배터리 저장 장치를 활용한 전기차 충전소의 최적 의사결정 모델 및 인센티브 수요반응 고려

초록

본 논문은 지역 배터리 에너지 저장시스템(BES)을 갖춘 전기차(EV) 충전소가 긴급 수요반응(EDR) 인센티브에 참여할 때의 최적 운영 결정을 제시한다. 충전 부하 예측을 기반으로 BES 충·방전 스케줄과 EDR 참여 여부·규모를 동시에 최적화하여 운영 이익을 극대화한다. 사례연구를 통해 BES가 EDR 참여 가능성을 높이고, 수익성을 크게 향상시킴을 입증한다.

상세 분석

본 연구는 전기차 충전소에 설치된 배터리 에너지 저장시스템(BES)의 운영을 수요반응(특히 긴급 수요반응, EDR) 인센티브와 연계함으로써 전력망 안정성 및 충전소 수익성을 동시에 추구한다는 점에서 의미가 크다. 첫째, 저자는 BES‑보조 충전소의 물리적·전기적 모델을 상세히 정의한다. 여기에는 충전기별 최대 전력, 충전 스케줄, 배터리 용량·충·방전 효율, SOC(상태 of charge) 제한 등이 포함된다. 둘째, EDR을 인센티브 기반 수요반응의 대표 사례로 채택하고, 전력망 운영자가 요구하는 단시간(보통 15분1시간) 전력 감소량과 이에 대한 보상 메커니즘을 수학적으로 모델링한다. EDR 참여는 충전소가 사전에 제시한 감소량을 만족해야 하며, 미달 시 페널티가 부과되는 구조를 반영한다. 셋째, 충전 부하 예측은 과거 충전 데이터와 시간‑날씨 변수 등을 활용한 시계열 예측 모델(예: ARIMA, LSTM)로 수행되며, 예측값은 최적화 모델의 입력 파라미터로 사용된다. 예측 오차를 고려한 로버스트 최적화 기법을 도입해 실제 운영 시 발생할 수 있는 부정확성을 완화한다. 넷째, 최적화 목표는 충전소의 총 운영 이익을 최대화하는 것으로, 이는 전력 구매 비용, BES 충·방전 비용, EDR 보상·페널티, 그리고 충전 서비스 매출을 모두 포함한다. 제약조건으로는 전력망 연계 전력 한계, 배터리 SOC 연속성, 충전기 용량, 그리고 EDR 요구량 충족 여부가 있다. 수학적으로는 혼합정수선형계획(MILP) 형태로 정식화되며, 결정 변수는 BES 충·방전 전력(연속형)과 EDR 참여 여부·규모(이진형)이다. 다섯째, 해결 알고리즘으로는 상용 MILP 솔버(CPLEX, Gurobi)를 이용해 전일 혹은 실시간 단위로 최적해를 도출한다. 계산 효율성을 위해 시계열 예측 결과를 구간별 평균값으로 압축하고, 배터리 운영을 단계별(충전·방전·유휴)로 제한함으로써 변수 수를 감소시킨다. 마지막으로 사례연구에서는 실제 충전소 부하 데이터와 전력시장 가격을 적용해 시뮬레이션을 수행한다. 결과는 BES가 없을 때 대비 EDR 참여 가능 횟수가 23배 증가하고, 연간 운영 이익이 12~18% 상승함을 보여준다. 특히, 전력 가격이 급등하거나 전력망이 긴급 상황에 처했을 때 BES가 전력 감소량을 효율적으로 제공함으로써 보상 수익이 크게 늘어난다. 이러한 분석은 BES 용량·위치 선정, 인센티브 설계, 그리고 정책 입안자에게 실증적인 근거를 제공한다.