1. 서 론
2. 충전율과 전압 변화 데이터 측정
2.1. 측정 차량의 고전압배터리 제원
2.2. 측정 방법
2.3. 센서 데이터 수집
3. 측정 데이터 분석 및 활용
3.1. 니로 EV
3.2. 봉고3 EV
3.3. 전류와 온도의 영향
3.4. 분석 데이터 비교 및 평가
3.5. EV 컨버전 튜닝검사 활용
4. 결 론
1. 서 론
정부는 자동차가 배출하는 온실가스 감축 및 탄소중립 계획에 따라 EV 컨버전의 활성화를 촉진하고자 하는 다양한 정책을 시행하고 있다.(1,4) 내연기관 자동차를 전기차로 개조하는 EV 컨버전은 탈탄소화 전략을 성공적으로 통합할 수 있는 잠재력을 가지고 있으며,(2) 소형 세단 자동차의 온실가스 배출량은 내연기관 자동차 대비 생산 단계에서 40%, 운행단계에서 30% 감소하는 것으로 보고되고 있다.(3)
해외의 경우 EV 컨버전에 대한 규제 기준이 비교적 낮고, 다양한 지원 제도를 운영하면서 민간 시장에서의 안정적인 정착을 유도하고 있다. 이에 반해 국내는 EV 컨버전에 대한 사회적 인식이 비교적 낮고, 관련 규제 기준의 정비나 지원 제도의 미비로 인해 활성화가 지연되고 있는 실정이다.(4)
국토교통부는 전기차 튜닝제도 개선을 위한 EV 컨버전 안전성 인증 평가기술과 튜닝검사 프로세스 개발을 진행하고 있다. 안전성 인증 평가기술은 튜닝 업체의 진입 장벽으로 인식되고 있는 현행 안전성 시험항목과 시험방법을 개선하여 인증 비용과 인증 기간을 획기적으로 단축할 계획이다.
튜닝검사 프로세스 개발은 EV 컨버전에 대한 최소한의 운행 안전성을 확보하기 위한 세부 검사항목을 도출하고, 각 항목별 검사 시나리오를 개발하고 있다.
EV 컨버전 자동차에 대한 튜닝검사는 현행 자동차검사기준에서 정한 전기차의 해당 사항 이외에 EV 컨버전의 주요 장치 및 부품에 대한 동일성, 기능성, 안전성을 별도로 검사하도록 규정하고 있다.(5) 동일성 검사는 주요 부품이 안전성 확인(시험)을 받은 때와 동일한지 확인하는 검사를 말한다. 기능 검사는 EV 컨버전 주요 장치 및 부품이 정상 작동하는지 확인하는 검사이고, 안전성 검사는 개조 전기차의 안전성 확인에 필요한 검사를 말한다.(6)
전기차 고전압배터리의 진단 및 추정에 대한 연구는 전기차의 안전성 확보와 성능 예측을 위한 SOC 또는 SOH 추정 연구가 활발히 수행되고 있다. SOC의 추정은 단순한 전류 적산법의 한계를 넘어 물리기반 등가회로 모델(PBECM)에 칼만 필터(EnKF)를 접목하거나 배터리 노화에 따른 용량 감소 특성을 확장형 칼만 필터로 보정하는 연구가 진행되었다.(7,8) 또한 셀간 전압 편차 및 에너지 불균형을 해결하기 위해 LSTM, GRU와 같은 인공지능 모델을 이용해 SOC의 비선형적 관계를 학습하고 추정하는 연구가 진행되었고,(9) 자동차 검사 데이터를 활용하여 배터리의 상태 지수를 예측하고 건강상태(SOH)를 평가하는 알고리즘 연구가 진행되었다.(10,11)
이러한 선행 연구들은 배터리의 상태를 정밀하게 예측하는데 크게 기여하고 있지만 고도의 연산, 복잡한 파라미터, 다양한 인자가 포함된 고품질의 데이터를 요구하기 때문에 튜닝검사의 실무 평가에 적용하기에는 현실적인 한계가 존재한다.
