JP6700996B2 - 電池状態推定装置および電池状態推定方法 - Google Patents
電池状態推定装置および電池状態推定方法 Download PDFInfo
- Publication number
- JP6700996B2 JP6700996B2 JP2016118854A JP2016118854A JP6700996B2 JP 6700996 B2 JP6700996 B2 JP 6700996B2 JP 2016118854 A JP2016118854 A JP 2016118854A JP 2016118854 A JP2016118854 A JP 2016118854A JP 6700996 B2 JP6700996 B2 JP 6700996B2
- Authority
- JP
- Japan
- Prior art keywords
- soc
- ocv
- estimated
- battery
- calculated
- 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
- 238000000034 method Methods 0.000 title claims description 21
- 238000004364 calculation method Methods 0.000 claims description 75
- 238000003860 storage Methods 0.000 claims description 23
- 238000001514 detection method Methods 0.000 claims description 20
- 230000006870 function Effects 0.000 claims description 16
- 238000007599 discharging Methods 0.000 claims description 11
- 238000013500 data storage Methods 0.000 claims description 3
- 230000006866 deterioration Effects 0.000 description 12
- 238000010586 diagram Methods 0.000 description 12
- 238000012545 processing Methods 0.000 description 11
- 238000012937 correction Methods 0.000 description 8
- 238000004519 manufacturing process Methods 0.000 description 5
- 230000010287 polarization Effects 0.000 description 5
- 238000011478 gradient descent method Methods 0.000 description 4
- 239000003990 capacitor Substances 0.000 description 2
- 230000010354 integration Effects 0.000 description 2
- 238000005259 measurement Methods 0.000 description 2
- 238000009825 accumulation Methods 0.000 description 1
- 238000004590 computer program Methods 0.000 description 1
- 238000007796 conventional method Methods 0.000 description 1
- 238000009826 distribution Methods 0.000 description 1
- 229910001416 lithium ion Inorganic materials 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 239000007787 solid Substances 0.000 description 1
- 238000012360 testing method Methods 0.000 description 1
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
Description
本発明は、電池状態推定装置および電池状態推定方法
に関する。
に関する。
ＥＶ（Electric Vehicle）やＨＥＶ（Hybrid Electric Vehicle：ハイブリッド電気自動車）などの電動車両においては、バッテリ制御上の観点から、バッテリの状態推定を精度良く行う必要がある。その中でもＳＯＣ（State Of Charge：充電率）は重要なパラメータである。電動車両に用いられているＬｉイオン電池等の高圧バッテリにおいては、ＯＣＶ（Open Circuit Voltage：開回路電圧）とＳＯＣの関係があることが知られているため、ＳＯＣを推定する１つの方法としてＯＣＶを推定した上で、上記に示したＯＣＶとＳＯＣの関係（以下、ＳＯＣ−ＯＣＶカーブ）からＳＯＣに換算する方法がある。
ＳＯＣ−ＯＣＶカーブは、電池の劣化状態や個体差等により変化する。そこで、従来技術として、劣化状態や固体差、温度によるＳＯＣ−ＯＣＶカーブをマップとして格納しておき、得られたデータから最適なＳＯＣ−ＯＣＶカーブを選択することが行われる。この場合、ＳＯＣ−ＯＣＶカーブを充放電装置などの理想状態で事前に取得しておき車両データ設定しておくことが一般的である。ただし、上記に示した方法では、大量生産によるＳＯＣ−ＯＣＶカーブのバラつきや劣化によるＳＯＣ−ＯＣＶカーブの変化に対して、対応できず、ＳＯＣ推定精度の悪化に繋がる。
ＳＯＣ−ＯＣＶカーブは、電池の劣化状態や個体差等により変化する。そこで、従来技術として、劣化状態や固体差、温度によるＳＯＣ−ＯＣＶカーブをマップとして格納しておき、得られたデータから最適なＳＯＣ−ＯＣＶカーブを選択することが行われる。この場合、ＳＯＣ−ＯＣＶカーブを充放電装置などの理想状態で事前に取得しておき車両データ設定しておくことが一般的である。ただし、上記に示した方法では、大量生産によるＳＯＣ−ＯＣＶカーブのバラつきや劣化によるＳＯＣ−ＯＣＶカーブの変化に対して、対応できず、ＳＯＣ推定精度の悪化に繋がる。
特許文献１には、電池の開回路電圧と電池の充電状態の対応関係を記述したＳＯＣ−ＯＣＶマップデータを記憶するＳＯＣ−ＯＣＶマップデータ記憶部を有し、電池の開回路電圧と前記電池に流れる電流に基づき、ＳＯＣ−ＯＣＶマップデータが記述している対応関係を修正することにより、経過時間に応じて異なる値の充電状態を出力する電池制御装置が記載されている。
