2.1 실증 ESS 구성 및 데이터 계측 항목 검토

실증사이트는 2017년 12월 4일에 실증하여 현재까지 운영하고 있으며, 그림 1과 같이 EMS, BMS, PCS(Power Conversion System)와 배터리로 구성되어 있다. PCS의 출력전력은 250kW, 출력전압은 440V이며, 배터리의 사양은 표 1과 같다. 배터리는 랙 4개로 이루어져 있고, 랙 하나 당 17개의 모듈로 구성되어 있으며, 모듈의 경우 42개의 셀이 직/병렬(14S 3P)로 구성되어 있다.

운영 데이터는 2018년 1월 30일부터 계측 값을 보유하고 있으며, ESS 구성단위 별 보유 데이터는 표 2와 같다. 셀과 모듈에 대한 상세 정보는 BMS에서 확인할 수 있는데, 셀 단위에서는 전압과 온도만을 계측하고, 모듈 단위에서는 SOC(State of Charge)와 SOH(State of Health), 온도 정보만을 알 수 있다. 이때, 셀 전압의 경우에는 3개의 병렬 연결된 셀의 전압 값으로, 개별 셀에 대한 전압이 아니며, 모듈 온도의 경우에는 모듈을 구성하는 모든 셀에서 측정한 온도 값이 아닌 임의의 두 지점에서 측정한 값으로, 실증 데이터 분석 시 이를 고려해야한다. 랙과 배터리, PCS에 대한 정보는 BMS 및 EMS에서 확인할 수 있다. 랙과 배터리 단위에서는 전압, 전류, 전력, SOC, SOH 등을 계측하고 있으며, PCS 단위에서는 전력과 전류, 전압 등의 정보를 계측하고 있다. 데이터 계측 항목에 따르면 모든 ESS 구성단위에서 임피던스는 계측하지 않았으며, 만약 실증 ESS를 대상으로 임피던스 기반의 ESS 예측 유지보수 기술을 개발한다고 해도 임피던스를 추정하여 사용해야하기 때문에 검증이 복잡할 것으로 사료된다.

2.2 실증 ESS 운영 특성

실증 ESS는 수요관리를 목적으로 운영하며, EMS는 예측 부하 값을 활용하여 전기요금을 최소화하도록 일간 최적 운전계획을 수립하고 이에 따라 ESS의 충ㆍ방전량을 지령한다. 이 때, ESS의 과충전 및 과방전을 방지하기 위해 SOC 100% 충전 및 SOC 0% 방전을 수행하지 않고 제조사가 권장한 운전 범위에 따라 운전하였다. 계시별요금제인 산업용(을)요금제를 사용하여 최적 운전 계획을 수립하므로 부하에 따라 충ㆍ방전 스케줄과 충ㆍ방전량이 그림 2, 표 3과 같이 매일 변동하게 된다.

그림 2는 운전기간의 SOC를 보여준다. (a) 그림은 전체 운영 기간 동안의 SOC를 나타내며, (b) 그림은 임의로 선별한 날짜(2020년 10월 7일~2020년 10월 10일)의 SOC 이다. 두 그림에서 파란색 원은 실증 ESS에 있는 1번 RACK의 SOC이며, 주황색 원은 실증 ESS에 있는 4개 RACK들의 평균 SOC이다. (a) 그림에서는 2019년 1월 18일부터 2019년 11월 4일까지는 데이터가 비어있고, 2018년과 2020년의 SOC 운전범위가 약 SOC 15%-85%에서 SOC 5%-70%로 변화한 것을 볼 수 있는데, 데이터가 없는 것은 정부 지침에 따라 ESS 운영을 중단하였기 때문이며, 운전 범위가 변화한 것은 ESS 운영 시 정부 및 제조사 지침에 따르기 때문에 항상 동일한 범위내로 운전 할 수 없었다. (b) 그림에서는 2020년 10월 7일과 10월 8일은 충ㆍ방전 스케줄이 유사하나, 2020년 10월 9일은 충ㆍ방전 스케줄 이 다른 것을 볼 수 있다. 이는 부하에 따라 ESS 충ㆍ방전 스케줄이 변동하기 때문으로, 실증 ESS는 운영 시 매일 동일한 스케줄로 운전할 수 없다.

