特許ウォッチ

公開番号2024059625
公報種別公開特許公報(A)
公開日2024-05-01
出願番号2024010431,2022526393
出願日2024-01-26,2020-11-06
発明の名称バッテリー性能予測
出願人ビーエーエスエフソシエタス・ヨーロピア,BASF SE
代理人個人,個人,個人,個人,個人
主分類G01R 31/367 20190101AFI20240423BHJP(測定;試験)
要約【課題】テスト環境でのバッテリー構成の開発中のバッテリー性能を決定するための装置及び方法を提供する。
【解決手段】テストシステム110は、少なくとも1つの通信インターフェース114と、少なくとも1つの処理装置122とを備えている。テストシステム110は、通信インターフェース114を介して少なくとも1つのテストプロトコルを示す作動データを受信するように構成される。テストシステム110は、通信インターフェース114を介してバッテリー性能入力データを受信するように構成される。処理装置122は、少なくとも1つのデータ駆動型モデルを使用して、前記バッテリー性能入力データ及び前記作動データに基づいて、バッテリー性能を示す少なくとも1つの状態変数の少なくとも1つの予測時系列を決定するように構成される。テストシステム110は、前記状態変数の前記予測時系列の少なくとも一部を提供するように構成される。
【選択図】図1
特許請求の範囲【請求項１】
テスト環境でのバッテリー構成の開発中のバッテリー性能を決定するためのテストシステム（１１０）であって、前記テストシステム（１１０）は、少なくとも１つの通信インターフェース（１１４）と、少なくとも１つの処理装置（１２２）とを備え、前記テストシステム（１１０）は、前記通信インターフェース（１１４）を介して少なくとも１つのテストプロトコルを示す作動データを受信するように構成され、前記テストシステム（１１０）は、前記通信インターフェース（１１４）を介してバッテリー性能入力データを受信するように構成され、前記処理装置（１２２）は、少なくとも１つのデータ駆動型モデルを使用して、前記バッテリー性能入力データ及び前記作動データに基づいて、バッテリー性能を示す少なくとも１つの状態変数の少なくとも１つの予測時系列を決定するように構成され、前記テストシステム（１１０）は、前記状態変数の前記予測時系列の少なくとも一部を提供するように構成されている、テストシステム（１１０）。
続きを表示（約 1,200 文字）【請求項２】
前記データ駆動型モデルは、少なくとも１つのエコーステートネットワークなどの少なくとも１つのリカレントニューラルネットワークを含む、請求項１に記載のテストシステム（１１０）。
【請求項３】
前記状態変数は、少なくとも１つの充電－放電曲線から導出可能であって、前記状態変数は、放電容量；充電容量；充電－放電曲線の形状；平均電圧；開回路電圧；微分容量；クーロン効率；及び内部抵抗からなる群から選択される少なくとも１つの変数である、請求項１又は２に記載のテストシステム（１１０）。
【請求項４】
少なくとも１つのテストプロトコルを示す前記作動データは、異なる充電サイクル及び／又は放電サイクルの少なくとも１つのシーケンスを含む、請求項１～３のいずれか１項に記載のテストシステム（１１０）。
【請求項５】
前記データ駆動型モデルは、少なくとも１つの学習データセットで学習され、前記学習データセットは、少なくとも１つの既知のバッテリー構成の充放電サイクルの履歴データの時系列、及び、少なくとも１つの既知のテストプロトコルを含む、請求項１～４のいずれか１項に記載のテストシステム（１１０）。
【請求項６】
前記処理装置（１２２）は、前記データ駆動型モデルを用いて前記状態変数の前記予測時系列を決定するため、入力パラメータとして前記テストプロトコルを使用するように構成され、及び／又は、前記処理装置（１２２）は、複数のデータ駆動型モデルを含み、前記処理装置（１２２）は、前記テストプロトコルに応じて前記状態変数の前記予測時系列を決定するために前記データ駆動型モデルのうちの１つを選択するように構成されている、請求項１～５のいずれか１項に記載のテストシステム（１１０）。
