작년 Porsche Engineering은 고전압 배터리의 디지털 트윈을 개발하기 시작했다. 동 기업은 이제 수리 예측(Repair Prediction)이라는 초기 기능과 함께 빠른 진전 상황을 공개하고 있다.

Porsche Engineering은 Porsche가 전체 지분을 소유한 자회사로서 독일 바이작 지역에 본점을 두고 있으며, Porsche Consulting과 마찬가지로 타사에 서비스를 제공한다. 또한 Porsche Consulting처럼 모회사에 뿌리를 두면서도 수년 동안 광범위한 고객에게 기술 개발 서비스를 전문적으로 제공해왔다.

Porsche Engineering은 떠오르는 전동화 시대에는 무엇보다 배터리가 전기차의 결정적인 부품이라고 설명한다. 차량의 잔존 가치에 중요한 영향을 미치기 때문이다. 이 기업은 배터리셀과 시스템의 노화 과정을 파악하고 사용자의 행동이 수명에 미치는 영향을 자세히 이해하기 위해 2023년부터 소위 ‘디지털 트윈(digital twin)’을 개발하고 있으며, 첫 중간 결과를 발표한다.

Porsche Engineering의 AI 및 빅데이터 책임자 Joachim Schaper는 “내연기관 엔진의 사례와 같이 수년 간의 경험을 도출하지 못한 상태로 현장에서 배터리셀을 장기적으로 사용한 이후의 거동을 이해해야 한다”고 설명했다. 그러므로 디지털 트윈은 실제와 완전히 동일하게 거동하는 배터리를 디지털 방식으로 표현한 후 예상되는 노화 과정에 관한 정보를 제공하여 미래를 엿보기 위한 기술이다. Porsche Engineering은 배터리 수명과 성능을 개선하는 작업에도 디지털 트윈을 사용할 수 있다고 말한다.

독일과 체코의 Porsche Engineering 소속 AI 전문가들은 전기화학 및 열 모델의 프로토타입을 개발한 후 AI 분석과 결합하고 있다고 말한다. 디지털 배터리 트윈(Digital Battery Twin) 작업 결과 이미 배터리 데이터를 모니터링하고 마모나 기능 이상 신호를 경고하는 머신 러닝 알고리즘을 기초로 수리 시점을 예측하는 초기 기능을 개발했다.

배터리의 디지털 트윈을 개발하려면 여러 출처의 데이터가 필요하다. 성능 모듈은 간소화된 방식으로 배터리의 전기 거동을 설명하는 기초 역할을 가며 저항-커패시터 모델 등 정립된 접근 방식을 바탕으로 구축할 수 있다. 또한 배터리셀 과정을 시뮬레이션으로 확인하는 더욱 복잡한 전기화학 모델이 있다. 다른 중요한 요소는 열 모델로서 배터리가 저온이나 고온에 반응하는 방식을 예측하는 작업에 사용될 수 있다.

Porsche Engineering의 경우 이러한 모델은 주로 개별 셀이나 셀 모듈을 다루는 실험실 테스트에 기초하며, 차량 내 배터리의 거동을 제한적으로만 예측할 수 있다. 이러한 이유로 테스트 차량이나 셀을 측정하는 테스트 벤치에서 얻은 실제 현장 데이터를 사용한다. 현장 데이터는 고객의 사용 행동 패턴을 인식하는 AI 알고리즘을 훈련하는 데 사용된다. 예컨대 개별 셀의 온도나 전압 차이가 조기 마모 및 기능 이상을 시사할 수 있다.

그러나 Porsche Engineering은 AI가 현장 데이터베이스가 존재하는 양상만 인식할 수 있다고 말한다. 현재 도로를 주행하는 전기차들의 사용 기간은 4년 이하이므로 장기 노화의 영향을 설명할 수 없다. 이에 따라 Porsche Engineering은 디지털과 실제를 결합하고 있다. Porsche Engineering의 개발 엔지니어 Adrian Eisenmann은 “기존의 모델 기반 요소와 AI 방식을 결합하는 데 성공의 열쇠가 있다”고 설명한다.

일부 스타트업들은 이미 배터리 데이터 분석에만 집중하고 있다. 그러나 Porsche Engineering의 관점에서는 셀과 모듈만 다루는 것으로 충분하지 않다. Joachim Schaper는 “차량의 전체 과정에 대한 종합적인 지식이 필요하다”고 강조했다. 그는 Porsche Engineering이 실제와 디지털 세계를 모두 다룬다고 생각한다. 그는 “예컨대 엔지니어들은 Porsche 전기차에 사용되는 배터리 관리 시스템의 대부분을 개발하는 동시에 구동 장치를 위한 펄스 인버터도 개발했다”며, “아울러 Porsche Engineering은 전문성이 매우 높은 배터리 데이터 과학자를 고용하고 있다”고 말했다.

Porsche Engineering은 장기적으로 일반적인 디지털 배터리 트윈은 물론 미래에는 개별 차량 배터리를 디지털 방식으로 표현하고자 한다. 동 기업은 “이러한 기술은 요청 시 클라우드에서 실행 가능하며 주행 성능을 약화시키지 않으면서 배터리의 수명을 연장할 수 있는 고객의 행동에 관한 정보를 제공할 수 있다”고 말했다. 내구성에 긍정적인 영향을 주는 일부 요인은 널리 알려져 있다. 배터리 충전 상태(SoC)는 30~70%를 유지해야 하며, 극단적인 외부 온도도 피해야 한다. 그러나 이는 많은 요소 중 일부일 뿐이며, Porsche Engineering은 배터리의 노화는 분리하기 어려운 많은 요소들의 복잡한 상호 작용을 통해 이루어진다며, 특히 현장에서 이러한 양상이 두드러진다고 말했다.

Porsche 엔지니어들의 관점에서 미래의 차량을 개인화하기 위해 디지털 트윈을 사용하는 방법도 상상할 수 있다. 이들은 “요청에 따라 고객의 주행 스타일을 분석하고 마모를 최소화하기 위해 배터리 관리 시스템의 매개변수를 변경할 수 있을 것”이라고 밝혔다. 디지털 트윈은 향후 자동차 산업 외 다른 분야에서도 새로운 배터리 개발에 중요한 인사이트를 제시할 수 있다. 배터리 마모에 관한 종합적인 데이터를 수집하면 Voltfang이나 The Mobility House의 사례처럼 정치형 에너지 저장 장치 등 배터리 재사용 분야에 효과적으로 기여할 수 있다. Schaper는 또한 “셀에 관한 지식은 트럭, 전기 자전거, 선박으로도 확장될 수 있다”고 설명한다.