$\require{mediawiki-texvc}$

연합인증

연합인증 가입 기관의 연구자들은 소속기관의 인증정보(ID와 암호)를 이용해 다른 대학, 연구기관, 서비스 공급자의 다양한 온라인 자원과 연구 데이터를 이용할 수 있습니다.

이는 여행자가 자국에서 발행 받은 여권으로 세계 각국을 자유롭게 여행할 수 있는 것과 같습니다.

연합인증으로 이용이 가능한 서비스는 NTIS, DataON, Edison, Kafe, Webinar 등이 있습니다.

한번의 인증절차만으로 연합인증 가입 서비스에 추가 로그인 없이 이용이 가능합니다.

다만, 연합인증을 위해서는 최초 1회만 인증 절차가 필요합니다. (회원이 아닐 경우 회원 가입이 필요합니다.)

연합인증 절차는 다음과 같습니다.

최초이용시에는
ScienceON에 로그인 → 연합인증 서비스 접속 → 로그인 (본인 확인 또는 회원가입) → 서비스 이용

그 이후에는
ScienceON 로그인 → 연합인증 서비스 접속 → 서비스 이용

연합인증을 활용하시면 KISTI가 제공하는 다양한 서비스를 편리하게 이용하실 수 있습니다.

전기자동차 충전 전력 수요량 예측 연구 동향 원문보기

전기의 세계 = The proceedings of KIEE, v.66 no.12, 2017년, pp.41 - 49  

배성우 (한양대학교 공과대학 전기생체공학부 전기공학전공) ,  임동영 (한양대학교 공과대학 전기생체공학부 전기공학전공)

초록이 없습니다.

AI 본문요약
AI-Helper 아이콘 AI-Helper

* AI 자동 식별 결과로 적합하지 않은 문장이 있을 수 있으니, 이용에 유의하시기 바랍니다.

문제 정의

  • 본 기고문의 구성으로 먼저 전기자동차 충전전력 수요 예측 및 분석 과정에 대해 서술하였고, 충전전력 수요예측을 위해 사용된 충전전략(충전 시나리오 포함)을 검토하였다. 그런 후 대표적인 전기자동차 충전 전략 및 시나리오에 따른 전기자동차 충전전력 수요예측 연구결과를 간략히 서술하였다. 마지막으로 전기자동차 충전전력 수요량 예측 연구에 관한 연구동향을 분석 및 기술하였다.
  • 본 기고문에서는 전기자동차 충전전력 부하 예측에 관한 연구결과와 그 동향을 분석하여 요약 서술하였다. 본 기고문은 저자들이 산업통상자원부(MOTIE)와 한국에너지기술평가원(KETEP)의 지원을 받아 수행하고 있는 연구과제의 주요 수행내용, 기존 발표논문 [2], 다양한 연구 논문의 분석 내용을 기반으로 작성되었다.
  • 본 기고문은 전기자동차 충전수요 예측에 관한 방법과 연구동향을 분석하였다. 전기자동차 충전수요 예측 및 분석에 관한 연구방법은 충전부하의 모델링, 목적함수와 최적화 문제를 포함한 알고리즘의 시뮬레이션, 계통의 영향평가의 순으로 수행된다.
  • 충전수요 예측에 관한 연구동향은 4개의 주제로 수행됨을 파악하였고, 그 주제는 1) 전기자동차 충전부하 모델링, 대표적인 충전 시니리오 제안, 계통의 영향, 2) 기존과 다른 새로운 시나리오 제안에 따른 충전수요 예측, 3) 충전 수요에서 다양한 인자의 영향 도입, 4) 과부하 예방을 위한 충전부하 분산화 방안, 계통에서 충전부하의 감소방안, 충전부하 예측에서 새로운 수치해석법의 제안이다. 본 기고문은 전기자동차 충전수요 예측에 영향을 미치는 새로운 요소를 탐색하거나 관련 미래 연구를 위한 유용한 정보를 제공한다. 현재까지, 전기자동차 충전소의 실제 충전전력 데이터가 적용된 충전수요전력 예측의 연구는 부족한 것으로 판단된다.
  • 충전수요 전력 예측에 관한 연구동향은 2011∼2016년 기간동안 Applied Energy, IEEE의 Smart Grid, Power System,Sustainable Energy 저널에서 발표된 논문들을 분석하여 요약한다. 본 기고문의 저자들은 IEEE의 저널들을 전기자동차 충전부하가 계통에 미치는 영향을 파악하기 위해 선정하였고, Applied Energy는 그 충전부하 예측을 위한 다양한 시나리오를 파악하기 위해 선택하였다.
  • 특히 제어되지 않은 직장에서 충전이 10:00-11:00 사이에 피크부하를 형성하여, 공업과 산업지역의 계통에서 충전부하로 인한 문제를 야기할 수 있음을 시사하고 있다. 이 논문은 전기자동차 충전수요 예측을 위한, 배터리 초기충전상태를 차량 이동거리의 확률분포, 하루 운전 거리, 운전 거리에 따른 배터리 소모의 선형적 감소를 기반으로 산정하였다. 이러한 배터리 초기상태 산정기법으로 인해 인용이 다수 이루어지고 있다.
  • 상정된 전기자동차 비중이 35%일 때, 급속충전이 과부하를 초래하였고, 완속충전의 경우는 전기자동차 비중이 40% 이상일 때 발생함을 보고하였다. 이 논문의 저자들은 배전 변압기의 과부하를 예방하기 위한 스마트 충전 시나리오를 제안하였다. 이 충전전략은 변압기 부하에 95% 이상 충전부하가 접속되는 것을 억제하는 방식이다.
본문요약 정보가 도움이 되었나요?

