JP7235792B2 - 容量劣化予測方法 - Google Patents

Description

本発明は、二次電池の容量劣化を推定する容量劣化予測方法に関する。

二次電池は、容量劣化の状況に応じて適切な用途に切り換えることで、結果的に長い期間にわたって使用することができる。例えば、移動体に適用していた二次電池を、定置用に切り替えること等があげられる。

二次電池の容量劣化予測方法として、特許文献１には、二次電池の正極及び負極の起電力カーブに基づき、二次電池の容量劣化を推定するハーフセルフィッティング方法が開示されている。この方法は、新品の電池の起電力カーブ及び劣化後の電池の起電力カーブのうち一方の起電力カーブの容量方向の位置及び形状を変化させ、他方の起電力カーブにフィットさせた際のフィッティングパラメータの変化に基づき、容量劣化を推定する。

特開２０１５－８７３４４号公報

ところで、二次電池において、充放電の繰り返しに基づき最大電池容量が低下する劣化は、使用度（例えば、累積放電電流）の増加に伴ってその進行度が大きくなる劣化変化点（二次劣化点）が存在する。容量劣化予測方法において劣化変化点が推定できれば、二次電池の有効な利用方法や交換タイミングを、より効果的に計画することが可能となる。

本発明は、上記の実情を鑑みたものであり、二次電池の最大電池容量の劣化速度が大きくなる劣化変化点を精度よく推定することができる容量劣化予測方法を提供することを目的とする。

前記の目的を達成するために、本発明の第１の態様は、二次電池の容量劣化予測方法であって、容量劣化を推定する対象電池について、電流容量と電圧で示される対象充電曲線を取得し、取得した前記対象充電曲線と、前記対象電池又は当該対象電池と同じ種類の電池の基準データとをフィットさせるフィッティング操作に基づき、容量劣化の複数のパラメータの変化を取得する実推定処理を実施し、取得した前記複数のパラメータに基づき、前記対象電池の使用度の増加に伴って最大電池容量の劣化速度が大きくなる劣化変化点を特定する変化点推定処理を実施する。

上記の容量劣化予測方法は、二次電池の最大電池容量の劣化速度が大きくなる劣化変化点を精度よく推定することができる。

本発明の一実施形態に係る容量劣化予測方法を実施する予測システムを示す説明図である。 劣化後の対象電池の対象充電曲線と基準データとを電流容量と電圧で示すグラフである。 電池の容量劣化の要因を説明するためのグラフである。 二次電池の累積放電電流に対する最大電池容量の低下を示すグラフである。 図５Ａは、正極‐電池容量低下曲線を示すグラフである。図５Ｂは、負極‐電池容量低下曲線を示すグラフである。図５Ｃは、容量ずれ‐電池容量低下曲線を示すグラフである。図５Ｄは、オフセット量‐電池容量低下曲線を示すグラフである。 ＱＶシミュレーションを説明するためのグラフである。 図７Ａは、使用度‐正極容量曲線を示すグラフである。図７Ｂは、使用度‐負極容量曲線を示すグラフである。図７Ｃは、使用度‐容量ずれ曲線を示すグラフである。図７Ｄは、使用度‐オフセット量曲線を示すグラフである。 図８Ａ～図８Ｄは、特定処理の第１ステップを例示するグラフである。 図９Ａ～図９Ｄは、特定処理の第２ステップを例示するグラフである。 図１０Ａ～図１０Ｄは、特定処理の第３ステップを例示するグラフである。 図１１Ａ～図１１Ｄは、特定処理の第４ステップを例示するグラフである。 容量劣化予測方法の処理フローを示すフローチャートである。 変化点推定処理の処理フローを示すフローチャートである。 変形例に係る予測システムを示す説明図である。

以下、本発明について好適な実施形態を挙げ、添付の図面を参照して詳細に説明する。

本発明の一実施形態に係る容量劣化予測方法は、図１に示すように、予測システム１００を用いて測定対象の電池（以下、対象電池ＯＢという）の容量劣化を推定する。予測システム１００は、対象電池ＯＢがセットされる配置部１１０と、セットされた対象電池ＯＢの充電を行う充電器１２０と、充電器１２０に通信可能に接続され対象電池ＯＢの容量劣化を実際に推定する推定装置１４０と、を備える。

対象電池ＯＢは、適宜の電力（電流、電圧）を出力可能な正極及び負極を有し、また正極及び負極を介して充電可能な二次電池である。二次電池の種類は、特に限定されず、リチウムイオン二次電池、リチウムイオンポリマ二次電池、鉛蓄電池、ニッケル系蓄電池等があげられる。本実施形態では、リチウムイオン二次電池を対象電池ＯＢとした場合について例示する。予測システム１００が測定を行う対象電池ＯＢの個数は、１つに限定されず、複数個を対象としてもよい。

また、対象電池ＯＢは、放電電流、充電電流等を検出する図示しない電流検出部、検出した放電電流、充電電流等を記憶する図示しないメモリ、プロセッサ、通信部等を有する。プロセッサは、対象電池ＯＢの使用度の情報を算出し、通信部を介して算出した使用度の情報を外部に出力可能に構成される。使用度の情報は、二次電池の使用状況を示す指標であり、例えば、二次電池から電流を放電する累積量（累積放電電流）、二次電池に電流を充電する累積量（累積充電電流）、充電回数又は二次電池を使用した時間等があげられる。以下では、使用度の情報として、累積放電電流を適用した場合について説明する。

充電器１２０は、筐体１２２と、筐体１２２に設けられた一対の端子１２４（正極端子１２４ａ、負極端子１２４ｂ）と、を有する。一対の端子１２４は、電気配線１２６を介して配置部１１０にセットされた対象電池ＯＢに電気的に接続される。充電器１２０の筐体１２２内には、一対の端子１２４に電力を出力可能な電源部１２８と、電源部１２８から対象電池ＯＢに供給する充電電流を検出する電流計１３０と、電源部１２８から対象電池ＯＢに供給する充電電圧を検出する電圧計１３２と、が設けられている。

電源部１２８は、対象電池ＯＢの状態に応じて、適宜の直流電力（直流電流、直流電圧）を出力する。電源部１２８は、直流電力を出力可能な蓄電型の直流電源を適用してもよく、充電器１２０の外部から供給された交流電力を直流電力に変換する構造を適用してもよい。電流計１３０は、電源部１２８に対して直列接続され、電源部１２８から出力される充電電流を検出する。電圧計１３２は、電源部１２８及び電流計１３０に並列接続され、対象電池ＯＢの充電電圧（端子間電圧）を検出する。

