[go: up one dir, main page]

CN115210593A - 劣化度诊断装置 - Google Patents

劣化度诊断装置 Download PDF

Info

Publication number
CN115210593A
CN115210593A CN202080097985.8A CN202080097985A CN115210593A CN 115210593 A CN115210593 A CN 115210593A CN 202080097985 A CN202080097985 A CN 202080097985A CN 115210593 A CN115210593 A CN 115210593A
Authority
CN
China
Prior art keywords
battery
deterioration
voltage
data
curve
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Pending
Application number
CN202080097985.8A
Other languages
English (en)
Inventor
小笠原圭佑
竹上智己
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Mitsubishi Electric Corp
Original Assignee
Mitsubishi Electric Corp
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
Application filed by Mitsubishi Electric Corp filed Critical Mitsubishi Electric Corp
Publication of CN115210593A publication Critical patent/CN115210593A/zh
Pending legal-status Critical Current

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]
    • G01R31/392—Determining battery ageing or deterioration, e.g. state of health
    • 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]
    • G01R31/385—Arrangements for measuring battery or accumulator variables
    • 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
    • H01M10/05—Accumulators with non-aqueous electrolyte
    • H01M10/052—Li-accumulators
    • H01M10/0525—Rocking-chair batteries, i.e. batteries with lithium insertion or intercalation in both electrodes; Lithium-ion batteries
    • 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
    • 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
    • H01M10/425—Structural combination with electronic components, e.g. electronic circuits integrated to the outside of the casing
    • 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
    • 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
    • H01M10/486—Accumulators combined with arrangements for measuring, testing or indicating the condition of cells, e.g. the level or density of the electrolyte for measuring temperature
    • 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]
    • G01R31/374—Arrangements for testing, measuring or monitoring the electrical condition of accumulators or electric batteries, e.g. capacity or state of charge [SoC] with means for correcting the measurement for temperature or ageing
    • 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
    • H01M10/425—Structural combination with electronic components, e.g. electronic circuits integrated to the outside of the casing
    • H01M2010/4271—Battery management systems including electronic circuits, e.g. control of current or voltage to keep battery in healthy state, cell balancing
    • Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02E—REDUCTION OF GREENHOUSE GAS [GHG] EMISSIONS, RELATED TO ENERGY GENERATION, TRANSMISSION OR DISTRIBUTION
    • Y02E60/00—Enabling technologies; Technologies with a potential or indirect contribution to GHG emissions mitigation
    • Y02E60/10—Energy storage using batteries

Landscapes

  • Engineering & Computer Science (AREA)
  • Chemical & Material Sciences (AREA)
  • Manufacturing & Machinery (AREA)
  • Chemical Kinetics & Catalysis (AREA)
  • Electrochemistry (AREA)
  • General Chemical & Material Sciences (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Microelectronics & Electronic Packaging (AREA)
  • Materials Engineering (AREA)
  • Secondary Cells (AREA)

Abstract

劣化度诊断装置(100)具备：充放电控制部(11)，控制电池(20)的充电或放电；电池信息测量部(12)，测量电池(20)的电压、电流，测量充电或放电时的容量和电压推移；多个数据合并部(13)，将由电池信息测量部(12)测量出的至少2个不同的区间的电池容量电压数据进行合并，制作电池容量电压曲线；以及劣化度诊断部(14)，基于电池容量电压曲线估计电池(20)的劣化度。

