JP2019152656A

JP2019152656A - 電池監視システム

Info

Publication number: JP2019152656A
Application number: JP2019029054A
Authority: JP
Inventors: 山田　一郎; Ichiro Yamada; 一郎山田; 信雄山本; Nobuo Yamamoto; 周平吉田; Shuhei Yoshida
Original assignee: Denso Corp
Current assignee: Denso Corp
Priority date: 2018-02-28
Filing date: 2019-02-21
Publication date: 2019-09-12
Anticipated expiration: 2039-02-21
Also published as: JP7225896B2

Abstract

【課題】二次電池の初期故障を検出でき、記憶すべきデータの量を低減でき、かつ短時間で故障判断を行うことができる電池監視システムを提供する。【解決手段】二次電池２の監視データを取得するデータ取得部３と、故障判断部４とを備える。故障判断部４は、監視データを変数としてスパース正則化を行い、偏相関係数行列Λを算出する。そして、互いに異なる時期に算出した２つの偏相関係数行列Λの間における、偏相関係数λの変化量を異常度Δとして算出する。この異常度Δが予め定められた閾値ΔTHを超えた場合に、二次電池２が故障していると判断する。【選択図】図１

Description

本発明は、二次電池の故障診断を行う電池監視システムに関する。

従来から、二次電池の故障診断を行う電池監視システムが知られている（下記特許文献１参照）。この電池監視システムでは、例えば、二次電池の開回路電圧（ＯＣＶ：Open Circuit Voltage）と、充電率（ＳＯＣ：State Of
Charge）とを定期的に測定し、これらの測定値を累積的に記憶する。そして、新たに測定したＯＣＶとＳＯＣの関係が、過去に測定したＯＣＶとＳＯＣの関係と比べて大きく変化したときに、二次電池が故障したと判断する。

また、故障判断の別の例としては、二次電池の容量を測定する方法がある。この場合、まず二次電池を完全に放電し、その後、満充電する。そして、充電に要した電荷量を測定することにより、二次電池の容量を測定する。新たに測定した容量の値が、過去に測定した値と比べて大きく変化した場合には、二次電池が故障したと判断する。

特開２０１６−１５２７０４号公報

しかしながら、ＯＣＶとＳＯＣを測定し、これらの関係が過去の測定値と比べて変化したか否かを用いて故障判断する方法では、ＯＣＶとＳＯＣの測定値を累積的に記憶する必要がある。そのため、記憶するデータ量が多く、大きな記憶装置が必要になる。また、二次電池が完全に故障してからでないと、故障判定がしにくい。すなわち、電池の初期故障を検出しにくい。なお、初期故障とは、電池に故障が発生したときの当該故障の初期段階を意味する。

また、二次電池の容量を測定して故障判断する場合は、容量の測定に長時間を要するという課題がある。

本発明は、かかる課題に鑑みてなされたものであり、二次電池の初期故障を検出でき、記憶すべきデータの量を低減でき、かつ短時間で故障判断を行うことができる電池監視システムを提供しようとするものである。

本発明の一態様は、二次電池（２）の状態を監視するための、複数種類の監視データ（Ｘ₁〜Ｘ_n）を取得するデータ取得部（３）と、
上記二次電池が故障したか否かを判断する故障判断部（４）とを備え、
該故障判断部は、
上記監視データを変数としてスパース正則化を行うことにより、上記監視データの偏相関係数行列（Λ）を算出する行列算出部（４１）と、
互いに異なる時期に算出された２つの上記偏相関係数行列の間における、該偏相関係数行列の成分である偏相関係数（λ）の変化量を異常度（Δ）として算出する異常度算出部（４２）とを有し、
算出した上記異常度が予め定められた閾値（Δ_TH）を超えた場合に、上記二次電池が故障したと判断するよう構成されている、電池監視システム（１）にある。

