JP2018096953A - 電池状態推定装置 - Google Patents

Abstract

【課題】本発明の少なくとも一つの実施形態は、電池モデルの精度が悪化する電池温度が低温状態の場合や電池健全度が低い場合であっても、電池状態の推定精度を向上させることができる電池状態推定装置を提供すること。【解決手段】電池３の充放電電流検出部５と、端子電圧検出部７と、温度検出手段９と、カルマンフィルタ１７によって電池等価回路モデルの抵抗及びコンデンサを少なくとも含む状態パラメータを推定して電池状態を推定する状態推定部１１と、を備え、カルマンフィルタは、電池等価回路モデルを用いて前の時刻の状態パラメータから今の時刻の状態パラメータを推定する予測状態推定部２５と、予測状態推定部の推定に含まれる誤差共分散値を算出する予測誤差共分散算出部２７と、電池温度または電池健全度の少なくともと一方に基づいて予測誤差共分散算出部で用いるシステムノイズ共分散値を補正するシステムノイズ共分散補正部１３を備える。【選択図】図１

Description

本開示は、電池状態推定装置に関し、特に、電動車両に用いられる駆動用電池の電池状態推定装置に関する。

電池状態の推定装置として、従来からカルマンフィルタを用いて推定する装置が知られている。ここでいう、電池状態は、充電率（ＳＯＣ：Ｓｔａｔｅ ｏｆ Ｃｈａｒｇｅ）、健全度（ＳＯＨ：Ｓｔａｔｅ ｏｆ Ｈｅａｌｔｈ）などを指す。

カルマンフィルタを用いて電池状態を把握する技術としては、例えば、特許文献１、特許文献２が知られており、特許文献１には、電池の速い応答部分と遅い応答部分とがあることに着目して、電池の遅い応答部分をも考慮して電池の過電圧の推定精度を向上させて、電池の内部状態を精度よく推定することが示されている。

また、特許文献２には、パラメータを対数変換して得た対数変換パラメータ値を状態変数とし、該状態変数を用いて状態方程式および出力方程式からカルマンフィルタで対数変換パラメータ値を、検出した充放電電流および端子電圧に基づいて逐次推定し、推定した対数変換パラメータ値を逆対数変換して対数変換パラメータ値に対応する真値であるパラメータの推定値を得ることが示されている。

特許第５３０７９０８号公報 特許第５９４４２９１号公報

カルマンフィルタでは、電池モデル（電池等価回路モデル）を用いて電池状態を推定しているが、低温状態の場合や健全度（ＳＯＨ）が低い場合には、この電池モデル（電池等価回路モデル）の精度が悪化することが知られている。
しかし上記特許文献１、２には、電池の内部状態を精度よく推定することが示されているが、この電池モデルの精度低下が生じる低温状態の場合や健全度（ＳＯＨ）が低い場合に対応するための技術については開示されていない。

そこで、上記技術的課題に鑑み、本発明の少なくとも一つの実施形態は、電池モデル（電池等価回路モデル）の精度が悪化する電池温度が低温状態の場合や電池健全度が低い場合であっても、電池状態の推定精度を向上させることができる電池状態推定装置を提供することを目的とする。

（１）本発明の少なくとも一実施形態に係る電池状態推定装置は、電池の充放電電流を検出する充放電電流検出部と、前記電池の端子電圧を検出する端子電圧検出部と、前記充放電電流検出部で検出した充放電電流、及び前記端子電圧検出部で検出した端子電圧、及び電池等価回路モデルを用いて、カルマンフィルタによって前記電池等価回路モデルの抵抗及びコンデンサを少なくとも含む状態パラメータを推定して電池状態を推定する状態推定部と、を備える電池状態推定装置であって、前記カルマンフィルタは、前記電池等価回路モデルを用いて前の時刻の前記状態パラメータの推定値から今の時刻の前記状態パラメータを推定する予測状態推定部と、該予測状態推定部における前記状態パラメータの推定に含まれる誤差共分散値を算出する予測誤差共分散算出部とを有し、電池温度または電池健全度の少なくともと一方に基づいて前記予測誤差共分散算出部に用いるシステムノイズ共分散値を補正するシステムノイズ共分散補正部を有することを特徴とする。

