[go: up one dir, main page]

WO2016030967A1 - エネルギーストレージ運転計画システムおよび運用条件決定方法 - Google Patents

エネルギーストレージ運転計画システムおよび運用条件決定方法 Download PDF

Info

Publication number
WO2016030967A1
WO2016030967A1 PCT/JP2014/072294 JP2014072294W WO2016030967A1 WO 2016030967 A1 WO2016030967 A1 WO 2016030967A1 JP 2014072294 W JP2014072294 W JP 2014072294W WO 2016030967 A1 WO2016030967 A1 WO 2016030967A1
Authority
WO
WIPO (PCT)
Prior art keywords
power storage
deterioration
storage devices
battery
power
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Ceased
Application number
PCT/JP2014/072294
Other languages
English (en)
French (fr)
Inventor
靖子 小林
井上　亮
篤彦 大沼
高橋　宏文
修子 山内
浩仁 矢野
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Hitachi Ltd
Original Assignee
Hitachi Ltd
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Hitachi Ltd filed Critical Hitachi Ltd
Priority to PCT/JP2014/072294 priority Critical patent/WO2016030967A1/ja
Publication of WO2016030967A1 publication Critical patent/WO2016030967A1/ja
Anticipated expiration legal-status Critical
Ceased legal-status Critical Current

Links

Images

Classifications

    • H—ELECTRICITY
    • H02—GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
    • H02J—CIRCUIT ARRANGEMENTS OR SYSTEMS FOR SUPPLYING OR DISTRIBUTING ELECTRIC POWER; SYSTEMS FOR STORING ELECTRIC ENERGY
    • H02J3/00—Circuit arrangements for AC mains or AC distribution networks
    • H02J3/28—Arrangements for balancing of the load in a network by storage of energy
    • H—ELECTRICITY
    • H02—GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
    • H02J—CIRCUIT ARRANGEMENTS OR SYSTEMS FOR SUPPLYING OR DISTRIBUTING ELECTRIC POWER; SYSTEMS FOR STORING ELECTRIC ENERGY
    • H02J7/00—Circuit arrangements for charging or depolarising batteries or for supplying loads from batteries

