WO2020152901A1

WO2020152901A1 - 二次電池モジュールの余寿命診断方法及び余寿命診断システム

Info

Publication number: WO2020152901A1
Application number: PCT/JP2019/034137
Authority: WO
Inventors: 修子山内; 井上　健士; 孝徳山添; 茂樹牧野; 大輝小松; 伸治今井
Original assignee: 株式会社日立製作所
Priority date: 2019-01-21
Filing date: 2019-08-30
Publication date: 2020-07-30
Also published as: EP3916884A4; JP7182476B2; EP3916884A1; EP3916884B1; JP2020119658A

Abstract

二次電池モジュールの電流、電圧及び充電状態を含む充電情報を取得する工程と、充電情報から二次電池モジュールの現在の容量及び内部抵抗を求め、容量及び内部抵抗の初期値と比較して二次電池モジュールの劣化度を算出し、この劣化度を実測値とする工程と、二次電池モジュールの出力情報を取得する工程と、出力情報を用いて予測式により劣化度の予測値を算出する工程と、実測値と予測値とを比較する工程と、実測値と予測値との差が所定の値以下である場合には、余寿命を算出する工程と、を含む二次電池モジュールの余寿命診断方法であって、実測値と予測値との差が所定の値を超えている場合には、実測値に基いて予測式の補正をし、補正後の予測式により予測値を算出する。これにより、二次電池モジュールの劣化度を短時間で正確に確定し、使用履歴に応じた余寿命を推定することができる。

Description

二次電池モジュールの余寿命診断方法及び余寿命診断システム

　本発明は、二次電池モジュールの余寿命診断方法及び余寿命診断システムに関する。

　現在、地球環境問題が大きくクローズアップされてきており、地球温暖化を防止するために、あらゆる場面で炭酸ガスの排出削減が求められている。こうした背景から、炭酸ガスの大きな排出源の一つであるガソリンエンジンを使用した自動車については、ハイブリッド電気自動車や電気自動車などへの代替が進んでいる。ハイブリッド電気自動車や電気自動車の動力用電源に代表される大型の二次電池は、高出力・大容量であることが必要である。そのため、こうした大型の二次電池を構成する蓄電池モジュールは、一般に複数の電池セルを直並列に接続して構成される。

　一方、最近では、太陽光発電や風力発電を行って自家発電を行う家庭が増えており、余剰電力がある場合は、電力会社に販売するなどしている。しかしながら、系統への売電量が増加すると、系統電圧が不安定になる。このため、余剰電力を蓄電システムに蓄積し、不足時に蓄電システムより供給することにより、負荷の平準化をすることが考えられている。この負荷平準化には、電気自動車を使用することも提案されている。

　車載の電池は、バッテリの性能が走行に影響するため、一般に高性能で軽量のリチウムイオン電池が使用される。そのため、一般的に走行用バッテリの価格は高く、電気自動車の価格も同じクラスのガソリン車よりも高額である。よって、ユーザーからは、より長期間電気自動車の使用・走行を続けたいという要求がある。このため、バッテリの劣化度をより適正に診断し、余寿命を診断することは重要である。

　車載電池の劣化をより正確に知るためには、定電流での充放電試験により、電池の抵抗、容量を算出することが望ましい。しかしながら、いったん車両に取り付けた後は、メーカの保守点検時に電池を取りはずして測定するなど、劣化の診断に時間が掛っていた。

　リチウムイオン電池等の二次電池は、充放電を繰り返すごとに劣化が進行し、容量が減少すると共に内部抵抗が上昇する。これにより、二次電池の出力の変動が生じる。二次電池における劣化進行の程度は、現在までに二次電池が使用された環境や方法など、二次電池の使用履歴によって異なる。そのため、二次電池の使用履歴に応じた劣化状態を正確に推定する技術が求められている。

　特許文献１には、二次電池に流れる電流量などを用いて、二次電池の容量劣化のレベルを推定する電池劣化推定方法が開示されている。

　特許文献２には、電動機からの動力を用いて走行する自動車に搭載されたまたは該自動車への搭載用で且つ複数のモジュールにより構成されたバッテリである診断用バッテリの余寿命を診断する余寿命診断方法であって、充電特性、放電特性等の寿命実績を用いるものが開示されている。

特許第５４６６５６４号公報特許第５３３８５９１号公報

　特許文献１に記載の方法においては、二次電池の容量劣化について、電流量などを用いて推定している。しかしながら、二次電池の内部抵抗は、温度、ＳＯＣ、通電履歴などによって大きく変わるため、高精度に電池劣化の推定に適用することは困難である。このため、内部抵抗の上昇については考慮されていない。このため、二次電池の出力を重視する場合における劣化推定については、改善の余地がある。また、二次電池の内部の劣化状態がどのようになっているかについては不明である。

　特許文献２に記載の方法においては、バッテリの搭載車種と使用状態と寿命実績とを関連付けて寿命情報としてデータベース化している。この場合、寿命に到達したバッテリである寿命バッテリのデータと、予め定められた所定の充電シーケンス又は放電シーケンスにより取得されたデータとが必要であり、データが不足している場合は判定ができず、データの蓄積に多大な工数が必要となる。

　本発明の目的は、二次電池モジュールの劣化度を短時間で正確に確定し、使用履歴に応じた余寿命を推定することにある。

　本発明の二次電池モジュールの余寿命診断方法は、二次電池モジュールの電流、電圧及び充電状態を含む充電情報を取得する工程と、充電情報から二次電池モジュールの現在の容量及び内部抵抗を求め、容量及び内部抵抗の初期値と比較して二次電池モジュールの劣化度を算出し、この劣化度を実測値とする工程と、二次電池モジュールの出力情報を取得する工程と、出力情報を用いて予測式により劣化度の予測値を算出する工程と、実測値と予測値とを比較する工程と、実測値と予測値との差が所定の値以下である場合には、余寿命を算出する工程と、を含み、実測値と予測値との差が所定の値を超えている場合には、実測値に基いて予測式の補正をし、補正後の予測式により予測値を算出する。

　また、本発明の二次電池モジュールの余寿命診断システムは、抵抗・容量演算部と、劣化推定部と、寿命算出部と、を含み、抵抗・容量演算部は、二次電池モジュールの電流、電圧及び充電状態を含む充電情報を取得し、充電情報から二次電池モジュールの現在の容量及び内部抵抗を求め、容量及び内部抵抗の初期値と比較して二次電池モジュールの劣化度を算出し、この劣化度を実測値とし、劣化推定部は、二次電池モジュールの出力情報を取得し、出力情報を用いて予測式により劣化度の予測値を算出し、実測値と予測値とを比較し、実測値と予測値との差が所定の値以下である場合には、寿命算出部は、余寿命を算出し、実測値と予測値との差が所定の値を超えている場合には、劣化推定部は、実測値に基いて予測式の補正をし、補正後の予測式により予測値を算出し、寿命算出部は、余寿命を算出する。

