제1부 비행체 기술 기반

1.22 배터리 관리 시스템(BMS)과 상태 추정(SoC·SoH)

1.22.1 이 장에서 배우는 것 / 선수 지식 / 특히 중요한 독자

배터리 팩 위에는 셀 화학과 별개의 층이 하나 더 있다. 전압·온도·전류를 재서 팩을 한계 안에 가두고, 잴 수 없는 양(남은 전하, 낼 수 있는 출력)을 추정해 비행 컴퓨터에 알려 주는 배터리 관리 시스템(BMS, Battery Management System)이다. 셀(1.21)이 에너지를 저장하는 그릇이라면 BMS는 그 그릇의 계기판이자 안전장치다. 이 장은 BMS의 구조와 상태 추정(SoC·SoH·SoP)을 숫자로 따라가고, 추정 오차가 운항 결정으로 번지는 경로를 보인다.

배우는 것:

• BMS가 하는 다섯 가지 일 — 측정, 추정, 보호, 셀 밸런싱, 통신. 그리고 이 다섯이 하드웨어 보호와 소프트웨어 보호로 어떻게 나뉘는가.
• SoC 추정이 왜 어려운가 — 직접 잴 수 없는 양을 전류·전압으로 간접 추정한다. 쿨롱 카운팅의 오차 원천, 개방전압(OCV)이 쓸모 있는 화학과 없는 화학, 등가회로 모델과 필터의 구조.
• SoH와 출력 상태(SoP) — 용량 저하와 저항 증가. 용량이 남아 있어도 저항이 커지면 호버가 불가능해지는 계산.
• 잔여 에너지와 운용 마진 — 추정의 불확실성이 몇 분의 비행 시간으로 환산되는가.
• 고장 감지와 기능 안전 — 지상 차량과 달리 비행 중에는 접촉기를 여는 것이 안전 상태가 아니다.
• 세 축의 차이 — 값싼 스마트 배터리, 안전 필수 BMS, 전투 손상 뒤의 거동.

선수 지식: 셀 화학·C-rate·열폭주는 1.21, 추진 체인 전력(호버 364 kW 등)은 1.17.4, 접촉기·프리차지·고전압 안전은 1.19를 본다. 칼만 필터의 이론은 자매서 kalmann(KF)에 있고, 이 장은 BMS에서의 구조와 용도만 작성한다.

특히 중요한 독자: 엔지니어는 1.22.4~1.22.6의 오차 계산을 본다. 인증 담당자는 1.22.8(기능 안전)과 1.22.11(규격)을, 운항·사업 담당자는 1.22.7의 마진 계산을, 군 연구자는 1.22.10의 전투 손상 절을 본다.

기준 시점과 정직성. 이 장은 2026년 10월을 기준으로 작성한 기술 장이고, 사용된 지식은 2026년 중반까지다. 본문의 계산은 가상 셀과 가상 팩의 시뮬레이션이다. 개방전압 곡선·저항·센서 오차는 대표 형태를 흉내 낸 가정이며, 특정 셀·제품의 값이 아니다. 경험 범위로 인용한 값은 (경험 범위), 확인하지 못한 것은 (확인 필요)로 표시했다. 규격은 번호와 요지만 작성하고 유료 본문을 옮기지 않았다.

1.22.2 개념·직관 — 배터리에는 눈금이 없다

연료 탱크는 유면이 곧 잔량이다. 배터리의 "남은 전하"는 어디에도 보이지 않는다. 셀 전압은 SoC와 함께 움직이지만 전류·온도·노화에도 변동한다. 그래서 BMS는 간접 측정을 한다. 아는 것(전압·전류·온도)에서 모르는 것(SoC·SoH)을 추정하고, 추정이 틀릴 때를 대비해 마진을 두게 한다. 이 추정의 오차가 곧 임무 마진이고 안전 마진이다.

BMS가 비행 컴퓨터에 주는 상태량은 네 가지다. 같은 팩에서도 서로 다른 질문에 답한다.

SoC와 SoE는 같지 않다. 방전하면 전압이 내려가므로 같은 SoC 1 %라도 남은 에너지가 다르다. 그리고 SoC가 충분해도 SoP가 모자랄 수 있다. 추진 계통이 전력을 달라고 할 때 팩이 줄 수 있어야 비행이 이어지기 때문이다(1.22.6).

