JP6221884B2 - Estimation program, estimation method, and estimation apparatus - Google Patents
Estimation program, estimation method, and estimation apparatus Download PDFInfo
- Publication number
- JP6221884B2 JP6221884B2 JP2014062744A JP2014062744A JP6221884B2 JP 6221884 B2 JP6221884 B2 JP 6221884B2 JP 2014062744 A JP2014062744 A JP 2014062744A JP 2014062744 A JP2014062744 A JP 2014062744A JP 6221884 B2 JP6221884 B2 JP 6221884B2
- Authority
- JP
- Japan
- Prior art keywords
- value
- charging rate
- battery
- measured current
- kalman filter
- 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.)
- Expired - Fee Related
Links
- 238000000034 method Methods 0.000 title claims description 43
- 238000005259 measurement Methods 0.000 claims description 77
- 239000011159 matrix material Substances 0.000 claims description 52
- 230000001052 transient effect Effects 0.000 claims description 14
- HBBGRARXTFLTSG-UHFFFAOYSA-N Lithium ion Chemical compound [Li+] HBBGRARXTFLTSG-UHFFFAOYSA-N 0.000 description 25
- 229910001416 lithium ion Inorganic materials 0.000 description 25
- 230000006866 deterioration Effects 0.000 description 12
- 238000010586 diagram Methods 0.000 description 12
- 230000006870 function Effects 0.000 description 12
- 238000007599 discharging Methods 0.000 description 2
- 230000010365 information processing Effects 0.000 description 2
- 239000004065 semiconductor Substances 0.000 description 2
- BHPQYMZQTOCNFJ-UHFFFAOYSA-N Calcium cation Chemical compound [Ca+2] BHPQYMZQTOCNFJ-UHFFFAOYSA-N 0.000 description 1
- 229910001424 calcium ion Inorganic materials 0.000 description 1
- 230000001419 dependent effect Effects 0.000 description 1
- 230000002542 deteriorative effect Effects 0.000 description 1
- 230000005611 electricity Effects 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 230000010354 integration Effects 0.000 description 1
- 229910000625 lithium cobalt oxide Inorganic materials 0.000 description 1
- GELKBWJHTRAYNV-UHFFFAOYSA-K lithium iron phosphate Chemical compound [Li+].[Fe+2].[O-]P([O-])([O-])=O GELKBWJHTRAYNV-UHFFFAOYSA-K 0.000 description 1
- BFZPBUKRYWOWDV-UHFFFAOYSA-N lithium;oxido(oxo)cobalt Chemical compound [Li+].[O-][Co]=O BFZPBUKRYWOWDV-UHFFFAOYSA-N 0.000 description 1
- 229910052987 metal hydride Inorganic materials 0.000 description 1
- 239000002070 nanowire Substances 0.000 description 1
- 229910052759 nickel Inorganic materials 0.000 description 1
- PXHVJJICTQNCMI-UHFFFAOYSA-N nickel Substances [Ni] PXHVJJICTQNCMI-UHFFFAOYSA-N 0.000 description 1
- -1 nickel metal hydride Chemical class 0.000 description 1
- 238000010606 normalization Methods 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 229920000642 polymer Polymers 0.000 description 1
- 230000026676 system process Effects 0.000 description 1
Images
Classifications
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02E—REDUCTION OF GREENHOUSE GAS [GHG] EMISSIONS, RELATED TO ENERGY GENERATION, TRANSMISSION OR DISTRIBUTION
- Y02E60/00—Enabling technologies; Technologies with a potential or indirect contribution to GHG emissions mitigation
- Y02E60/10—Energy storage using batteries
Landscapes
- Tests Of Electric Status Of Batteries (AREA)
- Secondary Cells (AREA)
Description
本発明は、推定プログラム、推定方法および推定装置に関する。 The present invention relates to an estimation program, an estimation method, and an estimation apparatus.
近年、電気自動車や電動バイク等では、二次電池をモジュールごと交換することで、充電時間による使用時間のロスを無くす運用が知られている。また、電気自動車や電動バイク等に用いられる二次電池として、リチウムイオン二次電池が用いられる場合がある。電池モジュールを交換する運用では、個々の電池モジュールにおけるリチウムイオン二次電池の充電率であるSoC(States of Charge)を管理することが必要である。SoCは、リチウムイオン二次電池内部の電気量を測ることで測定可能であるが、実運用中に測定することは難しい。このため、実運用中のSoCは、測定可能な端子電圧と電流から推定する。SoCの推定は、リチウムイオン二次電池を電気回路としてとらえた等価電気回路モデルに対して、カルマンフィルタを適用することで推定する。 2. Description of the Related Art In recent years, in an electric vehicle, an electric motorcycle, or the like, an operation is known in which a use time loss due to a charging time is eliminated by exchanging a secondary battery for each module. Moreover, a lithium ion secondary battery may be used as a secondary battery used for an electric vehicle, an electric motorcycle, or the like. In the operation of replacing the battery module, it is necessary to manage the SoC (States of Charge) that is the charging rate of the lithium ion secondary battery in each battery module. SoC can be measured by measuring the amount of electricity inside the lithium ion secondary battery, but it is difficult to measure during actual operation. For this reason, the SoC in actual operation is estimated from the measurable terminal voltage and current. The SoC is estimated by applying a Kalman filter to an equivalent electric circuit model in which a lithium ion secondary battery is regarded as an electric circuit.
しかしながら、リチウムイオン二次電池の内部抵抗は、温度、SoC、電流等の要因によって変化するので、カルマンフィルタを適用する等価電気回路モデルとの誤差が生じる。従って、内部抵抗に基づく電圧から予測される端子電圧に、実測した端子電圧との誤差が生じる。カルマンフィルタは、端子電圧の誤差に基づいて予測を修正するが、端子電圧の誤差は電流に対する依存度が大きいため、大電流時には誤差が大きくなる。このため、カルマンフィルタは、大電流時に端子電圧に対して過剰な修正を行うので、SoCの推定精度を著しく劣化させる。 However, since the internal resistance of the lithium ion secondary battery changes depending on factors such as temperature, SoC, and current, an error from the equivalent electric circuit model to which the Kalman filter is applied occurs. Therefore, an error from the measured terminal voltage occurs in the terminal voltage predicted from the voltage based on the internal resistance. The Kalman filter corrects the prediction based on the error of the terminal voltage. However, since the error of the terminal voltage is highly dependent on the current, the error becomes large at a large current. For this reason, the Kalman filter performs excessive correction on the terminal voltage at the time of a large current, so that the estimation accuracy of SoC is significantly deteriorated.
一つの側面では、本発明は、充電率の推定精度の劣化を防止できる推定プログラム、推定方法および推定装置を提供することにある。 In one aspect, the present invention is to provide an estimation program, an estimation method, and an estimation apparatus that can prevent deterioration in estimation accuracy of a charging rate.
一つの態様では、推定プログラムは、コンピュータに、電池の測定電流および測定端子電圧に基づいて、カルマンフィルタを用いて前記電池の充電率および予測端子電圧を算出し、前記測定端子電圧と前記予測端子電圧との差分を算出する処理を実行させる。また、推定プログラムは、コンピュータに、前記差分を前記測定電流の絶対値で除算した値と、前記カルマンフィルタのカルマンゲインとに基づいて修正値を算出する処理を実行させる。また、推定プログラムは、該修正値における前記電池の等価電気回路モデルの電流変化に対する過渡的な電圧に対応する成分に、前記測定電流の絶対値を乗算して、前記充電率を補正する処理を実行させる。 In one aspect, the estimation program calculates a charging rate and a predicted terminal voltage of the battery using a Kalman filter based on the measured current and measured terminal voltage of the battery, and the measured terminal voltage and the predicted terminal voltage. The process which calculates the difference with is executed. The estimation program causes the computer to execute a process of calculating a correction value based on a value obtained by dividing the difference by the absolute value of the measured current and a Kalman gain of the Kalman filter. Further, the estimation program performs a process of correcting the charging rate by multiplying a component corresponding to a transient voltage with respect to a current change of the equivalent electric circuit model of the battery at the corrected value by the absolute value of the measured current. Let it run.
充電率の推定精度の劣化を防止できる。 It is possible to prevent the deterioration of the charging rate estimation accuracy.
以下、図面に基づいて、本願の開示する推定プログラム、推定方法および推定装置の実施例を詳細に説明する。なお、本実施例により、開示技術が限定されるものではない。また、以下の実施例は、矛盾しない範囲で適宜組みあわせてもよい。 Hereinafter, embodiments of an estimation program, an estimation method, and an estimation apparatus disclosed in the present application will be described in detail based on the drawings. The disclosed technology is not limited by the present embodiment. Further, the following embodiments may be appropriately combined within a consistent range.
