리튬 배터리의 SOC 및 FCC 이해

2025 년 4 월 28 일

이판 박사

후베이대학교에서 이학박사 학위를 취득하고, 중남대학교에서 재료과학 및 공학 박사후 연구원으로 재직 중입니다. 탄탄한 과학적 연구 배경과 풍부한 실무 경험을 바탕으로 고성능 전극 소재, 방폭 전지, 저온 전지 분야에 대한 장기 연구를 수행하고 있습니다.

리튬 배터리 시스템의 충전 상태(SOC)와 완전 충전 용량(FCC)을 이해하면 배터리의 전체 용량에 대한 남아 있는 에너지의 비율을 모니터링할 수 있습니다. 리튬 배터리에서는 SOC FCC 배터리 성능, 상태, 사용성을 설명하는 데 사용되는 중요한 매개변수입니다.

주요 요점

충전 상태(SOC)를 알면 에너지가 얼마나 남았는지 알 수 있습니다. 이는 다음과 같은 장치를 유지하는 데 도움이 됩니다. 의료 도구 로봇이 잘 작동합니다.
완전 충전 용량(FCC)은 배터리가 저장할 수 있는 최대 에너지를 나타냅니다. FCC를 확인하면 수리 계획을 세우고 배터리 수명을 늘리는 데 도움이 됩니다.
배터리 시스템에서 SOC와 FCC를 함께 사용하면 안전성과 효율성이 향상됩니다. 또한 장치 성능을 향상시키고 비용을 절감할 수 있습니다.

1부: 리튬 배터리의 SOC와 FCC는 무엇인가?

1.1 SOC: 배터리 관리 시스템의 정의 및 역할

정의

SOC는 배터리의 현재 최대 용량(FCC) 대비 남은 사용 가능 에너지를 백분율로 나타낸 것입니다.

예: SOC가 80%인 배터리는 사용 가능한 에너지의 80%가 남아 있습니다.

주요 특징:

동적: 충전/방전 중에 빠르게 변합니다(예: 몇 분 만에 50%에서 30%로 변함).

사용자 중심: 장치에 "배터리 백분율"을 표시합니다(예: 로봇, 의료 기기).

안전에 중요함: 배터리를 손상시킬 수 있는 과충전(SOC=100%) 또는 과방전(SOC=0%)을 방지합니다.

측정 방법:

쿨롱 카운팅: 시간에 따른 전류 흐름을 추적합니다(전류를 통합하여 전하를 계산합니다).

전압 상관 관계: 배터리 전압(화학 및 온도에 따라 다름)을 기반으로 SOC를 추정합니다.

고급 알고리즘: 전압, 온도, 노화 및 임피던스 데이터를 결합합니다(배터리 관리 시스템(BMS)에 사용됨).

머신 러닝 알고리즘 및 가우시안 프로세스 회귀 분석과 같은 SOC 추정 기술의 발전을 활용하면 더 높은 정확도를 달성하고 배터리 관리 시스템을 개선할 수 있습니다. 이러한 방법은 광범위한 현장 데이터를 활용하여 실제 적용 환경에서 견고하고 신뢰할 수 있는 결과를 보장합니다.

1.2 FCC: 정의 및 리튬 배터리 성능에 미치는 영향

FCC(완전 충전 용량)는 리튬 배터리가 현재 건강 상태(SOH)에서 저장할 수 있는 최대 전하량(mAh 또는 Ah로 측정)을 나타냅니다. 이는 배터리의 실제 사용 가능 용량을 나타내며, 배터리 수명 기간 동안 화학적 및 물리적 열화로 인해 감소합니다.

공칭 용량 대 FCC:

명목 용량: 배터리가 새것일 때 제조업체가 지정한 이론적인 용량(예: 3000mAh).
FCC: 노후화와 사용에 따라 감소하는 실제 용량(예: 2700회 충전 사이클 후 500mAh).

FCC 저하로 이어지는 요인

FCC 감소는 배터리 내부 화학 물질의 돌이킬 수 없는 변화로 인해 발생합니다.

전극 열화:

리튬 이온 배터리는 흑연 음극과 금속 산화물 음극을 사용합니다. 반복적인 충전/방전은 기계적 응력(예: 균열, 분쇄)과 활물질 손실을 유발합니다.

전해질 분해:

전해질은 시간이 지남에 따라 분해되어 리튬 이온을 소모하는 고체 전해질 계면(SEI) 층을 형성하여 사용 가능한 전하 운반체를 감소시킵니다.

외부 요인들:

온도: 고온(>40°C)에서는 부반응과 SEI 성장이 가속화됩니다.

충전/방전 요금: 빠른 충전과 높은 방전 전류는 열과 스트레스를 발생시킵니다.