上記電池監視システムの故障判断部は、二次電池の監視データを変数としてスパース正則化を行い、偏相関係数行列を算出する。そして、互いに異なる時期に取得した２つの偏相関係数行列の間における、偏相関係数の変化量を上記異常度として算出する。この異常度が閾値を超えた場合に、二次電池が故障したと判断する。
このようにすると、二次電池の初期故障を検出することができる。すなわち、スパース正則化を行うと、二次電池の複数種類の監視データのうち、互いに関連性の高い２種類の監視データを選び出すことができる。つまり、関連性の高い２種類の監視データについては、上記偏相関係数の絶対値が１に近づく。また、関連性が低い２種類の監視データは、偏相関係数が０に近づく。そのため、時期をおいて２つの偏相関係数行列を算出し、これらの行列に含まれる偏相関係数が大きく変化した場合は、関連性の高い２種類の監視データの相関が崩れたことを意味する。したがって、この場合、二次電池に何らかの故障が生じたと判断することができる。特に、二次電池は、初期故障が生じた場合でも偏相関係数が大きく変化するため、この偏相関係数の変化を使えば、二次電池の初期故障を検出することができる。

また、上記電池監視システムは、過去に取得した監視データを全て記憶する必要がなく、算出した偏相関係数行列を記憶しておけば、故障検出を行うことができる。また、過去の偏相関係数行列を全て記憶する必要はなく、直近に求めた偏相関係数行列を記憶するだけでよい。そのため、記憶すべきデータの量を低減できる。さらに、上記電池監視システムは、従来のように、二次電池の容量を測定する場合と比べて、短時間で、二次電池の故障判断を行うことができる。

以上のごとく、上記態様によれば、二次電池の初期故障を検出でき、記憶すべきデータの量を低減でき、かつ短時間で故障判断を行うことができる電池監視システムを提供することができる。
なお、特許請求の範囲及び課題を解決する手段に記載した括弧内の符号は、後述する実施形態に記載の具体的手段との対応関係を示すものであり、本発明の技術的範囲を限定するものではない。

実施形態１における、電池監視システムの回路図。実施形態１における、監視データの時間変化を表したグラフ。実施形態１における、偏相関係数行列Λ₁を視覚化したもの。実施形態１における、偏相関係数行列Λ₂を視覚化したもの。実施形態１における、偏相関係数行列Λ_nを視覚化したもの。実施形態１における、２つの偏相関係数行列Λ₁，Λ₂から求めた異常度のグラフ。実施形態１における、２つの偏相関係数行列Λ_n-1，Λ_nから求めた異常度のグラフ。実施形態１における、放電中の二次電池の概念図。実施形態１における、充電中の二次電池の概念図。実施形態１における、制御部のフローチャート。図１０に続くフローチャート。実施形態２における、記憶部を車外に配置した電池監視システムの概念図。実施形態２における、故障判断部を車外に配置した電池監視システムの概念図。実施形態２における、記憶部と故障判断部を車外に配置した電池監視システムの概念図。二次電池の電池性能の時間変化を、正常状態が継続される場合と、故障が発生する場合とについて、表した概念図。

（実施形態１）
上記電池監視システムに係る実施形態について、図１〜図１１を参照して説明する。本形態の電池監視システム１は、図１に示すごとく、データ取得部３と、故障判断部４とを備える。データ取得部３は、二次電池２の状態を監視するための、複数種類の監視データＸ₁〜Ｘ_n（図２参照）を取得する。故障判断部４は、二次電池２が故障したか否かを判断する。

故障判断部４は、行列算出部４１と、異常度算出部４２とを備える。行列算出部４１は、上記監視データを変数としてスパース正則化を行う。これにより、監視データの偏相関係数行列Λを算出する（図１０、図１１参照）。また、異常度算出部４２は、互いに異なる時期に取得された２つの偏相関係数行列Λの間における、偏相関係数λの変化量を異常度Δとして算出する。故障判断部４は、算出した異常度Δが予め定められた閾値Δ_THを超えた場合に、二次電池２が故障したと判断する。

本形態の電池監視システム１は、電気自動車やハイブリッド車等の車両に搭載するための、車載用電池監視システムである。図１に示すごとく、二次電池２には、負荷１０と、充電装置１１とが接続している。本形態の負荷１０は、インバータである。このインバータを用いて、二次電池２から供給される直流電力を交流電力に変換し、図示しない三相交流モータを駆動している。これにより、上記車両を走行させている。

