[发明专利]电池管理系统、电池管理方法以及电池组的制造方法在审

专利信息
申请号: 202011202080.0 申请日: 2020-11-02
公开(公告)号: CN112825167A 公开(公告)日: 2021-05-21
发明(设计)人: 泉纯太;渡边明弘;堀俊树;马场美里 申请(专利权)人: 丰田自动车株式会社
主分类号: G06Q10/06 分类号: G06Q10/06;G06Q10/00;G06Q10/08;G06N3/04;H01M10/42;H01M10/54
代理公司: 北京市中咨律师事务所 11247 代理人: 刘航;王潇悦
地址: 日本*** 国省代码: 暂无信息
权利要求书: 查看更多 说明书: 查看更多
摘要:
搜索关键词: 电池 管理 系统 方法 以及 电池组 制造
【权利要求书】:

1.一种电池管理系统,对二次电池的信息进行管理,具备:

存储装置,其存储至少一个已学习神经网络;和

推定装置,其使用所述已学习神经网络,推定作为预定的二次电池的对象电池的满充电容量,

所述已学习神经网络具备受理输入数据的输入层,构成为当所述输入数据被输入到所述输入层时,输出所述二次电池的满充电容量,所述输入数据表示在预先确定的像素数量的区域中描绘了二次电池的预定CCV波形的图像中的各像素的数值,

所述预定CCV波形是对所述二次电池的恒流充电中的CCV的推移进行表示的CCV充电波形和对所述二次电池的恒流放电中的CCV的推移进行表示的CCV放电波形中的任一个,

所述推定装置构成为通过将关于所述对象电池取得的输入数据输入到所述已学习神经网络的所述输入层,推定所述对象电池的满充电容量。

2.根据权利要求1所述的电池管理系统,还具备:

充电装置,其通过进行所述对象电池的恒流充电,关于所述对象电池取得作为所述CCV充电波形的所述预定CCV波形;和

第1制作装置,其使用通过所述充电装置取得的所述预定CCV波形来制作所述输入数据,

所述推定装置构成为通过将由所述第1制作装置制作的所述输入数据输入到所述已学习神经网络的所述输入层,推定所述对象电池的满充电容量。

3.根据权利要求2所述的电池管理系统,

所述第1制作装置在所述输入数据的制作中所使用的所述预定CCV波形的SOC范围为从0%以上且10%以下的范围选择的预定SOC范围。

4.根据权利要求1~3中任一项所述的电池管理系统,还具备:

放电装置,其通过进行所述对象电池的恒流放电,关于所述对象电池取得作为所述CCV放电波形的所述预定CCV波形;和

第2制作装置,其使用通过所述放电装置取得的所述预定CCV波形来制作所述输入数据,

所述推定装置构成为通过将由所述第2制作装置制作的所述输入数据输入到所述已学习神经网络的所述输入层,推定所述对象电池的满充电容量。

5.根据权利要求1~4中任一项所述的电池管理系统,

存储于所述存储装置的所述至少一个已学习神经网络包括多个已学习神经网络,

所述推定装置构成为取得与所述对象电池有关的信息,使用所述取得的信息来从所述多个已学习神经网络中选择与所述对象电池对应的一个已学习神经网络,使用所述选择的已学习神经网络来推定所述对象电池的满充电容量。

6.根据权利要求1~5中任一项所述的电池管理系统,

还具备辨别装置,所述辨别装置使用通过所述推定装置推定的所述满充电容量来决定所述对象电池的用途。

7.一种电池管理方法,包括:

第1步骤,取得作为预定的二次电池的对象电池的预定CCV波形;

第2步骤,使用在所述第1步骤中取得的所述预定CCV波形来制作已学习神经网络的输入数据;和

第3步骤,在所述第2步骤中制作的所述输入数据被输入到所述已学习神经网络,所述已学习神经网络输出所述对象电池的满充电容量,

所述输入数据是表示在预先确定的像素数量的区域中描绘了所述对象电池的所述预定CCV波形的图像中的各像素的数值的数据,

所述预定CCV波形是对所述对象电池的恒流充电中的CCV的推移进行表示的CCV充电波形和对所述对象电池的恒流放电中的CCV的推移进行表示的CCV放电波形中的任一个。

8.根据权利要求7所述的电池管理方法,

在所述第1步骤之前,按各车辆进行从车辆回收二次电池的步骤、进行所述回收到的二次电池的剩余放电的步骤以及在所述剩余放电后以空状态保管所述二次电池的步骤,以空状态保管多个二次电池,

在所述第1步骤中,通过从以所述空状态保管的多个二次电池中选择所述对象电池,对所述对象电池进行恒流充电,从而关于所述对象电池取得作为所述CCV充电波形的所述预定CCV波形。

下载完整专利技术内容需要扣除积分,VIP会员可以免费下载。

该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于丰田自动车株式会社,未经丰田自动车株式会社许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服

本文链接:http://www.vipzhuanli.com/pat/books/202011202080.0/1.html,转载请声明来源钻瓜专利网。

×

专利文献下载

说明:

1、专利原文基于中国国家知识产权局专利说明书;

2、支持发明专利 、实用新型专利、外观设计专利(升级中);

3、专利数据每周两次同步更新,支持Adobe PDF格式;

4、内容包括专利技术的结构示意图流程工艺图技术构造图

5、已全新升级为极速版,下载速度显著提升!欢迎使用!

请您登陆后,进行下载,点击【登陆】 【注册】

关于我们 寻求报道 投稿须知 广告合作 版权声明 网站地图 友情链接 企业标识 联系我们

钻瓜专利网在线咨询

周一至周五 9:00-18:00

咨询在线客服咨询在线客服
tel code back_top