JP2022514992A - バッテリ診断システム、バッテリ診断方法、及び記憶媒体 - Google Patents
バッテリ診断システム、バッテリ診断方法、及び記憶媒体 Download PDFInfo
- Publication number
- JP2022514992A JP2022514992A JP2021558034A JP2021558034A JP2022514992A JP 2022514992 A JP2022514992 A JP 2022514992A JP 2021558034 A JP2021558034 A JP 2021558034A JP 2021558034 A JP2021558034 A JP 2021558034A JP 2022514992 A JP2022514992 A JP 2022514992A
- Authority
- JP
- Japan
- Prior art keywords
- battery
- capacity
- model
- cycle
- degradation
- 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
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]
- G01R31/396—Acquisition or processing of data for testing or for monitoring individual cells or groups of cells within a battery
-
- 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
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F30/00—Computer-aided design [CAD]
- G06F30/20—Design optimisation, verification or simulation
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N20/00—Machine learning
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N5/00—Computing arrangements using knowledge-based models
- G06N5/04—Inference or reasoning models
-
- 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
-
- 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)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Software Systems (AREA)
- Evolutionary Computation (AREA)
- General Engineering & Computer Science (AREA)
- Computing Systems (AREA)
- Mathematical Physics (AREA)
- Artificial Intelligence (AREA)
- Data Mining & Analysis (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Medical Informatics (AREA)
- Manufacturing & Machinery (AREA)
- Chemical & Material Sciences (AREA)
- Chemical Kinetics & Catalysis (AREA)
- Electrochemistry (AREA)
- General Chemical & Material Sciences (AREA)
- Computational Linguistics (AREA)
- Computer Hardware Design (AREA)
- Geometry (AREA)
- Secondary Cells (AREA)
- Charge And Discharge Circuits For Batteries Or The Like (AREA)
- Tests Of Electric Status Of Batteries (AREA)
Abstract
Description
図3Aに、幾つかの実施形態によるオフラインでのモデル学習段階の原理ブロック図を示す。N個のバッテリセルが充電/放電サイクルのシーケンスを経ると仮定すると、訓練データ310は容量測定値Cn(t)及びテール電圧測定値Vn(τ,t)を含む。ここでn=1,...,Nはバッテリセルインデックスである。tは「グローバル時間」、すなわち放電サイクルインデックスであす。τは「ローカル時間」、すなわち放電サイクル時間である。一般的に、あり得る劣化メカニズムの数は有限であり、したがってNが十分に大きい場合、容量トレースCn(t)のうちのいくつかは類似パターンを示す。したがって、収集した容量トレースは、あり得る容量劣化パターンの代表的な一組を抽出するために所定数のクラスタ、すなわち劣化クラスKにクラスタリングすることができる(320)。クラスタリングの結果、各クラスタはそれ自体の容量モデル330
