선택한 단어 수는 입니다.
최소 단어 이상 선택하여야 합니다.
최소 단어 이상 선택하여야 합니다.
선택한 단어 수는 30입니다.
최대 10 단어까지만 선택 가능합니다.
최대 10 단어까지만 선택 가능합니다.
문제 정의
- 본 논문에서는 기존의 음극 활물질에 흑연을 가지는 리튬이온배터리와 달리 음극 활물질에 LTO를 가지는 배터리를 사용하여 전력구동 어플리케이션의 실제 적용을 위한 사전 과정을 서술하고, 배터리 등가회로 모델의 내부 파라미터의 분석을 위해 다양한 전기적 특성 실험을 수행하였다. 전기적 특성 실험을 기반 LTO 배터리 등가회로 모델의 파라미터를 선정하고 시뮬레이션을 통해 배터리 등가회로 모델의 검증을 수행하였다.
제안 방법
- 본 논문에서 LTO 배터리 모델의 파라미터를 결정하기 위해 상온의 온도 및 LTO 배터리 사양 기반으로 전기적 특성 실험을 수행하였다.
- 일반적으로 사용되는 정전류(CC) 방법을 사용하면 배터리의 부족한 충전이 이루어질 수 있으므로 본 논문에서는 정전류-정전압 (CC-CV) 방법(그림 3)을 적용하여 최대 용량까지 충전을 적용하였다. LTO 배터리의 용량을 측정하기 위해 정격 용량(rated capacity) 기반으로 충전과 방전 전류는 1C-rate를 적용하고, 제조사에서 제시한 상한 전압 (2.85V) 및 하한 전압(1.5V)을 설정하였다. 그림 4는 방전 용량을 추출하기 위한 전기적 특성 실험을 나타내며, 방전 용량은 만충 전압부터 만방 전압까지 방전 전류를 누적하는 식 (2)를 통해 산출된다.
- 그림 1과 식 (4)의 배터리 등가회로 모델의 파라미터를 추출하기 위해 SOC 10[%]별 HPPC test(그림 5)를 수행하였다. 이 전기적 특성 실험은 펄스 전류 인가 시전압 변화에 따른 저항의 변화와 추출된 저항 기반 펄스 파워를 추출 할 수 있으며 이 값들은 배터리 성능의 척도를 나타낼 수 있다.
- 본 논문에서는 LTO 배터리의 모델 파라미터, DCIR, 펄스 파워를 산출 하기 위해 SOC 90∼10[%]의 범위에서 그림 8의 DCIR 전류 프로파일을 SOC 10[%]별로 적용하였다.
- 본 논문에서는 음극에 흑연을 가지고 양극 활물질에 변화를 준 기존 리튬계열의 배터리와 달리 음극 활물질을 흑연에서 LTO로 변화를 준 차세대 배터리를 사용하였으며, 최대 30C-rate 이상의 순간의 고출력 특성, 방전 시 포괄적인 동작 온도 범위(-30∼70°C), 수명의 관점에서는 5000 사이클 이상의 장수명을 가진다[2].
- 수행한 SOC 90∼10%의 DCIR 실험을 통해 SOC 10% 간격마다 C-rate별 전압 강하 및 상승 기반 기울기를 산출하였다.
- 실제 방전 용량 (1.2503[Ah])과 상온(25[°C])의 조건하에서 전기적 특성 실험을 수행하였다.
- 실제 방전 용량을 적용하여 상온 25°C의 외기 온도 조건에서 전기적 특성 실험을 수행하였다.
- 본 논문에서는 기존의 음극 활물질에 흑연을 가지는 리튬이온배터리와 달리 음극 활물질에 LTO를 가지는 배터리를 사용하여 전력구동 어플리케이션의 실제 적용을 위한 사전 과정을 서술하고, 배터리 등가회로 모델의 내부 파라미터의 분석을 위해 다양한 전기적 특성 실험을 수행하였다. 전기적 특성 실험을 기반 LTO 배터리 등가회로 모델의 파라미터를 선정하고 시뮬레이션을 통해 배터리 등가회로 모델의 검증을 수행하였다. RC 병렬회로가 1개인 전기적 등가회로 모델을 사용하여 지령치 전압과 모델 기반 출력 전압을 비교한 결과 오차 ±1% 이내를 확인하고 등가회로 모델 적용의 타당성을 입증하였다.
