WO2023054443A1 - バッテリ特性推定装置、バッテリ特性推定方法、およびプログラム - Google Patents

バッテリ特性推定装置、バッテリ特性推定方法、およびプログラム Download PDF

Info

Publication number
WO2023054443A1
WO2023054443A1 PCT/JP2022/036102 JP2022036102W WO2023054443A1 WO 2023054443 A1 WO2023054443 A1 WO 2023054443A1 JP 2022036102 W JP2022036102 W JP 2022036102W WO 2023054443 A1 WO2023054443 A1 WO 2023054443A1
Authority
WO
WIPO (PCT)
Prior art keywords
data
battery
estimation
value
ocv curve
Prior art date
Application number
PCT/JP2022/036102
Other languages
English (en)
French (fr)
Inventor
卓磨 川原
達輝 山口
優気 佐藤
Original Assignee
本田技研工業株式会社
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by 本田技研工業株式会社 filed Critical 本田技研工業株式会社
Publication of WO2023054443A1 publication Critical patent/WO2023054443A1/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]
    • G01R31/382—Arrangements for monitoring battery or accumulator variables, e.g. SoC
    • G01R31/3828—Arrangements for monitoring battery or accumulator variables, e.g. SoC using current integration
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01R—MEASURING ELECTRIC VARIABLES; MEASURING MAGNETIC VARIABLES
    • G01R31/00—Arrangements for testing electric properties; Arrangements for locating electric faults; Arrangements for electrical testing characterised by what is being tested not provided for elsewhere
    • G01R31/36—Arrangements for testing, measuring or monitoring the electrical condition of accumulators or electric batteries, e.g. capacity or state of charge [SoC]
    • G01R31/382—Arrangements for monitoring battery or accumulator variables, e.g. SoC
    • G01R31/3842—Arrangements for monitoring battery or accumulator variables, e.g. SoC combining voltage and current measurements
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01R—MEASURING ELECTRIC VARIABLES; MEASURING MAGNETIC VARIABLES
    • G01R31/00—Arrangements for testing electric properties; Arrangements for locating electric faults; Arrangements for electrical testing characterised by what is being tested not provided for elsewhere
    • G01R31/36—Arrangements for testing, measuring or monitoring the electrical condition of accumulators or electric batteries, e.g. capacity or state of charge [SoC]
    • G01R31/385—Arrangements for measuring battery or accumulator variables
    • H—ELECTRICITY
    • H01—ELECTRIC ELEMENTS
    • H01M—PROCESSES OR MEANS, e.g. BATTERIES, FOR THE DIRECT CONVERSION OF CHEMICAL ENERGY INTO ELECTRICAL ENERGY
    • H01M10/00—Secondary cells; Manufacture thereof
    • H01M10/42—Methods or arrangements for servicing or maintenance of secondary cells or secondary half-cells
    • H01M10/48—Accumulators combined with arrangements for measuring, testing or indicating the condition of cells, e.g. the level or density of the electrolyte
    • H—ELECTRICITY
    • H02—GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
    • H02J—CIRCUIT ARRANGEMENTS OR SYSTEMS FOR SUPPLYING OR DISTRIBUTING ELECTRIC POWER; SYSTEMS FOR STORING ELECTRIC ENERGY
    • H02J7/00—Circuit arrangements for charging or depolarising batteries or for supplying loads from batteries