上記構成（１）によれば、電池温度または電池健全度の少なくともと一方に基づいて、カルマンフィルタの予測誤差算出部における状態パラメータの推定で用いるシステムノイズ共分散値を補正するシステムノイズ共分散補正部を有するので、電池温度または電池健全度による電池等価回路モデルの精度悪化への対応が可能になる。
すなわち、電池温度または電池健全度によって電池等価回路モデルの精度に悪影響が生じる場合には、電池等価回路モデルによる推定の重きを低下するように補正することでカルマンフィルタによる電池状態の推定精度を向上することができる。

（２）幾つかの実施形態では、上記構成（１）において、前記状態推定部によって前記電池の健全状態を推定し、前記システムノイズ共分散補正部は、前の時刻の前記健全状態を用いて今の時刻の前記予測誤差共分散算出部で用いるシステムノイズ共分散値を補正することを特徴とする。

上記構成（２）によれば、状態推定部によって推定された前の時刻の電池の健全状態（ＳＯＨ）に基づいて、システムノイズ共分散補正部でシステムノイズ共分散値を補正するので、健全度による等価回路モデルの精度悪化への対応が可能になる。すなわち、電池の健全度の低下によって電池等価回路モデルの精度に悪影響がある場合には、電池等価回路モデルによる推定値の重きを低下するように補正することでカルマンフィルタによる電池状態の推定精度を向上できる。

（３）幾つかの実施形態では、上記構成（１）または（２）において、前記システムノイズ共分散補正部は、前記状態パラメータのパラメータ毎に補正することを特徴とする。

上記構成（３）によれば、システムノイズ共分散補正部による補正は、状態パラメータのパラメータ毎に補正を行うので、電池温度による影響、または電池健全度による影響を受けやすいパラメータを重点的に補正することで、カルマンフィルタによる電池状態の推定精度をさらに向上できる。

（４）幾つかの実施形態では、上記構成（１）から（３）のいずれかにおいて、前記システムノイズ共分散補正部は、温度検出手段によって検出される電池温度が低下するに従って、前記状態パラメータのうち電圧パラメータの誤差共分散値を大きくするように補正することを特徴とする。

状態パラメータは、「状態変数パラメータ」と「モデルパラメータ」とがあり、状態変数パラメータは、ＳＯＣやＶ_１、Ｖ_２、Ｖ_３であり、モデルパラメータは、Ｒ₀、Ｒ₁、Ｃ₁…などである。実施形態においては、状態変数パラメータの推定とモデルパラメータの推定を同時に行っている場合を示している。
上記構成（４）によれば、電池温度が低下するに従って、状態パラメータの状態変数パラメータのうち電圧パラメータのシステムノイズ共分散値を大きくするように補正するので、電池等価回路モデルによる電圧パラメータに基づく推定を軽視させ、充電率パラメータ（電流積算）に基づく推定を重視させることができる。また、電圧パラメータのシステムノイズ共分散値を大きくするように補正するので、カルマンフィルタ内の電池等価回路モデルに基づく推定を軽視させることができる。
これによって、カルマンフィルタ全体として電池状態の推定値の精度を向上できる。

（５）幾つかの実施形態では、上記構成（１）から（３）のいずれかにおいて、前記システムノイズ共分散補正部は、温度検出手段によって検出される電池温度が低下するに従って、前記状態パラメータのうち電流積算を基に算出される充電率パラメータのシステムノイズ共分散値を小さくするように補正することを特徴とする。

