JP2019158831A - 検査方法、検査装置及び学習モデル - Google Patents

検査方法、検査装置及び学習モデル Download PDF

Info

Publication number
JP2019158831A
JP2019158831A JP2018049822A JP2018049822A JP2019158831A JP 2019158831 A JP2019158831 A JP 2019158831A JP 2018049822 A JP2018049822 A JP 2018049822A JP 2018049822 A JP2018049822 A JP 2018049822A JP 2019158831 A JP2019158831 A JP 2019158831A
Authority
JP
Japan
Prior art keywords
power storage
storage element
voltage
element unit
storage cell
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
Application number
JP2018049822A
Other languages
English (en)
Inventor
井上 達也
Tatsuya Inoue
達也 井上
裕也 紀平
Yuya Kihira
裕也 紀平
啓太 中井
Keita Nakai
啓太 中井
佳代 山▲崎▼
Kayo Yamazaki
佳代 山▲崎▼
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.)
GS Yuasa Corp
Original Assignee
GS Yuasa Corp
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 GS Yuasa Corp filed Critical GS Yuasa Corp
Priority to JP2018049822A priority Critical patent/JP2019158831A/ja
Priority to PCT/JP2019/008258 priority patent/WO2019176602A1/ja
Publication of JP2019158831A publication Critical patent/JP2019158831A/ja
Pending legal-status Critical Current

Links

Images

Classifications

    • HELECTRICITY
    • H01ELECTRIC ELEMENTS
    • H01MPROCESSES OR MEANS, e.g. BATTERIES, FOR THE DIRECT CONVERSION OF CHEMICAL ENERGY INTO ELECTRICAL ENERGY
    • H01M10/00Secondary cells; Manufacture thereof
    • H01M10/42Methods or arrangements for servicing or maintenance of secondary cells or secondary half-cells
    • H01M10/48Accumulators combined with arrangements for measuring, testing or indicating the condition of cells, e.g. the level or density of the electrolyte
    • GPHYSICS
    • G01MEASURING; TESTING
    • G01RMEASURING ELECTRIC VARIABLES; MEASURING MAGNETIC VARIABLES
    • G01R31/00Arrangements for testing electric properties; Arrangements for locating electric faults; Arrangements for electrical testing characterised by what is being tested not provided for elsewhere
    • G01R31/36Arrangements for testing, measuring or monitoring the electrical condition of accumulators or electric batteries, e.g. capacity or state of charge [SoC]
    • YGENERAL 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
    • Y02TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02EREDUCTION OF GREENHOUSE GAS [GHG] EMISSIONS, RELATED TO ENERGY GENERATION, TRANSMISSION OR DISTRIBUTION
    • Y02E60/00Enabling technologies; Technologies with a potential or indirect contribution to GHG emissions mitigation
    • Y02E60/10Energy storage using batteries

Landscapes

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

Abstract

【課題】蓄電素子の不良を早期に発見することができる検査方法、検査装置及び学習モデルを提供する。【解決手段】検査方法は、検査対象の蓄電素子ユニットを無通電状態で放置し、前記蓄電素子ユニットに含まれる複数の蓄電素子の夫々の電圧の時間変化、又は前記蓄電素子ユニットの電圧の時間変化を取得し、取得した電圧の時間変化に基づいて、教師あり学習を用いる学習モデルによって、前記蓄電素子ユニットに電圧低下が他の蓄電素子よりも早い蓄電素子が含まれているか否かを判定する。【選択図】図4

