JP7153196B2 - 電池特性評価装置、および電池特性評価方法 - Google Patents

電池特性評価装置、および電池特性評価方法 Download PDF

Info

Publication number
JP7153196B2
JP7153196B2 JP2018243293A JP2018243293A JP7153196B2 JP 7153196 B2 JP7153196 B2 JP 7153196B2 JP 2018243293 A JP2018243293 A JP 2018243293A JP 2018243293 A JP2018243293 A JP 2018243293A JP 7153196 B2 JP7153196 B2 JP 7153196B2
Authority
JP
Japan
Prior art keywords
battery
secondary battery
soc
target secondary
impedance
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
Application number
JP2018243293A
Other languages
English (en)
Other versions
JP2020106315A (ja
Inventor
正彦 三井
純太 泉
珠仁 八十嶋
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Toyota Motor Corp
Original Assignee
Toyota Motor Corp
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Toyota Motor Corp filed Critical Toyota Motor Corp
Priority to JP2018243293A priority Critical patent/JP7153196B2/ja
Priority to US16/722,473 priority patent/US11221372B2/en
Priority to CN201911353507.4A priority patent/CN111381168B/zh
Publication of JP2020106315A publication Critical patent/JP2020106315A/ja
Application granted granted Critical
Publication of JP7153196B2 publication Critical patent/JP7153196B2/ja
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01R—MEASURING ELECTRIC VARIABLES; MEASURING MAGNETIC VARIABLES
    • G01R31/00—Arrangements for testing electric properties; Arrangements for locating electric faults; Arrangements for electrical testing characterised by what is being tested not provided for elsewhere
    • G01R31/36—Arrangements for testing, measuring or monitoring the electrical condition of accumulators or electric batteries, e.g. capacity or state of charge [SoC]
    • G01R31/367—Software therefor, e.g. for battery testing using modelling or look-up tables
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B60—VEHICLES IN GENERAL
    • B60L—PROPULSION OF ELECTRICALLY-PROPELLED VEHICLES; SUPPLYING ELECTRIC POWER FOR AUXILIARY EQUIPMENT OF ELECTRICALLY-PROPELLED VEHICLES; ELECTRODYNAMIC BRAKE SYSTEMS FOR VEHICLES IN GENERAL; MAGNETIC SUSPENSION OR LEVITATION FOR VEHICLES; MONITORING OPERATING VARIABLES OF ELECTRICALLY-PROPELLED VEHICLES; ELECTRIC SAFETY DEVICES FOR ELECTRICALLY-PROPELLED VEHICLES
    • B60L58/00—Methods or circuit arrangements for monitoring or controlling batteries or fuel cells, specially adapted for electric vehicles
    • B60L58/10—Methods or circuit arrangements for monitoring or controlling batteries or fuel cells, specially adapted for electric vehicles for monitoring or controlling batteries
    • B60L58/12—Methods or circuit arrangements for monitoring or controlling batteries or fuel cells, specially adapted for electric vehicles for monitoring or controlling batteries responding to state of charge [SoC]
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01R—MEASURING ELECTRIC VARIABLES; MEASURING MAGNETIC VARIABLES
    • G01R31/00—Arrangements for testing electric properties; Arrangements for locating electric faults; Arrangements for electrical testing characterised by what is being tested not provided for elsewhere
    • G01R31/36—Arrangements for testing, measuring or monitoring the electrical condition of accumulators or electric batteries, e.g. capacity or state of charge [SoC]
    • G01R31/389—Measuring internal impedance, internal conductance or related variables
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B60—VEHICLES IN GENERAL
    • B60L—PROPULSION OF ELECTRICALLY-PROPELLED VEHICLES; SUPPLYING ELECTRIC POWER FOR AUXILIARY EQUIPMENT OF ELECTRICALLY-PROPELLED VEHICLES; ELECTRODYNAMIC BRAKE SYSTEMS FOR VEHICLES IN GENERAL; MAGNETIC SUSPENSION OR LEVITATION FOR VEHICLES; MONITORING OPERATING VARIABLES OF ELECTRICALLY-PROPELLED VEHICLES; ELECTRIC SAFETY DEVICES FOR ELECTRICALLY-PROPELLED VEHICLES
    • B60L58/00—Methods or circuit arrangements for monitoring or controlling batteries or fuel cells, specially adapted for electric vehicles
    • B60L58/10—Methods or circuit arrangements for monitoring or controlling batteries or fuel cells, specially adapted for electric vehicles for monitoring or controlling batteries
    • B60L58/16—Methods or circuit arrangements for monitoring or controlling batteries or fuel cells, specially adapted for electric vehicles for monitoring or controlling batteries responding to battery ageing, e.g. to the number of charging cycles or the state of health [SoH]
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01R—MEASURING ELECTRIC VARIABLES; MEASURING MAGNETIC VARIABLES
    • G01R31/00—Arrangements for testing electric properties; Arrangements for locating electric faults; Arrangements for electrical testing characterised by what is being tested not provided for elsewhere
    • G01R31/36—Arrangements for testing, measuring or monitoring the electrical condition of accumulators or electric batteries, e.g. capacity or state of charge [SoC]
    • G01R31/382—Arrangements for monitoring battery or accumulator variables, e.g. SoC
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01R—MEASURING ELECTRIC VARIABLES; MEASURING MAGNETIC VARIABLES
    • G01R31/00—Arrangements for testing electric properties; Arrangements for locating electric faults; Arrangements for electrical testing characterised by what is being tested not provided for elsewhere
    • G01R31/36—Arrangements for testing, measuring or monitoring the electrical condition of accumulators or electric batteries, e.g. capacity or state of charge [SoC]
    • G01R31/382—Arrangements for monitoring battery or accumulator variables, e.g. SoC
    • G01R31/3842—Arrangements for monitoring battery or accumulator variables, e.g. SoC combining voltage and current measurements
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01R—MEASURING ELECTRIC VARIABLES; MEASURING MAGNETIC VARIABLES
    • G01R31/00—Arrangements for testing electric properties; Arrangements for locating electric faults; Arrangements for electrical testing characterised by what is being tested not provided for elsewhere
    • G01R31/36—Arrangements for testing, measuring or monitoring the electrical condition of accumulators or electric batteries, e.g. capacity or state of charge [SoC]
    • G01R31/385—Arrangements for measuring battery or accumulator variables
    • G01R31/387—Determining ampere-hour charge capacity or SoC
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01R—MEASURING ELECTRIC VARIABLES; MEASURING MAGNETIC VARIABLES
    • G01R31/00—Arrangements for testing electric properties; Arrangements for locating electric faults; Arrangements for electrical testing characterised by what is being tested not provided for elsewhere
    • G01R31/36—Arrangements for testing, measuring or monitoring the electrical condition of accumulators or electric batteries, e.g. capacity or state of charge [SoC]
    • G01R31/392—Determining battery ageing or deterioration, e.g. state of health
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01R—MEASURING ELECTRIC VARIABLES; MEASURING MAGNETIC VARIABLES
    • G01R31/00—Arrangements for testing electric properties; Arrangements for locating electric faults; Arrangements for electrical testing characterised by what is being tested not provided for elsewhere
    • G01R31/36—Arrangements for testing, measuring or monitoring the electrical condition of accumulators or electric batteries, e.g. capacity or state of charge [SoC]
    • G01R31/396—Acquisition or processing of data for testing or for monitoring individual cells or groups of cells within a battery
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N3/00—Computing arrangements based on biological models
    • G06N3/02—Neural networks
    • G06N3/08—Learning methods
    • H—ELECTRICITY
    • H01—ELECTRIC ELEMENTS
    • H01M—PROCESSES OR MEANS, e.g. BATTERIES, FOR THE DIRECT CONVERSION OF CHEMICAL ENERGY INTO ELECTRICAL ENERGY
    • H01M10/00—Secondary cells; Manufacture thereof
    • H01M10/42—Methods or arrangements for servicing or maintenance of secondary cells or secondary half-cells
    • H—ELECTRICITY
    • H01—ELECTRIC ELEMENTS
    • H01M—PROCESSES OR MEANS, e.g. BATTERIES, FOR THE DIRECT CONVERSION OF CHEMICAL ENERGY INTO ELECTRICAL ENERGY
    • H01M10/00—Secondary cells; Manufacture thereof
    • H01M10/42—Methods or arrangements for servicing or maintenance of secondary cells or secondary half-cells
    • H01M10/425—Structural combination with electronic components, e.g. electronic circuits integrated to the outside of the casing
    • H—ELECTRICITY
    • H01—ELECTRIC ELEMENTS
    • H01M—PROCESSES OR MEANS, e.g. BATTERIES, FOR THE DIRECT CONVERSION OF CHEMICAL ENERGY INTO ELECTRICAL ENERGY
    • H01M10/00—Secondary cells; Manufacture thereof
    • H01M10/42—Methods or arrangements for servicing or maintenance of secondary cells or secondary half-cells
    • H01M10/4285—Testing apparatus
    • H—ELECTRICITY
    • H01—ELECTRIC ELEMENTS
    • H01M—PROCESSES OR MEANS, e.g. BATTERIES, FOR THE DIRECT CONVERSION OF CHEMICAL ENERGY INTO ELECTRICAL ENERGY
    • H01M10/00—Secondary cells; Manufacture thereof
    • H01M10/42—Methods or arrangements for servicing or maintenance of secondary cells or secondary half-cells
    • H01M10/44—Methods for charging or discharging
    • H—ELECTRICITY
    • H01—ELECTRIC ELEMENTS
    • H01M—PROCESSES OR MEANS, e.g. BATTERIES, FOR THE DIRECT CONVERSION OF CHEMICAL ENERGY INTO ELECTRICAL ENERGY
    • H01M10/00—Secondary cells; Manufacture thereof
    • H01M10/54—Reclaiming serviceable parts of waste accumulators
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B60—VEHICLES IN GENERAL
    • B60L—PROPULSION OF ELECTRICALLY-PROPELLED VEHICLES; SUPPLYING ELECTRIC POWER FOR AUXILIARY EQUIPMENT OF ELECTRICALLY-PROPELLED VEHICLES; ELECTRODYNAMIC BRAKE SYSTEMS FOR VEHICLES IN GENERAL; MAGNETIC SUSPENSION OR LEVITATION FOR VEHICLES; MONITORING OPERATING VARIABLES OF ELECTRICALLY-PROPELLED VEHICLES; ELECTRIC SAFETY DEVICES FOR ELECTRICALLY-PROPELLED VEHICLES
    • B60L2260/00—Operating Modes
    • B60L2260/40—Control modes
    • B60L2260/44—Control modes by parameter estimation
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B60—VEHICLES IN GENERAL
    • B60L—PROPULSION OF ELECTRICALLY-PROPELLED VEHICLES; SUPPLYING ELECTRIC POWER FOR AUXILIARY EQUIPMENT OF ELECTRICALLY-PROPELLED VEHICLES; ELECTRODYNAMIC BRAKE SYSTEMS FOR VEHICLES IN GENERAL; MAGNETIC SUSPENSION OR LEVITATION FOR VEHICLES; MONITORING OPERATING VARIABLES OF ELECTRICALLY-PROPELLED VEHICLES; ELECTRIC SAFETY DEVICES FOR ELECTRICALLY-PROPELLED VEHICLES
    • B60L2260/00—Operating Modes
    • B60L2260/40—Control modes
    • B60L2260/46—Control modes by self learning
    • H—ELECTRICITY
    • H01—ELECTRIC ELEMENTS
    • H01M—PROCESSES OR MEANS, e.g. BATTERIES, FOR THE DIRECT CONVERSION OF CHEMICAL ENERGY INTO ELECTRICAL ENERGY
    • H01M10/00—Secondary cells; Manufacture thereof
    • H01M10/42—Methods or arrangements for servicing or maintenance of secondary cells or secondary half-cells
    • H01M10/425—Structural combination with electronic components, e.g. electronic circuits integrated to the outside of the casing
    • H01M2010/4271—Battery management systems including electronic circuits, e.g. control of current or voltage to keep battery in healthy state, cell balancing
    • H—ELECTRICITY
    • H01—ELECTRIC ELEMENTS
    • H01M—PROCESSES OR MEANS, e.g. BATTERIES, FOR THE DIRECT CONVERSION OF CHEMICAL ENERGY INTO ELECTRICAL ENERGY
    • H01M2220/00—Batteries for particular applications
    • H01M2220/20—Batteries in motive systems, e.g. vehicle, ship, plane
    • 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
    • Y02T—CLIMATE CHANGE MITIGATION TECHNOLOGIES RELATED TO TRANSPORTATION
    • Y02T10/00—Road transport of goods or passengers
    • Y02T10/60—Other road transportation technologies with climate change mitigation effect
    • Y02T10/70—Energy storage systems for electromobility, e.g. batteries
    • 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
    • Y02W—CLIMATE CHANGE MITIGATION TECHNOLOGIES RELATED TO WASTEWATER TREATMENT OR WASTE MANAGEMENT
    • Y02W30/00—Technologies for solid waste management
    • Y02W30/50—Reuse, recycling or recovery technologies
    • Y02W30/84—Recycling of batteries or fuel cells

