JP6881154B2 - 二次電池の劣化状態推定方法および二次電池システム - Google Patents

Description

本開示は、二次電池の劣化状態推定方法および二次電池システムに関し、より特定的には、車両に搭載された二次電池の劣化状態を推定するための二次電池の劣化状態推定方法、および、車両に搭載されて用いられる二次電池システムに関する。

近年、走行用の二次電池が搭載された車両の普及が進んでいる。これらの車両に搭載された二次電池は、使用方法または使用環境に伴い、あるいは時間の経過に伴い劣化し得るため、二次電池の劣化状態を高精度に推定することが求められている。そこで、二次電池のインピーダンス（内部抵抗）に基づいて二次電池の劣化状態を推定する方法が提案されている。

たとえば、特開２００５−２２１４８７号公報（特許文献１）に開示された方法によれば、周期性を持たない多様な波形の充放電電流が二次電池を流れる状態で電流値および電圧値が測定される。そして、測定された電流値および電圧値のフーリエ変換を行なうことにより、フーリエ変換後の電流値および電圧値から所定周波数におけるインピーダンスが算出される。

特開２００５−２２１４８７号公報 特開２０１５−１９０９１８号公報

二次電池のインピーダンス（周波数域毎のインピーダンス成分）は、電流依存性、温度依存性およびＳＯＣ（State Of Charge）依存性を有し得る。そのため、フーリエ変換では、データ（電圧値および電流値）を所定の期間、取得することが求められるところ、データ取得中に二次電池の電流、温度またはＳＯＣに変化する可能性がある。このような場合には、電流依存性、温度依存性またはＳＯＣ依存性の影響がインピーダンスに正確に反映されず、高精度にインピーダンスを算出することができなくなる可能性がある。その結果、二次電池の劣化状態の推定精度が低下してしまう可能性がある。

本開示は上記課題を解決するためになされたものであって、その目的は、車両に搭載された二次電池の劣化状態を推定するための劣化状態推定方法において、二次電池の劣化状態の推定精度を向上させることである。

また、本開示の他の目的は、車両に搭載可能に構成された二次電池システムにおいて、二次電池の劣化状態の推定精度を向上させることである。

（１）本開示のある局面に従う二次電池の劣化状態推定方法は、車両に搭載された制御装置により実行される。二次電池の劣化状態推定方法は、第１〜第５のステップを含む。第１のステップは、上記車両に搭載された二次電池の電圧値および電流値を車両の運転中の所定期間に複数回取得してメモリに格納するステップである。第２のステップは、所定期間における、二次電池の電流変化幅、二次電池の温度変化幅および二次電池のＳＯＣ変化幅を算出するステップである。第３のステップは、所定期間における二次電池の温度、電流またはＳＯＣ毎に定められた、電流変化幅の許容上限を示す許容電流変化幅、温度変化幅の許容上限を示す許容温度変化幅、および、ＳＯＣ変化幅の許容上限を示す許容ＳＯＣ変化幅を二次電池の温度、電流またはＳＯＣから取得するステップである。第４のステップは、電流変化幅が許容電流変化幅を下回るとの電流条件、温度変化幅が許容温度変化幅を下回るとの温度条件、および、ＳＯＣ変化幅が許容ＳＯＣ変化幅を下回るとのＳＯＣ条件がいずれも成立する場合に、メモリに格納された二次電池の複数回の電圧値および電流値の周波数変換（フーリエ変換）を行なうことにより、周波数変換された電圧値および電流値から二次電池の周波数域毎のインピーダンス成分を算出するステップである。第５のステップは、周波数域毎のインピーダンス成分を用いて、各周波数域に応じた劣化モードの二次電池の劣化状態を推定するステップである。

（６）本開示の他の局面に従う二次電池システムは、車両に搭載されて用いられる。二次電池システムは、二次電池と、メモリを含み、二次電池の劣化状態を推定するように構成された推定装置とを備える。推定装置は、二次電池の電圧値および電流値を車両の運転中の所定期間に複数回取得してメモリに格納し、所定期間における、二次電池の電流変化幅、二次電池の温度変化幅および二次電池のＳＯＣ変化幅を算出し、所定期間における二次電池の、電流またはＳＯＣ温度毎に定められた、電流変化幅の許容上限を示す許容電流変化幅、温度変化幅の許容上限を示す許容温度変化幅、および、ＳＯＣ変化幅の許容上限を示す許容ＳＯＣ変化幅を二次電池の温度、電流またはＳＯＣから取得し、電流変化幅が許容電流変化幅を下回るとの電流条件、温度変化幅が許容温度変化幅を下回るとの温度条件、および、ＳＯＣ変化幅が許容ＳＯＣ変化幅を下回るとのＳＯＣ条件がいずれも成立する場合に、メモリに格納された二次電池の複数回の電圧値および電流値の周波数変換を行なうことにより、周波数変換された電圧値および電流値から二次電池の周波数域毎のインピーダンス成分を算出し、周波数域毎のインピーダンス成分を用いて、各周波数域に応じた劣化モードの二次電池の劣化状態を推定する。

（２）好ましくは、取得するステップ（第３のステップ）は、所定期間における二次電池の平均温度、平均電流または平均ＳＯＣと、許容電流変化幅、許容温度変化幅および許容ＳＯＣ変化幅との対応関係（たとえばマップ）を参照することによって、二次電池の平均温度、平均電流または平均ＳＯＣから許容電流変化幅、許容温度変化幅および許容ＳＯＣ変化幅を取得するステップを含む。

上記方法または構成によれば、所定期間中に電流条件、温度条件およびＳＯＣ条件がいずれも成立する場合に二次電池のインピーダンス（周波数域毎のインピーダンス成分）が算出される。言い換えれば、所定期間中に二次電池の電流、温度およびＳＯＣのうちの少なくとも１つが対応する許容変化幅よりも大きく変化した場合には、その所定期間に取得された電圧値および電流値は周波数変換の対象から外され、インピーダンスの算出には用いられない。これにより、インピーダンスの算出結果にインピーダンスの電流依存性、温度依存性およびＳＯＣ依存性の影響を適切に反映させることが可能になるので、二次電池の劣化状態の推定精度を向上させることができる。

（３）好ましくは、制御装置は、周波数域毎のインピーダンス成分のうち、二次電池の劣化が進行しやすい周波数域のインピーダンス成分ほどインピーダンス成分の算出頻度を高くする。

上記方法によれば、二次電池の劣化が進行しやすい周波数域のインピーダンス成分ほどインピーダンス成分の算出頻度を高くすることにより、劣化が進行しやすい周波数域のインピーダンス成分を、より重点的に監視することができる。

（４）好ましくは、二次電池の劣化状態推定方法は、所定期間に二次電池の抵抗に影響を与える以下の３つの分布の偏り（二次電池の温度分布の偏り、二次電池の電解液中における塩濃度分布の偏り、および、前記二次電池の活物質中の電荷輸送物質の濃度分布の偏り）のうちの少なくとも１つを示すパラメータが基準値を上回った場合には、電流条件、温度条件およびＳＯＣ条件がいずれも成立したとしても周波数域毎のインピーダンス成分の算出を禁止するステップをさらに含む。

（５）好ましくは、二次電池の劣化状態推定方法は、電流条件、温度条件およびＳＯＣ条件がいずれも成立し、かつ、パラメータが基準値よりも低い他の基準値を下回った場合には、周波数域毎のインピーダンス成分の算出を再開するステップをさらに含む。

上記方法によれば、上記パラメータが基準値を上回った場合には、二次電池内の温度分布に偏りが生じたり、電解液中における塩濃度分布の塩濃度分布に偏りが生じたり、活物質中の電荷輸送物質の濃度分布の偏りが生じたりしている可能性が高いとして、周波数域毎のインピーダンス成分の算出が禁止される。その後、上記パラメータが他の基準値を下回ると、上記各分布の偏りは時間の経過とともに緩和されたとして、インピーダンス成分の算出が再開される。これにより、周波数域毎のインピーダンス成分の算出時には、上記各分布の偏りが生じていないことが担保されるので、インピーダンス成分の算出精度を向上させることができる。また、必要に応じてインピーダンス成分の算出が再開されるので、インピーダンス成分の算出機会を十分に得ることができる。

本開示によれば、二次電池の劣化状態の推定精度を向上させることができる。

実施の形態１に係る二次電池システムが搭載された車両の全体構成を概略的に示す図である。 バッテリおよび監視ユニットの構成をより詳細に説明するための図である。 車両の走行中におけるバッテリの電流、温度およびＳＯＣの時間変化の一例を示す図である。 バッテリのインピーダンス成分を説明するための図である。 バッテリのインピーダンス成分の周波数依存性を説明するための図である。 フーリエ変換による周波数域毎のインピーダンス成分の算出手法を説明するための概念図である。 実施の形態１におけるバッテリの劣化状態の判定方法を示すフローチャートである。 あるデータ取得期間におけるデータ（電圧、電流および温度）の時間変化の一例を示す図である。 マップの一例を示す図である。 インピーダンス成分の算出結果の一例を示す図である。 実施の形態１の変形例１におけるデータ取得手法を説明するための概念図である。 実施の形態１の変形例１におけるバッテリ１０の劣化状態の判定方法を示すフローチャートである。 実施の形態１の変形例２におけるデータ取得手法を説明するための概念図である。 車両１の走行中におけるバッテリの電流の時間変化の一例を示す図である。 実施の形態２におけるバッテリの劣化状態の判定方法を示すフローチャートである。 実施の形態３における各周波数域のインピーダンス成分の算出頻度の設定手法を説明するための図である。 実施の形態３におけるバッテリの劣化状態の判定方法を示すフローチャートである。 劣化速度の補正手法を説明するための図である。 実施の形態３の変形例におけるデータ取得手法を説明するための概念図である。 実施の形態３の変形例における他のデータ取得手法を説明するための概念図である。 実施の形態３の変形例におけるさらに他のデータ取得手法を説明するための概念図である。 実施の形態４におけるバッテリの劣化状態の判定方法を説明するためのタイムチャートである。 禁止しきい値および再開しきい値未満を設定するためのマップの一例を示す図である。 実施の形態４におけるバッテリの劣化状態の判定方法を示すフローチャートである。

以下、本開示の実施の形態について、図面を参照しながら詳細に説明する。なお、図中同一または相当部分には同一符号を付してその説明は繰り返さない。

［実施の形態１］
＜二次電池システムの構成＞
図１は、実施の形態１に係る二次電池システムが搭載された車両の全体構成を概略的に示す図である。図１を参照して、車両１は、代表的にはハイブリッド車両である。しかし、本開示に係る電池システムは、ハイブリッド車両（プラグインハイブリッド車を含む）に限らず、二次電池システムから供給される電力を用いて動力を発生させる車両全般に適用可能である。そのため、車両１は、電気自動車またな燃料電池車であってもよい。