Description

本発明は、電圧低下が比較的早い蓄電素子の有無を検査する検査方法、検査装置及び学習モデルに関する。
蓄電素子(Energy Storage Device)は、無停電電源装置、安定化電源に含まれる直流又は交流電源装置等に広く使用されている。また、発電された電力を蓄電しておく大規模なシステムでの蓄電素子の利用が拡大している。本明細書では、蓄電素子とは、蓄電を行う素子全般を指す。蓄電素子の最小単位を蓄電セルと言う。蓄電モジュールは、複数の蓄電セルが直列及び/又は並列に接続された構成となっている。蓄電素子は、蓄電モジュールの形で製造され、使用されることが多い。
蓄電セルは、様々な種類に分類することができる。例えば、蓄電セルには、横巻きにしたシート状の電極板を含むもの、縦巻きにした電極板を含むもの、及び積層させた複数の電極板を含むものがある。また、蓄電セルには、圧迫した状態で蓄電モジュールに組み込まれるものがある。特許文献1には、蓄電素子を圧迫することが記載されている。
特開2016−219257号公報
製造された蓄電セル及び蓄電モジュールは、出荷前に検査を受ける。蓄電セルには、単体の状態では正常であっても、蓄電モジュールに組み込まれた状態では電圧低下が他の蓄電素子よりも早いものがある。これは、蓄電モジュールに組み込まれた状態では、圧迫される又は温度分布が異なる等、単品の状態と比べて蓄電セルの環境が異なるためと考えられる。そのような蓄電セルの有無を判定するために、蓄電モジュールの状態で検査を行う。検査では、蓄電モジュールを無通電の状態で放置し、蓄電セル又は蓄電モジュールの電圧を測定する。電圧低下が早い蓄電セル、又はそのような蓄電セルを含んだ蓄電モジュールでは、正常な蓄電セル又は蓄電モジュールに比べて、時間の経過とともに電圧低下が顕著になる。そのような蓄電セル及び蓄電モジュールを確実に判定するために、ある程度の長さの期間(例えば、二週間)、蓄電モジュールを放置している。このことが、蓄電モジュールの生産性向上の妨げとなっている。また、蓄電モジュールをある程度の期間放置しておくためのスペースが必要となっている。
本発明の目的は、電圧低下が他の蓄電素子よりも早い蓄電素子を早期に発見することができる検査方法、検査装置及び学習モデルを提供することにある。
本発明の一局面に係る検査方法は、検査対象の蓄電素子ユニットを無通電状態で放置し、前記蓄電素子ユニットに含まれる複数の蓄電素子の夫々の電圧の時間変化、又は前記蓄電素子ユニットの電圧の時間変化を取得し、取得した電圧の時間変化に基づいて、教師あり学習を用いる学習モデルによって、前記蓄電素子ユニットに電圧低下が他の蓄電素子よりも早い蓄電素子が含まれているか否かを判定する。ここで、蓄電素子ユニット中の複数の蓄電素子における電圧低下の差が所定範囲内(許容範囲内)であれば、電圧低下が早い蓄電素子は蓄電素子ユニットに含まれていないと判定してもよい。本明細書において「無通電状態」とは、蓄電素子が自己放電などの微弱な放電を行う場合や、制御基板への電源供給のための放電(例えば0.1C以下の通電)を行う場合を含む。
学習モデルは、短い期間の電圧の時間変化に基づいて、蓄電素子ユニットに電圧低下が早い蓄電素子が含まれているか否かを判定できる。このため、蓄電素子ユニットを検査するために蓄電素子ユニットを放置しておく時間を短くすることが可能となる。
蓄電モジュールの外観の例を示す模式図である。 筐体に収納された複数の蓄電セルを示す模式図である。 蓄電モジュールに組み込まれた正常な蓄電セルと電圧低下が早い蓄電セルとの電圧の時間変化を模式的に示すグラフである。 蓄電モジュールの機能構成の例、及び蓄電モジュールの検査を行う検査装置の機能構成の例を示すブロック図である。 制御基板が取り付けられていない状態の蓄電モジュールを検査する例を示すブロック図である。 学習モデルの機能構成例を示す概念図である。 蓄電モジュールを検査する処理の手順を示すフローチャートである。
以下本発明をその実施の形態を示す図面に基づき具体的に説明する。
図1は、蓄電モジュール10の外観の例を示す模式図である。蓄電モジュール10は、直列及び/又は並列に接続された複数の蓄電セル11を含んでいる。蓄電セル11は蓄電素子に対応し、蓄電モジュール10は蓄電素子ユニットに対応する。蓄電セル11は、リチウムイオン電池等の二次電池である。蓄電セル11は、直方体の形状を有している。蓄電セル11の長さが最も短い方向を厚み方向とする。蓄電モジュール10は、保持部材の一例である直方体状の筐体12を備えている。複数の蓄電セル11は、厚み方向に並べられ、筐体12に保持(収納)されている。代替的に、保持部材は、一対のエンドプレートとそれらエンドプレートを繋ぐ複数の締結バーとによって形成されてもよい。夫々の蓄電セル11は正端子及び負端子を有している。複数の蓄電セル11は、図示しないバスバーによって直列及び/又は並列に接続される。
図2は、筐体12に収納された複数の蓄電セル11を示す模式図である。蓄電セル11は、直方体形状のケース内に正極板、負極板及び電解液(又は固体電解質)が収容されてなる。蓄電モジュール10では、複数の蓄電セル11は、厚み方向に圧迫された状態で筐体12に収納されている。図2中には、蓄電セル11を圧迫する方向を矢印で示している。蓄電セル11のケースは金属製であってもよい。蓄電セル11は、図示するようなプリズマティックケースを有するものに限らず、パウチケースを有するものであってもよい。
製造された多数の蓄電セル11の中には、電圧低下が他の蓄電セル11よりも早いものが混在していることがある。図3は、蓄電モジュールに組み込まれた正常な蓄電セル11と電圧低下が早い蓄電セル(以下、「不良の蓄電セル」とも言う)11との電圧の時間変化を模式的に示すグラフである。横軸は蓄電セル11を無通電の状態で放置した時間を示し、縦軸は蓄電セル11の電圧を示す。不良の蓄電セル11の電圧を三角印で示し、正常な蓄電セル11の電圧を丸印で示している。不良の蓄電セル11では、無通電状態で放置した場合の時間経過に従った電圧の低下が、正常な蓄電セル11に比べて大きい。
蓄電セル11には、単体の状態では正常であっても、圧迫された状態では不良となるものがある。蓄電セル11の圧迫によって微小内部短絡の影響が早期に発現すると考えられる。そこで、蓄電セル11が不良であるか否かを検査するために、複数の蓄電セル11を組み込んだ蓄電モジュール10を検査する。圧迫以外にも、温度分布又は複数の蓄電セル11の個体差によって、蓄電モジュール10としての性能不十分が顕在化する場合がある。そのため、蓄電モジュール10を検査する必要がある。
図4は、蓄電モジュール10の機能構成の例、及び蓄電モジュール10の検査を行う検査装置3の機能構成の例を示すブロック図である。蓄電モジュール10は、複数の蓄電セル11に加えて、制御基板(CMU:Cell Monitoring Unit)2を備えている。制御基板2は、図1には示していない。制御基板2は、制御部21、電圧取得部22、温度取得部23及び通信部24を含んでいる。制御部21は、プロセッサ及びメモリを用いて構成されている。制御部21は、制御基板2の動作を制御する。電圧取得部22は、複数の蓄電セル11の夫々の電圧を取得する。温度取得部23は、温度センサを用いて、蓄電モジュール10内の一又は複数の箇所での温度を取得する。
