| 일 | 월 | 화 | 수 | 목 | 금 | 토 |
|---|---|---|---|---|---|---|
| 1 | 2 | |||||
| 3 | 4 | 5 | 6 | 7 | 8 | 9 |
| 10 | 11 | 12 | 13 | 14 | 15 | 16 |
| 17 | 18 | 19 | 20 | 21 | 22 | 23 |
| 24 | 25 | 26 | 27 | 28 | 29 | 30 |
| 31 |
- 딥러닝
- Machine Learning
- tensorflow
- 리튬배터리
- 배터리 딥러닝
- Battery Deep Learning
- 머신러닝
- 배터리 열화
- Battery AI
- 배터리 EIS
- 배터리 AI
- 머신러닝 코드
- 텐서플로우
- Azure
- 코드로 이해하는 딥러닝
- 코이딥
- Battery modeling
- Deep learning
- Battery SOH
- 칼만필터
- AzureML
- 딥러닝 코드
- 배터리 진단
- 배터리 연구
- bms
- Incremental Capacity Analysis
- Battery Management System
- state of health
- 배터리 모델링
- eis
- Today
- Total
Engineering insight
[IEEE-2024] Small-Perturbation Electrochemical Impedance Spectroscopy System With High Accuracy for High-Capacity Batteries in Electric Vehicles 본문
[IEEE-2024] Small-Perturbation Electrochemical Impedance Spectroscopy System With High Accuracy for High-Capacity Batteries in Electric Vehicles
Free-Nomad 2026. 5. 10. 21:10Small-Perturbation Electrochemical Impedance Spectroscopy System With High Accuracy for High-Capacity Batteries in Electric Vehicles
Journal: IEEE Transactions on Industrial Electronics, Vol. 72, No. 3, pp. 3202–3212
DOI: 10.1109/TIE.2024.3436676
Publisher record / early online metadata date: 2024-09-05 (Crossref/OpenAlex indexed record)
Issue publication date: March 2025 (Crossref / Semantic Scholar journal metadata)
Accessible sources used for this report: Crossref record, OpenAlex record, Semantic Scholar abstract/metadata, DOI/IEEE landing pages
Open access status: Closed access according to OpenAlex / no public PDF located during this run
무엇이 문제였나
소형 셀 EIS와 달리, 전기차용 고용량 배터리는 절대 임피던스가 매우 낮고 구동 전류가 크며, 셀 자체의 비선형성도 무시하기 어렵습니다. 그래서 EIS를 걸 때 전류를 너무 크게 주면 배터리의 응답이 선형 소신호 영역을 벗어나 해석이 흐려지고, 반대로 전류를 너무 작게 주면 측정 신호가 계측 노이즈 바닥에 묻힐 수 있습니다. 이 논문은 바로 이 충돌, 즉 “교란은 작게 유지해야 하는데 정확도는 더 높여야 한다”는 EV 배터리 EIS의 핵심 딜레마를 정면으로 다룹니다.
- 고용량 EV 배터리는 임피던스가 작아 μΩ~mΩ급 분해능이 필요합니다.
- 하지만 대전류 배터리에서 큰 교란전류를 주면 안전성과 선형성 문제가 생깁니다. (Industry)
- 작은 교란전류를 쓰면 측정 전압도 작아져, 전압 측정 프런트엔드와 필터 설계가 곧 정확도를 좌우합니다. (Industry)
- 특히 저주파는 settling time, 고주파는 노이즈/위상 오차/필터 영향이 커서 단일 회로로 전 대역을 깔끔하게 다루기 어렵습니다.
기존 접근의 한계
- 상용 EIS 장비는 연구실 셀 측정에는 충분해도, EV급 대용량 배터리에서 작은 교란으로 짧은 시간 안에 높은 정확도를 확보하는 데 최적화되지 않은 경우가 많습니다.
- 전압 신호가 아주 작아질수록 measurement chain의 증폭기 노이즈, 필터 settling, ADC 다이내믹레인지가 전체 오차를 지배하기 쉽습니다.