しかしながら、特許文献１に記載の電池制御装置にあっては、劣化状態・固体差・温度によるＳＯＣ−ＯＣＶカーブをマップとして格納することは、その全組み合わせが膨大なものとなり、実際には非常に困難である。仮に実装しても、膨大なマップを格納するためには、膨大な記憶容量が必要となりコスト高となる。また、記憶容量を削減するために、マップを削減すると、精度が悪化してしまう。さらに、事前に想定しているマップからだけしか検索できない。
そこで、本発明の課題は、電池状態を精度良く推定することができる電池状態推定装置および電池状態推定方法を提供することにある。
上記課題を解決するために、請求項１に記載の電池状態推定装置は、電池の充放電電流を検出する電流検出手段と、前記電池の端子間電圧を検出する電圧検出手段と、検出された前記電池の電流および電圧と、充電時と放電時の内部抵抗とに基づいて推定ＯＣＶを算出する推定ＯＣＶ算出手段と、算出した前記推定ＯＣＶおよび電流積算値に基づいて、前記推定ＯＣＶの関数で表される推定ＳＯＣを算出する推定ＳＯＣ算出手段と、算出した前記推定ＯＣＶおよび前記推定ＳＯＣを記憶する記憶手段と、前記記憶手段に前記推定ＯＣＶおよび前記推定ＳＯＣのデータが、所定条件で蓄積された場合、蓄積された前記推定ＳＯＣのデータを用いて、ＳＯＣ−ＯＣＶカーブを算出するＳＯＣ−ＯＣＶカーブ算出手段と、を備えることを特徴とする。
また、請求項９に記載の電池状態推定方法は、電池の充放電電流を検出する電流検出工程と、前記電池の端子間電圧を検出する電圧検出工程と、検出された前記電池の電流および電圧と、充電時と放電時の内部抵抗とに基づいて推定ＯＣＶを算出する推定ＯＣＶ算出工程と、算出した前記推定ＯＣＶおよび電流積算値に基づいて、前記推定ＯＣＶの関数で表される推定ＳＯＣを算出する推定ＳＯＣ算出工程と、算出した前記推定ＯＣＶおよび前記推定ＳＯＣを記憶する記憶工程と、前記記憶工程で記憶した前記推定ＯＣＶおよび前記推定ＳＯＣのデータが、所定条件で蓄積された場合、蓄積された前記推定ＳＯＣのデータを用いて、ＳＯＣ−ＯＣＶカーブを算出するＳＯＣ−ＯＣＶカーブ算出工程と、を有することを特徴とする。
このようにすることで、ＳＯＣ−ＯＣＶカーブの生産バラつきやＳＯＣ−ＯＣＶカーブの劣化による変化に対して、その変化を考慮したＳＯＣ算出、容量算出を行うことが可能となり、より電池の本来の性能を使いきれるようになる。これにより、車両性能の向上を図ることができ、またセルの削減につなげることができる。
また、多数のマップを用意するものではないので、膨大な記憶装置の容量を必要とせずに様々な生産バラつき、劣化状態に対応することができる。また、電池特性の異なるバッテリに対しても容易に状態推定を行うことができる。
また、多数のマップを用意するものではないので、膨大な記憶装置の容量を必要とせずに様々な生産バラつき、劣化状態に対応することができる。また、電池特性の異なるバッテリに対しても容易に状態推定を行うことができる。
また、請求項２に記載の発明は、前記所定条件が基準ＳＯＣ近傍の前記推定ＯＣＶのデータが所定数蓄積されたことであることを特徴とする。
このような構成によれば、基準ＳＯＣに対して所定数データを蓄積することで、精度良くカーブを推定することできる。
また、請求項３に記載の発明は、前記基準ＳＯＣが、前記電池が使用される範囲で複数個設けられており、前記ＳＯＣ−ＯＣＶカーブ算出手段は、各前記基準ＳＯＣのデータ蓄積後に前記ＳＯＣ−ＯＣＶカーブを算出することを特徴とする。
部分的に学習をしてしまうとＳＯＣ−ＯＣＶカーブの不整合が生じやすい。本構成によれば、使用範囲の全域のデータが溜まった後にカーブを生成することで、精度の良い推定が可能となる。
また、請求項４に記載の発明は、前記ＳＯＣ−ＯＣＶカーブ算出手段が、算出した前記推定ＯＣＶおよび前記推定ＳＯＣを基に、前記ＳＯＣ−ＯＣＶカーブを逐次推定し、推定した前記ＳＯＣ−ＯＣＶカーブを自動学習することを特徴とする。
また、請求項５に記載の発明は、前記ＳＯＣ−ＯＣＶカーブ算出手段が、所定数以上の前記推定ＯＣＶおよび前記推定ＳＯＣのデータを用いて前記ＳＯＣ−ＯＣＶカーブを算出することを特徴とする。
また、請求項５に記載の発明は、前記ＳＯＣ−ＯＣＶカーブ算出手段が、所定数以上の前記データを用いて前記ＳＯＣ−ＯＣＶカーブを算出することを特徴とする。
このような構成によれば、精度よく推定が可能となる。
また、請求項６に記載の発明は、前記ＳＯＣ−ＯＣＶカーブ算出手段が、算出した前記ＳＯＣ−ＯＣＶカーブを満充電時のＳＯＣおよびＯＣＶを基準としてオフセットさせることを特徴とする。
このような構成によれば、満充電時のＳＯＣおよびＯＣＶ値は変化しないので、満充電時のＳＯＣおよびＯＣＶ値を基点に作成したＳＯＣ−ＯＣＶカーブをオフセットさせることで、精度よく状態検知が可能となる。
また、請求項７に記載の発明は、電池の温度を検出する電池温度検出手段を備え、前記推定ＳＯＣ算出手段は、検出した前記温度と前記推定ＯＣＶの関数で表される推定ＳＯＣを算出することを特徴とする。
このような構成によれば、電池の各温度に対応した推定ＳＯＣ算出が可能となり、より精確に電池の充電状態を推定することができる。
また、請求項８に記載の発明は、電池の温度を検出する電池温度検出手段を備え、前記ＳＯＣ−ＯＣＶカーブ算出手段は、算出した前記推定ＯＣＶ、前記推定ＳＯＣおよび検出した前記温度に基づいて、前記ＳＯＣ−ＯＣＶカーブを算出することを特徴とする。
このような構成によれば、電池の各温度に対応したＳＯＣ−ＯＣＶカーブを自動学習が可能となり、より精確に電池の充電状態を推定することができる。
本発明によれば、電池状態を精度良く推定することができる電池状態推定装置および電池状態推定方法を提供することができる。
以下、本発明の実施形態について図面を参照して詳細に説明する。
（実施形態）
図１は、本発明の実施形態に係る電池状態推定装置の構成を示す図である。本実施形態の電池状態推定装置は、例えば、当該電池状態推定装置が電池状態を推定する二次電池とともに、ＥＶやＨＥＶ等の車両に搭載される。このように車両に搭載された場合には、電池状態推定装置はバッテリＥＣＵ（Electric Control Unit）として機能する。
図１に示すように、電池状態推定装置１００は、電流検出部１０１（電流検出手段）、電圧検出部１０２（電圧検出手段）、温度検出部１０３（温度検出手段）、抵抗算出部１１０、ＯＣＶ算出部１２０（推定ＯＣＶ算出手段）、ＳＯＣ算出部１３０（推定ＳＯＣ算出手段）、容量算出部１４０、ＳＯＣ−ＯＣＶ算出部１５０（ＳＯＣ−ＯＣＶカーブ算出手段）を備える。
図２は、ＳＯＣ−ＯＣＶ算出部１５０が算出するＳＯＣ−ＯＣＶカーブを示す図である。
（実施形態）
図１は、本発明の実施形態に係る電池状態推定装置の構成を示す図である。本実施形態の電池状態推定装置は、例えば、当該電池状態推定装置が電池状態を推定する二次電池とともに、ＥＶやＨＥＶ等の車両に搭載される。このように車両に搭載された場合には、電池状態推定装置はバッテリＥＣＵ（Electric Control Unit）として機能する。
