WO2019138286A1 - 二次電池の異常検知装置、異常検知方法、及びプログラム - Google Patents

二次電池の異常検知装置、異常検知方法、及びプログラム Download PDF

Info

Publication number
WO2019138286A1
WO2019138286A1 PCT/IB2018/060597 IB2018060597W WO2019138286A1 WO 2019138286 A1 WO2019138286 A1 WO 2019138286A1 IB 2018060597 W IB2018060597 W IB 2018060597W WO 2019138286 A1 WO2019138286 A1 WO 2019138286A1
Authority
WO
WIPO (PCT)
Prior art keywords
secondary battery
value
battery
state
voltage
Prior art date
Application number
PCT/IB2018/060597
Other languages
English (en)
French (fr)
Inventor
高橋圭
豊高耕平
Original Assignee
株式会社半導体エネルギー研究所
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 株式会社半導体エネルギー研究所 filed Critical 株式会社半導体エネルギー研究所
Priority to JP2019565083A priority Critical patent/JP7234140B2/ja
Priority to DE112018006835.8T priority patent/DE112018006835T5/de
Priority to US16/960,375 priority patent/US20200355749A1/en
Priority to CN201880085109.6A priority patent/CN111542759B/zh
Priority to KR1020207021306A priority patent/KR20200107987A/ko
Publication of WO2019138286A1 publication Critical patent/WO2019138286A1/ja
Priority to JP2023025743A priority patent/JP2023067894A/ja
Priority to US18/377,458 priority patent/US20240118344A1/en

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]
    • G01R31/382—Arrangements for monitoring battery or accumulator variables, e.g. SoC
    • G01R31/3842—Arrangements for monitoring battery or accumulator variables, e.g. SoC combining voltage and current measurements
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B60—VEHICLES IN GENERAL
    • B60L—PROPULSION OF ELECTRICALLY-PROPELLED VEHICLES; SUPPLYING ELECTRIC POWER FOR AUXILIARY EQUIPMENT OF ELECTRICALLY-PROPELLED VEHICLES; ELECTRODYNAMIC BRAKE SYSTEMS FOR VEHICLES IN GENERAL; MAGNETIC SUSPENSION OR LEVITATION FOR VEHICLES; MONITORING OPERATING VARIABLES OF ELECTRICALLY-PROPELLED VEHICLES; ELECTRIC SAFETY DEVICES FOR ELECTRICALLY-PROPELLED VEHICLES
    • B60L58/00—Methods or circuit arrangements for monitoring or controlling batteries or fuel cells, specially adapted for electric vehicles
    • B60L58/10—Methods or circuit arrangements for monitoring or controlling batteries or fuel cells, specially adapted for electric vehicles for monitoring or controlling batteries
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01R—MEASURING ELECTRIC VARIABLES; MEASURING MAGNETIC VARIABLES
    • G01R19/00—Arrangements for measuring currents or voltages or for indicating presence or sign thereof
    • G01R19/10—Measuring sum, difference or ratio
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01R—MEASURING ELECTRIC VARIABLES; MEASURING MAGNETIC VARIABLES
    • G01R19/00—Arrangements for measuring currents or voltages or for indicating presence or sign thereof
    • G01R19/165—Indicating that current or voltage is either above or below a predetermined value or within or outside a predetermined range of values
    • G01R19/16566—Circuits and arrangements for comparing voltage or current with one or several thresholds and for indicating the result not covered by subgroups G01R19/16504, G01R19/16528, G01R19/16533
    • G01R19/16576—Circuits and arrangements for comparing voltage or current with one or several thresholds and for indicating the result not covered by subgroups G01R19/16504, G01R19/16528, G01R19/16533 comparing DC or AC voltage with one threshold
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01R—MEASURING ELECTRIC VARIABLES; MEASURING MAGNETIC VARIABLES
    • G01R19/00—Arrangements for measuring currents or voltages or for indicating presence or sign thereof
    • G01R19/165—Indicating that current or voltage is either above or below a predetermined value or within or outside a predetermined range of values
    • G01R19/16566—Circuits and arrangements for comparing voltage or current with one or several thresholds and for indicating the result not covered by subgroups G01R19/16504, G01R19/16528, G01R19/16533
    • G01R19/1659—Circuits and arrangements for comparing voltage or current with one or several thresholds and for indicating the result not covered by subgroups G01R19/16504, G01R19/16528, G01R19/16533 to indicate that the value is within or outside a predetermined range of values (window)
    • 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]
    • G01R31/367—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]
    • G01R31/374—Arrangements for testing, measuring or monitoring the electrical condition of accumulators or electric batteries, e.g. capacity or state of charge [SoC] with means for correcting the measurement for temperature or ageing
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01R—MEASURING ELECTRIC VARIABLES; MEASURING MAGNETIC VARIABLES
    • G01R31/00—Arrangements for testing electric properties; Arrangements for locating electric faults; Arrangements for electrical testing characterised by what is being tested not provided for elsewhere
    • G01R31/36—Arrangements for testing, measuring or monitoring the electrical condition of accumulators or electric batteries, e.g. capacity or state of charge [SoC]
    • G01R31/392—Determining battery ageing or deterioration, e.g. state of health
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01R—MEASURING ELECTRIC VARIABLES; MEASURING MAGNETIC VARIABLES
    • G01R31/00—Arrangements for testing electric properties; Arrangements for locating electric faults; Arrangements for electrical testing characterised by what is being tested not provided for elsewhere
    • G01R31/50—Testing of electric apparatus, lines, cables or components for short-circuits, continuity, leakage current or incorrect line connections
    • G01R31/52—Testing for short-circuits, leakage current or ground faults
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N20/00—Machine learning
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N3/00—Computing arrangements based on biological models
    • G06N3/02—Neural networks
    • G06N3/08—Learning methods
    • H—ELECTRICITY
    • H01—ELECTRIC ELEMENTS
    • H01M—PROCESSES OR MEANS, e.g. BATTERIES, FOR THE DIRECT CONVERSION OF CHEMICAL ENERGY INTO ELECTRICAL ENERGY
    • H01M10/00—Secondary cells; Manufacture thereof
    • H01M10/05—Accumulators with non-aqueous electrolyte
    • H01M10/052—Li-accumulators
    • H01M10/0525—Rocking-chair batteries, i.e. batteries with lithium insertion or intercalation in both electrodes; Lithium-ion batteries
    • 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
    • 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
    • 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
    • H01M2300/00—Electrolytes
    • H01M2300/0017—Non-aqueous electrolytes
    • H01M2300/0065—Solid electrolytes
    • 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

