JP2021061121A - 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
- JP2021061121A JP2021061121A JP2019183337A JP2019183337A JP2021061121A JP 2021061121 A JP2021061121 A JP 2021061121A JP 2019183337 A JP2019183337 A JP 2019183337A JP 2019183337 A JP2019183337 A JP 2019183337A JP 2021061121 A JP2021061121 A JP 2021061121A
- Authority
- JP
- Japan
- Prior art keywords
- degree
- specific gravity
- history
- deterioration
- 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.)
- Granted
Links
- 238000000034 method Methods 0.000 title claims abstract description 26
- 238000004590 computer program Methods 0.000 title claims abstract description 7
- 230000006866 deterioration Effects 0.000 claims abstract description 173
- 230000005484 gravity Effects 0.000 claims abstract description 173
- 238000009795 derivation Methods 0.000 claims abstract description 62
- 239000007774 positive electrode material Substances 0.000 claims abstract description 31
- 239000007773 negative electrode material Substances 0.000 claims abstract description 30
- 230000019635 sulfation Effects 0.000 claims abstract description 17
- 238000005670 sulfation reaction Methods 0.000 claims abstract description 17
- 238000005260 corrosion Methods 0.000 claims abstract description 16
- 230000007797 corrosion Effects 0.000 claims abstract description 16
- 239000008151 electrolyte solution Substances 0.000 claims description 85
- 239000002253 acid Substances 0.000 claims description 56
- 230000005611 electricity Effects 0.000 claims description 35
- 238000013461 design Methods 0.000 claims description 19
- 239000003792 electrolyte Substances 0.000 claims description 14
- 239000000654 additive Substances 0.000 claims description 11
- 230000000996 additive effect Effects 0.000 claims description 7
- 230000008569 process Effects 0.000 claims description 7
- 239000000203 mixture Substances 0.000 claims description 6
- 239000007772 electrode material Substances 0.000 claims description 5
- 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
- 239000000463 material Substances 0.000 claims description 3
- 239000004745 nonwoven fabric Substances 0.000 claims description 3
- 230000035699 permeability Effects 0.000 claims description 3
- 239000007788 liquid Substances 0.000 abstract description 5
- 238000011156 evaluation Methods 0.000 description 29
- 210000004027 cell Anatomy 0.000 description 17
- 238000010586 diagram Methods 0.000 description 17
- 238000005259 measurement Methods 0.000 description 13
- QAOWNCQODCNURD-UHFFFAOYSA-N Sulfuric acid Chemical compound OS(O)(=O)=O QAOWNCQODCNURD-UHFFFAOYSA-N 0.000 description 12
- 230000006870 function Effects 0.000 description 10
- 238000012545 processing Methods 0.000 description 10
- PIJPYDMVFNTHIP-UHFFFAOYSA-L lead sulfate Chemical compound [PbH4+2].[O-]S([O-])(=O)=O PIJPYDMVFNTHIP-UHFFFAOYSA-L 0.000 description 9
- 238000004891 communication Methods 0.000 description 8
- 238000013527 convolutional neural network Methods 0.000 description 8
- 229910000978 Pb alloy Inorganic materials 0.000 description 7
- 238000006243 chemical reaction Methods 0.000 description 7
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 description 7
- YADSGOSSYOOKMP-UHFFFAOYSA-N dioxolead Chemical compound O=[Pb]=O YADSGOSSYOOKMP-UHFFFAOYSA-N 0.000 description 6
- 230000007423 decrease Effects 0.000 description 5
- 238000001514 detection method Methods 0.000 description 4
