TEMEP Wiki

Dynamic Analysis of Well-to-Wheel Electric and Hydrogen Vehicles' Greenhouse Gas Emissions: Focusing on Consumer Preferences and Power Mix Changes in South Korea

Inyoung Kim, Junghun Kim, 이종수 (2020) · applied-energy 260:114281 · DOI ↗

한국 친환경차 (EV · FCEV) 의 well-to-wheel GHG 배출을 소비자 선호 기반 시장 점유율 동학 과 전력 mix 진화 시나리오 (2020-2030) 를 결합해 동적으로 분석. 665 명 stated-preference 설문을 혼합 로짓 으로 추정 후, 8차 전력수급기본계획 (석탄 50→46%, 재생 7→20%) 을 결합해 시나리오 시뮬레이션. 결과: 2030 년 EV+FCEV 누적 보급은 약 141 만 대로 정부 목표 (325 만 대) 의 43% 에 불과, GHG 감축은 122,441 tCO2-e 로 수송부문 목표 (3,080 만 tCO2-e) 의 4.7%. FCEV 가 EV 시장 점유율을 2.5%p 잠식 — segmentation 정책 필요.

  • RQ: 한국의 power mix 진화 (2020-2030, 8차 전력수급기본계획) 과 소비자 선호 기반 AFV 보급 을 결합하면 수송부문 GHG 감축 목표 달성 가능한가? FCEV 도입이 EV 시장 점유율에 미치는 대체 효과 는 얼마인가?
  • 방법론: discrete-choice-experiment (6 attribute, 32 alternative, 8 choice set), 혼합 로짓 (MCMC + Gibbs sampling, 40,000 iteration), well-to-wheel-analysis (전력 mix + 수소 생산 경로별 LCA), 시나리오 분석 (2020-2030 dynamic, with/without FCEV)
  • 데이터: 한국 7 개 광역도시 665 명 face-to-face 설문 (Gallup Korea, 20-59 세), 8차 전력수급기본계획 (2018-2031), 수소경제활성화로드맵 (2019), 5,328 choice observation
  • 주요 발견: (1) Fuel type 이 가장 중요 attribute (42.3% RI), 다음 vehicle price (31.1%). (2) Hybrid · EV 가 gasoline · LPG · diesel · FCEV 순으로 선호. (3) 2030 년 누적 EV 1,188,873 대 + FCEV 221,708 대 = 141 만대, 정부 325 만대 목표의 43%. (4) GHG 감축 122,441 tCO2-e — 수송부문 3,080 만 tCO2-e 목표의 4.7%. (5) FCEV 부재 시 EV 점유율 +2.5%p, GHG 31,090 tCO2-e 추가.
  • 시사점: AFV 보급만으로 INDC 수송부문 목표 미달성. 기존 차량 적극 대체 정책 필요. EV·FCEV 의 고객 segmentation (FCEV → 상용/대형, EV → 개인) 으로 인프라 투자 중복 회피. 보조금·연료비 정책 유지 + de-nuclear · 재생 강화 시 GHG 추가 94,133 tCO2-e 감축 가능 (전기료 +6% 상승).

연구 전체 흐름도: discrete choice experiment → mixed logit 으로 attribute 별 marginal utility 추정 → 시장 점유율 동학 + power mix 진화 → 연도별 GHG 배출량 산출.

요약

이 paper 는 이종수 의 3 기 (재생에너지·전동화 deepening) AFV preference 라인의 대표 작업으로, Impact of Electric Vehicles on Existing Car Usage: A Mixed Multiple Discrete-Continuous Extreme Value Model Approach 의 EV 단독 분석 + junghun-kim-2018-renewable-discrete-choice 의 power mix 선호 분석을 결합해 EV + FCEV + power mix dynamic 의 통합 framework 을 완성. 기존 LCA 연구는 cross-sectional · 단일 fuel 이었지만 본 paper 는 시간 진화하는 전력 mix × 소비자 선호 기반 시장 점유율 의 곱셈으로 미래 GHG 를 예측. 한국은 에너지 수입 의존도 95% — 글로벌 well-to-wheel 데이터 그대로 못 쓰는 수입국 특수성 (LNG GHG 가 자체 생산국 대비 +40%) 도 반영.

