JPWO2020027203A1 - 推定システム、推定装置、推定方法、プログラム、及び記憶媒体 - Google Patents

推定システム、推定装置、推定方法、プログラム、及び記憶媒体 Download PDF

Info

Publication number
JPWO2020027203A1
JPWO2020027203A1 JP2020534706A JP2020534706A JPWO2020027203A1 JP WO2020027203 A1 JPWO2020027203 A1 JP WO2020027203A1 JP 2020534706 A JP2020534706 A JP 2020534706A JP 2020534706 A JP2020534706 A JP 2020534706A JP WO2020027203 A1 JPWO2020027203 A1 JP WO2020027203A1
Authority
JP
Japan
Prior art keywords
battery
information
unit
performance
estimation
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.)
Granted
Application number
JP2020534706A
Other languages
English (en)
Other versions
JP7217277B2 (ja
Inventor
雅之 川村
雅之 川村
広考 遠藤
広考 遠藤
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.)
Honda Motor Co Ltd
Original Assignee
Honda Motor Co Ltd
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 Honda Motor Co Ltd filed Critical Honda Motor Co Ltd
Publication of JPWO2020027203A1 publication Critical patent/JPWO2020027203A1/ja
Application granted granted Critical
Publication of JP7217277B2 publication Critical patent/JP7217277B2/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
    • 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
    • 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
    • H01M10/42—Methods or arrangements for servicing or maintenance of secondary cells or secondary half-cells
    • H01M10/46—Accumulators structurally combined with charging 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
    • H01M10/48—Accumulators combined with arrangements for measuring, testing or indicating the condition of cells, e.g. the level or density of the electrolyte
    • H—ELECTRICITY
    • H02—GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
    • H02J—CIRCUIT ARRANGEMENTS OR SYSTEMS FOR SUPPLYING OR DISTRIBUTING ELECTRIC POWER; SYSTEMS FOR STORING ELECTRIC ENERGY
    • H02J7/00—Circuit arrangements for charging or depolarising batteries or for supplying loads from batteries
    • H02J7/0047—Circuit arrangements for charging or depolarising batteries or for supplying loads from batteries with monitoring or indicating devices or circuits
    • 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
    • B60L50/00—Electric propulsion with power supplied within the vehicle
    • B60L50/50—Electric propulsion with power supplied within the vehicle using propulsion power supplied by batteries or fuel cells
    • B60L50/60—Electric propulsion with power supplied within the vehicle using propulsion power supplied by batteries or fuel cells using power supplied by batteries
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B62—LAND VEHICLES FOR TRAVELLING OTHERWISE THAN ON RAILS
    • B62J—CYCLE SADDLES OR SEATS; AUXILIARY DEVICES OR ACCESSORIES SPECIALLY ADAPTED TO CYCLES AND NOT OTHERWISE PROVIDED FOR, e.g. ARTICLE CARRIERS OR CYCLE PROTECTORS
    • B62J43/00—Arrangements of batteries
    • B62J43/10—Arrangements of batteries for propulsion
    • B62J43/13—Arrangements of batteries for propulsion on rider-propelled cycles with additional electric propulsion
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B62—LAND VEHICLES FOR TRAVELLING OTHERWISE THAN ON RAILS
    • B62J—CYCLE SADDLES OR SEATS; AUXILIARY DEVICES OR ACCESSORIES SPECIALLY ADAPTED TO CYCLES AND NOT OTHERWISE PROVIDED FOR, e.g. ARTICLE CARRIERS OR CYCLE PROTECTORS
    • B62J43/00—Arrangements of batteries
    • B62J43/10—Arrangements of batteries for propulsion
    • B62J43/16—Arrangements of batteries for propulsion on motorcycles or the like
    • 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]
    • G01R31/389—Measuring internal impedance, internal conductance or related variables
    • 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
    • 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
    • H01M2010/4278—Systems for data transfer from batteries, e.g. transfer of battery parameters to a controller, data transferred between battery controller and main controller
    • 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
    • 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
    • H01M2220/30—Batteries in portable systems, e.g. mobile phone, laptop
    • 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
    • Y02E—REDUCTION OF GREENHOUSE GAS [GHG] EMISSIONS, RELATED TO ENERGY GENERATION, TRANSMISSION OR DISTRIBUTION
    • Y02E60/00—Enabling technologies; Technologies with a potential or indirect contribution to GHG emissions mitigation
    • Y02E60/10—Energy storage using batteries

Abstract

推定システムは、電力を利用する電力装置に着脱自在に装着されるバッテリと；、前記バッテリを充電する充電部と、前記バッテリから、該バッテリの劣化に関する第１情報を取得する取得部と、前記取得部により取得された前記第１情報を送信する送信部と、を有する充電装置と；前記送信部によって送信された前記第１情報を受信する受信部と、ある時点における前記バッテリの前記第１情報が入力されると、前記時点における前記バッテリの性能に関する第２情報を出力するように学習されたモデルに対して、前記受信部によって受信された前記第１情報を入力することで、前記バッテリの性能を推定する推定部と、を有する推定装置と；を備える。

