JP2017026443A - 二次電池の充電状態推定装置 - Google Patents

Abstract

【課題】カルマンフィルタによる内部状態推定方式を採用し、フィルタの応答特性における遅延を低減して二次電池の充電状態を精度よく推定することのできる二次電池の充電状態推定装置を提供すること。【解決手段】電圧センサ３９ａと、電流センサ３９ｂと、バッテリ２９の等価回路モデルに応じた回路方程式に電圧センサの検出電圧および電流センサの検出電流を適用して当該バッテリの充電残量を推定するハイブリッドコントローラ３２と、を有する二次電池の充電状態推定装置であって、ハイブリッドコントローラは、電圧センサによって検出された検出電圧に、ガウス分布で変動する摂動電圧を加え、電流センサによって検出された電流に、正弦波形の摂動電流を加え、これら加算後の検出電圧と検出電流とをカルマンフィルタへ入力して等価回路モデルにおける起電力を推定し、当該起電力に基づいてバッテリの充電残量を推定する。【選択図】図１

Description

本発明は、連続的に使用される二次電池の充電状態を精度良く推定する充電状態推定装置に関する。

車両に搭載されているバッテリ（二次電池）は、例えば、内燃機関型のエンジンにおける点火に利用されるだけでなく、空調装置や車載機器の駆動、電気自動車やハイブリッド自動車に搭載されたモータへの電力供給、燃料電池車両の補助バッテリとして電気エネルギの蓄電及び放電などに利用されている。このバッテリは、走行中に回生エネルギを充電することにより繰り返し利用するようになっている。また、このバッテリは、安全かつ高効率に利用するために、充電残量（充電率：State Of Charge）を精度良く検知して把握することが必要である。

このバッテリの充電残量の検知には、例えば、所謂、（１）電流積算方式、（２）満充電初期化方式、（３）ＯＣＶ（Open Circuit Voltage）安定化方式、（４）内部状態推定方式などが挙げられる。

（１）電流積算方式は、バッテリに出入力される電流値を電流センサにより検出して積算することで、バッテリの充電残量を検知する。しかしながら、電流センサには検出誤差が存在すると共に検出回路にも規格値誤差が存在することから、図１２に示すように、計測時間が長時間になるほど、誤差が積算されてしまう。このため、電流積算方式は、長期間にわたるバッテリの高精度な充電残量の検知には不向きである。

（２）満充電初期化方式は、バッテリを満充電状態にするタイミングに正確に充電残量を検出して、電流積算方式により検知した充電残量をリセットすることにより、バッテリの充電残量の検知精度を維持する。しかしながら、例えば、ハイブリッド車のように満充電するタイミングがなく、継続してバッテリが利用される場合には、正確な充電残量にリセットすることができない。このため、満充電初期化方式は、長期間にわたって継続利用されるバッテリの高精度な充電残量の検知には不向きである。

（３）ＯＣＶ（Open Circuit Voltage）安定化方式は、バッテリの使用を一旦停止して出力端子間を開放状態にすることにより、電圧を安定化させた状態で、その出力端子間の電圧を測定する。そして、その測定電圧からバッテリの充電残量を検知する。しかしながら、走行途中や一時停止中に、電圧が安定するまでバッテリの出力端子間を開放状態にすることは難しい。このため、ＯＣＶ安定化方式は、使用中におけるバッテリの高精度な充電残量の検知には不向きである。

（４）内部状態推定方式は、バッテリの等価回路モデルにおける各種パラメータ（内部状態）をデジタルフィルタ等の処理に利用して推定する演算処理を実施することにより、最終的にバッテリの充電残量を評価する（特許文献１を参照）。例えば、当初の電流値と電圧値を計測し、カルマンフィルタなどの適応フィルタの計算を行う内部状態推定方式は、走行中に充放電が繰り返される状況でも、バッテリ内部の状態の１つである起電力（＝開放端子電圧；ＯＣＶ)を推定し、この起電力からバッテリの充電残量を精度よく推定することができる。

このことから、使用中に充放電が繰り返されるような状況でも、検出誤差の積み重ねなく、バッテリの充電残量を精度よく把握するには、内部状態推定方式が最適である。

特開２０１１−２１５１２５号公報

しかしながら、このような内部状態推定方式を採用する二次電池の充電状態推定装置にあっては、例えば、カルマンフィルタによる演算処理を実行する場合、バッテリの充電残量の推定精度を向上させ、フィルタの周波数応答性能を向上させることが難しい。このため、従来のカルマンフィルタによる内部状態推定方式では、所望の精度でバッテリの充電残量の推定結果を得ようとすると、フィルタの応答特性における遅延が発生し、必要なタイミングまでにバッテリの充電残量の情報を得ることができない。

また、このような従来のカルマンフィルタによる内部状態推定方式で、例えば、ハイブリッド車のように充放電が繰り返される状況の場合、図１３に示すように、バッテリの充電残量においては、積み重ねによる検出誤差の増大は発生し難いが、実際の充電残量に緩慢に追従する推定結果が得られる程度であり、応答性を向上させる必要がある。

