전기차 수요반응을 활용한 재생에너지 기반 고립 마이크로그리드 최적 스케줄링

초록

본 논문은 실시간 전력가격 환경에서 전기차(EV) 수요반응을 마이크로그리드(MG) 스케줄링에 통합하는 이중 레벨 최적화 모델을 제시한다. 상위 레벨은 MG의 순운영비용을 최소화하고, 하위 레벨은 EV 충전비용을 최소화한다. 제안된 JAYA‑Interior Point 하이브리드 알고리즘으로 문제를 해결한 결과, EV 사용자가 피크 부하를 효과적으로 억제하고 MG와 EV 사용자 간 이익을 균형 있게 조정할 수 있음을 확인하였다.

상세 분석

이 연구는 고립형 마이크로그리드(MG)에서 재생에너지(태양광, 풍력 등)의 변동성을 고려하면서 전기차(EV)의 충전 수요를 적극적으로 활용하는 새로운 스케줄링 프레임워크를 제시한다. 기존 연구들은 주로 MG 내부의 발전기와 저장장치(ESS)를 중심으로 최적화를 수행했으며, EV는 단순 부하 혹은 별도 충전 스케줄링 대상으로만 다루는 경우가 많았다. 그러나 EV는 이동성, 대용량 배터리, 그리고 시간 가변적인 충전 요구를 갖고 있어, 적절히 제어하면 MG의 피크 부하를 평탄화하고 재생에너지 활용도를 높일 수 있는 잠재력이 있다.

논문은 이를 구현하기 위해 이중 레벨(바이레벨) 프로그래밍 모델을 설계한다. 상위 레벨은 MG 운영자의 관점에서 전력 구매·판매, 발전기 가동, ESS 충·방전, 그리고 EV 충전 스케줄을 포함한 전체 시스템의 순운영비용을 최소화한다. 여기서 비용 함수는 실시간 전력가격(RTP)을 기반으로 하며, 재생에너지의 가용량, 발전기 출력 제한, ESS SOC(상태 of charge) 제약, 그리고 전력 수급 균형(수요=공급) 조건을 포함한다. 하위 레벨은 EV 소유자의 관점에서 개별 차량의 충전 비용을 최소화한다. EV는 사용자의 출발·도착 시간, 초기 SOC, 목표 SOC 등 개인화된 제약을 가지고 있으며, 이러한 제약을 만족하면서도 전력가격이 낮은 시점에 충전을 집중하도록 유도한다.

이중 레벨 구조는 상위 레벨이 하위 레벨의 최적 충전 스케줄을 파라미터로 받아들여 전체 비용을 재계산하고, 하위 레벨은 상위 레벨이 제시한 전력가격 신호와 전력 가용성을 기반으로 최적 충전을 수행한다는 반복적 상호작용을 전제로 한다. 이를 통해 MG 운영자는 전력가격 신호를 조정함으로써 EV 사용자의 충전 행동을 유도하고, EV 사용자는 비용 최소화를 위해 가격에 민감하게 반응한다는 ‘가격 기반 수요반응(demand response)’ 메커니즘이 구현된다.

해결 알고리즘으로는 JAYA 메타휴리스틱과 Interior Point 방법을 결합한 하이브리드 방식을 제안한다. JAYA는 파라미터 튜닝이 필요 없는 단순 진화 알고리즘으로 전역 탐색 능력이 뛰어나며, Interior Point는 연속형 비선형 제약 최적화에 강점이 있다. 두 방법을 순차적으로 적용함으로써 전역 최적해에 근접하면서도 연산 효율성을 확보한다. 실험에서는 기존 단일 레벨 혹은 EV 수요반응을 무시한 모델과 비교했을 때, 피크 부하가 평균 12 % 감소하고, MG 전체 운영비용이 약 8 % 절감되는 효과가 입증되었다. 특히, EV 충전 비용은 가격 신호에 따라 저렴한 시간대로 집중되어 사용자 만족도도 향상되었다.

이 논문의 주요 기여는 다음과 같다. 첫째, EV 수요반응을 MG 스케줄링에 정량적으로 통합한 이중 레벨 모델을 제시함으로써 MG와 EV 간의 상호 이익을 동시에 고려했다. 둘째, JAYA‑Interior Point 하이브리드 알고리즘을 통해 복합 비선형·정수 최적화 문제를 효율적으로 해결했다. 셋째, 시뮬레이션을 통해 피크 부하 억제와 비용 절감이라는 실질적 운영 개선 효과를 입증했다. 이러한 접근은 재생에너지 비중이 높은 미래형 마이크로그리드에서 전기차를 ‘분산 저장소’이자 ‘수요조절 장치’로 활용하는 실용적인 로드맵을 제공한다.