LFPバッテリーで充電残量(パーセント表示)が正しく読めないのはなぜ?

LFPバッテリーに電圧計を接続すると13.3 Vと表示されます. 残量表示は62%を示します. 翌日には同じ電圧を読み取るのに、表示は41%になっています. どちらも故障ではありません. これはリン酸鉄リチウム(LFP)の化学的動作原理の自然な結果です. では、バッテリーマネジメントシステム(BMS)はどうやってこの曖昧さを克服しているのでしょうか.そして研究室由来の手法であるインピーダンス測定は、どのようにして車に取り入れられたのでしょうか.
このページでは、LFPバッテリーにおいて残量表示(SOC)がなぜ誤った値を示すのか、その問題の化学における物理的な原因、そしてバッテリーマネジメントシステムが電圧プラトーを克服するために用いる手法を、測定可能なデータとともに解説します.
LFPバッテリーで残量表示が誤読する理由: 問題の核心
充電率(SOC、State of Charge)の推定における最も基本的な方法は、開回路電圧(OCV)を測定し、その値を既知の電圧-残量曲線に当てはめることです. NMCやNCAといったニッケル系の化学では、この曲線には傾斜があります. 電圧が下がるにつれて残量も予測可能な形で低下します. しかしLFPでは状況が根本的に異なります. SOC 27%から94%の全範囲にわたる電圧変化はわずか0.07 Vです.実際には、20%から80%の帯域では電圧はほぼ完全に平坦のままです.
48 VのLFPパックでは、20%から90%までという広大な範囲が、電圧計においては約52 Vから53.6 V程度の差しか生み出しません. デバイスは満充電、半分、または空であるとは言えても、正確な残量パーセントを示すことはできません. 現実世界の測定ノイズ、温度の影響、ケーブル抵抗は、このもともと微小な信号を完全に埋めてしまいます. 同じ電圧で異なるSOC値が見られる理由はこれです. 電圧と充電状態の間の相関は、曲線の中央部で実質的にゼロになります.
注目ポイント
- LFPセルでは、SOC 27%から94%の範囲における電圧変化はわずか0.07 V
- 化学的な原因: オリビン構造における二相反応が広いプラトーを生み出す
- 緩和電圧法による推定誤差は0.54%から1%の範囲まで低下
- 単一周波数EIS測定によりデータ収集時間を約85%短縮 (729.94秒から110.96秒へ)
化学における元凶: オリビン構造と二相反応

平坦なプラトーは設計上の欠陥ではなく、リン酸鉄リチウムのオリビン結晶構造の直接的な結果です. LFPセルでは、リチウムイオンのカソードへの挿入と脱離が二相反応によって起こります. 特定の充電レベルではこの二相が平衡状態にあり、平衡電位は相の比率にほとんど依存せず一定に保たれます. セルのSOCの大部分でこの平衡領域で動作するため、電圧はほとんど変動しません.
この同じ構造が、LFPに安定した電圧供給や過放電への耐性といった実際の利点ももたらします. つまりプラトーは恩恵であり、悩みの種でもあります. パワーエレクトロニクスは好みますが、測定アルゴリズムは苦労します. ユーザー側でこれを最も多く経験するのは、キャンピングカー、船舶、太陽光発電、モバイル用途です. 車側でも、残量表示の揺れや予期しない急変として現れます.
クーロンカウンターだけではなぜ不十分なのか
電圧経路が閉じていると見たBMSは、2番目の古典的な手法であるクーロンカウンタ(アンペアカウンタ)に向かいます: 出入りする電荷を時間的に積算してパーセントを追跡します. この手法は原理的には堅実ですが、2つの弱点があります. 1つ目は、カウンタが正しく開始するには信頼できる初期SOC値が必要なことです; LFPでは電圧がこの値を提供できない場合、カウンタはほぼ盲目的な状態で始まります.
2つ目はさらに厄介です: 電流センサーの測定誤差が時間とともに蓄積します. わずかな偏差がサイクルごとに重なり、表示は実際の状態から次第に遠ざかります. この累積偏差は、文献でSOCドリフトと呼ばれるもので、LFPバッテリでパーセント表示が不正確になる最も一般的な原因です. 特にセルが長期間50%付近の平坦領域に置かれている場合 - 例えばハイブリッド車のバッテリのように - 修正の機会が減り、誤差が拡大します.
BMSは今日、偏差をどう補正しているのか
現在のシステムは、実用的な戦略でこの問題に対処しています: バッテリが完全充電に達するとクーロンカウンタは100%に、完全放電では0%にリセットされます. 端点では電圧曲線が急勾配になるため、ここでの検出は信頼性があります. 頻繁に完全充電されるシステムでは偏差が定期的に消去されます; バッファ領域で動作するシステムでは補正がまばらになり、2つの補正の間で誤差が自由に拡大します.
より高度なアーキテクチャでは、クーロンカウンタをOCV補正と組み合わせ、推定オブザーバフィルタ、典型的には拡張カルマンフィルタ(EKF)で平滑化します. LFPでは電圧履歴効果(ヒステリシス)のため単一の曲線では不十分であることから、スイッチングモデルと区分的ヒステリシスパラメータが使用されます; パーティクルフィルタなどの変種も提案されています. スタンフォード大学で開発された相乗的アプローチは、クーロンカウンタのリセットを機械学習と組み合わせて、LFP特有の平坦領域の問題を狙い撃ちにします. フィッシャー情報に基づく適応推定もまた、プラトー領域における不確実性を低減するために提案されている現在のアプローチの1つです. これらはすべて、同じ物理的事実をめぐって展開しています: 電圧が持っていた情報を失ったとき、システムは別の信号を探さざるを得ません.
