JPWO2019053557A1 - 二次電池の異常検知システム及び二次電池の異常検出方法 - Google Patents

Abstract

電気自動車の二次電池の残量を検知し、異常特性を示す二次電池に対する警告、または使用停止、または二次電池の交換、または充電条件の変更を行う二次電池の異常検知システムを提供する。二次電池の電流や電圧の測定値を基にして、非線形カルマンフィルタを利用して二次電池の内部抵抗やＳＯＣを推定した値と、ＡＩの異常検知システム（ネットワーク）に入力して内部抵抗の変化を予測した値と、を比較して、差が大きい場合を異常とみなして検知をする異常検知システムを提供する。

Description

本発明の一様態は、物、方法、又は、製造方法に関する。または、本発明は、プロセス、マシン、マニュファクチャ、又は、組成物（コンポジション・オブ・マター）に関する。本発明の一態様は、半導体装置、表示装置、発光装置、蓄電装置、照明装置または電子機器の製造方法に関する。特に、蓄電装置の容量推定方法および異常検知システムに関する。

なお、本明細書中において、蓄電装置とは、蓄電機能を有する素子及び装置全般を指すものである。例えば、リチウムイオン二次電池などの蓄電池（二次電池ともいう）、リチウムイオンキャパシタ、ニッケル水素電池、全固体電池、及び電気二重層キャパシタなどを含む。

また、本発明の一態様は、ニューラルネットワーク、及びそれを用いた充電制御システムに関する。また、本発明の一態様は、ニューラルネットワークを用いた車両に関する。また、本発明の一態様は、車両に限定されず、構造体などに設置された太陽光発電パネルなどの発電設備から得られた電力を貯蔵するための蓄電装置にも適用できる。また、本発明の一態様は、ニューラルネットワークを用いた電子機器に関する。また、本発明の一態様は、ニューラルネットワークを用いた異常検知システムに関する。

近年、リチウムイオン二次電池、リチウムイオンキャパシタ、空気電池等、種々の蓄電装置の開発が盛んに行われている。特に高出力、高エネルギー密度であるリチウムイオン二次電池は、半導体産業の発展と併せて急速にその需要が拡大し、充電可能なエネルギーの供給源として現代の情報化社会に不可欠なものとなっている。リチウムイオン二次電池は、携帯電話、スマートフォン、タブレット、もしくはノート型コンピュータ等の携帯情報端末、ゲーム装置、携帯音楽プレーヤ、デジタルカメラ、医療機器、又は、ハイブリッド車（ＨＥＶ）、電気自動車（ＥＶ）、もしくはプラグインハイブリッド車（ＰＨＥＶ）等の次世代クリーンエネルギー自動車などに用いられる。

また、電気自動車は電動モーターのみを駆動部とする車両であるが、エンジンなどの内燃機関と電動モーターの両方を備えたハイブリッド自動車もある。電気自動車やハイブリッド自動車の下部には、複数の二次電池を有する電池パックが、複数配置されている。

電気自動車やハイブリッド自動車に用いる二次電池は、充電回数、放電深度、充電電流、充電する環境（温度変化）などによって劣化が生じる。使用者の使い方にも依存し、充電時の温度や、急速充電する頻度や、回生ブレーキによる充電量や、回生ブレーキによる充電タイミングなども劣化に関係する可能性がある。また、電気自動車やハイブリッド自動車に用いる二次電池は、経時劣化などにより、短絡などの異常が発生する恐れがある。

また、電気自動車やハイブリッド自動車に用いる二次電池は、長期間使用することが前提であるため、十分な信頼性を有することが望まれている。

特許文献１には、二次電池の残存容量の演算に、ニューラルネットワークを用いる一例が示されている。

米国特許公開第２００６／０１８１２４５号公報

二次電池の異常を検出し、例えば二次電池の安全性を低下させる現象を予見し、使用者に警告、または二次電池の動作条件を変更することにより、安全性を確保する。

二次電池を搭載した電気自動車は、リアルタイムに残量の情報、すなわち走行の可能な距離を正確に表示することが要求されている。また、数少ないが、二次電池の機能停止に繋がる二次電池の異常が急に生じることがあり、従来ではその異常を予見することが困難であった。本発明の一態様は、電気自動車の二次電池の残量や内部抵抗を算出し、異常特性を示す二次電池に対する警告、または使用停止、または二次電池の交換、または充電条件の変更を行う二次電池の制御システムを提供する。

