서론

2010년대 초반부터 시작된 친환경 전기자동차 보급은 이후 꾸준히 증가하여 2021년 5월 전기자동차 등록 대수는 15만대를 넘어섰다(MOLIT_a). 친환경차 보급 확산을 통한 온실가스 저감 목표 달성을 위한 2030년 300만대 보급 목표는, 국가 온실가스 감축 목표(Nationally Determined Contribution) 상향 정책으로 인해 420만대로 상향 조정되었다. 그동안 전기자동차 충전 인프라 구축을 위해 정부는 충전사업자에게 보조금을 지급하는 등 양적으로 충전 인프라 확대에 기여하였다. 그러나, 2023년도 2월 이후 전기자동차 상승세는 상당히 둔화하였으며, 구매를 꺼리는 이유로 충전하기 어려울 것 같다 등 충전소 부족을 이유로 지목하고 있다(Kyunghyang, Hankyung). 2019년도에 발표된 한 설문조사 결과(Survey)에서도 전기자동차 구매를 주저하는 가장 중요한 이유로 ‘최대 배터리 용량’으로 응답한 경우가 45%로 1순위였다고 보도하였다. 이른바 ‘주행거리불안(Range Anxiety)’ (Igualada et al., 2014) 심리가 내재하여 있음을 시사하는 결과로 생각할 수 있다. 동 설문조사에서 전기자동차 구매를 주저하는 이유로 82.4%가 충전 인프라 부족이라는 답변을 선택했다고 하였다. 전기자동차 확대보급을 위해 충전 수요를 만족시킬 수 있는 인프라의 구축이 중요함을 알 수 있다. 충전 인프라의 적기 확충 및 접근 용이성을 확보하여 충전 불편을 해소하기 위해 전기자동차 사용자들의 행태를 이해하는 것 선행되어야 한다.

전기자동차는 배기가스가 없다는 측면에서 미세먼지 저감 등의 환경적인 이점뿐만 아니라 차량의 배터리를 활용한 전력 수급의 균형에도 이바지할 수 있다. 에너지-모빌리티(e-mobility)와 전력 부문의 융합 연구에 위치한 이 기술은 ‘스마트충전(smart charging)’ 기술로 알려져 있다. 전력 수요 최대가 발생하는 시간대에 대해 전기자동차 충전 수요를 다른 시간대로 분산시킴으로써 최대 전력 부하를 낮추고 부하 평준화할 수 있다. 기존의 충전 방식이 전력망에서 전기자동차 배터리로 일방향 전력 공급방식이었다면, 스마트충전의 한 방식인 V2G(vehicle to grid) 기술(Jones et al., 2021)은 전기자동차 배터리의 전력을 방전하여 전력망으로 공급할 수 있다. 이러한 V2G 기술을 이용하면 다른 위치에 있는 다수의 전기자동차 배터리를 집합적으로 제어하여 에너지 저장 장치(Energy Storage System: ESS)처럼 전력의 실시간 수급을 조절할 수 있다. 전기자동차 배터리를 유연성 자원(flexible resource)으로 활용하는 것이다. 이를 현실화하기 위해서는 V2G 가능한 자원량을 예측하고 공급 과잉 또는 수요 부족에 따라 적절하게 수요반응(Dmand Response, DR), 즉 충전 혹은 방전을 요청해야 한다. 이때 사용자가 어느 시점에서 운행하여 어떤 상태에서 충전을 결정하는지가 충방전 자원을 예측하는 데 중요하게 작용한다.

충전 인프라를 확보하거나, V2G 기술을 적용하기 위해서 이렇듯 전기자동차 사용자의 운행 및 충전 행태를 아는 것이 중요하다. 즉, 전기자동차를 얼마나 주행하고, 배터리 충전 상태(State of Charge, SoC)가 어느 수준일 때 충전하는지, 충전 장소는 어디인지, 충전량은 어느 정도인지를 분석하여야 충전 수요 및 방전 자원을 예측할 수 있다. 본 논문에서는 전기자동차를 소유하고 이용하는 고객을 대상으로 한 설문조사 결과를 이용하여 전기자동차의 이용 및 충전 행태를 통계적으로 분석하였다. 전기자동차를 구매하고 이용하고 있는 경우에도 여전히 ‘주행거리불안’ 요소가 내재하여 있는지에 대해서도 설문 문항을 통해 이해하고자 하였다. 또한 실시간으로 취득한 전기자동차의 운행 자료를 분석하여 설문조사 결과를 보완하였다. 이를 바탕으로 전기자동차 충전 인프라 구축 및 충전 수요 예측 등에 필요한 다양한 변숫값과 시사점을 도출하였다.