Description

本開示は、二次電池の特性を評価するための電池特性評価装置、および電池特性評価方法に関する。
二次電池は、パソコンや携帯端末等のポータブル電源、あるいはＥＶ（電気自動車）、ＨＶ（ハイブリッド自動車）、ＰＨＶ（プラグインハイブリッド自動車）等の車両駆動用電源として広く用いられている。車両等に搭載されていた二次電池は、回収される場合がある。回収された二次電池は、使用可能であれば再利用されることが望ましい。しかし、二次電池は、時間の経過および充放電の繰り返しに伴って劣化し得る。二次電池の劣化の進行度合いは、二次電池毎に異なる。従って、回収された二次電池の各々の特性を評価し、評価結果に応じて、各々の二次電池の再利用の方針を決定することが望ましい。また、回収された二次電池の再利用方針を決定する場合に限らず、二次電池の特性を評価することが望ましい場合は多い。
二次電池の特性を評価するための種々の手法が提案されている。例えば、特許文献１に記載の電池の特性評価方法では、交流インピーダンス測定法によって取得された二次電池の反応抵抗値に基づいて、二次電池における微小短絡の有無が判定される。
特開２００３－３１７８１０号公報
交流インピーダンス測定法を利用して二次電池の特性を評価する際に、二次電池のＳＯＣ（Ｓｔａｔｅ Ｏｆ Ｃｈａｒｇｅ）の調整を行わずに交流インピーダンスを測定すれば、作業が簡素化される。しかし、ＳＯＣの調整を省略すると、何らかの不具合（例えば、微小短絡の存在等）が原因でＳＯＣが０％となっている二次電池も、特性評価の対象に含まれてしまう。その結果、特性評価の精度が低下する可能性がある。
ここに開示される一態様の電池特性評価装置は、特定の周波数範囲で印加信号を対象二次電池に印加することで測定される、上記対象二次電池の交流インピーダンスの測定結果を取得する交流インピーダンス取得処理と、上記対象二次電池のＯＣＶを取得するＯＣＶ取得処理と、取得された交流インピーダンスの測定結果のうち、上記特定の周波数範囲内の所定周波数における虚数成分が第１閾値以上であり、且つ、取得されたＯＣＶの値が第２閾値以下である場合に、上記対象二次電池のＳＯＣが０％と推定するＳＯＣ推定処理と、を実行する。
本願の発明者は、ＳＯＣが０％の二次電池と、ＳＯＣが０％よりも大きい二次電池の間で、所定周波数における交流インピーダンスの虚数成分の値、およびＯＣＶの値の少なくとも一方に差が生じる傾向があるという知見を得た。つまり、ＳＯＣが０％の二次電池では、ＳＯＣが０％よりも大きい二次電池とは異なり、所定周波数における交流インピーダンスの虚数成分が第１閾値以上となり、且つ、ＯＣＶの値が第２閾値以下となる傾向が、発明者による実験結果から得られた。上記構成の電池特性評価装置は、所定周波数における交流インピーダンスの虚数成分が第１閾値以上であり、且つ、ＯＣＶの値が第２閾値以下である二次電池のＳＯＣを、０％と推定する。従って、ＳＯＣの調整を行わずに二次電池の交流インピーダンスが測定された場合でも、二次電池のＳＯＣが０％であるか否かが適切に推定される。よって、より適切に二次電池の特性が評価される。
なお、交流インピーダンスの虚数成分を比較する第１閾値、および、ＳＯＣの値を比較する第２閾値は、二次電池の種類、二次電池が組電池であるか否か、および、二次電池が組電池である場合の組電池の構成等に応じて変化する。従って、第１閾値および第２閾値は、二次電池の種類等に応じて、実験等によって適宜設定されればよい。
ここに開示される電池特性評価装置の好適な一態様では、第１閾値と比較する交流インピーダンスの虚数成分の所定周波数が、印加信号の周波数範囲内のうち、一定の低周波数範囲に含まれる。
本願の発明者は、二次電池のＳＯＣが０％である場合に、交流インピーダンスの虚数成分のうち、特に低周波数における虚数成分が第１閾値以上となる傾向を発見した。従って、交流インピーダンスの低周波数における虚数成分が第１閾値と比較されることで、ＳＯＣが０％であるか否かがより適切に推定される。第１閾値と比較される虚数成分の数は、１つでもよいし複数でもよい。例えば、第１閾値と比較される虚数成分は、印加信号の周波数範囲のうち、最も小さい周波数における虚数成分であってもよい。ただし、前述したように、印加信号の周波数範囲のうち、第１閾値と比較する虚数成分に対応する所定周波数の範囲は、二次電池の種類等に応じて変化する場合もある。この場合、二次電池の種類等に応じて所定周波数の範囲が設定されればよい。
ここに開示される電池特性評価装置の好適な一態様は、電池容量推定処理を実行する。電池容量推定処理では、ＳＯＣ推定処理によって対象二次電池のＳＯＣが０％と推定されなかった場合に、対象二次電池の交流インピーダンスの測定結果に基づいて、対象二次電池の電池容量が推定される。
この場合、ＳＯＣ推定処理によってＳＯＣが０％と推定された二次電池が除外されたうえで、交流インピーダンスの測定結果に基づく電池容量の推定処理が実行される。従って、電池容量の推定精度および効率が、共に向上する。
ここに開示される電池特性評価装置の好適な一態様は、電池容量推定処理において、学習済みのニューラルネットワークモデルに、対象二次電池のナイキストプロットに基づくデータを入力することで、対象二次電池の電池容量の推定結果を取得する。学習済みのニューラルネットワークモデルは、複数の二次電池の各々の、交流インピーダンスの測定結果を示す複数のナイキストプロットに基づくデータと電池容量の実測値を含む複数の訓練データによって学習が行われている。
この場合、ニューラルネットワークモデルを適切に学習させることで、複雑な処理（例えば、交流インピーダンスの測定結果を解析する処理等）を実行しなくても、対象二次電池の電池容量の推定結果が容易且つ適切に取得される。ただし、ニューラルネットワークモデルを利用せずに、他のアルゴリズムに基づいて電池容量を推定することも可能である。
ここに開示される電池特性評価装置の好適な一態様では、学習済みのニューラルネットワークモデルは、ＳＯＣが０％よりも大きい、またはＳＯＣが０％よりも大きいと推定される複数の二次電池の訓練データに基づいて学習されている。
この場合、ＳＯＣが０％である、または０％であると推定される二次電池の訓練データが除外されたうえで、訓練データに基づくニューラルネットワークモデルの学習が行われている。従って、ニューラルネットワークモデルの学習に用いられる訓練データに、ＳＯＣが０％である二次電池の訓練データが含まれている場合に比べて、学習済みのニューラルネットワークモデルは、ＳＯＣが０％よりも大きい二次電池の電池容量の推定に最適化される。よって、電池容量の推定精度がさらに向上する。
なお、訓練データを取得する二次電池を分別するために、二次電池のＳＯＣが０％であるか否かを推定する場合には、前述したＳＯＣ推定処理と同様のアルゴリズムを用いてＳＯＣが推定されてもよい。つまり、印加信号の周波数範囲内の所定周波数における交流インピーダンスの虚数成分が第１閾値未満であり、且つ、ＯＣＶの値が第２閾値より大きい二次電池の訓練データが、ニューラルネットワークモデルの学習に用いられてもよい。この場合、二次電池のＳＯＣの実測値を取得する工程を省略することも可能である。
ここに開示される電池特性評価装置の好適な一態様は、判別処理を実行する。判別処理では、対象二次電池の交流インピーダンスの測定結果を示すナイキストプロットから抽出された、少なくとも１つの特徴量に基づいて、電池容量が基準範囲内である第１群と、電池容量が基準範囲外である第２群のいずれに対象二次電池が属するかが判別される。電池容量推定処理は、ＳＯＣ推定処理によって対象二次電池のＳＯＣが０％と推定されず、且つ、判別処理によって対象二次電池が前記第１群に属すると判別された場合に実行される。
電池容量が基準範囲外である二次電池は、劣化が過度に進行している可能性が高い。従って、電池容量が基準範囲外である二次電池が除外されたうえで、交流インピーダンスの測定結果に基づく電池容量の推定処理が実行されることで、電池容量の推定精度および効率が共に向上する。
なお、学習済みのニューラルネットワークモデルを用いて電池容量推定処理が実行される場合、学習済みのニューラルネットワークモデルは、電池容量が基準範囲内である複数の二次電池の訓練データに基づいて学習されていてもよい。この場合、第２群に属する二次電池の訓練データも学習に用いられる場合に比べて、学習済みのニューラルネットワークは、第１群に属する二次電池の電池容量の推定に最適化される。よって、電池容量の推定精度がさらに向上する。
