JP2021060230A - 推定装置、推定方法、及びコンピュータプログラム - Google Patents
推定装置、推定方法、及びコンピュータプログラム Download PDFInfo
- Publication number
- JP2021060230A JP2021060230A JP2019183338A JP2019183338A JP2021060230A JP 2021060230 A JP2021060230 A JP 2021060230A JP 2019183338 A JP2019183338 A JP 2019183338A JP 2019183338 A JP2019183338 A JP 2019183338A JP 2021060230 A JP2021060230 A JP 2021060230A
- Authority
- JP
- Japan
- Prior art keywords
- physical quantity
- history
- lead
- relationship
- temperature
- 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 32
- 238000004590 computer program Methods 0.000 title claims abstract description 7
- 238000003860 storage Methods 0.000 claims abstract description 116
- 238000009795 derivation Methods 0.000 claims abstract description 75
- 239000007774 positive electrode material Substances 0.000 claims abstract description 61
- 239000007773 negative electrode material Substances 0.000 claims abstract description 27
- PIJPYDMVFNTHIP-UHFFFAOYSA-L lead sulfate Chemical compound [PbH4+2].[O-]S([O-])(=O)=O PIJPYDMVFNTHIP-UHFFFAOYSA-L 0.000 claims abstract description 17
- 230000007797 corrosion Effects 0.000 claims abstract description 16
- 238000005260 corrosion Methods 0.000 claims abstract description 16
- 239000002245 particle Substances 0.000 claims abstract description 11
- 230000006866 deterioration Effects 0.000 claims description 181
- 230000005611 electricity Effects 0.000 claims description 53
- 239000002253 acid Substances 0.000 claims description 49
- 238000013461 design Methods 0.000 claims description 29
- 230000005484 gravity Effects 0.000 claims description 16
- 239000007772 electrode material Substances 0.000 claims description 15
- 239000008151 electrolyte solution Substances 0.000 claims description 15
- 239000000654 additive Substances 0.000 claims description 10
- 230000008569 process Effects 0.000 claims description 8
- 230000000996 additive effect Effects 0.000 claims description 7
- 239000000203 mixture Substances 0.000 claims description 6
- 230000010354 integration Effects 0.000 claims description 4
- 239000000463 material Substances 0.000 claims description 4
- OKTJSMMVPCPJKN-UHFFFAOYSA-N Carbon Chemical compound [C] OKTJSMMVPCPJKN-UHFFFAOYSA-N 0.000 claims description 3
- 229910045601 alloy Inorganic materials 0.000 claims description 3
- 239000000956 alloy Substances 0.000 claims description 3
- 229910052799 carbon Inorganic materials 0.000 claims description 3
- 230000035699 permeability Effects 0.000 claims description 3
- 239000003795 chemical substances by application Substances 0.000 claims 1
- 239000013543 active substance Substances 0.000 abstract 2
- 230000015556 catabolic process Effects 0.000 abstract 2
- 238000006731 degradation reaction Methods 0.000 abstract 2
- 238000011156 evaluation Methods 0.000 description 63
- 238000005259 measurement Methods 0.000 description 23
- 210000004027 cell Anatomy 0.000 description 17
- 238000010586 diagram Methods 0.000 description 17
- 230000007423 decrease Effects 0.000 description 14
- 238000012545 processing Methods 0.000 description 12
- 230000006870 function Effects 0.000 description 10
- 229910000978 Pb alloy Inorganic materials 0.000 description 8
- 238000004891 communication Methods 0.000 description 8
- 238000006243 chemical reaction Methods 0.000 description 7
- 238000013527 convolutional neural network Methods 0.000 description 7
- YADSGOSSYOOKMP-UHFFFAOYSA-N dioxolead Chemical compound O=[Pb]=O YADSGOSSYOOKMP-UHFFFAOYSA-N 0.000 description 6
- 230000019635 sulfation Effects 0.000 description 6
- 238000005670 sulfation reaction Methods 0.000 description 6
- QAOWNCQODCNURD-UHFFFAOYSA-N Sulfuric acid Chemical compound OS(O)(=O)=O QAOWNCQODCNURD-UHFFFAOYSA-N 0.000 description 4
- 238000001514 detection method Methods 0.000 description 4
- 238000007599 discharging Methods 0.000 description 4
- 238000004364 calculation method Methods 0.000 description 3
- 210000005069 ears Anatomy 0.000 description 3
- 239000003792 electrolyte Substances 0.000 description 3
- 238000010801 machine learning Methods 0.000 description 3
- 230000009467 reduction Effects 0.000 description 3
- 229920003002 synthetic resin Polymers 0.000 description 3
- 239000000057 synthetic resin Substances 0.000 description 3