Description

劣化度诊断装置
技术领域
本申请涉及一种劣化度诊断装置。
背景技术
为了判断电池的适当的更换时期以及为了准确地掌握运用中的电池的容量，估计电池的劣化度的技术是重要的。
公开了如下方法：记录电池的某特定的一个区间的电压曲线，将开路电压曲线的正极、负极电压曲线反复移动、缩放以使其与特定的一个区间的电压曲线(实测值)一致，由此估计电池的当前的开路电压曲线(例如，专利文献1)。
另外，公开了如下电池控制装置：测定电池的开路电压曲线，根据行驶历史记录，计算正极、负极容量维持率和表示正负极组成对应偏差容量的劣化参数，以与开路电压曲线(实测值)一致的方式反复计算并确定开路电压曲线(估计值)(例如，专利文献2)。
专利文献1：日本特表2018-524602公报
专利文献2：日本特开2017-195727公报
发明内容
发明要解决的问题
在电动汽车中充电动作是用户任意的动作，另外，车载充电器的电池容量小，为了完全充电需要时间。因此，需要收集车载充电器对电池的各种区间的部分充电数据，使用这些数据来制作电压曲线，对电压曲线进行分析来诊断劣化度。但是，在专利文献1、2的方法、装置中不具备使用多个数据来制作电压曲线的功能。
本申请公开用于解决如上所述的问题的技术，目的在于得到即使在如电动汽车那样的充电动作是用户任意的动作的情况下也能够准确地估计电池的劣化度的劣化度诊断装置。
用于解决问题的方案
本申请所公开的劣化度诊断装置具备：充放电控制部，控制电池的充电或放电；电池信息测量部，测量电池的电压、电流，测量充电或放电时的容量和电压推移；多个数据合并部，将由电池信息测量部测量出的至少2个不同的区间的电池容量电压数据进行合并，制作电池容量电压曲线；以及劣化度诊断部，基于电池容量电压曲线估计电池的劣化度。
发明的效果
根据本申请所公开的劣化度诊断装置，即使在如电动汽车那样的充电动作是用户任意的动作的情况下，也能够准确地估计电池的劣化度。
附图说明
图1是基于实施方式1的劣化度诊断装置的结构图。
图2是与基于实施方式1的劣化度诊断装置有关的电池的电压与正极的电位、负极的电位的关系说明图。
图3是与基于实施方式1的劣化度诊断装置有关的电池的正极劣化时的电池的电压与正极的电位、负极的电位的关系说明图。
图4是与基于实施方式1的劣化度诊断装置有关的电池的负极劣化时的电池的电压与正极的电位、负极的电位的关系说明图。
图5是与基于实施方式1的劣化度诊断装置有关的电池的Li离子消耗劣化时的电池的电压与正极的电位、负极的电位的关系说明图。
图6是表示与基于实施方式1的劣化度诊断装置有关的电池的电压、正极电位以及负极电位的容量微分曲线的图。
图7是与基于实施方式1的劣化度诊断装置有关的多个数据合并部的结构图。
图8是与基于实施方式1的劣化度诊断装置有关的多个数据合并部的处理流程图。
图9是与基于实施方式1的劣化度诊断装置有关的电压的容量微分曲线中出现的峰位置的说明图。
图10A是与基于实施方式1的劣化度诊断装置有关的电压的容量微分曲线中出现的正极峰位置和负极峰位置的变化的说明图。
图10B是与基于实施方式1的劣化度诊断装置有关的电压的容量微分曲线中出现的正极峰位置和负极峰位置的变化的说明图。
图11是与基于实施方式1的劣化度诊断装置有关的基于负极和正极的dV/dQ曲线的劣化度诊断例的说明图。
图12是与基于实施方式1的劣化度诊断装置有关的基于负极和正极的dV/dQ曲线的劣化度诊断例的说明图。
图13是基于实施方式2的劣化度诊断装置的结构图。
图14是与基于实施方式2的劣化度诊断装置有关的电池的内部电阻与温度的相关性的说明图。
图15是基于实施方式2的劣化度诊断装置的应用例的结构图。
图16是与基于实施方式2的劣化度诊断装置有关的电极的反应分布模型的说明图。
图17是基于实施方式3的劣化度诊断装置的结构图。
图18是与基于实施方式3的劣化度诊断装置有关的电池的迟滞现象的说明图。
图19A是与基于实施方式3的劣化度诊断装置有关的发生迟滞的情况下的电压的容量微分曲线中出现的峰位置的说明图。
图19B是与基于实施方式3的劣化度诊断装置有关的发生迟滞的情况下的电压的容量微分曲线中出现的峰位置的说明图。
图20是基于实施方式4的劣化度诊断装置的结构图。
图21是与基于实施方式4的劣化度诊断装置有关的电池的保存劣化模式与温度的相关性的说明图。
图22是与基于实施方式4的劣化度诊断装置有关的电池的循环劣化模式与温度的相关性的说明图。
图23是基于实施方式5的劣化度诊断装置的结构图。
图24是为了实现基于实施方式1至实施方式5的劣化度诊断装置的功能而使用专用的硬件的情况下的结构图。
图25是为了实现基于实施方式1至实施方式5的劣化度诊断装置的功能而使用通用的硬件的情况下的结构图。
(附图标记说明)
11：充放电控制部；12：电池信息测量部；13：多个数据合并部；14：劣化度诊断部；20：电池；31：数据存储部；32：数据合并部；41：温度数据变换部；42：反应分布校正部；51：迟滞校正部；61：劣化校正部；70：劣化抑制部；71：电池使用历史记录获取部；72：电池使用历史记录-劣化度相关性获取部；73：充放电管理部；80：处理电路；90：控制电路；91：处理器；92：存储器；100、200、300、400、500：劣化度诊断装置；R1、R2、R3：电解液电阻；R4、R5、R6：扩散电阻；C4、C5、C6：电容；OCV1、OCV2、OCV3：模型电池开路电压。
具体实施方式
实施方式1.
实施方式1涉及劣化度诊断装置，该劣化度诊断装置具备：充放电控制部，控制电池的充电或放电；电池信息测量部，测量电池的电压、电流，并测量充电或放电时的电池容量和电压推移；多个数据合并部，将由电池信息测量部测量出的至少2个不同的区间的电池容量电压数据进行合并，制作电池容量电压曲线；以及劣化度诊断部，基于电池容量电压曲线估计电池的劣化度，劣化度诊断部对电池容量电压曲线的微分曲线进行分析，来确定基于正极、负极以及Li离子消耗的劣化因素，估计电池的劣化度。
以下，关于实施方式1所涉及的劣化度诊断装置的结构和动作，基于劣化度诊断装置的结构图即图1、电池的电压与正极的电位、负极的电位的关系说明图即图2、电池的正极劣化时的电池的电压与正极的电位、负极的电位的关系说明图即图3、电池的负极劣化时的电池的电压与正极的电位、负极的电位的关系说明图即图4、电池的Li离子消耗劣化时的电池的电压与正极的电位、负极的电位的关系说明图即图5、表示电池的电压、正极电位以及负极电位的容量微分曲线的图即图6、多个数据合并部的结构图即图7、多个数据合并部的处理流程图即图8、电压的容量微分曲线中出现的峰位置的说明图即图9、电压的容量微分曲线中出现的正极峰位置和负极峰位置的变化的说明图即图10以及基于负极和正极的dV/dQ曲线的劣化度诊断例的说明图即图11、图12，来进行说明。
基于图1说明实施方式1的劣化度诊断装置100的整体的结构。
劣化度诊断装置系统整体包括劣化度诊断装置100和作为诊断对象的电池20。电池20不是劣化度诊断装置100的一部分，但是由于紧密关联，因此不区分电池20而进行说明。
劣化度诊断装置100具备：充放电控制部11，具有对电池20进行充电的功能；电池信息测量部12，测量电池20的电流、电压；多个数据合并部13，将由电池信息测量部12得到的电池容量电压数据进行合并；以及劣化度诊断部14，估计电池20的劣化因素、劣化度。
此外，在说明中，电池容量电压数据是电池容量-电压数据、即相对于电池容量的电压的数据。
关于电池20，设想了锂离子电池来进行说明。但是，电池20的种类不限于锂离子电池，也可以是铅蓄电池、镍氢电池等。
并且，电池的形状不限定于图1中示出的例子即圆筒型，能够对层叠型、卷绕型、按钮型等各种形状的电池应用在本实施方式1中说明的技术。
另外，电池20不限于单电池，也可以是多个串联或并联连接的模块和包。
关于充放电控制部11，设想了在EV(Electric Vehicle：电动汽车)和PHEV(Plug-IN Hybrid Electric Vehicle：插电式混合动力汽车)中使用的车载充电器以及在移动设备等的充电中使用的充电器和电力变换器。此外，充放电控制部11也可以是还与未图示的负载连接来进行从电池20向负载的放电的具有双向化电力变换功能的变换器。
电池信息测量部12具有以下功能：测量利用充放电控制部11进行了充电时的电池20的电流、电压，测量对电流值进行累计所得到的容量和电压推移。
由电池信息测量部12测量的容量是对充电时的电流进行时间累计来计算的容量Ah或Wh。
另外，也可以用将电池20的基准容量和未劣化时的容量设为100％的情况下的容量维持率和标准化的充电率SOC(State Of Charge：荷电状态)来表示。
另外，电池信息测量部12也可以测量电池20的温度。
