웨어러블 기기는 성장을 거듭하는 매력적인 시장이며 그중에서도 스마트워치는 단연 독보적이라고 할 수 있다. 소비자는 웨어러블 기기에 정확하고 긴 배터리 시간을 요구하며, 제조사는 치열한 경쟁 속에서 시장을 선점하기 위해 애쓰고 있다.

시장 출시 속도

배터리 성능 최적화는 배터리 잔량 측정 알고리즘을 구동하는 고품질 배터리 모델에서 이루어진다. 이와 같은 맞춤형 특성 확인 작업에 시간을 투자하면, 충전 상태(SOC: Status of Charge) 오류를 최소화하고 배터리가 거의 방전될 때를 예측함으로써 보다 정확한 배터리 성능을 산출할 수 있다. 배터리에 저장된 에너지(mAhr로 표시하는 용량)는 부하, 온도와 같은 여러 매개변수에 따라 달라진다. 따라서 개발자들은 다양한 조건에서 배터리 특성을 확인해야 한다. 일단 배터리 동작에 맞는 모델이 추출되면 잔량 측정 칩에 로딩된다. 그리고 엄격한 감독 과정을 거치고 나면 배터리 충전과 방전의 안전성이 높아진다.

제조사는 배터리 잔량 측정기의 특성 확인 과정 때문에 시장 출시 속도에 문제가 생긴다. 대량 구매 고객을 제외한 다른 고객의 요구를 충족시키기 어렵기 때문이다. 고객이 다양하므로 모델 추출에 광범위한 연구가 필요하고, 필수 리소스를 보유한 IC 제조사가 많지 않으며 IC 제조업체들은 일반적으로 대량 애플리케이션에 초점을 맞춘다.

배터리 시간

배터리 모델이 허술하면 실행시간을 정확히 예측할 수 없다. 전형적인 스마트워치 사용 모델은 하루 동안 5시간의 활동 상태(시간 확인, 알림, 앱 사용, 음악 재생, 통화, 운동과 같은 활동)와 19시간의 수동 상태(시간 확인)를 나타낸다. 만약 스마트워치가 하루 동안 활동 모드에서 40mA, 수동 모드에서 4mA를 소비한다면 총 276mA를 소비하게 되는 것이다. 이는 거의 일반적인 스마트워치의 배터리 용량에 해당된다. 배터리 시간을 정확히 예측하면 기기가 예기치 않게 멈추는 것을 예방할 수 있다.

배터리 지속 여부 역시 중요하다. 수동 모드에서 위와 동일한 성능의 배터리는 최대 69시간 동안 작동(276mAh/4mA)한다. 50㎂를 소비하는 전형적인 잔량 측정기는 배터리 수동 실행 시간을 약 52분 단축하는데, 이는 무시할 수 있는 시간이 아니다.

EZ 솔루션

맥심 인터그레이티드는 많이 사용되는 리튬 배터리의 특성을 연구한 후 배터리 충전량을 정확하게 예측하고 배터리를 안전하게 관리하는 알고리즘을 개발했다.

모델게이지(ModelGauge) m5 EZ 알고리즘(EZ)은 독특한 알고리즘의 배터리 모델로, 잔량 측정 IC에 내장되어 있다. 시스템 설계자는 평가 키트 소프트웨어에 포함된 간단한 환경설정 마법사를 사용해 배터리 모델을 생성할 수 있다. 설계자는 용량(종종 배터리 라벨이나 데이터 시트에 명시됨), 배터리 소진 지점으로 간주되는 각 셀의 전압(애플리케이션에 따라 다름), 배터리 충전 전압(4.275V 이상인 경우)에 대한 정보를 제공해야 한다.

EZ를 사용하면 시스템 설계자는 더 이상 특성 확인 작업을 실행할 필요가 없다. 이 작업은 본질적으로 잔량 측정기 제공업체가 담당하기 때문이다. EZ 알고리즘에 포함된 여러 적응형 메커니즘은 배터리 특성 학습을 도와 잔량 측정기의 정확성을 더 높여준다. 그중 어떤 메커니즘은 셀 전압이 소진 상태에 근접할 때 잔량 측정기 출력을 0%로 집중하게 한다. 따라서 잔량 측정기는 셀 전압이 소진 상태에 도달한 시점에서 0% SOC를 나타낸다.