세 축에서 요구는 이렇게 다르다.

• 군용 드론은 극한 온도와 충격, 그리고 전투 손상 뒤의 거동을 요구한다. 소모성 소형은 단순한 보호만 두고, 중형 이상은 임무 지속을 위해 일부 셀 구간이 죽어도 비행을 잇는 저하 운용을 따진다.
• 민간 UAS는 값싼 스마트 배터리(표준 통신을 가진 팩)를 사용한다. 잔량 표시의 정확도가 사용자의 귀환 결정을 정하고, 표시가 틀리면 비행 중 전압 강하로 자동 착륙이 시작된다.
• AAM에서는 BMS가 안전 필수 장비다. 추정 오차가 회항·대체 착륙지·착륙 접근 결정으로 이어지고, 설계·소프트웨어·시험이 인증 대상이 된다(15.5·8.8).

1.22.3 BMS의 기능 구조

BMS는 측정·추정·보호·셀 밸런싱·통신의 다섯 기능을 갖는다. 아래 그림은 이 기능이 어디서 일어나는지를 보인다. 핵심은 두 가지다. 측정 회로(AFE)와 전류 센서가 입력이고, BMS 컴퓨터가 추정과 보호 논리를 돌리며, 독립 하드웨어 보호가 소프트웨어와 별개로 접촉기를 열 수 있다.

1.22.3.1 측정

AFE 한 칩은 보통 셀 12~16개를 맡는다 (경험 범위). 직렬 셀이 수백 개인 고전압 팩(1.17.6의 216개, 1.21.6의 팩도 216직렬)은 AFE 여러 개를 절연된 데이지 체인으로 묶고 BMS 컴퓨터가 이를 모은다. 전압과 전류는 같은 순간에 표본해야 한다. 어긋나면 부하가 급변할 때 저항 추정이 틀린다.

1.22.3.2 보호 한계

보호는 셀 제조사 사양서가 정한 한계 안에 팩을 가두는 일이다. 값은 셀마다 다르므로 아래는 NMC 계열 셀의 예시 범위일 뿐이다.

보호는 계단으로 둔다. 경고, 출력 제한, 차단의 순서다. 같은 한계에도 두 개의 경로가 있다. 소프트웨어 보호(BMS 컴퓨터의 논리)는 유연하지만 소프트웨어 고장과 함께 사라질 수 있다. 하드웨어 보호(AFE의 비교기, 퓨즈, 독립 회로)는 단순하지만 소프트웨어와 고장을 공유하지 않는다. 둘을 함께 두는 것이 항공용 BMS의 기본이다(1.22.8).

1.22.3.3 셀 밸런싱

직렬 연결에서는 모든 셀에 같은 전류가 흐르지만, 셀마다 용량·자기방전·온도가 다르다. 방전은 가장 낮은 셀이 먼저 하한에 닿아 끝나고, 충전은 가장 높은 셀이 먼저 상한에 닿아 끝난다. 그래서 가장 약한 셀이 팩의 사용할 수 있는 용량을 정한다. 셀 밸런싱은 셀 사이의 전하 차이를 줄여 이 손실을 막는다.

용량 20 Ah 셀에서 용량 불균형을 맞추는 시간을 계산했다(파이썬).

• 수동 셀 밸런싱은 높은 셀을 저항으로 태워 에너지를 열로 버린다. 단순하고 싸지만 전류를 키우면 셀당 발열이 커서(위 표 아래 줄) 보통 수십~수백 mA에 머문다 (경험 범위).
• 능동 셀 밸런싱은 높은 셀의 전하를 낮은 셀로 옮긴다(커패시터·인덕터·변압기 방식). 에너지를 버리지 않고 전류를 키울 수 있으나 회로가 복잡하고 값이 비싸다.

운용의 함정이 있다. 셀 밸런싱은 충전 막바지나 휴지 중에 주로 일어난다. 팩을 자주 바꿔 끼우는 군·배송 운용에서는 밸런싱 시간이 모자라 불균형이 쌓인다.

