WO2021117300A1 - 電池データの調整方法及びバッテリマネージメントユニットの製造方法並びにバッテリマネージメントユニット及びサーバー - Google Patents

電池データの調整方法及びバッテリマネージメントユニットの製造方法並びにバッテリマネージメントユニット及びサーバー Download PDF

Info

Publication number
WO2021117300A1
WO2021117300A1 PCT/JP2020/032993 JP2020032993W WO2021117300A1 WO 2021117300 A1 WO2021117300 A1 WO 2021117300A1 JP 2020032993 W JP2020032993 W JP 2020032993W WO 2021117300 A1 WO2021117300 A1 WO 2021117300A1
Authority
WO
WIPO (PCT)
Prior art keywords
battery
management unit
data
server
battery management
Prior art date
Application number
PCT/JP2020/032993
Other languages
English (en)
French (fr)
Inventor
井上　健士
フィリップ ミンツス
耕平 本蔵
洋平 河原
茂樹 牧野
Original Assignee
株式会社日立製作所
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 株式会社日立製作所 filed Critical 株式会社日立製作所
Priority to EP20900359.9A priority Critical patent/EP4075564A4/en
Publication of WO2021117300A1 publication Critical patent/WO2021117300A1/ja

Links

Images

Classifications

    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01R—MEASURING ELECTRIC VARIABLES; MEASURING MAGNETIC VARIABLES
    • G01R31/00—Arrangements for testing electric properties; Arrangements for locating electric faults; Arrangements for electrical testing characterised by what is being tested not provided for elsewhere
    • G01R31/36—Arrangements for testing, measuring or monitoring the electrical condition of accumulators or electric batteries, e.g. capacity or state of charge [SoC]
    • G01R31/367—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]
    • G01R31/382—Arrangements for monitoring battery or accumulator variables, e.g. SoC
    • 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
    • H—ELECTRICITY
    • H01—ELECTRIC ELEMENTS
    • H01M—PROCESSES OR MEANS, e.g. BATTERIES, FOR THE DIRECT CONVERSION OF CHEMICAL ENERGY INTO ELECTRICAL ENERGY
    • H01M10/00—Secondary cells; Manufacture thereof
    • H01M10/42—Methods or arrangements for servicing or maintenance of secondary cells or secondary half-cells
    • H01M10/44—Methods for charging or discharging
    • H01M10/443—Methods for charging or discharging in response to temperature
    • 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
    • H01—ELECTRIC ELEMENTS
    • H01M—PROCESSES OR MEANS, e.g. BATTERIES, FOR THE DIRECT CONVERSION OF CHEMICAL ENERGY INTO ELECTRICAL ENERGY
    • H01M2220/00—Batteries for particular applications
    • H01M2220/20—Batteries in motive systems, e.g. vehicle, ship, plane
    • 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

