The Korean Society Of Automotive Engineers
[ Article ]
Transactions of the Korean Society of Automotive Engineers - Vol. 27, No. 11, pp.839-846
ISSN: 1225-6382 (Print) 2234-0149 (Online)
Print publication date 01 Nov 2019
Received 04 Jun 2019 Revised 22 Aug 2019 Accepted 28 Aug 2019
DOI: https://doi.org/10.7467/KSAE.2019.27.11.839

전기자동차 충전 중개사업자 모델의 전력계통 안정화 서비스 시장에서의 잠재성

진태환 ; 신기열*
영남대학교 기계공학부
Potential of EV Service Market for Power Grid System Stability by Using Charging Aggregation Model
Tae-Hwan Jin ; Ki-Yeol Shin*
School of Mechanical Engineering, Yeungnam University, Gyeongbuk 38541 Korea

Correspondence to: *E-mail: shinky@ynu.ac.kr


Copyright Ⓒ 2019 KSAE / 168-02
This is an Open-Access article distributed under the terms of the Creative Commons Attribution Non-Commercial License(http://creativecommons.org/licenses/by-nc/3.0) which permits unrestricted non-commercial use, distribution, and reproduction in any medium provided the original work is properly cited.

Abstract

When the charging of a large number of electric vehicles leads to a concentrated load at a specific time zone or region, the electric vehicle users may feel uncomfortable in using the charging station, and an unexpected peak load, which is new, or a weighting existing peak load may result in the power system supplying power for electric vehicle charging. A service of EV charging aggregation has recently emerged with the development of connected car technology that connects each vehicle and communication network. This agent has a flexible solution that provides a reasonable charging cost for the customers and provide reliable ancillary service to the power system operator. In this paper, the EV charging station aggregation service model was introduced and the potential of the EV service market for power grid system stability was studied by using co-simulation, which was connected between real-time dynamic power grid simulator and EV charging aggregation model.

Keywords:

EV charging aggregation model, Charging load, Demand response, Load shifting, Load curtail, Ancillary service, Power grid system

키워드:

전기차 충전 중개모델, 충전 부하, 수요 반응, 부하 이동, 부하 축소, 보조 서비스, 전력 계통 시스템

1. 서 론

최근 정부는 탄소 배출과 관련된 환경문제을 해결하기 위한 대안의 일환으로, 전기차 보급을 확대해 나가고 있다. 그 결과, 2018년 12월 국토부 조사에 따르면 국내에 등록된 전기차는 2017년 총 25,593대에 비해 2018년 55,756대로 2배 이상 증가하였다. 전기차 보급확대에는 정부의 구매 지원금 및 세금혜택, 높은 연비가 큰 몫을 차지하였고, 최근에는 ICT기술과 융합하여, 운전자의 편리성을 제공하는 여러 기술들이 소비자의 구매력을 높이고 있다. 하지만, 현재는 전기차 보급률이 전체 차량 등록수에 비해서 1 % 수준이지만 앞으로 점차 보급률이 높아질 경우에는 몇가지 문제점을 내재하고 있다. 대표적인 예로 제주도를 들 수 있는데 한국전력공사에서 실시간 현황파악이 가능한 개방형 충전기 6,472기에 대한 지역별 사용률을 살펴보면 타지역들은 평균 사용률이 5 % 미만을 나타내는데, 제주도는 17 %로 압도적인 사용률을 나타내고 있다. 또, 급속충전기의 이용이 대부분을 차지하고 있어 제한된 충전기에 비해 이용률이 높아 이용자들의 불만이 증가하고 있다. 특히 이러한 형태의 이용은 전력 시스템 운영에 있어서도 예기치 않은 수요가 발생하여 계통 운영에 위험을 초래할 수 있다는 지적이 있다.1)

이러한 문제점을 해결하기 위해서, 전기차 충전부하를 기존의 전력시스템에서 사용하던 Load Shift나 Curtail의 기술로 활용하는 방안2-6,13)과 더 나아가 차량을 전력시스템에 연결하는 V2G(Vehicle to Grid)기술까지 개발되고 있다.7,8) 최근에는 이러한 기술들을 통해, 예측하기 어려운 충전 패턴을 가지며, 공간이나 시간적으로 분산되어 있는 개별 전기차 충전부하를 용이하게 운영하기 위해서 개별 전기차를 통합하여 전력시스템 운용에 활용하는 중개 사업자 모델이 등장하였다.9,10) 중개 사업자 모델은 전기차 뿐만 아니라 일반 전력 부하나 신재생에너지원을 공급하는 분산전원들과 전력시스템 운영자를 연결해주는 중개인으로 양쪽이 제공하는 서비스를 보다 유연하게 대응할 수 있도록 도와준다.