Definitions

  • the present invention relates to a technique for controlling a system for transferring power from a storage battery in response to a command.
  • the company operating the power system pays the ancillary service company as compensation for the power supplied from the system of the service provider (ancillary service provider) to the power system.
  • power is traded, for example, in units of time zones.
  • Japanese Patent Laid-Open No. 2013-168010 discloses a technique for improving the balance of an ancillary service provider using a storage battery.
  • a business operator's system includes a storage battery that can be charged from the power system and discharged to the power system, and a control device that controls charging / discharging of the storage battery.
  • the control device determines the time zone to be bid by referring to the history of consideration for providing ancillary service in the market, and controls charging / discharging of the storage battery. More specifically, the distribution ratio between the power supply from the electrical equipment equipped with the generator and the power supply from the storage battery is selected.
  • An object of the present invention is to provide a technique for appropriately controlling and improving an index value in consideration of deterioration of a plurality of storage batteries.
  • An energy storage operation planning system is an energy storage operation planning system for determining operation conditions for controlling a plurality of chargeable / dischargeable power storage devices, and is measured for each of the power storage devices.
  • An internal information collecting unit for acquiring collected data; an internal state estimating unit for estimating a degree of deterioration of each of the power storage devices based on the collected data; a deterioration behavior model indicating the deterioration behavior of the power storage device; and the degree of deterioration
  • a life prediction unit that calculates a predicted life that predicts how long each of the power storage devices can supply power, and a combined output of the plurality of power storage devices follows an expected input waveform, and the power storage
  • An output distribution unit that generates a list including one or more combinations of the operating conditions, and an operating condition that maximizes the cumulative value of the index value for evaluating the utility of power supply up to the
  • the combined output of the power storage device follows the predicted input waveform, a plurality of power storage devices are extended in consideration of deterioration, and the combination of operation conditions that optimizes the index value is selected.
  • FIG. 1 is a block diagram illustrating a configuration of an entire system according to a first embodiment.
  • 2 is a block diagram showing a configuration of an energy storage operation planning system 103.
  • FIG. 6 is a diagram for explaining a concept of deterioration suppression control that can be implemented as control for extending the life of a battery 99 in Example 1.
  • FIG. It is a figure which shows the input waveform prediction data. It is a figure which shows the following degree constraint data 201.
  • FIG. It is a figure which shows the deterioration behavior model 202.
  • FIG. It is a figure which shows the battery (cell) master data 203.
  • FIG. It is a figure which shows the KPI unit data 204. It is a figure which shows the operation condition data.
  • FIG. 5 is a flowchart showing processing of an output distribution unit 213. It is a flowchart which shows the detailed process of step 2136 of the output distribution part 213.
  • FIG. It is a figure which shows the example of the candidate of output distribution.
  • FIG. It is a conceptual diagram of the lifetime extension of a battery by capacity
  • FIG. It is a figure which shows the operating condition change data 206 in Example 2.
  • FIG. It is a figure which shows the operation condition data 205 in Example 2.
  • FIG. 12 is a flowchart illustrating a process of a KPI optimization unit 214 in the second embodiment.
  • FIG. 10 is a block diagram illustrating a configuration of an entire system mounted on a vehicle in a third embodiment.
  • Example 1 illustrates a case in which storage battery deterioration suppression control is applied in a system of an operator (ancillary service operator) that receives and receives power from an electric power system through an ancillary service.
  • operator ancillary service operator
  • the ancillary service has various purposes such as frequency adjustment, operation reserve procurement, and instantaneous reserve procurement.
  • the ancillary service in this embodiment refers to frequency adjustment.
  • ancillary services including those for the purpose of frequency adjustment, provide power output by the ancillary service provider in response to charge / discharge instructions from the operator (system operating organization) of the power system.
  • the higher the followability the higher the amount of compensation to the ancillary service provider.
  • rapid charging / discharging is performed in order to increase the follow-up degree, the battery is likely to deteriorate, and the period until the battery life is shortened.
  • the energy storage of the ancillary service provider includes a plurality of batteries, and each battery includes a plurality of cells. Assume that the internal state of each battery or cell can be measured, and the power to be output to each of the plurality of batteries or cells can be assigned (output distribution).
  • the degree of deterioration of each battery or cell is compared, and output distribution is performed so as to reduce the amount of deterioration of the battery or cell while observing the restriction condition of the following degree in the ancillary service. Determine the operating conditions for deterioration suppression control.
  • FIG. 1 is a block diagram illustrating a configuration of the entire system according to the first embodiment.
  • the overall system includes a plurality of ancillary service provider systems 10, a power system 50, a communication network 60, and a system operating organization system 80.
  • the ancillary service provider system 10 includes a plurality of batteries 99 including a plurality of cells 100, a PCS 101, a storage battery control device 102, and an energy storage operation planning system 103.
  • an ancillary service provider exemplifies a configuration provided with only a storage battery as a power source for frequency adjustment, but the present invention is not limited to this.
  • the ancillary service provider may further include a power generation device.
  • the ancillary service provider places a bid on the transaction market in advance for the amount of power that can be responded. Then, the ancillary service provider system 10 sends and receives power to the power system 50 in response to a command from the power system 50.
  • a system operating organization system 80 and an ancillary service provider system 10 are connected to the communication network 60.
  • the grid operation engine system 80 transmits a power generation amount or load amount instruction for frequency adjustment to the ancillary service provider system 10 via the communication network 60. At that time, the grid operation engine system 80 predicts frequency fluctuations of the power system 50, and ancillary that bids the power generation amount or load amount for maintaining the frequency of the entire power system 50 within a predetermined range in the trading market. A command is given to at least one of the service provider systems 10.
  • the PCS (Power Conditioning Subsystem) 101 is also called a power conditioner, and controls the supply of power discharged from the battery 99 or the cell 100 to the power system 50, and the power discharged from the battery 99 or the cell 100 is used as power. It has a function of converting so that it can be supplied to the system 50.
  • the storage battery control device 102 controls the battery 99 or the cell 100 via the PCS 101 according to the operation condition of each battery 99 or the cell 100 determined by the energy storage operation planning system 103.
  • FIG. 2 is a block diagram showing the configuration of the energy storage operation planning system 103.
  • FIG. 2 shows a functional configuration of the energy storage operation planning system 103 and data held by a storage device (not shown).
  • the energy storage operation planning system 103 holds input waveform prediction data 200, tracking degree constraint data 201, deterioration behavior model 202, battery (cell) master data 203, KPI unit data 204, and operation condition data 205.
  • the input waveform prediction data 200 includes information predicting the output power requested for frequency adjustment from the grid operating engine system 80.
  • the input waveform prediction data 200 is shown in FIG.
  • the tracking degree constraint data 201 includes information on the upper limit value and the lower limit value of the tracking degree determined by the grid operating organization and notified from the grid operating organization system 80. If you deviate from the upper limit or lower limit of the degree of tracking, you will not be able to get ancillary service rewards.
  • the following degree constraint data 201 is shown in FIG.
  • the deterioration behavior model 202 is data obtained by modeling the deterioration amount with respect to the behavior of the battery 99 or the cell 100. Even if the battery 99 or the cell 100 behaves in the same manner, the amount of deterioration (deterioration amount) varies depending on the degree of deterioration (deterioration degree) at that time.
  • the deterioration behavior model 202 is shown in FIG.
  • Battery (cell) master data 203 includes information on the performance of battery 99 or cell 100 and operational constraints.
  • the battery (cell) master data 203 is shown in FIG. 5A described later.
  • the KPI (Key Performance Indicators) unit data 204 includes information relating to the unit price of an ancillary reward (ancillary reward unit price) determined by the grid operating organization and notified from the grid operating organization system 80, for example. .
  • the KPI unit data 204 is shown in FIG. KPI is an index for evaluating the utility of power supply by an ancillary service provider.
  • the operation condition data 205 includes information on operation conditions for each battery 99 or 100 that conditions the control of the battery 99 or the cell 100, as determined by the energy storage operation planning system 103. By setting a combination of operating conditions of a plurality of batteries 99 or cells 100, the output distribution of each battery 99 or cell 100 can be set.
  • the operation condition data 205 is shown in FIG.
  • the energy storage operation planning system 103 includes an internal information collection unit 210, an internal state estimation unit 211, a life prediction unit 212, an output distribution unit 213, and a KPI optimization unit 214.
  • the internal information collection unit 210 has a function of collecting current (current), voltage, and temperature data (collected data) of the battery 99 in operation. Further, when monitoring and control is performed in units of cells 100, the positive electrode potential and the negative electrode potential are acquired in addition to the current, voltage, and temperature of the cell 100.
  • the internal state estimation unit 211 has a function of estimating an internal state representing the degree of deterioration of the battery 99 or the cell 100 from collected data such as current, voltage, and temperature acquired by the internal information collection unit 210.
  • the internal state estimation unit 211 calculates the positive electrode utilization rate, the negative electrode utilization rate, and the Li loss amount from the positive electrode potential and the negative electrode potential, and estimates the degree of deterioration of the cell 100 from these values. .
  • the life prediction unit 212 has a function of outputting the predicted life of the battery 99 or the cell 100 based on the deterioration behavior model 202.
  • the predicted life is a prediction of how long the battery 99 or the cell 100 can supply power.
  • the predicted life of the battery 99 or the cell 100 is calculated from the current degree of deterioration based on the deterioration behavior model 202.
  • the deterioration behavior model includes future operation conditions (C rate, central SOC, ⁇ SOC, etc.) as parameters, and the life of the battery 99 or the cell 100 changes when the future operation conditions are changed. Note that the accuracy of the predicted lifetime is higher when the lifetime is predicted in units of 100 cells than in the unit of battery 99, that is, when the lifetime of the battery 99 or the cell 100 is predicted using measurement data in units of positive and negative electrodes. .
  • the output distribution unit 213 calculates the deterioration level of each battery 99 or cell 100 calculated by the internal state estimation unit 211 and received via the life prediction unit 212, the input waveform prediction data 200, the tracking degree constraint data 201, and the deterioration behavior. Based on the model 202, the output distribution of each battery 99 or cell 100 is determined so that the following condition constraint is satisfied in an arbitrary period and the total deterioration amount of the battery 99 or cell 100 is reduced. In addition, a combination of operation condition patterns of each battery 99 or cell 100 is generated and listed. The processing flow of the output distributor 213 is shown in FIG.
  • the KPI optimization unit 214 Based on the list of combinations of operation condition patterns of each battery 99 or cell 100 received from the output distribution unit 213 and the KPI unit data 204, the KPI optimization unit 214 performs the KPI value in a long span until the predicted lifetime. It has a function of determining a combination of operation condition patterns for each period in which the cumulative value of the maximum is. The KPI optimization unit 214 calculates the cumulative value of the KPI value up to the predicted life for each combination of the operational condition patterns for each period, and determines the combination of the operational condition patterns for each period that maximizes the cumulative value. The processing flow of the KPI optimization unit 214 is shown in FIG.
  • the internal information collection unit 210 collects data on the current, voltage, and temperature of the battery 99 or the cell 100 from the battery 99 or the cell 100 at an arbitrary cycle, and also the positive electrode potential and the negative electrode potential of the cell 100.
  • the internal state estimation unit 211 estimates the degree of degradation as soon as data collected in a predetermined period is available.
  • the life prediction unit 212 predicts the life of the battery 99 or the cell 100 from the degree of deterioration received from the internal state estimation unit 211.
  • the output distribution unit 213 compares the degree of deterioration of the plurality of batteries 99 or cells 100, observes the restriction on the degree of tracking, and outputs to each battery 99 or cell 100 so as to reduce the amount of deterioration thereafter.
  • a combination of operating conditions for distribution and output distribution is created, and a list of the combinations is created.
  • the KPI optimization unit 214 selects a combination of operation conditions 205 for each period such that the accumulated KPI value until the lifetime becomes the maximum from the list created by the output distribution unit 213.
  • the selected combination of operation conditions 205 is passed to the storage battery control device 102.
  • FIG. 3 is a diagram for explaining the concept of deterioration suppression control that can be implemented as control for extending the life of the battery 99 in this embodiment.
  • FIG. 3 shows the transition of the capacity of the battery 99 or the cell 100 from the start of operation of the battery 99 to the end of its life for each of the case where normal control without deterioration suppression is applied and the case where deterioration suppression control is applied. ing.
  • a solid curve 321 represents a change in capacity when normal control is performed without considering deterioration suppression.
  • a broken curve 322 is a transition of the capacity when the deterioration suppression control is performed. As shown in the figure, the deterioration of the battery 99 or the cell 100 is moderated by performing the deterioration suppression control.
  • the charge / discharge capacity and the accumulated charge / discharge capacity which are integral values of the current, are one of the major deterioration factors.
  • the description will be given by limiting to the cumulative charge / discharge capacity.
  • Deterioration suppression control refers to control that suppresses the deterioration of the capacity of the battery 99 or the cell 100 compared to the normal control by setting the C rate as a control parameter to an arbitrary value.
  • the C rate is a ratio between the value of the current flowing through the battery 99 or the cell 100 and the capacity of the battery 99 or the cell 100. As the integrated value of the C rate is decreased, the effect of suppressing deterioration is enhanced.
  • FIG. 4A is a diagram showing the input waveform prediction data 200.
  • the input waveform prediction data 200 includes a time 200a and a prediction input command 200b.
  • a plurality of times 200a and the value of the predicted input command 200b at that time form an input waveform.
  • the time 200a indicates a certain point in the predicted input waveform.
  • the predicted input command 200b indicates a command value at a certain point in time in the predicted input waveform.
  • FIG. 4B is a diagram showing the tracking degree constraint data 201.
  • the tracking degree constraint data 201 includes a service ID 201a, a lower limit value 201b, an upper limit value 201c, a best value 201d, an index value calculation formula 201e, a cumulative index 201f, and a coefficient 201g.
  • the service ID 201a is an ID for uniquely identifying a plurality of applied ancillary services.
  • the lower limit value 201b is a lower limit value of the following degree allowed by the ancillary service.
  • the upper limit value 201c is an upper limit value of the following degree allowed by the ancillary service.
  • Each ancillary service has different rewards for the ancillary service provider depending on the lower limit of the tracking level.
  • FIG. 4C is a diagram showing the deterioration behavior model 202.
