JP2021034320A - 二次電池モジュールの温度推定方法、劣化状態推定方法及び寿命予測方法、二次電池モジュールの温度推定装置、劣化状態推定装置及び寿命予測装置並びに充電装置 - Google Patents

Abstract

【課題】二次電池モジュールを構成する二次電池の温度情報が得られない場合でも、二次電池の温度を推定し、そのうえで、二次電池の劣化状態の算出、さらには二次電池の寿命の予測を可能とする。
【解決手段】二次電池モジュールの温度を推定する方法であって、充電時に二次電池モジュールに供給する電流及び電圧並びに充電時間を含む充電特性データを取得する工程と、充電特性データと、データベースに格納されている既存の充電特性データと温度との相関データと、を照合して、二次電池モジュールを構成する二次電池の温度を推定する工程と、を含む。
【選択図】図８

Description

本発明は、二次電池モジュールの温度推定方法、劣化状態推定方法及び寿命予測方法、二次電池モジュールの温度推定装置、劣化状態推定装置及び寿命予測装置並びに充電装置に関する。

現在、地球環境問題が大きくクローズアップされてきており、地球温暖化を防止するために、あらゆる場面で炭酸ガスの排出削減が求められている。こうした背景から、炭酸ガスの大きな排出源の一つであるガソリンエンジンを使用した自動車については、ハイブリッド電気自動車や電気自動車などへの代替が進んでいる。ハイブリッド電気自動車や電気自動車の動力用電源に代表される大型の二次電池は、高出力・大容量であることが必要である。そのため、こうした大型の二次電池を構成する蓄電池モジュールは、一般に、複数の電池セルを直並列に接続して構成されている。

一方、最近では、太陽光発電や風力発電を行って自家発電を行う家庭が増えており、余剰電力がある場合は、電力会社に販売するなどしている。しかしながら、系統への売電量が増加すると、系統電圧が不安定になる。このため、余剰電力を蓄電システムに蓄積し、不足時に蓄電システムより供給することにより、負荷の平準化をすることが考えられている。この負荷平準化には、電気自動車を使用することも提案されている。

車載の電池は、バッテリの性能が走行に影響するため、一般に高性能で軽量のリチウムイオン電池が使用される。そのため、一般に、走行用バッテリの価格は高く、電気自動車の価格も同じクラスのガソリン車よりも高額である。よって、ユーザーからは、より長期間電気自動車の使用・走行を続けたいという要求がある。このため、バッテリの劣化度をより適正に診断し、余寿命を診断することは重要である。

車載電池の劣化をより正確に知るためには、定電流での充放電試験により、電池の抵抗及び容量を算出することが望ましい。しかしながら、いったん車両に取り付けた後は、メーカの保守点検時に電池を取りはずして測定するなど、劣化の診断に時間がかかっていた。

リチウムイオン電池等の二次電池は、充放電を繰り返すごとに劣化が進行し、容量が減少すると共に内部抵抗が上昇する。これにより、二次電池の出力の変動が生じる。二次電池における劣化進行の程度は、現在までに二次電池が使用された環境や方法など、二次電池の使用履歴によって異なる。そのため、二次電池の使用履歴に応じた劣化状態を正確に推定する技術が求められている。

また、電気自動車の普及により、大量に出回る中古電池の活用が重要になってくる。この際、電池の適正な使用を促進するためにも、電池の劣化状態を把握することが重要である。

特許文献１には、二次電池の容量劣化に影響する複数の使用条件のそれぞれに対応して、その二次電池に流れる電流量等を積算し、所定の劣化係数を算出し、電流積算値等を劣化係数によって補正し、二次電池の容量劣化のレベルを推定する、電池劣化推定方法が開示されている。

特許文献２には、組電池を構成する二次電池の温度を検出するための温度検出器を各二次電池に対して直接取り付けるコストの抑制を図ることを目的として、電池の電流及び端子電圧に基づいて、電池の内部抵抗値を演算し、その内部抵抗値と、基準温度における電池の初期内部抵抗値と、の比に基づいて、電池の温度を推定する手段を備えた、電池温度推定システムが開示されている。

特許第５４６６５６４号公報 特開２０１５−１１８０２２号公報

二次電池は、容量、抵抗などの特性が温度により変化する。

低温度の条件においては、電池の抵抗が著しく増加する。氷点下の温度において、電池の抵抗値が常温における値の数倍になる場合もある。

また、電池を保存する際の温度により、電池の劣化速度が異なる。常温よりも高い温度で電池を保存した場合、抵抗値を指標とした電池の劣化が進行しやすくなる傾向がある。電池の劣化度を評価するためには、電池の温度条件を加味することが重要である。

特許文献１に記載の電池劣化推定方法では、特定の使用条件における劣化のレベルを推定するものであり、容量推定に限定している。メーカ毎に基準が異なる中古の電池パックを複数組み合わせる場合には、特許文献１に記載の電池劣化推定方法のように劣化係数によって補正をするだけでは、十分な推定ができるとは限らないため、改善の余地があると考えられる。

