JP3454928B2 - バッテリの残存使用量判定装置 - Google Patents
バッテリの残存使用量判定装置Info
- Publication number
- JP3454928B2 JP3454928B2 JP18498594A JP18498594A JP3454928B2 JP 3454928 B2 JP3454928 B2 JP 3454928B2 JP 18498594 A JP18498594 A JP 18498594A JP 18498594 A JP18498594 A JP 18498594A JP 3454928 B2 JP3454928 B2 JP 3454928B2
- Authority
- JP
- Japan
- Prior art keywords
- battery
- data
- remaining
- learning
- characteristic
- 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.)
- Expired - Fee Related
Links
Classifications
-
- 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
- Tests Of Electric Status Of Batteries (AREA)
- Secondary Cells (AREA)
Description
【０００１】
【産業上の利用分野】本発明はバッテリの残存使用量判
定装置に関し、バッテリに残存する使用可能量を判定す
る装置に関する。
定装置に関し、バッテリに残存する使用可能量を判定す
る装置に関する。
【０００２】
【従来の技術】バッテリの残存使用量判定装置として
は、バッテリ使用時における端子電圧，電気負荷に流れ
る電流，バッテリ温度に従いバッテリの充電状態を検出
し、この検出結果と予め設定したバッテリ特性（バッテ
リ電流−電圧降下テーブル等）とを比較することにより
現在の使用可能量を判定するものが開示されている（例
えば特開平１−１９３６７５号公報）。
は、バッテリ使用時における端子電圧，電気負荷に流れ
る電流，バッテリ温度に従いバッテリの充電状態を検出
し、この検出結果と予め設定したバッテリ特性（バッテ
リ電流−電圧降下テーブル等）とを比較することにより
現在の使用可能量を判定するものが開示されている（例
えば特開平１−１９３６７５号公報）。
【０００３】
【発明が解決しようとする課題】しかし、上記バッテリ
特性は、経時劣化や使用環境の変化により大きく変化す
る。そのため、従来開示されている判定装置では、バッ
テリの経時変化等に伴い残存使用量を誤判定してしまう
という問題が発生する。
特性は、経時劣化や使用環境の変化により大きく変化す
る。そのため、従来開示されている判定装置では、バッ
テリの経時変化等に伴い残存使用量を誤判定してしまう
という問題が発生する。
【０００４】本発明はかかる課題を解決するものであ
り、その目的とするところは、バッテリの経時変化等が
あってもバッテリ残存使用量を常に正確に判定すること
ができるバッテリの残存使用量判定装置を提供すること
になる。
り、その目的とするところは、バッテリの経時変化等が
あってもバッテリ残存使用量を常に正確に判定すること
ができるバッテリの残存使用量判定装置を提供すること
になる。
【０００５】
【課題を解決するための手段】上記目的を達成するため
に、請求項１に記載の発明は、図１１に示すように、少
なくともバッテリ放電電流を含むバッテリＭ１の状態を
検出するバッテリ状態検出手段Ｍ２と、バッテリ特性と
して、バッテリ状態に対応するバッテリＭ１の残存使用
評価データを記憶しているバッテリ特性記憶手段Ｍ３
と、前記バッテリ特性記憶手段Ｍ３に記憶されているバ
ッテリ特性を用い、前記バッテリ状態検出手段Ｍ２によ
る検出結果に応じたバッテリＭ１の残存使用評価データ
から当該バッテリＭ１の残存使用量を判定する残存使用
量判定手段Ｍ４とを備えた電気自動車に搭載したバッテ
リの残存使用量判定装置において、バッテリ状態を示す
各種データを電力消費レベル毎に区分された領域に分類
して記憶するデータ記憶手段Ｍ５と、前記データ記憶手
段Ｍ５のデータを用い、バッテリ容量全域におけるバッ
テリ特性を更新し記憶するバッテリ特性学習手段Ｍ６と
を備えたことを要旨としている。
に、請求項１に記載の発明は、図１１に示すように、少
なくともバッテリ放電電流を含むバッテリＭ１の状態を
検出するバッテリ状態検出手段Ｍ２と、バッテリ特性と
して、バッテリ状態に対応するバッテリＭ１の残存使用
評価データを記憶しているバッテリ特性記憶手段Ｍ３
と、前記バッテリ特性記憶手段Ｍ３に記憶されているバ
ッテリ特性を用い、前記バッテリ状態検出手段Ｍ２によ
る検出結果に応じたバッテリＭ１の残存使用評価データ
から当該バッテリＭ１の残存使用量を判定する残存使用
量判定手段Ｍ４とを備えた電気自動車に搭載したバッテ
リの残存使用量判定装置において、バッテリ状態を示す
各種データを電力消費レベル毎に区分された領域に分類
して記憶するデータ記憶手段Ｍ５と、前記データ記憶手
段Ｍ５のデータを用い、バッテリ容量全域におけるバッ
テリ特性を更新し記憶するバッテリ特性学習手段Ｍ６と
を備えたことを要旨としている。
【０００６】請求項２に記載の発明では、前記データ記
憶手段Ｍ５は、各領域の記憶データ数を所定数に制限す
るようにしている。請求項３に記載の発明では、前記デ
ータ記憶手段Ｍ５の記憶データがバッテリ容量全域の一
部領域分である場合、前記バッテリ特性学習手段Ｍ６は
記憶済みデータからその該当する領域についてバッテリ
特性を学習し、他の領域についてはそれまでに記憶され
ているバッテリ特性を用い、バッテリ状態に対してバッ
テリ残存使用評価データを平行移動してバッテリ特性を
学習するようにしている。
憶手段Ｍ５は、各領域の記憶データ数を所定数に制限す
るようにしている。請求項３に記載の発明では、前記デ
ータ記憶手段Ｍ５の記憶データがバッテリ容量全域の一
部領域分である場合、前記バッテリ特性学習手段Ｍ６は
記憶済みデータからその該当する領域についてバッテリ
特性を学習し、他の領域についてはそれまでに記憶され
ているバッテリ特性を用い、バッテリ状態に対してバッ
テリ残存使用評価データを平行移動してバッテリ特性を
学習するようにしている。
【０００７】請求項４に記載の発明では、バッテリＭ１
への充電電流が所定レベルを越える場合、それに相応す
る期間において前記データ記憶手段Ｍ５によるデータの
記憶や前記バッテリ特性学習手段Ｍ６によるバッテリ特
性の学習を停止するようにしている。
への充電電流が所定レベルを越える場合、それに相応す
る期間において前記データ記憶手段Ｍ５によるデータの
記憶や前記バッテリ特性学習手段Ｍ６によるバッテリ特
性の学習を停止するようにしている。
【０００８】請求項５に記載の発明では、前記バッテリ
特性学習手段Ｍ６は、バッテリ特性の学習前にバッテリ
満充電容量を推測し、該推測した満充電容量をバッテリ
特性の学習に反映するようにしている。
特性学習手段Ｍ６は、バッテリ特性の学習前にバッテリ
満充電容量を推測し、該推測した満充電容量をバッテリ
特性の学習に反映するようにしている。
【０００９】
【作用】上記請求項１の構成によれば、バッテリ状態検
出手段Ｍ２は、少なくともバッテリ放電電流を含むバッ
テリＭ１の状態を検出する。バッテリ特性記憶手段Ｍ３
は、バッテリ特性として、バッテリ状態に対応するバッ
テリＭ１の残存使用評価データを記憶しており、残存使
用量判定手段Ｍ４は、バッテリ特性記憶手段Ｍ３に記憶
