JP2019106868A - 電池分類方法及びシステム - Google Patents

電池分類方法及びシステム Download PDF

Info

Publication number
JP2019106868A
JP2019106868A JP2018165133A JP2018165133A JP2019106868A JP 2019106868 A JP2019106868 A JP 2019106868A JP 2018165133 A JP2018165133 A JP 2018165133A JP 2018165133 A JP2018165133 A JP 2018165133A JP 2019106868 A JP2019106868 A JP 2019106868A
Authority
JP
Japan
Prior art keywords
feature data
data set
battery pack
discharge
charge
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
Application number
JP2018165133A
Other languages
English (en)
Other versions
JP6615964B2 (ja
Inventor
燕川 ▲韓▼
燕川 ▲韓▼
yan chuan Han
昂 ▲趙▼
昂 ▲趙▼
Ang Zhao
▲亞▼沛 ▲賈▼
▲亞▼沛 ▲賈▼
Ya Pei Jia
松利 ▲劉▼
松利 ▲劉▼
Songli Liu
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Dongtai Hi Tech Equipment Technology Co Ltd
Original Assignee
Dongtai Hi Tech Equipment Technology Co Ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Dongtai Hi Tech Equipment Technology Co Ltd filed Critical Dongtai Hi Tech Equipment Technology Co Ltd
Publication of JP2019106868A publication Critical patent/JP2019106868A/ja
Application granted granted Critical
Publication of JP6615964B2 publication Critical patent/JP6615964B2/ja
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • 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]
    • G01R31/378—Arrangements for testing, measuring or monitoring the electrical condition of accumulators or electric batteries, e.g. capacity or state of charge [SoC] specially adapted for the type of battery or accumulator
    • 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]
    • G01R31/385—Arrangements for measuring battery or accumulator variables
    • G01R31/387—Determining ampere-hour charge capacity or 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]
    • G01R31/389—Measuring internal impedance, internal conductance or related 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]
    • G01R31/396—Acquisition or processing of data for testing or for monitoring individual cells or groups of cells within a battery
    • 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
    • H01M10/48—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
    • H01M2220/00—Batteries for particular applications
    • H01M2220/20—Batteries in motive systems, e.g. vehicle, ship, plane
    • H—ELECTRICITY
    • H01—ELECTRIC ELEMENTS
    • H01M—PROCESSES OR MEANS, e.g. BATTERIES, FOR THE DIRECT CONVERSION OF CHEMICAL ENERGY INTO ELECTRICAL ENERGY
    • H01M4/00—Electrodes
    • H01M4/02—Electrodes composed of, or comprising, active material
    • H01M4/36—Selection of substances as active materials, active masses, active liquids
    • H01M4/58—Selection of substances as active materials, active masses, active liquids of inorganic compounds other than oxides or hydroxides, e.g. sulfides, selenides, tellurides, halogenides or LiCoFy; of polyanionic structures, e.g. phosphates, silicates or borates
    • H01M4/5825—Oxygenated metallic salts or polyanionic structures, e.g. borates, phosphates, silicates, olivines
    • 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

  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Engineering & Computer Science (AREA)
  • Manufacturing & Machinery (AREA)
  • Chemical & Material Sciences (AREA)
  • Chemical Kinetics & Catalysis (AREA)
  • Electrochemistry (AREA)
  • General Chemical & Material Sciences (AREA)
  • Microelectronics & Electronic Packaging (AREA)
  • Secondary Cells (AREA)
  • Charge And Discharge Circuits For Batteries Or The Like (AREA)

Abstract

【課題】本発明の実施例は電池分類方法及びシステムを提供する。【解決手段】前記方法は、分類すべき電池パックのサイクル充放電データを取得し、前記サイクル充放電データから前記電池パックの特徴データ集合を抽出するステップと、ラフ集合理論を用いて前記特徴データ集合を縮約し、前記電池パックの縮約結果特徴データ集合を取得するステップと、前記縮約結果特徴データ集合に基づき、ファジィクラスタリングアルゴリズムを用いて、前記電池パック中の電池セルを分類するステップと、を含む。本発明の実施例に係る電池分類方法及びシステムによれば、使用済み駆動用バッテリーに適用でき、使用済み駆動用バッテリーに対しての分類の効率を向上させることができる。【選択図】図１

