JP5366166B2 - 二次電池の状態量演算方式 - Google Patents
二次電池の状態量演算方式 Download PDFInfo
- Publication number
- JP5366166B2 JP5366166B2 JP2007019727A JP2007019727A JP5366166B2 JP 5366166 B2 JP5366166 B2 JP 5366166B2 JP 2007019727 A JP2007019727 A JP 2007019727A JP 2007019727 A JP2007019727 A JP 2007019727A JP 5366166 B2 JP5366166 B2 JP 5366166B2
- Authority
- JP
- Japan
- Prior art keywords
- voltage
- secondary battery
- battery
- current
- value
- 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.)
- Active
Links
Images
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
k1〜k3は、係数項であるが、分極状態、蓄電状態及び劣化状態により時間的に変化する。係数項k1〜k3は、過去の電圧データ及び電流データの集合により公知のオンライン同定法を用いた演算により決定することができる。
本発明を具体化した実施例1の検証として用いたバッテリーは、新品(1)、新品(2)、劣化再現品(格子腐食)、劣化再現品(活物質軟化)、劣化再現品(サルフェーション)、劣化再現品(液べり)、劣化再現品(補水)、市場回収品(1)、市場回収品(2)、市場回収品(3)、市場回収品(4)の合計11個であり、実験により電圧と電流のデータを収集した。
1)分極関連量の範囲が狭い場合(従来法で使用)と分極関連量の範囲を広くした場合
2)従来法で使用の入力パラメータを用いた場合と従来法で使用の入力パラメータにさらにRLCの各推定値を入力パラメータに追加した場合
ただし、SOCの検出精度は、SOCの真値からの二乗誤差平均として求める。
本発明を具体化した実施例2を以下に説明する。
この実施例を適用した車両用バッテリのための電池モニタを図9に示すブロック回路図を参照して説明する。
図9では、係数項演算部101は、読み込まれた電圧V、電流Iの履歴を用いて係数項R、L、Cを演算するが、電圧V、電流Iに対して所定の前処理を行っても良い。あるいは、前処理演算部102から出力される出力データを追加的に利用しても良い。
次に、係数項演算部101について説明する。
なお、係数項演算部101にて用いる電池の回路モデル(数学モデル)としては、数1〜数5で示される図11の回路モデルを採用した。
図11に示すRLC直列接続回路の他、たとえば図12〜図14で示される種々の回路モデルを採用することができる。図13の回路モデルは従来周知の電池の等価回路モデルである。
次に、前処理演算部102に相当する前処理演算ルーチンS300を図15に示すフローチャートを参照して説明する。
τ=τp(充電時)
τ=τd(放電時)
次に、前処理演算部102は、今回算出した分極指数Pとワンセットで記憶されている電圧Vと電流Iとのペアの群(以下、等分極電圧・電流ペア群と称する)をすべて記憶装置から読み出し、読み出した電圧・電流ペア群から開路電圧Voと内部抵抗Rとを演算する。
なお、開路電圧Vo及び内部抵抗Rを算出する電圧V、電流Iのデータを分極指数Pにより抽出することなく、すべての電圧V、電流Iのデータを用いて開路電圧Vo及び内部抵抗Rを算出してもよい。
次に、ニューラルネット演算部103に相当するニューラルネット演算ルーチンS400を図フローチャートを図15を参照して説明する。
上記実施例では、満充電時の開路電圧VofuLの大きさにより、今回用いる結合係数記憶テーブルを変更したが、満充電時の開路電圧VofuLの代わりに、分極指数Pの大きさにより、分極指数Pを複数の群に分別し、分極指数Pの各群ごとにそれぞれ異なる結合係数記憶テーブルを準備しておき、今回求めた分極指数Pが属する分極指数Pの群に対応する結合係数記憶テーブルを選択して、ニューラルネット演算を行っても良い。その他、今回求めた係数R、L、Cの組み合わせにより結合係数記憶テーブルを選択してもよい。
次に、上記したニューラルネット演算について図17に示すブロック図を参照して説明する。学習済みのニューラルネット演算部103は3階層のフィードフォワード型で誤差逆伝播方法により学習する形式であるが、この形式に限定されるものではない。ニューラルネット演算部103は、入力層201、中間層202及び出力層203により構成されている。ただし、ニューラルネット演算部103は、実際には所定の演算インタバルで実施されるソフトウエア処理により構成される。つまり、ニューラルネット演算部103は、実際にはマイコン回路のソフトウエア演算により構成されるため、図17に示す回路構成は機能的なものにすぎない。入力層201の各入力セルは入力パラメータ(入力データ)を個別に受け取り、中間層202の各演算セルすべてに出力する。中間層202の各演算セルは、入力層201の各入力セルから入力される各入力データに後述するニューラルネット演算を行い、演算結果を出力層203の出力セルに出力する。出力層203の出力セルは、この実施例では充電率(SOC)を出力する。
INPUTk(t)=Σ( Wjk * INj ) ( j = 1 to 2m+3 )