- 230000004913 activation Effects 0.000 description 2
- 230000002411 adverse Effects 0.000 description 2
- 238000013528 artificial neural network Methods 0.000 description 2
- 210000000988 bone and bone Anatomy 0.000 description 2
- 239000007788 liquid Substances 0.000 description 2
- 238000004519 manufacturing process Methods 0.000 description 2
- 230000002093 peripheral effect Effects 0.000 description 2
- 238000006479 redox reaction Methods 0.000 description 2
- 238000012549 training Methods 0.000 description 2
- 238000003466 welding Methods 0.000 description 2
- 239000011149 active material Substances 0.000 description 1
- 238000013459 approach Methods 0.000 description 1
- 238000004422 calculation algorithm Methods 0.000 description 1
- 230000008602 contraction Effects 0.000 description 1
- 238000012937 correction Methods 0.000 description 1
- 230000008878 coupling Effects 0.000 description 1
- 238000010168 coupling process Methods 0.000 description 1
- 238000005859 coupling reaction Methods 0.000 description 1
- 238000003066 decision tree Methods 0.000 description 1
- 238000013135 deep learning Methods 0.000 description 1
- 239000011521 glass Substances 0.000 description 1
- 230000036541 health Effects 0.000 description 1
- 238000002347 injection Methods 0.000 description 1
- 239000007924 injection Substances 0.000 description 1
- 239000011810 insulating material Substances 0.000 description 1
- 230000014759 maintenance of location Effects 0.000 description 1
- 239000002184 metal Substances 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 238000000465 moulding Methods 0.000 description 1
- 210000002569 neuron Anatomy 0.000 description 1
- 238000005192 partition Methods 0.000 description 1
- 229920003217 poly(methylsilsesquioxane) Polymers 0.000 description 1
- 238000011176 pooling Methods 0.000 description 1
- 238000007637 random forest analysis Methods 0.000 description 1
- 230000000306 recurrent effect Effects 0.000 description 1
- 239000007858 starting material Substances 0.000 description 1
- 238000013517 stratification Methods 0.000 description 1
- 238000012706 support-vector machine Methods 0.000 description 1
- 230000036962 time dependent Effects 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01R—MEASURING ELECTRIC VARIABLES; MEASURING MAGNETIC VARIABLES
- G01R31/00—Arrangements for testing electric properties; Arrangements for locating electric faults; Arrangements for electrical testing characterised by what is being tested not provided for elsewhere
- G01R31/36—Arrangements for testing, measuring or monitoring the electrical condition of accumulators or electric batteries, e.g. capacity or state of charge [SoC]
- G01R31/367—Software therefor, e.g. for battery testing using modelling or look-up tables
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01R—MEASURING ELECTRIC VARIABLES; MEASURING MAGNETIC VARIABLES
- G01R31/00—Arrangements for testing electric properties; Arrangements for locating electric faults; Arrangements for electrical testing characterised by what is being tested not provided for elsewhere
- G01R31/36—Arrangements for testing, measuring or monitoring the electrical condition of accumulators or electric batteries, e.g. capacity or state of charge [SoC]
- G01R31/378—Arrangements for testing, measuring or monitoring the electrical condition of accumulators or electric batteries, e.g. capacity or state of charge [SoC] specially adapted for the type of battery or accumulator
- G01R31/379—Arrangements for testing, measuring or monitoring the electrical condition of accumulators or electric batteries, e.g. capacity or state of charge [SoC] specially adapted for the type of battery or accumulator for lead-acid batteries
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01R—MEASURING ELECTRIC VARIABLES; MEASURING MAGNETIC VARIABLES
- G01R31/00—Arrangements for testing electric properties; Arrangements for locating electric faults; Arrangements for electrical testing characterised by what is being tested not provided for elsewhere
- G01R31/36—Arrangements for testing, measuring or monitoring the electrical condition of accumulators or electric batteries, e.g. capacity or state of charge [SoC]
