JP3520886B2 - Rechargeable battery status determination method - Google Patents

Rechargeable battery status determination method

Info

Publication number
JP3520886B2
JP3520886B2 JP08071696A JP8071696A JP3520886B2 JP 3520886 B2 JP3520886 B2 JP 3520886B2 JP 08071696 A JP08071696 A JP 08071696A JP 8071696 A JP8071696 A JP 8071696A JP 3520886 B2 JP3520886 B2 JP 3520886B2
Authority
JP
Japan
Prior art keywords
secondary battery
value
values
voltage
difference
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.)
Expired - Fee Related
Application number
JP08071696A
Other languages
Japanese (ja)
Other versions
JPH09243716A (en
Inventor
康彦 土手
勇治 藤野
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.)
Sanken Electric Co Ltd
Original Assignee
Sanken Electric 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 Sanken Electric Co Ltd filed Critical Sanken Electric Co Ltd
Priority to JP08071696A priority Critical patent/JP3520886B2/en
Publication of JPH09243716A publication Critical patent/JPH09243716A/en
Application granted granted Critical
Publication of JP3520886B2 publication Critical patent/JP3520886B2/en
Anticipated expiration legal-status Critical
Expired - Fee Related legal-status Critical Current

Links

Landscapes

  • Tests Of Electric Status Of Batteries (AREA)
  • Stand-By Power Supply Arrangements (AREA)

Description

【発明の詳細な説明】Detailed Description of the Invention

【０００１】[0001]

【産業上の利用分野】本発明は無停電電源装置（以下、
ＵＰＳと言う）に使用されている鉛蓄電池などの二次電
池の容量、寿命等の電池状態を判定する方法に関する。The present invention relates to an uninterruptible power supply (hereinafter,
It is related to a method of determining a battery state such as a capacity and a life of a secondary battery such as a lead storage battery used for UPS).

【０００２】[0002]

【従来の技術】ＵＰＳは、通常時は一般の電力系統を電
源としている負荷に対し、電力系統の異常が生じた時に
二次電池により電力を供給する装置である。そのため二
次電池に異常があるとＵＰＳの役割はまるで果たせなく
なる。このことから二次電池の信頼性はＵＰＳ自体の信
頼性に大きく関与している。従って、二次電池の容量及
び寿命を判断することが必要になる。二次電池の容量、
寿命は使用温度、使用期間、充電電圧、放電回数などの
条件により大きく影響を受ける。そのため、二次電池の
容量、寿命は一定ではなく使用中にそれらを判定するこ
とは難しい。2. Description of the Related Art A UPS is a device that supplies electric power to a load that normally uses a general electric power system as a power source by a secondary battery when an abnormality occurs in the electric power system. Therefore, if there is an abnormality in the secondary battery, the role of UPS cannot be fulfilled. From this, the reliability of the secondary battery is greatly related to the reliability of UPS itself. Therefore, it is necessary to judge the capacity and life of the secondary battery. Secondary battery capacity,
The service life is greatly affected by conditions such as operating temperature, operating period, charging voltage, and number of discharges. Therefore, the capacity and life of the secondary battery are not constant and it is difficult to judge them during use.

【０００３】二次電池の容量、寿命判定方法として二次
電池の寿命末期や不良発生時に高くなる内部抵抗を用い
る方法が知られている。また、容量を判定するのに長時
間にわたって二次電池の放電電圧を測定し、その測定結
果に対応して表示を行う方法もある。As a method of determining the capacity and life of a secondary battery, there is known a method of using an internal resistance which becomes high at the end of the life of the secondary battery or when a defect occurs. There is also a method of measuring the discharge voltage of the secondary battery for a long time to determine the capacity, and displaying according to the measurement result.

【０００４】[0004]

【発明が解決しようとする課題】長期間の使用によって
二次電池が古くなると新しい二次電池に比べ放電電圧が
急速に下がる傾向がある。そのため単に放電電圧を測定
し容量を判定していると誤差がでてくる。また、常に二
次電池の状態を知るためにはそのたびに長時間の放電を
行い電圧を測定しなければならない。このため二次電池
の寿命を短くするという欠点がある。また、二次電池を
バックアップ電源として使用している場合には、寿命判
定時にバックアップ時間が短くなる。When a secondary battery becomes old due to long-term use, the discharge voltage tends to drop more rapidly than that of a new secondary battery. Therefore, if the discharge voltage is simply measured to determine the capacity, an error will occur. Further, in order to always know the state of the secondary battery, it is necessary to discharge for a long time and measure the voltage each time. Therefore, there is a drawback that the life of the secondary battery is shortened. Further, when the secondary battery is used as the backup power source, the backup time becomes short when the life is judged.

【０００５】従って、本発明の目的は、常に二次電池の
状態を監視するために長時間の放電をせずに正確な容量
又は寿命等の電池状態を判定する方法を提供し、二次電
池の維持管理を適切に行えるようにすることにある。Therefore, an object of the present invention is to provide a method for accurately determining the battery state such as capacity or life without discharging for a long time in order to constantly monitor the state of the secondary battery. It is to be able to properly maintain and manage the.

【０００６】[0006]

【課題を解決するための手段】上記目的を達成するため
の請求項１に従う本発明は、二次電池の残りの容量、寿
命及び放電開始から所定時間後の電圧の内の少なくとも
１つの電池状態を判定する方法であって、前記判定を行
うための被判定二次電池と実質的に同一構成の学習用二
次電池の使用開始以後の複数の経過時点における開路電
圧（ＯＣＶ）、放電開始直後の電圧（ＶＯ）、前記開路
電圧（ＯＣＶ）の前記学習用二次電池の使用開始時点の
値と前記複数の経過時点の値とのそれぞれの差分（ΔＯ
ＣＶＯ）、前記開路電圧（ＯＣＶ）の前記複数の経過時
点における値とこの１つ前の時点の値との差分（ΔＯＣ
Ｖ）、前記放電開始直後の電圧（ＶＯ）の前記学習用二
次電池の使用開始時点の値と前記複数の経過時点の値と
のそれぞれの差分（ΔＶＯＯ）、及び前記放電開始直後
の電圧（ＶＯ）の前記複数の経過時点における値とこの
１つ前の時点の値との差分（ΔＶＯ）と電池状態との関
係を示す情報を予め格納するメモリ手段と、前記被判定
二次電池の開路電圧（ＯＣＶ）、放電開始直後の電圧
（ＶＯ）、前記開路電圧（ＯＣＶ）の前記学習用二次電
池の使用開始時点の値と前記複数の経過時点の値とのそ
れぞれの差分（ΔＯＣＶＯ）、前記開路電圧（ＯＣＶ）
の前記複数の経過時点における値とこの１つ前の時点の
値との差分（ΔＯＣＶ）、前記放電開始直後の電圧（Ｖ
Ｏ）の前記学習用二次電池の使用開始時点の値と前記複
数の経過時点の値とのそれぞれの差分（ΔＶＯＯ）、及
び前記放電開始直後の電圧（ＶＯ）の前記複数の経過時
点における値とこの１つ前の時点の値との差分（ΔＶ
Ｏ）のデータと前記メモリ手段の前記情報とを使用して
前記電池状態を予測する手段とを用意するステップと、
前記被判定二次電池の開路電圧（ＯＣＶ）、放電開始直
後の電圧（ＶＯ）、前記開路電圧（ＯＣＶ）の前記被判
定二次電池の使用開始時点の値と前記複数の経過時点の
値とのそれぞれの差分（ΔＯＣＶＯ）、前記開路電圧
（ＯＣＶ）の前記複数の経過時点における値とこの１つ
前の時点の値との差分（ΔＯＣＶ）、前記放電開始直後
の電圧（ＶＯ）の前記被判定二次電池の使用開始時点の
値と前記複数の経過時点の値とのそれぞれの差分（ΔＶ
ＯＯ）、及び前記放電開始直後の電圧（ＶＯ）の前記複
数の経過時点における値とこの１つ前の時点の値との差
分（ΔＶＯ）を測定するステップと、測定によって得ら
れた前記被判定二次電池の開路電圧（ＯＣＶ）、放電開
始直後の電圧（ＶＯ）、前記開路電圧（ＯＣＶ）の前記
被判定二次電池の使用開始時点の値と前記複数の経過時
点の値とのそれぞれの差分（ΔＯＣＶＯ）、前記開路電
圧（ＯＣＶ）の前記複数の経過時点における値とこの１
つ前の時点の値との差分（ΔＯＣＶ）、前記放電開始直
後の電圧（ＶＯ）の前記被判定二次電池の使用開始時点
の値と前記複数の経過時点の値とのそれぞれの差分（Δ
ＶＯＯ）、及び前記放電開始直後の電圧（ＶＯ）の前記
複数の経過時点における値とこの１つ前の時点の値との
差分（ΔＶＯ）と前記メモリ手段の前記情報とを使用し
て前記予測する手段によって前記被判定二次電池の前記
電池状態を判定するステップとを備えていることを特徴
とする二次電池の状態判定方法に係わるものである。な
お、請求項２及び３に示すように内部抵抗Ｒ、又は内部
抵抗Ｒとこの内部抵抗Ｒの使用開始時点からの差分ΔＲ
Ｏと１つ前の時点の値との差分ΔＲを考慮して判定する
ことができる。In order to achieve the above object, the present invention according to claim 1 provides at least one of the remaining capacity, life and voltage of a secondary battery after a predetermined time has passed from the start of discharge. A method of determining the open circuit voltage (OCV) at a plurality of elapsed time points after the start of use of the secondary battery for learning having substantially the same configuration as the secondary battery to be determined for performing the determination, immediately after the start of discharge. Voltage (VO) and open circuit voltage (OCV) between the values at the start of use of the learning secondary battery and the values at the plurality of elapsed times (ΔO
CVO), the difference between the values of the open circuit voltage (OCV) at the plurality of elapsed time points and the value at the immediately preceding time point (ΔOC)
V), each difference (ΔVOO) between the value of the voltage (VO) immediately after the start of discharge of the secondary battery for learning start and the values of the plurality of elapsed time points, and the voltage (VO) immediately after the start of discharge ( (VO), the memory means for storing in advance information indicating the relationship between the battery state and the difference (ΔVO) between the values at the plurality of elapsed time points and the value at the immediately preceding time point, and the open circuit of the secondary battery to be judged. Voltage (OCV), voltage (VO) immediately after the start of discharge, each difference (ΔOCVO) between the value of the open circuit voltage (OCV) at the start of use of the secondary battery for learning and the values at the plurality of elapsed times, The open circuit voltage (OCV)
Difference (ΔOCV) between the values at the plurality of elapsed time points and the value at the immediately preceding time point, the voltage (V
O) each difference (ΔVOO) between the value at the start of use of the learning secondary battery and the values at the plurality of elapsed times, and the value of the voltage (VO) immediately after the start of discharge at the plurality of elapsed times. And the difference (ΔV
O) and means for predicting the battery condition using the information in the memory means, and
The open circuit voltage (OCV) of the judged secondary battery, the voltage (VO) immediately after the start of discharge, the value of the open circuit voltage (OCV) at the start time of use of the judged secondary battery, and the values at the plurality of elapsed time points. (ΔOCVO), the difference (ΔOCV) between the values of the open circuit voltage (OCV) at the plurality of elapsed time points and the value at the immediately preceding time point, and the voltage (VO) immediately after the start of the discharge. Each difference between the value at the start of use of the determination secondary battery and the values at the plurality of elapsed times (ΔV
OO), and a step of measuring a difference (ΔVO) between a value of the voltage (VO) immediately after the start of the discharge at the plurality of elapsed time points and a value at a time point immediately before this, and the judgment target obtained by the measurement. The open circuit voltage (OCV) of the secondary battery, the voltage (VO) immediately after the start of discharge, the value of the open circuit voltage (OCV) at the start of use of the judged secondary battery, and the plurality of elapsed time values. The difference (ΔOCVO), the value of the open circuit voltage (OCV) at the plurality of elapsed times, and
The difference (ΔOCV) from the value at the immediately preceding time point, the difference (Δ) between the value of the voltage (VO) immediately after the start of discharge of the secondary battery to be judged and the value at the plurality of elapsed times.
VOO), and the difference (ΔVO) between the values at the plurality of elapsed time points of the voltage (VO) immediately after the start of the discharge and the values at the previous time points, and the information in the memory means. Means for determining the battery state of the secondary battery to be determined. As described in claims 2 and 3 , the internal resistance R, or the difference ΔR between the internal resistance R and the internal resistance R from the start of use.
The determination can be made in consideration of the difference ΔR between O and the value at the immediately preceding time point.

