[에너지 칼럼] 배터리관리시스템의 중요 이슈

[산업일보]
산업화에 따른 전기자동차 및 에너지저장장치 등 고전압 및 고용량 어플리케이션의 증가로 배터리의 사용이 더욱 증가하고 있으며, 더불어 배터리의 안정적 동작 및 효율적 운용을 위한 배터리관리시스템(Battery management system; BMS)이 각광받고 있다. 

현재, 국내외 배터리 제조회사 및 이를 다루는 산업계에서 다양한 BMS를 연구 및 개발하고 있으며, 구현하는 방법에 따라 크게 하드웨어와 소프트웨어 분야로 나뉜다. 하드웨어 분야의 경우 배터리팩 내부를 구성하는 단위 셀 간 전압 및 충전상태(state-of-charge; SOC)의 균형을 위한 밸런싱(balancing) 회로기술, 빠른 충전을 위한 급속충전 회로기술, 고장검출 및 보호를 위한 회로기술 등이 대표적이며, 소프트웨어 분야의 경우 충전상태(SOC) 및 수명상태(state-of-health; SOH) 추정알고리즘, 온도관리시스템(thermal management system; TMS) 등이 활발히 연구되고 있다. 

배터리의 최적 운용을 위해서는 특정 분야 및 특정 이슈가 아닌, 하드웨어와 소프트웨어 전 분야 및 모든 이슈의 유기적인 관계가 더욱 요구된다. 예를 들어, 저온 및 고온으로 인해 배터리의 상이한 전기화학적 특성을 잘 반영하기 위해서는 온도관리시스템 TMS가 반드시 필요하고, 이를 통해 상온기반 SOC 및 SOH 추정알고리즘에 온도특성을 적절히 반영할 수 있다. 

이러한 BMS의 중요 이슈를 세 번에 걸쳐 간단히 살펴보도록 하고 각 이슈의 세부사항을 나중에 언급하고자 한다. 기본적으로, 배터리는 입력(전류) 및 출력(전압) 관계를 가지는 하나의 시스템으로 정의할 수 있으며, 온도에 따라 시스템의 특성이 달라진다. 시스템, 곧 배터리의 정확한 특성파악을 위해서는 무엇보다도 전류, 전압, 온도데이터의 모니터링이 필수적이다. 더불어, 단위 셀의 직렬 및 병렬조합으로 구성되는 배터리팩의 단위 셀 모니터링은 단위 셀 간 불균형 파악 및 이의 최소화, 더 나아가 배터리팩의 효율적 운용을 위해 반드시 필요한 이슈이다. 

장시간 배터리팩의 충전 및 방전 시 단위 셀 간 전압 및 SOC 불균형을 피할 수 없으며, 이를 위해 밸런싱 회로기술이 필요하다. 상이한 전압 및 SOC를 하나의 값으로 맞추기 위한 밸런싱 기술은 크게 수동(passive) 밸런싱 및 능동(active) 밸런싱으로 나뉜다. 수동 밸런싱은 저항을 사용하는 방법으로서 가격 및 간단한 구현에서 장점을 가지며, 능동 밸런싱의 경우 변압기(transformer)를 사용하며 정확도 측면에서 장점을 가진다. 각 밸런싱 방법에 따라 장단점이 있으므로, 어플리케이션의 용도 및 사용되는 배터리팩의 단위 셀 구성에 따라 최적 성능을 위한 밸런싱이 선택된다. 

밸런싱 회로기술을 사용하지 않고, 애초에 효율적 배터리팩을 구성하기 위한 스크리닝(screening)이 활발히 연구되고 있다. 수많은 단위 셀의 여러 특성실험 및 분석을 통해 유사한 전기화학적 특성(예: 내부파라미터)을 가지는 단위 셀의 선별 및 배터리팩을 구축하는 기술을 말한다. 스크리닝을 위한 기본적인 특성실험은 전류적산법 기반 방전용량과 hybrid pulse power characterization(HPPC) 혹은 direct current internal resistance(DCIR) 기반 내부 저항정보를 얻기 위함이다. 스크리닝을 고려한 배터리팩의 사용은 장시간 충전 및 방전에 따른 단위 셀 간 불균형 발생을 늦출 수 있으며, 추가적인 밸런싱 회로기술이 요구되지 않는다. 그렇지만, 앞에서 언급했듯이 스크리닝을 고려한 배터리팩도 언젠가는 내부의 셀 간 전압 및 SOC 불균형이 피할 수 없으므로, 이의 해결을 위해서 수동 밸런싱을 고려하기도 한다. 밸런싱 정확도 측면에서 능동 밸런싱이 더욱 우수하나, 스크리닝 기반 배터리팩의 셀 간 전압 및 SOC 불균형은 수동 밸런싱 만으로도 충분히 해결할 수 있다. 

