Hidden Degradation Costs in Energy-Cost-Only HEMS Optimisation: Study on Battery and PV Sensitivity

기술 요약: 에너지 비용 중심 HEMS 최적화에 숨겨진 열화 비용

문제 제기
주거용 홈 에너지 관리 시스템(HEMS)은 영국 Octopus Agile과 같은 변동성이 큰 시간대별 요금제(TOU) 하에서 배터리 에너지 저장 장치(BESS) 및 태양광(PV) 발전을 최적화하기 위해 모델 예측 제어(MPC)를 점점 더 많이 활용하고 있다. 현재의 최적화 전략은 일반적으로 물리적 제약 조건 내에서 순 에너지 비용을 최소화하는 것을 목적으로 목적 함수를 구성한다. 그러나 이러한 수식에는 배터리 열화를 경제적 비용으로 포함하는 경우가 드물다. 결과적으로, 제어기는 에너지 차익 거래 기회를 극대화하기 위해 공격적이고 높은 사이클 횟수를 가진 전략을 채택할 수 있다. 본 논문은 이러한 "에너지 비용 전용" 최적화가 배터리를 비용이 들지 않는 완충 장치로 취급함으로써 실제 시스템 비용을 체계적으로 과소평가하며, 이는 물리적 시스템에 배치되었을 때 상당한 미계량 금융 손실로 이어질 수 있다고 주장한다.

연구 방법론
본 연구는 Gurobi 13.0을 사용하여 해결된 영국 주거용 HEMS를 위한 재귀적 지평선 혼합 정수 선형 계획법(MILP) 베이스라인을 구축한다. 시스템 모델은 PV 발전, BESS, 그리드 연결을 포함하며, REFIT 데이터셋(Loughborough, House 5)에서 유도된 15분 단위 해상도 데이터와 역사적 PVGIS 일사량 데이터를 활용한다. 연구 기간은 Octopus Agile 요금제 데이터와 일치하도록 2019년 9월부터 2021년 7월까지로 설정되었다.

• 최적화: MILP는 24시간 지평 동안 순 에너지 비용(수입 비용 - 수출 수익)을 최소화한다. 이는 전력 균형, SOC(State of Charge) 역학(20%에서 80% 사이로 제한), 인버터 제한, 그리고 그리드 수입/수출 독점 제약 조건을 준수한다.
• 민감도 분석: 세 가지 배터리 용량(5.0, 14.4, 28.8 kWh)과 세 가지 PV 어레이 면적(16, 28, 40 m²)에 대해 3x3 민감도 분석을 수행하였다.
• 열화 추정: 시뮬레이션 이후, 열화 비용은 사후적(post-hoc)으로 추정되었다. 본 연구는 SOC 프로파일에서 사이클을 추출하기 위해 레인플로우(rainflow) 사이클 카운팅을 사용하였다. SOC 평균값 및 방전 심도(DoD)에 따른 배터리 수명 소비 분율을 계산하기 위해 반경험적 스트레스 모델(Naumann 모델)을 사용하였다. 총 열화 비용은 소비된 수명 분율에 배터리 용량과 교체 비용인 £500/kWh를 곱하여 계산되었다.

주요 결과
민감도 분석 결과, PV와 BESS를 통합하면 모든 구성에서 순 에너지 비용은 감소하지만, 열화를 고려했을 때의 "실제" 시스템 비용은 현저히 높게 나타났다.

• 숨겨진 비용 규모: 높은 PV 발전량이나 수출 수익으로 인해 에너지 비용이 0에 가까워지는 구성에서는 열화 비용이 지배적인 비용이 된다. 14.4 kWh / 28 m² 구성의 경우, 에너지 비용은 £13.72였으나 숨겨진 열화 비용은 £125.36로, 에너지 비용의 914%에 달했다. 28.8 kWh / 16 m² 시나리오에서는 열화 비용이 에너지 비용의 1,060%에 도달했다.
• 배터리 크기 의존성: 배터리가 클수록 더 높은 처리량으로 인해 더 빨리 열화된다는 가정과 달리, 본 연구에서는 특정 배터리 크기에 대한 열화 비용이 PV 어레이 크기와 관계없이 거의 일정하다는 것을 발견했다. 이는 열화 페널티가 없는 MPC가 즉각적인 에너지 차익 거래를 극대화하기 위해 배터리를 유사하게 사이클링하기 때문이다.
• 실제 시스템 생존 가능성: 세 가지 구성(14.4 kWh/40 m², 28.8 kWh/28 m², 28.8 kWh/40 m²)은 "실제 비용(True Cost)"이 음수(순 이익)를 기록하여, 수출 수익이 에너지 및 열화 비용을 모두 상쇄할 수 있음을 보여주었다. 그러나 다른 구성에서는 단순한 에너지 비용 관점에서는 그리드 중립에 가까워 보였으나, 실제 시스템 비용은 상당히 높았다.

주요 기여

• 숨겨진 비용의 정량화: 본 논문은 실제 UK TO even 데이터가 적용된 영국 주거 환경에서 표준적인 에너지 비용 전용 MILP 수식이 무시하는 열화 비용의 규모를 정량화하는 경험적 증거를 제공한다.
• 민감도 분석: 열화 비용이 PV 구성보다는 주로 배터리 크기에 의해 결정되며, 공격적인 사이클링 전략이 전체 시스템 비용을 에너지 절감액 대비 1,000% 이상 부풀릴 수 있음을 입증한다.
• 방법론적 프레임워크: 본 연구는 사후적 반경험적 열화 추정법과 결합된 베이스라인 MILP 프레임워크를 구축하여 최적화 목적 함수와 물리적 현실 사이의 불일치를 강조한다.

의의 및 주장
저자들은 현재 MILP 목적 함수 내에서 열화 비용의 "불가시성"이 열화 인지 제어 수식으로의 전환을 직접적으로 유도한다고 주장한다. 결과는 배터리를 비용이 들지 않는 완충 장치로 취급하는 것이 재무적으로 위험하다는 것을 보여준다. 표준 HEMS 제어기는 실제 시스템 비용을 체계적으로 과소평가한다.

본 논문은 완벽한 예견(perfect foresight)을 가정하는 점(수요 및 일사량의 불확실성으로 인해 실제로는 성립하지 않음)과 비선형 열화 페널티를 선형 솔버에 도입하는 계산적 어려움을 포함한 한계점을 겸허히 언급한다. 저자들은 BESS와 PV 용량의 공식적인 공동 최적화에는 추가적인 조사가 필요하지만, 강화 학습(RL)과 같은 대안적 접근 방식이 완벽한 예견이나 볼록(convex) 목적 함수 없이도 SOC, DoD 및 비용 간의 복잡하고 비선형적인 관계를 탐색할 수 있는 경로를 제공할 수 있다고 제안한다.