Definitions

  • the present invention relates to a battery characteristic estimation device, a battery characteristic estimation method, and a program.
  • This application claims priority based on Japanese Patent Application No. 2021-158238 filed in Japan on September 28, 2021, the content of which is incorporated herein.
  • Patent Document 1 a technique for estimating the state of deterioration of a battery is known.
  • the capacity of the positive and negative electrode active materials, the charge amount, and the battery resistance are calculated based on the battery sensor data during charging and the capacity-OCV curves of the positive and negative electrodes, and based on the calculated values
  • a technique for estimating the degree of deterioration of the positive and negative electrodes is disclosed.
  • Patent Document 1 uses data during battery charging for analysis. However, when data during charging is used for analysis, it may not be possible to estimate the battery characteristics with high accuracy due to factors such as deterioration in the calculation accuracy of the internal resistance.
  • a battery characteristic estimating device includes an acquisition unit that acquires time-series data including at least a current value and a voltage value of a battery, and from the acquired time-series data, a data filter unit for extracting, as estimation data, data in which the voltage change is small; and an opening for the discharge capacity calculated based on the current value of the battery based on the estimation data extracted by the data filter unit. and an OCV curve estimator for estimating an OCV curve representing the circuit voltage.
  • the OCV curve estimating unit is optimized so that the value of the error function calculated based on the estimated OCV curve and the estimation data is equal to or less than a threshold
  • the OCV curve is estimated, and the error function is a function that increases according to the total value of the weighted error between the estimated OCV curve and the estimation data.
  • the weight counts the number of data of the estimation data extracted by the data filter unit for a plurality of sections of the discharge capacity or the voltage value, and the greater the number of counted data, the greater the number of data corresponding to the section.
  • the weight value is set to be small.
  • the data filter unit is configured such that the low current duration, which is the time during which the current value exhibits a value equal to or less than a first threshold, is greater than or equal to a second threshold.
  • Time-series data is extracted as the estimation data in which the voltage change is small.
  • the time-series data includes the temperature of the battery, and the data filter unit increases the value of the second threshold when the temperature is equal to or lower than a third threshold. It is something that makes
  • the data filter section extracts time-series data in which the current value is equal to or less than a fourth threshold as the estimation data in which the voltage change is small. It is.
  • the data filter unit filters the time-series data in which the differential value of the voltage value is equal to or less than a fifth threshold to the estimation data in which the voltage change is small. is extracted as
  • a battery characteristic estimation method wherein a computer obtains time-series data including at least a current value and a voltage value of a battery; Data that causes a small voltage change is extracted as data for estimation, and based on the data for estimation, an OCV curve showing an open circuit voltage with respect to the discharge capacity calculated based on the current value of the battery is estimated. be.
  • a program causes a computer to obtain time-series data including at least a current value and a voltage value of a battery, and calculates a voltage resulting from charging and discharging from the obtained time-series data. Data with small changes are extracted as data for estimation, and an OCV curve showing an open circuit voltage with respect to the discharge capacity calculated based on the current value of the battery is estimated based on the data for estimation.
  • the characteristics of the battery can be estimated with high accuracy.
  • the battery characteristics can be estimated with higher accuracy by integrating multiple times of driving data of the vehicle.
  • the characteristics of the battery can be estimated with even higher accuracy.
  • FIG. 4 is a diagram showing an example of the configuration of time-series data 142 and estimation data 144.
  • FIG. FIG. 4 is a diagram showing an example of a reference positive electrode OCP (open circuit potential) curve 148 and a positive electrode OCP curve 148# obtained by converting the reference positive electrode OCP curve 148;
  • FIG. 4 is a diagram showing an example of a reference positive electrode OCP (open circuit potential) curve 148 and a positive electrode OCP curve 148# obtained by converting the reference positive electrode OCP curve 148;
  • FIG. 4 is a diagram showing an example of a reference negative electrode OCP curve 150 and a negative electrode OCP curve 150# obtained by converting the reference negative electrode OCP curve 150;
  • FIG. 15 is a diagram showing an example of an OCV curve 152 derived based on a positive OCP curve 148# and a negative OCP curve 150#.
  • FIG. 4 is a diagram showing an example of a method of integrating estimation data 144 regarding multiple runs of the vehicle 10 into integrated data 146.
  • FIG. 4 is a diagram for explaining optimization processing of an OCV curve 152 executed by an OCV curve estimating unit 130;
  • FIG. 4 is a flowchart showing an example of the flow of processing executed by the battery characteristic estimation device 100;
  • 4 is a flow chart showing another example of the flow of processing executed by the battery characteristic estimation device 100.
  • FIG. 1 is a diagram showing an example configuration of a vehicle 10 to which a battery characteristic estimation device 100 according to an embodiment is applied.
  • a vehicle 10 shown in FIG. 1 is a BEV (Battery Electric Vehicle) that runs by an electric motor that is driven by electric power supplied from a running battery (secondary battery).
  • the vehicle 10 may be a PHV (Plug-in Hybrid Vehicle) or a PHEV (Plug-in Hybrid Electric Vehicle) in which a hybrid vehicle is provided with an external charging function.
  • the vehicle 10 is, for example, not only a four-wheeled vehicle, but also a saddle-type two-wheeled vehicle, a three-wheeled vehicle (including a vehicle with two front wheels and one rear wheel, as well as a vehicle with one front wheel and two rear wheels), and an assist vehicle.
  • Bicycles, electric boats, and other moving bodies that run on an electric motor driven by power supplied from a battery are included.
  • the motor 12 is, for example, a three-phase AC motor.
  • a rotor of motor 12 is coupled to drive wheels 14 .
  • the motor 12 is driven by electric power supplied from a power storage unit (not shown) included in the battery 40 and transmits rotational power to the driving wheels 14 . Also, the motor 12 generates power using the kinetic energy of the vehicle 10 when the vehicle 10 decelerates.
  • the vehicle sensor 20 includes, for example, an accelerator opening sensor, a vehicle speed sensor, and a brake depression amount sensor.
  • the accelerator opening sensor is attached to the accelerator pedal, detects the amount of operation of the accelerator pedal by the driver, and outputs the detected amount of operation as the accelerator opening to the control unit 36, which will be described later.
  • the vehicle speed sensor includes, for example, a wheel speed sensor attached to each wheel of the vehicle 10 and a speed calculator, and integrates the wheel speeds detected by the wheel speed sensors to derive the speed of the vehicle 10 (vehicle speed), and controls the Output to unit 36 .
  • the brake depression amount sensor is attached to the brake pedal, detects the amount of operation of the brake pedal by the driver, and outputs the detected amount of operation to the control unit 36 as the amount of brake depression.
  • the PCU 30 includes, for example, a converter 32 and a VCU (Voltage Control Unit) 34.
  • VCU Voltage Control Unit
  • FIG. 1 it is only an example that these components are integrated into the PCU 30, and these components in the vehicle 10 may be arranged in a distributed manner.
  • the converter 32 is, for example, an AC-DC converter.
  • a DC side terminal of the converter 32 is connected to the DC link DL.
  • a battery 40 is connected to the DC link DL via the VCU 34 .
  • the converter 32 converts the alternating current generated by the motor 12 into direct current and outputs the direct current to the direct current link DL.
  • the VCU 34 is, for example, a DC-DC converter. VCU 34 boosts the power supplied from battery 40 and outputs the boosted power to DC link DL.
  • the control unit 36 controls driving of the motor 12 based on the output from the accelerator opening sensor included in the vehicle sensor 20 .
  • the control unit 36 also controls the brake device 16 based on the output from the brake depression amount sensor included in the vehicle sensor 20 .
  • the control unit 36 also calculates, for example, the SOC (State Of Charge; hereinafter also referred to as "battery charging rate") of the battery 40 based on an output from a battery sensor 42, which will be described later and is connected to the battery 40, and the VCU 34 output to VCU 34 increases the voltage of DC link DL in accordance with an instruction from control unit 36 .
  • SOC State Of Charge
  • the battery 40 is, for example, a secondary battery such as a lithium ion battery that can be repeatedly charged and discharged.
  • the positive electrode active material constituting the positive electrode of the battery 40 includes at least one of materials such as NCM (nickel cobalt manganese), NCA (nickel cobalt aluminum), LFP (lithium ferrophosphate), and LMO (lithium manganese oxide).
  • a negative electrode active material, which is a substance and constitutes the negative electrode of the battery 40, is a substance containing at least one of materials such as hard carbon and graphite, for example.
  • the battery 40 may be a cassette-type battery pack that is detachably attached to the vehicle 10, for example.
  • the battery 40 stores electric power supplied from a charger (not shown) external to the vehicle 10 and discharges the electric power so that the vehicle 10 can run.
  • the battery sensor 42 detects physical quantities such as the current, voltage, and temperature of the battery 40 .
  • Battery sensor 42 includes, for example, a current sensor, a voltage sensor, and a temperature sensor.
  • the battery sensor 42 detects the current of a secondary battery (hereinafter simply referred to as "battery 40") that constitutes the battery 40 with a current sensor, detects the voltage of the battery 40 with a voltage sensor, and detects the temperature of the battery 40 with a temperature sensor. to detect
  • the battery sensor 42 outputs physical quantity data such as the detected current value, voltage value, and temperature of the battery 40 to the control unit 36 and the communication device 50 .
  • the communication device 50 includes a wireless module for connecting cellular networks and Wi-Fi networks.
  • the communication device 50 may include a wireless module for use with Bluetooth (registered trademark) or the like.
  • the communication device 50 transmits and receives various information related to the vehicle 10 to, for example, the battery characteristic estimation device 100 through communication in the wireless module.
  • the communication device 50 transmits the physical quantity data of the battery 40 output by the control unit 36 or the battery sensor 42 to the battery characteristic estimation device 100 .
  • the communication device 50 receives information representing the characteristics of the battery 40 diagnosed and transmitted by the battery characteristics estimation device 100 described later, and outputs the received information representing the characteristics of the battery 40 to the HMI (not shown) of the vehicle 10. You may
  • FIG. 2 is a diagram showing an example of the configuration of the battery characteristic estimation device 100 according to the embodiment.
  • the battery characteristic estimation device 100 includes, for example, an acquisition unit 110, a data filter unit 120, an OCV curve estimation unit 130, and a storage unit 140.
  • Acquisition unit 110, data filter unit 120, and OCV curve estimation unit 130 are implemented by a hardware processor such as a CPU (Central Processing Unit) executing a program (software), for example.
  • a hardware processor such as a CPU (Central Processing Unit) executing a program (software), for example.
  • CPU Central Processing Unit
  • a program software
  • the program may be stored in advance in a storage device (a storage device with a non-transitory storage medium) such as a HDD (Hard Disk Drive) or flash memory, or may be stored in a removable storage such as a DVD or CD-ROM. It may be stored in a medium (non-transitory storage medium) and installed by loading the storage medium into a drive device.
  • the storage unit 140 is, for example, an HDD, a flash memory, a RAM (Random Access Memory), or the like.
  • the storage unit 140 stores, for example, time-series data 142, estimation data 144, integrated data 146, a reference positive OCP curve 148, a reference negative OCP curve 150, and an OCV curve 152.
  • Acquisition unit 110 acquires time-series data such as the current value, voltage value, and temperature of battery 40 from communication device 50 using a communication interface (not shown) installed in battery characteristic estimation device 100, and obtains time-series data 142 is stored in the storage unit 140 .
  • Acquisition unit 110 further calculates a discharge capacity (amount of discharge) by integrating the current values included in the acquired time-series data, and stores it in storage unit 140 as time-series data 142 .
  • the acquiring unit 110 may perform a process of excluding data in which loss or abnormality has occurred from the acquired time-series data. Further, the discharge capacity may be calculated on the vehicle 10 side instead of being calculated by the battery characteristic estimation device 100, and then transmitted to the battery characteristic estimation device 100 via the communication device 50. .
  • the data filter unit 120 extracts, from the time-series data 142 stored in the storage unit 140, data with a small voltage change due to charging and discharging, that is, data with a voltage change equal to or less than a predetermined value, as estimation data 144.
  • FIG. 3 is a diagram showing an example of the configuration of the time-series data 142 and the estimation data 144. As shown in FIG. In FIG. 3, time_stamp indicates the date and time when the data corresponding to each record of the time-series data 142 was measured by the vehicle 10, voltage indicates the voltage value of the battery 40, and current indicates the current value of the battery 40.
  • the low current duration indicates the period in which the current value of the battery 40 continues to be the first threshold (for example, 5 A) or less, and the OCV determination result indicates that the corresponding voltage value can be regarded as OCV (open circuit voltage). It shows the result of judging whether or not
  • Data filter unit 120 for example, among the time-series data 142, for the time-series data in which the low current duration time is equal to or greater than the second threshold (for example, 10 seconds), the corresponding voltage value can be regarded as OCV, OCV determination Set the result to True.
  • the data filter unit 120 may increase the value of the second threshold when the temperature of the battery is equal to or lower than the third threshold.
  • the data filter unit 120 may increase the threshold of the low current duration at which the voltage value can be regarded as OCV. This is because when the temperature of the battery is low, the period until the voltage value converges tends to be long.
