JP7135532B2

JP7135532B2 - 電池状態推定装置、電池状態推定装置の製造方法、電池状態推定方法、および組電池システム

Info

Publication number: JP7135532B2
Application number: JP2018136779A
Authority: JP
Inventors: 沙絵子富岡; 潔大路; 敏貴 ▲高▼橋
Original assignee: Mazda Motor Corp
Current assignee: Mazda Motor Corp
Priority date: 2018-07-20
Filing date: 2018-07-20
Publication date: 2022-09-13
Anticipated expiration: 2038-07-20
Also published as: JP2020012787A

Description

本発明は、ハイブリッド電気自動車（ＨＥＶ：Hybrid Electric Vehicle）などに搭載される電池における発熱程度などの電池状態を推定する電池状態推定装置、電池状態推定装置の製造方法、電池状態推定方法、および組電池システムに関するものである。

ハイブリッド電気自動車などに搭載される電池では、頻繁に充放電が繰り返される。これに伴って、電池の内部抵抗が増大するなどの劣化が進行する。そこで、電池の充放電制御や電池交換の必要性判定等のために、電池の状態を推定することが求められる。

電池の状態を推定する技術としては、電池の電圧、電流、および温度などの入力から予め設定された電池の寿命を出力するようにニューラルネットワークを学習させる技術が知られている（例えば、特許文献１参照。）。

特開２０１７－４９５５号公報

しかしながら、上記のように電池の電圧、電流、および温度などの入力から予め設定された電池の寿命を出力するようにニューラルネットワークを学習させる場合、その学習時に設定された寿命等を出力として得ることはできるが、学習時に想定されていなかったような状態等を検出することはできない。

本発明は、上記の点に鑑みてなされたものであり、あらかじめ具体的な異常状態等を想定していなくても、種々の異常等の電池状態を推定可能にすることを目的としている。

上記の目的を達成するために、
第１の発明は、
複数の電池セルを有する組電池の状態を推定する電池状態推定装置であって、
上記組電池における上記電池セルの数よりも少ない箇所の温度を検出する温度センサからの温度信号を受信する受信部と、
上記温度センサによる検出温度、および上記検出温度と組電池の伝熱構造パターンとの関係の機械学習結果に基づいて、上記検出温度に対応する伝熱構造パターンを推定する推定部と、
第１の時点において、上記組電池から所定の大きさの電流が所定の時間流れた場合における、上記検出温度に基づいて上記推定部により推定された第１の伝熱構造パターンを記憶する記憶部と、
第２の時点において、上記組電池から所定の大きさの電流が所定の時間流れた場合における、上記検出温度に基づいて上記推定部により推定された第２の伝熱構造パターンと、上記記憶部に記憶された第１の伝熱構造パターンとを比較する比較部と、
を備えたことを特徴とする。

これにより、組電池の伝熱構造と検出温度との対応関係が学習されることによって、温度センサの検出温度に基づいて組電池の伝熱構造を求めることができる。そして、組電池の初期状態と稼働後などの伝熱構造を求めて対比することによって、温度センサの位置や数に係わらず、組電池の伝熱構造の変化が生じた位置や変化程度などを推定することが容易にできる。

第２の発明は、
第１の発明の電池状態推定装置であって、
上記伝熱構造パターンは、各電池セルの配置領域がそれぞれ複数に分割された各部分領域に対応して設定された伝熱構造値の集合によって表されることを特徴とする。

これにより、伝熱構造と検出温度との対応関係をシミュレーション等によって求めたり、検出温度に基づいて伝熱構造を求めたりすることなどが容易にできる。

第３の発明は、
第２の発明の電池状態推定装置であって、
上記比較部は、上記第１の伝熱構造パターンにおける各伝熱構造値と、上記第２の伝熱構造パターンにおける各伝熱構造値とをそれぞれ比較することを特徴とする。

これにより、検出温度に基づいて求められた伝熱構造を比較して種々の異常等の電池状態を推定することなど容易にできる。

本発明では、あらかじめ想定された異常による電池状態に限らず、種々の異常等の電池状態を推定可能になる。

複数の電池セルを含む組電池の概略構成を示す模式図である。各電池セルの配置領域が分割された部分領域の例を示す説明図である。組電池の電流と温度センサの検出温度の例を示すグラフである。伝熱構造パターンに対応する表面温度を求める例を示す説明図である。伝熱構造パターンと検出温度の関係の機械学習の例を示す説明図である。初期伝熱構造パターンを求める例を示す説明図である。電池の稼働後の伝熱構造パターンを求める例を示す説明図である。

