JP2021021634A - Estimation device, estimation method, and computer program - Google Patents
Estimation device, estimation method, and computer program Download PDFInfo
- Publication number
- JP2021021634A JP2021021634A JP2019138271A JP2019138271A JP2021021634A JP 2021021634 A JP2021021634 A JP 2021021634A JP 2019138271 A JP2019138271 A JP 2019138271A JP 2019138271 A JP2019138271 A JP 2019138271A JP 2021021634 A JP2021021634 A JP 2021021634A
- Authority
- JP
- Japan
- Prior art keywords
- power storage
- storage unit
- estimation
- state
- behavior
- 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
Links
- 238000000034 method Methods 0.000 title claims abstract description 41
- 238000004590 computer program Methods 0.000 title claims abstract description 13
- 238000004364 calculation method Methods 0.000 claims abstract description 29
- 230000010287 polarization Effects 0.000 claims description 4
- 230000006399 behavior Effects 0.000 description 30
- 238000009792 diffusion process Methods 0.000 description 16
- 238000000157 electrochemical-induced impedance spectroscopy Methods 0.000 description 12
- 238000010586 diagram Methods 0.000 description 8
- 238000005259 measurement Methods 0.000 description 6
- 238000004891 communication Methods 0.000 description 5
- 230000006870 function Effects 0.000 description 5
- 238000012545 processing Methods 0.000 description 4
- 239000011159 matrix material Substances 0.000 description 3
- HBBGRARXTFLTSG-UHFFFAOYSA-N Lithium ion Chemical compound [Li+] HBBGRARXTFLTSG-UHFFFAOYSA-N 0.000 description 2
- 239000003990 capacitor Substances 0.000 description 2
- 238000007599 discharging Methods 0.000 description 2
- 229910001416 lithium ion Inorganic materials 0.000 description 2
- 238000012546 transfer Methods 0.000 description 2
- 230000007704 transition Effects 0.000 description 2
- 239000011149 active material Substances 0.000 description 1
- 239000003792 electrolyte Substances 0.000 description 1
- 239000008151 electrolyte solution Substances 0.000 description 1
- 238000004146 energy storage Methods 0.000 description 1
- 230000010365 information processing Effects 0.000 description 1
- 150000002500 ions Chemical class 0.000 description 1
- 239000004973 liquid crystal related substance Substances 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000000704 physical effect Effects 0.000 description 1
- 238000005070 sampling Methods 0.000 description 1
- 238000004088 simulation Methods 0.000 description 1
- 239000007787 solid Substances 0.000 description 1
- 238000012360 testing method Methods 0.000 description 1
Classifications
-
- 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
- Tests Of Electric Status Of Batteries (AREA)
- Charge And Discharge Circuits For Batteries Or The Like (AREA)
- Secondary Cells (AREA)
Abstract
Description
本発明は、推定装置、推定方法及びコンピュータプログラムに関する。 The present invention relates to an estimation device, an estimation method and a computer program.
近年、リチウムイオン電池などの二次電池は、ノート型パーソナルコンピュータ、スマートフォンなどの携帯端末の電源、再生可能エネルギー蓄電システム、ＩｏＴデバイス電源など、幅広い分野において使用されている。 In recent years, secondary batteries such as lithium-ion batteries have been used in a wide range of fields such as notebook personal computers, power supplies for mobile terminals such as smartphones, renewable energy storage systems, and power supplies for IoT devices.
こうした二次電池を有効活用するために、任意時点における二次電池の挙動を推定することが行われている。二次電池の挙動を推定する手法の１つとして、二次電池を電気回路によって表した等価回路モデルに対し、カルマンフィルタを適用し、ＳＯＣ（State Of Charge）などの二次電池の挙動を推定する手法が知られている（例えば、特許文献１を参照）。 In order to make effective use of such a secondary battery, the behavior of the secondary battery at an arbitrary time point is estimated. As one of the methods for estimating the behavior of a secondary battery, a Kalman filter is applied to an equivalent circuit model in which the secondary battery is represented by an electric circuit, and the behavior of the secondary battery such as SOC (State Of Charge) is estimated. A method is known (see, for example, Patent Document 1).
等価回路モデルを用いた推定手法では、回路要素に関するパラメータ（回路パラメータ）を設定する必要がある。回路パラメータには、例えば、交流インピーダンス法（Electrochemical Impedance Spectroscopy method（以下、ＥＩＳ法という））によって推定された値が用いられる。 In the estimation method using the equivalent circuit model, it is necessary to set the parameters (circuit parameters) related to the circuit elements. For the circuit parameters, for example, values estimated by the AC impedance method (Electrochemical Impedance Spectroscopy method (hereinafter referred to as EIS method)) are used.
しかしながら、ＥＩＳ法による推定値を用いて回路パラメータを設定した場合、大電流を通電したときの二次電池の挙動を正しく模擬できないことがある。 However, when the circuit parameters are set using the estimated values by the EIS method, the behavior of the secondary battery when a large current is applied may not be correctly simulated.
本発明は、大電流が流れる蓄電部の挙動を推定できる推定装置、推定方法及びコンピュータプログラムを提供することを目的とする。 An object of the present invention is to provide an estimation device, an estimation method, and a computer program capable of estimating the behavior of a power storage unit through which a large current flows.
蓄電部の挙動を推定する推定装置は、前記蓄電部の状態に関する観測結果を取得する取得部と、前記蓄電部の等価回路モデルにおける回路パラメータを用いて前記蓄電部の状態を表した状態方程式と、前記観測結果に基づく観測方程式とに対して、カルマンフィルタを適用した推定演算を実行する演算部と、前記カルマンフィルタから逐次得られる状態量に基づき、前記回路パラメータの一部を逐次更新する更新部とを備え、前記演算部による推定演算に基づき、前記蓄電部の挙動を推定する。 The estimation device that estimates the behavior of the power storage unit includes an acquisition unit that acquires observation results regarding the state of the power storage unit and a state equation that expresses the state of the power storage unit using circuit parameters in the equivalent circuit model of the power storage unit. , An arithmetic unit that executes an estimation calculation to which a Kalman filter is applied to an observation equation based on the observation result, and an update unit that sequentially updates a part of the circuit parameters based on the state quantity sequentially obtained from the Kalman filter. The behavior of the power storage unit is estimated based on the estimation calculation by the calculation unit.
蓄電部の挙動を推定する推定方法は、前記蓄電部の状態に関する観測結果を取得し、前記蓄電部の等価回路モデルにおける回路パラメータを用いて前記蓄電部の状態を表した状態方程式と、前記観測結果に基づく観測方程式とに対して、カルマンフィルタを適用した推定演算を実行し、前記カルマンフィルタから逐次得られる状態量に基づき、前記回路パラメータの一部を逐次更新し、前記推定演算に基づき、前記蓄電部の挙動を推定する。 The estimation method for estimating the behavior of the power storage unit is to acquire the observation result regarding the state of the power storage unit, and use the circuit parameters in the equivalent circuit model of the power storage unit to express the state of the power storage unit and the observation. An estimation calculation applying a Kalman filter is executed on the observation equation based on the result, a part of the circuit parameters is sequentially updated based on the state quantity sequentially obtained from the Kalman filter, and the storage is stored based on the estimation calculation. Estimate the behavior of the part.
