⚡ electrical engineering

CONSENT: A Negotiation Framework for Leveraging User Flexibility in Vehicle-to-Building Charging under Uncertainty

이 논문은 전기차 충전 시 건물 운영자와 운전자 간의 이해 상충을 해결하기 위해, 불확실성 하에서 자발적 참여와 전략적 정합성을 보장하는 협상 프레임워크를 제안하며, 이를 통해 건물 운영 비용과 운전자 충전 비용 모두를 획기적으로 절감하는 상호 이익을 창출함을 보여줍니다.

원저자: Rishav Sen, Fangqi Liu, Jose Paolo Talusan, Ava Pettet, Yoshinori Suzue, Mark Bailey, Ayan Mukhopadhyay, Abhishek Dubey

게시일 2026-02-18

📖 3 분 읽기☕ 가벼운 읽기

CC BY 4.0

원저자: Rishav Sen, Fangqi Liu, Jose Paolo Talusan, Ava Pettet, Yoshinori Suzue, Mark Bailey, Ayan Mukhopadhyay, Abhishek Dubey

원본 논문은 CC BY 4.0 (http://creativecommons.org/licenses/by/4.0/) 라이선스로 제공됩니다. ✨ 이것은 아래 논문에 대한 AI 생성 설명입니다. 저자가 작성하거나 승인한 것이 아닙니다. 기술적 정확성을 위해서는 원본 논문을 참조하세요. 전체 면책 조항 읽기

🚗 1. 문제: "나는 급해, 너는 돈이 아까워"

전기차가 늘어나면서 건물 (회사나 학교) 에 주차된 전기차들이 한꺼번에 충전하면 큰 문제가 생깁니다.

건물 운영자의 입장: "너희들이 갑자기 한꺼번에 충전하면 전기 요금이 폭탄이 되는데! 특히 낮 시간대 피크 때 전기를 많이 쓰면 '최대 수요 요금'이라는 추가 요금을 물어야 해서 너무 비싸."
운전자의 입장: "나는 퇴근할 때 배터리가 꽉 차 있어야 해. 그리고 내 시간에 맞춰서 나가야지. 너네가 충전 속도를 늦추거나 배터리를 덜 채우라고 하면 안 돼!"

이 두 가지 요구는 서로 충돌합니다. 기존에는 운영자가 일방적으로 충전 시간을 조절하거나, 운전자가 무조건 비싼 전기를 사서 충전하는 식이었습니다.

🤝 2. 해결책: CONSENT (협상 테이블)

이 논문이 제안하는 CONSENT는 마치 식당에서 메뉴를 고르는 것과 같습니다.

기존 방식: "오늘 메뉴는 '완전 충전' 하나뿐이야. 비싸지만 먹든 말든."
CONSENT 방식: "오늘은 특별한 메뉴가 있어요.
1. 기본 메뉴: 지금 말한 대로 100% 충전, 정시 퇴근 (가격: 비쌈)
2. 할인 메뉴 A: 퇴근 시간을 30 분만 늦추면, 충전 요금을 20% 할인해 드릴게요.
3. 할인 메뉴 B: 배터리가 80% 만 채워도 되시면, 요금을 30% 할인해 드릴게요.
4. 거부권: "아, 그건 싫어."라고 하면 그냥 다른 곳 (집이나 공공충전소) 에서 비싸게 충전하셔도 됩니다."

운전자는 자신의 상황에 맞춰 **약간의 불편함 (시간 지연 또는 배터리 부족)**을 감수하고 할인을 받습니다. 건물 운영자는 그 '불편함'을 이용해 전기 요금을 아끼고, 그 아낀 돈의 일부를 운전자에게 돌려줍니다. 서로가 이득을 보는 '윈 - 윈' 거래인 셈입니다.

🧠 3. 핵심 기술: "미래를 내다보는 AI 비서"

이 시스템이 어떻게 작동할까요? 여기에는 **MPC(모델 예측 제어)**라는 똑똑한 AI 비서가 있습니다.

비유: 이 비서는 내일 날씨가 어떻게 될지, 몇 시에 누가 차를 타고 올지, 건물의 전기 사용량이 어떻게 변할지 수천 가지 시나리오를 시뮬레이션합니다.
역할: "아, 내일 오후 2 시에 태양광 발전이 잘 안 될 거 같고, 건물 사용량이 많을 거 같아. 그래서 A 라는 차는 10 분만 늦게 충전하면 우리가 돈을 엄청 아낄 수 있겠네. 그럼 A 차 주인에게 '10 분만 늦으면 5 달러 할인'이라고 제안해 보자."