本発明の一態様は、新規な電池管理回路、蓄電装置、及び電子機器等を提供することを課題の一とする。

なお本発明の一態様の課題は、上記列挙した課題に限定されない。上記列挙した課題は、他の課題の存在を妨げるものではない。なお他の課題は、以下の記載で述べる、本項目で言及していない課題である。本項目で言及していない課題は、当業者であれば明細書又は図面等の記載から導き出せるものであり、これらの記載から適宜抽出することができる。なお、本発明の一態様は、上記列挙した記載、及び／又は他の課題のうち、少なくとも一つの課題を解決するものである。

二次電池は劣化すると内部抵抗が増大する。また、内部抵抗から二次電池の劣化の程度を判別することができる。なお、内部インピーダンスの抵抗成分を内部抵抗と呼ぶ。

リチウムイオン電池では、電流・電圧・温度のパラメータのみが測定でき、内部抵抗やＳＯＣ（Ｓｔａｔｅ Ｏｆ Ｃｈａｒｇｅ、充電率）は直接測定することが困難である。そこで、非線形カルマンフィルタを採用することで内部抵抗やＳＯＣを推定し、電流や電圧の測定値とともにＡＩ（ＡＩ：Ａｒｔｉｆｉｃｉａｌ Ｉｎｔｅｌｌｉｇｅｎｃｅ）のシステム（ネットワーク）に入力して内部抵抗の変化を予測し、異常の判断をする。例えば、非線形カルマンフィルタで得られる内部抵抗と、ＬＳＴＭ（Ｌｏｎｇ Ｓｈｏｒｔ−Ｔｅｒｍ Ｍｅｍｏｒｙ）で予測した内部抵抗の差が大きい場合に異常と判断できる。

二次電池の内部抵抗及びＳＯＣを推定する方法として、非線形カルマンフィルタ（具体的には無香料カルマンフィルタ（ＵＫＦ（Ｕｎｓｃｅｎｔｅｄ Ｋａｌｍａｎ Ｆｉｌｔｅｒ）とも呼ぶ））を利用することができる。また、拡張カルマンフィルタ（ＥＫＦ（Ｅｘｔｅｎｄｅｄ Ｋａｌｍａｎ Ｆｉｌｔｅｒ）とも呼ぶ）を用いることもできる。

本明細書で開示する発明の構成は、ニューラルネットワークと、二次電池と、二次電池の電流を検出する検出手段と、二次電池の電圧を検出する検出手段とを有し、ニューラルネットワークは、入力層と、出力層と、入力層と出力層との間に配置される一または複数の段数の隠れ層と、を有し、電流と電圧のデータを用いて非線形カルマンフィルタを使って内部パラメータの推定値を算出し、内部パラメータの推定値をニューラルネットワークに入力し、ニューラルネットワークは、内部パラメータの将来、即ちある時間経過後の予測値を出力し、内部パラメータの過去の予測値と内部パラメータの現在の推定値の差を比較し、差が大きい場合を二次電池の異常とみなす異常検知システムである。

さらに、電池の劣化状況の予測にはニューラルネットワークを用いてもよい。特に、電気自動車や携帯情報端末においては、使用環境が時間とともに変化し、それによって電池のパラメータも変化してしまうので、推論や予測が困難である。そこで、ニューラルネットワークを用いることで精度を上げることができる。また、本明細書で開示する発明の構成において学習を行う場合、正常な値のみを教師データとして用いるため、異常値データを収集する手間を省略することができる。電池においては、異常が発生し短絡した電池となってしまった場合には、その短絡した二次電池から異常値データを取り出すことはできず、マイクロショート発生から短絡するまでの間に異常値データを収集することとなるため、異常値データを収集することが困難である。本明細書で開示する発明の構成において学習を行う場合、異常値データが不要であることは大きなメリットである。ある電池において非常に珍しい異常が二次電池に起こった場合においても、異常検知が可能である。また、いままで確認されていなかった異常が二次電池に生じた場合においても、異常検知が可能である。また、異常値データが不要であるため、用いる学習のためのデータも少なくすることができ、演算も複雑にならないため、数秒間で結果を出すことができるマイクロコンピュータを使用することができる。従って、マイクロコンピュータは小さなサイズのチップとすることができるため、小型の情報端末に搭載しても大幅な重量増加やサイズの拡大を招くこともなく、高精度の異常検知が可能である。なお、マイクロコンピュータはＣＰＵ（Ｃｅｎｔｒａｌ Ｐｒｏｃｅｓｓｉｎｇ Ｕｎｉｔ）やＲＯＭ（Ｒｅａｄ Ｏｎｌｙ Ｍｅｍｏｒｙ）やＲＡＭ（Ｒａｎｄｏｍ Ａｃｃｅｓｓ Ｍｅｍｏｒｙ）などを有する。マイクロコンピュータのＣＰＵが内部演算回路やデータバスで扱えるビット数は、例えば８ビット、１６ビット、３２ビット、６４ビットなどとすることができる。

