WO2023188772A1 - 電池分析システム、電池分析方法および電池分析プログラム - Google Patents

電池分析システム、電池分析方法および電池分析プログラム Download PDF

Info

Publication number
WO2023188772A1
WO2023188772A1 PCT/JP2023/002824 JP2023002824W WO2023188772A1 WO 2023188772 A1 WO2023188772 A1 WO 2023188772A1 JP 2023002824 W JP2023002824 W JP 2023002824W WO 2023188772 A1 WO2023188772 A1 WO 2023188772A1
Authority
WO
WIPO (PCT)
Prior art keywords
battery
cell block
battery pack
resistance
soc
Prior art date
Application number
PCT/JP2023/002824
Other languages
English (en)
French (fr)
Inventor
繁 松田
Original Assignee
パナソニックＩｐマネジメント株式会社
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 パナソニックＩｐマネジメント株式会社 filed Critical パナソニックＩｐマネジメント株式会社
Publication of WO2023188772A1 publication Critical patent/WO2023188772A1/ja

Links

Images

Classifications

    • 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
    • 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 disclosure relates to a battery analysis system, a battery analysis method, and a battery analysis program that analyze the performance of cells included in a battery pack.
  • Products equipped with batteries may not meet the expected performance based on catalog specifications (battery capacity, etc.). For example, there are cases in which EVs equipped with battery packs containing lithium iron phosphate batteries display short cruising ranges in winter. If you know the actual performance and defects of the product before purchasing, you can avoid the problems mentioned above, but the problems only become apparent after the product has been used for some time after purchase.
  • the cell type (here meaning model number) of an unknown battery-equipped product can be identified, and battery characteristic data of the same cell type under various conditions (initial/mid/terminal operation, low temperature/medium temperature/high temperature, etc.) If the company has obtained this certification, it should be possible to predict the performance of products equipped with the same battery under various conditions without long-term operation. For example, when purchasing an EV, battery characteristic data obtained during a test drive can be used to determine performance at the end of life or at low temperatures, which can be used to make purchase decisions.
  • Patent Document 1 discloses a method for improving the efficiency of estimating battery characteristics by identifying battery cells or battery packs, but the identification is based on prior knowledge, and unknown battery cells or battery packs are identified. Pack identification is not possible.
  • Patent Document 2 discloses a battery pack identification method, it requires a special circuit configuration.
  • the present disclosure has been made in view of these circumstances, and its purpose is to provide a technology for identifying unknown cell types based on battery data.
  • a battery analysis system includes one or more cell blocks in which one or more cells are connected in parallel, and at least one cell block included in a battery pack in which one or more cells are connected in series.
  • a data acquisition unit that acquires battery data including voltage and current flowing through a plurality of series-connected cell blocks; and a data acquisition unit that acquires battery data including voltage and current flowing through a plurality of cell blocks connected in series; Open Circuit Voltage) curve, cell block resistance, and cell block capacity, and calculates the resistance-capacity product by multiplying the cell block resistance by the cell block capacity.
  • FIG. 1 is a diagram for explaining a battery analysis system according to an embodiment.
  • FIG. 2 is a diagram for explaining the detailed configuration of a power supply system mounted on an electric vehicle.
  • 1 is a diagram showing a configuration example of a battery analysis system according to an embodiment.
  • 3 is a flowchart showing a schematic operation of the battery analysis system according to the embodiment.
  • FIGS. 5A and 5B are diagrams for explaining the battery log collection step. It is a figure which shows the calculation example of an estimated OCVe curve. It is a figure which shows the calculation example of estimated resistance Re for each condition.
  • FIG. 6 is a diagram showing an example of calculation of estimated SOHe for each degree of deterioration.
  • FIGS. 1 is a diagram for explaining a battery analysis system according to an embodiment.
  • FIG. 2 is a diagram for explaining the detailed configuration of a power supply system mounted on an electric vehicle.
  • 1 is a diagram showing a configuration example of a battery analysis system according to an embodiment.
  • 3 is a flow
  • FIGS. 13(a) and 13(b) are graphs in which calculation examples of the reference OCVr curve and the estimated OCVe curve are superimposed.
  • FIG. 6 is a diagram illustrating an example of calculation of estimated resistance Re, estimated RCe, and estimated RCe after adjustment for a “low” degree of deterioration.
  • FIG. 7 is a diagram illustrating an example of calculation of the estimated RCe and the reference RCr after adjustment for a “low” degree of deterioration. It is a figure which shows the update example of reference
  • FIGS. 13(a) and 13(b) are graphs in which calculation examples of the reference OCVr curve and the estimated OCVe curve are superimposed.
  • FIG. 6 is a diagram illustrating an example of calculation of estimated RCe before adjustment and estimated RCe after adjustment.
  • FIG. 7 is a diagram illustrating an example of calculation of estimated RCe and updated reference RCr. It is a figure which shows the update example of estimated SOHe. It is a figure which shows the example of a prediction of estimated FCCe. It is a diagram in which calculation examples of an estimated OCVe curve before updating and an estimated OCVe curve after updating are displayed in a graph in an overlapping manner.
  • FIG. 6 is a diagram showing an example of calculation of a reference RCr and a reference resistance Rr. It is a figure which shows the update example of estimated resistance Re.
  • FIG. 1 is a diagram for explaining a battery analysis system 1 according to an embodiment.
  • the battery analysis system 1 according to the embodiment has a function of predicting characteristics of cells included in a battery pack.
  • the battery analysis system 1 according to the embodiment is a system used by individuals or corporations who are considering purchasing an electric vehicle 3 or using an electric vehicle 3. For example, it is also used by corporations that own a plurality of electric vehicles 3 and use the plurality of electric vehicles 3 for rental business, sharing business, or delivery business.
  • the battery analysis system 1 may be constructed, for example, on an in-house server installed in the in-house facility or data center of a business that provides battery analysis services. Further, the battery analysis system 1 may be constructed on a cloud server used based on a cloud service contract. Further, the battery analysis system 1 may be constructed on a plurality of servers distributed and installed at a plurality of bases (data centers, company facilities). The plurality of servers may be a combination of a plurality of in-house servers, a plurality of cloud servers, or a combination of an in-house server and a cloud server.
  • the electric vehicle 3 has a communication function and can be connected to the network 5. Electric vehicle 3 transmits battery data to data server 2 via network 5 . Note that a system configuration in which the data server 2 and the battery analysis system 1 are integrated may be used. The electric vehicle 3 samples battery data periodically (for example, every 10 seconds) and transmits the sampled battery data in real time, or temporarily stores it in an internal memory and transmits it in batches at a predetermined timing.
  • the person considering purchasing or the person in charge of purchasing must connect the TCU (Telematics Control Unit) equipped with a communication module to the OBD2 (On Board Diagnosis second generation) connector installed inside the vehicle. Then, the battery data may be transmitted from the TCU to the data server 2. Further, a person considering purchasing or the like may receive battery data of the electric vehicle 3 from a dealer or a store. A person considering purchasing or the like may input battery data into an information terminal (for example, a PC, a smartphone) that he or she manages, and transmit the battery data from the information terminal to the data server 2.
  • an information terminal for example, a PC, a smartphone
  • the data server 2 collects and stores battery data from the electric vehicle 3 or an external information terminal.
  • the data server 2 may be an in-house server installed in the company facility or data center of a battery analysis service provider or a company that owns a plurality of electric vehicles 3, or may be a battery analysis service provider or It may be a cloud server used by a business operator that owns a plurality of electric vehicles 3. Further, both may each have a data server 2.
  • the network 5 is a general term for communication channels such as the Internet, leased line, VPN (Virtual Private Network), etc., and the communication medium and protocol do not matter.
  • the communication medium for example, a mobile phone network (cellular network), wireless LAN, wired LAN, optical fiber network, ADSL network, CATV network, etc. can be used.
  • the communication protocol for example, TCP (Transmission Control Protocol)/IP (Internet Protocol), UDP (User Datagram Protocol)/IP, Ethernet (registered trademark), etc. can be used.
  • FIG. 2 is a diagram for explaining the detailed configuration of the power supply system 40 mounted on the electric vehicle 3.
  • Power supply system 40 is connected to motor 34 via first relay RY1 and inverter 35.
  • the inverter 35 converts the DC power supplied from the power supply system 40 into AC power and supplies it to the motor 34 .
  • AC power supplied from the motor 34 is converted into DC power and supplied to the power supply system 40.
  • the motor 34 is a three-phase AC motor, and rotates in response to AC power supplied from the inverter 35 during power running. During regeneration, rotational energy due to deceleration is converted into AC power and supplied to the inverter 35.
  • the vehicle control unit 30 is a vehicle ECU (Electronic Control Unit) that controls the entire electric vehicle 3, and may be configured with an integrated VCM (Vehicle Control Module), for example.
  • the wireless communication unit 36 has a modem and performs wireless signal processing for wirelessly connecting to the network 5 via the antenna 36a.
  • Examples of wireless communication networks to which the electric vehicle 3 can connect wirelessly include a mobile phone network (cellular network), wireless LAN, V2I (Vehicle-to-Infrastructure), V2V (Vehicle-to-Vehicle), and ETC system (Electronic Toll Collection). System), DSRC (Dedicated Short Range Communications) can be used.
  • the first relay RY1 is a contactor inserted between the wiring connecting the power supply system 40 and the inverter 35.
  • the vehicle control unit 30 controls the first relay RY1 to be in the on state (closed state), and electrically connects the power system 40 and the power system of the electric vehicle 3.
  • the vehicle control unit 30 basically controls the first relay RY1 to be in an OFF state (open state) to electrically cut off the power system 40 and the power system of the electric vehicle 3.
  • switches such as semiconductor switches may be used instead of relays.
  • the battery pack 41 in the power supply system 40 can be charged from the outside.
  • Charger 4 is connected to commercial power system 7 and charges battery pack 41 in electric vehicle 3.
  • a second relay RY2 is inserted between the wiring connecting the power supply system 40 and the charger 4. Note that other types of switches such as semiconductor switches may be used instead of relays.
  • the battery management unit 42 controls the second relay RY2 to be in the on state via the vehicle control unit 30 or directly before the start of charging, and controls the second relay RY2 to be in the off state after the end of charging.
  • batteries are charged with alternating current for normal charging and direct current for quick charging.
  • alternating current for example, single phase 100/200 V
  • direct current power is converted to direct current power by an AC/DC converter (not shown) inserted between second relay RY2 and battery pack 41.
  • the charger 4 When charging with direct current, the charger 4 generates direct current power by full-wave rectifying the alternating current power supplied from the commercial power system 7 and smoothing it with a filter.
  • CHAdeMO registered trademark
  • ChaoJi GB/T
  • Combo Combined Charging System
  • CHAdeMO, ChaoJi, and GB/T use CAN (Controller Area Network) as a communication method.
  • Combo uses PLC (Power Line Communication) as a communication method.
  • a charging cable that uses the CAN method includes communication lines in addition to power lines.
  • the vehicle control section 30 establishes a communication channel with the control section of the charger 4. Note that in a charging cable that employs the PLC method, communication signals are transmitted superimposed on the power line.
  • the vehicle control unit 30 establishes a communication channel with the battery management unit 42 via an in-vehicle network (for example, CAN or LIN (Local Interconnect Network)).
  • an in-vehicle network for example, CAN or LIN (Local Interconnect Network)
  • the vehicle control unit 30 takes on the gateway function.
  • a power supply system 40 mounted on the electric vehicle 3 includes a battery pack 41 and a battery management section 42.
  • the battery pack 41 includes a plurality of cells E1-En or a plurality of parallel cell blocks.
  • a parallel cell block is composed of a plurality of cells connected in parallel.
  • a single cell and a parallel cell block will be collectively referred to as a cell block. That is, a cell block is configured by one or more cells connected in parallel.
  • a lithium ion battery cell, a nickel metal hydride battery cell, a lead battery cell, etc. can be used.
  • this specification assumes an example in which a lithium ion battery cell (nominal voltage: 3.6-3.7V) is used.
  • the number of cell blocks connected in series is determined according to the drive voltage of the motor 34.
  • a shunt resistor Rs is connected in series with the plurality of cell blocks.
  • the shunt resistor Rs functions as a current detection element.
  • a Hall element may be used instead of the shunt resistor Rs.
  • a plurality of temperature sensors T1 and T2 are installed in the battery pack 41 to detect the temperature of a plurality of cell blocks. For example, thermistors can be used as the temperature sensors T1 and T2.
  • the battery management section 42 includes a voltage measurement section 43, a temperature measurement section 44, a current measurement section 45, and a battery control section 46. Each node of the plurality of series-connected cell blocks and the voltage measuring section 43 are connected by a plurality of voltage lines.
  • the voltage measurement unit 43 measures the voltages V1 to Vn of each cell block by measuring the voltages between two adjacent voltage lines.
  • the voltage measurement unit 43 transmits the measured voltages V1 to Vn of each cell block to the battery control unit 46.
  • the voltage measurement section 43 Since the voltage measurement section 43 has a high voltage with respect to the battery control section 46, the voltage measurement section 43 and the battery control section 46 are connected through a communication line in an insulated state.
  • the voltage measurement unit 43 can be configured with an ASIC (Application Specific Integrated Circuit) or a general-purpose analog front-end IC.
  • Voltage measuring section 43 includes a multiplexer and an A/D converter. The multiplexer outputs the voltage between two adjacent voltage lines to the A/D converter in order from the top. The A/D converter converts the analog voltage input from the multiplexer into a digital value.
  • the temperature measurement unit 44 includes a voltage dividing resistor and an A/D converter.
  • the A/D converter sequentially converts the plurality of analog voltages divided by the plurality of temperature sensors T1 and T2 and the plurality of voltage dividing resistors into digital values and outputs the digital values to the battery control section 46.
  • the battery control unit 46 measures the temperature at a plurality of observation points within the battery pack 41 based on the plurality of digital values.
  • the current measurement unit 45 includes a differential amplifier and an A/D converter.
  • the differential amplifier amplifies the voltage across the shunt resistor Rs and outputs it to the A/D converter.
  • the A/D converter converts the analog voltage input from the differential amplifier into a digital value and outputs the digital value to the battery control section 46.
  • the battery control unit 46 measures the current Ib flowing through the plurality of cell blocks based on the digital value.
  • the temperature measurement unit 44 and the current measurement unit 45 input the analog voltage to the battery control unit. 46 and may be converted into a digital value by an A/D converter within the battery control section 46.
  • the battery control unit 46 manages the states of the plurality of cell blocks based on the voltage, temperature, and current of the plurality of cell blocks measured by the voltage measurement unit 43, temperature measurement unit 44, and current measurement unit 45.
  • the battery control unit 46 turns off the second relay RY2 or a protection relay (not shown) in the battery pack 41. Protect the cell block.
  • the battery control unit 46 can be configured with a microcontroller and nonvolatile memory (for example, EEPROM (Electrically Erasable Programmable Read-Only Memory), flash memory).
  • EEPROM Electrically Erasable Programmable Read-Only Memory
  • the battery control unit 46 estimates the SOC (State Of Charge) of each of the plurality of cell blocks.
  • the battery control unit 46 estimates the SOC by combining the OCV (Open Circuit Voltage) method and the current integration method.
  • the OCV method is a method of estimating the SOC based on the OCV of each cell block measured by the voltage measurement unit 43 and the SOC-OCV curve of the cell block.
  • the SOC-OCV curve of the cell block is created in advance based on a characteristic test by the battery manufacturer, and is registered in the internal memory of the microcontroller at the time of shipment.
  • the current integration method is a method of estimating the SOC based on the OCV at the start of charging/discharging of each cell block and the integrated value of the current measured by the current measurement unit 45.
  • the measurement error of the current measurement unit 45 accumulates as the charging/discharging time becomes longer.
  • the OCV method is affected by measurement errors of the voltage measuring section 43 and errors due to polarization voltage. Therefore, it is preferable to use a weighted average of the SOC estimated by the current integration method and the SOC estimated by the OCV method.
  • the battery control unit 46 samples battery data including the voltage, current, temperature, and SOC of each cell block periodically (for example, every 10 seconds) and transmits it to the vehicle control unit 30 via the in-vehicle network. Note that when there are many cell blocks connected in series, the battery control unit 46 sends only the representative values (for example, the median value, average value, or maximum and minimum values) of the plurality of cell blocks to the vehicle control unit 30 as voltage data. You can also send it. In addition, when there are many temperature sensors installed in the battery pack 41, the battery control unit 46 uses a representative value (for example, a median value, an average value, or a maximum temperature and a minimum temperature) in the battery pack 41 as temperature data. Alternatively, only the information may be sent to the vehicle control unit 30.
  • a representative value for example, a median value, an average value, or a maximum temperature and a minimum temperature
  • the vehicle control unit 30 can transmit battery data to the data server 2 in real time using the wireless communication unit 36 while the electric vehicle 3 is running. Further, the vehicle control unit 30 may store battery data of the electric vehicle 3 in an internal memory, and transmit the battery data stored in the memory all at once at a predetermined timing. For example, the vehicle control unit 30 may be activated periodically while the electric vehicle 3 is parked, and use the wireless communication unit 36 to collectively transmit battery data stored in the memory to the data server 2. .
  • the vehicle control unit 30 may collectively transmit the battery data stored in the memory to the operation management terminal device installed at the business office after the business day ends.
  • the operation management terminal device collectively transmits battery data of a plurality of electric vehicles 3 to the data server 2 at a predetermined timing.
  • the vehicle control unit 30 may collectively transmit the battery data stored in the memory to the charger 4 equipped with a network communication function via the charging cable during charging from the charger 4.
  • Charger 4 equipped with a network communication function transmits the received battery data to data server 2 . This example is effective for electric vehicles 3 that are not equipped with a wireless communication function.
