1. 서론

전 세계적으로 친환경에너지에 대한 관심이 증가함에 따라, 자연스레 전기자동차(Electric Vehicle, 이하 EV)에 대한 관심이 증가하고 있다. 정부 역시 내연기관 자동차의 사용을 줄이고 EV 활용빈도를 높이기 위하여 지원금과 세재혜택 등의 다양한 지원을 제공하고 있다. 이러한 정황에 기인하여 EV 보급률은 지속적으로 증가할 것이 예상된다. 그러나 전력회사의 입장에서 예상하지 못한 EV에 기인한 수요증가는 계통 운영 및 계획의 측면에서, 전압 및 주파수 변동, 최대 수요 증가, 수요 관리 등의 심각한 문제를 야기할 수 있다.

이러한 문제를 파악하고 대비하기 위하여 다양한 연구들이 EV의 충전수요 및 계통에 미치는 영향을 분석하였다. 참고문헌 [1]⁽¹⁾은 전기자동차를 하이브리드 자동차와 순수 EV로 정의하고 모델별 수명주기비용을 계산하였으며, 계산된 수명주기비용을 기반으로 EV 도입시점 및 수요를 회귀분석을 기반으로 예측하였다. 그러나 회귀분석은 과거의 추세가 미래에도 지속될 것이라는 전제를 가정하므로, 기술적/정책적 환경변화에 의하여 기존과는 달리 폭발적으로 증가하는 EV 수요를 충분히 반영하기 어렵다는 한계를 가지며, EV 수요 증가에 따른 계통의 수요전력 변동에 대한 연구는 수행되지 않았다. [2]⁽²⁾는 서울시내 아파트 주차관제시스템 데이터 및 통계청의 EV 연도별 증가추이를 적용하여 EV 대수를 산정하고, 이를 기반으로 최적 EV 충전설비 대수를 산정하였다. 그러나 해당 연구는 단순 증가추이를 기반으로 EV 대수를 산정하고, EV 충전 역시 4개의 이용률만을 가정하고 분석하였다는 한계를 가진다. [3]⁽³⁾은 특수일의 EV 충전부하 특성 방정식을 수학적으로 도출하고, 확산곡선과 교통량을 이용하여 EV 부하가 포함된 부하모델을 도출 및 분석하였다. 그러나 단순히 보급률을 기반으로 EV 수를 산정하였고, 모든 EV가 동일한 충전패턴을 가진다는 문제점을 내포하고 있다. [4]⁽⁴⁾의 경우, 기상정보와 실제 교통량 분포를 고려하여 EV 보급을 예측하고, 계절에 따른 주중/주말 충전수요를 분석하였다. 그러나 초기 배터리 잔존용량(State of Charge, 이하 SoC)을 산정하기 위하여 표준분포를 기반으로 임의설정 하였고, 활용된 교통량 정보 및 기상정보가 EV 충전 패턴을 직접적으로 반영하기 어렵다는 한계를 가진다. [5]⁽⁵⁾에서는 도심지 급속 충전소의 충전수요 예측 모델을 제안하였다. 이를 위하여, 현재의 교통량이 어떤 상태에 도달할 확률이 오직 바로 이전 시점의 교통량에 달려있다고 가정하는 마르코프 연쇄 교통량 모델(Markov-chain traffic model)을 활용하여 충전소별 EV 대수를 산정하고, 이를 기반으로 충전 수요를 예측하였다. 그러나 초기 SoC에 대한 별도의 정보가 없으므로 SoC가 0.2~0.3 사이라는 가정을 전제하였고, 내연기관 자동차의 주행패턴을 기반으로 EV의 충전패턴을 추정하였다는 제약을 가진다. [6]⁽⁶⁾은 확률분포를 기반으로 EV 주행거리 및 초기 SoC를 예측하고, 시간별 요금제(Time of Use, 이하 ToU) 기반의 시나리오를 설정하여 EV 충전수요를 예측하였다. 그러나 해당 연구는 EV 주행거리와 SoC가 표준분포를 따른다는 전제를 가정하였고, 개별 EV의 충전 개시 시간을 임의로 설정하였다는 한계를 가진다. [7]⁽⁷⁾에서는 확률적 프로그래밍을 기반으로 EV 충전수요가 포함된 가정용 수요전력을 예측하고, EV 보급률에 따라 계통에 미치는 영향을 최대부하증가, 전력손실, 전압변동의 측면에서 분석하였다. 그러나 해당 연구에서 모든 EV의 충전은 가정에서 이루어지며, 임의로 설정된 EV 충전 개시 시간에 각 가정 혹은 사무실에 오직 한 대의 EV만 충전가능하다는 가정이 설정되었다는 한계를 가진다.

