---
type: paper
slug: hyungbin-moon-2018-ev-electricity-charging
title: >-
  Forecasting electricity demand of electric vehicles by analyzing consumers'
  charging patterns
authors:
  - '[[hyungbin-moon]]'
  - '[[stephen-youngjun-park]]'
  - '[[changhyun-jeong]]'
  - '[[jongsulee]]'
year: 2018
venue: '[[transportation-research-part-d]]'
volume: '62'
pages: 64-79
doi: 10.1016/j.trd.2018.02.009
categories:
  - '[[energy-economics]]'
  - '[[consumer-choice-research]]'
methods:
  - '[[discrete-choice-experiment]]'
  - '[[mixed-logit]]'
  - '[[fractional-factorial-design]]'
themes:
  - '[[electric-vehicle]]'
  - '[[ev-charging-pattern]]'
  - '[[electricity-demand-forecast]]'
  - '[[charging-infrastructure]]'
  - '[[korean-power-grid]]'
aliases: []
last_updated: '2026-05-20T02:07:35+09:00'
---
# Forecasting electricity demand of electric vehicles by analyzing consumers' charging patterns

*[[hyungbin-moon]], [[stephen-youngjun-park]], [[changhyun-jeong]], [[jongsulee]] (2018)* · [[transportation-research-part-d]] 62:64-79 · [DOI ↗](https://doi.org/10.1016/j.trd.2018.02.009)

> 한국 EV 보급에 따른 *시간별·시설유형별* 전력 수요를 *consumer charging pattern* 기반으로 ex-ante 예측. 418 명 stated-preference 설문 + 2 차 [[discrete-choice-experiment]] (차량 5 attr × 4 alternatives × 4 sets / EVSE 6 attr × 4 × 4) + [[mixed-logit]] 으로 (i) 5 기술 개선 시나리오 (fuel cost 75–95% / vehicle price 75–95% / station distance 50–90%) 별 EV 시장 점유, (ii) 시간대별 fast public / normal public / private EVSE 충전량 추정. Scenario 5 (가장 적극적) 에서 2026 년 EV 누적 738,297 대, 일 EV 충전 수요 **4,038 MWh** (peak midnight 12–3 AM 583.8 MWh = 200MW 화력 1 unit). 핵심 발견 — *peak fast public EVSE* 가 evening (6–9 PM) 에 발생, *peak private* 가 midnight (12–3 AM), 한국 winter morning (9 AM–12 PM) 의 *기존 peak 와 EV peak 가 동시* 발생해 grid stress 위험.

