JP2022018264A - 情報処理方法及び情報処理装置 - Google Patents

情報処理方法及び情報処理装置 Download PDF

Info

Publication number
JP2022018264A
JP2022018264A JP2020121251A JP2020121251A JP2022018264A JP 2022018264 A JP2022018264 A JP 2022018264A JP 2020121251 A JP2020121251 A JP 2020121251A JP 2020121251 A JP2020121251 A JP 2020121251A JP 2022018264 A JP2022018264 A JP 2022018264A
Authority
JP
Japan
Prior art keywords
deterioration
degree
calculation model
calculated
characteristic calculation
Prior art date
Legal status (The legal status 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 status listed.)
Pending
Application number
JP2020121251A
Other languages
English (en)
Inventor
孝章 福西
Takaaki Fukunishi
亮佑 南雲
Ryosuke NAGUMO
隆司 阪田
Ryuji Sakata
崇 飯田
Takashi Iida
長輝 楊
Nagateru Yo
友和 佐田
Tomokazu Sada
昂 松田
Akira Matsuda
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Panasonic Intellectual Property Management Co Ltd
Original Assignee
Panasonic Intellectual Property Management Co Ltd
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 Panasonic Intellectual Property Management Co Ltd filed Critical Panasonic Intellectual Property Management Co Ltd
Priority to JP2020121251A priority Critical patent/JP2022018264A/ja
Priority to CN202180047756.XA priority patent/CN115769092A/zh
Priority to PCT/JP2021/019025 priority patent/WO2022014151A1/ja
Publication of JP2022018264A publication Critical patent/JP2022018264A/ja
Priority to US18/089,091 priority patent/US20230134590A1/en
Pending legal-status Critical Current

Links

Images

Classifications

    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01R—MEASURING ELECTRIC VARIABLES; MEASURING MAGNETIC VARIABLES
    • G01R31/00—Arrangements for testing electric properties; Arrangements for locating electric faults; Arrangements for electrical testing characterised by what is being tested not provided for elsewhere
    • G01R31/36—Arrangements for testing, measuring or monitoring the electrical condition of accumulators or electric batteries, e.g. capacity or state of charge [SoC]
    • G01R31/367—Software therefor, e.g. for battery testing using modelling or look-up tables
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01R—MEASURING ELECTRIC VARIABLES; MEASURING MAGNETIC VARIABLES
    • G01R31/00—Arrangements for testing electric properties; Arrangements for locating electric faults; Arrangements for electrical testing characterised by what is being tested not provided for elsewhere
    • G01R31/36—Arrangements for testing, measuring or monitoring the electrical condition of accumulators or electric batteries, e.g. capacity or state of charge [SoC]
    • G01R31/392—Determining battery ageing or deterioration, e.g. state of health
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01R—MEASURING ELECTRIC VARIABLES; MEASURING MAGNETIC VARIABLES
    • G01R31/00—Arrangements for testing electric properties; Arrangements for locating electric faults; Arrangements for electrical testing characterised by what is being tested not provided for elsewhere
    • G01R31/36—Arrangements for testing, measuring or monitoring the electrical condition of accumulators or electric batteries, e.g. capacity or state of charge [SoC]
    • G01R31/396—Acquisition or processing of data for testing or for monitoring individual cells or groups of cells within a battery
    • 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
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01R—MEASURING ELECTRIC VARIABLES; MEASURING MAGNETIC VARIABLES
    • G01R31/00—Arrangements for testing electric properties; Arrangements for locating electric faults; Arrangements for electrical testing characterised by what is being tested not provided for elsewhere
    • G01R31/36—Arrangements for testing, measuring or monitoring the electrical condition of accumulators or electric batteries, e.g. capacity or state of charge [SoC]
    • G01R31/382—Arrangements for monitoring battery or accumulator variables, e.g. SoC
    • Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02E—REDUCTION OF GREENHOUSE GAS [GHG] EMISSIONS, RELATED TO ENERGY GENERATION, TRANSMISSION OR DISTRIBUTION
    • Y02E60/00—Enabling technologies; Technologies with a potential or indirect contribution to GHG emissions mitigation
    • Y02E60/10—Energy storage using batteries

Landscapes

  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Engineering & Computer Science (AREA)
  • Electrochemistry (AREA)
  • Chemical & Material Sciences (AREA)
  • Chemical Kinetics & Catalysis (AREA)
  • Manufacturing & Machinery (AREA)
  • General Chemical & Material Sciences (AREA)
  • Power Engineering (AREA)
  • Secondary Cells (AREA)
  • Tests Of Electric Status Of Batteries (AREA)
  • Charge And Discharge Circuits For Batteries Or The Like (AREA)
  • Electric Propulsion And Braking For Vehicles (AREA)

Abstract

【課題】電池の試験期間を短縮しつつ、劣化特性を算出することができる技術を提供する。【解決手段】サーバ２は、試験に基づく蓄電池１３の少なくとも１つの劣化特性算出モデルを取得し、試験後の蓄電池１３の稼動データを取得し、稼動データにおける蓄電池１３の劣化度を取得し、少なくとも１つの劣化特性算出モデルに、稼動データを入力して、少なくとも１つの劣化係数を算出し、蓄電池１３の劣化度を算出するための劣化度算出モデルに、稼動データを入力して、算出した少なくとも１つの劣化係数を用いて、劣化度を算出し、算出した劣化度が、取得した劣化度に近付くように少なくとも１つの劣化特性算出モデルを調整し、調整した少なくとも１つの劣化特性算出モデルを用いて少なくとも１つの劣化特性を算出し、算出した少なくとも１つの劣化特性を出力する。【選択図】図３