Description

本発明は、推定システム、推定装置、推定方法、プログラム、及び記憶媒体に関する。
本願は、２０１８年７月３１日に出願された日本国特許出願２０１８−１４３６３５号に基づき優先権を主張し、その内容をここに援用する。
電動車両の駆動源であるバッテリ（電池）を着脱式にして、複数のユーザで共同利用するシェアサービスが知られている。このサービスでは、１つ以上の着脱式バッテリの保管及び充電を行う充電ステーションが設置されており、充電ステーションを利用するユーザに対して課金を行う仕組みが構築されている。シェアサービスの運用面を考慮すると、１箇所の充電ステーションには、使用環境又は使用状態の履歴が異なる着脱式バッテリが混在することになる。また、このようなサービスで用いられるバッテリは、使用条件や環境条件によって劣化が発生する。
従来、電池の物理特性から劣化推定手法の骨格を設定し、バッテリの耐久テスト結果から劣化パラメータを取得し、バッテリの劣化予測技術を構築することが一般的であった。
例えば、特許文献１には、リチウムイオン電池の容量推定方法が記載されている。特許文献１に記載の技術では、容量推定の対象となるリチウムイオン電池と同一構造、同一仕様のリチウムイオン電池であって、その容量が繰り返し使用などの原因によって異なるものを複数個用意する。特許文献１に記載の技術では、それらを用いて、リチウムイオン電池を定電流定電圧方式によって充電し、充電条件を定電流から定電圧に切り替えた時点における充電電流値を測定する。特許文献１に記載の技術では、その結果から、容量値の異なる電池の容量と充電電流値との相関関係をあらかじめ求めておく。そして、特許文献１に記載の技術では、容量推定の対象とするリチウムイオン電池を定電流定電圧方式によって充電する際に、充電条件を定電流から定電圧に切り替えた時点からあらかじめ設定された時間だけ経過した時点における充電電流値を求める。そして、特許文献１に記載の技術では、充電電流を用いて、あらかじめ求めてある容量値の異なる電池の容量と充電電流値との相関関係から容量推定の対象とするリチウムイオン電池の容量を推定する。
特許文献２には、内部抵抗の劣化予測に関して、内部抵抗初期値に対して所定時間経過後の内部抵抗変化量を、電池が晒された温度情報を加味して算出することで、所定時間が経過して劣化した二次電池の内部抵抗の値を高精度で把握すること記載されている。特許文献１に記載の技術では、温度情報は、電池温度と、この電池温度を記録した時刻情報とを含む温度経過情報を経時的に取得する。そして、特許文献１に記載の技術では、この温度経過情報の取得を、少なくとも電池使用時において所定の頻度、例えば１分毎〜１２時間毎に行う。
特許文献３には、移動体本体に対してバッテリを着脱可能に装填できる移動体の他の例として、バッテリと、バッテリを収容可能な収容室が形成された充電給電ユニットとを有する可搬型の充電給電装置が記載されている。
日本国特開２００１-２５７００８号公報 日本国特開２０１７-００９５４０号公報 日本国特開２０１９−０６８５５２号公報
しかしながら従来技術では、電池の知見がないと劣化予測ができなかった。また、従来技術では、物理特性から作った劣化推移の骨格が実際に合わないことがあった。
本発明の態様は、電池の劣化に対する専門的な知見がなくても電池の劣化の推移を推定することが可能となる推定システム、推定装置、推定方法、プログラム、及び記憶媒体を提供する。
（１）本発明の一態様に係る推定システムは、電力を利用する電力装置に着脱自在に装着されるバッテリと；前記バッテリを充電する充電部と、前記バッテリから、該バッテリの劣化に関する第１情報を取得する取得部と、前記取得部により取得された前記第１情報を送信する送信部と、を有する充電装置と；前記送信部によって送信された前記第１情報を受信する受信部と、ある時点における前記バッテリの前記第１情報が入力されると、前記時点における前記バッテリの性能に関する第２情報を出力するように学習されたモデルに対して、前記受信部によって受信された前記第１情報を入力することで、前記バッテリの性能を推定する推定部と、を有する推定装置と；を備える。
（２）上記推定システムは、前記推定装置が、前記時点における前記バッテリの前記第１情報に対して、前記時点における前記バッテリの前記第２情報が対応付けられた教師データに基づいて、前記モデルを学習する学習部を更に有してよい。
（３）上記推定システムは、前記第１情報が、前記バッテリが生産されてからの経過日数と、前記バッテリの初期の容量と、前記バッテリの初期の抵抗値と、前記バッテリの温度のヒストグラムと、前記バッテリの残容量のヒストグラムと、のうち少なくとも一つを含んでよい。
（４）上記推定システムは、前記第２情報が、測定時点の前記バッテリの容量と、測定時点の前記バッテリの抵抗値とのうちいずれか一方または双方を含んでよい。
（５）上記推定システムは、前記第１情報が、前記バッテリが生産されてからの経過日数と、前記バッテリの初期の容量と、前記バッテリの初期の抵抗値と、前記バッテリの温度の標準偏差と平均値と、前記バッテリの残容量の標準偏差と平均値と、のうち少なくとも一つを含んでよい。
（６）上記推定システムは、前記充電装置が、前記取得部が、前記充電装置に前記バッテリが装着された際に、前記第１情報および前記第２情報を取得し、前記送信部が、前記取得部によって取得された前記第１情報および前記第２情報を前記推定装置へ送信してもよい。
（７）上記推定システムは、前記充電装置が、前記取得部が、前記充電装置に前記バッテリが装着されてから、前記充電装置から前記バッテリが取り外されるまでの間に、前記第１情報および前記第２情報を取得し、前記送信部が、前記取得部によって取得された前記第１情報および前記第２情報を前記推定装置へ送信してもよい。
（８）上記推定システムは、前記第２情報には、前記バッテリの性能を測定して得た容量と抵抗値の測定値、及び前記バッテリの充電時における電圧と電流と温度それぞれの時系列データのうち少なくとも１つが含まれてよい。
（９）本発明の別の一態様に係る推定システムは、電力を利用する電力装置に着脱自在に装着されるバッテリであって、該バッテリの劣化に関する第１情報を取得する取得部と、前記取得部により取得された前記第１情報を送信する送信部と、を有する前記バッテリと；前記送信部によって送信された前記第１情報を受信する受信部と、ある時点における前記バッテリの前記第１情報が入力されると、前記時点における前記バッテリの性能に関する第２情報を出力するように学習されたモデルに対して、前記受信部によって受信された前記第１情報を入力することで、前記バッテリの性能を推定する推定部と、を有する推定装置と；を備える。
（１０）本発明の別の一態様に係る推定装置は、電力を利用する電力装置に着脱自在に装着されるバッテリを充電する充電装置によって送信される、前記バッテリの劣化に関する第１情報を受信する受信部と；ある時点における前記バッテリの前記第１情報が入力されると、前記時点における前記バッテリの性能に関する第２情報を出力するように学習されたモデルに対して、前記受信部によって受信された前記第１情報を入力することで、前記バッテリの性能を推定する推定部と；を備える。
（１１）本発明の別の一態様に係る推定方法は、電力を利用する電力装置に着脱自在に装着されるバッテリを充電する充電装置によって送信される、前記バッテリの劣化に関する第１情報を受信する受信部を備えるコンピュータが、ある時点における前記バッテリの前記第１情報が入力されると、前記時点における前記バッテリの性能に関する第２情報を出力するように学習されたモデルに対して、前記受信部によって受信された前記第１情報を入力することで、前記バッテリの性能を推定するステップを含む。
（１２）本発明の別の一態様に係るプログラムは、電力を利用する電力装置に着脱自在に装着されるバッテリを充電する充電装置によって送信される、前記バッテリの劣化に関する第１情報を受信する受信部を備えるコンピュータに、ある時点における前記バッテリの前記第１情報が入力されると、前記時点における前記バッテリの性能に関する第２情報を出力するように学習されたモデルに対して、前記受信部によって受信された前記第１情報を入力させることで、前記バッテリの性能を推定させる。
（１３）本発明の別の一態様に係る記憶媒体は、上記プログラムを格納する。
上述した（１）、（８）から（１３）によれば、電池の劣化に対する専門的な知見がなくても電池の劣化の推移を推定することが可能となる。また、上述した（１）または（７）によれば、市場にバッテリが出回れば出回るほどその推定精度が向上することが期待される。さらに、上述した（１）または（８）から（１３）によれば、ある短い時間間隔で時系列データを膨大に取得しなくても、バッテリの容量と抵抗値の推定が可能となるため、市場でのデータ収集にかかるコストが削減できる。
上述した（３）または（４）によれば、電池の劣化を判断することが可能な情報と、電池性能に関する情報とを用いて機械学習を行うので、電池の劣化の推移を精度よく推定することが可能なモデルを生成することができる。
上述した（５）または（６）によれば、バッテリの返却の際またはバッテリが返却されてから貸し出されるまでの間に、充電装置で電池性能を測定でき、電池情報を取得できるので、市場でのデータ収集にかかるコストが削減できる。
上述した（７）によれば、教師データの教師ラベルとする第２情報に、、バッテリの性能を表す各種パラメータの時系列データが含まれるため、バッテリに対して電池性能の実測作業が不要になり、データのサンプル数が増える毎に予測精度を向上させることができる。
実施形態における電池劣化推定システムの全体構成を示す図である。 実施形態に係る着脱式バッテリの構成例を示す図である。 実施形態に係る充電ステーションの構成例を示す図である。 実施形態に係る管理サーバの構成例を示す図である。 実施形態に係る電池劣化予測モデルの作成手順のフローチャートである。 実施形態に係る電池劣化予測モデルの生成例を示す図である。 実施形態に係る電池劣化予測モデルを用いて電池性能を推定する処理例のフローチャートである。 実施形態に係る電池劣化予測モデルを用いた電池性能の推定例を示す図である。 実施形態に係る着脱式バッテリの温度のヒストグラムデータの一例を示す図である。 実施形態に係る着脱式バッテリのＳＯＣのヒストグラムデータの一例を示す図である。 実施形態に係る学習に用いられるデータ例を示す図である。 実施形態の第１変形例に係る電池劣化予測モデルの作成手順のフローチャートである。 実施形態の第２変形例における電池劣化推定システムの全体構成を示す図である。
以下、本発明の実施形態について図面を参照しながら説明する。なお、以下の説明に用いる図面では、各部材を認識可能な大きさとするため、各部材の縮尺を適宜変更している。
［全体構成］
図１は、本実施形態における電池劣化推定システム１０の全体構成を示す図である。図１に示すように、電池劣化推定システム１０は、鞍乗り型の自動二輪車１２、着脱式バッテリ１４、充電ステーション１６、管理サーバ１８、および携帯端末２８を含む。自動二輪車１２は「電力装置」の一例であり、充電ステーション１６は「充電装置」の一例であり、管理サーバ１８は「推定装置」の一例である。
「電力装置」は、自動二輪車１２に限られず、例えば、電力により走行可能かつ着脱自在に着脱式バッテリ１４が装着可能な車両（一輪、三輪、四輪等）、またはアシスト式の自転車等であってもよい。これら車両型の移動体に代えて、「電力装置」は、日本国特開２０１９−０６８５５２号公報に記載の、人や車両によって運ばれる可搬型の充電給電装置であってもよい。また「電力装置」は、移動ロボット、自律走行装置、電動自転車、自律走行車、その他の電動車両、ドローン飛行体、又はその他の電動式移動装置（電動モビリティ）であってもよい。以下、一例として、「電力装置」が自動二輪車１２であるものとして説明する。
電池劣化推定システム１０は、自動二輪車１２の駆動源である着脱式バッテリ１４を、複数のユーザで共同利用するシェアサービスを提供可能なシステムである。