多个数据合并部13将在由充放电控制部11对电池20进行了充电时由电池信息测量部12测量出的各种电池容量电压数据进行合并，来制作电池容量电压曲线。此外，在说明中，电池容量电压曲线是电池容量-电压曲线、即相对于电池容量的电压的曲线。
在例如由用户任意地实施电动汽车等充电动作的情况下，不能保证得到充电范围为0％至100％的电池容量电压数据。因此，需要针对充电范围为SOC0～20％、20％～40％、40％～60％、60％～80％以及80％～100％之类的不同的区间的数据，将电池容量电压数据进行合并来制作电池容量电压曲线。
在此，说明锂离子电池的劣化现象。
锂离子电池等二次电池的劣化是多个劣化模式的复合现象。电池20的劣化发生输出的下降和容量的下降等现象。
并且，输出的下降、容量的下降现象是由于作为电池内部的劣化因素的内部电阻的增大、正极容量的下降、负极容量的下降以及Li离子的消耗(基于在负极表面产生的覆膜生长的Li离子消耗和向电极表面的析出)的复合而发生的。
作为确定这些劣化因素的方法，采用对电池20的充电或放电时的容量和电压的推移进行分析的方法。
接着，关于对锂离子电池的劣化因素进行分析的方法，基于图2～图6进行说明。
图2是电池20的电压(开路电压OCV(Open Circuit Voltage))、在电池20内通常使用的正极Li(Ni-Mn-Co)O2的电位以及负极石墨的电位的相关图。
此外，在图2中，横轴是电池20的容量(Q)。左侧的纵轴是电池20的电压，右侧的纵轴是电池20的正极、负极的电位。在图3～图5中也同样。
另外，在图2中，用实线表示电池20的电压曲线，用虚线表示正极的电位曲线，用单点划线表示负极的电位曲线。在图3～图6、图9中也同样。
电池20的电压U与正极的电位(OCP(Open Circuit Potential))Up及负极的电位(OCP)Un具有式(1)的关系。
U＝Up-Un (1)
接着，基于该电池20的OCV曲线和正极、负极的OCP曲线，按劣化因素分类对电池20的OCV曲线造成的影响。
图3相对于未劣化的新产品的未劣化电池的OCV曲线示出了发生正极劣化的情况下的电池20的OCV曲线和正极OCP曲线、负极OCP曲线。
在用式(1)定义了新产品时的电池电压模型的情况下，通过用式(2)表现劣化的电池电压模型，能够求出起因于正极劣化的参数θp。在此，s是电池20的容量。
在发生正极劣化的情况下，正极OCP曲线向左方向缩小，由于该影响而电池OCV曲线在SOC比中间高的区域中电压变高。
负极OCP曲线几乎平坦，因此电池20的满充电状态(SOC＝100％)的位置大致由正极OCP曲线决定。因此，正极劣化对电池20的容量即劣化度造成大的影响。
U(s)＝Up(θp·s)-Un(s) (2)
图4相对于未劣化的新产品的未劣化电池的OCV曲线示出了发生负极劣化的情况下的劣化电池的OCV曲线和正极OCP曲线、负极OCP曲线。
在仅发生负极劣化的情况下，负极OCP曲线向左方向缩小而相变位置偏移，由于该影响而电池20的OCV曲线也发生形状变化。但是，该影响是有限的。与仅发生正极劣化的情况不同，在SOC比中间高的区域中，对电池OCV曲线的形状几乎不造成影响。
这是由于负极石墨的OCP曲线的形状非常平坦。通过用式(3)来表现劣化的电池电压模型，能够求出起因于负极劣化的参数θn。
U(s)＝Up(s)-Un(θn·s) (3)
图5相对于未劣化的新产品电池的OCV曲线示出了发生因锂消耗引起的正负极间SOC偏移时的劣化电池的OCV曲线和正极OCP曲线、负极OCP曲线。
在发生因锂离子的消耗引起的正负极间SOC偏移的情况下，正极OCP曲线在整个SOC区域中向左方向偏移，电池OCV曲线整体上电压变高。
与仅发生正极劣化的情况的差异在于，电池OCV曲线在低于SOC的中间的区域中也变高。通过用式(4)来表现由于锂消耗而劣化的电池电压模型，能够求出起因于锂离子消耗的劣化参数θt。
U(s)＝Up(s+θt)-Un(s) (4)
到此为止说明了因各劣化因素引起的电池20的OCV曲线和正极、负极OCP曲线的变化。但是，电池电压相对于容量的推移是微小的变化，因此难以基于电池20的OCV曲线的变化确定各个劣化因素。
因此，能够基于以容量对电池20的OCV曲线进行微分所得到的微分曲线即dV/dQ曲线，对正极OCP曲线、负极OCP曲线的变化进行分析，确定劣化因素。
接着，说明通过对电池20的电池容量电压曲线的微分曲线、即dV/dQ曲线进行分析来确定劣化因素的方法。
图6中作为例子示出了以容量对正极中使用Li(Ni-Mn-Co)O2、且负极中使用石墨的电池20的OCV曲线、正极OCP曲线、负极OCP曲线进行微分所得到的dV/dQ曲线。
此外，在图6中，横轴是电池的容量(Q)，纵轴是dV/dQ。
通常使用的负极石墨的dV/dQ曲线根据充电状态而出现随着相变所产生的峰。另外，正极Li(Ni-Mn-Co)O2的dV/dQ曲线根据充电状态而出现随着相变所产生的峰。
正极的dV/dQ曲线具有随着SOC从中间SOC变高而出现峰的形状。负极的dV/dQ曲线呈现具有多个峰的形状。
通过用峰函数对正极的dV/dQ曲线和负极的dV/dQ曲线进行近似计算，能够估计与各劣化因素有关的参数。例如，关于正极的峰函数，能够利用常数项与S型函数的加法运算来表现。关于负极的峰函数，一般能够利用Cauchy分布的累积函数、以及逻辑函数(logistic function)之和来表现。
作为例子，式(5)中表示逻辑分布函数(logistic distribution function)。
在此，x表示电池20的容量，μ表示中央值，d表示方差值，k表示峰高度。
f(x)＝k/(1+exp(-(x-μ)/d) (5)
在此，关于多个数据合并部13的功能，基于图7、图8进行说明。
图7是多个数据合并部13的结构图。
多个数据合并部13具备数据存储部31、数据合并部32。多个数据合并部13将由电池信息测量部12得到的各种电池容量电压数据存储到数据存储部31，由数据合并部32将这些多个电池容量电压数据进行合并。
作为多个数据合并部13的处理，也可以设为如下结构：针对由电池信息测量部12得到的各种容量-电压数据，作为微分电压曲线来进行分析，判断是否存储以及是否合并。
基于图8说明多个数据合并部13的处理流程。
在步骤1(S01)中，从数据存储部31获取由电池信息测量部12测量出的电池容量电压数据。
在步骤2(S02)中，以容量(Q)对电池容量电压数据(曲线)进行微分，进行dV/dQ曲线分析。
在步骤3(S03)中，检测基于电池20内的正极、负极的峰。
在步骤4(S04)中，判断是否得到足以进行由劣化度诊断部14进行的电池20的劣化诊断的数据。具体地说，判断是否检测出在图9、图10中说明的关于负极的峰A、B和关于正极的峰C。
在步骤5(S05)中，由于步骤4(S04)的判断是数据量不充分，因此进一步从数据存储部31获取电池容量电压数据。
在步骤6(S06)中，将已经获取的电池容量电压数据与本次新获取的电池容量电压数据进行合并。然后，在电池容量电压数据合并后，返回到步骤2(S02)。
在步骤7(S07)中，由于步骤4(S04)的判断是数据量充分，因此将电池容量电压数据(曲线)发送到劣化度诊断部14。
接着，关于劣化度诊断部14的功能，基于图9、图10进行说明。
此外，在图9、图10A、图10B中，横轴是电池的容量(Q)，纵轴是dV/dQ。在图9中，如稍后说明的那样，D是“能够探测未劣化电池、劣化电池的负极峰A、B和正极峰C的数据范围”。
在图10A中，对于关于负极的dV/dQ曲线，用实线表示未劣化，用虚线表示负极劣化，用单点划线表示因Li消耗引起的负极偏移。
在图10B中，对于关于正极的dV/dQ曲线，用实线表示未劣化，用虚线表示负极劣化，用单点划线表示因Li消耗引起的负极偏移。
劣化度诊断部14分析对由多个数据合并部13制作的电池容量电压曲线进行微分所得到的dV/dQ曲线，估计与正极劣化、负极劣化、Li离子消耗有关的劣化参数。
在劣化参数估计时，关于dV/dQ曲线的容量，利用基于未劣化电池或作为基准的电池容量计算出的标准化容量、或充电率SOC，由此能够根据未劣化电池估计劣化后的电池20的劣化参数。
例如，检测图9的负极的dV/dQ曲线中出现的峰A和峰B，观测劣化电池20及未劣化电池的峰A与峰B间的距离，由此能够估计起因于负极的劣化参数θn。
图10A是表示负极的dV/dQ曲线中出现的峰函数的变化例的图。未劣化电池的负极的dV/dQ曲线中出现的峰函数在发生负极劣化的情况下整体上收缩，由此峰A与峰B间的距离缩小。
另外，在图9中，能够探测未劣化电池、劣化电池的正极的dV/dQ曲线中出现的峰C，如果观测峰C的高度，则能够估计起因于正极的劣化参数θp。
图10B是表示正极的dV/dQ曲线中出现的峰C的变化例的图。相对于未劣化电池的峰C，如果发生正极劣化则峰C的高度变大。