上記構成（５）によれば、電池温度が低下するに従って、状態パラメータの状態変数パラメータのうち電流積算を基に算出される充電率パラメータのシステムノイズ共分散値を小さくするように補正するので、電池等価回路モデルによる充電率パラメータ（電流積算）に基づく推定を重視させ、電圧パラメータに基づく推定を軽視させることができる。また、充電率パラメータのシステムノイズ共分散値を小さくするように補正するので、カルマンフィルタ内の電池等価回路モデルに基づく推定を重視させることができる。
これによって、カルマンフィルタ全体としての電池状態の推定値の精度を向上できる。電流値は電池温度に影響されることが少ないことにより、電池温度が低下するに従って、電流積算を基に算出される充電率パラメータのシステムノイズ共分散値を小さくするように補正している。

（６）幾つかの実施形態では、上記構成（２）において、前記システムノイズ共分散補正部は、前記健全状態の低下に従って、前記状態パラメータのうち電圧パラメータのシステムノイズ共分散値を大きくするように補正することを特徴とする。

上記構成（６）によれば、電池健全度が低下するに従って、状態パラメータの状態変数パラメータのうち電圧パラメータのシステムノイズ共分散値を大きくするように補正するので、電池等価回路モデルによる電圧パラメータに基づく推定を軽視させ、充電率パラメータ（電流積算）に基づく推定を重視させることができる。また、電圧パラメータのシステムノイズ共分散値を大きくするように補正するので、カルマンフィルタ内の電池等価回路モデルに基づく推定を軽視させることができる。
これによって、カルマンフィルタ全体として電池状態の推定値の精度を向上できる。

（７）幾つかの実施形態では、上記構成（２）において、前記システムノイズ共分散補正部は、前記健全状態の低下に従って、前記状態パラメータのうち電流積算を基に算出される充電率パラメータのシステムノイズ共分散値を小さくするように補正することを特徴とする。

上記構成（７）によれば、電池健全度が低下するに従って、状態パラメータの状態変数パラメータのうち電流積算を基に算出される充電率パラメータのシステムノイズ共分散値を小さくするように補正するので、電池等価回路モデルによる充電率パラメータ（電流積算）に基づく推定を重視させ、電圧パラメータに基づく推定を軽視させることができる。また、充電率パラメータのシステムノイズ共分散値を小さくするように補正するので、カルマンフィルタ内の電池等価回路モデルに基づく推定を重視させることができる。
これによって、カルマンフィルタ全体としての電池状態の推定値の精度を向上できる。

本発明の少なくとも一実施形態によれば、電池モデル（電池等価回路モデル）の精度が悪化する電池温度が低温状態の場合や電池健全度が低い場合であっても、電池状態の推定精度の低下を抑えて推定精度を向上させることができる。

本発明の一実施形態に係る電池状態推定装置の全体概要図である。 カルマンフィルタの概念説明図である。 システムノイズ共分散補正部による状態パラメータの補正マップの一例を示す説明図である。（Ａ）は電池温度に対する第１電圧Ｖ₁、第２電圧Ｖ_２、第３電圧Ｖ_３の補正マップ、（Ｂ）はＳＯＨに対する第１電圧Ｖ₁、第２電圧Ｖ_２、第３電圧Ｖ_３の補正マップである。 システムノイズ共分散補正部による状態パラメータの補正マップの一例を示す説明図である。（Ａ）は電池温度に対するＳＯＣの補正マップ、（Ｂ）はＳＯＨに対するＳＯＣの補正マップである。 ＳＯＣとＳＯＨの概念説明図である。 電池等価回路モデルの説明図である。

以下、添付図面を参照して、本発明の幾つかの実施形態について説明する。ただし、これらの実施形態に記載されている又は図面に示されている構成部品の寸法、材質、形状及びその相対的配置等は、本発明の範囲をこれに限定する趣旨ではなく、単なる説明例にすぎない。例えば、「同一」、「等しい」及び「均質」等の物事が等しい状態であることを表す表現は、厳密に等しい状態を表すのみならず、公差、若しくは、同じ機能が得られる程度の差が存在している状態も表すものとする。一方、一の構成要素を「備える」、「具える」、「具備する」、「含む」、又は、「有する」という表現は、他の構成要素の存在を除外する排他的な表現ではない。

