[논문]전기차 주행 데이터에 의한 경로별 배터리 상태 추정

양승무; 김동완; 김일환

doi:10.6113/tkpe.2019.24.3.139

전기차 주행 데이터에 의한 경로별 배터리 상태 추정
EV Battery State Estimation using Real-time Driving Data from Various Routes 원문보기

전력전자학회 논문지 = The Transactions of the Korean Institute of Power Electronics, v.24 no.3, 2019년, pp.139 - 146

양승무 (Electric Energy Research Center, Jeju National Univ.) , 김동완 (Dept. of Elec. Eng., Jeju National Univ.) , 김일환 (Dept. of Elec. Eng., Jeju National Univ.)

Abstract ▼ AI-Helper

As the number of electric vehicles (EVs) in Jejudo Island increases, the secondary use of EV batteries is becoming increasingly mandatory not only in reducing greenhouse gas emissions but also in promoting resource conservation. For the secondary use of EV batteries, their capacity and performance at the end of automotive service should be evaluated properly. In this study, the battery state information from the on-board diagnostics or OBD2 port was acquired in real time while driving three distinct routes in Jejudo Island, and then the battery operating characteristics were assessed with the driving routes. The route with higher altitude led to higher current output, i.e., higher C-rate, which would reportedly deteriorate state of health (SOH) faster. In addition, the SOH obtained from the battery management system (BMS) of a 2017 Kia Soul EV with a mileage of 55,000 km was 100.2%, which was unexpectedly high. This finding was confirmed by the SOH estimation based on the ratio of the current integral to the change in state of charge. The SOH larger than 100% can be attributed to the rated capacity that was lower than the nominal capacity in EV application. Therefore, considering the driving environment and understanding the SOH estimation process will be beneficial and necessary in evaluating the capacity and performance of retired batteries for post-vehicle applications.

주제어

표/그림 (16)

그림 Fig. 1. Diagram of battery state information acquisition system.
그림 Fig. 2. EV driving routes.
그림 Fig. 3. Altitude of EV driving routes.
그림 Fig. 4. Voltage, current and SOC during driving along different routes and charging mode.
그림 Fig. 5. Battery voltage output for three routes.
그림 Fig. 6. Battery current output for three routes.
그림 Fig. 7. Battery SOC output for three routes.
그림 Fig. 8. Relative frequency of C-rate in log-scale.
표 TABLE I AVERAGE C-RATE OF DISCHARGING AND REGENERATIVE CHARGING MODES FOR THREE ROUTES
표 TABLE II EV BATTERY SPECIFICATION
그림 Fig. 9. Equivalent circuit of EV battery.
그림 Fig. 10. Frequency of internal series resistance for three routes.
그림 Fig. 11. Estimated SOC for Sungpanak route.
그림 Fig. 12. SOH estimation for 1100-goji route.
그림 Fig. 13. SOH estimation for Sungpanak route.
그림 Fig. 14. SOH estimation for Haeandoro route.

AI 본문요약
AI-Helper

* AI 자동 식별 결과로 적합하지 않은 문장이 있을 수 있으니, 이용에 유의하시기 바랍니다.

문제 정의

또한 1년 이상 운행되었고 누적 주행거리가 55,000km를 넘은 전기차 배터리의 SOH가 100% 이상의 값으로 출력된 것은 다소 의외의 결과라 할 수 있다. 따라서 본 절에서는 전기차의 BMS에서 취득된 SOH의 검증을 위해 제주도내 3가지 경로를 주행하면서 얻은 실시간 배터리 상태 데이터를 사용하여 SOH를 추정하였다.
본 논문에서는 전기차 주행 시 얻어진 실시간 배터리 상태정보 데이터를 사용하여 주행 경로별 배터리의 출력 특성과 성능 상태 값들을 추정하였다. 배터리 주행 데이터는 제주도내 세 가지 주행경로를 따라 기아 쏘울 전기차를 운행하여 취득 하였으며 이를 바탕으로 주행 경로별 고도차와 배터리 출력특성과의 연관성을 조사 분석하였다.
본 논문은 전기차의 운행 조건과 환경이 배터리의 성능에 미치는 영향을 실 주행 데이터를 통하여 분석하는 것에 목적을 두고 있다. 실 주행 데이터를 얻기 위하여 제주도의 특징적인 3가지 주행 경로를 따라 전기차를 운행하면서 배터리의 상태정보 값들을 실시간으로 취득하였다.

