WO2023026743A1

WO2023026743A1 - 劣化判定システム、劣化判定方法、および劣化判定プログラム

Info

Publication number: WO2023026743A1
Application number: PCT/JP2022/028688
Authority: WO
Inventors: 洋平石井
Original assignee: Panasonic Intellectual Property Management Co Ltd
Current assignee: Panasonic Intellectual Property Management Co Ltd
Priority date: 2021-08-23
Filing date: 2022-07-26
Publication date: 2023-03-02
Anticipated expiration: 2024-02-23
Also published as: CN117795358A; JP7839970B2; JPWO2023026743A1; EP4394412B1; US20240369643A1; EP4394412A1; EP4394412A4

Abstract

劣化判定システムにおいて、データ取得部は、電池データを取得する。ＳＯＨ特定部は、電池データをもとに、二次電池のＳＯＨ（ＳｔａｔｅＯｆＨｅａｌｔｈ）を特定する。回帰曲線生成部は、二次電池の時系列に特定された複数のＳＯＨを曲線回帰して、二次電池の劣化回帰曲線を生成する。注目点設定部は、劣化回帰曲線上に注目点を設定する。回帰直線生成部は、注目点以降の複数のＳＯＨを直線回帰して、二次電池の注目点以降の劣化回帰直線を生成する。傾き比率算出部は、劣化回帰曲線上の注目点における接線の傾きと、注目点以降の劣化回帰直線の傾きの比率を算出する。急劣化判定部は、傾きの比率をもとに、二次電池の急劣化を判定する。

Description

劣化判定システム、劣化判定方法、および劣化判定プログラム

　本開示は、電池の急劣化を判定するための劣化判定システム、劣化判定方法、および劣化判定プログラムに関する。

　近年、ハイブリッド車（ＨＶ）、プラグインハイブリッド車（ＰＨＶ）、電気自動車（ＥＶ）が普及してきている。これらの電動車両にはキーデバイスとして、リチウムイオン電池などの二次電池が搭載される。

　リチウムイオン電池などの二次電池を、低温下やハイレートで繰り返し充放電すると、電解液の減少や極板反応面積の低下などにより、容量の急激な劣化（以下、急劣化または三次劣化という）が発生しやすくなる。電動車両に搭載される二次電池が急劣化すると、その後、走行可能距離が急激に低下するため利便性が低下する。

　車載用の二次電池の交換時期は、ＳＯＨ（Ｓｔａｔｅ　Ｏｆ　Ｈｅａｌｔｈ）を基準に設定されていることが一般的である。車載用途以外の二次電池（例えば、定置型の蓄電システムに使用される二次電池）も同様である。二次電池に急劣化が発生すると、ユーザや管理者の予想を超える早いペースでＳＯＨが、交換が必要な基準値まで低下する。したがって急劣化が発生すると、交換の準備が整っていない状態で、交換の時期を迎える事態が発生しやすくなる。

　また、急劣化の発生後は、析出による二次電池の内部短絡が発生しやすくなる。このように急劣化の発生後は、安全性の観点からも早めの交換が必要である。

　二次電池の急劣化を検出する方法として、時系列で入力されるＳＯＨのデータを短期間の時間窓で抽出して線形近似し、その近似直線の傾きの変化をもとに急劣化を検出する方法が提案されている（例えば、特許文献１参照）。

国際公開第１７／０９８６８６号

　二次電池の電圧、電流の測定データをもとに算出されるＳＯＣ（Ｓｔａｔｅ　Ｏｆ　Ｃｈａｒｇｅ）、ＦＣＣ（Ｆｕｌｌ　Ｃｈａｒｇｅ　Ｃａｐａｃｉｔｙ）、ＳＯＨの値は、センサの測定誤差やノイズの影響を受ける。誤差やノイズの影響が大きい場合、近似直線の傾きの値が不安定になる。また、近似直線の傾きから急劣化を検出するための閾値を、適切な値に設定することは困難である。

　本開示はこうした状況に鑑みなされたものであり、その目的は、二次電池の急劣化を高精度に判定する技術を提供することにある。

　上記課題を解決するために、本開示のある態様の劣化判定システムは、電池データを取得するデータ取得部と、前記電池データをもとに、前記二次電池のＳＯＨを特定するＳＯＨ特定部と、前記二次電池の時系列に特定された複数のＳＯＨを曲線回帰して、前記二次電池の劣化回帰曲線を生成する回帰曲線生成部と、前記劣化回帰曲線上に注目点を設定する注目点設定部と、前記注目点以降の複数のＳＯＨを直線回帰して、前記二次電池の注目点以降の劣化回帰直線を生成する回帰直線生成部と、前記劣化回帰曲線上の前記注目点における接線の傾きと、前記注目点以降の劣化回帰直線の傾きの比率を算出する傾き比率算出部と、前記傾きの比率をもとに、前記二次電池の急劣化を判定する急劣化判定部と、を備える。

　なお、以上の構成要素の任意の組合せ、本開示の表現を装置、システム、方法、コンピュータプログラム、コンピュータプログラムを記録した記録媒体などの間で変換したものもまた、本開示の態様として有効である。

　本開示によれば、二次電池の急劣化を高精度に判定することができる。

実施の形態に係る劣化判定システムを説明するための図である。電動車両と電池パックの主要な構成を説明するための図である。実施の形態に係る劣化判定システムの構成例を示す図である。ＦＣＣの推定方法を説明するための図である。ある二次電池のＳＯＨの時系列データの一例を示す図である。急劣化が発生していない状態における劣化回帰曲線、接線、劣化回帰直線の一例を示す図である。急劣化が発生している状態における劣化回帰曲線、接線、劣化回帰直線の一例を示す図である。ある電動車両に搭載された電池パックに含まれるセルのＳＯＨの実測値をもとに劣化回帰曲線を生成した一例を示す図である。急劣化開始の予測点の探索処理を説明するための図である（その１）。急劣化開始の予測点の探索処理を説明するための図である（その２）。比較例に係る急劣化判定方法の具体例を示す図である。実施の形態に係る急劣化判定方法の具体例を示す図である。実施の形態に係る急劣化判定方法の第１処理例の流れを示すフローチャートである。実施の形態に係る急劣化判定方法の第２処理例の流れを示すフローチャートである。

　図１は、実施の形態に係る劣化判定システム１を説明するための図である。実施の形態に係る劣化判定システム１は、電動車両３に搭載された電池パック４０（図２参照）の急劣化が発生しているか否かを判定するためのシステムである。図１では、劣化判定システム１を配送事業者が利用する例を示している。劣化判定システム１は例えば、電動車両３向けの運行管理支援サービスを提供するサービス提供主体の自社施設、またはデータセンタに設置された自社サーバ上に構築されてもよい。また、劣化判定システム１は、クラウドサービス契約に基づき利用するクラウドサーバ上に構築されてもよい。また、劣化判定システム１は、複数の拠点（データセンタ、自社施設）に分散して設置された複数のサーバ上に構築されてもよい。当該複数のサーバは、複数の自社サーバの組み合わせ、複数のクラウドサーバの組み合わせ、自社サーバとクラウドサーバの組み合わせのいずれであってもよい。

　各配送事業者は複数の電動車両３と、少なくとも一つの充電器４を保有し、複数の電動車両３を駐車しておくための配送拠点を有する。電動車両３は充電器４と充電ケーブル５で接続され、充電ケーブル５を介して充電器４から電動車両３に搭載された電池パック４０が充電される。