Description

本開示は、電池の劣化特性の推定技術に関するものである。
近年、電池の劣化度を推定する技術が研究開発されている。劣化度の推定には、電池の劣化特性を用いることが知られている。しかし、電池の劣化特性を作成するには、長期間の試験を要する。
これに対し、例えば、特許文献１に示す電池の劣化診断方法は、電池の状態を収集し、電池の状態から電池の劣化によって変化する特性を測定し、特性と電池の状態との関係を示すモデルを作成し、モデルに基づいて計算される特性に関する推定値に基づいて電池の劣化を診断している。このように、特許文献１では、劣化特性なしで電池の劣化度を推定することを試みている。
特開２０１８－１６９１６１号公報
しかしながら、上記従来の技術では、劣化特性を算出しないため、劣化特性を用いた処理を行うことができない。他方で、劣化特性を得るためには長期間の試験を要する。
本開示は、上記の問題を解決するためになされたもので、電池の試験期間を短縮しつつ、劣化特性を算出することができる技術を提供することを目的とするものである。
本開示の一態様に係る情報処理方法は、コンピュータにより実行される情報処理方法であって、試験に基づく電池の少なくとも１つの劣化特性算出モデルを取得し、前記試験後の前記電池の稼動データを取得し、前記稼動データにおける前記電池の劣化度を取得し、前記少なくとも１つの劣化特性算出モデルに、前記稼動データを入力して、少なくとも１つの劣化係数を算出し、前記電池の劣化度を算出するための劣化度算出モデルに、前記稼動データを入力して、算出した前記少なくとも１つの劣化係数を用いて、劣化度を算出し、算出した劣化度が、取得した劣化度に近付くように前記少なくとも１つの劣化特性算出モデルを調整し、調整した前記少なくとも１つの劣化特性算出モデルを用いて少なくとも１つの劣化特性を算出し、算出した前記少なくとも１つの劣化特性を出力する。
本開示によれば、電池の試験期間を短縮しつつ、劣化特性を算出することができる。
本開示の実施の形態における情報処理システムの全体構成を示す図である。 本開示の実施の形態における車両の構成の一例を示す図である。 本開示の実施の形態におけるサーバの構成の一例を示す図である。 本開示の実施の形態におけるサーバの劣化抑制処理について説明するための第１のフローチャートである。 本開示の実施の形態におけるサーバの劣化抑制処理について説明するための第２のフローチャートである。 本実施の形態における稼動履歴記憶部に記憶される稼動履歴の一例を示す図である。 本実施の形態における第１劣化特性の一例を示す図である。 本実施の形態における第２劣化特性及び第３劣化特性の一例を示す図である。
（本開示の基礎となった知見）
従来、電池の劣化特性を作成するためには、電池の保存、充電及び放電を様々な環境で実施する試験が必要であった。しかしながら、電池の劣化特性を作成するための試験には、長い時間と特別な試験装置とが必要となる。したがって、種々の電池の劣化特性を作成するためには長い時間がかかるとともに、多くのコストがかかる。ここで、電池の劣化特性とは電池の使用条件に応じた劣化速度であり、劣化特性を応用することで、劣化の進行を抑えた充放電制御などの処理が可能になる。
上記の従来技術では、実験などで予め電池電圧と温度とに対する劣化定数（劣化特性の一例）を求めることなく、実際の製品の稼動履歴と特性とから電池の劣化を診断している。そのため、上記従来の技術では、電池の劣化を正確に推定することが困難である場合がある。
以上の課題を解決するために、本開示の一態様に係る情報処理方法は、コンピュータにより実行される情報処理方法であって、試験に基づく電池の少なくとも１つの劣化特性算出モデルを取得し、前記試験後の前記電池の稼動データを取得し、前記稼動データにおける前記電池の劣化度を取得し、前記少なくとも１つの劣化特性算出モデルに、前記稼動データを入力して、少なくとも１つの劣化係数を算出し、前記電池の劣化度を算出するための劣化度算出モデルに、前記稼動データを入力して、算出した前記少なくとも１つの劣化係数を用いて、劣化度を算出し、算出した劣化度が、取得した劣化度に近付くように前記少なくとも１つの劣化特性算出モデルを調整し、調整した前記少なくとも１つの劣化特性算出モデルを用いて少なくとも１つの劣化特性を算出し、算出した前記少なくとも１つの劣化特性を出力する。
この構成によれば、試験後の電池を実際に稼動させることにより得られる稼動データを用いて少なくとも１つの劣化特性算出モデルが調整されるので、電池の少なくとも１つの劣化特性算出モデルを作成するための試験期間を短縮しつつ、劣化特性を算出することができる。その結果、例えば、算出された劣化特性を用いて電池の充電及び放電を制御することができ、電池の劣化を抑制することができる。また、算出された劣化特性を用いて劣化度が推定されてもよい。
また、上記の情報処理方法において、前記少なくとも１つの劣化特性算出モデルは、保存劣化に対応する第１劣化特性算出モデルと、充電劣化に対応する第２劣化特性算出モデルと、放電劣化に対応する第３劣化特性算出モデルとを含み、前記劣化度を、前記保存劣化に対応する第１劣化度と、前記充電劣化に対応する第２劣化度と、前記放電劣化に対応する第３劣化度とに分配するための分配率が初期設定されており、前記少なくとも１つの劣化係数の算出において、前記第１劣化特性算出モデルに、前記稼動データを入力して、第１劣化係数が算出され、前記第２劣化特性算出モデルに、前記稼動データを入力して、第２劣化係数が算出され、前記第３劣化特性算出モデルに、前記稼動データを入力して、第３劣化係数が算出され、前記劣化度の算出において、前記劣化度算出モデルに、前記稼動データを入力して、算出した前記第１劣化係数、前記第２劣化係数及び前記第３劣化係数を用いて、前記第１劣化度、前記第２劣化度及び前記第３劣化度が算出され、前記少なくとも１つの劣化特性算出モデルの調整において、取得した劣化度を前記分配率に応じて第１劣化度、第２劣化度及び第３劣化度に分配し、算出した第１劣化度が、分配した第１劣化度に近付くように前記第１劣化特性算出モデルが調整され、算出した第２劣化度が、分配した第２劣化度に近付くように前記第２劣化特性算出モデルが調整され、算出した第３劣化度が、分配した第３劣化度に近付くように前記第３劣化特性算出モデルが調整され、前記少なくとも１つの劣化特性算出モデルの調整において、算出した前記第１劣化度、前記第２劣化度及び前記第３劣化度の合計が、取得した劣化度に近付くように前記分配率が調整されてもよい。
電池の劣化度は、保存劣化に対応する第１劣化度と、充電劣化に対応する第２劣化度と、放電劣化に対応する第３劣化度との合計により表すことが可能である。そのため、保存、充電及び放電のそれぞれが劣化に与える影響に応じて分配率が調整され、取得された劣化度が分配率に応じて第１劣化度、第２劣化度及び第３劣化度に分配される。そして、算出された第１劣化度が、分配された第１劣化度に近付くように第１劣化特性算出モデルが調整され、算出された第２劣化度が、分配された第２劣化度に近付くように第２劣化特性算出モデルが調整され、算出された第３劣化度が、分配された第３劣化度に近付くように第３劣化特性算出モデルが調整される。これにより、保存、充電及び放電のそれぞれが劣化に与える影響を考慮して、保存劣化に対応する第１劣化特性算出モデル、充電劣化に対応する第２劣化特性算出モデル、及び放電劣化に対応する第３劣化特性算出モデルが調整されるので、電池の保存、充電及び放電のそれぞれの劣化特性に応じた第１劣化特性、第２劣化特性及び第３劣化特性を算出することができる。したがって、算出される劣化特性の正確性又は精度を向上させることができる。
また、上記の情報処理方法において、前記少なくとも１つの劣化特性算出モデルは、パラメタを有し、前記少なくとも１つの劣化特性算出モデルの調整において、前記少なくとも１つの劣化特性算出モデルの前記パラメタが調整され、前記劣化特性の算出において、前記劣化特性は、前記少なくとも１つの劣化特性算出モデルの調整後の前記パラメタを用いて算出されてもよい。
この構成によれば、電池の劣化特性に関わるパラメタが調整されることにより、少なくとも１つの劣化特性算出モデルを容易に調整することができる。