선행연구고찰 및 본 연구의 차별성

전기차의 주행과 충전패턴에 대한 이해는 장래 전기차 보급의 확대뿐만 아니라 전력 계통에서의 유연 자원으로의 효율적인 활용을 위해서도 반드시 필요하다. 이러한 이유로 그동안 국내외에서 전기자동차 사용자의 주행과 충전에 행태에 관한 연구가 많이 진행되었다. 충전 행위에 관한 연구로는 선택에 관한 로짓 모델을 이용하여 충전을 결정하는 데 영향을 주는 변수의 경향성을 분석하기도 하였다. 전기자동차 충전 인프라 입지에 관한 연구 분야에서는 충전소의 실제 충전량 분석을 통해 그 지역의 향후 인프라 보급의 방향성을 제시하거나, 비용 함수 최소화를 이용하여 충전 발생 수요를 예측하는 연구가 있다. 전력 계통에서 유연 자원으로 활용하기 위한 V2G 잠재량을 추정하는 연구들이 있다. 연구 문헌들은 전기자동차의 운행자료와 충전에 관한 자료를 이용하였으며, 문헌에 따라 전기자동차의 배터리 충전 상태 값, 또는 충전 전의 최대 주행가능거리 등은 가정을 통해 계산하는 경우들도 종종 있었다. 모형을 이용한 분석은 변수들과의 경향성을 보여주기는 하나 변수 자체 특성을 설명하지 않은 경우가 있어 분석 집단의 전기자동차 사용 상황을 이해하는데는 다소 어려움이 있었다. 본 연구의 목적은 전기자동차 사용자의 주행과 충전 행태에 통계 결과를 보여줌으로써 국내 전기자동차 사용 현황에 대한 이해를 높이고자 하였다. 또한 충전 인프라 구축이나 V2G 잠재량 도출에 있어서 종래의 논문들이 사용한 가정 대신, 실제 전기자동차 사용자의 설문조사와 실시간 운행 및 충전 자료로부터 도출한 현 상황이 반영된 지표를 제시하고자 하는 바이다.

1. 선행 연구

Tal(2014)는 플러그인 전기자동차(PEV) 소유자를 대상으로 한 설문조사 결과를 이용하여, 주행과 충전 행태와 휘발유 대비 전기자동차 주행거리(the ratio of gasoline to electric vehicle miles traveled per day, eVMT)를 분석하였다. 당시의 주된 전기자동차 니산 리프와 쉐보레 볼트와 도요타 프리우스 세 종류 모델에 대해 일일 주행거리는 프리우스 모델이 가장 길었으나 eVMT는 가장 작았다. 배터리를 100% 충전하고 완전히 방전할 때까지 주행한다는 가정하에 eVMT를 계산한 것으로 니산 리프의 eVMT를 100%로 하여 계산 식을 조정한 것으로 보고하였다. 프리우스의 eVMT가 볼트 차량에 비해 월등히 작은 주된 이유를 (1)낮은 배터리 용량과 (2)주거지와 직장에서 프리우스 모델에 사용할 수 있는 레벨 2 충전기의 보급이 낮았기 때문으로 설명하였다. 전기자동차 보급 초기에 충분하지 않은 충전 인프라에 의해 사용자들이 충전 행태 및 전기자동차 사용 빈도에 영향을 받았음을 보여준다.

Sun(2015)은 ‘전기자동차 체험(BEV usage trial)’ 프로젝트에서 취득한 자료를 이용하여 하루의 마지막 운행 후 정상 충전(normal charging, 저자는 논문에서 fast charging이 아닌 충전을 의미하는 용어로 사용하고 있음) 시간 선택을 결정하는 것을 혼합로짓모형(mixed logit model)으로 분석하였다. 전기자동차 사용 목적을 상용, 개인용으로 나누었으며, 대안(alternatives)은 ‘도착 직후 충전’, ‘심야 충전’, ‘다른 시간에 충전’, ‘충전 안함’의 4 경우이었다. SoC, 다음 여행까지의 남은 일수, 다음 여행의 주행거리, 전력회사 근문 여부 등에 대한 충전시간 선택의 경향성을 도출하였다. 차량 한 대에 대해 한 명 이상의 체험자가 운행한 것을 패널 하나로 간주하여 분석한 결과라는 한계도 있다.