  • FIG. 3 is a diagram showing a configuration example of the battery analysis system 1 according to the embodiment.
  • the battery analysis system 1 includes a processing section 11, a storage section 12, and a communication section 13.
  • the communication unit 13 is a communication interface (for example, NIC: Network Interface Card) for connecting to the network 5 by wire or wirelessly.
  • NIC Network Interface Card
  • the processing unit 11 includes a data acquisition unit 111, a battery-specific characteristic generation unit 112, a cell type identification unit 113, a reference characteristic generation unit 114, a characteristic prediction unit 115, and a result notification unit 116.
  • the functions of the processing unit 11 can be realized by cooperation of hardware resources and software resources, or by only hardware resources.
  • hardware resources a CPU, ROM, RAM, GPU (Graphics Processing Unit), ASIC (Application Specific Integrated Circuit), FPGA (Field Programmable Gate Array), and other LSIs can be used. Programs such as operating systems and applications can be used as software resources.
  • the storage unit 12 includes a battery log holding unit 121, a battery-by-battery characteristic holding unit 122, and a group characteristic holding unit 123.
  • the storage unit 12 includes a nonvolatile recording medium such as an HDD or an SSD, and stores various data.
  • the battery log holding unit 121 holds a battery log for each single cell or battery pack 41.
  • the battery log includes block current, block voltage, block temperature, and estimated SOC at each sampling timing.
  • the battery-specific characteristic holding unit 122 holds a battery group, estimated SOC-OCV curve, estimated resistance, estimated FCC (Full Charge Capacity), estimated SOH (State Of Healthe), and first SOC coefficient for each battery ID.
  • the group characteristic holding unit 123 holds a reference SOC-OCV curve, a reference RC, and a reference SOH for each battery group. The specific contents of each parameter will be described later.
  • the data acquisition unit 111 acquires battery data of the battery pack 41 mounted on the electric vehicle 3 from the data server 2 and registers it in the battery log storage unit 121.
  • the data acquisition unit 111 reads battery data (block current, block voltage, block temperature, estimated SOC) for each sampling timing from the battery log holding unit 121 for each battery ID at the update timing of the battery characteristics.
  • the battery-specific characteristic generation unit 112 estimates the SOC-OCV curve of the cell block, the resistance of the cell block, the capacity of the cell block (more specifically, the FCC), and the SOH of the cell block for each battery ID.
  • the battery-specific characteristic generation unit 112 calculates a resistance-capacity product (hereinafter referred to as RC in this specification) by multiplying the resistance of the cell block and the capacity of the cell block for each battery ID.
  • the battery-specific characteristic generation unit 112 generates the RC of the cell block for each of a plurality of categories classified based on at least one of the degree of deterioration and the temperature. A specific method for calculating each parameter will be described later.
  • the battery-specific characteristic generation unit 112 stores the cell block estimated SOC-OCV curve, the cell block estimated resistance, the cell block estimated FCC, and the cell block estimated SOH generated for each battery ID in the battery-specific characteristic holding unit 122. register.
  • the reference characteristic generation unit 114 generates a reference SOC-OCV curve and a reference RC for each battery group based on a plurality of SOC-OCV curves, a plurality of RCs, and a plurality of SOHs of a plurality of cell blocks including cells of the same type. and a reference SOH, respectively.
  • the reference characteristic generation unit 114 generates a reference RC for each of a plurality of categories classified based on at least one of the degree of deterioration and the temperature. A specific method for calculating each parameter will be described later.
  • the reference characteristic generation unit 114 registers the reference SOC-OCV curve, reference RC, and reference SOH generated for each battery group in the group characteristic holding unit 123.
  • the cell type identification unit 113 determines the degree of coincidence between the SOC-OCV curve of the cell block of the undefined battery pack 41 and the SOC-OCV curve of the predefined cell block, and the RC of the cell block of the undefined battery pack 41 and the predefined cell block.
  • the types of cells included in the undefined battery pack 41 are identified based on the degree of matching of the RCs of the defined cell blocks.
  • the cell type identification unit 113 identifies the cell block as a cell block of an undefined battery pack 41 when the degree of coincidence of both SOC-OCV curves exceeds a first setting value and the degree of coincidence of both RCs exceeds a second setting value. It is determined that the cell types of the predefined cell blocks match.
  • the cell type identification unit 113 determines whether the cell types of the undefined battery pack 41 cell block and the predefined cell block match. It is determined that the The cell type identifying unit 113 compares the RC of the cell block of the undefined battery pack 41 with the reference predefined resistance-capacitance product for each of the above-mentioned categories.
  • the cell type identification unit 113 can refer to the reference SOC-OCV curve and reference RC as the SOC-OCV curve and RC of the predefined cell block. That is, the cell type identification unit 113 determines the degree of coincidence between the SOC-OCV curve of the cell block of the undefined battery pack 41 and the reference SOC-OCV curve, and the degree of coincidence between the RC of the cell block of the undefined battery pack 41 and the reference RC. Based on the degree, the types of cells and battery groups included in the undefined battery pack 41 can be identified. Note that the cell type identifying unit 113 can also refer to the estimated SOC-OCV curve and estimated RC of any predefined cell block registered in the battery-specific characteristic holding unit 122.
  • the cell type identification unit 113 selects cells included in the undefined battery pack 41 so that the degree of coincidence between the SOC-OCV curve of the cell block of the undefined battery pack 41 and the predefined SOC-OCV curve to be referenced is highest. Scales the SOC axis of the SOC-OCV curve of the cell block to be stored or the predefined SOC-OCV curve to be referenced. A specific scaling method will be described later.
  • the cell type identification unit 113 uses a coefficient obtained by scaling the SOC axis to identify the cells of the undefined battery pack 41. Correct the block's RC or the referenced predefined RC. A specific correction method will be described later.
  • the characteristic prediction unit 115 predicts the future capacity (more specifically, FCC) can be estimated.
  • the characteristic prediction unit 115 predicts the future SOC of the undefined battery pack 41 based on the initial SOC-OCV curve of the cell block included in the undefined battery pack 41 and the predefined SOC-OCV curve to be referred to. - It is also possible to estimate the OCV curve.
  • the characteristic prediction unit 115 can also estimate the future resistance of the undefined battery pack 41 based on the initial resistance of the cell block included in the undefined battery pack 41 and the predefined resistance to be referenced. .
  • the characteristic prediction unit 115 can also estimate the future resistance of the undefined battery pack 41 for each temperature.
  • the result notification unit 116 notifies the information terminal of the person considering purchase or the person in charge of purchasing of the determination result including the predicted change in capacity and predicted change in resistance of the cell block included in the target battery pack 41.
  • the characteristic prediction unit 115 generates a predicted change in at least one of the cruising distance and temperature-specific electricity consumption of the electric vehicle 3 based on the predicted change in capacity and the predicted change in resistance.
  • the predicted trends in at least one of the cruising distance and temperature-specific electricity consumption described in No. 3 may be notified to the information terminal of the person considering purchasing or the person in charge of purchasing.
  • FIG. 4 is a flowchart showing a schematic operation of the battery analysis system 1 according to the embodiment.
  • the execution timing of the process shown in FIG. 4 is assumed to be, for example, when collecting battery logs of a new battery cell or a new battery pack 41, or once every month.
  • the data acquisition unit 111 reads out the battery log for each battery ID from the battery log holding unit 121 (S10).
  • the battery characteristic generation unit 112 updates the battery characteristics for each battery ID based on the read battery log, and registers the updated battery characteristics for each battery ID in the battery characteristic holding unit 122 (S11). .
  • the cell type identification unit 113 executes a match determination process between the SOC-OCV curve of the cell block of the undefined battery pack 41 and the SOC-OCV curve of the predefined cell block (S20). If the cell type identification unit 113 determines that they match (Y in S21), it executes matching degree determination processing between the RC of the undefined battery pack 41 and the RC of the predefined cell block (S22). . When the cell type identifying unit 113 determines that the two match, the cell type identifying unit 113 determines that the types of cells included in the cell block of the undefined battery pack 41 and the predefined cell block are the same.
  • the cell type identification unit 113 determines whether the RC matches in step S22. Skip the degree determination process. The above steps S10, S11, S20, S21, and S22 are executed for all battery IDs (S23).
  • the reference characteristic generating unit 114 selects batteries that each include cells of the same type.
  • the reference battery characteristics for each group are updated, and the updated reference battery characteristics for each battery group are registered in the group characteristics holding unit 123 (S30).
  • the process of step S30 is executed for all battery groups (S31).
  • the characteristic prediction unit 115 predicts future battery characteristics for each battery ID (S40).
  • the process of step S40 is executed for all battery IDs (S41).
  • the battery characteristic prediction process for all battery IDs (S40) ends (Y in S41), the entire process ends. The processing of each step will be explained in detail below.
  • FIGS. 5(a) and 5(b) are diagrams for explaining the battery log collection step.
  • 5(a) shows a schematic diagram of a single cell
  • FIG. 5(b) shows a schematic diagram of a battery pack 41.
  • Charging and discharging data of the single cell or battery pack 41 is registered in the battery log holding unit 121 as a battery log.
  • the charge/discharge data may be acquired by a charge/discharge test using an actual battery, or may be acquired from the data server 2 without using an actual battery.
  • a battery ID (for example, a serial number) is assigned to each battery cell or battery pack 41 in the battery log.
  • Figure 5(b) shows an example in which one temperature sensor (thermistor) is attached to each n series cell block, but if the number of temperature sensors is less than the number of cell blocks, the cells without a temperature sensor The block temperature of the block is an estimated value.
  • the battery-specific characteristic generation unit 112 calculates the estimated SOCe [%] of the cell block for each time stamp from the battery log read for each battery ID. As a calculation method, a general current integration method or the like can be used. The battery-specific characteristic generation unit 112 registers the calculated estimated SOCe of the cell block for each time stamp in the battery log storage unit 121. Note that the SOC of the cell block estimated by the battery control unit 46 of the battery pack 41 may be used as is.
  • FIG. 6 is a diagram showing an example of calculating an estimated SOC-OCV curve (estimated OCVe curve).
  • the battery-specific characteristic generation unit 112 maps the estimated SOCe and block voltage Vb (OCV) during a long-term suspension (for example, a suspension of 15 minutes or more).
  • a representative value eg, median value, average value
  • a representative value eg, median value, average value
  • the block voltage Vb to be plotted a representative value (eg, median value, average value) of the block voltages Vb of a plurality of cell blocks included in the battery pack 41 may be used.
  • FIG. 6 shows an example in which a brand new EV is repeatedly driven/stopped, and discrete SOC-OCV curves from SOC "medium” to "high” are obtained.
  • the SOC-OCV curve is assumed to be obtained in a short period of time (such as one day), but if driving/stopping is repeated for a long period of time, the representative value (for example, median value, simple average value) of the previous value and current value is assumed. , a weighted average value), etc., so that maps with higher accuracy and range can be obtained successively. Note that if the vehicle continues to travel for a long period of time, it is possible to obtain an OCV of "low” SOC.
  • the battery-by-battery characteristic generation unit 112 registers the calculated estimated SOC-OCV curve (hereinafter referred to as an estimated OCVe curve as appropriate) in the battery-by-battery characteristic holding unit 122 for each battery ID.
  • the battery-specific characteristic generation unit 112 calculates the estimated resistance Re [m ⁇ ] of the cell block from the battery log read for each battery ID. First, the battery-specific characteristic generation unit 112 calculates a block resistance Rb for each cell block as an ohmic resistance as shown in the following (Formula 1).
  • Rbi(t) ( ⁇ Vbi(t)/ ⁇ Ib(t))*1000).
  • i is a parameter for the number of serial cell blocks, and 1000 is a constant for unit conversion.
  • a resistance component other than an ohmic resistance for example, a resistance component whose value is inversely proportional to the number of parallel cells such as a diffused resistance
  • a resistance component other than an ohmic resistance (for example, a resistance component whose value is inversely proportional to the number of parallel cells such as a diffused resistance) may be used.
  • the battery-specific characteristic generation unit 112 calculates the estimated resistance Re as a representative value for each block resistance Rb of the cell block, for each time stamp, for each condition (for example, degree of deterioration, remaining capacity, temperature), etc.
  • FIG. 7 is a diagram showing an example of calculating the estimated resistance Re for each condition.
  • each condition is as follows. Deterioration degree: Number of cycles Remaining capacity: Estimated SOCe Temperature: block temperature Tb
  • FIG. 7 shows an example in which only the estimated resistance Re of a new EV is repeatedly driven/stopped and the deterioration level is “low”, the remaining capacity is “medium” to “high”, and the temperature is “medium” to “high”.
  • the estimated resistance Re obtained in a short period of time (such as one day) is assumed, but if running/stopping is repeated for a long period of time, the representative value (for example, median value, simple average value, etc.) of the previous value and current value is assumed.
  • the battery-specific characteristic generating section 112 registers the calculated estimated resistance Re for each condition in the battery-specific characteristic holding section 122 for each battery ID.
  • the battery-specific characteristic generation unit 112 calculates estimated FCCe[Ah] from the battery log read for each battery ID. First, the battery-specific characteristic generation unit 112 estimates the current capacity [Ah] from the integrated value of the block current Ib during the period of transition from one OCV to another OCV and the estimated OCVe curve, as shown in the following (Equation 2). The estimated FCCe for each time stamp is calculated from the difference in SOCv.
  • FCCe(t) ( ⁇ Ib(t)/( ⁇ SOCv(t))/36 (Formula 2)
  • 36 is a constant for unit conversion (conversion from seconds to hours and conversion from percentages to decimals).
  • a capacitance component other than current capacity [Ah] (for example, a capacitance component whose value is proportional to the number of parallel cells, such as power capacity [Wh] for each cell block) may be used.
  • the estimated FCCe is an initial FCC obtained in a short period of time (such as one day).
  • the current capacity [Ah] at a certain degree of deterioration is assumed to be constant regardless of conditions such as temperature.
  • the battery-by-battery characteristic generation unit 112 registers the calculated estimated FCCe in the battery-by-battery characteristic holding unit 122 for each battery ID.
  • the battery-specific characteristic generation unit 112 calculates estimated SOHe [%] for each battery ID.
  • the estimated SOHe is defined as a capacity maintenance rate with respect to the rated capacity for each degree of deterioration.
  • FIG. 8 is a diagram showing an example of calculating estimated SOHe for each degree of deterioration.
  • the degree of deterioration is defined by the number of cycles.
  • the battery-by-battery characteristic generation unit 112 registers the calculated estimated SOHe for each degree of deterioration in the battery-by-battery characteristic holding unit 122 for each battery ID.
  • the cell type identification unit 113 determines whether the estimated OCVe curve of a battery ID whose battery group (for example, unique name) is undefined matches another estimated OCVe curve whose battery group is undefined or a known reference OCVr curve. do. If the OCV curves match, there is a high possibility that they are the same cell type. However, if the SOC definitions of the OCV curves to be compared are different, even if the OCV curves are the same, they will not match, so the cell type identification unit 113 performs scaling of the SOC axis.
  • FIGS. 9(a) and 9(b) are graphs in which calculation examples of the reference OCVr curve and the estimated OCVe curve are superimposed.
  • FIG. 9(a) shows a graph of the estimated OCVe curve before scaling of the SOC axis
  • FIG. 9(b) shows a graph of the estimated OCVe curve after scaling of the SOC axis.
  • the SOC definition of the estimated OCVe curve is OCV 3.0 to 4.2V
  • the SOC definition of the reference OCVr curve is OCV 3.0 to 4.0V.
  • the cell block with the undefined battery ID has a larger FCC than the cell block with the characteristics of the reference OCVr curve.
  • the cell type identification unit 113 cuts out a part of the reference OCVr curve in the range of the minimum OCV to maximum OCV of the estimated OCVe curve, and compares the cut out reference OCVr curve with the estimated OCVe curve.
  • the cell type identification unit 113 scales the SOC axis of the estimated OCVe curve using a scaling coefficient (hereinafter referred to as a first SOC coefficient in this specification). For example, the cell type identification unit 113 sequentially scales the SOC axis of the estimated OCVe curve by changing the first SOC coefficient in the range of 0.5 to 1.5, and selects the first SOC that has the highest degree of agreement with the reference OCVr curve. Derive the coefficients.
  • a scaling coefficient hereinafter referred to as a first SOC coefficient in this specification.
  • the cell type identification unit 113 derives the first SOC coefficient that minimizes the sum of the absolute difference values between the scaled estimated OCVe curve and the reference OCVr curve. If the sum of the absolute difference values at that time is less than or equal to the first threshold value, the cell type identification unit 113 considers that the two OCV curves match, and calculates the first SOC coefficient at that time (the example shown in FIG. 9(b)). Then, 1.1) is registered in the battery-specific characteristic holding unit 122.
  • the cell type identification unit 113 If the estimated OCVe curve of a battery ID whose battery group is already defined does not match the reference OCVr curve of the same battery group, the cell type identification unit 113 returns the battery group of the same battery ID to an undefined state.
  • the battery-specific characteristic generation unit 112 calculates estimated RCe [m ⁇ Ah] based on the calculated estimated resistance Re [m ⁇ ] of the cell block and estimated FCCe [Ah].
  • the estimated RC is defined as the product of the estimated resistance Re of the "low” deterioration level and the estimated FCCe.
  • FIG. 10 is a diagram showing an example of calculating the estimated resistance Re, estimated RCe, and adjusted estimated RCe for a "low" degree of deterioration.
  • the estimated FCCe is 72.0 [Ah]
  • the estimated RCe with a "low” degree of deterioration shown in the center table is derived from the estimated resistance Re with a "low” degree of deterioration shown in the table above.
  • the cell type identification unit 113 determines whether the battery group matches the estimated RCe of the battery ID being processed with another undefined estimated RCe or a known reference RCr.