- G01R31/374—Arrangements for testing, measuring or monitoring the electrical condition of accumulators or electric batteries, e.g. capacity or state of charge [SoC] with means for correcting the measurement for temperature or ageing
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01R—MEASURING ELECTRIC VARIABLES; MEASURING MAGNETIC VARIABLES
- G01R31/00—Arrangements for testing electric properties; Arrangements for locating electric faults; Arrangements for electrical testing characterised by what is being tested not provided for elsewhere
- G01R31/36—Arrangements for testing, measuring or monitoring the electrical condition of accumulators or electric batteries, e.g. capacity or state of charge [SoC]
- G01R31/382—Arrangements for monitoring battery or accumulator variables, e.g. SoC
- G01R31/3842—Arrangements for monitoring battery or accumulator variables, e.g. SoC combining voltage and current measurements
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01R—MEASURING ELECTRIC VARIABLES; MEASURING MAGNETIC VARIABLES
- G01R31/00—Arrangements for testing electric properties; Arrangements for locating electric faults; Arrangements for electrical testing characterised by what is being tested not provided for elsewhere
- G01R31/36—Arrangements for testing, measuring or monitoring the electrical condition of accumulators or electric batteries, e.g. capacity or state of charge [SoC]
- G01R31/389—Measuring internal impedance, internal conductance or related variables
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01R—MEASURING ELECTRIC VARIABLES; MEASURING MAGNETIC VARIABLES
- G01R31/00—Arrangements for testing electric properties; Arrangements for locating electric faults; Arrangements for electrical testing characterised by what is being tested not provided for elsewhere
- G01R31/36—Arrangements for testing, measuring or monitoring the electrical condition of accumulators or electric batteries, e.g. capacity or state of charge [SoC]
- G01R31/392—Determining battery ageing or deterioration, e.g. state of health
-
- H—ELECTRICITY
- H01—ELECTRIC ELEMENTS
- H01M—PROCESSES OR MEANS, e.g. BATTERIES, FOR THE DIRECT CONVERSION OF CHEMICAL ENERGY INTO ELECTRICAL ENERGY
- H01M10/00—Secondary cells; Manufacture thereof
- H01M10/42—Methods or arrangements for servicing or maintenance of secondary cells or secondary half-cells
-
- H—ELECTRICITY
- H01—ELECTRIC ELEMENTS
- H01M—PROCESSES OR MEANS, e.g. BATTERIES, FOR THE DIRECT CONVERSION OF CHEMICAL ENERGY INTO ELECTRICAL ENERGY
- H01M10/00—Secondary cells; Manufacture thereof
- H01M10/42—Methods or arrangements for servicing or maintenance of secondary cells or secondary half-cells
- H01M10/4285—Testing apparatus
-
- H—ELECTRICITY
- H01—ELECTRIC ELEMENTS
- H01M—PROCESSES OR MEANS, e.g. BATTERIES, FOR THE DIRECT CONVERSION OF CHEMICAL ENERGY INTO ELECTRICAL ENERGY
- H01M10/00—Secondary cells; Manufacture thereof
- H01M10/42—Methods or arrangements for servicing or maintenance of secondary cells or secondary half-cells
- H01M10/48—Accumulators combined with arrangements for measuring, testing or indicating the condition of cells, e.g. the level or density of the electrolyte
-
- H—ELECTRICITY
- H01—ELECTRIC ELEMENTS
- H01M—PROCESSES OR MEANS, e.g. BATTERIES, FOR THE DIRECT CONVERSION OF CHEMICAL ENERGY INTO ELECTRICAL ENERGY
- H01M10/00—Secondary cells; Manufacture thereof
- H01M10/42—Methods or arrangements for servicing or maintenance of secondary cells or secondary half-cells
- H01M10/48—Accumulators combined with arrangements for measuring, testing or indicating the condition of cells, e.g. the level or density of the electrolyte
- H01M10/486—Accumulators combined with arrangements for measuring, testing or indicating the condition of cells, e.g. the level or density of the electrolyte for measuring temperature
-
- H—ELECTRICITY
- H02—GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
- H02J—CIRCUIT ARRANGEMENTS OR SYSTEMS FOR SUPPLYING OR DISTRIBUTING ELECTRIC POWER; SYSTEMS FOR STORING ELECTRIC ENERGY
- H02J7/00—Circuit arrangements for charging or depolarising batteries or for supplying loads from batteries
- H02J7/0047—Circuit arrangements for charging or depolarising batteries or for supplying loads from batteries with monitoring or indicating devices or circuits
