電気自動車（EV）の世界的な普及が加速する中、リチウムイオン電池のライフサイクル管理は持続可能な開発における重要な課題となっています。数百万台のEVが使用終了期を迎えるにつれ、退役電池の発生量は前例のない速度で増加しています。電池リサイクルが重要な解決策である一方、使用済み電池をエネルギー貯蔵システムなど要求の低い用途に再利用する「セカンドライフ」または段階的利用の概念は、より経済的かつ環境に配慮した代替策として注目を集めています。しかし、この可能性を実現する上での大きな障壁は、退役電池セルの性能不均一性にあります。使用履歴の違いにより、容量、内部抵抗、劣化特性が大きくばらつくため、安全性、寿命、効率を確保するには、これらのセルを高精度に分類する「一致性選別」プロセスが不可欠です。
学術誌『Battery Bimonthly』に掲載された画期的な研究は、この課題に対する新たで極めて効果的なアプローチを提案しています。State Grid Henan Electric Power Research Instituteの趙広津氏を中心とし、南京工程学院の孟高軍氏、董鋭鋒氏、蘇玲氏、張鄭氏らが共同で、放電曲線分析と改良型ファジィクラスタリングアルゴリズムを活用した精密選別手法を開発しました。彼らの研究論文「放電曲線と改良型ファジィC-meansアルゴリズムに基づく退役電池の一致性選別方法の研究」は、電池再利用の商業的実現性を大幅に前進させるスケーラブルで正確かつ効率的なソリューションを提示しています。
この問題の緊急性は極めて高いと趙広津氏は指摘します。「国家の『デュアルカーボン』目標に後押しされたEVの急速な普及は、電池の退役の波が目前に迫っていることを意味します。効率的で信頼性の高い選別メカニズムがなければ、セカンドライフ利用の約束は理論上のままです」。現在の選別手法は、残存容量や内部抵抗といった単純な指標に依存することが多く、これらの単一パラメータ法は迅速で実施しやすい一方、電池の健全性や劣化挙動の全容を捉えることはできません。例えば、同一容量の2つの電池でも内部劣化パターンが大きく異なる場合があり、一緒に組み合わせると性能の不一致を引き起こします。この不均一性は、劣化の加速、システム効率の低下、大規模蓄電システムにおける安全リスクさえも招く可能性があります。
複数パラメータを用いたアプローチは、開放電圧、インピーダンス、容量劣化率など複数の指標を選別プロセスに組み込むことでこの限界に対処しようとします。より包括的である一方、これらの方法は時間とコストがかかり、大規模な充放電テストや高度な診断装置を必要とするため、数千もの電池を効率的に処理する必要がある大規模産業用途では非現実的です。さらに、既存技術の多くは動作中の電池の動的挙動を見落としがちで、性能の静的なスナップショットに焦点を当てています。
研究チームの革新性は、孤立したパラメータから電池の静的特性と動的特性の両方を反映する豊富な情報源である「放電プロファイル」全体へと焦点を移した点にあります。制御された放電中の電圧と時間の関係をプロットした放電曲線は、電池の電気化学的挙動の独自の指紋として機能します。電池が劣化すると内部抵抗が増加し、活物質が劣化するため、放電曲線の形状に微妙だが測定可能な変化が生じます。これらの変化は、電圧プラトー領域の持続時間、放電初期および終期の傾斜、全体的な電圧減衰プロファイルに特に顕著に現れます。
これらの複雑な曲線を実用的なデータに変換するため、チームは合理化された特徴点抽出プロセスを考案しました。巨大なデータセットを生成し計算非効率を招く曲線全体を分析する代わりに、曲線の形態的特徴を最もよく表す7つのキーフィーチャーポイントを特定しました。これには、放電の開始点と終了点、50%時間中点、および異なる放電段階間の遷移を示す重要な変曲点が含まれます。しかし、接線分析を通じて正確な変曲点を特定することは計算量が多く、高スループット選別には適していません。
この問題を克服するため、研究者らは簡略化されながらも極めて効果的な近似法を導入しました。複雑な幾何学的計算を、固定の百分率ベースの時間マーカーで置き換えたのです。具体的には、最初の変曲点に3%、電圧プラトー開始点に10%、同終了点に90%、最終遷移点に97%という割合です。この実用的な調整により、処理時間を劇的に短縮しつつ、元の手法の識別能力を保持しています。孟高軍氏は「私たちの目標は、精度と実用性のバランスを取ることでした。時間ベースの基準点を使用することで、異なる劣化経路をたどる電池を区別する能力を犠牲にすることなく、迅速で自動化された特徴抽出を可能にします」と説明します。
特徴点が抽出されると、それらは類似した電池をグループ化するための高度なクラスタリングアルゴリズムに投入されます。チームは、改良型のFuzzy C-Means（FCM）アルゴリズムを採用しました。これは、各電池を単一のクラスに強制的に分類するのではなく、複数のクラスターへの帰属度を割り当てる機械学習技法です。性能劣化が段階的かつ重複するプロセスである退役電池の文脈では、特に有用です。1つの電池が中程度と高度に劣化したグループの両方の特性を示す可能性があり、ファジィアプローチによりより細かく現実的なグループ分けが可能になります。
しかし、従来のFCMアルゴリズムは初期条件に敏感で、特に退役電池のような不均一なデータセットを扱う場合、最適ではない解に収束する可能性があります。これを解決するため、研究者らはSubtraction Clustering（SUB）と呼ばれる前処理ステップを統合しました。これは、データポイントの密度分布を分析して最適な初期クラスター中心を特定する手法です。このハイブリッドSUB-FCMアプローチにより、収束が速くなりクラスタリング精度が向上し、ノイズの多い或不規則なデータに対してもロバスト性を確保します。
