JP5303528B2 - フィルタによるパラメータ推定装置 - Google Patents

Description

本発明は、バッテリの状態を推定するときなどに用いられるフィルタによるパラメータ推定装置に関する。

たとえば、電気自動車やハイブリッド電気自動車などでは、これらの車両を駆動するのに用いられる電気モータへ電力を供給（放電）したり、制動時のエネルギを発電機として機能させる電気モータから、あるいは地上に設置した電源から充電して電気エネルギを蓄積したりするため、リチャージャブル・バッテリ（二次電池）が用いられる。

この場合、バッテリを長期にわたって最適な状態に保つためには、充電率（SOC: State of Charge）などのバッテリの状態をモニタしてバッテリ・マネージメントを行う必要がある。ところが、バッテリを用いる場合、その充放電・蓄電が化学的作用によるので、間接的にバッテリの状態を推定せざるを得ない。そこで、バッテリの状態を推定するため、バッテリ等価回路モデルを作り、該モデルとバッテリに入力信号を入力して両者の出力の誤差をフィードバックすることでバッテリ等価回路モデルを修正して、このパラメータを推定するとともにこのモデルから得た情報から充電率等を推定することが行われている。

これらのパラメータの推定にあっては、充電率の変化に対するバッテリの回路電圧が小さい場合のパラメータの推定遅れ、ノイズの影響、あるいはパラメータの真値の速い速度での変化に対する適応デジタル・フィルタの追随性の悪化、に起因したパラメータ推定時の誤差を解消するため、電流センサや電圧センサで得た電流値、電圧値の前処理を行うことが知られている。

そのうちの一つであるパラメータ推定装置としては、充電率変化量に対する回路電圧変化量が大きい領域では、適応デジタル・フィルタの調整ゲインを小さくするか、ロー・パス・フィルタの時定数を大きくするかの少なくとも一方を行い、充電率変化量に対する回路電圧変化量が小さい領域では、適応デジタル・フィルタの調整ゲインを大きくするかロー・パス・フィルタの時定数を小さくするかの少なくとも一方を行うようにしたものが知られている（例えば、特許文献１参照）。

別のパラメータ推定装置としては、適応デジタル・フィルタでの推定結果に基づき求めた第１充電率と、電流積算法（クーロン・カウント法）により求めた第２充電率と、から、電流の正負の符号が反転したら第１充電率を選定し、この時点から充電のみまたは放電のみが予め設定した第１の所定時間以上継続したら第２充電率を選定するようにし、この場合、検出した電流値と電圧値をロー・パス・フィルタ処理および近似微分フィルタ処理による前処理を行うようにしたものが知られている（例えば、特許文献２参照）。

特開２００６−２８４４３１号公報 特開２００８−１６４４１７公報

しかしながら、上記従来のフィルタによるパラメータ推定装置のいずれにあっても、以下に説明するような問題がある。
すなわち、前処理で用いるアンチ・エリアシング・フィルタとして機能するロー・パス・フィルタは、電流や電圧などの入力信号をサンプリングすると高周波成分が低周波側に入ってきて低周波ノイズとして現れるエリアシングという現象が起こることからサンプリング角周波数の整数倍だけ異なる二つの周期的な信号を区別できなくなるといった不具合を取り除くため用いられている。

しかしながら、上記両従来技術の装置にあっては、ロー・パス・フィルタの時定数を充電率の大きさにより可変としているものの、この場合充電率以外の要素は考慮していないため、バッテリ等価回路モデルにできるだけ正確に対応した周波数（時定数で決まる）で信号をカットできなかった。この結果、上記モデルのパラメータ推定の誤差が大きくなり、ひいては充電率の推定精度も悪化してしまうといった問題があった。

本発明は、上記問題に着目してなされたもので、その目的とするところは、入力信号の前処理を行うロー・パス・フィルタの時定数を、より正確にバッテリ等価回路モデルに合わせた周波数（時定数で決まる）にて入力信号をカット可能な値に設定することができるフィルタによるパラメータ推定装置を提供することにある。

