充電状態 (SOC) の推定

SOCの定義と意義

BMSの場合には、SOCは重要な変数です。バッテリーの使用可能容量または残容量は、定格容量のパーセンテージとして示され、SOCと呼ばれます。簡単に言えば、SOCはバッテリーの電池残量計と呼ばれ、バッテリーの再充電が必要になるまでの残りのエネルギー量を示します。

$$SOC(t)=\frac{Q_{remaining}(t)}{Q_{max}(t)} \times 100 [\%]$$

SOCはバッテリーの機能安全性、効率、寿命に直接影響するため、この概念を理解することが重要です。正確なSOC推定の支援により、ユーザーは電力管理技術を最適化し、バッテリーを損傷する可能性のある過放電や過充電などの状況を回避できます。

SOCの推定方法

電圧ベースの方法: SOCを評価するには、これが最も簡単な手法です。バッテリーが放電すると端子電圧が低下し、残りの容量のおおよその推定値を提供します。ただし、経年変化、温度、負荷電流などのパラメータがこの方法の精度に影響を及ぼします。

クーロンカウント法: この方法では、残りの電荷を計算するために、電流の流入と流出を計算します。この方法は電圧ベースの方法よりも正確ですが、非効率性と自己放電のために誤差が増大する傾向があり、定期的に修正する必要があります。

カルマンフィルタリング: 間接的に測定でき、ノイズを含むパラメータを計算するために使用される数学的装置は、カルマンフィルタとして知られます。測定における不確実性とノイズを考慮し、正確なSOC推定値も提供します。

ニューラルネットワーク: 人間の脳の機能に刺激されて、この複雑なシステムはデータから学習することができます。過去の充電および放電サイクルに依存するSOCはニューラルネットワークによって推定できるため、時間の経過とともに精度が向上します。

電気化学インピーダンス分光法 (EIS): この技術では、SOCを推定するために、小さなAC電圧を印加し、電流の応答を観察します。一般的なBMSアプリケーションの場合、これは最も正確な方法の1つです。しかし、それに伴う課題と価格のせいで、あまり人気がありません。

SOC推定における課題

SOCの推定にはさまざまな課題が伴います。たとえば、バッテリーの動作は経年劣化や使用状況により時間とともに変化する可能性があるため、SOCの推定は困難になります。さらに、バッテリーのパフォーマンスは温度や電流率などの多くの環境要素の影響を受け、SOCの推定がさらに複雑になります。

バッテリーパックのSOC制限の推定

完全なSOC推定: バッテリーが完全に充電された状態は、完全なSOCを示します。バッテリーを過充電すると、バッテリーが損傷し、寿命が短くなる可能性があります。そのため、過充電を防ぐために、正確で完全なSOC推定を行うことが必須です。

空のSOC推定: バッテリーが完全に放電された状態を空のSOC推定といいます。過放電によりバッテリーの損傷や容量損失が発生する可能性がありますが、空のSOCを適切に推定することでこれを回避できます。

パックSOC推定: 複数セルを備えた完全なバッテリーパックのSOC推定は、パックの健全性とパフォーマンスを効果的に管理するために重要です。

正確なSOC推定の応用と重要性

正確なSOC推定により、多種多様な使用事例が実現します。電気自動車の予定航続距離をドライバに伝えます。また、再生可能エネルギーシステムにおいてエネルギーを効率的に管理します。携帯機器の場合、充電が必要になるまでデバイスをいつまで使用できるかをユーザーに通知します。したがって、あらゆるバッテリー駆動システムでは、安全で信頼性が高く効率的な動作を実現するために、SOC評価の精度が重要になります。

健全性状態 (SOH) の推定

SOHの定義と意義

バッテリーの正常な状態と、新品時の公称性能と比較して性能を発揮する能力を示す推定値は、SOHと呼ばれます。通常、容量損失のない完全に健全なバッテリーを100%とした性能で示されます。経年劣化、使用状況、環境状況、充電サイクルなどの要因により、バッテリーのSOHは時間の経過とともに最終的に減少します。

$$SoH(t)=\frac {Q_{max}(t)}{Q_{nominal}(t)} \times 100 [\%]$$

SOH評価は、メンテナンス、交換、最適な利用などの決定に影響を与える可能性のあるバッテリーの残りの耐用年数に関する情報を提供します。したがって、バッテリー管理を成功させる上で重要な役割を果たします。SOHを正しく理解することで、システムの信頼性の向上、コストの削減、予測できないバッテリー障害の防止を実現できます。

SOHの推定方法

SOHの評価は複数の手法で実行できますが、それぞれに長所と短所があります。

容量比較: バッテリーの現在の最大容量と新品時の最大容量を比較する最も簡単な方法です。これは、完全な充電放電サイクルを実行し、総充電容量を計算することによって可能になります。

モデルベースの推定: この手法では、バッテリーの動作を複製する数学的モデルまたは物理モデルが作成されます。これらのモデルを実際の測定データに合わせて調整することで、SOHを計算できます。

機械学習技術: SOH評価では、人工知能の台頭により機械学習技術が急上昇しています。サポートベクターマシンやニューラルネットワークなどの手順では、過去のデータを調べることでバッテリーの状態を正確に予測できます。

インピーダンス測定: バッテリーが古くなると、内部インピーダンスが上昇します。インピーダンスを測定し、それをベースライン値と比較することで、バッテリーの状態を簡単に計算できます。