着脱式バッテリ１４は、少なくとも電力により走行可能な自動二輪車１２に対して着脱自在に装着されるカセット式の蓄電装置である。着脱式バッテリ１４は、電池の劣化に関する電池情報を記憶する。以下、説明の便宜上、充電が必要になった着脱式バッテリ１４を「使用済みバッテリ１４ｕ」、充電が完了した着脱式バッテリ１４を「充電済みバッテリ１４ｃ」と区別する場合がある。着脱式バッテリ１４は、１つの自動二輪車１２に少なくとも１つが搭載されている。着脱式バッテリ１４の構成については後述する。電池情報には、例えば、着脱式バッテリ１４の使用日数や、初期性能（容量、抵抗値）、温度のヒストグラム、ＳＯＣ（Ｓｔａｔｅ Ｏｆ Ｃｈａｒｇｅ）のヒストグラムといった着脱式バッテリ１４の劣化を診断することが可能な種々のパラメータが含まれる。電池情報には、更に、着脱式バッテリ１４の識別情報（バッテリＩＤともいう）が含まれてよい。本実施形態において、電池劣化推定システム１０で用いられる着脱式バッテリ１４は１種類であるとする。電池情報は「第１情報」の一例である。
充電ステーション１６は、１つ以上の着脱式バッテリ１４の保管及び充電を行うための設備であり、複数の場所に設置されている。充電ステーション１６の筐体２０には、複数個（図１の例では１２個）のスロットからなるスロット部２１と、表示器１６１と、認証器１６２と、が設けられている。充電ステーション１６は、ネットワークＮＷを介して、管理サーバ１８と通信可能に接続されている。ネットワークＮＷは、無線通信網または有線通信網である。スロット部２１の奥側には、着脱式バッテリ１４を充電可能な充電器１６３（図３）と接続部１６４（図３）が設けられている。充電ステーション１６は、スロット部２１に挿入された着脱式バッテリ１４から電池情報を取得する。充電ステーション１６は、スロット部２１に挿入された着脱式バッテリ１４の電池性能（容量と抵抗値）を測定（推定）し、測定（推定）した電池性能に関する情報（以下、電池性能情報と称する）と、取得した電池情報とを互いに関連付けて管理サーバ１８に送信する。充電ステーション１６は、使用済みバッテリ１４ｕの個数と、充電済みバッテリ１４ｃの個数を管理サーバ１８に送信する。電池性能情報は「第２情報」の一例である。
管理サーバ１８は、充電ステーション１６が送信する使用済みバッテリ１４ｕの個数と、充電済みバッテリ１４ｃの個数を取得し、取得した情報に基づいて充電ステーション１６が保管している着脱式バッテリ１４を管理する。管理サーバ１８は、例えば携帯端末２８を利用者が操作した結果に基づいて、着脱式バッテリ１４を貸し出しの予約処理を行う。管理サーバ１８は、予約結果を携帯端末２８へ送信する。管理サーバ１８は、利用者が着脱式バッテリ１４を利用した状況に応じて課金を行う。課金方法は、年契約、月契約、回数契約、一回毎の契約であってもよい。管理サーバ１８は、充電ステーション１６、および携帯端末２８と、ネットワークＮＷを介して通信可能に接続されている。
管理サーバ１８は、複数の着脱式バッテリ１４から取得した電池性能情報が対応づけられている電池情報を教師データとして用いることで、着脱式バッテリ１４（電池）の劣化を予測するためのモデル（以下、電池劣化予測モデルと称する）を機械学習によって生成する。管理サーバ１８は、電池劣化予測モデルを十分に学習すると、その電池劣化予測モデルを用いて、任意のタイミングで電池容量と電池抵抗を予測する。電池劣化予測モデルは、電池劣化推定システム１０で使用される全ての着脱式バッテリ１４に対するモデルである。電池劣化予測モデルの生成方法、電池容量と電池抵抗の予測方法については後述する。
携帯端末２８は、ユーザが携行する端末であり、例えばスマートフォン、タブレット端末、ノートパソコン等である。利用者は携帯端末２８を操作して、着脱式バッテリ１４を貸し出し可能な充電ステーション１６のうち１つを選択して予約する。携帯端末２８は、操作された結果を管理サーバ１８に送信する。
［着脱式バッテリ１４の構成］
次に、着脱式バッテリ１４の構成例を説明する。
図２は、本実施形態に係る着脱式バッテリ１４の構成例を示す図である。図２に示すように、着脱式バッテリ１４は、蓄電部１４１、測定センサ１４２、ＢＭＵ（Ｂａｔｔｅｒｙ Ｍａｎａｇｅｍｅｎｔ Ｕｎｉｔ）１４３、記憶部１４４、および接続部１４５を備える。
蓄電部１４１は、例えば、二次電池や鉛蓄電池やキャパシタやリチウムイオン電池等のいずれか１つである。
測定センサ１４２は、電流や温度を測定する各種センサから構成されている。測定センサ１４２は、測定した測定値をＢＭＵ１４３に出力する。温度センサは、蓄電部１４１の温度を測定する。電流センサは、蓄電部１４１に流れる電流値を測定する。
ＢＭＵ１４３は、蓄電部１４１への充電や給電を制御する。ＢＭＵ１４３は、例えば所定のタイミング毎に測定センサ１４２が出力する測定値を記憶部１４４に記憶させる。ＢＭＵ１４３は、例えば所定のタイミング毎に着脱式バッテリ１４のＳＯＣの情報を記憶させる。所定のタイミングとは、例えば１分毎である。ＢＭＵ１４３は、充電ステーション１６のスロット部２１に着脱式バッテリ１４が挿入された場合、記憶部１４４が記憶する情報を充電ステーション１６に出力する。ＢＭＵ１４３が測定して記憶部１４４に記憶する情報は、電池温度とＳＯＣに限らず、着脱式バッテリ１４の劣化を推定する要素であればよい。
記憶部１４４は、着脱式バッテリ１４の識別情報、着脱式バッテリ１４の初期性能の情報、貸出から返却までの測定センサ１４２の測定値（含む温度情報）、貸出から返却までの着脱式バッテリ１４のＳＯＣの情報等を記憶する。初期性能情報は、蓄電部１４１の初期容量、蓄電部１４１の初期抵抗値である。記憶部１４４は、ＢＭＵ１４３に処理を実行させるプログラムを記憶する。
接続部１４５は、充電ステーション１６のスロット部２１との接続部であり、通信機能を有している。
［充電ステーション１６の構成］
次に、充電ステーション１６の構成例を説明する。
図３は、本実施形態に係る充電ステーション１６の構成例を示す図である。図３に示すように、充電ステーション１６は、表示器１６１、認証器１６２、充電器１６３、接続部１６４、通信部１６５、記憶部１６６、および制御部１６７を備える。
制御部１６７は、充電制御部１６７１、測定センサ１６７２、情報取得部１６７３、および処理部１６７４を備える。
表示器１６１は、液晶表示装置、有機ＥＬ（Ｅｌｅｃｔｒｏ Ｌｕｍｉｎｅｓｃｅｎｃｅ）表示装置、電子インク表示装置等のいずれか１つである。表示器１６１は、制御部１６７が出力する情報を表示する。表示される情報は、例えば着脱式バッテリ１４の残容量や使用料金等である。
認証器１６２は、例えば近距離通信（ＮＦＣ；Ｎｅａｒ Ｆｉｅｌｄ Ｃｏｍｍｕｎｉｃａｔｉｏｎ）を用いて利用者が携行するＮＦＣカード（不図示）の記録情報を読み取る機器である。これにより、充電ステーション１６は、この記録情報に含まれるユーザＩＤを用いて、シェアサービスの利用権限を有するユーザを認証する。認証器１６２は、取得したユーザＩＤを制御部１６７に出力する。
充電器１６３は、着脱式バッテリ１４の接続部１４５と、充電ステーション１６の接続部１６４とを接続した状態下に着脱式バッテリ１４を制御部１６７の制御に応じて充電する機器である。充電器１６３には、着脱式バッテリ１４に電力を供給するための電源（不図示）が接続されている。充電器１６３は、「充電部」の一例である。
接続部１６４は、着脱式バッテリ１４との接続部であり、電力の供給と、情報の送受信を行う。接続部１６４は、着脱式バッテリ１４から電池情報を取得し、取得した電池情報を情報取得部１６７３に出力する。
通信部１６５は、制御部１６７が出力する充電ステーション１６の識別情報が付与された電池性能情報と電池情報を、ネットワークＮＷを介して管理サーバ１８へ送信する。通信部１６５は、管理サーバ１８が送信した着脱式バッテリ１４の予約情報を受信し、受信した着脱式バッテリ１４の予約情報を制御部１６７に出力する。通信部１６５は、制御部１６７が出力する充電ステーション１６が付与された貸し出し可能な着脱式バッテリ１４の個数等を管理サーバ１８へ送信する。通信部１６５は、制御部１６７が出力する充電ステーション１６の識別情報が付与されたユーザＩＤを管理サーバ１８へ送信する。
記憶部１６６は、充電ステーション１６の識別情報、スロット部２１に挿入されている着脱式バッテリ１４それぞれの電池情報等を記憶する。記憶部１６６は、制御部１６７に処理を実行させるプログラムを記憶する。
制御部１６７は、接続部１６４が出力する電池性能情報と電池情報を取得し、取得した電池性能情報と電池情報を記憶部１６６に記憶させる。制御部１６７は、返却され、充電ステーション１６のスロット部２１に挿入された着脱式バッテリ１４の電池性能（容量、抵抗値）を測定または推定する。制御部１６７は、記憶部１６６が記憶する電池情報と電池性能情報とに充電ステーション１６の識別情報を付与して通信部１６５に出力する。制御部１６７は、記憶部１６６が記憶するプログラムを読み出し実行することで、充電制御部１６７１、情報取得部１６７３、および処理部１６７４として機能する。制御部１６７は、記憶部１６６が記憶する情報に基づいて貸し出し可能な着脱式バッテリ１４の個数を検出し、検出した貸し出し可能な着脱式バッテリ１４の個数に充電ステーション１６の識別情報を付与して通信部１６５に出力する。
制御部１６７は、認証器１６２によって利用者の認証が成功した場合に、利用者への着脱式バッテリ１４の貸し出しを許可する。制御部１６７は、認証器１６２が出力するユーザＩＤを取得し、取得したユーザＩＤに充電ステーション１６の識別情報を付与して通信部１６５に出力する。
充電制御部１６７１は、測定センサ１６７２の測定値に基づいて、充電器１６３を制御して、スロット部２１に挿入された着脱式バッテリ１４への充電を制御する。
測定センサ１６７２は、例えば電流センサ、電圧センサである。測定センサ１６７２は、着脱式バッテリ１４に流れる電流値と電圧値を測定し、これら測定値を充電制御部１６７１に出力する。
情報取得部１６７３は、接続部１６４に接続された着脱式バッテリ１４から電池情報を取得し、取得した電池情報を記憶部１６６に記憶させる。
処理部１６７４は、測定センサ１６７２の測定値に基づいて、着脱式バッテリ１４の電池性能（容量、抵抗値）を推定する。処理部１６７４は、情報取得部１６７３が取得した電池情報に含まれる温度情報に基づいて、電池温度のヒストグラムデータを生成する。処理部１６７４は、情報取得部１６７３が取得した電池情報に含まれる温度情報に基づいて、電池ＳＯＣのヒストグラムデータを生成する。電池温度のヒストグラムデータは、正規分布の場合、平均値と標準偏差でも代替え可能である。電池ＳＯＣのヒストグラムデータは、正規分布の場合、平均値と標準偏差でも代替え可能である。
［管理サーバ１８の構成］
次に、管理サーバ１８の構成例を説明する。
図４は、本実施形態に係る管理サーバ１８の構成例を示す図である。図４に示すように、管理サーバ１８は、通信部１８１、記憶部１８２、制御部１８３、および出力部１８４を備える。制御部１８３は、情報取得部１８３１、モデル生成部１８３２、および推定部１８３３を備える。モデル生成部１８３２は「学習部」の一例である。
通信部１８１は、充電ステーション１６が送信した電池性能情報と電池情報を、ネットワークＮＷを介して受信し、受信した電池性能情報と電池情報を制御部１８３へ出力する。通信部１８１は、制御部１８３が出力する着脱式バッテリ１４の予約情報を、ネットワークＮＷを介して携帯端末２８へ送信する。
記憶部１８２は、モデル生成部１８３２が生成した電池劣化予測モデルを記憶する。記憶部１８２は、制御部１８３に処理を実行させるプログラムを記憶する。
制御部１８３は、通信部１８１が出力する電池性能情報と電池情報を取得し、取得した電池性能情報と電池情報を用いて機械学習によって電池劣化予測モデルを生成する。制御部１８３は、生成した電池劣化予測モデルを用いて、電池容量と電池抵抗を推定する。制御部１８３は、推定した電池容量と電池抵抗を出力部１８４に出力する。
情報取得部１８３１は、通信部１８１が出力する電池性能情報と電池情報を取得し、取得した電池性能情報と電池情報をモデル生成部１８３２に出力する。
モデル生成部１８３２は、情報取得部１８３１が出力する電池性能情報と電池情報を用いて機械学習によって電池劣化予測モデルを生成し、生成した電池劣化予測モデルを記憶部１８２に記憶させる。電池劣化予測モデルの生成方法については後述する。
推定部１８３３は、任意のタイミングで電池劣化予測モデルを用いて電池容量と電池抵抗を推定する。
出力部１８４は、画像表示装置または印刷装置等である。出力部１８４は、制御部１８３が出力する電池容量と電池抵抗を表示または印字する。