Description

本発明の実施例は、電池管理の技術分野に関し、特に、電池分類方法及びシステムに関する。
2009年に中国がスマートグリッドを構築する計画を発表して以来、電池電力貯蔵は、電力システムの発電、送電、変電、配電及び電力使用のあらゆる段階において重要な役割を果たしており、スマートグリッドの構築に不可欠な要素となる。従来の電池電力貯蔵システムの構築コストのうち、電池の投資コストが高く、凡そ総投資額の70%以上を占め、電池電力貯蔵の普及に対する制約となっている。
中国公安部交通管理局由来のデータ統計によると、2015年に電気自動車の保有数は33.2万台に達し、中国工業情報化部は2020年に使用済み駆動用バッテリーの数量が12-17万トンに達すると予測している。車用の駆動用バッテリーは容量が80%未満になると廃止処理されるが、自動車から廃止された電池は利用価値が依然として高く、直接廃棄して回収処理すると、重大な資源の無駄を招いてしまう。
車用の駆動用バッテリーを段階的に電池電力貯蔵システムに効果的に使用することで、電力貯蔵システムの投資コストを削減させるだけではなく、車用の駆動用バッテリーの使用コストを効果的に削減させ、省エネを図り、電力貯蔵産業チェーン全体の発展の促進に寄与する。
しかしながら、段階的に使用される車用の駆動用バッテリーは、分解、検出、分類、再構成を行ってから利用可能になり、整合性が新たな車用電池より低くなり、電池ボックスにおける電池セルは容量、内部抵抗、電力等の特性において離散化される傾向がある。上記特性に基づき電池を分類すると、膨大な時間、人的・物的資源が必要になる。
従来技術の問題に対して、本発明の実施例は電池分類方法及びシステムを提供する。
第1態様によれば、本発明の実施例は電池分類方法を提供し、前記電池分類方法は、
分類すべき電池パックのサイクル充放電データを取得し、前記サイクル充放電データから前記電池パックの特徴データ集合を抽出するステップと、
ラフ集合理論を用いて前記特徴データ集合を縮約して、前記電池パックの縮約結果特徴データ集合を取得するステップと、
前記縮約結果特徴データ集合に基づき、ファジィクラスタリングアルゴリズムを用いて、前記電池パック中の電池セルを分類するステップと、を含む。
第2態様によれば、本発明の実施例は電池分類システムを提供し、前記電池分類システムは、
分類すべき電池パックのサイクル充放電データを取得し、前記サイクル充放電データから前記電池パックの特徴データ集合を抽出する取得モジュールと、
ラフ集合理論を用いて前記特徴データ集合を縮約して、前記電池パックの縮約結果特徴データ集合を取得する縮約モジュールと、
前記縮約結果特徴データ集合に基づき、ファジィクラスタリングアルゴリズムを用いて、前記電池パック中の電池セルを分類するクラスタリングモジュールと、を備える。
第3態様によれば、本発明の実施例は電子設備を提供し、前記電子設備はメモリ及びプロセッサを備え、前記プロセッサと前記メモリはバスにより相互に通信を行い、前記メモリには前記プロセッサに実行可能なプログラム指令が記憶され、前記プロセッサは前記プログラム指令を呼び出して上記電池分類方法を実行できる。
第4態様によれば、本発明の実施例はコンピュータプログラムが記憶されるコンピュータ取り読み可能な記憶媒体を提供し、該コンピュータプログラムがプロセッサにより実行されると、上記電池分類方法を実現する。
本発明の実施例に係る電池分類方法及びシステムによれば、分類すべき電池パックのサイクル充放電データを取得し、充放電データから電池パックの特徴データ集合を抽出し、ラフ集合理論を用いて特徴データ集合を縮約して、電池パックの縮約結果特徴データ集合を取得し、縮約結果特徴データ集合に基づき、ファジィクラスタリングアルゴリズムを用いて電池パック中の電池セルを分類する。本発明の実施例に係る電池分類方法及びシステムによれば、使用済み駆動用バッテリーに適用でき、使用済み駆動用バッテリーに対しての分類の効率を向上させる。
本発明の実施例又は従来技術の技術案をより明確に説明するために、以下、実施例又は従来技術の説明に必要な図面を簡単に説明し、明らかなように、後述する図面は本発明のいくつかの実施例であり、当業者は、創造的な努力をせずにこれらの図面に基づいてほかの図面を想到し得る。
本発明の実施例に係る電池分類方法のフローチャートである。 本発明の実施例に係る電池分類システムの構成の模式図である。 本発明の実施例に係る電子設備の構成の模式図である。 本発明の実施例に係るリン酸鉄リチウム電池パックの充放電曲線の模式図である。 本発明の実施例に係るリン酸鉄リチウム電池パックの電池属性重み分布図である。 本発明の実施例に係るリン酸鉄リチウム電池パックのファジィクラスタリング分布図である。
本発明の実施例の目的、技術案及び利点をより明瞭にするために、以下、本発明の実施例の図面を参照して、本発明の実施例の技術案を詳細に説明し、明らかなように、説明する実施例は本発明の一部の実施例であり、すべての実施例ではない。本発明の実施例に基づき、当業者が創造的な努力をせずに想到し得るほかの実施例はすべて、本発明の保護範囲に属する。
図1は本発明の実施例に係る電池分類方法のフローチャートであり、図1に示すように、前記方法は、
分類すべき電池パックのサイクル充放電データを取得し、前記充放電データから前記電池パックの特徴データ集合を抽出するステップ10と、
ラフ集合理論を用いて前記特徴データ集合を縮約し、前記電池パックの縮約結果特徴データ集合を取得するステップ11と、
前記縮約結果特徴データ集合に基づき、ファジィクラスタリングアルゴリズムを用いて、前記電池パック中の電池セルを分類するステップ12と、を含む。
図4は本発明の実施例に係るリン酸鉄リチウム電池パックの充放電曲線の模式図である。現在、電気自動車分野に幅広く用いられているリン酸鉄リチウム電池はほとんど、数十個の電池を直列接続又は並列接続して、1つのユニットモジュールを形成するものである。複数の電池を直列接続することで高電圧を実現して、モータを駆動することができる。以下、24個の中国製のある型番の100Ah使用済み電池パックを例に、0.3C倍率充放電試験を行い、実験曲線は図4に示される。
図4からわかるように、充放電過程において、24個のリン酸鉄リチウム電池の電圧離散性が大きい。そのうち健康状態の最も悪いリン酸鉄リチウム電池は一番先に充放電カットオフ電圧閾値に達し、且つ、複数のリン酸鉄リチウム電池は充放電曲線が比較的に近い。特別な処理をしないと、充放電曲線のみにより、一回で上記24個のリン酸鉄リチウム電池を合理的に分類することが困難である。
