クーロンカウンティングとは何ですか?

クーロンカウンティングは、電流を継続的に測定し、それを時間の経過とともに積分することによって、バッテリーに出入りする電荷を追跡する方法です。この技術により、バッテリー管理システムは、蓄積エネルギーを直接測定することなく、残りの容量と充電状態を推定できます。

クーロンカウントの背後にある基本原理には、バッテリーに出入りするすべてのアンペア時間の監視が含まれます。{0}}高精度検出抵抗器が電流の流れを測定し、専用回路がこれらの測定値を時間間隔にわたって統合します。バッテリーを 2 アンペアで 3 時間充電すると、システムはバッテリー容量に 6 アンペア-時間を加算してカウントします。放電中はプロセスが逆に実行され、電流が流出するにつれてアンペア時が減算されます。

バッテリー管理チップはこの計算を継続的に実行し、通常は電流を毎秒数千回サンプリングします。積分公式は簡単です。電荷の変化は、クーロン効率を調整した電流と時間の積に等しくなります。クーロン効率は、充電中に蓄えられたすべての電荷を放電中に取り出すことができるわけではないという事実を考慮しています。-内部抵抗、副反応、熱放散により損失が発生します。

最新の実装では、16- ビット以上のアナログ - - コンバータとマイクロコントローラを組み合わせて使用します。 Maxim MAX17303X+ と Renesas RAA489206 は典型的なハードウェアソリューションであり、数学演算を処理する組み込みプロセッサを備えています。これらのチップはバッテリパラメータを不揮発性メモリに保存し、バッテリが完全に消耗した場合でもデータが保持されるようにします。

Coulomb Counting

リチウムイオンバッテリの充電は、過充電を防止してバッテリ寿命を最大限に延ばすために、正確なクーロンカウンティングに大きく依存しています。充電の定電流段階では、クーロンカウンティングによってバッテリーセルに流入する電荷量が正確に追跡されます。-バッテリーが最大容量に近づき定電圧充電に移行すると、充電が完了する時期を判断するために減少する電流を正確に測定する必要があります。-

バッテリー管理システムは、クーロンカウントデータを使用して重要な充電の決定を行います。充電中に 2.3 アンペア-時間が追加され、バッテリーの定格容量が 2.5 アンペア-時間であることをシステムが検出した場合、バッテリーは約 92% 充電されていることがわかります。この情報は、熱暴走を引き起こす可能性がある、完全に充電されたリチウムイオン電池に電流を流すという危険なシナリオを防ぎます。

この方法は、充電電流が 3C 以上に達する可能性がある急速充電アプリケーションで特に役立ちます。{0}このようなレートでは、内部抵抗での大きな電圧降下により、電圧ベースの推定方法は失敗します。-クーロン計数は、電圧変動に関係なく実際の電荷移動を直接測定するため、信頼性が維持されます。

充電効率は、さまざまな段階で異なる方法で計算に反映されます。リチウムイオンバッテリーは、低レート充電時には 99% の効率を示しますが、高レートでは発熱の増加により 95% に低下します。-高度なバッテリー管理システムは、リアルタイムの温度と電流の測定に基づいてクーロン計数アルゴリズムを調整します。-

充電状態は、最大容量に対する利用可能な容量をパーセントで表します。クーロンカウンティングでは、蓄積された電荷をバッテリーの総容量で割って SOC を計算します。 50 アンペア-時間のバッテリーがフル充電から 15 アンペア-時間持続した場合、SOC は 70% に相当します。

計算には開始点を知る必要があります。通常、バッテリーシステムは、バッテリーが完全充電（最小限の電流で充電電圧制限に達することで示される）または完全放電（低電圧カットオフに達する）のいずれかの既知の状態に達すると、SOC を初期化します。-。休止期間中の開回路電圧測定では、電圧を SOC にマッピングするルックアップテーブルを参照することで校正ポイントを提供することもできます。-