図4Aに、1つの実施形態によるオンライン段階において検査バッテリの容量変化/劣化を推定するための方法の原理ブロック図を示す。オンライン段階の目的は、検査されたバッテリセルの容量が将来の充電/放電サイクルにおいてどのように変わるかを、直近の放電サイクル中にそのテール電圧V(t)の測定値410及び容量Cの測定値412に基づいて予測することである。容量Cは、直接測定し又は放電電流に基づいて計算することができる。放電電流は、測定され又は放電サイクルプロトコルの一部として前もって既知である。本質的に、オンライン予測段階は、検査されたセルの劣化クラスを決定することを目標とする。その後、セルの容量トレースは、検出された劣化クラスと関連する容量モデルとして予測される。
図3Aを参照して、オフライン/オンライン容量劣化方法論は、多数のバッテリセルの充電/放電サイクルにわたって記録された容量トレース320を、訓練段階におけるモデル学習の一部としてクラスタリングすることを含む。訓練データに寄与するバッテリセルの数が比較的少ないとき、各記録された容量トレースは、1つのあり得る劣化クラスに関連しており、対応する容量劣化モデルとして使用される。一般的に、試験されたバッテリセルの数が比較的多い場合、種々のクラスタリング方法を使用することができる。あり得る劣化クラスの数が予め既知ではないので、ディリクレプロセス混合モデル(DPMM)が1つの可能性であり、その理由は、DPMMはクラスタの数を自動的に検出するために内蔵のメカニズムを有するからである。
幾つかの実施形態は、説明された実験に基づくバッテリデータセットを使用して、提案された予測方法論を実証する。バッテリセルのうちセル7がより長い測定値ログを有するので、このセルは検査バッテリセルであるとみなされる。他のバッテリセルに対応する測定値は、非常に不規則かつ不健全な容量放出のせいでデータセットから排除されるセル8を例外として、訓練データセットを含む。
図6に、幾つかの実施形態による検査バッテリの容量の将来の劣化を推定するためのバッテリ診断システム600のブロック図を示す。バッテリ診断システム600は、記憶された命令を実行するように構成されたプロセッサ620及びプロセッサによって実行可能な命令を記憶するメモリ640を含む。プロセッサ620は、シングルコアプロセッサ、マルチコアプロセッサ、コンピュータクラスタ又は任意数の他の構成にすることができる。メモリ640は、ランダムアクセスメモリ(RAM)、読み出し専用メモリ(ROM)、フラッシュメモリ又は他の適切なメモリシステムを含むことができる。プロセッサ620は、バス606を通じて1つ以上の入出力デバイスに接続される。これらの命令は、検査バッテリの容量の将来の劣化を推定する方法635を実施する。
Claims (15)
- バッテリ診断システムであって、
特定の種類のバッテリに関する一組の容量劣化モデルを記憶するように構成されたメモリであって、各容量劣化モデルは、バッテリ容量の劣化を時間の関数として定義し、充電サイクル及び放電サイクルのうちの一方又は組み合わせの最中に前記特定の種類のバッテリについて異なるバッテリ容量において測定された、電圧及び電流のうちの一方又は組み合わせの値によって形成された一組のバッテリサイクルモデルにマッピングされ、これにより各容量劣化モデルは、異なるバッテリ容量に関連する一組のバッテリサイクルモデルにマッピングされる、メモリと、
検査バッテリのバッテリサイクル及び前記検査バッテリの現在のバッテリ容量を表す測定値を受け取るように構成された入力インターフェースと、
プロセッサであって、
前記検査バッテリのバッテリサイクルを、前記検査バッテリの現在のバッテリ容量に最も近いバッテリ容量の値に関連する、異なる容量劣化モデルのバッテリサイクルモデルと比較することによって、前記検査バッテリのバッテリサイクルに最も近い少なくとも1つのバッテリサイクルモデルを選択し、
前記メモリから、選択されたバッテリサイクルモデルにマッピングされた容量劣化モデルを抽出し、
抽出された容量劣化モデルに基づいて前記検査バッテリのバッテリ容量の将来の劣化を推定するように構成される、
プロセッサと、
前記検査バッテリのバッテリ容量の推定された将来の劣化を出力するように構成された出力インターフェースと、
を備える、バッテリ診断システム。 - 前記バッテリ容量は、或る期間の充電量を供給するバッテリの容量を示す、請求項1に記載のバッテリ診断システム。
- 前記バッテリ容量の将来の劣化は、前記検査バッテリの現在のバッテリ容量から始まる抽出された容量劣化モデルの区分を含む、請求項1に記載のバッテリ診断システム。
- 前記入力インターフェースは、前記検査バッテリの放電電流の測定値を受け取り、前記プロセッサは、前記現在のバッテリ容量を、バッテリの特定の種類によって定義される比例定数を用いて或る期間にわたる前記放電電流の測定値の積分に比例するように決定する、請求項1に記載のバッテリ診断システム。
- 前記バッテリサイクルモデルは、バッテリのテール電圧の測定値から形成され、前記入力インターフェースは、前記検査バッテリのテール電圧の測定値を受け取る、請求項1に記載のバッテリ診断システム。
- 前記プロセッサは、
前記検査バッテリの前記バッテリサイクルに最も近い前記バッテリサイクルモデルの部分集合を選択し、
バッテリサイクルモデルの選択された部分集合に対応する容量劣化モデルの部分集合を抽出し、
