Q&A: 10분 급속충전 위한 리튬이온 배터리 설계 발전

아이다호 국립연구소 탄비르 타님(Tanvir Tanim) 박사팀이 도로변 충전소에서 10~15분 충전 가능한 리튬이온 배터리 설계. 이런 조건에서 발생할 수 있는 바람직하지 않은 리튬 도금 검출 머신러닝 알고리즘 개발.

Tech Briefs: 프로젝트 어떻게 시작됐나?

탄비르 타님 박사: 2017년 에너지부 차량기술국 후원 극한 급속충전(XFC) 프로그램 참여. 목표 리튬이온 배터리 극한 급속충전 가능케 함 - 10~15분 충전 - 기본적으로 전기차 충전 경험 휘발유 차량 주유 경험과 비슷하게 만듦. 전기차 소비자 주요 고려사항 중 하나.

그 프로그램 위해 극한 급속충전 속도로 리튬이온 배터리 많이 테스트. 고속 충전 시 많은 문제 직면 - 리튬 도금 주요 하나. 배터리 유한 리튬량 함유, 충방전 중 손실 원치 않고 양극-음극 왕복 순환 원함. 급속충전 시 순환 가능 리튬이 음극 표면 도금될 수 있음, 바람직하지 않은 기생 반응 - 도금된 리튬 회수 불가 - 방전 시 양극 복귀 못 함.

도금 다른 문제도. 초기에 감지 못 하면 계속 발생해 치명적 사건 초래 가능. 예: 도금 Li 덴드라이트 형태 취해 음극에서 바늘처럼 자라 분리막 뚫고 내부 단락 생성 가능.

그래서 리튬이온 배터리 많이 테스트, 설계 수정, 재테스트로 리튬 도금 발생 여부 확인. 당시 도금 감지 좋은 방법 없었음. 테스트 후 셀 뜯어 도금 있는지 보거나 추가 사후 테스트. 고체 전기화학적 시그니처 기반 리튬 도금 감지 방법 없었지만 많이 배움.

그 후 물리 기반 머신러닝이라 불리는 다른 프로그램 참여, 역시 DOE 후원. 목표 인공지능/머신러닝 기반 알고리즘 개발로 배터리 수명 신뢰성 있는 예측과 열화 근본 원인 식별. 그때 이미 많은 데이터 수집, 다양한 열화 모드·메커니즘 포괄적 이해 생성. 우리 그 데이터 다 있고 전기화학적 시그니처가 리튬 도금과 연관됨 알기에, 그냥 머신러닝 문제로 공식화해보자 생각. 전기화학적 시그니처 사용, 머신러닝 접목, 리튬 도금 감지 전략 도출 가능한지 보자.

일 thing led to another, 이 방법이 셀 뜯지 않고 초기에 리튬 도금 감지하는 아주 좋은 방법 될 수 있단 결론 도달. 셀 열고 사후 테스트 시간 걸리고 비싸고 배터리 수명 주기 개발 지연.

Tech Briefs: 그럼 특정 전기화학적 시그니처 감지하는 게 방법인가?

타님: 그때 이미 전기화학적 데이터 톤, 그 뒤 물리에 대한 좋은 이해 얻음. 리튬 도금과 연관될 수 있는 핵심 전기화학적 시그니처 식별. 그 데이터로 머신러닝 접목, 당시 공식화한 문제 해결.

Tech Briefs: 어떤 특정 데이터 사용했는지 말해줄 수 있나?

타님: 주로 전기화학적 데이터 초점. 쉽게 수집 가능 - 사실 테스트 중 항상 전기화학적 시그니처 찾아 리튬이온 배터리 수명·성능 문제 기술. 대표 시그니처: 전압, 전류, 온도 등. 이 시그니처들 다양한 2차 변수로 변환 가능. 예: 방전 용량·용량 페이드 트렌드, 선형성·비선형성. 충전 끝 휴지 전압, 방전 끝 전압 어떻게 사이클링 따라 변하는지, 쿨롱 효율 등.

Tech Briefs: 방전 용량 의미?