負荷１０と二次電池２との間には、放電用スイッチ１２が配されている。また、充電装置１１と二次電池２との間には、充電用スイッチ１３が配されている。これらのスイッチ１２、１３のオンオフ動作は、制御部６によって制御される。制御部６は、二次電池２を充電する際には、充電用スイッチ１３をオンし、負荷１０を駆動する際には、放電用スイッチ１２をオンする。

本形態のデータ取得部３は、二次電池２の監視データとして、ＣＣＶ（閉回路電圧）、充放電電流Ｉ、ＳＯＣ（充電率）、二次電池２の周囲の環境温度Ｔ_E、電池温度Ｔ_B、積算温度ストレスΣＴ、積算充電時間Σｔ_c、積算放電時間Σｔ_d、積算電流ΣＩを取得する。

データ取得部３は、充放電電流Ｉを測定する電流センサ３０_A、電圧センサ３０_V、電池温度Ｔ_Bを測定する電池用温度センサ３０_TB、環境温度Ｔ_Eを測定する環境用温度センサ３０_TE、積算部３０_I、ＳＯＣ算出部３０_Sを備える。電圧センサ３０_Vは二次電池２のＣＣＶ及びＯＣＶを測定する。ＳＯＣ算出部３０_Sは、ＯＣＶの測定値を用いて、二次電池２のＳＯＣを算出する。また、積算部３０_Iは、積算温度ストレスΣＴ、積算充電時間Σｔ_c、積算放電時間Σｔ_d、積算電流ΣＩを算出する。積算充電時間Σｔ_cは、二次電池２の充電時間ｔ_cの積算値であり、積算放電時間Σｔ_dは、二次電池２の放電時間ｔ_dの積算値である。積算電流ΣＩは、充放電電流Ｉの積算値である。また、積算温度ストレスΣＴは、使用中の各温度における時間の積算値である。積算温度ストレスΣＴは、例えば、｛１０℃×時間｝＋｛１５℃×時間｝＋・・・＋｛４５℃×時間｝のように算出することができる。また、温度が高くなるほど二次電池２にストレスが加わるため、各時間に重みづけをすることもできる。なお、積算温度ストレスΣＴの算出方法はこれに限定しない。他には、例えば４０℃以上に置かれた時間のみをカウント積算する方法等を採用することができる。

また、本形態の電池監視システム１は、記憶部５を備える。記憶部５は、上記偏相関係数行列Λを算出するために必要な監視データや、算出した偏相関係数行列Λを記憶する。

次に、二次電池２の構造について説明する。図８に示すごとく、二次電池２は、正極２１_Pおよび負極２１_Nと、これらの間に配されたセパレータ２４と、電解液２５とを備える。正極２１_P及び負極２１_Nは、金属製の導電部２３（２３_P，２３_N）と、該導電部２３に取り付けられた活物質２２（２２_P，２２_N）とを備える。本形態の二次電池２は、リチウムイオン二次電池である。

図８に示すごとく、二次電池２のＳＯＣが略１００％であるときは、リチウムイオンは殆ど負極２１_Nの活物質２２_Nに存在している。放電を行うと、リチウムイオンは正極２１_Pの活物質２２_Pに移動する。また、図９に示すごとく、二次電池２のＳＯＣが略０％であるときは、リチウムイオンは殆ど正極２１_Pの活物質２２_Pに存在している。充電を行うと、リチウムイオンは負極２１_Nの活物質２２_Nに移動する。

外部から二次電池２に衝撃等が加わると、二次電池２が故障することがある。例えば、個々の電極２１（２１_P，２１_N）の導電部２３（２３_P，２３_N）が互いに接触したり、活物質２２が導電部２３から剥離したりすることがある。また、二次電池２を長期間使用すると、電解液２５中に金属リチウムが析出して、一対の電極２１が短絡することもある。本形態の故障判断部４は、二次電池２にこのような故障が発生したか否かを判断する。