従来は、電池の劣化状態を正確に把握するため、電池を個別に取り外し、測定し直すなどの対応をとっていた。しかしながら、このような方法は、作業の時間や手間がかかるものであった。

直接、車両から取り出さずに通電時の電流と電圧を取得可能であるのは、電気自動車（ＥＶ）やプラグインハイブリッド車を充電器で充電する場合である。しかし、現行の急速充電器を利用する場合、急速充電器から得られる情報に関しては、ＣＨＡｄｅＭＯ（登録商標）等の充電時の通信規格に車載電池の温度の情報がないため、温度情報を別に取得することが必要で、特性が温度に依存する二次電池の劣化度を単独で正確に検出することが難しいという課題がある。

特許文献２に記載の電池温度推定システムにおいては、電池温度は推定可能であるが、連続した通電に対して満充電容量を算出する場合には、通電に伴う温度変化のため、誤差が生じると考えられる。

本発明の目的は、二次電池モジュールを構成する二次電池の温度情報が得られない場合でも、二次電池の温度を推定し、電池の劣化度を判定し、寿命を推定することにある。

本発明の二次電池モジュールの温度推定方法は、充電時に二次電池モジュールに供給する電流及び電圧並びに充電時間を含む充電特性データを取得する工程と、充電特性データと、データベースに格納されている既存の充電特性データと温度との相関データと、を照合して、二次電池モジュールを構成する二次電池の温度を推定し、電池の劣化度を判定し、寿命を推定する工程と、を含む。

本発明によれば、二次電池モジュールを構成する二次電池の温度情報が得られない場合でも、二次電池の温度を推定することができる。

電池の抵抗の温度依存性を示すグラフである。 電池の抵抗に対する電池の保存温度の影響を示すグラフである。 充電時における電池の温度上昇を説明するための図である。 従来のバッテリーマネージメントシステムを示す模式図である。 本発明の二次電池モジュールの寿命予測装置及びこれに接続する装置を示す全体構成図である。 本発明に係る二次電池モジュールの劣化状態を推定するための構成の一例を示す模式図である。 本発明に係る電池温度推定演算部の一例を示す模式図である。 本発明の二次電池モジュールの寿命予測方法の一例を示すフロー図である。 本発明における劣化度の算出方法の例である。 充電器による充電の対象となる車両の電池システムの基本構成を示す全体構成図である。 本発明の二次電池モジュールの寿命予測装置の一例を示す構成図である。

本発明は、二次電池モジュールを構成する二次電池の温度を推定し、二次電池の劣化状態を算出し、二次電池の寿命を予測するものである。

最初に、本発明の課題について詳細に説明する。

二次電池は、容量、抵抗などの特性が温度により変化する。

低温度の条件においては、電池の抵抗が著しく増加する。氷点下の温度において、電池の抵抗値が常温における値の数倍になる場合もある。

図１は、リチウムイオン二次電池の抵抗の温度依存性の例を示すグラフである。横軸に温度、縦軸に規格化した抵抗値（直流抵抗）をとっている。ここでは、２５℃における抵抗を１としている。

本図に示すように、０℃以下の温度では、抵抗が非常に大きくなる。−２０℃では、２５℃における値に比べ、約７倍となっている。

図２は、電池の抵抗に対する電池の保存温度の影響の一例を示すグラフである。横軸に電池の保存の際に設定した温度、縦軸に規格化した抵抗値（直流抵抗）をとっている。初期の抵抗に対して、保存電圧一定の条件で保存した後に測定した抵抗値の比率を示している。

本図に示すように、保存温度が高いほど抵抗値が大きくなっており、６０℃では２０％、８０℃では４０％増加している。以上のように、温度によりリチウムイオン二次電池の抵抗劣化の速度が異なり、電池の劣化度を評価するためには電池温度の条件が重要である。

図３は、充電時における電池の温度上昇を説明するための図である。

本図は、４つのグラフを併記したものであり、横軸の時間は、いずれのグラフにおいても同じ目盛となっている。４つのグラフにおいて、縦軸は、充電電流Ｉ、電池電圧Ｖ、電池温度Ｔ_ｃｅｌｌ及び温度上昇ΔＴである。

本図において、曲線ａは常温の状態から充電する場合であり、曲線ｂは低温度の状態から定電流で充電する場合である。電池の温度上昇ΔＴは、常温の状態から充電する曲線ａに対し、低温度の状態から充電する曲線ｂは内部抵抗が大きいために発熱量が常温よりも大きくなる。このため、曲線ｂのような挙動をとる。電池外部へ放熱がない場合は、曲線ａ’、ｂ’のように温度が上昇すると考えられる。

電池を低温度から充電を開始した場合（曲線ｂ）の電圧挙動は、低温度における抵抗が大きいために充電初期における電圧が一気に上昇する。その後、内部抵抗による発熱で電池温度が上昇し、これに伴い、抵抗が小さくなり抵抗と電流値による電圧上昇分が小さくなる。