제안 방법

배터리 주행 데이터는 제주도내 세 가지 주행경로를 따라 기아 쏘울 전기차를 운행하여 취득 하였으며 이를 바탕으로 주행 경로별 고도차와 배터리 출력특성과의 연관성을 조사 분석하였다. 또한 배터리의 출력열화와 밀접한 관련이 있는 내부 직렬저항을 추정하였고, 용량성 SOH를 추정하여 전기차 BMS에서 출력하는 SOH와 비교하였다.
수집된 주행 데이터에 포함되어 있는 배터리의 출력 전류, 전압, SOC를 경로별로 비교하여 고도차의 크기에 대한 영향을 조사하였다. 또한 전기차의 주행 데이터를 사용하여 배터리의 성능상태 값들도 추정하였으며 전기차 BMS에서 출력하는 값들과 비교하였다. 본 논문의 목적이 SOC나 SOH의 추정을 위한 새로운 알고리즘 개발에 있지 않기 때문에 SOC 의 추정에는 가장 일반적인 확장칼만필터를 사용하였고 SOH의 추정에는 SOC의 변화량에 대한 방전량의 비율에 바탕을 둔 직관적인 방법을[7] 사용하였다.
특성과 성능 상태 값들을 추정하였다. 배터리 주행 데이터는 제주도내 세 가지 주행경로를 따라 기아 쏘울 전기차를 운행하여 취득 하였으며 이를 바탕으로 주행 경로별 고도차와 배터리 출력특성과의 연관성을 조사 분석하였다. 또한 배터리의 출력열화와 밀접한 관련이 있는 내부 직렬저항을 추정하였고, 용량성 SOH를 추정하여 전기차 BMS에서 출력하는 SOH와 비교하였다.
또한 전기차의 주행 데이터를 사용하여 배터리의 성능상태 값들도 추정하였으며 전기차 BMS에서 출력하는 값들과 비교하였다. 본 논문의 목적이 SOC나 SOH의 추정을 위한 새로운 알고리즘 개발에 있지 않기 때문에 SOC 의 추정에는 가장 일반적인 확장칼만필터를 사용하였고 SOH의 추정에는 SOC의 변화량에 대한 방전량의 비율에 바탕을 둔 직관적인 방법을[7] 사용하였다. 다만 용량성 SOH의 추정에는 SOC의 전체 변화 분을 고려하기[7]보다는 SOCe 1%씩 변할 때마다 SOH를 추정하여 전체 SOC구간에 대한 SOH의 빈도수 히스토그램을 통한 통계적 고려를 추가한 것이 특징이라고 할 수 있겠다.
실 주행 데이터를 얻기 위하여 제주도의 특징적인 3가지 주행 경로를 따라 전기차를 운행하면서 배터리의 상태정보 값들을 실시간으로 취득하였다. 수집된 주행 데이터에 포함되어 있는 배터리의 출력 전류, 전압, SOC를 경로별로 비교하여 고도차의 크기에 대한 영향을 조사하였다. 또한 전기차의 주행 데이터를 사용하여 배터리의 성능상태 값들도 추정하였으며 전기차 BMS에서 출력하는 값들과 비교하였다.
것에 목적을 두고 있다. 실 주행 데이터를 얻기 위하여 제주도의 특징적인 3가지 주행 경로를 따라 전기차를 운행하면서 배터리의 상태정보 값들을 실시간으로 취득하였다. 수집된 주행 데이터에 포함되어 있는 배터리의 출력 전류, 전압, SOC를 경로별로 비교하여 고도차의 크기에 대한 영향을 조사하였다.
따라서 식 (2)에 식 (9)를 대입하여 구한 배터리의 SOH는 누적 전류량을 정격용량과 SOC 변화량을 곱한 값으로 나눈 양이 됨을 알 수 있다. 여기서 SOC 추정치는 가장 일반적인 확장칼만필터 알고리즘을 사용하여 구하였으몌12] 그림 11에서 성판악 경로를 주행할 때 BMS로부터 취득한 SOC와 비교하였다. 그리고 SOH 추정을 위해서는 식 (10)을 사용하였으며 SO。} 1%씩 줄어들 때 마다 그동안 방전된 전류를 적분하여 누적전류량을 계산하였고 배터리의 정격용량은 37.
주행거리가 55,000km 이상이고 1년 이상 사용된 전기차의 SOH가 100%이상으로 출력되는 것을 전기차 주행 시 실시간으로 얻은 배터리상태정보 데이터를 이용하여 확인하였다. 이를 바탕으로 새 차의 SOH가 100% 보다 더 큰 값에서 시작했다는 것을 짐작할 수 있으며 전기차 배터리의 공칭용량에 비해 가용용량이 작게 설정되었다는 것을 알 수 있다.

