特許 7517614 バッテリ劣化量決定方法、バッテリマネジメントユニットおよびバッテリパック

(19)【発行国】日本国特許庁(JP)

(12)【公報種別】特許公報(B2)

(11)【特許番号】

(24)【登録日】2024-07-08

(45)【発行日】2024-07-17

(54)【発明の名称】バッテリ劣化量決定方法、バッテリマネジメントユニットおよびバッテリパック

(51)【国際特許分類】

   G01R 31/392 20190101AFI20240709BHJP

   G01R 31/374 20190101ALI20240709BHJP

   G01R 31/3828 20190101ALI20240709BHJP

   G01R 31/385 20190101ALI20240709BHJP

   H01M 10/48 20060101ALI20240709BHJP

   H01M 10/42 20060101ALI20240709BHJP

【ＦＩ】

G01R31/392

G01R31/374

G01R31/3828

G01R31/385

H01M10/48 P

H01M10/48 301

H01M10/42 P

【請求項の数】 11

(21)【出願番号】P 2023539930

(86)(22)【出願日】2023-02-28

(86)【国際出願番号】 JP2023007241

(87)【国際公開番号】W WO2023176423

(87)【国際公開日】2023-09-21

【審査請求日】2023-06-28

(31)【優先権主張番号】P 2022039897

(32)【優先日】2022-03-15

(33)【優先権主張国・地域又は機関】JP

(73)【特許権者】

【識別番号】000006286

【氏名又は名称】三菱自動車工業株式会社

(74)【代理人】

【識別番号】100177460

【弁理士】

【氏名又は名称】山崎 智子

(72)【発明者】

【氏名】佐伯 一

(72)【発明者】

【氏名】横辻 北斗

(72)【発明者】

【氏名】石川 清貴

(72)【発明者】

【氏名】井上 雅大

(72)【発明者】

【氏名】加納 靖章

(72)【発明者】

【氏名】田中 颯

(72)【発明者】

【氏名】新谷 正紀

(72)【発明者】

【氏名】田力 明洋

(72)【発明者】

【氏名】八木 彩月

【審査官】島田 保

(56)【参考文献】

【文献】特開２０１９－６６３８７（ＪＰ，Ａ）

【文献】特開２０１６－７２１８０（ＪＰ，Ａ）

【文献】特開２０２０－１３５１８８（ＪＰ，Ａ）

【文献】米国特許出願公開第２０２１／００７２３２３（ＵＳ，Ａ１）

(58)【調査した分野】(Int.Cl.，ＤＢ名)

Ｇ０１Ｒ ３１／３６－３１／３９６

Ｈ０１Ｍ １０／４８

Ｈ０１Ｍ １０／４２

(57)【特許請求の範囲】

【請求項1】

バッテリの温度を示す温度データ、前記バッテリのＳＯＣを示すＳＯＣデータ、および、前記バッテリの充電および放電による積算電流量を示す積算電流量データを含むバッテリデータを取得するステップと、
第１劣化特性モデルを利用して、前記バッテリデータに基づいて第１劣化特性による前記バッテリの劣化量である第１劣化量を算出するステップと、
第２劣化特性モデルを利用して、前記バッテリデータに基づいて第２劣化特性による前記バッテリの劣化量である第２劣化量を算出するステップと、
前記第１劣化量と前記第２劣化量とに基づいて、前記バッテリの劣化量を算出するステップと、を含み、
前記第１劣化特性モデルは、前記第１劣化量に上限を規定し、
前記第２劣化特性モデルは、前記第２劣化量に上限を規定しない
バッテリ劣化量決定方法。

【請求項2】

前記第１劣化量の算出は、
第１期間における前記第１劣化特性による前記バッテリの劣化量である第１期間第１劣化量を示す第１期間第１劣化量データを取得するステップと、
前記第１期間に引き続く第２期間における前記第１劣化特性による前記バッテリの劣化量である第２期間第１劣化量を算出するステップと、
前記第１期間第１劣化量に前記第２期間第１劣化量を加算するステップと、を含む、
請求項１に記載のバッテリ劣化量決定方法。

【請求項3】

前記第２劣化量の算出は、
前記第１期間における前記第２劣化特性による前記バッテリの劣化量である第１期間第２劣化量を示す第１期間第２劣化量データを取得するステップと、
前記第２期間における前記第２劣化特性による前記バッテリの劣化量である第２期間第２劣化量を算出するステップと、
前記第１期間第２劣化量に前記第２期間第２劣化量を加算するステップと、を含む、
請求項２に記載のバッテリ劣化量決定方法。

【請求項4】

前記第１劣化特性モデルは、第１係数を含む数学的モデルであり、
前記第１劣化量の算出は、前記バッテリの温度および前記バッテリのＳＯＣに基づいて前記第１係数を決定するステップを含む、
請求項２または３に記載のバッテリ劣化量決定方法。

