Forecasting the Future Scale of Vehicle-to-Grid Technology for Electric Vehicles and Its Economic Value as Future Electric Energy Source: The Case of South Korea

Kyungbae Lim, Justine Jihyun Kim, 이종수 (2020) · Energy & Environment · DOI ↗

한국 소비자 418 명 stated-preference 설문으로 차량 선택의 nested 구조 (conventional GV·DV 巢 vs green HEV·EV 巢) 를 nested-logit-model 로 식별. 2030 년 누적 EV 560,000 대 (시나리오 1) ~ 730,000 대 (시나리오 2: 2025 디젤 생산 중단) 로 정부 목표 300 만 대에 미달. Idle EV 74–85% 가 V2G discharge 가능 → 총 V2G 잠재 공급 1.81 GW (시나리오 1)·2.44 GW (시나리오 2), 3 시간 방전 시 5.43–7.33 GWh/일. 연간 전력 시장 경제 편익 509 억–688 억 KRW/년 + 차량당 104,151 KRW/년.

RQ: 한국 소비자의 친환경 차량 선택 구조 는 어떤 nested 패턴을 보이고, 그 패턴이 만들어내는 EV 보급 시나리오 와 V2G 전력 공급 잠재력 · 경제 편익 의 규모는?
방법론: discrete-choice-experiment (4 alternative × 4 choice set, 16 alternatives from fractional factorial design), nested-logit-model (Train 2009 McFadden GEV), ASC recalibration 으로 2016 실제 시장 점유 (가솔린 31.6% · 디젤 61.2% · HEV 6.5% · EV 0.6%) 와 일치시킴, market-simulation (2030 년까지), V2G 공급 잠재력 + LNG 대체 편익 계산
데이터: Gallup 온라인 설문 (2016 년 12 월 26-27 일), 한국 20-59 세 418 명 의 quota sampling (성별·연령·거주지). 속성 5 종: 연료비 (50/100/150/200 KRW/km), 차량 가격 (1500/3000/4500/6000 만 KRW), 연료 type, 차체 type, 충전소 접근성 (2/10/20 km)
주요 발견: (i) Nested IV parameter: $\lambda_{\text{conv}} = 0.409$ , $\lambda_{\text{green}} = 0.322$ — green nest 내 상관관계 더 강함 (HEV-EV 가 GV-DV 보다 가까운 substitute). (ii) 2030 년 EV 누적 보급: 시나리오 1 558,414 대 (2.35%), 시나리오 2 729,741 대 (3.65%) — 정부 목표 300 만 대 18-24% 수준. (iii) 2025 디젤 중단 시 64% 가 EV 가 아닌 가솔린 으로 이동 — green nest 의 상관관계 가 cross-nest substitution 약화 의 메커니즘. (iv) V2G 공급 잠재력: 1.81 GW (시나리오 1) · 2.44 GW (시나리오 2) — 900 MW LNG 복합화력발전소 2-3 기 상당. (v) 연간 경제 편익: 509 억–688 억 KRW/년 (전력 시장), 차량당 104,151 KRW/년 (3 시간 피크 방전 + 3 시간 기저 충전 가정)
시사점: (a) 디젤 규제만으론 직접적 EV 보급 효과 제한 — cross-nest substitution 이 약하므로 연료세 + EV-specific 인센티브 동반 필요. (b) V2G 의 국가 편익은 크지만 개인 편익 (104,151 KRW/년) 은 작음 — V2G 시장 참여 활성화 위한 명시적 보상 체계 필요. (c) Ex-ante Evaluation of Profitability and Government's Subsidy Policy on Vehicle-to-Grid System 의 ex-ante 보조금 분석 의 8 년 후 ex-post update.

$Fig. 2 — 차량 선택의 nested logit tree. Root → (conventional nest: gasoline, diesel) + (green nest: hybrid, EV). 두 IV parameter \lambda 가 nest 내 상관관계 강도 를 측정 — 본 paper 의 conv 0.409 vs green 0.322 는 green 내 substitute 가 더 강함을 의미.$

요약

본 paper 는 이종수 의 연구 궤적 후기 V2G 라인 (Hong et al. 2012 의 ex-ante 보조금 분석을 8 년 후 데이터로 update) 에 위치한다. 기존 V2G 문헌은 두 갈래로 나뉘어 있었다 — 한 쪽은 기술적 feasibility (Guille-Gross 2009, Kempton-Tomic 2005), 다른 쪽은 DCE 기반 V2G 자체 attribute 선호 (Parsons et al. 2014). 본 paper 의 conceptual move 는 두 갈래를 결합하여 — consumer choice (DCE) → EV 시장 점유 → V2G 공급 잠재력 → 전력 시장 경제 편익 의 end-to-end 시뮬레이션 을 구성하고, 한국의 정부 EV 목표 300 만 대 와 현실적 시장 시나리오 사이 격차를 정량화한 것이다.

