WO2014097868A1 - パラメータ推定装置、パラメータ推定方法、蓄電システム及びプログラム - Google Patents

パラメータ推定装置、パラメータ推定方法、蓄電システム及びプログラム Download PDF

Info

Publication number
WO2014097868A1
WO2014097868A1 PCT/JP2013/082348 JP2013082348W WO2014097868A1 WO 2014097868 A1 WO2014097868 A1 WO 2014097868A1 JP 2013082348 W JP2013082348 W JP 2013082348W WO 2014097868 A1 WO2014097868 A1 WO 2014097868A1
Authority
WO
WIPO (PCT)
Prior art keywords
estimated value
value
estimated
values
coefficient
Prior art date
Application number
PCT/JP2013/082348
Other languages
English (en)
French (fr)
Inventor
一幸 若杉
克明 森田
和基 尾▲崎▼
重水　哲郎
橋本　雅之
Original Assignee
三菱重工業株式会社
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 三菱重工業株式会社 filed Critical 三菱重工業株式会社
Priority to CN201380060848.7A priority Critical patent/CN104813181B/zh
Priority to US14/439,913 priority patent/US20150301117A1/en
Priority to EP13865245.8A priority patent/EP2933648B1/en
Publication of WO2014097868A1 publication Critical patent/WO2014097868A1/ja

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]
    • G01R31/3644—Constructional arrangements
    • G01R31/3648—Constructional arrangements comprising digital calculation means, e.g. for performing an algorithm
    • 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]
    • G01R31/367—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]
    • G01R31/389—Measuring internal impedance, internal conductance or related variables

