JP7003844B2 - 電池システム - Google Patents

Description

本開示は、ニッケル水素電池を備える電池システムに関する。

特開２０１８－１４２１０号公報（特許文献１）には、ニッケル水素電池を備える電池システムが開示されている。この電池システムは、電流センサおよび電圧センサを用いて所定期間における電流変化量および電圧変化量を用いてニッケル水素電池の内部抵抗を推定する（特許文献１参照）。

特開２０１８－１４２１０号公報

一般に、制御システムなどにおいて、算出値の精度を向上させるために学習制御が用いられることがある。ニッケル水素電池の内部抵抗の算出においても、算出精度向上のために、たとえば、特許文献１のように、推定されたニッケル水素電池の内部抵抗を用いた学習制御を行なうことが考えられる。

ここで、学習制御においては、一定回数以上の学習を継続して行なうことによって、その学習値が内部抵抗の真値（理論値）に収束する。学習制御においては、早期に学習値を真値に近づけることが望ましい。

しかしながら、学習制御においては、ロバスト性と応答性とが背反の関係にある。早期に学習値を真値に近づけるために応答性を向上させると、ロバスト性が低下してしまうため、推定誤差の大きい内部抵抗値が学習に用いられた場合に、学習値が真値から乖離してしまう可能性がある。一方で、ロバスト性を向上させると、応答性が低下してしまうため、学習値が真値に収束するまでに時間を要する可能性がある。そこで、学習制御において、応答性を向上させつつも、ロバスト性を低下させないようにすることが望まれている。

本開示は、上記課題を解決するためになされたものであり、その目的は、ニッケル水素電池を備える電池システムにおいて、内部抵抗の算出精度を向上させることである。

この開示に係る電池システムは、ニッケル水素電池と、所定期間におけるニッケル水素電池の電流変化量および電圧変化量を用いてニッケル水素電池の内部抵抗を推定し、推定した内部抵抗を用いて学習することによってニッケル水素電池の内部抵抗を算出する制御装置とを備える。制御装置は、電流変化量が大きい場合には、電流変化量が小さい場合よりも推定した内部抵抗を学習に反映させる比率を大きくする。

たとえば、Ｉ－Ｖプロット法により所定期間におけるニッケル水素電池の電流変化量および電圧変化量から内部抵抗が推定される場合、電流変化量が大きいほど内部抵抗の推定精度が向上し得る。上記構成によれば、電流変化量が大きい場合には、電流変化量が小さい場合よりも推定した内部抵抗を学習に反映させる比率が大きくなる。これによって、推定精度が高い（電流変化量が大きい）内部抵抗ほど、学習値に反映される比率が大きくなる。ゆえに、学習値を早期に真値に収束させることができるので、内部抵抗の算出精度を向上させることができる。

本開示によれば、ニッケル水素電池を備える電池システムにおいて、内部抵抗の算出精度を向上させることができる。

実施の形態に係る電池システムが搭載された車両の全体構成を概略的に示す図である。 実施の形態に係る電池システムにおける内部抵抗の推定方法を説明するための図である。 第１条件を説明するための図である。 電流変化量と推定された内部抵抗との関係の実験結果を示す図である。 電流変化量の大きさと補正学習係数との関係を示す図である。 図４における電流変化量が正の部分を拡大した図である。 学習係数の補正について概略的に示した図である。 学習係数と補正学習係数とが適用された場合の学習値の収束速度を比較した図である。 電池システムにおける組電池の内部抵抗の算出処理の手順を示すフローチャートである。

以下、本実施の形態について、図面を参照しながら詳細に説明する。なお、図中同一または相当部分には同一符号を付してその説明は繰り返さない。

＜実施の形態＞

図１は、本実施の形態に係る電池システム５が搭載された車両１の全体構成を概略的に示す図である。車両１は、たとえば、電気自動車、ハイブリッド自動車、プラグインハイブリッド自動車および燃料電池自動車などの電動車両である。本実施の形態においては、車両１は電気自動車である例について説明する。

車両１は、組電池１０と、システムメインリレー（System Main Relay）２０と、パワーコントロールユニット（以下「ＰＣＵ（Power Control Unit）」ともいう）４０と、モータジェネレータ（Motor Generator：ＭＧ）５０と、駆動輪６０と、ＥＣＵ（Electronic Control Unit）１００と、監視ユニット２００とを備える。電池システム５は、組電池１０、ＥＣＵ１００および監視ユニット２００を含んで構成される。