温度はバッテリー容量とクーロン効率の両方に大きく影響します。リチウムイオンバッテリーは、25 度で 100 アンペア時間-時間供給できますが、-10 度では 80 アンペア時間-時間しか供給できません。高度な実装には温度補償が組み込まれており、サーミスターの測定値に基づいて実効容量を調整します。

バッテリーの経年劣化により、バッテリーの寿命全体にわたる SOC の推定が複雑になります。 2--年前のバッテリーパックは、元の容量の 85% しか保持していない可能性があります。定期的な再キャリブレーションがなければ、クーロンカウントは依然として元の 100% 容量に基づいて SOC を計算することになり、推定値がますます不正確になります。多くのシステムは、充放電サイクルにわたる容量の低下を追跡する健全性アルゴリズムを通じてこの問題に対処しています。{7}}-

5 つの主な誤差要因がクーロンカウントの精度に影響を与えます。電流センサーのエラーが最も大きな原因となります。-たとえ 10 ミリアンペアのオフセット誤差であっても、24 時間で 0.24 アンペア時間に蓄積されます-。 50 アンペア-時間のバッテリーでは、これは 1 日あたり 0.5% の SOC 誤差に相当します。

積分近似誤差は、デジタルシステムの離散サンプリングの性質から発生します。サンプリング頻度の低い方形積分を使用すると、電流が急速に変化する場合に誤差が生じます。 1- 秒のサンプリング間隔では、負荷がゆっくりと変化する場合に生じる誤差は最小限に抑えられますが、突然の電力スパイク時には重要な詳細が見逃される可能性があります。最近のシステムでは、これらのエラーを減らすために、台形やシンプソン則などの高次の積分手法がよく使用されます。

バッテリー容量の不確実性は、製造上のばらつき、温度の影響、経年劣化によって生じます。同じ生産バッチの 2 つのセルでは、実際の容量が 2-3% 異なる可能性があります。この不確実性は、SOC 推定誤差に直接変換されます。-バッテリーの容量が 50 アンペア時であると信じているが、実際には 49 アンペア時である場合、SOC は体系的に 2% 高くなります。

タイミング発振器のドリフトは、電流積分の時間成分に影響を与えます。 50 ppm の精度を備えた水晶発振器では、短期間ではわずかな誤差しか発生しませんが、数週間または数か月の連続動作によって蓄積される可能性があります。温度補償された水晶発振器-は、ほとんどのアプリケーションでこの誤差の原因を無視できるレベルに低減します。

累積誤差は、クーロンカウンティングの基本的な課題を表しています。読み取りごとにリセットされる瞬間的な測定とは異なり、積分誤差は時間の経過とともに増大します。システムが再調整されない限り、サイクルごとに 1% の誤差が 10 サイクル後には 10% の誤差になります。『Energies』（2021 年）に掲載された研究では、時間の累積誤差により、修正を行わないと長期間にわたって SOC 推定値が「完全に無効」になる可能性があることが実証されました。{6}}

通常の精度は、基本的な実装では 3-4% から、強化されたアルゴリズムでは 2% 未満になります。クーロンカウントとカルマンフィルターを使用した電圧ベースの補正を組み合わせたシステムでは、1% 未満の精度が達成されます。{7}} PowerTech Systems は、リチウムイオンアプリケーション向けの商用クーロンカウンター製品の測定誤差が 1% 未満であると報告しています。

バッテリー管理システムは、セルバランシング、熱管理、および保護回路と並んで、コア機能としてクーロンカウンティングを統合しています。電流センサーは、通常、0.5 ～ 5 ミリオームの範囲の高精度シャント抵抗器であり、主電流経路に配置されます。ホール効果センサーは、高電流アプリケーションの代替手段を提供し、ガルバニック絶縁を提供し、電力損失の懸念を解消します。-