となる。中間層のk番目のセルからの出力信号は、
OUTk(t)=f(x)=f( INPUTk(t) + b )
で表される。bは定数である。f( INPUTk(t) + b) は INPUTk(t) +bを入力変数とするいわゆるシグモイド関数と呼ばれる非線形関数であり、
f (INPUTk(t) + b )=1/(1+exp(−( INPUTk(t) + b)))
で定義される関数である。中間層202のk番目のセルと出力層203のセルとの結合係数をWkとすれば、出力層への入力信号は同様に、
INPUTo(t)=Σ Wk * OUTk(t)
k=1 to Q
で表される。 Qは中間層202のセル数である。時刻tにおける出力信号は、
OUT(t)=L * INPUTo(t)
となる。Lは線形定数である。
Wk = Wk + △Wk
の演算により行われる。ここで△Wkは以下で定義される。
= η* { OUT(t) − tar(t) }* { ∂OUT(t)/∂Wk }
= η* { OUT(t) − tar(t) }* L *{ ∂INPUTo(t)/∂Wk }
= η* L* { OUT(t) − tar(t) } * OUTk(t)
で表される。Ekは教師データとネットワーク出力の誤差を表す量で次の式で定義される。
次に、中間層202のk番目のセルと入力層201のj番目のセルの結合係数Wjkの更新ルールを説明する。結合係数Wjkの更新は以下の式で実現される。
ここで△Wjkは以下で定義される。
= −η*{∂Ek/∂INPUTk(t) } * {∂INPUTk(t)/∂Wjk }
= −η*{∂Ek/∂OUTk(t) } *{∂OUTk(t)/∂INPUTk(t) } * INj
= −η*{∂Ek/∂OUT(t) } * {∂OUT(t)/∂INPUTo} *
{∂INPUTo/OUTk(t) } * f’(INPUTk(t)+b)* INj
= −η*( OUT(t)−tar(t)) *L* Wk *f’(INPUTk(t)+b)* INj
= −η* L * Wk * INj * ( OUTsoc(t)−tar(t))* f’(INPUTk(t)+b)
ここで、f’(INPUTk(t)+b)は伝達関数fの微分値である。
次に、電圧演算部104について説明する。
次に、劣化度演算部105について説明する。係数項演算部101で算出した係数R、L、Cは、既述したように、図11に示すバッテリの疑似等価回路モデルにおける抵抗R(比例係数)、インダクタンスL(微分係数)、キャパシタンスC(積分係数)とみなすことができる。
求めた劣化度を、ニューラルネット演算部103で行った結合係数記憶テーブルの選択に用いることができる。すなわち、劣化度が類似する各バッテリにおいて、ニューラルネットの入力データ(入力パラメータ)と出力パラメータ(SOC)との間の相関関係は類似傾向が強い。したがって、劣化度が似た複数の群ごとに結合係数記憶テーブルを形成しておき、今回又は前回演算した劣化度の値が属する劣化度の群に対応する結合係数記憶テーブルを用いてニューラルネット演算を行う。このようにすれば、SOC演算精度を大幅に改善することができる。
2 パラメータ推定部
100 電池モニタ
101 係数項演算部
102 前処理演算部
103 ニューラルネット演算部
104 電圧演算部
105 劣化度演算部
201 入力層
202 中間層
203 出力層
Claims (7)
- 二次電池から電圧データ及び電流データを少なくとも含む電池状態データを定期的に検出して記憶し、
少なくとも前記電池状態データを入力パラメータとし、前記二次電池の残存状態を出力パラメータとする所定のニューラルネットに少なくとも前記電池状態データを入力して前記二次電池の残存状態を演算する二次電池の状態量演算方式において、
前記二次電池の電圧を変数とする所定の関数値である電圧関数値と、前記二次電池の電流を変数とする所定の関数値である電流関数値との間の関係を表す所定の関数により定義される前記二次電池の数学モデルに前記電池状態データを代入して前記所定の関数の係数項を算出し、
前記係数項を前記電池状態データとともに入力パラメータとして前記ニューラルネットに入力して前記二次電池の蓄電量の残存状態を演算し、
前記二次電池の分極量に正相関を有する所定の関数値である分極関連量と前記電池状態データとの間のあらかじめ記憶する関係に前記電池状態データを代入して前記分極関連量を前記電池状態データのサンプリングの度に算出し、
前記分極関連量を前記係数項及び前記電池状態データとともに入力パラメータとして前記ニューラルネットに入力して前記二次電池の蓄電量の残存状態を演算する二次電池の状態量演算方式。 - 請求項1記載の二次電池の状態量演算方式において、
前記電池状態データに基づいて前記二次電池の開路電圧及び内部抵抗を前記分極関連量として算出し、
算出した前記開路電圧及び内部抵抗を前記係数項及び前記電池状態データとともに入力パラメータとして前記ニューラルネットに入力して前記二次電池の蓄電量の残存状態を演算する二次電池の状態量演算方式。 - 請求項1または2記載の二次電池の状態量演算方式において、
前記電流関数値は、
過去の前記電流データから演算した所定の電流過去値と前記電流データの今回値との差からなり、
前記電圧関数値は、
過去の前記電圧データから演算した所定の電圧過去値と前記電圧データの今回値との差からなり、
前記数学モデルは、