この目的のため本発明によるフィルタによるパラメータ推定装置は、
バッテリの充放電電流値を検出する充放電電流検出手段と、
バッテリの端子電圧値を検出する端子電圧検出手段と、
バッテリの温度を検出するバッテリ温度検出手段と、
バッテリの劣化度を検出する劣化度検出手段と、
充放電電流検出手段で検出した充放電電流値と端子電圧検出手段で検出した端子電圧値が入力されてロー・パス・フィルタにて電圧前処理値と電流前処理値にそれぞれ変換する前処理演算手段と、
前処理演算手段で得た電圧前処理値と電流前処理値が入力されて、抵抗とコンデンサを有するバッテリ等価回路モデルに基づき、このバッテリ等価回路モデルの状態方程式のパラメータを推定する状態推定手段と、
状態推定手段で得た状態量に基づき前記バッテリの充電率を推定する充電率推定手段と、
を備え、
ロー・パス・フィルタの時定数を、バッテリ温度検出手段で検出した温度が高いほど小さく、劣化度検出手段で検出した劣化度が大きいほど小さく、かつ前記充電率推定部で推定した充電率が大きいほど小さくなるように可変とした、
ことを特徴とする。

本発明のフィルタによるパラメータ推定装置にあっては、前処理演算手段のロー・パス・フィルタの時定数を、充電率の大きさのみならず、最も影響の大きいバッテリの温度および劣化度の大きさにも応じて可変とすることで、より正確にバッテリ等価回路モデルに合わせた周波数（時定数で決まる）で入力信号をカット可能な値に設定することができ、この結果、バッテリ等価回路モデルのパラメータの推定精度をより良くすることができる。ひいては、充電率推定精度を向上させることも可能となる。

本発明の実施例１のフィルタによるパラメータ推定装置およびその周辺機器の構成および信号の流れを示すブロック線図である。 図１のパラメータ推定装置の前処理演算部の詳細構成と信号の流れを示すブロック線図である。 速い応答の電荷移動抵抗と遅い応答の拡散抵抗を含むバッテリ等価回路モデルを示す図である。 図３のバッテリ等価回路モデルのナイキスト線図である。 図３のバッテリ等価回路モデルを応答の速さに応じて分けてコンデンサを減らす低次元化を行ってパラメータ推定装置の状態推定部で用いられるバッテリ等価回路モデルを得るための考え方を説明する図である。 図４のナイキスト線図においてバッテリの温度を異ならせた場合の軌跡のくびれ部分による速い応答と遅い応答の境目を検出する考え方を説明する図である。 図６のナイキスト図から得られた結果に基づき作成されたバッテリの温度とロー・パス・フィルタの時定数との関係を示すグラフである。

以下、本発明の実施の形態を、図面に示す実施例に基づき詳細に説明する。

まず、実施例１の全体構成を図１に基づき説明する。
同図に示すように、この実施例１のフィルタによるパラメータ推定装置は、電気自動車やハイブリッド電気自動車などの車両に用いられる。このような車両には、車両を駆動する電気モータ（図示せず）、バッテリ１、これらのコントローラ（図示せず）が搭載され、車両駆動時にはバッテリ１から電気モータへ電力を供給（放電）したり、制動時には電気モータを発電機として機能させそのとき得た制動エネルギを電気エネルギとしてバッテリ１へ回収（充電）したり、あるいは地上に設置した電源からバッテリ１に充電したりする。パラメータ推定装置は、このような充放電電流のバッテリ１への出入りをバッテリ１の充電率推定装置でモニタし、バッテリ１の状態の一つである充電率SOCを推定するためのものである。

パラメータ推定装置は、電圧センサ２、電流センサ３、温度センサ４、劣化度検出部５、前処理演算部６、状態推定部７、および充電率推定部９を有し、バッテリ１に接続されている。劣化度検出部５、前処理演算部６、状態推定部７、および充電率推定部９は、車載のマイクロ・コンピュータで構成してある。

バッテリ１は、リチャージャブル・バッテリであっで、本実施例にあっては、たとえばリチウム・イオン・バッテリを用いるが、これに限られることはなく、ニッケル水素バッテリ等、他の種類のバッテリを用いてもよいことは言うまでもない。

