Mobile QR Code QR CODE : The Transactions P of the Korean Institute of Electrical Engineers

Korean Journal of Air-Conditioning and Refrigeration Engineering

ISO Journal TitleTrans. P of KIEE

Indexed by
Korea Citation Index(KCI)

Main Menu

Journal Search

[

Research article

]

The Transactions P of the Korean Institute of Electrical Engineers

KIEEP Vol. 69P, No. 2, p.135-142

ISSN (print) :

1229-800X

ISSN (online) :

2586-7792

Received : 12 April 2020Revised : 28 May 2020Accepted : 29 May 2020

DOI :

http://doi.org/10.5370/KIEEP.2020.69.2.135

Analysis of EVC Power Consumption and Impact on Distribution Load

전기차 충전소 사용패턴과 배전선로 부하영향 분석

한상규 (Sang-Kyu Han) ¹iD 한상국 (Sang-Kook Han) ^†iD

(Graduate School of Technology Policy, Yonsei Univerity, Seoul, Korea.)

^†Corresponding Author : Department of Electrical and Electronic Engineering, Yonsei University, Seoul, Korea.

E-mail : skhan@yonsei.ac.kr

License :

This is an Open-Access article distributed under the terms of the Creative Commons Attribution Non-Commercial License (http://creativecommons.org/licenses/by-nc/3.0/) which permits unrestricted non-commercial use, distribution, and reproduction in any medium, provided the original work is properly cited.(www.kiee.or.kr).

Abstract

In recent years, electrical vehicles(EV) are widely used and the usage rate of the EV infrastructure is rapidly increasing. Especially, Jeju is pursuing the goal of replacing 100% of electric vehicles by 2030. This paper analyzed the impact on distribution lines due to the EVC usage in Jeju. Based on the customer data, we extracted the key factors that influence the EVC usage pattern, and classified the EVC usage data. Finally, the results were visualized and correlation coefficients were calculated to verify the factors affecting the maximum load formation in the distribution line.

Key words

EV, EVC, Data Analysis

1. 서 론

정부의 신기후 체제 대응을 위한 ‘2030 에너지 신산업 확산 전략’ 추진을 위해, 제주도는 2030년까지 전기자동차 100% 전환을 목표로 보급 사업을 진행 중이다.⁽¹⁾⁽²⁾ 전기차 보급을 원활하게 하기 위해서 충전 인프라의 구축이 반드시 필요하다. 현재 제주도는 전국 충전소의 32% 이상에 해당하는 10,000호기 이상을 구축 완료한 상태이다⁽³⁾⁽⁴⁾.

전기차 보급대수가 증가하면 충전소 사용률 또한 증가하게 된다⁽⁵⁾. 이는 전력계통을 운영하는 유틸리티사의 부담을 가중시킨다. 전기차 충전수요가 특정 시간, 특정 선로에 집중된다면 과거에는 경험하지 못한 고장 파급이 발생할 수도 있다. 따라서 계통의 안정성을 도모하면서 선로의 활용도를 제고하기 위해서는 충전소 사용실적 데이터를 활용한 분석이 필요하다.

이에 본 논문에서는 한전에서 보유한 제주지역 충전소 고객정보와 시간대별 사용실적(AMI)데이터를 바탕으로 분석을 실시하였다. 먼저 고객정보와 시간대별 사용실적을 바탕으로 시간대별 충전패턴에 영향을 미칠 것으로 예상되는 인자를 도출하였다. 이 인자들을 기준으로 고객을 분류하여 시간대별 평균사용 실적을 계산, 분석하였다. 마지막으로 이 충전 패턴들을 해당 충전소들이 연계된 선로부하와 비교하여 상관도의 크기를 확인하였다.

최근 전력 빅데이터 기술의 중심은 BTM(Behind The Meter)으로 이동하고 있으며, 특히 AMI 정보를 활용한 시계열성 데이터 분석은 핵심이 되는 기술로 향후 다양한 분야에 활용될 것으로 기대하고 있다⁽⁶⁾. 본 연구는 한전의 충전소 AMI 데이터를 사용하여 계통영향을 분석한 첫 번째 사례로서, 분산전원에 따른 계통 안정과 배전선로의 활용도를 높여, 체계적인 전력설비 관리에 기여하는 연구라는 점에서 의의가 있다.

