JP2023046058A - 電池診断装置、プログラムおよび電池診断方法 - Google Patents

Abstract

【課題】劣化特性が不明である蓄電池に対しても劣化リスクの診断を可能とする。【解決手段】電池診断装置１００は、蓄電池の時系列の稼働情報（電池情報データベース１３０）と当該蓄電池の劣化率とを基に、蓄電池の稼働状態と当該蓄電池の劣化リスクとを関連付けて記憶する診断情報データベース（診断テーブル１６０）を更新する診断情報更新部（診断テーブル更新部１１２）と、蓄電池の稼働状態を基に、診断情報データベースを参照して当該蓄電池の劣化リスクを診断する診断部１１３とを備える。【選択図】図２

Description

本発明は、蓄電池の劣化状態を診断する電池診断装置、プログラムおよび電池診断方法に関する。

ＣＯ２排出量の削減のため、自動車に限らず、水陸空のあらゆる移動体（乗用車、トラック、バス、非電化路線の鉄道車両、航空機や飛翔体など）について、バッテリ（蓄電池）による電動化が進められている。バッテリは充放電に伴い劣化が進行するが、劣化の進み方は、バッテリの使用履歴（使用状態）に応じて異なる。

このような特性を有するバッテリの劣化を推定・予測する技術の例として、特許文献１には「蓄電池と、蓄電池の使用履歴を検出する電池使用履歴検出部と、蓄電池の使用履歴に基づき、蓄電池の稼動モードを分類する稼動モード分類部と、蓄電池の使用履歴に基づき、蓄電池の劣化指標の値を推定するＳＯＨ推定部と、蓄電池の稼動モードの使用履歴および蓄電池の劣化指標の値に基づき、蓄電池の余寿命を算出する余寿命推定部と、を有し、蓄電池の使用履歴は、蓄電池の電流値、蓄電池の電池温度、および蓄電池の電池電圧である蓄電システム」が記載されている。

国際公開第２０１６／２０８２５１号

特許文献１記載の技術では、蓄電池の使用履歴を基に稼働モードを分類し、分類した稼働モードと予め準備した劣化パラメータを含む劣化予測式とを用いて蓄電池の劣化を予測・診断する。このため、電池の特性や使用方法に応じて様々に異なる劣化を表現できるように劣化推定式あるいは推定式中に含まれる劣化速度を示す各種パラメータを、事前に実施した劣化試験結果から抽出しておき、システムへ搭載しておく必要がある。

劣化試験により蓄電池の劣化特性が判明している場合には、劣化の予測精度が向上できる。一方、特性が未知の電池、つまりは電池の使用履歴に応じた劣化速度が不明な場合には、将来の劣化（劣化速度、劣化リスク）を予測することができない。また、電池の使用状態が適切かどうか、つまりは劣化が進行しやすい領域で充放電されていないかの使用状態の診断も正確に実行することができない。

本発明は、このような背景を鑑みてなされたものであり、劣化特性が不明である蓄電池に対しても蓄電池の劣化リスクの診断を可能とする電池診断装置、プログラムおよび電池診断方法を提供することを課題とする。

上記した課題を解決するため、本発明に係る電池診断装置は、蓄電池の時系列の稼働情報と当該蓄電池の劣化率とを基に、前記蓄電池の稼働状態と当該蓄電池の劣化リスクとを関連付けて記憶する診断情報データベースを更新する診断情報更新部と、前記蓄電池の稼働状態を基に、前記診断情報データベースを参照して当該蓄電池の劣化リスクを診断する診断部とを備える。

本発明によれば、劣化特性が不明である蓄電池に対しても蓄電池の劣化リスクの診断を可能とする電池診断装置、プログラムおよび電池診断方法を提供することができる。上記した以外の課題、構成および効果は、以下の実施形態の説明により明らかにされる。

第１実施形態に係る電池診断装置を含む運行管理システムの全体構成図である。 第１実施形態に係る電池診断装置の機能ブロック図である。 第１実施形態に係る稼働状態データベースに記憶される稼働状態テーブルのデータ構成図である。 第１実施形態に係る劣化特性情報を説明するためのグラフである。 第１実施形態に係る診断テーブルのデータ構成図である。 第１実施形態に係る診断テーブルの更新を説明するためのグラフである。 第１実施形態に係る更新後の診断テーブルを示す図である。 第１実施形態に係る診断テーブルの更新を説明するためのグラフである。 第１実施形態に係る更新後の診断テーブルを示す図である。 第１実施形態に係る診断テーブル更新処理のフローチャートである。 第１実施形態に係る診断処理のフローチャートである。 第２実施形態に係る電池診断装置の機能ブロック図である。 第２実施形態に係る稼働状態データベースに記憶される稼働状態テーブルのデータ構成図である。 第２実施形態に係る劣化特性情報を説明するためのグラフである。 第２実施形態に係る診断テーブルのデータ構成図である。 第２実施形態に係る診断テーブルの更新を説明するためのグラフである。 第２実施形態に係る更新後の診断テーブルを示す図である。 第３実施形態に係る電池診断装置の機能ブロック図である。 第３実施形態に係る稼働状態データベースに記憶される稼働状態テーブルのデータ構成図である。 第３実施形態に係る劣化特性情報を説明するためのグラフである。 第３実施形態に係る診断テーブルのデータ構成図である。 第３実施形態に係る診断テーブルの更新を説明するためのグラフである。 第３実施形態に係る更新後の診断テーブルを示す図である。

≪第１実施形態：電池診断装置の概要≫
電池診断装置は、蓄電池の稼働情報として温度および充電率の時系列データ（実測値データ）を取得して、最も頻度が高い温度および充電率を当該蓄電池の稼働状態とする。電池診断装置は、蓄電池の稼働状態と、劣化リスク（劣化速度）との関連を示す診断テーブル（診断情報データベース）を参照して、当該蓄電池の劣化リスクを診断する。

