JP7415654B2

JP7415654B2 - 電池監視システム

Info

Publication number: JP7415654B2
Application number: JP2020029984A
Authority: JP
Inventors: 彰悟鈴木; 信雄山本
Original assignee: Denso Corp
Current assignee: Denso Corp
Priority date: 2020-02-26
Filing date: 2020-02-26
Publication date: 2024-01-17
Anticipated expiration: 2040-02-26
Also published as: JP2021135114A

Description

本発明は、電池監視システムに関する。

従来、各種装置の異常を早期に検出するための種々のシステムが知られている。例えば、特許文献１には、ガスエンジン装置から取得した複数種類のセンサデータと、該複数種類のセンサデータから算出した互いの相関係数とを用いて装置の正常状態をモデル化した正常モデルを作成した上で、観測データが正常モデルから所定の程度乖離したときに故障と診断する構成が開示されている。かかる構成では、センサデータに基づいて相関係数を用いて正常状態をモデル化して観測データと比較して診断することで、単に観測データを予め定めた閾値と比較して診断する場合よりも故障の診断精度の向上を図っている。

特開２０１７－１０２６３号公報

本願発明者らは、二次電池では、二次電池の使われ方によって正常状態が変動したり、二次電池から取得したセンサデータが季節の変動などの短周期で変動したりする場合があることを見出した。一方、特許文献１に開示の構成では、診断対象となる装置の正常状態が一意に定まらない場合には、正常モデルを常に更新し続けなければ故障診断の精度が低下する。そして、仮に正常状態を一意に定めた場合には観測データが正常モデルから乖離しやすくなり、正常状態を故障であると誤診断するおそれが高まる。そのため、二次電池に特許文献１に開示の構成を適用した場合、故障診断の精度が低下することが一層懸念される。

本発明は、かかる課題に鑑みてなされたもので、二次電池の故障診断の精度が向上される電池監視システムを提供しようとするものである。

本発明の一態様は、二次電池（２）の状態を監視する電池監視システム（１）であって、
上記二次電池を監視するための複数種類の監視データを取得するデータ取得部（１０）と、
上記監視データを用いて特徴量を算出する算出部（２０）と、
上記特徴量の所定期間における変化に基づいて上記特徴量の系統的変動として、トレンド成分と季節変動成分又は不規則変動成分とを含む時系列変動から上記トレンド成分を抽出する抽出部（４０）と、
上記系統的変動が所定の基準範囲（Ｒ）を逸脱した場合に、上記二次電池が故障したと判定する故障判定部（５０）とを備え、
上記算出部は、上記特徴量として上記監視データを変数とする共分散逆行列の成分から偏相関係数を算出する、電池監視システムにある。

本願発明者らは、二次電池から取得した複数種類の監視データを用いて算出した特徴量の所定期間における変化から抽出した系統的変動の起点と、二次電池の初期故障点との間に相関があるとの知見を新たに見出した。そして、上記電池監視システムでは、当該知見に基づいて、二次電池から取得した複数種類の監視データを用いて算出した特徴量の所定期間における変化に基づいて系統的変動を抽出して、当該系統的変動の絶対値が所定の基準範囲を逸脱した場合に二次電池が故障したと判定する。このように、当該系統的変動に基づいて二次電池の状態を監視することにより、二次電池の使われ方や短周期での変動の影響を抑制して、二次電池の故障判定の精度を向上することができる。

以上のごとく、本発明によれば、二次電池の故障診断の精度が向上される電池監視システムを提供することができる。

なお、特許請求の範囲及び課題を解決する手段に記載した括弧内の符号は、後述する実施形態に記載の具体的手段との対応関係を示すものであり、本発明の技術的範囲を限定するものではない。