図1は、実施例1の推定装置の構成の一例を示すブロック図である。図1に示す推定装置100は、測定部101と、出力部102と、記憶部120と、制御部130とを有する。推定装置100は、例えば、リチウムイオン二次電池モジュールに組み込まれる。また、推定装置100は、セルの充放電を制御する制御部を含んでもよい。なお、推定装置100は、例えば、電気自動車や電動バイク等の制御装置の一機能として実装して、リチウムイオン二次電池モジュールを制御するようにしてもよい。
FIG. 1 is a block diagram illustrating an example of the configuration of the estimation apparatus according to the first embodiment. The
測定部101は、リチウムイオン二次電池の電流および端子電圧を測定する。測定部101は、例えば、電流計および電圧計で、それぞれ電流および端子電圧を測定する。測定部101は、測定された電流および端子電圧を、それぞれ測定電流および測定端子電圧として制御部130に出力する。また、測定部101は、リチウムイオン二次電池の動作モードを取得して制御部130に出力する。
出力部102は、制御部130から充電率情報が入力されると、充電率情報を、例えば、他の装置に出力する。ここで、他の装置は、例えば、電気自動車や電動バイク等であれば、車両の制御装置であり、例えば、スマートフォン等の携帯情報端末であれば、画面を表示する表示部である。他の装置は、充電率情報が入力されると、例えば、使用者が視認できるように、車両のメータや表示部に充電率を表示する。
When the charging rate information is input from the
記憶部120は、例えば、RAM(Random Access Memory)、フラッシュメモリ(Flash Memory)等の半導体メモリ素子、ハードディスクや光ディスク等の記憶装置によって実現される。記憶部120は、条件記憶部121を有する。また、記憶部120は、制御部130での処理に用いる情報を記憶する。
The
条件記憶部121は、OCV(Open Circuit Voltage)特性曲線、カルマンフィルタの各種パラメータ、等価電気回路モデルの各パラメータ、閾値r、閾値a等を記憶する。OCV特性曲線は、リチウムイオン二次電池のOCV−SoC特性を示すグラフであり、詳細は後述する。カルマンフィルタの各種パラメータとしては、例えば、予測ノイズを示すΣv、および、測定ノイズを示すΣw等が挙げられる。等価電気回路モデルの各パラメータは、後述するR0、R1、R2、C1、C2等が挙げられる。なお、等価電気回路モデルの各パラメータは、予め実際のリチウムイオン二次電池に合致するように設定する。
The
閾値rは、測定端子電圧とカルマンフィルタにより予測された予測端子電圧との差分である誤差を、電流に対して正規化する際に場合分けを行う閾値である。閾値rは、例えばr=5とすることができる。閾値aは、カルマンフィルタによる充電率の補正値に突発的な過剰誤差が発生した場合に、過剰誤差による補正を行わないためのしきい値である。 The threshold value r is a threshold value that performs case classification when an error, which is a difference between the measured terminal voltage and the predicted terminal voltage predicted by the Kalman filter, is normalized with respect to the current. The threshold value r can be set to r = 5, for example. The threshold value a is a threshold value for not performing correction due to excessive error when a sudden excessive error occurs in the correction value of the charging rate by the Kalman filter.
制御部130は、例えば、CPU(Central Processing Unit)やMPU(Micro Processing Unit)等によって、内部の記憶装置に記憶されているプログラムがRAMを作業領域として実行されることにより実現される。また、制御部130は、例えば、ASIC(Application Specific Integrated Circuit)やFPGA(Field Programmable Gate Array)等の集積回路により実現されるようにしてもよい。制御部130は、算出部131と、補正部132と、判定部133とを有し、以下に説明する情報処理の機能や作用を実現または実行する。なお、制御部130の内部構成は、図1に示した構成に限られず、後述する情報処理を行う構成であれば他の構成であってもよい。
The
算出部131は、測定部101から測定電流および測定端子電圧が入力されると、カルマンフィルタを用いて、SoC(充電率)、および、予測端子電圧を算出する。また、算出部131は、測定端子電圧と予測端子電圧との差分y*(k)を誤差として算出する。さらに、算出部131は、SoCを補正するために、後述するカルマンフィルタで算出された状態推定値の逆行列と、差分y*(k)と、カルマンゲインG(k)とを、1ステップごとに補正部132に出力する。また、算出部131は、1ステップごとに補正部132から1ステップ前の状態推定値が入力される。
When the measurement current and the measurement terminal voltage are input from the
ここで、図2および図3を用いて、カルマンフィルタを用いたSoC推定処理について説明する。図2は、リチウムイオン二次電池の等価電気回路モデルの一例を示す説明図である。図2に示すように、リチウムイオン二次電池の等価電気回路モデルは、SoCの変化に応じて変化する電位差OCVを表す電流源VOCV_DC(SoC)、および、VOCV_CC(SoC)を有する。ここで、電流源VOCV_DC(SoC)、および、VOCV_CC(SoC)は、それぞれ、放電時の電位差OCVおよび充電時の電位差OCVを表す。また、図2に示す等価電気回路モデルは、電流変化に対して発生する電圧v0の変化を表す抵抗R0、電流変化に対して過渡的な電圧v1、v2の変化を表すRC回路(R1C1、および、R2C2)を有する。つまり、等価電気回路モデルは、リチウムイオン二次電池の内部抵抗を、測定電流iに依存する関数とするために用いる。なお、内部抵抗の正確性は、カルマンフィルタを用いたSoC推定精度に大きな影響を与える。 Here, the SoC estimation process using the Kalman filter will be described with reference to FIGS. 2 and 3. FIG. 2 is an explanatory diagram illustrating an example of an equivalent electric circuit model of a lithium ion secondary battery. As shown in FIG. 2, the equivalent electric circuit model of the lithium ion secondary battery has a current source V OCV_DC (SoC) and a V OCV_CC (SoC) representing a potential difference OCV that changes in accordance with a change in SoC. Here, the current sources V OCV_DC (SoC) and V OCV_CC (SoC) represent the potential difference OCV during discharging and the potential difference OCV during charging, respectively. Also, the equivalent electric circuit model shown in FIG. 2 includes a resistor R 0 that represents a change in voltage v 0 generated with respect to a current change, and an RC circuit that represents a change in transient voltages v 1 and v 2 with respect to the current change. (R 1 C 1 and R 2 C 2 ). That is, the equivalent electric circuit model is used to make the internal resistance of the lithium ion secondary battery a function that depends on the measurement current i. Note that the accuracy of the internal resistance greatly affects the SoC estimation accuracy using the Kalman filter.
図2に示す等価電気回路モデルの端子電圧vは、電位差OCVと、電圧v0と、電圧v1と、電圧v2との和で表現される。つまり、端子電圧vは、下記の式(1)で表すことができる。算出部131は、カルマンフィルタを用いて、OCVがSoCに応じて変化することを利用して、SoCの推定を行う。
The terminal voltage v of the equivalent electric circuit model shown in FIG. 2 is expressed by the sum of the potential difference OCV, the voltage v 0 , the voltage v 1, and the voltage v 2 . That is, the terminal voltage v can be expressed by the following formula (1). The
図3は、OCV特性曲線の一例を示すグラフである。図3に示すOCV特性曲線は、条件記憶部121に記憶されている。算出部131は、カルマンフィルタを用いてSoCの推定を行う際に、条件記憶部121に記憶されたOCV特性曲線を参照する。
FIG. 3 is a graph showing an example of the OCV characteristic curve. The OCV characteristic curve shown in FIG. 3 is stored in the
算出部131は、等価電気回路モデルを用いて、1ステップ前のv1、v2、およびOCVと、入力される測定電流iとに基づいて、現在のv1、v2、およびOCVと、予測端子電圧とを予測する。また、算出部131は、OCV特性曲線を用いてOCVからSoCを算出する。ここで、下記の式(2)〜(4)に、対応する式を示す。ここで、式(2)は現在の状態推定値を示す。式(3)は、OCV特性に基づく端子電圧を示す。式(4)は、1ステップ前の状態推定値を示す。
The
次に、算出部131は、実際に測定された測定端子電圧と、予測端子電圧との差分を算出する。算出部131は、v1、v2、およびSoCと、端子電圧とに想定されるノイズを考慮して、測定端子電圧と予測端子電圧との誤差の原因となるv1、v2、およびSoCの誤差を推定する。算出部131は、推定したv1、v2、およびSoCの誤差を、予測したv1、v2、およびSoCに加えて補正することで、正しいSoCの推定値を充電率情報として出力部102に出力する。
Next, the
続いて、図4を用いてカルマンフィルタを用いたSoC推定処理の詳細について説明する。図4は、カルマンフィルタを用いたSoC推定処理の一例を示す説明図である。まず、図4の説明に用いる文字を説明する。kは、カルマンフィルタのステップ数を示す。
[文字1]
[文字2]
は、ステップkのカルマンフィルタの状態推定値を示し、以下、状態推定値という。
[文字3]
は、ステップkの測定端子電圧を示し、以下、測定端子電圧という。
[文字4]
は、ステップkの測定端子電圧と予測端子電圧との差分を正規化した差分を示し、以下、差分の正規化値という。
[文字5]
は、ステップkのカルマンフィルタの状態推定値の逆行列を示し、以下、状態推定値の逆行列という。
[文字6]
は、ステップkのカルマンフィルタの状態推定値の修正値を示し、以下、修正値という。G(k)は、ステップkのカルマンゲインを示す。Aは、ヤコビアンを示す。P(k)は、ステップkの誤差の共分散行列、つまり推定値の精度を示す。Σvは、予測ノイズを示す。Σwは、測定ノイズを示す。 Next, details of the SoC estimation process using the Kalman filter will be described with reference to FIG. FIG. 4 is an explanatory diagram illustrating an example of the SoC estimation process using the Kalman filter. First, characters used in the description of FIG. 4 will be described. k indicates the number of steps of the Kalman filter.
