전기차 배터리 잔존 수명(SOH) 예측: 충전 이력과 내부 저항을 활용한 열화 진단

전기차 배터리 잔존 수명(SOH) 예측: 충전 이력과 내부 저항을 활용한 열화 진단

전기차를 오래 운행하면 처음보다 주행 가능 거리가 줄어들 수 있다. 배터리의 사용 가능한 용량이 감소하고 내부 저항이 변하는 등 시간이 지나면서 전기화학적 특성이 달라지기 때문이다. 이러한 변화를 객관적으로 파악하는 데 활용되는 핵심 지표가 배터리 건강 상태를 의미하는 SOH(State of Health)다.

SOH는 배터리의 현재 상태를 이해하고 정비 시점을 판단하는 데 유용하다. 하지만 배터리 내부를 직접 확인하기 어려운 전기차에서는 충전 이력, 전압, 전류, 온도 및 내부 저항 등의 데이터를 활용해 상태를 추정해야 한다. 이 글에서는 주요 데이터가 배터리 열화 진단에 어떻게 활용되는지 살펴본다.

1. 배터리 SOH란 무엇인가?

SOH는 배터리가 초기 상태와 비교해 어느 정도의 성능을 유지하고 있는지를 나타내는 지표다. 일반적으로 초기 대비 용량 유지율이나 저항 변화 등을 기준으로 평가하지만, 제조사와 연구기관에 따라 정의와 계산 방식이 다를 수 있다.

용량 기반 SOH는 현재 측정된 사용 가능 용량을 초기 기준 용량과 비교해 계산하는 방식이다.

용량 기반 SOH 계산식

SOH(%) = 현재 측정 용량(Ah) ÷ 초기 기준 용량(Ah) × 100

예를 들어 초기 기준 용량이 75Ah이고 현재 측정 용량이 60Ah라면 용량 기반 SOH는 80%다. 이는 계산 원리를 설명하기 위한 가상 사례이며, 실제 차량의 진단 결과를 의미하지 않는다.

중요한 점은 SOH가 SOC와 다르다는 것이다. SOC는 현재 배터리에 충전된 에너지의 상대적인 수준을 나타내며, SOH는 배터리가 얼마나 열화했는지를 평가하는 데 사용된다.

2. 충전 이력이 배터리 열화 진단에 중요한 이유

배터리는 충전과 방전을 반복하는 과정에서 전극과 전해질의 특성이 변할 수 있다. 충전 이력에는 이러한 변화와 관련된 정보가 포함되어 있다.

예를 들어 충전 전류와 전압이 시간에 따라 어떻게 변했는지 분석하면 특정 구간에서 충전 반응이 달라졌는지 살펴볼 수 있다. 충전 온도와 충전 상태까지 함께 확인하면 동일한 전류 조건에서도 나타날 수 있는 차이를 해석하는 데 도움이 된다.

충전 이력 분석에서 활용할 수 있는 주요 데이터는 다음과 같다.

• 충전 시간과 충전량
• 충전 중 전압 및 전류 변화
• 충전 시작 시점의 배터리 온도
• 충전 시작 및 종료 시점의 SOC
• 반복 충전 과정에서 나타나는 전압 응답 변화

다만 충전 시간이 길어졌다는 사실만으로 배터리 열화를 확정할 수는 없다. 외부 온도, 충전기 출력, 차량의 충전 제어 전략, 배터리 예열 여부 등도 충전 시간에 영향을 미치기 때문이다.

3. 내부 저항으로 배터리 상태를 추정하는 방법

배터리 내부 저항은 전류가 흐를 때 전압이 변화하는 현상과 관련이 있다. 일반적으로 내부 저항이 증가하면 동일한 전류 조건에서 전압 강하와 발열이 커질 수 있다.

내부 저항은 배터리의 열화 상태를 평가하는 데 유용하지만, 측정값은 온도와 SOC, 측정 시간, 측정 방식에 따라 달라진다. 따라서 서로 다른 조건에서 얻은 저항값을 단순 비교하면 잘못된 결론에 도달할 수 있다.

예를 들어 저온 상태에서 측정한 저항이 상온에서 측정한 값보다 높더라도 그 차이가 모두 영구적인 열화 때문이라고 볼 수는 없다. 온도에 따른 일시적인 전기화학적 변화가 포함될 수 있기 때문이다.

실제 진단에서는 가능한 한 측정 조건을 통일하고, 저항 변화와 용량 유지율, 충전 이력 등을 함께 분석하는 것이 바람직하다.

4. SOH 예측에 활용되는 주요 데이터 비교

분석 데이터	확인할 수 있는 정보	주의할 점
충전 이력	충전량, 충전 시간, 전압 변화	충전기 출력과 온도 영향을 고려해야 함
내부 저항	전압 응답과 전력 손실 관련 특성	측정 조건에 따라 값이 달라질 수 있음
배터리 온도	열적 운전 조건과 반응 특성	센서 위치와 측정 정확도가 중요함
전압·전류 데이터	충전 및 방전 반응의 변화	순간적인 변동과 센서 오차를 구분해야 함
누적 운전 기록	사용 패턴과 장기적인 변화	기록 누락과 운전 환경 차이를 고려해야 함

한 가지 데이터만으로 배터리 상태를 정확하게 판단하기는 어렵다. 여러 지표를 결합하면 각 데이터의 한계를 보완할 수 있지만, 분석 모델의 품질과 데이터 신뢰성이 뒷받침되어야 한다.

