Compound effects of traffic and climate on electric vehicle HVAC energy consumption: a spatiotemporal framework with city-level attribution

기술 요약: 교통 및 기후가 전기차 HVAC 에너지 소비에 미치는 복합적 영향

문제 제기
실제 주행 환경에서 전기차 (EV) 의 에너지 소비량은 정격 값과 자주 20~40% 편차를 보이며, 이 차이는 주변 온도와 교통 체증과 같은 외부 요인에 의해 발생합니다. 차실 난방, 환기, 에어컨 (HVAC) 은 이러한 격차의 주요 원인이지만, 기존 문헌들은 주로 온도나 교통을 고립된 상태나 정적 조건 하에서 평가하는 경향이 있습니다. 이러한 분리는 변화하는 기후와 교통이 동시에 작용하는 복합적 효과를 포착하지 못하여, 노선 수준의 에너지 변동성에 각 요인이 기여하는 상대적 비중을 알 수 없게 만듭니다. 결과적으로 주행 거리 추정 도구는 HVAC 를 정적 과부하로 간주하는 경우가 많아, 동일한 차량이 동일한 노선을 주행하더라도 혼잡 기간 동안 훨씬 더 많은 에너지를 소비하는 이유나 유사한 기후를 가진 도시들이 HVAC 에너지 강도에서 극명한 차이를 보이는 이유를 설명하지 못합니다. 본 연구는 전기차 채택이 중요한 밀집 도시 환경에서 교통으로 인한 이동 시간과 주변 온도가 HVAC 에너지에 어떻게 공동으로 영향을 미치는지에 대한 이해의 공백을 해소합니다.

방법론
저자들은 교통을 고려한 주행 속도, 위치 및 시간별 주변 온도, 그리고 구간 단위의 물리 기반 에너지 하위 모델을 결합한 시공간 시뮬레이션 프레임워크를 개발했습니다. 이 프레임워크는 세 가지 핵심 요소를 통합합니다:

1. 차량 에너지 시뮬레이션: 오픈 소스 FASTSim 플랫폼을 기반으로 구축된 이 모델은 상세한 차량 매개변수와 교통에서 도출된 주행 사이클을 사용하여 구동 에너지를 계산합니다.
2. 열역학: 1R1C 미분 방정식으로 지배되는 1 차 집중형 1R1C 차실 열 모델은 차실 공기 온도, 주변 환경과의 열 교환, 그리고 HVAC 제어 로직 (피드포워드 + 데드밴드가 있는 비례 보정) 을 시뮬레이션합니다. 유사한 집중형 모델이 배터리 열 관리 (BTMS) 에도 적용됩니다.
3. 시공간 데이터 통합: 이 프레임워크는 MERRA-2 재분석 데이터에서 파생된 시간별 주변 온도에 대한 로컬 SQLite 데이터베이스와 라우팅 API(예: Google Routes) 를 통해 얻은 교통 인지형 속도 프로파일을 활용합니다.

요인들을 분리하고 정량화하기 위해 본 연구는 영국 7 개 도시와 맨체스터에서 방사형으로 뻗어 있는 8 개 노선에 걸쳐 요인 설계 실험을 수행했습니다:

• 일주기 실험: 런던 내에서 출발 시간/교통과 같은 시간적 효과를 분리합니다.
• 교차 도시 루프: 7 개 도시를 가로지르며 지역 기후와 도시 교통의 복합적 영향을 검토합니다.
• 방사형 실험: 온도를 거의 일정하게 유지하면서 도로 네트워크 유형 (고속도로 대 A-도로) 을 변화시켜 공간적 효과를 분리합니다.

그런 다음 회귀 기반 분해 방법을 적용하여 HVAC 에너지 변동성을 온도와 이동 시간 구성 요소에 귀속시켜 폐쇄형 예측 모델을 도출했습니다.