본 논문에서는 중개 사업자 모델에 대한 소개와 Load Shift나 Curtail의 기능을 제공하는 중개 사업자 모델을 전력계통 시뮬레이터를 통해 시나리오별 모의 운영을 해 보았다. 이를 위해 발전, 송전, 변전, 부하의 기능을 갖춘 실시간 동적시뮬레이터를 개발하였고, 실제 제주도의 충전 부하를 이용하여 중개 사업자 모델에 의한 제주 전력 부하의 Load Shift 및 Curtail 기능을 모의하였다. 그 결과, 충전 중개사업자를 통한 전력계통 시스템의 영향과 전기차 충전 분야에서 충전 중개사업자라는 새로운 비즈니스 모델을 통한 수익성을 확인해 보았다.


2. 중개 사업자의 개념

중개 사업자 모델의 궁극적인 목표는 유연성 있는 VPP(Virtual power plant)운용을 위해 개발되었다.11) VPP는 기존의 전력시스템내에 존재하는 수동적인 분산 자산들, 예를 들어 전력을 공급받는 전력 수요 구매자나 에너지 저장장치, 신재생에너지원과 같은 소규모 전력공급자들을 ICT 기반 통합운영시스템을 이용하여 전력 시스템 운영의 유연성을 강화하고자 하는 개념이다. 즉 기존의 전력 시스템 운영자에 의해서 수동적으로 전력 시스템에 참여하던 소비자들을 전력 시장에서 능동적인 참여를 유도하여 프로슈머(Prosumer)의 역할을 하는 새로운 시장 생태계를 구성하는 기술이다. Fig. 1은 중개 사업자 모델의 수익 창출 흐름에 대해 설명한 그림이다.

Fig. 1

Revenue-generating flow of aggregation model

중개사업자는 전력 시장에 소수의 개별 전력 공급자들을 지역별, 전원특성별 등으로 모은다. 그리고 전력시장에 수요자들을 모아 수요특성을 분석한다. 이 과정을 통해, 중개사업자는 전력 공급자들을 통해 수요자들에게 보다 경제적이고 안정한 전력을 공급해준다. 이 때, 중개사업자는 전력 공급자와 수요자들 사이의 P2P(Peer to peer)전력 거래를 통해, 국지적인 전력 수요를 낮춰준다. 이러한 중개사업자들의 서비스들이 모이면 전력 시장 운영자가 공급해야할 전력 수요를 낮춰준다. 이 과정에서 중개 사업자는 수요와 공급을 예측하여 전력 시장에 전력 시장 보조서비스 입찰하여 자신의 수익을 창출한다.

중개 사업자의 주요역할은 1) 전력 수요자에게는 기존 전력 시장보다 저렴한 전력을 공급해주고, 2) 전력 공급자에게는 수요자를 연결시켜 안정적인 수요처를 제공해 주고, 3) 전력 시장 운영자에게는 증가하는 전력 수요에 설비 추가없이 보다 저렴한 방법으로 전력 보조서비스를 제공받을 수 있게 해준다. 또한 이러한 과정에서 중개사업자는 각 서비스를 통해 스스로 자신의 수익성을 창출해 낼 수 있다.


3. EV 충전 중개 사업자 운영모델

EV 충전 중개 사업자 운영모델은 ProTRAX Tool을 이용하여 전력 계통 모델과 EV 충전부하 및 EV 충전 중개사업자 모델로 구성하였다. ProTRAX Tool은 모듈식 동적 실시간 시뮬레이션 소프트웨어로 보일러, 가스터빈, 배열회수스팀터빈(HRSG), 펌프 등과 같은 화력발전용 모듈과 동기발전기, 차단기, 변압기, 버스 등의 전력계통 모듈 등을 포함하고 있다.