  • the present invention relates to a method for adjusting battery data, a method for manufacturing a battery management unit, and a battery management unit and a server.
  • a battery management unit (Battery Management Unit: BMU) is attached to storage batteries of automobiles, uninterruptible power supplies (UPS), smartphones, personal computers (PCs), etc., and the battery charge rate (SOC), deterioration degree, etc. are calculated. It is supposed to be done.
  • a table is embedded in the BMU that records the parameters of the battery at the time of shipment from the factory. BMU calculates the charge rate based on the parameters recorded in this table.
  • the parameters of the battery are the relationship between the steady-state open voltage (OCV) of the battery and the charge rate, resistance, polarization resistance, polarization time constant, full charge capacity, and the like, and the values change as the battery deteriorates. Therefore, it is necessary to periodically update or correct the values of the battery parameters recorded in the table.
  • OCV steady-state open voltage
  • Patent Document 1 describes an equivalent circuit model of a battery for the purpose of improving the estimation accuracy of the overvoltage of the battery in consideration of the slow response portion of the battery so that the internal state of the battery can be estimated accurately.
  • a means for sequentially estimating parameters only in the fast response part of the battery, using a constant determined in advance in an experiment for the slow response part (diffusion resistance) of the battery, and multiplying the parameter and the constant by the charge / discharge current value and adding them is disclosed. Has been done.
  • a constant representing the resistance and the capacitor capacity in the slow response portion of the equivalent circuit model is set.
  • the battery state estimation device described in Patent Document 1 is connected to, for example, an actual battery (secondary battery such as a lithium ion battery) that is mounted on an electric vehicle and can supply electric power to a drive motor or the like. That is, the battery state estimation device described in Patent Document 1 is provided in the above BMU.
  • an actual battery secondary battery such as a lithium ion battery
  • Non-Patent Document 1 describes the theory of the Kalman filter.
  • Non-Patent Document 2 describes a method of calculating the storage battery equivalent circuit model parameters so as to minimize the error between the result output and the virtual output when the same input is given to the real system and the mathematical model as the storage battery internal parameter estimation. There is.
  • the parameter in consideration of the fact that each parameter of the storage battery in the storage battery equivalent circuit model changes depending on the SOC, temperature, charge / discharge current, and deterioration, the parameter is regarded as a time-varying parameter and is identified by the forgetfulness function.
  • the sequential least squares method Recursive Last-Squares parameter
  • a weight ⁇ t that has an exponential relationship with time is attached.
  • ⁇ is the forgetting coefficient.
  • BMU can handle only information on one car or device, there is a problem that only values within the range of the ambient temperature and charge rate used can be identified.
  • Patent Document 2 As an example corresponding to this problem.
  • a data collecting device that collects battery data and data related to the degree of deterioration of the battery, acquires parameters related to the degree of deterioration of the battery, and sequentially stores the parameters in the deterioration parameter history table.
  • a battery deterioration degree model is constructed using the acquired parameters related to the battery deterioration degree, and a deterioration degree model construction / updating device that updates the battery deterioration degree model using the acquired parameters related to the battery deterioration degree, and a battery deterioration degree.
  • a system for acquiring the degree of deterioration of a battery which includes a deterioration degree calculation device for calculating the degree of deterioration of the battery using a model and parameters related to the degree of deterioration of the battery.
  • the step of updating the deterioration degree model of the battery using the table data and the deterioration degree model data item corresponding to the battery are searched from the database, and if there is no deterioration degree model data item corresponding to the battery, the battery deterioration degree related parameter
  • a method of generating / updating a battery deterioration model including a step of updating a battery deterioration model based on a newly calculated deterioration degree numerical value and generating a corresponding data item is disclosed. Further, Patent Document 2 also
  • Patent Document 3 describes a process (reproduction calculation process) for obtaining the states (discharge curves) of the positive electrode and the negative electrode as internal information.
  • Non-Patent Document 3 describes how to obtain the full charge capacity of a battery.
  • Atsushi Baba Research on estimation of charge rate of lithium-ion secondary battery based on model, 2013 doctoral dissertation at graduate School of Science and Technology, Keio University Hayashi, Ryu, Ishizaki, Joji Takaba, Masahiro Fukui: A Study on Dynamic Extraction of Lithium Ion Battery Characteristics, Shingaku Giho 114 (466), 7-12, 2015-02-27 Lei Lin, Hironori Ono, Masahiro Fukui, and Kiyotsugu Takaba: An In Situ Full Charge Capacity Estimation Algorithm for Li-ion Batteries Using Recursive Least-Squares )
  • Patent Document 1 the values of the DC resistance and the fully charged capacity are already calculated as the degree of deterioration as a table, and there is no problem in the calculation in the BMU. Although there is a delay in identification of the full charge capacity, there is no problem because the value does not change after one run or use.
  • the polarization resistance identified by the Kalman filter or the recursive least squares method shows a value 100 seconds ago, for example. Therefore, it is difficult to deal with the polarization resistance and the polarization time constant by in-situ correction.
  • Patent Document 2 describes the communication between the DCL module and the electric vehicle, but there is room for improvement in the measures to be taken when a delay occurs.
  • An object of the present invention is to eliminate the delay of the estimated value of the parameter in the battery management unit and maintain the accuracy of the charge rate of the battery recorded in the battery management unit so as to correspond to the deterioration.
  • the method for adjusting battery data of the present invention is a method for adjusting battery data using one or more devices having a battery and a battery management unit, and a server for transmitting and receiving data between the devices.
  • the battery management unit has a table for recording the battery parameters
  • the server has a database
  • the process of transmitting the battery parameters from the battery management unit to the server and the transmitted parameters are used in the server. This includes a step of updating the data corresponding to the table of the battery management unit stored in the database and a step of transferring the updated data to the battery management unit.
  • the present invention it is possible to eliminate the delay in the estimated value of the parameter in the battery management unit and maintain the accuracy of the charge rate of the battery recorded in the battery management unit so as to correspond to the deterioration.
  • the present invention relates to a BMU management system in cooperation with a battery server.
  • the battery management system of the present invention is composed of a plurality of BMUs and a server, connects the server and the BMU by communication, and the BMU identifies (estimates) parameters (particularly polarization resistance, polarization time constant, or open circuit voltage).
  • the numerical value that can identify the delay is periodically transferred to the server, the server compensates for the delay, stores it in the database, and from the battery data of the same battery type and the same deterioration, the polarization time constant, polarization resistance, open
  • the voltage is functionally approximated (arguments are charge rate and temperature), and the function-approximate value is periodically transferred to the BMU.
  • a Kalman filter is used as a method for determining the SOC of a battery.
  • the principle of the Kalman filter is described in Non-Patent Document 1.
  • Kalman filter for battery SOC estimation, there is one that is composed of a state equation (update of SOC that is not observed externally) and an observation equation (estimated value of battery voltage that can be directly observed).
  • the estimated battery voltage Ve is expressed by the following equation.
  • V e OCV (SOC) + IR (SOC, temp) + i p (I; ⁇ p (SOC, temp)) ⁇ r p (SOC, temp)
  • I is the current
  • R represents a table function of the DC resistance
  • tau p is the polarization resistance table function
  • temp is the temperature
  • the r p is a table function of polarization resistance
  • i p represents the current flowing through the polarization resistance is a convolution of I and exp (-t / ⁇ p) / ⁇ p.
  • the Kalman filter needs to prepare a function table of parameters such as OCV, DC resistance, polarization resistance and polarization time constant.
  • the value of each parameter changes as the battery deteriorates.
  • the table is not updated, the accuracy of the estimated voltage of the battery will decrease, and as a result, the accuracy of the estimated value of SOC will also decrease.
  • Non-Patent Document 2 describes a sequential least squares method with a forgetting function as described above.
  • Non-Patent Document 3 describes how to obtain the full charge capacity Q max of a battery.
  • the value of Q max is one even if the SOC and temperature change, and the deterioration is slow and does not change in one run. Therefore, the Q max may be updated at the end of each battery use. Since there is almost no identification delay in the DC resistance, the SOC may be calculated based on the value for identifying the DC resistance.
  • the present invention is not limited to the following embodiments, and various modifications and applications are included in the technical concept of the present invention.
  • the systems described below include not only electric vehicles, solar and wind storage batteries, and peak cut systems, but also HEMS (Home Energy Management System), BEMS (Billing Energy Management System), and FEMS (Faction Energy). It can also be applied to railways, smartphones, and notebook PCs (notebook personal computers).
  • FIG. 1 is a configuration diagram showing an example of a battery management system.
  • the battery management system is composed of a plurality of devices 100 and a server 104.
  • the device 100 includes a battery pack 101, a battery management unit 102 (BMU) attached to the battery pack 101, and a communication device 103.
  • the server 104 has an identification delay compensation unit 105, a database 106 (battery parameter DB) that stores the identified parameters of the battery, a table function approximation unit 107, and a communication unit 108.
  • the communication device 103 transmits the BMU data and receives the data of the server 104 by communicating with the server 104.
  • the device 100 is an electric vehicle (Electric Vehicle, hereinafter abbreviated as "EV").
  • EV Electric Vehicle
  • the device 100 is not limited to the EV, and may be, for example, a notebook PC or the like.
  • the battery pack 101 is an aggregate including a plurality of rechargeable secondary batteries, it may be a single battery.
  • the BMU has an SOC estimation unit 109, a parameter identification unit 110, and a table 111.
  • the number of devices 100 connected to the server 104 may be one, but usually there are a plurality of devices 100.
  • the secondary battery examples include a lithium ion battery, a nickel hydrogen battery, a lead battery, a nickel zinc battery, a capacitor, and a lithium ion capacitor.
  • the secondary batteries are series-paralleled in the device.
  • the voltage, current and temperature data of each secondary battery (cell) is sent from the battery pack 101 to the BMU.
  • the current is measured at one point, and when the secondary batteries are connected in parallel, the current of each of the secondary batteries connected in series is measured and sent to the BMU.
  • the temperature all the secondary batteries may be measured and sent to the BMU, but some typical secondary batteries may be measured and sent to the BMU.
  • the BMU has a configuration of either a PLC (Programmable Logical Controller) and an embedded microcomputer (Microcomputer) or a combination thereof.
  • the server 104 may be a PC, but it is desirable that the server 104 is a computer capable of large-scale arithmetic processing and storage of a large amount of data.
  • the BMU calculates the SOC in the BMU using the data sent from the battery pack 101, and transmits it to the ECU (Electronic Control Unit) provided in the device 100.
  • ECU Electronic Control Unit
  • the BMU may output the degree of deterioration of the battery (a value obtained by dividing the full charge capacity of the battery by the initial full charge capacity of the battery, which is abbreviated as "SOH").
  • SOH degree of deterioration of the battery
  • the EV side may display the SOC, which is a guideline for the remaining mileage, and the SOH, which is a guideline for battery replacement, on the panel.
  • the SOC is estimated by the SOC estimation unit 109 in the BMU using the battery parameters.
  • Table 111 stores the battery parameters.
  • a Kalman filter may be used to calculate the SOC.
  • the Kalman filter is multiplied by the Kalman gain G to the error ⁇ between the battery voltage V e which is estimated by the measured values and the model of the voltage v of the battery, it corrects the SOC.
  • An example of the formula used in this case is represented by the following formula (1).
  • the calculation method of Kalman gain is described in Non-Patent Document 1.
  • t is the index of time
  • I (t) is the current at t
  • V m is the measured battery voltage
  • G (t) is the Kalman gain at t.
  • V e as represented by the following formula (2), OCV, DC resistance R 0, which is a function of polarization resistance r p and polarization time constant tau p.
  • the polarization is set to one, but the number of polarizations may be increased in order to reduce the model error.
  • I (t) is the battery current [A]
  • the charging side is positive.
  • the temperature is the battery temperature [° C.].
  • the symbol * represents Convolution.
  • R 0 , r p and ⁇ p are SOC functions or SOC and mp functions, and data on these functions are recorded in Table 111 of FIG.
  • FIG. 2 shows an example of the data recorded in the table 111 of FIG.
  • the upper row is an example of R 0 , r p, and ⁇ p data
  • the lower row is an example of OCV data.
  • the numerical values in the figure are tentative.
  • Fig. 2 it is a set of point data, but when it is used as a function, it is interpolated and used.
  • interpolation linear interpolation or spline interpolation may be used.
  • SOH corresponds to the full charge capacity Q max of the battery. Therefore, Q max is identified as a parameter.
  • Kalman filter When identifying parameters Kalman filter as a state variable, comprising separately OCV, R 0, r p, to add tau p and Q max. If this Kalman filter is the same as the above-mentioned Kalman filter, the SOC value becomes unstable, so another program may be used. Further, although the calculation is performed by the BMU in FIG. 1, the parameters may be calculated on the server 104 side by transferring the time series of current, voltage, and temperature to the server 104.
  • Q max may be entered as a variable of the Kalman filter described in the above equation (1), or an estimated value of the current using the current as an observed value and the SOC obtained by the above equation (1) as an input value. 3600 ⁇ Q max ⁇ d (SOC) / dt may be calculated separately by the Kalman filter.
  • R 0 may be entered as a constant of the Kalman filter described in the above equation (1), or may be estimated by another Kalman filter program.
  • the estimated voltage value Ve is calculated by the following equation (3). I is the current, and R 0 and V 0 are the state variables of the Kalman filter.
  • the OCV value described in the above equation (2) is a function based on the value set in the table, and the value of the DC resistance R 0 uses the output value of the Kalman filter described above, and the state variables are r p and ⁇ p. It corresponds by limiting to.
  • R 0 a function based on the value set in the table may be used.
  • OCV may be a value obtained by subtracting the polarization voltage and the voltage of I ⁇ R from the voltage as shown in the following equation.
  • OCV Measurement Voltage - Current ⁇ R (SOC) - polarization voltage also in one stage polarization model estimates the V 0, R 0, r p and tau p in the Kalman filter as the following equation (4), the remaining R 0 tau V 0 may be OCV, ignoring the value of p.
  • R 0 , r p, and ⁇ p used in the calculation of the following equation (4) are not the values in the table, but are the state variables of the Kalman filter.
  • Parameter identification methods include a Kalman filter, a recursive least squares method, a stochastic gradient descent method, and a method of calculating using a general inverse matrix (general inverse matrix method).
  • ⁇ is a vector indicating a parameter, and is represented by the following equation in the above-mentioned examples of DC resistance, polarization resistance, polarization time constant, and OCV.
  • f is the voltage estimate (corresponding to the above equation (2)).
  • f is calculated by the current parameter value ⁇ and the current, and is therefore expressed as follows.
  • G is a value that changes depending on the method of identifying each parameter. The expression of G will be described below for each parameter identification method.
  • G is a Kalman gain, which is described in Non-Patent Document 1, and is omitted.
  • the formula by the lemma of the inverse matrix is used to calculate the inverse matrix of S.
  • the parameter ⁇ diverges when the inverse matrix of S does not exist. Therefore, instead of the above equation (7) which is an update equation of S, the following equation (8) may be used so that the determinant of S is not set to 0.
  • the general inverse matrix method is a method of multiplying the general inverse matrix of S in the above equation (7) or (8) by w to obtain Kalman gain.
  • the parameter identification method shown below is a method when the inverse matrix of S does not exist.
  • the above equation (8) is obtained by adding a minute noise matrix L by updating S.
