蓄电装置的充电状态推测的方法以及蓄电装置的充电状态推测系统制造方法及图纸

提供一种在短时间以低成本高精度地推测出SOC的二次电池的容量测量系统。本说明书公开的结构是一种蓄电装置的充电状态推测系统，包括：取得第一蓄电装置的电压测量值及电流测量值的时间序列数据的单元；使电压测量值的时间序列数据归一化的单元；使电流测量值的时间序列数据归一化的单元；制作使重叠时间轴为纵轴的时间序列数据和时间轴为横轴的时间序列数据的数据与第一蓄电装置的SOC关联的数据库的数据库制作部；以及使用预先制作的数据库作为学习数据而构成神经网络，输入重叠第二蓄电装置的纵轴为时间轴的时间序列数据和横轴为时间轴的时间序列数据的数据，输出第二蓄电装置的SOC的推测值的神经网络部。

【技术实现步骤摘要】
【国外来华专利技术】蓄电装置的充电状态推测的方法以及蓄电装置的充电状态推测系统
本专利技术的一个方式涉及一种物品、方法或者制造方法。另外，本专利技术涉及一种工序(process)、机器(machine)、产品(manufacture)或者组合物(compositionofmatter)。本专利技术的一个方式涉及一种半导体装置、显示装置、发光装置、蓄电装置、照明装置、电子设备或它们的制造方法。本专利技术的一个方式涉及一种车辆或设置在车辆的车辆电子设备。在本说明书中，蓄电装置是指具有蓄电功能的所有元件以及装置。例如，蓄电装置包括锂离子二次电池等蓄电池(也称为二次电池)、锂离子电容器、全固态电池及双电层电容器等。本专利技术的一个方式涉及一种神经网络及使用神经网络的蓄电系统。另外，本专利技术的一个方式涉及一种使用神经网络的车辆。另外，本专利技术的一个方式涉及一种使用神经网络的电子设备。另外，本专利技术的一个方式涉及一种使用神经网络的充电控制系统。
技术介绍
近年来，对锂离子二次电池、锂离子电容器及空气电池等各种蓄电装置的研究开发日益火热。尤其是，移动电话机、智能手机、平板电脑或笔记本型个人计算机等便携式信息终端、便携式音乐播放机、数码相机、医疗设备、混合动力汽车(HEV)、电动汽车(EV)或插电式混合动力汽车(PHEV)等新一代清洁能源汽车等的半导体产业的发展，对高输出、高能量密度的锂离子二次电池的需求量急剧增长，作为能够充电的能量供应源，成为现代信息化社会的必需品。在便携式信息终端或电动汽车等中，使多个二次电池串联连接或并联连接并设置保护电路，将其作为电池组(也称为组电池)使用。近年来，对人工神经网络(以下称为神经网络)等机械学习技术的研究开发日益火热。专利文献1公开了使用神经网络进行二次电池的剩余电量的运算的例子。[先行技术文献][专利文献][专利文献1]美国专利申请公开第2006/0181245号公报
技术实现思路
专利技术所要解决的技术问题安装有二次电池的车辆可以将在刹车等时所产生的再生电力充到二次电池，有可能由于过充电而不能适当地使用二次电池。为了预先防止发生过充电及过放电的问题，需要高精度地推测二次电池的剩余电量，即二次电池的SOC。本专利技术提供一种推测精度高的二次电池的充电状态的推测方法或蓄电装置的控制方法。另外，随着二次电池的劣化的发展，SOC的推测精度有时显著地降低。SOC根据相对于二次电池的最大容量的剩余电量的比例而定义。在充满电后使二次电池的最大容量放电而根据电流的时间积分计算出二次电池的最大容量时，有放电需要较长时间的担忧。本专利技术提供一种即使二次电池发生劣化也推测精度高的二次电池的充电状态推测方法。另外，本专利技术提供一种在短时间内以低成本高精度地推测出SOC的二次电池的容量测量系统。解决技术问题的手段使用纵轴表示电压且横轴表示时间的第一充电特性数据、以及纵轴表示电流且横轴表示时间的第二充电特性数据，去除停止期间的数据并去除CCCV充电期间的数据。然后，将第一充电特性数据的纵轴的电压设为1且将第二充电特性数据的纵轴的电流设为1进行归一化而将其设为方形矩阵(n行n列，n是50以上的整数)的数据。最后，使横轴为时间的两个数据中的一个数据旋转90度(即，纵轴表示时间)，对将两个数据重叠而成的一个学习用图像数据进行标记(在此SOC的值)分类而进行评价及学习。准备多个这样的学习用图像数据构成数据库。使用神经网络(NN：NeuralNetwork)模型或者卷积神经网络(CNN：ConvolutionalNeuralNetwork)模型根据学习的内容算出二次电池的SOC。本说明书公开的结构是一种蓄电装置的充电状态推测系统，包括：取得第一蓄电装置的电压测量值及电流测量值的时间序列数据的单元；使电压测量值的时间序列数据归一化的单元；使电流测量值的时间序列数据归一化的单元；制作使重叠时间轴为纵轴的时间序列数据和时间轴为横轴的时间序列数据的数据与第一蓄电装置的SOC关联的数据库的数据库制作部；以及使用预先制作的数据库作为学习数据构成神经网络，输入重叠第二蓄电装置的纵轴为时间轴的时间序列数据与横轴为时间轴的时间序列数据而成的数据，输出第二蓄电装置的SOC的推测值的神经网络部。注意，归一化是指：为了高效地处理数据，根据一定规则使数据等变形而整理，以使容易利用数据。在本说明书中将两个数据重叠，所以以两者成为相同数量的方形矩阵的数据的方式进行的数据加工也包括在归一化中。另外，在学习中，删掉数据中的变化较少的区域(停止期间或进行CCCV充电的期间等)也是归一化。再者，也可以准备重叠温度数据的学习数据，使用将纵轴表示电压且横轴表示时间的第一充电特性数据、纵轴表示电流且横轴表示时间的第二充电特性数据以及温度数据的共三个数据重叠而成的一个数据进行SOC算出等。另外，在上述结构中，第二蓄电装置不局限于一个电池单元，也可以为包括多个电池单元的组电池。另外，在上述结构中，数据库制作部将纵轴表示第一蓄电装置的电压值且横轴为时间轴的数据与横轴表示第一蓄电装置的电流值且纵轴为时间轴的数据重叠。另外，只要时间轴不重叠，就对数据的重叠方法就没有限制，例如数据库制作部也可以采用纵轴表示第一蓄电装置的电流值且横轴为时间轴的数据与横轴表示第一蓄电装置的电压值且纵轴为时间轴的数据重叠的方法。与使时间轴一致而重叠的情况相比，在以时间轴配置为纵轴和横轴的方式进行重叠时，SOC的推测精度提高。另外，算法不局限于NN，也可以使用CNN、SVR、RVM(RelevanceVectorMachine；相关向量机)、随机森林等。另外，虽然电路结构变大，但是也可以组合CNN和LSTM(LongShort-TermMemory；长短期记忆)而运算。以锂离子二次电池为例进行说明，但是本专利技术也可以应用于除此之外的电池(例如全固态电池等)。本专利技术可以通过根据电池的种类适当地变换电池模型，高精度地进行SOC的推测。在本说明书中，充电率(SOC)表示为对二次电池的完全充电时的容量的剩余电量和充电电量之和的百分率。为了算出充电率需要求出充电电量，充电电量可以根据每短时间的脉冲数、充电电流的电流值、占空比算出。专利技术效果通过使蓄电装置的电特性的时间序列数据归一化，使两个数据中的一个旋转90度而重叠而构成神经网络，进行输入，可以输出精度高的SOC。可以根据蓄电装置的种类进行学习而构成神经网络，可以提供一种输出精度高的SOC的系统。附图简要说明[图1]示出本专利技术的一个方式的蓄电装置的充电状态推测系统的结构图。[图2]示出本专利技术的一个方式的流程图。[图3]示出本专利技术的一个方式的流程图。[图4]示出二次电池的时间序列数据的一个例子及SOC的推论值的图表。[图5]二次电池的时间序列数据的其他一个例子。[图6]示出神经网络的结构的图。[图7]示出二次电池的结构的图。[图8]移动体的方框图及组电池的透视图。本文档来自技高网...