Definitions

  • One aspect of the present invention relates to an object, a method, or a method of manufacturing.
  • the present invention relates to a process, a machine, a manufacture, or a composition (composition of matter).
  • One embodiment of the present invention relates to a method for manufacturing a semiconductor device, a display device, a light-emitting device, a power storage device, a lighting device, or an electronic device.
  • one embodiment of the present invention relates to a charge control method of a power storage device, a method of estimating a state of the power storage device, and a method of detecting an abnormality of the power storage device.
  • the present invention relates to a charging system for a storage device, a state estimation system for a storage device, and an abnormality detection system for a storage device.
  • a power storage device refers to all elements and devices having a power storage function.
  • a storage battery also referred to as a secondary battery
  • a storage battery such as a lithium ion secondary battery, a lithium ion capacitor, a nickel hydrogen battery, an all solid battery, an electric double layer capacitor, and the like.
  • one aspect of the present invention relates to an abnormality detection system for a power storage device using a neural network and a state estimation device for the power storage device. Further, one aspect of the present invention relates to a vehicle using a neural network. Further, one embodiment of the present invention relates to an electronic device using a neural network. In addition, one embodiment of the present invention is not limited to a vehicle, and can be applied to a power storage device for storing power obtained from a power generation facility such as a solar power generation panel installed in a structure etc. The present invention relates to an equipment abnormality detection system.
  • lithium ion secondary batteries having high output and high energy density can be used in portable information terminals such as mobile phones, smartphones, tablets, or notebook computers, game devices, portable music players, digital cameras, medical devices, hybrid vehicles (HEVs Demand is rapidly expanding along with the development of the semiconductor industry, such as next-generation clean energy vehicles such as electric vehicles (EVs) or plug-in hybrid vehicles (PHEVs) or electric motorcycles; It has become an essential source of information in the modern information society.
  • EVs electric vehicles
  • PHEVs plug-in hybrid vehicles
  • the electric vehicle is a vehicle having only an electric motor as a drive unit
  • a hybrid vehicle provided with both an internal combustion engine such as an engine and an electric motor.
  • a plurality of secondary batteries used in automobiles are also used as one battery pack, and a plurality of sets of battery packs are disposed at the bottom of the automobile.
  • Secondary batteries used in electric vehicles, hybrid vehicles and electric motorcycles are deteriorated due to the number of times of charge, depth of discharge, charge current, charging environment (temperature change) and the like.
  • the temperature at the time of charge, the frequency of rapid charge, the charge amount by the regenerative brake, the charge timing by the regenerative brake, etc. may also be related to the deterioration.
  • secondary batteries used for electric vehicles and hybrid vehicles may suffer from an abnormality such as a short circuit due to deterioration with time or the like.
  • the lithium ion secondary battery has a ratio of the remaining capacity (RC) of the battery to the full charge capacity (FCC (Full Charge Capacity)) of the design capacity (DC), that is, the charge ratio (SOC) is 0% of the design capacity It is not set to use all 100%, and in order to prevent over-discharge, the margin is not about 0% but about 5% (or 10%). Also, in order to prevent overcharging, a margin of about 5% (or 10%) is taken instead of 100%, and as a result, it is within the range of 5% to 95% of the design capacity (or within the range of 10% to 90%). It is said to be used in). Actually, by setting the voltage range of upper limit voltage V max and lower limit voltage V min using BMS (Battery Management System) connected to secondary battery, it is within 5% to 95% of design capacity (or 10) Use in the range of 90%).
  • BMS Battery Management System
  • the secondary battery is deteriorated due to use, aging and temperature change.
  • the secondary battery is managed by accurately knowing the internal state of the secondary battery, in particular the SOC (charging rate). It is also possible to widen the voltage range of the upper limit voltage V max and the lower limit voltage V min by accurately knowing the SOC. Conventionally, SOC estimation is performed by the coulomb counting method.
  • Patent Document 1 shows an example of using a neural network to calculate the remaining capacity of a secondary battery.
  • Detecting abnormality of the secondary battery for example, early detecting a phenomenon that reduces the safety of the secondary battery, warning the user, or securing the safety by changing the operating condition of the secondary battery Is one of the issues.
  • the conventional secondary battery abnormality detection requires correction if the secondary battery is deteriorated and an error occurs, but no correction by feedback is included, and the accuracy is low because the correction is insufficient and the accuracy is improved. That is also one of the issues.
  • one of the problems is a control system of a secondary battery that predicts other parameters (such as internal resistance and SOC) with high accuracy while performing abnormality detection.
  • internal resistance and SOC are estimated by calculation processing using a regression model (regressive equation), for example, a regression analysis, a Kalman filter, or a multiple regression analysis.
  • a regression model for example, a regression analysis, a Kalman filter, or a multiple regression analysis.
  • the Kalman filter is a kind of infinite impulse response filter.
  • multiple regression analysis is one of multivariate analysis, and is a combination of multiple independent variables of regression analysis.
  • the multiple regression analysis there is a least squares method or the like. While a large number of time series of observation values are required in the regression analysis, the Kalman filter has an advantage that optimum correction coefficients can be obtained sequentially as long as data accumulation to a certain extent. Also, the Kalman filter can be applied to non-stationary time series.
  • a non-linear Kalman filter (specifically, a non-scented Kalman filter (also referred to as UKF)) can be used.
  • a non-scented Kalman filter also referred to as UKF
  • an extended Kalman filter also called EKF
  • the secondary battery abnormality detection device, the abnormality detection system, and the abnormality detection method disclosed herein use the following means.
  • a Kalman filter is used to detect the difference between the observed value (voltage) at a certain point in time and the voltage estimated using the prior state variable.
  • a threshold voltage is set in advance, and a sudden abnormality, specifically, a micro short or the like is detected from the detected difference voltage. By detecting a micro short or the like, an abnormality in the secondary battery can be detected early.
  • micro short refers to a minute short inside the secondary battery, not to the extent that the positive electrode and the negative pole of the secondary battery are shorted to cause a state in which charging and discharging are not possible. It indicates a phenomenon in which a short circuit current flows slightly.
  • One of the causes of micro-shorting is that charge and discharge are performed multiple times, and uneven distribution of the positive electrode active material causes local concentration of current at a part of the positive electrode and a part of the negative electrode. It is said that micro short circuit is caused due to generation of a part where one part fails or generation of a side reaction product by side reaction.
  • an abnormality detection system for detecting a microshort at an early stage and preventing a serious accident or a control system for a secondary battery or a charging system for a secondary battery.
  • the micro short is a secondary battery specific abnormality, and conventionally, there was no method or system for detecting the micro short, focusing on the micro short.
  • the present inventors find a value that fluctuates greatly when a micro short occurs, and construct a method and system for calculating the value. Furthermore, a correction based on feedback is added using an AI (Artificial Intelligence) system (neural network) to detect an abnormality occurrence of the secondary battery.
  • AI Artificial Intelligence
  • the measurement model for detecting the occurrence of abnormality of the secondary battery is shown below.
  • the model is a model of an abnormality detection system of a secondary battery, and the output from the system is determined by performing calculation or simulation according to a predetermined procedure for the input to the system.
  • the model is a mechanism (eg, neural network, hidden Markov model, polynomial function approximation, etc.) capable of determining the optimum output for the input of the system by means such as regression and learning. These models are examples and are not limited.
  • the model and input values are used in the pre-estimation prediction step, and the observation values are used in the post-estimation step (also referred to as the filtering step).
  • the above equation is a state equation that describes the transition of the system state.
  • the observed value y (k) has the following relationship with x (k).
  • c T is an observation model responsible for linearly mapping the state space to the observation space.
  • w (k) is the observation noise.
  • the above equation is an observation equation.
  • the state equation and the observation equation are collectively called a state space model.
  • the prior state estimated value (left side) can be expressed by the following equation.
  • k is an integer such as 0, 1, 2 or the like, and k is time.
  • u (k) is an input signal and is a current value in the case of a secondary battery, and x (k) represents a state variable.
  • the prior error covariance (the left side P ⁇ (k) is the inverse of the covariance matrix) can be expressed by the following equation.
  • a pre-covariance matrix of the pre-state estimated value and the state is calculated based on the state equation. Based on the posterior state estimated value at time k and the posterior covariance matrix of the state and the state equation, the preliminary state estimated value at time k + 1 and the prior covariance matrix are calculated.
  • the estimated value and the measured voltage (observed value) are compared, and a Kalman gain, which is a weighting coefficient of an error, is calculated by a Kalman filter to correct the estimated value.
  • the Kalman gain g (k) used in the filtering step can be expressed by the following equation.
  • the posterior state estimated value (left side) used in the filtering step can be expressed by the following equation.
  • a posteriori error covariance matrix P (k) used in the filtering step can be expressed by the following equation.
  • the value of the following equation that is, the difference between the observed value (voltage) at a certain point in time and the voltage estimated using the prior state variable, is monitored by the measurement model for detecting the occurrence of abnormality of the secondary battery described above If the behavior of the value changes significantly, it is detected by assuming that an abnormality such as a microshort has occurred.
  • a signal is output as the value of the differential voltage in the above equation exceeds a certain threshold by a comparator or the like, and when an abnormality is detected, a signal for displaying an abnormal signal on the display or a buzzer to a speaker Output a signal for warning etc.
  • the terms “detection” and “detection” are used interchangeably.
  • Detection refers to detecting an abnormal data and communicating outside, ie, outputting a signal to another circuit, when the abnormal data is correct.
  • Detection refers to picking up anomaly data only, and is defined as including noise (incorrect anomaly data).
  • “detection” is part of “detection” but not equal, “detection” includes at least a notification (signal output) to other circuits.
  • the differential voltage largely fluctuates to generate noise. Since the generation of the noise is not a phenomenon leading to the abnormality of the secondary battery, a plurality of comparators may be provided to remove the noise.
  • a first detection unit that detects a voltage value of a secondary battery that is a first observation value
  • a second that detects a current value of a secondary battery that is a second observation value
  • Calculation unit that calculates the preliminary state estimated value (estimated voltage value) using the Kalman filter based on the state equation, the difference between the voltage value of the first observed value, and the estimated voltage value obtained at the previous time
  • a determination unit that determines that the secondary battery is abnormal (such as a micro short circuit) if a certain threshold range is exceeded.
  • the determination unit includes one or more comparators. By using a plurality of comparators, noise can be removed and error in anomaly detection can be reduced.
  • the above configuration includes a neural network configuration unit that receives a difference between the voltage value of the first observation value and the estimated voltage value obtained at the previous time.
  • an abnormality detection method for determining whether the secondary battery is abnormal, and includes a pre-estimated prediction step of outputting an estimated voltage value using a Kalman filter based on a state equation. And a filtering step of calculating a posterior state estimated value and a posteriori error covariance matrix.
  • a computer calculates a preliminary state estimated value (estimated voltage value) using a Kalman filter based on a state equation, a voltage value of the observed value, and a previous time It is a program for obtaining the difference with the estimated voltage value obtained in and making it function as a determination unit that determines that the secondary battery is abnormal if it exceeds a certain threshold range.
  • the abnormality detection system for a secondary battery can also be configured using the above abnormality detection device, the above method, and a computer that executes the above program.
  • the computer is, for example, a control device of an electric vehicle, a smartphone, and a laptop personal computer, and has a control unit, a storage unit, and an input / output unit as its configuration.
  • the control unit has a CPU (or an MPU, an MCU (Micro Controller Unit)) or the like.
  • the control unit can also use a GPU (Graphics Processing Unit).
  • a chip in which a CPU and a GPU are integrated into one may be called an APU (Accelerated Processing Unit), and this APU chip can also be used.
  • an IC (also called an inference chip) incorporating an AI system may be used.
  • An IC incorporating an AI system may be called a circuit (microprocessor) that performs neural network operations.
  • the storage unit includes a RAM, a ROM, an HDD, and the like.
  • the input / output unit includes an operation unit, a display unit, a communication unit, and the like.
  • the program is not limited to being stored in the storage unit of the computer, and the computer may read and execute the program stored in the storage medium readable by the computer.
  • the computer readable storage medium is, for example, a disk such as a CD-ROM, a magnetic tape, a USB memory, a flash memory, or the like.
  • the program may be stored in a device connected to a connection line such as the Internet, LAN (Local Area Network), or wireless LAN, and the computer may read and execute the program from the connection line. .
  • an abnormality detection system that detects a micro short, and a first detection unit that detects a voltage value of a secondary battery that is a first observation value, and a second observation.
  • a second detection unit that detects the current value of the secondary battery that becomes a value, a calculation unit that calculates an estimated state value (estimated voltage value) using a Kalman filter based on a state equation, and a voltage value of the first observed value
  • a determination unit that determines the difference between the estimated voltage value obtained at the previous time and determines that the secondary battery is abnormal (such as a micro short) if the threshold range is exceeded. It is an abnormality detection system that detects an abnormality in the data resulting from it.
  • the secondary battery abnormality detection system disclosed herein performs secondary battery monitoring constantly or periodically.
  • the sampling cycle (and the calculation cycle) can be set as appropriate.
  • the secondary battery abnormality detection system disclosed in the present specification can also be called a secondary battery monitoring system.
  • detecting abnormality such as external surface temperature abnormality or external shape deformation of the secondary battery using a temperature sensor, camera, gas sensor, etc. is also more reliably detected when it is included in the secondary battery abnormality detection system. Can be made possible.
  • the prediction error judged to be abnormal is not inputted to the Kalman filter as it is, but the prediction error judged to be normal is inputted instead.
  • the accuracy of the estimation is enhanced by calculating the internal resistance and SOC of the secondary battery without using outliers.
  • Another configuration of the invention disclosed in the present specification is a method of estimating the state of a secondary battery for estimating the state of charge of the secondary battery, which acquires data of observed values from the secondary battery and uses a regression model.
  • the preliminary state estimated value is calculated, the prediction error voltage Vd which is the difference between the observed value and the preliminary state estimated value is calculated, and the data is based on whether the data of the prediction error voltage Vd exceeds a preset threshold value. It is determined whether it is noise or not, and instead of the data determined to be noise, the average value of k pieces of data before abnormality detection is replaced with a regression model to be input and corrected, and second detection that continues abnormality detection even after noise detection It is a battery state estimation method.
  • the problem of micro shorts occurs during charging.
  • the battery is constituted by only one battery
  • the current is controlled by the charger, so that the apparent current value does not change at the time of the micro short circuit, and the voltage value changes.
  • a voltage change will become small and detection will become difficult.
  • this voltage change is within the upper and lower voltage range of battery use, a special detection mechanism is required.
  • current in a parallel battery, when a microshort occurs, the internal resistance decreases, so the amount of current flowing to the healthy battery becomes relatively small, and a large amount of current flows to the abnormal battery, which is dangerous.
  • the current of the entire battery assembly is maintained at a controlled value, it is difficult to detect an abnormality.
  • it is the structure of a general assembled battery, it is common to monitor the voltage of each serial stage, However, it is difficult to monitor the electric current of all the batteries from cost and the complexity of wiring.
  • the comparison circuit detects that it is smaller than the signal REF, that is, when the value of Expression 8 ⁇ REF, it is regarded as an abnormality such as a microshort and this abnormality is detected.
  • Create prediction error data for example, the average of normal prediction errors from 1 step to 4 steps before is input to the Kalman filter. Even after detecting an abnormality, the SOC can be determined accurately.
  • the advantage of the Kalman filter is that residual capacity can be predicted with high accuracy, and further, even if the initial residual capacity is unknown, residual capacity can be predicted.
  • An estimation method for estimating the state of charge of the secondary battery is shown below. After detecting the occurrence of abnormality of the secondary battery, repeat the procedure to continue estimation.
  • a mechanism eg, neural network, hidden Markov model, polynomial function approximation, etc.
  • a mechanism capable of determining the optimum output for the input of the system by means such as regression or learning. Because it is preferable to use a large amount of data and analysis for learning to do learning, it may be performed within the site on a workstation or server appliance, in which case using one or more servers, the data Storage and analysis are semi-automated with automation or cooperation of operators.
  • the secondary battery abnormality detection system disclosed herein can also be used.
  • an electromagnetic induction method and a magnetic field resonance method as a method of wirelessly transmitting power of several W or more at a distance of several tens of centimeters or less.
  • Qi Qi
  • WiPower WiPower standard.
  • the power from the power transmission device may be received by the power reception coil, and the abnormality detection device may be provided between the power reception coil and the secondary battery.
  • a communication function wireless LAN or Bluetooth (registered trademark)
  • the embodiments described herein below include the use of a special purpose computer or a general purpose computer, including various computer hardware or software. Also, the embodiments described herein below may be implemented using a computer readable recording medium. Also, the recording medium may include RAM, ROM, an optical disc, a magnetic disc, or any other storage medium that can be accessed by a computer. Also, the algorithms, components, flows, programs, etc. shown by way of example in the embodiments described herein below may be implemented in software or may be implemented in a combination of hardware and software.
  • the abnormality detection of the secondary battery can be performed easily and accurately by monitoring the value (difference voltage) of Equation 8 described above. Furthermore, by performing correction by feedback using a neural network and detecting abnormality of the secondary battery, it is possible to detect abnormality of the secondary battery with higher accuracy.
  • abnormality detection for one secondary battery, but also for a plurality of secondary batteries connected in series, abnormality detection can be performed.
  • the secondary battery is not limited to a lithium ion secondary battery using an electrolytic solution, but all solid batteries using a solid electrolyte, a sodium ion secondary battery, a potassium ion secondary battery and the like can also be used.
  • the potassium ion secondary battery has a weaker ability to attract a solvent than lithium or sodium, and ions can freely move in the electrolyte.
  • the threshold value is appropriately set in accordance with the secondary battery. Since microshorts can also occur in all solid state batteries, the anomaly detection system disclosed herein is useful.
  • the abnormality detection system disclosed herein can be mounted on an IC chip or the like, and can be incorporated into a part of a system of a vehicle, which is useful. In addition, it may be configured by one IC chip integrated with another functional circuit (Random Access Memory (RAM), GPU (Graphics Processing Unit), PMU (Power Management Unit) or the like).
  • RAM Random Access Memory
  • GPU Graphics Processing Unit
  • PMU Power Management Unit
  • the anomaly detection system disclosed herein can shorten detection timing and can realize anomaly detection in real time.
  • abnormality detection can be realized regardless of the state of the secondary battery, such as during charging or discharging.
  • FIG. 7 is an equivalent circuit model illustrating one embodiment of the present invention.
  • (A) is a functional block diagram showing one embodiment of the present invention
  • (B) is a diagram showing a relationship between a differential voltage and time. It is a functional block diagram showing one mode of the present invention. It is a functional block diagram showing one mode of the present invention. It is a functional block diagram showing one mode of the present invention. It is a functional block diagram showing one mode of the present invention. It is a functional block diagram showing one mode of the present invention. It is a functional block diagram showing one mode of the present invention. It is a graph which shows the simulation result using the measurement model which shows 1 aspect of this invention. It is a graph which shows the simulation result using the measurement model which shows 1 aspect of this invention. FIG.
  • FIG. 1 is a block diagram of an electric vehicle and a perspective view of a secondary battery showing one embodiment of the present invention.
  • FIG. 2 is a perspective view showing an example of a secondary battery. Sectional drawing and a perspective view which show an example of a secondary battery.
  • 1 is a flow showing an embodiment of the present invention.
  • FIG. 7 is a diagram illustrating an equivalent circuit model illustrating one embodiment of the present invention.
  • FIG. 1 is a system diagram illustrating an aspect of the present invention.
  • FIG. 1 is a system diagram illustrating an aspect of the present invention. 1 is a flow showing an embodiment of the present invention.
  • FIG. 1 is an example of an equivalent circuit model (also referred to as a battery model) of a battery used for abnormality detection.
  • R0 shown in FIG. 1 is a series resistance component, and R1, R2, R3 and R4 are resistances.
  • C2, C3 and C4 are capacities.
  • a pulse signal is applied to the micro short model 400 in FIG. 1 at a constant time interval to generate a micro short in a pseudo manner to perform a numerical simulation of the battery model.
  • this embodiment will be described using numerical simulation, in actuality, the voltage of a battery having an abnormality is monitored.
  • OCV shown in FIG. 1 is an abbreviation for Open Circuit Voltage, and when the battery has been disconnected from the external circuit and sufficient time has passed, and the electrochemical reaction inside the battery is in equilibrium, The potential difference of the negative electrode is used.
  • FIG. 2A shows an example of a functional block, which can also be called estimation logic.
  • the delay circuit 402 is a circuit for using the state estimation value at time k for estimation at time (k + 1).
  • a and b are matrices obtained from the model.
  • C T is an observation coefficient vector.
  • Z ⁇ 1 is a delay circuit.
  • symbol 401 in FIG. 2 (A) is a part of the difference (difference voltage) of the observation value (voltage) and the voltage estimated using the prior state variable.
  • the difference voltage changes rapidly, it can be considered that a micro short has occurred. Therefore, the value of this difference voltage is input to the comparator 403, and the threshold value given by the reference signal (REF) is input to the comparator 403. It is judged whether it is abnormal or not by comparing. Of the two values input in the comparator 403, the lower one is compared as the output LO. The comparison may be performed at multiple levels by changing REF several times within one step period.
  • FIG. 2B is a graph showing the relationship between the terminal voltage of the secondary battery, the differential voltage, and the time.
  • the horizontal axis is time, and the vertical axis is voltage. Since the fluctuation is not so large at the value of the terminal voltage, it is difficult to specify the occurrence timing of the micro short circuit.
  • FIG. 2 (B) a sharp change appears at the center of the difference voltage (the voltage difference between the observed value and the estimated value of the prior state), which coincides with the timing of the occurrence of the micro short. Therefore, the occurrence of the micro short can be determined by monitoring the differential voltage.
  • the SOC estimation value can also be output by using the same input data and sharing in part the estimation logic shown in FIG. 2 (A).
  • the SOC estimated value can be output without increasing the circuit scale.
  • FIG. 3 is a diagram showing an example of a functional block.
  • the second embodiment differs from the first embodiment in that a neural network unit 404 is provided.
  • NN in FIG. 3A is a neural network unit, which is an output LO (k).
  • the portion indicated by reference numeral 401 in FIG. 3A is the portion of the difference (differential voltage) between the observed value (voltage) and the voltage estimated using the prior state variable, and the value of this differential voltage is To determine if it is abnormal or not by comparing it with the learning data.
  • the accuracy can be further improved.
  • FIG. 3B is one of other variations.
