってもよい。

算出部１３１は、測定部１０１から測定電流および測定端子電圧が入力されると、カルマンフィルタを用いて、ＳｏＣ（充電率）、および、予測端子電圧を算出する。また、算出部１３１は、測定端子電圧と予測端子電圧との差分ｙ^＊（ｋ）を誤差として算出する。さらに、算出部１３１は、算出した差分ｙ^＊（ｋ）と、カルマンゲインＧ（ｋ）とに基づいて算出した状態推定値を修正するための修正値（詳細は後述する）を、１ステップごとに設定部１３２に出力する。また、算出部１３１は、設定部１３２から当該設定部１３２での処理が完了した予測ノイズΣｖが１ステップごとに入力されて設定される。

ここで、図２および図３を用いて、カルマンフィルタを用いたＳｏＣ推定処理について説明する。図２は、リチウムイオン二次電池の等価電気回路モデルの一例を示す説明図である。図２に示すように、リチウムイオン二次電池の等価電気回路モデルは、ＳｏＣの変化に応じて変化する電位差ＯＣＶを表す電流源Ｖ_{ＯＣＶ＿ＤＣ}（ＳｏＣ）、および、Ｖ_{ＯＣＶ＿ＣＣ}（ＳｏＣ）を有する。ここで、電流源Ｖ_{ＯＣＶ＿ＤＣ}（ＳｏＣ）、および、Ｖ_{ＯＣＶ＿ＣＣ}（ＳｏＣ）は、それぞれ、放電時の電位差ＯＣＶおよび充電時の電位差ＯＣＶを表す。また、図２に示す等価電気回路モデルは、電流変化に対して発生する電圧ｖ_０の変化を表す抵抗Ｒ_０、電流変化に対して過渡的な電圧ｖ_１、ｖ_２の変化を表すＲＣ回路（Ｒ_１Ｃ_１、および、Ｒ_２Ｃ_２）を有する。つまり、等価電気回路モデルは、リチウムイオン二次電池の内部抵抗を、測定電流ｉに依存する関数とするために用いる。なお、内部抵抗の正確性は、カルマンフィルタを用いたＳｏＣ推定精度に大きな影響を与える。

図２に示す等価電気回路モデルの端子電圧ｖは、電位差ＯＣＶと、電圧ｖ_０と、電圧ｖ_１と、電圧ｖ_２との和で表現される。つまり、端子電圧ｖは、下記の式（１）で表すことができる。算出部１３１は、カルマンフィルタを用いて、ＯＣＶがＳｏＣに応じて変化することを利用して、ＳｏＣの推定を行う。

図３は、ＯＣＶ特性曲線の一例を示すグラフである。図３に示すＯＣＶ特性曲線は、条件記憶部１２１に記憶されている。算出部１３１は、カルマンフィルタを用いてＳｏＣの推定を行う際に、条件記憶部１２１に記憶されたＯＣＶ特性曲線を参照する。

算出部１３１は、等価電気回路モデルを用いて、１ステップ前のｖ_１、ｖ_２、およびＯＣＶと、入力される測定電流ｉとに基づいて、現在のｖ_１、ｖ_２、およびＯＣＶと、予測端子電圧とを予測する。また、算出部１３１は、ＯＣＶ特性曲線を用いてＯＣＶからＳｏＣを算出する。ここで、下記の式（２）〜（４）に、対応する式を示す。ここで、式（２）は現在の状態推定値を示す。式（３）は、ＯＣＶ特性に基づく端子電圧を示す。式（４）は、１ステップ前の状態推定値を示す。

次に、算出部１３１は、実際に測定された測定端子電圧と、予測端子電圧との差分を算出する。算出部１３１は、ｖ_１、ｖ_２、およびＳｏＣと、端子電圧とに想定されるノイズを考慮して、測定端子電圧と予測端子電圧との誤差の原因となるｖ_１、ｖ_２、およびＳｏＣの誤差を推定する。算出部１３１は、推定したｖ_１、ｖ_２、およびＳｏＣの誤差を、予測したｖ_１、ｖ_２、およびＳｏＣに加えて補正することで、正しいＳｏＣの推定値を充電率情報として出力部１０２に出力する。

続いて、図４を用いてカルマンフィルタを用いたＳｏＣ推定処理の詳細について説明する。図４は、カルマンフィルタを用いたＳｏＣ推定処理の一例を示す説明図である。まず、図４の説明に用いる文字を説明する。ｋは、カルマンフィルタのステップ数を示す。
［文字１］

