物理健全性指標（PHI）はバッテリーの故障物理に直接結びついた劣化量を測定するのに対し、仮想健全性指標（VHI）は間接的な動作信号から健全性を推論します。 PHIには測定された放電容量や内部インピーダンスが使用されることがあり、VHIには端子電圧、電流応答、温度のパターンが使用されることがあります。ラボ用バッテリーテスターやセルサイクラーは、制御されたプロファイルを適用し、同期された低ノイズの電気的・熱的データを取得することで、その後の特徴抽出や予測モデリングをサポートします。
重要な違いは物理的な直接性です： PHIは明確に測定可能な健全性パラメータに基づいているのに対し、VHIはそのパラメータをモデルから導き出した代替指標（プロキシ）です。試験装置は、どちらの指標も確実に計算するために必要な制御された励起と精密な測定を提供します。
バッテリー健全性指標が表すもの
生データから劣化指標へ
バッテリー試験装置は、電圧、電流、温度、インピーダンスといった生信号を生成します。健全性指標は、これらの信号をセルが劣化するにつれて変化する定量的な指標へと変換します。
予測アルゴリズムは通常、生波形の全履歴ではなく、健全性に関連するコンパクトな特徴量を必要とするため、この指標は有用です。
SOHおよびRULとの関係
健全性（SOH: State of Health）は、基準状態に対するバッテリーの現在の状態を記述するもので、多くの場合、容量やその他の劣化尺度を使用します。残寿命（RUL: Remaining Useful Life）は、定義された故障や寿命の閾値に達するまでにバッテリーがどれだけ動作し続けられるかを推定します。
PHIやVHIは、SOHの推定やRULの予測に使用される健全性の軌跡として機能します。
物理健全性指標（PHI）の特徴
故障物理との直接的なつながり
物理健全性指標（PHI）は、バッテリーの劣化や故障と認識された関係を持つ物理量から構築されます。
典型的な例は以下の通りです：
- 総放電容量：定義された条件下でセルが供給できる電荷を反映します。
- 内部インピーダンス：インピーダンス分光法によって得られるインピーダンス特性を含みます。
- その他、関連する劣化メカニズムとの関連性が確立されている直接測定パラメータ。
決定的な特徴は、単にその量が測定されることではなく、その量がバッテリーの健全性と解釈可能な物理的関係を持っていることです。
PHIが物理的に意味を持つ理由
容量低下はリチウムや活物質の損失を示す可能性があり、インピーダンスの増大は抵抗の増加や、輸送特性または界面挙動の悪化を反映している可能性があります。
正確な解釈は、セルの化学組成、試験条件、劣化メカニズムに依存します。したがって、単一のPHIがバッテリーの健全性のあらゆる側面を表していると想定すべきではありません。
一般的な抽出プロセス
ラボシステムは、以下の手順でPHIを抽出できます：
- 制御された充電、放電、またはインピーダンス試験を適用する。
- 校正された電圧および電流チャネルで関連する応答を測定する。
- 容量、抵抗、またはインピーダンスの特徴量を計算する。
- 繰り返しサイクルや経時的な間隔でその特徴量を追跡する。
試験条件が制御されているため、指標の変化をセルや実験間でより一貫して比較できます。
仮想健全性指標（VHI）の特徴
間接的な動作信号からの推論
仮想健全性指標（VHI）は、動作中に容易に入手できるものの、基礎となる物理的な健全性パラメータを直接測定するわけではない信号から導き出されます。
一般的な入力は以下の通りです：
- 端子電圧応答。
- 電流の大きさおよび動特性。
- 温度トレンド。
- 負荷変化時の電圧回復または応答。
VHIが「仮想」である理由は、専用の容量やインピーダンス試験を通じて直接測定されるのではなく、信号の特徴とモデルを通じて健全性が推論されるためです。
VHIが有用な理由
直接的な容量やインピーダンスの測定には、制御されたラボ手順、追加の試験時間、または現場では非現実的な動作条件が必要になる場合があります。
VHIは通常の動作データから健全性を推定できるため、オンライン監視、組み込みバッテリー管理システム、および動作を中断することが望ましくないアプリケーションに適しています。
モデルと動作条件への依存
VHIは、間接的な信号と劣化の間で学習または定義された関係に依存します。その関係は、温度、充電状態（SOC）、負荷プロファイル、経年履歴、センサーの品質、セル間のばらつきによって影響を受ける可能性があります。
その結果、VHIは本質的に普遍的なSOH測定値として扱うのではなく、直接測定値と照らし合わせて検証する必要があります。
ラボ用装置が両方の指標を可能にする仕組み
制御された励起が劣化を明らかにする
バッテリーサイクラーは、再現性のある充電、放電、パルス、および動的負荷プロファイルを適用できます。これらのプロファイルは、劣化に関する情報を含む電圧、電流、熱応答を露呈させます。
PHI抽出の場合、プロファイルは容量やインピーダンスを直接測定するように設計されます。VHI抽出の場合、同じまたは類似のデータが予測モデルの間接的な特徴量を提供します。
同期されたマルチチャネル取得
信頼性の高い健全性指標の抽出には、以下を正確に整合させる必要があります：
- 電圧測定：電気的応答を捉えます。
- 電流測定：電荷の流れと負荷需要を定量化します。
- 温度測定：熱的影響を劣化の影響から分離するのに役立ちます。
- インピーダンス測定：直接的な電気化学的特徴量が必要な場合。
同期されたチャネルにより、研究者はバッテリーの応答を適用された正確な動作条件と関連付けることができます。
低ノイズ測定が特徴量の品質を向上