電池診断装置は、蓄電池の稼働状態、時間と劣化率との関係（劣化曲線）および劣化リスクを関連付けて劣化特性情報として記憶している。劣化特性情報が示す蓄電池の稼働状態に対応する劣化曲線と、当該蓄電池の稼働情報（劣化率を含む実測値）とに乖離があれば、電池診断装置は診断テーブルを更新する。詳しくは、電池診断装置は当該蓄電池の稼働状態に対応する診断テーブルの劣化リスクを、当該蓄電池の稼働情報に近い劣化曲線に関連付けられた劣化リスクに更新する。
このようにすることで、電池診断装置は、劣化特性が未知の蓄電池に対しても、稼働情報に基づいて診断テーブルを更新することで、高い精度で劣化リスクを診断することができるようになる。

≪運行管理システムの全体構成≫
図１は、第１実施形態に係る電池診断装置１００を含む運行管理システム１０の全体構成図である。運行管理システム１０は、運行管理装置２１０、電池診断装置１００、充電器２３０、および管理対象である電動車両２２０を含んで構成される。運行管理装置２１０、電池診断装置１００、充電器２３０、および電動車両２２０は、ネットワーク２８０を介して相互に通信可能である。

運行管理装置２１０は、１つ以上の電動車両２２０（例えば配送トラック、バス）の運行を管理し、運行経路の設定や運行経路への電動車両２２０の割り当て、乗務員の割り当てを行って運行計画を生成する。運行管理装置２１０は、電池診断装置１００が出力した電動車両２２０のバッテリ２２３（蓄電池）の劣化リスクを基に、運行経路の設定や電動車両２２０の割り当てを行う。また運行管理装置２１０は、運行計画に基づき、電動車両２２０の乗務員に運行経路などを指示し、電動車両２２０に対する充電を充電器２３０に指示する。

≪電動車両の構成≫
電動車両２２０は、通信装置２２１、制御装置２２２、バッテリ２２３、インバータ／モータ２２４、および車両側充電コネクタ２２５（車側インレット）を含んで構成される。バッテリ２２３は、電圧が３．５～４．２Ｖ程度の単電池を直列もしくは並列に接続した多直列多並列電池、および電池制御装置を含んで構成される。電池制御装置は、充放電中の電流や電圧を監視するとともに電池の充電率（ＳＯＣ、State Of Charge）や劣化率（ＳＯＨ（State of Health）、初期状態における電池容量と劣化後における電池容量との比）を算出する。バッテリ２２３は、電動車両２２０の駆動力を生成するインバータ／モータ２２４と接続される。バッテリ２２３には、充電器２３０から電力供給を受けるための車両側充電コネクタ２２５が接続されている。

車両側充電コネクタ２２５は、後記する充電器２３０の充電器側充電プラグ２３５と接続可能な構成となっている。車両側充電コネクタ２２５は、充電器２３０からの充電電力をバッテリ２２３へと供給する動力線、および、電池制御装置が推定する充電率や充電電流指令値などの情報を伝送する信号線を含む。

制御装置２２２は、バッテリ２２３の電流、電圧、温度、充電率などの稼働情報や劣化率の検知結果、インバータ／モータ２２４の電流、電圧を収集し、通信装置２２１へ出力する。また制御装置２２２は、電動車両２２０を運転する乗務員によるアクセルやハンドルなどの操作情報を基に、電動車両２２０の走行を制御する。
通信装置２２１は、制御装置２２２から受信したバッテリ２２３の稼働情報や劣化率を電池診断装置１００に送信する。

≪充電器の構成≫
充電器２３０は、通信装置２３１、充電制御装置２３２、充電回路２３３、および充電器側充電プラグ２３５を含んで構成される。充電回路２３３は、充電制御装置２３２が決定した充電電流を基に、バッテリ２２３へ充電電力を供給する。

充電制御装置２３２は、バッテリ２２３の充電率や充電電流指令値などの情報を基に充電電流を決定するとともに、充電中のバッテリ２２３の電流や電圧を監視・制御する。充電制御装置２３２は、車両側充電コネクタ２２５および充電器側充電プラグ２３５を介して充電中の電流、電圧、充電率に関する情報を取得し、通信装置２３１に出力する。
通信装置２３１は、充電制御装置２３２が収集した充電中の電流、電圧、充電率に関する情報を電池診断装置１００に送信する。

≪電池診断装置の構成≫
図２は、第１実施形態に係る電池診断装置１００の機能ブロック図である。電池診断装置１００はコンピュータであって、制御部１１０、記憶部１２０、および入出力部１８０を備える。入出力部１８０には、ディスプレイやキーボード、マウスなどのユーザインターフェイス機器が接続される。また、入出力部１８０は通信デバイスを備え、運行管理装置２１０他とのデータ送受信が可能である。

≪電池診断装置の記憶部≫
記憶部１２０は、ＲＯＭ（Read Only Memory）やＲＡＭ（Random Access Memory）、ＳＳＤ（Solid State Drive）などの記憶機器を含んで構成される。記憶部１２０には、電池情報データベース１３０、稼働状態データベース１４０、劣化特性情報１５０、診断テーブル１６０、およびプログラム１２８が記憶される。

プログラム１２８は、診断テーブル更新処理（後記する図１０参照）および診断処理（後記する図１１参照）の記述を含む。電池情報データベース１３０は、電動車両２２０や充電器２３０から受信したバッテリ２２３の電流、電圧、充電率、温度、および劣化率を含む時系列データである稼働情報を記憶する。第１実施形態では、時系列データは所定周期のデータであり、例えば１時間おきのデータである。