  • the deterioration behavior model 202 includes a model ID 202a and a deterioration behavior model formula 202b.
  • the model ID 202a is an ID for uniquely identifying a plurality of deterioration behavior model expressions depending on the deterioration degree of the battery 99 or the cell 100.
  • the deterioration behavior model expression 202b is an expression obtained by modeling the deterioration amount with respect to the control parameter of the battery 99 or the cell 100.
  • An example of the deterioration behavior model formula is shown in Formula 0.
  • the cumulative discharge capacity is a control parameter that affects the deterioration as described above
  • the cumulative discharge capacity is ⁇ X discharge_s when the discharge capacity in the period s is X discharge_s
  • the deterioration amount R is determined based on the deterioration behavior model equation.
  • the deterioration amount is determined only by the accumulated discharge capacity, but a deterioration behavior model equation including other parameters may be used.
  • FIG. 5A is a diagram showing battery (cell) master data 203.
  • Battery (cell) master data 203 includes battery ID 203a, initial capacity 203b, SOC lower limit 203c, SOC upper limit 203d, and cost 203e.
  • the battery ID 203a is an ID for identifying the battery 99 or the cell 100.
  • the initial capacity 203b is the nominal capacity (Ah) of the battery 99 or the cell 100.
  • the SOC lower limit value 203c is a lower limit value of the SOC that the battery 99 or the cell 100 can take.
  • the SOC upper limit value 203d is an upper limit value of the SOC that the battery 99 or the cell 100 can take.
  • the cost 203e is the price of the battery 99 or the cell 100, and is an initial cost. By distributing this initial cost to each period until the lifetime, the battery cost of each period can be obtained.
  • FIG. 5B is a diagram showing KPI unit data 204.
  • the KPI unit data 204 includes a service ID 204a, a KPI ID 204b, and a KPI calculation formula 204c.
  • the KPI unit data 204 includes information on the ancillary reward unit price determined by the grid operating organization and notified by the grid operating organization system 80.
  • the ancillary reward unit price is a reward amount for the unit power amount, and may be different for each time zone.
  • the service ID 204a is an ID for uniquely identifying a plurality of applied ancillary services.
  • the KPI IV ID 204b is an ID for uniquely identifying the KPI in the applied ancillary service. In the case of the ancillary service, there is a profit as an example of the KPI.
  • the KPI IV ID 204b is an identifier assigned to this KPI.
  • the KPI calculation formula 204c is a formula for calculating the KPI index value.
  • the amount of reward per MWhr is set.
  • a mathematical expression for calculating KPI may be set in the KPI calculation expression 204c.
  • FIG. 6 is a diagram showing the operation condition data 205.
  • the operation condition data 205 includes a battery ID 205a, an operation condition ID 205b, a C rate 205d, a central SOC 205e, a ⁇ SOC 205f, a start time 205g, and an end time 205h.
  • the battery ID 205a is an ID for identifying the battery 99 or cell 100 whose operation condition is to be changed. This battery ID 205a is the same value as the battery ID of the operation change master data.
  • the operation condition ID 205b is an ID for identifying a plurality of operation conditions.
  • the maximum C rate 205d sets the value of the maximum C rate after the operation condition is changed by applying the deterioration suppression control when the deterioration suppression control is applied. Details of the deterioration suppression control will be described later.
  • the central SOC 205e sets the value of the central SOC (State of Charge) after changing the operation condition by applying the degradation suppression control when the degradation suppression control is applied.
  • ⁇ SOC205f sets the value of ⁇ SOC after operation condition change by applying deterioration suppression control when applying deterioration suppression control.
  • ⁇ SOC is the amount of change in SOC.
  • the start time 205g is set to the time at which application of operating conditions starts.
  • the end time 205h is set to a time at which application of the operating conditions is ended.
  • FIG. 7 is a flowchart showing the processing of the output distribution unit 213.
  • step 2131 the output distribution unit 213 acquires the latest deterioration degree of each battery 99 or cell 100 from the life prediction unit 212.
  • the output distribution unit 213 performs the following steps 2132 to 2138 for each of the following degrees of selectable services.
  • step 2132 the output distribution unit 213 acquires the upper limit value and the lower limit value of the tracking degree in the service from the tracking degree constraint data 201. At this time, if there are a plurality of services having different follow-up degrees, the upper limit value and the lower limit value of the follow-up degrees for all services are acquired.
  • step 2133 the output distribution unit 213 acquires an input waveform prediction for an arbitrary period s from the input waveform prediction data 200.
  • step 2134 the output distribution unit 213 acquires the charge / discharge capacity waveform prediction by time-integrating the input waveform prediction in the arbitrary period acquired in step 2133.
  • step 2135 the output distribution unit 213 classifies the capacity waveform prediction acquired in step 2134 according to the magnitude of the inclination and the direction of the capacity change.
  • step 2136 the output distribution unit 213 selects and acquires an appropriate deterioration behavior model 202 based on the deterioration degree of each battery 99 or cell 100, and further, the total deterioration amount is minimized for the waveforms classified in step 2135.
  • the output distribution of the battery 99 or the cell 100 is determined so that When determining output distribution to the battery 99 or the cell 100, the output distribution unit 213 refers to the battery (cell) master data 203. Details will be described with reference to FIG.
  • step 2137 the output distribution unit 213 sets the maximum C rate, the center SOC, and ⁇ SOC of each battery 99 or cell 100 as operating conditions from the output distribution to the battery 99 or cell 100 determined in step 2136.
  • step 2138 the output distribution unit 213 calls the life prediction unit 212, and obtains a predicted deterioration level and a predicted life when the application of the set operation conditions is finished. Upon completion of step 2138, the output distribution unit 213 applies the above steps 2133 to 2138 for the next period s + 1, and repeats the period until the predicted life is reached.
  • steps 2132 to 2138 are performed for each of the following degrees of the plurality of services, and if the operating condition for reducing the deterioration amount is set for the following degrees of each service, the step is Proceed to 22139.
  • step 2139 the output distribution unit 213 transmits, to the KPI optimization unit 214, the operation condition pattern of each battery 99 or cell 100 in each period until the lifetime is reached for each follow-up degree.
  • FIG. 8 is a flowchart showing the detailed processing of step 2136 of the output distribution unit 213.
  • step 21361 the output distribution unit 213 sets the current deterioration degree from the plurality of deterioration behavior models included in the deterioration behavior model 202 based on the transition of the deterioration degree so far for each battery 99 or cell 100. A deterioration behavior model suitable for the closest deterioration degree is acquired.
  • step 21362 the output distribution unit 213 sets the lower limit value of the follow-up degree acquired in step 2132 as the target follow-up degree (target follow-up degree) in the control.
  • the output distribution unit 213 is optimal for the plurality of batteries 99 or cells 100 so that the deterioration amount in the period s is minimized with respect to the charge / discharge capacity waveform classification classified in step 2135 in the period s. Distribute output to.
  • the objective function of the optimal distribution problem solved in this process is a function that minimizes the total amount of deterioration of all the batteries 99 or cells 100 for all classified waveforms, and is expressed by Equation 1.
  • R ij is a deterioration amount due to the distribution of the battery (cell) j for the waveform i.
  • R ij is expressed by Equation 2 where f j is a deterioration behavior model of battery (cell) j and x ij is an output distribution amount of battery (cell) j with respect to waveform i.
  • Expression 2 may be changed according to the deterioration behavior model expression 202b.
  • Expression 3 is a constraint condition representing the relationship between the output distribution amount and the C rate.
  • the output distribution amount is obtained by the product of the battery capacity Q s in the period s and the C rate Crate_ij.
  • Equation 4 is a constraint condition of the output distribution amount of the battery (cell) j of the waveform i, and is a constraint that the distribution is performed in the range of 0 to 1.
  • Equation 5 is a constraint on the C rate of each battery 99 or cell 100.
  • the C rate taken by the battery (cell) j for the waveform i is not less than the C rate lower limit value C rate_min and not more than the C rate upper limit value C rate_max .
  • Equation 6 is an equation showing the remaining capacity and output constraints of each battery 99 or cell 100.
  • the remaining capacity b i, j of battery (cell) j for waveform i is the sum of the remaining capacity of battery (cell) j for waveform i-1 and the output x ij of battery (cell) j for waveform i. It is the value.
  • Equation 7 is an equation showing the capacity limitation of each battery 99 or cell 100.
  • the remaining capacity b i, j of the battery j in the case of the waveform i is in the range from the SOC lower limit SOC min_j to the SOC upper limit SOC max_j .
  • Qs is a capacity in the period s.
  • Expression 8 is a constraint on the target tracking degree. Assuming that the input waveform prediction for an arbitrary period is Y 1 , the output scheduled waveform for an arbitrary period is Y 2 , and the target follow-up degree is k, the correlation function C between Y 1 and Y 2 , which is the similarity between the two functions, is the target follow-up. This is a constraint that the degree is k or more. In this embodiment, the value of the correlation function is used as the tracking degree, but the present invention is not limited to this. The tracking degree may be derived by an arbitrary method according to the applied service.
  • the output distribution unit 213 determines the optimal output distribution of the battery 99 or the cell 100 based on an objective function that satisfies the above-described constraint conditions and minimizes the total deterioration amount in an arbitrary period.
  • step 21364 the output distribution unit 213 updates the target tracking degree.
  • the target follow-up degree is updated by arbitrarily adding N% (N is a positive number).
  • the above steps 21373 to 21374 are repeatedly executed until the target follow-up degree reaches the follow-up degree upper limit value. If no solution satisfying the target tracking degree is found before reaching the upper limit value, the process is terminated.
  • step 21365 the output distribution unit 213 passes the generated output distribution candidate to the processing in the next step 2137.
  • An example of the generated output distribution candidate is shown in FIG.
  • FIG. 9 is a diagram showing an example of output distribution candidates.
  • the output distribution unit 213 outputs a candidate for output distribution of each battery 99 that minimizes the total amount of deterioration while achieving a predetermined degree of tracking in an arbitrary period.
  • FIG. 8 shows output distribution candidates when there are three batteries with different deterioration levels and six classified waveforms in the range of tracking degrees 80% to 100% as an example. The number of batteries or cells and the number of classified waveforms are not limited.
  • FIG. 9 is a diagram showing output distribution of each battery 99 or cell 100 for each classified waveform.
  • output distribution candidates 1, 2, and 3 are shown.
  • As each output distribution candidate a table in which the classified waveforms are arranged in the horizontal direction and a plurality of batteries 99 are arranged in the vertical direction is shown.
  • Output distribution candidate 1 is an output distribution candidate for battery 99 that satisfies 100% of the following degree
  • output distribution candidate 2 is an output distribution candidate for battery 99 that satisfies 90% of the following degree
  • output distribution candidate 3 has a following degree of 8 This is a candidate for output distribution of the battery 99 satisfying the percentage.
  • the battery 99 or cell 100 having a low degree of deterioration is 0.7, and the battery 99 or cell 100 having a medium degree of deterioration is used. It is shown that distributing the output at a rate of 0.1 to the battery 99 having a large deterioration level of 0.1 is the smallest deterioration amount in the plurality of batteries 99 or the cell 100 as a whole.
  • the output distribution unit 213 refers to the output distribution candidate, determines output distribution according to the slope and direction of the waveform and the degree of deterioration of each battery 99 or cell 100, and sends the determined output distribution amount to the KPI optimization unit 214. Output. By performing the output distribution process described above, the output distribution is performed so that the amount of deterioration is minimized as a whole of the plurality of batteries 99 while satisfying the target follow-up degree without concentrating the power to be output to the battery 99 having a small deterioration degree. It can be determined.
  • FIG. 10 is a flowchart showing the processing of the KPI optimization unit 214.
  • step 2141 the KPI optimization unit 214 acquires the KPI calculation formula 204 c from the KPI unit data 204.
  • step 2142 the KPI optimization unit 214 acquires a list of operation condition patterns of each battery 99 or cell 100 from the output distribution unit 213 until the predicted lifetime for the degree of tracking of each service.
  • the KPI optimization unit 214 calculates the follow-up degree and the KPI for the follow-up degree of each service and the KPI value of the period s when the operation condition is applied to the input waveform prediction for each period s. Calculate from the formula.
  • the KPI value of the period s can be obtained by an operation based on the KPI calculation formula using the possible bid amount, the degree of tracking, the parameter of the KPI calculation formula 204c, and other coefficients.
  • the KPI value of the ancillary service is the balance of the ancillary service provider, the balance of the arbitrary period s is calculated.
  • the balance is the sum of income and expenditure.
  • the income is a reward by the ancillary service
  • the expenditure is the sum of the cost (battery cost) expecting the deterioration of the battery 99 and the cost (operation condition change cost) by changing the operation condition.
  • the ancillary service reward for an arbitrary period s can be obtained by, for example, the product of the bid amount, the degree of tracking, and the ancillary reward unit price.
  • the calculation method of the ancillary service reward shall be in accordance with a predetermined calculation method determined by the grid operating organization that organizes the ancillary service.
  • the expenditure may include various costs such as the cost for installing the battery 99 and the cost for replacing the battery 99 in addition to the battery cost and the operating condition change cost.
  • the KPI optimizing unit 214 selects a service that maximizes the cumulative KPI value until the predicted lifetime, and determines an optimum combination of operation condition patterns of the battery 99 or the cell 100 for each period.
  • the objective function of the optimization problem solved in this process is a function that maximizes the cumulative KPI value.
  • the cumulative KPI value is the cumulative balance.
  • Equation 9 defines an optimization problem that maximizes the cumulative balance.
  • Expression 10 is a constraint expression regarding the cumulative balance ⁇ s Ps. Assuming that the ancillary reward unit price for period s is R s , the bid amount for period s is b s , the tracking degree for period s is k s , and the battery cost is C init , the balance Ps for any period s is the ancillary reward amount (R s , B s , k s ) and battery cost C init . ks is given for each operation condition candidate list generated by the output distribution unit 213. Note that the definition of the formula for calculating the cumulative balance in this embodiment is an example, and may be changed for each service to be applied in accordance with the KPI unit data 204.
  • Equation 11 is a constraint equation related to the bid amount.
  • the bid amount of the arbitrary period s is the sum of the maximum discharge output and the maximum charge output of the arbitrary period s.
  • the maximum discharge output is obtained from the product of the maximum discharge C rate and capacity, and the maximum charge output is obtained from the product of the maximum charge C rate and capacity.
  • the maximum discharge C rate is a maximum C rate at the time of discharge in an arbitrary period s, and is given for each output distribution candidate list generated by the output distribution unit 213.
  • the maximum charge C rate is also the maximum C rate at the time of charging in an arbitrary period s, and is similarly given for each output distribution candidate list.
  • Equation 12 is a constraint equation regarding battery cost.
  • the battery cost C init is the cost of the entire battery, and is the sum of the costs C init_j of all the batteries (cells) j.
  • step 2416 the KPI optimization unit 214 sets operation conditions for the output distribution list for each period output in step 2415. Specifically, by synthesizing the output waveform of each battery 99 or cell 100 from the output distribution, the maximum C rate, center SOC, ⁇ SOC, period start time, and period end time of each battery 99 or cell 100 are obtained. .