実施形態１における、電池監視システムの構成を示すブロック図。実施形態１における、電池監視システムを搭載した車両の構成を示す概念図。実施形態１における、電池監視システムの制御態様を示すフロー図。実施形態１における、電池監視システムにおいて取得された複数の監視データを示す概念図。実施形態１における、電池監視システムにおいて算出された特徴量を示す概念図。実施形態１における、電池監視システムにおいて算出された（ａ）トレンド成分、（ｂ）季節変動成分及び（ｃ）不規則変動成分の概念図。実施形態１における、二次電池の電池性能の時間変化に示す概念図。実施形態２における、電池監視システムの構成を示すブロック図。実施形態２における、電池監視システムの制御態様を示すフロー図。実施形態２における、電池監視システムにおいて取得された監視データを示す概念図。実施形態２における、電池監視システムにおいて算出されたトレンド成分の概念図。実施形態３における、電池監視システムの構成を示すブロック図。実施形態３における、電池監視システムの制御態様を示すフロー図。実施形態３における、電池監視システムにおいて取得された複数の監視データを示す概念図。実施形態３における、電池監視システムにおいて算出されたトレンド成分の概念図。実施形態４における、電池監視システムの構成を示すブロック図。実施形態４における、電池監視システムの制御態様を示すフロー図。実施形態５における、電池監視システムの構成を示す概念図。変形形態１における、電池監視システムの構成を示す概念図。変形形態２における、電池監視システムの構成を示す概念図。

（実施形態１）
上記電池監視システムの実施形態について、図１～図７を用いて説明する。
図１に示す本実施形態の電池監視システム１は、二次電池２の状態を監視するものである。
図１に示すように、データ取得部１０、算出部２０、抽出部４０及び故障判定部５０を備える。
データ取得部１０は、二次電池２を監視するための複数種類の監視データを取得する。
算出部２０は、監視データを用いて特徴量を算出する。
抽出部４０は、算出部２０が算出した特徴量の所定期間における変化に基づいて特徴量の系統的変動を抽出する。
故障判定部５０は、系統的変動が所定の基準範囲を逸脱した場合に、二次電池２が故障したと判定する。

以下、本実施形態の電池監視システム１について、詳述する。
本実施形態の電池監視システム１は、図２に示すように、電気自動車やハイブリッド車等の車両１００に搭載された電源を構成する二次電池２を監視するものである。本実施形態では、図２に示すように、二次電池２は複数の電池セル２１、２２、２３を組み合わせてなる組電池である。なお、二次電池２は単一の電池セルであってもよい。

図１に示すデータ取得部１０は、当該二次電池２における複数種類の監視データを取得する。監視データとしては、閉回路電圧、充放電電流、ＳＯＣ（State of charge、充電状態）、電池容量、電池温度、電池周囲の環境温度、積算充電時間、積算放電時間、積算電流などを例示できる。また、組電池の監視データとしては、組電池の総閉回路電圧、組電池内の二次電池の最大及び／又は最小の閉回路電圧、電池温度、ＳＯＣなどを例示できる。データ取得部１０は、取得しようとする監視データを検知可能なセンサ等とすることができ、例えば、電圧センサ、電流センサ、温度センサなどとすることができ、ＳＯＣはこれらの値に基づいて算出して取得することができる。本実施形態では、図２に示すように、車両１００に搭載されたＢＭＵ（バッテリマネジメントユニット）に備えられた電圧センサ１０１、電流センサ１０２及び温度センサ１０３により、データ取得部１０が構成されている。

図１に示す格納部１１は、書き換え可能な不揮発性メモリからなり、データ取得部１０が取得した複数種類の監視データが格納される。本実施形態では、格納部１１は、ＢＭＵに備えられている。

図１に示す算出部２０は、特徴量を算出するための所定のプログラムを実行可能なプロセッサからなる。本実施形態では、算出部２０は、車両１００の外部に設けられる。なお、車両１００に備えられたＢＭＵに搭載されたプロセッサにより当該プログラムを実行させて算出部２０を構成してもよい。算出部２０は格納部１１に格納された複数種類の監視データを用いて二次電池２の特徴量を算出する。当該特徴量は、例えば、監視データの変数間の相関係数とすることができ、本実施形態では当該相関係数として、監視データの共分散逆行列の成分から偏相関係数を算出する。共分散逆行列は、算出部２０により複数種類の監視データを変数としてスパース正則化を行うことにより算出することができる。