【０００７】請求項１及び２の発明に従う二次電池の状
態判定方法の原理を図１に基づいて説明する。図１には
二次電池の放電曲線の経年変化が示されている。図１の
Ａは新しい電池の放電曲線、Ｂは経年変化した後の二次
電池の放電曲線、Ｃは更に大きく経年変化した後の二次
電池の放電曲線を示す。なお、図１においてｔ0 は放電
開始時点を示し、Ｔb はＵＰＳで要求されるバックアッ
プ時間、Ｔh はバックアップ時間Ｔb の半分の時間であ
る。本願においてはｔ0 で放電を開始して半分の時間Ｔ
h が経過した時点ｔ1 における電池電圧Ｖh が放電終始
電圧Ｖe 以下になった時に電池の寿命が終ったと定義し
ている。この実施例ではバックアップ時間Ｔb が１０分
間であるので半分の時間Ｔh は５分間である。The principle of the method for determining the state of a secondary battery according to the first and second aspects of the invention will be described with reference to FIG. FIG. 1 shows the change over time in the discharge curve of the secondary battery. 1A shows a discharge curve of the new battery, B shows a discharge curve of the secondary battery after aging, and C shows a discharge curve of the secondary battery after further aging. In FIG. 1, t0 indicates the discharge start point, Tb is the backup time required by UPS, and Th is half the backup time Tb. In the present application, the discharge is started at t0 and half the time T
It is defined that the life of the battery has ended when the battery voltage Vh at time t1 when h has elapsed becomes less than the discharge end voltage Ve. In this embodiment, since the backup time Tb is 10 minutes, the half time Th is 5 minutes.

【０００８】図１から明らかなように実線で示す新しい
電池の放電曲線Ａに従う放電開始時点ｔ0 よりも前の開
路電圧ＯＣＶ1 即ち放電回路が開放されている時の電池
電圧は、鎖線及び点線で示す経年変化後の開路電圧ＯＣ
Ｖ2 及びＯＣＶ3 よりも低い。他方、ｔ0 で放電を開始
した直後の電圧ＶＯは、曲線Ａで示す新しい電池の場合
に最も高い値ＶＯ1 となり、経年変化した電池の場合に
はＶＯ1 よりも低い値ＶＯ2 、ＶＯ3 となる。本願の発
明では、電池の開路電圧ＯＣＶと放電開始直後の電圧Ｖ
Ｏとの経年変化に着目して二次電池の放電可能時間（容
量）Ｔe 、使用可能期間（寿命）Ｌ、及び放電開始から
所定時間（例えば５分間）後の電圧Ｖh の内の少なくと
も１つを決定する。また、本願の請求項１及び２の発明
では、放電曲線の放電開始後のカーブの変化に着目して
放電可能時間Ｔe 、使用可能期間Ｌ、及び放電開始から
所定時間後の電圧Ｖh を決定する。放電曲線の傾きは図
１のＡ、Ｂ、Ｃの比較から明らかなように経年変化が大
きくなるに従って急になる。また、請求項２、３で使用
する内部抵抗Ｒは経年変化によって高くなる。そこで、
本願では内部抵抗の変化を電池状態の判定に使用する。As is apparent from FIG. 1, the open circuit voltage OCV1 before the discharge start time t0 according to the discharge curve A of the new battery shown by the solid line, that is, the battery voltage when the discharge circuit is opened is shown by the chain line and the dotted line. Open circuit voltage OC after aging
Lower than V2 and OCV3. On the other hand, the voltage VO immediately after starting the discharge at t0 is the highest value VO1 in the case of the new battery shown by the curve A, and the values VO2 and VO3 lower than VO1 in the case of the aged battery. In the invention of the present application, the open circuit voltage OCV of the battery and the voltage V immediately after the start of discharge
Paying attention to the secular change with O, at least one of the dischargeable time (capacity) Te of the secondary battery, the usable period (lifetime) L, and the voltage Vh after a predetermined time (for example, 5 minutes) from the start of discharge To decide. Further, in the invention of claims 1 and 2 of the present application, the dischargeable time Te, the usable period L, and the voltage Vh after a predetermined time from the discharge start are determined by paying attention to the change in the discharge curve after the discharge starts. . As is clear from the comparison of A, B and C in FIG. 1, the slope of the discharge curve becomes steeper as the secular change increases. Further, the internal resistance R used in claims 2 and 3 becomes high due to aging. Therefore,
In the present application, the change in internal resistance is used to determine the battery state.

【０００９】ところで、同じ二次電池でも使われる環境
や二次電池それぞれの性能の差によって経年変化が違
う。こういったことにより近似式により二次電池の容
量、寿命を正確に判定することは難しい。そこで、請求
項４の発明においては、図１に示す放電曲線の経年変化
の特徴をニューラルネットワーク（Neural Network ）
に学習させることによって電池状態の正確な判定が行わ
れる。このニューラルネットワークの特徴は動物の脳の
神経細胞をモデル化したものであり、アルゴリズムで表
せないことを学習をすることによって写像することがで
きることである。By the way, the secular change varies depending on the environment in which the same secondary battery is used and the difference in performance of each secondary battery. For this reason, it is difficult to accurately determine the capacity and life of the secondary battery by the approximate expression. Therefore, in the invention of claim 4 , the characteristics of the secular change of the discharge curve shown in FIG. 1 are characterized by a neural network.
Accurate determination of the battery state can be performed by learning. The feature of this neural network is that it is a model of nerve cells in the brain of an animal, and it can be mapped by learning what cannot be represented by an algorithm.

【００１０】ニューラルネットワークを用いた二次電池
の状態判定を行う場合には、被判定二次電池と実質的に
同一構成の学習用二次電池を用意し、一般に教師データ
と呼ばれるデータ（例えば容量Ｔe 、寿命Ｌ、放電開始
から所定時間後の電圧Ｖh ）をニューラルネットワーク
に与えると共に、開路電圧（以下、単にＯＣＶと呼ぶこ
ともある）、放電開始直後の電圧（以下、単にＶＯと呼
ぶこともある）、二次電池の内部抵抗（以下、単にＲと
呼ぶこともある）、放電５分後の放電電圧（以下、単に
Ｖh と呼ぶこともある）、ＯＣＶの最初に使用開始した
時点の値と複数の経過時点の値とのそれぞれの差分（以
下、単にΔＯＣＶＯと呼ぶこともある）、ＯＣＶの１つ
前の時点の値との差分（以下、単にΔＯＣＶと呼ぶこと
もある）、放電開始直後の電圧ＶＯの使用開始時点の値
との差分（以下、単にΔＶＯＯと呼ぶこともある）、及
びＶＯの１つ前の時点の値との差分（以下、単にΔＶＯ
と呼ぶこともある）の内から選択された複数のデ−タを
ニューラルネットワークに入力させる。ニューラルネッ
トワークは与えられたデータに基づいて学習し、電池状
態（Ｔe 、Ｌ、Ｖh ）を予測するために必要な荷重（ウ
エイト）を決定する。このウエイトはニューラルネット
ワークの入力データ（ＯＣＶ、ＶＯ等）と電池状態（Ｔ
e 、Ｌ、Ｖh ）との相互関係を示す情報を含んでいる。
従って、被判定二次電池からＯＣＶ、ＶＯ等を測定して
ニューラルネットワークに入力させると、比較的高い精
度で電池状態（例えばＴe 、Ｌ、Ｖh ）を判定すること
ができる。When the state of the secondary battery is judged using the neural network, a learning secondary battery having substantially the same structure as the secondary battery to be judged is prepared, and data generally called teacher data (for example, capacity) is used. Te, life L, voltage Vh after a predetermined time from the start of discharge are given to the neural network, and open circuit voltage (hereinafter sometimes simply referred to as OCV) and voltage immediately after the start of discharge (hereinafter sometimes simply referred to as VO) Yes, the internal resistance of the secondary battery (hereinafter also referred to simply as R), the discharge voltage after 5 minutes of discharge (hereinafter also simply referred to as Vh), and the value at the time when the OCV first started to be used. And a plurality of elapsed time values (hereinafter, may be simply referred to as ΔOCVO), a difference from a value one time before the OCV (hereinafter, may be simply referred to as ΔOCV), and discharge start straight The difference between the later voltage VO and the value at the start of use (hereinafter, may be simply referred to as ΔVOO), and the difference with the value immediately before the VO (hereinafter simply referred to as ΔVO
It may be referred to as “(may be called)”, but a plurality of data selected from among these are input to the neural network. The neural network learns based on the given data, and determines the weight (weight) necessary for predicting the battery state (Te, L, Vh). This weight is based on the input data (OCV, VO, etc.) of the neural network and the battery state (T
e, L, Vh).
Therefore, when OCV, VO, etc. are measured from the secondary battery to be judged and input to the neural network, the battery state (eg Te, L, Vh) can be judged with relatively high accuracy.

【００１１】[0011]

【発明の効果】各請求項の発明によれば、被判定二次電
池を長時間放電して電池の状態（寿命、残りの容量等）
を判定することが不要であり、比較的短時間の放電で電
池状態を判定することができる。従って、判定結果を短
時間で得ることができる。また、二次電池をバックアッ
プとして使用中である場合には二次電池の容量即ちバッ
クアップ時間を無駄に消費しない。また、ΔＯＣＶＯ、
ΔＯＣＶ、ΔＶＯＯ、ΔＶＯも考慮すると誤差の少ない
判定即ち予測が可能になる。また、請求項２の発明のよ
うにＲ又はＲとΔＲＯ、ΔＲを考慮すると、電池状態の
更に精度の高い予測が可能になる。また、請求項３の発
明のように、Ｒ、ΔＲＯ、ΔＲによっても短時間に電池
状態を予測することができる。According to the inventions of the respective claims, the secondary battery to be judged is discharged for a long time, and the state of the battery (life, remaining capacity, etc.)
Is unnecessary, and the battery state can be determined by discharging in a relatively short time. Therefore, the determination result can be obtained in a short time. When the secondary battery is being used as a backup, the capacity of the secondary battery, that is, the backup time is not wasted. Also, ΔOCVO,
If ΔOCV, ΔVOO, and ΔVO are also taken into consideration, it is possible to make a judgment or prediction with a small error. Further, when R or R and ΔRO, ΔR are taken into consideration as in the second aspect of the present invention, the battery state can be predicted with higher accuracy. Further, as in the invention of claim 3 , the battery state can be predicted in a short time by R, ΔRO, and ΔR.