次に、図２〜図７を用いて、二次電池２の故障診断を行う方法について説明する。ここでは、図２に示すごとく、６種類の監視データＸ₁〜Ｘ₆を用いる場合について説明する。例えば、第１監視データＸ₁は閉回路電圧、第２監視データＸ₂は充放電電流Ｉ、第３監視データＸ₃は充電率、第４監視データＸ₄は環境温度Ｔ_E、第５監視データＸ₅は電池温度Ｔ_B、第６監視データＸ₆は積算充電時間Σｔ_cにすることができる。なお、別の種類の監視データＸを用いてもよく、これらの並べ順も任意で良い。また、図２等では６種類の監視データＸ₁〜Ｘ₆を用いたが、本発明はこれに限るものではなく、２種類以上であれば良い。

図２に示すごとく、各監視データＸ₁〜Ｘ₆は、時間の経過と共に変化する。故障判断部４は、まず、第１期間ｔ₁で取得した監視データＸ₁〜Ｘ₆を変数としてスパース正則化を行い、第１の偏相関係数行列Λ₁を算出する。第１の偏相関係数行列Λ₁は、例えば下記のように表すことができる。

上記式において、λ₁₂は、監視データＸ₁と監視データＸ₂との間の偏相関係数を意味する。また、偏相関係数行列Λは対称行列であるため、上記式において、一部の偏相関係数λを省略して記載してある。さらに、偏相関係数行列Λの、主対角線上の成分は全て１であるため、記載を省略してある。

偏相関係数λは、２種類の監視データの相関性が高い場合は、１又は−１に近づく。また、相関性が低い場合は、０に近づく。第１の偏相関係数行列Λ₁を視覚化したものを図３に示す。同図に示すごとく、相関性の高い２種類の監視データ（例えばＸ₂とＸ₆、Ｘ₅とＸ₆等）は、比較的太い線で結ばれる。また、これより相関性が低い監視データ（例えばＸ₃とＸ₆）は、若干細い線で結ばれる。また、さらに相関性が低い監視データ（例えばＸ₂とＸ₃、Ｘ₃とＸ₄等）は、さらに細い線で結ばれる。

次に、故障判断部４は、第２期間ｔ₂（図１参照）で取得した監視データＸ₁〜Ｘ₆を変数として再びスパース正則化を行い、第２の偏相関係数行列Λ₂を算出する。第２の偏相関係数行列Λ₂は、例えば下記式のように表すことができる。

第２の偏相関係数行列Λ₂を視覚化したものを図４に示す。監視データＸ₁〜Ｘ₆の相関性が大きく変化していない場合は、２つの偏相関係数行列Λ₁，Λ₂は略同じになる。そのため、２つの偏相関係数行列Λ₁，Λ₂をそれぞれ視覚化したグラフ（図３、図４参照）は、略同じになる。

故障判断部４は、このように２つの偏相関係数行列Λ₁，Λ₂を算出した後、これら２つの偏相関係数行列Λ₁，Λ₂の間の、偏相関係数λの変化量を、異常度Δとして算出する。異常度Δは、例えば、以下のように表すことができる。

なお、Δ₁₂は、第１監視データＸ₁と第２監視データＸ₂との間の偏相関係数λ₁₂の異常度Δを意味する。

個々の異常度Δをグラフにしたものを図６に示す。上述したように、監視データＸ₁〜Ｘ₆の相関性が大きく変化していない時期ｔ₁〜ｔ₂では、算出した２つの偏相関係数行列Λ₁，Λ₂は殆ど同じになる。そのため、偏相関係数λの変化は小さく、異常度Δは小さい値になる。故障判断部４は、全ての異常度Δが閾値Δ_THより小さい場合は、監視データＸ₁〜Ｘ₆の相関性が変化していない、すなわち二次電池２は故障していない、と判断する。

次に、二次電池２が故障した場合の、偏相関係数行列Λを視覚化したグラフを図５に示す。このグラフでは、図３や図４と比べて、監視データＸ₃とＸ₅の相関性、及びＸ₃とＸ₆の相関性が低くなっており、略０になっている。このときの異常度Δをグラフにしたものを図７に示す。同図に示すごとく、監視データＸ₃とＸ₅の異常度Δ₃₅と、監視データＸ₃とＸ₆の異常度Δ₃₆が高くなっている。故障判断部４は、算出した異常度Δが閾値Δ_THを超えた場合は、監視データＸ₁〜Ｘ₆の相関性が大きく変化した、すなわち二次電池２が故障した、と判断する。より詳しくは、故障判断部４は、算出した複数の異常度Δ₁₂〜Δ₅₆のうち、少なくとも一個が閾値Δ_THを超えた場合は、二次電池２が故障したと判断する。