さらに、このような従来のカルマンフィルタによる内部状態推定方式で、例えば、電気自動車の走行時のように放電が継続される状況の場合、図１４に示すように、バッテリの充電残量においては、放電に偏っていることから、フィルタの応答特性における遅延が発生し、また、推定誤差が増大していく傾向にある。この傾向は、バッテリの充電時も同じである。例えば、補助バッテリの回復処理のように充電が継続される状況の場合、充電に偏っていることから、バッテリの充電残量の推定処理において、フィルタの応答特性における遅延が発生し、また、推定誤差が増大していく傾向にある。

そこで、本発明は、カルマンフィルタによる内部状態推定方式を採用し、フィルタの応答特性における遅延を低減して二次電池の充電状態を精度よく推定することのできる二次電池の充電状態推定装置を提供することを目的としている。

上記課題を解決する二次電池の充電状態推定装置の発明の一態様は、二次電池の電圧を検出する電圧検出部と、前記二次電池の電流を検出する電流検出部と、前記二次電池の内部抵抗を含む等価回路モデルと前記電圧検出部による検出電圧および前記電流検出部による検出電流とに基づいて当該二次電池の充電状態を推定する演算部と、を有する二次電池の充電状態推定装置であって、前記演算部は、前記電圧検出部によって検出された検出電圧に、規則性なく正負に変動する電圧波形の摂動電圧を加え、前記電流検出部によって検出された電流に、単振動する電流波形の摂動電流を加え、前記摂動電圧が加えられた検出電圧と前記摂動電流が加えられた検出電流とをカルマンフィルタへ入力して前記等価回路モデルにおける起電力を推定し、当該起電力に基づいて前記二次電池の充電状態を推定するようになっている。

このように本発明の一態様によれば、カルマンフィルタによる内部状態推定方式を採用し、二次電池の等価回路モデルにおける検出電圧と検出電流からフィルタの応答特性における遅延を低減して、その二次電池の充電状態を精度よく推定することのできる二次電池の充電状態推定装置を提供することができる。

図１は、本発明の第１実施形態に係る二次電池の充電状態推定装置を搭載する車両の一例を示す図であり、その概略全体構成を示す概念ブロック図である。 図２は、エンジンと、２つのモータジェネレータと、駆動軸との関係を示す共線図である。 図３は、エンジンと２つのモータジェネレータとの回転関係を示す図であり、（ａ）はエンジンの停止時における共線図、（ｂ）は車両の停車時における共線図である。 図４は、エンジンと２つのモータジェネレータとの回転関係を示す図であり、（ａ）は、ＥＶモードでの走行時における共線図、（ｂ）はＨＥＶモードでの走行時における共線図である。 図５は、目標エンジンパワーと車速との関係から目標エンジン回転速度を算出するためのマップの一例である。 図６は、バッテリの等価回路モデルＭを示す回路図である。 図７は、カルマンフィルタに用いる電流波形を説明するグラフである。 図８は、カルマンフィルタに用いる電圧波形を説明するグラフである。 図９は、ＨＥＶモードで利用されるバッテリの充電残量の推定処理において、バッテリの等価回路モデルに対するカルマンフィルタへの入力信号の検出電流と検出電圧に摂動信号を付加する場合と付加しない場合との推定結果を、バッテリの充電残量の真値と比較するグラフである。 図１０は、ＥＶモードで利用されるバッテリの充電残量の推定処理において、バッテリの等価回路モデルに対するカルマンフィルタへの入力信号の検出電流と検出電圧に摂動信号を付加する場合と付加しない場合との推定結果を、バッテリの充電残量の真値と比較するグラフであり、（ａ）は摂動信号を付加する場合、（ｂ）は摂動信号を付加しない場合のグラフである。 図１１は、他の実施形態を説明する図であり、自動二輪に搭載されるバッテリの充電残量の推定処理において、バッテリの等価回路モデルに対するカルマンフィルタへの入力信号の検出電流と検出電圧に摂動信号を付加してバッテリの充電残量を推定する場合と、電流積算方式によりバッテリの充電残量を推定する場合との推定結果を、バッテリの充電残量の真値と比較するグラフである。 図１２は、ハイブリッド車に搭載されるバッテリの充電残量の推定処理において、電流積算方式によりバッテリの充電残量を推定する場合の推定結果を、バッテリの充電残量の真値と比較するグラフである。 図１３は、ハイブリッド車に搭載されるバッテリの充電残量の推定処理において、バッテリの等価回路モデルに対するカルマンフィルタへの入力信号として単なる検出電流と検出電圧とを用いてバッテリの充電残量を推定する場合の推定結果を、バッテリの充電残量の真値と比較するグラフである。 図１４は、電気自動車に搭載されるバッテリの充電残量の推定処理において、バッテリの等価回路モデルに対するカルマンフィルタへの入力信号として単なる検出電流と検出電圧とを用いてバッテリの充電残量を推定する場合の推定結果を、バッテリの充電残量の真値と比較するグラフである。