[Character 1]
Indicates a state estimated value of the Kalman filter in step k-1, and is hereinafter referred to as a state estimated value one step before.
[Character 2]
Indicates the estimated state value of the Kalman filter in step k, and is hereinafter referred to as the estimated state value.
[Character 3]
Indicates the measurement terminal voltage of step k, and hereinafter referred to as the measurement terminal voltage.
[Character 4]
Indicates a difference obtained by normalizing the difference between the measured terminal voltage and the predicted terminal voltage in step k, and is hereinafter referred to as a normalized value of the difference.
[Character 5]
Indicates an inverse matrix of the state estimation value of the Kalman filter in step k, and is hereinafter referred to as an inverse matrix of the state estimation value.
[Character 6]
Indicates a correction value of the estimated state value of the Kalman filter in step k, and is hereinafter referred to as a correction value. G (k) represents the Kalman gain of step k. A indicates Jacobian. P (k) represents the error covariance matrix of step k, that is, the accuracy of the estimated value. Σv indicates prediction noise. Σw represents measurement noise.
カルマンフィルタは、フィードバック系の処理であるので、図4のSoC推定処理の説明では、便宜上「S」から処理を説明する。ここで、本実施例では、以下のカルマンフィルタのステップS11〜S16に相当する処理を算出部131で実行し、ステップS17〜S19に相当する処理を補正部132で実行する。従って、以下の説明では、制御部130がカルマンフィルタの処理を実行するものとして説明する。
Since the Kalman filter is a feedback system process, in the description of the SoC estimation process in FIG. 4, the process will be described from “S” for convenience. In the present embodiment, the
制御部130は、測定電流i(k)が入力されると、1ステップ前の状態推定値と、測定電流i(k)とに基づいて、下記の式(5)を用いて状態推定値の逆行列、つまり予測値を算出する(ステップS11)。ここで、測定電流i(k)は、1秒ごとに入力される場合を示しており、下記に示す式(6)の関係となる。
When the measurement current i (k) is input, the
制御部130は、測定端子電圧が入力されると、測定端子電圧と、状態推定値の逆行列と、測定電流i(k)とに基づいて、下記の式(7)を用いて測定端子電圧と予測端子電圧y(k)との差分y*(k)を算出する(ステップS12)。また、式(7)は、予測端子電圧y(k)を用いて、下記の式(8)とも表現できる。ここで、測定端子電圧は、下記の式(9)の関係となる。
When the measurement terminal voltage is input, the
次に、制御部130は、1ステップ前の状態推定値に基づいて、下記の式(10)を用いてヤコビアンAを算出する(ステップS13)。
Next, the
制御部130は、ヤコビアンAと、1ステップ前の共分散行列P(k−1)と、予測ノイズΣvとに基づいて、下記の式(11)を用いて共分散行列の逆行列P−(k)を算出する(ステップS14)。
The
制御部130は、共分散行列の逆行列P−(k)と、測定ノイズΣwとに基づいて、下記の式(12)を用いてカルマンゲインG(k)を算出する(ステップS15)。
The
制御部130は、カルマンゲインG(k)と、共分散行列の逆行列P−(k)とに基づいて、下記の式(13)を用いて共分散行列P(k)を算出する(ステップS16)。制御部130は、ステップS14〜S16を1ステップごとに繰り返す。
The
次に、制御部130は、ステップS12で算出された差分y*(k)と、ステップS15で算出されたカルマンゲインG(k)とに基づいて、下記の式(14)を用いて、状態推定値を修正するための修正値を算出する(ステップS17)。
Next, the
制御部130は、ステップS11で算出された状態推定値の逆行列と、ステップS17で算出された修正値とに基づいて、下記の式(15)を用いて状態推定値を算出する(ステップS18)。ここで、状態推定値は、下記の式(16)とも表すことができる。
Based on the inverse matrix of the state estimated value calculated in step S11 and the corrected value calculated in step S17, the
制御部130は、状態推定値に基づいて、下記の式(17)を用いてSoCを算出する(ステップS19)。
Based on the estimated state value,
このように、制御部130は、SoC推定処理として、ステップS11〜S19の処理を1ステップごとに繰り返すことによって、例えば、1秒ごとにSoCを算出できる。
Thus, the
図1に戻って、補正部132は、まず、初期設定として、制御部130が条件記憶部121を参照して、閾値rと、閾値aとが設定される。補正部132は、測定部101から測定電流、つまり、当該ステップの測定電流i(k)が入力される。また、補正部132は、算出部131から状態推定値の逆行列と、差分y*(k)と、カルマンゲインG(k)とが、1ステップごとに入力される。
Returning to FIG. 1, in the
補正部132は、測定電流i(k)を用いて、差分y*(k)を正規化する。まず、補正部132は、測定電流i(k)が閾値rより大きいか否かを判定する。補正部132は、測定電流i(k)が閾値rより大きい場合には、下記の式(18)に示すように、差分y*(k)を測定電流i(k)の絶対値で除算した値と、閾値rとを乗算して、差分の正規化値を算出する。補正部132は、測定電流i(k)が閾値r以下の場合には、下記の式(19)に示すように、差分y*(k)を、そのまま差分の正規化値とする。
The correcting
また、補正部132は、判定部133からモード情報が入力される。補正部132は、モード情報がCC(Constant Current)モード、つまり定電流モードである場合には、下記の式(20)に示すように、カルマンゲインG(k)と、差分の正規化値とに基づいた値のSoCに対応する行列の成分が、閾値aより大きいか否かを判定する。これは、予測端子電圧の誤差が突発的に極めて大きくなる場合に対応する。例えば、SoCの推定に、カルマンフィルタをより簡単にしたモデルを用いた場合や、電池パック内の測定器の精度が悪い場合などが挙げられる。
Further, the
補正部132は、カルマンゲインG(k)と、差分の正規化値とに基づいた値のSoCに対応する行列の成分が、閾値a以下の場合には、カルマンゲインG(k)と差分の正規化値とを乗算した値を、状態推定値の正規化修正値Gy(k)として算出する。つまり、状態推定値の正規化修正値Gy(k)は、下記の式(21)で算出できる。
When the component of the matrix corresponding to the SoC of the value based on the Kalman gain G (k) and the normalized value of the difference is equal to or less than the threshold value a, the correcting
補正部132は、測定電流i(k)が閾値rより大きい場合、つまり、式(18)の演算を行った場合には、SoC以外のパラメータについて電流依存性を戻すため、下記の式(22)によって状態推定値の補正修正値Gyr(k)を算出する。
When the measurement current i (k) is larger than the threshold value r, that is, when the calculation of Expression (18) is performed, the
ここで、式(22)は、より詳細には、例えば、下記の式(23)および式(24)と表すことができる。 Here, the expression (22) can be expressed in more detail as, for example, the following expression (23) and expression (24).