本発明の実施例に係る電池分類方法では、サーバはまず分類すべき電池パックのサイクル充放電データを取得し、前記充放電データから前記電池パックの特徴データ集合を抽出する。例えば、分類すべき電池パックは24個のリン酸鉄リチウム電池を含み、前記サーバはまず前記24個のリン酸鉄リチウム電池の0.3Cサイクル充放電データを取得し、次に、前記0.3Cサイクル充放電データから、前記24個のリン酸鉄リチウム電池の電池特性を示すための指標データを抽出して、特徴データ集合を形成する。
次に、前記サーバはラフ集合理論を用いて前記特徴データ集合を縮約し、前記特徴データ集合における重要ではない指標データを除去し、前記分類すべき電池パックの縮約結果特徴データ集合を取得する。
前記サーバは従来のファジィクラスタリングアルゴリズムを用いて、前記縮約結果特徴データ集合をクラスタリング分析し、前記電池パック中の電池セルを分類する。
本発明の実施例に係る電池分類方法によれば、分類すべき電池パックのサイクル充放電データを取得し、充放電データから電池パックの特徴データ集合を抽出し、ラフ集合理論を用いて特徴データ集合を縮約し、電池パックの縮約結果特徴データ集合を取得し、縮約結果特徴データ集合に基づき、ファジィクラスタリングアルゴリズムを用いて、電池パック中の電池セルを分類する。使用済み駆動用バッテリーに適用でき、使用済み駆動用バッテリーに対しての分類の効率を向上させる。
必要に応じて、上記実施例に基づいて、前記特徴データ集合は、前記電池パック中の各電池セルの充電オーム内部抵抗、放電オーム内部抵抗、エネルギー効率、充電平均電力、放電平均電力、分極電圧、温度、最大充電電力及び最大放電電力の任意の組合せを含む。
上記実施例では、前記特徴データ集合は、分類すべき電池パック中の各電池セルの充電オーム内部抵抗、放電オーム内部抵抗、エネルギー効率、充電平均電力、放電平均電力、分極電圧、温度、最大充電電力及び最大放電電力の任意の組合せを含んでもよい。
以下、24個のリン酸鉄リチウム電池から構成された電池パックを分類すべき電池パックとして、本発明の実施例に係る技術案を詳細に説明する。
サーバは前記24個のリン酸鉄リチウム電池から構成された電池パックの0.3Cサイクル充放電データから、前記24個のリン酸鉄リチウム電池の特徴データ集合を抽出し、そのうち、前記特徴データ集合は前記24個のリン酸鉄リチウム電池のそれぞれの8種類の指標データを含み、該8種類の指標データは、それぞれ、充電オーム内部抵抗、放電オーム内部抵抗、エネルギー効率、充電平均電力、放電平均電力、分極電圧、最大充電電力及び最大放電電力である。
ここで、前記充電オーム内部抵抗をRc、前記放電オーム内部抵抗をRd、前記エネルギー効率をη、前記充電平均電力をPca、前記放電平均電力をPda、前記分極電圧をUp、前記最大充電電力をPch、前記最大放電電力をPdhと記す。前記24個のリン酸鉄リチウム電池から構成された電池パックの特徴データ集合は表1に示され、ここで、前記24個のリン酸鉄リチウム電池のそれぞれの電池セルの番号は1から24まで付けられている。
前記サーバは従来のラフ集合理論を用いて、上記特徴データ集合を縮約し、重要ではない指標データを除去し、前記分類すべき電池パックの縮約結果特徴データ集合を取得する。例えば、前記サーバは、ラフ集合理論を用いて特徴データ集合を縮約処理する際に、エネルギー効率、充電平均電力及び放電平均電力の3種類の指標データの電池分類に対する影響が小さく又は影響がないと発見すると、前記分類すべき電池パックのエネルギー効率、充電平均電力及び放電平均電力の3種類の指標データを除去し、縮約結果特徴データ集合を取得し、その後、ファジィクラスタリングアルゴリズムを用いて縮約結果特徴データ集合をクラスタリング分析して、前記電池パックに対する分類を実現する。
本発明の実施例に係る電池分類方法によれば、分類すべき電池パックの特徴データ集合の構成に、電池パック中の各電池セルの充電オーム内部抵抗、放電オーム内部抵抗、エネルギー効率、充電平均電力、放電平均電力、分極電圧、温度、最大充電電力及び最大放電電力の任意の組合せを含ませることで、前記方法はさらに科学的になる。
必要に応じて、上記実施例において、ラフ集合理論を用いて前記特徴データ集合を縮約し、前記電池パックの縮約結果特徴データ集合を取得する前記ステップは、
ラフ集合理論によって前記特徴データ集合を処理し、前記特徴データ集合における各特徴データの重みを取得するステップと、
前記特徴データ集合における各特徴データの重みに基づき、前記特徴データ集合をフィルタリングし、前記電池パックの縮約結果特徴データ集合を取得するステップと、を含む。
上記実施例では、前記サーバはラフ集合理論を用いて、分類すべき電池パックの特徴データ集合を縮約し、前記分類すべき電池パックの縮約結果データ集合を取得するプロセスについて、具体的には、以下の通りである。
まず、前記サーバはラフ集合理論を用いて、特徴データ集合を処理し、前記特徴データ集合における各特徴データの重みを取得する。上記実施例に記載の24個のリン酸鉄リチウム電池から構成された電池パックを例に、本発明の実施例に係る技術案を詳細に説明する。
図5は本発明の実施例に係るリン酸鉄リチウム電池パックの電池属性重み分布図である。サーバはラフ集合理論を用いて、前記24個のリン酸鉄リチウム電池から構成された電池パックの特徴データ集合を処理し、前記特徴データ集合における各特徴データの重みを取得する。
図5に示すように、エネルギー効率ηの重みは最も高く、それに次いで分極電圧Upと最大放電電力Pdhであり、ほかの特徴データの重みは0であることから、エネルギー効率η、分極電圧Up及び最大放電電力Pdhは、ほかの特徴データよりも重要であることが分かる。
前記サーバは、前記ほかの特徴データを除去し、前記24個のリン酸鉄リチウム電池のエネルギー効率η、分極電圧Up及び最大放電電力Pdhに対応する特徴データのみを保留し、縮約結果特徴データ集合を取得する。
その後、前記サーバは従来のファジィクラスタリングアルゴリズムを用いて、前記縮約結果特徴データ集合を分類する。例えば、初期化時に電池クラスの数C=4、ファジィ重み指数m=2、終了条件として反復回数が100又は閾値ε=0.00001になることを設定する。終了条件を満たすと、前記サーバは前記24個のリン酸鉄リチウム電池を4クラスに分類する。
図6は本発明の実施例に係るリン酸鉄リチウム電池パックのファジィクラスタリング分布図であり、図6に示すように、前記24個のリン酸鉄リチウム電池のうち、第1、2、3、4、5、6、7、11、13、14、15個の電池が第1クラスに、第21個の電池が第2クラス、第8、22個の電池が第3クラスに、第9、10、12、16、17、18、19、20、23、24個の電池が第4クラスに分類される。第21個の電池、第8個の電池、第22個の電池は分極が大きくて、単独に分類される。
このような分類結果は図4に示されるリン酸鉄リチウム電池パックの充放電電圧変化に一致するから、ファジィクラスタリングアルゴリズムを電池の分類に適用することが非常に効果的であることが分かる。