- 238000010801 machine learning Methods 0.000 description 4
- 238000007599 discharging Methods 0.000 description 3
- 210000005069 ears Anatomy 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
- 238000013528 artificial neural network Methods 0.000 description 2
- 210000000988 bone and bone Anatomy 0.000 description 2
- 238000004364 calculation method Methods 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 230000010354 integration Effects 0.000 description 2
- 210000002569 neuron Anatomy 0.000 description 2
- 230000002093 peripheral effect Effects 0.000 description 2
- 238000006479 redox reaction Methods 0.000 description 2
- 238000003466 welding Methods 0.000 description 2
- 238000009825 accumulation Methods 0.000 description 1
- 238000013459 approach Methods 0.000 description 1
- 238000004422 calculation algorithm Methods 0.000 description 1
- 230000008859 change Effects 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
- 239000013078 crystal Substances 0.000 description 1
- 238000003066 decision tree Methods 0.000 description 1
- 238000000354 decomposition reaction Methods 0.000 description 1
- 238000013135 deep learning Methods 0.000 description 1
- 238000005868 electrolysis reaction Methods 0.000 description 1
- 238000001704 evaporation Methods 0.000 description 1
- 230000008020 evaporation Effects 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
- 230000004048 modification Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 238000000465 moulding Methods 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
- 230000009467 reduction Effects 0.000 description 1
- 239000007858 starting material Substances 0.000 description 1
- 239000000126 substance Substances 0.000 description 1
- 238000012706 support-vector machine Methods 0.000 description 1
- 230000036962 time dependent Effects 0.000 description 1
- 238000012549 training Methods 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]
- G01R31/378—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]
- G01R31/367—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]
- G01R31/392—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
- H01M10/06—Lead-acid accumulators
-
- 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
- H01M10/48—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
- H01M10/484—Accumulators combined with arrangements for measuring, testing or indicating the condition of cells, e.g. the level or density of the electrolyte for measuring electrolyte level, electrolyte density or electrolyte conductivity
-
- 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
-
- 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
- H01M2220/00—Batteries for particular applications
- H01M2220/20—Batteries in motive systems, e.g. vehicle, ship, plane
-
- 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
- H02J7/007—Regulation of charging or discharging current or voltage
- H02J7/007188—Regulation of charging or discharging current or voltage the charge cycle being controlled or terminated in response to non-electric parameters
-
- 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)
- Tests Of Electric Status Of Batteries (AREA)