【請求項７】
前記処理装置（１２２）は、前記データ駆動型モデルを用いて前記状態変数の前記予測時系列を決定するために、入力パラメータとして前記バッテリー性能入力データを使用するように構成されている、請求項１～６のいずれか１項に記載のテストシステム（１１０）。
【請求項８】
前記処理装置（１２２）は、複数のデータ駆動型モデルを含み、前記処理装置（１２２）は、前記バッテリー性能入力データを分析するように構成され、前記分析は、少なくとも１つの材料特性を決定することを含み、前記データ駆動型モデルの少なくとも１つは、前記材料特性に基づいて選択される、請求項７に記載のテストシステム（１１０）。
【請求項９】
前記バッテリー性能入力データは、前記テストプロトコルに応答して生成されたデータを含む、請求項１～８のいずれか１項に記載のテストシステム（１１０）。
【請求項１０】
前記テストプロトコルは、予め定義されている、請求項１～９のいずれか１項に記載のテストシステム（１１０）。
（【請求項１１】以降は省略されています）
発明の詳細な説明【技術分野】
【０００１】
本発明は、テスト環境におけるバッテリー構成の開発中のバッテリー性能を決定するためのテストシステム、及び少なくとも１つのテストプロトコルに基づいて、少なくとも１つのバッテリーで少なくとも１つのバッテリー性能テストを実行するように構成されたテストリグに関する。本発明はさらに、テスト環境におけるバッテリー構成の開発中のバッテリー性能を決定するための少なくとも１つのデータ駆動型モデルを決定するための方法、テスト環境におけるバッテリー構成の開発中のバッテリー性能を決定するためのコンピュータ実装方法(implemented method)、及びテスト環境におけるバッテリー構成の開発中のバッテリー性能を決定するためのコンピュータプログラムに関する。テスト中のバッテリーは、電気自動車などの自動車産業、スマートフォン、ラップトップなどの消費者装置、及び、例えば再生可能エネルギー源から得られたエネルギーを貯蔵するためのエネルギー貯蔵装置として使用され得る。本発明による方法、装置及びシステムは、具体的には、テストスタンドにおけるバッテリーの寿命を決定するために使用されることができる。他の用途も可能である。
続きを表示（約 2,500 文字）【背景技術】
【０００２】
バッテリーは、さまざまな技術分野で、例えば車両、特に消費者装置の電気自動車の加速用に、さらには例えば再生可能エネルギー源から得られるエネルギーを貯蔵するためのエネルギー貯蔵装置に使用される。バッテリー性能は、経時的に変化する場合がある。具体的には、バッテリーの性能は、充放電サイクルの回数によって劣化する場合がある。バッテリー性能の信頼可能で迅速な予測は、上記の技術分野のすべてにおいて必要である。
【０００３】
特定の用途のための新たな有利なバッテリー材料、特にカソード材料を開発するために、バッテリー性能は、多くの実験を行うことによってテストされる。続いて、実験結果が分析され、テスト中のカソード材料が「良好」又は「不良」のカソード材料として分類されることができる。得られた実験結果は、カソード材料の改変が必要かどうかを決定するために使用されることができる。
【０００４】
バッテリーの開発中の、バッテリー性能を決定するための既知のテスト方法の使用は、長いテスト時間を必要とする。具体的には、テストスタンドでのバッテリー性能の決定は、バッテリーの寿命にわたって多くの充電－放電サイクル(charge-discharge cycles)を必要とすることが多く、数ヶ月に及ぶこともある。例えば、使用されるカソード材料が「良好」又は「不良」なカソード材料として分類できるかどうかが決定され得るまで、通常６ヶ月を要する。これは長い時間であり、長いリードタイムにつながる。長いテスト時間は、テストスタンド能力のロジスティック計画に問題を生じることさえある。多くの場合、１００を超えるチャネルが管理され得、テストスタンドの能力の信頼性ある予測が必要である。