ここに開示される他の態様の電池特性評価方法は、特定の周波数範囲で印加信号を対象二次電池に印加することで測定される、対象二次電池の交流インピーダンスの測定結果を取得する交流インピーダンス取得ステップと、対象二次電池のＯＣＶを取得するＯＣＶ取得ステップと、取得された交流インピーダンスの測定結果のうち、特定の周波数範囲内の所定周波数における虚数成分が第１閾値以上であり、且つ、取得されたＯＣＶの値が第２閾値以下である場合に、対象二次電池のＳＯＣが０％と推定するＳＯＣ推定ステップと、を含む。この場合、上記電池特性評価装置と同様に、より適切に二次電池の特性が評価される。
本実施形態における二次電池の回収から製造、販売までの物流の一態様を示す図である。 電池特性評価システム１の構成を示す図である。 モジュールＭの交流インピーダンス測定結果を示すナイキストプロットの一例を示す図である。 ＳＯＣが０％より大きく２０％より小さい複数のモジュールＭのナイキストプロットを示す図である。 ＳＯＣが０％である複数のモジュールＭのナイキストプロットを示す図である。 複数のモジュールＭの、１００ｍＨｚ虚数成分とＯＣＶの関係を示すグラフである。 満充電容量が異なる複数のモジュールＭのナイキストプロットを示す図である。 本実施形態における２群判別を説明するための図である。 本実施形態におけるニューラルネットワークモデルの学習を説明するための概念図である。 本実施形態における電池特性評価処理のフローチャートである。 ＳＯＣ推定処理を実行しない場合の電池容量の推定結果の一例を示す図である。 ＳＯＣ推定処理を実行した場合の電池容量の推定結果の一例を示す図である。
以下、本開示における実施形態の１つについて、図面を参照しつつ詳細に説明する。本明細書において特に言及している事項以外の事柄であって実施に必要な事柄は、当該分野における従来技術に基づく当業者の設計事項として把握され得る。本発明は、本明細書に開示されている内容と当該分野における技術常識とに基づいて実施することができる。なお、以下の図面においては、同じ作用を奏する部材・部位には同じ符号を付して説明している。また、各図における寸法関係は実際の寸法関係を反映するものではない。
本実施形態では、車両に搭載されていた二次電池の特性を評価する場合を例示して説明を行う。つまり、本実施形態では、車両に組電池として搭載されていた二次電池が回収され、回収された二次電池の特性が評価されて、評価結果に応じて二次電池の再利用の方針が決定される。ただし、本開示で例示する技術の少なくとも一部は、他の場面（例えば、車両以外の装置に用いられる二次電池の特性を評価する場面、または、新しく製造された二次電池の特性を評価する場面等）にも適用できる。
本実施形態において車両に搭載される組電池は、複数のモジュールを含む。複数のモジュールは、直列接続されていてもよいし、互いに並列に接続されていてもよい。複数のモジュールの各々は、直列に接続された複数の電池セル（単電池）を含む。
本実施形態では、車両から回収された組電池は、一旦モジュールに分解された後、モジュール単位で特性評価が行われる。特性評価の結果、再利用可能と判定されたモジュールは、新たに製造される組電池の一部として再利用（リビルト）される。しかし、組電池の構成によっては、組電池をモジュールに分解することなく、組電池のまま特性評価を行うことも可能である。また、モジュールを構成する電池セル毎に特性評価を行うことも可能である。
また、本実施形態における二次電池（モジュールを構成する各電池セル）は、ニッケル水素電池である。詳細には、正極は、水酸化ニッケル（Ｎｉ（ＯＨ）２）にコバルト酸化物の添加物を加えたものである。負極は、水素吸蔵合金（ニッケル系合金であるＭｎＮｉ５系）である。電解液は、水酸化カリウム（ＫＯＨ）である。しかし、これは具体的なセル構成の例示に過ぎず、本開示で例示する技術は他の構成の二次電池にも適用することが可能である。
＜電池物流モデル＞
図１を参照して、本実施形態における二次電池の回収から製造（再利用）、販売までの物流の一態様について説明する。図１に示す例では、回収業者１０１が、車両１１０，１２０，１３０から使用済みの二次電池（組電池）１１１，１２１，１３１を回収する。図１では３台の車両１１０，１２０，１３０のみが示されているが、実際には、より多くの車両から二次電池が回収される。回収業者１０１は、回収された組電池を分解し、組電池から複数のモジュールを取り出す。図１に示す例では、モジュール毎に識別番号が付与されており、各モジュールの情報が管理サーバ１０８によって管理されている。回収業者１０１は、組電池から取り出された各モジュールの識別番号を、端末（図示せず）を用いて管理サーバ１０８に送信する。
検査業者１０２は、回収業者１０１によって回収された各モジュールの特性評価を行う。例えば、検査業者１０２は、各モジュールの電池容量（例えば満充電容量）、抵抗値、ＯＣＶ（Ｏｐｅｎ Ｃｉｒｃｕｉｔ Ｖｏｌｔａｇｅ）、ＳＯＣ（Ｓｔａｔｅ Ｏｆ Ｃｈａｒｇｅ）等の電気的特性の少なくともいずれかを評価する。検査業者１０２は、評価結果に基づいて、モジュールの再利用の方針を決定する。例えば、検査業者１０２は、再利用可能なモジュールと再利用不可能なモジュールを評価結果に基づいて分別し、再利用可能なモジュールを性能回復業者１０３に引き渡し、再利用不可能なモジュールをリサイクル業者１０６に引き渡す。各モジュールの特性評価の結果は、検査業者１０２の端末（図示せず）によって管理サーバ１０８へ送信される。
性能回復業者１０３は、検査業者１０２によって再利用可能とされたモジュールの性能を回復させるための処理を行う。一例として、性能回復業者１０３は、過充電状態までモジュールを充電することによって、モジュールの満充電容量を回復させる。ただし、検査業者１０２による特性評価において性能低下が小さいと評価されたモジュールについては、性能回復業者１０３による性能回復処理を省略してもよい。各モジュールの性能回復結果は、性能回復業者１０３の端末（図示せず）によって管理サーバ１０８へ送信される。
製造業者１０４は、性能回復業者１０３によって性能が回復されたモジュールを用いて組電池を製造する。例えば、製造業者１０４は、車両１０９の組電池内の性能が低下したモジュールを、性能回復業者１０３によって性能が回復されたモジュールと交換して、車両１０９の組電池を製造（リビルド）してもよい。
販売店１０５は、製造業者１０４によって製造された組電池を車両用として販売したり、住宅等で利用可能な定置用として販売したりしてもよい。リサイクル業者１０６は、検査業者１０２によって再利用不可能とされたモジュールを解体し、新たな電池セル等の原料として利用するための再資源化を行う。
なお、図１では、回収業者１０１、検査業者１０２、性能回復業者１０３、製造業者１０４、販売店１０５、およびリサイクル業者１０６は互いに異なる業者とした。しかし、業者の区分は、図１に示す例に限定されるものではない。例えば、検査業者１０２と性能回復業者１０３が同一の業者であってもよい。また、回収業者１０１は、組電池を回収する業者と、回収された組電池を解体する業者に分かれていてもよい。また、各業者および販売店の拠点は特に限定されず、複数の業者等の拠点は同一であってもよいし、別々であってもよい。
以下では、車両１１０，１２０，１３０から回収された組電池１１１，１１２，１１３に含まれるモジュールＭの特性評価を実行し、評価結果に応じてモジュールＭの再利用の方針を決定する場合を例示して説明を行う。つまり、本実施形態では、特性を評価する対象となる対象二次電池は、モジュールＭとなる。
＜電池特性評価システム＞
図２を参照して、本実施形態の電池特性評価システム１について説明する。図１に示す電池物流モデルでは、電池特性評価システム１は、例えば検査業者１０２に配置される。本実施形態の電池特性評価システム１は、測定装置１０、記憶装置２０、電池特性評価装置３０、および表示装置４０を備える。これらの装置は、互いに独立していてもよいし、複数の装置のうちの２つ以上が１つの装置として構成されていてもよい。
測定装置１０は、モジュールＭのＯＣＶを測定し、測定結果を電池特性評価装置３０に出力する。また、測定装置１０は、モジュールＭの交流インピーダンスを測定し、測定結果を示すナイキストプロットを電池特性評価装置３０に出力する。詳細には、本実施形態の測定装置１０は、発振器１１、ポテンショスタット１２、ロックインアップ１３、およびプロッタ１４を備える。
発振器１１は、ポテンショスタット１２とロックインアンプ１３に同位相の正弦波を出力する。