≪電池診断装置の記憶部：稼働状態テーブル≫
図３は、第１実施形態に係る稼働状態データベース１４０に記憶される稼働状態テーブル１４１のデータ構成図である。稼働状態テーブル１４１は、電動車両２２０が搭載するバッテリ２２３それぞれに対して作成され、バッテリ２２３の稼働状況を示す。稼働状態テーブル１４１の横軸（列）の０・１０・…・１００は充電率であり、縦軸（行）の－３０・－１０・…・６０は温度である。

各セルの値は、電池情報データベース１３０にあるバッテリ２２３のデータであって、データの充電率および温度が当該セルの充電率および温度であるデータの総数である。例えば、充電率が５０％で温度が４０度のセルには、充電率が５０％台で温度が４０度付近であるバッテリ２２３のデータの総数が格納される。電池情報データベース１３０のデータは所定周期の時系列データであるので、セルの値は、バッテリ２２３が当該セルの充電率および温度であった時間と見なせる。

≪電池診断装置の記憶部：劣化特性情報≫
図４は、第１実施形態に係る劣化特性情報１５０を説明するためのグラフ３１０である。劣化特性情報１５０は、バッテリ２２３の劣化速度を示す情報であり、稼働状態ごとのバッテリ２２３の使用開始からの経過時間または充放電総量と、劣化率との関係（劣化曲線）および劣化リスクを示す。なおバッテリ２２３の稼働状態とは、最高頻度の充電率と温度との組み合わせであり、稼働状態テーブル１４１の最大値となるセルの充電率と温度との組み合わせである。以下、後記するグラフ３２０，３３０，３４０，３５０，３６０，３７０を含め、グラフ３１０の横軸となる使用開始からの経過時間または充放電総量を単に時間とも記す。劣化曲線は、時間と劣化率との関係を示すテーブルであってもよい。

グラフ３１０は、バッテリ２２３の劣化因子となる充電率および温度が異なる３つのケースに対する劣化曲線（劣化の進み方）を示している。バッテリ２２３は、一般に使用中の温度が高いほど、充電率が高いほど、劣化が進行する。実線の劣化曲線３１３は、高充電率で高温である充電率が９０％で温度が６０度付近という稼働状態でバッテリ２２３が使用された場合の劣化の進み方を示しており、劣化は大きく進み（劣化速度が速い／高）劣化リスク大である。点線の劣化曲線３１１は、低充電率で低温である充電率３０％で温度２５度付近という稼働状態でバッテリ２２３が使用された場合の劣化の進み方を示しており、劣化の進みは小さく（劣化速度が遅い／低）劣化リスク小である。破線の劣化曲線３１２は、中間の充電率・温度である充電率が６０％で温度が４０度中心という稼働状態でバッテリ２２３が使用された場合の劣化率を示しており、劣化の進みも中間（劣化速度が中）であり劣化リスク中である。

電動車両２２０および充電器２３０から送信されるバッテリ２２３の稼働情報を基に、どのような充電率および温度域でバッテリ２２３が充放電されていたかを分析することで、バッテリ２２３の劣化速度を診断することができる。
なお、劣化速度が速いほど使用可能期間は短くなり、劣化速度が遅いほど使用可能期間は長くなるので、劣化速度をバッテリ２２３の寿命の指標と見なすこともできる。このため、劣化速度を寿命に対するリスクと見なして、劣化リスクとも記す。例えば、バッテリ２２３の稼働状態が高充電率で高温であるのは、劣化リスク大である。また、劣化曲線３１１，３１２，３１３の劣化リスクは、それぞれ小／中／大（低／中／高）である。

≪電池診断装置の記憶部：診断テーブル≫
図５は、第１実施形態に係る診断テーブル１６１のデータ構成図である。診断テーブル１６０とは、診断テーブル１６１，１６２，１６３（後記する図７、図９参照）を含めた診断テーブルの総称である。図５記載の診断テーブル１６１は、初期状態の診断テーブル１６０である。診断テーブル１６０は、バッテリ２２３の稼働状態と劣化リスク（劣化速度）との関連を示す。診断テーブル１６０の横軸（列）の０・１０・…・１００は充電率であり、縦軸（行）の－３０・－１０・…・６０は温度である。セルの値は、バッテリ２２３の稼働状態が当該セルの充電率および温度である場合の劣化リスクであって、０／１／２はそれぞれ劣化リスク小／中／大を示す。例えば、充電率が６０％台で温度が４０度付近である稼働状態のバッテリ２２３の劣化リスクは中（「１」）である。

初期状態の診断テーブル１６１は、既存の電動車両やバッテリの実績を参考にして、劣化リスクが設定される。このためバッテリ２２３が新規で劣化特性が不明の場合には、診断テーブル１６１は劣化特性を正しく反映しているとは限らない。後記するように診断テーブル更新部１１２は、電池情報データベース１３０に蓄積されるバッテリ２２３の実際の稼働情報（実測値）を基に診断テーブル１６０を更新する。

以上に説明したように、バッテリ２２３の稼働状態に対応して、診断テーブル１６１には劣化リスクが示されており、劣化特性情報１５０には劣化曲線および劣化リスクが示されている。

≪電池診断装置の制御部≫
図２に戻って、制御部１１０を説明する。制御部１１０は、ＣＰＵ（Central Processing Unit）を含んで構成され、データ分析部１１１、診断テーブル更新部１１２、および診断部１１３が備わる。

≪電池診断装置の制御部：データ分析部≫
データ分析部１１１は、電池情報データベース１３０に記憶されるそれぞれのバッテリ２２３の稼働情報に基づいて稼働状態テーブル１４１（図３参照）を生成して、稼働状態データベース１４０に格納する。データ分析部１１１は、電池情報データベース１３０にあるバッテリ２２３それぞれの稼働情報である時系列のデータについて、データが示す充電率と温度に該当するデータの総数を、該当するセルに格納する。