본 연구에서는 EV 충전 중개 사업자 모델을 적용해보기 위해 국내에서 충전소 이용률이 가장 높은 제주도를 대상으로 전력계통 시스템을 구성하였다. 그 이유는 제주도는 40 % 이상을 내륙에서 HVDC(High voltage direct current)을 통해 전력을 수급받고 있는 특이한 형태이면서, 면적 대비 전기차 및 충전 인프라 보급이 가장 많은 지역이기 때문이다. 제주도 지역 대상으로 EV 충전 중개 사업자 시뮬레이션을 위해서 전력계통모델, EV 충전부하 모델, EV 충전 중개 사업자 모델을 구성하였다. 이를 통해, 충전 중개 사업자 서비스 유무에 따른 전력 계통 시스템의 특성을 확인하였다.

3.1 전력 계통 연계 모델

본 연구에 사용된 전력 계통 모델은 발전, 송전, 변전, 부하의 모델을 가지고 있는 실시간 동적 시뮬레이션 프로그램이다. Fig. 2는 전력 계통 시뮬레이터에 포함되어 있는 대한민국 전력계통시스템을 나타낸다. 육지 계통 70 GW, 제주 계통 800 MW 규모로 구성되어 있으며, 육지 계통과 제주 계통은 해남-제주 변환소를 잇는 HVDC #1의 2회선, 진도-서제주 변환소를 잇는 HVDC #2의 2회선으로 구성된 총 4회선의 HVDC을 통해 연결되어 있다.

Fig. 2

Configuration of power grid system

전력계통 시뮬레이터는 2017년 기준 실제 전력부하를 이용하여 부하를 모의하고 있으며, 변동하는 부하에 따라 발전원별로 조속기 응동(GF:Governor free) 및 자동발전제어(AGC:Auto generation control)에 의해 주파수 조정 서비스 기능을 모의하고 있다. 또, 제주도의 경우, 각 지역별 기후 정보를 통해 모의되는 태양광 및 풍력발전기 또한 포함하고 있다.

본 시뮬레이터는 2015~2016년 주파수 조정용 BESS(Battery energy storage system)의 제어기와 Co-simulation으로 구성되어 제어기의 특성을 확인하는데 운영한 이력이 있어, Modbus, DNP3.0, OPC-UA와 같은 산업용 프로토콜을 이용하여 다른 하드웨어 및 소프트웨어와 연계하여 운영할 수 있다.12)

3.2 EV 충전 부하 모델

EV 충전 부하 모델은 환경부에서 공지하는 개방형 충전소를 대상으로 지역별 이용률과 설치장소별 이용률을 고려하여 모의하였다. 구분은 동제주, 조천, 성산, 표선, 한림의 5개 지역변전소로 나누어 구성하였다.

각 지역별로 설치 장소 유형별로도 구분하였는데, 설치 장소 유형은 자동차 판매점, 여가시설, 업무시설, 상업시설, 공공기관, 공영주차장으로 구분되어 있다.

Fig. 3은 제주도의 지역 및 설치장소별 완속 및 급속 충전기 대수를 나타내고 있다. 본 연구에서는 환경부에서 제공하는 전체 개방형 충전기 총 1,256대를 대상으로 하고 있다. 설비규모를 확인해 보면, 지역별로는 동제주, 표선, 한림, 조천, 성산 순이며, 설치장소유형별로는 여가시설, 공공기관, 영업시설, 상업시설, 공영주차장, 자동차 판매점 순으로 구성되어 있다. 특히, 표선과 동제주 지역은 가장 많은 충전 인프라는 가지고 있는데, 그 중에서도 여가시설이 가장 많은 비중을 차지한다. 급속충전기 비율과 완속충전기 비율로 봤을 때, 지역별로는 동제주는 급속 35.3 %, 완속 64.7 %, 성산은 급속 21.4 %, 완속 78.6 %, 조천은 급속 34.2 %, 완속 65.8 %, 표선은 급속 30.5 %, 완속 69.5 %, 한림은 급속 27.7 %, 완속 72.3 %로 구성되어 있다. 평균적으로 급속과 완속의 비율이 3:7의 비율로 구성되어 있다.