また、上記の情報処理方法において、さらに、前記パラメタには調整可能範囲が設定されており、前記パラメタの調整において、前記パラメタは、前記調整可能範囲内で調整されてもよい。
この構成によれば、パラメタの調整範囲を予め制限することができ、パラメタの過学習を防止することができる。
また、上記の情報処理方法において、前記稼動データの取得において、前記稼動データは、前記少なくとも１つの劣化特性を用いた処理を行う機器から受信され、前記劣化特性の出力において、算出された前記少なくとも１つの劣化特性は、前記機器に送信されてもよい。
この構成によれば、実際に使用されている機器から稼働データを取得することができる。そのため、機器の使用後に劣化特性を算出することができ、機器の使用時期を早期化できる。また、使用後に算出された劣化特性を機器における処理に用いることができる。なお、各機器の稼動データで上記のモデル群がそれぞれ調整され、各機器について劣化特性が最適化されてもよい。
本開示の他の態様に係る情報処理装置は、試験に基づく電池の少なくとも１つの劣化特性算出モデルを取得する劣化特性算出モデル取得部と、前記試験後の前記電池の稼動データを取得する稼動データ取得部と、前記稼動データにおける前記電池の劣化度を取得する劣化度取得部と、前記少なくとも１つの劣化特性算出モデルに、前記稼動データを入力して、少なくとも１つの劣化係数を算出する劣化係数算出部と、前記電池の劣化度を算出するための劣化度算出モデルに、前記稼動データを入力して、算出した前記少なくとも１つの劣化係数を用いて、劣化度を算出する劣化度算出部と、算出した劣化度が、取得した劣化度に近付くように前記少なくとも１つの劣化特性算出モデルを調整する調整部と、調整した前記少なくとも１つの劣化特性算出モデルを用いて少なくとも１つの劣化特性を算出する劣化特性算出部と、算出した前記少なくとも１つの劣化特性を出力する出力部と、を備える。
この構成によれば、試験後の電池を実際に稼動させることにより得られる稼動データを用いて少なくとも１つの劣化特性算出モデルが調整されるので、電池の少なくとも１つの劣化特性算出モデルを作成するための試験期間を短縮しつつ、劣化特性を算出することができる。その結果、例えば、算出された劣化特性を用いて電池の充電及び放電を制御することができ、電池の劣化を抑制することができる。また、算出された劣化特性を用いて劣化度が推定されてもよい。
以下添付図面を参照しながら、本開示の実施の形態について説明する。なお、以下の実施の形態は、本開示を具体化した一例であって、本開示の技術的範囲を限定するものではない。
（実施の形態）
図１は、本開示の実施の形態における情報処理システムの全体構成を示す図である。
図１に示す情報処理システムは、車両１、サーバ２及び充電制御装置３を備える。
車両１は、電池を用いて稼動する機器の一例である。車両１は、例えば、電動自動車、電動トラック、電動バイク又は電動自転車であり、蓄電池に充電された電力を電気モータへ供給することで移動する。なお、上記機器は、車両以外の移動体であってもよい。例えば、上記機器は、ドローン等の航空機、船舶又はロボットなどであってもよい。
車両１は、サーバ２とネットワーク４を介して互いに通信可能に接続されている。ネットワーク４は、例えばインターネットである。
車両１は、自身が搭載する電池の稼動データをサーバ２へ送信する。また、車両１は、稼動データに基づいて推定したＳＯＨ（Ｓｔａｔｅ Ｏｆ Ｈｅａｌｔｈ）をサーバ２へ送信する。
サーバ２は、例えば、Ｗｅｂサーバである。サーバ２は、車両１から種々の情報を受信するとともに、充電制御装置３へ種々の情報を送信する。サーバ２は、車両１から受信した稼動データ及びＳＯＨに基づいて、車両１が搭載する蓄電池の劣化特性を算出する。そして、サーバ２は、算出した劣化特性を充電制御装置３へ送信する。
充電制御装置３は、車両１への充電を制御する。充電制御装置３は、サーバ２から受信した劣化特性に基づいて、車両１の充電計画を作成する。充電制御装置３は、車両１を充電する充電器（不図示）に設けられている。充電器は、充電制御装置３によって作成された充電計画に従って車両１を充電する。なお、車両１が充電制御装置３の機能を備えてもよいし、サーバ２が充電制御装置３の機能を備えてもよい。
図２は、本開示の実施の形態における車両の構成の一例を示す図である。
図２に示す車両１は、運転操作部１１、駆動部１２、蓄電池１３、メモリ１４、プロセッサ１５及び通信部１６を備える。
運転操作部１１は、運転者による車両１の運転操作を受け付ける。運転操作部１１は、例えば、ハンドル、シフトレバー、アクセルペダル及びブレーキペダルなどを含む。なお、車両１が自動運転車である場合は、運転操作部１１の代わりに自動運転システムが運転を制御する。
駆動部１２は、例えば、インバータ、電気モータ及びトランスミッションであり、運転制御部１５１による制御に従って、車両１を移動させる。
蓄電池１３は、例えば、リチウムイオン二次電池であり、充電により電力を蓄えるとともに、放電により電力を駆動部１２へ供給する。蓄電池１３は、電池の一例である。
メモリ１４は、例えば、ＲＡＭ（Ｒａｎｄｏｍ Ａｃｃｅｓｓ Ｍｅｍｏｒｙ）、ＳＳＤ（Ｓｏｌｉｄ Ｓｔａｔｅ Ｄｒｉｖｅ）又はフラッシュメモリ等の各種情報を記憶可能な記憶装置である。メモリ１４は、蓄電池１３の稼動履歴を記憶する。
プロセッサ１５は、例えば、中央演算処理装置（ＣＰＵ）である。プロセッサ１５により、運転制御部１５１、稼動データ取得部１５２及びＳＯＨ推定部１５３が実現される。
運転制御部１５１は、運転操作部１１による運転者の運転操作に応じて駆動部１２を制御し、車両１を移動させる。
稼動データ取得部１５２は、蓄電池１３の稼動データを取得する。稼動データは、蓄電池１３のＳＯＣ（Ｓｔａｔｅ ｏｆ Ｃｈａｒｇｅ）、温度及び電流値を含む。ＳＯＣは、蓄電池１３の充電率を表す指標である。蓄電池１３のＳＯＣは、（残容量［Ａｈ］／満充電容量［Ａｈ］）＊１００により表される。蓄電池１３の温度は、蓄電池１３に設けられた温度センサ（不図示）により計測される。蓄電池１３の電流値は、蓄電池１３に設けられた計測器（不図示）により計測される。稼動データ取得部１５２は、蓄電池１３のＳＯＣ、温度及び電流値を含む稼動データを通信部１６へ出力する。
ＳＯＨ推定部１５３は、稼動データ取得部１５２によって取得された稼動データに基づいてＳＯＨを推定する。ＳＯＨは、蓄電池１３の健全性を表す指標である。蓄電池１３のＳＯＨは、（劣化時（現在）の満充電容量［Ａｈ］／初期の満充電容量［Ａｈ］）＊１００により表される。ＳＯＨ推定部１５３は、推定したＳＯＨを通信部１６へ出力する。
通信部１６は、稼動データ取得部１５２によって取得された稼動データをサーバ２へ送信する。また、通信部１６は、ＳＯＨ推定部１５３によって推定されたＳＯＨをサーバ２へ送信する。通信部１６は、定期的に稼動データ及びＳＯＨをサーバ２へ送信する。通信部１６は、例えば１０分毎に稼動データ及びＳＯＨをサーバ２へ送信する。稼動データ及びＳＯＨは、個別に送信されてもよいし、一緒に送信されてもよい。
図３は、本開示の実施の形態におけるサーバの構成の一例を示す図である。
図３に示すサーバ２は、通信部２１、プロセッサ２２及びメモリ２３を備える。
通信部２１は、試験後の蓄電池１３の稼動データを取得する。通信部２１は、車両１によって送信された試験後の蓄電池１３の稼動データを受信する。稼動データは、少なくとも１つの劣化特性を用いた処理を行う機器から受信される。少なくとも１つの劣化特性を用いた処理を行う機器は、例えば、車両１である。通信部２１は、車両１によって送信された試験後の蓄電池１３のＳＯＨを受信する。
メモリ２３は、例えば、ＲＡＭ、ＨＤＤ（Ｈａｒｄ Ｄｉｓｋ Ｄｒｉｖｅ）、ＳＳＤ又はフラッシュメモリ等の各種情報を記憶可能な記憶装置である。メモリ２３により、劣化特性算出モデル記憶部２３１、劣化度算出モデル記憶部２３２、稼動履歴記憶部２３３及びパラメタ可動範囲記憶部２３４が実現される。