通信部24は、蓄電モジュール10の外部へ情報を送信する機能を有する。通信部24は、電圧取得部22が取得した電圧を示す情報、及び温度取得部23が取得した温度を示す情報を外部へ送信する。蓄電モジュール10が電源として利用される状態では、通信部24は、蓄電モジュール10を管理する管理装置へ情報を送信する。蓄電モジュール10の検査が行われる段階では、通信部24は、検査装置3に接続され、取得された電圧及び温度を示す情報を検査装置3へ送信する。
検査装置3は、制御部31、学習モデル32、記憶部33、入力部34、出力部35、及び通信部36を備えている。検査装置3は、コンピュータで構成されている。検査装置3は複数のコンピュータで構成されていてもよい。
制御部31は、例えば、CPU(Central Processing Unit)と、ROM(Read Only Memory)及びRAM(Random Access Memory)等のメモリとを用いて構成されている。制御部31は、検査装置3全体を制御する。制御部31は、CPU及びGPU(Graphics Processing Unit)、マルチコアCPU、又はTPU(Tensor Processing Unit)を用いて構成されていてもよい。記憶部33は、不揮発性であり、例えば、ハードディスク又は不揮発性メモリを用いて構成されている。記憶部33は、コンピュータプログラム331を記憶している。制御部31は、コンピュータプログラム331に基づく情報処理を実行する。
学習モデル32は、蓄電セル11に関する情報に基づいて、蓄電セル11が不良であるか否かを判定することができる。学習モデル32は、例えば、深層学習などを含む機械学習のためのアルゴリズムを含む。例えば、学習モデル32は、CPUと、RAMと、不揮発性の記憶部に記憶され、RAMにロードされてCPUにより実行されるコンピュータプログラムとを用いて実現されてもよい。学習モデル32は、コンピュータプログラム331に基づく情報処理を制御部31が実行することによって実現されてもよい。学習モデル32は、量子コンピュータを用いて実現されてもよい。
入力部34は、検査装置3の外部からのデータの入力を受け付ける。例えば、入力部34は、キーボード、ポインティングデバイス又はタッチパネル等、使用者の操作によってデータが入力されるユーザインタフェースを含む。入力部34は、電気信号が入力される入力インタフェースを含んでもよい。出力部35は、検査装置3の外部へ情報を出力する。例えば、出力部35は、ディスプレイ、プリンタ、又は電気信号を出力する出力インタフェースを含む。
通信部36は、蓄電モジュール10に接続され、通信部24から送信された情報を受信することができる。検査装置3は、複数の蓄電モジュール10が接続され、通信部36は、複数の蓄電モジュール10から送信された情報を受信してもよい。制御部31は通信部36で受信した情報を記憶部33に記憶させる。
蓄電モジュール10は、制御基板2が取り付けられていない状態、又はバスバーが取り付けられていない状態等、製造途中の状態で検査されてもよい。図5は、制御基板2が取り付けられていない状態の蓄電モジュール10を検査する例を示すブロック図である。蓄電モジュール10は、直列接続された複数の蓄電セル11を含み、制御基板2を含んでいない。蓄電モジュール10の検査が行われる段階では、蓄電モジュール10には、測定器4が接続される。測定器4は、制御部41、電圧取得部42、温度取得部43及び通信部44を含んでいる。
制御部41は、測定器4の動作を制御する。電圧取得部42は、複数の蓄電セル11の夫々の電圧を取得する。例えば、電圧取得部42は、蓄電セル11の正端子及び負端子に接続し、電圧を取得する。温度取得部23は、蓄電モジュール10内の一又は複数の箇所での温度を取得する。例えば、蓄電モジュール10内の一又は複数の箇所に図示しない温度センサを配置し、温度取得部23は、温度センサが測定した温度を取得する。通信部44は、検査装置3に接続され、取得された電圧及び温度を示す情報を検査装置3へ送信する。
検査装置3は、測定器4から送信された情報を通信部36で受信し、記憶部33に記憶する。測定器4は、複数の蓄電モジュール10について蓄電セル11の電圧及び温度を取得してもよい。検査装置3の通信部36は、複数の測定器4から送信された情報を受信してもよい。検査装置3は、測定器4を含んで構成されていてもよい。
次に、本実施形態に係る検査方法を説明する。学習モデル32は、蓄電セル11の電圧の時間変化から蓄電セル11が不良であるか否かを判定するために、機械学習を行う。例えば、機械学習は検査装置3で実行される。
まず、無通電状態の蓄電セルの電圧の時間変化、及び無通電状態の蓄電モジュールの温度の時間変化が取得される。電圧はOCV(Open Circuit Voltage;開回路電圧)である。例えば、単独の蓄電セルについて、電圧の時間変化が取得されてもよい。蓄電モジュールに含まれる複数の蓄電セルの夫々の電圧の時間変化が取得されてもよい。
図3に示すように、時間経過に従って、不良の蓄電セルの電圧はより早く低下し、正常な蓄電セルの電圧との間に差が発生する。時間経過に従って、正常な蓄電セルと不良の蓄電セルとの電圧差は拡大し続ける。ある程度の長さの時間が経過した後では、正常な蓄電セルと不良の蓄電セルとの電圧差は顕著であるので、蓄電セルの電圧に基づいて当該蓄電セルが不良であるか否かを判定することが可能である。例えば、無通電状態で所定時間が経過した後の電圧が所定の閾値未満である場合に、蓄電セルが不良であると判定してもよい。無通電状態で所定時間が経過した後の電圧の初期電圧に対する比率が閾値未満である場合に、蓄電セルが不良であると判定してもよい。電圧の時間変化を一次関数で近似し、時間に対する電圧の変化率の絶対値が閾値を超過する場合に、蓄電セルが不良であると判定してもよい。複数の蓄電セルの中で、通電が行われずに所定時間が経過した後の電圧がより低い方の所定数の蓄電セルを、不良の蓄電セルであると判定してもよい。
電圧の時間変化が取得された複数の蓄電セルの夫々について、不良であるか否かの判定が行われる。判定は人が行ってもよく、コンピュータで行われてもよい。例えば、検査装置3の制御部31は、コンピュータプログラム331に従って、記憶部33に記憶された複数の蓄電セルの夫々の電圧の時間変化に基づいて、夫々の蓄電セルが不良であるか否かを判定してもよい。判定により、夫々の蓄電セルが不良であるか否かが特定される。
蓄電セルの挙動は、蓄電モジュールの温度に応じて異なる。例えば、低温では、正常な蓄電セルであっても性能が低下する。また、蓄電セルを無通電状態で放置するときの最初の充電率によって、蓄電セルの挙動が異なる。例えば、最初の充電率が大きいほど、正常な蓄電セルと不良の蓄電セルとの違いが大きくなる。また、蓄電セルの挙動は、蓄電セルの種類によって異なる。例えば、蓄電セルには、横巻きにしたシート状の電極板を含んだ種類、縦巻きにした電極板を含んだ種類、複数の電極板を厚み方向に積層させた種類、蓄電モジュール10内で圧迫される種類、圧迫されない種類等がある。蓄電モジュールの温度、最初の充電率、及び蓄電セルの種類の別に、蓄電セルが不良であるか否かの判定が行われ、蓄電セルが不良であるか否かが特定される。