本発明の実施例に係る電池分類システムによれば、ラフ集合理論によって、分類すべき電池パックの特徴データ集合を処理し、特徴データ集合における各特徴データの重みを取得し、その後、特徴データ集合における各特徴データの重みに基づき、特徴データ集合をフィルタリングし、分類すべき電池パックの縮約結果特徴データ集合を取得することにより、前記方法がさらに科学的になる。
図2は本発明の実施例に係る電池分類システムの構成の模式図であり、図2に示すように、前記システムは、取得モジュール20、縮約モジュール21及びクラスタリングモジュール22を備え、そのうち、
取得モジュール20は分類すべき電池パックのサイクル充放電データを取得し、前記充放電データから前記電池パックの特徴データ集合を抽出するためのものであり、縮約モジュール21はラフ集合理論を用いて前記特徴データ集合を縮約し、前記電池パックの縮約結果特徴データ集合を取得するためのものであり、クラスタリングモジュール22は前記縮約結果特徴データ集合に基づき、ファジィクラスタリングアルゴリズムを用いて、前記電池パック中の電池セルを分類するためのものである。
現在、電気自動車の分野に幅広く用いられているリン酸鉄リチウム電池はほとんど、数十個の電池を直列接続又は並列接続して、1つのユニットモジュールを形成するものである。複数の電池を直列接続することで高電圧を実現して、モータを駆動することができる。以下、24個の中国製のある型番の100Ah使用済み電池パックを例に、0.3C倍率充放電試験を行い、実験曲線は図4に示される。
図4からわかるように、充放電過程において、24個のリン酸鉄リチウム電池の電圧離散性は大きい。そのうち健康状態の最も悪いリン酸鉄リチウム電池は一番先に充放電カットオフ電圧閾値に達し、且つ、複数のリン酸鉄リチウム電池は充放電曲線が比較的に近い。特別な処理をしないと、充放電曲線のみにより、一回で上記24個のリン酸鉄リチウム電池を合理的に分類することが困難である。
本発明の実施例に係る電池分類システムは、取得モジュール20、縮約モジュール21及びクラスタリングモジュール22を備える。
前記取得モジュール20は分類すべき電池パックのサイクル充放電データを取得し、前記充放電データから前記電池パックの特徴データ集合を抽出する。例えば、分類すべき電池パックは24個のリン酸鉄リチウム電池を含む。前記取得モジュール20は前記24個のリン酸鉄リチウム電池の0.3Cサイクル充放電データを取得し、次に、前記0.3Cサイクル充放電データから、前記24個のリン酸鉄リチウム電池の電池特性を示すための指標データを抽出して、特徴データ集合を形成する。
前記縮約モジュール21は従来のラフ集合理論を用いて前記特徴データ集合を縮約し、前記特徴データ集合における重要ではない指標データを除去し、前記分類すべき電池パックの縮約結果特徴データ集合を取得する。
前記クラスタリングモジュール22は従来のファジィクラスタリングアルゴリズムを用いて、前記縮約結果特徴データ集合をクラスタリング分析し、前記電池パック中の電池セルを分類する。
本発明の実施例に係る電池分類システムについて、その機能は具体的には上記方法の実施例を参照すればよく、ここで詳細説明を省略する。
本発明の実施例に係る電池分類システムによれば、分類すべき電池パックのサイクル充放電データを取得し、充放電データから電池パックの特徴データ集合を抽出し、ラフ集合理論を用いて特徴データ集合を縮約し、電池パックの縮約結果特徴データ集合を取得し、縮約結果特徴データ集合に基づき、ファジィクラスタリングアルゴリズムを用いて、電池パック中の電池セルを分類することで、使用済み駆動用バッテリーに適用でき、使用済み駆動用バッテリーに対しての分類の効率を向上させる。
必要に応じて、上記実施例において、前記取得モジュールは、具体的には、
前記充放電データから、特徴データ、即ち前記電池パック中の各電池セルの充電オーム内部抵抗、放電オーム内部抵抗、エネルギー効率、充電平均電力、放電平均電力、分極電圧、温度、最大充電電力及び最大放電電力の任意の組合せを抽出するためのものである。
上記実施例では、前記取得モジュールは、分類すべき電池パックの充放電データから、特徴データ、即ち前記電池パック中の各電池セルの充電オーム内部抵抗、放電オーム内部抵抗、エネルギー効率、充電平均電力、放電平均電力、分極電圧、温度、最大充電電力及び最大放電電力の任意の組合せを抽出する。
以下、24個のリン酸鉄リチウム電池から構成された電池パックを分類すべき電池パックとして、本発明の実施例に係る技術案を詳細に説明する。
前記取得モジュールは前記24個のリン酸鉄リチウム電池から構成された電池パックの0.3Cサイクル充放電データから、前記24個のリン酸鉄リチウム電池の特徴データ集合を抽出し、前記特徴データ集合は前記24個のリン酸鉄リチウム電池のそれぞれの8種類の指標データを含み、該8種類の指標データは、それぞれ、充電オーム内部抵抗、放電オーム内部抵抗、エネルギー効率、充電平均電力、放電平均電力、分極電圧、最大充電電力及び最大放電電力である。
ここで、前記充電オーム内部抵抗をRc、前記放電オーム内部抵抗をRd、前記エネルギー効率をη、前記充電平均電力をPca、前記放電平均電力をPda、前記分極電圧をUp、前記最大充電電力をPch、前記最大放電電力をPdhと記す。前記24個のリン酸鉄リチウム電池から構成された電池パックの特徴データ集合は表1に示され、ここで、前記24個のリン酸鉄リチウム電池のそれぞれの番号は1から24まで付けられている。
前記取得モジュールは分類すべき電池パックの特徴データ集合を抽出した後、縮約モジュールは従来のラフ集合理論を用いて、上記特徴データ集合を縮約し、重要ではない指標データを除去し、前記分類すべき電池パックの縮約結果特徴データ集合を取得する。例えば、前記縮約モジュールはラフ集合理論を用いて特徴データ集合を縮約処理する際に、エネルギー効率、充電平均電力及び放電平均電力の3種類の指標データの電池分類に対する影響が小さく又は影響がないと発見すると、前記縮約モジュールは前記分類すべき電池パックのエネルギー効率、充電平均電力及び放電平均電力の3種類の指標データを除去し、縮約結果特徴データ集合を取得し、その後、クラスタリングモジュールはファジィクラスタリングアルゴリズムを用いて縮約結果特徴データ集合に基づき、前記分類すべき電池パックを分類する。
本発明の実施例に係る電池分類システムによれば、分類すべき電池パックの特徴データ集合の構成に、電池パック中の各電池セルの充電オーム内部抵抗、放電オーム内部抵抗、エネルギー効率、充電平均電力、放電平均電力、分極電圧、最大充電電力及び最大放電電力を含ませることで、前記システムはさらに科学的になる。
必要に応じて、上記実施例において、前記縮約モジュールは、重みサブモジュール及び縮約サブモジュールを備える。