  • L there is one that adds a positive constant q i , which is an estimate of the error of w called diag (q 1 , ..., Q n).
  • the method using the general inverse matrix is a method in which the Moore-Penrose type general inverse matrix S + of S is used instead of the inverse matrix of S when the inverse matrix of S does not exist with the least squares of recurs, and the following equation is obtained. Is.
  • G (t) constant x w.
  • w is a vector indicating the gradient of f with respect to ⁇ .
  • Vdiag ( ⁇ 1 , ..., ⁇ n ) V t At this time, instead of the inverse matrix of S, the next matrix using the upper limit for the reciprocal of the eigenvalue is used.
  • G (t) Vdiag (max (M, ⁇ 1 ), ..., Max (M, ⁇ n )) V t w (t)
  • M is a positive constant.
  • the eigenvalue limiter method is a method in which eigenvalue decomposition is performed and the value obtained by multiplying the above matrix using the upper limit of the reciprocal of the eigenvalue by w (t) is used as the Kalman gain.
  • Ridge regression may be used for parameter identification.
  • the Ridge regression uses the sum of the voltage estimation error squares weighted as ⁇ plus the sum of squares of the parameter ⁇ as the evaluation value, and minimizes this evaluation value.
  • the update formula is represented by the following formula (9).
  • ⁇ is a positive constant.
  • ⁇ l (t) is the i-th component of the true value of the current parameter
  • ⁇ i (t) is the i-th component of the estimated value of the parameter.
  • i is an integer from 1 to n.
  • n is the dimension of ⁇ .
  • argmin is a function that returns the smallest index.
  • G i (t) is the i th component of the Kalman gain
  • f ( ⁇ ; I (t )) is the voltage estimation function
  • I (t) is the current function
  • y (t ) Is the time series of the measured voltage.
  • f ( ⁇ (t); I (t-D i )) is a voltage estimate when the estimated value ⁇ (t) of the current parameter is input to the time t-D i.
  • This idea is the estimate of the parameters of the current cell, which is calculated is the assumption that the battery parameters before D i.
  • the calculation of f ( ⁇ (t); I (t- Di )) still requires the time series of the current I, and in order to calculate with the server, all the time series data of the current is BMU. It is necessary to send from to the server, which is not preferable from the viewpoint of communication volume. Even if calculated by BMU, must shake several values of D i, the computational load in the BMU is large in terms of the combination.
  • the parameter delay time D is calculated by the following formula (13).
  • D When executing the calculation of argmin, D may be calculated every 5 seconds, for example, and G, ⁇ , ⁇ , and w are the values calculated by BMU, so these are transferred to the server, for example, every 5 seconds. You just have to transfer it. Since the values of each G, ⁇ , ⁇ , and w fluctuate, the average value for 5 seconds is transferred. Since the data is stored every 5 seconds on the server side, it is sufficient to search the past data of G, ⁇ , ⁇ and w and calculate the argmin.
  • FIG. 13 shows the process of delay compensation by the above-mentioned cooperation between the BMU and the server.
  • the current error may be estimated, and if the reliability flag is 1 (the error exceeds the threshold value) using the reliability flag indicating whether the error is within the threshold value, the corresponding parameter may be rejected.
  • This reliability flag may be calculated by the BMU or the server side.
  • the subscript i represents the i-th vector of the matrix.
  • the range of i is represented by the inequality 1 ⁇ i ⁇ 2n.
  • n represents the dimension of x (here it is 4).
  • the parameters calculated above are stored in the BMU under either time thinning (for example, every 10 seconds), when the SOC changes by 1%, or when the temperature changes by 1 ° C., and the communication device 103. Is sent to the server 104 (see FIG. 1).
  • the communication timing may be periodic (for example, every hour) or at the end of battery use (for example, key-off in the case of EV) when communication is connected.
  • FIG. 3 shows an example of the format (communication format) used for this communication.
  • the identified x are R 0 , r p , ⁇ p, and OCV, but the present invention is not limited to this example, and for example, a plurality of polarizations may be added, and R 0 and ⁇ p are excluded. Information may be used. In addition, the current SOHQ and SOHR and the positive and negative electrode information of the battery are also added and transferred.
  • SOHQ is the value obtained by dividing the identified Q max by the initial Q max
  • SOHR is the conversion value of the current resistance at 25 ° C. and, for example, the conversion value at SOC 50%, with the resistance 25 ° C. and SOC 50 in the initial state of the battery. It is the value divided by the value at%.
  • This deterioration index is used when the server 104 (FIG. 1) collects battery data of similar deterioration and reaggregates the table. For Q max, it is only necessary to transfer one last value. Here, all the data for each time step may be transferred, but since the amount of data is large, the data may be transferred every few (for example, every 10 or 100), and the SOC is, for example, 1. It may be transferred when the% changes or when the temperature changes by 1 ° C.
  • the communication device 103 may be a smartphone (for example, connected to a BMU via Bluetooth (registered trademark)), Wi-Fi (registered trademark), ZigBee (registered trademark), or a dedicated wireless terminal. Further, as a wired connection, for example, in the case of an EV, a wired connection may be made when the EV approaches a parking lot, a dealer, or a charger on a regular basis.
  • the communication device 103 will be connected to the communication unit 108 of the server 104 via a communication line.
  • the server 104 is composed of a computer composed of a large-capacity storage and a combination of a CPU (Central Processing Unit) or a CPU and a GPU (Graphics Processing Unit), and is installed in, for example, a building of a dedicated contractor.
  • a CPU Central Processing Unit
  • a GPU Graphics Processing Unit
  • the identification delay compensation unit 105 is a part that performs arithmetic processing according to a program in the computer of the server 104, and is activated when a communication from the device 100 is received.
  • This delay identification compensation calculates the above-mentioned delay compensation or a flag whose value can be trusted, and stores the value in the database 106.
  • the data set SOC (t-D), temp (t-D), r p (t)
  • This memory is stored together with SOHQ and SOHR in the storage area of the battery ID.
  • the identification delay compensation unit is on the server side, but it may be on the BMU side if the CPU capacity of the BMU is high. In that case, the set of delayed identified parameters is sent to the server.
  • the database 106 is a large-capacity storage and stores the above-mentioned data set group.
  • FIG. 4 shows an example of the storage format of this data set group.
  • the data set secures a storage area for each battery ID.
  • the above-mentioned data set for which the battery parameter data has been received in the past is stored. Then, a storage area corresponding to the connected BMU is secured.
  • the dataset includes a capacitance / SOHR time series, an OCV time series, a DC resistance time series, a polarization resistance time series and a polarization time constant time series.
  • FIG. 5 shows an example of the capacity / SOHR time series.
  • the capacity / SOHR time series is the date and time aggregated by the server, the corresponding SOHR and SOHRQ (both are percentages, but may be ratios), and the capacity, positive electrode capacity, and negative electrode capacity. And the capacitance shift of the positive and negative electrodes. This is one data for one run (one reception). The reason for this is that changes in capacity and SOHR are very small. The method for identifying the positive electrode capacity, the negative electrode capacity, and the positive and negative electrode capacity deviations will be described later.
  • FIG. 6 shows an example of the OCV time series.
  • the data set for the delay compensation of V 0 (OCV) identified by the recursive least squares method or the Kalman filter until the device 100 is keyed on and the operation is stopped is stored.
  • the DC resistance time series, the polarization resistance time series, and the polarization time constant time series are similarly stored by adding the temperature time series to the OCV item.
  • the table function approximation unit 107 acquires battery data of the same battery type and the same degree of deterioration from the database 106, and performs function approximation based on the data.
  • a three-layer neural network may be used, or deep learning, which is a four-layer or more-layer neural network, may be used.
  • the above-mentioned table is based on the point data, the neural network function is incremented from SOC 0% to 100% in constant increments, and the temperature is incremented from, for example, -30 ° C to 60 ° C, and the values are obtained at the grid points. May be transferred to the table 111 of the device 100 via the communication unit 108.
  • the learning timing of the function approximation may be periodic.
  • the timing for transferring the table it may be sent when the device 100 is turned on, or it may be sent periodically.
  • the communication format to be transferred at this time is the table shown in FIG.
  • neural networks and deep learning "Yasutake Saito: Deep Learning Theory and Implementation Learned from Zero, O'Reilly Japan (2016/9/24)" can be referred to.
  • the simplest method is to collect data groups of the same degree of deterioration and the same battery type (for example, R 0 here), use two inputs of temperature and SOC as inputs, and set the output to R 0 .
  • the input may be the degree of deterioration (SOHR, SOHQ), the temperature, and the SOC, and the output may be R0.
  • SOHR degree of deterioration
  • SOHQ degree of deterioration
  • the type of positive electrode (01 variables in m ways), the type of negative electrode (01 variables in n ways), positive electrode capacity, negative electrode capacity, positive / negative electrode capacity deviation, temperature, discharge capacity from the start of positive electrode [Ah] (described later).
  • Is used as an input variable and R 0 is used as an output variable. It is possible to deal with an unknown combination of a positive electrode and a negative electrode (for example, when there is battery data of a combination of a positive electrode A and a negative electrode 1 and a combination of a positive electrode B and a negative electrode 2, but there is no battery data of a positive electrode A and a negative electrode 2). ..
  • the same may be applied to r p and ⁇ p. Then, when the table is transferred to a certain BMU, the input of the battery type and the degree of deterioration in charge of the BMU is input to the neural network, and the temperature and SOC are assigned to the values in a grid pattern and resampled.
  • the curves of the positive electrode potential and the negative electrode potential may be obtained by using the reproduction calculation process described in Patent Document 3, and the difference between them may be used as an OCV candidate (discharge curve). analysis).
  • FIG. 7 is a graph showing the concept of OCV identification.
  • the horizontal axis represents the amount of discharge from the positive electrode fully charged, and the vertical axis represents the potential.
  • the difference between the positive electrode potential and the negative electrode potential is an OCV candidate.
  • the starting position is a position where the discharge amount [Ah] from the positive electrode full charge becomes 0. This may be the position where the OCV is 4.2V. This corresponds to SOC 100%.
  • SOC 0% is set based on a predetermined potential when the positive electrode potential suddenly drops or the negative electrode potential suddenly rises, or a state in which the OCV drops to a predetermined potential, for example, 3V.
  • the capacity from SOC 100% to SOC 0% is Q max .
  • the positive electrode capacity and the negative electrode capacity do not match the dischargeable range.
  • the function of the positive electrode potential is uniquely determined when the positive electrode material is given, and the range of the effective positive electrode capacity [Ah] in the horizontal axis direction expands or contracts.
  • the capacity of the positive electrode material expands or contracts the range of effective positive electrode capacity on the horizontal axis.
  • the negative electrode capacity [Ah] is also arbitrary.
  • the positive / negative electrode capacitance shift [Ah] is also arbitrary. Therefore, given the potential function of the positive and negative electrodes, the three parameters of positive electrode capacitance, negative electrode capacitance, and positive and negative electrode deviation are obtained by the least squares method so as to match the above-mentioned OCV.
  • the OCV will be reconstructed from the positive and negative potentials according to the parameters.
  • the material of the positive and negative electrodes is known, but even if the material of the positive and negative electrodes is unknown, if all the potential functions of the positive and negative electrode materials are stored in the server and all combinations are tested. , The material can be identified.
  • FIG. 8 shows an example of potential curve data for each of the positive electrode and the negative electrode for each material.
  • the above is the OCV, since the polarization resistance and the time constant can be separated into the positive and negative electrodes, it may be identified in the same manner as the above-mentioned OCV.
  • the identified OCV table, polarization resistance table, polarization time constant table, and DC resistance table are transferred from the server to the BMU at the next startup of the BMU or periodically.
  • the transfer format is shown in FIG.
  • FIG. 9 is a flowchart showing the processing processes in the BMU.
  • Update estimate (estimate) the SOC using the received table (S120). In other words, it is a process of updating (estimating) the internal state of the battery by the BMU. Then, the parameters of the battery are estimated (S130).
  • the timing of transmission it is determined whether or not it is the timing of transmission to the server (S140). If the timing of transmission is appropriate, the updated SOC and battery parameters are transmitted to the server (S150). If the timing of transmission is inappropriate, wait for the timing of transmission again. Then, when the key-off is detected, the process ends (S160). If the key is not turned off, the SOC is updated again.
  • FIG. 10 is a flowchart showing the processing processes in the server.
  • the server attempts to communicate with either BMU (S210).
  • BMU BMU
  • a table of polarization and DCR is transmitted (S220).
  • the SOC and battery parameters are received from the BMU (S230).
  • the value ⁇ obtained by integrating ⁇ is also received. It is determined whether or not the communication with the BMU may be disconnected (S240). After disconnection, the delay compensation of the battery parameter (estimated value) is calculated (S250).
  • a predetermined data set is stored in the database as data for batteries of the same type (S260).
  • S260 is a step of accumulating the result of the delay compensation calculation in the database.
  • Abnormal data is removed (S270).
  • Function approximation processing is performed on the same type of battery data stored in the database (S280).
  • S280 is a process of creating data corresponding to the table based on the data of the database.
  • This method may use a method of deleting isolated data by data clustering.
  • the accuracy of SOC can be maintained even if the battery deteriorates.
  • Second Embodiment This embodiment relates to a system or method for collecting and selling information in the secondary market of batteries including used batteries.
  • the first embodiment is for the case where a battery is actually used. However, if the battery deterioration information and the battery table have already been updated according to the deterioration when the battery is shipped as a used battery, it will be a new added value.
  • FIG. 11 is a conceptual diagram showing an example of the configuration of a used battery trading system.
  • the used battery trading system includes a plurality of BMUs, the above-mentioned server (cloud BMU server), and a server for procuring used batteries (which is accessible to users who want to procure used batteries). Including. That is, these can communicate.
  • the used battery procurement server and the cloud BMU server may be integrated.
  • This embodiment relates to a method of using a database of a server when designing a battery and testing a deteriorated battery according to actual battery usage.
  • FIG. 12 is a conceptual diagram showing an example of the configuration of the BMU design system.
  • the man-hours can be significantly reduced by using the server table described above.
  • the above-mentioned configuration may be appropriately changed, rearranged, combined, or omitted as long as the gist of the present invention is not exceeded.
  • the server updates the data corresponding to the table of the battery management unit by using the parameters transmitted from two or more battery management units.
  • the server updates the data corresponding to the table of the battery management unit by using the parameters transmitted from the battery management unit and the data stored in the server.
  • the process of estimating the internal state of the battery by the battery management unit the process of estimating the parameters, the process of calculating the delay compensation of the estimated value of the parameters, and the result of the calculation of the delay compensation.
  • the process of accumulating the data in the database, the process of creating the data corresponding to the table based on the data of the database, and the process of updating the parameters corresponding to the estimated value of the internal state based on the calculation result are further included. Is desirable.
  • the parameters are estimated by the battery management unit.
  • the parameters are estimated by the recursive least squares method, and the data transmitted from the battery management unit to the server is the error variance-covariance matrix, forget-me-not coefficient, battery charge rate, and battery temperature. It is desirable to include.
  • the estimated parameters be transmitted from the battery management unit to the server at predetermined time intervals or when the charge rate or temperature changes by a predetermined value or more.
  • the battery management unit be manufactured using the data stored in the database of the server used in the battery data adjustment method.