　配送事業者の配送拠点には運行管理端末装置７が設置される。運行管理端末装置７は例えば、ＰＣで構成される。運行管理端末装置７は、配送拠点に所属する複数の電動車両３の管理に使用される。配送事業者の運行管理者は、運行管理端末装置７を使用して複数の電動車両３の配送計画や充電計画を作成することができる。運行管理端末装置７は、ネットワーク２を介して劣化判定システム１にアクセスすることができる。

　ネットワーク２は、インターネット、専用線、ＶＰＮ（Ｖｉｒｔｕａｌ　Ｐｒｉｖａｔｅ　Ｎｅｔｗｏｒｋ）などの通信路の総称であり、その通信媒体やプロトコルは問わない。通信媒体として例えば、携帯電話網（セルラー網）、無線ＬＡＮ、有線ＬＡＮ、光ファイバ網、ＡＤＳＬ網、ＣＡＴＶ網などを使用することができる。通信プロトコルとして例えば、ＴＣＰ（Ｔｒａｎｓｍｉｓｓｉｏｎ　Ｃｏｎｔｒｏｌ　Ｐｒｏｔｏｃｏｌ）／ＩＰ（Ｉｎｔｅｒｎｅｔ　Ｐｒｏｔｏｃｏｌ）、ＵＤＰ（Ｕｓｅｒ　Ｄａｔａｇｒａｍ　Ｐｒｏｔｏｃｏｌ）／ＩＰ、イーサネット（登録商標）などを使用することができる。

　図２は、電動車両３と電池パック４０の主要な構成を説明するための図である。電池パック４０は、第１リレーＲＹ１およびインバータ３５を介してモータ３４に接続される。インバータ３５は力行時、電池パック４０から供給される直流電力を交流電力に変換してモータ３４に供給する。回生時、モータ３４から供給される交流電力を直流電力に変換して電池パック４０に供給する。モータ３４は三相交流モータであり、力行時、インバータ３５から供給される交流電力に応じて回転する。回生時、減速による回転エネルギーを交流電力に変換してインバータ３５に供給する。

　第１リレーＲＹ１は、電池パック４０とインバータ３５を繋ぐ配線間に挿入されるコンタクタである。車両制御部３０は走行時、第１リレーＲＹ１をオン状態（閉状態）に制御し、電池パック４０と電動車両３の動力系を電気的に接続する。車両制御部３０は非走行時、原則として第１リレーＲＹ１をオフ状態（開状態）に制御し、電池パック４０と電動車両３の動力系を電気的に遮断する。なおリレーの代わりに、半導体スイッチなどの他の種類のスイッチを用いてもよい。

　電池パック４０は、電動車両３の外に設置された充電器４と充電ケーブル５で接続することにより商用電力系統６から充電することができる。充電器４は商用電力系統６に接続され、充電ケーブル５を介して電動車両３内の電池パック４０を充電する。電動車両３において、電池パック４０と充電器４を繋ぐ配線間に第２リレーＲＹ２が挿入される。なおリレーの代わりに、半導体スイッチなどの他の種類のスイッチを用いてもよい。電池パック４０の電池管理部４２は充電開始前に、第２リレーＲＹ２をオン状態に制御し、充電終了後にオフ状態に制御する。

　一般的に、普通充電の場合は交流で、急速充電の場合は直流で充電される。交流で充電される場合、第２リレーＲＹ２と電池パック４０との間に挿入されるオンボードチャージャ（不図示）により、交流電力が直流電力に変換される。

　電池パック４０は、電池モジュール４１と電池管理部４２を備え、電池モジュール４１は、直列接続された複数のセルＥ１－Ｅｎを含む。なお電池モジュール４１は、複数の電池モジュールが直列または直並列接続されて構成されていてもよい。セルには、リチウムイオン電池セル、ニッケル水素電池セル、鉛電池セルなどを用いることができる。以下、本明細書ではリチウムイオン電池セル（公称電圧：３．６－３．７Ｖ）を使用する例を想定する。セルＥ１－Ｅｎの直列数は、モータ３４の駆動電圧に応じて決定される。

　複数のセルＥ１－Ｅｎと直列にシャント抵抗Ｒｓが接続される。シャント抵抗Ｒｓは電流検出素子として機能する。なおシャント抵抗Ｒｓの代わりにホール素子を用いてもよい。また電池モジュール４１内に、複数のセルＥ１－Ｅｎの温度を検出するための複数の温度センサＴ１、Ｔ２が設置される。温度センサは電池モジュールに１つ設置されてもよいし、複数のセルごとに１つ設置されてもよい。温度センサＴ１、Ｔ２には例えば、サーミスタを使用することができる。

　電池管理部４２は、電圧測定部４３、温度測定部４４、電流測定部４５および電池制御部４６を備える。直列接続された複数のセルＥ１－Ｅｎの各ノードと、電圧測定部４３との間は複数の電圧線で接続される。電圧測定部４３は、隣接する２本の電圧線間の電圧をそれぞれ測定することにより、各セルＥ１－Ｅｎの電圧を測定する。電圧測定部４３は、測定した各セルＥ１－Ｅｎの電圧を電池制御部４６に送信する。

　電圧測定部４３は電池制御部４６に対して高圧であるため、電圧測定部４３と電池制御部４６間は絶縁された状態で、通信線で接続される。電圧測定部４３は、ＡＳＩＣ（Ａｐｐｌｉｃａｔｉｏｎ　Ｓｐｅｃｉｆｉｃ　Ｉｎｔｅｇｒａｔｅｄ　Ｃｉｒｃｕｉｔ）または汎用のアナログフロントエンドＩＣで構成することができる。電圧測定部４３はマルチプレクサおよびＡ／Ｄ変換器を含む。マルチプレクサは、隣接する２本の電圧線間の電圧を上から順番にＡ／Ｄ変換器に出力する。Ａ／Ｄ変換器は、マルチプレクサから入力されるアナログ電圧をデジタル値に変換する。

　温度測定部４４は、分圧抵抗およびＡ／Ｄ変換器を含む。Ａ／Ｄ変換器は、複数の温度センサＴ１、Ｔ２と複数の分圧抵抗によりそれぞれ分圧された複数のアナログ電圧を順次、デジタル値に変換して電池制御部４６に出力する。電池制御部４６は当該デジタル値をもとに複数のセルＥ１－Ｅｎの温度を推定する。例えば電池制御部４６は、各セルＥ１－Ｅｎの温度を、各セルＥ１－Ｅｎに最も隣接する温度センサで測定された値をもとに推定する。

　電流測定部４５は、差動アンプおよびＡ／Ｄ変換器を含む。差動アンプはシャント抵抗Ｒｓの両端電圧を増幅してＡ／Ｄ変換器に出力する。Ａ／Ｄ変換器は、差動アンプから入力される電圧をデジタル値に変換して電池制御部４６に出力する。電池制御部４６は当該デジタル値をもとに複数のセルＥ１－Ｅｎに流れる電流を推定する。

　なお電池制御部４６内にＡ／Ｄ変換器が搭載されており、電池制御部４６にアナログ入力ポートが設置されている場合、温度測定部４４および電流測定部４５はアナログ電圧を電池制御部４６に出力し、電池制御部４６内のＡ／Ｄ変換器でデジタル値に変換してもよい。