【請求項5】

前記第１係数の決定は、
前記バッテリの温度に関する複数の温度候補と、前記バッテリのＳＯＣに関する複数のＳＯＣ候補と、前記第１係数に関する複数の第１係数候補とを関連付けた第１マップデータを取得するステップと、
前記第１マップデータを利用して、前記温度データに示された温度に対応する温度候補および前記ＳＯＣデータに示されたＳＯＣに対応するＳＯＣ候補に関連付けられた前記複数の第１係数候補の１つを特定するステップと、を含む、
請求項４に記載のバッテリ劣化量決定方法。

【請求項6】

前記複数の温度候補は、第１温度と、前記第１温度よりも高い第２温度とを含み、
前記複数のＳＯＣ候補は、第１ＳＯＣと、前記第１ＳＯＣよりも高い第２ＳＯＣとを含み、
前記複数の第１係数候補は、前記第１温度および前記第１ＳＯＣの組み合わせに関連付けられた第１候補と、前記第２温度および前記第２ＳＯＣの組み合わせに関連付けられた第２候補とを含み、
前記第２候補は、前記第１候補よりも大きい、
請求項５に記載のバッテリ劣化量決定方法。

【請求項7】

前記第１劣化特性モデルは、さらに、前記第１係数とは異なる第２係数を含み、
前記第１劣化量の算出は、さらに、
前記第２期間における前記積算電流量に基づく前記バッテリの劣化量である第２期間サイクル劣化量を算出するステップと、
前記第１劣化量の上限から前記第２期間サイクル劣化量および前記第１期間第１劣化量を差し引くことにより得られる劣化量マージンに基づいて前記第２係数を決定するステップを含む、
請求項４に記載のバッテリ劣化量決定方法。

【請求項8】

前記第２係数の決定は、
前記劣化量マージンに関する複数の劣化量マージン候補と、前記第２係数に関する複数の第２係数候補とを関連付けた第２マップデータを取得するステップと、
前記第２マップデータを利用して、前記劣化量マージンに対応する劣化量マージン候補に関連付けられた前記複数の第２係数候補の１つを特定するステップと、を含む、
請求項７に記載のバッテリ劣化量決定方法。

【請求項9】

前記複数の劣化量マージン候補は、第１劣化量マージンと、前記第１劣化量マージンよりも大きな第２劣化量マージンとを含み、
前記複数の第２係数候補は、前記第１劣化量マージンに関連付けられた第１候補と、前記第２劣化量マージンに関連付けられた第２候補とを含み、
前記第２候補は、前記第１候補よりも大きい、
請求項８に記載のバッテリ劣化量決定方法。

【請求項10】

バッテリの温度を示す温度データ、前記バッテリのＳＯＣを示すＳＯＣデータ、および、前記バッテリの充電および放電による積算電流量を示す積算電流量データを含むバッテリデータを取得する処理と、
第１劣化特性モデルを利用して、前記バッテリデータに基づいて第１劣化特性による前記バッテリの劣化量である第１劣化量を算出する処理と、
第２劣化特性モデルを利用して、前記バッテリデータに基づいて第２劣化特性による前記バッテリの劣化量である第２劣化量を算出する処理と、
前記第１劣化量と前記第２劣化量とに基づいて、前記バッテリの劣化量を算出する処理と、を実行し、
前記第１劣化特性モデルは、前記第１劣化量に上限を規定し、
前記第２劣化特性モデルは、前記第２劣化量に上限を規定しない
バッテリマネジメントユニット。

【請求項11】

バッテリと、
前記バッテリの温度を検出して前記バッテリの温度を示す温度データを生成する温度センサと、
前記バッテリの電圧を検出して前記バッテリの電圧を示す電圧データを生成する電圧センサと、
前記バッテリの充電および放電による電流を検出して前記バッテリの電流を示す電流データを生成する電流センサと、
前記温度センサ、前記電圧センサおよび前記電流センサに接続されたバッテリマネジメントユニットと、を備え、
前記バッテリマネジメントユニットは、
前記温度センサから前記温度データを取得し、
前記電圧センサから前記電圧データを取得し、
前記電流センサから前記電流データを取得し、
前記温度データ、前記電圧データおよび前記電流データに基づいて、前記温度データ、前記バッテリのＳＯＣを示すＳＯＣデータ、および、前記バッテリの充電および放電による積算電流量を示す積算電流量データを含むバッテリデータを生成し、
第１劣化特性モデルを利用して、前記バッテリデータに基づいて第１劣化特性による前記バッテリの劣化量である第１劣化量を算出し、
第２劣化特性モデルを利用して、前記バッテリデータに基づいて第２劣化特性による前記バッテリの劣化量である第２劣化量を算出し、
前記第１劣化量と前記第２劣化量とに基づいて、前記バッテリの劣化量を算出し、
前記第１劣化特性モデルは、前記第１劣化量に上限を規定し、
前記第２劣化特性モデルは、前記第２劣化量に上限を規定しない
バッテリパック。

【発明の詳細な説明】

【技術分野】

【0001】

本開示は、バッテリ劣化量決定方法、バッテリマネジメントユニットおよびバッテリパックに関する。

【背景技術】

【0002】

特許文献１は、バッテリの劣化量を推定する推定装置を開示している。この推定装置は、バッテリの現在の容量維持率を取得する。推定装置は、容量維持率が閾値以上の場合、第１近似データを利用してバッテリの劣化量を算出する。一方、推定装置は、容量維持率が閾値未満の場合、第２近似データを利用してバッテリの劣化量を算出する。