Fig. 3

State of EV charging infrastructure in Jeju

다음은 급속과 완속의 이용률을 지역별, 설치장소유형별로 확인해 보았다. Fig. 4는 지역별 급속과 완속충전의 시간대별 이용률을 나타낸 것이다. 급속충전의 경우, 15시에서 19시 사이에 최대 사용률을 나타내고, 완속충전의 경우, 6~10시 사이에 최대 사용률을 나타낸다. 지역별로 상세 확인해보면 급속충전의 경우, 동제주 11.5 %, 성산 1.7 %, 조천 3.0 %, 표선 13.3 %, 한림 3.5 %로 동제주와 표선이 가장 많은 이용률을 나타내고, 동제주 10.1 %, 성산 2.7 %, 조천 2.2 %, 표선 15.7 %, 한림 9.2 %를 나타낸다. 급속과 완속충전 모두 지역별 편향을 나타내고 있다.

Fig. 4

Utilization ratio of charger by region; (a) fast charger, (b) slow charger

다음은 설치장소 유형별 급속 및 완속충전 이용률에 대해서 확인해 보았다. Fig. 5는 설치장소유형별 충전기의 이용률을 나타낸다. 시간대별로 이용률 트렌드는 지역별 이용률과 유사하게 나타나며, 최대 사용률을 확인해 보면, 급속충전의 경우, 공영 주차장 9.4 %, 공공기관 5.6 %, 상업시설 7.5 %, 업무시설 10.1 %, 여가시설 6.0 %, 자동차 판매점 3.8 %로 나타나고, 완속충전의 경우, 공영 주차장 3.1 %, 공공기관 2.4 %, 상업시설 1.5 %, 업무시설 4.4 %, 여가시설 2.3 %, 자동차 판매점 0.3 %로 나타났다. 대체적으로 여가시설, 업무시설, 공영주차장 순으로 높은 사용률을 나타낸다.

Fig. 5

Utilization ratio of charger by installed location; (a) fast charger, (b) slow charger

종합적으로 제주지역의 전기차 충전 부하의 특성은 모든 유형별로 급속충전기의 사용률이 완속충전기의 사용률보다 높게 나타나며, 지역적으로 동제주와 표선지역에 설비규모와 사용률이 높게 나타난다. 이것은 전기차 충전부하가 제주 계통에서 지역적 편향을 나타내고 있으며, 급속충전이 15~19시 사이에 집중되어 시간적으로도 편향되어 있다는 것을 알 수 있다.

3.3 EV 충전 중개사업자 모델

EV 충전 중개사업자 모델은 동제주, 성산, 조천, 표선, 한림 지역별로 5개의 중개사업자로 구성하였다. Fig. 6은 EV 충전 중개사업자 모델의 구성을 나타낸다. 전력 계통 모델에 있는 충전기 모듈은 설치장소 유형별로 6개 형태가 지역별로 존재하고 있으며, 이 충전기들은 지역별 중개사업자에 의해 Fig. 6과 같이 운영된다. EV 충전 부하 모델은 충전기에 충전부하를 생성하는데 이 때, EV 충전 중개사업자 모델은 급속 충전부하를 시나리오별 특정 확률을 통해 완속 충전으로 이동시키는데 이 과정을 EV 충전자원 수집(Aggregate Resource)라고 한다. EV 중개사업자 모델은 기존의 EV 충전부하에서 수집된 EV 충전자원들로 새로운 충전부하를 충전기 모델로 전달한다.

Fig. 6

EV Charging aggregation model

이 EV 충전 중개사업자 모델은 지역 중개사업자들에 의해 각 충전기 모델에서 생성되는 EV 충전부하들이 조정되어 전력 계통 운영자에게 제공되는 보조 서비스의 효과를 확인해 볼 수 있으며, EV 충전부하 수집에 동참한 이용자들의 EV 충전요금의 할인수준을 시나리오를 통해 확인할 수 있도록 설계되었다.

