二次电池的充电状态推测方法、二次电池的充电状态推测系统及二次电池的异常检测方法与流程

1.本发明的一个方式涉及一种物品、方法或者制造方法。此外，本发明涉及一种工序(process)、机器(machine)、产品(manufacture)或者组合物(composition of matter)。本发明的一个方式涉及一种半导体装置、显示装置、发光装置、蓄电装置、照明装置、电子设备或其制造方法。另外，本发明的一个方式涉及一种蓄电装置的充电状态推测方法、蓄电装置的充电状态推测系统及异常检测方法。尤其是，本发明的一个方式涉及一种蓄电装置的充电状态推测系统及蓄电装置的异常检测系统。
2.注意，在本说明书中，蓄电装置是指具有蓄电功能的所有元件以及装置。例如，包括锂离子二次电池等蓄电池(也称为二次电池)、锂离子电容器、镍氢电池、全固态电池及双电层电容器等。
3.另外，本发明的一个方式涉及一种神经网络及使用神经网络的蓄电装置的充电状态推测系统。此外，本发明的一个方式涉及一种使用神经网络的车辆。另外，本发明的一个方式涉及一种使用神经网络的电子设备。此外，本发明的一个方式涉及一种充电状态推测系统，该充电状态推测系统不但适用于车辆，而且还可以适用于用来储存从设置在结构体等中的太阳能发电面板等发电设备得到的电力的蓄电装置。


背景技术：

4.作为推测二次电池的剩余电量的方法有库伦计数法和ocv(open circuit voltage)法。
5.在长期使用现有的方法且反复进行充电或放电时，误差会累积而充电率即soc(state of charge：荷电状态)的推测精度有可能显著地降低。另外，由于电池未使用状态下的时间经过，也会产生由自放电而引起的初期soc(0)的变化，因此难以提高soc的推测精度。库伦计数法有不能修改初期soc(0)的误差或累积电流传感器的误差等缺点。专利文献1中公开了一种根据参数与温度相关联的信息，由状态推测单元高精度地推测低温时的二次电池的状态的技术。
6.[先行技术文献]
[0007]
[专利文献]
[0008]
[专利文献1]日本专利申请公开第2016
‑
80693号公报


技术实现要素：

[0009]
发明所要解决的技术问题
[0010]
二次电池在制造时由于活性物质的量、电极尺寸等组装时的微小差异，即使是同一制造批次，有时也会出现微小的个体差异。在车辆等中使用多个二次电池，当组合多个电池时各个体差异产生影响，因此也有因劣化而导致车辆间的容量差异变大的情况。即便是同一批的电池，受到使用状况(环境温度、充放电的频率、保管状态)等的影响而劣化程度产
生差异。
[0011]
另外，随着二次电池的劣化的发展，soc的推测精度有时显著地降低。例如，在电流积算值的推测方法中，随着长期使用而积累电流值的检测误差，soc的推测精度逐渐下降。此外，soc根据相对于二次电池的最大容量的剩余电量的比例而定义。在充满电后放电而根据电流的时间积分可以算出二次电池的最大容量，但是有放满电需要较长时间的担忧。此外，在使用二次电池之前需要再次充电。
[0012]
本发明提供一种即使二次电池劣化发展也推测精度高的二次电池的充电状态推测方法。另外，本发明提供一种在短时间内以低成本高精度地推测出soc的二次电池的容量测量系统。
[0013]
另外，若能够以高精度推测二次电池的容量，则也可以根据该值进行异常检测。本发明的另一个方式的目的之一是提供一种二次电池的新颖异常检测方法。
[0014]
解决技术问题的手段
[0015]
在推测二次电池的充电状态时，可以使用各种二次电池的参数信息。例如，作为二次电池的参数信息，可以举出二次电池的内部电阻、电流值、电压值、周边温度、二次电池的内部温度、充满电状态下的容量值、充电条件、放电条件等。不一定所使用的数据的种类越多推测精度越高。反而，在使用很多种类的数据时所含的噪声变多，这有可能导致推测精度下降。另外，在使用很多种类的数据时进行很多次数的运算处理，有可能直到输出解为止需要较长时间或者不决定解而不结束运算。
[0016]
在本说明书所公开的二次电池的充电状态推测方法中，通过从较多种类的数据中找到直接或间接地影响到二次电池的劣化的几个参数，使神经网络的学习装置学习种类较少的参数作为监督数据，由此神经网络的学习结果为二次电池的容量。
[0017]
另外，不一定说若神经网络的学习装置中的参数及数据数变多则精度变高，有可能在数据数较多时发生过学习而推测精度下降。
[0018]
重要的是，如何从较多参数中选择较少的学习参数，如何决定监督数据，如何使神经网络的学习装置学习，如何高精度地算出二次电池的容量。
[0019]
本发明人等利用cccv充电的充电方法进行充放电循环而测定二次电池的劣化，此时本发明人等发现随着二次电池的劣化而cv充电的期间(也称为cv时间)变长。作为锂离子二次电池的充电，一般地进行cccv充电的充电方法。cccv充电是指首先进行cc充电而充电到规定电压，然后进行cv充电而充电到流过的电流变少，具体而言，充电到成为终止电流值的充电方法。一次充电期间被分为cc充电的期间(也称为cc时间)和之后的cv充电的期间(cv时间)。在cc充电的期间直到到达规定电压为止使恒电流流过二次电池，在cv充电的期间直到到达终止电流值为止以恒电压进行充电。
[0020]
在cccv充电的充电方法中，作为学习参数使用cc时间和cv时间，构成学习模型。这种学习模型的构成是指学习阶段(学习时期)。
[0021]
作为用于学习模型的学习参数，不仅使用cc时间和cv时间的数据而且使用在作为基准的二次电池的充放电循环测试中实际得到的各种数据。