Definitions

  • the present invention relates to a parameter estimation device, a parameter estimation method, a power storage system, and a program for estimating a plurality of parameters indicating the state of the device.
  • the parameter fitting method substitutes an arbitrary (initial) estimated value for each of the above unknown groups, and obtains a true value (actual measurement) obtained from a calculation value calculated from a calculation model (real machine simulation model, etc.) prepared in advance. This is a method for searching for a true value of the unknown group while comparing with (value).
  • the error amount between the calculated value and the actual measurement value is evaluated while gradually changing one or more of the plurality of unknown groups, and the error amount is reduced. Then, the estimated value when the error finally reaches the minimum value is regarded as the true value of the unknown group.
  • a method using a square sum of errors (a least square method) is generally known (for example, Patent Document 1).
  • the estimated value of the unknown group is updated so as to reduce the sum of squares of the error (a method generally called “hill climbing method”).
  • a phenomenon that falls into such a local solution can be solved, for example, by changing the estimated values for all unknown groups in a brute force manner.
  • the unknown group consists of a large number of independent parameters
  • the number of combinations becomes enormous, and the calculation speed until the solution is derived is significantly reduced. Therefore, the above arithmetic algorithm is unrealistic in view of the purpose of sequentially detecting device parameters in real time.
  • the above cases are not limited to parameter estimation such as “remaining capacity ratio” and “life” in the power storage device, and may occur in various model cases that handle unknowns.
  • the present invention provides a parameter estimation device, a parameter estimation method, a power storage system, and a program.
  • the parameter estimation device is a parameter estimation device that specifies estimated values of a plurality of parameters indicating a state of a predetermined device, which changes with operation, and the plurality of parameters Based on a correlation equation between the estimated values given as the plurality of parameters and the state quantities based on a state quantity actual measurement unit that obtains a plurality of measured values for the state quantities having a correlation with each other at a predetermined time.
  • the optimum estimated value specifying unit performs the estimated value specifying process by using the optimum estimated value obtained in the immediately preceding estimated value specifying process as an initial value, and performing the second estimated value specifying process more than the previous estimated value specifying process. It repeats, changing so that said 1st coefficient may become relatively large with respect to a coefficient.
  • the optimum estimated value specifying unit includes the first coefficient and the first coefficient at least in the first estimated value specifying process. Set both coefficients to a non-zero value.
  • the predetermined device is a power storage device equipped with a secondary battery
  • the state quantity is the power storage It is an output voltage of the device
  • the plurality of parameters are parameters indicating at least one of or both of the internal resistance and the charging rate of the power storage device.
  • a power storage system includes: a power storage device; and a parameter estimation device that identifies estimated values of a plurality of parameters indicating the state of the power storage device that changes with operation,
  • the parameter estimation device includes a state quantity actual measurement unit that acquires a plurality of measured values for an output voltage having a correlation with the plurality of parameters every predetermined time, an estimated value given as the plurality of parameters, and the output voltage.
  • a state quantity computing unit that computes and obtains a calculated value corresponding to each of the plurality of actual measured values, and a sum of absolute amounts of errors of the plurality of calculated values corresponding to the plurality of actual measured values
  • An error evaluation function value calculated based on a value obtained by multiplying the first coefficient by a value obtained by multiplying the degree of variation of the error by a second coefficient, and one or more of the estimated values Change Reluctant, and an optimum estimated value specifying unit that the error evaluation function value to practice the estimated value specifying process for specifying the optimal estimate becomes minimum.
  • the optimum estimated value specifying unit performs the estimated value specifying process by using the optimum estimated value obtained in the immediately preceding estimated value specifying process as an initial value, and performing the second estimated value specifying process more than the previous estimated value specifying process. It repeats, changing so that said 1st coefficient may become relatively large with respect to a coefficient.
  • the parameter estimation method is a parameter estimation method for specifying estimated values of a plurality of parameters indicating a state of a predetermined device, which changes with operation, wherein the plurality of parameters And a plurality of measured values for the state quantity having a correlation with each of the plurality of measured values based on a correlation equation between the estimated value given as the plurality of parameters and the state quantity.
  • a corresponding calculation value is obtained by calculation, and a value obtained by multiplying the sum of absolute amounts of errors of the plurality of calculation values corresponding to the plurality of actual measurement values by a first coefficient, and a variation degree of the error are calculated by a second value.
  • An error evaluation function value calculated based on a value obtained by multiplying the coefficient of the error is obtained, and an estimation that identifies an optimum estimation value that minimizes the error evaluation function value while changing one or more of the estimated values
  • One value identification process The first estimated coefficient is changed so that the first coefficient is relatively larger than the second estimated coefficient when the estimated estimated value obtained in the estimated value identifying process is set as the initial value. Repeat repeatedly.
  • a program correlates a computer of a parameter estimation device that specifies estimated values of a plurality of parameters indicating a state of a predetermined device, which changes with operation, with the plurality of parameters.
  • State quantity actual measurement means for acquiring a plurality of actual measurement values for a state quantity having a certain property every predetermined time, and based on a correlation equation between the estimated values given as the plurality of parameters and the state quantity,
  • a state quantity calculation means for calculating and obtaining a calculation value corresponding to each of the values, a value obtained by multiplying a sum of absolute amounts of errors of the plurality of calculation values corresponding to the plurality of actually measured values by a first coefficient, and the error
  • An error evaluation function value calculated based on a value obtained by multiplying the degree of variation by a second coefficient and the error evaluation function value is minimized while changing one or more of the estimated values.
  • the optimum estimated value is used as an initial value, and the process is repeated while changing the first coefficient to be relatively larger than the second coefficient compared to the previous estimated value specifying process.
  • the parameter estimation device the parameter estimation method, the power storage system, and the program described above, it is possible to improve the estimation accuracy of the detected device parameter without significantly reducing the calculation speed.
  • FIG. 1 is a diagram showing a functional configuration of a parameter estimation apparatus according to an embodiment of the present invention.
  • the parameter estimation device 1 is a device that identifies estimated values of a plurality of parameters indicating the state of a predetermined device that change with operation.
  • the “predetermined device” is, for example, a “power storage device”.
  • the parameter estimation device 1 is a parameter estimation that identifies estimated values of “charge rate” and “internal resistance” that cannot be directly measured as a plurality of parameters that change with the operation of the “power storage device”. Device.
  • the parameter estimation device 1 includes a state quantity actual measurement unit 11 that acquires a plurality of actual measurement values for a state quantity correlated with the plurality of parameters (charge rate, internal resistance, etc.) every predetermined time.
  • the “measureable state quantity” is, for example, the “output voltage” of the power storage device in the present embodiment.
  • the state quantity measurement unit 11 according to the present embodiment sequentially measures the output voltage output from the power storage device in the power system. At that time, the state quantity actual measurement unit 11 obtains 40 plots (a period of 4 seconds) of the output voltage every predetermined time (for example, 0.1 seconds), and obtains the change over time during that time.
  • an A / D (analog-digital) converter is usually used as a device for acquiring such an output voltage as an actual measurement value.
  • the parameter estimation device 1 includes a plurality of values acquired by the state quantity measurement unit 11 based on a correlation equation between the estimated values given as the plurality of parameters (charge rate, internal resistance, etc.) and the state quantity (output voltage).
  • the state quantity calculating part 12 which calculates and acquires the calculated value corresponding to each of these measured values is provided.
  • the state quantity calculation unit 12 holds in advance a correlation expression between the output rate and the charging rate, internal resistance, and the like, which can be derived from the circuit model of the power storage device targeted by the parameter estimation device 1. ing.
  • This correlation equation is a numerical expression of the change in output voltage over time, and includes the plurality of parameters as coefficients at time t.
  • each value at which the output voltage corresponding to the estimated value changes with time can be uniquely determined.
  • the state quantity calculation unit 12 calculates and acquires a calculation value corresponding to each plot of the plurality of actual measurement values acquired by the state quantity measurement unit 11 (for example, 40 plots every 0.1 seconds). Examples of specific circuit models and correlation equations will be described later.
  • the parameter estimation device 1 has a value obtained by multiplying the sum of absolute amounts of errors of a plurality of calculated values corresponding to a plurality of actually measured values by a first coefficient, and a value obtained by multiplying the degree of variation of the errors by a second coefficient.
  • the optimum estimated value specifying unit 13 uses a predetermined error evaluation function (formula (1)) as a method for comparing the errors.
  • the optimum estimated value specifying unit 13 uses, as the error evaluation function, a value obtained by multiplying the sum J of absolute amounts of errors by the first coefficient a1, and a second coefficient to the error variation degree ⁇ . It is characterized by being obtained by the sum of the multiplied value a2. That is, the error evaluation function A is expressed as shown in Equation (1).
  • the sum J of absolute amounts of errors means an error between actually measured values plotted by the state amount actual measuring unit 11 in a predetermined period and the calculated values obtained by the state amount calculating unit 12 corresponding to each of the actual values.
  • the sum of the quantities In other words, the smaller the sum J of the absolute amounts of errors, the more the measured value and the calculated value can be regarded as being consistent over the entire plot.
  • the “error variation degree ⁇ ” is a numerical value indicating whether or not the error amount in each plot of the calculated value with respect to the actual measurement value is uniform (for example, the standard deviation of the error is divided by the average value of the error). Value). That is, the case where the error variation degree ⁇ is small indicates that the error amount itself is not small but the error amount in each plot is set to a certain value.
  • FIG. 2 is a diagram showing an equivalent circuit of the power storage device according to the embodiment of the present invention.
  • DCR [ ⁇ ] in the circuit diagram shown in FIG. 2 is the series internal resistance of the power storage device, and increases with time as the power storage device is operated.
  • ACR [ ⁇ ] and ACC [F] are a parallel circuit of a resistor and a capacitor representing an electric double layer generated at each interface or the like in the battery.
  • OCV [V] is an open circuit voltage of the power storage device.
  • the charge amount Q [C] is the charge amount stored in the capacitor ACC.
  • the internal resistance DCR and the open circuit voltage OCV are important parameters for deriving the life and charging rate of the power storage device.
  • all of the above parameters indicating the state of the power storage device are of a nature that cannot be measured directly, and are calculated from other measurable state quantities (actually measured output voltage or its change over time). It is necessary to guide indirectly. Therefore, the state quantity calculation unit 12 of the parameter estimation device 1 according to the present embodiment derives a plurality of parameters (DCR, ACC, ACR, OCV, Q, hereinafter, “unknown number group”) derived from the circuit model as shown in FIG. And a correlation equation between the output voltage, which is a state quantity that can be actually measured, is held in advance.
  • this correlation formula is a mathematical expression of the change in output voltage over time, and the unknown group is included in the correlation formula as a coefficient at time t.
  • the correlation equation established between the unknown group and the output voltage can be influenced by the current value output from the power storage device and the temperature of the power storage device.
  • the state quantity calculation unit 12 since both the current value and the temperature can be observed, the state quantity calculation unit 12 according to the present embodiment separately obtains the actual measurement values of other parameters that can be actually measured, such as the current value and the temperature.
  • the correlation formula may be constructed based on this.
  • FIG. 3 is a first diagram showing a processing flow of the optimum estimated value specifying unit according to the embodiment of the present invention.
  • FIG. 4 is a second diagram showing a processing flow of the optimum estimated value specifying unit according to the embodiment of the present invention.
  • the optimum estimated value specifying unit 13 according to the present embodiment uses a predetermined “estimated value specifying process” as the initial value of the optimum estimated value obtained in the previous “estimated value specifying process” as an initial value. It is characterized in that it is repeatedly performed while the first coefficient is changed so as to be relatively larger than the second coefficient than when the “specific processing” is performed.
  • the overall processing flow of the optimum estimated value specifying unit 13 according to the present embodiment will be described step by step with reference to FIGS. 3 and 4.
  • state quantity actual measurement unit 11 has already obtained an actual measurement value of the output voltage in the target power storage device
  • state quantity calculation unit 12 is the target power storage unit. It is assumed that a predetermined correlation equation has already been obtained from a circuit model of the apparatus and actual measurement values such as current and temperature. Further, a specific example of the processing of step S13 and step S15 shown in FIG. 3 is a processing flow of “estimated value specifying processing” shown in FIG.
  • the optimum estimated value specifying unit 13 outputs appropriate estimated values as initial values of various unknown groups to the state quantity calculating unit 12 (step S11).
  • the state quantity calculation unit 12 inputs the initial estimated value, substitutes the initial estimated value given from the optimum estimated value specifying unit 13 into the correlation equation, and immediately calculates the calculated value of the output voltage.
  • the optimum estimated value specifying unit 13 determines the values of the first coefficient a1 and the second coefficient a2, and sets the error evaluation function A (formula (1)). At this time, the optimum estimated value specifying unit 13 sets a value such that the second coefficient a2 is larger than the first coefficient a1 (step S12). This is because, in the first stage, the “estimated value specifying process” is advanced so as to reduce the ⁇ with emphasis on the error variation degree ⁇ rather than the error absolute amount J (formula (1)). . By doing so, the optimum estimated value specifying unit 13 determines that the error amount between the actually measured value and the calculated value of the output voltage is constant over the entire plot in the subsequent “first estimated value specifying process” (step S13). Thus, the estimated value of the unknown group is specified so as to be equal to the value of (so that the error variation degree ⁇ becomes small).
  • the optimum estimated value specifying unit 13 changes the one or more of the estimated values given as the unknown group (DCR, etc.), and calculates a predetermined estimated value that minimizes the error evaluation function value.
  • the “estimated value specifying process” is performed (step S13).
  • a specific processing flow of the “estimated value specifying process” will be described in order with reference to FIG.
  • the optimum estimated value specifying unit 13 first outputs the predetermined estimated value set / updated in step S11 or step S27 to the unknown quantity group to the state quantity calculating unit 12 ( Step S21).