バッテリ２２３の稼働状態テーブル１４１において最大値となるセル（稼働データのなかで最も頻度・滞在時間が長い）の充電率および温度が、バッテリ２２３の稼働状態（最頻となる（代表的な）稼働情報の組み合わせ）であり、稼働状態を中心にバッテリ２２３が稼働していることになる。

≪電池診断装置の制御部：診断テーブル更新部≫
診断テーブル更新部１１２は、電池情報データベース１３０にあるデータ（実測値）に基づいて診断テーブル１６０を更新する。図６は、第１実施形態に係る診断テーブル１６０の更新を説明するためのグラフ３２０である。グラフ３２０に記載の実線・破線・点線の劣化曲線は、図４記載の劣化曲線３１３，３１２，３１１と同様であって、劣化速度（劣化リスク）は高、中、低である。

一点鎖線３２１で囲われた円（〇）は、充電率が６０％台、温度が４０度付近を稼働状態とするバッテリ２２３の劣化率の稼働情報（実測値）を示す。初期状態の診断テーブル１６１（図５参照）および劣化特性情報１５０（図４参照）によれば、バッテリ２２３の劣化速度（劣化リスク）は中であり、破線の劣化曲線で示される劣化速度が想定されていた。しかしながら、実測値では劣化速度が中の破線の劣化曲線ではなく点線の劣化曲線に近く、バッテリ２２３の劣化速度は低である。このように診断テーブル１６０および劣化特性情報１５０が示す劣化速度（劣化曲線）が実測値と異なる場合、診断テーブル更新部１１２は、診断テーブル１６０を更新する。

詳しくは、診断テーブル更新部１１２は、実測値の各時間における劣化率と、劣化特性情報１５０が示すバッテリ２２３の稼働状態に対応する劣化曲線（以下、現劣化曲線と記す）の各時間における劣化率との差の和を乖離として算出する。診断テーブル更新部１１２は、劣化特性情報１５０にある劣化曲線で、現劣化曲線より実測値の乖離が小さい劣化曲線があれば、診断テーブル１６０が示すバッテリ２２３の稼働状態に対応する劣化リスクを、劣化特性情報１５０に示される当該劣化曲線に対応する劣化リスクに更新する。

図７は、第１実施形態に係る更新後の診断テーブル１６２を示す図である。初期状態の診断テーブル１６１（図５参照）と比較すると、充電率が６０％台、温度が４０度のセル（太い枠で示したセル）の値が１から０に更新されている。このように診断テーブル更新部１１２は、バッテリ２２３の稼働情報（実測値）に基づいて、バッテリ２２３の稼働状態の充電率・温度に対応するセルの値を更新する。

合わせて診断テーブル更新部１１２は、同じ温度で充電率が低い側のセルについても、一般的な劣化の傾向として、充電率が低い場合には劣化速度が遅くなることを考慮して、１から０に更新する。また診断テーブル更新部１１２は、同じ充電率で温度が低い側のセルについても、一般的な傾向として、温度が低い場合には劣化速度が遅くなることを考慮して、１から０に更新する。図７では、このように実測値からの推定により更新されたセルを太い破線の枠で示している。診断テーブル更新部１１２は、さらに充電率も温度も低いセルの値を１から０に更新してもよい。

上記とは稼働状態が異なる場合を説明する。図８は、第１実施形態に係る診断テーブル１６０の更新を説明するためのグラフ３３０である。グラフ３３０に記載の実線、破線、点線の劣化曲線は、図４記載の劣化曲線３１３，３１２，３１１と同様である。
一点鎖線３３１で囲われた円は、充電率が９０％台、温度が６０度付近を稼働状態とするバッテリ２２３の劣化率の実測値を示す。診断テーブル１６１（図５参照）によれば、バッテリ２２３の劣化速度（劣化リスク）は大であり、実線の劣化曲線で示される劣化速度が想定されていた。しかしながら、実測値では劣化速度が高の実線の劣化曲線ではなく破線の劣化曲線に近く、バッテリ２２３の劣化速度は中である。このように診断テーブル１６０が示す劣化速度が実測値と異なるので、診断テーブル更新部１１２は、診断テーブル１６０を更新する。

図９は、第１実施形態に係る更新後の診断テーブル１６３を示す図である。診断テーブル１６２（図７参照）と比較すると、充電率が９０％台、温度が６０度のセル（太い枠で示したセル）の値が２から１に更新されている。合わせて診断テーブル更新部１１２は、同じ温度で充電率が低い側のセル、および、同じ充電率で温度が低い側のセルについても、２から１に更新する。図９では、このように実測値からの推定により更新されたセルを太い破線の枠で示している。診断テーブル更新部１１２は、さらに充電率も温度も低いセルで値が２であるセルを１に更新してもよい。

ここまで、劣化リスクを下げる更新を説明したが、劣化リスクが上げる場合も同様に処理される。ある稼働状態における劣化速度が低ではなく中と判明した場合には、診断テーブル更新部１１２は当該稼働状態に対応する診断テーブル１６０のセルの値を０から１に更新し、さらに当該セルの下側（温度が高い）および右側（充電率が高い）のセルの値も０から１に更新する。

≪電池診断装置の制御部：診断部≫
図２に戻って、制御部１１０の説明を続ける。診断部１１３は、バッテリ２２３の稼働状態を基に診断テーブル１６０（診断情報データベース）を参照して、バッテリ２２３の劣化リスク（劣化速度）を診断する。詳しくは、診断部１１３は診断テーブル１６０のなかでバッテリ２２３の稼働状態の劣化リスクを、バッテリ２２３の診断結果として出力する。なお、診断部１１３が参照するのは、最新の診断テーブル１６０である。