車両１は、二次電池システム２と、パワーコントロールユニット（ＰＣＵ：Power Control Unit）３０と、モータジェネレータ４１，４２と、エンジン５０と、動力分割装置６０と、駆動軸７０と、駆動輪８０とを備える。二次電池システム２は、バッテリ１０と、監視ユニット２０と、電子制御装置（ＥＣＵ：Electronic Control Unit）１００とを備える。

エンジン５０は、空気と燃料との混合気を燃焼させたときに生じる燃焼エネルギーをピストンおよびロータなどの運動子の運動エネルギーに変換することによって動力を出力する内燃機関である。

動力分割装置６０は、たとえば、サンギヤ、キャリア、リングギヤの３つの回転軸を有する遊星歯車機構（図示せず）を含む。動力分割装置６０は、エンジン５０から出力される動力を、モータジェネレータ４１を駆動する動力と、駆動輪８０を駆動する動力とに分割する。

モータジェネレータ４１，４２の各々は、交流回転電機であり、たとえば、ロータに永久磁石（図示せず）が埋設された三相交流同期電動機である。モータジェネレータ４１は、主として、動力分割装置６０を経由してエンジン５０により駆動される発電機として用いられる。モータジェネレータ４１が発電した電力は、ＰＣＵ３０を介してモータジェネレータ４２またはバッテリ１０に供給される。

モータジェネレータ４２は、主として電動機として動作し、駆動輪８０を駆動する。モータジェネレータ４２は、バッテリ１０からの電力およびモータジェネレータ４１の発電電力の少なくとも一方を受けて駆動され、モータジェネレータ４２の駆動力は駆動軸７０に伝達される。一方、車両の制動時や下り斜面での加速度低減時には、モータジェネレータ４２は、発電機として動作して回生発電を行なう。モータジェネレータ４２が発電した電力は、ＰＣＵ３０を介してバッテリ１０に供給される。

バッテリ１０は、複数のセル１１を含んで構成される。各セル１１は、たとえばリチウムイオン二次電池またはニッケル水素電池などの二次電池である。バッテリ１０は、モータジェネレータ４１，４２を駆動するための電力を蓄え、ＰＣＵ５０を通じてモータジェネレータ４１，４２へ電力を供給する。また、バッテリ１０は、モータジェネレータ４１，４２の発電時にＰＣＵ３０を通じて発電電力を受けて充電される。

監視ユニット２０は、電圧センサ２１と、電流センサ２２と、温度センサ２３とを含む。電圧センサ２１は、複数のセルからなるブロック（モジュール）の電圧ＶＢを検出する。電流センサ２２は、バッテリ１０に入出力される電流ＩＢを検出する。温度センサ２３は、セル１１毎の温度ＴＢを検出する。各センサは、その検出結果を示す信号をＥＣＵ１００に出力する。なお、バッテリ１０および監視ユニット２０の構成については図２にて、より詳細に説明する。

ＰＣＵ３０は、ＥＣＵ１００からの制御信号に従って、バッテリ１０とモータジェネレータ４１，４２との間で双方向の電力変換を実行する。ＰＣＵ３０は、モータジェネレータ４１，４２の状態を別々に制御可能に構成されており、たとえば、モータジェネレータ４１を回生状態（発電状態）にしつつ、モータジェネレータ４２を力行状態にすることができる。ＰＣＵ３０は、たとえば、モータジェネレータ４１，４２に対応して設けられる２つのインバータと、各インバータに供給される直流電圧をバッテリ１０の出力電圧以上に昇圧するコンバータ（いずれも図示せず）とを含んで構成される。

ＥＣＵ１００は、ＣＰＵ（Central Processing Unit）１００Ａと、メモリ（ＲＯＭ（Read Only Memory）およびＲＡＭ（Random Access Memory））１００Ｂと、各種信号を入出力するための入出力ポート（図示せず）とを含んで構成される。ＥＣＵ１００は、各センサから受ける信号ならびにメモリ１００Ｂに記憶されたプログラムおよびマップに基づいて、車両１を所望の状態に制御するための各種処理を実行する。

具体的には、ＥＣＵ１００は、バッテリ１０のＳＯＣ（State Of Charge）を推定する。ＳＯＣの推定には、電流積算法などの公知の手法を用いることができる。また、ＥＣＵ１００は、エンジン５０およびＰＣＵ３０を制御することにより、バッテリ１０の充放電を制御する。さらに、ＥＣＵ１００は、バッテリ１０のインピーダンス（内部抵抗）を算出する。バッテリ１０のインピーダンスは、電圧ＶＢと電流ＩＢ（の絶対値）との比（＝ＶＢ／ＩＢ）から算出することができる。インピーダンスの算出については後に詳細に説明する。

図２は、バッテリ１０および監視ユニット２０の構成をより詳細に説明するための図である。図１および図２を参照して、バッテリ１０においては、複数のセル１１が並列接続されてブロック１０１〜１０Ｍを構成し、複数のブロック１０１〜１０Ｍが直列接続されてバッテリ１０を構成する。より具体的には、バッテリ１０は、直列接続されたＭ個のブロック１０１〜１０Ｍを含む。各ブロックは、並列接続されたＮ個のセル１１を含む。なお、Ｍ，Ｎは、２以上の自然数である。

電圧センサ２１１は、ブロック１０１の電圧を検出する。すなわち、電圧センサ２１１は、ブロック１０１を構成するＮ個のセルの電圧ＶＢを検出する。電圧センサ２１２〜２１Ｍについても同様である。電流センサ２２は、各ブロック１０１〜１０Ｍに流れる電流ＩＢを検出する。

なお、電圧センサの監視単位はブロックに限定されず、セル１１毎であってもよいし、隣接する複数（ブロック内のセル数未満の数）のセル１１毎であってもよい。また、バッテリ１０の内部構成が特に影響せず、ブロック１０１〜１０Ｍを互いに区別したり複数のセル１１を互いに区別したりしなくてよい場合には、包括的にバッテリ１０と記載する。

以上のように構成された車両１が走行中の場合、バッテリ１０の電圧ＶＢ，電流ＩＢ、温度ＴＢおよびＳＯＣは、時間の経過とともに変化し得る。なお、車両１が「走行中」とは、車両１がイグニッションオンされて走行可能な状態であればよく、車両１が一時的に停止した状態も含み得る。

図３は、車両１の走行中におけるバッテリ１０の電流ＩＢ、温度ＴＢおよびＳＯＣの時間変化の一例を示す図である。図３および後述する図８において、横軸は経過時間を示す。縦軸は、上から順に、電流ＩＢ、温度ＴＢおよびＳＯＣを示す。なお、電圧ＶＢも電流ＩＢと同様に不規則に変化し得るが、図面が煩雑になるのを防ぐため、以下では電圧ＶＢについては図示を省略する。

図３に示すように、温度ＴＢおよびＳＯＣの変化にはある程度の時間を要するため、温度ＴＢおよびＳＯＣが滑らかに変化する。これに対し、車両１の走行中には、電流ＩＢが不規則に変化する可能性がある。このように不規則に変化する電流ＩＢを用いてバッテリ１０のインピーダンスを算出する際に、本実施の形態では、以下に説明するように、インピーダンス成分の周波数依存性が考慮される。

＜インピーダンスの算出＞
図４は、バッテリ１０のインピーダンス成分を説明するための図である。図４には、バッテリ１０（セル１１）の正極、負極およびセパレータの等価回路図の一例が示されている。一般に、二次電池のインピーダンスは、直流抵抗と、反応抵抗と、拡散抵抗とに大別される。

直流抵抗とは、正極と負極との間でのイオンおよび電子の移動に関連するインピーダンス成分である。直流抵抗は、二次電池に高負荷が印加された場合（高電圧が印加されたり大電流が流れたりした場合）の電解液の塩濃度分布等の偏りによる増加する。なお、直流抵抗は、等価回路図において、正極の活物質抵抗Ｒａ１、負極の活物質抵抗Ｒａ２およびセパレータの電解液抵抗Ｒ３として表される。

反応抵抗とは、電解液と活物質界面との界面（正極活物質および負極活物質の表面）における電荷の授受（電荷移動）に関連するインピーダンス成分である。反応抵抗は、高ＳＯＣ状態の二次電池が高温環境下にある場合に活物質／電解液界面に被膜が成長することなどにより増加する。反応抵抗は、等価回路図において、正極の抵抗成分Ｒｃ１および負極の抵抗成分Ｒｃ２として表される。

拡散抵抗とは、電解液中での塩または活物質中の電荷輸送物質の拡散に関連するインピーダンス成分である。拡散抵抗は、高負荷印加時の活物質割れなどにより増加する。拡散抵抗は、正極に発生する平衡電圧Ｖｅｑ１と、負極に発生する平衡電圧Ｖｅｑ２と、セル内に発生する塩濃度過電圧Ｖｏｖ３（セパレータ内で活物質の塩濃度分布が生じることに起因する過電圧）とから定まる。

このように、バッテリ１０のインピーダンスには様々なインピーダンス成分が含まれ、各インピーダンス成分が異なる劣化モードに対応する。インピーダンス成分毎に、電流ＩＢに対する応答に要する時間（応答時間）が異なる。応答時間が相対的に小さいインピーダンス成分は、電圧ＶＢの高周波数での変化に追従可能である。一方、応答時間が相対的に大きいインピーダンス成分は、高周波数での電圧ＶＢの変化には追従することができない。したがって、以下に説明するように、低周波域、中周波域および高周波域の周波数域毎に、その周波数域において支配的なバッテリ１０のインピーダンス成分（あるいは劣化モード）を切り分けることができる。

図５は、バッテリ１０のインピーダンス成分の周波数依存性を説明するための図である。図５において、横軸は電流ＩＢ（または電圧ＶＢ）の周波数を示し、縦軸はバッテリ１０のインピーダンスを示す。

図５に示すように、電流ＩＢの周波数が高周波域に含まれる場合に測定されるインピーダンス成分（以下「高周波インピーダンス成分」と称する）には、主としてバッテリ１０の直流抵抗が反映される。

電流ＩＢの周波数が中周波域に含まれる場合に測定されるインピーダンス成分（以下「中周波インピーダンス成分」と称する）には、主としてバッテリ１０の反応抵抗と直流抵抗とが反映される。そのため、たとえば、中周波インピーダンス成分と高周波インピーダンス成分との差分から反応抵抗を求めることができる。

電流ＩＢの周波数が低周波域に含まれる場合に測定されるインピーダンス成分（以下「低周波インピーダンス成分」と称する）には、バッテリ１０の反応抵抗、直流抵抗および拡散抵抗がいずれも反映される。そのため、たとえば、低周波インピーダンス成分と中周波インピーダンス成分との差分から拡散抵抗を求めることができる。