図１に示すように、電池状態推定装置１００は、電流検出部１０１（電流検出手段）、電圧検出部１０２（電圧検出手段）、温度検出部１０３（温度検出手段）、抵抗算出部１１０、ＯＣＶ算出部１２０（推定ＯＣＶ算出手段）、ＳＯＣ算出部１３０（推定ＳＯＣ算出手段）、容量算出部１４０、ＳＯＣ−ＯＣＶ算出部１５０（ＳＯＣ−ＯＣＶカーブ算出手段）を備える。
図２は、ＳＯＣ−ＯＣＶ算出部１５０が算出するＳＯＣ−ＯＣＶカーブを示す図である。
<検出手段>
電流検出部１０１は、二次電池１への充電電流および二次電池からの放電電流の少なくとも一方の電流（以下、充放電電流ともいう）Ｉを検出する。
電圧検出部１０２は、二次電池１の端子間電圧Ｖを検出する。
温度検出部１０３は、二次電池１の温度Ｔを検出する。
電流検出部１０１は、二次電池１への充電電流および二次電池からの放電電流の少なくとも一方の電流（以下、充放電電流ともいう）Ｉを検出する。
電圧検出部１０２は、二次電池１の端子間電圧Ｖを検出する。
温度検出部１０３は、二次電池１の温度Ｔを検出する。
<抵抗算出部>
抵抗算出部１１０は、検出した二次電池１の電流と端子間電圧から抵抗Ｒを算出する。詳細には、抵抗算出部１１０は、電流検出部１０１により検出された電流（以下、実電流ともいう）の微分値ｄＩと電圧検出部１０２により検出された電圧（以下、実電圧ともいう）の微分値ｄＶとから次式（１）に従って抵抗Ｒを算出する。
Ｒ＝ｄＶ／ｄＩ …（１）
抵抗算出部１１０は、検出した二次電池１の電流と端子間電圧から抵抗Ｒを算出する。詳細には、抵抗算出部１１０は、電流検出部１０１により検出された電流（以下、実電流ともいう）の微分値ｄＩと電圧検出部１０２により検出された電圧（以下、実電圧ともいう）の微分値ｄＶとから次式（１）に従って抵抗Ｒを算出する。
Ｒ＝ｄＶ／ｄＩ …（１）
ここで、抵抗算出部１１０が行う仮内部抵抗ｒの同定方法について説明する。
図３は、二次電池に電流を入力したときの二次電池の充放電電流の計測値と二次電池の電圧の計測値を示す図、図４は、図３の二次電池の等価回路モデル（コンデンサ成分は一次成分のみ図示）を示す図である。
二次電池の電圧および電流の計測値から内部抵抗とＳＯＣを求める場合には、以下の関係式（式（２））が成り立つことを前提としている。
Ｖ（電圧計測値）＝ＯＣＶ（開路電圧）−Ｋ（内部抵抗）×Ｉ（電流計測値）
…（２）
上記内部抵抗Ｋを求めるために、式（２）の一次式を二次電池の簡易モデルとして内部抵抗のパラメータを含むパラメータ推定を行っている。一次式の近似手法としては逐次最小二乗法が知られているが、この手法のみでは二次電池の内部抵抗推定を正確に行うことはできない。
図３は、二次電池に電流を入力したときの二次電池の充放電電流の計測値と二次電池の電圧の計測値を示す図、図４は、図３の二次電池の等価回路モデル（コンデンサ成分は一次成分のみ図示）を示す図である。
二次電池の電圧および電流の計測値から内部抵抗とＳＯＣを求める場合には、以下の関係式（式（２））が成り立つことを前提としている。
Ｖ（電圧計測値）＝ＯＣＶ（開路電圧）−Ｋ（内部抵抗）×Ｉ（電流計測値）
…（２）
上記内部抵抗Ｋを求めるために、式（２）の一次式を二次電池の簡易モデルとして内部抵抗のパラメータを含むパラメータ推定を行っている。一次式の近似手法としては逐次最小二乗法が知られているが、この手法のみでは二次電池の内部抵抗推定を正確に行うことはできない。
二次電池の特性は、完全に線形性を有するものではなく、図３に示すように、非線形性を有する部分を含む。図３は、二次電池に電流を入力したときの二次電池の充放電電流の計測値と二次電池の電圧の計測値である。図３では、時刻ｔ１において電流の入力が開始された後、電圧は電流に遅れて徐々に上昇している。そして、時刻ｔ２において電流の入力が終了された後、電圧は電流に遅れて徐々に下降している。このように電圧が電流に遅れて変動するのは、図４に示すように、二次電池にはコンデンサ成分（Ｃ成分、図４ではＣ１の成分）が含まれているためである。実際には、二次電池への電流の入力停止後には、電圧の遅れとして一次的な遅れと二次的な遅れが発生している。
ところで、図１に示す二次電池１では、電流が流れているときの電極電位が、電流の流れていないときの電位（平衡電位）と異なる値になる、いわゆる分極が発生する。二次電池に分極が発生していると、分極の変動によって、ＳＯＣの推定精度が低下してしまうおそれがある。そこで、二次電池の分極が解消されていることを確認したうえで、二次電池のＳＯＣを推定することが行われる。例えば、イグニッションキーがオフに切り替わってからの時間が所定時間を経過しているとき、二次電池の分極が解消されていると判定する。
<ＯＣＶ算出部>
ＯＣＶ算出部１２０は、検出値（電流Ｉ、端子間電圧ＣＣＶ）および算出した抵抗（充電時と放電時の内部抵抗）から次式（３）に従ってＯＣＶ（推定ＯＣＶ）を算出する。
ＯＣＶ＝ＣＣＶ＋ＩＲ …（３）
ここで、ＯＣＶ（推定ＯＣＶ）は、式（３）に示すように、ＯＣＶ＝ＣＣＶ＋ＩＲで算出されるので、推定にＳＯＣ−ＯＣＶカーブ情報は必要ない。
ＯＣＶ算出部１２０は、検出値（電流Ｉ、端子間電圧ＣＣＶ）および算出した抵抗（充電時と放電時の内部抵抗）から次式（３）に従ってＯＣＶ（推定ＯＣＶ）を算出する。
ＯＣＶ＝ＣＣＶ＋ＩＲ …（３）
ここで、ＯＣＶ（推定ＯＣＶ）は、式（３）に示すように、ＯＣＶ＝ＣＣＶ＋ＩＲで算出されるので、推定にＳＯＣ−ＯＣＶカーブ情報は必要ない。
<ＳＯＣ算出部>
ＳＯＣ算出部１３０は、ＳＯＣ−ＯＣＶマップ１３０ａを有する。ＳＯＣ−ＯＣＶマップ１３０ａは、初期値を参照する場合に用いられる。
ＳＯＣ算出部１３０は、算出したＯＣＶ（推定ＯＣＶ）および電流積算値を用いて次式（４）に従ってＳＯＣ（推定ＳＯＣ）を算出する。ＳＯＣ（推定ＳＯＣ）は、式（５）に示すように温度およびＯＣＶ（推定ＯＣＶ）の関数ｆＳＯＣで表される。
ＳＯＣ算出部１３０は、ＳＯＣ−ＯＣＶマップ１３０ａを有する。ＳＯＣ−ＯＣＶマップ１３０ａは、初期値を参照する場合に用いられる。
ＳＯＣ算出部１３０は、算出したＯＣＶ（推定ＯＣＶ）および電流積算値を用いて次式（４）に従ってＳＯＣ（推定ＳＯＣ）を算出する。ＳＯＣ（推定ＳＯＣ）は、式（５）に示すように温度およびＯＣＶ（推定ＯＣＶ）の関数ｆＳＯＣで表される。
ＳＯＣ＝ｆＳＯＣ（Ｔ，ＯＣＶ） …（５）
<容量算出部>
容量算出部１４０は、Ａｈ（電流量）の微分値ｄＡｈとＳＯＣ（推定ＳＯＣ）の微分値ｄＳＯＣとから次式（６）に従って容量Ｃａｐを算出する。
Ｃａｐ＝ｄＡｈ／ｄＳＯＣ …（６）
容量算出部１４０は、Ａｈ（電流量）の微分値ｄＡｈとＳＯＣ（推定ＳＯＣ）の微分値ｄＳＯＣとから次式（６）に従って容量Ｃａｐを算出する。
Ｃａｐ＝ｄＡｈ／ｄＳＯＣ …（６）
<ＳＯＣ−ＯＣＶ算出部１５０>
ＳＯＣ−ＯＣＶ算出部１５０は、算出したＯＣＶ（推定ＯＣＶ）、ＳＯＣ（推定ＳＯＣ）および検出した温度Ｔに基づいて、次式（７）に従ってＳＯＣ−ＯＣＶカーブを算出する。ＳＯＣ−ＯＣＶカーブ算出の具体的手法については、後記する。
ＯＣＶ＝ｆ（ＳＯＣ，Ｔ） …（７）
また、ＳＯＣ−ＯＣＶ算出部１５０は、算出した推定ＯＣＶおよび推定ＳＯＣを記憶する記憶手段１５１を有する。
ＳＯＣ−ＯＣＶ算出部１５０は、算出したＯＣＶ（推定ＯＣＶ）、ＳＯＣ（推定ＳＯＣ）および検出した温度Ｔに基づいて、次式（７）に従ってＳＯＣ−ＯＣＶカーブを算出する。ＳＯＣ−ＯＣＶカーブ算出の具体的手法については、後記する。