劣化特性算出モデル記憶部２３１は、試験に基づく蓄電池（電池）１３の少なくとも１つの劣化特性算出モデルを予め記憶する。少なくとも１つの劣化特性算出モデルは、蓄電池１３を所定期間試験することにより作成される。所定期間は、例えば、２～３ヶ月間の短い期間である。少なくとも１つの劣化特性算出モデルは、少なくとも１つの劣化係数を算出するための関数である。劣化係数は、劣化速度を表している。少なくとも１つの劣化特性算出モデルは、パラメタを有する。
少なくとも１つの劣化特性算出モデルは、保存劣化に対応する第１劣化特性算出モデルと、充電劣化に対応する第２劣化特性算出モデルと、放電劣化に対応する第３劣化特性算出モデルとを含む。
第１劣化特性算出モデルは、保存劣化に対応する第１劣化係数ｋｓを算出するための関数である。第１劣化特性算出モデルは、蓄電池１３の保存時における劣化特性の分布形状を関数で定義したものである。稼動データに含まれる温度及びＳＯＣが第１劣化特性算出モデルに入力されることにより、第１劣化係数ｋｓが算出される。第１劣化係数ｋｓは、蓄電池１３の保存時における劣化速度を表している。
第２劣化特性算出モデルは、充電劣化に対応する第２劣化係数ｋｃを算出するための関数である。第２劣化特性算出モデルは、蓄電池１３の充電時における劣化特性の分布形状を関数で定義したものである。稼動データに含まれる電流値及びＳＯＣが第２劣化特性算出モデルに入力されることにより、第２劣化係数ｋｃが算出される。第２劣化係数ｋｃは、蓄電池１３の充電時における劣化速度を表している。
第３劣化特性算出モデルは、放電劣化に対応する第３劣化係数ｋｄを算出するための関数である。第３劣化特性算出モデルは、蓄電池１３の放電時における劣化特性の分布形状を関数で定義したものである。稼動データに含まれる電流値及びＳＯＣが第３劣化特性算出モデルに入力されることにより、第３劣化係数ｋｄが算出される。第３劣化係数ｋｄは、蓄電池１３の放電時における劣化速度を表している。
劣化度算出モデル記憶部２３２は、蓄電池１３の劣化度を算出するための劣化度算出モデルを予め記憶する。
なお、本実施の形態における劣化度は、蓄電池１３が初期状態からどれだけ劣化したかを表す。すなわち、劣化度は、蓄電池１３のＳＯＨの初期値からの変化量（ΔＳＯＨ）を表す。
劣化度算出モデルは、蓄電池１３の劣化度を算出するための関数である。劣化度算出モデルは、保存劣化に対応する第１劣化度を算出するための第１劣化度算出モデルと、充電劣化に対応する第２劣化度を算出するための第２劣化度算出モデルと、放電劣化に対応する第３劣化度を算出するための第３劣化度算出モデルとを含む。
稼動履歴記憶部２３３は、通信部２１によって受信された稼動データ及びＳＯＨを稼動履歴として記憶する。
パラメタ可動範囲記憶部２３４は、少なくとも１つの劣化特性算出モデルのパラメタの調整可能範囲を予め記憶している。パラメタ可動範囲記憶部２３４は、第１劣化特性算出モデルの少なくとも１つのパラメタの調整可能範囲と、第２劣化特性算出モデルの少なくとも１つのパラメタの調整可能範囲と、第３劣化特性算出モデルの少なくとも１つのパラメタの調整可能範囲とを予め記憶している。
プロセッサ２２は、例えば、ＣＰＵである。プロセッサ２２により、劣化特性算出モデル取得部２２１、劣化係数算出部２２２、劣化度取得部２２３、劣化度算出部２２４、モデル調整部２２５、劣化特性算出部２２６及び劣化特性出力部２２７が実現される。
劣化特性算出モデル取得部２２１は、試験に基づく蓄電池（電池）１３の少なくとも１つの劣化特性算出モデルを取得する。劣化特性算出モデル取得部２２１は、蓄電池１３の少なくとも１つの劣化特性算出モデルを劣化特性算出モデル記憶部２３１から取得する。劣化特性算出モデル取得部２２１は、劣化特性算出モデル記憶部２３１に記憶されている第１劣化特性算出モデル、第２劣化特性算出モデル及び第３劣化特性算出モデルを取得する。
劣化係数算出部２２２は、少なくとも１つの劣化特性算出モデルに、稼動データを入力して、少なくとも１つの劣化係数を算出する。劣化係数算出部２２２は、第１劣化特性算出モデルに、稼動データに含まれる温度及びＳＯＣを入力して、第１劣化係数ｋｓを算出する。劣化係数算出部２２２は、第２劣化特性算出モデルに、稼動データに含まれる電流値及びＳＯＣを入力して、第２劣化係数ｋｃを算出する。劣化係数算出部２２２は、第３劣化特性算出モデルに、稼動データに含まれる電流値及びＳＯＣを入力して、第３劣化係数ｋｄを算出する。
劣化度取得部２２３は、ＳＯＨの初期値（１００％）から、車両１から取得したＳＯＨの現在値ＳＯＨｎｏｗを減算したΔＳＯＨＡ（＝１００－ＳＯＨｎｏｗ）を算出する。これにより、劣化度取得部２２３は、稼動データにおける蓄電池１３の劣化度を取得する。
劣化度算出部２２４は、蓄電池１３の劣化度を算出するための劣化度算出モデルに、稼動データを入力して、劣化係数算出部２２２によって算出された少なくとも１つの劣化係数を用いて、劣化度ΔＳＯＨＣを算出する。劣化度算出部２２４は、劣化度算出モデル記憶部２３２から劣化度算出モデルを取得する。劣化度算出モデルは、保存劣化に対応する第１劣化度ΔＳＯＨ１を算出するための第１劣化度算出モデルと、充電劣化に対応する第２劣化度ΔＳＯＨ２を算出するための第２劣化度算出モデルと、放電劣化に対応する第３劣化度ΔＳＯＨ３を算出するための第３劣化度算出モデルとを含む。蓄電池１３の劣化度ΔＳＯＨＣは、第１劣化度ΔＳＯＨ１と、第２劣化度ΔＳＯＨ２と、第３劣化度ΔＳＯＨ３とを加算することにより算出される。
ここで、劣化度ΔＳＯＨＣは、蓄電池１３が初期状態からどれだけ劣化したかを表し、蓄電池１３のＳＯＨの初期状態からの変化量を表す。第１劣化度ΔＳＯＨ１は、保存劣化に対応するＳＯＨの初期状態からの変化量を表し、第２劣化度ΔＳＯＨ２は、充電劣化に対応するＳＯＨの初期状態からの変化量を表し、第３劣化度ΔＳＯＨ３は、放電劣化に対応するＳＯＨの初期状態からの変化量を表す。
また、劣化度を、保存劣化に対応する第１劣化度と、充電劣化に対応する第２劣化度と、放電劣化に対応する第３劣化度とに分配するための分配率が初期設定されている。劣化度算出部２２４は、劣化度算出モデルに、稼動データを入力して、算出した第１劣化係数ｋｓ、第２劣化係数ｋｃ及び第３劣化係数ｋｄを用いて、第１劣化度、第２劣化度及び第３劣化度を算出する。
モデル調整部２２５は、算出した劣化度が、取得した劣化度に近付くように少なくとも１つの劣化特性算出モデルを調整する。モデル調整部２２５は、少なくとも１つの劣化特性算出モデルのパラメタを調整する。モデル調整部２２５は、第１劣化特性算出モデル、第２劣化特性算出モデル及び第３劣化特性算出モデルのそれぞれのパラメタを調整する。パラメタには、調整可能範囲が設定されている。モデル調整部２２５は、パラメタ可動範囲記憶部２３４に記憶されている調整可能範囲内でパラメタを調整する。例えば、上限値及び下限値が調整可能範囲として設定されており、調整したパラメタが上限値又は下限値を超えた場合、モデル調整部２２５は、パラメタを上限値又は下限値に引き戻す。
また、モデル調整部２２５は、取得した劣化度を分配率に応じて第１劣化度、第２劣化度及び第３劣化度に分配する。モデル調整部２２５は、算出した第１劣化度が、分配した第１劣化度に近付くように第１劣化特性算出モデルを調整し、算出した第２劣化度が、分配した第２劣化度に近付くように第２劣化特性算出モデルを調整し、算出した第３劣化度が、分配した第３劣化度に近付くように第３劣化特性算出モデルを調整する。さらに、モデル調整部２２５は、算出した第１劣化度、第２劣化度及び第３劣化度の合計が、取得した劣化度に近付くように分配率を調整する。
すなわち、モデル調整部２２５は、取得した劣化度を分配率に応じて第１劣化度、第２劣化度及び第３劣化度の３つに分配する。なお、第１劣化度、第２劣化度及び第３劣化度の分配率の初期設定値は、１：１：１である。例えば、取得した劣化度が１．２である場合、第１劣化度、第２劣化度及び第３劣化度は、それぞれ０．４である。そして、モデル調整部２２５は、第１劣化度算出モデルにより算出される劣化度が、分配した第１劣化度に近付くように、第１劣化特性算出モデルのパラメタを調整する。また、モデル調整部２２５は、第２劣化度算出モデルにより算出される劣化度が、分配した第２劣化度に近付くように、第２劣化特性算出モデルのパラメタを調整する。また、モデル調整部２２５は、第３劣化度算出モデルにより算出される劣化度が、分配した第３劣化度に近付くように、第３劣化特性算出モデルのパラメタを調整する。このとき、モデル調整部２２５は、重回帰分析により、第１劣化特性算出モデル、第２劣化特性算出モデル及び第３劣化特性算出モデルのパラメタを調整する。