이 비서는 운전자들이 거짓말을 하더라도 (예: "나는 절대 늦을 수 없어!"라고 말하지만 사실은 늦을 수 있는데) 시스템이 불이익을 보지 않도록 설계되었습니다. 즉, 솔직하게 말하는 것이 가장 이득이 되도록 만든 것입니다.

📊 4. 실제 효과: "서로가 더 행복해졌다"

실제 실험 결과 (실제 건물과 전기차 데이터 사용) 는 놀라웠습니다.

건물 운영자: 기존 똑똑한 충전 시스템보다 전기 요금이 3.5% 이상 절약되었습니다. (돈을 아껴서 좋죠!)
운전자: 일반 전기 요금보다 충전 비용이 22% 저렴해졌습니다. (할인 받아서 좋죠!)
거부율: "안 할래"라고 거절하는 사람이 기존 방식보다 약 35% 에서 22% 로 줄었습니다. 사람들이 더 만족해서 참여하기 때문입니다.

💡 5. 결론: "충전은 더 이상 전쟁이 아니라 협업"

이 논문은 전기차 충전이 운전자와 건물 운영자 사이의 갈등이 아니라, 함께 돈을 아끼고 환경을 지키는 협업이 될 수 있음을 증명했습니다.

핵심 메시지: "약간의 유연함 (시간이나 배터리) 을 조금만 주면, 우리는 모두 이득을 봅니다."
마무리: 마치 친구와 "너는 내일 일찍 일어나고, 나는 저녁에 밥을 사줄게"라고 협상하는 것처럼, CONSENT는 전기차 충전이라는 복잡한 문제를 상호 존중과 경제적 혜택으로 해결하는 새로운 길을 보여줍니다.

이 시스템이 보편화된다면, 우리는 더 저렴하게 전기를 쓰고, 건물은 더 효율적으로 운영되며, 전기차가 더 친근한 친구가 될 것입니다.

1. 문제 정의 (Problem Definition)

전기차 (EV) 의 급속한 성장은 차량 - 건물 (V2B) 환경에서 운영자 (건물 관리자) 와 운전자 간의 심각한 갈등을 초래합니다.

운영자의 관점: 조정되지 않은 충전은 피크 수요 (Peak Demand) 를 증가시켜 높은 전기 요금 (에너지 요금 및 수요 요금) 을 유발하며, 전력망 안정성을 위협합니다.
운전자의 관점: 편의성과 완전한 충전 (Full Charge) 을 최우선으로 하며, 충전 지연이나 충전량 감소를 기피합니다.
핵심 과제: 불확실성 (미래의 EV 도착, 건물 부하, 사용자 선호도) 하에서 운영자의 비용 절감 목표와 사용자의 편의성 목표를 동시에 달성하면서도, 사용자가 자발적으로 참여할 수 있는 메커니즘을 설계하는 것입니다. 기존 연구들은 대부분 운영자 관점의 최적화나 단순한 인센티브에 그쳤으며, 실시간 제어와 전략적 협상을 통합하는 데 한계가 있었습니다.

2. 방법론 (Methodology)

저자들은 CONSENT라는 새로운 협상 프레임워크를 제안하며, 이는 **확률적 모델 예측 제어 (Stochastic Model Predictive Control, SMPC)**를 기반으로 합니다.

A. 핵심 아키텍처

5 단계 협상 프로세스:
- 사용자 도착 및 기본 요청 (출발 시간, 목표 SOC) 제출.
- 인센티브 생성 (Incentive Generation): 예측된 부하와 전기 요금을 기반으로 사용자의 유연성 (출발 시간 지연 또는 SOC 감소) 에 대한 금전적 할인 옵션을 생성합니다.
- 사용자 선택: 사용자는 여러 옵션 중 하나를 선택하거나 모든 제안을 거절할 수 있습니다.
- MPC 엔진 실행: 협상된 조건을 기반으로 충전 스케줄을 최적화합니다.
- 충전 실행 및 모니터링.
기술적 구현:
- MC-MPC (Monte Carlo Model Predictive Control): 불확실성을 처리하기 위해 미래 시나리오 (EV 도착, 부하 등) 를 몬테카를로 방식으로 샘플링하여 Mixed-Integer Linear Program (MILP) 을 풉니다. 이는 결정론적 RL(강화학습) 보다 제약 조건 처리와 시나리오 평가에 효율적입니다.
- 협상 정책 (Negotiation Policy): 사용자의 유연성 수준 (Flexibility Levels) 을 $L$ 개의 단계로 나누고, 각 단계별로 운영자 비용 절감 효과와 사용자의 불편함 (Inconvenience Cost) 을 고려하여 최적의 할인 가격을 계산합니다.
- 사용자 행동 모델링: 실제 설문조사를 기반으로 사용자의 불편함 비용 (시간 지연 및 SOC 감소에 대한 금전적 보상 요구) 을 정량화하고, 로짓 (Logit) 모델을 통해 수용 확률을 예측합니다.
이론적 보장:
- 전략적 진실성 (Strategy-Proofness): 사용자가 자신의 선호도 (출발 시간, 필요 SOC) 를 거짓으로 보고하여 더 큰 인센티브를 얻으려 해도 불이익을 당하므로, 진실된 보고가 최적 전략이 됩니다.
- 예산 타당성 (Budget Feasibility): 인센티브 지급 후 건물의 총 비용이 기준선 (Baseline) 을 초과하지 않도록 보장합니다.
- 자발적 참여 (Voluntary Participation): 참여하는 모든 합리적 사용자는 외부 충전 (예: 가정용) 보다 유리하거나 최소한 손해보지 않는 조건을 보장받습니다.