なお、本明細書においてニューラルネットワークとは、生物の神経回路網を模し、学習によってニューロンどうしの結合強度を決定し、問題解決能力を持たせるモデル全般を指す。ニューラルネットワークは入力層、中間層（隠れ層ともいう）、出力層を有する。

また、本明細書において、ニューラルネットワークについて述べる際に、既にある情報からニューロンとニューロンの結合強度（重み係数とも言う）を決定することを「学習」と呼ぶ場合がある。

また、本明細書において、学習によって得られた結合強度を用いてニューラルネットワークを構成し、そこから新たな結論を導くことを「推論」と呼ぶ場合がある。

本発明の一態様により、蓄電池の状態（ｃｅｌｌ ｓｔａｔｅ）を判定することができる。また、本発明の一態様により、蓄電池の性能の予測を行うことができる。また、本発明の一態様により、安全性の高い蓄電池を提供することができる。また、本発明の一態様により、優れた特性を有する蓄電システムが搭載された電子機器を提供することができる。また、本発明の一態様により、優れた特性を有する蓄電システムが搭載された車両を提供できる。また、本発明の一態様により、新規な半導体装置を提供することができる。

なお、これらの効果の記載は、他の効果の存在を妨げるものではない。なお、本発明の一形態は、これらの効果の全てを有する必要はない。なお、これら以外の効果は、明細書、図面、請求項などの記載から、自ずと明らかとなるものであり、明細書、図面、請求項などの記載から、これら以外の効果を抽出することが可能である。

（Ａ）電池のモデルを示す図。（Ｂ）電池のブロック図。 本発明の一態様の容量推定システムを示すブロック図。 ＬＳＴＭのアルゴリズムを示す図。 円筒型二次電池を説明する図。 蓄電池の構成の一例。 車両の一例。

以下では、本発明の実施の形態について図面を用いて詳細に説明する。ただし、本発明は以下の説明に限定されず、その形態および詳細を様々に変更し得ることは、当業者であれば容易に理解される。また、本発明は以下に示す実施の形態の記載内容に限定して解釈されるものではない。

（実施の形態１）
本実施の形態では、リチウムイオン電池の内部抵抗や電池残量に基づく異常検知システムを開示する。リチウムイオン電池の内部抵抗や電池残量は、非線形カルマンフィルタを用いて推定する。非線形カルマンフィルタのうち、本実施の形態では無香料カルマンフィルタ（ＵＫＦとも呼ぶ）を用いた状態推定法について、図１（Ａ）に示す電池のモデルを用いて説明する。この電池のモデルは、蓄電池の開回路電圧（Ｏｐｅｎ Ｃｉｒｃｕｉｔ Ｖｏｌｔａｇｅ：ＯＣＶ）と内部インピーダンスの２つの要素で構成されている。

ＯＣＶは例えば、充電、または放電を停止し、所定の時間が経過後、電池の反応が安定した後の電圧を測定することにより求められる。電池の反応が安定するまで、所定の時間、充電または放電を停止して待機するため、ＯＣＶの測定には長い時間を要する場合がある。ここで所定の時間、とは例えば２分後５時間以内、あるいは５分後２時間以内である。

ＯＣＶの測定に長い時間を要する場合があるため、その代替測定として例えば、充電または放電を停止して待機する時間（以下、休止時間と呼ぶ）を、より短くして測定を行ってもよい。