대상 데이터

배터리 정보 취득 시스템은 전기차 BMS에서 제공하는 배터리 상태정보들을 실시간으로 수집한다. 그림 1에 보인 것처럼 OBD2 모듈(Viecar®)은 전기차의 OBD2 연결단자에 장착되어 차량의 위도, 경도 그리고 고도를 포함한 배터리의 전압, 전류, 온도, SOC, SOH 와 같은 상태정보를 스마트폰으로 전송해 준다.
전기차 배터리의 성능 및 건강상태를 알려주는 가장 중요한 성능지표인 SOH는 새 배터리의 성능에 대한 현재 배터리 성능의 비율로서 백분율로 나타낸다. 본 논문에서는 전기차의 주행거리와 밀접한 관련이 있는 용량 특성을 바탕으로 한 SOH를 사용하였으며 식 (2) 와 같이 나타낼 수 있다.
내부적으로 추정된 SOH는 진단용 OBD2 단자와 연결된 배터리정보 취득시스템을 통하여 실시간으로 얻을 수 있다. 본 논문의 주행 시험에 사용된 전기차의 SOH는 100.2%로 취득되었으며 시험기간 동안 변하지 않았다. 하지만 전기차에서 출력되는 SOH는 실험실 테스트 결과에 바탕을 둔 추정치이기 때문에 전기차의 실 주행 데이터를 사용해 구한 추정치와는 다를 수 있다.
큰 영향을 미친다. 주행 경로별 고도차가 배터리의 출력에 미치는 영향을 비교하기 위하여 제주도 내에서 가장 특징적인 세 개의 주행경로를 선정하였다. 그림 2에 나타나 있듯이 해안도로(Haeandoro) 경로는 해안선을 따라 평균 해발고도가 약 70m인 도로이며, 제주시에서 출발하여 동쪽과 서쪽으로 주행한 경로이다.

이론/모형

본 논문에서 사용된 SOH 추정 방법은 SOC의 변화량에 대한 전류 적분 값의 비율에 기본을 두고 있다. 배터리의 현재 충전상태인 SOC₂는 이전 충전상태 SOC1에서 누적 방전 전류량을 현재 배터리 용량 C로 나눈 값을 뺀 양으로 식 (8)처럼 나타낼 수 있다.