- H02J7/0048—Detection of remaining charge capacity or state of charge [SOC]
-
- H—ELECTRICITY
- H02—GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
- H02J—CIRCUIT ARRANGEMENTS OR SYSTEMS FOR SUPPLYING OR DISTRIBUTING ELECTRIC POWER; SYSTEMS FOR STORING ELECTRIC ENERGY
- H02J7/00—Circuit arrangements for charging or depolarising batteries or for supplying loads from batteries
- H02J7/0047—Circuit arrangements for charging or depolarising batteries or for supplying loads from batteries with monitoring or indicating devices or circuits
- H02J7/005—Detection of state of health [SOH]
-
- H—ELECTRICITY
- H01—ELECTRIC ELEMENTS
- H01M—PROCESSES OR MEANS, e.g. BATTERIES, FOR THE DIRECT CONVERSION OF CHEMICAL ENERGY INTO ELECTRICAL ENERGY
- H01M10/00—Secondary cells; Manufacture thereof
- H01M10/06—Lead-acid accumulators
-
- 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
- Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Physics & Mathematics (AREA)
- Chemical Kinetics & Catalysis (AREA)
- Manufacturing & Machinery (AREA)
- Chemical & Material Sciences (AREA)
- Electrochemistry (AREA)
- General Chemical & Material Sciences (AREA)
- Power Engineering (AREA)
- General Health & Medical Sciences (AREA)
- Medical Informatics (AREA)
- Health & Medical Sciences (AREA)
- Secondary Cells (AREA)
- Charge And Discharge Circuits For Batteries Or The Like (AREA)
- Tests Of Electric Status Of Batteries (AREA)
Abstract
Description
特許文献1には、鉛蓄電池の電流及び電圧に基づいて内部抵抗を算出し、内部抵抗に基づいて劣化を判定する劣化判定装置が開示されている。
実施形態に係る推定装置は、鉛蓄電池の電流、電圧、及び該鉛蓄電池の温度に基づく導出履歴を導出する導出部と、導出した前記導出履歴、並びに電流、電圧、及び前記鉛蓄電池の温度に基づく第1履歴と、正極活物質量の第1物理量との第1関係、電流、電圧、及び前記鉛蓄電池の温度に基づく第2履歴と、正極電極材料の比表面積の第2物理量との第2関係、電流、電圧、及び前記鉛蓄電池の温度に基づく第3履歴と、正極電極材料のかさ密度の第3物理量との第3関係、電流、電圧、及び前記鉛蓄電池の温度に基づく第4履歴と、正極活物質粒子のクラスターサイズの第4物理量との第4関係、電流、電圧、及び前記鉛蓄電池の温度に基づく第5履歴と、負極電極材料の硫酸鉛の蓄積量の第5物理量との第5関係、電流、電圧、及び前記鉛蓄電池の温度に基づく第6履歴と、負極電極材料の比表面積の第6物理量との第6関係、電流、電圧、及び前記鉛蓄電池の温度に基づく第7履歴と、正極格子の腐食量の第7物理量との第7関係、電流、電圧、及び前記鉛蓄電池の温度に基づく第8履歴と、正極板の抵抗率の第8物理量との第8関係、及び電流、電圧、及び前記鉛蓄電池の温度に基づく第9履歴と、負極板の抵抗率の第9物理量との第9関係からなる群から選択される少なくとも1つの関係に基づいて、第1物理量、第2物理量、第3物理量、第4物理量、第5物理量、第6物理量、第7物理量、第8物理量、及び第9物理量のうちの少なくとも1つの物理量を特定する特定部と、特定した前記少なくとも1つの物理量に基づいて、前記鉛蓄電池の劣化の度合を推定する推定部とを備える。
第1履歴、第2履歴、第3履歴、第4履歴、第5履歴、第6履歴、第7履歴、第8履歴、第9履歴は同一であっても異なっていてもよい。例えば、第1履歴、第2履歴、第3履歴、第4履歴の場合、生涯有効放電電気量、温度積算値、使用期間等の履歴を含む。第5履歴、第6履歴の場合、生涯有効放電電気量、生涯有効充電電気量、温度積算値、使用期間、放置時間、各SOC区分における滞在時間等の履歴を含む。第7履歴、第8履歴の場合、生涯有効放電電気量、温度積算値、使用期間、生涯有効過充電電気量等の履歴を含む。第9履歴の場合、生涯有効充電電気量、温度積算値、使用期間、放置時間、各SOC区分における滞在時間等の履歴を含む。
例えば正極板及び負極板の劣化が同時に進行することによる、鉛蓄電池の急速な劣化を良好に予測できる。また、単一の劣化が進行する場合でも、複数の物理量の推定値を用いて劣化を予測することで、予測の信頼性を高めることができる。さらに、1つの劣化要因のみに悪影響となる使用履歴の後に、異なる劣化要因のみに悪影響となる使用履歴が起こる場合や、この使用履歴パターンが繰り返される場合においても、鉛蓄電池の劣化を良好に予測できる。
例えばDOD50%の放電を実施した後に充電をする場合、負極の上部では充電がされ易く、また下部では充電がされ難くなる。従って、負極の上部では、硫酸鉛の量(第5物理量)が小さくなり、負極の下部では、大きくなり、負極サルフェーションが生じることがある。
成層化(電解液比重の上下差)が生じることで、負極サルフェーションの上下差も生じる。
補正係数には、温度だけでなく、放電量、電流値、電気量を含んでもよい。
上記構成によれば、良好に物理量を特定できる。
上記構成によれば、第1学習モデルを用いて、容易に、良好に、物理量を特定できる。
上記構成によれば、第2学習モデルを用いて、容易に、良好に、劣化の度合を推定できる。
上記構成によれば、設計情報も加味して、良好に物理量を特定できる。
上記構成によれば、良好に物理量を特定できる。
上記構成によれば、診断情報も加味して、良好に劣化度合を推定できる。
上記構成によれば、良好に劣化要因の度合を特定できる。
ここで、履歴の消去とは、記憶部における情報を消去するだけでなく、導出履歴の算出における積算の開始時点を前記鉛蓄電池が交換されたと判断する時点にすることも含む。
図1は実施形態1に係る充放電システム1、負荷13、及びサーバ9の構成を示すブロック図、図2はBMU3の構成を示すブロック図である。
充放電システム1は、鉛蓄電池(以下、電池という)2と、BMU(Battery Management Unit)3と、電圧センサ4と、電流センサ5と、温度センサ6と、制御装置7とを備える。
制御装置7は充放電システム1全体を制御し、制御部71、記憶部72、及び通信部77を備える。
サーバ9は、制御部91、及び通信部92を備える。
制御装置7の制御部71は、通信部77、ネットワーク10、及び通信部92を介し、制御部91と接続されている。
電池2は、端子11,12を介して負荷13に接続している。
記憶部32、記憶部72は、例えばハードディスクドライブ(HDD)等により構成され、各種のプログラム及びデータを記憶する。
通信部37、77、及び92は、ネットワークを介して他の装置との間で通信を行う機能を有し、所要の情報の送受信を行うことができる。
入力部36は、電圧センサ4、電流センサ5、及び温度センサ6からの検出結果の入力を受け付ける。
電流センサ5は、電池2に直列に接続されており、電池2の電流に応じた検出結果を出力する。なお、電流センサ5は、例えばクランプ式電流センサのように、電池2に電気的に接続していないものを用いることもできる。
温度センサ6は、電池2の近傍に配置されており、電池2の温度に応じた検出結果を出力する。なお、劣化の予測には、電池2の温度として、電池2の電解液の温度を用いるのが好ましい。このため、温度センサ6が配置される位置に応じて、温度センサ6が検出した温度が電解液の温度となるように温度補正してもよい。
図3及び図4に示すように、電池2は、電槽20と、正極端子28と、負極端子29と、複数の極板群23とを備える。
負極端子29は、正極端子28と同様に、ブッシング291と、負極柱292とを含み(図3参照)、正極端子28と同様の構成を有する。
劣化度合DB34は、No.列、生涯有効放電電気量列,生涯有効充電電気量列,生涯有効過充電電気量列,温度積算値列,放置時間列、SOC滞在時間列等の履歴列、正極格子厚さ列等の設計情報列、診断情報列、第1物理量列,第2物理量列,第3物理量列,第4物理量列,第5物理量列,第6物理量列,第7物理量列,第8物理量、及び第9物理量列等の物理量列、並びに劣化度合列を記憶している。
温度積算値列は、例えば−20℃から80℃まで、10℃間隔毎に、各温度間隔の中心温度に所定の係数及び時間を乗じた積算値を記憶している。