上記の［文字１］は、ステップｋ−１のカルマンフィルタの状態推定値を示し、以下、１ステップ前の状態推定値という。
［文字２］

上記の［文字２］は、ステップｋのカルマンフィルタの状態推定値を示し、以下、状態推定値という。
［文字３］

上記の［文字３］は、ステップｋの測定端子電圧を示し、以下、測定端子電圧という。
［文字４］

上記の［文字４］は、ステップｋのカルマンフィルタの状態推定値の逆行列を示し、以下、状態推定値の逆行列という。
［文字５］

上記の［文字５］は、ステップｋのカルマンフィルタの状態推定値の修正値を示し、以下、修正値という。Ｇ（ｋ）は、ステップｋのカルマンゲインを示す。Ａは、ヤコビアンを示す。Ｐ（ｋ）は、ステップｋの誤差の共分散行列、つまり推定値の精度を示す。Σｖは、予測ノイズを示す。Σｗは、測定ノイズを示す。

カルマンフィルタは、フィードバック系の処理であるので、図４のＳｏＣ推定処理の説明では、便宜上「Ｓ」から処理を説明する。ここで、本実施形態では、以下のカルマンフィルタのＳ１１〜Ｓ１９に相当する処理を算出部１３１で実行し、Ｓ２０に相当する処理を設定部１３２で実行する。従って、以下の説明では、制御部１３０がカルマンフィルタの処理を実行するものとして説明する。

制御部１３０は、測定電流ｉ（ｋ）が入力されると、１ステップ前の状態推定値と、測定電流ｉ（ｋ）とに基づいて、下記の式（５）を用いて状態推定値の逆行列、つまり予測値を算出する（Ｓ１１）。ここで、測定電流ｉ（ｋ）は、１秒ごとに入力される場合を示しており、下記に示す式（６）の関係となる。

制御部１３０は、測定端子電圧が入力されると、測定端子電圧と、状態推定値の逆行列と、測定電流ｉ（ｋ）とに基づいて、下記の式（７）を用いて測定端子電圧と予測端子電圧ｙ（ｋ）との差分ｙ^＊（ｋ）を算出する（Ｓ１２）。また、式（７）は、予測端子電圧ｙ（ｋ）を用いて、下記の式（８）とも表現できる。ここで、測定端子電圧は、下記の式（９）の関係となる。

次に、制御部１３０は、１ステップ前の状態推定値に基づいて、下記の式（１０）を用いてヤコビアンＡを算出する（Ｓ１３）。

制御部１３０は、ヤコビアンＡと、１ステップ前の共分散行列Ｐ（ｋ−１）と、予測ノイズΣｖとに基づいて、下記の式（１１）を用いて共分散行列の逆行列Ｐ⁻（ｋ）を算出する（Ｓ１４）。ここで、制御部１３０は、Ｓ１４を実行する場合に、後述するＳ２０で設定された結果に基づく予測ノイズΣｖを用いて、共分散行列の逆行列Ｐ⁻（ｋ）を算出する。

制御部１３０は、共分散行列の逆行列Ｐ⁻（ｋ）と、測定ノイズΣｗとに基づいて、下記の式（１２）を用いてカルマンゲインＧ（ｋ）を算出する（Ｓ１５）。

制御部１３０は、カルマンゲインＧ（ｋ）と、共分散行列の逆行列Ｐ⁻（ｋ）とに基づいて、下記の式（１３）を用いて共分散行列Ｐ（ｋ）を算出する（Ｓ１６）。制御部１３０は、Ｓ１４〜Ｓ１６を１ステップごとに繰り返す。

次に、制御部１３０は、Ｓ１２で算出された差分ｙ^＊（ｋ）と、Ｓ１５で算出されたカルマンゲインＧ（ｋ）とに基づいて、下記の式（１４）を用いて、状態推定値を修正するための修正値を算出する（Ｓ１７）。

制御部１３０は、Ｓ１１で算出された状態推定値の逆行列と、Ｓ１７で算出された修正値とに基づいて、下記の式（１５）を用いて状態推定値を算出する（Ｓ１８）。ここで、状態推定値は、下記の式（１６）とも表すことができる。

