電気自動車の急速な進化において、バッテリーの充電状態（SOC）を正確に推定することは、車両の安全性と性能、そして消費者の信頼を確保するための基盤となっています。バッテリー管理システム（BMS）が高度化するにつれ、研究者たちはリアルタイムのSOC監視を支えるアルゴリズムの改良を続けています。重慶三峡大学と東南大学の共同研究チームは、既存の強力な推定手法に新たな改良を加え、SHAEKFフレームワークにPIDフィードバックを統合する画期的な手法を発表しました。この革新により、多様な運転条件や過酷な環境下でも前例のない精度でバッテリーSOCを追跡することが可能となります。
重慶三峡大学電気工学科の蔡立教授と大学院生の向立紅氏が主導したこの研究は、バッテリーモデリングにおける課題を克服するために設計された精密な適応フィルタリング技術を提案しています。拡張カルマンフィルター（EKF）のような従来手法はSOC推定の基礎として長らく利用されてきましたが、実世界の運転シナリオで頻繁に発生するノイズの多い測定条件や負荷急変時には性能が低下します。研究チームの解決策は、二つの高度なバリアントであるSage-Husa拡張カルマンフィルター（SHEKF）と適応拡張カルマンフィルター（AEKF）の長所を融合させ、制御理論にヒントを得た動的補正機構で性能を高めるハイブリッドアプローチにあります。
この進歩の核心は、SHAEKFアルゴリズムへの比例・積分・微分（PID）フィードバックループの統合にあります。統計的なノイズ適応のみに依存する従来の実装とは異なり、新手法は推定誤差をリアルタイムで能動的に補償します。PIDコンポーネントは精密調整システムのように機能し、予測値と実測値の差に基づいてフィルターの出力を継続的に調整します。この閉ループ補正により、定常状態誤差の大幅な低減、振動の抑制、収束速度の向上が実現され、急加速や回生ブレーキ、温度変動時の精度維持に不可欠な特性が強化されます。
研究チームはリチウムイオンバッテリーの電気化学的挙動を表現するために二次RC等価回路モデルを採用しました。このモデルは単純な一次近似よりもオーミック効果と分極効果を正確に捉え、状態推定の堅牢な基盤を提供します。モデルの忠実度を確保するため、粒子群最適化（PSO）アルゴリズムを用いたオフラインパラメータ同定を実施しました。大域探索能力と高速収束性で知られるPSOは、シミュレーションと実測の端子電圧間の累積誤差を最小化することで、内部抵抗や静電容量などの重要パラメータを精密に調整するために活用されました。
評価実験ではメリーランド大学が公開している公称容量2AhのINR 18650セルを対象としたバッテリーデータセットを使用し、バッテリー動的応力テスト（DST）、北京動的応力テスト（BJDST）、連邦都市走行モード（FUDS）という三つの異なる走行パターンで検証を行いました。これらのプロファイルは、積極的な市街地走行から都市と高速道路の混合パターンまで、実世界の多様な条件をシミュレートし、アルゴリズムの堅牢性と適応性を包括的に評価することを可能にしました。
結果は、改良型SHAEKFアルゴリズムがすべてのテスト条件で平均推定誤差1％未満を達成したことを示しました。さらに印象的な的是、標準的なSHAEKF実装と比較して最大誤差が最大5％低減されました。この精度レベルは、BMSアプリケーションに対して高精度と強力な堅牢性を要求する業界標準GB/T 38661-2020で規定される閾値を十分に満たすものです。
本研究で特に注目すべき点は、様々な温度条件下での評価です。バッテリー性能は温度に敏感であり、極端な低温や高温では推定アルゴリズムを混乱させる非線形性が生じます。研究チームは冬季、常温、夏季の運転環境を想定して0°C、25°C、45°Cでシステムをテストしました。すべての条件でPID強化型アルゴリズムは優れた精度を維持し、特に低温シナリオでは他の手法が大きな偏差を示す中で顕著な性能を発揮しました。0°Cでは、改良型アルゴリズムの最大誤差はわずか2.74％であり、標準SHAEKFの88％以上と比べて劇的な改善が見られ、ストレス下での性能安定化におけるPID補正の価値を強調しています。
SHEKFとAEKFの融合は相補的な強みを結集します。SHEKFは忘却係数機構を通じて測定ノイズの変化に適応する能力に優れ、最近のデータに重みを付けます。しかし、古いデータを過度に軽視すると不安定性を招く可能性があります。一方、AEKFは移動ウィンドウを使用してノイズ共分散を推定し、より優れた統計的一貫性を提供しますが、急激な変化への応答が遅くなる可能性があります。これらのアプローチを組み合わせ、非正定値行列を生成する可能性のある問題のある方程式を置き換えることでノイズ推定プロセスを改良し、よりバランスの取れた信頼性の高い推定量を構築しました。