SOC 예측에서 시스템 오차 범위를 3%라고 가정하면 EZ 모델은 전체 방전 테스트에서 95.5%를 통과한다. 이는 테스트에서 97.7%를 통과한 노동 집약적 사용자 정의 모델 성능에 근접한다고 할 수 있다. 그림 1과 같이 EZ 메커니즘은 배터리가 대부분 소진될 때 거의 같은 수준의 정확성으로 동작한다. 이는 EZ 메커니즘에서 가장 중요한 부분이다. 대다수의 사용자는 SOC나 잔여 용량을 아는 것만으로 충분하지 않다고 생각한다. 사용자가 정말 알고 싶은 것은 잔여 충전량 기준 배터리 실행시간이다. 잔여 용량을 현재나 미래의 부하값으로 나누는 단순한 방법은 지나치게 낙관적인 추정 결과로 이어진다. EZ 알고리즘은 배터리 변수, 온도, 부하 효과, 애플리케이션의 소진 전압을 기반으로 보다 정확하게 방전시간을 예측한다.

▲ 그림 1. EZ 시스템 오류 성능

▲ 그림 2. 시스템 오류 경쟁사 분석

대규모 제조사는 신속한 개발을 위한 시작점으로 EZ를 이용할 수 있다. 일단 사용 가능한 프로토타입이 있다면 세밀하게 조정된 배터리 모델을 선택할 수 있다. 소규모 제조사는 EZ를 이용해 배터리 호환성에 대한 걱정 없이 최상의 배터리 모델을 생성할 수 있다.

모델게이지 m5 EZ가 내장된 1-셀 잔량 측정기

EZ 알고리즘은 MAX17055의 독립형 단일 셀 팩, 잔량 측정 IC에 내장되어 있다. MAX17055는 0.7㎂ 셧다운 전류, 7㎂ 최대 절전 전류(Hibernate Current), 18㎂ 활성 전원 전류를 공급하므로 배터리로 작동하는 웨어러블 기기에 적합하다. I2C 인터페이스는 데이터 및 제어 레지스터에 접근할 수 있도록 한다.

시스템 오류 최소화, 배터리 시간 정확성 극대화

배터리가 거의 방전된 상태에서 MAX17055의 오류는 대부분의 테스트 케이스(26개 중 15개) 중 1%에 불과하다. 경쟁사 기기는 동일 테스트에서 훨씬 높은 오류를 나타냈다. 배터리가 거의 방전되었을 때의 오류가 적으면 배터리 충전을 최적으로 이용하고 실행시간을 극대화하며, 기기가 예기치 않게 조기 중단되는 것을 최소할 수 있다.

배터리 시간 연장

대기 전류가 낮은 잔량 측정기 IC를 사용하면 배터리 시간이 연장된다. MAX17055의 18㎂ 대기 전류는 경쟁사 기기보다 64% 낮다. 또한 저전력 최대 절전 모드에서 단 7㎂만 소비하므로 배터리 시간이 52분 단축에서 7분 단축으로 줄어 성능을 높인다. 앞서 살펴본 것처럼, 배터리 시간의 정확성과 지속력을 극대화하는 효과적인 잔량 측정 시스템에서 배터리 모델링은 매우 중요하다. 제조사는 MAX17055에 내장된 모델게이지 m5 EZ 알고리즘 기반 접근 방식을 통해 배터리 시스템 개발을 빠르고 쉽게, 그리고 비용 효율적으로 진행하는 한편, 폭넓은 애플리케이션에서 향상된 배터리 성능을 제공할 수 있다.  

나자레노 로제티(Nazzareno Rossetti) ▶▶ 아날로그 및 전력 관리 전문가

바쿨 담레(Bakul Damle) ▶▶ 맥심 모바일 전력 비즈니스 관리 디렉터