⚡ electrical engineering

Techno-Economic Analysis of Shared Mobile Storage for Demand Charge Reduction

본 논문은 샌프란시스코의 실제 데이터를 통해 검증된 바와 같이, 공유 전기차 플릿이 현실적인 물류 제약 조건 하에서도 수요 요금을 효과적으로 절감하고 기술적·경제적 타당성을 달로할 수 있음을 입증하기 위해 한계 가치 기반 휴리스틱을 적용한 고충실도 혼합 정수 선형 계획법 프레임워크를 제안한다.

원저자: B Hari Kiran Reddy, Ge Chen, Junjie Qin

게시일 2026-06-19

📖 4 분 읽기☕ 가벼운 읽기

CC BY 4.0

원저자: B Hari Kiran Reddy, Ge Chen, Junjie Qin

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

당신이 대규모 공장이나 사무실 건물을 소유하고 있다고 상상해 보십시오. 당신의 전기 요금은 두 부분으로 나뉩니다. 하나는 사용한 총 전력량에 대한 것이고, 다른 하나는 종종 엄청난 금액이 청구되는 **'수요 요금(demand charge)'**입니다. 이 요금은 (15분 정도의) 짧은 시간 동안 발생한 단 한 번의 가장 높은 전력 사용량(피크)을 기준으로 책정됩니다. 이는 마치 식당에서 당신이 한 달 동안 먹은 전체 음식 양이 아니라, 당신이 한 번이라도 가장 비싼 요리를 주문했던 그 단 한 순간을 기준으로 요금을 부과하는 것과 같습니다.

전통적으로 이를 해결하기 위해 기업들은 건물에 부착된 거대한 고정형 배터리를 구매합니다. 하지만 이 배터리들은 구매 비용이 많이 들고, 공간을 차지하며, 오직 해당 건물에만 도움을 줄 수 있다는 단점이 있습니다.

이 논문은 더 스마트하고 유연한 아이디어를 제안합니다: 전기를 위한 "승차 공유(Rideshare)" 서비스.

핵심 개념: 이동형 파워 뱅크

모든 건물이 각자 거대한 배터리를 사는 대신, 전기차(EV) 군단이 이동형 파워 뱅크 역할을 한다고 상상해 보십시오. 이 자동차들은 전력을 그리드로부터 받을 수 있을 뿐만 아니라, 건물에 전력을 다시 공급할 수도 있는 특수 충전기를 갖추고 있습니다.

이 "승차 공유" 모델의 작동 방식은 다음과 같습니다:

운전자: 플릿 운영자(Fleet operator)는 여러 대의 전기차를 소유하고 운전자를 고용합니다.
임무: 건물이 전력 사용량의 "스파이크(급증)"에 도달하기 직전, 운전자가 해당 위치로 파견됩니다.
교체: 전기차가 도착하여 연결되면, 배터리의 전력을 건물로 방출하여 그 스파이크를 완화할 때까지만 유지합니다.
이동: 스파이크가 지나가면, 전기차는 다음 도움이 필요한 건물으로 이동하거나 중앙 허브로 돌아갑니다.

숨겨진 비용 ("교통"과 "마모" 문제)

저자들은 이전 연구들이 너무 낙관적이었다는 점을 깨달았습니다. 이전 연구들은 전기차를 마치 순간 이동할 수 있는 마법 지팡이처럼 취급했습니다. 실제로 차를 움직이는 데는 돈과 에너지가 듭니다. 이 논문은 세 가지 복잡한 현실을 반영한 "고충실도(High-Fidelity)" 모델을 도입합니다:

통근(The Commute): 차는 업무를 수행하기 위해 목적지까지 운전해서 가야 합니다. 이는 배터리 전력(이동 에너지)을 소모하며 비용을 발생시킵니다.
운전자(The Driver): 누군가는 차를 운전해야 합니다. 논문은 실제 운전자의 임금을 계산했는데, 이것이 가장 큰 비용으로 나타났습니다.
마모 및 손상(The Wear and Tear): 배터리를 사용할 때마다 배터리는 조금씩 노후화됩니다. 논문은 이 "배터리 감가상각" 비용을 계산합니다.

