전기차 배터리팩의 수명·비용에 대한 동적 재구성 기술의 시스템 수준 평가System-level assessment of dynamic reconfiguration for lifetime and cost outcomes in electric vehicle battery packs

이 편은 소재 화학이 아니라 시스템 공학이다

이번 편은 이 시리즈의 앞선 네 편(전해질 분자설계, SEI 메커니즘, 계면 화학)과 결이 다르다. 코인셀도, XPS도, SEM도 없다. 대신 240개 시나리오·24만 번의 시뮬레이션과 유로화로 계산한 손익분기점이 나온다. 다루는 층위 자체가 다르다. 셀 하나 안에서 무슨 일이 일어나는지가 아니라, 셀 수백–수천 개를 묶은 배터리팩 전체를 어떻게 설계하고 운용해야 오래 쓰고 돈을 아낄 수 있는지를 다룬다.

스웨덴 찰머스공대와 자동차 부품사 PHINIA, 상용차 업체 스카니아가 함께 2026년 Nature Communications에 발표한 이 논문은, 셀마다 작은 스위치 두 개를 달아 개별적으로 회로에서 빼거나 넣을 수 있게 만든 “재구성형 배터리팩”(RBP, reconfigurable battery pack)의 수명·경제성 효과를 대규모로 정량화했다. 결론부터 보면, 이 구조는 배터리 수명을 20% 넘게 늘릴 수 있고, 특히 전기 트럭이나 장거리 승용차처럼 전압이 높은 응용에서 효과가 크다. 다만 초기 비용이 더 들기 때문에 경제성은 조건부다 — 배터리 용량 약 50kWh 이상, 연간 주행거리 12,150km 미만, 추가 비용 7.16% 미만이라는 세 문턱값을 논문은 구체적으로 제시한다.

배터리팩은 가장 약한 셀 하나에 발목 잡힌다. 이 논문은 셀마다 스위치를 달아 그 발목을 풀어주는 구조가 실제로 얼마나, 어떤 조건에서 이득인지를 24만 번의 시뮬레이션으로 answer한다.

이 글은 논문 원문(Article 본문 14쪽)을 전체 통독하고 정리했다. 배터리 시스템 공학·통계 개념에 낯선 독자를 위해 배경 개념은 본문에 풀어 쓰고, 분석기법 설명은 글 맨 끝 부록에 모아뒀다.

배경 — 배터리팩은 왜 가장 약한 셀에 발목 잡히는가

전기차 배터리팩 하나에는 셀이 보통 수백에서 수천 개(현대 전기차 기준 대략 10²–10⁴개) 직렬·병렬로 묶여 있다. 문제는 제조 과정에서 전극 코팅 두께, 활물질 로딩, 다공도, SEI 형성 같은 요인이 셀마다 미세하게 달라진다는 점이다. 이 편차는 셀 형성(포메이션) 단계를 거치며 더 벌어지고, 실제 사용 중에는 위치별 온도 차이나 사용 패턴 차이까지 더해져 셀 간 성능 격차가 계속 커진다.

지금의 고정형 배터리팩(CBP, conventional battery pack)은 셀들이 물리적으로 직렬 배선돼 있어서, 팩 전체의 실사용 용량은 사실상 가장 약한 셀 하나가 정한다. 더 심각한 건 셀 하나가 내부 단락이나 개회로 같은 고장을 일으키면 그 셀이 속한 모듈이나 스트링 전체가 무력화되고, 나머지 셀 대부분이 멀쩡해도 배터리팩 전체를 통째로 교체해야 하는 경우가 생긴다는 점이다. 배터리관리시스템(BMS)이 이 문제를 계속 개선해왔지만, 지금까지는 점진적 개선에 그쳤을 뿐 구조적 해법은 아니었다고 저자들은 짚는다.

제조 단계에서 셀을 미리 등급별로 골라 비슷한 성능끼리 묶는 선별·등급화(그레이딩) 공정도 있지만, 이 공정 자체가 전체 셀 제조 비용의 약 30%를 차지할 만큼 비싸고 시간이 오래 걸린다. 게다가 아무리 잘 골라 짝지어도 시간이 지나면 셀들의 성능은 다시 벌어진다. 제조 단계의 정밀도만으로는 장기적인 균일성을 보장할 수 없다는 의미다.

