バッテリーは、化学反応によって生じる電子の授受を電流として外部に取り出すデバイスであり、リチウムイオン電池はリチウムイオンが正極と負極の間を行き来する際に生じる電位差を電力として利用する。ロボットやドローンの性能を語るとき、LiDARやIMUのようなセンサー自体に注目が集まりがちだが、実際に機体の航続時間・可搬重量・安全性の上限を決めているのは大抵バッテリーとその制御を担うBMS(Battery Management System、バッテリーマネジメントシステム)であり、どれほど高性能なセンサーやモーターを積んでも、電源設計がボトルネックになれば機体は飛ばず、歩かない。

18650型と21700型のリチウムイオン電池セルの比較18650(左)と21700(右)の円筒形リチウムイオンセル
ノートPC用リチウムイオン電池パックの内部、直列・並列に配線されたセルとBMS基板電池パック内部: 直列(Series)・並列(Parallel)に配線された複数セルとBMS基板

画像: 18650 and 21700 lithium ion battery cell(Sevenethics, CC0)/ Lithiumion-laptop-battery-internals(Lead holder, CC BY-SA 3.0)、いずれもWikimedia Commons。

原理: リチウムイオンの往復とC-rateという制約

リチウムイオン電池の放電時、負極(一般に黒鉛)に取り込まれていたリチウムイオンが電解液中を正極(コバルト酸リチウムなど遷移金属酸化物)へ移動し、それと同時に電子が外部回路を通って正極へ流れることで電流が生まれる。負極・正極それぞれの半反応は次のように書ける(黒鉛負極・コバルト酸リチウム正極の代表的な組み合わせの場合)。

\text{負極(放電時)}: \mathrm{LiC_6} \rightarrow \mathrm{C_6} + \mathrm{Li^+} + e^-, \qquad \text{正極(放電時)}: \mathrm{CoO_2} + \mathrm{Li^+} + e^- \rightarrow \mathrm{LiCoO_2}

充電時はこの反応が逆向きに進み、外部電源が電子を強制的に負極へ押し戻すことでリチウムイオンを再び負極側に蓄える。電極活物質の種類の組み合わせ次第で公称電圧・エネルギー密度・安全性の特性が変わり、これが後述する製品ごとの化学系(NMC、NCA、LiFePO4など)の違いにつながる。

画像: General discharging Li battery diagram(Sdk16420, CC BY-SA 4.0)、Wikimedia Commons。

ロボット・ドローン用途で電気化学以上に実務上重要なのが「C-rate」という指標である。C-rateは電池の公称容量 Q(単位Ah)に対して、実際に流れる電流 I が何倍かを示す無次元数で、次のように定義される。

\text{C-rate} = \frac{I}{Q}

たとえば公称容量4.2Ahのセルに45Aの電流を流す場合、C-rateは約10.7Cになる。モーターへの瞬間的な大電流が必要なドローン・脚式ロボットでは、この高C-rate放電に耐えられるセルを選ばないと、内部抵抗による電圧降下・発熱で性能が頭打ちになるだけでなく、劣化や熱暴走のリスクも高まる。エネルギー密度(Wh/kg・Wh/L)を優先したセルと、高C-rate放電を優先したセルはトレードオフの関係にあり、この選択がアクチュエータ(モーター)側の要求電流とも直結する。

BMSが担うSOC(State of Charge、充電残量)推定の基本もここに関わる。最も単純な手法はクーロンカウンティングで、電流を時間積分して残量を求める。

\mathrm{SOC}(t) = \mathrm{SOC}(0) - \frac{1}{Q}\int_0^t I(\tau)\, d\tau

この式はIMUの姿勢推定における角速度の積分と同じ構造を持ち、電流センサーの測定誤差がそのまま時間とともに蓄積する「ドリフト」の問題を抱える。実用上のBMSは、電池が無負荷状態にあるときの開回路電圧(OCV)とSOCの対応関係(OCV-SOCカーブ)を参照して定期的にクーロンカウンティングの誤差をリセットする、あるいは拡張カルマンフィルタでOCV参照値と電流積算値を融合する設計が一般的である。

全固体電池: 電解質を「固体」に置き換える

現行のリチウムイオン電池のほぼ全ては、正極と負極の間を満たす電解質に可燃性の有機溶媒(液体)を使っている。全固体電池(All-Solid-State Battery)は、この液体電解質をセラミック(酸化物系)・硫化物・ポリマーなどの固体電解質に置き換えたもので、液漏れ・可燃性溶媒由来の発火リスクを構造的に低減できるほか、負極にリチウム金属そのものを使う設計(炭素などのホスト材料を介さずリチウムを直接析出・溶解させる)が可能になり、体積・重量あたりのエネルギー密度を大きく引き上げられる可能性を持つ。一般的なリチウムイオンパックのエネルギー密度がおおむね160〜260Wh/kg程度であるのに対し、全固体電池は300Wh/kgを超え、研究レベルでは400〜500Wh/kgに達する報告もある。