複数の蓄電セルの夫々について、電圧の時間変化、蓄電モジュールの温度、最初の充電率、及び蓄電セルの種類と、当該蓄電セルが不良であるか否かを特定した結果とを対応付けた教師データが、作成される。教師データは、例えば、検査装置3の入力部34に入力され、記憶部33に記憶される。教師データに含まれる温度は、温度の時系列であってもよい。
作成された教師データを用いて、学習モデル32の機械学習が行われる。図6は、学習モデル32の機能構成例を示す概念図である。学習モデル32は、電圧の時間変化、温度、充電率、及び蓄電セルの種類が夫々に入力される複数の入力層321と、入力層321からの入力に応じて出力を行う複数の中間層322と、蓄電セルが不良であるか否かの判定結果を出力する出力層323とを備えている。図6には、中間層322が一層である例を示しているが、中間層322は複数層であってもよい。出力層323は複数のノードを有してもよい。電圧の時間変化として、各時点の電圧が夫々一つの入力層321のノードに入力されてもよい。
機械学習では、不良であるか否かが不明な蓄電セルの電圧の時間変化、蓄電モジュールの温度、最初の充電率、及び蓄電セルの種類が入力層321へ入力され、蓄電セルが不良であるか否かの判定結果が出力層323から出力されることができるように、教師データに基づいて学習モデル32のパラメータを調整する機械学習を行う。例えば、検査装置3の制御部31は、コンピュータプログラム331に従って、学習モデル32の機械学習を行う。
検査装置3で機械学習の処理を実行することにより、学習済みの学習モデル32が得られる。機械学習は、検査装置3以外のコンピュータで実行されてもよい。機械学習により学習済みの学習モデル32を表す学習データが作成され、作成された学習データが検査装置3の入力部34に入力される。検査装置3は、学習データを記憶部33に記憶することにより、学習済みの学習モデル32を得る。
図7は、蓄電モジュール10を検査する処理の手順を示すフローチャートである。検査装置3の制御部31は、コンピュータプログラム331に従って以下の処理を実行する。以下、ステップをSと略す。検査対象の蓄電モジュール10では、複数の蓄電セル11の充電率が同一に調整される(S1)。例えば、全ての蓄電セル11を満充電にすることにより、充電率を同一に調整してもよい。蓄電セル11の電圧を測定し、電圧に基づいて充電率を推定し、充電率の高い蓄電セル11を放電させるか、又は充電率の低い蓄電セル11を充電することにより、充電率を同一に調整してもよい。
検査対象の蓄電モジュール10は、次に、無通電状態にされる(S2)。例えば、蓄電モジュール10に通電をするための電線と蓄電モジュール10との接続を切断することにより、蓄電モジュール10を無通電状態にする。蓄電モジュール10は、無通電状態で放置される。蓄電モジュール10が無通電状態で放置されている間、電圧取得部22又は電圧取得部42は、夫々の蓄電セル11の電圧を繰り返し取得し、温度取得部23又は温度取得部43は、蓄電モジュール10の温度を繰り返し取得する。電圧取得部22又は電圧取得部42が取得する電圧はOCVである。
検査装置3の制御部31は、無通電状態で放置された蓄電モジュール10に含まれる複数の蓄電セル11の夫々の電圧の時間変化、及び蓄電モジュール10の温度を取得する(S3)。制御基板2の制御部21は、電圧取得部22が取得した電圧を示す情報、及び温度取得部23が取得した温度を示す情報を、通信部24に、検査装置3へ順次送信させる。又は、測定器4の制御部41は、電圧取得部42が取得した電圧を示す情報、及び温度取得部43が取得した温度を示す情報を、通信部44に、検査装置3へ順次送信させる。検査装置3は、蓄電セル11の電圧を示す情報、及び蓄電モジュール10の温度を示す情報を、通信部36で受信し、記憶部33に記憶する。時間の経過に従って、蓄電セル11の電圧を示す情報及び蓄電モジュール10の温度を示す情報は、順次受信され、順次記憶される。このようにして、夫々の蓄電セル11の電圧の時間変化及び蓄電モジュール10の温度が取得される。S3の処理は取得部に対応する。
検査装置3は、無通電状態での蓄電セル11の最初の充電率、及び蓄電セル11の種類を入力される(S4)。例えば、最初の充電率を示す情報、及び蓄電セル11の種類を示す情報が入力部34に入力され、記憶部33に記憶される。最初の充電率及び蓄電セル11の種類の入力は、S3の処理の最中に行われてもよく、S3の処理よりも前に行われてもよい。また、最初の充電率を示す情報、及び蓄電セル11の種類を示す情報は、予め記憶部33に記憶されていてもよい。
学習モデル32は、次に、蓄電セル11の電圧の時間変化、蓄電モジュール10の温度、蓄電セル11の最初の充電率、及び蓄電セル11の種類に基づいて、夫々の蓄電セル11が不良であるか否かを判定する(S5)。S5では、制御部31は、電圧の時間変化、温度、最初の充電率及び蓄電セル11の種類を示す情報を記憶部33から読み出して学習モデル32に提供する。学習モデル32は、夫々の蓄電セル11について、電圧の時間変化、温度、最初の充電率及び蓄電セル11の種類を示す情報を入力層321へ入力し、蓄電セル11が不良であるか否かの判定結果を出力層323から得る処理を行う。処理で用いられる温度は、蓄電モジュール10内の複数の箇所での温度であってもよく、温度の時系列であってもよく、温度の代表値であってもよい。
学習モデル32は、電圧の時間変化、温度、最初の充電率及び蓄電セル11の種類と蓄電セル11が不良であるか否かとの関係を既に学習しているので、電圧の時間変化、温度、最初の充電率及び蓄電セル11の種類に応じて、夫々の蓄電セル11が不良であるか否かを判定することができる。例えば、学習モデル32は、教師データを作成するために蓄電セルの電圧の時間変化を取得した期間に比べて、より短い期間の電圧の時間変化に基づいて、蓄電セル11が不良であるか否かを判定してもよい。いずれかの蓄電セル11が不良であると判定された場合に、制御部31は、検査対象の蓄電モジュール10に不良の蓄電セル11が含まれていると判定する。S5の処理は判定部に対応する。
制御部31は、次に、蓄電モジュール10の検査結果を出力する(S6)。例えば、制御部31は、ディスプレイである出力部35に検査結果を示す情報を表示させるか、プリンタである出力部35に検査結果を含む画像を記録させる。例えば、夫々の蓄電セル11について不良であるか否かを示す情報が出力されてもよい。蓄電モジュール10に不良の蓄電セル11が含まれているか否かを示す情報が出力されてもよい。使用者は、出力された検査結果を確認することにより、何れの蓄電セル11が不良であるか、又は蓄電モジュール10に不良の蓄電セル11が含まれているか否かを知ることができる。以上で、蓄電モジュール10を検査する処理は終了する。
蓄電モジュール10を検査する処理が終了した後、不良の蓄電セル11が含まれていないとされた蓄電モジュール10は、良品と判定され、出荷が可能となる。不良であると判定された蓄電セル11は処分される。例えば、不良の蓄電セル11が含まれている蓄電モジュール10が処分されてもよい。蓄電モジュール10に含まれる複数の蓄電セル11の内、不良の蓄電セル11を正常な蓄電セル11又は未検査の蓄電セル11と交換してもよい。不良の蓄電セル11が未検査の蓄電セル11と交換された蓄電モジュール10は、再度検査が行われる。