コンピュータに、蓄電部の挙動を推定させるためのコンピュータプログラムは、前記コンピュータに、前記蓄電部の等価回路モデルにおける回路パラメータを用いて前記蓄電部の状態を表した状態方程式と、前記観測結果に基づく観測方程式とに対して、カルマンフィルタを適用した推定演算を実行し、前記カルマンフィルタから逐次得られる状態量に基づき、前記回路パラメータの一部を逐次更新し、前記推定演算に基づき、前記蓄電部の挙動を推定する処理を実行させる。 The computer program for causing the computer to estimate the behavior of the power storage unit is based on the state equation expressing the state of the power storage unit using the circuit parameters in the equivalent circuit model of the power storage unit and the observation result. An estimation calculation applying a Kalman filter is executed with respect to the observation equation, a part of the circuit parameters is sequentially updated based on the state quantity sequentially obtained from the Kalman filter, and the behavior of the power storage unit is based on the estimation calculation. Is executed.
上記構成により、大電流が流れる蓄電部の挙動を推定できる。 With the above configuration, the behavior of the power storage unit through which a large current flows can be estimated.
蓄電部の挙動を推定する推定装置は、前記蓄電部の状態に関する観測結果を取得する取得部と、前記蓄電部の等価回路モデルにおける回路パラメータを用いて前記蓄電部の状態を表した状態方程式と、前記観測結果に基づく観測方程式とに対して、カルマンフィルタを適用した推定演算を実行する演算部と、前記カルマンフィルタから逐次得られる状態量に基づき、前記回路パラメータの一部を逐次更新する更新部とを備え、前記演算部による推定演算に基づき、前記蓄電部の挙動を推定する。
この構成によれば、カルマンフィルタから逐次得られる状態量に基づき、回路パラメータの一部が逐次更新されるので、大電流を通電した場合の拡散インピーダンスのように、実測が困難な回路パラメータが含まれる場合であっても、適切に推定した値を設定することができる。適切に回路パラメータが設定された等価回路モデルを用いることによって、蓄電部の挙動を正しく推定できる。
The estimation device that estimates the behavior of the power storage unit includes an acquisition unit that acquires observation results regarding the state of the power storage unit and a state equation that expresses the state of the power storage unit using circuit parameters in the equivalent circuit model of the power storage unit. , An arithmetic unit that executes an estimation calculation to which a Kalman filter is applied to an observation equation based on the observation result, and an update unit that sequentially updates a part of the circuit parameters based on the state quantity sequentially obtained from the Kalman filter. The behavior of the power storage unit is estimated based on the estimation calculation by the calculation unit.
According to this configuration, since some of the circuit parameters are sequentially updated based on the state quantity sequentially obtained from the Kalman filter, circuit parameters that are difficult to actually measure are included, such as the diffusion impedance when a large current is applied. Even in this case, an appropriately estimated value can be set. By using an equivalent circuit model in which circuit parameters are set appropriately, the behavior of the power storage unit can be estimated correctly.
推定装置において、前記更新部が更新する回路パラメータは、前記蓄電部の分極特性を模擬するＲＣ並列回路のインピーダンスであってもよい。この構成によれば、大電流を通電した場合の拡散インピーダンスのように、実測が困難な回路パラメータをカルマンフィルタによって推定できる。 In the estimation device, the circuit parameter updated by the update unit may be the impedance of the RC parallel circuit that simulates the polarization characteristics of the power storage unit. According to this configuration, circuit parameters that are difficult to actually measure, such as the diffusion impedance when a large current is applied, can be estimated by the Kalman filter.
推定装置において、前記更新部は、前記状態量と、交流インピーダンス法を用いて推定した前記等価回路モデルの回路パラメータとを用いて、前記ＲＣ並列回路のインピーダンスを更新してもよい。この構成によれば、適切に推定したインピーダンスが設定された等価回路モデルを用いて挙動推定を行うので、蓄電部の挙動を正しく推定できる。 In the estimation device, the updating unit may update the impedance of the RC parallel circuit by using the state quantity and the circuit parameters of the equivalent circuit model estimated by using the AC impedance method. According to this configuration, the behavior is estimated using the equivalent circuit model in which the appropriately estimated impedance is set, so that the behavior of the power storage unit can be estimated correctly.
推定装置において、前記演算部は、前記回路パラメータの初期値として、交流インピーダンス法による推定値を設定してもよい。この構成によれば、技術的に確立された手法により、適当な初期値を得て、状態量の推定精度を向上できる。 In the estimation device, the calculation unit may set an estimated value by the AC impedance method as an initial value of the circuit parameter. According to this configuration, a technically established method can obtain an appropriate initial value and improve the estimation accuracy of the state quantity.
蓄電部の挙動を推定する推定方法は、前記蓄電部の状態に関する観測結果を取得し、前記蓄電部の等価回路モデルにおける回路パラメータを用いて前記蓄電部の状態を表した状態方程式と、前記観測結果に基づく観測方程式とに対して、カルマンフィルタを適用した推定演算を実行し、前記カルマンフィルタから逐次得られる状態量に基づき、前記回路パラメータの一部を逐次更新し、前記推定演算に基づき、前記蓄電部の挙動を推定する。 The estimation method for estimating the behavior of the power storage unit is to acquire the observation result regarding the state of the power storage unit, and use the circuit parameters in the equivalent circuit model of the power storage unit to express the state of the power storage unit and the observation. An estimation calculation applying a Kalman filter is executed on the observation equation based on the result, a part of the circuit parameters is sequentially updated based on the state quantity sequentially obtained from the Kalman filter, and the storage is stored based on the estimation calculation. Estimate the behavior of the part.
コンピュータに、蓄電部の挙動を推定させるためのコンピュータプログラムは、前記コンピュータに、前記蓄電部の等価回路モデルにおける回路パラメータを用いて前記蓄電部の状態を表した状態方程式と、前記観測結果に基づく観測方程式とに対して、カルマンフィルタを適用した推定演算を実行し、前記カルマンフィルタから逐次得られる状態量に基づき、前記回路パラメータの一部を逐次更新し、前記推定演算に基づき、前記蓄電部の挙動を推定する処理を実行させる。 The computer program for causing the computer to estimate the behavior of the power storage unit is based on the state equation expressing the state of the power storage unit using the circuit parameters in the equivalent circuit model of the power storage unit and the observation result. An estimation calculation applying a Kalman filter is executed with respect to the observation equation, a part of the circuit parameters is sequentially updated based on the state quantity sequentially obtained from the Kalman filter, and the behavior of the power storage unit is based on the estimation calculation. Is executed.