- 저주파와 고주파를 한 개의 필터/증폭 설정으로 모두 처리하면 어느 한쪽에서 정확도나 속도가 희생되기 쉽습니다.
- 대용량 EV 배터리에서는 safety 때문에 perturbation amplitude를 키우기 어렵기 때문에, 단순히 “신호를 더 세게 넣어서 SNR을 올리는 방식”이 적절하지 않습니다.
- 배터리가 비선형이면 큰 perturbation은 본래 보고 싶은 미세 임피던스가 아니라, 교란에 의해 바뀐 operating point의 응답을 더 강하게 반영할 수 있습니다.
이 논문의 정확한 새로움
- small-perturbation을 설계의 출발점으로 놓았습니다. 즉 정확도 향상을 위해 무턱대고 교란을 키우지 않고, 작은 교란 상태에서 회로적 정확도를 끌어올립니다.
- switched-resistor high-pass filter를 이용해 AC 전압 측정을 정확하게 분리·획득하도록 했습니다.
- low-noise amplifier를 앞단에 두어 작은 응답 전압을 확대합니다.
- 서로 대역폭이 다른 두 개의 low-pass filter를 병렬로 사용합니다: 0.2 Hz 대역(1–9 Hz용), 1 Hz 대역(10 Hz–1 kHz용). 공개 초록에 따르면 이것이 정확도 향상과 settling time 단축의 핵심입니다.
- 이 시스템으로 70 Ah 배터리에서 1–1000 Hz, 20–80% SoC, 25°C 조건의 임피던스 측정 정확도를 검증했고, 고정밀 저항에서도 표준편차 10.4 μΩ 이하를 달성했습니다.
1) 작은 전류 교란을 건다
EIS 본질은 특정 주파수의 작은 신호를 걸고 전압/전류 응답의 비와 위상차로 임피던스를 계산하는 것입니다. 이 논문은 “작은 교란 유지”를 앞세우므로, 배터리를 크게 흔들지 않고도 임피던스를 읽어낼 수 있게 아날로그 계측 체인을 강화합니다.
2) AC 전압 성분만 정확히 뽑아낸다
배터리 단자에는 큰 DC 전압 위에 매우 작은 AC 응답이 얹혀 있습니다. 초록에 나온 switched-resistor high-pass filter는 이 큰 DC 성분을 억제하고, 우리가 필요한 AC 변동만 통과시키는 블록으로 해석됩니다. “switched-resistor”라는 표현은 고정 소자만으로는 어려운 저주파 차단 특성이나 조정 가능한 시간상수를 구현하기 위한 선택으로 보입니다.
3) 저노이즈 증폭기로 미세 신호를 키운다
작은 perturbation을 쓰면 응답 전압도 작아집니다. 따라서 앞단 LNA(low-noise amplifier)가 없으면 ADC 입력 전에 이미 SNR이 무너질 수 있습니다. 이 논문이 LNA를 명시적으로 강조한 이유는, 정확도가 배터리 자체보다 계측기 프런트엔드 노이즈에 먹히지 않게 하려는 데 있습니다.
4) 주파수 대역별로 서로 다른 필터를 쓴다
이 논문의 가장 눈에 띄는 설계 포인트는 두 개의 병렬 low-pass filter입니다.
- 0.2 Hz LPF: 1–9 Hz 영역용
- 1 Hz LPF: 10 Hz–1 kHz 영역용
이 구성이 의미하는 바는 분명합니다. 아주 낮은 주파수 쪽에서는 잡음을 더 강하게 깎아야 하고, 대신 응답 정착 시간이 길어질 수 있습니다. 반대로 더 높은 주파수 쪽은 그렇게까지 좁은 필터를 쓰면 속도와 위상 오차 문제가 커질 수 있습니다. 저자들은 이 trade-off를 하나의 범용 필터로 억지 해결하지 않고, 주파수 구간별로 최적화한 것입니다.