　本発明によれば、二次電池モジュールの劣化度を短時間で正確に確定し、使用履歴に応じた余寿命を推定することができる。

実施例１の二次電池モジュールの余寿命診断装置及びこれに接続する装置を示す全体構成図である。実施例２の二次電池モジュールの余寿命診断装置及びこれに接続する装置を示す全体構成図である。１台の余寿命診断装置により複数セットの二次電池モジュール等のデータを管理する例を示す全体構成図である。二次電池モジュールの余寿命診断方法の例を示すフロー図である。図４の余寿命診断方法における寿命の補正の例を示すグラフである。実測データの異常を検出するプロセスを示すフロー図である。時間又は走行距離に対する劣化度ＳＯＨを示すグラフである。本発明の具体例を示す概略構成図である。充電曲線及びＯＣＶ曲線の例を示すグラフである。ＳＯＣと抵抗との関係の例を示すグラフである。本発明における余寿命算出プロセスを示すフロー図である。電池の使用時間に対する電流、電圧及びＳＯＣの変化を示すグラフである。本発明の効果を示すグラフである。本発明の二次電池モジュールの余寿命診断に係る車両システムの基本構成を示す全体構成図である。本発明の余寿命診断システムの一例である。本発明の余寿命診断の一例を示す構成図である。それぞれの車両の劣化状態を示すグラフである。ＳＯＣの時間的な変動の一例を示すグラフである。本発明が適用される車両の例を示す構成図である。運転条件パラメータ及び劣化推定用情報を含むデータベースの例を示す表である。

　以下、図面を参照して本発明の実施形態を説明する。

　図１は、本発明の一実施形態の全体構成（二次電池モジュールの余寿命診断システム）を示したものである。

　本図においては、車両１（電池システム）に設置された二次電池モジュール１１（蓄電池モジュール）が余寿命診断の対象である。

　車両１には、走行情報、温度情報等を取得できる第一の端末１２が設置されている。第二の端末３は、第一の端末１２とは別体であり、第一の端末１２及びサーバー４と無線又は有線による通信ができるものである。また、第二の端末３は、車両１に乗っている運転者又は同乗者の所持するスマートデバイスであってもよいが、車両１が走行する道路又はその近くに設置されている中継装置であってもよい。

　充電器２は、充電する際に充電ケーブル内の通信プロトコルから得られる充電状態（Ｓｔａｔｅ　ｏｆ　Ｃｈａｒｇｅ：ＳＯＣ）、出力電流Ｉ、出力電圧Ｖ等の情報をサーバー４に無線又は有線の通信により送信することができるように構成されている。第一の端末１２により取得された走行情報及び温度情報は、第二の端末３に無線又は有線の通信により送信されるように構成されている。

　サーバー４は、二次電池モジュール１１の余寿命診断装置であり、抵抗・容量演算部５、劣化推定部６及び寿命算出部７を有している。抵抗・容量演算部５、劣化推定部６及び寿命算出部７は、互いに連携し、情報を共有することができるようになっている。

　なお、本図の説明は、電気自動車等の車両の構成に基いているため、「走行情報」という用語を用いているが、一般には、二次電池モジュールの出力、休止等の情報を含むため、出力、休止等の情報をまとめて「出力情報」と呼ぶことにする。出力情報は、温度情報を含むものであってもよい。また、本発明は、車両以外にも、二次電池を動力源とする走行ロボット、飛行ロボット等の移動体にも適用可能である。

　車両１を充電器２に接続すると、二次電池モジュール１１に充電される。この際、充電器２は、車両１から二次電池モジュール１１を構成する二次電池のＳＯＣ、出力電流Ｉ、出力電圧Ｖ等の情報（充電情報）を取得する。充電器２は、取得された充電情報を抵抗・容量演算部５に送信する。第二の端末３は、劣化推定部６に走行情報等を送信する。

　抵抗・容量演算部５は、取得した情報から二次電池の現在の容量及び抵抗の値を演算し、初期値と比較して劣化度を算出する。劣化推定部６は、劣化予測式（単に「予測式」ともいう。）を有し、第二の端末３から送信された走行情報を劣化予測用パラメータに変換し、劣化度を推定する。劣化推定部６は、抵抗・容量演算部５で取得した実測値を参照し、劣化予測式を修正する。寿命算出部７は、車両１の寿命基準の容量及び抵抗の規格値を用いて余寿命を算出する。寿命算出部７は、第二の端末３に劣化度、余寿命等の情報を送信することができる。

　なお、「現在」の容量、抵抗のデータは、例えば数日前のデータであってもよいが、直近のデータ（リアルタイムのデータ）であることが望ましい。

　上記の説明においては、サーバー４は、抵抗・容量演算部５、劣化推定部６及び寿命算出部７のうち少なくとも寿命算出部７を有していればよい。その場合には、抵抗・容量演算部５及び劣化推定部６は、充電器２に配置してもよい。また、サーバー４は、抵抗・容量演算部５、劣化推定部６及び寿命算出部７のうち劣化推定部６及び寿命算出部７を有している場合には、抵抗・容量演算部５は、充電器２に配置してもよい。

　図２は、図１の変形例を示したものである。

　本図においては、第一の端末１２は、車両１のＯＢＤ端子を利用する診断端末１２ａと、車両１の各部の温度情報等を取得する記録端末１２ｂと、を含む構成とする。このように複数の端末を用いてもよい。ここで、ＯＢＤは、Ｏｎ－ｂｏａｒｄ　ｄｉａｇｎｏｓｔｉｃｓの略称である。

　診断端末１２ａは、ＯＢＤ端子から車両１のＣＡＮ（Ｃｏｎｔｒｏｌｌｅｒ　Ａｒｅａ　Ｎｅｔｗｏｒｋ）上の情報を利用することができる。これにより、走行距離や速度を取得、特に電池の電流電圧データと電池温度のデータを取得すれば、より詳細な電池の充放電パターンを取得・解析することができる。記録端末１２ｂは、休止時の車内温度、時間ログ等を記録する機能を有する。これにより、記録された情報及び運転中の情報を同様に取得することができ、同期しての処理が可能になる。よって、図１の例よりも詳細な走行履歴からの劣化推定パラメータへの変換が可能になる。そのため、条件の精度が向上し、更に適切な劣化式を選択でき、推定精度が向上する。