されているバッテリ特性を用い、バッテリ状態検出手段
Ｍ２による検出結果に応じたバッテリＭ１の残存使用評
価データから当該バッテリＭ１の残存使用量を判定す
る。また、データ記憶手段Ｍ５は、バッテリ状態を示す
各種データを電力消費レベル毎に区分された領域に分類
して記憶する。バッテリ特性学習手段Ｍ６は、データ記
憶手段Ｍ５のデータを用い、バッテリ容量全域における
バッテリ特性を更新し記憶する。
出手段Ｍ２は、少なくともバッテリ放電電流を含むバッ
テリＭ１の状態を検出する。バッテリ特性記憶手段Ｍ３
は、バッテリ特性として、バッテリ状態に対応するバッ
テリＭ１の残存使用評価データを記憶しており、残存使
用量判定手段Ｍ４は、バッテリ特性記憶手段Ｍ３に記憶
されているバッテリ特性を用い、バッテリ状態検出手段
Ｍ２による検出結果に応じたバッテリＭ１の残存使用評
価データから当該バッテリＭ１の残存使用量を判定す
る。また、データ記憶手段Ｍ５は、バッテリ状態を示す
各種データを電力消費レベル毎に区分された領域に分類
して記憶する。バッテリ特性学習手段Ｍ６は、データ記
憶手段Ｍ５のデータを用い、バッテリ容量全域における
バッテリ特性を更新し記憶する。
【００１０】つまり、バッテリ特性の学習に必要なデー
タを効率的に記憶でき、そのデータを用いて学習を行う
ことでバッテリ特性の学習がバッテリ容量全域において
確実に行われる。そして、学習後の最新のバッテリ特性
を用いてバッテリ残存使用量を判定することによりバッ
テリが経時劣化等を生じても常に正確な判定結果が得ら
れる。
タを効率的に記憶でき、そのデータを用いて学習を行う
ことでバッテリ特性の学習がバッテリ容量全域において
確実に行われる。そして、学習後の最新のバッテリ特性
を用いてバッテリ残存使用量を判定することによりバッ
テリが経時劣化等を生じても常に正確な判定結果が得ら
れる。
【００１１】請求項２の構成によれば、データ記憶手段
Ｍ５は、各領域の記憶データ数を所定数に制限する。こ
の場合、記憶データ数の制限により記憶容量の低減が実
現される。
Ｍ５は、各領域の記憶データ数を所定数に制限する。こ
の場合、記憶データ数の制限により記憶容量の低減が実
現される。
【００１２】請求項３の構成によれば、データ記憶手段
Ｍ５の記憶データがバッテリ容量全域の一部領域分であ
る場合、バッテリ特性学習手段Ｍ６は記憶済みデータか
らその該当する領域についてバッテリ特性を学習し、他
の領域についてはそれまでに記憶されているバッテリ特
性を用い、バッテリ状態に対してバッテリ残存使用評価
データを平行移動してバッテリ特性を学習する。つま
り、バッテリ特性の学習に必要なデータが十分に揃って
いない場合においても、バッテリ容量全域に対するバッ
テリ特性の学習が可能となる。
Ｍ５の記憶データがバッテリ容量全域の一部領域分であ
る場合、バッテリ特性学習手段Ｍ６は記憶済みデータか
らその該当する領域についてバッテリ特性を学習し、他
の領域についてはそれまでに記憶されているバッテリ特
性を用い、バッテリ状態に対してバッテリ残存使用評価
データを平行移動してバッテリ特性を学習する。つま
り、バッテリ特性の学習に必要なデータが十分に揃って
いない場合においても、バッテリ容量全域に対するバッ
テリ特性の学習が可能となる。
【００１３】請求項４の構成によれば、バッテリＭ１へ
の充電電流が所定レベルを越える場合、それに相応する
期間においてデータ記憶手段Ｍ５によるデータの記憶や
バッテリ特性学習手段Ｍ６によるバッテリ特性の学習を
停止する。つまり、バッテリＭ１への充電電流が所定レ
ベルを越えると充電分極が生じ、この場合バッテリ端子
電圧が通常よりも高めになる。しかし、本構成では充電
分極が生じても、それによるデータの誤検出やバッテリ
特性の誤学習が防止される。
の充電電流が所定レベルを越える場合、それに相応する
期間においてデータ記憶手段Ｍ５によるデータの記憶や
バッテリ特性学習手段Ｍ６によるバッテリ特性の学習を
停止する。つまり、バッテリＭ１への充電電流が所定レ
ベルを越えると充電分極が生じ、この場合バッテリ端子
電圧が通常よりも高めになる。しかし、本構成では充電
分極が生じても、それによるデータの誤検出やバッテリ
特性の誤学習が防止される。
【００１４】請求項５の構成によれば、バッテリ特性学
習手段Ｍ６は、バッテリ特性の学習前にバッテリ満充電
容量を推測し、該推測した満充電容量をバッテリ特性の
学習に反映する。この場合、バッテリ満充電容量により
バッテリの劣化状態が判断され、バッテリＭ１の残存使
用量がより正確に判定される。
習手段Ｍ６は、バッテリ特性の学習前にバッテリ満充電
容量を推測し、該推測した満充電容量をバッテリ特性の
学習に反映する。この場合、バッテリ満充電容量により
バッテリの劣化状態が判断され、バッテリＭ１の残存使
用量がより正確に判定される。
【００１５】
【実施例】以下、この発明を電気自動車に搭載したバッ
テリの残存使用量判定装置に具体化した一実施例につい
て、図面に従い説明する。
テリの残存使用量判定装置に具体化した一実施例につい
て、図面に従い説明する。
【００１６】図１は、本実施例におけるバッテリの残存
使用量判定装置の概略を示す構成図である。図１におい
て、バッテリ１の両極端子には、インバータ１１を介し
て電気負荷としてのモータ２が接続されている。バッテ
リ１は例えば１６個の鉛蓄電池にて構成されている。Ｅ
ＣＵ（電子制御装置）３は、ＣＰＵ４ａ及びメモリ４ｂ
を有するマイクロコンピュータ４と、前記モータ２の駆
動を制御するためのモータ制御回路５とを備えている。
検出部６は、バッテリ端子電圧を検出する電圧検出器７
と、バッテリ１からモータ２への放電電流若しくはモー
タ２からバッテリ１への回生充電電流を検出する電流検
出器８と、熱電対９ａによりバッテリケース温度を検出
する温度検出器９とからなり、各検出器による検出結果
がマイクロコンピュータ４に入力される。
使用量判定装置の概略を示す構成図である。図１におい
て、バッテリ１の両極端子には、インバータ１１を介し
て電気負荷としてのモータ２が接続されている。バッテ
リ１は例えば１６個の鉛蓄電池にて構成されている。Ｅ
ＣＵ（電子制御装置）３は、ＣＰＵ４ａ及びメモリ４ｂ
を有するマイクロコンピュータ４と、前記モータ２の駆
動を制御するためのモータ制御回路５とを備えている。
検出部６は、バッテリ端子電圧を検出する電圧検出器７
と、バッテリ１からモータ２への放電電流若しくはモー
タ２からバッテリ１への回生充電電流を検出する電流検
出器８と、熱電対９ａによりバッテリケース温度を検出
する温度検出器９とからなり、各検出器による検出結果
がマイクロコンピュータ４に入力される。
【００１７】ここで、マイクロコンピュータ４のメモリ
４ｂによりバッテリ特性記憶手段が構成されており、同
じくＣＰＵ４ａによりバッテリ状態検出手段、残存使用
量判定手段、データ記憶手段及びバッテリ特性学習手段
が構成されている。つまり、略述すれば、ＣＰＵ４ａ
は、前記検出部６による検出結果からバッテリ放電電
流、消費電力等のバッテリ状態を示すデータを演算す
る。また、ＣＰＵ４ａはメモリ４ｂに記憶されているバ
ッテリ特性を用い、バッテリ１に関する各種検出結果に
応じてバッテリ残存使用量を演算し、その演算結果を表
示装置１０に表示する。さらに、ＣＰＵ４ａは、バッテ
リ１の経時劣化等に応じて上記バッテリ特性を更新し、
新たな特性としてメモリ４ｂに記憶する。
４ｂによりバッテリ特性記憶手段が構成されており、同
じくＣＰＵ４ａによりバッテリ状態検出手段、残存使用
量判定手段、データ記憶手段及びバッテリ特性学習手段
が構成されている。つまり、略述すれば、ＣＰＵ４ａ
