WO2017038749A1 - 電池の劣化診断装置、劣化診断方法、及び劣化診断システム - Google Patents

電池の劣化診断装置、劣化診断方法、及び劣化診断システム Download PDF

Info

Publication number
WO2017038749A1
WO2017038749A1 PCT/JP2016/075162 JP2016075162W WO2017038749A1 WO 2017038749 A1 WO2017038749 A1 WO 2017038749A1 JP 2016075162 W JP2016075162 W JP 2016075162W WO 2017038749 A1 WO2017038749 A1 WO 2017038749A1
Authority
WO
WIPO (PCT)
Prior art keywords
battery
deterioration
unit
characteristic
operation history
Prior art date
Application number
PCT/JP2016/075162
Other languages
English (en)
French (fr)
Inventor
浩臣 音田
洋平 河原
涼次 朝倉
Original Assignee
日立化成株式会社
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
Priority claimed from JP2016068896A external-priority patent/JP2018169161A/ja
Application filed by 日立化成株式会社 filed Critical 日立化成株式会社
Publication of WO2017038749A1 publication Critical patent/WO2017038749A1/ja

Links

Images

Classifications

    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01R—MEASURING ELECTRIC VARIABLES; MEASURING MAGNETIC VARIABLES
    • G01R31/00—Arrangements for testing electric properties; Arrangements for locating electric faults; Arrangements for electrical testing characterised by what is being tested not provided for elsewhere
    • G01R31/36—Arrangements for testing, measuring or monitoring the electrical condition of accumulators or electric batteries, e.g. capacity or state of charge [SoC]
    • H—ELECTRICITY
    • H01—ELECTRIC ELEMENTS
    • H01M—PROCESSES OR MEANS, e.g. BATTERIES, FOR THE DIRECT CONVERSION OF CHEMICAL ENERGY INTO ELECTRICAL ENERGY
    • H01M10/00—Secondary cells; Manufacture thereof
    • H01M10/42—Methods or arrangements for servicing or maintenance of secondary cells or secondary half-cells
    • H01M10/48—Accumulators combined with arrangements for measuring, testing or indicating the condition of cells, e.g. the level or density of the electrolyte
    • H—ELECTRICITY
    • H02—GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
    • H02J—CIRCUIT ARRANGEMENTS OR SYSTEMS FOR SUPPLYING OR DISTRIBUTING ELECTRIC POWER; SYSTEMS FOR STORING ELECTRIC ENERGY
    • H02J7/00—Circuit arrangements for charging or depolarising batteries or for supplying loads from batteries
    • 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