  • the data filter unit 120 determines that the corresponding voltage value can be regarded as OCV for the time-series data in which the current value is equal to or less than the fourth threshold among the time-series data 142, and sets the OCV determination result to True.
  • the data filter unit 120 may directly calculate the amount of change in the voltage value and determine that time-series data in which the calculated amount of change is equal to or less than a predetermined value is data that can be regarded as OCV.
  • the data filter unit 120 stores the estimation data 144 extracted from the time series data 142 in the storage unit 140 .
  • OCV curve estimation section 130 converts reference positive electrode OCP curve 148 into positive electrode OCP curve 148# that indicates the change in open circuit potential with respect to the discharge capacity of the positive electrode according to a first parameter group described later, and converts it into positive electrode OCP curve 148# according to a second parameter group described later.
  • the battery Estimate an OCV curve 152 showing the change in open circuit voltage with respect to the change in capacitance of 40 .
  • the OCV curve estimating unit 130 further calculates the OCV curve so that the value of the error function calculated based on the estimated OCV curve 152 and the estimation data 144 extracted by the data filtering unit 120 is equal to or less than the threshold. 152 is optimized.
  • the OCV curve 152 optimized in this manner represents the finally estimated characteristics of the battery 40 . A specific optimization process for the OCV curve 152 will be described later.
  • FIG. 4 is a diagram showing an example of a reference positive electrode OCP curve 148 and a positive electrode OCP curve 148# obtained by converting the reference positive electrode OCP curve 148.
  • FIG. The left part of FIG. 3 shows the reference positive OCP curve 148 and the right part of FIG. 3 shows the positive OCP curve 148# obtained by transforming the reference positive OCP curve 148.
  • the reference positive electrode OCP curve 148 represents a mathematical model f ca (x) that serves as a reference for deriving the positive electrode OCP curve 148# that indicates the change in open circuit potential with respect to the discharge capacity of the positive electrode.
  • the width of the discharge capacity x is normalized to one.
  • the OCV curve estimator 130 calculates the positive electrode scaling factor a for converting the normalized discharge capacity width of the positive electrode into the actual discharge capacity width, and the discharge capacity from the reference positive electrode OCP curve 148 to the positive electrode OCP curve 148#.
  • the reference positive OCP curve 148 is converted into a positive OCP curve 148# using the positive shift amount b, which is the shift amount in the direction.
  • the positive scale ratio a and the positive shift amount b are an example of the "first parameter group".
  • FIG. 5 is a diagram showing an example of a reference negative electrode OCP curve 150 and a negative electrode OCP curve 150# obtained by converting the reference negative electrode OCP curve 150.
  • FIG. 4 shows a reference negative OCP curve 150, and the right part of FIG. 4 shows a negative electrode OCP curve 150# obtained by transforming the reference negative OCP curve 150.
  • FIG. 4 shows a reference negative OCP curve 150, and the right part of FIG. 4 shows a negative electrode OCP curve 150# obtained by transforming the reference negative OCP curve 150.
  • the reference negative electrode OCP curve 150 represents a mathematical model f an (x) that serves as a reference for deriving the negative electrode OCP curve 150# showing the change in open circuit potential with respect to the discharge capacity of the negative electrode.
  • the width of the discharge capacity x is normalized to one.
  • the OCV curve estimating unit 130 calculates the negative electrode scaling factor c for converting the normalized discharge capacity width of the negative electrode into the actual discharge capacity width, and the discharge capacity from the reference negative electrode OCP curve 150 to the negative electrode OCP curve 150#.
  • Reference negative OCP curve 150 is converted to negative OCP curve 150# using a negative shift amount d, which is a shift amount in the direction.
  • the negative scale ratio c and the negative shift amount d are examples of the "second parameter group".
  • the width of the discharge capacity x is normalized to 1 in the reference positive electrode OCP curve 148 and the reference negative electrode OCP curve 150 as an example.
  • reference positive OCP curve 148 and reference negative OCP curve 150 serve as references for optimizing the first and second sets of parameters. may be normalized to any value given the mathematical model for
  • FIG. 6 is a diagram showing an example of an OCV curve 152 derived based on the positive OCP curve 148# and the negative OCP curve 150#.
  • OCV curve estimator 130 estimates OCV curve 152 by subtracting negative OCP curve 150# obtained in FIG. 6 from positive OCP curve 148# obtained in FIG.
  • the OCV curve estimator 130 determines that the value of the error function representing the error between the estimated OCV curve 152 and the integrated data 146 obtained by integrating the estimation data 144 regarding multiple runs of the vehicle 10 is
  • the first parameter group and the second parameter group are optimized to be below the threshold.
  • FIG. 7 is a diagram showing an example of a method of integrating the estimation data 144 regarding multiple runs of the vehicle 10 into the integrated data 146.
  • G1 and G2 each represent a set of estimation data 144 regarding multiple runs of the vehicle 10 .
  • a point P1 of the set G1 and a point P2 of the set G2 each indicate a combination of voltage and discharge capacity at the start of each run.
  • the discharge capacity stored as the time-series data 142 is a value measured with the travel start time defined as 0 Ah and the travel start time as a reference time.
  • the discharge capacity of the OCV curve 152 is a value measured with the set fully charged state defined as 0 Ah and the fully charged state as the reference state. Therefore, the discharge capacity of the estimation data 144 regarding multiple runs cannot be used in the optimization process of the OCV curve 152 as raw data. Therefore, the OCV curve estimating unit 130 applies the voltage values (the voltage values of P1 and P2 in FIG. 7) at predetermined timings during multiple runs to the OCV curve 152 estimated by the OCV curve estimating unit 130 to the OCV.
  • the predetermined timing means the timing at which the voltage value in the time-series data can be regarded as OCV, such as when the vehicle 10 is started or stopped at an intersection.
  • the OCV curve estimation unit 130 stores the data obtained by such conversion in the storage unit 140 as integrated data 146 .
  • the OCV curve estimating unit 130 integrates the estimation data 144 regarding multiple runs of the vehicle 10 into the integrated data 146, but a module different from the OCV curve estimating unit 130 runs It may function as a data aggregator to generate integrated data 146 .
  • FIG. 8 is a diagram for explaining the optimization processing of the OCV curve 152 executed by the OCV curve estimation unit 130.
  • the OCV curve estimating unit 130 uses the first parameter group and the second parameter group so that the value of the error function representing the error between the estimated OCV curve 152 and the integrated data 146 is equal to or less than a predetermined value. to optimize. More specifically, the OCV curve estimation unit 130 uses, for example, local optimization algorithms such as the BFGS method, the conjugate gradient method, and the COBYLA method, and global optimization algorithms such as genetic algorithms, differential evolution methods, SHGO methods, and simulated annealing methods. An algorithm is used to optimize the first parameter group and the second parameter group such that the value of the error function is less than or equal to a predetermined value.
  • the OCV curve estimator 130 sets a function that increases according to the total value of the OCV curve 152 and the weighted error of the integrated data 146 as the error function. More specifically , the OCV curve estimation unit 130 first divides the discharge capacity (Ah) into predetermined intervals I 1 , I 2 , I 3 , . 2 , n 3 , . . . are calculated. Next, the OCV curve estimation unit 130 calculates the weight w k for each interval by taking the reciprocal of each data amount n 1 , n 2 , n 3 , . . . sum(1/n i )). Next, the OCV curve estimator 130 defines a weighted mean square error (Weighted RMSE) as an error function using the calculated weights, as shown in the following equation (1).
  • Weighted RMSE weighted mean square error
  • pred i indicates the open-circuit voltage estimate on the OCV curve 152 and Act i indicates the open-circuit voltage value recorded as integrated data 146 .
  • the error is calculated by taking the square root of the mean square error, but the present invention is not limited to such a configuration, and the root of any exponent of the mean square error may be taken.
  • the OCV curve estimator 130 may define a weighted average absolute error (Weighted MAE) as an error function using the calculated weights, as shown in Equation (2) below. By performing such weighting, it is possible to prevent the OCV curve 152 from excessively fitting the integrated data 146 in the section with a large amount of data.
  • Weighted MAE weighted average absolute error
  • FIG. 8 illustrates an example in which the data amount of the integrated data 146 is counted for each section of the discharge capacity (that is, in the horizontal axis direction) and the weight wk corresponding to the section is calculated.
  • the invention is not limited to such configurations.
  • the data amount of the integrated data 146 may be counted for each section of the voltage (that is, in the direction of the vertical axis), and the weight wk corresponding to the section may be calculated.
  • the method of calculating the weight wk is not limited to taking the reciprocal, and more generally, a smaller value may be given to an interval with a larger amount of data.
  • FIG. 9 is a flowchart showing an example of the flow of processing executed by battery characteristic estimation device 100 .
  • the OCV curve 152 to which the estimation data 144 regarding multiple runs of the vehicle 10 is applied is defined as the initial OCV curve by setting the parameters of the first parameter group and the second parameter group. .
  • the battery characteristic estimation device 100 acquires the time-series data 142 including current values and voltage values from the vehicle 10 (step S101).
  • battery characteristic estimating apparatus 100 filters time-series data 142 based on the current value of time-series data 142 and the duration of low current measured based on the acquired current value, thereby filtering estimation data 144. is extracted (step S102).
  • battery characteristic estimation apparatus 100 arbitrarily sets the parameters of the first parameter group and the second parameter group to generate positive OCP curve 148# from reference positive OCP curve 148, and reference negative OCP curve 150. to generate the negative OCP curve 150#.
  • Battery characteristic estimation device 100 generates OCV curve 152 by subtracting negative OCP curve 150# from positive OCP curve 148# (step S103).
  • the battery characteristic estimation device 100 converts the estimation data 144 into the integrated data 146 by applying the estimation data 144 regarding the multiple runs of the vehicle 10 to the generated OCV curve 152 (step S104).
  • the battery characteristic estimation device 100 calculates the error between the converted integrated data 146 and the generated OCV curve 152 (S105).
  • battery characteristic estimation device 100 determines whether or not the calculated error is within a predetermined value (S106). If it is determined that the calculated error is not within the predetermined value, the battery characteristic estimation device 100 returns to step S103, resets the first parameter group and the second parameter group, and generates the OCV curve 152. On the other hand, when it is determined that the calculated error is within the predetermined value, the battery characteristic estimation device 100 determines the OCV curve 152 as the final OCV curve 152 (S105). This completes the processing of this flowchart.
  • FIG. 10 is a flowchart showing another example of the flow of processing executed by battery characteristic estimation device 100 .
  • the processing of this flowchart defines the OCV curve 152 to which the estimation data 144 regarding multiple runs of the vehicle 10 is applied, using the estimation data 144 for one run.
  • the estimation data 144 for one run is an example of the "specific data group during travel".
  • the battery characteristic estimation device 100 acquires the time-series data 142 including current values and voltage values from the vehicle 10 (step S201).
  • battery characteristic estimating apparatus 100 filters time-series data 142 based on the current value of time-series data 142 and the duration of low current measured based on the acquired current value, thereby filtering estimation data 144. is extracted (step S202).
  • the battery characteristic estimation device 100 estimates the OCV curve 152 based on the estimation data 144 regarding one run of the vehicle 10 (step S203). Specifically, battery characteristic estimation device 100 generates OCV curve 152 by minimizing the error function between estimation data 144 and OCV curve 152 using an algorithm such as the differential evolution method described above. Next, the battery characteristic estimation device 100 converts the estimation data 144 into the integrated data 146 by applying the estimation data 144 relating to the multiple runs of the vehicle 10 to the generated OCV curve 152 (step S204).
  • the battery characteristic estimation device 100 calculates the error between the converted integrated data 146 and the generated OCV curve 152 (S205).
  • battery characteristic estimation device 100 determines whether or not the calculated error is within a predetermined value (S206). When it is determined that the calculated error is not within the predetermined value, battery characteristic estimation device 100 updates the first parameter group and the second parameter group, and regenerates OCV curve 152 (S207).
  • battery characteristic estimation device 100 returns to the process of step S205 and calculates the error between integrated data 146 and regenerated OCV curve 152 .
  • the battery characteristic estimation device 100 determines the OCV curve 152 as the final OCV curve 152 (S208). This completes the processing of this flowchart.
  • the battery characteristic estimating apparatus 100 uses only the time-series data whose voltage value can be regarded as OCV among the time-series data 142 of the battery 40 acquired from the vehicle 10 as the estimation data 144. set and further optimize the estimated OCV curve 152 with the integrated data 146 that integrates the estimation data 144 regarding multiple runs of the vehicle 10 to estimate the characteristics of the battery 40 is determined the final OCV curve 152 of . Thereby, the characteristics of the battery can be estimated with high accuracy.
  • a storage device storing a program; a hardware processor; By the hardware processor executing the program stored in the storage device, obtaining time-series data including at least current and voltage values of the battery; From the acquired time-series data, data with small voltage change due to charging and discharging is extracted as estimation data, estimating an OCV curve showing an open circuit voltage with respect to a discharge capacity calculated based on the current value of the battery, based on the estimation data extracted by the data filter unit;
  • a battery characteristic estimating device configured as follows.
  • REFERENCE SIGNS LIST 10 vehicle 12 motor 14 drive wheel 16 brake device 20 vehicle sensor 30 PCU 32 converter 34 VCU 36 control unit 40 battery 42 battery sensor 50 communication device 100 battery characteristic estimation device 110 acquisition unit 120 data filter unit 130 OCV curve estimation unit 140 storage unit