本実施形態における算出部２０による特徴量の算出方法として、図４に示すようにデータ取得部１０が６種類の監視データＸ１～Ｘ６を取得する場合について説明する。なお、取得する監視データは２種類以上であれば良く、６種類に限らない。図４に示すように、各監視データＸ１～Ｘ６は時間の経過と共に変化する。算出部２０は、まず、第１の期間Ｐ１で取得した監視データＸ１～Ｘ６を変数としてスパース正則化を行い、共分散逆行列として偏相関係数行列Λを算出する。偏相関係数行列Λは、例えば下記のように表すことができる。

上記式において、偏相関係数行列Λの成分λnm（n、m=1～6）は、監視データＸｎと監視データＸｍとの間の偏相関係数を示す。すなわち、λ12は、監視データＸ１と監視データＸ２との間の偏相関係数を意味する。また、偏相関係数行列Λは対称行列であるため、上記式において、一部の偏相関係数λを省略して記載してある。さらに、偏相関係数行列Λの、主対角線上の成分は全て１であるため、記載を省略してある。そして、算出部２０は、当該偏相関係数行列Λの成分λnm（n、m=1～6）を特徴量として算出する。特徴量である偏相関係数λnmは、２種類の監視データの相関性が高い場合は１又は－１に近づく。また、相関性が低い場合は０に近づく。そして、図５に示すように、特徴量である偏相関係数λnmは、時間の経過とともに変化する。

本実施形態では、算出部２０により算出された特徴量は、図１に示す特徴量記憶部３０に記憶される。特徴量記憶部３０は、書き換え可能な不揮発性メモリからなる。本実施形態では、特徴量記憶部３０は車両１００の外部に設けられる。なお、車両１００に備えられたＢＭＵが特徴量記憶部３０を備えていてもよい。

図１に示す抽出部４０は、特徴量の系統的変動を抽出するための所定のプログラムを実行可能なプロセッサからなる。本実施形態では、抽出部４０は、車両１００の外部に設けられる。なお、車両１００に備えられたＢＭＵに搭載されたプロセッサにより当該プログラムを実行させて抽出部４０を構成してもよい。本実施形態では、抽出部４０は、特徴量の系統的変動として、時系列解析における要因分解の平滑化処理によりトレンド成分を抽出する。時系列解析における要因分解は公知の方法により行うことができる。また、平滑化処理として、直近の特徴量の平均を計算する移動平均や、現在までの特徴量を基に過去の系統的変動を抽出するカルマン平滑化を採用してもよい。なお、系統的変動を抽出するために用いる特徴量の期間は特に限定されない。

本実施形態では、例えば、特徴量として、偏相関係数行列Λにおける特定の成分である偏相関係数λnmは図５のように示すことができる。そして、抽出部４０は、当該偏相関係数λnmに対して、時系列解析における要因分解を行うことにより、図６（ａ）～（ｃ）に示すトレンド成分、季節変動成分及び不規則変動成分に分離し、系統的変動としてトレンド成分を抽出する。トレンド成分は長周期の変動を示し、季節変動成分は短周期の変動を示し、不規則変動成分はランダムな変動を示す。

各変動の周期について、例えば、１年の季節変化に注目して監視する場合には、１年を周期とする変動成分を短周期の変動とし、１年よりも長い周期の変動成分を長周期の変動とし、１年よりも短い周期の変動成分をランダムな変動として定義することができる。また、１週間の使われ方の変化に注目して監視する場合には、１週間を周期とする変動成分を短周期の変動とし、１週間よりも長い周期の変動成分を長周期の変動とし、１週間よりも短い周期の変動成分をランダムな変動として定義することができる。以上のように、変化の注目の対象に基づいて各変動の周期を定義することができる。