Definitions

  • the present invention relates to battery deterioration diagnosis.
  • Patent Document 1 calculates current battery characteristics including at least an internal resistance value with respect to a secondary battery, usage condition data including temperature time distribution and current value time distribution in an estimation period, battery voltage, Storing a deterioration characteristic map indicating a distribution of deterioration constants with respect to temperature, and integrating the battery voltage-temperature plane residence time in the deterioration characteristic map based on the current battery characteristic data and use condition data. It is described that the amount of deterioration is estimated.
  • Patent Document 1 describes a technique for estimating the deterioration amount of a secondary battery.
  • it is necessary to prepare in advance a deterioration characteristic map showing the distribution of deterioration constants with respect to battery voltage and temperature.
  • it is necessary to create a battery for experiments and perform a float test that maintains a constant potential, or a storage test that is stored after being adjusted to a constant potential, which takes time and cost. It was.
  • the test can be performed only under limited conditions, there is a case where sufficient estimation accuracy cannot be obtained unlike the condition in which the product is actually used.
  • the present invention provides a technique for diagnosing the degree of deterioration from the actual operation history of the product without obtaining the deterioration constant with respect to the battery voltage and temperature in advance through experiments or the like. Furthermore, a technique for estimating the degree of future deterioration and deriving a use condition for approaching an expected life when the deterioration progresses more than expected.
  • a battery deterioration diagnosis apparatus which is a communication unit that collects battery states, and an operation history storage that stores battery states.
  • a characteristic measuring unit for measuring characteristics that change due to deterioration of the battery from the state of the battery, a characteristic variation model creating unit for creating a model of the relationship between the characteristic and the state of the battery, and a characteristic calculated based on the model
  • a deteriorated battery diagnosis unit that diagnoses battery deterioration based on the estimated value.
  • Degradation can be diagnosed accurately from the actual operation history and characteristics of an actual product without obtaining a degradation constant with respect to battery voltage and temperature in advance through experiments. Furthermore, the use condition for approaching the expected life can be obtained from a plurality of use conditions.
  • FIG. 1 is a block diagram of a battery deterioration diagnosis system in Embodiment 1.
  • FIG. It is a structure figure of the system master table in Example 1. It is a structure figure of the operation history table in Example 1.
  • 6 is a structural diagram of a characteristic variation model table in Embodiment 1.
  • FIG. It is a structure figure of the diagnostic result table in Example 1.
  • 4 is a flowchart of battery deterioration diagnosis in the first embodiment. 6 is a flowchart of battery deterioration diagnosis in Example 2.
  • 10 is a flowchart of battery deterioration diagnosis in Example 3.
  • FIG. It is an example of the abnormally deteriorated battery display screen in Example 4. It is an example of the early deterioration battery display screen in Example 4.
  • FIG. 10 is a block diagram of a battery deterioration diagnosis system according to a fifth embodiment.
  • FIG. 10 is a structural diagram of an operation history table in the fifth embodiment.
  • FIG. 10 is a structural diagram of a characteristic variation model table in Embodiment 5.
  • 10 is a flowchart of battery deterioration diagnosis in Example 5.
  • 10 is a flowchart of battery deterioration diagnosis in Example 6.
  • 10 is an example of a characteristic estimation screen in Example 7.
  • FIG. 1 shows a block diagram of a battery deterioration diagnosis system in the present embodiment.
  • the power storage system 101 includes one or more batteries 102 and a controller 103 connected to the batteries 102.
  • the controller 103 controls the power storage system 101 and the battery 102 and steadily collects measured values of the battery state such as voltage, current, and temperature as operation history.
  • the collected operation history is regularly transmitted through the communication network 105 by the communication unit (storage system side) 104 connected to the controller.
  • a plurality of power storage systems 101 may exist.
  • the power storage system may be structured so as to be easily managed, for example, by bundling a plurality of batteries 102 into a battery module.
  • the power storage system 101 may be a power storage system that incorporates the communication unit (power storage system side) 104 and is integrated with the communication unit.
  • the transmitted operation history is transmitted through the communication network 105 to the deterioration diagnosis device that functions as a monitoring device.
  • the deterioration diagnosis apparatus includes a communication unit (storage unit side) 106, a storage unit 107, a processing unit 112, and a display unit 119 shown in FIG.
  • the transmitted operation history is regularly stored in the storage unit 107
  • the storage unit 107 is a system master table 108 that stores basic data to be diagnosed, and an operation that stores an operation history.
  • An operation history table 109 that is a history storage unit, a characteristic variation model table 110 that stores a characteristic variation model that indicates the relationship between the battery state and characteristics, and a difference between a measured value of the characteristic and an estimated value obtained from the characteristic variation model is stored.
  • the storage unit 107 is connected to the processing unit 112 to exchange data.
  • the processing unit 112 includes a characteristic measurement unit 113 that measures characteristics related to deterioration that changes due to deterioration based on the operation history, and a characteristic variation model generation unit that calculates a relationship between the state of the battery and the characteristics based on the operation history and creates a model.
  • a characteristic measurement unit 113 that measures characteristics related to deterioration that changes due to deterioration based on the operation history
  • a characteristic variation model generation unit that calculates a relationship between the state of the battery and the characteristics based on the operation history and creates a model.
  • an abnormally deteriorated battery diagnosis unit 115 that diagnoses a battery that deteriorates abnormally from the operation history and the model
  • an early deterioration battery diagnosis unit 116 that diagnoses a battery that deteriorates early from the operation history and the model.
  • the abnormally deteriorated battery diagnosis unit 115 and the early deteriorated battery diagnosis unit 116 are collectively used as a deteriorated battery diagnosis unit, and a deteriorated battery diagnosis unit that diagnoses battery deterioration based on an estimated value related to characteristics calculated based on a model. Good.
  • the processing unit 112 includes an alert issuing unit 117 that issues an abnormal sign as an alert by a desired method such as e-mail, telephone, or fax, and a result display unit 118 that generates a screen for displaying the contents of the alert. Then, the display unit 119 connected to the processing unit 112 displays the screen generated by the result display unit 118.
  • the deterioration diagnosis device functions as remote monitoring, and may be, for example, a stand-alone type including a personal computer and a monitor, or a client server type including a server, a personal computer, and a monitor. Moreover, it is good also as a cloud type which preserve
  • FIG. 2 shows the structure of the system master table 108 in this embodiment.
  • the power storage system ID column stores an ID uniquely assigned to the power storage system to be diagnosed
  • the power storage system type column stores the type of the power storage system
  • the battery type column stores the type of battery constituting the power storage system.
  • the table may have information such as information on customers who own the power storage system, installation location, usage, and the like.
  • FIG. 3 shows the structure of the operation history table 109 in this embodiment.
  • the operation history table 109 is a table that records the state of the battery 102 constituting the power storage system, which is the state of the power storage system 101, in time series.
  • the time column is the time when the state is measured
  • the power storage system ID column is an ID for uniquely identifying the power storage system to be diagnosed
  • the battery ID column is the ID for uniquely identifying the battery to be diagnosed
  • Temperature / Humidity column stores the value of the battery state measured with a sensor.
  • the internal resistance / full charge capacity column stores respective calculated values obtained from the actually measured values of the battery state.
  • the internal resistance represents a phenomenon in which a voltage drop occurs when a load is connected to an open circuit voltage as a resistance.
  • the full charge capacity is an amount of electricity that can be taken out until the battery is fully charged and fully discharged.
  • FIG. 4 shows the structure of the characteristic variation model table 110 in this embodiment.
  • the characteristic variation model table 110 based on the data of the operation history table 109, the relationship between the state of the battery and the characteristic is digitized as a model, and the result is stored. Note that the shape and configuration of the power storage system varies depending on the type, and the material and shape of the battery differ depending on the type. Therefore, the relationship between the state and characteristics may vary depending on the type of power storage system and battery. Therefore, in this embodiment, the characteristic variation model is calculated for each combination of the power storage system type and the battery type.
  • the power storage system type column stores the type of the power storage system 101
  • the battery type column stores the type of the battery 102.
  • the characteristic column stores the characteristic of the object of the model. In this embodiment, the internal resistance and the full charge capacity are treated as characteristics.
  • the internal resistance and full charge capacity vary depending on the battery condition at the time of measurement and the influence of deterioration until measurement.
  • the fluctuations due to each influence are hereinafter referred to as measurement fluctuations and deterioration fluctuations.
  • the initial (product shipping) characteristic, the measurement-time fluctuation, and the deterioration fluctuation are linear with respect to the characteristic, and the characteristic fluctuation model is expressed by the following formulas 1, 2, and 3. To do.
  • t is a certain time
  • x11 (t), x12 (t), x21 (t), and x22 (t) each represent a battery state at time t.
  • f11, f12, f21, and f22 represent functions suitable for expressing the relationship between the battery state and characteristics. For example, a power function ( ⁇ ), a logarithmic function (log), an exponential function (exp), and the like, which have good fitness are selected. a11, a12, a21, and a22 are coefficients indicating the degree of influence on the characteristics.
  • the battery state to be assigned to the term of the model formula is selected from the column name of the operation history table 109 and stored in the variable column.
  • a calculated value using a function can be input based on the value of the operation history table. For example, in the data 401 on the fourth row in FIG. 4, “sum (abs (current))” is stored in the variable column. sum is a function that outputs a cumulative sum, and abs is a function that outputs an absolute value. In this case, it represents the amount of current that has been accumulated and charged up to time t in the operation history table 109.
  • the variable string “time-init (time)” of the data 402 in the fifth row represents an elapsed time since the start of recording.
  • an interaction term may be added.
  • the term of interaction is expressed by putting the product of variables in a variable string, such as f3 (x1 ⁇ x2).
  • the constraint condition column stores the constraint condition based on the physical relationship between the characteristics and the battery state in order to guarantee the validity of the model.
  • the constraint condition is described as “ ⁇ 0”, and in the model expression of the characteristic “internal resistance”, the coefficient “only” is a negative value in the variable “temperature” term.
  • the coefficient of temperature at the time of measurement can only take a negative value. It shows that.
  • FIG. 5 shows the structure of the diagnosis result table 111 in this embodiment.
  • the diagnosis result table 111 stores the result of diagnosing the battery using the characteristic variation model.
  • the time column is the battery characteristic measurement time
  • the storage system ID is the diagnosis target ID
  • the internal resistance (residual) column is the difference between the value estimated from the characteristic variation model and the measured value (residual).
  • the estimation in the characteristic variation model is performed by substituting the data in the corresponding columns of the current, voltage, SOC (State of Charge), temperature, and humidity columns in the operation history table 109 into the battery states of Equations 1, 2, and 3.
  • the estimated value is a value obtained by estimating an average battery characteristic
  • the difference between the estimated value and the measured value is an index indicating how far the target battery is separated from the normal battery.
  • the internal resistance (deterioration fluctuation) column stores the value obtained by estimating the fluctuation at the time of measurement using the characteristic fluctuation model according to the following equation 4 and removing the fluctuation at the time of measurement from the measured value.
  • Internal resistance (deterioration fluctuation) Internal resistance measurement -A1 x f1 (x1 (t)-(average value of x1 over all periods)) -A2 ⁇ f2 (x2 (t)-(average value of x2 over all periods)) (Equation 4) Since the internal resistance (deterioration variation) column is a value obtained by extracting the initial characteristics and the degradation variation, the tendency of degradation is confirmed by confirming the trend in time series. Similarly, the full charge capacity (residual) column and the full charge capacity (deterioration variation) column calculate and store the full charge capacity residual and degradation variation.
  • FIG. 6 shows a flowchart of battery deterioration diagnosis in this embodiment.
  • the characteristic measurement unit 113 obtains the measured value of the characteristic affected by the deterioration based on the data read from the operation history table 109, and writes it in the operation history table (601).
  • the internal resistance can be measured by dividing the voltage fluctuation amount by the current fluctuation amount according to the following equation 5 based on Ohm's law.
  • the full charge capacity can be measured by extracting two points when the battery is fully charged and when the battery is fully discharged, and integrating the current value between the two points.
  • the characteristic variation model creation unit 114 creates a characteristic variation model based on the data read from the operation history table 109, and writes it in the characteristic variation model table 110 (602).
  • the model coefficient is obtained by multiple regression analysis.
  • the coefficients of the model formulas of Formula 1, Formula 2, Formula 3 are calculated for each term stored in the characteristic column and variable column of the characteristic variation model table 110 for each combination of power storage system type and battery type.
  • the data of the operation history table 109 is calculated so that the residual sum of squares is minimized.
  • the initial (product shipment) characteristic uses a value calculated as a constant term of an initial value of multiple regression analysis.
  • the variable name “initial value” is stored in the characteristic variation model table 110.
  • model abnormality report / display (604).
  • an abnormality is reported through the alert reporting unit 117, and a model abnormality display screen is generated by the result display unit 118 and displayed on the display unit 119.
  • Model abnormalities may be due to abnormal data in the operation history table 109, incorrect variables or constraint conditions set in the characteristic variation model table 110, etc.
  • the data of each table is corrected (605).
  • the model validity check (603) is necessary for the purpose of preventing erroneous determination, but is not essential and may be omitted.
  • the abnormally deteriorated battery diagnosis unit 115 calculates the residual of each characteristic based on the data of the operation history table 109 and the characteristic variation model table 110.
  • the data of the internal resistance (residual) column and the full charge capacity (residual) column of the diagnosis result table 111 are calculated and stored.
  • the latest residual for each battery in the diagnosis result table 111 is confirmed for each combination of the power storage system type and the battery type, or for each power storage system ID, and a check is made to see if there is a residual deviating from variation. For example, if there is a battery that deviates from the upper limit value or the lower limit value with + 3 ⁇ (a value that is three times the standard deviation) as the upper limit value and ⁇ 3 ⁇ as the lower limit value, it is determined that there is a battery that deviates from the model.
  • an alert is issued and a screen is displayed with the deviated battery as an abnormally deteriorated battery (608).
  • An abnormality is reported through the alert reporting unit 117, and an abnormally deteriorated battery display screen is generated by the result display unit 118 and displayed on the display unit 119.
  • An abnormally deteriorated battery may be replaced with a normal battery as a countermeasure.
  • the data in the operation history table 109 is changed, the data in the operation history table 109 is corrected as necessary (609).
  • the diagnosis ends. Since the diagnosis needs to be performed regularly, the flowchart of this diagnosis is repeatedly executed from the beginning (601) at an appropriate interval (for example, every day).
  • the present embodiment is a battery deterioration diagnosis device, and includes a communication unit that collects battery states, an operation history storage unit that stores battery states, and changes depending on battery deterioration from battery states.
  • a characteristic measurement unit that measures characteristics to be measured, a characteristic variation model creation unit that creates a model of the relationship between the characteristics and the state of the battery, and a deterioration that diagnoses the deterioration of the battery based on an estimated value for the characteristic calculated based on the model It consists of a battery diagnostic unit.
  • the deteriorated battery diagnostic unit compares the measured value of the characteristic output from the characteristic measuring unit with the estimated value of the characteristic based on the model, and determines whether the difference between the measured value and the estimated value exceeds a predetermined reference value.
  • An abnormally deteriorated battery diagnosis unit for diagnosing battery abnormality is provided.
  • a method for diagnosing battery degradation collecting battery status, measuring characteristics that change from battery status due to battery degradation, creating a model of the relationship between characteristics and battery status, and based on the model
  • the battery is configured to be diagnosed for deterioration based on the estimated value related to the calculated characteristic.
  • the estimated value for the characteristic is an estimated value of the characteristic by the model, and the measured value of the characteristic is compared with the estimated value of the characteristic, and the battery is determined by whether or not the difference between the measured value and the estimated value exceeds a predetermined reference value. It is configured so as to diagnose abnormalities.
  • the battery deterioration diagnosis system includes a power storage system, a communication network, and a deterioration diagnosis device.
  • the power storage system is connected to one or a plurality of batteries and the measured value of the battery state as an operation history.
  • a controller that collects, a communication unit that transmits the collected operation history to the communication network, the deterioration diagnosis device includes a communication unit that collects the operation history via the communication network, and an operation history storage unit that stores the operation history
  • a characteristic measurement unit that measures characteristics that change due to battery deterioration from the operation history, a characteristic variation model creation unit that creates a model of the relationship between the characteristics and the operation history, and an estimated value related to the characteristics calculated based on the model
  • a deteriorated battery diagnosis unit that diagnoses battery deterioration.
  • FIG. 7 shows a flowchart of battery deterioration diagnosis in this embodiment.
  • processing steps 601 to 605 are the same processing steps as in FIG. 6, and the same reference numerals as those in FIG.
  • the processing step 610 when the constraint condition is satisfied in the model validity confirmation (603), in the processing step 610, the fluctuation at the time of measurement is removed for each characteristic, the initial characteristic + deterioration fluctuation is extracted, and the diagnosis result table 111. Is stored in a column for the deterioration variation of the characteristic of. Next, for each combination of the power storage system type and the battery type, or for each power storage system ID, the data for deterioration change based on the latest data for each battery in the diagnosis result table 111 is confirmed to determine whether there is an early deterioration battery ( 611).
  • the early deterioration battery diagnosis unit 116 calculates the deterioration fluctuation amount of each characteristic based on the data of the operation history table 109 and the characteristic fluctuation model table 110.
  • an alert is issued and a screen is displayed (612).
  • An abnormality is reported through the alert reporting unit 117, and an early deterioration battery display screen is generated by the result display unit 118 and displayed on the display unit 119.