Table 1은 EV 충전 중개사업자 모델 시나리오의 내용을 나타내고 있다. Scenario I은 2017년 기준 제주도의 전기차 충전 인프라와 등록된 전기차를 대상으로 하고 있으며, Scenario II은 2030년까지 제주도의 전기차 보급과 충전 인프라 구축 목표를 대상으로 하고 있다. Scenario I은 현재 할인되어 판매되는 급속충전 단가인 173.8원으로, Scenario II는 할인이 적용되지 않은 급속충전 단가인 313.1원으로 하였다. 완속충전 단가는 두 시나리오 모두 115.5원으로 하되, 중개 사업자 서비스에 참여한 이용자들은 92.4원으로 할인된 금액을 받는다고 가정하였다. 할인된 금액으로 중개 사업자 서비스를 제공했을 경우, 두 시나리오 모두 20 %의 확률로 9시부터 20시 사이의 급속충전 부하들 중 일부가 22시부터 다음날 8시까지 완속충전 부하로 이동한다고 가정하였다.

Scenario of EV aggregation model

먼저 두 시나리오를 통해 EV 충전 부하의 변화를 확인해 보았다. Fig. 7은 Scenario I의 EV 충전 중개 서비스 유무에 따라 일일 EV 충전부하를 나타낸 것이다. EV 충전 중개 사업자 서비스를 제공하지 않았을 때에는 전체 충전부하가 15~19시 사이에 일일 최대 부하 5.4MW를 기록한다. 이 때, 가격 조정에 의해 유도된 최대 급속충전가 22시~8시 사이로 이동되면서 최대부하가 1.1MW 감소되었다. 지역별 중개사업자들의 최대부하 감소량은 동제주는 0.9 MW, 성산은 0.05 MW, 조천은 0.15 MW, 표선은 0.75 MW, 한림 0.1 MW로 나타났다.

Fig. 7

Scenario I, daily EV charging load; (a) without service, (b) with EV charging aggregation service

Fig. 8은 Scenario II의 EV 충전 중개 서비스 유무에 따라 일일 EV 충전부하를 나타낸 것이다. EV 충전 중개 사업자 서비스를 제공하지 않았을 때에는 전체 충전부하가 15~19시 사이에 일일 최대 부하 43.1 MW를 기록한다. 이 때, 가격 조정에 의해 유도된 최대 급속충전이 22시~8시 사이로 이동되면서 최대부하가 8.7 MW 감소되었다. 지역별 중개사업자들의 최대부하 감소량은 동제주는 7.2 MW, 성산은 0.4 MW, 조천은 1.2 MW, 표선은 6.0 MW, 한림은 0.8 MW로 나타났다.

Fig. 8

Scenario II , daily EV charging load; (a) without service, (b) with EV charging aggregation service


4. EV 충전 중개사업자 시나리오 결과

4.1 계통안정화

앞에서 EV 충전 중개사업자 모델의 시나리오에 따라 EV 충전부하의 감소정도를 확인하였다. 이 때, 전력 계통 시스템의 안정화 정도를 HVDC의 출력과 주파수 특성을 통해 확인해 보았다.

Fig. 9는 두 시나리오별 HVDC 응답특성을 나타낸다. HVDC 출력의 (+)값은 육지에서 제주로의 송전을 의미하며, (-)값은 제주에서 육지로의 역송전을 의미한다. Scenario I의 경우, EV 충전 중개사업자 서비스의 유무에 관계없이 유사한 출력특성을 나타내고 있으며, 최대 출력차이는 4.1 MW를 나타내고 있다. 급속충전의 영향으로 최대 출력차이가 나타나고는 있지만 EV 충전부하의 규모가 5 MW로 계통규모면에 비해 적은양에 속하기 때문에 큰 영향력은 없다고 볼 수 있다.다음은 Scenario Ⅱ의 경우, EV 충전 중개사업자 서비스의 유무에 따라, 최대 출력차이 15.5 MW를 나타내고 있다. 20시~08시 사이에 중개사업자에 의해 급속 충전 이용자가 완속 충전 이동되어 역송하는 출력이 더 줄어들었는데, 완속 충전의 영향으로 출력의 변동성은 적은 편이다. 또, 급속충전 이용률이 높은 10시~20시 사이에는 충전 중개사업자 서비스를 했을 경우, 출력변동량과 변동성도 줄어들었다.