Landscapes

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

Abstract

バッテリの少なくとも電流値および電圧値を含む時系列データを取得する取得部と、前記取得された時系列データから、充放電に起因する電圧変化が小さいデータを推定用データとして抽出するデータフィルタ部と、前記データフィルタ部によって抽出された前記推定用データに基づいて、前記バッテリの前記電流値に基づいて算出される放電容量に対する開回路電圧を示すＯＣＶ曲線を推定するＯＣＶ曲線推定部と、を備える、バッテリ特性推定装置。

Description

バッテリ特性推定装置、バッテリ特性推定方法、およびプログラム
　本発明は、バッテリ特性推定装置、バッテリ特性推定方法、およびプログラムに関する。本願は、２０２１年９月２８日に、日本に出願された特願２０２１－１５８２３８号に基づき優先権を主張し、その内容をここに援用する。
　従来、バッテリの劣化状態を推定する技術が知られている。例えば、特許文献１には、充電中のバッテリセンサーデータと、正極及び負極の容量－ＯＣＶ曲線とに基づいて、正負極活物質の容量、充電量、および電池抵抗を算出し、算出値に基づいて正負極の劣化度を推定する技術が開示されている。
特開２０１２－２５１８０６号公報
　特許文献１に記載の技術は、バッテリの充電中のデータを解析に利用するものである。しかしながら、充電中のデータを解析に利用する場合、内部抵抗の算出精度の悪化などの要因に起因して、バッテリの特性を高精度に推定できない場合があった。
　本発明は、このような事情を考慮してなされたものであり、バッテリの特性を高精度に推定することができるバッテリ特性推定装置、バッテリ特性推定方法、およびプログラムを提供することを目的の一つとする。
　この発明に係るバッテリ特性推定装置、バッテリ特性推定方法、およびプログラムは、以下の構成を採用した。
　（１）：この発明の一態様に係るバッテリ特性推定装置は、バッテリの少なくとも電流値および電圧値を含む時系列データを取得する取得部と、前記取得された時系列データから、充放電に起因する電圧変化が小さいデータを推定用データとして抽出するデータフィルタ部と、前記データフィルタ部によって抽出された前記推定用データに基づいて、前記バッテリの前記電流値に基づいて算出される放電容量に対する開回路電圧を示すＯＣＶ曲線を推定するＯＣＶ曲線推定部と、を備えるものである。
　（２）：上記（１）の態様において、前記ＯＣＶ曲線推定部は、前記推定されたＯＣＶ曲線と、前記推定用データとに基づいて計算される誤差関数の値が閾値以下になるように最適化計算を行うことで、前記ＯＣＶ曲線を推定し、前記誤差関数は、前記推定されたＯＣＶ曲線と前記推定用データの誤差にウェイトを掛けた値の合計値に応じて増加する関数であって、前記ウェイトは、前記データフィルタ部によって抽出された前記推定用データのデータ数を、放電容量又は電圧値の複数の区間についてカウントし、カウントされた前記データ数が多いほど、前記区間に対応する前記ウェイトの値が小さくなるように設定されるものである。
　（３）：上記（２）の態様において、前記バッテリを搭載した車両の複数回の走行時の前記推定用データを統合する走行データ統合部を更に備え、前記走行データ統合部は、初期ＯＣＶ曲線、又は特定の走行時データ群から推定されたＯＣＶ曲線と、複数回の走行時における前記電圧値が開回路電圧と見なせるタイミングの電圧値とを用いて、前記複数回の走行時の前記推定用データの放電容量値を推定することによって前記複数回の走行時の前記推定用データを統合し、前記ＯＣＶ曲線推定部は、前記推定されたＯＣＶ曲線と、前記走行データ統合部によって統合された前記推定用データとの誤差を表す前記誤差関数の値が前記閾値以下になるように前記最適化計算を行うことで、前記ＯＣＶ曲線を推定するものである。
　（４）：上記（１）から（３）のいずれかの態様において、前記データフィルタ部は、前記電流値が第１閾値以下の値を示す時間である低電流継続時間が第２閾値以上の時系列データを前記電圧変化が小さい前記推定用データとして抽出するものである。
　（５）：上記（４）の態様において、前記時系列データは、前記バッテリの温度を含み、前記データフィルタ部は、前記温度が第３閾値以下である場合、前記第２閾値の値を増加させるものである。
　（６）：上記（１）から（５）のいずれかの態様において、前記データフィルタ部は、前記電流値が第４閾値以下の時系列データを前記電圧変化が小さい前記推定用データとして抽出するものである。
　（７）：上記（１）から（６）のいずれかの態様において、前記データフィルタ部は、前記電圧値の微分値が第５閾値以下の時系列データを前記電圧変化が小さい前記推定用データとして抽出するものである。
　（８）：この発明の別の態様に係るバッテリ特性推定方法は、コンピュータが、バッテリの少なくとも電流値および電圧値を含む時系列データを取得し、前記取得された時系列データから、充放電に起因する電圧変化が小さいデータを推定用データとして抽出し、前記推定用データに基づいて、前記バッテリの前記電流値に基づいて算出される放電容量に対する開回路電圧を示すＯＣＶ曲線を推定するものである。
　（９）：この発明の別の態様に係るプログラムは、コンピュータに、バッテリの少なくとも電流値および電圧値を含む時系列データを取得させ、前記取得された時系列データから、充放電に起因する電圧変化が小さいデータを推定用データとして抽出させ、前記推定用データに基づいて、前記バッテリの前記電流値に基づいて算出される放電容量に対する開回路電圧を示すＯＣＶ曲線を推定させるものである。
　（１）～（９）の態様によれば、バッテリの特性を高精度に推定することができる。
　（２）の態様によれば、データ量のばらつきに起因するフィッティングの偏りを抑制することができる。
　（３）の態様によれば、車両の複数回の走行データを統合することにより、バッテリの特性をさらに高精度に推定することができる。
　（４）～（７）の態様によれば、ＯＣＶと見なせるデータのみに対して最適化処理を実行することにより、バッテリの特性をさらに高精度に推定することができる。
実施形態に係るバッテリ特性推定装置１００が適用される車両１０の構成の一例を示す図である。 実施形態に係るバッテリ特性推定装置１００の構成の一例を示す図である。 時系列データ１４２と推定用データ１４４の構成の一例を示す図である。 基準正極ＯＣＰ（open circuit potential）曲線１４８と、基準正極ＯＣＰ曲線１４８を変換することによって得られる正極ＯＣＰ曲線１４８＃の一例を示す図である。 基準負極ＯＣＰ曲線１５０と、基準負極ＯＣＰ曲線１５０を変換することによって得られる負極ＯＣＰ曲線１５０＃の一例を示す図である。 正極ＯＣＰ曲線１４８＃及び負極ＯＣＰ曲線１５０＃に基づいて導出されるＯＣＶ曲線１５２の一例を示す図である。 車両１０の複数回の走行に関する推定用データ１４４を統合データ１４６に統合する方法の一例を示す図である。 ＯＣＶ曲線推定部１３０によって実行されるＯＣＶ曲線１５２の最適化処理を説明するための図である。 バッテリ特性推定装置１００によって実行される処理の流れの一例を示すフローチャートである。 バッテリ特性推定装置１００によって実行される処理の流れの別の例を示すフローチャートである。
　以下、図面を参照し、本発明のバッテリ特性推定装置、バッテリ特性推定方法、およびプログラムの実施形態について説明する。
　［車両の構成］
　図１は、実施形態に係るバッテリ特性推定装置１００が適用される車両１０の構成の一例を示す図である。図１に示した車両１０は、走行用のバッテリ（二次電池）から供給される電力によって駆動される電動機（電動モータ）によって走行するＢＥＶ（Ｂａｔｔｅｒｙ　Ｅｌｅｃｔｒｉｃ　Ｖｅｈｉｃｌｅ：電気自動車）である。代替的に、車両１０は、ハイブリッド車両に外部充電機能を持たせたＰＨＶ（Plug-in Hybrid Vehicle）又はＰＨＥＶ（Plug-in Hybrid Electric Vehicle）であってもよい。なお、車両１０は、例えば、四輪の車両のみならず、鞍乗り型の二輪の車両や、三輪（前一輪かつ後二輪の他に、前二輪かつ後一輪の車両も含む）の車両、アシスト式の自転車、さらには、電動船など、バッテリから供給される電力によって駆動される電動モータによって走行する移動体の全般が含まれる。