  • the early deteriorated battery may be replaced with a normal battery as a countermeasure. In this case, since the data such as the battery ID in the operation history table 109 is changed, the data in the operation history table 109 is corrected as necessary (609).
  • the diagnosis ends. Since the diagnosis needs to be performed regularly, the flowchart of this diagnosis is repeatedly executed from the beginning (601) at an appropriate interval (for example, every day).
  • the present embodiment is a battery deterioration diagnosis device, and includes a communication unit that collects battery states, an operation history storage unit that stores battery states, and changes depending on battery deterioration from battery states.
  • a characteristic measurement unit that measures the characteristics to be measured, a characteristic variation model creation unit that creates a model of the relationship between the characteristics and the state of the battery, and a measured value that is output from the characteristic measurement unit varies depending on the battery state at the time of measurement.
  • It is divided into deterioration fluctuations due to the influence of deterioration until measurement, and whether or not the deterioration fluctuation amount excluding the estimated value of fluctuation at the time of measurement from the measurement value of the characteristic output from the characteristic measurement unit exceeds a predetermined reference value It is composed of an early deterioration battery diagnosis unit that diagnoses a sign of battery abnormality.
  • it is a battery deterioration diagnosis method that collects the battery state and measures the characteristics that change from the battery state due to the battery deterioration.
  • the measured value of the characteristic depends on the battery state at the time of measurement and the measurement
  • a model of the relationship between the characteristics and the state of the battery was created due to the effects of the deterioration of the battery, and whether the deterioration fluctuation amount excluding the estimated value of the fluctuation at the time of measurement from the measured value of the characteristics exceeded the predetermined reference value It is configured to diagnose a sign of battery abnormality depending on whether or not.
  • the present embodiment it is possible to diagnose whether there is an early deteriorated battery without being affected by fluctuations during measurement.
  • the battery can be detected at an early stage before it leads to an abnormality in the power storage system, and measures can be taken in advance to prevent an abnormality in the power storage system.
  • FIG. 8 shows a flowchart of battery deterioration diagnosis in this embodiment.
  • This embodiment is a processing flow in which FIG. 6 and FIG. 7 are combined, and the same processing steps as those in FIG. 6 and FIG. Therefore, although a detailed description is omitted, an outline thereof will be described below.
  • a characteristic variation model is created and the validity of the model is confirmed (601-605), an abnormal battery is detected by comparing the measured value and the estimated value by the model (606-609), and the variation at the time of measurement is removed. Then, the early deterioration battery is detected based on the initial characteristics + deterioration fluctuation (610-612).
  • Figure 9 shows the model abnormality display screen.
  • the model type display unit 701 displays the power storage system type, battery type, and characteristics of the model to be displayed.
  • the coefficient stored in the characteristic variation model table 110 is displayed on the graph display unit 702.
  • the data of the variable column and measurement variation / degradation variation column are displayed as labels, and the coefficient size is displayed as a bar graph.
  • the standard partial regression coefficient when the multiple regression analysis is performed may be displayed.
  • the coefficients that deviate from the constraint condition are highlighted, and the labels and the bar graph plot are surrounded by a bold line.
  • the voltage since the voltage does not satisfy the constraint condition, it is surrounded by a thick line.
  • Fig. 10 shows an example of the abnormally deteriorated battery display screen.
  • the type display unit 801 displays the storage system type, battery type, storage system ID, and characteristics to be displayed. This display screen can be displayed for each power storage system type, each battery type, and each power storage system ID. In this example, an abnormally deteriorated battery related to internal resistance is displayed for each power storage system ID.
  • Characteristic and residual graph display section 802 displays characteristics and residuals in time series. As for the characteristics, the data in the characteristic column of the operation history table 109 is displayed for the battery of the type display unit 801. In the residual graph, the residual data of the corresponding characteristic in the diagnosis result table 111 for the battery of the type display unit 801 is displayed.
  • Fig. 11 shows another example of the early deterioration battery display screen.
  • the model type display unit 901 displays the storage system type, battery type, storage system ID, and characteristics to be displayed. This display screen can be displayed for each power storage system type, each battery type, and each power storage system ID. In this example, an example of displaying an early deteriorated battery related to internal resistance for each power storage system ID is shown.
  • Characteristics and deterioration fluctuation graph display section 902 displays characteristics and deterioration fluctuations in time series.
  • the characteristics the data in the characteristic column of the operation history table 109 is displayed for the battery of the type display unit 901.
  • the deterioration variation of the corresponding characteristic in the diagnosis result table 111 for the battery of the type display unit 901 that is, the data of the initial characteristic + degradation variation is displayed.
  • the distribution display section 903 for the latest deterioration variation data at the time point indicated as “latest” in the characteristic and deterioration variation graph display section 902 is displayed as a histogram.
  • the battery ID is displayed for the early deteriorated battery exceeding the upper limit value / lower limit value. In this example, it can be seen that the battery with a battery ID of 5 is an early deteriorated battery.
  • FIG. 12 shows an example of the early deterioration battery display screen different from FIG. 12, unlike the characteristic and deterioration variation graph display unit 902 in FIG. 11, the warning line is shown in the characteristic and deterioration variation graph display unit 1002 in FIG. As a result, it is possible to know whether the deterioration fluctuation amount increases and exceeds the warning line. Unlike the latest degradation change distribution display section 903 in FIG. 11, the latest degradation change distribution display section 1003 also shows a warning line, and there is a battery that exceeds the warning line, and its battery ID is the same. It turns out that it is 6,7.
  • FIG. 13 shows a block diagram of a battery deterioration diagnosis system in the present embodiment.
  • components 101 to 119 are the same as those in FIG. 1, and are given the same reference numerals as those in FIG.
  • the operation history estimation unit 122 estimates a future operation history based on the past operation history stored in the operation history table 109, and adds the estimation result to the operation history table 109.
  • the characteristic estimation unit 123 estimates future battery characteristics based on the data of the operation history table 109 and the characteristic variation model table 110, and stores the estimation result in the diagnosis result table 111.
  • FIG. 14 shows the structure of the operation history table 109 in this embodiment.
  • case No. is added to the operation history table 109 of the first embodiment shown in FIG. Since the structure is such that columns are added, only the added columns will be described.
  • Case No. The column stores information for distinguishing whether the stored data is a measured value or a value estimated by the operation history estimation unit 122. In this example, the actually measured value stores 0, and the estimated value stores other than 0.
  • FIG. 15 shows the structure of the diagnosis result table 111 in this embodiment.
  • case No. is stored in the diagnosis result table 111 of the first embodiment shown in FIG. Since the structure is such that columns are added, only the added columns will be described.
  • Case No. The column stores information for distinguishing whether the stored data is a value diagnosed based on an actually measured operation history or a value diagnosed based on an estimated operation history. In this example, 0 is stored when diagnosis is performed using the actually measured operation history, and non-zero is stored when diagnosis is performed using the estimated operation history.
  • FIG. 16 shows a flowchart for performing a deterioration diagnosis by estimating a future deterioration of characteristics in this embodiment.
  • processing steps 601 to 605 are the same processing steps as those in FIG. 6, and the same reference numerals as those in FIG.
  • a future operation history is estimated and added to the operation history table 109 (613).
  • the operation history table 109 the actually measured operation history is stored in the case number. Since the column is registered as 0, the power storage system ID column matches the power storage system ID to be diagnosed. Get data whose column is 0.
  • a future value is estimated according to the rule for each battery ID, and case No. Register the column as 1.
  • the operation history of the last one year is repeated until the time when a predetermined expected life (for example, 10 years) elapses.
  • a predetermined expected life for example, 10 years
  • Future battery characteristics are estimated (614).
  • Future battery characteristics can be estimated by Equation 1, Equation 3, and Equation 6 below.
  • the case No. acquired from the operation history table 109 is shown in the column. Stores the same value as the column. Next, it is determined whether the battery characteristics exceed the use limit by the expected life (615). Here, it is determined whether or not the battery characteristics (deterioration fluctuation) exceed the use limit that is a predetermined reference value by the expected life (for example, 10 years) that is a predetermined use period. If it exceeds, an alert is issued and a screen is displayed (616). An abnormality is reported through the alert reporting unit 117, and a characteristic estimation screen is generated by the result display unit 118 and displayed on the display unit 119. A battery that has not reached its expected life may be replaced with a normal battery as a countermeasure. In this case, since the data such as the battery ID in the operation history table 109 is changed, the data in the operation history table 109 is corrected as necessary (609).
  • the present embodiment it is possible to accurately estimate future characteristics from the actual operation history and characteristics of the product without diagnosing the deterioration constant with respect to the battery voltage and temperature in advance through experiments or the like, and diagnose deterioration. It is possible to detect batteries that are rapidly deteriorated and become unusable at an earlier stage than expected, before they lead to abnormalities in the power storage system, and it is possible to prevent power storage system abnormalities in advance by taking countermeasures. Become.
  • FIG. 17 shows a flowchart of battery deterioration diagnosis in this embodiment.
  • processing steps 601 to 615 are the same processing steps as those in FIG. 16, and the same reference numerals as those in FIG.
  • a revision plan of the future operation history is created in order to achieve the expected life (617).
  • a column that affects deterioration is specified. However, columns related to time are excluded because they cannot be controlled.
  • the column corresponding to the variable stored in the variable column is specified for the row in which the measurement variation / degradation variation column of the characteristic variation model table 110 is stored as “degradation”.
  • degradation In the example of FIG.
  • the first method is a method for accepting a correction proposal via a screen.
  • the result display unit 118 displays a variable that affects the deterioration and accepts a change amount of the variable.
  • the operation history estimation unit 122 performs estimation by repeating the operation history of the most recent year until the time when a predetermined expected life elapses.
  • a correction plan is created by multiplying or subtracting the received variable change amount by the value obtained from the operation history table 109.
  • the created correction plan is stored in the operation history table 109.
  • case no The stored case number is stored in the column. Stores the value obtained by incrementing the maximum value of the column.
  • the second method is a method of creating a correction plan with reference to the operation history of another power storage system stored in the operation history table 109.
  • all the power storage system IDs having the same value as the power storage system to be diagnosed are acquired from the system master table 108.
  • Data for which the column matches 0 is acquired for the most recent year from the time of diagnosis.
  • an average value is calculated for a plurality of different batteries of all the battery IDs of the storage system ID to be diagnosed from the acquired data, and the representative value is set to 1 as a representative value.
  • the average value for each combination of ID and battery ID is the amount of change. Then, among the values acquired from the operation history table 109, a plurality of modification proposal candidates are created by multiplying or gradually subtracting each change amount for the value of the column that affects the deterioration. The created revision proposal is stored in the operation history table 109. At that time, case no. The column stores a unique number for each change amount.
  • the future characteristics are estimated for all the prepared revision proposals (618).
  • the data in which the power storage system ID string matches the power storage system ID to be diagnosed is obtained from the operation history table 109, and the obtained data is estimated by substituting the data into Equations 1, 3, and 6.
  • the estimated battery characteristics (deterioration variation) are stored in the diagnosis result table 111.
  • the estimation is case no. This is performed for each column value, and the diagnosis result table 111 shows the case number. Stores the estimated result together with the value of.
  • the storage system ID column from the diagnosis result table 111 acquires all data that matches the storage system ID to be diagnosed, and does not exceed a predetermined battery characteristic usage limit by a predetermined expected life (for example, 10 years). Determine if a case exists. If there is a case where the usage limit is not exceeded, the result is displayed (620). In that case, all the data in which the power storage system ID column stored in the diagnosis result table 111 matches the diagnosis target and the amount of change when the operation history correction plan is created are displayed. If there is no case where the usage limit is not exceeded, an alert is issued / displayed that the expected battery has not been reached (621).
  • An abnormality is reported through the alert reporting unit 117, and a characteristic estimation screen is generated by the result display unit 118.
  • the storage unit ID string stored in the diagnosis result table 111 is displayed on the display unit 119 as in step 621. Together with all the data and the amount of change when the revision plan of the operation history is created.
  • the present embodiment it is possible to accurately estimate future characteristics from the actual operation history and characteristics of the product without diagnosing the deterioration constant with respect to the battery voltage and temperature in advance through experiments or the like, and diagnose deterioration. Can be detected at the stage of signing before it leads to an abnormality in the power storage system, and the degree of deterioration is more advanced than expected. From a plurality of use conditions, use conditions that approach the expected life can be obtained.
  • FIG. 18 shows an example of the characteristic estimation screen.
  • the type display unit 1101 displays the power storage system type, battery type, characteristics, and power storage system ID to be diagnosed.
  • This display screen can be displayed for each power storage system type, each battery type, and each power storage system ID.
  • an example is shown in which a battery that has not reached its expected life regarding internal resistance is displayed for each power storage system ID.
  • a characteristic and deterioration fluctuation graph 1102 displays characteristics and deterioration fluctuations in time series.
  • case No. which is a measured value among the data in the characteristic column of the operation history table 109 for the battery of the type display unit 1101. Display data with column 0.
  • the deterioration variation of the corresponding characteristic in the diagnosis result table 111 for the battery of the type display unit 1101 is displayed.
  • the case number of the diagnosis result table 111 is changed.
  • Data with a column of 0 is plotted with a solid line to indicate that it has been calculated based on the measured operating history.
  • Case No. Data other than 0 in the column is plotted with a broken line to indicate that it is calculated based on the estimated operation history.
  • the use limit is indicated by a broken horizontal line in the deterioration change graph, and when the deterioration change of characteristics exceeds the use limit by the expected life, the battery ID is displayed as a battery that has not reached the expected life. In this example, it can be seen that the battery ID is 3.
  • FIG. 19 shows an example of accepting the change amount used for estimating the operation history on the screen from the characteristic estimation screen.
  • the type display unit 1103 displays the power storage system type, battery type, characteristics, power storage system ID, and battery ID to be diagnosed. This display screen can be displayed for each power storage system type, each battery type, each power storage system ID, and each battery ID. In this example, an estimation example of a battery ID of a specific power storage system ID is shown.
  • the operating history change amount receiving unit 1104 identifies and displays variables that affect deterioration. Further, the change amount can be input and accepted by a slide bar or a text box.
  • the operation history is estimated based on the change amount, and the characteristic (deterioration variation) based on the estimated operation history is estimated and displayed on the characteristic and deterioration variation graph 1105.
  • the characteristics case No. indicating the measured value of the data in the characteristic column of the operation history table 109 for the battery of the type display unit 1103. Display data with column 0.
  • the deterioration variation amount of the corresponding characteristic in the diagnosis result table 111 for the battery of the type display unit 1103 is displayed.
  • the case number of the diagnosis result table 111 is changed.
  • Data with a column of 0 is plotted with a solid line to indicate that it has been calculated based on the measured operating history.
  • Data other than 0 in the column is plotted with a broken line to indicate that it is calculated based on the estimated operation history.
  • the variables changed during estimation and the amount of change are also shown.
  • the operation history is estimated with the current change amount set to 1.0, the usage limit is reached by the expected life, but when the operation history is estimated with the change amount set to 0.8, the expected value is expected. It can be seen that the service life can be continued without reaching the service life limit.
  • FIG. 20 shows an example of creating and presenting a plurality of proposals from the characteristic estimation screen without accepting the change amount at the time of estimating the operation history from the screen.
  • This display screen can be displayed for each power storage system type, each battery type, each power storage system ID, and each battery ID.
  • an estimation example of a battery ID of a specific power storage system ID is shown.
  • a characteristic and deterioration change graph 1106 displays a plurality of operation history estimations and estimation results of characteristics (deterioration fluctuations) based on the estimated operation history.
  • case No. indicating the measured value of the data in the characteristic column of the operation history table 109 for the battery of the type display unit 1103. Display data with column 0.
  • the deterioration variation amount of the corresponding characteristic in the diagnosis result table 111 for the battery of the type display unit 1103 is displayed.
  • the case number of the diagnosis result table 111 is changed.
  • Data with a column of 0 is plotted with a solid line to indicate that it has been calculated based on the measured operating history.
  • Case No. Data other than 0 in the column is plotted with a broken line to indicate that it is calculated based on the estimated operation history.
  • the variables changed during estimation and the amount of change are also shown.
  • the operation history is estimated with the current change amount set to 1.2 or 1.0, the use limit is reached by the expected life, but the change amount is set to 0.8 or 0.6.
  • the estimation it is understood that the use limit can not be reached until the expected life and the use can be continued.
  • the battery abnormality predictive diagnosis system allows the battery to be deteriorated at an abnormally fast rate without obtaining a deterioration constant with respect to the battery voltage and temperature by a prior experiment or the like. It is possible to detect the battery that will be used as a sign before the storage system malfunctions due to deterioration, and when the degree of deterioration is more advanced than expected, it is possible to derive conditions that allow it to be used until the expected life It becomes.
  • the present invention is not limited to the above-described embodiments, and includes various modifications.
  • the above-described embodiments have been described in detail for easy understanding of the present invention, and are not necessarily limited to those having all the configurations described. Further, a part of the configuration of one embodiment can be replaced with the configuration of another embodiment, and the configuration of another embodiment can be added to the configuration of one embodiment. Further, it is possible to add, delete, and replace other configurations for a part of the configuration of each embodiment.