補正部132は、状態推定値の逆行列に、補正修正値Gyr(k)を加算して状態推定値とする。この場合の状態推定値は、下記の式(25)によって算出できる。
The
補正部132は、カルマンゲインG(k)と、差分の正規化値とに基づいた値のSoCに対応する行列の成分が、閾値aより大きい場合には、下記の式(26)に示すように、状態推定値の逆行列を状態推定値とする。
When the component of the matrix corresponding to the SoC of the value based on the Kalman gain G (k) and the normalized value of the difference is larger than the threshold value a, the
補正部132は、式(25)または式(26)によって算出された状態推定値を、1ステップごとに算出部131に出力する。また、補正部132は、算出された状態推定値から式(17)によってSoCを算出する。補正部132は、算出されたSoCを出力部102に出力する。
The
補正部132は、モード情報がCV(Constant Voltage)モード、つまり定電圧モードである場合には、SoCをクーロンカウンタにより推定する。補正部132は、推定したSoCと、v1、v2とに基づいて、状態推定値を算出する。補正部132は、算出された状態推定値を、1ステップごとに算出部131に出力する。補正部132は、推定されたSoCを出力部102に出力する。
When the mode information is CV (Constant Voltage) mode, that is, constant voltage mode,
判定部133は、出力部102から動作モードが入力されると、動作モードがCVモード(定電圧モード)であるか否かを判定する。判定部133は、動作モードがCVモードである場合には、モード情報をCVモードとして補正部132に出力する。判定部133は、動作モードがCVモードでない場合には、モード情報をCCモードとして補正部132に出力する。
When the operation mode is input from the
次に、実施例1の推定装置100の動作について説明する。
Next, operation | movement of the
図5は、実施例1の推定装置の処理の一例を示すフローチャートである。推定装置100の制御部130は、条件記憶部121から各種パラメータを読み込んで、算出部131、補正部132および判定部133に初期設定する。制御部130は、例えば、条件記憶部121を参照して、閾値r、閾値aを補正部132に設定する(ステップS101)。
FIG. 5 is a flowchart illustrating an example of processing performed by the estimation apparatus according to the first embodiment. The
推定装置100は、接続されたリチウムイオン二次電池のSoCの推定を開始する。測定部101は、測定された電流および端子電圧を、それぞれ測定電流および測定端子電圧として制御部130に出力する。また、測定部101は、リチウムイオン二次電池の動作モードを取得して制御部130に出力する。
The
算出部131は、測定部101から測定電流および測定端子電圧が入力されると、カルマンフィルタを用いて、1ステップ前の状態推定値と、測定電流i(k)とに基づいて、SoCと、予測端子電圧y(k)と、状態推定値の逆行列と、カルマンゲインG(k)とを算出する(ステップS102)。
When the measurement current and the measurement terminal voltage are input from the
算出部131は、測定端子電圧と、予測端子電圧y(k)との差分y*(k)とを算出する(ステップS103)。
The
補正部132は、測定部101から測定電流、つまり、当該ステップの測定電流i(k)が入力される。また、補正部132は、算出部131から状態推定値の逆行列と、差分y*(k)と、カルマンゲインG(k)とが、1ステップごとに入力される。補正部132は、測定電流i(k)が閾値rより大きいか否かを判定する(ステップS104)。補正部132は、測定電流i(k)が閾値rより大きい場合には(ステップS104:肯定)、式(18)に示すように、差分y*(k)を測定電流i(k)の絶対値で除算した値と、閾値rとを乗算して、差分の正規化値を算出する(ステップS105)。補正部132は、測定電流i(k)が閾値r以下の場合には(ステップS104:否定)、式(19)に示すように、差分y*(k)を、そのまま差分の正規化値とする(ステップS106)。
The
判定部133は、出力部102から動作モードが入力されると、動作モードがCVモードであるか否かを判定する(ステップS107)。判定部133は、動作モードがCVモードである場合には(ステップS107:肯定)、モード情報をCVモードとして補正部132に出力する。判定部133は、動作モードがCVモードでない場合には(ステップS107:否定)、モード情報をCCモードとして補正部132に出力する。
When the operation mode is input from the
補正部132は、判定部133からCCモードであるモード情報が入力されると、式(20)に示すように、カルマンゲインG(k)と、差分の正規化値とに基づいた値のSoCに対応する行列の成分が、閾値aより大きいか否かを判定する(ステップS108)。補正部132は、カルマンゲインG(k)と、差分の正規化値とに基づいた値のSoCに対応する行列の成分が、閾値a以下の場合には(ステップS108:否定)、状態推定値の正規化修正値Gy(k)を式(21)に示すように算出する。つまり、補正部132は、カルマンゲインG(k)と差分の正規化値とを乗算した値を、状態推定値の正規化修正値Gy(k)とする(ステップS109)。
When the mode information indicating the CC mode is input from the
補正部132は、測定電流i(k)が閾値rより大きいか否かを判定する(ステップS110)。補正部132は、測定電流i(k)が閾値rより大きい場合には(ステップS110:肯定)、状態推定値の補正修正値Gyr(k)を式(22)に示すように算出する(ステップS111)。補正部132は、測定電流i(k)が閾値r以下の場合には(ステップS110:否定)、ステップS112に進む。すなわち、補正部132は、ステップS104で、測定電流i(k)が閾値rより大きいと判定して、ステップS105の処理を行った場合に、ステップS111の処理を行う。
The correcting
補正部132は、状態推定値を、式(25)に示すように算出する。つまり、補正部132は、状態推定値の逆行列に、補正修正値Gyr(k)を加算して状態推定値とする(ステップS112)。
The correcting
補正部132は、カルマンゲインG(k)と、差分の正規化値とに基づいた値のSoCに対応する行列の成分が、閾値aより大きい場合には(ステップS108:肯定)、式(26)に示すように、状態推定値の逆行列を状態推定値とする(ステップS113)。
When the component of the matrix corresponding to the SoC of the value based on the Kalman gain G (k) and the normalized value of the difference is larger than the threshold value a (step S108: affirmative), the
補正部132は、判定部133からCVモードであるモード情報が入力されると(ステップS107:肯定)、SoCをクーロンカウンタにより推定する(ステップS114)。補正部132は、推定したSoCと、v1、v2とに基づいて、状態推定値を算出する。補正部132は、ステップS112〜ステップS114のいずれかによって算出された状態推定値を、1ステップごとに算出部131に出力する。
When the mode information indicating the CV mode is input from the determination unit 133 (step S107: affirmative), the
補正部132は、算出された状態推定値から式(17)によってSoCを算出する(ステップS115)。補正部132は、算出されたSoCを出力部102に出力する(ステップS116)。補正部132は、カルマンフィルタを次のステップに進めるために、kをインクリメントして(ステップS117)、ステップS102の処理に戻る。推定装置100は、ステップS102〜S117を繰り返す。これにより、大電流時における過剰な補正を防止しつつ、電池の等価電気モデルの電流変化に対する過渡的な電圧に電流依存性を戻し、突発的に発生する過剰な誤差に基づく過剰な補正を防止するので、充電率の推定精度の劣化を防止できる。
The
このように、推定装置100は、電池の測定電流および測定端子電圧に基づいて、カルマンフィルタを用いて電池の充電率および予測端子電圧を算出し、測定端子電圧と予測端子電圧との差分を算出する。また、推定装置100は、差分を測定電流の絶対値で除算した値と、カルマンフィルタのカルマンゲインとに基づいて修正値を算出する。また、推定装置100は、該修正値における電池の等価電気回路モデルの電流変化に対する過渡的な電圧に対応する成分に、測定電流の絶対値を乗算して、充電率を補正する。その結果、充電率の推定精度の劣化を防止できる。すなわち、推定装置100は、等価電気回路モデル誤差、測定誤差、動作モードの違いによる突発性の誤差によるSoC推定精度の劣化を防止できる。また、推定装置100は、電池の等価電気回路モデルの電流変化に対する過渡的な電圧に電流依存性を戻すので、より充電率の推定精度の劣化を防止できる。
As described above, the
また、推定装置100は、測定電流の絶対値が所定値を超える場合に、差分を測定電流の絶対値で除算した値と、カルマンフィルタのカルマンゲインとに基づいて修正値を算出する。また、推定装置100は、該修正値における電池の等価電気回路モデルの電流変化に対する過渡的な電圧に対応する成分に、測定電流の絶対値を乗算して充電率を補正する。また、推定装置100は、測定電流の絶対値が所定値以下の場合に、差分とカルマンフィルタのカルマンゲインとに基づいて、充電率を補正する。その結果、大電流時における過剰な補正をより防止できる。
Further, when the absolute value of the measured current exceeds a predetermined value, the estimating
また、推定装置100は、充電率を補正する補正値が所定値以上の場合に、補正値をゼロとして充電率を補正する。その結果、突発的に発生する過剰な誤差に基づく過剰な補正を防止できる。
In addition, when the correction value for correcting the charging rate is equal to or greater than a predetermined value, the estimating
また、推定装置100は、さらに、電池の動作モードが定電圧モードであるか否かを判定する。また、推定装置100は、電池が定電圧モードである場合に、充電率を補正する補正値をゼロとして充電率を補正する。その結果、SoCの推定モデルが異なることによる過剰な補正を防止できる。
Further, the estimating
また、上記実施例1では、測定電流i(k)に応じて、測定端子電圧と予測端子電圧との差分y*(k)を正規化して充電率を算出したが、これに限定されない。例えば、測定電流i(k)に応じて、カルマンフィルタの予測ノイズΣvを修正するようにしてもよい。 In the first embodiment, the charging rate is calculated by normalizing the difference y * (k) between the measured terminal voltage and the predicted terminal voltage according to the measured current i (k). However, the present invention is not limited to this. For example, the predicted noise Σv of the Kalman filter may be corrected according to the measured current i (k).
そこで、測定電流i(k)に応じて、カルマンフィルタの予測ノイズΣvを修正する実施の形態につき、実施例2として以下に説明する。なお、上記実施例1の推定装置100と同一の構成には、同一符号を付すことで、その重複する構成および動作の説明については省略する。実施例2の推定装置200が実施例1の推定装置100と異なるところは、測定端子電圧と予測端子電圧との差分y*(k)を正規化せずに、測定電流i(k)に応じて、カルマンフィルタの予測ノイズΣvを修正する点にある。
Therefore, an embodiment for correcting the predicted noise Σv of the Kalman filter according to the measured current i (k) will be described below as Example 2. Note that the same components as those in the
図6は、実施例2の推定装置の構成の一例を示すブロック図である。実施例2の推定装置200は、実施例1の制御部130に代えて、制御部230を有する点が異なる。また、制御部230は、実施例1の制御部130の算出部131および補正部132に代えて、算出部231および補正部232を有する点が異なる。また、実施例2の推定装置200は、カルマンフィルタの処理として、実施例1のカルマンフィルタと比べて、ステップS14にて修正されたΣvを用いる他は同一の処理であるので、その重複する処理の説明については省略する。
FIG. 6 is a block diagram illustrating an example of the configuration of the estimation apparatus according to the second embodiment. The
算出部231は、補正部232から予測ノイズΣvまたは補正予測ノイズΣvmが入力される。算出部231は、カルマンフィルタを用いて、状態推定値と、測定電流i(k)と、予測ノイズΣvまたは補正予測ノイズΣvmとに基づいて、SoCと、予測端子電圧y(k)と、状態推定値の逆行列と、カルマンゲインG(k)とを算出する。
The
補正部232は、まず、初期設定として、制御部230が条件記憶部121を参照して、閾値rと、閾値aとが設定される。補正部232は、測定部101から測定電流、つまり、当該ステップの測定電流i(k)が入力される。また、補正部232は、算出部231から状態推定値の逆行列と、差分y*(k)と、カルマンゲインG(k)とが、1ステップごとに入力される。
In the
補正部232は、測定電流i(k)が閾値rより大きいか否かを判定する。補正部232は、測定電流i(k)が閾値rより大きい場合には、下記の式(27)に示すように、予測ノイズΣvのうち、SoCに対応しない複数の成分に、閾値rを測定電流i(k)で除算した値に基づく値を乗算して、補正予測ノイズΣvmを算出する。
The correcting
補正部232は、式(27)に示すように、例えば、予測ノイズΣvの(1,1),(1,2),(2,1),(2,2)成分を、(rb/|i(k)|)2倍とする。また、補正部232は、例えば、予測ノイズΣvの(1,3),(2,3),(3,1),(3,2)成分を、(rb/|i(k)|)倍とする。なお、予測ノイズΣvの(3,3)成分は、SoCに対応するのでそのままとする。また、bは、任意の設定パラメータである。なお、式(27)の「×」は、Σvの行列の各成分に対して、各成分を(rb/|i(k)|)2倍、(rb/|i(k)|)倍、または1倍する意味で用いている。すなわち、各成分を(rb/|i(k)|)2倍、(rb/|i(k)|)倍、または1倍する行列をΣm1とすると、Σvpq×Σm1pq(p=1〜3,q=1〜3)とも表せる。
As shown in the equation (27), for example, the
ここで、予測ノイズΣvの一例を下記の式(28)に示す。なお、式(28)中のl、m、nは、それぞれv1、v2、SoCに対応するパラメータを示す。 Here, an example of the prediction noise Σv is shown in the following equation (28). In the equation (28), l, m, and n represent parameters corresponding to v 1 , v 2 , and SoC, respectively.
