지역 마이크로그리드 전기차 예측 관리 전략

초록

본 논문은 커뮤니티 마이크로그리드에서 전기차(EV) 충전을 가변 부하로 모델링하고, 운전자의 행동 불확실성을 고려한 두 단계 예측 제어 방식을 제안한다. 일일 시장 참여를 위한 사전 최적화와 실시간 재조정(리싱 호라이즌 제어)을 분산형 알고리즘으로 구현해 비용 절감과 부하 램핑 감소를 실증하였다. 실험 결과, 총 에너지 비용이 크게 감소하고 시스템 부하 램프 지수가 최대 56.3% 감소하였다.

상세 분석

이 연구는 전기차 충전 부하를 ‘연기 가능한 부하(deferrable load)’로 정의하고, 개별 차량의 에너지·전력 경계(e⁺/e⁻, p⁺/p⁻)를 이용해 집합적인 유연성을 수학적으로 표현한다. 이를 통해 수천 대 규모의 EV가 존재하는 커뮤니티 마이크로그리드에서도 연속적인 저장 장치처럼 취급할 수 있다. 두 단계 최적화는 첫 번째 단계에서 일일 도매 전력 시장 가격, 예측된 베이스로드 및 태양광 발전량을 입력으로 하여 전체 충전 스케줄을 결정한다. 목적 함수는 전력 구매 비용과 부하 램핑(시간당 순부하 변화)의 가중합을 최소화하도록 설계되었으며, 전력·에너지 경계 제약(식(3)·(4))을 통해 모든 차량이 출발 전 충분한 에너지를 확보하도록 보장한다.

두 번째 단계에서는 실시간으로 운전자의 실제 도착·이탈 시간 및 에너지 요구량이 변동한다는 점을 반영한다. 각 차량은 예측된 체류 시간 d̂와 요구 에너지 ê를 기반으로 로컬 최적화를 수행하고, 중앙 집계자는 모든 차량의 충전 파워 합과 목표 일일 스케줄 간 차이를 최소화하는 컨센서스 신호 cₖ를 계산한다. 이때 사용된 분산 알고리즘은 기존 연구