JP2021092464A - 電池データの調整方法及びバッテリマネージメントユニットの製造方法並びにバッテリマネージメントユニット及びサーバー - Google Patents

Abstract

【課題】バッテリマネージメントユニットにおけるパラメータの推定値の遅れを解消し、バッテリマネージメントユニットに記録される電池の充電率の精度を劣化に対応するように維持する。【解決手段】電池とバッテリマネージメントユニットとを有する一個又は二個以上の機器と、機器とデータの送受信をするサーバーと、を用いて、電池のデータを調整する方法であって、バッテリマネージメントユニットは、電池のパラメータを記録するテーブルを有し、サーバーは、データベースを有し、バッテリマネージメントユニットからサーバーに電池のパラメータを送信する工程と、送信されたパラメータを用いて、サーバーにより、データベースに蓄積されているバッテリマネージメントユニットのテーブルに対応するデータを更新する工程と、その更新されたデータをバッテリマネージメントユニットに転送する工程と、を含む。【選択図】図１

Description

本発明は、電池データの調整方法及びバッテリマネージメントユニットの製造方法並びにバッテリマネージメントユニット及びサーバーに関する。

自動車、無停電電源装置（ＵＰＳ）、スマートフォン、パーソナルコンピュータ（ＰＣ）等の蓄電池には、バッテリマネージメントユニット（Ｂａｔｔｅｒｙ Ｍａｎａｇｅｍｅｎｔ Ｕｎｉｔ：ＢＭＵ）が取り付けられ、電池の充電率（ＳＯＣ）、劣化度等が計算されるようになっている。ＢＭＵには、工場出荷時における電池のパラメータを記録したテーブルが埋め込まれている。ＢＭＵは、このテーブルに記録されたパラメータを基に、充電率を計算する。ここで、電池のパラメータは、電池の定常開放電圧（ＯＣＶ）と充電率との関係、抵抗、分極抵抗、分極時定数、満充電容量等であり、電池の劣化に伴って値が変化する。このため、テーブルに記録された電池のパラメータは、定期的に値の更新又は補正をする必要がある。

特許文献１には、電池の遅い応答部分をも考慮して電池の過電圧の推定精度を向上させることで、電池の内部状態を精度よく推定できるようにすることを目的として、電池の等価回路モデルのうち早い応答部分のみで逐次パラメータ推定を行い、電池の遅い応答部分（拡散抵抗）には予め実験で決定した定数を用いて、パラメータおよび定数に充放電電流値を掛けて加算する手段が開示されている。特許文献１においては、定数として、等価回路モデルの遅い応答部分における抵抗とコンデンサ容量を表すものを設定している。特許文献１に記載の電池の状態推定装置は、例えば電気自動車に搭載され、駆動モータ等に電力を供給可能な実電池（リチウム・イオン・バッテリ等の二次電池）に接続されている。すなわち、特許文献１に記載の電池の状態推定装置は、上記のＢＭＵ内に設けられたものである。

非特許文献１には、カルマンフィルタの理論が記載されている。

非特許文献２には、蓄電池内部パラメータ推定として、同じ入力を現実システムと数学モデルに与えた結果出力と仮想出力の誤差を最小化するように蓄電池等価回路モデルパラメータを算出する方法が記載されている。非特許文献２においては、蓄電池等価回路モデルにおける蓄電池の各パラメータがＳＯＣ、温度、充放電電流、劣化によって変化することを考慮し、パラメータを時変パラメータと見なして同定するために、忘却機能付き逐次最小二乗法（Ｒｅｃｕｒｓｉｖｅ Ｌｅａｓｔ−Ｓｑｕａｒｅｓ ｍｅｔｈｏｄ）を用いている。忘却機能付き逐次最小二乗法の評価関数においては、時間と指数関係がある重みλ^ｔをつけている。ここで、λは忘却係数である。

また、ＢＭＵにおいては、一台の車又は機器の情報しか扱えないため、使用している環境温度及び充電率の範囲での値しか同定できないという課題がある。

この課題に対応する例として特許文献２がある。

特許文献２には、この例として、電池データ及び電池の劣化度に関するデータを採集し、電池の劣化度に関するパラメータを取得すると共に、パラメータを順次に劣化パラメータ履歴表に記憶するデータ採集装置と、取得された電池の劣化度に関するパラメータを用いて電池劣化度モデルを構築すると共に、電池の劣化度に関するパラメータを用いて電池の劣化度モデルを更新する劣化度モデル構築／更新装置と、電池劣化度モデル及び電池の劣化度に関するパラメータを用いて電池の劣化度を算出する劣化度算出装置とを備える、電池の劣化度を取得するシステムが開示されている。また、特許文献２には、電池の劣化度パラメータ履歴表データを電池応用管理センターに伝送するステップと、電池応用管理センターが、劣化度パラメータ履歴表データをデータベースに記録すると共に、劣化度パラメータ履歴表データを用いて電池の劣化度モデルを更新するステップと、データベースから、電池に対応する劣化度モデルデータ項目をサーチし、電池に対応する劣化度モデルデータ項目が無ければ、電池劣化度関連パラメータ及び新たに算出された劣化度数値に基づいて電池劣化度モデルを更新し、対応するデータ項目を生成するステップとを含む電池劣化度モデルの生成／更新方法が開示されている。また、特許文献２には、ＤＣＬモジュールは、電池使用箇所、例えば電気自動車から電池劣化度に関するパラメータを採集し、採集されたパラメータを電池情報データベースに記憶させておくことも開示されている。

特許文献３には、内部情報として正極及び負極の状態（放電カーブ）を求める処理（再現計算処理）が記載されている。

非特許文献３には、電池の満充電容量の求め方が記載されている。

特許第５２９１８４５号公報 特表２０１３−５１６６１４号公報 特開２００９−０８００９３号公報

馬場厚志：モデルに基づくリチウムイオン二次電池の充電率推定に関する研究，2013年度慶應義塾大学大学院理工学研究科博士論文 林磊，石崎龍，鷹羽浄嗣，福井正博：リチウムイオン蓄電池特性の動的抽出に関する一検討，信学技報114(466),7-12,2015-02-27 Lei Lin, Hironori Ono, Masahiro Fukui, and Kiyotsugu Takaba: An In Situ Full Charge Capacity Estimation Algorithm for Li-ion Batteries Using Recursive Least-Squares Identification with Adaptive Forgetting Factor Tuning, ECS Transactions, 75 (20) 111-119 (2017)