그림. 1. 전기차 충전소 사용패턴 분석개념

Fig. 1. Electric Vehicle Charging Station Use Pattern Analysis Concept

2. 전기차 충전소 데이터 분석

2.1 고객정보 분석

본격적인 충전실적 분석에 앞서 한전 영업정보시스템 내의 제주지역 충전소 고객정보 원본 데이터를 추출하여 분석하였다. 이는 충전소 사용패턴의 차이를 결정짓는 인자를 도출하여, 고객을 그 인자를 기준으로 분류하고 실적분석을 실시하기 위함이다. 고객정보 분석에 사용된 데이터의 크기(고객수×컬럼) : 10,164×14이고, 데이터의 포함내용은 1차사업소, 2차사업소, 변전소, 배전선로, 고객번호, 원격검침(AMI 설치여부), 고객명, 주소, 주소(도로명), 자재번호, 계기종류, 계기번호, 계약전력, 계약종별　등이다.

이 원본 데이터를 결측치(Missing Values) 및 이상치(Outliers) 처리 등과 같은 전처리 작업을 실시하였다. 그리고 고객명, 주소 정보를 바탕으로 고객종류, 설치지역, 충전소 좌표 부가정보 항목을 생성하였다. 고객종류는 개인, 민간(기업), 국공립로 구성하고, 설치지역은 도심, 시골(외곽)으로 구성하며, 충전소 좌표는 위도, 경도 좌표(지도 시각화용)로 구성한다.

고객정보를 분석할 때에는 미리 설정한 분류 기준에 따라 충전소 수량이나 계약전력의 분포를 중심으로 분석하였다. 분류 기준의 수립은 다음과 같은 가설을 기반으로 실시하였다.

가설1. 배전 선로에 연계된 충전소 고객의 수는 최대부하 형성에 영향을 미친다.

가설2. 배전 선로에 연계된 충전소 고객의 계약전력의 크기는 최대부하 형성에 영향을 미친다.

가설3. 고객유형(관할 사업소, 고객종류, 설치지역, 연계 선로 등)에 따라 충전고객의 수, 계약전력의 크기는 다른 특징을 보인다.

그림 2는 고객정보 분석결과 중 고객종류에 따른 분석결과를 도표화 한 것이다. 본 연구에서는 고객의 종류를 개인, 민간(기업), 국공립 기업으로 구분하고 있다. 제주지역 충전소 고객의 대부분은 개인 고객이다. 계약전력의 전체 합도 가장 크다. 하지만 충전소별 계약전력의 평균 고객은 7.14kW 정도로 민간, 국공립에 비해 작다. 반면, 민간 및 국공립 기업 고객의 수는 개인에 비해 적지만 평균 계약전력이 30kW 이상으로 대형고객을 다수 포함하고 있다.

그림. 2. 고객종류별 충전고객 수 / 계약전력 분석결과

Fig. 2. Number of charging customers by customer type / Result of contract power analysis

앞서 소개한 고객정보 전처리 단계에서 충전소의 설치지역 항목을 추가하고 충전소 위치를 도심/외곽으로 구분하였다. 그림 3은 설치지역별 충전소의 수와 계약전력 분포를 나타낸 것이다. 일반적으로 예상하는 바와 같이 도심지역에 충전소가 다수 집중되어 있고, 계약전력의 합과 평균 측면에서도 큰 것을 확인할 수가 있다.