　電池制御部４６（ＢＭＵ、ＢＭＳとも称される）は、マイクロコントローラ、通信コントローラおよび不揮発メモリを含む。電池制御部４６と車両制御部３０は、車載ネットワーク（例えば、ＣＡＮ（Ｃｏｎｔｒｏｌｌｅｒ　Ａｒｅａ　Ｎｅｔｗｏｒｋ）やＬＩＮ（Ｌｏｃａｌ　Ｉｎｔｅｒｃｏｎｎｅｃｔ　Ｎｅｔｗｏｒｋ））を介して接続される。当該通信コントローラは、車両制御部３０との通信を制御する。

　電池制御部４６は、電圧測定部４３、温度測定部４４および電流測定部４５により測定された複数のセルＥ１－Ｅｎの電圧、温度および電流をもとに複数のセルＥ１－Ｅｎの状態を管理する。

　電池制御部４６は、電池モジュール４１に含まれる複数のセルＥ１－ＥｎのそれぞれのＳＯＣを推定する。電池制御部４６は、ＯＣＶ（Ｏｐｅｎ　Ｃｉｒｃｕｉｔ　Ｖｏｌｔａｇｅ）法と電流積算法を組み合わせて、ＳＯＣを推定する。ＯＣＶ法は、セルのＯＣＶと、セルのＳＯＣ－ＯＣＶカーブをもとにＳＯＣを推定する方法である。セルのＳＯＣ－ＯＣＶカーブは、電池メーカによる特性試験に基づき予め作成され、出荷時にマイクロコントローラの内部メモリ内に登録される。

　電流積算法は、セルの充放電開始時のＯＣＶと、セルに流れる電流の積算値をもとにＳＯＣを推定する方法である。電流積算法は、充放電時間が長くなるにつれて、電流測定誤差が累積していく。したがって、ＯＣＶ法により推定されたＳＯＣを用いて、電流積算法により推定されたＳＯＣを補正することが好ましい。

　電池制御部４６は、電池モジュール４１と各セルＥ１－Ｅｎの電圧、電流、温度およびＳＯＣを、車載ネットワークを介して車両制御部３０に送信する。

　車両制御部３０は電動車両３全体を制御する車両ＥＣＵ（Ｅｌｅｃｔｒｏｎｉｃ　Ｃｏｎｔｒｏｌ　Ｕｎｉｔ）であり、例えば、統合型のＶＣＭ（Ｖｅｈｉｃｌｅ　Ｃｏｎｔｒｏｌ　Ｍｏｄｕｌｅ）で構成されていてもよい。車両制御部３０は、車載ネットワークに接続するための通信コントローラと、充電ケーブル５を介して充電器４と通信するための通信コントローラ（例えば、ＣＡＮコントローラ）を含む。

　無線通信部３６は、アンテナ３６ａを介してネットワーク２に無線接続するための信号処理を行う。電動車両３が無線接続可能な無線通信網として、例えば、携帯電話網（セルラー網）、無線ＬＡＮ、Ｖ２Ｉ（Ｖｅｈｉｃｌｅ　ｔｏ　Ｉｎｆｒａｓｔｒｕｃｔｕｒｅ）、Ｖ２Ｖ（Ｖｅｈｉｃｌｅ　ｔｏ　Ｖｅｈｉｃｌｅ）、ＥＴＣシステム（Ｅｌｅｃｔｒｏｎｉｃ　Ｔｏｌｌ　Ｃｏｌｌｅｃｔｉｏｎ　Ｓｙｓｔｅｍ）、ＤＳＲＣ（Ｄｅｄｉｃａｔｅｄ　Ｓｈｏｒｔ　Ｒａｎｇｅ　Ｃｏｍｍｕｎｉｃａｔｉｏｎｓ）などを使用することができる。

　電動車両３の走行中、車両制御部３０は電池データを含む走行データを、無線通信部３６を使用して劣化判定システム１にリアルタイムに送信することができる。走行データには少なくとも電動車両３の車速が含まれる。電池データには、複数のセルＥ１－Ｅｎの電圧、電流、温度、ＳＯＣが含まれる。車両制御部３０は、これらのデータを定期的（例えば、１０秒間隔）にサンプリングし、劣化判定システム１に都度送信する。

　なお、車両制御部３０は、電動車両３の走行データを内部のメモリに蓄積し、所定のタイミングでメモリに蓄積されている走行データを一括送信してもよい。例えば、車両制御部３０は、一日の営業終了後に、メモリに蓄積されている走行データを運行管理端末装置７に一括送信してもよい。運行管理端末装置７は、所定のタイミングで複数の電動車両３の走行データを劣化判定システム１に送信する。

　また、車両制御部３０は、ネットワーク通信機能を備えた充電器４から充電する際、メモリに蓄積されている走行データを、充電ケーブル５を介して充電器４に一括送信してもよい。充電器４は、受信した走行データを劣化判定システム１に送信する。この例は、充電器４がネットワーク通信機能を備え、電動車両３が無線通信機能を搭載していない場合に有効である。

　図３は、実施の形態に係る劣化判定システム１の構成例を示す図である。劣化判定システム１は、処理部１１、記憶部１２および通信部１３を備える。通信部１３は、有線または無線によりネットワーク２に接続するための通信インタフェース（例えば、ルータ）を含む。

　処理部１１は、データ取得部１１１、ＳＯＨ特定部１１２、回帰曲線生成部１１３、注目点設定部１１４、回帰直線生成部１１５、傾き比率算出部１１６、回帰曲線評価部１１７、予測点探索部１１８、急劣化判定部１１９および通知部１１１０を含む。処理部１１の機能はハードウェア資源とソフトウェア資源の協働、またはハードウェア資源のみにより実現することができる。ハードウェア資源として、ＣＰＵ、ＲＯＭ、ＲＡＭ、ＧＰＵ（Ｇｒａｐｈｉｃｓ　Ｐｒｏｃｅｓｓｉｎｇ　Ｕｎｉｔ）、ＡＳＩＣ（Ａｐｐｌｉｃａｔｉｏｎ　Ｓｐｅｃｉｆｉｃ　Ｉｎｔｅｇｒａｔｅｄ　Ｃｉｒｃｕｉｔ）、ＦＰＧＡ（Ｆｉｅｌｄ　Ｐｒｏｇｒａｍｍａｂｌｅ　Ｇａｔｅ　Ａｒｒａｙ）、その他のＬＳＩを利用することができる。ソフトウェア資源としてオペレーティングシステム、アプリケーションなどのプログラムを利用することができる。

　記憶部１２は、電池データ保持部１２１を含む。記憶部１２は、ＨＤＤ（Ｈａｒｄ　Ｄｉｓｋ　Ｄｒｉｖｅ）、ＳＳＤ（Ｓｏｌｉｄ　Ｓｔａｔｅ　Ｄｒｉｖｅ）などの不揮発性の記録媒体を含み、各種データを記憶する。

　データ取得部１１１は、電動車両３の走行時の走行データ（電池データを含む）、または駐車時の電池データをネットワーク２を介して取得し、取得した電池データを電池データ保持部１２１に保存する。電池データ以外の走行データは、電池データ保持部１２１に一緒に保存してもよいし、別の走行データ保持部（不図示）に保存してもよい。