図１は、推定装置１を含むシステムの全体構成を説明するブロック図である。本実施の形態に係る推定システムは、推定装置１及び蓄電デバイス２を備える。推定装置１は、パーソナルコンピュータ、サーバ装置などの情報処理装置であり、蓄電デバイス２の挙動を逐次推定し、推定結果を出力する。蓄電デバイス２は、鉛蓄電池、リチウムイオン電池等の二次電池、又はキャパシタ等の再充電可能な蓄電素子（セル）を含む。代替的に、蓄電デバイス２は、複数のセルを直列に接続したモジュール、複数のモジュールを直列に接続したバンク、複数のバンクを並列に接続したドメイン等を含んでもよい。代替的に、蓄電デバイス２は、モジュール、バンク、ドメイン等を含むプラント（例えば蓄電システム）などの設備であってもよい。 FIG. 1 is a block diagram illustrating an overall configuration of a system including an estimation device 1. The estimation system according to the present embodiment includes an estimation device 1 and a power storage device 2. The estimation device 1 is an information processing device such as a personal computer or a server device, and sequentially estimates the behavior of the power storage device 2 and outputs the estimation result. The power storage device 2 includes a lead storage battery, a secondary battery such as a lithium ion battery, or a rechargeable power storage element (cell) such as a capacitor. Alternatively, the power storage device 2 may include a module in which a plurality of cells are connected in series, a bank in which a plurality of modules are connected in series, a domain in which a plurality of banks are connected in parallel, and the like. Alternatively, the power storage device 2 may be equipment such as a plant (eg, power storage system) that includes modules, banks, domains, and the like.
蓄電デバイス２の端子２ａ，２ｂには負荷３が接続される。蓄電デバイス２は、端子２ａ，２ｂ間に接続された負荷３に対して直流電力を供給する。代替的に、蓄電デバイス２の端子２ａ，２ｂには充電装置（不図示）が接続される。蓄電デバイス２は、端子２ａ，２ｂ間に接続された充電装置から直流電力が供給されることによって蓄電する。 The load 3 is connected to the terminals 2a and 2b of the power storage device 2. The power storage device 2 supplies DC power to the load 3 connected between the terminals 2a and 2b. Alternatively, a charging device (not shown) is connected to the terminals 2a and 2b of the power storage device 2. The power storage device 2 stores power by supplying DC power from a charging device connected between the terminals 2a and 2b.
電流センサ４は、蓄電デバイス２を充放電する際の直流電力の電流値を計測し、計測結果を示す信号を推定装置１へ出力する。電圧センサ５は、蓄電デバイス２を充放電する際の直流電力の電流値を計測し、計測結果を示す計測信号を推定装置１へ出力する。 The current sensor 4 measures the current value of the DC power when charging / discharging the power storage device 2, and outputs a signal indicating the measurement result to the estimation device 1. The voltage sensor 5 measures the current value of DC power when charging / discharging the power storage device 2, and outputs a measurement signal indicating the measurement result to the estimation device 1.
推定装置１は、電流センサ４及び電圧センサ５から与えられる計測信号に基づき、蓄電デバイス２の挙動を推定し、推定結果を出力する。推定装置１が推定する蓄電デバイス２の挙動は例えばＳＯＣ（充電状態）である。 The estimation device 1 estimates the behavior of the power storage device 2 based on the measurement signals given from the current sensor 4 and the voltage sensor 5, and outputs the estimation result. The behavior of the power storage device 2 estimated by the estimation device 1 is, for example, SOC (charged state).
図１では、説明のために電流センサ４及び電圧センサ５を含むシステムについて説明した。代替的に、計測された電流及び電圧の関係を示す実験データを用いるのであれば、電流センサ４及び電圧センサ５は省略してもよい。 In FIG. 1, a system including a current sensor 4 and a voltage sensor 5 has been described for explanation. Alternatively, the current sensor 4 and the voltage sensor 5 may be omitted if experimental data showing the relationship between the measured current and the voltage is used.
図２は推定装置１の内部構成を説明するブロック図である。推定装置１は、制御部１１、記憶部１２、入力部１３、操作部１４及び表示部１５を備える。 FIG. 2 is a block diagram illustrating the internal configuration of the estimation device 1. The estimation device 1 includes a control unit 11, a storage unit 12, an input unit 13, an operation unit 14, and a display unit 15.
制御部１１は、ＣＰＵ（Central Processing Unit）、ＲＯＭ（Read Only Memory）、ＲＡＭ（Random Access Memory）などにより構成される。制御部１１が備えるＣＰＵは、ＲＯＭ又は記憶部１２に記憶されている各種コンピュータプログラムをＲＡＭ上に展開して実行することにより、装置全体を本願の推定装置として機能させる。 The control unit 11 is composed of a CPU (Central Processing Unit), a ROM (Read Only Memory), a RAM (Random Access Memory), and the like. The CPU included in the control unit 11 expands and executes various computer programs stored in the ROM or the storage unit 12 on the RAM, thereby causing the entire device to function as the estimation device of the present application.
制御部１１は、上記の構成に限定されるものではなく、複数のＣＰＵ、マルチコアＣＰＵ、ＧＰＵ（Graphics Processing Unit）、マイコン、揮発性又は不揮発性のメモリ等を備える任意の処理回路又は演算回路であってもよい。また、制御部１１は、計測開始指示を与えてから計測終了指示を与えるまでの経過時間を計測するタイマ、数をカウントするカウンタ、日時情報を出力するクロック等の機能を備えていてもよい。 The control unit 11 is not limited to the above configuration, and may be an arbitrary processing circuit or arithmetic circuit including a plurality of CPUs, a multi-core CPU, a GPU (Graphics Processing Unit), a microcomputer, a volatile or non-volatile memory, and the like. There may be. Further, the control unit 11 may have functions such as a timer for measuring the elapsed time from giving the measurement start instruction to the measurement end instruction, a counter for counting the number, and a clock for outputting the date and time information.
記憶部１２は、ＨＤＤ（Hard Disk Drive）、ＳＳＤ（Solid State Drive）等を用いた記憶装置を備える。記憶部１２には、制御部１１によって実行される各種コンピュータプログラム、及びコンピュータプログラムの実行に必要なデータ等が記憶される。記憶部１２に記憶されるコンピュータプログラムには、蓄電デバイス２の挙動を推定する処理を推定装置１に実行させるための推定プログラムＥＰが含まれる。推定プログラムＥＰは単一のコンピュータプログラムであってもよく、複数のコンピュータから構成されるプログラム群であってもよい。 The storage unit 12 includes a storage device that uses an HDD (Hard Disk Drive), an SSD (Solid State Drive), or the like. The storage unit 12 stores various computer programs executed by the control unit 11, data necessary for executing the computer programs, and the like. The computer program stored in the storage unit 12 includes an estimation program EP for causing the estimation device 1 to execute a process of estimating the behavior of the power storage device 2. The estimation program EP may be a single computer program or a group of programs composed of a plurality of computers.