[0022]
当使用上述学习模型时，可以作为最少的输入数据使用cc时间、cv时间及充电开始电压值这三个数据来得到推测容量值。另外，根据使用学习模型的学习结果得到推测容量值是指判断阶段(判断时期)。在车辆等中也可以安装学习阶段和判断阶段的双方，但是，
通过预先得到学习结果而至少将判断阶段安装于车辆，驾驶者可以得到推测容量值。另外，当将行驶中的数据用作学习参数时，通过将学习阶段和判断阶段的双方安装于车辆，驾驶者可以在行驶中得到更准确的推测容量值。
[0023]
在本说明书所公开的二次电池的容量推测方法中，测定二次电池的充电开始电压值，计量从充电开始时直到二次电池的端子电压到达基准电压为止的第一时间(cc时间)，计量从到达基准电压时直到充电结束为止的第二时间(cv时间)，被输入充电开始电压值、第一时间及第二时间的神经网络部算出二次电池的容量。
[0024]
另外，当输入四个数据，即除了上述三个值之外还输入从充电结束后的休眠时间后直到二次电池内部的化学反应变得稳定为止的第三时间后的电压值时，虽然输入数据数增加，但是可以得到最高精度。注意，在第三时间中，预先对作为基准的二次电池进行循环测试，计量从充电结束后的休眠直到二次电池内部的化学反应变得稳定为止的时间。
[0025]
在本说明书所公开的二次电池的另一个容量推测方法中，测定二次电池的充电开始电压值，计量从充电开始时直到二次电池的端子电压到达基准电压为止的第一时间(cc时间)，计量从到达基准电压时直到充电结束为止的第二时间(cv时间)，测定从充电结束时直到二次电池内部的化学反应变得稳定为止的第三时间后的电压值，被输入充电开始电压值、第一时间(cc时间)、第二时间(cv时间)及电压值的神经网络部算出二次电池的充电状态，具体而言二次电池的容量。
[0026]
另外，当数据较少时，计量从二次电池的充电开始时直到二次电池的端子电压到达基准电压为止的第一时间(cc时间)，计量从到达基准电压时直到充电结束为止的第二时间(cv时间)，被输入第一时间及第二时间这两个数据的神经网络部算出二次电池的充电状态，具体而言二次电池的容量。可以在二次电池的充电结束后或二次电池的放电中(具体而言，车辆行驶中)适当地算出二次电池的容量。
[0027]
下面将说明cc充电及cv充电。
[0028]
首先，作为充电方法的一个说明cc充电。cc充电是指在充电期间的整个期间中使恒定的电流流过二次电池，并且在二次电池的电压成为规定电压时停止充电的充电方法。如图6a所示那样，将二次电池假设为内部电阻r与二次电池容量c的等效电路。在此情况下，二次电池电压v
b
是施加到内部电阻r的电压v
r
和施加到二次电池容量c的电压v
c
的总和。
[0029]
在进行cc充电期间，如图6a所示那样，开关开启，恒定的电流i流过二次电池。在此期间，因为电流i恒定，所以施加到内部电阻r的电压v
r
根据v
r
＝r
×
i的欧姆定律而恒定。另一方面，施加到二次电池容量c的电压v
c
随着时间推移而上升。因此，二次电池电压v
b
随着时间推移而上升。
[0030]
并且，当二次电池电压v
b
成为规定电压，例如4.3v时，停止充电。当停止cc充电时，如图6b所示那样，开关关闭，成为电流i＝0。因此，施加到内部电阻r的电压v
r
成为0v。因此，二次电池电压v
b
下降。
[0031]
图6c示出进行cc充电期间及停止cc充电之后的二次电池电压v
b
与充电电流的例子。由图6c可知，在进行cc充电期间上升的二次电池电压v
b
在停止cc充电之后略微降低。
[0032]
接着，对与上述不同的充电方法，即cccv充电进行说明。cccv充电是指首先进行cc充电而充电到规定电压，然后进行cv充电而充电到流过的电流变少，具体而言，充电到成为终止电流值的充电方法。
[0033]
在进行cc充电期间，如图7a所示那样，恒流电源的开关开启，恒压电源的开关关闭，因此恒定的电流i流过二次电池。在此期间，因为电流i恒定，所以施加到内部电阻r的电压v
r
根据v
r
＝r
×
i的欧姆定律而恒定。另一方面，施加到二次电池容量c的电压v
c
随着时间推移而上升。因此，二次电池电压v
b
随着时间推移而上升。
[0034]
并且，当二次电池电压v
b
成为规定电压，例如4.3v时，从cc充电切换为cv充电。在进行cv充电期间，如图7b所示那样，恒压电源的开关开启，恒流电源的开关关闭，因此二次电池电压v
b
为恒定。另一方面，施加到二次电池容量c的电压v
c
随着时间推移而上升。因为满足v
b
＝v
r
+v
c
，所以施加到内部电阻r的电压v
r
随着时间推移而变小。随着施加到内部电阻r的电压v
r
变小，流过二次电池的电流i根据v
r
＝r
×
i的欧姆定律而变小。
[0035]
并且，当流过二次电池的电流i成为规定电流，例如相当于0.01c的电流时，停止充电。当停止cccv充电时，如图7c所示那样，所有开关关闭，成为电流i＝0。因此，施加到内部电阻r的电压v
r
成为0v。但是，因为通过cv充电充分地降低了施加到内部电阻r的电压v
r
，所以即使内部电阻r的电压不再下降，二次电池电压v
b
也几乎不下降。
[0036]
图8a示出进行cccv充电期间及停止cccv充电之后的二次电池电压v
b
与充电电流的例子。由图8a可知，二次电池电压v
b
即使在停止cccv充电之后也几乎不下降。
[0037]
接着，说明放电方法之一的cc放电。cc放电是指在放电期间的整个期间中从二次电池放出恒定的电流，并且在二次电池电压v