［電池劣化予測モデルの生成手順］
次に、電池劣化予測モデルの生成手順を説明する。
図５は、本実施形態に係る電池劣化予測モデルの生成手順のフローチャートである。以下の処理は、例えば、利用者が充電ステーション１６に訪れ、着脱式バッテリ１４の交換作業を行う際に行われる。
（ステップＬ１）着脱式バッテリ１４の交換作業を開始する。
（ステップＳ１）充電ステーション１６の制御部１６７は、着脱式バッテリ１４がスロット部２１に返却されたことを検出する。制御部１６７は、例えば接続部１６４によって着脱式バッテリ１４から情報を取得可能になった場合に、着脱式バッテリ１４が返却されたと認識する。
（ステップＳ２）測定センサ１６７２は、スロット部２１に返却された着脱式バッテリ１４の容量と抵抗値を測定し、処理部１６７４は、着脱式バッテリ１４が返却されたとき（スロット部２１に着脱式バッテリ１４が挿入されたとき）に測定センサ１６７２によって測定された着脱式バッテリ１４の容量と抵抗値とが含まれる電池性能情報を測定センサ１６７２から取得する。
（ステップＳ３）情報取得部１６７３は、接続部１６４を介して着脱式バッテリ１４の記憶部１４４に記憶されている電池情報を取得する。取得した電池情報には、着脱式バッテリ１４の生産日を示す情報、着脱式バッテリ１４の初期性能（容量、抵抗値）、着脱式バッテリ１４の温度のヒストグラムデータ、および着脱式バッテリ１４のＳＯＣのヒストグラムデータのうち、少なくとも一つ、好ましくは全部が含まれる。
（ステップＳ４）制御部１６７は、返却時の容量と抵抗値とを含む電池性能情報と、着脱式バッテリ１４の記憶部１４４に記憶されていた電池情報とに、充電ステーションの識別情報を付与して管理サーバ１８へ送信する。
（ステップＳ５）管理サーバ１８の情報取得部１８３１は、充電ステーション１６が送信した電池情報と電池性能情報を、通信部１８１を介して取得する。
続けて、管理サーバ１８のモデル生成部１８３２は、取得した電池情報に含まれる生産日と現在日に基づいて、着脱式バッテリ１４が生産されてからの経過日数を算出する。
続けて、管理サーバ１８のモデル生成部１８３２は、取得した電池情報に対して、取得した電池性能情報を教師ラベルとして対応付けたデータを教師データ（訓練データ）として生成し、生成した教師データを用いて機械学習によって電池劣化予測モデルを生成する。これによって、電池劣化予測モデルは、ある時点における着脱式バッテリ１４の電池情報が入力されると、同じ時点における着脱式バッテリ１４の電池性能情報を出力するように学習される。
続けて、モデル生成部１８３２は、生成した電池劣化予測モデルを記憶部１８２に記憶させる。
（ステップＬ２）着脱式バッテリ１４の交換作業を完了する。
管理サーバ１８の制御部１８３は、着脱式バッテリ１４の交換毎に、電池情報と、容量や抵抗値といった測定値を含む電池性能情報を取得し、電池劣化予測モデルを機械学習によって更新していく。
図５に示した例では、着脱式バッテリ１４の交換時に電池性能の測定、電池情報の取得を行って管理サーバ１８へ送信する例を説明したが、これに限らない。電池性能の測定タイミングや電池情報の取得タイミングや管理サーバ１８への送信タイミングは、着脱式バッテリ１４が返却された際または返却後等であればよい。
次に、電池劣化予測モデルの機械学習について説明する。
図６は、本実施形態に係る電池劣化予測モデルの生成例を示す図である。
符号ｇ１０１は、教師ラベルが対応付けられる電池情報（以下、モデル学習用データともいう）の例である。符号ｇ１０１に示す例では、モデル学習用データが、着脱式バッテリ１４が生産されてからの経過日数、着脱式バッテリ１４の初期性能（容量、抵抗値）、着脱式バッテリ１４の温度のヒストグラムデータ、および着脱式バッテリ１４のＳＯＣのヒストグラムデータ等である。
符号１０２は、教師ラベルとして扱われる電池性能情報（以下、モデル学習の正解データともいう）の例である。符号ｇ１０２に示す例では、モデル学習の正解データが、測定時点の電池容量と、測定時点の電池抵抗値である。
符号１０３は、機械学習の学習エンジンの例である。符号ｇ１０３に示すように、機械学習のエンジンは、例えばＤｅｅｐ Ｌｅａｒｎｉｎｇ（深層学習）、Ｒａｎｄｏｍ Ｆｏｒｅｓｔ Ｒｅｇｒｅｓｓｉｏｎ（ランダムフォレスト）、ＸＧ−Ｂｏｏｓｔｉｎｇ（ｅＸｔｒｅｍｅ Ｇｒａｄｉｅｎｔ Ｂｏｏｓｔｉｎｇ）、Ｓｕｐｐｏｒｔ Ｖｅｃｔｏｒ Ｍａｃｈｉｎｅ（サポートベクターマシン）等や、これらのアンサンブル学習も含む。アンサンブル学習は、例えばバギング、ブースティング等である。
図６に示したように、モデル生成部１８３２は、モデル学習用データに対して、モデル学習の正解データが対応付けられた教師データを用いて、Ｄｅｅｐ Ｌｅａｒｎｉｎｇ等の学習手法により電池劣化予測モデルを学習する。これによって、電池劣化予測モデルが生成される。
［電池劣化予測モデルを用いた電池性能の推定処理］
次に、生成した電池劣化予測モデルを用いて電池性能を推定する処理例を説明する。図７は、本実施形態に係る電池劣化予測モデルを用いて電池性能を推定する処理例のフローチャートである。管理サーバ１８は、図７の処理を任意のタイミングで行う。
（ステップＳ１１）管理サーバ１８の制御部１８３は、入力データを用いて、記憶部１８２が記憶する電池劣化予測モデルを実行する。入力データは、着脱式バッテリ１４が生産されてからの経過日数を示す情報、着脱式バッテリ１４の初期性能（容量、抵抗値）、着脱式バッテリ１４の温度のヒストグラムデータ、および着脱式バッテリ１４のＳＯＣのヒストグラムデータである。つまり、入力データは、管理サーバ１８が充電ステーション１６から取得した電池情報そのものであってよい。または、入力データは、管理サーバ１８が充電ステーション１６から取得した電池情報に対して適宜加工等を行ったデータであってもよい。
（ステップＳ１２）制御部１８３は、ステップＳ１１の処理によって現在の電池性能（容量、抵抗値）を推定する。例えば、制御部１８３は、教師データを用いて十分に学習した電池劣化予測モデルに対して、電池情報を入力データとして入力し、電池情報を入力した電池劣化予測モデルが出力した電池性能情報を基に、現在の着脱式バッテリ１４の容量や抵抗値といった電池性能を推定する。
続けて、制御部１８３は、推定した電池性能を出力部１８４に出力する。続けて、出力部１８４は、電池性能を、例えば表示する。
入力データに含まれる複数の情報のうち、着脱式バッテリ１４の生産からの日数や初期性能（容量、抵抗値）は、管理サーバ１８が、例えば着脱式バッテリ１４の識別情報に紐付けて着脱式バッテリ１４の生産日と初期性能を管理する着脱式バッテリ１４の生産工場（不図示）から取得してもよい。または、着脱式バッテリ１４の生産からの日数や初期性能（容量、抵抗値）は、例えば着脱式バッテリ１４の生産工場が、着脱式バッテリ１４の生産日と初期性能を着脱式バッテリ１４の記憶部１４４に記憶させてもよい。この場合、充電ステーション１６は、着脱式バッテリ１４の返却時に着脱式バッテリ１４の記憶部１４４に記憶されている着脱式バッテリ１４の生産日と初期性能を読み出し、読み出した着脱式バッテリ１４の生産日と初期性能を管理サーバ１８へ送信してもよい。
温度のヒストグラムデータとＳＯＣのヒストグラムに関し、例えば着脱式バッテリ１４の記憶部１４４に、生産日から現時点までの使用履歴に対するヒストグラムの作成をＢＭＵ１４３に実行させるプログラムを生産工場等で実装してもよい。そして、充電ステーション１６は、着脱式バッテリ１４がスロット部２１に挿入された際に記憶部１４４からヒストグラムデータを読み出し、読み出したヒストグラムデータを管理サーバ１８へ送信してもよい。ヒストグラムの作成は、充電ステーション１６の制御部１６７が行ってもよい。この場合、着脱式バッテリ１４がスロット部２１に挿入された際に制御部１６７がヒストグラムの作成を行ってもよい。または、自動二輪車１２が後述するように通信部を備えている場合、自動二輪車１２が備える通信部が、所定の時間毎にＳＯＣデータと温度データを管理サーバ１８へ送信してもよい。この場合、管理サーバ１８が、自動二輪車１２が備える通信部から受信した時系列のこれらのデータを用いてヒストグラムを作成してもよい。
推定部１８３３は、推定した電池性能、電池の初期性能、及び生産からの経過日数等に基づいて、現在使用されている着脱式バッテリ１４を新しいものと入れ替える時期の推定等を、さらに行ってもよい。
次に、電池劣化予測モデルを用いた電池性能の推定について説明する。図８は、本実施形態に係る電池劣化予測モデルを用いた電池性能の推定例を示す図である。
符号ｇ１１１は、入力データの例である。符号ｇ１１１に示すように入力データは、着脱式バッテリ１４が生産されてからの経過日数を示す情報、着脱式バッテリ１４の初期性能（容量、抵抗値）、着脱式バッテリ１４の温度のヒストグラムデータ、および着脱式バッテリ１４のＳＯＣのヒストグラムデータ等である。
符号１１２は、機械学習によって生成された電池劣化予測モデルである。符号ｇ１１３は、電池劣化予測モデルが出力する推定値である。符号ｇ１１３に示すように推定値は、現時点の電池容量と、現時点の電池の抵抗値である。
着脱式バッテリ１４の温度のヒストグラムデータ例と、着脱式バッテリ１４のＳＯＣのヒストグラムデータ例を説明する。図９は、本実施形態に係る着脱式バッテリ１４の温度のヒストグラムデータの一例を示す図である。図９において、横軸は温度［度］であり、縦軸は頻度である。
図１０は、本実施形態に係る着脱式バッテリ１４のＳＯＣのヒストグラムデータの一例を示す図である。図１０において、横軸はＳＯＣ［％］であり、縦軸は頻度である。
次に、学習に用いられるデータ例を説明する。図１１は、本実施形態に係る学習に用いられるデータ例を示す図である。図１１に示すように、管理サーバ１８の制御部１８３は、着脱式バッテリ１４が交換される毎に電池情報（使用日数、初期性能（容量、抵抗値）、温度のヒストグラム、ＳＯＣのヒストグラム）と実測値である電池性能（容量、抵抗値）を取得する。例えば、電池劣化推定システム１０で用いられる着脱式バッテリ１４が１０００個あると仮定すると、制御部１８３は、この１０００個の着脱式バッテリ１４（１）〜１４（１０００）（不図示）それぞれについて、着脱式バッテリ１４が交換される毎に電池情報と実測値を取得する。このため、制御部１８３は、１つの着脱式バッテリ１４（１）について、交換毎に複数回、学習に用いられるデータを取得する。着脱式バッテリ１４の使われ方のバラツキは、電池情報における温度のヒストグラム情報やＳＯＣのヒストグラム情報、実測値である電池性能（容量、抵抗値）に含まれることになる。
制御部１８３は、学習データには、着脱式バッテリ１４の識別情報、充電ステーション１６の識別情報を用いない。ただし、電池劣化推定システム１０で用いられる着脱式バッテリ１４の種類が複数の場合、制御部１８３は、予め電池劣化推定システム１０で用いられる着脱式バッテリ１４の識別情報に、電池の種類を対応付けて記憶部１８２に記憶させる。この場合、着脱式バッテリ１４の種類毎に劣化のメカニズムが異なることが想定される。このため、制御部１８３は、取得した電池情報に含まれる着脱式バッテリ１４の識別情報と記憶部１８２が記憶する情報とに基づいて着脱式バッテリ１４の種類を識別し、着脱式バッテリ１４の種類毎に電池劣化予測モデルを生成してもよい。
以上のように、本実施形態では、電池情報と電池性能情報とを用いて電池劣化予測モデルを学習する。そして、本実施形態では、学習した電池劣化予測モデルを用いて、着脱式バッテリ１４の容量と抵抗値を推定する。
これにより、本実施形態によれば、電池の劣化に対する専門的な知見がなくても着脱式バッテリ１４の劣化推移予測をすることが可能となる。また、本実施形態によれば、市場に着脱式バッテリ１４が出回れば出回るほどその予測精度が向上することが期待される。
さらに、本実施形態によれば、ある短い時間間隔で時系列データを膨大に取得しなくても、着脱式バッテリ１４の容量と抵抗値の予測が可能となるため、市場でのデータ収集にかかるコストが削減できる。
［第１変形例］
図５を用いて説明した例では、充電ステーション１６側で着脱式バッテリ１４の抵抗値等の電池性能を測定することで取得する例を説明したが、これに限らない。電池性能は、管理サーバ１８側で推定してもよい。