放置時間は駐車時間の積算値を記憶している。
正極格子厚さ列は、正極格子の厚さを記憶している。
診断情報列は、内部抵抗、SOC、OCV等の診断情報を記憶している。
第6物理量列は、負極電極材料の比表面積を記憶している。第6物理量は6段階の評価で表す。評価は、「0」が減少率が0%であり、数字が大きくなるに従って減少率が大きくなり、「5」の場合、減少率50%以上である。
第8物理量列は、正極板の抵抗率を記憶している。第8物理量は6段階の評価で表す。評価は、「0」が抵抗率が0%であり、数字が大きくなるに従って比率が大きくなり、「5」の場合、100%以上である。
第9物理量列は、負極板の抵抗率を記憶している。第8物理量は6段階の評価で表す。評価は、「0」が抵抗率が0%であり、数字が大きくなるに従って比率が大きくなり、「5」の場合、100%以上である。
設計情報として、正極格子の厚さ以外に、正極板および負極板の枚数、正極活物質量、正極格子の質量、正極格子のデザイン、正極電極材料の密度、正極電極材料の組成、正極電極材料中の添加剤の量及び種類、正極合金の組成、正極板に当接する不織布の有無並びに厚さ、材質及び通気度、負極活物質量、負極電極材料のカーボン量及び種類、負極電極材料中の添加剤の量及び種類、負極電極材料の比表面積、電解液の添加剤の種類及び濃度、並びに電解液の比重からなる群から選択される少なくとも1つを記憶してもよい。
診断情報として内部抵抗、OCVを記憶する場合、内部抵抗、OCVはSOCに依存するため、別途取得したSOCによって、内部抵抗、OCVを補正してもよい。
使用履歴DB35は、電池2毎に、各推定時点の履歴、設計情報、診断情報、物理量、及び劣化度合を記憶している。図6はIDNo.1の電池2の使用履歴を示している。使用履歴DB35は、No.列、生涯有効放電電気量列,生涯有効充電電気量列,生涯有効過充電電気量列,温度積算値列,放置時間、SOC滞在時間列等の導出履歴列、正極格子厚さ列等の設計情報列、診断情報列、第1物理量列,第2物理量列,第3物理量列,第4物理量列,第5物理量列,第6物理量列,第7物理量列,第8物理量列,及び第9物理量列等の物理量列、並びに劣化度合列を記憶している。No.列は、各推定時点のNo.を記憶している。導出履歴列、設計情報列、診断情報列は、劣化度合DB34の履歴列、設計情報列、診断情報列と同様の内容を記憶している。
劣化度合列は、特定した第1物理量、第2物理量、第3物理量、第4物理量、第5物理量、第6物理量、第7物理量、第8物理量、及び第9物理量の少なくとも1以上に基づいて推定した劣化度合を記憶している。
使用履歴DB35に記憶される情報は上述の場合に限定されない。
図7は、制御部31による劣化度合の推定処理の手順を示すフローチャートである。制御部31は所定の推定時点で、以下の処理を行う。
制御部31は、IDNo.1の電池2につき、推定時点で取得した電圧、電流、温度に基づいて生涯有効放電電気量等の使用履歴(導出履歴)を導出し、使用履歴DB35に記憶する(S1)。
劣化度合DB34に設計情報も記憶している場合、S2において、第1履歴と設計情報と第1物理量との第1関係及び導出履歴に基づいて、第1物理量を特定する。第1物理量を設計情報により補正してもよい。第2物理量から第9物理量も、同様に、第2履歴から第9履歴と設計情報と、第2物理量から第9物理量との関係及び導出履歴に基づいて特定する。
劣化度合DB34に診断情報も記憶している場合、S3において、劣化度合を診断情報により補正してもよい。
劣化度合DB34には、第1関係、第2関係、第3関係、第4関係、第5関係、第6関係、第7関係、第8関係、及び第9関係の関数を記憶しおいてもよい。
図8は、実施形態2に係る制御装置7の構成を示すブロック図である。
実施形態2に係る充放電システム1は、制御装置7が、記憶部72に、劣化推定のためのプログラム73、劣化度合DB74、使用履歴DB75、学習モデルDB76を記憶していること以外は、実施形態1に係る充放電システム1と同様の構成を有する。
学習モデルDB76は、後述する第1学習モデルと第2学習モデルとを記憶している。
劣化度合DB74は、劣化度合DB34と同様の構成を有する。
使用履歴DB75は、電池2毎に、各推定時点の履歴、設計情報、診断情報、物理量、実測の物理量、劣化度合、及び実測に基づく劣化度合を記憶している。図9はIDNo.1の電池2の使用履歴を示している。使用履歴DB75は、No.列、生涯有効放電電気量列,生涯有効充電電気量列,生涯有効過充電電気量列,温度積算値列,放置時間,SOC滞在時間列等の履歴列、正極格子厚さ等の設計情報列、診断情報列、第1物理量列,第2物理量列,第3物理量列,第4物理量列,第5物理量列,第6物理量列,第7物理量列,第8物理量列,及び第9物理量列等の物理量列、実測第1物理量列,実測第2物理量列,実測第3物理量列,実測第4物理量列,実測第5物理量列,実測第6物理量列,実測第7物理量列,実測第8物理量列,及び実測第9物理量列等の実測物理量列、劣化度合列、及び実測劣化度合列を記憶している。No.列は、各推定時点のNo.を記憶している。履歴、設計情報、診断情報は、劣化度合DB34の履歴、診断情報、設計情報と同様の内容を記憶している。
劣化度合列は、特定した第1物理量、第2物理量、第3物理量、第4物理量、第5物理量、第6物理量、第7物理量、第8物理量、第9物理量の1以上を第2学習モデルに入力して推定した劣化度合を記憶している。
実測劣化度合列は、実測によりSOHを求めて、判定した劣化度合を記憶している。
実測による物理量、及び実測による劣化度合は、後述する再学習に用いるために求めており、全ての推定時点において求める必要はない。
第1学習モデルは、人工知能ソフトウェアの一部であるプログラムモジュールとしての利用が想定される学習モデルであり、多層のニューラルネットワーク(深層学習)を用いることができ、例えば畳み込みニューラルネットワーク(Convolutional Neural Network:CNN)を用いることができるが、リカレントニューラルネットワーク(Recurrent Neural Network:RNN)を用いてもよい。決定木、ランダムフォレスト、サポートベクターマシン等の他の機械学習を用いてもよい。制御部71が、第1学習モデルからの指令に従って、第1学習モデルの入力層に入力された導出履歴情報に対し演算を行い、第1物理量、第2物理量、第3物理量、第4物理量、第5物理量、第6物理量、第7物理量、第8物理量、第9物理量とその確率とを出力するように動作する。図10では、便宜上、2つ中間層を図示しているが、中間層の層数は2つに限定されず、3つ以上であってもよい。CNNの場合、コンボリューション層及びプーリング層を含む。ノード(ニューロン)の数も図10の場合に限定されない。
出力層は、
例えば、第1物理量 0…0.08
1…0.78
・・・
5…0.01
・・・
第9物理量 0…0.04
1…0.82
・・・
5…0.01
のように出力する。
制御部71は、各物理量につき、所定値以上の確率の評価値と確率とを取得する。これにより、特定する物理量と評価値とが選択される。また、各物理量につき、確率が最大値である評価値を取得してもよい。
制御部71は、劣化度合DB74を読み出し、各行の履歴と、第1物理量、第2物理量、第3物理量、第4物理量、第5物理量、第6物理量、第7物理量、第8物理量、第9物理量とを対応付けた教師データを取得する(S11)。教師データは、履歴と、一の物理量とを対応付けたものであってもよい。
制御部71は、出力層から出力された各物理量の特定結果を、教師データにおいて履歴情報に対しラベル付けされた情報、即ち正解値と比較し、出力層からの出力値が正解値に近づくように、中間層での演算処理に用いるパラメータを最適化する。該パラメータは、例えば上述の重み(結合係数)、活性化関数の係数等である。パラメータの最適化の方法は特に限定されないが、例えば制御部71は誤差逆伝播法を用いて各種パラメータの最適化を行う。
制御部71は、劣化度合DB74に含まれる各教師データの履歴情報について上記の処理を行い、第1学習モデルを生成する。制御部71は、生成した第1学習モデルを記憶部72に格納し、一連の処理を終了する。
第2学習モデルは、人工知能ソフトウェアの一部であるプログラムモジュールとしての利用が想定される学習モデルであり、例えばCNNを用いることができるが、RNNを用いてもよい。RNNを用いる場合、劣化要因の度合の経時的な変動を入力する。他の機械学習を用いてもよい。制御部71が、学習モデルからの指令に従って、第2学習モデルの入力層に入力された第1物理量、第2物理量、第3物理量、第4物理量、第5物理量、第6物理量、第7物理量、第8物理量、第9物理量に対し演算を行い、電池2の劣化度合とその確率とを出力するように動作する。図12では、便宜上、2つ中間層を図示しているが、中間層の層数は2つに限定されず、3つ以上であってもよい。ノードの数も図12の場合に限定されない。第1学習モデルで入力したデータを入力データとして含んでもよい。
出力層は、
例えば、劣化度合1…0.01
劣化度合2…0.07
劣化度合3…0.88
・・・
のように出力する。
第2学習モデルは、第1学習モデルと同様にして生成される。
制御部71は、IDNo.1の電池2につき、推定時点で、生涯有効放電電気等の導出履歴を導出し、使用履歴DB75に記憶する(S21)。設計情報及び診断情報も記憶してもよい。
制御部71は、学習モデルDB76を読み出し、導出履歴を第1学習モデルに入力する(S22)。
制御部71は、第1学習モデルが出力した物理量のうち、例えば評価値の確率が閾値以上であるものを特定する(S23)。
制御部71は、特定した物理量を第2学習モデルに入力する(S24)。