　図３は、１つのサーバーが複数の車両及び複数の充電器の情報を収集し蓄積する例を示したものである。

　本図においては、複数の車両１ａ、１ｂ、１ｃ及び複数の充電器２ａ、２ｂのうち、代表的な車両１ａ及び充電器２ａを実線で表し、他の車両１ｂ、１ｃ及び充電器２ｂを破線で表している。また、車両１ａ、１ｂ、１ｃのそれぞれに対応する第二の端末３ａ、３ｂ、３ｃについても、第二の端末３ａを実線で表し、他の第二の端末３ｂ、３ｃを破線で表している。

　このような構成とすることにより、１つのサーバー４に複数の車両１ａ、１ｂ、１ｃの情報を蓄積することができる。これにより、実測の劣化データベースの充実させることができる。そして、データベースから同車種の劣化情報を参照し、新車の使用開始時などにも、初期の電池特性値と走行方法を参照する劣化推定式を作成することが容易となり、電池の劣化と余寿命の推定を短時間で更に正確に予測することが可能になる。

　図４は、二次電池モジュールの余寿命診断方法の例を示したものである。

　本図においては、充電器から取得したＩ、Ｖ、ＳＯＣ等（充電情報）から現在の電池の容量及び抵抗の検出又は算出をし、容量及び抵抗の初期値と比較して劣化度を算出する。
この劣化度の値を実測値とする（Ｓ１０１）。一方、第一の端末及び第二の端末から取得した移動距離の時系列データ、電池の温度の時系列データ等から、走行時間、休止時間、各温度の履歴等を抽出する（Ｓ１０２）。この場合においては、必要に応じて、データの値を変換する。そして、得られたデータを劣化予測に使用するパラメータに加工し、劣化を予測する（Ｓ１０３）。この結果、劣化度の予測値が求まる。

　上述のようにして得られた実測値と予測値とを比較する（Ｓ１０４）。そして、実測値と予測値との差が所定の値以下である場合は、余寿命算出（Ｓ１０５）に進む。一方、その差が所定の値を超えている場合は、補正をする（Ｓ１０６）。補正後の予測値をＳ１０３における予測値として採用し、余寿命の算出をする（Ｓ１０５）。

　本図に示す方法においては、車両の充電時の定電流データを使用するため、従来よりも正確な容量及び抵抗の推定が可能となる。また、充電が急速充電の場合は、更に短時間で電池の劣化度ＳＯＨＱ、ＳＯＨＲの算出が可能である。なお、劣化度は、「劣化状態」ともいう。

　ここで、電池の劣化状態は、電池の内部抵抗（以下単に「抵抗」ともいう。）を用いて演算したＳＯＨＲまたは電池の満充電容量を用いて演算したＳＯＨＱである。ＳＯＨＲは、電池の内部抵抗に基づき求めたＳＯＨであり、電池の劣化に伴い上昇する電池の内部抵抗の上昇率を表し、次の式（１）で定義される。

　ＳＯＨＲ＝１００×Ｒ_１（ＳＯＣ，Ｔ）／Ｒ_０（ＳＯＣ，Ｔ）　　…（１）
　式中、Ｒ_１（ＳＯＣ，Ｔ）は、現在（劣化後）の単電池１１１の内部抵抗［Ω］を表す。Ｒ_０（ＳＯＣ，Ｔ）は、新品時の単電池１１１の内部抵抗［Ω］を表す。

　容量を用いて演算するＳＯＨＱは、現在容量を初期容量で除したものである。上記式（１）のＳＯＨＲは、百分率で表しているが、初期に対する現在の比率であれば必ずしも百分率に限られない。

　以上のとおり、実測値で補正することにより、正確な予測による余寿命の推定が可能となる。

　図５は、図４の余寿命診断方法における寿命の補正の例を示すグラフである。横軸に時間、縦軸に劣化度ＳＯＨＲをとっている。

　本図において部分的に破線で示す曲線（ａ）は、走行条件Ａにより推定した予測値に基くものである。この場合、寿命に対応する劣化度ＳＯＨＲ_ｌｉｍにおいては、横軸の値がｘとなる。よって、推定寿命はｘと判定される。

　実測値取得時刻ｍ_ｔにおいて、ｍ_ｔにおける予測値（図中△印で示している。）よりも実測値（図中〇印で示している。）が低い場合、実測値取得時刻ｍ_ｔ以降の予測式を補正する。これにより、補正後の曲線（ｂ）が得られる。曲線（ｂ）から、推定寿命はＹと判定される。

　このように、実測値に基いて予測式の補正をすることにより、適正な推定寿命を得ることができる。

　図６は、実測データの異常を検出するプロセスを示すフロー図である。

　本図に示すように、充電器からのデータに基いてＳ１０１において得られた実測値（現在値）と、Ｓ１０３において走行履歴から得られた予測値と、を比較し、実測値と予測値との差が所定の値以下である場合は、補正（Ｓ１０６）をし、余寿命算出（Ｓ１０５）に進む。しかし、その差が補正をすることができないほど大きい場合、すなわち実測データが過去履歴データから大きく外れている場合は、異常と判定し、通知する（Ｓ１１１）。
通知先は、サーバーであってもよいし、第二の端末であってもよい。

　このように、異常判定（Ｓ１１１）も同時に実施することにより、電池の保守や使用方法の変更を促す効果が期待できる。

　図７は、時間または走行距離に対する劣化度ＳＯＨの関係を示したものである。

　本図に示すように、図６の余寿命算出（Ｓ１０５）からの出力（余寿命）は、予測値の曲線として示される太い実線が、車両寿命値ＳＯＨ_ｌｉｍに該当する値に達する時刻または走行距離と、現行測定値（図中〇印で示している。）を得た時刻または走行距離との差として算出し、通知する。これにより、余寿命は、時間または走行距離で示すことができる。

　図８は、本発明を実証するための構成例を示したものである。

　本図においては、車両１は、診断端末１２ａ（ＯＢＤ端末）と記録端末１２ｂとを具備している。車両１には、電池制御回路（ＢＣ）と、車両１内のＣＡＮ通信の情報が取得可能なＯＢＤ端子と、が設けられている。診断端末１２ａは、ＯＢＤ端子に接続し、これらの情報は、携帯電話、スマートフォンなどのスマートデバイス（第二の端末３）の通信機能を利用してサーバー４に送信される。

　車両１は、充電のために急速充電ケーブル８を介して充電器２に接続される。急速充電ケーブル８は、例えば、ＣＨＡｄｅＭＯ（登録商標）の通信プロトコルを利用することができる。これにより、充電の際、充電器２は、車両１のデータを取得することができる。