【先行技術文献】

【特許文献】

【0003】

【文献】日本国特開２０２０－１８０９３５号公報

【発明の概要】

【発明が解決しようとする課題】

【0004】

バッテリの劣化量は、バッテリのＳＯＣ（Ｓｔａｔｅ ｏｆ Ｃｈａｒｇｅ）を算出するために利用される。バッテリのＳＯＣの精度をより高めるため、バッテリの劣化量の決定方法がより改善されることが好ましい。

【0005】

本開示は、改善されたバッテリ劣化量決定方法、バッテリマネジメントユニットおよびバッテリパックを提供する。

【課題を解決するための手段】

【0006】

本開示の一態様に係るバッテリ劣化量決定方法は、（ａ）バッテリの温度を示す温度データ、前記バッテリのＳＯＣを示すＳＯＣデータ、および、前記バッテリの充電および放電による積算電流量を示す積算電流量データを含むバッテリデータを取得するステップと、（ｂ）第１劣化特性モデルを利用して、前記バッテリデータに基づいて第１劣化特性による前記バッテリの劣化量である第１劣化量を算出するステップと、（ｃ）第２劣化特性モデルを利用して、前記バッテリデータに基づいて第２劣化特性による前記バッテリの劣化量である第２劣化量を算出するステップと、（ｄ）前記第１劣化量と前記第２劣化量とに基づいて、前記バッテリの劣化量を算出するステップと、を含む。前記第１劣化特性モデルは、前記第１劣化量に上限を規定する。前記第２劣化特性モデルは、前記第２劣化量に上限を規定しない。

【0007】

本開示の一態様に係るバッテリマネジメントユニットは、（ａ）バッテリの温度を示す温度データ、前記バッテリのＳＯＣを示すＳＯＣデータ、および、前記バッテリの充電および放電による積算電流量を示す積算電流量データを含むバッテリデータを取得する処理と、（ｂ）第１劣化特性モデルを利用して、前記バッテリデータに基づいて第１劣化特性による前記バッテリの劣化量である第１劣化量を算出する処理と、（ｃ）第２劣化特性モデルを利用して、前記バッテリデータに基づいて第２劣化特性による前記バッテリの劣化量である第２劣化量を算出する処理と、（ｄ）前記第１劣化量と前記第２劣化量とに基づいて、前記バッテリの劣化量を算出する処理と、を実行する。前記第１劣化特性モデルは、前記第１劣化量に上限を規定する。前記第２劣化特性モデルは、前記第２劣化量に上限を規定しない。

【0008】

本開示の一態様に係るバッテリパックは、バッテリと、前記バッテリの温度を検出して前記バッテリの温度を示す温度データを生成する温度センサと、前記バッテリの電圧を検出して前記バッテリの電圧を示す電圧データを生成する電圧センサと、前記バッテリの充電および放電による電流を検出して前記バッテリの電流を示す電流データを生成する電流センサと、前記温度センサ、前記電圧センサおよび前記電流センサに接続されたバッテリマネジメントユニットと、を備える。前記バッテリマネジメントユニットは、（ａ）前記温度センサから前記温度データを取得し、（ｂ）前記電圧センサから前記電圧データを取得し、（ｃ）前記電流センサから前記電流データを取得し、（ｄ）前記温度データ、前記電圧データおよび前記電流データに基づいて、前記温度データ、前記バッテリのＳＯＣを示すＳＯＣデータ、および、前記バッテリの充電および放電による積算電流量を示す積算電流量データを含むバッテリデータを生成し、（ｅ）第１劣化特性モデルを利用して、前記バッテリデータに基づいて第１劣化特性による前記バッテリの劣化量である第１劣化量を算出し、（ｆ）第２劣化特性モデルを利用して、前記バッテリデータに基づいて第２劣化特性による前記バッテリの劣化量である第２劣化量を算出し、（ｇ）前記第１劣化量と前記第２劣化量とに基づいて、前記バッテリの劣化量を算出する。前記第１劣化特性モデルは、前記第１劣化量に上限を規定する。前記第２劣化特性モデルは、前記第２劣化量に上限を規定しない。

【発明の効果】

【0009】

本開示は、改善されたバッテリ劣化量決定方法、バッテリマネジメントユニットおよびバッテリパックを提供できる。

【図面の簡単な説明】

【0010】

【図1】図１は、本開示の実施形態に係るバッテリ劣化量決定処理を示す機能ブロック図である。

【図2】図２は、本開示の実施形態に係るバッテリ劣化量決定処理を示す機能ブロック図である。

【図3】図３は、本開示の実施形態に係る、バッテリの劣化量の上限を決定するのに利用される第３マップデータを示す図である。

【図4】図４は、本開示の実施形態に係る、バッテリの劣化量を算出するための第１係数を決定するのに利用される第１マップデータを示す図である。

【図5】図５は、本開示の実施形態に係る、バッテリの劣化量を算出するための第２係数を決定するのに利用される第２マップデータを示す図である。

【図6】図６は、本開示の実施形態に係るバッテリ劣化量決定処理を示すフローチャートである。

【図7】図７は、本開示の実施形態に係るバッテリの劣化特性モデルを構築するプロセスを説明するための図である。

【図8】図８は、本開示の実施形態に係るバッテリの劣化特性モデルを構築するプロセスを説明するための図である。

【図9】図９は、本開示の実施形態に係るバッテリ劣化量決定処理により算出されるバッテリ劣化量と、従来技術に係るバッテリ劣化量決定処理により算出されるバッテリ劣化量とを示す図である。

