논문 전문 : https://ieeexplore.ieee.org/document/7432595
[출처] C. Hou, J. Chen, J. Hu, H. Wang and S. Xu, "An online calibration algorithm of SOC for LiFePO4 battery by using characteristic curve," 2015 5th International Conference on Electric Utility Deregulation and Restructuring and Power Technologies (DRPT), 2015, pp. 2108-2112, doi: 10.1109/DRPT.2015.7432595 .https://doi.org/10.1016/j.energy.2021.121857
※ The picture and content of this article are from the original paper.
[논문요약]
An Online Calibration Algorithm of SOC for LiFePO4 Battery by using Characteristic Curve
LiFePO4 배터리는 OCV가 flat하기때문에 SOC를 Calibration하기가 아주 어렵습니다.
Tesla 및 여러 OEM들의 특허만봐도 대부분 EV의 SOC 추정정확성을 믿기 어렵기 때문에, 중간중간 Re-calibration을 해주는데 이 기준이 OCV입니다.
OCV는 SOC와 1:1 매핑이 되기때문이죠
하지만, LFP는 그렇지 않습니다. OCV자체가 Flat하게 그려지기 때문에 대부분의 중간 SOC영역대에서는 OCV가 동일합니다. 따라서, 전압특성만으로 SOC Calibration을 할수가 없게되는것이죠
TESLA는 이미 CATL의 LiFePO4 셀을 써서 차량양산을 해냈기에, 어떤식으로 SOC Calibration을하는지 계속 찾아보고 있습니다.
테슬라가 2009년 US특허낸, SOC로직을 보면 OCV기반으로 가끔 리셋을 해주기때문에 제가 추정하기로는 별도의 EKF나 SOC추정기보다는, 엄청 High quality Resolution의 전류센서를 쓰며, 아주 가끔 전압특성이 바뀌는영역대에서 Re-calibration을 해주는게 아닐까 생각됩니다.
그런 취지에서 찾아보다가 발견한 논문으로, 내용만 보면 제가 말한 문제에 대해 모두 인지하고있고, 본인들이 DVA/ICA를 해본결과 아주 작은 영역대에서 SOC Re-calibration을 할수있다는 논문이였습니다.
Purpose
LiFePo4 배터리(이하 LFP)의 SOC Re-calibration을 하기위한 논문
현재 연구는 주로 DVA와 ICA를 활용하는 편이지만, LFP는 SOH에 따라 OCV가 유독 많이 달라진다는 점을 고려하여,
SOH에 따라 흔들리지 않는 ICA Curve Characteristic 구간을 발견했습니다.( 약 20~38%정도)
But, SOC 20~38%는 OCV-SOC로도 일부 매핑이 되는 구간이기에 크게 유의미한 연구라고 보이진 않습니다만, 방법론 적인 면에서는 Insight를 얻을 수 있을듯합니다.
Contents
DVA ICA는 저는 개인적으로 잘 쓰지않는 용어인데요, 저는 그냥 dvdq dqdv라고 부릅니다.
해당 논문에서는 DVA를 dv/dq , ICA를 dq/dv라고 부릅니다.
DVA와 ICA는 x축을 Time이냐, SOC냐 v혹은q냐 3가지로 나눌 수 있습니다.
위그림은 DVA입니다.
Fig.2는 8개의 Fresh한(SOH 100) 셀을 각각 0.2C-rate로 DVA를 한것입니다.
보시면, 동일한 조건인데도 상당히 값들이 흔들리는것을 볼 수 있습니다.
Fig.3은 열화시키며 DVA를 그린것인데요, 여기서 필자가 말하는 SOC추정가능 구간이 정해집니다.
LFP는 SOH 및 Temp에따라 OCV가많이 흔들릴 뿐만아니라, Hystersis도 큰편입니다. 따라서, 이런 조건들에도 흔들리지 않는 기준치가 필요한데요
이 구간이 바로 그림상에서 봤을때 열화를 시켜도 거의 값이 바뀌지 않는 빨간색 표시된 구간입니다.
Fig.4는 ICA로, 열화가 될수록 봉우리들의 높이가 낮아진다는것을 말하는데, 이것은 셀에따라서도 이정도 차이는 흔들릴 수 있다고 생각되어, 크게 눈여겨 보진 않았습니다.
필자는 실제 BMS에서 사용될 경우를 생각했다고 합니다.
즉, Noise나 각종 센싱한 raw데이터 그대로를 사용할 경우, 분홍색과 같이 튀는 값을 얻을 수 있다고합니다.
이것을 평활화 하기위해서 spline interpolation을 사용했고, 이것은 파란색처럼 커브가 나온다고합니다.
보시면, Reference curve와 일부 높낮이 차이가 있지만 그래프의 개형은 비슷하게 간다는것을 확인할 수 있습니다.
Figure.9는 열화도가 다른 여러개의 동일 셀을 DVA한 그래프입니다.
용량편차가 있는 셀들로 DVA를 그리게 되면, 그림과같이 상당한 편차가 날 수 있다고합니다.
따라서, 실제 ESS혹은 EV에서 사용하는 경우, 이점이 오차에 크게 기여할 수 있습니다.
Fig.10을 보시면, 이게 최종 결과인데 x축을보면 SOC 1%도 구간이 엄청크기때문에 편차를 보면 SOC 약 평균 0.5%정도의 정확도로 맞추는것을 확인할 수 있습니다.
하지만, 잘보면 26~30% 입니다 -_-...
논문서두에는 20~38%라더니 그것도 작은데, 26~30%... 이정도는 그냥 OCV-SOP 매핑하거나 전류적산만해도 따라갈수있을듯하네요..
Results
DVA나 ICA를 통해 LFP에 대한 어떤 SOC Re-calibration하는 방식에 대한 insight는 주는 논문이였습니다만,
양산에 적용하기에는 아주 부족한 SOC Range이지 않나 싶습니다.
ESS는 SOC 0~100%까지 쭉썼다가 쭉빼는 경우가 많다쳐도, EV는 사용자에 따라서 SOC 50%이상에서 계속 충전하는 경우도 많거든요
(핸드폰을 꼭 충전량 0%까지 쓰고 100% 충전하는 사람은 잘없는거서럼)
여러가지 경우에 대해서도 Robust하게 SOC Re-calibration을 하는방법에 대해 계속 연구를 해봐야할것같습니다.
참조
1. C. Hou, J. Chen, J. Hu, H. Wang and S. Xu, "An online calibration algorithm of SOC for LiFePO4 battery by using characteristic curve," 2015 5th International Conference on Electric Utility Deregulation and Restructuring and Power Technologies (DRPT), 2015, pp. 2108-2112, doi: 10.1109/DRPT.2015.7432595 .https://doi.org/10.1016/j.energy.2021.121857
댓글