그림. 3. 충전소고객 설치지역 별 분석결과

Fig. 3. Analysis result by charging station installation area

그림. 4. 배전선로별 연계 충전소 정보 분석결과

Fig. 4. Analysis results of charging station information by distribution line

그림 4는 각 배전선로에 연계된 충전소의 수량과 계약전력의 합을 지도 좌표 라이브러리로 시각화 한 것이다. 분석결과에 따르면 충전소 수와 계약전력 크기의 대다수는 제주공항 인근에 집중되어 있음을 알 수 있었다. 그리고 일부는 서귀포시 인근에 분포되어 있었다. 제주 동, 서 지역은 상대적으로 충전소가 덜 설치되어 있었다.

2.2 충전소 사용실적과 배전선로 부하 패턴분석

고객정보 분석단계에서는 제주 충전소 고객 10,164호 전체를 대상으로 분석을 실시하였다. 충전소의 시간대별 사용패턴을 분석하기 위해서는 고객마다 AMI가 설치되어 있어야 한다. 하지만 제주지역 전체에 AMI가 설치되지 않은 관계로 AMI가 설치된 2,067호 고객만을 대상으로 분석을 실시하였다. 분석에 사용된 주요 데이터 리스트는 첫째는 제주 충전소 AMI 설치 고객의 ’18.1~’19.8 기간의 시간대별 충전실적이다. 둘째는 제주 배전선로 전체 부하데이터로, ’18.1~’19.8 기간의 150개 선로 부하데이터이다.

분석을 시행하기 전에 우선 전처리 단계에서 실적 및 부하 데이터에 포함된 결측치와 이상치를 처리하였다. 여기에 추가로 계측시점의 날짜정보(월, 일, 요일, 근무일/공휴일, 계절 등)를 그림 5와 같이 추가하였다. 이는 앞에 2.1에서 추출한 고객유형 정보 외에 날짜정보도 패턴에 영향을 미칠 것으로 예상하였기 때문이다.

그림. 5. 날짜 정보 추가 결과

Fig. 5. Result of adding date information

데이터분석을 실시할 때에는 다음 가설을 기준으로 진행하였다. 날짜 유형은 계절, 근무일/공휴일로 구분한다. 고객 유형은 고객종류(개인, 민간, 국공립), 설치 지역(도심, 외곽)으로 구분한다. 선로 유형은 설치 지역(도심, 외곽)으로 구분한다.

가설1. 충전전력은 날짜 유형 및 고객 유형에 따라 고유의 패턴(시간대 평균)을 가진다.

가설2. 배전선로 부하는 날짜 유형 및 설치 지역에 따라 고유의 패턴(시간대 평균)을 가진다.

날짜 유형이 패턴에 미치는 영향을 확인하기 위해 먼저 전체 데이터분석을 실시하였고, 이후 고객유형 및 설치지역에 따른 분석을 실시하였다.

2.2.1 전체 실적 분석

그림 6은 전체 충전소의 시간대별 평균 사용실적을 나타낸 것이다. 계절별, 공휴일/근무일별 패턴이 유사하다. 그리고 계절, 근무일/공휴일에 따른 패턴의 차이도 적다. 두 경우 모두 오전 5, 6시 경에 최소값을 형성하고 최대값은 0시경에 발생한다.

그림. 6. 전체 충전소의 시간대별 평균 사용실적(kW)

Fig. 6. Average usage(kW) by time of all charging stations

그림. 7. 배전선로의 시간대별 평균 부하패턴(MW)

Fig. 7. Average load(MW) pattern by time of distribution line

그림 7은 배전선로 부하의 시간대별 평균을 시각화한 것이다. 앞의 그림 6 충전소 사용실적의 예와 반대로 계절, 공휴일/근무일에 따른 시간대별 패턴의 차이가 뚜렷하다. 특히 공휴일/근무일에 따른 패턴의 차이를 유심히 살펴볼 필요가 있다. 공휴일, 근무일 모두 최대값을 20, 21시 경에 형성하고 있다. 하지만 근무일의 최소값은 오전 4, 5시경에 발생하는 반면, 공휴일의 최소값은 오후 13시 경에 발생한다. 그 원인으로는 공휴일 생산활동으로 인한 전력 사용량 감소, 신재생 발전 유입 등을 들 수가 있다.