以上詳述した如く、本実施形態においては、蓄電モジュール10を無通電状態で放置し、教師あり学習を用いる学習モデル32により、蓄電モジュール10に不良の蓄電セル11が含まれているか否かを判定する。学習モデル32は、蓄電セル11の電圧の時間変化、温度、最初の充電率、及び蓄電セル11の種類と、蓄電セル11が不良であるか否かを特定した結果とを教師データとして、学習する。蓄電セル11の電圧の時間変化と、蓄電セル11が不良であるか否かを特定した結果とを学習データとすることで、蓄電セル11の電圧の時間変化から蓄電セル11が不良であるか否かを判定する学習モデル32を学習させることができる。学習モデル32を利用することにより、短い期間の電圧の時間変化に基づいて、蓄電セル11が不良であるか否かを判定できる。このため、蓄電モジュール10を検査するために蓄電モジュール10を放置しておく時間を短くすることが可能となる。蓄電モジュール10を放置しておくために必要なスペースを縮小することが可能となる。
蓄電セル11の電圧の時間変化及び温度と、蓄電セル11が不良であるか否かを特定した結果とを学習データとすることで、蓄電モジュール10の温度に応じて、学習モデル32により蓄電セル11が不良であるか否かを判定することができる。温度に応じて蓄電セル11の挙動は異なるものの、学習モデル32により、温度に応じて蓄電セル11が不良であるか否かを正確に判定することが可能となる。これは、空調管理されていない環境において検査を行う場合に有効である。代替的に、学習モデル32は温度の情報を用いることなく学習を行い、検査装置3は、温度の情報を用いることなく蓄電モジュール10を検査してもよい。この場合においても、検査装置3は、電圧の時間変化に基づいて蓄電セル11が不良であるか否かを判定することができる。
複数の蓄電セル11の最初の充電率を同一にした上で、蓄電モジュール10を無通電状態で放置する。最初の充電率を同一にすることにより、正常な蓄電セル11と不良の蓄電セル11との電圧の時間変化の違いが明確になり、蓄電セル11が不良であるか否かの判定が容易となる。蓄電セル11の電圧の時間変化及び最初の充電率と、蓄電セル11が不良であるか否かを特定した結果とを学習データとすることで、最初の充電率に応じて、学習モデル32により蓄電セル11が不良であるか否かを判定することができる。最初の充電率に応じて蓄電セル11の挙動は異なるものの、学習モデル32により、最初の充電率に応じて蓄電セル11が不良であるか否かを正確に判定することが可能となる。代替的に、学習モデル32は最初の充電率の情報を用いることなく学習を行い、検査装置3は、最初の充電率の情報を用いることなく蓄電モジュール10を検査してもよい。この場合においても、検査装置3は、電圧の時間変化に基づいて蓄電セル11が不良であるか否かを判定することができる。
蓄電セル11の電圧の時間変化及び蓄電セル11の種類と、蓄電セル11が不良であるか否かを特定した結果とを学習データとすることで、蓄電セル11の種類別に、学習モデル32により蓄電セル11が不良であるか否かを判定することができる。蓄電セル11の種類によって蓄電セル11の挙動は異なるものの、学習モデル32により、種類別に蓄電セル11が不良であるか否かを正確に判定することが可能となる。特に、蓄電セル11を圧迫した蓄電モジュール10では、圧迫の無い状態で正常であった蓄電セル11でも不良になることがある。このような蓄電セル11を圧迫した蓄電モジュール10でも、蓄電セル11の電圧の時間変化に基づいて、蓄電セル11が不良であるか否かを正確に判定することが可能となる。
検査装置3は、蓄電セル11を圧迫しない蓄電モジュール10についても、蓄電セル11が不良であるか否かを正確に判定することができる。学習モデル32は蓄電セル11の種類の情報を用いることなく学習を行い、検査装置3は、蓄電セル11の種類の情報を用いることなく蓄電モジュール10を検査してもよい。この場合においても、検査装置3は、電圧の時間変化に基づいて蓄電セル11が不良であるか否かを判定することができる。
以上の実施形態においては、検査装置3が蓄電モジュール10と接続され、電圧及び温度の情報を逐次取得する形態を示した。代替的に、検査装置3は、情報を逐次取得しなくてもよい。例えば、検査装置3は、時間経過に応じた電圧又は温度を示す情報が一括して入力されてもよい。本実施形態においては、検査装置3が夫々の蓄電セル11の電圧を取得する。代替的に、検査装置3は、蓄電モジュール10の電圧(OCV)を取得し、取得した電圧の時間変化に基づいて蓄電モジュール10に不良の蓄電セル11が含まれているか否かを判定してもよい。この形態では、学習モデル32は、蓄電モジュールの電圧の時間変化と蓄電モジュールに不良の蓄電セルが含まれているか否かを特定した結果とを含んだ学習データを用いて学習する。
本実施形態においては、複数の蓄電セル11が直列接続されて蓄電モジュール10が構成されている。代替的に、蓄電モジュール10は、他の蓄電セル11に並列に接続されている蓄電セル11を含んだ形態であってもよい。本実施形態においては、蓄電セル11を蓄電素子とした。代替的に、検査装置3は、蓄電モジュール10を蓄電素子とし、複数の蓄電モジュール10が直列及び/又は並列に接続したものを検査対象の蓄電素子ユニットとしてもよい。
本発明のコンセプトを、蓄電素子ユニットの製造方法として実施することもできる。蓄電素子ユニットの製造方法は、検査対象の蓄電素子ユニットを無通電状態で放置し、前記蓄電素子ユニットに含まれる複数の蓄電素子の夫々の電圧の時間変化、又は前記蓄電素子ユニットの電圧の時間変化を取得し、取得した電圧の時間変化に基づいて、教師あり学習を用いる学習モデルによって、前記蓄電素子ユニットに電圧低下が他の蓄電素子よりも早い蓄電素子が含まれているか否かを判定し、制御基板を蓄電素子ユニットに取り付ける。この構成によれば、蓄電素子ユニットの製造効率を向上できる。
蓄電素子ユニットの製造方法は、前記蓄電素子ユニットを無通電状態で放置する前に、前記複数の蓄電素子を圧迫して保持すること、を更に備えてもよい。この構成によれば、圧迫により性能不充分な蓄電素子を顕在化させるので、判定の精度を高めることができる。
蓄電素子ユニットの製造方法は、前記学習モデルによって前記蓄電素子ユニットに電圧低下が早い蓄電素子が含まれているか否かを判定した後に、前記複数の蓄電素子をバスバーで接続すること、を更に備えてもよい。この構成によれば、複数の蓄電素子をバスバーで接続する前に、電圧低下が早い蓄電素子を特定できるので、蓄電素子の交換作業が容易に行える。
本発明は上述した実施の形態の内容に限定されるものではなく、請求項に示した範囲で種々の変更が可能である。即ち、請求項に示した範囲で適宜変更した技術的手段を組み合わせて得られる実施形態も本発明の技術的範囲に含まれる。
10 蓄電モジュール
11 蓄電セル
2 制御基板
22 電圧取得部
23 温度取得部
3 検査装置
32 学習モデル
33 記憶部
331 コンピュータプログラム
4 測定器
42 電圧取得部
43 温度取得部