重みサブモジュールはラフ集合理論によって前記特徴データ集合を処理し、前記特徴データ集合における各特徴データの重みを取得するためのものであり、縮約サブモジュールは前記特徴データ集合における各特徴データの重みに基づき、前記特徴データ集合をフィルタリングし、前記電池パックの縮約結果特徴データ集合を取得するためのものである。
具体的には、上記実施例では、前記縮約モジュールは重みサブモジュール及び縮約サブモジュールを備える。
前記重みサブモジュールは、ラフ集合理論を用いて、分類すべき電池パックの特徴データ集合を処理し、前記特徴データ集合における各特徴データの重みを取得する。上記実施例に記載の24個のリン酸鉄リチウム電池から構成された電池パックを例に、本発明の実施例に係る技術案を詳細に説明する。前記重みサブモジュールはラフ集合理論を用いて、前記24個のリン酸鉄リチウム電池から構成された電池パックの特徴データ集合を処理し、前記特徴データ集合における各特徴データの重みを取得する。
図5に示すように、エネルギー効率ηの重みは最も高く、それに次いで分極電圧Upと最大放電電力Pdhであり、ほかの特徴データの重みは0であることから、エネルギー効率η、分極電圧Up及び最大放電電力Pdhは、ほかの特徴データよりも重要であることが分かる。
前記縮約サブモジュールは、前記ほかの特徴データを除去し、前記24個のリン酸鉄リチウム電池のエネルギー効率η、分極電圧Up及び最大放電電力Pdhに対応する特徴データのみを保留し、分類すべき電池パックの縮約結果特徴データ集合を取得する。
その後、クラスタリングモジュールは、従来のファジィクラスタリングアルゴリズムを用いて、前記縮約結果特徴データ集合を分類する。例えば、初期化時に電池クラスの数C=4、ファジィ重み指数m=2、終了条件として反復回数が100又は閾値ε=0.00001になることを設定する。終了条件を満たすと、前記クラスタリングモジュールは前記24個のリン酸鉄リチウム電池を4クラスに分類する。
図6に示すように、前記24個のリン酸鉄リチウム電池のうち、第1、2、3、4、5、6、7、11、13、14、15個の電池が第1クラス、第21個の電池が第2クラス、第8、22個の電池が第3クラス、第9、10、12、16、17、18、19、20、23、24個の電池が第4クラスに分類される。第21個の電池、第8個の電池、第22個の電池は分極が大きくて、単独に分類される。
本発明の実施例に係る電池分類システムによれば、ラフ集合理論によって分類すべき電池パックの特徴データ集合を処理し、特徴データ集合における各特徴データの重みを取得し、その後、特徴データ集合における各特徴データの重みに基づき、特徴データ集合をフィルタリングし、分類すべき電池パックの縮約結果特徴データ集合を取得することにより、前記方法がさらに科学的になる。
図3は本発明の実施例に係る電子設備の構成模式図であり、図4に示すように、前記機器は、プロセッサ(processor)31、メモリ(memory)32及びバス33を備える。
前記プロセッサ31と前記メモリ32は前記バス33により相互に通信を行い、前記プロセッサ31は前記メモリ32におけるプログラム指令を呼び出して、上記各方法の実施例に係る方法を実行するためのものであり、該方法は、例えば、分類すべき電池パックのサイクル充放電データを取得し、前記充放電データから前記電池パックの特徴データ集合を抽出するステップと、ラフ集合理論を用いて前記特徴データ集合を縮約し、前記電池パックの縮約結果特徴データ集合を取得するステップと、前記縮約結果特徴データ集合に基づき、ファジィクラスタリングアルゴリズムを用いて、前記電池パック中の電池セルを分類するステップと、を含む。
本発明の実施例はコンピュータプログラム製品を開示し、前記コンピュータプログラム製品は不揮発性のコンピュータ取り読み可能な記憶媒体に記憶されるコンピュータプログラムを含み、前記コンピュータプログラムはプログラム指令を含み、前記プログラム指令がコンピュータにより実行されると、コンピュータは上記各方法の実施例に係る方法を実行でき、該方法は、例えば、分類すべき電池パックのサイクル充放電データを取得し、前記充放電データから前記電池パックの特徴データ集合を抽出するステップと、ラフ集合理論を用いて前記特徴データ集合を縮約し、前記電池パックの縮約結果特徴データ集合を取得するステップと、前記縮約結果特徴データ集合に基づき、ファジィクラスタリングアルゴリズムを用いて、前記電池パック中の電池セルを分類するステップと、を含む。
本発明の実施例は、コンピュータ指令を記憶する不揮発性のコンピュータ取り読み可能な記憶媒体を提供し、前記コンピュータ指令によって、前記コンピュータが上記各方法の実施例に係る方法を実行し、該方法は、例えば、分類すべき電池パックのサイクル充放電データを取得し、前記充放電データから前記電池パックの特徴データ集合を抽出するステップと、ラフ集合理論を用いて前記特徴データ集合を縮約し、前記電池パックの縮約結果特徴データ集合を取得するステップと、前記縮約結果特徴データ集合に基づき、ファジィクラスタリングアルゴリズムを用いて、前記電池パック中の電池セルを分類するステップと、を含む。
以上説明した電子設備等の実施例は例示的なものであり、前記の、分離部材として説明されたユニットは物理的に分離してもよく物理的に分離しなくてもよく、表示ユニットとしての部材は物理ユニットであってもよく物理ユニットでなくてもよく、すなわち一か所に位置してもよく、複数のネットワークユニットに分布してもよい。実際の必要に応じてそのうちの一部又はすべてのモジュールを選択して本実施例の技術案の目的を実現できればよい。当業者は創造的な努力をせずに理解し実施することができる。
以上の実施形態の説明から、当業者は、各実施形態がソフトウェアと必要な汎用ハードウェアプラットフォームとの組合せによって実現でき、勿論、ハードウェアによっても実現できることが分かる。このような理解を踏まえ、上記技術案は本質的には又は従来技術に貢献する部分はソフトウェア製品の形態で表現でき、該コンピュータソフトウェア製品はコンピュータ取り読み可能な記憶媒体、例えばROM/RAM、磁気ディスク、光ディスク等に記憶でき、複数の指令を含み、コンピュータ設備（パーソナルコンピュータ、サーバ、又はネットワーク設備等が挙げられる）に各実施例又は実施例のある部分に記載の方法を実行させる。
なお、以上の各実施例は、本発明の実施例の技術案を説明するためのものに過ぎず、限定するものではない。上記各実施例を参照して本発明の実施例を詳細に説明したが、当業者は、上記各実施例に記載の技術案を変更したり、一部又はすべての技術的特徴を同等置換したりすることができ、これらの変更又は置換により対応する技術案の本質は本発明の各実施例の技術案の範囲から逸脱させないことが理解できるはずである。