방법은 discrete-choice-experiment (6 attribute: fuel type, charging time, fuel economy, driving distance, vehicle type, infra share, price) + 혼합 로짓 (Train 2009 MCMC) 으로 attribute 별 RI 추정. 핵심 발견은 fuel type RI 42.3% (가장 중요), price RI 31.1% (2 위) — 가격 sensitivity 가 압도적. Hybrid (β=+0.874) · EV (+0.560) > gasoline (ref) > LPG (-0.323) > diesel (-0.578) > FCEV (-0.625) 의 선호 순. FCEV 가 가장 안 선호 인 이유: 인프라 (2018 년 14 개 충전소) + 가격 ($43,220, EV 의 1.5 배). Scenario simulation: 8차 전력수급기본계획 (석탄 50→46%, LNG 16→13%, 원전 26→20%, 재생 7→20%) + 기술 발전 (EV 가격 2030 년 $12,712 로 gasoline 수준 하락) 가정 하에서, 2030 년 EV 시장 점유율 약 13%, FCEV 약 6.4%. 누적 보급량 141 만대 = 정부 325 만대 목표의 43% 미달.

GHG 결과: 2020 년 1,085,240 tCO2-e → 2030 년 826,978 tCO2-e (감축 122,441 tCO2-e, 모두 gasoline 일 때 대비). 수송부문 정부 감축 목표 30,800,000 tCO2-e 의 4.7% 에 불과. 시사점은 AFV 신차 보급만으로 INDC 달성 불가 — 기존 2,000 만 대 등록 차량의 적극 대체 정책 동반 필요. FCEV substitution 분석: FCEV 미존재 시나리오 vs 존재 시나리오 비교 (mixed logit 의 non-IIA 활용) — FCEV 가 EV 점유율을 2.5%p 잠식 하면서 31,090 tCO2-e 의 추가 감축 도 함께 가져옴. 정책 시사점: 인프라 투자 중복 회피를 위해 FCEV → 대형·공공 상용 (산업단지 폐쇄 운행 + 다수 차량 충전소 공유), EV → 개인용 의 segmentation 우선. de-nuclear + 재생 40% / LNG 60% 의 extreme scenario 에서 추가 94,133 tCO2-e 감축 가능하나 LCOE $195.70 → $207.5/MWh (+6%) 상승. 한계: rebound effect, charging pattern, 차량 제조 LCA 미반영.

핵심 결과

Mixed logit attribute 별 평균 marginal utility, 표준편차, relative importance (RI):

AttributeMean βStd. DRI (%)
Diesel (ref. gasoline)-0.578***1.634***8.1
LPG-0.323**1.602***7.2
Hybrid+0.874***1.628***7.5
EV+0.560***2.409***10.5
FCEV-0.625***1.856***9.0
EV charging time (10 min)-0.710***2.494***4.9
Fuel economy (USD/10 km)-1.321**2.178***7.8
Driving distance (100 km)+0.042***0.132***0.2
Mid-size/Large (ref. compact)+0.243**0.800***3.9
SUV/RV+0.215*0.818***4.0
Charging station share (10%)+0.144***0.294***5.8
Vehicle price (10K USD)-1.742**2.666***31.1

시장 점유율 시뮬레이션 (현재 기술 수준, 618,557 신차 기준): Hybrid 35.8% > Gasoline 27.6% > Diesel 14.6% > LPG 12.4% > EV 7.8% > FCEV 1.8%.

2030 년 시나리오 결과 (with FCEV): 누적 EV 1,188,873 대 + FCEV 221,708 대 = 1,410,581 대 (정부 목표 3,250,000 대의 43%). GHG 총 826,978 tCO2-e — 수송부문 목표 30,800,000 tCO2-e 의 4.7% 만 달성.

FCEV substitution 효과 (without FCEV vs with FCEV, 2030): EV 점유율 +2.5%p, FCEV 6.4% → 0%, GHG +31,090 tCO2-e.

*** p<0.01, ** p<0.05, * p<0.10. N=665 응답자, 5,328 choice observation.

방법론 노트

혼합 로짓 은 IIA 위반 가능 + individual heterogeneity 흡수 가 강점. 본 paper 는 attribute 별 분포를 방향 일치형 (fuel economy, driving distance, price, charging time, infra share — log-normal) 과 방향 이질형 (fuel type, vehicle type — normal) 으로 분리해 사전 정보를 모형에 반영.

