提供能够谋求通过已学习模型对二次电池的劣化进行推定的精度的提高的二次电池的劣化状态推定系统、二次电池的劣化状态推定方法及存储介质。二次电池的劣化状态推定系统构成为具备：状态变量测定部，其测定二次电池的状态变量；前处理部，其输出输入数据；及劣化状态推定部，其推定二次电池的劣化状态，前处理部具备状态变量处理部，该状态变量处理部设定单位充放电量，并且该状态变量处理部作为基于在输入数据的算出中使用的单位充放电量得出的期望的区间，设定离当前时刻最近的最近区间和比最近区间靠前的1个以上的过去区间，按设定的每个区间，算出基于状态变量得出的电压变化量作为区间数据，将算出的区间数据包含于输入数据而输出。数据而输出。数据而输出。
【技术实现步骤摘要】
二次电池的劣化状态推定系统、二次电池的劣化状态推定方法及存储介质
[0001]本专利技术涉及劣化状态推定系统、劣化状态推定方法及存储介质。
技术介绍
[0002]已知有基于将从第一时间点到比该第一时间点靠后的第二时间点为止的期间的蓄电池的SOC(State Of Charge)所涉及的时间序列数据和第一时间点下的蓄电池的SOH作为输入数据且将第二时间点下的SOH作为输出数据的学习数据来使已学习模型学习的技术(例如，参照日本特开2019
‑
168453号)。
技术实现思路
[0003]在通过像上述那样进行了学习的已学习模型推定二次电池的SOH时，SOC包含于输入数据。输入数据所包含的SOC是推定值，所以存在通过已学习模型输出的SOH的精度降低的情况。
[0004]本专利技术的方案是考虑这样的情形而完成的，其目的之一在于，提供一种能够谋求通过已学习模型对二次电池的劣化进行推定的精度的提高的劣化状态推定系统、劣化状态推定方法及存储介质。
[0005]为了解决上述课题而达成该目的，本专利技术采用了以下的方案。
[0006](1)：本专利技术的一方案的劣化状态推定系统具备：状态变量测定部，其按每个规定时机测定运行中的二次电池的包括输出电流及输出电压的状态变量；前处理部，其输出基于所述状态变量测定部测定的状态变量算出的输入数据；以及劣化状态推定部，其使用所述前处理部输出的输入数据通过已学习的劣化状态模型推定所述运行中的二次电池的劣化状态，所述前处理部具备状态变量处理部，该状态变量处理部设定单位充放电量，并且所述状态变量处理部作为基于在所述输入数据的算出中使用的所述单位充放电量得出的期望的区间，设定离当前时刻最近的最近区间和比所述最近区间靠前的1个以上的过去区间，且按设定的每个所述区间，算出基于所述状态变量得出的电压变化量作为区间数据，将算出的区间数据包含于所述输入数据而输出。
[0007](2)：本专利技术的一方案的劣化状态推定系统具备：状态变量测定部，其按每个规定的时机测定运行中的二次电池的包括输出电流及输出电压的状态变量；前处理部，其输出基于所述状态变量测定部测定的状态变量算出的输入数据；以及劣化状态推定部，其使用所述前处理部输出的输入数据通过已学习的劣化状态模型推定所述运行中的二次电池的劣化状态，所述前处理部具备状态变量处理部，该状态变量处理部设定作为单位充放电量的大量充放电量、作为比所述大量充放电量少量的单位充放电量的少量充放电量，并且所述状态变量处理部作为基于在所述输入数据的算出中使用的所述大量充放电量和所述少量充放电量得出的期望的区间，设定离当前时刻最近的最近大量区间及最近少量区间和比所述最近大量区间及所述最近少量区间靠前的1个以上的过去大量区间及过去少量区间，
按设定的每个所述大量区间及所述少量区间，算出基于所述状态变量得出的电压变化量作为大量区间数据及少量区间数据，将算出的大量区间数据及少量区间数据包含于所述输入数据而输出。
[0008](3)：在上述(1)或(2)的方案的劣化状态推定系统的基础上，也可以是，所述状态变量处理部将对所述状态变量测定部测定的输出电流进行累计而得到的电流累计值成为规定值的期间设定为所述期望的区间。
[0009](4)：在上述(1)～(3)中任一方案的劣化状态推定系统的基础上，也可以是，所述算出的每个期望的区间的充放电量和所述算出的每个期望的区间的电压变化量的至少任一方是使用最小二乘法算出的斜率变化率。
[0010](5)：在上述(1)～(4)中任一方案的劣化状态推定系统的基础上，也可以是，所述劣化状态模型构成为RNN(循环神经网络)。
[0011](6)：在上述(5)的劣化状态推定系统的基础上，也可以是，所述RNN的中间层构成为LSTM(长短期记忆)或GRU(门控循环单元)。
[0012](7)：在上述(1)～(4)中任一方案的劣化状态推定系统的基础上，也可以是，所述劣化状态模型构成为CNN(卷积神经网络)。