組電池１０は、複数の電池が積層された構成を有する。電池は、充放電可能なニッケル水素電池である。監視ユニット２００は、たとえば、電圧センサ２１０、電流センサ２２０および温度センサ２３０などを含む。電圧センサ２１０は、組電池１０の電圧を検出し、その検出結果を示す信号ＶＢをＥＣＵ１００に出力する。電流センサ２２０は、組電池１０に入出力される電流を検出し、その検出結果を示す信号ＩＢをＥＣＵ１００に出力する。なお、電池電流ＩＢが正の値である場合は電池の放電を示し、負の値である場合は電池の充電を示す。温度センサ２３０は、組電池１０の温度を検出し、その検出結果を示す信号ＴＢをＥＣＵ１００に出力する。なお、必ずしも組電池単位で電圧および温度が監視される必要はなく、たとえば、電池単位で電圧および温度が監視されてもよい。この場合には、電圧センサ２１０は、組電池１０に含まれる各電池の電圧を検出し、その検出結果を示す信号ＶＢをＥＣＵ１００に出力する。温度センサ２３０は、組電池１０に含まれる各電池の温度を検出し、その検出結果を示す信号ＴＢをＥＣＵ１００に出力する。

システムメインリレー２０は、一端が組電池１０と電気的に接続され、他端がＰＣＵ４０と電気的に接続される。システムメインリレー２０は、ＥＣＵ１００からの制御信号に従って開閉状態が切り替えられる。システムメインリレー２０が開状態であると組電池１０からＰＣＵ４０への電力の供給が遮断される。システムメインリレー２０が閉状態であると組電池１０からＰＣＵ４０への電力の供給が可能となる。

ＰＣＵ４０は、組電池１０から電力を受けてモータジェネレータ５０を駆動するための電力変換装置を総括して示したものである。たとえば、ＰＣＵ４０は、モータジェネレータ５０を駆動するためのインバータ、および、組電池１０から出力される電力を昇圧してインバータへ供給するコンバータなどを含む。

モータジェネレータ５０は、交流回転電機であり、たとえば、永久磁石が埋設されたロータを備える永久磁石型同期電動機である。モータジェネレータ５０のロータは、動力伝達ギア（図示せず）を介して駆動輪６０に機械的に接続される。モータジェネレータ５０は、車両１の回生制動動作時には、駆動輪６０の回転力によって発電することができ、その発電された電力をＰＣＵ４０へ出力する。

ＥＣＵ１００は、ＣＰＵ（Central Processing Unit）１００ａと、メモリ（より具体的にはＲＯＭ（Read Only Memory）およびＲＡＭ（Random Access Memory））１００ｂと、各種信号を入出力するための入出力ポート（図示せず）とを含んで構成される。ＥＣＵ１００は、各センサおよび機器からの信号、並びにメモリ１００ｂに格納されたプログラムなどに基づいて、各機器の制御を行なう。なお、各種制御については、ソフトウェアによる処理に限られず、専用のハードウェア（電子回路）により処理することも可能である。

ＥＣＵ１００は、さらにタイマ回路１００ｃを含む。タイマ回路１００ｃは、予め設定された所定期間（後述）を計測可能に構成される。

（内部抵抗の推定）

ＥＣＵ１００は、監視ユニット２００から取得した電池情報（電池電圧ＶＢ，電池電流ＩＢ，電池温度ＴＢ）を用いて組電池１０の内部抵抗を推定する。内部抵抗の推定には、たとえば、いわゆるＩ－Ｖプロット法が用いられる。具体的には、ＥＣＵ１００は、ある単位時間毎に電池電流ＩＢと電池電圧ＶＢとの組（ＩＢ，ＶＢ）を監視ユニット２００から取得して、横軸に電流ＩＢ、縦軸に電圧ＶＢを取った二次元座標にプロットする。そして、プロットされた複数の点を近似する直線の傾きを算出し、算出された直線の傾きを組電池１０の内部抵抗とすることができる。なお、概略的には、本実施の形態においては、２つの時刻における電池電流ＩＢおよび電池電圧ＶＢから求まる直線の傾きから組電池１０の内部抵抗を推定する。図２を用いて、本実施の形態における組電池１０の内部抵抗の推定について具体的に説明する。

図２は、本実施の形態に係る電池システム５における内部抵抗の推定方法を説明するための図である。図２の横軸には時刻ｔが示され、縦軸には電池電流ＩＢが示されている。図２には、所定期間において単位時間毎に取得した電池電流ＩＢの時間変化が示されている。