推定装置１４０は、充電器１２０に接続されるデータロガー１４２（記憶装置）と、データロガー１４２に接続される情報処理装置１４４と、を有する。データロガー１４２は、充電器１２０の電流計１３０及び電圧計１３２に信号通信可能に接続され、電流計１３０により検出された充電電流、及び電圧計１３２により検出された充電電圧を取得して記憶するストレージデバイスである。データロガー１４２には、周知のハードディスクドライブ（ＨＤＤ）やソリッドステートドライブ（ＳＳＤ）、又は他のオフラインストレージ等を適用することができる。また、データロガー１４２は、通信線１３４を介して電流計１３０、電圧計１３２及び情報処理装置１４４に通信可能に接続される入出力インタフェース、充電電流や充電電圧の書き込みや読み出し、削除を制御するプロセッサ、タイマ等を有する（共に図示せず）。なお、データロガー１４２は、充電器１２０に設けられていてもよく、無線通信によって充電器１２０から充電電流や充電電圧を受信する構成でもよい。

データロガー１４２は、タイマにより時間を計測しつつ、充電器１２０から充電電流及び充電電圧を周期的且つ連続的に取得し、充電電流及び充電電圧と時間を紐づけて蓄積していく。容量劣化予測方法の実施において、対象電池ＯＢの充電容量［ｍＡｈ］と充電電圧［Ｖ］で示される充電曲線（充電特性、ＱＶ曲線）を形成するためである。

また、データロガー１４２（又は情報処理装置１４４）は、入出力インタフェースに接続された図示しない通信部を介して、対象電池ＯＢと通信可能に構成される。データロガー１４２は、対象電池ＯＢと情報通信することで、対象電池ＯＢの累積放電電流を取得して記憶する。データロガー１４２は、劣化後の対象電池ＯＢの充電電流及び充電電圧と累積放電電流とを紐づけて記憶することで、充電器１２０で充電したタイミングにおける累積放電電流を情報処理装置１４４に提供可能にする。

情報処理装置１４４は、１以上のプロセッサ、メモリ、入出力インタフェース及び電子回路を有する。メモリは、種々のドライブ（ＨＤＤ、ＳＳＤ等）を適用可能であり、或いはプロセッサや集積回路等に付随したものを含み得る。メモリに記憶された図示しないプログラムを１以上のプロセッサが実行することで、情報処理装置１４４内には、情報処理を行う複数の機能ブロックが形成される。なお、各機能ブロックの少なくとも一部が、ＡＳＩＣ（Application Specific Integrated Circuit）、ＦＰＧＡ（Field-Programmable Gate Array）等の集積回路、ディスクリートデバイスを含む電子回路により構成されてもよい。

具体的には、情報処理装置１４４内には、充電曲線取得部１４６、記憶部１４８、フィッティング部１５０及び劣化進行推定部１５２が機能ブロックとして形成される。充電曲線取得部１４６は、データロガー１４２に蓄積された充電電流、充電電圧及び時間等を取得し、対象電池ＯＢの充電曲線（以下、対象充電曲線１０という）を算出する（図２参照）。対象充電曲線１０は、対象電池ＯＢの充電時における、電流容量に対する電圧の変化であり、横軸を電流容量とし、縦軸を電圧としたグラフで表すことができる。

図１及び図２に示すように、対象充電曲線１０の算出は、周知の方法を採用することができる。一例として、充電曲線取得部１４６は、充電ＳＯＣ（State of Charge）を０％とした対象電池ＯＢに対して、充電器１２０により満充電（ＳＯＣ＝１００％）とするまでの充電電流及び時間等に基づき、累積充電電流を算出する。この累積充電電流は電流容量に相当するため、充電曲線取得部１４６は、累積充電電流の増加に応じた充電電圧をプロットすることで、対象充電曲線１０を得ることができる。充電曲線取得部１４６は、対象充電曲線１０（又は対象充電曲線１０を構成する電流容量と充電電圧を対応付けた複数のプロット）を取得すると、記憶部１４８に記憶する。なお、予測システム１００は、データロガー１４２で対象充電曲線１０を算出して、情報処理装置１４４に対象充電曲線１０を送信する構成でもよい。

記憶部１４８は、充電曲線取得部１４６により取得された対象充電曲線１０の他に、容量劣化予測方法を実施するための基準データ２０を予め記憶している。本実施形態において基準データ２０は、対象電池ＯＢと同じ種類の電池（同じ製造方法で製造された電池）で、且つ劣化前（未使用状態、新品）の破壊検査によって得られたデータが適用される。

フィッティング部１５０は、記憶部１４８に記憶された対象充電曲線１０に関わる情報について基準データ２０とのフィッティング操作を行うことで、対象電池ＯＢの容量劣化を推定する。以下、二次電池の容量劣化の要因、及びフィッティング操作の内容について説明していく。

二次電池（リチウムイオン二次電池）は、図３の左グラフに示すように、正極ＰＥ及び負極ＮＥの各々においてＱＶ曲線を持っている（以下、正極ＱＶ曲線２２、負極ＱＶ曲線２４という）。正極ＱＶ曲線２２及び負極ＱＶ曲線２４は、例えば、二次電池のセパレータＳＰを基点に正極ＰＥと負極ＮＥに分割（破壊）し、分割された正極ＰＥと負極ＮＥにおいて、セパレータを挟んで対極側にＬｉ箔を貼り付けた後に充電を実施して、その際の充電電流及び充電電圧を監視することで得られる。

正極ＱＶ曲線２２は、横軸を電流容量［Ｑ］とし、縦軸を電圧［Ｖ］としたＱＶグラフにおいて、低い電流容量において電圧が急激に上昇した後、電流容量が増えても電圧が略一定に推移し、高い電流容量に近づくと電圧の上昇率が増加する。一方、負極ＱＶ曲線２４は、低い電流容量において電圧が急激に下降した後、電流容量が増えても電圧が略一定に推移し、高い電流容量に近づくと電圧の下降率が徐々に低下する。そして図３の右グラフに示すように、上記の正極ＱＶ曲線２２と負極ＱＶ曲線２４の差分が、二次電池の対極間の充電曲線（以下、ハーフセルである正極ＰＥと負極ＮＥを合わせた曲線という意味でフルセルＱＶ曲線２６という）となる。

ここで、二次電池の容量劣化は、以下の４つの要因があげられ、各要因は、正極ＱＶ曲線２２、負極ＱＶ曲線２４及びフルセルＱＶ曲線２６に出現する。図３では、劣化後の二次電池における、正極ＱＶ曲線２２、負極ＱＶ曲線２４、フルセルＱＶ曲線２６の変化について２点鎖線で例示している。
（１）正極ＰＥの容量低下→正極ＱＶ曲線２２における電流容量方向の縮小
（２）負極ＮＥの容量低下→負極ＱＶ曲線２４における電流容量方向の縮小
（３）リチウムイオンの減少→正極ＱＶ曲線２２と負極ＱＶ曲線２４の電流容量方向のずれ
（４）抵抗上昇→正極ＱＶ曲線２２と負極ＱＶ曲線２４の電圧方向の離間＝フルセルＱＶ曲線２６の電圧オフセット