Park(2017)는 제주도 사례를 바탕으로 충전소 이용 행태를 분석하여 기존 충전소의 효율적인 운영 방안과 추가적인 충전시설 설치를 위해 고려해야 할 요소를 제시하였다. 충전소 충전량을 시간대별로 분석하였으며, 급속/완속 충전기 및 충전소 위치에 대한 이용 횟수의 차이를 다수 사람의 접근성 관점으로 해석하였다. 본 논문의 설문조사의 충전소 위치와 충전 횟수에 관한 결과도 접근성 관점에서 충전소 입지 선정을 위한 유의미한 방향성을 제시할 수 있었다.

Pan(2020)은 전기자동차 운전자들이 기존의 일상적인 운행 일정을 변경하지 않도록 하는 공용 충전소 입지 선정을 위해 시뮬레이션을 수행하였다. 운행정보는 전기자동차 운행에 대한 설문조사 결과를 이용하였고, 충전 행위를 유발하는 SoC를 특정 값으로 가정하였다. 저자들은 이 SoC 값이 결과에 큰 영향을 미치는 인자임을 명시하였으나, 특정 값을 제시한 이유를 설명하지는 않았다. 전비를 가정하고 전기자동차 주행거리에 의한 배터리 전력량 소모를 계산하여 충전 수요가 발생하는 시점을 유추하였다. 또한 가정용 개인 충전기(Home Charger)를 소유하는 비율에 따라 공용 충전소 이용 비율을 달리하는 시나리오에 대해 공용 충전소 입지를 분석하였다. 충전 수요량과 장소를 예측하는 데 있어서 충전시점의 SoC 정보와 충전 직전의 주행 거리, 선호 충전소 위치와 충전 방식이 중요한 요소임을 알 수 있다.

Zhang(2020)에서는 전기자동차 사용자 운행자료와 인구통계학적 자료를 결합하여 사용자 그룹에 따른 주행 시간대의 확률 분포를 모형화하고 이에 따른 운행 행태를 시뮬레이션하였다. 충전 행위는 다음 주행을 위한 배터리의 최소 충전 상태에 도달했을 때를 기준으로 하였는데, 최소 SoC를 특정 값으로 가정하고 있다. 차량의 운행 시작 시각, 운행 목적별 주행거리 통계로부터 충전이 필요한 시간대를 계산하였다. 충전 종료 SoC를 100%로 가정하여 충전량을 계산하고 사용자 그룹별로 시간대에 따른 충전에너지 프로파일을 제시하였다.

Wang(2021)은 차량 속성, 목적지 활동, 충전 이후의 여행 정보를 설명 변수로 이진로짓모형(binary logit model)을 이용하여 충전소 선택에 영향을 주는 요인을 분석하였다. 설명 변수에 대한 자료는 선호 의식(stated pereference, SP) 설문조사 결과를 이용하여 SoC, 남은 여정의 거리, 충전대기 시간, 충전요금, 충전소 만족도 정보를 취득하였다. 잠재 계층 모형(latent class model)을 이용하여 충전소 만족도 정보가 충전소 선택에 중요한 영향을 주는 집단과 아닌 집단을 구별하고, 각 집단의 사회인구학적 특성에 따른 설명 변수와 충전소 선택 여부의 관계를 규명하였다.

Cui(2022)는 전기자동차 실제 운행자료를 이용하여 통계 분석을 수행하고 다양한 항목에 관하여 사용 행태의 특성을 기술하였다. 충전 시간, 충전 초기 SoC, 주차와 충전 시간을 통합한 충전 가능성 등 11개 항목으로 특성을 분석하였다. 본 연구에서처럼 전기자동차 사용자들의 사용 현황을 통계적으로 제시함으로써 향후 충전 모델링 및 인프라 구축 등에 기초가 되는 자료를 제공하고자 하였다. 다음에 오는 ‘본 논문의 차별성’ 문단에서 Cui(2022) 논문과 비교하여 본 논문의 차이점을 표로 제시하였다.