- Charge And Discharge Circuits For Batteries Or The Like (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、電解液の比重を特定する第1特定部と、特定した前記比重、及び導出した前記導出履歴、並びに電解液の比重、並びに電流、電圧、及び温度に基づく第1履歴と、正極電極材料の軟化の第1度合との第1関係、電解液の比重、並びに電流、電圧、及び温度に基づく第2履歴と、正極格子の腐食の第2度合との第2関係、電解液の比重、並びに電流、電圧、及び温度に基づく第3履歴と、負極サルフェーションの第3度合との第3関係、及び電流、電圧、及び温度に基づく第4履歴と、負極電極材料の収縮の第4度合との第4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度合、第2度合、第3度合、及び第4度合のうちの少なくとも1つの度合を特定する第2特定部と、特定した前記少なくとも1つの度合に基づいて、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。
劣化を予測することにより、故障リスクを推定し、突然の使用不能状態に陥ることを回避できる。
上記構成によれば、良好に劣化要因の度合を特定できる。比重により補正した有効放電電気量等を用いて、劣化要因の度合を特定することができる。
上記構成によれば、導出履歴、及び設計情報に基づいて、良好に劣化要因の度合を特定できる。
上記構成によれば、良好に劣化要因の度合を特定できる。
上記構成によれば、劣化要因の度合と診断情報とに基づいて、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。
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、比重列、正極格子厚さ列、診断情報列、第1度合列,第2度合列,第3度合列,及び第4度合列等の劣化要因度合列、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。
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。
比重列は、電解液の比重の履歴、例えば平均比重を記憶している。
第3度合列は、負極サルフェーションの度合である第3度合を記憶している。第3度合は6段階の評価で表す。評価は上記と同様の数値で表される。評価は、負極活物質中の硫酸鉛量等により行う。
第4度合列は、負極電極材料の収縮の度合である第4度合を記憶している。第4度合は6段階の評価で表す。評価は上記と同様の数値で表される。評価は、電極材料の収縮によるクラックの度合や比表面積の低下度等により行う。
なお、第1度合、第2度合、第3度合及び第4度合の評価は、6段階に限定されるものではなく、100段階でもよく、それぞれの度合と関連する物理量の値を用いてもよい。
設計情報として、正極格子厚さ以外に、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、負極電極材料中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、並びに電解液の初期の比重及び量を記憶してもよい。
診断情報として内部抵抗や開放電圧等を記憶してもよい。なお、内部抵抗や開放電圧は、SOCに依存するため、別途取得したSOCによって内部抵抗や開放電圧を補正してもよい。
使用履歴DB35は、電池2毎に、各推定時点の導出履歴、電解液の比重、正極格子厚さ、診断情報、劣化要因の度合、及び劣化度合を記憶している。図6はIDNo.1の電池2の導出履歴を示している。No.列は、各推定時点のNo.を記憶している。導出履歴列、正極格子厚さ列、診断情報列は、劣化度合DB34の履歴列、正極格子厚さ列、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度合、第2度合、第3度合、第4度合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導出履歴を導出し、使用履歴DB35に記憶する(S1)。
(1)使用履歴DB35に、設計情報として、電解液の初期の比重を記憶しておくか、SOC100%のときの電池電圧(充電から少し時間が経ち、電圧が安定しているときの電圧)から初期の電解液比重を推定し、比重列に記憶しておく。
(2)推定期間の充放電履歴から過充電量aを算出する。
(3)推定期間の温度から、電池2の自己放電量を推定する。
(4)過充電量bを下記式により算出する。
過充電量b=過充電量a−自己放電量−暗電流による放電量
(5)過充電量bから水分解反応量を算出し、電解液の減液量を推定する。
(6)減液量と電解液の比重とに基づいて推定時点の電解液の比重を推定する。
劣化度合DB34に設計情報も記憶している場合、S3において、電解液の比重、第1履歴及び設計情報と、第1度合との第1関係に基づいて、第1度合を特定する。第2度合、第3度合も電解液の比重、第2履歴又は第3履歴、及び設計情報と、第2度合又は第3度合との関係に基づいて特定する。第4度合は、第4履歴及び設計情報と、第4度合との関係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、S4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、及び第4関係の関数を記憶しておいてもよい。
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、第2学習モデル、及び第3学習モデルを記憶している。
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、各推定時点の導出履歴、比重、正極格子厚さ、診断情報、劣化要因の度合、実測の劣化要因の度合、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。履歴列、正極格子厚さ列、診断情報列は、劣化度合DB34の履歴列、正極格子厚さ列、診断情報列と同様の内容を記憶している。
第1度合列、第2度合列、第3度合列、第4度合列は、後述するように、各推定時点の使用履歴、及び特定した比重を第2学習モデルに入力して特定した第1度合、第2度合、第3度合、第4度合を記憶している。
劣化度合列は、特定した第1度合、第2度合、第3度合、第4度合を第3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。
実測第1度合列、実測第2度合列、実測第3度合列、実測第4度合列は夫々、実測により求めた第1度合、第2度合、第3度合、第4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。
実測による劣化要因の度合、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。RNNを用いる場合、履歴の経時的な変動を入力する。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履歴情報に対し演算を行い、比重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、
出力層は、
例えば、比重1.100…0.01
比重1.240…0.07
比重1.300…0.88
・・・
のように出力する。
制御部71は、劣化度合DB74を読み出し、各行の履歴と、比重とを対応付けた教師データを取得する(S11)。
制御部71は、出力層から出力された各比重の特定結果を、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、履歴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、第2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履歴及び比重に対し演算を行い、第1度合、第2度合、第3度合、第4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(ニューロン)の数も図12の場合に限定されない。
