Article

Journal of Korean Society of Transportation. 31 December 2018. 403-414
https://doi.org/10.7470/jkst.2018.36.6.403

ABSTRACT


MAIN

  • 서론

  •   1. 연구의 배경 및 목적

  • 선행연구

  •   1. 현황

  •   2. 시사점

  • 내연기관차와 전기자동차의의 CO2 배출량 비교분석

  •   1. 연구방법

  •   2. 내연기관차 CO2 배출량

  • 전력수요관리방식을 적용한 전기자동차의 CO2 배출량 분석

  •   1. Valley Filling 충전

  •   2. Valley Filling 방식을 이용한 CO2 배출량 산출

  •   3. 사례연구

  • 결론

서론

1. 연구의 배경 및 목적

1990년대 가솔린자동차의 지속적인 보급에 따른 대기오염 문제를 시작으로 친환경적 이동수단인 전기자동차에 대한 전 세계적인 관심이 대두 되었다. 미국 GM사는 EV1이라는 전기자동차를 개발하여 리스 사업으로 큰 성공을 거두기도 하였으며 유럽에서는 전기자동차 보급을 위한 소비세 면제 등 다양한 정책을 펼치기도 하였다. 2000년대 들어서는 교토 의정서의 채택에 따라 선진국의 온실가스 감축에 대한 노력이 더욱 가속화 되었다. 대표적 온실가스 배출 분야인 수송부문에서는 정부의 전기자동차 상용화에 대한 적극적인 법 ‧ 제도적 지원 아래 기존 내연기관차 제조사들이 도전적으로 전기자동차 개발에 뛰어들었다. 이러한 결과로 2008년 1회 충전 시 이동가능거리가 약 400km에 달하는 테슬라사 최초의 전기자동차 로드스터가 판매되기 시작하였고 그 뒤를 이어 BMW, BYD 등이 전기자동차를 앞다투어 출시하여 현재에는 연간 판매량 100만대 규모의 시장을 형성하였다. 2016년 교토의정서를 대체하는 파리기후협정은 국가적인 전기자동차 보급 활성화 정책 추진을 촉발하는 계기가 되었다. 유럽은 E-Mobility 정책을 수립하여 2030년까지 도시지역에서의 내연기관 차량 비중을 절반으로 감축하고 2050년까지 내연기관차량을 단계적으로 운행을 금지할 계획이다. 또한 세금감면, 구매보조금 지급, 무료주차, 전용차선 이용 등 다양한 인센티브 및 혜택을 제공하여 전기자동차 구매를 유도하고 있다. 국내의 경우에는 2015년 「제3차 환경친화적자동차 개발 및 보급 기본계획(’16-’20)」을 발표하여 2020년 전기자동차 20만대 보급을 목표로 하고 있으며, 북미, 유럽지역을 포함한 많은 국가에서도 온실가스 감축을 위한 해결책으로 내연기관차를 전기자동차로 대체하는 정책을 추진중이다. 최근 Canals(2016) 등의 연구에서는 국가적인 보급 ‧ 활성화 정책추진과는 반대로 전기자동차의 연료인 전기를 생산하는 과정에서 발생되는 CO2로 인하여 전기자동차의 CO2 배출량이 내연기관차 보다 오히려 많을 수 있다는 결과를 발표 하였다. 그러나 대부분의 연구에서는 CO2 배출량 산출시 전기자동차 충전에 필요한 전력량과 발전소의 발전량과 동일시하는 오류를 범하고 있다. 전력생산은 부하관리, 효율향상 등 수요관리 측면에서 접근하여야 하며 전기자동차의 충전수요 및 방식과 발전계획 등을 복합적으로 고려해야 한다. 따라서 본 논문은 산업통상자원부 “제8차 전력수급기본계획”의 수요관리 정책을 고려하여 Valley Filling 전력수급방식을 전기자동차 충전수요에 적용, 발전소의 실제적인 CO2 배출량을 산출하고, 전기자동차 CO2 배출량이 내연기관차보다 많다는 선행연구 결과에 대한 반론을 제기함을 목적으로 한다.