  • the battery ID being processed corresponds to a battery ID whose estimated OCVe curve matches another estimated OCVe curve whose battery group is undefined or a known reference OCVr curve. If the RCs match, there is a high possibility that they are the same cell type.
  • RC is an index from which the element of the number of parallel cells is removed, and is an effective index for identifying cell types with unknown number of parallel cells.
  • the cell type identification unit 113 scales the estimated RCe by dividing the estimated RCe by the first SOC coefficient (1.1 in the above example).
  • the table below shows the estimated RCe after scaling.
  • the cell type identification unit 113 considers that the RCs match, and classifies the undefined battery group as a known battery group.
  • the battery group is updated to the standard RCr battery group.
  • FIG. 11 is a diagram showing an example of calculation of the estimated RCe and reference RCr after adjustment for the degree of deterioration "low".
  • the cell type identifying unit 113 compares the adjusted RCe with the degree of deterioration "low” and the reference RCr under the same conditions.
  • the absolute value of the difference between the estimated RCe and the reference RCr is calculated under two conditions: “medium” temperature and “medium” remaining capacity, and “medium” temperature and "high” remaining capacity. The sum is calculated and compared with the second threshold. It should be noted that cases other than "low” deterioration levels are considered to have large individual differences in RC and are therefore excluded from comparison.
  • the cell type identification unit 113 If the estimated RCe of a battery ID whose battery group is already defined does not match the reference RCr of the same battery group, the cell type identification unit 113 returns the battery group of the same battery ID to an undefined state. In this way, the cell type identifying unit 113 considers cells with battery IDs that match in both the OCV curve and RC to be the same cell type. The cell type identification unit 113 excludes battery IDs that do not satisfy one or both of the conditions from the battery group.
  • the reference characteristic generation unit 114 generates the reference SOHr for each degree of deterioration by a method such as calculating a representative value (for example, a median value, a simple average value, a weighted average value) of all estimated SOHe of the same battery group as the reference SOHr. Update.
  • the reference characteristic generation unit 114 registers the updated reference SOHr for each degree of deterioration in the group characteristic holding unit 123.
  • FIG. 12 is a diagram showing an example of updating the reference SOHr.
  • the reference characteristic generation unit 114 updates the reference SOHr by weighted averaging the existing reference SOHr and the three estimated SOHe at the deterioration levels of "low” and "medium".
  • the reference characteristic generation unit 114 replaces the missing part of the existing reference SOHr with the estimated SOHe on the upper left when the degree of deterioration is "high".
  • the reference characteristic generation unit 114 synthesizes the estimated OCVe curve with the reference OCVr curve for each battery ID so that the OCV range is the widest among all estimated OCVe curves of the same battery group, and updates the reference OCVr curve.
  • FIGS. 13(a) and 13(b) are graphs in which calculation examples of the reference OCVr curve and the estimated OCVe curve are overlaid.
  • the reference OCVr curve shown in FIG. 13(a) is before the update, and the reference OCVr curve shown in FIG. 13(b) is after the update.
  • the maximum OCV of the reference OCVr curve is 4.0V
  • the maximum OCV of the estimated OCVe curve is 4.2V.
  • the reference characteristic generation unit 114 cuts out a part of the reference OCVr curve in the range of the minimum OCV to maximum OCV of the estimated OCVe curve, and compares the cut out reference OCVr curve with the estimated OCVe curve.
  • the reference characteristic generation unit 114 scales the SOC axis of the reference OCVr curve with a scaling coefficient (hereinafter referred to as a second SOC coefficient in this specification). For example, the reference characteristic generation unit 114 changes the second SOC coefficient in the range of 0.5 to 1.5, sequentially scales the SOC axis of the reference OCVr curve, and selects the second SOC that has the highest degree of agreement with the estimated OCVe curve. Derive the coefficients.
  • the reference characteristic generation unit 114 derives a second SOC coefficient that minimizes the sum of the absolute difference values between the scaled reference OCVr curve and the estimated OCVe curve. If the sum of the absolute difference values at that time is less than or equal to the first threshold value, the reference characteristic generation unit 114 considers that the two OCV curves match, and generates the second SOC coefficient at that time (the example shown in FIG. 13(b)). Then, 0.9) is temporarily held.
  • the reference characteristic generation unit 114 extrapolates the scaled reference OCVr curve using the estimated OCVe curve. Note that when the second SOC coefficient is 1 or more, extrapolation does not occur.
  • the reference characteristic generation unit 114 determines the area where the scaled reference OCVr curve overlaps with the estimated OCVe curve by converting it into a representative value (for example, median value, simple average value, weighted average value) of the scaled reference OCVr curve and the estimated OCVe curve. Updated by a method such as calculating.
  • the reference characteristic generation unit 114 registers the updated reference OCVr curve in the group characteristic holding unit 123.
  • the reference characteristic generation unit 114 divides the reference RCr by the second SOC coefficient (0.9 in the above example) to adjust the reference RCr.
  • FIG. 14 is a diagram showing an example of calculating the estimated RCe before adjustment and the estimated RCe after adjustment.
  • the reference characteristic generation unit 114 adjusts the estimated RCe for each condition by dividing the estimated RCe for each condition by the second SOC coefficient (0.9).
  • the reference characteristic generation unit 114 updates the reference RCr by a method such as calculating a representative value (eg, median value, simple average value, weighted average value) of the reference RCr and the estimated RCe.
  • a representative value eg, median value, simple average value, weighted average value
  • FIG. 15 is a diagram showing an example of calculating the estimated RCe and the updated reference RCr. It is assumed that the estimated RCe shown in the upper graph of FIG. 15 has been calculated up to the degree of deterioration "high".
  • the reference characteristic generation unit 114 updates the reference RCr by weighting the reference RCr shown in the lower graph of FIG. 14 and the estimated RCe shown in the upper graph of FIG. 15 for each condition.
  • the reference characteristic generation unit 114 replaces the missing part of the existing reference RCr with the estimated RCe shown in the upper graph of FIG. 15 under the conditions of "low” degree of deterioration, "high” temperature, and “medium” remaining capacity. There is.
  • the reference characteristic generation unit 114 registers the updated reference RCr in the group characteristic holding unit 123.
  • the updated reference RCr is lower than the actual value due to the second SOC coefficient, so the updated reference RCr is The scale is restored by multiplying by the 2SOC coefficient.
  • the second SOC coefficient>1.0 the cell block having the characteristics of the reference OCVr curve has a larger FCC than the cell block having the characteristics of the estimated OCVe curve.
  • the reference RCr is once reduced, and after updating, the reduced amount is restored. If the second SOC coefficient>1.0, the reference OCVr curve is extrapolated, so there is no need to restore the reference RCr after expanding it. In this way, the SOC axis of the reference OCVr curve is constantly learning in the direction of expansion. As the learning progresses, the number of cases where the second SOC coefficient >1.0 decreases.
  • the characteristic prediction unit 115 calculates the estimated SOHe for each battery ID by a method such as calculating the estimated SOHe for each battery ID and a representative value (for example, median value, simple average value, weighted average value) of the reference SOHr of the same battery group. Updated by.
  • FIG. 16 is a diagram showing an example of updating the estimated SOHe.
  • the characteristic prediction unit 115 updates the estimated SOHe with a "medium" degree of deterioration to the average value of the estimated SOHe before updating and the reference SOHr.
  • the characteristic prediction unit 115 replaces the missing estimated SOHe with a "high” degree of deterioration with the reference SOHr with a "high” degree of deterioration.
  • the characteristic prediction unit 115 replaces the missing estimated SOHe with "medium” and "high” deterioration degrees with the reference SOHr with "medium” and "high” deterioration degrees, respectively.
  • the characteristic prediction unit 115 registers the updated estimated SOHe in the battery-specific characteristic holding unit 122.
  • the characteristic prediction unit 115 can predict the estimated FCCe from the "low” degree of deterioration to the "high” degree of deterioration from the updated estimated SOHe and estimated FCCe for each battery ID.
  • FIG. 17 is a diagram showing a prediction example of estimated FCCe.
  • the left diagram in FIG. 17 shows the estimated SOHe after the second stage update in FIG.
  • the estimated FCCe of this cell block with a "low” deterioration degree is 72.0 [Ah]
  • the estimated FCCe with a "medium” deterioration degree is 61.2 [Ah]
  • the estimated FCCe with a "high” deterioration degree is 50. It can be predicted to be 4 [Ah].
  • the characteristic prediction unit 115 registers the estimated FCCe after prediction in the battery-specific characteristic holding unit 122.
  • the characteristic prediction unit 115 extrapolates the estimated OCVe curve using the reference OCVr curve after scaling the SOC axis of the reference OCVr curve of the same battery group by the first SOC coefficient.
  • the characteristic prediction unit 115 determines the area where the estimated OCVe curve overlaps with the scaled reference OCVr curve, and calculates the representative value (for example, median value, simple average value, weighted average value) of the estimated OCVe curve and the scaled reference OCVr curve. Update by calculation or other method.
  • the characteristic prediction unit 115 compares the updated estimated OCVe curve with the reference OCVr curve to derive a first SOC coefficient.
  • FIG. 18 is a diagram in which calculation examples of the estimated OCVe curve before updating and the estimated OCVe curve after updating are displayed in a graph.
  • the characteristic prediction unit 115 registers the updated estimated OCVe curve and the newly derived first SOC coefficient in the battery-specific characteristic holding unit 122. In this way, a highly accurate estimated OCVe curve can be obtained with short-term operation (such as one day).
  • the characteristic prediction unit 115 can calculate the reference resistance Rr from the reference RCr and predict the estimated resistance Re. Since the reference RCr is the second SOC coefficient times the estimated RCe, the characteristic prediction unit 115 divides the reference RCr by the second SOC coefficient to adjust the reference RCr. In the example of FIG. 18, no adjustment is necessary. The characteristic prediction unit 115 calculates the reference resistance Rr by dividing the adjusted reference RCr by the estimated FCCe shown in FIG. 17 for each degree of deterioration.
  • FIG. 19 is a diagram showing an example of calculating the reference RCr and reference resistance Rr.
  • the characteristic prediction unit 115 calculates the reference resistance Rr for each condition by dividing the reference RCr for each condition by the estimated FCCe for each degree of deterioration.
  • the characteristic prediction unit 115 calculates the estimated resistance Re for each battery ID, and the representative value (for example, median value, simple average value, weighted average value) of the estimated resistance Re for each battery ID and the reference resistance Rr of the same battery group. Update using methods such as
  • FIG. 20 is a diagram showing an example of updating the estimated resistance Re.
  • the characteristic prediction unit 115 updates the estimated resistance Re of the condition having a value to the average value of the estimated resistance Re and the reference resistance Rr.
  • the characteristic prediction unit 115 replaces each estimated resistance Re of the missing condition with the reference resistance Rr.
  • the estimated resistance Re under various conditions can be predicted.
  • the value of target battery-equipped products under various conditions for example, the electricity consumption of EVs. I can understand it.
  • the unknown battery pack 41 by comparing the estimated OCVe curve and the estimated RCe based on the initial log of the cell block of the unknown battery pack 41 with the reference OCVr curve and the reference RCr, the unknown battery pack
  • the types of cells included in the cell block 41 can be identified without disassembling the battery pack 41. Normally, if the cell resistance and cell capacity are known, it is possible to identify the cell type, but since the number of parallel cells is unknown in the unknown battery pack 41, it is difficult to estimate the cell type from the cell resistance and cell capacity. It is. In this regard, in this embodiment, by using an index called RC, it is possible to identify the cell type even if the number of parallel cells is unknown.
  • the shape of the OCV curve may change depending on the SOC definition (operating voltage range, etc.) even for the same cell type, but this embodiment has a correction mechanism that allows for highly accurate OCV curve matching determination. becomes possible.
  • a person considering purchasing the electric vehicle 3 or a person in charge of purchasing can check in advance whether the catalog specifications match the actual performance. Additionally, it is possible to check in advance whether there are any defects that are not listed in the catalog specifications.
  • a four-wheeled electric vehicle is assumed as the electric vehicle 3.
  • the electric vehicle 3 may be an electric motorcycle (electric scooter) or an electric bicycle.
  • electric vehicles include not only full-standard electric vehicles but also low-speed electric vehicles such as golf carts and land cars used in shopping malls, entertainment facilities, and the like.
  • the battery analysis system 1 according to the present disclosure is also applicable to battery analysis of battery packs 41 installed in electric ships, multicopters (drones), stationary power storage systems, information devices (e.g., notebook PCs, tablets, smartphones), etc. It is.
  • [Item 1] The voltage of at least one cell block included in a battery pack (41) in which one or more cell blocks (E1-En) are connected in parallel, and the voltage of at least one cell block included in a battery pack (41) in which one or more cells (E1-En) are connected in parallel, a data acquisition unit (111) that acquires battery data including flowing current; For each battery pack (41), estimate the cell block SOC (State Of Charge)-OCV (Open Circuit Voltage) curve, cell block resistance, and cell block capacity included in the battery pack (41).
  • SOC State Of Charge
  • OCV Open Circuit Voltage
  • a battery characteristic generation unit (112) that calculates a resistance-capacity product obtained by multiplying the resistance of the cell block by the capacity of the cell block;
  • a battery analysis system (1) characterized by comprising: According to this, the type of cell (E1-En) included in the cell block (41) of an undefined battery pack (41) can be identified without disassembling the battery pack (41).
  • the standard SOC-OCV curve and the standard resistance-capacitance product for each battery group are calculated. further comprising a reference characteristic generation unit (114) that generates,
  • the cell type identification unit (113) determines the degree of coincidence between the SOC-OCV curve of the cell block of the undefined battery pack (41) and the reference SOC-OCV curve, and the cell type identification unit (113) of the cell block of the undefined battery pack (41).
  • the type of cell (E1-En) included in the undefined battery pack (41) and the battery group are identified based on the degree of coincidence between the resistance-capacitance product of the block and the reference resistance-capacity product.
  • Battery analysis system (1) according to item 1. According to this, the battery group to which the cell block (41) of the undefined battery pack (41) should belong can be identified with high accuracy.
  • the cell type identification unit (113) selects the undefined cell block so that the degree of coincidence between the SOC-OCV curve of the cell block of the undefined battery pack (41) and the predefined SOC-OCV curve to be referred to is highest.
  • the battery analysis system (1) characterized in that the SOC axis of a SOC-OCV curve of a cell block included in a battery pack (41) or a predefined SOC-OCV curve to be referenced is scaled. According to this, highly accurate matching determination processing of SOC-OCV curves is possible.
  • the cell type identification unit (113) uses a coefficient obtained by scaling the SOC axis to correct the resistance-capacitance product of the cell block of the undefined battery pack (41) or the predefined resistance-capacity product to be referenced.
  • the battery analysis system (1) according to item 3 characterized in that: According to this, highly accurate resistance-capacitance product matching determination processing is possible.
  • the data acquisition unit (111) further acquires the temperature of at least one cell block included in the battery pack (41),
  • the battery-specific characteristic generation unit (112) generates the resistance-capacity product of the cell block for each of a plurality of categories classified based on at least one of the degree of deterioration, temperature, and remaining capacity;
  • the reference characteristic generation unit (114) generates the reference resistance-capacitance product for each of the plurality of sections, An item characterized in that the cell type identification unit (113) compares the resistance-capacitance product of the cell block of the undefined battery pack (41) and a reference predefined reference resistance-capacitance product for each of the categories. 2.
  • the battery analysis system (1) according to 2.
  • the battery-specific characteristic generation unit (112) estimates, for each battery pack (41), the SOH (State Of Health) of a cell block included in the battery pack (41),
  • the reference characteristic generation unit (114) generates a reference SOH for each battery group based on a plurality of SOHs of a plurality of cell blocks including cells of the same type (E1-En),
  • the battery analysis system (1) includes: Based on the initial SOH of the cell block included in the undefined battery pack (41) and the predefined SOH to be referenced, determine at least the future capacity and future resistance of the undefined battery pack (41).
  • the battery analysis system (1) further comprising a characteristic prediction unit (115) that estimates one of the characteristics. According to this, it is possible to predict future trends in capacity deterioration at the initial stage of operation of the battery pack (41).
  • a characteristic prediction unit (115) that estimates one of the characteristics. According to this, it is possible to predict future trends in capacity deterioration at the initial stage of operation of the battery pack (41).
  • SOC State Of Charge
  • OCV Open Circuit Voltage
  • the type of cell (E1-En) included in the cell block (41) of an undefined battery pack (41) can be identified without disassembling the battery pack (41).
  • SOC State Of Charge
  • OCV Open Circuit Voltage
  • a battery analysis program that causes a computer to execute the following. According to this, the type of cell (E1-En) included in the cell block (41) of an undefined battery pack (41) can be identified without disassembling the battery pack (41).
  • the present disclosure can be used to analyze the performance of cells included in a battery pack.
  • 1 Battery analysis system 1 Battery analysis system, 2 Data server, 3 Electric vehicle, 4 Charger, 5 Network, 7 Commercial power system, 11 Processing unit, 111 Data acquisition unit, 112 Battery characteristic generation unit, 113 Cell type identification unit, 114 Criteria characteristics Generation unit, 115 Characteristic prediction unit, 116 Result notification unit, 12 Storage unit, 121 Battery log holding unit, 122 Battery specific holding unit, 123 Group characteristic holding unit, 30 Vehicle control unit, 34 Motor, 35 Inverter, 36 Wireless communication section, 36a antenna, 40 power supply system, 41 battery pack, 42 battery management section, 43 voltage measurement section, 44 temperature measurement section, 45 current measurement section, 46 battery control section, E1-En cell, RY1-RY2 2nd relay, T1 first temperature sensor, T2 second temperature sensor, Rs shunt resistance.