Claims (8)

  1. 検査対象の蓄電素子ユニットを無通電状態で放置し、
    前記蓄電素子ユニットに含まれる複数の蓄電素子の夫々の電圧の時間変化、又は前記蓄電素子ユニットの電圧の時間変化を取得し、
    取得した電圧の時間変化に基づいて、教師あり学習を用いる学習モデルによって、前記蓄電素子ユニットに電圧低下が他の蓄電素子よりも早い蓄電素子が含まれているか否かを判定する
    検査方法。
  2. 無通電状態での蓄電素子又は蓄電素子ユニットの電圧の時間変化と、当該蓄電素子の電圧低下が早いか否か又は当該蓄電素子ユニットに電圧低下が早い蓄電素子が含まれているか否かを特定した結果とを教師データとして、前記学習モデルの機械学習を行う
    請求項1に記載の検査方法。
  3. 前記教師データは、無通電状態での蓄電素子ユニットの温度を更に含んでおり、
    前記検査対象の蓄電素子ユニットの温度を更に取得し、
    取得した温度にも基づいて、前記学習モデルによって、前記検査対象の蓄電素子ユニットに電圧低下が早い蓄電素子が含まれているか否かを判定する
    請求項2に記載の検査方法。
  4. 前記複数の蓄電素子の充電率を同一にした状態で、前記検査対象の蓄電素子ユニットを無通電放置し、
    前記教師データは、無通電状態での蓄電素子の最初の充電率を更に含んでおり、
    前記検査対象の蓄電素子ユニットを無通電放置したときの前記複数の蓄電素子の最初の充電率にも基づいて、前記学習モデルによって、前記検査対象の蓄電素子ユニットに電圧低下が早い蓄電素子が含まれているか否かを判定する
    請求項2又は3に記載の検査方法。
  5. 前記教師データは、蓄電素子の種類を更に含んでおり、
    前記複数の蓄電素子の種類にも基づいて、前記学習モデルによって、前記検査対象の蓄電素子ユニットに電圧低下が早い蓄電素子が含まれているか否かを判定する
    請求項2乃至4のいずれか一つに記載の検査方法。
  6. 前記検査対象の蓄電素子ユニットに含まれる複数の蓄電素子は圧迫された状態になっている
    請求項1乃至5のいずれか一つに記載の検査方法。
  7. 無通電状態の蓄電素子ユニットに含まれる複数の蓄電素子の夫々の電圧の時間変化、又は前記蓄電素子ユニットの電圧の時間変化を取得する取得部と、
    取得した電圧の時間変化に基づいて、教師あり学習を用いる学習モデルによって、前記蓄電素子ユニットに電圧低下が他の蓄電素子よりも早い蓄電素子が含まれているか否かを判定する判定部と
    を備える検査装置。
  8. 電圧の時間変化を入力される入力層と、電圧低下が他の蓄電素子よりも早い蓄電素子があるか否かの判定結果を出力する出力層と、前記入力層からの入力に基づいて前記出力層に対して出力を行う中間層とを備える学習モデルであって、
    複数の蓄電素子を含んだ蓄電素子ユニットを無通電状態にして得られた前記複数の蓄電素子の夫々の電圧の時間変化、又は前記蓄電素子ユニットの電圧の時間変化を、前記入力層へ入力し、前記蓄電素子ユニットに電圧低下が早い蓄電素子が含まれているか否かの判定結果を前記出力層から得る処理に用いられる
    学習モデル。
JP2018049822A 2018-03-16 2018-03-16 検査方法、検査装置及び学習モデル Pending JP2019158831A (ja)