マイクロコントローラーのファームウェアは統合アルゴリズムを実装し、キャリブレーションルーチンを管理します。車両の点火中またはデバイスの起動中に、BMS は不揮発性メモリから最後に保存された SOC を読み取ります。-次に、この開始点からクーロンのカウントを開始します。システムはアップデートを定期的に保存します。-一部の実装では、予期せぬ停電時のデータ損失を最小限に抑えるために、数分ごとにフラッシュメモリに書き込みます。

電気自動車の車載 BMS は、特に高度なクーロンカウンティングの実装を採用しています。たとえば、テスラのバッテリー管理システムは、キロヘルツのレートで電流をサンプリングし、複数のフィルター段階を適用してセンサーのノイズを低減します。システムはモジュールまたはセルグループごとに個別のクーロンカウンタを維持し、セルの故障を示す可能性のある容量の不一致を検出できるようにします。

グリッドストレージまたは通信用の産業用バッテリーシステムには、さらに高い信頼性が必要です。これらのアプリケーションは多くの場合、二重または三重の冗長電流検出を実行し、複数のセンサーを比較して障害を検出します。センサーの読み取り値が許容範囲を超えた場合、システムは残りのセンサーの動作を継続しながら、障害のあるセンサーを特定して隔離できます。

長期的な精度を維持するには、定期的な再キャリブレーションが不可欠です。{0}}最も単純なアプローチでは、充電電流がしきい値 (通常は C/20) を下回るまでバッテリーを完全に充電し、その後 SOC を 100% にリセットします。同様に、低電圧カットオフまで放電すると、SOC は 0% にリセットされます。-多くの民生用デバイスは、20 ～ 30 回の充電サイクルごとにこの調整を自動的に実行します。

開回路電圧校正により、より頻繁に補正の機会が得られます。-バッテリーが 30 分から数時間放置されると、端子電圧は真の開回路値に安定します。-その後、BMS は OCV- SOC ルックアップテーブルを参照して実際の SOC を決定し、蓄積されたクーロンカウントエラーを修正します。この方法は、リチウムニッケルコバルトマンガン酸化物 (NMC) など、強い電圧-SOC 相関を示すバッテリーの化学的性質に最適です。

強化されたクーロン計数アルゴリズムには、クーロン効率補正が組み込まれています。 Ngらによる研究。 (2009) は、充電効率と放電効率を個別に計算することで精度が大幅に向上することを実証しました。充電中、リチウムイオン電池は通常 98 ～ 99.5% の効率を示し、放電効率は 99.8 ～ 99.9% に近づきます。これらの値は、温度、電流速度、健康状態によって変化します。

カルマンフィルタの融合は、クーロンカウンティングと電圧測定をリアルタイムで組み合わせます。-フィルターは、各瞬間の相対的な不確実性に基づいて 2 つの推定方法を重み付けします。大きな IR 降下により電圧測定の信頼性が低くなる高電流では、フィルターはクーロンカウントをより信頼します。休止期間中は、電圧測定の重要性が高まります。この適応型アプローチは、両方の方法の長所を実現します。

機械学習アルゴリズムは、SOC 推定の最先端を表します。数千回の充放電サイクルでトレーニングされたニューラルネットワークは、単純なモデルでは見逃されるバッテリー固有の動作を学習できます。{{1}これらのシステムは、蓄積された誤差が重大になりそうな時期を予測し、適切な校正ルーチンをトリガーすることもできます。

Coulomb Counting

電圧-に基づく SOC 推定は、20～90% の SOC 全体で非常に平坦な電圧曲線を維持するリン酸鉄リチウム（LFP）バッテリーでは困難を伴います。この範囲全体でわずか 50 ～ 100 ミリボルトの変化が発生します。クーロンカウンティングは、バッテリーの化学的性質の電圧特性に関係なく、同様に機能します。

