전기차 기반 스마트 모빌리티 시스템 수식화와 실증 분석

본 연구는 스마트 전기차(e‑mobility) 시스템을 두 가지 관점에서 심층적으로 분석한다. 첫 번째는 전기차 자체를 배터리 집합체(EV‑B A)로 활용하는 모델이며, 두 번째는 전통적인 충전소(CS)를 중심으로 한 집합체(EV‑C A) 모델이다. 두 모델 모두 전력 시장에서 비용을 최소화하고, 배터리 열화와 전력 품질을 고려한 제약조건을 포함한다. 1. **모델 정의 및 변수 설정** - **집합 및 인덱스**: 충전 포인트(CP), 시간 단계(T), 차량(V) 등. - **입력 파라미터**: 배터리 비용, 충전·방전 요금, 전력 가격, 배터리 용량, SOE(상태‑에너지) 한계 등. - **결정 변수**: 느린 충전(e SCH), 빠른 충전(e FCH), V2G 방출(e DCH), 배터리 열화 비용(c DEG), 차량 SOE(soe EV) 등. 2. **목적 함수** - 총 비용 c EV을 최소화한다. 비용은 느린 충전·빠른 충전·V2G 방출 각각에 대한 전력 가격, 그리드 요금, 충전소 이용료, 그리고 배터리 열화 비용을 포함한다. 3. **제약조건** - **에너지 흐름 제약**: (2)‑(8)식은 충전·방전 전력 한계, 온보드 충전기 용량, 배터리 CC‑CV 구간을 반영한다. - **배터리 열화 모델**: (9)‑(10)식은 방전 에너지와 DOD를 이용해 네 개의 계수(D BAT 1‑4)로 선형 근사한다. 이는 기존 연구에서 비선형 모델을 이진 변수 없이 구현한 것이다. - **SOE 제한**: (11)‑(14)식은 차량의 에너지 균형과 최소·최대 SOE, 초기 SOE를 보장한다. EV‑C A 모델은 이와 별도로 도착·출발 시점의 예상 SOE(SOE ARR, SOE DEP)를 고정하는 제약(15)‑(17)을 추가한다. 4. **문제점 정의** - **Issue 1**: 다른 충전소에서의 EV 행동 정보 부족 → 도착 시점 SOE 예측 오류. - **Issue 2**: 충전소 간 유연성 전이 불가능 → 가격 변동에 따른 최적 방출·충전 스케줄링 제한. - **Issue 3**: 전력 제한(충전·방전 전력) 모델링 부정확. - **Issue 4**: 비용 구조(그리드·충전소 요금) 누락. 5. **사례 연구 설계** - 세 대의 EV(배터리 용량 20, 40, 60 kWh)와 세 개의 충전소(가정, 직장, 레저, DC Fast)로 구성. - 2018년 프랑스 EPEX 전력 가격 데이터를 사용해 고·중·저 변동성 시나리오를 설정. - 충전 효율: 느린 η SCH = 0.95, V2G η DCH = 0.85, 빠른 η FCH = 0.80 등. - 운전자는 두 가지 SOE 선호(고‑SOE ≥ 95 %, 저‑SOE ≥ 60 %)를 가정하여 EV‑C A 모델을 각각 고‑SOE·저‑SOE 경우로 비교. 6. **결과 및 분석** - **총 비용**: 모든 가격 변동성 시나리오에서 EV‑B A가 가장 낮은 비용을 기록했으며, 그 다음이 EV‑C A 저‑SOE, 마지막이 EV‑C A 고‑SOE 순이었다. - **에너지 흐름**: 고변동성 시나리오에서 EV‑B A는 V2G 방출을 적극 활용해 약 30 kWh 이상의 전력을 그리드에 판매했으며, EV‑C A는 충전소 연결 구간만 고려해 방출량이 현저히 적었다. - **Issue 1·2 영향**: EV‑C A 고‑SOE 모델은 도착 시점 SOE를 과도하게 보수적으로 설정해 고가격 구간에 불필요한 충전을 강요했고, 저‑SOE 모델은 가격이 낮은 구간에 충분히 충전하지 못해 이후 고가격 구간에 추가 비용을 발생시켰다. EV‑B A는 전체 일정에 걸쳐 전력 가격을 실시간으로 반영해 최적 충·방전 스케줄을 수립함으로써 이러한 문제를 회피했다. - **가격 변동성 효과**: 변동성이 클수록 모든 모델의 비용이 감소했지만, EV‑B A는 변동성 증가에 비례해 비용 감소 폭이 가장 컸다. 이는 유연성을 전일에 걸쳐 활용할 수 있기 때문이다. - **전력 제한·비용 구조**: Issue 3·4는 두 모델 모두 동일하게 적용했으며, 결과에 큰 차이를 주지는 않았지만, 정확한 전력 한계와 요금 모델링이 비용 정밀도에 기여함을 확인했다. 7. **시사점 및 결론** - 전기차를 이동식 배터리 집합체로 활용하는 EV‑B A 접근법은 전력 시장에서 비용 절감과 수익 창출 측면에서 기존 충전소 중심 모델보다 우수함을 실증하였다. - 운전자의 SOE 선호와 전력 가격 변동성을 동시에 고려할 수 있는 통합 최적화가 필요하며, 이를 위해 충전소 간 실시간 정보 공유와 차량‑레벨 예측 모델이 필수적이다. - 향후 연구에서는 stochastic(확률적) 파라미터를 도입해 실제 운전 패턴·가격 변동성을 반영하고, 배터리 열화 모델을 비선형·다중 변수 형태로 확장하는 것이 제안된다.