무엇을 다뤘나 — 셀마다 스위치를 다는 재구성형 배터리팩

이 논문이 평가하는 대안은 다이내믹 재구성(dynamic reconfiguration)이다. 개념 자체는 새롭지 않다 — 아우디·메르세데스벤츠·포르쉐·스카니아·보쉬·지리·LG화학·삼성 같은 업체들이 이미 관련 연구개발에 뛰어들었다고 논문은 밝힌다. 다만 기존 연구는 대부분 특정 사례나 특정 아키텍처에 국한돼 있었고, 셀 화학·사용 조건·환경을 폭넓게 아우르는 체계적 평가는 없었다는 게 이 논문이 채우려는 공백이다.

재구성형 배터리팩(RBP)의 기본 단위는 셀 하나와 제어 가능한 스위치 두 개로 이뤄진 “재구성형 배터리 유닛”이다. 스위치 하나는 셀과 직렬로, 다른 하나는 병렬로 연결돼 있어서, 이 유닛을 회로에 그대로 참여시킬지 우회(바이패스)시킬지를 실시간으로 제어할 수 있다.

그림 출처: Škegro et al., Nature Communications 17, 5980 (2026), Fig. 1, DOI: 10.1038/s41467-026-74951-8, CC BY 4.0

이 논문의 특징은 실험실 규모가 아니라 시스템 규모의 검증이라는 점이다. 실제 셀을 사용한 것이 아니라, 문헌에 이미 검증된 등가회로 모델(개방회로전압·저항·RC 소자로 배터리 셀의 전기적 거동을 표현하는 모델)과 반경험적 열화 모델(실측 데이터에 수식을 맞춘 노화 예측 모델)을 그대로 가져와, 두 종류의 상용 셀(리튬인산철·LFP, 니켈망간코발트산화물·NMC)에 적용했다. 제조 편차, 열 환경(평균 온도·공간적 온도 구배), 사용 패턴(휴지 시간 비율), 시스템 전압(직렬 셀 개수), 셀 화학이라는 다섯 범주의 변수를 조합해 총 240개 시나리오(LFP 216개, NMC 24개)를 만들고, 셀 간 초기 편차의 무작위성을 반영하기 위해 시나리오마다 1000번씩 몬테카를로 시뮬레이션을 돌렸다. 총 24만 번에 이르는 계산이다. 고정형 팩(CBP)의 수명 종료 시점은 셀 하나라도 정격 용량의 80%로 떨어지는 순간으로 정의했고, 재구성형 팩(RBP)은 이상적인 제어 하에 모든 셀이 균등하게 열화돼 동시에 그 시점에 도달한다고 가정했다. 즉 이 논문의 수치는 재구성이 낼 수 있는 이론적 상한에 가깝다.

대표 결과 — 무엇이 수명 연장폭을 좌우하는가

다섯 변수 각각이 수명 연장(χ, 카이)에 미치는 영향을 따로 떼어 살펴본 결과는 이렇다.

가장 흥미로운 결과는 두 가지다. 첫째, 평균 온도 자체보다 공간적 온도 구배(팩 안에서 셀마다 온도가 얼마나 다른가)가 훨씬 큰 영향을 준다. 이는 국소적으로 더운 셀이 더 빨리 열화되면서 셀 간 불균형을 키우고, 재구성이 이 불균형을 바이패스로 완화할 여지를 만들기 때문이다. 저자들은 이를 근거로 배터리 열관리시스템(BTMS, 느리지만 팩 전체의 평균온도·전역 불균형을 다스림)과 재구성(빠르지만 국소적인 온도 피크·구배를 다스림)이 서로 다른 시간축에서 상호 보완적으로 작동할 수 있다고 제안한다. 둘째, 시스템 전압이 높을수록 수명 연장폭이 커지면서 동시에 시나리오 간 편차(표준편차)는 줄어든다. 더 크게, 더 예측 가능하게 이득을 보는 셈이다. 직렬로 묶인 셀이 많을수록 그중 약한 셀 하나가 팩 전체를 끌어내릴 확률이 커지는데, 재구성은 바로 그 약한 셀만 골라 우회시킬 수 있기 때문이다.