　モータ１２は、例えば、三相交流電動機である。モータ１２の回転子（ロータ）は、駆動輪１４に連結される。モータ１２は、バッテリ４０が備える蓄電部（不図示）から供給される電力によって駆動され、回転の動力を駆動輪１４に伝達させる。また、モータ１２は、車両１０の減速時に車両１０の運動エネルギーを用いて発電する。
　車両センサ２０は、例えば、アクセル開度センサと、車速センサと、ブレーキ踏量センサと、を備える。アクセル開度センサは、アクセルペダルに取り付けられ、運転者によるアクセルペダルの操作量を検出し、検出した操作量をアクセル開度として後述する制御部３６に出力する。車速センサは、例えば、車両１０の各車輪に取り付けられた車輪速センサと速度計算機とを備え、車輪速センサにより検出された車輪速を統合して車両１０の速度（車速）を導出し、制御部３６に出力する。ブレーキ踏量センサは、ブレーキペダルに取り付けられ、運転者によるブレーキペダルの操作量を検出し、検出した操作量をブレーキ踏量として制御部３６に出力する。
　ＰＣＵ３０は、例えば、変換器３２と、ＶＣＵ（Ｖｏｌｔａｇｅ　Ｃｏｎｔｒｏｌ　Ｕｎｉｔ）３４と、を備える。なお、図１においては、これらの構成要素をＰＣＵ３０として一まとまりの構成としたのは、あくまで一例であり、車両１０におけるこれらの構成要素は分散的に配置されても構わない。
　変換器３２は、例えば、ＡＣ－ＤＣ変換器である。変換器３２の直流側端子は、直流リンクＤＬに接続されている。直流リンクＤＬには、ＶＣＵ３４を介してバッテリ４０が接続されている。変換器３２は、モータ１２により発電された交流を直流に変換して直流リンクＤＬに出力する。
　ＶＣＵ３４は、例えば、ＤＣ－ＤＣコンバータである。ＶＣＵ３４は、バッテリ４０から供給される電力を昇圧して直流リンクＤＬに出力する。
　制御部３６は、車両センサ２０が備えるアクセル開度センサからの出力に基づいて、モータ１２の駆動を制御する。制御部３６は、また、車両センサ２０が備えるブレーキ踏量センサからの出力に基づいて、ブレーキ装置１６を制御する。制御部３６は、また、バッテリ４０に接続された後述するバッテリセンサ４２からの出力に基づいて、例えば、バッテリ４０のＳＯＣ（Ｓｔａｔｅ　Ｏｆ　Ｃｈａｒｇｅ；以下「バッテリ充電率」ともいう）を算出し、ＶＣＵ３４に出力する。ＶＣＵ３４は、制御部３６からの指示に応じて、直流リンクＤＬの電圧を上昇させる。
　バッテリ４０は、例えば、リチウムイオン電池など、充電と放電とを繰り返すことができる二次電池である。バッテリ４０の正極を構成する正極活物質は、例えば、ＮＣＭ（nickel cobalt manganese）、ＮＣＡ（nickel cobalt aluminum）、ＬＦＰ（lithium ferrophosphate）、ＬＭＯ（lithium manganese oxide）などの材料のうち少なくとも一つを含む物質であり、バッテリ４０の負極を構成する負極活物質は、例えば、ハードカーボンやグラファイトなどの材料のうち少なくとも一つを含む物質である。また、バッテリ４０は、車両１０に対して着脱自在に装着される、例えば、カセット式などのバッテリパックであってもよい。バッテリ４０は、車両１０の外部の充電器（不図示）から供給される電力を蓄え、車両１０の走行のための放電を行う。
　バッテリセンサ４２は、バッテリ４０の電流や、電圧、温度などの物理量を検出する。バッテリセンサ４２は、例えば、電流センサ、電圧センサ、温度センサを備える。バッテリセンサ４２は、電流センサによってバッテリ４０を構成する二次電池（以下、単に「バッテリ４０」という）の電流を検出し、電圧センサによってバッテリ４０の電圧を検出し、温度センサによってバッテリ４０の温度を検出する。バッテリセンサ４２は、検出したバッテリ４０の電流値、電圧値、温度などの物理量のデータを制御部３６や通信装置５０に出力する。
　通信装置５０は、セルラー網やＷｉ－Ｆｉ網を接続するための無線モジュールを含む。通信装置５０は、Ｂｌｕｅｔｏｏｔｈ（登録商標）など利用するための無線モジュールを含んでもよい。通信装置５０は、無線モジュールにおける通信によって、車両１０に係る種々の情報を、例えば、バッテリ特性推定装置１００との間で送受信する。通信装置５０は、制御部３６又はバッテリセンサ４２により出力されたバッテリ４０の物理量のデータを、バッテリ特性推定装置１００に送信する。通信装置５０は、後述するバッテリ特性推定装置１００により診断されて送信されたバッテリ４０の特性を表す情報を受信し、受信したバッテリ４０の特性を表す情報を車両１０のＨＭＩ（不図示）に出力してもよい。
　［バッテリ特性推定装置の構成］
　次に、車両１０のバッテリ４０の特性を推定するバッテリ特性推定装置１００の一例について説明する。図２は、実施形態に係るバッテリ特性推定装置１００の構成の一例を示す図である。バッテリ特性推定装置１００は、例えば、取得部１１０と、データフィルタ部１２０と、ＯＣＶ曲線推定部１３０と、記憶部１４０と、を備える。取得部１１０と、データフィルタ部１２０と、ＯＣＶ曲線推定部１３０は、例えば、ＣＰＵ（Central Processing Unit）などのハードウェアプロセッサがプログラム（ソフトウェア）を実行することにより実現される。これらの構成要素のうち一部または全部は、ＬＳＩ（Large Scale Integration）やＡＳＩＣ（Application Specific Integrated Circuit）、ＦＰＧＡ（Field-Programmable Gate Array）、ＧＰＵ（Graphics Processing Unit）などのハードウェア（回路部；circuitryを含む）によって実現されてもよいし、ソフトウェアとハードウェアの協働によって実現されてもよい。プログラムは、予めＨＤＤ（Hard Disk Drive）やフラッシュメモリなどの記憶装置（非一過性の記憶媒体を備える記憶装置）に格納されていてもよいし、ＤＶＤやＣＤ－ＲＯＭなどの着脱可能な記憶媒体（非一過性の記憶媒体）に格納されており、記憶媒体がドライブ装置に装着されることでインストールされてもよい。記憶部１４０は、例えば、ＨＤＤやフラッシュメモリ、ＲＡＭ（Random Access Memory）等である。記憶部１４０は、例えば、時系列データ１４２と、推定用データ１４４と、統合データ１４６と、基準正極ＯＣＰ曲線１４８と、基準負極ＯＣＰ曲線１５０と、ＯＣＶ曲線１５２と、を記憶する。
　取得部１１０は、バッテリ特性推定装置１００に搭載された不図示の通信インターフェースを用いて、通信装置５０から、バッテリ４０の電流値、電圧値、温度などの時系列データを取得し、時系列データ１４２として記憶部１４０に格納する。取得部１１０は、さらに、取得した時系列データに含まれる電流値を積算することによって、放電容量（放電量）を算出し、時系列データ１４２として記憶部１４０に格納する。このとき、取得部１１０は、取得した時系列データのうち、欠損や異常が発生したデータを除外する処理を行ってもよい。さらに、放電容量は、バッテリ特性推定装置１００において算出されるものではなく、車両１０側で算出された後に、通信装置５０を介して、バッテリ特性推定装置１００に送信されるものであってもよい。
　データフィルタ部１２０は、記憶部１４０に格納された時系列データ１４２のうち、充放電に起因する電圧変化が小さい、すなわち、電圧変化が所定値以下のデータを推定用データ１４４として抽出する。図３は、時系列データ１４２と推定用データ１４４の構成の一例を示す図である。図３において、ｔｉｍｅ＿ｓｔａｍｐは、時系列データ１４２の各レコードに対応するデータが車両１０で計測された日時を示し、電圧は、バッテリ４０の電圧値を示し、電流は、バッテリ４０の電流値を示し、低電流継続時間は、バッテリ４０の電流値が第１閾値（例えば、５Ａ）以下である状態を継続した期間を示し、ＯＣＶ判定結果は、対応する電圧値がＯＣＶ（open circuit voltage）と見なせるか否かを判定した結果を示す。
　データフィルタ部１２０は、例えば、時系列データ１４２のうち、低電流継続時間が第２閾値（例えば、１０秒）以上の時系列データについて、対応する電圧値がＯＣＶと見なせると判定し、ＯＣＶ判定結果をＴｒｕｅに設定する。図３において、ＯＣＶ判定結果がＴｒｕｅに設定されたレコードが推定用データ１４４に対応するものである。電流値に関する判定のみならず、低電流継続時間に関する判定を行うことにより、回路の応答遅れの影響を低減して、ＯＣＶと見なせる電圧値をより確実に抽出することができる。このとき、データフィルタ部１２０は、バッテリの温度が第３閾値以下である場合、第２閾値の値を増加させてもよい。すなわち、データフィルタ部１２０は、バッテリの温度が低い場合、電圧値がＯＣＶと見なせる低電流継続時間の閾値を増加させてもよい。これは、バッテリの温度が低い場合、電圧値が収束するまでの期間が長くなる傾向があるからである。