　時間に対する出力電圧、出力電流、ＳＯＣ等の情報は、充電器２からサーバー４に送信される。サーバー４は、受け取った情報（データ）を用いて、劣化診断、劣化予測、余寿命診断等を実行し、その結果をスマートデバイス（第二の端末３）に表示させることができる。

　ここで、図９のグラフを用いて、劣化による劣化度診断の算出方法の例を示す。

　図９は、及びＯＣＶ曲線の例を示したものである。横軸にＳＯＣ、縦軸に電圧をとっている。

　図８の車両１の情報から車両１に用いられている電池の仕様をデータベース内で検索し、電池のＯＣＶ曲線を得る。

　充電開始時の開回路電圧（ＯＣＶ）をＳＯＣに換算し、開始ＯＣＶである電圧ＯＣＶ_ｉｎｉを求める。

　充電曲線に示すように、ＳＯＣに対する充電電圧を算出し、充電電圧と同じＳＯＣでのＯＣＶとの差を通電電流値で除すことにより抵抗値Ｒを求めることができる。特に、通電直後は、ＳＯＣが変動する前であり、反応抵抗の影響が少なく好適である。

　リチウムイオン電池では、上記のようにして算出される抵抗値Ｒは、ＳＯＣに対して依存性があることが知られている。

　図１０は、通電開始からの時刻ｔ、ｔ１、ｔ２における抵抗値Ｒ_ｔ、Ｒ_ｔ１、Ｒ_ｔ２のＳＯＣに対する抵抗曲線の例を示したものである。ｔは、通電初期１０ｍｓ程度である。
この段階においては、部品抵抗及び電気抵抗のみが検出されるため、ＳＯＣによる変動はない。ｔ１は１秒後、ｔ２は５秒後である。ｔ１、ｔ２経過後においては内部抵抗値が増加し、ＳＯＣによる変動が生じる。

　本図に示すＲとＳＯＣとの関係は、関数またはテーブルとして表すことができる。

　ＳＯＣ_ａからＳＯＣ_ｂまで充電した場合は、それぞれの抵抗値Ｒを引き当てて補正演算する。電池の充放電終了時の電圧及び電流をそれぞれＶ_ｌａｓｔ、Ｉ_ｌａｓｔとし、充放電終了時から所定時間後に検出される電池の開回路電圧をＯＣＶとすると、抵抗曲線における抵抗値Ｒは、次の式（２）で求められる。

　Ｒ＝（｜ＯＣＶ－Ｖ_ｌａｓｔ｜）／Ｉ_ｌａｓｔ　　…（２）
　あるいは、充放電中の電池の電流値Ｉが一定である場合に、電池の閉回路電圧をＣＣＶとすると、抵抗値Ｒは、次の式（３）で求めることもできる。

　Ｒ＝（ＯＣＶ－ＣＣＶ）／Ｉ　　…（３）
　また、一定ＳＯＣでの電流値ｘに応じた、複数の電流と電池の閉回路電圧との関係により求められる線形近似式Ａｘ＋Ｃにおける係数Ａから、抵抗値Ｒを求めることもできる。
定数ＣがＯＣＶのとき、係数Ａは内部抵抗ＤＣＲとなる。

　また、容量Ｑは、初期のＳＯＣであるＳＯＣ_ｉｎｉと終了時のＳＯＣであるＳＯＣ_ｅｎｄとの差すなわちＳＯＣの変動幅、及び電気量Ｑ_ｃｈから、次の式（４）で求めることができる。

　Ｑ＝Ｑ_ｃｈ／（ＳＯＣ_ｅｎｄ－ＳＯＣ_ｉｎｉ）×１００　　…（４）
　図１１を用いて本発明の実施の概要を更に説明する。

　図１に示す第一の端末１２及び第二の端末３からデータを取得し、データベース４４に蓄積するために加工する（Ｓ１０２）。その後、加工したデータをデータベース４４に電池特性、走行情報などとして蓄積する。一方、充電情報である電流、電圧、時刻、ＳＯＣなどを検出部２０で取得し加工したデータと、データベース４４にＳ１０２に蓄積した走行情報などを加工して得られた温度などのデータとを入力として、劣化診断をし、現状の劣化度ＳＯＨを算出する（Ｓ１０１）。そして、走行情報を利用し、現状の劣化度ＳＯＨ及びデータベース４４を参照して、劣化および寿命値を予測し出力する（Ｓ１０３）。

　Ｓ１０２では、使用履歴分析処理など、検出部２０におけるデータ蓄積・選択処理により蓄積された電圧、電流、時間等のデータを使用して、任意の分析処理を実施してもよい。これにより、電池に対する運転のパラメータ（運転パラメータ）を抽出する。

　図１２は、電池の使用時間に対する電流、電圧及びＳＯＣの変化の例を示したものである。

　運転パラメータの抽出に際しては、本図に示すような電流、電圧及びＳＯＣを任意時刻の値を用いる。そして、これらの値を加工する。

　図１１の劣化予測処理Ｓ１０３においては、抽出された運転パラメータと、劣化診断により得られた現状の劣化度ＳＯＨとに基づいて、電池の容量及び抵抗に対する劣化予測を行う。ここでは、例えば、予め記憶された運転パラメータと電池の劣化度の進行との関係についてのデータベースを用いて、その後の電池の抵抗変化及び容量変化を予測する。

　電池の劣化予測において精度の高い予測モデルを構築するためには、データ量が多いことが必要である。劣化予測式の更新ができない従来例においては、劣化予測式を確立して実装するまでにモデル構築用の電池試験を数多く行う必要があった。

　本発明においては、データベースを逐次更新し、劣化予測式も更新するため、ある程度のデータ量での予測式を作成し実装した後でも、実測データが増えていき、劣化予測式を更新することができる。このため、測定データの量が増えるほど誤差を小さくできる。

　図１３は、本発明の効果について従来例と対比して示したものである。横軸にデータ量、縦軸に誤差をとっている。実線の曲線は本発明であり、破線の曲線は従来例である。

　本図に示すように、従来例の場合、データ量が少ない領域では、誤差が漸減していくが、データ量の増加が進むと、誤差が低下しなくなっている。これに対して、本発明の場合、データ量が増加しても、誤差の低下が進行する。

　このように、本発明においては、実装した後でも劣化予測式の更新を行うため、実装までのモデル構築工数を低減することができる。言い換えると、電池の劣化推定式を構築するための電池劣化試験の工数を削減でき、短時間で確度の高い余寿命診断が可能となる。