以下、図面を参照して、本発明の実施形態について詳細に説明する。図１〜図１０は本発明の第１実施形態に係る二次電池の充電状態推定装置を搭載するハイブリッド車両の一例を説明する図である。

（第１実施形態）
図１において、車両１００は、駆動源として、内燃機関型のエンジン１１と、電動機として回転駆動して駆動力を出力する第１モータジェネレータ（ＭＧ１）２１および第２モータジェネレータ（ＭＧ２）２２と、を搭載している。この車両１００は、エンジン１１や第１、第２モータジェネレータ２１、２２の出力する駆動力が動力伝達機構１２により合成された後に変速機１６を介して駆動軸１７に伝達（出力）され、その駆動軸１７が所望の駆動トルクを負荷されつつ回転することによって両端側に固定されている駆動輪１８が回転されて走行する。ここで、第１、第２モータジェネレータ２１、２２は、エンジン１１や駆動輪１８により回転動作される際に駆動軸１７に回生トルクを負荷しつつ回転することによって発電機として機能する。

動力伝達機構１２は、第１遊星歯車機構１３と第２遊星歯車機構１４とを備えて、エンジン１１の出力軸（回転軸）１１ａと変速機１６の入力軸１６ａとの間に介在するようにそれぞれ連結されている。この動力伝達機構１２は、第１遊星歯車機構１３に第１モータジェネレータ２１のロータ軸（回転軸）２１ａが連結されており、第２遊星歯車機構１４に第２モータジェネレータ２２のロータ軸（回転軸）２２ａが連結されている。すなわち、車両１００は、エンジン１１や第１、第２モータジェネレータ２１、２２と、駆動軸１７と、の間でやり取りする動力を伝達する、４軸の動力伝達機構１２を搭載している。

エンジン１１は、ＣＰＵ（Central Processing Unit）や各種メモリなどにより構成されるエンジンコントローラ（ＥＣＵ：Engine Control Unit）３１が接続されている。エンジンコントローラ３１は、メモリ内に格納されている制御プログラムに従ってエンジン１１（出力軸１１ａ）の回転駆動を制御する。

エンジンコントローラ３１は、後述のハイブリッドコントローラ（ＨＣＵ：Hybrid Control Unit）３２から受け取るトルク指令値に従って、不図示のインジェクタやスロットルバルブなどを制御することにより、エンジン１１の気筒１１ｃ内への燃料噴射量や吸入空気量を調整してエンジン１１の出力軸１１ａを回転させる出力トルクを制御するようになっている。

第１、第２モータジェネレータ２１、２２は、インバータ２５を介してバッテリ２９に接続されている。これら第１、第２モータジェネレータ２１、２２は、バッテリ２９内の直流電力がインバータ２５により交流電力に変換されて供給されることにより、ロータ軸２１ａ、２２ａを回転させる電動機として機能する。また、第１、第２モータジェネレータ２１、２２のロータ軸２１ａ、２２ａが回転されて発電機として機能する際に発電した交流電力は、インバータ２５により直流電力に変換されてバッテリ２９に入力されて充電される。

インバータ２５は、ＣＰＵや各種メモリなどにより構成されるモータコントローラ（ＭＣＵ：Motor Control Unit）２６と、第１モータジェネレータ２１に接続する第１インバータ（ＩＮＶ１）２７と、第２モータジェネレータ２２に接続する第２インバータ（ＩＮＶ２）２８と、を備えている。第１、第２インバータ２７、２８は、第１、第２モータジェネレータ２１、２２とバッテリ２９との間で通電する電力の直流／交流変換をする。モータコントローラ２６は、メモリ内に格納されている制御プログラムに従って、第１、第２インバータ２７、２８を制御することにより第１、第２モータジェネレータ２１、２２の駆動を制御する。

モータコントローラ２６は、後述のハイブリッドコントローラ３２から受け取るトルク指令値に従って、バッテリ２９から第１、第２インバータ２７、２８を介して第１、第２モータジェネレータ２１、２２に供給する駆動電力を調整することにより、駆動軸１７に負荷する駆動トルクを制御する。また、モータコントローラ２６は、ハイブリッドコントローラ３２から受け取るトルク指令値に従って、第１、第２モータジェネレータ２１、２２が駆動軸１７に負荷する回生トルクを第１、第２インバータ２７、２８を介して制御することにより、バッテリ２９に充電する発電電力を調整する。

エンジンコントローラ３１やモータコントローラ２６は、ＣＰＵや各種メモリなどにより構成されるハイブリッドコントローラ３２に各種情報をやり取り可能に接続されている。このハイブリッドコントローラ３２は、メモリ内に格納されている制御プログラムに従ってエンジンコントローラ３１やモータコントローラ２６を含む車両１００全体を統括制御するようになっている。