特許文献１においては、テーブルとして直流抵抗と満充電容量の値は既に劣化度として計算されており、ＢＭＵ内での計算としては問題がない。満充電容量は、同定遅れがあるが、一回の走行や使用では値が変わらないため、問題はない。

しかしながら、分極抵抗及び分極時定数は、同定しても、遅れが生じる。例えば、カルマンフィルタや再帰最小二乗法で同定した分極抵抗は、極端に言えば、例えば１００秒前の値を示すことになる。このため、分極抵抗及び分極時定数は、その場での補正で対応することは困難となる。

このため、同定した電池パラメータを記憶しておき、例えば１００秒後や電池の使用が終了した後に、遅れを補正して、テーブルを更新する必要がある。

特許文献２においては、ＤＣＬモジュールと電気自動車との通信についての記載はあるが、遅れが生じる場合の対策に関しては、改善の余地がある。

本発明の目的は、バッテリマネージメントユニットにおけるパラメータの推定値の遅れを解消し、バッテリマネージメントユニットに記録される電池の充電率の精度を劣化に対応するように維持することにある。

本発明の電池データの調整方法は、電池とバッテリマネージメントユニットとを有する一個又は二個以上の機器と、機器とデータの送受信をするサーバーと、を用いて、電池のデータを調整する方法であって、バッテリマネージメントユニットは、電池のパラメータを記録するテーブルを有し、サーバーは、データベースを有し、バッテリマネージメントユニットからサーバーに電池のパラメータを送信する工程と、送信されたパラメータを用いて、サーバーにより、データベースに蓄積されているバッテリマネージメントユニットのテーブルに対応するデータを更新する工程と、その更新されたデータをバッテリマネージメントユニットに転送する工程と、を含む。

本発明によれば、バッテリマネージメントユニットにおけるパラメータの推定値の遅れを解消し、バッテリマネージメントユニットに記録される電池の充電率の精度を劣化に対応するように維持することができる。

第１の実施形態に係る電池管理システムの一例を示す模式構成図である。 ＢＭＵのテーブルの例を示す概略図である。 機器からサーバーへの通信フォーマットの例を示す概略図である。 データベースのデータセット群の記憶フォーマットの例を示す概略図である。 容量／ＳＯＨＲ時系列のフォーマットの例を示す概略図である。 ＯＣＶ時系列のフォーマットの例を示す概略図である。 再現計算処理によるＯＣＶの同定の考え方を示すグラフである。 放電曲線解析に用いる正極材料及び負極材料のそれぞれの電位カーブを示す概略図である。 ＢＭＵにおける処理工程をまとめて示すフローチャートである。 サーバーにおける処理工程をまとめて示すフローチャートである。 第２の実施形態に係る中古電池売買システムを示す概念図である。 第３の実施形態に係るＢＭＵ設計システムを示す概念図である。 ＢＭＵとサーバーとの連携による遅れ補償の工程を示す概略図である。

本発明は、電池のサーバー連携によるＢＭＵの管理システムに関する。

本発明の電池管理システムは、複数個のＢＭＵとサーバーで構成され、サーバーとＢＭＵ間を通信で繋ぎ、ＢＭＵではパラメータ（特に分極抵抗、分極時定数、もしくは開放電圧）の同定（推定）をし、そのときに遅れを同定できる数値を定期的にサーバーに転送し、サーバーでは遅れ補償をして、データベースに蓄え、同一電池種で同一の劣化の電池データより、分極時定数、分極抵抗、開放電圧を関数近似（引数は充電率と温度）し、その関数近似した値を定期的にＢＭＵに転送する。

最初に、本発明の原理について説明する。

電池のＳＯＣを求める方法としては、カルマンフィルタが用いられる。カルマンフィルタの原理については、非特許文献１において説明されている。

カルマンフィルタを電池のＳＯＣ推定に用いる場合の一例としては、状態方程式（外部に観測されないＳＯＣの更新）と観測方程式（直接観測できる電池電圧の推定値）で構成されるものがある。

ＳＯＣは、電流積分のため、ＳＯＣの微分は、電流となる。そして、電池電圧の推定値Ｖ_ｅは、次の式で表される。

V_e＝OCV(SOC)＋IR(SOC,temp)＋i_p(I;τ_p(SOC,temp))×r_p(SOC,temp)
ここで、Ｉは電流、Ｒは直流抵抗のテーブル関数、τ_ｐは分極抵抗のテーブル関数、ｔｅｍｐは温度、ｒ_ｐは分極抵抗のテーブル関数である。また、ｉ_ｐは、分極抵抗に流れる電流を示し、Ｉとｅｘｐ（−ｔ／τ_ｐ）／τ_ｐとのコンボリューションである。

そして、次の式を基に、ＳＯＣの値を更新する。

err＝（電池電圧計測値）−v_p
以上のように、カルマンフィルタは、ＯＣＶ、直流抵抗、分極抵抗及び分極時定数といったパラメータの関数テーブルを用意する必要がある。ここで、各パラメータは、電池の劣化に伴い、値が変化する。しかしながら、テーブルを更新しなければ、電池の推定電圧の精度が低下し、結果としてＳＯＣの推定値の精度も低下することになる。

ＳＯＣと共に、パラメータをカルマンフィルタもしくは再帰最小二乗法を用いて推定することで対応することも考えられる。

非特許文献２には、上述のとおり、忘却機能付き逐次最小二乗法が記載されている。

非特許文献３には、電池の満充電容量Ｑ_ｍａｘの求め方が記載されている。

Ｑ_ｍａｘは、ＳＯＣ及び温度が変わっても値が一つであり、劣化が遅く一回の走行では変化がないため、毎回の電池使用終了時に更新すればよい。直流抵抗は同定遅れがほとんどないため、直流抵抗を同定した値を基に、ＳＯＣを計算してもよい。

しかしながら、τ_ｐ、ｒ_ｐ及びＯＣＶについては、同定自体が困難である。特に、τ_ｐ及びｒ_ｐは、同定遅れが大きい。このため、同定した値を基にカルマンフィルタを実行することが困難となる。また、同定した値をＢＭＵに蓄積したとしても、ＢＭＵ一台の使用状況や温度範囲に規定されるため、テーブルを更新しても部分的となる。