1.22.3.4 접촉기와 통신

접촉기(고전압 릴레이)는 팩과 추진 버스를 잇고 끊는다. 켤 때는 인버터의 큰 커패시터를 저항으로 먼저 채우는 프리차지로 돌입 전류를 막는다(상세와 고전압 안전은 1.19). 이 장에서 중요한 것은 접촉기를 누가 언제 여는가의 정책이다(1.22.8).

통신은 상태량(SoC·전압·전류·온도·경고 비트)을 비행 컴퓨터로 올린다. 소형 UAS 팩은 SMBus 기반 스마트 배터리 규격(SBS)을, 오토파일럿 쪽은 CAN 기반 DroneCAN이나 MAVLink의 배터리 메시지를 사용한다(9.4·9.5). 항공용 팩의 버스는 확인하지 못했다 (확인 필요).

1.22.4 SoC 추정 — 원리

1.22.4.1 쿨롱 카운팅 — 적분은 오차를 쌓는다

결론: 전류를 적분하면 간단하고 응답이 빠르지만, 적분은 오차를 지우지 않고 쌓는다.

$$\mathrm{SoC}(t)=\mathrm{SoC}(t_0)-\frac{1}{Q}\int_{t_0}^{t}\eta\,i(\tau)\,d\tau$$

$i$는 방전 전류(방전을 양수로), $Q$는 BMS가 아는 용량, $\eta$는 쿨롱 효율(방전에서는 대개 1)이다. 오차의 원천은 네 가지다.

오프셋은 임무 한 번에는 작지만 오래 적분하면 무시할 수 없다. 20 Ah 팩에서 보정 없이 적분할 때 오프셋 0.05 A는 1시간에 0.25 %, 24시간에 6 %이고, 0.2 A는 1시간에 1 %, 24시간에 24 %다(파이썬). 실제 BMS는 전류가 0인 구간에서 오프셋을 보정하고 휴지 때 OCV로 재교정한다. 그러나 보정이 약한 소형 팩에서는 "며칠 둔 배터리가 실제와 다른 잔량을 표시"하는 현상으로 나타난다.

1.22.4.2 개방전압(OCV)과 모델 기반 추정

휴지 상태(전류가 거의 0이고 내부가 평형에 이른 상태)의 셀 전압을 개방전압(OCV)이라 하고, 이것은 SoC의 함수다. 전압을 읽어 SoC를 거꾸로 찾을 수 있다. 그러나 전류가 흐르면 전압은 OCV에서 벗어난다. 가장 단순한 모델이 1RC 등가회로다.

$$V=\mathrm{OCV}(z)-R_0\,i-v_1,\qquad \dot v_1=-\frac{v_1}{\tau}+\frac{i}{C_1},\quad \tau=R_1C_1$$

전압으로 SoC를 보정할 수 있느냐는 OCV 곡선의 기울기가 정한다. 같은 전압 오차가 기울기가 완만할수록 SoC 오차로 크게 번역된다. 가상 셀 모형(NMC 계열과 LFP 계열의 대표 형태)에서 계산한 값이다.

실제 셀에서도 NMC는 수 mV/%, LFP는 1 mV/% 안팎이라고 알려져 있다 (경험 범위). LFP는 곡선이 평탄하고 충방전 경로에 따른 히스테리시스도 있어, 전압만으로는 SoC를 보정하기 어려운 화학이다. 그래서 LFP 팩은 쿨롱 카운팅에 더 기대고, 충전 종단처럼 곡선이 가팔라지는 구간에서 재교정한다.

