배터리 관리 시스템이 중요한 이유

배터리 관리 시스템은 배터리의 안전, 효율성, 수명, 더 나아가 시스템의 전반적인 성능과 안정성에 직접적인 영향을 미칩니다. 배터리 관리 시스템의 주요 영향은 다음과 같습니다.

• 안전:
  • 과충전 및 과방전 방지: 배터리 관리 시스템은 배터리팩 내의 각 셀이 안전 전압 한도 내에서 유지되도록 하여 열폭주 또는 조기 셀 열화로 이어질 수 있는 상황을 방지합니다.
  • 전압 및 온도 모니터링: BMS는 배터리 셀의 전압과 온도를 지속적으로 모니터링하여 잠재적인 안전 문제에 대한 조기 경고를 제공합니다.
• 배터리 수명 연장:
  • 스트레스 상태 방지: 배터리 관리 시스템은 배터리를 최적의 동작 조건으로 유지하여 조기 노화로 이어질 수 있는 스트레스를 방지합니다.
• 성능 최적화:
  • 동작 조건 최적화: 배터리 관리 시스템은 온도 및 부하 관리와 같은 파라미터를 모니터링하고 조정함으로써 배터리가 효율적으로 동작하여 최상의 성능을 제공할 수 있도록 합니다.
  • SOC(충전 상태) 및 SOH(성능 상태) 추정: BMS는 배터리의 SOC 및 SOH를 계산하고 보고하는데, 이는 사용 가능한 에너지와 배터리의 전반적인 성능을 이해하는 데 매우 중요합니다.
  • 셀 밸런싱: 시간이 지나면서 배터리팩의 셀 간의 불균형이 생겨 일부 셀의 충전 수준이 다른 셀보다 높거나 낮을 수 있습니다. BMS는 각 셀이 균일하게 충전 및 방전되도록 하여 셀의 균형을 유지하여 배터리 가용 시간을 극대화할 수 있습니다.
• 비용 절감:
  • 정비 비용 절감: 배터리 관리 시스템은 지속적인 모니터링과 관리를 통해 배터리 수명을 연장하고 손상을 방지함으로써 정비 및 교체 비용을 절감할 수 있습니다.
  • 에너지 활용률 극대화: BMS는 효율적인 셀 밸런싱을 통해 사용 가능한 저장 에너지를 극대화하여 시스템의 비용 효율성을 높입니다.
• 규정 준수 및 통합:
  • 재생 에너지 시스템과의 통합: 배터리 관리 시스템은 에너지 저장 및 방출을 관리하여 태양광 패널이나 풍력 터빈과 같은 재생 에너지 시스템과 배터리를 통합하는 데 필수적입니다.
  • 규정 준수: 많은 경우에, 특히 EV 및 대규모 에너지 저장 시스템에서 안전 및 효율성 표준에 대한 규제 요건은 BMS를 갖추는 것입니다.

배터리 관리 시스템의 작동 방식

배터리 관리 시스템의 주요 기능은 모니터링, 상태 추정, 셀 밸런싱, 전력 관리, 열 관리, 보호 및 통신입니다.

모니터링

배터리 관리 시스템은 전압, 전류 및 온도를 모니터링하여 배터리가 안전 동작 영역 내에서 동작하도록 합니다.

상태 추정

배터리 관리 시스템의 주요 기능 중 하나는 SOC(충전 상태), SOH(성능 상태), SOE(에너지 상태) 및 SOP(출력 상태) 추정을 비롯한 상태 추정입니다. SOC는 배터리에 남아 있는 전하량을 나타내는 정규화된 수량으로, 특정 시점에 셀에서 추출할 수 있는 최대 전하량과 총 용량 간의 비율로 정의됩니다. SOC를 추정하는 방법은 단순한 전류 적분(전류 적산법) 및 전압 모니터링에서 칼만 필터 및 신경망과 같은 정교한 모델 기반 및 데이터 주도 방법에 이르기까지 다양합니다.

SOH는 BOL(수명 초기) 성능 대비 배터리의 전반적인 성능 상태(내부 저항 및 용량)를 나타냅니다. SOH 정의는 SOC 정의에 비해 더 주관적이며, SOH를 정의하는 방법에 대한 보편적인 합의는 없는 상황입니다. SOH는 용량 또는 내부 저항을 기준으로 정의될 수 있기 때문에 각 조직마다 배터리 관리 시스템에서 SOH 추정을 정량화하는 고유한 방법이 있을 수 있는 만큼, 범용 기성 솔루션을 만드는 것은 바람직하지 않습니다. Simscape Battery™를 사용하면 배터리 관리 시스템 구현 시 배터리 성능에 대한 조직의 특정 해석에 맞게 사용자 지정 SOH 추정 알고리즘을 개발하고 시뮬레이션할 수 있습니다.