前記電流関数値に第1の前記係数項を掛けて得られる抵抗電圧成分と、前記電流関数値の微分項に第2の係数項を掛けて得られるインダクタンス電圧成分と、前記電流関数値の積分項に第3の係数項を掛けて得られるキャパシタンス電圧成分との和が、前記電圧関数値に等しくなる関数により表現される二次電池の状態量演算方式。 - 請求項1乃至3のいずれか記載の二次電池の状態量演算方式において、
求めた前記係数項の今回値、前記電池状態データ及び所定の電流値を前記数学モデルに代入することにより、前記所定の電流値に対応する前記二次電池の電圧予想値を演算する二次電池の状態量演算方式。 - 請求項4記載の二次電池の状態量演算方式において、
前記電圧データの今回値と前記電圧推定値との差を電圧変動予想値として演算する二次電池の状態量演算方式。 - 請求項1乃至5のいずれか記載の二次電池の状態量演算方式において、
所定の電池状態量を算出し、
前記電池状態量をその大きさの範囲ごとに所定の群に分別し、
前記係数項、前記電池状態データ及び前記分極関連量を入力パラメータとし前記二次電池の残存状態を出力パラメータとする前記ニューラルネットを前記電池状態量の群ごとにそれぞれ準備し、
算出した前記電池状態量の今回値が属する前記群に対応する前記ニューラルネットを選択し、
選択した前記ニューラルネットに前記入力パラメータの今回値を入力して二次電池の蓄電量の残存状態をニューラルネット演算する二次電池の状態量演算方式。 - 請求項6記載の二次電池の状態量演算方式において、
前記電池状態量は、予め求めた電池劣化度と前記係数項とのマップに、今回算出した前記係数項を代入して求めた前記電池劣化度からなる二次電池の状態量演算方式。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2007019727A JP5366166B2 (ja) | 2006-02-09 | 2007-01-30 | 二次電池の状態量演算方式 |
Applications Claiming Priority (3)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2006031978 | 2006-02-09 | ||
JP2006031978 | 2006-02-09 | ||
JP2007019727A JP5366166B2 (ja) | 2006-02-09 | 2007-01-30 | 二次電池の状態量演算方式 |
Publications (2)
Publication Number | Publication Date |
---|---|
JP2007240521A JP2007240521A (ja) | 2007-09-20 |
JP5366166B2 true JP5366166B2 (ja) | 2013-12-11 |
Family
ID=38586184
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2007019727A Active JP5366166B2 (ja) | 2006-02-09 | 2007-01-30 | 二次電池の状態量演算方式 |
Country Status (1)
Country | Link |
---|---|
JP (1) | JP5366166B2 (ja) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2021040236A1 (ko) * | 2019-08-26 | 2021-03-04 | 오토시맨틱스 주식회사 | Ess 배터리의 상태진단 및 수명예측을 위한 장치 및 방법 |
Families Citing this family (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP5400732B2 (ja) * | 2010-09-09 | 2014-01-29 | カルソニックカンセイ株式会社 | パラメータ推定装置 |
EP2680396A4 (en) * | 2011-02-23 | 2017-03-01 | Sony Corporation | Battery device, battery management method, and electronic instrument |
JP5772209B2 (ja) * | 2011-05-18 | 2015-09-02 | トヨタ自動車株式会社 | 蓄電装置の充放電制御装置およびそれを搭載した電動車両 |
JP6377959B2 (ja) * | 2014-06-02 | 2018-08-22 | 株式会社Soken | 二次電池の制御装置 |
WO2018203170A1 (en) * | 2017-05-03 | 2018-11-08 | Semiconductor Energy Laboratory Co., Ltd. | Neural network, power storage system, vehicle, and electronic device |
KR101965832B1 (ko) * | 2017-11-27 | 2019-04-05 | (주) 페스코 | 배터리 soc 추정 시스템 및 이를 이용한 배터리 soc 추정방법 |
US11215668B2 (en) * | 2018-06-15 | 2022-01-04 | David Chee-Fai Soo | Precision battery energy measuring system |
JP7388103B2 (ja) * | 2019-10-03 | 2023-11-29 | 株式会社Gsユアサ | 推定装置、推定方法及びコンピュータプログラム |