Claims (8)

  1. 分類すべき電池パックのサイクル充放電データを取得し、前記サイクル充放電データから前記電池パックの特徴データ集合を抽出するステップと、
    ラフ集合理論を用いて前記特徴データ集合を縮約し、前記電池パックの縮約結果特徴データ集合を取得するステップと、
    前記縮約結果特徴データ集合に基づき、ファジィクラスタリングアルゴリズムを用いて、前記電池パック中の電池セルを分類するステップと、を含むことを特徴とする電池分類方法。
  2. 前記特徴データ集合は、前記電池パック中の各電池セルの充電オーム内部抵抗、放電オーム内部抵抗、エネルギー効率、充電平均電力、放電平均電力、分極電圧、温度、最大充電電力及び最大放電電力の任意の組合せである特徴データを含むことを特徴とする請求項1に記載の方法。
  3. ラフ集合理論を用いて前記特徴データ集合を縮約し、前記電池パックの縮約結果特徴データ集合を取得する前記ステップは、
    ラフ集合理論によって前記特徴データ集合を処理し、前記特徴データ集合における各特徴データの重みを取得するステップと、
    前記特徴データ集合における各特徴データの重みに基づき、前記特徴データ集合をフィルタリングし、前記電池パックの縮約結果特徴データ集合を取得するステップと、を含むことを特徴とする請求項1又は2に記載の方法。
  4. 分類すべき電池パックのサイクル充放電データを取得し、前記サイクル充放電データから前記電池パックの特徴データ集合を抽出する取得モジュールと、
    ラフ集合理論を用いて前記特徴データ集合を縮約し、前記電池パックの縮約結果特徴データ集合を取得する縮約モジュールと、
    前記縮約結果特徴データ集合に基づき、ファジィクラスタリングアルゴリズムを用いて、前記電池パック中の電池セルを分類するクラスタリングモジュールと、を備えることを特徴とする電池分類システム。
  5. 前記取得モジュールは、 前記サイクル充放電データから、前記電池パック中の各電池セルの充電オーム内部抵抗、放電オーム内部抵抗、エネルギー効率、充電平均電力、放電平均電力、分極電圧、温度、最大充電電力及び最大放電電力の任意の組合せである特徴データを抽出することを特徴とする請求項4に記載のシステム。
  6. 前記縮約モジュールは、
    ラフ集合理論によって前記特徴データ集合を処理し、前記特徴データ集合における各特徴データの重みを取得する重みサブモジュールと、
    前記特徴データ集合における各特徴データの重みに基づき、前記特徴データ集合をフィルタリングし、前記電池パックの縮約結果特徴データ集合を取得する縮約サブモジュールと、を備えることを特徴とする請求項4又は5に記載のシステム。
  7. メモリ及びプロセッサを備え、前記プロセッサと前記メモリはバスにより相互に通信を行い、前記メモリには前記プロセッサに実行可能なプログラム指令が記憶され、前記プロセッサは前記プログラム指令を呼び出して請求項1〜3のいずれか一項に記載の方法を実行できることを特徴とする電子設備。
  8. コンピュータプログラムが記憶されるコンピュータ取り読み可能な記憶媒体であって、該コンピュータプログラムがプロセッサにより実行されると、請求項1〜3のいずれか一項に記載の方法を実現することを特徴とするコンピュータ取り読み可能な記憶媒体。
JP2018165133A 2017-12-13 2018-09-04 電池分類方法及びシステム Active JP6615964B2 (ja)