b
成为规定电压，例如2.5v时，停止放电的放电方法。
[0038]
图8b示出进行cc放电期间的二次电池电压v
b
与放电电流的例子。从图8b可知，二次电池电压v
b
随着放电的进展而下降。
[0039]
在此，对放电率及充电率进行说明。放电率是指放电时的电流相对于电池容量的比率，并且由单位c表示。在额定容量x(ah)的电池中，相当于1c的电流是x(a)。在以2x(a)的电流放电的情况下，可以说以2c放电，并且在以x/5(a)的电流放电的情况下，可以说以0.2c放电。此外，充电率也是同样的，在以2x(a)的电流充电的情况下，可以说以2c充电，并且在以x/5(a)的电流充电的情况下，可以说以0.2c充电。
[0040]
在本说明书所公开的二次电池的充电状态推测方法中，基本上不在实际使用时推测二次电池的劣化程度而在充电结束后推测二次电池的劣化程度。例如，可以在电动汽车的二次电池充满电时高精度地推测容量。此时，在用来对电动汽车进行充电的充电控制装置或能够与该充电控制装置进行数据的收发的服务器中进行神经网络处理。在进行神经网络处理时，需要包括充分储存学习数据的存储器且能够进行充分的运算处理的硬件。
[0041]
执行用来进行神经网络处理的推论用程序的软件的程序可以使用python、go、perl、ruby、prolog、visual basic、c、c++、swift、java(注册商标)、.net等各种编程语言编写。另外，应用程序可以使用chainer(可在python中利用)、caffe(可在python及c++中利用)、tensorflow(可在c、c++及python中利用)等框架编写。例如，lstm的算法使用python编写，并使用cpu(central processing unit)或gpu(graphics processing unit)。此外，有时将cpu和gpu统合为一个的芯片称为apu(accelerated processing unit：加速处理单元)，也可以使用该apu芯片。另外，还可以使用组装有ai系统的ic(也称为推论芯片)。组装有ai系统的ic有时被称为进行神经网络运算的电路(微处理器)。
[0042]
发明效果
[0043]
在本说明书所公开的二次电池的充电状态推测方法中，可以使用较少种类的数据高精度地推测容量。因此，也可以使用较少的学习数据简单地进行运算处理。
[0044]
为了实现能够执行神经网络处理的硬件的小型化，也可以将其安装在小型充电控制装置中。若使用安装有能够执行神经网络处理的硬件的便携式信息终端，则也可以基于电动汽车的充电信息推测电动汽车车辆的容量。
[0045]
并且，也可以将小型化了的硬件安装在电动汽车车辆中。若将小型化了的硬件安装在电动汽车车辆中，则可以在目的地的充电站进行充电后以高精度推测容量。
附图说明
[0046]
图1a是示出使用本发明的一个方式所示的方法时的推测精度的图表，图1b是示出输入数据的种类的图表，图1c是与图1a对应的图表。
[0047]
图2a是示出使用本发明的一个方式所示的方法时的推测精度的图表，图2b及图2c是示出输入数据的种类的图表。
[0048]
图3是示出本发明的一个方式的流程图。
[0049]
图4是示出二次电池的充电后的休眠时间和电压变化的数据。
[0050]
图5a及图5b是示出神经网络处理的结构例子的图。
[0051]
图6a、图6b及图6c是说明二次电池的充电方法的图。
[0052]
图7a、图7b及图7c是说明二次电池的充电方法的图。
[0053]
图8a及图8b是二次电池的充电曲线及二次电池的放电曲线。
[0054]
图9a及图9b是说明硬币型二次电池的图。
[0055]
图10a是说明圆筒型二次电池的立体图，图10b是说明圆筒型二次电池的截面立体图，图10c是说明圆筒型二次电池的立体图，图10d是说明圆筒型二次电池的俯视图。
[0056]
图11a、图11b及图11c是说明二次电池的例子的立体图。
[0057]
图12a、图12b、图12c、图12d及图12e是说明包括本发明的一个方式的二次电池模块的小型电子设备及车辆的例子的图。
[0058]
图13a、图13b及图13c是说明包括本发明的一个方式的二次电池模块的车辆及房屋的例子的图。
[0059]
图14是说明本发明的一个方式的程序及信息处理方法的图。
[0060]
图15是说明本发明的一个方式的程序及信息处理方法的图。
[0061]
图16是说明本发明的一个方式的程序及信息处理方法的图。
[0062]
图17是说明本发明的一个方式的程序及信息处理方法的图。
[0063]
图18是说明本发明的一个方式的程序及信息处理方法的图。
具体实施方式
[0064]
下面，参照附图对本发明的实施方式进行详细说明。注意，本发明不局限于以下说明，所属技术领域的普通技术人员可以很容易地理解一个事实就是其方式和详细内容可以被变换为各种形式。此外，本发明不应该被解释为仅限定在下面的实施方式所记载的内容中。
[0065]
(实施方式1)
[0066]
在本实施方式中，图3示出：进行作为基准的二次电池的循环测试，基于该数据构成学习模型，进行容量推测的次序；以及使用该学习模型进行异常检测的次序。
[0067]
首先，进行作为基准的二次电池的充放电循环测试。(s1)
[0068]