出力層は、
例えば、第1度合 0…0.08
1…0.78
・・・
5…0.01
・・・
第4度合 0…0.04
1…0.82
・・・
5…0.01
のように出力する。
制御部71は、各度合につき、確率が最大である評価値、又は確率が閾値以上である評価値を取得する。
出力層は、
例えば、第1度合1、第2度合3、第3度合3、第4度合0…0.91
第1度合1、第2度合2、第3度合2、第4度合1…0.08
・・・
のように出力する。
第3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、第3学習モデルからの指令に従って、第3学習モデルの入力層に入力された第1度合、第2度合、第3度合、第4度合に対し演算を行い、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13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13の場合に限定されない。
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3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比重のうち、最も確率が高いものを特定する(S23)。
制御部71は、導出履歴、及び特定した比重を第2学習モデルに入力する(S24)。 制御部71は、評価値の確率が閾値以上である劣化要因の度合を特定する(S25)。
制御部71は、特定した劣化要因の度合を第3学習モデルに入力する(S26)。
制御部71は、第3学習モデルが出力した劣化度合のうち、例えば最も確率が高いものを取得して劣化度合を推定し(S27)、処理を終了する。
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、夫々第1度合、第2度合、第3度合、第4度合の評価値の確率を出力する学習モデルA、B、C、D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A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Aからの指令に従って、学習モデルAの入力層に入力された導出履歴及び比重に対し演算を行い、電池2の第1度合とその確率とを出力するように動作する。図15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15の場合に限定されない。
学習モデルAの出力層は、第1度合を出力する。出力層のノードの数は第1度合の数に対応する。例えば、第1度合が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1度合の評価値と、各評価値の確率とを出力する。
出力層は、
例えば、第1度合0…0.01
第1度合1…0.87
第1度合2…0.08
・・・
のように出力する。
制御部71は、劣化度合DB74を読み出し、第1履歴及び比重に、第1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Aを生成する。
学習モデルBの出力層は、第2度合を出力する。出力層のノードの数は第2度合の数に対応する。例えば、第2度合が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度合の評価値と、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、第2履歴及び比重に、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Cの出力層は、第3度合を出力する。出力層のノードの数は第3度合の数に対応する。例えば、第3度合が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3度合の評価値と、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、第3履歴及び比重に、第3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Cを生成する。
学習モデルDの出力層は、第4度合を出力する。出力層のノードの数は第4度合の数に対応する。例えば、第4度合が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4度合の評価値と、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、第4履歴及び比重に、第4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Dを生成する。
図16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、温度積算値等の使用履歴を導出し、使用履歴DB75に記憶する(S31)。
制御部71は、上述のS2又はS23と同様にして、比重を特定する(S32)。
制御部71は、学習モデルAが出力した第1度合のうち、最も確率が高いものを特定し、使用履歴DB75に記憶する(S34)。
制御部71は、特定した第1度合に基づいて劣化度合を推定し(S35)、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度合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。又は 第3学習モデルに特定した第1度合を入力して、劣化度合を取得してもよい。
2 電池(蓄電素子)
3 BMU
31、71、91 制御部(導出部、第1特定部、第2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、
電解液の比重を特定する第1特定部と、
特定した前記比重、及び導出した前記導出履歴、並びに
電解液の比重、並びに電流、電圧、及び温度に基づく第1履歴と、正極電極材料の軟化の第1度合との第1関係、
電解液の比重、並びに電流、電圧、及び温度に基づく第2履歴と、正極格子の腐食の第2度合との第2関係、
電解液の比重、並びに電流、電圧、及び温度に基づく第3履歴と、負極サルフェーションの第3度合との第3関係、及び
電流、電圧、及び温度に基づく第4履歴と、負極電極材料の収縮の第4度合との第4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度合、第2度合、第3度合、及び第4度合のうちの少なくとも1つの度合を特定する第2特定部と、
特定した前記少なくとも1つの度合に基づいて、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。 - 前記第1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履歴を入力した場合に、電解液の比重を出力する第1学習モデルに、導出した前記履歴を入力して、電解液の比重を特定する、請求項1に記載の推定装置。 - 前記第2特定部は、
電流、電圧、及び該鉛蓄電池の温度に基づく導出履歴及び電解液の比重を入力した場合に、第1度合、第2度合、第3度合、及び第4度合のうちの少なくとも1つの度合を出力する第2学習モデルに、導出した前記導出履歴及び特定した前記電解液の比重を入力して、第1度合、第2度合、第3度合、及び第4度合のうちの少なくとも1つの度合を特定する、請求項1又は2に記載の推定装置。 - 前記推定部は、