電圧センサ２は、バッテリ１の端子間の電圧値を検出するもので、検出した端子電圧値Ｖは前処理演算部６へ入力される。
電流センサ３はバッテリ１から電気モータ等へ電力を供給する場合の放電電流の大きさ、および制動時に電気モータを発電機として機能させて制動エネルギの一部を回収したり地上の電源設備から充電したりする場合の充電電流の大きさを検出するもので、そこで検出した充放電電流値Ｉは入力信号として前処理演算部へ入力される。
なお、電圧センサ２、電流センサ３は、種々の構造・形式を有するものを適宜採用でき、それぞれ本発明の端子電圧検出手段、充放電電流検出手段に相当する。

温度センサ４は、バッテリ１の温度を検出するもので、その温度Ｔは前処理演算部６へ入力される。

劣化度検出部５は、バッテリ１の劣化度(SOH：State of Health)を検出するもので、本実施例では電圧センサ２で検出した電圧値Ｖと電流センサ３で検出した電流値Ｉが入力されて、これらの電圧と電流の関係を直線で近似し、たとえば特開２００４−１４４０３号公報に記載の方法を用いて劣化度SOHを推定する。ここで、劣化度SOHは、劣化度が小さいほどバッテリ１が劣化していることを意味する。この劣化度SOHは前処理演算部６へ入力される。なお、劣化度の推定は上記方法に限られず、たとえばバッテリ１の使用期間や充放電回数等から推定するようにしてもよい。

前処理演算部６は、電圧センサ２で検出した電圧値Ｖ、電流センサ３で検出した電流値Ｉ、温度センサで検出した温度Ｔ、劣化度検出部５で検出された劣化度SOH、および充電率推定部９で算出した充電率SOCが入力されて、温度Ｔ、劣化度SOHおよび充電率SOCに基づき時定数τを可変としたロー・パス・フィルタ処理により、入力された電圧値Ｖと電流値Ｉを電圧前処理値Ｖ_Ｐと電流前処理値Ｉ_Ｐに変換して状態推定部７へ出力する。なお、前処理演算部６の詳細構成については、後で図２に基づき説明する。

状態推定部７は、バッテリ１を抵抗やコンデンサで表わしたバッテリ等価回路モデル７Ａと、カルマン・フィルタで構成した状態量算出部７Ｂとを有する。
バッテリ内部抵抗等価モデル７Ａは、図５の右下に示すフォスタ型ＲＣ梯子回路を用いる。すなわち、この回路は、バッテリ１の電解液抵抗と結線によるオーム抵抗等の直流成分を設定する抵抗に、速い応答である電荷移動抵抗を加えた直達項（抵抗値Ｒ＝Ｒ_０＋Ｒ_１＋Ｒ_２）に、遅い応答の拡散過程での抵抗Ｒ_３およびコンデンサＣ_３の並列回路と抵抗Ｒ_４およびコンデンサＣ_４の並列回路とからなる２つの並列回路を直列接続したものである。なお、このバッテリ内部抵抗等価モデル７Ａや直達項については、後で説明する。

状態量算出部７Ｂは、上記バッテリ内部抵抗等価モデル７Ａの状態方程式のパラメータを推定するもので、本実施例ではカルマン・フィルタを用いる。
カルマン・フィルタでは、対象となるシステムのモデル（ここではバッテリ内部抵抗等価モデル７Ａ）を設計し、このモデルと実システム（ここではバッテリ１）に同一の入力信号（ここではロー・パス・フィルタ処理した電流前処理値Ｉ_Ｐがバッテリ１の実際の電流に近い値であるとしている）を入力し、その場合の両者での出力（電圧、ここでも電圧前処理値Ｖ_Ｐがバッテリ１の実際の電圧に近い値であるとしている）を比較してそれらに誤差があれば、この誤差にカルマン・ゲインＬをかけてモデル７Ａへフィードバックすることで、両者の誤差が最小になるようにモデル７Ａを修正する。これを繰り返すことで、真の内部状態量を推定する。状態量算出部７Ｂで得られた過電圧推測値Ｖ_１は、減算器８へ出力される。