2.2.2 고객 유형별 분석

본 단계에서는 고객정보 분석단계에서 설정한 개인, 민간(기업), 국공립(기관)별 시간대별 충전소 사용패턴의 차이를 분석하였다. 배전선로는 고객 유형에 따른 분류를 할 수 없으므로, 충전소 사용실적에 대한 분석결과만 정리하였다.

그림 8을 살펴보면 각 고객 유형별로 사용패턴의 차이가 뚜렷하다. 특히 개인 고객과 민간/국공립 고객의 사용패턴의 차이가 크게 나타난다. 개인 고객의 사용실적은 최소값이 5, 6시경에, 최대값이 0시에 나타나는 반면, 민간/국공립 고객은 최소값이 5, 6시 경에, 최대값이 20시 경에 발생한다. 충전소별 평균전력의 크기에도 차이가 있다. 개인 고객의 충전전력의 크기가 상대적으로 작은 편이다. 앞에서 확인한 바와 같이 계절별, 휴일/근무일 간 패턴의 차이는 크지 않다.

그림. 8. 충전소 고객유형별 시간대별 평균 사용실적(kW)

Fig. 8. Average usage(kW) by time of charging station customer type

2.2.2 설치 지역별 분석

본 단계에서는 충전소와 배전선로의 설치지역(도심, 외곽) 구분에 따라서 패턴의 차이가 존재하는지 분석을 실시하였다. 설치지역은 고객정보에 입력된 주소정보를 바탕으로 행정구역 상 ‘동’에 위치하면 도심으로, ‘리’에 위치하면 외곽지역으로 분류하였다.

그림 9 충전소 설치지역에 따른 시간대별 평균 사용실적(kW) 비교자료를 보면 도심과 외곽 두 지역에서 모두 유사한 패턴을 나타내었다. 두 지역 모두 오전 5, 6시에 최소값을, 0시에 최대값을 형성하였다.

그림. 9. 충전소 설치지역에 따른 시간대별 평균 사용실적(kW) 비교

Fig. 9. Comparison of average usage(kW) by time zone according to charging station installation area

그림. 10. 배전선로 설치지역에 따른 시간대별 평균 부하패턴(MW) 비교

Fig. 10. Comparison of average load(MW) pattern by time zone according to distribution line installation area

반면 그림 10을 보면 배전선로의 부하패턴은 지역에 따른 차이가 뚜렷하게 나타난다. 도심지역은 오전 5시에 최소값을 형성한다. 반면 외곽지역은 오후 13시에 최소값을 형성하고 있다. 두 지역의 최소값 발생지점 차이의 원인을 지방에 집중된 신재생발전을 연관하여 도출할 수 있다. 즉, 일반적으로 도심지는 인구나 상업시설이 밀집되어 있는 전력소비 중심지역이고, 외곽지역은 유휴용지가 상대적으로 많아서 태양광과 같은 신재생발전이 집중되어 있다. 이를 감안하면 낮 시간대에는 태양광 발전출력이 커서 부하가 줄어드는 것처럼 보이고, 해가지면 부하가 급상승하는 현상에 따른 영향임을 추론가능하다. 두 지역의 최소값 발생지점 차이의 원인을 정확하게 파악하는 것은 추가적인 지역 데이터 수집을 통해서 분석이 가능하다고 판단하며, 본 논문 방향과 차이가 있으므로, 이는 후속 연구과제로 진행하기로 한다.

2.2.4 분석결과 정리

본 절에서는 충전소 사용실적과 배전선로의 부하의 시간대별 평균 크기를 분석하였다. 각 데이터는 날짜정보(계절, 공휴일/근무일), 고객유형(개인/민간/국공립, 도심/외곽) 등에 따라 각각 다른 패턴을 보일 것으로 가설을 세우고 분석을 실시하였다.

일반적으로 충전소 사용실적은 고객종류(개인/민간/국공립)에 따른 패턴의 차이가 크게 나타났고, 배전선로 부하는 날짜정보, 지역(도심/외곽)에 따른 패턴 차이가 뚜렷하게 나타났다.

