革新的適応アルゴリズムがEVバッテリー状態推定精度を飛躍的に向上
電気自動車（EV）の急速な普及が進む中、走行距離への不安やバッテリーの寿命は、消費者とメーカーの双方にとって最も重要な関心事となっている。こうした課題に対し、重慶理工大学の研究チームがバッテリー管理システム（BMS）技術における画期的な進展を達成した。菅英哲博士が率いる研究グループは、リチウムイオンバッテリーの充電状態（SOC）推定精度を大幅に向上させる新規適応アルゴリズムを開発した。SOCは、車両性能、エネルギー効率、ユーザー体験において極めて重要なパラメータである。
本研究成果は『重慶理工大学学报（自然科学版）』に掲載され、従来手法の限界を克服するために設計された、リアルタイムパラメータ同定と状態推定技術の革新的融合を提示している。EVが市街地走行から高速巡航まで多様な運転条件下で作動する際、バッテリーの内部特性は動的に変化する。オフライン試験から得られた固定パラメータに依存する従来のバッテリーモデルは、こうした過渡的な挙動を捉えきれず、SOC予測に誤差を生じさせる傾向があった。この不一致は、ドライバーの信頼を損なうだけでなく、エネルギー管理戦略の効果も制限してしまう。
新能源汽车（新エネルギー車）と先進パワートレインシステムの専門家である菅博士は、実世界の変動性への適応の重要性を強調する。「バッテリーの挙動は本質的に非線形で時間変動的です。動的環境で静的なモデルを使用すると、誤差が蓄積していきます。我々の目標は、BMSが常にバッテリー状態に関する最新の情報で動作することを保証し、継続的に学習し調整する手法を開発することでした」
中核となる革新は、再帰的最小二乗法（RLS）フレームワーク内に自己調整型忘却因子を統合した「適応忘却因子再帰的最小二乗法（AFFRLS）」と、SOC推定のための拡張カルマンフィルター（EKF）の組み合わせにある。固定の忘却因子を適用する従来のRLS手法とは異なり、この新手法はリアルタイムの予測誤差に基づいて因子を動的に調整する。モデルの出力が実際の計測値から大きく乖離した場合、アルゴリズムは古いデータの影響力を低減し、最近の観測値に重点を置く。逆に、予測が安定して正確な場合は、過去データの記憶をより多く保持し、応答性と安定性のバランスを取る。
この適応メカニズムにより、システムは負荷、温度、経年劣化による急激な変化に素早く対応できる。これらは全て、バッテリーのインピーダンス、容量、開放電圧（OCV）に影響を及ぼす。等価回路モデルのパラメータ、具体的にはオーム抵抗、分極抵抗、容量を継続的に再較正することで、AFFRLS-EKF法は基礎となるモデルがバッテリーの現在の物理状態を常に正確に表現することを保証する。
大学院生の楊敏氏や孫華澤氏、謝雲飛氏らを含む研究チームは、19Ahの三元系リチウムイオン電池を用い、複数の駆動サイクル下で広範な実験的検証を実施した。これには、ハイブリッドパルスパワー特性評価（HPPC）テスト、動的ストレステスト（DST）、間欠定電流放電シナリオが含まれており、それぞれ急加速から安定した巡航まで、実世界の運転の異なる側面をシミュレートするように設計されている。
結果は、すべての試験条件下で卓越した性能を示した。HPPCサイクル下では、最大SOC推定誤差は0.65%未満に留まり、DSTと間欠放電テストでは、それぞれ0.55%および0.57%の誤差が得られた。いずれの場合も誤差は1%以内に収まり、同様の条件下で最大2%の誤差を示した従来のRLS-EKF法から大幅な改善が見られた。この精度レベルは業界のベンチマークを上回り、EVを「真の」走行距離予測という理想に近づける、消費者導入における重要な要素である。
