[에너지 칼럼] 배터리관리시스템의 중요 이슈 Ⅱ

[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.

< 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