このように、周波数域毎にインピーダンス成分を算出することにより、直流抵抗、反応抵抗および拡散抵抗のうちのどの抵抗が増加したかを特定することができる。そして、たとえば、現時点での抵抗（直流抵抗、反応抵抗および拡散抵抗のいずれか）がバッテリ１０の初期状態における抵抗からどの程度増加したかを求めることによって、バッテリ１０の劣化の要因（劣化の種類）を推定したり、要因毎の劣化の進行度合いを推定したりすることが可能になる。つまり、各劣化モードに対応するバッテリ１０の劣化状態を高精度に推定することができる。周波数域毎のインピーダンス成分の算出にはフーリエ変換が用いられる。

図６は、フーリエ変換による周波数域毎のインピーダンス成分の算出手法を説明するための概念図である。図６に示すように、電流ＩＢ（および電圧ＶＢ）にフーリエ変換を施すことにより、電流ＩＢを低周波成分と中周波成分と高周波成分とに分解することができる。このように分解された電圧ＶＢおよび電流ＩＢに基づいて、周波数域毎にインピーダンス成分を算出することができる。

なお、以下では、電圧ＶＢおよび電流ＩＢに対して高速フーリエ変換（ＦＦＴ：Fast Fourier Transform）を実施することによりインピーダンス成分を算出する例について説明する。ただし、フーリエ変換のアルゴリズムはＦＦＴに限定されず、離散フーリエ変換（ＤＦＴ：Discrete Fourier Transform）であってもよい。

フーリエ変換の精度を確保するためには、ある程度の期間、データ（電圧ＶＢおよび電流ＩＢ）を取得してＥＣＵ１００のメモリ１００Ｂに格納した上でフーリエ変換を実施することが求められる。フーリエ変換を実施するためのデータを取得する期間を「データ取得期間」とも記載する。データ取得期間は、本開示に係る「所定期間」に相当する。

ここで、バッテリ１０のインピーダンス（各周波数域のインピーダンス成分）は、電流依存性、温度依存性およびＳＯＣ依存性を有し得る。そのため、あるデータ取得期間中にバッテリ１０の電流ＩＢ、温度ＴＢおよびＳＯＣのいずれかが過度に変化した場合には、そのデータ取得期間中のある期間（変化前の期間）と別の期間（変化後の期間）とでは依存性（電流依存性、温度依存性またはＳＯＣ依存性）の影響が異なるにもかかわらず一括してフーリエ変換が実施されることになるので、高精度にインピーダンスを算出することができなくなる可能性がある。

そこで、本実施の形態においては、フーリエ変換の対象とするデータには、データ取得期間中にバッテリ１０の電流ＩＢ、温度ＴＢおよびＳＯＣがいずれも大きく変化していないとの条件を課すこととする。以下、本実施の形態におけるバッテリ１０の劣化状態の判定方法について詳細に説明する。

＜バッテリの劣化状態判定＞
図７は、実施の形態１におけるバッテリ１０の劣化状態の判定方法を示すフローチャートである。図７ならびに後述する図１２、図１５、図１７および図２４に示す各フローチャートは、車両１の走行中に所定周期が経過する度にメインルーチンから呼び出されて実行される。各ステップ（Ｓと略す）は、基本的にはＥＣＵ１００によるソフトウェア処理によって実現されるが、ＥＣＵ１００内に作製された電子回路によるハードウェア処理によって実現されてもよい。

図７を参照して、Ｓ１０２〜Ｓ１０６の処理は、各センサ等から取得されたデータをインピーダンスの算出に使用するか否かを判定する準備のための処理であるため、以下では「判定準備処理」と記載する場合がある（Ｓ１００）。より具体的には、Ｓ１０２において、ＥＣＵ１００は、あるデータ取得期間Ｐ_ｎ（ｎは自然数）において、バッテリ１０の監視ユニット２０内の各センサから予め定められたサンプリング周期で電圧ＶＢ、電流ＩＢおよび温度ＴＢを取得する。データ取得期間Ｐ_ｎの長さは、たとえば数秒〜数十秒程度に設定することができる。また、ＥＣＵ１００は、所定の周期でバッテリ１０のＳＯＣを推定する。そして、ＥＣＵ１００は、すべてのデータ（電圧ＶＢ、電流ＩＢ、温度ＴＢの取得結果およびＳＯＣの算出結果）をメモリ１００Ｂに一時的に格納する。

Ｓ１０４において、ＥＣＵ１００は、データ取得期間Ｐ_ｎにおける電流ＩＢの変化幅を示す電流変化幅ΔＩＢを算出する。また、ＥＣＵ１００は、データ取得期間Ｐ_ｎにおける温度ＴＢの変化幅を示す温度変化幅ΔＴＢを算出する。さらに、ＥＣＵ１００は、データ取得期間Ｐ_ｎにおけるバッテリ１０のＳＯＣの変化幅を示すＳＯＣ変化幅ΔＳＯＣを算出する。

図８は、データ取得期間Ｐ_ｎ，Ｐ_ｎ＋１におけるデータの時間変化の一例を示す図である。図８に示すように、電流変化幅ΔＩＢは、データ取得期間Ｐ_ｎにおけるバッテリ１０の充電方向および放電方向の両方向を考慮した上で、電流ＩＢの変化幅から算出することができる。温度変化幅ΔＴＢは、データ取得期間Ｐ_ｎにおける最高温度（温度ＴＢの最高値）と最低温度（温度ＴＢの最低値）との差分から算出することができる。ＳＯＣ変化幅ΔＳＯＣは、データ取得期間Ｐ_ｎにおける最高ＳＯＣと最低ＳＯＣとの差分から算出することができる。

図７に戻り、Ｓ１０６において、ＥＣＵ１００は、メモリ１００Ｂに予め不揮発的に記憶されたマップＭＰ１を参照することによって許容電流変化幅ΔＩＢ_ｍａｘを取得する。許容電流変化幅ΔＩＢ_ｍａｘとは、Ｓ１０２にてメモリ１００Ｂに格納されたデータをインピーダンス算出に使用するか否かの判定基準となるパラメータであり、電流変化幅ΔＩＢの許容上限を示すものである。さらに、ＥＣＵ１００は、温度変化幅ΔＴＢおよびＳＯＣ変化幅ΔＳＯＣについても同様に、マップＭＰ１を参照することによって許容温度変化幅ΔＴＢ_ｍａｘおよび許容ＳＯＣ変化幅ΔＳＯＣ_ｍａｘをそれぞれ取得する。

図９は、マップＭＰ１の一例を示す図である。図９に示すように、マップＭＰ１においては、データ取得期間Ｐ_ｎにおけるバッテリ１０の平均温度ＴＢ_ａｖｅの範囲毎に、データ取得期間中Ｐ_ｎにおける許容電流変化幅ΔＩＢ_ｍａｘ、許容温度変化幅ΔＴＢ_ｍａｘおよび許容ＳＯＣ変化幅ΔＳＯＣ_ｍａｘが定められている。図９に示した具体的な数値は、マップＭＰ１の理解を容易にするための例示に過ぎないことに留意すべきである。

なお、マップＭＰ１は、本開示に係る「対応関係」に相当する。しかし、「対応関係」はマップに限定されず、たとえば関数または変換式であってもよい。また、平均温度ＴＢ_ａｖｅに代えて、たとえば最高温度または最低温度を用いてもよいし、温度ＴＢの最頻値を用いてもよい。さらに、詳細な説明は繰り返さないが、温度ＴＢ（平均温度ＴＢ_ａｖｅ、最高温度、最低温度または最頻温度）に代えて、電流ＩＢ（たとえば平均電流、最高電流、最低電流）またはＳＯＣ（たとえば平均ＳＯＣ、最高ＳＯＣ、最低ＳＯＣ）を用いてもよい。また、マップＭＰ１では、温度ＴＢ、電流ＩＢおよびＳＯＣのうちの２つまたは３つを組み合わせて用いてもよい。

図７に戻り、Ｓ１１０において、ＥＣＵ１００は、電流変化幅ΔＩＢが許容電流変化幅ΔＩＢ_ｍａｘ未満であるか否かを判定する。さらに、ＥＣＵ１００は、温度変化幅ΔＴＢが許容温度変化幅ΔＴＢ_ｍａｘ未満であるか否かを判定するとともに、ＳＯＣ変化幅ΔＳＯＣが許容ＳＯＣ変化幅ΔＳＯＣ_ｍａｘ未満であるか否かを判定する。

電流変化幅ΔＩＢ、温度変化幅ΔＴＢおよびＳＯＣ変化幅ΔＳＯＣがいずれも対応する許容変化幅未満である場合、すなわち、ΔＩＢ＜ΔＩＢ_ｍａｘとの電流条件が成立し、かつ、ΔＴＢ＜ΔＴＢ_ｍａｘとの温度条件が成立し、かつΔＳＯＣ＜ΔＳＯＣ_ｍａｘとのＳＯＣ条件が成立する場合（Ｓ１１０においてＹＥＳ）、ＥＣＵ１００は、Ｓ１０２にてメモリ１００Ｂに格納されたデータ（電圧ＶＢおよび電流ＩＢ）に対してＦＦＴを実施する（Ｓ１２０）。さらに、ＥＣＵ１００は、周波数域にインピーダンス成分を算出する（Ｓ１３０）。各周波数域のインピーダンス成分は、その周波数域の電圧ＶＢと電流ＩＢとの比（ＶＢ／ＩＢ）により算出することができる（インピーダンス成分の詳細な算出式については、たとえば特許文献１を参照）。

図１０は、インピーダンス成分の算出結果の一例を示す図である。図１０において、横軸は、周波数を対数目盛りで示す。低周波域は、たとえば０．００１Ｈｚ以上かつ０．１Ｈｚ未満の周波数域である。中周波域は、たとえば１Ｈｚ以上かつ１０Ｈｚ未満の周波数域である。高周波域は、たとえば１００Ｈｚ以上かつ１ｋＨｚ未満の周波数域である。図１０の縦軸は、インピーダンスを示す。

図１０に示すように、各周波数域において、周波数が異なる多数のインピーダンス成分が算出される。そのため、ＥＣＵ１００は、低周波域、中周波域および高周波数域の各々について、多数のインピーダンス成分からインピーダンス成分の代表値を決定する。

たとえばインピーダンス成分の最大値を代表値とする場合には、ＥＣＵ１００は、低周波域におけるインピーダンス成分の最大値を低周波インピーダンス成分ＺＬに決定する。また、中周波域におけるインピーダンス成分の最大値を中周波インピーダンス成分ＺＭに決定するとともに、高周波域におけるインピーダンス成分の最大値を高周波インピーダンス成分ＺＨに決定する。なお、最大値を代表値とすることは一例であり、各周波数域内における多数のインピーダンス成分の平均値を代表値としてもよい。