해결책: 스마트 디스패처(Smart Dispatcher)

이 모델을 실현하기 위해 연구진은 복잡한 수학 모델(혼합 정수 선형 계획법, Mixed-Integer Linear Program)을 만들었습니다. 이는 마치 초지능적인 GPS와 같아서 다음을 결정합니다:

어떤 차를 어느 건물로 보낼 것인가?
언제 충전 스테이션에서 출발해야 하는가?
언제 도착하여 도움을 줄 것인가?
지금 충전할 것인가, 아니면 나중에 할 것인가?

도시 전체를 대상으로 이 문제를 완벽하게 해결하는 것은 컴퓨터에게도 매우 느리고 어려운 작업이기 때문에, 그들은 **"한계 가치 휴리스틱(Marginal-Value Heuristic)"**을 발명했습니다.

비유: 이것은 마치 매 순간 최적의 경로를 미리 계획하려 하지 않는 똑똑한 배달 기사와 같습니다. 대신, 매 순간 이렇게 질문합니다: "지금 당장 가장 많은 비용을 지불하는 고객는 누구인가? 오늘 내 차들 중 일을 가장 적게 한 차는 무엇인가? 그렇다면 그 차를 그 고객에게 보내자."
이 방식은 빠르며, 완벽한 해답에 거의 근접한 결과를 얻을 수 있으면서도 몇 시간이 아닌 몇 분 만에 실행됩니다.

연구 결과 (The Results)

연구팀은 샌프란시스코의 실제 데이터를 사용하여 이 비즈니스 모델이 실제로 수익을 낼 수 있는지 시뮬레이션을 실행했습니다.

작동하지만, 노동력이 핵심이다: 이 시스템은 기업들의 수요 요금을 크게 절감할 수 있습니다. 하지만 운전자의 급여가 가장 큰 걸림돌입니다. 운전자의 비용이 너무 높으면 사업은 손실을 봅니다. 연구는 이 모델이 수익성을 갖추려면 전기 요금 절감액이 운전자의 임금을 충당할 만큼 충분히 높아야 한다고 제안합니다.
"계층적(Tiered)" 전략이 가장 좋다: 모든 건물이 동일하지는 않습니다. 어떤 건물은 작고(Schedule B-10), 어떤 건물은 매우 큽니다(Schedule B-19).
- 연구진은 계층적 접근 방식이 가장 좋다는 것을 발견했습니다: 작은 건물에는 표준 충전기를 제공하고, 큰 건물에는 초고속 충전기를 제공하는 방식입니다. 이러한 혼합 방식이 모두에게 동일한 유형의 충전기를 주는 것보다 더 많은 돈을 아껴줍니다.
계절적 차이: 이 사업은 겨울보다 여름에 훨씬 더 수익성이 높습니다. 이는 더운 여름 오후에 전력 수요 스파이크가 더 높고 더 비싸기 때문입니다.
- 겨울: 3대의 차량을 운영하는 플릿은 한 달에 약 30,000달러를 절감할 수 있습니다.
- 여름: 6대의 차량을 운영하는 플릿은 거의 100,000달러를 절감할 수 있습니다.
수익 체감의 법칙(Diminishing Returns): 차량을 더 많이 추가하면 도움이 되지만, 특정 지점까지만 그렇습니다. 처음 몇 대의 차량은 가장 크고 비싼 스파이크를 해결합니다. 하지만 열 번째 차량은 아주 작고 저렴한 스파이크만을 해결하므로, 추가적인 운전자 급여를 지불할 가치가 없을 수도 있습니다.

결론

이 논문은 공유 전기차를 이동형 배터리로 사용하는 것이 기술적, 경제적으로 실행 가능한 아이디어임을 입증하지만, 이것이 만능 해결책은 아니라는 점도 보여줍니다. 이 모델이 성공하려면 전기 요금에서 절감한 금액이 운전자의 임금, 차량 마모, 그리고 차량을 현장으로 이동시키는 데 드는 연료비보다 커야 하며, 이를 위해 세심한 계획이 필요합니다.

저자들은 고정형 배터리는 경직되고 비싼 반면, "이동형 배터리 군단"은 운영 비용(특히 노동력)을 제대로 관리한다면 기업들에게 매우 수익성 있는 도구가 될 수 있다고 결론짓습니다.