Landscapes

  • Engineering & Computer Science (AREA)
  • Manufacturing & Machinery (AREA)
  • Chemical & Material Sciences (AREA)
  • Chemical Kinetics & Catalysis (AREA)
  • Electrochemistry (AREA)
  • General Chemical & Material Sciences (AREA)
  • Power Engineering (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Charge And Discharge Circuits For Batteries Or The Like (AREA)
  • Secondary Cells (AREA)

Abstract

実験などで予め電池電圧と温度に対する劣化定数を求めなくても、実際の製品の稼動履歴から、劣化の度合いを診断するための電池の劣化診断装置であって、電池の状態（電流、電圧、温度、ＳＯＣ等）を収集する通信部と、電池の状態を記憶する稼動履歴記憶部と、電池の状態から電池の劣化によって変化する特性（内部抵抗や満充電容量）を測定する特性測定部と、稼働履歴記憶部に記憶されたデータに基づいて、特性と電池の状態の関係のモデルを作成する特性変動モデル作成部と、モデルに基づいて計算される特性に関する推定値に基づいて電池の劣化を診断する劣化電池診断部と、で構成する。

Description

電池の劣化診断装置、劣化診断方法、及び劣化診断システム
　本発明は、電池の劣化診断に関する。
　背景技術として、特開２０１４－１９０７６３号公報(特許文献１)がある。この特許文献１には、二次電池に対して少なくとも内部抵抗値を含む現時点の電池特性を算出することと、推定期間における温度時間分布及び電流値時間分布を含む使用条件データと、電池電圧と温度に対する劣化定数の分布を示す劣化特性マップとを格納することと、前記現時点の電池特性データと使用条件データとに基づいて前記劣化特性マップにおける電池電圧－温度平面の滞在時間を積算することにより劣化量を推定すること、が記載されている。
特開２０１４－１９０７６３号公報
　前記特許文献１には、二次電池の劣化量を推定する技術が記載されている。しかし、電池電圧と温度に対する劣化定数の分布を示す劣化特性マップを予め作成しておく必要がある。そのためには、実験用の電池を作成し、一定の電位に保持するフロート試験、または一定の電位に合わせた後に貯蔵する貯蔵試験を条件を変えて実施する必要があり、時間とコストがかかっていた。また、試験は限られた条件でしか実施できないため、実際に製品を使用する条件と異なり、十分な推定精度が得られない場合があった。
　そこで、本発明では、実験などで予め電池電圧と温度に対する劣化定数を求めなくても、実際の製品の稼動履歴から、劣化の度合いを診断する技術を提供する。さらに、将来の劣化の度合いを推定し、劣化が想定より進む場合は、期待する寿命に近づけるための使用条件を導く技術を提供する。
　上記課題を解決するために、例えば特許請求の範囲に記載の構成を採用する。本願は上記課題を解決する手段を複数含んでいるが、その一例を挙げるならば、電池の劣化診断装置であって、電池の状態を収集する通信部と、電池の状態を記憶する稼動履歴記憶部と、電池の状態から電池の劣化によって変化する特性を測定する特性測定部と、特性と電池の状態の関係のモデルを作成する特性変動モデル作成部と、モデルに基づいて計算される特性に関する推定値に基づいて電池の劣化を診断する劣化電池診断部とで構成する。
　実験などで予め電池電圧と温度に対する劣化定数を求めることなく、実際の製品の稼動履歴と特性から精度良く劣化を診断することができる。さらに、複数の使用条件から、期待する寿命に近づけるための使用条件を得る事ができる。
実施例１における電池の劣化診断システムのブロック図である。 実施例１におけるシステムマスタテーブルの構造図である。 実施例１における稼動履歴テーブルの構造図である。 実施例１における特性変動モデルテーブルの構造図である。 実施例１における診断結果テーブルの構造図である。 実施例１における電池の劣化診断のフローチャートである。 実施例２における電池の劣化診断のフローチャートである。 実施例３における電池の劣化診断のフローチャートである。 実施例４におけるモデル異常表示画面の１例である。 実施例４における異常劣化電池表示画面の１例である。 実施例４における早期劣化電池表示画面の１例である。 実施例４における早期劣化電池表示画面の他の例である。 実施例５における電池の劣化診断システムのブロック図である。 実施例５における稼動履歴テーブルの構造図である。 実施例５における特性変動モデルテーブルの構造図である。 実施例５における電池の劣化診断のフローチャートである。 実施例６における電池の劣化診断のフローチャートである。 実施例７における特性推定画面の１例である。 実施例７における特性推定画面の他の例である。 実施例７における特性推定画面の他の例である。
　以下、図面を参照しながら、電池の劣化診断装置、方法、およびシステムを説明する。
　図１に、本実施例における電池の劣化診断システムのブロック図を示す。図１において、蓄電システム１０１は、１つまたは複数の電池１０２と、電池１０２に接続されたコントローラ１０３を有する。コントローラ１０３は蓄電システム１０１および電池１０２を制御すると共に、電圧・電流・温度などの電池状態の実測値を稼動履歴として定常的に収集する。収集した稼動履歴は、コントローラに接続された通信部(蓄電システム側)１０４によって、通信網１０５を通じて定常的に送信される。なお、蓄電システム１０１は複数存在しても良い。また、蓄電システム１０１内において、電池１０２を複数束ねて電池モジュールにするなど、管理しやすいように蓄電システムを構造化しても良い。また、蓄電システム１０１は、通信部(蓄電システム側)１０４を取り込んで、通信部と一体となった蓄電システムとしても良い。
　送信された稼動履歴は、通信網１０５を通じて、監視装置として機能する劣化診断装置に送信される。劣化診断装置は、図１に示す、通信部(記憶部側)１０６、記憶部１０７、処理部１１２、表示部１１９からなる。図１に示すように、送信された稼動履歴は、記憶部１０７に定常的に記憶され、記憶部１０７は、診断対象の基本的なデータを格納するシステムマスタテーブル１０８、稼動履歴を格納する稼動履歴記憶部である稼動履歴テーブル１０９、電池の状態と特性の関係を示す特性変動モデルを格納する特性変動モデルテーブル１１０、特性の測定値と特性変動モデルから求めた推定値との差分などを格納する診断結果テーブル１１１を持つ。また、記憶部１０７は、処理部１１２と接続され、データを授受する。
　処理部１１２は、稼動履歴に基づいて、劣化によって変化する劣化に関する特性を測定する特性測定部１１３、稼動履歴に基づいて電池の状態と特性の関係を計算しモデルを作成する特性変動モデル作成部１１４、稼動履歴とモデルから異常劣化する電池を診断する異常劣化電池診断部１１５、稼動履歴とモデルから早期劣化する電池を診断する早期劣化電池診断部１１６を有する。なお、異常劣化電池診断部１１５と早期劣化電池診断部１１６をまとめて劣化電池診断部として、モデルに基づいて計算される特性に関する推定値に基づいて電池の劣化を診断する劣化電池診断部としてもよい。また、処理部１１２は、異常予兆をアラートとしてEメール、電話、FAXなど所望の方法で発報するアラート発報部１１７、アラートの内容を表示する画面を生成する結果表示部１１８を有する。そして、処理部１１２と接続された表示部１１９が、結果表示部１１８で生成した画面を表示する。
　なお、上記劣化診断装置は、遠隔監視として機能し、例えば、パソコンとモニタからなるスタンドアロン型でも良いし、サーバとパソコン、モニタからなるクライアントサーバ型としても良い。また、送信された稼動履歴をクラウド上に保管し、それらのデータを用いて劣化診断を行うクラウド型としても良い。
　図２に、本実施例におけるシステムマスタテーブル１０８の構造を示す。図２において、蓄電システムＩＤ列は、診断対象とする蓄電システムに一意に割り当てられるＩＤ、蓄電システム品種列は蓄電システムの品種、電池品種列は蓄電システムを構成する電池の品種を格納する。本テーブルには、その他に蓄電システムを所有する顧客の情報、設置された場所、用途などの情報を持たせても良い。
　図３に、本実施例における稼動履歴テーブル１０９の構造を示す。稼動履歴テーブル１０９は、時系列に、蓄電システム１０１の状態である蓄電システムを構成する電池１０２の状態を記録するテーブルである。時刻列は状態を測定した時刻、蓄電システムＩＤ列は診断対象とする蓄電システムを一意に識別するためのＩＤ、電池ＩＤ列は診断対象とする電池を一意に識別するためのＩＤ、電流・電圧・SOC(State of Charge)・温度・湿度列は電池の状態をセンサ等で実測した値を格納する。内部抵抗・満充電容量列は、電池状態の実測値から求めたそれぞれの計算値を格納する。なお、内部抵抗は、開回路電圧に対して負荷接続時に電圧降下する現象を抵抗として表現したものである。また、満充電容量は、電池を満充電状態にして、完全放電状態にするまでに取り出せる電気量である。
　図４に、本実施例における特性変動モデルテーブル１１０の構造を示す。特性変動モデルテーブル１１０では、稼動履歴テーブル１０９のデータに基づいて、電池の状態と特性の関係をモデルとして数値化し、その結果を格納する。なお、蓄電システムは品種毎に形状や構成が異なり、電池も品種毎に材料や形状が異なるため、状態と特性の関係についても、蓄電システムや電池の品種ごとに異なる場合がある。そこで、本実施例では、蓄電システムの品種と電池の品種の組合せ毎に特性変動モデルを計算する。
　図４において、蓄電システム品種列は、蓄電システム１０１の品種を格納し、電池品種列は、電池１０２の品種を格納する。特性列は、モデルの対象の特性を格納する。本実施例では、特性として内部抵抗と満充電容量を扱う。
　内部抵抗と満充電容量は、測定時の電池状態と、測定するまでの劣化の影響により変動する。それぞれの影響による変動を以降、測定時変動、劣化変動と呼ぶ。本実施例では、特性に対して、初期(製品出荷時)特性と、測定時変動と、劣化変動が線形であると仮定し、特性変動モデルを下記の式１、式２、式３により表現する。
　　特性(t)　＝初期特性＋測定時変動(t)＋劣化変動(t)　・・・  (式１)
　　測定時変動(t)＝a11×f11(x11(t))＋a12×f12(x12(t))　・・・　(式２)
　　劣化変動(t)　＝a21×f21(x21(t))＋a22×f22(x22(t))　・・・　(式３)
　ここでtはある時刻であり、x11(t)、x12(t)、x21(t)、x22(t)はそれぞれ時刻tにおける電池状態を表す。f11、f12、f21、f22は電池状態と特性の関係を表現するのに適した関数を表す。例えば、べき乗の関数(√)、対数関数(log)、指数関数(exp)などであり、適合度の良いものを選択する。a11、a12、a21、a22は特性への影響度を示す係数である。
　図４において、特性変動モデルテーブル１１０では、変数列に、モデル式の項に代入される電池状態を稼動履歴テーブル１０９の列名から選択して格納する。また、変数列には、稼動履歴テーブルの値に基づき、関数を使った計算値を入力することもできる。例えば、図４の４行目のデータ４０１では変数列に「sum(abs(電流))」が格納されている。sumは累積和、absは絶対値を出力する関数であり、この場合は、稼動履歴テーブル１０９の時刻tまでに累積で充放電した電流量を表す。また、５行目のデータ４０２の変数列「時刻-init(時刻)」は、記録を開始してからの経過時間を表す。
　なお、特性に対して、初期特性と、測定時変動と、劣化変動が線形でなく、交互作用がある場合は、交互作用の項を加えても良い。交互作用の項は、f3(x１×x2)のように、変数列に変数同士の積を入れることで表される。
　制約条件列はモデルの妥当性を保証するための、特性と電池状態の物理的関係に基づいた制約条件を格納する。例えば、図４の２行目のデータ４０３では、制約条件は「＜０」と記載されており、特性「内部抵抗」のモデル式において、変数「温度」の項では、係数は負の値のみを取るという制約条件を表している。これは、温度が上昇すると、電池内の化学反応が加速されるため、その影響を受けて内部抵抗は小さくなるため、通常は測定時の温度の内部抵抗への係数は負の値しか取り得ないことを示す。
　測定時変動/劣化変動列は、測定時変動であれば「測定時」、劣化変動であれば「劣化」を入力する。係数列は稼動履歴テーブル１０９のデータに基づいて計算された係数が格納される。
　図５に、本実施例における診断結果テーブル１１１の構造を示す。診断結果テーブル１１１には、特性変動モデルにより電池を診断した結果を格納する。図５において、時刻列は電池特性の測定時刻、蓄電システムＩＤ、電池ＩＤ列は診断対象のＩＤ、内部抵抗(残差)列は特性を特性変動モデルで推定した値と測定値の差(残差)を格納する。特性変動モデルでの推定は、式１、式２、式３の電池状態に稼動履歴テーブル１０９における電流・電圧・SOC(State of Charge)・温度・湿度列の対応する列のデータを代入し、関数に特性変動モデルテーブル１１０の関数列の関数を代入し、係数に特性変動モデルテーブル１１０の係数列の係数を代入することで行う。推定値は、平均的な電池の特性を推定した値となるため、推定値と測定値の差は、対象とする電池がどの程度通常の電池と乖離しているかを示す指標となる。
　また、内部抵抗(劣化変動分)列は下記の式４に従い特性変動モデルで測定時変動を推定し、測定値から測定時変動を除去した値を格納する。
　　　内部抵抗(劣化変動分)＝内部抵抗測定値　
　　　　　－a1×f１(x１(t)-(ｘ１の全期間での平均値))
　　　　　－a2×f２(x２(t)-(ｘ２の全期間での平均値))　・・・(式４)
　内部抵抗(劣化変動分)列は、初期特性と劣化変動を抽出した値であるため、時系列で傾向を確認することで、劣化の傾向を確認する。満充電容量(残差)列と満充電容量(劣化変動分)列についても同様に、満充電容量の残差および劣化変動分を計算して格納する。
