차세대 배터리(고체전지) 알아보기

서론 — “리튬 이후의 해답은 나트륨인가?”전 세계 배터리 산업이 리튬 공급 불안정과 가격 급등에 직면한 가운데, **‘나트륨이온전지(Sodium-ion Battery, SIB)’**가 새로운 대안으로 급부상하고 있다. 나트륨(Na)은 리튬(Li)과 주기율표상 같은 알칼리 금속 그룹에 속하며, 전기화학적 특성이 유사하지만 지각 내 존재량이 약 1000배 이상 많고, 추출비용이 훨씬 저렴하다. 이 때문에 나트륨이온전지는 ‘포스트 리튬’ 후보 중 가장 실현 가능성이 높은 기술로 주목받고 있다.하지만 리튬이온전지를 완전히 대체할 수 있는가? 라는 질문에는 여전히 복잡한 기술적·경제적 맥락이 얽혀 있다. 에너지 밀도, 충전속도, 사이클 수명, 온도 안정성 등에서 리튬이온전지와의 성능 격차는 여전하며, 상용화 가..

서론 — “LFP의 시대, 그리고 CATL의 독주”리튬인산철(LFP, Lithium Iron Phosphate) 배터리가 다시 전 세계 배터리 시장의 중심으로 떠오르고 있다. 한때 ‘에너지밀도가 낮고 저가형 전기차용 배터리’로 평가되던 LFP는 최근 3~4년 사이, 기술적 혁신과 제조 효율의 비약적 발전을 통해 NCM(삼원계) 배터리를 위협하는 주력 전지 시스템으로 부상했다.특히 **중국 CATL(Contemporary Amperex Technology Co. Limited)**은 LFP 부문에서 독보적인 시장 점유율을 확보하며, 배터리 산업의 원가 구조·생산 공정·공급망 전략을 근본적으로 뒤흔들고 있다. 2024년 기준 CATL은 글로벌 LFP 시장의 60% 이상을 차지하며, 세계 전기차 판매 상위 1..

서론 — 코발트 프리 배터리, 지속가능한 에너지 시대의 전략적 전환점전기차와 에너지저장장치(ESS)의 폭발적 확산은 리튬이온전지 산업의 핵심 소재를 둘러싼 새로운 지정학적 균열을 만들어내고 있다. 그 중심에 있는 금속이 바로 **코발트(Co)**다. 코발트는 NCM·NCA 계열 양극소재에서 결정 구조의 안정성과 전기전도성을 담당하며 배터리의 수명과 안전성을 결정짓는 핵심 구성 원소이다. 하지만 문제는 명확하다 — 공급의 70% 이상이 콩고민주공화국(DRC)에 편중되어 있고, 그 생산 과정에서 아동노동, 환경오염, 정치적 불안정 등 심각한 리스크가 뒤따른다.이에 따라 글로벌 배터리 산업은 “탈(脫)코발트”를 향한 기술적·정책적 대전환을 시작했다. 이른바 코발트 프리(Cobalt-free) 혹은 Low-Co..

전기차 배터리의 진화는 양극 소재에서 시작된다리튬이온전지(Lithium-ion Battery)는 ‘양극(Cathode)에서 혁신이 일어난다’는 말이 있을 정도로, 에너지밀도·수명·가격·안전성 등 모든 성능의 근간을 양극이 결정한다. 현재 상용화된 리튬이온전지의 양극은 크게 NCM(Ni·Co·Mn), NCA(Ni·Co·Al), LFP(LiFePO₄) 세 계열로 구분된다. 각각은 특정 산업 전략과 응용 분야에 최적화되어 있으며, 글로벌 배터리 산업의 경쟁 구도를 상징한다.2020년대 초, 전기차 시장이 폭발적으로 성장하면서 배터리 수요도 기하급수적으로 증가했다. 그러나 동시에, 니켈·코발트·리튬 등 핵심 금속의 공급망 리스크와 탄소중립 요구, 비용 절감 압력이 겹치면서 ‘양극 소재의 경제성·안전성·고성능의 ..

리튬이온전지, 포화에 가까운 한계와 그 돌파구로서의 ‘실리콘’지난 30여 년 동안 리튬이온전지(Lithium-ion Battery, LIB)는 전자기기에서부터 전기자동차, 에너지저장장치(ESS)에 이르기까지 현대 산업의 에너지 인프라를 지탱해왔다. 그러나 2020년대를 넘어오며 이 기술의 본질적 한계가 점차 명확히 드러나고 있다. 특히 에너지 밀도(Wh/kg) 향상 정체는 전기차 주행거리와 스마트 디바이스 지속시간 향상을 동시에 가로막는 가장 큰 병목이다. 기존 흑연(그래파이트) 음극이 가지는 이론적 용량(372 mAh/g)은 이미 상용 셀 수준에서 90% 이상 활용되고 있으며, 더 이상 뚜렷한 용량 향상을 기대하기 어렵다. 이에 따라 전 세계 연구개발의 초점은 ‘고에너지밀도화의 한계 돌파’로 이동하고 ..

서론: 고체전지 수명 불확실성을 극복하는 데이터 기반 접근법의 부상고체전지(All-Solid-State Battery, ASSB)는 차세대 에너지 저장장치로서, 기존 리튬이온 배터리의 한계를 뛰어넘는 안전성·에너지 밀도·열적 안정성을 제공할 잠재력을 지닌 기술이다. 그러나 이와 동시에, 고체전지는 복잡한 전극–전해질 계면 반응, 이온전도성 열화, 기계적 응력 축적 등으로 인해 수명 열화 메커니즘이 불규칙하게 나타난다는 문제가 존재한다. 이러한 복합적 열화 현상은 단순한 실험 데이터만으로 예측하기 어렵고, 소재·구조·운용조건 간 비선형 상호작용까지 고려해야 하므로 기존의 물리 모델만으로는 수명 예측 정확도를 확보하기 힘들다.이에 따라 최근 머신러닝(Machine Learning, ML) 기반의 수명 모델링..