容量測定は、上限電圧と下限電圧との間の電気量を測定する。低温時の測定では、電池内部の温度状態が変化するため、温度が変化すると容量も変化する。電池の劣化度は容量と抵抗の２つが指標になる。電池の劣化度を比較評価するためには、同じ条件での測定で容量、抵抗を評価しなければならない。

図４は、従来のバッテリーマネージメントシステムでの劣化検出演算を示す模式図である。

本図に示すように、従来のバッテリーマネージメントシステム（ＢＭＳ）においては、電圧Ｖ、電流Ｉ及び電池の温度Ｔを用いてＳＯＨ演算部で電池のＳＯＨを演算している。すなわち、ＳＯＨの演算に温度Ｔも用いている。ここで、ＳＯＨは、電池の劣化度（劣化状態）を表す指標であり、抵抗又は容量を基準として算出されるものである。なお、ＢＭＳは、バッテリーコントローラとも呼ぶ。

以下、図面を参照して本発明の実施形態を説明する。

図５は、本発明の一実施形態の全体構成（二次電池モジュールの寿命予測装置）を示したものである。

本図においては、車両１（電池システム）に設置された二次電池モジュール１１（蓄電池モジュール）が寿命診断の対象である。

充電器２（充電装置）は、充電する際に充電ケーブル内の通信プロトコルから得られる充電状態（Ｓｔａｔｅ ｏｆ Ｃｈａｒｇｅ：ＳＯＣ）、充電器からの出力電流Ｉ、出力電圧Ｖ等の情報をサーバー４に無線又は有線の通信により送信することができるように構成されている。

サーバー４は、二次電池モジュール１１の寿命予測装置であり、抵抗・容量演算部５、劣化推定部６及び寿命算出部７を有している。抵抗・容量演算部５、劣化推定部６及び寿命算出部７は、互いに連携し、情報を共有することができるようになっている。サーバー４は、車両１及び充電器２の外部にあってもよいし、充電器２内にその一部が内蔵された構成であってもよい。

また、本発明は、車両以外にも、二次電池を動力源とする走行ロボット、飛行ロボット等の移動体にも適用可能である。

車両１を充電器２に接続すると、二次電池モジュール１１に充電される。すなわち、二次電池モジュール１１に車両からの電流指令により電流Ｉが供給される。この時の電流Ｉと電圧Ｖが車両に通知され、車両からは充電量に応じたＳＯＣが通知される。図中の車両１と充電器２との間の矢印に対応する。この際、充電器２は、車両１から二次電池モジュール１１を構成する二次電池のＳＯＣ、充電器の出力電流Ｉ、出力電圧Ｖ等の情報（充電情報）を取得する。充電器２は、取得された充電情報を抵抗・容量演算部５に送信する。なお、充電器の出力電圧は、二次電池モジュール１１の閉回路電圧（ＣＣＶ）と等しいものとする。

抵抗・容量演算部５は、取得した情報から二次電池の現在の容量及び抵抗の値を演算し、初期値と比較して劣化度を算出する。劣化推定部６は、劣化予測式（単に「予測式」ともいう。）を有し、今後の劣化推移を予測する。寿命算出部７は、車両１の寿命基準の容量及び抵抗の規格値を用いて劣化推定部６で算出した予測結果から寿命を算出する。さらに寿命算出部７は、任意の端末（図示なし）に劣化度、余寿命等の情報を送信することができる。

なお、「現在」の容量、抵抗のデータは、例えば数日前のデータであってもよいが、直近のデータ（リアルタイムのデータ）であることが望ましい。

上記の説明においては、サーバー４は、抵抗・容量演算部５、劣化推定部６及び寿命算出部７のうち少なくとも寿命算出部７を有していればよい。その場合には、抵抗・容量演算部５及び劣化推定部６は、充電器２に配置してもよい。また、サーバー４は、抵抗・容量演算部５、劣化推定部６及び寿命算出部７のうち劣化推定部６及び寿命算出部７を有している場合には、抵抗・容量演算部５は、充電器２に配置してもよい。

１つのサーバー４には、充電器２から取得した複数の車両情報を蓄積することができる。実測の劣化データが蓄積されることにより、データベースを充実させることができる。そして、データベースから同車種の劣化情報を参照し、新車の使用開始時などにも、初期の電池特性値と走行方法を参照する劣化推定式を作成することが容易となり、電池の劣化と余寿命の推定を短時間で更に正確に予測することが可能になる。

なお、データベースは、サーバー４に設けられていることが望ましい。また、電池温度推定部は、抵抗・容量演算部５に設けられていることが望ましい。

図６は、本発明に係るＳＯＨの演算を行うための構成を示したものである。なお、以下の説明においては、図５に記載の構成については、その符号を用いて説明する。

図６に示す電池温度推定演算部１１１（電池温度推定部）、ＳＯＨ演算部１１２及びデータベース１１３は、図５のサーバー４に内蔵されている。なお、これらの構成の全部又は一部がサーバー４以外に設けられていてもよい。例えば、充電装置に設けられていてもよい（充電装置側データベース）。