そこで、本発明では、サーバー連携にて、これらの課題を解決する。

以下、図面を用いて、本発明の実施形態について説明する。ただし、本発明は、以下の実施形態に限定されることなく、本発明の技術的な概念の中で種々の変形例や応用例をもその範囲に含むものである。例えば、以下に説明するシステムは、電気自動車、太陽光、風力併設蓄電池、ピークカットシステムのみならず、ＨＥＭＳ（Ｈｏｍｅ Ｅｎｅｒｇｙ Ｍａｎａｇｅｍｅｎｔ Ｓｙｓｔｅｍ）、ＢＥＭＳ（Ｂｕｉｌｄｉｎｇ Ｅｎｅｒｇｙ Ｍａｎａｇｅｍｅｎｔ Ｓｙｓｔｅｍ）、ＦＥＭＳ（Ｆａｃｔｏｒｙ Ｅｎｅｒｇｙ Ｍａｎａｇｅｍｅｎｔ Ｓｙｓｔｅｍ）、鉄道、スマートフォン、ノートＰＣ（ノート型パーソナルコンピュータ）にも適用できる。

なお、本明細書においては、ＳＯＣ、後述のＳＯＨ等を電池の「内部状態」という。

（１）第１の実施形態
本実施形態は、テーブルを自動で更新（ＵＰＤＡＴＥ）する場合である。

図１は、電池管理システムの一例を示す構成図である。

本図に示すように、電池管理システムは、複数の機器１００と、サーバー１０４と、で構成されている。機器１００は、電池パック１０１と、電池パック１０１付属の電池管理ユニット１０２（ＢＭＵ）と、通信装置１０３と、を有している。サーバー１０４は、同定遅れ補償部１０５と、電池の同定されたパラメータを蓄積しているデータベース１０６（電池パラメータＤＢ）と、テーブル関数近似部１０７と、通信部１０８と、を有している。通信装置１０３は、サーバー１０４との通信により、ＢＭＵのデータを送信し、サーバー１０４のデータを受信する。

本実施例においては、機器１００は、電気自動車（Ｅｌｅｃｔｒｉｃ Ｖｅｈｉｃｌｅ、以下「ＥＶ」と略称する。）である。なお、機器１００は、ＥＶに限らず、例えばノートＰＣ等であってもよい。また、電池パック１０１は、充電可能な二次電池の複数個含む集合体であるが、一個の電池であってもよい。

ＢＭＵは、ＳＯＣ推定部１０９と、パラメータ同定部１１０と、テーブル１１１と、を有している。なお、サーバー１０４に接続される機器１００は、一個である場合も考えられるが、通常は複数個である。

二次電池としては、リチウムイオン電池、ニッケル水素電池、鉛電池、ニッケル亜鉛電池、キャパシタ、リチウムイオンキャパシタなどが挙げられる。電池パックは、装置内で二次電池が直並列されている。

電池パック１０１からＢＭＵに各二次電池（セル）の電圧、電流及び温度のデータを送る。二次電池が直列接続されている場合は、電流は１点、二次電池が並列接続されている場合には、直列接続された二次電池それぞれの電流を計測し、ＢＭＵに送る。温度については、すべての二次電池を計測し、ＢＭＵに送る場合もあるが、代表的ないくつかの二次電池を計測し、ＢＭＵに送る場合もある。

ＢＭＵは、ＰＬＣ（Ｐｒｏｇｒａｍｍａｂｌｅ Ｌｏｇｉｃ Ｃｏｎｔｒｏｌｌｅｒ）及び組み込みマイコン（Ｍｉｃｒｏｃｏｍｐｕｔｅｒ）のいずれか又はこれらを組み合わせた構成を有する。サーバー１０４は、ＰＣでもよいが、大規模な演算処理及び大量のデータの保存が可能なコンピュータであることが望ましい。ＢＭＵは、電池パック１０１から送られたデータを用いて、ＢＭＵ内でＳＯＣを計算し、機器１００の中に設けられたＥＣＵ（Ｅｌｅｃｔｒｉｃ Ｃｏｎｔｒｏｌ Ｕｎｉｔ）に送信する。

また、ＢＭＵは、電池の劣化度（電池の満充電容量を電池の初期満充電容量で割った値であり、「ＳＯＨ」と略称する。）を出力する場合もある。機器１００がＥＶの場合、ＥＶ側では、残走行距離の目安であるＳＯＣと電池の交換目安であるＳＯＨとをパネルに表示してもよい。

ＳＯＣは、ＢＭＵ内のＳＯＣ推定部１０９にて電池のパラメータを用いて推定する。この電池パラメータを保存するのがテーブル１１１である。ＳＯＣの算出には、例えばカルマンフィルタを用いてもよい。カルマンフィルタでは、電池の電圧ｖの計測値とモデルで推定される電池電圧Ｖ_ｅとの誤差εにカルマンゲインＧをかけて、ＳＯＣを補正する。この場合に用いる式の一例は、下記式（１）で表される。なお、カルマンゲインの計算方法については、非特許文献１に記載されている。

式中、ｔは時間のインデックスであり、Ｉ（ｔ）は、ｔにおける電流であり、Ｖ_ｍは、計測した電池の電圧であり、Ｇ（ｔ）は、ｔにおけるカルマンゲインである。

ここで、Ｖ_ｅは、下記式（２）で表されるように、ＯＣＶ、直流抵抗Ｒ_０、分極抵抗ｒ_ｐ及び分極時定数τ_ｐの関数である。下記式（２）では、分極を一つとしたが、モデル誤差を小さくするために分極の数を増やしてもよい。

式中、Ｉ（ｔ）は、電池電流［Ａ］であり、充電側を正としている。また、ｔｅｍｐは、電池温度［℃］である。記号＊は、Ｃｏｎｖｏｌｕｔｉｏｎを表す。

ＯＣＶ、Ｒ_０、ｒ_ｐ及びτ_ｐは、ＳＯＣの関数若しくはＳＯＣ及びｔｅｍｐの関数であり、この関数についてのデータは、図１のテーブル１１１に記録されている。

図２は、図１のテーブル１１１に記録されているデータの例を示したものである。図中、上段はＲ_０、ｒ_ｐ及びτ_ｐのデータの例であり、下段はＯＣＶのデータの例である。また、図中の数値は、仮のものである。

図２では、点データの集合となっているが、関数として使用する場合には、補間して使用する。補間には、線形補間やスプライン補間を使用してもよい。

次に、ＳＯＨの求め方について述べる。

ＳＯＨは、電池の満充電容量Ｑ_ｍａｘに対応する。このため、Ｑ_ｍａｘをパラメータとして同定する。パラメータとしては、他に上記のＯＣＶ、Ｒ_０、ｒ_ｐ及びτ_ｐがある。

以下、これらのパラメータを同定するアルゴリズムについて述べる。このアルゴリズムには、カルマンフィルタや再帰最小二乗法が挙げられる。このアルゴリズムは、図１のパラメータ同定部１１０で計算する。