방전 깊이 (DoD): 빈번한 심방전(예: 0%~100%)은 전극에 부담을 줍니다.

1.3 배터리 팩의 SOC와 FCC의 관계

배터리 팩(직렬 또는 병렬로 연결된 여러 개의 셀로 구성됨)에서 다음 사이의 관계는 다음과 같습니다. SOC(충전 상태) FCC(완전 충전 용량) 배터리 팩의 성능은 개별 셀의 SOC 및 FCC뿐만 아니라 셀 간 일관성(예: 용량, 내부 저항, 노화의 차이)과 배터리 관리 시스템(BMS)의 제어 전략에 따라 달라집니다.

기본 정의

SOC(충전 상태): 단일 셀 또는 전체 팩의 현재 남은 충전량 백분율(현재 최대 용량 대비).

FCC(완전 충전 용량): 단일 셀 또는 전체 팩이 현재 건강 상태에서 저장할 수 있는 최대 전하량(Ah 또는 Wh로 측정).

셀과 팩의 관계

모든 셀의 SOC와 FCC는 직렬 또는 병렬 구성을 통해 팩의 전반적인 성능을 결정합니다.

시리즈 연결 팩

총 전압 = 셀 전압 × 직렬로 연결된 셀 수.
총 FCC = 모든 셀 중 최소 FCC.
예: FCC가 3mAh, 2000mAh, 1900mAh인 2100개의 셀이 직렬로 연결된 경우, 팩의 유효 FCC는 1900mAh입니다(가장 약한 셀을 기준으로 결정).
총 SOC: 가장 약한 세포에 의해 제한됨.
한 셀의 SOC가 0%로 떨어지면 다른 셀이 여전히 충전되어 있더라도 전체 팩의 방전이 중단됩니다.

병렬 연결 팩

총 용량 = 개별 셀 FCC의 합계.
총 SOC: 개별 셀 SOC의 가중 평균(FCC 기준).
예: 2000mAh(SOC=50%)와 1000mAh(SOC=100%)의 FCC를 병렬로 연결한 두 개의 셀의 총 SOC는 (2000×50% + 1000×100%) / (2000+1000) = 66.7%입니다.

배터리 팩의 SOC와 FCC 간 상호 작용

세포 불균형의 영향

셀 간 FCC 변동(불균일한 용량 저하)으로 인해 다음과 같은 문제가 발생합니다.

SOC 불균형:

충전/방전 중에 FCC가 낮은 셀은 SOC 변화가 더 빠릅니다. 예를 들어, 직렬 팩에서 가장 약한 셀이 먼저 100% SOC에 도달하거나(과충전 위험) SOC가 너무 일찍 0%로 떨어질 수 있습니다(조기 방전).

감소된 용량 활용도:

팩의 사용 가능한 용량은 가장 약한 셀(직렬)에 의해 제한되어 전반적인 FCC 효율성을 낮춥니다.

BMS 밸런싱 전략

BMS는 능동 또는 수동 밸런싱을 사용하여 셀 간 SOC 및 FCC 차이를 완화합니다.

패시브 밸런싱: 저항기를 통해 고 SOC 셀의 과도한 에너지를 소모합니다(소형 팩에 적합).
액티브 밸런싱: 높은 SOC에서 낮은 SOC 셀로 에너지를 전달합니다(효율성은 높지만 비용이 많이 듭니다).
동적 FCC 조정: BMS는 셀 FCC를 지속적으로 모니터링하고 팩의 총 FCC를 다시 계산합니다.

수학적 관계

팩의 총 SOC 및 FCC는 셀 용량을 기준으로 계산됩니다.

2부: SOC와 FCC는 어떻게 측정 또는 추정되는가?

2.1 SOC(충전 상태) 측정/추정

SOC는 배터리에 남아 있는 사용 가능한 에너지를 백분율로 나타낸 것입니다. 배터리의 비선형적인 동작과 온도 및 노화와 같은 외부 요인으로 인해 SOC를 추정하는 것은 어렵습니다. 일반적인 방법은 다음과 같습니다.

직접 측정 방법

개방 회로 전압(OCV) 방법:
과학원리: SOC는 배터리가 정지 상태(무부하 상태)일 때 배터리 전압과 상관 관계가 있습니다.
방법:
배터리를 부하/충전기에서 분리하고 그대로 두세요(예: 1~2시간).
전압을 측정하여 사전 정의된 OCV-SOC 조회 테이블(배터리 화학 성분에 따라 다름)과 비교합니다.
장점: 간단하고 비용이 저렴합니다.
단점: 휴식 시간이 필요하고, 동적인 조건이나 노화에 따라 부정확합니다.
쿨롱 계산(전류 적분):
과학원리: 시간에 따른 전류를 적분하여 순 전하 흐름을 추적합니다.
공식:
여기서 SOC0 = 초기 SOC, I = 전류(충전 시 양수, 방전 시 음수)입니다.
장점: 실시간 추정, 작업 중에도 작동합니다.
단점: 정확한 초기 SOC가 필요합니다. 센서 드리프트, 누출 또는 FCC 변경으로 인해 오류가 누적됩니다.