そして、二次電池２の異常は偏相関係数において長周期の変動として表れ、二次電池２の温度変化や使われ方などの二次電池２の異常との関連の低い条件は、偏相関係数において季節変動成分や不規則変動成分に表れる。従って、系統的変動として偏相関係数からトレンド成分を抽出することで、二次電池２の異常が反映された長周期の変動を顕在化することができる。

図１に示す故障判定部５０は、二次電池２が故障した否かを判定するための所定のプログラムを実行可能なプロセッサからなる。本実施形態では、故障判定部５０は、車両１００の外部に設けられる。なお、車両１００に備えられたＢＭＵに搭載されたプロセッサにより当該プログラムを実行させて故障判定部５０を構成してもよい。故障判定部５０は、系統的変動と所定の基準範囲とを比較し、当該比較結果が系統的変動が所定の基準範囲Ｒを逸脱していることを示すものである場合に二次電池２が故障したと判定する。

次に、電池監視システム１の制御フローについて、図３を用いて説明する。
まず、図３に示すステップＳ１において、データ取得部１０により、二次電池２から図４に示す複数種類の監視データＸ１～Ｘ６を取得する。取得された監視データＸ１～Ｘ６は、図１、図２に示す格納部１１に格納される。

ステップＳ１の後、図３に示すステップＳ２において、算出部２０により監視データを用いて特徴量を算出する。本実施形態では、算出部２０により複数種類の監視データを変数としてスパース正則化を行って共分散逆行列を算出し、当該共分散逆行列の成分から特徴量としての偏相関係数を算出する。本実施形態では、図４に示す第１の期間Ｐ１に亘る特徴量を算出する。そして、ステップＳ３において、当該一定期間の特徴量を図１、図２に示す特徴量記憶部３０に記憶する。

そして、ステップＳ３の後、図３に示すステップＳ４において、抽出部４０により、特徴量記憶部３０に記憶された特徴量から系統的変動を抽出する。本実施形態では、抽出部４０は、特徴量記憶部３０に記憶された特徴量としての偏相関係数に対して、時系列解析における要因分解による平滑化処理を行うことにより、図６（ａ）～（ｃ）に示すトレンド成分、季節変動成分及び不規則変動成分に分離する。これにより、抽出部４０は特徴量の所定期間における変化から、図６（ａ）に示す系統的変動としてのトレンド成分を抽出する。

次に、図３に示すステップＳ５において、故障判定部５０により、系統的変動が所定の基準範囲Ｒを逸脱したか否か判定する。本実施形態では、図６（ａ）に示すように基準範囲Ｒは二次電池２の設計時に予めベンチ評価での系統的変動の変動幅に基づいて設定した。故障判定部５０により、系統的変動が基準範囲Ｒを逸脱していると判断された場合は、ステップＳ５のＹｅｓに進み、ステップＳ６において、故障判定部５０は二次電池２が故障していると判定し、この制御フローを終了する。例えば、図６（ａ）に示すように、時間Ｔ１において、系統的変動であるトレンド成分が基準範囲Ｒを逸脱しており、二次電池２が故障していると判定される。図７に示すように、二次電池２は、初期状態を１００％としたときの満充電容量の維持率は想定値として示すように使用に伴って徐々に低下するが、当該二次電池２では、想定値よりも満充電容量の維持率が低下している。そして、本実施形態１の電池監視システム１によれば、図６（ａ）の時間Ｔ１に対応する図７の初期故障Ｆｉにおいて、満充電容量の維持率が想定値よりも低下する前に、二次電池２の故障を判定することができる。一方、ステップＳ５において故障判定部５０により系統的変動が基準範囲Ｒを逸脱していないと判断された場合は、ステップＳ５のＮｏに進み、再度ステップＳ１に戻る。

本実施形態１の電池監視システム１の制御フローでは、二次電池２から取得した複数種類の監視データを用いて特徴量を算出し、当該特徴量の所定期間における変化に基づいて系統的変動を抽出する。そして、当該系統的変動が所定の基準範囲Ｒを逸脱した場合に二次電池２が故障したと判定する。これにより、当該二次電池２の故障を早期に検出することができる。