【図10】図１０は、本開示の実施形態に係るバッテリ劣化量決定方法の応用例を示す機能ブロック図である。

【発明を実施するための形態】

【0011】

図１は、本開示の実施形態に係るバッテリ劣化量決定処理を示す。本実施形態では、バッテリ劣化量決定処理１２０は、劣化特性モデル１２３、１２４、１２５を含む。劣化特性モデル１２３は、バッテリデータを受信し、バッテリデータに基づいてバッテリの劣化特性Ａによるバッテリの劣化量Ｙ_ａ２を算出する。劣化特性モデル１２４は、バッテリデータを受信し、バッテリデータに基づいてバッテリの劣化特性Ｂによるバッテリの劣化量Ｙ_ｂ２を算出する。劣化特性モデル１２５は、バッテリデータを受信し、バッテリデータに基づいてバッテリの劣化特性Ｃによるバッテリの劣化量Ｙ_ｃ２を算出する。バッテリ劣化量決定処理１２０は、劣化特性Ａに基づく劣化量Ｙ_ａ２と、劣化特性Ｂに基づく劣化量Ｙ_ｂ２と、劣化特性Ｃに基づく劣化量Ｙ_ｃ２に基づいて、バッテリの劣化量Ｙを算出する。具体的には、バッテリの劣化量Ｙは、劣化量Ｙ_ａ２、劣化量Ｙ_ｂ２および劣化量Ｙ_ｃ２の和である。

【0012】

図２に示すように、本実施形態では、劣化特性モデル１２３は、第１期間での劣化特性Ａによるバッテリの劣化量Ｙ_ａ１を取得し、第１期間に引き続く第２期間での劣化特性Ａによるバッテリの劣化量ΔＹ_ａを算出し、第１期間での劣化量Ｙ_ａ１に第２期間での劣化量ΔＹ_ａを加えてバッテリの劣化量Ｙ_ａ２を算出する。バッテリの劣化量Ｙ_ａ２は、時間的に累積された劣化量である。

【0013】

同様に、本実施形態では、劣化特性モデル１２４は、第１期間での劣化特性Ｂによるバッテリの劣化量Ｙ_ｂ１を取得し、第２期間での劣化特性Ｂによるバッテリの劣化量ΔＹ_ｂを算出し、第１期間での劣化量Ｙ_ｂ１に第２期間での劣化量ΔＹ_ｂを加えてバッテリの劣化量Ｙ_ｂ２を算出する。バッテリの劣化量Ｙ_ｂ２は、時間的に累積された劣化量である。

【0014】

同様に、本実施形態では、劣化特性モデル１２５は、第１期間での劣化特性Ｃによるバッテリの劣化量Ｙ_ｃ１を取得し、第２期間での劣化特性Ｃによるバッテリの劣化量ΔＹ_ｃを算出し、第１期間での劣化量Ｙ_ｃ１に第２期間での劣化量ΔＹ_ｃを加えてバッテリの劣化量Ｙ_ｃ２を算出する。バッテリの劣化量Ｙ_ｃ２は、時間的に累積された劣化量である。

【0015】

本実施形態では、バッテリの劣化量Ｙは、以下の数式で表される。

【0016】

【数1】

【0017】

【数2】

【0018】

本実施形態では、バッテリデータは、第２期間におけるバッテリの温度Ｔを示す温度データ、第２期間におけるバッテリのＳＯＣを示すＳＯＣデータ、第２期間におけるバッテリの充電および放電による積算電流量ΔΣｉを示す積算電流量データを含む。

【0019】

第２期間におけるバッテリの温度Ｔは、第２期間の始期での温度、第２期間の終期での温度、第２期間の始期と終期の間の中間期での温度、第２期間内の複数の時期での温度の平均、その他の第２期間を代表する温度である。

【0020】

第２期間におけるバッテリのＳＯＣは、第２期間の始期でのＳＯＣ、第２期間の終期でのＳＯＣ、第２期間の始期と終期の間の中間期でのＳＯＣ、第２期間内の複数の時期でのＳＯＣの平均、その他の第２期間を代表するＳＯＣである。

【0021】

第２期間における積算電流量ΔΣｉは、第２期間内の複数の時期でサンプリングされた電流の積算である。

【0022】

本実施形態では、劣化特性モデル１２３は、バッテリ劣化量Ｙ_ａ２に上限を規定する。バッテリ劣化量Ｙ_ａ２は、時間的な累積により増加し、上限に到達すると増加を停止する。劣化特性モデル１２３は、例えば、バッテリの電極材料特性による劣化傾向を反映する。