は、前記検出部６による検出結果からバッテリ放電電
流、消費電力等のバッテリ状態を示すデータを演算す
る。また、ＣＰＵ４ａはメモリ４ｂに記憶されているバ
ッテリ特性を用い、バッテリ１に関する各種検出結果に
応じてバッテリ残存使用量を演算し、その演算結果を表
示装置１０に表示する。さらに、ＣＰＵ４ａは、バッテ
リ１の経時劣化等に応じて上記バッテリ特性を更新し、
新たな特性としてメモリ４ｂに記憶する。
【００１８】以下、メモリ４ｂに記憶されているバッテ
リ特性と、ＣＰＵ４ａによる残存使用量判定処理及びバ
ッテリ特性学習処理とについて詳述する。メモリ４ｂに
は、バッテリ特性式としてバッテリ電流−消費電力−放
電量の関係が記憶されており、その基本式を次に示す。
リ特性と、ＣＰＵ４ａによる残存使用量判定処理及びバ
ッテリ特性学習処理とについて詳述する。メモリ４ｂに
は、バッテリ特性式としてバッテリ電流−消費電力−放
電量の関係が記憶されており、その基本式を次に示す。
【００１９】
【数１】
Ｉr ＝Ｗat・（Ａ・Ｓo k ＋Ｂ・Ｓo ＋Ｃ・Ｗat＋Ｄ）
但し、Ｉr は推定放電電流、Ｗatはバッテリ１の電池一
個当たりの消費電力（Ｗ）、Ａ，Ｂ，Ｃ，Ｄは係数、ｋ
は乗数である。Ｓo は放電量指数であり、バッテリ満充
電状態からの放電量（電流積算値）と満充電容量との比
に相当する。
個当たりの消費電力（Ｗ）、Ａ，Ｂ，Ｃ，Ｄは係数、ｋ
は乗数である。Ｓo は放電量指数であり、バッテリ満充
電状態からの放電量（電流積算値）と満充電容量との比
に相当する。
【００２０】また、上記放電量指数Ｓo は次式（数式
２）にて表され、ＳＯＣ＞１００ではＳo ＝０となる。
２）にて表され、ＳＯＣ＞１００ではＳo ＝０となる。
【００２１】
【数２】Ｓo ＝１−ＳＯＣ／１００
ここで、ＳＯＣは、５時間率容量における０．２ＣＡ換
算残存容量（以下、残存容量という）であり、この残存
容量ＳＯＣは次式（数式３）にて表される。
算残存容量（以下、残存容量という）であり、この残存
容量ＳＯＣは次式（数式３）にて表される。
【００２２】
【数３】ＳＯＣ＝｛（Ａｈｏ・Ｋt −Σｉ・Ｋi ｄｔ＋
β）／Ａｈｏ＋α｝×１００（％） 但し、Ａｈｏは満充電容量、ｉは充電及び放電を含むバ
ッテリ電流（検出値）、Ｋt は温度補正係数、Ｋi は電
流補正係数、αは充放電休止状態におけるバッテリ容量
回復値（余剰容量）、βは推定放電電流Ｉr と検出電流
Ｉd との差に応じた補正値である。ここで、バッテリケ
ース温度に対する温度補正係数Ｋt を図２に示し、バッ
テリ放電電流に対する電流補正係数Ｋi を図３に示す。
β）／Ａｈｏ＋α｝×１００（％） 但し、Ａｈｏは満充電容量、ｉは充電及び放電を含むバ
ッテリ電流（検出値）、Ｋt は温度補正係数、Ｋi は電
流補正係数、αは充放電休止状態におけるバッテリ容量
回復値（余剰容量）、βは推定放電電流Ｉr と検出電流
Ｉd との差に応じた補正値である。ここで、バッテリケ
ース温度に対する温度補正係数Ｋt を図２に示し、バッ
テリ放電電流に対する電流補正係数Ｋi を図３に示す。
【００２３】さらに、上記バッテリ容量回復値αは次式
（数式４）にて表される。
（数式４）にて表される。
【００２４】
【数４】α＝Σｉｄｔ＋（Σｉ・Ｋi ｄｔ−Σｉｄｔ）
・ｅｘｐ（−ｔo ／Ｔk ） 但し、ｔo は充電休止時間、Ｔk は定数である。
・ｅｘｐ（−ｔo ／Ｔk ） 但し、ｔo は充電休止時間、Ｔk は定数である。
【００２５】一方で、バッテリ特性はバッテリ電流−消
費電力−放電量テーブルで記憶されていてもよく、同テ
ーブルを図４に示す。ここで、図４（ａ）は新品バッテ
リの特性を示し、図４（ｂ）は学習により更新された劣
化バッテリの特性を示している。
費電力−放電量テーブルで記憶されていてもよく、同テ
ーブルを図４に示す。ここで、図４（ａ）は新品バッテ
リの特性を示し、図４（ｂ）は学習により更新された劣
化バッテリの特性を示している。
【００２６】上記数式１〜４やバッテリ電流−消費電力
−放電量テーブルによって、バッテリ放電電流及びバッ
テリ消費状態に対応するバッテリ１の残存使用評価デー
タが求められることになる。
−放電量テーブルによって、バッテリ放電電流及びバッ
テリ消費状態に対応するバッテリ１の残存使用評価デー
タが求められることになる。
【００２７】次いで、ＣＰＵ４ａによる処理動作につい
て図５〜図８に示すフローチャートを用いて説明する。
なお、図５〜図７は、ＣＰＵ４ａが実行するメインルー
チンを示し、図８はメインルーチンに対するサブルーチ
ン（残存エネルギ表示ルーチン）を示している。
て図５〜図８に示すフローチャートを用いて説明する。
なお、図５〜図７は、ＣＰＵ４ａが実行するメインルー
チンを示し、図８はメインルーチンに対するサブルーチ
ン（残存エネルギ表示ルーチン）を示している。
【００２８】さて、図５においてはバッテリ満充電状態
でルーチンが開始され、ＣＰＵ４ａは先ずステップ１０
０で初期化処理を実行する。すなわち、ＣＰＵ４ａは、
学習用データ（本実施例では、検出部６によるバッテリ
端子電圧，バッテリ電流，バッテリケース温度）の記憶
動作を管理するためのフラグをＯＮすると共に、自己放
電量Ｑh 及び使用容量Ｑs を「０」にクリアする。ま
た、ＣＰＵ４ａ内のタイマをスタートさせる。
でルーチンが開始され、ＣＰＵ４ａは先ずステップ１０
０で初期化処理を実行する。すなわち、ＣＰＵ４ａは、
学習用データ（本実施例では、検出部６によるバッテリ
端子電圧，バッテリ電流，バッテリケース温度）の記憶
動作を管理するためのフラグをＯＮすると共に、自己放
電量Ｑh 及び使用容量Ｑs を「０」にクリアする。ま
た、ＣＰＵ４ａ内のタイマをスタートさせる。
【００２９】次に、ＣＰＵ４ａは、ステップ１０１で現
在、バッテリ１が放置状態にあるか否かを判別する。具
体的には、図示しない電源キースイッチがＯＦＦ位置
（ＳＷ＝ＯＦＦ）であり且つバッテリ充電状態でなけれ
ば、放置状態であるとみなされステップ１０１が肯定判
別される。そして、バッテリ放置の場合、ＣＰＵ４ａは
ステップ１０２に進み、その時の放置期間に応じた自己
放電量Ｑh を算出する。また、ＣＰＵ４ａは、続くステ
ップ１０３でフラグがＯＮされてから２週間が経過した
か否かをタイマのカウント値により判別する。そして、
２週間経過前であれば、ＣＰＵ４ａはそのままステップ
１０１にリターンし、２週間経過していればステップ１
０４でフラグをＯＦＦした後、ステップ１０１にリター
ンする。
在、バッテリ１が放置状態にあるか否かを判別する。具
体的には、図示しない電源キースイッチがＯＦＦ位置
（ＳＷ＝ＯＦＦ）であり且つバッテリ充電状態でなけれ
ば、放置状態であるとみなされステップ１０１が肯定判
別される。そして、バッテリ放置の場合、ＣＰＵ４ａは
ステップ１０２に進み、その時の放置期間に応じた自己
放電量Ｑh を算出する。また、ＣＰＵ４ａは、続くステ
ップ１０３でフラグがＯＮされてから２週間が経過した
か否かをタイマのカウント値により判別する。そして、
２週間経過前であれば、ＣＰＵ４ａはそのままステップ
１０１にリターンし、２週間経過していればステップ１
０４でフラグをＯＦＦした後、ステップ１０１にリター
ンする。
【００３０】一方、前記ステップ１０１が否定判別され
た場合、ＣＰＵ４ａは、ステップ１０５に進み、バッテ
リ端子電圧，バッテリ電流，バッテリケース温度の０．
２秒毎の検出データを取り込み、各々１秒間の平均値を
算出する。また、ＣＰＵ４ａは、続くステップ１０６で
その時の使用容量Ｑs 及び残存容量ＳＯＣを算出する。
ここで、使用容量Ｑs は、検出電流値にその大きさによ
る重み付けをして積算し、さらにその積算値に自己放電