前記検査バッテリのバッテリ容量の将来の劣化を、前記容量劣化モデルの抽出された部分集合の組み合わせに基づいて推定するように構成される、請求項1に記載のバッテリ診断システム。 - 前記組み合わせは、前記容量劣化モデルの抽出された部分集合を、前記検査バッテリの前記バッテリサイクルと前記選択されたバッテリサイクルモデルとの間の隔たりに対応する重みで重み付けした組み合わせである、請求項6に記載のバッテリ診断システム。
- 前記検査バッテリの測定値は、一組の容量劣化モデル及び一組のバッテリサイクルモデルを決定するための測定値と同じ条件の下で決定される、請求項1に記載のバッテリ診断システム。
- バッテリ診断方法であって、前記バッテリ診断方法は、メモリに接続されたプロセッサを使用して実行され、前記メモリは、特定の種類のバッテリに関する一組の容量劣化モデルを記憶し、各容量劣化モデルは、バッテリ容量の劣化を時間の関数として定義し、充電サイクル及び放電サイクルのうちの一方又は組み合わせの最中に前記特定の種類のバッテリについて異なる容量において測定された、電圧及び電流のうちの一方又は組み合わせの値によって形成された一組のバッテリサイクルモデルにマッピングされ、これにより各容量劣化モデルは、異なるバッテリ容量に関連する一組のバッテリサイクルモデルにマッピングされ、前記プロセッサには前記バッテリ診断方法を実施する記憶された命令が組み込まれ、前記命令は、前記プロセッサによって実行されるとき、
検査バッテリのバッテリサイクル及び前記検査バッテリの現在の容量を示す測定値を受け取るステップと、
前記検査バッテリの前記バッテリサイクルを、前記検査バッテリの現在の容量に最も近い前記バッテリ容量の値に関連する、異なる容量劣化モデルのバッテリサイクルモデルと比較することによって、前記検査バッテリの前記バッテリサイクルに最も近い少なくとも1つのバッテリサイクルモデルを選択するステップと、
前記メモリから、選択されたバッテリサイクルモデルにマッピングされた容量劣化モデルを抽出するステップと、
抽出された容量劣化モデルに基づいて前記検査バッテリのバッテリ容量の将来の劣化を推定するステップと、
前記検査バッテリのバッテリ容量の推定された将来の劣化を出力するステップと、
を含む、前記バッテリ診断方法の少なくとも幾つかのステップを実施する、バッテリ診断方法。 - 前記バッテリ容量は、或る期間の充電量を供給するバッテリの容量を示し、前記バッテリ容量の将来の劣化は、前記検査バッテリの現在の容量から始まる抽出された容量劣化モデルの区分を含む、請求項9に記載のバッテリ診断方法。
- 前記検査バッテリの放電電流の測定値を受け取ることと、
前記現在の容量を、前記バッテリの前記特定の種類によって定義される比例定数を用いて或る期間にわたる前記放電電流の測定値の積分に比例するように決定することと、
を更に含む、請求項9に記載のバッテリ診断方法。 - 前記バッテリサイクルモデルは、バッテリのテール電圧の測定値から形成され、入力インターフェースが、前記検査バッテリのテール電圧の測定値を受け取る、請求項9に記載のバッテリ診断方法。
- 前記検査バッテリの前記バッテリサイクルに最も近いバッテリサイクルモデルの部分集合を選択することと、
バッテリサイクルモデルの選択された部分集合に対応する容量劣化モデルの部分集合を抽出することと、
前記検査バッテリのバッテリ容量の将来の劣化を、容量劣化モデルの抽出された部分集合の組み合わせに基づいて推定することと、
を更に含む、請求項9に記載のバッテリ診断方法。 - 前記組み合わせは、前記容量劣化モデルの抽出された部分集合を、前記検査バッテリの前記バッテリサイクルと前記選択されたバッテリサイクルモデルとの間の隔たりに対応する重みで重み付けした組み合わせである、請求項13に記載のバッテリ診断方法。
- 方法を実行するためにプロセッサによって実行可能なプログラムが具現化された非一時的コンピュータ可読記憶媒体であって、前記非一時的コンピュータ可読記憶媒体は、特定の種類のバッテリに関する一組の容量劣化モデルを記憶し、各容量劣化モデルは、バッテリ容量の劣化を時間の関数として定義し、充電サイクル及び放電サイクルのうちの一方又は組み合わせの最中に前記特定の種類のバッテリについて異なる容量において測定された、電圧及び電流のうちの一方又は組み合わせの値によって形成された一組のバッテリサイクルモデルにマッピングされ、これにより各容量劣化モデルは、異なるバッテリ容量に関連する一組のバッテリサイクルモデルにマッピングされ、前記方法は、
検査バッテリのバッテリサイクル及び前記検査バッテリの現在の容量を示す測定値を受け取ることと、
前記検査バッテリのバッテリサイクルを、前記検査バッテリの現在のバッテリ容量に最も近いバッテリ容量の値に関連する、異なる容量劣化モデルのバッテリサイクルモデルと比較することによって、前記検査バッテリのバッテリサイクルに最も近い少なくとも1つのバッテリサイクルモデルを選択することと、
メモリから、選択されたバッテリサイクルモデルにマッピングされた容量劣化モデルを抽出することと、
抽出された容量劣化モデルに基づいて前記検査バッテリのバッテリ容量の将来の劣化を推定することと、
前記検査バッテリのバッテリ容量の推定された将来の劣化を出力することと、
を含む、非一時的コンピュータ可読記憶媒体。
Applications Claiming Priority (3)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
US16/295,078 | 2019-03-07 | ||