Fig. 9

Daily characteristic of HVDC power by EV charging load; (a) Scenario I, (b) Scenario II

다음은 주파수를 통해 계통의 영향을 확인해 보았다. 국내 전력 계통 시스템의 정격 주파수인 60 Hz을 기준으로 ±0.03 Hz는 전력 주파수 불감대 영역으로 실제 제주계통의 경우, 이 영역을 연간 100 %를 만족하며, 운영되고 있다. Fig. 10은 두 시나리오별 전력 주파수의 특성을 히스토그램으로 나타낸 것이다. Scenario I은 앞서 HVDC의 출력특성에서 확인한 것과 같이 EV 충전 중개사업자 서비스 유무에 관계없이 주파수 불감대 영역 유지율을 100 %로 운영되고 있다. EV 충전 중개사업자 서비스를 실시하지 않은 경우에는 59.9735~60.0244 Hz 범위 내에서 운영되고, 실시한 경우에는 59.9765~60.0219 Hz 범위 내에서 운영되고 있다. EV 충전 부하가 전력 계통 시스템에서의 비중이 작아 서비스 실시 후, 0.0055 Hz 범위 정도만 안정화시켰다. EV 충전 수요를 증가시킨 Scenario II의 경우에는 EV 충전 중개사업자 서비스를 실시하지 않았을 경우, 59.9520~60.0337 Hz의 범위로 운영되어 불감대 영역 유지율이 99.86 %로 나타났으며, 실시한 경우에는 59.9632~60.0307 Hz의 범위로 운영되어 불감대 영역 유지율이 99.96%로 개선되었다. EV 충전 수요를 증가시킨 Scenario II는 충전 수요가 전력 계통 시스템내에 영향을 끼칠 수 있을 정도로 늘어났으며, EV 충전 중개 사업자 서비스를 통해 0.0142 Hz 범위를 안정화 시켰다.

Fig. 10

Daily characteristic of frequency by EV charging load; (a) Scenario I, (b) Scenario II

HVDC와 주파수의 결과를 통해서, 육지 계통에서 대부분의 전력 수급을 받아오는 제주 계통 입장에서 EV 충전부하로 인해 HVDC 출력의 변동성을 가져와 제주계통의 주파수 유지에도 영향을 가져온다는 것을 확인할 수 있었다. 또, Scenario II의 결과에서 보듯이, 국내 전기차 보급목표만큼 충전 수요가 증가했을 때, EV 충전부하가 전력계통에 더 많은 영향을 주는 것을 확인 할 수 있었다. 그리고 EV 충전 중개사업자 서비스를 통해 급속충전을 완속충전으로 유도하여 EV 충전 부하의 최대부하를 감소시키고, 충전 부하의 변동성을 낮추는 것만으로 기존의 전기차 충전 이용행태와 비교하여 전력 계통에 안정성을 향상 시키는 것을 확인할 수 있었다.

4.2 서비스 이용자의 충전비용 절감

EV 충전 중개 사업자 서비스를 통해 충전 중개 사업자 서비스를 이용하는 고객들의 수익을 확인해 보았다. Fig. 11은 두 시나리오별 일일 누적 충전부하량과 총 충전형태별 비용을 나타낸 것이다.

Fig. 11

Daily total EV charging load and price; (a) Scenario I, (b) Scenario II

Scenario I의 경우, 6.1 MWh의 충전 부하를 급속에서 완속으로 이동시켰을 때, 일일 총 급속 충전의 비용이 591만원에서 486만원으로 감소되고, 일일 총 완속 충전의 비용이 46만원에서 102만원으로 증가하였다. 이 때, EV 충전 중개 사업자 서비스를 이용하는 전체 고객들의 수익은 49만원으로 1회 충전시, 할인 금액은 차종에 따라 2,270원에서 5,190원이다. Scenario I의 경우는 급속충전의 할인 금액폭이 크기 때문에 비교적 적은 수익성을 나타낸다.