制御部71は、第2学習モデルが出力した劣化度合に基づき、期待値[Σ(劣化度×確率)]を取得して総合劣化度合を推定し(S25)、処理を終了する。
また、劣化度合の推定は第2学習モデルを用いて行う場合に限定されない。劣化度合DB74から導出される、物理量と劣化度合との関係に基づいて劣化度合を推定してもよい。
そして、物理量の特定を劣化度合DB74から導出される、履歴と物理量との関係に基づいて行い、特定した物理量を第2学習モデルに入力して、劣化度合を取得してもよい。
実施形態3に係る充放電システム1は、学習モデルDB76が、導出履歴を入力して、第1物理量、第2物理量、第3物理量、第4物理量、第5物理量、第6物理量、第7物理量、第8物理量、第9物理量それぞれの確率を出力する学習モデル(1)、学習モデル(2)、学習モデル(3)、学習モデル(4)、学習モデル(5)、学習モデル(6)、学習モデル(7)、学習モデル(8)、学習モデル(9)を記憶していること以外は、実施形態2に係る充放電システム1と同様の構成を有する。
学習モデル(1)は、人工知能ソフトウェアの一部であるプログラムモジュールとしての利用が想定される学習モデルであり、例えばCNNを用いることができるが、RNNを用いてもよい。他の機械学習を用いてもよい。制御部71が、学習モデル(1)からの指令に従って、学習モデル(1)の入力層に入力された使用履歴に対し演算を行い、電池2の第1物理量とその確率とを出力するように動作する。図14では、便宜上、2つ中間層を図示しているが、中間層の層数は2つに限定されず、3つ以上であってもよい。ノードの数も図14の場合に限定されない。
学習モデル(1)の出力層は、第1物理量を出力する。出力層のノードの数は第1物理量の数に対応する。例えば、第1物理量が0から5までの評価値で表される場合、ノードの数を6に設定できる。出力層は、第1物理量の評価値と、各評価値の確率とを出力する。
出力層は、
例えば、第1物理量 0…0.08
1…0.78
・・・
5…0.01
のように出力する。
制御部71は、劣化度合DB74を読み出し、履歴に、第1物理量を対応させた教師データを取得し、該教師データを用いて学習モデル(1)を生成する。
学習モデル(2)の出力層は、第2物理量を出力する。出力層のノードの数は第2物理量の数に対応する。例えば、第2物理量が0から5までの数値で表される場合、ノードの数を6に設定できる。出力層は、第2物理量の評価値と、各評価値の確率とを出力する。
制御部71は、劣化度合DB74を読み出し、履歴に、第2度合を対応させた教師データを取得し、該教師データを用いて学習モデルBを生成する。
学習モデル(3)、及び学習モデル(4)の出力層は、第3物理量、及び第4物理量の評価値及び各評価値の確率を出力する。
同様に、学習モデル(9)の入力層には、生涯有効充電電気量、温度積算値、使用期間、放置時間、各SOC区分における滞在時間等の履歴が入力され、第9物理量の評価値及び各評価値の確率を出力する。
図15は、制御部71による劣化度合の推定処理の手順を示すフローチャートである。制御部71は所定の推定時点で、以下の処理を行う。
制御部71は、IDNo.1の電池2につき、推定時点で取得した電圧、電流、温度に基づいて生涯有効放電電気量、温度積算値、使用期間等の導出履歴を導出し、使用履歴DB75に記憶する(S31)。
制御部71は、学習モデル(1)が出力した第1物理量のうち、最も確率が高いものを特定し、使用履歴DB75に記憶する(S33)。
制御部71は、特定した第1物理量に基づいて劣化度合を推定し(S34)、使用履歴DB75に記憶し、処理を終了する。制御部71は、劣化度合DB74から導出される、第1物理量と劣化度合との関係に基づいて、劣化度合を推定することができる。第1物理量に対し劣化度合を対応させた教師データを用いて学習モデルを生成し、該学習モデルに特定した第1物理量を入力して、劣化度合を取得してもよい。
実施形態4に係る充放電システム1は、第1物理量から第9物理量のうち少なくとも1つの物理量を、極板の高さ方向の位置に応じた履歴と、該位置における前記物理量との関係に基づいて特定すること以外は、実施形態1と同様の構成を有する。
図16は、劣化度合DB34のレコードレイアウトの一例を示す説明図である。
図16の劣化度合DB34は、図5の履歴列に加えて、履歴列として、さらに集電特性列及び電解液比重列を記憶している。集電特性列は、極板の上部、中部、下部の集電特性を記憶している。集電特性は充放電のし易さを5段階の評価値で表しており、1が最も充放電し易く、5が最も充放電し難い。電解液比重列は、極板の上側、中側、下側の比重を記憶している。電解液比重は1から5までの5段階の評価値で表し、3は電池2の製造当初の比重に対応し、数値が大きくなるのに従い、比重が低下し、1は比重が製造当初と比較し4〜6%上昇した状態を示す。また、5は比重が4〜6%低下した状態を示す。
そして、第5物理量列は、極板の上部、中部、下部に応じて評価値を記憶している。第7物理量列は、極板の上部、中部、下部に応じて評価値を記憶している。第5物理量及び第7物理量の評価値は、他の物理量と同様に0から5までの6段階の数値で表す。
劣化度合列は、極板の上部、中部、下部に応じて評価値を記憶している。さらに、総合的な評価値を記憶している。
極板の上、中、下の位置に応じて記憶する履歴は、集電特性及び電解液比重には限定されない。
極板の上、中、下の位置に応じて評価値を記憶する物理量は、第5物理量及び第7物理量に限定されない。
図17の使用履歴DB35は、図6の導出履歴列に加えて、導出履歴列として、さらに集電特性列及び電解液比重列を記憶している。集電特性列は、極板の上部、中部、下部の集電特性を記憶している。電解液比重列は、極板の上側、中側、下側の比重を記憶している。
そして、第5物理量列は、極板の上部、中部、下部に応じて評価値を記憶している。第7物理量列は、極板の上部、中部、下部に応じて評価値を記憶している。
劣化度合列は、極板の上部、中部、下部に応じて評価値を記憶している。さらに、総合的な評価値を記憶している。
制御部31は、IDNo.1の電池2につき、推定時点で取得した電圧、電流、温度に基づいて生涯有効放電電気量等の導出履歴を導出し、使用履歴DB35に記憶する(S41)。
劣化度合DB34に設計情報も記憶している場合、S42において、第1履歴と設計情報と第1物理量との第1関係及び導出履歴に基づいて、第1物理量を特定する。第1物理量を設計情報により補正してもよい。第2物理量から第9物理量も、同様に、第2履歴から第9履歴と設計情報と、第2物理量から第9物理量との関係及び導出履歴に基づいて特定する。
劣化度合DB34に診断情報も記憶している場合、S43において、劣化度合を診断情報により補正してもよい。
2 電池(蓄電素子)
3 BMU
31、71、91 制御部(導出部、特定部、推定部、履歴消去部)
32、72 記憶部
33、73 プログラム
34、74 劣化度合DB
35、75 使用履歴DB
36 入力部
37、77、92 通信部
7 制御装置
76 学習モデルDB
9 サーバ
10 ネットワーク
13 負荷
Claims (12)
- 鉛蓄電池の電流、電圧、及び該鉛蓄電池の温度に基づく導出履歴を導出する導出部と、
導出した前記導出履歴、並びに
電流、電圧、及び前記鉛蓄電池の温度に基づく第1履歴と、正極活物質量の第1物理量との第1関係、
電流、電圧、及び前記鉛蓄電池の温度に基づく第2履歴と、正極電極材料の比表面積の第2物理量との第2関係、
電流、電圧、及び前記鉛蓄電池の温度に基づく第3履歴と、正極電極材料のかさ密度の第3物理量との第3関係、
電流、電圧、及び前記鉛蓄電池の温度に基づく第4履歴と、正極活物質粒子のクラスターサイズの第4物理量との第4関係、
電流、電圧、及び前記鉛蓄電池の温度に基づく第5履歴と、負極電極材料の硫酸鉛の蓄積量の第5物理量との第5関係、
電流、電圧、及び前記鉛蓄電池の温度に基づく第6履歴と、負極電極材料の比表面積の第6物理量との第6関係、
電流、電圧、及び前記鉛蓄電池の温度に基づく第7履歴と、正極格子の腐食量の第7物理量との第7関係、
電流、電圧、及び前記鉛蓄電池の温度に基づく第8履歴と、正極板の抵抗率の第8物理量との第8関係、及び
電流、電圧、及び前記鉛蓄電池の温度に基づく第9履歴と、負極板の抵抗率の第9物理量との第9関係、
からなる群から選択される少なくとも1つの関係に基づいて、第1物理量、第2物理量、第3物理量、第4物理量、第5物理量、第6物理量、第7物理量、第8物理量、及び第9物理量のうちの少なくとも1つの物理量を特定する特定部と、
特定した前記少なくとも1つの物理量に基づいて、前記鉛蓄電池の劣化の度合を推定する推定部と
を備える推定装置。 - 前記特定部は、
前記第1物理量から第9物理量のうち少なくとも1つの物理量を、極板の高さ方向の位置に応じた、履歴と、該位置における前記物理量との関係に基づいて特定する、請求項1に記載の推定装置。 - 前記導出履歴は、放電電気量を温度に基づく係数により補正した有効放電電気量、充電電気量を温度に基づく係数により補正した有効充電電気量、又は温度に所定の係数を乗じて積算した温度積算値を含む、請求項1又は2に記載の推定装置。
- 前記特定部は、
鉛蓄電池の電流、電圧、及び該鉛蓄電池の温度に基づく導出履歴を入力した場合に、第1物理量、第2物理量、第3物理量、第4物理量、第5物理量、第6物理量、第7物理量、第8物理量及び第9物理量のうちの少なくとも1つの物理量を出力する第1学習モデルに、導出した前記導出履歴を入力して、少なくとも1つの物理量を特定する、請求項1から3までのいずれか1項に記載の推定装置。 - 前記推定部は、
