전기차 충전소 배치 최적화를 위한 우회 충전 행동 모델링

초록

본 논문은 전기차 운행 중 배터리 부족으로 인한 우회 충전 행동을 정량화하고, 이를 기반으로 충전소 배치 최적화를 수행한다. 추가 주행 거리와 미완료 구간 길이를 평가 지표로 설정하고, 실제 여행 수요 데이터를 활용해 시뮬레이션한다. 유전 알고리즘을 적용한 충전소 입지 모델링을 통해 30 km × 30 km 지역의 100노드·203연결망에 대한 사례 연구를 진행, 제안 방법의 효율성을 입증한다.

상세 분석

이 연구는 전기차(EV)의 제한된 배터리 용량이 충전 인프라 계획에 미치는 영향을 정량적으로 분석하려는 시도이다. 기존 문헌에서는 충전소 위치 선정 시 주로 수요 밀도와 전력 공급 제약을 고려했지만, 실제 운전자가 배터리 고갈 시 선택하는 ‘우회 충전(detour‑to‑recharge)’ 행동을 모델링한 연구는 드물다. 논문은 두 가지 핵심 지표를 도입한다. 첫째, 충전소까지 우회하면서 발생하는 추가 주행 거리(Extra Driving Length, EDL)이며, 이는 운전자의 시간·에너지 손실을 직접적으로 반영한다. 둘째, 배터리 부족으로 인해 목적지에 도달하지 못하고 남는 구간 길이(Uncompleted Route Length, URL)로, 이는 충전 인프라 부족이 서비스 수준에 미치는 영향을 정량화한다.

모델링 단계에서는 실제 교통 수요 데이터를 기반으로 각 EV의 출발지·목적지, 예상 주행 거리, 배터리 용량 등을 입력한다. 배터리 소모는 거리당 일정 비율로 가정하고, 충전소가 없는 구간에서는 배터리 잔량이 0에 도달하면 가장 가까운 충전소로 우회하도록 알고리즘을 설계한다. 이때 우회 경로는 최단 경로 탐색(Dijkstra)과 충전소 접근성을 동시에 고려한 다중 목표 최적화로 구현된다.

충전소 배치 최적화는 유전 알고리즘(GA)을 활용한다. 초기 해는 무작위로 생성된 충전소 위치 집합이며, 적합도 함수는 전체 EV 집단에 대한 EDL과 URL의 가중합으로 정의한다. 여기서 가중치는 정책 목표(예: 총 주행 거리 최소화 vs. 서비스 수준 보장)에 따라 조정 가능하다. 교차와 변이 연산은 위치 좌표의 교환 및 소규모 이동을 통해 새로운 후보 해를 생성하고, 엘리트 보존 전략을 적용해 최적 해의 퇴보를 방지한다.

사례 연구에서는 30 km × 30 km 영역에 100개의 교차점과 203개의 연결 구간을 가진 가상 교통망을 구축하고, 10,000건의 여행 요구를 시뮬레이션했다. 배터리 용량을 60 kWh, 평균 소모량을 0.2 kWh/km로 설정했으며, 충전소 설치 비용과 운영 제한은 고려하지 않은 순수 최적화 문제로 설정하였다. GA는 200세대까지 진행됐으며, 최종 해는 평균 EDL을 12 % 감소시키고, URL을 85 % 이하로 감소시키는 결과를 보였다. 특히, 충전소가 고밀도 교통 구역에 집중 배치될수록 전체 효율이 크게 향상되는 것이 확인되었다.

이 논문의 주요 강점은 실제 운전 행동을 반영한 정량적 지표를 도입하고, 이를 기반으로 전통적인 시설 입지 모델에 유전 알고리즘을 적용한 점이다. 또한, 추가 주행 거리와 미완료 구간을 동시에 최소화함으로써 정책 입안자가 서비스 품질과 비용 효율성을 균형 있게 고려할 수 있다. 한편 제한점으로는 배터리 소모를 거리 비례로 단순화했으며, 충전 시간·전력망 제약·다중 차량 상호작용 등을 제외했다는 점이다. 향후 연구에서는 실시간 교통 흐름, 충전 속도 차이, 재생에너지 연계 등을 포함한 다중 목표 모델링이 필요하다.