CN110752410B (zh) * | 2019-10-30 | 2023-05-12 | 上海理工大学 | 一种快速分选和重组退役锂电池的方法 |
JP2021170511A (ja) | 2020-04-17 | 2021-10-28 | 株式会社エンビジョンAescジャパン | 残容量推定装置、モデル生成装置、残容量推定方法、モデル生成方法、及びプログラム |
Family Cites Families (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP3379283B2 (ja) * | 1994-07-04 | 2003-02-24 | 株式会社日本自動車部品総合研究所 | バッテリ充電状態検出方法 |
JP2001160421A (ja) * | 1999-12-03 | 2001-06-12 | Tamachi Denki Kk | 携帯電話機電池パックの劣化率の測定方法並びに該測定方法を用いた携帯電話機電池パック測定装置 |
JP4038788B2 (ja) * | 2002-02-22 | 2008-01-30 | アクソンデータマシン株式会社 | バッテリの残存容量判定方法と、その装置 |
JP4095878B2 (ja) * | 2002-10-28 | 2008-06-04 | 松下電器産業株式会社 | 電池管理システム、電池パック、及びその充電状態計測方法 |
-
2007
- 2007-01-30 JP JP2007019727A patent/JP5366166B2/ja active Active
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2021040236A1 (ko) * | 2019-08-26 | 2021-03-04 | 오토시맨틱스 주식회사 | Ess 배터리의 상태진단 및 수명예측을 위한 장치 및 방법 |
Also Published As
Publication number | Publication date |
---|---|
JP2007240521A (ja) | 2007-09-20 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
JP5366166B2 (ja) | 二次電池の状態量演算方式 | |
Shu et al. | Stage of charge estimation of lithium-ion battery packs based on improved cubature Kalman filter with long short-term memory model | |
Hannan et al. | Neural network approach for estimating state of charge of lithium-ion battery using backtracking search algorithm | |
JP4587306B2 (ja) | 二次電池の残存容量演算方法 | |
CN106842045B (zh) | 一种基于自适应权重方法的电池多模型融合建模方法和电池管理系统 | |
Chang | Estimation of the state of charge for a LFP battery using a hybrid method that combines a RBF neural network, an OLS algorithm and AGA | |
JP4379106B2 (ja) | 車両用蓄電装置の内部状態検出システム | |
KR100793616B1 (ko) | 배터리 잔존량 추정 장치 및 방법 | |
JP4609882B2 (ja) | 車両用蓄電装置の内部状態検出方式 | |
JP2008232758A (ja) | 二次電池の内部状態検出装置及びニューラルネット式状態量推定装置 | |
JP5768754B2 (ja) | 推定装置および推定方法 | |
Wang et al. | A method based on improved ant lion optimization and support vector regression for remaining useful life estimation of lithium‐ion batteries | |
KR102090476B1 (ko) | 클라우드 및 빅데이터를 활용한 bms 최적화 시스템 | |
Samadani et al. | A review study of methods for lithium-ion battery health monitoring and remaining life estimation in hybrid electric vehicles | |
Anton et al. | A new predictive model for the state-of-charge of a high-power lithium-ion cell based on a PSO-optimized multivariate adaptive regression spline approach | |
JP4587299B2 (ja) | 車両用蓄電装置の内部状態検出方式 | |
JP2006226789A (ja) | 車両用蓄電装置の満充電容量演算装置 | |