【００１２】[0012]

【第一実施例】次に、図２〜図４を参照して第一実施例
の二次電池状態判定方法を説明する。第一実施例では図
２に示すようにニューラルネットワーク１に鉛蓄電池か
ら成る二次電池のＯＣＶとＶＯとを入力させ、出力とし
てＶh 、Ｔe 、Ｌを得る。ニューラルネットワーク１は
プログラムＲＯＭ（リード・オンリー・メモリ）とＲＡ
Ｍ（ランダム・アクセス・メモリ）とＣＰＵ（中央処理
装置）とを含み、学習によってＲＡＭに蓄積されたデー
タとＯＣＶ、ＶＯに基づいてＶh 、Ｔe 、Ｌを予測手段
としてのＣＰＵとＲＯＭのプログラムで予測する。図３
はニューラルネットワーク１の模式的回路網を示す。こ
の実施例のニューラルネットワーク１は中間層が１層で
ユニットの数が５個とされたものであり、バックプロパ
ゲーション（誤差逆伝播）法に従うものである。[First Embodiment] Next, a secondary battery state determination method of the first embodiment will be described with reference to FIGS. In the first embodiment, as shown in FIG. 2, OCV and VO of a secondary battery composed of a lead storage battery are input to the neural network 1 and Vh, Te and L are obtained as outputs. Neural network 1 is a program ROM (read only memory) and RA
Mh (random access memory) and CPU (central processing unit) are included, and Vh, Te, and L are programs of CPU and ROM as predicting means based on the data accumulated in RAM by learning and OCV and VO. Predict. Figure 3
Shows a schematic circuit network of the neural network 1. The neural network 1 of this embodiment has one intermediate layer and five units, and follows the back propagation (error back propagation) method.

【００１３】図４は二次電池の状態判定装置を原理的又
は機能的に示すものであって、鉛蓄電池から成る二次電
池２にはスイッチ４を介して充電回路３が接続されてい
ると共にスイッチ６を介して負荷５が接続され、またス
イッチ８を介して電圧検出手段７が接続されている。電
圧検出手段７の出力ラインには開路電圧抽出回路９と放
電開始直後の電圧抽出回路１０が接続されている。開路
電圧抽出回路９はスイッチ４及び６をオフ、スイッチ８
をオンにした時にＯＣＶを抽出して出力する。放電開始
直後の電圧抽出回路１０はスイッチ４をオフ、スイッチ
６及び８の両方をオンにした時にＶＯを抽出して出力す
る。ニューラルネットワーク１は、等価的に放電５分後
の電圧判定手段１１、放電可能時間判定手段１２、使用
可能期間判定手段１３を含み、Ｖh 、Ｔe 、Ｌを出力す
る。図４の等価回路から明らかなように、３つの判定手
段１１、１２、１３はＯＣＶ及びＶＯの入力ラインに結
合されているのみでなく、相互にも結合されている。な
お、ニュ−ラルネットワ−ク１のウエイトを決めるため
の学習時にはＶh 、Ｔe 、Ｌを使用するが、被判定二次
電池の放電開始５分後の電圧Ｖh 、容量Ｔe 及び寿命Ｌ
を予測する時にはＶh 、Ｔe 、Ｌを使用しないでＯＣ
Ｖ、ＶＯのみにを使用する。これは後述の別の実施例に
おいても同様である。この様に複数の情報を考慮して予
測すると、精度の高い予測結果を得ることができる。FIG. 4 shows in principle or functionally a state determining device for a secondary battery, wherein a charging circuit 3 is connected to a secondary battery 2 made of a lead storage battery via a switch 4. The load 5 is connected via the switch 6, and the voltage detecting means 7 is connected via the switch 8. An open circuit voltage extraction circuit 9 and a voltage extraction circuit 10 immediately after the start of discharge are connected to the output line of the voltage detection means 7. The open circuit voltage extraction circuit 9 turns off the switches 4 and 6, and the switch 8
When is turned on, OCV is extracted and output. Immediately after the start of discharge, the voltage extraction circuit 10 extracts VO and outputs it when the switch 4 is turned off and both the switches 6 and 8 are turned on. The neural network 1 equivalently includes a voltage determining means 11 after discharging for 5 minutes, a dischargeable time determining means 12, and a usable period determining means 13, and outputs Vh, Te and L. As is clear from the equivalent circuit of FIG. 4, the three decision means 11, 12, 13 are not only coupled to the input lines of OCV and VO, but also to each other. Note that Vh, Te, and L are used during learning for determining the weight of the neural network 1, but the voltage Vh, the capacity Te, and the life L after 5 minutes from the start of discharging the secondary battery to be determined are used.
When predicting, OC without using Vh, Te and L
Use only for V and VO. This also applies to other embodiments described later. In this way, when a plurality of pieces of information are taken into consideration for prediction, a highly accurate prediction result can be obtained.

【００１４】ニュートラルネットワーク１を使用して鉛
蓄電池から成る被判定二次電池のＶh 、Ｔe 、Ｌの予測
する場合には、まず、ニューラルネットワーク１を学習
させるために必要なデータを得る。この学習用データを
得るために、図４の二次電池２を鉛蓄電池から成る学習
用二次電池とする。学習用二次電池は被判定用二次電池
と実質的に同一構成で且つ実質的に同一の放電特性を有
するものである。表１は学習用のデータを示す。表１及
び後で説明する表２〜表６において、NO. はサンプル番
号であって、NO. １とNO. ２は２個の二次電池のサンプ
ルを示す。Ｍは経年変化を調べるための電池の使用期間
を月（month ）で示す。なお、経年変化は測定のための
放電を除いてはスイッチ６をオフにして放電させない状
態（無負荷状態）で調べられている。また、測定期間に
はスイッチ４がオフにされるが、測定期間以外ではスイ
ッチ４がオンに保たれる。ＯＣＶは開路電圧、ＶＯは放
電開始直後の電圧、Ｒは内部抵抗、Ｖh は放電開始５分
後の電圧、Ｔe は放電可能期間（容量）、Ｌは使用可能
期間（寿命）を示す。When the neutral network 1 is used to predict Vh, Te, and L of a secondary battery to be judged which is a lead storage battery, first, data necessary for learning the neural network 1 is obtained. In order to obtain this learning data, the secondary battery 2 in FIG. 4 is a learning secondary battery composed of a lead storage battery. The learning secondary battery has substantially the same configuration as the to-be-determined secondary battery and has substantially the same discharge characteristics. Table 1 shows data for learning. In Table 1 and Tables 2 to 6 described later, NO. Is a sample number, and NO. 1 and NO. 2 are samples of two secondary batteries. M indicates the period of use of the battery for examining the secular change in months. Note that the secular change is examined with the switch 6 turned off and no discharge (non-loaded state) except for discharge for measurement. Further, although the switch 4 is turned off during the measurement period, the switch 4 is kept on during the period other than the measurement period. OCV is an open circuit voltage, VO is a voltage immediately after the start of discharge, R is an internal resistance, Vh is a voltage 5 minutes after the start of discharge, Te is a dischargeable period (capacity), and L is a usable period (life).

【００１５】[0015]

【表１】 [Table 1]

【００１６】表１の学習用データは、新しい学習用二次
電池を図４と同様に接続し、使用開始以後即ち使用開始
時及びそれよりも後の複数の経過時点においてＯＣＶ、
ＶＯ、Ｒを求め、また、使用開始時及び各経過時点にお
いてＶh 、Ｔe を実測することによって得る。即ち学習
用データを得る時には、二次電池を実際に５分間放電さ
せて電池電圧を測定し、これをＶh とする。またＴe を
求める時は放電開始時点から電池電圧が放電終了電圧Ｖ
e になる時点までを計測する。Ｌは実測した寿命から経
過時間を差し引くことによって計算で求めた。なお、Ｍ
の各値において１回の放電が終了したら再び満充電状態
に戻し、スイッチ４のオンを保持して充電状態を保つ。The learning data in Table 1 shows that the new learning secondary battery is connected in the same manner as in FIG. 4, and the OCV, after the start of use, that is, after the start of use and at a plurality of elapsed time points after that,
VO and R are obtained, and Vh and Te are measured at the start of use and at each elapsed time. That is, when the learning data is obtained, the secondary battery is actually discharged for 5 minutes, the battery voltage is measured, and this is taken as Vh. Further, when Te is obtained, the battery voltage is the discharge end voltage V from the discharge start time.
Measure up to the point of e. L was calculated by subtracting the elapsed time from the actually measured life. In addition, M
When the discharge is completed once at each value of, the state is returned to the full charge state again, and the switch 4 is kept on to keep the charge state.

【００１７】表１のデータが得られたら、ニューラルネ
ットワーク１のＣＰＵに対してオフラインでＭで示す経
過時点の順番で学習用データを与える。即ち、各経過時
点において、ニューラルネットワーク１の教師データ
（所望データ）としてＶh 、Ｔe 、Ｌを与え、また第一
実施例の場合はＯＣＶ及びＶＯを入力データとして与え
る。なお、図４には使用期間Ｍを計測するための手段が
示されていないが、この計測手段はニューラルネットワ
ーク１に内蔵されている計数回路から成り、使用期間Ｍ
のデータもＣＰＵに与えられる。勿論、Ｍの計測手段を
ニューラルネットワーク１の外に設けることもできる。
学習のためのデータをニューラルネットワーク１に与え
ると、入力データＯＣＶ、ＶＯに基づいて教師データを
得るために必要な荷重（ウエイト）を求めることができ
る。即ち、ニューラルネットワークの原理を極めて単純
化して概略的に示すと、 Ｗ1 ×ＯＣＶ＋Ｗ2 ×ＶＯ＝Ｖh Ｗ3 ×ＯＣＶ＋Ｗ4 ×ＶＯ＝Ｔe Ｗ5 ×ＯＣＶ＋Ｗ6 ×ＶＯ＝Ｌ であり、この関係式において、Ｖh 、Ｔe 、Ｌ、ＯＣ
Ｖ、ＶＯが既知であれば、ウエイトＷ1 〜Ｗ6 を決定す
ることができる。学習においては各経過時点即ちＭの種
々の値でウエイトＷ1 〜Ｗ6 を決定し、ＲＯＭ又はＲＡ
Ｍに蓄積する。When the data in Table 1 is obtained, the learning data is given to the CPU of the neural network 1 offline in the order of the elapsed time indicated by M. That is, at each time point, Vh, Te and L are given as teacher data (desired data) of the neural network 1, and OCV and VO are given as input data in the case of the first embodiment. Although FIG. 4 does not show a means for measuring the period of use M, this measuring means is composed of a counting circuit built in the neural network 1 and has a period of use M.
Data is also given to the CPU. Of course, the measuring means of M can be provided outside the neural network 1.
When the data for learning is given to the neural network 1, the weight (weight) necessary to obtain the teacher data can be obtained based on the input data OCV and VO. That is, when the principle of the neural network is extremely simplified and schematically shown, W1 * OCV + W2 * VO = Vh W3 * OCV + W4 * VO = Te W5 * OCV + W6 * VO = L, and in this relational expression, Vh, Te, L, OC
If V and VO are known, the weights W1 to W6 can be determined. In learning, the weights W1 to W6 are determined at each elapsed time, that is, at various values of M, and the ROM or RA is determined.
Accumulate in M.