핵심 식 (random utility specification):

Unj=βn,Diedj,Die+βn,LPGdj,LPG+βn,Hybdj,Hyb+(βn,EV+βn,CTxj,CT)dj,EV+βn,FCEVdj,FCEV+βn,FExj,FE+βn,DRxj,DR+βn,Middj,Mid+βn,SUVdj,SUV+βn,CSxj,CS+βn,Prixj,Pri+εnjU_{nj} = \beta_{n,\text{Die}} d_{j,\text{Die}} + \beta_{n,\text{LPG}} d_{j,\text{LPG}} + \beta_{n,\text{Hyb}} d_{j,\text{Hyb}} + (\beta_{n,\text{EV}} + \beta_{n,\text{CT}} x_{j,\text{CT}}) d_{j,\text{EV}} + \beta_{n,\text{FCEV}} d_{j,\text{FCEV}} + \beta_{n,\text{FE}} x_{j,\text{FE}} + \beta_{n,\text{DR}} x_{j,\text{DR}} + \beta_{n,\text{Mid}} d_{j,\text{Mid}} + \beta_{n,\text{SUV}} d_{j,\text{SUV}} + \beta_{n,\text{CS}} x_{j,\text{CS}} + \beta_{n,\text{Pri}} x_{j,\text{Pri}} + \varepsilon_{nj}

여기서 dj,⋅d_{j,\cdot} 은 fuel/vehicle type dummy (baseline = gasoline subcompact), xj,⋅x_{j,\cdot} 은 연속변수 (charging time, fuel economy, driving distance, charging station share, price). Relative importance 는 attribute kk 의 part-worth (level range × coefficient) 를 전체 part-worth 합 으로 나눈 백분율.

RIk=1N∑n=1N(part-worthk∑kpart-worthk×100)RI_k = \frac{1}{N} \sum_{n=1}^{N} \left( \frac{\text{part-worth}_k}{\sum_k \text{part-worth}_k} \times 100 \right)

추정 전략: MCMC + Gibbs sampling — 40,000 iteration 중 처음 20,000 burn-in 폐기, 나머지 20,000 으로 conditional distribution 도출. Scenario simulation 의 핵심: (i) fuel economy · price · infra 의 연도별 진화 (CAGR 보간), (ii) 전력 mix 의 연도별 evolution 으로 EV 의 well-to-wheel GHG 동적 재계산, (iii) FCEV with/without 두 case 의 비교로 substitution pattern 식별 (mixed logit 의 non-IIA 활용).

연구 계보

본 paper 는 (i) Choi & Song (2018) Applied Energy 의 한국 EV well-to-wheel LCA (수입 의존국 특수성 식별) 의 시간 동학 확장, (ii) Woo, Choi, Ahn (2017) TRD 의 70 개국 power mix × EV GHG 비교의 한국 deep-dive, (iii) Impact of Electric Vehicles on Existing Car Usage: A Mixed Multiple Discrete-Continuous Extreme Value Model Approach 의 EV-기존차 사용 패턴 분석의 FCEV 확장 + 동적화, (iv) junghun-kim-2018-renewable-discrete-choice 의 power mix 선호 분석의 AFV 결합 — 4 갈래의 합류점. 이종수 author page anchor 3 기 (재생에너지·전동화 deepening) 의 대표 작업으로, random-coefficient DCM + scenario × policy 도구를 transport policy 에 정착시킨 series 의 한 축. 한국 friendly-vehicle 정책 분석 cluster 에서 Reference-Dependent Preferences on Smart Phones in South Korea: Focusing on Attributes with Heterogeneous Preference Direction (reference-dependent DCM) · Byun, Shin, Lee (2018, Energy) · Shin, Hwang, Choi (2019, TFSC) 와 sibling.

See also

인접 그래프

1-hop 이웃 11개
  • 인물 3
  • 방법론 2
  • 주제 1
  • 수록처 1
  • 분류 1
  • 논문 3
휠 = 확대/축소 · 드래그 = 이동 · hover = 강조 · 클릭 = 페이지 이동