補正部232は、測定電流i(k)が閾値r以下の場合には、予測ノイズΣvは修正せず、そのままとする。補正部232は、予測ノイズΣvまたは補正予測ノイズΣvmを算出部231に出力する。
When the measured current i (k) is equal to or less than the threshold value r, the
また、補正部232は、判定部133からモード情報が入力される。補正部232は、モード情報がCCモード、つまり定電流モードである場合には、下記の式(29)に示すように、カルマンゲインG(k)と、差分y*(k)とに基づいた値のSoCに対応する行列の成分が、閾値aより大きいか否かを判定する。
Further, the
補正部232は、カルマンゲインG(k)と、差分y*(k)とに基づいた値のSoCに対応する行列の成分が、閾値a以下の場合には、カルマンゲインG(k)と、差分y*(k)とを乗算した値を、式(14)に示すように修正値として算出する。補正部232は、式(15)に示すように、状態推定値の逆行列に修正値を加算して状態推定値とする。
When the component of the matrix corresponding to the SoC of the value based on the Kalman gain G (k) and the difference y * (k) is equal to or less than the threshold value a, the
補正部232は、カルマンゲインG(k)と、差分y*(k)とに基づいた値のSoCに対応する行列の成分が、閾値aより大きい場合には、式(26)に示すように、状態推定値の逆行列を状態推定値とする。
When the component of the matrix corresponding to the SoC of the value based on the Kalman gain G (k) and the difference y * (k) is larger than the threshold value a, the
補正部232は、式(15)または式(26)によって算出された状態推定値を、1ステップごとに算出部131に出力する。また、補正部132は、算出された状態推定値から式(17)によってSoCを算出する。補正部132は、算出されたSoCを出力部102に出力する。
The correcting
補正部232は、モード情報がCVモード、つまり定電圧モードである場合には、SoCをクーロンカウンタにより推定する。補正部232は、推定したSoCと、v1、v2とに基づいて、状態推定値を算出する。補正部232は、算出された状態推定値を、1ステップごとに算出部231に出力する。補正部232は、推定されたSoCを出力部102に出力する。
When the mode information is the CV mode, that is, the constant voltage mode, the
図7は、実施例2のカルマンフィルタを用いたSoC推定処理の一例を示す説明図である。ここで、実施例2では、以下のカルマンフィルタのステップS11〜S16に相当する処理を算出部231で実行し、ステップS10およびS17〜S19に相当する処理を補正部232で実行する。実施例2のカルマンフィルタでは、実施例1のカルマンフィルタと比較して、ステップS10およびステップS14が異なるので、当該ステップのみ説明する。なお、以下の説明では、実施例1と同様に、制御部230がカルマンフィルタの処理を実行するものとして説明する。
FIG. 7 is an explanatory diagram illustrating an example of the SoC estimation process using the Kalman filter according to the second embodiment. Here, in the second embodiment, the
制御部230は、測定電流i(k)が入力されると、測定電流i(k)が閾値rより大きいか否かを判定する。補正部232は、測定電流i(k)が閾値rより大きい場合には、式(27)に示すように、予測ノイズΣvのうち、SoCに対応しない複数の成分に、閾値rを測定電流i(k)で除算した値に基づく値を乗算して、補正予測ノイズΣvmを算出する。すなわち、制御部230は、予測ノイズΣvを補正予測ノイズΣvmに修正する。補正部232は、測定電流i(k)が閾値r以下の場合には、予測ノイズΣvは修正せず、そのままとする(ステップS10)。
When measurement current i (k) is input,
制御部230は、ヤコビアンAと、1ステップ前の共分散行列P(k−1)と、予測ノイズΣvまたは補正予測ノイズΣvmとに基づいて、式(11)を用いて共分散行列の逆行列P−(k)を算出する(ステップS14)。制御部230は、実施例1と同様に、SoC推定処理として、ステップS10〜S19の処理を1ステップごとに繰り返すことによって、例えば、1秒ごとに測定電流i(k)に応じた予測ノイズを用いてSoCを算出できる。
Based on the Jacobian A, the one-step previous covariance matrix P (k−1), and the prediction noise Σv or the corrected prediction noise Σvm, the
次に、実施例2の推定装置200の動作について説明する。
Next, operation | movement of the
図8は、実施例2の推定装置の処理の一例を示すフローチャートである。推定装置200の制御部230は、条件記憶部121から各種パラメータを読み込んで、算出部231、補正部232および判定部133に初期設定する。制御部230は、例えば、条件記憶部121を参照して、閾値r、閾値aを補正部232に設定する(ステップS201)。
FIG. 8 is a flowchart illustrating an example of processing performed by the estimation apparatus according to the second embodiment. The
推定装置200は、接続されたリチウムイオン二次電池のSoCの推定を開始する。測定部101は、測定された電流および端子電圧を、それぞれ測定電流および測定端子電圧として制御部230に出力する。また、測定部101は、リチウムイオン二次電池の動作モードを取得して制御部230に出力する。
The
補正部232は、測定部101から測定電流i(k)が入力されると、測定電流i(k)が閾値rより大きいか否かを判定する(ステップS202)。補正部232は、測定電流i(k)が閾値rより大きい場合には(ステップS202:肯定)、予測ノイズΣvのうち、SoCに対応しない複数の成分に、閾値rを測定電流i(k)で除算した値に基づく値を乗算して、補正予測ノイズΣvmを算出する。補正部232は、予測ノイズΣvを算出した補正予測ノイズΣvmに修正する(ステップS203)。補正部232は、測定電流i(k)が閾値r以下の場合には(ステップS202:否定)、予測ノイズΣvは修正しない。補正部232は、予測ノイズΣvまたは補正予測ノイズΣvmを算出部231に出力する。
When the measurement current i (k) is input from the
算出部231は、補正部232から予測ノイズΣvまたは補正予測ノイズΣvmが入力される。算出部231は、カルマンフィルタを用いて、1ステップ前の状態推定値と、測定電流i(k)と、予測ノイズΣvまたはΣvmとに基づいて、SoCと、予測端子電圧y(k)と、状態推定値の逆行列と、カルマンゲインG(k)とを算出する(ステップS204)。
The
算出部231は、測定端子電圧と、予測端子電圧y(k)との差分y*(k)とを算出する(ステップS205)。
The
判定部133は、出力部102から動作モードが入力されると、動作モードがCVモードであるか否かを判定する(ステップS206)。判定部133は、動作モードがCVモードである場合には(ステップS206:肯定)、モード情報をCVモードとして補正部232に出力する。判定部133は、動作モードがCVモードでない場合には(ステップS206:否定)、モード情報をCCモードとして補正部232に出力する。
When the operation mode is input from the
補正部232は、判定部133からCCモードであるモード情報が入力されると、式(29)に示すように、カルマンゲインG(k)と、差分y*(k)とに基づいた値のSoCに対応する行列の成分が、閾値aより大きいか否かを判定する(ステップS207)。補正部232は、カルマンゲインG(k)と、差分y*(k)とに基づいた値のSoCに対応する行列の成分が、閾値a以下の場合には(ステップS207:否定)、状態推定値の修正値を算出する。修正値は、式(14)に示すように、カルマンゲインG(k)と、差分y*(k)とを乗算した値として算出する(ステップS208)。補正部232は、式(15)に示すように、状態推定値の逆行列に修正値を加算して状態推定値とする(ステップS209)。
When the mode information that is the CC mode is input from the
補正部232は、カルマンゲインG(k)と、差分y*(k)とに基づいた値のSoCに対応する行列の成分が、閾値aより大きい場合には、式(26)に示すように、状態推定値の逆行列を状態推定値とする(ステップS210)。
When the component of the matrix corresponding to the SoC of the value based on the Kalman gain G (k) and the difference y * (k) is larger than the threshold value a, the
補正部232は、判定部133からCVモードであるモード情報が入力されると(ステップS206:肯定)、SoCをクーロンカウンタにより推定する(ステップS211)。補正部232は、推定したSoCと、v1、v2とに基づいて、状態推定値を算出する。補正部232は、ステップS209〜ステップS211のいずれかによって算出された状態推定値を、1ステップごとに算出部231に出力する。
When the mode information that is the CV mode is input from the determination unit 133 (step S206: Yes), the
補正部232は、算出された状態推定値から式(17)によってSoCを算出する(ステップS212)。補正部232は、算出されたSoCを出力部102に出力する(ステップS213)。補正部232は、カルマンフィルタを次のステップに進めるために、kをインクリメントして(ステップS214)、ステップS202の処理に戻る。推定装置200は、ステップS202〜S214を繰り返す。これにより、大電流時における過剰な補正を防止しつつ、電池の等価電気モデルの電流変化に対する過渡的な電圧の電流依存性を修正し、突発的に発生する過剰な誤差に基づく過剰な補正を防止するので、充電率の推定精度の劣化を防止できる。
The
このように、推定装置200は、電池の測定電流および測定端子電圧に基づいて、カルマンフィルタを用いて電池の充電率を算出する。また、推定装置200は、測定電流の絶対値が所定値を超える場合に、カルマンフィルタの予測ノイズを表す行列のうち、充電率に対応しない複数の成分に、所定値を測定電流で除算した値に基づく値を乗算して、充電率を補正する。その結果、充電率の推定精度の劣化を防止できる。すなわち、推定装置200は、等価電気回路モデル誤差、測定誤差、動作モードの違いによる突発性の誤差によるSoC推定精度の劣化を防止できる。また、推定装置200は、電池の等価電気回路モデルの電流変化に対する過渡的な電圧の電流依存性を修正するので、より充電率の推定精度の劣化を防止できる。
As described above, the
また、上記実施例2では、カルマンフィルタの予測ノイズΣvのSoCに対応しない複数の成分を補正したが、これに限定されない。例えば、カルマンフィルタの予測ノイズΣvのSoCに対応する成分を補正するようにしてもよい。 In the second embodiment, a plurality of components not corresponding to the SoC of the predicted noise Σv of the Kalman filter are corrected. However, the present invention is not limited to this. For example, the component corresponding to the SoC of the predicted noise Σv of the Kalman filter may be corrected.