선행연구

1. 현황

본 논문은 전력수요관리 방식을 적용한 전기자동차의 CO2 배출량 산출 연구로써, 기존에 발표된 전기자동차의 친환경성 분석 연구중 전력산업부문을 고려한 연구를 중점적으로 검토하였다. Table 1은 본 논문에서 검토한 선행연구로써 전력믹스 등 전력산업부문의 일부 측면이 고려된 연구이다. 먼저, McLaren(2016)는 전기자동차의 CO2 배출량 감소효과는 충전시간 및 장소, 전력원 구성과 밀접한 관련이 있다고 주장한다. 전기자동차와 플러그 인 하이브리드 자동차를 대상으로 주거지 충전, 직장에서의 충전 등 4개의 충전 시나리오를 구성하여, 석탄, 신재생, 천연가스 등 전력믹스 비중이 다른 5개의 전력계통에서의 CO2 배출량을 분석하였다. 분석결과 CO2 배출량은 신재생에너지원 비중에 밀접한 관련성을 보였으며 직장에서의 충전시설 가용도가 높을수록, 비첨두 시간을 이용하여 충전할수록 CO2 배출량 저감 효과가 높다는 결과를 도출하였다. Manjunath(2017)는 전기자동차 온실가스 배출에 따른 환경에 미치는 영향을 정량적으로 분석하기 위해 EVEI (Electric Vehicle Emissions Index) 지수를 적용한 산출방법을 제안하였다. EVEI 방식은 전력믹스를 고려하여 CO2 배출량을 산출하며 저자는 미국의 각 지역단위로 분석 하였다. 분석결과 환경에 미치는 영향은 전력믹스 구성비율과 관련성이 매우 높았으며, 석탄화력발전의 구성비율이 높을 경우 전기자동차의 CO2 배출량이 내연기관 차량의 배출량보다 많다는 결과를 보였다. Woo(2017)는 국가별 전력믹스 비중을 고려하여 전기자동차의 CO2 배출량을 내연기관차와 비교분석 하였다. 석탄발전의존도가 높은 중국은 원자력비중이 높은 프랑스에 비해 약 7배 높은 CO2 배출량을 보이며 내연기관차와 비슷한 수준을 보였다. 국내의 경우 중국의 74% 수준으로 미국 및 독일과 비슷한 CO2 배출량을 보였다. 저자는 전력믹스 구성에 대한 중요성과 함께 차량의 다운사이징, 매연 저감 기술 등의 중요성을 언급하며 향후 전기자동차의 CO2 베출량 산출 시, 배터리, 태양광 패널 제작 등의 제조과정에서 발생되는 CO2도 포함하는 것을 제언하였다. Kim(2017)은 전원믹스를 고려하여 전기자동차 보급에 따른 2030년 온실가스 감축량 추정 연구를 수행하였다. 국내 신재생에너지원 확대, 원자력발전 감축 등의 정책을 고려하여 시나리오를 설정하였으며, 각 시나리오별 전기자동차 보급(100만대)에 따른 온실가스 증감을 분석하였다. 분석결과 전기자동차 보급에 다른 온실가스 배출량은 2030년 국가 온실가스 BAU 배출량 대비 0.1%를 감축하는데 그쳤으며 감축효과 증대를 위해 신재생에너지원 등 저탄소 전원의 비중을 늘려야 한다는 결론을 도출하였다.

Table 1. Pilot study

Author (year) Consideration factors Demand management
McLaren(2016) WTW, Power mix None
Manjunath(2017)
Woo(2016)
Kim(2017)
Millo(2013)
Ruo-Yu(2017) LCA, Power mix
Qiao(2017)
Teixeira(2018) None