所定期間とは、たとえば、数百ミリ秒あるいは数秒などに設定される。所定期間は、たとえば、電池温度ＴＢに応じて設定されてもよい。本実施の形態においては、一例として所定期間が１秒に設定される例について説明する。図２に示される時刻ｔ１から時刻ｔ１１までが１秒に相当する。本実施の形態においては、時刻ｔ１に取得された電池電流を第１電流として定義する。そして、時刻ｔ１から単位時間（たとえば、０．１秒）後の時刻ｔ２に取得された電池電流を第２電流ｉ２、時刻ｔ２から単位時間後の時刻ｔ３に取得された電池電流を第３電流ｉ３、同様にして第４電流ｉ４～第１１電流ｉ１１を定義する。第１電流ｉ１は所定期間の開始時刻（時刻ｔ１）における電池電流であり、第１１電流ｉ１１は所定期間の終了時刻（時刻ｔ１１）における電池電流である。なお、第１電流ｉ１に対応した電圧を「第１電圧ｖ１」、同様に第２電流ｉ２～第１１電流ｉ１１に対応した電圧をそれぞれ第２電圧ｖ２～第１１電圧ｖ１１と定義する。

図２に示されるように、所定期間において（第１電流ｉ１，第１電圧ｖ１）～（第１１電流ｉ１１，第１１電圧ｖ１１）の１１点の電池情報が取得される。ＥＣＵ１００は、内部抵抗の推定精度を向上させるために、上記１１点の電池情報が以下に説明する２つの条件（第１条件，第２条件）を満たした場合に、時刻ｔ１に取得された電池情報（ｉ１，ｖ１）と時刻ｔ１１に取得された電池情報（ｉ１１，ｖ１１）とを用いて、時刻ｔ１から時刻ｔ１１までの間における電流変化量および電圧変化量から組電池１０の内部抵抗を推定する。

第１条件は、Ｉ－Ｖプロット法を用いて、組電池１０の内部抵抗を推定するにあたり、ある一定以上の電流変化があったことを保証するために設定される条件である。具体的には、第１条件は、第１電流ｉ１と第２電流ｉ２との電流変化量（以下「第１変化量」ともいう）ｄｉ１が第１所定量ＴＨ１以上であることである。第１所定量ＴＨ１は、電池の特性および使用環境などに応じて適切に設定される値であり、たとえば、数十アンペア程度に設定される。なお、本実施の形態における第１条件は、第１電流ｉ１と第２電流ｉ２との電流変化量ｄｉ１が第１所定量ＴＨ１以上であることとしているが、これに限られるものではなく、所定期間において第１電流ｉ１から第１所定量ＴＨ１以上の電流変化があればよい。たとえば、第１電流ｉ１と第３電流ｉ３との電流変化量が第１所定量ＴＨ１以上であった場合には、第１条件を満たすとものとしてもよい。

図３は、第１条件を説明するための図である。図３－１は、電流変化量（ｄｉ）が小さい場合における内部抵抗の推定を概略的に示す図である。たとえば、図３－１の下図に示されるように、電流ｉ１と電流ｉ１１との電流変化量ｄｉが小さかった場合には、近接した２点で近似直線が引かれることになる。この場合、たとえば、電流センサまたは／および電圧センサの検出精度などに起因した誤差が小さなものであっても、当該誤差が近似直線の傾きに与える影響が大きくなる。そのため、近似直線の傾きから推定される組電池１０の内部抵抗の推定精度が低下してしまうことが懸念される。

図３－２は、電流変化量（ｄｉ）が大きい場合における内部抵抗の推定を概略的に示す図である。たとえば、図３－２の下図に示されるように、電流ｉ１と電流ｉ１１との電流変化量ｄｉが大きかった場合には、２点間の距離が大きくなるので、上記の誤差が近似直線の傾きに与える影響は、２点間の距離が小さい場合よりも小さくなる。そのため、２点間の距離を一定以上にすることによって、Ｉ－Ｖプロット法による近似直線の傾きから推定される組電池１０の内部抵抗の推定精度を確保することができる。

図２に戻り、第２条件は、時刻ｔ１１において取得された電池情報が、組電池１０に入出力される電流が安定した状態で取得された値であることを保証するために設定される条件である。電池は、電池の充放電履歴の影響を受けることが知られている（ヒステリシス）。電池の充放電を行なうと電池では分極が生じるが、分極が生成される速度と解消される速度とが異なることによってヒステリシスが生じる。ヒステリシスが生じると、ある時間に取得した電流に対応した電圧を正確に取得できない可能性がある。そのため、組電池１０の内部抵抗を精度よく推定するためには、ヒステリシスの影響が緩和されている状態で取得された電池情報を用いることが望ましい。

