リチウム電池のSOCとFCCについて

2025 年 4 月 28 日

リー・パン博士

湖北大学理学博士、中南大学材料科学工学博士。高性能電極材料、防爆電池、低温電池の分野で長年研究を行い、確固たる科学研究のバックグラウンドと豊富な実務経験を有する。

リチウム電池システムの充電状態 (SOC) と完全充電容量 (FCC) を理解することで、電池の総容量に対する残りのエネルギーの割合を監視できます。リチウム電池では、 SOC および FCC バッテリーのパフォーマンス、健全性、および使いやすさを表すために使用される重要なパラメーターです。

主要なポイント（要点）

充電状態（SOC）を知ることで、どれだけの電力が残っているかが分かります。これにより、次のようなデバイスを長持ちさせることができます。医療器具ロボットもうまく機能しています。
フル充電容量（FCC）は、バッテリーが蓄えられる最大のエネルギー量を示します。FCCを確認することで、修理計画を立てやすくなり、バッテリーの寿命を延ばすことができます。
バッテリーシステムでSOCとFCCを併用することで、安全性と効率性が向上します。また、デバイスの動作が向上し、コストも削減されます。

パート 1: リチウム電池の SOC と FCC とは何ですか?

1.1 SOC: バッテリー管理システムにおける定義と役割

SOC は、バッテリーに残っている使用可能なエネルギーを、現在の最大容量 (FCC) のパーセンテージで表します。

例: SOC が 80% のバッテリーには、使用可能なエネルギーの 80% が残っています。

主な特徴:

ダイナミック: 充電/放電中に急激に変化します（例：数分で 50% から 30% まで）。

ユーザー向け: デバイスに「バッテリー残量」を表示します（例：ロボット工学, 医療機器).

安全にとって重要: バッテリーを損傷する可能性のある過充電 (SOC=100%) または深放電 (SOC=0%) を防止します。

測定方法:

クーロンカウント: 時間の経過に伴う電流の流れを追跡します (電流を積分して電荷を計算します)。

電圧相関: バッテリー電圧に基づいて SOC を推定します (化学組成と温度により異なります)。

先進アルゴリズム: 電圧、温度、経年変化、インピーダンスのデータを組み合わせます (バッテリー管理システム (BMS) で使用されます)。

機械学習アルゴリズムやガウス過程回帰といったSOC推定の進歩を活用することで、より高い精度を実現し、バッテリー管理システムを改善できます。これらの手法は広範な現場データを活用し、実世界のアプリケーションにおいて堅牢で信頼性の高い結果を保証します。

1.2 FCC：定義とリチウム電池の性能への影響

FCC（フル充電容量）とは、リチウム電池が現在の健全状態（SOH）で蓄えられる最大の電気量（mAhまたはAhで測定）を指します。これは、特定の時点における電池の実際の使用可能容量を表し、電池の寿命が進むにつれて化学的および物理的劣化により減少します。

公称容量とFCC:

名目能力: バッテリーが新品の場合にメーカーが指定する理論上の容量（例：3000mAh）。
FCC: 実際の容量は、経年変化や使用により低下します (例: 2700 回の充電サイクル後に 500mAh)。

FCCの劣化につながる要因

FCC の減少は、バッテリー内部の化学反応における不可逆的な変化によって引き起こされます。

電極の劣化:

リチウムイオン電池は、グラファイト製の陽極と金属酸化物製の陰極を使用しています。充放電を繰り返すと、機械的ストレス（例：ひび割れ、粉砕）が発生し、活物質が失われます。

電解質の分解:

電解質は時間の経過とともに分解し、リチウムイオンを消費する固体電解質界面相 (SEI) 層を形成し、利用可能な電荷キャリアを減少させます。

外部要因:

温度: 高温 (> 40°C) は副反応と SEI の成長を促進します。

充放電速度: 急速充電と高放電電流により熱とストレスが発生します。

放電深度（DoD）: 頻繁な深い放電（例：0%～100%）は電極に負担をかけます。

1.3 バッテリーパックのSOCとFCCの関係

バッテリーパック（直列または並列に接続された複数のセルで構成）では、 SOC (充電状態) および FCC（フル充電容量）バッテリーパックの性能は、個々のセルのSOCとFCCだけでなく、セル間の一貫性（容量差、内部抵抗、経年劣化など）やバッテリー管理システム（BMS）の制御戦略にも左右されます。

基本的な定義

SOC (充電状態): 単一セルまたはパック全体の現在の残充電率（現在の最大容量に対する割合）。

FCC（フル充電容量）: 現在の健全な状態で単一セルまたはパック全体が蓄えることができる最大電荷量 (Ah または Wh で測定)。

細胞と集団の関係

すべてのセルの SOC と FCC は、直列または並列構成を通じてパックの全体的なパフォーマンスを決定します。

直列接続パック

総電圧 = セル電圧 × 直列セル数。
合計FCC = すべてのセルの中での最小 FCC。
例: 3mAh、2000mAh、1900mAh の FCC を持つ 2100 つのセルを直列に接続した場合、パックの有効な FCC は 1900mAh になります (最も弱いセルによって決まります)。
総SOC: 最も弱いセルによって制限されます。
0 つのセルの SOC が XNUMX% に低下すると、他のセルにまだ充電が残っていても、パック全体の放電が停止します。

並列接続パック

キャパシティ = 個々のセルの FCC の合計。
総SOC: 個々のセルの SOC の加重平均（FCC に基づく）。
例: 2000mAh (SOC=50%) と 1000mAh (SOC=100%) の FCC を並列に接続した 2000 つのセルの合計 SOC は、(50×1000% + 100×2000%) / (1000+66.7) = XNUMX% になります。

バッテリーパックにおけるSOCとFCCの相互作用

細胞の不均衡の影響

セル間の FCC のばらつき (不均一な容量低下) により、次の現象が発生します。

SOC不均衡:

充放電中、FCCが低いセルはSOCの変化が速くなります。例えば、直列パックの場合、最も弱いセルが最初にSOC100%に達する（過充電リスク）か、早期にSOC0%に低下する（放電終了リスク）可能性があります。

稼働率の低下:

パックの使用可能容量は最も弱いセル（直列セル）によって制限され、全体的な FCC 効率が低下します。

BMSバランス戦略

BMS は、アクティブまたはパッシブなバランス調整を使用して、セル間の SOC と FCC の差を軽減します。

パッシブバランシング: 抵抗器を介して高 SOC セルからの余分なエネルギーを放散します (小型パックに適しています)。
アクティブバランシング: 高 SOC セルから低 SOC セルにエネルギーを転送します (効率的ですがコストがかかります)。
動的FCC調整BMS はセルの FCC を継続的に監視し、パックの合計 FCC を再計算します。

数学的関係

パックの合計 SOC と FCC は、セル容量に基づいて計算されます。

パート 2: SOC と FCC はどのように測定または推定されるのでしょうか?

2.1 SOC（充電状態）の測定/推定

SOCは、バッテリーに残っている使用可能なエネルギー量をパーセンテージで表します。バッテリーの挙動は非線形であり、温度や経年劣化などの外的要因も影響するため、SOCの推定は困難です。一般的な方法には以下のものがあります。

直接測定方法

開放電圧（OCV）法:
原則: SOC は、バッテリーが休止状態 (無負荷) のときのバッテリー電圧と相関します。
プロセス:
バッテリーを負荷/充電器から取り外し、放置します（例：1～2 時間）。
電圧を測定し、事前に定義された OCV-SOC ルックアップテーブル (バッテリーの化学特性に固有) と比較します。
メリット: シンプル、低コスト。
デメリット: 休止時間が必要、動的条件または経年劣化では不正確。
クーロンカウンティング (現在の積分):
原則: 電流を時間とともに積分して、正味の電荷の流れを追跡します。
式:
ここで、SOC0 = 初期 SOC、I = 電流（充電の場合は正、放電の場合は負）。
メリット: リアルタイム推定、動作中に動作します。
デメリット: 正確な初期 SOC が必要です。センサーのドリフト、漏れ、または FCC の変更によりエラーが蓄積されます。