以下、本発明の実施形態を図面に基づいて説明する。

本実施形態の電池状態推定の対象となる組電池１００は、ＨＥＶ等の車両などに搭載されるもので、例えば、図１に示すように１０個の電池セル１０１が直列および／または並列に接続されるとともに一体的にパック化され成っている。上記組電池１００の表面４箇所には、温度センサ１１１～１１４が設けられている。なお、温度センサ１１１～１１４は表面に限らず、組電池１００の内部に埋め込まれるなどしてもよい。

組電池１００における各電池セル１０１の配置位置に対応する電池セル配置領域１２１は、例えば、図２に示すように、それぞれ９つの部分領域１２２に分割され、各部分領域１２２に対応して、例えばアルミニウムの熱物性（比熱、熱伝導率、またはそれらの両方を使用した関数の値）を１としたときの熱物性の５段階の値、０、０．２５、０．５、０．７５、１が例えば伝熱量等に関する伝熱構造値として設定されることにより、組電池１００の伝熱構造パターンが伝熱構造パターンデータとして表されるようになっている。上記伝熱構造パターンの例では、値が５段階で、部分領域１２２が合計で９０あるので、最大、全部で５の９０乗個のパターンが想定され得ることになる。

上記のような組電池１００から電流負荷等に対して、例えば図３に示すように所定の大きさ、所定時間のパルス電流が流れた場合、各電池セル１０１では、その電流の大きさと内部抵抗とに応じた熱が発生して伝播し、各温度センサ１１１～１１４では、それぞれの位置での温度（温度変化）Ｔａ～Ｔｄが検出される。すなわち、組電池１００の伝熱構造と検出温度とには対応関係がある。

上記温度Ｔａ～Ｔｄは、また、実測するのに限らず、上記伝熱構造パターンデータに基づいて、図４に示すようにシミュレーション装置２０１による伝熱のシミュレーション等によって、対応する表面温度データＴａ～Ｔｄとして効率よく求めることができる。

そこで、上記伝熱構造パターンデータ、および対応する表面温度データＴａ～Ｔｄを図５に示すように伝熱構造推定モデル３０１に入力して対応関係をいわゆる教師あり学習として機械学習させる。これによって、表面温度データＴａ～Ｔｄが得られれば、組電池１００の伝熱構造を容易に求めることができるようになる。ここで、上記伝熱構造推定モデル３０１は、例えばニューラルネットワーク等を用いて構成され、後述するように温度センサ１１１～１１４からの温度信号を受信する受信部、組電池１００の伝熱構造パターンを推定する推定部、推定された伝熱構造パターンを記憶する記憶部、および所定の２つの時点における伝熱構造パターンを比較する比較部を有している。

上記のような学習によって得られる学習済伝熱構造推定モデル３０２（電池状態推定装置）は、車両などに搭載される際には、温度センサ１１１～１１４が接続され、まず、例えば組電池１００の劣化等が生じていない時点で、図２に示したようなパルス電流を流したときの初期実測表面温度データＴａ～Ｔｄが実測されて、図６に示すように入力される。これによって、初期伝熱構造パターンデータが求められ、記憶部に記憶される。ここで、上記のような表面温度Ｔａ～Ｔｄの検出は、シミュレーション等によって機械学習用の表面温度Ｔａ～Ｔｄを求める際の環境条件等を一致させることが好ましく、通常、例えば車両の始動前や夜間などの待機中などに行うことによって精度を高めやすい。また、通電時間や電流の大きさなどは、伝熱構造の特徴が適切に捉えられればよく、例えば検出感度と消費電流との兼ね合いで、１Ｃで５分間通電し、１～２℃の温度上昇が生じる程度などに設定することなどができる。

その後、組電池１００の充放電が繰り返されるなどして、電池セル１０１の内部抵抗が増大したり、電気配線の断線や短絡などが生じたりすると、各電池セル１０１の発熱状態が変化する。また、例えば伝熱部材が破断したりすると、伝熱状態が変化する。このような場合には、温度センサ１１１～１１４によって、初期実測表面温度データとは異なる稼働後実測表面温度データが検出されることになる。検出された上記稼働後実測表面温度データが、図７に示すように学習済伝熱構造推定モデル３０２に入力されると、稼働後伝熱構造パターンデータが求められる。