EV 컨버전 튜닝검사에서 고전압배터리의 동일성과 기능 검사를 수행하기 위해서는 개조 전기차에 장착된 고전압배터리의 충전상태(SOC)에 따른 전압(Voltage) 평가가 필요하다. 고전압배터리의 주요 안전성 인자인 온도, 전류, 전압 밸런스 등의 신호는 SOC와 관계없이 제조사가 설정한 안전기준에 따라 정상 신호 확인이 가능하다. 그러나 고전압배터리의 팩 전압 또는 셀 전압은 충전상태에 따라 변화되므로 전압 신호의 정상 여부를 평가하기 위해서는 충전율(SOC rate)에 따른 전압의 변화 특성을 파악할 필요가 있다.
본 연구에서는 고전압배터리의 SOC-전압 특성을 분석하여, EV 컨버전 튜닝검사 시 SOC에 따른 전압 신호의 정상 여부를 평가하기 위한 실무적인 방법과 기준을 제안하고자 한다.
2. 충전율과 전압 변화 데이터 측정
2.1. 측정 차량의 고전압배터리 제원
측정 대상 차량은 2022년식 니로 EV와 2023년식 봉고3 EV로 선정하였다. 니로 EV에 장착된 고전압배터리의 용량은 64.8 kW, 봉고3 EV에 장착된 고전압배터리 용량은 58.8 kWh로 주요 제원은 Table 1과 같다.
Table 1.
High voltage battery specification
| Elements | Niro EV | bongo3 EV |
| Capacity | 64.8 kWh | 58.8 kWh |
| Rated voltage | 358 V | 327 V |
| Cell composition | 96S/24M | 90S |
| Cell voltage | 2.5~4.2 V | 2.5~4.2 V |
| Pack voltage | 240~403 V | 225~387 V |
2.2. 측정 방법
니로 EV 및 봉고3 EV 차량에 고전압배터리의 센서 데이터를 실시간으로 수집할 수 있는 데이터 로거(Data Logger)를 장착하고, 완속충전(Slow charging) 및 고속충전(Fast & Rapid charging) 과정에서 고전압배터리의 SOC와 팩(Pack) 전압을 측정하였다. 시험에 사용한 완속충전기의 용량은 7 kW, 급속충전기의 용량은 100 kW다. Fig. 1은 측정대상 차량의 차내 OBD 단자에 통신모듈과 데이터로거를 장착하고 센서 데이터를 수집한 모습이다.
2.3. 센서 데이터 수집
데이터로거를 활용하여 완속 및 급속충전 과정에서 BMS의 SOC, 팩전압, 셀전압, 전류, 온도 등의 센서 데이터를 1 Hz의 샘플링 속도로 수집하였다. Fig. 2는 니로 EV에서 수집한 완속 및 급속 충전 시 SOC와 팩전압의 프로파일 그래프이고, Fig. 3~4는 시간에 따른 팩전압, 충전 전류, 온도 변화를 측정한 프로파일 그래프다. 측정 데이터 수는 완속충전 N=36,545, 급속 충전 N=6,350 이다.
Fig. 5는 봉고 EV에서 측정한 SOC와 팩전압의 프로파일 데이터이고, Fig. 6~7은 시간에 따른 팩전압, 충전 전류, 온도 변화를 측정한 프로파일 그래프다. 측정 데이터 수는 완속충전 N=84,967, 급속 충전 N=6,560 이다.
완속 및 급속충전 과정에서 수집한 SOC와 팩전압 데이터는 충전 전류가 인가된 상태에서 측정한 수치로, 차량 제원에 표시된 정격 전압(운전 전압)과 다소 차이가 나타날 수 있다.
3. 측정 데이터 분석 및 활용
3.1. 니로 EV
Fig. 8은 완속충전 모드에서 측정한 SOC에 따른 팩전압의 선형 변화와 추세선을 표시한 그래프다. 완속충전 과정에서 측정한 고전압배터리의 SOC와 팩전압의 선형 회귀 분석 결과, 결정계수(R2)는 0.99로 선형의 상관성이 매우 높은 것으로 분석되었다. 회귀 모형에서 SOC가 0%일 때의 예상 전압은 333.01V이고, SOC가 1% 상승할 때마다 팩 전압은 약 0.7559V 씩 증가하는 것으로 분석되었다.