提案手法の有効性は、実車で使用された96個の退役18650リチウムイオン電池のデータセットを用いた広範な実験によって検証されました。電池はまず、2.0–2.5 Ah（高容量）と1.75–2.0 Ah（中容量）の2つの容量範囲に分類されました。各グループ内で、簡略化された特徴点に基づき、SUB-FCMアルゴリズムを用いて一致性選別が実施されました。
結果は顕著なものでした。高容量グループでは、41個の電池は3つの明確なグループにクラスタリングされました。選別後の分析では、すべての特徴点にわたって電圧のばらつきが大幅に減少したことが示されました。例えば、最初の変曲点における最大電圧差（ΔUmax）は、選別前の0.132 Vから選別後は0.061 V未満に低下しました。同様に、標準偏差（SDU）は0.048 Vから、最高性能のクラスターでは0.005 Vまで低下しました。これらの改善は、類似した電気化学的挙動を示す電池のグループ化がより緊密になったことを示しており、バッテリーパック内での均一な電流分布と熱管理を確保する上で極めて重要です。
中容量グループでは、アルゴリズムは55個の電池の中から4つの異なるクラスターを識別しました。ここでも選別後の指標は、一致性の顕著な改善を示しました。すべての特徴点にわたる平均ΔUmaxは30%以上減少し、SDU値も一貫して低下する傾向を示しました。特筆すべきは、各クラスターの平均電圧（Uave）が大きく異なり、異なる劣化レベルと内部抵抗を反映している点です。これによりグループ間の明確な区別が可能となり、ユーザーは性能要求に基づいて選別された電池を適切な用途に割り当てることができます。
おそらく最も重要なのは、この手法が同じ容量でありながら異なる劣化パターンを持つ電池を区別できることが実証された点です。これは従来の選別技術が往往にして欠いていた能力です。例えば、同じ公称容量の2つの電池があっても、一方は主に経年劣化（時間と温度）により、他方はサイクル劣化（頻繁な深放電）により老化した可能性があります。これらの異なる劣化メカニズムは放電曲線に明確な特徴を残し、特徴ベースのアプローチによって検出および分類することができます。
この研究の意義は実験室をはるかに超えています。電池リサイクル業者やセカンドライフ事業者にとって、この手法は再利用電池システムの品質と信頼性を向上させるための拡張性が高く費用効果の高いソリューションを提供します。各グループ内の一貫性を高めることで、早期故障のリスクが低減され、保証コストが最小化され、システム全体の性能が向上します。これにより、セカンドライフ製品に対する消費者の信頼が高まり、市場の採用が加速します。
持続可能性の観点からも、その影響は equally 重要です。効率的な選別は退役電池の利用率向上を可能にし、リサイクルや埋立地に送られる廃棄物の量を削減します。また、新規原材料への需要を低下させ、電池生産における環境負荷を軽減します。再生可能エネルギーの統合、系統安定化、バックアップ電源需要によって駆動される世界のエネルギー貯蔵需要の継続的な増加に伴い、セカンドライフ電池に基づく信頼性が高く低コストの貯蔵ソリューションを展開する能力は、ますます価値が高まっています。
業界の専門家はこの研究成果を高く評価しています。「この研究は電池ライフサイクル管理における重要な前進を代表するものです」と、独立系エネルギー貯蔵アナリストは述べています。「放電曲線分析とインテリジェントなクラスタリングアルゴリズムの統合は、革新的かつ実用的です。実用的な問題を、産業展開の準備が整った解決策で扱っています」。
研究チームは既に、この手法をさらに改良する方法を模索しています。焦点の一つは、温度が放電特性に与える影響です。論文で述べられているように、すべての実験は一定温度条件下で実施されました。しかし、実世界の応用では、電池は様々な熱環境に曝され、電圧プロファイル、ひいては選別精度に影響を与える可能性があります。今後の研究では、異なる動作条件にわたるアルゴリズムの堅牢性を高めるための温度補償モデルの調査が行われる予定です。
もう一つの有望な方向性は、リアルタイム選別のための機械学習の統合です。放電曲線の大規模データセットで深層ニューラルネットワークを訓練することにより、手動の特徴量エンジニアリングを必要とせず、データ取得から最終分類までの全プロセスを自動化することが可能になるかもしれません。これにより、処理時間をさらに短縮し、リン酸鉄リチウム（LFP）やニッケルマンガンコバルト（NMC）など、異なる電池化学への適応性を向上させることができます。
この研究は、電池再利用産業における標準化の重要性も強調しています。より多くのプレイヤーが市場に参入するにつれ、相互運用性と品質管理を確保するための共通プロトコルと性能指標の必要性が高まっています。本論文で提案されたΔUmax、SDU、Uaveなどの特徴点と評価指標は、将来の技術標準の基礎要素として役立つ可能性があります。
趙広津氏、孟高軍氏、そして彼らの同僚によるこの研究は、EVおよびエネルギー貯蔵セクターにおける最も差し迫った課題の一つに対して、強力かつ実用的な解決策を提供します。物理的洞察と高度なデータ分析を組み合わせることで、選別精度を向上させるだけでなく、より循環型で持続可能な電池経済への道を開く手法を開発したのです。世界がクリーンエネルギーへ移行する中、このような革新は、あらゆるキロワット時がその最大の可能性を発揮することを確保する上で極めて重要な役割を果たすでしょう。
放電曲線と改良型ファジィC-meansアルゴリズムに基づく退役電池の一致性選別方法の研究 趙広津（State Grid Henan Electric Power Research Institute）、孟高軍、董鋭鋒、蘇玲、張鄭（南京工程学院） Battery Bimonthly誌掲載 DOI: 10.3969/j.issn.1002-087X.2024.09.016