そこで、上記稼働後伝熱構造パターンデータと、学習済伝熱構造推定モデル３０２の記憶部に記憶されている初期伝熱構造パターンデータとが比較部によって比較されることにより、組電池１００における伝熱状態が変化した箇所や変化程度を容易に検知することができる。より詳しくは、例えば各部分領域１２２ごとの伝熱構造値を比較し、その差や比が何れかの部分領域１２２で所定の閾値以上である場合に、その箇所に対応する電池セル１０１に異常が生じた可能性が高いと判定することなどができる。すなわち、あらかじめ、どのような異常が生じるかが想定されてなくても、伝熱構造に変化が生じる異常であれば、種々の異常等の電池状態について、異常箇所や程度を推定することが容易にできる。

上記のように、組電池１００の伝熱構造と検出温度との対応関係が学習されることによって、温度センサ１１１～１１４の検出温度Ｔａ～Ｔｄに基づいて組電池１００の伝熱構造を求めることができる。そして、組電池１００の初期状態と稼働後などの伝熱構造を求めて対比することによって、温度センサ１１１～１１４の位置や数に係わらず、組電池１００の伝熱構造の変化が生じた位置や変化程度などを推定することが容易にできる。

なお、上記のように、ある一時点で検出された温度によって伝熱構造の推定を行うのに限らず、複数時点での温度や、温度の時間変化を検出して、これに対応する推定が行われるようにしてもよい。

また、上記電池セルや組電池の語は相対的関係を示し、例えば電池セルがさらに小さな単位の複数の単位電池によって構成されたり、組電池がさらに複数組み合わされてより大きな単位の電池装置が構成されたりしてもよい。何れの場合でも、異常検出対象の数よりも少ない温度センサによって異常検出を行うことによって温度センサの数を低減することができる。

１００組電池
１０１電池セル
１１１～１１４温度センサ
１２１電池セル配置領域
１２２部分領域
２０１シミュレーション装置
３０１伝熱構造推定モデル
３０２学習済伝熱構造推定モデル

Claims

複数の電池セルを有する組電池の状態を推定する電池状態推定装置であって、
上記組電池における上記電池セルの数よりも少ない箇所の温度を検出する温度センサからの温度信号を受信する受信部と、
上記温度センサによる検出温度、および上記検出温度とその検出温度を生じる、伝熱に関する構造のパターンである組電池の伝熱構造パターンとの関係の機械学習結果に基づいて、上記検出温度に対応する伝熱構造パターンを推定する推定部と、
第１の時点において、上記組電池から所定の大きさの電流が所定の時間流れた場合における、上記検出温度に基づいて上記推定部により推定された第１の伝熱構造パターンを記憶する記憶部と、
第２の時点において、上記組電池から所定の大きさの電流が所定の時間流れた場合における、上記検出温度に基づいて上記推定部により推定された第２の伝熱構造パターンと、上記記憶部に記憶された第１の伝熱構造パターンとを比較する比較部と、
を備え、
上記伝熱構造パターンは、上記組電池における各電池セルの配置領域がそれぞれ複数に分割された各部分領域と、各部分領域に対応して熱物性に応じて複数段階に設定された伝熱構造値と、の集合によって表されるパターンであることを特徴とする電池状態推定装置。
請求項１の電池状態推定装置であって、
上記比較部は、上記第１の伝熱構造パターンにおける各伝熱構造値と、上記第２の伝熱構造パターンにおける各伝熱構造値とをそれぞれ比較することを特徴とする電池状態推定装置。
請求項１から請求項２のうち何れか１項の電池状態推定装置を含む組電池システムであって、さらに、
上記複数の電池セルを有する組電池と、
上記組電池における上記電池セルの数よりも少ない箇所の温度を検出する温度センサと、
を有することを特徴とする組電池システム。
請求項１の電池状態推定装置を製造する製造方法であって、
上記各温度センサの検出温度と組電池の伝熱構造パターンとの関係を伝熱状態のシミュレーションによって求め、上記推定部に機械学習させることを特徴とする電池状態推定装置の製造方法。
請求項１の電池状態推定装置を用いた電池状態推定方法であって、
第１の時点において、上記組電池から所定の大きさの電流が所定の時間流れた場合における、上記検出温度に基づいて上記推定部により推定された第１の伝熱構造パターンを上記記憶部に記憶させ、
第２の時点において、上記組電池から所定の大きさの電流が所定の時間流した場合における、上記検出温度に基づいて上記推定部により推定された第２の伝熱構造パターンと、上記記憶部に記憶された第１の伝熱構造パターンとを上記比較部によって比較することを特徴とする電池状態推定方法。