Fig. 9는 니로 완속충전 선형 모델에서 관찰되는 잔차 산점도 그래프다. 잔차의 평균은 0에 수렴하고 표준편차는 약 1.35V로 분석되었다. 그래프를 보면 잔차가 완전히 무작위로 분포하지 않고 특정 구간에서 물결 또는 곡선 패턴이 나타나는데, 이러한 잔차 패턴은 충전의 초반과 후반부에서 발생하는 전압 상승 변화의 특성을 반영한 것으로 리튬이온 배터리의 비선형적 전기화학적 특성(12,13)에 기인한 것으로 판단된다.
또한 SOC-팩전압 선형 모델에서 잔차의 자기상관성과 비선형성이 관찰되고 있으나 전반적으로 SOC에 따른 팩전압 변화 사이에 매우 강한 선형 관계가 확인되고, 예측의 정확도가 비교적 높은 단순하고 직관적인 모델로서, 튜닝검사에서 물리적 해석의 용이성을 고려하면 허용 오차를 설정하여 실무적인 평가 모델로 활용 가능한 것으로 판단된다.
다만, 충전 초반 및 후반부에 나타날 수 있는 급격한 전압 변동은 특정 구간에서 예측 오차를 증가시킬 수 있으므로, 차량별 측정 데이터의 특성에 따라 안정된 SOC 구간 범위에서 선형 모델을 적용하거나 구간별 선형 모델의 적용도 필요한 것으로 판단된다.
Fig. 10은 급속충전 과정에서 측정한 고전압배터리의 SOC와 팩전압의 선형 분석 결과로, 결정계수(R2)는 약 0.99로 급속충전에서도 선형의 상관관계가 매우 높은 것으로 확인되었다. 회귀 모형에서 SOC가 0%일 때의 예상 전압은 349.12V이고, 선형의 기울기는 SOC가 1% 상승할 때마다 팩전압은 약 0.5952V 씩 증가하는 것으로 분석되었다. Fig. 11은 니로 급속충전 선형 모델에서 관찰되는 잔차 산점도 그래프다. 완속충전 모델과 같이 잔차가 물결 모양으로 비선형적인 자기상관성이 관찰되었다.
Table 2는 니로 EV의 완속충전과 급속충전 모드에서 선형 모델의 통계적 지표를 비교한 테이블이다.
Table 2.
Statistical indicators of the Niro EV
| Elements | Slow charging | Fast charging |
| R2 | 0.9959 | 0.9899 |
| SD(σ) | 1.3465 V | 1.6615 V |
| MAE | 1.0850 V | 1.1107 V |
| RMSE | 1.3465 V | 1.6615 V |
| Max Error | 3.7866 V | 5.8418 V |
두 모델에서 R2가 약 0.99 이상으로 강한 선형성 확인되었다. 표준편차, 평균절대오차(MAE), 평균제곱근오차(RMSE), 최대 오차 등의 모든 지표에서 완속충전 모델이 오차가 낮고 선형성이 안정적인 것으로 분석되었다.
3.2. 봉고3 EV
Fig. 12는 봉고3 EV의 완속충전 모드에서 측정한 SOC에 따른 팩전압의 선형 변화와 추세선을 표시한 그래프다. SOC와 팩전압의 선형 회귀 분석 결과, 결정계수(R2)는 0.99로 선형의 상관성이 매우 높은 것으로 분석되었다. 회귀 모형에서 SOC가 0%일 때의 예상 전압은 302.98V이고, SOC가 1% 상승할 때마다 팩 전압은 약 0.7251V 씩 증가하는 것으로 분석되었다.
Fig. 13은 봉고 EV의 완속충전 선형 모델에서 관찰되는 잔차 산점도 그래프다. 니로 EV의 완속충전 모델에서 관찰된 모양과 유사성이 높은 비선형성이 확인되었다.
