JP7396244B2 - 劣化判定装置、劣化判定システム、劣化判定方法及びそのプログラム - Google Patents
劣化判定装置、劣化判定システム、劣化判定方法及びそのプログラム Download PDFInfo
- Publication number
- JP7396244B2 JP7396244B2 JP2020172559A JP2020172559A JP7396244B2 JP 7396244 B2 JP7396244 B2 JP 7396244B2 JP 2020172559 A JP2020172559 A JP 2020172559A JP 2020172559 A JP2020172559 A JP 2020172559A JP 7396244 B2 JP7396244 B2 JP 7396244B2
- Authority
- JP
- Japan
- Prior art keywords
- deterioration
- impedance
- storage device
- electricity storage
- deterioration determination
- 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.)
- Active
Links
- 230000006866 deterioration Effects 0.000 title claims description 188
- 238000000034 method Methods 0.000 title claims description 55
- 238000005259 measurement Methods 0.000 claims description 88
- 230000005611 electricity Effects 0.000 claims description 46
- 238000010801 machine learning Methods 0.000 claims description 13
- 238000007637 random forest analysis Methods 0.000 claims description 13
- HBBGRARXTFLTSG-UHFFFAOYSA-N Lithium ion Chemical compound [Li+] HBBGRARXTFLTSG-UHFFFAOYSA-N 0.000 claims description 10
- 229910001416 lithium ion Inorganic materials 0.000 claims description 10
- 239000002131 composite material Substances 0.000 description 9
- 238000003745 diagnosis Methods 0.000 description 9
- 238000010586 diagram Methods 0.000 description 9
- 238000002847 impedance measurement Methods 0.000 description 9
- 238000010276 construction Methods 0.000 description 6
- 238000012360 testing method Methods 0.000 description 6
- WHXSMMKQMYFTQS-UHFFFAOYSA-N Lithium Chemical compound [Li] WHXSMMKQMYFTQS-UHFFFAOYSA-N 0.000 description 5
- 150000002500 ions Chemical class 0.000 description 5
- 229910052744 lithium Inorganic materials 0.000 description 5
- 238000012545 processing Methods 0.000 description 5
- 239000003990 capacitor Substances 0.000 description 4
- 238000013528 artificial neural network Methods 0.000 description 3
- 230000006399 behavior Effects 0.000 description 3
- 239000003575 carbonaceous material Substances 0.000 description 3
- 230000000694 effects Effects 0.000 description 3
- 229910003480 inorganic solid Inorganic materials 0.000 description 3
- 239000007784 solid electrolyte Substances 0.000 description 3
- 230000005540 biological transmission Effects 0.000 description 2
- 150000004649 carbonic acid derivatives Chemical class 0.000 description 2
- 238000004891 communication Methods 0.000 description 2
- 229920001940 conductive polymer Polymers 0.000 description 2
- 230000007423 decrease Effects 0.000 description 2
- 239000008151 electrolyte solution Substances 0.000 description 2
- 238000012417 linear regression Methods 0.000 description 2