  • the state quantity calculation unit 12 substitutes the estimated value given from the optimum estimated value specifying unit 13 into the previously obtained correlation equation, and immediately calculates the calculated value of the output voltage.
  • the state quantity calculation unit 12 calculates the calculated value of the output voltage at a plurality of times from the characteristics of the change over time of the output voltage determined from the assigned calculation formula.
  • the state quantity calculation unit 12 calculates the calculation values of the output voltages at the plurality of times so as to correspond to the plots of the respective times acquired by the state quantity measurement unit 11.
  • the optimum estimated value specifying unit 13 inputs the calculated value calculated by the state quantity calculating unit 12 (step S22). Then, the optimum estimated value specifying unit 13 compares the measured value of the output voltage separately input from the state quantity measuring unit 11 with the calculated value, and calculates the error amount in each plot. Further, the optimum estimated value specifying unit 13 calculates a sum J of error amounts and an error variation degree ⁇ from the error amounts for each plot obtained here, and the first coefficient a1 and the second coefficient a2 set in advance. , The evaluation function value A1 obtained from the evaluation function A (formula (1)) is acquired (step S23).
  • the optimum estimated value specifying unit 13 determines whether the above processing flow is the first processing flow (first time after entering the “estimated value specifying processing”) or the second and subsequent processing flows (step S24). . If the current process flow is the first process flow, the estimated value of the unknown group is updated in step S27, and the process returns to step S21. On the other hand, if it is the second and subsequent processing flows, the process proceeds to step S25 described below.
  • the optimum estimated value specifying unit 13 calculates the amount of change in the error evaluation function value relative to the amount of change in the estimated value of the unknown group based on the error evaluation function value A1 obtained in step S23. (Step S25). This process is newly updated with the estimated value updated (set) in step S27 (or step S11) of the previous process flow and the current process flow in the process of repeating a series of processes from step S21 to step S27.
  • the change amount ⁇ A of the error evaluation function value A1 with respect to the estimated change amount (difference) of the estimated value is calculated.
  • the optimum estimated value specifying unit 13 can determine whether or not the changed estimated value is approaching the optimum estimated value to be obtained by calculating the change amount ⁇ A.
  • the optimum estimated value specifying unit 13 determines that the estimated value set in the current process flow is the optimum estimated value rather than the estimated value set in the previous process flow. You can determine that you are approaching.
  • the optimum estimated value specifying unit 13 determines whether or not the error evaluation function value A1 is the minimum value A1min (step S26).
  • the optimum estimated value specifying unit 13 detects the direction of change (decrease or increase) of the error evaluation function value A1 that changes according to the change. Then, when the error estimation function value A1 changes from a decreasing direction to an increasing direction in the process of changing the estimation value, the optimum estimation value specifying unit 13 sets the error evaluation function value A1 at this time to the minimum value A1min.
  • the optimal estimated value specifying unit 13 ends the “estimated value specifying process” using the estimated value derived from the minimum value A1min as the optimal estimated value. To do.
  • the optimum estimated value specifying unit 13 gives a new change amount to the estimated value used in the current processing flow and updates the estimated value. (Step S27). At this time, if the change amount ⁇ A of the error evaluation function value has decreased in step S25, the estimation is changed by a predetermined change amount in the same direction as the change of the estimated value causing the change amount ⁇ A. Update with value.
  • step S21 if the amount of change ⁇ A has increased, it is updated with the estimated value changed in the opposite direction to the change in the estimated value that caused this amount of change ⁇ A.
  • the optimal estimated value which calculates minimum value A1min of an error evaluation function (however, except the case of the first process flow).
  • the optimum estimated value specifying unit 13 outputs the estimated value updated in this way to the state quantity calculating unit 12 (step S21), and further repeatedly executes the processing flow after step S22.
  • the optimum estimated value specifying unit 13 specifies the optimum estimated value that leads to the minimum value A1min of the error evaluation function A based on the “estimated value specifying process” described above. By doing in this way, the optimal estimated value specific
  • the processing flow described above is premised on searching for the minimum value A1min of the error evaluation function A while changing one estimated value.
  • the optimum estimated value specifying unit 13 actually needs to specify the optimum estimated value while changing the estimated values of the plurality of unknown groups. Therefore, the optimum estimated value specifying unit 13 according to the present embodiment may be performed by adding the following processing, for example. That is, in step S26, the optimum estimated value specifying unit 13 prepares a set of estimated values that are greatly changed by paying attention to one of the estimated values for each of the plurality of unknown groups.
  • step S24 the set of estimated values of the unknown group that has caused the largest variation in the error evaluation function value A1 among the set of estimated values is adopted, and the subsequent processing flow is performed.
  • the optimum estimated value specifying unit 13 compares the unknown value group estimated values “DCR1, ACC1, ACR1” used in the first processing flow with “DCR2A, ACC2, ACR2” in step S26 in the second processing flow. ”,“ DCR2, ACC2A, ACR2 ”and“ DCR2, ACC2, ACR2A ”are prepared.
  • the change amount of DCR2A with respect to DCR1 is larger than the change amount of DCR2 with respect to DCR1
  • the change amount of ACC2A with respect to ACC1 is larger than the change amount of ACC2 with respect to ACC1.
  • the optimum estimated value specifying unit 13 derives three error evaluation function values A21, A22, A23 obtained based on the three estimated value sets. Then, an estimated value set that has changed most greatly from the error evaluation function value A1 derived in the first processing flow is selected, and the estimated value is calculated based on the set of estimated values from which the error evaluation function value is calculated. Further updating (step S27). By doing in this way, the optimal estimated value specific
  • the optimal estimated value specifying unit 13 obtains the optimal estimated value of the unknown group from which the minimum value of the error evaluation function A is derived.
  • the optimum estimated value specifying unit 13 determines that the error amount between the actually measured value and the calculated value of the output voltage is a constant value over the entire plot.
  • the estimated value of the unknown group is specified so that the error variation degree ⁇ becomes smaller.
  • the estimation process performed in step S13 will be specifically described using a graph.
  • FIG. 5 is a first diagram showing a comparison between measured values and calculated values according to an embodiment of the present invention.
  • the measured value graph shown in FIG. 5 is a graph in which the state quantity actual measuring unit 11 actually measures and plots the output voltage in the target power storage device before starting the processing flow shown in FIG.
  • the graph of the calculated values shown in FIG. 5 is plotted by calculating the temporal change of the output voltage calculated by the state quantity calculating unit 12 based on the initial value given from the optimum estimated value specifying unit 13 in step S11. It is a thing.
  • the measured value and the calculated value of the output voltage do not match, and it can be read that the estimated value at this point does not reflect the actual parameters of the power storage device.
  • the magnitudes and signs (plus or minus) of the error amounts ⁇ 1, ⁇ 2, and ⁇ 3 in three plots do not match at all.
  • FIG. 6 is a second diagram showing a comparison between an actual measurement value and a calculated value according to an embodiment of the present invention. Therefore, the parameter estimation apparatus 1 according to the present embodiment is characterized in that paying attention to the variation degree ⁇ of the error between the actually measured value and the calculated value in each plot, firstly, the estimated value that minimizes the variation degree ⁇ of the error is specified. . That is, the optimum estimated value specifying unit 13 according to the present embodiment performs an operation as shown in FIG. 6 by the “first estimated value specifying process” (steps S12 to S13 in FIG. 3) for reducing the error variation degree ⁇ . It is possible to identify an optimal estimate of an unknown group that derives a graph of values. In the graph of the calculated values shown in FIG.
  • the optimum estimated value specifying unit 13 minimizes the error variation degree ⁇ in the “first estimated value specifying process” based on the error evaluation function A based on the coefficients a1 and a2 set in step S12. Identify the best estimate to get the value.
  • the optimum estimated value specifying unit 13 may set both the first coefficient a1 and the second coefficient a2 to non-zero values at least in the first “estimated value specifying process”. That is, the optimum estimated value specifying unit 13 does not set the first coefficient a1 related to the absolute amount J of the error to zero even in the “first estimated value specifying process” in which the error variation degree ⁇ is reduced. Considered as part of the error evaluation function A.
  • the optimum estimated value specifying unit 13 has a function of reducing the sum J of the absolute amount of error, so that the actually measured value and the calculated value are greatly different from each other. Even so, the minimum value of the variation degree ⁇ can be obtained accurately.
  • the optimum estimated value specifying unit 13 specifies the optimum estimated value at which the error variation ⁇ is a minimum value in step S13, the first coefficient a1 is set to be relatively larger than the second coefficient a2. Each coefficient is set to (Step S14). This is because in the subsequent processing flow, the second “estimated value specifying process” is advanced so as to reduce the absolute amount J of error. By doing so, the optimum estimated value specifying unit 13 reduces the error amount between the actually measured value and the calculated value of the output voltage over the entire plot in the subsequent “second estimated value specifying process” (step S15). Thus, the estimated value of the unknown group is specified (so that the total sum J of the absolute amounts of errors becomes small).
  • step S15 the optimum estimated value specifying unit 13 minimizes the error amount between the actually measured value and the calculated value of the output voltage over the entire plot.
  • the estimated value of the unknown group is specified (so that the total sum J of the errors becomes small).
  • the estimation process performed in step S15 will be specifically described using a graph.
  • FIG. 7 is a third diagram showing a comparison between measured values and calculated values according to an embodiment of the present invention.
  • the optimum estimated value specifying unit 13 follows the “first estimated value specifying process” for reducing the error variation degree ⁇ , followed by the “second estimated value specifying process” for reducing the total amount J of error amounts (
  • the optimum estimated value for deriving the graph as shown in FIG. 7 is specified by steps S14 to S15 in FIG.
  • the calculated value graph shown in FIG. 7 substantially matches the graph indicated by the actually measured value. Therefore, the optimum estimated value specifying unit 13 performs the “first estimated value specifying process” for reducing the error variation degree ⁇ shown in FIG. By performing the “specific processing”, an estimated value with high estimation accuracy can be obtained for the power storage device.
  • the optimum estimated value specifying unit 13 outputs the optimum estimated value obtained in the “second estimated value specifying process” in step S15 (step S16).
  • the parameter estimation device 1 displays the optimum estimated value finally output by the optimum estimated value specifying unit 13 in a manner that can be visually recognized by an operator of the power storage device, for example.
  • the operator of the power storage device can grasp the state (life, charge rate, etc.) of the power storage device in real time.
  • the parameter estimation device 1 may acquire an actual measurement value (for 4 seconds) every minute and repeatedly output an optimal estimation value based on the actual measurement value. By doing in this way, the operator can grasp
  • the effect of the parameter estimation apparatus 1 according to the present embodiment will be described in comparison with a general parameter fitting method.
  • the “estimated value specifying process” described in FIG. 4 is performed based on the conventional parameter fitting process (simply using only the sum of absolute errors J by the least square method as an error evaluation function), the noise component of the actual measurement value Due to such reasons, a correct solution may not be obtained.
  • the optimum estimated value specifying unit 13 stops the processing when it detects the minimum value of the sum J of the absolute amount of error, whether or not a correct solution (minimum value of J) can be obtained depends on the unknown group. There is a tendency to largely depend on the initial value.
  • the parameter estimation apparatus 1 attempts to obtain a minimum value of the error variation degree ⁇ in the “first estimated value specifying process”.
  • the sum J of the absolute amount of error is an operation that does not (almost) be taken into account and is simply an alignment of the slopes of both graphs (FIG. 6). There is no local minimum. Therefore, there are few cases where the calculation reaches the minimum value that is not intended and the calculation ends.
  • the parameter estimation device 1 According to the parameter estimation device 1 according to the present embodiment, an effect that the estimation accuracy of the detected device parameter is improved without significantly reducing the calculation speed can be obtained.
  • the process flow of the optimum estimated value specifying unit 13 according to the present embodiment described with reference to FIG. 3 shows an example in which the “estimated value specifying process” is performed twice.
  • the present embodiment is not limited to this. . That is, the optimum estimated value specifying unit 13 may repeat the “estimated value specifying process” three or more times.
  • the optimal estimated value specifying unit 13 uses the optimal estimated value obtained in the previous “estimated value specifying process” as an initial value, It is assumed that the processing is repeated while changing so that the first coefficient a1 is relatively larger than the second coefficient a2 than when the “processing” is performed.
  • FIG. 8 is a diagram showing a functional configuration of the power storage system according to the embodiment of the present invention.
  • the power storage system 100 in which the parameter estimation device 1 described above and the power storage device to be monitored are integrated will be described.
  • the power storage system 100 includes the parameter estimation device 1 and the power storage device 2 described above.
  • the power storage device 2 is mounted with a secondary battery such as a lithium ion battery.
  • the state quantity actual measurement unit 11 of the parameter estimation device 1 acquires an output voltage value that the power storage device 2 outputs to a predetermined power system.
  • the state quantity calculation unit 12 acquires a correlation equation based on the circuit model of the power storage device 2 and the actual measurement values such as temperature and output current.
  • the function of the optimum estimated value specifying unit 13 obtains the error amount between the calculated value calculated by the state quantity calculating unit 12 based on the correlation equation and the actually measured value acquired by the state quantity measuring unit 11.
  • the optimum estimated value is calculated and output.
  • the power storage system 100 may be constructed by integrating the parameter estimation device 1 with the power storage device 2 to be monitored.
  • the parameter estimation device 1 has been described by taking the power storage device as an example of the “predetermined device”, but the present embodiment is not limited to this.
  • the present invention can be applied to the case of detecting the armature resistance and magnetic flux of a permanent magnet synchronous motor.
  • voltage, current, angular velocity, and the like when the motor is driven as state quantities that can be actually measured, and parameters to be estimated that change with operation of the motor are, for example, armature resistance, magnetic flux, and the like.
  • the parameter estimation device 1 described above has a computer system inside.
  • Each process of the parameter estimation device 1 described above is stored in a computer-readable recording medium in the form of a program, and the above-described processing is performed by the computer reading and executing the program.
  • the computer-readable recording medium means a magnetic disk, a magneto-optical disk, a CD-ROM, a DVD-ROM, a semiconductor memory, or the like.
  • the computer program may be distributed to the computer via a communication line, and the computer that has received the distribution may execute the program.
  • the parameter estimation device the parameter estimation method, the power storage system, and the program described above, it is possible to improve the estimation accuracy of the detected device parameter without significantly reducing the calculation speed.

