등가회로모델(Thevenin 2RC) 기반 SOC 추정과 확장 칼만 필터 구현
배터리 잔여 용량을 정확히 아는 것이 중요한 세상
우리는 스마트폰부터 전기자동차까지 배터리로 움직이는 기기들이 가득한 세상에 살고 있습니다. 길을 걷다 스마트폰 배터리가 갑자기 0퍼센트로 떨어져 꺼진 경험이나 전기자동차가 예상보다 빠르게 방전되어 당황했던 기억은 누구나 한 번쯤 가지고 있을 것입니다. 배터리의 남은 용량을 정확하게 파악하는 기술은 단순히 편의를 넘어서 기기의 안전과 직결되는 매우 중요한 요소입니다.
배터리 관리 시스템에서 남은 용량을 나타내는 지표를 충전 상태라고 부르며 이를 영어 약자로 에스오씨라고 합니다. 이 값은 0퍼센트부터 100퍼센트까지의 백분율로 표현되는데 마치 자동차의 연료 3분의 1이 남았는지 정확히 아는 것과 같습니다. 하지만 배터리는 연료통과 달라서 눈으로 남은 양을 볼 수 없고 화학적인 반응을 기반으로 작동하기 때문에 정확한 잔량을 측정하기가 매우 까다롭습니다.
배터리 속을 들여다보는 등가회로모델의 이해
배터리의 복잡한 내부 화학 작용을 수학적으로 완벽하게 풀어내는 것은 슈퍼컴퓨터로도 어려운 일입니다. 그래서 엔지니어들은 배터리의 전기적 특성을 우리가 잘 아는 저항이나 커패시터 같은 전자 부품들의 조합으로 바꾸어 표현하는 방법을 찾아냈습니다. 이를 등가회로모델이라고 부르며 배터리의 거동을 회로로 흉내 내는 것입니다.
가장 기본형은 전압원과 저항 하나로 이루어진 모델이지만 배터리의 실제 거동을 묘사하기에는 정확도가 떨어집니다. 이보다 발전된 형태가 바로 두 개의 저항과 커패시터 쌍을 사용한 투알시 모델입니다. 이 모델은 배터리 내부의 순간적인 전압 강하뿐만 아니라 충전과 방전 과정에서 시간이 흐름에 따라 전압이 서서히 변하는 과도 현상까지 정밀하게 잡아낼 수 있습니다. 마치 용수철이 늘어났다가 원래대로 돌아오는 것처럼 배터리 내부의 화학 물질들이 반응하는 시간을 시뮬레이션할 수 있는 것입니다.
확장 칼만 필터가 배터리 추정에 필수적인 이유
모델을 만들었다고 해서 모든 문제가 해결되는 것은 아닙니다. 전류계와 전압계는 언제나 미세한 오차를 가지고 있으며 온도 변화나 배터리 노화에 따라 실제 값과 모델 값 사이에 차이가 벌어지게 됩니다. 이때 등장하는 구원투수가 바로 확장 칼만 필터입니다.
칼만 필터는 노이즈가 섞인 측정값 속에서 진짜 값을 찾아내는 강력한 알고리즘입니다. 하지만 배터리의 내부 저항이나 전압 관계는 수학적으로 반듯한 직선이 아니라 구불구불한 비선형 특성을 가집니다. 일반적인 칼만 필터로는 이를 다루기 어렵기 때문에 테일러 급수라는 수학적 기법을 빌려 곡선을 순간적으로 직선으로 근사하여 계산하는 확장 버전을 사용하는 것입니다. 이 필터는 이전 단계의 예측값과 현재 들어오는 실제 측정값을 끊임없이 비교하고 보정하면서 가장 믿을 만한 충전 상태 값을 실시간으로 계산해냅니다.
실생활에서 마주하는 배터리 추정의 오해와 진실
배터리 잔량 표시에 대해 사람들이 흔히 오해하는 부분 중 하나는 완충과 완전 방전을 주기적으로 반복해야 배터리 수명이 늘어난다는 믿음입니다. 과거 니켈 기반 배터리 시절에는 기억 현상 때문에 이것이 맞았지만 요즘 널리 쓰이는 리튬이온 배터리는 오히려 0퍼센트까지 완전히 방전시키는 습관이 수명을 갉아먹는 주범입니다.
또 다른 오해는 스마트폰 화면에 나타나는 에스오씨 값이 배터리 내부의 실제 화학적 상태를 눈금 하나도 틀리지 않고 보여준다는 생각입니다. 사실 화면에 표시되는 값은 시스템 알고리즘이 여러 변수를 종합하여 보기 좋게 가공한 추정치에 불과합니다. 배터리가 오래될수록 내부 저항이 커지기 때문에 모델의 파라미터도 함께 수정해주어야 오차가 생기지 않습니다. 전문가들은 정확한 추정을 위해 주기적으로 배터리를 완전히 충전하고 방전하는 교정 과정을 거치는 것이 알고리즘의 기준점을 잡아주는 데 도움이 된다고 조언합니다.
비용 효율적인 구현을 위한 엔지니어링 접근법
투알시 등가회로모델과 확장 칼만 필터를 실제 하드웨어에 구현하려면 상당한 연산 능력이 필요합니다. 비싼 고성능 반도체를 사용하면 정확도를 높이기 쉽겠지만 제품 단가가 올라가는 치명적인 단점이 생깁니다. 따라서 실제 개발 현장에서는 비용과 성능 사이의 균형을 찾는 것이 핵심 과제입니다.
저렴한 마이크로컨트롤러에서도 알고리즘이 부드럽게 돌아가도록 행렬 연산을 최적화하고 불필요한 소수점 연산을 줄이는 기법이 적극적으로 활용됩니다. 예를 들어 매 순간 복잡한 미분 방정식을 풀기보다는 사전에 계산된 표를 참조하거나 연산 주기를 조절하여 프로세서의 부담을 낮추는 방식을 씁니다. 또한 배터리 온도에 따라 변하는 파라미터들을 미리 측정하여 데이터베이스화해 두고 필요할 때 불러오는 방식을 쓰면 적은 비용으로도 상용 수준의 높은 정확도를 달성할 수 있습니다.
개발 과정에서 자주 마주치는 질문과 해결책
이 시스템을 처음 구현하는 엔지니어들이 가장 많이 묻는 질문 중 하나는 모델 파라미터를 정확히 어떻게 추출하느냐는 것입니다. 이를 위해 펄스 테스트라는 실험을 진행합니다. 배터리에 일정한 크기의 전류를 짧은 시간 동안 흘려보내고 그때 나타나는 전압의 변화 양상을 분석하면 저항과 커패시터의 값을 역산할 수 있습니다.
또 다른 질문은 차량이 주차되어 시동이 꺼져 있는 동안에는 알고리즘을 어떻게 유지해야 하는가입니다. 시동이 꺼진 상태에서도 배터리는 스스로 전압을 회복하는 휴지기를 거치게 됩니다. 이때는 확장 칼만 필터의 연산을 잠시 멈추고 룩업 테이블 방식을 사용하여 개방 회로 전압을 측정한 뒤 그에 맞는 정확한 충전 상태를 다시 계산하여 저장해 두는 것이 일반적인 해결책입니다. 이렇게 해야 다음에 시동을 켤 때 계기판의 잔량이 갑자기 널뛰는 현상을 막을 수 있습니다.
jik4202
댓글 0
첫 댓글을 남겨보세요.