【0023】

同様に、本実施形態では、劣化特性モデル１２４は、バッテリ劣化量Ｙ_ｂ２に上限を規定する。バッテリ劣化量Ｙ_ｂ２は、時間的な累積により増加し、上限に到達すると増加を停止する。劣化特性モデル１２４は、例えば、バッテリの電極材料特性による劣化傾向を反映する。あるバッテリでは、バッテリ劣化量Ｙ_ｂ２の上限は、バッテリ劣化量Ｙ_ａ２の上限に等しい。別のバッテリでは、バッテリ劣化量Ｙ_ｂ２の上限は、バッテリ劣化量Ｙ_ａ２の上限と異なる。

【0024】

本実施形態では、劣化特性モデル１２５は、バッテリ劣化量Ｙ_ｃ２に上限を規定しない。バッテリ劣化量Ｙ_ｃ２は、時間的な累積により増加し続ける。

【0025】

バッテリ劣化量Ｙ_ａ２の上限は、固定値でもよく変動値でもよい。バッテリ劣化量Ｙ_ｂ２の上限は、固定値でもよく変動値でもよい。本実施形態では、バッテリ劣化量Ｙ_ａ２の上限もバッテリ劣化量Ｙ_ｂ２の上限も変動値である。

【0026】

図３は、バッテリの劣化量Ｙ_ａ２の上限を決定するのに利用される第３マップデータを示す。第３マップデータは、複数の温度候補と、複数のＳＯＣ候補と、複数の劣化量上限候補とを関連付ける。例えば、第３マップデータは、温度Ｔ_１とＳＯＣ_１と劣化量上限Ｕ_１とを関連付ける。第３マップデータは、さらに、温度Ｔ_２とＳＯＣ_２と劣化量上限Ｕ_２とを関連付ける。温度Ｔ_２は、温度Ｔ_１よりも高い。ＳＯＣ_２は、ＳＯＣ_１よりも高い。劣化量上限Ｕ_２は、劣化量上限Ｕ_１よりも大きい。バッテリの劣化量Ｙ_ｂ２も同様にマップデータの利用により決定されてもよい。バッテリの劣化量Ｙ_ｂ２を決定するためのマップデータは、バッテリの劣化量Ｙ_ｂ１を決定するためのマップデータと同じまたは異なる。

【0027】

本実施形態では、劣化特性モデル１２３は、第２期間での劣化量ΔＹ_ａを算出するため以下の数式を含む。劣化量ΔＹ_ａは、Δｔの二乗根に比例する。劣化量ΔＹ_ａは、経過時間要因のバッテリの劣化量を表す。

【0028】

【数3】

【0029】

係数ａ_１は、固定値である。係数ａ_２は、固定値である。係数ａ_３は、固定値である。あるバッテリでは、係数ａ_１、ａ_２、ａ_３は、等しい。別のバッテリでは、係数ａ_１、ａ_２、ａ_３は、互いに異なる。また別のバッテリでは、係数ａ_１、ａ_２、ａ_３のうちの２つが等しい。Δｔは、第２期間の時間的長さである。第１係数Ａ１は、第２期間でのバッテリの利用環境を劣化量に反映するための変動値である。第２係数Ａ２は、第２期間でのバッテリの電極劣化特性を劣化量に反映するための変動値である。

【0030】

本実施形態では、劣化特性モデル１２４は、第２期間での劣化量ΔＹ_ｂを算出するため以下の数式を含む。劣化量ΔＹ_ｂは、Δｔの二乗根に比例する。劣化量ΔＹ_ｂは、経過時間要因のバッテリの劣化量を表す。

【0031】

【数4】

【0032】

係数ｂ_１は、固定値である。係数ｂ_２は、固定値である。係数ｂ_３は、固定値である。あるバッテリでは、係数ｂ_１、ｂ_２、ｂ_３は、等しい。別のバッテリでは、係数ｂ_１、ｂ_２、ｂ_３は、互いに異なる。また別のバッテリでは、係数ｂ_１、ｂ_２、ｂ_３のうちの２つが等しい。Δｔは、第２期間の時間的長さである。第１係数Ｂ１は、第２期間でのバッテリの利用環境を劣化量に反映するための変動値である。第２係数Ｂ２は、第２期間でのバッテリの電極劣化特性を劣化量に反映するための変動値である。

【0033】

本実施形態では、劣化特性モデル１２５は、第２期間での劣化量ΔＹ_ｃを算出するため以下の数式を含む。劣化量ΔＹ_ｃは、第１項と第２項を含む。第１項は、Δｔの二乗根に比例する。第１項は、経過時間要因のバッテリの劣化量を表す。第２項は、ΔΣｉの二乗根に比例する。第２項は、積算電流量要因のバッテリの劣化量（サイクル劣化量ともいう）を表す。