そして、劣化度算出部２２４は、パラメタが調整された第１劣化特性算出モデルにより算出される第１劣化係数と、稼動データとを、第１劣化度算出モデルに代入することにより、第１劣化度を算出する。また、劣化度算出部２２４は、パラメタが調整された第２劣化特性算出モデルにより算出される第２劣化係数と、稼動データとを、第２劣化度算出モデルに代入することにより、第２劣化度を算出する。また、劣化度算出部２２４は、パラメタが調整された第３劣化特性算出モデルにより算出される第３劣化係数と、稼動データとを、第３劣化度算出モデルに代入することにより、第３劣化度を算出する。そして、モデル調整部２２５は、算出された第１劣化度と、算出された第２劣化度と、算出された第３劣化度との比率に分配率を調整する。
例えば、算出された第１劣化度が０．１であり、算出された第２劣化度が０．０２であり、算出された第３劣化度が０．０４である場合、第１劣化度、第２劣化度及び第３劣化度の分配率は、１０：２：４に調整される。取得した劣化度が１．２である場合、第１劣化度、第２劣化度及び第３劣化度のそれぞれには、０．７５、０．１５及び０．３が割り当てられる。
その後、第１劣化度、第２劣化度及び第３劣化度が収束するまで、第１劣化特性算出モデル、第２劣化特性算出モデル及び第３劣化特性算出モデルのパラメタが調整される処理と、分配率が調整される処理とが繰り返し行われる。
劣化特性算出部２２６は、モデル調整部２２５によって調整された少なくとも１つの劣化特性算出モデルを用いて少なくとも１つの劣化特性を算出する。劣化特性は、条件と、劣化係数とを対応付けた情報である。劣化特性算出部２２６は、モデル調整部２２５によって調整された第１劣化特性算出モデルを用いて第１劣化特性を算出し、モデル調整部２２５によって調整された第２劣化特性算出モデルを用いて第２劣化特性を算出し、モデル調整部２２５によって調整された第３劣化特性算出モデルを用いて第３劣化特性を算出する。第１劣化特性の条件は、温度及びＳＯＣであり、第２劣化特性及び第３劣化特性の条件は、温度、ＳＯＣ及び電流値（Ｃレート）である。
劣化特性出力部２２７は、劣化特性算出部２２６によって算出された少なくとも１つの劣化特性を出力する。劣化特性出力部２２７は、通信部２１を介して、劣化特性算出部２２６によって算出された少なくとも１つの劣化特性を充電制御装置３へ送信する。算出された少なくとも１つの劣化特性は、少なくとも１つの劣化特性を用いた処理を行う機器に送信される。少なくとも１つの劣化特性を用いた処理を行う機器は、例えば、充電制御装置３である。
なお、本実施の形態では、車両１においてＳＯＨが推定されているが、本開示は特にこれに限定されない。サーバ２のプロセッサ２２がＳＯＨ推定部を備えてもよい。この場合、サーバ２のＳＯＨ推定部は、通信部２１によって受信された稼動データに基づいて試験後の蓄電池１３のＳＯＨを推定してもよい。
続いて、本開示の実施の形態におけるサーバ２の劣化抑制処理について説明する。
図４は、本開示の実施の形態におけるサーバの劣化抑制処理について説明するための第１のフローチャートであり、図５は、本開示の実施の形態におけるサーバの劣化抑制処理について説明するための第２のフローチャートである。
まず、ステップＳ１において、劣化特性算出モデル取得部２２１は、保存劣化に対応する第１劣化特性算出モデル、充電劣化に対応する第２劣化特性算出モデル、及び放電劣化に対応する第３劣化特性算出モデルを劣化特性算出モデル記憶部２３１から取得する。
次に、ステップＳ２において、通信部２１は、車両１によって送信された試験後の蓄電池１３の稼動データを受信する。
次に、ステップＳ３において、通信部２１は、取得した稼動データを稼動履歴記憶部２３３に記憶する。
図６は、本実施の形態における稼動履歴記憶部に記憶される稼動履歴の一例を示す図である。
図６に示すように稼動履歴記憶部２３３は、車両を識別するための車両ＩＤと、稼動データを取得した時刻と、電流値と、温度と、ＳＯＣとを対応付けて記憶する。車両ＩＤ、時刻、電流値、温度及びＳＯＣは、車両１から取得した稼動データに含まれる。
図４に戻って、次に、ステップＳ４において、通信部２１は、車両１によって送信された試験後の蓄電池１３の現在のＳＯＨを受信する。
次に、ステップＳ５において、通信部２１は、取得した現在のＳＯＨを稼動履歴記憶部２３３に記憶する。
なお、本実施の形態では、通信部２１は、車両１から稼動データ及びＳＯＨを受信しているが、本開示は特にこれに限定されない。通信部２１は、車両１の蓄電池１３と同じ種類の蓄電池を搭載した他の機器から稼動データ及びＳＯＨを受信してもよい。これにより、稼動データ及びＳＯＨのデータ数を増加させることができ、少なくとも１つの劣化特性算出モデルをより早く且つより高い精度で調整することができる。
次に、ステップＳ６において、劣化度取得部２２３は、今回取得したＳＯＨが前回取得したＳＯＨから変化したか否かを判断する。ここで、今回取得したＳＯＨが前回取得したＳＯＨから変化していないと判断された場合（ステップＳ６でＮＯ）、ステップＳ１に処理が戻る。
一方、今回取得したＳＯＨが前回取得したＳＯＨから変化したと判断された場合（ステップＳ６でＹＥＳ）、ステップＳ７において、劣化度取得部２２３は、蓄電池１３の劣化度ΔＳＯＨＡを取得する。すなわち、劣化度取得部２２３は、ＳＯＨの初期状態からの変化量である劣化度ΔＳＯＨＡを取得する。劣化度取得部２２３は、ＳＯＨの初期値（１００％）から、今回取得したＳＯＨの現在値ＳＯＨｎｏｗを減算したΔＳＯＨＡ（＝１００－ＳＯＨｎｏｗ）を算出する。
次に、ステップＳ８において、劣化度算出部２２４は、ΔＳＯＨＡを、保存劣化に対応するＳＯＨの初期状態からの劣化度ΔＳＯＨ１、充電劣化に対応するＳＯＨの初期状態からの劣化度ΔＳＯＨ２、及び放電劣化に対応するＳＯＨの初期状態からの劣化度ΔＳＯＨ３に分配するための分配率の初期値を設定する。なお、分配率の初期値は、１：１：１である。
次に、ステップＳ９において、劣化度算出部２２４は、分配率に基づいてΔＳＯＨＡを分配する。例えば、ΔＳＯＨＡが１．２であり、ΔＳＯＨ１、ΔＳＯＨ２及びΔＳＯＨ３の分配率が１：１：１である場合、ΔＳＯＨＡは、０．４ずつに分配される。
次に、ステップＳ１０において、劣化係数算出部２２２は、第１劣化係数ｋｓ、第２劣化係数ｋｃ及び第３劣化係数ｋｄを算出する。このとき、劣化係数算出部２２２は、第１劣化特性算出モデルに、稼動データに含まれる温度及びＳＯＣを入力して、第１劣化係数ｋｓを算出する。劣化係数算出部２２２は、第２劣化特性算出モデルに、稼動データに含まれる電流値及びＳＯＣを入力して、第２劣化係数ｋｃを算出する。劣化係数算出部２２２は、第３劣化特性算出モデルに、稼動データに含まれる電流値及びＳＯＣを入力して、第３劣化係数ｋｄを算出する。
次に、ステップＳ１１において、劣化度算出部２２４は、第１劣化度算出モデル、第２劣化度算出モデル及び第３劣化度算出モデルを劣化度算出モデル記憶部２３２から取得する。また、劣化度算出部２２４は、最初にＳＯＨが取得された時点から、今回の変化したＳＯＨが取得された時点までの稼動データを抽出する。劣化度算出部２２４は、抽出した稼動データを劣化度の算出に用いる。
次に、ステップＳ１２において、劣化度算出部２２４は、第１劣化度算出モデルに、稼動データに含まれる温度及びＳＯＣを入力して、算出した第１劣化係数ｋｓを用いて、ΔＳＯＨ１を算出し、第２劣化度算出モデルに、稼動データに含まれる電流値及びＳＯＣを入力して、算出した第２劣化係数ｋｃを用いて、ΔＳＯＨ２を算出し、第３劣化度算出モデルに、稼動データに含まれる電量値及びＳＯＣを入力して、算出した第３劣化係数ｋｄを用いて、ΔＳＯＨ３を算出する。