そこで、カルマンフィルタの予測ノイズΣvのSoCに対応する成分を補正する実施の形態につき、実施例3として以下に説明する。なお、上記実施例2の推定装置200と同一の構成には、同一符号を付すことで、その重複する構成および動作の説明については省略する。実施例3の推定装置が実施例2の推定装置300と異なるところは、予測ノイズΣvの修正を、式(27)に代えて、下記の式(30)に示すように修正する点にある。
Therefore, an embodiment for correcting the component corresponding to the SoC of the predicted noise Σv of the Kalman filter will be described below as Example 3. Note that the same components as those of the
実施例3の推定装置は、式(30)に示すように、予測ノイズΣvのうち、SoCに対応する成分を含む成分に、測定電流i(k)を閾値rで除算した値に基づく値を乗算して、補正予測ノイズΣvmを算出する。 As shown in Expression (30), the estimation apparatus according to the third embodiment calculates a value based on a value obtained by dividing the measurement current i (k) by the threshold value r in the component including the component corresponding to SoC in the prediction noise Σv. Multiplication is performed to calculate a corrected prediction noise Σvm.
実施例3の推定装置は、式(30)に示すように、例えば、予測ノイズΣvの(3,3)成分を(|i(k)|・c/r)2倍とする。また、推定装置は、例えば、予測ノイズΣvの(1,3),(2,3),(3,1),(3,2)成分を、(|i(k)|・c/r)倍とする。なお、予測ノイズΣvの残りの成分は、そのままとする。また、cは、任意の設定パラメータである。なお、式(30)の「×」は、Σvの行列の各成分に対して、各成分を(|i(k)|・c/r)2倍、(|i(k)|・c/r)倍、または1倍する意味で用いている。すなわち、各成分を(|i(k)|・c/r)2倍、(|i(k)|・c/r)倍、または1倍する行列をΣm2とすると、Σvpq×Σm2pq(p=1〜3,q=1〜3)とも表せる。 The estimation apparatus according to the third embodiment, for example, sets the (3, 3) component of the prediction noise Σv to (| i (k) | · c / r) 2 times as shown in Expression (30). In addition, the estimation device, for example, uses (1, i), (2, 3), (3, 1), (3, 2) components of the prediction noise Σv as (| i (k) | · c / r). Double. The remaining components of the prediction noise Σv are left as they are. C is an arbitrary setting parameter. Incidentally, "×" of formula (30), for each component of the matrix of [sigma] v, the components (| i (k) | · c / r) 2 times, (| i (k) | · c / r) Used to mean double or 1 times. That is, each component (| i (k) | · c / r) 2 times, (| i (k) | · c / r) times, or when a multiplying matrices and Σm 2, Σvpq × Σm 2 pq (P = 1-3, q = 1-3).
このように、実施例3の推定装置は、電池の測定電流および測定端子電圧に基づいて、カルマンフィルタを用いて電池の充電率を算出する。また、推定装置は、測定電流の絶対値が所定値を超える場合に、カルマンフィルタの予測ノイズを表す行列のうち、充電率に対応する成分を含む成分に、測定電流を所定値で除算した値に基づく値を乗算して、充電率を補正する。その結果、充電率の推定精度の劣化を防止できる。すなわち、実施例3の推定装置は、等価電気回路モデル誤差、測定誤差、動作モードの違いによる突発性の誤差によるSoC推定精度の劣化を防止できる。また、実施例3の推定装置は、電池の等価電気回路モデルの電流変化に対する過渡的な電圧の電流依存性を修正するので、より充電率の推定精度の劣化を防止できる。 As described above, the estimation apparatus according to the third embodiment calculates the charging rate of the battery using the Kalman filter based on the measured current and the measured terminal voltage of the battery. In addition, when the absolute value of the measured current exceeds a predetermined value, the estimation device sets the value obtained by dividing the measured current by the predetermined value to the component including the component corresponding to the charging rate in the matrix representing the predicted noise of the Kalman filter. The charge rate is corrected by multiplying the value based on it. As a result, it is possible to prevent deterioration in the estimation accuracy of the charging rate. That is, the estimation apparatus according to the third embodiment can prevent deterioration in the SoC estimation accuracy due to the sudden error due to the difference in equivalent electric circuit model error, measurement error, and operation mode. In addition, since the estimation apparatus according to the third embodiment corrects the current dependency of the transient voltage with respect to the current change of the equivalent electric circuit model of the battery, it is possible to further prevent deterioration in the estimation accuracy of the charging rate.
なお、上記の各実施例では、二次電池の一例として、リチウムイオン二次電池を挙げたが、これに限定されない。推定装置100または200は、対象となる電池のOCV特性曲線と、等価電気回路モデルとが得られれば、他の種類の電池に対してもSoCを推定することができる。他の電池としては、例えば、リチウムイオンポリマー二次電池、カルシウムイオン二次電池、ナノワイヤバッテリ、ニッケル水素二次電池、鉛蓄電池等にも適用できる。また、リチウムイオン二次電池としては、コバルト酸リチウムイオン電池、リン酸鉄リチウムイオン電池等に適用できる。これにより、多種の電池のSoCを推定できる。
In each of the above embodiments, a lithium ion secondary battery is used as an example of a secondary battery, but the present invention is not limited to this. The
また、上記の各実施例では、等価電気回路モデルとして、電流変化に対して過渡的な電圧の変化を表すRC回路として、R1C1、および、R2C2の2組のRC回路を用いたが、これに限定されない。推定装置100または200は、等価電気回路モデルとして、例えば、3組以上とした等価電気回路モデルを用いてもよい。これにより、等価電気回路モデルの精度が上がるので、カルマンフィルタによるSoCの推定精度が向上する。
In each of the above-described embodiments, as an equivalent electric circuit model, two RC circuits of R 1 C 1 and R 2 C 2 are used as RC circuits that represent a transient voltage change with respect to a current change. Although used, it is not limited to this. The
また、図示した各部の各構成要素は、必ずしも物理的に図示の如く構成されていることを要しない。すなわち、各部の分散・統合の具体的形態は図示のものに限られず、その全部又は一部を、各種の負荷や使用状況等に応じて、任意の単位で機能的又は物理的に分散・統合して構成することができる。例えば、補正部132と判定部133とを統合して、電池の動作モードによる判定を補正と同時に行うようにしてもよい。
In addition, each component of each part illustrated does not necessarily need to be physically configured as illustrated. In other words, the specific form of distribution / integration of each part is not limited to the one shown in the figure, and all or a part thereof may be functionally or physically distributed / integrated in arbitrary units according to various loads and usage conditions. Can be configured. For example, the
さらに、各部で行われる各種処理機能は、CPU(又はMPU、MCU(Micro Controller Unit)等のマイクロ・コンピュータ)上で、その全部又は任意の一部を実行するようにしても良い。また、各種処理機能は、CPU(又はMPU、MCU等のマイクロ・コンピュータ)で解析実行されるプログラム上、又はワイヤードロジックによるハードウェア上で、その全部又は任意の一部を実行するようにしても良いことは言うまでもない。 Further, various processing functions performed in each unit may be executed entirely or arbitrarily on a CPU (or a microcomputer such as an MPU or MCU (Micro Controller Unit)). The various processing functions may be executed entirely or arbitrarily on a program that is analyzed and executed by a CPU (or a microcomputer such as an MPU or MCU) or hardware based on wired logic. It goes without saying that it is good.