ＯＣＶ＝ｆ（ＳＯＣ，Ｔ） …（７）
また、ＳＯＣ−ＯＣＶ算出部１５０は、算出した推定ＯＣＶおよび推定ＳＯＣを記憶する記憶手段１５１を有する。
ＳＯＣ−ＯＣＶ算出部１５０は、推定ＯＣＶおよび推定ＳＯＣのデータが、所定条件(使用範囲全域のデータ)蓄積された場合、このデータを用いて、ＳＯＣ−ＯＣＶカーブを算出する。所定条件は、使用範囲全域のデータ（特に、基準ＳＯＣ近傍のデータ）が所定数蓄積されることである。ここで、データ点数Ｎが増えていくと、平均値が元の分布の平均値に収束していく（中心極限定理）。このため、データ点数Ｎを増加させることによって、後記する推定ＯＣＶＳＯＣの算出精度を高めることができる。
上記基準ＳＯＣは、二次電池１が使用される範囲で複数個設けられる場合がある。この場合、ＳＯＣ−ＯＣＶ算出部１５０は、各基準ＳＯＣのデータ蓄積後に前記ＳＯＣ−ＯＣＶカーブを算出する。
ＳＯＣ−ＯＣＶ算出部１５０は、算出した前記ＳＯＣ−ＯＣＶカーブを満充電時のＳＯＣおよびＯＣＶを基準としてオフセットさせる（後記図５参照）。
上記基準ＳＯＣは、二次電池１が使用される範囲で複数個設けられる場合がある。この場合、ＳＯＣ−ＯＣＶ算出部１５０は、各基準ＳＯＣのデータ蓄積後に前記ＳＯＣ−ＯＣＶカーブを算出する。
ＳＯＣ−ＯＣＶ算出部１５０は、算出した前記ＳＯＣ−ＯＣＶカーブを満充電時のＳＯＣおよびＯＣＶを基準としてオフセットさせる（後記図５参照）。
このように、ＳＯＣ−ＯＣＶ算出部１５０は、算出したＯＣＶ（推定ＯＣＶ）とＳＯＣ（推定ＳＯＣ）からＳＯＣ−ＯＣＶカーブを逐次推定することで、ＳＯＣ−ＯＣＶカーブを自動学習する。また、図２に示す推定ＳＯＣ−ＯＣＶカーブは、所定温度毎に算出される。
ＳＯＣ−ＯＣＶ算出部１５０は、算出したＯＣＶ（推定ＯＣＶ）とＳＯＣ（推定ＳＯＣ）からＳＯＣ−ＯＣＶカーブ（図２参照）を逐次推定することで、ＳＯＣ−ＯＣＶカーブを学習する。ここで、上記推定ＯＣＶは、ＣＣＶ−ＩＲで算出されるため、推定にＳＯＣ−ＯＣＶカーブ情報は必要ない。また、上記推定ＳＯＣは、電流積算ベースのＳＯＣ算出を行っているため、ＳＯＣ−ＯＣＶカーブの影響は少ない（初期容量が既知である）。上記推定ＯＣＶと推定ＳＯＣを使用することにより、ＳＯＣ−ＯＣＶカーブが逐次推定可能になる。
ＳＯＣ−ＯＣＶ算出部１５０は、算出したＯＣＶ（推定ＯＣＶ）とＳＯＣ（推定ＳＯＣ）からＳＯＣ−ＯＣＶカーブ（図２参照）を逐次推定することで、ＳＯＣ−ＯＣＶカーブを学習する。ここで、上記推定ＯＣＶは、ＣＣＶ−ＩＲで算出されるため、推定にＳＯＣ−ＯＣＶカーブ情報は必要ない。また、上記推定ＳＯＣは、電流積算ベースのＳＯＣ算出を行っているため、ＳＯＣ−ＯＣＶカーブの影響は少ない（初期容量が既知である）。上記推定ＯＣＶと推定ＳＯＣを使用することにより、ＳＯＣ−ＯＣＶカーブが逐次推定可能になる。
本実施形態では、初期ＳＯＣ−ＯＣＶカーブと初期容量は既知であることを前提とした制御構成としている。
また、ＳＯＣ−ＯＣＶカーブおよび容量値は、長い年月をかけて初期値からゆっくりゆっくり変化していくような制御セッティングする必要がある。ちなみに、ＳＯＣ−ＯＣＶカーブにヒステリシスがある場合は、原理的に、ヒステリシスも含んだＯＣＶ最頻値をＳＯＣ毎に推定する。
また、ＳＯＣ−ＯＣＶカーブおよび容量値は、長い年月をかけて初期値からゆっくりゆっくり変化していくような制御セッティングする必要がある。ちなみに、ＳＯＣ−ＯＣＶカーブにヒステリシスがある場合は、原理的に、ヒステリシスも含んだＯＣＶ最頻値をＳＯＣ毎に推定する。
［ＳＯＣ−ＯＣＶカーブのオフセット補正］
次に、ＳＯＣ−ＯＣＶカーブのオフセット発生とその補正について説明する。
推定ＳＯＣは、電流積算ベースのＳＯＣを用いる。ただし、初期値に関しては、ＳＯＣ−ＯＣＶカーブから推定する必要がある。ＳＯＣ−ＯＣＶカーブには、原理的にＳＯＣ−ＯＣＶカーブのオフセットが発生する。
図５は、ＳＯＣ−ＯＣＶカーブのオフセット発生を説明する図であり、縦軸にＯＣＶをとり、横軸にＳＯＣをとる。図５（ａ）は、キャリブレーション値と真値を示し、図５（ｂ）は、さらに推定値を重ねて示している。
ＳＯＣ−ＯＣＶカーブのキャリブレーション値と真のＳＯＣ−ＯＣＶカーブが異なっている場合、初期推定ＳＯＣには上記２つのＳＯＣ−ＯＣＶカーブの差による誤差が発生する。この誤差を有したままにしておくと、ＳＯＣ−ＯＣＶカーブの学習期は、ＳＯＣ−ＯＣＶカーブを学習することになるため、学習した後のＳＯＣ−ＯＣＶカーブは真のＳＯＣ−ＯＣＶカーブと比較すると、オフセット誤差が生じた状態となる。そのため、ＳＯＣ−ＯＣＶカーブの学習後にこのオフセット誤差を補正する必要がる。
次に、ＳＯＣ−ＯＣＶカーブのオフセット発生とその補正について説明する。
推定ＳＯＣは、電流積算ベースのＳＯＣを用いる。ただし、初期値に関しては、ＳＯＣ−ＯＣＶカーブから推定する必要がある。ＳＯＣ−ＯＣＶカーブには、原理的にＳＯＣ−ＯＣＶカーブのオフセットが発生する。
図５は、ＳＯＣ−ＯＣＶカーブのオフセット発生を説明する図であり、縦軸にＯＣＶをとり、横軸にＳＯＣをとる。図５（ａ）は、キャリブレーション値と真値を示し、図５（ｂ）は、さらに推定値を重ねて示している。
ＳＯＣ−ＯＣＶカーブのキャリブレーション値と真のＳＯＣ−ＯＣＶカーブが異なっている場合、初期推定ＳＯＣには上記２つのＳＯＣ−ＯＣＶカーブの差による誤差が発生する。この誤差を有したままにしておくと、ＳＯＣ−ＯＣＶカーブの学習期は、ＳＯＣ−ＯＣＶカーブを学習することになるため、学習した後のＳＯＣ−ＯＣＶカーブは真のＳＯＣ−ＯＣＶカーブと比較すると、オフセット誤差が生じた状態となる。そのため、ＳＯＣ−ＯＣＶカーブの学習後にこのオフセット誤差を補正する必要がる。
図６は、ＳＯＣ−ＯＣＶカーブのオフセット補正を説明する図であり、縦軸にＯＣＶをとり、横軸にＳＯＣをとる。図６（ａ）は、ＳＯＣが１００％のＯＣＶを示している。本発明者らは、ＳＯＣが１００％のＯＣＶは、その定義上、劣化によって変化しないことに着目した。そこで、図６（ａ）に示すように、ＳＯＣが１００％のＯＣＶを基点にし、ＳＯＣが１００％のＯＣＶを用いてオフセット補正する。
図６（ｂ）は、説明の便宜上、図５（ｂ）を再掲したものである。図６（ｂ）に示すように、初期値に関してＳＯＣ−ＯＣＶカーブのオフセットが発生する。このオフセット発生に対して、ＳＯＣが１００％のＯＣＶを用いてオフセット補正する。具体的には、図６（ｂ）の推定値のＳＯＣが１００％のＯＣＶを基点に、オフセット補正する。これにより、図６（ｃ）に示すように、推定値は真値に対してオフセット補正される。
図６（ｂ）は、説明の便宜上、図５（ｂ）を再掲したものである。図６（ｂ）に示すように、初期値に関してＳＯＣ−ＯＣＶカーブのオフセットが発生する。このオフセット発生に対して、ＳＯＣが１００％のＯＣＶを用いてオフセット補正する。具体的には、図６（ｂ）の推定値のＳＯＣが１００％のＯＣＶを基点に、オフセット補正する。これにより、図６（ｃ）に示すように、推定値は真値に対してオフセット補正される。