US16/295,078 US10921383B2 (en) | 2019-03-07 | 2019-03-07 | Battery diagnostic system for estimating capacity degradation of batteries |
PCT/JP2019/040783 WO2020179120A1 (en) | 2019-03-07 | 2019-10-09 | Battery diagnostic system, battery diagnostic method, and storage medium |
Publications (2)
Publication Number | Publication Date |
---|---|
JP2022514992A true JP2022514992A (ja) | 2022-02-16 |
JP7199568B2 JP7199568B2 (ja) | 2023-01-05 |
Family
ID=68610276
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2021558034A Active JP7199568B2 (ja) | 2019-03-07 | 2019-10-09 | バッテリ診断システム、バッテリ診断方法、及び記憶媒体 |
Country Status (3)
Country | Link |
---|---|
US (1) | US10921383B2 (ja) |
JP (1) | JP7199568B2 (ja) |
WO (1) | WO2020179120A1 (ja) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2023182611A1 (ko) * | 2022-03-21 | 2023-09-28 | 주식회사 엘지에너지솔루션 | 배터리 관리 장치 및 방법 |
WO2024063206A1 (ko) * | 2022-09-19 | 2024-03-28 | 주식회사 엘지에너지솔루션 | 배터리 평가를 위한 사용자 가이드를 제공하는 전자 장치, 서버 및 동작 방법 |
Families Citing this family (12)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
KR20210006121A (ko) * | 2019-07-08 | 2021-01-18 | 에스케이하이닉스 주식회사 | 메모리 시스템 및 메모리 시스템의 동작방법 |
KR20210028476A (ko) * | 2019-09-04 | 2021-03-12 | 삼성전자주식회사 | 배터리 충전 장치 및 방법 |
DE102019217299A1 (de) * | 2019-11-08 | 2021-05-12 | Robert Bosch Gmbh | Verfahren zur Prädiktion eines Alterungszustands einer Batterie |
US11255918B2 (en) * | 2020-01-06 | 2022-02-22 | Tata Consultancy Services Limited | Method and system for online estimation of SOH and RUL of a battery |
DE102020202802A1 (de) * | 2020-03-05 | 2021-09-09 | Robert Bosch Gesellschaft mit beschränkter Haftung | Verfahren zur Bestimmung mindestens eines Alterungszustandes einer ersten Mehrzahl an elektrischen Energiespeichereinheiten |
CN112305442B (zh) * | 2020-10-14 | 2023-06-20 | 北方工业大学 | 一种基于kmeans聚类的动力电池SOH快速估计方法 |
US11768249B2 (en) * | 2020-10-29 | 2023-09-26 | Toyota Research Institute, Inc. | Systems and methods for predicting battery life using data from a diagnostic cycle |
KR20220100470A (ko) * | 2021-01-08 | 2022-07-15 | 주식회사 엘지에너지솔루션 | 배터리 관리 장치 및 방법 |
AT524131B1 (de) * | 2021-04-20 | 2022-03-15 | Aviloo Gmbh | Ermittlung des Gesundheitszustands einer Fahrzeugbatterie |
CN115526368A (zh) * | 2021-06-25 | 2022-12-27 | 比亚迪股份有限公司 | 动力电池容量预测方法、装置及设备 |
EP4123319B1 (de) | 2021-07-23 | 2024-02-14 | Siemens Aktiengesellschaft | Verfahren, vorrichtung und computerprogrammprodukt zur lebensdauerabschätzung von batteriespeichern |