- 전기적 특성 실험의 전류 프로파일은 SOC 100∼10[%]범위에서 SOC 10[%]씩 1[C-rate]의 방전과 SOC 10%마다 HPPC(hybri d pulse power characterization)를 수행하고 휴지 시간은 1[hour]으로 설정하였다.
- 전력 구동 어플리케이션에 등가회로 모델 기반 알고리즘 적용 시 운용 가능한 모든 C-rate에서 DCIR 및 펄스 파워를 적용하기에 알고리즘의 복잡성이 증가 하므로 대표되는 파라미터를 고려하도록 충전 및 방전의 영역을 모두 포함하는 평균값을 선정하였다.
- 차세대 LTO 배터리는 비용과 에너지 밀도의 측면보다 장시간 사용, 순간의 고출력 특성, 포괄적인 동작 온도의 조건이 요구되는 전력 구동 어플리케이션 측면에서의 접근이 바람직하다. 전력 구동 어플리케이션의 실제 적용을 위한 사전 과정으로서 LTO 배터리의 전기적 특성 실험 및 데이터를 바탕으로 전기적 등가회로 모델 (equivalent electrical circuit model; EECM)을 설계한다. 실제 LTO 배터리의 단자 전압과 등가회로 모델 기반 출력 전압을 비교하여 향후 구현될 충전상태(state-ofcharge; SOC)와 수명상태(state-of-health; SOH) 추정알 고리즘 적용의 실험 기반 파라미터 추출 및 등가회로 모델 적용의 타당성을 입증하였다.
- 전력 구동용 어플리케이션의 알고리즘에 적용 전 사전 배터리 모델을 검증하기 위해 psim을 사용하여 그림 1의 LTO 배터리 모델을 설계하였다. 구축한 배터리 모델[11]은 그림 14에 나타내었으며 EECM의 Vocv 는 전류적산법에 의해 SOC가 결정되며 이에 부합되는 Vocv 가 결정되도록 설계되었다.
- 충전과 방전의 펄스 전류 사이에 2시간의 휴지 상태를 두었다. 즉, 10초의 충전 및 방전 펄스 전류를 인가 시 전압 강하의 변화를 통해각 C-rate 별 모델 파라미터인 Ri 와 RDiff 를 추출하고식 (5)를 이용하여 C-rate 변화에 따른 충전과 방전의 DCIR을 산출하였다.
대상 데이터
- 본 논문에서 충전/방전 실험을 적용한 LTO 배터리는 YJpower사의 YJ1865T(그림 2)로서, 기존 18650 원통형 리튬이온 배터리와 달리 양극과 음극단자가 한 곳에 분포한다. 전기화학적 특성 실험 및 배터리 운용 시 단락 사고에 주의가 요구된다.
- 전기적 특성 실험을 통해 추출된 LTO 배터리 내부 파라미터를 적용하여 등가회로 모델의 내부 파라미터를 선정하였다. 선정한 모델의 내부 파라미터를 토대로 psim의 모델에 적용하였다.
이론/모형
- 배터리의 SOH는 크게 두 가지로 정의 되며 첫 번째는 노화에 대한 용량, 다른 방법은 펄스 파워의 크기를 이용하여 SOH를 확인하는 방법이다[7]. DCIR 실험은 충전과 방전 C-rate에 따른 전압의 변화로 얻어지는 전압 강하(차이)를 이용하여 옴의 법칙으로 DCIR을 산출할 수 있고 이에 따른 전압 강하를 하나의 기울기로 나타낼 수 있다[3]. 전압 강하의 기울기는 배터리 성능(노화) 을 가늠할 수 있는 기준으로 사용될 수 있다.
