이 논문은 전기자동차 (EV) 의 '심장'인 배터리 팩이 시간이 지나면서 어떻게 변하는지, 그리고 그 안쪽의 작은 배터리 셀들이 어떻게 서로 다른지 진단하는 새로운 방법을 소개합니다.
핵심 내용을 일상적인 언어와 비유로 설명해 드릴게요.
1. 문제: "거대한 배터리 팩의 숨겨진 비밀"
전기차 배터리 팩은 수백 개의 작은 배터리 셀들이 모여 만든 거대한 블록입니다. 마치 108 개의 작은 축구 선수 (셀) 가 모여 하나의 팀 (모듈) 을 이루고, 그 팀 36 개가 모여 전체 리그 (배터리 팩) 를 이룬 것과 같습니다.
기존의 어려움: 보통 이 선수들의 컨디션 (전압, 수명 등) 을 확인하려면, 팀을 해체해서 각 선수를 따로 불러내야 했습니다. 하지만 이는 마치 축구 경기 도중 선수를 교체하느라 경기를 멈추고, 유니폼을 벗겨야만 하는 것과一样 비효율적이고 위험합니다.
이 연구의 목표: 팀을 해체하지 않고, 경기장 밖에서 선수들의 상태를 실시간으로 모니터링하고, 필요한 경우 서로 도와주게 (밸런싱) 하는 새로운 감시 시스템을 개발한 것입니다.
2. 해결책: "투명한 창문과 조정자"
연구팀은 아우디 e-tron 의 배터리 모듈을 분석하기 위해 **M&BH(모니터링 및 밸런싱 하드웨어)**라는 장치를 만들었습니다.
투명한 창문 (모니터링): 배터리 케이스를 뜯지 않고도, 외부 연결 단자를 통해 각 셀의 '전압'을 읽을 수 있는 창문을 만들었습니다. 이는 건물 안의 각 방 (셀) 에 있는 온도계를 창문 밖에서 직접 읽는 것과 같습니다.
조정자 (밸런싱): 만약 어떤 셀이 다른 셀보다 전압이 너무 높으면 (과부하 상태), 그 셀의 전기를 조금씩 빼내서 (방전) 다른 셀들과 균형을 맞춥니다. 이는 팀 내의 한 선수가 너무 빨리 뛰다가 지칠 때, 코치가 그 선수에게 잠시 휴식을 취하게 하고 다른 선수들이 그 공을 받아주는 역할과 같습니다. 이렇게 하면 배터리가 고장 나거나 화재가 나는 것을 막을 수 있습니다.
3. 실험 결과: "팀 내의 숨은 약점 찾기"
이 장치를 이용해 36 개의 모듈 (총 108 개의 셀) 을 테스트한 결과 놀라운 패턴이 발견되었습니다.
약한 고리 찾기: 각 모듈 내의 3 개의 셀 중, 첫 번째 셀 (Cell 1) 이 가장 빨리 힘을 잃는 (용량이 적은) 경향이 있었습니다. 마치 긴 행렬에서 맨 앞에 선 사람이 가장 빨리 지치는 것과 같습니다.
중심부의 비밀: 반면, 가운데에 있는 셀 (Cell 2) 은 전기 저항이 가장 낮아 가장 효율적으로 작동했습니다. 이는 아마도 모듈의 구조상 가운데가 더 따뜻하게 유지되어 (열적 이질성), 배터리가 더 잘 작동했기 때문으로 추정됩니다.
온도의 영향: 배터리는 온도가 높을수록 성능이 좋아지고 저항이 줄어듭니다. 마치 추운 겨울에 자동차 엔진이 시끄럽게 돌아가지만, 따뜻한 날에는 부드럽게 작동하는 것과 같습니다. 연구팀은 이 온도 차이를 정밀하게 계산하여 배터리 상태를 더 정확히 예측할 수 있게 되었습니다.
4. 왜 중요한가요? "두 번째 인생을 위한 준비"
전기차는 처음에는 차를 달리는 데 쓰이지만, 수명이 다하면 **두 번째 인생 (2 차 수명)**을 위해 에너지 저장 장치 (ESS) 로 다시 쓰일 수 있습니다.