다음 칼럼에서는 예기치 않은 과충전(over-charge) 및 과방전(over-discharge)을 방지하기 위한 충전상태 모니터링(SOC 추정알고리즘), 사용 가능한 기간 정보를 제공하는 수명상태 모니터링(SOH 추정알고리즘)에 대해 소개하고자 한다.

< 김종훈 교수 >
- 서울대학교 공학박사 (2012.2)
- 삼성SDI ES사업부 책임연구원 (2012.3~2013.8)
- 조선대학교 전기공학과 조교수 (2013.9~현재)
- 전력전자학회(KIPE) 전력전자학회지 편집위원(2016.1~현재)
- Journal of Power Electronics(JPE) Associate Editor(AE) (2015.1~현재)
- 전력전자학회(KIPE) 학술위원(2016.1~현재)
- 미국 전기전자공학회(IEEE) 정회원, 대한전기학회 정회원, 한국자동차공학회 정회원, 한국전기화학회 정회원

[산업일보]
우리에게 없어서는 안 될 휴대폰의 윗부분을 살펴보도록 하자. 핸드폰의 현 상태를 의미하는 여러 지표 중 숫자 혹은 배터리 모양의 아이콘을 쉽게 볼 수 있을 것이다. 이는 배터리의 현재 충전상태를 의미하며, 영어로 SOC(state-of-charge)라 한다. 

일반적으로, 배터리에 저장된 에너지를 사용할 경우, 배터리의 내부전압 및 에너지가 감소하는데 이를 방전(discharge)이라 하며, 반대의 경우를 충전(charge)이라고 한다. 이를 확대해서, 허용 가능한 에너지를 모두 소비할 경우 이를 만방(滿妨)상태(fully-discharged)라고 하며, 배터리 내부의 최대 에너지 상태를 만충(滿充)상태(fully-charged)라고 한다. 

이를 수치로 표현할 경우, 만방상태와 만충상태는 각각 SOC 0%(0)과 SOC 100%(1)로 나타낸다. 만약, 배터리의 동작전압범위, 즉, 허용 가능한 방전 및 충전상태를 넘어선 경우, 이를 과방전(over-discharge, SOC<0)과 과충전(over-charge; SOC>1)으로 각각 정의한다. 

결국, 배터리의 안정적 운용을 위해서는 만방상태-만충상태의 범위(0≤SOC≤1)에서 방전 및 충전이 수행돼야하며, 예기치 않은 과방전 및 과충전이 배터리에 적용되지 않도록 수시로 SOC를 체크(이하 추정이라 함)해야 한다. 그렇다면, 사용자에게 올바른 SOC 정보를 제공하기 위한 추정방법은 무엇이 있을까? 

대표적으로 전류적산법(Ampere-counting)기반 방전용량(discharge capacity)을 이용한 SOC 추정방법이 있다. 초기 SOC를 임의의 값으로 설정했을 때, 방전용량 대비 방전 혹은 충전전류의 누적정보를 비교 및 이를 SOC 변화량(ΔSOC)으로 정의 후, 초기 SOC와 더한 결과를 나타낸다. 전류적산법 기반 SOC 추정의 가장 큰 장점은 구현이 용이하다는 점이다. 단지, 전류의 누적정보만이 SOC 추정에 사용되므로, 배터리관리시스템(Battery management system; BMS)의 H/W 및 S/W 사양에 큰 부담을 주지 않는다. 그러므로 대다수의 배터리 제조 및 시스템 기업은 전류적산법을 SOC 추정방법으로 적용하고 있다. 

다만, 이 방법은 SOC 추정방법으로서 여러 단점을 가지고 있다. 첫 번째로, 배터리의 SOC 충전상태결과가 초기 SOC에 전적으로 의지한다는 점이다. 단지, 전류적산에 의한 SOC 변화량(ΔSOC)을 계산하므로, 초기 SOC의 설정이 잘못될 경우 이에 의한 SOC의 잘못된 추정을 피할 수 없다. 