あるいは、上記代替測定として例えば、充電、または放電の電流値を変化させて電圧の変化を測定し、ＯＣＶを推測してもよい。

離散時間非線形システムを状態方程式で表現すると、以下に示す式となる。

また、出力方程式は、以下に示す式となる。

ただし、ｖはＮ（０，Ｑ）に従う正規性白色雑音を表し、ｗはＮ（０，Ｒ）に従う正規性白色雑音を表す。ｕ（ｋ）及び、ｙ（ｋ）はそれぞれ二次電池の電流と電圧を表す。

同時推定法で推定する未知パラメータθは一定値であるが、システム雑音ｎによって正規分布をもったランダムな値をとる。すなわち、以下に示す式とする。

ただし、ｎはＮ（０，Ｑ_θ）に従う正規性白色雑音とする。

状態変数ｘに未知パラメータθを加えて、拡大状態変数を以下の式のように定義する。

すると、上式は、以下の拡大系に書き換えられる。

また、出力方程式は、以下の式となる。

上述の拡大系に対して非線形カルマンフィルタを適用することで状態と未知パラメータを同時推定することができる。

次いで、非線形カルマンフィルタを用いて同時推定を行う手順を以下に示す。図１（Ａ）に示す電池のモデルを用いる。尚、図１（Ａ）に示すＺｗ（ワールブルグインピーダンス）は三次のフォスター型等価回路で表現した。よって、図１（Ａ）に示すモデルには４つの未知パラメータが含まれるが、ここでは簡単とするため、直列抵抗Ｒ_０のみを未知パラメータとし、他の３つのパラメータは既知であると仮定するものとする。拡大系を書きなおすと、状態方程式は、以下の式となる。

出力方程式は、以下の式となる。

ｆ_ＯＣＶ（・）はＳＯＣ−ＯＣＶを示す非線形関数である。

ただし、この拡大系の状態変数ｚは、以下のように表記される。

次いで、具体的な数値シミュレーションを行う。シミュレーションに必要な入出力データや観測雑音などのパラメータを次のように設定する。

以上の条件のもとでＵＫＦを用いて同時推定すると、ＳＯＣと直列抵抗Ｒ_０が得られる。図１（Ｂ）にブロック図を示している。図１において、内部パラメータ１１と、非線形カルマンフィルタ１２を示している。内部パラメータの推定値は、ＳＯＣや直列抵抗Ｒ_０の値を含む。

得られたＳＯＣと直列抵抗Ｒ_０のデータを二次電池のパラメータとしてニューラルネットワークに入力する。その後、各層において演算処理を行い、所定時間後のデータを予測する。

予測された内部抵抗、ここでは直列抵抗Ｒ_０と、推定された内部抵抗との差が大きければ異常とみなすことができる。ニューラルネットワークによる内部抵抗の過去の予測値と、非線形カルマンフィルタによる内部抵抗の現在の推定値の差が小さければ、正常とみなすことができる。

なお、ニューラルネットワークとして、ＬＳＴＭ（長・短期記憶）と呼ばれる構成を用いることができる。ＬＳＴＭでは、積和演算（ＭＡＣ）の他に和算器（Ａｄｄ）、シグモイド関数（ｓｉｇｍｏｉｄ）、ｔａｎｈ、アダマール積などを適宜設定して推論用プログラムを用意すればよい。推論用プログラムを実行するソフトウェアのプログラムは、Ｐｙｔｈｏｎ、Ｇｏ、Ｐｅｒｌ、Ｒｕｂｙ、Ｐｒｅｌｏｇ、Ｖｉｓｕａｌ Ｂａｓｉｃ、Ｃ、Ｃ＋＋、Ｓｗｉｆｔ、Ｊａｖａ（登録商標）、．ＮＥＴなどの各種プログラミング言語で記述できる。また、アプリケーションをＣｈａｉｎｅｒ（Ｐｙｔｈｏｎで利用できる）、Ｃａｆｆｅ（ＰｙｔｈｏｎおよびＣ＋＋で利用できる）、ＴｅｎｓｏｒＦｌｏｗ（Ｃ、Ｃ＋＋、およびＰｙｔｈｏｎで利用できる）等のフレームワークを使用して作成してもよい。また、ＡＩシステムを組み込んだＩＣ（推論チップとも呼ぶ）を用いてもよい。ＡＩシステムを組み込んだＩＣは、ニューラルネット演算を行う回路（マイクロコンピュータ）と呼ぶ場合もある。

