확장 칼만 필터를 이용한 모듈 단위 리튬이온 배터리의 노화 반영 SOC 추정 연구 = A study on Estimating SOC of Module-Based Lithium-Ion Batteries Reflecting Aging Using an Extended Kalman Filter

다국어 초록 (Multilingual Abstract)

This study proposes an Extended Kalman Filter (EKF)-based estimation technique that considers battery aging characteristics to more accurately estimate the State of Charge (SOC) of lithium-ion batteries. With the increasing adoption of electric vehicles and the increasing research on the management, reuse, and recycling of used batteries, the importance of technologies for accurately assessing and utilizing the state of used batteries is growing. To determine the recyclability and reuse of these batteries, research is being conducted on reliable SOC estimation techniques that can accurately diagnose the current state of used batteries. However, existing SOC estimation techniques fail to adequately account for aging characteristics, such as increased internal resistance, decreased effective capacity, and voltage response changes, resulting in limitations in their applicability in reuse environments.
In this study, experiments were conducted on Samsung SDI's INR21700-40T cylindrical lithium-ion batteries. This study developed an ECM that reflects aging characteristics and validated an Extended Kalman Filter (EKF)-based SOC estimation technique based on this ECM. First, battery voltage and current data were collected through charge and discharge experiments, and based on this data, ECM parameters for each aging stage were identified. Furthermore, aging indicators such as capacity loss and internal resistance increase were quantitatively evaluated according to the KS C IEC 62660-3 standard, and changes in battery characteristics due to battery deterioration were reflected in the model.
Next, an EKF-based SOC estimation algorithm was developed based on the developed aging-incorporated ECM. The SOC estimation performance under dynamic driving conditions was verified using the Urban Dynamometer Driving Schedule (UDDS) driving cycle in a MATLAB/Simulink environment. This demonstrated that the proposed EKF-based SOC estimation technique maintained stable estimation performance even under aging battery conditions.
A comparison of EKF-based SOC estimation performance before and after aging was performed revealed that the proposed aging-incorporated EKF outperformed the conventional EKF even under conditions of battery deterioration, maintaining a stable SOC estimation error (RMSE) of approximately 1%. In particular, by updating the RC parameters and the SOC–OCV relationship according to the aging status, we were able to effectively ensure convergence and consistency of SOC estimation despite changes in voltage response over time.
Furthermore, through module-level experiments, we measured the voltage of each cell based on real-time current input and applied the EKF. This demonstrates that the proposed EKF-based estimation technique can perform stable real-time SOC estimation even in environments similar to actual vehicles.
In summary, this study experimentally demonstrates the effectiveness of an EKF-based SOC estimation technique that systematically reflects characteristic changes due to battery aging. Furthermore, it provides a technological foundation for its expansion into SOC diagnosis algorithms for reused batteries.

국문 초록 (Abstract)