【0034】

【数5】

【0035】

係数ｃ_１は、固定値である。係数ｃ_２は、固定値である。係数ｃ_３は、固定値である。あるバッテリでは、係数ｃ_１、ｃ_２、ｃ_３は、等しい。別のバッテリでは、係数ｃ_１、ｃ_２、ｃ_３は、互いに異なる。また別のバッテリでは、係数ｃ_１、ｃ_２、ｃ_３のうちの２つが等しい。Δｔは、第２期間の時間的長さである。第１係数Ｃ１は、第２期間でのバッテリの利用環境を劣化量に反映するための変動値である。ΔΣｉは、第２期間での積算電流量である。

【0036】

図４は、第１係数Ａ１を決定するのに利用される第１マップデータを示す。第１マップデータは、複数の温度候補と、複数のＳＯＣ候補と、複数の第１係数候補とを関連付ける。例えば、第１マップデータは、温度Ｔ_１とＳＯＣ_１と第１係数Ａ１_（１）とを関連付ける。第１マップデータは、さらに、温度Ｔ_２とＳＯＣ_２と第１係数Ａ１_（２）とを関連付ける。温度Ｔ_２は、温度Ｔ_１よりも高い。ＳＯＣ_２は、ＳＯＣ_１よりも高い。第１係数Ａ１_（２）は、第１係数Ａ１_（１）よりも大きい。一般に、バッテリの劣化量は、バッテリの温度およびバッテリのＳＯＣに依存する。第１マップデータは、このようなバッテリの劣化量の利用環境を反映している。

【0037】

第１係数Ｂ１も、同様に、マップデータにより決定されてもよい。あるバッテリでは、第１係数Ｂ１を決定するためのマップデータは、第１係数Ａ１を決定するためのマップデータと同じである。別のバッテリでは、第１係数Ｂ１を決定するためのマップデータは、第１係数Ａ１を決定するためのマップデータと異なる。

【0038】

第１係数Ｃ１も、同様に、マップデータにより決定されてもよい。あるバッテリでは、第１係数Ｃ１を決定するためのマップデータは、第１係数Ａ１を決定するためのマップデータと同じである。別のバッテリでは、第１係数Ｃ１を決定するためのマップデータは、第１係数Ａ１を決定するためのマップデータと異なる。

【0039】

図５は、第２係数Ａ２を決定するのに利用される第２マップデータを示す。第２マップデータは、複数の劣化量マージン候補と、複数の第２係数候補とを関連付ける。例えば、第２マップデータは、劣化量マージンＭ_１と第２係数Ａ２_（１）とを関連付ける。第２マップデータは、劣化量マージンＭ_２と第２係数Ａ２_（２）とを関連付ける。劣化量マージンＭ_２は、劣化量マージンＭ_１よりも大きい。第２係数Ａ２_（２）は、第２係数Ａ２_（１）よりも大きい。

【0040】

劣化量マージンは、バッテリ劣化量の上限とサイクル劣化量と第１期間での劣化量に基づいて算出されてもよい。例えば、劣化量マージンは、バッテリ劣化量の上限からサイクル劣化量および第１期間での劣化量を差し引くことにより算出されてもよい。

【0041】

本実施形態では、第２係数Ａ２は、０以上１以下の範囲内の値をとる。例えば、劣化量マージンがゼロの場合に、第２係数Ａ２はゼロとなる。第２係数Ａ２がゼロになるので、第２期間での劣化量ΔＹ_ａがゼロになる。第２期間での劣化量ΔＹ_ａがゼロになるので、バッテリの劣化量Ｙ_ａ２は、第１期間での劣化量Ｙ_ａ１と等しくなる。すなわち、劣化量マージンがゼロの場合、バッテリの劣化量Ｙ_ａ２の増加が停止する。

【0042】

第２係数Ｂ２も、同様に、マップデータにより決定されてもよい。あるバッテリでは、第２係数Ｂ２を決定するためのマップデータは、第２係数Ａ２を決定するためのマップデータと同じである。別のバッテリでは、第２係数Ｂ２を決定するためのマップデータは、第２係数Ａ２を決定するためのマップデータと異なる。

【0043】

本実施形態では、第２係数Ｂ２は、第２係数Ａ２と同様に、０以上１以下の範囲内の値をとる。例えば、劣化量マージンがゼロの場合に、第２係数Ｂ２はゼロとなる。劣化量マージンがゼロの場合、バッテリの劣化量Ｙ_ｂ２の増加が停止する。

【0044】

図６は、第２期間でのバッテリ劣化量決定処理の流れを示す。バッテリ劣化量決定処理は、一定のサンプリング周期で繰り替えされる。

【0045】

ステップＳ１０１では、バッテリデータが取得される。上述の通り、バッテリデータは、温度データ、ＳＯＣデータおよび積算電流量データを含む。

【0046】

ステップＳ１０２では、劣化特性Ａによるバッテリの劣化量Ｙ_ａが算出される。上述の通り、バッテリの劣化量Ｙ_ａは、劣化特性モデル１２３の利用により、バッテリデータに基づいて算出される。

【0047】

ステップＳ１０３では、劣化特性Ｂによるバッテリの劣化量Ｙ_ｂが算出される。上述の通り、バッテリの劣化量Ｙ_ｂは、劣化特性モデル１２４の利用により、バッテリデータに基づいて算出される。