記憶部１２に記憶されるプログラムは、当該プログラムを読み取り可能に記録した非一時的な記録媒体Ｍにより提供されてもよい。記録媒体Ｍは、例えば、ＣＤ−ＲＯＭ、ＵＳＢ（Universal Serial Bus）メモリ、ＳＤ（Secure Digital）カード、マイクロＳＤカード、コンパクトフラッシュ（登録商標）などの可搬型メモリである。この場合、制御部１１は、不図示の読取装置を用いて記録媒体Ｍからプログラムを読み取り、読み取ったプログラムを記憶部１２にインストールする。また、推定装置１が通信部を備える場合、記憶部１２に記憶されるプログラムは通信を介した通信により提供されてもよい。この場合、制御部１１は、通信部を通じてプログラムを取得し、取得したプログラムを記憶部１２にインストールする。 The program stored in the storage unit 12 may be provided by a non-temporary recording medium M in which the program is readablely recorded. The recording medium M is, for example, a portable memory such as a CD-ROM, a USB (Universal Serial Bus) memory, an SD (Secure Digital) card, a micro SD card, and a compact flash (registered trademark). In this case, the control unit 11 reads a program from the recording medium M using a reading device (not shown), and installs the read program in the storage unit 12. Further, when the estimation device 1 includes a communication unit, the program stored in the storage unit 12 may be provided by communication via communication. In this case, the control unit 11 acquires the program through the communication unit and installs the acquired program in the storage unit 12.
また、記憶部１２には、推定プログラムＥＰによる推定処理において用いられる蓄電デバイス２の等価回路モデルＥＣＭが記憶される。等価回路モデルＥＣＭは、回路構成を示す構成情報と、等価回路モデルＥＣＭの回路要素に関するパラメータ（回路パラメータ）とを含み、蓄電デバイス２を電気回路によって模擬するためのモデルである。記憶部１２には、このような等価回路モデルＥＣＭの構成情報及び回路パラメータ等が記憶される。 Further, the storage unit 12 stores the equivalent circuit model ECM of the power storage device 2 used in the estimation process by the estimation program EP. The equivalent circuit model ECM is a model for simulating the power storage device 2 by an electric circuit, including configuration information indicating a circuit configuration and parameters (circuit parameters) related to circuit elements of the equivalent circuit model ECM. The storage unit 12 stores the configuration information, circuit parameters, and the like of such an equivalent circuit model ECM.
更に、記憶部１２は、蓄電デバイス２の情報を記憶する電池テーブルＢＴを有していてもよい。電池テーブルＢＴは、例えば、電池を識別する電池ＩＤ、ユーザを識別するユーザＩＤ、及び電池情報を関連付けて記憶する。電池テーブルＢＴに登録される電池情報は、例えば、正極及び負極の情報、電解液の情報、タブの情報などを含む。正極及び負極の情報とは、正極及び負極の活物質名、厚み、幅、奥行き、開回路電位などの情報である。電解液及びタブの情報とは、イオン種、輸率、拡散係数、導電率などの情報である。また、電池テーブルＢＴには、蓄電デバイスの物理的性質、動作状態、回路構成等の情報を参照するリンクが含まれてもよい。電池テーブルＢＴに記憶されている情報は、蓄電デバイスの挙動を推定する際に、パラメータの一部として利用される。 Further, the storage unit 12 may have a battery table BT for storing the information of the power storage device 2. The battery table BT stores, for example, a battery ID that identifies a battery, a user ID that identifies a user, and battery information in association with each other. The battery information registered in the battery table BT includes, for example, positive electrode and negative electrode information, electrolytic solution information, tab information, and the like. The information on the positive electrode and the negative electrode is information such as the active material name, thickness, width, depth, and open circuit potential of the positive electrode and the negative electrode. The electrolyte and tab information is information such as ion species, transport number, diffusion coefficient, and conductivity. Further, the battery table BT may include a link for referring to information such as the physical properties of the power storage device, the operating state, and the circuit configuration. The information stored in the battery table BT is used as a part of the parameters when estimating the behavior of the power storage device.
入力部１３は、電流センサ４及び電圧センサ５を接続するインタフェースを備え、電流センサ４によって計測された電流値、及び電圧センサ５によって計測された電圧値を取得する。本実施の形態では、入力部１３に電流センサ４及び電圧センサ５が直接的に接続される構成とした。代替的に、推定装置１は、電流センサ４によって計測された電流値、電圧センサ５によって計測された電圧値を有線又は無線の通信により取得してもよい。 The input unit 13 includes an interface for connecting the current sensor 4 and the voltage sensor 5, and acquires the current value measured by the current sensor 4 and the voltage value measured by the voltage sensor 5. In the present embodiment, the current sensor 4 and the voltage sensor 5 are directly connected to the input unit 13. Alternatively, the estimation device 1 may acquire the current value measured by the current sensor 4 and the voltage value measured by the voltage sensor 5 by wired or wireless communication.
操作部１４は、キーボード、マウスなどの入力インタフェースを備えており、ユーザによる操作を受付ける。表示部１５は、液晶ディスプレイ装置などを備えており、ユーザに対して報知すべき情報を表示する。本実施の形態では、推定装置１が操作部１４及び表示部１５を備える構成とした。代替的に、推定装置１の外部にコンピュータを接続し、外部コンピュータを通じて操作を受付け、通知すべき情報を外部コンピュータへ出力する構成であってもよい。この場合、推定装置１は、操作部１４及び表示部１５を備えていなくてもよい。 The operation unit 14 is provided with an input interface such as a keyboard and a mouse, and accepts operations by the user. The display unit 15 includes a liquid crystal display device and the like, and displays information to be notified to the user. In the present embodiment, the estimation device 1 is configured to include an operation unit 14 and a display unit 15. Alternatively, a computer may be connected to the outside of the estimation device 1, an operation may be received through the external computer, and information to be notified may be output to the external computer. In this case, the estimation device 1 does not have to include the operation unit 14 and the display unit 15.
本実施の形態に係る推定装置１は、蓄電デバイス２の等価回路モデルＥＣＭに対してカルマンフィルタを適用し、蓄電デバイス２の挙動を推定する。 The estimation device 1 according to the present embodiment applies a Kalman filter to the equivalent circuit model ECM of the power storage device 2 to estimate the behavior of the power storage device 2.
図３は等価回路モデルＥＣＭの構成例を示す回路図である。図３に一例として示す蓄電デバイス２の等価回路モデルＥＣＭは、電源２１、抵抗素子２２、及びＲＣ並列回路２３を備える。 FIG. 3 is a circuit diagram showing a configuration example of the equivalent circuit model ECM. The equivalent circuit model ECM of the power storage device 2 shown as an example in FIG. 3 includes a power supply 21, a resistance element 22, and an RC parallel circuit 23.
