.svg)
AI 솔루션 문의하기
전기버스의 보급이 증가하면서 대규모 충전시설의 안전성이 중요한 관심사가 되었습니다. 리튬이온 배터리는 과충전, 과방전, 외부 충격 등의 원인으로 인해 열 폭주(thermal runaway) 현상이 발생할 수 있으며, 이는 급격한 온도 상승과 연기 배출을 동반합니다. 충전시설에는 다수의 배터리 팩이 동시에 충전되므로 한 팩의 이상이 인접한 팩으로 전파될 가능성이 있습니다.
리튬이온 배터리 화재는 기존 소화 방법으로 대응하기 어렵고 재발화 위험이 높으므로, 열 폭주의 초기 신호를 정확하게 감지하는 것이 화재 예방의 핵심입니다. 이러한 특수한 위험 환경에서 AI 기반의 연기 감지 카메라는 신뢰할 수 있는 조기 경보 수단이 될 수 있습니다.
1. 열화상 카메라 : 배터리의 표면 온도를 비접촉식으로 측정하여 온도 분포를 시각화
2. AI 이상 탐지 모듈 : 정상 온도 범위와 비정상적 상승을 실시간으로 구분하여 경보 발생
전기버스 충전시설의 안전을 위해 배열된 열화상 카메라는 배터리 팩의 표면 온도를 지속적으로 촬영합니다. 카메라에서 수집된 영상을 AI 알고리즘이 분석하여 각 배터리의 온도 분포 패턴을 학습하고, 정상 범위에서 벗어나는 이상 신호를 감지합니다. 기계학습 모델은 충전 단계별, 환경 온도별로 다른 정상 온도 프로필을 학습하므로, 실제 이상 상황과 정상적 온도 변화를 구분할 수 있습니다. 열화상 정보는 배터리의 내부 상태를 직접 반영하지 않지만, 표면 온도의 비정상적 상승은 열 폭주의 초기 신호로 해석될 수 있으므로 조기 감지에 효과적입니다.
연기는 배터리 열 폭주의 또 다른 중요한 신호입니다. 광산란식(light scattering) 연기 감지기는 전리 방식 감지기보다 입자가 큰 연기에 민감하므로 배터리 화재의 초기 단계에서 유용할 수 있습니다. AI 카메라도 영상 내 입자 증가를 감지하여 연기 발생 여부를 판단합니다. 열화상 정보와 연기 감지 신호를 함께 분석하면, 단일 센서만 사용할 때보다 오경보를 줄이면서도 실제 위험을 더욱 신속하게 식별할 수 있을 것으로 예상됩니다.
충전시설의 규모와 구조에 따라 감지 카메라의 배치 전략이 달라집니다. 대형 충전소는 배터리 랙을 구역별로 나누어 각 구역마다 열화상 카메라를 배치하고, 작은 충전소는 중앙 위치에 광각 카메라를 설치하는 방식으로 접근할 수 있습니다. 각 카메라의 감시 범위, 해상도, 측정 정확도를 충전시설의 규모와 배터리 밀도에 맞게 조정합니다. 카메라 간의 영상이 겹치도록 배치하여 사각지대를 최소화하고, 조명 변화나 창문의 반사 같은 외부 요인으로 인한 간섭을 고려합니다.
배터리는 충전 상태에 따라 정상 온도 범위가 크게 다릅니다. 대부분의 리튬이온 배터리는 실온 조건에서 충전 중 표면 온도가 30~40℃ 범위를 유지하는 것으로 알려져 있으며, 수명이 다한 배터리나 결함이 있는 배터리는 더 높은 온도에서 충전될 수 있습니다. AI 시스템은 각 배터리의 충전 프로필을 학습하여 개별적인 정상 온도 범위를 설정하고, 그 범위를 벗어나는 순간 경보를 발생시킵니다. 환경 온도, 습도, 충전 속도 같은 변수를 고려하여 기준값을 동적으로 조정하면, 계절 변화나 충전 조건 변화에 대응할 수 있습니다.
열 폭주는 순간적으로 발생하지 않으며 특정 단계를 거쳐 진행되는 양상을 보입니다. 초기 단계에는 배터리 표면 온도가 느리게 상승하고, 이어 급격한 온도 상승이 나타나며, 최종 단계에서는 배터리 케이스가 팽창하거나 파열될 수 있습니다. AI 시스템이 온도 상승의 속도와 패턴을 분석하면, 단순히 임계값을 초과했는지 여부만 판단하는 것이 아니라 현재 열 폭주가 진행 중인 단계를 추정할 수 있습니다. 단계별 진행 신호를 포착하면, 초기 단계에서 적절한 격리 조치를 취할 기회가 생기므로 대규모 화재 확산을 방지할 가능성이 높아집니다.