図２にニューラルネットワークを用いた本発明の一態様のブロック図を示す。図２において内部パラメータ１１と、非線形カルマンフィルタ１２と、ＬＳＴＭ１３を示している。図３にＬＳＴＭのアルゴリズムの一例を示す。例えば、ある時点において、非線形カルマンフィルタ１２から出力された内部抵抗の推定値とＬＳＴＭ１３から出力された内部抵抗の予測値の差が大きい場合には異常とみなすことができる。なお、ニューラルネットワークはＬＳＴＭ１３を含んでいる。内部パラメータの予測値は、所定時間後のＳＯＣや直列抵抗Ｒ_０の値を含む。二次電池の充放電を繰り返して取得したデータを学習する場合、内部抵抗は、比較的、時間経過に伴う値の差が小さく、緩やかなため、他の内部パラメータと比較して異常が生じた時に異常検出しやすい。ただし、ＣＣＣＶ充電においてＣＣ充電からＣＶ充電への充電モードの充放電の切り替え時は、内部抵抗の変化が大きくなる場合がある。そのため、その時間帯での内部抵抗の変化を学習させ、その時間帯は考慮せずに内部抵抗の予測値と推測値の比較を行うことが好ましい。ＣＣＣＶ充電は、まずＣＣ充電にて所定の電圧まで充電を行い、その後ＣＶ（定電圧）充電にて流れる電流が少なくなるまで、具体的には終止電流値になるまで充電を行う充電方法である。なお、ＣＣ充電は、充電期間のすべてで一定の電流を二次電池に流し、所定の電圧になったときに充電を停止する充電方法である。

また、ニューラルネットワークを用いた本発明の一態様の蓄電システムにより、蓄電池のＳＯＣが測定、あるいは推測される場合がある。ここでＳＯＣは例えば、満充電容量（Ｆｕｌｌ Ｃｈａｒｇｅ Ｃａｐａｃｉｔｙ：ＦＣＣ）を１００％とし、蓄電池の容量を割合で示す値である。ＳＯＣは充電率と呼ばれる場合がある。ＦＣＣとは例えば、満充電を行った後に放電を行う場合の、蓄電池の放電容量である。満充電とは、例えば、蓄電池において定められた充電条件により、充電終了に至るまで充電が行われることを指す。ＦＣＣは充電終止電圧（充電上限電圧）、充電終止電流、等により変化する値である。

本発明の一態様のニューラルネットワークにより、蓄電池の異常状態、例えば内部抵抗の大きな変化が検出されて異常判定されることが好ましい。異常判定した後に使用者に警告などを通知する。また、非線形カルマンフィルタにより、ＳＯＣに基づくデータから蓄電池の寿命を予測してもよい。

本発明の一態様の蓄電システムは、該蓄電システムが有するニューラルネットワークに例えば、蓄電池のＯＣＶ、ＳＯＣ、内部抵抗、ＦＣＣ、等のパラメータを与えて学習を行うことができる。学習のためのデータは、予め異常判定の対象とする電池と同じ製造装置で作製された電池を用いて取得しておく。このとき、ニューラルネットワークに与えられるパラメータは、蓄電池の時間の経過に伴うパラメータであることが好ましい。例えば、蓄電池の充電及び放電の繰り返しに伴うパラメータの変化をニューラルネットワークに与えればよい。例えば、蓄電池の保存を行った前後のパラメータの変化をニューラルネットワークに与えればよい。蓄電池の保存とは、定められたＳＯＣにおいて、定められた温度で、一定時間保管される場合を含む。

（実施の形態２）
本実施の形態には、本発明の一態様の蓄電システムに適用できる構成の一例を示す。

［円筒型二次電池］
円筒型の二次電池の例について図４（Ａ）を参照して説明する。円筒型の二次電池４００は、図４（Ａ）に示すように、上面に正極キャップ（電池蓋）４０１を有し、側面および底面に電池缶（外装缶）４０２を有している。これら正極キャップ４０１と電池缶（外装缶）４０２とは、ガスケット（絶縁パッキン）４１０によって絶縁されている。

図４（Ｂ）は、円筒型の二次電池の断面を模式的に示した図である。中空円柱状の電池缶４０２の内側には、帯状の正極４０４と負極４０６とがセパレータ４０５を間に挟んで捲回された電池素子が設けられている。図示しないが、電池素子はセンターピンを中心に捲回されている。電池缶４０２は、一端が閉じられ、他端が開いている。電池缶４０２には、電解液に対して耐腐食性のあるニッケル、アルミニウム、チタン等の金属、又はこれらの合金やこれらと他の金属との合金（例えば、ステンレス鋼等）を用いることができる。また、電解液による腐食を防ぐため、ニッケルやアルミニウム等を被覆することが好ましい。電池缶４０２の内側において、正極、負極およびセパレータが捲回された電池素子は、対向する一対の絶縁板４０８、４０９により挟まれている。また、電池素子が設けられた電池缶４０２の内部は、非水電解液（図示せず）が注入されている。二次電池は、コバルト酸リチウム（ＬｉＣｏＯ_２）やリン酸鉄リチウム（ＬｉＦｅＰＯ_４）などの活物質を含む正極と、リチウムイオンの吸蔵・放出が可能な黒鉛等の炭素材料からなる負極と、エチレンカーボネートやジエチルカーボネートなどの有機溶媒に、ＬｉＢＦ_４やＬｉＰＦ_６等のリチウム塩からなる電解質を溶解させた非水電解液などにより構成される。