［ＳＯＣ−ＯＣＶカーブの推定詳細］
<中心極限定理>
図７および図８は、中心極限定理の概要を説明する図である。図７は、ＳＯＣが４０％の場合の推定ＯＣＶと推定ＳＯＣのデータ点数を示す図、図８は、図７のデータ点数を積算した推定ＯＣＶＳＯＣを示す図である。
図７において、±αは例えば０．５％である。ＳＯＣ−ＯＣＶ算出部１５０（図１参照）は、ＳＯＣが４０％±αのデータを、ＳＯＣが４０％のデータとして処理する。
ＳＯＣ−ＯＣＶ算出部１５０は、推定値のデータ点数とＯＣＶ値を積算していく。ここでは、ＳＯＣ−ＯＣＶ算出部１５０は、図７に示すデータ点数から次式（８）に従って推定値のデータ点数Ｎ４０とＯＣＶ値ＯＣＶ４０を積算する。
<中心極限定理>
図７および図８は、中心極限定理の概要を説明する図である。図７は、ＳＯＣが４０％の場合の推定ＯＣＶと推定ＳＯＣのデータ点数を示す図、図８は、図７のデータ点数を積算した推定ＯＣＶＳＯＣを示す図である。
図７において、±αは例えば０．５％である。ＳＯＣ−ＯＣＶ算出部１５０（図１参照）は、ＳＯＣが４０％±αのデータを、ＳＯＣが４０％のデータとして処理する。
ＳＯＣ−ＯＣＶ算出部１５０は、推定値のデータ点数とＯＣＶ値を積算していく。ここでは、ＳＯＣ−ＯＣＶ算出部１５０は、図７に示すデータ点数から次式（８）に従って推定値のデータ点数Ｎ４０とＯＣＶ値ＯＣＶ４０を積算する。
ＳＵＭ＿Ｎ４０＝ΣＮ４０
ＳＵＭ＿ＯＣＶ４０＝ΣＯＣＶ４０ …（８）
ＳＵＭ＿ＯＣＶ４０＝ΣＯＣＶ４０ …（８）
図８（ａ）（ｂ）に示すように、データ点数Ｎが増加すると、中心極限定理によって推定ＯＣＶＳＯＣの算出精度が高まる。
ここで、どの程度のＮ数でＯＣＶ値が収束するかは、あらかじめ実行したテストから判断し、キャリブレーション値として設定できる仕様とする。また、ＯＣＶ値の更新については、Gradient Descent法（勾配降下法）を用いる。
ここで、どの程度のＮ数でＯＣＶ値が収束するかは、あらかじめ実行したテストから判断し、キャリブレーション値として設定できる仕様とする。また、ＯＣＶ値の更新については、Gradient Descent法（勾配降下法）を用いる。
<勾配降下法>
勾配降下法に基づく数式の一例は、次式（９）で表される。勾配降下法によれば、キャリブレーション値と学習値の差が大きい時は大きく動き、差が小さい時は小さく動くことになる。
ＯＣＶＳＯＣ＝ＯＣＶＳＯＣ−α（ＯＣＶＳＯＣ−推定ＯＣＶＳＯＣ） …（９）
勾配降下法に基づく数式の一例は、次式（９）で表される。勾配降下法によれば、キャリブレーション値と学習値の差が大きい時は大きく動き、差が小さい時は小さく動くことになる。
ＯＣＶＳＯＣ＝ＯＣＶＳＯＣ−α（ＯＣＶＳＯＣ−推定ＯＣＶＳＯＣ） …（９）
<最終的なＳＯＣ−ＯＣＶカーブ推定>
ＳＯＣ−ＯＣＶ算出部１５０（図１参照）は、各ＳＯＣ毎にＯＣＶＳＯＣを算出する。
図９は、各ＳＯＣ毎に算出したＯＣＶＳＯＣを示す図である。
図９に示すように、ＳＯＣ−ＯＣＶ算出部１５０は、最終的なＳＯＣ−ＯＣＶカーブの推定を行う。上述したＳＯＣ−ＯＣＶカーブのオフセット補正は、この時に行う。
ＳＯＣ−ＯＣＶ算出部１５０（図１参照）は、各ＳＯＣ毎にＯＣＶＳＯＣを算出する。
図９は、各ＳＯＣ毎に算出したＯＣＶＳＯＣを示す図である。
図９に示すように、ＳＯＣ−ＯＣＶ算出部１５０は、最終的なＳＯＣ−ＯＣＶカーブの推定を行う。上述したＳＯＣ−ＯＣＶカーブのオフセット補正は、この時に行う。
次に、電池状態推定装置１００の動作について説明する。
図１０は、電池状態推定装置１００（図１参照）の電池状態推定方法を示すフローチャートである。
まず、ステップＳ１１で各検出手段は、電流情報Ｉ、電圧情報ＣＣＶ、温度情報Ｔを取得する。すなわち、電流検出部１０１は、電流情報Ｉを取得し、電圧検出部１０２は、電圧情報ＣＣＶを取得し、温度検出部１０３は、温度情報Ｔを取得する。
ステップＳ１２でＯＣＶ算出部１２０は、検出値（電流Ｉ、端子間電圧ＣＣＶ）および算出した抵抗から次式（２）に従ってＯＣＶ（推定ＯＣＶ）を算出する。
ステップＳ１３でＳＯＣ算出部１３０は、算出したＯＣＶ（推定ＯＣＶ）および電流積算値を用いてＳＯＣ（推定ＳＯＣ）を算出する。
ステップＳ１４でＳＯＣ−ＯＣＶ算出部１５０は、算出したＯＣＶ（推定ＯＣＶ）とＳＯＣ（推定ＳＯＣ）を取得する。
ステップＳ１５のループ端でＳＯＣ−ＯＣＶ算出部１５０は、使用ＳＯＣ範囲におけるＯＣＶが所定数得られるまでループする。
図１０は、電池状態推定装置１００（図１参照）の電池状態推定方法を示すフローチャートである。
まず、ステップＳ１１で各検出手段は、電流情報Ｉ、電圧情報ＣＣＶ、温度情報Ｔを取得する。すなわち、電流検出部１０１は、電流情報Ｉを取得し、電圧検出部１０２は、電圧情報ＣＣＶを取得し、温度検出部１０３は、温度情報Ｔを取得する。
ステップＳ１２でＯＣＶ算出部１２０は、検出値（電流Ｉ、端子間電圧ＣＣＶ）および算出した抵抗から次式（２）に従ってＯＣＶ（推定ＯＣＶ）を算出する。
ステップＳ１３でＳＯＣ算出部１３０は、算出したＯＣＶ（推定ＯＣＶ）および電流積算値を用いてＳＯＣ（推定ＳＯＣ）を算出する。
ステップＳ１４でＳＯＣ−ＯＣＶ算出部１５０は、算出したＯＣＶ（推定ＯＣＶ）とＳＯＣ（推定ＳＯＣ）を取得する。
ステップＳ１５のループ端でＳＯＣ−ＯＣＶ算出部１５０は、使用ＳＯＣ範囲におけるＯＣＶが所定数得られるまでループする。
ステップＳ１６でＳＯＣ−ＯＣＶ算出部１５０は、ＳＯＣが規定範囲内か否かを判別する。
ＳＯＣが規定範囲内の場合（ステップＳ１６：ＹＥＳ）、ステップＳ１７でＳＯＣ−ＯＣＶ算出部１５０は、そのＳＯＣに対するＯＣＶＳＯＣを記憶手段１５１（図１参照）に蓄積する。
ＳＯＣが規定範囲外の場合（ステップＳ１６：ＮＯ）、ステップＳ１８でＳＯＣ−ＯＣＶ算出部１５０は、ＳＯＣが規定範囲内か否かを判別する。
ＳＯＣが規定範囲内の場合（ステップＳ１８：ＹＥＳ）、ステップＳ１９でＳＯＣ−ＯＣＶ算出部１５０は、そのＳＯＣに対するＯＣＶＳＯＣを記憶手段１５１に蓄積する。
ＳＯＣが規定範囲外の場合（ステップＳ１８：ＮＯ）、ステップＳ２０でＳＯＣ−ＯＣＶ算出部１５０は、使用範囲のＳＯＣ分について、ＳＯＣに対するＯＣＶＳＯＣを記憶手段１５１に蓄積する。
ＳＯＣが規定範囲内の場合（ステップＳ１６：ＹＥＳ）、ステップＳ１７でＳＯＣ−ＯＣＶ算出部１５０は、そのＳＯＣに対するＯＣＶＳＯＣを記憶手段１５１（図１参照）に蓄積する。
ＳＯＣが規定範囲外の場合（ステップＳ１６：ＮＯ）、ステップＳ１８でＳＯＣ−ＯＣＶ算出部１５０は、ＳＯＣが規定範囲内か否かを判別する。
ＳＯＣが規定範囲内の場合（ステップＳ１８：ＹＥＳ）、ステップＳ１９でＳＯＣ−ＯＣＶ算出部１５０は、そのＳＯＣに対するＯＣＶＳＯＣを記憶手段１５１に蓄積する。
ＳＯＣが規定範囲外の場合（ステップＳ１８：ＮＯ）、ステップＳ２０でＳＯＣ−ＯＣＶ算出部１５０は、使用範囲のＳＯＣ分について、ＳＯＣに対するＯＣＶＳＯＣを記憶手段１５１に蓄積する。
上記ループ処理により、使用ＳＯＣ範囲におけるＯＣＶが所定数得られるまでループすることで、ＳＯＣに対するＯＣＶの値が記憶手段１５１にストックされる。ＳＯＣに対するＯＣＶの値をストックしていき、ある程度の量が溜まったら学習を行う。部分的に学習をしてしまうとＳＯＣ−ＯＣＶカーブの不整合が生じるため、使用範囲の全域のデータが溜まるまでは学習を行わない。