另外，通过从未劣化电池、劣化电池的负极dV/dQ曲线观测峰A和峰B的偏移量、并从正极dV/dQ曲线观测峰C的偏移量，能够确定基于Li消耗的劣化参数θt。
在发生基于Li消耗的劣化的情况下，发生图10A的负极峰和图10B的正极峰C的偏移。如果正极峰C在观察到负极的峰A和峰B的数据范围，则能够根据该峰C的高度和峰C位置的偏移估计各个劣化参数。
此外，在图10A、图10B中，在纵轴的左侧记载的线是实际上观测不到的部分。为了便于理解因各个劣化因素引起的负极偏移、正极偏移的整体而记载。
劣化度诊断部14通过观测与能够探测未劣化电池、劣化电池的负极峰A、B及正极峰C的数据范围D(参照图9)相当的电池容量电压数据和容量-dV/dQ曲线，能够估计电池20本身或在设备中指定的使用上限电压至下限电压的电池容量电压曲线。劣化度诊断部14能够估计相对于未劣化电池或作为基准的电池的容量而言的劣化电池的容量、即劣化度。
根据这样的结构，能够根据所需最小限度的电池容量电压数据估计与电池使用范围相当的电池容量电压曲线，并准确地诊断劣化度，因此不需要电池使用范围整体的充电时或放电时的电压数据。
接着，基于图11、图12说明进行了基于负极的dV/dQ曲线的峰A、B和正极的dV/dQ曲线的峰C的劣化度诊断的结果例。
图11表示劣化电池(容量维持率84％)的电压曲线和部分充电数据。
此外，在图11中，横轴是电池的容量(％)，纵轴是电池20的电压。
另外，在图11中，用粗实线表示实测部分充电数据，用粗虚线表示估计电池容量电压曲线。在图11中，将估计电池容量电压曲线记载为估计电压曲线。
图12示出了图11的电压曲线的微分电压dV/dQ曲线。
此外，在图12中，横轴是电池的容量(％)，纵轴是dV/dQ。
另外，在图12中，用粗实线表示实测部分充电数据的微分曲线，用粗虚线表示估计电池容量电压曲线的微分曲线。用细虚线表示正极dV/dQ曲线，用细单点划线表示负极dV/dQ曲线。在图12中，将估计电池容量电压曲线记载为估计电压曲线。
从部分充电数据检测负极峰A、B和正极峰C，如在图10中说明的那样，进行与未劣化电池的比较，能够估计伴随负极峰A与峰B间距离的变化的负极劣化参数θn、伴随负极峰A与峰B的偏移量的Li消耗劣化参数θt。另外，能够估计伴随正极峰C的位置(高度)变化的正极劣化参数θp、伴随正极峰C的偏移的基于Li消耗的劣化参数θt。
如图11、图12所示那样估计电池20的使用范围整体的电池容量电压曲线的结果，在图11中，对应于估计出的电池容量电压曲线与上限电压的交点的容量位置表示劣化度84％。
多个数据合并部13也可以基于各种电池容量电压数据制作至少能够观测负极峰A、B和正极峰C的电池容量电压数据。或者，在图9中，能够以包括数据范围D的方式制作电池容量电压数据。
根据这样的结构，通过具备多个数据合并部13，能够根据随机地汇集的数据制作为了估计整体的电池容量电压曲线所需的数据。因而，即使在通过用户的任意的动作来进行充电、放电的设备中也能够准确地估计电池20的劣化度。
另外，如图10A所示，在由于负极劣化而负极的dV/dQ曲线收缩的情况下，存在如下情况：在下限容量附近观测到的随着dV/dQ上升所产生的峰的位置不变，负极峰A与峰B的峰间的距离缩小。在该情况下，不会由于负极劣化而电池下限电压发生变化，并且如之前说明的那样电池上限电压仅受到正极劣化的影响，因此负极劣化对电池整体电压曲线的变化和劣化度(容量)没有影响。
因而，针对劣化电池，通过仅探测正极峰C，能够估计电池整体的电压曲线，能够诊断劣化度。
另外，在负极的dV/dQ曲线中，还出现峰A、B以外的峰，因此还能够通过对其它峰进行分析来估计负极劣化的参数。但是，在负极的dV/dQ曲线的峰A、B出现的范围中出现正极的峰C，因此即使探测到负极的dV/dQ曲线的峰A、B以外的峰，也有可能无法确定正极的劣化因素。
但是，如果正极的劣化度为预先已知的状态，则也可以基于负极的dV/dQ曲线的峰A、B以外的峰估计负极劣化参数，估计电池使用范围的电池容量电压曲线，据此诊断劣化度。
在以上的说明中，以在正极中使用Li(Ni-Mn-Co)O2、且在负极中使用石墨的电池的dV/dQ曲线中出现的峰为例进行了说明。但是，也有可能在正极中例如使用LiCoO2或LiFePO4、且在负极中使用钛酸锂等材料。如果正极、负极的材料不同，则各自出现的峰位置有可能不同。
在这样的情况下，多个数据合并部13也可以规定在初期实施的电压曲线分析时在估计出电池20整体的电池容量电压曲线时使用的数据范围，根据各种各样的多个电池容量电压数据以满足所规定的数据范围的方式制作电池容量电压数据。
根据这样的结构，即使在初期没有规定为了估计电池20整体的电压曲线所需的数据范围，也能够计算为了根据各种各样的多个电池容量电压数据估计整体电池容量电压曲线所需的数据范围，并准确地诊断劣化度。
并且，多个数据合并部13也可以针对各种电池容量电压数据计算微分电压曲线并进行数据合并。
电池20的电压基于电池OCV以及内部电阻R与所流通的电流值之积，具有式(6)的关系。式(6)的电阻R与电流I之积IR是常数项，因此在对电压曲线进行分析时，通过将电压相对于容量进行微分来排除IR的影响，能够对电池20的OCV曲线进行分析。
V＝OCV+IR (6)
劣化度诊断部14分析对由多个数据合并部13制作的电池容量电压曲线进行容量微分所得到的dV/dQ曲线，确定电池的劣化因素，估计与电池使用范围相当的电池容量电压曲线，由此进行劣化度诊断。
但是，有可能存在在一阶微分曲线中峰复杂而难以进行分析的情况，或者有可能正极、负极的峰为重叠的状态而无法区分从而无法分析。在这样的情况下，也可以进一步以容量进行二阶微分来对二阶微分电压曲线进行分析。也可以进一步增加微分次数以便于进行峰分析。
根据这样的结构，在分析以容量对电池容量电压曲线进行微分所得到的dV/dQ曲线的情况下，即使峰复杂而无法分析，通过进行二阶微分来仅提取峰变化更大的部分，其它峰被平均化，因此有可能变得容易分析。因此，能够确定劣化因素，估计电池使用范围的电压曲线，准确地诊断劣化度。
如以上说明的那样，实施方式1的劣化度诊断装置具备：充放电控制部，控制电池的充电或放电；电池信息测量部，测量电池的电压、电流，测量充电或放电时的容量和电压推移；多个数据合并部，将由电池信息测量部测量出的至少2个不同的区间的电池容量电压数据进行合并，制作电池容量电压曲线；以及劣化度诊断部，基于电池容量电压曲线估计电池的劣化度，劣化度诊断部对电池容量电压曲线的微分曲线进行分析，来确定基于正极、负极以及Li离子消耗的劣化因素，估计电池的劣化度。
因而，实施方式1的劣化度诊断装置即使在如电动汽车那样的充电动作是用户任意的动作的情况下，也能够准确地估计电池的劣化度。
实施方式2.
实施方式2的劣化度诊断装置是对实施方式1的劣化度诊断装置的多个数据合并部追加温度数据变换部而成的。
关于实施方式2的劣化度诊断装置，基于劣化度诊断装置的结构图即图13、电池的内部电阻与温度的相关性的说明图即图14、劣化度诊断装置的应用例的结构图即图15以及电极的反应分布模型的说明图即图16，以与实施方式1的差异为中心进行说明。
在实施方式2的结构图中，对与实施方式1相同或者相当的部分附加了相同的符号。
基于图13说明实施方式2的劣化度诊断装置200的整体的结构。
劣化度诊断装置200具备：充放电控制部11，具有对电池20进行充电的功能；电池信息测量部12，测量电池20的电流、电压、温度；多个数据合并部13，将由电池信息测量部12得到的电池容量电压数据进行合并；以及劣化度诊断部14，估计电池20的劣化参数、劣化度。多个数据合并部13具备将由电池信息测量部12得到的数据校正为规定的温度条件的温度数据变换部41。
首先，关于电池20的内部电阻与温度的相关性，基于图14进行说明。
此外，在图14中，横轴是电池20的温度T的倒数(1/T)，纵轴是电池20的内部电阻R。
锂离子电池根据环境温度而内部电阻发生变化，具有温度越低则电阻越高、温度越高则电阻越低的特性。
图14表示作为锂离子电池的电池20的内部电阻与温度的相关性的例子。例如在低温下电阻值变大，因此过电压IR变大。在低温时，即使以与高温时相同的电流值或相同的电力进行充电，如果将低温时的电池容量电压数据与高温时的电池容量电压数据进行合并，则因过电压引起的差异大，难以得到规定条件的电池容量电压曲线。
因而，也可以将温度数据变换部41设为如下结构：针对不同温度的多个电池20的电池容量电压数据，在基于例如图14的电阻与温度的相关性映射和算式将电压校正为规定的温度条件、即对因温度引起的差异进行校正的基础上进行合并。
根据这样的结构，即使在得到各种温度下的观测数据的情况下，也能够制作与规定的数据范围相当的电池容量电压曲线，能够估计电池20的准确的劣化度。
接着，关于针对在锂离子电池中产生的反应分布的应对，基于图15、图16进行说明。