Wang et al. | Charging diagnosis of power battery based on adaptive STCKF and BLS for electric vehicles | |
Chaoui et al. | State-of-charge and state-of-health prediction of lead-acid batteries with genetic algorithms | |
Hu et al. | State-of-charge estimation for lithium-ion batteries of electric vehicle based on sensor random error compensation | |
JP6945485B2 (ja) | 蓄電池のヒステリシス電圧推定装置、およびこれを用いた蓄電池の残量推定装置、蓄電池の管理システム | |
Chen et al. | Parameter identification and state-of-charge estimation for li-ion batteries using an improved tree seed algorithm | |
Peng et al. | Resilient filter for state of charge and parameter coestimation with missing measurement | |
JP2006300692A (ja) | 二次電池の残存容量演算方式 | |
Gholizadeh et al. | SOC estimation for a lithium-ion battery by designing a nonlinear observer based on an equivalent circuit model |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20090716 |
|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A821 Effective date: 20090716 |
|
A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20120131 |
|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20120326 |
|
A02 | Decision of refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A02 Effective date: 20130319 |
|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20130618 |
|
A911 | Transfer to examiner for re-examination before appeal (zenchi) |
Free format text: JAPANESE INTERMEDIATE CODE: A911 Effective date: 20130625 |
|
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: 20130903 |
|
A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20130905 |
|
R150 | Certificate of patent or registration of utility model |
Ref document number: 5366166 Country of ref document: JP Free format text: JAPANESE INTERMEDIATE CODE: R150 Free format text: JAPANESE INTERMEDIATE CODE: R150 |
|
R250 | Receipt of annual fees |
Free format text: JAPANESE INTERMEDIATE CODE: R250 |
|
R250 | Receipt of annual fees |
Free format text: JAPANESE INTERMEDIATE CODE: R250 |
|
R250 | Receipt of annual fees |
Free format text: JAPANESE INTERMEDIATE CODE: R250 |
|
R250 | Receipt of annual fees |
Free format text: JAPANESE INTERMEDIATE CODE: R250 |
|
R250 | Receipt of annual fees |
Free format text: JAPANESE INTERMEDIATE CODE: R250 |
|
R250 | Receipt of annual fees |
Free format text: JAPANESE INTERMEDIATE CODE: R250 |
|
R250 | Receipt of annual fees |
Free format text: JAPANESE INTERMEDIATE CODE: R250 |
|
R250 | Receipt of annual fees |
Free format text: JAPANESE INTERMEDIATE CODE: R250 |