　図６に、本実施例における電池の劣化診断のフローチャートを示す。図６において、まず特性測定部１１３が稼動履歴テーブル１０９から読みだしたデータに基づいて、劣化の影響を受ける特性の測定値を求め、稼動履歴テーブルに書き込む(６０１)。特性のうち、内部抵抗はオームの法則に基づき、下記の式５により電圧の変動量を電流の変動量で除算することで測定できる。
　　内部抵抗＝(電圧(t)-電圧(t-Δt))/(電流(t)-電流(t-Δt))・・・(式５)
　ここで、tはある時刻であり、Δtは電池状態の測定間隔である。電圧(ｔ)はtの時の電池電圧、電流(t)はｔの時の電池に流れる電流を示す。
　また、満充電容量は、電池が満充電の時点と完全放電の時点を２点抽出し、その２点間の電流値を積分することで測定できる。
　次に、特性変動モデル作成部１１４が、稼動履歴テーブル１０９から読みだしたデータに基づいて特性変動モデルを作成し、特性変動モデルテーブル１１０に書き込む(６０２)。本実施例では、モデル係数を重回帰分析により求める。重回帰分析は、蓄電システム品種と電池品種の組合せ毎に、特性変動モデルテーブル１１０の特性列、変数列に格納されている各項について、式１、式２，式３のモデル式の係数を、稼動履歴テーブル１０９のデータについて、残差の平方和が最小になるように計算する。なお、初期(製品出荷時)特性は、重回帰分析の初期値の定数項として計算される値を用いる。本実施例では、変数名「初期値」として特性変動モデルテーブル１１０に格納する。
　次に、モデル妥当性の確認を行う(６０３)。ここでは、特性変動モデルテーブル１１０に格納された係数について、制約条件列に格納された制約条件を満たすか確認する。
　制約条件を満たさない場合はモデル異常の発報・表示(６０４)へ進む。ここでは、アラート発報部１１７を通じて異常を発報し、結果表示部１１８でモデル異常表示画面を生成し、表示部１１９に表示する。モデル異常は、稼動履歴テーブル１０９のデータが異常であること、特性変動モデルテーブル１１０に設定した変数や制約条件が誤っていることなどが考えられるので、確認の上、誤りが有った場合は各テーブルのデータを修正する(６０５)。なお、モデル妥当性の確認(６０３)は、誤判定を防ぐ目的で必要であるが、必須ではなく、なくても構わない。
　モデル妥当性の確認(６０３)において制約条件をみたす場合は、全電池の特性について、測定値とモデルによる推定値を比較する(６０６)。ここでは、異常劣化電池診断部１１５が、稼動履歴テーブル１０９と特性変動モデルテーブル１１０のデータに基づいて、各特性の残差を計算する。本実施例では、診断結果テーブル１１１の内部抵抗(残差)列と満充電容量(残差)列」のデータを計算し、格納する。
　次に、モデルと乖離した電池があるか調査する(６０７)。ここでは、蓄電システム品種と電池品種の組合せ毎、または蓄電システムＩＤ毎に、診断結果テーブル１１１の電池毎の最新の残差を確認し、ばらつきから外れた残差がないか調査する。例えば、残差の＋３σ(標準偏差の３倍の値)を上限値、－３σを下限値として、上限値または下限値から外れる電池がある場合は、モデルから乖離した電池があると判定する。モデルから乖離した電池がある場合は、乖離した電池を異常劣化の電池として、アラート発報・画面表示を行う(６０８)。アラート発報部１１７を通じて異常を発報し、結果表示部１１８で異常劣化電池表示画面を生成し、表示部１１９に表示する。
　異常劣化電池は、対策のために正常な電池と交換する場合が考えられる。その場合は、稼動履歴テーブル１０９における電池ＩＤなどのデータが変更になるため、必要に応じて稼動履歴テーブル１０９のデータを修正する(６０９)。
　モデルから乖離した電池がない場合は、異常劣化電池は無しと判断し、診断終了とする。診断は定期的に行う必要があるため、適当な間隔(例えば１日毎)で本診断のフローチャートを最初(６０１)から繰り返して実行する。
　以上のように、本実施例は、電池の劣化診断装置であって、電池の状態を収集する通信部と、電池の状態を記憶する稼動履歴記憶部と、電池の状態から電池の劣化によって変化する特性を測定する特性測定部と、特性と電池の状態の関係のモデルを作成する特性変動モデル作成部と、モデルに基づいて計算される特性に関する推定値に基づいて電池の劣化を診断する劣化電池診断部とで構成する。
　また、劣化電池診断部は、特性測定部から出力された特性の測定値とモデルによる特性の推定値を比較して、測定値と推定値の乖離が予め定めた基準値を超えたか否かで電池の異常を診断する異常劣化電池診断部とする。
　また、電池の劣化診断方法であって、電池の状態を収集し、電池の状態から電池の劣化によって変化する特性を測定し、特性と電池の状態の関係のモデルを作成し、モデルに基づいて計算される特性に関する推定値に基づいて電池の劣化を診断するように構成する。
　また、特性に関する推定値はモデルによる特性の推定値であり、特性の測定値と特性の推定値を比較して、測定値と推定値の乖離が予め定めた基準値を超えたか否かで電池の異常を診断するように構成する。
　また、蓄電システムと、通信網と、劣化診断装置からなる電池の劣化診断システムであって、蓄電システムは、１つまたは複数の電池と、電池に接続され電池の状態の実測値を稼動履歴として収集するコントローラと、収集した稼動履歴を通信網に送信する通信部を有し、劣化診断装置は、稼動履歴を通信網を介して収集する通信部と、稼動履歴を記憶する稼動履歴記憶部と、稼動履歴から電池の劣化によって変化する特性を測定する特性測定部と、特性と稼動履歴の関係のモデルを作成する特性変動モデル作成部と、モデルに基づいて計算される特性に関する推定値に基づいて電池の劣化を診断する劣化電池診断部とで構成する。
　これにより、実験などで予め電池電圧と温度に対する劣化定数を求めることなく、実際の製品の稼動履歴と特性から精度良く劣化を診断することができ、正常な電池と異なり異常な劣化傾向を示す電池を、蓄電システムの異常へと繋がる前の段階で検出することができ、対策を事前に行い蓄電システムの異常を未然に防ぐことが可能となる。
　図７に本実施例における電池の劣化診断のフローチャートを示す。図７において、処理ステップ６０１から６０５までは図６と同じ処理ステップであり、図６と同じ符号を付し、その説明は省略する。
　図７において、モデル妥当性の確認(６０３)において制約条件をみたす場合は、処理ステップ６１０で、各特性について、測定時変動を除去し、初期特性＋劣化変動分を抽出し、診断結果テーブル１１１の特性の劣化変動分の列に格納する。次に、蓄電システム品種と電池品種の組合せ毎、または蓄電システムＩＤ毎に、診断結果テーブル１１１の電池毎の最新データに基づく劣化変動分のデータを確認し、早期劣化電池があるか判定する(６１１)。例えば、劣化変動分の平均値＋３σ(標準偏差の３倍の値)を上限値、平均値－３σを下限値として、上限値・下限値から外れる電池がある場合は、蓄電システムの中に早期劣化電池があると判定する。また、予め特性の劣化変動分について、警告ラインを定めておき、警告ラインを超える場合は、早期劣化電池があると判定する。例えば、内部抵抗であれば初期特性の５倍を警告ラインとして、それを上回る場合は早期劣化電池と判定する。満充電容量であれば初期特性の半分を警告ラインとして、それを下回る場合は早期劣化電池と判定する。ここでは、早期劣化電池診断部１１６が、稼動履歴テーブル１０９と特性変動モデルテーブル１１０のデータに基づいて、各特性の劣化変動分を計算する。
　早期劣化電池があった場合は、アラート発報・画面表示を行う(６１２)。アラート発報部１１７を通じて異常を発報し、結果表示部１１８で早期劣化電池表示画面を生成し、表示部１１９に表示する。早期劣化電池は、対策のために正常な電池と交換する場合が考えられる。その場合は、稼動履歴テーブル１０９における電池ＩＤなどのデータが変更になるため、必要に応じて稼動履歴テーブル１０９のデータを修正する(６０９)。
　早期劣化電池が無かった場合は、蓄電システムの異常予兆は無しと判断し、診断終了とする。診断は定期的に行う必要があるため、適当な間隔(例えば１日毎)で本診断のフローチャートを最初(６０１)から繰り返して実行する。
　以上のように、本実施例は、電池の劣化診断装置であって、電池の状態を収集する通信部と、電池の状態を記憶する稼動履歴記憶部と、電池の状態から電池の劣化によって変化する特性を測定する特性測定部と、特性と電池の状態の関係のモデルを作成する特性変動モデル作成部と、特性測定部から出力された特性の測定値を測定時の電池状態による測定時変動と測定までの劣化の影響による劣化変動に分け、特性測定部から出力された特性の測定値からモデルによる測定時変動の推定値を除く劣化変動分が予め定めた基準値を超えたか否かで電池の異常の予兆を診断する早期劣化電池診断部とで構成する。
　また、電池の劣化診断方法であって、電池の状態を収集し、電池の状態から電池の劣化によって変化する特性を測定し、特性の測定値は測定時の電池状態による測定時変動と測定までの劣化の影響による劣化変動であり、特性と電池の状態の関係のモデルを作成し、特性の測定値からモデルによる測定時変動の推定値を除く劣化変動分が予め定めた基準値を超えたか否かで電池の異常の予兆を診断するように構成する。
　これにより、本実施例によれば、測定時変動の影響を受けずに早期劣化電池があるかの診断が可能となる。また、実験などで予め電池電圧と温度に対する劣化定数を求めることなく、実際の製品の稼動履歴と特性から精度良く劣化を診断することができ、劣化が早く進み想定よりも早い段階で利用できなくなる電池を、蓄電システムの異常へと繋がる前に予兆の段階で検出することができ、対策を事前に行い蓄電システムの異常を未然に防ぐことが可能となる。
　図８に本実施例における電池の劣化診断のフローチャートを示す。
　本実施例は、図６と図７を組合せた処理フローであり、図６、図７と同じ処理ステップは同じ符号を付している。したがって、詳細な説明は省略するが、その概要を以下説明する。
　図８においては、特性変動モデルを作成しモデル妥当性の確認を行ない(６０１-６０５)、測定値とモデルによる推定値の比較で異常電池を検出し(６０６-６０９)、測定時変動を除去し、初期特性＋劣化変動で早期劣化電池を検出する(６１０-６１２)。
　これにより、製品の使用条件に即した測定時の電池状態の劣化診断が可能となり異常劣化電池があるかを判断できるとともに、測定時変動の影響を受けずに早期劣化電池があるかの診断が可能となる。よって、使用電池の劣化診断の信頼性がより上がるという効果がる。
　本実施例は、電池の劣化診断システムにおける表示部への表示例について説明する。
　図９にモデル異常表示画面を示す。図９において、モデル種別表示部７０１に、表示するモデルの蓄電システム品種、電池品種、特性を表示する。そして、グラフ表示部７０２に特性変動モデルテーブル１１０に格納されている係数を表示する。変数列と測定時変動/劣化変動列のデータをラベルとして、係数の大きさを棒グラフとして表示する。この時、係数の代わりとして、重回帰分析を行った際の標準偏回帰係数を表示しても良い。そして、制約条件から外れている係数は、強調表示のため、太線でラベルと棒グラフのプロットが囲われる。図９の例では電圧が制約条件を満たしていないため、太線で囲われている。
　図１０に異常劣化電池の表示画面の１例を示す。
　図１０において、種別表示部８０１に、表示対象とする蓄電システム品種、電池品種、蓄電システムＩＤ、特性を表示する。なお、本表示画面は、蓄電システム品種毎、電池品種毎、蓄電システムＩＤ毎に表示できる。本例では蓄電システムＩＤ毎に内部抵抗に関する異常劣化電池を表示する例を示す。
　特性および残差グラフ表示部８０２には時系列での特性と残差を表示する。特性については、種別表示部８０１の電池について稼動履歴テーブル１０９の特性列のデータを表示する。残差のグラフには、種別表示部８０１の電池について診断結果テーブル１１１の該当する特性の残差のデータを表示する。
　最新の残差の分布表示部８０３には、特性および残差グラフ表示部８０２の残差グラフにおいて「最新」と示されている時点でのデータを、ヒストグラムとして表示する。ここで、上限値・下限値を超える異常劣化電池について電池ＩＤを表示する。本例では電池ＩＤが３の電池が異常であることが分かる。
　図１１に早期劣化電池表示画面の他の例を示す。モデル種別表示部９０１に、表示対象とする蓄電システム品種、電池品種、蓄電システムＩＤ、特性を表示する。なお、本表示画面は、蓄電システム品種毎、電池品種毎、蓄電システムＩＤ毎に表示できる。本例では蓄電システムＩＤ毎に内部抵抗に関する早期劣化電池を表示する例を示す。
　特性および劣化変動分グラフ表示部９０２には時系列での特性と劣化変動分を表示する。特性については、種別表示部９０１の電池について稼動履歴テーブル１０９の特性列のデータを表示する。劣化変動分のグラフには、種別表示部９０１の電池について診断結果テーブル１１１の該当する特性の劣化変動分、すなわち、初期特性＋劣化変動のデータを表示する。
　最新の劣化変動分の分布表示部９０３には、特性および劣化変動分グラフ表示部９０２の劣化変動分グラフにおいて「最新」と示されている時点でのデータを、ヒストグラムとして表示する。ここで、上限値・下限値を超える早期劣化電池について電池ＩＤを表示する。本例では電池ＩＤが５の電池が早期劣化電池であることが分かる。
　図１２に早期劣化電池表示画面について図１１と異なる例を示す。図１２において、図１２の特性および劣化変動分グラフ表示部１００２の劣化変動分のグラフには、図１１の特性および劣化変動分グラフ表示部９０２と異なり、警告ラインが示されている。これにより、劣化変動分が上昇し警告ラインを超えているかを知ることができる。最新の劣化変動分の分布表示部１００３についても、図１１の最新の劣化変動分の分布表示部９０３と異なり、警告ラインが示されており、警告ラインを超える電池が存在し、その電池ＩＤが６，７であることが分かる。
　図１３に、本実施例における電池の劣化診断システムのブロック図を示す。図１３において、構成要素１０１から１１９までは図１と同じ構成要素であり、図１と同じ符号を付し、その説明は省略する。図１３において、稼動履歴推定部１２２は、稼動履歴テーブル１０９に格納されている過去の稼動履歴に基づいて、将来の稼動履歴を推定し、その推定結果を稼動履歴テーブル１０９に追加する。特性推定部１２３は、稼動履歴テーブル１０９、特性変動モデルテーブル１１０のデータに基づいて、将来の電池の特性を推定し、その推定結果を診断結果テーブル１１１に格納する。