≪診断テーブル更新処理≫
図１０は、第１実施形態に係る診断テーブル更新処理のフローチャートである。診断テーブル更新処理は所定のタイミング、例えば周期的に実行される。
ステップＳ１１において診断テーブル更新部１１２は、バッテリ２２３ごとにステップＳ１２～Ｓ１４の処理を繰り返す。
ステップＳ１２においてデータ分析部１１１は、バッテリ２２３の稼働状態テーブル１４１を生成する。

ステップＳ１３において診断テーブル更新部１１２は、バッテリ２２３の稼働状態（代表的な稼働情報の組み合わせ、稼働状態テーブル１４１の最大値となる充電率・温度）を特定する。
ステップＳ１４において診断テーブル更新部１１２は、診断テーブル１６０を更新する（図６～図９参照）。

図１０記載の診断テーブル更新処理は、全てのバッテリ２２３の実測値に基づいて診断テーブル１６０を更新している。バッテリ２２３それぞれの稼働情報のデータ量が所定値（使用開始からの経過時間または充放電総量が所定値）に達したタイミングにおいて、当該バッテリ２２３に対してステップＳ１２～Ｓ１４が実行されてもよい。

≪診断処理≫
図１１は、第１実施形態に係る診断処理のフローチャートである。診断処理は、所定のタイミング、例えば周期的に実行されたり、運行管理装置２１０が運行計画を立てるタイミングで実行されたりする。
ステップＳ２１においてデータ分析部１１１は、診断対象となるバッテリ２２３の稼働状態テーブル１４１を生成する。

ステップＳ２２において診断部１１３は、バッテリ２２３の稼働状態を特定する。
ステップＳ２３において診断部１１３は、診断テーブル１６０のなかでステップＳ２２に特定した稼働状態の劣化リスクを取得して、バッテリ２２３の劣化リスクとして出力する。

≪電池診断装置の特徴≫
電池診断装置１００は、バッテリ２２３の稼働状態を特定して（ステップＳ２２参照）診断テーブル１６０を参照して劣化リスクを出力する（ステップＳ２３参照）。診断テーブル１６０は、バッテリ２２３の温度、充電率、劣化率の実測値に基づいて更新される（図１０参照）。診断テーブル１６０の初期状態（図５記載の診断テーブル１６１参照）では、既存のバッテリの劣化速度を参照して劣化リスクが設定されるため、劣化特性が未知であるバッテリ２２３の診断の精度が低くなる可能性がある。しかしながら、バッテリ２２３の実測値を基に診断テーブル１６０を更新するので、バッテリ２２３の稼働情報が蓄積されるのに応じて診断の精度が向上する。延いてはバッテリ２２３の劣化特性に合わせた運行計画が立案できるようになる。

≪変形例：稼働状態≫
上記した実施形態においてバッテリ２２３の稼働状態テーブル１４１のセルで最大値となるセル（稼働データのなかで最も頻度・滞在時間が長い）の充電率・温度が、バッテリ２２３の稼働状態である（ステップＳ１３，Ｓ２２参照）。稼働情報（実測値）が散らばっている（頻度・滞在時間が複数の充電率・温度条件に広く分布している）場合を考慮して、セルの値で重み付けして稼働状態が特定されるようにしてもよい。例えば、充電率が５０・６０・７０で温度が２５・４０・６０である９つのセルにほぼ等しくデータが散らばっている場合には、稼働状態は充電率が６０％で温度が４０度であるとしてもよい。
また、診断部１１３は、劣化リスクが０と１のセルにほぼ等しくデータが散らばっている場合には、劣化リスクが０～１、例えば「１－」と判断してもよい。

≪第２実施形態≫
第１実施形態では、バッテリ２２３の劣化因子として充電率および温度に注目しているが、他の劣化因子に基づいて劣化リスクを診断してもよい。第２実施形態において注目する劣化因子は電圧と温度であり、劣化リスクが大きくなるのはリチウム金属析出による特異的劣化が発生する場合である。この意味で、第２実施形態における劣化リスクとは、リチウム金属析出による特異的劣化が発生するリスクとなる。以下、第１実施形態と異なる部分を説明する。

図１２は、第２実施形態に係る電池診断装置１００Ａの機能ブロック図である。第１実施形態の電池診断装置１００（図２参照）とは、稼働状態データベース１４０Ａに含まれる稼働状態テーブル１４１Ａ（後記する図１３参照）、劣化特性情報１５０Ａ、および診断テーブル１６０Ａの構成が異なる。

図１３は、第２実施形態に係る稼働状態データベース１４０Ａに記憶される稼働状態テーブル１４１Ａのデータ構成図である。第１実施形態の稼働状態テーブル１４１（図３参照）の横軸（列）は充電率であるのに対して、稼働状態テーブル１４１Ａの横軸は電圧である。

バッテリ２２３は、低温での主に連続的な充電中において、電池を構成する負極表面で電解液中のリチウムイオンが金属となって析出することがある。これは、負極電位が連続的な充電中に、リチウム金属の析出電位である０Ｖを下回ることで、リチウム金属の析出反応が進みやすくなることが原因である。この反応が進行すると、電解液中のリチウムイオンが減少し、結果として電池容量が大きく低下する。この様子を後記する図１４に示す。

図１４は、第２実施形態に係る劣化特性情報１５０Ａを説明するためのグラフ３４０である。実線の劣化曲線３４１は、上記したようなリチウム金属の析出に伴う電池容量の低下がない場合の時間と劣化率の関係を示す。リチウム金属の析出が起こらない場合には、グラフ３１０（図４参照）と同様に、実線の劣化曲線３４１が示すように時間とともに徐々に劣化率（バッテリ２２３の容量）が低下する。特異的劣化が発現する特異的劣化ありのケースでは、点線の劣化曲線３４２が示すように、あるタイミングでのリチウム金属析出に伴い電池容量が大幅に低下する。第２実施形態の電池診断装置１００Ａは、このような事象を特異的な劣化として把握する。