  • the functional block shown in FIG. 3 (B) inputs the value of the difference voltage to both the comparator and the neural network (NN) and ORs both outputs. Also, it may be AND instead of OR.
  • FIG. 4A is one of other variations.
  • the functional block shown in FIG. 4A inputs the output of the comparator to a neural network (NN), and determines whether the output value is abnormal or not.
  • NN neural network
  • FIG. 4B is one of other variations.
  • the functional block shown in FIG. 4 (B) inputs the output of the comparator to a neural network (NN), and determines whether or not it is abnormal with a value obtained by ANDing the comparator and the neural network (NN).
  • FIG. 5A is one of other variations.
  • the functional block shown in FIG. 5A is configured to detect an abnormality using data after passing the Kalman gain g (k).
  • the relationship between the passage of time and the value of the differential voltage is examined, and there is an error different from that at the occurrence of the micro short.
  • the present inventors have found that an error occurs when switching between charge and discharge in a secondary battery. As shown in FIG. 6A, it can be seen that the terminal current changes at the discharge timing.
  • This embodiment can be freely combined with any of the other embodiments.
  • Embodiment 4 In this embodiment, an example applied to an electric vehicle (EV) will be described with reference to FIG.
  • FIG. 10A shows an example of a block diagram of an electric vehicle.
  • the electric vehicle is provided with a first battery 301 as a main drive secondary battery, and a second battery 311 for supplying power to an inverter 312 for starting the motor 304.
  • the abnormality monitoring unit 300 driven by the power supply of the second battery 311 monitors a plurality of secondary batteries constituting the first battery 301 collectively.
  • the first battery 301 mainly supplies power to the 42V system (high voltage system) in-vehicle device, and the second battery 311 supplies power to the 14V system (low voltage system) in-vehicle device.
  • the second battery 311 a lead storage battery is often adopted because of cost advantages. Lead-acid batteries have larger self-discharge than lithium ion secondary batteries, and have the drawback of being easily degraded by a phenomenon called sulfation. There is a merit of making the second battery 311 a lithium ion secondary battery free of maintenance, but if it is used for a long period of time, for example, three years or more, there is a possibility that an abnormal occurrence which can not be distinguished at the time of manufacturing may occur.
  • the second battery 311 for starting the inverter becomes inoperable
  • the second battery 311 is a lead storage battery to prevent that the motor can not be started even if the first battery 301 has remaining capacity.
  • power is supplied from the first battery to the second battery, and the battery is charged so as to always maintain the full charge state.
  • the second battery 311 may use a lead storage battery or an all solid battery.
  • the cylindrical secondary battery 600 has a positive electrode cap (battery lid) 601 on the top and a battery can (outer can) 602 on the side and bottom.
  • the positive electrode cap and the battery can (outer can) 602 are insulated by a gasket (insulation packing) 610.
  • FIG. 12B is a view schematically showing a cross section of a cylindrical secondary battery.
  • a battery element Inside the hollow cylindrical battery can 602 is provided a battery element in which a strip-shaped positive electrode 604 and a negative electrode 606 are wound with a separator 605 interposed therebetween.
  • the battery element is wound around the center pin.
  • One end of the battery can 602 is closed and the other end is open.
  • a metal such as nickel, aluminum, titanium or the like having corrosion resistance to an electrolytic solution, or an alloy of these or an alloy of these with another metal (for example, stainless steel or the like) can be used.
  • the battery element in which the positive electrode, the negative electrode, and the separator are wound is sandwiched between a pair of opposing insulating plates 608 and 609.
  • a non-aqueous electrolyte (not shown) is injected into the inside of the battery can 602 provided with the battery element.
  • the secondary battery includes a positive electrode containing an active material such as lithium cobaltate (LiCoO 2 ) and lithium iron phosphate (LiFePO 4 ), a negative electrode made of a carbon material such as graphite capable of absorbing and releasing lithium ions, and ethylene It comprises a non-aqueous electrolytic solution in which an electrolyte composed of a lithium salt such as LiBF 4 or LiPF 6 is dissolved in an organic solvent such as carbonate or diethyl carbonate.
  • an active material such as lithium cobaltate (LiCoO 2 ) and lithium iron phosphate (LiFePO 4 )
  • a negative electrode made of a carbon material such as graphite capable of absorbing and releasing lithium ions
  • ethylene ethylene
  • It comprises a non-aqueous electrolytic solution in which an electrolyte composed of a lithium salt such as LiBF 4 or LiPF 6 is dissolved in an organic solvent such as carbonate or diethyl carbonate.
  • a positive electrode terminal (positive electrode current collection lead) 603 is connected to the positive electrode 604, and a negative electrode terminal (negative electrode current collection lead) 607 is connected to the negative electrode 606. Both the positive electrode terminal 603 and the negative electrode terminal 607 can be made of a metal material such as aluminum.
  • the positive electrode terminal 603 is resistance welded to the safety valve mechanism 612, and the negative electrode terminal 607 is resistance welded to the bottom of the battery can 602.
  • the safety valve mechanism 612 is electrically connected to the positive electrode cap 601 via a PTC (Positive Temperature Coefficient) element 611.
  • the safety valve mechanism 612 disconnects the electrical connection between the positive electrode cap 601 and the positive electrode 604 when the increase in internal pressure of the battery exceeds a predetermined threshold.
  • the PTC element 611 is a heat sensitive resistance element whose resistance increases when the temperature rises, and the amount of current is limited by the increase of the resistance to prevent abnormal heat generation.
  • a barium titanate (BaTiO 3 ) -based semiconductor ceramic or the like can be used for the PTC element.
  • a lithium ion secondary battery using an electrolytic solution has a positive electrode, a negative electrode, a separator, an electrolytic solution, and an outer package.
  • the anode (anode) and the cathode (cathode) are replaced by charge and discharge, and the oxidation reaction and the reduction reaction are replaced, so the electrode with high reaction potential is called a positive electrode, and the reaction potential The lower electrode is called the negative electrode. Therefore, in the present specification, the positive electrode is “positive electrode” or “positive electrode” even during charging, discharging, reverse pulse current flow, or charging current flow.
  • the positive electrode (positive electrode) is referred to, and the negative electrode is referred to as a "negative electrode” or "-electrode (minus electrode)".
  • anode anode
  • cathode cathode
  • the charge and discharge may be reversed, which may cause confusion.
  • anode anode
  • cathode cathode
  • the terms anode (anode) and cathode (cathode) are not used herein. If the terms anode (anode) and cathode (cathode) are used, specify whether it is charging or discharging, and also indicate which one corresponds to the positive electrode (positive electrode) or the negative electrode (negative electrode). Do.
  • a charger is connected to the two terminals shown in FIG. 12C, and the storage battery 1400 is charged.
  • reference numeral 1406 denotes an electrolytic solution
  • 1408 denotes a separator.
  • the potential difference between the electrodes increases. 12C, the external terminal of storage battery 1400 flows toward positive electrode 1402, and in storage battery 1400, the current flows from positive electrode 1402 toward negative electrode 1404, and flows from the negative electrode toward the external terminal of storage battery 1400.
  • the direction of the current is positive. That is, the direction in which the charging current flows is the direction of the current.
  • the present invention is not limited to a lithium ion secondary battery, and a material having, for example, an element A, an element X, and oxygen is used as a positive electrode material of the secondary battery.
  • the element A is preferably one or more selected from Group 1 elements and Group 2 elements.
  • an alkali metal such as lithium, sodium or potassium can be used as the element of Group 1.
  • an element of Group 2 for example, calcium, beryllium, magnesium and the like can be used.
  • the element X for example, one or more selected from metal elements, silicon and phosphorus can be used.
  • the element X is preferably at least one selected from cobalt, nickel, manganese, iron, and vanadium.
  • lithium cobalt composite oxide (LiCoO 2 ) and lithium iron phosphate (LiFePO 4 ) can be mentioned.
  • the negative electrode has a negative electrode active material layer and a negative electrode current collector.
  • the negative electrode active material layer may have a conductive additive and a binder.
  • an element capable of performing charge and discharge reaction by alloying and dealloying reaction with lithium can be used.
  • a material containing at least one of silicon, tin, gallium, aluminum, germanium, lead, antimony, bismuth, silver, zinc, cadmium, indium, and the like can be used.
  • Such an element has a larger capacity than carbon, and in particular, silicon has a theoretical capacity as high as 4200 mAh / g.
  • the secondary battery preferably has a separator.
  • the separator include fibers having cellulose such as paper, non-woven fabrics, glass fibers, ceramics, or nylon (polyamide), vinylon (polyvinyl alcohol-based fibers), polyester, acrylic, polyolefin, synthetic fibers using polyurethane, etc. The one formed by can be used.
  • regenerative energy due to the rotation of the tire 316 is sent to the motor 304 via the gear 305, and the second battery 311 is charged from the motor controller 303 or the battery controller 302, or the first battery 301 is charged.
  • the first battery 301 is mainly used to rotate the motor 304, but supplies electric power to 42V-system on-vehicle components (electric power steering 307, heater 308, defogger 309, etc.) through the DCDC circuit 306. .
  • the first battery 301 is also used to rotate the rear motor even when the rear wheel has the rear motor.
  • the second battery 311 supplies power to the on-vehicle components (audio 313, power window 314, lamps 315, etc.) of the 14V system via the DCDC circuit 310.
  • the first battery 301 is configured of a set of modules including a plurality of secondary batteries.
  • a cylindrical secondary battery 600 shown in FIG. 12A is used.
  • the cylindrical secondary battery 600 may be sandwiched between the conductive plate 613 and the conductive plate 614 to form a module.
  • the switch is not shown between secondary batteries in FIG. 10 (B).
  • the plurality of secondary batteries 600 may be connected in parallel, may be connected in series, or may be further connected in series after being connected in parallel. By configuring a module having a plurality of secondary batteries 600, large power can be extracted.
  • the on-vehicle secondary battery has a service plug or a circuit breaker that can shut off a high voltage without using a tool in order to shut off the power from the plurality of secondary batteries, and is provided in the first battery 301.
  • the service plug or the circuit breaker is provided between the 24th and 25th cells.
  • FIG. 11 illustrates a vehicle using a secondary battery abnormality detection system according to an aspect of the present invention.
  • the secondary battery 8024 of the automobile 8400 shown in FIG. 11A can not only drive the electric motor 8406 but also supply power to light-emitting devices such as the headlight 8401 and a room light (not shown).
  • the secondary battery 8024 of the automobile 8400 may be a module obtained by sandwiching the cylindrical secondary battery 600 shown in FIG. 10B between the conductive plate 613 and the conductive plate 614.
  • FIG. 11B An automobile 8500 illustrated in FIG. 11B can be charged by receiving power supply from an external charging facility to a secondary battery included in the automobile 8500 by a plug-in system, a non-contact power feeding system, or the like.
  • FIG. 11B shows a state in which the secondary battery 8024 mounted on the vehicle 8500 from the ground-mounted charging device 8021 is charged through the cable 8022.
  • the charging method, the standard of the connector, etc. may be appropriately performed by a predetermined method such as CHAdeMO (registered trademark) or combo.
  • the charging device 8021 may be a charging station provided in a commercial facility, or may be a home power source.
  • the plug-in technology can charge the secondary battery 8024 mounted on the automobile 8500 by external power supply. Charging can be performed by converting alternating current power to direct current power via a conversion device such as an ACDC converter.
  • the power receiving device may be mounted on a vehicle, and power may be supplied contactlessly from a ground power transmitting device for charging.
  • charging can be performed not only while the vehicle is stopped but also while it is traveling by incorporating the power transmission device on the road or the outer wall.
  • power may be transmitted and received between vehicles using this method of non-contact power feeding.
  • a solar cell may be provided on the exterior of the vehicle to charge the secondary battery when the vehicle is stopped or traveling.
  • an electromagnetic induction method or a magnetic resonance method can be used for such non-contact power supply.
  • FIG. 11C is an example of a two-wheeled vehicle using the secondary battery of one embodiment of the present invention.
  • a scooter 8600 shown in FIG. 11C includes a secondary battery 8602, a side mirror 8601, and a direction indicator light 8603.
  • the secondary battery 8602 can supply electricity to the direction indicator 8603.
  • the scooter 8600 shown in FIG. 11C can store the secondary battery 8602 in the under-seat storage 8604.
  • the secondary battery 8602 can be stored in the under-seat storage 8604 even if the under-seat storage 8604 is small.
  • the secondary battery 8602 can use an all-solid-state battery.
  • the secondary battery 8602 is composed of a plurality of laminated secondary batteries.
  • an example of a laminate type secondary battery using an all solid state battery is shown in FIG.
  • a laminate type secondary battery 500 shown in FIG. 13D includes a positive electrode lead electrode 510 and a negative electrode lead electrode 511.
  • the production procedure of the laminate type secondary battery will be briefly described.
  • the positive electrode has a positive electrode current collector, and the positive electrode active material layer is formed on the surface of the positive electrode current collector.
  • the positive electrode has a region where the positive electrode current collector is partially exposed (hereinafter referred to as a tab region).
  • the negative electrode has a negative electrode current collector, and the negative electrode active material layer is formed on the surface of the negative electrode current collector.
  • the negative electrode has a region where a negative electrode current collector is partially exposed, that is, a tab region.
  • the negative electrode, the solid electrolyte layer, and the positive electrode are stacked.
  • an example is shown in which five pairs of negative electrodes and four pairs of positive electrodes are used.
  • bonding of the tab regions of the positive electrode and bonding of the positive electrode lead electrode 510 to the tab region of the positive electrode on the outermost surface are performed.
  • ultrasonic welding may be used for bonding.
  • bonding of the tab regions of the negative electrode and bonding of the negative electrode lead electrode 511 to the tab region of the outermost negative electrode are performed.
  • the solid electrolyte layer may be a material layer (ceramic or the like) containing a solid component capable of conducting lithium ions.
  • the solid electrolyte layer is formed by slurrying ceramic powder or glass powder to form a sheet.
  • the definition of ceramic is a material of inorganic compounds such as oxides, carbides, nitrides and borides regardless of metal or nonmetal. Glass is amorphous and is defined as a material having a glass transition phenomenon, but a microcrystalline material is sometimes called ceramic glass. Since the ceramic glass has crystallinity, it can be confirmed by X-ray diffraction.
  • an oxide solid electrolyte, a sulfide solid electrolyte, or the like can be used as the solid electrolyte.
  • the solid electrolyte is contained also in the positive electrode active material layer and the negative electrode active material layer, and a conductive support agent may be contained.
  • the conductive support agent may be any material having electron conductivity, and for example, a carbon material, a metal material or the like can be used.
  • Li 3 PO 4 , Li 3 BO 3 , Li 4 SiO 4 , Li 4 GeO 4 , LiNbO 3 , LiVO 2 , LiTiO 3 , LiZrO 3 or the like may be used as the solid oxide electrolyte used as the positive electrode active material.
  • the surface of the solid electrolyte may be at least partially covered with a coating layer of 1 nm or more and 20 nm or less, and a material of the coating layer is Li ion conductive oxide.
  • SiO refers to, for example, silicon monoxide.
  • SiO refers to a material with a higher composition of silicon compared to SiO 2 and can also be expressed as SiO x .
  • x preferably has a value close to one.
  • x is preferably 0.2 or more and 1.5 or less, and more preferably 0.3 or more and 1.2 or less.
  • a sulfide solid electrolyte used as a positive electrode active material a material containing Li and S, specifically, Li 7 P 3 S 11 , Li 2 S-SiS 2 , Li 2 S-P 2 S 5 etc. It can be mentioned.
  • the outer package may be a laminated film in which a metal foil and an organic resin film are laminated, such as aluminum foil or stainless steel foil, and for example, thermocompression bonding may be used for bonding.
  • a metal foil and an organic resin film are laminated, such as aluminum foil or stainless steel foil, and for example, thermocompression bonding may be used for bonding.
  • thermocompression bonding may be used for bonding.
  • the laminate type secondary battery 500 shown in FIG. 13D can be manufactured.
  • two laminate films may be stacked and the peripheral portion may be adhered and sealed.
  • FIG. 13A is a view showing the concept of a solid battery, and has a solid electrolyte layer 83 between the positive electrode 81 and the negative electrode 82.
  • Solid-state batteries include thin-film all-solid batteries and bulk-type all-solid batteries.
  • a thin film type all solid battery is an all solid battery obtained by laminating thin films
  • a bulk type all solid battery is an all solid battery obtained by laminating fine particles.
  • FIG. 13B shows an example of a bulk-type all solid battery, which has a particulate positive electrode active material 87 in the vicinity of the positive electrode 81 and a particulate negative electrode active material 88 in the vicinity of the negative electrode 82.
  • the solid electrolyte layer 83 is disposed to fill the space. By pressing between the positive electrode 81 and the negative electrode 82, a plurality of types of particles are filled so as to eliminate voids.
  • FIG. 13C is an example of a thin film type all solid state battery.
  • a thin film type all solid battery is formed into a film using a vapor phase method (a vacuum evaporation method, a thermal spraying method, a pulse laser deposition method, an ion plating method, a cold spray method, an aerosol deposition method, a sputtering method).
  • the positive electrode 81 is formed on the wiring electrode 85
  • the solid electrolyte layer 83 is formed on the positive electrode 81
  • the solid electrolyte layer 83 and the wiring electrode are formed.
  • a negative electrode 82 is formed on 86 to manufacture a lithium ion storage battery.
  • the substrate 84 may, for example, be a ceramic substrate, a glass substrate, a plastic substrate or a metal substrate.
  • FIG. 14 is a flow chart, and after detecting an abnormality such as a micro short, data of prediction error is created, for example, an average of normal prediction errors from one step to four steps before is input to a Kalman filter. Even after the abnormality is detected, the SOC can be determined accurately.
  • an abnormality such as a micro short
  • data of prediction error is created, for example, an average of normal prediction errors from one step to four steps before is input to a Kalman filter. Even after the abnormality is detected, the SOC can be determined accurately.
  • a signal is output as the value of the differential voltage in the above equation exceeds a certain threshold value by a comparator or the like, and an abnormality is detected.
  • a comparison is made with the threshold voltage signal REF input to the comparator to determine an abnormality.
  • the data of the timing at which the abnormality was detected is not used in the later estimation, and instead, the average value up to several steps before is input to the estimation algorithm.
  • the value of the differential voltage of the above equation (8) falls below the voltage signal REF, it is replaced with the average value of several times of the previous step. Therefore, when the value of the differential voltage of the equation (8) falls below the voltage signal REF input to the comparator, the differential voltage is not input to the loop of the Kalman filter.
  • the average value is input to the estimation algorithm, so that even if an abnormality occurs, estimation of SOC can be performed with high accuracy. If the average value up to several steps before is input to the estimation algorithm instead of the data of the timing at which the microshort abnormality is detected, the value of the differential voltage of the equation 8 is the data when the microshort does not occur. Approximate.
  • the secondary battery charge state estimation device includes at least a comparator 403, a delay circuit, an AND circuit 405, and a multiplexer 407.
  • the clock signal CLK is input to the AND circuit.
  • the reference signal REF is input to the comparator 403.
  • a secondary battery charge state estimation device for estimating the secondary battery charge state is detection means for detecting the voltage value of the secondary battery as the first observation value, Calculate the difference between the voltage value of the first observed value and the estimated voltage value obtained at the previous time by using a calculation unit that calculates the estimated voltage value using a regression model, and if it exceeds a certain threshold range, the secondary battery Is determined to be abnormal, and the determination unit includes one or more comparators, a multiplexer, and a delay circuit.
  • MUX in FIG. 16 is a multiplexer.
  • the secondary battery charging state estimation device may further include second detection means for detecting the current value of the secondary battery, which is the second observation value.
  • FIG. 17 shows another example of the system diagram.
  • an IIR (Infinite Impulse Response) filter is used.
  • N in FIG. 17 indicates the case of infinite time which is a sufficiently large value of time k.
  • FIG. 18 shows a flow chart.
  • the comparison circuit outputs a small value compared with the signal REF as LO, that is, when the value of ⁇ equation 8> ⁇ REF is regarded as an abnormality such as a micro short and this abnormality is detected. Do.
  • the data which detected the abnormality is a prediction error voltage, and the current I micro at the time of micro short is determined using a state equation. This will be described below using equivalent circuit models shown in FIGS. 15 (A) and 15 (B).
  • OCV is a potential difference at the time of discharge
  • V 0 , V 1 , V 2 and V 3 are voltages at respective points.
  • FIG. 15A shows an equivalent circuit model corresponding to the state before the occurrence of the micro short circuit.
  • u (k) is the current I BAT (k).
  • u (k) is an input signal, which is a current value in the case of a secondary battery.
  • T S is the sampling period
  • the above equation is the Kalman filter state equation.
  • the resistances R 1 , R 2 and R 3 , the capacities C 1 , C 2 and C 3 , and the full charge capacity FCC in the above equation may also be extended into the state variable x (k).
  • the above equation is a relational equation in the case where the time of occurrence of microshort is set to time k + 1. Also, the current at each location can be shown below.
  • voltages V 1 across the resistor R 1 and capacitor C 1 can be expressed as the following formula.
  • V 2 across the resistor R 2 and capacitor C 2 can be expressed as the following formula.
  • V 3 across the resistor R 3 and capacitor C 3 can be expressed as the following formula.
  • the above equation can be calculated to determine the current (I micro ) at the time of micro short circuit.
  • the current at the time of micro short is calculated using observed values of voltage V IN and current I BAT including R 0 , OCV, and prediction error voltage estimated one step before.
  • R 0 (k) is the covariance of the observation error.
  • the SOC (k) in the above equation corresponds to SOC data inside the Kalman filter at the time of the pre-estimation prediction step. Further, by replacing the value on the left side in the above equation with SOC data inside the Kalman filter immediately before the filtering step, the current at the time of micro short can be reflected in the SOC inside the Kalman filter.
  • the SOC can also be calculated by porting a program capable of executing the above equation to a microcomputer or a microprocessor.
  • FIG. 7 is an example of a functional block that performs a Kalman filter operation.
  • the second embodiment is the same as the first embodiment except for the part without the comparator.
  • the value of the differential voltage indicated by reference numeral 401 in FIG. 7 is important for the occurrence of the micro short, and the abnormality is detected in the secondary battery by monitoring the value.
  • a simulation is performed using data in which a current causing a micro short circuit periodically generated is artificially created.
  • FIG. 8 shows the simulation results, where the horizontal axis represents time, and the vertical axis represents the difference (differential voltage) between the difference voltage, specifically the difference between the observed value (voltage) and the voltage estimated using the prior state variable. There is.
  • the data in FIG. 8 is processed, and the vertical axis is divided into right and left for easy viewing.
  • the data used for the verification in FIG. 8 is data in which a microshort waveform is periodically inserted, and is generated 13 times in FIG. 8, but the actual secondary battery is generated randomly,
  • the size of the peak may also change depending on the use condition (charge or discharge) of the secondary battery. In either case, if a micro short is detected, the deterioration of the secondary battery is accelerated or disabled, so it is useful to be able to notify the user of a warning of the detection.
  • micro shorts The cause of the occurrence of micro shorts has not been identified yet, but there is also a theory that metal powder is mixed in during production, and although abnormality can not be detected immediately after production, abnormal parts (conductive parts) are grown and formed by repeated charging and discharging. , Micro shorts may occur. When the secondary battery in which the micro short circuit occurs is charged and discharged, the deterioration rapidly progresses and may suddenly become unusable. Therefore, the method of the present invention capable of detecting microshorts is useful.
  • Kalman filter is a system that sequentially matches, so errors in the vicinity of the start of FIGS. 8 and 9 can be ignored.
  • the value of the differential voltage indicated by reference numeral 401 in FIG. 7 has a minimum value of ⁇ 0.0631 V and a maximum value of +0.0324 V. Moreover, the peak point close to 0 at the point at which the micro short occurred was ⁇ 0.0386 V on the minus side and +0.0186 V on the plus side. Therefore, if all the micro shorts are to be detected, the threshold may be set to ⁇ 0.0386 V on the minus side and +0.0186 V on the plus side and detected using a comparator or the like. Since these values differ depending on the secondary battery used, simulation is appropriately performed in advance using characteristic data of the used secondary battery, and a threshold value or the like may be determined based on the result.
  • the simulation results shown in FIGS. 8 and 9 are obtained using LTspice (Simulation program with integrated circuit emphasis) which is a circuit simulator provided by Analog Devices.
  • LTspice Simulation program with integrated circuit emphasis