本発明の一実施形態に係る電池状態推定装置１について、全体概要構成を、図１を参照して説明する。
図１に示すように、本発明の一実施形態は、電気自動車又はハイブリッド自動車等の電動車両において、駆動モータに電力を供給する駆動用二次電池として用いられるリチウムイオン電池を例に、電池３に適用する電池状態推定装置１を示す。なお、電池３は、リチウムイオン電池に限るものではなく、他の種類の電池であってよいことは言うまでもない。

電池状態推定装置１は、電池３に接続されて充放電電流を検出する電流センサ（充放電電流検出部）５と、電池３に接続されて端子電圧を検出する電圧センサ（端子電圧検出部）７と、電池３に接続されて電池温度を検出する温度センサ（温度検出手段）９と、状態推定部１１と、システムノイズ共分散補正部１３と、ＳＯＨ記憶部１５とを主に備えている。

電流センサ５は、電池３から駆動モータに電力を供給する場合の放電電流の大きさ、および制動時に駆動モータを発電機として機能させて制動エネルギーの一部を回収する場合の充電電流の大きさを検出するもので、そこで検出した充放電電流値は入力信号として状態推定部１１に入力される。
また、電圧センサ７は、電池の端子間電圧を検出するもので、検出した端子間電圧は入力信号として状態推定部１１に入力される。

図１に示すように、状態推定部１１は、カルマンフィルタ１７、充電率算出部１９、健全度算出部２１を主に備えている。
このカルマンフィルタ１７は、主に、電池等価回路モデル２３、予測状態推定部２５、予測誤差共分散算出部２７を有している。
カルマンフィルタ１７は、対象となるシステムのモデル、本実施形態では電池等価回路モデル２３を設計して備えており、このモデルと実システムに同一の入力信号（電流）を入力し、その場合の両者の出力（端子電圧）を比較して、誤差があれば、この誤差にカルマンゲインをかけてモデルフィードバックすることで、両者の誤差が最小になるようにモデルを修正する。これを繰り返すことで、電池等価回路モデル２３の状態パラメータを推定する。

カルマンフィルタ１７の概要を図２に示す。
図２に示すように、カルマンフィルタ１７は、電池等価回路モデル２３を用いて、入力信号として電流が入力された場合の端子間電圧を出力として推定するフィードフォワード部２９と、この電池等価回路モデル２３と実システムとの入力信号（電流）に対する両者の出力（端子電圧）を比較して、誤差があれば、この誤差にカルマンゲインＫ_Ｋをかけてモデルフィードバックするフィードバック部３３とから構成される。

電池等価回路モデル２３は、図６に示すように、抵抗Ｒ_１とコンデンサＣ_１、抵抗Ｒ₂とコンデンサＣ_２、抵抗Ｒ_３とコンデンサＣ_３をそれぞれ並列に接続したものを、直列に接続して構成されている。

フィードフォワード部２９は、予測の状態方程式によって予測推定を行う予測状態推定部２５と、その予測状態推定部２５による状態パラメータの予測推定に含まれる誤差を算出する予測誤差共分散算出部２７とを有している。
また、フィードバック部３３は、更新の状態方程式によって更新推定を行う更新状態推定部３５と、その更新状態推定部３５よる状態パラメータの更新推定に含まれる誤差を算出する更新誤差共分散算出部３７とを有している。

カルマンフィルタ１７においては、時刻ｋ（今の状態）から次の時刻（ｋ＋１）の状態を記述すると次の状態方程式（１）で表される。

また、ある時刻ｋにおける、出力観測量（出力検出値）を記述すると次の観測方程式（２）で表される。

図２に示すフィードフォワード部２９の予測状態推定部２５による予測の状態方程式は、下記の式（３）で表され、予測誤差共分散算出部２７による誤差共分散の算出は、下記の式（４）で表される。