カルマンフィルタでパラメータを同定する場合には、状態変数として、別途ＯＣＶ、Ｒ_０、ｒ_ｐ、τ_ｐ及びＱ_ｍａｘを追加することになる。このカルマンフィルタは、前述したカルマンフィルタと同じにするとＳＯＣの値が不安定になるため、別のプログラムとしてもよい。また、図１ではＢＭＵで計算することになっているが、サーバー１０４に電流、電圧及び温度の時系列を転送して、サーバー１０４側でパラメータを計算してもよい。

Ｑ_ｍａｘは、上記式（１）に記載されているカルマンフィルタの変数として入れておいてもよいし、電流を観測値として、上記式（１）で求めたＳＯＣを入力値とし、電流の推定値を３６００×Ｑ_ｍａｘ×ｄ（ＳＯＣ）／ｄｔとして、カルマンフィルタで別途計算してもよい。

Ｒ_０は、上記式（１）に記載されているカルマンフィルタの定数として入れておいてもよいし、別のカルマンフィルタプログラムにより推定してもよい。この場合には、下記式（３）により電圧の推定値Ｖ_ｅを算出する。Ｉは、電流であり、Ｒ_０及びＶ_０は、カルマンフィルタの状態変数とする。

次に、ｒ_ｐ及びτ_ｐの現時刻における値を同定する方法について述べる。

上記式（２）に記載されているＯＣＶの値は、テーブルで設定された値による関数、直流抵抗Ｒ_０の値は、前述したカルマンフィルタでの出力値を用い、状態変数をｒ_ｐ及びτ_ｐに限定することで対応する。なお、Ｒ_０の値は、テーブルで設定された値による関数を用いてもよい。

最後に、ＯＣＶを求める方法について述べる。

ＯＣＶは、次の式に示すように、電圧より、分極電圧とＩ×Ｒの電圧分を引いた値としてもよい。

ＯＣＶ＝計測電圧−電流×Ｒ（ＳＯＣ）−分極電圧
また、１段分極モデルで、下記式（４）としてカルマンフィルタでＶ_０、Ｒ_０、ｒ_ｐ及びτ_ｐを推定し、残りＲ_０からτ_ｐの値を無視して、Ｖ_０をＯＣＶとしてもよい。ここで、下記式（４）の計算に用いるＲ_０、ｒ_ｐ及びτ_ｐは、テーブルの値とせず、カルマンフィルタの状態変数とする。

次に、パラメータ同定の方法について詳しく述べる。

パラメータ同定の方法には、カルマンフィルタ、再帰最小二乗、確率的勾配降下法、一般逆行列を用いて計算する方法（一般逆行列法）がある。

また、パラメータ同定の方法には、一般逆行列の代わりに、固有値の逆数にリミタを設ける方法もある。これは、下記式（５）として表現できる。この式（５）は、一般逆行列に一般逆行列の直交成分を加えたものと数学的に等価になる。この式（５）を用いる方法は、「固有値リミタ法」と呼ぶことにする。

θは、パラメータを示すベクトルであり、前述した直流抵抗、分極抵抗、分極時定数、ＯＣＶの例では、次の式で表される。

θ＝（Ｒ_０，ｒ_ｐ，τ_ｐ，Ｖ_０）^ｔ
ｙは、計測した電池の電圧であり、ｆは、電圧推定値（上記式（２）に対応する。）を示す。上記式（５）においては、ｆは、現在のパラメータの値θと電流で計算されるため、次のように表現している。

ｆ（Θ（ｔ）；Ｉ（ｔ））
Ｇは、各パラメータ同定の手法により変わる値である。Ｇの表現をパラメータ同定の手法毎に以下説明する。

カルマンフィルタを用いる場合には、Ｇはカルマンゲインであり、非特許文献１に記載されているため省略する。

再帰最小二乗では、前述したように電圧の推定誤差二乗にλという重みづけをかけた総和が最小になるようにした結果、Ｇ（ｔ）＝Ｓ^−１（ｔ）ｗ（ｔ）として計算する。ｗは、ｆのθによる勾配（電圧推定関数の勾配）を示すベクトルである。Ｓは、下記式（６）で表される。逐次的に計算するならば、下記式（６）は、下記式（７）と等価である。

再帰最小二乗では、Ｓの逆行列を計算するに、逆行列の補題による公式を用いたものである。この方法では、Ｓの逆行列が存在しない場合には、パラメータθが発散する。このため、Ｓの更新式である上記式（７）の代わりに、下記式（８）を用いて、Ｓの行列式を０にしないようにしてもよい。

よって、一般逆行列法は、上記式（７）又は（８）のＳの一般逆行列にｗをかけてカルマンゲインとする方法であるということができる。

以下に示すパラメータ同定方法は、Ｓの逆行列が存在しない場合の方法となる。上記式（８）は、Ｓの更新で微小なノイズ行列Ｌを加えたものである。Ｌの一例としては、ｄｉａｇ（ｑ_１，…，ｑ_ｎ）というｗの誤差の見積もりである正の定数ｑ_ｉを加えるものがある。

一般逆行列を用いる方法は、再帰最小二乗でＳの逆行列が存在しない場合に、Ｓの逆行列の代わりにＳのＭｏｏｒｅ−Ｐｅｎｒｏｓｅ型一般逆行列Ｓ^＋を用いて、次の式とする方法である。

Ｇ（ｔ）＝Ｓ^＋（ｔ）ｗ（ｔ）
この一般逆行列の計算と定義の文献例は、「田辺国士：一般逆行列（１），日本オペレーションズ・リサーチ学会，１９７６年４月」である。

確率的勾配降下法では、Ｇ（ｔ）＝定数×ｗとする。ｗは、前述したように、ｆのθによる勾配を示すベクトルである。確率的勾配降下法の文献例には「谷萩隆嗣：カルマンフィルタと適応信号処理,コロナ社,２００５年１２月２８日」がある。