Landscapes

  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Tests Of Electric Status Of Batteries (AREA)
  • Charge And Discharge Circuits For Batteries Or The Like (AREA)
  • Secondary Cells (AREA)
  • Complex Calculations (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)

Abstract

パラメータ推定装置は、複数のパラメータと相関性を有する状態量についての実測値を取得する状態量実測部（１１）と、当該複数のパラメータの推定値と上記状態量との相関式に基づいて、実測値の各々と対応する演算値を演算して取得する状態量演算部（１２）と、実測値に対応する演算値の誤差の絶対量の総和に第一の係数を乗じた値と、誤差のばらつき度に第二の係数を乗じた値と、に基づいて算出される誤差評価関数値を求め、上記推定値を変化させながら、誤差評価関数値が極小となる最適推定値を特定する最適推定値特定部（１３）とを備える。

Description

パラメータ推定装置、パラメータ推定方法、蓄電システム及びプログラム
本発明は、装置の状態を示す複数のパラメータを推定するパラメータ推定装置、パラメータ推定方法、蓄電システム及びプログラムに関する。
本願は、２０１２年１２月１７日に、日本に出願された特願２０１２－２７４７５０号に基づき優先権を主張し、その内容をここに援用する。
近年、特に再生可能エネルギー有効利用の観点から、リチウムイオン電池等の二次電池を搭載した電力系統・電力供給システムの重要性が増している。ここでリチウムイオン電池を使用した電力システムの運用・保守の観点から、リチウムイオン電池の充電率（残容率）や、内部抵抗（電池の寿命）を、その運用の最中においてリアルタイムに検出することが求められている。しかし、上記のような蓄電装置（リチウムイオン電池）の「残容率」や「寿命」といったパラメータは、直接的に観測することができないパラメータである。そこでこれらの未知数群を推定する手法の一つとして、パラメータフィッティング手法が知られている。
パラメータフィッティング手法とは、上記未知数群の各々に任意の（初期）推定値を代入し、予め用意された計算モデル（実機模擬モデル等）から算出された演算値を、別途取得した真値（実測値）と比較しながら、上記未知数群の真値を探索する手法である。パラメータフィッティング手法においては、複数の未知数群のうちの一つまたは複数を少しずつ変化させながら演算値と実測値の誤差量を評価し、当該誤差量が減少していく方向に進めていく。そして、最終的に誤差が極小値を得た時の推定値を当該未知数群の真値と見なす。
なお、上記誤差量を評価する評価関数として、誤差の二乗和を用いる手法（最小二乗法）が一般的に知られている（例えば特許文献１）。この場合、上記パラメータフィッティング手法においては、当該誤差の二乗和を低下させるように未知数群の推定値を更新していく（一般的に「山登り法」と呼ばれる手法である）。
特開２０１１－１２２９５１号公報
しかしながら上記最小二乗法によるアプローチでは、推定値を変化させていく過程において局所解（最高の解ではない極小値）に陥ってしまい真値にたどり着けないケースが発生することがある。特に、実測値にばらつきを含んでいる場合等においては、あるパラメータの推定値が真値から大きく外れている段階であるにもかかわらず、当該推定値を大小どちらの方向に動かしても評価関数値（誤差二乗和）が増大してしまい、演算を終了してしまうことが起こり得る。
このような局所解に陥ってしまう現象は、例えば、理想的には、全ての未知数群についての推定値を総当たりで変化させることによって解決することができるものである。しかし、未知数群が独立した多数のパラメータからなる場合、その組み合わせの数は膨大なものとなってしまい、その解を導くまでの演算速度が著しく低下してしまう。したがって、上記のような演算アルゴリズムは、リアルタイムで装置パラメータを逐次検出しようとする趣旨を鑑みれば非現実的である。
以上のようなケースは、蓄電装置における「残容率」や「寿命」といったパラメータ推定に限定されず、未知数を取り扱う様々なモデルケースで起こり得る。
この発明は、パラメータ推定装置、パラメータ推定方法、蓄電システム及びプログラムを提供する。
本発明の第１の態様によれば、パラメータ推定装置は、運用に伴って変化する、所定の装置の状態を示す複数のパラメータの推定値を特定するパラメータ推定装置であって、前記複数のパラメータと相関性を有する状態量についての実測値を所定時間ごとに複数取得する状態量実測部と、前記複数のパラメータとして与えられた推定値と前記状態量との相関式に基づいて、前記複数の実測値の各々と対応する演算値を演算して取得する状態量演算部と、前記複数の実測値に対応する前記複数の演算値の誤差の絶対量の総和に第一の係数を乗じた値と、前記誤差のばらつき度に第二の係数を乗じた値と、に基づいて算出される誤差評価関数値を求めるとともに、前記推定値の一つまたは複数を変化させながら、前記誤差評価関数値が極小となる最適推定値を特定する推定値特定処理を実施する最適推定値特定部と、を備える。前記最適推定値特定部は、前記推定値特定処理を、一つ前の推定値特定処理で求めた最適推定値を初期値として、一つ前の推定値特定処理実施時よりも前記第二の係数に対して前記第一の係数が相対的に大きくなるように変更しながら繰り返し行う。
本発明の第２の態様によれば、上記第１の態様のパラメータ推定装置において、前記最適推定値特定部は、少なくとも最初の前記推定値特定処理においては、前記第一の係数と、前記第二の係数の両方を、ゼロではない値に設定する。
本発明の第３の態様によれば、上記第１または第２の態様のパラメータ推定装置において、前記所定の装置は、二次電池を搭載した蓄電装置であって、前記状態量は、前記蓄電装置の出力電圧であり、前記複数のパラメータは、少なくとも前記蓄電装置の内部抵抗、充電率のいずれか一方または両方を示すパラメータである。
本発明の第４の態様によれば、蓄電システムは、蓄電装置と、運用に伴って変化する前記蓄電装置の状態を示す複数のパラメータの推定値を特定するパラメータ推定装置と、を備え、前記パラメータ推定装置は、前記複数のパラメータと相関性を有する出力電圧についての実測値を所定時間ごとに複数取得する状態量実測部と、前記複数のパラメータとして与えられた推定値と前記出力電圧との相関式に基づいて、前記複数の実測値の各々と対応する演算値を演算して取得する状態量演算部と、前記複数の実測値に対応する前記複数の演算値の誤差の絶対量の総和に第一の係数を乗じた値と、前記誤差のばらつき度に第二の係数を乗じた値と、に基づいて算出される誤差評価関数値を求めるとともに、前記推定値の一つまたは複数を変化させながら、前記誤差評価関数値が極小となる最適推定値を特定する推定値特定処理を実施する最適推定値特定部と、を備える。前記最適推定値特定部は、前記推定値特定処理を、一つ前の推定値特定処理で求めた最適推定値を初期値として、一つ前の推定値特定処理実施時よりも前記第二の係数に対して前記第一の係数が相対的に大きくなるように変更しながら繰り返し行う。
本発明の第５の態様によれば、パラメータ推定方法は、運用に伴って変化する、所定の装置の状態を示す複数のパラメータの推定値を特定するパラメータ推定方法であって、前記複数のパラメータと相関性を有する状態量についての実測値を所定時間ごとに複数取得し、前記複数のパラメータとして与えられた推定値と前記状態量との相関式に基づいて、前記複数の実測値の各々と対応する演算値を演算して取得し、前記複数の実測値に対応する前記複数の演算値の誤差の絶対量の総和に第一の係数を乗じた値と、前記誤差のばらつき度に第二の係数を乗じた値と、に基づいて算出される誤差評価関数値を求め、前記推定値の一つまたは複数を変化させながら、前記誤差評価関数値が極小となる最適推定値を特定する推定値特定処理を、一つ前の推定値特定処理で求めた最適推定値を初期値として、一つ前の推定値特定処理実施時よりも前記第二の係数に対して前記第一の係数が相対的に大きくなるように変更しながら繰り返し行う。
本発明の第６の態様によれば、プログラムは、運用に伴って変化する、所定の装置の状態を示す複数のパラメータの推定値を特定するパラメータ推定装置のコンピュータを、前記複数のパラメータと相関性を有する状態量についての実測値を所定時間ごとに複数取得する状態量実測手段、前記複数のパラメータとして与えられた推定値と前記状態量との相関式に基づいて、前記複数の実測値の各々と対応する演算値を演算して取得する状態量演算手段、前記複数の実測値に対応する前記複数の演算値の誤差の絶対量の総和に第一の係数を乗じた値と、前記誤差のばらつき度に第二の係数を乗じた値と、に基づいて算出される誤差評価関数値を求めるとともに、前記推定値の一つまたは複数を変化させながら、前記誤差評価関数値が極小となる最適推定値を特定する推定値特定処理を実施する最適推定値特定手段として機能させ、前記最適推定値特定手段は、さらに、前記推定値特定処理を、一つ前の推定値特定処理で求めた最適推定値を初期値として、一つ前の推定値特定処理実施時よりも前記第二の係数に対して前記第一の係数が相対的に大きくなるように変更しながら繰り返し行う。
上述のパラメータ推定装置、パラメータ推定方法、蓄電システム及びプログラムによれば、演算速度を著しく低下させることなく、検出される装置パラメータの推定精度が向上するという効果が得られる。
本発明の一実施形態によるパラメータ推定装置の機能構成を示す図である。 本発明の一実施形態による蓄電装置の等価回路を示す図である。 本発明の一実施形態による最適推定値特定部の処理フローを示す第一の図である。 本発明の一実施形態による最適推定値特定部の処理フローを示す第二の図である。 本発明の一実施形態による実測値と演算値の比較を示す第一の図である。 本発明の一実施形態による実測値と演算値の比較を示す第二の図である。 本発明の一実施形態による実測値と演算値の比較を示す第三の図である。 本発明の一実施形態による蓄電システムの機能構成を示す図である。
以下、本発明の一実施形態によるパラメータ推定装置を、図面を参照して説明する。
図１は本発明の一実施形態によるパラメータ推定装置の機能構成を示す図である。
パラメータ推定装置１は、運用に伴って変化する、所定の装置の状態を示す複数のパラメータの推定値を特定する装置である。ここで「所定の装置」とは本実施形態においては、例えば「蓄電装置」が挙げられる。すなわちパラメータ推定装置１は、「蓄電装置」の運用に伴って変化する複数のパラメータとして、直接的に実測することが不可能な「充電率」や「内部抵抗」の推定値を特定するパラメータ推定装置である。
そしてパラメータ推定装置１は、当該複数のパラメータ（充電率、内部抵抗等）と相関性を有する状態量についての実測値を所定時間ごとに複数取得する状態量実測部１１を備えている。ここで「実測可能な状態量」とは、本実施形態においては、例えば蓄電装置の「出力電圧」である。本実施形態による状態量実測部１１は、その電力系統において蓄電装置が出力する出力電圧を逐次実測する。その際、状態量実測部１１は、出力電圧を所定時間（例えば０．１秒）ごとに４０プロット（４秒の期間）取得し、その間の経時的な変化を把握できるように取得する。なおこのような出力電圧を実測値として取得するデバイスとしては、通常Ａ／Ｄ（アナログ‐デジタル）変換器が用いられる。
またパラメータ推定装置１は、当該複数のパラメータ（充電率、内部抵抗等）として与えられた推定値と上記状態量（出力電圧）との相関式に基づいて、状態量実測部１１が取得した複数の実測値の各々と対応する演算値を演算して取得する状態量演算部１２を備えている。ここで本実施形態による状態量演算部１２は、パラメータ推定装置１が対象とする蓄電装置の回路モデルから導くことができる、充電率や内部抵抗等と、出力電圧との相関式を予め保持している。なお、この相関式は出力電圧の経時的変化を数式化したものであり、上記複数のパラメータを時刻ｔの係数として含むものである。したがって、上記複数のパラメータに一組のある推定値を与えて当該相関式に代入した場合、その推定値に応じた出力電圧が経時的に変化する各値を一意に決定できる。そして状態量演算部１２は、状態量実測部１１にて取得した複数の実測値の各プロットに対応する（例えば０．１秒ごとの４０プロットからなる）演算値を算出して取得する。具体的な回路モデルや相関式の例については後述する。