モデルベースの推定

等価回路モデル（ECM）:
電気モデル (テブナンモデルなど) を使用して、電圧、電流、内部抵抗を組み合わせてバッテリーの動作をシミュレートします。
SOC は、モデル出力をリアルタイムの測定値と比較することによって推測されます。
カルマンフィルタ（拡張カルマンフィルタ、EKF）:
クーロンカウントと電圧/電流測定および統計的ノイズフィルタリングを組み合わせて SOC を予測する再帰アルゴリズム。
メリット: センサーの不正確さと動的な条件を処理します。
デメリット: 計算負荷が高く、正確なバッテリーモデルが必要です。
機械学習（ML）:
履歴データ (電圧、電流、温度) を使用してニューラルネットワークまたは回帰モデルをトレーニングし、SOC を予測します。
メリット: 老化や非線形動作に適応します。
デメリット: 大規模なデータセットと計算リソースが必要です。

ハイブリッド手法

OCV、クーロンカウント、モデルベースのアプローチを組み合わせて、精度を高めます。

例: リアルタイム更新のためにクーロンカウントに依存しながら、OCV を使用して SOC を定期的にリセットします。

2.2 FCC（フル充電容量）測定/推定

FCCはバッテリーの最大蓄電容量を反映しており、時間の経過とともに劣化します。推定方法には以下が含まれます。

直接測定

完全な放電/充電サイクル:
プロセス:
バッテリーを 0% SOC まで完全に放電し、合計充電入力を測定しながら 100% まで充電します。
測定された料金は現在の FCC です。
メリット: 最も正確な方法です。
デメリット: 時間がかかり、バッテリーに負担がかかります (日常使用には実用的ではありません)。
補間による部分サイクリング:
部分サイクルにわたって充電/放電を測定し、既知の SOC 境界を使用して FCC を外挿します。

モデルベースの推定

老化モデル:
サイクル数、温度履歴、放電深度 (DoD) を追跡して、FCC の劣化を予測します。
例：
ここで、k = 劣化係数（経験的に決定）。
インピーダンス分光法:
FCC 損失と相関する内部抵抗またはインピーダンスの変化を測定します。
BMSアルゴリズム:
以下を使用して FCC を継続的に更新します。
ここで、ΔSOC は充電/放電フェーズ中の SOC の変化です。

アダプティブラーニング

最新の BMS システムは、機械学習を使用して、過去の使用パターンと劣化傾向に基づいて FCC 推定値を調整します。

2.3 SOC/FCC推定における課題

老化の影響:
バッテリーの化学組成は時間の経過とともに変化し、OCV-SOC の関係と内部抵抗が変化します。
温度依存性:
低温では FCC が低下し、電圧の読み取りが歪みます。一方、高温では経年劣化が加速します。
パック内の細胞不均衡:
マルチセルシステムでは、個々のセルの FCC/SOC の変動により、パックレベルの推定が複雑になります。
センサーエラー:
電流/電圧センサーの不正確さにより、クーロンカウントで累積的なエラーが発生します。

充電状態（SOC）とフル充電容量は、リチウム電池の性能、安全性、効率性を最適化する上で不可欠な指標です。正確なSOCとFCCの推定は、医療機器、ロボット工学、インフラといった業界における信頼性の高い運用を保証します。AIベースのアルゴリズムや先進材料といった先端技術は、容量劣化などの課題への対応やバッテリー管理システムの強化に大きく貢献します。これらのイノベーションはエネルギー密度を最大40%向上させ、駆動時間の延長と信頼性の向上を実現します。これらの進歩を活用することで、バッテリーパックの寿命と効率を最大限に高め、重要なアプリケーションにおいて持続可能で費用対効果の高いソリューションを実現できます。