Anderson(2023)은 2020년 독일 전역에 걸처 전기차 이용자를 대상으로 약 4000 표본으로 전기차 일반조사와 장래 충전 인프라 시나리오 변화를 가정한 선호의식조사를 수행하였다. 이 조사는 2015년 전기차가 초기시장 형성 시 조사한 이후 2020년 초기시장이 완성된 이후 조사된 것이다. 이번 조사 결과, 2015의 조사 결과와 유사하게 집 충전이 매우 높고, 공공 충전이 부족한 것으로 나타났다. 인구 천 명당 공공 충전기가 0.53으로 네덜란드, 노르웨이에 비해 매우 낮은 수준이며, 고속도로에서의 충전도 영국이나 노르웨이에 비해 턱없이 저조한 것에 기인한다고 저자들은 판단한다. 조사 결과에서 시간이 많이 소요되어도 집에서 장기간 충전에 대해 선호도 높은 경향은 장래 V2G와 관련된 프로젝트에는 희망적인 반면, BEV를 많이 이용하는 사용자는 충전요금 인상에는 보수적인 의견이 나타나고 있어 V2G 사업에 장애요인으로 유추할 수 있다.

Yanagawa(2023)은 공영 충전기에 의한 전력 유연 자원량을 예측하는 데 초점을 두고 있다. 충전 수요를 결정하는 모형은 서로 상충관계(tradeoff)에 있는 사용자의 편의성과 경제적 보상을 고려하여 최적화하였다. 저자는 사용자들의 심리적 요인, 즉 ‘주행거리불안’을 고려하기 위해 충전 발생 전 최대 운행할 수 있는 배터리 최소 한계를 SoC 20-70% 범위로 가정하였다. 사용자 개개인들의 최대 주행거리는 최소 SoC에 도달할 때까지이며, 최소 SoC는 평균을 45%로 하는 정규분포로 가정하여 규칙 없이(randomly) 사용자에게 배정하였다. 다양한 일상 활동의 운행 시점과 주행거리, 충전요금으로부터 시간대별 충전 수요를 예측하고 태양광 발전량(Photovoltaics)과 비교하여 충전 또는 방전할 수 있는 유연 전력량을 추정하였다. 유연 자원량 추정 연구에서 경제적 보상으로 인한 행위 유발 요인 수치화하면 보다 정확한 잠재량을 도출할 수 있을 것이다.

2. 본 연구의 차별성

충전 인프라에 관련된 선행 연구들은 주로 다양한 모형을 이용하여 충전 시간 및 충전소 선택 등에 있어서 SoC, 충전 직전 주행거리, 남은 여정, 충전소 위치 등 변수들이 어떠한 영향을 주는지를 설명하고 있다. 충전 수요를 예측하는 연구에서는 SoC, 여행 거리 등의 변수를 가정하여 모형에 적용하는 경우가 많았다. 모형을 이용한 연구 결과가 현실에 잘 부합하기 위해서는 먼저 전기자동차 사용자의 행태에 관한 충분한 관찰을 바탕으로 한 기초자료가 필요하다. 본 논문은 국내 전국 규모의 전기자동차 사용 행태에 관한 설문조사 결과와 운행자료를 기술적 통계 방법으로 분석한 운행 및 충전 특성에 관한 기초자료를 제공하고자 하였다. 전기자동차 용도별 주행거리, 전기자동차 배터리 용량별 사용 특성, 충전 시점의 SoC 분포 도출 및 충전 종료(목표 충전량)과의 관계성, 충전 1회당 주행거리 등을 분석하였는데, 이전 선행 연구와 차별되는 항목들이다. 특히, 충전–주행의 시간 연속적인 사건들을 관찰함으로 얻은 ‘초단거리 주행 직후 충전’의 행태를 관찰한 것은 이전 연구에서는 찾아보기 어렵다. Table 1은 선행 연구 문헌 중 본 연구의 의도와 통계적 분석 방법이 유사한 Cui(2022)와 분석 항목을 비교한 표이다. 본 논문의 분석 항목들은 향후 충전 인프라 구축 및 충전 행위, 충전 수요 예측 모형을 개발하는데 새로운 통찰력을 줄 수 있을 것으로 기대한다. 설문조사 결과와 실시간 전기자동차 운행자료에서 도출한 결과를 비교 분석함으로써 설문조사 자료가 지닌 근본적인 한계를 극복한 점도 본 논문의 차별성이라 하겠다.