制御部１３０は、状態推定値に基づいて、下記の式（１７）を用いてＳｏＣを算出する（Ｓ１９）。また、制御部１３０は、Ｓ１７で算出された修正値を参照して、Ｓ１４における予測ノイズΣｖを設定する設定処理を行う（Ｓ２０）。この設定処理の詳細は後述する。

このように、制御部１３０は、ＳｏＣ推定処理として、Ｓ１１〜Ｓ１９の処理を１ステップごとに繰り返すことによって、例えば、１秒ごとにＳｏＣを算出できる。

図１に戻り、設定部１３２は、Ｓ１４における予測ノイズΣｖを設定する設定処理を行う。具体的には、設定部１３２は、カルマンフィルタを用いたＳｏＣの算出開始時または測定端子電圧と予測端子電圧との差分の異常が終了した異常終了時に、カルマンフィルタの予測ノイズΣｖの寄与度を所定値より大きく設定する。そして、設定部１３２は、予測ノイズΣｖの寄与度を所定値より大きく設定した後に、所定時間経過したところで、その寄与度を所定値に戻すように設定する。

ここで、予測ノイズΣｖの一例を下記の式（１８）に示す。なお、式（１８）中のｌ、ｍ、ｎは、それぞれｖ_１、ｖ_２、ＳｏＣに対応するパラメータを示す。式（１８）に示す、ＳｏＣに対応するパラメータである（３，３）成分は、カルマンフィルタにおける等価電気回路モデルに対応した値である。したがって、予測ノイズΣｖにおける（３，３）成分に所定の係数（１以上）をかけ合わせることで、当初の設定よりも等価電気回路モデルの寄与度を大きくすることができる。

設定部１３２は、式（１８）の例では、ＳｏＣに対応する成分である（３，３）成分に係数ｃをかけ合わせることで、予測ノイズΣｖの寄与度を設定する。例えば、設定部１３２は、条件記憶部１２１に記憶された予測ノイズΣｖよりも、その寄与度を大きくする場合には、係数ｃに１以上の値を設定する。また、設定部１３２は、条件記憶部１２１に記憶された予測ノイズΣｖの値をそのまま用いる場合には、係数ｃ＝１とする。

ここで、設定部１３２が行う予測ノイズΣｖの設定処理の詳細について説明する。図５は、Σｖの設定処理の一例を示すフローチャートである。

図５に示すように、処理が開始されると、設定部１３２は、条件記憶部１２１を参照して、予測ノイズΣｖの成分、閾値、係数ｃの算出に必要な設定値等の設定処理にかかる各種パラメータを取得する（Ｓ２０１）。この各種パラメータにおける閾値には、測定端子電圧と予測端子電圧との差分の異常を判定するための閾値ＴＨがある。また、係数ｃの算出に必要な設定値には、予測ノイズΣｖの寄与度を大きく設定する場合の１以上の係数の値である設定値ａと、予測ノイズΣｖの寄与度を大きく設定した後に元の値に戻すまでの期間を示すカウンタ値ｂとがある。

次いで、設定部１３２は、システム起動時であるか否か、すなわち、ＳｏＣの算出開始時であるか否かを判定する（Ｓ２０２）。具体的には、設定部１３２は、リチウムイオン二次電池について、算出部１３１によるＳｏＣの推定処理を開始した時であるか否かを判定する。算出部１３１によるＳｏＣの推定処理を開始した時である場合（Ｓ２０２：ＹＥＳ）、設定部１３２はＳ２０３へ処理を進める。また、算出部１３１によるＳｏＣの推定処理を開始した時でない場合（Ｓ２０２：ＮＯ）、設定部１３２はＳ２０７へ処理を進める。

Ｓ２０３において、設定部１３２は、カウンタ値ｂまでカウントするためのカウンタ（ｔ）を起動する（Ｓ２０３）。次いで、設定部１３２は、予測ノイズΣｖの寄与度にかかる係数ｃを計算する（Ｓ２０４）。具体的には、設定部１３２は、カウンタ起動直後における係数ｃの初期値を設定値ａとし、カウンタ（ｔ）が進むことで係数ｃの値が設定値ａから逓減するようにカウンタ（ｔ）に対応した係数ｃの値を計算する。また、設定部１３２は、カウンタ（ｔ）がカウンタ値ｂまでカウントされた時に、逓減した係数ｃの値がｃ＝１となるように、カウンタ（ｔ）に対応した係数ｃを計算する。