전기자동차 CO2 배출량 감축을 위한 전력믹스 구성의 중요성에 더해, 능동적인 전력수요 대응을 위한 전기자동차 충전 스케쥴링 관련 연구 및 정부정책 등이 추진되고 있다. Adriana(2015), Ruoyang(2014), Lee(2013) 등의 연구에서는 발전소의 경제적인 운영을 위한 전기자동차 충전 스케쥴링의 중요성을 강조하고 있으며, 스마트그리드, V2X 통신기술 등을 활용한 능동적인 스케쥴링 제어를 통해 전기수요 분담 및 전력피크 저감의 효과를 분석하였다. 대표적으로 Lee(2013)는 운전자 중심 충전수요 이동을 위해 WiFi 통신을 이용한 스마트폰 기반 실시간 전기자동차 충전제어 방식을 제안하였다. 운전자는 스마트폰을 이용하여 실시간으로 차량의 충전상태를 모니터링 할 수 있으며 충전 시간대 및 요금을 고려하여 자유롭게 충전을 제어할 수 있다. 본 연구의 제어방식을 이용할 경우, 충전요금이 저렴한 경부하 시간대로 충전유도가 가능하여 전력피크 저감 효과 볼 수 있었다. Edwin(2017)은 스마트그리드 구축에 따른 스마트미터, 양방향 통신 네트워크 등을 이용하여, 충전소 운영자 및 전기자동차 운전자의 효용 최대화를 위한 스케쥴링 방식을 제안하였다. 운전자뿐 만이 아니라 충전소 운영자까지 전력수요관리의 주체로 포함하여 기존 운전자 기반 스케쥴링 방식에서 개선된 실용적인 연구를 수행하였다. 아울러, 국내에서는 “환경친화적 자동차의 개발 및 보급촉진에 관한 법률” 등을 기반으로 효율적인 전력수요 관리를 위한 전기자동차 충전요금 차등화 정책을 추진중이다. 현재 전기자동차 충전요금은 Table 2와 같이 전압의 크기, 계절 및 시간대로 구분되어 있으며, 총전요금은 부하량이 높은 여름 ‧ 겨울철이 봄 ‧ 가을철 보다 높고 23시부터 오전9시(경부하)의 요금이 전력피크 구간대의 요금보다 최대 약 3배까지 저렴하여 경부하 시간대로 충전수요를 유도하고 있다.

Table 2. Electric charging cost (Ⅰ)

Basic cost (won) Load Cost (won)
Spring Spring, Fall Winter
2,390 (Low voltage) Light 69.2 58.7 83.9
Heavy 135.5 70.5 116.4
Max 176.8 75.4 145.3

KEPCO, 2018

2. 시사점

McLaren(2016) 등의 선행연구에서는 전기자동차 CO2 배출량은 발전원에서의 전력생산 및 전력믹스 구성과 관련성이 높다고 결론짓고 있다. 연구 가정에서는 전기자동차 충전에 따른 발전소 CO2 배출량 산출 시 전기자동차의 충전 전력량은 발전소에서 생산해야하는 전력량과 동일시하였으며 총량배분 방식으로 전력믹스 비중을 반영하였다. 그러나 실제 전력공급은 총량배분 방식이 적용될 수 없다. 예를 들어 현재 전기자동차가 30kWh의 전력을 충전한다고 할 때 발전소는 전기자동차 충전을 위한 30kWh의 전력을 순시로 생산하지 않는다. 전력수요는 특정기간의 수급계획에 따라 예비율, 부하율, 발전소 가동률, 가동시간 등의 요소를 복합적으로 고려하여 운영 및 관리된다. 최근에는 전기자동차 충전수요를 경부하대로 유도하기 위한 요금제 차등화 정책과, 주거지 충전을 위한 공동주택 충전기 설치 의무화 정책 등을 도입하고, 스마트그리드 구축 및 관련기술의 도입에 따른 실시간 충전수요 제어 기술도 전력수요관리 방식에 도입하고 있다. 따라서 전기자동차의 CO2 배출량 분석 시, 연구결과의 정확성 및 실용성 제고를 위해 실제 전력계통의 전력수요관리 방식과 충전수요 제어 기술개발 동향을 고려하여 연구의 실용성을 개선하는 것이 필요하다.

내연기관차와 전기자동차의의 CO2 배출량 비교분석

1. 연구방법

1) 자료

정부의 법률 및 정책자료, 국제기구의 가이드라인, 환경부, 산업통상자원부, 한국전력 등 정부부처 및 공공기관의 공공데이터를 기반으로 한다. 내연기관차의 CO2 배출량 산출 시 「대기환경보전법」내 자동차 평균에너지 소비효율 기준 및 온실가스 배출허용 기준 자료를 사용하였으며 전기자동차의 경우 현대자동차사의 아이오닉 일렉트릭 차량 사양과 「제8차 전력수급기본계획」자료를 참고하였다. 전기자동차 충전, 시간별 전력공급 ‧ 수요 데이터 등은 한국전력공사의 계통운영 정보를 활용하였다.