- **RQ**: 한국 EV 시장이 *technology + infrastructure* 개선으로 점진 확장될 때 (i) consumer 의 *charging time + EVSE type* preference 가 시간별·시설별 전력 수요를 어떻게 분포시키는가, (ii) 2026 년 peak load 가 기존 전력망에 미치는 영향은?
- **방법론**: [[discrete-choice-experiment]] 2 차 (차량 5 attr × 4 levels × 16 orthogonal alternatives / 4 choice sets / 4 alternatives + EVSE 6 attr × 16 / 4 / 4) [[fractional-factorial-design]]. [[mixed-logit]] 으로 individual-level $\beta_n$ 추정. 5 시나리오 (fuel cost 95→75% / vehicle price 95→75% / station distance 90→50%) × 10 년 (2017–2026). 일별 7 time period × 3 EVSE type × 5 시나리오 의 charging demand decomposition
- **데이터**: 한국 418 명 (Gallup Korea online, 2016 12 월 26–27 일, age 20–59, 모집단 대표 component ratio: gender 51/49, age 21–28% 각 구간, capital 67%). 시간 7 period (3시간 단위 + midnight 6시간), EVSE 2 type (public/private) × 2 public sub (fast/normal). 차량 4 powertrain (GV/DV/HEV/EV), 비용 KRW 50–200/km, 가격 KRW 15–60 million
- **주요 발견**: (i) **EV utility** — diesel 0.55 > hybrid 0.43 > electric 0.34 (vs gasoline reference), fuel cost -0.0061, vehicle price -0.0003 (모두 p<0.01). (ii) **시나리오 5 (가장 적극적)** — 2017 EV 신규 점유 0.99% → 8.74%, 2017 누적 8,302 → 81,656 대. 2026 년 누적 738,297 대 가정. (iii) **일 EV 충전 수요 2026 년 4,038 MWh** (Scenario 5) — peak midnight (12–3 AM) 583.8 MWh ≈ 200MW 화력 1 unit. (iv) **시설별 peak 시간**: fast public 6–9 PM (146.45 MWh, scenario 5 / 2017), normal public 12–3 PM (123.62 MWh), private 12–3 AM (434.71 MWh / 2026). (v) **한국 winter morning (9 AM–12 PM)** 의 기존 grid peak 와 EV peak (571 MWh) 동시 — 전체 수요 200,403 MWh 의 0.283% 추가, 봄·가을 0.315%. (vi) **Public EVSE utility** — 충전비용 -0.0107 (RI 34.6%) / 충전시간 -0.0049 (42.6%) — 시간 > 비용 가중치
- **시사점**: 한국 정부의 *fast public EVSE 일방 확대* 정책의 한계 — 정작 *private (집)* 가 dominant peak source (private 2,473 MWh > normal public 817 > fast public 748). 처방: (i) 주거지 충전 인프라 확대 + 시간대별 요금제 (controlled charging, Verzijlbergh et al 2012), (ii) 평일 morning 의 *winter peak 대응* preemptive 송배전 확장, (iii) 정책 우선순위 — 시간대 charging 분산 > 단순 fast charger 확대

![Fig. 5. 2026 년 시간대별 총 전력 수요 vs EV 충전 수요 비교 (Scenario 5, season별). Winter morning (9 AM–12 PM) 의 기존 peak 200 GW 와 EV peak 0.5 GW 가 동시 발생 — grid 부담 가장 큰 시점.](/papers/201807_MoonHB_Forecasting_electricity_demand_of_electric_vehicles_by_analyzing_consumers_charging_patterns/fig3.jpeg)

## 요약

이 paper 는 [[jongsulee]] 의 *2 기 (2010–2017) 도메인 심화기 — 에너지 정책과 소비자 선호의 교차점* 의 정점 작업. 그녀의 표준 toolkit ([[discrete-choice-experiment]] + [[mixed-logit]]) 을 *EV-전력망* 결합 문제에 처음 본격 적용. 1 저자 [[hyungbin-moon]] (이후 EV·환경 다회 공저, IER 소속), 4 저자 [[jongsulee]] (corresponding). 기존 EV-grid 문헌의 두 진영 한계 비판하며 출발: (i) Qian et al (2011), Putrus et al (2009), Sundstrom-Binding (2011) 등 *aggregate 전력 수요* 만 분석, charging pattern 무시; (ii) Kelly et al (2012), Babrowski et al (2014), Weiller (2011) 등 *travel data* 로 charging pattern 추정 — 기존 ICEV travel 패턴이 EV 에도 동일하다는 *비현실적 가정*.

방법론 핵심은 *2 차 DCE + multiple choice question 결합*. 차량 5 attribute (fuel cost / vehicle price / fuel type / vehicle body type / station accessibility) × 4 levels × 16 fractional factorial → 4 choice sets × 4 alternatives. EVSE 6 attribute (charging cost / full charge time / equipment type / station info / charging service / station accessibility) × 16 → 4 × 4. 동시 multiple choice question — *preferred charging time of day* (7 period) + *preferred EVSE type* (public/private). [[mixed-logit]] 으로 individual-level $\beta_n$ 분포 추정. 시나리오 — fuel cost 95→75% (technological 개선), vehicle price 95→75%, EVSE station 거리 90→50% (infrastructure 확대). Probabilistic agent-based simulation 으로 시나리오별 EV 신규 점유 + 누적 등록 + 시간별·시설별 충전량 산출.