성능/효과

요약하였다. 1100고지 경로를 주행할 때 평균 방전율 1.4는 해안도로를 주행할 때 평균 방전율 0.45보다 약 3배 이상 크게 측정되었다. 회생제동에 의한 평균 충전율도 1100고지 경로가 해안도로 경로보다 3배정도 크게 출력하고 있지만 세 경로 모두 평균 충전율보다는 작게 측정되었다.
9)까지 측정되었다. 또한 고도차이가 큰 경로에서는 전류의 크기가 200A를 넘는 경우가 많은 반면 평균고도가 해발 약 70m이고 고도변화가 약 200m 이내인 해안도로 경로에서의 전류의 크기는 대부분 100A 이내임을 확인할 수 있었다.
고도차가 큰 경로를 주행할 때 방전과 회생제동에 의해 SOC 가 급격히 변하여 큰 굴곡을 보이고 있다. 또한 세 가지 경로에서 SOC의 시간에 대한 기울기가 뚜렷한 차이를 보이고 있으며 고도차가 가장 큰 1100고지 경로에서 SOC가 가장 급격하게 떨어지는 것을 알 수 있다. 본 주행시험에 사용된 2017년형 기아 쏘울 전기차는 SOC 가 90%에서 약 20%까지 떨어지는 동안 1100고지 경로는 3번, 성판악 경로는 4번 왕복할 수 있었다.
고도차가 고려되어야 함을 알 수 있었다. 또한 전기차 배터리의 SOH가 100% 이상에서 시작되는 것을 주행 데이터를 사용하여 검증함으로써 전기차 배터리의 가용용량이 공칭용량보다 작게 설정되었음을 확인하였다. 따라서 배터리의 전기차 응용에서처럼 전기차에서 은퇴한 배터리의 재사용을 위해서는 응용 분야의 사용환경 및 출력특성을 고려한 SOH 설정에 대한 연구가 필요하다고 사료된다.
또한 세 가지 경로에서 SOC의 시간에 대한 기울기가 뚜렷한 차이를 보이고 있으며 고도차가 가장 큰 1100고지 경로에서 SOC가 가장 급격하게 떨어지는 것을 알 수 있다. 본 주행시험에 사용된 2017년형 기아 쏘울 전기차는 SOC 가 90%에서 약 20%까지 떨어지는 동안 1100고지 경로는 3번, 성판악 경로는 4번 왕복할 수 있었다.
성판악 경로에 대한 SOH 추정치는 그림 13에 점선 그래프(a)와 상대빈도 히스토그램(b)으로 나타냈고 그림 14에서는 해안도로 경로 주행 데이터로부터 구한 SOH를 같은 형식으로 나타내고 있다. 성판악 경로에 대한 SOH 추정치는 약 100.05%이었으며 해안도로 경로로부터 구한 SOH는 99.82%였다. 이들 각각의 SOH 추정치는 전기차 BMS에서 취득한 SOH 100.
확인하였다. 이를 바탕으로 새 차의 SOH가 100% 보다 더 큰 값에서 시작했다는 것을 짐작할 수 있으며 전기차 배터리의 공칭용량에 비해 가용용량이 작게 설정되었다는 것을 알 수 있다. 한편, 전기차에서 추정하는 SOH가 전기차의 사용 목적에 맞게 조율된 값이기 때문에 전기차에서 은퇴한 배터리를 새로운 응용 분야에서 사용하기 위해서는 새로운 응용 분야에 맞는 적절한 SOH의 설정이 필요하다고 하겠다.
주행 경로별 고도차에 의한 평균 방전율은 약 3배까지 차이가 났으며 배터리의 용량열화 추정에 주행 경로의 고도차가 고려되어야 함을 알 수 있었다. 또한 전기차 배터리의 SOH가 100% 이상에서 시작되는 것을 주행 데이터를 사용하여 검증함으로써 전기차 배터리의 가용용량이 공칭용량보다 작게 설정되었음을 확인하였다.
음의 방전율은 회생제동에 의한 충전 전류이고 양의 값들은 방전할 때의 전류 값들을 나타낸다. 해안도로 경로를 주행할 때는 0.5 보다 작은 방전율의 빈도수가 다른 경로에서 보다 큰 반면 1100고지 경로와 성판악 경로를 주행할 때는 0.5 이상의 큰 방전율의 빈도수가 해안도로 경로에서 보다 높게 나타났다. 1100 고지 경로를 주행할 때는 방전율이 3.
45보다 약 3배 이상 크게 측정되었다. 회생제동에 의한 평균 충전율도 1100고지 경로가 해안도로 경로보다 3배정도 크게 출력하고 있지만 세 경로 모두 평균 충전율보다는 작게 측정되었다. 이는 제주도내에서 주행하는 전기차의 평균 방전율과 평균 충전율이 주행경로에 따라 최대 3배정도 차이가 나고 있음을 의미한다.