Abstract

要約書 異常検知をおこないつつ、 他のパラメータ （内部抵抗やＳＯＣなど） も高い精度で予測する二次電池 の制御システムを提供する。 カルマンフィルタを用い、 ある時点における観測値 （電圧） と事前状態変数を用いて推定した電圧と の差を検出する。 あらかじめしきい値電圧を設定し、 検出された差電圧により突発的な異常、 具体的 にはマイクロショートなどを検知する。 さらに、 ニューラルネットワークを用いて時系列の差電圧の データを学習し、異常か正常かを判断し検知することが好ましい。

Description

二次電池の異常検知装置、異常検知方法、及びプログラム
本発明の一様態は、物、方法、又は、製造方法に関する。または、本発明は、プロセス、マシン、マニュファクチャ、又は、組成物（コンポジション・オブ・マター）に関する。本発明の一態様は、半導体装置、表示装置、発光装置、蓄電装置、照明装置または電子機器の製造方法に関する。また、本発明の一様態は、蓄電装置の充電制御方法、蓄電装置の状態推定方法、及び蓄電装置の異常検知方法に関する。特に、蓄電装置の充電システム、蓄電装置の状態推定システム、および蓄電装置の異常検知システムに関する。
なお、本明細書中において、蓄電装置とは、蓄電機能を有する素子及び装置全般を指すものである。例えば、リチウムイオン二次電池などの蓄電池（二次電池ともいう）、リチウムイオンキャパシタ、ニッケル水素電池、全固体電池、及び電気二重層キャパシタなどを含む。
また、本発明の一態様は、ニューラルネットワークを用いた蓄電装置の異常検知システム及び蓄電装置の状態推定装置に関する。また、本発明の一態様は、ニューラルネットワークを用いた車両に関する。また、本発明の一態様は、ニューラルネットワークを用いた電子機器に関する。また、本発明の一態様は、車両に限定されず、構造体などに設置された太陽光発電パネルなどの発電設備から得られた電力を貯蔵するための蓄電装置にも適用できる状態推定システム及び設備異常検知システムに関する。
近年、リチウムイオン二次電池、リチウムイオンキャパシタ、空気電池等、種々の蓄電装置の開発が盛んに行われている。特に高出力、高エネルギー密度であるリチウムイオン二次電池は、携帯電話、スマートフォン、タブレット、もしくはノート型コンピュータ等の携帯情報端末、ゲーム装置、携帯音楽プレーヤ、デジタルカメラ、医療機器、ハイブリッド車（ＨＥＶ）、電気自動車（ＥＶ）、もしくはプラグインハイブリッド車（ＰＨＥＶ）等の次世代クリーンエネルギー自動車、又は、電動バイクなど、半導体産業の発展と併せて急速にその需要が拡大し、充電可能なエネルギーの供給源として現代の情報化社会に不可欠なものとなっている。
また、電気自動車は電動モータのみを駆動部とする車両であるが、エンジンなどの内燃機関と電動モータの両方を備えたハイブリッド自動車もある。自動車に用いられる二次電池も複数個を一つの電池パックとして、複数セットの電池パックが自動車の下部に配置されている。
電気自動車やハイブリッド自動車や電動バイクに用いる二次電池は、充電回数、放電深度、充電電流、充電する環境（温度変化）などによって劣化が生じる。使用者の使い方にも依存し、充電時の温度や、急速充電する頻度や、回生ブレーキによる充電量や、回生ブレーキによる充電タイミングなども劣化に関係する可能性がある。また、電気自動車やハイブリッド自動車に用いる二次電池は、経時劣化などにより、短絡などの異常が発生する恐れがある。
また、電気自動車やハイブリッド自動車や電動バイクに用いる二次電池は、長期間使用することが前提であるため、十分な信頼性を有することが望まれている。
リチウムイオン二次電池は、設計容量（ＤＣ）のうち、電池の残容量（ＲＣ）が満充電容量（ＦＣＣ（Ｆｕｌｌ　Ｃｈａｒｇｅ　Ｃａｐａｃｉｔｙ））にしめる割合、即ち充電率（ＳＯＣ）が設計容量の０％から１００％全て使用する設定になっておらず、過放電を防ぐため０％ではなくマージンが５％（または１０％）程度とられている。また、過充電を防ぐため１００％ではなくマージン５％（または１０％）程度がとられており、結果として、設計容量の５％から９５％の範囲内（または１０％から９０％の範囲内）で使用しているといわれている。実際には二次電池に接続されるＢＭＳ（Ｂａｔｔｅｒｙ　Ｍａｎａｇｅｍｅｎｔ　Ｓｙｓｔｅｍ）を用いて上限電圧Ｖｍａｘと下限電圧Ｖｍｉｎの電圧範囲を設定することで設計容量の５％から９５％の範囲内（または１０％から９０％の範囲内）で使用する。
二次電池は使用することや経時変化や温度変化により劣化が生じる。二次電池の内部の状態、特にＳＯＣ（充電率）を正確に知ることで二次電池を管理する。ＳＯＣを正確に知ることで上限電圧Ｖｍａｘと下限電圧Ｖｍｉｎの電圧範囲を広くすることもできる。従来ではクーロンカウント法によりＳＯＣ推定がされている。
特許文献１には、二次電池の残容量の演算に、ニューラルネットワークを用いる一例が示されている。
米国特許公開第２００６／０１８１２４５号公報
二次電池の異常を検出し、例えば二次電池の安全性を低下させる現象を早期に検出し、使用者に警告、または二次電池の動作条件を変更することにより、安全性を確保することを課題の一つとしている。
また、従来の二次電池の異常検知は、二次電池の劣化が生じて誤差が発生すると補正が必要であるが、フィードバックによる補正も入らず、不十分であるため精度が低く、精度を高めることも課題の一つとしている。
また、二次電池に大きなノイズが発生した場合、二次電池の内部抵抗やＳＯＣなどをモニタリングすると、入力されたノイズデータによって、後に推定されるＳＯＣの数値に誤差が生じる。理想的には、異常検知をおこないつつ、他のパラメータ（内部抵抗やＳＯＣなど）も高い精度で予測する二次電池の制御システムを課題の一つとしている。
リチウムイオン電池では、電流・電圧・温度のパラメータのみが測定でき、内部抵抗やＳＯＣ（充電率）は直接測定することが困難である。そこで、回帰モデル（回帰的な式）、例えば、回帰分析や、カルマンフィルタや、重回帰分析で計算処理して内部抵抗やＳＯＣを推定する。
カルマンフィルタは、無限インパルス応答フィルタの一種である。また、重回帰分析は多変量解析の一つであり、回帰分析の独立変数を複数にしたものである。重回帰分析としては、最小二乗法などがある。回帰分析では観測値の時系列が多く必要とされる一方、カルマンフィルタは、ある程度のデータの蓄積さえあれば、逐次的に最適な補正係数が得られるメリットを有する。また、カルマンフィルタは、非定常時系列に対しても適用できる。
二次電池の内部抵抗及びＳＯＣを推定する方法として、非線形カルマンフィルタ（具体的には無香料カルマンフィルタ（ＵＫＦとも呼ぶ））を利用することができる。また、拡張カルマンフィルタ（ＥＫＦともよぶ）を用いることもできる。
カルマンフィルタを用いて二次電池の内部抵抗及びＳＯＣを推定することは知られており、その手法のみでは突発的な異常、具体的にはマイクロショートなどを検出することが困難となっている。二次電池の内部抵抗及びＳＯＣを推定する場合には事後状態推定値を出力として扱うが、本発明では、状態推定値は直接使わず、観測値と事前状態推定値の差分を用いることで突発的な異常の検出を可能とする。
上記課題を解決するために、本明細書で開示する二次電池の異常検知装置及び異常検知システム及び異常検知方法は、以下の手段を用いる。
カルマンフィルタを用い、ある時点における観測値（電圧）と事前状態変数を用いて推定した電圧との差を検出する。あらかじめしきい値電圧を設定し、検出された差電圧により突発的な異常、具体的にはマイクロショートなどを検出する。マイクロショートなどを検出することによって二次電池の異常を早期に検知することができる。
マイクロショートとは、二次電池の内部の微小な短絡のことを指しており、二次電池の正極と負極が短絡して充放電不可能の状態になるというほどではなく、微小な短絡部でわずかに短絡電流が流れてしまう現象を指している。マイクロショートの原因の一つは、充放電が複数回行われることによって、正極活物質の不均一な分布により、正極の一部と負極の一部で局所的な電流の集中が生じ、セパレータの一部が機能しなくなる箇所が発生、または副反応による副反応物の発生によりミクロな短絡が生じていると言われている。
理想的な二次電池としては、二次電池の小型化のため、セパレータの薄化が望まれており、さらに、高い電圧での急速給電による充電が望まれており、どちらも二次電池にマイクロショートが生じやすい構成となっている。また、マイクロショートが繰り返し発生することで二次電池の異常発熱、及び発火などの重大事故に繋がる可能性がある。
従って、マイクロショートが発生した場合に早期に検出し、未然に重大事故を防ぐための異常検知システム、または二次電池の制御システム、または二次電池の充電システムを構成する。マイクロショートは二次電池特有の異常であり、従来、マイクロショートに注目し、マイクロショートを検出する方法及びシステムは存在していなかった。本発明者らは、マイクロショートが発生した時に大きく変動する値を見出し、その値を算出する方法およびシステムを構築する。さらに、ＡＩ（ＡＩ：Ａｒｔｉｆｉｃｉａｌ　Ｉｎｔｅｌｌｉｇｅｎｃｅ）のシステム（ニューラルネットワーク）を用いてフィードバックによる補正を入れて二次電池の異常発生の検出を行う。
二次電池の異常発生の検出を行う測定モデルを以下に示す。ここでモデルとは二次電池の異常検知システムのモデルであり、システムへの入力に対して予め定められた手順に従って計算もしくはシミュレーションを行うことによってシステムからの出力を決定する。回帰や学習などの手段によって、システムの入力に対して最適な出力を決定することができる仕組み（例えば、ニューラルネットワーク、隠れマルコフモデル、多項式関数近似など）をモデルとする。これらのモデルは一例であり、限定されない。
事前推定予測ステップではモデル及び入力値を利用し、事後推定ステップ（フィルタリングステップとも呼ぶ）では観測値を利用する。
Figure JPOXMLDOC01-appb-M000001
上記式は、システムの状態の遷移を記述する状態方程式である。
ある時点（時刻ｋ）において観測値ｙ（ｋ）はｘ（ｋ）と以下のような関係にある。
Figure JPOXMLDOC01-appb-M000002
ｃＴは状態空間を観測空間に線形写像する役割を担う観測モデルである。ｗ（ｋ）は観測雑音である。上記式は観測方程式である。
状態方程式と観測方程式を合わせて状態空間モデルと呼ぶ。
また、事前状態推定値（左辺）は以下の式で表せる。
Figure JPOXMLDOC01-appb-M000003
なお、ｋは０、１、２、などの整数、ｋは時間である。ｕ（ｋ）は入力信号であり二次電池の場合電流値となり、ｘ（ｋ）は状態変数を表している。
また、事前誤差共分散（左辺であるＰ−（ｋ）は共分散行列の逆行列である）は以下の式で表せる。
Figure JPOXMLDOC01-appb-M000004
事前推定予測ステップでは状態方程式に基づき、事前状態推定値及び状態の事前共分散行列を算出する。時刻ｋにおける事後状態推定値及び状態の事後共分散行列と状態方程式に基づき、時刻ｋ＋１における事前状態推定値及び事前共分散行列を算出する。
推定値と実測の電圧（観測値）を比較し、カルマンフィルタにより、誤差の重み付け係数であるカルマンゲインを算出して、推定値を補正する。フィルタリングステップで用いるカルマンゲインｇ（ｋ）は以下の式で表すことができる。
Figure JPOXMLDOC01-appb-M000005
フィルタリングステップで用いる事後状態推定値（左辺）は、以下の式で表すことができる。
Figure JPOXMLDOC01-appb-M000006
また、フィルタリングステップで用いる事後誤差共分散行列Ｐ（ｋ）は以下の式で表すことができる。
Figure JPOXMLDOC01-appb-M000007
上述した二次電池の異常発生の検出を行う測定モデルにより、以下の式の値、即ちある時点における観測値（電圧）と事前状態変数を用いて推定した電圧との差（差電圧）を監視し、その値の挙動が大きく変化した場合をマイクロショートなどの異常が発生したとみなすことで検出する。
Figure JPOXMLDOC01-appb-M000008
比較器などにより上記式の差電圧の値が、あるしきい値を越えたとして信号を出力し、異常を検出した場合、ディスプレイに異常信号を外部に連絡する表示ための信号、またはスピーカにブザーなどの警告のための信号を出力する。本明細書では、「検出」と「検知」の用語は使い分ける。「検知」は、異常データを検出し、その異常データが正しい場合に、外部に連絡する、即ち、他の回路への信号を出力することを検知と呼ぶこととする。「検出」は、異常データをピックアップすることのみを指し、ノイズ（正しくない異常データ）も含む、と定義する。従って、「検出」は「検知」の一部であるが、イコールではなく、「検知」は他の回路への通知（信号出力）を少なくとも含む。
また、充電状態から放電状態への切り替え時、または放電状態から充電状態への切り替え時に差電圧が大きく変動し、ノイズが発生する。このノイズの発生は二次電池の異常に繋がる現象ではないため、このノイズを除去するために比較器を複数設けてもよい。
本明細書で開示する発明の構成は、第１観測値となる二次電池の電圧値を検出する第１の検出手段と、第２観測値となる二次電池の電流値を検出する第２の検出手段と、状態方程式に基づくカルマンフィルタを用いて事前状態推定値（推定電圧値）を算出する算出部と、第１観測値の電圧値と、前の時刻に得た推定電圧値との差分を求め、あるしきい値範囲を超えると二次電池が異常（マイクロショートなど）であると判定する判定部と、を有する異常検知装置である。
上記構成において、判定部は１つまたは複数の比較器を有する。複数の比較器を用いることでノイズを除去でき、異常検出の誤差が低減できる。
さらに、ニューラルネットワークを用いて時系列の差電圧のデータを学習し、異常か正常かを判断し検知することが好ましい。上記構成において、第１観測値の電圧値と、前の時刻に得た推定電圧値との差分を入力するニューラルネットワーク構成部と、を有する。
また、本明細書で開示する他の構成は、二次電池が異常であるかを判定する異常検知方法であって、状態方程式に基づくカルマンフィルタを用いて推定電圧値を出力する事前推定予測ステップと、事後状態推定値及び事後誤差共分散行列を算出するフィルタリングステップとを有する異常検知方法である。
また、本明細書で開示する他の構成は、コンピュータを、状態方程式に基づくカルマンフィルタを用いて事前状態推定値（推定電圧値）を算出する算出部、前記観測値の電圧値と、前の時刻に得た推定電圧値との差分を求め、あるしきい値範囲を超えると二次電池が異常であると判定する判定部、として機能させるためのプログラムである。
上記異常検知装置や、上記方法や、上記プログラムを実行するコンピュータを用いて、二次電池の異常検知システムを構成することもできる。コンピュータは、例えば電気自動車の制御装置、スマートフォン、ノート型のパーソナルコンピュータであり、その構成として制御部、記憶部、及び入出力部を有する。制御部はＣＰＵ（またはＭＰＵ、ＭＣＵ（Ｍｉｃｒｏ　Ｃｏｎｔｒｏｌｌｅｒ　Ｕｎｉｔ））などを有する。また、制御部は、ＧＰＵ（Ｇｒａｐｈｉｃｓ　Ｐｒｏｃｅｓｓｉｎｇ　Ｕｎｉｔ）を用いることもできる。また、ＣＰＵとＧＰＵを一つに統合したチップをＡＰＵ（Ａｃｃｅｌｅｒａｔｅｄ　Ｐｒｏｃｅｓｓｉｎｇ　Ｕｎｉｔ）と呼ぶこともあり、このＡＰＵチップを用いることもできる。また、ＡＩシステムを組み込んだＩＣ（推論チップとも呼ぶ）を用いてもよい。ＡＩシステムを組み込んだＩＣは、ニューラルネット演算を行う回路（マイクロプロセッサ）と呼ぶ場合もある。
記憶部はＲＡＭ、ＲＯＭ、及びＨＤＤなどを有する。入出力部は操作部、表示部、及び通信部などを有する。また、上記プログラムは、コンピュータの記憶部に記憶されていることに限定されず、コンピュータが読み取り可能な記憶媒体に記憶されたプログラムをコンピュータが読みだして実行するようにしてもよい。コンピュータが読み取り可能な記憶媒体は、例えばＣＤ−ＲＯＭなどのディスク、磁気テープ、ＵＳＢメモリ、フラッシュメモリなどである。また、インターネット、ＬＡＮ（Ｌｏｃａｌ　Ａｒｅａ　Ｎｅｔｗｏｒｋ）、無線ＬＡＮ等の接続回線に接続された装置に上記プログラムを記憶させておき、コンピュータがこれらの接続回線からプログラムを読みだして実行するようにしてもよい。
また、本明細書で開示する他の構成は、マイクロショートを検知する異常検知システムであって、第１観測値となる二次電池の電圧値を検出する第１の検出手段と、第２観測値となる二次電池の電流値を検出する第２の検出手段と、状態方程式に基づくカルマンフィルタを用いて事前状態推定値（推定電圧値）を算出する算出部と、第１観測値の電圧値と、前の時刻に得た推定電圧値との差分を求め、あるしきい値範囲を超えると二次電池が異常（マイクロショートなど）であると判定する判定部と、を有し、マイクロショート起因のデータの異常を検知する異常検知システムである。
本明細書で開示する二次電池の異常検知システムは、常時または定期的に二次電池の監視を行う。サンプリング周期（及び演算周期）は適宜設定することができる。また、本明細書で開示する二次電池の異常検知システムは、二次電池の監視システムとも呼べる。さらに、温度センサや、カメラや、ガスセンサなどを用いて二次電池の外表面温度の異常、外形変形などの異常を検出することも二次電池の異常検知システムに含めると、より確実に異常検出を可能とすることもできる。
異常と判断した予測誤差をそのままカルマンフィルタに入力せずに代わりに正常と判断した予測誤差を入力する。異常値を用いず二次電池の内部抵抗及びＳＯＣを算出することで推定の精度を高める。
本明細書で開示する発明の他の構成は、二次電池の充電状態を推定する二次電池の状態推定方法であって、二次電池から観測値のデータを取得し、回帰モデルを用いて事前状態推定値を算出し、観測値と事前状態推定値の差である予測誤差電圧Ｖｄを算出し、予測誤差電圧Ｖｄのデータが予め設定したしきい値を超えるか否かに基づいてデータがノイズかどうかを判定し、ノイズと判定されたデータに代えて、異常検出前のｋ個のデータの平均値を回帰モデルに入れ替えて入力して補正し、ノイズ検出後も異常検知を続ける二次電池の状態推定方法である。
マイクロショートの問題は充電中に発生する。例えば１本のみの電池で構成されている場合は、充電器で電流が制御されるため、マイクロショート時には見た目の電流値は変化せず、電圧値に変化が現れる。ただし並列電池になると、電圧変化は小さくなり検出が難しくなる。また、この電圧変化は電池使用の上下限電圧範囲内にあるため、特別な検知機構が必要である。また、電流に関しては並列電池では、マイクロショートが発生すると内部抵抗が低くなるため、健常電池に流れる電流量は相対的に小さくなり、異常電池に多くの電流が流れることになり危険である。ただし、組電池全体の電流は制御された値が保たれる為、異常を検知することが難しい。また、一般的な組電池の構成であれば、各直列段の電圧をモニターすることが普通であるが、全電池の電流をモニターすることはコスト、配線の煩雑さから採用するのは難しい。
図１４にフロー図を示したように、比較回路で信号ＲＥＦと比較して小さい、即ち、式８の値＜ＲＥＦとなった時をマイクロショートなどの異常発生とみなし、この異常を検出した後、予測誤差のデータを作成、例えば１ステップから４ステップ前までの正常な予測誤差の平均をカルマンフィルタに投入する。異常を検知した後も正確にＳＯＣを求めることができる。カルマンフィルタの利点は、高精度に残容量予測が可能であり、さらに初期残容量が未知であったとしても残容量予測が可能であるといえる。
