内部抵抗は、時間とともに変化する状態監視信号としてモデル化され、その推移からバッテリーの劣化を把握できます。 エージング時間 (t) におけるバッテリー (i) について、一般的なモデルは次のように表されます。
[ CM_i(t)=R_i(t)=b_{i0}+b_{i1}t+b_{i2}t^2+e_i(t) ]
ここで、(R_i(t)) は測定された内部抵抗、各係数はバッテリーの劣化推移を表し、(e_i(t)) は測定ノイズを表します。
重要な考え方は、抵抗が平均的に増加する傾向と、その傾向からのセル固有の偏差の両方をモデル化することです。 混合効果回帰を使用すると、セル間の違いを捉えながら、適合した抵抗推移を寿命、信頼性、ハザード分析に活用できます。
内部抵抗が監視信号になる仕組み
抵抗は制御された電気的応答から測定される
内部抵抗は通常、直接観測されるのではなく、既知の電流変動に対する電圧応答から推定されます。短時間の放電パルスの場合、
[ R_i(t)=\frac{V_{\text{rest},i}(t)-V_{\text{loaded},i}(t)}{I_i(t)} ]
ここで、(V_{\text{rest}}) はパルス印加前の電圧、(V_{\text{loaded}}) はパルス印加中の電圧、(I) は印加電流です。
一般的な試験では、選択した試験プロトコルに従ってセルを十分に休ませた後、高電流パルスを印加します。得られた抵抗推定値が、セルの劣化履歴における1つの観測値となります。
抵抗の増加はエージングを示す
バッテリーが劣化すると、内部抵抗は一般的に増加します。この増加により、負荷時の電圧降下が大きくなるため、出力能力が低下します。
[ \Delta V \approx I R ]
したがって、抵抗は、過度な電圧損失なしにセルが電流を供給できる能力と直接関係する状態監視信号となります。
試験条件は管理する必要がある
抵抗は劣化だけでなく、温度、充電状態、パルス持続時間、電流レベル、休止時間にも依存します。そのため、カレンダー寿命試験では、定められた温度およびSoC条件下で抵抗を測定し、経時変化を誤ってエージングによるものと判断しないようにします。
混合効果抵抗モデル
固定効果は母集団の傾向を表す
二次の状態監視モデルは次のように記述できます。
[ CM_i(t)=b_{i0}+b_{i1}t+b_{i2}t^2+e_i(t) ]
各係数には、次のような実用的な意味があります。
- (b_{i0})：推定された初期抵抗またはベースラインレベル。
- (b_{i1})：おおよその線形抵抗増加率。
- (b_{i2})：劣化推移の曲率。
- (e_i(t))：ランダムな測定誤差またはモデル誤差。
二次項により、劣化が一定の速度で進むと仮定せず、エージングに伴って抵抗増加率が変化することを表現できます。
ランダム効果はセル間のばらつきを表す
セル (i) の係数ベクトルは次のように表されます。
[ \mathbf b_i= \begin{bmatrix} b_{i0}\ b_{i1}\ b_{i2} \end{bmatrix} ]
そして、一般的には次のようにモデル化されます。
[ \mathbf b_i \sim \mathcal N(\boldsymbol\mu_b,\mathbf\Sigma_b) ]
ここで、(\boldsymbol\mu_b) はバッテリーの平均的な推移を表し、(\mathbf\Sigma_b) はセル間のばらつきを表します。
このばらつきは、電極のプレスやセル組立など、製造上の違いから生じる可能性があります。そのため、公称上は同一のセルであっても、初期抵抗が異なったり、異なる速度で劣化したりすることがあります。
測定ノイズによってモデルが完成する
誤差項は、正規分布に従うと仮定されることがよくあります。
[ e_i(t)\sim \mathcal N(0,\sigma_e^2) ]
これにより、ランダムな測定変動と基礎となる抵抗推移を分離できます。より一般的な実装では、データが分散一定でないことを示す場合、ノイズ分散が動作条件やエージング時間によって変化するように設定できます。
モデルが劣化分析を支援する方法
適合した推移によってノイズの多い観測値を平滑化する
個々のパルス測定値は、試験の再現性や動作条件によって変動する可能性があります。混合効果モデルを適合させることで、測定されたすべての点を健康状態の決定的な変化として扱うのではなく、潜在的な抵抗推移を推定できます。
その結果、各セルについて、より滑らかで統計的に解釈しやすい状態監視信号が得られます。
係数は劣化特徴量を提供する
適合した係数は、健康状態に関連する特徴量として使用できます。
- 高い (b_{i0}) は、初期抵抗が高いことを示します。
- 高い (b_{i1}) は、初期の抵抗増加が速いことを示します。
- 正の (b_{i2}) は、抵抗増加が加速していることを示します。
- 適合曲線全体により、モデルの妥当な範囲内で、観測されていないエージング時点の抵抗を推定できます。
これらの特徴量により、分析者は共通の数学的基準に基づいて、セルやバッテリーの配合を比較できます。
モデルによって母集団レベルの推論が可能になる
係数が母集団分布を持つため、この分析はセルごとに個別の適合を行うだけではありません。典型的な劣化挙動と、セル間の違いによる不確実性の両方を推定できます。
この情報を使用して、セルが時間の経過とともに定義された寿命終了条件に達する確率を示す信頼性関数またはハザード関数を構築できます。
寿命終了には明確なしきい値が必要である
抵抗のモデル化だけでは故障は定義できません。試験では、抵抗限界、出力性能限界、または容量と抵抗を組み合わせた要件など、寿命終了基準を指定する必要があります。
