電気自動車のバッテリー残量推定精度が飛躍的に向上
電気自動車（EV）の急速な普及が進む中、リチウムイオン電池の充電状態（SOC）を正確に推定することは、最も重要な技術的課題の一つであり続けています。SOCの精密なモニタリングは、単なる技術的な詳細ではなく、車両の走行可能距離、安全性、バッテリー寿命、そしてEVに対するユーザーの信頼性に直接影響を及ぼします。バッテリー技術と管理システムにおいて大きな進歩があったにもかかわらず、動的な走行条件下での高精度なSOC推定の実現は、世界中のエンジニアや研究者にとって継続的な課題となっています。
この課題に対して画期的な研究成果が発表されました。重慶交通大学交通運輸学院の呉勝利氏と郭琪氏、そして重慶工商大学管理科学と工程学院の邢文婷氏による共同研究チームは、SOC推定の精度と計算効率の両方を大幅に改善する新しい手法を導入しました。2024年9月号の『Energy Storage Science and Technology』に掲載された彼らの研究は、分数階可変抵抗容量（FVOM）モデルと強化されたフィルタリングアルゴリズムを組み合わせたもので、リアルタイムのバッテリー状態予測において新たな基準を確立しています。
この研究の重要性は、従来のバッテリーモデリング技術の長年の限界に対処できる点にあります。SOC推定に広く用いられている従来の等価回路モデル（ECM）は、抵抗器とコンデンサの組み合わせに依存してバッテリーの動的挙動をシミュレートします。Rintやテブナン構成のような単純なモデルは計算効率が高いですが、複雑な負荷条件下では必要な精度を欠くことがよくあります。一方、複数のRCネットワークを持つ高次モデルはより優れた精度を達成できますが、複雑さと計算負荷の増大という代償を伴い、実際のEVへのオンボード実装には適さなくなるのです。
モデルの忠実度と実用性の間のこのトレードオフは、バッテリー管理システム（BMS）設計における持続的なボトルネックとなってきました。電気自動車が都市の停発進交通から高速道路での急加速まで、ますます多様化する走行パターンに直面する中で、バッテリーモデルは電流と温度の過渡的な変化に迅速かつ正確に適応しなければなりません。これができないと、不正確なSOC読み取りにつながり、予期しないシャットダウン、走行可能距離の減少、または過充電や熱暴走のリスクさえも生じる可能性があります。
これらの課題を認識して、研究チームは分数階微積分学という数学的フレームワークに着目しました。これは従来の整数次微分積分を非整数次に拡張するものです。理想化された指数関数的応答を仮定する古典的なモデルとは異なり、分数次モデルはリチウムイオン電池内の電化学プロセスの分散性和記憶依存性の特性をより自然に捉えることができます。これには、多孔質電極内のイオン拡散や表面電荷移動などの現象が含まれ、これらは単純な指数関数的減衰ではなくべき乗則 dynamics を示します。
しかし、過去の研究で分数次モデルが探究されてきた一方で、多くの研究は固定次構造を採用しており、バッテリーの動的挙動が異なる充電状態にわたって一貫していると仮定しています。この仮定は、研究者らが主張するには、現実を反映していません。リチウムイオン電池は、特に低SOCおよび高SOCレベルで強い非線形性を示し、そこでは電気化学的分極と濃度勾配が劇的に変化します。したがって、万能のモデルはバッテリー挙動の全スペクトルを最適に表現することはできません。
この限界を克服するために、呉氏、郭氏、邢氏は可変次アプローチ、すなわち分数階可変抵抗容量（FVOM）モデルを提案しました。単一の固定分数次を使用する代わりに、彼らのモデルは現在のSOCに基づいてその構造を動的に調整します。具体的には、モデルは一次分数RC構成（FOM-1RC）と二次分数RC構成（FOM-2RC）の間で切り替え、所与のSOCレベルで最良の適合を提供する方を使用します。
主要な革新点は、最適なモデル次数がどのように選択されるかにあります。ヒューリスティックな規則や手動調整に頼るのではなく、研究チームは統計的ツールであるAkaike Information Criterion（AIC）を採用しました。これはモデル精度と複雑さのバランスを取るように設計されています。異なるSOC範囲にわたってFOM-1RCモデルとFOM-2RCモデルの両方のAIC値を計算することにより、不必要な計算オーバーヘッドなしで最高の予測精度をもたらす構成を特定しました。