従来、マイクロショート発生前後で推定値に誤差が生じ、真の容量値とずれが発生する問題があった。マイクロショート発生に起因するデータを取り除き、正常な値を入力することで推定の結果の精度を上げることができる。
そこで、異常検知の元となったデータを異常検知後の推測に用いないようにすることで、異常検知後にもマイクロショートが繰り返し発生するまでは、二次電池の使用を可能とすることができる。
二次電池の充電状態の推定を行う推定方法を以下に示す。二次電池の異常発生の検出を行った後、引き続き推定を行う手順を繰り返す。推定には、回帰や学習などの手段によって、システムの入力に対して最適な出力を決定することができる仕組み（例えば、ニューラルネットワーク、隠れマルコフモデル、多項式関数近似など）を用いる。学習を行うためには学習のための大量のデータ及び分析を用いることが好ましいため、ワークステーションまたはサーバアプライアンス上のサイト内で実施してもよく、その場合には１以上のサーバを用い、データの蓄積、及び分析を自動化またはオペレータの連携を伴う半自動化で行う。また、予め大量のデータの記憶及び分析が終了し結果が得られている場合には、それらの結果をシステム、具体的にはプログラムまたはＩＣチップのメモリに組み込むことでサーバを用いることなく異常検出及び充電状態の推定を行うこともできる。
また、二次電池を充電するために無線で電力を給電する場合においても、本明細書で開示する二次電池の異常検知システムを用いることもできる。数Ｗ以上の電力を、数十センチ以下に離した距離で無線伝送する方式としては、電磁誘導方式、磁界共鳴方式がある。電磁誘導方式としては、Ｑｉ（チー）規格がある。また磁界共鳴方式としては、ＷｉＰｏｗｅｒ規格がある。送電装置からの電力を受電コイルで受け取り、その受電コイルと二次電池の間に異常検知装置を設ければよい。異常検知装置が異常検知した場合には、送電装置からの電力をストップする指示を通信機能（無線ＬＡＮやブルートゥース（Ｂｌｕｅ　ｔｏｏｔｈ（登録商標）））を用いて行う。
本明細書で以下に説明される実施形態は、種々のコンピュータハードウェア、若しくはソフトウェアを含む、専用コンピュータまたは汎用コンピュータの使用を含む。また、本明細書で以下に説明される実施形態は、コンピュータが読み取り可能な記録媒体を使用して実装することができる。また、記録媒体は、ＲＡＭ、ＲＯＭ、光ディスク、磁気ディスク、またはコンピュータによってアクセスされうる任意の他のストレージ媒体を含んでもよい。また、本明細書で以下に説明される実施形態に一例として示されているアルゴリズム、構成要素、フロー、プログラムなどはソフトウェアにおいて実装される、或いはハードウェア及びソフトウェアの組み合わせにおける実装が可能である。
上述の数式８の値（差電圧）を監視することにより容易、且つ、精度の高い二次電池の異常検出が可能となる。さらにニューラルネットワークを用いてフィードバックによる補正を入れて二次電池の異常検出を行うことで、より精度の高い二次電池の異常検出が可能となる。
また、一つの二次電池に対しての異常検知にかぎらず、直列接続された複数の二次電池に対して異常検知を行うこともできる。
また、二次電池は電解液を用いるリチウムイオン二次電池に限定されず、固体電解質を用いる全固体電池、ナトリウムイオン二次電池、カリウムイオン二次電池なども用いることができる。カリウムイオン二次電池は、リチウムやナトリウムに比べて溶媒を引き寄せる力が弱く、イオンが自由に電解液中を移動できる。二次電池の種類やサイズが変更される場合には、しきい値もその二次電池に合わせて適宜設定する。全固体電池においてもマイクロショートは発生しうるため、本明細書で開示する異常検知システムは、有用である。
本明細書で開示する異常検知システムは、ＩＣチップなどに搭載し、車両のシステムの一部に組み込むこともでき、有用である。また、他の機能回路（ランダムアクセスメモリ（Ｒａｎｄｏｍ　Ａｃｃｅｓｓ　Ｍｅｍｏｒｙ：ＲＡＭ）、ＧＰＵ（Ｇｒａｐｈｉｃｓ　Ｐｒｏｃｅｓｓｉｎｇ　Ｕｎｉｔ）、ＰＭＵ（Ｐｏｗｅｒ　Ｍａｎａｇｅｍｅｎｔ　Ｕｎｉｔ）など）と統合した一つのＩＣチップで構成されてもよい。
本明細書で開示する異常検知システムは、検出タイミングを短縮することができ、リアルタイムでの異常検出を実現できる。また、充電時または放電時など二次電池の状態にかかわらず異常検出を実現できる。
また、リアルタイムで二次電池の異常を検知し、異常の検知に用いたノイズを除去して他のパラメータ（内部抵抗やＳＯＣなど）も高い精度で予測する二次電池の制御システムを実現できる。
本発明の一態様を示す等価回路モデルである。 （Ａ）は、本発明の一態様を示す機能ブロック図であり、（Ｂ）は差電圧と時間の関係を示す図である。 本発明の一態様を示す機能ブロック図である。 本発明の一態様を示す機能ブロック図である。 本発明の一態様を示す機能ブロック図である。 本発明の一態様を示す機能ブロック図である。 本発明の一態様を示す機能ブロック図である。 本発明の一態様を示す測定モデルを用いたシミュレーション結果を示すグラフ図である。 本発明の一態様を示す測定モデルを用いたシミュレーション結果を示すグラフ図である。 本発明の一態様を示す電気自動車のブロック図及び二次電池の斜視図である。 移動体の一例を示す図。 二次電池の一例を示す斜視図。 二次電池の一例を示す断面図及び斜視図。 本発明の一態様を示すフローである。 本発明の一態様を示す等価回路モデルを示す図である。 本発明の一態様を示すシステム図である。 本発明の一態様を示すシステム図である。 本発明の一態様を示すフローである。
以下では、本発明の実施の形態について図面を用いて詳細に説明する。ただし、本発明は以下の説明に限定されず、その形態および詳細を様々に変更し得ることは、当業者であれば容易に理解される。また、本発明は以下に示す実施の形態の記載内容に限定して解釈されるものではない。
（実施の形態１）
図１は、異常検出に用いる電池の等価回路モデル（電池モデルとも呼ぶ）の一例である。図１中に示すＲ０は直列抵抗成分、Ｒ１、Ｒ２、Ｒ３、Ｒ４は抵抗である。また、Ｃ２、Ｃ３、Ｃ４は容量である。
図１中のマイクロショートモデル４００にパルス信号をある一定時間間隔で印加してマイクロショートを疑似的に発生させて電池モデルの数値シミュレーションを行う。本実施の形態では数値シミュレーションを用いて説明するが、実際には異常のある電池の電圧を監視する。
図１中に示すＯＣＶは、開回路電圧（Ｏｐｅｎ　Ｃｉｒｃｕｉｔ　Ｖｏｌｔａｇｅ）の略称であり、電池が外部回路から切り離されて十分時間が経ち、電池内部の電気化学反応が平衡状態となった時の正極と負極の電位差としている。
図２（Ａ）は機能ブロックの一例を示す図であり、推定ロジックとも呼べる。
図２（Ａ）において遅延回路４０２は、時刻ｋでの状態推定値を時刻（ｋ＋１）での推定に用いるための回路である。図２（Ａ）においてＡとｂはモデルから得られる行列である。ＣＴは、観測係数ベクトルである。Ｚ−１は遅延回路である。
図２（Ａ）において符号４０１で示した部分が観測値（電圧）と事前状態変数を用いて推定した電圧との差（差電圧）の部分である。差電圧が急峻に変化するとマイクロショートが発生したとみなすことができるため、この差電圧の値を比較器４０３に入力し、比較器４０３にて参照信号（ＲＥＦ）で与えられたしきい値と比較することで異常かどうかの判定を行う。比較器４０３において入力された２つの値のうち、比較して低い方を出力ＬＯとする。１ステップ期間内に数回にわたりＲＥＦを変更してマルチレベルで比較を行ってもよい。
図２（Ｂ）に二次電池の端子電圧と、差電圧と時間の関係グラフを示す。横軸が時間、縦軸が電圧である。端子電圧の値では変動がそれほど大きくないため、マイクロショートの発生タイミングを特定することが困難である。一方、図２（Ｂ）に示すように中央に急峻な変動が差電圧（観測値と事前状態推定値の電圧差）に表れており、マイクロショートの発生のタイミングと一致している。従って差電圧を監視することでマイクロショートの発生を判定できる。
さらに、同じ入力データを用いて図２（Ａ）で示される推定ロジックを一部共通させて用いることでＳＯＣ推定値も出力することもできる。回路規模を大きくすることなくＳＯＣ推定値を出力することができる。
（実施の形態２）
本実施の形態では、さらにニューラルネットワーク（ＮＮ）を用いて精度を高める構成について以下に説明する。
図３は機能ブロックの一例を示す図である。実施の形態１とはニューラルネットワーク部４０４を有している点で異なっている。図３（Ａ）中のＮＮはニューラルネットワーク部であり、出力ＬＯ（ｋ）としている。
図３（Ａ）において符号４０１で示した部分が観測値（電圧）と事前状態変数を用いて推定した電圧との差（差電圧）の部分であり、この差電圧の値をニューラルネットワーク部４０４に入力し、学習データと比較することで異常かどうかの判定を行う。また、ニューラルネットワーク部４０４に入力されたデータを蓄積し、学習データの一部とすることでさらに精度を上げることもできる。
また、図３（Ｂ）は他のバリエーションの一つである。図３（Ｂ）に示す機能ブロックは、比較器とニューラルネットワーク（ＮＮ）の両方に差電圧の値を入力し、両方の出力のＯＲをとる。また、ＯＲではなく、ＡＮＤとしてもよい。
また、図４（Ａ）は他のバリエーションの一つである。図４（Ａ）に示す機能ブロックは、比較器の出力をニューラルネットワーク（ＮＮ）に入力し、出力された値で異常かどうかの判定を行う。
また、図４（Ｂ）は他のバリエーションの一つである。図４（Ｂ）に示す機能ブロックは、比較器の出力をニューラルネットワーク（ＮＮ）に入力し、比較器とニューラルネットワーク（ＮＮ）のＡＮＤをとった値で異常かどうかの判定を行う。
また、図５（Ａ）は、他のバリエーションの一つである。図５（Ａ）に示す機能ブロックは、カルマンゲインｇ（ｋ）を通過後のデータを用いて異常検出する構成としている。
（実施の形態３）
本実施の形態では、さらにもう一つの比較器を用いて精度を高める構成について以下に説明する。
時間の経過と差電圧の値の関係を調べ、マイクロショートの発生時とは異なる誤差がある。本発明者らは、二次電池において充電と放電の切り替え時に誤差が発生することを見出した。図６（Ａ）に示すように端子電流が放電のタイミングで変化しているようすがわかる。
充電と放電の切り替え時にはプラス側のオーバーシュートが見られない。これに対し、図６（Ｂ）に示したようにマイクロショートが発生するとプラス側とマイナス側の両方にオーバーシュートが生じている。プラス側のオーバーシュートは予測誤差分の修正が次のステップに反映されたためである。先にマイナス側のオーバーシュートが生じた後、プラス側にオーバーシュートが生じている。この違いにより、プラス側のオーバーシュートのみの場合には誤差としてマイクロショート発生と判定しない構成とする。
図５（Ｂ）に示したように比較器を２つ設け、比較器１にマイナス側のオーバーシュートの値（ＲＥＦ１）を入力し、比較器２にプラス側のオーバーシュートの値（ＲＥＦ２）を入力し、遅延回路を用いて１ステップ前の比較器の出力と現時点での比較器の出力をＡＮＤ演算する。
上記構成により充電と放電の切り替え時などのノイズを除去し、マイクロショートの異常検出の精度を高めることができる。
本実施の形態は他の実施の形態と自由に組み合わせることができる。
（実施の形態４）
本実施の形態では、図１０を用いて電気自動車（ＥＶ）に適用する例を示す。
図１０（Ａ）に電気自動車のブロック図の一例を示す。
電気自動車には、メインの駆動用の二次電池として第１のバッテリ３０１と、モータ３０４を始動させるインバータ３１２に電力を供給する第２のバッテリ３１１が設置されている。本実施の形態では、第２のバッテリ３１１の電源で駆動する異常監視ユニット３００が第１のバッテリ３０１を構成する複数の二次電池をまとめて監視する。
第１のバッテリ３０１は、主に４２Ｖ系（高電圧系）の車載機器に電力を供給し、第２のバッテリ３１１は１４Ｖ系（低電圧系）の車載機器に電力を供給する。第２のバッテリ３１１は鉛蓄電池がコスト上有利のため採用されることが多い。鉛蓄電池はリチウムイオン二次電池と比べて自己放電が大きく、サルフェーションとよばれる現象により劣化しやすい欠点がある。第２のバッテリ３１１をリチウムイオン二次電池とすることでメンテナンスフリーとするメリットがあるが、長期間の使用、例えば３年以上となると、製造時には判別できない異常発生が生じる恐れがある。特にインバータを起動する第２のバッテリ３１１が動作不能となると、第１のバッテリ３０１に残容量があってもモータを起動させることができなくなることを防ぐため、第２のバッテリ３１１が鉛蓄電池の場合は、第１のバッテリから第２のバッテリに電力を供給し、常に満充電状態を維持するように充電されている。
本実施の形態では、第１のバッテリ３０１と第２のバッテリ３１１の両方にリチウムイオン二次電池を用いる一例を示す。第２のバッテリ３１１は鉛蓄電池や全固体電池を用いてもよい。
円筒型の二次電池の例について図１２（Ａ）及び図１２（Ｂ）を参照して説明する。円筒型の二次電池６００は、図１２（Ａ）に示すように、上面に正極キャップ（電池蓋）６０１を有し、側面および底面に電池缶（外装缶）６０２を有している。これら正極キャップと電池缶（外装缶）６０２とは、ガスケット（絶縁パッキン）６１０によって絶縁されている。
図１２（Ｂ）は、円筒型の二次電池の断面を模式的に示した図である。中空円柱状の電池缶６０２の内側には、帯状の正極６０４と負極６０６とがセパレータ６０５を間に挟んで捲回された電池素子が設けられている。図示しないが、電池素子はセンターピンを中心に捲回されている。電池缶６０２は、一端が閉じられ、他端が開いている。電池缶６０２には、電解液に対して耐腐食性のあるニッケル、アルミニウム、チタン等の金属、又はこれらの合金やこれらと他の金属との合金（例えば、ステンレス鋼等）を用いることができる。また、電解液による腐食を防ぐため、ニッケルやアルミニウム等を被覆することが好ましい。電池缶６０２の内側において、正極、負極およびセパレータが捲回された電池素子は、対向する一対の絶縁板６０８、６０９により挟まれている。また、電池素子が設けられた電池缶６０２の内部は、非水電解液（図示せず）が注入されている。二次電池は、コバルト酸リチウム（ＬｉＣｏＯ２）やリン酸鉄リチウム（ＬｉＦｅＰＯ４）などの活物質を含む正極と、リチウムイオンの吸蔵・放出が可能な黒鉛等の炭素材料からなる負極と、エチレンカーボネートやジエチルカーボネートなどの有機溶媒に、ＬｉＢＦ４やＬｉＰＦ６等のリチウム塩からなる電解質を溶解させた非水電解液などにより構成される。
円筒型の二次電池に用いる正極および負極は捲回するため、集電体の両面に活物質を形成することが好ましい。正極６０４には正極端子（正極集電リード）６０３が接続され、負極６０６には負極端子（負極集電リード）６０７が接続される。正極端子６０３および負極端子６０７は、ともにアルミニウムなどの金属材料を用いることができる。正極端子６０３は安全弁機構６１２に、負極端子６０７は電池缶６０２の底にそれぞれ抵抗溶接される。安全弁機構６１２は、ＰＴＣ（Ｐｏｓｉｔｉｖｅ　Ｔｅｍｐｅｒａｔｕｒｅ　Ｃｏｅｆｆｉｃｉｅｎｔ）素子６１１を介して正極キャップ６０１と電気的に接続されている。安全弁機構６１２は電池の内圧の上昇が所定の閾値を超えた場合に、正極キャップ６０１と正極６０４との電気的な接続を切断するものである。また、ＰＴＣ素子６１１は温度が上昇した場合に抵抗が増大する熱感抵抗素子であり、抵抗の増大により電流量を制限して異常発熱を防止するものである。ＰＴＣ素子には、チタン酸バリウム（ＢａＴｉＯ３）系半導体セラミックス等を用いることができる。
電解液を用いるリチウムイオン二次電池は、正極と、負極と、セパレータと、電解液と、外装体とを有する。なお、リチウムイオン二次電池では、充電と放電でアノード（陽極）とカソード（陰極）が入れ替わり、酸化反応と還元反応とが入れ替わることになるため、反応電位が高い電極を正極と呼び、反応電位が低い電極を負極と呼ぶ。したがって、本明細書においては、充電中であっても、放電中であっても、逆パルス電流を流す場合であっても、充電電流を流す場合であっても、正極は「正極」または「＋極（プラス極）」と呼び、負極は「負極」または「−極（マイナス極）」と呼ぶこととする。酸化反応や還元反応に関連したアノード（陽極）やカソード（陰極）という用語を用いると、充電時と放電時とでは、逆になってしまい、混乱を招く可能性がある。したがって、アノード（陽極）やカソード（陰極）という用語は、本明細書においては用いないこととする。仮にアノード（陽極）やカソード（陰極）という用語を用いる場合には、充電時か放電時かを明記し、正極（プラス極）と負極（マイナス極）のどちらに対応するものかも併記することとする。
図１２（Ｃ）に示す２つの端子には充電器が接続され、蓄電池１４００が充電される。図１２（Ｃ）中において１４０６は、電解液、１４０８はセパレータである。蓄電池１４００の充電が進めば、電極間の電位差は大きくなる。図１２（Ｃ）では、蓄電池１４００の外部の端子から、正極１４０２の方へ流れ、蓄電池１４００の中において、正極１４０２から負極１４０４の方へ流れ、負極から蓄電池１４００の外部の端子の方へ流れる電流の向きを正の向きとしている。つまり、充電電流の流れる向きを電流の向きとしている。
本実施の形態では、リチウムイオン二次電池の例を示すが、リチウムイオン二次電池に限定されず、二次電池の正極材料として例えば、元素Ａ、元素Ｘ、及び酸素を有する材料を用いることができる。元素Ａは第１族の元素および第２族の元素から選ばれる一以上であることが好ましい。第１族の元素として例えば、リチウム、ナトリウム、カリウム等のアルカリ金属を用いることができる。また、第２族の元素として例えば、カルシウム、ベリリウム、マグネシウム等を用いることができる。元素Ｘとして例えば金属元素、シリコン及びリンから選ばれる一以上を用いることができる。また、元素Ｘはコバルト、ニッケル、マンガン、鉄、及びバナジウムから選ばれる一以上であることが好ましい。代表的には、リチウムコバルト複合酸化物（ＬｉＣｏＯ２）や、リン酸鉄リチウム（ＬｉＦｅＰＯ４）が挙げられる。
負極は、負極活物質層および負極集電体を有する。また、負極活物質層は、導電助剤およびバインダを有していてもよい。
負極活物質として、リチウムとの合金化・脱合金化反応により充放電反応を行うことが可能な元素を用いることができる。例えば、シリコン、スズ、ガリウム、アルミニウム、ゲルマニウム、鉛、アンチモン、ビスマス、銀、亜鉛、カドミウム、インジウム等のうち少なくとも一つを含む材料を用いることができる。このような元素は炭素と比べて容量が大きく、特にシリコンは理論容量が４２００ｍＡｈ／ｇと高い。
また、二次電池は、セパレータを有することが好ましい。セパレータとしては、例えば、紙をはじめとするセルロースを有する繊維、不織布、ガラス繊維、セラミックス、或いはナイロン（ポリアミド）、ビニロン（ポリビニルアルコール系繊維）、ポリエステル、アクリル、ポリオレフィン、ポリウレタンを用いた合成繊維等で形成されたものを用いることができる。
また、タイヤ３１６の回転による回生エネルギーは、ギア３０５を介してモータ３０４に送られ、モータコントローラ３０３やバッテリーコントローラ３０２から第２のバッテリ３１１に充電、または第１のバッテリ３０１に充電される。
また、第１のバッテリ３０１は主にモータ３０４を回転させることに使用されるが、ＤＣＤＣ回路３０６を介して４２Ｖ系の車載部品（電動パワステ３０７、ヒーター３０８、デフォッガ３０９など）に電力を供給する。後輪にリアモータを有している場合にも、第１のバッテリ３０１がリアモータを回転させることに使用される。
また、第２のバッテリ３１１は、ＤＣＤＣ回路３１０を介して１４Ｖ系の車載部品（オーディオ３１３、パワーウィンドウ３１４、ランプ類３１５など）に電力を供給する。