- 239000011572 manganese Substances 0.000 description 2
- 239000007773 negative electrode material Substances 0.000 description 2
- 239000007774 positive electrode material Substances 0.000 description 2
- 150000003839 salts Chemical class 0.000 description 2
- 238000007086 side reaction Methods 0.000 description 2
- -1 sodium alkali metal Chemical class 0.000 description 2
- 229910052723 transition metal Inorganic materials 0.000 description 2
- ZZXUZKXVROWEIF-UHFFFAOYSA-N 1,2-butylene carbonate Chemical compound CCC1COC(=O)O1 ZZXUZKXVROWEIF-UHFFFAOYSA-N 0.000 description 1
- VAYTZRYEBVHVLE-UHFFFAOYSA-N 1,3-dioxol-2-one Chemical compound O=C1OC=CO1 VAYTZRYEBVHVLE-UHFFFAOYSA-N 0.000 description 1
- SJMSHBHQMICGBL-UHFFFAOYSA-N 2,2-dimethylpentan-3-yl hydrogen carbonate Chemical compound CCC(C(C)(C)C)OC(O)=O SJMSHBHQMICGBL-UHFFFAOYSA-N 0.000 description 1
- OYOKPDLAMOMTEE-UHFFFAOYSA-N 4-chloro-1,3-dioxolan-2-one Chemical compound ClC1COC(=O)O1 OYOKPDLAMOMTEE-UHFFFAOYSA-N 0.000 description 1
- 229920000049 Carbon (fiber) Polymers 0.000 description 1
- 229910018871 CoO 2 Inorganic materials 0.000 description 1
- OIFBSDVPJOWBCH-UHFFFAOYSA-N Diethyl carbonate Chemical compound CCOC(=O)OCC OIFBSDVPJOWBCH-UHFFFAOYSA-N 0.000 description 1
- KMTRUDSVKNLOMY-UHFFFAOYSA-N Ethylene carbonate Chemical compound O=C1OCCO1 KMTRUDSVKNLOMY-UHFFFAOYSA-N 0.000 description 1
- 229910000733 Li alloy Inorganic materials 0.000 description 1
- 229910013063 LiBF 4 Inorganic materials 0.000 description 1
- 229910013870 LiPF 6 Inorganic materials 0.000 description 1
- UCKMPCXJQFINFW-UHFFFAOYSA-N Sulphide Chemical compound [S-2] UCKMPCXJQFINFW-UHFFFAOYSA-N 0.000 description 1
- KLARSDUHONHPRF-UHFFFAOYSA-N [Li].[Mn] Chemical compound [Li].[Mn] KLARSDUHONHPRF-UHFFFAOYSA-N 0.000 description 1
- SOXUFMZTHZXOGC-UHFFFAOYSA-N [Li].[Mn].[Co].[Ni] Chemical compound [Li].[Mn].[Co].[Ni] SOXUFMZTHZXOGC-UHFFFAOYSA-N 0.000 description 1
- 229910052783 alkali metal Inorganic materials 0.000 description 1
- 229910001413 alkali metal ion Inorganic materials 0.000 description 1
- 229910021383 artificial graphite Inorganic materials 0.000 description 1
- 239000011230 binding agent Substances 0.000 description 1
- 239000004917 carbon fiber Substances 0.000 description 1
- 230000015556 catabolic process Effects 0.000 description 1
- 150000005678 chain carbonates Chemical class 0.000 description 1
- 238000007635 classification algorithm Methods 0.000 description 1
- CKFRRHLHAJZIIN-UHFFFAOYSA-N cobalt lithium Chemical compound [Li].[Co] CKFRRHLHAJZIIN-UHFFFAOYSA-N 0.000 description 1
- 239000000571 coke Substances 0.000 description 1