具体的には、下記の式（１９）、（２０）または（２１）のように、カウンタ（ｔ）のカウント開始時（ｔ＝０）の時には、係数ｃ＝ａとする。そして、カウンタ（ｔ）が進むことで係数ｃがａから１まで逓減していき、カウンタ（ｔ）がカウンタ値ｂまでカウントされた時には係数ｃ＝１とする。

式（１９）は、カウンタ（ｔ）が進むことで係数ｃがａから１まで線形変化で逓減していく式の一例である。式（２０）は、カウンタ（ｔ）が進むことで係数ｃがａから１まで平方根変化で逓減していく式の一例である。式（２１）は、カウンタ（ｔ）が進むことで係数ｃがａから１まで平方変化で逓減していく式の一例である。これら式（１９）〜（２１）は逓減する変化の一例であり、リチウムイオン二次電池の特性などに対応した式が予め設定される。

次いで、設定部１３２は、条件記憶部１２１に記憶された予測ノイズΣｖにＳ２０４で計算された係数ｃをかけあわせた予測ノイズΣｖを設定する（Ｓ２０５）。これにより、Ｓ１４では、設定された予測ノイズΣｖを用いて、共分散行列の逆行列Ｐ⁻（ｋ）を算出する。

次いで、設定部１３２は、カウンタ（ｔ）がカウンタ値ｂまでカウントしたか否かを判定する（Ｓ２０６）。カウンタ値ｂまでカウントしていない場合（Ｓ２０６：ＮＯ）、設定部１３２はカウンタ（ｔ）をインクリメントしてＳ２０４へ処理を戻す。カウンタ値ｂまでカウントした場合（Ｓ２０６：ＹＥＳ）、設定部１３２は処理をリターンする。

Ｓ２０７において、設定部１３２は、差分ｙ^＊（ｋ）と、カルマンゲインＧ（ｋ）とに基づいて、式（１４）を用いて算出された状態推定値を修正するための修正値が予め設定された閾値ＴＨを上回るか否かを判定する（Ｓ２０７）。閾値ＴＨを上回る場合（Ｓ２０７：ＹＥＳ）は、測定端子電圧と予測端子電圧との差分ｙ^＊（ｋ）に突発的な異常が生じ、予測端子電圧の誤差が極めて大きくなる場合に対応する。例えば、ＳｏＣの推定に、カルマンフィルタを簡単にしたモデルを用いた場合や、電池パック内の測定器の精度が悪い場合などが挙げられる。

閾値ＴＨを上回る場合（Ｓ２０７：ＹＥＳ）、設定部１３２は、異常であることを計時し（Ｓ２０８）、Ｓ２１０へ処理を進める。このＳ２０８では、処理がリターンした後に閾値ＴＨを上回る状態が続く間（閾値ＴＨを下回る（Ｓ２０７：ＮＯ）状態に移行するまで）、カウンタ等をインクリメントすることで異常である時間が計時される。

閾値ＴＨを下回る場合（Ｓ２０７：ＮＯ）、設定部１３２は、１ステップ前の修正値が予め設定された閾値ＴＨを上回るか否かを判定する（Ｓ２０９）。１ステップ前の修正値が予め設定された閾値ＴＨを上回る場合（Ｓ２０９：ＹＥＳ）、現在のステップが、測定端子電圧と予測端子電圧との差分ｙ^＊（ｋ）に生じた異常が終了した時ということである。

１ステップ前の修正値が予め設定された閾値ＴＨを上回る場合であり、測定端子電圧と予測端子電圧との差分ｙ^＊（ｋ）に生じた異常が終了した時（Ｓ２０９：ＹＥＳ）、設定部１３２はＳ２０３へ処理を進める。１ステップ前の修正値が予め設定された閾値ＴＨを上回る場合でなけれ（Ｓ２０９：ＮＯ）、設定部１３２はＳ２１０へ処理を進める。

測定端子電圧と予測端子電圧との差分ｙ^＊（ｋ）の異常終了時（Ｓ２０９：ＹＥＳ）のＳ２０３〜Ｓ２０６では、システム起動時と同様、係数ｃ＝ａとして等価電気回路モデルの寄与度を大きくする予測ノイズΣｖが設定される。そして、係数ｃを逓減し、所定時間経過した時（カウンタ値ｂまでカウントされた時）には、条件記憶部１２１に記憶された当初の予測ノイズΣｖに戻るように設定される。

