EV 기반 스마트 모빌리티: 이동식 저장소 관점의 혁신

본 논문은 전기차(EV)의 유연성을 활용하는 기존 충전소(CS) 중심 모델의 구조적 한계를 진단하고, EV 자체를 이동식 저장소이자 스마트 에이전트로 보는 새로운 EV‑기반 스마트 e‑모빌리티 개념을 제시한다. 첫 번째 파트에서는 전력 시스템에 재생에너지 비중이 확대됨에 따라 유연성 필요성이 커지는 배경을 설명하고, EV가 수요반응(G2V)과 양방향 충전(V2G) 기능을 동시에 제공할 수 있음을 정리한다. 기존 연구와 산업 실천은 주로 CS를 능동적인 플레이어로 설정하고, EV가 연결된 순간에만 배터리 용량을 제어 가능한 부하로 본다. 이러한 CS‑기반 모델은 두 가지 주요 문제를 안고 있다. 첫째, 충전소는 EV의 도착·출발 시각, 도착 시 SOE, 요구 SOE 등 네 가지 파라미터를 사전에 정확히 예측해야 하는데, 이는 높은 불확실성과 데이터 전송 부담을 초래한다. 논문은 이를 수식(1)~(4)로 정형화하고, EV가 다른 충전소에 있거나 주행 중일 때 SOE가 제약 없이 변한다는 점을 강조한다. 둘째, 충전소 간에 에너지 흐름을 직접 연결할 수 없어, 피크·오프피크 시점에 맞춘 충·방전 스케줄을 구현하려면 복잡한 CS‑to‑CS 통신이 필요하다. 또한 다중 어그리게이터 환경에서 각 충전소가 독립적으로 입찰하면 전체 시스템 최적화가 어려워 비효율이 발생한다. 이에 대한 해결책으로 제안된 EV‑기반 모델은 EV를 이동식 저장소이자 시장 참여 주체로 전환한다. 각 EV는 자신의 운행·주차 일정과 배터리 상태를 사전에 예측하고, 이를 기반으로 시장에 직접 입찰한다. 수식(5)은 EV가 충전(SCH), 방전(DCH), 주행용 방전(RUN), 고속 충전(FCH) 등 모든 상황을 포괄적으로 모델링함을 보여준다. EV는 전 일일 SOE 곡선을 연속적으로 보유하므로, 예측 부담이 충전소에서 EV로 전이되어 보다 정확한 정보를 활용할 수 있다. 데이터 흐름도는 EV→시장, 시장→EV만 존재하고, 충전소는 인프라 제약(전력 용량, 이용료)만 제공한다. 이로써 데이터 전송량이 크게 감소하고, 프라이버시와 보안 위험이 최소화된다. 논문은 3대 EV와 3대 충전소를 이용한 24시간 시뮬레이션 예시를 통해 두 모델의 차이를 시각적으로 입증한다. 각 EV는 서로 다른 전력 용량의 온보드 충전기(OBC)를 가지고, 가정·직장·쇼핑몰 등 서로 다른 충전소에 순차적으로 연결된다. 그래프(3)는 동일 데이터를 EV‑시점과 CS‑시점에서 각각 시각화하여, EV‑기반 모델에서는 연속적인 SOE 곡선이 보이지만 CS‑기반 모델에서는 구간별로 끊어진 곡선만 관찰된다는 점을 강조한다. 또한 충전소 별 전력 요구량을 스택 형태로 나타내어, CS‑기반에서는 충전소 간 전력 제한(CP_LIM)으로 인해 일부 EV의 충전 능력이 제약되는 반면, EV‑기반에서는 EV가 직접 최적 충·방전 스케줄을 조정해 전체 시스템 효율을 극대화한다. 두 모델의 비교 결과, EV‑기반 접근법은 (1) EV가 자체적으로 정확한 운행·배터리 데이터를 보유해 예측 오차를 최소화하고, (2) 충전소 간 복잡한 협조 없이도 전력 가격 변동에 맞춘 최적 충·방전이 가능하며, (3) 데이터 전송량과 보안 위험을 크게 줄여 프라이버시를 보호한다는 장점을 제공한다. 논문은 이러한 장점을 바탕으로, 향후 Part II에서 제안된 EV‑aggregator(EVA) 수학 모델을 상세히 정의하고, 실제 시장 데이터 기반 사례 연구를 통해 비용 절감 및 수익 창출 효과를 정량적으로 검증할 계획임을 밝힌다.