후속연구

이러한 노력으로 전기차 배터리는 더욱 더 고사양이되고 있지만, 전기차 배터리의 안전성 및 성능에 대한 높은 요구조건 때문에 새 배터리 대비 충전가능 용량이 80%가 되면 폐배터리로 간주되어 전기차에서의 생명을 마치게 되고 폐기 절차를 밟게 된다团 이를 바로 폐기하면 배터리의 화학물질로 인한 환경오염을 유발할 수 있으며 국가적으로도 막대한 자원을 낭비하는 것이기 때문에 배터리의 재사용에 대한 충분한 논의가 필요해 보인다回 또한, 전기차에서 은퇴한 배터리들은 여전히 약 80% 정도의 잔존용량 가치를 가지고 있어서 전기차에서보다 낮은 요구조건이나 c-rate이 1 이하에서 주로 동작하는 응용분야, 즉 신재생 에너지의 출력 안정화나 심야전력 이용 등에 적용된다면 경제성도 충분히 확보할 수 있을 것으로 여겨진다[6]. 따라서 전기차 폐배터리는 재활용보다는 재사용의 가치가 그 만큼 커지고 있으며 새롭고 다양한 비즈니스 모델을 만들 수 있는 기회를 제공할 것으로 기대된다. 폐배터리의 재사용은 또한 중고 배터리의 가치를 증가시켜서 중고 전기차 가격이 급격히 떨어지는 것을 막아 주는 효과도 가져올 것이다.
직렬저항추정치는 해안도로 경로에서 조금 크게 추정되었지만 큰 차이를 보이지는 않았다. 이 방법을 사용하여 새 배터리의 직렬저항에 대한 초기 데이터를 가지고 있다면 상대적 직렬저항 변화량을 계산할 수 있으며 이로부터 출력열화 정도를 추정할 수 있을 것이다.
이렇게 배터리의 용량이 줄어드는 것은 충방전 횟수와 사용기간에 크게 영향을 받지만 온도와 충방전 전류크기 등을 포함한 여러 가지 변수들에 대해서도 영향을 받는다[11]. 특히 전기차의 사용 환경 및 동작 조건이 가전기기나 ESS 분야등과 같은 응용분야에 비하여 훨씬 복잡하고 다양하여 SOH를 산정할 때 더 많은 변수들을 고려해야 할 것이다.
이를 바탕으로 새 차의 SOH가 100% 보다 더 큰 값에서 시작했다는 것을 짐작할 수 있으며 전기차 배터리의 공칭용량에 비해 가용용량이 작게 설정되었다는 것을 알 수 있다. 한편, 전기차에서 추정하는 SOH가 전기차의 사용 목적에 맞게 조율된 값이기 때문에 전기차에서 은퇴한 배터리를 새로운 응용 분야에서 사용하기 위해서는 새로운 응용 분야에 맞는 적절한 SOH의 설정이 필요하다고 하겠다.

참고문헌 (12)

H. J. Hea, "'EV island' Jejudo, over 10,000 EVs in 5 years," The Hankyoreh internet edition, Retrieved Mar. 13, 2018, from http://www.hani.co.kr/arti/society/area/835867.html#csidx7c76441e46b8970ba6828d11ff6b363.
A. Manthiram, "An outlook on lithium ion battery technology," ACS Cent. Sci., pp. 1063-1080, Mar. 2017.
J. M. Tarascon, "Key challenges in future Li-battery research," Phil. Trans. R. Soc. A, No. 368, pp. 3227-3241, Jul. 2010.
N. Jiao and S. Evans, “Secondary use of electric vehicle batteries and potential impacts on business models,” Journal of Industrial and Production Engineering, Vol. 33, No. 5, pp. 348-354, 2016.