膨張力: 電圧が平坦でも正しく語りかける信号
研究者たちは、電圧以外に実際にSOCに敏感な物理量を探し求めました. 最も興味深い候補の1つが、セルの膨張力です. 電圧がセル表面のリチウムイオン濃度に依存するのに対し、膨張力はセル本体のリチウム総濃度を反映します. 物理的な基盤は、アノードのグラファイトにおけるLiC₁₂からLiC₆への相転移です. その結果: 電圧が平坦に留まっている間でも、膨張力はSOCに対して強く、動的で、電流に影響されない形で敏感です.
実際の応用では、LSSVMと呼ばれる機械学習モデルと適応 unscented カルマンフィルタ(AUKF)を併用するこのアプローチは、25-45 °Cの温度範囲、NEDCおよびDST走行サイクル、15-30 kgの前置荷重条件下で 0.54%から1%の間の推定誤差 を達成しました. この手法には独自の限界もあります: 膨張力はSOCに対して単調に増加するわけではないため、機械学習は不可避である. さらに前荷重が変化すると絶対力も変化するため、モデルはキャリブレーションなしで異なる前荷重に転用できません. つまり強力なシグナルではあるが、セットアップに依存するのです.
車内インピーダンス測定: EISによるソリューション
最も新しい答えは、実験室で数十年使われてきた電気化学インピーダンス分光法(EIS)を車内モニタリングに適応させるものです. この手法の論理はシンプルです: セルに小さなAC信号を印加し、セルの周波数依存の応答、すなわちAC抵抗を測定します. セルは異なる充電レベルで異なるインピーダンスシグネチャを示します; プラトー領域で電圧が黙っても、インピーダンスはまだ語りかけてくれるのです.
2026年に発表された研究では、LFPセルに対して10 kHzから0.01 Hzまで、0%から100%まで5%刻みでEIS測定を行いました. 得られたスペクトルは、まずRandom Forestによる特徴選択を経てから、Elastic Net正則化付きの畳み込みニューラルネットワーク(CNN-EN)に通されました. 結果は印象的です: 平均絶対誤差は0.02753、R²値は0.9820.
実用上の真のブレークスルーは時間にありました: フルスペクトルスキャンには約729.94秒かかり、これは走行中の車両には使えないほど長い時間です. 研究では、単一の周波数点 - 0.0125 Hz - がフルスペクトルに匹敵する性能を示すことが明らかになりました. 単一点測定は110.96秒で完了します: データ収集時間は約85%短縮され、訓練時間も6%低下しました. これにより、EISのリアルタイムBMS統合における最大の障害が大幅に縮小されます.
短い答え: メーターがなぜ誤るのか、そしていつ正しくなるのか
問題を一文で要約すると次のようになります: LFPバッテリーでは、セルが広い充電範囲でほぼ一定の電圧を生み出すため、パーセント表示が誤って読み取られます; 電圧ベースの推定はこのプラトーで情報の大半を失い、クーロンカウンタの累積誤差は、バッテリーが完全充電または完全放電に達してカウンタがリセットされるまで修正されません.
ユーザーにとっての実用的な結果も明確です. バッテリーが満充電の電圧を示しているのにパーセントが低く見えるのは正常です; 両者は異なる量を測っており、LFPのフラットな曲線がそれらを区別しにくくするのです. LFPは、ニッケル系のケミストリーよりも定期的な100%充電に寛容です; NMCは20%-80%の範囲を好みますが、LFPを端まで充電することは、BMSがリセットの機会を得ることも意味します. 定期的な完全充電は、セルの健康のためだけでなく、メーターが自己修正するためにも機能します.
これからの技術の方向性: 膨張力検知をセルインピーダンスとしてBMSに統合するモデル更新戦略や、単一周波数の高速EIS測定は、平坦なプラトーの測定問題を恒久的に解決する道の礎です. ケミストリーがその利点を維持する中で、測定の側面は電圧よりも雄弁なシグナルへと移行しつつあります.
参考文献
- Addressing the OCV-SOC Flat Region in LFP Cells for SOC Estimations Using EIS Measurements - Journal of The Electrochemical Society
- LiFePO4 SOC Flat Voltage Curve Estimation: Expansion Force Method - IEST
- LFPの平坦電圧プラトー: SoC推定にとって blessing か curse か - Patsnap Eureka
- BMSのSOC推定: OCV vs クーロンカウント vs カルマンフィルタ - Sunlith Energy
- SOC精度とBMS設計の最適化 - Monolithic Power Systems
- LiFePO4バッテリーが電圧は満充電なのに残量表示が低い? - Epoch Batteries
- 48V LiFePO4電圧チャート - Savolture
- LFPバッテリー向けの高精度SOC推定 - Stanford Techfinder
- フィッシャー情報に基づく適応型推定アプローチ - ScienceDirect
- 電気化学インピーダンス分光法による次世代バッテリーモニタリング - Texas Instruments