TOP > 事業概要 > 二次電池評価サービス > 機械学習を用いた電池モジュールの安全性・寿命予測

機械学習を用いた電池モジュールの安全性・寿命予測

効果   ◆機械学習によるバッテリーパックの高精度劣化予測
     ◆ベーズ最適化によるバッテリーパックデザインの最適設計

ポイント ◆人工ニューラルネットワーク(ANN)、長・短期記憶モデル(LSTM)、
      ベーズ最適化を含む、各種、機械学習手法に対応

単セルの充放電特性

一般に、バッテリーの抵抗は温度、充電状態(SOC)、印加電流などに依存します。人工ニューラルネットワークを用いることで、実測追従性の高い回帰モデルの構築が可能です。

単セルの充放電特性

劣化挙動モデリング

バッテリー劣化予測は、経験関数(√t model)や物理モデルベースモデルが採用されてきました。最近、我々は時系列データの機械学習の一つであるLSTM(Long short-term memory)を用いたモデルを提案しています。

劣化挙動モデリング

バッテリーモジュールにおける劣化評価

バッテリーモジュールでは、温度不均一性によりセルごとの劣化進行にバラツキが予想されます。充放電特性や劣化特性の機械学習モデルと3次元熱解析を用いることで、モジュールでの各セルの温度、劣化状態を予測することが可能です。

バッテリーモジュールにおける劣化評価バッテリーモジュールにおける劣化評価

事業概要