图15是在劣化度诊断装置200的温度数据变换部41中设置有反应分布校正部42的结构图。
已知在锂离子电池中特别是在低温时产生电池20内的电极厚度方向或面方向的反应分布的现象。
图16表示说明反应分布的多微粒的电路模型例。
在图16中，R1、R2、R3是有助于锂离子电池20内的电解液中的Li离子的移动的电解液电阻(溶液电阻、电解液的粘性阻力(viscosity resistance))。
R4、R5、R6表示电极微粒和Li离子的扩散电阻(反应电阻、电荷移动电阻、基于微粒间扩散、微粒内扩散的电阻)，C4、C5、C6是基于双电层电容的电容。另外，OCV1、OCV2、OCV3是各模型电池开路电压。此外，集电箔是构成电极的主要构成要素。
例如在低温时，电解液电阻R1、R2、R3之差变大，因此即使R4、C4的CR并联电路、R5、C5的CR并联电路、R6、C6的CR并联电路的各电路常数相同，流过被模型化的各电池的电流也不一样，差异变大。
即使以容量对在该状态下测量出的电池容量电压曲线进行微分，流过各电阻的电流上也产生差异，因此无法作为常数项排除影响。另外，正在观测的电池20的开路电压(OCV)不是准确的值。
在该状态下，在多个数据合并部13将在常温、高温、低温环境下测定出的数据彼此进行合并的情况下，无法制作准确的电池容量电压曲线，因此在劣化度诊断中有可能产生误差。
反应分布校正部42针对所得到的充电电压数据，在基于图16所示的电路模型估计电解液电阻R1、R2、R3的基础上估计模型电池的OCV1、OCV2、OCV3。此时，设CR并联电路的常数(R4、C4、R5、C5、R6、C6)表示相同的值。在劣化度诊断中应该分析的电池20的开路电压(OCV)为模型电池的OCV1、OCV2、OCV3的平均电压。在基于该平均电压计算电池20的开路电压(OCV)的基础上将低温时、常温时以及高温时的数据进行合并，由此能够对电池电极内部的反应分布进行校正。
另外，本电路模型作为例子设为将反应电阻、扩散电阻统一而成的R与C的并联电路，但是也可以按各电阻成分将串联地配置的CR并联电路的数量进行划分。另外，也可以构成为进一步增加微粒数来增加并联地配置的CR并联电路的数量。
并且，也可以针对电池容量电压实测数据以使误差最少的方式进行计算，决定各电路的设置数量。
根据这样的结构，即使在特别是低温时在电池20中得到包含反应分布的影响的数据的情况下，也能够在对反应分布进行校正之后与常温、高温的电池容量电压数据进行合并并制作电池容量电压曲线。然后，对该电池容量电压曲线进行分析并进行劣化度诊断，由此能够估计电池20的准确的劣化度。
另外，电池20的电极的反应分布是在流过电池20的电流值大的情况下也产生的现象。
因而，也可以将反应分布校正部42设为如下结构：基于利用充放电控制部11对电池20进行充电时的电流值，基于图16的电路模型和算式模型对电压进行校正。
根据这样的结构，即使在以对于电池20来说大的电流(约0.2C以上)实施充电或放电动作的情况下，也在进行反应分布校正部42的校正的基础上多个数据合并部13将电池容量电压数据进行合并，能够准确地诊断劣化度。
如以上说明的那样，实施方式2的劣化度诊断装置是对实施方式1的劣化度诊断装置的多个数据合并部追加温度数据变换部而成的。
因而，实施方式2的劣化度诊断装置即使在如电动汽车那样的充电动作是用户任意的动作的情况下，也能够准确地估计电池的劣化度，并且能够排除电池的温度的影响来准确地估计电池的劣化度。
实施方式3.
实施方式3的劣化度诊断装置是对实施方式1的劣化度诊断装置的多个数据合并部追加迟滞校正部而成的。
关于实施方式3的劣化度诊断装置，基于劣化度诊断装置的结构图即图17、电池的迟滞现象的说明图即图18以及发生迟滞的情况下的电压的容量微分曲线中出现的峰位置的说明图即图19A、图19B，以与实施方式1的差异为中心进行说明。
在实施方式3的结构图中，对与实施方式1相同或者相当的部分附加了相同的符号。
基于图17说明实施方式3的劣化度诊断装置300的整体的结构。
劣化度诊断装置300具备：充放电控制部11，具有对电池20进行充电的功能；电池信息测量部12，测量电池20的电流、电压、温度；多个数据合并部13，将由电池信息测量部12得到的电池容量电压数据进行合并；以及劣化度诊断部14，估计电池20的劣化参数、劣化度。多个数据合并部13具备对电池20的充电、放电时的迟滞进行校正的迟滞校正部51。
锂离子电池20发生在充电时和放电时在充电率SOC-OCV特性上产生差的迟滞现象。
图18表示充电时和放电时的SOC-OCV特性的迟滞。
此外，在图18中，横轴是电池20的充电率(SOC)，纵轴是电池20的开路电压(OCV)。另外，在图18中，用实线表示迟滞的充电曲线，用虚线表示放电曲线。
一般已知如下现象：在例如被放电至下限SOC之后由充放电控制部11进行充电的情况下，电池20的开路电压(OCV)按照充电SOC-OCV曲线推移。但是，在从中间范围的充电率(SOC)起被充电的情况下，电池20的开路电压(OCV)按照放电SOC-OCV曲线推移。
如果多个数据合并部13将发生迟滞的电池20的电池容量电压数据彼此进行合并，则无法制作应该准确地分析的电池容量电压曲线，有可能无法准确地进行劣化度诊断。但是，通过在由迟滞校正部51对电池20的开路电压(OCV)进行校正的基础上进行合并，能够准确地诊断劣化度。
另外，由迟滞校正部51对电池20的开路电压(OCV)的迟滞进行校正这一点在对实施方式2中说明的因温度产生的内部电阻的差所引起的电池电压的变化和电池内部的反应分布进行校正的情况下也有效。
因而，对实施方式2的劣化度诊断装置的结构追加实施方式3的迟滞校正部51来对电池20的因迟滞引起的差异进行校正，由此能够更准确地进行电池20的劣化度诊断。
图19A、图19B示出了表示发生迟滞现象的范围的SOC-OCV曲线和dV/dQ曲线的例子。
在图19A中，如稍后说明的那样，F是“迟滞的充电曲线与放电曲线的差异大的区域”。
此外，在图19A中，横轴是电池20的充电率(SOC)，纵轴是电池20的开路电压(OCV)。另外，在图19A中，用实线表示迟滞的充电曲线，用虚线表示放电曲线。
在图19B中，横轴是电池20的容量，纵轴是dV/dQ。另外，在图19B中，用实线表示电池电压的dV/dQ，用虚线表示正极电位的dV/dQ，用单点划线表示负极电位的dV/dQ。
从图19A、图19B可知，迟滞现象是在从充电SOC-OCV曲线与放电SOC-OCV曲线的差异大的区域F的位置、或dV/dQ曲线的负极的峰E1或E2出现的位置起开始了充电的情况下发生的现象。
因而，迟滞校正部51也可以参照与SOC-OCV曲线的区域F相当的范围或负极峰E1、E2，选择从高于这些范围的SOC起开始了充电的电池容量电压数据和从超过负极峰E1或E2的位置的SOC起开始了充电的电池容量电压数据并进行合并。
并且，关于作为选定电池容量电压数据的基准的dV/dQ曲线的负极峰的位置，也可以观测多个电池容量电压数据，设定为探测到峰E1或E2的位置。另外，也可以预先在充电时存储发生迟滞现象的位置以进行判断。
并且，迟滞校正部51也可以判别由充放电控制部11进行的充电开始前的电池20的动作历史记录，以将相同的动作历史记录的数据进行合并的方式进行选择，针对存在不同的动作历史记录的数据，以不由多个数据合并部13进行合并的方式进行选择。
另外，在由充放电控制部11进行的充电开始前的电池的休止时间(无负载状态的时间)足够长的情况下，发生迟滞的缓和，因此也可以将休止时间的长度设为阈值，多个数据合并部13选择要合并的电池容量电压数据。
另外，迟滞校正部51也可以具有对电池20的充电时、放电时的迟滞进行校正的模型(迟滞模型)，在对迟滞进行校正的基础上计算电池容量电压数据，多个数据合并部13将这些电池容量电压数据进行合并来制作电池容量电压曲线。
关于表示迟滞现象的迟滞模型，例如在图18的相对于电池20的充电率(SOC)的充电OCV和放电OCV曲线中，可以将根据充电开始充电率(SOC)(0～100％)或放电开始充电率(SOC)而所处的开路电压(OCV)保持为映射，也可以表示为函数。
另外，也一般已知迟滞模型根据温度而变化，因此也可以按温度具备映射和函数。
根据这样的结构，在迟滞校正部51进一步准确地进行电池容量电压数据的校正的基础上，多个数据合并部13将电池容量电压数据进行合并来制作电池容量电压曲线，由此能够准确地诊断劣化度。
如以上说明的那样，实施方式3的劣化度诊断装置是对实施方式1的劣化度诊断装置的多个数据合并部追加迟滞校正部而成的。
因而，实施方式3的劣化度诊断装置即使在如电动汽车那样的充电动作是用户任意的动作的情况下，也能够准确地估计电池的劣化度，并且能够排除充电、放电的迟滞的影响来准确地估计电池的劣化度。
实施方式4.
实施方式4是对实施方式1的劣化度诊断装置的多个数据合并部追加劣化校正部而成的。