기초자료와 연구 방법

본 논문은 전기자동차 이용고객 1,500여 명을 대상으로 한 설문조사 결과와 전기자동차 실시간 운행 자료를 바탕으로 기술적 연구(Descriptive Analysis)를 진행하였다. 전기자동차 운행 자료는 설문에 참여한 고객들과 무관하며, 전기자동차 사용자를 대상으로 패널을 모집하여 취득한 것이다. 설문조사 시기와 전기자동차 실시간 운행 자료의 취득시기가 약 2년 정도 차이가 있으나, 두 결과를 비교하거나 보완하여 전기자동차 충전 인프라 구축 및 충전 수요 예측 등에 필요한 다양한 변숫값의 특성과 시사점을 도출하고자 하였다. 분석 방법은 최근에 수집된 실주행자료에 기반한 특징을 분석하므로 기술통계를 활용하였다.

1. 기초자료 1: 설문조사

설문 기간은 2021.9.30.-10.13 2주 동안이었으며, 구조화된 온라인 설문지를 활용하여 모바일, PC 등에서 조사에 응답하는 방법으로 진행되었다. 전기자동차 소유자를 대상으로, 국토교통부(Ministry of Land, Infrastructure and Transport)에 등록된 전기자동차 대수(2021년 7월 기준, MOLIT_a)를 7개 권역에 대한 비례 할당으로 배분하여 설문 참여자를 모집하였다. 실제 모집된 비율은 Figure 1에 나타내었는데, 수도권(서울, 인천, 경기) 40.3%, 중부권(세종, 대전, 충청남북, 강원지역) 15.2%, 영남권(대구, 부산, 경상남북) 24.7%, 호남권(광주, 전라남북) 9.4%, 제주권 10.3%이었다. 설문조사 참여 대상은 ‘2017년 1월 이후 전기자동차-승용 또는 소형 화물-를 소유한 성인’으로 관리하였다. 설문 참여 조건을 만족하는 모집단의 크기는 2021년 7월 기준 159,000여 명으로 1,500명 이상의 표본에 대해 조사 결과는 95%의 신뢰수준과 ±2.52%의 오차를 갖는다.

Figure 1.

Regional distribution of respondents

Table 2은 설문조사 중 본 논문에서 분석한 항목을 정리한 것이다. 응답자의 특성에 관해서는 나이, 성별, 주거지역, 전기자동차 운행 경력을 조사하였다. 전기자동차의 운행 특성을 분석하기 위해서 주행거리, 이용 목적, 월평균 운행 시간, 장거리 운행 여부 및 횟수 조사하였다. 충전 행태 분석을 위해서 충전 시작과 종료일 때의 SoC, 선호 충전소 위치, 충전 방식, 월평균 충전 횟수를 조사하였다.

2. 기초자료 2: 전기자동차 운행자료 수집 및 전처리

설문 결과가 실제로 전기자동차의 운행과 충전 행태를 잘 반영하는지 확인하고 보완하고자 전기자동차의 실제 운행기록을 분석하였다. 2022년 9월부터 전국의 전기자동차 소유자 대상으로 패널을 모집하고, 패널 차량에 온보드 진단기(on board diagnostics, OBD) 단말을 설치하여 운행기록을 취득하는 중이다. OBD는배터리 관리시스템(battery management system: BMS)과 차량에서 시동 on-off 상태, 차량 위치정보, 누적 주행거리, SoC, 누적 충전량 등의 정보를 취득하여 이동통신망으로 서버에 송신한다. 2023년 4월까지 모집된 약 500여 대의 패널 차량에서 5월 한 달 동안의 주행 정보와 약 9,000여 횟수의 충전 이력을 수집하였다. 설문조사 결과와 실시간 전기자동차 운행 자료를 비교할 때, 모집된 500여 대의 차량이 모집단을 대표하기에는 사례가 적고, 시기적으로 20개월 차이가 있다는 점을 미리 언급하고자 한다. 또한, 설문조사 문항에서는 응답자들은 주행거리, 충전 횟수 등의 월평균 값을 질의하는데, 실제 운행 자료는 2023년 5월 한 달 동안의 기록이라는 차이가 있다. 그러나, 두 결과가 보이는 경향성이 비슷하다면 시사점을 도출하는데 서로 보완이 될 것이다.