2) 연구절차

연구절차는 연구목적 및 방향을 고려하여 3단계로 구분한다. 첫째, 기존연구 결과의 타당성을 검증하기 위해 선행 연구에서 수행한 동일한 CO2 산출방법을 사용하여 내연기관차와 전기자동차의 CO2 배출량을 비교 ‧ 분석 한다. 전력수요관리 방식을 고려하지 않고 전기자동차 충전을 위한 소요 전력량은 발전소에서 동일 한 전력량만큼 추가 생산했다고 가정한다. 둘째 실제 전력계통 운영관점에서 전력수요관리 방식을 적용한 전기자동차의 CO2 배출량을 산출한다. 전기자동차 충전은 전력수요관리방식 중 하나인 Valley Filling 방식을 적용하였으며 전력설비가 가장 효율적으로 운용 및 제어되는 것으로 가정하였다. 마지막으로 전기자동차와 내연기관차의 CO2 배출량을 비교하여 전기자동차의 도입에 따른 CO2 저감 효과를 분석하고 향후 기후변화 대응을 위한 전기자동차의 역할과 기대효과등을 전망한다.

2. 내연기관차 CO2 배출량

CO2 배출량은 단위 주행거리 당 자동차에서 배출되는 CO2 (g/km)를 의미하며 내연기관차의 CO2 배출량 산정 시 차량은 환경부가 고시한 배출허용 기준을 따르는 것으로 가정한다. 대상차량은 2016년 1월부터 2020년 12월 까지 출고되는 10인승 이하의 승용차를 기준으로 배출량 허용기준은 Table 3의 값을 준수한다. 전기자동차와 동등한 조건에서의 비교를 위해 기준연도는 2017년, 차량중량은 공차 기준으로 1,440kg으로 하였다.

Table 3. Acceptable permission of Internal combustion vehicle's CO2 emission

Year Acceptable standards (g/km) Note
2016 127+0.0533 × (m-1421.8) m>1,070kg (m: vehicle weight) *Empty vehicle
2017 123+0.0517 × (m-1421.8)
2018 120+0.0504 × (m-1421.8)
2019 110+0.0462 × (m-1421.8)
2020 97+0.0407 × (m-1421.8)

Ministry of Environment, 2017.

전기자동차의 CO2 배출량 산출을 위한 대상차량의 사양은 Table 4와 같다. 대상 차량의 단위 운행거리 당 소요 전력량을 국내 발전원별 비중에 따라 구분하며, 발전원은 원자력, 석탄(유연탄), LNG, 신재생 등 전력거래소에서 분류하는 방식을 적용한다. 실제 CO2를 발생하는 석탄화력 발전소의 발전량 비중을 적용하여 석탄화력 발전으로 충전되는 전력량을 산출한다. 발전량 비중은 Table 4의 산자부 “제8차 전력수급 기본계획”의 2017년도 전원구성 전망 수치를 사용한다. 마지막으로 전기자동차 충전에 소요된 전력량만큼 석탄화력 발전소에서 필요로 하는 연료량을 구하고 IPCC (Intergovernmental Panel on Climate Change) 가이드에서 제시한 산출 식에 따라 최종적인 CO2 배출량을 구한다.

Table 4. Ionic electric specifications

Factor Specification
Fuel efficiency 0.159kWh/km
Battery capacity 28kWh
Weight 1,430kg

www.hyundai.com.

전기자동차의 단위 주행거리 당 소요전력량을 국내 발전원별 비중으로 구분하기 위하여 Table 5의 전원 구성비 전망 수치를 적용한다. 본 논문에서는 석탄화력발전 방식에서 CO2 발생 기여도를 고려하여 유연탄만을 적용한다.

Table 5. 2017's power source mix

Factor Nuclear Bituminous coal LNG Renewable
Rated power (MW) 22,529 36,920 37,353 11,316
Rate (%) 19.3 31.6 31.9 9.7

Ministry of Commerce, Industry and Energy, 2017.