図１２は、本実施形態の第１変形例に係る電池劣化予測モデルの作成手順のフローチャートである。図５と同様の処理については、同じ符号を用いて説明を省略する。
（ステップＬ１）着脱式バッテリ１４の交換作業を開始する。
（ステップＳ１）充電ステーション１６の制御部１６７は、ステップＳ１の処理を行い、処理後、ステップＳ１０１の処理に進める。
（ステップＳ１０１）情報取得部１６７３は、接続部１６４を介して着脱式バッテリ１４の記憶部１４４に記憶されている電池情報を取得する。取得した電池情報には、着脱式バッテリ１４が生産日を示す情報、着脱式バッテリ１４の初期性能（容量、抵抗値）、着脱式バッテリ１４の温度のヒストグラムデータ、および着脱式バッテリ１４のＳＯＣのヒストグラムデータが含まれる。情報取得部１６７３は、充電時の電池電圧、および電流の時系列データを取得する。
（ステップＳ１０２）制御部１６７は、取得した電池情報と電池性能に関する情報に充電ステーションの識別情報を付与して管理サーバ１８へ送信する。電池情報には、例えば、着脱式バッテリ１４が生産されてからの日数、初期性能（容量、抵抗値）、電池温度のヒストグラムデータ、電池ＳＯＣのヒストグラムデータが含まれている。電池性能に関する情報には、充電ステーション１６で充電したときの電池時系列データ（電圧、電流、温度）が含まれている。
（ステップＳ１０３）管理サーバ１８の情報取得部１８３１は、充電ステーション１６が送信した電池情報と電池性能に関する情報を、通信部１８１を介して取得する。続けて、推定部１８３３は、取得した電池性能に関する情報に含まれる時系列データを用いて、周知の手法により電池性能（容量、抵抗値）を推定する。推定部１８３３は、処理後、ステップＳ５の処理に進める。
（ステップＳ５）管理サーバ１８はステップＳ５の処理を行う。
（ステップＬ２）着脱式バッテリ１４の交換作業を完了する。
電池劣化予測モデルの機械学習の処理手順は、図６と同じである。管理サーバ１８は、推定した電池性能（容量、抵抗値）を用いて機械学習を行う。
このように、機械学習時の教師データは、実施形態のように充電ステーション１６にて実測する電池性能であっても、第１変形例のように管理サーバ１８で推定した現状の電池性能値（容量、抵抗）を用いてもよい。
管理サーバ１８で電池性能を推定する場合、充電ステーション１６が取得する電池性能に関する情報は、充電時の電圧、電流、および温度それぞれの時系列データであってもよい。
以上のように、第１変形例では、電池性能を推定する。これにより、第１変形例によれば、電池に対して電池性能の実測作業が不要になる。また第１変形例によれば、充電ステーション１６から受信するデータのサンプル数が増える毎に、予測精度を向上させることができる。
充電ステーション１６は、第１実施形態で説明したように、着脱式バッテリ１４の電池性能を測定した測定値と、充電時の時系列データのうち少なくとも１つを管理サーバ１８に送信してもよい。この場合、管理サーバ１８は、受信した電池性能に関する情報（測定値、時系列データ）を用いて機械学習を行ってもよい。
［第２変形例］
なお、上述した例では、充電ステーション１６が。電池性能と電池情報を管理サーバ１８へ送信する例を説明したが、これに限らない。例えば、自動二輪車１２が、通信機能を有するＴＣＵ（Ｔｅｌｅｍａｔｉｃｓ Ｃｏｍｍｕｎｉｃａｔｉｏｎ Ｕｎｉｔ）を備えている場合、ＴＣＵが所定の時刻または所定の時間間隔で、電池性能と電池情報を管理サーバ１８へ送信してもよい。
図１３は、本実施形態の第２変形例における電池劣化推定システム１０Ａの全体構成を示す図である。図１３に示すように、電池劣化推定システム１０Ａは、鞍乗り型の自動二輪車１２（鞍乗型車両）、ＴＣＵ１３、着脱式バッテリ１４（電池）、充電ステーション１６、管理サーバ１８、および携帯端末２８を含む。電池劣化推定システム１０と同様の機能を有する構成要素には、同じ符号を用いて説明を省略する。
ＴＣＵ１３は、自動二輪車１２内に搭載されている通信ユニットである。ＴＣＵ１３は、着脱式バッテリ１４の記憶部１４４（図２）が記憶する電池情報（生産日、初期性能（容量、抵抗値）、温度のヒストグラム、ＳＯＣのヒストグラム）を取得し、取得した電池情報を、ネットワークＮＷを介して管理サーバ１８へ送信する。送信するタイミングは、例えば予め定められている時刻、または所定の時間間隔（例えば１分毎）である。
この場合であっても、電池劣化推定システム１０と同様に、充電ステーション１６は、着脱式バッテリ１４が返却された際に、電池性能（容量、抵抗値）を推定し、かつ着脱式バッテリ１４から電池情報を読み出す。そして、充電ステーション１６は、推定した電池性能に関すると電池情報を管理サーバ１８に送信する。
管理サーバ１８の制御部１８３（図４）は、ＴＣＵ１３から電池情報を、通信部１８１（図４）を介して受信する。管理サーバ１８の制御部１８３は、充電ステーション１６から電池性能と電池情報を、通信部１８１を介して受信する。管理サーバ１８のモデル生成部１８３２（図４）は、ＴＣＵ１３と充電ステーション１６から受信した電池情報（時系列履歴）と、充電ステーション１６から受信した電池性能を用いて、機械学習によって電池劣化予測モデルを生成する。
以上の第２変形例においても、電池劣化推定システム１０と同様の効果を得ることができる。そして、変形例では、ＴＣＵ１３からも電池情報（時系列履歴）を得ることができるため、この情報も用いて、より精度のよい学習を行うことができる。
［その他の変形例］
上述した実施形態の説明では、管理サーバ１８の情報取得部１８３１が、着脱式バッテリ１４の電池情報と電池性能情報を、通信部１８１を介して充電ステーション１６から間接的に取得するものとして説明したがこれに限られない。例えば、管理サーバ１８の情報取得部１８３１は、着脱式バッテリ１４の電池情報と電池性能情報を、通信部１８１を介して着脱式バッテリ１４から直接取得してもよい。この場合、着脱式バッテリ１４は、蓄電部１４１、測定センサ１４２、ＢＭＵ１４３、記憶部１４４、および接続部１４５に加えて、管理サーバ１８等と通信する通信部１４６を備えてよい。着脱式バッテリ１４の通信部１４６は、電池情報と電池性能情報とを管理サーバ１８に送信する。これによって、充電ステーション１６を介さずとも、管理サーバ１８が着脱式バッテリ１４と直接通信することで、着脱式バッテリ１４の劣化の推移を予測することができる。
上記説明した実施形態は、以下のように表現することができる。
（１）本発明の一実施形態における電池劣化推定システム１０は、電力を利用して移動可能な自動二輪車１２に対して着脱自在に装着され、電池の劣化を判定することが可能なパラメータを含む電池情報を記憶する着脱式バッテリ１４と；着脱式バッテリ１４を充電し、着脱式バッテリ１４から電池情報を取得し、着脱式バッテリ１４の電池性能に関する電池性能情報を取得し、電池性能情報と電池情報とをサーバ装置へ送信する充電ステーション１６と；充電ステーション１６から受信した電池情報を学習用データとし、電池性能を教師データとし、機械学習によって着脱式バッテリ１４の電池劣化予測モデルを生成し、電池情報を入力データとし、電池劣化予測モデルを用いて、推定時点の電池性能を推定する管理サーバ１８と；を備える。
（２）上記電池劣化推定システム１０では、電池情報は、着脱式バッテリ１４が生産されてからの経過日数と、着脱式バッテリ１４の初期の容量と、着脱式バッテリ１４の初期の抵抗値と、着脱式バッテリ１４の温度のヒストグラムと、着脱式バッテリ１４の残容量のヒストグラムを含み、電池性能は、測定時点の着脱式バッテリ１４の容量と、測定時点の着脱式バッテリ１４の抵抗値とを含んでもよい。
（３）上記電池劣化推定システム１０では、電池情報は、着脱式バッテリ１４が生産されてからの経過日数と、着脱式バッテリ１４の初期の容量と、着脱式バッテリ１４の初期の抵抗値と、着脱式バッテリ１４の温度の標準偏差と平均値と、着脱式バッテリ１４の残容量の標準偏差と平均値を含み、電池性能は、測定時点の着脱式バッテリ１４の容量と、測定時点の着脱式バッテリ１４の抵抗値とを含んでもよい。
（４）上記電池劣化推定システム１０では、充電ステーション１６は、着脱式バッテリ１４が返却された際に、電池性能情報および電池情報を取得し、電池性能情報および電池情報を管理サーバ１８へ送信してもよい。
（５）上記電池劣化推定システム１０では、充電ステーション１６は、着脱式バッテリ１４が返却された後、着脱式バッテリ１４が貸し出される間に、電池性能情報および電池情報を取得し、電池性能情報および電池情報を管理サーバ１８へ送信してもよい。
（６）上記電池劣化推定システム１０では、電池性能情報が、着脱式バッテリ１４の電池性能を測定して得た容量と抵抗値の測定値、及び着脱式バッテリ１４の充電時における電圧と電流と温度それぞれの時系列データのうち少なくとも１つであってもよい。
（７）本発明の別の一態様における管理サーバ１８は、電力を利用して移動可能な自動二輪車１２に対して着脱自在に装着された着脱式バッテリ１４であって、電池の劣化を判定することが可能なパラメータを含む電池情報を記憶する着脱式バッテリ１４から電池情報を取得し、着脱式バッテリ１４に対して充電を行う充電ステーション１６によって測定された着脱式バッテリ１４の電池性能に関する電池性能情報を取得する情報取得部１６７３と；電池情報を学習用データとし、電池性能に関する情報を教師データとし、機械学習によって着脱式バッテリ１４の電池劣化予測モデルを生成するモデル生成部１８３２と；電池情報を入力データとし、劣化予測モデルを用いて、推定時点の電池性能を推定する推定部１８３３と；を備える。
なお、本発明における管理サーバ１８の機能の全てまたは一部を実現するためのプログラムをコンピュータ読み取り可能な記録媒体に記録して、この記録媒体に記録されたプログラムをコンピュータシステムに読み込ませ、実行することにより管理サーバ１８が行う処理の全てまたは一部を行ってもよい。なお、ここでいう「コンピュータシステム」とは、ＯＳ（Operating System）や周辺機器等のハードウェアを含むものとする。また、「コンピュータシステム」は、ホームページ提供環境（あるいは表示環境）を備えたＷＷＷ（World Wide Web）システムも含むものとする。また、「コンピュータ読み取り可能な記録媒体」とは、フレキシブルディスク、光磁気ディスク、ＲＯＭ、ＣＤ−ＲＯＭ等の可搬媒体、コンピュータシステムに内蔵されるハードディスク等の記憶装置のことをいう。さらに「コンピュータ読み取り可能な記録媒体」とは、インターネット等のネットワークや電話回線等の通信回線を介してプログラムが送信された場合のサーバやクライアントとなるコンピュータシステム内部の揮発性メモリ（ＲＡＭ）のように、一定時間プログラムを保持しているものも含むものとする。
また、上記プログラムは、このプログラムを記憶装置等に格納したコンピュータシステムから、伝送媒体を介して、あるいは、伝送媒体中の伝送波により他のコンピュータシステムに伝送されてもよい。ここで、プログラムを伝送する「伝送媒体」は、インターネット等のネットワーク（通信網）や電話回線等の通信回線（通信線）のように情報を伝送する機能を有する媒体のことをいう。また、上記プログラムは、前述した機能の一部を実現するためのものであってもよい。さらに、前述した機能をコンピュータシステムにすでに記録されているプログラムとの組み合わせで実現できるもの、いわゆる差分ファイル（差分プログラム）であってもよい。
以上、本発明を実施するための形態について実施形態を用いて説明したが、本発明はこうした実施形態に何等限定されるものではなく、本発明の要旨を逸脱しない範囲内において種々の変形および置換を加えることができる。
１０，１０Ａ…電池劣化推定システム、１２…自動二輪車（電力装置）、１３…ＴＣＵ、１４…着脱式バッテリ、１６…充電ステーション（充電装置）、１８…管理サーバ（推定装置）、２８…携帯端末、２０…筐体、２１…スロット部、１４１…蓄電部、１４２…測定センサ、１４３…ＢＭＵ、１４４…記憶部、１４５…接続部、１６１…表示器、１６２…認証器、１６３…充電器、１６４…接続部、１６５…通信部、１６６…記憶部、１６７…制御部、１６７１…充電制御部、１６７２…測定センサ、１６７３…情報取得部、１６７４…処理部、１８１…通信部、１８２…記憶部、１８３…制御部、１８４…出力部、１８３１…情報取得部、１８３２…モデル生成部（学習部）、１８３３…推定部