Fig. 14는 급속충전 모드에서 측정한 SOC와 팩전압의 선형 분석 그래프다. 선형 회귀 분석 결과, 완속충전과 마찬가지로 결정계수가 0.99 이상으로 매우 강한 선형 관계가 확인되었다. 회귀 모형에서 SOC가 0%일 때의 예상 전압은 314.42V이고, SOC가 1% 상승할 때마다 팩 전압은 약 0.6465V 씩 증가하는 것으로 분석되었다. Fig. 15는 봉고 EV의 급속충전 모델에서 관찰된 잔차 산점도다. 다른 완속충전 및 급속충전 모델에서와 마찬가지로 잔차의 비선형성이 확인되었고, 특히 충전 시점에 급격한 전압변화로 인해 상대적으로 큰 음(-)의 오차가 나타났다.
Table 3은 봉고 EV의 완속충전과 급속충전 모델에서 분석된 통계적 지표를 비교한 테이블이다. 두 모델 모두 R2가 약 0.99 이상으로 강한 선형성 확인되었다. 봉고의 경우 급속충전 모델이 완속충전 모델보다 평균적인 오차가 낮으나 최대 오차가 18.76V로 매우 크게 나타났다.
Table 3.
Statistical indicators of the Bongo EV
| Elements | Slow charging | Fast charging |
| R2 | 0.9923 | 0.9932 |
| SD(σ) | 1.7092 V | 1.5775 V |
| MAE | 1.4328 V | 1.0151 V |
| RMSE | 1.7092 V | 1.5775 V |
| Max Error | 6.2690 V | 18.7644 V |
3.3. 전류와 온도의 영향
완속충전 시 니로 EV와 봉고 EV의 최대 충전전류는 각각 17A, 7A 내외로 변동성이 낮고, 배터리 내부 온도도 초기온도(15~24℃)에서 상승하지 않고 전압이 높아짐에 따라 서서히 낮아지는 것으로 분석되었다.
반면, 급속충전 시에는 대전류(니로 EV 최대 200A, 봉고 EV가 최대 119A)가 가변적으로 인입되었고, 배터리 온도도 30℃ 이상으로 상승하였다. 이러한 대전류의 인입과 온도 상승은 배터리 과열방지를 위한 충전전류제어를 유발하고, 이때 발생하는 급격한 전류의 변동은 전압의 변동성을 유발시키는 것으로 분석된다.
즉 급속충전 과정에서는 대전류 유입→온도상승→충전전류 제어→전압 변동 및 잔차 증가라는 연쇄 작용이 발생하여 전압 데이터의 선형성 및 변동성에 유의미한 영향을 미치는 것으로 분석된다.
3.4. 분석 데이터 비교 및 평가
완속 및 급속 충전 과정에서 측정한 고전압배터리의 SOC와 팩전압 변화 특성을 비교해보면 초기 전압은 급속 충전이 상대적으로 높고, 완속 충전이 낮게 나타났다. 이것은 급속 충전 시 유입되는 높은 충전 전류로 인해 초기 전압 상승이 높게 나타난 것으로 분석된다. 차종에서도 니로 EV의 초기 전압이 봉고3 EV보다 30V 이상 높게 나타나는데, 이러한 결과는 니로 EV가 상대적으로 많은 수의 셀을 연결하여 높은 전압 대역을 사용하는 시스템의 특성인 것으로 판단된다. 팩전압의 기울기 변화는 완속충전에서 상대적으로 높게 나오는데 이것은 상대적으로 낮은 충전 전류로 인해 내부 저항에 의한 손실이 낮게 나타났기 때문으로 분석된다. 또한 급속충전 시에는 대전류의 유입으로 초기 전압이 높고, 내부 온도 상승으로 인해 특정 구간에서 충전제어를 수행하면서 예측된 전압 상승 폭이 완속에 비해 완만해진 것으로 분석된다.