一般逆行列代わりに固有値の逆数にリミタを設ける方法は、次のとおりである。

Ｓの逆行列が存在しない場合、一般逆行列Ｓ^＋の代わりに、次の式とする。

Ｓ^＋（ｔ）＋Ｍ（Ｉ−Ｓ^＋（ｔ）Ｓ（ｔ））
そして、次の式とする。

Ｇ（ｔ）＝｛Ｓ^＋（ｔ）＋Ｍ（Ｉ−Ｓ^＋（ｔ）Ｓ（ｔ））｝ｗ（ｔ）
これは、次の方法と同じである。

Ｓを次のように固有値分解する。

Ｖｄｉａｇ（μ_１，…，μ_ｎ）Ｖ^ｔ
このとき、Ｓの逆行列の代わりに、固有値の逆数に上限を用いた次の行列とする。

Ｖｄｉａｇ（ｍａｘ（Ｍ，μ_１），…，ｍａｘ（Ｍ，μ_ｎ））Ｖ^ｔ そして、次の式とする。

Ｇ（ｔ）＝Ｖｄｉａｇ（ｍａｘ（Ｍ，μ_１），…，ｍａｘ（Ｍ，μ_ｎ））Ｖ^ｔｗ（ｔ）
ここで、Ｍは、正の定数である。

以上がＧの説明である。すなわち、一般逆行列の代わりに、固有値分解をして、固有値の逆数に上限を用いた上記の行列にｗ（ｔ）をかけた値をカルマンゲインとする方法である固有値リミタ法である。

しかしながら、パラメータ同定には、Ｒｉｄｇｅ回帰を用いてもよい。Ｒｉｄｇｅ回帰は、電圧の推定誤差二乗にλという重みづけをかけた総和にパラメータθの二乗和を足したものを評価値として、この評価値を最小にするようにしたものである。更新式は、下記式（９）で表される。

式中、βは、正の定数である。

Ｒｉｄｇｅ回帰の文献例としては、「吉田光雄：重回帰分析における多重共線性とＲｉｄｇｅ回帰について，大阪大学人間科学部紀要，１３，Ｐ．２２７−２４２」がある。

（伝達関数を使わない同定遅れ補償）
伝達関数を求めずにパラメータの同定遅れを補償する方法について説明する。

まず、遅れ時間の第ｉ成分Ｄ_ｉを求める式は、概念的に下記式（１０）で表される。

式中、θ_ｌ（ｔ）は、現在のパラメータの真値の第ｉ成分であり、Θ_ｉ（ｔ）は、パラメータの推定値の第ｉ成分である。ｉは、１からｎまでの整数である。ｎは、θの次元である。ａｒｇｍｉｎは、最小となるインデックスを返す関数である。

よって、上記式（１０）は、現在推定したパラメータとＤ_ｉ時間前のパラメータの真値との差を示している。

しかし、上記式（１０）において、パラメータの真値θは不明である。このため、真値θの推定値として、ｆ（Θ（ｔ）；Ｉ（ｔ−Ｄ_ｉ））を用いることにする。この場合、関数ａｒｇｍｉｎの対象となる上記の差は、下記式（１１）で表される。

式中、Ｇ_ｉ（ｔ）は、カルマンゲインの第ｉ成分であり、ｆ（θ；Ｉ（ｔ））は、電圧推定関数であり、Ｉ（ｔ）は、電流関数であり、ｙ（ｔ）は、計測電圧の時系列である。ｆ（Θ（ｔ）；Ｉ（ｔ−Ｄ_ｉ））は、時刻ｔ−Ｄ_ｉに、現在のパラメータの推定値Θ（ｔ）を入れた場合の電圧推定である。この考え方は、算出した現在の電池のパラメータの推定値がＤ_ｉ前の電池パラメータであるとの仮定である。ここでは、まだｆ（Θ（ｔ）；Ｉ（ｔ−Ｄ_ｉ））の計算で、電流Ｉの時系列が必要であり、サーバーで計算をするためには、電流の時系列データを全てＢＭＵからサーバーに送る必要があり、通信量の観点より好ましくない。もしＢＭＵで計算するとしても、Ｄ_ｉの値をいくつか振る必要があり、組み合わせの面でＢＭＵでの計算負荷が大きい。

そこで、下記式（１２）で表される更なる近似式を用いる。下記式（１２）においては、ｆを微分で近似している。

上記式（１２）を用いて、パラメータ遅れ時間Ｄを下記式（１３）で計算する。

今、パラメータθの第ｉ成分のみが遅れたと仮定した場合には、下記式（１４）となる。

ここで、時間刻みがΔｔの場合には、上記式（１４）の両辺にΔｔをかけて、実際の遅れ時間とみなす。

ａｒｇｍｉｎの計算を実行する際、Ｄは、例えば５秒刻み毎でよく、また、Ｇ、Θ、ε及びｗは、ＢＭＵで計算している値であるため、これらを例えば５秒毎にサーバーに転送すればよいことになる。なお、各Ｇ、Θ、ε及びｗは、値が変動するため、５秒間の平均値を転送する。サーバー側では、５秒置きのデータが保管されるため、過去のＧ、Θ、ε及びｗのデータを検索してａｒｇｍｉｎを計算すればよいことになる。

図１３は、上述のＢＭＵとサーバーとの連携による遅れ補償の工程を示したものである。

また、現在の誤差を見積もり、その誤差が閾値以内かどうかの信頼性フラグを用いて信頼性フラグが１（誤差が閾値を超える）なら該当パラメータを棄却してもよい。この信頼性フラグは、ＢＭＵで計算してもよいし、サーバー側で計算してもよい。

次に、アンセッティッドカルマンフィルタの考え方による勾配を求める式について説明する。ここで、電池電圧の推定値Ｖ_ｅの関数である上記式（２）をｆ（ｘ）と置き、ｘ＝（Ｒ_０，ｒ_ｐ，τ_ｐ，Ｖ_０）とすると、下記式（１５）〜（２６）を用いて、Ｇが計算できることになる（Ｖ_０はＯＣＶ）。

上記式（１７）〜（２３）において、下付きのｉは、行列の第ｉベクトルを表す。

上記式（２６）においては、ｉの範囲は、不等式１≦ｉ≦２ｎで表される。ｎは、ｘの次元を表す（ここでは４である。）。

すなわち、勾配ｗ（ｔ）を下記式（２７）により計算したと解釈することができる。これにより、前述した遅れ同定及び誤差評価と同じ議論となる。

以上で計算したパラメータは、時間間引き（例えば１０秒毎）や、ＳＯＣが１％変化した場合、温度が１℃変化した場合のオア、アンドのいずれかの条件でＢＭＵに記憶し、通信装置１０３でサーバー１０４に送信される（図１参照）。この通信タイミングとしては、通信がつながる時で、定期的（例えば１時間おき）でもよいし、電池の使用終了時（例えばＥＶならばキーオフ）の時でもよい。