ポテンショスタット１２は、発振器１１から出力される正弦波と同位相の交流電圧（例えば、振幅が１０ｍＶ程度の電圧）に所定の直流電圧を重ね合わせることで、交流の印加信号を生成し、生成した印加信号をモジュールＭに印加する。ポテンショスタット１２は、モジュールＭを流れる電流を検出し、電流の検出結果をモジュールＭからの応答信号としてロックインアンプ１３に出力する。また、ポテンショスタット１２は、印加信号と応答信号をプロッタ１４に出力する。
ロックインアンプ１３は、発振器１１から出力される正弦波の位相と、ポテンショスタット１２から出力された応答信号の位相とを比較し、比較結果（正弦波と応答信号の位相差）をプロッタ１４に出力する。
プロッタ１４は、ポテンショスタット１２からの信号（印加信号と応答信号の振幅比を示す信号）と、ロックインアンプ１３からの信号（印加信号と応答信号の位相差を示す信号）とに基づいて、モジュールＭの交流インピーダンスの測定結果を複素平面上にプロットする。詳細には、発振器１１から出力される正弦波の周波数が所定の周波数範囲で掃引され、ポテンショスタット１２およびロックインアンプ１３による前述の処理が繰り返し実行される。これにより、正弦波の各周波数について、モジュールＭの交流インピーダンスの測定結果が複素平面上にプロットされることとなる。生成されたプロットは、ナイキストプロットと呼ばれる（コールコールプロットと呼ばれる場合もある）。モジュールＭのナイキストプロットは、電池特性評価装置３０に出力される。
なお、測定装置１０の構成は、図２に示した構成に限定されるものではない。例えば、本実施形態のポテンショスタット１２は、交流電圧をモジュールＭに印加し、印加中にモジュールＭを流れる電流を検出すると説明した。しかし、ポテンショスタット１２は、モジュールＭに交流電流を印加している間の電圧応答を検出してもよい。また、測定装置１０は、ロックインアンプ１３に代えて周波数応答解析器を備えていてもよい。
さらに、交流インピーダンス測定手法を変更することも可能である。例えば、測定装置１０は、所定の周波数範囲内の様々な周波数成分を含む印加信号（電圧信号および電流信号のうちの一方）を生成し、印加信号の印加時の応答信号（電圧信号よび電流信号のうちの他方）を検出してもよい。測定装置１０は、印加信号および応答信号の各々に高速フーリエ変換を施して周波数分解することで、周波数毎に交流インピーダンスを算出してもよい。
記憶装置２０は、電池特性評価装置３０にモジュールＭの電池容量（本実施形態では満充電容量）の推定処理を実行させるための学習済みのニューラルネットワークモデルを記憶する。記憶装置２０は、電池特性評価装置３０からの要求に応じて、ニューラルネットワークモデルの学習、学習結果の更新、学習結果の電池特性評価装置３０への出力等を行う。
電池特性評価装置３０は、コントローラ（例えばＣＰＵ等）、メモリ、および入出力ポートを備える。詳細には、電池特性評価装置３０は、電池特性評価部３１および再利用判定部３２の機能を備える。詳細は後述するが、電池特性評価部３１は、測定装置１０によって測定されたモジュールＭのＯＣＶの値等に基づいて、モジュールＭのＳＯＣが０％であるか否かを推定する。この処理を、本実施形態では「ＳＯＣ推定処理」と言う。また、電池特性評価部３１は、測定装置１０によって測定されたモジュールＭの交流インピーダンスに基づいて、モジュールＭの電池容量（本実施形態では満充電容量）を推定する。この処理を、本実施形態では「電池容量推定処理」という。再利用判定部３２は、モジュールＭの特性の評価結果に応じて、モジュールＭの再利用態様を判定する。再利用判定部３２は、モジュールＭの再利用の可否を判定してもよい。
表示装置４０は、例えば液晶ディスプレイ等によって構成され、電池特性評価装置３０によるモジュールＭの特性の評価結果、および、モジュールＭの再利用態様の判定結果を表示する。従って、検査業者は、モジュールＭに対してどのような処理を施すべきかを把握することができる。
＜ナイキストプロット＞
図３を参照して、モジュールＭの交流インピーダンス測定結果を示すナイキストプロットについて説明する。図３において、横軸はモジュールＭの交流インピーダンス（複素インピーダンス）の実数成分ＺＲｅを示し、縦軸はモジュールＭの交流インピーダンスの虚数成分－ＺＩｍを示す。
本実施形態の測定装置１０は、１００ｍＨｚ～１ｋＨの周波数範囲で印加信号をモジュールＭに印加する。図３に示すように、様々な周波数の信号がモジュールＭに印加されることで、周波数に応じたモジュールＭの交流インピーダンスの測定結果が、離散的な値として複素平面上にプロットされる。詳細には、本実施形態では、１００ｍＨｚ～１ｋＨｚの周波数範囲において、５２通りの周波数の印加信号が用いられる。その結果、取得されるナイキストプロットは、高周波数（図３に示す例では１Ｈｚ～１ｋＨｚ）の印加信号から得られる半円部分を有すると共に、低周波数（１００ｍＨｚ～１Ｈｚ）の印加信号から得られる直線部分を有する。
本実施形態における電池容量推定処理では、モジュールＭの電池容量（本実施形態では満充電容量）の推定に、ニューラルネットワークモデルが用いられる。交流インピーダンスの測定結果がニューラルネットワークモデルの入力層に与えられた場合に、高精度な電池容量の推定結果がニューラルネットワークモデルの出力層から出力されるように、ニューラルネットワークモデルの機械学習が行われる。
＜ＳＯＣの推定＞
図４～図６を参照して、モジュールＭのＳＯＣ、交流インピーダンスの虚数成分、およびＯＣＶの関係について説明する。本願の発明者は、ＳＯＣが０％の二次電池と、ＳＯＣが０％よりも大きい二次電池の間で、所定周波数における交流インピーダンスの虚数成分の値、およびＯＣＶの値の少なくとも一方に差が生じる傾向があるという知見を得た。本実施形態のＳＯＣ推定処理では、上記知見に基づいて、モジュールＭのＳＯＣが０％であるか否かが推定される。なお、ＳＯＣが０％であるモジュールＭは、微小短絡等の不具合が発生している可能性が高いので、再利用（リビルド）に適さないと考えられる。
図４は、ＳＯＣが０％より大きく２０％より小さい複数のモジュールＭのナイキストプロットを示す。また、図５は、ＳＯＣが０％である複数のモジュールＭのナイキストプロットを示す。図４に示すように、ＳＯＣが０％より大きく２０％より小さい場合、交流インピーダンスの虚数成分－ＺＩｍの値は、所定の第１閾値（図５に示す例では１０ｍΩ）未満に納まっている。なお、図示は省略するが、ＳＯＣが２０％以上である場合にも、交流インピーダンスの虚数成分の値は第１閾値未満に納まった。一方で、図５に示すように、ＳＯＣが０％であるモジュールＭでは、交流インピーダンス測定時の印加信号が所定周波数（図５に示す例では、低周波数範囲である１００ｍＨｚ～約１Ｈｚ）である場合の虚数成分の値が、一定以上の割合で第１閾値以上となっている。以上の結果より、印加信号が所定周波数である場合の交流インピーダンスの虚数成分の値を第１閾値と比較することで、モジュールＭのＳＯＣが０％であるか否かを推定できることが分かる。
図４および図５に示す例では、印加信号の周波数範囲（１００ｍＨｚ～１ｋＨｚ）のうち低周波数範囲（１００ｍＨｚ～約１Ｈｚ）では、全てのナイキストプロットにおいて、印加信号の周波数が小さくなる程、虚数成分の値が大きくなっている。従って、本実施形態では、印加信号の周波数範囲のうち、最も低い周波数（１００ｍＨｚ）における虚数成分の値が第１閾値と比較されることで、モジュールＭのＳＯＣが０％であるか否かが推定される。なお、図４および図５に示す例において、低周波数範囲（１００ｍＨｚ～約１Ｈｚ）のうち、最も低い周波数以外の周波数における虚数成分の値が第１閾値と比較されてもよい。また、低周波数範囲内の複数の周波数における虚数成分の値が、第１閾値と比較されてもよい。
図６は、複数のモジュールＭの、１００ｍＨｚ虚数成分（つまり、印加信号が１００ｍＨｚである場合の交流インピーダンスの虚数成分）とＯＣＶの関係を示すグラフである。前述したように、ＳＯＣが０％であるモジュールＭの１００ｍＨｚ虚数成分の多くは、第１閾値である１０ｍΩ以上となっている。
また、図６に示すように、モジュールＭのＳＯＣが０％よりも大きい場合、ほぼ全てのＯＣＶの値が第２閾値（図６に示す例では７．４Ｖ）よりも大きくなっている。これに対し、モジュールＭのＳＯＣが０％である場合には、多くのＯＣＶの値が第２閾値以下となっている。以上の結果より、モジュールＭのＯＣＶの値を第２閾値と比較することで、モジュールＭのＳＯＣが０％であるか否かを推定できることが分かる。