図７に示す概念図のように、二次電池２の正常状態が継続する場合は、二次電池２の電池性能は実線Ｌ０から実線Ｌ１を辿って緩やかに低下する。一方、二次電池２に故障が発生した場合は、図７に示すように二次電池２の電池性能は実線Ｌ０から実線Ｌ２に移行し、故障の初期段階である初期故障Ｆｉから急速に低下する。

本実施形態では、上述のように、二次電池２から取得した特徴量の所定期間における変化に基づく系統的変動を利用して故障判定を行っている。そして、当該系統的変動は、初期故障Ｆｉの段階でもその変化を検出することができるため、二次電池２の電池性能が大幅に低下する前である初期故障Ｆｉの段階において故障判定を行うことができる。換言すると、二次電池２の初期故障Ｆｉを検出することができる。

次に、本実施形態１の電池監視システム１における作用効果について、詳述する。
本実施形態１の電池監視システム１では、二次電池２から取得した複数種類の監視データを用いて算出した特徴量の所定期間における変化から抽出した系統的変動の起点と、二次電池２の初期故障点との間に相関があるとの新たな知見に基づいて、二次電池２から取得した複数種類の監視データを用いて算出した特徴量の所定期間における変化に基づいて系統的変動を抽出して、当該系統的変動の絶対値が所定の基準範囲を逸脱した場合に二次電池が故障したと判定する。このように、当該系統的変動に基づいて二次電池２の状態を監視することにより、二次電池２の使われ方や短周期での変動の影響を抑制して、二次電池２の故障判定の精度を向上することができる。

また、本実施形態では、データ取得部１０は、複数種類の監視データＸ１～Ｘ６として、少なくとも、二次電池２における閉回路電圧、充放電電流、充電状態及び電池温度を取得する。これにより、監視データＸ１～Ｘ６としてこれらを取得することにより、特徴量に二次電池２の異常が反映されやすくなるため、故障判定の精度向上が図られる。

また、本実施形態では、算出部２０は、特徴量として監視データＸ１～Ｘ６を変数とする相関係数を算出する。これにより複数種類の監視データＸ１～Ｘ６から二次電池２の異常が反映された特徴量を算出することができ、二次電池２の故障判定の精度を向上することができる。

また、本実施形態では、算出部２０は、相関係数として、共分散逆行列の成分から偏相関係数を算出する。これにより、特徴量が二次電池２の異常を一層反映したものとなるため、二次電池２の故障判定の精度を一層向上することができる。

また、本実施形態では、算出部２０は、スパース正則化を行って上記共分散逆行列を算出する。これにより、特徴量が二次電池２の異常をより一層反映したものとなるため、二次電池２の故障判定の精度をより一層向上することができる。

また、本実施形態では、算出部２０が算出した特徴量を記憶する特徴量記憶部３０をさらに備え、抽出部４０は、特徴量記憶部３０が記憶した特徴量を平滑化処理して系統的変動を抽出する。これにより、系統的変動として長期的な変動を反映しトレンド成分を抽出して、季節変動成分や不規則変動成分に基づくノイズの発生を効果的に抑制すことができるため、二次電池２の故障判定の精度をより一層向上することができる。

また、本実施形態では、図２に示すように、二次電池２及びデータ取得部１０は、車両１００に搭載されており、格納部１１、算出部２０、特徴量記憶部３０、抽出部４０及び故障判定部５０は車両１００の外部に配された外部機器８に備えられている。そして、二次電池２の故障診断を行う際には、外部機器８を車両１００に接続して、データ取得部１０で取得した監視データＸ１～Ｘ６を外部機器８に送信する。このように、電池監視システム１の一部の構成を外部機器８に設けることにより、車両１００に搭載する装置が少なくて済む。