そこで、ＥＣＵ１００は、第２条件を満たすか否かを判定することによって、ヒステリシスの影響が緩和されているかを判定する。第２条件は、第１電流ｉ１から第１変化量ｄｉ１以上の電流変化があった後の電池電流の変動幅ｄｉ２が第２所定量ＴＨ２以下となっていることである。本実施の形態においては、第２電流ｉ２から第１１電流ｉ１１までの電池電流の変動幅が変動幅ｄｉ２に相当する。時刻ｔ２から時刻ｔ１１における電池電流の変動幅ｄｉ２が第２所定量ＴＨ２以下に収まっていれば、電流の変動幅が小さい状態であるので、ヒステリシスの影響が内部抵抗の推定精度に与える影響は少ない（緩和されている）といえる。つまり、第２条件が満たされることによって、組電池１０の内部抵抗の推定に用いられる時刻ｔ１１（終了時刻）に取得された電池情報が、組電池１０が安定した状態で取得された情報であることが保証される。第２所定量ＴＨ２は、第１所定量ＴＨ１よりも小さい値に設定される。第２所定量ＴＨ２は、たとえば、数アンペア程度に設定される。

なお、本実施の形態においては、第１条件および第２条件が満たされることによって、第１電流ｉ１と第１１電流ｉ１１との電流変化量ｄｉが一定以上となることを保証している。

（内部抵抗の学習）

以上のようにして、内部抵抗の推定精度が向上されている。しかしながら、一度の推定処理で推定された内部抵抗は、たとえば、各センサの信号線がノイズの影響などを受けることによって推定誤差を生じる可能性がある。そこで、一度の推定処理で推定された内部抵抗を、現時点における内部抵抗として用いるのではなく、推定された内部抵抗を用いて学習することによって現在の内部抵抗を算出することが考えられる。これによって、内部抵抗の算出精度を向上させることができる。学習には、たとえば、学習係数τを用いた以下に示す式（１）が用いられる。

今回学習値＝前回学習値×（（τ－１）／τ）＋今回推定値×（１／τ）…（１）

ＥＣＵ１００は、前回までに学習された学習値（前回学習値）をメモリ１００ｂから読み出す。ＥＣＵ１００は、推定された内部抵抗（今回推定値）を定められた一定の比率（１／τ）を掛け合わせて前回学習値に加算する。ＥＣＵ１００は、式（１）により算出した今回学習値を現時点における内部抵抗として用いる。そして、ＥＣＵ１００は、算出した今回学習値をメモリ１００ｂに記憶する。学習係数τは、推定した内部抵抗を今回学習値に反映させる比率を表わすための係数であり、学習制御が適用されるシステムに対して適切な値に設定される。学習係数τが小さいほど、推定した内部抵抗を今回学習値に反映させる比率が高くなる。なお、以下においては、今回推定値に乗算される「１／τ」を「ゲイン」ともいう。

このように、一度の推定処理で推定された内部抵抗を、その時点における電池の内部抵抗とするのではなく、推定された内部抵抗を学習することで内部抵抗を算出する。これによって、内部抵抗の推定誤差が生じた場合であっても、電池制御に用いられる内部抵抗の値が大きく変動することがなく、いわゆる、ロバスト性が向上される。

ここで、学習制御においては、ロバスト性の向上と応答性の向上とが背反の関係にあることは周知の事実である。ロバスト性は、式（１）におけるゲイン（１／τ）を小さくすること、すなわち、学習係数τを大きくすることで向上される。一方、応答性は、ゲイン（１／τ）を大きくすること、すなわち、学習係数τを小さくすることで向上される。学習制御においては、ロバスト性の向上と応答性の向上とのバランスを適切に調整することが望まれる。

具体的には、ロバスト性が向上されると、推定された内部抵抗が学習値に反映される比率が小さくなるため、たとえば、内部抵抗の推定誤差が生じた場合であっても学習値に与える影響を小さくできる。応答性が向上されると、推定された内部抵抗が学習値に反映される比率が大きくなるため、たとえば、内部抵抗の変化があった場合に、学習値が早期に変化後の内部抵抗（真値）に収束する。学習制御においては、応答性を向上させつつも、ロバスト性を低下させないようにすることが望まれている。

（学習係数の補正について）

そこで、本実施の形態に係るＥＣＵ１００は、推定された内部抵抗の推定精度によって、学習係数を異ならせる。具体的には、推定された内部抵抗の電流変化量ｄｉの大きさが大きいほど、学習係数τが小さくなるように学習係数を補正する。これによって、推定精度の高い内部抵抗ほど、学習値に大きく反映される。なお、以下においては、補正後の学習係数τａを「補正学習係数τａ」ともいう。なお、電流変化量ｄｉの大きさが大きいほど、内部抵抗の推定精度が向上することは図３において説明したとおりである。

図４は、電流変化量ｄｉと推定された内部抵抗との関係の実験結果を示す図である。図４においては、横軸に電流変化量ｄｉ、縦軸に内部抵抗が示されている。図４においては、ある電池に対して、電流変化量ｄｉを様々に変化させたときに推定された内部抵抗がプロットされている。より具体的には、電流変化量ｄｉを様々に変化さたときの内部抵抗をＩ－Ｖプロット法によりそれぞれ推定し、当該推定された内部抵抗がプロットされている。

