전류 센서리스 기반의 셀 전압 정보를 이용한 배터리 내부 상태 추정

Abstract

배터리 관리 시스템(battery management system)은 배터리의 전압, 전류, 온도 정보를 이용하여 배터리의 잔존용량(SOC, state-of-charge), 노화 상태(SOH, state-of-health)를 추정하며, 배터리를 안전한 영역에서 동작할 수 있도록 감시, 보호하고 현재 상태를 외부에 제공한다. 그중에서도 배터리의 상태 추정 알고리즘을 통해서 얻은 정보는 효율적인 시스템 사용을 위한 배터리의 충방전 계획 수립 및 결정에 직접적으로 영향을 미치므로 정확한 추정 결과는 배터리 관리 시스템의 가장 중요한 요소 중 하나이다. 하지만 사용하는 기기의 특성에 따라 이러한 중요 요소의 우선순위는 달라질 수도 있다. 소수의 셀(cell)을 사용하는 휴대용 기기의 경우, 배터리에 상대적으로 단순한 충방전 부하 프로파일(load profile)이 인가되며, 전체 동작 시간 대비 실사용 시간이 대기(standby) 시간에 비해 짧다. 이러한 특징으로 인해 대기 시간 동안 내부 상태 추정 오차를 보정할 수 있으므로 배터리 상태 추정 알고리즘을 구현하는데 있어 아주 정확한 추정보다는 알고리즘의 간단성, 구현의 편의성, 적은 소모전력과 같은 목표가 상대적으로 중요하다. 반면, 다수의 셀을 직병렬 구조로 사용하는 기기는 대용량의 전력과 에너지를 처리하며 배터리의 교체가 쉽지 않기 때문에 보다 정밀한 상태 추정을 통한 지속적이면서도 안전한 배터리 사용이 필요하다. 하지만 정확도가 높은 배터리의 내부 상태 추정은 상당히 복잡한 배터리 모델과 알고리즘을 사용하기 때문에 전체 시스템의 계산량과 알고리즘 추정 성능 간의 타협이 필요하다. 본 논문에서는 배터리 전기 회로 모델 기반의 필터(electric circuit model-based filter)를 사용하여 추가적인 전류 정보 없이 배터리의 셀 단자 전압(terminal voltage)을 필터링하여 배터리에 인가된 전류 및 SOC 정보를 추정하는 알고리즘을 제안한다. 제안한 알고리즘을 실제 배터리에 적용하는 과정을 통해 알고리즘의 간단성 및 구현의 편의성에 대해서 논의한다. 또한, 제안한 셀 상태 추정 알고리즘은 배터리 팩의 각 셀에 적용하면 셀 간 편차에 관한 정보를 줄 수 있으므로, 배터리 팩의 상태 추정에 영향을 끼칠 수 있는 셀을 판별하여 배터리 팩의 상태 추정에서 불필요한 계산량을 줄여 주는 알고리즘으로도 사용할 수 있다. 이를 위해 배터리의 간단한 모델 구축, 파라미터 추출 방법 및 전체 구현 과정에 대해 논의하고 정전류(constant current) 프로파일 및 축소화된 하이브리드 자동차(HEV, hybrid electric vehicle) 프로파일을 이용하여 알고리즘의 추정 결과를 제시한다. 추가로 제안한 셀 상태 추정 방법의 확장성을 가늠하기 위해 다양한 조건에서 알고리즘의 성능을 분석하고 발생할 수 있는 문제점 파악 및 가능한 해결책을 제시한다. 먼저 배터리의 파라미터 허용오차(tolerance)로 인해 나타나는 파라미터 간극이 알고리즘의 성능 및 특성에 끼치는 영향을 통계 분석 도구인 몬테카를로 방법(Monte Carlo method)을 이용하여 확인한다. 두 번째로 온도, 배터리의 노화, SOC, 전류 크기에 따른 모델 파라미터의 변화를 실험을 통해 확인하고 추정 성능 향상을 위한 수정된 모델을 제시한다. 세 번째로 배터리의 전극 물질에 따른 특성 차이를 반영하기 위해 다양한 종류의 리튬 이온 배터리의 파라미터 추출 실험을 진행하고, 리튬 계열 배터리 중 가장 다른 특성을 보이는 리튬 인산철(LFP, lithium iron phosphate) 배터리에 알고리즘을 적용한다. 마지막으로 부하 프로파일의 주파수 특성에 따라 배터리 모델의 한계점 유무를 이산 웨이블릿 변환(DWT, discrete wavelet transform)의 다해상도 분석(MRA, multi-resolution analysis)을 이용해 확인한다. 전류 센서리스 기반의 배터리 내부 상태 추정 알고리즘은 배터리의 외부, 내부 요인으로 인해 구동 범위가 제한되며 단독으로 사용 시 배터리의 특성 변화를 직접 알고리즘에 반영해줄 수 없다는 약점이 존재한다. 하지만 이러한 한계에도 불구하고 이 기법은 적은 계산량, 알고리즘의 간단성으로 인해 알고리즘을 탑재하는 공간의 제약이 존재하는 휴대용 기기 시스템, 정밀한 상태 추정을 위한 간단한 셀 간 편차 분석이 필요한 대용량 전기 자동차 시스템, 상대적으로 저렴한 가격이 목표인 소규모의 가정용 에너지 저장 시스템(ESS, Energy Storage System)에 적용할 수 있다.