Abstract

電池別特性生成部１１２は、電池パック毎に、電池パックに含まれる、セルブロックのＳＯＣ(State Of Charge)－ＯＣＶ（Open Circuit Voltage）カーブ、セルブロックの抵抗、およびセルブロックの容量を推定し、セルブロックの抵抗とセルブロックの容量を掛けた抵抗容量積を算出する。セル種識別部１１３は、未定義の電池パックのセルブロックのＳＯＣ－ＯＣＶカーブと既定義のセルブロックのＳＯＣ－ＯＣＶカーブの一致度、および未定義の電池パックのセルブロックの抵抗容量積と既定義のセルブロックの抵抗容量積の一致度をもとに、未定義の電池パックに含まれるセルの種類を識別する。

Description

電池分析システム、電池分析方法および電池分析プログラム
　本開示は、電池パックに含まれるセルの性能を分析する電池分析システム、電池分析方法および電池分析プログラムに関する。
　電池搭載製品が、カタログスペック (電池容量等) から期待した性能を満たさない場合がある。たとえば、リン酸鉄リチウムイオン電池を含む電池パックが搭載されたＥＶにおいて、冬季に航続距離が短く表示されるケースが発生している。購入前に製品の実性能や欠陥が分かれば上記のような問題を回避できるが、問題が明らかになるのは購入後にある程度運用してからである。
　仮に未知の電池搭載製品のセル種（ここでは型番を意味する）を特定でき、かつ同セル種の多様な条件（運用初期／中期／末期、低温／中温／高温、等) での電池特性データを取得していれば、同電池搭載製品の多様な条件での性能を長期の運用なしに予測できるはずである。たとえば、ＥＶを購入する場合、試乗時に取得できる電池特性データのみで末期や低温時の性能を把握し、購入判断に活かすことができる。
　本開示に関連する先行技術として、特許文献１は、電池セルもしくは電池パックの識別により電池特性推定を効率化する方法を開示するが、識別は事前知識によるものであり、未知の電池セルもしくは電池パックの識別を行うことはできない。特許文献２は、電池パックの識別方法を開示するが、特殊な回路構成を必要とする。
特開２０２１－１８０１５８号公報 特開２００１－２８３９３４号公報
　本開示はこうした状況に鑑みなされたものであり、その目的は、電池データをもとに未知のセルの種類を識別する技術を提供することにある。
　上記課題を解決するために、本開示のある態様の電池分析システムは、一以上のセルが並列接続されたセルブロックが一以上、直列接続された電池パックに含まれる少なくも一つのセルブロックの電圧、直列接続された複数のセルブロックに流れる電流を含む電池データを取得するデータ取得部と、前記電池パック毎に、前記電池パックに含まれる、セルブロックのＳＯＣ(State Of Charge)－ＯＣＶ（Open Circuit Voltage）カーブ、セルブロックの抵抗、およびセルブロックの容量を推定し、前記セルブロックの抵抗と前記セルブロックの容量を掛けた抵抗容量積を算出する電池別特性生成部と、未定義の電池パックのセルブロックのＳＯＣ－ＯＣＶカーブと既定義のセルブロックのＳＯＣ－ＯＣＶカーブの一致度、および前記未定義の電池パックのセルブロックの抵抗容量積と前記既定義のセルブロックの抵抗容量積の一致度をもとに、前記未定義の電池パックに含まれるセルの種類を識別するセル種識別部と、を備える。
　なお、以上の構成要素の任意の組み合わせ、本開示の表現を装置、システム、方法、コンピュータプログラム等の間で変換したものもまた、本開示の態様として有効である。
　本開示によれば、電池データをもとに未知のセルの種類を識別することができる。
実施の形態に係る電池分析システムを説明するための図である。 電動車両に搭載された電源システムの詳細な構成を説明するための図である。 実施の形態に係る電池分析システムの構成例を示す図である。 実施の形態に係る電池分析システムの概略動作を示すフローチャートである。 図５（ａ）－（ｂ）は、電池ログ収集ステップを説明するための図である。 推定ＯＣＶｅカーブの算出例を示す図である。 条件毎の推定抵抗Ｒｅの算出例を示す図である。 劣化度毎の推定ＳＯＨｅの算出例を示す図である。 図９（ａ）－（ｂ）は、基準ＯＣＶｒカーブと推定ＯＣＶｅカーブの算出例を重ねてグラフに表示した図である。 劣化度「低」の推定抵抗Ｒｅ、推定ＲＣｅ、調整後の推定ＲＣｅの算出例を示す図である。 劣化度「低」の調整後の推定ＲＣｅと基準ＲＣｒの算出例を示す図である。 基準ＳＯＨｒの更新例を示す図である。 図１３（ａ）－（ｂ）は、基準ＯＣＶｒカーブと推定ＯＣＶｅカーブの算出例を重ねてグラフに表示した図である。 調整前の推定ＲＣｅと調整後の推定ＲＣｅの算出例を示す図である。 推定ＲＣｅと、更新後の基準ＲＣｒの算出例を示す図である。 推定ＳＯＨｅの更新例を示す図である。 推定ＦＣＣｅの予測例を示す図である。 更新前の推定ＯＣＶｅカーブと更新後の推定ＯＣＶｅカーブの算出例を重ねてグラフに表示した図である。 基準ＲＣｒと基準抵抗Ｒｒの算出例を示す図である。 推定抵抗Ｒｅの更新例を示す図である。
　図１は、実施の形態に係る電池分析システム１を説明するための図である。実施の形態に係る電池分析システム１は、電池パックに含まれるセルの特性を予測する機能を備える。実施の形態に係る電池分析システム１は、電動車両３の購入を検討しているまたは電動車両３を使用している個人もしくは法人により利用されるシステムである。たとえば、複数の電動車両３を保有し、複数の電動車両３をレンタル事業、シェアリング事業、または配送事業に利用している法人等にも利用される。
　電池分析システム１はたとえば、電池分析サービスを提供する事業者の自社施設もしくはデータセンタに設置された自社サーバ上に構築されても良い。また、電池分析システム１は、クラウドサービス契約に基づき利用するクラウドサーバ上に構築されても良い。また、電池分析システム１は、複数の拠点（データセンタ、自社施設）に分散して設置された複数のサーバ上に構築されても良い。当該複数のサーバは、複数の自社サーバの組み合わせ、複数のクラウドサーバの組み合わせ、自社サーバとクラウドサーバの組み合わせのいずれであっても良い。
　電動車両３は通信機能を有し、ネットワーク５に接続可能である。電動車両３は、電池データを、ネットワーク５を介してデータサーバ２に送信する。なお、データサーバ２と電池分析システム１が統合されているシステム構成でもよい。電動車両３は、電池データを定期的（たとえば、１０秒間隔）にサンプリングし、サンプリングした電池データをリアルタイムに送信するか、一旦、内部メモリに蓄積して所定のタイミングでバッチ送信する。
　なお電動車両３の試乗時には、車両内に設置されているＯＢＤ２（On Board Diagnosis second generation）コネクタに購入検討者もしくは購買担当者が、通信モジュールを搭載しているＴＣＵ（Telematics Control Unit）を接続して、ＴＣＵから電池データをデータサーバ２に送信しても良い。また、購入検討者等がディーラもしくは販売店から電動車両３の電池データの提供を受けても良い。購入検討者等は、自身が管理する情報端末（たとえば、ＰＣ、スマートフォン）に電池データを入力して、当該情報端末から電池データをデータサーバ２に送信しても良い。
　データサーバ２は、電動車両３もしくは外部の情報端末から電池データを収集して蓄積する。データサーバ２は、電池分析サービス事業者、または複数の電動車両３を保有している事業者の自社施設もしくはデータセンタに設置された自社サーバであっても良いし、電池分析サービス事業者、または複数の電動車両３を保有している事業者が利用するクラウドサーバであっても良い。また、両者がそれぞれデータサーバ２を有していても良い。
　ネットワーク５は、インターネット、専用線、ＶＰＮ(Virtual Private Network)等の通信路の総称であり、その通信媒体やプロトコルは問わない。通信媒体としてたとえば、携帯電話網（セルラー網）、無線ＬＡＮ、有線ＬＡＮ、光ファイバ網、ＡＤＳＬ網、ＣＡＴＶ網等を使用することができる。通信プロトコルとしてたとえば、ＴＣＰ（Transmission Control Protocol）／ＩＰ（Internet Protocol）、ＵＤＰ（User Datagram Protocol）／ＩＰ、イーサネット（登録商標）等を使用することができる。
　図２は、電動車両３に搭載された電源システム４０の詳細な構成を説明するための図である。電源システム４０は、第１リレーＲＹ１およびインバータ３５を介してモータ３４に接続される。インバータ３５は力行時、電源システム４０から供給される直流電力を交流電力に変換してモータ３４に供給する。回生時、モータ３４から供給される交流電力を直流電力に変換して電源システム４０に供給する。モータ３４は三相交流モータであり、力行時、インバータ３５から供給される交流電力に応じて回転する。回生時、減速による回転エネルギーを交流電力に変換してインバータ３５に供給する。
　車両制御部３０は電動車両３全体を制御する車両ＥＣＵ（Electronic Control Unit）であり、たとえば、統合型のＶＣＭ（Vehicle Control Module）で構成されていても良い。無線通信部３６はモデムを有し、アンテナ３６ａを介してネットワーク５に無線接続するための無線信号処理を行う。電動車両３が無線接続可能な無線通信網として、たとえば、携帯電話網（セルラー網）、無線ＬＡＮ、Ｖ２Ｉ（Vehicle-to-Infrastructure）、Ｖ２Ｖ（Vehicle-to-Vehicle）、ＥＴＣシステム（Electronic Toll Collection System）、ＤＳＲＣ（Dedicated Short Range Communications）を使用することができる。
　第１リレーＲＹ１は、電源システム４０とインバータ３５を繋ぐ配線間に挿入されるコンタクタである。車両制御部３０は、走行時、第１リレーＲＹ１をオン状態（閉状態）に制御し、電源システム４０と電動車両３の動力系を電気的に接続する。車両制御部３０は非走行時、原則として第１リレーＲＹ１をオフ状態（開状態）に制御し、電源システム４０と電動車両３の動力系を電気的に遮断する。なお、リレーの代わりに、半導体スイッチ等の他の種類のスイッチを用いても良い。
　電動車両３は充電器４に接続することにより、電源システム４０内の電池パック４１を外部から充電することができる。充電器４は商用電力系統７に接続され、電動車両３内の電池パック４１を充電する。電動車両３において、電源システム４０と充電器４を繋ぐ配線間に第２リレーＲＹ２が挿入される。なお、リレーの代わりに、半導体スイッチ等の他の種類のスイッチを用いても良い。電池管理部４２は、充電開始前に、車両制御部３０を介してもしくは直接、第２リレーＲＹ２をオン状態に制御し、充電終了後に第２リレーＲＹ２をオフ状態に制御する。
　一般的に、普通充電の場合は交流で、急速充電の場合は直流で充電される。交流（たとえば、単相１００／２００Ｖ）で充電される場合、第２リレーＲＹ２と電池パック４１との間に挿入されるＡＣ／ＤＣコンバータ（不図示）により、交流電力が直流電力に変換される。直流で充電される場合、充電器４は、商用電力系統７から供給される交流電力を全波整流し、フィルタで平滑化することにより直流電力を生成する。
　急速充電規格としてたとえば、ＣＨＡｄｅＭＯ（登録商標）、ＣｈａｏＪｉ、ＧＢ／Ｔ、Ｃｏｍｂｏ(Combined Charging System)を使用することができる。ＣＨＡｄｅＭＯ２．０では、最大出力（仕様）が１０００Ｖ×４００Ａ＝４００ｋＷと規定されている。ＣＨＡｄｅＭＯ３．０では、最大出力（仕様）が１５００Ｖ×６００Ａ＝９００ｋＷと規定されている。ＣｈａｏＪｉでは、最大出力（仕様）が１５００Ｖ×６００Ａ＝９００ｋＷと規定されている。ＧＢ／Ｔでは、最大出力（仕様）が７５０Ｖ×２５０Ａ＝１８５ｋＷと規定されている。Ｃｏｍｂｏでは、最大出力（仕様）が９００Ｖ×４００Ａ＝３５０ｋＷと規定されている。ＣＨＡｄｅＭＯ、ＣｈａｏＪｉ、ＧＢ／Ｔでは、通信方式としてＣＡＮ（Controller Area Network）が採用されている。Ｃｏｍｂｏでは、通信方式としてＰＬＣ（Power Line Communication）が採用されている。
　ＣＡＮ方式を採用した充電ケーブル内には電力線に加えて通信線も含まれている。当該充電ケーブルで電動車両３と充電器４が接続されると、車両制御部３０は充電器４の制御部と通信チャンネルを確立する。なお、ＰＬＣ方式を採用した充電ケーブルでは、通信信号が電力線に重畳されて伝送される。
　車両制御部３０は電池管理部４２と、車載ネットワーク（たとえば、ＣＡＮやＬＩＮ（Local Interconnect Network））を介して通信チャンネルを確立する。車両制御部３０と充電器４の制御部間の通信規格と、車両制御部３０と電池管理部４２間の通信規格が異なる場合、車両制御部３０がゲートウェイ機能を担う。
　電動車両３に搭載された電源システム４０は、電池パック４１と電池管理部４２を備える。電池パック４１は複数のセルＥ１－Ｅｎもしくは複数の並列セルブロックを含む。並列セルブロックは、複数のセルが並列接続されて構成される。以下、本明細書では単セルと並列セルブロックを総称してセルブロックと表記する。即ち、セルブロックは、一以上のセルが並列接続されて構成される。セルには、リチウムイオン電池セル、ニッケル水素電池セル、鉛電池セル等を用いることができる。以下、本明細書ではリチウムイオン電池セル（公称電圧：３．６－３．７Ｖ）を使用する例を想定する。セルブロックの直列数は、モータ３４の駆動電圧に応じて決定される。
　複数のセルブロックと直列に、シャント抵抗Ｒｓが接続される。シャント抵抗Ｒｓは電流検出素子として機能する。なお、シャント抵抗Ｒｓの代わりにホール素子を用いても良い。電池パック４１内に、複数のセルブロックの温度を検出するための複数の温度センサＴ１、Ｔ２が設置される。温度センサＴ１、Ｔ２にはたとえば、サーミスタを使用することができる。
　電池管理部４２は、電圧計測部４３、温度計測部４４、電流計測部４５および電池制御部４６を備える。直列接続された複数のセルブロックの各ノードと、電圧計測部４３との間は複数の電圧線で接続される。電圧計測部４３は、隣接する二本の電圧線間の電圧をそれぞれ計測することにより、各セルブロックの電圧Ｖ１－Ｖｎを計測する。電圧計測部４３は、計測した各セルブロックの電圧Ｖ１－Ｖｎを電池制御部４６に送信する。
　電圧計測部４３は電池制御部４６に対して高圧であるため、電圧計測部４３と電池制御部４６間は絶縁された状態で、通信線で接続される。電圧計測部４３は、ＡＳＩＣ（Application Specific Integrated Circuit）もしくは汎用のアナログフロントエンドＩＣで構成することができる。電圧計測部４３はマルチプレクサおよびＡ／Ｄ変換器を含む。マルチプレクサは、隣接する二本の電圧線間の電圧を上から順番にＡ／Ｄ変換器に出力する。Ａ／Ｄ変換器は、マルチプレクサから入力されるアナログ電圧をデジタル値に変換する。
