電気自動車用リチウムイオン電池の故障検知技術が季節リスクに対応
電気自動車（EV）の世界的普及が加速する中、昆明理工大学と重慶大学の研究チームが開発したデータ駆動型のバッテリー異常検知技術が注目を集めている。特に夏場と冬場の故障リスク急増期に対応したこの手法は、従来の電気化学モデルに依存せず、ビッグデータ解析と教師なし機械学習を活用して電池異常を高精度に検出する。
伝統的手法を超える次世代診断フレームワーク
現在のバッテリー管理システム（BMS）は化学的な進化を遂げているものの、突発的な熱暴走や性能劣化が依然として重大課題となっている。既存の診断手法は、重大故障に至る前の微妙な初期異常を検知する能力に限界があった。新たに開発された多段階解析パイプラインは、3年間の実車動作データを基に検証され、設計上の欠陥と突発事故による異常を区別可能な二重安全機構を実現した。
このシステムの中核を成すのは、クラウド接続EVから取得した電圧テレメトリを変換する多層解析プロセスである。まずt-SNE（t分布型確率的近傍埋め込み法）と呼ばれる非線形次元削減技術により、数十個の電池セルから得られる高次元電圧データを2次元マップに圧縮。視覚化により、時系列データに埋もれた異常クラスターを可視化する。
次にK-meansクラスタリングを適用し、データを行動パターン別に分類。正常セルはクラスター中心に密集し、異常セルは孤立点または小規模な逸脱群を形成する。異常箇所の特定にはZスコア統計に基づく新規診断係数を採用。パック全体に対する各セルの電圧偏差を標準偏差単位で評価することで、絶対値が小さくても統計的に有意な異常を検知可能となった。
昆明理工大学交通工程学院の沈江偉主任研究者は次のように説明する。「電化学反応のシミュレーションや物理パラメータの調整が不要な点が実用性の鍵です。既存の車載センサーデータをそのまま活用できる点が強みです」
多層リスク評価メカニズムの革新
異常検出後は、エントロピー加重と変動係数を融合したハイブリッド評価システムが作動する。電圧変動のランダム性と分散度を総合的に分析し、各セルに「異常度スコア」を算出する方式を採用。30セル構成のバッテリーテストでは、放電時に236mVの電圧低下を示した7番セルが一貫して最低評価値を記録し、視覚的評価との整合性を確認した。
最終診断層で使用される3σ-MSS（3シグマ多段スクリーニング戦略）は従来手法を改良した統計フィルターである。通常の3シグマルールが静的ガウス分布を仮定するのに対し、外れ値除去ごとに平均と標準偏差を動的に再計算。極端な値による分布の歪みを防止し、故障確率の算出精度を向上させている。
同一仕様4台のEVで実施した1ヶ月間の縦断的解析では、明確な2種類の故障タイプを識別。1台では20番セルが1.7%の故障確率（他セルは0.5%未満）を示す散発的異常を検出。衝撃や製造欠陥が要因と推測される「過渡的故障」と判定された。他の3台では全セルの故障確率が2%未満で空間的パターンが一貫しており、設計上の根本的課題を示す「系統的故障」と分類された。
季節変動に応じた予防保全戦略
10台のEVから3年間収集した動作データを気象季節別に分析した結果、春季（平均1.54%）と秋季（3.07%）に比べ、夏季（4.31%）と冬季（4.59%）で故障確率が顕著に上昇。冬季には最大9.52%の異常値が観測された。この季節特性はリチウムイオン電池の既知の化学特性と合致する。高温環境では副反応が加速し固体電解質界面（SEI）が劣化、低温ではリチウム析出や電圧不均一性が増大する。
あるテスト車両では、1年目に19番セルで2%の慢性異常を検知。2年目には28番セルが特定日に12.69%まで急上昇（日平均4.17%）、3年目には16番セルが14.14%を記録（同3.71%）した。再現性のない位置と極端な偏差から、衝突などの外部衝撃によるセル損傷が推測される。この詳細な診断能力を活用すれば、地域の気候特性に応じた保守計画を立案可能となる。
テキサスやアリゾナなど暑熱地域では冷却システム点検や急速充電制限を、北欧やカナダなど寒冷地ではバッテリー予熱や電圧均等化チェックを季節別に実施できる。故障タイプの識別能力も安全面で重要である。系統的異常には設計変更やバッチリコールが必要なのに対し、過渡的異常は個別セル交換で対応可能なため、整備効率が向上する。
業界動向と規制対応への貢献
EUが導入を進める「バッテリーパスポート」制度や米国運輸省道路交通安全局（NHTSA）のEV火災調査強化など、規制環境が急速に変化する中、本技術はメーカーのコンプライアンス対応を支援する。既存のCAN通信データ（10秒間隔）を活用するため、追加センサー不要でスケーラブルな点が導入メリットとなる。
重慶大学機械・自動車工程学院の劉永剛教授は次のように述べる。「リアルタイムBMSへの組み込みが次の課題です。事後分析だけでなく、予防的安全機能として実装することで真の価値を発揮します」
研究チームは現在、充電状態（SOC）や劣化度（SOH）推定器との統合を進め、異常セルの残寿命予測と予防措置の発動基準を開発中だ。EVがソフトウェア定義型プラットフォームへ進化する中、運用データから潜在価値を抽出するデータサイエンスの重要性が増している。電池化学の発展と並び、この種の技術革新がEVの安全性と信頼性向上の鍵を握るだろう。
沈 江偉¹
閆 川¹
劉 永剛²
沈 石泉¹
陳 征¹
¹昆明理工大学交通工程学院（中国・昆明）
²重慶大学機械・自動車工程学院（中国・重慶）
Transactions of China Electrotechnical Society Vol. 39, No. 24, Dec. 2024
DOI: 10.19595/j.cnki.1000-6753.tces.231983