彼らの発見は明確なパターンを明らかにしました：中程度のSOC範囲（10％から90％の間）では、より単純なFOM-1RCモデルは、より複雑なFOM-2RCモデルとほぼ同等の性能を発揮し、効率と精度のバランスを取るための好ましい選択肢となります。しかし、極端な低SOC（10％未満）および高SOC（90％超）では、バッテリーの挙動は高度に非線形になり、FOM-2RCモデルが捕捉する追加の dynamics が精度を維持するために不可欠となります。
この適応的切り替えメカニズムにより、FVOMモデルはバッテリーの動作範囲の大部分において軽量なままであると同時に、最も重要な時に高忠実度を提供することができます。これは単純さと精度の間の従来の妥協を効果的に回避し、静的モデルに対してよりスマートで応答性の高い代替手段を提供します。
しかし、より優れたモデルを構築することは戦いの半分でしかありません。推定アルゴリズムが実世界のノイズ、 disturbance 、および走行条件の急激な変化に対処できなければ、最も正確なモデルでさえ信頼性の高いSOC推定を提供することはできません。これを解決するために、研究者らは非線形システムにおける状態推定のために広く使用されているアルゴリズムである分数次拡張カルマンフィルター（FEKF）の改良版を開発しました。
標準的なFEKFアルゴリズムは、時間の経過とともに新しい測定値を組み込む再帰的更新に依存しています。しかし、急激な加速や回生ブレーキなどの急激な変化に直面すると、履歴データに重きを置きすぎて現在の観測に十分な重みを置かないため、鈍くなったり、発散したりする可能性があります。この慣性はフィルターの応答を遅らせ、推定精度を低下させる可能性があります。
これを相殺するために、チームはフィルターの予測ステップに時間変化減衰係数を組み込むことによる「強追跡」メカニズムを導入しました。この係数は状態共分散行列を動的に調整し、最近の測定値の影響を効果的に増大させ、古くなった情報の影響を軽減します。その結果、バッテリー挙動の急速な変化に迅速に適応できる、より機敏で応答性の高い推定量が得られます。
Strong Tracking Fractional Extended Kalman Filter（STF-FEKF）と名付けられたこのアルゴリズムは、3つの異なる走行サイクル、すなわちUrban Dynamometer Driving Schedule（UDDS）、New European Driving Cycle（NEDC）、Extra-Urban Driving Cycle（EUDC）の下で厳密にテストされました。これらのプロファイルは、都市の通勤から高速道路の巡航まで、実世界の幅広い条件をシミュレートし、モデルの性能を包括的に評価することを可能にしました。
結果は説得力のあるものでした。急激な運転の鋭い電流需要を模倣するシナリオであるパルス放電条件下では、FVOMモデルは平均絶対電圧誤差を0.0197 Vから0.0160 Vに減少させ、予測精度が18.8％向上したことを示しました。さらに重要なのは、すべての電圧誤差が50 mV未満に留まり、BMSアプリケーションの許容範囲内に十分収まっていることでした。
STF-FEKF推定量と組み合わせると、SOC推定における改善も同様に印象的でした。3つの走行サイクルすべてにおいて、新しい方法は従来のFEKFアプローチを一貫して上回りました。平均絶対誤差（AAE）と二乗平均平方根誤差（RMSE）はともに大幅に減少し、ピーク時のSOC推定誤差は標準手法の最大3.2％に対して2％未満に留まりました。
おそらく最も注目すべきは、アルゴリズムが初期推定誤差から迅速に回復する能力でした。開始SOCが80％に設定されたシミュレーション（部分充電で車両が接続される一般的なシナリオ）では、STF-FEKFアルゴリズムは数分以内に真のSOC値に急速に収束し、最適ではない初期化条件下でも堅牢性と信頼性を示しました。
工学的観点から見ると、この研究の意義は大きいです。自動車メーカーやバッテリー製造業者にとって、FVOMモデルはよりインテリジェントで適応型のBMS設計への道筋を提供します。過度の計算コストなしでより正確なSOC推定を可能にすることにより、バッテリー寿命の延長、改善された走行距離予測、および安全性の向上につながる可能性があり、これらはすべてEVの消費者導入における重要な要素です。