　ＳＯＨ特定部１１２は、所定のタイミングで、電池データ保持部１２１に格納されている電動車両３に搭載された電池パック４０の電池データを読み出して、電池パック４０に含まれる各セルＥ１－ＥｎのＳＯＨを算出する。所定のタイミングは、電動車両３の充電器４からの充電が完了したタイミング、または充電が完了してから最初に走行するタイミングであってもよい。

　ＳＯＨ特定部１１２は、電池データに含まれる各セルＥ１－Ｅｎの２点（いずれも停車時）の電圧（ＯＣＶ）とＳＯＣをもとに、各セルのＥ１－ＥｎのＦＣＣを推定し、推定したＦＣＣをもとにＳＯＨを推定する。

　図４は、ＦＣＣの推定方法を説明するための図である。ＳＯＨ特定部１１２は、充電開始前のＯＣＶ１に対応するＳＯＣと、充電終了後のＯＣＶ２に対応するＳＯＣの差分（ΔＳＯＣ）を算出する。ＳＯＨ特定部１１２は、充電開始から充電終了までの間の電流を積算して電流積算値Ｑを算出する。

　ＳＯＨ特定部１１２は、下記（式１）を算出してＦＣＣを推定し、推定したＦＣＣをもとに下記（式２）を算出してＳＯＨを推定する。ＳＯＨは、初期のＦＣＣに対する現在のＦＣＣの比率で規定され、数値が低いほど（０％に近いほど）劣化が進行していることを示す。

　ＦＣＣ＝Ｑ／ΔＳＯＣ　・・・（式１）
　ＳＯＨ＝現在のＦＣＣ／初期のＦＣＣ　・・・（式２）
　なお、ＦＣＣは、電動車両３の走行開始前のＯＣＶ１と、走行開始後のＯＣＶ２をもとに推定することもできる。

　ＳＯＨ特定部１１２は、推定した各セルのＥ１－ＥｎのＳＯＨを電池データ保持部１２１に保存する。なお、各セルＥ１－ＥｎのＦＣＣとＳＯＨは、電動車両３の電池制御部４６内で推定してもよい。電池制御部４６内で推定されたＦＣＣとＳＯＨが電動車両３から劣化判定システム１に送信されてくる電池データに含まれている場合、劣化判定システム１側でＦＣＣとＳＯＨを推定する必要はない。

　回帰曲線生成部１１３は、対象とする電池パック４０に含まれる対象とするセルの時系列に特定されたＳＯＨの全データを電池データ保持部１２１から読み出し、読み出した複数のＳＯＨを曲線回帰して、対象セルの劣化回帰曲線を生成する。曲線回帰には例えば、最小二乗法を使用することができる。

　図５は、ある二次電池のＳＯＨの時系列データの一例を示す図である。横軸は総放電容量［Ａｈ］を示し、縦軸はＳＯＨ［％］を示す。セルの劣化は、下記（式３）に示すように、総放電容量や時間の平方根（ルート則、０．５乗則）に比例して進行することが知られている。

　ＳＯＨ＝ｗ_０＋ｗ_１√ｔ　・・・（式３）
　ｗ_０は初期値、ｗ_１は劣化係数。

　回帰曲線生成部１１３は、総放電容量または時間を独立変数、ＳＯＨを従属変数とする、０．５乗の指数曲線回帰により、上記（式３）の劣化係数ｗ_１を求める。ｗ_０は共通であり、通常、１．０～１．１の範囲に設定される。実際の初期容量と公称値が一致している場合はｗ_０＝１．０に設定され、公称値が最低保証量に設定され、実際の初期容量より低く設定されている場合は、１．０より大きい値が設定される。

　図５に示すように二次電池に急劣化が発生すると、ルート則に沿った劣化から線形な劣化に、劣化速度が変化する（速くなる）。本実施の形態では、以下の処理により、急劣化が発生したことを検出する。

　注目点設定部１１４は、回帰曲線生成部１１３により生成された劣化回帰曲線上に注目点Ａを設定する。注目点設定部１１４は、時系列に特定された複数のＳＯＨのデータ区間の最後から、所定値分、遡った位置の劣化回帰曲線上の点を注目点Ａに設定する。例えば、注目点設定部１１４は、最新のｎ日前（例えば、３０日前、６０日前、９０日前）に該当する日の劣化回帰曲線上の点を注目点Ａに設定してもよい。また、注目点設定部１１４は、最新の総放電容量からα［Ａｈ］分、遡った総放電容量に該当する劣化回帰曲線上の点を注目点Ａに設定してもよい。

　また、注目点設定部１１４は、最新データのｎ点前（例えば、５０点前）に該当するデータ点の時間または総放電容量に該当する劣化回帰曲線上の点を注目点Ａに設定してもよい。なお、注目点設定部１１４は、最新データのｎ点前に該当するデータとして、全体のデータ区間を所定の比率（３：１）で分割した位置のデータを使用してもよい。

　回帰直線生成部１１５は、注目点設定部１１４により設定された注目点Ａ以降の複数のＳＯＨを直線回帰して、対象セルの注目点Ａ以降の劣化回帰直線を生成する。直線回帰には例えば、最小二乗法を使用することができる。

　セルの急劣化は、下記（式４）に示すように、総放電容量や時間に対して線形近似できる傾向を持つことが経験的に知られている。

　ＳＯＨ＝ａＴ＋ｂ　・・・（式４）
　ａは急劣化開始後の劣化速度、ｂは急劣化開始時のＳＯＨ。

　傾き比率算出部１１６は、劣化回帰曲線上の注目点Ａにおける接線の傾きａ＿ｔａｎと、注目点Ａ以降の複数のＳＯＨに基づく劣化回帰直線の傾きａの比率（ａ／ａ＿ｔａｎ）を算出する。劣化回帰曲線上の注目点Ａにおける接線の傾きａ＿ｔａｎは、注目点Ａにおける微分係数から算出することができる。

　急劣化判定部１１９は、傾き比率算出部１１６により算出された傾きの比率（ａ／ａ＿ｔａｎ）をもとに対象セルの急劣化を判定する。急劣化判定部１１９は例えば、下記（式５）に示すように、傾きの比率（ａ／ａ＿ｔａｎ）が閾値ｔｈを超える場合、対象セルに急劣化が発生していると判定する。

　ａ／ａ＿ｔａｎ＞ｔｈ　・・・（式５）
　閾値ｔｈは、実験やシミュレーションの結果および設計者の知見を考慮して設定することができる。劣化回帰曲線上の注目点Ａにおける接線と劣化回帰直線は、注目点Ａにおける劣化速度の予測値を反映している。例えば、閾値ｔｈを２に設定した場合、注目点Ａの時点で劣化速度の予測値が２倍以上速くなったか否かを判定していることになる。

　図６は、急劣化が発生していない状態における劣化回帰曲線ｓｑｒ、接線ｔａｎ、劣化回帰直線ｌｉｎの一例を示す図である。図７は、急劣化が発生している状態における劣化回帰曲線ｓｑｒ、接線ｔａｎ、劣化回帰直線ｌｉｎの一例を示す図である。図６に示す例では傾きの比率（ａ／ａ＿ｔａｎ）は０．６６６７４７であり、図７に示す例では傾きの比率（ａ／ａ＿ｔａｎ）は５．３５６８１９である。図７に示す例では傾きの比率（ａ／ａ＿ｔａｎ）が２より大きいため、急劣化が発生していると判定される。