この新アルゴリズムの最も説得力のある側面の一つは、計算効率を犠牲にすることなく高精度を維持する能力である。パーティクルフィルターや深層学習モデルなどの多くの高度な推定技術は、処理負荷の増大という代償を払って精度向上を図るため、組み込み型BMSハードウェアでは非現実的である。しかし、AFFRLS-EKF法は標準的なマイクロコントローラー上で効率的に動作し、高性能なコンピューティングリソースを必要とせずにリアルタイム実装を可能にする。
バッテリーダイナミクスと制御システムに焦点を当てて研究する楊氏は、実用的な意義を強調する。「この手法の特異性は、精度と実現可能性のバランスにあります。大規模なデータセットやクラウド接続を必要としません。全てがオンボードで、リアルタイムに、あらゆるEVで既に利用可能な電圧と電流の測定値のみを使用して行われます」
本研究で使用された二分極等価回路モデルは、複雑さと忠実度の間で注意深いバランスを取っている。複数のRCネットワークを持つより精巧なモデルは更高的な精度を提供できるが、計算オーバーヘッドとパラメータの相互依存性が増し、同定を複雑にする。二重RC構造は、オンライン推定に扱いやすい状態を保ちながら、本質的な過渡的および拡散関連の電圧降下を捕捉する。
あらゆるSOC推定器の成功にとって、SOC-OCV関係の精度は極めて重要である。研究チームは25°Cで詳細なHPPCテストを実施し、SOCが10%減少するごとに電圧緩和データを収集した。7次多項式フィッティングを使用して、SOCと開放電圧の間の正確なマッピングを確立し、推定プロセス全体の基礎となる要素を固定した。
作動中、アルゴリズムは閉ループで機能する。AFFRLSモジュールは、入力される電圧および電流データを使用してモデルパラメータを継続的に更新する。これらの更新されたパラメータはEKFに送られ、現在のSOC推定値を計算する。EKFはプロセスノイズ（システムダイナミクスの不確実性）と計測ノイズ（センサーの不正確さ）の両方を考慮し、反復ごとに推定値を洗練させる。
このフィードバックアーキテクチャは、自己修正システムを創り出す。センサーのドリフトやモデルの劣化が精度に影響を与え始めても、パラメータ同定段階で異常を検出し、それに応じて調整する。時間の経過とともに、これによりBMSは運転中の過渡現象だけでなく、容量劣化や内部抵抗の増加といったバッテリー健全性の主要指標である長期的な経年変化への補償も可能になる。
影響は単なるSOC精度の向上を超えている。信頼性の高い状態推定により、自動車メーカーは熱管理を最適化し、より穏やかな充電プロトコルを通じてバッテリー寿命を延ばし、回生ブレーキの効率を向上させることができる。正確なSOCデータは、急速充電前のバッテリーのスマートな予備条件付けも可能にし、ストレスを軽減して充電受入率を向上させる。
さらに、精密なSOC推定は安全性を高める。残存充電量を過大評価すると予期せぬシャットダウンを招く可能性があり、過小評価は性能に不必要な制限を課す可能性がある。極端な場合、不正確な状態監視は過充電や過放電につながり、劣化を加速し、熱暴走のリスクを高める条件となる。
システム工学の観点から、AFFRLS-EKF法は、自動車エレクトロニクスにおける智能的で適応的な制御への潮流を具現化している。車両がより接続性が高く自律的になるにつれて、自己認識し自己調整するコンポーネントへの需要が高まっている。このアルゴリズムは、経験から学び、個々の使用パターンに適応する、真に認知的なバッテリーシステムへの一歩を表している。
この研究は、学際的協力の重要性も強調している。研究チームは、機械工学、制御理論、電気化学、信号処理の専門知識を組み合わせ、物理学と計算の交差点に位置する問題に取り組んだ。彼らの仕事は、従来は分離されていた領域の統合からブレークスルーがますます生まれているという、自動車の研究開発におけるより広範な変遷を反映している。