US11577625B1 (en) | 2021-11-11 | 2023-02-14 | Beta Air, Llc | Systems and methods for predicting degradation of a battery for use in an electric vehicle |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2011240896A (ja) * | 2010-05-21 | 2011-12-01 | Dendo Sharyo Gijutsu Kaihatsu Kk | 電池制御装置および車両 |
JP2013225441A (ja) * | 2012-04-23 | 2013-10-31 | Hitachi Ltd | 電池システムのメンテナンス管理システム及び方法 |
US20160041231A1 (en) * | 2014-08-06 | 2016-02-11 | Samsung Electronics Co., Ltd. | Method and apparatus for estimating battery life corresponding to characteristic of usage based on pattern information |
Family Cites Families (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
EP2830145B1 (en) * | 2012-03-19 | 2024-05-01 | Panasonic Intellectual Property Management Co., Ltd. | Storage battery monitoring method and storage battery monitoring system |
US9559390B2 (en) * | 2013-12-19 | 2017-01-31 | Ford Global Technologies, Llc | Battery degradation accumulation methods |
WO2017038749A1 (ja) * | 2015-08-31 | 2017-03-09 | 日立化成株式会社 | 電池の劣化診断装置、劣化診断方法、及び劣化診断システム |
JP2018046667A (ja) * | 2016-09-14 | 2018-03-22 | 株式会社東芝 | 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 |
JP6493353B2 (ja) * | 2016-10-13 | 2019-04-03 | トヨタ自動車株式会社 | 電力供給システム |
US10539621B2 (en) * | 2017-08-02 | 2020-01-21 | Total Solar International | Method and apparatus for identifying a battery model |
-
2019
- 2019-03-07 US US16/295,078 patent/US10921383B2/en active Active
- 2019-10-09 WO PCT/JP2019/040783 patent/WO2020179120A1/en active Application Filing
- 2019-10-09 JP JP2021558034A patent/JP7199568B2/ja active Active
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2011240896A (ja) * | 2010-05-21 | 2011-12-01 | Dendo Sharyo Gijutsu Kaihatsu Kk | 電池制御装置および車両 |
JP2013225441A (ja) * | 2012-04-23 | 2013-10-31 | Hitachi Ltd | 電池システムのメンテナンス管理システム及び方法 |
US20160041231A1 (en) * | 2014-08-06 | 2016-02-11 | Samsung Electronics Co., Ltd. | Method and apparatus for estimating battery life corresponding to characteristic of usage based on pattern information |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2023182611A1 (ko) * | 2022-03-21 | 2023-09-28 | 주식회사 엘지에너지솔루션 | 배터리 관리 장치 및 방법 |
WO2024063206A1 (ko) * | 2022-09-19 | 2024-03-28 | 주식회사 엘지에너지솔루션 | 배터리 평가를 위한 사용자 가이드를 제공하는 전자 장치, 서버 및 동작 방법 |
Also Published As
Publication number | Publication date |
---|---|