상세보기
H. J. Lee, J. H. Park, and J. Kim, "Research of the advanced SOC estimation method for the efficient recycling of the retired Lithium-ion battery," KIPE Power Electronics Conference, pp. 54-55. Nov. 2015.
W. C. Lih, J. H. Yen, F. H. Shieh, and Y. M. Liao, "Second use of retired lithium-ion battery packs from electric vehicles: Technological challenges, cost analysis and optimal business model," 2012 International Symposium on Computer, Consumer and Control, pp. 381-384. Jun. 2012.
I. Semanjski and S. Gautama, "Forecasting the state of health of electric vehicle batteries to evaluate the viability of car sharing practices," Energies 2016, Vol. 9, No. 12, Sep. 2016.
S. S. Choi and H. S. Lim, “Factors that affect cycle-life and possible degradation mechanisms of a Li-ion cell based on $LiCoO_2$ ,” Journal of Power Sources, Vol. 111, No. 1, pp. 130-136, May 2002.

상세보기
The KEEA, "2018 kia soul EV gets 30 kWh battery, range boost," Retrieved Mar. 25, 2017, from https://www.thekeea.com.
Spirit Energy, "Battery storage knowledge bank," Retrieved 15, Aug. 2018, form https://www.spiritenergy.co.uk/kb-batteries?understanding-batteries.
J. Belt, V. Utgikar, and I. Bloom, "Calendar and PHEV cycle life aging of high-energy, lithium-ion cells containing blended spinel and layered-oxide cathodes," Journal of Power Sources, No. 23, Vol. 196, pp. 10213-10221, Dec. 2011.

상세보기
G. Plett, "Battery management systems, volume II: Equivalent-circuit methods: 2," Artech House, 2015.

LOADING...

표제어: PCR

동의어: Packet Collision Rate

용어 설명 출처 목록 (6)

용어 설명: PCR은 세균 특이성이 있는 primer를 이용하여 적은 수의 세균이 있을지라도 쉽게 검출할 수 있는 유용한 방법이며, 이를 이용하여 구강 내 치면세균막이나 타액에서 직접 세균을 검출할 수 있게 되었다[8].

내보내기 구분	파일저장 인쇄 메일전송
구성항목	기본정보 상세정보 관리번호, 논문명, 저널/프로시딩명, 저자 , 발행년, 권, 호, 시작페이지, 끝페이지, 발행기관 관리번호, 논문명, 대등논문명, 저자 , 저널/프로시딩명, 발행기관, 발행년, 발행언어, 권, 호, 시작페이지, 끝페이지, ISBN, ISSN, 주제분야, 키워드, 초록(한글), 초록(영문), 저자(소속기관)
저장형식	Text(ASCII format) Excel format RefWorks Direct Export RIS format (for Reference Manager, ProCite, EndNote), Scholar's Aids, Mendeley
메일정보	받는사람 (필수) @ 보내는사람 (선택) @ 제목 내용 KISTI 검색결과 이메일 서비스
안내	총 건의 자료가 검색되었습니다. 다운받으실 자료의 인덱스를 입력하세요. (1-10,000) 검색결과의 순서대로 최대 10,000건 까지 다운로드가 가능합니다. 데이타가 많을 경우 속도가 느려질 수 있습니다.(최대 2~3분 소요) 다운로드 파일은 UTF-8 형태로 저장됩니다. 파일의 내용이 제대로 보이지 않을실 때는 웹브라우저 상단의 보기 -> 인코딩 -> 자동선택 여부를 확인하십시오. ~ Text(ASCII format) Excel format

연합인증