つまり、二次電池の容量劣化には、４つのパラメータ（正極ＰＥの容量低下、負極ＮＥの容量低下、リチウムイオンの減少、抵抗上昇）がある。フィッティング操作では、基準の電池の破壊検査により得た正極ＱＶ曲線２２、負極ＱＶ曲線２４及びフルセルＱＶ曲線２６を基準データ２０として使用し、対象充電曲線１０とを一致させる処理を行う。情報処理装置１４４は、このフィッティング操作における各パラメータの変化量に基づき、対象電池ＯＢの容量劣化を解析する。

フィッティング操作において、フィッティング部１５０は、対象充電曲線１０及び基準データ２０について電流容量を電圧で微分することで、対象充電曲線１０の特徴点及び基準データ２０の特徴点を示す特性曲線を各々算出する。そして、フィッティング部１５０は、対象充電曲線１０を微分した図示しない対象特性曲線と、基準データ２０（正極ＱＶ曲線２２、負極ＱＶ曲線２４、フルセルＱＶ曲線２６）を微分した図示しない基準特性曲線（正極特性曲線、負極特性曲線、フルセル特性曲線）とのうちいずれか一方を移動して、他方にフィットさせる。さらに、フィッティング部１５０は、対象特性曲線と、複数種類の基準特性曲線との相関（独立性）が強いものから順にフィッティング操作を行う。これにより、フィッティング部１５０は、容量劣化の各パラメータの変化を精度よく抽出することが可能となり、電池の容量劣化の再現性、信頼性、理解性を一層向上させることができる。

そして、劣化進行推定部１５２は、フィッティング部１５０の演算により記憶部１４８に記憶された容量劣化の各パラメータに基づき、対象電池ＯＢの使用に伴って低下（劣化）する最大電池容量の劣化速度（劣化進行度）を推定する。図４は、横軸を累積放電電流（使用度）とし、縦軸を二次電池の最大電池容量とした場合のグラフであり、二次電池において、累積放電電流が増えるに連れて、最大電池容量が低下する劣化速度曲線２８を例示している。図４に示すように、二次電池の最大電池容量の劣化は、使用を開始した初期使用期間において緩やかに進行し、ある程度使い続けて劣化変化点ＣＰ（累積放電電流ＩＰ）に達すると、それ以降の経過使用期間において急速に進行する。以下、この劣化変化点ＣＰ（累積放電電流ＩＰ）を推定する原理及び推定方法について説明していく。

上記した二次電池の容量劣化の各パラメータ（正極ＰＥの容量低下、負極ＮＥの容量低下、リチウムイオンの減少、抵抗上昇）は、二次電池の使用による最大電池容量の低下に関係している。

例えば、正極ＰＥの容量低下のパラメータについて、横軸を正極ＰＥの電流容量の低下率とし、縦軸を二次電池の最大電池容量の低下率とした場合の正極容量変化グラフ３３を図５Ａに示す。なお、最大電池容量の低下率とは、劣化前（新品、使用前）の二次電池の最大電池容量に対して、二次電池の使用により低下した最大電池容量の割合である。また、正極ＰＥの電流容量の低下率とは、劣化前の正極ＰＥの電流容量を１００％とした場合に、二次電池の使用により低下した正極ＰＥの電流容量の割合を差し引いたものである。

正極容量変化グラフ３３を参照すると、最大電池容量の低下率が増えるに連れて、正極ＰＥの電流容量の低下率も増えている（電流容量が１００％から低下している）。以下、この正極ＰＥの電流容量の低下率に対する最大電池容量の低下率を示す曲線について、正極‐電池容量低下曲線３２という。

同様に、負極ＮＥの容量低下のパラメータについて、横軸を負極ＮＥの電流容量の低下率とし、縦軸を二次電池の最大電池容量の低下率とした場合の負極容量変化グラフ３５を図５Ｂに示す。なお、負極ＮＥの電流容量の低下率とは、劣化前の負極ＮＥの電流容量を１００％とした場合に、二次電池の使用により低下した負極ＮＥの電流容量の割合を差し引いたものである。

負極容量変化グラフ３５を参照すると、最大電池容量の低下率が増えるに連れて、負極ＮＥの電流容量の低下率も増えている（電流容量が１００％から低下している）。以下、この負極ＮＥの電流容量の低下率に対する最大電池容量の低下率を示す曲線について、負極‐電池容量低下曲線３４という。

また、リチウムイオンの減少（容量ずれ）のパラメータについて、横軸を容量ずれ量とし、縦軸を二次電池の最大電池容量の低下率とした場合の容量ずれ変化グラフ３７を図５Ｃに示す。なお、容量ずれ量は、リチウムイオンの減少量に比例したパラメータである。

容量ずれ変化グラフ３７を参照すると、最大電池容量の低下率が増えるに連れて、容量ずれ量も増えている。以下、この容量ずれ量に対する最大電池容量の低下率を示す曲線について、容量ずれ‐電池容量低下曲線３６という。

さらに、抵抗上昇のパラメータ（電圧オフセット）について、横軸を電圧オフセット量とし、縦軸を二次電池の最大電池容量の低下率とした場合の電圧オフセット変化グラフ３９を図５Ｄに示す。なお、電圧オフセット量は、抵抗上昇量に比例したパラメータである。

電圧オフセット変化グラフ３９を参照すると、最大電池容量の低下率が増えるに連れて、電圧オフセット量も増えている。以下、この電圧オフセット量に対する最大電池容量の低下率を示す曲線について、オフセット量‐電池容量低下曲線３８という。

ここで、各変化グラフ３１（正極容量変化グラフ３３、負極容量変化グラフ３５、容量ずれ変化グラフ３７、電圧オフセット変化グラフ３９）を参照すると、各低下曲線３０（正極‐電池容量低下曲線３２、負極‐電池容量低下曲線３４、容量ずれ‐電池容量低下曲線３６、オフセット量‐電池容量低下曲線３８）は、適宜の変化点３２ａ、３４ａ、３６ａ、３８ａを基点に前後の曲線の傾きが変わっていることが分かる。例えば、正極‐電池容量低下曲線３２は、正極ＰＥの電流容量の低下率で８７％前後の位置に変化点３２ａが存在する。負極‐電池容量低下曲線３４は、負極ＮＥの電流容量の低下率で６７％前後に変化点３４ａが存在する。容量ずれ‐電池容量低下曲線３６は、容量ずれ量で２Ａｈ前後に変化点３６ａが存在する。オフセット量‐電池容量低下曲線３８は、電圧オフセット量で０．３Ｖ前後に変化点３８ａが存在する。これらの変化点３２ａ、３４ａ、３６ａ、３８ａは、二次電池の最大電池容量が低下する際に劣化速度に変化をもたらす。このため、劣化進行推定部１５２は、各低下曲線３０の変化点３２ａ、３４ａ、３６ａ、３８ａを利用して劣化変化点ＣＰを推定する。