本形態の故障判断部４は、偏相関係数行列Λを定期的に（例えば１日に１回）算出する。そして、算出した最新の偏相関係数行列Λ_nと、この直前に算出した偏相関係数行列Λ_n-1との、２つの偏相関係数行列Λ_n，Λ_n-1を用いて、上記異常度Δを算出する。算出した複数の異常度Δ₁₂〜Δ₅₆のうち、少なくとも一個が閾値Δ_THを超えた場合は、二次電池２が故障したと判断する。

次に、故障判断部４のフローチャートの説明を行う。図１０に示すごとく、本形態の故障判断部４は、まずステップＳ１を行う。ここでは、データ取得部３を用いて、監視データＸ₁〜Ｘ_nを一定期間、取得する。その後、ステップＳ２に移る。ここでは、測定した監視データＸ₁〜Ｘ_nを用いて、第１の偏相関係数行列Λ₁を算出する。

その後、ステップＳ３に移り、所定期間カウントする。次いで、ステップＳ４に移り、再び監視データＸ₁〜Ｘ_nを一定期間、測定する。その後、ステップＳ５に移る。ここでは、新たに測定した監視データＸ₁〜Ｘ_nを用いて、第２の偏相関係数行列Λ₂を算出する。

その後、ステップＳ６に移る。ここでは、２つの偏相関係数行列Λ₁，Λ₂を用いて、異常度Δを算出する。その後、ステップＳ７に移り、複数の異常度Δのうち、いずれか一個が閾値Δ_THより高いか否かを判断する。ここでＹｅｓ（図７参照）と判断した場合は、ステップＳ８に移り、二次電池２が故障していると判断する。

また、ステップＳ７でＮｏと判断した場合は、図１１に示すステップＳ９以降を行う。すなわち、定期的に監視データＸ₁〜Ｘ_nを取得し（ステップＳ９）、最新の監視データを用いて算出した偏相関係数行列Λ_nと、その直前に算出した偏相関係数行列Λ_n-1とを用いて、異常度Δを算出する（ステップＳ１０、Ｓ１１）。そして、異常度Δが閾値Δ_THを超えた場合（ステップＳ１２）は、二次電池２が故障したと判断する（ステップＳ１３）。ステップＳ１２においてＮｏ（異常度Δが閾値Δ_THを超えていない）と判断した場合は、ステップＳ９に戻る。