Applications Claiming Priority (2)

Application Number Priority Date Filing Date Title
CN201711328857.6 2017-12-13
CN201711328857.6A CN109919168A (zh) 2017-12-13 2017-12-13 一种电池分类方法和系统

Publications (2)

Publication Number Publication Date
JP2019106868A true JP2019106868A (ja) 2019-06-27
JP6615964B2 JP6615964B2 (ja) 2019-12-04

Family

ID=66696649

Family Applications (1)

Application Number Title Priority Date Filing Date
JP2018165133A Active JP6615964B2 (ja) 2017-12-13 2018-09-04 電池分類方法及びシステム

Country Status (5)

Country Link
US (1) US20190178946A1 (ja)
JP (1) JP6615964B2 (ja)
KR (1) KR20190070838A (ja)
CN (1) CN109919168A (ja)
WO (1) WO2019114238A1 (ja)

Families Citing this family (20)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN110490263A (zh) * 2019-08-23 2019-11-22 天津农学院 基于充放电曲线与模糊聚类的电池分选方法
CN111130175B (zh) * 2019-12-30 2021-10-01 福建船政交通职业学院 基于退役动力电池的储能公交站点及其电源控制方法
CN111420898B (zh) * 2020-03-10 2022-01-14 合肥工业大学 一种退役电池分选方法及其应用的系统
CN111289910B (zh) * 2020-03-12 2022-03-18 中国第一汽车股份有限公司 一种梯次电池的分级方法、装置、计算机设备及介质
CN111751753A (zh) * 2020-05-20 2020-10-09 中国电力科学研究院有限公司 一种基于自放热温度的退役动力电池筛选方法及装置
KR102392627B1 (ko) * 2020-05-22 2022-04-28 연세대학교 산학협력단 배터리 상태 평가 및 분석을 위한 bms 데이터 처리 장치 및 방법
CN111740176B (zh) * 2020-07-02 2021-10-26 南京工程学院 一种退役动力锂电池分选方法
CN111915600B (zh) * 2020-08-12 2023-09-26 南京工程学院 一种退役动力锂电池热特征一致性筛选方法
CN112034355B (zh) * 2020-09-04 2023-09-05 中国南方电网有限责任公司超高压输电公司曲靖局 蓄电池状态的评估方法及评估装置
CN112198435B (zh) * 2020-09-30 2023-08-22 金陵科技学院 一种锂离子电池配组方法
CN112485694B (zh) * 2020-11-23 2023-07-14 国网北京市电力公司 电池组的检测方法及装置
CN112615070B (zh) * 2020-12-15 2022-03-11 中国人民解放军陆军勤务学院 一种电池储能集成系统和方法
CN112791997B (zh) * 2020-12-16 2022-11-18 北方工业大学 一种退役电池梯次利用筛选的方法
KR20220132941A (ko) * 2021-03-24 2022-10-04 주식회사 엘지에너지솔루션 배터리 분류 장치 및 방법
CN113281657A (zh) * 2021-05-21 2021-08-20 张家港清研检测技术有限公司 一种智能评估退役电池余能分类和梯次利用方法
CN113740732B (zh) * 2021-08-20 2023-06-30 蜂巢能源科技有限公司 电芯离群的检测方法、装置及电子设备
US11675013B2 (en) 2021-10-18 2023-06-13 Taiwan Truewin Technology Co., Ltd. Classification method and system for rechargeable batteries
CN114192444B (zh) * 2021-12-02 2023-12-29 格林美股份有限公司 一种基于聚类算法的电池分选方法、装置及电子设备
CN116577687B (zh) * 2023-07-14 2024-04-19 南昌航空大学 快充电池包的电芯筛选方法、系统、存储介质及计算机
CN117410598B (zh) * 2023-12-15 2024-02-23 山西迪诺思新能源科技有限公司 一种基于指标相似性的退役电池模块组合方法

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2009004184A (ja) * 2007-06-20 2009-01-08 Panasonic Ev Energy Co Ltd 組電池の製造方法、及び組電池
JP2012138192A (ja) * 2010-12-24 2012-07-19 Hitachi Vehicle Energy Ltd バッテリーモジュールの製造方法およびバッテリーモジュール
CN105911476A (zh) * 2016-04-13 2016-08-31 华北电力大学 一种基于数据挖掘的电池储能系统soc预测方法
CN105903692A (zh) * 2016-05-19 2016-08-31 四川长虹电器股份有限公司 锂离子电池一致性筛选方法
JP2017075922A (ja) * 2015-10-16 2017-04-20 株式会社Ｎｔｔファシリティーズ 蓄電池状態分析システム、蓄電池状態分析方法および蓄電池状態分析プログラム