收集通过充放电循环测试得到的数据。(s2)在该数据收集中，收集各种数据。例如，对cc时间、cv时间、温度、放电电压、初始fcc(mah)、循环次数、充电开始电压、充电开始1秒钟后的电压、充电开始2秒钟后的电压、充电开始60秒钟后的电压、充电开始120秒钟后的电压、刚充电结束后的电压、充电结束后休眠1秒钟的电压、充电结束后休眠2秒钟的电压、充电结束后休眠10秒钟的电压、充电结束后休眠120秒钟的电压、充电结束后休眠600秒钟的电压等进行实测。这些数据(不包括循环次数)可以通过一次充放电来得到。另外，第二次充放电后也可以取得数据。另外，只要作为基准的二次电池具有大致相同的特性，则也可以使用多个二次电池。
[0069]
至少收集cc时间、cv时间及充电开始电压这三个数据。在本实施方式中，对市售的多个锂离子二次电池(ncr18650b)进行循环测试来取得数据。锂离子二次电池的公称容量为3350mah，平均电压为3.6v。在循环测试中，进行4.2v、0.5c充电(cv截止0.02c)，反复进行在经过休眠时间10分钟后放电到任意电压并休眠10分钟的工作。
[0070]
另外，预先还收集充电结束后的休眠时间的数据。关于该数据，在使锂离子二次电池充满电之后，以休眠(放置)的时间为横轴且以电压为纵轴来取得数据，选择电压变化变小的时间。图4的图表示出在充满电结束后休眠的电压的时间变化的实测值。在图4中，在休眠开始后大约110秒钟至大约130秒钟的部分电压变化变小。该变化变小的时间与直到二次电池内部的化学反应变得稳定为止的时间一致。注意，在实际进行了1000次循环测试的二次电池中，由于劣化而内部电阻增加且电压下降变大，充满电结束后的电压的时间经过也有与上述大致相同的倾向。在本实施方式中，使用休眠后120秒钟(2分钟)的电压值作为重要参数。注意，因为上述直到二次电池内部的化学反应变得稳定为止的时间根据二次电池的种类不同，所以基于对想要进行容量推测的二次电池进行循环测试来得到的数据决定即可。
[0071]
接着，使所得到的数据学习来构成学习模型。(s3)
[0072]
在本实施方式中，对使神经元彼此连接的各节点设定最合适的权重和偏置，进行生成学习模型的学习。框架编写使用chainer，并使用基于mnist正式源代码的全连接神经网络处理。中间层为3层，隐藏层为200层。注意，作为进行最优化的optimizer使用adam。作为学习数据，至少使用cc时间、cv时间及充电开始电压这三个数据，以能够放电的容量为正确标记而进行学习。另外，对所有数据进行线性插值及归一化，使用该数据进行学习。
[0073]
图5a及图5b说明神经网络处理的运算的例子。
[0074]
如图5a所示，神经网络处理nn可以由输入层il、输出层ol及中间层(隐藏层)hl构成。输入层il、输出层ol及中间层hl都包括一个或多个神经元(单元)。注意，中间层hl可以为一层或两层以上。包括两层以上的中间层hl的神经网络处理可以被称为dnn(深度神经网络)，使用深度神经网络处理的学习可以被称为深度学习。
[0075]
输入层il的各神经元被输入输入数据，中间层hl的各神经元被输入前一层或后一层的神经元的输出信号，输出层ol的各神经元被输入前一层的神经元的输出信号。注意，各神经元既可以与前一层和后一层的所有神经元连结(全连结)，又可以与部分神经元连结。
[0076]
图5b示出利用神经元的运算的例子。在此，示出神经元n及向神经元n输出信号的前一层的两个神经元。神经元n被输入前一层的神经元的输出x1及前一层的神经元的输出x2。在神经元n中，算出输出x1与权重w1的乘法结果(x1w1)和输出x2与权重w2的乘法结果(x2w2)之和(x1w1+x2w2)，然后根据需要对其加偏压b，从而得到值a＝x1w1+x2w2+b。值a被激活函数h变换，输出信号y＝h(a)从神经元n输出。
[0077]
如此，利用神经元的运算包括对输入数据与权重之积进行加法的运算，即积和运算。该积和运算可以通过电流源电路、偏置吸收电路及包括单元阵列的积和运算电路进行。此外，利用激活函数h的信号的变换可以通过分层输出电路进行。就是说，可以使用运算电路进行中间层或输出层的运算。
[0078]
积和运算电路所包括的单元阵列由配置为矩阵状的多个存储单元构成。
[0079]
存储单元具有储存第一数据的功能。第一数据是对应于神经网络处理神经元间的权重的数据。另外，存储单元具有对第一数据与从单元阵列的外部输入的第二数据进行乘法运算的功能。换言之，存储单元被用作存储电路和乘算电路。
[0080]
注意，在第一数据为模拟数据时，存储单元被用作模拟存储器。另外，在第一数据为多值数据时，存储单元被用作多值存储器。
[0081]
并且，属于相同列的存储单元的乘法运算结果被加在一起。因此，进行第一数据和第二数据的积和运算。另外，单元阵列的运算结果作为第三数据输出到分层输出电路。
[0082]
分层输出电路具有将从单元阵列输出的第三数据根据规定激活函数变换的功能。从分层输出电路输出的模拟信号或多值数字信号相当于神经网络处理的中间层或输出层的输出数据。
[0083]
作为激活函数，例如可以使用sigmoid函数、tanh函数、softmax函数、relu函数及阈值函数等。被分层输出电路变换的信号作为模拟数据或多值数字数据(数据d
analog
)被输出。
[0084]
如此，通过使用一个运算电路，可以实现神经网络处理的中间层和输出层中的任一个的运算。
[0085]
从第一运算电路输出的模拟数据或多值数字数据作为第二数据被供应到第二运算电路。并且，第二运算电路使用储存在存储单元中的第一数据和从第一运算电路输入的第二数据进行运算。因此，可以进行由多个层构成的神经网络处理的运算。
[0086]