なお、所定周波数における虚数成分、およびＯＣＶの一方のみを閾値と比較する場合でも、モジュールＭのＳＯＣが０％であるか否かをある程度推定することは可能である。しかし、図６に示すように、所定周波数における虚数成分と第１閾値との比較、および、ＯＣＶと第２閾値との比較を共に実行することで、推定精度が向上する。従って、本実施形態では、モジュールＭの所定周波数における虚数成分と、モジュールＭのＯＣＶの両方が閾値と比較されることで、モジュールＭのＳＯＣが０％であるか否かが推定される。
なお、図４および図５に例示したナイキストプロットは、前述したニッケル水素電池からなる電池セルを６個直列に接続したモジュールＭのナイキストプロットである。しかし、ナイキストプロットの分布傾向は、二次電池の種類、二次電池が組電池またはモジュールであるか否か、および、二次電池が組電池またはモジュールである場合の電池構成等によって変化する。従って、印加信号の周波数範囲のうち、第１閾値と比較する虚数成分に対応する所定周波数の範囲は、二次電池の種類等に応じて適宜変更してもよい。
また、本実施形態では、第１閾値の値は、図４～図６に示す実験結果に基づいて１０ｍΩに設定されている。さらに、本実施形態では、第２閾値の値は、図６に示す実験結果に基づいて７．４Ｖに設定されている。しかし、第１閾値の値は、前述した二次電池の種類等、および、第１閾値と比較する虚数成分に対応する所定周波数に応じて変化する。また、第２閾値の値も同様に、二次電池の種類等に応じて変化する。従って、第１閾値および第２閾値の値も、二次電池の種類等の各種条件に応じて適宜設定されてもよい。
＜２群判別＞
図７および図８を参照して、モジュールＭの２群判別について説明する。２群判別とは、電池容量（本実施形態では満充電容量）が基準範囲内である第１群と、電池容量が基準範囲外である第２群のいずれかにモジュールＭが属するかを判別することを示す。本願の発明者は、電池容量が様々な複数の二次電池（本実施形態ではモジュールＭ）のナイキストプロットを観察した結果から、電池容量の特定の範囲内と範囲外で、ナイキストプロットの直線部分（図３参照）の形状が異なる傾向を示すことを見出した。以下では、電池容量の特定の範囲を「基準範囲」といい、基準範囲の下限を「基準容量」とする。本実施形態では、一例として、基準範囲は３Ａｈ以上７Ａｈ以下であり、基準容量は３Ａｈである。
図７では、満充電容量が異なる複数のモジュールＭのナイキストプロットが重ねて示されている。図７に示すように、本実施形態では、満充電容量が基準範囲内であるモジュールＭのナイキストプロットでは、満充電容量が基準範囲外であるモジュールＭのナイキストプロットと比べて、直線部分の端部が図中下側に位置することが分かる。つまり、低周波数（特に、最も低い周波数である１００ｍＨｚ）における交流インピーダンスの虚数成分を比較すると、満充電容量が基準範囲内であるモジュールＭの虚数成分は、満充電容量が基準範囲外であるモジュールＭの虚数成分よりも小さくなっている。また、満充電容量が基準範囲内であるモジュールＭのナイキストプロットでは、満充電容量が基準範囲外であるモジュールＭのナイキストプロットと比べて、直線部分（特に、１００ｍＨｚ～１２０ｍＨｚの印加信号から得られる直線部分）の傾きが小さいことが分かる。以上より、モジュールＭのナイキストプロットから、直線部分の端部における交流インピーダンスの虚数成分と、直線の傾きとを特徴量として抽出することで、モジュールＭの電池容量（本実施形態では満充電容量）が基準容量以上であるか否かを判別することができる。なお、電池容量が基準容量未満であるモジュールＭは、劣化が過度に進行しており、再利用（リビルド）に適さないと考えられる。
図８を参照して、２群判別の手法の一例について説明する。図８において、横軸は、ナイキストプロットの直線部分の端部（印加信号の周波数範囲のうち、最も低い周波数である１００ｍＨｚ）における交流インピーダンスの虚数成分を示し、縦軸は、低周波数範囲（１００ｍＨｚ～１２０ｍＨｚ）における直線部分の傾きを示す。図８では、満充電容量の実測値が互いに異なる複数のモジュールＭのナイキストプロットから、直線部分の端部における交流インピーダンスの虚数成分と、直線の傾きとを特徴量として抽出した結果が黒丸でプロットされている。各プロットは、満充電容量の実測値が基準容量以上であるか否かに応じて、第１群および第２群のいずれかに属する。満充電容量の実測値が基準容量以上のモジュールＭから得られたプロット群は、「第１群」に属する。満充電容量の実測値が基準容量未満のモジュールＭから得られたプロット群は、「第２群」に属する。
電池容量（本実施形態では満充電容量）が未知のモジュールＭ（以下、「対象モジュール」という）が、第１群および第２群のいずれに属するかを判別する場合まず、対象モジュールのナイキストプロットから、前述した２つの特徴量が抽出される。抽出された特徴量が、電池容量が既知である複数のモジュールＭの特徴量と比較されることで、対象モジュールの判別が行われる。
一例として、本実施形態では、２群判別の手法として、マハラノビス＝タグチ法（ＭＴ法）が用いられる。この場合、対象モジュールの２つの特徴量のプロットと、第１群を示すプロット群との間のマハラノビス距離が算出される。図８の例では、マハラノビス距離は、対象モジュールのプロット（斜線付きの点参照）と、第１群を示すプロット群の内部（中心付近）に位置するプロット（白丸参照）との間の距離により表される。マハラノビス距離の算出式自体は公知であるため、この詳細な説明は省略する。
なお、２群判別の具体的な手法を変更することも可能である。例えば、対象モジュールと第１群の間のマハラノビス距離と、対象モジュールと第２群の間のマハラノビス距離を共に算出し、算出された２つのマハラノビス距離を比較することで、２群判別が行われてもよい。また、マハラノビス＝タグチ法以外の手法（例えば、線形判別法等）が２群判別に用いられてもよい。
＜ニューラルネットワーク学習＞
図９を参照して、モジュールＭの電池容量を推定するために用いられるニューラルネットワークモデルの学習について説明する。まず、ニューラルネットワークモデルの一例について説明する。本実施形態におけるニューラルネットワークモデルは、例えば、入力層ｘ、隠れ層ｙ、および出力層ｚを含む。入力層ｘと隠れ層ｙの間の重み付けをＷ１とし、隠れ層ｙと出力層ｚの間の重み付けをＷ２とする。本実施形態のニューラルネットワークモデルは、モジュールＭの交流インピーダンスに関するデータを入力用訓練データとし、且つ、モジュールＭの実際の電池容量に関するデータを出力用訓練データとする訓練データによって訓練される。モジュールＭの実際の電池容量は、モジュールＭの電池容量の実測値であってもよいし、高い精度で推定された推定値であってもよい。例えば、モジュールＭの満充電容量の実測値は、モジュールＭを完全放電状態から満充電状態まで充電する際の充電量を測定する等の手法で得られる。
本実施形態におけるニューラルネットワークモデルの学習方法について説明する。まず、実際の電池容量（本実施形態では満充電容量）が既知である複数のモジュールＭの候補の中から、ＳＯＣが０％であるモジュールＭ、および、ＳＯＣが０％であると推定されるモジュールＭが除外される。例えば、既知の手法によって測定されたＳＯＣ値が０％であるモジュールＭが、候補から除外されてもよい。また、前述したＳＯＣの推定アルゴリズムに従って、所定周波数における虚数成分が第１閾値以上であり、且つ、ＯＣＶの値が第２閾値以下であるモジュールＭが、ＳＯＣが０％であるモジュールＭと推定されて、候補から除外されてもよい。ＳＯＣが０％であるモジュールが、訓練データを取得する対象の二次電池から除外されることで、学習済みのニューラルネットワークモデルは、ＳＯＣが０％よりも大きいモジュールＭの電池容量の推定に最適化される。
また、複数のモジュールＭの候補の中から、実際の電池容量が前述した基準範囲外（つまり、基準容量未満）であるモジュールＭが除外される。その結果、学習済みのニューラルネットワークモデルは、電池容量が基準範囲内のモジュールＭ（つまり、第１群に属するモジュールＭ）の電池容量の推定に最適化される。
次いで、ＳＯＣが０％よりも大きく、且つ、実際の電池容量が基準容量以上であるモジュールＭの交流インピーダンスの測定結果から、ナイキストプロットが取得される。取得されたナイキストプロットに基づく学習用画像のデータが、入力用訓練データとして生成される。本実施形態の学習用画像は、例えば、縦４７ピクセル、横７８ピクセル、合計３，６６６ピクセルの領域によって構成されている。学習用画像では、３，６６６個の全てのピクセルの各々に対し、５２通りの周波数での交流インピーダンス測定結果（ナイキストプロット）のいずれかに一致するか否かの情報が含まれる。従って、単に５２通りの周波数での交流インピーダンス測定結果を入力用訓練データとして使用する場合に比べて、学習効果が高められる。その結果、電池容量の推定精度が向上する。なお、ニューラルネットワークモデルの入力層ｘは、３，６６６個のピクセルに対応する３，６６６個のノードを含んでいる。また、学習用画像、および後述する推定用画像の具体的態様を変更することも可能である。例えば、複数のプロットが配置されたナイキストプロットの画像そのものでなく、複数のプロットに基づいて生成される線または領域を含む画像が、学習用画像および推定用画像として用いられてもよい。また、画像データ以外のデータ（例えば、ナイキストプロットのデータそのもの）を、ニューラルネットワークモデルに入力するデータとして採用することも可能である。