Family Cites Families (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR100793616B1 (ko) * 2005-06-13 2008-01-10 주식회사 엘지화학 배터리 잔존량 추정 장치 및 방법
CN102096672A (zh) * 2009-12-09 2011-06-15 西安邮电学院 一种基于模糊粗糙模型的分类规则提取方法
CN103337671A (zh) * 2013-06-27 2013-10-02 国家电网公司 一种废旧动力电池梯次利用筛选方法
CN103545567B (zh) * 2013-10-16 2016-02-03 宁波世捷新能源科技有限公司 一种快速分选锂离子电池的方法
CN103785629B (zh) * 2014-01-13 2015-10-28 国家电网公司 一种梯次利用锂电池筛选成组方法
KR102441335B1 (ko) * 2015-08-13 2022-09-06 삼성전자주식회사 배터리의 soc 추정 장치 및 방법
CN105261795B (zh) * 2015-10-23 2017-09-05 北京交通大学 一种基于聚类算法的锂离子电池串联成组方法
CN107755295B (zh) * 2017-10-19 2019-10-18 杭州电子科技大学 一种基于充放电曲线的铅酸蓄电池分类方法

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2009004184A (ja) * 2007-06-20 2009-01-08 Panasonic Ev Energy Co Ltd 組電池の製造方法、及び組電池
JP2012138192A (ja) * 2010-12-24 2012-07-19 Hitachi Vehicle Energy Ltd バッテリーモジュールの製造方法およびバッテリーモジュール
JP2017075922A (ja) * 2015-10-16 2017-04-20 株式会社Ｎｔｔファシリティーズ 蓄電池状態分析システム、蓄電池状態分析方法および蓄電池状態分析プログラム
CN105911476A (zh) * 2016-04-13 2016-08-31 华北电力大学 一种基于数据挖掘的电池储能系统soc预测方法
CN105903692A (zh) * 2016-05-19 2016-08-31 四川长虹电器股份有限公司 锂离子电池一致性筛选方法

Also Published As

Publication number Publication date
CN109919168A (zh) 2019-06-21
KR20190070838A (ko) 2019-06-21
JP6615964B2 (ja) 2019-12-04
WO2019114238A1 (zh) 2019-06-20
US20190178946A1 (en) 2019-06-13

Similar Documents

Publication Publication Date Title
JP2019106868A (ja) 電池分類方法及びシステム
Li et al. Lithium-ion battery modeling based on Big Data
CN107422266B (zh) 一种大容量电池储能系统的故障诊断方法及装置
CN103801521B (zh) 一种二次电池的分选方法
CN104348205A (zh) 一种基于soc-soh分布式bms系统
CN105665309B (zh) 一种锂离子电容器的梯次利用的筛选方法
CN107657019A (zh) 电网系统的网络拓扑结构获取方法和系统
Ushasurendra et al. Congestion management in deregulated power sector using fuzzy based optimal location technique for series flexible alternative current transmission system (FACTS) device
CN113281657A (zh) 一种智能评估退役电池余能分类和梯次利用方法
CN106025397A (zh) 动力电池回收方法和系统
CN114910793A (zh) 一种储能电站串联电池组的soh估计方法
CN104156605A (zh) 机动车状态综合评估体系的建立方法及装置
Qu et al. Multi objective evolutionary programming to solve environmental economic dispatch problem
CN107330576A (zh) 一种基于边界供电能力的配电网效率评价方法
CN109063260B (zh) 一种动力电池的老化趋势判断方法和装置
CN115833124A (zh) 换流站直流近区谐振风险评估方法、装置、设备及介质
CN105699807A (zh) 超级电容器电气特征参数监测系统及辨识方法
KR20140089955A (ko) 배터리 팩에 포함된 다수의 배터리 셀에 대한 전압 데이터 관리 장치 및 방법
DE102013008905A1 (de) Energiespeichermodul und Energiespeichersystem
CN208142301U (zh) 一种电池管理系统
CN105728351A (zh) 电池单体分选方法
Zhu et al. Research on data mining model of fault operation and maintenance based on electric vehicle charging behavior
CN106655252B (zh) 一种基于Prim的微电网源荷储恢复方法
Simo et al. PSO based transmission network expansion planning
Poornima Deep Learning-Based Fault Identification of Microgrid Transformers

Legal Events

Date Code Title Description
A621 Written request for application examination

Free format text: JAPANESE INTERMEDIATE CODE: A621

Effective date: 20180904

A977 Report on retrieval

Free format text: JAPANESE INTERMEDIATE CODE: A971007

Effective date: 20190930

TRDD Decision of grant or rejection written
A01 Written decision to grant a patent or to grant a registration (utility model)

Free format text: JAPANESE INTERMEDIATE CODE: A01

Effective date: 20191007

A61 First payment of annual fees (during grant procedure)

Free format text: JAPANESE INTERMEDIATE CODE: A61

Effective date: 20191106

R150 Certificate of patent or registration of utility model

Ref document number: 6615964

Country of ref document: JP

Free format text: JAPANESE INTERMEDIATE CODE: R150

S111 Request for change of ownership or part of ownership

Free format text: JAPANESE INTERMEDIATE CODE: R313113

R350 Written notification of registration of transfer

Free format text: JAPANESE INTERMEDIATE CODE: R350

R250 Receipt of annual fees

Free format text: JAPANESE INTERMEDIATE CODE: R250