Priority Applications (2)

Application Number Priority Date Filing Date Title
JP2018049822A JP2019158831A (ja) 2018-03-16 2018-03-16 検査方法、検査装置及び学習モデル
PCT/JP2019/008258 WO2019176602A1 (ja) 2018-03-16 2019-03-04 検査方法、検査装置、学習モデル及び蓄電素子ユニットの製造方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
JP2018049822A JP2019158831A (ja) 2018-03-16 2018-03-16 検査方法、検査装置及び学習モデル

Publications (1)

Publication Number Publication Date
JP2019158831A true JP2019158831A (ja) 2019-09-19

Family

ID=67907636

Family Applications (1)

Application Number Title Priority Date Filing Date
JP2018049822A Pending JP2019158831A (ja) 2018-03-16 2018-03-16 検査方法、検査装置及び学習モデル

Country Status (2)

Country Link
JP (1) JP2019158831A (ja)
WO (1) WO2019176602A1 (ja)

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2021066126A1 (ja) * 2019-10-03 2021-04-08 株式会社Gsユアサ 推定装置、推定方法及びコンピュータプログラム
JP2021183927A (ja) * 2020-05-21 2021-12-02 アクソンデータマシン株式会社 人工知能技術を用いた2次電池の状態推定装置
JP2022522342A (ja) * 2019-11-05 2022-04-18 エルジー エナジー ソリューション リミテッド バッテリー診断装置、バッテリー診断方法及びエネルギー貯蔵システム

Families Citing this family (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2022111692A (ja) * 2021-01-20 2022-08-01 三洋化成工業株式会社 リチウムイオン電池の良否推定方法、リチウムイオン電池の良否推定装置及びコンピュータプログラム