분석 결과

1. 설문조사 결과 분석

1) 응답자 특성

응답자들의 특성을 통계 분포로 살펴보면, 이들의 81.7%는 전기자동차를 승용차로 운행하고 있고, 88.6%는 본인이 전기자동차를 주로 관리하고 있다. 수도권 거주자가 40.3%이며, 연령대로는 30-40대가 75.1%를, 성별로는 남성이 82.3%를 차지하고, 주거 유형이 아파트인 경우가 76.8%이다. 다수를 차지하는 이러한 집단들의 의견이 전체 평균 의견으로 반영되고 있는 것을 확인하였다. Table 3에 응답자 특성을 요약하였다.

응답자들의 전기자동차 운전경력 조사 결과, 2021년도에 전기자동차 운전을 시작한 비율이 43.8%로 같은 기간의 전기자동차 등록 대수 비율 35.1%(MOLIT_b) 보다 약 8.7% 높았다(Table 4). 설문에 참여한 응답자는 모집단에 비해 전기자동차 운전경력이 짧은 집단이 더 많다는 특징이 있다. 또한 2021년에 전기자동차 구매한 응답자(A) 비율은 48.9%이었는데, 전기자동차 운전경력이 2021년도에 시작된 응답자 비율 43.8%와 비교하면 A 중 일부는 전기자동차 경력이 9개월 이상이면서 두 번째 전기자동차를 구매한 것으로 추정된다. 모집단에서도 전기자동차 운전경력자가 두 번째 전기자동차 구매하여 당해 등록한 경우를 고려하면, 전기자동차 운전경력에 관해서 모집단과의 차이는 좀 더 클 것으로 추정한다. 그러나, 논문의 설문조사 결과에서는 운전경력 1년 미만과 이상으로 소집단을 구분하여 비교하였을 때 10% 이상으로 차이가 나는 경우가 없었다.

권역별로는 제주권과 타 지역권이 몇몇 부문에서 응답자 특성 분포에 차이가 있었다. 전기자동차 구매 시기를 비교하였을 때 2021년도 구매자 분포가 제주권이 16.4%, 타 권역 평균이 52.6%로 제주권의 경우 전기자동차 운전경력이 많은 응답자가 상대적으로 많았다. 여성의 비율도 제주권 39.0%, 타 권역 15.2%로 차이를 보였다. 따라서, 권역별로 설문 결과를 비교할 때 호남권(광주, 전북, 전남)과 제주권을 분리하여 통계 분석을 수행하였다.

Figure 2은 (1) 월평균 주행거리, (2) 전기자동차 배터리를 완충할 때 최대 주행가능거리, (3) 월평균 충전요금, (4) 월평균 충전 횟수에 관한 조사 결과를 구간별로 나누어 나타낸 것이다. (1) 월평균 주행거리에 대해서 응답 구간을 ① 1,000km 미만 ② 1,000-2,000km 미만 ③ 2,000-3,000km 이상 ④ 3,000-5,000km 미만 ⑤ 5,000km 이상으로 나누고, 각 구간에 응답자들의 수와 비율을 막대그래프와 수치로 나타내었다. 마찬가지로 (2) 완충할 때 최대 주행가능거리에 대해서 ① 300km 미만 ② 300-400km 미만 ③ 400-500km 이상 ④ 500-600km 미만 ⑤ 600km 이상으로, (3) 월평균 충전요금에 대해서 ① 30,000원 미만 ② 30,000-50,000원 미만 ③ 50,000-70,000원 미만 ④ 70,000-100,000원 미만 ⑤ 100,000원 이상으로, (4) 월평균 충전 횟수에 대해서 ① 1-3회 ② 4-6회 ③ 7-10회 ④ 11-20회 ⑤ 21회 이상 등 5개의 구간으로 나누어 응답자들의 결과를 나타내었다.

Figure 2.

Distribution of average (1) monthly mileage, (2) full charge driving distance, (3) monthly charging fare, and (4) number of charging per month

본 논문에서는 (1)과 (2)의 조사 결과에 대한 ①-⑤ 각 구간의 응답자들을 설문조사 결과를 비교하기 위한 소집단으로 간주하고, 이에 대한 평균을 비교하였다. 월평균 주행거리, 충전요금, 충전 횟수는 특성이 서로 상관관계가 있어서 소집단에서의 경향성이 유사하였기에, 주로 월평균 주행거리 구간별 소집단에 대한 결과와 완충할 때 최대 주행가능거리 구간별 소집단에 대한 결과를 비교하였다. 전기자동차 운행과 충전에 관한 설문조사 결과에 대한 기본 통계는 Table 5에 나타내었다.