- 230000000052 comparative effect Effects 0.000 description 1
- 238000002790 cross-validation Methods 0.000 description 1
- 150000005676 cyclic carbonates Chemical class 0.000 description 1
- 238000006731 degradation reaction Methods 0.000 description 1
- 238000009831 deintercalation Methods 0.000 description 1
- IEJIGPNLZYLLBP-UHFFFAOYSA-N dimethyl carbonate Chemical compound COC(=O)OC IEJIGPNLZYLLBP-UHFFFAOYSA-N 0.000 description 1
- 150000004862 dioxolanes Chemical class 0.000 description 1
- VUPKGFBOKBGHFZ-UHFFFAOYSA-N dipropyl carbonate Chemical compound CCCOC(=O)OCCC VUPKGFBOKBGHFZ-UHFFFAOYSA-N 0.000 description 1
- 238000007599 discharging Methods 0.000 description 1
- 150000002148 esters Chemical class 0.000 description 1
- 150000002170 ethers Chemical class 0.000 description 1
- JBTWLSYIZRCDFO-UHFFFAOYSA-N ethyl methyl carbonate Chemical compound CCOC(=O)OC JBTWLSYIZRCDFO-UHFFFAOYSA-N 0.000 description 1
- 150000002240 furans Chemical class 0.000 description 1
- ROCSCYHXUBXLGH-UHFFFAOYSA-N hexan-3-yl hydrogen carbonate Chemical compound CCCC(CC)OC(O)=O ROCSCYHXUBXLGH-UHFFFAOYSA-N 0.000 description 1
- 150000002484 inorganic compounds Chemical class 0.000 description 1
- 229910010272 inorganic material Inorganic materials 0.000 description 1
- 238000009830 intercalation Methods 0.000 description 1
- 239000004973 liquid crystal related substance Substances 0.000 description 1
- 239000001989 lithium alloy Substances 0.000 description 1
- RSNHXDVSISOZOB-UHFFFAOYSA-N lithium nickel Chemical compound [Li].[Ni] RSNHXDVSISOZOB-UHFFFAOYSA-N 0.000 description 1
- 229910003002 lithium salt Inorganic materials 0.000 description 1
- 159000000002 lithium salts Chemical class 0.000 description 1
- SWAIALBIBWIKKQ-UHFFFAOYSA-N lithium titanium Chemical compound [Li].[Ti] SWAIALBIBWIKKQ-UHFFFAOYSA-N 0.000 description 1
- DMEJJWCBIYKVSB-UHFFFAOYSA-N lithium vanadium Chemical compound [Li].[V] DMEJJWCBIYKVSB-UHFFFAOYSA-N 0.000 description 1
- 239000000463 material Substances 0.000 description 1
- 229910021382 natural graphite Inorganic materials 0.000 description 1
- PXHVJJICTQNCMI-UHFFFAOYSA-N nickel Substances [Ni] PXHVJJICTQNCMI-UHFFFAOYSA-N 0.000 description 1
- 150000002825 nitriles Chemical class 0.000 description 1
- 229920000620 organic polymer Polymers 0.000 description 1
- 239000005518 polymer electrolyte Substances 0.000 description 1
- 239000000843 powder Substances 0.000 description 1
- RUOJZAUFBMNUDX-UHFFFAOYSA-N propylene carbonate Chemical compound CC1COC(=O)O1 RUOJZAUFBMNUDX-UHFFFAOYSA-N 0.000 description 1
- 239000002296 pyrolytic carbon Substances 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 229910052708 sodium Inorganic materials 0.000 description 1