また、設定部１３２は、システム起動時（Ｓ２０２：ＹＥＳ）と、測定端子電圧と予測端子電圧との差分ｙ^＊（ｋ）の異常終了時（Ｓ２０９：ＹＥＳ）とで、設定値ａおよびカウンタ値ｂの値を異なるものとしてもよい。例えば、システム起動時（Ｓ２０２：ＹＥＳ）における設定値ａおよびカウンタ値ｂの値を異常終了時（Ｓ２０９：ＹＥＳ）における値よりよりも大きな値としてもよい。これは、システム起動時におけるＳｏＣの推定ずれの方が、システム起動中の突発的な異常によるＳｏＣの推定ずれよりも一般的に大きく、収束に時間を要するためである。このように、システム起動時におけるＳｏＣの推定ずれや、システム起動中の突発的な異常によるＳｏＣの推定ずれに対応した設定値ａおよびカウンタ値ｂをもとに、係数の計算を行ってもよい。

また、設定部１３２は、測定端子電圧と予測端子電圧との差分ｙ^＊（ｋ）の異常終了時（Ｓ２０９：ＹＥＳ）においては、Ｓ２０８で計時された異常の時間をもとに、設定値ａおよびカウンタ値ｂの値を設定してもよい。例えば、計時された異常の時間の長さに応じて、設定値ａおよびカウンタ値ｂの値を大きく設定してもよい。これは、システム起動中の突発的な異常が長く続く方が、短い場合よりもＳｏＣの推定ずれが大きく、収束に時間を要するためである。このように、システム起動中の突発的な異常の時間に対応した設定値ａおよびカウンタ値ｂをもとに、係数の計算を行ってもよい。

Ｓ２１０において、設定部１３２は、条件記憶部１２１に記憶された予測ノイズΣｖの成分をそのまま（係数ｃ＝１）で設定する。これにより、Ｓ１４では、条件記憶部１２１に記憶された予測ノイズΣｖをそのまま用いて、共分散行列の逆行列Ｐ⁻（ｋ）を算出する。

以上の設定処理により、ＳｏＣの算出開始時または差分ｙ^＊（ｋ）の異常終了時には、係数ｃ＝ａとして等価電気回路モデルの寄与度を大きくする予測ノイズΣｖが設定され、共分散行列の逆行列Ｐ⁻（ｋ）が算出される。したがって、ＳｏＣの算出開始時または差分ｙ^＊（ｋ）の異常終了時には、等価電気回路モデルの寄与度が所定値よりも大きく設定されることから、ＳｏＣのずれの収束性を向上することができる。次いで、所定時間経過した時（カウンタ値ｂまでカウントされた時）には、条件記憶部１２１に記憶された当初の予測ノイズΣｖに戻ることから、ＳｏＣのずれの収束後において等価電気回路モデルの誤差の影響を受けることを防止できる。このため、推定装置１００では、ＳｏＣの推定精度の劣化を防止できる。

図６は、電流（Ｃｕｒｒｅｎｔ）と充電率（ＳｏＣ）の推移の一例を説明する説明図である。具体的には、図６では、電気自動車における充電池の充放電を例示している。例えば、電流の変化の大きなところでは、電気自動車においてモータの駆動または回生が行われていることを示している。また、充電池の主な充電は、電気自動車の停車時に商用電源等へ接続することで行われているものとする。また、ＳｏＣのグラフにおける「Ｒｅａｌ」は、実際のＳｏＣの推移を示している。また、ＳｏＣのグラフにおける「ｏｆｆ」は、等価電気回路モデルの寄与度を大きくする機能を使用していない場合のＳｏＣの推移を示している。また、ＳｏＣのグラフにおける「ｏｎ」は、等価電気回路モデルの寄与度を大きくする機能を使用している場合のＳｏＣの推移を示している。

図６に示すように、システム起動時の状態Ｃ１では、等価電気回路モデルの寄与度を大きくすることで、等価電気回路モデルの寄与度を大きくしない場合よりも「Ｒｅａｌ」のグラフに早く収束している。また、測定端子電圧と予測端子電圧との差分に突発的な異常が生じ、グラフのずれが大きくなっている状態Ｃ２も同様、等価電気回路モデルの寄与度を大きくすることで、「Ｒｅａｌ」のグラフに早く収束している。