【００１８】学習によってウエイトが決定されたら、被
判定二次電池のＶh 、Ｔe 、Ｌの判定が可能になる。そ
こで、図４の二次電池２に被判定二次電池を接続し、表
１のＭと同一使用期間においてニューラルネットワーク
１に被判定二次電池のＯＣＶ、ＶＯを入力させる。この
ＯＣＶ、ＶＯは学習時と同様に測定する。ニューラルネ
ットワーク１は学習によって蓄積されているウエイトに
基づいて被判定二次電池のＶh 、Ｔe 、Ｌの予測を行
う。次の表２はＶh 、Ｔe 、Ｌの予測即ち判定結果を示
す。なお、１回の判定終了毎に被判定二次電池を満充電
状態に戻し、スイッチ４をオン状態に保ち、且つスイッ
チ６をオフ状態に保つ。既に説明したように被判定二次
電池のＶh 、Ｔe 、Ｌを判定する時には、図５の３つの
判定手段１１、１２、１３においてＶh 、Ｔe 、Ｌの判
定出力を相互に関係付けない。When the weight is determined by learning, it is possible to determine Vh, Te and L of the secondary battery to be determined. Therefore, a secondary battery to be determined is connected to the secondary battery 2 in FIG. 4, and OCV and VO of the secondary battery to be determined are input to the neural network 1 in the same use period as M in Table 1. The OCV and VO are measured in the same manner as during learning. The neural network 1 predicts Vh, Te, and L of the secondary battery to be judged based on the weight accumulated by learning. Table 2 below shows the prediction or judgment results of Vh, Te, and L. It should be noted that the secondary battery to be judged is returned to the fully charged state at each completion of the judgment, the switch 4 is kept in the ON state, and the switch 6 is kept in the OFF state. As described above, when determining Vh, Te, and L of the secondary battery to be determined, the determination outputs of Vh, Te, and L are not correlated with each other in the three determining means 11, 12, and 13 of FIG.

【００１９】[0019]

【表２】 [Table 2]

【００２０】表１の実測値と表２の判定結果との対比か
ら明らかなように、サンプルNO. １及びNO. ２のいずれ
においても実測値に近似の判定結果を得ることができ
る。なお、判定結果の実測値に対する誤差は使用期間Ｍ
が大きい経過時点になるに従って小さくなる。As is clear from the comparison between the actually measured values shown in Table 1 and the judgment results shown in Table 2, it is possible to obtain a judgment result that is close to the actually measured values in both sample No. 1 and NO. Note that the error of the determination result with respect to the actual measurement value is the period of use M
Becomes smaller as it becomes larger.

【００２１】[0021]

【第二実施例】次に、図５を参照して第二実施例の二次
電池の状態判定方法を説明する。但し、この第二実施例
及び後述する第三〜第五実施例において第一実施例及び
各実施例の相互間において共通する事項の説明を省略
し、相違点のみを述べる。Second Embodiment Next, with reference to FIG. 5, a secondary battery state determination method of the second embodiment will be described. However, in the second embodiment and the third to fifth embodiments to be described later, description of matters common to the first embodiment and each embodiment will be omitted, and only different points will be described.

【００２２】第二実施例はニューラルネットワーク１に
与える入力データとしてΔＯＣＶＯ、ΔＯＣＶ、ΔＶＯ
Ｏ、ΔＶＯが付加された点で第一実施例と相違し、その
他は同一である。従って、図５の判定装置は開路電圧抽
出回路９に接続されたΔＯＣＶＯ形成回路９ａ及びΔＯ
ＣＶ形成回路９ｂと、ＶＯ抽出回路１０に接続されたΔ
ＶＯＯ形成回路１０ａ及びΔＶＯ形成回路１０ｂとを有
し、これ等もニューラルネットワーク１に接続されてい
る点で図４の判定装置と相違し、その他は同一である。
なお、図５のニュ−ラルネットワ−ク１は、中間層が１
層でユニットの数が８個となるように構成されている。In the second embodiment, ΔOCVO, ΔOCV and ΔVO are used as input data to be given to the neural network 1.
The third embodiment is different from the first embodiment in that O and ΔVO are added, and is otherwise the same. Therefore, the determination device of FIG. 5 has the ΔOCVO forming circuits 9a and ΔO connected to the open circuit voltage extracting circuit 9.
Δ connected to the CV forming circuit 9b and the VO extracting circuit 10
It has a VOO forming circuit 10a and a ΔVO forming circuit 10b, which are also connected to the neural network 1 and differ from the determination device of FIG. 4, and are otherwise the same.
In addition, in the neural network 1 of FIG. 5, the intermediate layer is 1
The number of units in each layer is eight.

【００２３】ΔＯＣＶＯ形成回路９ａは、開路電圧ＯＣ
Ｖの使用開始時の値と任意時点との値との差分ΔＯＣＶ
Ｏを形成する。図１を参照すると、ΔＯＣＶＯは、ＯＣ
Ｖ1−ＯＣＶ2 、又はＯＣＶ1 −ＯＣＶ3 である。ま
た、ΔＯＣＶ形成回路９ｂは、開路電圧ＯＣＶの１つ前
の時点の値との差分ΔＯＣＶを形成する。図１を参照す
ると、ΔＯＣＶは、ＯＣＶ1 −ＯＣＶ2 又はＯＣＶ2 −
ＯＣＶ3 である。また、ΔＶＯＯ形成回路１０ａは、放
電開始直後の電圧ＶＯの使用開始時の値との差分ΔＶＯ
Ｏを形成する。図１を参照すると、ΔＶＯＯはＶＯ1 −
ＶＯ2 又はＶＯ1 −ＶＯ3 である。また、ΔＶＯ形成回
路１０ｂは、放電開始直後の電圧ＶＯの１つ前の時点の
値との差分ΔＶＯを形成する。図１を参照すると、ΔＶ
ＯはＶＯ1 −ＶＯ2 又はＶＯ2 −ＶＯ3 である。The ΔOCVO forming circuit 9a has an open circuit voltage OC
Difference ΔOCV between the value at the start of use of V and the value at an arbitrary time point
Form O. Referring to FIG. 1, ΔOCVO is OC
V1-OCV2 or OCV1-OCV3. Further, the ΔOCV forming circuit 9b forms a difference ΔOCV between the open circuit voltage OCV and the value at the immediately preceding time point. Referring to FIG. 1, ΔOCV is OCV1 −OCV2 or OCV2 −.
It is OCV3. In addition, the ΔVOO forming circuit 10a determines the difference ΔVO between the value at the start of use of the voltage VO immediately after the start of discharge.
Form O. Referring to FIG. 1, ΔVOO is VO1 −
VO2 or VO1 -VO3. Further, the ΔVO forming circuit 10b forms a difference ΔVO between the voltage VO immediately after the start of discharge and the value one time before. Referring to FIG. 1, ΔV
O is VO1 -VO2 or VO2 -VO3.

【００２４】図５の判定装置を使用してＶh 、Ｔe 、Ｌ
を判定即ち予測する時には、第一実施例で説明したと同
様な学習をニューラルネットワーク１に行わせる。第二
実施例の場合には表１に示した入力データＯＣＶ、Ｖ
Ｏ、Ｖh 、Ｔe 、Ｌの他に、ＯＣＶ、ＶＯに基づいて形
成されたΔＯＣＶＯ、ΔＯＣＶ、ΔＶＯＯ、ΔＶＯもニ
ューラルネットワーク１にオフラインで与える。これに
より第一実施例と同様にニューラルネットワーク１にお
けるウエイトが決定される。次に、図５の二次電池２に
被判定二次電池を接続し、表１及び表３に示す使用期間
Ｍで示す時点でＯＣＶ、ΔＯＣＶＯ、ΔＯＣＶ、ＶＯ、
ΔＶＯＯ、ΔＶＯを得て、これ等を学習済のニューラル
ネットワーク１に入力する。これにより、ニューラルネ
ットワーク１に蓄積されているウエイトに基づいてＶh
、Ｔe 、Ｌが判定される。次の表３はこの判定結果を
示す。Vh, Te, L using the determination device of FIG.
When determining or predicting, the neural network 1 is made to perform the same learning as described in the first embodiment. In the case of the second embodiment, the input data OCV, V shown in Table 1
In addition to O, Vh, Te, and L, ΔOCVO, ΔOCV, ΔVOO, and ΔVO formed based on OCV and VO are also given to the neural network 1 offline. As a result, the weight in the neural network 1 is determined as in the first embodiment. Next, a secondary battery to be determined is connected to the secondary battery 2 in FIG. 5, and OCV, ΔOCVO, ΔOCV, VO, at the time points indicated by the use periods M shown in Table 1 and Table 3,
After obtaining ΔVOO and ΔVO, these are input to the learned neural network 1. As a result, Vh is calculated based on the weight accumulated in the neural network 1.
, Te, L are determined. Table 3 below shows the result of this determination.

【００２５】[0025]

【表３】 [Table 3]

【００２６】表３と表１の実測値及び表２の第一実施例
の判定値との比較から明らかなように、ΔＯＣＶＯ、Δ
ＯＣＶ、ΔＶＯＯ、ΔＶＯを追加して判定することによ
って判定誤差が第一実施例よりも小さくなる。As is clear from the comparison between the measured values of Table 3 and Table 1 and the judgment values of the first embodiment of Table 2, ΔOCVO, Δ
The determination error becomes smaller than that in the first embodiment by additionally determining OCV, ΔVOO, and ΔVO.

【００２７】[0027]

【第三実施例】第三実施例の二次電池の状態判定方法
は、ニューラルネットワーク１にＯＣＶ、ＶＯの他に内
部抵抗Ｒを示すデータを入力させる点で第一実施例と相
違し、その他は同一である。図６に示す第三実施例の判
定装置は、図４と同一の回路の代りに内部抵抗測定回路
２０を有している。この内部抵抗測定回路２０は二次電
池２の各経過時点で内部抵抗Ｒを測定してニューラルネ
ットワーク１に送る。なお、内部抵抗Ｒと使用期間Ｍと
の相互関係が予め別の手段で判明している場合にはこの
データを使用することができる。[Third Embodiment] The secondary battery state determination method of the third embodiment is different from the first embodiment in that the neural network 1 inputs data indicating the internal resistance R in addition to OCV and VO. Are the same. The determination device of the third embodiment shown in FIG. 6 has an internal resistance measuring circuit 20 instead of the same circuit as in FIG. The internal resistance measuring circuit 20 measures the internal resistance R at each time point of the secondary battery 2 and sends it to the neural network 1. Note that this data can be used when the mutual relationship between the internal resistance R and the use period M is known in advance by another means.