【0048】

ステップＳ１０４では、劣化特性Ｃによるバッテリの劣化量Ｙ_ｃが算出される。上述の通り、バッテリの劣化量Ｙ_ｃは、劣化特性モデル１２５の利用により、バッテリデータに基づいて算出される。

【0049】

ステップＳ１０５では、劣化量Ｙ_ａ、Ｙ_ｂ、Ｙ_ｃに基づいて、バッテリの劣化量Ｙが算出される。

【0050】

図７および図８は、バッテリの劣化特性モデルを構築するプロセスを示す。まず、実験により、バッテリの劣化量の時間推移を示す劣化曲線データが得られる。実験は複数の異なる水準で実施される。例えば、水準１は、低温および低ＳＯＣの組み合わせである。水準１では、劣化曲線１０が得られる。水準２は、低温および高ＳＯＣの組み合わせである。水準２では、劣化曲線２０が得られる。水準３は、高温および低ＳＯＣの組み合わせである。水準３では、劣化曲線３０が得られる。水準４は、高温および高ＳＯＣの組み合わせである。水準４では、劣化曲線４０が得られる。

【0051】

図７に示すように、本実施形態では、劣化曲線１０、２０、３０、４０はいずれも２つの変曲点を含む。つまり、劣化曲線１０、２０、３０、４０は、いずれも、大きな傾きを有する期間α、中程度の傾きを有する期間β、小さな傾きを有する期間γを含む。ただし、劣化曲線１０、２０、３０、４０は、それぞれの期間の長さおよびそれぞれの期間での傾きにおいて互いに異なる。

【0052】

図８に示すように、水準１での劣化曲線１０は、劣化特性Ａによる劣化曲線１１、劣化特性Ｂによる劣化曲線１２および劣化特性Ｃによる劣化曲線１３に分解される。劣化曲線１０は、劣化曲線１１、劣化曲線１２および劣化曲線１３の和である。劣化曲線１１は、期間αで上限に達し、期間βおよび期間γではゼロの傾きを有する。劣化曲線１２は、期間αと期間βで上限に達し、期間γではゼロの傾きを有する。劣化曲線１３は、上限を有さない。水準１での劣化曲線１０を劣化曲線１１、１２、１３に分解する方法は、無数に存在する。つまり、劣化曲線１１の候補は無数に存在する。劣化曲線１２の候補は無数に存在する。劣化曲線１３の候補は無数に存在する。

【0053】

同様に、水準２での劣化曲線２０は、劣化特性Ａによる劣化曲線、劣化特性Ｂによる劣化曲線、劣化特性Ｃによる劣化曲線に分解される。水準２でも、劣化特性Ａによる劣化曲線の候補は無数に存在する。劣化特性Ｂによる劣化曲線の候補は無数に存在する。劣化特性Ｃによる劣化曲線の候補は無数に存在する。水準３、４についても同様である。

【0054】

水準１から水準４のいずれにおいても実験データに近似する劣化特性Ａによる劣化曲線が、無数の候補の中からトライアルアンドエラーあるいはフィッティングにより選択される。同様に、水準１から水準４のいずれにおいても実験データに近似する劣化特性Ｂによる劣化曲線が、無数の候補の中から選択される。水準１から水準４のいずれにおいても実験データに近似する劣化特性Ｃによる劣化曲線が、無数の候補の中から選択される。これにより、水準１から水準４のいずれにおいても実験データに近似する結果を出力する統一モデル（劣化特性モデル１２３、１２４、１２５）が得られる。

【0055】

上記のトライアルアンドエラーあるいはフィッティングにより、劣化特性モデル１２３、１２４、１２５の各係数、劣化特性モデル１２３、１２４、１２５の第１係数を決定するための第１マップデータ、劣化特性モデル１２３、１２４、１２５の第２係数を決定するための第２マップデータ、劣化特性モデル１２３、１２４の上限を決定するための第３マップデータが決定される。

【0056】

図９において、劣化曲線１３１は、従来技術に係るバッテリ劣化量決定処理により算出されるバッテリ劣化量を示す。例えば、従来技術では、劣化曲線１３１の傾きは、バッテリ劣化量が閾値Ｙ_ｔｈ１に到達したとき、バッテリ劣化量が閾値Ｙ_ｔｈ２に到達したときに変化する。劣化曲線１３２は、本実施形態に係るバッテリ劣化量決定処理により算出されるバッテリ劣化量を示す。劣化曲線１３２は、サンプリング期間Ｓ_１、Ｓ_２、Ｓ_３、Ｓ_４、Ｓ_５、Ｓ_６ごとに異なる傾きを有し得る。サンプリング期間Ｓ_１では、バッテリ劣化量は、サンプリング期間Ｓ_１でのバッテリデータに基づいて算出される。サンプリング期間Ｓ_２では、バッテリ劣化量は、サンプリング期間Ｓ_２でのバッテリデータに基づいて算出される。

【0057】

図１０は、本開示の実施形態に係るバッテリ劣化量決定方法の応用例を示す。バッテリ劣化量決定方法は、車両１０１に実装され得る。車両１０１は、例えば、電気自動車、ハイブリッド自動車、外部充電または外部給電が可能なプラグインハイブリッド自動車、その他のバッテリから受けた電力により駆動する車両である。