次に、本形態の作用効果について説明する。本形態の故障判断部４は、二次電池２の監視データＸ₁〜Ｘ_nを変数としてスパース正則化を行い、偏相関係数行列Λを算出する。そして、互いに異なる時期に算出した２つの偏相関係数行列Λ_n-1，Λ_nの間における、偏相関係数λの変化量を異常度Δとして算出する。この異常度Δが閾値Δ_THを超えた場合に、二次電池２が故障していると判断する。
このようにすると、二次電池２の初期故障を検出することができる。
図１５は、二次電池２の電池性能の時間変化を、正常状態が継続する場合と、故障が発生する場合とについて、概念的に示す図である。二次電池２が正常状態を維持する場合、同図のＬ０〜Ｌ１を辿って、緩やかに電池性能が低下することとなる。一方、二次電池２に故障が発生すると、同図のＬ０〜Ｌ２へ移行するように、電池性能が低下する。
したがって、従来技術のように、電池性能の低下（例えば、容量の低下、抵抗の増大）を測定して故障判定をする場合、電池性能が大幅に低下した後でないと故障判定が難しい。それゆえ、仮に二次電池２に故障が生じても、図１５にＦｉにて示す故障の初期段階では、電池性能の変化が小さく、故障判定が困難となる。つまり、同図のＦｃにて示す完全な故障に近付くまで、故障判定が困難である。
一方、本形態においては、上述のように、異常度Δを利用して故障判定を行うことにより、故障の初期段階Ｆｉにて故障判定が可能となる。つまり、異常度Δは、故障の初期段階Ｆｉでも検出可能なため、二次電池２が大幅に低下する前の初期段階Ｆｉにて、故障判定を行うことができる。換言すると、二次電池２の故障の初期段階を検出することができる。なお、本明細書中において「初期故障」とは、この故障の初期段階のことを意味する。
すなわち、上述したように、スパース正則化を行うと、二次電池２の複数種類の監視データＸ₁〜Ｘ_nのうち、互いに関連性の高い２種類の監視データを選び出すことができる。つまり、関連性の高い２種類の監視データについては、偏相関係数λの絶対値が１に近くなる。また、関連性が低い２種類の監視データは、偏相関係数λが０に近くなる。そのため、時期をおいて２つの偏相関係数行列Λ_n-1，Λ_nを算出し、これらの行列に含まれる偏相関係数λ，λ^’が大きく変化した場合は、関連性の高い２種類の監視データの相関が崩れたことを意味する。したがって、この場合、二次電池２に何らかの故障が生じたと判断することができる。特に、二次電池２は、初期故障が生じた場合でも偏相関係数λが大きく変化するため、この偏相関係数λの変化を使えば、二次電池２の初期故障を検出することができる。

また、本形態の電池監視システム１は、過去に取得した監視データを全て記憶する必要がなく、算出した偏相関係数行列Λを記憶しておけば、故障検出を行うことができる。また、過去の偏相関係数行列Λを全て記憶する必要はなく、直近に求めた偏相関係数行列Λを記憶するだけでよい。そのため、記憶すべきデータの量を低減できる。さらに、本形態の電池監視システム１は、従来のように、二次電池２の容量を測定する場合と比べて、短時間で、二次電池２の故障判断を行うことができる。

また、本形態の行列算出部４１は、偏相関係数行列Λを定期的に算出する。異常度算出部４２は、算出した最新の偏相関係数行列Λ_nと、その直前に算出した偏相関係数行列Λ_n-1との、２つの偏相関係数行列Λ_n-1，Λ_nを用いて異常度Δを算出する。
このようにすると、直前に取得した偏相関係数行列Λ_n-1のみ記憶すれば、異常度Δを算出することが可能になる。そのため、これ以前に取得した偏相関係数行列Λは、記憶部５に記憶させる必要はなく、消去することができる。したがって、記憶容量の小さい記憶部５を用いることができ、電池監視システム１の製造コストを低減できる。

また、本形態の行列算出部４１は、監視データＸ₁〜Ｘ_nとして、二次電池２のＣＣＶ（閉回路電圧）と、充放電電流Ｉと、ＳＯＣ（充電率）と、電池温度Ｔ_Bとを少なくとも用いて、偏相関係数行列Λを算出するよう構成されている。
これらの監視データは、互いに相関性が高い。そのため、これらの監視データを用いると、二次電池２が故障したときに、偏相関係数λが大きく変化する。したがって、二次電池２の故障を検出しやすい。

以上のごとく、本形態によれば、二次電池の初期故障を検出でき、記憶すべきデータの量を低減でき、かつ短時間で故障判断を行うことができる電池監視システムを提供することができる。

なお、本形態では、最新の偏相関係数行列Λ_nと、その直前に算出した偏相関係数行列Λ_n-1とを用いて異常度Δを算出したが、本発明はこれに限るものではない。すなわち、最新の偏相関係数行列Λ_nと、その２つ以上前に算出した偏相関係数行列Λとを用いて異常度Δを算出してもよい。例えば１日に１回、偏相関係数行列Λを算出する場合、最新の偏相関係数行列Λ_nと、数日前に取得した偏相関係数行列Λとを用いて、異常度Δを算出することができる。このようにすると、二次電池２の故障が徐々に進行する場合でも、数日前の偏相関係数行列Λと比較するため、異常度Δが大きくなりやすい。そのため、二次電池２が故障したことを確実に検出できる。