量Ｑh を加算した値である。
た場合、ＣＰＵ４ａは、ステップ１０５に進み、バッテ
リ端子電圧，バッテリ電流，バッテリケース温度の０．
２秒毎の検出データを取り込み、各々１秒間の平均値を
算出する。また、ＣＰＵ４ａは、続くステップ１０６で
その時の使用容量Ｑs 及び残存容量ＳＯＣを算出する。
ここで、使用容量Ｑs は、検出電流値にその大きさによ
る重み付けをして積算し、さらにその積算値に自己放電
量Ｑh を加算した値である。
【００３１】その後、ＣＰＵ４ａは、ステップ１０７で
キースイッチ位置や充放電電流値からバッテリ１の現在
の状況を判別する。すなわち、ＳＷ＝ＯＮの場合、ＣＰ
Ｕ４ａは電気自動車の走行が開始されたとみなし、その
後図６に示すステップ１０８〜１１８の処理を実行す
る。また、ＳＷ＝ＯＦＦであり、且つ、比較的小さな充
電電流（マイナス電流）が１分間以上流れている場合、
ＣＰＵ４ａは図示しない充電装置による通常充電時であ
るとみなし、その後図７に示すステップ１１９〜１２８
の処理を実行する。さらに、ＳＷ＝ＯＦＦであり、且
つ、比較的大きな充電電流（マイナス電流）が１分間以
上流れている場合、ＣＰＵ４ａは急速充電時であるとみ
なし、その後ステップ１２９を実行する。
キースイッチ位置や充放電電流値からバッテリ１の現在
の状況を判別する。すなわち、ＳＷ＝ＯＮの場合、ＣＰ
Ｕ４ａは電気自動車の走行が開始されたとみなし、その
後図６に示すステップ１０８〜１１８の処理を実行す
る。また、ＳＷ＝ＯＦＦであり、且つ、比較的小さな充
電電流（マイナス電流）が１分間以上流れている場合、
ＣＰＵ４ａは図示しない充電装置による通常充電時であ
るとみなし、その後図７に示すステップ１１９〜１２８
の処理を実行する。さらに、ＳＷ＝ＯＦＦであり、且
つ、比較的大きな充電電流（マイナス電流）が１分間以
上流れている場合、ＣＰＵ４ａは急速充電時であるとみ
なし、その後ステップ１２９を実行する。
【００３２】つまり、走行開始時には、ＣＰＵ４ａは先
ず図６のステップ１０８に進み、フラグがＯＮであるか
否かを判別する。そして、フラグ＝ＯＮであれば、ＣＰ
Ｕ４ａは続くステップ１０９に進み、バッテリ端子電圧
とバッテリ電流との積からその時の消費電力Ｗatを算出
する。
ず図６のステップ１０８に進み、フラグがＯＮであるか
否かを判別する。そして、フラグ＝ＯＮであれば、ＣＰ
Ｕ４ａは続くステップ１０９に進み、バッテリ端子電圧
とバッテリ電流との積からその時の消費電力Ｗatを算出
する。
【００３３】また、ＣＰＵ４ａは、ステップ１１０で上
記消費電力Ｗatの正負判定によりバッテリ１からモータ
２への放電電流が流れているのか、或いはモータ２から
バッテリ１への回生充電電流が流れているのかを判別す
る。そして、ステップ１１０の肯定判別によりバッテリ
１の放電が確認された場合、ＣＰＵ４ａはステップ１１
１で学習用データを残存容量ＳＯＣ，消費電力Ｗatによ
り分類すると共に、ステップ１１２でメモリ４ｂの該当
する記憶領域に既に同種の学習用データが記憶されてい
ないか否かを判別する。そして、ステップ１１２が肯定
判別されれば、ＣＰＵ４ａはステップ１１３で上記デー
タをメモリ４ｂの該当記憶領域に記憶する。つまり、メ
モリ４ｂにおいて学習用データを記憶する領域は、残存
容量ＳＯＣ及び消費電力Ｗatのレベル（電力消費レベ
ル）毎に分割されており、当該分割領域に学習用データ
が所定数（本実施例では、１個）だけ記憶されるように
なっている。
記消費電力Ｗatの正負判定によりバッテリ１からモータ
２への放電電流が流れているのか、或いはモータ２から
バッテリ１への回生充電電流が流れているのかを判別す
る。そして、ステップ１１０の肯定判別によりバッテリ
１の放電が確認された場合、ＣＰＵ４ａはステップ１１
１で学習用データを残存容量ＳＯＣ，消費電力Ｗatによ
り分類すると共に、ステップ１１２でメモリ４ｂの該当
する記憶領域に既に同種の学習用データが記憶されてい
ないか否かを判別する。そして、ステップ１１２が肯定
判別されれば、ＣＰＵ４ａはステップ１１３で上記デー
タをメモリ４ｂの該当記憶領域に記憶する。つまり、メ
モリ４ｂにおいて学習用データを記憶する領域は、残存
容量ＳＯＣ及び消費電力Ｗatのレベル（電力消費レベ
ル）毎に分割されており、当該分割領域に学習用データ
が所定数（本実施例では、１個）だけ記憶されるように
なっている。
【００３４】一方、ステップ１１０の否定判別によりバ
ッテリ１への回生充電が確認された場合、ＣＰＵ４ａは
ステップ１１４に進み、フラグを５秒間だけＯＦＦさせ
る。つまり、回生充電電流によりバッテリ１が充電され
る場合、充電分極によりバッテリ端子電圧が通常の電圧
値よりも高めになり、電圧値及び電流値が誤検出される
ことがある。そこで、上記場合にはフラグをＯＦＦに保
持し、学習用データの記憶を中止している。
ッテリ１への回生充電が確認された場合、ＣＰＵ４ａは
ステップ１１４に進み、フラグを５秒間だけＯＦＦさせ
る。つまり、回生充電電流によりバッテリ１が充電され
る場合、充電分極によりバッテリ端子電圧が通常の電圧
値よりも高めになり、電圧値及び電流値が誤検出される
ことがある。そこで、上記場合にはフラグをＯＦＦに保
持し、学習用データの記憶を中止している。
【００３５】その後、ＣＰＵ４ａは、ステップ１１５，
１１６で残存容量ＳＯＣの算出式（前述の数式３）に関
して逐次補正を行う。すなわち、ＣＰＵ４ａは、ステッ
プ１１５でバッテリ特性式（前述の数式１）を用いて推
定電流値Ｉr を算出し、続くステップ１１６で推定電流
値Ｉr と検出電流値Ｉd との差に応じて補正値βを算出
する（β＝ＫX ・（Ｉr −Ｉd ）；但し、ＫX は補正減
衰係数）。
１１６で残存容量ＳＯＣの算出式（前述の数式３）に関
して逐次補正を行う。すなわち、ＣＰＵ４ａは、ステッ
プ１１５でバッテリ特性式（前述の数式１）を用いて推
定電流値Ｉr を算出し、続くステップ１１６で推定電流
値Ｉr と検出電流値Ｉd との差に応じて補正値βを算出
する（β＝ＫX ・（Ｉr −Ｉd ）；但し、ＫX は補正減
衰係数）。
【００３６】さらに、ＣＰＵ４ａは、ステップ１１７で
バッテリ１の残存使用量を表示する。ここではステップ
１１７ａに示す表示方法、又はステップ１１７ｂに示す
表示方法のいずれかでバッテリ残存使用量が表示される
か、若しくは上記両方の表示方法にてバッテリ残存使用
量が表示される。この場合、ステップ１１７ａでは前述
の数式３にて演算された残存容量ＳＯＣが表示装置１０
に表示される。また、ステップ１１７ｂでは、模擬的な
走行シュミレーションに則した残存エネルギＳＯＣW が
算出され、その算出結果が表示装置１０に表示される。
バッテリ１の残存使用量を表示する。ここではステップ
１１７ａに示す表示方法、又はステップ１１７ｂに示す
表示方法のいずれかでバッテリ残存使用量が表示される
か、若しくは上記両方の表示方法にてバッテリ残存使用
量が表示される。この場合、ステップ１１７ａでは前述
の数式３にて演算された残存容量ＳＯＣが表示装置１０
に表示される。また、ステップ１１７ｂでは、模擬的な
走行シュミレーションに則した残存エネルギＳＯＣW が
算出され、その算出結果が表示装置１０に表示される。
【００３７】そして、残存使用量の表示後、ＣＰＵ４ａ
は、ステップ１１８で電気自動車の走行が終了したか否
かを判別し、終了でなければステップ１０８にリターン
し、終了であれば図５のステップ１０１にリターンす
る。
は、ステップ１１８で電気自動車の走行が終了したか否
かを判別し、終了でなければステップ１０８にリターン
し、終了であれば図５のステップ１０１にリターンす
る。