具体的には、予測システム１００は、劣化前の対象電池ＯＢについて上記のフィッティング操作を行って、容量劣化の各パラメータを記憶部１４８に記憶する初期処理を行う。そして、劣化進行推定部１５２は、記憶部１４８に記憶された初期処理の各パラメータを用いて、複数のパラメータ毎に低下曲線３０を生成する低下曲線生成処理を行う。

低下曲線生成処理において、劣化進行推定部１５２は、各パラメータのうち固定する複数のパラメータと、最大電池容量（ＱＶエネルギ、充電エネルギ）に沿って推移させる１つのパラメータとを設定する。例えば、劣化進行推定部１５２は、正極ＰＥの容量低下のパラメータを、最大電池容量に沿って推移させるパラメータとした場合、他のパラメータ（負極ＮＥの容量低下、リチウムイオンの減少、抵抗上昇）を固定する。そして、劣化進行推定部１５２は、他のパラメータの固定状態で、最大電池容量の低下に沿って正極ＰＥの電流容量のパラメータを低下させるＱＶシミュレーションを実施する。

ＱＶシミュレーションは、電流容量と電圧とで示される劣化前の対象電池ＯＢの対象充電曲線１０を使用する。図６の左グラフにおいて対象電池ＯＢの高電流容量側の端部（右端：以下、高電流容量端１０ｅという）は、正極ＰＥの電流容量（正極ＱＶ曲線２２：図３も参照）の端部に近似している。最大電池容量のＱＶエネルギ（電流容量と電圧の面積）を一定割合で縮小させると、高電流容量端１０ｅが電流容量（図６の左グラフの横軸）の低下方向に移動する。電圧方向の高さを変えずにＱＶエネルギが一定割合で縮小した場合、正極ＰＥの電流容量の低下率（劣化速度）は、負極ＱＶ曲線２４の傾きの影響を受ける。

ここで、図６の右グラフに示すように負極ＱＶ曲線２４を拡大すると、負極ＱＶ曲線２４は、電流容量をＳＯＣに換算した場合にＳＯＣ＝８７％の位置に傾きが変化する傾き変化点ｓｃが存在する。すなわち、負極ＱＶ曲線２４は、傾き変化点ｓｃよりも高電流容量側において電圧方向の傾きが急になっており、傾き変化点ｓｃよりも低電流容量側において電圧方向の傾きが緩やかになっている。従って、ＱＶエネルギを一定割合で縮小させて高電流容量端１０ｅを移動させると、負極ＱＶ曲線２４の傾きが急な高電流容量側は、電流容量の低下方向の縮小量が少なく、負極ＱＶ曲線２４の傾きが緩やかな低電流容量側は、電流容量の低下方向の縮小量が大きくなる。

つまり、正極ＰＥの電流容量に近似した高電流容量端１０ｅは、ＱＶエネルギの低下に伴って電流容量の低下方向に推移した場合に、傾き変化点ｓｃまでは低下の速度が遅く、傾き変化点ｓｃを超えると低下の速度が速くなる。結局、図５Ａに示す正極容量変化グラフ３３において、正極‐電池容量低下曲線３２の変化点３２ａは、傾き変化点ｓｃに多大な影響を受けていることが分かる。そして、劣化進行推定部１５２は、正極ＰＥの容量低下以外の各パラメータを固定して正極ＰＥの容量低下のパラメータを推移させるＱＶシミュレーションを実施することで、図５Ａに示す正極‐電池容量低下曲線３２を得ることができる。他のパラメータ（負極ＮＥの容量低下、リチウムイオンの減少、抵抗上昇）も、同様の手法によって、図５Ｂに示す負極‐電池容量低下曲線３４、図５Ｃに示す容量ずれ‐電池容量低下曲線３６、図５Ｄに示すオフセット量‐電池容量低下曲線３８を得ることができる。

また、劣化進行推定部１５２は、現在（劣化後）の対象電池ＯＢについて、上記のフィッティング操作に基づき容量劣化の各パラメータを取得する。これにより、劣化進行推定部１５２は、正極‐電池容量低下曲線３２、負極‐電池容量低下曲線３４、容量ずれ‐電池容量低下曲線３６、オフセット量‐電池容量低下曲線３８における、現在のパラメータ（図５Ａ～図５Ｄ中の白丸）の位置を認識できる。

さらに、劣化変化点ＣＰの推定において、劣化進行推定部１５２は、使用度曲線生成処理を行う。使用度曲線生成処理は、対象電池ＯＢの容量劣化の各パラメータを、図７Ａ～図７Ｄに示す複数のパラメータ使用度グラフ４１に適用して、累積放電電流と各パラメータとで示す使用度曲線４０を生成する。各使用度曲線４０の算出において、劣化進行推定部１５２は、記憶部１４８に記憶された劣化前の各パラメータ、劣化後の１以上の各パラメータ、及び累積放電電流を読み出す。

図７Ａに示すパラメータ使用度グラフ４１は、横軸を累積放電電流とし、縦軸を正極ＰＥの電流容量の低下率とした正極使用度グラフ４３であり、このグラフ上に使用度‐正極容量曲線４２が形成される。使用度‐正極容量曲線４２は、読み出した複数の正極ＰＥの電流容量低下のパラメータと、これに紐づいた累積放電電流とによりプロットされる。

図７Ｂに示すパラメータ使用度グラフ４１は、横軸を累積放電電流とし、縦軸を負極ＮＥの電流容量の低下率とした負極使用度グラフ４５であり、このグラフ上に使用度‐負極容量曲線４４が形成される。使用度‐負極容量曲線４４は、読み出した複数の負極ＮＥの電流容量低下のパラメータと、これに紐づいた累積放電電流とによりプロットされる。

図７Ｃに示すパラメータ使用度グラフ４１は、横軸を累積放電電流とし、縦軸を容量ずれ量とした容量ずれ使用度グラフ４７であり、このグラフ上に使用度‐容量ずれ曲線４６が形成される。使用度‐容量ずれ曲線４６は、読み出した複数の容量ずれ量のパラメータと、これに紐づいた累積放電電流とによりプロットされる。

図７Ｄに示すパラメータ使用度グラフ４１は、横軸を累積放電電流とし、縦軸を電圧オフセット量とした電圧オフセット使用度グラフ４９であり、このグラフ上に使用度‐オフセット量曲線４８が形成される。使用度‐オフセット量曲線４８は、読み出した複数の電圧オフセット量のパラメータと、これに紐づいた累積放電電流とによりプロットされる。

