전기차 충전소 최적 배치를 위한 우회 충전 행동 모델링

본 논문은 전기차(EV)의 제한된 배터리 용량으로 인한 ‘주행 거리 불안감(range anxiety)’을 해소하기 위한 충전소 배치 최적화 문제에 새로운 접근법을 제시한다. 서론에서는 전통적인 내연기관 차량과 달리 EV는 충전이 필요할 때 반드시 충전소에 우회해야 하는 특성을 강조하고, 기존 문헌이 충전소 위치 선정에 주로 정적 수요 예측이나 비용 최소화에 초점을 맞추었으며, 실제 운전자의 주행 행동을 반영하지 못한다는 한계를 지적한다. 이에 저자들은 먼저 ‘EV detour-to-recharge behavior’를 기술적으로 모델링한다. 교통망을 노드와 브랜치(도로)로 구성하고, 각 여행 경로는 순서대로 방문해야 할 노드 집합으로 정의한다. 각 노드에서 EV는 현재 SOC(state of charge)를 확인하고, 다음 노드까지 이동에 필요한 에너지와 비교한다. SOC가 충분하면 그대로 진행하고, 부족하면 충전 가능 노드 집합 C를 탐색한다. C가 비어 있으면 충전이 불가능하므로 해당 경로는 미완료로 기록하고, 그렇지 않으면 각 충전소까지의 추가 거리 n_detour = L_detour – L_branch를 계산한다. 이때 최소 n_detour 값을 갖는 충전소를 선택하고, 동일한 최소값이 여러 개일 경우 n1·L 차이까지 고려해 최적 충전소를 결정한다. 선택된 충전소에 도착하면 SOC가 회복된 것으로 가정하고, 남은 경로를 계속 시뮬레이션한다. 전체 시뮬레이션 과정은 흐름도(Figure 2)와 함께 상세히 기술되며, 각 단계에서 ‘extra driving length’와 ‘uncompleted route length’를 누적한다. 다음으로 이러한 행동 모델을 기반으로 충전소 배치 최적화 문제를 정의한다. 목표 함수는 (1) 전체 EV가 겪는 추가 운행 거리의 합, (2) 충전 실패로 인한 미완료 경로 길이의 합을 최소화하는 다목적 함수이며, 필요에 따라 가중치를 부여해 단일 목표로 변환한다. 후보 충전소 배치는 유전 알고리즘(GA)으로 탐색한다. 초기 집단은 전체 후보 노드 중 정해진 수만큼 무작위 선택해 염색체(chromosome)로 표현한다. 적합도는 목표 함수 값의 역수(작을수록 높은 적합도)로 계산하고, 룰렛 휠 선택을 통해 다음 세대로 전달한다. 교차 연산은 두 염색체의 상호 배타적 부분을 교환해 새로운 후보를 생성하고, 돌연변이 연산은 일정 확률로 염색체 내 한 노드를 다른 후보 노드로 교체한다. 이러한 연산을 반복하면서 적합도가 향상되는 것을 확인한다. 실험 설정은 30 km × 30 km 구역에 100개의 노드와 203개의 브랜치를 가진 가상의 교통망을 구축하고, 각 노드를 상업·산업·주거·기타 네 가지 용도에 고르게 배치한다. 모든 노드는 잠재적 충전소 후보로 간주한다. 10 000개의 여행 경로를 무작위 생성하되, 출발지 비율을 상업 45 %, 산업 30 %, 주거 15 %, 기타 10 %로 설정하고, 경로 길이는 2~24노드로 제한한다. EV 배터리 용량은 50 kWh, 에너지 소비는 0.25 kWh/km로 가정한다. GA 파라미터는 인구 규모 200, 교차 확률 0.8, 돌연변이 확률 0.05 등으로 설정하고, 500세대까지 실행한다. 시뮬레이션 결과, 충전소 수를 10개로 제한했을 때 전체 추가 운행 거리는 기존 무계획 대비 약 35 % 감소했으며, 미완료 경로 비율은 12 %에서 3 %로 크게 낮아졌다. 충전소 위치는 주로 고밀도 노드와 경로 교차점 근처에 집중되었으며, 이는 실제 교통 흐름과 일치한다. 또한 GA 수렴 그래프는 150세대 이후 적합도 변화가 미미해짐을 보여, 제안된 파라미터가 충분히 효율적임을 확인한다. 논문의 결론에서는 제안된 모델이 EV 운전자의 실제 충전 의사결정을 정량적으로 반영함으로써, 정책 입안자와 도시 계획자가 충전 인프라를 배치할 때 보다 현실적인 비용-편익 분석을 수행할 수 있음을 강조한다. 향후 연구로는 다중 충전(한 번에 여러 번 충전) 시나리오, 실시간 교통 데이터와 연계한 동적 최적화, 그리고 충전소 용량(충전 속도)까지 고려한 확장 모델을 제시한다.