　図１４に本実施例における稼動履歴テーブル１０９の構造を示す。図１４おいては、図３に示した実施例１の稼動履歴テーブル１０９にケースＮｏ．列を追加した構造となっているため、追加した列のみを説明する。ケースＮｏ．列は、格納されるデータが実測した値か、それとも稼動履歴推定部１２２で推定した値かを区別するための情報を格納する。本例では、実測した値は０を、推定した値は０以外を格納する。
　図１５に本実施例における診断結果テーブル１１１の構造を示す。図１５おいては、図５に示した実施例１の診断結果テーブル１１１にケースＮｏ．列を追加した構造となっているため、追加した列のみを説明する。ケースＮｏ．列は、格納されるデータが実測した稼動履歴を元に診断した値か、推定した稼動履歴で診断した値かを区別するための情報を格納する。本例では、実測した稼動履歴で診断した場合は０を、推定した稼動履歴で診断した場合は０以外を格納する。
　図１６に本実施例において、将来の特性の劣化を推定する事で劣化診断を行うフローチャートを示す。図１６において、処理ステップ６０１から６０５までは図６と同じ処理ステップであり、図６と同じ符号を付し、その説明は省略する。図１６おいて、処理ステップ６０３でモデルが制約を満たす事が確認できた場合、将来の稼動履歴を推定し、稼動履歴テーブル１０９に追加する（６１３）。ここでは、実測した稼動履歴に基づいて、ルールに従って将来の稼動履歴を推定する。稼動履歴テーブル１０９には、実測した稼動履歴がケースＮｏ．列が０として登録されているので、蓄電システムＩＤ列が、診断対象の蓄電システムＩＤと一致し、ケースＮｏ．列が０のデータを取得する。そして、電池ＩＤ毎にルールに従って将来の値を推定し、ケースＮｏ．列を１として登録する。本例では、季節などの影響を考慮し、過去の電池の状態を一定期間取得するために、直近１年の稼動履歴を、予め定めた期待寿命(例えば１０年)が経過する時刻まで、繰り返す事により推定を行う。次に、将来の電池特性（劣化変動分)を推定する（６１４）。将来の電池特性(劣化変動分)は、式１、式３および下記の式６により推定できる。
　測定時変動(t)= a11×f11(x11(t)の全期間での平均値)
　　　　　　　　＋a12×f12(x12(t)の全期間での平均値)　・・・(式６)
　ここで、式６のx11(t)、x12(t)およびf11、f12およびa11、a12は式１と同じ変数である。稼動履歴テーブル１０９から、蓄電システムＩＤ列が、診断対象の蓄電システムＩＤと一致し、ケースＮｏ．列が０以外のデータを取得し、取得したデータを式１、式３および式６に代入する事で将来の電池特性（劣化変動分)を推定し、推定した値を、診断結果テーブル１１１に格納する。ケースＮｏ．列には稼動履歴テーブル１０９から取得したケースＮｏ．列と同じ値を格納する。次に期待寿命までに電池の特性が使用限界を超えるか判定する(６１５)。ここでは、予め定めた使用期間である期待寿命(例えば１０年)までに、電池特性（劣化変動分)が予め定めた基準値である使用限界を超えるか否かを判定する。超える場合は、アラート発報・画面表示を行う(６１６)。アラート発報部１１７を通じて異常を発報し、結果表示部１１８で特性推定画面を生成し、表示部１１９に表示する。期待寿命未達の電池は、対策のために正常な電池と交換する場合が考えられる。その場合は、稼動履歴テーブル１０９における電池ＩＤなどのデータが変更になるため、必要に応じて稼動履歴テーブル１０９のデータを修正する(６０９)。
　これにより、本実施例によれば、実験などで予め電池電圧と温度に対する劣化定数を求めることなく、実際の製品の稼動履歴と特性から精度良く将来の特性を推定し、劣化を診断することができ、劣化が早く進み想定よりも早い段階で利用できなくなる電池を、蓄電システムの異常へと繋がる前に検出することができ、対策を事前に行い蓄電システムの異常を未然に防ぐことが可能となる。
　図１７に本実施例における電池の劣化診断のフローチャートを示す。図１７において、処理ステップ６０１から６１５までは図１６と同じ処理ステップであり、図１６と同じ符号を付し、その説明は省略する。図１７において、ステップ６１５で期待寿命までに特性が使用限界を超過する場合、期待寿命を達成するために、将来の稼動履歴の修正案を作成する（６１７）。まず稼動履歴テーブル１０９の列の中で、劣化に影響する列を特定する。但し、時間に関する列は、制御できないため除外とする。特性変動モデルテーブル１１０の測定時変動/劣化変動列が「劣化」として格納されている行について、変数列に格納されている変数に相当する列を特定する。図４の例では、測定時変動/劣化変動列が「劣化」となっている変数列「sum(abs(電流))」、「時刻-init(時刻)」に含まれる「電流」、「時刻」が対象であり、時間に関する変数「時刻」は除外するため、「電流」が特定される。修正案は次の２通りの方式で作成する。
　第一の方式は、画面を介して修正案を受け付ける方式である。結果表示部１１８が、劣化に影響する変数を表示し、その変数の変更量を受け付ける。次に、ステップ６１３と同様に稼動履歴推定部１２２が直近１年の稼動履歴を、予め定めた期待寿命が経過する時刻まで、繰り返す事により推定を行うが、その際に、劣化に影響する列の値について、稼動履歴テーブル１０９から取得した値に、受け付けた変数の変更量を乗算または徐算する事で修正案を作成する。そして、作成した修正案を稼動履歴テーブル１０９に格納する。その際にケースＮｏ．列には格納済みのケースＮｏ．列の最大値をインクリメントした値を格納する。
　次に第二の方式は、稼動履歴テーブル１０９に格納された他の蓄電システムの稼動履歴を参照して修正案を作成する方式である。まず、システムマスタテーブル１０８から電池品種列の値が診断対象の蓄電システムと同じ蓄電システムＩＤを全て取得する。次に稼動履歴テーブル１０９から蓄電システムＩＤ列が、取得済みの蓄電システムＩＤと一致し、さらに測定値である事を示すケースＮｏ．列が０と一致するデータを、診断時点から直近１年分取得する。次に、劣化に影響する列について、取得したデータから診断対象の蓄電システムＩＤの全電池ＩＤの複数の異なる電池について平均値を計算して代表値として、代表値を１とした時の蓄電システムＩＤと電池ＩＤの組合せ毎の平均値を変更量とする。そして、稼動履歴テーブル１０９から取得した値のうち、劣化に影響する列の値について、各変更量を乗算または徐算する事で複数の修正案候補を作成する。作成した修正案は稼動履歴テーブル１０９に格納する。その際にケースＮｏ．列には各変更量毎に一意の番号を振って格納する。
　次に、作成した全ての修正案について、将来の特性(劣化変動分)を推定する(６１８)。ステップ６１４と同様に、稼動履歴テーブル１０９から蓄電システムＩＤ列が診断対象の蓄電システムＩＤと一致するデータを取得し、取得したデータを式１、式３および式６に代入する事で推定し、推定した電池特性(劣化変動分)を、診断結果テーブル１１１に格納する。推定はケースＮｏ．列の値毎に行い、診断結果テーブル１１１には、そのケースＮｏ．の値とともに推定した結果を格納する。
　次に期待寿命までに使用限界を超過しない修正案が有るか判定する(６１９)。診断結果テーブル１１１から蓄電システムＩＤ列が、診断対象の蓄電システムＩＤと一致するデータを全て取得し、予め定めた期待寿命(例えば１０年)までに、予め定めた電池特性の使用限界を超えないケースが存在するか判定する。使用限界を超えないケースが存在する場合は、結果を表示する(６２０)。その際は、診断結果テーブル１１１に格納された蓄電システムＩＤ列が診断対象と一致する全てのデータと、稼動履歴の修正案を作成した際の変更量をともに表示する。使用限界を超えないケースが存在しない場合は、該当電池を期待寿命未達としてアラート発報・表示する（６２１）。アラート発報部１１７を通じて異常を発報し、結果表示部１１８で特性推定画面を生成し、表示部１１９には、ステップ６２１と同様に診断結果テーブル１１１に格納された蓄電システムＩＤ列が診断対象と一致する全てのデータと、稼動履歴の修正案を作成した際の変更量をともに表示する。
　これにより、本実施例によれば、実験などで予め電池電圧と温度に対する劣化定数を求めることなく、実際の製品の稼動履歴と特性から精度良く将来の特性を推定し、劣化を診断することができ、劣化が早く進み想定よりも早い段階で利用できなくなる電池を、蓄電システムの異常へと繋がる前に予兆の段階で検出することができ、さらに劣化の度合いが想定よりも進んでいる場合に、複数の使用条件から、期待する寿命に近づける使用条件を得る事ができる。
　本実施例は、電池の劣化診断システムにおける表示部への表示例について説明する。図１８に特性推定画面の１例を示す。図１８において、種別表示部１１０１に、診断対象とする蓄電システム品種、電池品種、特性、蓄電システムＩＤを表示する。なお、本表示画面は、蓄電システム品種毎、電池品種毎、蓄電システムＩＤ毎に表示できる。本例では蓄電システムＩＤ毎に内部抵抗に関する期待寿命未達電池を表示する例を示す。特性および劣化変動分グラフ１１０２には、時系列での特性と劣化変動分を表示する。特性については、種別表示部１１０１の電池について稼動履歴テーブル１０９の特性列のデータのうち、測定値であるケースＮｏ．列が０のデータを表示する。劣化変動分のグラフには、種別表示部１１０１の電池について診断結果テーブル１１１の該当する特性の劣化変動分を表示する。ここで、診断結果テーブル１１１のケースＮｏ．列が０のデータは、測定された稼動履歴に基づいて計算された事を示すため、実線でプロットする。ケースＮｏ．列が０以外のデータは推定された稼動履歴に基づいて計算された事を示すため、破線でプロットする。劣化変動分のグラフ内には破線の水平線で使用限界を示しており、特性の劣化変動分が期待寿命までに使用限界を超過する場合は、期待寿命未達電池として、電池ＩＤを表示する。本例では、その電池ＩＤが３であることがわかる。
　図１９は特性推定画面のうち、稼動履歴の推定に用いる変更量を画面で受け付ける例を示す。図１９において、種別表示部１１０３に、診断対象とする蓄電システム品種、電池品種、特性、蓄電システムＩＤ、電池ＩＤを表示する。なお、本表示画面は、蓄電システム品種毎、電池品種毎、蓄電システムＩＤ、電池ＩＤ毎に表示できる。本例では特定の蓄電システムＩＤの電池ＩＤの推定例を示す。稼動履歴変更量受付部１１０４には、劣化に影響する変数が特定され、表示される。さらに、スライドバーやテキストボックスなどにより、変更量を入力して受け付けられるようになっている。変更量の入力を受け付けると、変更量に基づいた稼動履歴の推定、推定された稼動履歴による特性(劣化変動分)の推定が行われ、特性および劣化変動分グラフ１１０５に表示される。特性については、種別表示部１１０３の電池について稼動履歴テーブル１０９の特性列のデータのうち、測定値を示すケースＮｏ．列が０のデータを表示する。劣化変動分のグラフには、種別表示部１１０３の電池について診断結果テーブル１１１の該当する特性の劣化変動分を表示する。ここで、診断結果テーブル１１１のケースＮｏ．列が０のデータは、測定された稼動履歴に基づいて計算された事を示すため、実線でプロットする。ケースＮｏ．列が０以外のデータは推定された稼動履歴に基づいて計算された事を示すため、破線でプロットする。さらに推定の際に変更した変数と変更量を併記する。本例では電流の変更量を１．０として稼動履歴の推定を行った場合は、期待寿命までに使用限界に達するが、変更量を０．８として稼動履歴の推定を行った場合は、期待寿命まで使用限界には達さず、使用を継続できる事がわかる。
　図２０は、特性推定画面のうち、稼動履歴の推定の際の変更量を画面から受け付けることなく、複数案作成して提示する例を示す。なお、本表示画面は、蓄電システム品種毎、電池品種毎、蓄電システムＩＤ、電池ＩＤ毎に表示できる。本例では特定の蓄電システムＩＤの電池ＩＤの推定例を示す。図２０において、特性および劣化変動分グラフ１１０６には、複数の稼動履歴の推定、推定された稼動履歴による特性(劣化変動分)の推定結果が表示される。特性については、種別表示部１１０３の電池について稼動履歴テーブル１０９の特性列のデータのうち、測定値を示すケースＮｏ．列が０のデータを表示する。劣化変動分のグラフには、種別表示部１１０３の電池について診断結果テーブル１１１の該当する特性の劣化変動分を表示する。ここで、診断結果テーブル１１１のケースＮｏ．列が０のデータは、測定された稼動履歴に基づいて計算された事を示すため、実線でプロットする。ケースＮｏ．列が０以外のデータは推定された稼動履歴に基づいて計算された事を示すため、破線でプロットする。さらに推定の際に変更した変数と変更量を併記する。本例では電流の変更量を１．２または１．０として稼動履歴の推定を行った場合は、期待寿命までに使用限界に達するが、変更量を０．８または０．６として稼動履歴の推定を行った場合は、期待寿命まで使用限界には達さず、使用を継続できる事がわかる。
　以上の説明から、本発明による電池の異常予兆診断システムにより、事前の実験などにより電池電圧と温度に対する劣化定数を求めなくても、劣化が異常な早さで進む電池、早期に劣化が進んでしまう電池を、劣化により蓄電システムの異常が発生する前の予兆として検知し、さらに、劣化の度合いが想定よりも進んでいる場合に、期待する寿命まで使用を可能とする条件を導くことが可能となる。
　本発明は上記した実施例に限定されるものではなく、様々な変形例が含まれる。また、上記した実施例は本発明を分かりやすく説明するために詳細に説明したものであり、必ずしも説明した全ての構成を備えるものに限定されるものではない。また、ある実施例の構成の一部を他の実施例の構成に置き換えることが可能であり、また、ある実施例の構成に他の実施例の構成を加えることも可能である。また、各実施例の構成の一部について、他の構成の追加・削除・置換をすることが可能である。
１０１…蓄電システム、１０２…電池、１０７…記憶部、１０８…システムマスタテーブル、１０９…稼動履歴テーブル、１１０…特性変動モデルテーブル、１１１…診断結果テーブル、１１２…処理部、１１９…表示部