画像: All-Solid-State Battery(Luca Bertoli, CC BY-SA 4.0)、Wikimedia Commons。

一方で課題も明確である。固体同士の界面は液体電解質のように隙間なく密着できないため接触抵抗が生じやすく、イオン伝導度を液体電解質並みに確保すること自体が長年の技術的難所だった。さらに「固体電解質なら樹枝状のリチウムデンドライトを物理的に防げる」という当初の期待に反し、実際には固体電解質の粒界(結晶粒同士の境界)を伝ってデンドライトが内部を貫通し短絡に至る現象が報告されており、単純に電解質を固体化するだけでは安全性が自動的に保証されるわけではないことが分かってきている。

BMSの役割: 監視・バランシング・保護

BMSは、電池パックを構成する各セルの電圧・電流・温度を常時監視し、セル間のばらつきを均す「セルバランシング」と、異常時に電流を遮断する「保護」の2つの機能を核に持つ制御回路である。

ノートPC用リチウムイオン電池パックに実装されたBMS制御基板のクローズアップリチウムポリマー電池パックのBMS制御基板(ノートPC用)

画像: Asus Zenbook UX31E - Lithium-Polymer battery controller(Raimond Spekking, CC BY-SA 4.0)、Wikimedia Commons。

セルバランシングは、複数セルを直列接続したパックにおいて各セルの電圧・容量に微小なばらつきが生じることに対処する機能である。最も一般的な「パッシブバランシング」は、電圧が高いセルだけを抵抗器経由でわずかに放電させて他のセルに合わせる方式で、構造が単純な反面、放電したエネルギーは熱として捨てられる。より高価な「アクティブバランシング」は、電圧が高いセルから低いセルへ実際にエネルギーを移送する方式で、エネルギー効率は良いが回路が複雑になる。バランシングを怠ると、直列パック全体の実効容量は最も弱いセルに律速され、劣化したセルが過充電・過放電の危険領域に達しやすくなる。

保護機能は、過充電・過放電・過電流・短絡・過熱のいずれかを検知した際にMOSFETスイッチで電流経路を遮断する。あわせてSOH(State of Health、電池の劣化度)を推定し、初期容量に対する現在の実効容量の比率を機体側のフライトコントローラーやロボットの制御系に報告することで、残り航続時間の見積もり精度を保つ。SBC(シングルボードコンピュータ)を含む機体側の電子機器全体が、このBMSからの報告値をもとに電力配分や緊急着陸・緊急停止の判断を行っている。

主要製品のスペック比較

製品 種別 メーカー 主要スペック 特徴
INR21700-P42A 円筒形リチウムイオンセル(21700) Molicel 公称容量4200mAh、連続放電45A(約10.7C)、公称電圧3.6V、エネルギー15.5Wh 高容量と高放電性能を両立した21700セルで、DIYドローン・電動工具・ロボティクス用途で広く使われる
2170セル(コバルト低減版) 円筒形リチウムイオンセル(21700) Panasonic(Tesla向け) エネルギー密度約250〜260Wh/kg、1本あたり約18Wh Tesla車両に採用される高エネルギー密度セルで、コバルト含有量を抑えつつ密度を高めた改良版が2020年に投入された
TB65 Intelligent Flight Battery Li-ionバッテリーパック(BMS内蔵) DJI 容量5880mAh、電圧44.76V、エネルギー263.2Wh、重量約1.35kg、最大400サイクル 産業用ドローンMatrice 350 RTK/300 RTK向け。個体ごとのセル電圧管理と自己発熱機能をBMSが担う
BQ76952 BMS IC(バッテリーモニタ・保護IC) Texas Instruments 3S〜16S対応、セル電圧を16bit分解能(1mV単位)で計測、自律/ホスト制御式セルバランシング、I2C/SPI/HDQ通信 高集積型のバッテリー監視・保護ICで、充放電MOSFETの駆動まで1チップに統合
LTC6811-1 BMS IC(マルチセルスタックモニタ) Analog Devices 最大12直列セルに対応、総合測定誤差1.2mV未満、12セルを290µsで一括測定、isoSPIによる長距離通信 パッシブバランシングをセルごとにPWM制御、ノイズ耐性の高い絶縁通信インターフェースを持つ
All Solid Battery(ASB) 全固体電池(サンプル出荷段階) Samsung SDI 体積エネルギー密度900Wh/L(量産中の角形電池比+40%) 水原の研究開発拠点にパイロットラインを構築し、EV・組み込みAI・ヒューマノイドロボティクス向けにサンプルを供給、2027年の量産開始を目指す

Molicel P42Aのような高放電セルは、瞬間的に大電流を要求されるドローンのモーターやロボットアームの関節駆動に向いた製品で、容量とC-rateのバランスを取った設計になっている。一方でTesla向けPanasonicセルのようにエネルギー密度を最優先する製品は、モーター負荷が比較的滑らかなEV用途で選ばれやすい。DJIのTB65はセル単体ではなくBMS内蔵の完成パックであり、産業用ドローンの現場では個々のセルを直接扱うのではなく、こうした「スマートバッテリー」を単位として運用するのが一般的である。BMS ICについては、TIのBQ76952が充放電MOSFETドライバまで1チップに統合した高集積設計であるのに対し、Analog DevicesのLTC6811-1はより高精度なセル電圧計測(1.2mV未満)に特化し、複数チップを数珠つなぎにして12セルを超えるパックにも対応できる拡張性を持つ。Samsung SDIのASBは、EVだけでなく組み込みAI・ヒューマノイドロボティクス向け顧客にもサンプルが供給されている点で、全固体電池が自動車以外の応用にも視野を広げつつあることを示している。