다음 Scenario II를 확인해 보면, 48.4 MWh의 충전 부하를 급속 충전에서 완속 충전으로 이동시켰을 때, 일일 총 급속 충전 비용은 9,013만원에서 7,410만원으로 감소하였고, 일일 총 완속 충전 비용이 366만원에서 814만원으로 증가하였다. 이 때 EV 충전 중개 사업자 서비스를 이용하는 전체 고객들의 수익은 1,156만원으로 1회 충전시, 할인 금액은 차종에 따라 6,177원에서 14,118원이다. Scenario II는 비교적 충전 수요가 전력 계통 시스템에 끼치는 영향이 높고, 급속 충전 단가의 할인율을 제거하였기 때문에 EV 충전 중개사업자 서비스를 이용한 고객의 수익이 높은 것을 확인할 수 있다.


5. 결 론

본 연구에서는 EV 충전 중개 서비스에 대한 소개와 육지 및 제주도 전력 계통을 포함하는 실시간 동적시뮬레이터를 통해 EV 충전 부하모델과 EV 충전 중개 사업자 모델을 개발하여, EV 충전부하가 전력계통에 끼치는 영향, EV 충전 중개사업자가 전력계통을 안정화시키고 서비스 이용 고객의 수익성을 개선하는 것을 확인해 보았다. 본 연구의 주요 결과는 아래와 같다.

  • 1) 현재 제주지역 전기차 충전 수요는 지역적으로는 동제주(제주 북쪽지역), 표선(제주 남쪽지역)지역으로 집중되어 있으며, 시간적으로 15~19시 사이에 집중되어 있으며, 충전 형태로는 급속충전의 이용률이 완속충전의 이용률에 비해 5~10 % 더 높게 나타나, 전력 계통의 영향에도 이런 편향된 특성으로 나타남
  • 2) EV 충전 중개사업자 서비스를 통해 급속충전으로 인한 Peak Load 발생을 감소시킬 수 있으며, HVDC와 전력 주파수의 안정화도 기여함
  • 3) 현재는 할인된 급속 충전의 단가를 이용하지만 이후, 전기차 보급이 완성단계에서 전기차 충전 단가에 할인이 적용되지 않거나 기존보다 할인이 적을 경우, EV 충전 중개사업자 서비스를 통해 고객들의 충전 비용도 감소시킬 수 있어, 기존 전기차의 장점을 계속 유지할 수 있음

본 연구에 소개된 EV 충전 중개사업자 서비스는 전력 계통 안정화, 전기차의 경제적인 유지비 이점 유지, 전기차 산업에서의 새로운 비즈니스 모델 도출 등의 장점을 통해 앞으로 전기차 보급 확대에 있어서, 새로운 견인 역할을 할 수 있을 것이다.