【００３８】ステップ１１７ｂの詳細を図８に示す。図
８において、ＣＰＵ４ａは先ずステップ２００でシュミ
レーション用タイマｍを「１」に初期化し、続くステッ
プ２０１で予め設定した電力消費パターン（例えば、１
５モード）での消費電力Ｗmから推定電流値Ｉrmを算出
する。その後、ＣＰＵ４ａは、ステップ２０２で推定電
流値Ｉrmと限界電流値Ｉlimit とを比較し、Ｉrm＜Ｉ
limit であるか否かを判別する。なお、限界電流値Ｉ
limit とは、その時の電力消費パターンにおける放電終
止電圧に相当する値である。この場合、Ｉrm＜Ｉlimit
であれば、ＣＰＵ４ａはステップ２０３に進み、その時
の推定電流値Ｉrmを用いて残存容量ＳＯＣmを算出す
る。また、ＣＰＵ４ａは、続くステップ２０４でシュミ
レーション用タイマｍを「１」インクリメントし、その
後ステップ２０１にリターンする。上記処理によれば、
シュミレーション刻み幅を１秒として推定電流値Ｉrmが
算出される。
８において、ＣＰＵ４ａは先ずステップ２００でシュミ
レーション用タイマｍを「１」に初期化し、続くステッ
プ２０１で予め設定した電力消費パターン（例えば、１
５モード）での消費電力Ｗmから推定電流値Ｉrmを算出
する。その後、ＣＰＵ４ａは、ステップ２０２で推定電
流値Ｉrmと限界電流値Ｉlimit とを比較し、Ｉrm＜Ｉ
limit であるか否かを判別する。なお、限界電流値Ｉ
limit とは、その時の電力消費パターンにおける放電終
止電圧に相当する値である。この場合、Ｉrm＜Ｉlimit
であれば、ＣＰＵ４ａはステップ２０３に進み、その時
の推定電流値Ｉrmを用いて残存容量ＳＯＣmを算出す
る。また、ＣＰＵ４ａは、続くステップ２０４でシュミ
レーション用タイマｍを「１」インクリメントし、その
後ステップ２０１にリターンする。上記処理によれば、
シュミレーション刻み幅を１秒として推定電流値Ｉrmが
算出される。
【００３９】また、上記ステップ２０２でＩrm≧Ｉ
limit となれば、ＣＰＵ４ａはステップ２０５で次の数
式５を用いて残存エネルギＳＯＣW を算出すると共に、
その残存エネルギＳＯＣW を表示装置１０に表示する。
limit となれば、ＣＰＵ４ａはステップ２０５で次の数
式５を用いて残存エネルギＳＯＣW を算出すると共に、
その残存エネルギＳＯＣW を表示装置１０に表示する。
【００４０】
【数５】ＳＯＣW ＝ｍ／Ｍ・１００（％）
ここで、Ｍ（秒）は、バッテリケース温度＝３０℃とし
た時に、新品バッテリの満充電状態からその時の電力消
費パターンで走行可能な時間である。
た時に、新品バッテリの満充電状態からその時の電力消
費パターンで走行可能な時間である。
【００４１】一方、上述した図５のステップ１０７にて
通常充電時であると判別された場合、ＣＰＵ４ａは先ず
図７のステップ１１９に進み、使用容量Ｑs が「０」未
満であるか否かを判別する。この場合、バッテリ１が満
充電状態でなければＱs ≧０となり、ＣＰＵ４ａは図５
のステップ１０１にリターンする。また、バッテリ１が
満充電状態であればＱs ＜０が成立し、ＣＰＵ４ａはス
テップ１２０に進み、自己放電量Ｑh 及び使用容量Ｑs
を「０」にクリアすると共に、フラグをＯＮ、タイマを
リセットする。
通常充電時であると判別された場合、ＣＰＵ４ａは先ず
図７のステップ１１９に進み、使用容量Ｑs が「０」未
満であるか否かを判別する。この場合、バッテリ１が満
充電状態でなければＱs ≧０となり、ＣＰＵ４ａは図５
のステップ１０１にリターンする。また、バッテリ１が
満充電状態であればＱs ＜０が成立し、ＣＰＵ４ａはス
テップ１２０に進み、自己放電量Ｑh 及び使用容量Ｑs
を「０」にクリアすると共に、フラグをＯＮ、タイマを
リセットする。
【００４２】その後、ＣＰＵ４ａは、ステップ１２１で
バッテリ特性の学習のために必要最小限の学習用データ
がメモリ４ｂに記憶されているか否かを判別する。そし
て、ステップ１２１が肯定判別されれば、ＣＰＵ４ａは
続くステップ１２２でバッテリ１の満充電容量Ａｈｏを
算出する。
バッテリ特性の学習のために必要最小限の学習用データ
がメモリ４ｂに記憶されているか否かを判別する。そし
て、ステップ１２１が肯定判別されれば、ＣＰＵ４ａは
続くステップ１２２でバッテリ１の満充電容量Ａｈｏを
算出する。
【００４３】また、ＣＰＵ４ａは、続くステップ１２３
でバッテリ容量全域の学習用データが揃っているか否か
を判別し、揃っていればステップ１２４でバッテリ容量
全域についてバッテリ特性値を算出して学習を行う。こ
こで、学習の具体的な方法としては、例えば推定放電電
流Ｉr と実際の検出電流Ｉd とを比較し、次式（数式
６）に示す２乗平均誤差（評価関数）Ｊが最小となるよ
うにバッテリ特性式（数式１）の最適な係数Ａ〜Ｄ及び
乗数ｋを算出する（最適化による算出）。
でバッテリ容量全域の学習用データが揃っているか否か
を判別し、揃っていればステップ１２４でバッテリ容量
全域についてバッテリ特性値を算出して学習を行う。こ
こで、学習の具体的な方法としては、例えば推定放電電
流Ｉr と実際の検出電流Ｉd とを比較し、次式（数式
６）に示す２乗平均誤差（評価関数）Ｊが最小となるよ
うにバッテリ特性式（数式１）の最適な係数Ａ〜Ｄ及び
乗数ｋを算出する（最適化による算出）。
【００４４】
【数６】Ｊ＝√Σ（Ｉr −Ｉd ）2 ／ΣＩd 2
一方、ステップ１２３が否定判別された場合、ＣＰＵ４
ａはステップ１２５に進み、学習用データが揃っている
一部領域について上記最適化による学習を行う。また、
ＣＰＵ４ａは、続くステップ１２６で未学習部分の領域
について、それまでに記憶されているバッテリ特性を用
い、特性線を平行移動することによりバッテリ特性の学
習を行う。
ａはステップ１２５に進み、学習用データが揃っている
一部領域について上記最適化による学習を行う。また、
ＣＰＵ４ａは、続くステップ１２６で未学習部分の領域
について、それまでに記憶されているバッテリ特性を用
い、特性線を平行移動することによりバッテリ特性の学
習を行う。
【００４５】バッテリ特性の学習動作について図９
（ａ），（ｂ）を用いて説明する。なお、図９では、便
宜上、消費電力を１．５（ｋＷ）に固定しバッテリ特性
を２次元で表しているが、実際には３次元の特性上で平
行移動が行われる。つまり、車両走行中における放電が
深く学習用データがバッテリ容量全域について得られた
場合、図９（ａ）の如く当該全域で最適化による新たな
バッテリ特性が得られる（実線で示す特性）。ここで、
図の二点鎖線は学習前のバッテリ特性を示している。こ
れに対して、車両走行中における放電が浅く学習用デー
タが一部領域のみ得られた場合、図９（ｂ）の如くその
一部領域で最適化による新たなバッテリ特性が得られ
（実線で示す特性）、他の領域については、平行移動に
よりバッテリ特性が得られる（破線で示す特性）。
（ａ），（ｂ）を用いて説明する。なお、図９では、便
宜上、消費電力を１．５（ｋＷ）に固定しバッテリ特性
を２次元で表しているが、実際には３次元の特性上で平
行移動が行われる。つまり、車両走行中における放電が
深く学習用データがバッテリ容量全域について得られた
場合、図９（ａ）の如く当該全域で最適化による新たな
バッテリ特性が得られる（実線で示す特性）。ここで、
図の二点鎖線は学習前のバッテリ特性を示している。こ
れに対して、車両走行中における放電が浅く学習用デー
タが一部領域のみ得られた場合、図９（ｂ）の如くその
一部領域で最適化による新たなバッテリ特性が得られ
（実線で示す特性）、他の領域については、平行移動に
よりバッテリ特性が得られる（破線で示す特性）。
【００４６】その後、ＣＰＵ４ａは、ステップ１２７で