第1物理量、第2物理量、第3物理量、第4物理量、第5物理量、第6物理量、第7物理量、第8物理量、及び第9物理量のうちの少なくとも1つの物理量を入力した場合に、鉛蓄電池の劣化の度合を出力する第2学習モデルに、特定した前記少なくとも1つの物理量を入力して、劣化の度合を推定する、請求項1から4までのいずれか1項に記載の推定装置。 - 前記特定部は、
導出履歴、及び前記鉛蓄電池の設計情報に基づいて、前記少なくとも1つの物理量を特定する、請求項1から5までのいずれか1項に記載の推定装置。 - 前記設計情報は、極板の枚数、正極活物質量、正極格子の質量、正極格子の厚さ、正極格子のデザイン、正極電極材料の密度、正極電極材料の組成、正極活物質材料中の添加剤の量及び種類、正極合金の組成、正極板に当接する不織布の有無並びに厚さ、材質及び通気度、負極活物質量、負極電極材料中のカーボン量及び種類、負極電極材料の添加剤の量及び種類、負極電極材料の比表面積、電解液の添加剤の種類及び濃度、並びに電解液の比重及び量からなる群から選択される少なくとも1つである、請求項6に記載の推定装置。
- 前記推定部は、
前記少なくとも1つの物理量、及び前記鉛蓄電池の診断情報に基づいて、劣化の度合を推定する、請求項1から7までのいずれか1項に記載の推定装置。 - 前記診断情報は、内部抵抗、開放電圧、及びSOCからなる群から選択される少なくとも1つである、請求項8に記載の推定装置。
- 前記導出履歴と、前記特定部が特定した前記劣化の度合又は前記診断情報を記憶する記憶部と、
前記劣化の度合又は前記診断情報と、閾値とに基づいて、前記鉛蓄電池が交換されたと判定した場合に、前記導出履歴、及び前記劣化の度合又は前記診断情報を消去する履歴消去部と
を備える請求項8又は9に記載の推定装置。 - 鉛蓄電池の電流、電圧、及び該鉛蓄電池の温度に基づく導出履歴を導出し、
導出した前記導出履歴、並びに
電流、電圧、及び前記鉛蓄電池の温度に基づく第1履歴と、正極活物質量の第1物理量との第1関係、
電流、電圧、及び前記鉛蓄電池の温度に基づく第2履歴と、正極電極材料の比表面積の第2物理量との第2関係、
電流、電圧、及び前記鉛蓄電池の温度に基づく第3履歴と、正極電極材料のかさ密度の第3物理量との第3関係、
電流、電圧、及び前記鉛蓄電池の温度に基づく第4履歴と、正極活物質粒子のクラスターサイズの第4物理量との第4関係、
電流、電圧、及び前記鉛蓄電池の温度に基づく第5履歴と、負極電極材料の硫酸鉛の蓄積量の第5物理量との第5関係、
電流、電圧、及び前記鉛蓄電池の温度に基づく第6履歴と、負極電極材料の比表面積の第6物理量との第6関係、
電流、電圧、及び前記鉛蓄電池の温度に基づく第7履歴と、正極格子の腐食量の第7物理量との第7関係、
電流、電圧、及び前記鉛蓄電池の温度に基づく第8履歴と、正極板の抵抗率の第8物理量との第8関係、及び
電流、電圧、及び前記鉛蓄電池の温度に基づく第9履歴と、負極板の抵抗率の第9物理量との第9関係、
からなる群から選択される少なくとも1つの関係に基づいて、第1物理量、第2物理量、第3物理量、第4物理量、第5物理量、第6物理量、第7物理量、第8物理量、及び第9物理量のうちの少なくとも1つの物理量を特定し、
特定した前記少なくとも1つの物理量に基づいて、前記鉛蓄電池の劣化の度合を推定する、推定方法。 - 鉛蓄電池の電流、電圧、及び該鉛蓄電池の温度に基づく導出履歴を導出し、
導出した前記導出履歴、並びに
電流、電圧、及び該鉛蓄電池の温度に基づく第1履歴と、正極活物質量の第1物理量との第1関係、
電流、電圧、及び該鉛蓄電池の温度に基づく第2履歴と、正極電極材料の比表面積の第2物理量との第2関係、
電流、電圧、及び該鉛蓄電池の温度に基づく第3履歴と、正極電極材料のかさ密度の第3物理量との第3関係、
電流、電圧、及び前記鉛蓄電池の温度に基づく第4履歴と、正極活物質粒子のクラスターサイズの第4物理量との第4関係、
電流、電圧、及び該鉛蓄電池の温度に基づく第5履歴と、負極電極材料の硫酸鉛の蓄積量の第5物理量との第5関係、
電流、電圧、及び該鉛蓄電池の温度に基づく第6履歴と、負極電極材料の比表面積の第6物理量との第6関係、
電流、電圧、及び該鉛蓄電池の温度に基づく第7履歴と、正極格子の腐食量の第7物理量との第7関係、
電流、電圧、及び該鉛蓄電池の温度に基づく第8履歴と、正極板の抵抗率の第8物理量との第8関係、及び
電流、電圧、及び該鉛蓄電池の温度に基づく第9履歴と、負極板の抵抗率の第9物理量との第9関係、
からなる群から選択される少なくとも1つの関係に基づいて、第1物理量、第2物理量、第3物理量、第4物理量、第5物理量、第6物理量、第7物理量、第8物理量、及び第9物理量のうちの少なくとも1つの物理量を特定し、
特定した前記少なくとも1つの物理量に基づいて、前記鉛蓄電池の劣化の度合を推定する
処理をコンピュータに実行させるコンピュータプログラム。
Priority Applications (5)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2019183338A JP2021060230A (ja) | 2019-10-03 | 2019-10-03 | 推定装置、推定方法、及びコンピュータプログラム |
EP20870998.0A EP4044322A4 (en) | 2019-10-03 | 2020-10-02 | ESTIMATING DEVICE, ESTIMATING METHOD AND COMPUTER PROGRAM |
PCT/JP2020/037504 WO2021066129A1 (ja) | 2019-10-03 | 2020-10-02 | 推定装置、推定方法、及びコンピュータプログラム |
CN202080069913.2A CN114556121A (zh) | 2019-10-03 | 2020-10-02 | 估计装置、估计方法以及计算机程序 |
US17/765,249 US11913996B2 (en) | 2019-10-03 | 2020-10-02 | Estimation device, estimation method, and computer program |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2019183338A JP2021060230A (ja) | 2019-10-03 | 2019-10-03 | 推定装置、推定方法、及びコンピュータプログラム |
Publications (1)
Publication Number | Publication Date |
---|---|
JP2021060230A true JP2021060230A (ja) | 2021-04-15 |
Family
ID=75338137
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2019183338A Pending JP2021060230A (ja) | 2019-10-03 | 2019-10-03 | 推定装置、推定方法、及びコンピュータプログラム |
Country Status (5)
Country | Link |
---|---|
US (1) | US11913996B2 (ja) |
EP (1) | EP4044322A4 (ja) |
JP (1) | JP2021060230A (ja) |
CN (1) | CN114556121A (ja) |
WO (1) | WO2021066129A1 (ja) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2023027048A1 (ja) * | 2021-08-24 | 2023-03-02 | 恒林日本株式会社 | 電池パラメータ推定方法、装置、デバイス及び媒体 |
Families Citing this family (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2023238636A1 (ja) * | 2022-06-10 | 2023-12-14 | パナソニック インテレクチュアル プロパティ コーポレーション オブ アメリカ | 製造方法、製造装置及びプログラム |
CN117935995A (zh) * | 2024-03-21 | 2024-04-26 | 江苏众钠能源科技有限公司 | 用于离子电池的硬碳材料筛选方法和装置 |
Family Cites Families (24)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2558882Y2 (ja) * | 1991-10-30 | 1998-01-14 | 新神戸電機株式会社 | 密閉形鉛蓄電池 |
US5759716A (en) | 1996-04-08 | 1998-06-02 | Ensci Inc | Battery element containing metal inhibiting additives |
KR20000006763A (ko) * | 1999-01-21 | 2000-02-07 | 장영진 | 배터리(납축전지)의 효율적 사용을 위한 수명연장 장치 |
US6850038B2 (en) | 2002-05-14 | 2005-02-01 | Yazaki Corporation | Method of estimating state of charge and open circuit voltage of battery, and method and device for computing degradation degree of battery |