円筒型の蓄電池に用いる正極および負極は捲回するため、集電体の両面に活物質を形成することが好ましい。正極４０４には正極端子（正極集電リード）４０３が接続され、負極４０６には負極端子（負極集電リード）４０７が接続される。正極端子４０３および負極端子４０７は、ともにアルミニウムなどの金属材料を用いることができる。正極端子４０３は安全弁機構４１２に、負極端子４０７は電池缶４０２の底にそれぞれ抵抗溶接される。安全弁機構４１２は、ＰＴＣ（Ｐｏｓｉｔｉｖｅ Ｔｅｍｐｅｒａｔｕｒｅ Ｃｏｅｆｆｉｃｉｅｎｔ）素子４１１を介して正極キャップ４０１と電気的に接続されている。安全弁機構４１２は電池の内圧の上昇が所定の閾値を超えた場合に、正極キャップ４０１と正極４０４との電気的な接続を切断するものである。また、ＰＴＣ素子４１１は温度が上昇した場合に抵抗が増大する熱感抵抗素子であり、抵抗の増大により電流量を制限して異常発熱を防止するものである。ＰＴＣ素子には、チタン酸バリウム（ＢａＴｉＯ_３）系半導体セラミックス等を用いることができる。

図４（Ｂ）は蓄電システム４１５の一例を示す。蓄電システム４１５は複数の二次電池４００を有する。それぞれの二次電池の正極は、絶縁体４２５で分離された導電体４２４に接触し、電気的に接続されている。導電体４２４は配線４２３を介して、異常検知システム４２０に電気的に接続されている。またそれぞれの二次電池の負極は、配線４２６を介して異常検知システム４２０に電気的に接続されている。異常検知システム４２０として、先の実施の形態にて述べた異常検知システムを用いることができる。

図４（Ｃ）は、蓄電システム４１５の一例を示す。蓄電システム４１５は複数の二次電池４００を有し、複数の二次電池４００は、導電板４１３および導電板４１４の間に挟まれている。複数の二次電池４００は、ワイヤ４１６により導電板４１３および導電板４１４と電気的に接続される。複数の二次電池４００は、並列接続されていてもよいし、直列接続されていてもよいし、並列に接続された後さらに直列に接続されていてもよい。複数の二次電池４００を有する蓄電システム４１５を構成することで、大きな電力を取り出すことができる。例えば、蓄電システム４１５は、電気自動車の駆動用の蓄電システムとして用いることができる。

複数の二次電池４００の間に温度制御装置を有していてもよい。二次電池４００が過熱されたときは、温度制御装置により冷却し、二次電池４００が冷えすぎているときは温度制御装置により加熱することができる。そのため蓄電システム４１５の性能が外気温に影響されにくくなる。

また、図４（Ｄ）において、蓄電システム４１５は異常検知システム４２０に配線４２１及び配線４２２を介して電気的に接続されている。異常検知システム４２０として、先の実施の形態にて述べた異常検知システムを用いることができる。配線４２１は導電板４１３を介して複数の二次電池４００の正極に、配線４２２は導電板４１４を介して複数の二次電池４００の負極に、それぞれ電気的に接続される。

［二次電池パック］
次に本発明の一態様の蓄電システムの例について、図５を用いて説明する。

図５（Ａ）は、二次電池パック５３０の外観を示す図である。図５（Ｂ）は二次電池パック５３０の構成を説明する図である。二次電池パック５３０は、回路基板５００と、二次電池５１３と、を有する。二次電池５１３には、ラベル５１０が貼られている。回路基板５００は、シール５１５により固定されている。また二次電池パック５３０は、アンテナ５１４を有する。

回路基板５００は制御システム５９０を有する。制御システム５９０は、先の実施の形態に示す異常検知システムを含む。例えば、図５（Ｂ）に示すように、回路基板５００上に、制御システム５９０を有する。また回路基板５００は、端子５１１と電気的に接続されている。また回路基板５００は、アンテナ５１４、二次電池５１３の正極リードおよび負極リードの一方５５１、正極リードおよび負極リードの他方５５２と電気的に接続される。