　なお上記の例では傾きの比率を、劣化回帰曲線上の注目点Ａにおける接線の傾きａ＿ｔａｎに対する劣化回帰直線の傾きａの比率（ａ／ａ＿ｔａｎ）としたが、劣化回帰直線の傾きａに対する劣化回帰曲線上の注目点Ａにおける接線の傾きａ＿ｔａｎの比率（ａ＿ｔａｎ／ａ）としてもよい。その場合、急劣化判定部１１９は、傾きの比率（ａ＿ｔａｎ／ａ）が閾値ｔｈ（例えば、０．５）未満のとき、対象セルに急劣化が発生していると判定する。

　回帰曲線評価部１１７は、回帰曲線生成部１１３により生成された劣化回帰曲線と、その基礎データとなる複数のＳＯＨとの関係をもとに当該劣化回帰曲線の信頼性を評価する。回帰曲線評価部１１７は、回帰曲線の信頼性を示す指標として一般的な指標、例えば、残差の二乗和、残差の標準偏差、決定係数、相関係数などを使用することができる。残差の二乗和と残差の標準偏差は、ＳＯＨのバラツキが大きいほど大きな値になる。決定係数と相関係数は、経時要素とＳＯＨとの関係性が示される。基礎データ（ＳＯＨ）の信頼性が低い場合、劣化回帰曲線の信頼性も低下する。

　図８は、ある電動車両３に搭載された電池パック４０に含まれるセルのＳＯＨの実測値をもとに劣化回帰曲線ｄｅｇを生成した一例を示す図である。図８に示す例では、ＳＯＨの全体データに対する劣化回帰直線ｗｈｏと、劣化回帰曲線ｄｅｇとの交点を注目点に設定し、当該注目点を通る条件下で当該注目点以降のＳＯＨに基づく劣化回帰直線ｒｅｇを生成している。

　図８に示す例では、劣化回帰曲線ｄｅｇの上限より上にＳＯＨのサンプルデータが多くプロットされており、サンプルデータのバラツキも大きい。このようなサンプルデータに基づく劣化回帰曲線を用いた急劣化判定では、誤判定する確率が高くなる。

　急劣化判定部１１９は、劣化回帰曲線の信頼性が設定条件を満たさない場合（例えば、残差の二乗和が設定値より大きい場合）、劣化回帰曲線を棄却し、急劣化の判定を回避する。

　以上の説明では、注目点Ａを固定値としてそのまま使用したが、最適な注目点Ａを探索してもよい。予測点探索部１１８は、注目点Ａを動的に変化させて、セルの急劣化開始の予測点を探索する。

　図９は、急劣化開始の予測点の探索処理を説明するための図である（その１）。図１０は、急劣化開始の予測点の探索処理を説明するための図である（その２）。まず、回帰曲線生成部１１３は、対象セルのＳＯＨの全データをもとに対象セルの劣化回帰曲線を生成する。注目点設定部１１４は、上述のように注目点Ａを決定し、この注目点Ａを仮決めの注目点（初期値）に設定する。回帰直線生成部１１５は、仮決めの注目点Ａ以降の複数のＳＯＨをもとに劣化回帰直線を生成する。

　図９に示すように予測点探索部１１８は、生成された劣化回帰曲線と、生成された劣化回帰直線との交点を新たな注目点Ａ’に設定する。回帰曲線生成部１１３は、新たな注目点Ａ’以前の複数のＳＯＨをもとに劣化回帰曲線を新たに生成し、回帰直線生成部１１５は、新たな注目点Ａ’以降の複数のＳＯＨをもとに劣化回帰直線を新たに生成する。

　予測点探索部１１８は、新たに生成された劣化回帰曲線と、新たに生成された劣化回帰直線との交点を新たな注目点Ａ’’に設定する。図１０に示すように、回帰曲線生成部１１３は、新たな注目点Ａ’’以前の複数のＳＯＨをもとに劣化回帰曲線を新たに生成し、回帰直線生成部１１５は、新たな注目点Ａ’’以降の複数のＳＯＨをもとに劣化回帰直線を新たに生成する。以上の処理を繰り返す。

　予測点探索部１１８は、繰り返し更新される注目点Ａの収束点を急劣化開始の予測点に設定する。例えば、予測点探索部１１８は、更新前の注目点Ａと更新後の注目点Ａの距離が設定値未満になったとき、注目点Ａが収束したと判定してもよい。また、予測点探索部１１８は、上述した注目点Ａの更新処理を、設定された回数実行したとき、注目点Ａが収束したとみなしてもよい。また、予測点探索部１１８は、新たに生成された劣化回帰曲線の信頼性が判定基準を満たしたとき（例えば、劣化回帰曲線と複数のＳＯＨとの残差の二乗和が設定値未満になったとき）、注目点Ａが収束したと判定してもよい。さらに、予測点探索部１１８は、新たに生成された劣化回帰曲線の信頼性が判定基準を満たし、かつ新たに生成された劣化回帰直線の信頼性が判定基準を満たしたとき（例えば、劣化回直線と複数のＳＯＨとの残差の二乗和が設定値未満になったとき）、注目点Ａが収束したと判定してもよい。

　また、注目点Ａをずらしながら総当り的に、回帰曲線生成部１１３と回帰直線生成部１１５が劣化回帰曲線と劣化回帰直線を生成し、予測点探索部１１８が、劣化回帰曲線と劣化回帰直線の信頼性が最も高い注目点Ａを、急劣化開始の予測点に設定してもよい。

　傾き比率算出部１１６は、設定された急劣化開始の予測点における上記傾きの比率（ａ／ａ＿ｔａｎ）を算出し、急劣化判定部１１９は、算出された傾きの比率（ａ／ａ＿ｔａｎ）をもとに、対象セルの急劣化を判定する。

　予測点探索部１１８は、急劣化開始の予測点の探索において、探索除外範囲を設定してもよい。例えば、予測点探索部１１８は、ＳＯＨが所定値（例えば、８０％）以上の範囲、セルの総放電容量が設定値（例えば、４０００Ａｈ）以下の範囲、またはセルの使用期間が設定値（例えば、２年）以下の範囲を、探索除外範囲に設定してもよい。なお、探索除外範囲には、注目点設定部１１４も注目点Ａを設定しない。

　通知部１１１０は、急劣化が発生したと判定されたセルを含む電池パック４０を搭載している電動車両３、または当該電動車両３を管理している運行管理端末装置７に、急劣化が発生しているセルを含むことを示すアラートを通知する。

　図１１は、比較例に係る急劣化判定方法の具体例を示す図である。図１２は、実施の形態に係る急劣化判定方法の具体例を示す図である。比較例では、直近ｎ個のＳＯＨをもとに回帰直線を生成している。図１１には、各時点における回帰直線の傾きａがプロットされている。

　実施の形態では、回帰直線生成部１１５は、直近ｎ個のＳＯＨをもとに回帰直線を生成する。回帰曲線生成部１１３は、直近ｎ個のＳＯＨを除く全体のＳＯＨをもとに劣化回帰曲線を生成する。傾き比率算出部１１６は、劣化回帰曲線上のｎ個前のＳＯＨに対応する注目点Ａにおける接線の傾きａ＿ｔａｎと、直近ｎ個のＳＯＨに基づく劣化回帰直線の傾きａの比率（ａ／ａ＿ｔａｎ）を算出する。図１２には、各時点における傾きの比率（ａ／ａ＿ｔａｎ）がプロットされている。例えば、ｎは３～７の範囲に設定される。