また、図２に示すフィードバック部３３の更新状態推定部３５による更新の状態方程式は、下記の式（５）で表され、更新誤差共分散算出部３７による誤差共分散の算出は、下記の式（６）で表される。また、カルマンゲインＫ_ｋについては下記の式（７）で表される。

式（１）〜（７）の記号を下記に示す。
ｘ_ｋ：状態パラメータ（ＳＯＣ，Ｒ，Ｃ，…）
ｕ_ｋ：入力（充放電電流）
ｙ：出力（端子電圧）
Ｑ：システムノイズ共分散（モデルの誤差）
Ｒ：観測ノイズ共分散（センサの誤差）
Ｐ_ｋ：誤差共分散
Ｋ_ｋ：カルマンゲイン
添字（−）：フィードフォワード部（事前）の予測推定
添字（＋）：フィードバック部（事後）の更新推定（カルマンゲインによる補正後）

状態パラメータの一例を、行列式を用いて表すと次の式（８）のようになる。

また、システムノイズ共分散Ｑの一例を、行列式を用いて表すと次の式（９）のようになる。

また、観測ノイズ共分散Ｒの一例を、行列式を用いて表すと次の式（１０）のようになる。本実施形態の場合は、各センサによるセンサの誤差である。

また、カルマンゲインＫ_ｋの一例を、行列式を用いて表すと次の式（１１）のようになる。

また、式（１）の状態方程式の一例を、行列式を用いて表すと次の式（１２）のようになる。

上記の式（１２）のＳＯＣ成分は、入力の充放電電流ｕ_ｋの積算値として表される。
すなわち、ＳＯＣ_ｋ＋１＝ＳＯＣ_ｋ＋Δｔ×ｕ_ｋ/ＦＣＣとして表される。前回のＳＯＣに電流×時間÷容量（現在の満充電容量）を加えて算出する。

上記（２）式の観測方程式の一例を式（１３）に示す。

現在の出力観測値（端子電圧Ｖ）を、電圧センサ７によって検出する。この電圧検出値は、図６の電池等価回路モデル２３を用いると、Ｖ=ＯＣＶ＋Ｒ_０Ｕ_Ｋ＋Ｖ_１＋Ｖ_２＋Ｖ_３と記載することができる。

現在の出力観測値（端子電圧Ｖ）と、フィードフォワード部２９の予測状態推定部２５で予測された状態パラメータを用いて算出された出力推定値としの電圧との偏差にカルマンゲインＫ_ｋが乗算されて、フィードバック部３３の更新状態推定部３５で状態パラメータがさらに更新推定される。
なお、カルマンゲインＫ_ｋは、上記式（７）で算出される。この式（７）には、式（７）の構成を見るとシステムノイズ共分散Ｑと観測ノイズ共分散Ｒとが影響していることが読み取れ、これらシステムノイズ共分散Ｑと観測ノイズ共分散Ｒに基づいて設定されるようになっている。

充電率算出部１９は、前述したようにＳＯＣ_ｋ＋１＝ＳＯＣ_ｋ＋Δｔ×ｕ_ｋ/ＦＣＣの関係式を基に算出する。すなわち、前回のＳＯＣに電流×時間÷容量（現在の満充電容量）を加えて算出する。放電時には電流がマイナス方向、充電時には電流がプラス方向となって加算される。

健全度算出部２１は、電池３の健全度を算出する。健全度は、図５に示すように、初期（電池容量が劣化していない状態）の満充電容量ＦＣＣ０に対する現在の満充電容量ＦＣＣをいい、ＳＯＨ＝ＦＣＣ／ＦＣＣ０である。
ＳＯＨは公知の技術で算出できる。ここではＲ_０とＳＯＨおよび温度の関係を表すＳＯＨテーブルを用いて算出する方法について説明する。状態推定部１１ではＲ_０を推定しており、この値とＲ_０を推定した時刻における温度センサの温度の値を用いて、ＳＯＨテーブルを参照してＳＯＨを算出する。