ステップＳ２１でＳＯＣ−ＯＣＶ算出部１５０は、ＳＯＣ−ＯＣＶカーブの生成処理を行う。
ステップＳ２２でＳＯＣ−ＯＣＶ算出部１５０は、データ点のリセットを行って本フローの処理を終了する。
ステップＳ２２でＳＯＣ−ＯＣＶ算出部１５０は、データ点のリセットを行って本フローの処理を終了する。
以上説明したように、本実施形態に係る電池状態推定装置１００（図１参照）は、検出された電池の電流および電圧と、充電時と放電時の内部抵抗とに基づいて推定ＯＣＶを算出するＯＣＶ算出部１２０と、算出した推定ＯＣＶおよび電流積算値に基づいて、推定ＯＣＶの関数ｆＳＯＣで表される推定ＳＯＣを算出するＳＯＣ算出部１３０と、算出した推定ＯＣＶおよび推定ＳＯＣを記憶する記憶手段１５１と、記憶手段１５１に推定ＯＣＶおよび推定ＳＯＣのデータが、所定条件で蓄積された場合、蓄積された推定ＳＯＣのデータを用いて、ＳＯＣ−ＯＣＶカーブを算出するＳＯＣ−ＯＣＶカーブ算出部１５０と、備える。
本実施形態に係る電池状態推定方法では、検出された二次電池１の電流および電圧と、充電時と放電時の内部抵抗とに基づいてＯＣＶを算出するＯＣＶ算出工程と、算出した推定ＯＣＶおよび電流積算値に基づいて、推定ＯＣＶの関数ｆＳＯＣで表される推定ＳＯＣを算出するＳＯＣ算出工程と、算出した推定ＯＣＶおよび推定ＳＯＣを記憶する記憶工程と、記憶工程で推定ＯＣＶおよび推定ＳＯＣのデータが、所定条件で蓄積された場合、蓄積された推定ＳＯＣのデータを用いて、ＳＯＣ−ＯＣＶカーブを算出するＳＯＣ−ＯＣＶカーブ算出工程と、を実行する。
このようにすることで、ＳＯＣ−ＯＣＶカーブの生産バラつきやＳＯＣ−ＯＣＶカーブの劣化による変化に対して、その変化を考慮したＳＯＣ算出、容量算出を行うことが可能となり、より電池の本来の性能を使いきれるようになる。これにより、車両性能の向上を図ることができ、またセルの削減につなげることができる。
また、多数のマップを用意するものではないので、膨大な記憶装置の容量を必要とせずに様々な生産バラつき、劣化状態に対応することができる。また、電池特性の異なるバッテリに対しても容易に状態推定を行うことができる。
また、多数のマップを用意するものではないので、膨大な記憶装置の容量を必要とせずに様々な生産バラつき、劣化状態に対応することができる。また、電池特性の異なるバッテリに対しても容易に状態推定を行うことができる。
また、本実施形態では、基準ＳＯＣ近傍の推定ＳＯＣのデータを所定数蓄積しているので、基準ＳＯＣに対して所定数データを蓄積することで、精度良くカーブを推定することできる。
また、本実施形態では、ＳＯＣ−ＯＣＶカーブ算出部１５０は、各基準ＳＯＣのデータ蓄積後にＳＯＣ−ＯＣＶカーブを算出することで、部分的な学習を回避してＳＯＣ−ＯＣＶカーブの不整合を未然に防止して、精度の良い推定が可能となる。
また、本実施形態では、ＳＯＣ−ＯＣＶカーブ算出手段１５は、算出した前記ＳＯＣ−ＯＣＶカーブを満充電時のＳＯＣおよびＯＣＶを基準としてオフセットさせる。満充電時のＳＯＣおよびＯＣＶ値は変化しないので、満充電時のＳＯＣおよびＯＣＶ値を基点に作成したＳＯＣ−ＯＣＶカーブをオフセットさせることで、精度よく状態検知が可能となる。
また、本実施形態では、ＳＯＣ算出部１２０は、検出した温度と推定ＯＣＶの関数ｆＳＯＣで表される推定ＳＯＣを算出するので、電池の各温度に対応した推定ＳＯＣ算出が可能となり、より精確に電池の充電状態を推定することができる。同様に、ＳＯＣ−ＯＣＶカーブ算出部１５０は、算出した推定ＯＣＶ、推定ＳＯＣおよび検出した温度に基づいて、ＳＯＣ−ＯＣＶカーブを算出するので、電池の各温度に対応したＳＯＣ−ＯＣＶカーブを自動学習が可能となり、より精確に電池の充電状態を推定することができる。
本発明は上記の実施形態例に限定されるものではなく、特許請求の範囲に記載した本発明の要旨を逸脱しない限りにおいて、他の変形例、応用例を含む。
例えば、電池特性推定方法、電池特性推定装置及びプログラムは、計算機能を独立したハードでもよいし、電池システムにおけるソフトウェアでもよい。したがって、電池特性推定方法、電池特性推定装置及びプログラムの計算、演算処理はコンピュータのプログラムでなくとも、ＡＳＩＣ（Application Specific Integrated Circuit）等を用いてもよい。
例えば、電池特性推定方法、電池特性推定装置及びプログラムは、計算機能を独立したハードでもよいし、電池システムにおけるソフトウェアでもよい。したがって、電池特性推定方法、電池特性推定装置及びプログラムの計算、演算処理はコンピュータのプログラムでなくとも、ＡＳＩＣ（Application Specific Integrated Circuit）等を用いてもよい。
また、上記した実施形態例は本発明をわかりやすく説明するために詳細に説明したものであり、必ずしも説明した全ての構成を備えるものに限定されるものではない。また、ある実施形態例の構成の一部を他の実施形態例の構成に置き換えることが可能であり、また、ある実施形態例の構成に他の実施形態例の構成を加えることも可能である。また、各実施形態例の構成の一部について、他の構成の追加・削除・置換をすることが可能である。
また、上記の各構成、機能、処理部、処理手段等は、それらの一部又は全部を、例えば集積回路で設計する等によりハードウェアで実現してもよい。また、図１及び図４に示すように、上記の各構成、機能等は、プロセッサがそれぞれの機能を実現するプログラムを解釈し、実行するためのソフトウェアで実現してもよい。各機能を実現するプログラム、テーブル、ファイル等の情報は、メモリや、ハードディスク、ＳＳＤ（Solid State Drive）等の記録装置、または、ＩＣ（Integrated Circuit）カード、ＳＤ（Secure Digital）カード、光ディスク等の記録媒体に保持することができる。また、本明細書において、時系列的な処理を記述する処理ステップは、記載された順序に沿って時系列的に行われる処理はもちろん、必ずしも時系列的に処理されなくとも、並列的あるいは個別に実行される処理（例えば、並列処理あるいはオブジェクトによる処理）をも含むものである。
また、制御線や情報線は説明上必要と考えられるものを示しており、製品上必ずしもすべての制御線や情報線を示しているとは限らない。実際には殆ど全ての構成が相互に接続されていると考えてもよい。
また、上記の各構成、機能、処理部、処理手段等は、それらの一部又は全部を、例えば集積回路で設計する等によりハードウェアで実現してもよい。また、図１及び図４に示すように、上記の各構成、機能等は、プロセッサがそれぞれの機能を実現するプログラムを解釈し、実行するためのソフトウェアで実現してもよい。各機能を実現するプログラム、テーブル、ファイル等の情報は、メモリや、ハードディスク、ＳＳＤ（Solid State Drive）等の記録装置、または、ＩＣ（Integrated Circuit）カード、ＳＤ（Secure Digital）カード、光ディスク等の記録媒体に保持することができる。また、本明細書において、時系列的な処理を記述する処理ステップは、記載された順序に沿って時系列的に行われる処理はもちろん、必ずしも時系列的に処理されなくとも、並列的あるいは個別に実行される処理（例えば、並列処理あるいはオブジェクトによる処理）をも含むものである。