[0013](8)：本专利技术的一方案的劣化状态推定方法，由劣化状态推定系统中的计算机进行如下处理：按每个规定时机测定运行中的二次电池的包括输出电流及输出电压的状态变量；输出基于测定的状态变量算出的输入数据；使用输出的输入数据通过已学习的劣化状态模型推定所述运行中的二次电池的劣化状态；设定在所述输入数据的算出中使用的单位充放电量，作为基于所述单位充放电量得出的期望的区间，设定离当前时刻最近的最近区间和比所述最近区间靠前的1个以上的过去区间，按设定的每个所述区间，算出基于所述状态变量得出的电压变化量作为区间数据，将算出的区间数据包含于所述输入数据而输出。
[0014](9)：本专利技术的一方案的存储介质，其存储有程序，其中，该程序用于使得劣化状态推定系统中的计算机进行如下处理：按每个规定时机测定运行中的二次电池的包括输出电流及输出电压的状态变量；输出基于测定的状态变量算出的输入数据；使用输出的输入数据通过已学习的劣化状态模型推定所述运行中的二次电池的劣化状态；设定在所述输入数据的算出中使用的单位充放电量，作为基于所述单位充放电量得出的期望的区间，设定离当前时刻最近的最近区间和比所述最近区间靠前的1个以上的过去区间，按设定的每个所述区间，算出基于所述状态变量得出的电压变化量作为区间数据，将算出的区间数据包含于所述输入数据而输出。
[0015]根据(1)、(8)、(9)，在通过已学习的劣化状态模型推定二次电池的劣化状态时，使用基于与多个期望的区间对应地算出的充放电量和电压变化量的区间数据。由此，能够谋求通过已学习的劣化状态模型输出的二次电池的劣化推定精度的提高。
[0016]根据(2)，在通过已学习的劣化状态模型推定二次电池的劣化状态时，使用基于与多个大量区间及少量区间对应地算出的充放电量和电压变化量的大量区间数据和少量区间数据。由此，能够谋求通过已学习的劣化状态模型输出的二次电池的劣化推定精度的提高。
[0017]根据(3)，能够基于电流累计值设定大量区间。
[0018]根据(4)，关于作为大量区间数据的充放电量和电压变化量，能够使其成为减低了
噪声的精度高的充放电量和电压变化量。
[0019]根据(5)，通过关于劣化状态模型使用RNN，能够期待高精度下的推定结果。
[0020]根据(6)，通过将劣化状态模型的RNN中的中间层设为LSTM，能够期待高精度下的推定结果。
[0021]根据(7)，通过关于劣化状态模型使用CNN，能够期待高精度下的推定结果。
附图说明
[0022]图1是示出本实施方式的劣化状态推定装置的构成例的图。
[0023]图2是说明本实施方式的大量区间数据的取得的方案例的图。
[0024]图3是对本实施方式的SOC
‑
OCV特性进行说明的图。
[0025]图4是关于本实施方式的同充放电量与电压变化量的关系相应的SOH的识别进行说明的图。
[0026]图5是关于本实施方式本文档来自技高网...
【技术保护点】
【技术特征摘要】
1.一种二次电池的劣化状态推定系统，其中，所述二次电池的劣化状态推定系统具备：状态变量测定部，其按每个规定的时机测定运行中的二次电池的包括输出电流及输出电压的状态变量；前处理部，其输出基于所述状态变量测定部测定的状态变量算出的输入数据；以及劣化状态推定部，其使用所述前处理部输出的输入数据通过已学习的劣化状态模型推定所述运行中的二次电池的劣化状态，所述前处理部具备状态变量处理部，该状态变量处理部设定单位充放电量，并且所述状态变量处理部作为基于在所述输入数据的算出中使用的所述单位充放电量得出的期望的区间，设定离当前时刻最近的最近区间和比所述最近区间靠前的1个以上的过去区间，且按设定的每个所述区间，算出基于所述状态变量得出的电压变化量作为区间数据，将算出的区间数据包含于所述输入数据而输出。2.一种二次电池的劣化状态推定系统，其中，所述二次电池的劣化状态推定系统具备：状态变量测定部，其按每个规定的时机测定运行中的二次电池的包括输出电流及输出电压的状态变量；前处理部，其输出基于所述状态变量测定部测定的状态变量算出的输入数据；以及劣化状态推定部，其使用所述前处理部输出的输入数据通过已学习的劣化状态模型推定所述运行中的二次电池的劣化状态，所述前处理部具备状态变量处理部，该状态变量处理部设定作为单位充放电量的大量充放电量、作为比所述大量充放电量少量的单位充放电量的少量充放电量，并且所述状态变量处理部作为基于在所述输入数据的算出中使用的所述大量充放电量和所述少量充放电量得出的期望的区间，设定离当前时刻最近的最近大量区间及最近少量区间和比所述最近大量区间及所述最近少量区间靠前的1个以上的过去大量区间及过去少量区间，按设定的每个所述大量区间及所述少量区间，算出基于所述状态变量得出的电压变化量作为大量区间数据及少量区间数据，将算出的大量区间数据及少量区间数据包含于所述输入数据而输出。3.根据权利要求1所述的劣化状态推定系统，其中，所述状态变量处理部将对所述状态变量测定部测...
【专利技术属性】
技术研发人员：并木滋，
申请(专利权)人：本田技研工业株式会社，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。