第1度合、第2度合、第3度合、及び第4度合のうちの少なくとも1つの度合を入力した場合に、鉛蓄電池の劣化の度合を出力する第3学習モデルに、特定した前記少なくとも1つの度合を入力して、劣化の度合を推定する、請求項1から3までのいずれか1項に記載の推定装置。 - 前記導出履歴は、放電電気量を温度及び電解液の比重の少なくとも一方に基づく係数により補正した有効放電電気量、充電電気量を温度及び電解液の比重の少なくとも一方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若しくは電解液の比重に基づく係数を乗じて積算した温度積算値を含む、請求項1から4までのいずれか1項に記載の推定装置。
- 前記第2特定部は、
電解液の比重、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つの度合を特定する、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、負極電極材料中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、並びに電解液の初期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つの度合、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、前記第2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推定した場合に、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、
電解液の比重を特定し、
特定した前記比重、及び導出した前記導出履歴、並びに
電解液の比重、並びに電流、電圧、及び温度に基づく第1履歴と、正極電極材料の軟化の第1度合との第1関係、
電解液の比重、並びに電流、電圧、及び温度に基づく第2履歴と、正極格子の腐食の第2度合との第2関係、
電解液の比重、並びに電流、電圧、及び温度に基づく第3履歴と、負極サルフェーションの第3度合との第3関係、及び
電流、電圧、及び温度に基づく第4履歴と、負極電極材料の収縮の第4度合との第4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度合、第2度合、第3度合、及び第4度合のうちの少なくとも1つの度合を特定し、
特定した前記少なくとも1つの度合に基づいて、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、
電解液の比重を特定し、
特定した前記比重、及び導出した前記導出履歴、並びに
電解液の比重、並びに電流、電圧、及び温度に基づく第1履歴と、正極電極材料の軟化の第1度合との第1関係、
電解液の比重、並びに電流、電圧、及び温度に基づく第2履歴と、正極格子の腐食の第2度合との第2関係、
電解液の比重、並びに電流、電圧、及び温度に基づく第3履歴と、負極サルフェーションの第3度合との第3関係、及び
電流、電圧、及び温度に基づく第4履歴と、負極電極材料の収縮の第4度合との第4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度合、第2度合、第3度合、及び第4度合のうちの少なくとも1つの度合を特定し、
特定した前記少なくとも1つの度合に基づいて、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 |
---|---|---|---|
JP2019183337A JP7472459B2 (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 |
CN202080069931.0A CN114667627A (zh) | 2019-10-03 | 2020-10-02 | 估计装置、估计方法以及计算机程序 |
US17/765,597 US20220404420A1 (en) | 2019-10-03 | 2020-10-02 | Estimation device, estimation method, and computer program |
EP20872163.9A EP4033585A4 (en) | 2019-10-03 | 2020-10-02 | ESTIMATION DEVICE, ESTIMATION METHOD AND COMPUTER PROGRAM |
PCT/JP2020/037503 WO2021066128A1 (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 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2019183337A JP7472459B2 (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 (2)
Publication Number | Publication Date |
---|---|
JP2021061121A true JP2021061121A (ja) | 2021-04-15 |
JP7472459B2 JP7472459B2 (ja) | 2024-04-23 |
Family
ID=75338130
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2019183337A Active JP7472459B2 (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) | US20220404420A1 (ja) |
EP (1) | EP4033585A4 (ja) |
JP (1) | JP7472459B2 (ja) |
CN (1) | CN114667627A (ja) |
WO (1) | WO2021066128A1 (ja) |
Cited By (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2023013495A (ja) * | 2021-07-16 | 2023-01-26 | 株式会社D&I | 鉛蓄電池監視システム |
JP2023013954A (ja) * | 2021-07-15 | 2023-01-26 | 株式会社スリーダムアライアンス | 二次電池評価装置及び二次電池評価方法 |
WO2023106302A1 (ja) * | 2021-12-10 | 2023-06-15 | 古河電気工業株式会社 | 鉛蓄電池システム及び鉛蓄電池の劣化推定方法 |
WO2023106301A1 (ja) * | 2021-12-10 | 2023-06-15 | 古河電気工業株式会社 | 鉛蓄電池システム及び鉛蓄電池の劣化推定方法 |
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 |
Family Cites Families (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
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 |
JP5343168B2 (ja) * | 2010-06-24 | 2013-11-13 | パナソニック株式会社 | 電池の劣化度を取得するための方法及びそのシステム |
WO2013069328A1 (ja) * | 2011-11-08 | 2013-05-16 | 新神戸電機株式会社 | 蓄電池状態監視システム |
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 |