減算器８は、入力された電圧センサ２の電圧値Ｖから状態推定部７で算出した過電圧値Ｖ_１を引き算して、起電圧値Ｅを得、これを充電率推定部９へ出力する。

充電率推定部９は、予め実験で得たバッテリ１の起電圧Ｅと充電率SOCとの関係データを記憶している。そして、減算器８から入力された、起電圧値Ｅから上記関係データに基づいて充電率SOCを推定する。この充電率SOCはバッテリ・マネージメントに利用されるとともに、前処理演算部６へも出力される。

次に、上記前処理演算部６の詳細構成につき、図２に基づき説明する。
同図において、前処理演算部６は、ロー・パス・フィルタ６１と、時定数算出部６２と、劣化度補正係数算出部６３と、充電率補正係数算出部６４と、乗算器６５と、を有する。

ロー・パス・フィルタ６１は、電圧センサ２から入力された電圧値Ｖと電流センサ３から入力された電流値Ｉとを、時定数τで決まる周波数にてカットし、それぞれ電圧前処理値Ｖ_Ｐと電流前処理値Ｉ_Ｐとして出力する。なお、時定数τは、後で説明するように、バッテリ１の温度Ｔ、劣化度SOHおよび充電率SOCの値に応じて可変とされる。

時定数算出部６２は、バッテリ１の温度Ｔとロー・パス・フィルタ６１で用いる時定数τとの関係データをあらかじめ記憶しており、この関係データを基に温度センサ４で検出したバッテリ１の温度Ｔからこの値に応じた時定数τを決めて、これを乗算器６５へ出力する。なお、本実施例では、上記関係データは、温度Ｔが高くなるにつれて時定数τは小さくなるような傾向に設定してあり、実験結果から決める。

劣化度補正係数算出部６３は、バッテリ１の劣化度SOHと劣化度補正係数λ_Ｈとの関係データを記憶しており、この関係データを基に劣化度検出部５で検出した劣化度SOHからこの値に応じた劣化度補正係数λ_Ｈを決めて、これを乗算器６５へ出力する。なお、本実施例では、上記関係データは、劣化度SOHが大きくなるほど、劣化度補正係数λ_Ｈは小さくなるような傾向に設定してあり、実験結果から決める。

充電率補正係数算出部６４は、充電率SOCと充電率補正係数λ_Ｃとの関係データを記憶しており、充電率推定部９で推定した充電率SOCからこの値に応じた充電率補正係数λ_Ｃを決めて、これを乗算器６５へ出力する。なお、本実施例では、上記関係データは、充電率SOCが大きくなるにしたがって充電率補正係数λ_Ｃは小さくなるような傾向に設定してあり、実験結果から決める。

乗算器６５では、これら時定数算出部６２から入力された時定数τに、劣化度補正係数算出部６３および充電率補正係数算出部６４からそれぞれ入力された補正係数λ_Ｈ、λ_Ｃを掛け合わせて、補正後の時定数τ_Ｃ（＝λ_Ｈ×λ_Ｃ×τ）を得る。この補正後の時定数τ_Ｃは、ロー・パス・フィルタ６１での時定数として用いられる。したがって、ロー・パス・フィルタ６１において入力信号は、バッテリ１の温度Ｔ、劣化度SOH、充電率SOCに応じた可変とした時定数τ_Ｃで決まる周波数でカットされることになる。

ここで、上記のようにロー・パス・フィルタ６１を上記のように可変にする理由につき、説明する。
実際のバッテリでは、図３に示すように、バッテリはこのように応答の幅が広く、そのモデルも抵抗とコンデンサからなる並列回路を無数に直列接続した高次のモデルとなるが、この並列回路等は速い応答部分（同図におけるR_０で示す電解抵抗＋結線、およびR₁、R_２部分での電荷移動抵抗でC_１、C_２を有する）と遅い応答部分（同図におけるR₃、R₄部分での拡散抵抗でC_３、C_４を有する）とに分けることができる。しかしながら、図４に示す４つの並列回路を用いるような高次のモデルを使ってカルマン・フィルタ等でパラメータ推定を行うと、その推定精度が悪化したり、演算での不安定性の問題が生じたりしてしまう。なお、速い応答と遅い応答とを分ける境目については後で説明する。