为了求出想要知道的二次电池的容量，输入关于充电的数据使用学习模型得到推测值。(s4)
[0087]
另外，使用将cc时间、cv时间及充电开始电压这三个数据作为学习数据的学习模型，作为输入1输入各数据，此时平均误差可以为6.088mah。
[0088]
另外，使用将cc时间、cv时间、充电开始电压、充电结束1秒钟后的电压及充电结束2秒钟后的电压这五个数据作为学习数据的学习模型，作为输入2输入各数据，此时平均误差可以为6.382mah。
[0089]
另外，使用将cc时间、cv时间、充电开始电压及充电结束120秒钟后的电压这四个数据作为学习数据的学习模型，作为输入3输入各数据，此时平均误差可以为5.844mah。
[0090]
另外，使用将cc时间、cv时间、充电开始电压、充电结束1秒钟后的电压、充电结束2秒钟后的电压及cc时间与cv时间的比例(cccv时间比)这六个数据作为学习数据的学习模
型，作为输入4输入各数据，此时平均误差可以为6.66mah。
[0091]
图1a示出比较这些结果的条形图表，图1b示出输入的表，图1c示出平均误差的一览表。
[0092]
根据这些结果可知，若至少使用cc时间、cv时间及充电开始电压这三个数据，则可以将推测容量值抑制到大约7mah左右的误差，其中，在使用将cc时间、cv时间、充电开始电压及充电结束120秒钟后的电压这四个数据作为学习数据的学习模型的情况下，可以最高精度地推测容量。
[0093]
步骤s1至步骤s4可以说是构成学习模型而推测容量的次序。
[0094]
使上述学习数据仅学习正常数据。由此，若二次电池发生某种异常，则推测值变化，推测误差变大。通过利用该变化，也可以进行异常检测。
[0095]
接下来，进行使用二次电池充电的充放电循环，在充电结束后使用上述学习模型推测容量。
[0096]
假设在某个充电循环中二次电池发生异常的步骤5(s5)。
[0097]
算出在发生异常后的推测误差，输出较大的推测误差。(s6)
[0098]
当s6中的推测误差超过可看作发生异常的推测误差的阈值时，判定为异常。(s7)
[0099]
注意，为了区别噪声的发生与异常的发生，预先决定推测误差的阈值。
[0100]
若有异常发生，则可以经过各步骤s5、s6、s7进行异常检测。
[0101]
如上所说明，由图3的流程示出容量推测的次序，由图1的结果示出进行了精度优异的容量推测。另外，由图3的流程示出异常检测的次序，并示出基于高精度的容量推测进行异常检测。
[0102]
注意，推测误差是指使用学习模型推测到的值与能够放电的容量之差，平均误差是指所使用的各电池单元的推测误差之平均值。在本实施方式中，由于对10个电池单元进行该次序，所以10个推测误差的总和除以10的数值为平均误差。
[0103]
(实施方式2)
[0104]
在本实施方式中，下面参照图2说明实施方式1与不同于实施方式1的比较例子的比较。
[0105]
图2a示出使用与实施方式1相同的学习模型改变输入数据来求出推测误差的结果。
[0106]
注意，图2a及图2b所示的输入3与图1a所示的输入3同一，其示出相同条件下的结果。
[0107]
另外，图2a及图2b所示的输入5是使用cc时间和cv时间的结果，这是本发明之一。在输入5中，平均值为5.9，与输入3相比最小值为3.2，推测精度低于输入3。
[0108]
另外，图2c所示的输入6、输入7、输入8、输入9是比较例子，比较例子的推测误差都是10(mah)以上。输入6的数据使用充电开始电压和充电结束后休眠120秒钟的电压。另外，输入7的数据使用充电结束1秒钟后的电压、充电结束2秒钟后的电压、cccv时间比。另外，输入8的数据使用充电结束1秒钟后的电压、充电结束2秒钟后的电压。输入9的数据使用cccv时间比。
[0109]
对10个电池单元分别算出推测容量，将其平均值作为误差容量(mah)表示。
[0110]
由图2a的结果也可知，通过作为学习模型至少使用cc时间和cv时间而且使用充电
开始电压和充电结束后休眠120秒钟的电压，可以输出与其他条件相比精度最高的推测容量。在想要减少数据数时，使用cc时间和cv时间这两个数据的学习模型是优选的。
[0111]
(实施方式3)
[0112]
说明硬币型二次电池的一个例子。图9a是硬币型(单层扁平型)二次电池的外观图，图9b是其截面图。
[0113]
在硬币型二次电池300中，兼用作正极端子的正极罐301和兼用作负极端子的负极罐302由使用聚丙烯等形成的垫片303绝缘并密封。正极304由正极集流体305和以与此接触的方式设置的正极活性物质层306形成。负极307由负极集流体308和以与此接触的方式设置的负极活性物质层309形成。
[0114]
在用于硬币型二次电池300的正极304及负极307各自包括的活性物质层可以只形成在一个表面。
[0115]
作为正极罐301及负极罐302，可以使用对电解液具有抗腐蚀性的镍、铝、钛等金属、它们的合金或者它们和其他金属的合金(例如不锈钢等)。另外，为了防止因电解液所引起的腐蚀，正极罐301及负极罐302优选被镍或铝等覆盖。正极罐301与正极304电连接，并且负极罐302与负极307电连接。
[0116]
通过将这些负极307、正极304及隔离体310浸渗在电解质中，如图9b所示，将正极罐301设置下方按顺序层叠正极304、隔离体310、负极307及负极罐302，并且夹着垫片303压合正极罐301和负极罐302来制造硬币型二次电池300。
[0117]
[圆筒型二次电池]
[0118]