業界の反応は、慎重ながらも楽観的である。この手法は実験室環境で検証されているが、実世界での導入には、極端な温度、湿度、振動を含む多様な環境条件下での広範な耐久性試験が必要となる。さらに、既存のBMSアーキテクチャとの統合や、ISO 26262のような自動車機能安全規格への適合が、広範な採用前に必要となる。
それでも、潜在的な利潤は大きい。消費者にとっては、より信頼できる走行距離表示、長いバッテリー寿命、そして向上した運転への自信を意味する。自動車メーカーにとっては、推定の不確実性を補うために一般的に用いられるバッテリーの過大設計を減らす道筋を提供し、それにより車両重量とコストを低減する。フリートオペレーターにとって、正確なSOC追跡は、より良い経路計画と充電スケジューリングを可能にし、運用効率を向上させる。
この手法の適応性は、使用済みEVのバッテリーを再利用する定置型エネルギー貯蔵といったセカンドライフアプリケーションにも適している。こうしたシナリオでは、経年し不均質なバッテリーパックの状態を正確に評価する能力が、安全性と性能にとって極めて重要である。
今後の展望として、研究チームは、バッテリー健全状態（SOH）やエネルギー状態（SOE）を含む追加のバッテリー状態を推定するためのアルゴリズムの拡張を探っている。予備的な作業は、同じ適応型同定フレームワークを適用して、時間の経過に伴う容量劣化と内部抵抗の増加を追跡し、バッテリー状態の包括的な像を提供できることを示唆している。
別の調査分野は温度補償に関するものである。バッテリーの挙動は温度によって大きく異なり、将来のアルゴリズムのバージョンには、氷点下の冬から灼熱の夏まで、広い動作範囲にわたって精度を維持するためのリアルタイム熱モデリングが組み込まれる可能性がある。
査読付きジャーナルへの本研究の発表は重要な里程標だが、学術的発見から商業製品への道のりは往々にして長く複雑である。チームは予備的な知財開示を提出しており、いくつかの自動車サプライヤーと潜在的な協力について協議中である。
業界アナリストによると、世界のEV販売台数は2023年に1400万台を超え続けて増加しており、よりスマートで効率的なバッテリー管理の必要性は only 強まるだろう。重慶理工大学で開発されたような革新は、単なる技術的成果ではなく、持続可能な輸送の未来を実現する推進力である。
ソフトウェアが車両の能力を increasingly 定義する時代において、この適応アルゴリズムは、智能アルゴリズムが既存のハードウェアから最大の価値を如何に引き出せるかを示す好例である。これは、時に最も影響力のある進歩は、より大きなバッテリーを構築することではなく、それらをより良く理解することにあるということを想起させる。
AFFRLS-EKF法の成功は、EV技術の進歩において中国の機関の果たす役割が増大していることも浮き彫りにする。新エネルギー車への強力な政府の支援と急速に拡大する国内市場により、中国全土の研究センターはバッテリー科学、モーター制御、充電インフラに重要な貢献をしている。
菅博士は、この研究のより広範な影響について楽観の意を表明した。「我々は単にダッシュボード上の数字を改善しているのではありません。ドライバーと機械の間の信頼を構築しているのです。人々が自分たちの車の走行距離予測が一貫して正確であることを目の当たりにすると、それに依存し始めます。その信頼こそが、電気自動車の大量導入に不可欠なのです」
自動車産業が内燃機関から電動パワートレインへと移行する中で、バッテリーの役割はより一層重要性を増していく。そしてそれに伴い、高度で信頼性が高く適応性のある状態推定方法への需要が最も重要になるだろう。菅、楊、孫、謝らの研究は、シームレスで予測可能かつ効率的な電動モビリティの約束を現実に一歩近づける、その方向への意義ある一歩を表している。
菅英哲、楊敏、孫華澤、謝雲飛、重慶理工大学機械工程学院。重慶理工大学学报（自然科学版）、doi:10.3969/j.issn.1674-8425(z).2024.11.003