また、制御線や情報線は説明上必要と考えられるものを示しており、製品上必ずしもすべての制御線や情報線を示しているとは限らない。実際には殆ど全ての構成が相互に接続されていると考えてもよい。
１００ 電池状態推定装置
１０１ 電流検出部（電流検出手段）
１０２ 電圧検出部（電圧検出手段）
１０３ 温度検出部（温度検出手段）
１１０ 抵抗算出部
１２０ ＯＣＶ算出部（推定ＯＣＶ算出手段）
１３０ ＳＯＣ算出部（推定ＳＯＣ算出手段）
１３０ａ ＳＯＣ−ＯＣＶマップ
１４０ 容量算出部
１５０ ＳＯＣ−ＯＣＶ算出部（ＳＯＣ−ＯＣＶカーブ算出手段）
１５１ 記憶手段
１０１ 電流検出部（電流検出手段）
１０２ 電圧検出部（電圧検出手段）
１０３ 温度検出部（温度検出手段）
１１０ 抵抗算出部
１２０ ＯＣＶ算出部（推定ＯＣＶ算出手段）
１３０ ＳＯＣ算出部（推定ＳＯＣ算出手段）
１３０ａ ＳＯＣ−ＯＣＶマップ
１４０ 容量算出部
１５０ ＳＯＣ−ＯＣＶ算出部（ＳＯＣ−ＯＣＶカーブ算出手段）
１５１ 記憶手段
Claims (9)
- 電池の充放電電流を検出する電流検出手段と、
前記電池の端子間電圧を検出する電圧検出手段と、
検出された前記電池の電流および電圧と、充電時と放電時の内部抵抗とに基づいて推定ＯＣＶを算出する推定ＯＣＶ算出手段と、
算出した前記推定ＯＣＶおよび電流積算値に基づいて、前記推定ＯＣＶの関数で表される推定ＳＯＣを算出する推定ＳＯＣ算出手段と、
算出した前記推定ＯＣＶおよび前記推定ＳＯＣを記憶する記憶手段と、
前記記憶手段に前記推定ＯＣＶおよび前記推定ＳＯＣのデータが、所定条件で蓄積された場合、蓄積された前記推定ＳＯＣのデータを用いて、ＳＯＣ−ＯＣＶカーブを算出する
ＳＯＣ−ＯＣＶカーブ算出手段と、
を備えることを特徴とする電池状態推定装置。 - 前記所定条件は、
基準ＳＯＣ近傍の前記推定ＯＣＶのデータが所定数蓄積されたことである
ことを特徴とする請求項１記載の電池状態推定装置。 - 前記基準ＳＯＣは、前記電池が使用される範囲で複数個設けられており、
前記ＳＯＣ−ＯＣＶカーブ算出手段は、
各前記基準ＳＯＣのデータ蓄積後に前記ＳＯＣ−ＯＣＶカーブを算出する
ことを特徴とする請求項２記載の電池状態推定装置。 - 前記ＳＯＣ−ＯＣＶカーブ算出手段は、
算出した前記推定ＯＣＶおよび前記推定ＳＯＣを基に、前記ＳＯＣ−ＯＣＶカーブを逐次推定し、推定した前記ＳＯＣ−ＯＣＶカーブを自動学習する
ことを特徴とする請求項１記載の電池状態推定装置。 - 前記ＳＯＣ−ＯＣＶカーブ算出手段は、
所定数以上の前記推定ＯＣＶおよび前記推定ＳＯＣのデータを用いて前記ＳＯＣ−ＯＣＶカーブを算出する
ことを特徴とする請求項１記載の電池状態推定装置。 - 前記ＳＯＣ−ＯＣＶカーブ算出手段は、
算出した前記ＳＯＣ−ＯＣＶカーブを満充電時のＳＯＣおよびＯＣＶを基準としてオフセットさせる
ことを特徴とする請求項１記載の電池状態推定装置。 - 前記電池の温度を検出する電池温度検出手段を備え、
前記推定ＳＯＣ算出手段は、
検出した前記温度と前記推定ＯＣＶの関数で表される前記推定ＳＯＣを算出する
ことを特徴とする請求項１記載の電池状態推定装置。 - 前記電池の温度を検出する電池温度検出手段を備え、
前記ＳＯＣ−ＯＣＶカーブ算出手段は、
算出した前記推定ＯＣＶ、前記推定ＳＯＣおよび検出した前記温度に基づいて、前記ＳＯＣ−ＯＣＶカーブを算出する
ことを特徴とする請求項１記載の電池状態推定装置。 - 電池の充放電電流を検出する電流検出工程と、
前記電池の端子間電圧を検出する電圧検出工程と、
検出された前記電池の電流および電圧と、充電時と放電時の内部抵抗とに基づいて推定ＯＣＶを算出する推定ＯＣＶ算出工程と、
算出した前記推定ＯＣＶおよび電流積算値に基づいて、前記推定ＯＣＶの関数で表される推定ＳＯＣを算出する推定ＳＯＣ算出工程と、
算出した前記推定ＯＣＶおよび前記推定ＳＯＣを記憶する記憶工程と、
前記記憶工程で記憶した前記推定ＯＣＶおよび前記推定ＳＯＣのデータが、所定条件で蓄積された場合、蓄積された前記推定ＳＯＣのデータを用いて、ＳＯＣ−ＯＣＶカーブを算出するＳＯＣ−ＯＣＶカーブ算出工程と、
を有することを特徴とする電池状態推定方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| JP2016118854A JP6700996B2 (ja) | 2016-06-15 | 2016-06-15 | 電池状態推定装置および電池状態推定方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| JP2016118854A JP6700996B2 (ja) | 2016-06-15 | 2016-06-15 | 電池状態推定装置および電池状態推定方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| JP2017223536A JP2017223536A (ja) | 2017-12-21 |
| JP6700996B2 true JP6700996B2 (ja) | 2020-05-27 |
Family
ID=60687959
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| JP2016118854A Expired - Fee Related JP6700996B2 (ja) | 2016-06-15 | 2016-06-15 | 電池状態推定装置および電池状態推定方法 |
Country Status (1)
| Country | Link |
|---|---|
| JP (1) | JP6700996B2 (ja) |
Families Citing this family (8)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP6508406B1 (ja) | 2017-11-21 | 2019-05-08 | 三菱マテリアル株式会社 | 絶縁導体および絶縁導体の製造方法 |
| JP2019132696A (ja) * | 2018-01-31 | 2019-08-08 | トヨタ自動車株式会社 | 全固体電池の制御装置 |
| JP2019161781A (ja) * | 2018-03-09 | 2019-09-19 | 株式会社デンソー | 電池システム |
| JP2020034524A (ja) | 2018-08-31 | 2020-03-05 | 株式会社デンソー | 電源システム |
| CN109633471A (zh) * | 2018-12-24 | 2019-04-16 | 银隆新能源股份有限公司 | 用于确定电池的荷电状态与开路端电压对应关系的方法 |