셀 밸런싱

시간이 지남에 따라 배터리팩 내의 개별 셀은 제조, 사용 또는 온도 조건의 변화로 인해 충전 수준이 달라질 수 있습니다. 배터리 관리 시스템은 셀 전체의 충전 균형을 맞추어 모두 동일한 충전 수준을 유지할 수 있게 함으로써 배터리 용량과 수명을 극대화합니다. 셀 밸런싱의 두 가지 일반적인 접근법에는 능동 밸런싱과 수동 밸런싱이 있습니다.

수동 밸런싱

배터리 관리 시스템은 블리딩 저항기를 사용하여 SOC가 높은 셀에서 전하를 배출합니다. 이 경우, 에너지는 열로 소산됩니다. Simscape Battery를 사용하면 배터리팩의 내장 수동 밸런싱 회로와 배터리 관리 시스템의 외부 밸런싱 전략을 모두 활용할 수 있습니다.

수동 밸런싱 알고리즘을 사용하여 직렬로 연결된 두 셀의 SOC 결과를 플로팅할 수 있습니다.

Simscape Battery의 Passive Balancing Interface 블록을 사용하여 배터리 에뮬레이션 HIL(Hardware-in-the-Loop) 시스템에서 배터리 관리 시스템의 수동 셀 밸런싱 알고리즘을 테스트할 수 있습니다.

능동 밸런싱

배터리 관리 시스템은 커패시터 및 인덕터 등의 소자를 사용하여 SOC가 높은 셀에서 SOC가 낮은 셀로 전하를 이동시킵니다. 이 경우 에너지가 배터리팩 내부의 셀들 내에서 이동합니다.

전력 관리

배터리 관리 시스템은 배터리팩을 오가는 전력 흐름을 감독하고 제어합니다. BMS는 충전 중에 과전류와 과전압을 방지합니다. CC-CV(정전류, 정전압) 알고리즘은 배터리 관리 시스템에 흔히 사용되는 배터리 충전 접근법입니다. 정전류 충전 단계에서는 충전 전류가 일정하게 유지되고 배터리 전압이 서서히 증가합니다. 정전압 충전 단계에서는 충전 전압이 일정하게 유지되고 배터리 전류가 서서히 감소합니다.

열 관리

온도가 높으면 배터리 수명이 크게 단축되고 온도가 낮으면 사용 가능 용량과 에너지가 줄어들 뿐만 아니라 배터리 충전 속도에도 영향을 미치므로 배터리에서 온도 제어는 매우 중요합니다. 배터리 관리 시스템을 통해 히터나 쿨러를 활성화하여 온도를 안전 한도 내로 유지하는 것이 중요합니다. Simscape Battery를 사용하면 셀 온도를 모니터링하고 냉각을 활성화하는 동시에 배터리 모듈 어셈블리에서 충전 및 방전 사이클을 모델링할 수 있습니다.

배터리 셀은 서로 다른 온도에서 시작되며 Battery Coolant Control 블록은 셀 온도를 모니터링하고 배터리 셀이 제한 온도를 초과하면 모듈 어셈블리를 냉각하기 시작합니다. 셀 온도가 임계값 이하로 내려가면 Battery Coolant Control 블록이 냉각수 유동을 비활성화합니다.

Simscape Battery를 사용하면 내장 블록을 이용하여 배터리 냉각수 제어 및 배터리 히터 제어 등의 배터리 열 관리 제어 알고리즘을 구축할 수 있습니다.

보호

배터리 관리 시스템은 과충전, 과방전, 과전류, 과열 등 배터리를 손상시킬 수 있는 조건에 대한 보호 기능을 제공합니다. 배터리 셀의 손상을 방지하고 사용자 안전을 보장하는 데 있어 이러한 조건을 피하는 것이 매우 중요합니다.

Simscape Battery는 배터리 관리 시스템 설계를 위한 여러 내장 배터리 보호 알고리즘을 제공합니다.

• Battery Cell Contact Monitoring 블록: 배터리 셀 접촉의 모니터링
• Battery Current Monitoring 블록: 배터리 전류의 모니터링
• Battery Temperature Monitoring 블록: 배터리 온도의 모니터링
• Battery Voltage Monitoring 블록: 배터리 전압의 모니터링
• Fault Qualification 블록: 결함 판별 알고리즘

배터리 관리 시스템에서 Battery Cell Contact Monitoring 블록을 사용하여 병렬 어셈블리 전압을 기반으로 연결이 끊어진 셀을 감지할 수 있습니다.