关于实施方式4的劣化度诊断装置，基于劣化度诊断装置的结构图即图20、电池的保存劣化模式与温度的相关性的说明图即图21以及电池的循环劣化模式与温度的相关性的说明图即图22，以与实施方式1的差异为中心进行说明。
在实施方式4的结构图中，对与实施方式1相同或者相当的部分附加了相同的符号。
基于图20说明实施方式4的劣化度诊断装置400的整体的结构。
劣化度诊断装置400具备：充放电控制部11，具有对电池20进行充电的功能；电池信息测量部12，测量电池20的电流、电压、温度；多个数据合并部13，将由电池信息测量部12得到的电池容量电压数据进行合并；以及劣化度诊断部14，估计电池20的劣化参数、劣化度。多个数据合并部13具备对电池20的保存劣化和循环劣化进行校正的劣化校正部61。
存在如下情况：在由多个数据合并部13合并的电池容量电压数据之间，测量出的时期之差为长的期间。在该情况下，设想由于长期使用电池20而劣化度不同。
在要合并的数据彼此的劣化度大不相同的情况下，对电池容量电压曲线进行分析时的正极、负极的峰位置在要合并的电池容量电压数据彼此之间变化，因此即使将这样的电池容量电压数据进行合并并进行劣化度诊断，也无法准确地诊断相对于未劣化电池、基准电池、或在前次的劣化度诊断时估计出的电池20的劣化度而言的变化。
因而，多个数据合并部13内的劣化校正部61对各种电池容量电压数据的劣化度进行校正、即对数据间的差异进行校正。多个数据合并部13将该校正后的多个电池容量电压数据进行合并来制作电池容量电压曲线。
根据这样的结构，即使在电池容量电压数据的测量时期之差为长时间而要合并的电池容量电压数据彼此的劣化度不同的情况下，也能够制作电池容量电压曲线，能够估计电池20的准确的劣化度。
具体地说，也可以为了对多个电池容量电压数据的劣化度进行校正而例如预先保持电池20的温度、保存天数、充放电循环次数以及表示充放电SOC范围和劣化度的推移的劣化模型。或者，也可以在估计几个劣化度之后估计使用历史记录与电池的劣化度的相关性。
但是，由劣化校正部61基于劣化模型估计的劣化度有可能与由劣化度诊断部14实际估计的劣化度不同，在该情况下也可以设为彼此互补的结构。
根据这样的结构，即使在由多个数据合并部13合并的电池容量电压数据之间劣化度不同的情况下，也能够由劣化校正部61减小合并的数据彼此的劣化度之差。因此，通过分析由多个数据合并部13合并来制作的电池电压曲线并进行劣化度诊断，能够估计更准确的劣化度。
接着，关于用于进行劣化度的校正的方法，基于图21、图22进行说明。
图21表示以保存劣化的温度为参数的时间(天数)与容量维持率的相关性的例子。此外，在图21中，横轴是电池20的保存时间的0.5次方，纵轴是电池20的容量维持率。
图22表示以循环劣化的温度为参数的循环次数与容量维持率的相关性的例子。此外，在图22中，横轴是电池20的循环次数，纵轴是电池20的容量维持率。在此，电池20的循环次数也可以是充放电累计容量。
由劣化校正部61保持的劣化模型例如关于图21的保存劣化利用保存天数与温度的相关关系，对容量维持率进行校正。
另外，关于图22的循环劣化，利用循环次数或充放电累计容量与温度的相关关系，对容量维持率进行校正。
多个数据合并部13也可以由劣化校正部61对劣化度进行校正，根据规定的容量维持率将各种电池容量电压数据进行合并来制作规定的电池容量电压曲线，并由劣化度诊断部14估计劣化度。
或者，也可以设为如下结构：由劣化校正部61使用劣化模型来判断劣化度，在对象的电池容量电压数据的劣化度超过预先决定的劣化度的阈值的情况下，多个数据合并部13不将该电池容量电压数据进行合并。
如以上说明的那样，实施方式4的劣化度诊断装置是对实施方式1的劣化度诊断装置的多个数据合并部追加劣化校正部而成的。
因而，实施方式4的劣化度诊断装置即使在如电动汽车那样的充电动作是用户任意的动作的情况下，也能够准确地估计电池的劣化度，并且能够排除保存劣化和循环劣化的影响来准确地估计电池的劣化度。
实施方式5.
实施方式5的劣化度诊断装置是对实施方式1的劣化度诊断装置追加抑制电池的劣化的劣化抑制部而成的。
关于实施方式5的劣化度诊断装置，基于劣化度诊断装置的结构图即图23，以与实施方式1的差异为中心进行说明。
在实施方式5的结构图中，对与实施方式1相同或者相当的部分附加了相同的符号。
基于图23说明实施方式5的劣化度诊断装置500的整体的结构。
劣化度诊断装置500具备：充放电控制部11，具有对电池20进行充电的功能；电池信息测量部12，测量电池20的电流、电压、温度；多个数据合并部13，将由电池信息测量部12得到的电池容量电压数据进行合并；以及劣化度诊断部14，估计电池20的劣化参数、劣化度。劣化度诊断装置500还具备抑制电池20的劣化的劣化抑制部70。
劣化抑制部70具备：电池使用历史记录获取部71，获取电池20的使用历史记录；电池使用历史记录-劣化度相关性获取部72，获取使用历史记录与劣化因素的信息的相关性；以及充放电管理部73，为了抑制电池20的劣化而对电池20的充电、放电控制进行管理。
此外，在图23中，电池使用历史记录获取部被记载为历史记录获取部，电池使用历史记录-劣化度相关性获取部被记载为历史记录-劣化度相关性获取部。
电池使用历史记录-劣化度相关性获取部72获取由实施方式1～4的劣化度诊断装置100～400得到的电池20的劣化度、关于电池20的正极、负极、Li离子消耗的劣化因素的信息与使用历史记录的相关性。
充放电管理部73基于由电池使用历史记录-劣化度相关性获取部72获取的信息，借助充放电控制部11对电池20的充电、放电进行管理使得抑制电池20的劣化。
另外，充放电管理部73也可以进行基于当前的电池20的温度、劣化度、劣化状态来使电池20休止的管理。
根据实施方式5，劣化度诊断装置500不仅能够关于电池20的劣化度的信息向用户示出适当的电池更换时期等，还能够获取关于电池20的正极、负极、Li离子消耗的劣化因素与电池20的使用历史记录的相关性，进行当前的使用历史记录和劣化因素的分析，进行用于抑制电池20的劣化的充放电管理。
如以上说明的那样，实施方式5的劣化度诊断装置是对实施方式1的劣化度诊断装置追加了抑制电池的劣化的劣化抑制部而成的。
因而，实施方式5的劣化度诊断装置即使在如电动汽车那样的充电动作是用户任意的动作的情况下，也能够准确地估计电池的劣化度，并且能够进行用于抑制电地的劣化的充放电管理。
在此，说明实施方式1～5所涉及的劣化度诊断装置100～500的硬件结构。劣化度诊断装置100～500的各功能部是通过以下说明的处理电路来实现的。该处理电路既可以通过专用的硬件来实现，也可以通过通用的硬件来实现。
图24中示出处理电路通过专用的硬件来实现的情况下的结构。
图24的处理电路80是单一电路、复合电路、被编程的处理器、被并行编程的处理器、ASIC(Application Specific Integrated Circuit：专用集成电路)、FPGA(FieldProgrammable Gate Array：现场可编程门阵列)、或将它们组合而成的电路。
图25中示出处理电路通过通用的硬件来实现的情况下的结构。
如图25所示，控制电路90具备处理器91和存储器92。
处理器91是CPU(Central Processing Unit：中央处理单元)，被称为中央处理装置、处理装置、运算装置、微型处理器以及微型计算机、DSP(Digital Signal Processor：数字信号处理器)等。
存储器92例如是RAM(Random Access Memory：随机存取存储器)、ROM(Read OnlyMemory：只读存储器)、闪存、EPROM(Erasable Programmable ROM：可擦除可编程只读存储器)、EEPROM(注册商标)(Electrically EPROM：电可擦除可编程只读存储器)等非易失性或易失性的半导体存储器、磁盘、软盘、光盘、高密度盘、迷你盘以及DVD(Digital VersatileDisk：数字通用盘)等。
在处理电路通过作为通用硬件的控制电路90来实现的情况下，通过由处理器91读出并执行存储器92中存储的与各结构要素的处理对应的程序来实现。另外，存储器92还被用作由处理器91执行的各处理中的临时存储器。
本申请记载了各种例示性的实施方式和实施例，但是一个或多个实施方式中记载的各种特征、方式以及功能不限于特定的实施方式的应用，能够单独地或以各种组合应用于实施方式。
因而，在本申请所公开的技术范围内可设想未例示的无数个变形例。例如包括将至少一个结构要素变形的情况、追加的情况或省略的情况以及提取至少一个结构要素并与其它实施方式的结构要素组合的情况。
产业上的可利用性
本申请即使在如电动汽车那样的充电动作是用户任意的动作的情况下，也能够准确地估计电池的劣化度，因此能够广泛应用于劣化度诊断装置。