타님: 배터리 사용 중 에너지 빼내는 것, 방전이라 부름. 용량 측정 단위 중 암페어시.

Tech Briefs: 용량 페이드?

타님: 새 배터리 특정 용량 - 예: 1암페어시. 사이클링 따라 용량 감소. 용량(또는 에너지) 페이드 = 감소 비율. 정상 경우 감소 트렌드 꽤 선형, 특히 초기 사이클. 리튬 도금 시 트렌드 매우 비선형 - 초반 높은 페이드율, 나중 덜 페이드.

리튬 도금 다양한 조건서 발생. 급속충전 외에도 영하 온도 충전, 배터리 노화 관련 불균형 이슈 시 발생. 시그니처들 모든 도금 조건에 동일하게 민감하진 않을 수 있음. 그래서 급속충전 가장 민감한 시그니처 식별해 머신러닝 알고리즘 개발에 사용.

Tech Briefs: 사용한 시그니처들?

타님: 급속충전 가장 민감한 시그니처: 셀 용량 페이드 트렌드(선형/비선형), 충전 끝 휴지 전압, 쿨롱 효율.

다른 이들이 보고한 두 주요 시그니처 dQ/dV, dV/dt는 급속충전 조건서 매우 공격적 도금 상황 아닌 한 그리 민감하지 않음 발견.

Tech Briefs: 쿨롱 효율 설명?

타님: 쿨롱 효율 = 방전 용량 / 충전 용량 백분율 비율.

Tech Briefs: 용량 페이드 어떻게 측정?

타님: 테스트 필요. 랩 스케일에서 배터리 사이클링 시 특정 사이클 선택해 충/방전 용량 측정. 전류·시간으로 암페어시 용량 계산. 배터리 열화되며 같은 과정 반복하면 노후 상태 용량 구하고 신선 상태 대비 페이드 백분율 계산.

Tech Briefs: 다른 충전 프로토콜 실험해 봤나?

타님: 리튬 도금 피하려 배터리 설계 여러 방식 수정 가능: 소재 변경, 전극 설계 변경, 전해질 등 여러 측면 변경. 운영 조건이나 충전 프로파일 변경도 가능. 예: 다른 충전 프로토콜 시도해 베이스라인 비교. 정전류/정전압 대신 다단계 등 다른 충전 프로토콜 시도. 온도 변경도 가능.

우리 리튬 도금 감지 방법 설계 변경이나 충전 프로토콜 관계없이 적용 가능.

Tech Briefs: 이게 어떻게 구현될지?

타님: 이 방법 가치 기여할 두 시나리오. 첫째: 랩 연구 과학자용. 주어진 운영 조건에서 리튬 도금 발생 여부 더 빨리 알 수 있음 - 셀 뜯거나 사후 분석 안 해도 됨. 전기화학적 시그니처만으로 이 특정 설계·운영 조건에서 리튬 도금 발생 중인지 10~25 사이클 내 알 수 있음. 배터리 설계 수정 필요 여부 조기 파악. 돌아가 설계 수정, 재테스트로 올바른 방향인지 확인.

전기화학적 시그니처, 일부 수정·추가 검증 거쳐 전기차 탑재 배터리관리시스템(BMS)이나 리튬이온 배터리 쓰는 정지형 응용에도 구현 가능. OEM이나 배터리 제조사 이미 대부분 시그니처 수집. 베이스라인 삼아, 초기 수명 아닌 몇 년 뒤, 배터리 초반엔 괜찮았는데 뭔가 변해 리튬 도금 시작됐음 경고 가능. "이제 리튬 도금 있으니 배터리 조치 필요 조기 경고."

Tech Briefs: 상용화 시기 대략 예상?

타님: 가출원 특허 보유, 정식 특허 곧 제출 예정. 추가 개발 위해 협력 기회 모색 중, 민간 기업들 관심 많음. DOE 기술상용화기금으로 타 민간 산업과 협력해 추가 개선·탑재 응용 시연 가능, 하지만 구체적 추측 안 함.

이 인터뷰 편집본 2021년 12월호 Tech Briefs 게재.