さらにパラメータ推定装置１は、複数の実測値に対応する複数の演算値の誤差の絶対量の総和に第一の係数を乗じた値と、当該誤差のばらつき度に第二の係数を乗じた値と、に基づいて算出される誤差評価関数値を求める最適推定値特定部１３を備えている。具体的に説明すると、本実施形態による最適推定値特定部１３は、まず、状態量実測部１１から入力する上記複数の実測値と、当該実測値に対応して状態量演算部１２から入力する演算値との誤差を比較する。ここで最適推定値特定部１３は、当該誤差を比較する手法として所定の誤差評価関数（式（１））を用いる。そして本実施形態による最適推定値特定部１３は、当該誤差評価関数として、誤差の絶対量の総和Ｊに第一の係数ａ１を乗じた値と、当該誤差のばらつき度σに第二の係数を乗じた値ａ２との和によって求めることを特徴としている。すなわち、誤差評価関数Ａは式（１）のように表される。
Figure JPOXMLDOC01-appb-M000001
なお「誤差の絶対量の総和Ｊ」とは、状態量実測部１１が所定期間において複数プロットした実測値と、その各々に対応する、状態量演算部１２が演算して取得した演算値の誤差量の総和である。すなわち誤差の絶対量の総和Ｊが小さいほど、実測値及び演算値は、プロット全体に渡って一致しているとみなすことができる。
一方「誤差のばらつき度σ」とは、実測値に対する演算値の各プロットにおける誤差量が一定の値に揃っているか否かを表す数値（例えば、誤差の標準偏差を誤差の平均値で除した値）である。すなわち誤差のばらつき度σが小さい場合とは、誤差量そのものが小さいわけではなく、各プロットにおける誤差量がある一定の値に揃っている状態を示している。
図２は、本発明の一実施形態による蓄電装置の等価回路を示す図である。
次に本実施形態による状態量演算部１２が、演算値算出のために用いる回路モデル及び相関式について具体的に説明する。
リチウムイオン電池等からなる一般的な蓄電装置の電気的特性は、図２に示すような回路図により表される。ここで、図２に示す回路図のＤＣＲ［Ω］とは、蓄電装置の直列内部抵抗であり、蓄電装置の運用とともに経時的に上昇するものである。ＡＣＲ［Ω］及びＡＣＣ［Ｆ］は、電池内の各所界面等に生じる電気二重層を表す抵抗とコンデンサの並列回路である。ＯＣＶ［Ｖ］は当該蓄電装置の開放電圧である。また電荷量Ｑ［Ｃ］はコンデンサＡＣＣに蓄積されている電荷量である。
特に内部抵抗ＤＣＲや開放電圧ＯＣＶは当該蓄電装置の寿命や充電率を導く上で重要なパラメータである。しかしながら、蓄電装置の状態を示す上記パラメータは全て、直接的には計測できない性質のものであり、別の実測可能な状態量（出力電圧の実測値、またはその経時的な変化）から演算して間接的に導く必要がある。そこで本実施形態によるパラメータ推定装置１の状態量演算部１２は、図２に示すような回路モデルから導かれる、複数のパラメータ（ＤＣＲ、ＡＣＣ、ＡＣＲ、ＯＣＶ、Ｑ、以下これらを「未知数群」と呼ぶこととする。）と、実測可能な状態量である出力電圧との相関式を予め保持している。上述した通りこの相関式は、出力電圧の経時的変化を数式化したものであり、上記未知数群は、時刻ｔの係数として当該相関式に含まれる。なお上記未知数群と出力電圧との間に成り立つ相関式は、蓄電装置から出力される電流値や当該蓄電装置の温度によっても左右され得る。ここで電流値、温度はいずれも観測可能であるから、本実施形態による状態量演算部１２は、別途電流値や温度等、実測可能な他のパラメータの実測値を得て、当該実測値に基づいて上記相関式を構築してもよい。
図３は、本発明の一実施形態による最適推定値特定部の処理フローを示す第一の図である。また図４は、本発明の一実施形態による最適推定値特定部の処理フローを示す第二の図である。
本実施形態による最適推定値特定部１３は、所定の「推定値特定処理」を、一つ前の「推定値特定処理」で求めた最適推定値を初期値として、一つ前の「推定値特定処理」実施時よりも前記第二の係数に対して前記第一の係数が相対的に大きくなるように変更しながら繰り返し行うことを特徴としている。以下、本実施形態による最適推定値特定部１３の全体としての処理フローについて、図３及び図４を参照しながら順を追って説明する。なお、図３における処理フローの前提条件として、状態量実測部１１は、対象とする蓄電装置における出力電圧の実測値を既に取得しているものとし、状態量演算部１２は、対象とする蓄電装置についての回路モデル及び電流、温度等の実測値から所定の相関式を既に取得しているものとする。また、図３に示すステップＳ１３、ステップＳ１５の処理の具体例が図４に示す「推定値特定処理」の処理フローである。
まず最適推定値特定部１３は、状態量演算部１２に対し、各種未知数群の初期値として適当な推定値を出力する（ステップＳ１１）。状態量演算部１２は、当該初期推定値を入力し、最適推定値特定部１３から与えられた当該初期推定値を相関式に代入して、直ちに出力電圧の演算値を算出する。
次に最適推定値特定部１３は、第一の係数ａ１と第二の係数ａ２の値を決定して誤差評価関数Ａ（式（１））を設定する。このとき最適推定値特定部１３は、第一の係数ａ１と比較して第二の係数ａ２の方が大きくなるような値を設定する（ステップＳ１２）。これは、最初の段階においては、誤差の絶対量Ｊよりもむしろ誤差のばらつき度σを重視して当該σを低減するように「推定値特定処理」を進めるためである（式（１））。このようにすることで、最適推定値特定部１３は、続く「第一の推定値特定処理」（ステップＳ１３）において、出力電圧の実測値と演算値との誤差量がプロット全体に渡って一定の値に揃うように（誤差のばらつき度σが小さくなるように）、未知数群の推定値が特定されることとなる。
本実施形態による最適推定値特定部１３は、上記未知数群（ＤＣＲ等）として与えられた推定値の一つまたは複数を変化させながら、誤差評価関数値が極小となる最適推定値を求める所定の「推定値特定処理」を実施する（ステップＳ１３）。以下、当該「推定値特定処理」についての具体的な処理フローを、図４を参照しながら順を追って説明する。
最適推定値特定部１３は上記「第一の推定値特定処理」において、まず状態量演算部１２に対し、上記未知数群にステップＳ１１またはステップＳ２７で設定・更新した所定の推定値を出力する（ステップＳ２１）。ここで状態量演算部１２は、最適推定値特定部１３から与えられた推定値を予め取得していた相関式に代入し、直ちに出力電圧の演算値を算出する。ただし状態量演算部１２は、その代入された演算式から決定される出力電圧の経時的変化の特性から、複数の時刻における出力電圧の演算値を算出する。ここで状態量演算部１２は、当該複数の時刻における出力電圧の演算値が、状態量実測部１１が取得した各時刻のプロットそれぞれに対応するように算出する。次に最適推定値特定部１３は、状態量演算部１２が算出した演算値を入力する（ステップＳ２２）。そして最適推定値特定部１３は、別途状態量実測部１１から入力していた出力電圧の実測値と当該演算値とを比較し、各プロットにおける誤差量を算出する。さらに最適推定値特定部１３は、ここで得たプロットごとの誤差量から誤差量の総和Ｊと誤差のばらつき度σを算出し、予め設定していた第一の係数ａ１と第二の係数ａ２を参照して、評価関数Ａ（式（１））より求まる評価関数値Ａ１を取得する（ステップＳ２３）。
次に、最適推定値特定部１３は、以上の処理の流れが最初（この「推定値特定処理」に入って一回目）の処理フローか二回目以降の処理フローかを判定する（ステップＳ２４）。そして今回の処理フローが最初の処理フローであった場合には、ステップＳ２７にて、未知数群の推定値を更新し、ステップＳ２１に戻る。一方、二回目以降の処理フローであった場合には、以下に説明するステップＳ２５に移行する。
二回目以降の処理フローの場合、最適推定値特定部１３は、ステップＳ２３で得た誤差評価関数値Ａ１に基づいて、未知数群の推定値の変化量に対する誤差評価関数値の変化量を算出する（ステップＳ２５）。この処理は、ステップＳ２１からステップＳ２７の一連の処理を繰り返す過程において、一つ前の処理フローのステップＳ２７（またはステップＳ１１）で更新（設定）された推定値と今回の処理フローで新たに更新された推定値の変化量（差分）に対する誤差評価関数値Ａ１の変化量ΔＡを算出するものである。最適推定値特定部１３は当該変化量ΔＡを算出することで、変化させた推定値が、求めようとする最適推定値に近づいているか否かを判断することができる。例えば誤差評価関数値Ａ１が減少する方向へ変化すれば、最適推定値特定部１３は、前回の処理フローで設定した推定値よりも今回の処理フローで設定した推定値の方が最適推定値に近づいていると判断することができる。
次に最適推定値特定部１３は、誤差評価関数値Ａ１が極小値Ａ１ｍｉｎとなっているか否かを判定する（ステップＳ２６）。ここで当該判定の具体的手法について説明する。最適推定値特定部１３は、未知数群の推定値を変化させていく過程において、当該変化に応じて変化する誤差評価関数値Ａ１の変化の方向（減少または増加）を検知する。そして最適推定値特定部１３は、推定値を変化させていく過程で誤差評価関数値Ａ１が減少する方向から増加する方向へと転じたとき、この時点における誤差評価関数値Ａ１が極小値Ａ１ｍｉｎであるとみなす。
最適推定値特定部１３は、ステップＳ２６において誤差評価関数値Ａ１が極小値Ａ１ｍｉｎに到達したと判定した場合、当該極小値Ａ１ｍｉｎを導いた推定値を最適推定値として「推定値特定処理」を終了する。一方、誤差評価関数値Ａ１が極小値Ａ１ｍｉｎに到達していないと判定した場合、最適推定値特定部１３は、今回の処理フローに用いた推定値に新たな変化量を与えて推定値を更新する（ステップＳ２７）。このとき、ステップＳ２５にて誤差評価関数値の変化量ΔＡが減少していた場合には、この変化量ΔＡを生じさせた推定値の変化と同方向に、所定の変化量だけ変化させた推定値で更新する。一方、変化量ΔＡが増加していた場合には、この変化量ΔＡを生じさせた推定値の変化とは逆方向に変化させた推定値で更新する。このようにすることで、ステップＳ２１からステップＳ２７の一連の処理を繰り返すごとに、誤差評価関数の極小値Ａ１ｍｉｎを算出する最適推定値に近づくことができる（ただし最初の処理フローの場合を除く）。最適推定値特定部１３は、このようにして更新された推定値を状態量演算部１２に出力し（ステップＳ２１）、さらにステップＳ２２以降の処理フローを繰り返し実施する。
最適推定値特定部１３は、以上に説明した「推定値特定処理」に基づいて誤差評価関数Ａの極小値Ａ１ｍｉｎを導く最適推定値を特定する。このようにすることで、最適推定値特定部１３は、最小限の処理数で、極小値Ａ１ｍｉｎを与える最適推定値を特定することができる。
ところで、以上に説明した処理フローは、一つの推定値を変化させながら誤差評価関数Ａの極小値Ａ１ｍｉｎを探索することを前提としている。しかし最適推定値特定部１３は、実際には複数の未知数群の推定値を変化させながら最適推定値を特定する必要がある。そこで本実施形態による最適推定値特定部１３は、例えば以下のような処理を追加して行ってもよい。すなわち最適推定値特定部１３はステップＳ２６にて、複数の推定値のうちの一つに着目して大きく変化させた推定値のセットを、当該複数の未知数群ごとに用意する。そしてステップＳ２４にて、その推定値のセットのうち、誤差評価関数値Ａ１に最も大きな変化量をもたらした未知数群の推定値のセットを採用して、以降の処理フローを実施する。
例えば、仮に未知数群が「ＤＣＲ、ＡＣＣ、ＡＣＲ」の三つであったとする。このとき、最適推定値特定部１３は一回目の処理フローで用いた未知数群の推定値「ＤＣＲ１、ＡＣＣ１、ＡＣＲ１」に対し、二回目の処理フローでは、ステップＳ２６にて「ＤＣＲ２Ａ、ＡＣＣ２、ＡＣＲ２」、「ＤＣＲ２、ＡＣＣ２Ａ、ＡＣＲ２」、「ＤＣＲ２、ＡＣＣ２、ＡＣＲ２Ａ」という三つの推定値セットを用意する。ここで、ＤＣＲ１に対するＤＣＲ２Ａの変化量は、ＤＣＲ１に対するＤＣＲ２の変化量よりも大きく、ＡＣＣ１に対するＡＣＣ２Ａの変化量は、ＡＣＣ１に対するＡＣＣ２の変化量よりも大きいものとする。同様に、ＡＣＲ１に対するＡＣＲ２Ａの変化量は、ＡＣＲ１に対するＡＣＲ２の変化量よりも大きいものとする。