Claims (13)

1.一种劣化度诊断装置，具备：
充放电控制部，控制电池的充电或放电；
电池信息测量部，测量所述电池的电压、电流，测量充电或放电时的容量和电压推移；
多个数据合并部，将由所述电池信息测量部测量出的至少2个不同的区间的电池容量电压数据进行合并，制作电池容量电压曲线；以及
劣化度诊断部，基于所述电池容量电压曲线来估计所述电池的劣化度。
2.根据权利要求1所述的劣化度诊断装置，其中，
所述劣化度诊断部对所述电池容量电压曲线的微分曲线进行分析，确定基于所述电池的正极和负极以及在所述电池为锂离子电池的情况下的Li离子消耗的劣化因素。
3.根据权利要求1或2所述的劣化度诊断装置，其中，
由所述多个数据合并部合并得到的所述电池容量电压曲线在微分曲线中具有至少2个关于负极的峰。
4.根据权利要求1至3中的任一项所述的劣化度诊断装置，其中，
由所述多个数据合并部合并得到的所述电池容量电压曲线在微分曲线中具有至少1个关于正极的峰。
5.根据权利要求1或2所述的劣化度诊断装置，其中，
在由所述多个数据合并部合并得到的所述电池容量电压曲线在微分曲线中不存在关于负极的2个峰的情况下、或者不存在关于正极的1个峰的情况下，
所述多个数据合并部追加要合并的数据。
6.根据权利要求1至5中的任一项所述的劣化度诊断装置，其中，
所述多个数据合并部将多个所述电池容量电压曲线的微分曲线进行合并。
7.根据权利要求1至6中的任一项所述的劣化度诊断装置，其中，
所述电池信息测量部还测量所述电池的温度，
所述多个数据合并部具备温度数据变换部，该温度数据变换部针对由所述电池信息测量部测量出的所述温度不同的至少2个所述电池容量电压数据，基于温度电阻值相关性，对因所述温度引起的差异进行校正。
8.根据权利要求7所述的劣化度诊断装置，其中，
所述温度数据变换部具备反应分布校正部，该反应分布校正部针对温度不同的至少2个所述电池容量电压数据，对电池电极内部的反应分布进行校正。
9.根据权利要求1至6中的任一项所述的劣化度诊断装置，其中，
所述多个数据合并部针对具有电池的充电、放电时的开路电压不同的迟滞的所述电池容量电压数据，基于微分曲线的分析，选择不存在所述迟滞的影响的数据。
10.根据权利要求1至6中的任一项所述的劣化度诊断装置，其中，
所述多个数据合并部具备迟滞校正部，该迟滞校正部针对具有所述电池的充电、放电时的开路电压不同的迟滞的所述电池容量电压数据，基于迟滞模型，对因所述迟滞引起的差异进行校正。
11.根据权利要求1至6中的任一项所述的劣化度诊断装置，其中，
所述多个数据合并部选择至少2个不同的区间的所述电池容量电压数据的劣化度的差异在阈值内的所述电池容量电压数据并进行合并。
12.根据权利要求1至6中的任一项所述的劣化度诊断装置，其中，
所述多个数据合并部具备劣化校正部，
所述劣化校正部在至少2个不同的区间的所述电池容量电压数据的劣化度不同的情况下，
针对至少2个不同的区间的所述电池容量电压数据，进行以下计算中的某一方或两方：基于温度、时间与保存劣化度的相关性的保存劣化度的计算；和基于温度、充放电累计量及循环次数与循环劣化度的相关性的循环劣化度的计算，
对因保存劣化、循环劣化引起的数据间差异进行校正。
13.根据权利要求1至6中的任一项所述的劣化度诊断装置，其中，
还具备劣化抑制控制部，该劣化抑制控制部为了抑制所述电池的劣化而进行充放电控制，
所述劣化抑制控制部具备：
电池使用历史记录获取部，获取所述电池的使用历史记录；
电池使用历史记录-劣化度相关性获取部，获取由所述劣化度诊断部获取的劣化度与由所述电池使用历史记录获取部获取的电池使用历史记录的相关性；以及
充放电管理部，基于由所述电池使用历史记录-劣化度相关性获取部获取的相关性，对所述电池的充放电进行管理。
CN202080097985.8A 2020-03-10 2020-03-10 劣化度诊断装置 Pending CN115210593A (zh)