あるいは、図５（Ｃ）に示すように、回路基板５００上に設けられる回路システム５９０ａと、端子５１１を介して回路基板５００に電気的に接続される回路システム５９０ｂと、を有してもよい。なお、回路システム５９０ａは一つのＩＣチップとすることができ、回路システム５９０ｂも一つのＩＣチップとすることができる。例えば、保護回路及び充電制御回路が回路システム５９０ａに、本発明の一態様の異常検知システムの一部分が回路システム５９０ｂに、それぞれ設けられる。

例えば、実施の形態１に示す非線形カルマンフィルタを用いた処理を実行するＩＣチップと、ＬＳＴＭを用いた処理を行うＩＣチップは共通のチップとすることもできる。非線形カルマンフィルタとＬＳＴＭのアルゴリズムはともにＰｙｔｈｏｎでプログラミングすることが可能であり、共通のＣＰＵまたはＧＰＵ（Ｇｒａｐｈｉｃｓ Ｐｒｏｃｅｓｓｉｎｇ Ｕｎｉｔ）を用いることができるメリットがある。共通のチップを用いることでコストを削減することができる。また、ＣＰＵとＧＰＵを一つに統合したチップをＡＰＵ（Ａｃｃｅｌｅｒａｔｅｄ Ｐｒｏｃｅｓｓｉｎｇ Ｕｎｉｔ）と呼ぶこともあり、このＡＰＵチップを用いることもできる。

なお、アンテナ５１４はコイル状に限定されず、例えば線状、板状であってもよい。また、平面アンテナ、開口面アンテナ、進行波アンテナ、ＥＨアンテナ、磁界アンテナ、誘電体アンテナ等のアンテナを用いてもよい。又は、アンテナ５１４は、平板状の導体でもよい。この平板状の導体は、電界結合用の導体の一つとして機能することができる。つまり、コンデンサの有する２つの導体のうちの一つの導体として、アンテナ５１４を機能させてもよい。これにより、電磁界、磁界だけでなく、電界で電力のやり取りを行うこともできる。

二次電池パック５３０は、アンテナ５１４と、二次電池５１３との間に層５１６を有する。層５１６は、例えば二次電池５１３による電磁界を遮蔽することができる機能を有する。層５１６としては、例えば磁性体を用いることができる。

二次電池５１３は、捲回された電池素子を有する。電池素子は、負極と、正極と、セパレータと、を有する。電池素子は、セパレータを挟んで負極と、正極とが重なり合って積層され、該積層シートを捲回したものである。

本実施の形態は、他の実施の形態の記載と適宜組み合わせることができる。

（実施の形態３）
本実施の形態では、車両に本発明の一態様である異常検知システムを搭載する例を示す。車両として例えば自動車、二輪車、自転車、等が挙げられる。

蓄電システムを車両に搭載すると、ハイブリッド車（ＨＥＶ）、電気自動車（ＥＶ）、又はプラグインハイブリッド車（ＰＨＥＶ）等の次世代クリーンエネルギー自動車を実現できる。

図６において、本発明の一態様である蓄電システムを用いた車両を例示する。図６（Ａ）に示す自動車８４００は、走行のための動力源として電気モーターを用いる電気自動車である。または、走行のための動力源として電気モーターとエンジンを適宜選択して用いることが可能なハイブリッド自動車である。本発明の一態様を用いることで、車両に搭載された二次電池に異常が生じた場合、二次電池が使用不可となり走行不能となるまえに異常検知できるため、早い段階で異常を搭乗者に通知して、搭乗者の安全を提供することができる。自動車８４００は二次電池を有する蓄電システムを有する。蓄電システムは、実施の形態１に示した異常検知システムを有する。蓄電システムは電気モーター８４０６を駆動するだけでなく、ヘッドライト８１０１やルームライト（図示せず）などの発光装置に電力を供給することができる。また、二次電池の異常によって電力供給が停止してハザードランプがつかなくなることを回避するため、車両には駆動用とは別に独立する二次電池を設けておくことが好ましい。

また、蓄電システムは、自動車８４００が有するスピードメーター、タコメーターなどの表示装置に電力を供給することができる。また、蓄電システムは、自動車８４００が有するナビゲーションシステムなどに電力を供給することができる。