　図１１に示す比較例では、好適な閾値ｔｈを設定することが困難である。例えば、閾値ｔｈを低い値に設定すると、セルの劣化が線形に近い曲線で推移した場合に、急劣化が発生したと誤判定されやすくなる。反対に、閾値ｔｈを高い値に設定すると、セルに急劣化が発生しても、急劣化が検出されにくい。これに対して、図１２に示す実施の形態では、閾値ｔｈを２程度に設定することにより、高精度に急劣化発生の有無を判定することができる。

　セルの機種ごとに、傾きの比率（ａ／ａ＿ｔａｎ）の経時変化を学習して、急劣化発生時のモデルを生成してもよい。当該モデルは、機械学習やパターン認識の手法により生成することができる。傾き比率算出部１１６は、新たなＳＯＨが追加される度に、傾きの比率（ａ／ａ＿ｔａｎ）を算出する。急劣化判定部１１９は、傾きの比率（ａ／ａ＿ｔａｎ）の時系列データにおいて、傾きの比率（ａ／ａ＿ｔａｎ）の挙動が、生成されたモデルに基づく判定条件を満たしたとき、対象セルに急劣化が発生したと判定する。

　例えば、急劣化が発生する前に、傾きの比率（ａ／ａ＿ｔａｎ）が所定の速度以上で所定の値以上低下し、その後、所定の速度以上で所定の値以上上昇する傾向が学習された機種では、その傾きの比率（ａ／ａ＿ｔａｎ）の挙動を検出することにより、急劣化を予兆の段階で検出することができる。また、少なくとも急劣化が発生してから早期に検出することができる。

　図１３は、実施の形態に係る急劣化判定方法の第１処理例の流れを示すフローチャートである。回帰曲線生成部１１３は、電池データ保持部１２１に蓄積されている、対象とする電池パック４０に含まれる対象とするセルの時系列に特定されたＳＯＨの全データを読み込む（Ｓ１０）。回帰曲線生成部１１３は、読み込んだＳＯＨの全データを曲線回帰して、対象セルの劣化回帰曲線を生成する（Ｓ１１）。

　注目点設定部１１４は、劣化回帰曲線上に注目点Ａを設定する（Ｓ１２）。傾き比率算出部１１６は、劣化回帰曲線上の注目点Ａにおける接線を算出する（Ｓ１３）。回帰直線生成部１１５は、注目点Ａ以降の複数のＳＯＨを直線回帰して、注目点Ａ以降の劣化回帰直線を生成する（Ｓ１４）。傾き比率算出部１１６は、劣化回帰曲線上の注目点Ａにおける接線の傾きと、注目点Ａ以降の複数のＳＯＨに基づく劣化回帰直線の傾きの比率（ａ／ａ＿ｔａｎ）を算出する（Ｓ１５）。

　急劣化判定部１１９は、算出された傾きの比率（ａ／ａ＿ｔａｎ）と閾値ｔｈを比較する（Ｓ１６）。傾きの比率（ａ／ａ＿ｔａｎ）が閾値ｔｈを超える場合（Ｓ１６のＹ）、通知部１１１０は、対象セルを使用している電動車両３またはその運行管理端末装置７に、急劣化が開始したセルを使用していることを示すアラートを通知する（Ｓ１７）。傾きの比率（ａ／ａ＿ｔａｎ）が閾値ｔｈ以下の場合（Ｓ１６のＮ）、当該アラートは通知されない。

　図１４は、実施の形態に係る急劣化判定方法の第２処理例の流れを示すフローチャートである。回帰曲線生成部１１３は、電池データ保持部１２１に蓄積されている、対象とする電池パック４０に含まれる対象とするセルの時系列に特定されたＳＯＨの全データを読み込む（Ｓ２０）。回帰曲線生成部１１３は、読み込んだＳＯＨの全データを曲線回帰して、対象セルの劣化回帰曲線を生成する（Ｓ２１）。

　注目点設定部１１４は、劣化回帰曲線上に注目点Ａの初期値を設定する（Ｓ２２）。回帰直線生成部１１５は、直近に設定された注目点Ａ以降の複数のＳＯＨを直線回帰して、注目点Ａ以降の劣化回帰直線を生成する（Ｓ２３）。予測点探索部１１８は、直近に生成された劣化回帰曲線と、直近に設定された注目点Ａ以降の劣化回帰直線との交点を、新たな注目点Ａに設定する（Ｓ２４）。

　予測点探索部１１８は、直近に設定された注目点Ａが収束条件を満足するか否か判定する（Ｓ２５）。収束条件を満足しない場合（Ｓ２５のＮ）、回帰曲線生成部１１３は、直近に設定された注目点Ａ以前の複数のＳＯＨを曲線回帰して、新たな劣化回帰曲線を生成する（Ｓ２６）。以下、ステップＳ２３に遷移し、注目点Ａの更新を継続する。

　ステップＳ２５において収束条件を満足した場合（Ｓ２５のＹ）、傾き比率算出部１１６は、直近に生成された劣化回帰曲線上の、直近に設定された注目点Ａにおける接線を算出する（Ｓ２７）。傾き比率算出部１１６は、当該接線の傾きと、直近に設定された注目点Ａ以降の複数のＳＯＨに基づく劣化回帰直線の傾きの比率（ａ／ａ＿ｔａｎ）を算出する（Ｓ２８）。

　急劣化判定部１１９は、算出された傾きの比率（ａ／ａ＿ｔａｎ）と閾値ｔｈを比較する（Ｓ２９）。傾きの比率（ａ／ａ＿ｔａｎ）が閾値ｔｈを超える場合（Ｓ２９のＹ）、通知部１１１０は、対象セルを使用している電動車両３またはその運行管理端末装置７に、急劣化が開始したセルを使用していることを示すアラートを通知する（Ｓ２１０）。傾きの比率（ａ／ａ＿ｔａｎ）が閾値ｔｈ以下の場合（Ｓ２９のＮ）、当該アラートは通知されない。

　なお、図１４のフローチャートに示す例では、先に最適な注目点Ａ（急劣化開始の予測点）を探索してから急劣化の判定を行った。この点、急劣化が検出された後に、最適な注目点Ａ（急劣化開始の予測点）を探索してもよい。具体的には、初回の探索において、ステップＳ２３の処理を実行した後、ステップＳ２８の処理とステップＳ２９の処理を実行し、急劣化が検出された場合にステップＳ２４以降の処理を実行する。この例では、急劣化が発生していない場合の処理量を削減することができる。

　以上説明したように本実施の形態によれば、セルの急劣化を高精度に判定することができる。急劣化を検出することにより、電動車両３または電池パック４０の効率的な交換が可能となる。また、適切な時期に交換することにより、電池パック４０の利用に関する安全性を向上させることができる。急劣化の発生後は内部短絡が生じやすくなるため、早期の交換により安全性が向上する。

　また、ルート則に基づいた劣化曲線を用いることで、ＳＯＨ推定時の計測系のノイズ等に対して頑健な劣化予測を行うことができる。注目点Ａ以降は線形回帰直線を用いることで、短期的な急劣化の発生を検出することができる。また、一般的な回帰手法を用いて得られる２つの直線の傾きの比率（ａ／ａ＿ｔａｎ）をもとに急劣化を判定するため、計算量の増加を抑制することができる。また、通常の劣化曲線の劣化速度に対する相対比率をパラメータとして使用するため、直感的に閾値ｔｈを設定することができる。