Claims (13)

  1. 電力を利用する電力装置に着脱自在に装着されるバッテリと；
    前記バッテリを充電する充電部と、
    前記バッテリから、該バッテリの劣化に関する第１情報を取得する取得部と、
    前記取得部により取得された前記第１情報を送信する送信部と、を有する、
    充電装置と；
    前記送信部によって送信された前記第１情報を受信する受信部と、
    ある時点における前記バッテリの前記第１情報が入力されると、前記時点における前記バッテリの性能に関する第２情報を出力するように学習されたモデルに対して、前記受信部によって受信された前記第１情報を入力することで、前記バッテリの性能を推定する推定部と、を有する、
    推定装置と；
    を備える推定システム。
  2. 前記推定装置は、
    前記時点における前記バッテリの前記第１情報に対して、前記時点における前記バッテリの前記第２情報が対応付けられた教師データに基づいて、前記モデルを学習する学習部を更に有する、
    請求項１に記載の推定システム。
  3. 前記第１情報は、前記バッテリが生産されてからの経過日数と、前記バッテリの初期の容量と、前記バッテリの初期の抵抗値と、前記バッテリの温度のヒストグラムと、前記バッテリの残容量のヒストグラムと、のうち少なくとも一つを含む、
    請求項１または２に記載の推定システム。
  4. 前記第２情報は、測定時点の前記バッテリの容量と、測定時点の前記バッテリの抵抗値とのうちいずれか一方または双方を含む、
    請求項１から３のうちいずれか一項に記載の推定システム。
  5. 前記第１情報は、前記バッテリが生産されてからの経過日数と、前記バッテリの初期の容量と、前記バッテリの初期の抵抗値と、前記バッテリの温度の標準偏差と平均値と、前記バッテリの残容量の標準偏差と平均値と、のうち少なくとも一つを含む、
    請求項１から４のうちいずれか一項に記載の推定システム。
  6. 前記充電装置は、 前記取得部は、前記充電装置に前記バッテリが装着された際に、前記第１情報および前記第２情報を取得し、
    前記送信部は、前記取得部によって取得された前記第１情報および前記第２情報を前記推定装置へ送信する、
    請求項１から５のうちいずれか一項に記載の推定システム。
  7. 前記充電装置は、
    前記取得部は、前記充電装置に前記バッテリが装着されてから、前記充電装置から前記バッテリが取り外されるまでの間に、前記第１情報および前記第２情報を取得し、
    前記送信部は、前記取得部によって取得された前記第１情報および前記第２情報を前記推定装置へ送信する、
    請求項１から６のうちいずれか一項に記載の推定システム。
  8. 前記第２情報には、前記バッテリの性能を測定して得た容量と抵抗値の測定値、及び前記バッテリの充電時における電圧と電流と温度それぞれの時系列データのうち少なくとも１つが含まれる、
    請求項１から７のうちいずれか一項に記載の推定システム。
  9. 電力を利用する電力装置に着脱自在に装着されるバッテリであって、
    該バッテリの劣化に関する第１情報を取得する取得部と、
    前記取得部により取得された前記第１情報を送信する送信部と、を有する、
    前記バッテリと；
    前記送信部によって送信された前記第１情報を受信する受信部と、
    ある時点における前記バッテリの前記第１情報が入力されると、前記時点における前記バッテリの性能に関する第２情報を出力するように学習されたモデルに対して、前記受信部によって受信された前記第１情報を入力することで、前記バッテリの性能を推定する推定部と、を有する、
    推定装置と；
    を備える推定システム。
  10. 電力を利用する電力装置に着脱自在に装着されるバッテリを充電する充電装置によって送信される、前記バッテリの劣化に関する第１情報を受信する受信部と；
    ある時点における前記バッテリの前記第１情報が入力されると、前記時点における前記バッテリの性能に関する第２情報を出力するように学習されたモデルに対して、前記受信部によって受信された前記第１情報を入力することで、前記バッテリの性能を推定する推定部と；
    を備える推定装置。
  11. 電力を利用する電力装置に着脱自在に装着されるバッテリを充電する充電装置によって送信される、前記バッテリの劣化に関する第１情報を受信する受信部を備えるコンピュータが、
    ある時点における前記バッテリの前記第１情報が入力されると、前記時点における前記バッテリの性能に関する第２情報を出力するように学習されたモデルに対して、前記受信部によって受信された前記第１情報を入力することで、前記バッテリの性能を推定するステップを含む、
    推定方法。
  12. 電力を利用する電力装置に着脱自在に装着されるバッテリを充電する充電装置によって送信される、前記バッテリの劣化に関する第１情報を受信する受信部を備えるコンピュータに、
    ある時点における前記バッテリの前記第１情報が入力されると、前記時点における前記バッテリの性能に関する第２情報を出力するように学習されたモデルに対して、前記受信部によって受信された前記第１情報を入力させることで、前記バッテリの性能を推定させるステップ、
    を実行させるためのプログラム。
  13. 請求項１２に記載のプログラムを格納したコンピュータ読み取り可能な記憶媒体。
JP2020534706A 2018-07-31 2019-07-31 推定システム、推定装置、推定方法、プログラム、及び記憶媒体 Active JP7217277B2 (ja)