Table 4는 완속 및 급속충전 회귀 모델의 통계적 지표를 정량적으로 비교한 결과이다. 회귀 모델의 결정계수는 완속 및 급속 충전 모두 약 0.99 이상으로 매우 강한 선형성이 확인되었다. 니로 EV의 완속 모델이 모든 지표에서 오차가 낮아 가장 안정적인 선형성이 나타났고, 봉고 EV의 급속충전 모델이 오차가 낮으나 최대절대오차가 매우 크게 나타났다.
Table 4.
Statistical indicators by regression model
| EV | Charging Mode | R^2 | RMSE (V) | MAE (V) | Error (max) |
| Niro | Slow | 0.9959 | 1.3465 | 1.0850 | 3.7866 |
| Fast | 0.9899 | 1.6615 | 1.1107 | 5.8418 | |
| Bongo | Slow | 0.9923 | 1.7092 | 1.4328 | 6.2690 |
| Fast | 0.9932 | 1.5775 | 1.0151 | 18.7644 |
이는 완속충전이 저전류로 충전되어 안정적인 출력제어가 가능하나 급속충전에서는 대전류의 인입으로 전압점프(Voltage jump) 또는 비정형적 충전제어로 인해 다소 높은 편차가 발생한 것으로 판단된다. 따라서 EV 컨버전 튜닝검사 과정에서는 SOC와 전압의 선형이 전 구간에서 비교적 일정하고, 안정적인 특성을 보이는 완속충전 데이터의 활용이 적합한 것으로 판단된다.
또한 SOC-팩전압 선형 모델에서 관찰되는 충전 시점 및 종점 구간에서 나타나는 급격한 전압 변동과 잔차의 자기상관성을 보완하기 위해 구간별 선형 모델 또는 특정구간 선형 모델을 적용한다면 회귀 분석의 선형성을 개선하고 오차를 효과적으로 줄일 수 있을 것으로 판단된다.
Fig. 16은 니로 EV의 완속충전 데이터를 SOC 20% 이하 구간, SOC 20~80%, SOC 80~100% 구간으로 나누어 각각의 선형 회귀 분석과 잔차 분석을 수행한 결과다. Table 5는 SOC 구간별 회귀모델의 통계적 지표를 나타낸 것이다. 구간별 선형 분석을 적용한 결과 충전 초기 및 후반 구간에서 발생하는 오차가 크게 감소하고, 잔차의 비선형성도 일부 개선됨이 확인되었다.
Table 5.
Statistical indicators by section
| SOC | Data | R2 | SD (σ) | Error (max) |
| 0~20% | 4,310 | 0.9890 | 0.3267 V | 2.8438 |
| 20~80% | 22,552 | 0.9850 | 1.5520 V | 3.5592 |
| 80~100% | 9,683 | 0.9830 | 0.5403 V | 2.4010 |
3.5. EV 컨버전 튜닝검사 활용
개조 전기차에 장착된 고전압배터리의 동일성과 기능 검사를 수행하기 위해서는 배터리의 충전상태(SOC)와 전압 신호에 대한 적정성 평가가 필요하다. 고전압배터리의 전압은 충전상태에 따라 변화되므로 진단기에서 측정된 특정 시점의 SOC와 전압 수치만으로는 신호의 정상 여부를 평가하기 어렵다. 따라서 SOC와 전압 신호의 정상 여부를 평가하기 위해서는 SOC-전압의 변화 특성을 미리 파악하여 튜닝검사의 기준값을 설정해야 한다. 예를 들어, 니로 EV의 완속 충전 과정에서 측정한 SOC와 팩전압의 선형 회귀 모형은 식 (1)과 같고, 식 (2)와 같이 허용 오차를 추가하여 검사 기준값을 설정할 수 있다.
허용오차는 표준편차, 최대편차, MAE, RMSE, 측정오차, 검사환경 등을 고려하여 설정할 필요가 있다. 본 연구에서는 먼저 통계적 신뢰구간을 설정할 수 있는 표준편차(σ)를 기준으로 기본 허용 오차를 설정하되, 여기에 측정오차나 검사환경의 영향 등을 가산한 실무적인 허용 오차 설정을 제안한다. 기본 허용오차는 보수적 관점에서 표준편차의 3배(3σ, ±1.08%) 기준으로 적용하고, 측정오차와 환경 변동성을 고려하여 최대 ±2%까지 완화된 가이드라인을 적용하였다.