最適推定値特定部１３は、続くステップＳ２４にて、その三つの推定値セットに基づいて得られた三つの誤差評価関数値Ａ２１、Ａ２２、Ａ２３を導出する。そしてこれらのうち一回目の処理フローで導出された誤差評価関数値Ａ１から最も大きく変化した推定値セットを選択し、その誤差評価関数値を算出した推定値のセットを基準にして、推定値をさらに更新（ステップＳ２７）する。
このようにすることで、最適推定値特定部１３は、最適推定値に到達するまでの繰り返し回数を低減させることができる。なお、上述した処理フローは一例にすぎず、本実施形態においては、同等の目的を達成することのできる他のいかなる手段を採用しても構わない。
以上「第一の推定値特定処理」（図４）についての処理が終了すると、最適推定値特定部１３は、誤差評価関数Ａの極小値を導出する未知数群の最適推定値を得る。ここで、上述した通り「第一の推定値特定処理」（ステップＳ１３）では、最適推定値特定部１３は、出力電圧の実測値と演算値との誤差量がプロット全体に渡って一定の値に揃うように（誤差のばらつき度σが小さくなるように）、未知数群の推定値を特定することとなる。このステップＳ１３において行われた推定処理について、グラフ図を用いて具体的に説明する。
図５は、本発明の一実施形態による実測値と演算値の比較を示す第一の図である。
まず、図５に示す実測値のグラフは、図３に示す処理フローを開始する前に、状態量実測部１１が、対象とする蓄電装置における出力電圧を実測してプロットしたものである。また図５に示す演算値のグラフは、状態量演算部１２が、ステップＳ１１にて最適推定値特定部１３から与えられた初期値に基づいて算出した出力電圧の経時的変化を演算してプロットしたものである。図５に示す通り、初期（ステップＳ１１）において、出力電圧の実測値及び演算値は一致しておらず、この時点における推定値は実際の蓄電装置のパラメータを反映するものではないことが読み取れる。例えば、図５に示す演算値のグラフでは、例えばある三つのプロットにおける誤差量Δ１、Δ２、Δ３の大きさ及び符号（プラスまたはマイナス）は全く一致していない。
図６は、本発明の一実施形態による実測値と演算値の比較を示す第二の図である。
そこで本実施形態によるパラメータ推定装置１は、各プロットにおける実測値と演算値の誤差のばらつき度σに着目し、まず当該誤差のばらつき度σを極小とする推定値を特定することを特徴とする。
すなわち、本実施形態による最適推定値特定部１３は、誤差のばらつき度σを低減する「第一の推定値特定処理」（図３のステップＳ１２～ステップＳ１３）により、図６に示すような演算値のグラフを導出する未知数群の最適推定値を特定できる。図６に示す演算値のグラフでは、上記三つのプロットにおける誤差量Δ１、Δ２、Δ３の大きさ、符号ともにほぼ一致していることが読み取れる。ただし「第一の推定値特定処理」では、誤差量の総和Ｊを積極的に低減するようには処理が進められていないため、実測値との誤差（Δ１、Δ２、Δ３）の絶対量そのものは比較的大きいままである。
以上のようにして、最適推定値特定部１３は、ステップＳ１２で設定した係数ａ１、ａ２による誤差評価関数Ａに基づいて「第一の推定値特定処理」にて、誤差のばらつき度σの極小値を得る最適推定値を特定する。なお最適推定値特定部１３は、少なくとも最初の「推定値特定処理」においては、第一の係数ａ１と、第二の係数ａ２の両方を、ゼロではない値に設定してもよい。すなわち、最適推定値特定部１３は、誤差のばらつき度σを小さくする「第一の推定値特定処理」においても、誤差の絶対量Ｊにかかる第一の係数ａ１をゼロとはせずに、誤差評価関数Ａの一部として考慮する。これは、誤差評価関数Ａを、専ら誤差のばらつき度σのみで構成すると、実測値と演算値とがあまりにもかけ離れている場合に、続く「第二の推定値特定処理」において局所解に陥る可能性が増大し、ばらつき度σの極小値を正しく得られない弊害が生じ得ることを考慮したものである。最適推定値特定部１３は、「第一の推定値特定処理」においても、誤差の絶対量の総和Ｊを低減するような働きを持たせることで、実測値と演算値が大きくかけ離れている場合であっても、ばらつき度σの極小値を正確に得ることができるようになる。
ここで最適推定値特定部１３の、以降の処理フローについて図３を再度参照しながら説明を続ける。
最適推定値特定部１３は、ステップＳ１３において誤差のばらつき度σが極小値となる最適推定値を特定すると、次に第二の係数ａ２に対して第一の係数ａ１が相対的に大きくなるように各係数を設定する（ステップＳ１４）。これは、以降の処理フローにおいて、誤差の絶対量Ｊを低減するように二回目の「推定値特定処理」を進めるためである。このようにすることで、最適推定値特定部１３は、続く「第二の推定値特定処理」（ステップＳ１５）において、出力電圧の実測値と演算値との誤差量がプロット全体に渡って低減するように（誤差の絶対量の総和Ｊが小さくなるように）、未知数群の推定値が特定されることとなる。
「第二の推定値特定処理」の具体的処理は、図４で示した「第一の推定値特定処理」と同一である。ただし、上述した通り「第二の推定値特定処理」（ステップＳ１５）では、最適推定値特定部１３は、出力電圧の実測値と演算値との誤差量そのものがプロット全体に渡って極小となるように（誤差の絶対量の総和Ｊが小さくなるように）、未知数群の推定値を特定することとなる。このステップＳ１５において行われた推定処理について、グラフ図を用いて具体的に説明する。
図７は、本発明の一実施形態による実測値と演算値の比較を示す第三の図である。
本実施形態による最適推定値特定部１３は、誤差のばらつき度σを低減する「第一の推定値特定処理」に続く、誤差量の総和Ｊを低減する「第二の推定値特定処理」（図３のステップＳ１４～ステップＳ１５）により、図７に示すようなグラフを導出する最適推定値を特定する。図７に示す演算値のグラフは、実測値の示すグラフにほぼ一致している。したがって最適推定値特定部１３は、図６に示す誤差のばらつき度σを低減する「第一の推定値特定処理」を経た後に、誤差の絶対値の総和Ｊを低減する「第二の推定値特定処理」を実施することで、蓄電装置について推定精度が高い推定値を得ることができる。
最適推定値特定部１３は、ステップＳ１５の「第二の推定値特定処理」において得られた最適推定値を出力する（ステップＳ１６）。ここでパラメータ推定装置１は、最適推定値特定部１３が最終的に出力する最適推定値を、例えば蓄電装置のオペレータに視認できる態様をもって表示する。そして当該蓄電装置のオペレータは、これにより蓄電装置の状態（寿命、充電率など）をリアルタイムに把握することができる。パラメータ推定装置１は、例えば１分ごとに（４秒間の）実測値を取得し、当該実測値に基づいた最適推定値を繰り返し出力するようにしてもよい。このようにすることで、オペレータは、１分間隔で出力されるパラメータを参照して蓄電装置の経時的な劣化や充電率の変化を把握することができる。
なお、本実施形態によるパラメータ推定装置１の効果について、一般的なパラメータフィッティング手法と比較しながら説明する。
従来のパラメータフィッティング処理（単に、最小二乗法による誤差絶対量の総和Ｊのみを誤差評価関数としたもの）に基づいて図４で説明した「推定値特定処理」を行うと、実測値のノイズ成分などに起因して、正しい解を得られない場合がある。また最適推定値特定部１３が、誤差の絶対量の総和Ｊの極小値を検知した時点で処理を止めてしまうので、正しい解（Ｊの最小値）が得られるか否かは、未知数群の初期値に大きく依存する傾向がある。すなわち、単に誤差の絶対量の総和Ｊを低減しようと推定値を探索するのでは、その過程においては複数の極小値が存在する可能性が高く、意図しない極小値に陥って計算を終えてしまうケースが多く発生する。
一方、本実施形態によるパラメータ推定装置１は、「第一の推定値特定処理」においては誤差のばらつき度σの極小値を得ることを試みている。この場合、誤差の絶対量の総和Ｊは（ほぼ）考慮せず、単に両グラフの傾きを揃えるだけの演算である（図６）ため、その演算過程（第一の推定値特定処理）において複数の極小値が存在することはない。したがって、意図しない極小値に到達して計算を終えてしまうケースは少ない。
そして、誤差のばらつき度σが極小値となる推定値を得た後（両グラフの傾きを揃えた後）に、誤差の絶対量の総和Ｊの極小値を探索する「第二の推定値特定処理」を実施する場合には、単に実測値、演算値の各プロット間に均等に存在する誤差量をゼロにする（図６の両グラフの位置を揃える）のみである。したがって、やはりその過程において意図しない複数の極小値が存在することはない。
以上、本実施形態によるパラメータ推定装置１によれば、演算速度を著しく低下させることなく、検出される装置パラメータの推定精度が向上するという効果が得られる。
なお、図３で説明した本実施形態による最適推定値特定部１３の処理フローでは、「推定値特定処理」を二回行った例を示しているが、本実施形態においては、これに限定されない。すなわち、最適推定値特定部１３は、「推定値特定処理」を三回以上繰り返し行っても構わない。ただし最適推定値特定部１３は、当該「推定値特定処理」を繰り返す過程において、一つ前の「推定値特定処理」で求めた最適推定値を初期値として、一つ前の「推定値特定処理」実施時よりも第二の係数ａ２に対して第一の係数ａ１が相対的に大きくなるように変更しながら繰り返し行うものとする。
図８は、本発明の一実施形態による蓄電システムの機能構成を示す図である。
ここで以上までに説明したパラメータ推定装置１と、モニタリングの対象とする蓄電装置とを一体化した蓄電システム１００について説明する。この蓄電システム１００は、上述に説明したパラメータ推定装置１と蓄電装置２とを備えている。蓄電装置２は、リチウムイオン電池などの二次電池を搭載するものである。本実施形態による蓄電システム１００においては、パラメータ推定装置１の状態量実測部１１は、当該蓄電装置２が所定の電力系統に対して出力する出力電圧値を取得する。また状態量演算部１２は、蓄電装置２の回路モデルと温度、出力電流等の実測値に基づいて相関式を取得する。最適推定値特定部１３の機能は、上記に説明したとおり、状態量演算部１２が相関式に基づいて算出する演算値と、状態量実測部１１が取得した実測値の誤差量を求め、最終的に最適推定値を算出して出力する。本実施形態においては、図８に示す通り、パラメータ推定装置１をモニタリングしようとする蓄電装置２と一体化して蓄電システム１００を構築してもよい。
以上の説明において、本実施形態によるパラメータ推定装置１は「所定の装置」として蓄電装置を例に説明したが、本実施形態においてはこれに限定されることはない。例えば、永久磁石同期モータの電機子抵抗及び磁束を検出する場合においても適用され得る。この場合、実測可能な状態量として当該モータ駆動時における電圧、電流、角速度等であり、モータの運用に伴って変化する推定すべきパラメータとは、例えば電機子抵抗、磁束等である。
なお、上述のパラメータ推定装置１は、内部にコンピュータシステムを有している。そして、上述したパラメータ推定装置１の各処理の過程は、プログラムの形式でコンピュータ読み取り可能な記録媒体に記憶されており、このプログラムをコンピュータが読み出して実行することによって、上記処理が行われる。ここで、コンピュータ読み取り可能な記録媒体とは、磁気ディスク、光磁気ディスク、ＣＤ－ＲＯＭ、ＤＶＤ－ＲＯＭ、半導体メモリ等をいう。また、このコンピュータプログラムを通信回線によってコンピュータに配信し、この配信を受けたコンピュータが当該プログラムを実行するようにしても良い。
以上、本発明のいくつかの実施形態を説明したが、これらの実施形態は、例として提示したものであり、発明の範囲を限定することは意図していない。これら実施形態は、その他の様々な形態で実施されることが可能であり、発明の要旨を逸脱しない範囲で種々の省略、置き換え、変更を行うことができる。これら実施形態やその変形は、発明の範囲や要旨に含まれると同様に、特許請求の範囲に記載された発明とその均等の範囲に含まれるものとする。
上述のパラメータ推定装置、パラメータ推定方法、蓄電システム及びプログラムによれば、演算速度を著しく低下させることなく、検出される装置パラメータの推定精度が向上するという効果が得られる。
１　パラメータ推定装置
１１　状態量実測部
１２　状態量演算部
１３　最適推定値特定部
２　蓄電装置
１００　蓄電システム