기술 요약: 수요 요금 절감을 위한 공유형 이동식 저장 장치의 기술-경제적 분석

문제 정의
상업 및 산업(C&I) 사용자들은 짧은 간격으로 평균화된 최대 유효 전력 수요에 기반하여 부과되는 수요 요금(demand charges)으로 인해 상당한 전기 요금 문제를 겪고 있다. 고정형 배터리 에너지 저장 시스템(BESS)이 전통적인 해결책이지만, 초기 비용이 높고 공간적 제약이 크다는 단점이 있다. 공유형 전기차(EV) 플릿은 서로 다른 위치에 있는 여러 사용자에게 서비스를 제공할 수 있는 "이동식 저장 장치"라는 대안을 제시한다. 그러나 기존 문헌은 결정적인 물류 및 운영 제약 조건을 간과한 채 이상적인 모델에 의존하는 경우가 많다. 구체적으로, 이전 연구들은 에너지 소비의 시공간적 결합(이동 중 오버헤드), EV 운전자의 인건비, 그리고 배터리 열화 및 충전 인프라 역량 간의 복잡한 트레이드오프를 자주 간과한다. 본 연구가 다루는 핵심 문제는 이러한 세밀하고 실질적인 요소들을 엄격하게 고려했을 때, 수요 요금 절감을 위한 공유형 EV 플릿의 진정한 순 경제적 가치가 얼마인지 결정하는 것이다.

방법론
저자들은 기존의 이동식 저장 장치 연구에서 누락되었던 운영 및 경제적 요인들을 통합한 고충실도 플릿 관리 프레임워크를 제안한다.

수학적 정식화: 디스패치(dispatch) 문제는 혼합 정수 선형 계획법(MILP)으로 정식화된다. 목적 함수는 C&I 사용자의 총 수요 요금과 EV 플릿의 운영 비용을 공동으로 최소화하는 것이다. 모델은 다음 사항들을 명시적으로 포착한다:
- 시공간적 결합: 중앙 충전소와 사용자 위치 사이의 이동 중 발생하는 에너지 소비.
- 인건비: 근무 시간에 기반한 운전자당 고정 비용으로 모델링됨.
- 배터리 열화: 사용량 기반 감가상각(사이클당 kWh 비용) 및 연령 기반 감가상각을 통해 표현됨.
- 충전 인프라: 사용자 사이트 및 중앙 스테이션에 위치한 AC Level-2 및 DC 급속 충전기의 비용과 용량.
- 제약 조건: 배터리 충전 상태(SOC), 충전/방전 효율, 이동 시간(한 구간 소요로 가정), 그리고 EV가 사용자 사이트에서 방전을 시작하기 전 반드시 한 구간 동안 이동 중이어야 한다는 요구 사항을 포함하는 제약 조건을 포함한다.
알고리즘 개발: MILP의 계산 복잡성이 사용자 및 EV의 수에 따라 기하급수적으로 증가하기 때문에, 저자들은 **한계 가치 기반 휴리스틱 알고리즘(marginal-value-based heuristic algorithm)**을 개발한다.
- 이 알고리즘은 "가장 가치가 높은" 사용자(서비스당 가장 높은 한계 수요 요금 절감액)와 "가장 적게 사용된" 가용 EV를 반복적으로 식별한다.
- 선택된 EV가 한계 수요 요금 절감액이 증분 운영 비용(충전 및 감가상상각)을 초과하는 경우 해당 사용자에게 파견된다.
- 이 접근 방식은 전체 MILP를 푸는 것보다 계산 시간을 크게 단축하면서도 최적에 가까운 성능을 달-성하며, 대규모 플릿 운영을 위한 확장성을 제공한다.
사례 연구 설정: 본 프레임워크는 캘리포니아주 샌프란시스코의 PG&E가 공급하는 730개 비즈니스 빌딩의 실제 스마트 미터 데이터를 사용하여 검증된다. 연구는 두 가지 사용자 요금 체계(B-10 및 B-19)를 고려하며, 세 가지 인프라 구성(All-AC, All-DC, 그리고 소규모 사용자를 위한 AC와 대규모 사용자를 위한 DC를 혼합한 Tiered 구성)을 평가한다.