ところで、上記の各実施例で説明した各種の処理は、予め用意されたプログラムをコンピュータで実行することで実現できる。そこで、以下では、上記の各実施例と同様の機能を有するプログラムを実行するコンピュータの一例を説明する。図9は、推定プログラムを実行するコンピュータの一例を示す説明図である。 By the way, the various processes described in the above embodiments can be realized by executing a prepared program on a computer. Therefore, in the following, an example of a computer that executes a program having the same function as each of the above embodiments will be described. FIG. 9 is an explanatory diagram illustrating an example of a computer that executes an estimation program.
図9が示すように、コンピュータ300は、各種演算処理を実行するCPU301と、バッテリからの情報を受け付けるバッテリ情報インタフェース302と、測定された電流および電圧の情報を受け付ける電流測定インタフェース303とを有する。また、コンピュータ300は、他の装置と接続して行う各種情報の授受、他の装置にUI(User Interface)を提供して行うコンピュータ300の操作等に用いる外部インタフェース304を有する。また、外部インタフェース304は、後述するフラッシュメモリ306に対する他の装置からのプログラム等の書き込み等にも用いることができる汎用的なインタフェースである。また、コンピュータ300は、各種情報を一時記憶するRAM305と、フラッシュメモリ306とを有する。また、各構成要素301〜306は、バス307に接続される。コンピュータ300は、例えば、電気自動車や電動バイクの制御装置、スマートフォン、ノート型のパーソナルコンピュータ等である。
As shown in FIG. 9, the
フラッシュメモリ306には、図1に示した算出部131、補正部132および判定部133、または、図6に示した算出部231および補正部232の各処理部と同様の機能を有する推定プログラムが記憶される。また、フラッシュメモリ306には、条件記憶部121が記憶される。また、フラッシュメモリ306には、推定プログラムを実現するための各種データが記憶される。バッテリ情報インタフェース302は、図1に示した測定部101のリチウムイオン二次電池の動作モードを取得する機能と同様の機能を有する。電流測定インタフェース303は、図1に示した測定部101の電流計および電圧計と同様の機能を有する。外部インタフェース304は、図1に示した出力部102と同様の機能を有する。また、外部インタフェース304は、例えば、データロガー等が接続され、リチウムイオン二次電池の充放電の状態を記録できるようにしてもよい。
In the
CPU301は、フラッシュメモリ306に記憶された各プログラムを読み出して、RAM305に展開して実行することで、各種の処理を行う。また、これらのプログラムは、コンピュータ300を図1に示した算出部131、補正部132および判定部133、または、図6に示した算出部231、補正部232および判定部133として機能させることができる。
The
なお、上記の推定プログラムは、必ずしもフラッシュメモリ306に記憶されている必要はない。例えば、コンピュータ300が読み取り可能な記憶媒体に記憶されたプログラムを、コンピュータ300が読み出して実行するようにしてもよい。コンピュータ300が読み取り可能な記憶媒体は、例えば、CD−ROMやDVDディスク、USB(Universal Serial Bus)メモリ等の可搬型記録媒体、フラッシュメモリ等の半導体メモリ、ハードディスクドライブ等が対応する。また、公衆回線、インターネット、LAN(Local Area Network)等に接続された装置にこの推定プログラムを記憶させておき、コンピュータ300がこれらから推定プログラムを読み出して実行するようにしてもよい。なお、コンピュータ300は、例えば、リチウムイオン二次電池に組み込まれるモジュールや、MPUを用いたいわゆる組込用マイコン等としてもよい。
Note that the above estimation program is not necessarily stored in the
100,200 推定装置
101 測定部
102 出力部
120 記憶部
121 条件記憶部
130,230 制御部
131,231 算出部
132,232 補正部
133 判定部
100, 200
Claims (12)
電池の測定電流および測定端子電圧に基づいて、カルマンフィルタを用いて前記電池の充電率および予測端子電圧を算出し、前記測定端子電圧と前記予測端子電圧との差分を算出し、
前記差分を前記測定電流の絶対値で除算した値と、前記カルマンフィルタのカルマンゲインとに基づいて修正値を算出し、該修正値における前記電池の等価電気回路モデルの電流変化に対する過渡的な電圧に対応する成分に、前記測定電流の絶対値を乗算して、前記充電率を補正する
処理を実行させることを特徴とする推定プログラム。 On the computer,
Based on the measured current and measured terminal voltage of the battery, the charging rate and predicted terminal voltage of the battery are calculated using a Kalman filter, and the difference between the measured terminal voltage and the predicted terminal voltage is calculated,
A correction value is calculated based on a value obtained by dividing the difference by the absolute value of the measured current and a Kalman gain of the Kalman filter, and a transient voltage with respect to a current change of the equivalent electric circuit model of the battery at the correction value is calculated. An estimation program characterized by causing a corresponding component to be multiplied by an absolute value of the measured current to execute a process of correcting the charging rate.
さらに、前記電池の動作モードが定電圧モードであるか否かを判定する処理を実行させ、
前記補正する処理は、前記電池が前記定電圧モードである場合に、前記充電率を補正する補正値をゼロとして前記充電率を補正することを特徴とする請求項1〜3のいずれか1項に記載の推定プログラム。 In the computer,
Further, a process for determining whether or not the battery operation mode is a constant voltage mode is executed,
4. The correction process according to claim 1, wherein when the battery is in the constant voltage mode, the charging rate is corrected by setting a correction value for correcting the charging rate to zero. 5. The estimation program described in.
電池の測定電流および測定端子電圧に基づいて、カルマンフィルタを用いて前記電池の充電率を算出し、
前記測定電流の絶対値が所定値を超える場合に、前記カルマンフィルタの予測ノイズを表す行列のうち、前記充電率に対応しない成分に、前記所定値を前記測定電流で除算した値に基づく値を乗算して、前記充電率を補正する
処理を実行させることを特徴とする推定プログラム。 On the computer,
Based on the measured current and measured terminal voltage of the battery, the charging rate of the battery is calculated using a Kalman filter,
When the absolute value of the measured current exceeds a predetermined value, a component that does not correspond to the charging rate in the matrix representing the predicted noise of the Kalman filter is multiplied by a value based on a value obtained by dividing the predetermined value by the measured current. And the estimation program characterized by performing the process which correct | amends the said charging rate.
電池の測定電流および測定端子電圧に基づいて、カルマンフィルタを用いて前記電池の充電率を算出し、
前記測定電流の絶対値が所定値を超える場合に、前記カルマンフィルタの予測ノイズを表す行列のうち、前記充電率に対応する成分を含む成分に、前記測定電流を前記所定値で除算した値に基づく値を乗算して、前記充電率を補正する
処理を実行させることを特徴とする推定プログラム。 On the computer,
Based on the measured current and measured terminal voltage of the battery, the charging rate of the battery is calculated using a Kalman filter,
When the absolute value of the measured current exceeds a predetermined value, based on a value obtained by dividing the measured current by the predetermined value to a component including a component corresponding to the charging rate in a matrix representing the predicted noise of the Kalman filter An estimation program for executing a process of correcting the charging rate by multiplying a value.
電池の測定電流および測定端子電圧に基づいて、カルマンフィルタを用いて前記電池の充電率および予測端子電圧を算出し、前記測定端子電圧と前記予測端子電圧との差分を算出し、
前記差分を前記測定電流の絶対値で除算した値と、前記カルマンフィルタのカルマンゲインとに基づいて修正値を算出し、該修正値における前記電池の等価電気回路モデルの電流変化に対する過渡的な電圧に対応する成分に、前記測定電流の絶対値を乗算して、前記充電率を補正する
処理を実行することを特徴とする推定方法。 Computer
Based on the measured current and measured terminal voltage of the battery, the charging rate and predicted terminal voltage of the battery are calculated using a Kalman filter, and the difference between the measured terminal voltage and the predicted terminal voltage is calculated,
A correction value is calculated based on a value obtained by dividing the difference by the absolute value of the measured current and a Kalman gain of the Kalman filter, and a transient voltage with respect to a current change of the equivalent electric circuit model of the battery at the correction value is calculated. A process for correcting the charging rate by multiplying a corresponding component by an absolute value of the measured current, and executing an estimation method.
電池の測定電流および測定端子電圧に基づいて、カルマンフィルタを用いて前記電池の充電率を算出し、
前記測定電流の絶対値が所定値を超える場合に、前記カルマンフィルタの予測ノイズを表す行列のうち、前記充電率に対応しない成分に、前記所定値を前記測定電流で除算した値に基づく値を乗算して、前記充電率を補正する
処理を実行することを特徴とする推定方法。 Computer
Based on the measured current and measured terminal voltage of the battery, the charging rate of the battery is calculated using a Kalman filter,
When the absolute value of the measured current exceeds a predetermined value, a component that does not correspond to the charging rate in the matrix representing the predicted noise of the Kalman filter is multiplied by a value based on a value obtained by dividing the predetermined value by the measured current. Then, a process for correcting the charging rate is executed.