하지만 배터리 안의 셀들이 제각기 다른 상태라면, 이를 다시 쓰다가 큰 사고가 날 수 있습니다.
이 연구에서 개발한 장치는 배터리를 분해하지 않고도 각 셀의 건강 상태 (수명, 용량, 저항) 를 정밀하게 진단할 수 있게 해줍니다.
이는 낡은 배터리를 '쓰레기'가 아니라 '가치 있는 자원'으로 다시 태울 때, 어떤 셀을 어떻게 조합해야 안전한지 알려주는 나침반 역할을 합니다.
요약
이 논문은 **"배터리 팩을 해체하지 않고도, 마치 엑스레이처럼 안쪽의 각 셀 상태를 파악하고, 서로 도와주게 하여 안전하게 관리하는 새로운 기술"**을 소개합니다. 이를 통해 전기자동차의 수명을 늘리고, 폐배터리를 안전하게 재활용하는 데 큰 도움이 될 것입니다.
1. 연구 배경 및 문제 정의 (Problem)
배경: 전기차 (EV) 시장이 급성장함에 따라 리튬이온 배터리 (LIB) 의 수명 종료 후 2 차 사용 (Second-life, 예: ESS) 이 중요한 화두가 되었습니다. 그러나 배터리 팩은 여러 모듈로 구성되며, 각 모듈 내에서도 셀 간의 이질성 (Capacity, Resistance 등) 이 존재합니다.
문제점:
기존 연구들은 대부분 실험실 제작 모듈이나, 상용 모듈을 **파괴적으로 분해 (Disassembly)**하여 셀 수준의 데이터를 획득하는 데 집중했습니다. 이는 모듈의 무결성을 해치고 시간/비용이 많이 듭니다.
상용 모듈 (특히 Audi e-tron 과 같은 고전압 모듈) 에서 **비파괴적 (Non-invasive)**으로 내부 셀의 전압을 측정하고, 셀 간의 불균형을 제어할 수 있는 하드웨어 플랫폼이 부재했습니다.
모듈 수준에서의 테스트만으로는 셀 간의 성능 편차 (Heterogeneity) 를 정량화하기 어렵습니다.
2. 제안된 방법론 및 시스템 설계 (Methodology)
저자들은 Audi e-tron 의 95 kWh 배터리 팩 (36 개 모듈, 각 모듈 4 병렬 3 직렬 구성) 을 대상으로 한 비파괴 진단 플랫폼을 설계 및 개발했습니다.
A. 하드웨어 플랫폼 (M&BH: Monitoring & Balancing Hardware)
개념: 모듈 케이스를 열지 않고 외부 커넥터를 통해 셀 전위에 직접 접근하는 저전력 임베디드 보드.
주요 구성 요소:
아날로그 회로: 전압 분배기 (Voltage Divider) 를 통해 셀 전압을 ADC 입력 범위 내로 스케일링하고, 저역 통과 필터 (LPF, 112.9 Hz) 로 노이즈를 제거.
ADC 및 마이크로컨트롤러: ADS1115 (16 비트) 를 사용하여 10 Hz 주기로 전압을 디지털화. Raspberry Pi Pico 가 데이터를 처리.
셀 밸런싱 회로: 각 셀 (병렬 그룹) 에 병렬로 연결된 'bleeding resistor (67.5 Ω)'와 스위치. 전압이 높은 셀의 전하를 방전시켜 전압 불균형을 해소하는 패시브 밸런싱 (Passive Balancing) 전략 적용.
통신: CAN 버스를 통해 배터리 사이클러 (Arbin) 와 통신하여 데이터 로깅 및 제어 명령 전송.
B. 실험 프로파일 및 측정 전략
테스트 대상: Audi e-tron 배터리 팩의 36 개 모듈 전체 (총 108 개 셀 그룹).
테스트 조건: 15°C, 25°C, 35°C 의 온도 환경에서 수행.
주요 테스트:
용량 테스트 (Capacity Test): C/3 방전. 밸런싱을 끄고 셀 간 용량 편차를 정량화하기 위해 전압 불균형을 허용.