さらに、劣化進行推定部１５２は、形成した各使用度曲線４０の変化傾向から累積放電電流に対する各パラメータの変化を予測する。例えば、累積放電電流に対するパラメータの変化の予測によって、劣化進行推定部１５２は、劣化前の容量劣化の各パラメータに対し、劣化後の１以上の容量劣化の各パラメータについて変化傾向（変化率又は変化量）のデータを読み出す。読み出す各パラメータの変化傾向のデータは、実験やシミュレーション等によって得られたものである。劣化進行推定部１５２は、劣化後の１以上の容量劣化の各パラメータを、読み出した変化傾向のデータに当て嵌める（又は相関させる）。これにより、劣化進行推定部１５２は、図７Ａ～図７Ｄ中に二点鎖線で示すように、累積放電電流に対して各パラメータが変化する予測曲線４２ｐ、４４ｐ、４６ｐ、４８ｐを算出することができる。

以上のように劣化進行推定部１５２は、低下曲線生成処理により各パラメータの低下曲線３０を取得すると共に、使用度曲線生成処理により各パラメータの使用度曲線４０を取得する。劣化進行推定部１５２は、取得したこれらの低下曲線３０及び使用度曲線４０から、対象電池ＯＢの劣化変化点ＣＰに最も影響を及ぼすパラメータを特定していく特定処理を行う。

具体的には、図８Ａ～図８Ｄに示すように低下曲線生成処理により低下曲線３０の各々には、上記したように変化点３２ａ、３４ａ、３６ａ、３８ａが存在する。劣化進行推定部１５２は、特定処理において、各低下曲線３０の変化点３２ａ、３４ａ、３６ａ、３８ａの横軸の値（図８Ａ～図８Ｄ中の黒塗り星印参照）を抽出する第１ステップを行う。すなわち、劣化進行推定部１５２は、正極‐電池容量低下曲線３２上の変化点３２ａから正極ＰＥの電流容量の低下率、負極‐電池容量低下曲線３４上の変化点３４ａから負極ＮＥの電流容量の低下率、容量ずれ‐電池容量低下曲線３６の変化点３６ａから容量ずれ量、オフセット量‐電池容量低下曲線３８上の変化点３８ａから電圧オフセット量を得る。

次に、劣化進行推定部１５２は、図９Ａ～図９Ｄに示すように、第１ステップで抽出した横軸の値を、各パラメータ使用度グラフ４１に当て嵌め、その際の各累積放電電流を抽出する第２ステップを行う。つまり、劣化進行推定部１５２は、使用度曲線４０に対して横軸の値（正極ＰＥの電流容量の低下率、負極ＮＥの電流容量の低下率、容量ずれ量、電圧オフセット量）を適用した場合における、各パラメータの累積放電電流（図９Ａ～図９Ｄ中の横軸の黒塗り三角印参照）を抽出する。抽出した各累積放電電流により、劣化進行推定部１５２は、各パラメータのうち最小の累積放電電流（図９Ａの白抜き三角印参照）を認識できる。

次に、劣化進行推定部１５２は、図１０Ａ～図１０Ｄに示すように、取得した最小の累積放電電流を、別のパラメータ使用度グラフ４１に適用することで、最小の累積放電電流に対する、各パラメータの値（図１０Ａ～図１０Ｄの横軸の白抜き三角印参照）を取得する第３ステップを行う。例えば、使用度‐正極容量曲線４２の累積放電電流が最も小さい場合には、この累積放電電流を、他の使用度‐負極容量曲線４４、使用度‐容量ずれ曲線４６、使用度‐オフセット量曲線４８に当て嵌める。これにより最小の累積放電電流における、正極ＰＥの電流容量の低下率、負極ＮＥの電流容量の低下率、容量ずれ量、電圧オフセット量の各値が得られる。

さらに、劣化進行推定部１５２は、図１１Ａ～図１１Ｄに示すように、第３ステップで得られた各値（容量劣化の各パラメータ）を各変化グラフ３１に当て嵌め、各値に基づき各低下曲線３０を変形する第４ステップを行う。すなわち、最大電池容量の低下率は各パラメータの影響を受けて変化するため、劣化進行推定部１５２は、第３ステップで得られた各値に応じたＱＶシミュレーションにより各低下曲線３０の形状を変化させる。この変形した各低下曲線３０に伴って、各変化点３２ａ、３４ａ、３６ａ、３８ａは、現在のパラメータに近づく方向に移動する。従って、劣化進行推定部１５２は、以上の第１～第４ステップを繰り返すことで、各低下曲線３０の形状及び変化点３２ａ、３４ａ、３６ａ、３８ａを徐々に変化させることができる。

第１～第４ステップを繰り返す処理は、容量劣化の各パラメータが各変化点３２ａ、３４ａ、３６ａ、３８ａに対してどのように推移するかを逆算する処理にあたる。この処理は、正極‐電池容量低下曲線３２、負極‐電池容量低下曲線３４、容量ずれ‐電池容量低下曲線３６、オフセット量‐電池容量低下曲線３８の変化点３２ａ、３４ａ、３６ａ、３８ａのうちいずれかが、対応する容量劣化の各パラメータに達するまで行う。

そして、劣化進行推定部１５２は、現在の容量劣化の各パラメータに対して変化点３２ａ、３４ａ、３６ａ、３８ａが最初に到達した低下曲線３０について、累積放電電流の増加により劣化変化点ＣＰに最も影響を与えるものであると認識する。劣化進行推定部１５２は、その低下曲線３０及び使用度曲線４０を示す容量劣化のパラメータを選択し、その低下曲線３０の変化点から累積放電電流ＩＰ（劣化変化点ＣＰ）を決定して記憶部１４８に記憶する。また劣化変化点ＣＰを確定すると、劣化進行推定部１５２は、現在の累積放電電流から劣化変化点ＣＰまでの累積放電電流（又は時間的長さ）を算出する。以上の処理により、容量劣化予測方法は、劣化変化点ＣＰ（累積放電電流ＩＰ）、劣化変化点ＣＰに至るまでの時間を精度よく推定することができる。

本実施形態に係る予測システム１００は、基本的には以上のように構成されるものであり、以下、容量劣化予測方法の処理フローについて図１２を参照して説明する。

二次電池の容量劣化予測方法において、予測システム１００のユーザは、まず劣化前の対象電池ＯＢについて初期の容量劣化の各パラメータを取得する初期処理を実施する（ステップＳ１０）。初期処理において、予測システム１００は、劣化前の対象電池ＯＢに対して充電器１２０により充電を行い、充電時の充電電流及び充電電圧をデータロガー１４２に蓄積する。そして、情報処理装置１４４は、充電電流及び充電電圧に基づき、図示しない初期充電曲線を取得する。さらに情報処理装置１４４は、初期充電曲線と、基準データ２０（正極ＱＶ曲線２２、負極ＱＶ曲線２４、フルセルＱＶ曲線２６）とのフィッティング操作を行う。基準データ２０は、対象電池ＯＢと同じ種類の電池を破壊検査することにより事前に取得している。