　また、生成した劣化回帰曲線の信頼性が低い場合、劣化回帰曲線を棄却することにより、信頼性が低いＳＯＨのデータに基づく急劣化の判定を回避することができる。また、注目点Ａの最適点を探索することにより、急劣化が開始したタイミングを高精度に推定することができる。また、注目点Ａの最適点の探索範囲を制限することにより、急劣化が発生する確率が低い領域で、急劣化が発生したと誤判定することを抑制することができる。

　以上、本開示を実施の形態をもとに説明した。実施の形態は例示であり、それらの各構成要素や各処理プロセスの組み合わせにいろいろな変形例が可能なこと、またそうした変形例も本開示の範囲にあることは当業者に容易に理解されるところである。

　上述した劣化判定システム１は、電動車両３内の電池制御部４６に実装されてもよい。この場合、大容量のメモリが必要になるが、データ欠損を少なくすることができる。

　また上記実施の形態では、電動車両３として、四輪の電気自動車を想定した。この点、電動バイク（電動スクータ）、電動自転車、電動キックスクータであってもよい。また、電気自動車にはフル規格の電気自動車だけでなく、ゴルフカートやランドカーなどの低速の電気自動車も含まれる。また、電池パック４０が搭載される対象は電動車両３に限るものではない。電池パック４０が搭載される対象には、電動船舶、鉄道車両、マルチコプタ（ドローン）などの電動移動体、定置型蓄電システム、民生用の電子機器（スマートフォン、ノートＰＣなど）も含まれる。

　なお、実施の形態は、以下の項目によって特定されてもよい。

　［項目１］
　電池データを取得するデータ取得部（１１１）と、
　前記電池データをもとに、前記二次電池（Ｅ１）のＳＯＨを特定するＳＯＨ特定部（１１２）と、
　前記二次電池（Ｅ１）の時系列に特定された複数のＳＯＨを曲線回帰して、前記二次電池（Ｅ１）の劣化回帰曲線を生成する回帰曲線生成部（１１３）と、
　前記劣化回帰曲線上に注目点を設定する注目点設定部（１１４）と、
　前記注目点以降の複数のＳＯＨを直線回帰して、前記二次電池（Ｅ１）の注目点以降の劣化回帰直線を生成する回帰直線生成部（１１５）と、
　前記劣化回帰曲線上の前記注目点における接線の傾きと、前記注目点以降の劣化回帰直線の傾きの比率を算出する傾き比率算出部（１１６）と、
　前記傾きの比率をもとに、前記二次電池（Ｅ１）の急劣化を判定する急劣化判定部（１１９）と、
　を備えることを特徴とする劣化判定システム（１）。

　これによれば、二次電池（Ｅ１）の急劣化を高精度に判定することができる。

　［項目２］
　前記注目点設定部（１１４）は、時系列に特定された複数のＳＯＨのデータ区間の最後から、所定値分、遡った位置の前記劣化回帰曲線上の点を前記注目点に設定することを特徴とする項目１に記載の劣化判定システム（１）。

　これによれば、劣化速度の仮の変化点を設定することで、高精度な急劣化の判定を実現することができる。

　［項目３］
　前記劣化回帰曲線と、その基礎となる複数のＳＯＨとの関係をもとに前記劣化回帰曲線の信頼性を評価する回帰曲線評価部（１１７）をさらに備え、
　前記急劣化判定部（１１９）は、前記劣化回帰曲線の信頼性が設定条件を満たさない場合、前記二次電池（Ｅ１）の急劣化の判定を回避することを特徴とする項目１または２に記載の劣化判定システム（１）。

　これによれば、信頼性が低いＳＯＨのデータに基づく急劣化の判定を回避することができる。

　［項目４］
　前記注目点を動的に変化させて、前記二次電池（Ｅ１）の急劣化開始の予測点を探索する予測点探索部（１１８）をさらに備え、
　前記急劣化判定部（１１９）は、前記予測点における前記傾きの比率をもとに、前記二次電池（Ｅ１）の急劣化を判定することを特徴とする項目１から３のいずれか１項に記載の劣化判定システム（１）。

　これによれば、急劣化の開始点に一致または近似する注目点を設定することができる。

　［項目５］
　前記回帰曲線生成部（１１３）は、前記二次電池（Ｅ１）の時系列に特定された複数のＳＯＨの内、前記注目点以前の複数のＳＯＨを曲線回帰して、前記二次電池（Ｅ１）の劣化回帰曲線を生成し、
　前記予測点探索部（１１８）は、前記注目点以前の複数のＳＯＨに基づく劣化回帰曲線と、前記注目点以降の複数のＳＯＨに基づく劣化回帰直線との交点の収束点を、前記二次電池（Ｅ１）の急劣化開始の予測点に設定することを特徴とする項目４に記載の劣化判定システム（１）。

　これによれば、注目点とすべき急劣化の開始点を高精度に予測することができる。

　［項目６］
　前記予測点探索部（１１８）は、ＳＯＨが第１設定値以上の範囲、前記二次電池（Ｅ１）の総放電容量が第２設定値以下の範囲、または前記二次電池（Ｅ１）の使用期間が第３設定値以下の範囲を、前記予測点の探索範囲外に設定することを特徴とする項目５に記載の劣化判定システム（１）。

　これによれば、注目点とすべき急劣化の開始点の探索範囲を制限することで、急劣化が発生する確率が低い範囲に注目点が設定されることを防止できる。

　［項目７］
　前記急劣化判定部（１１９）は、前記劣化回帰曲線上の前記注目点における接線の傾きに対する前記注目点以降の劣化回帰直線の傾きの比率が閾値を上回ると、または前記注目点以降の劣化回帰直線の傾きに対する前記劣化回帰曲線上の前記注目点における接線の傾きの比率が閾値を下回ると、前記二次電池（Ｅ１）の急劣化が発生したと判定することを特徴とする項目１から５のいずれか１項に記載の劣化判定システム（１）。

　これによれば、劣化速度の変化が急になったか否かを捉えることにより、急劣化を高精度に判定することができる。

　［項目８］
　前記急劣化判定部（１１９）は、前記傾きの比率の時系列データにおいて前記傾きの比率の挙動が、学習に基づき生成された判定条件を満たしたとき、前記二次電池（Ｅ１）の急劣化または急劣化の予兆が発生したと判定することを特徴とする項目１から５のいずれか１項に記載の劣化判定システム（１）。

　これによれば、急劣化を事前にまたは発生直後に検出することができる。

　［項目９］
　電池データを取得するステップと、
　前記電池データをもとに、前記二次電池（Ｅ１）のＳＯＨを特定するステップと、
　前記二次電池（Ｅ１）の時系列に特定された複数のＳＯＨを曲線回帰して、前記二次電池（Ｅ１）の劣化回帰曲線を生成するステップと、
　前記劣化回帰曲線上に注目点を設定するステップと、
　前記注目点以降の複数のＳＯＨを直線回帰して、前記二次電池（Ｅ１）の注目点以降の劣化回帰直線を生成するステップと、
　前記劣化回帰曲線上の前記注目点における接線の傾きと、前記注目点以降の劣化回帰直線の傾きの比率を算出するステップと、
　前記傾きの比率をもとに、前記二次電池（Ｅ１）の急劣化を判定するステップと、
　を有することを特徴とする劣化判定方法。