なお、インピーダンス成分の算出では以下の要因による誤差が生じ得る。すなわち、電圧センサ２１からの信号および電流センサ２２からの信号の各々にホワイトノイズが重畳し得る。また、電圧センサ２１からの信号のＥＣＵ１００による取得タイミングと、電流センサ２２からの信号の取得タイミングとが完全には一致せず、ずれが生じ得る。

このようなノイズの影響を低減するための対策として、連続する複数のデータ取得期間に取得されたデータから算出されたインピーダンス成分の間で、周波数毎にインピーダンス成分の平均化処理を行なうことが好ましい。たとえば、データ取得期間Ｐ_ｎに取得されたデータから算出されたある周波数のインピーダンス成分と、データ取得期間Ｐ_ｎ＋１に取得されたデータから算出された同じ周波数のインピーダンス成分との平均値を算出する。一例として、周波数０．０１Ｈｚに関し、２つのデータ取得期間Ｐ_ｎ，Ｐ_ｎ＋１におけるインピーダンス成分の平均値を算出する。このように平均値を算出した後に、上記した代表値の算出（たとえば、各周波数域内で周波数が異なる多数のインピーダンス成分の平均化処理）を行なうことができる。

また、この平均化処理に用いられるデータのデータ取得期間について、連続するデータ取得期間であると説明した。これは、連続するデータ取得期間であれば、バッテリ１０の使用条件、すなわち電流ＩＢ、温度ＴＢおよびＳＯＣが同等である可能性が高いためである。しかし、同等の使用条件下（電流ＩＢ、温度ＴＢおよびＳＯＣの差がいずれも所定値以下との条件下）で取得されたデータであれば、データ取得期間が連続していることは必須ではない。たとえば、ある日の走行中に取得されたデータと次の日の走行中に取得されたデータとを用いて平均化処理を行なってもよい。

図７に戻り、各波数域におけるインピーダンス成分の算出後には、ＥＣＵ１００は、メモリ１００Ｂに格納されたデータを破棄（消去）する（Ｓ１４０）。

これに対し、Ｓ１１０において電流変化幅ΔＩＢ、温度変化幅ΔＴＢおよびＳＯＣ変化幅ΔＳＯＣのうちの１つでも対応する許容変化幅よりも大きい場合、すなわち、ΔＩＢ≧ΔＩＢ_ｍａｘ、ΔＴＢ≧ΔＴＢ_ｍａｘおよびΔＳＯＣ≧ΔＳＯＣ_ｍａｘのうちの少なくとも１つの関係式が成立する場合（Ｓ１１０においてＮＯ）には、ＥＣＵ１００は、Ｓ１２０，Ｓ１３０の処理をスキップして処理をＳ１４０に進め、メモリ１００Ｂに格納されたデータを破棄する。

Ｓ１９０において、ＥＣＵ１００は、Ｓ１３０にて算出された各周波数域内でのインピーダンス成分に基づいて、バッテリ１０の劣化状態を判定するための処理を実行する（Ｓ１９０）。以下、この処理を「劣化判定処理」とも称する。

より具体的には、Ｓ１９２において、ＥＣＵ１００は、バッテリ１０の劣化状態を判定することが可能か否かを判定する（Ｓ１９２）。たとえば、バッテリ１０の劣化状態を高精度に推定するために推定に複数回のインピーダンス成分の算出結果が用いられる場合には、必要回数の算出結果が得られているときにバッテリ１０の劣化状態が判定可能であると判定される。バッテリ１０の劣化状態を判定可能な場合（Ｓ１９４においてＹＥＳ）、ＥＣＵ１００は、各周波数域におけるバッテリ１０の劣化状態を判定する（Ｓ１９４）。バッテリ１０の劣化状態が判定可能でない場合（Ｓ１９４においてＮＯ）には、ＥＣＵ１００は、各周波数域におけるバッテリ１０の劣化状態を判定することなく、処理をメインルーチンへと戻す。

バッテリ１０の劣化状態の判定後のＥＣＵ１００は、劣化状態に応じた制御をさらに実行してもよい。一例として、各周波数域におけるインピーダンス成分には、第１の基準値と、第１の基準値よりも高い第２の基準値とが予め定められている。いずれかの周波数域においてインピーダンス成分が第１の基準値よりも高い場合には、ＥＣＵ１００は、バッテリ１０の劣化が進行しつつある（バッテリ１０の劣化がある程度進行している）と判定する。この場合、ＥＣＵ１００は、たとえばバッテリ１０の充放電を抑制することができる。具体的には、ＥＣＵ１００は、インピーダンス成分が第１の基準値未満の場合と比べて、バッテリ１０の充放電電力の制限上限値（充電電力制御上限値および放電電力制御上限値）を低く設定する。これにより、バッテリ１０の劣化のさらなる進行を抑制したり、バッテリ１０の劣化速度を低減したりすることができる。

また、いずれかの周波数域においてインピーダンス成分が第２の基準値よりも高い場合には、ＥＣＵ１００は、バッテリ１０が大きく劣化していると判定する。そのため、ＥＣＵ１００は、バッテリ１０の充放電を速やかに停止するための制御を実行する。たとえば、ＥＣＵ１００は、車両１をフェールセーフモードへと遷移させ、ディーラまたは修理工場等へと車両１を持ち込んで適切な点検を受けるように車両１のユーザに報知する。

劣化判定処理の実行後には、図７に示した一連の処理が所定周期毎に実行される。その結果、今回のデータ取得期間Ｐ_ｎの以降のデータ取得期間Ｐ_ｎ＋１，Ｐ_ｎ＋２，・・・（図８参照）においても同様の処理が繰り返し実行されることになる。

以上のように、実施の形態１によれば、バッテリ１０のインピーダンスが電流依存性、温度依存性およびＳＯＣ依存性を有する点に着目し、データ取得期間中にバッテリ１０の電流ＩＢ、温度ＴＢおよびＳＯＣがいずれも大きく変化していない場合にインピーダンスが算出される。言い換えれば、データ取得期間中にバッテリ１０の電流ＩＢ、温度ＴＢおよびＳＯＣのうちの少なくとも１つが対応する許容変化幅（ΔＩＢ_ｍａｘ，ΔＴＢ_ｍａｘ，ΔＳＯＣ_ｍａｘ）よりも大きく変化した場合には、そのデータ取得期間に取得されたデータ（電圧ＶＢおよび電流ＩＢ）はＦＦＴの対象から外され、インピーダンスの算出には用いられない。これにより、バッテリ１０のインピーダンスの算出結果に電流依存性、温度依存性およびＳＯＣ依存性を適切に反映させることが可能になるので、バッテリ１０の劣化状態の推定精度を向上させることができる。

なお、実施の形態１では、ハイブリッド車である車両１の走行中に生じる不規則な電流波形（および電圧波形）を用いてバッテリ１０のインピーダンス成分を算出する構成について説明した。図示しないが、車両１がプラグインハイブリッド車または電気自動車である場合、すなわち、車両外部に設けられた電源（外部電源）から供給される電力によりバッテリ１０を充電可能な構成（いわゆる外部充電が可能な構成）を車両１が有する場合には、外部充電時に外部電源から供給される電流波形によりインピーダンス成分を算出してもよい。外部電源からの一定の電流波形の電力を供給するのに代えて、周波数域が低周波域〜高周波域に亘る電流波形（サイン波、矩形波または三角波など）とすることによって、各周波数域におけるインピーダンス成分を算出することが可能になる。

温度ＴＢが低い場合（たとえば氷点下の場合）には、劣化速度ＤＬ，ＤＭ，ＤＨの電流依存性およびＳＯＣ依存性の影響が大きくなり得る。そうすると、電流およびＳＯＣのわずかな誤差に伴い、インピーダンスの算出結果が大きく変化することになり、インピーダンスの算出精度が低くなる可能性がある。

そこで、たとえば、車両１のバッテリ１０に昇温装置（たとえば図示しない電気ヒータ）が設けられている場合には、インピーダンス成分の算出に先立ち昇温装置を動作させることによって、バッテリ１０の温度ＴＢを上昇させてもよい。あるいは、バッテリ１０にリップル電流を印加し、それに伴うバッテリ１０の発熱（ジュール熱の発生）により、バッテリ１０の温度ＴＢを上昇させてもよい。これにより、インピーダンスの電流依存性およびＳＯＣ依存性の影響が減少するので、インピーダンスの算出精度を向上させることができる。

［実施の形態１の変形例１］
高周波域のインピーダンス成分を算出するためには、データのサンプリング周期を短くすることを要する。たとえば、周波数１ｋＨｚにおけるインピーダンス成分を算出する場合、サンプリング周期は１ｍｓ以下（好ましくは０．５ｍｓ以下）に設定される。一方、低周波域のインピーダンス成分の算出には、長期間データを取得（サンプリング）してメモリ１００Ｂに格納することが要求される。たとえば、周波数１０ｍＨｚにおけるインピーダンス成分を算出するためには、少なくとも１００秒のデータをメモリ１００Ｂに格納しなければならない。

高周波域のインピーダンス成分および低周波域のインピーダンス成分の両方の算出が求められる場合、たとえば１ｍｓ以下のサンプリング周期で取得された１００秒以上のデータをメモリ１００Ｂに格納することも考えられる。しかしながら、その場合、大容量のメモリ１００Ｂが必要になり、部材コストが増大してしまう可能性がある。このような課題に対処するため、実施の形態１の変形例１においては、メモリ１００Ｂの記憶容量を削減可能な構成について説明する。

図１１は、実施の形態１の変形例１におけるデータ取得手法を説明するための概念図である。図１１において、横軸は経過時間を示し、縦軸はバッテリ１０の電流ＩＢを示す。図１１では、車両１の走行中に電流ＩＢが図１１（Ａ）に示すように不規則に変化した場合を例に説明する。

高周波インピーダンス成分ＺＨを算出するためには、サンプリング周期を密にしなければならない一方で、長時間のデータ取得は必要とされない。逆に、低周波域のインピーダンス成分の算出には、長時間のデータ取得が要求される一方で、サンプリング周期は密でなくてよい。そのため、本変形例では、図１１（Ｂ）に示すように、データ取得期間Ｐ_ｎ中に高周波数で密に取得されたデータ（電圧ＶＢおよび電流ＩＢの測定結果）がメモリ１００Ｂに格納される。そして、データ取得期間Ｐ_ｎが経過した時点で、データ取得期間Ｐ_ｎ中に取得されたデータに基づいて高周波インピーダンス成分ＺＨが算出される。