US10921383B2 (en) | 2021-02-16 |
JP7199568B2 (ja) | 2023-01-05 |
WO2020179120A1 (en) | 2020-09-10 |
US20200284846A1 (en) | 2020-09-10 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
JP7199568B2 (ja) | バッテリ診断システム、バッテリ診断方法、及び記憶媒体 | |
CN109196366B (zh) | 使用高斯过程回归估计电池充电状态的方法和系统 | |
Richardson et al. | Battery health prediction under generalized conditions using a Gaussian process transition model | |
JP7164217B2 (ja) | モバイル・デバイスに対するバッテリ健全性を緩和電圧に基づいて推定する方法 | |
JP7317484B2 (ja) | リチウムイオン電池の容量低下と寿命予測のためのデータ駆動モデル | |
CN105807227B (zh) | 估计电池状态的方法和设备 | |
JP6513881B2 (ja) | バッテリテスト結果を予測するためのバッテリテストシステム | |
JP6234946B2 (ja) | 電池状態推定装置 | |
US11965935B2 (en) | Method and apparatus for operating a system for providing predicted states of health of electrical energy stores for a device using machine learning methods | |
JP7403491B2 (ja) | 電池の残存耐用寿命(rul)を推定するための電池診断システム | |
JP5005814B2 (ja) | バッテリーの長期特性予測システム及び方法 | |
US20160239592A1 (en) | Data-driven battery aging model using statistical analysis and artificial intelligence | |
JP5313250B2 (ja) | バッテリーの長期特性予測システム及び方法 | |
US20150316618A1 (en) | Methods and apparatus for battery power and energy availability prediction | |
KR20160000317A (ko) | 배터리의 상태 정보를 학습 및 추정하는 장치 및 방법 | |
Yu | Health degradation detection and monitoring of lithium-ion battery based on adaptive learning method | |
CN113189495B (zh) | 一种电池健康状态的预测方法、装置及电子设备 | |
CN114047452B (zh) | 一种确定电池循环寿命的方法及装置 | |
CN105759209A (zh) | 电池的电量估测方法及装置 | |
WO2023184824A1 (zh) | 电池簇荷电状态的估计方法及系统、电子设备及存储介质 | |
CN115587527A (zh) | 电池寿命预测方法、系统、终端设备及计算机可读介质 | |
CN114879070A (zh) | 一种电池状态评估方法及相关设备 | |
Qian et al. | State of health estimation of lithium-ion battery using energy accumulation-based feature extraction and improved relevance vector regression | |
CN115656834A (zh) | 一种电池容量预测方法、装置及电子设备 | |
WO2024057996A1 (ja) | 蓄電素子の劣化状態の算出装置、劣化状態の算出方法、劣化状態の算出プログラム、劣化状態の推定装置、劣化状態の推定方法、異常検知装置及び異常検知方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20210618 |
|
A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20210618 |
|
A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20220726 |
|
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: 20221122 |
|
A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20221220 |
|
R150 | Certificate of patent or registration of utility model |
Ref document number: 7199568 Country of ref document: JP Free format text: JAPANESE INTERMEDIATE CODE: R150 |