　また、データフィルタ部１２０は、例えば、時系列データ１４２のうち、電流値が第４閾値以下の時系列データについて、対応する電圧値がＯＣＶと見なせると判定し、ＯＣＶ判定結果をＴｒｕｅに設定してもよいし、電圧微分値を計算して、当該電圧微分値が第５閾値以下であるか否かを判定することによって、対応する電圧値がＯＣＶと見なせると判定してもよい。また、データフィルタ部１２０は、直接的に電圧値の変化量を算出して、算出した変化量が所定値以下である時系列データがＯＣＶと見なせるデータであると判定してもよい。データフィルタ部１２０は、時系列データ１４２から抽出した推定用データ１４４を記憶部１４０に格納する。
　ＯＣＶ曲線推定部１３０は、後述する第１パラメータ群に従って、基準正極ＯＣＰ曲線１４８を正極の放電容量に対する開回路電位の変化を示す正極ＯＣＰ曲線１４８＃に変換し、後述する第２パラメータ群に従って、基準負極ＯＣＰ曲線１５０を負極の放電容量に対する開回路電位の変化を示す負極ＯＣＰ曲線１５０＃に変換し、変換によって得られた正極ＯＣＰ曲線１４８＃から負極ＯＣＰ曲線１５０＃を減算することによって、バッテリ４０の容量変化に対する開回路電圧の変化を示すＯＣＶ曲線１５２を推定する。
　ＯＣＶ曲線推定部１３０は、さらに、推定されたＯＣＶ曲線１５２と、データフィルタ部１２０によって抽出された推定用データ１４４とに基づいて計算される誤差関数の値が閾値以下になるように、ＯＣＶ曲線１５２を最適化する。このようにして最適化されたＯＣＶ曲線１５２が、最終的に推定されたバッテリ４０の特性を表す。ＯＣＶ曲線１５２の具体的な最適化処理については後述する。
　図４は、基準正極ＯＣＰ曲線１４８と、基準正極ＯＣＰ曲線１４８を変換することによって得られる正極ＯＣＰ曲線１４８＃の一例を示す図である。図３の左部は、基準正極ＯＣＰ曲線１４８を示し、図３の右部は、基準正極ＯＣＰ曲線１４８を変換することによって得られる正極ＯＣＰ曲線１４８＃を示す。
　図４の左部に示す通り、基準正極ＯＣＰ曲線１４８は、正極の放電容量に対する開回路電位の変化を示す正極ＯＣＰ曲線１４８＃を導出するための基準となる数学モデルｆｃａ（ｘ）を表し、放電容量ｘの幅が１に正規化されている。ＯＣＶ曲線推定部１３０は、正極の正規化された放電容量の幅を実際の放電容量の幅へと変換する正極拡大縮小率ａと、基準正極ＯＣＰ曲線１４８から正極ＯＣＰ曲線１４８＃への放電容量方向におけるシフト量である正極シフト量ｂを用いて、基準正極ＯＣＰ曲線１４８を正極ＯＣＰ曲線１４８＃に変換する。
　より具体的には、ＯＣＶ曲線推定部１３０は、無次元の変数であるｘを、Ｘ＝ａｘ＋ｂによって、放電容量（Ａｈ）の次元を有する変数Ｘに変換し、ｘ＝（Ｘ－ｂ）／ａをｆｃａ（ｘ）に代入することによって、正極ＯＣＰ曲線１４８＃を表す数学モデルＦｃａ（Ｘ）を得る。このように、正極拡大縮小率ａと正極シフト量ｂは、「第１パラメータ群」の一例である。
　図５は、基準負極ＯＣＰ曲線１５０と、基準負極ＯＣＰ曲線１５０を変換することによって得られる負極ＯＣＰ曲線１５０＃の一例を示す図である。図４の左部は、基準負極ＯＣＰ曲線１５０を示し、図４の右部は、基準負極ＯＣＰ曲線１５０を変換することによって得られる負極ＯＣＰ曲線１５０＃を示す。
　図５の左部に示す通り、基準負極ＯＣＰ曲線１５０は、負極の放電容量に対する開回路電位の変化を示す負極ＯＣＰ曲線１５０＃を導出するための基準となる数学モデルｆａｎ（ｘ）を表し、放電容量ｘの幅が１に正規化されている。ＯＣＶ曲線推定部１３０は、負極の正規化された放電容量の幅を実際の放電容量の幅へと変換する負極拡大縮小率ｃと、基準負極ＯＣＰ曲線１５０から負極ＯＣＰ曲線１５０＃への放電容量方向におけるシフト量である負極シフト量ｄを用いて、基準負極ＯＣＰ曲線１５０を負極ＯＣＰ曲線１５０＃に変換する。
　より具体的には、ＯＣＶ曲線推定部１３０は、無次元の変数であるｘを、Ｘ＝ｃｘ＋ｄによって、放電容量（Ａｈ）の次元を有する変数Ｘに変換し、ｘ＝（Ｘ－ｄ）／ｃをｆａｎ（ｘ）に代入することによって、負極ＯＣＰ曲線１５０＃を表す数学モデルＦａｎ（Ｘ）を得る。このように、負極拡大縮小率ｃと負極シフト量ｄは、「第２パラメータ群」の一例である。
　なお、図３および図４においては、一例として、基準正極ＯＣＰ曲線１４８と基準負極ＯＣＰ曲線１５０は、放電容量ｘの幅が１に正規化されている。しかし、本発明はそのような構成に限定されず、より一般的に、基準正極ＯＣＰ曲線１４８と基準負極ＯＣＰ曲線１５０は、第１パラメータ群および第２パラメータ群を最適化するための基準として機能する数学モデルあれば、任意の値に標準化されてもよい。
　図６は、正極ＯＣＰ曲線１４８＃及び負極ＯＣＰ曲線１５０＃に基づいて導出されるＯＣＶ曲線１５２の一例を示す図である。図６に示す通り、ＯＣＶ曲線推定部１３０は、図４において得られた正極ＯＣＰ曲線１４８＃から、図６において得られた負極ＯＣＰ曲線１５０＃を減算することによってＯＣＶ曲線１５２を推定する。ＯＣＶ曲線推定部１３０は、次に、推定されたＯＣＶ曲線１５２と、車両１０の複数回の走行に関する推定用データ１４４を統合することによって得られる統合データ１４６との誤差を表す誤差関数の値が閾値以下になるように第１パラメータ群及び第２パラメータ群を最適化する。
　図７は、車両１０の複数回の走行に関する推定用データ１４４を統合データ１４６に統合する方法の一例を示す図である。図７において、Ｇ１及びＧ２は、それぞれ車両１０の複数回の走行に関する推定用データ１４４の集合を示す。集合Ｇ１の点Ｐ１および集合Ｇ２の点Ｐ２は、それぞれ各走行の走行開始時における電圧と放電容量の組み合わせを示す。
　図７の左部に示す通り、時系列データ１４２として記憶されている放電容量は、走行開始時点を０Ａｈと定義し、当該走行開始時点を基準時点として計測された値である。一方、図７の右図に示す通り、ＯＣＶ曲線１５２の放電容量は、設定した満充電状態を０Ａｈと定義し、当該満充電状態を基準状態として計測された値である。そのため、複数回の走行に関する推定用データ１４４の放電容量は、生データのままではＯＣＶ曲線１５２の最適化処理に用いることができない。そのため、ＯＣＶ曲線推定部１３０は、複数回の走行時における所定タイミングの電圧値（図７では、Ｐ１及びＰ２の電圧値）を、ＯＣＶ曲線推定部１３０によって推定されたＯＣＶ曲線１５２にＯＣＶに当てはめることによって、複数回の走行に関する推定用データ１４４の集合Ｇ１及びＧ２の全体を、ＯＣＶ曲線１５２と同一の次元に変換する（満充電状態からの放電容量を推定する）。ここで、所定タイミングとは、車両１０の起動時や交差点での停車時など、時系列データにおける電圧値がＯＣＶと見なせるタイミングを意味する。ＯＣＶ曲線推定部１３０は、このような変換によって得られたデータを統合データ１４６として記憶部１４０に記憶する。なお、本実施形態では、ＯＣＶ曲線推定部１３０が、車両１０の複数回の走行に関する推定用データ１４４を統合データ１４６に統合するものとして説明したが、ＯＣＶ曲線推定部１３０とは異なるモジュールが走行データ統合部として機能して、統合データ１４６を生成してもよい。
　図８は、ＯＣＶ曲線推定部１３０によって実行されるＯＣＶ曲線１５２の最適化処理を説明するための図である。図８に示す通り、ＯＣＶ曲線推定部１３０は、推定されたＯＣＶ曲線１５２と、統合データ１４６との誤差を表す誤差関数の値が所定値以下になるように第１パラメータ群及び第２パラメータ群を最適化する。より具体的には、ＯＣＶ曲線推定部１３０は、例えば、ＢＦＧＳ法、共役勾配法、ＣＯＢＹＬＡ法などの局所最適化アルゴリズムや、遺伝的アルゴリズム、差分進化法、ＳＨＧＯ法、焼きなまし法などの大域最適化アルゴリズムを用いて、誤差関数の値が所定値以下になるように第１パラメータ群及び第２パラメータ群を最適化する。