電池温度推定演算部１１１は、図５に示す抵抗・容量演算部５に設けられ、ＳＯＨ演算部１１２は、図５に示す劣化推定部６に設けられている。

図６においては、電池温度推定演算部１１１及びＳＯＨ演算部１１２に、充電器２から取得した出力電流Ｉ、出力電圧Ｖ等の情報が入力される。電池温度推定演算部１１１は、データベース１１３に蓄積されている温度（電池の温度又は周囲温度）と充電電圧又は充電電流との関係を示す曲線データ（データベース１１３に格納されている既存の充電特性データと温度との相関データ）を取得し、これに対応する電池温度Ｔ_ｃｅｌｌを推定する。この場合において、可能であれば、電池の初期温度Ｔ_０を取得することが望ましい。電池の初期温度Ｔ_０としては、電池又は充電器２の周囲温度を代用してもよい。

ＳＯＨ演算部１１２は、電池温度推定演算部１１１で推定された電池温度Ｔ_ｃｅｌｌと、入力された充電電流及び充電電圧とを用いて、現在のＳＯＨを算出する。この場合においては、充電器２から取得したＳＯＣを用いて計算を行ってもよい。

図７は、本発明に係る電池温度推定演算部を示したものである。

本図において、温度推定演算部１５０は、入力された電圧、電流、ＳＯＣ、初期温度Ｔ_０等を用いて、データベース１５１内の一次検索を実施し、相当する電圧プロファイルと温度との関係を参照し、電池の温度の推定値を出力する。初期温度Ｔ_０とＳＯＣを入力することで、開始ＳＯＣと初期温度の検索開始領域の初期値を決定し、膨大なデータベースからの検索時間を短縮することが可能になる。

なお、温度推定演算部１５０は、図６の電池温度推定演算部１１１に対応する。

この場合においては、データベース１５１は、あらかじめ内部抵抗がわかっている電池の通電時の時間に対する電流、環境温度、ＳＯＣ、電圧、電池温度変化のデータが蓄積されている。または、上述の通電時の時間に対する、電流、環境温度、電圧、電池温度から、特徴量を抽出した複数マップを有している。蓄積データの電流、電圧変化に最も近い条件の時の温度を採用することで電池温度を特定できる。あるいは前記，蓄積データの特徴量を学習した推定モジュールにより入力となる初期温度、ＳＯＣ，電流、電圧に応じて電池温度を時系列に出力する。電池温度推定演算ブロックから出力された温度データを使用し、ＳＯＨ演算ブロックでは、データベースを参照して、または特徴量を学習した内部抵抗推定モジュールからこの時の内部抵抗値を出力する。容量は、実測容量に対し、検出した抵抗の劣化度、推定した電池温度等から補正を実施し、カタログ等に表示されている仕様における測定温度と同一の温度での満充電容量値を推算する。これにより、温度による容量の増減の影響なく、容量劣化を検出することが可能になる。ここで、「カタログ等」とは、製造元又は販売元から提供された資料をいう。

図８は、本発明の二次電池モジュールの寿命予測方法の一例を示したものである。

本図においては、破線で囲んでいる抵抗及び容量の検出、劣化度計算及び寿命予測の工程を示している。

まず、充電器から電圧、電流、時間等を取得する（Ｓ１）。

次に、あらかじめ既取得の充電カーブを学習したものと照合し、時間に対する電池温度を推定する（Ｓ２）。言い換えると、データベースに蓄積されている充電電圧又は充電電流及び温度の経時変化に関するデータを取得し、時間に対する電池温度を推定する。ここまでの工程が図７の温度推定演算部１５０における処理に対応する。

次に、時間と電流値との関係から、ＳＯＣと開回路電圧（ＯＣＶ）との関係に変換する（Ｓ３）。

該当する電池モジュールのＳＯＣとＯＣＶとの関係をデータベースから検索する（Ｓ４）。そして、同じＳＯＣでの電圧ＶとＯＣＶを電流値Ｉで除することにより、抵抗値Ｒを算出する（Ｓ５）。なお、工程Ｓ３については、後段において図９を用いて説明する。

算出された抵抗値Ｒは、データベースに蓄積されているＳＯＣ、温度及び内部抵抗の相関と、Ｓ２で推定した電池温度とを用いて温度係数を算出し、この温度係数を用いて抵抗値Ｒを補正する（Ｓ６）。ここまでの工程が図５の抵抗・容量演算部５における処理に対応する。

電流、時間から演算した容量値と、Ｓ６で取得した抵抗値Ｒを、カタログ表示仕様における測定温度など、基準の温度（例えば２５℃）、電流、時刻等の条件における取得値に換算して値を補正する（Ｓ７）。

換算した容量値を用いて満充電容量を計算し、補正した抵抗値、容量値に対して初期値またはカタログ値との比を求め、劣化度ＳＯＨＲ、ＳＯＨＱを算出する（Ｓ８）。工程Ｓ７〜Ｓ８が図５の劣化推定部６における処理に対応する。