두 번째로, 전류적산에 의한 SOC의 잘못된 추정이 배터리의 동작시간이 늘어날수록 심화된다는 점이다. 전기자동차(EV) 같이 충전 및 방전이 빈번하게 반복되는 경우 잘못된 SOC 추정의 일부상쇄가 가능하지만, 에너지저장장치(ESS) 용도처럼 충전 혹은 방전만을 장시간 적용 시 잘못된 SOC 추정이 누적된다. 이를 해결하기 위해, 상위와 하위 SOC 영역 혹은 필요 시 중간 SOC 영역에 SOC 리셋(reset)기법을 적용하기도 한다. 

발견적학습법(heuristic) 기반 SOC 추정방법은 실험데이터에 기반 한 방법으로서, 배터리의 다양한 충전 및 방전실험을 통해 확보된 데이터로부터 통계적 규칙이나 패턴을 찾아내고 이를 바탕으로 SOC 추정에 이용하는 것을 말한다. 

현재, 빅데이터(big data) 시대가 개막하면서 주목받고 있는 데이터마이닝(data mining)과 유사하다고 볼 수 있으며, 대표적으로 퍼지로직(fuzzy logic), 신경망(neural network) 및 support vector machine(SVM)등이 있다. SOC 추정을 위한 실험데이터가 많이 확보되고, 위 방법 기반의 학습(learning)이 잘 구현될 경우 높은 추정결과가 기대된다. 그렇지만, 이러한 실험데이터를 확보하기 위해서는 시간이 많이 소요되므로, 발견적학습법 하나만으로 SOC를 추정하지는 않는다. 

마지막으로, 칼만 필터(Kalman filter; KF)나 슬라이딩모드 관측기(sliding-mode observer) 등의 적응(adaptive)제어기반 SOC 추정방법은 실제 SOC 측정결과와 위 방법을 이용한 추정 값을 서로 비교한 뒤, 피드백(feedback) 원리에 따라 두 결과의 차이를 줄여나가는 방법을 말한다. 이 방법은 높은 추정성능을 기대할 수 있지만, 복잡한 구현 및 이에 따른 고비용의 단점을 가진다. 

지금까지, 여러 SOC 추정방법의 특징 및 장단점을 간단히 설명했다. 결국, 충전상태의 최적정보를 사용자에게 제공하기 위해서는 하나의 방법보다는 각 방법의 장점을 서로 결합한 융합형이 최선이라 생각하며, 이를 위한 연구가 학계 및 산업계에서 활발히 진행돼야 한다. 

다음 칼럼에서는, 배터리 사용자의 또 다른 중요이슈인 ‘얼마나 오래 쓸 수 있을까’와 연관된 수명 상태 모니터링(SOH 추정)에 대해 소개하고자 한다.

[에너지 칼럼] 배터리관리시스템의 중요 이슈 Ⅲ

기사입력 2016-05-04 08:12:12가 - 가 +

페이스북 트위터 카카오스토리 네이버블로그

[산업일보]
배터리의 현재 충전 상태를 의미하는 SOC(state-of-charge)와 더불어 배터리관리시스템에서 또 다른 중요이슈는 수명 상태를 의미하는 SOH(state-of-health)이다. 장시간 운용할 수 있는 배터리를 사용하고자 하는 마음은 모두가 같을 것이다. 그러므로 요즈음 SOH의 활발한 연구가 학계와 산업계에서 진행되고 있으며, 실제로 배터리관리시스템(BMS)에 탑재돼 사용자에게 올바른 SOH 정보를 제공하고 있다. 예기치 않은 배터리의 노화를방 지하고, 이를 안정적으로 운용하기 위한 SOH 모니터링은 필수불가결한 것이며, 이는 SOC와 더불어 BMS에서 없어서는 안 될 중요 요소다. 

앞서 배터리관리시스템의 중요이슈 Ⅱ에서 다뤘던 SOC와 마찬가지로 SOH도 구체적인 단위가 없다. 대신, 배터리가 전혀 노화되지 않은 상태를 Fresh라 정의하며, SOH 100%(1)로 나타 낸다. 반대로, 노화가 지속돼 배터리의 사용이 불가능한 상태를 Aged라 정의하며, SOH 0%(0)으로 나타낸다. 그러므로 배터리의 SOH는 0과 1의 범위에서 값을 나타낸다. 1에 가까울수록 노화되지 않은 배터리의 상태를 의미하며, 0에 가까울수록 노화된 배터리의 상태를 의미한다. 