모델 기반 추정은 두 방법의 장점을 합친다. 전류로 SoC를 예측하고, 모델로 예측한 전압과 측정 전압의 잔차로 SoC를 보정한다. 보정의 세기(이득 $K$)는 모델의 불확실성과 측정 잡음의 비로 정한다. 확장 칼만 필터(EKF)가 이를 한다. 상태 $\mathbf{x}=(z,\,v_1)$, 출력 $V$에 대해 식은 다음과 같다. 이득의 유도와 이론은 자매서 kalmann(KF)에 있다.

$$\mathbf{x}^{-}_{k}=\mathbf{F}\,\mathbf{x}_{k-1}+\mathbf{B}\,i_{k-1},\qquad \mathbf{K}_k=\mathbf{P}^{-}_k\mathbf{H}_k^{\top}\left(\mathbf{H}_k\mathbf{P}^{-}_k\mathbf{H}_k^{\top}+r\right)^{-1},\qquad \mathbf{x}_k=\mathbf{x}^{-}_k+\mathbf{K}_k\left(V_k-\hat V_k\right)$$

여기서 $\mathbf{H}=\left(\dfrac{d\,\mathrm{OCV}}{dz},\,-1\right)$이다. 이득에 OCV 곡선의 기울기가 들어간다는 점이 위 표의 내용과 이어진다. 완만한 구간에서는 $\mathbf{H}$의 첫 성분이 작아 전압이 SoC에 대해 거의 정보를 주지 않고, 필터는 전류 적분을 믿는 쪽으로 기운다.

다른 모델 기반 방법(관측기 등)도 같은 예측-보정 틀이다. 신경망 같은 데이터 기반 방법은 학습한 범위 안에서는 정확하지만 저온·고노화·손상처럼 훈련 분포 밖의 오차 한계를 보증하기 어려워 안전 판단에 직접 사용하기 어렵다(7.4).

1.22.5 수치 예시 — 한 번의 임무에서 SoC 추정 오차

세 추정기를 같은 임무에서 돌려 비교한다. 쿨롱 카운팅은 전류 적분만 사용한다. OCV 직접 역산은 측정 전압에 $R_0 i$를 더해 OCV로 환산하고 곡선을 거꾸로 읽는다(분극 $v_1$은 무시한다). EKF는 위 1RC 모델로 예측·보정한다. 가상 셀과 임무의 가정은 다음과 같다. 모든 값은 가정이며 파이썬(random 모듈로 고정 시드 잡음)으로 계산했다.

시점별 추정 오차(추정 − 정답, %p)는 다음과 같다.

쿨롱 카운팅의 40분 오차를 원천별로 분해해 보면(각 원천만 켠 시뮬레이션) 초기값 +5.0, 용량 값(20 대 18 Ah) +6.1, 오프셋 −0.7, 이득 −1.2 %p이고 합이 +9.3 %p다. 부호가 달라 일부는 상쇄된다. 세 가지를 읽는다.

1. 한 번의 임무에서는 센서 오차보다 초기값과 용량 값이 크다. 오프셋·이득은 40분에 합쳐 2 %p 안팎이다. 용량을 올바르게 알면(18 Ah) 끝 오차가 +9.3에서 +3.0 %p로 줄어든다. 임무가 끝나 갈수록 오차가 커지므로 가장 중요한 순간(착륙)에 가장 틀린다.
2. 전압 보정이 오차를 가두지만 모델이 틀리면 편향이 남는다. EKF는 처음 몇 초 안에 초기 오차를 +5에서 +2 %p 안팎으로 줄이고 이후 안정적이다. 그러나 호버(36 A)에서 모델 저항의 20 % 오차가 전압 오차 약 22 mV로 나타나 끝 오차가 +4.2 %p가 된다. 모델 저항을 정확히 알면 +1.5 %p다.
3. 필터가 말하는 오차폭은 모델 오차를 모른다. EKF의 $\sigma$는 0.4 %p로 작아 보이지만 실제 오차는 4.2 %p였다. 필터는 잡음만 알고 매개변수 오류는 모르기 때문이다. 마진은 필터의 $\sigma$가 아니라 시험으로 확인한 오차로 정해야 한다.

화학이 바뀌면 결과가 크게 달라진다. 같은 시험을 LFP 곡선으로 돌리면 EKF의 끝 오차가 +10.1 %p(저항 +20 % 오차)로, 저항이 정확해도 +4.0 %p로 커진다. 전압이 SoC에 대한 정보를 거의 주지 않기 때문이다(1.22.4.2의 표).