주요 기여
본 논문은 세 가지 주요 기여를 한다:

통합 MILP 정식화: 이동 에너지, 인건비, 배터리 열화를 단일 디스패치 목적 함수에 명시적으로 통합하여 운영 가능성과 정확한 경제적 평가를 보장하는 모델을 제시한다.
효율적인 휴리스틱: 복잡한 디스패치 문제를 다항 시간 내에 해결하며, 대규모 플릿의 계산 부담을 처리하면서도 최적에 가까운 결과를 달성하는 한계 가치 기반 휴리스틱 알고리즘을 제 제안한다.
포괄적인 기술-경제적 평가: 사례 연구를 통해 인건비가 수익에 영향을 미치는 지배적인 요인임을 식별하고, 계층형(Tiered) 충전기 배치 전략을 검증한다. 대규모 사용자를 위한 DC 급속 충전기와 소규모 사용자를 위한 AC 충전기를 혼합하는 이 전략이 균일한 인프라 구성보다 우수한 순 절감액을 제공함을 입증한다.

결과
샌프란시스코 데이터를 사용한 분석 결과, 다음과 같은 주요 사실이 밝혀졌다:

경제적 생존 능력: 적은 수의 EV만으로도 소유 및 운영 비용을 회수하기에 충분한 상당한 수요 요금 절감을 달성할 수 있다.
계절적 변동: 여름철의 높은 수요 요금율과 피크 부하로 인해, 겨울(평균 ~$18,025)에 비해 여름(단일 EV 기준 평균 ~$34,111)의 순 절감액이 현저히 높다.
인프라 영향: 계층형 인프라 구성이 일관되적으로 가장 높은 순 절감액을 나타낸다. All-DC 구성은 여름철에 더 높은 절감액을 제공하지만, DC 충전기의 높은 상각 비용으로 인해 소규모 사용자(Schedule B-10)에게는 덜 실행 가능할 수 있다. 계층형 접근 방식은 이러한 요인들을 효과적으로 균형 있게 조절한다.
플릿 규모: 수확 체감의 법칙이 존재한다. 계층형 구성을 기준으로, 최적의 플릿 규모는 겨울에는 3대, 여름에는 6대로 나타났다. 이 규모를 초과하면 추가 EV당 한계 수요 요금 절감액은 감소하는 반면, 인건비는 선형적으로 계속 상승하여 결국 순 절감액을 갉아먹는다.
비용 동인: 인건비가 수익성에 영향을 미치는 지배적인 요인으로 식별되었다. 연구는 계절에 따라 약 $120–$ 210/hr의 "임계 인건비"를 산출하였으며, 이를 초과하면 비즈니스 모델이 수익성을 잃게 된다. 현재 추정 인건비($19/hr)는 이 임계치보다 훨씬 낮다.
불확실성 민감도: 모델은 부하 예측 불확실성에 민데히 민감하다. 순 절감액은 예측 오차가 증가함에 따라 단조 감소한다. 그러나 자율 주행(인건비 제거)을 가정할 경우, 특히 10~15% 수준의 완만한 불확실성 하에서도 비즈니스 모델은 여전히 생존 가능하다.

의의 및 주장
본 논문은 이론적인 이동식 저장 잠재력과 실제 비즈니스 생존 가능성 사이의 간극을 메우는 데 그 주요 의의가 있다고 주장한다. 이동 에너지, 운전자 인건비, 배터리 마모와 같은 "현실 세계"의 마찰 요인들을 명시적으로 모델링함으로써, 저자들은 공유형 이동식 저장이 특정 조건 하에서 이론적으로 가능할 뿐만 아니라 경제적으로도 매력적임을 입증한다.

저자들은 자신들의 휴리스틱이 보편적인 이론적 근사 보증이 없는 "근시적(myopic)" 접근 방식임을 겸허히 언급하면서도, 경험적으로 최적에 가까운 성능을 보여준다고 설명한다. 또한 최적의 플릿 규모와 절감액 수치는 지역 요금 구조, 부하 특성 및 비용 가정에 따라 달라지는 사례 특정적(case-specific)인 것임을 강조한다. 본 연구는 이상적인 가정을 넘어 복잡한 물류, 에너지 및 경제의 상호작용을 고려하는 프레임워크를 제공함으로써, 공유형 이동식 에너지 저장의 상업적 생존 가능성을 평가하기 위한 현실적인 기준점을 제공한다. 향후 연구로는 이동 시간 변동, EV 가용성 및 충전기 신뢰성을 위한 확률적 모델링의 통합이 제안된다.

핵심 개념: 이동형 파워 뱅크

숨겨진 비용 ("교통"과 "마모" 문제)

해결책: 스마트 디스패처(Smart Dispatcher)

연구 결과 (The Results)

결론

유사한 논문