Ex-ante Evaluation of Profitability and Government's Subsidy Policy on Vehicle-to-Grid System


Junhee Hong, 구윤모, Gicheol Jeong, 이종수 (2012) · Energy Policy 42:95-104 · DOI ↗

한국 EV 시장에서 vehicle-to-grid (V2G) 서비스의 수익성과 정부 보조금 정책 효과를 ex-ante 평가. 서울 250 가구 conjoint 설문 2 회를 혼합 로짓 (Bayesian Gibbs sampling) 으로 추정해 EV 선택 확률과 충전 인프라 WTP 를 도출, 가입료 시나리오와 1 조원 보조금 시나리오 8 개의 사업자 수익·사회후생 변화를 계산. 연간 가입료 (full-coverage 시 0.65 백만원) 가 일시금보다 우월하고, 연간 세제감면형 보조금이 일시금보다 사회후생을 더 끌어올린다.

  • RQ: V2G 서비스 사업자의 최적 가입료 구조는 무엇이며, 정부의 EV 구매 보조금 (일시금 vs 연간) 이 EV 선택 확률·V2G 가입자 수·사회후생을 어떻게 바꾸는가?
  • 방법론: 혼합 로짓, 컨조인트 분석, 베이지안 추정 (Gibbs sampling 20,000 draws, burn-in 10,000), willingness-to-pay space estimation (Train & Weeks 2005)
  • 데이터: 서울 250 가구 자동차 보유자 2 회 conjoint 설문 (purposive quota sampling by 권역·소득), 2009 년 한국 자동차 통계 (총 보유 13.18 백만 대, 순판매 1.45 백만 대), 가솔린 가격 1,600 원/L
  • 주요 발견: 기준 시나리오 EV 선택 확률 10.61% (가솔린 37.27%, 하이브리드 29.70%, 디젤 22.42%). 연간 가입료 0.65 백만원·전구간 충전 가능 시 V2G 사업자 연 수익 1.27 조원 (payback 25 년). 1 조원 연간 보조금 시 EV 선택 확률 +5.96%p, 사회후생 +1.942 조원, 사업자 수익 1.984 조원 (payback 13 년). 일시금 보조금은 EV 선택 확률 +2.99%p 에 그침.
  • 시사점: V2G 인프라 정책은 (a) 가입료를 연간 과금 구조로 설계하고 (b) 보조금을 일시금 대신 연간 세제감면 으로 운영할 때 사업자 수익성과 사회후생을 동시에 극대화. EV 대당 사회후생 기여는 충전 인프라 확장 + 피크 전력 판매 + 연료비 절감 세 요소로 분해 가능.

Fig. 1. 일시금 보조금 수준별 차종별 선택 확률 변화

요약

V2G 시스템은 EV 의 충전 배터리를 양방향 전력 거래 자원으로 활용해 피크 부하 평탄화와 EV 소유자의 추가 수익을 동시에 노리는 구상이다. 그러나 대당 수익 추정 (Kempton & Tomic 2005, Peterson et al. 2010) 만 존재하고, 시장 전체 수익성·정책 효과 분석은 공백이었다. 한국 정부는 V2G 인프라 구축에 20 년간 18.8 조원 투입을 발표한 상태였고, 이 paper 는 사업자·정부 양측이 의사결정에 필요로 하는 “최적 가입료는 얼마이고 보조금은 어떤 형태가 좋은가” 의 수치 근거를 만들어내는 작업이다.

방법론 핵심은 두 차례 conjoint 설문 + 혼합 로짓베이지안 추정. 첫 번째 설문은 (가솔린·디젤·하이브리드·EV) × (연료비, 차량가, 세금, 충전 접근성) 의 16 carded 4-choice set 으로 차종 선택 확률을 추정. 두 번째 설문은 EV 단독 utility 의 (배터리가, 유지비, 보조금 type/level, 배터리 교체 가능 여부, 충전 접근 3 단계) 의 WTP 를 WTP space (Train & Weeks 2005) 에서 직접 추정. Gibbs sampling 20,000 draws 중 burn-in 10,000 후 mean·variance 산출. 기준 시나리오에서 EV 선택 확률은 10.61%, 충전 접근을 “모든 장소” 로 확장하는 데 대한 WTP 는 일시금 6.58 백만원 또는 연 0.976 백만원.