핵심 발견은 *시간대 분포 + 시설 구성* 의 정책 함의. (i) **소비자 선호 — gasoline 기준 diesel 0.55 > hybrid 0.43 > electric 0.34** — EV utility 가 hybrid 보다 낮음 (한국 디젤 인센티브 + EV 인프라 부족). Fuel cost -0.0061, vehicle price -0.0003. (ii) **시나리오 5 (적극적 개선)** 에서 2017 EV 신규 점유 0.99% → 8.74%, 2017 누적 81,656 대 (No policy 8,302 대비 10 배). 2026 년 누적 *738,297 대* 가정. (iii) **일 충전량 4,038 MWh** (2026, Scenario 5) 중 private 2,473 MWh (61%) > normal public 817 (20%) > fast public 748 (19%). (iv) **시설별 peak 시간 분리** — fast public 6–9 PM (귀가 직전), normal public 12–3 PM (점심), private 12–3 AM (심야 자택). (v) **한국 winter morning peak** (9 AM–12 PM, 기존 200 GW + EV 571 MWh) 가 grid stress 의 *binding* — 봄·가을 dependent 변동 산출. Public EVSE 의 charging cost RI 34.6% < full charge time RI 42.6% — 한국 소비자가 *시간을 비용보다 더 중시*. 한계: (i) ICEV 와 EV 의 동일 daily distance 가정 — EV range·속도 한계 미반영, (ii) electricity 가격 하락 rebound effect 미반영, (iii) 지역별 grid 용량 차이 미반영, (iv) hypothetical 설문 — 실제 EV 사용 패턴과 gap 가능 (한국 EV 등록 2016 기준 0.2% 로 RP 데이터 부족).

## 핵심 결과

**차량 utility function 추정 (mixed logit, gasoline 기준)**

| 변수 | Coefficient | Variance | RI (%) |
|---|---:|---:|---:|
| Fuel cost (KRW/km) | -0.0061*** | 0.0083*** | 15.4 |
| Vehicle price (KRW M) | -0.0003*** | 0.0004*** | 24.8 |
| Diesel (dummy) | 0.5448*** | 1.1130*** | 32.5 |
| Hybrid (dummy) | 0.4261*** | 1.2301*** | (above) |
| **Electric (dummy)** | **0.3402** | 1.0785*** | (above) |
| Station accessibility (km) | -0.0334*** | 0.0169 | 10.1 |

→ 한국 소비자는 *gasoline > diesel > hybrid > electric* 순 — EV 가 모든 powertrain 중 최저 utility.

**EV 시나리오별 시장 점유 + 충전 수요**

| 시나리오 | EV 신규 점유 (%) | 2017 누적 (대) | 일 전력 (MWh) |
|---|---:|---:|---:|
| No policy | 0.99 | 8,302 | - |
| 1 | 2.31 | 28,010 | 194.05 |
| 3 | 5.29 | 52,890 | 327.84 |
| **5 (적극)** | **8.74** | **81,656** | **446.60** |

**2026 년 (Scenario 5) 시간대별 충전 수요 (MWh/day)**

| 시간 | Fast public | Normal public | Private | Total | % of grid demand |
|---|---:|---:|---:|---:|---:|
| 6–9 AM | 118.7 | 95.1 | 354.2 | 568 | 0.32–0.36% |
| 9 AM–12 PM | 143.6 | 115.1 | 312.4 | **571** | 0.28–0.32% |
| 12–3 PM | 101.1 | 123.6 | 222.2 | 447 | 0.29–0.32% |
| 3–6 PM | 74.5 | 86.8 | 164.2 | 326 | 0.28–0.31% |
| 6–9 PM | 146.5 | 105.2 | 228.6 | 480 | 0.29–0.31% |
| 9 PM–12 AM | 84.3 | 110.8 | 344.6 | 540 | 0.30–0.32% |
| **12–3 AM** | 39.6 | 109.5 | **434.7** | **584** | 0.31–0.35% |
| 3–6 AM | 39.6 | 71.1 | 412.2 | 523 | 0.34–0.38% |
| **Total** | 747.7 | 817.3 | **2,473.0** | 4,038 | - |

→ Private (집) 가 dominant 충전 source (61%), peak midnight 12–3 AM. Winter morning peak overlap.