　温度計測部４４は、分圧抵抗およびＡ／Ｄ変換器を含む。Ａ／Ｄ変換器は、複数の温度センサＴ１、Ｔ２と複数の分圧抵抗によりそれぞれ分圧された複数のアナログ電圧を順次、デジタル値に変換して電池制御部４６に出力する。電池制御部４６は、当該複数のデジタル値をもとに電池パック４１内の複数の観測点の温度を計測する。
　電流計測部４５は、差動アンプおよびＡ／Ｄ変換器を含む。差動アンプは、シャント抵抗Ｒｓの両端電圧を増幅してＡ／Ｄ変換器に出力する。Ａ／Ｄ変換器は、差動アンプから入力されるアナログ電圧をデジタル値に変換して電池制御部４６に出力する。電池制御部４６は、当該デジタル値をもとに複数のセルブロックに流れる電流Ｉｂを計測する。
　なお、電池制御部４６内にＡ／Ｄ変換器が搭載されており、電池制御部４６にアナログ入力ポートが設置されている場合、温度計測部４４および電流計測部４５はアナログ電圧を電池制御部４６に出力し、電池制御部４６内のＡ／Ｄ変換器でデジタル値に変換しても良い。
　電池制御部４６は、電圧計測部４３、温度計測部４４および電流計測部４５により計測された複数のセルブロックの電圧、温度および電流をもとに複数のセルブロックの状態を管理する。電池制御部４６は、複数のセルブロックの少なくとも一つに、過電圧、過小電圧、過電流または温度異常が発生すると、第２リレーＲＹ２もしくは電池パック４１内の保護リレー（不図示）をターンオフさせて当該セルブロックを保護する。
　電池制御部４６は、マイクロコントローラおよび不揮発メモリ（たとえば、ＥＥＰＲＯＭ（Electrically Erasable Programmable Read-Only Memory）、フラッシュメモリ）により構成することができる。電池制御部４６は、複数のセルブロックのそれぞれのＳＯＣ(State Of Charge)を推定する。
　電池制御部４６は、ＯＣＶ（Open Circuit Voltage）法と電流積算法を組み合わせて、ＳＯＣを推定する。ＯＣＶ法は、電圧計測部４３により計測される各セルブロックのＯＣＶと、セルブロックのＳＯＣ－ＯＣＶカーブをもとにＳＯＣを推定する方法である。セルブロックのＳＯＣ－ＯＣＶカーブは、電池メーカによる特性試験に基づき予め作成され、出荷時にマイクロコントローラの内部メモリ内に登録される。
　電流積算法は、各セルブロックの充放電開始時のＯＣＶと、電流計測部４５により計測される電流の積算値をもとにＳＯＣを推定する方法である。電流積算法は、充放電時間が長くなるにつれて、電流計測部４５の計測誤差が累積していく。一方、ＯＣＶ法は、電圧計測部４３の計測誤差および分極電圧による誤差の影響を受ける。したがって、電流積算法により推定されたＳＯＣと、ＯＣＶ法により推定されたＳＯＣを加重平均して使用することが好ましい。
　電池制御部４６は、各セルブロックの電圧、電流、温度、ＳＯＣを含む電池データを定期的（たとえば、１０秒間隔）にサンプリングし、車載ネットワークを介して車両制御部３０に送信する。なお、セルブロックの直列数が多い場合、電池制御部４６は電圧データとして、複数のセルブロックの代表値（たとえば、中央値、平均値、または最大値と最小値）のみを車両制御部３０に送信しても良い。また、電池パック４１内に設置される温度センサの数が多い場合、電池制御部４６は温度データとして、電池パック４１内の代表値（たとえば、中央値、平均値、または最大温度と最小温度）のみを車両制御部３０に送信しても良い。
　車両制御部３０は、電動車両３の走行中、無線通信部３６を使用して電池データをデータサーバ２にリアルタイムに送信することができる。また車両制御部３０は、電動車両３の電池データを内部のメモリに蓄積し、所定のタイミングでメモリに蓄積されている電池データを一括送信しても良い。たとえば、車両制御部３０は、電動車両３の駐車中に定期的に起動して、無線通信部３６を使用して、メモリに蓄積されている電池データをデータサーバ２に一括送信しても良い。
　また車両制御部３０は、一日の営業終了後に、メモリに蓄積されている電池データを、事業所に設置された運行管理端末装置に一括送信しても良い。運行管理端末装置は、所定のタイミングで複数の電動車両３の電池データをデータサーバ２に一括送信する。また車両制御部３０は、充電器４からの充電時に充電ケーブルを介して、メモリに蓄積されている電池データを、ネットワーク通信機能を備えた充電器４に一括送信しても良い。ネットワーク通信機能を備えた充電器４は、受信した電池データをデータサーバ２に送信する。この例は、無線通信機能を搭載していない電動車両３に有効である。
　図３は、実施の形態に係る電池分析システム１の構成例を示す図である。電池分析システム１は、処理部１１、記憶部１２および通信部１３を備える。通信部１３は、有線もしくは無線によりネットワーク５に接続するための通信インタフェース（たとえば、ＮＩＣ：Network Interface Card）である。
　処理部１１は、データ取得部１１１、電池別特性生成部１１２、セル種識別部１１３、基準特性生成部１１４、特性予測部１１５および結果通知部１１６を含む。処理部１１の機能はハードウェア資源とソフトウェア資源の協働、もしくはハードウェア資源のみにより実現できる。ハードウェア資源として、ＣＰＵ、ＲＯＭ、ＲＡＭ、ＧＰＵ（Graphics Processing Unit）、ＡＳＩＣ（Application Specific Integrated Circuit）、ＦＰＧＡ（Field Programmable Gate Array）、その他のＬＳＩを利用できる。ソフトウェア資源としてオペレーティングシステム、アプリケーション等のプログラムを利用できる。
　記憶部１２は、電池ログ保持部１２１、電池別特性保持部１２２およびグループ特性保持部１２３を含む。記憶部１２は、ＨＤＤ、ＳＳＤ等の不揮発性の記録媒体を含み、各種データを記憶する。電池ログ保持部１２１は、単セルもしくは電池パック４１毎の電池ログを保持する。電池ログは、サンプリングタイミング毎のブロック電流、ブロック電圧、ブロック温度、推定ＳＯＣを含む。
　電池別特性保持部１２２は、電池ＩＤ毎に、電池グループ、推定ＳＯＣ－ＯＣＶカーブ、推定抵抗、推定ＦＣＣ（Full Charge Capacity）、推定ＳＯＨ（State Of Healthｅ）および第１ＳＯＣ係数を保持する。グループ特性保持部１２３は、電池グループ毎に、基準ＳＯＣ－ＯＣＶカーブ、基準ＲＣおよび基準ＳＯＨを保持する。各パラメータの具体的な内容は後述する。
　データ取得部１１１は、データサーバ２から、電動車両３に搭載された電池パック４１の電池データを取得して電池ログ保持部１２１に登録する。データ取得部１１１は、電池特性の更新タイミングにおいて、電池ログ保持部１２１から電池ＩＤ毎に、サンプリングタイミング毎の電池データ（ブロック電流、ブロック電圧、ブロック温度、推定ＳＯＣ）を読み出す。
　電池別特性生成部１１２は、電池ＩＤ毎に、セルブロックのＳＯＣ－ＯＣＶカーブ、セルブロックの抵抗、セルブロックの容量（より具体的にはＦＣＣ）およびセルブロックのＳＯＨを推定する。電池別特性生成部１１２は、電池ＩＤ毎に、セルブロックの抵抗とセルブロックの容量を掛けて抵抗容量積（以下、本明細書ではＲＣと表記する）を算出する。電池別特性生成部１１２は、セルブロックのＲＣを、劣化度および温度の少なくとも一方を基準に分類された複数の区分ごとに生成する。各パラメータの具体的な算出方法は後述する。
　電池別特性生成部１１２は、電池ＩＤ毎に生成した、セルブロックの推定ＳＯＣ－ＯＣＶカーブ、セルブロックの推定抵抗、セルブロックの推定ＦＣＣ、およびセルブロックの推定ＳＯＨを電池別特性保持部１２２に登録する。
　基準特性生成部１１４は、同一種類のセルを含む複数のセルブロックの、複数のＳＯＣ－ＯＣＶカーブ、複数のＲＣおよび複数のＳＯＨをもとに、電池グループ毎の基準ＳＯＣ－ＯＣＶカーブ、基準ＲＣおよび基準ＳＯＨをそれぞれ生成する。基準特性生成部１１４は、基準ＲＣを、劣化度および温度の少なくとも一方を基準に分類された複数の区分ごとに生成する。各パラメータの具体的な算出方法は後述する。基準特性生成部１１４は、電池グループ毎に生成した、基準ＳＯＣ－ＯＣＶカーブ、基準ＲＣおよび基準ＳＯＨをグループ特性保持部１２３に登録する。
　セル種識別部１１３は、未定義の電池パック４１のセルブロックのＳＯＣ－ＯＣＶカーブと既定義のセルブロックのＳＯＣ－ＯＣＶカーブの一致度、および未定義の電池パック４１のセルブロックのＲＣと既定義のセルブロックのＲＣの一致度をもとに、未定義の電池パック４１に含まれるセルの種類を識別する。セル種識別部１１３は、両者のＳＯＣ－ＯＣＶカーブの一致度が第１設定値を超え、かつ両者のＲＣの一致度が第２設定値を超える場合、未定義の電池パック４１のセルブロックと既定義のセルブロックのセルの種類が一致していると判定する。いずれか一方の一致度が第１設定値もしくは第２設定値を満たさない場合、セル種識別部１１３は、未定義の電池パック４１のセルブロックと既定義のセルブロックのセルの種類が一致していないと判定する。セル種識別部１１３は、未定義の電池パック４１のセルブロックのＲＣと、参照する既定義の抵抗容量積を上記区分ごとに比較する。
　セル種識別部１１３は、既定義のセルブロックのＳＯＣ－ＯＣＶカーブおよびＲＣとして、基準ＳＯＣ－ＯＣＶカーブおよび基準ＲＣを参照することができる。すなわち、セル種識別部１１３は、未定義の電池パック４１のセルブロックのＳＯＣ－ＯＣＶカーブと基準ＳＯＣ－ＯＣＶカーブの一致度、および未定義の電池パック４１のセルブロックのＲＣと基準ＲＣの一致度をもとに、未定義の電池パック４１に含まれるセルの種類と電池グループを識別することができる。なお、セル種識別部１１３は、電池別特性保持部１２２に登録された既定義の任意のセルブロックの推定ＳＯＣ－ＯＣＶカーブおよび推定ＲＣを参照することもできる。
　セル種識別部１１３は、未定義の電池パック４１のセルブロックのＳＯＣ－ＯＣＶカーブと、参照する既定義のＳＯＣ－ＯＣＶカーブの一致度が最も高くなるように、未定義の電池パック４１に含まれるセルブロックのＳＯＣ－ＯＣＶカーブもしくは参照する既定義のＳＯＣ－ＯＣＶカーブのＳＯＣ軸をスケーリングする。具体的なスケーリング方法は後述する。セル種識別部１１３は、未定義の電池パック４１のセルブロックのＲＣと、参照する既定義のＲＣを比較する際、ＳＯＣ軸をスケーリングした係数を使用して、未定義の電池パック４１のセルブロックのＲＣもしくは参照する既定義のＲＣを補正する。具体的な補正方法は後述する。
　特性予測部１１５は、未定義の電池パック４１に含まれるセルブロックの初期のＳＯＨと、参照する既定義のＳＯＨをもとに、未定義の電池パック４１の将来の容量（より具体的にはＦＣＣ）を推定することができる。特性予測部１１５は、未定義の電池パック４１に含まれるセルブロックの初期のＳＯＣ－ＯＣＶカーブと、参照する既定義のＳＯＣ－ＯＣＶカーブをもとに、未定義の電池パック４１の将来のＳＯＣ－ＯＣＶカーブを推定することもできる。特性予測部１１５は、未定義の電池パック４１に含まれるセルブロックの初期の抵抗と、参照する既定義の抵抗をもとに、未定義の電池パック４１の将来の抵抗を推定することもできる。特性予測部１１５は、未定義の電池パック４１の将来の抵抗を温度別に推定することもできる。
　結果通知部１１６は、対象となっている電池パック４１に含まれるセルブロックの容量の予測推移および抵抗の予測推移を含む判定結果を、購入検討者もしくは購買担当者の情報端末に通知する。なお、特性予測部１１５は、容量の予測推移および抵抗の予測推移をもとに電動車両３の航続距離および温度別の電費の少なくとも一方の予測推移を生成し、結果通知部１１６は、電動車両３の航続距離および温度別の電費の少なくとも一方の予測推移を購入検討者もしくは購買担当者の情報端末に通知しても良い。
　図４は、実施の形態に係る電池分析システム１の概略動作を示すフローチャートである。図４に示す処理の実行タイミングは、たとえば、新規電池セルもしくは新規電池パック４１の電池ログ収集時や、１カ月周期等であるものとする。データ取得部１１１は、電池ログ保持部１２１から電池ログを電池ＩＤ毎に読み出す（Ｓ１０）。電池別特性生成部１１２は、読み出された電池ログをもとに、電池ＩＤ毎の電池特性を更新し、更新した電池ＩＤ毎の電池特性を電池別特性保持部１２２に登録する（Ｓ１１）。
　セル種識別部１１３は、未定義の電池パック４１のセルブロックのＳＯＣ－ＯＣＶカーブと既定義のセルブロックのＳＯＣ－ＯＣＶカーブの一致度判定処理を実行する（Ｓ２０）。セル種識別部１１３は、両者が一致しているとみなした場合（Ｓ２１のＹ）、未定義の電池パック４１のＲＣと既定義のセルブロックのＲＣの一致度判定処理を実行する（Ｓ２２）。セル種識別部１１３は、両者が一致しているとみなした場合、未定義の電池パック４１のセルブロックと既定義のセルブロックに含まれるセルの種類を同一と判定する。
　セル種識別部１１３は、未定義の電池パック４１のセルブロックのＳＯＣ－ＯＣＶカーブと既定義のセルブロックのＳＯＣ－ＯＣＶカーブが不一致とみなした場合（Ｓ２１のＮ）、ステップＳ２２のＲＣの一致度判定処理をスキップする。以上のステップＳ１０、Ｓ１１、Ｓ２０、Ｓ２１、Ｓ２２の処理を全電池ＩＤについて実行する（Ｓ２３）。
　全電池ＩＤの電池特性の更新処理（Ｓ１０、Ｓ１１）とセル種識別処理（Ｓ２０、Ｓ２１、Ｓ２２）が終了すると（Ｓ２３のＹ）、基準特性生成部１１４は、それぞれ同一種類のセルを含む電池グループ毎の基準電池特性を更新し、更新した電池グループ毎の基準電池特性をグループ特性保持部１２３に登録する（Ｓ３０）。ステップＳ３０の処理を全電池グループについて実行する（Ｓ３１）。
　全電池グループの基準電池特性の更新処理（Ｓ３０）が終了すると（Ｓ３１のＹ）、特性予測部１１５は、電池ＩＤ毎の将来の電池特性を予測する（Ｓ４０）。ステップＳ４０の処理を全電池ＩＤについて実行する（Ｓ４１）。全電池ＩＤの電池特性の予測処理（Ｓ４０）が終了すると（Ｓ４１のＹ）、全体処理が終了する。以下、各ステップの処理を詳細に説明する。
　図５（ａ）－（ｂ）は、電池ログ収集ステップを説明するための図である。図５（ａ）は単セルの模式図を示し、図５（ｂ）は電池パック４１の模式図を示す。単セルもしくは電池パック４１の充放電データが、電池ログとして電池ログ保持部１２１に登録される。充放電データは実電池を用いた充放電試験によって取得しても良いし、実電池なしにデータサーバ２から取得しても良い。電池ログには、電池セルもしくは電池パック４１毎に電池ＩＤ（たとえば、シリアル番号）が付与される。
　以下、本明細書では各パラメータの単位を下記とする。
ｔ：タイムスタンプ　１［ｓｅｃ］周期
Ｉｂ：ブロック電流［Ａ］（＋が充電）
Ｖｂ：ブロック電圧［Ｖ］
Ｔｂ：ブロック温度［℃］