이 추정을 바탕으로 사업자의 가입료 (일시금 vs 연간) × 충전 접근 범위 (특정 vs 모든 장소) 4 조합의 수익 곡선을 그리고, 정부의 1 조원/년 보조금 (일시금 vs 연간) 을 결합한 8 시나리오의 사회후생을 계산한다. 결과는 일관되게 연간형 가입료·연간형 보조금이 우월하다 — 사업자 수익 1.27 조원 (가입료만), 보조금 결합 시 1.984 조원, 사회후생 1.942 조원. EV 가 가솔린·디젤·하이브리드를 일부 대체하면서 CO₂ 약 296 만 톤/년 감축 효과도 함께 발생. 이종수 · 구윤모 의 V2G·EV 정책 라인의 quantitative anchor 가 되는 논문.

핵심 결과

시나리오가입료보조금사업자 수익 (조원/년)사회후생 증가 (조원)
기준 (no subsidy) · 전구간 접근 · 연간 가입료0.65 백만원/년없음1.2700
Scenario 4 · 전구간 · 연간 가입료0.65 백만원/년1 조원 연간1.9841.942
Scenario 2 · 전구간 · 일시 가입료5.4 백만원1 조원 연간(peak only 위주)1.663
Scenario 8 · 특화 · 연간 가입료0.40 백만원/년1 조원 연간(감소)1.666

기준 시나리오 차종 선택 확률: 가솔린 37.27%, 디젤 22.42%, 하이브리드 29.70%, EV 10.61%. 5.1 백만원 일시 보조금 → EV +2.99%p, 0.46 백만원/년 연간 보조금 → EV +5.96%p. 페이백 기간: 보조금 없을 때 25 년 → 1 조원 연간 보조금 결합 시 13 년 (4.5% 할인율).

방법론 노트

Mixed logit 의 효용 함수와 WTP-space 변환이 핵심.

Unj=λnpnj+(λnwn)xnj+εnj,wn=cn/λnU_{nj} = -\lambda_n p_{nj} + (\lambda_n w_n)' x_{nj} + \varepsilon_{nj}, \quad w_n = c_n / \lambda_n

pnjp_{nj} 는 가격 변수, xnjx_{nj} 는 그 외 속성, λn\lambda_n 은 가격 민감도, wnw_n 이 직접 MWTP 로 해석된다. Train & Weeks (2005) 가 제안한 이 preference space → WTP space 재모수화는 기존의 MWTP = U/k÷U/p-\partial U/\partial k \div \partial U/\partial p 비율 계산이 갖는 (i) 분포가 미지정이고 (ii) 분산이 과대해지는 문제를 회피한다. 사업자 수익은 V2G 가입자 수와 가입료의 곱 + 가입자 수와 피크 전력 단가 (대당 36 만원/년) 의 곱으로 구성되며, 보조금에 따른 EV 선택 확률 증가가 가입자 수를 비선형적으로 키워 일시금보다 연간형 보조금이 effective 한 결과를 만든다. 추정은 Bayesian Gibbs sampling (McCulloch & Rossi 1994; Allenby & Rossi 1998) — 복잡한 likelihood 의 global maximum 수렴을 보장하고 fixed draws 로 일관성·효율성을 동시에 확보.

연구 계보

V2G 의 대당 수익 분석은 Kempton & Tomic (2005, Journal of Power Sources) 이 정초했고 Peterson et al. (2010) 이 PHEV peak-time 전력 판매로 확장했다. AFV 선택 분석의 혼합 로짓 적용은 Brownstone et al. (2000) · Brownstone & Train (1999) 의 stated-revealed preference joint model, 그리고 Kim et al. (2007, International Journal of Automotive Technology and Management) 의 한국 AFV 선호 추정이 직접 선행. 후자는 김연배 · Gicheol Jeong · 이종수 가 공저한 작업으로, 본 paper 는 그 conjoint 라인의 V2G·subsidy 정책 quantitative evaluation 으로의 확장에 해당한다. WTP-space 재모수화는 Train & Weeks (2005), Bayesian 추정 절차는 Rossi et al. (2005), Train (2003) 의 표준 흐름을 따른다.

See also

인접 그래프

1-hop 이웃 17
  • 인물 5
  • 방법론 3
  • 수록처 2
  • 분류 1
  • 논문 6
휠 = 확대/축소 · 드래그 = 이동 · hover = 강조 · 클릭 = 페이지 이동