본 연구에서는 리튬이온 전지의 충전상태(State of Charge, SOC)를 보다 정확하게 추정하기 위하여, 배터리 노화 특성을 고려한 확장 칼만 필터(Extended Kalman Filter, EKF) 기반의 추정 기법을 제안한다. 전기자동차의 보급 확대와 함께 사용 종료된 사용 후 배터리의 관리 및 재사용(Reuse), 재활용(Recycle)에 대한 연구가 증가함에 따라, 사용 후 배터리의 상태를 정확하게 평가하고 활용하는 기술의 중요성이 더욱 부각되고 있다. 이러한 사용 후 배터리의 재활용 및 재사용 가능성을 판단하기 위해서 사용 후 배터리의 현재 상태를 정밀하게 진단할 수 있는 신뢰도 높은 SOC 추정 기술이 연구되고 있다. 그러나 기존의 SOC 추정 기법은 배터리 사용 이력에 따른 내부저항 증가, 유효 용량 감소, 전압 응답 변화와 같은 노화 특성을 충분히 반영하지 못하여, 재사용 환경에서의 적용에 한계를 가진다. 본 연구에서는 삼성 SDI의 INR21700-40T 원통형 리튬이온 배터리를 대상으로 실험을 수행하여, 노화 특성을 반영한 ECM을 구축하고 이를 기반으로 확장 칼만 필터(EKF) 기반 SOC 추정 기법을 검증하였다. 먼저, 충·방전 실험을 통해 배터리의 전압 및 전류 데이터를 수집하고, 이를 바탕으로 각 노화 단계별 ECM 파라미터를 식별하였다. 또한 KS C IEC 62660-3 표준에 따라 용량 감소 및 내부저항 증가와 같은 노화 지표를 정량적으로 평가하여, 배터리 열화에 따른 특성 변화를 모델에 반영하였다. 이후, 구축된 노화 반영 ECM을 기반으로 EKF 기반 SOC 추정 알고리즘을 구성하고, MATLAB/Simulink 환경에서 UDDS(Urban Dynamometer Driving Schedule) 주행 사이클을 적용하여 동적 운전 조건에서의 SOC 추정 성능을 검증하였다. 이를 통해 노화가 진행된 배터리 환경에서도 제안한 EKF 기반 SOC 추정 기법이 안정적인 추정 성능을 유지함을 확인하였다. 노화 반영 전·후의 EKF 기반 SOC 추정 성능을 비교한 결과, 제안된 노화 반영 EKF는 배터리 열화가 진행된 조건에서도 기존 EKF 대비 우수한 성능을 보였으며, SOC 추정 오차(RMSE)를 약 1%로 안정적으로 유지하였다. 특히 RC 파라미터와 SOC–OCV 관계를 노화 상태별로 갱신함으로써, 시간 경과에 따른 전압 응답 변화에도 불구하고 SOC 추정의 수렴성과 일관성을 효과적으로 확보할 수 있었다. 또한 모듈 단위 실험을 통해 실시간 전류 입력을 기반으로 각 셀의 전압을 측정하고 EKF를 적용한 결과, 제안된 EKF 기반 추정 기법이 실제 차량과 유사한 환경에서도 안정적인 실시간 SOC 추정을 수행할 수 있음을 검증한다. 종합적으로 본 연구는 배터리 노화에 따른 특성 변화를 체계적으로 반영한 EKF 기반 SOC 추정 기법의 유효성을 실험적으로 입증하였으며, 향후 재사용 배터리에서도 SOC 진단 알고리즘으로 확장 적용될 수 있는 기술적 기반을 제시한다.

목차 (Table of Contents)

• 제 1장 서론 1
• 1.1 연구 배경 1
• 1.1.1 전기자동차 배터리의 중요성과 SOC 추정 필요성 2
• 1.2 연구 목적 5
• 1.3 연구 범위 6
• 1.4 논문 구성 7
• 제2장 리튬 이온 배터리 8
• 2.1 리튬 이온 배터리 개요 8
• 2.1.1 리튬 이온 배터리 구조 및 동작 원리 8
• 2.1.2 리튬 이온 배터리의 종류 9
• 2.1.3 리튬 이온 배터리의 형태 11
• 2.2 배터리 모델링 13
• 2.3 SOC 추정 이론 14
• 2.3.1 전류 적산(Coulomb Counting) 추정법 14
• 2.3.2 SOC-OCV(Open Circuit Voltage) 추정법 15
• 2.3.3 전기화학적 측정법 17
• 2.4 칼만 필터 계열 기법 19
• 2.4.1 상태 방정식(State Equation) 도출 20
• 2.4.2 칼만필터의 상태 공간 표현 21
• 2.4.3 예측(Prediction) 및 갱신(Update) 단계 24
• 2.4.4 확장 칼만 필터(Extended Kalman Filter, EKF) 27
• 2.4.5 EKF 수식 전개 27
• 2.6 배터리 노화(Aging) 30
• 제3장 연구 장치 및 실험 방법 31
• 3.1 실험 대상 배터리 31
• 3.2 배터리 RC 파라미터 측정 및 ECM 구현 32
• 3.3 UDDS 주행 부하 (Road load)계산 및 전류 프로파일 생성 35
• 3.4 실험 스케줄 및 절차 39
• 제4장 실험 결과 및 분석 41
• 4.1 확장 칼만 필터 SOC 추정 결과 및 성능 분석 41
• 4.1.1 EKF SOC 추정 결과 및 오차 지표 정의 41
• 4.2 EKF-based SOC 추정 결과 42
• 4.2.1 RC 모델 구조별 SOC 추정 성능 비교 45
• 4.2.2 초기 SOC 불일치 조건에서의 수렴 성능 평가 46
• 4.3 노화 반영 조건 SOC 추정 성능 47
• 4.3.1 노화 반영 모델 구성 47
• 4.3.2 노화 단계별 SOC 추정 결과 비교 49
• 4.3.3 노화 인지 EKF 기반 SOC 추정 성능 비교 (UDDS 주행 조건) 57
• 4.4 노화 인자별 적용 EKF 기반 SOC 추정 성능 비교 59
• 4.5 모듈 단위 SOC 추정 결과 61
• 제5장 결론 64
• 5.1 결론 및 고찰 64
• 참고 문헌 66
• Abstract 69