[发明专利]电池容量的推定方法以及电池容量的推定装置

说明书

提供一种电池容量的推定方法以及电池容量的推定装置。提高电池容量的推定值的精度。在第1步骤(S11)中，通过预先确定的AC－IR测定，得到与奈奎斯特绘制相关的信息。在第2步骤(S12)中，基于在第1步骤(S11)得到的与奈奎斯特绘制相关的信息、和在所述第1步骤(S11)实施AC－IR测定的环境温度，得到在预先确定的第1温度下实施AC－IR测定时得到的奈奎斯特图的图像数据。在第3步骤(S13)中，通过将在所述第2步骤(S12)得到的奈奎斯特图的图像数据向学习完成的神经网络模型的输入层输入，得到成为测定对象的电池的电池容量的推定值。

技术领域

本公开涉及电池容量的推定方法以及电池容量的推定装置。

背景技术

专利文献1公开了电池的特性评价方法。在该文献公开的电池的特性评价方法中，基于利用交流阻抗测定法取得的二次电池的反应电阻值，判定二次电池中有无微小短路。

现有技术文献

专利文献1：日本特开2003－317810号公报

发明内容

本发明人研究了利用交流阻抗测定法精度良好地评价二次电池的电池容量的方法。

用于解决问题的手段

在此公开的电池容量的推定方法包括第1步骤、第2步骤、第3步骤。第1步骤中，通过预先确定的AC－IR测定，得到与成为测定对象的电池的奈奎斯特绘制相关的信息。第2步骤中，基于在第1步骤得到的与奈奎斯特绘制相关的信息、和在第1步骤实施AC－IR测定的环境温度，得到在预先确定的第1温度下实施AC－IR测定时得到的奈奎斯特图的图像数据。第3步骤中，将在第2步骤得到的奈奎斯特图的图像数据向学习完成的神经网络模型输入，得到成为测定对象的电池的电池容量的推定值。在此，神经网络模型具备：输入层，构成为被输入成为测定对象的电池的奈奎斯特图的图像数据；中间层，构成为基于输入至输入层的图像数据得到电池容量的推定值；以及输出层，构成为输出在中间层得到的电池容量的推定值。

根据所述方法，针对输入至神经网络模型的输入层的奈奎斯特图的图像数据，由于具备AC－IR测定的温度条件，所以使得高精度得到电池容量的推定值。

学习完成的神经网络模型也可以构筑为，与成为测定对象的电池相关，通过学习将通过在预先确定的第1温度下所实施的AC－IR测定得到的奈奎斯特图的图像数据、和电池容量的评价值进行了关联而得到的学习用数据，基于输入至输入层的图像数据得到电池容量的推定值。

中间层也可以构成为，具备多个人工神经元，多个人工神经元分别包含表示人工神经元间的结合的强度的至少1个加权系数，通过基于加权系数进行运算，从而根据输入至神经网络模型的输入层的奈奎斯特图的图像数据，得到电池容量的推定值。该情况下，加权系数也可以与成为测定对象的电池相关，通过学习将基于在预先确定的第1温度下通过AC－IR测定得到的奈奎斯特绘制并利用预先确定的方法得到的奈奎斯特图的图像数据、和电池容量的评价值进行了关联而得到的学习用数据而被确定。

另外，在第1步骤得到的与奈奎斯特绘制相关的信息也可以包含，用于根据奈奎斯特绘制得到奈奎斯特图的等效电路的参数。

第2步骤中，也可以基于在第1步骤实施AC－IR测定的环境温度，修正用于根据在第1步骤得到的奈奎斯特绘制得到奈奎斯特图的等效电路的参数，得到在预先确定的第1温度下实施AC－IR测定时得到的奈奎斯特图的图像数据。

第2步骤中，也可以将在第1步骤实施AC－IR测定的环境温度、和在该环境温度下得到的奈奎斯特图的图像数据向第2学习完成的神经网络模型的输入层输入，得到在预先确定的第1温度下实施AC－IR测定时得到的奈奎斯特图的图像数据。