- 수행한 SOC 90∼10%의 DCIR 실험을 통해 SOC 10% 간격마다 C-rate별 전압 강하 및 상승 기반 기울기를 산출하였다. 그림 9에 SOC 별 충전과 방전 C-rate에 따른 전압의 강하 및 상승을 이용하여 각 SOC별로 기울기를 MATLAB의 curve fitting tool을 사용하여 추출하였다. 표 3에 추출한 기울 기의 크기를 나타내었으며 기울기의 크기는 Low SOC 영역으로 갈수록 기울기가 상대적으로 크며 이는 배터리 내부 저항이 증가함을 의미한다.
- 전기적 특성 실험을 통해 추출된 LTO 배터리 내부 파라미터를 적용하여 등가회로 모델의 내부 파라미터를 선정하였다. 선정한 모델의 내부 파라미터를 토대로 psim의 모델에 적용하였다. 전기적 특성 실험을 수행한 프로파일에서 방전 지령치 전압과 모델 기반 출력 전압을 비교한 결과를 그림 15에 나타내었고 그림 16에 지령치 전압과 출력 전압의 오차를 나타내었다.
- 그림 4는 방전 용량을 추출하기 위한 전기적 특성 실험을 나타내며, 방전 용량은 만충 전압부터 만방 전압까지 방전 전류를 누적하는 식 (2)를 통해 산출된다. 여기서 산출된 실제 배터리의 방전 용량은 1.2503Ah이며, 이 값은 전류적산법의 SOC 추출에 사용된다. 식 (3)은 전류적산법을 나타내며 초기 SOC, 산출된 방전 용량, 적산된 전류로 현재의 배터리 SOC를 산출한다.
- 1[C-rate] 충전으로 구성된다. 이 구간에서 방전 및 충전 전류에 따른 전압 변화에 옴의 법칙(Ohm`s Law)을 적용하여 충전 및 방전 내부 저항을 산출 할 수 있으며, 등가회로 모델의 전압원인 OCV를 SOC 10%별로 측정하였다. HPPC 기반 실험을 통해 얻어진 각 SOC 10[%]별 충전과 방전 내부 저항을 그림 6에 나타내었다.
- 충전 기법은 CC(constant current), CC-CV(constant current-constant voltage), CP(constant power) 등 다양한 충전 기법이 사용되고 있다. 일반적으로 사용되는 정전류(CC) 방법을 사용하면 배터리의 부족한 충전이 이루어질 수 있으므로 본 논문에서는 정전류-정전압 (CC-CV) 방법(그림 3)을 적용하여 최대 용량까지 충전을 적용하였다. LTO 배터리의 용량을 측정하기 위해 정격 용량(rated capacity) 기반으로 충전과 방전 전류는 1C-rate를 적용하고, 제조사에서 제시한 상한 전압 (2.
성능/효과
- 그림 5의 전압 파형으로부터 SOC 10[%]별 OCV를 측정하고 그림 7에 OCV-SOC 관계를 나타내었다. OCV-SOC 관계에서 LTO 배터리는 일반적인 리튬이온 배터리와 유사하게 선형적인 경향을 보임을 확인하였다. 표 2에서 SOC 전체의 영역 중 SOC 80%에서 동일 전류에 따른 전압의 변화가 가장 크며 SOC 50∼60%에서 전압의 변화가 가장 작음을 확인하였다.
- 전기적 특성 실험을 기반 LTO 배터리 등가회로 모델의 파라미터를 선정하고 시뮬레이션을 통해 배터리 등가회로 모델의 검증을 수행하였다. RC 병렬회로가 1개인 전기적 등가회로 모델을 사용하여 지령치 전압과 모델 기반 출력 전압을 비교한 결과 오차 ±1% 이내를 확인하고 등가회로 모델 적용의 타당성을 입증하였다. SOC(state of charge)/SOH(state of health) 의 알고리즘 적용 시 오차의 범위가 줄어들 것으로 예상된다.