충ㆍ방전량의 경우에는 표 3과 같이 계절 별 일간 충ㆍ방전 Cycle 횟수를 통해 알 수 있다. SOC 0%에서 SOC 100%까지 충전 또는 방전한 것을 1 Cycle로 가정하였을 때, 실증 ESS의 2018년 겨울의 충ㆍ방전 Cycle 횟수는 1.58이었다. 이는 SOC 0%에서 100%까지 충전(또는 방전)을 한번 수행하고 SOC 100%에서 SOC 42%까지 방전(또는 충전)한 것을 의미하며, 나아가 겨울의 부하가 다른 계절에 비해 많기 때문에 하루 동안의 충ㆍ방전량이 많았음을 뜻한다. 이에 반해 2020년 가을의 충ㆍ방전 Cycle 횟수는 0.74%로, 하루 동안 SOC 0%에서 74%까지 충전(또는 방전)한 것을 의미하며, 이는 가을의 부하가 비교적 적기 때문에 하루 동안의 충ㆍ방전량이 적었음을 뜻한다. 이와 같이 실증 ESS는 부하에 따라 운전하므로 항상 일정한 양으로 충ㆍ방전할 수 없으며, 충ㆍ방전 스케줄과 충ㆍ방전량이 동일한 조건하에서 실증 ESS의 특성을 분석하는 것은 어려움이 있다.

3.1 ESS 예측 유지보수를 위한 실증 데이터 분석

실증 ESS는 BMS에서 배터리 고장 진단을 수행하고 있다. 표 4와 같이 온도 이상, 전압 이상, 전류 이상, 통신 이상, SOC 이상과 같은 고장현상을 제조사에서 설정한 고장 기준에 따라 경고(Warning) 및 고장(Fault) 알림을 보내도록 설정 되어있다. 전압 진단 방법 중 DVW(Deviation Voltage Warning)와 DTF(Deviation Voltage Fault)의 경우에는 셀 전압이 3.7V 이상일 때 모듈 별 셀 전압이 가장 큰 값과 셀 전압이 가장 낮은 값의 차가 0.3V 이상이면 배터리 고장을 경고하고, 0.5V 이상이면 배터리 고장으로 분류한다. 이 고장 진단 방법은 고장이 발생하기 전에 경고를 알리기 때문에 사고에 대비하여 설비 보전을 수행할 수 있으므로 예방 유지보수라고 할 수 있지만, 만약 경고 이후 고장이 발생하기 전까지 ESS를 더 운영할 수 있음에도 불구하고 설비를 수리한다면 불필요한 점검 및 수리비용이 발생하게 되므로, ESS를 점검할 적절한 시기를 예측해 볼 필요가 있다.

ESS 고장 시점 예측을 위해 보유 데이터 항목을 기반으로 제조사에서 설정한 고장 종류 및 고장 기준을 활용하여 모듈 온도(OTW, OTF, UTW, UTF), 셀 전압(DVW, DVF, OVW, OVF, UVW, UVF), 랙 전류(OCCW, OCCF, ODCW, ODCF), SOC(High SOC, Low SOC) 데이터를 분석해 보았다. 데이터 분석 시 운영 중단 기간인 2019년 1월 18일부터 2019년 11월 4일까지는 제외하였으며, 셀 전압의 경우에는 표 5와 같이 데이터 보유 기간 중 계절별로 데이터를 선정하여 분석하였다.