화학종별로 보면 NMC가 LFP보다 재구성의 효과를 더 크게 받았다. 같은 조건에서 제조 편차가 클 때 LFP는 χ 중앙값이 9.05%인데 NMC는 18.75%까지 오른다. NMC가 열에 더 민감해 셀 간 열화 궤적이 더 크게 갈라지기 때문이라는 게 저자들의 설명이다.

그림 출처: Škegro et al., Nature Communications 17, 5980 (2026), Fig. 2, DOI: 10.1038/s41467-026-74951-8, CC BY 4.0

실제 차종에 대입하면 — 마일드하이브리드 7% vs 고전압 트럭 24%+

이 시뮬레이션 결과를 실제 감이 오도록, 연구팀은 15개 제조사, 20개 차종의 공칭 배터리팩 전압과 셀 화학을 시스템 전압-수명연장 곡선에 대입했다. 전압이 오를수록 수명연장 효과가 커지는 관계는 직선이 아니라 로그 곡선을 그린다 — 저전압 구간에서는 전압이 조금만 올라도 효과가 가파르게 커지지만, 고전압 구간에서는 그 증가폭이 점점 완만해진다.

아우디 Q5 같은 마일드하이브리드(공칭전압 47.6V)는 수명연장이 약 7%에 그치는 반면, 테슬라 모델Y·BYD 씨라이언 같은 대중적 순수전기차(300–400V)는 약 10%, 포르쉐 타이칸·기아 EV9·이베코 S-eWay 트럭 같은 고전압 플랫폼(500–750V)은 24%를 넘는 수명연장을 기대할 수 있다는 게 이 매핑의 결론이다. 같은 전압대에서는 NMC 차종이 LFP 차종보다 일관되게 더 큰 효과를 보인다.

그림 출처: Škegro et al., Nature Communications 17, 5980 (2026), Fig. 3, DOI: 10.1038/s41467-026-74951-8, CC BY 4.0

경제성 분석 — 수명이 늘어난다고 항상 이득은 아니다

수명이 늘어나는 것과 돈이 절약되는 것은 별개 질문이다. RBP는 스위치·커넥터·회로기판 같은 추가 하드웨어 때문에 초기 비용이 더 든다. 대신 교체 시점을 늦추고 폐차 시점의 잔존가치를 더 높게 유지해 이 비용을 상쇄할 수 있다는 게 이 논문의 가설이다. 연구팀은 초기투자·운영유지비·에너지비용·교체비용·잔존가치 다섯 요소를 모두 반영한 순현재비용(NPC, net present cost) 모델로 CBP와 RBP를 비교했다.

80kWh급 LFP 팩, 차량수명 18.8년을 가정한 기준 시나리오에서 RBP는 교체 시점을 1.1년 늦추고 잔존가치를 19% 넘게 더 높게 유지했다. 그 결과 손익분기는 9.1년째(교체 이전)에 찾아오고, 차량 폐차 시점까지 누적하면 RBP가 941유로를 절약했다 — CBP 전체 수명비용의 5.61%, 초기비용의 11.95%에 해당한다. 조건이 가장 유리한 시나리오에서는 2.4년 만에 손익분기를 넘기고 3584유로(수명비용의 15.65%)를 절약했지만, 가장 불리한 시나리오에서는 끝까지 손익분기를 못 넘기고 오히려 2258유로를 더 쓴 것으로 나타났다.

그림 출처: Škegro et al., Nature Communications 17, 5980 (2026), Fig. 4, DOI: 10.1038/s41467-026-74951-8, CC BY 4.0

이 경제성이 시나리오마다 크게 갈리는 이유를 밝히려고, 연구팀은 10만 개의 파라미터 조합(라틴 하이퍼큐브 표집)으로 스피어만 상관계수를 계산해 어떤 변수가 손익을 가장 크게 흔드는지 순위를 매겼다. 배터리팩의 공칭 에너지 용량(ρ=0.61)이 가장 강한 영향을 줬고, 연간 주행거리(ρ=-0.47)와 RBP 초기비용 증가율(ρ=-0.37)이 그 뒤를 이었다. 회귀분석으로 각 변수의 손익분기 문턱값도 구했다 — 배터리 용량 49.72kWh 이상, 연간 주행거리 52,748km 이하, 초기비용 증가율 11.82% 이하일 때 RBP가 유리해지는 경향을 보였다.