Ｓ８で求めたＳＯＨＱ、ＳＯＨＲを逐次電池モジュールの識別番号（ＩＤ）毎に蓄積し、時系列の変化を取得、貯めたデータに基づいて寿命（年数、距離数）を予測する（Ｓ９）。工程Ｓ９が図５の寿命算出部７における処理に対応する。

以上のフローにより、電池温度を直接取得できない場合でも、電池の劣化度を正確に検出することが可能になる。

本図に示す方法においては、車両の充電時の定電流データを使用するため、従来よりも正確な容量及び抵抗の推定が可能となる。また、充電が急速充電の場合は、更に短時間で電池の劣化度ＳＯＨＱ、ＳＯＨＲの算出が可能である。なお、劣化度は、「劣化状態」ともいう。

ここで、電池の劣化状態は、電池の内部抵抗（以下単に「抵抗」ともいう。）を用いて演算したＳＯＨＲまたは電池の満充電容量を用いて演算したＳＯＨＱである。ＳＯＨＲは、電池の内部抵抗に基づき求めたＳＯＨであり、電池の劣化に伴い上昇する電池の内部抵抗の上昇率を表し、次の式（１）で定義される。

ＳＯＨＲ＝１００×Ｒ_１（ＳＯＣ，Ｔ）／Ｒ_０（ＳＯＣ，Ｔ） …（１）
式中、Ｒ_１（ＳＯＣ，Ｔ）は、現在（劣化後）の単電池の内部抵抗［Ω］を表す。Ｒ_０（ＳＯＣ，Ｔ）は、新品時の単電池の内部抵抗［Ω］を表す。

容量を用いて演算するＳＯＨＱは、現在容量を初期容量で除したものである。上記式（１）のＳＯＨＲは、百分率で表しているが、初期に対する現在の比率であれば必ずしも百分率に限られない。

以上のとおり、実測値で補正することにより、正確な予測による余寿命の推定が可能となる。

図８に示す方法においては、温度情報が全く分からない状態でも検出可能であるが、充電器に環境温度を取得するセンサ機能を加え、環境温度を初期温度Ｔ_０の入力として、データベース内の電流電圧プロファイルを検索することで、検索から演算出力までの時間を短縮することが可能になり、より短時間で寿命を計算することが可能になる。さらに、開始ＳＯＣ（ＳＯＣ_ｉｎｉ）を入力することで、データベースの検索時間を更に短縮できる。

さらに、工程Ｓ２で取得した温度プロファイル、すなわち温度の経時変化から温度上昇ΔＴを算出し、ΔＴと電池モジュールの熱容量Ｃ_{ｐ，ｃｅｌｌ}とを用いて、発熱量Ｑを算出する。そして、発熱量Ｑ及び電流から抵抗値Ｒ’を逆算出する。

Ｑ（ｔ）＝ΔＴ（ｔ）×Ｃ_{ｐ，ｃｅｌｌ}＋ｑ’（ｔ） …（２）
Ｒ’（ｔ）＝Ｑ（ｔ）／（Ｉ^２ｔ） …（３）
ここで、ｑ’（ｔ）は電池外への放熱量である。ｑ’（ｔ）は、放熱面積Ａ、熱伝達係数ｈ、表面温度Ｔ_ｃｅｌｌ及び冷媒温度Ｔ_Ｃを用いて計算できる。Ｓ６で得られた抵抗値Ｒと比較し、かい離がある場合は、更に補正を実施し、データベースに結果を蓄積する。これにより、更に適正な抵抗値を得ることが可能になる。以上のような繰り返しを行い、データを蓄積することにより、データベースが更に充実し、既取得のデータベースに加えてデータが増えるほど、検出精度が向上する。

さらに、電圧曲線を用いて出力された電池の抵抗値に基づき、補正係数によって電池温度を補正し、データベースに格納してある、測定時に観測した電流値Ｉでの大電流通電時の容量を、カタログ等での低電流値で取得してある公称容量と同条件の基準条件での容量に変換する。

以上のようにして得られた基準値の劣化度ＳＯＨＱ、ＳＯＨＲは、どの車両の電池モジュールについても公平な基準で劣化度を得ることができ、比較が可能になる。これらの基準の劣化度を利用して、使用済み電池の残価設定や、別用途での複数モジュール使用システムでの安定な活用が可能になる。特に、リユース時の電池劣化評価、性能測定にかかる時間を短縮することができ、中古電池の活用に効果がある。中古電池の活用は廃棄電池量の低減にもつながり、サステイナブルな社会の実現にも寄与することができる。

ここで、上記の工程Ｓ３に対応する劣化度の算出方法の例について、図９を用いて説明する。

図９の上のグラフは、急速充電及び低速充電における電圧の経時変化の例を示したものである。横軸に時間、縦軸に電圧をとっている。

曲線（ａ）は急速充電の場合であり、曲線（ｂ）はＯＣＶおよび低速充電の場合である。低速充電時、例えば０．２Ｃレートでの充電時の電圧曲線は、電池の内部抵抗が低い場合はほぼＯＣＶ曲線と一致する。電池によってＯＣＶと一致する放電速度は異なる。曲線（ａ）の充電終了時ｔ_ｅｎｄまでに充電された電気量をＱ_ｃｈとしている。

