追加テストなしで解釈可能なバッテリ劣化を実現する、ニューラル支援型物理ベースモデリング

要旨: 健康状態（SoH: State of Health）はバッテリー管理で広く用いられているが、単一のスカラーであり、解釈可能性が限られている。SoHが類似した2つのバッテリーでも、劣化挙動は大きく異なり得るうえ、解釈可能性の不足が最適なバッテリー運用を妨げている。本論文では、神経支援型の物理ベース枠組みにより、解釈可能なバッテリーのエイジング（経時劣化）モデリングのためのIBAMを提案する。IBAMは、追加の診断テストなしで2次元のエイジング・フィンガープリントを出力し、バッテリー管理システムからの定常的なログのみを用いる。このフィンガープリントは、バッテリーの曲線全体にわたる分極電圧損失と、放電終期に近いテール損失を捉えることで、高い解釈可能性を提供する。IBAMはまず、分数階（fractional-order）の等価回路モデルに基づいて物理ベースのバッテリーモデルを作成し、その後、二段階の最小二乗法によってモデルから1サイクルごとのフィンガープリントを抽出する。さらにIBAMは、物理に導かれた回帰によりフィンガープリントをSoH軸に固定（アンカー）し、1サイクルごとのSoHを、カスタマイズしたマルチチャネル電圧特徴を用いた双方向のゲート付きリカレントユニットによって推定する。寿命の短い・中程度・長いバッテリーにまたがって、IBAMは異なる劣化段階において一貫して最良の物理モデルの忠実度をもたらし、寿命の異なるバッテリーに関する劣化メカニズムとフィンガープリントのパターンについて明確な解釈を提供する。得られるフィンガープリントは、解釈可能なバッテリー健全性評価を支援し、またバッテリー制御の選択に役立てることができる。