図１５は、第２実施形態に係る診断テーブル１６１Ａのデータ構成図である。診断テーブル１６０Ａとは、診断テーブル１６１Ａ，１６２Ａ（後記する図１７参照）を含めた診断テーブルの総称である。図１５記載の診断テーブル１６１Ａは、初期状態の診断テーブル１６０Ａである。診断テーブル１６０Ａは、バッテリ２２３の稼働状態と劣化リスク（特定的劣化が発生するリスク）との関連を示す。第１実施形態の診断テーブル１６０（図５参照）と比較すると、診断テーブル１６０Ａの横軸（列）は電圧となる。

リチウム金属の析出は、低温かつ電圧が高い領域で発生リスクが高まる。このため、図１５に示すように、電圧が高く温度が低い場合に特異的劣化が発生する可能性があると考えられ、劣化リスク大（特異的劣化あり）を示す１が設定される。それ以外はリチウム金属の析出の可能性は低いと考えられ、劣化リスク小（特異的劣化なし）を示す０が設定される。

図１６は、第２実施形態に係る診断テーブル１６０Ａの更新を説明するためのグラフ３５０である。グラフ３５０に記載の実線と点線の劣化曲線は、図１４記載の劣化曲線３４１，３４２と同様であって、劣化リスク小と大の劣化曲線である。
一点鎖線３５１で囲われた円（〇）は、電圧が４．０Ｖ前後、温度が０度付近を稼働状態とするバッテリ２２３の劣化率の稼働情報（実測値）を示す。初期状態の診断テーブル１６１Ａ（図１５参照）によれば、バッテリ２２３の劣化リスクは小であり、実線の劣化曲線で示される劣化速度が想定されていた。しかしながら、実測値は時間経過とともに実線の劣化曲線から大きく乖離している。このように診断テーブル１６０Ａおよび劣化特性情報１５０Ａが示す劣化速度（劣化曲線）が実測値と乖離する場合、診断テーブル更新部１１２Ａは、診断テーブル１６０Ａを更新する。

図１７は、第２実施形態に係る更新後の診断テーブル１６２Ａを示す図である。初期状態の診断テーブル１６１Ａ（図１５参照）と比較すると、電圧が４．０Ｖ、温度が０度のセル（太い枠で示したセル）の値が０から１に更新されている。このように診断テーブル更新部１１２Ａは、バッテリ２２３の稼働情報（実測値）に基づいて、バッテリ２２３の稼働状態の電圧・温度に対応するセルの値を更新する。
合わせて診断テーブル更新部１１２Ａは、同じ温度で電圧が高い側のセルについても、電圧が高い場合には特異的劣化が発生しやすくなることを考慮して、０から１に更新する。図１７では、このように実測値からの推定により更新されたセルを太い破線の枠で示している。また診断テーブル更新部１１２Ａは、同じ電圧で温度が低い側のセルについても、温度が低い場合には特異的劣化が発生しやすくなることを考慮して、０から１に更新してもよい。

≪第２実施形態：特徴≫
第２実施形態における電池診断装置１００Ａは、バッテリ２２３の稼働状態として温度および電圧に基づくことで、リチウム金属析出による特異的劣化を考慮した劣化リスクを出力する。診断テーブル１６０Ａは、バッテリ２２３の温度、電圧、劣化率の実測値に基づいて更新される。診断テーブル１６０Ａの初期状態（図１５記載の診断テーブル１６１Ａ参照）では、既存のバッテリの劣化速度を参照して劣化リスクが設定されるため、劣化特性が未知であるバッテリ２２３の診断の精度が低くなる可能性がある。しかしながら、バッテリ２２３の実測値を基に診断テーブル１６０Ａを更新するので、バッテリ２２３の稼働情報が蓄積されるのに応じて診断の精度が向上する。

≪第３実施形態≫
バッテリ２２３の劣化因子として、第１実施形態では充電率および温度に、第２実施形態では電圧および温度に注目している。第３実施形態において注目する劣化因子は電流と温度であり、劣化リスクが大きくなるのは大電流での充電もしくは放電により生じたリチウムイオン濃度の偏りによる特異的劣化が発生する場合である。この意味で、第３実施形態における劣化リスクとは、リチウムイオン濃度の偏りによる特異的劣化が発生するリスクとなる。以下、第１実施形態と異なる部分を説明する。

図１８は、第３実施形態に係る電池診断装置１００Ｂの機能ブロック図である。第１実施形態の電池診断装置１００（図２参照）とは、稼働状態データベース１４０Ｂに含まれる稼働状態テーブル１４１Ｂ（後記する図１９参照）、劣化特性情報１５０Ｂ、および診断テーブル１６０Ｂの構成が異なる。

図１９は、第３実施形態に係る稼働状態データベース１４０Ｂに記憶される稼働状態テーブル１４１Ｂのデータ構成図である。第１実施形態の稼働状態テーブル１４１（図３参照）の横軸（列）は充電率であるのに対して、稼働状態テーブル１４１Ｂの横軸は電流である。マイナスの電流は放電、プラスの電流は充電を示す。

バッテリ２２３に対して、大電流での充電もしくは放電が繰り返されると、リチウムイオン電池内部のリチウムイオン濃度分布に大きな偏りが生じる。これに起因してバッテリ２２３の内部抵抗値が大きく増大することがある。なお第３実施形態における劣化率は、第１実施形態での電池容量の劣化率（ＳＯＨ）ではなく、内部抵抗値の劣化率（初期状態おける内部抵抗値と劣化後における内部抵抗値との比、ＳＯＨＲ）である。バッテリ２２３の使用に伴い、ＳＯＨＲは１００％から増大する。