1.22.6 SoH와 출력 상태(SoP) — 용량보다 먼저 출력이 걸릴 수 있다

SoH는 두 가지다. 용량 SoH $=Q/Q_0$와 저항 SoH $=R/R_0$. 용량이 80 %로 떨어지면 수명이 끝났다고 보는 관행이 자동차에서 사용되지만 (확인 필요), 항공에서는 어느 쪽이 먼저 비행 가능성을 위협하는지를 설계가 정한다. 추정 방법과 오차는 다음과 같다.

용량 추정의 오차 전파는 단순하다. 기준점 SoC 오차를 $\sigma_z$라 하면 $\sigma_Q/Q=\sqrt2\,\sigma_z/\Delta z$다. $\sigma_z=1\ \%p$일 때 $\Delta z=40\ \%p$이면 3.5 %, 20 %p이면 7.1 %, 10 %p이면 14 %다(파이썬). 얕은 방전 한 번으로는 용량을 알 수 없다. 저항도 마찬가지로, 위 임무의 호버 계단(13에서 36 A, 23 A)은 $R_0\Delta i=69$ mV를 만들지만 잡음 5 mV의 두 점 차이로는 약 10 %가 변동한다. 여러 임무의 평균과 온도 정규화가 필요하다.

SoP는 팩이 지금 낼 수 있는 최대 전력이다. 전압 하한 $V_{\min}$에 닿을 때까지 전류를 끌었을 때의 전력으로 어림한다.

$$P_{\max}=V_{\min}\,\frac{V_{oc}-V_{\min}}{R}$$

$V_{oc}$는 개방전압(팩 전체), $R$은 팩 저항이다. 결론부터 말하면 SoC가 낮고 저항이 클수록 낼 수 있는 전력이 급감한다. 1.17.4의 가상 eVTOL(호버 때 배터리가 내는 전력 363.6 kW)에 1.21.6의 팩을 적용해 계산한다.

검산으로, 이 팩이 SoC 50 %에서 호버 전력을 내면 전류가 484 A로 셀당 약 4.5C이고 효율이 0.94다. 1.21.6의 값(호버 4.5C, 효율 0.94, 낮은 충전 상태에서 0.92)과 같다. 낮은 SoC(10 %)에서 이 모형의 효율은 0.925다.

호버 요구는 363.6 kW이고 1.2배 마진은 436 kW다. 표를 읽으면 수명 말 팩은 25 °C에서 SoC 10 %까지 마진을 확보하지만, 0 °C의 신품 팩은 SoC 50 %에서 간신히 호버하고 그 아래에서는 호버를 내지 못한다. 수명 말과 저온이 동시에 발생하면(×4.8) 어느 SoC에서도 호버할 수 없다. 1.21.6이 0 °C에서 꺼낼 에너지가 224에서 149 Wh/kg으로 준다고 한 것의 다른 얼굴이다. 마진 1.2배를 확보할 수 있는 셀 저항 배율의 한계는 SoC 20 %에서 2.28, SoC 10 %에서 1.92다(파이썬). 저온(3.0)은 이 한계를 넘고 수명 말(1.6)은 넘지 않는다. 둘이 곱해지는 순간이 위험이다.

결론: 용량이 80 % 남아 있어도 저온이나 낡은 팩에서는 착륙 접근에서 호버를 낼 수 없는 구간이 생긴다. 그 순간 에너지는 남아 있고 출력이 모자란다. 그래서 AAM의 BMS는 SoC뿐 아니라 SoP를 비행 컴퓨터에 주어야 하고, 착륙 시점의 SoC 하한을 SoC가 아니라 SoP 기준으로 정하는 것이 맞다. 저온이 문제이므로 팩 예열(1.25)이 BMS의 임무가 된다. 이 계산은 전압 하한만 고려한 단순 모형이며 전류 한계·열 한계는 넣지 않았다. 실제 값은 셀 사양과 시험으로 정한다.