  • the first embodiment of the present invention compares the degree of deterioration of each battery 99 or cell 100 with respect to a plurality of batteries 99 or cells 100, and observes the following conditions of the degree of tracking, in units of batteries 99 or cells 100. It is possible to determine an output distribution that minimizes the amount of degradation and an operation plan that maximizes the KPI value in the case of ancillary service.
  • recovery capacity is also output. These data are output as operation condition data 205.
  • the life prediction unit 212 calculates the predicted life based on the deterioration behavior model 202 and the deterioration degree of the plurality of batteries 99 or the cells 100 (power storage devices).
  • the output distribution unit 213 follows the input waveform in which the combined output of the plurality of power storage devices is expected, and distributes the output to each power storage device every predetermined period so that the period until the predicted life of the power storage devices becomes longer.
  • a list including one or more combinations of operation conditions of each power storage device is generated.
  • the KPI optimization unit 214 selects, from the list, a combination of operation conditions that maximizes the cumulative value of the KPI value until the predicted lifetime.
  • the combined output of the power storage device follows the predicted input waveform, a plurality of power storage devices can be extended in consideration of deterioration, and a combination of operating conditions that optimizes the index value can be selected.
  • the power storage device can be appropriately controlled to extend the life and improve the index value.
  • FIG. 11 is a diagram for explaining the extension of life and the improvement of the index value according to the present embodiment.
  • the horizontal axis of FIG. 11 is a period (year) in which energy storage is used, and the vertical axis is an index value accumulated value (gain or loss of balance).
  • the solid curve indicates that when the deterioration suppression control is not performed, the battery 99 or the cell 100 reaches the end of life at the EOL1, and the accumulated profit of KPI1 is obtained until then.
  • the broken line curve indicates that when the deterioration suppression control is performed and an appropriate operation condition is used so that the cumulative value of the KPI value becomes the maximum, the battery 99 or the cell 100 reaches the end of life in the EOL2, and the cumulative profit of KPI2 until then. Is obtained.
  • the lifetime is extended, and the cumulative value of KPI values obtained during the lifetime is increasing.
  • the dashed-dotted curve shows a comparative example in which the battery 99 or the cell 100 reaches the end of life in the EOL3 when the deterioration suppression control is performed but the inappropriate operating condition is used, and the accumulated profit of KPI3 is obtained until then. It is. Although the life has been extended, the cumulative value of the KPI value obtained during the period up to the life has decreased.
  • the output distribution unit 213 sets the operating condition of each power storage device so that the combined output of the plurality of power storage devices follows the input waveform and the total amount of deterioration of the power storage devices is reduced. Generate a list of combinations. Since the combination of operation conditions is selected and listed so that the total deterioration amount of the plurality of power storage devices is reduced, it is possible to appropriately control the plurality of power storage devices as a whole to extend the life.
  • the output distribution unit 213 operates each power storage device such that the combined output follows the input waveform with each tracking level and the total deterioration amount of the power storage device is reduced. Generate a combination of conditions and include them in the list.
  • the KPI optimization unit 214 selects, from the list, a combination of operating conditions for the tracking degree that maximizes the cumulative value of the index value until the predicted lifetime.
  • an appropriate tracking degree can be selected from various tracking degrees.
  • the deterioration behavior model 202 is information that enables calculation of the deterioration amount of the power storage device. Then, the output distribution unit 213 calculates the ratio of each output of the plurality of power storage devices in the combined output so that the total amount of deterioration of the plurality of power storage devices calculated based on the deterioration behavior model 202 is minimized. decide. Since the output distribution is determined so that the total amount of deterioration is minimized, it is possible to appropriately suppress the deterioration of the entire plurality of power storage devices with easy processing.
  • a plurality of deterioration behavior models 202 corresponding to a plurality of deterioration degrees are held.
  • the life prediction unit 212 selects and uses one of the plurality of deterioration behavior models 202 based on the degree of deterioration estimated by the internal state estimation unit 211.
  • a plurality of deterioration behavior models are prepared in advance for power storage devices with different deterioration behaviors depending on the deterioration degree, and a suitable one according to the deterioration degree is selected and used. A long life can be predicted.
  • the energy storage is used to transfer power to the power system as an ancillary service
  • the index value is a value based on a reward for power supply in the ancillary service. Therefore, in the ancillary service, the total amount of reward until the power storage device reaches the end of its life can be maximized.
  • Example 2 illustrates a case where storage battery capacity recovery control is applied in an ancillary service provider's system.
  • the system of the ancillary service provider in the second embodiment can perform the capacity recovery control in addition to the deterioration suppression control applied in the first embodiment as the longevity control.
  • the difference between the second embodiment and the first embodiment will be mainly described.
  • Capacity recovery control refers to control that increases the capacity that can be stored by replenishing a battery or cell with an arbitrary amount of an electrically conductive substance at an arbitrary timing.
  • a lithium ion battery cell in addition to a positive electrode and a negative electrode, a lithium ion battery cell is provided with a lithium ion replenishing electrode that releases lithium ions in advance, so that the capacity of the lithium ion battery can be restored. It becomes.
  • the cost of the lithium ion replenishment electrode as compared with the normal cell, the cost of the entire cell becomes high. The cost also changes depending on the capacity to be recovered.
  • FIG. 12 is a conceptual diagram of extending battery life through capacity recovery control.
  • FIG. 12 shows the transition of the capacity of the battery or cell from the start of battery operation to the end of its life for each case where normal control without capacity recovery control is applied and when capacity recovery control is applied. Yes.
  • a solid curve 1111 in the figure is a transition of capacity in the case of normal control.
  • a broken curve 1112 in the figure represents a transition of the capacity when the capacity recovery control is performed.
  • FIG. 13 is a block diagram illustrating the configuration of the energy storage operation planning system according to the second embodiment.
  • FIG. 13 shows a functional configuration of the energy storage operation planning system.
  • the energy storage operation planning system of the second embodiment is different from that of the first embodiment in that the operation condition change data 206 is held and the KPI optimization unit 214 refers to it.
  • the data structure of the operation condition data 205 of the second embodiment is partially different from that of the first embodiment. Details will be described with reference to FIGS.
  • a process for calling the output distribution unit 213 is added during the process of the KPI optimization unit 214. Details will be described with reference to FIG.
  • FIG. 14A is a diagram illustrating the operation condition change data 206 according to the second embodiment.
  • the operating condition change data 206 includes information on battery ID 206a, capacity recovery upper limit 206b, capacity recovery lower limit 206c, required time 206d, and cost 206e.
  • the battery ID 206a is an ID for identifying the battery 99 or the cell 100.
  • the capacity recovery upper limit value 206b is an upper limit value of the capacity that can be recovered by the capacity recovery control.
  • the capacity recovery lower limit value 206c is a lower limit value of the capacity that can be recovered by the capacity recovery control.
  • the required time 206d is a required time for the capacity recovery control. During this time, cell operation is stopped.
  • a fixed numerical value may be set for the required time, or a calculation formula for the required time may be set when the required time varies depending on the recovery amount.
  • the cost 206e is a supplementary pole cost necessary for capacity recovery control.
  • a fixed numerical value may be set for the cost 206e, and when the cost varies depending on the recovery amount, a cost calculation formula may be set.
  • FIG. 14B is a diagram illustrating the operation condition data 205 in the second embodiment.
  • information on the recovery capacity 205c is added to that of the first embodiment.
  • the recovery capacity 205c is set with the capacity (recovery amount) to be recovered in the capacity recovery control determined by the KPI optimization unit 214.
  • the period for performing the capacity recovery control is from the start time 205g to the end time 205h.
  • FIG. 15 is a flowchart illustrating the process of the KPI optimization unit 214 in the second embodiment. Steps 214B1, 214B2, and 214B3 in FIG. 15 are processes that were not in the first embodiment.
  • step 2141 the KPI optimization unit 214 acquires the KPI calculation formula 204 c from the KPI unit data 204.
  • step 214B1 the KPI optimizing unit 214 obtains the capacity recovery upper limit value 206b, the capacity recovery lower limit value 206c, the required time 206d, and the cost 206e as the constraint conditions for capacity recovery control from the operation condition change data 206. get.
  • step 2142 the KPI optimization unit 214 obtains a list of operation condition pattern combinations that are candidates for the operation conditions of the battery (cell) until the predicted life from the output distribution unit 213.
  • steps 214B2, 214B3, and 2144 are performed for all combinations of cells, periods, and recovery amounts that can be subjected to capacity recovery control.
  • the KPI optimization unit 214 sets the cell 100 and the period for which capacity recovery control is performed, and the initial value of the recovery amount. If the capacity recovery control period of the cell j is st, the recovery amount (%) is m, and the capacity of the cell j before the capacity recovery control is Q st ⁇ 1, j , the capacity recovery control The capacity Q st, j is expressed as in Expression 13. Q ini, j is the initial capacity of cell j.
  • step 21B3 the KPI optimization unit 214 calls the output distribution unit 213, and recalculates the output distribution based on the capacity Q st, j after the capacity recovery for the cell group in the period from the capacity recovery to the predicted lifetime. To obtain a list of combinations of operation condition patterns.
  • step 2144 the KPI optimizing unit 214 determines an optimum operation condition pattern for each period in which the accumulated KPI value from the period s to the predicted lifetime is maximum from the list.
  • Example 2 Other constraints in Example 2 are the same as those in Example 1.
  • Step 2245 the KPI optimizing unit 214 determines that the accumulated KPI value until the predicted lifetime is reached. Outputs the maximum combination of operating conditions for each period.
  • step 214B2, 214B3, 2144 about the cell which performs capacity
  • recovery amount was shown, it is promising, such as when the number of combinations becomes enormous. You may decide to perform the process of step 214B2, 214B3, 2144 focusing on a combination.
  • the cumulative KPI value is maximized by performing the capacity recovery control processing described here in addition to the deterioration suppression control processing performed in the first embodiment. It is possible to determine operation conditions including control parameters for deterioration suppression control, cells for which capacity recovery control is performed, timing, and recovery amount.
  • the KPI optimizing unit 214 causes the output distribution unit 213 to recalculate the operation condition when at least one capacity recovery of the battery 99 or the cell 100 (power storage device) is performed, and the capacity recovery is performed. Create a new list of combinations of operating conditions. Then, the KPI optimization unit 214 selects a combination of operation conditions that maximizes the cumulative index value from the new list. When performing capacity recovery processing, the combination of operating conditions that maximizes the cumulative value of the index value can be selected, so the index value can be improved through appropriate control of multiple power storage devices, including capacity recovery of power storage devices Can be made.
  • operation condition change data including the upper limit value and the lower limit value of the recovery amount, the time required for the capacity recovery, and the cost required for the capacity recovery process are set in advance.
  • the KPI optimizing unit 214 sets a recovery amount between the upper limit value and the lower limit value, sets an execution timing of capacity recovery after the current time, and causes the output distribution unit 213 to recalculate the operation conditions.
  • the KPI optimization unit 214 accumulates an index value including a loss due to failure to supply power in a required time and a cost required for capacity recovery from a new list of recalculated operating conditions. Select the combination of operating conditions that maximizes the value.
  • the index value can be improved by appropriately controlling the plurality of power storage devices.
  • a system capable of capacity recovery control in addition to deterioration suppression control is exemplified as the life extension control.
  • the present invention is not limited to this.
  • a system in which capacity recovery control is applied without applying deterioration suppression control is also possible.
  • the third embodiment the case where the battery life extension control similar to that of the second embodiment is applied to energy storage of an electric vehicle such as an EV (electric vehicle) or HEV (hybrid electric vehicle) that travels with electric power from the mounted storage battery.
  • an electric vehicle such as an EV (electric vehicle) or HEV (hybrid electric vehicle) that travels with electric power from the mounted storage battery.
  • EV electric vehicle
  • HEV hybrid electric vehicle
  • the behavior of the electric vehicle responds to the driving operation by the driver without delay as the followability of the power output with respect to the charge / discharge instruction is higher. Therefore, for example, the responsiveness of the behavior of the electric vehicle to the driving operation or the comfort of the electric vehicle user (driver) due to the behavior can be set as the KPI value.
  • the comfort is a KPI value
  • the comfort is directly proportional to the follow-up degree in a region where the follow-up degree is a predetermined value or less, and the comfort is constant in a region where the follow-up degree is higher than the predetermined value.
  • the KPI value increases as the follow-up degree is increased, but the deterioration of the storage battery proceeds faster. For this reason, the cumulative KPI value is increased while keeping the following degree within a predetermined constraint, and the deterioration of the storage battery is reduced by the deterioration suppression control and / or the capacity recovery control.
  • FIG. 16 is a block diagram showing the configuration of the entire system mounted on the vehicle in the third embodiment.
  • a plurality of batteries 99, a storage battery control device 102, and an energy storage operation planning system 103 are mounted on the vehicle 500.
  • the plurality of batteries 99, the storage battery control device 102, and the energy storage operation planning system 103 are connected to each other via a communication line 501.
  • Each battery 99 includes a plurality of cells 100.
  • the energy storage operation planning system 103 has the functional configuration shown in FIG. 2 as in the first and second embodiments, and holds the data shown in FIGS. 4A to 4C, 5A, 5B, and 6. .
  • a charge / discharge waveform predicted based on the past travel history is set.
  • an upper limit value and a lower limit value are set for the tracking degree for the electric vehicle.
  • a calculation formula for KPI which is a comfort index for electric vehicle users, is set.
  • the calculation formula of the comfort index value is an expression including the following degree as a parameter as exemplified above.
  • the energy storage supplies power to the electric vehicle.
  • the index value is a value based on the response of the behavior of the electric vehicle to the driving operation. Therefore, the cumulative value (cumulative KPI value) of the responsiveness of the electric vehicle or the user comfort index value based on it until the power storage device reaches the end of its life can be maximized.
  • the operation condition including the control parameter for the deterioration suppression control that maximizes the cumulative KPI value in the electric vehicle system, the cell for performing the capacity recovery control, the timing, and the recovery amount. Can be determined.
  • SYMBOLS 10 Ancillary service provider system, 100 ... Cell, 101 ... PCS, 102 ... Storage battery control apparatus, 103 ... Energy storage operation planning system, 200 ... Input waveform prediction data, 200a ... Time, 200b ... Prediction input command, 201 ... Tracking degree constraint data, 201b ... lower limit value, 201c ... upper limit value, 201d ... best value, 201e ... index value calculation formula, 201f ... cumulative index, 201g ... coefficient, 202 ... degradation behavior model, 202a ... model ID, 202b ... degradation Behavior model formula, 203 ... Master data, 203b ... Initial capacity, 203c ...