　図５（ｂ）は、ｎ直列のセルブロック毎に１つの温度センサ（サーミスタ）がついている例を示しているが、温度センサの数がセルブロックの数より少ない場合、温度センサがついていないセルブロックのブロック温度は推定値となる。
　電池別特性生成部１１２は、電池ＩＤ毎に読み出された電池ログから、セルブロックの推定ＳＯＣｅ［％］をタイムスタンプ毎に算出する。算出方法は一般的な電流積算法等を用いることができる。電池別特性生成部１１２は、算出したタイムスタンプ毎のセルブロックの推定ＳＯＣｅを電池ログ保持部１２１に登録する。なお、電池パック４１の電池制御部４６で推定されたセルブロックのＳＯＣをそのまま用いても良い。
　図６は、推定ＳＯＣ－ＯＣＶカーブ（推定ＯＣＶｅカーブ）の算出例を示す図である。電池別特性生成部１１２は、長時間休止（たとえば、１５分以上休止）時の推定ＳＯＣｅとブロック電圧Ｖｂ（ＯＣＶ）をマップ化する。プロットされるセルブロックの推定ＳＯＣｅは、電池パック４１に含まれる複数のセルブロックの推定ＳＯＣｅの代表値（たとえば、中央値、平均値）が使用されても良い。同様に、プロットされるブロック電圧Ｖｂは、電池パック４１に含まれる複数のセルブロックのブロック電圧Ｖｂの代表値（たとえば、中央値、平均値）が使用されても良い。
　図６では、新品ＥＶに対し走行／停車を繰り返し、ＳＯＣ「中」～「高」の離散的なＳＯＣ－ＯＣＶカーブを取得した例を示している。図６では、短期間（１日等）で取得したＳＯＣ－ＯＣＶカーブを想定しているが、走行／停車を長期間繰り返し、前回値と今回値の代表値（たとえば、中央値、単純平均値、加重平均値）を算出する等の方法により、逐次的により高精度・高範囲のマップとなるようにすることが望ましい。なお、長時間走行を継続すれば、ＳＯＣ「低」のＯＣＶを取得することも可能である。電池別特性生成部１１２は、算出した推定ＳＯＣ－ＯＣＶカーブ（以下適宜、推定ＯＣＶｅカーブと表記する）を電池ＩＤ毎に、電池別特性保持部１２２に登録する。
　電池別特性生成部１１２は、電池ＩＤ毎に読み出された電池ログから、セルブロックの推定抵抗Ｒｅ［ｍΩ］を算出する。まず電池別特性生成部１１２は、オーミック抵抗として下記（式１）に示すように、セルブロック毎のブロック抵抗Ｒｂを求める。
　Ｒｂｉ（ｔ）＝（ΔＶｂｉ（ｔ）／ΔＩｂ（ｔ））＊１０００）　・・・（式１）
　ｉはセルブロックの直列数のパラメータ、１０００は単位変換のための定数。
　なお、オーミック抵抗以外の抵抗成分（たとえば、拡散抵抗等のセル並列数に値が反比例する抵抗成分）を使用しても構わない。
　電池別特性生成部１１２は、推定抵抗Ｒｅを、セルブロックのブロック抵抗Ｒｂ毎、タイムスタンプ毎、条件（たとえば、劣化度、残容量、温度）毎等での代表値として算出する。
　図７は、条件毎の推定抵抗Ｒｅの算出例を示す図である。各条件はたとえば下記とする。
　劣化度：サイクル数
　残容量：推定ＳＯＣｅ
　温度：ブロック温度Ｔｂ
　以下、本明細書では簡単のため、各条件を「低」、「中」、「高」の３段階に分類する例で説明する。図７では、新品ＥＶに対し走行／停車を繰り返し、劣化度「低」、残容量「中」～「高」、温度「中」～「高」の推定抵抗Ｒｅのみを取得した例を示している。図７では、短期間（１日等）で取得した推定抵抗Ｒｅを想定しているが、走行／停車を長期間繰り返し、前回値と今回値の代表値（たとえば、中央値、単純平均値、加重平均値）を算出する等の方法により、逐次的により高精度・多条件のマップとなるようにすることが望ましい。電池別特性生成部１１２は、算出した条件毎の推定抵抗Ｒｅを電池ＩＤ毎に、電池別特性保持部１２２に登録する。
　電池別特性生成部１１２は、電池ＩＤ毎に読み出された電池ログから、推定ＦＣＣｅ［Ａｈ］を算出する。まず電池別特性生成部１１２は、電流容量［Ａｈ］として下記（式２）に示すように、あるＯＣＶから別のＯＣＶに推移した期間のブロック電流Ｉｂの積算値と、推定ＯＣＶｅカーブから推定されるＳＯＣｖの差分から、タイムスタンプ毎の推定ＦＣＣｅを求める。
　ＦＣＣｅ（ｔ）＝（ΔＩｂ（ｔ）／（ΔＳＯＣｖ（ｔ））／３６　・・・（式２）
　３６は、単位変換（秒から時間への変換およびパーセントから小数への変換）のための定数である。
　なお、電流容量［Ａｈ］以外の容量成分（たとえば、セルブロック毎の電力容量［Ｗｈ］等、セル並列数に値が比例する容量成分）を使用しても構わない。
　電池別特性生成部１１２は、最終的な推定ＦＣＣｅを、後述の推定ＳＯＨ＝１００％かつタイムスタンプ毎での代表値として算出する。本実施の形態では、推定ＦＣＣｅは、短期間（１日等）で取得した初期のＦＣＣとする。ここでは、ある劣化度での電流容量［Ａｈ］は温度等の条件によらず一定とみなす。電池別特性生成部１１２は、算出した推定ＦＣＣｅを電池ＩＤ毎に、電池別特性保持部１２２に登録する。
　電池別特性生成部１１２は、電池ＩＤ毎に推定ＳＯＨｅ［％］を算出する。推定ＳＯＨｅは、劣化度毎の定格容量に対する容量維持率として定義される。
　図８は、劣化度毎の推定ＳＯＨｅの算出例を示す図である。上述したように本実施の形態では、劣化度はサイクル数で定義される。電池別特性生成部１１２は、算出した劣化度毎の推定ＳＯＨｅを電池ＩＤ毎に、電池別特性保持部１２２に登録する。
　セル種識別部１１３は、電池グループ（たとえば、固有名）が未定義の電池ＩＤの推定ＯＣＶｅカーブに対し、電池グループが未定義の他の推定ＯＣＶｅカーブもしくは既知の基準ＯＣＶｒカーブと一致するか判定する。ＯＣＶカーブが一致する場合、同一セル種である可能性が高い。ただし、比較するＯＣＶカーブのＳＯＣの定義が異なる場合、同じＯＣＶカーブであっても一致しないため、セル種識別部１１３はＳＯＣ軸のスケーリングを行う。
　図９（ａ）－（ｂ）は、基準ＯＣＶｒカーブと推定ＯＣＶｅカーブの算出例を重ねてグラフに表示した図である。図９（ａ）は推定ＯＣＶｅカーブのＳＯＣ軸のスケーリング前のグラフを示し、図９（ｂ）は推定ＯＣＶｅカーブのＳＯＣ軸のスケーリング後のグラフを示す。図９（ａ）に示す例では、推定ＯＣＶｅカーブのＳＯＣの定義がＯＣＶ３．０～４．２Ｖ、基準ＯＣＶｒカーブのＳＯＣの定義がＯＣＶ３．０～４．０Ｖとしている。同一セル種であってもパック化された場合の、各電池メーカの安全性の設計や劣化に対する基準の違い等により、ＳＯＣの定義に違いが発生することがある。
　図９（ａ）に示す例では、推定ＯＣＶｅカーブの方が動作電圧範囲が広いため、未定義の電池ＩＤのセルブロックの方が、基準ＯＣＶｒカーブの特性を有するセルブロックよりＦＣＣが大きい。セル種識別部１１３は、推定ＯＣＶｅカーブの最小ＯＣＶ～最大ＯＣＶの範囲で基準ＯＣＶｒカーブの一部を切り出して、切り出した基準ＯＣＶｒカーブと推定ＯＣＶｅカーブを照合する。
　セル種識別部１１３は、両者を照合する際、推定ＯＣＶｅカーブのＳＯＣ軸をスケーリング係数（以下、本明細書では第１ＳＯＣ係数と表記する）でスケーリングする。セル種識別部１１３はたとえば、０．５～１．５の範囲で第１ＳＯＣ係数を変化させて、推定ＯＣＶｅカーブのＳＯＣ軸を逐次的にスケーリングし、最も基準ＯＣＶｒカーブと一致度が高い第１ＳＯＣ係数を導出する。
　具体的にはセル種識別部１１３は、スケーリングされた推定ＯＣＶｅカーブと、基準ＯＣＶｒカーブの差分絶対値の合計が最小となる第１ＳＯＣ係数を導出する。セル種識別部１１３は、そのときの差分絶対値の合計が第１閾値以下の場合、両者のＯＣＶカーブが一致しているとみなし、そのときの第１ＳＯＣ係数（図９（ｂ）に示す例では１．１）を、電池別特性保持部１２２に登録する。第１ＳＯＣ係数＝１．１は、推定ＯＣＶｅカーブの特性を有するセルブロックのＦＣＣが、基準ＯＣＶｒカーブの特性を有するセルブロックのＦＣＣの１．１倍であることを示す。
　セル種識別部１１３は、電池グループが既定義の電池ＩＤの推定ＯＣＶｅカーブが、同一電池グループの基準ＯＣＶｒカーブと一致しない場合、同電池ＩＤの電池グループを未定義状態に戻す。
　電池別特性生成部１１２は、算出したセルブロックの推定抵抗Ｒｅ［ｍΩ］と推定ＦＣＣｅ［Ａｈ］をもとに推定ＲＣｅ［ｍΩ・Ａｈ］を算出する。推定ＲＣは、劣化度「低」の推定抵抗Ｒｅと推定ＦＣＣｅの積で定義される。
　図１０は、劣化度「低」の推定抵抗Ｒｅ、推定ＲＣｅ、調整後の推定ＲＣｅの算出例を示す図である。たとえば、推定ＦＣＣｅが７２．０［Ａｈ］の場合、上の表に示す劣化度「低」の推定抵抗Ｒｅから、中央の表に示す劣化度「低」の推定ＲＣｅが導出される。
　セル種識別部１１３は、処理中の電池ＩＤの推定ＲＣｅに対し、電池グループが未定義の他の推定ＲＣｅもしくは既知の基準ＲＣｒと一致するか判定する。処理中の電池ＩＤは、推定ＯＣＶｅカーブが、電池グループが未定義の他の推定ＯＣＶｅカーブもしくは既知の基準ＯＣＶｒカーブと一致した電池ＩＤが該当する。ＲＣが一致する場合、同一セル種である可能性が高い。下記（式３）～（式５）に示すようにＲＣは、セル並列数の要素が除去された指標であり、並列数が未知のセル種の特定に有効な指標である。
　ブロック抵抗＝セル抵抗／セル並列数　・・・（式３）
　ブロック容量＝セル容量＊セル並列数　・・・（式４）
　ＲＣ＝ブロック抵抗＊ブロック容量＝セル抵抗＊セル容量　・・・（式５）
　ただし、比較するＲＣのＳＯＣの定義が異なる場合、同じＲＣであっても一致しない。推定ＲＣｅは、基準ＲＣｒの第１ＳＯＣ係数倍であるため、セル種識別部１１３は、推定ＲＣｅを第１ＳＯＣ係数（上記の例では１．１）で割ることで推定ＲＣｅをスケーリングする。下の表は、スケーリング後の推定ＲＣｅを示す。
　セル種識別部１１３はたとえば、劣化度「低」において推定ＲＣｅと基準ＲＣｒの条件毎の差分絶対値の合計が第２閾値以下の場合、ＲＣが一致するとみなし、未定義の電池グループを、既知の基準ＲＣｒの電池グループに更新する。
　図１１は、劣化度「低」の調整後の推定ＲＣｅと基準ＲＣｒの算出例を示す図である。セル種識別部１１３は、劣化度「低」の調整後のＲＣｅと基準ＲＣｒの同条件同士を比較する。図１１に示す例では、温度「中」・残容量「中」の条件と、温度「中」・残容量「高」の条件の２つの条件で、推定ＲＣｅと基準ＲＣｒの差分絶対値をそれぞれ算出し、その合計と第２閾値を比較している。なお、劣化度「低」以外ではＲＣの個体差が大きいと考えられるため比較対象から外している。
　セル種識別部１１３は、電池グループが既定義の電池ＩＤの推定ＲＣｅが、同一電池グループの基準ＲＣｒと一致しない場合、同電池ＩＤの電池グループを未定義状態に戻す。このようにセル種識別部１１３は、ＯＣＶカーブとＲＣの両方で一致する電池ＩＤのセルを、同一セル種とみなす。セル種識別部１１３は、いずれか一方もしくは両方を満たさない電池ＩＤを、電池グループから除外する。
　基準特性生成部１１４は、基準ＳＯＨｒを、基準ＳＯＨｒと同一電池グループの全ての推定ＳＯＨｅの代表値（たとえば、中央値、単純平均値、加重平均値）を算出する等の方法により劣化度毎に更新する。基準特性生成部１１４は、更新した劣化度毎の基準ＳＯＨｒをグループ特性保持部１２３に登録する。
　図１２は、基準ＳＯＨｒの更新例を示す図である。図１２に示す例では、基準特性生成部１１４は、劣化度「低」、「中」において、既存の基準ＳＯＨｒと３つの推定ＳＯＨｅをそれぞれ加重平均して基準ＳＯＨｒを更新している。基準特性生成部１１４は、劣化度「高」において、既存の基準ＳＯＨｒの欠損を、左上の推定ＳＯＨｅで置換している。
　基準特性生成部１１４は、同一電池グループのすべての推定ＯＣＶｅカーブに対し、ＯＣＶの範囲が最も広くなるように電池ＩＤ毎に基準ＯＣＶｒカーブに推定ＯＣＶｅカーブを合成し、基準ＯＣＶｒカーブを更新する。
　図１３（ａ）－（ｂ）は、基準ＯＣＶｒカーブと推定ＯＣＶｅカーブの算出例を重ねてグラフに表示した図である。図１３（ａ）に示す基準ＯＣＶｒカーブは更新前のものであり、図１３（ｂ）に示す基準ＯＣＶｒカーブは更新後のものである。図１３（ａ）－（ｂ）に示す例では、基準ＯＣＶｒカーブの最大ＯＣＶが４．０Ｖに対して、推定ＯＣＶｅカーブの最大ＯＣＶが４．２Ｖである。基準特性生成部１１４は、推定ＯＣＶｅカーブの最小ＯＣＶ～最大ＯＣＶの範囲で基準ＯＣＶｒカーブの一部を切り出して、切り出した基準ＯＣＶｒカーブと推定ＯＣＶｅカーブを照合する。
　基準特性生成部１１４は、両者を照合する際、基準ＯＣＶｒカーブのＳＯＣ軸をスケーリング係数（以下、本明細書では第２ＳＯＣ係数と表記する）でスケーリングする。基準特性生成部１１４はたとえば、０．５～１．５の範囲で第２ＳＯＣ係数を変化させて、基準ＯＣＶｒカーブのＳＯＣ軸を逐次的にスケーリングし、最も推定ＯＣＶｅカーブと一致度が高い第２ＳＯＣ係数を導出する。
　具体的には基準特性生成部１１４は、スケーリングされた基準ＯＣＶｒカーブと、推定ＯＣＶｅカーブの差分絶対値の合計が最小となる第２ＳＯＣ係数を導出する。基準特性生成部１１４は、そのときの差分絶対値の合計が第１閾値以下の場合、両者のＯＣＶカーブが一致しているとみなし、そのときの第２ＳＯＣ係数（図１３（ｂ）に示す例では０．９）を一時保持する。第２ＳＯＣ係数＝０．９は、基準ＯＣＶｒカーブの特性を有するセルブロックのＦＣＣが、推定ＯＣＶｅカーブの特性を有するセルブロックのＦＣＣの０．９倍であることを示す。
　第２ＳＯＣ係数が１未満の場合、基準特性生成部１１４は、スケーリング後の基準ＯＣＶｒカーブを推定ＯＣＶｅカーブを用いて外挿する。なお、第２ＳＯＣ係数が１以上の場合、外挿は発生しない。基準特性生成部１１４は、スケーリング後の基準ＯＣＶｒカーブの推定ＯＣＶｅカーブと重複する領域を、スケーリング後の基準ＯＣＶｒカーブと推定ＯＣＶｅカーブの代表値（たとえば、中央値、単純平均値、加重平均値）を算出する等の方法により更新する。基準特性生成部１１４は、更新後の基準ＯＣＶｒカーブをグループ特性保持部１２３に登録する。
　基準ＲＣｒは推定ＲＣｅの第２ＳＯＣ係数倍であるため、基準特性生成部１１４は、基準ＲＣｒを第２ＳＯＣ係数（上記の例では０．９）で割って基準ＲＣｒを調整する。
　図１４は、調整前の推定ＲＣｅと調整後の推定ＲＣｅの算出例を示す図である。基準特性生成部１１４は、条件毎の推定ＲＣｅを第２ＳＯＣ係数（０．９）で割って、条件毎の推定ＲＣｅを調整している。
　基準特性生成部１１４は、基準ＲＣｒを、基準ＲＣｒと推定ＲＣｅの代表値（たとえば、中央値、単純平均値、加重平均値）を算出する等の方法により更新する。
　図１５は、推定ＲＣｅと、更新後の基準ＲＣｒの算出例を示す図である。図１５の上のグラフに示される推定ＲＣｅは、劣化度「高」まで算出済みとする。基準特性生成部１１４は、図１４の下にグラフに示される基準ＲＣｒと、図１５の上のグラフに示される推定ＲＣｅを条件毎に加重平均して基準ＲＣｒを更新している。基準特性生成部１１４は、劣化度「低」・温度「高」・残容量「中」の条件において、既存の基準ＲＣｒの欠損を、図１５の上のグラフに示される推定ＲＣｅで置換している。基準特性生成部１１４は、更新後の基準ＲＣｒをグループ特性保持部１２３に登録する。