기존의 연구들은 앞서 소개한 것과 같이, EV 연계 시 배전계통에 미치는 영향을 분석하기 위하여 다양한 방법을 접목시켜왔으며, 이러한 시도는 역설적이게도 연구 결과에 오차를 야기해왔다. 그럼에도 불구하고, 다양한 방법이 적용된 이유는 EV의 충전 데이터가 존재하지 않는다는 근본적인 이유 때문이다. 본 논문에서는 한국전력 내의 “전기차 충전서비스 운영시스템”에서 축적된 실제 데이터를 활용하여 실제 EV 충전 데이터를 분석하고, 지역별/계절별/용도별 충전 패턴을 도출하였다.

2. 본론

서론에서 언급한 것과 같이, 기존 연구의 가장 큰 한계점은 실제 EV 충전데이터가 존재하지 않으므로 여러 가정을 두고 데이터를 생성하여 연구를 진행했다는 점이다. 본 논문에서는 한국전력 전기차 충전서비스 운영시스템으로부터 실제 EV 충전데이터를 수집하여 지역별/계절별/용도별 충전 패턴을 도출하였다.

3. 결 론

본 연구에서는 한국전력에서 운영하고 있는 전기차 충전서비스 운영시스템으로부터 수집한 실제 EV 충전데이터를 활용하여, 지역별/계절별/용도별 EV 충전패턴을 분석하였다. 분석결과의 신뢰성을 재고하기 위하여 오·결손 데이터를 삭제 및 보정하는 전처리 과정을 수행하였으며, 각 분석 조건에 따라서 비복원 임의 추출 샘플링 기법을 적용하였다. 또한, 수집된 데이터의 ‘충전시작’, ‘충전종료’ 정보는 충전기에 케이블이 연결 및 해제되는 시간을 의미하므로, 전체 시간동안 전체 충전량이 균등하게 충전되는 방식과 충전개시 시각직후 충전기 최대 충전량으로 충전되는 두 가지 방안으로 나누어 분석을 진행하였다.

모의 결과, 지역별 EV 및 EV 충전시설 보급에 차이가 존재함에도 불구하고, 지역별 특이 충전패턴이 존재하지 않음을 확인할 수 있었다. 계절별 EV 충전패턴의 경우에도 봄에 다소 최대수요 발생시간이 늦어지나 큰 차이를 가지지 않기에, 계절별 특이성이 존재하지 않음을 확인하였다. 용도별 분석결과, 즉각적인 충전을 요하는 공공용 또는 상업용 EV 충전패턴은 일과시간에 집중되며 특히 12~17시 사이에 최대충전수요가 발생함을 확인하였다. 반면, 주거용 EV 충전패턴은 20~23시에 최대충전수요가 발생한 후 다음날 오전 5시경 최저수요를 보임을 확인하였다. 이는 23시부터 가장 저렴한 EV 충전요금과 출근 후 충전수요 급감에 기인한 것으로 판단된다.

또한, 본 연구에서 진행된 분석결과를 근거하여 현행 EV 충전요금제 실효성 재검토가 필요하다는 결론을 내릴 수 있었다. 실제 전체 용도별 데이터의 19.69%를 차지하는 주거용 EV 충전수요의 경우 충전요금이 저렴해지는 23시 경에 최대수요가 발생함을 확인할 수 있었으나, 나머지 80.31%를 차지하는 공공용 및 상업용 EV 충전수요의 경우 낮 시간에 대부분의 충전수요가 집중되며, 특히 최대부하시간에 최대수요가 발생함을 확인할 수 있었다. 공공용 또는 상업용 EV의 활용 특성에 기인하여 요금제 기반의 충전수요제어가 어렵다면, 새로운 EV 충전제어기법을 적용하거나 ESS를 활용하여 최대수요 발생시간을 제어하는 등 추가방안에 대하여 고려할 필요성이 있다.

본 연구에서는 실제 EV 충전데이터를 활용하여 지역별/계절별/용도별 EV 충전수요 패턴분석을 진행하였으며, 향후 연구로서 이에 기반을 둔 각 케이스별(용도별/충전종류별 등) EV 충전수요 대표모델을 도출하고자 한다. 대표 EV 충전수요 모델을 도출함으로써, 배전운영의 측면에서는 갑작스런 EV 충전부하의 증가에 대비할 수 있을 것이고, 배전계획의 측면에서는 EV 증가 추세와 대표 EV 충전수요 모델을 활용하여, 설비증설 등의 계획을 수행할 수 있을 것이다.