표 1. 데이터 분류기준에 따른 패턴 비교

Table 1. Pattern comparison by data classifier

분류기준	패턴차이(▲: high, ▽: low)
분류기준	충전실적 데이터	배전선로 부하데이터
계 절	▽	▲
공휴일/근무일	▽	▲
개인/민간/국공립	▲	-
도심/외곽	▽	▲

세부적으로 살펴보면 민간, 국공립 고객의 충전실적과 도심지에 위치한 배전선로의 최대/최소값 발생시점이 유사하게 나타났다.(최소값 오전 5~6시경, 최대값 오후 20시경) 이후에 상관도 분석기법을 사용하여 상세하게 살펴보겠지만 지금까지의 결과만으로 민간, 국공립 고객의 충전소 비중이 높으며, 도심지역에 위치한 선로가 최대부하 형성에 큰 영향을 받을 것으로 예상할 수 있다.

2.3 상관도 분석

본 장에서는 시간대별 평균 충전소 사용실적과 배전선로 부하 간의 상과도 분석을 실시한 결과를 정리하였다. 제주지역에는 150여개의 배전선로가 설치, 운영 중이다. 이 중에서 지역적 대표성을 띄고, 충전소 연계량이 큰 선로를 선별하였다. 연계된 충전소의 수, 설치지역, AMI 설치여부 등을 검토하여 분석 대상으로 신엄, 연미, 현대, 한서, 종달 선로를 선정하였다. 분석 대상 선로의 지도상 위치와 충전소 전력전력 합계는 그림 11과 같다.

그림. 11. 분석 대상 선로의 지도상 위치와 충전소 계약전력의 합계

Fig. 11. The location on the map of analysis line and sum of the contracted power of the charging station in the analysis line

상관도 분석은 직관적인 이해를 돕기 위한 시각화와 크기 비교를 위한 계량화를 동시에 실시하였다. 시계열 데이터의 상관도를 계량화 하는 기법에는 피어슨 상관도(Pearson Corre- lation), Time Lagged Cross Correlation(TLCC), Dynamic Time Warping(DTW) 등이 있다. 이 중에서 TLCC와 DTW는 두 신호간의 선행-후행 여부나 패턴 형태의 유사성를 파악하는데 유용하다. 본 논문에서는 충전실적과 배전선로 부하 최대값이 형성되는 시점에 관심이 있다. 따라서 직관적이고 전체적인 관점의 상관성을 나타내는 피어슨 상관도를 사용하여 분석을 실시하였다.

2.3.1 신엄 선로(전체 상관도 0.862)

신엄 선로는 제주북부 도심에 위치하고 있으며, 앞에 소개한 도심지역의 패턴과 유사한 형태를 보이고 있다. 선로에 연계된 충전실적을 고객종류별로 분류하여 살펴보면 민간고객의 실적과 선로부하의 패턴이 유사함을 확인할 수 있다. 이는 그림 12우측의 시각화 결과에서 확인 할 수 있고, 좌측 아래의 피어슨 상관도 계산 결과를 통해서도 확인된다.(0.86) 신엄선로 분석에 사용된 충전소의 대다수는 민간 고객에 속하는 것들이다. 따라서 전체 충전실적과 부하 패턴을 비교하면, 민간 고객에 의한 영향이 지배적이어서 상관도가 높게 계산된다.(0.862)

그림. 12. 신엄선로 연계 충전소 실적 및 부하패턴 분석

Fig. 12. Charging station performance and load pattern analysis of Sinum-line

2.3.2 연미 선로(전체 상관도 0.902)

연미 선로 또한 제주북부 도심에 위치하고 있으며 부하패턴도 도심지역의 일반 형태와 유사하다. 이 선로에 연계된 충전소의 사용실적은 대부분 국공립에서 발생한 것이며 전체 실적에도 영향이 지배적으로 나타난다. 국공립 고객의 사용실적도 민간 고객의 예와 마찬가지로 부하패턴과 유사하므로 전체 상관도가 높게 나타난다.(0.902)