図９の下のグラフは、図９の上のグラフをＳＯＣ−Ｖ曲線に変換したものであり、充電電圧の曲線（急速充電の曲線）及びＯＣＶ曲線の例を示したものである。横軸にＳＯＣ、縦軸に電圧をとっている。

曲線（ｃ）は急速充電の場合であり、曲線（ｄ）は電池のＯＣＶである。上のグラフと下のグラフとにおいては、電気量Ｑ_ｃｈの範囲が対応している。充電電圧の曲線とＯＣＶ曲線との差がΔＶ（ＳＯＣ）である。

電池のＯＣＶは、図５の車両１の情報から車両１に用いられている電池の仕様をデータベース内で検索して得る。

充電開始時の開回路電圧（ＯＣＶ）をＳＯＣ_ｉｎｉに換算し、開始ＯＣＶである電圧ＯＣＶ_ｉｎｉを求める。あるいは、通知された充電開始時のＳＯＣをＳＯＣ_ｉｎｉとして、開始ＯＣＶであるＯＣＶ_ｉｎｉを求める。

充電曲線（ｃ）に示すように、通知されたＳＯＣ_ｉｎｉからＳＯＣ_ｅｎｄまでＳＯＣに対する充電電圧を算出し、充電電圧と同じＳＯＣにおけるＯＣＶとの差ΔＶ（ＳＯＣ）を通電電流値で除すことにより抵抗値Ｒを求めることができる。特に、通電開始直後は、ＳＯＣが変動する前であり、反応抵抗の影響が少なく好適である。

リチウムイオン電池では、上記のようにして算出される抵抗値Ｒは、ＳＯＣに対して依存性があることが知られている。

本図に示すＲとＳＯＣとの関係は、関数またはテーブルとして表すことができる。

電池の充放電終了時の電圧及び電流をそれぞれＶ_ｌａｓｔ、Ｉ_ｌａｓｔとし、充放電終了時から所定時間後に検出される電池の開回路電圧をＯＣＶとすると、抵抗曲線に通電終了時における抵抗値Ｒは、次の式（４）で求められる。

Ｒ＝｜ＯＣＶ−Ｖ_ｌａｓｔ｜／Ｉ_ｌａｓｔ …（４）
あるいは、充放電中の電池の電流値Ｉが一定である場合に、電池の閉回路電圧をＣＣＶとすると、抵抗値Ｒは、次の式（５）で求めることもできる。

Ｒ＝｜ＯＣＶ−ＣＣＶ｜／Ｉ …（５）
また、一定ＳＯＣでの電流値ｘに応じた、複数の電流と電池の閉回路電圧との関係により求められる線形近似式Ａｘ＋Ｃにおける係数Ａから、抵抗値Ｒを求めることもできる。定数ＣがＯＣＶのとき、係数Ａは内部抵抗ＤＣＲとなる。

また、容量Ｑは、初期のＳＯＣであるＳＯＣ_ｉｎｉと終了時のＳＯＣであるＳＯＣ_ｅｎｄとの差すなわちＳＯＣの変動幅、及び電気量Ｑ_ｃｈから、次の式（６）で求めることができる。

Ｑ＝Ｑ_ｃｈ／（ＳＯＣ_ｅｎｄ−ＳＯＣ_ｉｎｉ）×１００ …（６）
得られたＱは電池温度Ｔ_ｃｅｌｌでの値であり、Ｔ_ｃｅｌｌでの特性を基準温度で得られる容量に変換する。変換方法は、温度Ｔ_ｃｅｌｌと基準温度（たとえば２５℃）容量との比の係数を利用する、あるいは得られた抵抗値とその時の推定温度を利用し、初期の基準温度と各温度での抵抗値比率を適用して、得られた抵抗値を基準温度での抵抗値に換算し、電圧曲線を再計算し、電池容量の定義となる上限電圧と下限電圧間を基準値容量とする。

ここまでの工程は、図８の工程Ｓ４〜Ｓ７に対応している。

基準温度に変換した抵抗値と、容量を初期値と比較してＳＯＨＱとＳＯＨＲを計算する（図の工程Ｓ８に対応）。得られたＳＯＨＱ、ＳＯＨＲを時系列に蓄積記憶し、蓄積データから予測劣化式または学習による劣化予測関係式を使用して寿命を推定する。劣化予測式は、データ蓄積により更新する（図の工程Ｓ９に対応）。

充電時に取得したデータは逐次データベースに蓄積され、温度推定の精度が向上する。また、ＳＯＨも逐次データベース（劣化推定用）に蓄積されて、劣化予測式を更新する。

電池の劣化予測において精度の高い予測モデルを構築するためには、データ量が多いことが必要である。

本発明においては、データベースを逐次更新し、劣化予測式も更新するため、ある程度のデータ量での予測式を作成し実装した後でも、実測データが増えていき、劣化予測式を更新することができる。このため、測定データの量が増えるほど誤差を小さくできる。また、電池温度を推定し、基準温度での特性値（容量、抵抗）に変換して劣化度を検出できるため、異なる条件で取得した複数モジュールを同一基準で性能を比較することが可能になり、電池の価値評価や、中古電池活用が容易になる。