この方法は、充電中も放電中もバッテリーを休止させることなく継続的に動作します。電圧-ベースの方法では、正確な開回路電圧の測定値を得るために、バッテリーを 30 分から数時間アイドル状態にしておく必要があります。-車が 1 日に複数回運転される電気自動車の用途では、このような休憩時間が自然に発生することはほとんどありません。

計算要件は、モデルベースのアプローチと比較して控えめなままです。{0}基本的なクーロンカウンティングの実装には乗算と加算の演算のみが必要で、安価な 8- ビットマイクロコントローラーで簡単に処理できます。カルマンフィルターまたはニューラルネットワークのアプローチは、浮動小数点機能を備えた 32 ビットプロセッサを必要とし、かなり多くの電力を消費します。

温度の影響は、測定原理自体ではなく、主に容量の変化を通じてクーロン計数に影響を与えます。電圧-ベースの方法では、温度-に依存する容量変化と温度-に依存する電圧シフトの両方が発生するため、正確に補償するには本質的により複雑になります。

正確な初期 SOC の要件は、クーロンカウンティングの最も基本的な制限を表します。システムが不正な SOC 値で開始された場合、後続のすべての計算でこのエラーが継承されます。電力を失ったバッテリーシステムは SOC 基準点を完全に失い、次回の起動時に電圧測定に依存することになります。

自己放電により、クーロンカウンティングでは直接測定できない隠れた電流ドレインが発生します。{0}}リチウムイオンバッテリーは、室温で月に約 2～5% の割合で自己放電し、温度が上昇すると増加します。-長期間の保管期間にわたって、この監視されていない容量の損失により、推定 SOC が真の値よりも高くドリフトします。

製品寿命にわたるセンサーのドリフトにより、精度は徐々に低下します。初期精度が 1% の電流センサーは、コンポーネントの経年劣化により 5 年後には 2 ～ 3% に変動する可能性があります。自動車アプリケーションでは、センサーの安定性が 15 年以上、温度範囲が -40 度から +85 度に及ぶことが指定されているため、慎重なコンポーネントの選択と回路設計が必要です。

寿命中にバッテリー容量が低下すると、継続的な校正の課題が生じます。バッテリーは 1000 サイクルで 20% の容量が失われる可能性があります。 BMS が実際の容量を定期的に再評価しない限り、SOC の計算はますます楽観的になり、危険な過放電状態が発生する可能性があります。

高電流アプリケーションでは、電流センサーの電力損失が問題になります。{0} 1-オームのセンス抵抗を通る 100- アンペアの放電電流は 10 ワットを消費します。これは、3.3 キロワットのシステムでは 0.3% のエネルギー損失に相当します。わずかではありますが、無視できるものではありません。シャント抵抗が低いと損失が減りますが、低電流での測定精度が低下します。

クーロンカウントと補完的な方法を組み合わせたハイブリッドアプローチにより、優れたパフォーマンスが実現します。拡張カルマンフィルター (EKF) は、バッテリー等価回路モデルを使用してクーロンカウントに基づいて電圧の動作を予測し、予測電圧と測定電圧の差に基づいて SOC 推定値を補正します。これにより、累積誤差を制限する自己修正システムが作成されます。-

電気化学インピーダンス分光法 (EIS) は、健康状態の評価のためにクーロン計数を補うことができます。このシステムは、複数の周波数でバッテリーのインピーダンスを測定することにより、内部抵抗の増加と容量の低下を特徴づけます。この情報によりクーロンカウンティング計算の容量パラメーターが更新され、バッテリーが劣化しても精度が維持されます。

過去の充放電データに基づいてトレーニングされた人工ニューラルネットワークは、容量低下パターンを予測できます。{0}これらの予測により、エラーが重大になる前にプロアクティブな再キャリブレーションが可能になります。一部の研究者は、クーロンカウンティングとニューラルネットワークのアプローチを組み合わせて使用した場合、SOC 推定精度が 1% 以内であると報告しています。