Equation 1을 이용하여 전기자동차의 단위 주행거리 당 석탄화력발전이 기여하는 전력량을 산출한다.

$$E_c=E_{unit}\times P_t$$ (1)

여기서, Ec: 석탄화력발전량

Eunit: 단위 주행거리 당 소요 전력량

Pi: i 연료의 비중

Equation 1로부터 산출된 전력량은 Equation 2에 적용하여 동일한 크기의 전력량을 생산하기 위한 소요 열량으로 변환한다.

$$E_{kcal}=860\times E_c$$ (2)

여기서, Ekcal: 주행거리 1km 당 소요 열량

Equation 2에 따라 산출된 열량은 산자부에서 고시한 「에너지법 시행규칙」의 유연탄 발열량을 적용하여 실제 소요된 연료량을 산출한다. 전기자동차의 단위 주행거리 당 소요 연료량은 UN산하 국제 협의체 IPCC의 가이드에 따른다. Equation 3은 IPCC에서 제안하는 CO2 배출량 산정식이며 기본 접근법을 이용한다. 연료의 산화계수, 탄소몰입율은 IPCC의 데이터를 활용하며 배출계수는 온실가스종합정보센터의 자료를 활용한다. 비연료사용량은 고려하지 않았다.

$$E_{ij}=\Sigma(TA_{ij}\times FCS_{ij}\times41.868\times CF_i\times EF_i\times OF_i\times44/12)$$ (3)

여기서, E: CO2 배출량(Gg)

TA: 총연료사용량(천TOE)

FCS: 탄소몰입율

CF: 전환계수(순발열량/총발열량)

EF: 배출계수(ton C/TOE)

OF: 산화계수

i: 연료 유형

j: 부문

Equation 3에 따른 전기자동차와 내연기관차의 CO2 배출량 산출결과는 Table 6과 같다. 기존 선행연구 결과와 마찬가지로 전기자동차의 CO2 배출량은 내연기관차의 배출량과 비교하여 약 158% 수준으로 높게 나타난다.

Table 6. CO2 emission of internal combustion vehicle and electric vehicle

Vehicle type CO2 emission
Combustion vehicle 123.9g/km
Electric vehicle 195.5g/km

전력수요관리방식을 적용한 전기자동차의 CO2 배출량 분석

발전소는 전력설비의 안정적이고 경제적인 운용을 위해 일간, 월간, 연간 등 특정기간의 전력수급 계획에 따라 운영된다. 따라서 연도별 전력수급 계획을 고려한 적절한 전기자동차의 보급과 전기자동차 충전시간대의 집중을 막고 전력수요가 낮은 시간대로 충전을 유도한다면 추가적인 전력생산량, 즉 첨두 발전량을 낮추고 잉여 발전량을 최소화하여 공급설비를 효율적으로 운용 할 수 있다. 본 논문에서는 전력수요 관리에 대표적인 Valley Filling 방식을 전기자동차 충전에 적용하여 전기자동차의 충전 시간대를 제어함으로써 전력설비 운영효율 개선에 따른 CO2 배출량 감소 효과를 분석한다.

1. Valley Filling 충전

전기자동차의 경부하 시간대 충전을 유도하는 Valley Filling 충전방식은 전력계통의 전력수요관리방식을 적용한 전기자동차 충전방식으로써, 실시간 충전이 아닌 전력수요에 따라 충전시점을 자유롭게 이동하여 충전하는 방식이다. 본 방식은 전력수요 급증에 따른 전력예비율 불안정, 원자력발전소 축소에 따른 전력수급 문제(대규모 정전 등) 등을 예방하는 전력수급 안정화 핵심방안으로써, 국내의 경우 폭염에 따른 최대전력수요 폭증에 대한 대응책으로 전력피크 시간대에 전기사용을 줄이고 경부하 시간대로 유도하는 수요자원 거래제도(DR) 등을 Top-down 방식으로 추진중이다. 전기자동차 충전 시 본 방식을 적용할 경우 전기사용자가 전력수요관리에 능동적으로 참여하는 동시에 Kim(2017)에서 예측한 2030년 연간 29.2GW규모의 전기자동차 충전수요에 대응하여 발전소 증축 등 설비용량 을 최소화에 따른 경제적인 대응이 가능하다.

전기자동차 충전 시 적용되는 Valley Filling 방식은 Figure 1과 같이 경부하 시간대를 최우선으로 충전되며 동일한 경부하 시간대일 경우에도 공급 대비 수요가 낮은 구간으로 유도하여 첨두발전을 최소화 하는 방식으로 제어된다. Tc는 충전시간, Pt는 t에서의 전력수요, Pmax는 최대전력, PAVR은 평균전력을 의미한다.

http://static.apub.kr/journalsite/sites/kst/2018-036-06/N0210360601/images/kst_36_06_01_F1.jpg
Figure 1.