次いで、モジュールＭから得られた学習用画像のデータを入力用訓練データとし、同一のモジュールＭにおける実際の電池容量のデータを出力用訓練データとして、ニューラルネットワークモデルの学習が行われる。詳細には、本実施形態では、ニューラルネットワークモデルの入力層ｘに対して学習用画像のデータが与えられて、出力層ｚから出力される電池容量の推定値が取得される。取得された電池容量の推定値と、実際の電池容量とが比較され、比較結果が教師信号としてニューラルネットワークモデルにフィードバックされる。教師信号に応じて、ニューラルネットワークモデルにおける重み付けＷ１，Ｗ２が調整される。以上の手順が複数の訓練データによって繰り返されることで、電池容量の推定精度が向上していく。
＜電池特性評価処理＞
図１０を参照して、電池特性評価装置３０が実行する電池特性評価処理について説明する。本実施形態の電池特性評価処理は、電池特性評価装置３０が備える制御部（例えば、ＣＰＵ等のコントローラ）によって実行される。電池特性評価装置３０の制御部は、例えば、電池特性の評価の開始指示が操作部（図示せず）によって入力されると、図１０に例示する電池特性評価処理を実行する。電池特性評価処理の各ステップは、基本的には制御部によるソフトウェア処理によって実現される。しかし、少なくとも一部の処理がハードウェア（電気回路等）によって実現されてもよい。また、処理の少なくとも一部が、電池特性評価システム１における電池特性評価装置３０以外の装置（例えば、測定装置１０等）によって実行されてもよい。なお、本実施形態において評価される電池特性には、モジュールＭのＳＯＣが０％であるか否か、および、モジュールＭの電池容量が含まれる。
まず、制御部は、特性の評価対象となるモジュールＭ（以下、「対象二次電池」という）の交流インピーダンスの測定結果とＯＣＶを取得する（Ｓ１）。前述したように、対象二次電池の交流インピーダンスとＯＣＶは、測定装置１０によって測定される。
制御部は、所定周波数（本実施形態では１００ｍＨｚ）における交流インピーダンスの虚数成分が第１閾値以上である条件、および、ＯＣＶの値が第２閾値以下である条件を共に満たすか否かを判断する（Ｓ２）。前述したように、Ｓ２における２つの条件が共に満たされる場合（Ｓ２：ＹＥＳ）、対象二次電池のＳＯＣは０％であると推定される。この場合、対象二次電池には微小短絡等の不具合が発生している可能性が高い。従って、制御部は、対象二次電池の電池容量を推定することなく、対象二次電池が再利用（リビルド）に適さないと判定し（Ｓ８）、処理は終了する。
Ｓ２における２つの条件の少なくとも一方が満たされない場合（Ｓ２：ＮＯ）、対象二次電池のＳＯＣは０％でないと推定される。この場合、制御部は、対象二次電池のナイキストプロットから、前述した特徴値（つまり、直線部分の端部における交流インピーダンスの虚数成分と、直線の傾き）を抽出する。制御部は、抽出した特徴値に基づいて、対象二次電池が第１群および第２群のいずれに属するかを判別する（Ｓ３）。前述したように、対象二次電池が第２群に属する場合（Ｓ３：ＮＯ）、対象二次電池の電池容量は、過度の劣化等によって基準容量未満となっている可能性が高い。従って、制御部は、対象二次電池の電池容量を推定することなく、対象二次電池が再利用（リビルド）に適さないと判定し（Ｓ８）、処理は終了する。
対象二次電池が第１群に属すると判別された場合（Ｓ３：ＹＥＳ）、制御部は、対象二次電池の交流インピーダンスの測定結果を示すナイキストプロットから、電池容量を推定するための推定用画像を生成する（Ｓ４）。推定用画像の生成手法は、前述した学習用画像の生成手法と同様である。制御部は、学習済みのニューラルネットワークモデルの入力層ｘ（図９参照）に、生成した推定用画像を入力する（Ｓ５）。制御部は、出力層ｚから出力される電池容量の推定結果を取得する（Ｓ６）。制御部は、取得された電池容量の推定結果に基づいて、対象二次電池の再利用態様を判定する（Ｓ７）。その後、処理は終了する。
なお、図１０のＳ１で対象二次電池の交流インピーダンスの測定結果を取得する処理は、「交流インピーダンス取得処理」の一例である。Ｓ１で対象二次電池のＯＣＶを取得する処理は、「ＯＣＶ取得処理」の一例である。Ｓ２で対象二次電池のＳＯＣを推定する処理は、「ＳＯＣ推定処理」の一例である。Ｓ３で２群判別を実行する処理は、「判別処理」の一例である。Ｓ４～Ｓ６で対象二次電池の電池容量を推定する処理は、「電池容量推定処理」の一例である。
＜評価結果＞
図１１および図１２を参照して、ＳＯＣ推定処理（図１０のＳ２）を実行した場合の、電池容量推定精度の評価結果について説明する。図１１および図１２は、共に、学習済みのニューラルネットワークモデルを用いた対象二次電池の電池容量（本実施形態では満充電容量）の推定値と、実際の電池容量との比較結果を示す。
ここで、図１１に示す電池容量の推定値は、ＳＯＣ推定処理（図１０のＳ２）および判別処理（図１０のＳ３）を行わずに、電池容量推定処理（図１０のＳ４～Ｓ６）のみを実行した場合の推定値である。図１１に示す推定値を取得するために使用したニューラルネットワークモデルは、ＳＯＣが０％である二次電池の訓練データを含む複数の訓練データによって学習されている。これに対し、図１２に示す電池容量の推定値は、ＳＯＣ推定処理（図１０のＳ２）によってＳＯＣが０％でないと推定された二次電池に対し、電池容量推定処理（図１０のＳ４～Ｓ６）を実行した場合の推定値である。図１２に示す推定値を取得するために使用したニューラルネットワークモデルは、ＳＯＣが０％でない複数の二次電池の訓練データのみによって学習されている。なお、判別処理（図１０のＳ３）による効果を除外して、ＳＯＣ推定処理による効果のみを評価するために、図１２に示す電池容量の推定値の取得処理においても、判別処理は省略されている。
図１１および図１２では、満充電容量の推定値と実測値が厳密に一致する状態が、直線Ｌ１で示されている。また、満充電容量の実測値に対して、推定値の誤差が所定範囲内（この場合は±０．５Ａｈ以内）となる状態が、２本の直線Ｌ２（破線）で挟まれた範囲（「一致範囲」という）で示されている。本開示では、複数の二次電池の各々に対する全ての電池容量の推定値のうち、一致範囲内に収まった推定値の割合を、容量推定精度と呼ぶ。図１１と図１２を比較すると、一致範囲内に収まっている推定値の割合は、図１１よりも図１２の方が高いことが分かる。実際に容量推定精度を算出すると、図１１における容量推定精度が８２．２９％であるのに対し、図１２における容量推定精度は９６．９６％となった。以上より、ＳＯＣ推定処理を実行することで、電池容量の推定精度が向上することが分かる。また、ＳＯＣ推定処理によると、二次電池のＳＯＣが０％であるか否かが適切に推定されることが分かる。
上記実施形態で開示された技術は一例に過ぎない。従って、上記実施形態で例示された技術を変更することも可能である。まず、上記実施形態で例示した複数の技術の一部のみを実行することも可能である。例えば、図１０に例示した電池特性評価処理において、２群判別の処理（Ｓ３）が省略されてもよい。この場合、ニューラルネットワークモデルの学習に用いられる複数の訓練データには、電池容量が前述した基準範囲外である二次電池の訓練データが含まれていてもよい。また、図１０に例示した電池特性評価処理では、ＳＯＣ推定処理（Ｓ２）によってＳＯＣが０％でないと推定された二次電池に対して、電池容量推定処理（Ｓ４～Ｓ６）が実行される。しかし、ＳＯＣが０％であるか否かを推定するだけで十分な場合等には、ＳＯＣ推定処理のみを実行することも可能である。
以上、具体的な実施形態を挙げて詳細な説明を行ったが、これらは例示にすぎず、請求の範囲を限定するものではない。請求の範囲に記載の技術には、以上に記載した実施形態を様々に変形、変更したものが含まれる。
１ 電池特性評価システム
１０ 測定装置
２０ 記憶装置
３０ 電池特性評価装置
Ｍ モジュール