また、第１のバッテリ３０１は、複数の二次電池を含むモジュールの集合で構成される。例えば、図１２（Ａ）に示した円筒形の二次電池６００を用いる。図１０（Ｂ）に示すように、円筒形の二次電池６００を、導電板６１３および導電板６１４の間に挟んでモジュールを構成してもよい。図１０（Ｂ）には二次電池間にスイッチを図示していない。複数の二次電池６００は、並列接続されていてもよいし、直列接続されていてもよいし、並列に接続された後、さらに直列に接続されていてもよい。複数の二次電池６００を有するモジュールを構成することで、大きな電力を取り出すことができる。
車載の二次電池において、複数の二次電池からの電力を遮断するため、工具を使わずに高電圧を遮断できるサービスプラグまたはサーキットブレーカを有しており、第１のバッテリ３０１に設けられる。例えば、２個から１０個のセルを有する電池モジュールを４８個直接に接続する場合には、２４個目と２５個目の間にサービスプラグまたはサーキットブレーカを有している。
図１１において、本発明の一態様である二次電池の異常検知システムを用いた車両を例示する。図１１（Ａ）に示す自動車８４００の二次電池８０２４は、電気モーター８４０６を駆動するだけでなく、ヘッドライト８４０１やルームライト（図示せず）などの発光装置に電力を供給することができる。自動車８４００の二次電池８０２４は、図１０（Ｂ）に示した円筒形の二次電池６００を、導電板６１３および導電板６１４の間に挟んでモジュールとしたものを用いてもよい。
図１１（Ｂ）に示す自動車８５００は、自動車８５００が有する二次電池にプラグイン方式や非接触給電方式等により外部の充電設備から電力供給を受けて、充電することができる。図１１（Ｂ）に、地上設置型の充電装置８０２１から自動車８５００に搭載された二次電池８０２４に、ケーブル８０２２を介して充電を行っている状態を示す。充電に際しては、充電方法やコネクターの規格等はＣＨＡｄｅＭＯ（登録商標）やコンボ等の所定の方式で適宜行えばよい。充電装置８０２１は、商用施設に設けられた充電ステーションでもよく、また家庭の電源であってもよい。例えば、プラグイン技術によって、外部からの電力供給により自動車８５００に搭載された二次電池８０２４を充電することができる。充電は、ＡＣＤＣコンバータ等の変換装置を介して、交流電力を直流電力に変換して行うことができる。
また、図示しないが、受電装置を車両に搭載し、地上の送電装置から電力を非接触で供給して充電することもできる。この非接触給電方式の場合には、道路や外壁に送電装置を組み込むことで、停車中に限らず走行中に充電を行うこともできる。また、この非接触給電の方式を利用して、車両どうしで電力の送受信を行ってもよい。さらに、車両の外装部に太陽電池を設け、停車時や走行時に二次電池の充電を行ってもよい。このような非接触での電力の供給には、電磁誘導方式や磁界共鳴方式を用いることができる。
また、図１１（Ｃ）は、本発明の一態様の二次電池を用いた二輪車の一例である。図１１（Ｃ）に示すスクータ８６００は、二次電池８６０２、サイドミラー８６０１、方向指示灯８６０３を備える。二次電池８６０２は、方向指示灯８６０３に電気を供給することができる。
また、図１１（Ｃ）に示すスクータ８６００は、座席下収納８６０４に、二次電池８６０２を収納することができる。二次電池８６０２は、座席下収納８６０４が小型であっても、座席下収納８６０４に収納することができる。
二次電池８６０２は、全固体電池を用いることができる。二次電池８６０２は、複数のラミネート型の二次電池で構成する。ここでは全固体電池を用いたラミネート型の二次電池の一例を図１３（Ｄ）に示す。
図１３（Ｄ）に示すラミネート型の二次電池５００は、正極リード電極５１０と負極リード電極５１１を有する。
ラミネート型の二次電池の作製手順を簡単に説明する。まず、正極と負極を用意する。正極は正極集電体を有し、正極活物質層は正極集電体の表面に形成されている。また、正極は正極集電体が一部露出する領域（以下、タブ領域という）を有する。負極は負極集電体を有し、負極活物質層は負極集電体の表面に形成されている。また、負極は負極集電体が一部露出する領域、すなわちタブ領域を有する。
そして、負極、固体電解質層及び正極を積層する。ここでは負極を５組、正極を４組使用する例を示す。次に、正極のタブ領域同士の接合と、最表面の正極のタブ領域への正極リード電極５１０の接合を行う。接合には、例えば超音波溶接等を用いればよい。同様に、負極のタブ領域同士の接合と、最表面の負極のタブ領域への負極リード電極５１１の接合を行う。
次に外装体上に、負極、固体電解質層及び正極を配置する。固体電解質層としては、リチウムイオンを伝導できる固体成分を含む材料層（セラミックなど）であればよい。例えば、固体電解質層はセラミック粉末またはガラス粉末をスラリー化してシートを成型する。セラミックの定義は金属、非金属を問わず、酸化物、炭化物、窒化物、ホウ化物などの無機化合物の材料である。ガラスは非晶質であり、ガラス転移現象を有する材料と定義されるが、微結晶体化させたものをセラミックガラスと呼ぶこともある。セラミックガラスは結晶性を有するため、Ｘ線回析法により確認することができる。固体電解質としては酸化物固体電解質、硫化物固体電解質などを用いることができる。また、正極活物質層や負極活物質層にも固体電解質を含ませており、導電助剤を含ませてもよい。導電助剤は、電子伝導性を有している材料であればよく、例えば、炭素材料、金属材料などを用いることができる。
また、正極活物質として用いられる酸化物固体電解質としては、Ｌｉ３ＰＯ４、Ｌｉ３ＢＯ３、Ｌｉ４ＳｉＯ４、Ｌｉ４ＧｅＯ４、ＬｉＮｂＯ３、ＬｉＶＯ２、ＬｉＴｉＯ３、ＬｉＺｒＯ３などを用いることができる。また、これらの複合化合物であってもよく、例えばＬｉ３ＢＯ３−Ｌｉ４ＳｉＯ４などを挙げることができる。また、固体電解質の表面は１ｎｍ以上２０ｎｍ以下のコート層で少なくとも一部覆われていてもよく、コート層の材料は、Ｌｉイオン伝導性酸化物を用いる。
負極活物質として用いられる酸化物固体電解質としては、Ｎｂ２Ｏ５、Ｌｉ４Ｔｉ５Ｏ１２、ＳｉＯなどを挙げることができる。本明細書等において、ＳｉＯは例えば一酸化シリコンを指す。あるいはＳｉＯは、ＳｉＯ２と比較してシリコンの組成が多い材料を指し、ＳｉＯｘと表すこともできる。ここでｘは１近傍の値を有することが好ましい。例えばｘは、０．２以上１．５以下が好ましく、０．３以上１．２以下がより好ましい。
また、正極活物質として用いられる硫化物固体電解質としては、Ｌｉ及びＳを含む材料、具体的にはＬｉ７Ｐ３Ｓ１１、Ｌｉ２Ｓ−ＳｉＳ２、Ｌｉ２Ｓ−Ｐ２Ｓ５などを挙げることができる。
次に、外装体を折り曲げる。その後、外装体の外周部を接合する。外装体は金属箔と有機樹脂フィルムとを積層したラミネートフィルム、例えば、アルミニウム箔やステンレス箔を用い、接合には、例えば熱圧着等を用いればよい。このようにして、図１３（Ｄ）に示すラミネート型の二次電池５００を作製することができる。また、ここでは１枚のラミネートフィルムを用いて接合する例を示したが、２枚のラミネートフィルムを重ねて周縁部を接着させて封止する構成としてもよい。
また、図１３（Ａ）は、固体電池の概念を示す図であり、正極８１と負極８２の間に固体電解質層８３を有する。また、固体電池には薄膜型全固体電池とバルク型全固体電池がある。薄膜型全固体電池は、薄膜を積層することによって得られる全固体電池であり、バルク型全固体電池は微粒子を積層することによって得られる全固体電池である。
図１３（Ｂ）は、バルク型全固体電池の一例であり、正極８１の近傍に粒子状の正極活物質８７と、負極８２の近傍に粒子状の負極活物質８８を有し、それらの隙間を埋めるように固体電解質層８３が配置される。正極８１と負極８２との間を加圧プレスによって空隙がなくなるように複数種類の粒子を充填させている。
また、図１３（Ｃ）は、薄膜型全固体電池の一例である。薄膜型全固体電池は気相法（真空蒸着法、溶射法、パルスレーザー堆積法、イオンプレーティング法、コールドスプレー法、エアロゾルデポジション法、スパッタリング法）を用いて成膜する。図１３（Ｃ）では基板８４上に配線電極８５、８６を形成した後、配線電極８５上に正極８１を形成し、正極８１上に固体電解質層８３を形成し、固体電解質層８３及び配線電極８６上に負極８２を形成してリチウムイオン蓄電池を作製する例である。基板８４としては、セラミックス基板、ガラス基板、プラスチック基板、金属基板などが挙げられる。
本実施の形態は、他の実施の形態の記載と適宜組み合わせることができる。
（実施の形態５）
二次電池のＳＯＣを推定する方法の一例を図１４に示す。図１４は、フロー図であり、マイクロショートなどの異常を検知した後、予測誤差のデータを作成、例えば１ステップから４ステップ前までの正常な予測誤差の平均をカルマンフィルタに投入する。異常を検出した後も正確にＳＯＣを求めることができる。
比較器などにより上記式の差電圧の値が、あるしきい値を越えたとして信号を出力し、異常を検知する。比較器に入力するしきい値の電圧信号ＲＥＦと比較を行って異常を判断する。異常を検知したタイミングのデータは、後の推定で用いず、代わりに数ステップ前までの平均値を推定アルゴリズムに入力するようにする。上記数式８の差電圧の値が、電圧信号ＲＥＦを下回ると、前のステップの数回分の平均値と差し替える。従って、上記数式８の差電圧の値が、比較器に入力される電圧信号ＲＥＦを下回ると、その差電圧はカルマンフィルタのループには投入されない。代わりに平均値が推定アルゴリズムに入力されることで、異常が発生してもＳＯＣの推定などを精度高く行うことができる。マイクロショートの異常を検知したタイミングのデータを用いず、代わりに数ステップ前までの平均値を推定アルゴリズムに入力すれば、上記数式８の差電圧の値は、マイクロショートの発生しない場合のデータと近似する。
図１４のフローを実行するための具体的なシステム図を図１６に示す。図１６において、二次電池の充電状態推定装置は、少なくとも比較器４０３と、遅延回路と、ＡＮＤ回路４０５と、マルチプレクサ４０７を有している。ＡＮＤ回路にはクロック信号ＣＬＫを入力する。また、比較器４０３には参照信号ＲＥＦを入力する。図１６は一例であり、特に限定されず、二次電池の充電状態を推定する二次電池の充電状態推定装置は、第１観測値となる二次電池の電圧値を検出する検出手段と、回帰モデルを用いて推定電圧値を算出する算出部と、第１観測値の電圧値と、前の時刻に得た推定電圧値との差分を求め、あるしきい値範囲を超えると二次電池が異常であると判定する判定部と、を有し、判定部は、１つまたは複数の比較器と、マルチプレクサと、遅延回路を有する。図１６中のＭＵＸはマルチプレクサである。二次電池の充電状態推定装置は、さらに第２観測値となる二次電池の電流値を検出する第２の検出手段を有してもよい。図１６では、ＦＩＲ（Ｆｉｎｉｔｅ　Ｉｍｐｕｌｓｅ　Ｒｅｓｐｏｎｓｅ）フィルタを用いている。また、図１７にシステム図の異なる一例を示す。図１７では、ＩＩＲ（Ｉｎｆｉｎｉｔｅ　Ｉｍｐｕｌｓｅ　Ｒｅｓｐｏｎｓｅ）フィルタを用いている。図１７中のＮは時間ｋのうち十分大きな値である無限時間とした場合を指している。
また、異常を検出したデータをカルマンフィルタのループに入力しないとしても、異常検出時のマイクロショートにより消失した電流を正確に計算し、反映させることでＳＯＣをより正確な数値とすることができる。また、図１８にフロー図を示す。図１８に示したように、比較回路で信号ＲＥＦと比較して小さい値をＬＯとして出力、即ち、式８の値＜ＲＥＦとなった時をマイクロショートなどの異常発生とみなし、この異常を検知する。
異常を検出したデータは予測誤差電圧であり、状態方程式を用いてマイクロショート時の電流Ｉｍｉｃｒｏを求める。図１５（Ａ）及び図１５（Ｂ）に示す等価回路モデルを用いて以下に説明する。図１５（Ａ）及び図１５（Ｂ）において、ＯＣＶは放電時の電位差であり、Ｖ０、Ｖ１、Ｖ２、Ｖ３は、各箇所での電圧である。
Figure JPOXMLDOC01-appb-M000009
上記式は、図１５（Ａ）における回路の状態変数ｘ（ｋ）である。図１５（Ａ）においてはマイクロショート発生前の状態と対応する等価回路モデルである。
また、ｕ（ｋ）は電流ＩＢＡＴ（ｋ）である。ｕ（ｋ）は入力信号であり二次電池の場合、電流値となる。
Figure JPOXMLDOC01-appb-M000010
状態方程式を構成するｂは定数であり、ＴＳはサンプリング周期である。
Figure JPOXMLDOC01-appb-M000011
上記式はカルマンフィルタの状態方程式である。なお、上記式中の抵抗Ｒ１、Ｒ２、Ｒ３、容量Ｃ１、Ｃ２、Ｃ３、満充電容量ＦＣＣも式を拡張して状態変数ｘ（ｋ）に入れてもよい。
次にマイクロショート発生時の状態を図１５（Ｂ）に示す等価回路モデルとみなして以下に算出手順を示す。
Figure JPOXMLDOC01-appb-M000012
上記式は、マイクロショート発生時を時刻ｋ＋１とした場合の関係式である。また、各箇所での電流は以下に示すことができる。
Figure JPOXMLDOC01-appb-M000013
また、抵抗Ｒ１及び容量Ｃ１にかかる電圧Ｖ１は、以下の式となる。
Figure JPOXMLDOC01-appb-M000014
また、抵抗Ｒ２及び容量Ｃ２にかかる電圧Ｖ２は、以下の式となる。
Figure JPOXMLDOC01-appb-M000015
また、抵抗Ｒ３及び容量Ｃ３にかかる電圧Ｖ３は、以下の式となる。
Figure JPOXMLDOC01-appb-M000016
上記式のうち以下に示す数値が１より非常に小さい場合や精度をそれほど求めない場合は、以下に示す値を１としてもよい。
Figure JPOXMLDOC01-appb-M000017
上記式を１とする場合、計算量を減らせることができる。
Figure JPOXMLDOC01-appb-M000018
上記式を計算してマイクロショート時の電流（Ｉｍｉｃｒｏ）を求めることができる。上記式に示すように、１ステップ前で推定したＲ０、ＯＣＶ、予測誤差電圧を含んだ電圧ＶＩＮ及び電流ＩＢＡＴの観測値を用いてマイクロショート時の電流を算出している。Ｒ０（ｋ）は観測誤差の共分散である。
Figure JPOXMLDOC01-appb-M000019
上記式中のＳＯＣ（ｋ）は事前推定予測ステップ時のカルマンフィルタ内部のＳＯＣデータに相当する。また、上記式中の左辺の値をフィルタリングステップ直前にカルマンフィルタ内部のＳＯＣデータに置き換えることでカルマンフィルタの内部のＳＯＣにマイクロショート時の電流を反映することができる。
上述した演算を行うＳＯＣの推定処理において、上記数式を実行できるプログラムをマイクロコンピュータもしくはマイクロプロセッサなどに移植することで、ＳＯＣを算出することもできる。
本実施の形態は他の実施の形態と組み合わせることができる。
図７は、カルマンフィルタの演算を行う機能ブロックの一例である。実施の形態１とは比較器がない部分以外は同一である。図７中の符号４０１で示した差電圧の値が、マイクロショートの発生にとって重要であり、その値を監視することで二次電池の異常検出を行う。
マイクロショートを定期的に発生させた電流を疑似的に作成したデータを用い、シミュレーションを行う。
図８はシミュレーション結果を示しており、横軸に時間、縦軸に差電圧、具体的には観測値（電圧）と事前状態変数を用いて推定した電圧との差（差電圧）を示している。
図８において、定期的にプラス側及びマイナス側にオーバーシュートが見られているデータがマイクロショート有りのデータである。また、マイナス側のみにオーバーシュートがみられるデータがマイクロショートなしのデータであり、比較例である。また、マイナス側のみにオーバーシュートがみられる点は、充電から放電に切り替える際に電圧が変動する点に対応している。図８において比較例の、マイナス側のみにオーバーシュートがみられる点は、−０．０２１３Ｖであるため、この値よりも大きい、例えば−０．０３Ｖをしきい値とすれば誤差として異常と検出しないようにすることもできる。
なお、図９は図８のデータを加工し、見やすくするために縦軸を左右に分けて表示している。また、図８の検証に用いたデータは、マイクロショートの波形を定期的に入れたデータであり、図８において、１３回発生させているが、実際の二次電池は、ランダムに発生し、ピークの大きさも二次電池の使用状況（充電または放電）によっても変化しうる。いずれにおいてもマイクロショートが検出されれば、その二次電池は劣化が加速される、或いは使用不可となるため、検出されたことの警告を使用者に通知できることは有用である。マイクロショートの発生の原因はまだ特定されていないが、製造時の金属紛の混入という説もあり、製造直後では異常検出できないが、充放電を繰り返すことによって異常部分（導通部分）が成長形成され、マイクロショートが発生する可能性がある。マイクロショートの発生する二次電池を充放電すると劣化が急激に進み、突然に使用不可能となる場合がある。従って、マイクロショートの検出が可能な本発明の手法は有用である。
カルマンフィルタでは、バッテリ等価回路モデルにバッテリの入力値を入力し、それらの出力を比較し、差があれば、この差にカルマンゲインをかけてフィードバックし、誤差が最小になるようにバッテリ等価回路モデルを修正していく。これを逐次繰り返す。
なお、カルマンフィルタは逐次合わせていくシステムなので図８及び図９の開始付近の誤差は無視できる。
図７中の符号４０１で示した差電圧の値は、−０．０６３１Ｖを最低値とし、＋０．０３２４Ｖを最大値としている。また、マイクロショートを発生させた点での０に近いピーク点は、マイナス側で−０．０３８６Ｖ、プラス側で＋０．０１８６Ｖであった。従って、全てのマイクロショートを検出するのであれば、しきい値をマイナス側で−０．０３８６Ｖ、プラス側で＋０．０１８６Ｖとし、比較器などを用いて検出すればよい。これらの値は用いる二次電池によって異なるため、用いる二次電池の特性データを用いて適宜予めシミュレーションを行い、その結果に基づいて、しきい値などを決定すればよい。
なお、図８、図９に示すシミュレーション結果は、アナログ・デバイセズ社が提供する回路シミュレータであるＬＴｓｐｉｃｅ（Ｓｉｍｕｌａｔｉｏｎ　ｐｒｏｇｒａｍ　ｗｉｔｈ　ｉｎｔｅｇｒａｔｅｄ　ｃｉｒｃｕｉｔ　ｅｍｐｈａｓｉｓ）を用いて得たものである。
１　比較器、２　比較器、８１：正極、８２：負極、８３：固体電解質層、８４：基板、８５：配線電極、８６：配線電極、８７：正極活物質、８８：負極活物質、３００：異常監視ユニット、３０１：バッテリ、３０２：バッテリーコントローラ、３０３：モータコントローラ、３０４：モータ、３０５：ギア、３０６：ＤＣＤＣ回路、３０７：電動パワステ、３０８：ヒーター、３０９：デフォッガ、３１０：ＤＣＤＣ回路、３１１：バッテリ、３１２：インバータ、３１３：オーディオ、３１４：パワーウィンドウ、３１５：ランプ類、３１６：タイヤ、４００：マイクロショートモデル、４０１：符号、４０２：遅延回路、４０３：比較器、４０４：ニューラルネットワーク部、４０５：ＡＮＤ回路、４０７：マルチプレクサ、６００：二次電池、６０１：正極キャップ、６０２：電池缶、６０３：正極端子、６０４：正極、６０５：セパレータ、６０６：負極、６０７：負極端子、６０８：絶縁板、６０９：絶縁板、６１１：ＰＴＣ素子、６１２：安全弁機構、６１３：導電板、６１４：導電板、１４００：蓄電池、１４０２：正極、１４０４：負極、８０２１：充電装置、８０２２：ケーブル、８０２４：二次電池、８４００：自動車、８４０１：ヘッドライト、８４０６：電気モーター、８５００：自動車、８６００：スクータ、８６０１：サイドミラー、８６０２：二次電池、８６０３：方向指示灯、８６０４：座席下収納