接着，参照图10a至图10d对圆筒型二次电池的例子进行说明。如图10a所示，圆筒型二次电池600在顶面具有正极盖(电池盖)601，并在侧面及底面具有电池罐(外装罐)602。上述正极盖与电池罐(外装罐)602通过垫片(绝缘垫片)610绝缘。
[0119]
图10b是示意性地示出圆筒型二次电池的截面图。在中空圆柱状电池罐602的内侧设置有电池元件，在该电池元件中，带状的正极604和负极606夹着隔离体605被卷绕。虽然未图示，但是电池元件以中心销为中心被卷绕。电池罐602的一端关闭且另一端开着。作为电池罐602可以使用对电解液具有抗腐蚀性的镍、铝、钛等金属、它们的合金或者它们和其他金属的合金(例如不锈钢等)。另外，为了防止电解液所引起的腐蚀，电池罐602优选被镍或铝等覆盖。在电池罐602的内侧，正极、负极及隔离体被卷绕而成的电池元件由对置的一对绝缘板608和绝缘板609夹着。另外，在设置有电池元件的电池罐602的内部中注入有非水电解液(未图示)。作为非水电解液，可以使用与硬币型二次电池相同的电解液。
[0120]
因为用于圆筒型蓄电池的正极及负极被卷绕，从而活性物质优选形成在集流体的两个表面。正极604与正极端子(正极集流导线)603连接，而负极606与负极端子(负极集流导线)607连接。正极端子603及负极端子607都可以使用铝等金属材料。将正极端子603电阻焊接到安全阀机构612，而将负极端子607电阻焊接到电池罐602底。安全阀机构612与正极盖601通过ptc(positive temperature coefficient：正温度系数)元件611电连接。当电池的内压上升到超过规定的阈值时，安全阀机构612切断正极盖601与正极604的电连接。另外，ptc元件611是在温度上升时其电阻增大的热敏感电阻元件，并通过电阻的增大来限制电流量以防止异常发热。作为ptc元件，可以使用钛酸钡(batio3)类半导体陶瓷等。
[0121]
另外，如图10c所示那样，也可以将多个二次电池600夹在导电板613和导电板614
之间而构成模块615。多个二次电池600可以被并联连接、被串联连接或者被并联连接后再被串联连接。通过构成包括多个二次电池600的模块615，可以提取较大电力。
[0122]
图10d是模块615的俯视图。为了明确起见，以虚线表示导电板613。如图10d示出，模块615可以包括使多个二次电池600电连接的导线616。可以以与导线616重叠的方式在导线616上设置导电板。另外，也可以在多个二次电池600之间包括温度控制装置。在二次电池600过热时可以通过温度控制装置冷却，在二次电池600过冷时可以通过温度控制装置加热。由此模块615的性能不容易受到外部气温的影响。温度控制装置所包括的热媒体优选具有绝缘性及不燃性。
[0123]
[二次电池的结构例子]
[0124]
参照图11a、图11b及图11c说明层压型二次电池980。层压型二次电池980包括图11a所示的卷绕体993。卷绕体993包括负极994、正极995以及隔离体996。卷绕体993是夹着隔离体996使负极994和正极995互相重叠来形成叠层片，并且将该叠层片卷绕而形成的。
[0125]
如图11b所示，在通过热压合等贴合将成为外包装体的薄膜981和具有凹部的薄膜982而形成的空间中容纳上述卷绕体993，由此可以制造图11c所示的二次电池980。卷绕体993包括导线电极997和导线电极998，并使薄膜981和具有凹部的薄膜982所形成的空间浸渗在电解液中。
[0126]
薄膜981和具有凹部的薄膜982例如由铝等金属材料或树脂材料构成。当作为薄膜981及具有凹部的薄膜982的材料使用树脂材料时，可以在从外部被施加力量时使薄膜981及具有凹部的薄膜982变形，而可以制造具有柔性的蓄电池。
[0127]
此外，在图11b和图11c中示出使用两个薄膜进行密封的例子，但是也可以将一个薄膜弯折形成空间，并且在该空间中容纳上述卷绕体993。
[0128]
对本实施方式所示的图9a至图11c的二次电池的种类没有特别的限制。
[0129]
在制造使用图9a至图11c的二次电池中的任一个的电子设备或车辆时，构成一种系统即可，其中预先测定直到二次电池的内部的化学反应变得稳定为止的时间，根据图3所示的流程进行容量推测或异常检测。本实施方式可以与实施方式1或实施方式2自由地组合。
[0130]
为了安装实施方式1所示的学习模型，也可以将gpu等硬件安装在电子设备或车辆中。在安装时，可以具有高精度地进行二次电池的推测容量的系统。另外，也可以构成在二次电池的充电后与能够执行使用学习模型的神经网络处理的服务器进行双向通信的系统。
[0131]
(实施方式4)
[0132]
在本实施方式中，参照图12a至图12e及图13a至图13c说明构成如下系统的例子，即对电子设备的二次电池高精度地进行上述实施方式所说明的二次电池的推测容量的系统。二次电池模块至少包括二次电池及保护电路。
[0133]
首先，参照图12a至图12c对将二次电池模块安装于小型电子设备的例子进行说明。
[0134]
图12a示出移动电话机的一个例子。移动电话机2100除了安装在框体2101的显示部2102之外还具备操作按钮2103、外部连接端口2104、扬声器2105、麦克风2106等。此外，移动电话机2100包括二次电池模块2107。
[0135]
移动电话机2100可以执行移动电话、电子邮件、文章的阅读及编写、音乐播放、网
络通讯、电脑游戏等各种应用程序。
[0136]