방법론은 두 stage. 첫째, nested-logit-model 을 통한 환경친화성 기반 nested choice 구조 식별. McFadden GEV family 의 nested logit 은 IIA (Independence from Irrelevant Alternatives) 가정을 nest 내에서만 유지하고 nest 간에는 완화한다. 본 paper 는 conventional nest = {gasoline, diesel} + green nest = {hybrid, EV} 의 환경 기준 분할이 데이터에 의해 지지됨을 두 IV parameter 가 unit interval 안 ( $\lambda_{\text{conv}} = 0.409$ , $\lambda_{\text{green}} = 0.322$ ) 에 있음으로 확인. ASC recalibration ( $\alpha^1_j = \alpha^0_j + \ln(S_j / \hat{S}^0_j)$ ) 으로 estimated share 가 2016 실제 시장 점유 (gasoline 31.68% · diesel 61.21% · HEV 6.54% · EV 0.57%) 와 일치되도록 보정. EV/HEV 의 recalibration 값 은 각각 -1.75, -2.31 — hypothetical bias (yea-saying, EV 모델 제약 등) 의 크기 정량화.

둘째, market simulation + V2G 공급 계산. 2030 년까지 매년 EV 가격 (BNEF 2019 전망 — 2022 에 디젤, 2030 에 가솔린 가격 수준), 충전 인프라 (정부 2022 년 10,000 급속충전소 목표 — 2030 에 가솔린 주유소 87,000 기 수준 가정) 를 logarithmic / exponential 함수로 추정. 시뮬레이션 검증 — 2017·2018 신차 EV 판매 25,000·46,000 대 실측치가 시뮬레이션 22,000·44,000 대 와 일치 → 모형 신뢰성 확보. V2G discharge 가용 차량 비율은 충전·주행 demand 를 제외한 74-85% (시간대별 변동, 9-21 시 최소 74% 사용). 40 kWh 배터리 + 5 kW 양방향 충전기 + 1-3 시간 방전 가정. 결과 — 1.81 GW (시나리오 1) · 2.44 GW (시나리오 2), 3 시간 방전 시 5.43-7.33 GWh/일. 900 MW LNG 복합화력 2-3 기 상당. 연간 경제 편익은 LNG 대체 (연료비 saving 199-250 백만 KRW/일) 에서 환경비 (석탄 야간 충전의 environmental cost -49 ~ -61 백만 KRW/일) 를 차감한 net — 150-188 백만 KRW/일 = 509-688 억 KRW/년. 차량당 104,151 KRW/년 — 개인 편익이 작아 V2G 참여 유인 약함.

한계: (i) DCE 의 single-point 선호 — 세대 변화 미반영, (ii) 4 속성만으로 omitted variable bias 위험, (iii) 평균 주행 패턴 + 기술 사양만 — 개별 EV 소유자 참여 의사 와 외기온도 변화에 따른 배터리 효율 미반영. 본 paper 는 이종수 의 V2G ex-post 정량 update 의 시작 — 후속 Implementing Automated Residential Demand Response in South Korea: Consumer Preferences and Market Potential 의 residential demand response 분석과 자매.

핵심 결과

Nested logit 추정 (Table 2)

속성	계수	유의수준
Fuel cost	−0.0242	***
Vehicle price	−0.1485	***
Station accessibility	−0.0029	n.s.
Diesel (vs gasoline)	+0.2719	***
Hybrid	+0.4106	***
Electric	+0.4190	***
SUV (vs economy)	+0.6542	***
Compact/Mid-size	+0.2718	***
Full size	+0.4803	***
$\lambda_{\text{conventional}}$	0.409	***
$\lambda_{\text{green}}$	0.322	***

2030 년 시장 점유 시뮬레이션 (Table 4, ASC recalibration 후)

시점	GV	DV	HEV	EV
2016 실측	31.68%	61.21%	6.54%	0.57%
2030 시나리오 1 (인프라+가격)	27.36%	64.11%	6.18%	2.35%
2030 시나리오 2 (+2025 디젤 중단)	86.75%	0.00%	9.60%	3.65%

정량 결론. (i) 시나리오 1: 누적 EV 558,414 대, 시나리오 2: 729,741 대 — 정부 목표 300 만 대 의 18-24%. (ii) 시나리오 2 에서 디젤 64% 가 가솔린으로 이동 — green nest 의 상관관계가 만든 cross-nest 약 substitution.