Procedure of valley filling charging

2. Valley Filling 방식을 이용한 CO2 배출량 산출

Valley Filling 방식을 적용한 전기자동차의 CO2 배출량 산출을 위해 전력설비 운영효율을 판단하는 지표인 부하율 개념을 도입한다. 부하율은 전력설비 운영의 효율성을 나타내며 Equation 4와 같이 특정기간동안의 평균전력을 최대전력으로 나눈 값으로 표현된다. Figure 2를 예로 들면, 먼저 h3기간 동안의 A, B로 구분된 2개의 전력수요는 총량, 즉 면적은 동일하다. 발전기 용량이 P라고 한다면 A는 24시간동안 1대만 발전기만 가동해도 수요량을 감당할 수 있다. 그러나 B의 경우 h1-h2구간은 발전기를 2대 가동해야만 이 시간대의 수요량을 감당할 수 있으며 발전기 기동시간을 고려한다면 h1-h2 구간은 더욱 넓어진다. 결과적으로 B는 h1-h3에서 A에 비해 2배의 연료를 소모하며 CO2 배출량은 연료소모량에 비례하여 증가한다.

$$LF=\frac{{\displaystyle\frac1T}\int_0^TP(t)dt}{P_{Max}}$$ (4)

여기서, P(t): 일간 전력량

PMAX: 일간 최대전력량

http://static.apub.kr/journalsite/sites/kst/2018-036-06/N0210360601/images/kst_36_06_01_F2.jpg
Figure 2.

Load factor conceptual diagram

부하율을 이용하여 ’17년 전력수급계획 상 전기자동차 충전가능 수요의 범위를 정하고 범위 내에서 전기자동차의 내연기관차의 대체율을 단계별로 적용하여 전기자동차 보급수준에 따른 CO2 감소효과를 분석한다. 발전소 가동시간은 전기자동차 충전수요 뿐만이 아니라 계절, 요일, 시간대에 따라 변화되는 전력수요를 고려하였으며, 수력, 화력발전 등과의 협조를 통해 가동 및 정지 시간을 제어하는 것으로 가정한다. 아울러, 석탄화력발전소 용량은 1,000MW, 기동시간은 2시간으로 가정하였다.

3. 사례연구

1) 분석기준 설정

전기자동차 충전수요에 따른 일간 수요곡선 및 부하율 변동을 분석하기 위해 전력거래소의 전력수급계획 데이터를 활용하여 Figure 3의 연평균 일간 전력수요곡선을 도출하였다. 시간별 전력량은 ’17년 1-12월 동안의 평일, 주말을 포함한 전력수요의 평균값을 적용하였다.

http://static.apub.kr/journalsite/sites/kst/2018-036-06/N0210360601/images/kst_36_06_01_F3.jpg
Figure 3.

Annual average of daily power demand curve

사례연구를 위한 시나리오는 전기자동차 대체율 및 충전시간에 따라 Table 7과 같이 구분한다. 대체율은 “제3차 환경친화적자동차 개발 및 보급 기본계획”에 따른 0.23%와 ’17년도 일간 최대전력수요와 공급량을 고려하여 전기자동차에 가장 효율적으로 전력공급이 가능한 10% 수준까지 단계적으로 구분하여 설정하였다. 충전장소 및 시간은 통상적인 직장인의 일과시간을 고려하였으며, 충전은 심야충전을 우선으로 한다. 전기자동차는 Table 2의 아이오닉 일렉트릭 차량의 사양을 적용한다.

Table 7. Case study

Case Substitution rate (%) Charging time
Case 1 0.23 (Work) 09:00-18:00
Case 2 5
Case 3 10
Case 4 0.23 (Residence) 21:00-07:00
Case 5 5
Case 6 10

2) 분석결과

Case 1-3은 Figure 4와 같이 직장에서의 충전시간동안 대체로 평활한 전력수요를 유지하였지만 대체율이 높아질수록 최대전력수요가 증가하여 부하율은 점차 감소하는 경향을 나타내었다.

http://static.apub.kr/journalsite/sites/kst/2018-036-06/N0210360601/images/kst_36_06_01_F4.jpg
Figure 4.

Daily power demand curve (Case 1-3)

Case 4-6은 Figure 5와 같이 충전시간동안 평활한 형태로 전력수요가 형성되었으며 최대전력수요를 초과하지 않았기 때문에 대체율이 높아질수록 부하율도 증가하는 경향을 보였다.

http://static.apub.kr/journalsite/sites/kst/2018-036-06/N0210360601/images/kst_36_06_01_F5.jpg
Figure 5.

