인천대학교 인디고클랫폼 인천대학교 기술지원허브

배터리 용량의 정확한 추정은 전기차(xEV) 및 에너지 저장 시스템에서 리튬 이온 배터리의 신뢰성, 안전성 및 성능을 보장하기 위해 매우 중요하다. 기존의 이중 시그마 포인트 칼만 필터(DSPKF) 방식은 용량을 시간에 따라 변화하는 파라미터로 가정하므로 초기값에 대한 높은 의존성과 열화된 조건 하에서의 정확도 저하 문제가 있다. 이러한 한계를 극복하기 위해 본 연구에서는 시그마 포인트 칼만 필터(SPKF)와 입자 필터(PF)를 결합한 이중 추정 프레임워크를 제안한다. SPKF는 SOC, V₁, R₀와 같은 실시간 상태를 추정하고, PF는 서서히 변화하는 용량을 독립적으로 추정한다. 제안된 SPKF-PF 구조는 두 필터의 장점을 결합함으로써 정확하고 안정적인 추정을 가능하게 한다. 다양한 SOH 수준의 셀을 대상으로 한 실험적 검증 결과, 본 방법은 초기 조건이 불확실한 상황에서도 DSPKF보다 빠른 수렴성과 낮은 오차를 보였다. PF의 저주기 업데이트는 계산 부담을 줄여주므로, 본 방법은 임베디드 배터리 관리 시스템(BMS)에 적합하다.