　［項目１０］
　電池データを取得する処理と、
　前記二次電池データをもとに、前記二次電池（Ｅ１）のＳＯＨを特定する処理と、
　前記二次電池（Ｅ１）の時系列に特定された複数のＳＯＨを曲線回帰して、前記二次電池（Ｅ１）の劣化回帰曲線を生成する処理と、
　前記劣化回帰曲線上に注目点を設定する処理と、
　前記注目点以降の複数のＳＯＨを直線回帰して、前記二次電池（Ｅ１）の注目点以降の劣化回帰直線を生成する処理と、
　前記劣化回帰曲線上の前記注目点における接線の傾きと、前記注目点以降の劣化回帰直線の傾きの比率を算出する処理と、
　前記傾きの比率をもとに、前記二次電池（Ｅ１）の急劣化を判定する処理と、
　コンピュータに実行させることを特徴とする劣化判定プログラム。

　１　劣化判定システム、　２　ネットワーク、　３　電動車両、　４　充電器、　５　充電ケーブル、　６　商用電力系統、　７　運行管理端末装置、　１１　処理部、　１１１　データ取得部、　１１２　ＳＯＨ特定部、　１１３　回帰曲線生成部、　１１４　注目点設定部、　１１５　回帰直線生成部、　１１６　傾き比率算出部、　１１７　回帰曲線評価部、　１１８　予測点探索部、　１１９　急劣化判定部、　１１１０　通知部、　１２　記憶部、　１２１　電池データ保持部、　１３　通信部、　３０　車両制御部、　３４　モータ、　３５　インバータ、　３６　無線通信部、　３６ａ　アンテナ、　４０　電池パック、　４１　電池モジュール、　４２　電池管理部、　４３　電圧測定部、　４４　温度測定部、　４５　電流測定部、　４６　電池制御部、　Ｅ１－Ｅｎ　セル、　Ｔ１－Ｔ２　温度センサ、　ＲＹ１－ＲＹ２　リレー。

Claims

　電池データを取得するデータ取得部と、
　前記電池データをもとに、前記二次電池のＳＯＨ（Ｓｔａｔｅ　Ｏｆ　Ｈｅａｌｔｈ）を特定するＳＯＨ特定部と、
　前記二次電池の時系列に特定された複数のＳＯＨを曲線回帰して、前記二次電池の劣化回帰曲線を生成する回帰曲線生成部と、
　前記劣化回帰曲線上に注目点を設定する注目点設定部と、
　前記注目点以降の複数のＳＯＨを直線回帰して、前記二次電池の注目点以降の劣化回帰直線を生成する回帰直線生成部と、
　前記劣化回帰曲線上の前記注目点における接線の傾きと、前記注目点以降の劣化回帰直線の傾きの比率を算出する傾き比率算出部と、
　前記傾きの比率をもとに、前記二次電池の急劣化を判定する急劣化判定部と、
　を備えることを特徴とする劣化判定システム。
　前記注目点設定部は、時系列に特定された複数のＳＯＨのデータ区間の最後から、所定値分、遡った位置の前記劣化回帰曲線上の点を前記注目点に設定することを特徴とする請求項１に記載の劣化判定システム。
　前記劣化回帰曲線と、その基礎となる複数のＳＯＨとの関係をもとに前記劣化回帰曲線の信頼性を評価する回帰曲線評価部をさらに備え、
　前記急劣化判定部は、前記劣化回帰曲線の信頼性が設定条件を満たさない場合、前記二次電池の急劣化の判定を回避することを特徴とする請求項１または２に記載の劣化判定システム。
　前記注目点を動的に変化させて、前記二次電池の急劣化開始の予測点を探索する予測点探索部をさらに備え、
　前記急劣化判定部は、前記予測点における前記傾きの比率をもとに、前記二次電池の急劣化を判定することを特徴とする請求項１から３のいずれか１項に記載の劣化判定システム。
　前記回帰曲線生成部は、前記二次電池の時系列に特定された複数のＳＯＨの内、前記注目点以前の複数のＳＯＨを曲線回帰して、前記二次電池の劣化回帰曲線を生成し、
　前記予測点探索部は、前記注目点以前の複数のＳＯＨに基づく劣化回帰曲線と、前記注目点以降の複数のＳＯＨに基づく劣化回帰直線との交点の収束点を、前記二次電池の急劣化開始の予測点に設定することを特徴とする請求項４に記載の劣化判定システム。
　前記予測点探索部は、ＳＯＨが第１設定値以上の範囲、前記二次電池の総放電容量が第２設定値以下の範囲、または前記二次電池の使用期間が第３設定値以下の範囲を、前記予測点の探索範囲外に設定することを特徴とする請求項５に記載の劣化判定システム。
　前記急劣化判定部は、前記劣化回帰曲線上の前記注目点における接線の傾きに対する前記注目点以降の劣化回帰直線の傾きの比率が閾値を上回ると、または前記注目点以降の劣化回帰直線の傾きに対する前記劣化回帰曲線上の前記注目点における接線の傾きの比率が閾値を下回ると、前記二次電池の急劣化が発生したと判定することを特徴とする請求項１から５のいずれか１項に記載の劣化判定システム。
　前記急劣化判定部は、前記傾きの比率の時系列データにおいて前記傾きの比率の挙動が、学習に基づき生成された判定条件を満たしたとき、前記二次電池の急劣化または急劣化の予兆が発生したと判定することを特徴とする請求項１から５のいずれか１項に記載の劣化判定システム。
　電池データを取得するステップと、
　前記電池データをもとに、前記二次電池のＳＯＨ（Ｓｔａｔｅ　Ｏｆ　Ｈｅａｌｔｈ）を特定するステップと、
　前記二次電池の時系列に特定された複数のＳＯＨを曲線回帰して、前記二次電池の劣化回帰曲線を生成するステップと、
　前記劣化回帰曲線上に注目点を設定するステップと、
　前記注目点以降の複数のＳＯＨを直線回帰して、前記二次電池の注目点以降の劣化回帰直線を生成するステップと、
　前記劣化回帰曲線上の前記注目点における接線の傾きと、前記注目点以降の劣化回帰直線の傾きの比率を算出するステップと、
　前記傾きの比率をもとに、前記二次電池の急劣化を判定するステップと、
　を有することを特徴とする劣化判定方法。
　電池データを取得する処理と、
　前記電池データをもとに、前記二次電池のＳＯＨ（Ｓｔａｔｅ　Ｏｆ　Ｈｅａｌｔｈ）を特定する処理と、
　前記二次電池の時系列に特定された複数のＳＯＨを曲線回帰して、前記二次電池の劣化回帰曲線を生成する処理と、
　前記劣化回帰曲線上に注目点を設定する処理と、
　前記注目点以降の複数のＳＯＨを直線回帰して、前記二次電池の注目点以降の劣化回帰直線を生成する処理と、
　前記劣化回帰曲線上の前記注目点における接線の傾きと、前記注目点以降の劣化回帰直線の傾きの比率を算出する処理と、
　前記傾きの比率をもとに、前記二次電池の急劣化を判定する処理と、
　コンピュータに実行させることを特徴とする劣化判定プログラム。