【００２８】中間層が１相でユニット層が５個のニュー
ラルネットワーク１の学習は学習用二次電池に基づくＯ
ＣＶ、ＶＯ、Ｒ、Ｖh 、Ｔe 、Ｌを与えて第一実施例と
同様に行い、ニューラルネットワーク１のウエイトを決
定し、メモリに蓄積する。被判定二次電池のＶh 、Ｔe
、Ｌを判定する時には、学習済のニューラルネットワ
ーク１に各使用期間ＭごとにＯＣＶ、ＶＯ、Ｒを入力さ
せる。これにより、Ｖh 、Ｔe 、Ｌの判定にはＯＣＶ、
ＶＯのみなくＲも使用される。ＯＣＶ、ＶＯ、Ｒに対す
るウエイトは学習によって決定されているので、Ｖh 、
Ｔe 、Ｌを迅速に判定することができる。内部抵抗Ｒは
二次電池の使用期間が長くなるに従って高くなり、使用
期間及び寿命と相関を有するので、Ｒを考慮することに
よってＶh 、Ｔe 、Ｌの判定精度が高くなる。次の表４
は第三実施例の結果を示す。The learning of the neural network 1 having the intermediate layer of one phase and five unit layers is based on the learning secondary battery.
CV, VO, R, Vh, Te and L are given and the same procedure as in the first embodiment is performed to determine the weight of the neural network 1 and store it in the memory. Vh, Te of secondary battery to be judged
, L, OCV, VO, and R are input to the learned neural network 1 for each use period M. As a result, OCV, Vth, Te, and L are determined.
R is used as well as VO. Since the weights for OCV, VO, and R are determined by learning, Vh,
It is possible to quickly determine Te and L. The internal resistance R increases as the usage period of the secondary battery increases, and has a correlation with the usage period and the life. Therefore, the accuracy of determination of Vh, Te, and L increases by considering R. Table 4 below
Shows the results of the third embodiment.

【００２９】[0029]

【表４】 [Table 4]

【００３０】[0030]

【第四実施例】図７は第四実施例の電池状態判定装置の
一部を示す。図７の実施例ではニューラルネットワーク
１に図５の実施例と同様にＯＣＶ、ΔＯＣＶＯ、ΔＯＣ
Ｖ、ＶＯ、ΔＶＯＯ、ΔＶＯを入力させる他にＲ、ΔＲ
Ｏ、ΔＲを入力させ、出力としてＶh 、Ｔe 、Ｌを得
る。図７のＯＣＶ、ΔＯＣＶＯ、ΔＯＣＶ、ＶＯ、ΔＶ
ＯＯ、ΔＶＯは図５の回路と同様に形成する。内部抵抗
Ｒは図６の内部抵抗測定回路２０と同様な回路で得る。
ΔＲＯは内部抵抗Ｒの使用開始時の値と所定経過時点の
値との差分であり、ΔＲは内部抵抗Ｒの１つ前の測定時
点の値との差分である。ΔＲＯ、ΔＲは内部抵抗測定回
路２０の出力に基づいて図８に示すように計算で決定す
る。[Fourth Embodiment] FIG. 7 shows a part of a battery state determination device according to a fourth embodiment. In the embodiment of FIG. 7, OCV, ΔOCVO, and ΔOC are added to the neural network 1 as in the embodiment of FIG.
In addition to inputting V, VO, ΔVOO, ΔVO, R, ΔR
Input O and ΔR and obtain Vh, Te and L as outputs. OCV, ΔOCVO, ΔOCV, VO, ΔV in FIG.
OO and ΔVO are formed similarly to the circuit of FIG. The internal resistance R is obtained by a circuit similar to the internal resistance measuring circuit 20 shown in FIG.
ΔRO is the difference between the value of the internal resistance R at the start of use and the value at the predetermined elapsed time, and ΔR is the difference between the value at the measurement time immediately before the internal resistance R. ΔRO and ΔR are calculated and determined based on the output of the internal resistance measuring circuit 20 as shown in FIG.

【００３１】ニューラルネットワーク１を学習させる時
には、表１と同様な各使用期間ＭにおけるＯＣＶ、ΔＯ
ＣＶＯ、ΔＯＣＶ、ＶＯ、ΔＶＯＯ、ΔＶＯ、Ｒ、ΔＲ
Ｏ、ΔＲのデータを求め、これ等と表１に示すＶh 、Ｔ
e 、Ｌをニューラルネットワーク１のＣＰＵに与えてニ
ューラルネットワーク１を学習させ、ウエイトを決定す
る。なお、図７のニュ−ラルネットワ−ク１は中間層が
１層でユニット数が８個である。被判定二次電池のＶh
、Ｔe 、Ｌを測定する時には、被判定二次電池のＯＣ
Ｖ、ΔＯＣＶＯ、ＶＯ、ΔＶＯＯ、ΔＶＯ、Ｒ、ΔＲ
Ｏ、ΔＲを求め、これ等を入力データとして学習済のニ
ューラルネットワーク１に与える。Ｖh 、Ｔe 、Ｌを決
定するためのウエイトは既に決定されているので、Ｖh
、Ｔe 、Ｌを迅速に得ることができる。この実施例で
はニューラルネットワーク１に対して多くの入力データ
が与えられるので、より精度の高い判定が可能になる。
次の表５は第四実施例の判定結果を示す。When the neural network 1 is trained, OCV and ΔO in each use period M similar to those in Table 1 are obtained.
CVO, ΔOCV, VO, ΔVOO, ΔVO, R, ΔR
Data of O and ΔR were obtained, and Vh and T shown in Table 1 and these were obtained.
The weights are determined by giving e and L to the CPU of the neural network 1 to learn the neural network 1. The neural network 1 shown in FIG. 7 has one intermediate layer and eight units. Vh of secondary battery to be judged
, Te, L, when measuring the OC of the secondary battery
V, ΔOCVO, VO, ΔVOO, ΔVO, R, ΔR
O and ΔR are obtained and given as input data to the learned neural network 1. Since the weights for determining Vh, Te and L have already been determined, Vh
, Te, L can be obtained quickly. In this embodiment, since a large amount of input data is given to the neural network 1, it is possible to make a more accurate determination.
Table 5 below shows the determination results of the fourth embodiment.

【００３２】[0032]

【表５】 [Table 5]

【００３３】[0033]

【第五実施例】図８の電池状態判定装置は、二次電池の
内部抵抗Ｒとその変化に基づいてＶh、Ｔe 、Ｌを決定
するように形成されている。このため、図８では図６と
同様な内部抵抗検出回路２０を有する。また、内部抵抗
Ｒに基づくＶh 、Ｔe 、Ｌの判定精度を高めるためにΔ
ＲＯ形成回路２０ａ及びΔＲ形成回路２０ｂが設けられ
ている。ΔＲＯ形成回路２０ａは内部抵抗検出回路２０
に接続され、Ｒに基づいてΔＲＯを計算する。ΔＲＯは
表１及び表６に示す二次電池の使用期間Ｍの各経過時点
における内部抵抗の値と使用開始時点（Ｍ＝０）の内部
抵抗の値との差分を示し、ΔＲは内部抵抗の各経過時点
における値と１つ前の時点の値との差分を示す。例え
ば、図１の曲線Ａ、Ｂ、Ｃの特性を有する二次電池の内
部抵抗をＲ1、Ｒ2 、Ｒ3 とすれば、ΔＲＯはＲ1 −Ｒ2
及びＲ1 −Ｒ3 であり、ΔＲはＲ1−Ｒ2 及びＲ2 −Ｒ
3 である。なお、図８のニュ−ラルネットワ−ク１は中
間層が１層でユニット数が５個とされたものである。[Fifth Embodiment] The battery state determining apparatus of FIG. 8 is formed to determine Vh, Te and L based on the internal resistance R of the secondary battery and its change. Therefore, FIG. 8 has an internal resistance detection circuit 20 similar to that of FIG. Further, in order to improve the determination accuracy of Vh, Te, and L based on the internal resistance R, Δ
An RO forming circuit 20a and a ΔR forming circuit 20b are provided. The ΔRO formation circuit 20a is the internal resistance detection circuit 20.
, And calculates ΔRO based on R. ΔRO represents the difference between the internal resistance value at each lapse of the use period M of the secondary battery shown in Tables 1 and 6 and the internal resistance value at the start of use (M = 0), and ΔR represents the internal resistance. The difference between the value at each elapsed time and the value at the immediately preceding time is shown. For example, if the internal resistance of the secondary battery having the characteristics of curves A, B, and C in FIG. 1 is R1, R2, and R3, ΔRO is R1−R2.
And R1 -R3, and ΔR is R1 -R2 and R2 -R
3 The neural network 1 shown in FIG. 8 has one intermediate layer and five units.

【００３４】図８の判定装置においてＶh 、Ｔe 、Ｌを
判定する時には、まず、学習用二次電池の使用期間Ｍに
おける内部抵抗Ｒを表１に示すように求め、これから計
算によってΔＲＯ、ΔＲを求める。次に、学習用二次電
池のＲ、ΔＲＯ、ΔＲ及び表１のＶh 、Ｔe 、Ｌの実測
値をニューラルネットワーク１に与え、ニューラルネッ
トワーク１を学習させることによってウエイトを決定す
る。被判定用二次電池のＶh 、Ｔe 、Ｌを判定する時に
は図８の二次電池２を被判定用二次電池とし、複数の使
用期間Ｍのそれぞれにおいて内部抵抗Ｒを測定し、且つ
ΔＲＯＯ、ΔＲＯＯ、ΔＲをニューラルネットワーク１
に入力させる。ニューラルネットワーク１は学習で決定
されたウエイトを利用してＶh 、Ｔe 、Ｌを判定する。
次の表６は第五実施例の判定結果を示す。When determining Vh, Te, and L in the determination device of FIG. 8, first, the internal resistance R of the learning secondary battery during the use period M is obtained as shown in Table 1, and from this, ΔRO and ΔR are calculated. Ask. Next, the weights are determined by giving the neural network 1 the measured values of R, ΔRO, ΔR of the secondary battery for learning and Vh, Te, and L of Table 1 and learning the neural network 1. When determining Vh, Te, and L of the secondary battery for determination, the secondary battery 2 of FIG. 8 is used as the secondary battery for determination, the internal resistance R is measured in each of a plurality of use periods M, and ΔROO, Neural network 1 for ΔROO and ΔR
To enter. The neural network 1 determines Vh, Te, and L using the weight determined by learning.
Table 6 below shows the determination results of the fifth embodiment.