上記の如く求められた新たなバッテリ特性をメモリ４ｂ
に記憶する。さらに、ＣＰＵ４ａは、続くステップ１２
８でメモリ４ｂ内の学習用データを初期化した後、図５
のステップ１０１にリターンする。
上記の如く求められた新たなバッテリ特性をメモリ４ｂ
に記憶する。さらに、ＣＰＵ４ａは、続くステップ１２
８でメモリ４ｂ内の学習用データを初期化した後、図５
のステップ１０１にリターンする。
【００４７】また、上記ステップ１２１が否定判別され
た場合、ＣＰＵ４ａは、ステップ１２２〜１２７を通過
してステップ１２８を実行する。つまり、必要最小限の
学習用データが揃っていない場合には、バッテリ特性の
学習が行われないようになっている。
た場合、ＣＰＵ４ａは、ステップ１２２〜１２７を通過
してステップ１２８を実行する。つまり、必要最小限の
学習用データが揃っていない場合には、バッテリ特性の
学習が行われないようになっている。
【００４８】一方、図５のステップ１０７にて急速充電
時であると判別された場合、ＣＰＵ４ａはステップ１２
９に進み、フラグをＯＦＦした後、ステップ１０１にリ
ターンする。
時であると判別された場合、ＣＰＵ４ａはステップ１２
９に進み、フラグをＯＦＦした後、ステップ１０１にリ
ターンする。
【００４９】図１０は、劣化バッテリの充放電試験の結
果を示す線図である。なお、当試験では、１５モード走
行を模擬した消費電力パターンを指令値として充放電試
験を行っており、図の線ｘ（破線で示す）は実際のバッ
テリ残存使用量を、線ｙ（実線で示す）は学習後のバッ
テリ特性により求めたバッテリ残存使用量を、線ｚ（二
点鎖線で示す）は未学習のバッテリ特性により求めたバ
ッテリ残存使用量を、それぞれ示している。この図から
分かるように、未学習のバッテリ特性を用いた場合（線
ｚの場合）、バッテリ劣化によるバッテリ特性の変化に
応答することができず、図示の如く常時誤差を生じる。
これに対して、学習後のバッテリ特性を用いた場合（線
ｙの場合）、バッテリ劣化の際にもより正確に実際のバ
ッテリ残存使用量を求めることができる。
果を示す線図である。なお、当試験では、１５モード走
行を模擬した消費電力パターンを指令値として充放電試
験を行っており、図の線ｘ（破線で示す）は実際のバッ
テリ残存使用量を、線ｙ（実線で示す）は学習後のバッ
テリ特性により求めたバッテリ残存使用量を、線ｚ（二
点鎖線で示す）は未学習のバッテリ特性により求めたバ
ッテリ残存使用量を、それぞれ示している。この図から
分かるように、未学習のバッテリ特性を用いた場合（線
ｚの場合）、バッテリ劣化によるバッテリ特性の変化に
応答することができず、図示の如く常時誤差を生じる。
これに対して、学習後のバッテリ特性を用いた場合（線
ｙの場合）、バッテリ劣化の際にもより正確に実際のバ
ッテリ残存使用量を求めることができる。
【００５０】そして、以上詳述したバッテリ残存使用量
判定装置によれば、以下に示す効果を得ることができ
る。つまり、本実施例の判定装置では、バッテリ状態を
示す学習用データを、電力消費レベル（残存容量ＳＯ
Ｃ，消費電力Ｗat）毎に区分された領域に分類して記憶
した（図６のステップ１１１，１１３）。そして、その
学習用データを用い、バッテリ容量全域におけるバッテ
リ特性を演算した（図７のステップ１２４）。従って、
バッテリ特性の学習に必要なデータを効率的に記憶で
き、そのデータを用いて学習を行うことでバッテリ容量
全域においてバッテリ特性の学習を確実に行うことがで
きる。
判定装置によれば、以下に示す効果を得ることができ
る。つまり、本実施例の判定装置では、バッテリ状態を
示す学習用データを、電力消費レベル（残存容量ＳＯ
Ｃ，消費電力Ｗat）毎に区分された領域に分類して記憶
した（図６のステップ１１１，１１３）。そして、その
学習用データを用い、バッテリ容量全域におけるバッテ
リ特性を演算した（図７のステップ１２４）。従って、
バッテリ特性の学習に必要なデータを効率的に記憶で
き、そのデータを用いて学習を行うことでバッテリ容量
全域においてバッテリ特性の学習を確実に行うことがで
きる。
【００５１】また、学習後のバッテリ特性を用いて当該
バッテリ１の残存使用量を判定するようにした（図６の
ステップ１１７）。従って、バッテリ１の経時劣化等に
よりバッテリ特性が変化していても常に正確な判定結果
を得ることができる。
バッテリ１の残存使用量を判定するようにした（図６の
ステップ１１７）。従って、バッテリ１の経時劣化等に
よりバッテリ特性が変化していても常に正確な判定結果
を得ることができる。
【００５２】また、各領域の記憶データ数を所定数に制
限した（図６のステップ１１２，１１３）。従って、メ
モリ４ｂの記憶容量を低減することができる。記憶デー
タがバッテリ容量全域の一部領域分である場合、記憶済
みデータからその該当する領域についてバッテリ特性を
学習し、他の領域についてはそれまでに記憶されている
バッテリ特性を用い、特性線を平行移動してバッテリ特
性を学習した（図７のステップ１２３，１２５，１２
６）。つまり、バッテリ特性の学習時において、常に満
充電状態から終止電圧検出までのデータが得られるとは
限らない。しかし、このような場合にも、バッテリ特性
の学習を適切に行うことができる。
限した（図６のステップ１１２，１１３）。従って、メ
モリ４ｂの記憶容量を低減することができる。記憶デー
タがバッテリ容量全域の一部領域分である場合、記憶済
みデータからその該当する領域についてバッテリ特性を
学習し、他の領域についてはそれまでに記憶されている
バッテリ特性を用い、特性線を平行移動してバッテリ特
性を学習した（図７のステップ１２３，１２５，１２
６）。つまり、バッテリ特性の学習時において、常に満
充電状態から終止電圧検出までのデータが得られるとは
限らない。しかし、このような場合にも、バッテリ特性
の学習を適切に行うことができる。
【００５３】回生充電直後や急速充電後においては、学
習用データの記憶やバッテリ特性の学習を停止した（図
６のステップ１１４，図５のステップ１２９）。つま
り、回生充電直後や急速充電後には、充電分極の影響に
よりバッテリ端子電圧が通常よりも高めになり、電圧値
や電流値の後検出を招くことがある。しかし、本構成で
は充電分極が生じてもそれによるデータの誤検出が防止
され、引いてはバッテリ特性の誤学習を防止することが
できる。
習用データの記憶やバッテリ特性の学習を停止した（図
６のステップ１１４，図５のステップ１２９）。つま
り、回生充電直後や急速充電後には、充電分極の影響に
よりバッテリ端子電圧が通常よりも高めになり、電圧値
や電流値の後検出を招くことがある。しかし、本構成で
は充電分極が生じてもそれによるデータの誤検出が防止
され、引いてはバッテリ特性の誤学習を防止することが
できる。
【００５４】バッテリ特性の学習前にバッテリ満充電容
量を推測し、該推測した満充電容量をバッテリ特性の学
習に反映した（図７のステップ１２２）。つまり、バッ
テリ満充電容量によりバッテリ１の劣化状態が判断さ
れ、バッテリ残存使用量をより正確に判定することがで
きる。
量を推測し、該推測した満充電容量をバッテリ特性の学
習に反映した（図７のステップ１２２）。つまり、バッ
テリ満充電容量によりバッテリ１の劣化状態が判断さ
れ、バッテリ残存使用量をより正確に判定することがで
きる。
【００５５】なお、本発明は、上記実施例に限定される
ものではなく、ガソリン自動車に搭載されるバッテリの
残存使用量を判定する装置に具体化したり、バッテリ特
性式として用いた数式１〜４等の形態を変更したりする
こともできる。
ものではなく、ガソリン自動車に搭載されるバッテリの
