검색 상세

SoC 정밀예측을 통한 배터리 셀 밸런싱 전류제어 알고리즘

  • 김승권 (대학원 컴퓨터학과 소프트웨어전공)

초록/요약

전기자동차, HEV(Hybrid Electric Vehicle), ESS(Energy Storage System)와 같이 리튬계열 2차전지를 사용하는 시스템은 고전압의 출력과 가용 시간을 증가시키기 위하여 배터리 팩을 직, 병렬 구조인 스택(Stack) 구조를 사용한다. 리튬계열 2차전지는 초기 생산 시 최대 충전량, 내부저항의 미세한 차이를 보이며 사용하는 환경 즉, 방전 심도 (DoD : Depth of Discharging), 충, 방전 사이클, 온도 등의 영향으로 인하여 성능이 저하된다. 스택 구조를 사용하는 배터리 팩을 충, 방전할 때 배터리가 최대 충전 전압, 최대 방전 전압, 과전류 차단 등 배터리를 보호하기 위한 수단으로 배터리 관리 시스템(Battery Management System)이 사용된다. 배터리 관리 시스템은 충전 시 배터리 셀 간 균형을 맞추기 위하여 수동형 셀 밸런싱(Passive Cell Balancing) 기법과 능동형 셀 밸런싱(Active Cell Balancing) 기법을 사용한다. 수동형 셀 밸런싱 기법은 충전 시 배터리 셀 간 균형을 맞추기 위하여 션트 저항(Shunt Resistor)을 사용하여 잔존용량(SoC : State of Charge)이 가장 높은 배터리 셀을 방전시킨다. 수동형 셀 밸런싱 기법은 구조적으로 간단하고 구현하기 쉽지만, 능동형 셀 밸런싱 기법과 비교하여 전력 손실이 크며 션트 저항의 발열로 인하여 온도를 낮추기 위한 수단이 필요하다. 능동형 밸런싱 기법은 배터리 셀 간 전하 전달 방식을 사용하며 커패시터, 다권선 변압기, DC-DC 컨버터를 사용하는 방식으로 나눌 수 있다. 능동형 셀 밸런싱 기법의 기본 원리는 전력 손실이 발생하지 않는 방법으로 배터리 셀 간 전하 이동을 통하여 균형을 맞추는 것이다. 이 기법은 기본적으로 수동형 셀 밸런싱 기법과 비교하여 충전 속도가 빠르고 전력 효율이 높다는 장점이 있다. 반면 셀 밸런싱 제어 알고리즘이 복잡하고 수동형 셀 밸런싱 회로와 비교하여 잦은 충, 방전으로 인한 배터리 셀의 수명이 저하된다는 단점이 있다. 수동형, 능동형 셀 밸런싱 기법은 모두 구조적 개선을 통한 충전 속도 향상, 에너지 효율을 증가시켰다. 하지만 충, 방전 시에는 배터리 셀의 SoC를 고려하지 않는다. 특히 수동형 셀 밸런싱 기법에선 션트 저항을 통한 방전으로 인해 유동적으로 변화하기 때문에 각 배터리 셀이 100% 잔존용량에 도달하는 시간은 예측이 어렵다. 능동형 셀 밸런싱 기법 또한 지속적인 스위칭을 통하여 밸런싱하기 때문에 충전 시간을 예측하기 어렵다. 본 논문이 제안하는 알고리즘은 각 배터리 셀의 잔존용량을 정밀하게 예측하여 충, 방전 전류를 제어함으로써 모든 배터리 셀이 같은 시간에 완전충전 전압, 완전방전 전압에 도달할 수 있도록 하였다. 제안하는 알고리즘의 핵심은 충전 과정과 방전 과정으로 나눌 수 있다. 먼저 기존 밸런싱 기법의 문제점인 충전 과정에서 인위적으로 배터리를 방전시키는 것을 제거하였다. 이 부분은 충전 과정에서 각 배터리 셀의 잔존용량을 예측하여 충전 전류를 제어하기 때문에 각 배터리 셀이 같은 시간에 100% SoC에 도달하여 충전 시간을 단축할 수 있다. 방전 과정에서는 각 배터리 셀의 잔존용량 예측을 통해 방전 전류를 제어한다. 따라서 제안하는 알고리즘은 SoC 편차로 인하여 조기에 전체 배터리 팩이 중단되는 것을 방지함으로써 가용 시간을 증가시킬 수 있다. 실험결과 SoC 예측 알고리즘 비교를 통해 SoC 예측 오차를 0.26%까지 감소시켰으며, 수동형 셀 밸런싱 기법과 동일 조건으로 비교하여 SoC 편차가 작을 때 충전 시간을 최대 9.2% 단축하고 가용 시간을 최대 7.8% 증가시켰다.

more

목차

국문 요약
Table of Contents
List of Figures
List of Tables
1. 서론 1
1.1 연구배경 1
1.2 연구내용 및 목표 3
2. 배경지식 4
2.1 배터리 보호회로 4
2.1.1 Shunt Resistor Balancing 5
2.1.2 Switched Capacitor 6
2.1.3 Multi-winding Transformer 7
2.1.4 Energy Converters 9
2.2 리튬계열 배터리 10
2.3 배터리 성능지표 11
2.3.1 SoC (State of Charge) 11
2.3.2 SOH (State of Health) 11
2.3.3 DOD (Depth of Discharge) 12
2.4 SoC 예측 알고리즘의 종류 13
2.4.1 직접 측정 방식 13
2.4.1.1 개방 회로 전압 기법 13
2.4.1.2 터미널 전압 기법 14
2.4.2 Book-Keeping Estimation 14
2.4.2.1 전류 적산 방식 15
2.4.2.2 보정된 전류 적산 방식 15
2.4.3 적응형 시스템 16
2.4.3.1 BP(Back Propagation) 신경망 16
2.4.3.2 RBP(Radial Basis Function) 인공 신경망 17
2.4.3.3 Kalman Filter 17
3. 제안하는 기법 18
3.1 리튬이온 배터리 모델 선정 18
3.2 다중 SoC-OCV 기반 전류 적산법 혼합 SoC 예측 알고리즘 21
3.3 SoC 예측 기반 전류제어 알고리즘 27
4. 실험결과 29
4.1 실험 환경 29
4.2 SoC 예측 알고리즘 성능 분석 32
4.3 SoC 예측 기반 셀 밸런싱 전류제어 알고리즘 성능 분석 34
4.3.1 충전 시나리오 34
4.3.1.1 충전 시나리오 1 실험결과 35
4.3.1.2 충전 시나리오 2 실험결과 40
4.2.2 방전 시나리오 (Load Balancing 성능 분석) 45
4.2.2.1 방전 시나리오 1 실험결과 46
4.2.2.2 방전 시나리오 2 실험결과 51
5. 결론 55
6. 참고문헌 56

more
반출 Meta View 목록