電池の測定電流および測定端子電圧に基づいて、カルマンフィルタを用いて前記電池の充電率を算出し、
前記測定電流の絶対値が所定値を超える場合に、前記カルマンフィルタの予測ノイズを表す行列のうち、前記充電率に対応する成分を含む成分に、前記測定電流を前記所定値で除算した値に基づく値を乗算して、前記充電率を補正する
処理を実行することを特徴とする推定方法。 Computer
Based on the measured current and measured terminal voltage of the battery, the charging rate of the battery is calculated using a Kalman filter,
When the absolute value of the measured current exceeds a predetermined value, based on a value obtained by dividing the measured current by the predetermined value to a component including a component corresponding to the charging rate in a matrix representing the predicted noise of the Kalman filter An estimation method comprising: performing a process of correcting the charging rate by multiplying a value.
前記差分を前記測定電流の絶対値で除算した値と、前記カルマンフィルタのカルマンゲインとに基づいて修正値を算出し、該修正値における前記電池の等価電気回路モデルの電流変化に対する過渡的な電圧に対応する成分に、前記測定電流の絶対値を乗算して、前記充電率を補正する補正部と
を有することを特徴とする推定装置。 Based on the measured current of the battery and the measured terminal voltage, the Kalman filter is used to calculate the charging rate and the predicted terminal voltage of the battery, and a calculation unit that calculates the difference between the measured terminal voltage and the predicted terminal voltage;
A correction value is calculated based on a value obtained by dividing the difference by the absolute value of the measured current and a Kalman gain of the Kalman filter, and a transient voltage with respect to a current change of the equivalent electric circuit model of the battery at the correction value is calculated. An estimation device comprising: a correction unit that corrects the charging rate by multiplying a corresponding component by an absolute value of the measured current.
前記測定電流の絶対値が所定値を超える場合に、前記カルマンフィルタの予測ノイズを表す行列のうち、前記充電率に対応しない成分に、前記所定値を前記測定電流で除算した値に基づく値を乗算して、前記充電率を補正する補正部と
を有することを特徴とする推定装置。 Based on the measured current and measured terminal voltage of the battery, a calculation unit that calculates the charging rate of the battery using a Kalman filter;
When the absolute value of the measured current exceeds a predetermined value, a component that does not correspond to the charging rate in the matrix representing the predicted noise of the Kalman filter is multiplied by a value based on a value obtained by dividing the predetermined value by the measured current. And a correction unit that corrects the charging rate.
前記測定電流の絶対値が所定値を超える場合に、前記カルマンフィルタの予測ノイズを表す行列のうち、前記充電率に対応する成分を含む成分に、前記測定電流を前記所定値で除算した値に基づく値を乗算して、前記充電率を補正する補正部と
を有することを特徴とする推定装置。 Based on the measured current and measured terminal voltage of the battery, a calculation unit that calculates the charging rate of the battery using a Kalman filter;
When the absolute value of the measured current exceeds a predetermined value, based on a value obtained by dividing the measured current by the predetermined value to a component including a component corresponding to the charging rate in a matrix representing the predicted noise of the Kalman filter An estimation device comprising: a correction unit that multiplies the values to correct the charging rate.
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2014062744A JP6221884B2 (en) | 2014-03-25 | 2014-03-25 | Estimation program, estimation method, and estimation apparatus |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2014062744A JP6221884B2 (en) | 2014-03-25 | 2014-03-25 | Estimation program, estimation method, and estimation apparatus |
Publications (2)
Publication Number | Publication Date |
---|---|
JP2015184219A JP2015184219A (en) | 2015-10-22 |
JP6221884B2 true JP6221884B2 (en) | 2017-11-01 |
Family
ID=54350897
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2014062744A Expired - Fee Related JP6221884B2 (en) | 2014-03-25 | 2014-03-25 | Estimation program, estimation method, and estimation apparatus |
Country Status (1)
Country | Link |
---|---|
JP (1) | JP6221884B2 (en) |
Families Citing this family (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP6330605B2 (en) * | 2014-09-25 | 2018-05-30 | 富士通株式会社 | Estimation program, estimation method, and estimation apparatus |
CN106896329B (en) * | 2017-03-23 | 2020-01-07 | 东软集团股份有限公司 | Method and device for predicting battery terminal voltage |
JP7134981B2 (en) | 2017-09-14 | 2022-09-12 | 株式会社半導体エネルギー研究所 | Secondary battery abnormality detection system and secondary battery abnormality detection method |
CN111542759B (en) * | 2018-01-11 | 2024-02-09 | 株式会社半导体能源研究所 | Abnormality detection device for secondary battery, abnormality detection method, and program |
KR102349235B1 (en) * | 2018-02-14 | 2022-01-07 | 주식회사 엘지에너지솔루션 | Apparatus and method for estimating state of charge for battery |
JP6978339B2 (en) * | 2018-02-16 | 2021-12-08 | 株式会社半導体エネルギー研究所 | Secondary battery charge status estimation device and abnormality detection device, and secondary battery management system |
JP7010563B2 (en) * | 2018-12-21 | 2022-01-26 | エルジー・ケム・リミテッド | Battery charge status estimator |
WO2020166914A1 (en) * | 2019-02-15 | 2020-08-20 | 주식회사 엘지화학 | Device and method for estimating state of charge |
CN117741450B (en) * | 2024-02-21 | 2024-05-14 | 新风光电子科技股份有限公司 | Energy storage battery detection method for electrical parameter analysis |
Family Cites Families (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
KR100804698B1 (en) * | 2006-06-26 | 2008-02-18 | 삼성에스디아이 주식회사 | The method of assuming the state of charge of the battery, battery management system using the method and the driving method of the battery management system using the method |
JP5292375B2 (en) * | 2010-09-16 | 2013-09-18 | カルソニックカンセイ株式会社 | Battery charge rate estimation device |
JP2015038444A (en) * | 2013-08-19 | 2015-02-26 | 株式会社東芝 | Secondary battery remaining capacity estimation method and secondary battery remaining capacity estimation apparatus |
-
2014
- 2014-03-25 JP JP2014062744A patent/JP6221884B2/en not_active Expired - Fee Related
Also Published As
Publication number | Publication date |
---|---|
JP2015184219A (en) | 2015-10-22 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
JP6221884B2 (en) | Estimation program, estimation method, and estimation apparatus | |
JP7015678B2 (en) | Battery charging method, battery charging information generation method, and battery charging device | |
JP6488105B2 (en) | Storage battery evaluation apparatus and method | |
JP5058814B2 (en) | Battery state and parameter estimation system and method | |
KR102452548B1 (en) | Apparatus for determination battery degradation, system having the same and method thereof | |
CN101395489B (en) | System and method for determining both an estimated battery state vector and an estimated battery parameter vector | |
US10895602B2 (en) | Battery assembly state estimation device and battery assembly state estimation method | |
TWI384246B (en) | Apparatus and method for estimating resistance characteristics of battery based on open circuit voltage estimated by battery voltage variation | |
EP1982398B1 (en) | System, method, and article of manufacture for determining an estimated combined battery state-parameter vector | |
JP6330605B2 (en) | Estimation program, estimation method, and estimation apparatus | |
JP6213333B2 (en) | Estimation program, estimation method, and estimation apparatus | |
RU2524050C1 (en) | Assessment device of accumulator state, and assessment method of accumulator state | |
JP6299187B2 (en) | Estimation program, estimation method, and estimation apparatus | |
US20180106868A1 (en) | Method for estimating a battery state of health | |
JP6421411B2 (en) | Estimation program for estimating battery charging rate, estimation method for estimating battery charging rate, and estimation device for estimating battery charging rate | |
JP6171897B2 (en) | Approximation function creation program, approximation function creation method, approximation function creation device, and charging rate estimation program | |
JP2018059910A (en) | System and method for estimating battery state, and non-transient computer readable storage medium | |
US10310021B2 (en) | Method for real time correction of ion concentration and Coulomb counting state-of-charge (SOC) in battery | |
JP6018388B2 (en) | Secondary battery capacity deterioration estimation method and estimation device | |
WO2017179175A1 (en) | Estimation device, estimation program, and charging control device | |
KR102281384B1 (en) | Apparatus and method to estimate state-of-charge for battery | |
CN116819346B (en) | Battery SOC estimation method, device, equipment and storage medium | |
WO2018025350A1 (en) | Estimation device, estimation program, and charging control device | |
JP2022044172A (en) | Determination device, power storage system, determination method, and determination program for multiple batteries | |
WO2018029849A1 (en) | Estimation device, estimation program, and charging control device |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20161206 |
|
A977 | Report on retrieval |
Free format text: JAPANESE INTERMEDIATE CODE: A971007 Effective date: 20170825 |
|
TRDD | Decision of grant or rejection written | ||
A01 | Written decision to grant a patent or to grant a registration (utility model) |
Free format text: JAPANESE INTERMEDIATE CODE: A01 Effective date: 20170905 |
|
A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20170918 |
|
R150 | Certificate of patent or registration of utility model |
Ref document number: 6221884 Country of ref document: JP Free format text: JAPANESE INTERMEDIATE CODE: R150 |
|
LAPS | Cancellation because of no payment of annual fees |