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 |
-
2019
- 2019-10-03 JP JP2019183337A patent/JP7472459B2/ja active Active
-
2020
- 2020-10-02 WO PCT/JP2020/037503 patent/WO2021066128A1/ja unknown
- 2020-10-02 US US17/765,597 patent/US20220404420A1/en active Pending
- 2020-10-02 EP EP20872163.9A patent/EP4033585A4/en active Pending
- 2020-10-02 CN CN202080069931.0A patent/CN114667627A/zh active Pending
Cited By (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2023013954A (ja) * | 2021-07-15 | 2023-01-26 | 株式会社スリーダムアライアンス | 二次電池評価装置及び二次電池評価方法 |
JP7371966B2 (ja) | 2021-07-15 | 2023-10-31 | 株式会社スリーダムアライアンス | 二次電池評価装置及び二次電池評価方法 |
JP2023013495A (ja) * | 2021-07-16 | 2023-01-26 | 株式会社D&I | 鉛蓄電池監視システム |
WO2023106302A1 (ja) * | 2021-12-10 | 2023-06-15 | 古河電気工業株式会社 | 鉛蓄電池システム及び鉛蓄電池の劣化推定方法 |
WO2023106301A1 (ja) * | 2021-12-10 | 2023-06-15 | 古河電気工業株式会社 | 鉛蓄電池システム及び鉛蓄電池の劣化推定方法 |
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 |
Also Published As
Publication number | Publication date |
---|---|
CN114667627A (zh) | 2022-06-24 |
JP7472459B2 (ja) | 2024-04-23 |
EP4033585A4 (en) | 2023-11-01 |
WO2021066128A1 (ja) | 2021-04-08 |
EP4033585A1 (en) | 2022-07-27 |
US20220404420A1 (en) | 2022-12-22 |
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 | |
JP6383500B2 (ja) | 蓄電池制御装置、制御方法、プログラム、蓄電システム、電力システム | |
CN101953015A (zh) | 组电池的充电方法及电池充电系统 | |
JPWO2018181489A1 (ja) | 推定装置、蓄電装置、推定方法 | |
KR102629463B1 (ko) | 배터리 건강 상태 추정 방법 | |
WO2021066125A1 (ja) | 推定装置、推定方法、及びコンピュータプログラム | |
WO2021112224A1 (ja) | 制御装置、劣化推定システム、制御方法、及びコンピュータプログラム | |
JP7036121B2 (ja) | 蓄電システム、二次電池の容量推定装置、および、鉛蓄電池の容量推定方法 | |
JP4413893B2 (ja) | 蓄電池の制御方法及び制御装置 | |
CN113874739A (zh) | 估计装置、估计方法以及计算机程序 | |
JP7388103B2 (ja) | 推定装置、推定方法及びコンピュータプログラム | |
JP7122058B2 (ja) | シミュレーション方法及びシミュレーション装置 | |
CN114729968A (zh) | 推断装置、推断方法以及计算机程序 | |
WO2021066127A1 (ja) | 推定装置、推定方法及びコンピュータプログラム | |
Belarbi et al. | Operating limits of battery charge controllers | |
WO2023062894A1 (ja) | 鉛蓄電デバイス、情報処理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 | |
US20230213593A1 (en) | Supercapacitor to electrochemical hybrid system with supercapacitor testing capability | |
Jantharamin | Battery Modeling Based on Artificial Neural Network for Battery Control and Management | |
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 | |
Mukherjee et al. | A Deep Concurrent Learning-based Robust and Optimal Energy Management Strategy for Hybrid Battery Systems in Electrical Vehicles: A Thermal-And Health-Aware Design Approach | |
İşler | Effects of grid design on lead-acid battery performance | |
Ting et al. | Estimating the residual travel distance of an electrical scooter | |
Panday et al. | Research Article Thermoelectric Modeling and Online SOC Estimation of Li-Ion Battery for Plug-In Hybrid Electric Vehicles |
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: 20231031 |
|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20231225 |
|
TRDD | Decision of grant or rejection written | ||
A01 | Written decision to grant a patent or to grant a registration (utility model) |
Free format text: JAPANESE INTERMEDIATE CODE: A01 Effective date: 20240312 |
|
A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20240325 |
|
R150 | Certificate of patent or registration of utility model |
Ref document number: 7472459 Country of ref document: JP Free format text: JAPANESE INTERMEDIATE CODE: R150 |