Claims (6)

  1. 特定の周波数範囲で印加信号を対象二次電池に印加することで測定される、前記対象二次電池の交流インピーダンスの測定結果を取得する交流インピーダンス取得処理と、
    前記対象二次電池のＯＣＶを取得するＯＣＶ取得処理と、
    取得された交流インピーダンスの測定結果のうち、前記特定の周波数範囲内の所定周波数における虚数成分が第１閾値以上であり、且つ、取得されたＯＣＶの値が第２閾値以下である場合に、前記対象二次電池のＳＯＣが０％と推定するＳＯＣ推定処理と、
    前記ＳＯＣ推定処理によって前記対象二次電池のＳＯＣが０％と推定されなかった場合に、前記対象二次電池の交流インピーダンスの測定結果に基づいて、前記対象二次電池の電池容量を推定する電池容量推定処理と、
    を実行するように構成された、電池特性評価装置。
  2. 前記第１閾値と比較する交流インピーダンスの虚数成分の前記所定周波数が、前記特定の周波数範囲内のうち一定の低周波数範囲に含まれる、請求項１に記載の電池特性評価装置。
  3. 前記電池容量推定処理において、学習済みのニューラルネットワークモデルに、前記対象二次電池のナイキストプロットに基づくデータを入力することで、前記対象二次電池の電池容量の推定結果を取得し、
    前記学習済みのニューラルネットワークモデルは、複数の二次電池の各々の、交流インピーダンスの測定結果を示すナイキストプロットに基づくデータと実際の電池容量とを含む複数の訓練データによって学習が行われている、請求項１または２に記載の電池特性評価装置。
  4. 前記学習済みのニューラルネットワークモデルは、ＳＯＣが０％よりも大きい、またはＳＯＣが０％よりも大きいと推定される複数の二次電池の前記訓練データに基づいて学習されている、請求項３に記載の電池特性評価装置。
  5. 前記対象二次電池の交流インピーダンスの測定結果を示すナイキストプロットから抽出された、少なくとも１つの特徴量に基づいて、電池容量が基準範囲内である第１群と、電池容量が基準範囲外である第２群のいずれに前記対象二次電池が属するかを判別する判別処理、
    を実行するように構成されており、
    前記電池容量推定処理は、前記ＳＯＣ推定処理によって前記対象二次電池のＳＯＣが０％と推定されず、且つ、前記判別処理によって前記対象二次電池が前記第１群に属すると判別された場合に実行される、請求項１から４のいずれかに記載の電池特性評価装置。
  6. 特定の周波数範囲で印加信号を対象二次電池に印加することで測定される、前記対象二次電池の交流インピーダンスの測定結果を取得する交流インピーダンス取得ステップと、
    前記対象二次電池のＯＣＶを取得するＯＣＶ取得ステップと、
    取得された交流インピーダンスの測定結果のうち、前記特定の周波数範囲内の所定周波数における虚数成分が第１閾値以上であり、且つ、取得されたＯＣＶの値が第２閾値以下である場合に、前記対象二次電池のＳＯＣが０％と推定するＳＯＣ推定ステップと、
    前記ＳＯＣ推定ステップによって前記対象二次電池のＳＯＣが０％と推定されなかった場合に、前記対象二次電池の交流インピーダンスの測定結果に基づいて、前記対象二次電池の電池容量を推定する電池容量推定ステップと、
    を含む、電池特性評価方法。
JP2018243293A 2018-12-26 2018-12-26 電池特性評価装置、および電池特性評価方法 Active JP7153196B2 (ja)

Priority Applications (3)