次に、ステップＳ１３において、モデル調整部２２５は、劣化度算出部２２４によって算出されたΔＳＯＨ１が、分配されたΔＳＯＨ１に近付くように、第１劣化特性算出モデルのパラメタを調整し、劣化度算出部２２４によって算出されたΔＳＯＨ２が、分配されたΔＳＯＨ２に近付くように、第２劣化特性算出モデルのパラメタを調整し、劣化度算出部２２４によって算出されたΔＳＯＨ３が、分配されたΔＳＯＨ３に近付くように、第３劣化特性算出モデルのパラメタを調整する。
次に、ステップＳ１４において、劣化係数算出部２２２は、第１劣化係数ｋｓ、第２劣化係数ｋｃ及び第３劣化係数ｋｄを算出する。このとき、劣化係数算出部２２２は、パラメタが調整された第１劣化特性算出モデルに、稼動データに含まれる温度及びＳＯＣを入力して、第１劣化係数ｋｓを算出する。劣化係数算出部２２２は、パラメタが調整された第２劣化特性算出モデルに、稼動データに含まれる電流値及びＳＯＣを入力して、第２劣化係数ｋｃを算出する。劣化係数算出部２２２は、パラメタが調整された第３劣化特性算出モデルに、稼動データに含まれる電流値及びＳＯＣを入力して、第３劣化係数ｋｄを算出する。
次に、ステップＳ１５において、劣化度算出部２２４は、第１劣化度算出モデルに、稼動データに含まれる温度及びＳＯＣを入力して、算出した第１劣化係数ｋｓを用いて、ΔＳＯＨ１を算出し、第２劣化度算出モデルに、稼動データに含まれる電流値及びＳＯＣを入力して、算出した第２劣化係数ｋｃを用いて、ΔＳＯＨ２を算出し、第３劣化度算出モデルに、稼動データに含まれる電量値及びＳＯＣを入力して、算出した第３劣化係数ｋｄを用いて、ΔＳＯＨ３を算出する。
次に、ステップＳ１６において、モデル調整部２２５は、算出されたΔＳＯＨ１、ΔＳＯＨ２及びΔＳＯＨ３が収束したか否かを判断する。このとき、モデル調整部２２５は、算出されたΔＳＯＨ１とΔＳＯＨ２とΔＳＯＨ３との合計が、取得した劣化度ΔＳＯＨＡと同じである場合、算出されたΔＳＯＨ１、ΔＳＯＨ２及びΔＳＯＨ３が収束したと判断する。
なお、ΔＳＯＨ１とΔＳＯＨ２とΔＳＯＨ３との合計が、取得した劣化度ΔＳＯＨＡと必ずしも同じである必要はない。モデル調整部２２５は、ΔＳＯＨ１とΔＳＯＨ２とΔＳＯＨ３との合計と、取得した劣化度ΔＳＯＨＡとの差分が閾値以下である場合、算出されたΔＳＯＨ１、ΔＳＯＨ２及びΔＳＯＨ３が収束したと判断してもよい。また、モデル調整部２２５は、算出されたΔＳＯＨ１、ΔＳＯＨ２及びΔＳＯＨ３が変化しなくなった場合、算出されたΔＳＯＨ１、ΔＳＯＨ２及びΔＳＯＨ３が収束したと判断してもよい。
ここで、算出されたΔＳＯＨ１、ΔＳＯＨ２及びΔＳＯＨ３が収束していないと判断された場合（ステップＳ１６でＮＯ）、ステップＳ１７において、モデル調整部２２５は、算出されたΔＳＯＨ１、ΔＳＯＨ２及びΔＳＯＨ３の比率に分配率を調整する。例えば、算出されたΔＳＯＨ１が０．１であり、算出されたΔＳＯＨ２が０．０２であり、算出されたΔＳＯＨ３が０．０４である場合、モデル調整部２２５は、１０：２：４に分配率を調整する。その後、処理はステップＳ９に戻る。
一方、算出されたΔＳＯＨ１、ΔＳＯＨ２及びΔＳＯＨ３が収束していると判断された場合（ステップＳ１６でＹＥＳ）、ステップＳ１８において、劣化特性算出部２２６は、モデル調整部２２５によって調整された第１劣化特性算出モデル、第２劣化特性算出モデル及び第３劣化特性算出モデルを用いて第１劣化特性、第２劣化特性及び第３劣化特性を算出する。
図７は、本実施の形態における第１劣化特性の一例を示す図である。
劣化特性算出部２２６は、モデル調整部２２５によって調整された第１劣化特性算出モデルを用いて、保存劣化に対応する第１劣化特性を算出する。第１劣化特性は、条件と、劣化係数とを対応付けた情報である。第１劣化特性の条件は、ＳＯＣ及び温度である。第１劣化特性は、ＳＯＣ及び温度の条件に対応する劣化係数を表している。
図８は、本実施の形態における第２劣化特性及び第３劣化特性の一例を示す図である。
劣化特性算出部２２６は、モデル調整部２２５によって調整された第２劣化特性算出モデルを用いて、充電劣化に対応する第２劣化特性を算出する。また、劣化特性算出部２２６は、モデル調整部２２５によって調整された第３劣化特性算出モデルを用いて、放電劣化に対応する第３劣化特性を算出する。第２劣化特性及び第３劣化特性は、条件と、劣化係数とを対応付けた情報である。第２劣化特性及び第３劣化特性の条件は、ＳＯＣ、温度及び電流値である。なお、第２劣化特性の条件と第３劣化特性の条件とは同じである。第２劣化特性及び第３劣化特性は、ＳＯＣ、温度及び電流値の条件に対応する劣化係数を表している。
図５に戻って、次に、ステップＳ１９において、劣化特性出力部２２７は、劣化特性算出部２２６によって算出された第１劣化特性、第２劣化特性及び第３劣化特性を出力する。劣化特性出力部２２７は、通信部２１を介して、劣化特性算出部２２６によって算出された第１劣化特性、第２劣化特性及び第３劣化特性を充電制御装置３へ送信する。
充電制御装置３は、サーバ２から受信した第１劣化特性、第２劣化特性及び第３劣化特性に基づいて、車両１の充電計画を作成する。充電制御装置３は、車両１を充電する充電器に設けられている。充電器は、充電制御装置３によって作成された充電計画に従って車両１を充電する。
このように、試験後の蓄電池１３を実際に稼動させることにより得られる稼動データを用いて少なくとも１つの劣化特性算出モデルが調整されるので、蓄電池１３の少なくとも１つの劣化特性算出モデルを作成するための試験期間を短縮しつつ、劣化特性を算出することができる。その結果、例えば、算出された劣化特性を用いて蓄電池１３の充電及び放電を制御することができ、蓄電池１３の劣化を抑制することができる。
なお、上記各実施の形態において、各構成要素は、専用のハードウェアで構成されるか、各構成要素に適したソフトウェアプログラムを実行することによって実現されてもよい。各構成要素は、ＣＰＵまたはプロセッサなどのプログラム実行部が、ハードディスクまたは半導体メモリなどの記録媒体に記録されたソフトウェアプログラムを読み出して実行することによって実現されてもよい。また、プログラムを記録媒体に記録して移送することにより、又はプログラムをネットワークを経由して移送することにより、独立した他のコンピュータシステムによりプログラムが実施されてもよい。
本開示の実施の形態に係る装置の機能の一部又は全ては典型的には集積回路であるＬＳＩ（Ｌａｒｇｅ Ｓｃａｌｅ Ｉｎｔｅｇｒａｔｉｏｎ）として実現される。これらは個別に１チップ化されてもよいし、一部又は全てを含むように１チップ化されてもよい。また、集積回路化はＬＳＩに限るものではなく、専用回路又は汎用プロセッサで実現してもよい。ＬＳＩ製造後にプログラムすることが可能なＦＰＧＡ（Ｆｉｅｌｄ Ｐｒｏｇｒａｍｍａｂｌｅ Ｇａｔｅ Ａｒｒａｙ）、又はＬＳＩ内部の回路セルの接続や設定を再構成可能なリコンフィギュラブル・プロセッサを利用してもよい。
また、本開示の実施の形態に係る装置の機能の一部又は全てを、ＣＰＵ等のプロセッサがプログラムを実行することにより実現してもよい。
また、上記で用いた数字は、全て本開示を具体的に説明するために例示するものであり、本開示は例示された数字に制限されない。
また、上記フローチャートに示す各ステップが実行される順序は、本開示を具体的に説明するために例示するためのものであり、同様の効果が得られる範囲で上記以外の順序であってもよい。また、上記ステップの一部が、他のステップと同時（並列）に実行されてもよい。
本開示にかかる技術は、電池の試験期間を短縮しつつ、劣化特性を算出することができるので、電池の劣化特性を推定する技術に有用である。
１ 車両
２ サーバ
３ 充電制御装置
４ ネットワーク
１１ 運転操作部
１２ 駆動部
１３ 蓄電池
１４，２３ メモリ
１５，２２ プロセッサ
１６，２１ 通信部
１５１ 運転制御部
１５２ 稼動データ取得部
１５３ ＳＯＨ推定部
２２１ 劣化特性算出モデル取得部
２２２ 劣化係数算出部
２２３ 劣化度取得部
２２４ 劣化度算出部
２２５ モデル調整部
２２６ 劣化特性算出部
２２７ 劣化特性出力部
２３１ 劣化特性算出モデル記憶部
２３２ 劣化度算出モデル記憶部
２３３ 稼動履歴記憶部
２３４ パラメタ可動範囲記憶部