Applications Claiming Priority (3)

Application Number Priority Date Filing Date Title
JP2018143635 2018-07-31
JP2018143635 2018-07-31
PCT/JP2019/030035 WO2020027203A1 (ja) 2018-07-31 2019-07-31 推定システム、推定装置、推定方法、プログラム、及び記憶媒体

Publications (2)

Publication Number Publication Date
JPWO2020027203A1 true JPWO2020027203A1 (ja) 2021-08-26
JP7217277B2 JP7217277B2 (ja) 2023-02-02

Family

ID=69231792

Family Applications (1)

Application Number Title Priority Date Filing Date
JP2020534706A Active JP7217277B2 (ja) 2018-07-31 2019-07-31 推定システム、推定装置、推定方法、プログラム、及び記憶媒体

Country Status (4)

Country Link
US (1) US20210181256A1 (ja)
EP (1) EP3832330A4 (ja)
JP (1) JP7217277B2 (ja)
WO (1) WO2020027203A1 (ja)

Families Citing this family (13)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US11225170B2 (en) * 2019-11-22 2022-01-18 Ford Global Technologies, Llc Balancing cells of a traction battery using statistical analysis
DE102021104868A1 (de) 2020-02-28 2021-09-02 Denso Corporation System zur vorhersage einer batteriealterung
JP7269437B2 (ja) * 2020-03-24 2023-05-08 エルジー エナジー ソリューション リミテッド 電気車充電ステーションを用いたバッテリー性能管理システム及び方法
US20210344299A1 (en) * 2020-04-30 2021-11-04 University Of Tennessee Research Foundation Solar powered robotic mower power shed and related methods of use
JP7457575B2 (ja) * 2020-05-25 2024-03-28 株式会社Ａｅｓｃジャパン 劣化推定装置、モデル生成装置、劣化推定方法、モデル生成方法、及びプログラム
JP7359313B2 (ja) 2020-08-19 2023-10-11 日本電信電話株式会社 腐食性予測方法および装置
JP7480683B2 (ja) * 2020-11-18 2024-05-10 トヨタ自動車株式会社 状態推定装置、方法およびプログラム
US20220163596A1 (en) * 2020-11-21 2022-05-26 Flux Power, Inc. System And Method For Determining A State Of Health Of A Battery Pack
WO2023076954A1 (en) * 2021-10-27 2023-05-04 Milwaukee Electric Tool Corporation Smart power tool battery charger based on rental information
CN113884905B (zh) * 2021-11-02 2022-06-14 山东大学 基于深度学习的动力电池荷电状态估计方法及系统
WO2023095331A1 (ja) * 2021-11-29 2023-06-01 本田技研工業株式会社 データマッチング装置、データマッチング方法、およびデータマッチングプログラム
JP7276928B1 (ja) 2022-03-29 2023-05-18 東洋システム株式会社 二次電池容量推定システム
JP7385698B2 (ja) * 2022-03-30 2023-11-22 本田技研工業株式会社 バッテリ状態分析システム及びバッテリ状態分析方法