図２０は、第３実施形態に係る劣化特性情報１５０Ｂを説明するためのグラフ３６０である。実線の劣化曲線３６１は、上記したようなリチウムイオン濃度分布の偏りに伴う電池内部抵抗の増大がない場合の時間と劣化率の関係を示す。リチウムイオン濃度の偏りがない場合には、実線の劣化曲線３６１が示すように時間とともに徐々に劣化率（バッテリ２２３の内部抵抗）が増大する。特異的劣化が発現する特異的劣化ありのケースでは、点線の劣化曲線３６２が示すように、あるタイミングでのリチウムイオン濃度の偏りに伴い電池内部抵抗が大幅に増大する。第３実施形態の電池診断装置１００Ｂは、このような事象を特異的な劣化として把握する。

図２１は、第３実施形態に係る診断テーブル１６１Ｂのデータ構成図である。診断テーブル１６０Ｂとは、診断テーブル１６１Ｂ，１６２Ｂ（後記する図２３参照）を含めた診断テーブルの総称である。図２１記載の診断テーブル１６１Ｂは、初期状態の診断テーブル１６０Ｂである。診断テーブル１６０Ｂは、バッテリ２２３の稼働状態と劣化リスク（特定的劣化が発生するリスク）との関連を示す。第１実施形態の診断テーブル１６０（図５参照）と比較すると、診断テーブル１６０Ｂの横軸（列）は電流となる。

リチウムイオン濃度の偏りは、低温かつ電流が多い領域で発生リスクが高まる。このため、図２１に示すように、電流が多く温度が低い場合に特異的劣化が発生する可能性があると考えられ、劣化リスク大（特異的劣化あり）を示す１が設定される。それ以外はリチウムイオン濃度の偏る可能性は低いと考えられ、劣化リスク小（特異的劣化なし）を示す０が設定される。

図２２は、第３実施形態に係る診断テーブル１６０Ｂの更新を説明するためのグラフ３７０である。グラフ３７０に記載の実線と点線の劣化曲線は、図２０記載の劣化曲線３６１，３６２と同様であって、劣化リスク小と大の劣化曲線である。
一点鎖線３７１で囲われた円（〇）は、電流が±１８０Ａ前後、温度が０度付近を稼働状態とするバッテリ２２３の劣化率の稼働情報（実測値）を示す。初期状態の診断テーブル１６１Ｂ（図２１参照）によれば、バッテリ２２３の劣化リスクは小であり、実線の劣化曲線で示される劣化速度が想定されていた。しかしながら、実測値は時間経過とともに実線の劣化曲線から大きく乖離している。このように診断テーブル１６０Ｂおよび劣化特性情報１５０Ｂが示す劣化速度（劣化曲線）が実測値と乖離する場合、診断テーブル更新部１１２Ｂは、診断テーブル１６０Ｂを更新する。

図２３は、第３実施形態に係る更新後の診断テーブル１６２Ｂを示す図である。初期状態の診断テーブル１６１Ｂ（図２１参照）と比較すると、電流が±１８０Ａ、温度が０度のセル（太い枠で示したセル）の値が０から１に更新されている。このように診断テーブル更新部１１２Ｂは、バッテリ２２３の稼働情報（実測値）に基づいて、バッテリ２２３の稼働状態の電流・温度に対応するセルの値を更新する。
合わせて診断テーブル更新部１１２Ｂは、同じ温度で電流が多い側のセルについても、電流が多い場合には特異的劣化が発生しやすくなることを考慮して、０から１に更新する。図２３では、このように実測値からの推定により更新されたセルを太い破線の枠で示している。また診断テーブル更新部１１２Ｂは、同じ電流で温度が低い側のセルについても、温度が低い場合には特異的劣化が発生しやすくなることを考慮して、０から１に更新してもよい。

≪第３実施形態：特徴≫
第３実施形態における電池診断装置１００Ｂは、バッテリ２２３の稼働状態として温度および電流に基づくことで、リチウムイオン濃度の偏りによる特異的劣化を考慮した劣化リスクを出力する。診断テーブル１６０Ｂは、バッテリ２２３の温度、電流、劣化率の実測値に基づいて更新される。診断テーブル１６０Ｂの初期状態（図２１記載の診断テーブル１６１Ｂ参照）では、既存のバッテリの劣化速度を参照して劣化リスクが設定されるため、劣化特性が未知であるバッテリ２２３の診断の精度が低くなる可能性がある。しかしながら、バッテリ２２３の実測値を基に診断テーブル１６０Ｂを更新するので、バッテリ２２３の稼働情報が蓄積されるのに応じて診断の精度が向上する。

≪変形例：劣化因子≫
バッテリ２２３の劣化因子は、第１実施形態では温度と充電率であり、第２実施形態では温度と電圧、第３実施形態では温度と電流である。３つ以上の劣化因子を組み合わせてもよい。例えば劣化因子を温度と充電率と電流としてもよい。データ分析部１１１は、バッテリ２２３の稼働情報から、この３軸の稼働状態テーブルを生成する。また、診断テーブル更新部１１２は、この３軸の診断テーブルを更新するようにしてもよい。

≪その他変形例≫
以上、本発明のいくつかの実施形態について説明したが、これらの実施形態は、例示に過ぎず、本発明の技術的範囲を限定するものではない。例えば、電池情報データベース１３０や稼働状態データベース１４０、劣化特性情報１５０、診断テーブル１６０は、記憶部１２０に記憶されるが、電池診断装置１００とは異なる装置、例えばクラウドにあるストレージに記憶されてもよい。上記した実施形態では、電池診断装置１００，１００Ａ，１００Ｂが診断テーブル更新部１１２，１１２Ａ，１１２Ｂと診断部１１３，１１３Ａ，１１３Ｂとを備えるが、別の装置が備えるようにしてもよい。