その後、密なサンプリング周期で取得されたデータを所定の規則に従って部分的に破棄することによってデータ量を削減する処理、いわばデータの間引き処理が実行される。具体例を挙げて説明すると、サンプリング周期１ｍｓで取得されたデータに対して、たとえば１個のデータを残しつつ、そのデータに続く９９９個のデータについては破棄する処理を繰り返す。これにより、サンプリング周期が１ｍｓである密なデータを、サンプリング周期が１秒である疎なデータへと変換することができる。そして、変換後のデータ（間引き処理後のデータ）がメモリ１００Ｂに格納される。

続くデータ取得期間Ｐ_ｎ＋１〜Ｐ_ｎ＋ｋ（ｋは自然数）においても上述の手法と同様にデータの間引き処理が行なわれ、間引き処理後のデータがメモリ１００Ｂに格納される（図１１（Ｃ）参照）。そして、データ取得期間Ｐ_ｎ〜Ｐ_ｎ＋ｋにメモリ１００Ｂに格納された間引き処理後のデータに基づいて、低周波インピーダンス成分ＺＬが算出される。低周波インピーダンス成分ＺＬの算出後には、すべてのデータが破棄される。

なお、たとえば図２に示したように、バッテリ１０の温度ＴＢおよびＳＯＣは、電圧ＶＢおよび電流ＩＢと比べて、不規則な変化が起こりにくい。そのため、温度ＴＢおよびＳＯＣについてはサンプリング周期を十分に長くすることができる。

以下では、サンプリング周期が密なデータ（間引き処理前のデータ）に基づいて中周波インピーダンス成分ＺＭが算出される例について説明する。しかし、中周波インピーダンス成分ＺＭは、サンプリング周期が疎なデータ（間引き処理後のデータ）に基づいて算出されてもよい。

図１２は、実施の形態１の変形例１におけるバッテリ１０の劣化状態の判定方法を示すフローチャートである。図１２を参照して、このフローチャートは、Ｓ１２０〜Ｓ１４０の処理に代えてＳ２２０〜Ｓ２６０の処理を含む点において、実施の形態１におけるフローチャート（図７参照）と異なる。Ｓ２００の判定準備処理は、実施の形態１における判定準備処理（Ｓ１００の処理）と同等である。

Ｓ２１０において、ＥＣＵ１００は、Ｓ２００の判定準備処理の結果に基づいて、すべての変化幅（ΔＩＢ，ΔＴＢ，ΔＳＯＣ）が対応する許容変化幅（ΔＩＢ_ｍａｘ，ΔＴＢ_ｍａｘ，ΔＳＯＣ_ｍａｘ）未満であるか否かを判定する。電流変化幅ΔＩＢ、温度変化幅ΔＴＢおよびＳＯＣ変化幅ΔＳＯＣのうちの少なくとも１つが対応する許容変化幅以上である場合（Ｓ２１０においてＮＯ）には、ＥＣＵ１００は、ＦＦＴを実施することなく、判定準備処理にてメモリ１００Ｂに格納されたデータ（電圧ＶＢ、電流ＩＢ、温度ＴＢの取得結果およびＳＯＣの算出結果）を破棄する（Ｓ２６０）。その後、処理はＳ２９０に進められ、劣化判定処理が実行される。劣化判定処理（Ｓ２９０の処理）は、実施の形態１における劣化判定処理（Ｓ１９０の処理）と同等である。

電流変化幅ΔＩＢ、温度変化幅ΔＴＢおよびＳＯＣ変化幅ΔＳＯＣがいずれも対応する許容変化幅未満である場合、すなわち、ΔＩＢ＜ΔＩＢ_ｍａｘかつΔＴＢ＜ΔＴＢｍａｘかつΔＳＯＣ＜ΔＳＯＣｍａｘとの関係式が成立する場合（Ｓ２１０においてＹＥＳ）、ＥＣＵ１００は、判定準備処理にてメモリ１００Ｂに格納されたデータに対してＦＦＴを実施する（Ｓ２２０）。さらに、ＥＣＵ１００は、中周波インピーダンス成分ＺＭと、高周波インピーダンス成分ＺＨとを算出する（Ｓ２２２）。

Ｓ２３０において、ＥＣＵ１００は、高周波数のサンプリング周期で取得されたデータ（以下「高周波数データ」とも称する）の間引き処理を実行する。そして、ＥＣＵ１００は、間引き処理後の低周波数のサンプリング周期のデータ（以下「低周波数データ」とも称する）をメモリ１００Ｂに格納する。この処理については図１１にて詳細に説明したため、説明は繰り返さない。

Ｓ２４０において、ＥＣＵ１００は、必要量の低周波数データがメモリ１００Ｂに格納されているか否かを判定する。必要量の低周波数データが格納されている場合、たとえば図１１に示した例では、データ取得期間Ｐ_ｎ〜Ｐ_ｎ＋ｋに亘る低周波数データが格納されている場合（Ｓ２４０においてＹＥＳ）、ＥＣＵ１００は、その低周波数データに対してＦＦＴを実施する（Ｓ２５０）。さらに、ＥＣＵ１００は、低周波インピーダンス成分ＺＬを算出する（Ｓ２５２）。インピーダンス成分ＺＬの算出後に、ＥＣＵ１００は、メモリ１００Ｂに格納された低周波数データを破棄する（Ｓ２５４）。

なお、Ｓ２４０にて必要量の低周波数データがメモリ１００Ｂに格納されていない場合（Ｓ２４０においてＮＯ）には、ＥＣＵ１００は、Ｓ２５２〜Ｓ２５６の処理をスキップする。これにより、低周波数データが必要量に達するまで、以降のデータ取得期間に高周波数データの間引き処理（Ｓ２３０の処理）が繰り返し実行される。

以上のように、実施の形態１の変形例１によれば、実施の形態１と同様に、データ取得期間中にバッテリ１０の電流ＩＢ、温度ＴＢおよびＳＯＣのうちの少なくとも１つが対応する許容変化幅よりも大きく変化した場合には、そのデータ取得期間に取得されたデータはＦＦＴの対象から外され、インピーダンスの算出には用いられない。これにより、インピーダンスの算出精度を向上させ、その結果、バッテリ１０の劣化状態の推定精度を向上させることができる。

さらに、実施の形態１の変形例１によれば、高周波インピーダンス成分ＺＨの算出のために密なサンプリング周期で取得されたデータ（高周波数データ）に対して間引き処理が実行され、間引き処理後のデータ（低周波数データ）がメモリ１００Ｂに格納される。そして、複数のデータ取得期間に亘ってメモリ１００Ｂに格納された低周波数データに基づいて、低周波インピーダンス成分ＺＬが算出される。これにより、低周波インピーダンス成分ＺＬの算出のためにメモリ１００Ｂに格納されるデータ量が削減される。したがって、メモリ１００Ｂの記憶容量を削減し、部材コストの増大を抑制することができる。

［実施の形態１の変形例２］
低周波域、中周波域および高周波域のすべての周波数域のインピーダンス成分を常に算出することは必須ではない。実施の形態１の変形例２においては、いずれかの周波数域のインピーダンス成分について算出が行なわれない期間が設けられている構成について説明する。

図１３は、実施の形態１の変形例２におけるデータ取得手法を説明するための概念図である。図１３を参照して、変形例２において、低周波インピーダンス成分ＺＬは、定常的に算出される。低周波インピーダンス成分ＺＬしか算出されないデータ取得期間においては、サンプリング周期が比較的長く（粗に）設定される。

一方、高周波インピーダンス成分ＺＨは、たとえばｍ（ｍは２以上の自然数）回のデータ取得期間が経過する毎に１回だけ算出される。高周波インピーダンス成分ＺＨの変化が生じるのに要する時間が長いほど、定数ｍを大きく設定することができる。高周波インピーダンス成分ＺＨが算出されるデータ取得期間（図１３ではＰ_ｎ＋２）においては、低周波インピーダンス成分ＺＬしか算出されないデータ取得期間（図１３ではＰ_ｎ，Ｐ_ｎ＋１）と比べて、サンプリング周期が短く（密に）設定される。

なお、図示しないが、中周波インピーダンス成分ＺＭは、低周波インピーダンス成分ＺＬのように定常的に算出されてもよいし、高周波インピーダンス成分ＺＨのように非定常的（定期的）に算出されてもよい。

以上のように、実施の形態１の変形例２によれば、高周波インピーダンス成分ＺＨは、ｍ回のデータ取得期間毎にしか算出されない。これにより、高周波インピーダンス成分ＺＨを算出するためにサンプリング周期を常に高く設定しなくてもよくなるので、メモリ１００Ｂに格納されるデータ量が削減される。したがって、メモリ１００Ｂの記憶容量を削減し、部材コストの増大を抑制することができる。

［実施の形態２］
車両１の走行中における電流ＩＢは基本的に不規則であるものの、電流波形には車両１の走行状況が反映され得る。実施の形態２においては、車両１の走行状況に応じて、データのサンプリング周期を切り替える構成について説明する。実施の形態２における車両の全体構成および二次電池システムの構成は、実施の形態１における構成（図１および図２参照）と同等であるため、詳細な説明は繰り返さない。

図１４は、車両１の走行中におけるバッテリ１０の電流ＩＢの時間変化の一例を示す図である。図１４では、横軸に経過時間が示され、縦軸に電流ＩＢが示されている。

図１４を参照して、車両１が、たとえば市街地を走行している場合には、電流ＩＢの充電方向（負方向）への変化と放電方向（正方向）への変化とが短期間に繰り返されることが多い。このようにバッテリ１０の充放電が頻繁に切り替わる場合の電流波形には高周波成分が多く含まれているので、高周波インピーダンス成分ＺＨの算出に適している。

これに対し、車両１が、たとえば高速道路を走行している場合には、車両１が市街地を走行している場合と比べて、バッテリ１０の充放電が切り替わりにくいとの特徴があり、比較的狭い電流範囲内での充放電が長期間継続しやすい。このときの電流波形には低周波成分が多く含まれているので、低周波インピーダンス成分ＺＬの算出に適している。

図１５は、実施の形態２におけるバッテリ１０の劣化状態の判定方法を示すフローチャートである。図１５を参照して、このフローチャートは、Ｓ２２０〜Ｓ２５４の処理に代えてＳ３２０〜Ｓ３７４の処理を含む点において、実施の形態１の変形例１におけるフローチャート（図１２参照）と異なる。Ｓ３００，Ｓ３１０，Ｓ３８０，Ｓ３９０の処理は、実施の形態１の変形例１におけるＳ２００，Ｓ２１０，Ｓ２６０，Ｓ２９０の処理とそれぞれ同等である。

Ｓ３１０にて電流変化幅ΔＩＢ、温度変化幅ΔＴＢおよびＳＯＣ変化幅ΔＳＯＣがいずれも対応する許容変化幅未満である場合（Ｓ３１０においてＹＥＳ）、ＥＣＵ１００は、処理をＳ３２０に進め、データ取得期間Ｐ_ｎにおける電流変動回数を算出する。電流変動回数とは、電流ＩＢが所定の電流範囲（図１４参照）から外れた回数である。