먼저, 운영 기간 동안의 모듈 온도는 그림 3과 같다. (a) 그림의 경우, 파란색 원은 1번 랙을 구성하는 모든 모듈(17개)의 평균 온도를 의미하며, 주황색 원은 전체 랙(4개)에 존재하는 모든 모듈(4개*17개=68개)의 평균 온도이다. 1번 랙들에 존재하는 모든 모듈의 평균 온도(파란색 원)는 전체 랙을 구성하는 모든 모듈의 평균 온도(주황색 원)와 거의 유사함을 볼 수 있다. (b) 그림의 경우, 파란색 원은 1번 랙을 구성하는 모듈 중 최대 온도 값을 의미하며, 주황색 원은 1번 랙을 구성하는 모듈 중 최소 온도 값을 뜻한다. 모듈 온도는 최대 53℃ 이상과 최소 10℃ 미만일 경우 각각 OTW(Over Temperature Warning)와 UTW(Under Temperature Warning) 경고 알림을 발생하는데, 운영 기간 동안 배터리를 구성하는 모든 모듈의 온도는 경고 알림 기준을 벗어나지 않았다. 이는 BMS의 냉각제를 통해 10℃~30℃ 범위 내로 모듈 온도가 유지되고 있음을 의미한다.

운영 기간 동안의 셀 전압은 그림 4, 그림 5(a~d)와 같이 나타난다. 그림 4는 1번 랙을 구성하는 모든 셀 전압 중 가장 높은 셀 전압(파란색 원), 가장 낮은 셀 전압(주황색 원)을 보여주는데, 가장 높은 셀 전압이 OVW(Over Voltage Warning) 기준인 4.24V를 초과하지 않았으며, 가장 낮은 셀 전압이 UVW(Under Voltage Warning) 기준인 2.7V 미만이 되지 않음을 알 수 있다.

그림 4를 상세히 보면 그림 5와 같다. 그림 5(a~d)는 시간에 따른 최대 전압과 최소 전압의 편차를 보여주며, (a) 그림은 운영 초기인 2018년 1월, (b) 그림은 ESS 운영 중단 직전인 2019년 1월, (c) 그림은 ESS 운영 재시작 시점인 2019년 12월, (d) 그림은 운영 후기(보유 데이터 마지막 시점)인 2020년 10월의 하루이다. (a)~(d) 그림 모두 동일 스케줄로, 오전에 ESS를 충전하고 9시부터 휴지를 수행하여 10시부터 방전을 수행하고 있으며, 충ㆍ방전량은 해당 일의 최적 운전계획에 따라 다르지만, 시간이 지남에 따라 최대 전압과 최소 전압의 차이가 증가하는 경향을 볼 수 있다. 특히 충전 이후 휴지구간을 살펴보면, 셀 밸런싱을 통해 셀의 내부 전압을 균일하게 맞출 수 있는 구간임에도 불구하고 셀 전압 불균형이 나타나는 것을 볼 수 있다. 이는 배터리 열화로 인해 발생하는 현상으로⁽¹¹⁾, 셀 전압 불균형이 더욱 심화되어 셀 전압 차 경고 및 고장인 DVW(Deviation Voltage Warning)와 DVF(Deviation Voltage Fault)가 발생하게 된다면, 화재 및 폭발사고까지 발생할 수 있으므로, 고장 알림 발생 이전에 고장 발생 일을 추정해 볼 필요성이 있다.

랙 전류의 경우에는 그림 6과 같다. 그림의 파란색 원은 1번 랙의 전류이며, 주황색 원은 모든 랙의 평균 전류를 의미하고, 양수인 구간은 충전 전류, 음수인 구간은 방전 전류를 의미한다. 랙 전류는 ESS 최적 운전계획에 따라 변동하였지만, 전류 이상 항목인 OCCW(Over Charge Current Warning)와 ODCW(Over Discharge Current Warning) 기준인 ±196A를 초과하지 않음을 볼 수 있다.

SOC의 경우에는 그림 2와 같다. 전류와 마찬가지로 ESS 정부 지침 및 제조사의 권장 범위에 따라 최적 운전 계획을 수립하고 그에 따라 운전하고 있으므로, High SOC와 Low SOC 기준인 정상범위(100%-0%)를 벗어나지 않는다.