電源２１は、理想電源によって構成されており、無負荷状態の蓄電デバイス２の電圧である開放電圧（以下、ＯＣＶ（Open Circuit Voltage）ともいう）を模擬する。抵抗素子２２は、蓄電デバイス２の内部抵抗を模擬する。ＲＣ並列回路２３は、並列に接続された抵抗素子２３ａとキャパシタ２３ｂとを備え、蓄電デバイス２の分極特性を模擬する。 The power supply 21 is composed of an ideal power supply, and simulates an open circuit voltage (hereinafter, also referred to as OCV (Open Circuit Voltage)) which is a voltage of a power storage device 2 in a no-load state. The resistance element 22 simulates the internal resistance of the power storage device 2. The RC parallel circuit 23 includes a resistance element 23a and a capacitor 23b connected in parallel, and simulates the polarization characteristics of the power storage device 2.
等価回路モデルＥＣＭによって表現される蓄電デバイス２の両端電圧ＵL は、数学的に以下のように記述される。 Voltage across U L of the electric storage device 2 represented by an equivalent circuit model ECM is described as follows mathematically.
開放電圧（ＯＣＶ）はＳＯＣの関数として表すことができる。ＳＯＣは時間ｔの関数である。回路に流れる電流をＩ（ｔ）とすると、抵抗素子２２の両端電圧はＲ0 ×Ｉ（ｔ）である。Ｕ（ｔ）は、蓄電デバイス２の過電圧であり、ＲＣ並列回路２３における電圧降下として表される。 The open circuit voltage (OCV) can be expressed as a function of SOC. SOC is a function of time t. Assuming that the current flowing through the circuit is I (t), the voltage across the resistance element 22 is R 0 × I (t). U (t) is an overvoltage of the power storage device 2 and is represented as a voltage drop in the RC parallel circuit 23.
数１を時間ステップｋによって離散化した場合、蓄電デバイス２の内部状態は、例えば数２に示す状態量ｘ（ｋ）によって表される。状態量ｘ（ｋ）は状態ベクトルとも呼ばれる。 When the number 1 is discretized by the time step k, the internal state of the power storage device 2 is represented by, for example, the state quantity x (k) shown in the number 2. The state quantity x (k) is also called a state vector.
数２において、Ｕ（ｋ）は抵抗素子２３ａにおける電圧降下を表す。このとき、数３に示す状態方程式が得られ、数４に示す観測方程式が得られる。 In Equation 2, U (k) represents the voltage drop in the resistance element 23a. At this time, the equation of state shown in Equation 3 is obtained, and the observation equation shown in Equation 4 is obtained.
数３において、ｘ（ｋ）は時間ステップｋにおける状態ベクトルを表し、ｘ（ｋ＋１）は次の時間ステップｋ＋１における状態ベクトルを表している。Δｔはサンプリング時間、ＦＣＣは蓄電デバイス２の満充電容量、ｕ（ｋ）は蓄電デバイス２に流れる電流、ｖ（ｋ）はシステム雑音を表す。システム雑音ｖ（ｋ）は平均値０、分散σv 2の正規性白色雑音である。 In Equation 3, x (k) represents the state vector in the time step k, and x (k + 1) represents the state vector in the next time step k + 1. Δt is the sampling time, FCC is the full charge capacity of the power storage device 2, u (k) is the current flowing through the power storage device 2, and v (k) is the system noise. The system noise v (k) is a normal white noise having an average value of 0 and a variance of σ v 2 .
数４において、ｙ（ｋ）は観測ベクトルを表す。本実施の形態では、観測ベクトルｙ（ｋ）は蓄電デバイス２の両端電圧ＵL （ｋ）に設定される。ｗ（ｋ）は観測雑音を表す。観測雑音は平均値０、分散σw 2のｖ（ｋ）と独立な正規性白色雑音である。 In equation 4, y (k) represents the observation vector. In the present embodiment, the observation vector y (k) is set to the voltage UL (k) across the power storage device 2. w (k) represents the observed noise. The observed noise is normal white noise independent of v (k) with an average value of 0 and a variance of σ w 2 .
制御部１１は、数３に示す状態方程式と、数４に示す観測方程式とによって記述されるシステムに対し、カルマンフィルタ（より具体的には拡張カルマンフィルタ）を適用することによって、ＳＯＣの推定値を求めることができる。 The control unit 11 obtains an estimated value of SOC by applying a Kalman filter (more specifically, an extended Kalman filter) to the system described by the equation of state shown in Equation 3 and the observation equation shown in Equation 4. be able to.
図４は拡張カルマンフィルタが適用されるシステムの概略を説明するブロック線図である。図４に示す拡張カルマンフィルタでは、ＲＣ並列回路２３の抵抗素子２３ａを電荷移動抵抗及び拡散抵抗とみなし、周波数依存性を追加した拡散インピーダンスＺf として記載している。拡散インピーダンスＺf は、ＳＯＣ、温度Ｔ、電流Ｉ、及び周波数ｆの関数である。拡散インピーダンスＺf は、以下の計算式により計算される。 FIG. 4 is a block diagram illustrating an outline of a system to which the extended Kalman filter is applied. In the extended Kalman filter shown in FIG. 4, the resistance element 23a of the RC parallel circuit 23 is regarded as a charge transfer resistance and a diffusion resistance, and is described as a diffusion impedance Z f with frequency dependence added. The diffusion impedance Z f is a function of SOC, temperature T, current I, and frequency f. The diffusion impedance Z f is calculated by the following formula.
ここで、Ｒct は電荷移動抵抗、Ｒd は拡散抵抗、Ｒd0は近似係数、ｔは通電時間である。 Here, R ct is the charge transfer resistance, R d is the diffusion resistance, R d0 is the approximation coefficient, and t is the energization time.
制御部１１は、図４に示す拡張カルマンフィルタを用いてＳＯＣを推定する。
図５は制御部１１が実行する処理の手順を説明するフローチャートである。制御部１１は、時間ステップｋを初期値（ｋ＝０）に設定すると共に（ステップＳ１０１）、等価回路モデルＥＣＭの回路パラメータの初期値を設定する（ステップＳ１０２）。本実施の形態では、状態量ｘ（ｋ）の推定精度向上のために、ＯＣＶ，Ｒ0 ，Ｃ1 には、ＥＩＳ法により多項式近似（例えば６次式近似）して得られる値が用いられる。ＥＩＳ法を用いてＯＣＶ，Ｒ0 ，Ｃ1 を計算する手法は公知であるため、その詳細な説明を省略する。
The control unit 11 estimates the SOC using the extended Kalman filter shown in FIG.
FIG. 5 is a flowchart illustrating a procedure of processing executed by the control unit 11. The control unit 11 sets the time step k to the initial value (k = 0) (step S101) and sets the initial value of the circuit parameter of the equivalent circuit model ECM (step S102). In the present embodiment, in order to improve the estimation accuracy of the state quantity x (k), values obtained by polynomial approximation (for example, sixth-order approximation) by the EIS method are used for OCV, R 0 , and C 1. .. Since the method for calculating OCV, R 0 , and C 1 using the EIS method is known, detailed description thereof will be omitted.