充電中の差動電圧分析により、完全な充放電サイクルを必要とせずに定期的な校正ポイントが提供されます。{0}} dV/dQ 曲線の特徴的なピークは、容量の低下に関係なく特定の SOC 値で発生し、絶対的な SOC の決定が可能になります。この方法は、リチウムニッケルマンガンコバルト酸化物の化学薬品で特に効果的です。

専用のクーロンカウンティング IC は、必要な機能をすべて 1 つのチップに統合しています。 Texas Instruments の BQ シリーズと STMicroelectronics の STC31xx ファミリはこのアプローチの例であり、16 ビット ADC、電流統合、温度検出、および I²C/SPI インターフェイスを備えています。これらのチップは、独自の補償アルゴリズムによって測定精度を向上させながら、設計の複雑さと基板スペースを削減します。

センス抵抗の選択には、精度と消費電力のバランスが含まれます。 100- アンペアのアプリケーションでの 0.5- 抵抗器は 5 ワットを消費しますが、生成するフルスケール信号は 50 ミリボルトのみであるため、ノイズの影響を受けやすい高利得アンプが必要です。- 5 ミリオームの抵抗器は 500 ミリボルトの信号を供給しますが、ほとんどのアプリケーションでは許容できない 50 ワットの電力を消費します。一般的な自動車設計では、80 ～ 100 dB のコモンモード除去を提供する差動アンプとともに 0.1 ～ 1.0 ミリオームの抵抗を使用します。

ホール効果電流センサーは、電圧降下ではなく磁界を測定することで、電力損失の問題を完全に回避します。ただし、オフセット誤差（自動車グレードのセンサーでは通常 50{3}}200 mA-）が発生し、温度によるドリフトが発生し、シャントベースのソリューションよりもコストが高くなります。これらの制限にもかかわらず、200 アンペアを超えるアプリケーションではホールセンサーがますます好まれています。

アナログ- - -デジタルコンバータの選択は、精度に直接影響します。 100-アンペアのフルスケール電流を測定する 12- ビット ADC- は、高電力アプリケーションには許容できる約 25- アンペアの分解能を提供しますが、ミリアンペアレベルのアイドル電流を持つデバイスには不十分です。最新のバッテリ管理システムは、マイクロアンペアのスリープ電流からピーク負荷時の数百アンペアまでのダイナミックレンジを処理するために、16 ビットまたは 24 ビットのコンバータを採用することがよくあります。

Coulomb Counting

電気自動車の実装では、クーロンカウンティングを大規模に実証します。日産リーフのバッテリー管理システムは、各セルグループの充電フローを追跡し、車両が航続可能距離の推定値を表示し、バッテリーが消耗する前に警告を発することができます。数百回の充電-サイクルの後、システムは完全充電中の定期的な再校正によって SOC 精度を 3～5% 以内に維持します。

スマートフォンのバッテリーゲージでは、コストと消費電力の制約を受ける簡略化されたクーロンカウンティング実装が使用されます。これらのシステムは通常 5 ～ 10% の精度を達成し、4 ～ 5 個のバッテリーレベルバーを表示するには十分ですが、自動車の実装ほど正確ではありません。重大な寄生電流を避けるために、燃料ゲージ回路の電力バジェットは 100 マイクロアンペア未満に保つ必要があります。

グリッド規模のバッテリーストレージには、充放電スケジュールを最適化し、故障したモジュールを検出するための優れた精度が必要です。{0}{1}これらのシステムは、デュアルシャントと複数の ADC による冗長電流検出を採用しています。ソフトウェアアルゴリズムが測定値をクロスチェックし、0.5% を超える不一致にフラグを立てて、障害が発生する前に予知メンテナンスを可能にします。

軍事および航空宇宙アプリケーションでは最高の信頼性が必要であり、多くの場合、投票ロジックを備えた三重冗長センシングが実装されています。{0}バッテリー管理システムは 3 つの独立したクーロン計数回路を比較し、中央値を使用します。いずれかのセンサーが許容範囲を超えた場合、システムがメンテナンスアクションのために障害を記録する間、センサーは無視されます。