図３は、この通信に用いるフォーマット（通信フォーマット）の例を示したものである。

本図においては、機器１００（ここではＥＶ）を認証するＩＤ（識別番号）、時刻、忘却係数λ、行列Ｐ、同定した値ｘの間引いたデータ、ＳＯＣ及び温度から構成される。ここでは、同定したｘとして、Ｒ_０、ｒ_ｐ、τ_ｐ及びＯＣＶの４つとしているが、この例に限らず、例えば複数の分極を追加してもよいし、Ｒ_０やτ_ｐを除いた情報でもよい。また、現在のＳＯＨＱ、ＳＯＨＲと、電池の正極負極情報をも付加して転送する。ＳＯＨＱは、同定したＱ_ｍａｘを初期Ｑ_ｍａｘで割った値であり、ＳＯＨＲは、現在の抵抗の２５℃換算、かつ、例えばＳＯＣ５０％での換算値を、電池初期状態での抵抗２５℃、ＳＯＣ５０％時の値で割った値とする。この劣化の指標は、サーバー１０４（図１）にて、似たような劣化の電池データを集めて、テーブルを再集計する際に使用するためである。なお、Ｑ_ｍａｘに関しては最後の値を１つ転送するだけでよい。ここで、全ての時間ステップ毎のデータを全て転送してもよいが、データ量が多くなるため、数個おき（例えば１０個や１００個おき）として転送してもよいし、ＳＯＣが例えば１％変化したときや、温度が１℃変化した場合として転送してもよい。

通信装置１０３とは、スマートフォン（例えばＢｌｕｅｔｏｏｔｈ（登録商標）経由でＢＭＵと接続）でもよいし、Ｗｉ−Ｆｉ（登録商標）やＺｉｇＢｅｅ（登録商標）でもよいし、専用の無線端末でもよい。また、有線として、例えばＥＶならば、定期的に駐車場やディーラー、充電器にＥＶが寄った時に有線接続してもよい。通信装置１０３は通信回線を介して、サーバー１０４の通信部１０８と接続されることになる。

サーバー１０４は、大容量ストレージとＣＰＵ（Ｃｅｎｔｒａｌ Ｐｒｏｃｅｓｓｉｎｇ Ｕｎｉｔ）ないしＣＰＵ及びＧＰＵ（Ｇｒａｐｈｉｃｓ Ｐｒｏｃｅｓｓｉｎｇ Ｕｎｉｔ）との組み合わせによるコンピュータで構成され、例えば専用業者のビルの中に設置される。

同定遅れ補償部１０５は、サーバー１０４のコンピュータ内のプログラムに従って演算処理をする部分であり、機器１００からの通信を受信したときに起動する。この遅れ同定補償は、前述した遅れ補償、ないし値を信頼してよいフラグを計算し、データベース１０６に値を保管する。ここで、もし同定遅れＤが計算した後、データベース１０６には、例えば分極抵抗ｒ_ｐの場合、（ＳＯＣ（ｔ−Ｄ），ｔｅｍｐ（ｔ−Ｄ），ｒ_ｐ（ｔ））のデータセットを記憶させる。この記憶は、電池ＩＤの記憶領域内にＳＯＨＱ及びＳＯＨＲと一緒に記憶させる。

同定遅れ補償部は、サーバー側としているが、ＢＭＵのＣＰＵの能力が高ければＢＭＵ側にあってもよい。その場合には、遅れ同定したパラメータのセットをサーバーに送る。

データベース１０６は、大容量ストレージであり、前述したデータセット群を記憶している。

図４は、このデータセット群の記憶フォーマットの例を示したものである。

本図に示すように、データセットは、電池ＩＤごとに記憶領域を確保している。過去に電池パラメータデータを受信した分の前述したデータセットが記憶されている。そして、接続されているＢＭＵに対応する記憶領域が確保されている。データセットは、容量／ＳＯＨＲ時系列、ＯＣＶ時系列、直流抵抗時系列、分極抵抗時系列及び分極時定数時系列を含むものである。

さらに、それぞれの時系列について述べる。

図５は、容量／ＳＯＨＲ時系列の例を示したものである。

本図においては、容量／ＳＯＨＲ時系列は、サーバーで集計した日時と、これに対応するＳＯＨＲ及びＳＯＨＱ（どちらも百分率であるが、割合であってもよい。）並びに容量、正極容量、負極容量及び正負極の容量ずれと、を含む。これは、一走行（一回の受信）で一つのデータとする。この理由は、容量やＳＯＨＲの変化が非常に小さいためである。また、正極容量、負極容量及び正負極の容量ずれの同定方法については、後述する。

図６は、ＯＣＶ時系列の例を示したものである。

本図においては、機器１００がキーオンになって運用を停止するまでの再帰最小二乗法またはカルマンフィルタで同定したＶ_０（ＯＣＶ）を遅れ補償した分のデータセットが保存される。直流抵抗時系列、分極抵抗時系列及び分極時定数時系列は、ＯＣＶの項目に更に温度の時系列を付加して同様に保存する。

テーブル関数近似部１０７は、同じ電池種、同じ劣化度合いの電池データをデータベース１０６から取得し、そのデータを基に関数近似をする。

まず、Ｒ_０、ｒ_ｐ及びτ_ｐについて述べる。

ここでの関数近似としては、三層のニューラルネットワークを使用してもよいし、四層以上のニューラルネットワークであるディープラーニングを使用してもよい。ニューラルネットワークを使用した場合には、前述したテーブルは点データより、ニューラルネットワーク関数をＳＯＣ０％から一定刻みで１００％までと、温度を例えば−３０℃から６０℃まで刻み、その格子点にて値をリサンプリングしたものを通信部１０８を介して機器１００のテーブル１１１に転送してもよい。関数近似の学習タイミングとしては、定期的としてよい。

次に、テーブルを転送するタイミングとしては、機器１００がオンになった時に送ってもよいし、定期的に送ってもよい。この時の転送する通信フォーマットは、図２に示すテーブルとなる。なお、ニューラルネット及びディープラーニングの例としては、「斎藤康毅：ゼロから作るＤｅｅｐ Ｌｅａｒｎｉｎｇ−Ｐｙｔｈｏｎで学ぶディープラーニングの理論と実装、オライリージャパン（２０１６／９／２４）」を参照することができる。

次に、ニューラルネットワークの入力の設定のパターンをいくつか述べる。

一番単純な方法としては、同じ劣化度、同じ電池種のデータ群を集め（例えばここではＲ_０）、その入力に温度及びＳＯＣの２入力とし、出力をＲ_０とすればよい。

次に、同じ電池種のデータ群だけを集めた場合、入力には劣化度（ＳＯＨＲ、ＳＯＨＱ）、温度、ＳＯＣの４つとして、出力をＲ_０とすればよい。この場合では、未知のＳＯＨＱ、ＳＯＨＲが入力されたとしても、対応が可能となる。