また、図２等では、６種類の監視データＸ₁〜Ｘ₆を用いて６×６の偏相関係数行列Λを算出し、これから複数個の異常度Δ₁₂〜Δ₅₆（図７参照）を算出して、これら複数個の異常度Δ₁₁〜Δ₅₆のうち少なくとも１個が閾値Δ_THを超えたときに、二次電池２が故障したと判断したが、本発明はこれに限るものではない。すなわち、２種類の監視データＸ₁，Ｘ₂を用いて２×２の偏相関係数行列Λを算出し、これから１個の異常度Δ₁₂のみ算出してもよい。

以下の実施形態においては、図面に用いた符号のうち、実施形態１において用いた符号と同一のものは、特に示さない限り、実施形態１と同様の構成要素等を表す。

（実施形態２）
本形態は、電池監視システム１の構成を変更した例である。本形態では、記憶部５と故障判断部４とのうち、少なくとも一方を、車外に配置してある。例えば図１２に示すごとく、二次電池２と、データ取得部３と、故障判断部４とを車両７内に配置し、記憶部５を外部機器８（例えばサーバ）に設けることができる。外部機器８は、例えば、車両７のディーラー等に設置することができる。また、車両７には送受信機７１を設けてある。この送受信機７１を用いて、監視データや偏相関係数行列Λを記憶部５に送信したり、記憶部５から受信したりする。

同様に、図１３に示すごとく、車両７に二次電池２と、データ取得部３と、記憶部５をと配置し、車外に、故障判断部４を配置することもできる。また、図１４に示すごとく、故障判断部４と記憶部５とを両方とも車外に配置することもできる。

本形態の作用効果について説明する。上記構成にすると、記憶部５や故障判断部４を車外に配置できるため、車両７に搭載する部品を少なくすることができ、車両７を軽量化しやすい。また、故障判断部４を、サーバ等のように、計算速度の速い機器によって構成することができる。そのため、故障判断をより短時間で行うことができる。
その他、実施形態１と同様の構成および作用効果を備える。

本発明は上記各実施形態に限定されるものではなく、その要旨を逸脱しない範囲において種々の実施形態に適用することが可能である。

１電池監視システム
３データ取得部
４故障判断部
４１行列算出部
４２異常度算出部
Ｘ₁〜Ｘ_n 監視データ
Λ 偏相関係数行列
λ 偏相関係数
Δ 異常度

Claims

二次電池（２）の状態を監視するための、複数種類の監視データ（Ｘ₁〜Ｘ_n）を取得するデータ取得部（３）と、
上記二次電池が故障したか否かを判断する故障判断部（４）とを備え、
該故障判断部は、
上記監視データを変数としてスパース正則化を行うことにより、上記監視データの偏相関係数行列（Λ）を算出する行列算出部（４１）と、
互いに異なる時期に算出された２つの上記偏相関係数行列の間における、該偏相関係数行列の成分である偏相関係数（λ）の変化量を異常度（Δ）として算出する異常度算出部（４２）とを有し、
算出した上記異常度が予め定められた閾値（Δ_TH）を超えた場合に、上記二次電池が故障したと判断するよう構成されている、電池監視システム（１）。
上記行列算出部は、上記偏相関係数行列を定期的に算出し、上記異常度算出部は、算出した最新の上記偏相関係数行列（Λ_n）と、その直前に算出した上記偏相関係数行列（Λ_n-1）との、２つの上記偏相関係数行列を用いて上記異常度を算出するよう構成されている、請求項１に記載の電池監視システム。
算出した上記偏相関係数行列を記憶する記憶部（５）をさらに備え、上記二次電池および上記データ取得部は、それぞれ車両（７）に搭載されており、上記記憶部と上記故障判断部との少なくとも一方は上記車両の外部に配されている、請求項１又は２に記載の電池監視システム。
上記行列算出部は、上記監視データとして、上記二次電池のＣＣＶと、充放電電流（Ｉ）と、ＳＯＣと、上記二次電池の電池温度（Ｔ_B）とを少なくとも用いて、上記偏相関係数行列を算出するよう構成されている、請求項１〜３のいずれか一項に記載の電池監視システム。