3. 주요 기여 (Key Contributions)

전략적 협상 프레임워크: V2B 충전 문제를 단순한 스케줄링이 아닌, 운영자와 사용자 간의 전략적 협상 문제로 재정의하고, 불확실성 하에서 개인화된 옵션을 생성하는 새로운 방법을 제시했습니다.
실증 기반 사용자 행동 모델: 28 명의 대학 구성원을 대상으로 한 설문조사를 통해 사용자의 유연성 한계와 불편함 비용을 정량화하고, 이를 프레임워크에 통합했습니다.
실제 데이터 기반 검증: 상업용 건물과 EV 제조사 (닛산) 의 실제 운영 데이터를 사용하여 프레임워크를 검증했습니다.
이론적 증명: 제안된 메커니즘이 전략적 진실성, 예산 타당성, 자발적 참여를 수학적으로 증명했습니다.

4. 실험 결과 (Results)

실제 데이터 (캘리포니아 산타클라라 상업용 건물, 2023-2024 년) 를 이용한 시뮬레이션 결과는 다음과 같습니다.

운영자 비용 절감:
- 최적화된 비협상형 스마트 충전 (Smart Charging) 정책 대비 3.5% 이상의 비용 절감.
- 조정되지 않은 무계획 충전 대비 5.83% 절감.
- 건물 부하만 있는 이상적인 기준선 (Reference Baseline) 에 근접한 비용 달성.
사용자 비용 절감:
- 사용자의 평균 충전 비용이 유틸리티 소매 요금 대비 22% 낮음 ($0.138/kWh).
- 기존 메뉴 기반 협상 (Menu-based Negotiation) 대비 사용자 비용이 12% 더 낮고, 거절률 (Reject Rate) 이 34.89% 에서 21.99% 로 크게 감소.
성능 비교:
- MC-MPC는 강화학습 (RL) 기반 접근법보다 더 안정적이고, 휴리스틱 방법 (LLF, EDF 등) 보다 비용 효율성과 피크 절감 (Peak Shaving) 면에서 우월했습니다.
- 민감도 분석: 사용자의 유연성이 높을수록 운영자 비용 절감 효과가 커졌으며, 비용 분담 비율 (Cost-sharing) 을 조정함으로써 운영자 이익과 사용자 만족도 간의 균형을 유연하게 조절할 수 있음을 확인했습니다.

5. 의의 및 결론 (Significance)

이 논문은 전기차 충전 시스템을 운영적 마찰 (Operational Friction) 이 아닌 협력과 공유 절감의 플랫폼으로 전환하는 전략적 교량 역할을 합니다.

상호 이익 (Win-Win) 구조: 운영자는 피크 수요 요금을 줄이고, 사용자는 저렴한 충전 비용을 제공받으며, 양측의 목표가 정렬됩니다.
실용성: 복잡한 강화학습 모델의 재학습 필요성 없이, MPC 기반의 명확한 제약 조건 처리와 실시간 적응 능력을 통해 실제 배포에 적합합니다.
거부권 보장: 사용자가 불리한 제안을 거절할 수 있는 권한을 보장함으로써 시스템의 공정성과 신뢰성을 높였습니다.

결론적으로, CONSENT 프레임워크는 불확실성이 존재하는 V2B 환경에서 운영 효율성과 사용자 수용성을 동시에 극대화할 수 있는 새로운 표준을 제시합니다.