次に、電池種にこだわらない場合、電池種のダミーデータを入れる必要がある。この場合、正極の種類（ｍ通りの０１変数）、負極の種類（ｎ通りの０１変数）、正極容量、負極容量、正負極容量ずれ、温度、正極開始時からの放電容量［Ａｈ］（後述する）を入力変数とし、Ｒ_０を出力変数とする。正極と負極の未知の組み合わせ（例えば、正極Ａ、負極１の組み合わせと、正極Ｂと負極２の組み合わせの電池データはあるが、正極Ａと負極２の電池データがない場合）に対応できることになる。ｒ_ｐ、τ_ｐでも同様にすればよい。そして、あるＢＭＵにテーブルを転送する場合には、該ＢＭＵの担当する電池種、劣化度の入力をニューラルネットに入れ、温度とＳＯＣを格子状に値を振ってリサンプリングした値とする。

次に、パラメータ同定によるＯＣＶから、劣化パラメータを同定する方法について述べる。

パラメータ同定によるＯＣＶから、劣化パラメータを同定する際には、特許文献３に記載の再現計算処理を用いて、正極電位及び負極電位の曲線を求め、これらの差をＯＣＶ候補としてもよい（放電曲線解析）。

図７は、ＯＣＶの同定の考え方を示すグラフである。横軸に正極満充電からの放電量、縦軸に電位をとっている。

本図においては、再現計算処理により求めた正極電位及び負極電位の２つの曲線が示されている。

正極電位と負極電位との差がＯＣＶ候補となる。開始位置としては、正極満充電からの放電量［Ａｈ］が０となる位置である。これは、ＯＣＶが４．２Ｖとなる位置としてもよい。ここがＳＯＣ１００％に該当する。そして、ＳＯＣ０％は、正極電位の急低下若しくは負極電位の急上昇した場合の所定の電位、又はＯＣＶが所定の電位、例えば３Ｖに低下した状態を基準として設定する。ＳＯＣ１００％からＳＯＣ０％までの容量がＱ_ｍａｘとなる。

また、本図に示すように、一般に、正極容量と負極容量とでは、放電可能な範囲は一致しない。

本図においては、正極電位の関数は、正極材料が与えられたときには一意に定まり、横軸方向の有効な正極容量［Ａｈ］の範囲が拡大・縮小する。言い換えると、正極材料の容量により、横軸の有効な正極容量の範囲が拡大・縮小する。これを、正極容量の任意性と呼ぶことにする。そして、このことは、負極においても同様であり、負極容量［Ａｈ］にも任意性がある。結果として、正負極容量ずれ［Ａｈ］にも任意性がある。したがって、正負極の電位関数が与えられたときに、正極容量、負極容量及び正負極ずれの３つのパラメータを前述したＯＣＶに合うように最小二乗法で求める。

次に、そのパラメータにより、正負極電位からＯＣＶを再構成することになる。ここまでは正負極の材料が判っている場合であるが、正負極の材料が不明であっても、正極材料及び負極材料の電位関数を全てサーバーで記憶して、全ての組み合わせをテストすれば、材料を同定できる。

図８は、材料毎の正極及び負極それぞれについての電位カーブのデータの例を示したものである。

なお、以上はＯＣＶであるが、分極抵抗及び時定数も正負極に分離できるため、前述したＯＣＶと同じように同定してもよい。

そして、同定したＯＣＶテーブル、分極抵抗テーブル、分極時定数テーブル及び直流抵抗テーブルは、ＢＭＵの次の起動時もしくは、定期的にサーバーからＢＭＵに転送する。転送フォーマットは、図２となる。

図９は、ＢＭＵにおける処理工程をまとめて示すフローチャートである。

本図においては、キーオン（Ｓ１００）を検知した際、分極及び直流抵抗（ＤＣＲ）のテーブルをサーバーから受信する（Ｓ１１０）。

受信したテーブルを用いてＳＯＣを更新（推定）する（Ｓ１２０）。言い換えると、ＢＭＵにより電池の内部状態を更新（推定）する工程である。そして、電池のパラメータを推定する（Ｓ１３０）。

そして、サーバーへの送信のタイミングかどうかを判定する（Ｓ１４０）。送信のタイミングとして適切であれば、更新したＳＯＣ及び電池のパラメータをサーバーに送信する（Ｓ１５０）。送信のタイミングとして不適切であれば、再度送信のタイミングを待つ。そして、キーオフを検知した場合は、処理を終了する（Ｓ１６０）。キーオフをしていない場合は、再度ＳＯＣの更新に戻る。

図１０は、サーバーにおける処理工程をまとめて示すフローチャートである。

本図においては、サーバーは、いずれかのＢＭＵとの通信を試みる（Ｓ２１０）。そのＢＭＵに接続した場合、分極及びＤＣＲのテーブルを送信する（Ｓ２２０）。そのＢＭＵからＳＯＣ及び電池のパラメータを受信する（Ｓ２３０）。この際、忘却係数λは変化するため、λを積算した値Πλも受信する。そのＢＭＵとの通信を切断してよいかどうか判定する（Ｓ２４０）。切断した後、電池のパラメータ（推定値）の遅れ補償の計算を行う（Ｓ２５０）。所定のデータセットを同じ種類の電池についてのデータとしてデータベースに保存する（Ｓ２６０）。言い換えると、Ｓ２６０は、遅れ補償の計算の結果をデータベースに蓄積する工程である。異常なデータについては除去する（Ｓ２７０）。データベースに保存された同じ種類の電池のデータについて関数近似の処理を行う（Ｓ２８０）。言い換えると、Ｓ２８０は、データベースのデータに基いてテーブルに対応するデータを作成する工程である。

その後、別のＢＭＵとの通信を試みる（Ｓ２１０）。

なお、本図においては、異常データ除去処理（Ｓ２７０）を追加しているが、これはなくともよい。この手法は、データのクラスタリングにより、孤立したデータを削除する方法を用いてもよい。

本実施形態によれば、電池が劣化しても、ＳＯＣの精度を保つことができる。

（２）第２の実施形態
本実施形態は、中古電池を含む電池の流通市場における情報を集計し売買するシステム又は方法に関するものである。

第１の実施形態は、実際に電池を使用する場合についてのものである。しかしながら、電池を中古として出荷する際に電池の劣化情報及び電池のテーブルを既に劣化に合わせて更新しているならば、新たな付加価値となる。