【００３５】[0035]

【表６】 [Table 6]

【００３６】[0036]

【変形例】本発明は上述の実施例に限定されるものでな
く、例えば次の変形が可能なものである。 （１） 図１に示すような放電曲線Ａ、Ｂ、Ｃと同様な
放電曲線を経年変化に応じて多数作り、ＯＣＶ及びＶＯ
と寿命Ｌ及び容量Ｔe の相互関係を示す表を作り、これ
をメモリに蓄積し、被判定二次電池のＯＣＶとＶＯが検
出されたらメモリの表に基づいてＯＣＶ、ＶＯに対応す
るＬ又はＴe を読み出してＬ、Ｔｅを判定するように構
成することができる。この場合もＯＣＶとＶＯを判定に
利用するので、被判定二次電池を長時間放電させないで
Ｌ、Ｔe を判定できる。 （２） ニューラルネットワーク１のＴe 、Ｌの出力ラ
インに警報手段を接続し、Ｔe 、Ｌが所定値になったら
警報を発生させることができる。MODIFICATION The present invention is not limited to the above-mentioned embodiments, and the following modifications are possible. (1) Many discharge curves similar to the discharge curves A, B and C as shown in FIG.
And a life L and a capacity Te are shown in a table, which is stored in a memory. When OCV and VO of the secondary battery to be judged are detected, L or Te corresponding to OCV and VO is detected based on the table of the memory. Can be read to determine L, Te. Also in this case, since OCV and VO are used for the determination, L and Te can be determined without discharging the secondary battery to be determined for a long time. (2) Alarm means can be connected to the output lines of Te and L of the neural network 1 to generate an alarm when Te and L reach predetermined values.

【図面の簡単な説明】[Brief description of drawings]

【図１】二次電池の放電特性を示す図である。FIG. 1 is a diagram showing discharge characteristics of a secondary battery.

【図２】本発明の第一実施例のニューラルネットワーク
を示すブロック図である。FIG. 2 is a block diagram showing a neural network according to the first embodiment of the present invention.

【図３】図２のニューラルネットワークの模式図であ
る。FIG. 3 is a schematic diagram of the neural network of FIG.

【図４】第一実施例の電池状態判定装置を示すブロック
図である。FIG. 4 is a block diagram showing a battery state determination device of the first embodiment.

【図５】第二実施例の電池状態判定装置を示すブロック
図である。FIG. 5 is a block diagram showing a battery state determination device of a second embodiment.

【図６】第三実施例の電池状態判定装置を示すブロック
図である。FIG. 6 is a block diagram showing a battery state determination device of a third embodiment.

【図７】第四実施例のニューラルネットワークを示すブ
ロック図である。FIG. 7 is a block diagram showing a neural network according to a fourth embodiment.

【図８】第五実施例の電池状態判定装置を示すブロック
図である。FIG. 8 is a block diagram showing a battery state determination device of a fifth embodiment.

【符号の説明】[Explanation of symbols]

１ ニューラルネットワーク ２ 二次電池 1 Neural network 2 Secondary battery

───────────────────────────────────────────────────── フロントページの続き (58)調査した分野(Int.Cl.7，ＤＢ名) G01R 31/36 ─────────────────────────────────────────────────── ─── Continuation of the front page (58) Fields surveyed (Int.Cl. 7 , DB name) G01R 31/36

Claims (4)