　このとき、ＯＣＶ曲線推定部１３０は、ＯＣＶ曲線１５２と、統合データ１４６の誤差にウェイトを掛けた値の合計値に応じて増加する関数を誤差関数として設定する。より具体的には、ＯＣＶ曲線推定部１３０は、まず、放電容量（Ａｈ）を所定間隔Ｉ１、Ｉ２、Ｉ３、・・・に分割し、各間隔に含まれるデータ量ｎ１、ｎ２、ｎ３、・・・を算出する。次に、ＯＣＶ曲線推定部１３０は、各データ量ｎ１、ｎ２、ｎ３、・・・の逆数を取ることによって、各間隔に対するウェイトｗｋをｗｋ＝（１／ｎｋ）／（ｓｕｍ（１／ｎｉ））として算出する。次に、ＯＣＶ曲線推定部１３０は、以下の式（１）に示す通り、算出したウェイトを用いて、重み付き平均二乗誤差（Ｗｅｉｇｈｔｅｄ　ＲＭＳＥ）を誤差関数として定義する。
Figure JPOXMLDOC01-appb-M000001
　式（１）において、ｐｒｅｄｉは、ＯＣＶ曲線１５２上の開放電圧推定値を示し、Ａｃｔｉは、統合データ１４６として記録されている開放電圧値を示す。なお、式（１）は、一例として、平均二乗誤差の平方根を取ることによって誤差を算出しているが、本発明はそのような構成に限定されず、平均二乗誤差の任意の指数の冪根を取ってもよい。代替的に、ＯＣＶ曲線推定部１３０は、以下の式（２）に示す通り、算出したウェイトを用いて、重み付き平均絶対誤差（Ｗｅｉｇｈｔｅｄ　ＭＡＥ）を誤差関数として定義してもよい。このような重み付けを行うことによって、ＯＣＶ曲線１５２がデータ量の多い区間の統合データ１４６に過剰にフィッティングすることを防ぐことができる。
Figure JPOXMLDOC01-appb-M000002
　なお、図８においては、統合データ１４６のデータ量を、放電容量（すなわち、横軸方向）の各区間についてカウントし、当該区間に対応するウェイトｗｋを算出する例について説明しているが、本発明はそのような構成に限定されない。例えば、統合データ１４６のデータ量を、電圧（すなわち、縦軸方向）の各区間についてカウントし、当該区間に対応するウェイトｗｋを算出してもよい。さらに、ウェイトｗｋの算出方法は逆数を取ることに限定されず、より一般的に、データ量が多い区間ほど小さい値が与えられればよい。
　［動作の流れ］
　次に、図９を参照して、本実施形態に係るバッテリ特性推定装置１００によって実行される処理の流れについて説明する。図９は、バッテリ特性推定装置１００によって実行される処理の流れの一例を示すフローチャートである。このフローチャートの処理は、車両１０の複数回の走行に関する推定用データ１４４の当てはめ先となるＯＣＶ曲線１５２を、第１パラメータ群及び第２パラメータ群のパラメータ設定によって初期ＯＣＶ曲線として定義するものである。
　まず、バッテリ特性推定装置１００は、電流値および電圧値を含む時系列データ１４２を車両１０から取得する（ステップＳ１０１）。次に、バッテリ特性推定装置１００は、時系列データ１４２の電流値および、取得した電流値に基づいて計測された低電流継続時間に基づいて、時系列データ１４２をフィルタリングすることによって推定用データ１４４を抽出する（ステップＳ１０２）。
　次に、バッテリ特性推定装置１００は、第１パラメータ群及び第２パラメータ群のパラメータを任意に設定することによって、基準正極ＯＣＰ曲線１４８から正極ＯＣＰ曲線１４８＃を生成するとともに、基準負極ＯＣＰ曲線１５０から負極ＯＣＰ曲線１５０＃を生成する。バッテリ特性推定装置１００は、正極ＯＣＰ曲線１４８＃から負極ＯＣＰ曲線１５０＃を減算することによってＯＣＶ曲線１５２を生成する（ステップＳ１０３）。次に、バッテリ特性推定装置１００は、車両１０の複数回の走行に関する推定用データ１４４を、生成したＯＣＶ曲線１５２に当てはめることによって、推定用データ１４４を統合データ１４６に変換する（ステップＳ１０４）。
　次に、バッテリ特性推定装置１００は、変換した統合データ１４６と、生成したＯＣＶ曲線１５２との間の誤差を算出する（Ｓ１０５）。次に、バッテリ特性推定装置１００は、算出した誤差が所定値以内であるか否かを判定する（Ｓ１０６）。算出した誤差が所定値以内ではないと判定された場合、バッテリ特性推定装置１００は、ステップＳ１０３に戻り、第１パラメータ群と第２パラメータ群とを再設定し、ＯＣＶ曲線１５２を生成する。一方、算出した誤差が所定値以内であると判定された場合、バッテリ特性推定装置１００は、当該ＯＣＶ曲線１５２を最終的なＯＣＶ曲線１５２として確定させる（Ｓ１０５）。これにより、本フローチャートの処理が終了する。
　次に、図１０を参照して、本実施形態に係るバッテリ特性推定装置１００によって実行される処理の流れの別の例について説明する。図１０は、バッテリ特性推定装置１００によって実行される処理の流れの別の例を示すフローチャートである。このフローチャートの処理は、車両１０の複数回の走行に関する推定用データ１４４の当てはめ先となるＯＣＶ曲線１５２を、１回の走行の推定用データ１４４を用いて定義するものである。この１回の走行の推定用データ１４４は、「特定の走行時データ群」の一例である。
　まず、バッテリ特性推定装置１００は、電流値および電圧値を含む時系列データ１４２を車両１０から取得する（ステップＳ２０１）。次に、バッテリ特性推定装置１００は、時系列データ１４２の電流値および、取得した電流値に基づいて計測された低電流継続時間に基づいて、時系列データ１４２をフィルタリングすることによって推定用データ１４４を抽出する（ステップＳ２０２）。
　次に、バッテリ特性推定装置１００は、車両１０の１回の走行に関する推定用データ１４４に基づいて、ＯＣＶ曲線１５２を推定する（ステップＳ２０３）。具体的には、バッテリ特性推定装置１００は、上述した差分進化法などのアルゴリズムを用いて推定用データ１４４とＯＣＶ曲線１５２との間の誤差関数を最小化することによってＯＣＶ曲線１５２を生成する。次に、バッテリ特性推定装置１００は、車両１０の複数回の走行に関する推定用データ１４４を生成したＯＣＶ曲線１５２に当てはめることによって、推定用データ１４４を統合データ１４６に変換する（ステップＳ２０４）。
　次に、バッテリ特性推定装置１００は、変換した統合データ１４６と、生成したＯＣＶ曲線１５２との間の誤差を算出する（Ｓ２０５）。次に、バッテリ特性推定装置１００は、算出した誤差が所定値以内であるか否かを判定する（Ｓ２０６）。算出した誤差が所定値以内ではないと判定された場合、バッテリ特性推定装置１００は、第１パラメータ群と第２パラメータ群とを更新し、ＯＣＶ曲線１５２を再生成する（Ｓ２０７）。次に、バッテリ特性推定装置１００は、ステップＳ２０５の処理に戻り、統合データ１４６と、再生成したＯＣＶ曲線１５２との間の誤差を算出する。
　一方、算出した誤差が所定値以内であると判定された場合、バッテリ特性推定装置１００は、当該ＯＣＶ曲線１５２を最終的なＯＣＶ曲線１５２として確定させる（Ｓ２０８）。これにより、本フローチャートの処理が終了する。
　以上の通り説明した本実施形態によれば、バッテリ特性推定装置１００は、車両１０から取得したバッテリ４０の時系列データ１４２のうち、電圧値がＯＣＶと見なせる時系列データのみを推定用データ１４４として設定し、さらに、車両１０の複数回の走行に関する推定用データ１４４を統合した統合データ１４６と、推定したＯＣＶ曲線１５２との間の最適化処理を行うことによって、バッテリ４０の特性を推定するための最終的なＯＣＶ曲線１５２を確定される。これにより、バッテリの特性を高精度に推定することができる。
　上記説明した実施形態は、以下のように表現することができる。
　プログラムを記憶した記憶装置と、
　ハードウェアプロセッサと、を備え、
　前記ハードウェアプロセッサが前記記憶装置に記憶されたプログラムを実行することにより、
　バッテリの少なくとも電流値および電圧値を含む時系列データを取得し、
　前記取得された時系列データから、充放電に起因する電圧変化が小さいデータを推定用データとして抽出し、
　前記データフィルタ部によって抽出された前記推定用データに基づいて、前記バッテリの前記電流値に基づいて算出される放電容量に対する開回路電圧を示すＯＣＶ曲線を推定する、
　ように構成されている、バッテリ特性推定装置。
　以上、本発明を実施するための形態について実施形態を用いて説明したが、本発明はこうした実施形態に何等限定されるものではなく、本発明の要旨を逸脱しない範囲内において種々の変形及び置換を加えることができる。
　１０　車両
　１２　モータ
　１４　駆動輪
　１６　ブレーキ装置
　２０　車両センサ
　３０　ＰＣＵ
　３２　変換器
　３４　ＶＣＵ
　３６　制御部
　４０　バッテリ
　４２　バッテリセンサ
　５０　通信装置
　１００　バッテリ特性推定装置
　１１０　取得部
　１２０　データフィルタ部
　１３０　ＯＣＶ曲線推定部
　１４０　記憶部