배터리 관리 시스템의 내장 보호 블록을 사용해 배터리의 전류와 온도를 모니터링하여 저온 및 과열 오류와 과전류 오류를 확인할 수 있습니다. (Simscape Battery 예제 보기)

통신

배터리 관리 시스템은 외부 기기 또는 시스템과 통신하여 배터리 상태에 대한 실시간 정보를 제공하고 에너지 관리를 위한 명령을 수신합니다.

잘 설계된 배터리 관리 시스템은 위에 설명된 주요 기능을 수행함으로써 다양한 충전-방전 조건 및 환경 조건에서 최상의 성능, 안전한 작동, 최적의 수명을 확보할 수 있습니다.

Simulink 및 Simscape Battery를 사용한 배터리 관리 시스템 설계

엔지니어는 Simulink^® 및 Simscape Battery로 다음과 같은 작업을 수행하여 배터리 관리 시스템을 설계하고 시뮬레이션할 수 있습니다.

• Simscape Battery의 배터리 빌더 앱 또는 MATLAB^® API를 사용한 배터리팩 모델링
• 셀 전극조합을 정확하게 나타내도록 테스트 데이터를 사용한 배터리 셀 등가 회로 모델 요소의 특성 분석
• Simscape Battery의 내장 BMS 제어 블록을 사용한 배터리 관리 시스템 제어 알고리즘 개발
• 폐루프 데스크탑 시뮬레이션, SIL(Software-in-the-Loop) 시뮬레이션, PIL(Processor-in-the-Loop) 시뮬레이션 및 HIL(Hardware-in-the-Loop) 시뮬레이션을 사용한 BMS 알고리즘 테스트
• 배터리 시스템의 결함 모델링 및 시뮬레이션
• 제어 장치와 팩을 연결하는 전력전자 회로 설계
• 감독 및 결함 검출 논리를 위한 폐루프 제어 알고리즘 개발
• 요구사항 관리, 시스템 아키텍처 및 기능 생성

Simulink 및 Simscape Battery를 사용하여 하드웨어 테스트 수행 전에 다양한 동작 및 결함 상태에 대해 BMS를 시험할 수 있습니다. Simulink 모델에서 C 코드를 생성하여 시스템 또는 마이크로컨트롤러의 신속 프로토타이핑을 위한 제어 알고리즘을 배포할 수 있습니다.

Simulink는 배터리 및 전자 컴포넌트 모델에서 코드를 생성하여 HIL 테스트를 위한 실시간 시뮬레이션을 수행하여 하드웨어 구현 전에 BMS를 검증할 수 있습니다.

Simscape Battery를 사용한 SOC 추정

정확한 배터리 모델은 배터리 관리 시스템에서 모델 기반 SOC 추정을 위한 알고리즘 개발에 필수적입니다. OCV(개방회로 전압) 측정 및 전류 적분(전류 적산법) 등의 배터리 관리 시스템의 전통적인 SOC 추정 접근법은 구현하기 쉬우며 어떤 경우에는 상당히 정확합니다. 하지만, OCV 기반 접근법의 경우 OCV 측정이 필요하며 이를 위해서는 오랜 휴지 기간이 선행되어야 합니다. 전류 적산법은 초기화 불량 및 전류 측정 잡음의 축적 문제가 있습니다. EKF(확장 칼만 필터) 및 UKF(무향 칼만 필터)는 실제 BMS 구현에서 합리적인 수준의 연산으로 정확한 결과를 제공하는 것으로 입증된 방식입니다.

Simscape Battery는 BMS 개발을 위한 몇 가지 SOC 추정기를 제공합니다.