しきい値を定義すると、適合した推移を評価して、セルがそのしきい値を超えると予想される時点を推定できます。得られた到達時間の分布は、寿命および信頼性分析を支援できます。
試験条件に合わせたモデルの拡張
温度とSoCは実験因子として扱える
異なる温度またはSoCレベルで取得した抵抗測定値は、それらの条件を考慮せずに統合すべきではありません。実用的な方法として、各試験条件に対して個別の推移を適合させるか、温度とSoCを説明変数として含めます。
基本的な時間依存構造は次のように維持されます。
[ R_i(t)=\text{ベースラインおよび条件効果}+\text{エージング傾向}+\text{セル固有の効果}+\text{ノイズ} ]
これにより、可逆的な動作条件の影響を不可逆的な劣化と混同することを防げます。
容量と抵抗は相補的な信号を提供する
容量維持率はバッテリーが供給できる電荷量を測定するのに対し、抵抗増加はバッテリーがどれだけ効率よく電流を供給できるかを測定します。両方を監視することで、いずれか一方の信号だけに依存するよりも、異なる劣化の現れ方を効果的に区別できます。
したがって、抵抗推移は、より広範なバッテリー健全性モデルにおける1つの状態監視チャネルとして捉えるのが最適です。
トレードオフを理解する
二次モデルは有用だが、常に妥当とは限らない
二次形式は、推定が比較的容易でありながら、曲率を表現できる十分な柔軟性を備えています。ただし、特に実際の劣化プロセスが異なる段階に移行する場合、観測されたエージング区間の外側では非現実的な外挿を行う可能性があります。
そのため、保持データに対して妥当性を検証し、長期的な寿命予測には慎重に使用する必要があります。
測定条件が見かけ上のエージングを支配することがある
低温や異なるSoCによって生じた抵抗増加は、必ずしも恒久的な劣化を意味しません。一貫性のないパルスプロトコル、休止時間、または電圧サンプリングによって、セルのエージングとは無関係な見かけ上の抵抗変化が生じる可能性があります。
意味のある推移比較には、標準化された試験条件が不可欠です。
正規性の仮定はモデル上の選択である
ランダム効果に対する多変量正規分布と、正規測定誤差の仮定は、便利な統計的近似です。これらは自動的に受け入れるのではなく、残差と適合係数の分布に基づいて確認する必要があります。
データに強い歪み、外れ値、または不均一分散が見られる場合、ロバスト誤差や別の分布モデルが必要になることがあります。
抵抗だけでは完全な健康状態診断にならない
抵抗の上昇は出力能力の低下を示す可能性がありますが、根本的な劣化メカニズムを一意に特定することはできません。抵抗が変化する理由を説明するには、容量、温度応答、インピーダンス特性、その他の診断信号が必要になる場合があります。
目的に合った選択をする
モデルの適切な使用方法は、測定、比較、予測のいずれを優先するかによって異なります。
- 主な目的が抵抗測定の場合： 制御された電流パルスを印加し、温度、SoC、休止条件を再現可能にした上で、(R=(V_{\text{rest}}-V_{\text{loaded}})/I) を計算します。
- 主な目的がセル間比較の場合： 正規分布に従うランダム切片と推移係数を備えた混合効果モデルを適合させ、母集団の挙動と製造ばらつきを分離します。
- 主な目的が劣化率の推定の場合： (b_{i1}) と (b_{i2}) を使用して線形および加速的な抵抗増加を定量化し、意図したエージング範囲における二次形式の妥当性を検証します。
- 主な目的が寿命または信頼性予測の場合： 明確な抵抗または性能の寿命終了しきい値を定義し、適合した推移分布を使用して、しきい値到達時間とハザード関数を推定します。
適切に管理された抵抗測定と、妥当性が検証された混合効果推移モデルを組み合わせることで、生の電圧パルスデータを、バッテリー劣化を解釈可能な状態監視信号へと変換できます。
まとめ表：
| モデル構成要素 | 式／説明 | 目的 |
|---|---|---|
| 抵抗測定 | (R_i(t) = \frac{V_{rest,i}(t) - V_{loaded,i}(t)}{I_i(t)}) | 電流パルスに対する電圧応答から内部抵抗を推定します。 |
| 二次混合効果モデル | (CM_i(t) = b_{i0} + b_{i1}t + b_{i2}t^2 + e_i(t)) | 固定効果（母集団）とランダム効果（セル固有）を用いて抵抗推移をモデル化します。 |
| 固定効果 | (b_{i0}, b_{i1}, b_{i2}) | 母集団のベースライン、線形増加率、曲率を表します。 |
| ランダム効果 | (\mathbf{b}_i \sim \mathcal{N}(\boldsymbol{\mu}_b, \mathbf{\Sigma}_b)) | 係数におけるセル間のばらつきを捉えます。 |
| 測定ノイズ | (e_i(t) \sim \mathcal{N}(0, \sigma_e^2)) | ランダムな測定誤差を考慮します。 |
| 寿命終了基準 | 定義されたしきい値（例：抵抗限界） | 適合した推移と併用して故障時点を予測します。 |
高精度な状態監視でバッテリー研究をさらに発展させませんか？ KINTEKは、内部抵抗測定用の高精度試験機を含む、バッテリー研究開発向けの先進的な実験機器を提供しています。当社のソリューションは、正確な劣化分析を支援し、信頼性の高い性能の実現に貢献します。お客様のバッテリー試験に当社の機器がどのように役立つか、ぜひお問い合わせください。 お問い合わせ。