| CN112526378A (zh) * | 2019-09-18 | 2021-03-19 | 中车时代电动汽车股份有限公司 | 一种电池不一致性故障预警方法及设备 |
| CN113678009A (zh) * | 2019-11-29 | 2021-11-19 | 旻泰克科技股份有限公司 | 电池状态推定装置及方法 |
| CN115291123B (zh) * | 2022-09-19 | 2023-03-07 | 伏达半导体(合肥)股份有限公司 | 用于表征多个电池单元的方法、电池参数估算装置和方法 |
Family Cites Families (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP5624333B2 (ja) * | 2009-03-31 | 2014-11-12 | プライムアースＥｖエナジー株式会社 | 二次電池の制御装置及びマップの補正方法 |
| KR101966062B1 (ko) * | 2012-11-23 | 2019-04-05 | 삼성전자주식회사 | 배터리 잔량 측정 장치 및 측정 방법 |
| US9128159B2 (en) * | 2012-12-12 | 2015-09-08 | GM Global Technology Operations LLC | Plug-in charge capacity estimation method for lithium iron-phosphate batteries |
| JP6033155B2 (ja) * | 2013-03-29 | 2016-11-30 | 日立オートモティブシステムズ株式会社 | 電池制御装置 |
| JP6300567B2 (ja) * | 2014-02-24 | 2018-03-28 | 日立オートモティブシステムズ株式会社 | 二次電池システム |
-
2016
- 2016-06-15 JP JP2016118854A patent/JP6700996B2/ja not_active Expired - Fee Related
Also Published As
| Publication number | Publication date |
|---|---|
| JP2017223536A (ja) | 2017-12-21 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| JP6700996B2 (ja) | 電池状態推定装置および電池状態推定方法 | |
| JP6326452B2 (ja) | 電池状態推定装置および電池状態推定方法 | |
| JP6844683B2 (ja) | 蓄電素子管理装置、ｓｏｃのリセット方法、蓄電素子モジュール、蓄電素子管理プログラム及び移動体 | |
| US10330738B2 (en) | Apparatus for estimating battery degradation state, system including the same, and method thereof | |
| KR102177721B1 (ko) | 배터리팩 열화 상태 추정 장치 및 방법 | |
| JP6706762B2 (ja) | 二次電池の充電状態推定装置および充電状態推定方法 | |
| JP5393837B2 (ja) | バッテリの充電率推定装置 | |
| JP6182025B2 (ja) | バッテリの健全度推定装置および健全度推定方法 | |
| WO2017119393A1 (ja) | 状態推定装置、状態推定方法 | |
| JP2020508442A (ja) | バッテリー充電状態推定装置及び方法 | |
| JP6022192B2 (ja) | 車両の高電圧バッテリー劣化判定方法 | |
| CN106104907B (zh) | 二次电池内部温度推定装置以及二次电池内部温度推定方法 | |
| CN110967644B (zh) | 电池组soc的修正方法、电池管理系统以及车辆 | |
| JP2019070621A (ja) | 二次電池システム | |
| US20140218040A1 (en) | Method for estimating the state of charge of a battery, and battery management system using the method | |
| KR101777334B1 (ko) | 배터리 ｓｏｈ 추정 장치 및 방법 | |
| JP2018151175A (ja) | 推定装置、推定方法、および推定プログラム | |
| CN112230147A (zh) | 剩余充电时间估算方法、装置及电子设备 | |
| CN112858924A (zh) | 动力电池剩余能量估算方法、装置、车辆及存储介质 | |
| CN115113070A (zh) | 电池soc的估算方法及相关装置 | |
| JP7010563B2 (ja) | バッテリー充電状態推定装置 | |
| CN112540303B (zh) | 一种校正方法及装置 | |
| WO2017002953A1 (ja) | データ抽出装置、データ抽出方法およびデータ抽出プログラム | |
| JP7168336B2 (ja) | 二次電池制御装置 | |
| KR102372874B1 (ko) | 이차 전지 셀의 ｓｏｃ 재조정 장치 및 방법 |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20181127 |
|
| A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20191001 |
|
| A977 | Report on retrieval |
Free format text: JAPANESE INTERMEDIATE CODE: A971007 Effective date: 20190930 |
|
| A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20191128 |
|
| 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: 20200421 |
|
| A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20200501 |
|
| R150 | Certificate of patent or registration of utility model |
Ref document number: 6700996 Country of ref document: JP Free format text: JAPANESE INTERMEDIATE CODE: R150 |
|
| LAPS | Cancellation because of no payment of annual fees |