ハイブリッドコントローラ３２は、アクセル開度センサ３５、車速センサ３６、回転速度センサ（群）３７およびバッテリ残量センサ３９を含む各種センサが接続されており、検出されるセンサ情報に基づいて各種制御処理を実行することによって、車両１００の効率の良い走行などを実現するようになっている。

例えば、ハイブリッドコントローラ３２は、アクセル開度センサ３５が検出するドライバによる図示しないアクセルペダルの踏み込み量や、車速センサ３６が検出する車両１００の車速（駆動軸１７の回転速度）などに基づいて車両１００の加速走行制御あるいは定速走行制御などを実行する。また、ハイブリッドコントローラ３２は、回転速度センサ３７が検出するエンジン１１や第１、第２モータジェネレータ２１、２２の回転速度に基づいて車両１００の効率のよい走行制御を実現する。また、ハイブリッドコントローラ３２は、バッテリ残量センサ３９の電圧センサ（電圧検出部）３９ａが検出するバッテリ２９の接続端子２９ａ、２９ｂ（図６を参照）間の検出電圧や電流センサ（電流検出部）３９ｂが検出するバッテリ２９の接続端子２９ａ、２９ｂ間に入出力される検出電流に基づいて充電残量を推定し、その充電残量に応じて駆動輪１８の回転（回生トルク）やエンジン１１の駆動により第１、第２モータジェネレータ２１、２２を発電機として機能させる充電制御を実行する。

このハイブリッドコントローラ３２は、図２に示す共線図に基づいて、エンジン１１、第１、第２モータジェネレータ２１、２２（ＭＧ１、ＭＧ２）の回転速度のバランスを保ちながら、目標駆動トルクを駆動軸１７に負荷する各種制御処理を実行する。なお、図２の共線図においては、ＭＧ１回転速度、エンジン回転速度、駆動軸回転速度およびＭＧ２回転速度のうち、２つの回転速度が決まれば、他の１つの回転速度が決まる関係にあり、第１モータジェネレータ２１、エンジン１１、駆動軸１７、第２モータジェネレータ２２の４軸のうち２軸の回転速度を調整することで、他の２軸の回転速度を制御することができる。

ここで、図２の共線図において、各縦軸は、図中、左から第１モータジェネレータ２１（ＭＧ１）のロータ軸２１ａの回転速度、エンジン１１（Ｅ／Ｇ）の出力軸１１ａの回転速度すなわちエンジン回転速度、駆動軸１７（ＯＵＴ）の回転速度、および第２モータジェネレータ２２（ＭＧ２）のロータ軸２２ａの回転速度をそれぞれ表している。なお、共線図上では、第１、第２モータジェネレータ２１、２２と駆動軸１７の回転速度は、エンジン１１の回転方向と同じ向きの回転を正としている。

また、図２の共線図において、横軸における各縦軸間の距離比は、第１、第２遊星歯車機構１３、１４の各ギヤの歯数の比により定まる。図２におけるｋ１、ｋ２は、共線図のレバー比であり、ｋ１は、第１遊星歯車機構１３内で動力を受け渡すギヤの歯数比で、ｋ２は、第２遊星歯車機構１４内で動力を受け渡すギヤの歯数比である。

ところで、車両１００の停車状態における共線図としては、図３（ａ）に示す停止状態からエンジン１１を始動させると、図３（ｂ）に示すように、駆動軸１７を回転させることなく（走行を停止する状態のまま）、エンジン１１と第１、第２モータジェネレータ２１、２２が回転を開始する。

また、車両１００の走行状態における共線図として、第１、第２モータジェネレータ２１、２２のみで走行するＥＶ（Electric Vehicle）モードの場合には、図４（ａ）に示すように、エンジン１１を回転させることなく、駆動軸１７を回転させる。また、エンジン１１と第１、第２モータジェネレータ２１、２２とで走行するＨＥＶ（Hybrid Electric Vehicle）モードの場合には、図４（ｂ）に示すように、それぞれの駆動トルクを負荷して駆動軸１７を回転させる状態に変移する。

そして、ハイブリッドコントローラ３２は、走行を開始する際、制御プログラムに従って、予めメモリ内に格納されている図５に示すようなマップを参照することによりエンジン１１を効率よく駆動させるようになっており、所望のエンジントルクを得るために必要なエンジン回転速度（回転数）を導出し、燃料噴射や吸気等の制御処理を実行する。例えば、図５のマップに示すように、ハイブリッドコントローラ３２は、アクセル開度センサ３５からドライバによるアクセルペダルの踏込量を受け取って目標エンジンパワー（等パワーライン）を決定し、車速センサ３６から受け取る車両１００の走行速度に対応する目標動作ラインとの交点に位置するエンジン回転速度とエンジントルクに応じた燃料噴射や吸気等の駆動制御処理を実行する。