ＳＯＨ記憶部１５は、状態推定部１１で推定したＳＯＨの値を記憶する。少なくとも演算周期の前回（一つ前）の時刻における推定結果を記憶する。

システムノイズ共分散補正部１３は、予測状態推定部２５における状態パラメータのうちの状態変数パラメータの予測推定で用いるシステムノイズ共分散値を補正するものである。
予測状態推定部２５において予測される状態パラメータの状態変数パラメータのうちＶ_１、Ｖ_２、Ｖ_３は、電池モデルが予測する値である。 電池温度や、電池の劣化によって電池モデルの精度が悪化する場合はこれらの値の精度が下がり、ＳＯＣの推定精度の悪化をもたらす。

そこで、システムノイズ共分散補正部１３では、電池温度や、電池の劣化に影響されやすい状態パラメータの状態変数パラメータのシステムノイズ共分散値を電池温度若しくは電池の劣化度を示すＳＯＨの何れか一方、また両方の情報を基に、システムノイズ共分散値を大きくするように補正する。
すなわち、式（９）のシステムノイズ共分散行列における対角成分の状態変数パラメータのＱｓｏｃ、ＱＶ_１、ＱＶ_２、ＱＶ_３、…を電池温度、ＳＯＨに基づいて補正する。補正は、図３（Ａ）（Ｂ）、図４（Ａ）、（Ｂ）のような特性を有する補正マップを設定して補正する。

例えば、温度センサ９からの検出信号を基に、電池温度が所定温度閾値Ｔ１以下に低下した場合に、所定温度閾値Ｔ１を超えている場合に設定していた第１電圧のシステムノイズ共分散値ＱＶ_１、第２電圧のシステムノイズ共分散値ＱＶ_２、第３電圧のシステムノイズ共分散値ＱＶ_３を大きくするように補正する（図３（Ａ）のラインＡ）。また、電池温度が所定温度閾値Ｔ１以下に低下した場合に、温度の低下に応じて連続的または段階的に大きくしてもよい（図３（Ａ）のラインＢ）。

また、電池温度と同様に、電池３の健全度（ＳＯＨ）の値に応じて補正してもよい。ＳＯＨが所定ＳＯＨ閾値Ｐ１以下に低下した場合に、所定ＳＯＨ閾値を超えている場合に設定していた第１電圧のシステムノイズ共分散値ＱＶ_１、第２電圧のシステムノイズ共分散値ＱＶ_２、第３電圧のシステムノイズ共分散値ＱＶ_３を大きくするように補正する（図３（Ｂ）のラインＡ）。また、ＳＯＨが所定ＳＯＨ閾値Ｐ１以下に低下した場合に、ＳＯＨの低下に応じて連続的または段階的に大きくしてもよい（図３（Ｂ）のラインＢ）。

また、システムノイズ共分散行列における対角成分の状態変数パラメータのＳＯＣを、電池温度、ＳＯＨに基づいて補正してもよい。このＳＯＣの補正については、図４（Ａ）、（Ｂ）のような特性を有する補正マップを設定して補正する。
温度センサ９からの検出信号を基に、電池温度が所定温度閾値Ｔ２以下に低下した場合に、所定温度閾値Ｔ２を超えている場合に設定していたＳＯＣのシステムノイズ共分散値Ｑｓｏｃを小さくするように補正する（図４（Ａ）のラインＡ）。また、電池温度が所定温度閾値Ｔ２以下に低下した場合に、温度の低下に応じて連続的または段階的に小さくしてもよい（図４（Ａ）のラインＢ）。

また、電池温度と同様に、電池３の健全度（ＳＯＨ）の値に応じて補正してもよい。ＳＯＨが所定ＳＯＨ閾値Ｐ２以下に低下した場合に、所定ＳＯＨ閾値Ｐ２を超えている場合に設定していたＱｓｏｃを小さくするように補正する（図４（Ｂ）のラインＡ）。また、ＳＯＨが所定ＳＯＨ閾値Ｐ２以下に低下した場合に、ＳＯＨの低下に応じて連続的または段階的に小さくしてもよい（図４（Ｂ）のラインＢ）。

