Forecasting electricity demand of electric vehicles by analyzing consumers' charging patterns

Hyungbin Moon, stephen-youngjun-park, changhyun-jeong, 이종수 (2018) · transportation-research-part-d 62:64-79 · DOI ↗

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) + 혼합 로짓 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. 혼합 로짓 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.

요약

이 paper 는 이종수 의 2 기 (2010–2017) 도메인 심화기 — 에너지 정책과 소비자 선호의 교차점 의 정점 작업. 그녀의 표준 toolkit (discrete-choice-experiment + 혼합 로짓) 을 EV-전력망 결합 문제에 처음 본격 적용. 1 저자 Hyungbin Moon (이후 EV·환경 다회 공저, IER 소속), 4 저자 이종수 (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). 혼합 로짓 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

혼합 로짓 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).

이종수 의 2 기 (2010–2017) 도메인 심화기 — 에너지 정책과 소비자 선호의 교차점 의 정점. EV-grid 의 sibling: Attitudes in Korea Toward Introducing Smart Policing Technologies: Differences Between the General Public and Police Officers (같은 1 저자, ICT 정책), Impact of Electric Vehicles on Existing Car Usage: A Mixed Multiple Discrete-Continuous Extreme Value Model Approach (MDCEV, EV-기존차 결합 사용), Ex-ante Evaluation of Profitability and Government's Subsidy Policy on Vehicle-to-Grid System (V2G 보조금 ex-ante). Hyungbin Moon 의 EV 라인 핵심 작업으로 황준석 그룹의 후속 EV-grid 작업들의 토대.