　図１４は、本発明の二次電池モジュールの余寿命診断に係る車両の電池システムの基本構成を示したものである。

　本図においては、システム構成として、車両に用いられている二次電池モジュール１１（蓄電池モジュール）と、車両内に設置されている測定値検出部２１と、を含む。二次電池モジュール１１は、正極及び負極を有する単電池１１ａ、１１ｂを複数直列に接続して構成されている。二次電池モジュール１１は、不図示の負荷と接続されており、負荷に対して電力を供給する。

　このほか、電池制御部３０、上位制御部６０及び負荷制御部７０も、システムの構成要素である。

　本システムは、測定値検出部２１、電池制御部３０、上位制御部６０及び負荷制御部７０により二次電池モジュール１１を制御する。

　測定値検出部２１は、二次電池モジュール１１の状態に関する様々な情報（データ）を検出する。たとえば、二次電池モジュール１１の総電流、総電圧、環境温度、最高温度、平均温度、最低温度や、単電池１１ａ、１１ｂそれぞれの温度、電圧等のデータを検出する。測定値検出部２１で検出されたデータは、電池制御部３０に入力される。なお、単電池１１ａ、１１ｂそれぞれの種類又は型式等、言い換えると、単電池１１ａ、１１ｂの個別の特徴についても検出することが望ましい。

　電池制御部３０は、測定値検出部２１から入力されたデータに基づいて、現在の二次電池モジュール１１の充電状態（ＳＯＣ）を計算すると共に、異常状態の検知、入出力可能な電力の計算、温度コントロール指令の生成などの処理を実行する。上位制御部６０で得られたこれらの情報は、負荷制御部７０に出力される。

　負荷制御部７０は、上位制御部６０から入力された制御指令と、電池制御部３０から入力された情報とに基づいて、負荷の制御を実行する。

　図１５は、本発明の余寿命診断システムの一例である。

　本図において、余寿命診断部５０は、データ蓄積部４１、データ選択部４２、劣化算出部４３、運転パラメータ算出部４５、劣化予測部４６（劣化状態推定部）及び余寿命算出部４７の各機能ブロックを有する。余寿命診断部５０は、例えば、予め記憶されたプログラムをＣＰＵにより実行することで、これらの機能ブロックに対応する各機能を実現することができる。

　検出部２０は、電池の電圧、電流、温度等のデータを、日時等の時間情報と共に検出し、余寿命診断部５０に出力する。この際、充電器に通知されて演算されたＳＯＣの情報も、余寿命診断部５０に入力する。余寿命診断部５０において、データ選択部４２は、車両内の測定値検出部２１（図１４）によって取得された電池温度・走行履歴に関係するデータを含む車両からの出力情報、および検出部２０から出力されたデータのうちあらかじめ設定した条件に合致するものを選択し、データ蓄積部４１に出力する。なお、電池温度・走行履歴は、図１４の測定値検出部２１での測定値を、ＯＢＤ端子、第一の端末１２及び第二の端末３を経由して取得する。

　データ蓄積部４１は、ＳＯＣ－ＯＣＶデータ蓄積部４１ａ、ＳＯＣ－Ｒデータ蓄積部４１ｂ（ＳＯＣ－抵抗データ蓄積部）、運転パラメータデータ蓄積部４１ｃ及びデータベース４４を有する。

　データ選択部４２では、一定期間または一定回数毎に、条件に合致したＳＯＣに対する開回路電圧を取得し、ＳＯＣ－ＯＣＶデータ蓄積部４１ａに蓄積する。同様に、ＳＯＣに対し抵抗のデータを取得し、ＳＯＣ－Ｒデータ蓄積部４１ｂに蓄積する。運転パラメータデータ蓄積部４１ｃには、図１４の車両の測定値検出部２１から出力されたデータに基づいて、二次電池モジュール１１の使用時間に応じた使用履歴データとして短時間例えば、数分間の電流、通電時間、ＳＯＣ変動などのデータを取得して蓄積する。

　蓄積したデータは、運転パラメータ算出部４５で解析する。

　データベース４４には、劣化推定に使用する各種データが備えられる。たとえば、劣化を推定する予測式、パラメータの初期値、パラメータの変化量などである。データベース４４、ＳＯＣ－ＯＣＶデータ蓄積部４１ａ及びＳＯＣ－Ｒデータ蓄積部４１ｂのデータを使用して、内部状態である容量・抵抗を演算し、劣化を検出する。なお、ＳＯＣ－ＯＣＶデータ蓄積部４１ａ及びＳＯＣ－Ｒデータ蓄積部４１ｂには、電池の初期データもあらかじめ蓄積する。現在の劣化状態を劣化算出部４３で推定し、上位制御部６０及び劣化予測部４６に出力する。運転パラメータ算出部４５で算出したパラメータは、劣化予測部４６で時系列の劣化の予測に用いられる。さらに、余寿命算出部４７において、データベース４４を用いて予測寿命または余寿命を算出し、上位制御部６０に出力する。　
　ここで、運転パラメータ算出部４５の動作について詳細に説明する。

　運転パラメータ算出部４５は、データ選択部４２で選択したデータから、データ蓄積部４１内の運転パラメータデータ蓄積部４１ｃに蓄積された使用履歴データに基づいて、二次電池モジュール１１の運転条件に関する様々な運転パラメータを算出する。二次電池モジュール１１の運転パラメータは、たとえば、稼働時の稼働中心ＳＯＣ、稼働電圧範囲、稼働上限電圧、稼働下限電圧、平均電流、最大・最小電流、電池温度、環境温度、発熱ファクタ、実効電流、稼働平均電気量、充電容量、放電容量、ＳＯＣ変動幅、単位時間当たりの通電極性比率、単位時間当たりの休止時間比率などである。なお、運転パラメータは、これらに限定されない。運転パラメータ算出部４５は、様々な運転条件から導き出せるパラメータを二次電池モジュール１１の運転パラメータとして使用することができる。

　また、データ選択部４２は、測定値検出部２１で検出した所定範囲のデータを、データ蓄積部４１に蓄積するデータであって二次電池モジュール１１の使用に関するパラメータを算出するためのデータとして選択する。データ選択部４２は、例えば、以下に説明するような方法により、データ選択を行うことができる。

　なお、以下の説明では、図１２に示す車両の検出データの例を用いて、データ選択部４２によるデータ選択方法を説明する。

　前述のように、図１２は、測定値検出部２１で検出されるデータの一例として、二次電池モジュール１１の使用時間に対する電流、電圧およびＳＯＣの変化を示している。

　最初に、データ選択部４２は、図１２の計測データにおいて、電流があらかじめ決められたＩ_ｊから０に変化する、二次電池モジュール１１が開回路状態になる直前の時刻ｔ_ａを特定する。この時刻ｔ_ａにおける電圧Ｖ_ａ及び充電状態ＳＯＣ_ａを、二次電池モジュール１１の充放電終了時における電圧及び充電状態としてそれぞれ取得する。