Citations (15)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JPH0850167A (ja) * 1994-08-05 1996-02-20 Nippon Soken Inc バッテリの残存使用量判定装置
JPH09243716A (ja) * 1996-03-08 1997-09-19 Sanken Electric Co Ltd 二次電池の状態判定方法
JPH11150809A (ja) * 1997-09-15 1999-06-02 Honda Motor Co Ltd バッテリ・レンタルシステム
JP2001057711A (ja) * 1999-01-25 2001-02-27 Zip Charge:Kk 電気車両用エネルギー供給システム、電気車両用バッテリ、電気車両用バッテリ充電装置、バッテリ販売装置及び電気車両用バッテリ管理システム
JP2003249271A (ja) * 2002-02-22 2003-09-05 Akuson Data Machine Kk バッテリの残存容量判定方法と、その装置
JP2004333472A (ja) * 2003-04-15 2004-11-25 Nippon Soken Inc 車両用蓄電装置の内部状態検出システム
JP2006226789A (ja) * 2005-02-16 2006-08-31 Denso Corp 車両用蓄電装置の満充電容量演算装置
CN103091642A (zh) * 2013-01-22 2013-05-08 北京交通大学 一种锂电池容量快速估计方法
WO2015198631A1 (ja) * 2014-06-24 2015-12-30 株式会社 東芝 蓄電池システムの劣化制御装置及びその方法
EP2980596A1 (en) * 2014-07-30 2016-02-03 Samsung Electronics Co., Ltd Method and apparatus for estimating state of battery
US20180203070A1 (en) * 2017-01-18 2018-07-19 Samsung Electronics Co., Ltd. Battery management method and apparatus
JP2019122254A (ja) * 2017-12-29 2019-07-22 ゴゴロ インク 使用状況に基づいてバッテリを保守するためのシステムおよび方法
JP2019168453A (ja) * 2018-03-20 2019-10-03 株式会社Ｇｓユアサ 劣化推定装置、コンピュータプログラム及び劣化推定方法
JP6641334B2 (ja) * 2017-09-29 2020-02-05 本田技研工業株式会社 電池容量推定装置、方法及びプログラム
JP7030994B2 (ja) * 2018-07-31 2022-03-07 本田技研工業株式会社 充電システム、充電装置、充電方法、及びプログラム

Family Cites Families (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP3649643B2 (ja) 2000-03-13 2005-05-18 日本電信電話株式会社 リチウムイオン電池の容量推定方法
JP6164503B2 (ja) 2015-06-25 2017-07-19 トヨタ自動車株式会社 二次電池の内部抵抗推定方法および出力制御方法
JP2018143635A (ja) 2017-03-08 2018-09-20 テルモ株式会社 カテーテル
JP7214339B2 (ja) 2017-09-29 2023-01-30 本田技研工業株式会社 可搬型充電給電装置

Patent Citations (15)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JPH0850167A (ja) * 1994-08-05 1996-02-20 Nippon Soken Inc バッテリの残存使用量判定装置
JPH09243716A (ja) * 1996-03-08 1997-09-19 Sanken Electric Co Ltd 二次電池の状態判定方法
JPH11150809A (ja) * 1997-09-15 1999-06-02 Honda Motor Co Ltd バッテリ・レンタルシステム
JP2001057711A (ja) * 1999-01-25 2001-02-27 Zip Charge:Kk 電気車両用エネルギー供給システム、電気車両用バッテリ、電気車両用バッテリ充電装置、バッテリ販売装置及び電気車両用バッテリ管理システム
JP2003249271A (ja) * 2002-02-22 2003-09-05 Akuson Data Machine Kk バッテリの残存容量判定方法と、その装置
JP2004333472A (ja) * 2003-04-15 2004-11-25 Nippon Soken Inc 車両用蓄電装置の内部状態検出システム
JP2006226789A (ja) * 2005-02-16 2006-08-31 Denso Corp 車両用蓄電装置の満充電容量演算装置
CN103091642A (zh) * 2013-01-22 2013-05-08 北京交通大学 一种锂电池容量快速估计方法
WO2015198631A1 (ja) * 2014-06-24 2015-12-30 株式会社 東芝 蓄電池システムの劣化制御装置及びその方法
EP2980596A1 (en) * 2014-07-30 2016-02-03 Samsung Electronics Co., Ltd Method and apparatus for estimating state of battery
US20180203070A1 (en) * 2017-01-18 2018-07-19 Samsung Electronics Co., Ltd. Battery management method and apparatus
JP6641334B2 (ja) * 2017-09-29 2020-02-05 本田技研工業株式会社 電池容量推定装置、方法及びプログラム
JP2019122254A (ja) * 2017-12-29 2019-07-22 ゴゴロ インク 使用状況に基づいてバッテリを保守するためのシステムおよび方法
JP2019168453A (ja) * 2018-03-20 2019-10-03 株式会社Ｇｓユアサ 劣化推定装置、コンピュータプログラム及び劣化推定方法
JP7030994B2 (ja) * 2018-07-31 2022-03-07 本田技研工業株式会社 充電システム、充電装置、充電方法、及びプログラム

Also Published As

Publication number Publication date
JP7217277B2 (ja) 2023-02-02
WO2020027203A1 (ja) 2020-02-06
EP3832330A1 (en) 2021-06-09
EP3832330A4 (en) 2021-10-20
US20210181256A1 (en) 2021-06-17

Similar Documents

Publication Publication Date Title
JP7217277B2 (ja) 推定システム、推定装置、推定方法、プログラム、及び記憶媒体
WO2020027202A1 (ja) 電力予測システム、電力予測装置、電力予測方法、プログラム、及び記憶媒体
EP3249774B1 (en) Battery selection device, battery selection method, program, and recording medium
CN110562096B (zh) 一种剩余里程预测方法及装置
US20180156873A1 (en) Battery Deterioration Degree Estimating Apparatus and Estimating Method
WO2020027199A1 (ja) 充電システム、充電装置、充電方法、及びプログラム
CN109754105A (zh) 一种预测方法及终端、服务器
WO2020027196A1 (ja) サーバ装置、バッテリ共同利用サービスシステム、方法、コンピュータプログラム及び記憶媒体
JPWO2019230069A1 (ja) 電池管理装置、電池情報処理システム、及び電池情報処理方法
CN102859381A (zh) 电池充电状态的监视
CN111164438B (zh) 电池容量推定装置、方法和程序
CN110673050B (zh) 评估电池健康状态的方法
WO2020166602A1 (ja) 充電装置、充電方法、プログラム、及び記憶媒体
US11228613B2 (en) Adaptive adjustment using sensor data and distributed data
CN108810816B (zh) 蓄电装置的信息收集系统
CN115219904A (zh) 用于运行用来提供电化学电池组模型的系统的方法和装置
JP2020112491A (ja) パラメータ推定装置、パラメータ推定方法及びコンピュータプログラム
JP7029020B2 (ja) 情報処理装置、情報処理方法、サービスシステム、プログラム、及び記憶媒体
WO2021005703A1 (ja) 情報提供装置、情報提供方法、およびプログラム
US20230360116A1 (en) Battery lease system
JPWO2020027119A1 (ja) 測定システム、測定方法、コンピュータプログラム及び記憶媒体
Saba et al. Advancing Electric Vehicle Battery Analysis With Digital Twins in Intelligent Transportation Systems
WO2021005707A1 (ja) 情報提供装置、情報提供方法、およびプログラム
JPWO2020027092A1 (ja) 算出システム、算出方法、及びサーバ
Kaushik et al. Review of Battery State-of-Charge Estimation Algorithms

Legal Events

Date Code Title Description
A621 Written request for application examination

Free format text: JAPANESE INTERMEDIATE CODE: A621

Effective date: 20210127

A131 Notification of reasons for refusal

Free format text: JAPANESE INTERMEDIATE CODE: A131

Effective date: 20220208

A521 Request for written amendment filed

Free format text: JAPANESE INTERMEDIATE CODE: A523

Effective date: 20220411

A131 Notification of reasons for refusal

Free format text: JAPANESE INTERMEDIATE CODE: A131

Effective date: 20220802

A521 Request for written amendment filed

Free format text: JAPANESE INTERMEDIATE CODE: A523

Effective date: 20221003

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: 20230110

A61 First payment of annual fees (during grant procedure)

Free format text: JAPANESE INTERMEDIATE CODE: A61

Effective date: 20230123

R150 Certificate of patent or registration of utility model

Ref document number: 7217277

Country of ref document: JP

Free format text: JAPANESE INTERMEDIATE CODE: R150