この初期処理によって、予測システム１００及びユーザは、容量劣化の各パラメータの初期状態を認識することができる。予測システム１００は、初期処理により得られた劣化前の対象電池ＯＢにおける、正極ＰＥの容量低下、負極ＮＥの容量低下、リチウムイオンの減少、抵抗上昇の各パラメータを記憶部１４８に記憶しておく。

次に、容量劣化予測方法は、劣化後の対象電池ＯＢについて容量劣化の各パラメータを取得する実推定処理を実施する（ステップＳ２０）。実推定処理において、予測システム１００は、劣化後の対象電池ＯＢに対して充電器１２０により充電を行い、充電時の充電電流及び充電電圧をデータロガー１４２に蓄積する。そして、情報処理装置１４４は、充電電流及び充電電圧に基づき、対象充電曲線１０を取得する。さらに情報処理装置１４４は、対象充電曲線１０と、基準データ２０（正極ＱＶ曲線２２、負極ＱＶ曲線２４、フルセルＱＶ曲線２６）とのフィッティング操作を行う。フィッティング操作により、劣化後の対象電池ＯＢにおける、正極ＰＥの容量低下、負極ＮＥの容量低下、リチウムイオンの減少、抵抗上昇の各パラメータが得られる。また予測システム１００は、各パラメータの記憶時に、対象電池ＯＢの累積放電電流を取得し、累積放電電流を各パラメータに紐づけて記憶部１４８に記憶する。

例えば、ステップＳ１０、Ｓ２０のフィッティング操作は、上記したように、対象充電曲線１０、正極ＱＶ曲線２２、負極ＱＶ曲線２４、フルセルＱＶ曲線２６について、電流容量を電圧で微分して特性曲線をそれぞれ算出する。そして、フィッティング部１５０は、各特性曲線において相関（独立性）が強いもの同士からフィッティング操作を行うことで、容量劣化の各パラメータを精度よく算出することができる。以上の容量劣化の各パラメータを取得する実推定処理は、対象電池ＯＢを任意の期間使用して、複数回実施することが好ましい。

その後、情報処理装置１４４は、劣化変化点ＣＰを導出する変化点推定処理を実施する（ステップＳ３０）。この際、劣化進行推定部１５２は、図１３に示すように、容量劣化の各パラメータについて、低下曲線３０を取得する低下曲線生成処理を実施すると共に（ステップＳ３１）、使用度曲線４０を取得する使用度曲線生成処理を実施する（ステップＳ３２）。そして最終的に、劣化進行推定部１５２は、各低下曲線３０及び各使用度曲線４０を用いて劣化変化点ＣＰを導出する特定処理（ステップＳ３３）を実施する。

低下曲線生成処理において、劣化進行推定部１５２は、劣化前の容量劣化の各パラメータに基づきＱＶシミュレーションを実施することで、図５Ａ～図５Ｄに示す各低下曲線３０を生成する。上記したように、ＱＶシミュレーションは、容量劣化の各パラメータのうち、ＱＶエネルギを推移するパラメータ以外のパラメータを固定して、ＱＶエネルギを一定割合で減少することで推移するパラメータを抽出（プロット）する。これにより、劣化進行推定部１５２は、各パラメータの複数の抽出点と、対象電池ＯＢの最大電池容量の低下率とで示される正極‐電池容量低下曲線３２、負極‐電池容量低下曲線３４、容量ずれ‐電池容量低下曲線３６、オフセット量‐電池容量低下曲線３８を得ることができる。そして、正極‐電池容量低下曲線３２、負極‐電池容量低下曲線３４、容量ずれ‐電池容量低下曲線３６、オフセット量‐電池容量低下曲線３８の各々は、変化点３２ａ、３４ａ、３６ａ、３８ａを持っている。

使用度曲線生成処理において、劣化進行推定部１５２は、劣化前の容量劣化の各パラメータ、劣化後の容量劣化の各パラメータ及び累積放電電流に基づき、図７Ａ～図７Ｄに示す各使用度曲線４０を生成する。上記したように、劣化進行推定部１５２は、使用度(累積放電電流)と、劣化前及び劣化後の容量劣化の各パラメータとからなるプロットを、各パラメータ使用度グラフ４１に配置することで、累積放電電流に対する容量劣化の各パラメータ値の使用度曲線４０を取得する（ステップＳ３２－１）。

さらに、劣化進行推定部１５２は、各パラメータ使用度グラフ４１上の各使用度曲線４０を用いて、現在から累積放電電流が増加した場合における各パラメータの変化を予測する（ステップＳ３２－２）。これにより、劣化進行推定部１５２は、各パラメータについて、図７Ａ～図７Ｄ中に二点鎖線で示す予測曲線４２ｐ、４４ｐ、４６ｐ、４８ｐを得る。

最後に特定処理において、劣化進行推定部１５２は、上記した第１～第４ステップを繰り返して行うことで、対象電池ＯＢの劣化変化点ＣＰを特定する。すなわち、第１ステップ（ステップＳ３３－１）において、劣化進行推定部１５２は、各変化グラフ３１における各低下曲線３０の変化点３２ａ、３４ａ、３６ａ、３８ａの横軸の値を抽出する（図８Ａ～図８Ｄ参照）。第２ステップ（ステップＳ３３－２）において、劣化進行推定部１５２は、第１ステップの横軸の値を、各パラメータ使用度グラフ４１に当て嵌め、その際の各累積放電電流を抽出する（図９Ａ～図９Ｄ参照）。第３ステップ（ステップＳ３３－３）において、劣化進行推定部１５２は、各パラメータ使用度グラフ４１のうち最小の累積放電電流を、別の各パラメータ使用度グラフ４１に当て嵌め、その各パラメータの値（縦軸）を抽出する。第４ステップ（ステップＳ３３－４）において、劣化進行推定部１５２は、第３ステップで得られた各パラメータの値を各低下曲線３０に当て嵌め、各低下曲線３０を変形する。

そしてステップＳ３３－５において、劣化進行推定部１５２は、変形した各低下曲線３０における各変化点３２ａ、３４ａ、３６ａ、３８ａのうちいずれかが、現在の各パラメータに達したか否かを判定する。変化点３２ａ、３４ａ、３６ａ、３８ａのいずれも現在の各パラメータに達していない場合には、ステップＳ３３－１に戻り、同様の処理を繰り返す。一方、変化点３２ａ、３４ａ、３６ａ、３８ａのいずれかが現在の各パラメータに達した場合は、そのパラメータに対応する使用度曲線４０（図９Ａ～図９Ｄ参照）から、変化点に応じた累積放電電流を、劣化変化点ＣＰの累積放電電流ＩＰ（図４参照）として抽出する（ステップＳ３３－６）。