また、本実施形態では、二次電池２は、複数の電池セル２１～２３を組み合わせてなる組電池を構成している。これにより、複数の電池セルを備える場合に電池セル毎に当該電池監視システム１を備える必要がない。なお、二次電池２が単一の電池セルからなる場合は、電池セル毎に当該電池監視システム１を備えることとしてもよい。

以上のごとく、本実施形態によれば、故障診断の精度が向上される電池監視システム１を提供することができる。

（実施形態２）
本実施形態２の電池監視システム１は、図８に示すように、系統的変動を記憶する変動記憶部４５と、系統的変動に基づいて上記基準範囲を設定する基準範囲設定部５５とをさらに備える。なお、その他の構成は実施形態１の場合と同等であって、実施形態１と同一の符号を付してその説明を省略する。

図９に示す本実施形態２の電池監視システム１による制御フローでは、図３に示す実施形態１と同様にステップＳ１～Ｓ３まで行う。その後、図９に示すステップＳ４において、抽出部４０により、図１０に示す期間Ｐｔにおける監視データＸ１～Ｘ６の共分散逆行列の成分から算出した偏相関係数を特徴量とし、当該特徴量に対して時系列解析における要因分解によって平滑化処理を行うことにより、系統的変動としてトレンド成分を抽出する。

その後、図９に示すように、ステップＳ７とステップＳ５０とを並列に行う。まず、ステップＳ７において、変動記憶部４５により所定期間における系統的変動を記憶する。例えば、図１０に示すように、変動記憶部４５により開始から現在までの期間Ｐｔにおいて取得されたすべての系統的変動を記憶する。そして、ステップＳ８において、基準範囲設定部５５により変動記憶部４５に記憶された系統的変動に基づいて基準範囲Ｒを設定する。なお、先に基準範囲が設定されている場合はこれを更新して最新の基準範囲Ｒとして設定する。

一方、図９に示すステップＳ５０では、故障判定部５０により、ステップＳ４で抽出された系統的変動が最新の基準範囲Ｒを逸脱しているかを判定する。故障判定部５０により、当該最新の系統的変動が最新の基準範囲Ｒを逸脱していると判断された場合は、ステップＳ５０のＹｅｓに進み、実施形態１の場合と同様にステップＳ６において、故障判定部５０は二次電池２が故障していると判定し、この制御フローを終了する。本実施形態２の電池監視システム１では、例えば、図１０、図１１に示す時間Ｔ２において系統的変動であるトレンド成分が基準範囲Ｒを逸脱しており、二次電池２が故障していると判定される。一方、ステップＳ５０において故障判定部５０により当該系統的変動が最新の基準範囲Ｒを逸脱していないと判断された場合は、ステップＳ５０のＮｏに進み、再度ステップＳ１に戻る。

次に、本実施形態２の電池監視システム１における作用効果について、詳述する。
本実施形態２によれば、故障判定の基準範囲Ｒを系統的変動に基づいて適時設定することにより、二次電池２の正常状態を示す基準範囲Ｒを適時に更新しながら故障診断を行うことができる。これにより、故障判定の精度を一層向上することができる。なお、本実施形態２においても実施形態１と同等の作用効果を奏する。

（実施形態３）
本実施形態３の電池監視システム１では、図１２に示すように、データ取得部１０、算出部２０、抽出部４０及び故障判定部５０を備え、図１に示す実施形態１における特徴量記憶部３０を備えていない。そして、図１に示す実施形態１の電池監視システム１では、抽出部４０は特徴量記憶部３０に記憶された所定期間の特徴量を平滑化処理することで系統的変動としてトレンド成分を抽出した。これに替えて、図１２に示す本実施形態３の電池監視システム１では、抽出部４０は算出部２０によって算出された特徴量をフィルタ処理することを所定期間継続することで系統的変動としてトレンド成分を抽出する。本実施形態３では、当該フィルタ処理としてカルマンフィルタによるフィルタ処理を採用している。なお、カルマンフィルタによるフィルタ処理に替えて、所定の遮断周波数より低い周波数の成分はほとんど減衰させずに遮断周波数より高い周波数の成分を逓減させるローパスフィルタによるフィルタ処理を採用してもよい。なお、本実施形態３において、その他の構成は実施形態１と同等であって実施形態１の場合と同一の符号を付してその説明を省略する。