따라서, Fig. 17과 같이 튜닝검사에서 측정한 고전압배터리의 충전상태(SOC)가 88.5%이고, 이때 측정된 팩전압이 400.2V라면, 식 (2)에 의해 계산된 검사기준 팩전압은 399.9V±2.0% 되어 정상적인 신호라고 평가할 수 있다.
EV 컨버전 자동차는 튜닝검사 이전에 안전성 인증시험을 거쳐야 하고, 동시에 반복적인 충방전을 하게 된다. 이때 충전 과정에서 SOC와 전압 변화 데이터를 수집하여 튜닝검사의 기초 정보로 활용한다면 EV 컨버전 자동차에 장착된 고전압배터리의 SOC와 전압 신호에 대한 적합성 평가가 가능하다. 다만 SOC 및 전압 데이터는 회귀 모형의 선형이 상대적으로 안정적인 완속충전 데이터의 활용하고, 충전 초기 및 후반부의 오차를 줄일 수 있는 SOC 구간별 선형 모델의 활용을 제안한다.
4. 결 론
본 연구에서는 고전압배터리의 SOC-전압 특성을 분석하여, EV 컨버전 튜닝검사 시 고전압배터리의 SOC에 따른 전압 신호의 적정성 평가 방법을 분석하였다. 연구의 결과를 요약하면 다음과 같다.
1) 니로 EV 및 봉고3 EV 차량에 진단 데이터를 실시간으로 수집할 수 있는 데이터로거를 장착한 후 완속충전과 급속충전 모드에서 SOC와 팩전압 데이터를 측정하였다.
2) 완속충전 모드에서 측정한 고전압배터리의 팩 전압과 SOC의 상관 관계를 분석한 결과, 대상 차량 모두 전압과 SOC의 상관성이 높은 것으로 확인되며, 회귀 모형의 선형이 급속 충전 모드보다 상대적으로 안정적인 것으로 분석되었다.
3) 급속충전 모드에서 측정한 SOC와 팩전압 변화도 상관성이 높은 것으로 분석되나 높은 충전 전류로 인해 초기 전압이 높고, 실측값과 예측값의 편차가 상대적으로 높은 것으로 분석되었다.
4) EV 컨버전 자동차는 튜닝검사 이전에 안전성 인증시험을 하면서 반복적인 충방전을 하게 되므로, 인증시험 과정(충전)에서 SOC와 전압 데이터를 수집하여 튜닝검사의 기초 정보로 활용한다면 고전압배터리의 SOC와 전압 신호에 대한 적합성 평가가 가능하다.
5) SOC와 전압에 대한 튜닝검사 기준값은 수집 데이터를 통해 분석한 선형 모델에 허용 오차를 추가하여 설정할 수 있고, 이 기준을 토대로 신호의 정상 여부를 평가할 수 있다.
6) 튜닝검사 기준의 기초자료가 되는 SOC-전압 데이터는 선형이 상대적으로 일정하고 안정적인 완속충전 데이터의 활용이 적합하고, 충전 초기 및 후반부의 오차를 줄일 수 있는 SOC 구간별 선형 모델의 적용이 필요한 것으로 판단된다.
향후 연구에서는 고전압배터리의 SOC-전압 기준값에 대한 허용 오차 설정과 온도, 검사환경, 배터리 성능 및 사용이력 등에 의한 영향을 추가로 다양하게 분석하여 튜닝검사의 신뢰성과 보정 방법을 보완할 예정이다. 또한 EV 컨버전 자동차에 설치된 충전시스템의 기능 검사를 위해 완속 및 급속 충전 모드에서 발생하는 입출력 데이터를 분석하여 튜닝검사의 기준과 방법을 제시할 예정이다.