주요 기여

1. 결합된 시공간 프레임워크: 본 연구는 열 상태와 운동 상태를 공동으로 전파하는 구간 단위 시뮬레이션을 도입하여, 혼잡이 열 부하의 지속 시간을 연장시키는 복합적 페널티를 포착합니다.
2. 요인 설계 실험: 이 설계는 시공간 영역을 체계적으로 아우르며, 온도를 일정하게 유지함으로써 도로 네트워크가 HVAC 에너지에 기여하는 바를 처음으로 분리해 내는 방사형 실험을 활용합니다.
3. 에너지 분해: 회귀 기반 귀속 방법은 노선별로 주변 온도와 교통 및 도로 유형에 의해 결정된 이동 시간이 HVAC 에너지 변동성에 기여하는 바를 분리합니다.
4. 실용적 예측 모델: 주변 온도, 평균 속도, 이동 거리라는 세 가지 입력값만을 사용하여 HVAC 에너지를 추정하는 간결한 폐쇄형 모델의 도출입니다. 이 모델은 물리적 해석 가능성과 무시할 수 있는 계산 비용을 제공합니다.

결과

• 겨울철 HVAC 우세: 영국 7 개 도시 간 총 에너지 소비량은 14% 변동했으나, HVAC 구성 요소는 최대 89% 까지 변동했습니다. 겨울 조건에서 차실 열 관리는 노선 간 주요 차별화 요소로 확인되었습니다.
• 교통 대 온도: 런던에서 평균 이상의 HVAC 에너지 중 83% 는 낮은 주변 온도보다는 혼잡으로 연장된 이동 시간에 기인했습니다. 반면, 방사형 실험에서는 도로 네트워크 특성 (및 이로 인한 속도 변동) 이 HVAC 에너지의 방향성 변동의 92% 를 설명한 반면, 온도는 8% 미만을 기여했습니다.
• 비선형 속도 민감도: 단위 거리당 HVAC 에너지는 속도 ($1/v$) 에 강한 비선형 의존성을 보입니다. 40 kph 미만에서는 에너지가 속도 감소에 매우 민감하며, 60 kph 이상에서는 추가 속도 증가의 한계 편익이 급격히 감소합니다.
• 모델 성능: 도출된 예측 모델 ($E_{hvac} = 0.85 + (1.23 - 0.10 \times T_{amb}) \times D/v$) 은 15 개 다양한 겨울 노선에 걸쳐 HVAC 에너지 분산의 99.0% 를 설명했습니다. 이 모델은 이동당 약 0.85 kWh 의 고정된 냉간 시동 과부하를 식별합니다.
• 계절적 변동: HVAC 에너지는 겨울 평균 2.44 kWh 에서 여름 0.45 kWh 로 감소하여 (82% 감소), 17°C 근처에서 0 에 근접하는 부드러운 곡선을 따릅니다.

의의 및 주장
본 논문은 전기차 주행 거리 변동성이 기후뿐만 아니라 교통 조건과 도로 네트워크 특성에 의해 크게 형성된다고 주장합니다. 연구는 HVAC 를 기후만의 현상으로 취급하는 것은 혼잡한 도시 환경에서 에너지 페널티를 과소평가할 위험이 있다고 역설합니다. 연구 결과는 이동 시간 페널티가 주변 온도가 상승하더라도 지속된다는 점에서, 기후 적응보다 혼잡 완화가 HVAC 에너지 페널티를 줄이기 위한 더 효과적이고 지속적인 정책 레버일 수 있음을 시사합니다. 또한, HVAC 에너지 페널티의 공간적 불균등 분포는 차량 인구만을 기반으로 한 충전 인프라 계획이 에너지 불평등을 초래할 수 있음을 의미합니다. 만성적인 혼잡과 추운 겨울을 겪는 도시는 동등한 서비스 수준을 유지하기 위해 차량 당 훨씬 더 높은 충전 용량이 필요할 수 있습니다. 제안된 분해 방법과 예측 모델은 노선 계획, 인프라 설계, 그리고 에너지 형평성 평가를 위한 물리적으로 근거를 둔 도구를 제공합니다.