Landscapes

  • Engineering & Computer Science (AREA)
  • Manufacturing & Machinery (AREA)
  • Chemical & Material Sciences (AREA)
  • Chemical Kinetics & Catalysis (AREA)
  • Electrochemistry (AREA)
  • General Chemical & Material Sciences (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Secondary Cells (AREA)
  • Tests Of Electric Status Of Batteries (AREA)

Abstract

バッテリマネージメントユニットにおけるパラメータの推定値の遅れを解消し、 バッテリマネージメントユニットに記録される電池の充電率の精度を劣化に対応するように維持する。　電池とバッテリマネージメントユニットとを有する一個又は二個以上の機器と、機器とデータの送受信をするサーバーと、を用いて、電池のデータを調整する方法であって、バッテリマネージメントユニットは、電池のパラメータを記録するテーブルを有し、サーバーは、データベースを有し、バッテリマネージメントユニットからサーバーに電池のパラメータを送信する工程と、送信されたパラメータを用いて、サーバーにより、データベースに蓄積されているバッテリマネージメントユニットのテーブルに対応するデータを更新する工程と、その更新されたデータをバッテリマネージメントユニットに転送する工程と、を含む。

Description

電池データの調整方法及びバッテリマネージメントユニットの製造方法並びにバッテリマネージメントユニット及びサーバー
　本発明は、電池データの調整方法及びバッテリマネージメントユニットの製造方法並びにバッテリマネージメントユニット及びサーバーに関する。
　自動車、無停電電源装置（ＵＰＳ）、スマートフォン、パーソナルコンピュータ（ＰＣ）等の蓄電池には、バッテリマネージメントユニット（Ｂａｔｔｅｒｙ　Ｍａｎａｇｅｍｅｎｔ　Ｕｎｉｔ：ＢＭＵ）が取り付けられ、電池の充電率（ＳＯＣ）、劣化度等が計算されるようになっている。ＢＭＵには、工場出荷時における電池のパラメータを記録したテーブルが埋め込まれている。ＢＭＵは、このテーブルに記録されたパラメータを基に、充電率を計算する。ここで、電池のパラメータは、電池の定常開放電圧（ＯＣＶ）と充電率との関係、抵抗、分極抵抗、分極時定数、満充電容量等であり、電池の劣化に伴って値が変化する。このため、テーブルに記録された電池のパラメータは、定期的に値の更新又は補正をする必要がある。
　特許文献１には、電池の遅い応答部分をも考慮して電池の過電圧の推定精度を向上させることで、電池の内部状態を精度よく推定できるようにすることを目的として、電池の等価回路モデルのうち早い応答部分のみで逐次パラメータ推定を行い、電池の遅い応答部分（拡散抵抗）には予め実験で決定した定数を用いて、パラメータおよび定数に充放電電流値を掛けて加算する手段が開示されている。特許文献１においては、定数として、等価回路モデルの遅い応答部分における抵抗とコンデンサ容量を表すものを設定している。特許文献１に記載の電池の状態推定装置は、例えば電気自動車に搭載され、駆動モータ等に電力を供給可能な実電池（リチウム・イオン・バッテリ等の二次電池）に接続されている。
すなわち、特許文献１に記載の電池の状態推定装置は、上記のＢＭＵ内に設けられたものである。
　非特許文献１には、カルマンフィルタの理論が記載されている。
　非特許文献２には、蓄電池内部パラメータ推定として、同じ入力を現実システムと数学モデルに与えた結果出力と仮想出力の誤差を最小化するように蓄電池等価回路モデルパラメータを算出する方法が記載されている。非特許文献２においては、蓄電池等価回路モデルにおける蓄電池の各パラメータがＳＯＣ、温度、充放電電流、劣化によって変化することを考慮し、パラメータを時変パラメータと見なして同定するために、忘却機能付き逐次最小二乗法（Ｒｅｃｕｒｓｉｖｅ　Ｌｅａｓｔ－Ｓｑｕａｒｅｓ　ｍｅｔｈｏｄ）を用いている。忘却機能付き逐次最小二乗法の評価関数においては、時間と指数関係がある重みλｔをつけている。ここで、λは忘却係数である。
　また、ＢＭＵにおいては、一台の車又は機器の情報しか扱えないため、使用している環境温度及び充電率の範囲での値しか同定できないという課題がある。
　この課題に対応する例として特許文献２がある。
　特許文献２には、この例として、電池データ及び電池の劣化度に関するデータを採集し、電池の劣化度に関するパラメータを取得すると共に、パラメータを順次に劣化パラメータ履歴表に記憶するデータ採集装置と、取得された電池の劣化度に関するパラメータを用いて電池劣化度モデルを構築すると共に、電池の劣化度に関するパラメータを用いて電池の劣化度モデルを更新する劣化度モデル構築／更新装置と、電池劣化度モデル及び電池の劣化度に関するパラメータを用いて電池の劣化度を算出する劣化度算出装置とを備える、電池の劣化度を取得するシステムが開示されている。また、特許文献２には、電池の劣化度パラメータ履歴表データを電池応用管理センターに伝送するステップと、電池応用管理センターが、劣化度パラメータ履歴表データをデータベースに記録すると共に、劣化度パラメータ履歴表データを用いて電池の劣化度モデルを更新するステップと、データベースから、電池に対応する劣化度モデルデータ項目をサーチし、電池に対応する劣化度モデルデータ項目が無ければ、電池劣化度関連パラメータ及び新たに算出された劣化度数値に基づいて電池劣化度モデルを更新し、対応するデータ項目を生成するステップとを含む電池劣化度モデルの生成／更新方法が開示されている。また、特許文献２には、ＤＣＬモジュールは、電池使用箇所、例えば電気自動車から電池劣化度に関するパラメータを採集し、採集されたパラメータを電池情報データベースに記憶させておくことも開示されている。
　特許文献３には、内部情報として正極及び負極の状態（放電カーブ）を求める処理（再現計算処理）が記載されている。
　非特許文献３には、電池の満充電容量の求め方が記載されている。
特許第５２９１８４５号公報 特表２０１３－５１６６１４号公報 特開２００９－０８００９３号公報
馬場厚志：モデルに基づくリチウムイオン二次電池の充電率推定に関する研究，2013年度慶應義塾大学大学院理工学研究科博士論文 林磊，石崎龍，鷹羽浄嗣，福井正博：リチウムイオン蓄電池特性の動的抽出に関する一検討，信学技報114(466),7-12,2015-02-27 Lei Lin, Hironori Ono, Masahiro Fukui, and Kiyotsugu Takaba: An In Situ Full Charge Capacity Estimation Algorithm for Li-ion Batteries Using Recursive Least-Squares Identification with Adaptive Forgetting Factor Tuning, ECS Transactions, 75 (20) 111-119 (2017)
　特許文献１においては、テーブルとして直流抵抗と満充電容量の値は既に劣化度として計算されており、ＢＭＵ内での計算としては問題がない。満充電容量は、同定遅れがあるが、一回の走行や使用では値が変わらないため、問題はない。
　しかしながら、分極抵抗及び分極時定数は、同定しても、遅れが生じる。例えば、カルマンフィルタや再帰最小二乗法で同定した分極抵抗は、極端に言えば、例えば１００秒前の値を示すことになる。このため、分極抵抗及び分極時定数は、その場での補正で対応することは困難となる。
　このため、同定した電池パラメータを記憶しておき、例えば１００秒後や電池の使用が終了した後に、遅れを補正して、テーブルを更新する必要がある。
　特許文献２においては、ＤＣＬモジュールと電気自動車との通信についての記載はあるが、遅れが生じる場合の対策に関しては、改善の余地がある。
　本発明の目的は、バッテリマネージメントユニットにおけるパラメータの推定値の遅れを解消し、バッテリマネージメントユニットに記録される電池の充電率の精度を劣化に対応するように維持することにある。
　本発明の電池データの調整方法は、電池とバッテリマネージメントユニットとを有する一個又は二個以上の機器と、機器とデータの送受信をするサーバーと、を用いて、電池のデータを調整する方法であって、バッテリマネージメントユニットは、電池のパラメータを記録するテーブルを有し、サーバーは、データベースを有し、バッテリマネージメントユニットからサーバーに電池のパラメータを送信する工程と、送信されたパラメータを用いて、サーバーにより、データベースに蓄積されているバッテリマネージメントユニットのテーブルに対応するデータを更新する工程と、その更新されたデータをバッテリマネージメントユニットに転送する工程と、を含む。
　本発明によれば、バッテリマネージメントユニットにおけるパラメータの推定値の遅れを解消し、バッテリマネージメントユニットに記録される電池の充電率の精度を劣化に対応するように維持することができる。
第１の実施形態に係る電池管理システムの一例を示す模式構成図である。 ＢＭＵのテーブルの例を示す概略図である。 機器からサーバーへの通信フォーマットの例を示す概略図である。 データベースのデータセット群の記憶フォーマットの例を示す概略図である。 容量／ＳＯＨＲ時系列のフォーマットの例を示す概略図である。 ＯＣＶ時系列のフォーマットの例を示す概略図である。 再現計算処理によるＯＣＶの同定の考え方を示すグラフである。 放電曲線解析に用いる正極材料及び負極材料のそれぞれの電位カーブを示す概略図である。 ＢＭＵにおける処理工程をまとめて示すフローチャートである。 サーバーにおける処理工程をまとめて示すフローチャートである。 第２の実施形態に係る中古電池売買システムを示す概念図である。 第３の実施形態に係るＢＭＵ設計システムを示す概念図である。 ＢＭＵとサーバーとの連携による遅れ補償の工程を示す概略図である。
　本発明は、電池のサーバー連携によるＢＭＵの管理システムに関する。
　本発明の電池管理システムは、複数個のＢＭＵとサーバーで構成され、サーバーとＢＭＵ間を通信で繋ぎ、ＢＭＵではパラメータ（特に分極抵抗、分極時定数、もしくは開放電圧）の同定（推定）をし、そのときに遅れを同定できる数値を定期的にサーバーに転送し、サーバーでは遅れ補償をして、データベースに蓄え、同一電池種で同一の劣化の電池データより、分極時定数、分極抵抗、開放電圧を関数近似（引数は充電率と温度）し、その関数近似した値を定期的にＢＭＵに転送する。
　最初に、本発明の原理について説明する。
　電池のＳＯＣを求める方法としては、カルマンフィルタが用いられる。カルマンフィルタの原理については、非特許文献１において説明されている。
　カルマンフィルタを電池のＳＯＣ推定に用いる場合の一例としては、状態方程式（外部に観測されないＳＯＣの更新）と観測方程式（直接観測できる電池電圧の推定値）で構成されるものがある。
　ＳＯＣは、電流積分のため、ＳＯＣの微分は、電流となる。そして、電池電圧の推定値Ｖｅは、次の式で表される。
　Ve＝OCV(SOC)＋IR(SOC,temp)＋ip(I;τp(SOC,temp))×rp(SOC,temp)
　ここで、Ｉは電流、Ｒは直流抵抗のテーブル関数、τｐは分極抵抗のテーブル関数、ｔｅｍｐは温度、ｒｐは分極抵抗のテーブル関数である。また、ｉｐは、分極抵抗に流れる電流を示し、Ｉとｅｘｐ（－ｔ／τｐ）／τｐとのコンボリューションである。
　そして、次の式を基に、ＳＯＣの値を更新する。
　err＝（電池電圧計測値）－vp
　以上のように、カルマンフィルタは、ＯＣＶ、直流抵抗、分極抵抗及び分極時定数といったパラメータの関数テーブルを用意する必要がある。ここで、各パラメータは、電池の劣化に伴い、値が変化する。しかしながら、テーブルを更新しなければ、電池の推定電圧の精度が低下し、結果としてＳＯＣの推定値の精度も低下することになる。
　ＳＯＣと共に、パラメータをカルマンフィルタもしくは再帰最小二乗法を用いて推定することで対応することも考えられる。
　非特許文献２には、上述のとおり、忘却機能付き逐次最小二乗法が記載されている。
　非特許文献３には、電池の満充電容量Ｑｍａｘの求め方が記載されている。
　Ｑｍａｘは、ＳＯＣ及び温度が変わっても値が一つであり、劣化が遅く一回の走行では変化がないため、毎回の電池使用終了時に更新すればよい。直流抵抗は同定遅れがほとんどないため、直流抵抗を同定した値を基に、ＳＯＣを計算してもよい。
　しかしながら、τｐ、ｒｐ及びＯＣＶについては、同定自体が困難である。特に、τｐ及びｒｐは、同定遅れが大きい。このため、同定した値を基にカルマンフィルタを実行することが困難となる。また、同定した値をＢＭＵに蓄積したとしても、ＢＭＵ一台の使用状況や温度範囲に規定されるため、テーブルを更新しても部分的となる。
　そこで、本発明では、サーバー連携にて、これらの課題を解決する。
　以下、図面を用いて、本発明の実施形態について説明する。ただし、本発明は、以下の実施形態に限定されることなく、本発明の技術的な概念の中で種々の変形例や応用例をもその範囲に含むものである。例えば、以下に説明するシステムは、電気自動車、太陽光、風力併設蓄電池、ピークカットシステムのみならず、ＨＥＭＳ（Ｈｏｍｅ　Ｅｎｅｒｇｙ　Ｍａｎａｇｅｍｅｎｔ　Ｓｙｓｔｅｍ）、ＢＥＭＳ（Ｂｕｉｌｄｉｎｇ　Ｅｎｅｒｇｙ　Ｍａｎａｇｅｍｅｎｔ　Ｓｙｓｔｅｍ）、ＦＥＭＳ（Ｆａｃｔｏｒｙ　Ｅｎｅｒｇｙ　Ｍａｎａｇｅｍｅｎｔ　Ｓｙｓｔｅｍ）、鉄道、スマートフォン、ノートＰＣ（ノート型パーソナルコンピュータ）にも適用できる。
　なお、本明細書においては、ＳＯＣ、後述のＳＯＨ等を電池の「内部状態」という。
　（１）第１の実施形態
　本実施形態は、テーブルを自動で更新（ＵＰＤＡＴＥ）する場合である。
　図１は、電池管理システムの一例を示す構成図である。
　本図に示すように、電池管理システムは、複数の機器１００と、サーバー１０４と、で構成されている。機器１００は、電池パック１０１と、電池パック１０１付属の電池管理ユニット１０２（ＢＭＵ）と、通信装置１０３と、を有している。サーバー１０４は、同定遅れ補償部１０５と、電池の同定されたパラメータを蓄積しているデータベース１０６（電池パラメータＤＢ）と、テーブル関数近似部１０７と、通信部１０８と、を有している。通信装置１０３は、サーバー１０４との通信により、ＢＭＵのデータを送信し、サーバー１０４のデータを受信する。
　本実施例においては、機器１００は、電気自動車（Ｅｌｅｃｔｒｉｃ　Ｖｅｈｉｃｌｅ、以下「ＥＶ」と略称する。）である。なお、機器１００は、ＥＶに限らず、例えばノートＰＣ等であってもよい。また、電池パック１０１は、充電可能な二次電池の複数個含む集合体であるが、一個の電池であってもよい。
　ＢＭＵは、ＳＯＣ推定部１０９と、パラメータ同定部１１０と、テーブル１１１と、を有している。なお、サーバー１０４に接続される機器１００は、一個である場合も考えられるが、通常は複数個である。
　二次電池としては、リチウムイオン電池、ニッケル水素電池、鉛電池、ニッケル亜鉛電池、キャパシタ、リチウムイオンキャパシタなどが挙げられる。電池パックは、装置内で二次電池が直並列されている。