Daily power demand curve (Case 4-6)

Case 별 부하율 산출 결과는Table 8과 같다.

Table 8. Results of load factor

Case Load factor
Case 1 0.9246
Case 2 0.9126
Case 3 0.8887
Case 4 0.9246
Case 5 0.9417
Case 6 0.9597

부하율 산출 결과에서 동일한 충전수요에서도 충전패턴에 따라 부하율의 편차를 보이며, 대체율 변화에 따른 부하율 증감에 대한 경향도 다르다. 직장에서 충전하는 경우 대체율이 높아질수록 부하율은 감소되었으며 주거지 충전의 경우 반대의 경향을 보였다. 따라서 직장에서의 충전보다 주거지에서의 충전이 전력수급 관점에서 더욱 효율적으로 나타났다. 충전수요 증가에 따른 부하율 증가에도 한계가 존재하며 이는 충전수요가 일간 평균발전량을 초과할 때 발생한다. ’17년도 전력수급계획을 고려할 경우의 전기자동차의 보급량은 Figure 6과 같이 전기내연기관차의 10%를 대체하는 수준이 가장 적절하다.

http://static.apub.kr/journalsite/sites/kst/2018-036-06/N0210360601/images/kst_36_06_01_F6.jpg
Figure 6.

Load factor by substitution rate

최종적인 Case별 CO2 배출량은 Table 9와 같다. 직장에서의 충전을 가정한 Case 1-3 경우 전기자동차 충전으로 일간 필요전력량이 기존 전력수요곡선의 최대값을 모두 초과한다. 따라서 전기자동차 수요만큼 추가적인 발전기 가동 및 전기공급이 필요하여 효율적인 전력수요의 관리가 어렵다. 반면, 주거지 충전을 가정한 Case 4-6은 Valley Filling 방식을 적용하지 않았을 경우 직장에서의 충전 시 배출되는 CO2량 보다는 낮았으나 기존 내연기관차와 유사한 수준을 보였다. 반면, Valley Filling 방식을 적용할 경우 기존과 비교하여 약 120g/km 이상이 감소된 25% 수준의 배출량을 보인다. 본 결과를 통해 전기자동차의 CO2 배출량은 배터리 충전을 위한 발전소의 배출량을 포함하여도, 효율적인 전력수요관리 방식의 도입에 따라 친환경적인 운행이 가능하다는 것을 확인할 수 있다.

Table 9. Power requirement and CO2 emission

Case Demand (MW) Generation (MW) CO2 emission (g/km)
Without VF VF
Case 1 1,251 - 135.5 -
Case 2 27,200 27,200 195.5 -
Case 3 54,400 54,400 195.5 -
Case 4 1,251 - 135.5 -
Case 5 27,200 19,000 168.3 39.5
Case 6 54,400 45,000 177.6 46.7

결론

전력수급은 국가적 사업으로써 전기를 사용하는 모든 산업에서 필수적으로 고려해야 한다. 따라서 본 논문은 전력수급운영 관점에서 접근하여 전력피크 저감 및 경부하 시간대 충전을 위한 Valley Filling 방식을 적용, 선행연구 대비 CO2 배출량 분석의 실용성과 정확성을 높였다. 분석결과 전기자동차의 CO2 배출량은 기존 연구에서 산출한 CO2 배출량보다 최대 25% 수준까지 감소되었으며 내연기관차의 CO2 배출량과 비교할 경우에도 31% 수준까지 감소된 결과를 보였다. 연구결과로부터 전기자동차 충전에 따른 CO2 배출량은 전력수요관리 이행으로 감축되는 것을 확인 하였으며, 국내 전력산업에서도 “제8차 전력수급기본계획”에서 제시하고 있는 ICT 기반 수요관리 서비스의 확산정책으로 향후 CO2 배출량은 지속적으로 감축될 것으로 사료된다. 아울러 본 연구를 통해 기존 전기자동차 친환경성 문제를 제기한 연구에 반론을 제기함과 동시에 전기자동차의 친환경성 입증을 위한 근거를 마련할 수 있었다.