この特定処理の実施により、劣化進行推定部１５２は、対象電池ＯＢについて容量劣化の各パラメータを勘案した劣化変化点ＣＰ（累積放電電流ＩＰ）を精度よく推定することができる。予測システム１００は、以上の変化点推定処理を実施すると、図示しないモニタ等の報知手段を介して、例えば、図４に示すようなグラフを示し、劣化変化点ＣＰをユーザに報知する。また、予測システム１００は、現在の対象電池ＯＢから劣化変化点ＣＰまでの累積放電電流（又は累積放電電流に基づく時間的長さ等）をユーザに報知してもよい。

本発明は、上記の実施形態に限定されず、発明の要旨に沿って種々の改変が可能である。例えば、予測システム１００は、特定処理の第３ステップにおいて、最小の累積放電電流を抽出した容量劣化のパラメータ（図１０Ａ～図１０Ｄ参照）について、そのパラメータの変化点を対象電池ＯＢの劣化変化点ＣＰとしてもよい。これにより、容量劣化予測方法は、劣化変化点ＣＰを迅速に得ることができる。

或いは、予測システム１００は、フィッティング操作において最も相関が強い容量劣化のパラメータ（例えば、負極の容量低下のパラメータ）の変化点を、対象電池ＯＢの劣化変化点ＣＰとしてもよい。すなわち、対象電池ＯＢの最大電池容量の低下は、最も相関が強いパラメータの影響を受け易いと言えるので、そのパラメータが対象電池ＯＢの劣化を促す最大の要素と特定する。これにより、容量劣化予測方法は、劣化変化点ＣＰをより一層簡単に推定することができる。

また例えば、図１４に示す変形例に係る予測システム１００の推定装置１４０Ａは、図１に示すデータロガー１４２と、記憶部１４８と一体化した記憶装置１５４を適用して構成される。予測システム１００は、このように種々のデータを記憶する１つの記憶装置１５４を適用することで、構造を一層簡素化することができる。

上記の実施形態から把握し得る技術的思想及び効果について以下に記載する。

本発明の第１の態様は、二次電池の容量劣化予測方法であって、容量劣化を推定する対象電池ＯＢについて、電流容量と電圧で示される対象充電曲線１０を取得し、取得した対象充電曲線１０と、対象電池ＯＢ又は当該対象電池ＯＢと同じ種類の電池の基準データ２０とをフィットさせるフィッティング操作に基づき、容量劣化の複数のパラメータの変化を取得する実推定処理を実施し、取得した複数のパラメータに基づき、対象電池ＯＢの使用度の増加に伴って最大電池容量の劣化速度が変化する劣化変化点ＣＰを特定する変化点推定処理を実施する。

上記によれば、容量劣化予測方法は、容量劣化の複数のパラメータに基づき、対象電池ＯＢ（二次電池）の最大電池容量の劣化速度が大きくなる劣化変化点ＣＰを得ることができる。すなわち、二次電池の劣化変化点ＣＰは、容量劣化の複数のパラメータが影響しており、当該複数のパラメータを解析することで、劣化変化点ＣＰを精度よく推定することが可能となる。これにより、容量劣化予測方法は、対象電池ＯＢの有効な利用方法や交換タイミング等を認識することができる。

また、前記変化点推定処理は、複数のパラメータ毎に、当該パラメータの変化と最大電池容量の低下率とで示す低下曲線３０を生成する低下曲線生成処理と、複数のパラメータ毎に、当該パラメータの変化と使用度とで示す使用度曲線４０を生成する使用度曲線生成処理と、取得した複数のパラメータ毎の低下曲線３０及び使用度曲線４０に基づき、劣化変化点ＣＰを特定する特定処理と、を行う。これにより、容量劣化予測方法は、取得した複数のパラメータ毎の低下曲線３０及び使用度曲線４０に基づき、劣化変化点ＣＰを精度よく推定することができる。

また、低下曲線生成処理は、最大電池容量の低下時における複数のパラメータ毎の変化をシミュレーションすることで、複数のパラメータ毎の低下曲線３０を生成すると共に、複数の低下曲線３０毎に当該低下曲線３０の傾きが変化する変化点３２ａ、３４ａ、３６ａ、３８ａを抽出する。このように取得した各低下曲線３０及び変化点３２ａ、３４ａ、３６ａ、３８ａを用いることで、容量劣化予測方法は、劣化変化点ＣＰの要因を容易に認識することが可能となる。

また、シミュレーションは、複数のパラメータのうち所定のパラメータを選択し、所定のパラメータ以外のパラメータを固定した状態で、最大電池容量を一定割合で低下して所定のパラメータの変化を導出することで、低下曲線３０を生成する。これにより、容量劣化予測方法は、最大電池容量の劣化に影響する各パラメータの特性を簡単に生成することができる。

また、特定処理は、複数のパラメータ毎の変化点を、当該複数のパラメータ毎の使用度曲線４０に当て嵌めることで、当該複数のパラメータ毎の変化点３２ａ、３４ａ、３６ａ、３８ａにおける使用度を抽出し、抽出した複数のパラメータ毎の変化点３２ａ、３４ａ、３６ａ、３８ａにおける使用度に基づき、複数のパラメータ毎の低下曲線３０を変化させる処理を繰り返すことで、複数のパラメータのうちいずれかのパラメータの変化点３２ａ、３４ａ、３６ａ、３８ａを劣化変化点ＣＰに設定する。これにより、容量劣化予測方法は、対象電池ＯＢにおいて各パラメータの影響を勘案した劣化変化点ＣＰを良好に得ることができる。

また、使用度曲線生成処理は、実推定処理で取得した複数のパラメータと、当該複数のパラメータに紐づいた使用度とに基づき、複数のパラメータ毎の使用度曲線４０を生成し、且つ、複数の使用度曲線４０毎に、複数のパラメータが変化する予測曲線４２ｐ、４４ｐ、４６ｐ、４８ｐを算出する。これにより、容量劣化予測方法は、各パラメータの使用度曲線４０を適切に得ることができる。

また、フィッティング操作は、対象充電曲線１０及び基準データ２０について電流容量を電圧で微分した特性曲線を各々算出し、特性曲線の各々をフィットさせる。これにより、容量劣化予測方法は、劣化変化点ＣＰを推定するための複数のパラメータを、精度よく取得することができる。

また、複数のパラメータは、正極の容量低下のパラメータ、負極の容量低下のパラメータ、リチウムイオンの減少のパラメータ、抵抗上昇のパラメータである。これにより、容量劣化予測方法は、対象電池ＯＢの容量劣化の要因となる各パラメータに基づき、劣化変化点ＣＰを確実に得ることが可能となる。