なお、上記の実施形態では、二次電池の一例として、リチウムイオン二次電池を挙げたが、これに限定されない。推定装置１００は、対象となる電池のＯＣＶ特性曲線と、等価電気回路モデルとが得られれば、他の種類の電池に対してもＳｏＣを推定することができる。他の電池としては、例えば、リチウムイオンポリマー二次電池、カルシウムイオン二次電池、ナノワイヤバッテリ、ニッケル水素二次電池、鉛蓄電池等にも適用できる。また、リチウムイオン二次電池としては、コバルト酸リチウムイオン電池、リン酸鉄リチウムイオン電池等に適用できる。これにより、多種の電池のＳｏＣを推定できる。

また、上記の実施形態では、等価電気回路モデルとして、電流変化に対して過渡的な電圧の変化を表すＲＣ回路として、Ｒ_１Ｃ_１、および、Ｒ_２Ｃ_２の２組のＲＣ回路を用いたが、これに限定されない。推定装置１００は、等価電気回路モデルとして、例えば、３組以上とした等価電気回路モデルを用いてもよい。これにより、等価電気回路モデルの精度が上がるので、カルマンフィルタによるＳｏＣの推定精度が向上する。

また、図示した各部の各構成要素は、必ずしも物理的に図示の如く構成されていることを要しない。すなわち、各部の分散・統合の具体的形態は図示のものに限られず、その全部又は一部を、各種の負荷や使用状況等に応じて、任意の単位で機能的又は物理的に分散・統合して構成することができる。例えば、算出部１３１と設定部１３２とを統合してもよい。

さらに、各部で行われる各種処理機能は、ＣＰＵ（又はＭＰＵ、ＭＣＵ（Micro Controller Unit）等のマイクロ・コンピュータ）上で、その全部又は任意の一部を実行するようにしてもよい。また、各種処理機能は、ＣＰＵ（又はＭＰＵ、ＭＣＵ等のマイクロ・コンピュータ）で解析実行されるプログラム上、又はワイヤードロジックによるハードウェア上で、その全部又は任意の一部を実行するようにしてもよいことは言うまでもない。

ところで、上記の実施形態で説明した各種の処理は、予め用意されたプログラムをコンピュータで実行することで実現できる。そこで、以下では、上記の実施形態と同様の機能を有するプログラムを実行するコンピュータの一例を説明する。図７は、推定プログラムを実行するコンピュータの一例を示す説明図である。

図７が示すように、コンピュータ２００は、各種演算処理を実行するＣＰＵ２０１と、バッテリからの情報を受け付けるバッテリ情報インタフェース２０２と、測定された電流および電圧の情報を受け付ける電流測定インタフェース２０３とを有する。また、コンピュータ２００は、他の装置と接続して行う各種情報の授受、他の装置にＵＩ（User Interface）を提供して行うコンピュータ２００の操作等に用いる外部インタフェース２０４を有する。また、外部インタフェース２０４は、後述するフラッシュメモリ２０６に対する他の装置からのプログラム等の書き込み等にも用いることができる汎用的なインタフェースである。また、コンピュータ２００は、各種情報を一時記憶するＲＡＭ２０５と、フラッシュメモリ２０６とを有する。また、各構成要素２０１〜２０６は、バス２０７に接続される。コンピュータ２００は、例えば、電気自動車や電動バイクの制御装置、スマートフォン、ノート型のパーソナルコンピュータ等である。

フラッシュメモリ２０６には、算出部１３１および設定部１３２の各処理部と同様の機能を有する推定プログラムが記憶される。また、フラッシュメモリ２０６には、条件記憶部１２１が記憶される。また、フラッシュメモリ２０６には、推定プログラムを実現するための各種データが記憶される。バッテリ情報インタフェース２０２は、測定部１０１のリチウムイオン二次電池の動作モードを取得する機能と同様の機能を有する。電流測定インタフェース２０３は、測定部１０１の電流計および電圧計と同様の機能を有する。外部インタフェース２０４は、出力部１０２と同様の機能を有する。また、外部インタフェース２０４は、例えば、データロガー等が接続され、リチウムイオン二次電池の充放電の状態を記録できるようにしてもよい。

ＣＰＵ２０１は、フラッシュメモリ２０６に記憶された各プログラムを読み出して、ＲＡＭ２０５に展開して実行することで、各種の処理を行う。また、これらのプログラムは、コンピュータ２００を算出部１３１および設定部１３２として機能させることができる。