　電池パック１０１からＢＭＵに各二次電池（セル）の電圧、電流及び温度のデータを送る。二次電池が直列接続されている場合は、電流は１点、二次電池が並列接続されている場合には、直列接続された二次電池それぞれの電流を計測し、ＢＭＵに送る。温度については、すべての二次電池を計測し、ＢＭＵに送る場合もあるが、代表的ないくつかの二次電池を計測し、ＢＭＵに送る場合もある。
　ＢＭＵは、ＰＬＣ（Ｐｒｏｇｒａｍｍａｂｌｅ　Ｌｏｇｉｃ　Ｃｏｎｔｒｏｌｌｅｒ）及び組み込みマイコン（Ｍｉｃｒｏｃｏｍｐｕｔｅｒ）のいずれか又はこれらを組み合わせた構成を有する。サーバー１０４は、ＰＣでもよいが、大規模な演算処理及び大量のデータの保存が可能なコンピュータであることが望ましい。ＢＭＵは、電池パック１０１から送られたデータを用いて、ＢＭＵ内でＳＯＣを計算し、機器１００の中に設けられたＥＣＵ（Ｅｌｅｃｔｒｉｃ　Ｃｏｎｔｒｏｌ　Ｕｎｉｔ）に送信する。
　また、ＢＭＵは、電池の劣化度（電池の満充電容量を電池の初期満充電容量で割った値であり、「ＳＯＨ」と略称する。）を出力する場合もある。機器１００がＥＶの場合、ＥＶ側では、残走行距離の目安であるＳＯＣと電池の交換目安であるＳＯＨとをパネルに表示してもよい。
　ＳＯＣは、ＢＭＵ内のＳＯＣ推定部１０９にて電池のパラメータを用いて推定する。この電池パラメータを保存するのがテーブル１１１である。ＳＯＣの算出には、例えばカルマンフィルタを用いてもよい。カルマンフィルタでは、電池の電圧ｖの計測値とモデルで推定される電池電圧Ｖｅとの誤差εにカルマンゲインＧをかけて、ＳＯＣを補正する。この場合に用いる式の一例は、下記式（１）で表される。なお、カルマンゲインの計算方法については、非特許文献１に記載されている。
Figure JPOXMLDOC01-appb-M000001
　式中、ｔは時間のインデックスであり、Ｉ（ｔ）は、ｔにおける電流であり、Ｖｍは、計測した電池の電圧であり、Ｇ（ｔ）は、ｔにおけるカルマンゲインである。
　ここで、Ｖｅは、下記式（２）で表されるように、ＯＣＶ、直流抵抗Ｒ０、分極抵抗ｒｐ及び分極時定数τｐの関数である。下記式（２）では、分極を一つとしたが、モデル誤差を小さくするために分極の数を増やしてもよい。
Figure JPOXMLDOC01-appb-M000002
　式中、Ｉ（ｔ）は、電池電流［Ａ］であり、充電側を正としている。また、ｔｅｍｐは、電池温度［℃］である。記号＊は、Ｃｏｎｖｏｌｕｔｉｏｎを表す。
　ＯＣＶ、Ｒ０、ｒｐ及びτｐは、ＳＯＣの関数若しくはＳＯＣ及びｔｅｍｐの関数であり、この関数についてのデータは、図１のテーブル１１１に記録されている。
　図２は、図１のテーブル１１１に記録されているデータの例を示したものである。図中、上段はＲ０、ｒｐ及びτｐのデータの例であり、下段はＯＣＶのデータの例である。また、図中の数値は、仮のものである。
　図２では、点データの集合となっているが、関数として使用する場合には、補間して使用する。補間には、線形補間やスプライン補間を使用してもよい。
　次に、ＳＯＨの求め方について述べる。
　ＳＯＨは、電池の満充電容量Ｑｍａｘに対応する。このため、Ｑｍａｘをパラメータとして同定する。パラメータとしては、他に上記のＯＣＶ、Ｒ０、ｒｐ及びτｐがある。
　以下、これらのパラメータを同定するアルゴリズムについて述べる。このアルゴリズムには、カルマンフィルタや再帰最小二乗法が挙げられる。このアルゴリズムは、図１のパラメータ同定部１１０で計算する。
　カルマンフィルタでパラメータを同定する場合には、状態変数として、別途ＯＣＶ、Ｒ０、ｒｐ、τｐ及びＱｍａｘを追加することになる。このカルマンフィルタは、前述したカルマンフィルタと同じにするとＳＯＣの値が不安定になるため、別のプログラムとしてもよい。また、図１ではＢＭＵで計算することになっているが、サーバー１０４に電流、電圧及び温度の時系列を転送して、サーバー１０４側でパラメータを計算してもよい。
　Ｑｍａｘは、上記式（１）に記載されているカルマンフィルタの変数として入れておいてもよいし、電流を観測値として、上記式（１）で求めたＳＯＣを入力値とし、電流の推定値を３６００×Ｑｍａｘ×ｄ（ＳＯＣ）／ｄｔとして、カルマンフィルタで別途計算してもよい。
　Ｒ０は、上記式（１）に記載されているカルマンフィルタの定数として入れておいてもよいし、別のカルマンフィルタプログラムにより推定してもよい。この場合には、下記式（３）により電圧の推定値Ｖｅを算出する。Ｉは、電流であり、Ｒ０及びＶ０は、カルマンフィルタの状態変数とする。
Figure JPOXMLDOC01-appb-M000003
　次に、ｒｐ及びτｐの現時刻における値を同定する方法について述べる。
　上記式（２）に記載されているＯＣＶの値は、テーブルで設定された値による関数、直流抵抗Ｒ０の値は、前述したカルマンフィルタでの出力値を用い、状態変数をｒｐ及びτｐに限定することで対応する。なお、Ｒ０の値は、テーブルで設定された値による関数を用いてもよい。
　最後に、ＯＣＶを求める方法について述べる。
　ＯＣＶは、次の式に示すように、電圧より、分極電圧とＩ×Ｒの電圧分を引いた値としてもよい。
　ＯＣＶ＝計測電圧－電流×Ｒ（ＳＯＣ）－分極電圧
　また、１段分極モデルで、下記式（４）としてカルマンフィルタでＶ０、Ｒ０、ｒｐ及びτｐを推定し、残りＲ０からτｐの値を無視して、Ｖ０をＯＣＶとしてもよい。ここで、下記式（４）の計算に用いるＲ０、ｒｐ及びτｐは、テーブルの値とせず、カルマンフィルタの状態変数とする。
Figure JPOXMLDOC01-appb-M000004
　次に、パラメータ同定の方法について詳しく述べる。
　パラメータ同定の方法には、カルマンフィルタ、再帰最小二乗、確率的勾配降下法、一般逆行列を用いて計算する方法（一般逆行列法）がある。
　また、パラメータ同定の方法には、一般逆行列の代わりに、固有値の逆数にリミタを設ける方法もある。これは、下記式（５）として表現できる。この式（５）は、一般逆行列に一般逆行列の直交成分を加えたものと数学的に等価になる。この式（５）を用いる方法は、「固有値リミタ法」と呼ぶことにする。
Figure JPOXMLDOC01-appb-M000005
　θは、パラメータを示すベクトルであり、前述した直流抵抗、分極抵抗、分極時定数、ＯＣＶの例では、次の式で表される。
　θ＝（Ｒ０，ｒｐ，τｐ，Ｖ０）ｔ
　ｙは、計測した電池の電圧であり、ｆは、電圧推定値（上記式（２）に対応する。）を示す。上記式（５）においては、ｆは、現在のパラメータの値θと電流で計算されるため、次のように表現している。
　ｆ（Θ（ｔ）；Ｉ（ｔ））
　Ｇは、各パラメータ同定の手法により変わる値である。Ｇの表現をパラメータ同定の手法毎に以下説明する。
　カルマンフィルタを用いる場合には、Ｇはカルマンゲインであり、非特許文献１に記載されているため省略する。
　再帰最小二乗では、前述したように電圧の推定誤差二乗にλという重みづけをかけた総和が最小になるようにした結果、Ｇ（ｔ）＝Ｓ－１（ｔ）ｗ（ｔ）として計算する。ｗは、ｆのθによる勾配（電圧推定関数の勾配）を示すベクトルである。Ｓは、下記式（６）で表される。逐次的に計算するならば、下記式（６）は、下記式（７）と等価である。
Figure JPOXMLDOC01-appb-M000006
Figure JPOXMLDOC01-appb-M000007
　再帰最小二乗では、Ｓの逆行列を計算するに、逆行列の補題による公式を用いたものである。この方法では、Ｓの逆行列が存在しない場合には、パラメータθが発散する。このため、Ｓの更新式である上記式（７）の代わりに、下記式（８）を用いて、Ｓの行列式を０にしないようにしてもよい。
Figure JPOXMLDOC01-appb-M000008
　よって、一般逆行列法は、上記式（７）又は（８）のＳの一般逆行列にｗをかけてカルマンゲインとする方法であるということができる。
　以下に示すパラメータ同定方法は、Ｓの逆行列が存在しない場合の方法となる。上記式（８）は、Ｓの更新で微小なノイズ行列Ｌを加えたものである。Ｌの一例としては、ｄｉａｇ（ｑ１，…，ｑｎ）というｗの誤差の見積もりである正の定数ｑｉを加えるものがある。
　一般逆行列を用いる方法は、再帰最小二乗でＳの逆行列が存在しない場合に、Ｓの逆行列の代わりにＳのＭｏｏｒｅ－Ｐｅｎｒｏｓｅ型一般逆行列Ｓ＋を用いて、次の式とする方法である。
　Ｇ（ｔ）＝Ｓ＋（ｔ）ｗ（ｔ）
　この一般逆行列の計算と定義の文献例は、「田辺国士：一般逆行列（１），日本オペレーションズ・リサーチ学会，１９７６年４月」である。
　確率的勾配降下法では、Ｇ（ｔ）＝定数×ｗとする。ｗは、前述したように、ｆのθによる勾配を示すベクトルである。確率的勾配降下法の文献例には「谷萩隆嗣：カルマンフィルタと適応信号処理,コロナ社,２００５年１２月２８日」がある。
　一般逆行列代わりに固有値の逆数にリミタを設ける方法は、次のとおりである。
　Ｓの逆行列が存在しない場合、一般逆行列Ｓ＋の代わりに、次の式とする。
　Ｓ＋（ｔ）＋Ｍ（Ｉ－Ｓ＋（ｔ）Ｓ（ｔ））
　そして、次の式とする。
　Ｇ（ｔ）＝｛Ｓ＋（ｔ）＋Ｍ（Ｉ－Ｓ＋（ｔ）Ｓ（ｔ））｝ｗ（ｔ）
　これは、次の方法と同じである。
　Ｓを次のように固有値分解する。
　Ｖｄｉａｇ（μ１，…，μｎ）Ｖｔ
　このとき、Ｓの逆行列の代わりに、固有値の逆数に上限を用いた次の行列とする。
　Ｖｄｉａｇ（ｍａｘ（Ｍ，μ１），…，ｍａｘ（Ｍ，μｎ））Ｖｔ　そして、次の式とする。
　Ｇ（ｔ）＝Ｖｄｉａｇ（ｍａｘ（Ｍ，μ１），…，ｍａｘ（Ｍ，μｎ））Ｖｔｗ（ｔ）
　ここで、Ｍは、正の定数である。
　以上がＧの説明である。すなわち、一般逆行列の代わりに、固有値分解をして、固有値の逆数に上限を用いた上記の行列にｗ（ｔ）をかけた値をカルマンゲインとする方法である固有値リミタ法である。
　しかしながら、パラメータ同定には、Ｒｉｄｇｅ回帰を用いてもよい。Ｒｉｄｇｅ回帰は、電圧の推定誤差二乗にλという重みづけをかけた総和にパラメータθの二乗和を足したものを評価値として、この評価値を最小にするようにしたものである。更新式は、下記式（９）で表される。
Figure JPOXMLDOC01-appb-M000009
　式中、βは、正の定数である。
　Ｒｉｄｇｅ回帰の文献例としては、「吉田光雄：重回帰分析における多重共線性とＲｉｄｇｅ回帰について，大阪大学人間科学部紀要，１３，Ｐ．２２７－２４２」がある。
　（伝達関数を使わない同定遅れ補償）
　伝達関数を求めずにパラメータの同定遅れを補償する方法について説明する。
　まず、遅れ時間の第ｉ成分Ｄｉを求める式は、概念的に下記式（１０）で表される。
Figure JPOXMLDOC01-appb-M000010
　式中、θｌ（ｔ）は、現在のパラメータの真値の第ｉ成分であり、Θｉ（ｔ）は、パラメータの推定値の第ｉ成分である。ｉは、１からｎまでの整数である。ｎは、θの次元である。ａｒｇｍｉｎは、最小となるインデックスを返す関数である。
　よって、上記式（１０）は、現在推定したパラメータとＤｉ時間前のパラメータの真値との差を示している。
　しかし、上記式（１０）において、パラメータの真値θは不明である。このため、真値θの推定値として、ｆ（Θ（ｔ）；Ｉ（ｔ－Ｄｉ））を用いることにする。この場合、関数ａｒｇｍｉｎの対象となる上記の差は、下記式（１１）で表される。
Figure JPOXMLDOC01-appb-M000011
　式中、Ｇｉ（ｔ）は、カルマンゲインの第ｉ成分であり、ｆ（θ；Ｉ（ｔ））は、電圧推定関数であり、Ｉ（ｔ）は、電流関数であり、ｙ（ｔ）は、計測電圧の時系列である。
ｆ（Θ（ｔ）；Ｉ（ｔ－Ｄｉ））は、時刻ｔ－Ｄｉに、現在のパラメータの推定値Θ（ｔ）を入れた場合の電圧推定である。この考え方は、算出した現在の電池のパラメータの推定値がＤｉ前の電池パラメータであるとの仮定である。ここでは、まだｆ（Θ（ｔ）；Ｉ（ｔ－Ｄｉ））の計算で、電流Ｉの時系列が必要であり、サーバーで計算をするためには、電流の時系列データを全てＢＭＵからサーバーに送る必要があり、通信量の観点より好ましくない。もしＢＭＵで計算するとしても、Ｄｉの値をいくつか振る必要があり、組み合わせの面でＢＭＵでの計算負荷が大きい。
　そこで、下記式（１２）で表される更なる近似式を用いる。下記式（１２）においては、ｆを微分で近似している。
Figure JPOXMLDOC01-appb-M000012
　上記式（１２）を用いて、パラメータ遅れ時間Ｄを下記式（１３）で計算する。
Figure JPOXMLDOC01-appb-M000013
　今、パラメータθの第ｉ成分のみが遅れたと仮定した場合には、下記式（１４）となる。
Figure JPOXMLDOC01-appb-M000014
　ここで、時間刻みがΔｔの場合には、上記式（１４）の両辺にΔｔをかけて、実際の遅れ時間とみなす。
　ａｒｇｍｉｎの計算を実行する際、Ｄは、例えば５秒刻み毎でよく、また、Ｇ、Θ、ε及びｗは、ＢＭＵで計算している値であるため、これらを例えば５秒毎にサーバーに転送すればよいことになる。なお、各Ｇ、Θ、ε及びｗは、値が変動するため、５秒間の平均値を転送する。サーバー側では、５秒置きのデータが保管されるため、過去のＧ、Θ、ε及びｗのデータを検索してａｒｇｍｉｎを計算すればよいことになる。
　図１３は、上述のＢＭＵとサーバーとの連携による遅れ補償の工程を示したものである。
　また、現在の誤差を見積もり、その誤差が閾値以内かどうかの信頼性フラグを用いて信頼性フラグが１（誤差が閾値を超える）なら該当パラメータを棄却してもよい。この信頼性フラグは、ＢＭＵで計算してもよいし、サーバー側で計算してもよい。
　次に、アンセッティッドカルマンフィルタの考え方による勾配を求める式について説明する。ここで、電池電圧の推定値Ｖｅの関数である上記式（２）をｆ（ｘ）と置き、ｘ＝（Ｒ０，ｒｐ，τｐ，Ｖ０）とすると、下記式（１５）～（２６）を用いて、Ｇが計算できることになる（Ｖ０はＯＣＶ）。
Figure JPOXMLDOC01-appb-M000015
Figure JPOXMLDOC01-appb-M000016
Figure JPOXMLDOC01-appb-M000017
Figure JPOXMLDOC01-appb-M000018
Figure JPOXMLDOC01-appb-M000019
Figure JPOXMLDOC01-appb-M000020
Figure JPOXMLDOC01-appb-M000021
Figure JPOXMLDOC01-appb-M000022
Figure JPOXMLDOC01-appb-M000023
Figure JPOXMLDOC01-appb-M000024
Figure JPOXMLDOC01-appb-M000025
Figure JPOXMLDOC01-appb-M000026
　上記式（１７）～（２３）において、下付きのｉは、行列の第ｉベクトルを表す。
　上記式（２６）においては、ｉの範囲は、不等式１≦ｉ≦２ｎで表される。ｎは、ｘの次元を表す（ここでは４である。）。
　すなわち、勾配ｗ（ｔ）を下記式（２７）により計算したと解釈することができる。これにより、前述した遅れ同定及び誤差評価と同じ議論となる。
Figure JPOXMLDOC01-appb-M000027
　以上で計算したパラメータは、時間間引き（例えば１０秒毎）や、ＳＯＣが１％変化した場合、温度が１℃変化した場合のオア、アンドのいずれかの条件でＢＭＵに記憶し、通信装置１０３でサーバー１０４に送信される（図１参照）。この通信タイミングとしては、通信がつながる時で、定期的（例えば１時間おき）でもよいし、電池の使用終了時（例えばＥＶならばキーオフ）の時でもよい。