5. 데이터 기반 SOH 예측 기술은 어떻게 작동할까?

SOH 예측 모델은 배터리 운전 데이터를 분석해 현재 상태를 추정하거나 미래의 열화 추세를 예측한다. 대표적인 방법으로는 물리적 모델 기반 접근법, 통계적 분석, 머신러닝 및 딥러닝 기법이 있다.

물리적 모델 기반 방법은 배터리의 전기화학적 특성과 등가회로 등을 이용해 상태를 추정한다. 배터리의 작동 원리를 반영할 수 있다는 장점이 있지만, 모델을 구성하고 매개변수를 보정하는 과정이 필요하다.

데이터 기반 방법은 과거 충전·방전 기록에서 특징을 추출하고, 해당 특징과 SOH 사이의 관계를 학습한다. 충분하고 대표성 있는 데이터가 확보되면 복잡한 운전 패턴을 분석하는 데 활용할 수 있다.

그러나 특정 배터리 모델에서 학습한 예측 모델이 다른 제조사의 배터리에서도 동일한 정확도를 보인다는 보장은 없다. 배터리 화학계와 운전 환경이 달라지면 예측 성능도 달라질 수 있다.

6. 배터리 잔존 수명 예측의 한계

SOH와 잔존 수명(RUL)은 서로 관련이 있지만 같은 개념은 아니다. SOH는 현재의 건강 상태를 나타내는 지표이며, RUL(Remaining Useful Life)은 정해진 성능 기준에 도달할 때까지 남은 사용 기간이나 충·방전 사이클을 추정하는 개념이다.

현재 SOH가 비슷한 두 배터리라도 향후 사용 환경에 따라 열화 속도는 달라질 수 있다. 높은 온도에서 장시간 운행하는 경우와 온도 관리가 잘되는 환경에서 사용하는 경우를 같은 방식으로 예측하기 어려운 이유다.

또한 차량에 표시되는 배터리 상태 값은 제조사의 추정 알고리즘에 따라 계산될 수 있다. 따라서 차량 화면에 나타나는 수치 하나만으로 실제 사용 가능 용량이나 향후 수명을 완벽하게 판단해서는 안 된다.

정확한 평가가 필요하다면 제조사 진단 결과, 측정된 용량, 내부 저항, 운전 이력 및 관련 시험 조건을 종합적으로 확인해야 한다.

7. 신뢰할 수 있는 배터리 진단을 위한 확인 사항

배터리 SOH를 비교할 때는 먼저 어떤 기준으로 계산한 값인지 확인해야 한다. 용량 기반인지, 저항 기반인지, 여러 지표를 결합한 추정값인지에 따라 의미가 달라질 수 있다.

또한 초기 기준값이 명확한지, 측정 당시의 온도와 충전 상태가 기록되어 있는지 살펴보는 것이 좋다. 예측 모델을 평가할 때는 학습에 사용하지 않은 별도의 데이터에서도 정확도가 유지되는지 확인해야 한다.

이러한 조건을 검토하면 단순히 숫자 하나를 비교하는 것보다 배터리 상태를 합리적으로 이해할 수 있다. 중고 전기차를 평가할 때도 SOH 수치만 단독으로 판단하기보다 진단 방법과 측정 조건, 제조사 점검 결과를 함께 확인하는 것이 바람직하다.

결론

전기차 배터리의 잔존 수명과 열화 상태를 파악하려면 SOH를 단순한 백분율로만 이해해서는 안 된다. 충전 이력은 배터리의 사용 패턴과 전기화학적 변화를 파악하는 데 도움을 주며, 내부 저항은 전압 응답과 손실 특성을 이해하는 데 활용된다.

온도, 전압, 전류, 용량 및 운전 기록을 함께 분석하면 보다 신뢰할 수 있는 상태 추정이 가능하다. 다만 측정 조건과 배터리 종류에 따른 차이를 고려해야 하며, 현재 상태의 추정과 미래 잔존 수명의 예측도 구분해야 한다.

배터리 진단 기술의 핵심은 하나의 숫자를 맹신하는 것이 아니라, 여러 데이터가 보여주는 변화와 각 측정 방법의 한계를 함께 이해하는 데 있다.

참고 자료

1. Gong, J. 외, “Predictive Modeling for Electric Vehicle Battery State of Health: A Comprehensive Literature Review,” Energies, 2025.
   https://doi.org/10.3390/en18020337
2. “Review of battery state estimation methods for electric vehicles—Part II: SOH estimation,” Journal of Energy Storage, 2024.
   https://doi.org/10.1016/j.est.2024.112703
3. Su, L. 외, “State-of-health estimation of lithium-ion batteries: A comprehensive literature review from cell to pack levels,” Energy Conversion and Economics, 2024.
   https://doi.org/10.1049/enc2.12125
4. von Bülow, F. 및 Meisen, T., “A review on methods for state of health forecasting of lithium-ion batteries applicable in real-world operational conditions,” Journal of Energy Storage, 2023.
   https://doi.org/10.1016/j.est.2022.105978

※ 이 글은 공개 학술 자료를 바탕으로 SOH 진단의 원리와 한계를 설명한 기술 해설이다. 실제 차량의 배터리 상태는 제조사 진단 절차와 측정 결과를 기준으로 확인해야 한다.