そこで、本実施例では、速い応答部分をロー・パス・フィルタ６１でカットすることにより、図６の左上のバッテリ等価回路モデル（図３に同じ）における速い応答部分である１次および２次の回路中のコンデンサＣ₁とＣ_２がなくなり、図６の右上に示すように、３次の回路（抵抗Ｒ_３とコンデンサＣ_３の並列回路）とこれより遅い応答部分の４次の回路（抵抗Ｒ_４とコンデンサＣ_４の並列回路）だけが残った２次の回路へと低次元化できる。

その結果、図６の右下に示すように、速い応答部分のR_０、R_１、R_２を一つの抵抗Ｒにまとめる（直達項とする）ことができる。このように、前処理演算部６で入力信号を適切な周波数でカットすることでモデルを２次化（並列回路２個）できるようにする。そして、この２次化したモデルを状態推定部７でバッテリ等価回路モデル７Ａとして用いることにより、バッテリ等価回路モデルでの逐次推定（適応デジタル・フィルタ、カルマン・フィルタなど）による充電率SOCの推定精度を高くすることができる。なお、このような推定にあっては、入力信号の周波数が重要であるので、入力信号の周波数帯域によってR₁、C₁とR₂、C₂を直達項とした場合でも充電率推定に影響することはない。

ここで、上記のように速い応答（電荷移動過程）と遅い応答（拡散過程）を分けるには、これらの境目を、ナイキスト線図を用いて検出する。これら両者の応答を有する図３（図６の左上と同じ）のバッテリ・モデルをナイキスト線図で示すと、図４のように各並列回路はそれぞれ半円で示され、同図中、矢印で示す半円間のくびれ箇所が上記境目に当たると判定できる。
なお、ナイキスト線図を得るには、バッテリ１に様々な周波数の正弦波電流を入力してそのときの出力である端子電圧を測定する。このようにして得られて周波数ごとの入出力データを基に振幅比と位相差を得、これらからナイキスト線図(横軸に実軸、縦軸に虚軸)を描く。本実施例のように抵抗とコンデンサの並列回路は一次遅れ系であるから、ナイキスト線図では半円の形を取る。そして、この並列回路は本実施例のバッテリ等価回路モデル７Ａでは４個あるから、図４に示すように４個の半円が並ぶことになる。

そして、速い応答と遅い応答とにおける時定数の差が大きいため、図４では、各半円同士をはっきりと区別することができる。その中で左の２個の半円と右の２個の半円の間にはくびれている箇所があり、ここが上記速い応答と遅い応答との境目に相当し、周波数0.2Hｚに当たることが分かる。
この境目の周波数が分かれば、次式からロー・パス・フィルタ６１で用いる時定数τを求めることができる。
すなわち、ロー・パス・フィルタの時定数τ＝１／（境目の周波数×１０）を用いればよい。上記のように境目の周波数が0.2Hzの場合、これを上記式に代入して0.5sec［秒］を得る。したがって、この場合、ロー・パス・フィルタ６１の時定数τを0.5secとして入力信号をカットすればよいことになる。なお、別の方法を用いて時定数を得るようにしてもよい。

ところで、速い応答と遅い応答の境目は、充電率SOCの大きさによって変化する。
そこで、本実施例では、ロー・パス・フィルタ６１の時定数の大きさを充電率SOCの大きさに応じて変化させることで、推定精度を向上させるようにしている。
すなわち、充電率SOCが低いときはバッテリ１の内部抵抗が増大することによって、速い応答（電荷移動過程）と遅い応答（拡散過程）の境目の時定数も増大する。この結果、従来例のようにカルマン・フィルタによるパラメータ推定を行う際に設定した時定数τをそのまま用いると、バッテリ等価回路モデル７Ａの次数に比べて実際のバッテリ１ではより高次となる。そこで、速い応答（電荷移動過程）と遅い応答（拡散過程）の境目の時定数τが変化する環境下にあっては、正確にバッテリ等価回路モデルに対応した周波数を用いる必要があり、これからロー・パス・フィルタ６１の時定数を充電量SOCの変化に応じて可変にする必要がある。