図１３に示す本実施形態３の電池監視システム１による制御フローでは、図３に示す実施形態１と同様にステップＳ１、Ｓ２を行う。その後、図１３に示すステップＳ３０において、抽出部４０により、算出部２０により算出された特徴量から系統的変動を抽出する。本実施形態３では、抽出部４０は、算出部２０により算出された特徴量としての偏相関係数に対して、カルマンフィルタによるフィルタ処理を行う。これにより、抽出部４０は特徴量の所定期間における変化から系統的変動としてのトレンド成分を抽出する。本実施形態３では、図１４に示すように、抽出部４０は、現在時間Ｔｎまでの所定期間Ｐｎで取得された監視データに基づいて算出された特徴量に対して、カルマンフィルタによるフィルタ処理を行い、図１５に示すように現在時間Ｔｎにおける系統的変動としてのトレンド成分を抽出する。その後、本実施形態３においても、図３に示す実施形態１のステップＳ５、Ｓ６と同様に図１３に示すＳ５、Ｓ６を行う。

本実施形態３では、算出部２０が算出した特徴量をフィルタ処理して系統的変動を抽出する。これにより、算出部２０により特徴量が算出される都度、抽出部４０におけるフィルタ処理を行うことによってリアルタイムに近いタイミングで系統的変動を抽出することができるため、故障判定のリアルタイム性を向上することができる。なお、本実施形態３においても、実施形態１における平滑化処理による作用効果を除いて、実施形態１と同様の作用効果を得られる。

（実施形態４）
本実施形態４の電池監視システム１では、図１６に示すように、データ取得部１０、算出部２０、抽出部４０、変動記憶部４５、故障判定部５０及び基準範囲設定部５５を備え、図９に示す実施形態２における特徴量記憶部３０を備えていない。そして、本実施形態４における抽出部４０は、実施形態３の場合と同様に、算出部２０によって算出された特徴量をフィルタ処理することを所定期間継続することで系統的変動としてトレンド成分を抽出する。なお、本実施形態４において、その他の構成は実施形態２と同等であって実施形態２の場合と同一の符号を付してその説明を省略する。

図１７に示す本実施形態４の電池監視システム１による制御フローでは、図１３に示す実施形態３と同様にステップＳ１、Ｓ２及びＳ３０を行う。その後、図９に示す実施形態２と同様にステップＳ７及びステップＳ５０以降を行う。本実施形態４では、実施形態１、２における平滑化処理による作用効果を除いて、実施形態１及び２の場合と同様の作用効果を得られるとともに、実施形態３の場合と同様の作用効果も得られる。

（実施形態５）
上記実施形態１では、外部機器８を車両の外部接続部１０５に直接接続したが、これに替えて、車両に通信手段を設けて、クラウドシステムを使用したネットワークを介して車両１００の外部に配された外部機器８に接続してもよい。例えば、図１８に示す実施形態３では、車両１００は、外部機器８と通信可能な送受信機１１０を備えている。なお、本実施形態３では、二次電池２と、データ取得部１０、算出部２０、抽出部４０及び故障判定部５０を車両１００に配置し、特徴量記憶部３０及び格納部１１を外部機器８に設けている。外部機器８は、例えば、サーバにより構成することができ、車両１００のディーラー等に設置することができる。そして、送受信機１１０を用いて、監視データＸ１～Ｘ６や特徴量としての偏相関係数行列Λを特徴量記憶部３０や格納部１１に送信したり、特徴量記憶部３０や格納部１１から受信したりすることができる。

本実施形態５の構成によれば、車両１００に搭載する部品を少なくすることができ、車両１００を軽量化しやすいとともに、外部機器８を構成するサーバにおいて監視データＸ１～Ｘ６や特徴量の収集が容易となる。なお、本実施形態５においても上記実施形態１～４の場合と同等の作用効果を奏することができる。