このハイブリッドコントローラ３２は、エンジン１１のエンジントルクやエンジン回転速度に応じた駆動条件が等効率ラインにおいて低効率領域に位置する場合などに、インバータ２５（モータコントローラ２６）と連携して第１、第２モータジェネレータ２１、２２を駆動させるなどの制御処理を実行することによりＨＥＶモードまたはＥＶモードによる高効率運転を実現するようになっている。

このとき、ハイブリッドコントローラ３２は、バッテリ２９の充電残量を高精度に検知して第１、第２モータジェネレータ２１、２２を電動機あるいは発電機として適宜機能させるようになっている。このハイブリッドコントローラ３２は、バッテリ残量センサ３９が検出するバッテリ２９の充電残量に応じた接続端子２９ａ、２９ｂ間の検出電圧や検出電流に基づいて、バッテリ２９の図６に示す等価回路モデルＭに対するカルマンフィルタによる内部状態推定方式のデジタルフィルタ演算処理を実行し、バッテリ２９の充電残量を高精度に算出して推定するようになっている。すなわち、ハイブリッドコントローラ３２が演算部を構成している。

バッテリ２９は、例えば、図６に示すように、電荷の移動に伴う反応抵抗成分Ｒａを備える電源要素の起電力成分Ｖ_０と、電気２重層のコンデンサＣとを並列接続する回路に、電解液抵抗成分やオーム抵抗成分等を含む直流抵抗成分Ｒｓを直列接続する、等価回路モデルＭとすることができる。

ハイブリッドコントローラ３２は、バッテリ２９の充電残量を利用する制御処理を実行する際、バッテリ２９の図６に示す等価回路モデルＭに対するカルマンフィルタによる演算処理において、そのバッテリ２９の接続端子２９ａ、２９ｂ間の検出電圧や検出電流に、摂動電圧や摂動電流をそれぞれ付加するようになっている。

このハイブリッドコントローラ３２は、カルマンフィルタの演算処理に使用する摂動電圧として、規則性なく正負に変動する電圧波形、例えば、ガウス分布ノイズから乱数に従って選択する変動電圧をバッテリ残量センサ３９（電圧センサ３９ａ）による検出電圧に加えてカルマンフィルタによる演算処理を実行する。また、摂動電流としては、単振動する電流波形、例えば、所定の振幅および周波数の正弦波形（余弦波形でも良い）の変動電流をバッテリ残量センサ３９（電流センサ３９ｂ）による検出電流に加えてカルマンフィルタによる演算処理を実行する。

このカルマンフィルタの演算処理では、使用する検出電圧や検出電流に、短時間に振動する摂動電圧や摂動電流をそれぞれ付加することにより、十分な情報を短期間に収集して、バッテリの充電残量などの充電状態を遅延なく精度よく推定することができる。

ところで、バッテリ２９の図６に示す等価回路モデルＭは、電気２重層のコンデンサＣ、電荷移動の反応抵抗成分Ｒａ、電源要素の起電力成分Ｖ_０、電解液などの直流抵抗成分Ｒｓと共に、バッテリ２９の接続端子２９ａ、２９ｂ間の起電力（検出電圧）Ｅと検出電流Ｉを用いて、次式のような回路方程式（１）で表すことができる。
Ｅ＋Ｒ_ａ×Ｃ×（ｄＥ／ｄｔ）
＝（Ｒ_ａ＋Ｒ_ｓ）×Ｉ＋Ｒ_ａ×Ｒ_ｓ×Ｃ×（ｄＩ／ｄｔ）−Ｖ_０ ・・・（１）

この回路方程式（１）を見ると、電流の１階微分の項に付加されている係数は２つの抵抗Ｒａ、ＲｓとコンデンサＣの積であることから、係数値の絶対レベルは小さく、通常、単セル電池の内部抵抗としては数ｍΩ〜数十ｍΩのレベル程度である。このため、回路方程式（１）の検出電流Ｉや起電力Ｅに摂動電圧や摂動電流を付加した際の影響は、電流より電圧の方が敏感に反応することになる。すなわち、入力信号（検出電圧や検出電圧）に摂動信号を加えると推定遅延が解消するという効果は、カルマンフィルタと組み合わせるシステムモデルに依存している。

このことから、本実施形態の図６に示すバッテリ２９の等価回路モデルＭを表す回路方程式（１）においては、バッテリ２９の起電力（検出電圧）Ｅにガウス分布ノイズの摂動電圧を加え、バッテリ２９の検出電流Ｉに正弦波形の摂動電流を加えるのが最も効果的である。

よって、ハイブリッドコントローラ３２は、メモリ内に予め格納されている回路方程式（１）に対応するカルマンフィルタによる演算処理によって、バッテリ２９の接続端子２９ａ、２９ｂ間の起電力Ｅを精度よく推定することができる。そして、上述したＯＣＶ安定化方式と同様に、予めメモリ内に格納しているバッテリ２９の充電残量と接続端子２９ａ、２９ｂ間の端子間電圧との関係（マップや関係方程式）からその推定起電力Ｅに対応する充電残量を高精度に取得することができる。