また、バッテリ１の劣化が進んでも（劣化度SOHが小さくなる）、その内部抵抗が増加して速い応答（電荷移動過程）と遅い応答（拡散過程）の境目が変化するので、この場合にも充電率の場合と同様に、ロー・パス・フィルタ６１の時定数を劣化度SOHの変化に応じて可変にする必要がある。

一方、バッテリ１の温度Ｔによっても、バッテリ１の内部抵抗は変化し、温度Ｔが高くなるほど内部抵抗は減少する。この傾向は主に速い応答部分（電荷移動抵抗）でみられる。そのため、速い応答（電荷移動過程）と遅い応答（拡散過程）の境目の時定数が大きくなるので、ロー・パス・フィルタ６１の時定数を温度Ｔの増加に応じても小さくする必要がある。なお、温度Ｔに対し、遅い応答部分（拡散抵抗）のパラメータは速い応答部分のパラメータに比べると変化が微小であるため、ここでは考慮する必要はない。

また、バッテリ１の内部抵抗の変化は、温度Ｔによるものが最も大きく、したがって速い応答（電荷移動過程）と遅い応答（拡散過程）との境目が最も大きく変化することになる。そこで、まず温度Ｔに対してロー・パス・フィルタ６１の時定数τを決定し、次いで劣化度SOH、充電率SOCに応じた補正を行うため、これらの補正係数λ_Ｈ、λ_Ｃを決定して時定数τに掛けてこれを補正して補正した時定数τ_Ｃを得る。

次に、ナイキスト線図を用いた、速い応答（電荷移動過程）と遅い応答（拡散過程）の境目の検出につき、説明する。上述のように時定数は温度Ｔの影響を最も大きく受けるので、ここで確認のため、温度条件を変えて実験を行う。このようにして得た実権結果に基づき作成したナイキスト線図を図６に示す。
図６の上半部には実験結果に基づき作成した、図３（図６の左上のものと同じ）の等価回路モデルのナイキスト線図の全体図を、また同図下半部にはその一部を拡大して示した図である。図中、バッテリ１の温度Ｔが−１０℃の場合を実線で、０℃の場合を一点鎖線で、１０℃の場合を二点鎖線で、２５℃の場合を鎖線で、また４０℃の場合を点線でそれぞれ示す。

ナイキスト図におけるくびれ箇所から、図６の上半部の右から左側に向かって−１０℃における速い応答（電荷移動過程）と遅い応答（拡散過程）の境目、次いで０℃における境目が、また同図下半部の右から左側に向かって１０℃における境目、２５℃における境目、４０℃における境目があることがあることが分かる。これらの境目の周波数からそれぞれの温度における時定数τを演算し、この演算結果から温度Ｔと時定数τとの関係データに基づき得たグラフを図７に示す。図７から分かるように、温度Ｔが低くなるほど時定数τは大きくなり、温度Ｔが高くなるほど時定数τは小さくなることが分かる。これは、温度の低下とともにバッテリ１の内部抵抗が大きくなる傾向とも一致する。
このような関係となるのは、バッテリ等価モデルでの内部抵抗が実際の電解液の電気的、物理的な抵抗成分ではなく、バッテリ１での化学反応を電気的に表現して等価な抵抗として表しているためであって、温度が下がれば化学反応がにぶくなることからの結果である。上記のようにして得た温度Ｔと時定数τとの関係データは、図２の前処理演算部６の時定数算出部６２に記憶する。