なお、上記の推定プログラムは、必ずしもフラッシュメモリ２０６に記憶されている必要はない。例えば、コンピュータ２００が読み取り可能な記憶媒体に記憶されたプログラムを、コンピュータ２００が読み出して実行するようにしてもよい。コンピュータ２００が読み取り可能な記憶媒体は、例えば、ＣＤ−ＲＯＭやＤＶＤディスク、ＵＳＢ（Universal Serial Bus）メモリ等の可搬型記録媒体、フラッシュメモリ等の半導体メモリ、ハードディスクドライブ等が対応する。また、公衆回線、インターネット、ＬＡＮ（Local Area Network）等に接続された装置にこの推定プログラムを記憶させておき、コンピュータ２００がこれらから推定プログラムを読み出して実行するようにしてもよい。なお、コンピュータ２００は、例えば、リチウムイオン二次電池に組み込まれるモジュールや、ＭＰＵを用いたいわゆる組込用マイコン等としてもよい。

１００…推定装置
１０１…測定部
１０２…出力部
１０３…操作部
１２０…記憶部
１２１…条件記憶部
１３０…制御部
１３１…算出部
１３２…設定部
２００…コンピュータ
Ｃ１、Ｃ２…状態

Claims (8)

1. コンピュータに、
   電池の測定電流および測定端子電圧に基づいて、カルマンフィルタを用いて前記電池の充電率および予測端子電圧を算出し、前記測定端子電圧と前記予測端子電圧との差分を算出し、
   前記カルマンフィルタを用いた前記充電率の算出開始または前記差分の異常の終了を契機に、前記カルマンフィルタの予測ノイズの寄与度を所定値より大きくするとともに、前記寄与度を大きくしてから所定時間が経過した時に、前記カルマンフィルタの予測ノイズの寄与度が前記所定値となるように制御する
   処理を実行させることを特徴とする推定プログラム。
2. 前記制御する処理は、前記カルマンフィルタの予測ノイズの寄与度を前記所定値より大きくした後に逓減して前記所定値となるように制御する
   ことを特徴とする請求項１に記載の推定プログラム。
3. 前記制御する処理は、前記カルマンフィルタの予測ノイズの寄与度を前記所定値より大きくする度合いと、当該寄与度を前記所定値となるまでの時間とを、前記算出開始または前記異常の終了で互いに異なるように制御する
   ことを特徴とする請求項１又は２に記載の推定プログラム。
4. 前記制御する処理は、操作部によるユーザからの操作入力をもとに、前記カルマンフィルタの予測ノイズの寄与度を前記所定値より大きくする度合いと、当該寄与度を前記所定値となるまでの時間とを制御する
   ことを特徴とする請求項１乃至３のいずれか一項に記載の推定プログラム。
5. 前記制御する処理は、前記差分が所定の閾値以上から当該閾値以下に切り替わった時を前記異常の終了と判定する
   ことを特徴とする請求項１乃至４のいずれか一項に記載の推定プログラム。
6. 前記制御する処理は、前記差分が所定の閾値以上から当該閾値以下に切り替わるまでの時間をもとに、前記カルマンフィルタの予測ノイズの寄与度を前記所定値より大きくする度合いと、当該寄与度を前記所定値となるまでの時間とを制御する
   ことを特徴とする請求項５に記載の推定プログラム。
7. コンピュータが、
   電池の測定電流および測定端子電圧に基づいて、カルマンフィルタを用いて前記電池の充電率および予測端子電圧を算出し、前記測定端子電圧と前記予測端子電圧との差分を算出し、
   前記カルマンフィルタを用いた前記充電率の算出開始または前記差分の異常の終了を契機に、前記カルマンフィルタの予測ノイズの寄与度を所定値より大きくするとともに、前記寄与度を大きくしてから所定時間が経過した時に、前記カルマンフィルタの予測ノイズの寄与度が前記所定値となるように制御する
   処理を実行することを特徴とする推定方法。
8. 電池の測定電流および測定端子電圧に基づいて、カルマンフィルタを用いて前記電池の充電率および予測端子電圧を算出し、前記測定端子電圧と前記予測端子電圧との差分を算出する算出部と、
   前記カルマンフィルタを用いた前記充電率の算出開始または前記差分の異常の終了を契機に、前記カルマンフィルタの予測ノイズの寄与度を所定値より大きくするとともに、前記寄与度を大きくしてから所定時間が経過した時に、前記カルマンフィルタの予測ノイズの寄与度が前記所定値となるように制御する制御部と
   を有することを特徴とする推定装置。

Images