図４に示されるように、電流変化量ｄｉの大きさ（絶対値）が大きくなるほど、推定される内部抵抗のばらつきが小さくなっており、内部抵抗の推定精度が向上していることがわかる。具体的には、電流変化量ｄｉの大きさが大きくなるほど、推定される内部抵抗が抵抗Ｒｔ付近の値を示すようになっている。

本実施の形態に係るＥＣＵ１００は、内部抵抗の推定精度（電流変化量ｄｉの大きさ）に応じて、ゲイン（１／τ）をデフォルトの値から、１倍から２倍の範囲において補正する。すなわち、ＥＣＵ１００は、内部抵抗の推定精度（電流変化量ｄｉの大きさ）に応じて、学習係数τをデフォルトの値から、１／２倍から１倍の範囲において補正する（τ／２≦τａ≦τ）。なお、補正する程度は、上記に限られるものではなく、本開示が適用されるシステムに応じて適宜設定することが可能である。

図５は、電流変化量ｄｉの大きさと補正学習係数τａとの関係を示す図である。図５には、横軸に電流変化量ｄｉの大きさ｜ｄｉ｜、縦軸に補正学習係数τａが表わされている。電流変化量ｄｉの大きさ｜ｄｉ｜は、予め定めされている電流変化量ｄｉの大きさの最小値Ａｄｉｍｉｎおよび最大値Ａｄｉｍａｘの範囲で変化する。最小値Ａｄｉｍｉｎおよび最大値Ａｄｉｍａｘについての詳細は、後述する。補正学習係数τａは、電流変化量ｄｉの大きさ｜ｄｉ｜に応じて、τ／２からτの範囲で変化する。

図５に示されるように、本実施の形態に係る補正学習係数τａは、電流変化量ｄｉの大きさ｜ｄｉ｜に比例して線形に変化するように設定される。電流変化量ｄｉの大きさ｜ｄｉ｜が大きくなるにつれて、補正学習係数τａが小さくなり、推定した内部抵抗が学習に反映される比率が大きくなる。

図６は、図４における電流変化量ｄｉが正の部分を拡大した図である。図６に示されるＡｄｉｍｉｎおよびＡｄｉｍａｘは、予め定めされている電流変化量ｄｉの大きさ（絶対値）の最小値および最大値をそれぞれ示している。Ａｄｉｍｉｎは、第１条件における第１所定量ＴＨ１の大きさと同値とすることができる。これによって、内部抵抗の推定に用いられる電流変化量ｄｉが一定以上となり、内部抵抗の推定精度が確保される。Ａｄｉｍａｘは、電池の特性および使用環境などによって適切に設定される。Ａｄｉｍａｘが設定されることによって、電流変化量ｄｉが想定される基準を超えて急激に大きくなっているような、たとえば、電流センサの明らかな誤検出が発生しているような場合の値が内部抵抗の推定から除外される。電流変化量ｄｉと、電流変化量の最小値Ａｄｉｍｉｎおよび最大値Ａｄｉｍａｘとの関係は、以下の式（２）で表わされる。

Ａｄｉｍｉｎ≦｜ｄｉ｜≦Ａｄｉｍａｘ…（２）

式（２）を変形することによって、式（３）を得ることができる。

０≦（｜ｄｉ｜－Ａｄｉｍｉｎ）／（Ａｄｉｍａｘ－Ａｄｉｍｉｎ）≦１…（３）

そして、式（３）の各辺に変数ｋを加算することによって、式（４）を得ることができる。

ｋ≦（（｜ｄｉ｜－Ａｄｉｍｉｎ）／（Ａｄｉｍａｘ－Ａｄｉｍｉｎ））＋ｋ≦ｋ＋１…（４）

そして、式（４）を用いて、学習係数τと補正学習係数τａとの関係を示す式（５）が表わされる。

τａ＝τ／（（｜ｄｉ｜－Ａｄｉｍｉｎ）／（Ａｄｉｍａｘ－Ａｄｉｍｉｎ）＋ｋ）…（５）

なお、本実施の形態に係る補正学習係数τａは、τ／２≦τａ≦τの範囲を取るため変数ｋは１に設定される（ｋ＝１）。ｋ＝１として式（５）を変形すると、式（６）として表わされる。