## 방법론 노트

[[mixed-logit]] choice probability:

$$
P_{nj} = \int \left(\frac{e^{\beta_n^\top x_{nj}}}{\sum_i e^{\beta_n^\top x_{ni}}}\right) f(\beta) d\beta
$$

$f(\beta)$ 분포는 일반 normal, price 처럼 모두 동일 방향 선호인 변수는 log-normal (Train-Sonnier 2005).

차량 utility 의 functional form:

$$
U_{nj} = \beta_{n1} x_{\mathrm{fuel}} + \beta_{n2} x_{\mathrm{price}} + \sum_k \beta_{nk} d_{\mathrm{fuel\ type}_k} + \sum_k \beta_{nk} d_{\mathrm{body\ type}_k} + \beta_{n9} x_{\mathrm{accessibility}} + \varepsilon_{nj}
$$

EVSE utility:

$$
U_{nj}^{\mathrm{EVSE}} = \beta_{n1} x_{\mathrm{charge\ cost}} + \beta_{n2} x_{\mathrm{full\ charge\ time}} + \beta_{n3} d_{\mathrm{plug}} + \beta_{n4} d_{\mathrm{info}} + \beta_{n5} d_{\mathrm{service}} + \beta_{n6} x_{\mathrm{accessibility}} + \varepsilon_{nj}
$$

식별: (i) 16 orthogonal alternatives 의 fractional factorial 이 attribute correlation = 0 보장, (ii) purposive quota sampling 으로 한국 모집단 (gender / age / region) 대표성 확보, (iii) 시간대 / EVSE type / 시나리오 의 *3-way decomposition* 이 grid impact 의 fine-grained 측정 가능하게 함.

## 연구 계보

본 paper 는 두 lineage 의 교차점. (i) *EV-grid 통합* 문헌 — Qian et al (2011), Putrus et al (2009), Sundstrom-Binding (2011), Heinrichs-Jochem (2016 *EPJ-ST*), Yilmaz-Krein (2013 *IEEE T-PE*) 의 aggregate demand 분석. (ii) *EV charging pattern* — Kelly et al (2012 *Applied Energy*), Babrowski et al (2014 *J Power Sources*), Weiller (2011 *Energy Policy*), Clement-Nyn et al (2010), Schäuble et al (2017), Chen et al (2013 의 parking-based assignment). 한국 측 — Cho et al (2004), Hong et al (2012 *Energy Policy* V2G subsidy), Woo et al (2017 *TR-D* well-to-wheel), Choi et al (2018) BEV adoption. *Discrete choice* — Train (2009), Louviere-Hensher-Swait (2000), McFadden (1974).

[[jongsulee]] 의 *2 기 (2010–2017) 도메인 심화기 — 에너지 정책과 소비자 선호의 교차점* 의 정점. EV-grid 의 sibling: [[hyungbin-moon-2017-smart-policing-korea]] (같은 1 저자, ICT 정책), [[jungwoo-shin-2012-ev-existing-car-usage-mdcev]] (MDCEV, EV-기존차 결합 사용), [[junhee-hong-2012-v2g-subsidy-ex-ante]] (V2G 보조금 ex-ante). [[hyungbin-moon]] 의 EV 라인 핵심 작업으로 [[junseokhwang]] 그룹의 후속 EV-grid 작업들의 토대.

## See also

- [[jongsulee]]
- [[hyungbin-moon]]
- [[discrete-choice-experiment]]
- [[mixed-logit]]
- [[electric-vehicle]]
- [[ev-charging-pattern]]
- [[electricity-demand-forecast]]
- [[transportation-research-part-d]]
- [[hyungbin-moon-2017-smart-policing-korea]]
- [[junhee-hong-2012-v2g-subsidy-ex-ante]]