电池的安全性估计装置以及电池的安全性估计方法制造方法及图纸

实现能够根据电池的设计参数估计与电池的发热相关的安全性的电池的安全性估计装置以及安全性估计方法。该装置具备取得电池的设计参数(11)的参数取得部(10)、基于机器学习完成逻辑模型(41)根据设计参数(11)来计算电池的电压举动的计算部(20)、以及将电压举动作为与电池的发热相关的安全性的信息而输出的输出部(30)。

【技术实现步骤摘要】
电池的安全性估计装置以及电池的安全性估计方法
本公开涉及电池的安全性估计装置以及电池的安全性估计方法。
技术介绍
近年来，对手机及笔记本电脑等电子设备以及车载用电源等中使用的二次电池要求高能量密度化，从该观点出发，可实现高能量密度化的非水电解质二次电池正在广泛普及。非水电解质二次电池例如具备正极、负极、介于它们之间的隔膜和非水电解质。为了提高体积效率、实现高能量密度化，已知具备将正极和负极隔着隔膜卷绕而成的电极组的结构的电池。另外，在电池反复充放电的情况下的电池容量的劣化被称为寿命特性，是重要的电池特性之一。除寿命特性的评价要花费很长时间以外，需要在各种各样的条件下，在分离劣化要因的同时进行评价，其特性改良需要莫大的时间。近年来，公开了用于寿命特性的估计技术或长寿命化的控制技术(例如，专利文献1、2及3)。另一方面，随着非水电解质二次电池的能量密度的增加，能量密度与安全性相互权衡，与电池的安全性相关的课题变大。一般而言，非水电解质二次电池的安全性受到材料的热稳定性、设计的富余度以及生产过程的妥当性等的影响。对安全性的影响很大程度上依赖于正极活性物质的热稳定性，特别是针对来自充电状态的正极活性物质的氧释放的热稳定性。为了提高正极活性物质的热稳定性，大多进行合成工艺以及材料组成的研究。近年来，公开了通过使用了第一原理计算的手段来导出热稳定性更高的活性物质的材料设计的技术(例如，专利文献4)。现有技术文献专利文献专利文献1：日本专利第5561268号公报专利文献2：国际公开第2014/155726号专利文献3：日本特开2013-217897号公报专利文献4：日本特开2017-162790号公报
技术实现思路
专利技术所要解决的课题然而，如专利文献4那样，虽然报告了提高电池的安全性的材料设计技术，但是没有关于与电池的发热相关的安全性的估计技术的报告。因此，在未知的设计的电池中，也希望实现能够根据电池的设计参数来估计与电池的发热相关的安全性的电池的安全性估计装置等。用于解决课题的手段为了解决所述课题，本公开的一个方式的电池的安全性估计装置具备：参数取得部，所述参数取得部取得电池的设计参数；计算部，所述计算部基于机器学习完成逻辑模型，根据所述设计参数计算所述电池的电压举动；以及输出部，所述输出部将所述电压举动作为与所述电池的发热相关的安全性的信息来输出。另外，本公开的一个方式的电池的安全性估计方法包括：参数取得步骤，所述参数取得步骤取得电池的设计参数；计算步骤，所述计算步骤基于机器学习完成逻辑模型，根据所述设计参数计算所述电池的电压举动；以及输出步骤，所述输出步骤将所述电压举动作为与所述电池的发热相关的安全性的信息来输出。专利技术效果根据本公开，能够实现能够根据电池的设计参数来估计与电池的发热相关的安全性的电池的安全性估计装置等。附图说明图1是用于说明与电池的发热相关的安全性的估计中的课题的图。图2是表示本实施方式的电池的安全性估计装置的结构的一例的功能框图。图3是表示本实施方式的电池的安全性估计装置中的电池的安全性估计的方法的流程图。图4是表示本实施方式的电池的安全性估计装置中的、构建机器学习完成逻辑模型的方法的流程图。图5是表示用于安全性的估计的评价用电池的概略结构的剖视图。图6是表示评价用电池中的产生的气体量与经过时间的关系的图。图7是表示评价用电池中的电压与经过时间的关系的图。图8是表示评价用电池中的电压举动与气体产生速度的关系的图。图9是表示评价用电池中的、估计出的电压举动与实测出的电压举动的关系的图。附图标记说明1电池壳体2封口板3绝缘衬垫4电极组5正极5a正极引线6负极6a负极引线7隔膜8绝缘环10参数取得部11设计参数20计算部30输出部40存储部41逻辑模型42回归式50学习数据取得部51学习用设计参数52学习用电压举动数据53温度数据54模型构建手段60学习部100安全性估计装置具体实施方式(成为本公开的基础的见解)与现有的电池相关的估计技术是使用能够实测的电压、电流以及温度等的技术，或者使用预先在各种条件下测定的映射数据来估计电池的寿命特性的技术。另外，难以将以估计寿命特性为目的的现有的估计技术在安全性估计中展开。因此，希望实现在未知组合的设计的电池中能够估计与电池的发热相关的安全性的技术。图1是用于说明与电池的发热相关的安全性的估计中的课题的图。如图1所示，与电池的发热相关的安全性和电池的温度举动的相关性高。因此，为了估计与电池的发热相关的安全性，来估计温度举动是直接的，一般性的。其中，本专利技术者们在估计与电池的发热相关的安全性时，发现了以下见解。温度举动可以使用热电偶等容易地测定。另一方面，温度的举动的变化的时间分辨率差，由环境及测定条件等引起的误差要因较大。因此，在将电池的设计参数作为说明变量、将电池的温度举动作为目标变量来进行机器学习的逻辑模型中，温度举动的误差要因较大，无法高精度地估计温度举动。另一方面，电池的气体产生速度与电池的温度举动的相关性高。另外，电池的电压举动也与电池的温度举动及电池的气体产生速度的相关性高。因此，通过估计电池的电压举动，能够估计电池的温度举动，进而，能够估计与电池的发热相关的稳定性。另外，电池的电压举动的变化的时间分辨率高，测定也容易。在本公开中，提供一种能够根据电池的设计参数来估计与电池的发热相关的安全性的电池的安全性估计装置等。本公开的一个方式的概要如下。本公开的一个方式的电池的安全性估计装置具备：参数取得部，所述参数取得部取得电池的设计参数；计算部，所述计算部基于机器学习完成逻辑模型，根据所述设计参数计算所述电池的电压举动；以及输出部，所述输出部将所述电压举动作为与所述电池的发热相关的安全性的信息来输出。由此，根据电池的设计参数估计电压举动，将电压举动作为电池的安全性的信息来输出。由此，本方式的电池的安全性估计装置即使在未知组合的设计的电池中，也能够根据电池的设计参数估计与电池的发热相关的安全性。另外，例如，所述安全性估计装置还具备学习数据取得部，所述学习数据取得部取得学习用电池的学习用设计参数和表示所述学习用电池的电压举动的学习用电压举动数据；以及学习部，通过将所述学习用设计参数作为说明变量，将所述学习用电压举动数据作为目标变量，并使逻辑模型进行机器学习，从而构建所述机器学习完成逻辑模型。由此，构建将测定容易、变化的时间分辨率高的电压举动作为目标变量并进行机器学习后的机器学习完成逻辑模型。另外，电压举动与电池的温度的相关性高。由此，本方式的电池的安全性估计装置在根据本文档来自技高网...