次いで、制御部１１は、内部パラメータの初期値が与えられた等価回路モデルＥＣＭに対して拡張カルマンフィルタを適用することによって、ｋ＝０の実験データを入力したときの内部状態（ＳＯＣ，Ｕ）及び誤差情報を推定する（ステップＳ１０３）。実験データは、例えば、時間ステップｋに応じて電池電圧を段階的に変動させたときの電池電圧及び電流の関係を示すデータである。 Next, the control unit 11 applies an extended Kalman filter to the equivalent circuit model ECM to which the initial values of the internal parameters are given, so that the internal state (SOC, U) and the internal state (SOC, U) when the experimental data of k = 0 is input. Estimate the error information (step S103). The experimental data is, for example, data showing the relationship between the battery voltage and the current when the battery voltage is changed stepwise according to the time step k.
次いで、制御部１１は、時間ステップｋを１だけインクリメントする（ステップＳ１０４）。前回推定した内部状態と時間ステップｋの実験データとに基づき、新たに内部状態を推定すると共に、新たに推定した内部状態の誤差情報を推定する（ステップＳ１０５）。内部状態に関する事前状態推定量ｘ- （ｋ）は、以下の数６により与えられ、誤差情報を表す事前誤差共分散行列Ｐ- （ｘ）は、以下の数７により与えられる。 Next, the control unit 11 increments the time step k by 1 (step S104). Based on the previously estimated internal state and the experimental data of the time step k, the internal state is newly estimated and the error information of the newly estimated internal state is estimated (step S105). Pre state estimator about internal states x - (k) is given by the following Equation 6, pre-error covariance matrix P represents the error information - (x) is given by the following equation (7).
制御部１１は、新たに推定した内部状態から蓄電デバイス２の両端電圧ＵL を推定できる。例えば、制御部１１は、ＳＯＣ−ＯＣＶ特性に基づき、推定したＳＯＣからＯＣＶを算出し、ＯＣＶ、Ｕ0 、及びＵの総和に基づき、両端電圧ＵL を推定できる。ここで、Ｕ0 はＲ0 （ｋ）×ｕ（ｋ）である。 Control unit 11 may estimate the voltage across U L of the electric storage device 2 from the newly estimated internal state. For example, the control unit 11, based on the SOC-OCV characteristics, calculates the OCV from the estimated SOC, OCV, based on the sum of U 0, and U, it can be estimated voltage across U L. Here, U 0 is R 0 (k) × u (k).
次いで、制御部１１は、内部状態の推定の際に得られるＵ（ｋ）に基づき、前述の拡散インピーダンスＺf を推定し、等価回路モデルＥＣＭにおける回路パラメータの一部（Ｚｆ）を更新する（ステップＳ１０６）。 Next, the control unit 11 estimates the above-mentioned diffusion impedance Z f based on the U (k) obtained when estimating the internal state, and updates a part (Z f ) of the circuit parameters in the equivalent circuit model ECM. (Step S106).
次いで、制御部１１は、予測した両端電圧ＵL と実験データとの比較結果に基づき、ステップＳ１０５にて推定した内部状態を最小化するカルマンゲインｇ（ｋ）を生成する（ステップＳ１０７）。カルマンゲインｇ（ｋ）は以下の数８により与えられ、数８における係数行列ｃT （ｋ）は数９により与えられる。 Then, the control unit 11, based on the comparison result between the voltage across U L and experimental data predicted, the Kalman gain is generated g (k) that minimizes the internal state estimated in step S105 (step S107). The Kalman gain g (k) is given by Equation 8 below, and the coefficient matrix c T (k) in Equation 8 is given by Equation 9.
次いで、制御部１１は、新たに推定した内部状態及び誤差情報を、カルマンゲインｇ（ｋ）を用いて補正する（ステップＳ１０８）。補正後の状態推定量は数１０により与えられ、そのときの誤差情報である事後誤差共分散行列は数１１により与えられる。 Next, the control unit 11 corrects the newly estimated internal state and error information by using the Kalman gain g (k) (step S108). The corrected state estimator is given by equation tens, and the posterior error covariance matrix, which is the error information at that time, is given by equation 11.
内部状態及び誤差情報を補正した後、制御部１１は、処理をステップＳ１０４へ戻し、ステップＳ１０４からステップＳ１０８までの処理を繰り返すことによって、各時間ステップｋにおけるＳＯＣを推定する。 After correcting the internal state and the error information, the control unit 11 returns the process to step S104 and repeats the processes from step S104 to step S108 to estimate the SOC in each time step k.
図６は拡散インピーダンスＺf の推定結果を示すグラフである。図６の左欄に示す３つのグラフは、蓄電デバイス２に対して５０Ａを通電したときのＳＯＣに対する拡散インピーダンスＺf の推移を示している。左欄の上段は温度が１０℃のグラフ、中段は温度が２５℃のグラフ、下段は温度が４５℃のグラフを示している。同様に、図６の右欄に示す３つのグラフは、蓄電デバイス２に対して１００Ａを通電したときのＳＯＣに対する拡散インピーダンスＺf の推移を示している。左欄の上段は温度が１０℃のグラフ、中段は温度が２５℃のグラフ、下段は温度が４５℃のグラフを示している。各グラフにおける横軸はＳＯＣを表し、縦軸は拡散インピーダンスＺf を表している。 FIG. 6 is a graph showing the estimation result of the diffusion impedance Z f . The three graphs shown in the left column of FIG. 6 show the transition of the diffusion impedance Z f with respect to the SOC when 50 A is applied to the power storage device 2. The upper part of the left column shows a graph with a temperature of 10 ° C., the middle part shows a graph with a temperature of 25 ° C., and the lower part shows a graph with a temperature of 45 ° C. Similarly, the three graphs shown in the right column of FIG. 6 show the transition of the diffusion impedance Z f with respect to the SOC when 100 A is applied to the power storage device 2. The upper part of the left column shows a graph with a temperature of 10 ° C., the middle part shows a graph with a temperature of 25 ° C., and the lower part shows a graph with a temperature of 45 ° C. In each graph, the horizontal axis represents SOC and the vertical axis represents diffusion impedance Z f .
各グラフにおいて、濃淡が比較的濃い丸印によりプロットされているグラフは、本願手法を用いた拡散インピーダンスＺf の推定値を示している。一方、濃淡が比較的薄い丸印によりプロットされているグラフは、ＥＩＳ法による推定値を示している。実線は近似式を表している。 In each graph, the graph in which the shades are plotted by relatively dark circles shows the estimated value of the diffusion impedance Z f using the method of the present application. On the other hand, the graph in which the shades are plotted by the relatively light circles shows the estimated value by the EIS method. The solid line represents the approximate expression.
このグラフから、大電流を流した際の拡散インピーダンスＺf は、従来のＥＩＳ法では近似式から大きくずれるのに対し、本願手法では、比較的良く再現することが分かる。 From this graph, it can be seen that the diffusion impedance Z f when a large current is passed deviates significantly from the approximate expression in the conventional EIS method, but is reproduced relatively well in the method of the present application.