1.22.7 잔여 에너지와 운용 마진 — 불확실성을 분으로 환산하기

잔여 비행 가능 시간은 남은 에너지를 앞으로 사용할 전력으로 나눈 값이다.

$$t_{\mathrm{rem}}=\frac{E_{\mathrm{rem}}}{\hat P}$$

분자는 BMS가 추정하고(SoC와 SoH, 즉 팩이 가진 에너지), 분모는 비행 컴퓨터가 예측한다(바람·고도·경로). 이 장은 분자의 불확실성을 본다. 분모는 1.26에서 다룬다. 에너지 오차는 SoC 오차와 용량(SoH) 오차가 독립이라 가정하면 다음처럼 합성한다.

$$\sigma_E=E_{\mathrm{cap}}\sqrt{\sigma_{z}^{2}+\left(z\,\sigma_{Q}/Q\right)^{2}}$$

$E_{\mathrm{cap}}$는 팩의 공칭 에너지, $z$는 현재 SoC, $\sigma_z$는 SoC의 절대 오차, $\sigma_Q/Q$는 용량의 상대 오차다. 마진을 $3\sigma_E$로 잡으면 어떻게 되는지 1.17.4의 가상 eVTOL과 1.22.6의 팩으로 계산한다(파이썬).

읽을 것: 이 임무는 여유가 7.6 kWh다. 추정 정밀도가 1 %이면 3σ 마진 3.5 kWh를 두고도 4.1 kWh가 남아 Go다. 그러나 3 %이면 마진 10.4 kWh를 확보할 수 없어(2.8 kWh 모자라 순항을 약 1.2분 줄여야 한다) 같은 팩으로 같은 임무가 No-Go가 된다. 정밀도를 3 %에서 1 %로 올리면 마진 6.9 kWh, 순항 3.0분이 돌아온다. 마진의 단위는 에너지이지만 운항에서는 분과 거리로 번역되므로, 추정 정밀도는 비용이다. 이 환산이 1.22의 핵심 메시지다. 임무 계획 단계의 마진 설정(16.3), 출발 전 Go/No-Go(16.5), 비행 중 회항 결정(15.14)이 이 숫자를 받는다.

1.22.8 고장 감지와 기능 안전

1.22.8.1 무엇을 어떻게 감지하나

BMS는 자기 자신과 팩을 함께 감시한다. 원리 수준으로 정리한다.

내부 단락의 크기를 어림하면 감지가 왜 가능한지 보인다. 셀 전압 3.7 V에 100 Ω 수준의 "느슨한" 단락은 37 mA를 빼 가고, 하루에 0.89 Ah, 20 Ah 셀의 4.4 %를 잃는다(파이썬). 열은 0.14 W로 작아 겉으로는 안 보이지만, 휴지 중 셀 편차의 추세에서는 드러난다. 조기 감지의 핵심은 단발 값이 아니라 추세와 이웃과의 비교다.

1.22.8.2 안전 상태는 어디인가

기능 안전에서 먼저 정할 것은 안전 상태(고장이 났을 때 가는 상태)다. 지상 전기차에서는 접촉기 개방이 안전 상태다. 그러나 비행 중 접촉기 개방은 곧 추진 상실이다. 자동회전 같은 구제 수단이 없는 멀티콥터와 eVTOL에서는 치명적일 수 있다(1.1.7.4). 안전 상태가 비행 단계에 따라 달라진다.

접촉기 개방을 비행 중에 어떤 조건에서 허용할지는 안전성 평가(8.4)가 정한다. 나쁜 설계는 두 방향으로 틀린다. 쓸데없이 끊어(허위 차단) 추진을 잃거나, 끊어야 할 때 안 끊는다(미차단). 둘을 함께 낮추는 것이 설계이고, 하드웨어 보호와 소프트웨어 보호의 이중 경로가 그 수단이다. 이중 BMS·이중 접촉기·독립 전원은 고장 허용 설계(2.5)의 일부이고, 소프트웨어·하드웨어 보증은 8.8이 맡는다. 자동차 기능 안전 규격(ISO 26262)의 위험 분해 개념을 빌려 사용하는 설계가 많으나 항공 인증 틀은 아니다 (확인 필요).

1.22.9 설계 트레이드오프

BMS의 추정 구조를 정하는 세 갈래가 있다.

① 단순 보호 + 쿨롱 카운팅. 장점: 부품이 싸고 검증이 쉽다. 단점: 잔량 오차가 크고, 그만큼 마진을 늘려 사용할 수 있는 용량을 포기한다. 이 입장을 취하는 쪽: 소모성 군용·값싼 소형 민간 UAS.