Claims (6)

  1. 運用に伴って変化する、所定の装置の状態を示す複数のパラメータの推定値を特定するパラメータ推定装置であって、
    前記複数のパラメータと相関性を有する状態量についての実測値を所定時間ごとに複数取得する状態量実測部と、
    前記複数のパラメータとして与えられた推定値と前記状態量との相関式に基づいて、前記複数の実測値の各々と対応する演算値を演算して取得する状態量演算部と、
    前記複数の実測値に対応する前記複数の演算値の誤差の絶対量の総和に第一の係数を乗じた値と、前記誤差のばらつき度に第二の係数を乗じた値と、に基づいて算出される誤差評価関数値を求めるとともに、前記推定値の一つまたは複数を変化させながら、前記誤差評価関数値が極小となる最適推定値を特定する推定値特定処理を実施する最適推定値特定部と、
    を備え、
    前記最適推定値特定部は、
    前記推定値特定処理を、一つ前の推定値特定処理で求めた最適推定値を初期値として、一つ前の推定値特定処理実施時よりも前記第二の係数に対して前記第一の係数が相対的に大きくなるように変更しながら繰り返し行う
    パラメータ推定装置。
  2. 前記最適推定値特定部は、
    少なくとも最初の前記推定値特定処理においては、
    前記第一の係数と、前記第二の係数の両方を、ゼロではない値に設定する
    請求項１に記載のパラメータ推定装置。
  3. 前記所定の装置は、二次電池を搭載した蓄電装置であって、
    前記状態量は、前記蓄電装置の出力電圧であり、
    前記複数のパラメータは、少なくとも前記蓄電装置の内部抵抗、充電率のいずれか一方または両方を示すパラメータである
    請求項１または請求項２に記載のパラメータ推定装置。
  4. 蓄電装置と、
    運用に伴って変化する前記蓄電装置の状態を示す複数のパラメータの推定値を特定するパラメータ推定装置と、
    を備え、
    前記パラメータ推定装置は、
    前記複数のパラメータと相関性を有する出力電圧についての実測値を所定時間ごとに複数取得する状態量実測部と、
    前記複数のパラメータとして与えられた推定値と前記出力電圧との相関式に基づいて、前記複数の実測値の各々と対応する演算値を演算して取得する状態量演算部と、
    前記複数の実測値に対応する前記複数の演算値の誤差の絶対量の総和に第一の係数を乗じた値と、前記誤差のばらつき度に第二の係数を乗じた値と、に基づいて算出される誤差評価関数値を求めるとともに、前記推定値の一つまたは複数を変化させながら、前記誤差評価関数値が極小となる最適推定値を特定する推定値特定処理を実施する最適推定値特定部と、
    を備え、
    前記最適推定値特定部は、
    前記推定値特定処理を、一つ前の推定値特定処理で求めた最適推定値を初期値として、一つ前の推定値特定処理実施時よりも前記第二の係数に対して前記第一の係数が相対的に大きくなるように変更しながら繰り返し行う
    蓄電システム。
  5. 運用に伴って変化する、所定の装置の状態を示す複数のパラメータの推定値を特定するパラメータ推定方法であって、
    前記複数のパラメータと相関性を有する状態量についての実測値を所定時間ごとに複数取得し、
    前記複数のパラメータとして与えられた推定値と前記状態量との相関式に基づいて、前記複数の実測値の各々と対応する演算値を演算して取得し、
    前記複数の実測値に対応する前記複数の演算値の誤差の絶対量の総和に第一の係数を乗じた値と、前記誤差のばらつき度に第二の係数を乗じた値と、に基づいて算出される誤差評価関数値を求め、
    前記推定値の一つまたは複数を変化させながら、前記誤差評価関数値が極小となる最適推定値を特定する推定値特定処理を、
    一つ前の推定値特定処理で求めた最適推定値を初期値として、一つ前の推定値特定処理実施時よりも前記第二の係数に対して前記第一の係数が相対的に大きくなるように変更しながら繰り返し行う
    パラメータ推定方法。
  6. 運用に伴って変化する、所定の装置の状態を示す複数のパラメータの推定値を特定するパラメータ推定装置のコンピュータを、
    前記複数のパラメータと相関性を有する状態量についての実測値を所定時間ごとに複数取得する状態量実測手段、
    前記複数のパラメータとして与えられた推定値と前記状態量との相関式に基づいて、前記複数の実測値の各々と対応する演算値を演算して取得する状態量演算手段、
    前記複数の実測値に対応する前記複数の演算値の誤差の絶対量の総和に第一の係数を乗じた値と、前記誤差のばらつき度に第二の係数を乗じた値と、に基づいて算出される誤差評価関数値を求めるとともに、
    前記推定値の一つまたは複数を変化させながら、前記誤差評価関数値が極小となる最適推定値を特定する推定値特定処理を実施する最適推定値特定手段として機能させ、
    前記最適推定値特定手段は、さらに、
    前記推定値特定処理を、一つ前の推定値特定処理で求めた最適推定値を初期値として、一つ前の推定値特定処理実施時よりも前記第二の係数に対して前記第一の係数が相対的に大きくなるように変更しながら繰り返し行う
    ことを特徴とするプログラム。
PCT/JP2013/082348 2012-12-17 2013-12-02 パラメータ推定装置、パラメータ推定方法、蓄電システム及びプログラム WO2014097868A1 (ja)