Claims (6)

  1. コンピュータにより実行される情報処理方法であって、
    試験に基づく電池の少なくとも１つの劣化特性算出モデルを取得し、
    前記試験後の前記電池の稼働データを取得し、
    前記稼動データにおける前記電池の劣化度を取得し、
    前記少なくとも１つの劣化特性算出モデルに、前記稼動データを入力して、少なくとも１つの劣化係数を算出し、
    前記電池の劣化度を算出するための劣化度算出モデルに、前記稼動データを入力して、算出した前記少なくとも１つの劣化係数を用いて、劣化度を算出し、
    算出した劣化度が、取得した劣化度に近付くように前記少なくとも１つの劣化特性算出モデルを調整し、
    調整した前記少なくとも１つの劣化特性算出モデルを用いて少なくとも１つの劣化特性を算出し、
    算出した前記少なくとも１つの劣化特性を出力する、
    情報処理方法。
  2. 前記少なくとも１つの劣化特性算出モデルは、保存劣化に対応する第１劣化特性算出モデルと、充電劣化に対応する第２劣化特性算出モデルと、放電劣化に対応する第３劣化特性算出モデルとを含み、
    前記劣化度を、前記保存劣化に対応する第１劣化度と、前記充電劣化に対応する第２劣化度と、前記放電劣化に対応する第３劣化度とに分配するための分配率が初期設定されており、
    前記少なくとも１つの劣化係数の算出において、前記第１劣化特性算出モデルに、前記稼動データを入力して、第１劣化係数が算出され、前記第２劣化特性算出モデルに、前記稼動データを入力して、第２劣化係数が算出され、前記第３劣化特性算出モデルに、前記稼動データを入力して、第３劣化係数が算出され、
    前記劣化度の算出において、前記劣化度算出モデルに、前記稼動データを入力して、算出した前記第１劣化係数、前記第２劣化係数及び前記第３劣化係数を用いて、前記第１劣化度、前記第２劣化度及び前記第３劣化度が算出され、
    前記少なくとも１つの劣化特性算出モデルの調整において、取得した劣化度を前記分配率に応じて第１劣化度、第２劣化度及び第３劣化度に分配し、算出した第１劣化度が、分配した第１劣化度に近付くように前記第１劣化特性算出モデルが調整され、算出した第２劣化度が、分配した第２劣化度に近付くように前記第２劣化特性算出モデルが調整され、算出した第３劣化度が、分配した第３劣化度に近付くように前記第３劣化特性算出モデルが調整され、
    前記少なくとも１つの劣化特性算出モデルの調整において、算出した前記第１劣化度、前記第２劣化度及び前記第３劣化度の合計が、取得した劣化度に近付くように前記分配率が調整される、
    請求項１記載の情報処理方法。
  3. 前記少なくとも１つの劣化特性算出モデルは、パラメタを有し、
    前記少なくとも１つの劣化特性算出モデルの調整において、前記少なくとも１つの劣化特性算出モデルの前記パラメタが調整され、
    前記劣化特性の算出において、前記劣化特性は、前記少なくとも１つの劣化特性算出モデルの調整後の前記パラメタを用いて算出される、
    請求項１又は２記載の情報処理方法。
  4. さらに、前記パラメタには調整可能範囲が設定されており、
    前記パラメタの調整において、前記パラメタは、前記調整可能範囲内で調整される、
    請求項３記載の情報処理方法。
  5. 前記稼動データの取得において、前記稼動データは、前記少なくとも１つの劣化特性を用いた処理を行う機器から受信され、
    前記劣化特性の出力において、算出された前記少なくとも１つの劣化特性は、前記機器に送信される、
    請求項１～４のいずれか１項に記載の情報処理方法。
  6. 試験に基づく電池の少なくとも１つの劣化特性算出モデルを取得する劣化特性算出モデル取得部と、
    前記試験後の前記電池の稼動データを取得する稼動データ取得部と、
    前記稼動データにおける前記電池の劣化度を取得する劣化度取得部と、
    前記少なくとも１つの劣化特性算出モデルに、前記稼動データを入力して、少なくとも１つの劣化係数を算出する劣化係数算出部と、
    前記電池の劣化度を算出するための劣化度算出モデルに、前記稼動データを入力して、算出した前記少なくとも１つの劣化係数を用いて、劣化度を算出する劣化度算出部と、
    算出した劣化度が、取得した劣化度に近付くように前記少なくとも１つの劣化特性算出モデルを調整する調整部と、
    調整した前記少なくとも１つの劣化特性算出モデルを用いて少なくとも１つの劣化特性を算出する劣化特性算出部と、
    算出した前記少なくとも１つの劣化特性を出力する出力部と、
    を備える情報処理装置。
JP2020121251A 2020-07-15 2020-07-15 情報処理方法及び情報処理装置 Pending JP2022018264A (ja)