② 모델 기반 추정 + 온라인 SoH·온도 보상. 장점: 오차를 수 %p 안으로 줄이고 SoP를 낸다. 단점: 개발·검증 부담, 매개변수 관리, 인증 논증(왜 이 오차 한계가 맞는가). 이 입장을 취하는 쪽: 중대형 UAS와 eVTOL 개발사.

③ 데이터 기반(기단 클라우드·디지털 트윈). 장점: 수백 대의 SoH 추세와 이상을 비행 간에 조기 발견한다. 단점: 비행 중 안전 판단에 직접 사용하기에는 훈련 범위 밖 거동을 보증하기 어렵다. 이 입장을 취하는 쪽: 대규모 기단 운영사.

견해: 비행 중 안전 논증이 걸린 판단(출력 제한·차단·SoP 한계)은 ②의 설명 가능한 모델과 독립 하드웨어 보호에 두고, ③은 비행 간 정비·SoH 추세·이상 조기 발견에 사용하는 편이 낫다고 본다. 근거는 두 가지다. 첫째, 1.22.5에서 보았듯 필터의 오차폭은 모델 오차를 모르므로 어차피 시험으로 확인한 오차가 마진을 정한다. 둘째, 학습 모델이 가장 믿을 수 없는 곳(저온·고노화·손상)이 바로 안전에 중요한 곳이다(7.4). 다만 이는 현재 보증 방법의 한계에 기댄 판단이며, 학습 기반 추정에 대한 인증 방법이 정립되면 달라질 수 있다.

1.22.10 세 축 비교와 두 가지 특수 문제

AAM — 상태 불확실성이 운항 결정에 닿는 경로. BMS의 출력은 다음 결정에 들어간다.

군용 — 전투 손상 뒤의 거동(원리 수준). 팩이 관통·충격·화재 따위로 손상되면 BMS는 손상을 채널 소실·이상 전압·온도 상승으로만 안다. 설계 선택은 두 가지다. 손상된 구간을 격리하고 비행을 잇는가, 안전을 위해 전체를 끊는가. 두 가지 설계 원칙이 있다. 팩을 모듈로 나누어 한 모듈의 손상이 전체 출력을 막지 않게 하고, 손상 뒤에 "알 수 없다"는 상태를 안전한 쪽(출력 제한)으로 해석하는 것이다. 피격 내성의 구체 수치와 취약점은 이 책의 범위 밖이다. 군 휴대 장비의 충전식 배터리가 SMBus 기반 스마트 배터리 통신을 사용한다는 점은 알려져 있으나 구체 규격은 확인하지 못했다 (확인 필요).

1.22.11 관련 규격·프로토콜

유료 규격은 요지만 다뤘고 판 기호를 확인하지 못한 것은 표시했다. 규격의 지형은 9.1, 규격을 찾는 법은 0.9에 있다.

1.22.12 관련 규제·인증 요구와의 연결

• eVTOL의 배터리 인증 — 배터리 시스템은 특별조건과 시험으로 입증하며, BMS의 보호·감시 기능과 고장 시 거동이 입증 항목이다(15.5·20.5·17.14).
• 개발 보증 — BMS 소프트웨어와 하드웨어에 개발 보증 수준이 배정된다. 고장 조건의 등급은 안전성 평가가 정한다(8.4·8.8).
• 운송 규정 — 리튬이온 전지의 항공 운송은 UN 38.3 시험과 포장·충전 상태 규정을 따른다. 단독 운송 전지는 충전 상태 30 % 이하로 제출해야 한다는 규정이 1.21.9에 있어 BMS가 SoC를 신뢰성 있게 알려야 한다(9.20).
• 정비·사고 — BMS와 접촉기는 고전압 정비 절차의 일부이고(20.18), 배터리 사고의 원인 조사는 BMS 로그에 의존한다(8.23·8.24).
• 군 — 군 체계안전(8.5)이 배터리 위험을 분석하고 군 감항 실무가 이를 반영한다(20.19).

1.22.13 함정과 한계

이 장의 한계를 밝힌다.