Landscapes

  • Engineering & Computer Science (AREA)
  • Power Engineering (AREA)
  • Supply And Distribution Of Alternating Current (AREA)
  • Charge And Discharge Circuits For Batteries Or The Like (AREA)

Abstract

　内部情報収集部は、前記蓄電装置のそれぞれについて測定された収集データを取得する。内部状態推定部は、前記収集データに基づき、前記蓄電装置のそれぞれの劣化度を推定する。寿命予測部は、前記蓄電装置の劣化挙動を示す劣化挙動モデルと前記劣化度とに基づき、前記蓄電装置のそれぞれがいつまで電力を供給できるかを予測した予測寿命を算出する。出力分配部は、複数の前記蓄電装置の合成出力が予想される入力波形に追従し、かつ、前記蓄電装置の前記予測寿命までの期間が長くなるように、所定期間毎に前記各蓄電装置への出力分配を定めた、前記各蓄電装置の運用条件の組合せを１つ以上含むリストを生成する。最適化部は、前記リストの中から、電力供給の有益性を評価する指標値の前記予測寿命までの累積値が最大となる運用条件の組合せを選択する。

Description

エネルギーストレージ運転計画システムおよび運用条件決定方法
　本発明は、指令に対応して蓄電池から電力を授受するシステムを制御する技術に関する。
　アンシラリーサービスでは、サービスを行う事業者（アンシラリーサービス事業者）のシステムから電力系統へ供給した電力の対価として、電力系統を運営する会社からアンシラリーサービス事業者に報酬が支払われる。アンシラリーサービスでは電力は例えば時間帯単位で取引される。
　特許文献１（特開２０１３－１６８０１０号公報）に、蓄電池を用いてアンシラリーサービス事業者の収支を向上させるための技術が開示されている。特許文献１に開示された技術では、事業者のシステムは、電力系統からの充電および電力系統への放電が可能な蓄電池と、蓄電池の充放電を制御する制御装置と、を備えている。制御装置は市場でのアンシラリーサービス提供の対価の履歴を参照してビッドすべき時間帯を決定し、蓄電池の充放電を制御する。より具体的には、発電機を備えた電気設備からの給電と蓄電池からの給電との分配率を選択している。
特開２０１３－１６８０１０号公報
　蓄電池は経年劣化するので、収支の向上には蓄電池の劣化を考慮した制御が望ましい。複数の蓄電池があれば、それぞれに劣化の度合いが異なってくることが考えられる。しかしながら、特許文献１の技術は蓄電池が１つという単純な構成を前提としているため、複数の蓄電池が存在する場合に、アンシラリーサービスの報酬のような指標値を向上させるために、複数の蓄電池の劣化を考慮した適切な制御を行うということは難しい。
　本発明の目的は、複数の蓄電池の劣化を考慮して適切に制御し、指標値を向上させる技術を提供することである。
　本発明の一態様によるエネルギーストレージ運転計画システムは、充放電が可能な複数の蓄電装置を制御するための運用条件を決定するエネルギーストレージ運転計画システムであって、前記蓄電装置のそれぞれについて測定された収集データを取得する内部情報収集部と、前記収集データに基づき、前記蓄電装置のそれぞれの劣化度を推定する内部状態推定部と、前記蓄電装置の劣化挙動を示す劣化挙動モデルと前記劣化度とに基づき、前記蓄電装置のそれぞれがいつまで電力を供給できるかを予測した予測寿命を算出する寿命予測部と、複数の前記蓄電装置の合成出力が予想される入力波形に追従し、かつ、前記蓄電装置の前記予測寿命までの期間が長くなるように、所定期間毎に前記各蓄電装置への出力分配を定めた、前記各蓄電装置の運用条件の組合せを１つ以上含むリストを生成する出力分配部と、前記リストの中から、電力供給の有益性を評価する指標値の前記予測寿命までの累積値が最大となる運用条件の組合せを選択する最適化部と、を有している。
　本発明によれば、蓄電装置の合成出力が予測される入力波形に追従し、複数の蓄電装置が劣化を考慮して長寿命化され、指標値が最適となる運用条件の組合せを選択するので、複数の蓄電装置を適切に制御して長寿命化をはかるとともに指標値を向上させることができる。
実施例１の全体システムの構成を示すブロック図である。 エネルギーストレージ運転計画システム１０３の構成を示すブロック図である。 実施例１における電池９９を長寿命化する制御として実施可能な劣化抑制制御の概念を説明するための図である。 入力波形予測データ２００を示す図である。 追従度制約データ２０１を示す図である。 劣化挙動モデル２０２を示す図である。 電池（セル）マスタデータ２０３を示す図である。 ＫＰＩ単位データ２０４を示す図である。 運用条件データ２０５を示す図である。 出力分配部２１３の処理を示すフローチャートである。 出力分配部２１３のステップ２１３６の詳細処理を示すフローチャートである。 出力分配の候補の例を示す図である。 ＫＰＩ最適化部２１４の処理を示すフローチャートである。 実施例１による長寿命化および指標値向上について説明するための図である。 容量回復制御による電池の長寿命化の概念図である。 実施例２におけるエネルギーストレージ運転計画システムの構成を示すブロック図である。 実施例２における運用条件変更データ２０６を示す図である。 実施例２における運用条件データ２０５を示す図である。 実施例２におけるＫＰＩ最適化部２１４の処理を示すフローチャートである。 実施例３における車両に搭載される全体システムの構成を示すブロック図である。
　本発明の各実施例について図面を参照して説明する。
　実施例１として、アンシラリーサービスにより電力系統に対して電力を授受して報酬を得る事業者（アンシラリーサービス事業者）のシステムにおいて蓄電池の劣化抑制制御を適用した場合を例示する。
　アンシラリーサービスには、周波数調整、運用予備力調達、瞬動予備力調達といった様々な目的のものがあるが、本実施例でのアンシラリーサービスは周波数調整のものを指すものとする。周波数調整を目的とするものを含め、一般的にアンシラリーサービスにおいては、電力系統を運用する事業者等の機関（系統運用機関）からの充放電指示に対する、アンシラリーサービス事業者による電力出力の追従性が高いほど、アンシラリーサービス事業者への報酬額が高くなる。しかし、追従度を高くするために急峻な充放電をすれば、電池の劣化が進みやすく、電池の寿命までの期間が短くなる。
　本実施例では、アンシラリーサービス事業者のエネルギーストレージは、複数の電池を含み、各電池は複数のセルを含むものである。各電池あるいはセルのそれぞれについて内部状態を計測することができ、かつ複数の電池あるいはセルにそれぞれ出力させる電力を割り当てる（出力分配）ことができるものとする。
　本実施例では、複数の電池あるいはセルについて、各電池あるいはセルの劣化度を見比べ、アンシラリーサービスにおける追従度の制約条件を守りつつ、電池あるいはセルの劣化量を低減するように出力分配を行う劣化抑制制御の運用条件を決定する。
　図１は、実施例１の全体システムの構成を示すブロック図である。
　全体システムには、複数のアンシラリーサービス事業者システム１０、電力系統５０、通信ネットワーク６０、および系統運用機関システム８０が含まれる。
　アンシラリーサービス事業者システム１０は、複数のセル１００を含む複数の電池９９、ＰＣＳ１０１、蓄電池制御装置１０２、およびエネルギーストレージ運転計画システム１０３を備える。
　なお、本実施例では、アンシラリーサービス事業者が周波数調整用の電源として蓄電池のみを備える構成を例示するが、本発明がこれに限定されることはない。他の例として、アンシラリーサービス事業者が更に発電装置を備えてもよい。
　また、アンシラリーサービス事業者は、応答可能な電力量を事前に取引市場に入札しておく。そして、アンシラリーサービス事業者システム１０は電力系統５０からの指令に応じて電力系統５０に対して電力を授受する。
　通信ネットワーク６０には、系統運用機関システム８０とアンシラリーサービス事業者システム１０が接続されている。
　系統運用機関システム８０は、通信ネットワーク６０を介して、周波数調整のための発電量あるいは負荷量の指令をアンシラリーサービス事業者システム１０に送信する。その際、系統運用機関システム８０は、電力系統５０の周波数変動を予測し、電力系統５０全体の周波数を所定範囲内に維持するための発電量あるいは負荷量を、取引市場にて応札したアンシラリーサービス事業者システム１０の少なくとも一つに指令として与える。
　ＰＣＳ（Ｐｏｗｅｒ　Ｃｏｎｄｉｔｉｏｎｉｎｇ　Ｓｕｂｓｙｓｔｅｍ）１０１は、パワーコンディショナーとも呼ばれ、電池９９あるいはセル１００から放電される電力の電力系統５０への供給を制御する機能、そして電池９９あるいはセル１００から放電される電力を電力系統５０に供給できるように変換する機能を備えている。
　蓄電池制御装置１０２は、エネルギーストレージ運転計画システム１０３が決定した、各電池９９あるいはセル１００の運用条件に従って、ＰＣＳ１０１経由で電池９９あるいはセル１００を制御する。
　エネルギーストレージ運転計画システム１０３は、アンシラリーサービス事業者システム１０によるエネルギーストレージに含まれる複数の電池９９あるいはセル１００のそれぞれを制御するための運用条件を決定する。なお、エネルギーストレージ運転計画システム１０３のハードウェア構成は、不図示の記憶装置、ＣＰＵ、メモリ、入出力装置、および通信装置を備えている。
　図２は、エネルギーストレージ運転計画システム１０３の構成を示すブロック図である。図２には、エネルギーストレージ運転計画システム１０３の機能構成と、記憶装置（不図示）が保持するデータとが示されている。
　エネルギーストレージ運転計画システム１０３は、入力波形予測データ２００、追従度制約データ２０１、劣化挙動モデル２０２、電池（セル）マスタデータ２０３、ＫＰＩ単位データ２０４、および運用条件データ２０５を保持する。
　入力波形予測データ２００は、本実施例では系統運用機関システム８０から周波数調整のために依頼される出力電力を予測した情報が含まれる。入力波形予測データ２００は後述する図４Ａに示す。
　追従度制約データ２０１は、本実施例では、系統運用機関が定め、系統運用機関システム８０から通知される追従度の上限値および下限値に関する情報を含む。追従度の上限値あるいは下限値を逸脱した場合、アンシラリーサービスの報酬を得ることはできない。追従度制約データ２０１は後述する図４Ｃに示す。
　劣化挙動モデル２０２は、電池９９あるいはセル１００の挙動に対する劣化量をモデル化したデータである。電池９９あるいはセル１００は同じ挙動をさせても、そのときの劣化の程度（劣化度）に応じて、進行する劣化の量（劣化量）が異なる。劣化挙動モデル２０２は後述する図４Ｃに示す。
　電池（セル）マスタデータ２０３は、電池９９あるいはセル１００の性能および運用上の制約条件に関する情報を含む。電池（セル）マスタデータ２０３は後述する図５Ａに示す。
　ＫＰＩ（Ｋｅｙ　Ｐｅｒｆｏｒｍａｎｃｅ　Ｉｎｄｉｃａｔｏｒｓ）単位データ２０４は、本実施例では、系統運用機関が定め、系統運用機関システム８０から通知されるＫＰＩ算出式、例えばアンシラリー報酬の単価（アンシラリー報酬単価）に関する情報が含まれる。ＫＰＩ単位データ２０４は、後述する図５Ｂに示す。ＫＰＩは、アンシラリーサービス事業者による電力供給の有益性を評価する指標である。
　運用条件データ２０５は、エネルギーストレージ運転計画システム１０３が決定する、電池９９あるいはセル１００の制御を条件づける電池９９あるいはセル１００単位の運用条件の情報が含まれる。複数の電池９９あるいはセル１００の運用条件の組合せを設定することにより、各電池９９あるいはセル１００の出力分配を設定することができる。運用条件データ２０５は後述する図６に示す。
　次に、エネルギーストレージ運転計画システム１０３の機能構成について説明する。
　エネルギーストレージ運転計画システム１０３は、内部情報収集部２１０、内部状態推定部２１１、寿命予測部２１２、出力分配部２１３、およびＫＰＩ最適化部２１４を有している。
　内部情報収集部２１０は、運用中の電池９９の電流、電圧、温度のデータ（収集データ）を収集する機能を持つ。更に、セル１００単位で監視および制御を行う場合、セル１００の電流、電圧、温度に加え、正極電位、負極電位を取得する。
　内部状態推定部２１１は、内部情報収集部２１０で取得された電流、電圧、温度等の取集データから、電池９９あるいはセル１００の劣化度をあらわす内部状態を推定する機能を持つ。セル単位で監視および制御を行う場合、内部状態推定部２１１は、正極電位および負極電位から正極利用率および負極利用率とＬｉ損失量を算出し、それらの値からセル１００の劣化度を推定する。
　寿命予測部２１２は、劣化挙動モデル２０２に基づき、電池９９あるいはセル１００の予測寿命を出力する機能を持つ。予測寿命は、電池９９あるいはセル１００がいつまで電力を供給できるかを予測したものである。電池９９あるいはセル１００の予測寿命は、劣化挙動モデル２０２に基づき、現時点の劣化度から算出される。劣化挙動モデルには、将来の運用条件（Ｃレート、中心ＳＯＣ、△ＳＯＣ等）がパラメータとして含まれており、その将来の運用条件を変更すると、電池９９あるいはセル１００の寿命は変化する。なお、電池９９単位よりもセル１００単位で寿命を予測した方が、すなわち正極および負極の単位の測定データを用いて電池９９あるいはセル１００の寿命を予測した方が予測寿命の精度はより高くなる。
　出力分配部２１３は、内部状態推定部２１１が算出し、寿命予測部２１２経由で受信した各電池９９あるいはセル１００の劣化度と、入力波形予測データ２００と、追従度制約データ２０１と、劣化挙動モデル２０２と、に基づいて、任意の期間において追従度の制約条件を満たし、かつ、電池９９あるいはセル１００の劣化量の合計が低減されるように、各電池９９あるいはセル１００の出力分配を定めた、各電池９９あるいはセル１００の運用条件パターンの組合せを生成し、それをリスト化する。出力分配部２１３の処理フローは後述する図７に示す。
　ＫＰＩ最適化部２１４は、出力分配部２１３から受信した各電池９９あるいはセル１００の運用条件パターンの組合せのリストと、ＫＰＩ単位データ２０４と、に基づいて、予測寿命までの長期のスパンにおいてＫＰＩ値の累積値が最大となる各期間の運用条件パターンの組合せを決定する機能を持つ。ＫＰＩ最適化部２１４は、各期間の運用条件パターンの各組合せについて予測寿命までのＫＰＩ値の累積値を計算し、その累積値が最大となる、各期間における運用条件パターンの組合せを決定する。ＫＰＩ最適化部２１４の処理フローは後述する図１０に示す。
　次に、エネルギーストレージ運転計画システム１０３の一連の処理の流れを説明する。
　まず、内部情報収集部２１０が電池９９あるいはセル１００から任意の周期で電池９９あるいはセル１００の電流、電圧、および温度、さらにはセル１００の正極電位および負極電位のデータを収集する。
　次に、内部状態推定部２１１は所定の期間に収集されるデータが揃い次第、劣化度を推定する。
　次に、寿命予測部２１２は内部状態推定部２１１より受信した劣化度より電池９９あるいはセル１００の寿命を予測する。
　次に、出力分配部２１３は、複数の電池９９あるいはセル１００の劣化度を見比べながら、追従度の制約を守りつつ、それ以降の劣化量を低減するような各電池９９あるいはセル１００への出力分配およびその出力分配のための運用条件の組合せを作成し、その組合せのリストを作成する。
　最後に、ＫＰＩ最適化部２１４は、出力分配部２１３が作成したリストの中から、寿命までの累積ＫＰＩ値が最大となるような各期間の運用条件２０５の組合せを選択する。選択された運用条件２０５の組合せは蓄電池制御装置１０２に渡される。
　図３は、本実施例における電池９９を長寿命化する制御として実施可能な劣化抑制制御の概念を説明するための図である。図３は、劣化抑制を行わない通常制御を適用した場合と、劣化抑制制御を適用した場合のそれぞれについて、電池９９の運用開始から寿命を迎えるまでの電池９９あるいはセル１００の容量の推移を示している。
　図中、実線の曲線３２１は劣化抑制を意識しない通常制御を行った場合の容量の推移である。破線の曲線３２２は劣化抑制制御を行った場合の容量の推移である。図に示すように、劣化抑制制御を行うことで電池９９あるいはセル１００の劣化が緩やかになっている。
　電池９９あるいはセル１００の劣化の要因は多数存在するが、電流の積分値である充放電容量および累積充放電容量が大きな劣化要因の一つである。本実施例では劣化要因の例として累積充放電容量に限定して説明する。
　劣化抑制制御とは、制御パラメータであるところのＣレートを任意の値に設定することで、通常制御に比べて電池９９あるいはセル１００の容量の劣化を抑制する制御を指す。Ｃレートとは、電池９９あるいはセル１００に流す電流値と、当該電池９９あるいはセル１００の容量との比である。Ｃレートの積分値を小さくするほど劣化抑制の効果が高まる。
　図４Ａは入力波形予測データ２００を示す図である。
　入力波形予測データ２００には、時刻２００ａと予測入力指令２００ｂが含まれる。時刻２００ａとそのときの予測入力指令２００ｂの値とが複数連なって入力波形をなす。時刻２００ａは、予測された入力波形における、ある一点の時刻を指す。予測入力指令２００ｂは、予測された入力波形における、ある一点の時刻における指令値を指す。
　図４Ｂは追従度制約データ２０１を示す図である。追従度制約データ２０１はサービスＩＤ　２０１ａ、下限値２０１ｂ、上限値２０１ｃ、最良値２０１ｄ、指標値算出式２０１ｅ、累積指標２０１ｆ、および係数２０１ｇが含まれる。サービスＩＤ　２０１ａは適用される複数のアンシラリーサービスを一意に識別するためのＩＤである。下限値２０１ｂは当該アンシラリーサービスが許容する追従度の下限値である。上限値２０１ｃは当該アンシラリーサービスが許容する追従度の上限値である。各アンシラリーサービスは、追従度の下限値に応じて、アンシラリーサービス事業者が得られる報酬が異なる。