Application Number Priority Date Filing Date Title
JP2018243293A JP7153196B2 (ja) 2018-12-26 2018-12-26 電池特性評価装置、および電池特性評価方法
US16/722,473 US11221372B2 (en) 2018-12-26 2019-12-20 Battery performance evaluation device, and battery performance evaluation method
CN201911353507.4A CN111381168B (zh) 2018-12-26 2019-12-25 电池特性评价装置以及电池特性评价方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
JP2018243293A JP7153196B2 (ja) 2018-12-26 2018-12-26 電池特性評価装置、および電池特性評価方法

Publications (2)

Publication Number Publication Date
JP2020106315A JP2020106315A (ja) 2020-07-09
JP7153196B2 true JP7153196B2 (ja) 2022-10-14

Family

ID=71122741

Family Applications (1)

Application Number Title Priority Date Filing Date
JP2018243293A Active JP7153196B2 (ja) 2018-12-26 2018-12-26 電池特性評価装置、および電池特性評価方法

Country Status (3)

Country Link
US (1) US11221372B2 (ja)
JP (1) JP7153196B2 (ja)
CN (1) CN111381168B (ja)

Families Citing this family (10)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
DE202014007077U1 (de) * 2014-09-04 2015-12-08 EurA Consult AG Strommesszange
US10771965B1 (en) * 2020-01-09 2020-09-08 Lexisnexis Risk Solutions Inc. Systems and methods for photo recognition-based identity authentication
US11740290B2 (en) * 2020-01-14 2023-08-29 Battelle Energy Alliance, Llc Energy storage cell qualification and related systems, methods, and devices
CN115698737A (zh) * 2020-11-13 2023-02-03 株式会社Lg化学 电池容量测量装置和方法，以及包括电池容量测量装置的电池控制系统
CN113391229B (zh) * 2021-05-14 2022-04-08 国网河北省电力有限公司经济技术研究院 退役动力电池的性能评价方法、设备及系统
CN113311348A (zh) * 2021-06-09 2021-08-27 湖北工业大学 一种基于小波分解和包络谱分析的电池故障识别方法
FI129670B (en) * 2021-09-02 2022-06-30 Tampere Univ Foundation Sr Battery measurement
EP4170366A1 (de) * 2021-10-25 2023-04-26 Siemens Aktiengesellschaft Verfahren zur beurteilung einer elektrischen speicherzelle
WO2023106378A1 (ja) * 2021-12-10 2023-06-15 学校法人東京理科大学 電子機器および解析方法
JP2023110285A (ja) * 2022-01-28 2023-08-09 株式会社豊田中央研究所 電池特性解析装置、電池特性測定装置および電池解析システム

Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2012073256A (ja) 2010-09-27 2012-04-12 IFP Energies Nouvelles 電気化学インピーダンス分光法を使用するその場電池診断方法
JP2016090346A (ja) 2014-10-31 2016-05-23 エンネット株式会社 電池診断装置および電池診断方法
WO2019021099A1 (ja) 2017-07-25 2019-01-31 株式会社半導体エネルギー研究所 蓄電システム、電子機器及び車両、並びに推定方法
JP2020021592A (ja) 2018-07-31 2020-02-06 トヨタ自動車株式会社 電池情報処理システム、二次電池の容量推定方法、ならびに、組電池、および、その組電池の製造方法
JP2020020604A (ja) 2018-07-30 2020-02-06 トヨタ自動車株式会社 電池情報処理システム、二次電池の容量推定方法、ならびに、組電池、および、その組電池の製造方法
JP2020101400A (ja) 2018-12-20 2020-07-02 トヨタ自動車株式会社 電池容量の推定方法、および電池容量の推定装置

Family Cites Families (11)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US5241275A (en) 1991-05-31 1993-08-31 At&T Bell Laboratories Method of measuring remaining capacity of a storage cell by comparing impedance plot characteristics
US6037777A (en) * 1998-09-11 2000-03-14 Champlin; Keith S. Method and apparatus for determining battery properties from complex impedance/admittance
JP2003317810A (ja) 2002-04-18 2003-11-07 Toyota Motor Corp 電池の特性評価方法
CN103091642B (zh) 2013-01-22 2014-12-10 北京交通大学 一种锂电池容量快速估计方法
JP5744957B2 (ja) * 2013-04-12 2015-07-08 プライムアースＥｖエナジー株式会社 電池状態判定装置
DE102014217135A1 (de) * 2014-08-28 2016-03-03 Volkswagen Aktiengesellschaft Verfahren und Vorrichtung zur Bestimmung eines State-of-Health- und eines State-of-Charge-Wertes einer Batterie
US10585146B2 (en) * 2015-07-09 2020-03-10 Lithium Balance A/S System for providing an excitation signal to an electrochemical system and method therefor
DE102016201026B4 (de) * 2016-01-25 2019-03-21 Volkswagen Aktiengesellschaft Verfahren und Vorrichtung zur Bestimmung einer Restkapazität einer Blei-Säure-Batterie
DE102016206538A1 (de) * 2016-04-19 2017-10-19 Audi Ag Verfahren zum Bestimmen eines Ladezustands einer Batterie für ein Kraftfahrzeug, Vorrichtung sowie Kraftfahrzeug
JP6614176B2 (ja) * 2017-02-09 2019-12-04 トヨタ自動車株式会社 電池状態推定装置
JP6724822B2 (ja) 2017-03-07 2020-07-15 トヨタ自動車株式会社 二次電池の内部抵抗算出方法

Patent Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2012073256A (ja) 2010-09-27 2012-04-12 IFP Energies Nouvelles 電気化学インピーダンス分光法を使用するその場電池診断方法
JP2016090346A (ja) 2014-10-31 2016-05-23 エンネット株式会社 電池診断装置および電池診断方法
WO2019021099A1 (ja) 2017-07-25 2019-01-31 株式会社半導体エネルギー研究所 蓄電システム、電子機器及び車両、並びに推定方法
JP2020020604A (ja) 2018-07-30 2020-02-06 トヨタ自動車株式会社 電池情報処理システム、二次電池の容量推定方法、ならびに、組電池、および、その組電池の製造方法
JP2020021592A (ja) 2018-07-31 2020-02-06 トヨタ自動車株式会社 電池情報処理システム、二次電池の容量推定方法、ならびに、組電池、および、その組電池の製造方法
JP2020101400A (ja) 2018-12-20 2020-07-02 トヨタ自動車株式会社 電池容量の推定方法、および電池容量の推定装置

Also Published As

Publication number Publication date
JP2020106315A (ja) 2020-07-09
US20200209319A1 (en) 2020-07-02
US11221372B2 (en) 2022-01-11
CN111381168B (zh) 2022-06-28
CN111381168A (zh) 2020-07-07

Similar Documents

Publication Publication Date Title
JP7153196B2 (ja) 電池特性評価装置、および電池特性評価方法
JP7070044B2 (ja) 電池情報処理システム、電池モジュールの満充電容量算出方法、電池モジュールの内部抵抗算出方法、および、組電池の製造方法
JP6988728B2 (ja) 電池情報処理システム、二次電池の容量推定方法、および、組電池の製造方法
JP7157908B2 (ja) 電池容量の推定方法および電池容量の推定装置
JP7157909B2 (ja) 電池容量の推定方法、および電池容量の推定装置
JP7070043B2 (ja) 電池情報処理システム、電池モジュールの特性評価方法、および、組電池の製造方法
JP7020273B2 (ja) 電池情報処理システム、組電池、電池モジュールの容量算出方法、および、組電池の製造方法
US20200033414A1 (en) Battery information processing system, method of estimating capacity of secondary battery, and battery assembly and method of manufacturing battery assembly
CN110867623B (zh) 电池信息处理系统、电池信息处理方法以及电池组及其制造方法
US20220397611A1 (en) Battery capacity estimation method and battery capacity estimation system
Singh et al. State of charge estimation techniques of Li-ion battery of electric vehicles
Chen et al. A self-attention knowledge domain adaptation network for commercial lithium-ion batteries state-of-health estimation under shallow cycles
Veeranna Remaining useful life prediction for lithium-ion batteries using time series forecasting models

Legal Events

Date Code Title Description
A621 Written request for application examination

Free format text: JAPANESE INTERMEDIATE CODE: A621

Effective date: 20210325

A131 Notification of reasons for refusal

Free format text: JAPANESE INTERMEDIATE CODE: A131

Effective date: 20220317

A521 Request for written amendment filed

Free format text: JAPANESE INTERMEDIATE CODE: A523

Effective date: 20220427

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: 20220901

A61 First payment of annual fees (during grant procedure)

Free format text: JAPANESE INTERMEDIATE CODE: A61

Effective date: 20220914

R151 Written notification of patent or utility model registration

Ref document number: 7153196

Country of ref document: JP

Free format text: JAPANESE INTERMEDIATE CODE: R151