그림. 13. 연미선로 연계 충전소 실적 및 부하패턴 분석

Fig. 13. Charging station performance and load pattern analysis of Yeonmi-line

그림. 14. 현대선로 연계 충전소 실적 및 부하패턴 분석

Fig. 14. Charging station performance and load pattern analysis of Hyundai-line

2.3.3 현대 선로(전체 상관도 -0.214)

현대 선로는 제주공항 인근에 위치하고 있고 상업시설 및 특수목적 단지 등 이 밀집해 있으며, 전형적인 도심지역의 부하패턴과 약간의 차이가 있다. 오전 5시부터 10시 사이에 부하가 급격하게 증가하여 약 10시간 동안 5MW 이상의 고부하를 형성한다. 현대 선로의 경우 앞의 신엄, 연미의 사례와 달리 개인 고객이 비중이 높아서 전체 상관도를 계산하면 낮게 나타난다.(-0.214)

2.3.4 한서 선로(전체 상관도 0.546)

한서 선로는 제주 남부 서귀포시 외곽에 위치하고 있다. 본 연구의 고객데이터 분석을 통해서 외곽지역으로 분류되었으며 부하 형태도 일반적인 외곽지역의 패턴과 유사하다. 태양광과 같은 신재생발전의 영향일 것으로 추정되는 정오 시간대의 부하 감소 경향이 뚜렷하게 나타난다. 이 선로에 연계된 충전소는 민간 고객이 다수 포함되어 있다. 하지만 부하 패턴이 외곽지역의 패턴을 띄고 있어서 두 데이터 간의 상관도는 높지 않은 편이다.(0.546)

그림. 15. 한서선로 연계 충전소 실적 및 부하패턴 분석

Fig. 15. Charging station performance and load pattern analysis of Hanseo-line

2.3.5 종달 선로(전체 상관도 0.374)

종달 선로는 제주 동부 외곽에 위치하고 있으며, 패턴 또한 전형적인 외곽지역의 부하 형태이다. 이 지역에 집계된 충전소 사용실적 데이터가 부족하여 패턴이 뚜렷하게 나타나고 있지는 않다. 적은 충전실적이지만 개인 고객의 비중이 크며 데이터 간 상관도는 낮은 편이다.(0.374)

그림. 16. 종달선로 연계 충전소 실적 및 부하패턴 분석

Fig. 16. Charging station performance and load pattern analysis of Jongdal-line

2.3.6 분석결과 정리

본 절에서는 2.2절에서 탐색 분석한 결과를 바탕으로 충전소 사용실적과 충전소에 연계된 부하 패턴간의 상관도를 분석하였다. 이를 위해 대표성을 보일 것으로 예상되는 분석대상 후보 선로를 선정하였고, 각 선로별 시각화 기법과 계량화를 통해 분석을 실시하였다.

표 2. 선로별 연계 충전소 특징 및 상관도 계산 결과

Table 2. Features of Charging Stations and result of correlation calculation by lines

선로명	설치지역	고객종류별 비중(상, 중, 하)			상관도 계수
선로명	설치지역	개인	민간	국공립	상관도 계수
신 엄	도 심	하	상	×	0.862
연 미	도 심	하	하	상	0.902
현 대	도 심	상	하	×	-0.214
한 서	외 곽	중	중	×	0.546
종 달	외 곽	상	하	하	0.374
전 체	준도심 패턴	상	하	하	0.397

표 2는 선로별 충전소 특징과 상관도 계산 결과 요약자료이다. 2.2.4절에서 예상한 바와 같이 도심지역에 위치한 배전선로에 민간이나 국공립 고객의 충전비중이 높은 경우 상관도가 높게 나타났다. 배전선로가 도심지역에 위치하더라도 개인고객의 비중이 높으면 상관도가 높지 않았다. 하지만 이러한 상관도의 크기 비교는 동일한 충전 비중을 기준으로 부하 변화에 미치는 영향이 높을 가능성을 뜻하는 것이다. 상관도가 낮더라도 시간대별 충전전력이 크다면 선로 부하에 미치는 영향이 더 클 수 있다. 분석에 사용된 충전소 사용실적과 부하데이터 전체를 대상으로 상관도 분석을 실시하면, 충전실적은 개인고객의 비중이 높게 나타나며 선로부하는 도심과 외곽지역 패턴의 중간 형태를 띄는 것으로 확인되었다.(상관도 0.397)

