시간 유연 전기차 충전 스케줄링: 시장 기반 접근법

초록

본 논문은 전기차(EV) 운전자의 시간적 유연성을 활용해 충전·방전 스케줄을 최적화하고, VCG 메커니즘을 통해 운전자의 사적 선호를 진실하게 보고하도록 설계한다. 혼합정수 2차 계획문제를 ADMM으로 근사해 해결하고, 실제 데이터 기반 시뮬레이션으로 V2G 수익 및 충전소 혼잡 완화 효과를 검증한다.

상세 분석

이 연구는 전력망에 가변 재생에너지 비중이 확대됨에 따라 전기차 배터리를 가상 저장소(V2G)로 활용하고자 하는 배경에서 출발한다. 기존 문헌은 주로 전기차의 충전량 유연성만을 고려했으며, 운전자가 차량을 언제 떠나는지(시간적 유연성)와 그 보상 구조에 대한 연구는 부족했다. 저자들은 이러한 공백을 메우기 위해 두 가지 핵심 요소를 도입한다. 첫째, 운전자의 ‘시간적 유연성(α)’과 ‘SOC 유연성(β)’을 사적 타입 θ = (τᵈ, sᵈ, α, β) 로 정의하고, 이 파라미터가 충전·방전 스케줄에 직접적인 제약 및 비용으로 반영되도록 모델링하였다. 충전 스케줄 xₙ = (τₙ, uₙ) 은 실제 이탈 시점 τₙ과 시간별 전력 흐름 uₙ(t) 로 구성되며, 배터리 효율, 충·방전 한계, 충전소 버스 용량 C_bus 등 물리적 제약을 만족해야 한다. 비용 함수 cₙ는 (τₙ − τᵈ)²·α, (sᵈ − sₙ(T))₊²·β, 그리고 배터리 마모를 나타내는 ‖uₙ‖₁·bₙ 로 구성돼 운전자의 불편과 배터리 손실을 정량화한다.

두 번째 핵심은 사회복지를 극대화하는 목표 함수이다. 전력 가격 벡터 p와 각 EV의 전력 흐름을 곱한 에너지 비용과 위의 개인 비용을 모두 합산해 최소화한다(Problem 1). 이 문제는 이산 변수 τₙ와 연속 변수 uₙ가 결합된 혼합정수 2차 최적화 문제이며, 일반적으로 NP‑hard이다. 저자들은 정확 해를 구하는 대신 ADMM(Alternating Direction Method of Multipliers) 기반의 분산 휴리스틱을 제안한다. ADMM은 버스 용량 제약(2d)을 라그랑주 승수와 페널티 항으로 완화해 각 EV별 서브문제를 독립적으로 풀게 만든다. 서브문제는 τₙ에 대한 이산 탐색과 uₙ에 대한 2차 프로그램을 동시에 해결하며, 매 반복마다 이중 변수 λₜ를 업데이트한다. 실험 결과, ADMM 해는 최적 해보다 평균 2.4 % 정도만 비용이 높아 실용적인 근사해로 충분함을 보여준다.

하지만 최적 스케줄링을 실행하려면 운전자의 사적 타입 θ가 필요하다. 이를 위해 저자들은 Vickrey‑Clarke‑Groves(VCG) 메커니즘을 설계했다. 운전자는 자신의 타입을 보고(ˆθₙ)하고, 스테이션은 보고된 타입을 기반으로 사회복지 최적 할당 ˜xₙ(ˆθ)와 각 EV에 대한 결제 mₙ(ˆθ) 를 계산한다. VCG 결제는 “외부효과” 원칙에 따라, 각 EV가 시스템에 미치는 비용 변화를 보상하도록 설계돼, 진실된 보고가 지배 전략이 된다. 또한 개별 합리성(참가자에게 비음성 결제)도 보장한다.

시뮬레이션에서는 실제 전력 가격 데이터와 EV 이용 패턴을 사용해 100대 이상의 차량을 대상으로 실험했다. 결과는 (1) 시간적 유연성을 활용하면 피크 시점에 더 많은 배터리 용량을 방전해 전력 가격 차익(arbitrage)을 약 15 % 상승시킬 수 있고, (2) 충전소의 버스 용량 초과 상황을 30 % 이상 완화해 대기 시간을 크게 줄인다. 특히, 유연성이 높은 운전자를 우선적으로 지연시키는 정책이 전체 사회복지를 크게 향상시켰으며, VCG 메커니즘을 적용해도 시스템 효율성 손실이 미미함을 확인했다.

이 논문은 (i) 시간·SOC 유연성을 동시에 모델링한 새로운 스케줄링 프레임워크, (ii) ADMM 기반 효율적인 근사 해법, (iii) 전략적 운전자를 위한 VCG 메커니즘 설계라는 세 가지 주요 기여를 제공한다. 향후 연구에서는 다중 스테이션 간 연계, 실시간 가격 변동에 대한 온라인 알고리즘, 배터리 열화 모델을 포함한 보다 정교한 마모 비용 모델링 등을 탐색할 여지가 있다.