전 세계적인 에너지 전환의 영향으로 새로운 대체 에너지 기술은 급속히 발전하고, 유동 배터리는 장수명과 안정성 등의 장점으로 대규모 에너지 저장 시스템에서 중요한 역할을 하고 있다. 유동 배터리의 경우, 정확한 충전 상태(SOC)와 건강 상태(SOH) 평가는 배터리의 사용 효율성을 향상시키고 수명을 연장하며 그리고 네트워크 기동 및 중단 작업을 최적화하여 전반적인 에너지 관리의 신뢰성과 경제성을 향상시킬 수 있다. 본 논문에서는 유동 배터리 에너지 저장 시스템에서 충전 상태(SOC)와 건강 상태(SOH) 평가 방법의 최신 연구 동향을 살펴보고, 분석 방법에 중점을 두어 열린 회로 전압 방법, 아머시간 적분 방법, 동등 회로 모델 및 칼만 필터를 결합한 알고리즘, 그리고 최근 인공 지능 기반 데이터 모델을 포함한 몇 가지 고전적인 평가 방법을 중점적으로 분석하였다. 이 연구에서는 이러한 방법의 장단점을 상세히 논의하고, 배터리의 복잡한 전기화학적 과정과 외부 환경 변화가 SOC 및 SOH 평가에 미치는 영향을 지적하였다. 미래의 유동 배터리 관리 시스템의 핵심적인 방향은 SOC와 SOH 평가의 정확도 향상, 계산 복잡도 감소, 그리고 인공 지능 모형의 설명력 강화이다.

유동 배터리; 충전 상태; 건강 상태; 배터리 관리 시스템; 동등 회로 모델; 인공 지능