두 번째 배터리 모델링 접근 방식

보스턴, 2023년 6월 7일 /PRNewswire/ -- 배터리 성능 테스트는 세컨드 라이프 EV 배터리 시장에서 중요한 부분을 차지합니다. 재제조업체는 고정식 저장 시스템이나 저전력 전기 자동차 애플리케이션과 같은 최종 2차 수명 시스템에 최고 성능의 EV 배터리를 사용하는 것을 목표로 할 것입니다. 재제조업체에서는 조달, 분해, 재조립 절차와 관련된 고려 사항을 고려해야 하지만 폐기된 EV 배터리의 성능을 이해하는 것도 중요합니다. 이는 용도가 변경되면 최종 2차 전지의 성능에 영향을 미치기 때문이다. IDTechEx는 "2023년부터 2033년까지 2년 동안 수명이 다한 전기 자동차 배터리"라는 주제에 대한 최신 보고서에서 중요한 폐기된 EV 배터리 성능 매개변수를 모델링하고 추정하기 위해 플레이어가 사용하는 다양한 방법을 분석합니다.

일반적으로 수행되는 주요 배터리 테스트로는 SOH(상태 상태), 내부 임피던스 및 RUL(남은 유효 수명) 테스트가 있습니다. RUL은 배터리가 처음으로 오류 임계값 아래로 떨어지기 전까지 남은 시간을 추정한 것입니다. 대부분의 1차 수명 EV 배터리의 경우 수명 종료 용량은 70~80%입니다. SOH 및 RUL이 높고 내부 임피던스가 낮은 배터리는 수명 연장 애플리케이션에 가장 적합합니다.

이러한 테스트를 수행하는 주요 이해관계자에는 2차 배터리 용도 변경 담당자와 성능 모델을 개발하는 배터리 진단 전문가가 포함됩니다. 이러한 모델을 개발하는 스타트업은 현재 시장의 용도 변경자에게 배터리 성능 정보를 제공할 수 있습니다. 앞으로 자동차 OEM은 이러한 기술을 사용하여 OEM이 배터리 상태 정보를 용도 변경자에게 전달하도록 요구하는 EU의 Battery Passport와 같은 규정을 준수할 수 있습니다.

RUL을 계산하려면 배터리를 순환해야 하며 용량 저하 곡선을 오류 임계값으로 추정해야 합니다. 장시간의 사이클링은 시간이 많이 걸리고 배터리를 노화시킵니다. 더욱이 특정 횟수의 사이클 이후에는 품질 저하가 더 이상 선형적이지 않으므로 테스트 정확도가 떨어집니다. 따라서 RUL을 추정하기 위한 보다 정확하고 신속한 대체 방법이 필요합니다.

이러한 접근 방식에는 기계 학습(ML), 적응형 필터 및 확률론적 프로세스 방법 또는 물리 기반 모델링과 같은 데이터 기반 기술이 포함됩니다. 예를 들어 캘리포니아의 스타트업 ReJoule은 배터리 관리 및 등급 지정 기술 솔루션을 개발하고 ML과 전기화학적 임피던스 분광학 및 통계 모델링 기술을 결합하는 기술을 보유하고 있습니다. 인도의 스타트업인 Oorja Energy는 물리학 기반 기술과 데이터 기반 기술을 결합합니다. 제한된 실험 데이터가 적용된 물리 모델에 추가되고 ML 알고리즘을 사용하여 정확한 결과를 도출합니다. 이것의 장점은 순수한 물리 기반 모델을 개발하는 것보다 시간이 절약된다는 것입니다.

데이터 기반 방법과 물리학 기반 방법 모두 장단점이 있으며 모델링 속도와 정확성 사이의 균형을 유지합니다. ML 방법을 사용하면 대규모 배터리 배치에서 성능을 빠르게 모델링할 수 있지만 과적합이 발생하고 특정 배터리 아키텍처로 제한될 수 있습니다. 미래에는 순수 물리학 기반 모델이 배터리 화학에 구애받지 않는 것을 목표로 할 수 있습니다. 이는 설계에 관계없이 폐기된 EV 배터리의 대량 등급을 간소화하기 위해 여러 이해관계자에게 이점을 제공할 것입니다. 그러나 물리 기반 배터리 모델링은 배터리의 다양한 측면을 완전히 모델링하려면 기존의 모든 재료와 속성을 알아야 하기 때문에 매우 복잡합니다. 배터리에 사용되는 재료 중 상당수는 공학적 재료이기 때문에 배터리 제조업체가 이러한 사양을 자동차 OEM이나 모델러에 제공하지 않으면 양극 다공성과 같은 요소를 아는 것이 어렵습니다. 따라서 물리학 기반 모델을 개발하는 데는 모델러가 이러한 특정 배터리 지표를 직접 계산하고 이해해야 하므로 시간이 많이 걸릴 수 있습니다.

재제조업체에서는 폐기된 EV 배터리 성능과 RUL을 빠르고 정확하게 측정하는 것이 중요합니다. 현재 대부분의 진단 전문가는 데이터 기반 모델을 개발하고 있으며 때로는 하이브리드 모델링 접근 방식을 통해 다른 기술로 보완됩니다. 이는 폐기된 EV 배터리의 수명 연장 애플리케이션에 대한 적합성을 이해하려는 용도 변경자를 위한 단기 솔루션 역할을 합니다. 그러나 데이터 기반 모델링은 일반적으로 여전히 특정 배터리 아키텍처로 제한되어 재생산업체의 폐기된 EV 배터리와 호환되지 않으면 상업적 실행 가능성이 제한됩니다. 분명히 이러한 장벽을 극복하고 더 넓은 규모에서 더 나은 기술 호환성을 촉진하려면 더 큰 EV 배터리 표준화 및/또는 배터리 독립적 모델 개발이 필요합니다.