τａ＝τ／（（｜ｄｉ｜－Ａｄｉｍｉｎ）／（Ａｄｉｍａｘ－Ａｄｉｍｉｎ）＋１）…（６）

式（６）は、電流変化量ｄｉによって、その値が定まる。補正学習係数τａは、電流変化量ｄｉに比例して定まり、τ／２≦τａ≦τの範囲を線形に変化する。具体的には、電流変化量ｄｉの大きさが最大値Ａｄｉｍａｘである場合（｜ｄｉ｜＝Ａｄｉｍａｘ）、分母の値が２となるので、τａ＝τ／２となる。電流変化量ｄｉの大きさが最小値Ａｄｉｍｉｎである場合（｜ｄｉ｜＝Ａｄｉｍｉｎ）、分母の値が１となるので、τａ＝τとなる。

このようにして算出される補正学習係数τａを用いた式（７）により、推定された内部抵抗を用いて学習されることによって内部抵抗が算出される。

今回学習値＝前回学習値×（（τａ－１）／τａ）＋今回推定値×（１／τａ）…（７）

以上を概略的にまとめると、図７として示すことができる。図７は、学習係数τの補正について概略的に示した図である。図７の横軸には、電流変化量ｄｉの大きさ｜ｄｉ｜が示され、縦軸には、補正学習係数τａの逆数であるτｂ（τｂ＝１／τａ）、つまりゲインが示されている。補正学習係数τａの逆数τｂを用いて、式（７）を変形すると、式（８）で表わすことができる。

今回学習値＝前回学習値×（１－τｂ）＋今回推定値×τｂ…（８）

まず、電流変化量ｄｉの大きさ｜ｄｉ｜が最小値Ａｄｉｍｉｎ未満である場合、本実施の形態においては、実質的に学習係数の補正が行なわれない（τａ＝τ）。すなわち、学習係数τが用いられることとなる。実際的には、第１条件を満たさないこととなるため、内部抵抗の推定自体が行なわれない。

電流変化量ｄｉの大きさ｜ｄｉ｜が最小値Ａｄｉｍｉｎ以上であり、かつ、最大値Ａｄｉｍａｘ以下である場合には、電流変化量ｄｉの大きさに応じて補正学習係数τａの逆数τｂが決定される。つまり、この場合には、電流変化量ｄｉの大きさ｜ｄｉ｜に比例して、推定された内部抵抗が学習に反映される比率が大きくなる。

図８は、学習係数τと補正学習係数τａとが適用された場合の学習値の収束速度を比較した図である。図８の横軸には、学習回数が示され、縦軸には、内部抵抗が示されている。点線Ｌ１が学習係数τが適用された場合の学習値を示し、実線Ｌ２が補正学習係数τａが適用された場合の学習値を示している。

点線Ｌ１および実線Ｌ２の双方とも、学習回数の増加とともに学習値が抵抗Ｒｔ（真値）に収束している。具体的には、学習回数がＮ３の時点においては、点線Ｌ１および実線Ｌ２の双方とも学習値が抵抗Ｒｔに収束している。一方、学習回数がＮ１，Ｎ２、あるいはＮ１以下においては、いずれにおいても実線Ｌ２の方が、抵抗Ｒｔに近い値を示している。このように、補正学習係数τａが適用された時の方が、学習係数τが適用された時よりも早期に学習値を抵抗Ｒｔに収束させることができる。また、学習値が抵抗Ｒｔに収束した後においても、推定精度が高い内部抵抗が学習値に反映される比率が大きくなるため、内部抵抗が変化した場合における学習値の応答性を向上させることができる。以上のように、学習係数τを補正することによって、学習制御において、応答性を向上させつつも、ロバスト性を低下させないようにすることができる。これによって、推定された内部抵抗を用いて学習することによって内部抵抗を算出する場合において、内部抵抗の算出精度を向上させることができる。

（内部抵抗の算出の手順）

図９は、電池システム５における組電池１０の内部抵抗の算出処理の手順を示すフローチャートである。このフローチャートに示される各ステップは、車両１が作動中である場合においてＥＣＵ１００により繰り返し実行される。図９に示すフローチャートの各ステップは、ＥＣＵ１００によるソフトウェア処理によって実現される場合について説明するが、その一部あるいは全部がＥＣＵ１００内に作製されたハードウェア（電気回路）によって実現されてもよい。

ＥＣＵ１００は、インデックスである変数ｎに１を代入して初期化する（ステップ１００、以下ステップを「Ｓ」と略す）。ｎは自然数であり、たとえば、所定期間において、時刻ｔ１～ｔ１１のそれぞれにおいて電池情報が取得される場合には、１～１１の値をとる。ＥＣＵ１００は、変数ｎに代入されている値を判定する（Ｓ１０５）。

ＥＣＵ１００は、変数ｎが１である場合（Ｓ１０５においてｎ＝１）、所定期間の開始時刻ｔ１における電池電流および電池電圧を監視ユニット２００から第１電流ｉ１および第１電圧ｖ１としてそれぞれ取得し、メモリ１００ｂに記憶する（Ｓ１１０）。