- 239000011734 sodium Substances 0.000 description 1
- 239000007787 solid Substances 0.000 description 1
- 239000002904 solvent Substances 0.000 description 1
- HXJUTPCZVOIRIF-UHFFFAOYSA-N sulfolane Chemical class O=S1(=O)CCCC1 HXJUTPCZVOIRIF-UHFFFAOYSA-N 0.000 description 1
- 150000003606 tin compounds Chemical class 0.000 description 1
Classifications
-
- 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
- Charge And Discharge Circuits For Batteries Or The Like (AREA)
- Secondary Cells (AREA)
- Tests Of Electric Status Of Batteries (AREA)
Description
また、蓄電デバイスの劣化判定方法としては、交流インピーダンス法により,高周波数側反応抵抗と低周波数側反応抵抗と高周波数側キャパシタと低周波数側キャパシタとを有する等価回路モデルにフィッティングし、二次電池の劣化を判定するものが提案されている(例えば、特許文献3参照)。この劣化判定方法では、抵抗増加として現れる劣化だけでなく,より精密に二次電池の劣化の状態を判定することができるとしている。
蓄電デバイスの劣化度を判定する劣化判定装置であって、
劣化度が既知である蓄電デバイスのインピーダンスの実部及び/又は虚部と該蓄電デバイスの開放電圧とに少なくとも基づいて構築された推定モデルを記憶する記憶部と、
判定対象である蓄電デバイスのインピーダンスと開放電圧とを取得し、取得した前記インピーダンスと開放電圧とを説明変数として用いて前記推定モデルから該蓄電デバイスの劣化度を判定する制御部と、
を備えたものである。
蓄電デバイスのインピーダンスの実部及び/又は虚部と該蓄電デバイスの開放電圧とを求める測定装置と、
上述した劣化判定装置と、を備え、
前記制御部は、前記測定装置から前記蓄電デバイスのインピーダンスの実部と該蓄電デバイスの開放電圧とを取得するものである。
蓄電デバイスの劣化度を判定する劣化判定方法であって、
判定対象である蓄電デバイスのインピーダンスの実部及び/又は虚部と開放電圧とを取得し、取得した前記インピーダンスの実部及び/又は虚部と開放電圧とを説明変数として用い、
劣化度が既知である蓄電デバイスのインピーダンスの実部及び/又は虚部と該蓄電デバイスの開放電圧とに少なくとも基づいて構築された推定モデルから前記判定対象の蓄電デバイスの劣化度を判定するステップ、
を含むものである。
本明細書で開示する劣化判定装置の実施形態を図面を参照しながら以下に説明する。図1は、劣化判定システム10の一例を示す概略説明図である。劣化判定システム10は、例えば、使用済みの蓄電デバイス13を回収する回収施設などに備えられており、蓄電デバイス13の劣化度を判定するシステムである。この劣化判定システム10は、回収した蓄電デバイス13の劣化度を推定して、リユース可能かリサイクルすべきかについての判定を行う。リユース可能な蓄電デバイス13は、再調整されて出荷され、リサイクルすべき蓄電デバイス13はリサイクルされる。この劣化判定システム10は、測定装置15と、劣化判定装置20とを備えている。劣化判定システム10は、LANやインターネットなどを含むネットワーク12を介して測定装置15と劣化判定装置20との間で情報をやりとりする。
次に、こうして構成された本実施形態の劣化判定装置20の動作、特に、劣化判定装置20が実行する劣化判定方法について説明する。この劣化判定方法は、例えば、機械学習によって推定モデル35を構築する構築ステップと、推定モデル35から判定対象の蓄電デバイスの劣化度を判定する判定ステップと、を含むものとしてもよい。なお、この劣化判定方法において、既に構築した推定モデル35を用いて、上記構築ステップを省略してもよい。
ここでは、まず、推定モデル35を構築する処理について説明する。この構築処理では、使用者が既知劣化度の複数の蓄電デバイス13を用意し、劣化判定システム10がインピーダンス31や開放電圧32を測定し、推定モデル35を構築する。図2は、制御部22により実行される推定モデル構築処理ルーチンの一例を示すフローチャートである。このルーチンは、記憶部21に記憶され、使用者の指示に応じて実行される。制御部22は、このルーチンを実行すると、まず、劣化度が既知の蓄電デバイス13の開放電圧Vの測定結果を測定装置15から取得し(S100)、そのインピーダンス測定結果を取得する(S110)。制御部22は、判定対象14を取り替えながら、測定装置15が測定した開放電圧Vやインピーダンスの測定結果をリアルタイムで取得してもよいし、測定済の開放電圧Vやインピーダンスの測定結果をまとめて取得してもよい。また、インピーダンスの測定結果には、実部Z’のほか、虚部Z”や測定温度Tなどを含むものとしてもよい。S110のあと、制御部22は、全ての既知蓄電デバイス13の測定結果を取得したか否かを判定し(S120)、全ての測定結果を取得していないときには、S100以降の処理を繰り返し実行する。一方、全ての測定結果を取得したときには、機械学習により推定モデル35を構築して記憶部21に記憶し(S130)、このルーチンを終了する。劣化した蓄電デバイス13のインピーダンスと劣化度とは、その劣化の態様によってリニアな関係性を有さず、周波数帯域ごとに初期セルに対して劣化セルのインピーダンス値が高く出る場合もあれば、低く出る場合もある(後述図4参照)。ここでは、機械学習を利用して、インピーダンスから劣化度を推定することが可能な推定モデル35を構築するのである。また、制御部22は、例えば、推定モデル35の構築には統計分析ソフトRやPython(登録商標)、SQL、Excel(登録商標)などを用いることができ、手法として、線形回帰、カーネルリッジ、サポートベクター、XGBoost、ニューラルネットワーク(nnet)及びランダムフォレスト(RF)のうち1以上、好ましくは、ランダムフォレストを用いることができる。
この判定ステップでは、判定対象である蓄電デバイスのインピーダンスの実部Z’及び/又は虚部Z”と開放電圧Vとを取得し、取得したインピーダンスと開放電圧とを説明変数として用い、推定モデル35から判定対象14の劣化度を判定する処理を行う。推定モデルは、劣化度が既知である蓄電デバイス13のインピーダンスの実部Z’及び/又は虚部Z”とその蓄電デバイス13の開放電圧Vとに少なくとも基づいて構築されているものとする。図3は、制御部22により実行される劣化判定処理ルーチンの一例を示すフローチャートである。このルーチンは、記憶部21に記憶され、使用者の指示に応じて実行される。使用者は、推定モデル35を構築後、判定対象14を交流インピーダンスアナライザ17へ接続したのち、このルーチンを実行させる。
Claims (13)
- 蓄電デバイスの劣化度を判定する劣化判定装置であって、
劣化度が既知である蓄電デバイスのインピーダンスの実部及び/又は虚部と該蓄電デバイスの開放電圧とに少なくとも基づいて構築された推定モデルを記憶する記憶部と、
判定対象である蓄電デバイスのインピーダンスの実部及び/又は虚部と開放電圧とを取得し、取得した前記インピーダンスと開放電圧とを説明変数として用いて前記推定モデルから該蓄電デバイスの劣化度を判定する制御部と、を備え、
前記推定モデルは、10-2Hz以上104Hz未満の範囲のインピーダンスに基づいて構築されており、
前記制御部は、10-2Hz以上104Hz未満の範囲で3点以上8点以下の測定点での前記判定対象である蓄電デバイスのインピーダンスを取得する、劣化判定装置。 - 前記推定モデルは、更に、劣化度が既知である蓄電デバイスのインピーダンスの測定温度にも基づいて構築されており、
前記制御部は、更に、判定対象である蓄電デバイスのインピーダンスの測定温度をも取得し、取得した前記インピーダンスの実部及び/又は虚部と測定温度と開放電圧とを説明変数として用いて前記推定モデルから該蓄電デバイスの劣化度を判定する、請求項1に記載の劣化判定装置。 - 前記制御部は、下端範囲として10-2Hz以上100Hz以下の範囲で1点、上端範囲として102Hzを超え104Hz未満の範囲で1点、中間範囲として100Hz以上102Hz以下の範囲で1点を少なくとも含む測定点での前記判定対象である蓄電デバイスのインピーダンスを取得する、請求項1又は2に記載の劣化判定装置。
- 前記下端範囲が10-1Hz以上100Hz未満の範囲である、請求項3に記載の劣化判
定装置。 - 前記制御部は、劣化度が既知である複数の蓄電デバイスのインピーダンスの実部及び/又は虚部と該蓄電デバイスの開放電圧とを少なくとも取得し、機械学習によって前記推定モデルを構築し、前記記憶部に記憶させる、請求項1~4のいずれか1項に記載の劣化判定装置。
- 前記制御部は、前記機械学習の手法としてランダムフォレストを用いる、請求項5に記載の劣化判定装置。
- 前記推定モデルは、劣化度が既知である蓄電デバイスのインピーダンスの実部及び虚部に基づいて構築されており、
前記制御部は、判定対象である蓄電デバイスのインピーダンスの実部と虚部とを取得し、取得した前記インピーダンスの実部と虚部と開放電圧とを説明変数として用いて前記推定モデルから該蓄電デバイスの劣化度を判定する、請求項1~6のいずれか1項に記載の劣化判定装置。 - 前記推定モデルは、劣化度が既知である蓄電デバイスのインピーダンスの実部及び虚部と該蓄電デバイスの開放電圧とに少なくとも基づいて構築されており、
前記測定点が3点以上8点以下である、請求項1~7のいずれか1項に記載の劣化判定装置。 - 前記蓄電デバイスは、リチウムイオン二次電池である、請求項1~8のいずれか1項に記載の劣化判定装置。
- 蓄電デバイスのインピーダンスの実部及び/又は虚部と該蓄電デバイスの開放電圧とを求める測定装置と、
請求項1~9のいずれか1項に記載の劣化判定装置と、を備えた劣化判定システム。 - 蓄電デバイスの劣化度を判定する劣化判定方法であって、
判定対象である蓄電デバイスのインピーダンスの実部及び/又は虚部と開放電圧とを取得し、取得した前記インピーダンスの実部及び/又は虚部と開放電圧とを説明変数として用い、
劣化度が既知である蓄電デバイスのインピーダンスの実部及び/又は虚部と該蓄電デバイスの開放電圧とに少なくとも基づいて構築された推定モデルから前記判定対象の蓄電デバイスの劣化度を判定するステップ、を含み、
前記推定モデルは、10-2Hz以上104Hz未満の範囲のインピーダンスに基づいて
構築されており、
前記ステップでは、10-2Hz以上104Hz未満の範囲で3点以上8点以下の測定点
での前記判定対象である蓄電デバイスのインピーダンスを取得する、劣化判定方法。 - 前記蓄電デバイスは、リチウムイオン二次電池である、請求項11に記載の劣化判定方法。
- 請求項11又は12に記載の劣化判定方法のステップを1又は複数のコンピュータに実現させる、プログラム。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2020172559A JP7396244B2 (ja) | 2020-10-13 | 2020-10-13 | 劣化判定装置、劣化判定システム、劣化判定方法及びそのプログラム |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2020172559A JP7396244B2 (ja) | 2020-10-13 | 2020-10-13 | 劣化判定装置、劣化判定システム、劣化判定方法及びそのプログラム |
Publications (2)
Publication Number | Publication Date |
---|---|
JP2022064054A JP2022064054A (ja) | 2022-04-25 |
JP7396244B2 true JP7396244B2 (ja) | 2023-12-12 |
Family
ID=81378768
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2020172559A Active JP7396244B2 (ja) | 2020-10-13 | 2020-10-13 | 劣化判定装置、劣化判定システム、劣化判定方法及びそのプログラム |
Country Status (1)
Country | Link |
---|---|
JP (1) | JP7396244B2 (ja) |
Families Citing this family (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2024057996A1 (ja) * | 2022-09-14 | 2024-03-21 | 株式会社Gsユアサ | 蓄電素子の劣化状態の算出装置、劣化状態の算出方法、劣化状態の算出プログラム、劣化状態の推定装置、劣化状態の推定方法、異常検知装置及び異常検知方法 |
WO2024115934A1 (ja) * | 2022-11-29 | 2024-06-06 | 日産自動車株式会社 | 電池劣化状態推定方法、及び電池劣化状態推定装置 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2012220199A (ja) | 2011-04-04 | 2012-11-12 | Toyota Motor Corp | 二次電池の劣化判定方法とその装置 |
JP2014134467A (ja) | 2013-01-10 | 2014-07-24 | Toyota Motor Corp | 二次電池の状態診断方法 |
JP2014224706A (ja) | 2013-05-15 | 2014-12-04 | 旭化成株式会社 | 二次電池診断装置及び二次電池診断方法 |
JP2020205253A (ja) | 2019-06-17 | 2020-12-24 | 日置電機株式会社 | 電池劣化診断システム、診断処理装置、測定装置及びプログラム |
Family Cites Families (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP6145824B2 (ja) * | 2014-10-31 | 2017-06-14 | エンネット株式会社 | 電池診断装置および電池診断方法 |
JP7070224B2 (ja) * | 2018-08-08 | 2022-05-18 | トヨタ自動車株式会社 | 電池情報処理システムおよび電池情報処理方法 |
-
2020
- 2020-10-13 JP JP2020172559A patent/JP7396244B2/ja active Active
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2012220199A (ja) | 2011-04-04 | 2012-11-12 | Toyota Motor Corp | 二次電池の劣化判定方法とその装置 |
JP2014134467A (ja) | 2013-01-10 | 2014-07-24 | Toyota Motor Corp | 二次電池の状態診断方法 |
JP2014224706A (ja) | 2013-05-15 | 2014-12-04 | 旭化成株式会社 | 二次電池診断装置及び二次電池診断方法 |
JP2020205253A (ja) | 2019-06-17 | 2020-12-24 | 日置電機株式会社 | 電池劣化診断システム、診断処理装置、測定装置及びプログラム |
Non-Patent Citations (2)
Title |
---|
ZHANG, Yunwei; TANG, Qiaochu; ZHANG, Yao; WANG, Jiabin; STIMMING, Ulrich; LEE, Alpha A.,"Identifying degradation patterns of lithium ion batteries from impedance spectroscopy using machine learning",Nature Communications,2020年04月06日,Vol. 11, Article number: 1706,pp. 1-6,DOI: https://doi.org/10.1038/s41467-020-15235-7 |
森匠;山口秀一郎;小山昇,"[1MH26] 電気化学インピーダンスを用いた統計的機械学習による劣化診断の能力検討",第60回電池討論会講演要旨集,2019年11月13日 |
Also Published As
Publication number | Publication date |
---|---|
JP2022064054A (ja) | 2022-04-25 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Barcellona et al. | Aging effect on the variation of Li-ion battery resistance as function of temperature and state of charge | |
CN112710957B (zh) | 电池充电析锂检测方法、装置及计算机设备 | |
WO2012095913A1 (ja) | リチウムイオン二次電池の劣化評価方法、及び電池パック | |
Iturrondobeitia et al. | Post-mortem analysis of calendar-aged 16 Ah NMC/graphite pouch cells for EV application | |
CN107329094A (zh) | 动力电池健康状态估算方法及装置 | |
JP7396244B2 (ja) | 劣化判定装置、劣化判定システム、劣化判定方法及びそのプログラム | |
JPWO2017056981A1 (ja) | リチウムイオン二次電池、その製造方法およびその評価方法 | |
Molaeimanesh et al. | Experimental analysis of commercial LiFePO 4 battery life span used in electric vehicle under extremely cold and hot thermal conditions | |
JP6342612B2 (ja) | 二次電池診断装置及び二次電池診断方法 | |
JP2022139501A (ja) | 劣化判定装置、劣化判定システム、劣化判定方法及びそのプログラム | |
US11199590B2 (en) | Safety estimation device for batteries and safety estimation method for batteries | |
JP6171821B2 (ja) | 寿命判定機能を有する蓄電装置、及び組電池の寿命判定方法 | |
Cui et al. | Recovery strategy and mechanism of aged lithium ion batteries after shallow depth of discharge at elevated temperature | |
Xu et al. | Chemical strain of graphite-based anode during lithiation and delithiation at various temperatures | |
JP2011247841A (ja) | リチウムイオン電池の内部抵抗の測定方法およびその装置 | |
Kebede et al. | Development of a lifetime model for large format nickel-manganese-cobalt oxide-based lithium-ion cell validated using a real-life profile | |
WO2023286452A1 (ja) | 評価装置、評価システム、評価方法及びそのプログラム | |
Narula | Modeling of ageing of lithium-ion battery at low temperaturas | |
WO2023149532A1 (ja) | 二次電池の診断方法及び二次電池の診断プログラム | |
JP2018185974A (ja) | リチウムイオン二次電池及びその出力特性評価方法 | |
US11081683B2 (en) | Method for estimating filter clogging with slurry for electrode preparation | |
EP4262044A1 (en) | Detection device and detection method | |
Anekal et al. | Wide-ranging parameter extraction of lithium-ion batteries to estimate state of health using electrochemical impedance spectroscopy | |
JP2022065323A (ja) | 抵抗測定装置、抵抗測定システム、抵抗測定方法及びそのプログラム | |
JP2023050561A (ja) | 推定装置、推定システム、推定方法及びそのプログラム |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20211228 |
|
A977 | Report on retrieval |
Free format text: JAPANESE INTERMEDIATE CODE: A971007 Effective date: 20221122 |
|
A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20221220 |
|
A601 | Written request for extension of time |
Free format text: JAPANESE INTERMEDIATE CODE: A601 Effective date: 20230217 |
|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20230306 |
|
A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20230627 |
|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20230808 |
|
TRDD | Decision of grant or rejection written | ||
A01 | Written decision to grant a patent or to grant a registration (utility model) |
Free format text: JAPANESE INTERMEDIATE CODE: A01 Effective date: 20231031 |
|
A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20231113 |
|
R150 | Certificate of patent or registration of utility model |
Ref document number: 7396244 Country of ref document: JP Free format text: JAPANESE INTERMEDIATE CODE: R150 |