図６（Ｂ）に示す自動車８５００は、自動車８５００が有する蓄電システムに、プラグイン方式や非接触給電方式等により外部の充電設備から電力供給を受けて、充電することができる。図６（Ｂ）に、地上設置型の充電装置８０２１から自動車８５００に搭載された蓄電システム８０２４に、ケーブル８０２２を介して充電を行っている状態を示す。充電に際しては、充電方法やコネクターの規格等はＣＨＡｄｅＭＯ（登録商標）やコンボ等の所定の方式で適宜行えばよい。充電装置８０２１は、商用施設に設けられた充電ステーションでもよく、また家庭の電源であってもよい。例えば、プラグイン技術によって、外部からの電力供給により自動車８５００に搭載された蓄電システム８０２４を充電することができる。充電は、ＡＣＤＣコンバータ等の変換装置を介して、交流電力を直流電力に変換して行うことができる。蓄電システム８０２４は、実施の形態１に示した異常検知システムを有する。実施の形態１に示した異常検知システムは、自動車８５００に搭載された二次電池に異常が生じた場合、二次電池が使用不可となり走行不能となるまえに異常検知できるため、搭乗者に安全を提供することができる。

また、図示しないが、受電装置を車両に搭載し、地上の送電装置から電力を非接触で供給して充電することもできる。この非接触給電方式の場合には、道路や外壁に送電装置を組み込むことで、停車中に限らず走行中に充電を行うこともできる。また、この非接触給電方式を利用して、車両どうしで電力の送受信を行ってもよい。さらに、車両の外装部に太陽電池を設け、停車時や走行時に蓄電システムの充電を行ってもよい。このような非接触での電力の供給には、電磁誘導方式や磁界共鳴方式を用いることができる。

また、図６（Ｃ）は、本発明の一態様の異常検知システムを用いた二輪車の一例である。図６（Ｃ）に示すスクータ８６００は、蓄電システム８６０２、サイドミラー８６０１、方向指示灯８６０３を備える。蓄電システム８６０２は、方向指示灯８６０３に電力を供給することができる。蓄電システム８６０２は、実施の形態１に示した異常検知システムを含む。実施の形態１に示した異常検知システムは、スクータ８６００に搭載された二次電池に異常が生じた場合、二次電池が使用不可となり走行不能となるまえに異常検知できるため、運転者に安全を提供することができる。

また、図６（Ｃ）に示すスクータ８６００は、座席下収納８６０４に、蓄電システム８６０２を収納することができる。蓄電システム８６０２は、座席下収納８６０４が小型であっても、座席下収納８６０４に収納することができる。

本実施の形態は、他の実施の形態の記載と適宜組み合わせることができる。

１１：内部パラメータ、１２：非線形カルマンフィルタ、１３：ＬＳＴＭ、４００：二次電池、４０１：正極キャップ、４０２：電池缶、４０３：正極端子、４０４：正極、４０６：負極、４０７：負極端子、４１１：ＰＴＣ素子、４１２：安全弁機構、４１５：蓄電システム、５１０：ラベル、５１１：端子、５１３：二次電池、５１４：アンテナ、５１５：シール、５１６：層、５３０：二次電池パック、８０２４：蓄電システム、８１０１：ヘッドライト、８４００：自動車、８４０６：電気モーター、８５００：自動車、８６００：スクータ、８６０１：サイドミラー、８６０２：蓄電システム、８６０３：方向指示灯、８６０４：座席下収納

Claims (4)

1. ニューラルネットワークと、
   二次電池と、
   前記二次電池の電流を検出する検出手段と、
   前記二次電池の電圧を検出する検出手段とを有し、
   前記ニューラルネットワークは、入力層と、出力層と、前記入力層と前記出力層との間に配置される一または複数の段数の隠れ層と、を有し、
   前記電流と前記電圧のデータを用いて非線形カルマンフィルタを使って内部パラメータの推定値を算出し、
   前記内部パラメータの推定値を前記ニューラルネットワークに入力し、
   前記ニューラルネットワークは、前記内部パラメータの将来の予測値を出力し、
   前記内部パラメータの過去の予測値と前記内部パラメータの現在の推定値の差を比較し、差が大きい場合を前記二次電池の異常とみなす二次電池の異常検知システム。
2. 請求項１において、前記非線形カルマンフィルタは無香料カルマンフィルタであることを特徴とする二次電池の異常検知システム。
3. 請求項１または請求項２において、前記ニューラルネットワークは、ＬＳＴＭを含むことを特徴とする二次電池の異常検知システム。
4. 請求項１乃至３のいずれか一において、前記二次電池はリチウムイオン二次電池であることを特徴とする二次電池の異常検知システム。

Images