(57)【特許請求の範囲】(57) [Claims] 【請求項１】 二次電池の残りの容量、寿命及び放電開
始から所定時間後の電圧の内の少なくとも１つの電池状
態を判定する方法であって、 前記判定を行うための被判定二次電池と実質的に同一構
成の学習用二次電池の使用開始以後の複数の経過時点に
おける開路電圧（ＯＣＶ）、放電開始直後の電圧（Ｖ
Ｏ）、前記開路電圧（ＯＣＶ）の前記学習用二次電池の
使用開始時点の値と前記複数の経過時点の値とのそれぞ
れの差分（ΔＯＣＶＯ）、前記開路電圧（ＯＣＶ）の前
記複数の経過時点における値とこの１つ前の時点の値と
の差分（ΔＯＣＶ）、前記放電開始直後の電圧（ＶＯ）
の前記学習用二次電池の使用開始時点の値と前記複数の
経過時点の値とのそれぞれの差分（ΔＶＯＯ）、及び前
記放電開始直後の電圧（ＶＯ）の前記複数の経過時点に
おける値とこの１つ前の時点の値との差分（ΔＶＯ）と
電池状態との関係を示す情報を予め格納するメモリ手段
と、前記被判定二次電池の開路電圧（ＯＣＶ）、放電開
始直後の電圧（ＶＯ）、前記開路電圧（ＯＣＶ）の前記
学習用二次電池の使用開始時点の値と前記複数の経過時
点の値とのそれぞれの差分（ΔＯＣＶＯ）、前記開路電
圧（ＯＣＶ）の前記複数の経過時点における値とこの１
つ前の時点の値との差分（ΔＯＣＶ）、前記放電開始直
後の電圧（ＶＯ）の前記学習用二次電池の使用開始時点
の値と前記複数の経過時点の値とのそれぞれの差分（Δ
ＶＯＯ）、及び前記放電開始直後の電圧（ＶＯ）の前記
複数の経過時点における値とこの１つ前の時点の値との
差分（ΔＶＯ）のデータと前記メモリ手段の前記情報と
を使用して前記電池状態を予測する手段とを用意するス
テップと、 前記被判定二次電池の開路電圧（ＯＣＶ）、放電開始直
後の電圧（ＶＯ）、前記開路電圧（ＯＣＶ）の前記被判
定二次電池の使用開始時点の値と前記複数の経過時点の
値とのそれぞれの差分（ΔＯＣＶＯ）、前記開路電圧
（ＯＣＶ）の前記複数の経過時点における値とこの１つ
前の時点の値との差分（ΔＯＣＶ）、前記放電開始直後
の電圧（ＶＯ）の前記被判定二次電池の使用開始時点の
値と前記複数の経過時点の値とのそれぞれの差分（ΔＶ
ＯＯ）、及び前記放電開始直後の電圧（ＶＯ）の前記複
数の経過時点における値とこの１つ前の時点の値との差
分（ΔＶＯ）を測定するステップと、 測定によって得られた前記被判定二次電池の開路電圧
（ＯＣＶ）、放電開始直後の電圧（ＶＯ）、前記開路電
圧（ＯＣＶ）の前記被判定二次電池の使用開始時点の値
と前記複数の経過時点の値とのそれぞれの差分（ΔＯＣ
ＶＯ）、前記開路電圧（ＯＣＶ）の前記複数の経過時点
における値とこの１つ前の時点の値との差分（ΔＯＣ
Ｖ）、前記放電開始直後の電圧（ＶＯ）の前記被判定二
次電池の使用開始時点の値と前記複数の経過時点の値と
のそれぞれの差分（ΔＶＯＯ）、及び前記放電開始直後
の電圧（ＶＯ）の前記複数の経過時点における値とこの
１つ前の時点の値との差分（ΔＶＯ）と前記メモリ手段
の前記情報とを使用して前記予測する手段によって前記
被判定二次電池の前記電池状態を判定するステップとを
備えていることを特徴とする二次電池の状態判定方法。1. A method for determining at least one of the remaining capacity, life, and voltage of a secondary battery after a lapse of a predetermined time from the start of discharge, which is a secondary battery to be determined. The open circuit voltage (OCV) at a plurality of time points after the start of use of the learning secondary battery having substantially the same configuration as
O), respective differences (ΔOCVO) between the value of the open circuit voltage (OCV) at the start time of use of the secondary battery for learning and the values of the plurality of elapsed time points, and the plurality of elapsed times of the open circuit voltage (OCV). The difference between the value at the time point and the value at the immediately preceding time point (ΔOCV), the voltage immediately after the start of the discharge (VO)
The respective differences (ΔVOO) between the value at the start of use of the learning secondary battery and the values at the plurality of elapsed times, and the values at the plurality of elapsed times of the voltage (VO) immediately after the start of discharge and Memory means for storing in advance information indicating the relationship between the difference (ΔVO) from the value at the immediately preceding time point and the battery state, the open circuit voltage (OCV) of the secondary battery to be judged, the voltage immediately after the start of discharge (VO ), The respective difference (ΔOCVO) between the value of the open circuit voltage (OCV) at the start of use of the learning secondary battery and the values of the plurality of elapsed time points, and the plurality of elapsed time points of the open circuit voltage (OCV). And the value in
The difference (ΔOCV) from the value at the immediately preceding time point, and the difference (Δ) between the value at the time when the learning secondary battery starts to be used and the value at the plurality of elapsed time points of the voltage (VO) immediately after the start of discharge.
VOO), and the difference (ΔVO) data between the values of the voltage (VO) immediately after the start of the discharge at the plurality of elapsed time points and the values at the immediately preceding time points, and the information of the memory means. A step of preparing a means for predicting the battery state, an open circuit voltage (OCV) of the secondary battery to be judged, a voltage (VO) immediately after the start of discharging, and a secondary battery of the open circuit voltage (OCV) to be judged. Differences (ΔOCVO) between the value at the start of use and the values at the plurality of elapsed times, and a difference (ΔOCV) between the values at the plurality of elapsed times of the open circuit voltage (OCV) and the values at the immediately preceding time points. ), The difference (ΔV) between the value of the voltage (VO) immediately after the start of discharge of the secondary battery to be judged at the start of use and the values at the plurality of elapsed times.
OO), and the step of measuring the difference (ΔVO) between the values of the voltage (VO) immediately after the start of the discharge at the plurality of elapsed time points and the values at the immediately preceding time points, and the judgment target obtained by the measurement. The open circuit voltage (OCV) of the secondary battery, the voltage (VO) immediately after the start of discharge, the value of the open circuit voltage (OCV) at the start of use of the judged secondary battery, and the plurality of elapsed time values. Difference (ΔOC
VO), the difference between the values of the open circuit voltage (OCV) at the plurality of elapsed time points and the value at the immediately preceding time point (ΔOC)
V), each difference (ΔVOO) between the value of the voltage (VO) immediately after the start of discharge of the secondary battery to be judged and the values of the plurality of elapsed time points, and the voltage (VO) immediately after the start of discharge ( VO) at the plurality of elapsed time points and the difference (ΔVO) between the value at the previous time point and the value at the previous time point, and the information in the memory means, the means for predicting the value of the secondary battery to be determined. A method of determining the state of a secondary battery, comprising the step of determining the state of the battery. 【請求項２】 二次電池の残りの容量、寿命及び放電開
始から所定時間後の電圧の内の少なくとも１つの電池状
態を判定する方法であって、 前記判定を行うための被判定二次電池と実質的に同一構
成の学習用二次電池の使用開始以後の複数の経過時点に
おける開路電圧（ＯＣＶ）、放電開始直後の電圧（Ｖ
Ｏ）、前記開路電圧（ＯＣＶ）の前記学習用二次電池の
使用開始時点の値と前記複数の経過時点の値とのそれぞ
れの差分（ΔＯＣＶＯ）、前記開路電圧（ＯＣＶ）の前
記複数の経過時点における値とこの１つ前の時点の値と
の差分（ΔＯＣＶ）、前記放電開始直後の電圧（ＶＯ）
の前記学習用二次電池の使用開始時点の値と前記複数の
経過時点の値とのそれぞれの差分（ΔＶＯＯ）、及び前
記放電開始直後の電圧（ＶＯ）の前記複数の経過時点に
おける値とこの１つ前の時点の値との差分（ΔＶＯ）、
内部抵抗（Ｒ）、前記内部抵抗（Ｒ）の前記学習用二次
電池の使用開始時点の値と前記複数の経過時点の値との
それぞれの差分（ΔＲＯ）、及び前記内部抵抗（Ｒ）の
前記複数の経過時点における値とこの１つ前の時点の値
との差分（ΔＲ）と前記電池状態との関係を示す情報を
予め格納するメモリ手段と、前記被判定二次電池の開路
電圧（ＯＣＶ）、放電開始直後の電圧（ＶＯ）、前記開
路電圧（ＯＣＶ）の前記被判定二次電池の使用開始時点
の値と前記複数の経過時点の値とのそれぞれの差分（Δ
ＯＣＶＯ）、前記開路電圧（ＯＣＶ）の前記複数の経過
時点における値とこの１つ前の時点の値との差分（ΔＯ
ＣＶ）、前記放電開始直後の電圧（ＶＯ）の前記被判定
二次電池の使用開始時点の値と前記複数の経過時点の値
とのそれぞれの差分（ΔＶＯＯ）、及び前記放電開始直
後の電圧（ＶＯ）の前記複数の経過時点における値とこ
の１つ前の時点の値との差分（ΔＶＯ）、内部抵抗
（Ｒ）、前記内部抵抗（Ｒ）の前記被判定二次電池の使
用開始時点の値と前記複数の経過時点の値とのそれぞれ
の差分（ΔＲＯ）、及び前記内部抵抗（Ｒ）の前記複数
の経過時点における値とこの１つ前の時点の値との差分
（ΔＲ）を示すデータと前記メモリ手段の前記情報とを
使用して前記電池状態を予測する手段とを用意するステ
ップと、 前記被判定二次電池の開始電圧（ＯＣＶ）、放電開始直
後の電圧（ＶＯ）、前記開路電圧（ＯＣＶ）の前記被判
定二次電池の使用開始時点の値と前記複数の経過時点の
値とのそれぞれの差分（ΔＯＣＶＯ）、前記開路電圧
（ＯＣＶ）の前記複数の経過時点における値とこの１つ
前の時点の値との差分（ΔＯＣＶ）、前記放電開始直後
の電圧（ＶＯ）の前記被測定二次電池の使用開始時点の
値と前記複数の経過時点の値とのそれぞれの差分（ΔＶ
ＯＯ）、及び前記放電開始直後の電圧（ＶＯ）の前記複
数の経過時点における値とこの１つ前の時点の値との差
分（ΔＶＯ）、内部抵抗（Ｒ）、前記内部抵抗（Ｒ）の
前記被判定二次電池の使用開始時点の値と前記複数の経
過時点の値とのそれぞれの差分（ΔＲＯ）、及び前記内
部抵抗（Ｒ）の前記複数の経過時点における値とこの１
つ前の時点の値との差分（ΔＲ）を測定するステップ
と、 測定された前記被判定二次電池の開路電圧（ＯＣＶ）、
放電開始直後の電圧（ＶＯ）、前記開路電圧（ＯＣＶ）
の前記被判定二次電池の使用開始時点の値と前記複数の
経過時点の値とのそれぞれの差分（ΔＯＣＶＯ）、前記
開路電圧（ＯＣＶ）の前記複数の経過時点における値と
この１つ前の時点の値との差分（ΔＯＣＶ）、前記放電
開始直後の電圧（ＶＯ）の前記被判定二次電池の使用開
始時点の値と前記複数の経過時点の値とのそれぞれの差
分（ΔＶＯＯ）、及び前記放電開始直後の電圧（ＶＯ）
の前記複数の経過時点における値とこの１つ前の時点の
値との差分（ΔＶＯ）、内部抵抗（Ｒ）、前記内部抵抗
（Ｒ）の前記被判定二次電池の使用開始時点の値と前記
複数の経過時点の値とのそれぞれの差分（ΔＲＯ）、及
び前記内部抵抗（Ｒ）の前記複数の経過時点における値
とこの１つ前の時点の値との差分（ΔＲ）と前記メモリ
手段の前記情報とを使用して前記予測する手段によって
前記被判定二次電池の前記電池状態を判定するステップ
とを備えていることを特徴とする二次電池の状態判定方
法。2. A method for determining a state of at least one of a remaining capacity, a life, and a voltage of a predetermined time after the start of discharge of a secondary battery, the secondary battery to be determined for performing the determination. The open circuit voltage (OCV) at a plurality of time points after the start of use of the learning secondary battery having substantially the same configuration as
O), respective differences (ΔOCVO) between the value of the open circuit voltage (OCV) at the start time of use of the secondary battery for learning and the values of the plurality of elapsed time points, and the plurality of elapsed times of the open circuit voltage (OCV). The difference between the value at the time point and the value at the immediately preceding time point (ΔOCV), the voltage immediately after the start of the discharge (VO)
The respective differences (ΔVOO) between the value at the start of use of the learning secondary battery and the values at the plurality of elapsed times, and the values at the plurality of elapsed times of the voltage (VO) immediately after the start of discharge and Difference from the value at the immediately preceding time point (ΔVO),
Internal resistance (R), a difference (ΔRO) between each value of the internal resistance (R) at the start of use of the secondary battery for learning and the values of the plurality of elapsed times, and the internal resistance (R) Memory means for storing in advance information indicating the relationship between the battery state and the difference (ΔR) between the values at the plurality of elapsed time points and the value at the immediately preceding time point, and the open circuit voltage of the secondary battery to be determined ( OCV), the voltage (VO) immediately after the start of discharge, and the difference (Δ) between the value of the open circuit voltage (OCV) at the start of use of the secondary battery to be determined and the values at the plurality of elapsed times.
OCVO), the difference between the values of the open circuit voltage (OCV) at the plurality of elapsed time points and the value at the immediately preceding time point (ΔO
CV), respective differences (ΔVOO) between the value of the voltage (VO) immediately after the start of discharge of the secondary battery to be judged and the values at the plurality of elapsed time points, and the voltage (VO) immediately after the start of discharge ( VO), the difference (ΔVO) between the values at the plurality of elapsed time points and the value at the immediately preceding time point, the internal resistance (R), and the internal resistance (R) at the start of use of the secondary battery to be determined. A difference (ΔRO) between each of the values and the values at the plurality of elapsed time points, and a difference (ΔR) between the values of the internal resistance (R) at the plurality of elapsed time points and the value at the immediately preceding time point. A step of preparing means for predicting the battery state using the data and the information of the memory means, a starting voltage (OCV) of the secondary battery to be judged, a voltage (VO) immediately after the start of discharging, Use of the secondary battery to be judged having an open circuit voltage (OCV) Differences (ΔOCVO) between the value at the start time and the values at the plurality of elapsed times, and a difference (ΔOCV) between the values at the plurality of elapsed times of the open circuit voltage (OCV) and the values at the immediately preceding time points. , The difference (ΔV) between the value of the voltage (VO) immediately after the start of discharge of the secondary battery to be measured and the value of the plurality of elapsed times.
OO), and the difference (ΔVO) between the values at the plurality of elapsed time points of the voltage (VO) immediately after the start of discharge and the values at the immediately preceding time points, the internal resistance (R), and the internal resistance (R). Differences (ΔRO) between the values at the start of use of the secondary battery to be determined and the values at the plurality of elapsed times, and the values at the plurality of elapsed times of the internal resistance (R) and
Measuring the difference (ΔR) from the value at the immediately preceding time point, the measured open circuit voltage (OCV) of the secondary battery to be determined,
Voltage (VO) immediately after the start of discharge, the open circuit voltage (OCV)
Difference (ΔOCVO) between the value at the start of use of the secondary battery to be determined and the values at the plurality of elapsed times, and the values at the plurality of elapsed times of the open circuit voltage (OCV) and A difference (ΔOCV) from the time value, a difference (ΔVOO) between the value of the voltage (VO) immediately after the start of discharge of the secondary battery to be judged and the values of the plurality of elapsed times, and Voltage (VO) immediately after the start of discharge
Of the difference (ΔVO) between the values at the plurality of elapsed time points and the value at the immediately preceding time point, the internal resistance (R), and the internal resistance (R) at the start of use of the secondary battery to be determined. The respective differences (ΔRO) from the values at the plurality of elapsed times, and the differences (ΔR) between the values at the plurality of elapsed times of the internal resistance (R) and the values at the immediately preceding times, and the memory means. And a step of determining the battery state of the secondary battery to be determined by the predicting means using the information and. 【請求項３】 二次電池の残りの容量、寿命及び放電開
始から所定時間後の電圧の内の少なくとも１つの電池状
態を判定する方法であって、 前記判定を行うための被判定二次電池と実質的に同一構
成の学習用二次電池の使用開始以後の複数の経過時点に
おける内部抵抗（Ｒ）、前記内部抵抗（Ｒ）の前記学習
用二次電池の使用開始時点の値と前記複数の経過時点の
値とのそれぞれの差分（ΔＲＯ）、及び前記内部抵抗
（Ｒ）の前記複数の経過時点における値とこの１つ前の
時点の値との差分（ΔＲ）と前記電池状態との関係を示
す情報を予め格納するメモリ手段と、前記被判定二次電
池の内部抵抗（Ｒ）、前記内部抵抗（Ｒ）の前記被判定
二次電池の使用開始時点の値と前記複数の経過時点の値
とのそれぞれの差分（ΔＲＯ）、及び前記内部抵抗
（Ｒ）の前記複数の経過時点における値とこの１つ前の
時点の値との差分（ΔＲ）を示すデータと前記メモリ手
段の前記情報とを使用して前記電池状態を予測する手段
とを用意するステップと、 前記被判定二次電池の内部抵抗（Ｒ）、前記内部抵抗
（Ｒ）の前記被判定二次電池の使用開始時点の値と前記
複数の経過時点の値とのそれぞれの差分（ΔＲＯ）、及
び前記内部抵抗（Ｒ）の前記複数の経過時点における値
とこの１つ前の時点の値との差分（ΔＲ）を測定するス
テップと、 前記被判定二次電池の内部抵抗（Ｒ）、前記内部抵抗
（Ｒ）の前記被判定二次電池の使用開始時点の値と前記
複数の経過時点の値とのそれぞれの差分（ΔＲＯ）、及
び前記内部抵抗（Ｒ）の前記複数の経過時点における値
とこの１つ前の時点の値との差分（ΔＲ）と前記メモリ
手段の前記情報とを使用して前記予測する手段によって
前記被判定二次電池の前記電池状態を判定するステップ
とを備えていることを特徴とする二次電池の状態判定方
法。3. A method of determining at least one of the remaining battery capacity, life, and voltage after a lapse of a predetermined time from the start of discharge of the secondary battery, the secondary battery being a judgment target for making the judgment. The internal resistance (R) at a plurality of elapsed time points after the start of use of the secondary battery for learning having substantially the same configuration, and the value of the internal resistance (R) at the start of use of the secondary battery for learning and the plurality of values. Of the internal resistance (R) and the difference (ΔR) between the values of the internal resistances (R) at the plurality of elapsed times and the value at the immediately preceding time and the battery state. Memory means for storing information indicating a relationship in advance, an internal resistance (R) of the secondary battery to be determined, a value of the internal resistance (R) at a start time of use of the secondary battery to be determined, and the plurality of elapsed time points. Difference (ΔRO) with the value of Means for predicting the battery state using data indicating a difference (ΔR) between the values of (R) at the plurality of elapsed time points and the value at the immediately preceding time point and the information of the memory means. And a step of preparing the internal resistance (R) of the secondary battery to be determined, and a difference between the value of the internal resistance (R) at the start of use of the secondary battery to be determined and the values at the plurality of elapsed times. (ΔRO), and a step of measuring a difference (ΔR) between a value of the internal resistance (R) at the plurality of elapsed time points and a value at a time immediately before the plurality of elapsed times; and an internal resistance ( R), the respective differences (ΔRO) between the values of the internal resistance (R) at the start of use of the secondary battery to be determined and the values of the plurality of elapsed times, and the plurality of internal resistances (R). Difference (ΔR) between the value at the elapsed time and the value at the immediately preceding time And a step of determining the battery state of the to-be-determined secondary battery by the predicting means using the information of the memory means and the method of determining the state of the secondary battery. 【請求項４】 前記メモリ手段と前記予測する手段は、
ニューラルネットワークであることを特徴とする請求項
１又は２又は３記載の二次電池の状態判定方法。4. The memory means and the predicting means are
Claim 1 or 2 or state judging method of the secondary battery 3 Symbol mounting, characterized in that a neural network.
JP08071696A 1996-03-08 1996-03-08 Rechargeable battery status determination method Expired - Fee Related JP3520886B2 (en)