なお、回路方程式（１）において、起電力Ｅへの摂動電圧の付加なしや正弦波形の摂動電圧の付加と、検出電流Ｉへの摂動電流の付加なしやガウス分布ノイズの摂動電流の付加とをそれぞれ組み合わせる場合と比較しても、本実施形態の組み合わせが最も効果的である。また、バッテリ２９の等価回路モデルＭのパラメータとして時定数（応答が安定するまでの時間）が長い成分と短い成分とを組み合わせる場合、バッテリ２９の充電残量の推定精度を向上させることには有効であるが、フィルタの応答特性における遅延を解消することはできず、また、ノイズが増えてしまう場合もある。そのため、本実施形態のように摂動信号を付加するのが有効である。

具体的に、ハイブリッドコントローラ３２は、例えば、バッテリ２９の接続端子２９ａ、２９ｂ間における入出力電流波形が±１０Ａの振幅で２０秒周期に繰り返される場合、予めメモリ内に格納されている、下記の信号波形式（２）で表される摂動電圧Ｐｅ（ｔ）をバッテリ２９の起電力Ｅに付加し、また、下記の信号波形式（３）で表される摂動電流Ｐｉ（ｔ）をバッテリ２９の検出電流Ｉに付加して、回路方程式（１）に対するカルマンフィルタの演算処理を開始してから経過時間ｔの０．２秒周期で実行する。
Ｐ_ｅ（ｔ）
＝σ×（−２ｌｎ（Ｒ_ＮＤ））^１／２×ｓｉｎ（２π×Ｒ_ＮＤ） ・・・（２）
ガウス分布幅σ＝３〜１５ｍＶ、Ｒ_ＮＤ：０〜１の乱数
Ｐ_ｉ（ｔ）＝ｄ×ｓｉｎ（（２π／Ｔ）×ｔ） ・・・（３）
正弦波振幅ｄ＝１〜２０Ａ、正弦波周期Ｔ＝０．８秒〜１０秒

例えば、この回路方程式（１）に対するカルマンフィルタの演算処理は、ハイブリッドコントローラ３２が実行するメモリ内の制御プログラムに組み込んでソフトウェアによる制御処理によって実行する。なお、このカルマンフィルタの演算処理は、検出電圧（起電力）Ｅや検出電流Ｉに摂動電圧Ｐｅ（ｔ）や摂動電流Ｐｉ（ｔ）が重畳される回路をバッテリ２９の接続端子２９ａ、２９ｂに接続することにより、ハードウェアによる制御処理によって実行するようにしてもよい。本実施形態のように、ソフトウェア的にガウス分布の摂動電圧Ｐｅ（ｔ）を重畳する方法としては、所謂、ボックスミュラー法が一般的であり、そのプログラムの構築も簡単である。既に検出電圧Ｅにガウス分布とみることのできるノイズが含まれている場合にはさらに摂動電圧Ｐｅ（ｔ）を入力する必要はない。

このとき、バッテリ２９の等価回路モデルＭに対応する回路方程式（１）のパラメータである検出電流Ｉに摂動電流Ｐｉ（ｔ）が重畳されると、図７に示すように、短周期の摂動電流Ｐｉ（ｔ）の中心が長周期の検出電流Ｉに一致して重畳されている合成電流波形となる。また、回路方程式（１）のパラメータである検出電圧Ｅに摂動電圧Ｐｅ（ｔ）が重畳されると、図８に示すように、不規則なノイズである摂動電圧Ｐｅ（ｔ）が検出電圧Ｅに重畳されている合成電圧波形となる。この検出電流Ｉには、バッテリ２９に出入力されている電流波形に相応するレベルの正弦波である摂動電流Ｐｉ（ｔ）が重畳されているのに対して、検出電圧Ｅには、ノイズレベルの不規則な摂動電圧Ｐｅ（ｔ）が重畳されている。

このように、バッテリ２９の等価回路モデルＭに対応する回路方程式（１）の検出電流Ｉや検出電圧Ｅに摂動電流Ｐｉ（ｔ）や摂動電流Ｐｉ（ｔ）を重畳するカルマンフィルタの演算処理の実行により、バッテリ２９の充電残量の推定精度が向上されている。

例えば、ハイブリッド車の走行時のように充放電が繰り返される状況の場合、図９に示すように、実線で図示するバッテリ２９の実際の充電残量（充電率：ＳＯＣ％）Ｒｅ０に対して、単にカルマンフィルタの演算処理を実行するだけの推定値Ｒｅ２では、一点鎖線で図示するように、時間経過するほど遅延量が増大しているとともに、推定誤差の積み重ねが大きくなっている。