残存使用量を判定する装置に具体化したり、バッテリ特
性式として用いた数式１〜４等の形態を変更したりする
こともできる。
【００５６】
【発明の効果】請求項１に記載の発明によれば、バッテ
リ特性の学習に必要なデータを効率的に記憶でき、その
データにて学習を行うことで、バッテリ容量全域におい
てバッテリ特性の学習を確実に行うことができる。そし
て、学習後の最新のバッテリ特性を用いてバッテリ残存
使用量を判定することによりバッテリが経時劣化等を生
じても常に正確な判定結果を得ることができるという優
れた効果を発揮する。
リ特性の学習に必要なデータを効率的に記憶でき、その
データにて学習を行うことで、バッテリ容量全域におい
てバッテリ特性の学習を確実に行うことができる。そし
て、学習後の最新のバッテリ特性を用いてバッテリ残存
使用量を判定することによりバッテリが経時劣化等を生
じても常に正確な判定結果を得ることができるという優
れた効果を発揮する。
【００５７】請求項２に記載の発明によれば、記憶デー
タ数の制限により記憶容量の低減を実現することができ
る。請求項３に記載の発明によれば、バッテリ特性の学
習に必要なデータが十分に揃っていない場合において
も、バッテリ特性の学習を行うことができ、バッテリ残
存使用量を正確に判定することができる。
タ数の制限により記憶容量の低減を実現することができ
る。請求項３に記載の発明によれば、バッテリ特性の学
習に必要なデータが十分に揃っていない場合において
も、バッテリ特性の学習を行うことができ、バッテリ残
存使用量を正確に判定することができる。
【００５８】請求項４に記載の発明によれば、バッテリ
充電により充電分極が生じても、それによるデータの誤
検出やバッテリ特性の誤学習を防止することができる。
請求項５に記載の発明によれば、バッテリ満充電容量に
よりバッテリの劣化状態を判断でき、バッテリの残存使
用量をより正確に判定することができる。
充電により充電分極が生じても、それによるデータの誤
検出やバッテリ特性の誤学習を防止することができる。
請求項５に記載の発明によれば、バッテリ満充電容量に
よりバッテリの劣化状態を判断でき、バッテリの残存使
用量をより正確に判定することができる。
【図１】本発明を具体化した実施例におけるバッテリの
残存使用量判定装置を示す構成図である。
残存使用量判定装置を示す構成図である。
【図２】バッテリケース温度と温度補正係数との関係を
示す線図である。
示す線図である。
【図３】放電電流と電流補正係数との関係を示す線図で
ある。
ある。
【図４】バッテリ特性としてのバッテリ電流−消費電力
−放電量テーブルであり、（ａ）は新品バッテリの状態
を、（ｂ）は劣化バッテリの状態を示している。
−放電量テーブルであり、（ａ）は新品バッテリの状態
を、（ｂ）は劣化バッテリの状態を示している。
【図５】ＣＰＵが実行するメインルーチンを示すフロー
チャートである。
チャートである。
【図６】図５に続き、メインルーチンを示すフローチャ
ートである。
ートである。
【図７】図５に続き、メインルーチンを示すフローチャ
ートである。
ートである。
【図８】残存エネルギ表示ルーチンを示すフローチャー
トである。
トである。
【図９】学習によるバッテリ特性の変化を示す線図であ
り、（ａ）はバッテリ放電が深い場合を、（ｂ）はバッ
テリ放電が浅い場合を示している。
り、（ａ）はバッテリ放電が深い場合を、（ｂ）はバッ
テリ放電が浅い場合を示している。
【図１０】劣化バッテリの充放電試験の結果を示す線図
である。
である。
【図１１】クレームに対応するブロック図である。
１…バッテリ、４ａ…バッテリ状態検出手段，残存使用
量判定手段，データ記憶手段，バッテリ特性演算手段と
してのＣＰＵ、４ｂ…バッテリ特性記憶手段としてのメ
モリ。
量判定手段，データ記憶手段，バッテリ特性演算手段と
してのＣＰＵ、４ｂ…バッテリ特性記憶手段としてのメ
モリ。
フロントページの続き
(72)発明者 鬼丸 貞久
愛知県西尾市下羽角町岩谷14番地 株式
会社日本自動車部品総合研究所内
(56)参考文献 特開 平２−103483（ＪＰ，Ａ)
特開 平３−15777（ＪＰ，Ａ)
特開 平６−59003（ＪＰ，Ａ)
特開 平２−75982（ＪＰ，Ａ)
(58)調査した分野(Int.Cl.7，ＤＢ名)
G01R 31/36
B60R 16/04
H01M 10/42 - 10/48
H02J 7/00 - 7/12
Claims (5)
- 【請求項１】 少なくともバッテリ放電電流を含むバッ
テリの状態を検出するバッテリ状態検出手段と、 バッテリ特性として、バッテリ状態に対応するバッテリ
の残存使用評価データを記憶しているバッテリ特性記憶
手段と、 前記バッテリ特性記憶手段に記憶されているバッテリ特
性を用い、前記バッテリ状態検出手段による検出結果に
応じたバッテリの残存使用評価データから当該バッテリ
の残存使用量を判定する残存使用量判定手段とを備えた
電気自動車に搭載したバッテリの残存使用量判定装置に
おいて、 バッテリ状態を示す各種データを電力消費レベル毎に区
分された領域に分類して記憶するデータ記憶手段と、 前記データ記憶手段のデータを用い、バッテリ容量全域
におけるバッテリ特性を更新し記憶するバッテリ特性学
習手段とを備えたことを特徴とする電気自動車に搭載し
たバッテリの残存使用量判定装置。 - 【請求項２】 前記データ記憶手段は、各領域の記憶デ
ータ数を所定数に制限する請求項１に記載の電気自動車
に搭載したバッテリの残存使用量判定装置。 - 【請求項３】 前記データ記憶手段の記憶データがバッ
テリ容量全域の一部領域分である場合、前記バッテリ特
性学習手段は記憶済みデータからその該当する領域につ
いてバッテリ特性を学習し、他の領域についてはそれま
でに記憶されているバッテリ特性を用い、バッテリ状態
に対してバッテリ残存使用評価データを平行移動してバ
ッテリ特性を学習する請求項１又は２に記載の電気自動
車に搭載したバッテリの残存使用量判定装置。 - 【請求項４】 バッテリへの充電電流が所定レベルを越
える場合、それに相応する期間において前記データ記憶
手段によるデータの記憶や前記バッテリ特性学習手段に
よるバッテリ特性の学習を停止する請求項１〜３のいず
れかに記載の電気自動車に搭載したバッテリの残存使用
量判定装置。 - 【請求項５】 前記バッテリ特性学習手段は、バッテリ
特性の学習前にバッテリ満充電容量を推測し、該推測し
た満充電容量をバッテリ特性の学習に反映する請求項１
〜４のいずれかに記載の電気自動車に搭載したバッテリ
の残存使用量判定装置。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| JP18498594A JP3454928B2 (ja) | 1994-08-05 | 1994-08-05 | バッテリの残存使用量判定装置 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| JP18498594A JP3454928B2 (ja) | 1994-08-05 | 1994-08-05 | バッテリの残存使用量判定装置 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| JPH0850167A JPH0850167A (ja) | 1996-02-20 |
| JP3454928B2 true JP3454928B2 (ja) | 2003-10-06 |
Family
ID=16162785