2) 전기자동차 운행 행태

전기자동차의 주 이용 목적(복수 응답)은 출퇴근 86.6%, 쇼핑 68.1%, 여행 60.1% 순서이었으며, 주중 주말을 구별하면, 주중은 주로 출퇴근, 쇼핑을 목적으로 운행하고, 주말은 여행, 쇼핑, 식사 목적으로 운행하는 것으로 조사되었다. 일반적으로 승용차를 운행하는 목적과 다르다고 하기 어려웠다. Table 5에 요약하였듯이, 하루 평균 운행 시간은 주중 약 121분(약 2시간), 주말은 158분(약 2시간 40분)이었다. 주말에 여행을 목적으로 월평균 2.8일을 운행하는 것으로 조사되었는데, 이는 한 달에 한 주를 제외하고 주말에는 여행하는 것으로 파악되었다. 여행 중 하루 평균 운행 시간은 220분(3시간 40분)으로 장거리 운행이 이루어지고 있으며, 여행 중(주거지나 직장 외의 장소에서) 한 번은 충전했을 것으로 추측되었다.

월평균 주행거리 평균은 1,886km이었다. 운행 목적에 따라 주행거리가 다를 수 있을 것으로 생각하여 차량의 종류가 트럭, 봉고 등의 경우를 사업용으로 구분하여 비교하였다. Figure 3는 비사업용과 사업용의 월평균 주행거리를 비교한 그래프이다. 비사업용의 경우, 구간 ② 1,000-2,000km 미만을 응답한 비율이 43.0%로 가장 높았고, 다음은 구간 ③ 2,000-3,000km 미만으로 29.2%이었다. 권역별로 부분 집계한 결과에서 대체로 ②,③ 순서로 비율이 높고, 호남권, 제주권은 구간 ①과 ③이 20% 중반대로 비슷하였으며, 월평균 주행거리가 전체 평균보다 짧았다. 사업용의 경우, 구간 ③의 비율이 52.1% 월등히 높았으며 5,000km 이상 주행하는 사례도 15.3%에 달한다.

Figure 3.

comparison of average monthly mileage of EV for business use and non-business use

자동차 주행거리 통계 자료(MOLIT_c)에 의하면 2021년 전체 자동차 대상 하루 평균 주행거리는 비사업용의 경우가 36.0km, 사업용의 경우는 85.5km로 30일을 곱하여 추정한 월평균 주행거리는 각각의 경우 1,080km과 2,565km이었다. 설문조사 결과와 비교하면 전기자동차의 월평균 주행거리가 비사업용의 경우 32%, 사업용은 20% 정도 더 길다는 것을 알 수 있다.

전기자동차 이용자들의 월평균 주행거리가 긴 것, 즉 이용 빈도가 높은 것과 무관하게 ‘주행거리불안’에 대한 이슈는 여전히 논의 대상으로 남아 있다. 본 설문에서는 ‘배터리를 완충할 때의 최대 주행가능거리보다 더 긴 거리를 운행한 경험이 있는가’라는 질문을 통해 전기자동차 이용자들의 ‘주행거리불안’에 대해 알아보고자 하였다. 전체 조사자 중 완충 시 주행가능거리 이상의 장거리 운행 경험이 ‘있음’, 또는 ‘없음’으로 응답한 비율은 각각 63.9%, 36.1%였다. 전기자동차 장거리 운행 경험 ‘없음’ 응답자 36.1% 중 23.8%는 필요시 내연기관 차량, 또는 대중교통을 이용하는 것으로 조사되었으며, 나머지는 전혀 장거리 운행을 하지 않는 경우에 해당하였다. 다시 말해 전기자동차를 소유하고 운행하는 고객 중에서 23.8%는 어떤 이유로 인해 전기자동차로 장거리 운행하지 않는 것이다.