Claims (9)

  1. 　バッテリの少なくとも電流値および電圧値を含む時系列データを取得する取得部と、　前記取得された時系列データから、充放電に起因する電圧変化が小さいデータを推定用データとして抽出するデータフィルタ部と、
    　前記データフィルタ部によって抽出された前記推定用データに基づいて、前記バッテリの前記電流値に基づいて算出される放電容量に対する開回路電圧を示すＯＣＶ曲線を推定するＯＣＶ曲線推定部と、を備える、
    　バッテリ特性推定装置。
  2. 　前記ＯＣＶ曲線推定部は、前記推定されたＯＣＶ曲線と、前記推定用データとに基づいて計算される誤差関数の値が閾値以下になるように最適化計算を行うことで、前記ＯＣＶ曲線を推定し、
    　前記誤差関数は、前記推定されたＯＣＶ曲線と前記推定用データの誤差にウェイトを掛けた値の合計値に応じて増加する関数であって、
    　前記ウェイトは、前記データフィルタ部によって抽出された前記推定用データのデータ数を、放電容量又は電圧値の複数の区間についてカウントし、カウントされた前記データ数が多いほど、前記区間に対応する前記ウェイトの値が小さくなるように設定されるものである、
    　請求項１に記載のバッテリ特性推定装置。
  3. 　前記バッテリを搭載した車両の複数回の走行時の前記推定用データを統合する走行データ統合部を更に備え、
    　前記走行データ統合部は、初期ＯＣＶ曲線、又は特定の走行時データ群から推定されたＯＣＶ曲線と、複数回の走行時における前記電圧値が開回路電圧と見なせるタイミングの電圧値とを用いて、前記複数回の走行時の前記推定用データの放電容量値を推定することによって前記複数回の走行時の前記推定用データを統合し、
    　前記ＯＣＶ曲線推定部は、前記推定されたＯＣＶ曲線と、前記走行データ統合部によって統合された前記推定用データとの誤差を表す前記誤差関数の値が前記閾値以下になるように前記最適化計算を行うことで、前記ＯＣＶ曲線を推定する、
    　請求項２に記載のバッテリ特性推定装置。
  4. 　前記データフィルタ部は、前記電流値が第１閾値以下の値を示す時間である低電流継続時間が第２閾値以上の時系列データを前記電圧変化が小さい前記推定用データとして抽出する、
    　請求項１から３のいずれか１項に記載のバッテリ特性推定装置。
  5. 　前記時系列データは、前記バッテリの温度を含み、
    　前記データフィルタ部は、前記温度が第３閾値以下である場合、前記第２閾値の値を増加させる、
    　請求項４に記載のバッテリ特性推定装置。
  6. 　前記データフィルタ部は、前記電流値が第４閾値以下の時系列データを前記電圧変化が小さい前記推定用データとして抽出する、
    　請求項１から５のいずれか１項に記載のバッテリ特性推定装置。
  7. 　前記データフィルタ部は、前記電圧値の微分値が第５閾値以下の時系列データを前記電圧変化が小さい前記推定用データとして抽出する、
    　請求項１から６のいずれか１項に記載のバッテリ特性推定装置。
  8. 　コンピュータが、
    　バッテリの少なくとも電流値および電圧値を含む時系列データを取得し、
    　前記取得された時系列データから、充放電に起因する電圧変化が小さいデータを推定用データとして抽出し、
    　前記推定用データに基づいて、前記バッテリの前記電流値に基づいて算出される放電容量に対する開回路電圧を示すＯＣＶ曲線を推定する、
    　バッテリ特性推定方法。
  9. 　コンピュータに、
    　バッテリの少なくとも電流値および電圧値を含む時系列データを取得させ、
    　前記取得された時系列データから、充放電に起因する電圧変化が小さいデータを推定用データとして抽出させ、
    　前記推定用データに基づいて、前記バッテリの前記電流値に基づいて算出される放電容量に対する開回路電圧を示すＯＣＶ曲線を推定させる、
    　プログラム。
PCT/JP2022/036102 2021-09-28 2022-09-28 バッテリ特性推定装置、バッテリ特性推定方法、およびプログラム WO2023054443A1 (ja)

Applications Claiming Priority (2)

Application Number Priority Date Filing Date Title
JP2021158238 2021-09-28
JP2021-158238 2021-09-28

Publications (1)

Publication Number Publication Date
WO2023054443A1 true WO2023054443A1 (ja) 2023-04-06

Family

ID=85782820

Family Applications (1)

Application Number Title Priority Date Filing Date
PCT/JP2022/036102 WO2023054443A1 (ja) 2021-09-28 2022-09-28 バッテリ特性推定装置、バッテリ特性推定方法、およびプログラム

Country Status (1)

Country Link
WO (1) WO2023054443A1 (ja)

Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2011215151A (ja) * 2005-12-27 2011-10-27 Toyota Motor Corp 二次電池の充電状態推定装置および充電状態推定方法
JP2015224919A (ja) * 2014-05-27 2015-12-14 株式会社デンソー 車両用二次電池の等価回路のパラメータ推定装置
JP2016045025A (ja) * 2014-08-20 2016-04-04 株式会社デンソー 充電率算出装置
JP2019184581A (ja) * 2018-04-17 2019-10-24 三菱電機株式会社 蓄電池診断装置および蓄電池診断方法、並びに蓄電池制御システム
WO2020100896A1 (ja) * 2018-11-12 2020-05-22 株式会社Ｇｓユアサ 管理装置、管理方法
CN112114254A (zh) * 2020-08-25 2020-12-22 哈尔滨工业大学（威海） 一种动力电池开路电压模型融合方法
WO2021166465A1 (ja) * 2020-02-21 2021-08-26 パナソニックＩｐマネジメント株式会社 演算システム、電池特性推定方法、及び電池特性推定プログラム

Patent Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2011215151A (ja) * 2005-12-27 2011-10-27 Toyota Motor Corp 二次電池の充電状態推定装置および充電状態推定方法
JP2015224919A (ja) * 2014-05-27 2015-12-14 株式会社デンソー 車両用二次電池の等価回路のパラメータ推定装置
JP2016045025A (ja) * 2014-08-20 2016-04-04 株式会社デンソー 充電率算出装置
JP2019184581A (ja) * 2018-04-17 2019-10-24 三菱電機株式会社 蓄電池診断装置および蓄電池診断方法、並びに蓄電池制御システム
WO2020100896A1 (ja) * 2018-11-12 2020-05-22 株式会社Ｇｓユアサ 管理装置、管理方法
WO2021166465A1 (ja) * 2020-02-21 2021-08-26 パナソニックＩｐマネジメント株式会社 演算システム、電池特性推定方法、及び電池特性推定プログラム
CN112114254A (zh) * 2020-08-25 2020-12-22 哈尔滨工业大学（威海） 一种动力电池开路电压模型融合方法

Similar Documents

Publication Publication Date Title
US10739407B2 (en) System and method for estimating state of health using battery model parameter
EP3245096B1 (en) Method and arrangement for determining a value of the state of energy of a battery in a vehicle
RU2564102C1 (ru) Устройство управления и способ управления для безводной аккумуляторной батареи
CN102801190B (zh) 用于电池的充电控制设备和充电控制方法
CN102447140B (zh) 锂离子电池的控制装置
JP5393619B2 (ja) バッテリの充電率推定装置
JP3960241B2 (ja) 二次電池の残存容量推定装置、二次電池の残存容量推定方法、および二次電池の残存容量推定方法による処理をコンピュータに実行させるためのプログラムを記録したコンピュータ読取可能な記録媒体
JP2020515859A (ja) ノイズを反映したバッテリーの残存容量の算出装置及び方法
JP5623629B2 (ja) 余寿命判定方法
JP7366975B2 (ja) バッテリ劣化推定装置、バッテリ劣化推定システム、バッテリ劣化推定方法、およびプログラム
JP4810417B2 (ja) 蓄電デバイスの残存容量演算装置
CN105242210A (zh) 基于等效电路的电池电流限制估计
JP6834757B2 (ja) 電池システム
JP4866156B2 (ja) 二次電池の充電状態推定装置、充電状態推定方法、およびプログラム
JP2001086604A (ja) 組電池及び残容量検出装置
WO2023054431A1 (ja) バッテリ特性推定装置、バッテリ特性推定方法、およびプログラム
US20230314517A1 (en) Battery state analysis system and battery state analysis method
WO2023054443A1 (ja) バッテリ特性推定装置、バッテリ特性推定方法、およびプログラム
US20230314525A1 (en) Battery state measurement method
JP7433279B2 (ja) バッテリ特性推定装置、バッテリ特性推定方法、およびプログラム
JP7432641B2 (ja) バッテリ状態診断装置、バッテリ状態診断方法、およびプログラム
JP7482920B2 (ja) 制御装置、制御方法及びプログラム
JP7437435B2 (ja) パルス抽出装置、パルス抽出方法及びプログラム
JP7408609B2 (ja) 制御装置、およびプログラム
US20230314526A1 (en) Availability determination apparatus, availability determination method, and program

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: 22876309

Country of ref document: EP

Kind code of ref document: A1

WWE Wipo information: entry into national phase

Ref document number: 2023551581

Country of ref document: JP