5) 전압/전류로부터 복소 임피던스를 계산한다
공개 초록에는 계산 알고리즘 세부식이 없지만, 시스템 목적상 각 주파수에서 전압과 전류의 진폭비 및 위상차를 이용해 복소 임피던스 Z(ω)=V(ω)/I(ω)를 구하는 구조입니다. 이때 핵심 오차원은 전압 측정 오차, 위상 오차, 필터로 인한 응답 왜곡, ADC/증폭기 노이즈, calibration residual로 볼 수 있습니다.
계측 체인(instrumentation chain) 관점에서 다시 보면
단계역할정확도에 중요한 이유| 배터리에 small perturbation current 인가 | 선형 소신호 영역에서 임피던스 응답 유도 | 배터리 비선형성과 안전 문제를 완화 |
| 배터리 단자 전압 획득 | 큰 DC 위의 작은 AC 성분 포함 | 이 AC 성분이 매우 작아 측정 난도가 높음 |
| switched-resistor high-pass filter | DC 제거 및 AC 성분 추출 | DC 오프셋, 드리프트, 포화 문제를 낮춤 |
| low-noise amplifier | 미세 AC 전압 증폭 | 작은 perturbation에서도 SNR 확보 |
| 병렬 LPF 2종 선택 | 주파수 대역별 노이즈/settling 최적화 | 1–9 Hz와 10 Hz–1 kHz에서 다른 최적점 사용 |
| 샘플링/디지털 계산 | 진폭·위상 추출 후 Z 계산 | 최종 RMSE/μΩ 수준 오차로 연결 |
| calibration | 잔여 gain/phase/systematic error 보정 | 회로 자체 오차를 DUT 임피던스로 오인하지 않게 함 |
왜 small-perturbation이 EV용 대용량 배터리에서 특히 중요한가
- 선형성 확보: ★ EIS는 본질적으로 작은 신호 선형화 가정 위에 있습니다. 대용량 배터리에서는 큰 전류 교란이 전극 과전압과 상태 변화를 유발해 해석을 흐릴 수 있습니다.
- 안전성: EV급 배터리는 stored energy가 크므로 큰 교란전류는 열적·전기적 부담을 키웁니다.
- 실사용 조건 근접성: BMS 혹은 현장 진단에서는 배터리를 강하게 흔들 수 없습니다. 작은 교란에서 성능이 나와야 현실 적용성이 생깁니다.
- 해석 단순화: 초록에서도 small current perturbation이 analysis process를 단순화한다고 밝힙니다. 이는 비선형 응답, operating-point drift, higher-order distortion을 줄인다는 뜻으로 읽는 것이 자연스럽습니다.
- 내장형 진단 가능성: 미래 BMS나 service tool에 넣으려면 perturbation burden이 낮아야 합니다. 즉 이 논문은 단순 실험실 고정밀 장비보다 “향후 실장 가능성” 쪽으로도 의미가 있습니다.
정확도는 어디서 나왔나
- 작은 AC 응답을 버티는 전압 측정 구조: HPF + LNA 조합이 핵심입니다.
- 대역 분할 필터 설계: 저주파와 중고주파를 하나의 절충안이 아니라 분리 최적화했습니다.
- settling time 감소: 초록이 명시적으로 강조한 부분입니다. 필터를 잘못 설계하면 낮은 주파수에서 측정 시간이 과도하게 길어지거나, 충분히 정착되기 전 값을 읽어 오차가 커집니다.
- calibration: 초록에 calibration 방식의 정확한 수학식은 없지만, 고정밀 저항 검증을 수행한 이상 gain/phase/system offset 성분을 교정했음을 시사합니다.
- small-perturbation 유지: 배터리 비선형으로 인한 추가 오차를 구조적으로 줄입니다.