　図４Ｃは劣化挙動モデル２０２を示す図である。劣化挙動モデル２０２にはモデルＩＤ　２０２ａおよび劣化挙動モデル式２０２ｂが含まれる。モデルＩＤ　２０２ａは電池９９あるいはセル１００の劣化度に応じて複数存在する劣化挙動モデル式を一意に識別するＩＤである。
　劣化挙動モデル式２０２ｂは電池９９あるいはセル１００の制御パラメータに対する劣化量をモデル化した式である。劣化挙動モデル式の例を式０に示す。例えば前述のとおり累積放電容量が劣化に影響する制御パラメータとすると、期間sにおける放電容量がXdischarge_sのとき累積放電容量はΣXdischarge_sであり、劣化挙動モデル式に基づき、劣化量Rが決定する。なお、式０では累積放電容量のみで劣化量が決まるとしているが、その他のパラメータを含む劣化挙動モデル式を用いても構わない。
R = f(Σs Xdischarge_s)　　　(式０)
　図５Ａは、電池（セル）マスタデータ２０３を示す図である。
　電池(セル)マスタデータ２０３は、電池ＩＤ　２０３ａ、初期容量２０３ｂ、ＳＯＣ下限値２０３ｃ、ＳＯＣ上限値２０３ｄ、およびコスト２０３ｅを含む。電池ＩＤ２０３ａは、電池９９あるいはセル１００を識別するＩＤである。初期容量２０３ｂは、電池９９あるいはセル１００の公称容量(Ah)である。
　ＳＯＣ下限値２０３ｃは、電池９９あるいはセル１００が取り得るＳＯＣの下限値である。ＳＯＣ上限値２０３ｄは、電池９９あるいはセル１００が取り得るＳＯＣの上限値である。コスト２０３ｅは、電池９９あるいはセル１００の価格であり、初期コストである。この初期コストを寿命までの各期間に振り分けることで各期間の電池コストが得られる。
　図５Ｂは、ＫＰＩ単位データ２０４を示す図である。
　ＫＰＩ単位データ２０４は、サービスＩＤ２０４ａ、ＫＰＩ ＩＤ　２０４ｂ、ＫＰＩ算出式２０４ｃを含む。本実施例では、系統運用機関が定め、系統運用機関システム８０が通知するアンシラリー報酬単価に関する情報が、このＫＰＩ単位データ２０４に含まれる。アンシラリー報酬単価は、単位電力量に対する報酬額であり、時間帯毎に異なってもよい。
　サービスＩＤ２０４ａは適用される複数のアンシラリーサービスを一意に識別するためのＩＤである。ＫＰＩ ＩＤ　２０４ｂは適用されるアンシラリーサービスにおけるＫＰＩを一意に識別するためのＩＤであり、アンシラリーサービスの場合はＫＰＩの一例として収益がある。ＫＰＩ ＩＤ　２０４ｂは、このＫＰＩに割り当てる識別子である。
　ＫＰＩ算出式２０４ｃはＫＰＩの指標値を算出する式である。アンシラリーサービスの場合は、例えば、１MWhr当りの報酬額というように設定される。ＫＰＩの値が単純に定まらないような複雑な指標については、ＫＰＩ算出式２０４ｃにＫＰＩを算出する数式を設定してもよい。
　図６は、運用条件データ２０５を示す図である。
　運用条件データ２０５は、電池ＩＤ２０５ａ、運用条件ＩＤ２０５ｂ、Ｃレート２０５ｄ、中心ＳＯＣ２０５ｅ、△ＳＯＣ２０５ｆ、開始時刻２０５ｇ、および終了時刻２０５ｈを含む。
　電池ＩＤ２０５ａは、運用条件を変更する対象の電池９９あるいはセル１００を識別するためのＩＤである。この電池ＩＤ２０５ａは運用変更マスタデータの電池ＩＤと同一の値である。
　運用条件ＩＤ２０５ｂは、複数ある運用条件を識別するためのＩＤである。
　最大Ｃレート２０５ｄは、劣化抑制制御を適用する場合に、劣化抑制制御の適用による運用条件変更後の最大Ｃレートの値を設定する。劣化抑制制御の詳細は後述する。
　中心ＳＯＣ２０５ｅは、劣化抑制制御を適用する場合に、劣化抑制制御の適用による運用条件変更後の中心ＳＯＣ（Ｓｔａｔｅ　ｏｆ　Ｃｈａｒｇｅ）の値を設定する。
　△ＳＯＣ２０５ｆは、劣化抑制制御を適用する場合に、劣化抑制制御の適用による運用条件変更後の△ＳＯＣの値を設定する。△ＳＯＣはＳＯＣの変化量である。
　開始時刻２０５ｇは、運用条件の適用を開始する時刻が設定される。終了時刻２０５ｈは、運用条件の適用を終了する時刻が設定される。
　図７は、出力分配部２１３の処理を示すフローチャートである。
　ステップ２１３１にて、出力分配部２１３は、寿命予測部２１２より各電池９９あるいはセル１００の最新の劣化度を取得する。
　出力分配部２１３は、選択可能な複数サービスのそれぞれの追従度に対して以下のステップ２１３２～２１３８の処理を行う。
　ステップ２１３２にて、出力分配部２１３は、追従度制約データ２０１から、当該サービスにおける追従度の上限値および下限値を取得する。このとき、追従度の異なる複数のサービスがあれば、全てのサービスについての追従度の上限値および下限値を取得する。
　ステップ２１３３にて、出力分配部２１３は、入力波形予測データ２００から任意の期間ｓの入力波形予測を取得する。
　ステップ２１３４にて、出力分配部２１３は、ステップ２１３３で取得した任意の期間の入力波形予測を時間積分することにより、充放電の容量波形予測を取得する。
　ステップ２１３５にて、出力分配部２１３は、ステップ２１３４で取得した容量波形予測を傾きの大きさと容量変化の方向によって分類する。
　ステップ２１３６にて、出力分配部２１３は、各電池９９あるいはセル１００の劣化度に基づき適切な劣化挙動モデル２０２を選択して取得し、更に、ステップ２１３５で分類した波形について劣化量の合計が最小となるように電池９９あるいはセル１００の出力分配を決定する。電池９９あるいはセル１００への出力分配を決定するとき、出力分配部２１３は電池（セル）マスタデータ２０３を参照する。詳細は図８にて述べる。
　ステップ２１３７にて、出力分配部２１３は、ステップ２１３６で決定した電池９９あるいはセル１００に対する出力分配から、各電池９９あるいはセル１００の最大Ｃレート、中心ＳＯＣ、および△ＳＯＣを運用条件として設定する。
　ステップ２１３８にて、出力分配部２１３は、寿命予測部２１２を呼び出し、設定した運用条件の適用を終了ときの予測される劣化度と予測寿命を取得する。ステップ２１３８が終了次第、出力分配部２１３は、次の期間ｓ+1についても上記のステップ２１３３～２１３８を適用し、予測寿命になるまでの期間について繰り返す。
　ステップ２１３２～２１３８の処理を複数サービスのそれぞれの追従度に対して行い、各サービスの追従度について、追従度の制約が守られ、かつ、劣化量が低減される運用条件が設定されたら、ステップ２２１３９へ進む。
　ステップ２１３９にて、出力分配部２１３は、追従度ごとの、寿命になるまでの各期間における各電池９９あるいはセル１００の運用条件パターンをＫＰＩ最適化部２１４に送信する。
　図８は、出力分配部２１３のステップ２１３６の詳細処理を示すフローチャートである。
　ステップ２１３６１にて、出力分配部２１３は、各電池９９あるいはセル１００について、これまでの劣化度の推移に基づき、劣化挙動モデル２０２に含まれる複数の劣化挙動モデルの中から、現在の劣化度に最も近い劣化度に適した劣化挙動モデルを取得する。
　ステップ２１３６２にて、出力分配部２１３は、ステップ２１３２で取得した追従度の下限値を、制御で目標とする追従度（目標追従度）として設定する。
　ステップ２１３６３にて、出力分配部２１３は、期間ｓにおいてステップ２１３５で分類した充放電の容量波形予測に対して、期間ｓでの劣化量が最小となるように複数の電池９９あるいはセル１００に最適に出力分配する。本処理で解く最適分配問題の目的関数は、分類された全ての波形に対するすべての電池９９あるいはセル１００の劣化量の合計を最小化する関数であり、式１で表現する。
Minimize ΣiΣjRij　　　(式１)
　ここで、Rijは波形iについての電池(セル)jの配分による劣化量である。fjを電池(セル)jの劣化挙動モデル、xijを波形iに対する電池(セル)jの出力分配量とすると、Rijは式２で表現する。式２は劣化挙動モデル式２０２ｂに応じて変更して構わない。
Rij = fj(xij)　　　（式２）
　制約条件を以下に述べる。
　式３は出力分配量とＣレートの関係を表す制約条件である。出力分配量は期間sの電池容量QsとＣレートCrate_ijの積で求まる。
xij ＝ Qs*Crate_ij　　　(式３)
　式４は波形iの電池(セル)jの出力分配量の制約条件であり、０以上１以下の範囲で配分を行うという制約である。
0 ≦ xij ≦ 1 　　　(式４)
　式５は各電池９９あるいはセル１００のＣレートの制約条件である。波形iに対する電池(セル)jがとるＣレートはＣレート下限値Crate_min以上、Ｃレート上限値Crate_max以下である。
Crate_min ≦ Crate_ij ≦ Crate_max　　　(式５)
　式６は各電池９９あるいはセル１００の残容量と出力の制約を示す式である。波形iの場合の電池(セル)jの残容量bi,jは、波形i-1の場合の電池(セル)jの残容量に、波形iに対する電池(セル)jの出力xijを合算した値である。
bi,j = bi-1,j + xij　　　(式６)
　式７は各電池９９あるいはセル１００の容量の制約を示す式である。波形iの場合の電池jの残容量bi,jは、ＳＯＣ下限SOCmin_j以上ＳＯＣ上限SOCmax_j以下の範囲内とする。Qsは期間ｓにおける容量である。
SOCmin_j * Qs ≦ bi,j ≦ SOCmax_j * Qs　　　(式７）
　式８は目標追従度の制約である。任意期間の入力波形予測をＹ1、任意期間の出力予定波形をＹ2とすると、目標追従度をｋとすると、二つの関数の類似度であるＹ1とＹ2の相関関数Ｃが目標追従度ｋ以上であるとする制約条件である。なお、本実施例は相関関数の値を追従度としたが、本発明がこれに限定されることはない。追従度は適用サービスに応じて任意の方法で導出して構わない。
C(Ｙ1, Ｙ2) ≧ k 　　　(式８)
　出力分配部２１３は、上記の制約条件を満たし、任意期間の合計の劣化量が最小となる目的関数のもと、電池９９あるいはセル１００の最適な出力分配を決定する。
　ステップ２１３６４にて、出力分配部２１３は、目標追従度を更新する。本実施例では目標追従度を任意でN%ずつ(Nは正数)加算することで更新する。
　上記のステップ２１３７３～２１３７４を、目標追従度が追従度上限値に達するまで繰り返し実行する。上限値に達する前に目標追従度を満たす解が見つからない場合は処理を終了する。
　ステップ２１３６５にて、出力分配部２１３は、生成した出力分配の候補を次のステップ２１３７の処理に渡す。生成した出力分配候補の例を図９に示す。
　図９は、出力分配の候補の例を示す図である。
　出力分配部２１３では、任意の期間においてそれぞれ所定の追従度を達成しつつ、劣化量の合計が最小となる各電池９９の出力分配の候補を出力する。図８では例として追従度８割～１０割の範囲において、劣化度が異なる電池が３つ、分類された波形が６つある場合の出力分配候補を示すが、追従度の範囲および刻み幅、電池あるいはセルの個数、分類した波形の数は問わない。
　図９は、分類された各波形に対する各電池９９あるいはセル１００の出力分配を示す図である。図９を参照すると、出力分配候補１、２、３が示されている。各出力分配候補として、分類された各波形が横方向に並び、複数の電池９９が縦方向に並んだ表が示されている。出力分配候補１は追従度１０割を満たす電池９９の出力分配の候補であり、出力分配候補２は追従度９割を満たす電池９９の出力分配の候補であり、出力分配候補３は追従度８割を満たす電池９９の出力分配の候補である。
　出力分配候補１では、例えば、一番左の波形に追従度１０割で追従しようとする場合、劣化度が小の電池９９あるいはセル１００に０．７、劣化度が中の電池９９あるいはセル１００に０．２、劣化度が大の電池９９に０．１という割合で出力を分配するのが、複数の電池９９あるいはセル１００全体で最も劣化量が小さいということが示されている。
　出力分配部２１３は、出力分配候補を参照して、波形の傾きおよび方向と各電池９９あるいはセル１００の劣化度に応じて出力分配を決定し、決定した出力分配量をＫＰＩ最適化部２１４へ出力する。上述の出力分配処理を行うことで、劣化度の小さい電池９９に出力すべき電力を集中させることなく、目標追従度を満たしつつ、複数の電池９９全体として劣化量が最も小さくなるよう出力分配を定めることが可能となる。
　図１０は、ＫＰＩ最適化部２１４の処理を示すフローチャートである。
　ステップ２１４１にて、ＫＰＩ最適化部２１４は、ＫＰＩ単位データ２０４からＫＰＩ算出式２０４ｃを取得する。
　ステップ２１４２にて、ＫＰＩ最適化部２１４は、出力分配部２１３から、各サービスの追従度についての予測寿命までの各電池９９あるいはセル１００の運用条件パターンのリストを取得する。
　ステップ２１４３にて、ＫＰＩ最適化部２１４は、各サービスの追従度に対して、期間ｓごとに、入力波形予測に対して運用条件を適用したときの期間ｓのＫＰＩ値を追従度およびＫＰＩ算出式から算出する。例えば、アンシラリーサービスでは、期間ｓのＫＰＩ値は、入札可能量と、追従度と、ＫＰＩ算出式２０４ｃのパラメータと、その他の係数とを用いた、ＫＰＩ算出式による演算で求めることができる。例えば、アンシラリーサービスのＫＰＩ値は、アンシラリーサービス事業者の収支であるとすると、任意期間ｓの収支を算出することになる。
　収支は収入と支出の総和である。本実施例では、収入はアンシラリーサービスによる報酬であり、支出は電池９９の劣化を見込んだコスト（電池コスト）と、運用条件を変更することによるコスト（運用条件変更コスト）の総和である。
　本実施例では、ＫＰＩ算出式２０４ｃにアンシラリー報酬単価が示されているので、任意期間sのアンシラリーサービスの報酬は、一例として、入札量、追従度およびアンシラリー報酬単価の積によって求めることができる。なお、アンシラリーサービスの報酬の算出方法はアンシラリーサービスを取りまとめる系統運用機関が定める所定の算出方法に従うものとする。支出には電池コスト、運用条件変更コストの他に、電池９９の設置にかかるコスト、電池９９の交換にかかるコスト等の各種コストを含めても構わない。
　ステップ２１４４にて、ＫＰＩ最適化部２１４は、予測寿命までの累積ＫＰＩ値が最大となるサービスを選択し、各期間の電池９９あるいはセル１００の最適な運用条件パターンの組合せを決定する。本処理で解く最適化問題の目的関数は、累積ＫＰＩ値を最大化する関数である。アンシラリーサービスでは、累積ＫＰＩ値は累積収支となる。ここで、任意の期間ｓの収支をPsとすると、最大化された予測寿命までの全ての期間の累積収支は式９で表現され、この式が累積収支を最大化する最適化問題を定義する。
Maximize ΣsPs　　　(式９)
　制約条件を以下に示す。
　式１０は累積収支ΣsPsに関する制約式である。期間sのアンシラリー報酬単価をRs、期間sの入札量をbs、期間sの追従度をks、電池コストをCinitとすると、任意の期間sの収支Psはアンシラリー報酬額(Rs、bs、ksの積)と電池コストCinitの差で表現される。ksは出力分配部２１３が生成する運用条件候補リストごとに与えられる。なお、本実施例における累積収支を算出する式の定義は一例であり、ＫＰＩ単位データ２０４に従い、適用するサービスごとに変更しても構わない。
ΣsPs =Σs(Rs * bs * ks )- Cinit　　　(式１０)
　式１１は入札量に関する制約式である。任意期間ｓの入札量は任意期間ｓの最大放電出力と最大充電出力の和である。最大放電出力は最大放電Ｃレートと容量の積、最大充電出力は最大充電Ｃレートと容量の積より求まる。最大放電Ｃレートは任意期間ｓの放電時の最大Ｃレートであり、出力分配部２１３が生成する出力分配候補リストごとに所与である。最大充電Ｃレートも任意期間ｓの充電時の最大Ｃレートであり、同様に出力分配候補リストごとに与えられる。任意期間sにおける電池全体の容量をQs、任意の期間ｓにおける電池全体の最大放電ＣレートCrate_discharge、s、任意の期間ｓにおける充電時の電池全体の最大充電ＣレートCrate_charge_s、とすると、入札量は式１１のように表現される。
bs = Qs*Crate_max_s ＋ Qs*Crate_min_s　　　(式１１)
　式１２は電池コストに関する制約式である。電池コストCinitは電池全体のコストであり、全ての電池(セル)jのコストCinit_jのコストの総和である。
Cinit = Σj Cinit_j　　　(式１２）
　以上の制約条件のもとで、目的関数の値が最大となるような予測寿命までの各期間の出力分配リストを決定する。
　ステップ２４１６にて、ＫＰＩ最適化部２１４は、ステップ２４１５で出力した各期間の出力分配リストについて運用条件を設定する。具体的には出力分配から各電池９９あるいはセル１００の出力波形を合成することで、各電池９９あるいはセル１００の最大Ｃレート、中心ＳＯＣ、△ＳＯＣ、期間の開始時刻、期間の終了時刻を求める。
　以上のように、本発明の実施例１は複数の電池９９あるいはセル１００について、各電池９９あるいはセル１００の劣化度を見比べ、追従度の制約条件を守りつつ電池９９あるいはセル１００の単位で、劣化量が最小となる出力分配を決定するとともに、アンシラリーサービスの場合のＫＰＩ値を最大化する運用計画を決定することが可能である。
　なお、劣化抑制制御と共に容量回復制御も適用する場合は回復容量も出力する。これらデータは運用条件データ２０５として出力される。