図１１は、中古電池売買システムの構成の例を示す概念図である。

本図においては、中古電池売買システムは、複数のＢＭＵと、前述したサーバー（クラウドＢＭＵサーバー）と、中古電池調達用のサーバー（中古電池を調達したいユーザーがアクセスできるようにしたもの）と、を含む。すなわち、これらが通信可能となっている。中古電池調達サーバーとクラウドＢＭＵサーバーとは、一体であってもよい。

本実施形態によれば、中古電池の再利用又は再販をする際に、人手でテーブルを更新する手間が省ける。

（３）第３の実施形態
本実施形態は、電池の設計をする際に、実際の電池使用に応じた劣化電池をテストする際にサーバーのデータベースを使用する方法に関するものである。

図１２は、ＢＭＵ設計システムの構成の例を示す概念図である。

新規にＢＭＵを製造する際には、前述したサーバーのテーブルを用いれば、大幅に工数が削減できる。また、電池の劣化に伴う、機器の劣化補償シミュレーションを実施できる。

また、上述した構成については、本発明の要旨を超えない範囲において、適宜変更したり、組み替えたり、組み合わせたり、省略したりしてもよい。

本実施形態によれば、大幅に工数を削減できる。

以下、本発明の下位概念についてまとめて説明する。

電池データの調整方法においては、サーバーは、二個以上のバッテリマネージメントユニットから送信されたパラメータを用いて、バッテリマネージメントユニットのテーブルに対応するデータを更新することが望ましい。

電池データの調整方法においては、サーバーは、バッテリマネージメントユニットから送信されたパラメータとサーバーに蓄積されているデータとを用いて、バッテリマネージメントユニットのテーブルに対応するデータを更新することが望ましい。

電池データの調整方法においては、バッテリマネージメントユニットにより電池の内部状態を推定する工程と、パラメータの推定をする工程と、パラメータの推定値の遅れ補償の計算をする工程と、遅れ補償の計算の結果をデータベースに蓄積する工程と、データベースのデータに基いてテーブルに対応するデータを作成する工程と、計算の結果に基いて内部状態の推定値に対応するパラメータを更新する工程と、を更に含むことが望ましい。

電池データの調整方法においては、パラメータの推定は、バッテリマネージメントユニットにより行うことが望ましい。

電池データの調整方法においては、パラメータの推定は、再帰最小二乗法によるものとし、バッテリマネージメントユニットからサーバーに送信するデータは、誤差の分散共分散行列、忘却係数、電池の充電率及び電池の温度を含むことが望ましい。

電池データの調整方法においては、推定されたパラメータは、所定の時間間隔で、又は充電率若しくは温度が所定値以上変化した場合に、バッテリマネージメントユニットからサーバーに送信することが望ましい。

電池データの調整方法においては、パラメータの更新は、データベースに保存された同じ種類の電池のデータについての関数近似により行うことが望ましい。

バッテリマネージメントユニットは、電池データの調整方法で用いられるサーバーのデータベースに蓄積されているデータを用いて製造されることが望ましい。

１００：機器、１０１：電池パック、１０２：電池管理ユニット、１０３：通信装置、１０４：サーバー、１０５：同定遅れ補償部、１０６：データベース、１０７：テーブル関数近似部、１０８：通信部、１０９：ＳＯＣ推定部、１１０：パラメータ同定部、１１１：テーブル。

Claims (11)

1. 電池とバッテリマネージメントユニットとを有する一個又は二個以上の機器と、前記機器とデータの送受信をするサーバーと、を用いて、前記電池のデータを調整する方法であって、
   前記バッテリマネージメントユニットは、前記電池のパラメータを記録するテーブルを有し、
   前記サーバーは、データベースを有し、
   前記バッテリマネージメントユニットから前記サーバーに前記電池の前記パラメータを送信する工程と、
   送信された前記パラメータを用いて、前記サーバーにより、前記データベースに蓄積されている前記バッテリマネージメントユニットの前記テーブルに対応するデータを更新する工程と、
   その更新されたデータを前記バッテリマネージメントユニットに転送する工程と、を含む、電池データの調整方法。
2. 前記サーバーは、二個以上の前記バッテリマネージメントユニットから送信された前記パラメータを用いて、前記バッテリマネージメントユニットの前記テーブルに対応する前記データを更新する、請求項１記載の電池データの調整方法。
3. 前記サーバーは、前記バッテリマネージメントユニットから送信された前記パラメータと前記サーバーに蓄積されているデータとを用いて、前記バッテリマネージメントユニットの前記テーブルに対応する前記データを更新する、請求項１記載の電池データの調整方法。
4. 前記バッテリマネージメントユニットにより前記電池の内部状態を推定する工程と、
   前記パラメータの推定をする工程と、
   前記パラメータの推定値の遅れ補償の計算をする工程と、
   前記遅れ補償の前記計算の結果を前記データベースに蓄積する工程と、
   前記データベースのデータに基いて前記テーブルに対応するデータを作成する工程と、
   前記計算の結果に基いて前記内部状態の推定値に対応する前記パラメータを更新する工程と、を更に含む、請求項１記載の電池データの調整方法。
5. 前記パラメータの前記推定は、前記バッテリマネージメントユニットにより行う、請求項４記載の電池データの調整方法。
6. 前記パラメータの前記推定は、再帰最小二乗法、Ｒｉｄｇｅ回帰、カルマンフィルタ、確率的勾配降下法、一般逆行列法又は固有値リミタ法によるものとし、
   前記バッテリマネージメントユニットから前記サーバーに送信するデータは、誤差の分散共分散行列、忘却係数、前記電池の充電率及び前記電池の温度を含む、請求項５記載の電池データの調整方法。
7. 推定された前記パラメータは、所定の時間間隔で、又は前記充電率若しくは前記温度が所定値以上変化した場合に、前記バッテリマネージメントユニットから前記サーバーに送信する、請求項６記載の電池データの調整方法。
8. 前記パラメータの前記更新は、前記データベースに保存された同じ種類の電池のデータについての関数近似により行う、請求項７記載の電池データの調整方法。
9. 請求項１記載の電池データの調整方法で用いられる前記サーバーの前記データベースに蓄積されている前記データを用いて、前記バッテリマネージメントユニットを製造する、バッテリマネージメントユニットの製造方法。
10. 請求項１記載の電池データの調整方法に用いられる、バッテリマネージメントユニット。
11. 請求項１記載の電池データの調整方法に用いられる、サーバー。

Images