연기 또는 온도 이상이 감지되면 일련의 자동화된 조치가 순차적으로 진행될 수 있습니다. 먼저 충전을 즉시 중단하고 해당 배터리 팩의 전력 공급을 차단합니다. 환기 시스템을 가동하여 공간 내 연기를 배출하고, 안전 시설(포말 소화 장치, 드라이 파우더 소화기 등)을 준비 상태로 전환합니다. 배터리실의 출입문이 자동으로 폐쇄되어 화염과 연기의 확산을 제한하고, 동시에 관리자 및 관련 기관에 실시간 알림이 전달됩니다. 이러한 자동 대응 시스템이 수초 내에 작동하면, 인적 개입 없이도 초기 피해를 상당히 제한할 수 있을 것으로 예상됩니다.
열화상 카메라의 측정 정확도는 환경 조건에 따라 변할 수 있습니다. 직사광선, 복사열, 큰 온도 편차가 있는 환경에서는 오차가 발생할 수 있으므로, 충전시설 내부의 조명과 환기를 적절히 제어하여 안정적인 측정 환경을 유지할 필요가 있습니다. 또한 배터리 표면의 색상과 재질도 적외선 방사 특성에 영향을 미치므로, 카메라 보정 시 이러한 요소들을 반영해야 합니다. 정기적인 카메라 교정과 성능 검증을 통해 측정 정확도를 유지하면, 감지 신뢰도가 지속적으로 보장될 수 있습니다.
AI 시스템이 수집한 모든 온도 데이터와 경보 기록은 저장되어 사후 분석에 활용됩니다. 화재가 실제로 발생했을 경우 열화상 영상과 온도 시계열 데이터는 원인 규명에 중요한 자료가 됩니다. 오경보 사건들을 분석하면 임계값 설정의 개선 필요성을 파악할 수 있고, 특정 배터리나 충전기의 반복적 이상 신호는 장비 결함을 시사합니다. 체계적인 데이터 분석을 통해 시스템의 감지 기준을 지속적으로 개선하고, 장비의 유지보수 일정을 과학적으로 수립할 수 있을 것으로 기대됩니다.
전기차 충전 시설의 안전 기준은 여러 국가와 국제 기구에서 정립되고 있습니다. 국제전기기술위원회(IEC)의 표준들은 배터리 관리 시스템의 성능, 안전 거리, 환기 요구사항 등을 규정합니다. 각 국가의 전기안전관리법, 소방 기준도 충전시설의 설계와 운영에 영향을 미칩니다. AI 연기 감지 시스템을 도입할 때는 해당 지역의 규제 기준을 충족하는지 확인하고, 필요시 당국의 승인을 받아야 합니다.
최고의 감지 시스템도 적절한 대응이 이루어지지 않으면 효과가 제한적입니다. 충전시설 운영 인력은 경보 신호의 의미, 자동 대응 절차, 수동 개입이 필요한 상황, 응급 연락처 등을 숙지해야 합니다. 정기적인 훈련을 통해 경보 상황에서의 신속하고 정확한 대응 능력을 유지하며, 소방 기관과의 사전 협력을 통해 실제 상황 시 효율적인 연동이 가능하도록 준비합니다. 운영 인력의 역량 강화는 기술 시스템만큼 중요한 안전 요소입니다.
현재의 열화상 카메라 기술은 표면 온도만 측정하므로 배터리 내부의 이상을 직접 감지할 수 없다는 한계가 있습니다. 향후 배터리 관리 시스템(BMS)의 전압, 전류 데이터와 열화상 정보를 함께 분석하면, 더욱 정밀한 배터리 상태 진단이 가능할 것으로 예상됩니다. 음향 센서를 추가하여 배터리 내부의 비정상음을 감지하거나, 화학 센서로 배터리에서 방출되는 가스 성분을 분석하는 방식도 개발되고 있습니다. 다양한 감지 기술의 통합과 데이터 융합을 통해 조기 경보 시스템의 신뢰도와 반응 속도가 지속적으로 향상될 것으로 기대됩니다.
.svg)
.svg)