上記した実施形態における劣化リスクの数は、３または２であったが、これに限る必要はなく、３超であってもよい。上記した実施形態では、診断テーブル１６０，１６０Ａ，１６０Ｂと劣化特性情報１５０，１５０Ａ，１５０Ｂとは、別のデータであったが、一体となってもよい。上記した実施形態における劣化率は、電池容量の劣化率（ＳＯＨ）または内部抵抗値の劣化率（ＳＯＨＲ）であったが、この２つの劣化率の組み合わせであってもよい。

本発明はその他の様々な実施形態を取ることが可能であり、さらに、本発明の要旨を逸脱しない範囲で、省略や置換等種々の変更を行うことができる。これら実施形態やその変形は、本明細書等に記載された発明の範囲や要旨に含まれるとともに、特許請求の範囲に記載された発明とその均等の範囲に含まれる。

１００，１００Ａ，１００Ｂ 電池診断装置
１１１，１１１Ａ，１１１Ｂ データ分析部
１１２，１１２Ａ，１１２Ｂ 診断テーブル更新部（診断情報更新部）
１１３，１１３Ａ，１１３Ｂ 診断部
１３０ 電池情報データベース（稼働情報）
１５０，１５０Ａ，１５０Ｂ 劣化特性情報
１６０，１６０Ａ，１６０Ｂ，１６１，１６１Ａ，１６１Ｂ，１６２，１６２Ａ，１６２Ｂ，１６３ 診断テーブル（診断情報データベース）
２２３ バッテリ（蓄電池）
３１０，３２０，３３０，３４０，３５０，３６０，３７０ グラフ（劣化曲線のグラフ）
３１１，３１２，３１３，３４１，３４２，３６１，３６２ 劣化曲線

Claims (10)

1. 蓄電池の時系列の稼働情報と当該蓄電池の劣化率とを基に、前記蓄電池の稼働状態と当該蓄電池の劣化リスクとを関連付けて記憶する診断情報データベースを更新する診断情報更新部と、
   前記蓄電池の稼働状態を基に、前記診断情報データベースを参照して当該蓄電池の劣化リスクを診断する診断部とを備える
   ことを特徴とする電池診断装置。
2. 前記蓄電池の稼働状態は、充電率、温度、電流、電圧のうち何れか２つ以上で示される
   ことを特徴とする請求項１に記載の電池診断装置。
3. 前記蓄電池の劣化率は、当該蓄電池の容量の使用開始時との比、当該蓄電池の内部抵抗の使用開始時との比のうち何れか１つ以上で示される
   ことを特徴とする請求項１に記載の電池診断装置。
4. 前記診断情報更新部は、
   前記蓄電池の稼働状態、前記蓄電池の使用時間経過または充放電総量に伴う劣化率の変化を示す劣化曲線、および劣化リスクを関連付けて記憶する劣化特性情報を参照し、
   前記診断情報データベースが示す前記蓄電池の稼働状態に対応する劣化曲線との乖離よりも小さい乖離となる劣化曲線がある場合には、
   前記診断情報データベースが示す当該蓄電池の稼働状態の劣化リスクを、当該劣化曲線に対応する劣化リスクに更新する
   ことを特徴とする請求項１に記載の電池診断装置。
5. 前記蓄電池の稼働状態は、充電率と温度で示され、
   前記診断情報更新部は、
   前記蓄電池の稼働状態に対応する劣化リスクを小さくなるように更新した場合には、前記蓄電池の稼働状態より充電率が低い稼働状態、および、前記蓄電池の稼働状態より温度が低い稼働状態に対応する劣化リスクを小さくなるように更新する
   ことを特徴とする請求項４に記載の電池診断装置。
6. 前記蓄電池の稼働状態は、充電率と温度で示され、
   前記診断情報更新部は、
   前記蓄電池の稼働状態に対応する劣化リスクを大きくなるように更新した場合には、前記蓄電池の稼働状態より充電率が高い稼働状態、および、前記蓄電池の稼働状態より温度が高い稼働状態に対応する劣化リスクを大きくなるように更新する
   ことを特徴とする請求項４に記載の電池診断装置。
7. 前記蓄電池の稼働状態は、電圧と温度で示され、
   前記診断情報更新部は、
   前記蓄電池の稼働状態に対応する劣化リスクを大きくなるように更新した場合に、前記蓄電池の稼働状態より電圧が高い稼働状態、および、前記蓄電池の稼働状態より温度が低い稼働状態に対応する劣化リスクを大きくなるように更新する
   ことを特徴とする請求項４に記載の電池診断装置。
8. 前記蓄電池の稼働状態は、電流と温度で示され、
   前記診断情報更新部は、
   前記蓄電池の稼働状態に対応する劣化リスクを大きくなるように更新した場合に、前記蓄電池の稼働状態より電流が多い稼働状態、および、前記蓄電池の稼働状態より温度が低い稼働状態に対応する劣化リスクを大きくなるように更新する
   ことを特徴とする請求項４に記載の電池診断装置。
9. コンピュータを、
   蓄電池の時系列の稼働情報と当該蓄電池の劣化率とを基に、前記蓄電池の稼働状態と当該蓄電池の劣化リスクとを関連付けて記憶する診断情報データベースを更新する診断情報更新部と、
   前記蓄電池の稼働状態を基に、前記診断情報データベースを参照して当該蓄電池の劣化リスクを診断する診断部とを備える電池診断装置として機能させるための
   プログラム。
10. 電池診断装置が、
    蓄電池の時系列の稼働情報と当該蓄電池の劣化率とを基に、前記蓄電池の稼働状態と当該蓄電池の劣化リスクとを関連付けて記憶する診断情報データベースを更新するステップと、
    前記蓄電池の稼働状態を基に、前記診断情報データベースを参照して当該蓄電池の劣化リスクを診断するステップとを実行する
    電池診断方法。

Images