電流変動回数が所定数以上である場合（Ｓ３３０においてＹＥＳ）、ＥＣＵ１００は、車両１が市街地を走行しており、高周波インピーダンス成分ＺＨの算出に適した電流波形が得られるとして、メモリ１００Ｂに格納されたデータ（電圧ＶＢ、電流ＩＢ、温度ＴＢの取得結果およびＳＯＣの算出結果）に対してＦＦＴを実施する（Ｓ３４０）。さらに、ＥＣＵ１００は、中周波インピーダンス成分ＺＭと、高周波インピーダンス成分ＺＨとを算出する（Ｓ３４２）。その後、ＥＣＵ１００は、メモリ１００Ｂに格納された高周波数データを破棄する（Ｓ３４４）。

これに対し、Ｓ４３０にて電流変動回数が所定数未満である場合（Ｓ３３０においてＮＯ）、ＥＣＵ１００は、車両１が高速道路を走行しており、低周波インピーダンス成分ＺＬの算出に適した電流波形が得られるとして、高周波数データの間引き処理を実行する（Ｓ３５０）。この間引き処理は、実施の形態１の変形例１にて説明した処理（図１１参照）と同等である。ＥＣＵ１００は、間引き処理後の低周波数データをメモリ１００Ｂに格納する。以下のＳ３６０〜Ｓ３７４の処理は、実施の形態１の変形例１におけるＳ２４０〜Ｓ２５４の処理とそれぞれ同等である。よって、詳細な説明は繰り返さない。

以上のように、実施の形態２によれば、判定準備処理およびそれに続く許容変化幅との比較処理（Ｓ３００，Ｓ３１０，Ｓ３８０の処理）により、実施の形態１（および変形例１，２）と同様に、バッテリ１０の劣化状態の推定精度を向上させることができる。さらに、実施の形態２によれば、電流ＩＢの変動（電流変動回数の大小）に基づいて、取得された電流波形が高周波インピーダンス成分ＺＨおよび低周波インピーダンス成分ＺＬのいずれの算出に適しているかが判定される。これにより、インピーダンス成分の算出精度が向上するので、バッテリ１０の劣化状態の推定精度を一層向上させることができる。

なお、実施の形態２では、電流変動回数に基づいて車両１の現在地が市街地であるか高速道路であるかを判定する例を説明した。しかし、車両１にカーナビゲーションシステム（図示せず）が搭載されている場合には、カーナビゲーションシステムの地図データおよびＧＰＳ（Global Pointing System）機能を用いて車両１の現在地を特定してもよい。また、車両１の周囲の他の車両（または設備）との通信により、車両１の現在地を特定してもよい。

［実施の形態３］
実施の形態３においては、バッテリ１０のインピーダンスの算出頻度が周波数域毎に設定される構成について説明する。なお、インピーダンスの算出頻度とは、所定期間にインピーダンス（ある周波数域のインピーダンス成分）が算出される回数を意味する。実施の形態３における車両の全体構成および二次電池システムの構成は、実施の形態１における構成（図１および図２参照）と同等であるため、詳細な説明は繰り返さない。

図１６は、実施の形態３における各周波数域のインピーダンス成分の算出頻度の設定手法を説明するための図である。図１６および後述する図１８において、横軸は経過時間の平方根を示す。縦軸は、インピーダンス成分ＺＬ，ＺＭ，ＺＨの増加率（インピーダンス増加率）を示す。インピーダンス増加率とは、初期状態におけるインピーダンス成分に対する（ある時点での）インピーダンス成分の比を意味する。

図１６を参照して、横軸を経過時間の平方根にとると、インピーダンス増加率は直線により表される。ただし、横軸を経過時間の平方根にとることは例示に過ぎず、横軸は、グラフ上にプロットした場合にインピーダンス増加率が直線により表されるように適宜設定される。

図１６に示すような直線の関係が成立する場合、低周波インピーダンス成分ＺＬの増加率を示す直線の傾きを低周波域におけるバッテリ１０の「劣化速度」と定義し、劣化速度ＤＬと記載する。同様に、中周波インピーダンス成分ＺＭの増加率を示す直線の傾きを、中周波域におけるバッテリ１０の劣化速度ＤＭと記載する。また、高周波インピーダンス成分ＺＨの増加率を示す直線の傾きを、高周波域におけるバッテリ１０の劣化速度ＤＨと記載する。

劣化速度ＤＬ，ＤＭ，ＤＨの各々は、事前の測定により求められ、メモリ１００Ｂに記憶されている。一般に、バッテリの劣化の進行度合いは、バッテリの使用条件（使用環境）に応じて異なる。たとえば、車両が高温地域を走行する場合には、車両が穏やかな気候の地域または寒冷地域を走行する場合と比べて、バッテリの劣化が進行しやすい。そのため、実施の形態３では、バッテリ１０の使用条件（温度ＴＢ、電流ＩＢおよびＳＯＣ）と劣化速度との対応関係が劣化速度ＤＬ，ＤＭ，ＤＨ毎に測定される。そして、この対応関係の測定結果に基づいて、劣化速度の温度依存性、電流依存性およびＳＯＣ依存性を示すマップ（図示せず）が作成され、メモリ１００Ｂに記憶される。これにより、車両１の使用条件に応じた適切な劣化速度を用いて、インピーダンス成分の算出頻度を周波数域毎に設定することが可能になる。

実施の形態３においては、低周波インピーダンス成分ＺＬの算出頻度をＦＬと記載し、中周波インピーダンス成分ＺＭの算出頻度をＦＭと記載し、高周波インピーダンス成分ＺＨの算出頻度をＦＨと記載する。各算出頻度ＦＬ，ＦＭ，ＦＨは、劣化速度が速いほど高くなるように設定される。

より具体的には、算出頻度ＦＬ，ＦＭ，ＦＨは、劣化速度ＤＬ，ＤＭ，ＤＨにそれぞれ比例するように設定することができる。この場合、所定の係数αを用いて、算出頻度ＦＬ＝α×ＤＬ／（ＤＬ＋ＤＭ＋ＤＬ）と表し、算出頻度ＦＭ＝α×ＤＭ／（ＤＬ＋ＤＭ＋ＤＬ）と表し、算出頻度ＦＨ＝α×ＤＨ／（ＤＬ＋ＤＭ＋ＤＬ）と表すことができる。図１６に示す例では、劣化速度についてＤＬ＜ＤＭ＜ＤＨとの関係があるので、算出頻度ＦＬ，ＦＭ，ＦＨとの間にはＦＬ＜ＦＭ＜ＦＨとの関係が成立する。なお、ＤＬ＜ＤＭ＜ＤＨとの関係は例示に過ぎないことを確認的に記載する。

図１７は、実施の形態３におけるバッテリ１０の劣化状態の判定方法を示すフローチャートである。図１７を参照して、Ｓ４１０において、ＥＣＵ１００は、前回の低周波インピーダンス成分ＺＬの算出時から所定の期間ＴＬが経過したか否かを判定する。

前回の低周波インピーダンス成分ＺＬの算出時から期間ＴＬが経過している場合（Ｓ４１０においてＹＥＳ）、ＥＣＵ１００は、サンプリング周期をＳＬに設定するとともに、データ取得期間の長さ（データ取得期間長）をＰＬに設定する（Ｓ４１２）。

前回の低周波インピーダンス成分ＺＬの算出時から期間ＴＬが経過していない場合（Ｓ４１０においてＮＯ）、ＥＣＵ１００は、処理をＳ４２０に進め、前回の中周波インピーダンス成分ＺＭの算出時から所定の期間ＴＭが経過したか否かを判定する。前回の中周波インピーダンス成分ＺＭの算出時から期間ＴＭが経過している場合（Ｓ４２０においてＹＥＳ）、ＥＣＵ１００は、サンプリング周期をＳＭ（ただし、ＳＭ＜ＳＬ）に設定するとともに、データ取得期間長をＰＭ（ただし、ＰＭ＜ＰＬ）に設定する（Ｓ４２２）。

前回の中周波インピーダンス成分ＺＬの算出時から期間ＴＬが経過していない場合（Ｓ４２０においてＮＯ）、ＥＣＵ１００は、処理をＳ４３０に進め、前回の高周波インピーダンス成分ＺＨの算出時から所定の期間ＴＨが経過したか否かを判定する。前回の高周波インピーダンス成分ＺＨの算出時から期間ＴＨが経過している場合（Ｓ４３０においてＹＥＳ）、ＥＣＵ１００は、サンプリング周期をＳＨ（ただし、ＳＨ＜ＳＭ＜ＳＬ）に設定するとともに、データ取得期間長をＰＨ（ただし、ＰＨ＜ＰＭ＜ＰＬ）に設定する（Ｓ４３２）。

Ｓ４１２，Ｓ４２２，Ｓ４３２の処理のいずれかが終了すると、ＥＣＵ３００は、処理をＳ４４０に進め、判定準備処理を実行する。この判定準備処理は、実施の形態１における判定準備処理（図７のＳ１００の処理）と基本的に同等である。より詳細に説明すると、ＥＣＵ１００は、Ｓ４１２，Ｓ４２２，Ｓ４３２の処理にて設定されたデータ取得期間長（ＰＬ，ＰＭ，ＰＨのいずれか）だけ、設定されたサンプリング周期（ＳＬ，ＳＭ，ＳＨのいずれか）で電圧ＶＢ、電流ＩＢおよび温度ＴＢを取得する。また、ＥＣＵ１００は、所定の間隔でバッテリ１０のＳＯＣを推定する。そして、ＥＣＵ１００は、すべてのデータ（電圧ＶＢ、電流ＩＢ、温度ＴＢの取得結果およびＳＯＣの算出結果）をメモリ１００Ｂに一時的に格納する。さらに、ＥＣＵ１００は、データ取得期間における電流変化幅ΔＩＢ、温度変化幅ΔＴＢおよびＳＯＣ変化幅ΔＳＯＣを算出する。そして、ＥＣＵ１００は、マップＭＰ１（図９参照）を参照することによって、許容電流変化幅ΔＩＢ_ｍａｘ、許容温度変化幅ΔＴＢ_ｍａｘおよび許容ＳＯＣ変化幅ΔＳＯＣ_ｍａｘを取得する。