　次に、データ選択部４２は、二次電池モジュール１１が開回路状態となってから一定時間経過後の時刻ｔ_１ａを特定し、この時刻ｔ_１ａにおける電圧ＯＣＶ_１ａを、二次電池モジュール１１の開回路電圧として取得する。同様に、時刻ｔ_ｂおよびｔ_ｂ１や、時刻ｔ_ｃおよびｔ_ｃ１についても、二次電池モジュール１１の充放電終了電圧Ｖ_ｂ、Ｖ_ｃ、充放電終了充電状態ＳＯＣ_ｂ、ＳＯＣ_ｃ、開回路電圧ＯＣＶ_１ｂ、ＯＣＶ_１ｃをそれぞれ取得する。この際、それぞれのＳＯＣを検出した回数（時間）と、その時の放電電流とを記録することで、積算放電量ＱをＳＯＣ毎に取得できる。この値を使用し、全取得ＳＯＣ分の積算放電量Ｑを足し合わせることで、状態判定期間に使用された全放電量Ｑｄｔ（Ａｈ）を算出できる。充電電流の場合も、同様に蓄積すれば、全充電量Ｑｃｔ（Ａｈ）が得られ、全使用容量Ｑｔを求めることができる。

　さらに、検知回数（時間）で各ＳＯＣの積算放電容量ΣＱ_ｄｍを検知回数ｎ_ｉｍで除すことで、平均の通電電流Ｉ_ａｖｅをＳＯＣ毎に算出でき、電池の通電履歴の特徴を抽出できる。

　ＳＯＣが所定時間ｔ_ｐ２の間一定の場合、そのＳＯＣと、ｔ_ｐ２経過後の電圧Ｖとを取得する。このほかにも、電池温度や環境温度に関して同様のデータ蓄積を実施し、使用履歴データとして蓄積できる。

　使用履歴データとしてこのように蓄積された通電時の電流値から、通電時に変化した電気量及び通電時間も併せて取得できる。データ選択部４２は、こうして取得したさまざまな複数セットの電流、電圧、ＳＯＣ、時刻、時間、電気量等のデータを、劣化を予測するためのデータとして選択する。

　上位制御部６０は、第二の端末３を介して余寿命算出部４７から通知された寿命予測値と劣化状態に基づいて、二次電池モジュール１１に対して最適な出力指令を実行することができる。例えば、二次電池モジュール１１の稼働中心ＳＯＣを下方に変更するために、二次電池モジュール１１の電圧が目標電圧に達するまで一定量の電力を二次電池モジュール１１に放電させる制御を実施する。あるいは、充電と放電の電流バランスを変更し、システム稼働に大きく影響を及ぼさない範囲で、一定期間内の積算放電量の絶対値が積算充電量の絶対値よりも大きくなるように、二次電池モジュール１１の電流を制御し、稼働中心電圧を下げる調整をする。

　これにより、ＳＯＣが低い側で二次電池モジュール１１の劣化速度が抑制されるため、二次電池モジュール１１の長寿命化を実現できる。あるいは、通電電流の最大値が二次電池モジュール１１の劣化に大きく関与する場合には、電流値を制限することや、通電と休止の時間比率を変えることで、二次電池モジュール１１の寿命をコントロールすることができる。

　さらに、上位制御部６０では、第二の端末３及び／又は第一の端末１２を通じて余寿命算出部４７から通知された寿命予測値と運転条件のデータから、電池システムの収益計算、エネルギー効率、燃費計算などを実行して、二次電池モジュール１１の運転条件を変更するかどうかの判断を行ってもよい。

　図１５の運転パラメータ算出部４５では、例えば、開始電圧Ｖ_ｉｎｉ、終了電圧Ｖ_ｌａｓｔ、最大電圧Ｖ_ｍａｘ、最低電圧Ｖ_ｍｉｎ、セル温度Ｔ_ｃ、環境温度Ｔ_ａ、充電容量Ｑ_ｃ、放電容量Ｑ_ｄ、単位時間当たりの電気量変動ΔＱ、最大電流Ｉ_ｍａｘ、最小電流Ｉ_ｍｉｎ、平均電流Ｉ_ａｖｅ、実効電流Ｉ_ｅ、稼働中心電圧Ｖ_{ｃｅｎｔｅｒ}、各電圧領域の滞在時間比率Ｒ_ａｔｅｔ、単位時間当たりの通電極性比率ｔｐ、通電時間比率ｔｓ、休止時間比率ｔｒ、上下限ＳＯＣ（ＳＯＣ_ｍａｘ、ＳＯＣ_ｍｉｎ）、上下限電圧（Ｖ_ｍａｘ、Ｖ_ｍｉｎ）、ＳＯＣ変動幅ΔＳＯＣ、通電時間ｔ_{ｔｏｔａｌ}など、多岐にわたる運転パラメータを分析することができる。なお、通電極性比率ｔｐは、一定の通電時間内に充電と放電の極性が何回変わったかを示す指標である。

　図１２に示すように、二次電池モジュール１１（図１等）では、充放電電流の変動に対してＳＯＣも変動する。このときのＳＯＣの最大値を最大ＳＯＣ、ＳＯＣの最小値を最小ＳＯＣとすることで、これらの差からＳＯＣ変動幅ΔＳＯＣが求められる。また、単位時間当たりの電気量変動ΔＱは、たとえば充電が継続している部分の電気量ΔＱ_ｃと、放電が継続している部分の電気量ΔＱ_ｄとを電流波形から抽出し、単位時間内でこれらの値を積算して平均値で割ることにより求めることができる。その他にも、発熱の指標として定義する発熱ファクタ積算値Ｉ^２ｔや、電池温度の変化量ΔＴなどを使用して、運転パラメータの分析を行うことができる。なお、運転パラメータの分析に用いるデータの数は、任意に決定することができる。

　図１５において、運転パラメータ算出部４５は、データ蓄積部４１に蓄積されたデータの蓄積期間に対応して、数時間から数十日分の運転パラメータを分析し、運転状態に相当するパターンに近似する。さらに、劣化算出した結果と、その時の運転パラメータとを時系列に第３の履歴セットとして蓄積し、運転方法が変化したときの条件と容量・抵抗の変化を記録してもよい。このようにすることで、二次電池モジュール１１の異常を容易に発見できる効果がある。