여기서 한 걸음 더 들어가, 연구팀은 이 세 변수 중 두 개(초기비용 증가율·연간 주행거리)를 조합해 “거의 항상 이득을 보는” 안전 구간을 따로 찾았다. 초기비용 증가율 7.16% 미만이면서 연간 주행거리 12,150km 미만인 조합에서는, 다른 변수가 어떻게 바뀌든 시나리오의 99.7% 이상에서 RBP가 비용 이득을 봤다. 스웨덴의 실제 통계를 보면 일반 승용차는 연평균 11,410km, 소형상용 전기차는 13,030km를 달린다. 상당수 실사용 차량이 이미 이 안전 구간에 들어와 있는 셈이다.

그림 출처: Škegro et al., Nature Communications 17, 5980 (2026), Fig. 5, DOI: 10.1038/s41467-026-74951-8, CC BY 4.0

고찰 — 이 논문이 안 보여준 것

이 논문의 강점은 규모다. 240개 시나리오, 24만 번의 몬테카를로 시뮬레이션, 10만 개의 경제성 파라미터 조합, 20개 실제 차종 매핑까지 — 특정 사례 하나에 기댄 기존 연구들과 달리 폭넓은 조건을 체계적으로 훑었다.

저자들 스스로도 몇 가지 한계를 명시한다. 첫째, 이 논문이 모델링한 건 “셀 단위” 재구성이다. 셀 하나하나를 개별 제어할 수 있다는 가정이라, 달성 가능한 성능의 상한에 가깝다. 실제 산업계·시범사업 대부분은 비용·배선 복잡도 때문에 셀보다 훨씬 굵은 단위(클러스터·스트링 단위)로 재구성하는데, 이 경우 셀 간 편차를 그만큼 세밀하게 잡아내지 못해 이 논문이 제시한 수치보다 실제 이득은 작을 가능성이 크다. 둘째, 경제성 모델의 가정들이 단순화돼 있다. 잔존가치가 SOH(건강 상태)에 선형으로 비례한다고 가정하는데, 실제 2차 활용 시장의 가치는 셀 개별 상태·인증 기준·법적 책임 구조 같은 모델링하지 않은 요인에도 좌우된다. 저자들은 이 단순화가 오히려 RBP의 실제 이득을 과소평가했을 수 있다고 언급한다. 여기에 이 논문만으로는 확인할 수 없는 지점도 하나 짚어둘 만하다. 이 논문은 시뮬레이션 전용이다. 실제로 조립한 재구성형 배터리팩을 시험한 하드웨어 파일럿 데이터는 없다. 스위치 비용·저항 손실 같은 경제성 모델의 입력값도 문헌·부품 단가 추정치에서 가져온 것이지 실측치가 아니다.

My Take

이 시리즈에서 처음 다루는 시스템 논문이라 결이 다르지만, 읽으면서 가장 인상 깊었던 지점은 “수명 연장”과 “경제적 이득”을 분리해서 다룬 구성이었다. 수명이 20% 늘어난다는 결과만 보면 무조건 좋아 보이지만, 이 논문은 곧바로 “그런데 그게 항상 돈이 되는 건 아니다”로 넘어가 손익분기 조건을 구체적인 숫자(49.72kWh, 12,150km, 11.82%)로 못박는다. 기술적 잠재력과 경제적 타당성을 한 논문 안에서 분리해 각각 검증한 태도가, 이 시리즈의 다른 논문들이 실험실 데이터로 하는 일을 시스템 시뮬레이션으로 하는 셈이다.

동시에 셀 단위 재구성이 “상한”이라는 저자들의 고백은 이 논문을 읽는 방식을 정해준다. 논문이 제시하는 20%·24% 같은 숫자는 목표치나 이상적 시나리오로 보는 게 맞고, 실제 제품에 들어갈 재구성형 배터리팩은 세분화 수준을 낮출 수밖에 없어 이보다 낮은 수명 연장을 보일 가능성이 크다. 그럼에도 손익분기 문턱값(용량·주행거리·초기비용)은 세분화 수준과 무관하게 설계 의사결정에 바로 쓸 수 있는 실용적인 결과다.