Family Cites Families (12)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JPH0915311A (ja) * 1995-06-26 1997-01-17 Japan Storage Battery Co Ltd 組電池の故障検出装置
FR2740554A1 (fr) * 1995-10-31 1997-04-30 Philips Electronique Lab Systeme de controle de la phase de decharge des cycles de charge-decharge d'une batterie rechargeable, et dispositif hote muni d'une batterie intelligente
JPH09236641A (ja) * 1995-12-28 1997-09-09 Yazaki Corp バッテリー残量容量計測装置
JP3520886B2 (ja) * 1996-03-08 2004-04-19 サンケン電気株式会社 二次電池の状態判定方法
CN101067644B (zh) * 2007-04-20 2010-05-26 杭州高特电子设备有限公司 蓄电池性能分析专家诊断方法
KR100911316B1 (ko) * 2007-08-23 2009-08-11 주식회사 엘지화학 배터리의 장기 특성 예측 시스템 및 방법
JP5235959B2 (ja) * 2010-09-10 2013-07-10 日立ビークルエナジー株式会社 電池コントローラ及び電圧異常検出方法
JP2012069405A (ja) * 2010-09-24 2012-04-05 Toyota Motor Corp 蓄電装置の異常状態検出装置
JP5810116B2 (ja) * 2013-03-14 2015-11-11 古河電気工業株式会社 二次電池状態検出装置および二次電池状態検出方法
US10326294B2 (en) * 2015-07-17 2019-06-18 Dell Products, Lp System and method for green battery conditioning
KR102574257B1 (ko) * 2015-10-30 2023-09-01 삼성전자주식회사 Soh 추정 장치 및 방법과, soh 추정 모델 생성 장치 및 방법
JP6750389B2 (ja) * 2016-08-16 2020-09-02 トヨタ自動車株式会社 バイポーラ電池

Cited By (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2021066126A1 (ja) * 2019-10-03 2021-04-08 株式会社Gsユアサ 推定装置、推定方法及びコンピュータプログラム
JP2021060228A (ja) * 2019-10-03 2021-04-15 株式会社Gsユアサ 推定装置、推定方法及びコンピュータプログラム
JP7451923B2 (ja) 2019-10-03 2024-03-19 株式会社Gsユアサ 推定装置、推定方法及びコンピュータプログラム
JP2022522342A (ja) * 2019-11-05 2022-04-18 エルジー エナジー ソリューション リミテッド バッテリー診断装置、バッテリー診断方法及びエネルギー貯蔵システム
JP7214002B2 (ja) 2019-11-05 2023-01-27 エルジー エナジー ソリューション リミテッド バッテリー診断装置、バッテリー診断方法及びエネルギー貯蔵システム
US11796599B2 (en) 2019-11-05 2023-10-24 Lg Energy Solution, Ltd. Battery diagnosis apparatus, battery diagnosis method and energy storage system
JP2021183927A (ja) * 2020-05-21 2021-12-02 アクソンデータマシン株式会社 人工知能技術を用いた2次電池の状態推定装置
JP7448201B2 (ja) 2020-05-21 2024-03-12 アクソンデータマシン株式会社 人工知能技術を用いた2次電池の状態推定装置

Also Published As

Publication number Publication date
WO2019176602A1 (ja) 2019-09-19

Similar Documents

Publication Publication Date Title
WO2019176602A1 (ja) 検査方法、検査装置、学習モデル及び蓄電素子ユニットの製造方法
Jafari et al. Deterministic models of Li-ion battery aging: It is a matter of scale
US11686699B2 (en) System and method for anomaly detection and total capacity estimation of a battery
JP5071747B2 (ja) 二次電池の検査装置、二次電池の検査方法、二次電池の製造方法
Yang et al. A comprehensive investigation of lithium-ion battery degradation performance at different discharge rates
US11067635B2 (en) Battery cell evaluation system
EP3719515A1 (en) Evaluation device, power storage system, evaluation method, and computer program
CN110133536A (zh) 确定电池组实体内部泄漏电流的指标的系统、方法及设备
JP2013185861A (ja) 蓄電池の自己放電検査装置および蓄電池の自己放電検査方法
CN105518473B (zh) 充放电装置的充电电流的精确检测器
US20230258725A1 (en) Battery abnormality diagnosis apparatus and method
Sadabadi et al. Design and calibration of a semi-empirical model for capturing dominant aging mechanisms of a PbA battery
US20240012065A1 (en) Battery diagnosis apparatus and method
CN110073205A (zh) 用于评估电化学电池质量的系统和方法
WO2018012151A1 (ja) 情報処理装置、制御方法、及びプログラム
Yang et al. A lithium-ion battery RUL prognosis method using temperature changing rate
US20220166075A1 (en) Method for Enhancing a Battery Module Model of a Battery Module Type
JP6038716B2 (ja) 非水電解質二次電池の検査方法
JP2024510318A (ja) 電池検査装置および電池検査システム
CN114089209A (zh) 电池可靠性评估方法及装置
JP2011027435A (ja) 電池試験装置
Park et al. Simultaneous diagnosis of cell aging and internal short circuit faults in lithium-ion batteries using average leakage interval
KR102043645B1 (ko) 이차전지의 불량 검출을 위한 저전압 발현 수준 연산 시스템 및 검출 방법
Kafadarova et al. State of Health Determination of Batteries by Analyzing the Rate of Increase of Their Temperature
JP2011214938A (ja) 鉛蓄電池用バッテリテスタ