また、本発明の第２の態様は、二次電池の容量劣化予測方法を実施する予測システム１００であって、容量劣化を推定する対象電池ＯＢに充電を行う充電器１２０と、充電器１２０に接続される推定装置１４０、１４０Ａと、を有し、推定装置１４０、１４０Ａは、劣化後の対象電池ＯＢに供給される充電電流及び充電電圧に基づき、電流容量と電圧で示される対象充電曲線１０を取得し、取得した対象充電曲線１０と、対象電池ＯＢ又は当該対象電池ＯＢと同じ種類の電池の基準データ２０とをフィットさせるフィッティング操作に基づき、容量劣化の複数のパラメータの変化を取得する実推定処理を実施し、取得した複数のパラメータに基づき、対象電池ＯＢの使用度の増加に伴って最大電池容量の劣化速度が変化する劣化変化点ＣＰを特定する変化点推定処理を実施する。これにより、予測システム１００は、二次電池の最大電池容量の劣化速度が大きくなる劣化変化点ＣＰを精度よく推定することができる。

１０…対象充電曲線 ２０…基準データ
２２…正極ＱＶ曲線 ２４…負極ＱＶ曲線
２６…フルセルＱＶ曲線 ３０…低下曲線
３２…正極‐電池容量低下曲線 ３２ａ、３４ａ、３６ａ、３８ａ…変化点
３４…負極‐電池容量低下曲線 ３６…容量ずれ‐電池容量低下曲線
３８…オフセット量‐電池容量低下曲線 ４０…使用度曲線
４２…使用度‐正極容量曲線 ４２ｐ、４４ｐ、４６ｐ、４８ｐ…予測曲線
４４…使用度‐負極容量曲線 ４６…使用度‐容量ずれ曲線
４８…使用度‐オフセット量曲線 １００…予測システム
１２０…充電器 １４０、１４０Ａ…推定装置
ＯＢ…対象電池 ＣＰ…劣化変化点

Claims (7)

1. 二次電池の容量劣化予測方法であって、
   容量劣化を推定する対象電池について、電流容量と電圧で示される対象充電曲線を取得し、取得した前記対象充電曲線と、前記対象電池又は当該対象電池と同じ種類の電池の基準データとをフィットさせるフィッティング操作に基づき、容量劣化の複数のパラメータの変化を取得する実推定処理を実施し、
   取得した前記複数のパラメータに基づき、前記対象電池の使用度の増加に伴って最大電池容量の劣化速度が変化する劣化変化点を特定する変化点推定処理を実施し、
   前記変化点推定処理は、
   前記複数のパラメータ毎に、当該パラメータの変化と前記最大電池容量の低下率とで示す低下曲線を生成する低下曲線生成処理と、
   前記複数のパラメータ毎に、当該パラメータの変化と前記使用度とで示す使用度曲線を生成する使用度曲線生成処理と、
   取得した前記複数のパラメータ毎の前記低下曲線及び前記使用度曲線に基づき、前記劣化変化点を特定する特定処理と、を行う
   容量劣化予測方法。
2. 二次電池の容量劣化予測方法であって、
   容量劣化を推定する対象電池について、電流容量と電圧で示される対象充電曲線を取得し、取得した前記対象充電曲線と、前記対象電池又は当該対象電池と同じ種類の電池の基準データとをフィットさせるフィッティング操作に基づき、容量劣化の複数のパラメータの変化を取得する実推定処理を実施し、
   取得した前記複数のパラメータに基づき、前記対象電池の使用度の増加に伴って最大電池容量の劣化速度が変化する劣化変化点を特定する変化点推定処理を実施し、
   前記変化点推定処理は、
   前記複数のパラメータ毎に、当該パラメータの変化と前記最大電池容量の低下率とで示す低下曲線を生成する低下曲線生成処理と、
   前記複数のパラメータ毎に、当該パラメータの変化と前記使用度とで示す使用度曲線を生成する使用度曲線生成処理と、
   取得した前記複数のパラメータ毎の前記低下曲線及び前記使用度曲線に基づき、前記劣化変化点を特定する特定処理と、を行い、
   前記使用度曲線生成処理は、前記実推定処理で取得した前記複数のパラメータと、当該複数のパラメータに紐づいた前記使用度とに基づき、前記複数のパラメータ毎の前記使用度曲線を生成し、
   且つ、複数の前記使用度曲線毎に、前記複数のパラメータが変化する予測曲線を算出する
   容量劣化予測方法。
3. 二次電池の容量劣化予測方法であって、
   容量劣化を推定する対象電池について、電流容量と電圧で示される対象充電曲線を取得し、取得した前記対象充電曲線と、前記対象電池又は当該対象電池と同じ種類の電池の基準データとをフィットさせるフィッティング操作に基づき、容量劣化の複数のパラメータの変化を取得する実推定処理を実施し、
   取得した前記複数のパラメータに基づき、前記対象電池の使用度の増加に伴って最大電池容量の劣化速度が変化する劣化変化点を特定する変化点推定処理を実施し、
   前記フィッティング操作は、前記対象充電曲線及び前記基準データについて電流容量を電圧で微分した特性曲線を各々算出し、前記特性曲線の各々をフィットさせる
   容量劣化予測方法。
4. 二次電池の容量劣化予測方法であって、
   容量劣化を推定する対象電池について、電流容量と電圧で示される対象充電曲線を取得し、取得した前記対象充電曲線と、前記対象電池又は当該対象電池と同じ種類の電池の基準データとをフィットさせるフィッティング操作に基づき、容量劣化の複数のパラメータの変化を取得する実推定処理を実施し、
   取得した前記複数のパラメータに基づき、前記対象電池の使用度の増加に伴って最大電池容量の劣化速度が変化する劣化変化点を特定する変化点推定処理を実施し、
   前記複数のパラメータは、正極の容量低下のパラメータ、負極の容量低下のパラメータ、リチウムイオンの減少のパラメータ、抵抗上昇のパラメータである
   容量劣化予測方法。
5. 請求項１又は２記載の容量劣化予測方法において、
   前記低下曲線生成処理は、前記最大電池容量の低下時における前記複数のパラメータ毎の変化をシミュレーションすることで、前記複数のパラメータ毎の前記低下曲線を生成すると共に、複数の前記低下曲線毎に当該低下曲線の傾きが変化する変化点を抽出する
   容量劣化予測方法。
6. 請求項５記載の容量劣化予測方法において、
   前記シミュレーションは、前記複数のパラメータのうち所定のパラメータを選択し、前記所定のパラメータ以外のパラメータを固定した状態で、前記最大電池容量を一定割合で低下して前記所定のパラメータの変化を導出することで、前記低下曲線を生成する
   容量劣化予測方法。
7. 請求項５又は６記載の容量劣化予測方法において、
   前記特定処理は、前記複数のパラメータ毎の前記変化点を、当該複数のパラメータ毎の前記使用度曲線に当て嵌めることで、当該複数のパラメータ毎の前記変化点における前記使用度を抽出し、
   抽出した前記複数のパラメータ毎の前記変化点における前記使用度に基づき、前記複数のパラメータ毎の前記低下曲線を変化させる処理を繰り返すことで、前記複数のパラメータのうちいずれかのパラメータの前記変化点を前記劣化変化点に設定する
   容量劣化予測方法。

Images