V2G 공급 + 경제 편익 (Table 7, 3 시간 방전 가정)

항목	시나리오 1	시나리오 2
V2G 공급 잠재력	1.81 GW	2.44 GW
3 h 방전 전력량	5.43 GWh	7.33 GWh
일 환경비 (석탄 ↑)	−49 백만 KRW	−61 백만 KRW
일 연료비 절감 (LNG 대체)	+199 백만 KRW	+250 백만 KRW
일 net 편익	150 백만 KRW	188 백만 KRW
연 net 편익	509 억 KRW	688 억 KRW
차량당 연 편익	104,151 KRW	—

방법론 노트

nested-logit-model 은 McFadden (1978) 의 Generalized Extreme Value (GEV) family 중 가장 널리 쓰이는 형태로, conditional logit 의 IIA assumption 을 nest 내에서만 유지하고 nest 간에는 완화한다. 대안 $j$ 를 $K$ 개 nest $B_1, \ldots, B_K$ 로 분할, alternative $i \in B_k$ 의 선택 확률:

P_{ni} = \frac{e^{V_{ni}/\lambda_k} \left(\sum_{j \in B_k} e^{V_{nj}/\lambda_k}\right)^{\lambda_k - 1}}{\sum_{l=1}^K \left(\sum_{j \in B_l} e^{V_{nj}/\lambda_l}\right)^{\lambda_l}}

여기서 $\lambda_k \in (0, 1]$ 은 Inclusive Value (IV) parameter — nest 내 unobserved utility 의 독립성 정도. $\lambda_k = 1$ 이면 conditional logit 으로 환원, $\lambda_k$ 가 0 에 가까울수록 nest 내 상관관계 강함. 본 paper 는 두 $\lambda$ 가 unit interval 안 ( $0.409$ , $0.322$ ) 에 위치하므로 nested 구조가 데이터에 의해 지지됨을 확인.

ASC (alternative-specific constant) recalibration 은 estimated share $\hat{S}^0_j$ 가 real share $S_j$ 와 일치하도록:

\alpha_j^1 = \alpha_j^0 + \ln\left(\frac{S_j}{\hat{S}_j^0}\right)

stated preference 의 hypothetical bias (yea-saying, model availability 제약) 를 시장 안착시키는 표준 절차. 식별은 (i) 16 alternatives × 4 choice sets 의 orthogonal fractional factorial design, (ii) IIA 완화 검정으로 nest 구조 정당화, (iii) ASC recalibration 으로 시뮬레이션 validity, (iv) 2017·2018 실측치 대조로 out-of-sample 검증 에서 온다.

연구 계보

본 paper 는 (a) Hidrue-Parsons-Kempton (2011 RER), Byun-Shin-Lee (2018 Energy), Moon-Park-Jeong (2018 TR-D), Ito-Takeuchi-Managi (2013 TR-D) 의 EV consumer preference DCE literature, (b) Kempton-Tomic (2005 J Power Sources), Guille-Gross (2009 Energy Policy), Parsons-Hidrue-Kempton (2014 Energy Econ) 의 V2G feasibility + 보상 분석 literature, (c) Ex-ante Evaluation of Profitability and Government's Subsidy Policy on Vehicle-to-Grid System (2012 Energy Policy) 의 SNU-GIST 의 ex-ante V2G 보조금 분석 의 8 년 후 ex-post update (해당 paper 의 직접 후속) 의 결합. 방법론적으로 Train (2009) Discrete choice methods with simulation 의 nested logit 의 stated-preference 적용. 이종수 author page 의 V2G·EV 의 ex-post 정량 update 라인 (Hong-Koo-Jeong et al. 2012 의 8 년 후 데이터 기반 재분석 — author page anchor 의 consumer preference 응용 라인 분류).