Priority Applications (3)

Application Number Priority Date Filing Date Title
CN201380060848.7A CN104813181B (zh) 2012-12-17 2013-12-02 参数推断装置、参数推断方法、蓄电系统
US14/439,913 US20150301117A1 (en) 2012-12-17 2013-12-02 Parameter estimating device, parameter estimating method, electricity storage system, and program
EP13865245.8A EP2933648B1 (en) 2012-12-17 2013-12-02 Parameter estimating device, parameter estimating method, electricity storage system, and program

Applications Claiming Priority (2)

Application Number Priority Date Filing Date Title
JP2012274750A JP5896891B2 (ja) 2012-12-17 2012-12-17 パラメータ推定装置、パラメータ推定方法、蓄電システム及びプログラム
JP2012-274750 2012-12-17

Publications (1)

Publication Number Publication Date
WO2014097868A1 true WO2014097868A1 (ja) 2014-06-26

Family

ID=50978206

Family Applications (1)

Application Number Title Priority Date Filing Date
PCT/JP2013/082348 WO2014097868A1 (ja) 2012-12-17 2013-12-02 パラメータ推定装置、パラメータ推定方法、蓄電システム及びプログラム

Country Status (5)

Country Link
US (1) US20150301117A1 (ja)
EP (1) EP2933648B1 (ja)
JP (1) JP5896891B2 (ja)
CN (1) CN104813181B (ja)
WO (1) WO2014097868A1 (ja)

Families Citing this family (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP6454246B2 (ja) * 2015-09-09 2019-01-16 日本電子株式会社 加工方法
JP6559598B2 (ja) * 2016-03-09 2019-08-14 三菱重工業株式会社 プラント評価装置及びプラント評価方法
US10118500B2 (en) 2016-03-09 2018-11-06 Ford Global Technologies, Llc Battery capacity estimation based on open-loop and closed-loop models
US10035426B2 (en) 2016-03-10 2018-07-31 Ford Global Technologies, Llc Battery power management in hybrid vehicles
IL244937A (en) * 2016-04-05 2017-07-31 Musman Lior Global optimization and network load balancing
JP6759891B2 (ja) * 2016-09-07 2020-09-23 日立化成株式会社 車載用蓄電デバイスモデルのパラメータ同定方法及びパラメータ同定装置
CN108700852B (zh) * 2017-01-27 2021-07-16 三菱动力株式会社 模型参数值推定装置及推定方法、记录介质、模型参数值推定系统
DE112019003484T5 (de) * 2018-07-10 2021-04-08 Sumitomo Electric Industries, Ltd. Sekundärbatterieparameter-Schätzungsvorrichtung, Sekundärbatterieparameter-Schätzungsverfahren und Programm
JPWO2023042612A1 (ja) * 2021-09-15 2023-03-23

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JPH0756608A (ja) * 1993-08-17 1995-03-03 Kawasaki Steel Corp 信号処理方法
JP2000222391A (ja) * 1999-02-04 2000-08-11 Matsushita Electric Ind Co Ltd 最適化プログラムを記録したコンピュータ読み取り可能な記憶媒体
JP2003177165A (ja) * 1994-12-02 2003-06-27 Nippon Soken Inc バッテリ状態判定装置
JP2011122951A (ja) 2009-12-11 2011-06-23 Honda Motor Co Ltd 二次電池の充電状態推定装置および劣化状態推定装置

Family Cites Families (15)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP3410158B2 (ja) * 1993-07-21 2003-05-26 日本電信電話株式会社 鉛蓄電池の劣化判定方法及び劣化判定器
JP3079022B2 (ja) * 1995-10-30 2000-08-21 矢崎総業株式会社 電池残存容量測定装置
US6678640B2 (en) * 1998-06-10 2004-01-13 Matsushita Electric Industrial Co., Ltd. Method and apparatus for parameter estimation, parameter estimation control and learning control
JP2006105823A (ja) * 2004-10-06 2006-04-20 Toyota Motor Corp 二次電池の内部状態推定装置およびその方法
JP4830382B2 (ja) * 2005-07-19 2011-12-07 日産自動車株式会社 二次電池の充電率推定装置
US7899631B2 (en) * 2007-03-29 2011-03-01 The Furukawa Electric Co., Ltd. Method and device for estimating battery residual capacity, and battery power supply system
JP5112915B2 (ja) * 2008-03-11 2013-01-09 株式会社オートネットワーク技術研究所 バッテリ状態推定装置及びバッテリ状態推定方法
JP4649682B2 (ja) * 2008-09-02 2011-03-16 株式会社豊田中央研究所 二次電池の状態推定装置
JP5504657B2 (ja) * 2009-03-18 2014-05-28 日産自動車株式会社 二次電池の総容量推定装置
JP5691592B2 (ja) * 2010-02-18 2015-04-01 日産自動車株式会社 電池状態推定装置
EP2551687B1 (en) * 2010-03-23 2020-07-15 Furukawa Electric Co., Ltd. Device for estimating internal state of battery, and method for estimating internal state of battery
JP5516390B2 (ja) * 2010-12-24 2014-06-11 新日鐵住金株式会社 品質予測装置、品質予測方法、プログラムおよびコンピュータ読み取り可能な記録媒体
US20130304402A1 (en) * 2011-01-21 2013-11-14 Mitsubishi Electric Corporation Analog input unit and programmable controller
CN102253343B (zh) * 2011-04-21 2013-04-03 北京世纪瑞尔技术股份有限公司 一种蓄电池的健康度与荷电状态的估算方法
KR101610530B1 (ko) * 2014-10-24 2016-04-07 현대자동차주식회사 배터리의 내부 저항 측정 방법

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JPH0756608A (ja) * 1993-08-17 1995-03-03 Kawasaki Steel Corp 信号処理方法
JP2003177165A (ja) * 1994-12-02 2003-06-27 Nippon Soken Inc バッテリ状態判定装置
JP2000222391A (ja) * 1999-02-04 2000-08-11 Matsushita Electric Ind Co Ltd 最適化プログラムを記録したコンピュータ読み取り可能な記憶媒体
JP2011122951A (ja) 2009-12-11 2011-06-23 Honda Motor Co Ltd 二次電池の充電状態推定装置および劣化状態推定装置

Also Published As

Publication number Publication date
EP2933648A1 (en) 2015-10-21
EP2933648A4 (en) 2016-07-13
JP2014119351A (ja) 2014-06-30
US20150301117A1 (en) 2015-10-22
EP2933648B1 (en) 2019-11-20
CN104813181B (zh) 2017-05-17
JP5896891B2 (ja) 2016-03-30
CN104813181A (zh) 2015-07-29

Similar Documents

Publication Publication Date Title
WO2014097868A1 (ja) パラメータ推定装置、パラメータ推定方法、蓄電システム及びプログラム
EP3745151B1 (en) Method and apparatus for correcting soc, battery management system and storage medium
CN106443480B (zh) 一种锂离子电池系统soc估算方法
CN107690585B (zh) 用于确定锂硫电池组的健康状况和充电状态的方法和装置
US10436850B2 (en) Power storage apparatus and controlling method for the same
WO2018019101A1 (zh) 一种蓄电池实时荷电状态的测算方法及测算装置、存储介质
US10001528B1 (en) Battery deterioration degree estimating apparatus and estimating method
CN105223487B (zh) 一种锂离子电池的多状态解耦估计方法
US11022653B2 (en) Deterioration degree estimation device and deterioration degree estimation method
CN110418972A (zh) 电池单体充电状态估计方法和电池状态监测系统
JP6548387B2 (ja) 二次電池の充電状態推定方法および推定装置
KR20160067510A (ko) 배터리의 상태를 추정하는 방법 및 장치
KR101930646B1 (ko) 이차 미분 전압곡선을 이용한 배터리 용량 추정 장치 및 방법
CN103675704A (zh) 电池容量评估方法
US20140184233A1 (en) Method for checking deterioration of battery
JP2013076585A (ja) 電池状態計測方法及び電池状態計測装置
CN104656029A (zh) 一种估算动力电池剩余容量的系统及方法
CN109507599A (zh) 一种动力电池soe的优化算法
CN109061482B (zh) 电池健康度预测方法及装置
CN103760494A (zh) 电池容量在线估计方法及系统
CN110687458A (zh) 终端电池电量确定方法及装置
CN111044924B (zh) 一种全工况电池剩余容量确定方法及系统
CN101447688A (zh) 用于检测车内蓄电池的内部电气状态的装置和方法
JP2016211923A (ja) 充電量推定方法及び充電量推定装置
CN113884905B (zh) 基于深度学习的动力电池荷电状态估计方法及系统

Legal Events

Date Code Title Description
121 Ep: the epo has been informed by wipo that ep was designated in this application

Ref document number: 13865245

Country of ref document: EP

Kind code of ref document: A1

WWE Wipo information: entry into national phase

Ref document number: 14439913

Country of ref document: US

WWE Wipo information: entry into national phase

Ref document number: 2013865245

Country of ref document: EP

NENP Non-entry into the national phase

Ref country code: DE