HPPC (Hybrid Pulse Power Characterization): 다양한 SOC(40%, 65%, 90%) 와 온도에서 전류 펄스를 인가하여 내부 저항 (Internal Resistance) 측정.
CC-CV 충전: 테스트 전후에 셀 전압을 균일하게 맞추기 위해 밸런싱을 활성화.
C. 데이터 처리 및 정량화
용량/에너지 계산: 공통 전압 구간 (Algorithm 1 을 통해 결정된 3.3373V ~ 4.1953V) 에서 전류 적분 (Coulomb counting) 을 통해 각 셀의 용량과 에너지를 계산.
내부 저항 추정: HPPC 펄스 시 전압 강하와 전류의 비율로 계산. CAN 통신 지연 (약 100ms) 을 고려하여 전압/전류 신호의 정렬 보정 수행.
모델링: 온도와 저항 간의 관계를 2 차 함수로 피팅하여 분석.
3. 주요 연구 결과 (Key Results)
용량 및 에너지 이질성:
모듈 내 셀 위치 (Cell 1, 2, 3) 에 따른 용량 편차가 관찰됨. 특히 Cell 1 (직렬 연결의 첫 번째 셀) 이 가장 낮은 용량을 보이는 경향이 있음 (36 개 모듈 중 16 개에서 가장 약한 셀로 확인).
모듈 전체 용량은 가장 약한 셀 (Weakest Cell) 에 의해 제한됨.
내부 저항 이질성:
위치별 패턴: 모듈 중앙에 위치한 Cell 2 가 일관되게 가장 낮은 내부 저항을 가짐. Cell 1 과 3 은 상대적으로 높음.
온도 의존성: 온도가 낮아질수록 저항이 증가하는 명확한 상관관계를 보임.
원인 분석: 표면 온도 센서만으로는 셀 간 온도 차이를 완전히 설명할 수 없으나, 모듈 내부의 열적 구배 (Thermal Gradient) 로 인해 중앙 셀 (Cell 2) 이 더 높은 온도로 작동하여 저항이 낮아졌을 가능성이 제기됨.
밸런싱 성능: 제안된 하드웨어는 전압 불균형을 2.5 mV 이내로 효과적으로 제어하여 안전한 테스트 환경을 조성함.
4. 주요 기여 및 의의 (Contributions & Significance)
비파괴적 셀 레벨 진단 플랫폼: 상용 모듈을 분해하지 않고도 내부 셀의 전압을 실시간으로 모니터링하고 밸런싱할 수 있는 최초의 하드웨어 솔루션 중 하나로, 산업계 표준 커넥터를 활용한 확장성 확보.
정량적 이질성 분석: 모듈 내부 (Intra-module) 및 팩 전체 (Inter-module) 의 셀 간 용량, 에너지, 저항 편차를 정밀하게 정량화하는 방법론 제시.
2 차 사용 (Second-life) 지원: 배터리 팩의 수명 종료 후, 모듈 단위로 셀의 상태를 정확히 평가하여 안전한 2 차 사용 (ESS 등) 을 위한 스크리닝 및 분류 (Sorting) 에 필수적인 도구 제공.
안전성 강화: 테스트 중 발생할 수 있는 셀 간 전압 불균형으로 인한 과충전/과방전 위험을 실시간 밸런싱을 통해 제거.
5. 결론
본 연구는 Audi e-tron 배터리 팩을 대상으로 한 실험을 통해, 임베디드 하드웨어를 활용한 비파괴적 셀 진단의 타당성을 입증했습니다. 특히 모듈 내부의 셀 위치 (중앙 vs 양쪽) 에 따른 성능 편차 (용량과 저항) 를 발견하고, 이것이 열적 구배와 관련될 가능성을 제시함으로써 배터리 수명 예측 및 2 차 사용 시장에서의 모듈 품질 관리에 중요한 통찰을 제공했습니다. 향후 연구에서는 셀 수준의 직접적인 온도 측정을 통해 열적 이질성의 원인을 더 명확히 규명할 필요가 있습니다.