以上のように、実施例１のフィルタによるパラメータ推定装置にあっては、以下の効果を得ることができる。
（１）実施例１では、前処理演算部６のロー・パス・フィルタ６１で用いる時定数τを、充電率SOCの大きさのみならず、最も影響の大きいバッテリの温度Ｔおよび劣化度SOHの大きさにも応じて可変とすることで、より正確にバッテリ等価回路モデル７Ａに合わせた周波数（時定数）で入力信号である電圧検出値Ｖおよび電流検出値Ｉをカット可能な値τ_Ｃに設定することができる。この結果、バッテリ等価回路モデル７Ａのパラメータの推定精度をより良くすることができる。また、充電率の推定精度も向上させることができる。

（２）また、実施例１では、図３のバッテリ・モデルのナイキスト線図を利用してくびれ箇所を検出してここの周波数に相当する値をロー・パス・フィルタ６１の時定数τとしたので、図３のバッテリ・モデルを低次元化でき、状態推定部７で使用するバッテリ等価回路モデル７Ａを速い応答と遅い応答とを有するモデルで、かつ２次の並列回路で表したモデルとすることができる。したがって、カルマン・フィルタ等を用いて状態量やパラメータ推定を行っても、推定誤差が大きくなるのを抑えることが可能となる。

以上、本発明を上記各実施例に基づき説明してきたが、本発明はこれらの実施例に限られず、本発明の要旨を逸脱しない範囲で設計変更等があった場合でも、本発明に含まれる。

たとえば、状態推定部６に代えて、実施例のカルマン・フィルタに限られず、逐次最小二乗法、適応デジタル・フィルタなど他の推定手段を用いるようにしてもよい。

本発明のフィルタのパラメータ推定装置は、電気自動車やハイブリッド電気自動車などの車両に用いるバッテリのみならず、地上や構造物に使用するバッテリにも適用できる。

１ バッテリ
２ 電圧センサ(端子電圧検出手段)
３ 電流センサ（充放電電流検出手段）
４ 温度センサ（バッテリ温度検出手段）
５ 劣化度推定部（劣化度推定手段）
６ 前処理演算部（前処理演算手段）
７ 状態推定部（状態推定手段）
７Ａ バッテリ等価モデル
７Ｂ 状態量算出部
８ 減算器
９ 充電率推定部（充電率推定手段）
６１ ロー・パス・フィルタ
６２ 時定数算出部
６３ 劣化度補正係数算出部
６４ 充電率補正係数算出部

Claims (3)

1. バッテリの充放電電流値を検出する充放電電流検出手段と、
   前記バッテリの端子電圧値を検出する端子電圧検出手段と、
   前記バッテリの温度を検出するバッテリ温度検出手段と、
   前記バッテリの劣化度を検出する劣化度検出手段と、
   前記充放電電流検出手段で検出した充放電電流値と前記端子電圧検出手段で検出した端子電圧値が入力されてロー・パス・フィルタにて電圧前処理値と電流前処理値にそれぞれ変換する前処理演算手段と、
   該前処理演算手段で得た電圧前処理値と電流前処理値が入力されて、抵抗とコンデンサを有するバッテリ等価回路モデルに基づき、該バッテリ等価回路モデルの状態方程式のパラメータを推定する状態推定手段と、
   該状態推定手段で得た状態量に基づき前記バッテリの充電率を推定する充電率推定手段と、
   を備え、
   前記ロー・パス・フィルタの時定数を、前記バッテリ温度検出手段で検出した温度が高いほど小さく、前記劣化度検出手段で検出した劣化度が大きいほど小さく、かつ前記充電率推定手段で推定した充電率が大きいほど小さくなるように可変とした、
   ことを特徴とするフィルタによるパラメータ推定装置。
2. 請求項１に記載のフィルタによるパラメータ推定装置において、
   前記バッテリ等価回路モデルは、前記バッテリの電解抵抗、結線、電荷移動抵抗からなる直達項に相当する１個の抵抗と、抵抗およびコンデンサからなり、前記バッテリの拡散抵抗に相当する並列回路と、が直列接続されて構成される、
   ことを特徴とするフィルタによるパラメータ推定装置。
3. 請求項２に記載のフィルタによるパラメータ推定装置において、
   前記並列回路は、２個であり直列接続されている、
   ことを特徴とするフィルタによるパラメータ推定装置。
   

Images