Claims (17)

  1. 第１観測値となる二次電池の電圧値を検出する第１の検出手段と、
    第２観測値となる二次電池の電流値を検出する第２の検出手段と、
    回帰モデルを用いて推定電圧値を算出する算出部と、
    前記第１観測値の電圧値と、前の時刻に得た推定電圧値との差分を求め、あるしきい値範囲を超えると二次電池が異常であると判定する判定部と、を有する二次電池の異常検知装置。
  2. 請求項１において、前記回帰モデルは、状態方程式に基づくカルマンフィルタである二次電池の異常検知装置。
  3. 請求項１または請求項２において、判定部は１つまたは複数の比較器を有する二次電池の異常検知装置。
  4. 請求項１または請求項２において、さらに、
    前記第１観測値の電圧値と、前の時刻に得た推定電圧値との差分を入力するニューラルネットワーク構成部と、
    を有する二次電池の異常検知装置。
  5. 請求項１乃至請求項４のいずれか一において、前記二次電池は、リチウムイオン二次電池である二次電池の異常検知装置。
  6. 請求項１乃至請求項４のいずれか一において、前記二次電池は、全固体電池である二次電池の異常検知装置。
  7. 二次電池が異常であるかを判定する異常検知方法であって、
    回帰モデルを用いて推定電圧値を出力する事前推定予測ステップと、
    事後状態推定値及び事後誤差共分散行列とを算出するフィルタリングステップとを有する異常検知方法。
  8. 請求項７において、前記回帰モデルは、状態方程式に基づくカルマンフィルタである異常検知方法。
  9. コンピュータを、
    回帰モデルを用いて推定電圧値を算出する算出部、
    前記観測値の電圧値と、前の時刻に得た推定電圧値との差分を求め、あるしきい値範囲を超えると二次電池が異常であると判定する判定部、
    として機能させるためのプログラム。
  10. 請求項９において、前記回帰モデルは、状態方程式に基づくカルマンフィルタであるプログラム。
  11. 二次電池の充電状態を推定する二次電池の状態推定方法であって、
    二次電池から観測値のデータを取得し、
    回帰モデルを用いて事前状態推定値を算出し、
    観測値と事前状態推定値の差である予測誤差電圧Ｖｄを算出し、
    予測誤差電圧Ｖｄのデータが予め設定したしきい値を超えるか否かに基づいてデータがノイズかどうかを判定し、
    ノイズと判定されたデータに代えて、異常検出前のｋ個のデータの平均値を回帰モデルに入れ替えて入力して補正し、
    ノイズ検出後も異常検知を続ける二次電池の状態推定方法。
  12. 請求項１１において前記回帰モデルは、状態方程式に基づくカルマンフィルタである二次電池の状態推定方法。
  13. 請求項１１または請求項１２において、前記ノイズは、二次電池のマイクロショート発生時に生じる二次電池の状態推定方法。
  14. 二次電池の充電状態を推定する二次電池の充電状態推定装置であって、
    第１観測値となる二次電池の電圧値を検出する検出手段と、
    回帰モデルを用いて推定電圧値を算出する算出部と、
    前記第１観測値の電圧値と、前の時刻に得た推定電圧値との差分を求め、あるしきい値範囲を超えると二次電池が異常であると判定する判定部と、
    を有し、
    前記判定部は、１つまたは複数の比較器と、マルチプレクサと、遅延回路を有する充電状態推定装置。
  15. 請求項１４において、前記回帰モデルは、状態方程式に基づくカルマンフィルタである二次電池の充電状態推定装置。
  16. 請求項１４または請求項１５において、前記判定部は１つまたは複数の比較器を有する二次電池の充電状態推定装置。
  17. 請求項１４乃至請求項１６のいずれか一において、さらに第２観測値となる二次電池の電流値を検出する第２の検出手段を有する二次電池の充電状態推定装置。
PCT/IB2018/060597 2018-01-11 2018-12-25 二次電池の異常検知装置、異常検知方法、及びプログラム WO2019138286A1 (ja)

Priority Applications (7)

Application Number Priority Date Filing Date Title
JP2019565083A JP7234140B2 (ja) 2018-01-11 2018-12-25 二次電池の異常検知装置、異常検知方法、プログラム、二次電池の状態推定方法、及び二次電池の充電状態推定装置
DE112018006835.8T DE112018006835T5 (de) 2018-01-11 2018-12-25 Vorrichtung zur Anomalie-Erkennung einer Sekundärbatterie, Verfahren zur Anomalie-Erkennung und Programm
US16/960,375 US20200355749A1 (en) 2018-01-11 2018-12-25 Device detecting abnormality of secondary battery, abnormality detection method, and program
CN201880085109.6A CN111542759B (zh) 2018-01-11 2018-12-25 二次电池的异常检测装置、异常检测方法以及程序
KR1020207021306A KR20200107987A (ko) 2018-01-11 2018-12-25 이차 전지의 이상 검지 장치, 이상 검지 방법, 및 프로그램
JP2023025743A JP2023067894A (ja) 2018-01-11 2023-02-22 二次電池の異常検知装置及び二次電池
US18/377,458 US20240118344A1 (en) 2018-01-11 2023-10-06 Device detecting abnormality of secondary battery, abnormality detection method, and program

Applications Claiming Priority (4)

Application Number Priority Date Filing Date Title
JP2018-002680 2018-01-11
JP2018002680 2018-01-11
JP2018017091 2018-02-02
JP2018-017091 2018-02-02

Related Child Applications (2)

Application Number Title Priority Date Filing Date
US16/960,375 A-371-Of-International US20200355749A1 (en) 2018-01-11 2018-12-25 Device detecting abnormality of secondary battery, abnormality detection method, and program
US18/377,458 Division US20240118344A1 (en) 2018-01-11 2023-10-06 Device detecting abnormality of secondary battery, abnormality detection method, and program

Publications (1)

Publication Number Publication Date
WO2019138286A1 true WO2019138286A1 (ja) 2019-07-18

Family

ID=67218608

Family Applications (1)

Application Number Title Priority Date Filing Date
PCT/IB2018/060597 WO2019138286A1 (ja) 2018-01-11 2018-12-25 二次電池の異常検知装置、異常検知方法、及びプログラム

Country Status (7)

Country Link
US (2) US20200355749A1 (ja)
JP (2) JP7234140B2 (ja)
KR (1) KR20200107987A (ja)
CN (1) CN111542759B (ja)
DE (1) DE112018006835T5 (ja)
TW (2) TW202349010A (ja)
WO (1) WO2019138286A1 (ja)