ＥＣＵ１００は、変数ｎがＮであるか否かを判定する（Ｓ１３０）。なお、図２で示した本実施の形態の例においては、Ｎの値は１１である。ＥＣＵ１００は、変数ｎの値が１であるため（ｎ≠Ｎ）、Ｓ１３０においてＮＯを選択し、処理をＳ１３５に進める。Ｓ１３５において、ＥＣＵ１００は、変数ｎを２として、処理をＳ１０５に戻す。

ＥＣＵ１００は、ｎが２である場合（Ｓ１０５においてｎ＝２）、時刻ｔ２における電池電流および電池電圧を監視ユニット２００から第２電流ｉ２および第２電圧ｖ２としてそれぞれ取得し、メモリ１００ｂに記憶する（Ｓ１１５）。

ＥＣＵ１００は、Ｓ１２０において第１条件を満たすか否かを判定する。具体的には、ＥＣＵ１００は、第１電流ｉ１と第２電流ｉ２との差分の大きさである第１変化量ｄｉ１が第１所定量ＴＨ１以上となっているか否かを判定する。ＥＣＵ１００は、第１変化量ｄｉ１が第１所定量ＴＨ１より小さい（ｄｉ１＜ＴＨ１）場合（Ｓ１２０においてＮＯ）、Ｉ－Ｖプロット法による組電池１０の内部抵抗の推定において一定以上の精度を確保できる程度に電流が変化していないと判定し、組電池１０の内部抵抗の推定を行なわずに、処理を終了させる。

一方、ＥＣＵ１００は、第１変化量ｄｉ１が第１所定量ＴＨ１以上（ｄｉ１≧ＴＨ１）である場合（Ｓ１２０においてＹＥＳ）、処理をＳ１３０に進める。そして、ＥＣＵ１００は、変数ｎの値が２であるので（ｎ≠Ｎ）、処理をＳ１３５に進めて変数ｎを３として、処理をＳ１０５に戻す。

ＥＣＵ１００は、変数ｎが３以上である場合（Ｓ１０５においてｎ≧３）、時刻ｔｎにおける電池電流および電池電圧を監視ユニット２００から第ｎ電流ｉｎおよび第ｎ電圧ｖｎとしてそれぞれ取得し、メモリ１００ｂに記憶する（Ｓ１２５）。ＥＣＵ１００は、この処理を変数ｎがＮとなるまで繰り返し実行する。

ＥＣＵ１００は、Ｓ１３０において変数ｎがＮに達すると（Ｓ１３０においてＹＥＳ）、第２条件を満たすか否かを判定する（Ｓ１４０）。具体的には、ＥＣＵ１００は、第２電流ｉ２から第１１電流ｉ１１までの電池電流の変動幅ｄｉ２が第２所定量ＴＨ２以下（ｄｉ２≦ＴＨ２）であるか否かを判定する。

ＥＣＵ１００は、変動幅ｄｉ２が第２所定量ＴＨ２より大きい（ｄｉ２＞ＴＨ２）場合（Ｓ１４０においてＮＯ）、時刻ｔ１１において取得された電池情報（第１１電流ｉ１１，第１１電圧ｖ１１）が、組電池１０に入出力される電流が安定した状態で取得されたものではないと判定し、組電池１０の内部抵抗の推定を行なわずに、処理を終了させる。

一方、ＥＣＵ１００は、変動幅ｄｉ２が第２所定量ＴＨ２以下（ｄｉ２≦ＴＨ２）である場合（Ｓ１４０においてＹＥＳ）、所定期間における電流変化量の大きさ｜ｄｉ｜を算出するとともに（｜ｄｉ｜＝｜ｉ１－ｉ１１｜）、組電池１０の内部抵抗を推定する（Ｓ１４５）。なお、ＥＣＵ１００は、時刻ｔ１において取得された電池情報（第１電流ｉ１，第１電圧ｖ１）および時刻ｔ１１において取得された電池情報（第１１電流ｉ１１，第１１電圧ｖ１１）を用いて、時刻ｔ１から時刻ｔ１１までの電流変化量および電圧変化量から組電池１０の内部抵抗を推定する。

ＥＣＵ１００は、電流変化量の大きさ｜ｄｉ｜が最小値Ａｄｉｍｉｎ以上であり、かつ、最大値Ａｄｉｍａｘ以下であるか否かを判定する（Ｓ１４７）。ＥＣＵ１００は、電流変化量の大きさ｜ｄｉ｜が最小値Ａｄｍｉｎより小さい、または、最大値Ａｄｉｍａｘより大きい場合には（Ｓ１４７においてＮＯ）、学習係数τを補正することなく、処理をＳ１５５へ進める。なお、ＥＣＵ１００は、電流変化量の大きさ｜ｄｉ｜が最小値Ａｄｍｉｎより小さい、または、最大値Ａｄｉｍａｘより大きい場合には、推定した内部抵抗を学習に反映させることなく、処理を終了するようにしてもよい。