References

1
Adriana Chis, Jarmo Lunden, Visa Koivunen (2015), Optimization of Plug-in Electric Vehicle Charging with Forecasted Price, IEEE International Conference on Acoustics, 2086-2089.
10.1109/ICASSP.2015.7178338
2
Canals Casals Lluc, Martinez-Laserna Egoitz, Amante García Beatriz, Nieto Nerea (2016), Sustainability analysis of the electric vehicle use in Europe for CO2 emissions reduction, Journal of Cleaner Production, 127, 425-437.
10.1016/j.jclepro.2016.03.120
3
Edwin Collado, Easton Li Xu, Hang Li, Shuguang Cui (2017), Profit Maximization with Customer Satisfaction Control for Electric Vehicle Charging in Smart Grids, AIMS Energy, 5(3), 529-556.
10.3934/energy.2017.3.529
4
Europe (2016), E-Mobility, https://www.electricmobilityeurope.eu/
5
IPCC (2006), IPCC Fuidelines, 2.
6
Kim S. Y., Lee S. L., Lee J. W. (2017), Analyzing the Effect of Electric Vehicle Supply on Greenhouse Gas Emissions in 2030, Journal of environmental policy and administration, 25(4), 39-61.
7
Lee K. J., Ki Y. H., Ro S., Ahn H. S. (2013), Electric Vehicle Charging Control System using a Smartphone Application Based on WiFi Communication, Transactions of the Korean Institute of Electrical Engineers. 62, 1138-1143.
10.5370/KIEE.2013.62.8.1138
8
Manjunath Archana, Gross George (2017), Towards a Meaningful Metric for the Quantification of GHG Emissions of Electric Vehicles (EVs), 102, 423-429.
9
McLaren Joyce, Miller John, O'Shaughnessy Eric, Wood Eric, Shapiro Evan (2016), CO2 emissions associated with electric vehicle, The electricity journal, 29, 72-88.
10.1016/j.tej.2016.06.005
10
Millo Federico, Rolando Luciano, Fuso Rocco, Mallamo Fabio (2014), Real CO2 Emissions Benefits and End User's Operating Costs of a Plug-in Hybrid Electric Vehicle, Applied Energy, 114, 563-571.
10.1016/j.apenergy.2013.09.014
11
Motie (2015), The 3th Basic Plan for Eco-friendly Vehicle Development and Supply, www.motie.go.kr
12
Motie (2017), The 8th Basic Plan for Long-term Electricity Supply and Demand, www.motie.go.kr
13
Qiao Qinyu, Zhao Fuquan, Liu Zongwei, Jiang Shuhua, Hao Han (2017), Comparative Study on Life Cycle CO2 Emissions from the Production of Electric and Conventional Vehicles in China, 105, 3584-3595.
14
Ruoyang Li, Qiuwei Wu, Shmuel S. Oren (2014), Distribution Locational Marginal Pricing for Optimal Electric Vehicle Charging Management, IEEE Transactions on Power Systems, 29(1), 203-211.
10.1109/TPWRS.2013.2278952
15
Ruo-Yu Ke, Bao-Jun Tang, Rong Han, Ye Ma (2017), The Analysis of the Battery Electric Vehicle's Potentiality of Environmental Effect: A case study of Beijing from 2016 to 2020, Journal of Cleaner Production, 145, 395-406.
10.1016/j.jclepro.2016.12.131
16
Teixeira Ana Carolina Rodrigues, Sodré José Ricardo (2018), Impacts of Replacement of Engine Powered Vehicles by Electric Vehicles on Energy Consumption and CO2 Emissions, Transportation Research Part D, 59, 375-384.
10.1016/j.trd.2018.01.004
17
Tim Brown, Faryar Jabbari, Scott Samuelsen, Li Zhang (2014), Coordinating Plug-in Electric Vehicle Charging with Electric Grid, Journal of power sources, 267, 584-597.
10.1016/j.jpowsour.2014.04.078
18
Weldon Peter, Morrissey Patrick, O'Mahony Margaret (2016), Environmental Impacts of Varying Electric Vehicle User Behaviours and Comparisons to Internal Combustion Engine Vehicle Usage, Journal of power sources, 319, 27-38.
10.1016/j.jpowsour.2016.04.051
19
Woo J. R., Choi H. H., Ahn J. H. (2017), Well-to-wheel Analysis of Greenhouse Gas Emissions for Electric Vehicles Based on Electricity Generation Mix, Transportation Research Part D, 51, 340-350.
10.1016/j.trd.2017.01.005
페이지 상단으로 이동하기