　図３は、この通信に用いるフォーマット（通信フォーマット）の例を示したものである。
　本図においては、機器１００（ここではＥＶ）を認証するＩＤ（識別番号）、時刻、忘却係数λ、行列Ｐ、同定した値ｘの間引いたデータ、ＳＯＣ及び温度から構成される。ここでは、同定したｘとして、Ｒ０、ｒｐ、τｐ及びＯＣＶの４つとしているが、この例に限らず、例えば複数の分極を追加してもよいし、Ｒ０やτｐを除いた情報でもよい。また、現在のＳＯＨＱ、ＳＯＨＲと、電池の正極負極情報をも付加して転送する。ＳＯＨＱは、同定したＱｍａｘを初期Ｑｍａｘで割った値であり、ＳＯＨＲは、現在の抵抗の２５℃換算、かつ、例えばＳＯＣ５０％での換算値を、電池初期状態での抵抗２５℃、ＳＯＣ５０％時の値で割った値とする。この劣化の指標は、サーバー１０４（図１）にて、似たような劣化の電池データを集めて、テーブルを再集計する際に使用するためである。なお、Ｑｍａｘに関しては最後の値を１つ転送するだけでよい。ここで、全ての時間ステップ毎のデータを全て転送してもよいが、データ量が多くなるため、数個おき（例えば１０個や１００個おき）として転送してもよいし、ＳＯＣが例えば１％変化したときや、温度が１℃変化した場合として転送してもよい。
　通信装置１０３とは、スマートフォン（例えばＢｌｕｅｔｏｏｔｈ（登録商標）経由でＢＭＵと接続）でもよいし、Ｗｉ－Ｆｉ（登録商標）やＺｉｇＢｅｅ（登録商標）でもよいし、専用の無線端末でもよい。また、有線として、例えばＥＶならば、定期的に駐車場やディーラー、充電器にＥＶが寄った時に有線接続してもよい。通信装置１０３は通信回線を介して、サーバー１０４の通信部１０８と接続されることになる。
　サーバー１０４は、大容量ストレージとＣＰＵ（Ｃｅｎｔｒａｌ　Ｐｒｏｃｅｓｓｉｎｇ　Ｕｎｉｔ）ないしＣＰＵ及びＧＰＵ（Ｇｒａｐｈｉｃｓ　Ｐｒｏｃｅｓｓｉｎｇ　Ｕｎｉｔ）との組み合わせによるコンピュータで構成され、例えば専用業者のビルの中に設置される。
　同定遅れ補償部１０５は、サーバー１０４のコンピュータ内のプログラムに従って演算処理をする部分であり、機器１００からの通信を受信したときに起動する。この遅れ同定補償は、前述した遅れ補償、ないし値を信頼してよいフラグを計算し、データベース１０６に値を保管する。ここで、もし同定遅れＤが計算した後、データベース１０６には、例えば分極抵抗ｒｐの場合、（ＳＯＣ（ｔ－Ｄ），ｔｅｍｐ（ｔ－Ｄ），ｒｐ（ｔ））のデータセットを記憶させる。この記憶は、電池ＩＤの記憶領域内にＳＯＨＱ及びＳＯＨＲと一緒に記憶させる。
　同定遅れ補償部は、サーバー側としているが、ＢＭＵのＣＰＵの能力が高ければＢＭＵ側にあってもよい。その場合には、遅れ同定したパラメータのセットをサーバーに送る。
　データベース１０６は、大容量ストレージであり、前述したデータセット群を記憶している。
　図４は、このデータセット群の記憶フォーマットの例を示したものである。
　本図に示すように、データセットは、電池ＩＤごとに記憶領域を確保している。過去に電池パラメータデータを受信した分の前述したデータセットが記憶されている。そして、接続されているＢＭＵに対応する記憶領域が確保されている。データセットは、容量／ＳＯＨＲ時系列、ＯＣＶ時系列、直流抵抗時系列、分極抵抗時系列及び分極時定数時系列を含むものである。
　さらに、それぞれの時系列について述べる。
　図５は、容量／ＳＯＨＲ時系列の例を示したものである。
　本図においては、容量／ＳＯＨＲ時系列は、サーバーで集計した日時と、これに対応するＳＯＨＲ及びＳＯＨＱ（どちらも百分率であるが、割合であってもよい。）並びに容量、正極容量、負極容量及び正負極の容量ずれと、を含む。これは、一走行（一回の受信）で一つのデータとする。この理由は、容量やＳＯＨＲの変化が非常に小さいためである。
また、正極容量、負極容量及び正負極の容量ずれの同定方法については、後述する。
　図６は、ＯＣＶ時系列の例を示したものである。
　本図においては、機器１００がキーオンになって運用を停止するまでの再帰最小二乗法またはカルマンフィルタで同定したＶ０（ＯＣＶ）を遅れ補償した分のデータセットが保存される。直流抵抗時系列、分極抵抗時系列及び分極時定数時系列は、ＯＣＶの項目に更に温度の時系列を付加して同様に保存する。
　テーブル関数近似部１０７は、同じ電池種、同じ劣化度合いの電池データをデータベース１０６から取得し、そのデータを基に関数近似をする。
　まず、Ｒ０、ｒｐ及びτｐについて述べる。
　ここでの関数近似としては、三層のニューラルネットワークを使用してもよいし、四層以上のニューラルネットワークであるディープラーニングを使用してもよい。ニューラルネットワークを使用した場合には、前述したテーブルは点データより、ニューラルネットワーク関数をＳＯＣ０％から一定刻みで１００％までと、温度を例えば－３０℃から６０℃まで刻み、その格子点にて値をリサンプリングしたものを通信部１０８を介して機器１００のテーブル１１１に転送してもよい。関数近似の学習タイミングとしては、定期的としてよい。
　次に、テーブルを転送するタイミングとしては、機器１００がオンになった時に送ってもよいし、定期的に送ってもよい。この時の転送する通信フォーマットは、図２に示すテーブルとなる。なお、ニューラルネット及びディープラーニングの例としては、「斎藤康毅：ゼロから作るＤｅｅｐ　Ｌｅａｒｎｉｎｇ－Ｐｙｔｈｏｎで学ぶディープラーニングの理論と実装、オライリージャパン（２０１６／９／２４）」を参照することができる。
　次に、ニューラルネットワークの入力の設定のパターンをいくつか述べる。
　一番単純な方法としては、同じ劣化度、同じ電池種のデータ群を集め（例えばここではＲ０）、その入力に温度及びＳＯＣの２入力とし、出力をＲ０とすればよい。
　次に、同じ電池種のデータ群だけを集めた場合、入力には劣化度（ＳＯＨＲ、ＳＯＨＱ）、温度、ＳＯＣの４つとして、出力をＲ０とすればよい。この場合では、未知のＳＯＨＱ、ＳＯＨＲが入力されたとしても、対応が可能となる。
　次に、電池種にこだわらない場合、電池種のダミーデータを入れる必要がある。この場合、正極の種類（ｍ通りの０１変数）、負極の種類（ｎ通りの０１変数）、正極容量、負極容量、正負極容量ずれ、温度、正極開始時からの放電容量［Ａｈ］（後述する）を入力変数とし、Ｒ０を出力変数とする。正極と負極の未知の組み合わせ（例えば、正極Ａ、負極１の組み合わせと、正極Ｂと負極２の組み合わせの電池データはあるが、正極Ａと負極２の電池データがない場合）に対応できることになる。ｒｐ、τｐでも同様にすればよい。そして、あるＢＭＵにテーブルを転送する場合には、該ＢＭＵの担当する電池種、劣化度の入力をニューラルネットに入れ、温度とＳＯＣを格子状に値を振ってリサンプリングした値とする。
　次に、パラメータ同定によるＯＣＶから、劣化パラメータを同定する方法について述べる。
　パラメータ同定によるＯＣＶから、劣化パラメータを同定する際には、特許文献３に記載の再現計算処理を用いて、正極電位及び負極電位の曲線を求め、これらの差をＯＣＶ候補としてもよい（放電曲線解析）。
　図７は、ＯＣＶの同定の考え方を示すグラフである。横軸に正極満充電からの放電量、縦軸に電位をとっている。
　本図においては、再現計算処理により求めた正極電位及び負極電位の２つの曲線が示されている。
　正極電位と負極電位との差がＯＣＶ候補となる。開始位置としては、正極満充電からの放電量［Ａｈ］が０となる位置である。これは、ＯＣＶが４．２Ｖとなる位置としてもよい。ここがＳＯＣ１００％に該当する。そして、ＳＯＣ０％は、正極電位の急低下若しくは負極電位の急上昇した場合の所定の電位、又はＯＣＶが所定の電位、例えば３Ｖに低下した状態を基準として設定する。ＳＯＣ１００％からＳＯＣ０％までの容量がＱｍａｘとなる。
　また、本図に示すように、一般に、正極容量と負極容量とでは、放電可能な範囲は一致しない。
　本図においては、正極電位の関数は、正極材料が与えられたときには一意に定まり、横軸方向の有効な正極容量［Ａｈ］の範囲が拡大・縮小する。言い換えると、正極材料の容量により、横軸の有効な正極容量の範囲が拡大・縮小する。これを、正極容量の任意性と呼ぶことにする。そして、このことは、負極においても同様であり、負極容量［Ａｈ］にも任意性がある。結果として、正負極容量ずれ［Ａｈ］にも任意性がある。したがって、正負極の電位関数が与えられたときに、正極容量、負極容量及び正負極ずれの３つのパラメータを前述したＯＣＶに合うように最小二乗法で求める。
　次に、そのパラメータにより、正負極電位からＯＣＶを再構成することになる。ここまでは正負極の材料が判っている場合であるが、正負極の材料が不明であっても、正極材料及び負極材料の電位関数を全てサーバーで記憶して、全ての組み合わせをテストすれば、材料を同定できる。
　図８は、材料毎の正極及び負極それぞれについての電位カーブのデータの例を示したものである。
　なお、以上はＯＣＶであるが、分極抵抗及び時定数も正負極に分離できるため、前述したＯＣＶと同じように同定してもよい。
　そして、同定したＯＣＶテーブル、分極抵抗テーブル、分極時定数テーブル及び直流抵抗テーブルは、ＢＭＵの次の起動時もしくは、定期的にサーバーからＢＭＵに転送する。
転送フォーマットは、図２となる。
　図９は、ＢＭＵにおける処理工程をまとめて示すフローチャートである。
　本図においては、キーオン（Ｓ１００）を検知した際、分極及び直流抵抗（ＤＣＲ）のテーブルをサーバーから受信する（Ｓ１１０）。
　受信したテーブルを用いてＳＯＣを更新（推定）する（Ｓ１２０）。言い換えると、ＢＭＵにより電池の内部状態を更新（推定）する工程である。そして、電池のパラメータを推定する（Ｓ１３０）。
　そして、サーバーへの送信のタイミングかどうかを判定する（Ｓ１４０）。送信のタイミングとして適切であれば、更新したＳＯＣ及び電池のパラメータをサーバーに送信する（Ｓ１５０）。送信のタイミングとして不適切であれば、再度送信のタイミングを待つ。そして、キーオフを検知した場合は、処理を終了する（Ｓ１６０）。キーオフをしていない場合は、再度ＳＯＣの更新に戻る。
　図１０は、サーバーにおける処理工程をまとめて示すフローチャートである。
　本図においては、サーバーは、いずれかのＢＭＵとの通信を試みる（Ｓ２１０）。そのＢＭＵに接続した場合、分極及びＤＣＲのテーブルを送信する（Ｓ２２０）。そのＢＭＵからＳＯＣ及び電池のパラメータを受信する（Ｓ２３０）。この際、忘却係数λは変化するため、λを積算した値Πλも受信する。そのＢＭＵとの通信を切断してよいかどうか判定する（Ｓ２４０）。切断した後、電池のパラメータ（推定値）の遅れ補償の計算を行う（Ｓ２５０）。所定のデータセットを同じ種類の電池についてのデータとしてデータベースに保存する（Ｓ２６０）。言い換えると、Ｓ２６０は、遅れ補償の計算の結果をデータベースに蓄積する工程である。異常なデータについては除去する（Ｓ２７０）。データベースに保存された同じ種類の電池のデータについて関数近似の処理を行う（Ｓ２８０）。
言い換えると、Ｓ２８０は、データベースのデータに基いてテーブルに対応するデータを作成する工程である。
　その後、別のＢＭＵとの通信を試みる（Ｓ２１０）。
　なお、本図においては、異常データ除去処理（Ｓ２７０）を追加しているが、これはなくともよい。この手法は、データのクラスタリングにより、孤立したデータを削除する方法を用いてもよい。
　本実施形態によれば、電池が劣化しても、ＳＯＣの精度を保つことができる。
　（２）第２の実施形態
　本実施形態は、中古電池を含む電池の流通市場における情報を集計し売買するシステム又は方法に関するものである。
　第１の実施形態は、実際に電池を使用する場合についてのものである。しかしながら、電池を中古として出荷する際に電池の劣化情報及び電池のテーブルを既に劣化に合わせて更新しているならば、新たな付加価値となる。
　図１１は、中古電池売買システムの構成の例を示す概念図である。
　本図においては、中古電池売買システムは、複数のＢＭＵと、前述したサーバー（クラウドＢＭＵサーバー）と、中古電池調達用のサーバー（中古電池を調達したいユーザーがアクセスできるようにしたもの）と、を含む。すなわち、これらが通信可能となっている。中古電池調達サーバーとクラウドＢＭＵサーバーとは、一体であってもよい。
　本実施形態によれば、中古電池の再利用又は再販をする際に、人手でテーブルを更新する手間が省ける。
　（３）第３の実施形態
　本実施形態は、電池の設計をする際に、実際の電池使用に応じた劣化電池をテストする際にサーバーのデータベースを使用する方法に関するものである。
　図１２は、ＢＭＵ設計システムの構成の例を示す概念図である。
　新規にＢＭＵを製造する際には、前述したサーバーのテーブルを用いれば、大幅に工数が削減できる。また、電池の劣化に伴う、機器の劣化補償シミュレーションを実施できる。
　また、上述した構成については、本発明の要旨を超えない範囲において、適宜変更したり、組み替えたり、組み合わせたり、省略したりしてもよい。
　本実施形態によれば、大幅に工数を削減できる。
　以下、本発明の下位概念についてまとめて説明する。
　電池データの調整方法においては、サーバーは、二個以上のバッテリマネージメントユニットから送信されたパラメータを用いて、バッテリマネージメントユニットのテーブルに対応するデータを更新することが望ましい。
　電池データの調整方法においては、サーバーは、バッテリマネージメントユニットから送信されたパラメータとサーバーに蓄積されているデータとを用いて、バッテリマネージメントユニットのテーブルに対応するデータを更新することが望ましい。
　電池データの調整方法においては、バッテリマネージメントユニットにより電池の内部状態を推定する工程と、パラメータの推定をする工程と、パラメータの推定値の遅れ補償の計算をする工程と、遅れ補償の計算の結果をデータベースに蓄積する工程と、データベースのデータに基いてテーブルに対応するデータを作成する工程と、計算の結果に基いて内部状態の推定値に対応するパラメータを更新する工程と、を更に含むことが望ましい。
　電池データの調整方法においては、パラメータの推定は、バッテリマネージメントユニットにより行うことが望ましい。
　電池データの調整方法においては、パラメータの推定は、再帰最小二乗法によるものとし、バッテリマネージメントユニットからサーバーに送信するデータは、誤差の分散共分散行列、忘却係数、電池の充電率及び電池の温度を含むことが望ましい。
　電池データの調整方法においては、推定されたパラメータは、所定の時間間隔で、又は充電率若しくは温度が所定値以上変化した場合に、バッテリマネージメントユニットからサーバーに送信することが望ましい。
　電池データの調整方法においては、パラメータの更新は、データベースに保存された同じ種類の電池のデータについての関数近似により行うことが望ましい。
　バッテリマネージメントユニットは、電池データの調整方法で用いられるサーバーのデータベースに蓄積されているデータを用いて製造されることが望ましい。
　１００：機器、１０１：電池パック、１０２：電池管理ユニット、１０３：通信装置、１０４：サーバー、１０５：同定遅れ補償部、１０６：データベース、１０７：テーブル関数近似部、１０８：通信部、１０９：ＳＯＣ推定部、１１０：パラメータ同定部、１１１：テーブル。