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
PCT/JP2020/010358 WO2021181536A1 (ja) 2020-03-10 2020-03-10 劣化度診断装置

Publications (1)

Publication Number Publication Date
CN115210593A true CN115210593A (zh) 2022-10-18

Family

ID=77172725

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202080097985.8A Pending CN115210593A (zh) 2020-03-10 2020-03-10 劣化度诊断装置

Country Status (5)

Country Link
US (1) US20230014689A1 (zh)
JP (1) JP6918433B1 (zh)
CN (1) CN115210593A (zh)
DE (1) DE112020006860T5 (zh)
WO (1) WO2021181536A1 (zh)

Families Citing this family (16)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2020208762A1 (ja) * 2019-04-11 2020-10-15 三菱電機株式会社 蓄電池の特性推定装置および特性推定方法
US20220200313A1 (en) * 2019-06-12 2022-06-23 Mitsubishi Electric Corporation Charge and discharge control device and charge and discharge control method
KR102710437B1 (ko) * 2020-05-15 2024-09-25 주식회사 엘지에너지솔루션 배터리 상태 진단 장치 및 방법
CN113918889B (zh) * 2021-09-23 2024-07-19 浙江大学 基于充电数据空间分布特征的锂电池在线老化诊断方法
JP7433279B2 (ja) * 2021-09-28 2024-02-19 本田技研工業株式会社 バッテリ特性推定装置、バッテリ特性推定方法、およびプログラム
CN113848495B (zh) * 2021-10-11 2023-11-21 江苏省特种设备安全监督检验研究院 基于充电曲线的内部微短路故障诊断方法
JP2023077830A (ja) * 2021-11-25 2023-06-06 株式会社日立製作所 二次電池の状態診断方法および状態診断装置
EP4249929B1 (en) 2022-03-21 2024-09-18 TWAICE Technologies GmbH Determination of open circuit voltage curve for rechargeable batteries
JP2023140942A (ja) * 2022-03-23 2023-10-05 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
JP7398500B2 (ja) * 2022-03-30 2023-12-14 本田技研工業株式会社 バッテリ状態の測定方法
JP2023154612A (ja) * 2022-04-07 2023-10-20 株式会社デンソー 電池残量推定装置
JP2023154613A (ja) * 2022-04-07 2023-10-20 株式会社デンソー 電池残量推定装置
JP7647664B2 (ja) 2022-04-15 2025-03-18 トヨタ自動車株式会社 制御装置、または制御方法
KR20230166362A (ko) * 2022-05-30 2023-12-07 주식회사 엘지에너지솔루션 배터리 진단 장치 및 방법
JP7528148B2 (ja) * 2022-06-10 2024-08-05 株式会社トヨタシステムズ 二次電池劣化判定装置及び二次電池劣化判定方法
KR20250028130A (ko) * 2023-08-21 2025-02-28 주식회사 엘지에너지솔루션 배터리 관리 장치 및 방법

Citations (10)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2010166752A (ja) * 2009-01-19 2010-07-29 Sony Corp 電池パックおよび充放電制御方法
JP2012257392A (ja) * 2011-06-09 2012-12-27 Nippon Soken Inc 組電池の容量調節装置
JP2013019709A (ja) * 2011-07-08 2013-01-31 Toyota Motor Corp 二次電池システム及び車両
CN103081212A (zh) * 2010-06-07 2013-05-01 丰田自动车株式会社 锂离子二次电池的劣化判定系统以及劣化判定方法
CN103457003A (zh) * 2012-05-28 2013-12-18 索尼公司 二次电池的充电控制装置和二次电池的充电控制方法
CN104813534A (zh) * 2012-11-30 2015-07-29 株式会社杰士汤浅国际 蓄电元件的性能降低探测装置、性能降低探测方法及蓄电系统
CN105301510A (zh) * 2015-11-12 2016-02-03 北京理工大学 一种电池老化参数辨识方法
US20160181833A1 (en) * 2013-08-22 2016-06-23 Hitachi, Ltd. Charge/discharge control method and charge/discharge control apparatus for lithium ion battery
US20170366023A1 (en) * 2015-02-17 2017-12-21 Mitsubishi Electric Corporation Power conversion system
WO2019116815A1 (ja) * 2017-12-11 2019-06-20 日立オートモティブシステムズ株式会社 二次電池監視装置、二次電池状態演算装置および二次電池状態推定方法

Family Cites Families (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US6617839B2 (en) * 2000-07-12 2003-09-09 Yong-Cheol Kang Method for detecting current transformer saturation
US8531158B2 (en) * 2010-11-01 2013-09-10 GM Global Technology Operations LLC Method and apparatus for assessing battery state of health
EP2990818B1 (en) * 2014-09-01 2019-11-27 Yokogawa Electric Corporation Secondary battery capacity measurement system and secondary battery capacity measurement method
DE102015214128A1 (de) 2015-07-27 2017-02-02 Robert Bosch Gmbh Verfahren und Vorrichtung zum Abschätzen eines aktuellen Leerlaufspannungsverlaufs einer Batterie
JP6668914B2 (ja) 2016-04-22 2020-03-18 トヨタ自動車株式会社 バッテリ制御装置
JP6939057B2 (ja) * 2017-04-27 2021-09-22 トヨタ自動車株式会社 車載の電池システムおよび電池の経年劣化推定方法
CN110988690B (zh) * 2019-04-25 2021-03-09 宁德时代新能源科技股份有限公司 电池健康状态修正方法、装置、管理系统以及存储介质

Patent Citations (10)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2010166752A (ja) * 2009-01-19 2010-07-29 Sony Corp 電池パックおよび充放電制御方法
CN103081212A (zh) * 2010-06-07 2013-05-01 丰田自动车株式会社 锂离子二次电池的劣化判定系统以及劣化判定方法
JP2012257392A (ja) * 2011-06-09 2012-12-27 Nippon Soken Inc 組電池の容量調節装置
JP2013019709A (ja) * 2011-07-08 2013-01-31 Toyota Motor Corp 二次電池システム及び車両
CN103457003A (zh) * 2012-05-28 2013-12-18 索尼公司 二次电池的充电控制装置和二次电池的充电控制方法
CN104813534A (zh) * 2012-11-30 2015-07-29 株式会社杰士汤浅国际 蓄电元件的性能降低探测装置、性能降低探测方法及蓄电系统
US20160181833A1 (en) * 2013-08-22 2016-06-23 Hitachi, Ltd. Charge/discharge control method and charge/discharge control apparatus for lithium ion battery
US20170366023A1 (en) * 2015-02-17 2017-12-21 Mitsubishi Electric Corporation Power conversion system
CN105301510A (zh) * 2015-11-12 2016-02-03 北京理工大学 一种电池老化参数辨识方法
WO2019116815A1 (ja) * 2017-12-11 2019-06-20 日立オートモティブシステムズ株式会社 二次電池監視装置、二次電池状態演算装置および二次電池状態推定方法

Also Published As

Publication number Publication date
US20230014689A1 (en) 2023-01-19
JPWO2021181536A1 (zh) 2021-09-16
DE112020006860T5 (de) 2022-12-22
JP6918433B1 (ja) 2021-08-11
WO2021181536A1 (ja) 2021-09-16

Similar Documents

Publication Publication Date Title
JP6918433B1 (ja) 劣化度診断装置
US20160195589A1 (en) Degradation diagnosis system and degradation diagnosis method for secondary battery
US8531158B2 (en) Method and apparatus for assessing battery state of health
US8680815B2 (en) Method and apparatus for assessing battery state of health
CN109342950B (zh) 一种用于锂电池荷电状态的评估方法、装置及其设备
JP5435128B2 (ja) 二次電池の価値算定装置および価値算定方法
EP2711727B1 (en) Battery condition estimation device and method of generating open circuit voltage characteristic
CN108291944B (zh) 电池管理装置
KR102572652B1 (ko) 배터리의 충전상태를 추정하는 방법
KR101809838B1 (ko) 리튬 이온 이차 전지의 열화도 산출 방법, 제어 방법 및 제어 장치
US20210173012A1 (en) Method and system for estimation of open circuit voltage of a battery cell
JP6668905B2 (ja) 電池劣化推定装置
CN107533110A (zh) 用于评估二次电池的老化程度的设备和方法
CN112534283B (zh) 电池管理系统、电池管理方法、电池组和电动车辆
CN114207457B (zh) 二次电池的劣化度判定装置及电池组
US20140365150A1 (en) Method and device for determining a charge state of an electric energy store
US9261563B2 (en) System and method for improved battery charge state determination
JP2012057956A (ja) バッテリの劣化度推定装置
US20220196754A1 (en) Method for detecting abnormal battery cell
Ahmed et al. A scaling approach for improved open circuit voltage modeling in Li-ion batteries
CN114035096A (zh) 电化学装置soh评估方法、电子设备及电池系统
CN112415409B (zh) 估算电池容量的方法和装置、存储介质及车辆
CN111216595B (zh) 基于锂电池等效电路模型的重度混合动力汽车soc校准方法
KR101473156B1 (ko) 2차전지의 수명 예측장치 및 방법
Wu et al. State-of-charge and state-of-health estimating method for lithium-ion batteries

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination