JPH09243716A - 二次電池の状態判定方法 - Google Patents
二次電池の状態判定方法Info
- Publication number
- JPH09243716A JPH09243716A JP8080716A JP8071696A JPH09243716A JP H09243716 A JPH09243716 A JP H09243716A JP 8080716 A JP8080716 A JP 8080716A JP 8071696 A JP8071696 A JP 8071696A JP H09243716 A JPH09243716 A JP H09243716A
- Authority
- JP
- Japan
- Prior art keywords
- secondary battery
- voltage
- value
- values
- ocv
- 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.)
- Granted
Links
Landscapes
- Tests Of Electric Status Of Batteries (AREA)
- Stand-By Power Supply Arrangements (AREA)
Abstract
つ正確に判定する方法を提供する。 【解決手段】 学習用二次電池の開路電圧OCVと放電
開始直後の電圧VOとを複数の使用経過時点で測定し、
且つ二次電池の5分間放電後の電圧Vh 及び容量Te を
実測する。また学習用二次電池の寿命Lを求め、計算に
よって各使用経過時点における残りの寿命Lを求める。
ニューラルネットワーク1にOCV、VO、Vh 、Te
、Lを与えてこのニューラルネットワーク1を学習さ
せる。学習済のニューラルネットワーク1に被判定二次
電池のOCV、VOを入力させてVh、Te 、Lを判定
する。
Description
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。
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。
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。
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。
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。
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及び放電開始直後の電圧VO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及び放電開始直後の電圧
VO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路電圧OCVと放電開始直
後の電圧VOと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及び放電開
始直後の電圧VO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に示すように開路電圧OCVの使用開始
時点からの差分ΔOCVO、1つ前の時点の値との差分
ΔOCV、放電開始直後の電圧VOの使用開始時点から
の差分ΔVOOと1つ前の時点の値との差分ΔVOを考
慮して判定することが望ましい。また、請求項3、4及
び5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ΔRO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。
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。
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2及び4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3、4、5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。
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6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。
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。
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、請求項2の発
明のように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3及び4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5の発明のように、R、ΔR
O、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。
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。
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。
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。
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。
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。
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。
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。
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。
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。
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。
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。
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。
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。
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。
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。
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。
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。
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。
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。
を示すブロック図である。
る。
図である。
図である。
図である。
ロック図である。
図である。
Claims (6)
- 【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)及び放電開始直後の電圧(V
O)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(OC
V)及び放電開始直後の電圧(VO)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路電圧(OCV)と放電開始直
後の電圧(VO)と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)及び放電開始直後の電圧(VO)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。 - 【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)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。 - 【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
おける開路電圧(OCV)、放電開始直後の電圧(V
O)、及び内部抵抗(R)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)
及び内部抵抗(R)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路電圧(OCV)と放電開始直
後の電圧(VO)と前記内部抵抗(R)とを測定するス
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)及び内部抵抗
(R)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。 - 【請求項4】 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。 - 【請求項5】 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。 - 【請求項6】 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又は4又は5記載の二次電池の状態判定
方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP08071696A JP3520886B2 (ja) | 1996-03-08 | 1996-03-08 | 二次電池の状態判定方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP08071696A JP3520886B2 (ja) | 1996-03-08 | 1996-03-08 | 二次電池の状態判定方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
JPH09243716A true JPH09243716A (ja) | 1997-09-19 |
JP3520886B2 JP3520886B2 (ja) | 2004-04-19 |
Family
ID=13726079
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP08071696A Expired - Fee Related JP3520886B2 (ja) | 1996-03-08 | 1996-03-08 | 二次電池の状態判定方法 |
Country Status (1)
Country | Link |
---|---|
JP (1) | JP3520886B2 (ja) |
Cited By (31)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US6285163B1 (en) | 1998-05-28 | 2001-09-04 | Toyota Jidosha Kabushiki Kaisha | Means for estimating charged state of battery and method for estimating degraded state of battery |
JP2004180428A (ja) * | 2002-11-27 | 2004-06-24 | Densei Lambda Kk | バッテリ劣化のオンライン判定方法、無停電電源装置に搭載されるバッテリの劣化判定方法および無停電電源装置 |
WO2005059579A1 (en) * | 2003-12-18 | 2005-06-30 | Lg Chem, Ltd. | Apparatus and method for estimating state of charge of battery using neural network |
EP1691209A1 (en) | 2005-02-14 | 2006-08-16 | Denso Corporation | Method and apparatus for detecting charged state of secondary battery based on neural network calculation |
JP2006300694A (ja) * | 2005-04-20 | 2006-11-02 | Denso Corp | 車両用蓄電装置の内部状態検出方式 |
WO2009025512A2 (en) | 2007-08-23 | 2009-02-26 | Lg Chem, Ltd. | System and method for estimating long term characteristics of battery |
JP2010519691A (ja) * | 2007-04-20 | 2010-06-03 | 杭州高特電子設備有限公司 | 蓄電池の性能を分析するためのエキスパート診断方法 |
US7777446B2 (en) | 2006-01-31 | 2010-08-17 | Denso Corporation | Method and apparatus for calculating battery state and apparatus for controlling power voltage in vehicle |
US7965059B2 (en) | 2005-11-30 | 2011-06-21 | Lg Chem, Ltd. | System, method, and article of manufacture for determining an estimated battery parameter vector |
US7969120B2 (en) | 2003-11-20 | 2011-06-28 | Lg Chem, Ltd. | Method for calculating power capability of battery packs using advanced cell model predictive techniques |
US8341449B2 (en) | 2010-04-16 | 2012-12-25 | Lg Chem, Ltd. | Battery management system and method for transferring data within the battery management system |
US8519675B2 (en) | 2008-01-30 | 2013-08-27 | Lg Chem, Ltd. | System, method, and article of manufacture for determining an estimated battery cell module state |
CN103364732A (zh) * | 2012-04-05 | 2013-10-23 | 三星Sdi株式会社 | 预测电池寿命的***及方法 |
JP2014206499A (ja) * | 2013-04-15 | 2014-10-30 | 新電元工業株式会社 | 二次電池寿命予測システム、二次電池特性評価装置、二次電池搭載装置、および二次電池寿命予測方法 |
US8974929B2 (en) | 2011-06-30 | 2015-03-10 | Lg Chem, Ltd. | Heating system for a battery module and method of heating the battery module |
US8974928B2 (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 |
JP2017127099A (ja) * | 2016-01-13 | 2017-07-20 | ファナック株式会社 | 抵抗回生開始電圧および抵抗回生停止電圧の値を学習する機械学習器,モータ制御装置,モータ制御システムおよび機械学習方法 |
WO2019176602A1 (ja) * | 2018-03-16 | 2019-09-19 | 株式会社Gsユアサ | 検査方法、検査装置、学習モデル及び蓄電素子ユニットの製造方法 |
WO2019181728A1 (ja) * | 2018-03-20 | 2019-09-26 | 株式会社Gsユアサ | 劣化推定装置、コンピュータプログラム及び劣化推定方法 |
WO2019181729A1 (ja) * | 2018-03-20 | 2019-09-26 | 株式会社Gsユアサ | 劣化推定装置、コンピュータプログラム及び劣化推定方法 |
WO2019240182A1 (ja) * | 2018-06-13 | 2019-12-19 | 株式会社Gsユアサ | 行動生成装置、蓄電素子評価装置、コンピュータプログラム、学習方法及び評価方法 |
WO2020027203A1 (ja) * | 2018-07-31 | 2020-02-06 | 本田技研工業株式会社 | 推定システム、推定装置、推定方法、プログラム、及び記憶媒体 |
JPWO2020137914A1 (ja) * | 2018-12-28 | 2020-07-02 | ||
CN111948563A (zh) * | 2020-06-19 | 2020-11-17 | 浙江大学 | 一种基于多神经网络耦合的电动叉车锂电池剩余寿命预测方法 |
JP2020201044A (ja) * | 2019-06-06 | 2020-12-17 | 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Panasonic Intellectual Property Corporation of America | 開回路電圧計測方法、開回路電圧計測装置、及びプログラム |
KR102215703B1 (ko) * | 2019-08-13 | 2021-02-16 | 한국과학기술원 | 에너지 저장장치 잔존 수명 추정 및 적정 동작구간 설정 기술 |
CN113227808A (zh) * | 2018-12-28 | 2021-08-06 | 横河电机株式会社 | 学习装置、推定装置、学习方法、推定方法、学习程序及推定程序 |
WO2022195402A1 (ja) * | 2021-03-19 | 2022-09-22 | 株式会社半導体エネルギー研究所 | 蓄電装置管理システム及び電子機器 |
US11677253B2 (en) | 2018-01-16 | 2023-06-13 | Gs Yuasa International Ltd. | Monitoring device, monitoring method, computer program, deterioration determination method, deterioration determination device, and deterioration determination system |
WO2023189368A1 (ja) * | 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 | 蓄電池の劣化推定装置、及び蓄電池の劣化推定方法 |
-
1996
- 1996-03-08 JP JP08071696A patent/JP3520886B2/ja not_active Expired - Fee Related
Cited By (50)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US6285163B1 (en) | 1998-05-28 | 2001-09-04 | Toyota Jidosha Kabushiki Kaisha | Means for estimating charged state of battery and method for estimating degraded state of battery |
JP2004180428A (ja) * | 2002-11-27 | 2004-06-24 | Densei Lambda Kk | バッテリ劣化のオンライン判定方法、無停電電源装置に搭載されるバッテリの劣化判定方法および無停電電源装置 |
US7969120B2 (en) | 2003-11-20 | 2011-06-28 | Lg Chem, Ltd. | Method for calculating power capability of battery packs using advanced cell model predictive techniques |
WO2005059579A1 (en) * | 2003-12-18 | 2005-06-30 | Lg Chem, Ltd. | Apparatus and method for estimating state of charge of battery using neural network |
US7583059B2 (en) | 2003-12-18 | 2009-09-01 | Lg Chem, Ltd. | Apparatus and method for estimating state of charge of battery using neural network |
KR100880717B1 (ko) * | 2005-02-14 | 2009-02-02 | 가부시키가이샤 덴소 | 뉴럴네트워크연산에 기초한 2차전지의 충전상태를 검출하기위한 방법 및 장치 |
US7554296B2 (en) | 2005-02-14 | 2009-06-30 | Denso Corporation | Method and apparatus for detecting charged state of secondary battery based on neural network calculation |
EP1691209A1 (en) | 2005-02-14 | 2006-08-16 | Denso Corporation | Method and apparatus for detecting charged state of secondary battery based on neural network calculation |
JP4587306B2 (ja) * | 2005-04-20 | 2010-11-24 | 株式会社デンソー | 二次電池の残存容量演算方法 |
JP2006300694A (ja) * | 2005-04-20 | 2006-11-02 | Denso Corp | 車両用蓄電装置の内部状態検出方式 |
DE102006018208B4 (de) * | 2005-04-20 | 2017-11-23 | Denso Corporation | Verfahren und Vorrichtung zum Detektieren eines geladenen Zustandes einer sekundären Batterie basierend auf einer Berechnung eines neuronalen Netzwerks |
US7965059B2 (en) | 2005-11-30 | 2011-06-21 | Lg Chem, Ltd. | System, method, and article of manufacture for determining an estimated battery parameter vector |
DE102007004368B4 (de) | 2006-01-31 | 2019-12-05 | Denso Corporation | Verfahren und Vorrichtung zum Steuern der Versorgungsspannung eines Fahrzeugs |
US7777446B2 (en) | 2006-01-31 | 2010-08-17 | Denso Corporation | Method and apparatus for calculating battery state and apparatus for controlling power voltage in vehicle |
JP2010519691A (ja) * | 2007-04-20 | 2010-06-03 | 杭州高特電子設備有限公司 | 蓄電池の性能を分析するためのエキスパート診断方法 |
JP2010538246A (ja) * | 2007-08-23 | 2010-12-09 | エルジー・ケム・リミテッド | バッテリーの長期特性予測システム及び方法 |
WO2009025512A2 (en) | 2007-08-23 | 2009-02-26 | Lg Chem, Ltd. | System and method for estimating long term characteristics of battery |
EP2188642A2 (en) * | 2007-08-23 | 2010-05-26 | LG Chem. Ltd. | System and method for estimating long term characteristics of battery |
EP2188642A4 (en) * | 2007-08-23 | 2014-01-22 | Lg Chemical Ltd | SYSTEM AND METHOD FOR ESTIMATING LONG-TERM BATTERY CHARACTERISTICS |
US9255973B2 (en) | 2007-08-23 | 2016-02-09 | Lg Chem, Ltd. | System and method for estimating long term characteristics of battery |
US8519675B2 (en) | 2008-01-30 | 2013-08-27 | 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 |
US8993136B2 (en) | 2011-06-30 | 2015-03-31 | 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 |
CN103364732A (zh) * | 2012-04-05 | 2013-10-23 | 三星Sdi株式会社 | 预测电池寿命的***及方法 |
JP2013217897A (ja) * | 2012-04-05 | 2013-10-24 | Samsung Sdi Co Ltd | バッテリーの寿命予測システム |
JP2014206499A (ja) * | 2013-04-15 | 2014-10-30 | 新電元工業株式会社 | 二次電池寿命予測システム、二次電池特性評価装置、二次電池搭載装置、および二次電池寿命予測方法 |
JP2017127099A (ja) * | 2016-01-13 | 2017-07-20 | ファナック株式会社 | 抵抗回生開始電圧および抵抗回生停止電圧の値を学習する機械学習器,モータ制御装置,モータ制御システムおよび機械学習方法 |
US11677253B2 (en) | 2018-01-16 | 2023-06-13 | Gs Yuasa International Ltd. | Monitoring device, monitoring method, computer program, deterioration determination method, deterioration determination device, and deterioration determination system |
WO2019176602A1 (ja) * | 2018-03-16 | 2019-09-19 | 株式会社Gsユアサ | 検査方法、検査装置、学習モデル及び蓄電素子ユニットの製造方法 |
WO2019181728A1 (ja) * | 2018-03-20 | 2019-09-26 | 株式会社Gsユアサ | 劣化推定装置、コンピュータプログラム及び劣化推定方法 |
JP2019168452A (ja) * | 2018-03-20 | 2019-10-03 | 株式会社Gsユアサ | 劣化推定装置、コンピュータプログラム及び劣化推定方法 |
JP2019168453A (ja) * | 2018-03-20 | 2019-10-03 | 株式会社Gsユアサ | 劣化推定装置、コンピュータプログラム及び劣化推定方法 |
WO2019181729A1 (ja) * | 2018-03-20 | 2019-09-26 | 株式会社Gsユアサ | 劣化推定装置、コンピュータプログラム及び劣化推定方法 |
US11243262B2 (en) | 2018-03-20 | 2022-02-08 | Gs Yuasa International Ltd. | Degradation estimation apparatus, computer program, and degradation estimation method |
JP2019216552A (ja) * | 2018-06-13 | 2019-12-19 | 株式会社Gsユアサ | 行動生成装置、蓄電素子評価装置、コンピュータプログラム、学習方法及び評価方法 |
WO2019240182A1 (ja) * | 2018-06-13 | 2019-12-19 | 株式会社Gsユアサ | 行動生成装置、蓄電素子評価装置、コンピュータプログラム、学習方法及び評価方法 |
WO2020027203A1 (ja) * | 2018-07-31 | 2020-02-06 | 本田技研工業株式会社 | 推定システム、推定装置、推定方法、プログラム、及び記憶媒体 |
JPWO2020027203A1 (ja) * | 2018-07-31 | 2021-08-26 | 本田技研工業株式会社 | 推定システム、推定装置、推定方法、プログラム、及び記憶媒体 |
WO2020137914A1 (ja) * | 2018-12-28 | 2020-07-02 | 株式会社Gsユアサ | データ処理装置、データ処理方法、及びコンピュータプログラム |
JPWO2020137914A1 (ja) * | 2018-12-28 | 2020-07-02 | ||
EP3904894A4 (en) * | 2018-12-28 | 2022-03-02 | Yokogawa Electric Corporation | TRAINING DEVICE, ESTIMATION DEVICE, TRAINING METHOD, ESTIMATION METHOD, TRAINING PROGRAM AND ESTIMATION PROGRAM |
CN113227808A (zh) * | 2018-12-28 | 2021-08-06 | 横河电机株式会社 | 学习装置、推定装置、学习方法、推定方法、学习程序及推定程序 |
JP2020201044A (ja) * | 2019-06-06 | 2020-12-17 | 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Panasonic Intellectual Property Corporation of America | 開回路電圧計測方法、開回路電圧計測装置、及びプログラム |
US11561259B2 (en) | 2019-06-06 | 2023-01-24 | Panasonic Intellectual Property Corporation Of America | Open circuit voltage measuring method, open circuit voltage measuring device, and recording medium recording program |
KR102215703B1 (ko) * | 2019-08-13 | 2021-02-16 | 한국과학기술원 | 에너지 저장장치 잔존 수명 추정 및 적정 동작구간 설정 기술 |
CN111948563A (zh) * | 2020-06-19 | 2020-11-17 | 浙江大学 | 一种基于多神经网络耦合的电动叉车锂电池剩余寿命预测方法 |
WO2022195402A1 (ja) * | 2021-03-19 | 2022-09-22 | 株式会社半導体エネルギー研究所 | 蓄電装置管理システム及び電子機器 |
WO2023189368A1 (ja) * | 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 | 蓄電池の劣化推定装置、及び蓄電池の劣化推定方法 |
Also Published As
Publication number | Publication date |
---|---|
JP3520886B2 (ja) | 2004-04-19 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
JP3520886B2 (ja) | 二次電池の状態判定方法 | |
KR100880717B1 (ko) | 뉴럴네트워크연산에 기초한 2차전지의 충전상태를 검출하기위한 방법 및 장치 | |
JP6234946B2 (ja) | 電池状態推定装置 | |
US4725784A (en) | Method and apparatus for determining the state-of-charge of batteries particularly lithium batteries | |
US8855956B2 (en) | Method and system for determining state of charge of an energy delivery device | |
US4968942A (en) | Method for monitoring aircraft battery status | |
US6366054B1 (en) | Method for determining state of charge of a battery by measuring its open circuit voltage | |
US7012434B2 (en) | Method for determining the amount of charge which can be drawn from a storage battery and monitoring device | |
US20060125483A1 (en) | Battery tester that calculates its own reference values | |
WO2003034084A1 (en) | Electronic battery tester with relative test output | |
WO2000013288A1 (en) | Battery charge measurement and discharge reserve time prediction technique and apparatus | |
KR20070021911A (ko) | 열화 판정 장치, 열화 판정 방법 및 컴퓨터 프로그램 | |
JP2010164441A (ja) | 二次電池の劣化診断装置 | |
Liu et al. | A new dynamic SOH estimation of lead‐acid battery for substation application | |
JP4700073B2 (ja) | 鉛蓄電池の容量劣化の方法および装置 | |
JP2006220617A (ja) | 車両用蓄電装置の内部状態検出方式 | |
US6060862A (en) | Rechargeable electronic apparatus | |
CN107430172B (zh) | 使用放电脉冲测量的电池监测设备和方法 | |
JP7166298B2 (ja) | バッテリセル内の自己放電不良を検出する方法 | |
EP0323539A1 (en) | Method for determining the state-of-charge of batteries, particularly lithium batteries | |
Shahriari et al. | State of health estimation of VRLA batteries using fuzzy logic | |
CN114859249B (zh) | 一种电池包容量的检测方法和装置 | |
JP2001250590A (ja) | 蓄電池の劣化判定方法 | |
US11988717B2 (en) | Measurement apparatus of power storage device and measurement method | |
JP2018091701A (ja) | 電圧推定装置 |
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 |