Claims (11)

  1. 　電池とバッテリマネージメントユニットとを有する一個又は二個以上の機器と、前記機器とデータの送受信をするサーバーと、を用いて、前記電池のデータを調整する方法であって、
    　前記バッテリマネージメントユニットは、前記電池のパラメータを記録するテーブルを有し、
    　前記サーバーは、データベースを有し、
    　前記バッテリマネージメントユニットから前記サーバーに前記電池の前記パラメータを送信する工程と、
    　送信された前記パラメータを用いて、前記サーバーにより、前記データベースに蓄積されている前記バッテリマネージメントユニットの前記テーブルに対応するデータを更新する工程と、
    　その更新されたデータを前記バッテリマネージメントユニットに転送する工程と、を含む、電池データの調整方法。
  2. 　前記サーバーは、二個以上の前記バッテリマネージメントユニットから送信された前記パラメータを用いて、前記バッテリマネージメントユニットの前記テーブルに対応する前記データを更新する、請求項１記載の電池データの調整方法。
  3. 　前記サーバーは、前記バッテリマネージメントユニットから送信された前記パラメータと前記サーバーに蓄積されているデータとを用いて、前記バッテリマネージメントユニットの前記テーブルに対応する前記データを更新する、請求項１記載の電池データの調整方法。
  4. 　前記バッテリマネージメントユニットにより前記電池の内部状態を推定する工程と、
    　前記パラメータの推定をする工程と、
    　前記パラメータの推定値の遅れ補償の計算をする工程と、
    　前記遅れ補償の前記計算の結果を前記データベースに蓄積する工程と、
    　前記データベースのデータに基いて前記テーブルに対応するデータを作成する工程と、
    　前記計算の結果に基いて前記内部状態の推定値に対応する前記パラメータを更新する工程と、を更に含む、請求項１記載の電池データの調整方法。
  5. 　前記パラメータの前記推定は、前記バッテリマネージメントユニットにより行う、請求項４記載の電池データの調整方法。
  6. 　前記パラメータの前記推定は、再帰最小二乗法、Ｒｉｄｇｅ回帰、カルマンフィルタ、確率的勾配降下法、一般逆行列法又は固有値リミタ法によるものとし、
    　前記バッテリマネージメントユニットから前記サーバーに送信するデータは、誤差の分散共分散行列、忘却係数、前記電池の充電率及び前記電池の温度を含む、請求項５記載の電池データの調整方法。
  7. 　推定された前記パラメータは、所定の時間間隔で、又は前記充電率若しくは前記温度が所定値以上変化した場合に、前記バッテリマネージメントユニットから前記サーバーに送信する、請求項６記載の電池データの調整方法。
  8. 　前記パラメータの前記更新は、前記データベースに保存された同じ種類の電池のデータについての関数近似により行う、請求項７記載の電池データの調整方法。
  9. 　請求項１記載の電池データの調整方法で用いられる前記サーバーの前記データベースに蓄積されている前記データを用いて、前記バッテリマネージメントユニットを製造する、
    バッテリマネージメントユニットの製造方法。
  10. 　請求項１記載の電池データの調整方法に用いられる、バッテリマネージメントユニット。
  11. 　請求項１記載の電池データの調整方法に用いられる、サーバー。
PCT/JP2020/032993 2019-12-11 2020-09-01 電池データの調整方法及びバッテリマネージメントユニットの製造方法並びにバッテリマネージメントユニット及びサーバー WO2021117300A1 (ja)