【技术保护点】
1.一种蓄电装置的充电状态推测系统，包括：/n取得第一蓄电装置的电压测量值及电流测量值的时间序列数据的单元；/n使所述电压测量值的时间序列数据归一化的单元；/n使所述电流测量值的时间序列数据归一化的单元；/n数据库制作部，该数据库制作部制作使重叠时间轴为纵轴的时间序列数据和时间轴为横轴的时间序列数据的数据与所述第一蓄电装置的SOC关联的数据库；以及/n神经网络部，该神经网络部使用预先制作的所述数据库作为学习数据构成神经网络，输入将第二蓄电装置的纵轴为时间轴的时间序列数据与横轴为时间轴的时间序列数据重叠而成的数据，来输出所述第二蓄电装置的SOC的推测值。/n

【技术特征摘要】
【国外来华专利技术】20180427 JP 2018-0866111.一种蓄电装置的充电状态推测系统，包括：
取得第一蓄电装置的电压测量值及电流测量值的时间序列数据的单元；
使所述电压测量值的时间序列数据归一化的单元；
使所述电流测量值的时间序列数据归一化的单元；
数据库制作部，该数据库制作部制作使重叠时间轴为纵轴的时间序列数据和时间轴为横轴的时间序列数据的数据与所述第一蓄电装置的SOC关联的数据库；以及
神经网络部，该神经网络部使用预先制作的所述数据库作为学习数据构成神经网络，输入将第二蓄电装置的纵轴为时间轴的时间序列数据与横轴为时间轴的时间序列数据重叠而成的数据，来输出所述第二...

【专利技术属性】
技术研发人员：田岛亮太，千田章裕，盐川将隆，
申请(专利权)人：株式会社半导体能源研究所，
类型：发明
国别省市：日本;JP