Claims (22)

  1. 電池の状態を収集する通信部と、
    前記電池の状態を記憶する稼動履歴記憶部と、
    前記電池の状態から電池の劣化によって変化する特性を測定する特性測定部と、
    前記特性と前記電池の状態の関係のモデルを作成する特性変動モデル作成部と、
    前記モデルに基づいて計算される前記特性に関する推定値に基づいて電池の劣化を診断する劣化電池診断部と
    を有することを特徴とする電池の劣化診断装置。
  2. 請求項１に記載の電池の劣化診断装置であって、
    前記電池の状態は、電流、電圧、SOC(State of Charge)、温度、湿度のうち少なくとも１つを含むことを特徴とする電池の劣化診断装置。
  3. 請求項１に記載の電池の劣化診断装置であって、
    前記特性は、内部抵抗または満充電容量を含むことを特徴とする電池の劣化診断装置。
  4. 請求項１に記載の電池の劣化診断装置であって、
    前記特性変動モデル作成部は、重回帰分析によって前記モデルを作成することを特徴とする電池の劣化診断装置。
  5. 請求項１に記載の電池の劣化診断装置であって、
    前記劣化電池診断部は、前記特性測定部から出力された特性の測定値と前記モデルによる特性の推定値を比較して、前記測定値と前記推定値の乖離が予め定めた基準値を超えたか否かで電池の異常を診断する異常劣化電池診断部であることを特徴とする電池の劣化診断装置。
  6. 請求項１に記載の電池の劣化診断装置であって、
    前記劣化電池診断部は、前記特性測定部から出力された特性の測定値を測定時の電池状態による測定時変動と測定までの劣化の影響による劣化変動に分け、前記特性測定部から出力された特性の測定値から前記モデルによる測定時変動の推定値を除く劣化変動分が予め定めた基準値を超えたか否かで電池の異常の予兆を診断する早期劣化電池診断部であることを特徴とする電池の劣化診断装置。
  7. 請求項１に記載の電池の劣化診断装置であって、
    前記特性変動モデル作成部および前記劣化電池診断部において、温度を対数関数により変換して、前記モデルの作成および劣化電池診断を行うことを特徴とする電池の劣化診断装置。
  8. 請求項１に記載の電池の劣化診断装置であって、
    前記特性変動モデル作成部および前記劣化電池診断部において、電池の使用時間をべき乗の関数により変換して、前記モデルの作成および劣化電池診断を行うことを特徴とする電池の劣化診断装置。
  9. 請求項１に記載の電池の劣化診断装置であって、
    画面表示、メール、電話、FAXの何れかによりアラートを出すアラート発報部を有し、前記劣化電池診断部において、異常が発生した際に、前記アラート発報部を通じて発報することを特徴とする電池の劣化診断装置。
  10. 電池の状態を収集し、
    該電池の状態から電池の劣化によって変化する特性を測定し、
    前記特性と前記電池の状態の関係のモデルを作成し、
    前記モデルに基づいて計算される前記特性に関する推定値に基づいて電池の劣化を診断することを特徴とする電池の劣化診断方法。
  11. 請求項１０に記載の電池の劣化診断方法であって、
    前記特性に関する推定値は前記モデルによる前記特性の推定値であり、
    前記特性の測定値と前記特性の推定値を比較して、前記測定値と前記推定値の乖離が予め定めた基準値を超えたか否かで電池の異常を診断することを特徴とする電池の劣化診断方法。
  12. 請求項１０に記載の電池の劣化診断方法であって、
    前記特性の測定値は測定時の電池状態による測定時変動と測定までの劣化の影響による劣化変動であり、
    前記特性に関する推定値は前記モデルによる測定時変動の推定値であって、
    前記特性の測定値から前記測定時変動の推定値を除く劣化変動分が予め定めた基準値を超えたか否かで電池の異常の予兆を診断することを特徴とする電池の劣化診断方法。
  13. 蓄電システムと、通信網と、劣化診断装置からなる電池の劣化診断システムであって、
    前記蓄電システムは、
    １つまたは複数の電池と、
    該電池に接続され該電池の状態の実測値を稼動履歴として収集するコントローラと、
    収集した稼動履歴を前記通信網に送信する通信部を有し、
    前記劣化診断装置は、
    前記稼動履歴を前記通信網を介して収集する通信部と、
    前記稼動履歴を記憶する稼動履歴記憶部と、
    前記稼動履歴から電池の劣化によって変化する特性を測定する特性測定部と、
    前記特性と前記稼動履歴の関係のモデルを作成する特性変動モデル作成部と、
    前記モデルに基づいて計算される前記特性に関する推定値に基づいて電池の劣化を診断する劣化電池診断部と
    を有することを特徴とする電池の劣化診断システム。
  14. 請求項１に記載の電池の劣化診断装置であって、
    前記劣化電池診断部は、前記モデルに基づいて計算される前記特性に関する将来の推定値に基づいて電池の劣化を診断することを特徴とする電池の劣化診断装置。
  15. 請求項１４に記載の電池の劣化診断装置であって、
    前記稼動履歴記憶部に記憶された電池の状態に基づいて、将来の電池の状態を推定する稼動履歴推定部と、
    前記劣化電池診断部は、前記将来の電池の状態と、前記モデルに基づいて計算される前記特性に関する将来の推定値に基づいて電池の劣化を診断することを特徴とする電池の劣化診断装置。
  16. 請求項１４に記載の電池の劣化診断装置であって、
    前記劣化電池診断部は、前記特性に関する将来の推定値が、予め定めた使用期間中に、予め定めた基準値を超えるか否かで電池の劣化を診断することを特徴とする電池の劣化診断装置。
  17. 請求項１５に記載の電池の劣化診断装置であって、
    前記稼動履歴推定部は、前記稼動履歴記憶部に格納された過去の電池の状態を一定期間取得して、将来の電池の状態を、前記過去の電池の状態の繰り返しとして推定することを特徴とする電池の劣化診断装置。
  18. 請求項１５に記載の電池の劣化診断装置であって、
    前記稼動履歴推定部は、前記稼動履歴記憶部に格納された過去の電池の状態を一定期間取得して、将来の電池の状態を、前記過去の電池の状態に一定の値を乗算または除算した値の繰り返しとして推定することを特徴とする電池の劣化診断装置。
  19. 請求項１８に記載の電池の劣化診断装置であって、
    前記稼動履歴推定部は、前記一定の値について複数の候補を作成し、前記複数の候補毎に前記将来の電池の特性を推定することを特徴とする電池の劣化診断装置。
  20. 請求項１５に記載の電池の劣化診断装置であって、
    前記稼動履歴推定部は、前記稼動履歴記憶部に格納された過去の電池の状態を、複数の異なる電池について一定期間取得して、前記複数の異なる電池について取得した前記過去の電池の状態に基づいて、前記将来の電池の状態を推定することを特徴とする電池の劣化診断装置。
  21. 請求項１０に記載の電池の劣化診断方法であって、
    前記電池の状態に基づいて、将来の電池の状態を推定し、
    前記将来の電池の状態と、前記モデルに基づいて計算される前記特性に関する将来の推定値に基づいて電池の劣化を診断することを特徴とする電池の劣化診断方法。
  22. 請求項１３に記載の電池の劣化診断システムであって、
    前記稼動履歴記憶部に記憶された電池の状態に基づいて、将来の電池の状態を推定する稼動履歴推定部と、
    前記劣化電池診断部は、前記将来の電池の状態と、前記モデルに基づいて計算される前記特性に関する将来の推定値に基づいて電池の劣化を診断することを特徴とする電池の劣化診断システム。
PCT/JP2016/075162 2015-08-31 2016-08-29 電池の劣化診断装置、劣化診断方法、及び劣化診断システム WO2017038749A1 (ja)