질의응답

핵심어 질문 논문에서 추출한 답변
전기자동차의 장점은 무엇인가? 이는 내연기관 엔진을 이용한 차량이 전기자동차로 대체됨을 의미한다. 전기자동차는 배터리로 전동기를 구동하기 때문에, 내연기관의 사용을 어느 정도 혹은 완전히 피할 수 있어 환경오염과 화석연료 자원소모의 의존성을 상당히 감소시킬 수 있다. 현재 전기자동차는 내연기관 엔진과 전동기 및 배터리로 구동하는 하이브리드 방식 (Plug -in Hybrid Electric Vehicle, PHEV)과 배터리와 전동기로만 구동하는 방식 (Battery Electric Vehicle,BEV)으로 상용화 되고 있다.
전기자동차의 충전전력 부하의 예측을 위해 어떤 요인들을 고려해야 하는가? 전기자동차의 충전은 전기자동차 사용자 개개인의 생활패턴이나 거동에 상당히 의존하기 때문에, 전기자동차 충전부하는 기존의 일반적인 전력 부하의 수요 예측보다 더 어렵고 불확실하다고 할 수 있다. 게다가 전기자동차 충전부하의 예측을 위해, 상당히 많은 요인을 고려해야 하며, 이들은 전기자동차 보급률, 충전요금, 이동패턴, 충전위치, 충전시간, 동시 충전률, 배터리 초기충전상태, 충전 시 충전 전력량, 기후조건(날씨), 교통량, 교통패턴 등이다. 여기에 지역적 특성과 특정일 (휴일, 특정한 행사일)까지 고려하면 충전 전력부하의 정확한 예측은 도전적인 연구과제로 인식될 수 있다.
BEV 전기자동차의 특징은 무엇인가? BEV 전기자동차의 명백한 특징 중 하나는 배터리의 충전을 위해, 전력계통에 접속하여 전력을 공급받는 것이다. 이러한 전기자동차의 충전전력 부하는 전기자동차가 대중화됨에 따라 기존 전력계통의 새로운 주요 부하로 작용할 것이 자명하므로 전기자동차 충전부하를 고려한 전력계통 안정성을 검토하는 것이 무엇보다 절실히 필요하다고 할 수 있다.
질의응답 정보가 도움이 되었나요?

참고문헌 (21)

  1. J. C. Kelly, J. S. MacDonald, and G. A. Keoleian, "Time-dependent plug-in hybrid electric vehicle charging based on national driving patterns and demographics", Appl. Energy, Vol. 94, pp. 395-405, 2012. 

  2. 임동영, 김정태, 배성우, "충전 시나리오에 따른 전기자동차 충전전력 수요예측에 관한 연구동향 분석", 2017 년도 대한전기학회 하계학술대회 논문집, pp. 292-293, 2017. 

  3. M. B. Arias, M. Kim and S. Bae, "Prediction of electric vehicle charging-power demand in realistic urban traffic networks", Appl. Energy, Vol. 195, pp. 738-753, 2017. 

  4. M. B. Arias and S. Bae, "Electric vehicle charging demand forecasting model based on big data technologies", Appl. Energy, Vol. 183, pp. 327-339, 2016. 

  5. S. Deilami, S. A. Masoum, S. P. Moses and A. S. M. Masoum, "Real-time coordination of plug-in electric vehicle charging in smart grids to minimize power losses and improve voltage prole", IEEE Trans. Smart Grid, Vol. 2, No. 3, pp. 436-467, 2011. 