- 식 (5)를 통해 C-rate에 따른 SOC별 DCIR을 그림 11(a), (b)에 나타내었다. 다양한 C-rate로 10초간 충전과 방전 펄스 전류 인가 시 C-rate가 클수록 내부 저항이 작아지는 경향성을 확인하였다. 또한, 각각의 C-rate 에서 방전 펄스 전류보다 충전 펄스 전류 인가 시 DCIR의 변화율이 상대적으로 크며 전력구동 어플리케이션에 적용 시 고려해야할 사항으로 예상된다.
- 전력 구동 어플리케이션의 실제 적용을 위한 사전 과정으로서 LTO 배터리의 전기적 특성 실험 및 데이터를 바탕으로 전기적 등가회로 모델 (equivalent electrical circuit model; EECM)을 설계한다. 실제 LTO 배터리의 단자 전압과 등가회로 모델 기반 출력 전압을 비교하여 향후 구현될 충전상태(state-ofcharge; SOC)와 수명상태(state-of-health; SOH) 추정알 고리즘 적용의 실험 기반 파라미터 추출 및 등가회로 모델 적용의 타당성을 입증하였다.
- 표 2에서 SOC 전체의 영역 중 SOC 80%에서 동일 전류에 따른 전압의 변화가 가장 크며 SOC 50∼60%에서 전압의 변화가 가장 작음을 확인하였다.
후속연구
- SOC/SOH 알고리즘 적용 시 오차의 감소가 예상되며 전력 구동 어플리케이션의 적용을 위해 설계한 배터리 모델의 성능을 검증 할 예정이다.
- 표 3에 추출한 기울 기의 크기를 나타내었으며 기울기의 크기는 Low SOC 영역으로 갈수록 기울기가 상대적으로 크며 이는 배터리 내부 저항이 증가함을 의미한다. 또한, 이 기울기는 배터리에 방전과 충전 펄스 전류 인가 시 SOC별 전압의 변화를 보여주고 향후 배터리 노화 시 DCIR 시험을 통해 추출된 C-rate별 펄스 파워와 전압 강하 기울기를 비교하여 노화의 정도와 수명 예측 시 중요한 파라미터로 사용될 예정이다[8].
- SOC의 정확도에 따라 Vocv 의 값의 오차가 발생하며 이는 배터리 모델의 출력 전압에 오차의 누적됨을 의미한다. 전류적산법 기반 EECM의 정확성 향상을 위해 SOC의 추정 성능이 보장 되어야하며 추후 SOC 알고리즘에서 리셋 기법, 충전 효율 보정 등의 기법을 사용하여 추정 성능의 개선이 요구된다.
- 이는 전력 구동 어플리케이션에 적용 시 SOC 40% 이하로 운용하는 것은 배터리의 출력의 감소 및 저항의 증가로 인해 배터리의 효율이 낮아지며 Low SOC에서 지속적인 운용은 배터리 노화를 가속화 시킬 것으로 예상된다. 추출된 프레시 셀의 DCIR과 펄스 파워의 파라미터는 향후 SOC/SOH 알고리즘에 중요 파라미터로 사용될 것이다[10].
- 표 2에서 SOC 전체의 영역 중 SOC 80%에서 동일 전류에 따른 전압의 변화가 가장 크며 SOC 50∼60%에서 전압의 변화가 가장 작음을 확인하였다. 향후 배터리 모델링 및 적응 제어 알고리즘의 파라미터 선정 시 고려해야 할 부분으로 예상된다.
- SOC(state of charge)/SOH(state of health) 의 알고리즘 적용 시 오차의 범위가 줄어들 것으로 예상된다. 향후 전력 구동 어플리케이션의 SOC/SOH 알고리즘을 적용하기 위해 모델 기반 전압 추정 오차의 감소와 알고리즘 추정의 정확성 향상을 위해 적응 제어 방식인 확장 칼만 필터 알고리즘에 적용하여 모델의 성능을 검증할 예정이다.
※ AI-Helper는 부적절한 답변을 할 수 있습니다.