　また、車両内にデータ記録部を設け、車両のキーオン及びキーオフの日時とＯＣＶを記録し、ＳＯＣ－ＯＣＶの取得点を増やしてもよい。さらに、車両のキーオフ時においても、外部クロックなどのタイマーを利用して外部から入力される信号に基づいて、所定時間ごとに二次電池モジュール１１の使用履歴データを取得し、第一の端末１２または第二の端末３に蓄積してもよい。例えば、二次電池モジュール１１自体の電力を使用して、測定値検出部２１で二次電池モジュール１１の電圧を検知し、その検知結果からＯＣＶのデータを取得し蓄積することができる。この際、キーオフ時から適切な経過時間のときにデータ取得を行い、その後に電源を切ることで、二次電池モジュール１１の消耗を防ぐとともに、安定したＯＣＶの値を二次電池モジュール１１の使用履歴データとして取得することができる。こうして取得した安定的なＯＣＶの値を用いてデータ解析を行うことにより、劣化の推定精度を更に向上させ、二次電池モジュール１１を効果的に使用することが可能となる。

　また、車両のＯＢＤ端子を介して電池の使用に関する温度データが出力されない場合には、第一の端末１２または第二の端末３に車両走行時及び車両停止時の気温や電池温度を記録し、電池の温度履歴として利用する。これにより、電池の温度履歴がない場合に比較すると、劣化検出の精度が向上し、劣化推定及び余寿命推定の精度も向上する。そのため、二次電池モジュールをより効果的に使用することが可能になる。

　（劣化状態の推定フロー）
　図１６Ａは、本発明の余寿命診断の一例を示す構成図である。

　本図に示す抵抗・容量算出部５１においては、充電器から電流、電圧及びＳＯＣのデータのうち少なくとも２つ以上の経時変化を取得し、あらかじめデータベースとして持っている車種仕様データベース１０２及び電池型式ごとの電池特性データベース１０１を参照して、現在の容量Ｑ及び抵抗Ｒを算出する。そして、初期値に対する劣化度ＳＯＨを演算する。演算結果は、車両毎の記録として情報記録部１０３に蓄積する。

　また、走行情報取得部２２において、第一の端末及び第二の端末から取得した移動距離の時系列データおよび電池温度の時系列データから、走行時間、休止時間及び各電池の温度履歴（温度情報）を抽出する。そして、これらのデータを走行情報パラメータ変換部２３で電池の劣化に影響するパラメータに更に変換する。情報記録部１０３においては、抵抗・容量算出部５１において得られたデータとともに、走行情報パラメータ変換部２３で得られたデータも記録して蓄積する。走行情報パラメータ変換部２３で得られたデータ（パラメータ）は、劣化予測演算部６１で劣化予測式を用いた経時的な劣化の推定に適用される。

　一方、車両の個別記録として蓄積された情報記録部１０３のデータは、車種毎データベース１０４（車種毎のデータベース）に変換される。車種毎データベース１０４のデータは、現在の劣化度を用いて推定式の作成に用いられる。

　図１６Ｂは、それぞれの車両の劣化状態を示すグラフである。

　本図に示すように車両のＩＤ毎に劣化式を作成して利用する。

　劣化推定部６においては、運転パラメータから作成された劣化予測式と、車種毎データベース１０４を利用して作成された劣化式とを対比して、劣化予測演算部６１の予測式による値とかい離がある場合は、補正をして寿命算出部７で寿命要件に照合して、時間または走行可能距離に換算して余寿命を算出する。このようにすることで、劣化推定の精度が更に向上し、電池を適正に活用することが可能になる。

　図１６Ｃは、ＳＯＣの時間的な変動の一例を示すグラフである。

　本図に示すように、ＳＯＣの変動が大きい領域を走行部（電池稼働部）、ＳＯＣの変動がほとんどない領域を休止部として示している。走行部及び休止部を一定のパターンとして抽出する。

　車両の走行情報は、例えば、以下のパラメータに変換する。

　電池の使用時間及び保存時間、それぞれの温度及び電圧の情報を履歴として作成するため、走行時間、移動距離、平均速度、平均電流、平均電圧、休止時間と使用時間の比率などのうち少なくとも２つ以上の情報を加工する。パラメータは、ここに示す以外の電池劣化の指標に対応するパラメータでもよい。パラメータの具体例としては、走行時間、（移動距離／Σ走行時間）＝平均速度、（充電容量／走行時間）＝平均電流、平均ＳＯＣ、各電圧存在時間、（走行時間／総時間）、（休止時間／総時間）、（走行時間／休止時間）などである。ＳＯＣや電流・電圧のデータを例にとると、連続取得データの区切りを適切な幅まで細かくし、特徴となる波形を抽出する。

　図１６Ｃは、電池の使用時のＳＯＣの変化の一部を示した例である。

　本図に示すようなＳＯＣの変化の繰り返しを一つの単位として繰り返される場合に走行パターンの特徴として抽出し、この走行パターンの特徴を示す場合における時系列の電池特性変化から劣化を予測できる。

　図１７は、本発明が適用される車両の例を示す構成図である。

　本図においては、車両は、電池システム１２０と、インバータ２０３と、モータ２０４と、を有する。電池システム１２０とインバータ２０３との間には、リレーボックス４００が配置されている。

　電池システム１２０は、電池管理装置２０１と、電池モジュール管理装置２０２と、電池２１１と、を含む。電池モジュール管理装置２０２は、上位制御部６０に接続されている。上位制御部６０は、インバータ２０３及びリレーボックス４００に接続されている。

　電池モジュール管理装置２０２及び上位制御部６０で使用する通信データは、図１のサーバー４が走行履歴（走行情報）の一部として取得する。

　電池２１１は、単電池を直列又は並列に接続した構成を有するものであってもよい。この場合、電池管理装置２０１は、それぞれの単電池のデータを検出することができるように構成されていることが望ましい。なお、本明細書においては、電池２１１又は単電池を「電池要素」と呼ぶことにする。また、「余寿命」は、二次電池モジュール又は電池要素の値である。そして、「二次電池モジュールの劣化度」は、電池要素の劣化度も含む概念である。

　図１８は、運転条件パラメータ及び劣化推定用情報を含むデータベースの例を示す表である。すなわち、図１６Ａの情報記録部１０３に蓄積された個別車両毎の充電記録の例を示したものである。すなわち、Ｎ台の車両それぞれの充電記録の例である。なお、１台の車両に設置された二次電池モジュールに含まれるＮ個の電池要素それぞれの充電記録の例として見ることもできる。

　図１８の表には、運転条件パラメータ部及び劣化推定用情報部が示されている。

　運転条件パラメータは、ｋ１からｋｍまであり、例えば、負荷電流波形、利用電池容量（ΔＳＯＣ）、二次電池モジュール１１の動作電圧の中心値（中心ＳＯＣ）、開始電圧（Ｖ_ｉｎｉ）、開始ＳＯＣ、充電電流、放電電流、サイクル時間、休止時間、通電時間、長時間休止、発熱量、電池温度、環境温度等の条件のうち、少なくとも１つ以上を含む。電池温度や保存電圧などの保存条件でもよいし、走行距離、速度等の情報でもよい。