Battery Lab 시리즈는 지금까지 셀·전해질 층위의 논문 네 편(열폭주 지연·급속충전·에너지밀도·저온성능)을 다뤘고, 이번 편으로 배터리팩·시스템 층위까지 넓혔다. vault에 원문 PDF가 확보된 나머지 논문도 이어서 리뷰한다.

부록 — 이 글을 이해하는 데 필요한 배경지식과 용어

이번 편은 이 시리즈의 다른 논문들과 다루는 층위가 달라 새로운 개념이 많다. 전기화학·재료 쪽 용어(SEI·CEI·쿨롱효율 등)는 이번 논문에 나오지 않는다.

1. 배터리팩 시스템 개념

• 고정형 배터리팩(CBP) vs 재구성형 배터리팩(RBP): CBP는 셀들이 물리적으로 고정된 직렬·병렬 배선으로 묶여 있어 팩 구성을 바꿀 수 없다. RBP는 셀마다 제어 가능한 스위치를 달아, 운행 중에도 특정 셀을 회로에 참여시키거나 우회(바이패스)시킬 수 있다.
• 배터리관리시스템(BMS, battery management system): 배터리팩의 전압·전류·온도를 감시하고 충방전을 제어하는 전자 시스템. 셀 밸런싱(충전 상태를 맞추는 기능) 등을 수행하지만, 고정된 배선 구조 자체를 바꾸지는 못한다.
• 수명 종료(EOL, end of life): 배터리가 초기 대비 일정 수준(이 논문 기준 80%) 밑으로 용량이 떨어져 실사용에 부적합해지는 시점.
• 건강 상태(SOH, state of health): 배터리가 초기 성능 대비 얼마나 남아 있는지를 백분율로 나타낸 지표. 100%가 새 배터리, 낮을수록 열화가 진행된 상태다.
• 등가회로 모델(equivalent-circuit model): 배터리 셀의 전기적 거동을, 전압원과 저항·축전기 등 회로 소자의 조합으로 단순화해 표현하는 모델. 실제 화학반응 대신 전기공학적으로 셀을 흉내 낸다.
• 반경험적 열화 모델(semi-empirical ageing model): 배터리 용량 감소·저항 증가를 실측 데이터에 수식을 맞춰(피팅) 예측하는 모델. 완전한 물리 법칙 유도가 아니라 관찰된 경향을 수학적으로 근사한다.
• 순현재비용(NPC, net present cost): 미래에 발생할 여러 비용(초기투자·운영비·교체비 등)을 할인율로 환산해 현재 시점의 가치로 합산한 총비용. 서로 다른 시점에 발생하는 비용을 공정하게 비교하기 위해 쓰인다.

2. 이 논문에 쓰인 통계·분석 기법

• 몬테카를로 시뮬레이션(Monte Carlo simulation): 무작위로 뽑은 입력값을 반복적으로 대입해 계산을 여러 번 돌리고, 그 결과들의 분포로 불확실성을 정량화하는 기법. 이 논문에서는 셀마다 다른 초기 용량·저항의 무작위성을 반영하는 데 썼다.
• 라틴 하이퍼큐브 표집(Latin Hypercube Sampling, LHS): 여러 변수를 동시에 무작위로 바꿔가며 표본을 뽑을 때, 표본이 변수 공간 전체에 고르게 퍼지도록 설계하는 통계적 표집 방법. 무작정 무작위로 뽑는 것보다 적은 표본으로도 넓은 조건을 효율적으로 훑을 수 있다.
• 스피어만 순위상관계수(Spearman’s rank correlation coefficient, ρ): 두 변수가 함께 늘거나 줄어드는 경향을 -1에서 1 사이 값으로 나타내는 통계량. 1에 가까우면 강한 양의 관계, -1에 가까우면 강한 음의 관계, 0에 가까우면 뚜렷한 관계가 없다는 뜻이다. 이 논문에서는 어떤 설계·사용 변수가 경제성에 가장 큰 영향을 주는지 순위를 매기는 데 썼다.
• 박스플롯(box plot): 데이터 분포를 중앙값(가운데 선)·사분위수(상자 경계)·이상치(점)로 요약해 보여주는 그래프. 여러 시나리오의 결과를 한눈에 비교할 때 쓰인다.