2.1 전기차 충전 장소별 충전 모델링

전기차 충전 장소별 그리드 임팩트 분석을 위해 2,018년 서울지방경찰청 종합교통정보센터(Seoul Metropolitan Police Agency)^[6][7]의 데이터를 근거로 서울 도심 유입 및 유출 교통량을 다음 그림 1에 도시하였다. 분석 결과 출근을 위한 유입 교통량은 오전시간대에 즉, 오전 7시부터 9시까지 피크 형태를 이루고 있지만 퇴근을 위한 유출 교통량은 5시 이후 오후시간대에 분산되어 있음을 알 수 있다.

이때, 서울 도심 유입 교통량 데이터는 직장에 출근을 하기 위한 교통량으로 해석하여 직장 출근 도착시 전기 자동차 충전 시작시간 확률밀도 함수 산정에 사용되고 도심 유출 교통량 데이터는 가정에 퇴근을 하기 위한 교통량으로 해석하여 가정 퇴근 도착시 전기 자동차 충전 시작시간 확률밀도 함수 산정에 적용된다. 또한 전기차 충전장소별 충전 시작시간 확률밀도 함수 산정시, 시간별 충전요금(TOU)를 반영한 제어형과 반영하지 않은 비제어형으로 구분하여 그리드에 미치는 임팩트를 분석하였다.

2.1.1 직장에서의 전기차 충전 시작시간 확률밀도 함수

직장에서의 비제어형 전기 자동차 충전 시작시간 확률밀도 함수는 전체 운행차량에 대하여 오전에 서울 도심으로 출근을 위한 시간별 자동차 유입 차량 대비 유출 차량량과 목적지 도착을 위한 1시간 주행 시간을 고려하였으며 제어형에 대한 충전 시작 시간 확률은 여기에 추가로 한전 TOU 충전 요금을 고려하여 다음 식(1)과 같이 산출하였으며 다음 그림 2에 제어형 확률밀도 함수를 도시하였다. 즉, 서울 도심으로 유입하는 전기차 차량이 유출하는 전기차 차량보다 많을수록 그리고 충전 요금이 저렴할수록 충전 확률이 높기 때문에 이를 고려하여 충전 확률 밀도를 산정하였다. 또한, 도심 유출 차량 대비 유입 차량이 많은 경우는 오전 4시부터 오전 11시까지 이므로 이 시간대에 직장에 도착해서 완속 충전을 한다는 가정하에 층전 확률 밀도를 산출하였다. 다음 표 1과 표 2에 각각 한전에서 적용하고 있는 전압에 따른 충전 요금과 계절별 시간대별 충전 요금을 제시하였다.^[8]

2.1.2 가정에서의 전기차 충전 시작시간 확률밀도 함수

가정에서의 비제어형 전기 자동차 충전 시작시간 확률밀도 함수는 전체 운행차량에 대하여 오후에 서울 도심에서 퇴근을 위한 시간별 자동차 유출 교통량 대비 유입 교통량과 목적지 도착을 위한 1시간 주행 시간을 고려하였으며 제어형에 대한 충전 시작 시간 확률은 여기에 추가로 한전 TOU 충전 요금을 고려하여 다음 식(2)와 같이 산출하였다. 또한, 도심 유입 차량 대비 유출 차량이 많은 경우는 오후 2시부터 오후 11시까지 이므로 이 시간대에 가정에 도착해서 완속 충전을 한다는 가정하에 층전 확률 밀도를 산출하였다. 다음 그림 3에 제어형 확률밀도 함수를 도시하였다.

2.1.3 전기자동차 배터리 초기 SOC 상태 산출

전기 자동차 충전을 위해 미리 결정된 평균 주행 거리 정보를 고려하여 출·퇴근시 초기 배터리 SOC 상태를 다음 식(3)에 의해 산출될 수 있다.

위 식(3)에 제시한 서울시에 대한 장소별 즉, 직장 및 가정에서의 초기 배터리 SOC0의 산출을 위해 2,010년 서울시 교통안전공단의 차량 주행거리 분석 보고서를 인용하여 일간 출·퇴근 주행거리 46.2km를 적용하였으며 전기차 최대 운행거리는 Nissan Altra 29kWh 리튬이온 배터리를 고려하여 전기차 효율 0.16kWh/km(영국 BERR 보고서)를 근거로 180km로 설정하였다. 그러므로, 서울시 일간 출·퇴근 운행거리를 46.2km를 고려하면 각각 출근 및 퇴근시 초기 배터리 SOC0는 0.74이다. 따라서 전기자동차 출·퇴근 1일 주행 후 초기 배터리 SOC0가 충전할 필요성을 느끼지 못할 정도로 매우 높으므로 2일 주행 후 출·퇴근시 충전한다고 가정하면 그때 초기 배터리 SOC0는 0.49이다. 따라서 주어진 Nissan Altra 리튬 이온 배터리 충전 특성 조건하에서 출·퇴근시 충전시간 Tc(h)는 초기 배터리 SOC0와 최종 배터리 SOCF에 따라 다음 식(4)에 의해 산출될 수 있다. 그러므로 본 논문에서는 최종 PEVs 배터리의 SOCF은 풀 충전을 고려하여 1로 설정하고 Pc는 Nssan Altra 리튬이온 배터리의 시간별 충전 전력 특성을 고려하여 6.0kW로 설정하였으며 그 결과 출·퇴근시 충전시간 Tc(h)는 2.5h로 결정하였다.