　劣化推定用情報部は、ここではＬ１からＬ１０まであり、劣化計算用のパラメータの項目、測定した抵抗Ｒ、容量Ｑ、ＳＯＨ等の情報を含む。

　以上説明したように、劣化を逐次検出し、時系列に保存したデータベースを利用して劣化予測計算をすることにより、少ないデータから余寿命をより正確に求めることが可能になる。

　以上のように、本実施形態によれば、特別な放電手段を準備しなくても、二次電池モジュールの劣化状態に関する情報を適切に検出し、二次電池モジュールの内部状態、二次電池モジュールの容量や抵抗等を取得でき、システムの余寿命算出が正確にできる。このため、運転方法にフィードバックすると、二次電池モジュールを所定期間内に最大限に使用することができる寿命制御型電池システムを提供することができる。

　なお、本発明は、上記の実施形態に限定されるものではない。本発明の技術的思想の範囲内で考えられるその他の態様も、本発明の範囲内に含まれる。

　１、１ａ、１ｂ、１ｃ：車両、２、２ａ、２ｂ：充電器、３、３ａ、３ｂ、３ｃ：第二の端末、４：サーバー、５：抵抗・容量演算部、６：劣化推定部、７：寿命算出部、８：急速充電ケーブル、１１：二次電池モジュール、１２：第一の端末、１２ａ：診断端末、１２ｂ：記録端末、２０：検出部、２１：測定値検出部、２２：走行情報取得部、２３：走行情報パラメータ変換部、３０：電池制御部、４１：データ蓄積部、４１ａ：ＳＯＣ－ＯＣＶデータ蓄積部、４１ｂ：ＳＯＣ－Ｒデータ蓄積部、４１ｃ：運転パラメータデータ蓄積部、４２：データ選択部、４３：劣化算出部、４４：データベース、４５：運転パラメータ算出部、４６：劣化予測部、４７：余寿命算出部、５０：余寿命診断部、５１：抵抗・容量算出部、６０：上位制御部、６１：劣化予測演算部、７０：負荷制御部、１０１：電池特性データベース、１０２：車種仕様データベース、１０３：情報記録部、１０４：車種毎データベース、１２０：電池システム、２０１：電池管理装置、２０２：電池モジュール管理装置、２０３：インバータ、２０４：モータ、２１１：電池、４００：リレーボックス。

Claims

　二次電池モジュールの電流、電圧及び充電状態を含む充電情報を取得する工程と、
　前記充電情報から前記二次電池モジュールの現在の容量及び内部抵抗を求め、前記容量及び前記内部抵抗の初期値と比較して前記二次電池モジュールの劣化度を算出し、この劣化度を実測値とする工程と、
　前記二次電池モジュールの出力情報を取得する工程と、
　前記出力情報を用いて予測式により前記劣化度の予測値を算出する工程と、
　前記実測値と前記予測値とを比較する工程と、
　前記実測値と前記予測値との差が所定の値以下である場合には、余寿命を算出する工程と、を含み、
　前記実測値と前記予測値との前記差が所定の値を超えている場合には、前記実測値に基いて前記予測式の補正をし、補正後の予測式により前記予測値を算出する、二次電池モジュールの余寿命診断方法。
　前記充電情報は、前記二次電池モジュールを構成する電池要素の電流、電圧及び充電状態を含む、請求項１記載の二次電池モジュールの余寿命診断方法。
　前記充電情報は、前記電池要素の個別の特徴を含む、請求項２記載の二次電池モジュールの余寿命診断方法。
　前記余寿命は、前記電池要素の値を含む、請求項２記載の二次電池モジュールの余寿命診断方法。
　前記出力情報は、温度情報を含む、請求項１記載の二次電池モジュールの余寿命診断方法。
　寿命算出部を含み、
　二次電池モジュールの電流、電圧及び充電状態を含む充電情報を取得し、
　前記充電情報から前記二次電池モジュールの現在の容量及び内部抵抗を求め、前記容量及び前記内部抵抗の初期値と比較して前記二次電池モジュールの劣化度を算出し、この劣化度を実測値とした第一の結果を取得し、
　前記二次電池モジュールの出力情報を取得し、
　前記出力情報を用いて予測式により前記劣化度の予測値を算出し、
　前記実測値と前記予測値とを比較した第二の結果を取得し、
　前記実測値と前記予測値との差が所定の値以下である場合には、
　　前記寿命算出部は、余寿命を算出し、
　前記実測値と前記予測値との前記差が所定の値を超えている場合には、
　　前記実測値に基いて前記予測式の補正をし、補正後の予測式により前記予測値を算出し、
　　前記寿命算出部は、前記余寿命を算出する、二次電池モジュールの余寿命診断システム。
　劣化推定部を更に含み、
　前記劣化推定部は、前記第一の結果を取得し、前記第二の結果を前記寿命算出部に送る、請求項６記載の二次電池モジュールの余寿命診断システム。
　抵抗・容量演算部を更に含み、
　前記抵抗・容量演算部は、前記第一の結果を前記劣化推定部に送る、請求項７記載の二次電池モジュールの余寿命診断システム。
　前記充電情報は、前記二次電池モジュールを構成する電池要素の電流、電圧及び充電状態を含む、請求項６記載の二次電池モジュールの余寿命診断システム。
　前記余寿命は、前記電池要素の値である、請求項９記載の二次電池モジュールの余寿命診断システム。
　前記充電情報は、前記電池要素の個別の特徴を含む、請求項９記載の二次電池モジュールの余寿命診断システム。
　前記二次電池モジュールは、移動体の動力源である、請求項６記載の二次電池モジュールの余寿命診断システム。
　前記出力情報は、前記移動体に設けられている第一の端末とは別体である第二の端末から取得する、請求項１２記載の二次電池モジュールの余寿命診断システム。
　前記第一の端末は、複数の端末で構成され、
　前記出力情報は、前記複数の端末から前記第二の端末に送信される、請求項１３記載の二次電池モジュールの余寿命診断システム。
　前記充電情報は、充電器から取得する、請求項６記載の二次電池モジュールの余寿命診断システム。
　複数の前記二次電池モジュールの前記充電情報及び前記出力情報を蓄積可能なデータベースを更に含む、請求項６記載の二次電池モジュールの余寿命診断システム。
　前記出力情報は、温度情報を含む、請求項６記載の二次電池モジュールの余寿命診断システム。