3. 결 론

제주도는 정부의 ‘재생에너지 3020 이행계획’과 ‘2030 에너지 신산업 확산 전략’을 적극적으로 추진하고 있는 지역이다⁽²⁾. 신재생발전의 비중이 육지계통에 비해 높고, 전기차 보급도 활발하게 진행하고 있다. 이로 인해 과거에는 확인할 수 없었던 계통에 대한 영향이 발생할 수도 있음을 배제할 수가 없다⁽⁷⁾. 실제로 2018년도에 제주지역 전체 전력사용량의 큰 변화는 없는 반면, 30개 배전 선로에서 순간 최대 부하 10MW를 초과하는 상황이 발생했다⁽³⁾.

전기차 보급 확대로 인한 충전인프라 사용이 증가하면 계통에 대한 영향은 더 커질 것으로 예상된다. 하지만 이에 대한 영향도 분석 연구는 상대적으로 부족한 실정이다⁽¹⁾⁽⁵⁾⁽⁸⁾. 그리고 이 연구들도 대부분 시뮬레이션 기반 분석에 의존하고 있으며, 실제 데이터를 활용한 연구는 미흡하다.

본 논문은 제주지역에 실제로 설치된 충전소의 고객정보와 AMI 실적 데이터를 바탕으로 선로 부하에 대한 영향 분석을 실시하였다. 고객정보를 사용하여 패턴형성에 영향을 미칠 것으로 예상되는 인자를 도출하였고, 운영시스템에서 추출한 충전실적 데이터와 선로부하 데이터를 바탕으로 패턴 분석을 실시하였다. 그리고 시각화 기법과 상관도 계산을 통해서 충전소 특정 고객(민간, 국공립)과 배전선로 설치지역(도심)에 의해 두 데이터의 패턴이 유사하게 나타날 수 있음을 확인하였다.

다만 본 논문에는 다음과 같은 한계가 있다. 현재 한전은 제주지역 충전소 전체를 대상으로 AMI 구축을 진행 중이다. 따라서 본 논문의 실적데이터 분석은 AMI 설치가 완료된 일부 고객을 대상으로 실시하였으며, 계약전력이 큰 고객, 민간/국공립 고객 다수가 분석에서 제외 되었다. 따라서 AMI 설치가 대다수로 확대된 이후, 본 논문에서 사용한 분석기법과 분류기법은 확대된 데이터를 기반으로 적용한다면 확정적인 결과를 확보할 수 있다. 즉, 내륙지역으로 범위를 확대하여 분석한다면, 설치지역구분, 고객유형에 따른 상관성, 선로 영향 등 본 논문의 분석결과를 명확하게 재확인 가능할 것을 기대한다. 이는 AMI 확대에 따른 후속 연구과제로 수행 예정이다.

최근 전력 빅데이터 기술의 중심은 BTM(Behind The Meter)으로 이동하고 있다. 이 중에서 AMI에서 확보된 정보를 활용한 시계열 데이터 분석은 핵심이 되는 기술이며 향후에도 다양한 분야에 활용될 것으로 예상된다. 본 논문은 한전의 충전소 AMI 데이터를 사용하여 계통영향을 분석한 첫 번째 사례이다. 본 논문을 시작으로 분산전원 중심, 재생에너지 3020시대에 대비한 체계적인 전력설비 관리에 기여하는 연구가 지속되기를 기대한다.