2.2 전기차 충전 장소별 그리드 임팩트 분석

앞서 2.1에서 전기차 충전장소별 충전 모델 알고리즘에서 제시한 직장과 가정에서의 비제어형 및 제어형의 시간대별 충전 시작시간 확률 밀도함수와 전기자동차 초기 배터리 SOC 상태와 충전시간 그리고 시간별 충전 전력을 고려하여 단일 전기자동차 배터리 충전 일부하 곡선을 산출하였다.

그리고 2,030년 각각 전체 자동차 대비 전기자동차 점유율을 30%로 설정하여 전기자동차 차량 대수를 산정하고 앞서 산정한 단일 전기자동차 충전 일부하곡선에 시나리오별 차량 대수를 고려하여 서울시 전체 직장 및 가정에서의 비제어형 및 제어형 전기자동차 충전 일부하곡선을 산출하였으며 전체 흐름도를 다음 그림 4에 도시하였다.

또한, 서울시 기존부하 일부하곡선을 근거로 부하 증가 트랜드 기법을 이용하여 2,030년의 서울시 기존 부하 일부하곡선을 산정하고 앞서 그림 2와 그림 3에 제시한 직장과 가정에서의 비제어형 및 제어형 충전 확률밀도를 고려한 전기자동차 충전 일부하곡선을 합산하여 서울시 전체 일부하곡선을 산출하였다.^[9] 구체적인 사례 검토에서는 2,030년 서울시를 대상으로 앞서 표 1과 표 2에 제시한 한전 전기차 충전 TOU 요금제에서 각각 시간대별 충전 전력요금을 적용한 제어형 일부하곡선과 이를 적용하지 않은 비제어형 일부하곡선을 산출하였다. 또한, 출근 후 직장내 전기차 충전과 퇴근 후 가정에서의 전기차 충전 비율은 각각 50%씩 상정하였으며 2일 주행후 충전은 전기차 배터리 SOC용량을 고려하여 2일 후 배터리 SOC0는 0.49로부터 풀 충전에 필요한 전력만을 계산하였다.

이와 같은 절차에 따라 한전 전기차 TOU 요금제가 반영되지 않은 비제어형과 반영된 제어형에 대해 2,030년 서울시 일부하 곡선을 산출하였다. 그 결과 다음 그림 5에 2,030년 비제어형 서울시 전체 일부하곡선을 그리고 그림 6에 제어형 서울시 전체 일부하곡선을 도시하였으며 사례 분석 내용은 다음과 같다.

• 기존 부하의 경우, 오전 9시부터 부하가 점진적으로 상승하고 점심시간인 오후 12시부터 오후 1시까지 잠시 하강하였다가 오후 1시부터 다시 상승하기 시작하여 오후 2시경에 피크를 형성하고 오후 6시부터 부하가 다시 점진적으로 하강하는 것으로 평가됐다.

• 직장에서의 충전 일부하곡선은 비제어형의 경우, 오전 5시부터 충전 부하가 시작하여 점진적으로 상승하고 오전 9시에 피크를 형성한 후 점차 하강하며 제어형의 경우에는 다 비제어형과 마찬가지로 오전 5시부터 충전 부하가 상승하다 오전 8시에 피크를 형성한 후 점차 하강하는 것으로 분석됐다.

• 가정에서의 충전 일부하곡선은 비제어형과 제어형 동일하게 오후 6시부터 충전 부하가 점진적으로 상승하고 오후 8시에 피크를 형성한 후 점차 하강하며 제어형의 경우에는 가정에서의 충전 시간대에 TOU 요금제가 영향을 미치지 못한 이유로 비제어형과 동일한 충전 부하 특성을 갖는 것으로 분석됐다.

• 2030년의 경우, 전기자동차 점유율 30%인 경우에 비제어형 및 제어형 모두 직장 및 가정에서의 충전 부하량이 다소 크게 작용하여 기존부하 대비 합산부하가 오전 9시부터 11시 사이에 비제어형의 경우 약 22% 정도, 제어형의 경우에는 약 19% 정도 증가하고 오후 8시부터 10시 사이에는 비제어형 및 제어형 동일하게 약 25% 정도 증가함을 알 수 있다. 따라서 오전 9시부터 11시 사이에 TOU 요금제 적용에 따른 효과로 약 3% 정도 부하 감소 효과를 얻고 오후 8시부터 10시 사이에는 부하 감소 효과가 없는 것으로 분석됐다.