これに対して、本実施形態によるによる推定値Ｒｅ１は、点線で図示するように、回路方程式（１）のパラメータの検出電流Ｉや検出電圧Ｅに摂動電流Ｐｉ（ｔ）や摂動電圧Ｐｅ（ｔ）が重畳されることにより、実際の充電残量Ｒｓ０に重なって推定精度が格段に向上されていることが分かる。なお、推定開始当初の範囲内では、カルマンフィルタの収束が不十分であるために発生するバラツキがあることから、この初期範囲では、後述の第２実施形態で説明するように、電流積算方式によりバッテリ２９の充電残量を推定しても良い。

また、例えば、電気自動車の走行時のように放電が継続される状況の場合、図１０（ｂ）に示すように、実線で図示するバッテリ２９の実際の充電残量（充電率：ＳＯＣ％）Ｒｅ０に対して、単にカルマンフィルタの演算処理を実行するだけの推定値Ｒｅ２では、一点鎖線で図示するように、遅延しているとともに、推定誤差が繰り返されている。

これに対して、本実施形態による推定値Ｒｅ１は、図１０（ａ）に点線で図示するように、回路方程式（１）のパラメータの検出電流Ｉや検出電圧Ｅに摂動電流Ｐｉ（ｔ）や摂動電圧Ｐｅ（ｔ）が重畳されることにより、実際の充電残量Ｒｓ０に重なって推定精度が格段に向上されていることが分かる。なお、図１０は、図１４に図示するバッテリ２９の充電残量の減少傾向を図示するグラフの一部の範囲を拡大したものである。

さらに、バッテリ２９の等価回路モデルＭに対応する回路方程式（１）の検出電流Ｉや検出電圧Ｅに摂動電流Ｐｉ（ｔ）や摂動電流Ｐｉ（ｔ）を重畳することにより、推定精度を向上させる場合のカルマンフィルタの演算処理負担が計算量の抑制により軽減されている。

詳細には、二次電池の充電残量の推定精度を向上させるには、例えば、バッテリ２９の等価回路モデルＭにコンデンサ成分や抵抗成分を追加してＣＲの段数（次数）を増やすことにより、そのモデル精度を高くすることが考えられる。しかしながら、このようなモデル精度の次数を増やすと未知のパラメータが増加してしまい、本実施形態のように電流と電圧の他のパラメータを検出していない場合には、電圧や電流の変化速度（１階微分）や変化加速度（２階微分）を採用することになって、入力精度が悪化してしまう。これに対して、本実施形態では、パラメータの検出電流Ｉや検出電圧Ｅに摂動電流や摂動電圧を重畳するだけで、推定処理の精度を向上させるとともに、遅延なく迅速に完了することができる。

このように、本実施形態のハイブリッドコントローラ３２は、バッテリ２９の図６に示す等価回路モデルＭに対応する回路方程式（１）のパラメータの検出電圧Ｅや検出電流Ｉに、ガウス分布ノイズの摂動電圧や正弦波形の摂動電流をそれぞれ付加してカルマンフィルタによる演算処理を実行することにより、バッテリ２９の起電力Ｅを推定し充電残量を取得する。

このため、バッテリ２９がハイブリッド車に搭載されて充放電が繰り返される場合や、電気自動車に搭載されて放電が継続される場合などでも、その充放電パターンに応じた変動周期に依存することなく、カルマンフィルタの演算処理で使用するパラメータに摂動電圧や摂動電流を付加するだけで、フィルタの応答特性における遅延を低減し、かつ、バッテリ２９の接続端子２９ａ、２９ｂ間の起電力Ｅを高精度に推定することができる。そして、その起電力Ｅから対応する充電残量（充電状態）を精度よく取得することができる。

また、本実施形態の他の態様としては、本実施形態ではハイブリッド車や電気自動車に搭載するバッテリ２９の充電残量の推定処理に適用する場合を一例に説明するが、これに限るものではない。

例えば、自動二輪に搭載されているリチウムイオンバッテリの充電残量の推定処理にも採用することができ、フィルタの応答特性における遅延を低減して、カルマンフィルタの演算処理により充電残量を高精度に推定することができる。この自動二輪をＷＭＴＣモードで走行させる場合、図１１に示すように、実線で図示するバッテリの実際の充電残量（充電率：ＳＯＣ％）Ｒｅ０に対して、電流センサによる検出電流値を積算する電流積算方式の場合の実測値Ｒｅ４では、一点鎖線で図示するように、センサの検出誤差や検出回路の規格値誤差の分だけ乖離する結果となっている。これに対して、この他の形態による推定値Ｒｅ１は、図中に点線で図示するように、実際の充電残量Ｒｓ０に大きくても０．５％以内の誤差範囲に収めることができ、推定精度が格段に向上していることが分かる。ここで、ＷＭＴＣモードは、発進・加速・停止などの多種の走行パターンを含めて、定値燃費値よりも実際の走行時に近い値とするテストモードである。