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| JP18498594A Expired - Fee Related JP3454928B2 (ja) | 1994-08-05 | 1994-08-05 | バッテリの残存使用量判定装置 |
Country Status (1)
| Country | Link |
|---|---|
| JP (1) | JP3454928B2 (ja) |
Families Citing this family (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| DE19959019A1 (de) * | 1999-12-08 | 2001-06-13 | Bosch Gmbh Robert | Verfahren zur Zustandserkennung eines Energiespeichers |
| JP4642185B2 (ja) * | 2000-06-16 | 2011-03-02 | ソニー株式会社 | バッテリーパック |
| JP2002151165A (ja) * | 2000-11-15 | 2002-05-24 | Toyota Motor Corp | 二次電池装置 |
| WO2020027203A1 (ja) * | 2018-07-31 | 2020-02-06 | 本田技研工業株式会社 | 推定システム、推定装置、推定方法、プログラム、及び記憶媒体 |
-
1994
- 1994-08-05 JP JP18498594A patent/JP3454928B2/ja not_active Expired - Fee Related
Also Published As
| Publication number | Publication date |
|---|---|
| JPH0850167A (ja) | 1996-02-20 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| US5606243A (en) | Battery state judging apparatus | |
| US6362598B2 (en) | Method for determining the state of charge and loading capacity of an electrical storage battery | |
| US7656124B2 (en) | Battery management system and driving method thereof | |
| US7800345B2 (en) | Battery management system and method of operating same | |
| US8054046B2 (en) | Fast search algorithm for finding initial diffusion voltage in electro-chemical systems | |
| JP4923929B2 (ja) | 電池の内部抵抗推定装置 | |
| JP2003059544A5 (ja) | ||
| JP2004093551A (ja) | バッテリ充電状態推定装置 | |
| JP2006242880A (ja) | 電源装置用状態検知装置，電源装置及び電源装置に用いられる初期特性抽出装置 | |
| JP2003508881A (ja) | 電気化学電池やバッテリ内の蓄電量を評定する方法およびその装置 | |
| JPH10288654A (ja) | バッテリ残容量検出装置 | |
| JP2003057321A (ja) | 二次電池の出力劣化演算装置および方法 | |
| JP2000166109A (ja) | バッテリ充電状態検出装置 | |
| JP2001004721A (ja) | 満充電電圧修正機能付きバッテリの残存容量測定装置 | |
| US10794961B2 (en) | Internal state estimating device | |
| JP2003194898A (ja) | バッテリ状態判定装置 | |
| JP2007322171A (ja) | バッテリ状態推定装置 | |
| CN115004503A (zh) | 用于控制并联多组模块的输出的设备和方法 | |
| EP3988952A1 (en) | Method for detecting abnormal battery cell | |
| JP3423484B2 (ja) | バッテリ状態監視装置 | |
| JP3454928B2 (ja) | バッテリの残存使用量判定装置 | |
| JP2019049412A (ja) | 電池パックの状態推定装置 | |
| JPH09243717A (ja) | 電池の残存容量検出方法およびその装置 | |
| JP2003282155A (ja) | 組電池の異常検出装置および異常検出方法 | |
| JP3376804B2 (ja) | 電池の最大充放電電力の演算装置 |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| A01 | Written decision to grant a patent or to grant a registration (utility model) |
Free format text: JAPANESE INTERMEDIATE CODE: A01 Effective date: 20030715 |
|
| FPAY | Renewal fee payment (event date is renewal date of database) |
Free format text: PAYMENT UNTIL: 20090725 Year of fee payment: 6 |
|
| FPAY | Renewal fee payment (event date is renewal date of database) |
Free format text: PAYMENT UNTIL: 20100725 Year of fee payment: 7 |
|
| FPAY | Renewal fee payment (event date is renewal date of database) |
Free format text: PAYMENT UNTIL: 20110725 Year of fee payment: 8 |
|
| FPAY | Renewal fee payment (event date is renewal date of database) |
Free format text: PAYMENT UNTIL: 20120725 Year of fee payment: 9 |
|
| FPAY | Renewal fee payment (event date is renewal date of database) |
Free format text: PAYMENT UNTIL: 20120725 Year of fee payment: 9 |
|
| FPAY | Renewal fee payment (event date is renewal date of database) |
Free format text: PAYMENT UNTIL: 20130725 Year of fee payment: 10 |
|
| LAPS | Cancellation because of no payment of annual fees |