• SOC Estimator (Adaptive Kalman Filter) 블록: 적응형 칼만 필터를 사용한 충전 상태 및 단자 저항 추정기
• SOC Estimator (Adaptive Kalman Filter, Variable Capacity) 블록: 적응형 칼만 필터와 가변 용량을 사용한 충전 상태 및 단자 저항 추정기
• SOC Estimator (Coulomb Counting) 블록: 전류 적산법을 사용한 충전 상태 추정기
• SOC Estimator (Coulomb Counting, Variable Capacity) 블록: 전류 적산법과 가변 용량을 사용한 충전 상태 추정기
• SOC Estimator (Kalman Filter) 블록: 칼만 필터를 사용한 충전 상태 추정기
• SOC Estimator (Kalman Filter, Variable Capacity) 블록: 칼만 필터와 가변 용량을 사용한 충전 상태 추정기

칼만 필터 SOC 추정기에 비해, 적응형 칼만 필터 SOC 추정기는 추가 상태로서 단자 저항을 가집니다. 적응형 칼만 필터 SOC 추정기와 칼만 필터 SOC 추정기는 모두 SOC 추정을 위한 관측기를 개발하기 위해 EKF 또는 UKF 중에서 선택할 수 있습니다. 일반적으로 배터리 관리 시스템의 이러한 관측기에는 셀에서 BMS에 의해 측정된 전류 및 전압을 입력으로 사용하는 비선형 시스템(배터리) 모델, 그리고 2단계 예측/정정 프로세스를 기반으로 하여 시스템의 내부 상태를 계산하는(그중에 SOC도 있음) 재귀 알고리즘이 포함되어 있습니다.

딥러닝 신경망을 사용한 SOC 추정

배터리 관리 시스템은 칼만 필터 대신 신경망과 같은 데이터 주도 방법을 사용하여 SOC를 추정할 수 있습니다. 이 방법에는 배터리 또는 배터리의 비선형 거동에 대한 광범위한 정보가 필요하지 않습니다. 대신에 전류, 전압, 온도 데이터로 신경망을 훈련시키고 SOC를 응답으로 활용합니다. 투영을 사용하여 신경망을 압축할 수 있습니다. 이는 CPU에서 실행하거나 라이브러리가 없는 C 또는 C++ 코드 생성을 사용하여 BMS 임베디드 하드웨어에 배포할 때 더 빠른 순방향 전파를 보여줍니다. 

Simscape Battery를 사용한 SOH 추정

배터리의 성능 상태를 추정하는 것은 배터리 관리 시스템에서 중요합니다. 제조 시점에서 성능 사양을 충족하는 배터리를 비롯하여 모든 배터리는 시간이 경과하면 캘린더 노화 및 사이클링 노화로 인해 성능이 저하되어 용량이 점진적으로 줄어들고 내부 저항이 높아집니다. 후자는 배터리 관리 시스템이 짧은 시간 측정을 사용하여 비교적 간단하게 추정할 수 있지만 전자는 정확한 계산을 위해 완전 충전 또는 방전 과정이 필요하며 이는 실용성이 떨어질 수 있습니다.

이 과제를 해결하기 위해 배터리 관리 시스템에서의 SOH 추정, 그리고 상태 외에 배터리 파라미터도 포함하도록 확대된 적응형 칼만 필터 공식 개발에 대한 관심이 높아졌습니다. 순시 내부 저항의 정확한 추정은 배터리 관리 시스템이 전력 제한을 설정하는 데 있어 매우 유용합니다.

Simscape Battery는 배터리 관리 시스템에서 배터리 용량을 추정할 수 있는 내장 SOH 추정기를 제공합니다.

• SOC Estimator (Adaptive Kalman Filter) 블록: 칼만 필터를 사용한 배터리 용량 추정기
• Battery Capacity Estimator (Least Squares) 블록: 최소제곱 알고리즘을 사용한 배터리 용량 추정기
• Battery Capacity Estimator (Least Squares, Variable Weights) 블록: 최소제곱 알고리즘과 가변 가중치를 사용한 배터리 용량 추정기
• SOH Estimator 블록: 성능 상태 추정기
• SOH Estimator (Capacity-Based) 블록: 용량 감소에 기반한 성능 상태 추정기

배터리 고속 충전

최신 기술 사용자들은 사용 기기를 빠르고 효율적으로 충전하기를 원합니다. 배터리 고속 충전은 전원 콘센트에 연결해야 하는 시간을 최소화하여 사용자가 긴 중단 없이 빠르게 활동을 재개할 수 있도록 해주며 특히 전기차에서 중요합니다.

Simulink 및 Simscape Battery를 통해 Battery CC-CV 블록과 같은 내장 블록을 수정하여 다단 정전류 및 정전압 고속 충전 프로토콜을 통합함으로써 배터리 관리 시스템에서 배터리 고속 충전 알고리즘을 개발할 수 있습니다. 배터리 내부의 전기화학 프로세스를 명시적으로 모델링하는 Battery Single Particle 블록은 리튬 도금 및 배터리 열화를 최소화하는 제약 조건 내에서 고속 충전 전류 최적화를 위한 플랫폼을 제공합니다.