（第２実施形態）
次に、本発明の第２実施形態に係る二次電池の充電状態推定装置を搭載するハイブリッド車両の一例を第１実施形態の説明で使用した図面を流用して説明する。

図１において、車両１００のハイブリッドコントローラ３２は、バッテリ２９の充電残量の推定処理を開始する当初、例えば、推定処理開始からの経過時間ｔが１００秒程度までの場合には、バッテリ残量センサ３９の電流センサ３９ｂが検出するバッテリ２９への入出力電流値を積算する電流積算方式による実測値を採用する。このハイブリッドコントローラ３２は、カルマンフィルタによる演算処理で十分な推定精度が得られる程度に収束した後に、上述実施形態で説明する推定処理を実行するようになっている。なお、カルマンフィルタの演算処理の収束とは、演算処理に使用するパラメータが初期値から逐次変動してバッテリ２９の等価回路モデルＭに適合する値に変化して安定することをいい、その収束までにはある程度の時間が必要になる。

具体的には、ハイブリッドコントローラ３２は、バッテリ２９の等価回路モデルＭに対応する回路方程式（１）の検出電流Ｉや検出電圧Ｅに摂動電流Ｐｉ（ｔ）や摂動電流Ｐｉ（ｔ）を付加するカルマンフィルタの演算処理により得られる、バッテリ２９の充電残量の推定値Ｒｅ１と、バッテリ残量センサ３９の電流センサ３９ｂによる実測値の積算検出電流値Ｒｅ４と、重み付け係数ｍとを用いる次式（４）を使用して、バッテリ２９の充電残量（ＳＯＣ）を算出するようになっている。
ＳＯＣ＝Ｒｅ１×（ｍ）＋Ｒｅ４×（１−ｍ） ・・・（４）
ｔ＜１００秒：ｍ＝０
１００秒≦ｔ≦１５０秒：ｍ＝（ｔ−１００）／（１５０−１００）
１５０秒＜ｔ ：ｍ＝１

ここで、本実施形態では、バッテリ２９の充電残量の推定処理の開始からの経過時間ｔが１００秒程度までにカルマンフィルタによる演算処理が収束する場合を一例として説明するが、これに限る訳ではなく、例えば、その収束に掛かる経過時間ｔを２００秒に設定しても良い。

このように、本実施形態のハイブリッドコントローラ３２は、カルマンフィルタの演算処理では所望の推定精度が得られない制御処理の開始当初には、バッテリ残量センサ３９の電流センサ３９ｂが検出するバッテリ２９で出入力される電流値を積算してバッテリ２９の充電残量とすることができ、その推定精度が十分得られるタイミングが経過した後に、高精度な推定結果をバッテリ２９の充電残量とすることができる。

本発明の実施形態を開示したが、当業者によっては本発明の範囲を逸脱することなく変更が加えられうることは明白である。すべてのこのような修正及び等価物が次の請求項に含まれることが意図されている。

１１ エンジン
１２ 動力伝達機構
１６ 変速機
１７ 駆動軸
２１ 第１モータジェネレータ
２２ 第２モータジェネレータ
２６ モータコントローラ
２７ 第１インバータ
２８ 第２インバータ
２９ バッテリ
３１ エンジンコントローラ
３２ ハイブリッドコントローラ（演算部）
３９ バッテリ残量センサ
３９ａ 電圧センサ
３９ｂ 電流センサ
１００ 車両

Claims (3)

1. 二次電池の電圧を検出する電圧検出部と、
   前記二次電池の電流を検出する電流検出部と、
   前記二次電池の内部抵抗を含む等価回路モデルと前記電圧検出部によって検出された検出電圧および前記電流検出部によって検出された検出電流とに基づいて当該二次電池の充電状態を推定する演算部と、を有する二次電池の充電状態推定装置であって、
   前記演算部は、
   前記電圧検出部によって検出された検出電圧に、規則性なく正負に変動する電圧波形の摂動電圧を加え、
   前記電流検出部によって検出された検出電流に、単振動する電流波形の摂動電流を加え、
   前記摂動電圧が加えられた検出電圧と前記摂動電流が加えられた検出電流とをカルマンフィルタへ入力して前記等価回路モデルにおける起電力を推定し、当該起電力に基づいて前記二次電池の充電状態を推定する、二次電池の充電状態推定装置。
2. 前記摂動電圧は、ガウス分布ノイズとし、
   前記摂動電流は、所定の振幅および周波数の正弦波である、請求項１に記載の二次電池の充電状態推定装置。
3. 前記演算部は、
   前記二次電池の充電状態の推定処理の開始当初には、電流積算方式により該二次電池の充電状態を推定し、
   当該二次電池の充電状態の推定処理開始から予め設定されているタイミングの経過後に、前記カルマンフィルタによる前記二次電池の充電状態の推定処理を実行する、請求項１または請求項２に記載の二次電池の充電状態推定装置。

Images