JP2004354050A (ja) * | 2002-05-14 | 2004-12-16 | Yazaki Corp | バッテリの充電状態推定方法及び開回路電圧推定方法、並びに、劣化度算出方法及び装置 |
JP4178898B2 (ja) * | 2002-10-10 | 2008-11-12 | 新神戸電機株式会社 | 電池状態検知システム |
JP3771526B2 (ja) | 2002-10-21 | 2006-04-26 | 株式会社日立製作所 | 二次電池評価方法および蓄電装置 |
JP2005129251A (ja) * | 2003-10-21 | 2005-05-19 | Auto Network Gijutsu Kenkyusho:Kk | 鉛蓄電池の状態管理装置及び鉛蓄電池の電圧降下予測方法 |
JP4763006B2 (ja) * | 2008-03-06 | 2011-08-31 | 古河電気工業株式会社 | バッテリ状態検知センサ装置及びバッテリ状態検知方法 |
JP5338807B2 (ja) * | 2008-03-28 | 2013-11-13 | 新神戸電機株式会社 | 電池状態判定方法および自動車 |
JP5310003B2 (ja) | 2009-01-07 | 2013-10-09 | 新神戸電機株式会社 | 風力発電用鉛蓄電池制御システム |
WO2011160258A1 (zh) * | 2010-06-24 | 2011-12-29 | 松下电器产业株式会社 | 获取电池的劣化度的方法和系统 |
CN103917884B (zh) | 2011-11-08 | 2016-08-24 | 新神户电机株式会社 | 蓄电池状态监视系统 |
JP5840116B2 (ja) * | 2012-11-22 | 2016-01-06 | 古河電気工業株式会社 | 二次電池の状態推定装置及び方法 |
JPWO2014185163A1 (ja) * | 2013-05-16 | 2017-02-23 | 日本電気株式会社 | 電池状態推定装置、電池状態管理システム、電池、電池状態推定方法、及び、プログラム |
JP2015035299A (ja) * | 2013-08-08 | 2015-02-19 | 株式会社Gsユアサ | 鉛蓄電池の状態検知方法とその装置及び車両 |
JP6087870B2 (ja) | 2014-07-23 | 2017-03-01 | トヨタ自動車株式会社 | 車両 |
JP2016109639A (ja) | 2014-12-10 | 2016-06-20 | 株式会社デンソー | 鉛バッテリの劣化診断装置 |
JP6369514B2 (ja) * | 2016-09-15 | 2018-08-08 | 富士電機株式会社 | 鉛蓄電池 |
JP2018048893A (ja) | 2016-09-21 | 2018-03-29 | Ntn株式会社 | 二次電池の劣化判定装置 |
JP6690493B2 (ja) | 2016-10-13 | 2020-04-28 | 株式会社オートネットワーク技術研究所 | 車両用のバックアップ装置 |
JP2019079629A (ja) * | 2017-10-20 | 2019-05-23 | 本田技研工業株式会社 | 電源システム |
US11072258B2 (en) * | 2017-12-11 | 2021-07-27 | Ford Global Technologies, Llc | Method for predicting battery life |
US11038214B2 (en) * | 2019-01-23 | 2021-06-15 | Sf Motors, Inc. | Systems and methods of managing battery cell degradation |
-
2019
- 2019-10-03 JP JP2019183338A patent/JP2021060230A/ja active Pending
-
2020
- 2020-10-02 WO PCT/JP2020/037504 patent/WO2021066129A1/ja unknown
- 2020-10-02 US US17/765,249 patent/US11913996B2/en active Active
- 2020-10-02 CN CN202080069913.2A patent/CN114556121A/zh active Pending
- 2020-10-02 EP EP20870998.0A patent/EP4044322A4/en active Pending
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2023027048A1 (ja) * | 2021-08-24 | 2023-03-02 | 恒林日本株式会社 | 電池パラメータ推定方法、装置、デバイス及び媒体 |
Also Published As
Publication number | Publication date |
---|---|
EP4044322A1 (en) | 2022-08-17 |
EP4044322A4 (en) | 2023-04-26 |
US11913996B2 (en) | 2024-02-27 |
US20220349941A1 (en) | 2022-11-03 |
WO2021066129A1 (ja) | 2021-04-08 |
CN114556121A (zh) | 2022-05-27 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
WO2021066128A1 (ja) | 推定装置、推定方法、及びコンピュータプログラム | |
WO2021066129A1 (ja) | 推定装置、推定方法、及びコンピュータプログラム | |
JP6567582B2 (ja) | 充放電制御装置、使用条件作成装置、プログラム、及び蓄電システム | |
CN107819339B (zh) | 充电模式制作装置、充电控制装置、充电模式制作方法及蓄电系统 | |
Caumont et al. | Energy gauge for lead-acid batteries in electric vehicles | |
CN112602226A (zh) | 电池管理装置和方法 | |
JP7446990B2 (ja) | 蓄電装置の充電状態推定方法及び蓄電装置の充電状態推定システム | |
KR20190056743A (ko) | 배터리 저항 추정 장치 및 방법 | |
US20230003809A1 (en) | Deterioration estimation device, deterioration estimation system, deterioration estimation method, and computer program | |
WO2021066125A1 (ja) | 推定装置、推定方法、及びコンピュータプログラム | |
JP6798051B2 (ja) | 充電パターン作成装置、充電制御装置、充電パターン作成方法、プログラム、及び蓄電システム | |
CN114200313A (zh) | 铅酸蓄电池健康分析方法、系统及存储介质 | |
CN111295593A (zh) | 蓄电系统、二次电池的容量推定装置和铅蓄电池的容量推定方法 | |
JP2008022596A (ja) | 蓄電池の制御方法及び制御装置 | |
JP6722387B2 (ja) | 寿命推定装置 | |
JP7451923B2 (ja) | 推定装置、推定方法及びコンピュータプログラム | |
JP7388103B2 (ja) | 推定装置、推定方法及びコンピュータプログラム | |
CN107632264A (zh) | 电池soc估算方法、装置及电池管理系统 | |
WO2021066127A1 (ja) | 推定装置、推定方法及びコンピュータプログラム | |
CN114839553A (zh) | 电池剩余使用寿命预测方法和装置 | |
CN114325442A (zh) | 用于鲁棒地预测机器中的蓄能器的老化特性的方法和设备 | |
JP2021125889A (ja) | 鉛蓄電池の充電方法、制御装置、及びコンピュータプログラム | |
CN117572267A (zh) | 一种充电模拟方法及电池监控系统 | |
JP2002165375A (ja) | 組電池本体の充電方式 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20220802 |
|
A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20230808 |
|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20231004 |
|
A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20231128 |
|
A601 | Written request for extension of time |
Free format text: JAPANESE INTERMEDIATE CODE: A601 Effective date: 20240126 |
|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20240306 |
|
A02 | Decision of refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A02 Effective date: 20240416 |