　以上、本実施例では、寿命予測部２１２は、複数の電池９９あるいはセル１００（蓄電装置）の劣化挙動モデル２０２と劣化度とに基づき予測寿命を算出する。出力分配部２１３は、複数の蓄電装置の合成出力が予想される入力波形に追従し、かつ、蓄電装置の予測寿命までの期間が長くなるように、所定期間毎に各蓄電装置への出力分配を定めた、各蓄電装置の運用条件の組合せを１つ以上含むリストを生成する。ＫＰＩ最適化部２１４は、リストの中から、ＫＰＩ値の予測寿命までの累積値が最大となる運用条件の組合せを選択する。そのため、蓄電装置の合成出力が予測される入力波形に追従し、複数の蓄電装置が劣化考慮して長寿命化され、指標値が最適となる運用条件の組合せを選択することができ、複数の蓄電装置を適切に制御して長寿命化をはかるとともに指標値を向上させることができる。
　図１１は、本実施例による長寿命化および指標値向上について説明するための図である。図１１の横軸はエネルギーストレージが使用された期間（年）であり、縦軸は、指標値に累積値（収支の損得）である。実線の曲線は、劣化抑制制御を行わなかった場合、電池９９またはセル１００は、ＥＯＬ１に寿命を迎え、それまでＫＰＩ１という累積収益が得られることを示している。
　破線の曲線は、劣化抑制制御を行ない、ＫＰＩ値の累積値が最大となるように適切な運用条件を用いた場合、電池９９またはセル１００は、ＥＯＬ２に寿命を迎え、それまでＫＰＩ２という累積収益が得られることを示している。長寿命化が図られるとともに、寿命までの期間に得られるＫＰＩ値の累積値が増加している。
　一点鎖線の曲線は、劣化抑制制御を行なったが不適切な運用条件を用いてしまった場合、電池９９またはセル１００は、ＥＯＬ３に寿命を迎え、それまでＫＰＩ３という累積収益が得られるという比較例である。長寿命化は図られているが、寿命までの期間に得られるＫＰＩ値の累積値は減少してしまっている。
　また、本実施例では、出力分配部２１３は、複数の蓄電装置の合成出力が入力波形に追従し、かつ、蓄電装置の合計の劣化量が低減されるように、各蓄電装置の運用条件の組合せのリストを生成する。複数の蓄電装置の合計の劣化量が小さくなるように運用条件の組合せを選択してリスト化するので、複数の蓄電装置を全体として適切に制御して長寿命化をはかることができる。
　また、本実施例では、入力波形に対する合成出力の選択可能な追従度が複数あり、追従度は高いほど前記指標値は大きい。そして、出力分配部２１３は、複数の追従度のそれぞれについて、合成出力が入力波形にそれぞれの追従度で追従し、かつ、蓄電装置の合計の劣化量が低減されるような各蓄電装置の運用条件の組合せを生成し、リストに含める。ＫＰＩ最適化部２１４は、そのリストの中から、指標値の予測寿命までの累積値が最大となる追従度の運用条件の組合せを選択する。すなわち、選択可能な複数の追従度のそれぞれについて劣化量の低減で好適な運用条件の組合せを生成してリスト化し、その中から、指標値の累積値が最大となる運用条件の組合せを選択するので、様々な追従度の中から適切な追従度を選択することができる。
　また、本実施例では、劣化挙動モデル２０２は、蓄電装置の劣化量を算出可能にする情報である。そして、出力分配部２１３は、劣化挙動モデル２０２に基づいて算出される、複数の蓄電装置の劣化量の合計が最小となるように、合成出力に占める複数の蓄電装置のそれぞれの出力の割合を決定する。劣化量の合計が最小となるように出力分配を決定するので、容易な処理で複数の蓄電装置全体の適切な劣化抑制が可能である。
　また、本実施例では、複数の劣化度に対応する複数の劣化挙動モデル２０２が保持されている。寿命予測部２１２は、内部状態推定部２１１で推定された劣化度に基づき、複数の劣化挙動モデル２０２の中からいずれか１つの劣化挙動モデル２０２を選択して用いる。劣化度によって劣化の振る舞いが異なる蓄電装置に対して、複数の劣化挙動モデルをあらかじめ準備しておき、その中から劣化度に応じた好適なものを選択して用いるので、容易な処理により精度の高い寿命の予測が可能である。
　また、本実施例では、エネルギーストレージは、アンシラリーサービスとして電力系統に電力を授受するものであり、指標値は、アンシラリーサービスにおける電力供給に対する報酬に基づく値としている。そのため、アンシラリーサービスにおいて、蓄電装置が寿命となるまでの報酬の総額を最大化することができる。
　実施例２として、アンシラリーサービス事業者のシステムにおいて蓄電池の容量回復制御を適用した場合を例示する。実施例２におけるアンシラリーサービス事業者のシステムは、長寿命化制御として、実施例１で適用した劣化抑制制御に加え、容量回復制御を実施することができる。ここでは実施例２について主に実施例１と異なる部分について説明することにする。
　容量回復制御とは、任意のタイミングにて任意の量の電気伝導物質を電池あるいはセルに補充することで蓄電可能な容量を増加させる制御を指す。例えば、リチウムイオン電池の場合、正極と負極に加え、更に、リチウムイオンを放出するリチウムイオン補充用の電極をリチウムイオン電池のセルに予め備えておくことで、リチウムイオン電池の容量回復生業が可能となる。ただし、容量回復を可能とするセルは通常のセルよりもリチウムイオン補充用電極の分のコストが追加されるため、セル全体として高コストとなる。回復させる容量によってもコストは変化する。また、容量回復制御を行うとき、セルの運用を所定の時間だけ停止させる必要がある。そのため、セルの運用を停止している間は、アンシラリーサービスにおいて当該セルは電力系統に対して電力授受することはできない。
　本実施例では、劣化抑制制御に加え、どれだけの容量を回復させる容量回復制御をいつ実行するかを決定する。
　図１２は、容量回復制御による電池の長寿命化の概念図である。図１２には、容量回復制御を行わない通常制御を適用した場合と、容量回復制御を適用した場合のそれぞれについて、電池の運用開始から寿命になるまでの電池あるいはセルの容量の推移を示している。図中の実線の曲線１１１１は通常制御の場合の容量の推移である。図中の破線の曲線１１１２は容量回復制御を行った場合の容量の推移である。
　電池あるいはセルは劣化が進行すると容量が低下し、容量下限値に達したときに寿命を迎える。図中の曲線１１１２に示す通り、容量回復制御を行うことで通常制御と比べて寿命までの期間が延長する効果が見込める。
　図１３は、実施例２におけるエネルギーストレージ運転計画システムの構成を示すブロック図である。図１３には、エネルギーストレージ運転計画システムの機能構成が示されている。実施例２のエネルギーストレージ運転計画システムは、運用条件変更データ２０６が保持されており、ＫＰＩ最適化部２１４がそれを参照する点で実施例１のものと異なる。また、実施例２の運用条件データ２０５のデータ構成は実施例１のものとは一部異なる。詳細は図１４Ａ、Ｂで説明する。また、実施例２ではＫＰＩ最適化部２１４の処理中に出力分配部２１３を呼び出す処理が加わる。詳細は図１５で説明する。
　図１４Ａは、実施例２における運用条件変更データ２０６を示す図である。運用条件変更データ２０６は電池ＩＤ２０６ａ、容量回復上限値２０６ｂ、容量回復下限値２０６ｃ、所要時間２０６ｄ、およびコスト２０６ｅの情報を含む。電池ＩＤ　２０６ａは、電池９９あるいはセル１００を識別するＩＤである。容量回復上限値２０６ｂは、容量回復制御により回復可能な容量の上限値である。容量回復下限値２０６ｃは、容量回復制御により回復可能な容量の下限値である。所要時間２０６ｄは、容量回復制御にかかる所要時間である。この時間はセルの運用が停止される。なお、所要時間には固定的な数値を設定しても良いし、回復量によって所要時間が変化する場合、所要時間の算出式を設定しても良い。コスト２０６ｅは、容量回復制御に必要な補充極のコストである。コスト２０６ｅには固定的な数値を設定しても良いし、回復量によってコストが変化する場合、コストの算出式を設定しても良い。
　図１４Ｂは、実施例２における運用条件データ２０５を示す図である。実施例２の運用条件データ２０５は、実施例１のものに対して回復容量２０５ｃの情報が追加されている。回復容量２０５ｃは、ＫＰＩ最適化部２１４が決定した、容量回復制御における回復させる容量（回復量）が設定される。容量回復制御を行う期間は開始時刻２０５ｇから終了時刻２０５ｈまである。
　図１５は、実施例２におけるＫＰＩ最適化部２１４の処理を示すフローチャートである。図１５におけるステップ２１４Ｂ１、２１４Ｂ２、２１４Ｂ３は、実施例１には無かった処理である。
　ステップ２１４１にて、ＫＰＩ最適化部２１４は、ＫＰＩ単位データ２０４からＫＰＩ算出式２０４ｃを取得する。
　次に、ステップ２１４Ｂ１にて、ＫＰＩ最適化部２１４は、運用条件変更データ２０６から、容量回復制御の制約条件として、容量回復上限値２０６ｂ、容量回復下限値２０６ｃ、所要時間２０６ｄ、およびコスト２０６ｅを取得する。
　ステップ２１４２にて、ＫＰＩ最適化部２１４は、予測寿命までの電池（セル）の運用条件の候補となる、運用条件パターンの組合せのリストを、出力分配部２１３より取得する。
　続いて、ステップ２１４Ｂ２、２１４Ｂ３、２１４４の処理を、容量回復制御を行うセル、期間、回復量の取りうる全組合せについて行う。
　次に、ステップ２１４Ｂ２にて、ＫＰＩ最適化部２１４は、容量回復制御を行うセル１００および期間と、回復量の初期値とを設定する。セルjの容量回復制御を行う期間をst、回復量(％)をm、容量回復制御を実施する前のセルｊの容量をQst-1、jとすると、容量回復制御を実施した後の容量Qst,jは、式１３のとおり表現される。なお、Qini,jはセルjの初期容量である。
Qst,j＝ Qst-1,j ＋Qini,j＊m/100　(式１３)
　ステップ２１Ｂ３にて、ＫＰＩ最適化部２１４は、出力分配部２１３を呼び出し、容量回復後から予測寿命までの期間のセル群について、容量回復後の容量Qst、jに基づき、出力分配を再計算させ、運用条件パターンの組合せのリストを取得する。
　ステップ２１４４にて、ＫＰＩ最適化部２１４は、リストの中から、期間ｓから予測寿命までの累積ＫＰＩ値が最大となる各期間の最適な運用条件パターンを決定する。
　ここで、実施例２では、容量回復制御により、運用条件を変更した場合には運用条件変更コストがかかるため、累積ＫＰＩ ΣsPsを算出する式が実施例１とは異なる。実施例２においては累積ＫＰＩ ΣsPsの算出に、式１０の代わりに、式１４を用いる。期間sの電池９９あるいはセル１００のjの運用条件変更コストをCchange_s,jとすると、全ての電池９９あるいはセル１００の運用条件変更コストの総和ΣjCchange_s,jの項が加わっている。
ΣsPs = Σs(Rs*bs*ks-ΣjCchange_s,j)- Cinit (式１４)
　実施例２における、その他の制約条件は実施例１のものと同様である。
　容量回復制御を行うセル、期間、回復量の取りうる全組合せについて、ステップ２１４Ｂ２、２１４Ｂ３、２１４４の処理を行ったら、ステップ２２４５にて、ＫＰＩ最適化部２１４は、予測寿命までの累積ＫＰＩ値が最大となる各期間の運用条件の組合せを出力する。
　なお、ここでは、ステップ２１４Ｂ２、２１４Ｂ３、２１４４の処理を、容量回復制御を行うセル、期間、回復量の取りうる全組合せについて行う例を示したが、組合せ数が膨大となる場合など、有望な組合せに絞ってステップ２１４Ｂ２、２１４Ｂ３、２１４４の処理を行うことにしてもよい。
　以上説明したように、実施例２によれば、実施例１で行った劣化抑制制御の処理に加え、ここに説明した容量回復制御の処理を行うことで、累積ＫＰＩ値が最大となるような劣化抑制制御の制御パラメータと、容量回復制御を行うセル、タイミング、および回復量とを含む、運用条件を決定することが可能である。
　実施例２では、ＫＰＩ最適化部２１４は、電池９９あるいはセル１００（蓄電装置）の少なくとも１つの容量回復を実施した場合の運用条件を出力分配部２１３に再計算させ、容量回復を行った場合の運用条件の組合せの新たなリストを作成させる。そして、ＫＰＩ最適化部２１４は、新たなリストの中から、指標値の累積値が最大となる運用条件の組合せを選択する。容量回復の処理を行う場合に指標値の累積値が最大となる運用条件の組合せを選択することができるので、蓄電装置の容量回復を含めた複数の蓄電装置の適切な制御により指標値を向上させることができる。
　また、実施例２では、蓄電装置の容量回復について、回復量の上限値および下限値と、容量回復に要する所要時間と、容量回復の処理に要するコストと、を含む運用条件変更データが予め設定されている。そして、ＫＰＩ最適化部２１４は、その上限値と下限値の間に回復量を設定し、現在時刻以降に容量回復の実施タイミングを設定し、運用条件を出力分配部２１３に再計算させる。更に、ＫＰＩ最適化部２１４は、再計算された運用条件の新たなリストの中から、所要時間には電力供給を行えないことによる損失と容量回復の処理に要するコストとを含む指標値の累積値が最大となる運用条件の組合せを選択する。回復量の上限値および下限値と、容量回復に要する所要時間と、容量回復に要するコストと、を考慮して、指標値の累積値が最大となる運用条件パターンの組合せを選択するので、回復量、容量回復に要する所要時間、回復処理のコストが設定された蓄積装置の容量回復が可能な場合に、複数の蓄電装置を適切に制御して指標値を向上させることができる。
　なお、実施例２では、長寿命化制御として、劣化抑制制御に加えて容量回復制御が可能なシステムを例示したが、本発明がこれに限定されることはない。他の例として、劣化抑制制御を適用せずに容量回復制御を適用したシステムも可能である。
　実施例３では、搭載した蓄電池からの電力で走行するＥＶ（電気自動車）あるいはＨＥＶ（ハイブリッド電気自動車）といった電動車両のエネルギーストレージに実施例２と同様の蓄電池の長寿命化制御を適用した場合を例示する。ここでは実施例３について主に実施例１、２と異なる部分について説明することにする。
　本実施例では、蓄電池からの電力で電動車両を駆動するので、充放電指示に対する電力出力の追従性が高いほど、運転者による運転操作に電動車両の挙動が遅れなく応答するようになる。そのため、例えば、運転操作に対する電動車両の挙動の応答性、あるいは、それによる電動車両ユーザ（運転者）の快適性を、ＫＰＩ値とすることができる。
　ここでは一例として快適性をＫＰＩ値とし、追従度が所定値以下の領域において快適性は追従度に正比例し、追従度が所定値より高い領域において快適性は一定であるものとする。所定値以下の領域では、追従度を上げるほどＫＰＩ値が向上するが、蓄電池の劣化は早く進行する。そのため、追従度を所定の制約の範囲内に収めながら累積ＫＰＩ値を高めるとともに、劣化抑制制御および／または容量回復制御により蓄電池の劣化を低減する。
　図１６は、実施例３における車両に搭載される全体システムの構成を示すブロック図である。車両５００には、複数の電池９９、蓄電池制御装置１０２、およびエネルギーストレージ運転計画システム１０３が搭載されている。複数の電池９９、蓄電池制御装置１０２、およびエネルギーストレージ運転計画システム１０３は通信線５０１で互いに接続されている。それぞれの電池９９は複数のセル１００を含んでいる。
　エネルギーストレージ運転計画システム１０３は、実施例１、２のものと同様に、図２に示した機能構成を有し、図４Ａ～Ｃ、図５Ａ、図５Ｂ、図６に示したデータを保持する。
　なお、入力波形予測データ２００としては、過去の走行履歴に基づいて予測された充放電波形が設定される。追従度制約２０１には、電動車両向けの追従度について、その上限値および下限値が設定される。ＫＰＩ単位データ２０４には、電動車両ユーザ向けの快適性指標であるＫＰＩの算出式が設定される。快適性の指標値の算出式は、先に例示したようにパラメータとして追従度を含む式である。
　以上のように、実施例３では、エネルギーストレージは、電動車両に電力を供給するものである。指標値は、運転操作に対する電動車両の挙動の応答性に基づく値である。そのため、電動車両の応答性あるいはそれに基づくユーザの快適性の指標値の蓄電装置が寿命となるまでの累積値（累積ＫＰＩ値）を最大化することができる。
　また、実施例３によれば、電動車両のシステムにおいても累積ＫＰＩ値が最大となるような劣化抑制制御の制御パラメータと、容量回復制御を行うセル、タイミング、および回復量と、を含む運用条件を決定することが可能となる。
　上述した本発明の実施例１～３は、本発明の説明のための例示であり、本発明の範囲をそれらの実施例のみに限定する趣旨ではない。当業者は、本発明の要旨を逸脱することなしに、他の様々な態様で本発明を実施することができる。
１０…アンシラリーサービス事業者システム、１００…セル、１０１…ＰＣＳ、１０２…蓄電池制御装置、１０３…エネルギーストレージ運転計画システム、２００…入力波形予測データ、２００ａ…時刻、２００ｂ…予測入力指令、２０１…追従度制約データ、２０１ｂ…下限値、２０１ｃ…上限値、２０１ｄ…最良値、２０１ｅ…指標値算出式、２０１ｆ…累積指標、２０１ｇ…係数、２０２…劣化挙動モデル、２０２ａ…モデルＩＤ、２０２ｂ…劣化挙動モデル式、２０３…マスタデータ、２０３ｂ…初期容量、２０３ｃ…ＳＯＣ下限値、２０３ｄ…ＳＯＣ上限値、２０３ｅ…コスト、２０４…ＫＰＩ単位データ、２０４ａ…サービスＩＤ、２０４ｂ…ＫＰＩ ＩＤ、２０４ｃ…ＫＰＩ算出式、２０５…運用条件データ、２０５ａ…電池ＩＤ、２０５ｂ…運用条件ＩＤ、２０５ｃ…回復容量、２０５ｄ…Ｃレート、２０５ｄ…最大Ｃレート、２０５ｅ…中心ＳＯＣ、２０５ｆ…ＳＯＣ、２０５ｇ…開始時刻、２０５ｈ…終了時刻、２０６…運用条件変更データ、２０６ａ…電池ＩＤ、２０６ｂ…容量回復上限値、２０６ｃ…容量回復下限値、２０６ｄ…所要時間、２０６ｅ…コスト、２１０…内部情報収集部、２１１…内部状態推定部、２１２…寿命予測部、２１３…出力分配部、２１４…ＫＰＩ最適化部、３…出力分配候補、３２１…曲線、３２２…曲線、５０…電力系統、５００…車両、５０１…通信線、６０…通信ネットワーク、８…追従度、８０…系統運用機関システム、９…追従度、９９…電池
 