なお、本実施形態５では、特徴量記憶部３０及び格納部１１を車両１００の外に配置したが、これに替えて、図１９に示す変形形態１のように、二次電池２、データ取得部１０、格納部１１及び特徴量記憶部３０を車両１００に配置し、算出部２０、抽出部４０及び故障判定部５０を外部機器８に設けてもよい。また、図２０に示す変形形態２のように、二次電池２及びデータ取得部１０を車両１００に配置し、格納部１１、算出部２０、特徴量記憶部３０、抽出部４０及び故障判定部５０を外部機器８に設けてもよい。変形形態１及び変形形態２のいずれの場合でも、車両１００の送受信機１１０を介して外部機器８と車両１００との間でデータの送受信を行うように構成されている。

変形形態１及び変形形態２の構成によれば、リアルタイムに故障診断をしたり、特徴量記憶部３０に記憶されたデータの管理や故障判定部５０におけるプログラムの更新をしたり、ＡＩ技術を用いたプログラムを実行したりすることが容易となる。また、算出部２０、抽出部４０及び故障判定部５０をサーバ等のような計算速度の速い機器によって構成することにより、故障判断をより短時間で行うことができる。なお、変形形態１及び変形形態２においても上記実施形態５の場合と同等の作用効果を奏する。

本発明は上記各実施形態及び変形形態に限定されるものではなく、その要旨を逸脱しない範囲において種々の実施形態に適用することが可能である。

１…電池監視システム、２…二次電池、１０…データ取得部、１１…格納部、２０…算出部、３０…特徴量記憶部、４０…抽出部、４５…変動記憶部、５０…故障判定部、５５…基準範囲設定部、１００…車両

Claims

二次電池（２）の状態を監視する電池監視システム（１）であって、
上記二次電池を監視するための複数種類の監視データを取得するデータ取得部（１０）と、
上記監視データを用いて特徴量を算出する算出部（２０）と、
上記特徴量の所定期間における変化に基づいて上記特徴量の系統的変動として、トレンド成分と季節変動成分又は不規則変動成分とを含む時系列変動から上記トレンド成分を抽出する抽出部（４０）と、
上記系統的変動が所定の基準範囲（Ｒ）を逸脱した場合に、上記二次電池が故障したと判定する故障判定部（５０）とを備え、
上記算出部は、上記特徴量として上記監視データを変数とする共分散逆行列の成分から偏相関係数を算出する、電池監視システム。
上記データ取得部は、上記複数種類の監視データとして、少なくとも、上記二次電池における閉回路電圧、充放電電流、充電状態及び電池温度を取得する、請求項１に記載の電池監視システム。
上記算出部は、スパース正則化を行って上記共分散逆行列を算出する、請求項１又は２に記載の電池監視システム。
上記抽出部は、上記算出部が算出した上記特徴量をフィルタ処理して上記系統的変動を抽出する、請求項１～３のいずれか一項に記載の電池監視システム。
上記算出部が算出した上記特徴量を記憶する特徴量記憶部（３０）をさらに備え、
上記抽出部は、上記特徴量記憶部が記憶した上記特徴量を平滑化処理して上記系統的変動を抽出する、請求項１～３のいずれか一項に記載の電池監視システム。
上記抽出部が抽出した上記系統的変動を記憶する変動記憶部（４５）と、該変動記憶部に記憶された上記系統的変動に基づいて上記基準範囲を設定する基準範囲設定部（５５）と、をさらに備える、請求項１～５のいずれか一項に記載の電池監視システム。
上記二次電池及び上記データ取得部は車両（１００）に搭載されており、
上記算出部、上記抽出部及び上記故障判定部の少なくとも一つは上記車両の外部に配されている、請求項１～６のいずれか一項に記載の電池監視システム。
上記二次電池は、電池セル又は複数の電池セル（２１、２２、２３）を組み合わせてなる組電池を構成している、請求項１～７のいずれか一項に記載の電池監視システム。