모델 기반 추정

등가 회로 모델(ECM):
전압, 전류, 내부 저항을 결합하여 배터리 동작을 시뮬레이션하기 위해 전기 모델(예: 테브난 모델)을 사용합니다.
SOC는 모델 출력을 실시간 측정값과 비교하여 추론됩니다.
칼만 필터(확장 칼만 필터, EKF):
쿨롱 계산과 전압/전류 측정, 통계적 노이즈 필터링을 결합하여 SOC를 예측하는 재귀 알고리즘입니다.
장점: 센서 부정확성과 동적 조건을 처리합니다.
단점: 계산 집약적이며 정확한 배터리 모델이 필요합니다.
머신 러닝 (ML):
과거 데이터(전압, 전류, 온도)를 사용하여 신경망이나 회귀 모델을 훈련하여 SOC를 예측합니다.
장점: 노화와 비선형적 행동에 적응합니다.
단점: 대규모 데이터 세트와 컴퓨팅 리소스가 필요합니다.

하이브리드 방법

더 높은 정확도를 위해 OCV, 쿨롱 계산, 모델 기반 접근 방식을 결합합니다.

예: 쿨롱 카운팅을 통한 실시간 업데이트를 활용하면서 OCV를 사용하여 SOC를 주기적으로 재설정합니다.

2.2 FCC(Full Charge Capacity) 측정/추정

FCC는 배터리의 최대 저장 가능 충전량을 반영하며, 시간이 지남에 따라 성능이 저하됩니다. 추정 방법은 다음과 같습니다.

직접 측정

완전 방전/충전 주기:
방법:
배터리를 SOC 0%까지 완전히 방전한 다음, 총 충전 입력을 측정하면서 100%까지 충전합니다.
측정된 요금은 현재 FCC입니다.
장점: 가장 정확한 방법.
단점: 시간이 많이 걸리고 배터리에 부담을 줍니다(매일 사용하기에 적합하지 않음).
보간을 통한 부분 사이클링:
부분 사이클에 대한 충전/방전을 측정하고 알려진 SOC 경계를 사용하여 FCC를 외삽합니다.

모델 기반 추정

노화 모델:
FCC 저하를 예측하기 위해 사이클 횟수, 온도 이력, 방전 깊이(DoD)를 추적합니다.
예:
여기서 k = 저하 계수(경험적으로 결정됨).
임피던스 분광법:
FCC 손실과 상관관계가 있는 내부 저항이나 임피던스 변화를 측정합니다.
BMS 알고리즘:
FCC를 지속적으로 업데이트하려면 다음을 사용하세요.
여기서 ΔSOC = 충전/방전 단계 동안의 SOC 변화입니다.

적응 형 학습

최신 BMS 시스템은 머신 러닝을 사용하여 과거 사용 패턴과 성능 저하 추세를 기반으로 FCC 추정치를 조정합니다.

2.3 SOC/FCC 추정의 과제

노화 효과:
배터리의 화학 성분은 시간이 지남에 따라 변하며, OCV-SOC 관계와 내부 저항이 변경됩니다.
온도 의존성:
낮은 온도는 FCC를 감소시키고 전압 판독값을 왜곡시키며, 높은 온도는 노화를 가속화합니다.
팩의 셀 불균형:
다중 셀 시스템에서는 개별 셀의 FCC/SOC 변화로 인해 팩 수준 추정이 복잡해집니다.
센서 오류:
전류/전압 센서의 부정확성은 쿨롱 계산에서 누적 오차로 이어진다.

충전 상태와 완전 충전 용량은 리튬 배터리 성능, 안전성 및 효율 최적화에 필수적인 지표입니다. 정확한 SOC(충전 상태) 및 FCC(연방 충전 기준) 예측은 의료 기기, 로봇 공학, 인프라와 같은 산업에서 안정적인 작동을 보장합니다. AI 기반 알고리즘 및 첨단 소재와 같은 신기술은 용량 저하와 같은 문제를 해결하고 배터리 관리 시스템을 향상시킬 것으로 기대됩니다. 이러한 혁신은 에너지 밀도를 최대 40% 향상시켜 작동 시간을 늘리고 신뢰성을 향상시킵니다. 이러한 발전을 활용하면 배터리 팩의 수명과 효율을 극대화하여 중요 애플리케이션에 지속 가능하고 비용 효율적인 솔루션을 제공할 수 있습니다.