Acknowledgments

A part of this paper was presented at the KSAE 2019 Spring Conference

References

  • G. S. Jang and G. W. Lee, Effect of EV, Wind Turbine Penetration on Electric Power Supply and Demand and Their Implications, KPX Technical Report, 2016..
  • Y. Mu, J. Wu, N. Jenkins, H. Jia and C. Wang, “A Spatial-temporal Model for Grid Impact Analysis of Plug-in Electric Vehicles,” Applied Energy, Vol.114, pp.456-465, 2014.. [https://doi.org/10.1016/j.apenergy.2013.10.006]
  • G. S. Aujla, A. Jindal and N. Kumar, “EVaaS: Electric Vehicle-as-a-service for Energy Trading in SDN-enabled Smart Transportation System,” Computer Networks, Vol.143, pp.247-262, 2018.. [https://doi.org/10.1016/j.comnet.2018.07.008]
  • L. Chen and Z. Wu, “Study on the Effects of EV Charging to Global Load Characteristics via Charging Aggregators,” Energy Procedia, Vol.145, pp.175-180. 2018.. [https://doi.org/10.1016/j.egypro.2018.04.030]
  • K. Yuan, Y. Song, Y. Shao, C. Sun and Z. Wu, “A Charging Strategy with the Price Stimulus Considering the Queue of Charging Station and EV Fast Charging Demand,” Energy Procedia, Vol.145, pp.400-405. 2018.. [https://doi.org/10.1016/j.egypro.2018.04.046]
  • C. Marmaras, E. Xydas and L. Cipcigan, “Simulation of Electric Vehicle Driver Behaviour in Road Transport and Electric Power Networks,” Transportation Research Part C: Emerging Technologies, Vol.80, pp.239-256. 2017.. [https://doi.org/10.1016/j.trc.2017.05.004]
  • J. H. Bae, Q. Do, H. G. Lee, T. H. Ha, S. J. Lee, S. C. Kim, D. K. Kim and H. K. Sohn, “A Study on the Factors of V2G(Vehicle to Grid) Framework,” KSAE Spring Conference Proceedings, pp.2206-2210, 2011..
  • H. G. Lee, H. K. Sohn, T. H. Ha, S. J. Lee, D. K. Kim and J. H. Bae, “Trends on V2G Technology and Demonstration,” KSAE Spring Conference Proceedings, pp.2203-2205, 2011..
  • M. Shamshirband, J. Salehi and F. S. Gazijahani, “Look-ahead Risk-averse Power Scheduling of Heterogeneous Electric Vehicles Aggregations Enabling V2G and G2V Systems Based on Information Gap Decision Theory,” Electric Power System Research, Vol.173, pp.56-70, 2019.. [https://doi.org/10.1016/j.epsr.2019.04.018]
  • Y. Vardanyan, F. Banis, S. A. Pourmousavi and H. Madsen, “Optimal Coordinated Bidding of a Profit-maximizing EV Aggregator Under Uncertainty,” IEEE International Energy Conference, pp.1-6, 2018.. [https://doi.org/10.1109/ENERGYCON.2018.8398821]
  • T. H. Jin, H. R. Park, M. Chung, K. Y. Shin, A. Foley and L. Cipcigan, “Review of Virtual Power Plant Applications for Power System Management and Vehicle-to-Grid Market Development,” Korean Institute of Electrical Engineers, Vol.65, No.12, pp.2251-2261, 2016.. [https://doi.org/10.5370/KIEE.2016.65.12.2251]
  • T. H. Jin, M. Chung, K. Y. Shin, H. R. Park and G. P. Lim, “Real-time Dynamic Simulation of Korean Power Grid for Frequency Regulation Control by MW Battery Energy Storage System,” Journal of Sustanable Development of Energy, Water and Environment System, Vol.4, No.4, pp.392-407, 2016.. [https://doi.org/10.13044/j.sdewes.2016.04.0030]
  • T. H. Jin and K. Y. Shin, “EV Charging Station Aggregator Service Model for Power Grid Stability,” KSAE Spring Conference Proceeding, p.627, 2019..

Fig. 1

Fig. 1
Revenue-generating flow of aggregation model

Fig. 2

Fig. 2
Configuration of power grid system

Fig. 3

Fig. 3
State of EV charging infrastructure in Jeju

Fig. 4

Fig. 4
Utilization ratio of charger by region; (a) fast charger, (b) slow charger

Fig. 5

Fig. 5
Utilization ratio of charger by installed location; (a) fast charger, (b) slow charger

Fig. 6

Fig. 6
EV Charging aggregation model

Fig. 7

Fig. 7
Scenario I, daily EV charging load; (a) without service, (b) with EV charging aggregation service

Fig. 8

Fig. 8
Scenario II , daily EV charging load; (a) without service, (b) with EV charging aggregation service

Fig. 9

Fig. 9
Daily characteristic of HVDC power by EV charging load; (a) Scenario I, (b) Scenario II

Fig. 10

Fig. 10
Daily characteristic of frequency by EV charging load; (a) Scenario I, (b) Scenario II

Fig. 11

Fig. 11
Daily total EV charging load and price; (a) Scenario I, (b) Scenario II

Table 1

Scenario of EV aggregation model

TEST Case Scenario I Scenario II
Fast-CS 398 EA 900 EA
Slow-CS 858 EA 7,100 EA
EV 398 EA 3,100 EA
Shifting time 09:00 ~ 20:00
(Fast charging)

22:00 ~ 08:00
(Slow charging)
09:00 ~ 20:00
(Fast charging)

22:00 ~ 08:00
(Slow charging)
Fast charging tariff 173.8 \/kWh 313.1 \/kWh
Slow charging tariff 115.5 \/kWh 115.5 \/kWh
Aggregation tariff 92.4 \/kWh 92.4 \/kWh