 

Claims (12)

  1. 　充放電が可能な複数の蓄電装置を制御するための運用条件を決定するエネルギーストレージ運転計画システムであって、
    　前記蓄電装置のそれぞれについて測定された収集データを取得する内部情報収集部と、
    　前記収集データに基づき、前記蓄電装置のそれぞれの劣化度を推定する内部状態推定部と、
    　前記蓄電装置の劣化挙動を示す劣化挙動モデルと前記劣化度とに基づき、前記蓄電装置のそれぞれがいつまで電力を供給できるかを予測した予測寿命を算出する寿命予測部と、
    　複数の前記蓄電装置の合成出力が予想される入力波形に追従し、かつ、前記蓄電装置の前記予測寿命までの期間が長くなるように、所定期間毎に前記各蓄電装置への出力分配を定めた、前記各蓄電装置の運用条件の組合せを１つ以上含むリストを生成する出力分配部と、
    　前記リストの中から、電力供給の有益性を評価する指標値の前記予測寿命までの累積値が最大となる運用条件の組合せを選択する最適化部と、
    を有するエネルギーストレージ運転計画システム。
  2. 　前記出力分配部は、複数の前記蓄電装置の合成出力が前記入力波形に追従し、かつ、前記蓄電装置の合計の劣化量が低減されるように、前記各蓄電装置の運用条件の組合せのリストを生成する、請求項１に記載のエネルギーストレージ運転計画システム。
  3. 　前記入力波形に対する前記合成出力の選択可能な追従度が複数あり、追従度は高いほど前記指標値は大きく、
    　前記出力分配部は、前記複数の追従度のそれぞれについて、前記合成出力が前記入力波形にそれぞれの前記追従度で追従し、かつ、前記蓄電装置の合計の劣化量が低減されるような前記各蓄電装置の運用条件の組合せを生成し、前記リストに含め、
    　前記最適化部は、前記リストの中から、前記指標値の前記予測寿命までの累積値が最大となる追従度の運用条件の組合せを選択する、
    請求項２に記載のエネルギーストレージ運転計画システム。
  4. 　前記劣化挙動モデルは、蓄電装置の劣化量を算出可能にする情報であり、
    　前記出力分配部は、前記劣化挙動モデルに基づいて算出される、前記複数の蓄電装置の劣化量の合計が最小となるように、前記合成出力に占める前記複数の蓄電装置のそれぞれの出力の割合を決定する、
    請求項２に記載のエネルギーストレージ運転計画システム。
  5. 　複数の劣化度に対応する複数の劣化挙動モデルが保持されており、
    　前記寿命予測部は、前記内部状態推定部で推定された劣化度に基づき、前記複数の劣化挙動モデルの中からいずれか１つの劣化挙動モデルを選択して用いる、
    請求項１に記載のエネルギーストレージ運転計画システム。
  6. 　前記蓄電装置の少なくとも１つは劣化した容量を回復させる容量回復が可能であり、
    　前記最適化部は、前記蓄電装置の少なくとも１つの容量回復を実施した場合の運用条件を前記出力分配部に再計算させ、容量回復を行った場合の運用条件の組合せの新たなリストを作成させ、前記新たなリストの中から、前記指標値の前記累積値が最大となる運用条件の組合せを選択する、
    請求項１に記載のエネルギーストレージ運転計画システム。
  7. 　前記蓄電装置の容量回復について、回復量の上限値および下限値と、容量回復に要する所要時間と、容量回復の処理に要するコストと、を含む運用条件変更データが予め設定されており、
    　前記最適化部は、前記上限値と前記下限値の間に回復量を設定し、現在時刻以降に容量回復の実施タイミングを設定し、前記運用条件を前記出力分配部に再計算させ、再計算された前記運用条件の前記新たなリストの中から、前記所要時間には電力供給を行えないことによる損失と前記容量回復の処理に要するコストとを含む前記指標値の前記累積値が最大となる運用条件の組合せを選択する、
    請求項６に記載のエネルギーストレージ運転計画システム。
  8. 　前記エネルギーストレージは、アンシラリーサービスとして電力系統に対して電力を授受するものであり、
    　前記指標値は、前記アンシラリーサービスにおける電力供給に対する報酬に基づく値である、
    請求項１に記載のエネルギーストレージ運転計画システム。
  9. 　前記エネルギーストレージは、電動車両に電力を供給するものであり、
    　前記指標値は、運転操作に対する前記電動車両の挙動の応答性に基づく値である、
    請求項１に記載のエネルギーストレージ運転計画システム。
  10. 　充放電が可能な複数の蓄電装置を制御するための運用条件を決定する運用条件決定方法であって、
    　前記蓄電装置のそれぞれについて測定された収集データを取得し、
    　前記収集データに基づき、前記蓄電装置のそれぞれの劣化度を表す内部状態を推定し、
    　前記蓄電装置の劣化挙動を示す劣化挙動モデルと前記劣化度とに基づき、前記蓄電装置のそれぞれがいつまで電力を供給できるかを予測した予測寿命を算出し、
    　複数の前記蓄電装置の合成出力が予想される入力波形に追従し、かつ、前記蓄電装置の前記予測寿命までの期間が長くなるように、所定期間毎に前記各蓄電装置への出力分配を定めた、前記各蓄電装置の運用条件の組合せのリストを生成し、
    　前記リストの中から、電力供給の有益性を評価する指標値の前記予測寿命までの累積値が最大となる運用条件の組合せを選択する、
    を有する運用条件決定方法。
  11. 　前記リストを生成するとき、複数の前記蓄電装置の合成出力が前記入力波形に追従し、かつ、前記蓄電装置の合計の劣化量が低減されるように、前記各蓄電装置の運用条件の組合せのリストを生成する、請求項１０に記載の運用条件決定方法。
  12. 　前記蓄電装置の少なくとも１つは容量回復が可能であり、
    　前記指標値の前記累積値が最大となる運用条件の組合せを選択するとき、
    　前記蓄電装置の少なくとも１つの容量回復を実施した場合の運用条件を再計算し、容量回復を行った場合の運用条件の組合せの新たなリストを作成し、前記新たなリストの中から前記運用条件の組合せを選択する、
    請求項１０に記載の運用条件決定方法。
     
PCT/JP2014/072294 2014-08-26 2014-08-26 エネルギーストレージ運転計画システムおよび運用条件決定方法 Ceased WO2016030967A1 (ja)

Priority Applications (1)

Application Number Priority Date Filing Date Title
PCT/JP2014/072294 WO2016030967A1 (ja) 2014-08-26 2014-08-26 エネルギーストレージ運転計画システムおよび運用条件決定方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
PCT/JP2014/072294 WO2016030967A1 (ja) 2014-08-26 2014-08-26 エネルギーストレージ運転計画システムおよび運用条件決定方法

Publications (1)

Publication Number Publication Date
WO2016030967A1 true WO2016030967A1 (ja) 2016-03-03

Family

ID=55398911

Family Applications (1)

Application Number Title Priority Date Filing Date
PCT/JP2014/072294 Ceased WO2016030967A1 (ja) 2014-08-26 2014-08-26 エネルギーストレージ運転計画システムおよび運用条件決定方法

Country Status (1)

Country Link
WO (1) WO2016030967A1 (ja)

Cited By (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2018084152A1 (ja) * 2016-11-01 2018-05-11 本田技研工業株式会社 蓄電装置、輸送機器及び制御方法
WO2021176748A1 (ja) * 2020-03-06 2021-09-10 株式会社日立ハイテク 電池特性決定装置及び二次電池システム
US20220416548A1 (en) * 2021-06-23 2022-12-29 TWAICE Technologies GmbH Operational planning for battery-based energy storage systems considering battery aging
WO2023223618A1 (ja) * 2022-05-20 2023-11-23 三菱重工業株式会社 充放電制御装置、充放電制御方法、およびプログラム
US12493078B2 (en) 2024-10-11 2025-12-09 Zitara Technologies, Inc. System and method for degradation based battery control

Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2010159661A (ja) * 2009-01-07 2010-07-22 Shin Kobe Electric Mach Co Ltd 風力発電用蓄電池制御システム及びその制御方法
JP2012060833A (ja) * 2010-09-10 2012-03-22 Kansai Electric Power Co Inc:The 蓄電装置を用いたアンシラリーサービス提供装置
WO2013038458A1 (ja) * 2011-09-16 2013-03-21 株式会社日立製作所 電力配分装置
JP2013168010A (ja) * 2012-02-15 2013-08-29 Sanyo Electric Co Ltd 電力制御システム
JP2014063576A (ja) * 2012-09-20 2014-04-10 Sekisui Chem Co Ltd 蓄電池管理装置、蓄電池管理方法及びプログラム
JP2014063693A (ja) * 2012-09-24 2014-04-10 Toshiba Corp 二次電池装置および電池容量推定システム

Patent Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2010159661A (ja) * 2009-01-07 2010-07-22 Shin Kobe Electric Mach Co Ltd 風力発電用蓄電池制御システム及びその制御方法
JP2012060833A (ja) * 2010-09-10 2012-03-22 Kansai Electric Power Co Inc:The 蓄電装置を用いたアンシラリーサービス提供装置
WO2013038458A1 (ja) * 2011-09-16 2013-03-21 株式会社日立製作所 電力配分装置
JP2013168010A (ja) * 2012-02-15 2013-08-29 Sanyo Electric Co Ltd 電力制御システム
JP2014063576A (ja) * 2012-09-20 2014-04-10 Sekisui Chem Co Ltd 蓄電池管理装置、蓄電池管理方法及びプログラム
JP2014063693A (ja) * 2012-09-24 2014-04-10 Toshiba Corp 二次電池装置および電池容量推定システム

Cited By (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2018084152A1 (ja) * 2016-11-01 2018-05-11 本田技研工業株式会社 蓄電装置、輸送機器及び制御方法
JPWO2018084152A1 (ja) * 2016-11-01 2019-09-19 本田技研工業株式会社 蓄電装置、輸送機器及び制御方法
US11108090B2 (en) 2016-11-01 2021-08-31 Honda Motor Co., Ltd. Power storage device, transport equipment, and control method
WO2021176748A1 (ja) * 2020-03-06 2021-09-10 株式会社日立ハイテク 電池特性決定装置及び二次電池システム
US20220416548A1 (en) * 2021-06-23 2022-12-29 TWAICE Technologies GmbH Operational planning for battery-based energy storage systems considering battery aging
WO2023223618A1 (ja) * 2022-05-20 2023-11-23 三菱重工業株式会社 充放電制御装置、充放電制御方法、およびプログラム
JP2023170814A (ja) * 2022-05-20 2023-12-01 三菱重工業株式会社 充放電制御装置、充放電制御方法、およびプログラム
JP7745507B2 (ja) 2022-05-20 2025-09-29 三菱重工業株式会社 充放電制御装置、充放電制御方法、およびプログラム
US12493078B2 (en) 2024-10-11 2025-12-09 Zitara Technologies, Inc. System and method for degradation based battery control

Similar Documents

Publication Publication Date Title
JP5447282B2 (ja) 自然エネルギー利用システム用鉛蓄電池および鉛蓄電池システム
Infante et al. Optimal recourse strategy for battery swapping stations considering electric vehicle uncertainty
CN113366727B (zh) 能源管理系统以及能源管理方法
US10218201B2 (en) Charge and discharge control apparatus and method
JP6482819B2 (ja) グリッドタイ・エネルギ背景の経済的最適化のための戦略的モデリング
CN113325316A (zh) 信息计算系统和信息计算方法
JP2018082618A (ja) バッテリ充電方法、バッテリ充電情報生成方法、及びバッテリ充電装置
KR101581685B1 (ko) 에너지 저장장치의 충방전 스케줄링 장치 및 방법
JP7380585B2 (ja) 蓄電素子評価装置、コンピュータプログラム、蓄電素子評価方法、学習方法及び生成方法
Pelzer et al. Energy arbitrage through smart scheduling of battery energy storage considering battery degradation and electricity price forecasts
WO2016030967A1 (ja) エネルギーストレージ運転計画システムおよび運用条件決定方法
JPWO2016114147A1 (ja) 蓄電池制御システム、蓄電池制御方法、及び、記録媒体
Kolawole et al. The impact of EV battery cycle life on charge-discharge optimization in a V2G environment
Bayram et al. Pricing-based distributed control of fast EV charging stations operating under cold weather
JP2021158838A (ja) 制御装置、管理サーバ、制御方法、およびプログラム
Chen et al. Battery valuation and management for battery swapping station
CN117621932A (zh) 用于车辆的电池热管理方法和系统
CN112446539A (zh) 一种充电站的选址方法、装置、计算机设备和存储介质
CN120433364A (zh) 电池储能系统、电池储能系统参数调节方法、装置、计算机设备和存储介质
EP4424545A1 (en) Provision of charging plans for electric vehicles
KR20240062952A (ko) 배터리 교환 제어 장치 및 배터리 교환 제어 시스템
JP2016220477A (ja) 電力系統計画作成装置
JP7722314B2 (ja) サーバ、システム、および、管理方法
CN118034253B (zh) 车辆动力系统控制参数在线优化标定方法、系统及设备
Levingstan et al. A novel two-stage game theory-based data-driven coordination control for efficient power allocation and EV charging management

Legal Events

Date Code Title Description
121 Ep: the epo has been informed by wipo that ep was designated in this application

Ref document number: 14900490

Country of ref document: EP

Kind code of ref document: A1

NENP Non-entry into the national phase

Ref country code: DE

122 Ep: pct application non-entry in european phase

Ref document number: 14900490

Country of ref document: EP

Kind code of ref document: A1

NENP Non-entry into the national phase

Ref country code: JP