電流変化幅ΔＩＢ、温度変化幅ΔＴＢおよびＳＯＣ変化幅ΔＳＯＣがいずれも対応する許容変化幅（ΔＩＢ_ｍａｘ，ΔＴＢ_ｍａｘ，ΔＳＯＣ_ｍａｘ）未満である場合（Ｓ４５０においてＹＥＳ）、ＥＣＵ１００は、Ｓ４６０にてＦＦＴを実施する。さらに、ＥＣＵ１００は、Ｓ４１０〜Ｓ４３０にて選択された周波数域のインピーダンス成分を算出する（Ｓ４６２）。より詳細には、Ｓ４１０にて低周波域が選択され、Ｓ４１２の処理が実行された場合には、ＥＣＵ１００は、低周波インピーダンス成分ＺＬを算出する。Ｓ４２０にて中周波域が選択され、Ｓ４２２の処理が実行された場合には、ＥＣＵ１００は、中周波インピーダンス成分ＺＭを算出する。Ｓ４３０にて高周波域が選択され、Ｓ４３２の処理が実行された場合には、ＥＣＵ１００は、高周波インピーダンス成分ＺＨを算出する。

その後、ＥＣＵ１００は、メモリ１００Ｂに格納されたデータを破棄する（Ｓ４６４）。そして、ＥＣＵ１００は、バッテリ１０の劣化状態を判定するための劣化判定処理を実行する（Ｓ４９０）。劣化判定処理は、実施の形態１における劣化判定処理（Ｓ１９０の処理）と同等であるため、詳細な説明は繰り返さない。

図１６では、劣化速度ＤＬ，ＤＭ，ＤＨに事前の測定結果から求められた値を用いる例を説明したが、劣化速度ＤＬ，ＤＭ，ＤＨが固定値であることは必須ではない。たとえば車両１のユーザの運転傾向によっては、劣化速度ＤＬ，ＤＭ，ＤＨの車両１上での実際の算出値と設定値（事前の測定により求められた値）との間に誤差に生じる可能性がある。このような場合には、以下に説明するように、劣化速度ＤＬ，ＤＭ，ＤＨを適宜補正することができる。

図１８は、劣化速度ＤＨ，ＤＭ，ＤＬの補正手法を説明するための図である。図１８を参照して、ここでは、ある時刻ｔ０において、低周波インピーダンス成分ＺＬの設定値がＺＬ１であったのに対し、実際の算出値がＺＬ２であった場合を例に説明する。低周波インピーダンス成分ＺＬの誤差（ＺＬ２−ＺＬ１）が所定値よりも大きい場合には、低周波インピーダンス成分ＺＬの増加率を示す直線の傾き（劣化速度ＤＬ）が実際の算出値に基づいて補正される。

なお、ここでは低周波インピーダンス成分ＺＬの絶対誤差（ＺＬ２−ＺＬ１）に基づく補正を説明したが、実際の算出値と設定値との相対的な誤差（ＺＬ２−ＺＬ１）／ＺＬ２による補正も可能である。

以上のように、実施の形態３によれば、周波数域毎に、劣化速度が速いほどインピーダンス成分の算出頻度が高く設定される。すなわち、インピーダンス成分の増加速度が速いほどインピーダンス成分が高頻度に算出される。これにより、たとえばインピーダンス成分が急激に増加した場合であっても、その増加を速やかに検出することができる。その結果、インピーダンス成分の過度の増加を抑制するための制御を適切なタイミングで実行することが可能になる。

逆の視点から説明すると、劣化速度が比較的遅い場合にはインピーダンス成分の急激な増加も起こりにくいので、インピーダンス成分を高頻度に算出しなくてもよい。そのため、実施の形態３によれば、劣化速度が比較的遅い場合にはインピーダンス成分の算出頻度が低く設定される。これにより、ＥＣＵ１００の演算負荷を低減し、ＥＣＵ１００の計算資源（リソース）を効果的に用いることができる。

［実施の形態３の変形例］
実施の形態３では、各周波数域におけるインピーダンス成分の算出対象がバッテリ１０である旨を説明した。しかし、これは説明を容易にするためであり、バッテリ１０には、図２に示したように複数のセル１１が含まれる。一般に、車両に搭載される二次電池システムに含まれるセル数は、数十〜数百程度もある。そのため、すべてのセル１１について、実施の形態３にて説明したようなインピーダンスの算出を並行して実行することは、ＥＣＵ１００の計算資源あるいはコストの面から難しい。そこで、実施の形態３の変形例においては、たとえばブロック１０１〜１０Ｍ単位でインピーダンス成分が順次算出される。

図１９は、実施の形態３の変形例におけるデータ取得手法を説明するための概念図である。図１９を参照して、実施の形態２の変形例では、まずブロック１０１について、各周波数域のインピーダンス成分が算出される。続いて、ブロック１０２について各周波数域のインピーダンス成分が算出される。その後、残りのブロック１０３〜１０Ｍについても同様に各周波数域のインピーダンス成分が算出される。図示しないが、ブロック１０Ｍのインピーダンス成分の算出が終了すると、ブロック１０１のインピーダンス成分の算出が再び行なわれる。

図２０は、実施の形態３の変形例における他のデータ取得手法を説明するための概念図である。図２０において、横軸はブロック番号を示す。縦軸は、上から順に、ブロック１０１〜１０Ｍのインピーダンス（周波数域毎のインピーダンス成分のうちの少なくとも１つ）および算出頻度を示す。

図２０に示すように、ブロックのインピーダンスが高いほど、そのブロックのインピーダンスの算出頻度を高く設定してもよい。図２０に示す例では、ブロック１０１，１０２，１０Ｍのうちブロック１０１のインピーダンスが最も高いので、ブロック１０１のインピーダンスの算出頻度が最も高く設定される。ブロック１０Ｍのインピーダンスが次に高いので、ブロック１０Ｍのインピーダンスの算出頻度が２番目に高く設定される。ブロック１０２のインピーダンスが最も低いので、ブロック１０２のインピーダンスの算出頻度が最も低く設定される。

このように、インピーダンスが高いほどインピーダンスの算出頻度を高く設定することにより、インピーダンスが高くなったブロックを、より重点的に監視することができる。したがって、たとえば、インピーダンスが高くなったブロックのインピーダンスがさらに増加した場合には、その増加を速やかに検出して、インピーダンスの過度の増加を抑制するための制御を実行することが可能になる。

図２１は、実施の形態３の変形例におけるさらに他のデータ取得手法を説明するための概念図である。図２１において、横軸はブロック番号を示す。縦軸は、上から順に、ブロックの温度ＴＢおよびインピーダンスの算出頻度を示す。

図２１を参照して、バッテリ１０内のブロックの間には、温度分布の偏りが生じていたりＳＯＣ分布の偏りが生じていたりする可能性がある。ブロック間に温度分布の偏りが生じていた場合、温度が高いブロックほど劣化の進行が速い可能性が高いので、インピーダンスの算出頻度が高く設定される。図２１に示す例では、ブロック１０１，１０２，１０Ｍのうちブロック１０２の温度ＴＢが最も高いので、ブロック１０２のインピーダンスの算出頻度が最も高く設定される。ブロック１０１の温度ＴＢが次に高いので、ブロック１０１のインピーダンスの算出頻度が２番目に高く設定される。ブロック１０Ｍの温度ＴＢが最も低いので、ブロック１０Ｍのインピーダンスの算出頻度が最も低く設定される。

このように、高温のブロックほどインピーダンスの算出頻度を高く設定することにより、温度上昇に伴い劣化が進行しやすくなったブロックを、より重点的に監視することができる。

ここでは、ブロック間の温度分布に偏りが生じた例を説明したが、ブロック毎のＳＯＣの違いに応じてインピーダンスの算出頻度を設定してもよい。まず、事前の測定により、ＳＯＣと劣化の進行度合いとの相関関係が求められる。そして、劣化の進行が速くなりやすいＳＯＣのブロックほど（典型的には高ＳＯＣのブロックほど）インピーダンスの算出頻度を高くする。

また、図２では電流センサ２２がバッテリ１０に１つだけ設けられた構成を例に説明した。しかし、バッテリ１０内に複数の電流センサが設けられた構成の場合には、電流センサの検出値に応じてインピーダンスの算出頻度を設定してもよい。まず、事前の測定により、電流との劣化の進行度合いとの相関関係が求められる。そして、劣化の進行が速くなりやすい電流が流れているブロックまたはセル（典型的には大電流が流れているブロックまたはセル）ほどインピーダンスの算出頻度が高く設定される。

さらに、図１９〜図２１では、ブロック単位でインピーダンスを算出する例について説明したが、算出単位はブロックに限定されない。たとえば、隣接する複数のブロック単位でインピーダンス成分を算出してもよい。その場合、インピーダンスの算出に用いる電圧としては、複数のブロックの電圧ＶＢの平均値（最大値または最小値であってもよい）が用いられる。また、セル数を均等に分割する必要はなく、ブロックとは異なる単セルまたは２以上のセル単位でインピーダンスを算出してもよい。

実施の形態３の変形例においても、実施の形態１の図１０での説明と同様に、複数のデータ取得期間のデータから算出されたインピーダンス成分の間で、ノイズの影響を低減するための平均化処理（時間的な平均化処理）を行なうことができる。また、ブロック単位またはセル単位でインピーダンス成分が算出される場合には、複数のブロックまたは複数のセルの間でインピーダンス成分の平均化処理（空間的な平均化処理）を行なうことで、ノイズの影響を一層低減することができる。その場合、二次電池の劣化に影響を与える重要なパラメータが温度であるところ、隣接する複数のブロック（またはセル）の間では温度が近いことが多いので、隣接する複数のブロック（またはセル）を平均化処理の単位とすることが好ましい。

［実施の形態４］
一般に、バッテリに大電流が一定期間流れると、バッテリの発熱によりバッテリ内の温度分布に偏りが生じ得るとともに、バッテリ内（より詳細にはセル内）における電解液中の塩濃度分布または活物質中の電荷輸送物質の濃度分布（以下、「濃度分布」と包括的に示す）にも偏りが生じ得る。このような偏りが生じた状態でのインピーダンスの算出結果は、偏りがほとんど生じていない状態での算出結果とは異なる可能性がある。つまり、温度分布または濃度分布に偏りが生じた状態では、インピーダンス成分の算出精度が低下する可能性がある。実施の形態４においては、温度分布および濃度分布の偏りの影響を考慮して周波数域毎のインピーダンス成分を算出する構成について説明する。なお、実施の形態４における車両の全体構成および電池システムの構成は、実施の形態１における構成（図１参照）と同等であるため、詳細な説明は繰り返さない。

図２２は、実施の形態４におけるバッテリ１０の劣化状態の判定方法を説明するためのタイムチャートである。図２２において、横軸は経過時間を示す。縦軸は、上から順に、バッテリ１０の電流ＩＢおよび電流積算値Ｉ_ｉｎｔを示す。積算電流値Ｉ_ｉｎｔとは、直近の所定期間における電流ＩＢが積算された値（単位：Ａ・ｓ）を意味する。積算電流値Ｉ_ｉｎｔは、本開示に係る「パラメータ」に相当する。積算電流値Ｉ_ｉｎｔには、禁止しきい値ＴＨ１と、禁止しきい値ＴＨ１よりも小さな再開しきい値ＴＨ２とが設定されている。