Priority Applications (1)

Application Number Priority Date Filing Date Title
EP20900359.9A EP4075564A4 (en) 2019-12-11 2020-09-01 METHOD FOR ADJUSTING BATTERY DATA AND METHOD FOR MANUFACTURING BATTERY MANAGEMENT UNIT, AND BATTERY MANAGEMENT UNIT AND SERVER

Applications Claiming Priority (2)

Application Number Priority Date Filing Date Title
JP2019223644A JP7369607B2 (ja) 2019-12-11 2019-12-11 電池データの調整方法及びバッテリマネージメントユニットの製造方法並びにバッテリマネージメントユニット及びサーバー
JP2019-223644 2019-12-11

Publications (1)

Publication Number Publication Date
WO2021117300A1 true WO2021117300A1 (ja) 2021-06-17

Family

ID=76312165

Family Applications (1)

Application Number Title Priority Date Filing Date
PCT/JP2020/032993 WO2021117300A1 (ja) 2019-12-11 2020-09-01 電池データの調整方法及びバッテリマネージメントユニットの製造方法並びにバッテリマネージメントユニット及びサーバー

Country Status (3)

Country Link
EP (1) EP4075564A4 (ja)
JP (1) JP7369607B2 (ja)
WO (1) WO2021117300A1 (ja)

Families Citing this family (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
EP4300770A1 (en) 2021-02-26 2024-01-03 Hitachi, Ltd. Remote monitoring system, storage battery system, and control method for remote monitoring system
CN113777517B (zh) * 2021-09-13 2023-10-17 傲普(上海)新能源有限公司 储能电站短板电芯筛选方法
CN116691351B (zh) * 2023-08-03 2023-10-17 四川吉利学院 新能源汽车电池安全智能监测及管理方法、装置及系统

Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2007024687A (ja) * 2005-07-15 2007-02-01 Fuji Heavy Ind Ltd バッテリ管理システム
JP2013024725A (ja) * 2011-07-21 2013-02-04 Toyota Industries Corp 電池情報更新システム
JP2013516614A (ja) * 2010-06-24 2013-05-13 パナソニック株式会社 電池の劣化度を取得するための方法及びそのシステム
JP2013115863A (ja) * 2011-11-25 2013-06-10 Honda Motor Co Ltd バッテリ管理システム
WO2013140781A1 (ja) * 2012-03-19 2013-09-26 パナソニック株式会社 蓄電池監視方法、蓄電池監視システム、および、蓄電池システム
JP2019068697A (ja) * 2017-10-05 2019-04-25 日立化成株式会社 蓄電池システム
WO2020022463A1 (ja) * 2018-07-27 2020-01-30 株式会社Ｇｓユアサ 蓄電装置及び温度推定方法

Patent Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2007024687A (ja) * 2005-07-15 2007-02-01 Fuji Heavy Ind Ltd バッテリ管理システム
JP2013516614A (ja) * 2010-06-24 2013-05-13 パナソニック株式会社 電池の劣化度を取得するための方法及びそのシステム
JP2013024725A (ja) * 2011-07-21 2013-02-04 Toyota Industries Corp 電池情報更新システム
JP2013115863A (ja) * 2011-11-25 2013-06-10 Honda Motor Co Ltd バッテリ管理システム
WO2013140781A1 (ja) * 2012-03-19 2013-09-26 パナソニック株式会社 蓄電池監視方法、蓄電池監視システム、および、蓄電池システム
JP2019068697A (ja) * 2017-10-05 2019-04-25 日立化成株式会社 蓄電池システム
WO2020022463A1 (ja) * 2018-07-27 2020-01-30 株式会社Ｇｓユアサ 蓄電装置及び温度推定方法

Non-Patent Citations (8)

* Cited by examiner, † Cited by third party
Title
ATSUSHI BABA: "doctoral dissertation of Graduate School of Science and Technology", 2013, KEIO UNIVERSITY, article "Study on Estimation of Charging Rate of Lithium Ion Secondary Battery Based on Model"
KUNIO TANABE: "General Inverse Matrix (1", OPERATIONS RESEARCH SOCIETY OF JAPAN, April 1976 (1976-04-01)
LEI LINHIRONORI ONOMASAHIRO FUKUIKIYOTSUGU TAKABA: "An In Situ Full Charge Capacity Estimation Algorithm for Li-ionBatteries Using Recursive Least-Squares Identification with AdaptiveForgetting Factor Tuning", ECS TRANSACTIONS, vol. 75, no. 20, 2017, pages 111 - 119
MITSUO YOSHIDA: "About multicollinearity and Ridge regression in multiple regression analysis", PROCEEDINGS OF THE FACULTY OF HUMAN SCIENCE, OSAKA UNIVERSITY, vol. 13, pages 227 - 242
RAI HAYASHIRYO ISHIZAKIJOSHI TAKAWAMASAHIRO FUKUI: "Study on Dynamic Extraction of Characteristics of Lithium Ion Batteries", IEICE TECHNICAL REPORT, vol. 114, no. 466, 27 February 2015 (2015-02-27), pages 7 - 12
See also references of EP4075564A4
TAKATSUGU TANIHAGI: "Kalman filter and adaptive signal process", 28 December 2005, CORONA PUBLISHING CO., LTD.
YASUKI SAITO: "Deep Learning Constructed from Zero", THEORY AND IMPLEMENTATION OF DEEP LEARNING BY PYTHON, O'REILLY JAPAN, 24 September 2016 (2016-09-24)

Also Published As

Publication number Publication date
EP4075564A1 (en) 2022-10-19
JP7369607B2 (ja) 2023-10-26
JP2021092464A (ja) 2021-06-17
EP4075564A4 (en) 2024-01-17

Similar Documents

Publication Publication Date Title
WO2021117300A1 (ja) 電池データの調整方法及びバッテリマネージメントユニットの製造方法並びにバッテリマネージメントユニット及びサーバー
KR102335296B1 (ko) 무선 네트워크 기반 배터리 관리 시스템
Amir et al. Dynamic equivalent circuit model to estimate state-of-health of lithium-ion batteries
Kim et al. Online SOC and SOH estimation for multicell lithium-ion batteries based on an adaptive hybrid battery model and sliding-mode observer
Fleischer et al. Adaptive on-line state-of-available-power prediction of lithium-ion batteries
CN111612204A (zh) 用于优化电池组的性能的系统、方法和存储介质
WO2019017991A1 (en) PREDICTIVE MODEL FOR ESTIMATING BATTERY CONDITIONS
Azis et al. State of charge (SoC) and state of health (SoH) estimation of lithium-ion battery using dual extended kalman filter based on polynomial battery model
KR20190123172A (ko) 배터리 상태 추정 방법
KR102090476B1 (ko) 클라우드 및 빅데이터를 활용한 bms 최적화 시스템
JP7173127B2 (ja) 電池監視方法、電池監視装置及び電池監視システム
Farag et al. A comparative study of Li-ion battery models and nonlinear dual estimation strategies
CN114072685A (zh) 一种用于估计电池单元的操作参数的方法
CA2861528A1 (en) Open-circuit voltage estimation device, power storage apparatus, and open-circuit voltage estimation method
Lu et al. Modeling discharge characteristics for predicting battery remaining life
CN112946481A (zh) 基于联合h∞滤波的滑模观测器锂离子电池soc估计方法及电池管理系统
Yan et al. Lithium-ion battery state of charge estimation based on moving horizon
JP2016103449A (ja) 正極電位の推定方法、正極電位の推定装置、メモリ効果有無の判定方法、メモリ効果有無の判定装置及び起電圧の推定方法
Ramachandran et al. Recursive estimation of battery pack parameters in electric vehicles
Lin et al. A novel low-cost online state of charge estimation method for reconfigurable battery pack
Zhang et al. State of charge estimation of lithium battery based on FFRLS-SRUKF algorithm
JPWO2020085011A1 (ja) 電池制御装置
Kim et al. A real-time condition monitoring for lithium-ion batteries using a low-price microcontroller
CN109782177B (zh) 一种电池电量的获取方法、装置及汽车
Kim et al. A new hybrid filter-based online condition monitoring for lithium-ion 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: 20900359

Country of ref document: EP

Kind code of ref document: A1

NENP Non-entry into the national phase

Ref country code: DE

ENP Entry into the national phase

Ref document number: 2020900359

Country of ref document: EP

Effective date: 20220711