正確なSOH推定の応用と重要性

多くのアプリケーションでは、正確なSOH推定が重要な役割を果たします。電気自動車のバッテリーのSOHを把握することで、バッテリーの交換時期の判断や、バッテリー寿命に合わせた運転の最適化が可能になります。SOHに関する知識があれば、メンテナンススケジュールを立てたり、エネルギー貯蔵システムの電源の信頼性を高めたりすることができます。SOHを理解することで、ユーザーは使用状況や充電の習慣を管理し、ポータブル電子機器のバッテリー寿命を延ばすことができます。

ユーザーとシステム管理者は、バッテリーのSOHを正確に測定することで、バッテリーの寿命を延ばし、安全性を高め、それに応じてバッテリーの使用と交換に関する決定を下すことができます。したがって、BMSの世界では、SOH推定技術の向上が継続的に重要な焦点になる可能性があります。

電力状態 (SOP) の推定

SOPの定義と意義

特定の時点で、バッテリーが一定の電力を供給または吸収する能力は、電力状態 (SOP) と呼ばれます。これは、バッテリーのSOC、SOH、および動作条件 (温度や電流など) の関数です。これは、ピーク電力と公称電力の比率として定義でき、瞬間的な電力の利用可能性を表します。電気自動車やグリッドストレージシステムなど、高速電力を必要とするアプリケーションでは、SOPの知識が電力管理に不可欠です。

$$SoP(t)=\frac {P_{max}(t)}{P_{nominal}(t)} \times 100 [\%]$$

SOPの推定方法

SOPを計算するには、それぞれ異なる課題と精度を持つ複数の手法を使用できます。

電圧ベースの方法: 開回路電圧と利用可能な電力の相関関係がこの技術の基礎となります。ただし、バッテリーの老朽化や温度の影響などのパラメータにより、それほど正確ではない場合があります。

クーロンカウント法: バッテリーの内部抵抗と最大放電電流を考慮することで、この方法をSOP評価に拡張できます。クーロンカウント法はSOC推定にも使用されます。ただし、この方法では頻繁な較正が必要となり、時間の経過とともに誤差が蓄積される可能性があります。

電気等価回路モデル: このモデルは、内部抵抗と容量効果を考慮して、バッテリーの動作を再現します。利用可能な電力は、等回路方程式を解くことによって計算できます。

機械学習技術: この方法により、SOPと、電圧、電流、温度、老朽化要因などの複数の測定可能なパラメータとの関係を把握できます。機械学習は、適切なトレーニングデータを使用して非常に正確なSOP評価を提供します。

正確なSOP推定の応用と重要性

バッテリー駆動システムを効果的に機能させるには、正確なSOP評価が重要です。加速時や回生ブレーキ時の最適なパフォーマンスを保証し、電気自動車内の複数のシステム間の配電処理を支援できます。正確なSOPは、最も高い負荷要件を処理し、グリッドストレージ システムの予期しない電力不足を回避するのに役立ちます。さらに、電力を必要とするアプリケーションの処理を支援し、携帯電子機器のバッテリー寿命を延ばします。

その結果、バッテリーのSOPを正確に評価できるため、電力管理の向上、パフォーマンスの最適化、バッテリー寿命の延長、ユーザーエクスペリエンスの向上を実現できます。結果的に、バッテリー管理システムでは、増大したSOP計算の研究は引き続き活発なエリアになっています。

その他の推定パラメータ

稼働時間、充電時間、瞬間電力

SOC、SOH、SOP以外にも、実行時間、充電時間、瞬間電力などの評価要素がバッテリー管理システムで頻繁に使用されます。

特定の動作条件下で、バッテリーが継続的に電力を供給できる時間を動作時間と呼びます。ポータブル車や携帯電子機器などのアプリケーションでは、ユーザーがバッテリーの残量と再充電時間を把握する必要があるため、この要素は極めて重要な役割を果たします。

特定の条件下では、充電時間とは、バッテリーを空の状態から最大容量まで充電するのに必要な合計時間を指します。電気自動車などのアプリケーションでは、バッテリーの充電時間はユーザーの利便性と機能の準備において重要なパラメータです。

現在のSOC、温度、バッテリーの状態など、さまざまな要因を考慮して、特定の時点でバッテリーが供給できる電力量は瞬時電力で表されます。電力機器や電気自動車など、変動する負荷需要があり、短期間に電力バーストを提供する能力が必須となるアプリケーションでは、この要素が重要な役割を果たします。

向上した推定パラメータのアプリケーション

BMSによって提供される情報は、これらの最新の要素によってさらに充実し、バッテリーシステムの安全性、パフォーマンス、寿命を最適化する機能が向上します。実行時間評価の支援により、エンドユーザーは使用計画を立て、医療機器、無人航空機 (ドローン)、または携帯電子機器で重要な予測できない電源遮断を防ぐことができます。

電気自動車の充電ステーションや太陽光発電システムでは、充電時間の推定がインフラ計画に貢献します。ユーザーは充電を中心に活動を計画することができ、電力会社は正確な充電見積もりによってパワーグリッドの要件をより生産的に処理することができます。

最後に、高電力アプリケーションでは瞬時の電力推定が必要です。たとえば、利用可能な電力の推定はパワートレインの制御を支援し、電気自動車のパフォーマンスと効率を最適化します。また、需要の急速な変化により、システムを効率的にグリッドストレージシステムに戻すこともできます。

一般に、これらの向上した推定パラメータにより、バッテリーの状態と可能性をより徹底的に把握できるようになり、より複雑な制御技術が可能になり、ユーザーとシステムオペレータにバッテリーシステムに関するより徹底した有益な情報が提供されます。