【0058】

車両１０１は、エンジン１０２およびジェネレータ１０３を含み得る。エンジン１０２は、回転エネルギーを出力する内燃機関を含み得る。ジェネレータ１０３は、エンジン１０２から回転エネルギーを受けて、回転エネルギーに基づいて電気エネルギーを生成してもよい。

【0059】

車両１０１は、さらに、フロントモータドライブユニット（ＦＰＤＵ）１０４、バッテリパック１０５およびフロントモータ１１２を含み得る。ＦＰＤＵ１０４は、ジェネレータ１０３またはバッテリパック１０５から電力線１１３を介して電気エネルギーを受けて、フロントモータ１１２に電力線１１６を介して電気エネルギーを与える。フロントモータ１１２は、電気エネルギーを受けて、電気エネルギーを回転エネルギーに変換し、回転エネルギーを車両の前輪に与える。フロントモータ１１２は、ジェネレータ１０３と共通の冷却１１７を受ける。

【0060】

車両１０１は、さらに、エレクトロニックコントロールユニット（ＥＣＵ）１１１を含み得る。ＥＣＵ１１１は、ＦＰＤＵ１０４およびバッテリパック１０５にデータ線１１４、１１５を介して接続されている。

【0061】

バッテリパック１０５は、バッテリ１０６、温度センサ１０７、電圧センサ１０８、電流センサ１０９およびバッテリマネジメントユニット（ＢＭＵ）１１０を含み得る。バッテリ１０６は、例えば、リチウムイオンバッテリである。温度センサ１０７は、バッテリ１０６の温度を検出して、バッテリ１０６の温度を示す温度データを生成する。電圧センサ１０８は、バッテリ１０６の電圧を検出して、バッテリ１０６の電圧を示す電圧データを生成する。電流センサ１０９は、バッテリ１０６の充電および放電による電流を検出し、バッテリ１０６の電流を示す電流データを生成する。ＢＭＵ１１０は、温度センサ１０７、電圧センサ１０８および電流センサ１０９に接続されている。ＢＭＵ１１０は、温度センサ１０７から温度データを取得し、電圧センサ１０８から電圧データを取得し、電流センサ１０９から電流データを受信する。ＢＭＵ１１０は、温度データ、電圧データおよび電流データに基づいて、温度データ、バッテリ１０６のＳＯＣを示すＳＯＣデータ、および、バッテリ１０６の充電および放電による積算電流量を示す積算電流量データを含むバッテリデータを生成する。ＢＭＵ１１０は、上述のバッテリ劣化量決定処理を実施して、バッテリデータに基づいてバッテリ１０６の劣化量を決定する。

【0062】

ＢＭＵ１１０は、バッテリ１０６の劣化量をＳＯＣの算出に利用し得る。ＢＭＵ１１０は、バッテリ１０６の劣化量を示す劣化量データを生成し、劣化量データをＥＣＵ１１１に送信してもよい。ＥＣＵ１１１は、劣化量データを受信して、バッテリ１０６の劣化量に基づいて車両１０１の航続距離の演算に利用し得る。

【0063】

バッテリ１０６は、時間帯、季節、地域、利用状況その他の要因により、時間経過とともに異なる温度および異なるＳＯＣをとり得る。本実施形態のバッテリ劣化量決定処理は、サンプリング期間ごとにそのサンプリング期間での温度およびそのサンプリング期間でのＳＯＣに基づいてバッテリ１０６の劣化量を決定する。バッテリ１０６の劣化量は、時間経過とともに異なる温度および異なるＳＯＣを反映する。

【0064】

上記実施形態では、バッテリは、劣化特性Ａ、劣化特性Ｂおよび劣化特性Ｃの３つを含むが、これに限らず、２つの特性を有してもよく、４つ以上の特性を有してもよい。

【0065】

以上、各種の実施の形態について説明したが、本発明はかかる例に限定されないことは言うまでもない。当業者であれば、特許請求の範囲に記載された範疇内において、各種の変更例又は修正例に想到し得ることは明らかであり、それらについても当然に本発明の技術的範囲に属するものと了解される。また、発明の趣旨を逸脱しない範囲において、上記実施の形態における各構成要素を任意に組み合わせてもよい。

【0066】

なお、本出願は、２０２２年３月１５日出願の日本特許出願（特願２０２２－０３９８９７）に基づくものであり、その内容は本出願の中に参照として援用される。

【符号の説明】

【0067】

１０１ 車両
１０２ エンジン
１０３ ジェネレータ
１０５ バッテリパック
１０６ バッテリ
１０７ 温度センサ
１０８ 電圧センサ
１０９ 電流センサ
１１２ フロントモータ
１１３ 電力線
１１４、１１５ データ線
１１６ 電力線
１１７ 冷却
１２０ バッテリ劣化量決定処理
１２３ 劣化特性モデル
１２４ 劣化特性モデル
１２５ 劣化特性モデル
１３１ 劣化曲線
１３２ 劣化曲線

【図1】

【図2】

【図3】

【図4】

【図5】

【図6】

【図7】

【図8】

【図9】

【図10】