さらに、分数階微積分学と適応型モデル選択の使用は、より物理情報に基づいたモデリングアプローチへの移行を表しています。バッテリーをブラックボックスとして扱うのではなく、FVOMモデルは基礎となる電化学 dynamics を数学的に厳密でありながら実用的に実装可能な方法で捉えます。
この研究は、EV技術を進歩させる上での学際的協力の重要性も強調しています。電気自動車管理と信号処理のバックグラウンドを持つ呉勝利氏は、システムモデリングと制御に関する専門知識をもたらしました。郭琪氏はアルゴリズム開発と実験的検証に貢献し、邢文婷氏の管理科学と工学への焦点は、問題をより広い operational 文脈の中で捉えるのに役立ちました。彼らの結合された強みは、理論と応用を架橋する全体的なアプローチを可能にしました。
今後の展望として、研究者らは将来の研究のためのいくつかの方向性を示唆しています。一つは、バッテリー性能と老化に大きく影響する温度変動を考慮したFVOMモデルの拡張です。もう一つは、経時的な容量減少を追跡する老化モデルの統合であり、バッテリーが劣化するにつれてBMSがそのSOC推定を調整できるようにします。さらに、チームは組み込みハードウェアへのリアルタイム実装の可能性を探求しており、商用車両への展開への道を開いています。
この分野の独立した専門家は、この研究をその方法論的厳密さと実用的関連性に対して高く評価しています。「この研究を際立たせているのは、革新性と適用性のバランスです」と、論文をレビューした主要EVメーカーのバッテリーシステムエンジニアは述べています。「彼らは単に理論的モデルを提案しているだけでなく、現実的な条件下でそれを検証し、測定可能な改善を示しています。それはまさに業界が必要としているものです」
応用エネルギー技術に焦点を当てた査読付きジャーナルである『Energy Storage Science and Technology』へのこの研究の掲載は、科学コミュニティ内でのその重要性を強調しています。電動輸送とグリッド規模のエネルギー貯蔵への世界的な投資の増加に伴い、バッテリーモデリングの進歩はこれまで以上に重要になっています。
政府がゼロエミッション輸送を推進し、消費者がより大きな航続距離と信頼性を要求する中、バッテリー技術への圧力は強まるだけでしょう。FVOMモデルのようなソリューションは、画期的な材料や化学を通じるのではなく、既存のハードウェアの全潜在能力を解き放つ、よりスマートで適応性の高いソフトウェアを通じて、前進への重要な一歩を表しています。
本質的に、呉勝利氏、郭琪氏、邢文婷氏は、時に最も影響力のある革新は、バッテリーを再発明することからではなく、それをどのように理解し管理するかを再考することから生じることを実証しました。彼らの仕事は、高度な数学的モデリングが、実世界のデータと工学的制約に基づいて立脚するとき、持続可能なモビリティにおいて意味のある進歩を推進できることを例示しています。
ドライバーにとって、利益は目に見えないかもしれません（ダッシュボードの警告灯もアラートもありません）が、期待通りに性能を発揮する、より信頼でき、長持ちするバッテリーがもたらされます。そして、航続距離への不安やバッテリー劣化が依然として最大の懸念事項である電気自動車の世界では、そのような静かな自信は計り知れない価値があります。
より優れたバッテリー管理への道は、単一の飛躍ではなく、注意深い、証拠に基づいた一連の歩みです。分数階微積分学、統計的モデル選択、および適応型フィルタリングの優雅な融合によるこの研究は、重要な前進の印であり、間もなく次世代の電気自動車にその道を見いだす可能性のある一歩です。
呉勝利 (Wu Shengli)、郭琪 (Guo Qi)、邢文婷 (Xing Wenting)、重慶交通大学 (Chongqing Jiaotong University)、重慶工商大学 (Chongqing Technology and Business University)、Energy Storage Science and Technology、doi: 10.19799/j.cnki.2095-4239.2024.0174