Cited By (12)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2019146302A (ja) * 2018-02-16 2019-08-29 株式会社半導体エネルギー研究所 二次電池の充電状態推定装置及び異常検出装置、及び二次電池の管理システム
JP2019211211A (ja) * 2018-05-31 2019-12-12 学校法人立命館 蓄電池の内部パラメータ推定装置、管理装置、蓄電池システム、方法、及びコンピュータプログラム
CN110626210A (zh) * 2019-08-29 2019-12-31 蜂巢能源科技有限公司 锂电池微短路的识别方法及电池管理系统
CN111241154A (zh) * 2020-01-02 2020-06-05 浙江吉利新能源商用车集团有限公司 一种基于大数据的蓄电池故障预警方法及系统
JP2021047132A (ja) * 2019-09-19 2021-03-25 古河電気工業株式会社 充電可能電池状態検出装置および充電可能電池状態検出方法
JP2021103141A (ja) * 2019-12-25 2021-07-15 本田技研工業株式会社 機械学習装置、機械学習方法、充電率推定装置、および充電率推定システム
KR20210104576A (ko) 2020-02-17 2021-08-25 도요타 지도샤（주） 전지 시스템 및 전지의 이상 판정 방법
WO2022015062A1 (ko) * 2020-07-15 2022-01-20 주식회사 엘지에너지솔루션 배터리 관리 장치, 배터리 팩, 에너지 저장 시스템 및 배터리 관리 방법
JP2022550154A (ja) * 2020-05-15 2022-11-30 エルジー エナジー ソリューション リミテッド バッテリーを診断するための装置及びその方法
CN116299038A (zh) * 2023-02-13 2023-06-23 上海玫克生储能科技有限公司 电芯微短路的检测方法、系统、设备及存储介质
WO2023119967A1 (ja) * 2021-12-23 2023-06-29 株式会社村田製作所 電源システムおよび電子機器
WO2023127335A1 (ja) * 2021-12-28 2023-07-06 株式会社村田製作所 異常検出装置、電源システムおよび異常検出方法

Families Citing this family (34)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP6790950B2 (ja) * 2017-03-22 2020-11-25 Tdk株式会社 状態検出装置
CN110231569B (zh) 2018-03-06 2022-06-14 丰田自动车株式会社 全固体电池的检查方法、全固体电池的制造方法和电池组的制造方法
JP6973213B2 (ja) * 2018-03-16 2021-11-24 トヨタ自動車株式会社 二次電池システム、及び二次電池制御方法
WO2019234548A1 (ja) 2018-06-06 2019-12-12 株式会社半導体エネルギー研究所 表示装置の駆動方法
US11922549B2 (en) 2019-07-19 2024-03-05 Semiconductor Energy Laboratory Co., Ltd. Object-to-text conversion method and system
CN113298278B (zh) * 2020-02-19 2023-12-05 硕天科技股份有限公司 具有自我健康状态预测功能的电力设备及其自我健康状态预测方法以及云端服务器
CN111610456B (zh) * 2020-04-29 2022-08-23 上海理工大学 一种区分电池微短路和小容量故障的诊断方法
TWI741659B (zh) * 2020-06-24 2021-10-01 加百裕工業股份有限公司 電池發熱的測量系統及方法
CN111983475B (zh) * 2020-08-24 2022-12-30 哈尔滨理工大学 一种基于隐马尔科夫的锂离子动力电池安全度评估方法及装置
CN112098876A (zh) * 2020-08-27 2020-12-18 浙江省邮电工程建设有限公司 蓄电池内单体电池的异常检测方法
CN111999656B (zh) * 2020-08-28 2023-05-12 广州小鹏汽车科技有限公司 车辆电池内短路的检测方法、检测装置和电子设备
CN112557946A (zh) * 2020-11-20 2021-03-26 台州学院 一种基于数字滤波与人工神经网络的低压spd智能在线检测装置
KR102599803B1 (ko) * 2020-12-10 2023-11-09 한국에너지기술연구원 Soc추정을 통해 배터리 상태를 진단하는 방법 및 장치
CN112906744B (zh) * 2021-01-20 2023-08-04 湖北工业大学 一种基于孤立森林算法的故障单体电池识别方法
KR102515853B1 (ko) * 2021-03-04 2023-03-31 한국전자기술연구원 배터리 셀 단위를 기반으로 하는 이상 진단 장치, 시스템 및 방법
CN113009378B (zh) * 2021-03-08 2022-03-29 经纬恒润(天津)研究开发有限公司 一种电池微短路检测方法及装置
KR102319706B1 (ko) * 2021-04-07 2021-11-16 비케이엠주식회사 연료전지 스택을 센서로 이용하는 연료전지 시스템용 이상 진단 장치 및 그것의 이상 진단 방법
FR3121754A1 (fr) * 2021-04-08 2022-10-14 Psa Automobiles Sa Systeme d’estimation d’etat de charge de batterie de traction de vehicule automobile, procede et vehicule comprenant un tel systeme
CN113777516B (zh) * 2021-07-27 2023-07-21 蜂巢能源科技有限公司 判定异常电芯的方法及装置
WO2023107710A2 (en) * 2021-12-09 2023-06-15 Zitara Technologies, Inc. System and method for determining a battery condition
CN114167190B (zh) * 2021-12-10 2023-06-16 厦门金龙联合汽车工业有限公司 一种混动车辆电池微短路识别方法
US11675018B1 (en) 2021-12-29 2023-06-13 National Chung Shan Institute Of Science And Technology Portable battery detection device
CN114295987B (zh) * 2021-12-30 2024-04-02 浙江大学 一种基于非线性卡尔曼滤波的电池soc状态估计方法
TW202343240A (zh) * 2022-01-16 2023-11-01 美國德州系統大學評議委員會 使用時間序列感測器資料之基於隱藏式馬可夫模型的分割誤差校正在製作過程中的異常檢測
JP7258197B1 (ja) * 2022-02-08 2023-04-14 日置電機株式会社 データ処理制御装置、検査装置、データ処理制御方法、およびデータ処理制御用プログラム。
CN114689235B (zh) * 2022-03-30 2024-01-30 东莞凯德新能源有限公司 一种锂离子电池内压测试装置及测试方法
KR20230171293A (ko) * 2022-06-13 2023-12-20 삼성전자주식회사 배터리의 단락 검출 장치 및 방법
CN114771440B (zh) * 2022-06-17 2022-11-25 深圳顶匠科技有限公司 应用于蓄电池状态检测的车辆启动信号生成方法及装置
CN115062274B (zh) * 2022-08-17 2022-11-22 深圳市一航网络信息技术有限公司 一种关联区块链网络的数据监控处理方法及装置
CN116340766A (zh) * 2023-02-17 2023-06-27 广东工业大学 基于滑动窗口的锂电池soc在线预测方法与相关设备
CN116298912B (zh) * 2023-03-08 2023-12-12 上海玫克生储能科技有限公司 电池微短路电路模型的建立方法、系统、设备及介质
CN116840731A (zh) * 2023-08-30 2023-10-03 中国华能集团清洁能源技术研究院有限公司 电池组的故障检测方法及其装置
CN117239264B (zh) * 2023-11-15 2024-01-26 深圳市百酷新能源有限公司 一种电池的安全控制方法、装置、智能电池和介质
CN117341477B (zh) * 2023-12-06 2024-04-02 浙江凌骁能源科技有限公司 磷酸铁锂动力电池内短路预警方法、装置和计算机设备

Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2012098770A1 (ja) * 2011-01-18 2012-07-26 カルソニックカンセイ株式会社 バッテリの充電率推定装置
JP2015184219A (ja) * 2014-03-25 2015-10-22 富士通株式会社 推定プログラム、推定方法および推定装置

Family Cites Families (25)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP3527071B2 (ja) * 1997-07-04 2004-05-17 株式会社日立製作所 電気自動車の制御装置
US6919725B2 (en) * 2003-10-03 2005-07-19 Midtronics, Inc. Electronic battery tester/charger with integrated battery cell temperature measurement device
JP2006105821A (ja) 2004-10-06 2006-04-20 Toyota Motor Corp 二次電池の充電容量推定装置およびその方法
EP1691209B1 (en) 2005-02-14 2008-10-01 Denso Corporation Method and apparatus for detecting charged state of secondary battery based on neural network calculation
JP5220269B2 (ja) * 2005-09-16 2013-06-26 古河電気工業株式会社 蓄電池の劣化状態・充電状態の検知方法及びその装置
JP5225559B2 (ja) * 2006-06-06 2013-07-03 パナソニック株式会社 電池パックの異常判定方法および電池パック
JP5102483B2 (ja) 2006-11-29 2012-12-19 プライムアースＥｖエナジー株式会社 異常検出装置、異常検出方法、及び異常検出プログラム
JP5412891B2 (ja) 2009-03-11 2014-02-12 日産自動車株式会社 二次電池の制御装置
JP2010223768A (ja) * 2009-03-24 2010-10-07 Panasonic Corp 電池異常検出回路、及び電源装置
CN102369627B (zh) * 2009-09-25 2013-09-11 丰田自动车株式会社 二次电池系统
JP2013083612A (ja) * 2011-10-12 2013-05-09 Mitsumi Electric Co Ltd 電池状態計測方法及び電池状態計測装置
JP2013096752A (ja) * 2011-10-28 2013-05-20 Sanyo Electric Co Ltd パック電池の異常判定方法及びパック電池
JP5994240B2 (ja) 2011-12-02 2016-09-21 日産自動車株式会社 組電池の制御装置
JP6169376B2 (ja) * 2012-03-28 2017-07-26 株式会社半導体エネルギー研究所 電池管理ユニット、保護回路、蓄電装置
CN104823347B (zh) * 2012-12-03 2018-10-02 丰田自动车株式会社 蓄电系统
CN105492917B (zh) * 2013-08-30 2018-08-24 日本碍子株式会社 确定二次电池系统的异常发生部位的装置、方法以及程序
WO2016038658A1 (ja) * 2014-09-08 2016-03-17 株式会社 東芝 電池パック、制御回路および制御方法
WO2016059869A1 (ja) 2014-10-17 2016-04-21 株式会社 東芝 二次電池の充電状態推定装置及びその充電状態推定方法
FR3029296B1 (fr) * 2014-11-28 2016-12-30 Renault Sa Procede automatique d'estimation de l'etat de charge d'une cellule d'une batterie
CN107250824B (zh) * 2015-02-13 2020-05-01 松下知识产权经营株式会社 二次电池的充电状态估计装置和充电状态估计方法
DE102016119253A1 (de) * 2015-10-20 2017-04-20 GM Global Technology Operations LLC Batteriezustands-schätzungssysteme und verfahren unter verwendung eines nichtlinearen widerstandselements
JP6657967B2 (ja) 2016-01-06 2020-03-04 株式会社Ｇｓユアサ 状態推定装置、状態推定方法
CN106067570A (zh) * 2016-07-15 2016-11-02 李志行 一种双模全功能电池管理系统及其充放电方法
CN107064803B (zh) * 2016-12-16 2019-12-13 蔚来汽车有限公司 电池内短路的在线检测方法
KR102200550B1 (ko) * 2017-10-10 2021-01-07 주식회사 엘지화학 이차 전지의 충전 상태를 추정하기 위한 장치

Patent Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2012098770A1 (ja) * 2011-01-18 2012-07-26 カルソニックカンセイ株式会社 バッテリの充電率推定装置
JP2015184219A (ja) * 2014-03-25 2015-10-22 富士通株式会社 推定プログラム、推定方法および推定装置

Cited By (20)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2019146302A (ja) * 2018-02-16 2019-08-29 株式会社半導体エネルギー研究所 二次電池の充電状態推定装置及び異常検出装置、及び二次電池の管理システム
JP7280584B2 (ja) 2018-05-31 2023-05-24 学校法人立命館 蓄電池の内部パラメータ推定装置、方法、及びコンピュータプログラム
JP2019211211A (ja) * 2018-05-31 2019-12-12 学校法人立命館 蓄電池の内部パラメータ推定装置、管理装置、蓄電池システム、方法、及びコンピュータプログラム
CN110626210A (zh) * 2019-08-29 2019-12-31 蜂巢能源科技有限公司 锂电池微短路的识别方法及电池管理系统
JP7306932B2 (ja) 2019-09-19 2023-07-11 古河電気工業株式会社 充電可能電池状態検出装置および充電可能電池状態検出方法
JP2021047132A (ja) * 2019-09-19 2021-03-25 古河電気工業株式会社 充電可能電池状態検出装置および充電可能電池状態検出方法
JP2021103141A (ja) * 2019-12-25 2021-07-15 本田技研工業株式会社 機械学習装置、機械学習方法、充電率推定装置、および充電率推定システム
JP7082603B2 (ja) 2019-12-25 2022-06-08 本田技研工業株式会社 機械学習装置、機械学習方法、充電率推定装置、および充電率推定システム
CN111241154A (zh) * 2020-01-02 2020-06-05 浙江吉利新能源商用车集团有限公司 一种基于大数据的蓄电池故障预警方法及系统
CN111241154B (zh) * 2020-01-02 2024-04-12 浙江吉利远程新能源商用车集团有限公司 一种基于大数据的蓄电池故障预警方法及系统
KR20210104576A (ko) 2020-02-17 2021-08-25 도요타 지도샤（주） 전지 시스템 및 전지의 이상 판정 방법
US11817565B2 (en) 2020-02-17 2023-11-14 Toyota Jidosha Kabushiki Kaisha Battery system and method for determining abnormality of battery
JP2022550154A (ja) * 2020-05-15 2022-11-30 エルジー エナジー ソリューション リミテッド バッテリーを診断するための装置及びその方法
JP7332084B2 (ja) 2020-05-15 2023-08-23 エルジー エナジー ソリューション リミテッド バッテリーを診断するための装置及びその方法
EP4092434A4 (en) * 2020-07-15 2023-09-27 LG Energy Solution, Ltd. BATTERY MANAGEMENT DEVICE, BATTERY PACK, ENERGY STORAGE SYSTEM AND BATTERY MANAGEMENT METHOD
WO2022015062A1 (ko) * 2020-07-15 2022-01-20 주식회사 엘지에너지솔루션 배터리 관리 장치, 배터리 팩, 에너지 저장 시스템 및 배터리 관리 방법
WO2023119967A1 (ja) * 2021-12-23 2023-06-29 株式会社村田製作所 電源システムおよび電子機器
WO2023127335A1 (ja) * 2021-12-28 2023-07-06 株式会社村田製作所 異常検出装置、電源システムおよび異常検出方法
CN116299038B (zh) * 2023-02-13 2024-04-05 上海玫克生储能科技有限公司 电芯微短路的检测方法、系统、设备及存储介质
CN116299038A (zh) * 2023-02-13 2023-06-23 上海玫克生储能科技有限公司 电芯微短路的检测方法、系统、设备及存储介质

Also Published As

Publication number Publication date
JP7234140B2 (ja) 2023-03-07
JP2023067894A (ja) 2023-05-16
CN111542759A (zh) 2020-08-14
TW202349010A (zh) 2023-12-16
DE112018006835T5 (de) 2020-10-15
TW201930910A (zh) 2019-08-01
KR20200107987A (ko) 2020-09-16
CN111542759B (zh) 2024-02-09
US20200355749A1 (en) 2020-11-12
US20240118344A1 (en) 2024-04-11
TWI814765B (zh) 2023-09-11
JPWO2019138286A1 (ja) 2021-02-12

Similar Documents

Publication Publication Date Title
JP7234140B2 (ja) 二次電池の異常検知装置、異常検知方法、プログラム、二次電池の状態推定方法、及び二次電池の充電状態推定装置
US11313910B2 (en) Anomaly detection system and anomaly detection method for a secondary battery
JP7393102B2 (ja) 二次電池の異常検出装置
EP2762907B1 (en) Apparatus and method for estimating state of charge of battery
EP2573858B1 (en) Battery control system for a lithium ion battery and assembled battery control system
JP6978339B2 (ja) 二次電池の充電状態推定装置及び異常検出装置、及び二次電池の管理システム
JP7446990B2 (ja) 蓄電装置の充電状態推定方法及び蓄電装置の充電状態推定システム
Vaideeswaran et al. Battery management systems for electric vehicles using lithium ion batteries
US11804622B2 (en) Abnormality detection method of power storage device and management device of power storage device
JP2016091613A (ja) 電池システム及び容量回復方法
US9834112B2 (en) Battery state of charge estimation based on reduced order electrochemical models
Waseem et al. Battery technologies and functionality of battery management system for EVs: Current status, key challenges, and future prospectives
EP4030530A1 (en) All-solid-state lithium ion secondary battery system and charging device for all-solid-state lithium ion secondary batteries
Shili et al. Online lithium-ion batteries health monitoring using balancing circuits
WO2020201893A1 (ja) 二次電池の充電状態推定方法、二次電池の充電状態推定システム、及び二次電池の異常検知方法
Li Adaptive model-based state monitoring and prognostics for lithium-ion batteries
CN113178625A (zh) 二次电池的诊断装置以及soc不均探测方法
Pandey et al. Jelly-Roll Pressure Sensor based Improved Cuckoo Search Particle Filtering Strategy for Predicting Remaining Useful life of Lithium Iron Phosphate Batteries

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: 18899578

Country of ref document: EP

Kind code of ref document: A1

ENP Entry into the national phase

Ref document number: 2019565083

Country of ref document: JP

Kind code of ref document: A

ENP Entry into the national phase

Ref document number: 20207021306

Country of ref document: KR

Kind code of ref document: A

122 Ep: pct application non-entry in european phase

Ref document number: 18899578

Country of ref document: EP

Kind code of ref document: A1