図７は電池電圧の推定結果を示すグラフである。図７に示すグラフの横軸は、試験時間（ｓｅｃ）、縦軸は電池電圧（Ｖ）を表している。図７では、参照のため、交流インピーダンス法（ＥＩＳ法）を用いて推定した電池電圧の推定結果を併せて示している。従来のＥＩＳ法を用いた推定結果では、全体的に電池電圧が低く推移しており、実電池の測定値と大きく乖離しているのに対し、本願手法では、ＳＯＣを同時推定しているので、図に示す時間範囲において、実電池の測定値を比較的良く再現することが可能となった。 FIG. 7 is a graph showing the estimation result of the battery voltage. The horizontal axis of the graph shown in FIG. 7 represents the test time (sec), and the vertical axis represents the battery voltage (V). In FIG. 7, for reference, the estimation result of the battery voltage estimated by using the AC impedance method (EIS method) is also shown. In the estimation result using the conventional EIS method, the battery voltage is generally low and deviates greatly from the measured value of the actual battery, whereas in the method of the present application, the SOC is estimated at the same time. In the time range shown in the figure, it became possible to reproduce the measured value of the actual battery relatively well.
すなわち、大電流（例えば、５０Ａ以上、数百Ａ以下）を通電した場合、従来のＥＩＳ法を用いた等価回路モデルでは、電池挙動を正しく模擬することができない。典型的なＥＩＳ測定器は、１Ａ以下の電流を単一のセルに入力して、その単一セルの挙動から、回路パラメータを設定する。上述のような大電流が流れる蓄電部を模擬する等価回路モデルの回路パラメータを設定するＥＩＳ測定器は、市販されておらず、構築するには多大な投資が必要とされる。これに対し、本実施の形態では、拡張カルマンフィルタを用いて推定したＳＯＣ及び分極電圧（Ｕ）を逐次的に等価回路モデルに反映させて推定を行うので、実電池の挙動を比較的良く再現することができる。 That is, when a large current (for example, 50 A or more and several hundred A or less) is applied, the battery behavior cannot be correctly simulated by the equivalent circuit model using the conventional EIS method. A typical EIS measuring instrument inputs a current of 1 A or less into a single cell and sets circuit parameters from the behavior of the single cell. The EIS measuring instrument that sets the circuit parameters of the equivalent circuit model that simulates the power storage unit through which a large current flows as described above is not commercially available, and a large investment is required to construct it. On the other hand, in the present embodiment, the SOC and the polarization voltage (U) estimated by using the extended Kalman filter are sequentially reflected in the equivalent circuit model for estimation, so that the behavior of the actual battery is reproduced relatively well. be able to.
今回開示された実施形態は、全ての点において例示であって、制限的なものではないと考えられるべきである。本発明の範囲は、上述した意味ではなく、特許請求の範囲によって示され、特許請求の範囲と均等の意味及び範囲内での全ての変更が含まれることが意図される。 The embodiments disclosed this time should be considered as exemplary in all respects and not restrictive. The scope of the present invention is indicated by the scope of claims, not the above-mentioned meaning, and is intended to include all modifications within the meaning and scope equivalent to the scope of claims.
例えば、本実施の形態では、ＳＯＣ（ｋ）及びＵ（ｋ）を要素として含む状態量ｘ（ｋ）を用いて、状態方程式を記述した。代替的に、ＳＯＣ（ｋ）及びＵ（ｋ）に加え、Ｒ0 を要素として含む状態量ｘ（ｋ）を用いて、状態方程式を記述してもよい。
本明細書に開示の技術に基づき、各種シミュレーションの精度を向上できる。例えば、入力として電力（Ｐ）を電池モデル（等価回路モデル）に与えたときの、電流（Ｉ）、電圧（Ｖ）、温度（Ｔ）を出力する、ＩＶＴシミュレータによる計算精度を向上できる。これにより、電池寿命シミュレータによる計算精度も向上できる。
代替的に、自動車業界で主流のＭＩＬＳ（モデルインループシステム）に使用するための適切な電池モデルを、電池メーカーから自動車メーカー又は自動車部品メーカーに提供できる。
代替的に、産業用途の蓄電システムの実運用データ（充放電データ）を、現地で又は遠隔から取得して、電池モデルに反映することができる。蓄電システムのビッグデータを有効活用できる。
For example, in the present embodiment, the equation of state is described using the state quantity x (k) containing SOC (k) and U (k) as elements. Alternatively, the equation of state may be described using a state quantity x (k) containing R0 as an element in addition to SOC (k) and U (k).
Based on the techniques disclosed in this specification, the accuracy of various simulations can be improved. For example, when electric power (P) is applied to a battery model (equivalent circuit model) as an input, the calculation accuracy by an IVT simulator that outputs current (I), voltage (V), and temperature (T) can be improved. As a result, the calculation accuracy of the battery life simulator can be improved.
Alternatively, a suitable battery model for use in the mainstream MILS (model-in-loop system) in the automotive industry can be provided by the battery manufacturer to the automotive manufacturer or automotive component manufacturer.
Alternatively, the actual operation data (charge / discharge data) of the power storage system for industrial use can be acquired locally or remotely and reflected in the battery model. The big data of the power storage system can be effectively used.
１ 推定装置
１１ 制御部
１２ 記憶部
１３ 入力部
１４ 操作部
１５ 表示部
２ 蓄電デバイス
ＥＰ 推定プログラム
ＥＣＭ 等価回路モデル
1 Estimator 11 Control unit 12 Storage unit 13 Input unit 14 Operation unit 15 Display unit 2 Power storage device EP estimation program ECM equivalent circuit model
Claims (6)
前記蓄電部の状態に関する観測結果を取得する取得部と、
前記蓄電部の等価回路モデルにおける回路パラメータを用いて前記蓄電部の状態を表した状態方程式と、前記観測結果に基づく観測方程式とに対して、カルマンフィルタを適用した推定演算を実行する演算部と、
前記カルマンフィルタから逐次得られる状態量に基づき、前記回路パラメータの一部を逐次更新する更新部と
を備え、
前記演算部による推定演算に基づき、前記蓄電部の挙動を推定する
推定装置。 It is an estimation device that estimates the behavior of the power storage unit.
An acquisition unit that acquires observation results regarding the state of the power storage unit, and
An arithmetic unit that executes an estimation calculation by applying a Kalman filter to a state equation that expresses the state of the electric storage unit using circuit parameters in the equivalent circuit model of the electric storage unit and an observation equation based on the observation result.
It is provided with an update unit that sequentially updates a part of the circuit parameters based on the state quantity sequentially obtained from the Kalman filter.
An estimation device that estimates the behavior of the power storage unit based on the estimation calculation by the calculation unit.
請求項１に記載の推定装置。 The estimation device according to claim 1, wherein the circuit parameter updated by the update unit is an impedance of an RC parallel circuit that simulates the polarization characteristics of the power storage unit.