Applications Claiming Priority (4)

Application Number Priority Date Filing Date Title
JP2015171402 2015-08-31
JP2015-171402 2015-08-31
JP2016-068896 2016-03-30
JP2016068896A JP2018169161A (ja) 2015-08-31 2016-03-30 電池の劣化診断装置、劣化診断方法、及び劣化診断システム

Publications (1)

Publication Number Publication Date
WO2017038749A1 true WO2017038749A1 (ja) 2017-03-09

Family

ID=58187698

Family Applications (1)

Application Number Title Priority Date Filing Date
PCT/JP2016/075162 WO2017038749A1 (ja) 2015-08-31 2016-08-29 電池の劣化診断装置、劣化診断方法、及び劣化診断システム

Country Status (1)

Country Link
WO (1) WO2017038749A1 (ja)

Cited By (12)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2019215832A (ja) * 2018-06-14 2019-12-19 株式会社Ｇｓユアサ 通信デバイス、情報処理システム、情報処理方法及びコンピュータプログラム
WO2019239706A1 (ja) * 2018-06-14 2019-12-19 株式会社Ｇｓユアサ 通信デバイス、情報処理システム、情報処理方法及びコンピュータプログラム
JP2020020654A (ja) * 2018-07-31 2020-02-06 株式会社Ｇｓユアサ 容量推定システム、容量推定方法、通信デバイス及びコンピュータプログラム
JP2020191778A (ja) * 2018-03-28 2020-11-26 東洋システム株式会社 劣化状態判定装置および劣化状態判定方法
US10921383B2 (en) * 2019-03-07 2021-02-16 Mitsubishi Electric Research Laboratories, Inc. Battery diagnostic system for estimating capacity degradation of batteries
CN112540309A (zh) * 2020-12-10 2021-03-23 广州能源检测研究院 一种基于电池循环数据相似度分析的电池监控***及方法
CN112685827A (zh) * 2019-10-17 2021-04-20 丰田自动车株式会社 数据记录装置以及数据记录方法
JP2021113768A (ja) * 2020-01-21 2021-08-05 パナソニックＩｐマネジメント株式会社 車両シミュレーションシステム、車両シミュレーション方法およびコンピュータプログラム
CN114002517A (zh) * 2020-07-28 2022-02-01 比亚迪股份有限公司 器件诊断方法、平台、***及可读存储介质
CN116581402A (zh) * 2023-07-13 2023-08-11 北京索云科技股份有限公司 一种通用型蓄电池的智能运维养护方法及***
WO2023181589A1 (ja) * 2022-03-23 2023-09-28 株式会社日立製作所 電池状態検出装置および電池状態検出方法
CN114002517B (zh) * 2020-07-28 2024-07-16 比亚迪股份有限公司 器件诊断方法、平台、***及可读存储介质

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2008108102A1 (ja) * 2007-03-07 2008-09-12 Panasonic Corporation リチウム系二次電池の急速充電方法およびそれを用いる電子機器
JP2011257372A (ja) * 2010-06-08 2011-12-22 Hyundai Motor Company Co Ltd 車両用バッテリーのセル劣化診断方法
JP2012068075A (ja) * 2010-09-22 2012-04-05 Hitachi Ltd リチウムイオン電池診断システム、およびリチウムイオン電池診断方法
JP2013253855A (ja) * 2012-06-07 2013-12-19 General Electric Co <Ge> バッテリの電力供給性能を予測するシステム及び方法

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2008108102A1 (ja) * 2007-03-07 2008-09-12 Panasonic Corporation リチウム系二次電池の急速充電方法およびそれを用いる電子機器
JP2011257372A (ja) * 2010-06-08 2011-12-22 Hyundai Motor Company Co Ltd 車両用バッテリーのセル劣化診断方法
JP2012068075A (ja) * 2010-09-22 2012-04-05 Hitachi Ltd リチウムイオン電池診断システム、およびリチウムイオン電池診断方法
JP2013253855A (ja) * 2012-06-07 2013-12-19 General Electric Co <Ge> バッテリの電力供給性能を予測するシステム及び方法

Cited By (19)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2020191778A (ja) * 2018-03-28 2020-11-26 東洋システム株式会社 劣化状態判定装置および劣化状態判定方法
JP7195633B2 (ja) 2018-03-28 2022-12-26 東洋システム株式会社 劣化状態判定装置および劣化状態判定方法
US11536774B2 (en) 2018-06-14 2022-12-27 Gs Yuasa International Ltd. Communication device, information processing system, information processing method, and computer program
WO2019239706A1 (ja) * 2018-06-14 2019-12-19 株式会社Ｇｓユアサ 通信デバイス、情報処理システム、情報処理方法及びコンピュータプログラム
JP2019215832A (ja) * 2018-06-14 2019-12-19 株式会社Ｇｓユアサ 通信デバイス、情報処理システム、情報処理方法及びコンピュータプログラム
JP2020020654A (ja) * 2018-07-31 2020-02-06 株式会社Ｇｓユアサ 容量推定システム、容量推定方法、通信デバイス及びコンピュータプログラム
JP7275490B2 (ja) 2018-07-31 2023-05-18 株式会社Ｇｓユアサ 容量推定システム、容量推定方法、及び通信デバイス
US10921383B2 (en) * 2019-03-07 2021-02-16 Mitsubishi Electric Research Laboratories, Inc. Battery diagnostic system for estimating capacity degradation of batteries
CN112685827B (zh) * 2019-10-17 2023-10-13 丰田自动车株式会社 数据记录装置以及数据记录方法
CN112685827A (zh) * 2019-10-17 2021-04-20 丰田自动车株式会社 数据记录装置以及数据记录方法
JP7320755B2 (ja) 2020-01-21 2023-08-04 パナソニックＩｐマネジメント株式会社 車両シミュレーションシステム、車両シミュレーション方法およびコンピュータプログラム
JP2021113768A (ja) * 2020-01-21 2021-08-05 パナソニックＩｐマネジメント株式会社 車両シミュレーションシステム、車両シミュレーション方法およびコンピュータプログラム
CN114002517A (zh) * 2020-07-28 2022-02-01 比亚迪股份有限公司 器件诊断方法、平台、***及可读存储介质
CN114002517B (zh) * 2020-07-28 2024-07-16 比亚迪股份有限公司 器件诊断方法、平台、***及可读存储介质
CN112540309A (zh) * 2020-12-10 2021-03-23 广州能源检测研究院 一种基于电池循环数据相似度分析的电池监控***及方法
CN112540309B (zh) * 2020-12-10 2024-02-06 广州能源检测研究院 一种基于电池循环数据相似度分析的电池监控***及方法
WO2023181589A1 (ja) * 2022-03-23 2023-09-28 株式会社日立製作所 電池状態検出装置および電池状態検出方法
CN116581402A (zh) * 2023-07-13 2023-08-11 北京索云科技股份有限公司 一种通用型蓄电池的智能运维养护方法及***
CN116581402B (zh) * 2023-07-13 2023-11-17 北京索云科技股份有限公司 一种通用型蓄电池的智能运维养护方法及***

Similar Documents

Publication Publication Date Title
WO2017038749A1 (ja) 電池の劣化診断装置、劣化診断方法、及び劣化診断システム
JP2018169161A (ja) 電池の劣化診断装置、劣化診断方法、及び劣化診断システム
US9465387B2 (en) Anomaly diagnosis system and anomaly diagnosis method
JP6301791B2 (ja) 配電網の故障予兆診断システムおよびその方法
EP3611524A1 (en) Cell service life diagnostic device and cell service life diagnostic method
EP2830145A1 (en) Method for monitoring storage cell, system for monitoring storage cell, and storage cell system
CN116879662A (zh) 基于数据分析的变压器故障检测方法
EP2989705B1 (en) Method and apparatus for defect pre-warning of power device
US20080107225A1 (en) On-line calibration system for redundant temperature sensors
JP2017521670A (ja) 秤量スケール診断方法
JP2015059933A (ja) 二次電池の異常診断装置及び異常診断方法
JP5621967B2 (ja) 異常データ分析システム
JP2017026559A (ja) ガスリーク検知装置およびガスリーク検知方法
JP6164311B1 (ja) 情報処理装置、情報処理方法、及び、プログラム
EP2963552B1 (en) System analysis device and system analysis method
CN117289168A (zh) 基于传感器数据和智能算法的产品质量监测***
CN109785181A (zh) 用于预测电力资产的健康状况的趋势分析函数
CN117371670B (zh) 一种新能源电动汽车充电桩的可靠性分析***
US20230280240A1 (en) Abnormality diagnosis device and abnormality diagnosis method
CN118011307A (zh) 一种电能表故障数据监测***及数据存储介质
CN112345972A (zh) 基于停电事件的配电网线变关系异常诊断方法、装置及***
WO2023157373A1 (ja) 電池管理装置、電池管理プログラム
JP6328036B2 (ja) 計量メータの状態変化検出装置及びプログラム
JP2007132738A (ja) 蓄電池の劣化診断方法および劣化診断装置
Mercier et al. A stochastic model for competing degradations

Legal Events

Date Code Title Description
121 Ep: the epo has been informed by wipo that ep was designated in this application

Ref document number: 16841781

Country of ref document: EP

Kind code of ref document: A1

NENP Non-entry into the national phase

Ref country code: DE

122 Ep: pct application non-entry in european phase

Ref document number: 16841781

Country of ref document: EP

Kind code of ref document: A1

NENP Non-entry into the national phase

Ref country code: JP