【技术保护点】
1.一种电池的安全性估计装置，其中，具备：/n参数取得部，所述参数取得部取得电池的设计参数；/n计算部，所述计算部基于机器学习完成逻辑模型，根据所述设计参数计算所述电池的电压举动；以及/n输出部，所述输出部将所述电压举动作为与所述电池的发热相关的安全性的信息来输出。/n

【技术特征摘要】
20190426 JP 2019-086810;20191024 JP 2019-1930931.一种电池的安全性估计装置，其中，具备：
参数取得部，所述参数取得部取得电池的设计参数；
计算部，所述计算部基于机器学习完成逻辑模型，根据所述设计参数计算所述电池的电压举动；以及
输出部，所述输出部将所述电压举动作为与所述电池的发热相关的安全性的信息来输出。


2.根据权利要求1所述的电池的安全性估计装置，其中，还具备：
学习数据取得部，所述学习数据取得部取得学习用电池的学习用设计参数和表示所述学习用电池的电压举动的学习用电压举动数据；以及
学习部，通过将所述学习用设计参数作为说明变量，将所述学习用电压举动数据作为目标变量，并使逻辑模型进行机器学习，从而构建所述机器学习完成逻辑模型。


3.根据权利要求2所述的电池的安全性估计装置，其中，
所述学习部使用梯度提升法作为所述机器学习中的构建所述机器学习完成逻辑模型的方法。


4.根据权利要求1至3中任一项所述的电池的安全性估计装置，其中，
所述计算部还基于学习用电池的电压举动和所述学习用电池的温度的...

【专利技术属性】
技术研发人员：白根隆行，藤井干也，森川幸治，
申请(专利权)人：松下知识产权经营株式会社，
类型：发明
国别省市：日本;JP