請求項２に記載の推定装置。 The estimation device according to claim 2, wherein the updating unit updates the impedance of the RC parallel circuit by using the state quantity and the circuit parameters of the equivalent circuit model estimated by using the AC impedance method.
請求項１から請求項３の何れか１つに記載の推定装置。 The estimation device according to any one of claims 1 to 3, wherein the calculation unit sets an estimated value by an AC impedance method as an initial value of the circuit parameter.
前記蓄電部の状態に関する観測結果を取得し、
前記蓄電部の等価回路モデルにおける回路パラメータを用いて前記蓄電部の状態を表した状態方程式と、前記観測結果に基づく観測方程式とに対して、カルマンフィルタを適用した推定演算を実行し、
前記カルマンフィルタから逐次得られる状態量に基づき、前記回路パラメータの一部を逐次更新し、
前記推定演算に基づき、前記蓄電部の挙動を推定する
推定方法。 It is an estimation method that estimates the behavior of the power storage unit.
Obtain the observation result regarding the state of the power storage unit,
An estimation calculation applying a Kalman filter is executed on the state equation expressing the state of the power storage unit using the circuit parameters in the equivalent circuit model of the power storage unit and the observation equation based on the observation result.
A part of the circuit parameters is sequentially updated based on the state quantity sequentially obtained from the Kalman filter.
An estimation method that estimates the behavior of the power storage unit based on the estimation calculation.
前記コンピュータに、
前記蓄電部の状態に関する観測結果を取得し、
前記蓄電部の等価回路モデルにおける回路パラメータを用いて前記蓄電部の状態を表した状態方程式と、前記観測結果に基づく観測方程式とに対して、カルマンフィルタを適用した推定演算を実行し、
前記カルマンフィルタから逐次得られる状態量に基づき、前記回路パラメータの一部を逐次更新し、
前記推定演算に基づき、前記蓄電部の挙動を推定する
処理を実行させるためのコンピュータプログラム。 A computer program that allows a computer to estimate the behavior of the power storage unit.
On the computer
Obtain the observation result regarding the state of the power storage unit,
An estimation calculation applying a Kalman filter is executed on the state equation expressing the state of the power storage unit using the circuit parameters in the equivalent circuit model of the power storage unit and the observation equation based on the observation result.
A part of the circuit parameters is sequentially updated based on the state quantity sequentially obtained from the Kalman filter.
A computer program for executing a process of estimating the behavior of the power storage unit based on the estimation calculation.
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| JP2019138271A JP2021021634A (en) | 2019-07-26 | 2019-07-26 | Estimation device, estimation method, and computer program |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| JP2019138271A JP2021021634A (en) | 2019-07-26 | 2019-07-26 | Estimation device, estimation method, and computer program |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| JP2021021634A true JP2021021634A (en) | 2021-02-18 |
Family
ID=74574769
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| JP2019138271A Pending JP2021021634A (en) | 2019-07-26 | 2019-07-26 | Estimation device, estimation method, and computer program |
Country Status (1)
| Country | Link |
|---|---|
| JP (1) | JP2021021634A (en) |
Citations (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2007187534A (en) * | 2006-01-12 | 2007-07-26 | Furukawa Electric Co Ltd:The | Method and apparatus for determining battery discharge capacity and power supply system |
| JP2016099123A (en) * | 2014-11-18 | 2016-05-30 | 学校法人立命館 | Power storage residual amount estimation device, method for estimating power storage residual amount of secondary battery and computer program |
| JP2017138128A (en) * | 2016-02-01 | 2017-08-10 | 株式会社デンソー | Battery state estimation device |
-
2019
- 2019-07-26 JP JP2019138271A patent/JP2021021634A/en active Pending
Patent Citations (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2007187534A (en) * | 2006-01-12 | 2007-07-26 | Furukawa Electric Co Ltd:The | Method and apparatus for determining battery discharge capacity and power supply system |
| JP2016099123A (en) * | 2014-11-18 | 2016-05-30 | 学校法人立命館 | Power storage residual amount estimation device, method for estimating power storage residual amount of secondary battery and computer program |
| JP2017138128A (en) * | 2016-02-01 | 2017-08-10 | 株式会社デンソー | Battery state estimation device |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| KR102219397B1 (en) | Secondary battery management system with remote parameter estimation | |
| Lai et al. | Capacity estimation of lithium-ion cells by combining model-based and data-driven methods based on a sequential extended Kalman filter | |
| TWI384246B (en) | Apparatus and method for estimating resistance characteristics of battery based on open circuit voltage estimated by battery voltage variation | |
| CN110488194B (en) | Lithium battery SOC estimation method and system based on electrochemical impedance model | |
| JP5058814B2 (en) | Battery state and parameter estimation system and method | |
| CN114705990B (en) | Method and system for estimating state of charge of battery cluster, electronic device and storage medium | |
| EP2851700B1 (en) | Method and terminal for displaying capacity of battery | |
| Yu et al. | Fractional-order modeling of lithium-ion batteries using additive noise assisted modeling and correlative information criterion | |
| JP6221884B2 (en) | Estimation program, estimation method, and estimation apparatus | |
| JPWO2014185163A1 (en) | Battery state estimation device, battery state management system, battery, battery state estimation method, and program | |
| JP2015524048A (en) | Estimating battery charge | |
| CN109814037A (en) | Acquisition methods, terminal device and the medium of the hot coefficient of lithium ion battery entropy | |
| CN114545262A (en) | Lithium ion battery parameter identification and SOC estimation method aiming at loss data | |
| JP2016065828A (en) | Estimation program, estimation method and estimation device | |
| Rodríguez-Iturriaga et al. | A physics-based fractional-order equivalent circuit model for time and frequency-domain applications in lithium-ion batteries | |
| Bensaad et al. | Embedded real-time fractional-order equivalent circuit model for internal resistance estimation of lithium-ion cells | |
| Monirul et al. | Accurate SOC estimation of ternary lithium-ion batteries by HPPC test-based extended Kalman filter | |
| US20210155117A1 (en) | Vehicle and control method thereof | |
| US20220237342A1 (en) | Development support apparatus, development support method, and state detection method | |
| JP2021021634A (en) | Estimation device, estimation method, and computer program | |
| CN115825746A (en) | Estimation method and device for battery state of lithium battery | |
| CN118541613A (en) | Method, device, equipment, medium and program product for acquiring battery lithium separation window | |
| KR20150034593A (en) | Method and apparatus for state of charge estimation of battery | |
| US11480615B2 (en) | Apparatus and method for estimating SOC of battery | |
| KR101741587B1 (en) | A method for measuring a series resistance of a secondary battery |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20220512 |
|
| A977 | Report on retrieval |
Free format text: JAPANESE INTERMEDIATE CODE: A971007 Effective date: 20230228 |
|
| A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20230307 |
|
| A601 | Written request for extension of time |
Free format text: JAPANESE INTERMEDIATE CODE: A601 Effective date: 20230428 |
|
| A02 | Decision of refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A02 Effective date: 20230905 |