배터리의 SOH를 얻기 위한 중요 실험 데이터 정보는 방전용량과 내부저항이다. 방전 용량이란 의의 -rate 전류를 만충(滿充) 상태(fully-charged)에서 만방(滿妨) 상태(fully-discharged)까지 적용했을 때, 얻을 수 있는 전류적산 결과를 의미한다. 위의 실험조건이 동일할 시, 노화가 진행 될수록 배터리의 방전용량은 감소한다. 내부저항은 임의의 C-rate 전류에 따른 배터리 전압의 변화량을 옴(Ohm)의 법칙을 적용해 구하는 것으로서, 노화가 진행 될수록 배터리의 내부저항은 증가한다. 이러한 방전용량의 감소와 내부저항의 증가는 단지 노화진행에 따른 파라미터의 절대적인 값을 보여주는 것이며, 배터리의 노화상태를 SOH로 나타내기 위해서는 측정값과 상대적인 비교를 위한 기준값이 반드시 요구된다. 

SOH를 얻기 위한 기준값은 방전용량과 내부저항이 유사하다. 임의의 배터리가 있을 때, 그 배터리의 현재 방전용량 및 내부저항 측정값을 CCurrent와 RCurrent라 정하자. 앞에서 노화되지 않은 상태를 Fresh라 정의한다 했으므로, 노화되지 않은 배터리의 방전용량과 내부저항은 CFresh와 RFresh이다. 더불어, 사용 불가능한 상태인 Aged를 이용해 CAged와 RAged로 나타낼 수 있다. 이때, 배터리의 전체 운용 가능한(Fresh-Aged) 방전용량과 내부저항 대비 현재 운용 가능한(Current-Aged)를 비교해 각 정보 기반의 SOH를 산출한다. 

여기서 두 정보기반 SOH 모니터링의 가장 큰 차이점은 CAged와 RAged의 확보에 있다. 방전용량의 경우, CAged는 CFresh의 80% 값을 나타내며, 이는 국제적으로 통용하고 있는 규칙이다. 그렇지만, 내부저항의 경우, RAged의 구체적인 값이 정의돼 있지 않다. 방전용량이 CAged일 때의 내부저항 혹은 간단히 RFresh의 2~3배로 정의하기도 한다. 구체화된 RAged가 정의돼 있지 않으므로, 방전용량을 이용한 SOH 모니터링에 비해 더욱 연구가 진행 돼야 한다. 

올바른 SOH 모니터링을 위해 추가로 고려돼야 할 사항은 바로 SOH 모니터링 시 방전용량과 내부저항은 100% 상관성이 존재하지 않는다는 점이다. 예를 들어, 두 배터리 A와 B가 있다고 가정한다면, 이는 곧 배터리 A의방전용량이 B의 방전용량보다 크다고 할 때, A의 내부저항이 B의 내부저항보다 작음을 의미하는 것은 아님을 나타낸다. 

그러므로 배터리의 SOH를 산출하기 위해서는 방전용량과 내부저항을 모두 고려해야 하며, 배터리의 정격용량 기준에 따라 두 정보의 가중치를 달리해 SOH를 산출한다. 정격용량이 작은 소용량배터리의 경우, 방전용량보다 내부저항에 가중치를 두며, 반대로 대용량배터리의 경우 내부저항보다 방전용량에 가중치를 두어 SOH를 산출한다. 노화에 따른 방전용량과 내부저항의 100% 상관성이 아님에 따른 특징을 나타내기 위한 효율적 방법으로 볼 수 있다. 

다음 칼럼에서는 배터리관리시스템에 사용되는 리튬계열 배터리의 종류와 특징에 대해 자세히 소개하고자 한다.

< 김종훈 교수 >
- 서울대학교 공학박사 (2012.2)
- 삼성SDI ES사업부 책임연구원 (2012.3~2013.8)
- 조선대학교 전기공학과 조교수 (2013.9~현재)
- 전력전자학회(KIPE) 전력전자학회지 편집위원(2016.1~현재)
- Journal of Power Electronics(JPE) Associate Editor(AE) (2015.1~현재)
- 전력전자학회(KIPE) 학술위원(2016.1~현재)
- 미국 전기전자공학회(IEEE) 정회원, 대한전기학회 정회원, 한국자동차공학회 정회원, 한국전기화학회 정회원