図２３は、禁止しきい値ＴＨ１および再開しきい値ＴＨ２未満を設定するためのマップＭＰ２の一例を示す図である。図２３に示すように、たとえば、バッテリ１０の平均温度Ｔ_ａｖｅの範囲毎に、禁止しきい値ＴＨ１および再開しきい値ＴＨ２を定めることができる。なお、具体的な数値は、マップＭＰ２の理解を容易にするための例示である。

図２２に戻り、時刻ｔ１において積算電流値Ｉ_ｉｎｔが禁止しきい値ＴＨ１以上になると、周波数域毎のインピーダンス成分の算出が禁止される。より具体的には、データの変化幅（ΔＩＢ，ΔＴＢ，ΔＳＯＣ）の算出も許容変化幅（ΔＩＢ_ｍａｘ，ΔＴＢ_ｍａｘ，ΔＳＯＣ_ｍａｘ）の算出も行なわれなくなるので、それらのデータに対するＦＦＴも実施されなくなる。

その後、インピーダンス成分の算出が禁止された状態が続く。しかし、大電流により生じた二次電池の温度分布または塩濃度分布の偏りの大部分は一時的なものであり、電流ＩＢが一定程度弱まると、時間の経過とともに緩和（解消）され得る。そのため、時刻ｔ２において積算電流値Ｉ_ｉｎｔが再開しきい値ＴＨ２未満になると、インピーダンス成分の算出が再開される。なお、禁止しきい値ＴＨ１は本開示に係る「基準値」に相当し、再開しきい値ＴＨ２は本開示に係る「他の基準値」に相当する。

図２４は、実施の形態４におけるバッテリ１０の劣化状態の判定方法を示すフローチャートである。図２４を参照して、Ｓ５１０において、ＥＣＵ１００は、所定期間における電流ＩＢを積算することによって積算電流値Ｉ_ｉｎｔを算出する。また、Ｓ５１２において、ＥＣＵ１００は、マップＭＰ２（図２３参照）を参照することによって、上記所定期間における平均温度ＴＢ_ａｖｅから禁止しきい値ＴＨ１および再開しきい値ＴＨ２を算出する。

Ｓ５２０において、ＥＣＵ１００は、積算電流値Ｉ_ｉｎｔが禁止しきい値ＴＨ１以上であるか否かを判定する。積算電流値Ｉ_ｉｎｔが禁止しきい値ＴＨ１未満である場合（Ｓ５２０においてＹＥＳ）、ＥＣＵ１００は、バッテリ１０の温度分布または濃度分布の偏りは生じていないとして、以下のＳ５２２，Ｓ５３０，Ｓ５３２の処理をスキップして処理をＳ５４０に進め、判定準備処理を実行する。この判定準備処理は、実施の形態１における判定準備処理（図７のＳ１００の処理）と同等である。

一方、積算電流値Ｉ_ｉｎｔが禁止しきい値ＴＨ１以上である場合（Ｓ５２０においてＹＥＳ）、ＥＣＵ１００は、バッテリ１０の温度分布または濃度分布の偏りが生じている可能性が高いため、バッテリ１０の周波数域毎のインピーダンス成分の算出を禁止する（Ｓ５２２）。

Ｓ５３０において、ＥＣＵ１００は、積算電流値Ｉ_ｉｎｔが再開しきい値ＴＨ２未満であるか否かを判定する。積算電流値Ｉ_ｉｎｔが再開しきい値ＴＨ２以上である場合（Ｓ５３０においてＮＯ）には、ＥＣＵ１００は、処理をＳ５２２に戻し、周波数域毎のインピーダンス成分の算出が禁止された状態を維持する。

積算電流値Ｉ_ｉｎｔが再開しきい値ＴＨ２未満になると（Ｓ５３０においてＹＥＳ）、ＥＣＵ１００は、バッテリ１０の温度分布および濃度分布の偏りが緩和されたとして、バッテリ１０の周波数域毎のインピーダンス成分の算出を再開可能であると判定する（Ｓ５３２）。そして、ＥＣＵ１００は、処理をＳ５４０に進め、判定準備処理を実行する。

以上のように、実施の形態４によれば、積算電流値Ｉ_ｉｎｔが禁止しきい値以上ＴＨ１を上回った場合には、バッテリ１０内（セル１１内）の温度分布に偏りが生じたり濃度分布に偏りが生じたりしている可能性が高いとして、周波数域毎のインピーダンス成分の算出が禁止される。その後、積算電流値Ｉ_ｉｎｔが再開しきい値未満ＴＨ２を下回ると、温度分布の偏りおよび濃度分布の偏りは時間の経過とともに緩和されたとして、インピーダンス成分の算出が再開される。これにより、周波数域毎のインピーダンス成分の算出時には、バッテリ１０内の温度分布の偏りおよび塩濃度分布の偏りが生じていないことが担保されるので、インピーダンス成分の算出精度を向上させることができる。その結果、バッテリ１０の劣化状態の推定精度を向上させることが可能になる。

なお、実施の形態４では、バッテリ１０内の温度分布または濃度分布の偏りが生じているか否かの判定に積算電流値_Ｉｉｎｔが用いられる例について説明した。しかし、たとえば、バッテリ１０に複数の温度センサが設けられている場合には、それらのセンサの検出値に基づいて温度分布の偏りの程度を判定してもよい。また、詳細は説明しないが、濃度分布に偏りが生じているか否かについても、流体力学等を用いた公知のシミュレーション手法を用いることによって判定することができる。

今回開示された実施の形態は、すべての点で例示であって制限的なものではないと考えられるべきである。本開示の範囲は、上記した実施の形態の説明ではなくて特許請求の範囲によって示され、特許請求の範囲と均等の意味および範囲内でのすべての変更が含まれることが意図される。

１ 車両、２ 二次電池システム、１０ バッテリ、１０１〜１０Ｍ ブロック、１１ セル、２０ 監視ユニット、２１，２１１〜２１Ｍ 電圧センサ、２２ 電流センサ、２３ 温度センサ、４１，４２ モータジェネレータ、５０ エンジン、６０ 動力分割装置、７０ 駆動軸、８０ 駆動輪、１００ ＥＣＵ、１００Ａ ＣＰＵ、１００Ｂ メモリ。

Claims (5)

1. 車両に搭載された制御装置により実行される、二次電池の劣化状態推定方法であって、
   前記車両に搭載された前記二次電池の電圧値および電流値を前記車両の運転中の所定期間に複数回取得してメモリに格納するステップと、
   前記所定期間における、前記二次電池の電流変化幅、前記二次電池の温度変化幅および前記二次電池のＳＯＣ変化幅を算出するステップと、
   前記所定期間における前記二次電池の温度、電流またはＳＯＣ毎に定められた、前記電流変化幅の許容上限を示す許容電流変化幅、前記温度変化幅の許容上限を示す許容温度変化幅、および、前記ＳＯＣ変化幅の許容上限を示す許容ＳＯＣ変化幅を、前記所定期間における前記二次電池の平均温度、平均電流または平均ＳＯＣと、前記許容電流変化幅、前記許容温度変化幅および前記許容ＳＯＣ変化幅との対応関係を参照することによって取得するステップと、
   前記電流変化幅が前記許容電流変化幅を下回るとの電流条件、前記温度変化幅が前記許容温度変化幅を下回るとの温度条件、および、前記ＳＯＣ変化幅が前記許容ＳＯＣ変化幅を下回るとのＳＯＣ条件がいずれも成立する場合に、前記メモリに格納された前記二次電池の前記複数回の電圧値および電流値の周波数変換を行なうことにより、周波数変換された電圧値および電流値から前記二次電池の周波数域毎のインピーダンス成分を算出するステップと、
   前記周波数域毎のインピーダンス成分を用いて、各前記周波数域に応じた劣化モードの前記二次電池の劣化状態を推定するステップとを含む、二次電池の劣化状態推定方法。
2. 前記周波数域毎のインピーダンス成分のうち、前記二次電池の劣化が進行しやすい周波数域のインピーダンス成分ほどインピーダンス成分の算出頻度を高くする、請求項１に記載の二次電池の劣化状態推定方法。
3. 前記所定期間に前記二次電池の温度分布の偏り、前記二次電池の電解液中における塩濃度分布の偏り、および、前記二次電池の活物質中の電荷輸送物質の濃度分布の偏りのうちの少なくとも１つを示すパラメータが基準値を上回った場合には、前記電流条件、前記温度条件および前記ＳＯＣ条件がいずれも成立したとしても前記周波数域毎のインピーダンス成分の算出を禁止するステップをさらに含む、請求項１または２に記載の二次電池の劣化状態推定方法。
4. 前記電流条件、前記温度条件および前記ＳＯＣ条件がいずれも成立し、かつ、前記パラメータが前記基準値よりも低い他の基準値を下回った場合には、前記周波数域毎のインピーダンス成分の算出を再開するステップをさらに含む、請求項３に記載の二次電池の劣化状態推定方法。
5. 車両に搭載されて用いられる二次電池システムであって、
   二次電池と、
   メモリを含み、前記二次電池の劣化状態を推定するように構成された推定装置とを備え、
   前記推定装置は、
   前記二次電池の電圧値および電流値を前記車両の運転中の所定期間に複数回取得して前記メモリに格納し、
   前記所定期間における、前記二次電池の電流変化幅、前記二次電池の温度変化幅および前記二次電池のＳＯＣ変化幅を算出し、
   前記所定期間における前記二次電池の温度、電流またはＳＯＣ毎に定められた、前記電流変化幅の許容上限を示す許容電流変化幅、前記温度変化幅の許容上限を示す許容温度変化幅、および、前記ＳＯＣ変化幅の許容上限を示す許容ＳＯＣ変化幅を、前記所定期間における前記二次電池の平均温度、平均電流または平均ＳＯＣと、前記許容電流変化幅、前記許容温度変化幅および前記許容ＳＯＣ変化幅との対応関係を参照することによって取得し、
   前記電流変化幅が前記許容電流変化幅を下回るとの電流条件、前記温度変化幅が前記許容温度変化幅を下回るとの温度条件、および、前記ＳＯＣ変化幅が前記許容ＳＯＣ変化幅を下回るとのＳＯＣ条件がいずれも成立する場合に、前記メモリに格納された前記二次電池の前記複数回の電圧値および電流値の周波数変換を行なうことにより、周波数変換された電圧値および電流値から前記二次電池の周波数域毎のインピーダンス成分を算出し、
   前記周波数域毎のインピーダンス成分を用いて、各前記周波数域に応じた劣化モードの前記二次電池の劣化状態を推定する、二次電池システム。

Images