【０００５】
ＫｒｉｓｔｅｎＡ．Ｓｅｖｅｒｓｏｎ等による、「Ｄａｔａ－ｄｒｉｖｅｎｐｒｅｄｉｃｔｉｏｎｏｆｂａｔｔｅｒｙｃｙｃｌｅｌｉｆｅｂｅｆｏｒｅｃａｐａｃｉｔｙｄｅｇｒａｄａｔｉｏｎ」，ＮａｔｕｒｅＥｎｅｒｇｙ，ｈｔｔｐｓ：／／ｄｏｉ．ｏｒｇ／１０．１０３８／ｓ４１５６０－０１９－０３５６－８は、技術開発を加速するためのリチウムイオンバッテリーの寿命の予測について述べている。初期サイクルからの放電電圧曲線を用いて容量劣化を示すために使用され、機械学習ツールがサイクル寿命によってセルの予測と分類の両方のために説明されている。
【０００６】
ＵＳ２０１９／０１１５７７８Ａ１は、テスト対象の複数のバッテリーセルのパラメータ空間を定義することと、パラメータ空間を離散化することと、パラメータ空間全体からのサンプリングポリシーのために、だめになるまでサイクルされたセルの予備セットを収集することとを含み、及び、該ポリシーを複数回繰り返すことと、リソースハイパーパラメータ、パラメータ空間ハイパーパラメータ、及びアルゴリズムハイパーパラメータを指定することと、充電ポリシーのランダムなサブセットを選択することと、バッテリー寿命の早期予測のために必要なサイクル数が達成されるまで、前記充電ポリシーのランダムなサブセットをテストすることと、早期予測を得るために、早期予測のためのサイクルデータを早期予測アルゴリズムに入力することと、少なくとも１回の次のテストを実行するための推奨を得るために前記早期予測を最適実験計画（ＯＥＤ）アルゴリズムに入力することと、上記のランダムサブセットのテストステップからの推奨テストを繰り返し実行することと、最終的に推奨されたポリシーを検証すること、を含むバッテリーセルテストプロトコルの多次元パラメータ空間を探査する方法を記載している。
【０００７】
ＷＯ２０１９／０１７９９１Ａ１は、充電状態(state of charge)などの再充電バッテリー(rechargeable battery)の状態をリアルタイムで推定するためのモジュールを含む車両用バッテリー管理システム（ＢＭＳ）を記載している。該モジュールは、感知されたバッテリーの電圧、電流及び温度に加えて、車両の使用状況及び車両に固有の関連要因に基づいて、バッテリーの状態を予測するための学習モデルを含む。
【先行技術文献】
【特許文献】
【０００８】
ＵＳ２０１９／０１１５７７８Ａ１
ＷＯ２０１９／０１７９９１Ａ１
【非特許文献】
【０００９】
ＫｒｉｓｔｅｎＡ．Ｓｅｖｅｒｓｏｎ等による、「Ｄａｔａ－ｄｒｉｖｅｎｐｒｅｄｉｃｔｉｏｎｏｆｂａｔｔｅｒｙｃｙｃｌｅｌｉｆｅｂｅｆｏｒｅｃａｐａｃｉｔｙｄｅｇｒａｄａｔｉｏｎ」，ＮａｔｕｒｅＥｎｅｒｇｙ，ｈｔｔｐｓ：／／ｄｏｉ．ｏｒｇ／１０．１０３８／ｓ４１５６０－０１９－０３５６－８」
“ＡＰｒａｃｔｉｃａｌＧｕｉｄｅｔｏＡｐｐｌｙｉｎｇＥｃｈｏＳｔａｔｅＮｅｔｗｏｒｋｓ”，ＭａｎｔａｓＬｕｋｏｓｅｖｉｃｉｕｓ，ＮｅｕｒａｌＮｅｔｗｏｒｋｓで公開：ＴｒｉｃｋｓｏｆｔｈｅＴｒａｄｅ２０１２．ＤＯＩ：１０．１００７／９７８－３－６４２－３５２８９－８＿３６；ｈｔｔｐ：／／ｍｉｎｄｓ．ｊａｃｏｂｓ－ｕｎｉｖｅｒｓｉｔｙ．ｄｅ／ｕｐｌｏａｄｓ／ｐａｐｅｒｓ／ＰｒａｃｔｉｃａｌＥＳＮ．ｐｄｆ
【発明の概要】
【発明が解決しようとする課題】
【００１０】
したがって、上記の技術的課題を解決する方法及び装置を提供することが望ましい。具体的には、テスト環境でのバッテリー構成の開発中のバッテリー性能を決定するための装置及び方法を提供し、それによって、バッテリー材料のテストスタンドにおける測定時間の短縮を確実にする。さらに、カソード材料の特定用途への改変をより短時間で加速するために、必要な実験回数の削減を確実にする必要がある。
【課題を解決するための手段】
（【００１１】以降は省略されています）

関連特許