ＥＣＵ１００は、電流変化量の大きさ｜ｄｉ｜が最小値Ａｄｉｍｉｎ以上であり、かつ、最大値Ａｄｉｍａｘ以下である場合には（Ｓ１４７においてＹＥＳ）、電流変化量の大きさ｜ｄｉ｜に応じた補正学習係数τａを算出する（Ｓ１５０）。具体的には、ＥＣＵ１００は、Ｓ１４５で算出した電流変化量の大きさ｜ｄｉ｜と式（６）を用いることによって、補正学習係数τａを算出する。

ＥＣＵ１００は、Ｓ１５０で算出した補正学習係数τａおよびＳ１４５で推定した内部抵抗を用いて学習することによって内部抵抗を算出する（Ｓ１５５）。具体的には、ＥＣＵ１００は、Ｓ１４５で推定した内部抵抗および式（７）を用いることによって、今回学習値を算出し、算出した今回学習値を現在の内部抵抗とする。

そして、ＥＣＵ１００は、Ｓ１５５で算出した今回学習値をＥＣＵ１００のメモリ１００ｂに記憶す（Ｓ１６０）。メモリ１００ｂに記憶された今回学習値は、当該フローチャートが次回実施される際に前回学習値として用いられる。

以上のように、本実施の形態に係る電池システム５は、所定期間における電流変化量ｄｉおよび電圧変化量から推定された内部抵抗を用いて学習することによって内部抵抗を算出する。そして、電流変化量ｄｉが大きい状態で推定された内部抵抗は、電流変化量ｄｉが小さい状態で推定された内部抵抗よりも、大きな比率で学習値に反映される。これによって、推定精度が高い（電流変化量ｄｉが大きい）内部抵抗ほど、学習値に反映される比率が大きくなる。ゆえに、学習値を早期に真値に収束させることができる。また、学習値が真値に収束した後においても、推定精度が高い内部抵抗が学習値に反映される比率が大きくなるため、内部抵抗が変化した場合における学習値の応答性を向上させることができる。学習係数τを補正することによって、学習制御において、応答性を向上させつつも、ロバスト性を低下させないようにすることができる。これによって、推定された内部抵抗を用いて学習することによって内部抵抗を算出する場合において、内部抵抗の算出精度を向上させることができる。

＜変形例＞

実施の形態においては、式（６）を用いることによって、補正学習係数τａを算出した。しかしながら、補正学習係数τａの算出方法は、式（６）を用いることに限られるものではない。たとえば、電流変化量の大きさ｜ｄｉ｜に応じて、補正学習係数τａを算出するための補正係数Ｙを予め定めておいてもよい。具体的には、以下の式（９）によって、補正学習係数τａが算出される。

τａ＝Ｙ×τ…（９）

補正係数Ｙは、電流変化量の大きさ｜ｄｉ｜と補正係数Ｙとの関係を定めた補正係数マップを用いて算出される。補正係数マップは予め実験などによって求められてＥＣＵ１００のメモリ１００ｂに記憶される。

式（６）に代えて補正係数マップを用いても、実施の形態と同様の効果を奏することができる。

今回開示された実施の形態は、すべての点で例示であって制限的なものではないと考えられるべきである。本開示の範囲は、上記した実施の形態の説明ではなくて特許請求の範囲によって示され、特許請求の範囲と均等の意味および範囲内でのすべての変更が含まれることが意図される。

１ 車両、５ 電池システム、１０ 組電池、２０ システムメインリレー、５０ モータジェネレータ、６０ 駆動輪、１００ ＥＣＵ、１００ａ ＣＰＵ、１００ｂ メモリ、１００ｃ タイマ回路、２００ 監視ユニット、２１０ 電圧センサ、２２０ 電流センサ、２３０ 温度センサ、ＶＢ 電池電圧、ｄｉ１ 第１変化量、ｄｉ２ 変動幅、ＩＢ 電池電流、ＴＢ 電池温度。

Claims (1)

1. ニッケル水素電池と、
   所定期間における前記ニッケル水素電池の電流変化量および電圧変化量を用いて前記ニッケル水素電池の内部抵抗を推定し、前記推定した内部抵抗を用いて学習することによって前記ニッケル水素電池の内部抵抗を算出する制御装置とを備え、
   前記制御装置は、前記電流変化量が大きい場合には、前記電流変化量が小さい場合よりも前記推定した内部抵抗を学習に反映させる比率を大きくする、電池システム。

Images