• 시뮬레이션은 가상 셀 한 개의 1RC 모델이다. 온도 의존성·히스테리시스·노화에 따른 매개변수 변화·팩 내 셀 편차는 넣지 않았다.
• 오차 크기(센서 오프셋·이득·잡음)와 곡선은 가정이다. 실제 팩의 값은 시험으로 얻어야 한다.
• SoP 계산은 전압 하한만 본 단순 모형이다.
• BMS의 소프트웨어 보증과 학습 기반 추정의 인증 방법은 정립 중이다.

1.22.14 체크포인트·연구 질문

체크포인트

1. SoC·SoE·SoH·SoP는 각각 어떤 질문에 답하는가? SoC가 충분한데 호버가 불가능한 상황을 설명하라.
2. 쿨롱 카운팅의 오차 원천 네 가지를 들고, 임무 한 번에서 가장 큰 두 가지가 무엇인지 말하라.
3. OCV 곡선의 기울기가 SoC 보정에 주는 영향을 NMC와 LFP로 비교해 설명하라.
4. 필터가 낸 오차폭 $\sigma$가 실제 오차보다 작을 수 있는 이유는 무엇인가?
5. $\sigma_z=\sigma_Q/Q=3\ \%$일 때 1.22.7의 임무가 No-Go가 되는 과정을 따라가라.
6. 비행 중 접촉기를 여는 것이 왜 안전 상태가 아닌가? 계단식 보호는 어떻게 짜는가?

연구 질문 — 이 장에서 파생되는 열린 주제(25.7에 모은다)

1. 호버 가능성의 SoP 요건 — 임무와 형상별로 호버 마진을 확보하는 데 필요한 SoP 추정의 불확실성 상한은 얼마이며, 그것을 시험으로 어떻게 입증하는가?
2. 평탄한 OCV 화학의 상태 추정 — LFP나 실리콘 음극 셀에서 추가 센서(셀 팽창·임피던스 분광·초음파)가 SoC·SoH 오차를 얼마나 줄이는가?
3. 기단 데이터 기반 SoH 추세 — 비행 로그(8.23)로 저항 추세와 이상을 기단 수준에서 조기에 찾을 수 있는가? 데이터 공유와 책임은 어떻게 정하는가?
4. 학습 기반 BMS의 보증 — 훈련 범위 밖(저온·손상)의 오차 한계를 DO-178C 틀(8.8) 안에서 어떻게 보증하는가?

1차 출처(이 장)

• Plett, G. L., Battery Management Systems, Volume I: Battery Modeling, Artech House, 2015.
• Plett, G. L., Battery Management Systems, Volume II: Equivalent-Circuit Methods, Artech House, 2015.
• Plett, G. L., "Extended Kalman filtering for battery management systems of LiPB-based HEV battery packs," Parts 1–3, Journal of Power Sources, vol. 134, 2004.
• Pop, V.; Bergveld, H. J.; Notten, P. H. L.; Regtien, P. P. L., Battery Management Systems: Accurate State-of-Charge Indication for Battery-Powered Applications, Springer, 2008.
• Waag, W.; Fleischer, C.; Sauer, D. U., "Critical review of the methods for monitoring of lithium-ion batteries in electric and hybrid vehicles," Journal of Power Sources, vol. 258, 2014.
• Reddy, T. B. (ed.), Linden's Handbook of Batteries, 4th ed., McGraw-Hill, 2011.
• Smart Battery Data Specification, Revision 1.1, SBS Implementers Forum, 1998.
• RTCA DO-311A, FAA TSO-C179b, SAE ARP4754B, SAE ARP4761A, IEC 62619, UN Manual of Tests and Criteria 38.3, MAVLink 공식 문서(배터리 프로토콜)

출처를 찾고 판을 추적하는 방법은 0.9에서 다룬다. 셀 화학의 1차 출처는 1.21에 있다.

다음 장: 1.23에서 에너지를 배터리 하나에 맡기지 않는 길을 본다. 연료와 배터리의 비에너지 격차가 하이브리드 전기 추진의 동기가 되는 과정을 손익분기 계산으로 따라가고, 직렬·병렬 구성과 출력 평준화, 그리고 하이브리드가 새로 들여오는 열·소음·정비의 짐을 살핀다.