さらに、図３に示す第１電圧のシステムノイズ共分散値ＱＶ_１、第２電圧のシステムノイズ共分散値ＱＶ_２、第３電圧のシステムノイズ共分散値ＱＶ_３の補正、及び図４に示すＳＯＣのシステムノイズ共分散値Ｑｓｏｃの補正について、電池温度による補正とＳＯＨによる補正とを組み合わせてもよい。この場合には、大きく補正される方の値を採用してシステムノイズ共分散行列を設定する。

予測誤差共分散算出部２７による誤差共分散の算出式（４）には、システムノイズ共分散Ｑが含まれ、それを大きくすることで、誤差共分散Ｐ_Ｋ（−）の値が大きくなる。
予測誤差共分散算出部２７における誤差共分散Ｐ_Ｋ（−）の値が大きくなるように補正されと、カルマンゲインＫ_Ｋを算出する式（７）のＰ_Ｋ（−）が大きくなり、カルマンゲインＫ_Ｋが大きくなるように補正される。
そのカルマンゲインＫ_Ｋが大きくなると、式（５）に表すように、フィードバック部３３の更新状態推定部３５による状態パラメータの更新推定において、電圧センサ７による検出値の電圧値と、予測状態推定部２５による電圧推定値との偏差を重視する（重きを置く）ように推定が行われる。
このため、電池温度、またはＳＯＨの低下によって電池等価回路モデル２３の精度に悪影響がある場合には、電池等価回路モデル２３による予測推定の重きを低下するように補正することでカルマンフィルタ１７による電池状態の推定精度の向上を図ることができる。

一方、電池温度、またはＳＯＨの低下が電池等価回路モデル２３の精度に悪影響がない場合には、予測誤差共分散算出部２７による誤差共分散の算出式（４）のシステムノイズ共分散Ｑを小さくなるように補正することで、電池等価回路モデル２３による予測推定の重きを高めるようにすることでカルマンフィルタによる電池状態の推定精度を向上できる。

本実施形態によれば、電池温度、またはＳＯＨに基づいて、カルマンフィルタの予測誤差共分散算出部２７で用いるシステムノイズ共分散値を補正するシステムノイズ共分散補正部１３を備えることで、電池温度低下またはＳＯＨの低下による電池等価回路モデルの精度悪化への対応が可能になる。

システムノイズ共分散補正部１３は、状態パラメータのパラメータ毎に補正するので、電池温度による影響、またはＳＯＨによる影響を受けやすいパラメータを重点的に補正することで、カルマンフィルタによる電池状態の推定値の精度を効果的に向上できる。

すなわち、状態パラメータのうち、電池温度の低下やＳＯＨの低下の影響を大きく受ける電圧パラメータは、システムノイズ共分散値を大きくするように補正することによって、電池等価回路モデル２３による電圧パラメータに基づく推定を軽視させ、充電率パラメータ（電流積算）に基づく推定を重視させることができる。また、電圧パラメータのシステムノイズ共分散値を大きくするように補正するので、カルマンフィルタ内の電池等価回路モデル２３に基づく推定を軽視させることができる。これによって、カルマンフィルタ全体として電池状態の推定値の精度を向上できる。

また、ＳＯＣパラメータについては、システムノイズ共分散値を小さくするように補正することによって、電池等価回路モデル２３による充電率パラメータ（電流積算）に基づく推定を重視させ、電圧パラメータに基づく推定を軽視させることができる。また、充電率パラメータのシステムノイズ共分散値を小さくするように補正するので、カルマンフィルタ内の電池等価回路モデルに基づく推定を重視させることができる。これによって、カルマンフィルタ全体としての電池状態の推定値の精度を向上できる。

このように、カルマンフィルタ１７内のフィードフォワード部２９の電池等価回路モデル２３に基づく予測推定と、フィードバック部３３の観測値に基づく更新推定の軽重を、システムノイズ共分散補正部１３によるシステムノイズ共分散値の調整によって制御することによって、カルマンフィルタ１７全体としての電池状態の推定精度を向上することができる。
なお、上記は組電池のセル毎の電圧および温度、あるいはモジュール毎の平均電圧および平均温度を用いて適用しても良い。