ハードウェアの複雑さやコストを追加することなく、クーロンカウンティングの精度を向上させる方法の研究が続けられています。最初の 10 サイクルでバッテリー固有の動作を学習する適応アルゴリズムは、ユニットごとの調整が現実的でない量産デバイスでのエラーを削減できる可能性を示しています。{{2}{3}}

ワイヤレスバッテリー管理システムでは、各セルを中央コントローラーに接続するワイヤーハーネスが不要になります。各セルモジュールには独自のクーロンカウンターが含まれており、無線プロトコル経由でデータを送信します。このアーキテクチャにより、電気自動車の重量が軽減され、組み立てが簡素化されますが、複数の独立した測定の同期に関して課題が生じます。

今後数年以内に生産が開始される全固体電池では、クーロンカウンティングのアプローチを修正する必要がある可能性があります。{0}}これらのバッテリーは、従来のリチウムイオン電池とは異なる充放電特性と経年劣化メカニズムを示します。-電流を時間の経過とともに積分するという基本原理は依然として有効ですが、校正戦略と効率係数は更新する必要があります。

バッテリーデジタルツインとの統合により、興味深い可能性が生まれます。完全な履歴に基づいて各バッテリーの状態の詳細な計算モデルを維持することにより、システムは前例のない精度の SOC 推定を達成できます。これらのモデルには、多くの入力のうちの 1 つとしてクーロンカウンティングが組み込まれ、電流、電圧、温度、インピーダンス測定からのデータが融合されます。

ほとんどの化学薬品では、バッテリー電圧は充電状態を直接示すものではありません。リン酸鉄リチウムバッテリーは、SOC 20-90% にわたってほぼ一定の電圧を維持するため、電圧に基づく推定は現実的ではありません。-電圧と SOC の相関関係が良好なコバルト酸リチウムバッテリーであっても、その関係は温度、使用年数、負荷電流によって変化します。クーロンカウントは、電圧の挙動に関係なく、実際の電荷の流れを追跡します。

キャリブレーションの頻度は、アプリケーションの要件と誤差許容度によって異なります。民生用デバイスは通常、20 ～ 30 サイクルごとに 100% まで充電して調整します。電気自動車は毎月、またはバッテリーが既知の状態に達するたびに校正を行う場合があります。高精度を必要とする重要なアプリケーションでは、毎週校正を行ったり、カルマンフィルタリングによる連続補正を使用して定期的な再校正を完全に回避したりできます。

はい、クーロンカウントは両方向に継続的に動作します。充電中は電流が流入するにつれてクーロンが加算されます。放電中は電流が流出するにつれてクーロンが減算されます。このシステムは各方向の異なるクーロン効率に合わせて調整します-充電効率は通常 98-99% ですが、リチウムイオン電池の放電効率は 99.5% を超えます。

システムが容量の減少を追跡しない場合、精度が低下します。バッテリーが古くなると容量が失われますが、クーロンカウントアルゴリズムは元の容量値を使用し続けます。これにより、SOC の推定値がますます楽観的になります。強化された BMS 実装により、実際の容量を定期的に測定して計算パラメーターを更新し、経年変化にもかかわらず精度を維持します。

クーロンカウンティングの実際的な成功は、その単純さと正確さのバランスにあります。完璧ではありませんが、定期的なキャリブレーションと組み合わせることで、ほとんどのアプリケーションに十分な精度を提供します。この方法の計算効率は、残量計自体の消費電力を最小限に抑える必要があるバッテリー駆動のデバイスに最適です。-バッテリー技術が進化し、エネルギー貯蔵アプリケーションが急増するにつれて、クーロンカウントはあらゆる市場セグメントにわたって充電式バッテリーを管理するための基本的なツールであり続けるでしょう。