  6. W. Qi, Z. Xu, Z. -J. M. Shen, Z. Hu and Y. Song, "Hierarchical coordinated control of plug-in electric vehicles charging in multifamily dwellings", IEEE Trans. Smart Grid, Vol. 5, No. 3, pp. 1465-1474, 2014. 

  7. M. Alonso, H. Amaris, J. G. Germain and J. M. Galan, "Optimal charging scheduling of electric vehicles in smart grids by heuristic algorithms", Energies, Vol. 7, No. 4, pp. 2449-2475, 2014. 

  8. E. D. Haukedal, B. A. Hoverstad, P. Oztiirk, and A. Tidemann, "Load scheduling and PHEVs in the smart grid," in Proc. IEEE Conf. Innov. Smart Grid Technol. (ISGT), Washington, DC, USA, Feb. 2013, pp. 1-6. 

  9. W. Hu, C. Su, Z. Chen, and B. Bak-Jensen, "Optimal operation of plug-in electric vehicles in power systems with high wind power penetrations", IEEE Trans. Sustain. Energy, vol. 4, no. 3, pp. 577-585, Jul. 2013. 

  10. S. Xu, L. Zhang, Z. Yan, D. Feng, G. Wang and X. Zhao, "Optimal Scheduling of Electric Vehicles Charging in low-Voltage Distribution Systems", J Electr. Eng. Technol., Vol. 11, No. 4, pp. 810-819, 2016. 

  11. J. Tan and L. Wang, "Integration of plug-in hybrid electric vehicles into residential distribution grid based on two-layer intelligent optimization," IEEE Trans. Smart Grid, Vol. 5, No. 4, pp. 1774-1784, 2014. 

  12. http://ewh.ieee.org/soc/pes/dsacom/ 

  13. K. C. -Nyns, E. Haesen, and J. Driesen "The Impact of Charging Plug-In Hybrid Electric Vehicles on a Residential Distribution Grid", IEEE Trans. Power Syst., Vol. 25, No. 1, pp. 371-380, 2010. 

  14. L. Pieltain Fernandez, T. Gomez San Roman, R. Cossent, C. Mateo Domingo, and P. Frias, "Assessment of the impact of plug-in electric vehicles on distribution networks," IEEE Trans. Power Syst., vol. 26, no. 1, pp. 206-213, Feb. 2011. 

  15. R. Godina, Eduardo M. G. Rodrigues, Joao C. O. Matias and Joao P. S. Catalao, "Smart electric vehicle charging scheduler for overloading prevention of an industry client power distribution transformer", Appl. Energy, Vol. 178, pp. 29-42, 2016. 

  16. S. M. Elnozahy and M. A. M. Salama, "A comprehensive study of the impacts of PHEVs on residential distribution networks," IEEE Trans. Sustain. Energy, Vol. 5, No. 1, pp. 332-342, Jan. 2014. 

  17. D. Steen, L. A. Tuan, O. Carlson and L. Bertling, "Assessment of Electric Vehicle Charging Scenarios Based on Demographical Data", IEEE Trans. Smart Grid, Vol. 3, No. 2, pp. 1457-1468, 2012. 

  18. W. -J. Park, K. -B. Song and J. -W. Park, "Impact of Electric Vehicle Penetration-Based Charging Demand on Load Profile", J. Electr. Eng. Technol., Vol. 8, No. 2, pp. 244-251, 2013. 

  19. K. Qian, C. Zhou, M. Allan and Y. Yuan., "Modeling of Load Demand Due to EV Battery Charging in Distribution Systems", IEEE Trans. Power Syst., Vol. 26, No. 2, pp. 802-810, 2011. 

  20. W. Lee, L. Xiang, R. Schober and V. W. S. Wong, "Electric vehicle charging stations with renewable power generators: A game theoretical analysis," IEEE Trans. Smart Grid, Vol. 6, No. 2, pp. 608-617, 2015. 

  21. S. -K. Moon, H. -G. Gwak and J. -O. Kim, "Evaluation of the Charging effects of Plug-in Electrical Vehicles on Power Systems, taking Into account Optimal Charging Scenarios", The transactions of The Korean Institute of Electrical Engineers, Vol. 61, No. 6, pp. 783-790, 2012. 

섹션별 컨텐츠 바로가기

AI-Helper ※ AI-Helper는 오픈소스 모델을 사용합니다.

AI-Helper 아이콘
AI-Helper
안녕하세요, AI-Helper입니다. 좌측 "선택된 텍스트"에서 텍스트를 선택하여 요약, 번역, 용어설명을 실행하세요.
※ AI-Helper는 부적절한 답변을 할 수 있습니다.

선택된 텍스트

맨위로