このように、本発明においては、実装した後でも劣化予測式の更新を行うため、実装までのモデル構築工数を低減することもできる。言い換えると、電池の劣化推定式を構築するための電池劣化試験の工数を削減でき、短時間で確度の高い余寿命診断が可能となる。

図１０は、充電器による充電の対象となる車両の電池システムの基本構成を示したものである。

本図においては、システム構成として、車両に用いられている二次電池モジュール１１（蓄電池モジュール）と、車両内に設置されている測定値検出部２１と、を含む。二次電池モジュール１１は、正極及び負極を有する単電池１１ａ、１１ｂを複数直列に接続して構成されている。二次電池モジュール１１は、不図示の負荷と接続されており、負荷に対して電力を供給する。

このほか、電池制御部３０、上位制御部６０及び負荷制御部７０も、システムの構成要素である。

本システムは、測定値検出部２１、電池制御部３０、上位制御部６０及び負荷制御部７０により二次電池モジュール１１を制御する。

測定値検出部２１は、二次電池モジュール１１の状態に関する様々な情報（データ）を検出する。たとえば、二次電池モジュール１１の総電流、総電圧、環境温度、最高温度、平均温度、最低温度や、単電池１１ａ、１１ｂそれぞれの温度、電圧等のデータを検出する。測定値検出部２１で検出されたデータは、電池制御部３０に入力される。なお、単電池１１ａ、１１ｂそれぞれの種類又は型式等、言い換えると、単電池１１ａ、１１ｂの個別の特徴についても検出することが望ましい。

電池制御部３０は、測定値検出部２１から入力されたデータに基づいて、現在の二次電池モジュール１１の充電状態（ＳＯＣ）を計算すると共に、異常状態の検知、入出力可能な電力の計算、温度コントロール指令の生成などの処理を実行する。上位制御部６０で得られたこれらの情報は、負荷制御部７０に出力される。

負荷制御部７０は、上位制御部６０から入力された制御指令と、電池制御部３０から入力された情報とに基づいて、負荷の制御を実行する。

図１１は、本発明の二次電池モジュールの寿命予測装置の一例を示したものである。

本図において、余寿命診断部５０は、データ蓄積部４１、データ選択部４２、劣化算出部４３、劣化予測部４６（劣化状態推定部）及び余寿命算出部４７の各機能ブロックを有する。余寿命診断部５０は、例えば、予め記憶されたプログラムをＣＰＵにより実行することで、これらの機能ブロックに対応する各機能を実現することができる。

検出部２０は、電池の電圧、電流等のデータを、日時等の時間情報と共に検出し、余寿命診断部５０に出力する。この際、充電器に通知されて演算されたＳＯＣの情報も、余寿命診断部５０に入力する。また、充電器に設けられた外気温測定センサによる外気温も入力する。余寿命診断部５０において、データ選択部４２は、充電器の出力情報、および検出部２０から出力されたデータのうちあらかじめ設定した条件に合致するものを選択し、データ蓄積部４１に出力する。データ選択部内に温度推定部を有し、データベースを参照することにより、温度を算出する。算出された温度と充電測定取得データはデータベース内に蓄積する。

データ蓄積部４１は、ＳＯＣ−ＯＣＶデータ蓄積部４１ａ、ＳＯＣ−Ｒデータ蓄積部４１ｂ（ＳＯＣ−抵抗データ蓄積部）及びデータベース４４を有する。

データ選択部４２では、データベースを参照して温度推定演算部１５０で温度推定するために必要なデータを選択する。通電時の電圧と温度推定演算部１５０で算出した電池温度をＳＯＣに対して算出するため、温度に対する電池のＳＯＣ−ＯＣＶデータ蓄積部４１ａを有する。同様に、ＳＯＣに対し各温度の通秒数に対しての抵抗のデータを取得したものをＳＯＣ−Ｒデータ蓄積部４１ｂに蓄積する。これにより、既存の充電特性データが蓄積される。

データベース４４には、劣化推定に使用する各種データが備えられる。たとえば、劣化を推定する予測式、パラメータの初期値、パラメータの変化量などである。データベース４４、ＳＯＣ−ＯＣＶデータ蓄積部４１ａ及びＳＯＣ−Ｒデータ蓄積部４１ｂのデータを使用して、内部状態である容量・抵抗を演算し、劣化を検出する。なお、ＳＯＣ−ＯＣＶデータ蓄積部４１ａ及びＳＯＣ−Ｒデータ蓄積部４１ｂには、電池の初期データもあらかじめ蓄積する。現在の劣化状態を劣化算出部４３で推定し、劣化予測部４６に出力する。また、算出した劣化状態は時系列データとしてデータベース４４に追加し蓄積する。算出したパラメータは、劣化予測部４６で時系列の劣化の予測に用いられる。さらに、余寿命算出部４７において、データベース４４を用いて予測寿命または余寿命を算出し出力する。