　ここで、第２ＳＯＣ係数＞１．０の場合（基準ＯＣＶｒカーブの外挿が無かった場合）、第２ＳＯＣ係数によって更新後の基準ＲＣｒが実際より低くなっているため、更新後の基準ＲＣｒに第２ＳＯＣ係数を掛けることでスケールを元に戻す。第２ＳＯＣ係数＞１．０の場合、基準ＯＣＶｒカーブの特性を有するセルブロックの方が、推定ＯＣＶｅカーブの特性を有するセルブロックよりＦＣＣが大きい。推定ＯＣＶｅカーブの特性を有するセルブロックのＦＣＣに合わせるために、一旦、基準ＲＣｒを縮小し、更新後に縮小分を元に戻す。第２ＳＯＣ係数＞１．０の場合は、基準ＯＣＶｒカーブが外挿されるため、基準ＲＣｒを拡大した後、元に戻す必要はない。このように基準ＯＣＶｒカーブのＳＯＣ軸が常に拡大する方向に学習していく。学習が進むにつれ、第２ＳＯＣ係数＞１．０のケースは減少していく。
　特性予測部１１５は、電池ＩＤ毎の推定ＳＯＨｅを、電池ＩＤ毎の推定ＳＯＨｅと同一電池グループの基準ＳＯＨｒの代表値（たとえば、中央値、単純平均値、加重平均値）を算出する等の方法により更新する。
　図１６は、推定ＳＯＨｅの更新例を示す図である。図１６において、２段目の例では、特性予測部１１５は、劣化度「中」の推定ＳＯＨｅを、更新前の推定ＳＯＨｅと基準ＳＯＨｒの平均値に更新している。３段目の例では、特性予測部１１５は、欠損している劣化度「高」の推定ＳＯＨｅを、劣化度「高」の基準ＳＯＨｒで置換している。４段目の例では、特性予測部１１５は、欠損している劣化度「中」、「高」の推定ＳＯＨｅを、劣化度「中」、「高」の基準ＳＯＨｒでそれぞれ置換している。特性予測部１１５は、更新後の推定ＳＯＨｅを電池別特性保持部１２２に登録する。
　特性予測部１１５は、電池ＩＤ毎に、更新後の推定ＳＯＨｅと推定ＦＣＣｅから、劣化度「低」の段階で、劣化度「高」までの推定ＦＣＣｅを予測することができる。
　図１７は、推定ＦＣＣｅの予測例を示す図である。図１７の左図は、図１６の２段目の更新後の推定ＳＯＨｅを示している。このセルブロックの劣化度「低」の推定ＦＣＣｅが７２．０［Ａｈ］である場合、劣化度「中」の推定ＦＣＣｅが６１．２［Ａｈ］、劣化度「高」の推定ＦＣＣｅが５０．４［Ａｈ］と予測できる。特性予測部１１５は、予測後の推定ＦＣＣｅを電池別特性保持部１２２に登録する。このように、短期間（１日等）の運用で劣化後の電池容量を予測することができ、対象とする電池搭載製品のライフエンドまでの価値（たとえば、ＥＶの航続距離）を把握できる。
　特性予測部１１５は、同一電池グループの基準ＯＣＶｒカーブのＳＯＣ軸を第１ＳＯＣ係数でスケーリングした後の基準ＯＣＶｒカーブを用いて、推定ＯＣＶｅカーブを外挿する。特性予測部１１５は、推定ＯＣＶｅカーブのスケーリング後の基準ＯＣＶｒカーブと重複する領域を、推定ＯＣＶｅカーブとスケーリング後の基準ＯＣＶｒカーブの代表値（たとえば、中央値、単純平均値、加重平均値）を算出する等の方法により更新する。特性予測部１１５は、更新後の推定ＯＣＶｅカーブと基準ＯＣＶｒカーブを照合して、第１ＳＯＣ係数を導出する。
　図１８は、更新前の推定ＯＣＶｅカーブと更新後の推定ＯＣＶｅカーブの算出例を重ねてグラフに表示した図である。図１８に示す例では、推定ＯＣＶｅカーブと基準ＯＣＶｒカーブのＳＯＣの定義が一致しているため（第１ＳＯＣ係数＝第２ＳＯＣ係数＝１．０）、スケーリングは不要である。特性予測部１１５は、更新後の推定ＯＣＶｅカーブと、新たに導出した第１ＳＯＣ係数を電池別特性保持部１２２に登録する。このように短期間（１日等）の運用で高精度の推定ＯＣＶｅカーブを取得できる。
　特性予測部１１５は、基準ＲＣｒから基準抵抗Ｒｒを算出し、推定抵抗Ｒｅを予測することができる。基準ＲＣｒは推定ＲＣｅの第２ＳＯＣ係数倍であるため、特性予測部１１５は、基準ＲＣｒを第２ＳＯＣ係数で割って基準ＲＣｒを調整する。図１８の例では調整は不要である。特性予測部１１５は、調整後の基準ＲＣｒを劣化度毎に、図１７に示した推定ＦＣＣｅで割って、基準抵抗Ｒｒを算出する。
　図１９は、基準ＲＣｒと基準抵抗Ｒｒの算出例を示す図である。特性予測部１１５は、条件毎の基準ＲＣｒを劣化度毎の推定ＦＣＣｅでそれぞれ割ることで、条件毎の基準抵抗Ｒｒを算出している。
　特性予測部１１５は、電池ＩＤ毎の推定抵抗Ｒｅを、電池ＩＤ毎の推定抵抗Ｒｅと同一電池グループの基準抵抗Ｒｒの代表値（たとえば、中央値、単純平均値、加重平均値）を算出する等の方法により更新する。
　図２０は、推定抵抗Ｒｅの更新例を示す図である。特性予測部１１５は、値を有している条件の推定抵抗Ｒｅを、推定抵抗Ｒｅと基準抵抗Ｒｒの平均値にそれぞれ更新している。特性予測部１１５は、欠損している条件の推定抵抗Ｒｅを、基準抵抗Ｒｒでそれぞれ置換している。
　このように、一部条件での推定抵抗Ｒｅを取得した段階で、多様な条件での推定抵抗Ｒｅを予測することができる。短期間（１日等）の運用データをもとに、劣化後や低温での電池抵抗を予測することで、対象とする電池搭載製品の多様な条件での価値（たとえば、ＥＶの電費）を把握できる。
　以上説明したように本実施の形態によれば、未知の電池パック４１のセルブロックの初期ログに基づく推定ＯＣＶｅカーブおよび推定ＲＣｅと、基準ＯＣＶｒカーブおよび基準ＲＣｒを比較することで、未知の電池パック４１のセルブロックに含まれるセルの種類を電池パック４１を分解せずに識別することができる。本来、セル抵抗とセル容量が分かれば、セルの種類を識別可能であるが、未知の電池パック４１ではセル並列数が不明なため、セル抵抗とセル容量からセルの種類を推定することが困難である。この点、本実施の形態ではＲＣという指標を使用することにより、セル並列数が不明でも、セル種の識別が可能となる。
　ＯＣＶカーブはＳＯＣの定義（動作電圧範囲等）により同一セル種であっても、カーブ形状が変わり得るが、本実施の形態では補正の仕組みを備えているため、高精度なＯＣＶカーブの一致判定が可能となる。
　電動車両３の購入検討者もしくは購買担当者は、電池分析システム１により予測された電池性能をもとに、カタログスペックと実性能が一致しているか否かを予め確認することができる。また、カタログスペックに記載されていない欠陥があるか否かを予め確認することができる。
　以上、本開示を実施の形態をもとに説明した。実施の形態は例示であり、それらの各構成要素や各処理プロセスの組み合わせにいろいろな変形例が可能なこと、またそうした変形例も本開示の範囲にあることは当業者に理解されるところである。
　また上述の実施の形態では、電動車両３として四輪の電気自動車を想定した。この点、電動バイク（電動スクータ）や電動自転車であっても良い。また、電気自動車にはフル規格の電気自動車だけでなく、ゴルフカートや、ショッピングモールやエンタテイメント施設等で使用されるランドカー等の低速の電気自動車も含まれる。本開示に係る電池分析システム１は、電動船舶、マルチコプタ（ドローン）、定置型蓄電システム、情報機器（例えば、ノートＰＣ、タブレット、スマートフォン）等に搭載された電池パック４１の電池分析にも適用可能である。
　なお、実施の形態は、以下の項目によって特定されても良い。
［項目１］
一以上のセル（Ｅ１－Ｅｎ）が並列接続されたセルブロックが一以上、直列接続された電池パック（４１）に含まれる少なくも一つのセルブロックの電圧、直列接続された複数のセルブロックに流れる電流を含む電池データを取得するデータ取得部（１１１）と、
　前記電池パック（４１）毎に、前記電池パック（４１）に含まれる、セルブロックのＳＯＣ(State Of Charge)－ＯＣＶ（Open Circuit Voltage）カーブ、セルブロックの抵抗、およびセルブロックの容量を推定し、前記セルブロックの抵抗と前記セルブロックの容量を掛けた抵抗容量積を算出する電池別特性生成部（１１２）と、
　未定義の電池パック（４１）のセルブロックのＳＯＣ－ＯＣＶカーブと既定義のセルブロックのＳＯＣ－ＯＣＶカーブの一致度、および前記未定義の電池パック（４１）のセルブロックの抵抗容量積と前記既定義のセルブロックの抵抗容量積の一致度をもとに、前記未定義の電池パック（４１）に含まれるセル（Ｅ１－Ｅｎ）の種類を識別するセル種識別部（１１３）と、
　を備えることを特徴とする電池分析システム（１）。
　これによれば、未定義の電池パック（４１）のセルブロック（４１）に含まれるセル（Ｅ１－Ｅｎ）の種類を、電池パック（４１）を分解せずに識別することができる。
［項目２］
　同一種類のセル（Ｅ１－Ｅｎ）を含む複数のセルブロックの、複数のＳＯＣ－ＯＣＶカーブと、複数の抵抗容量積をもとに、電池グループ毎の基準ＳＯＣ－ＯＣＶカーブと基準抵抗容量積を生成する基準特性生成部（１１４）をさらに備え、
　前記セル種識別部（１１３）は、前記未定義の電池パック（４１）のセルブロックのＳＯＣ－ＯＣＶカーブと前記基準ＳＯＣ－ＯＣＶカーブの一致度、および前記未定義の電池パック（４１）のセルブロックの抵抗容量積と前記基準抵抗容量積の一致度をもとに、前記未定義の電池パック（４１）に含まれるセル（Ｅ１－Ｅｎ）の種類と電池グループを識別することを特徴とする項目１に記載の電池分析システム（１）。
　これによれば、未定義の電池パック（４１）のセルブロック（４１）が属すべき電池グループを高精度に識別することができる。
［項目３］
　前記セル種識別部（１１３）は、前記未定義の電池パック（４１）のセルブロックのＳＯＣ－ＯＣＶカーブと参照する既定義のＳＯＣ－ＯＣＶカーブの一致度が最も高くなるように、前記未定義の電池パック（４１）に含まれるセルブロックのＳＯＣ－ＯＣＶカーブまたは参照する既定義のＳＯＣ－ＯＣＶカーブのＳＯＣ軸をスケーリングすることを特徴とする項目２に記載の電池分析システム（１）。
　これによれば、高精度なＳＯＣ－ＯＣＶカーブの一致判定処理が可能となる。
［項目４］
　前記セル種識別部（１１３）は、前記ＳＯＣ軸をスケーリングした係数を使用して、前記未定義の電池パック（４１）のセルブロックの抵抗容量積または参照する既定義の抵抗容量積を補正することを特徴とする項目３に記載の電池分析システム（１）。
　これによれば、高精度な抵抗容量積の一致判定処理が可能となる。
［項目５］
　前記データ取得部（１１１）は、前記電池パック（４１）に含まれる少なくも一つのセルブロックの温度をさらに取得し、
　前記電池別特性生成部（１１２）は、セルブロックの抵抗容量積を、劣化度、温度および残容量の少なくとも一つを基準に分類された複数の区分ごとに生成し、
　前記基準特性生成部（１１４）は、前記基準抵抗容量積を、前記複数の区分ごとに生成し、
　前記セル種識別部（１１３）は、前記未定義の電池パック（４１）のセルブロックの抵抗容量積と参照する既定義の基準抵抗容量積を、前記区分ごとに比較することを特徴とする項目２に記載の電池分析システム（１）。
　これによれば、様々な条件同士で抵抗容量積を比較することで、高精度な抵抗容量積の一致判定処理が可能となる。
［項目６］
　前記電池別特性生成部（１１２）は、前記電池パック（４１）毎に、前記電池パック（４１）に含まれるセルブロックのＳＯＨ（State Of Health）を推定し、
　前記基準特性生成部（１１４）は、同一種類のセル（Ｅ１－Ｅｎ）を含む複数のセルブロックの複数のＳＯＨをもとに、電池グループ毎の基準ＳＯＨを生成し、
　前記電池分析システム（１）は、
　前記未定義の電池パック（４１）に含まれるセルブロックの初期のＳＯＨと、参照する既定義のＳＯＨをもとに、前記未定義の電池パック（４１）の将来の容量および将来の抵抗の少なくとも一方を推定する特性予測部（１１５）をさらに備えることを特徴とする項目２に記載の電池分析システム（１）。
　これによれば、電池パック（４１）の運用初期の段階で将来の容量劣化の推移を予測することができる。
［項目７］
　一以上のセル（Ｅ１－Ｅｎ）が並列接続されたセルブロックが一以上、直列接続された電池パック（４１）に含まれる少なくも一つのセルブロックの電圧、直列接続された複数のセルブロックに流れる電流を含む電池データを取得するステップと、
　前記電池パック（４１）毎に、前記電池パック（４１）に含まれる、セルブロックのＳＯＣ(State Of Charge)－ＯＣＶ（Open Circuit Voltage）カーブ、セルブロックの抵抗、およびセルブロックの容量を推定し、前記セルブロックの抵抗と前記セルブロックの容量を掛けた抵抗容量積を算出するステップと、
　未定義の電池パック（４１）のセルブロックのＳＯＣ－ＯＣＶカーブと既定義のセルブロックのＳＯＣ－ＯＣＶカーブの一致度、および前記未定義の電池パック（４１）のセルブロックの抵抗容量積と前記既定義のセルブロックの抵抗容量積の一致度をもとに、前記未定義の電池パック（４１）に含まれるセル（Ｅ１－Ｅｎ）の種類を識別するステップと、
　を有することを特徴とする電池分析方法。
　これによれば、未定義の電池パック（４１）のセルブロック（４１）に含まれるセル（Ｅ１－Ｅｎ）の種類を、電池パック（４１）を分解せずに識別することができる。
［項目８］
　一以上のセル（Ｅ１－Ｅｎ）が並列接続されたセルブロックが一以上、直列接続された電池パック（４１）に含まれる少なくも一つのセルブロックの電圧、直列接続された複数のセルブロックに流れる電流を含む電池データを取得する処理と、
　前記電池パック（４１）毎に、前記電池パック（４１）に含まれる、セルブロックのＳＯＣ(State Of Charge)－ＯＣＶ（Open Circuit Voltage）カーブ、セルブロックの抵抗、およびセルブロックの容量を推定し、前記セルブロックの抵抗と前記セルブロックの容量を掛けた抵抗容量積を算出する処理と、
　未定義の電池パック（４１）のセルブロックのＳＯＣ－ＯＣＶカーブと既定義のセルブロックのＳＯＣ－ＯＣＶカーブの一致度、および前記未定義の電池パック（４１）のセルブロックの抵抗容量積と前記既定義のセルブロックの抵抗容量積の一致度をもとに、前記未定義の電池パック（４１）に含まれるセル（Ｅ１－Ｅｎ）の種類を識別する処理と、
　をコンピュータに実行させることを特徴とする電池分析プログラム。
　これによれば、未定義の電池パック（４１）のセルブロック（４１）に含まれるセル（Ｅ１－Ｅｎ）の種類を、電池パック（４１）を分解せずに識別することができる。
　本開示は、電池パックに含まれるセルの性能を分析することに利用可能である。
　１　電池分析システム、　２　データサーバ、　３　電動車両、　４　充電器、　５　ネットワーク、　７　商用電力系統、　１１　処理部、　１１１　データ取得部、　１１２　電池別特性生成部、　１１３　セル種識別部、　１１４　基準特性生成部、　１１５　特性予測部、　１１６　結果通知部、　１２　記憶部、　１２１　電池ログ保持部、　１２２　電池別特性保持部、　１２３　グループ特性保持部、　３０　車両制御部、　３４　モータ、　３５　インバータ、　３６　無線通信部、　３６ａ　アンテナ、　４０　電源システム、　４１　電池パック、　４２　電池管理部、　４３　電圧計測部、　４４　温度計測部、　４５　電流計測部、　４６　電池制御部、　Ｅ１－Ｅｎ　セル、　ＲＹ１－ＲＹ２　第２リレー、　Ｔ１　第１温度センサ、　Ｔ２　第２温度センサ、　Ｒｓ　シャント抵抗。