インピーダンス、電圧応答、または温度のわずかな変化は、測定ノイズによって隠れてしまう可能性があります。精密な計測機器は信号対雑音比（SNR）を向上させ、モデルが計測誤差を劣化と誤解するリスクを低減します。
これはVHI開発において特に重要です。なぜなら、間接モデルはノイズや試験システムのアーティファクトを学習してしまう可能性があるからです。
ポスト処理が有用な健全性軌跡を作成
研究者は通常、移動平均やサビツキー・ゴーレイフィルタなどの手法を使用して抽出された特徴量をフィルタリングまたは平滑化します。これにより、測定ノイズを抑制し、モデリングのためのより明確な劣化軌跡を作成できます。
フィルタリングは慎重に選択する必要があります。過度な平滑化は、実際の劣化イベントを除去したり、特徴量のタイミングをずらしたり、将来のサンプルからの情報をオンライン予測モデルに導入したりする可能性があります。
PHIとVHIの連携
PHIが参照ターゲットを提供
容量やインピーダンスなどの直接測定されたPHIは、VHIが学習または評価される際の参照として機能します。
この構成では、ラボシステムが直接的な健全性パラメータと仮想モデルで使用される動作信号の両方を測定します。その後、関連する条件下でVHIがどの程度PHIを追跡できるかによってVHIが評価されます。
VHIがラボ試験の間を補完
バッテリーは定期的に直接特性評価を受けながら、動作データから継続的に健全性が推定される場合があります。PHIが校正や検証ポイントを提供し、VHIがそれらのポイント間でより頻繁な推定値を提供します。
このハイブリッドアプローチは、物理的な解釈可能性と運用の実用性を兼ね備えています。
予測目的による選択
目的がメカニズムの理解であれば、PHIの方が通常は有益です。目的が継続的な現場推定であれば、モデルが想定される動作範囲内で検証されていることを条件に、VHIの方が実用的かもしれません。
トレードオフの理解
PHIの限界
PHIは一般的に解釈しやすいですが、直接測定は時間がかかったり、介入が必要だったり、厳密に制御された条件に依存したりする場合があります。
また、容量やインピーダンスは、温度、充電状態、電流レート、その他の試験変数に対して異なる反応を示すことがあります。標準化された条件がない場合、見かけ上の健全性の変化は劣化ではなく試験のばらつきを反映している可能性があります。
VHIの限界
VHIは動作中に取得しやすいですが、モデルの品質やデータの代表性に大きく依存します。
特定の化学組成、デューティサイクル、温度範囲で学習されたモデルは、別の条件に適用すると性能が低下する可能性があります。また、センサーがドリフトした場合や、バッテリーが学習条件の外で動作した場合、VHIの推定値は信頼できなくなる可能性があります。
一般的な解釈エラー
健全性指標は自動的にSOHと等価ではありません。その意味は、測定または推論された量、参照状態、動作条件、および使用される故障閾値に依存します。
同様に、滑らかで単調な指標が必ずしも正確であるとは限りません。平滑化は劣化トレンドをモデル化しやすくしますが、真の非単調な挙動を隠したり、リアルタイムのRUL評価にリークを生じさせたりすべきではありません。
目的に合わせた正しい選択
何を測定する必要があるか、推定値をどこで使用するか、直接的な試験がどの程度可能かに応じて指標タイプを選択してください。
- 物理的な解釈可能性を最優先する場合：制御されたラボ条件下で、放電容量やインピーダンスなどの検証済みの直接指標に基づいたPHIを使用してください。
- 継続的な運用監視を最優先する場合：電圧、電流、温度信号から導き出されたVHIを使用し、直接的な健全性測定値と照らし合わせて検証してください。
- RULモデルの開発を最優先する場合：ラボ用装置を使用して直接データと間接データの両方を取得し、VHIが関連する経年変化や動作条件下でPHIを追跡しているかを評価してください。
- データ品質を最優先する場合：平滑化や予測アルゴリズムを適用する前に、校正された同期済みの低ノイズマルチチャネル取得を優先してください。
最も信頼性の高いバッテリー予測は、物理的に意味のある参照測定と、慎重に検証された仮想推定を組み合わせたものです。
要約表：
| 項目 | 物理健全性指標 (PHI) | 仮想健全性指標 (VHI) |
|---|---|---|
| 定義 | 劣化に関連する物理量を直接測定（例：容量、インピーダンス） | モデルを介して間接的な動作信号（電圧、電流、温度）から健全性を推論 |
| 測定 | 専用の試験が必要（制御された充放電、インピーダンス） | 動作データから導出。専用の試験は不要 |
| 物理的解釈可能性 | 高い。故障メカニズムに直接結びついている | 低い。モデル依存の代替指標 |
| ユースケース | メカニズムの理解、定期的な検証、RULモデリング | オンライン監視、BMSアプリケーション、継続的な推定 |
| 限界 | 時間がかかる、介入が必要、条件に敏感 | モデル品質、動作条件、センサーのドリフトに敏感 |
| ラボのサポート | 精密な合成、校正されたチャネル、制御されたプロファイル | 同じデータ取得がモデル学習および検証のための特徴抽出を可能にする |
高度な試験ソリューションでバッテリー研究を向上
KINTEKでは、バッテリーR&Dおよび先端材料研究向けに設計された包括的なラボ機器を提供しています。当社のポートフォリオは、スラリーの混合・コーティングから精密プレス、試験システムに至るまで、セル製造ワークフロー全体をカバーしており、予測のための正確で信頼性の高いデータを保証します。物理健全性指標の測定を開発する場合でも、仮想健全性指標モデルを改良する場合でも、当社の機器は必要な精度と同期を提供します。バッテリー研究をサポートし、SOH予測を次のレベルに引き上げる方法について、今すぐお問い合わせください。