操作按钮2103除了时刻设定之外，还可以具有电源开关、无线通讯的开关、静音模式的设置及取消、省电模式的设置及取消等各种功能。例如，通过利用组装在移动电话机2100中的操作系统，可以自由地设定操作按钮2103的功能。
[0137]
另外，移动电话机2100可以执行被通信标准化的近距离无线通讯。例如，通过与可无线通讯的耳麦相互通信，可以进行免提通话。
[0138]
另外，移动电话机2100具备外部连接端口2104，可以通过连接器直接向其他信息终端发送数据或从其他信息终端接收数据。另外，也可以通过外部连接端口2104进行充电。此外，充电工作也可以利用无线供电进行，而不利用外部连接端口2104。
[0139]
移动电话机2100优选包括传感器。作为传感器例如优选安装指纹传感器、脉搏传感器、体温传感器等人体传感器、触摸传感器、压力传感器、加速度传感器等。
[0140]
移动电话机2100可以在由充电设备进行充电后使用在充电设备或能够与充电设备进行双向通信的服务器中构成的学习模型高精度地推测容量。另外，也可以使用所推测的容量进行异常检测。
[0141]
图12b是被称为烟液容纳式吸烟装置(电子烟)的装置的立体图。在图12b中，电子烟2200包括加热元件2201以及对加热元件2201供电的二次电池模块2204。当对其插入棒2202时，棒2202被加热元件2201加热。为了提高安全性，也可以将防止二次电池模块2204的过充电及过放电的保护电路电连接到二次电池模块2204。图12b所示的二次电池模块2204包括用来与充电器连接的外部端子。在取拿时，二次电池模块2204位于顶端部，因此优选其总长度较短且重量较轻。
[0142]
二次电池模块2204可以在由充电设备进行充电后使用在充电设备或能够与充电设备进行双向通信的服务器中构成的学习模型高精度地推测容量。另外，也可以使用所推测的容量进行异常检测。
[0143]
通过使用学习模型在充电后进行异常检测，可以提高二次电池模块的安全性，由此可以提供在长期间能够长时间安全使用的小型且轻量的电子烟2200。
[0144]
图12c示出包括多个旋翼2302的无人航空载具2300。无人航空载具2300包括二次电池模块2301、相机2303及天线(未图示)。无人航空载具2300可以通过天线远程操作。
[0145]
二次电池模块2301可以在由充电设备进行充电后使用在充电设备或能够与充电设备进行双向通信的服务器中构成的学习模型高精度地推测容量。另外，也可以使用所推测的容量进行异常检测。
[0146]
通过使用学习模型在充电后进行异常检测，可以提高二次电池模块的安全性，由此在长期间能够长时间安全使用，从而适合用作安装于无人航空载具2300的二次电池模块。
[0147]
接着，参照图12d、图12e及图13a至图13c说明将本发明的一个方式的二次电池的容量推测系统或异常检测系统安装在车辆中的例子。
[0148]
图12d示出使用二次电池模块的电动二轮车2400。电动二轮车2400包括二次电池模块2401、显示部2402、车把2403。二次电池模块2401可以对作为动力源的电动机供应电力。显示部2402可以显示二次电池模块2401的剩余电量、电动二轮车2400的速度或水平状态等。
[0149]
图12e示出使用二次电池模块的电动自行车的一个例子。电动自行车2500包括电池组2502。电池组2502包括二次电池模块。
[0150]
电池组2502可以对辅助驾驶者的电动机供应电力。电池组2502可以从电动自行车2500取下并携带。此外，电池组2502和电动自行车2500可以具有能够显示剩余电量等的显示部。
[0151]
电池组2502可以在由充电设备进行充电后使用在充电设备或能够与充电设备进行双向通信的服务器中构成的学习模型高精度地推测容量。另外，也可以使用所推测的容量进行异常检测。
[0152]
通过使用学习模型在充电后进行异常检测，可以提高电池组2502的安全性，由此在长期间能够长时间安全使用，从而适合用作安装于电动自行车2500的异常检测系统。
[0153]
此外，如图13a所示，可以将包括多个二次电池2601的二次电池模块2602安装于混合动力汽车(hev)、电动汽车(ev)或插电式混合动力汽车(phev)、其他电子设备。
[0154]
图13b示出具备二次电池模块2602的车辆的一个例子。车辆2603是使用电动机作为行驶的动力源的电动汽车。或者，车辆2603是作为行驶的动力源能够适当地选择使用电动机和引擎的混合动力汽车。使用电动发动机的车辆2603包括多个ecu(electronic control unit)，由ecu进行引擎控制等。ecu包括微型计算机。ecu与设置在电动车辆中的can(controller area network)连接。can是作为车载lan使用的串行通信标准之一。
[0155]
ecu使用cpu或gpu。此外，有时将cpu和gpu统合为一个的芯片称为apu(accelerated processing unit：加速处理单元)，也可以使用该apu芯片。另外，还可以使用组装有ai系统的ic(也称为推论芯片)。二次电池模块2602可以在由充电设备进行充电后使用在充电设备、ecu或能够与充电设备进行双向通信的服务器中构成的学习模型高精度地推测容量。另外，也可以使用所推测的容量进行异常检测。
[0156]
通过使用学习模型在充电后进行异常检测，可以提高二次电池模块的安全性，由此在长期间能够长时间安全使用，从而适合用作安装于车辆2603的容量推测系统或异常检测系统。