Claims (8)

  1. 　一以上のセルが並列接続されたセルブロックが一以上、直列接続された電池パックに含まれる少なくも一つのセルブロックの電圧、直列接続された複数のセルブロックに流れる電流を含む電池データを取得するデータ取得部と、
    　前記電池パック毎に、前記電池パックに含まれる、セルブロックのＳＯＣ(State Of Charge)－ＯＣＶ（Open Circuit Voltage）カーブ、セルブロックの抵抗、およびセルブロックの容量を推定し、前記セルブロックの抵抗と前記セルブロックの容量を掛けた抵抗容量積を算出する電池別特性生成部と、
    　未定義の電池パックのセルブロックのＳＯＣ－ＯＣＶカーブと既定義のセルブロックのＳＯＣ－ＯＣＶカーブの一致度、および前記未定義の電池パックのセルブロックの抵抗容量積と前記既定義のセルブロックの抵抗容量積の一致度をもとに、前記未定義の電池パックに含まれるセルの種類を識別するセル種識別部と、
    　を備えることを特徴とする電池分析システム。
  2. 　同一種類のセルを含む複数のセルブロックの、複数のＳＯＣ－ＯＣＶカーブと、複数の抵抗容量積をもとに、電池グループ毎の基準ＳＯＣ－ＯＣＶカーブと基準抵抗容量積を生成する基準特性生成部をさらに備え、
    　前記セル種識別部は、前記未定義の電池パックのセルブロックのＳＯＣ－ＯＣＶカーブと前記基準ＳＯＣ－ＯＣＶカーブの一致度、および前記未定義の電池パックのセルブロックの抵抗容量積と前記基準抵抗容量積の一致度をもとに、前記未定義の電池パックに含まれるセルの種類と電池グループを識別することを特徴とする請求項１に記載の電池分析システム。
  3. 　前記セル種識別部は、前記未定義の電池パックのセルブロックのＳＯＣ－ＯＣＶカーブと参照する既定義のＳＯＣ－ＯＣＶカーブの一致度が最も高くなるように、前記未定義の電池パックに含まれるセルブロックのＳＯＣ－ＯＣＶカーブまたは参照する既定義のＳＯＣ－ＯＣＶカーブのＳＯＣ軸をスケーリングすることを特徴とする請求項２に記載の電池分析システム。
  4. 　前記セル種識別部は、前記ＳＯＣ軸をスケーリングした係数を使用して、前記未定義の電池パックのセルブロックの抵抗容量積または参照する既定義の抵抗容量積を補正することを特徴とする請求項３に記載の電池分析システム。
  5. 　前記データ取得部は、前記電池パックに含まれる少なくも一つのセルブロックの温度をさらに取得し、
    　前記電池別特性生成部は、セルブロックの抵抗容量積を、劣化度、温度および残容量の少なくとも一つを基準に分類された複数の区分ごとに生成し、
    　前記基準特性生成部は、前記基準抵抗容量積を、前記複数の区分ごとに生成し、
    　前記セル種識別部は、前記未定義の電池パックのセルブロックの抵抗容量積と参照する既定義の基準抵抗容量積を、前記区分ごとに比較することを特徴とする請求項２に記載の電池分析システム。
  6. 　前記電池別特性生成部は、前記電池パック毎に、前記電池パックに含まれるセルブロックのＳＯＨ（State Of Health）を推定し、
    　前記基準特性生成部は、同一種類のセルを含む複数のセルブロックの複数のＳＯＨをもとに、電池グループ毎の基準ＳＯＨを生成し、
    　前記電池分析システムは、
    　前記未定義の電池パックに含まれるセルブロックの初期のＳＯＨと、参照する既定義のＳＯＨをもとに、前記未定義の電池パックの将来の容量および将来の抵抗の少なくとも一方を推定する特性予測部をさらに備えることを特徴とする請求項２に記載の電池分析システム。
  7. 　一以上のセルが並列接続されたセルブロックが一以上、直列接続された電池パックに含まれる少なくも一つのセルブロックの電圧、直列接続された複数のセルブロックに流れる電流を含む電池データを取得するステップと、
    　前記電池パック毎に、前記電池パックに含まれる、セルブロックのＳＯＣ(State Of Charge)－ＯＣＶ（Open Circuit Voltage）カーブ、セルブロックの抵抗、およびセルブロックの容量を推定し、前記セルブロックの抵抗と前記セルブロックの容量を掛けた抵抗容量積を算出するステップと、
    　未定義の電池パックのセルブロックのＳＯＣ－ＯＣＶカーブと既定義のセルブロックのＳＯＣ－ＯＣＶカーブの一致度、および前記未定義の電池パックのセルブロックの抵抗容量積と前記既定義のセルブロックの抵抗容量積の一致度をもとに、前記未定義の電池パックに含まれるセルの種類を識別するステップと、
    　を有することを特徴とする電池分析方法。
  8. 　一以上のセルが並列接続されたセルブロックが一以上、直列接続された電池パックに含まれる少なくも一つのセルブロックの電圧、直列接続された複数のセルブロックに流れる電流を含む電池データを取得する処理と、
    　前記電池パック毎に、前記電池パックに含まれる、セルブロックのＳＯＣ(State Of Charge)－ＯＣＶ（Open Circuit Voltage）カーブ、セルブロックの抵抗、およびセルブロックの容量を推定し、前記セルブロックの抵抗と前記セルブロックの容量を掛けた抵抗容量積を算出する処理と、
    　未定義の電池パックのセルブロックのＳＯＣ－ＯＣＶカーブと既定義のセルブロックのＳＯＣ－ＯＣＶカーブの一致度、および前記未定義の電池パックのセルブロックの抵抗容量積と前記既定義のセルブロックの抵抗容量積の一致度をもとに、前記未定義の電池パックに含まれるセルの種類を識別する処理と、
    　をコンピュータに実行させることを特徴とする電池分析プログラム。
PCT/JP2023/002824 2022-03-30 2023-01-30 電池分析システム、電池分析方法および電池分析プログラム WO2023188772A1 (ja)

Applications Claiming Priority (2)

Application Number Priority Date Filing Date Title
JP2022-056433 2022-03-30
JP2022056433 2022-03-30

Publications (1)

Publication Number Publication Date
WO2023188772A1 true WO2023188772A1 (ja) 2023-10-05

Family

ID=88200264

Family Applications (1)

Application Number Title Priority Date Filing Date
PCT/JP2023/002824 WO2023188772A1 (ja) 2022-03-30 2023-01-30 電池分析システム、電池分析方法および電池分析プログラム

Country Status (1)

Country Link
WO (1) WO2023188772A1 (ja)

Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2011514129A (ja) * 2008-02-22 2011-04-28 アクセス ビジネス グループ インターナショナル リミテッド ライアビリティ カンパニー バッテリ種別検出機能を有する誘導電源システム
JP2016176780A (ja) * 2015-03-19 2016-10-06 エスアイアイ・セミコンダクタ株式会社 電池残量予測装置及びバッテリパック
JP2021180158A (ja) * 2020-05-15 2021-11-18 横河電機株式会社 解析装置、解析システムおよび解析方法

Patent Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2011514129A (ja) * 2008-02-22 2011-04-28 アクセス ビジネス グループ インターナショナル リミテッド ライアビリティ カンパニー バッテリ種別検出機能を有する誘導電源システム
JP2016176780A (ja) * 2015-03-19 2016-10-06 エスアイアイ・セミコンダクタ株式会社 電池残量予測装置及びバッテリパック
JP2021180158A (ja) * 2020-05-15 2021-11-18 横河電機株式会社 解析装置、解析システムおよび解析方法

Similar Documents

Publication Publication Date Title
US20230065968A1 (en) Calculation system, battery characteristic estimation method, and battery characteristic estimation program
JP7407367B2 (ja) 管理システム、管理プログラム、及び電動車両
US20130002207A1 (en) Method for Calculating an Electric Current Provided by a Rechargeable Energy Storage System and Related Methods, Apparatuses, and Systems
CN114675202A (zh) 电池故障的诊断方法及装置
CN115267552A (zh) 车辆电池健康状态评估方法、装置、设备及存储介质
CN114080331A (zh) 管理装置以及电源系统
WO2023136202A1 (ja) 電池異常検出システム、電池異常検出方法、及び電池異常検出プログラム
WO2023188772A1 (ja) 電池分析システム、電池分析方法および電池分析プログラム
Gould et al. Novel battery model of an all-electric personal rapid transit vehicle to determine state-of-health through subspace parameter estimation and a Kalman Estimator
WO2022209343A1 (ja) 残量通知装置、残量通知方法、および残量通知プログラム
EP4191744A1 (en) Computing system, battery deterioration predicting method, and battery deterioration predicting program
US20230266399A1 (en) Battery management system, calculation system, battery degradation prediction method, and battery degradation prediction program
WO2023176102A1 (ja) 電池状態分析システム、電池状態分析方法、及び電池状態分析プログラム
WO2023145407A1 (ja) 電池異常検出システム、電池異常検出方法、及び電池異常検出プログラム
CN117751297A (zh) 用于确定运输工具蓄电器的工作能力的方法
WO2023120186A1 (ja) 電池状態分析システム、電池状態分析方法、および電池状態分析プログラム
EP4350941A1 (en) Battery abnormality prediction system, battery abnormality prediction method, and battery abnormality prediction program
CN115372848A (zh) 电池自放电性能的检测方法、装置、设备及介质
WO2023095674A1 (ja) 電池異常検知システム、電池異常検知方法、および電池異常検知プログラム
WO2022009696A1 (ja) 演算システム、電池の検査方法、及び電池の検査プログラム
Cheng Review of battery management systems for electric vehicles
WO2023162453A1 (ja) 電圧計測系診断システム、電圧計測系診断方法、および電圧計測系診断プログラム
WO2023026743A1 (ja) 劣化判定システム、劣化判定方法、および劣化判定プログラム
WO2023100582A1 (ja) 電池異常検出システム、電池異常検出方法、及び電池異常検出プログラム
CN116945969B (zh) 一种新能源公交车充电监测方法、装置、设备及存储介质

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: 23778809

Country of ref document: EP

Kind code of ref document: A1