PIDフィードバックループの導入は、このハイブリッドフレームワークをさらに強化します。比例項は現在の誤差に即時に対応し、積分項は長期的なバイアスを除去し、微分動作は変化率に基づいて将来の傾向を予測します。これらのゲインは限界感度法を使用して調整され、応答性を犠牲にすることなく安定性を確保する最適化された値が得られました。反復回数に基づいて動的に調整される適応ウィンドウサイズは、感度と堅牢性のバランスを取るアルゴリズムの能力をさらに高めます。
工学的観点から見ると、この研究成果の意義は大きいです。正確なSOC推定は走行距離予測、充電効率、バッテリー寿命に直接影響を与えます。SOCを過大評価すると予期しないシャットダウンを引き起こす可能性があり、過小評価は使用可能容量を減らし、ドライバーの信頼を損なう可能性があります。改良型SHAEKFアルゴリズムは両方のリスクを軽減し、より精密なエネルギー管理を可能にし、全体的なユーザー体験を向上させます。
さらに、複数の走行サイクルにわたるアルゴリズムの強力な性能は、幅広い適用可能性を示唆しています。頻繁な負荷変動があるDSTプロファイルは動的応答をテストし、BJDSTは停発進を伴う都市の渋滞を反映し、FUDSはアメリカの都市に典型的な混合走行パターンをシミュレートします。三つすべてでの成功は、この手法が特定の使用ケースに過剰適合しているのではなく、多様な運転要求に対処できる汎用的な知能を備えていることを示しています。
この研究はモデルの忠実度の重要性も強調しています。高度なフィルタリング技術はある程度の不正確さを補償できますが、基礎となるバッテリーモデルの根本的な欠陥を完全に克服することはできません。パラメータ同定にPSOを使用することで、二次RCモデルが現実の挙動、特に電圧過渡現象や緩和現象の捕捉において密接に一致することが保証されます。正確なモデリングと智能的なフィルタリングの間のこの相乗効果が、高精度SOC推定を実現する鍵となります。
もう一つの注目すべき特徴は、アルゴリズムの計算効率です。機能が強化されているにもかかわらず、この手法は組み込みBMSハードウェアでのリアルタイム実装に適した再帰構造を維持しています。複雑さと性能のバランスが、商業展開における実行可能な候補としての地位を確立しており、自動車メーカーがより高いレベルの自律性と接続性に向けて推進する中で、信頼性の高いバッテリーデータがさらに重要となる状況で特に価値があります。
オープンソースのデータセットを使用して研究成果を検証するというチームの決定は、信頼性を高め再現性を促進します。メリーランド大学のバッテリーデータリポジトリは研究コミュニティで広く認識されており、他の手法に対する独立した検証とベンチマークを可能にします。この透明性は科学的探求におけるベストプラクティスに沿っており、研究結果の影響力を強化します。
今後の展望として、研究者たちはアルゴリズムが実験室データで検証された一方で、実車両によるテストが次の論理的なステップであると認識しています。実地試験は、連続運転下での長期的信頼性、計算負荷、他の車両システムとの相互作用に関する洞察を提供するでしょう。さらに、この手法をバッテリーの状態の健康（SOH）や状態のパワー（SOP）などの他の状態の推定に拡張することで、その有用性をさらに拡大できる可能性があります。
PIDのような制御理論の概念を状態推定に統合することは、将来の研究にとって有望な方向性を示しています。伝統的に別々の領域として見なされてきた推定と制御戦略の収束は、システム設計に対するより包括的なアプローチを反映しています。車両の電動化と自動化が進むにつれて、このような学際的革新は複雑なエネルギーシステムを管理する上で不可欠となるでしょう。
この研究は、バッテリー技術の進歩における中国の研究機関の役割の高まりも強調しています。世界のEV採用と製造をリードする中国では、国内研究が実際的な課題の解決において極めて重要な役割を果たしています。重慶三峡大学と東南大学の協力は、地域および国の学術ネットワークがどのように技術進歩を推進できるかを示す好例です。
要約すると、PID強化型SHAEKFアルゴリズムは、バッテリー状態推定における重要な前進を示しています。適応フィルタリング技術とリアルタイム誤差補正を智能的に組み合わせることで、この手法は卓越した精度、安定性、堅牢性を提供します。多様な走行サイクルと温度範囲にわたるその性能は、次世代BMSアプリケーションの強力な候補となっています。自動車産業が電動化への移行を続ける中で、このような革新は、より安全で効率的かつ信頼性の高い電気自動車を構築する上で重要な役割を果たすでしょう。
蔡立、向立紅、厳娟、徐青山. PIDフィードバックを組み込んだSHAEKFアルゴリズムによるバッテリーSOC推定の紹介. バッテリー隔月刊, 2024, 54(1):47-51. DOI:10.19535/j.1001-1579.2024.01.010