Priority Applications (1)

Application Number Priority Date Filing Date Title
JP08071696A JP3520886B2 (en) 1996-03-08 1996-03-08 Rechargeable battery status determination method

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
JP08071696A JP3520886B2 (en) 1996-03-08 1996-03-08 Rechargeable battery status determination method

Publications (2)

Publication Number Publication Date
JPH09243716A JPH09243716A (en) 1997-09-19
JP3520886B2 true JP3520886B2 (en) 2004-04-19

Family

ID=13726079

Family Applications (1)

Application Number Title Priority Date Filing Date
JP08071696A Expired - Fee Related JP3520886B2 (en) 1996-03-08 1996-03-08 Rechargeable battery status determination method

Country Status (1)

Country Link
JP (1) JP3520886B2 (en)

Families Citing this family (31)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP3873623B2 (en) 1998-05-28 2007-01-24 トヨタ自動車株式会社 Battery charge state estimation means and battery deterioration state estimation method
JP4485121B2 (en) * 2002-11-27 2010-06-16 Ｔｄｋラムダ株式会社 Uninterruptible power system
US7321220B2 (en) 2003-11-20 2008-01-22 Lg Chem, Ltd. Method for calculating power capability of battery packs using advanced cell model predictive techniques
JP4331210B2 (en) 2003-12-18 2009-09-16 エルジー・ケム・リミテッド Battery remaining amount estimation apparatus and method using neural network
DE602006002896D1 (en) 2005-02-14 2008-11-13 Denso Corp Method and device for detecting the charging status of a secondary battery based on neural network calculation
JP4587306B2 (en) * 2005-04-20 2010-11-24 株式会社デンソー Secondary battery remaining capacity calculation method
US7723957B2 (en) 2005-11-30 2010-05-25 Lg Chem, Ltd. System, method, and article of manufacture for determining an estimated battery parameter vector
JP4786355B2 (en) 2006-01-31 2011-10-05 株式会社日本自動車部品総合研究所 Power supply voltage control method for vehicles
CN101067644B (en) * 2007-04-20 2010-05-26 杭州高特电子设备有限公司 Storage battery performance analytical expert diagnosing method
KR100911316B1 (en) 2007-08-23 2009-08-11 주식회사 엘지화학 System and method for estimating of batteries's long term characteristics
US7994755B2 (en) 2008-01-30 2011-08-09 Lg Chem, Ltd. System, method, and article of manufacture for determining an estimated battery cell module state
US8341449B2 (en) 2010-04-16 2012-12-25 Lg Chem, Ltd. Battery management system and method for transferring data within the battery management system
US8974928B2 (en) 2011-06-30 2015-03-10 Lg Chem, Ltd. Heating system for a battery module and method of heating the battery module
US8974929B2 (en) 2011-06-30 2015-03-10 Lg Chem, Ltd. Heating system for a battery module and method of heating the battery module
US8993136B2 (en) 2011-06-30 2015-03-31 Lg Chem, Ltd. Heating system for a battery module and method of heating the battery module
US9316699B2 (en) * 2012-04-05 2016-04-19 Samsung Sdi Co., Ltd. System for predicting lifetime of battery
JP6250298B2 (en) * 2013-04-15 2017-12-20 新電元工業株式会社 Secondary battery life prediction system and secondary battery characteristic evaluation device
JP6538573B2 (en) * 2016-01-13 2019-07-03 ファナック株式会社 Machine learning device, motor control device, motor control system, and machine learning method for learning values of resistance regeneration start voltage and resistance regeneration stop voltage
EP3742540A4 (en) 2018-01-16 2021-03-17 GS Yuasa International Ltd. Monitoring device, monitoring method, computer program, degradation determination method, degradation determination device, and degradation determination system
JP2019158831A (en) * 2018-03-16 2019-09-19 株式会社Ｇｓユアサ Method for inspection, inspection device, and learning model
WO2019181729A1 (en) * 2018-03-20 2019-09-26 株式会社Ｇｓユアサ Deterioration estimation device, computer program and deterioration estimation method
US20210033675A1 (en) * 2018-03-20 2021-02-04 Gs Yuasa International Ltd. Degradation estimation apparatus, computer program, and degradation estimation method
JP6590029B1 (en) * 2018-06-13 2019-10-16 株式会社Ｇｓユアサ Action generation device, storage element evaluation device, computer program, learning method, and evaluation method
WO2020027203A1 (en) * 2018-07-31 2020-02-06 本田技研工業株式会社 Estimation system, estimation device, estimation method, and storage medium
JP7390310B2 (en) * 2018-12-28 2023-12-01 株式会社Ｇｓユアサ Data processing device, data processing method, and computer program
JP6881428B2 (en) * 2018-12-28 2021-06-02 横河電機株式会社 Learning device, estimation device, learning method, estimation method, learning program, and estimation program
JP7396813B2 (en) * 2019-06-06 2023-12-12 パナソニック インテレクチュアル プロパティ コーポレーション オブ アメリカ Open circuit voltage measurement method, open circuit voltage measurement device, and program
KR102215703B1 (en) * 2019-08-13 2021-02-16 한국과학기술원 Estimation of the remaining useful life of the energy storage system and the appropriate operating boundary decision algorithm
CN111948563B (en) * 2020-06-19 2021-12-17 浙江大学 Electric forklift lithium battery residual life prediction method based on multi-neural network coupling
KR20230160267A (en) * 2021-03-19 2023-11-23 가부시키가이샤 한도오따이 에네루기 켄큐쇼 Power storage management systems and electronic devices
WO2023189368A1 (en) * 2022-03-30 2023-10-05 ヌヴォトンテクノロジージャパン株式会社 Storage battery degradation estimation device and storage battery degradation estimation method

Also Published As

Publication number Publication date
JPH09243716A (en) 1997-09-19

Similar Documents

Publication Publication Date Title
JP3520886B2 (en) Rechargeable battery status determination method
KR100880717B1 (en) Method and apparatus for detecting charged state of secondary battery based on neural network calculation
US7710119B2 (en) Battery tester that calculates its own reference values
US7003410B2 (en) Electronic battery tester with relative test output
JP6234946B2 (en) Battery state estimation device
US6469471B1 (en) Battery charge measurement and discharge reserve time prediction technique and apparatus
US7622929B2 (en) Pulse-discharge battery testing methods and apparatus
US20170115355A1 (en) Maximum capacity estimator for battery state of health and state of charge determinations
US8855956B2 (en) Method and system for determining state of charge of an energy delivery device
US20040100267A1 (en) Method for determining the amount of charge which can be drawn from a storage battery and monitoring device
US20060279288A1 (en) Apparatus and method for simulating a battery tester with a fixed resistance load
WO2003034084A1 (en) Electronic battery tester with relative test output
JP2006242880A (en) Condition detector for power supply device, power supply device, and initial characteristic extractor used for power supply device
CN107037375B (en) Method and device for measuring direct current internal resistance of battery
Liu et al. A new dynamic SOH estimation of lead‐acid battery for substation application
JP2006220617A (en) Internal state detection system for charge accumulating device for vehicle
US6060862A (en) Rechargeable electronic apparatus
CN107430172B (en) Battery monitoring apparatus and method using discharge pulse measurements
Shahriari et al. State of health estimation of VRLA batteries using fuzzy logic
JP3927751B2 (en) Storage battery deterioration judgment method
CN114859249B (en) Method and device for detecting battery pack capacity
JP2018091701A (en) Voltage estimation device
Park et al. SOC inconsistency estimation using sensor fusion method based on the dual extended Kalman filter neglecting the cell-to-cell's aging condition
US20220291290A1 (en) Measurement appratus of power storage device and measurement method
CN116840688A (en) Lithium ion battery charge state estimation method

Legal Events

Date Code Title Description
A01 Written decision to grant a patent or to grant a registration (utility model)

Free format text: JAPANESE INTERMEDIATE CODE: A01

Effective date: 20040114

A61 First payment of annual fees (during grant procedure)

Free format text: JAPANESE INTERMEDIATE CODE: A61

Effective date: 20040127

FPAY Renewal fee payment (event date is renewal date of database)

Free format text: PAYMENT UNTIL: 20080213

Year of fee payment: 4

FPAY Renewal fee payment (event date is renewal date of database)

Free format text: PAYMENT UNTIL: 20090213

Year of fee payment: 5

FPAY Renewal fee payment (event date is renewal date of database)

Free format text: PAYMENT UNTIL: 20100213

Year of fee payment: 6

FPAY Renewal fee payment (event date is renewal date of database)

Free format text: PAYMENT UNTIL: 20110213

Year of fee payment: 7

FPAY Renewal fee payment (event date is renewal date of database)

Free format text: PAYMENT UNTIL: 20120213

Year of fee payment: 8

FPAY Renewal fee payment (event date is renewal date of database)

Free format text: PAYMENT UNTIL: 20130213

Year of fee payment: 9

FPAY Renewal fee payment (event date is renewal date of database)

Free format text: PAYMENT UNTIL: 20130213

Year of fee payment: 9

FPAY Renewal fee payment (event date is renewal date of database)

Free format text: PAYMENT UNTIL: 20140213

Year of fee payment: 10

R250 Receipt of annual fees

Free format text: JAPANESE INTERMEDIATE CODE: R250

LAPS Cancellation because of no payment of annual fees