성능 수치
항목직접 확인된 수치해석| 정밀 저항 검증 | 표준편차 < 10.4 μΩ | 계측기 자체 repeatability/noise floor가 매우 낮다는 뜻 |
| 70 Ah 배터리 magnitude 오차 | RMSE < 14 μΩ | 실제 대용량 배터리에서도 μΩ급 정확도 유지 |
| 주파수 범위 | 1–1000 Hz | 실용적 배터리 EIS 대역을 우선 공략 |
| SoC 범위 | 20–80% SoC | 단일 점이 아니라 여러 운영 상태에서 검증 |
| 온도 | 25°C | 제어 조건 하에서 baseline accuracy 제시 |
| 필터 구조 | 0.2 Hz LPF (1–9 Hz), 1 Hz LPF (10–1 kHz) | 대역별 최적화 설계 |
검증 실험을 어떻게 읽어야 하는가
1) 고정밀 저항 검증
이 단계는 “배터리를 쓰기 전에 계측기가 먼저 맞는지”를 보는 장비 검증입니다. 표준편차 10.4 μΩ 이하라는 결과는, 적어도 저항성 표준 부하에서는 시스템 노이즈와 반복성 문제가 매우 작음을 뜻합니다. 이는 배터리 실험 결과가 단순한 계측기 불안정 때문이 아니라는 최소 조건입니다.
2) 70 Ah 배터리 실측 검증
실제 배터리에서는 pure resistor와 달리 위상 성분, 비선형성, 주파수 의존성, 상태 의존성이 함께 나옵니다. 여기서 magnitude RMSE 14 μΩ 이하를 얻었다는 것은, 단순 전자회로 bench test를 넘어 실제 EV급 배터리에서도 정밀도가 유지됐다는 뜻입니다.
3) SoC 범위를 넓혀 검증
20–80% SoC 범위를 포함했다는 것은 특정 operating point에서만 좋았던 장비가 아니라는 점을 보여줍니다. 실무적으로 매우 중요합니다. 배터리 임피던스는 SoC에 따라 달라지므로, 장비 성능을 주장하려면 적어도 여러 SoC에서 버텨야 합니다.
추정 가능한 calibration logic
- 전압 경로 gain calibration: 작은 AC 전압을 증폭하는 과정에서 생기는 이득 오차 보정
- phase alignment: 전압/전류 경로 간 위상 지연 차이 보정
- 필터에 의한 주파수 응답 보정: HPF/LPF 체인의 크기·위상 왜곡 보정
- offset/drift suppression: DC 성분 또는 저주파 드리프트 억제
- range switching consistency: 서로 다른 LPF 대역을 넘나들 때 스펙트럼이 부드럽게 이어지도록 보정
특히 두 LPF 경로를 나눠 쓰는 설계에서는 경계 주파수 부근의 교차 일관성이 매우 중요합니다. 따라서 저자들이 “정확도 향상”과 “settling time 단축”을 함께 강조한 것은 단순 필터 삽입이 아니라, 필터 선택과 교정이 함께 설계된 시스템임을 시사합니다.
결과를 어떻게 해석해야 하나
이 논문은 “고용량 EV 배터리에서도 EIS가 가능하다”는 정도의 약한 주장보다 더 강한 메시지를 냅니다. 핵심은 작은 교란을 유지하면서도 충분히 정밀한 EIS를 만들 수 있다는 것입니다.
- 만약 정확도를 위해 큰 perturbation에 의존했다면, 그건 실사용/내장 진단으로 연결되기 어렵습니다.
- 반대로 작은 perturbation에서 μΩ급 정확도를 확보했다면, BMS 보조 진단, 서비스 장비, 품질검사, aging tracking 쪽으로 이어질 가능성이 열립니다.
- 특히 70 Ah 배터리 검증은 이 연구가 소형 코인셀/18650 수준이 아니라 실제 EV용에 가까운 영역을 겨냥한다는 점에서 의미가 큽니다.
EV 배터리 테스트, BMS, second-life에서의 실질적 의미
1) EV 생산/서비스 테스트
대용량 셀이나 모듈에서 EIS를 쓰고 싶어도, 기존에는 perturbation burden과 정확도 사이의 타협이 컸습니다. 이 논문은 작은 교란으로도 고정확도가 가능함을 보였기 때문에, end-of-line 검사나 서비스센터 점검에서 EIS의 실용성을 높입니다.