歴史: 石油危機の副産物から、Sonyの商業化、そしてノーベル賞へ

リチウムイオン電池の起点は、1970年代前半に遡る。M・スタンリー・ウィッティンガムは、層状構造を持つ二硫化チタン(TiS2)の層間にリチウムイオンを可逆的に出し入れできることを発見し、Exxonに移った後にこの原理を使った電池を試作した。しかし当時の金属リチウム負極は安全性に難があり、1970年代後半の石油価格急落でExxonが代替エネルギー研究への投資を縮小したこともあって、この技術はいったん実用化の道から外れる。

1980年、オックスフォード大学のジョン・グッドイナフは、コバルト酸リチウム(LiCoO2)を正極材料として使うことで、電池の安定性を大きく向上させることに成功した。さらに旭化成の吉野彰は、グッドイナフのLiCoO2正極と、石油コークス由来の炭素材料を負極に組み合わせることで、金属リチウムを使わない、安全性と実用性を両立した電池構造を1985年までに確立した。この基本構造が、現在に至るまでリチウムイオン電池の主流である。

商業化に踏み切ったのはソニーで、1991年にソニー・エナジー・テック(現ソニーエナジー・デバイス)が世界に先駆けてリチウムイオン電池の出荷を開始した。翌1992年には旭化成・東芝の合弁会社が生産を開始し、1994年には三洋電機・松下電器産業(現パナソニック)も参入、日本企業が黎明期の市場を主導する形になった。この功績が広く公式に認められたのは四半世紀以上を経た2019年で、ウィッティンガム・グッドイナフ・吉野の3名にノーベル化学賞が授与されている。

ボーイング787が教えたBMSの限界と、電池劣化予測の最前線

ソニーが招いた「史上最大」のノートPCバッテリーリコール — 2006年8月、Dell・Appleをはじめとする複数のPCメーカーが、ソニー製リチウムイオン電池を搭載したノートPCの大規模リコールに踏み切った。金属粒子の混入という製造上の欠陥が内部短絡・発熱・発火を引き起こす恐れがあると判明したためで、最終的にリコール対象は約960万個に達し、米消費者製品安全委員会(CPSC)はこれを「同委員会史上最大のコンピューター関連リコール」と評した。ソニーが負担した費用は数百億円規模に上ったとされる。このリコールは、セル単体の製造品質がどれほど優れたBMS設計でも完全には代替できないという、電池産業全体への教訓になった。

ボーイング787を全世界で緊急停止させた熱暴走 — 2013年1月、ボストン・ローガン空港に駐機中の日本航空(JAL)所属ボーイング787型機で、GS Yuasa製のリチウムイオン電池(補助動力装置用)から発煙・出火する事故が発生した。米国家運輸安全委員会(NTSB)は2014年に採択した報告書で、電池セル内部の短絡が「熱暴走」を引き起こし、隣接セルへ連鎖したことが直接原因だと結論づけた。さらに重要なのは、調査が「コネクタ端に組み込まれた安全回路は、いったん進行し始めた熱暴走を止めることができなかった」と明記した点である。この事故を受け、米連邦航空局(FAA)は787型機全機の運航停止を命じており、これは1979年以来となる異例の措置だった。BMSは異常の芽を早期に検知し電流を遮断することはできても、セル内部で始まってしまった熱暴走の連鎖そのものを止める手段は本質的に持たない――この限界を、業界に痛烈に突きつけた事例である。

NTSBが撮影した、発火したボーイング787の補助動力装置用リチウムイオン電池2013年のJAL機発火事故で焼損したAPU用リチウムイオン電池(NTSB撮影)

画像: 1-7-12 JAL787 APU Battery(National Transportation Safety Board, Public Domain)、Wikimedia Commons。

劣化を「壊れる前に」予測する研究 — こうした熱暴走はどれも、劣化や内部欠陥がある段階を超えてから顕在化する。この「壊れてから気づく」構図を変えようとする研究が、近年のBMS研究の主戦場になっている。2026年4月に発表された論文「A Deep Learning Model for Battery State Prediction towards Intelligent Energy Management」(arXiv:2605.00898)は、大規模な運用データセットに深層学習モデルを適用し、電池の残存容量や劣化傾向を先読みすることで、予知保全と安全なエネルギー管理の両方を支援する枠組みを提案している。クーロンカウンティングとOCV参照という古典的な組み合わせに、データ駆動の劣化予測を重ねる方向性は、電動化が進むロボティクス・ドローン分野のBMSにも今後波及していく可能性が高い。

性能を左右するパラメータ

参考リンク

#BMS #リチウムイオン電池 #全固体電池 #Molicel #DJI #Samsung SDI #ドローン #ロボティクス