네 종류의 데이터를 분석한 결과, 모듈 온도, 셀 전압, 랙 전류, 배터리 SOC는 ESS 운전계획에 따라 제어가 수행되고 있으나, 셀 전압 편차의 경우에는 ESS 제어와 상관없이 편차가 증가하는 현상을 보였다. ESS 운영을 수행함에 따라 배터리가 열화되어 셀 전압 편차가 더욱 증가한다면, 향후에는 고장 및 화재까지 발생할 수 있을 것으로 예상되며, 셀 전압편차 모델링을 통해 고장발생 시점을 예측한다면 ESS 예측 유지보수가 가능할 것으로 생각된다.

3.2 실증 전압 데이터를 활용한 ESS 예측 유지보수

본 절에서는 ESS 예측 유지보수를 위해 실증 전압 데이터를 활용하여 고장 발생 시점을 추정해보고자 한다. 먼저, 배터리 셀 전압 차로 ESS 고장을 판단하는 DVW(Deviation Voltage Warning)와 DTF(Deviation Voltage Fault)의 기준에 따라, 셀 전압이 3.7V 이상일 때 1번 랙을 대상으로 전체 셀 중 최대 전압 값과 최소 전압 값의 편차를 계산해보았다. 그림 7과 같이, 셀 전압 편차는 ESS 전압 고장 기준인 0.5V와 경고 기준인 0.3V에는 도달하지 않았으나, 열화로 인해 시간에 따라 편차가 증가하는 추이를 보이고 있다.

ESS의 고장 발생 시점을 예측하기 위해 학습, 검증, 테스트 데이터를 분류하고, 머신러닝 기법 중 하나인 회귀를 활용하여 학습 데이터를 대상으로 시간에 따른 셀 전압편차를 모델링한 뒤, 검증 데이터로 모델 별 예측 오차를 검토해보았다. 이 때, 학습 데이터는 2018년 1월 30일부터 2020년 3월 14일까지, 검증데이터는 2020년 5월 1일부터 2020년 10월 18일까지, 테스트 데이터는 2020년 10월 19일부터 운영 시작일인 2017년 12월의 10년 뒤인 2027년 12월 31일까지로 분류하였으며, 회귀는 단순선형회귀와 다중선형회귀(2차 다항식, 3차 다항식, 4차 다항식)를 사용하였다.

표 6은 검증 데이터로 셀 전압 편차를 예측하였을 때, 모델 별 예측 오차를 계산한 결과이다. 오차 계산에는 MAPE(Mean Absolute Percentage Error)를 사용하였으며, 2차 다항식($y=0.006345x^{2}+0.01284x+0.02699$)을 사용하였을 때 가장 오차가 낮았음을 볼 수 있다.

검증데이터의 결과에 따라, 2차 다항식을 셀 전압 편차를 예측하는 배터리 고장 곡선으로 선정하여 테스트 데이터에 대한 셀 전압 편차 변화를 예측해보았다. 이는 그림 8과 같으며, 향후에도 셀 전압 편차 변화가 배터리 고장 곡선과 같이 증가한다면, 셀 전압 편차 경고 발생 시점은 약 2024년 9월 13일 17시 41분, 고장 발생 시점은 2026년 11월 21일 3시 20분으로 추정된다. 예측 결과에 의하면 경고 이후 약 2년 2개월 뒤에 배터리 고장이 발생할 가능성이 높기 때문에, 경고 알림 이후에도 ESS를 조금 더 운영한 뒤 보전에 대한 계획을 수립해도 될 것으로 사료된다. 그렇지만, 해당 결과는 ESS 운영 초기부터 3년간의 데이터를 사용하여 고장 발생 시점을 예측한 결과이기 때문에, 더 많은 운영 데이터를 사용하여 주기적으로 배터리 고장 곡선을 수정할 필요가 있으며, 수정된 결과에 따라 고장 발생 이전에 설비 보전에 대한 장기 계획을 수립하고 화재와 같은 사고에 대처 방안을 마련한다면, ESS를 안전하고 효율적으로 사용할 수 있을 것으로 사료된다.