[0157]
二次电池不但可以驱动电动机(未图示)，而且还可以将电力供应到车头灯或室内灯等发光装置。另外，二次电池可以将电力供应到车辆2603所具有的速度表、转速计、导航系统等的显示装置及半导体装置。
[0158]
在车辆2603中，可以通过利用插电方式或非接触供电方式等从外部的充电设备接收电力，来对二次电池模块2602所具有的二次电池进行充电。
[0159]
图13c示出从地上设置型的充电装置2604通过电缆对车辆2603进行充电的情况。当进行充电时，作为充电方法或连接器的规格等，可以根据chademo(注册商标)或联合充电系统“combined charging system”等的规定的方式而适当地进行。例如，通过利用插电技术从外部供应电力，可以对安装在车辆2603中的二次电池模块2602进行充电。可以通过ac/dc转换器等转换装置将交流电力转换成直流电力来进行充电。充电装置2604可以如图13c所示设置在房屋中，也可以是设置在商业设施中的充电站。
[0160]
地上设置型的充电装置2604可以在充电后使用在充电装置2604或能够与充电装置2604进行双向通信的服务器中构成的学习模型高精度地推测容量。另外，如实施方式1所示，也可以构成异常检测系统。
[0161]
另外，虽然未图示，但是也可以将受电装置安装在车辆中并从地上的送电装置非接触地供应电力来进行充电。当利用非接触供电方式时，通过在公路或外壁中组装送电装置，不但在停车时而且在行驶时也可以进行充电。此外，也可以利用该非接触供电方式，在车辆之间进行电力的发送及接收。再者，还可以在车辆的外部设置太阳能电池，在停车时或行驶时进行二次电池的充电。可以利用电磁感应方式或磁场共振方式实现这样的非接触供电。
[0162]
图13c所示的房屋包括具有二次电池模块的蓄电系统2612和太阳能电池板2610。蓄电系统2612通过布线2611等与太阳能电池板2610电连接。此外，蓄电系统2612可以与地上设置型充电装置2604电连接。由太阳能电池板2610获得的电力可以被充电到蓄电系统2612中。此外，存储在蓄电系统2612中的电力可以通过充电装置2604被充电到车辆2603所包括的二次电池模块2602中。
[0163]
储存在蓄电系统2612中的电力也可以供应到房屋中的其他电子设备。因此，即使当由于停电等不能接收来自商业电源的电力供应时，通过将蓄电系统2612用作不间断电源，也可以利用电子设备。
[0164]
本实施方式可以与其他实施方式适当地组合而使用。
[0165]
[实施例1]
[0166]
在本实施例中，图14、图15、图16、图17及图18示出实际生成的程序的一个例子。
[0167]
可以构成学习模型的cpu或gpu使用存储器上的数据访问ssd(或硬盘)所储存的程序(在本实施例中，python)，读取该程序，ssd(或硬盘)所储存的程序被加载于存储器，在存储器上作为工序展开。
[0168]
图14、图15、图16、图17及图18示出构成学习模型的程序及推测容量并输出的程序。注意，虽然在程序中参照数据，但是由于数据庞大而仅示出文件名称，省略内容。
[0169]
例如，将通过利用神经网络的学习来得到的模型和参数安装于车载用ecu，具体而言微型计算机或微处理器(以下，也称为微控制器)等，可以预测实际车辆的电池劣化。预先使用与对象的二次电池相同的制造装置制造二次电池，使用该二次电池取得学习用数据。
[0170]
因为两个以上的参数诸如本实施例中的cc时间和cv时间成为容量推测的关键，所以即便与二次电池的充放电相关联的数据很多且很复杂，也可以根据这些参数和利用神经网络的学习得到的模型得到高容量推测精度。
[0171]
另外，在由软件执行二次电池的容量推测处理时，也可以从将构成软件的程序组装于硬件的计算机、网络或记录介质安装程序等。安装记录在计算机可读记录介质如cd
‑
rom(compact disk read only memory)等中的程序，执行二次电池的容量推测的程序。由程序进行的处理不局限于按顺序或连续的处理，例如也可以为并列处理。
[0172]
[符号说明]
[0173]
300：二次电池、301：正极罐、302：负极罐、303：垫片、304：正极、305：正极集流体、306：正极活性物质层、307：负极、308：负极集流体、309：负极活性物质层、310：隔离体、600：二次电池、601：正极盖、602:电池罐、603：正极端子、604：正极、605：隔离体、606：负极、607：负极端子、608：绝缘板、609：绝缘板、610：垫片、611：ptc元件、612：安全阀机构、613：导电板、614：导电板、615：模块、616：导线、980：二次电池、981：薄膜、982：薄膜、993：卷绕体、994：负极、995：正极、996：隔离体、997：导线电极、998：导线电极、2100：移动电话机、2101：
框体、2102：显示部、2103：操作按钮、2104：外部连接端口、2105：扬声器、2106：麦克风、2107：二次电池模块、2200：电子烟、2201：加热元件、2202：棒、2204：二次电池模块、2300：无人航空载具、2301：二次电池模块、2302：旋翼、2303：相机、2400：电动二轮车、2401：二次电池模块、2402：显示部、2403：车把、2500：电动自行车、2502：电池组、2601：二次电池、2602：二次电池模块、2603：车辆、2604：充电装置、2610：太阳能电池板、2611：布线、2612：蓄电系统。