2) BMS용 임피던스 기반 상태진단
논문 자체가 바로 BMS 내장 구현을 보인 것은 아니지만, 설계 철학은 분명히 BMS 친화적입니다. 배터리를 심하게 흔들지 않고도 상태 정보를 읽어내려는 접근이기 때문입니다. 장기적으로는 SoH 추정, 내부저항 이상 탐지, 열화 패턴 식별에 도움이 될 수 있습니다.
3) second-life 배터리 선별
second-life에서는 잔존 용량만이 아니라 내부저항과 동특성이 중요합니다. 그런데 재사용 전수검사에서 큰 교란을 주는 방식은 비효율적이고 부담스럽습니다. small-perturbation EIS는 비교적 비침습적으로 상태를 읽는 도구가 될 수 있습니다.
4) 연구 측정의 질 향상
배터리 EIS 논문들은 종종 배터리 해석에 집중하지만, 실제로는 측정기 품질이 결론을 지배하는 경우가 있습니다. 이 논문은 “해석 이전에 측정계가 먼저 정확해야 한다”는 점을 분명히 해 줍니다.
논문의 한계와 남는 질문
- 검증 조건이 25°C 중심이므로, 저온·고온에서의 성능 유지 여부는 추가 확인이 필요합니다.
- 1–1000 Hz 범위는 실용적이지만, 더 저주파 영역에서의 확산 관련 정보는 제한될 수 있습니다. 다만 그 대신 시간·안정성 이득을 얻습니다.
- 70 Ah 배터리에서 좋은 결과가 나왔더라도, 화학계·폼팩터·pack integration이 달라지면 다시 검증이 필요합니다.
최종 종합
이 논문은 배터리 화학 자체를 새로 발견한 논문이 아니라, 대용량 EV 배터리에서 소신호 EIS를 실제로 믿을 수 있게 만드는 계측기 구조를 제시한 논문입니다. 포인트는 세 가지입니다. 첫째, 교란은 작게 유지해야 한다는 배터리 쪽 요구를 양보하지 않았습니다. 둘째, 그 대신 HPF·LNA·대역 분할 LPF·교정을 통해 계측기 쪽을 강화했습니다. 셋째, 그 결과를 저항 표준과 실제 70 Ah 배터리에서 μΩ급 수치로 검증했습니다. 그래서 이 논문의 진짜 가치는 “더 예쁜 Nyquist plot”이 아니라, 실제 EV급 배터리에서 작은 교란 EIS의 신뢰도를 끌어올리는 방법론을 준다는 데 있습니다.
5줄 요약
- 이 논문은 대용량 전기차 배터리에서 EIS를 작은 교란전류로 수행하면서도 높은 정확도를 확보하기 위한 전용 계측 시스템을 제안한 IEEE TIE 2025 논문입니다.
- 핵심 설계는 switched-resistor high-pass filter, low-noise amplifier, 그리고 1–9 Hz용 0.2 Hz LPF와 10 Hz–1 kHz용 1 Hz LPF의 병렬 구조입니다.
- 저자들은 이 구조가 정확도 향상과 settling time 단축에 기여한다고 주장하며, 고정밀 저항에서 표준편차 10.4 μΩ 이하를 얻었습니다.
- 또한 70 Ah 배터리에서 1–1000 Hz, 20–80% SoC, 25°C 조건으로 magnitude RMSE 14 μΩ 이하를 보여 small-perturbation 방식의 실효성을 입증했습니다.
- 결국 이 논문의 본질적 공헌은 EV급 배터리를 크게 흔들지 않고도 신뢰할 만한 임피던스 정보를 읽을 수 있게 하는 계측 아키텍처를 제시한 데 있습니다.
본 논문은 Open 논문이 아닌 관계로, Abstract와 같이 공개된 자료들을 한정적으로 파악하여 정리했습니다.
다만, 전류를 mA단위로 small perturbation하는것과 이것으로 임피던스를 micro-ohm으로 구한다는것은 전압센서도 microV이상으로 좋은 resolution을 써야하는것 아닐까(Industry에서 양산 단가상 가능한 수준인가)라는 생각을 해보았습니다.