以上のように、本実施形態によれば、特別な放電手段を準備しなくても、二次電池モジュールの劣化状態に関する情報を適切に検出し、二次電池モジュールの内部状態、二次電池モジュールの容量や抵抗等を取得でき、システムの余寿命算出が正確にできる。

なお、本発明は、上記の実施形態に限定されるものではない。本発明の技術的思想の範囲内で考えられるその他の態様も、本発明の範囲内に含まれる。

１：車両、２：充電器、４：サーバー、５：抵抗・容量演算部、６：劣化推定部、７：寿命算出部、１１：二次電池モジュール、２０：検出部、２１：測定値検出部、３０：電池制御部、４１：データ蓄積部、４１ａ：ＳＯＣ−ＯＣＶデータ蓄積部、４１ｂ：ＳＯＣ−Ｒデータ蓄積部、４２：データ選択部、４３：劣化算出部、４４：データベース、４６：劣化予測部、４７：余寿命算出部、５０：余寿命診断部、６０：上位制御部、７０：負荷制御部、１１１：電池温度推定演算部、１１２：ＳＯＨ演算部、１１３：データベース、１４０：ＳＯＨ演算部、１５０：温度推定演算部、１５１：データベース。

Claims (11)

1. 充電時に二次電池モジュールに供給する電流及び電圧並びに充電時間を含む充電特性データを取得する工程と、
   前記充電特性データと、データベースに格納されている既存の充電特性データと温度との相関データと、を照合して、前記二次電池モジュールを構成する二次電池の温度を推定する工程と、を含む、二次電池モジュールの温度推定方法。
2. 請求項１記載の二次電池モジュールの温度推定方法を含み、
   前記二次電池の前記温度を用いて前記二次電池の劣化状態を算出する工程を更に含む、二次電池モジュールの劣化状態推定方法。
3. 請求項２記載の二次電池モジュールの劣化状態推定方法を含み、
   前記二次電池の寿命を予測する工程を更に含む、二次電池モジュールの寿命予測方法。
4. 既存の充電特性データと温度との相関データを格納するデータベースと、
   充電時に二次電池モジュールに供給する電流及び電圧並びに充電時間を含む現在の充電特性データを取得し、前記現在の充電特性データと、前記データベースに格納されている前記相関データと、を照合して、前記二次電池モジュールを構成する二次電池の温度を推定する電池温度推定部と、を備えた、二次電池モジュールの温度推定装置。
5. 請求項４記載の二次電池モジュールの温度推定装置を含み、
   前記二次電池の前記温度を用いて前記二次電池の劣化状態を算出する劣化推定部を更に含む、二次電池モジュールの劣化状態推定装置。
6. 請求項５記載の二次電池モジュールの劣化状態推定装置を含み、
   前記二次電池の寿命を予測する寿命算出部を更に含む、二次電池モジュールの寿命予測装置。
7. 前記データベースは、既存のＳＯＣ−ＯＣＶ曲線のデータを有し、
   前記現在の充電特性データをＳＯＣ−Ｖ曲線のデータに変換し、前記既存のＳＯＣ−ＯＣＶ曲線のデータと、前記電池温度推定部により推定された前記二次電池の前記温度と、に基づいて、前記二次電池の内部抵抗を推定し、
   推定された前記二次電池の前記温度及び前記内部抵抗を用いて、基準温度における前記二次電池の劣化状態を算出する構成を有する、請求項５記載の二次電池モジュールの劣化状態推定装置。
8. 前記劣化推定部は、前記データベースに格納されている前記温度のデータと、測定された前記二次電池モジュールの積算容量値と、を用いて、前記二次電池モジュールの満充電容量の推定値を算出し、前記二次電池の劣化状態を算出する、請求項５記載の二次電池モジュールの劣化状態推定装置。
9. 充電時の周囲温度を測定する環境温度センサを更に備え、
   前記データベースは、前記周囲温度、充電電流、充電電圧及び前記二次電池の前記温度の相関データを蓄積する構成を有する、請求項４記載の二次電池モジュールの温度推定装置。
10. 充電時における前記二次電池の前記温度から算出される充電開始時と充電終了時との温度差と、充電電流及び充電電圧から推定される発熱量と、前記二次電池の熱容量と、前記二次電池の内部抵抗の経時変化と、前記二次電池の基準温度、前記基準温度における劣化状態及び前記二次電池の内部抵抗と、を用いて、換算値と初期値との比を取ることで、基準条件における前記二次電池の劣化状態を推定する、請求項２記載の二次電池モジュールの劣化状態推定方法。
11. 前記二次電池の内部抵抗に基づいて、前記二次電池の温度を補正し、大電流通電時の容量から基準条件における前記二次電池の劣化状態を推定する、請求項２記載の二次電池モジュールの劣化状態推定方法。

Images