本発明の少なくとも一実施形態によれば、電池モデル（電池等価回路モデル）の精度が悪化する電池温度が低温状態の場合や電池健全度が低い場合であっても、電池状態の推定精度の低下を抑えて推定精度を向上させることができるので、電動車両の駆動用電池の電池状態推定装置への利用に適している。

１ 電池状態推定装置
３ 電池
５ 電流センサ（充放電電流検出部）
７ 電圧センサ（端子電圧検出部）
９ 温度センサ（温度検出手段）
１１ 状態推定部
１３ システムノイズ共分散補正部
１５ ＳＯＨ記憶部
１７ カルマンフィルタ
１９ 充電率算出部
２１ 健全度算出部
２３ 電池等価回路モデル
２５ 予測状態推定部
２７ 予測誤差共分散算出部
２９ フィードフォワード部
３３ フィードバック部
３５ 更新状態推定部
３７ 更新誤差共分散算出部
Ｒ_０、Ｒ_１、Ｒ_２、Ｒ_３ 抵抗
Ｃ_１、Ｃ_２、Ｃ_３ コンデンサ
Ｋ_Ｋ カルマンゲイン

Claims (7)

1. 電池の充放電電流を検出する充放電電流検出部と、
   前記電池の端子電圧を検出する端子電圧検出部と、
   前記充放電電流検出部で検出した充放電電流、及び前記端子電圧検出部で検出した端子電圧、及び電池等価回路モデルを用いて、カルマンフィルタによって前記電池等価回路モデルの抵抗及びコンデンサを少なくとも含む状態パラメータを推定して電池状態を推定する状態推定部と、を備える電池状態推定装置であって、
   前記カルマンフィルタは、前記電池等価回路モデルを用いて前の時刻の前記状態パラメータの推定値から今の時刻の前記状態パラメータを推定する予測状態推定部と、該予測状態推定部における前記状態パラメータの推定に含まれる誤差共分散値を算出する予測誤差共分散算出部とを有し、
   電池温度または電池健全度の少なくともと一方に基づいて前記予測誤差共分散算出部で用いるシステムノイズ共分散値を補正するシステムノイズ共分散補正部を有することを特徴とする電池状態推定装置。
2. 前記状態推定部によって前記電池の健全状態を推定し、前記システムノイズ共分散補正部は、前の時刻の前記健全状態を用いて今の時刻の前記予測誤差共分散算出部におけるシステムノイズ共分散値を補正することを特徴とする請求項１に記載の電池状態推定装置。
3. 前記システムノイズ共分散補正部は、前記状態パラメータのパラメータ毎に補正することを特徴とする請求項１または２に記載の電池状態推定装置。
4. 前記システムノイズ共分散補正部は、温度検出手段によって検出される電池温度が低下するに従って、前記状態パラメータのうち電圧パラメータの誤差共分散値を大きくするように補正することを特徴とする請求項１から３のいずれか１項に記載の電池状態推定装置。
5. 前記システムノイズ共分散補正部は、温度検出手段によって検出される電池温度が低下するに従って、前記状態パラメータのうち電流積算を基に算出される充電率パラメータのシステムノイズ共分散値を小さくするように補正することを特徴とする請求項１から３のいずれか１項に記載の電池状態推定装置。
6. 前記システムノイズ共分散補正部は、前記健全状態の低下に従って、前記状態パラメータのうち電圧パラメータのシステムノイズ共分散値を大きくするように補正することを特徴とする請求項２に記載の電池状態推定装置。
7. 前記システムノイズ共分散補正部は、前記健全状態の低下に従って、前記状態パラメータのうち電流積算を基に算出される充電率パラメータのシステムノイズ共分散値を小さくするように補正することを特徴とする請求項２に記載の電池状態推定装置。

Images