Priority Applications (4)

Application Number Priority Date Filing Date Title
JP2020121251A JP2022018264A (ja) 2020-07-15 2020-07-15 情報処理方法及び情報処理装置
CN202180047756.XA CN115769092A (zh) 2020-07-15 2021-05-19 信息处理方法以及信息处理装置
PCT/JP2021/019025 WO2022014151A1 (ja) 2020-07-15 2021-05-19 情報処理方法及び情報処理装置
US18/089,091 US20230134590A1 (en) 2020-07-15 2022-12-27 Information processing method and information processing device

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
JP2020121251A JP2022018264A (ja) 2020-07-15 2020-07-15 情報処理方法及び情報処理装置

Publications (1)

Publication Number Publication Date
JP2022018264A true JP2022018264A (ja) 2022-01-27

Family

ID=79554742

Family Applications (1)

Application Number Title Priority Date Filing Date
JP2020121251A Pending JP2022018264A (ja) 2020-07-15 2020-07-15 情報処理方法及び情報処理装置

Country Status (4)

Country Link
US (1) US20230134590A1 (ja)
JP (1) JP2022018264A (ja)
CN (1) CN115769092A (ja)
WO (1) WO2022014151A1 (ja)

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2023090314A1 (ja) * 2021-11-18 2023-05-25 パナソニックＩｐマネジメント株式会社 劣化状態推定システム、劣化状態推定方法および劣化状態推定プログラム
WO2024062648A1 (ja) * 2022-09-22 2024-03-28 株式会社日立製作所 二次電池の劣化予測装置および二次電池の劣化予測方法

Family Cites Families (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP5852399B2 (ja) * 2011-10-17 2016-02-03 インターナショナル・ビジネス・マシーンズ・コーポレーションＩｎｔｅｒｎａｔｉｏｎａｌ Ｂｕｓｉｎｅｓｓ Ｍａｃｈｉｎｅｓ Ｃｏｒｐｏｒａｔｉｏｎ バッテリの状態予測システム、方法及びプログラム
FR3009093B1 (fr) * 2013-07-29 2017-01-13 Renault Sa Estimation de l'etat de vieillissement d'une batterie electrique
KR102399720B1 (ko) * 2014-08-06 2022-05-19 삼성전자주식회사 패턴 정보에 기초하여 사용자 특성에 따른 배터리 수명을 추정하는 장치 및 방법
CN107209228B (zh) * 2014-12-10 2020-07-31 株式会社杰士汤浅国际 蓄电元件状态估计装置以及方法、蓄电***、记录介质
JP2018169161A (ja) * 2015-08-31 2018-11-01 日立化成株式会社 電池の劣化診断装置、劣化診断方法、及び劣化診断システム
CN106126947B (zh) * 2016-06-30 2019-04-12 四川普力科技有限公司 一种基于arima估算动力电池soh的方法
JP6740764B2 (ja) * 2016-07-15 2020-08-19 日立化成株式会社 蓄電デバイス容量選択方法

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2023090314A1 (ja) * 2021-11-18 2023-05-25 パナソニックＩｐマネジメント株式会社 劣化状態推定システム、劣化状態推定方法および劣化状態推定プログラム
WO2024062648A1 (ja) * 2022-09-22 2024-03-28 株式会社日立製作所 二次電池の劣化予測装置および二次電池の劣化予測方法

Also Published As

Publication number Publication date
US20230134590A1 (en) 2023-05-04
CN115769092A (zh) 2023-03-07
WO2022014151A1 (ja) 2022-01-20

Similar Documents

Publication Publication Date Title
EP3748380B1 (en) Battery capacity prediction system using charge and discharge cycles of a battery to predict capacity variations, and associated method
Tian et al. State of charge estimation of lithium-ion batteries using an optimal adaptive gain nonlinear observer
US20230134590A1 (en) Information processing method and information processing device
US10288692B2 (en) Systems and methods for estimating battery system parameters
US20180106868A1 (en) Method for estimating a battery state of health
US8035345B2 (en) System, method, and article of manufacture for determining an estimated combined battery state-parameter vector
CN111448467B (zh) 用于对电池容量进行建模和估计的方法及***
US9440552B2 (en) Estimation and compensation of battery measurement
US11703548B2 (en) Methods and systems for accelerated determining of state of health using incremental capacity analysis
TW201702623A (zh) 用於測定鋰硫電池之健康狀態及充電狀態的方法及裝置
KR20170085365A (ko) 배터리의 상태 추정 장치 및 방법
JP7292404B2 (ja) バッテリ健全状態の推定方法
GB2556076A (en) Method
US20150369875A1 (en) Battery state estimating device
US20210173012A1 (en) Method and system for estimation of open circuit voltage of a battery cell
CN112782595A (zh) 用于电池状态估计的方法和设备
KR20220029109A (ko) 배터리 상태 추정 방법 및 장치
JP6455914B2 (ja) 蓄電残量推定装置、蓄電池の蓄電残量を推定する方法、及びコンピュータプログラム
Anton et al. A new predictive model for the state-of-charge of a high-power lithium-ion cell based on a PSO-optimized multivariate adaptive regression spline approach
US11675017B2 (en) Method and apparatus for device-specific determination of an internal-resistance based state of health of a battery
JP6755162B2 (ja) 推定装置
CN104537268A (zh) 一种电池最大放电功率估算方法和装置
KR102483644B1 (ko) 충전가능한 배터리의 용량 저하율을 예측하는 방법 및 장치
CN110333460B (zh) 动力电池组的rc网络参数获取方法、装置和电动汽车
CN117825970A (zh) 电池退化分析方法、装置、设备及存储介质

Legal Events

Date Code Title Description
A621 Written request for application examination

Free format text: JAPANESE INTERMEDIATE CODE: A621

Effective date: 20230510

A131 Notification of reasons for refusal

Free format text: JAPANESE INTERMEDIATE CODE: A131

Effective date: 20240305

A521 Request for written amendment filed

Free format text: JAPANESE INTERMEDIATE CODE: A523

Effective date: 20240419

A01 Written decision to grant a patent or to grant a registration (utility model)

Free format text: JAPANESE INTERMEDIATE CODE: A01

Effective date: 20240611