References

Gae Myoung Lee, Aug 2014, Effects of Electric Vehicle Supply on Jeju Electric Power System, Journal of the Electric World

Jeju Province, Mar 2018, Comprehensive mid-to-long-term plan to expand electric vehicle supply and foster industry

KEPCO Data Science Lab, Sep 2019, Jeju area electric vehicle char- ging station customer data analysis result report

Korea Power Exchange, Feb 2019, Annual performance report of Jeju’s electric power system in 2018

Korea Power Exchange, Aug 2016, A study on the system impact according to the expansion policy of EV/ wind power facilities in Jeju

J. Neubauer, M. Simpson, Jan 2015, Deployment of Behind- The-Meter Energy Storage for Demand Charge Reduction, NREL, NREL/TP-5400-63162

Kwang Myung Yu, March 2018, Necessity of ESS for frequency control with the increase of new and renewable power generation, The Korean Institute of Electrical Engineers, Vol. 67, No. 3, pp. 24-29

Jeju Province, Nov 2015, Establishment of measures to increase and stabilize the capacity limit for accessing power systems in Jeju, Research report

저자소개

한상규(Sang-Kyu Han)

1988년 고려대학교 전기공학과 졸업.

2010년 핀란드 Helsinki School of Economics 졸업(공기업경영학 석사).

현재 연세대학교 기술정책협동과정(박사과정) 재학, 한국전력공사 근무.

E-mail : sangkyu.han@kepco.co.kr

한상국(Sang-Kook Han)

1986년 연세대학교 전기공학과 졸업.

1994년 The University of Florida-Gainesville, Electrical & Computer Engineering(석박사)

현재 연세대학교 공과대학 전기전자공학부 교수, 연세대학교 기술정책협동과정 주임교수

E-mail : skhan@yonsei.ac.kr

KIEEThe Transactions P of
the Korean Institute of Electrical Engineers

Korean Journal of Air-Conditioning and Refrigeration Engineering

ISO Journal TitleTrans. P of KIEE

Journal Search

Journal XML

Journal Information

전기차 충전소 사용패턴과 배전선로 부하영향 분석

Abstract

Key words

1. 서 론

2. 전기차 충전소 데이터 분석

2.1 고객정보 분석

2.2 충전소 사용실적과 배전선로 부하 패턴분석

2.2.1 전체 실적 분석

2.2.2 고객 유형별 분석

2.2.2 설치 지역별 분석

2.2.4 분석결과 정리

2.3 상관도 분석

2.3.1 신엄 선로(전체 상관도 0.862)

2.3.2 연미 선로(전체 상관도 0.902)

2.3.3 현대 선로(전체 상관도 -0.214)

2.3.4 한서 선로(전체 상관도 0.546)

2.3.5 종달 선로(전체 상관도 0.374)

2.3.6 분석결과 정리

3. 결 론

References

저자소개

한상규(Sang-Kyu Han)

한상국(Sang-Kook Han)

Article Information (continued)

Key words

KIEEThe Transactions P ofthe Korean Institute of Electrical Engineers

Korean Journal of Air-Conditioning and Refrigeration Engineering

ISO Journal TitleTrans. P of KIEE

Journal Search

Journal XML

Journal Information

전기차 충전소 사용패턴과 배전선로 부하영향 분석

Abstract

Key words

1. 서 론

2. 전기차 충전소 데이터 분석

2.1 고객정보 분석

2.2 충전소 사용실적과 배전선로 부하 패턴분석

2.2.1 전체 실적 분석

2.2.2 고객 유형별 분석

2.2.2 설치 지역별 분석

2.2.4 분석결과 정리

2.3 상관도 분석

2.3.1 신엄 선로(전체 상관도 0.862)

2.3.2 연미 선로(전체 상관도 0.902)

2.3.3 현대 선로(전체 상관도 -0.214)

2.3.4 한서 선로(전체 상관도 0.546)

2.3.5 종달 선로(전체 상관도 0.374)

2.3.6 분석결과 정리

3. 결 론

References

저자소개

한상규(Sang-Kyu Han)

한상국(Sang-Kook Han)

Article Information (continued)

Key words

KIEEThe Transactions P of
the Korean Institute of Electrical Engineers