장거리 운행의 불안 요소는 전기자동차를 구매할 때 배터리 용량, 즉 완충할 때 최대 주행가능거리를 고려하게 할 것임이 명확하다. 이에 본 논문은 Figure 3(2) 완충할 때 최대 주행가능거리 5개 구간 ① 300km 미만, ② 300-400km 미만, ③ 400-500km 미만, ④500-600km 미만, ⑤ 600km 이상에 분포되어 있는 응답자 소집단을 대상으로 장거리 운행 여부에 관한 조사 결과를 분석하였다. Figure 4에서 ‘Yes’ = 장거리 운행 경험 ‘있음’, ‘Other’ = ‘내연기관 차량’ 또는 ‘대중교통’으로 장거리 운행(여행), ‘Never’ = ‘장거리 운행을 하지 않음’에 대해 결과를 나타내었다. 사례 수가 23명인 ⑤ 600km 이상 구간의 소집단을 제외하면, 장거리 운행 경험 ‘없음’ 응답자(막대그래프의 주황색+회색)들은 5개의 소집단에서 비슷한 비율을 보였다. 이들 중 완충 최대 주행가능거리가 짧을수록 다른 교통수단을 이용한다는 비율이 높아지는 것(주황색)을 알 수 있는데, 배터리 용량이 적을수록 ‘주행거리불안’감이 더 큰 것으로 해석할 수 있다.

Figure 4.

Ratio of respondents for whether or not to take a longer trip than full charging driving distance

장거리운행 경험 ‘있음’(Yes) 응답자에 대해서는 연평균 장거리 운행 횟수를 추가로 조사하였는데, 약 1.3%(13명)는 100회/년 보다 더 많이 운행한다고 응답하였고, 700회/년 운행한다는 응답도 1건 있었다. 최근 1년 장거리 운행 횟수가 100회 이하인 응답자를 대상으로 한 평균은 12회/년로 월 1회 수준이었다.월평균 주행거리가 길수록 장거리 운행 횟수가 많은 것으로 조사되었으며, 마찬가지로 월평균 충전 횟수, 월평균 충전 비용이 많을수록 장거리 운행 횟수가 많은 결과가 나타났다. Figure 5은 장거리 운행 경험이 있는 응답자들을 완충 최대 주행가능거리 구간에 대한 응답자 소집단 ①-⑤으로 구분하여 연평균 장거리 운행 횟수 분포를 상자 수염 그래프로 나타낸 것이다. 각 소집단에서도 100회/년 이하의 경우에 대해 평균을 계산하였다. 소집단 ① 300km 미만에서 운행 횟수가 평균 14.6회/년으로 가장 많았는데, 이유는 화물차량의 비율이 높기 때문으로 확인되었다. 소집단 ②-⑤에 대해 평균 6.2-7.8회/년 운행하는 것으로 분석되었다. 장거리운행 경험 ’있음’ 응답자 집단은 배터리의 용량과 무관하게 장거리 운행을 한 것으로 이해할 수 있다.

Figure 5.

Number of longer distance trips per year than full charging driving distance

3) 전기자동차 충전 행태

전기자동차의 충전 행태를 분석하기 위해 조사한 문항 중 충전 횟수, 완충 최대 주행가능거리, 월평균 주행거리를 연관 지어 분석하였다. 먼저 충전 횟수 조사 결과를 살펴보면 월평균이 11회(Table 5)이었고, 비사업용과 사업용 집단으로 구분하면 각각 월평균 9.0회와 20.8회이었다. 응답자 개개인에 대해 월평균 주행거리를 월평균 충전 횟수로 나누어 1회 충전할 때 평균 주행거리를 계산하였을 때, 비사업용과 사업용의 경우 각각 1회 충전당 177.8km와 213.5km를 주행하는 것으로 분석되었다. BC 카드 사 신금융연구소에서 발표한 2023년도 통계(BCiF, 2023) 결과에서 내연기관 승용 차량의 주유 횟수를 월 3.3회로 발표하였다. 본 논문에서 시사하는 것도 바로 이점이다. 전기자동차 충전 횟수가 상대적으로 많고 1회 충전 후 주행거리가 짧다는 것이다. 이를 더 자세히 분석하고자 Figure 3(1) 월평균 주행거리 ①-⑤ 구간에 대한 응답자 소집단과 (2) 완충 최대 주행가능거리 ①-⑤ 구간에 대한 응답자 소집단에 대한 1회 충전당 주행거리를 Figure 6에 나타내었다. 앞서 언급한 것처럼, 응답자 개개인의 월평균 주행거리를 월평균 충전 횟수로 나눈 값의 평균들이다. 완충 최대 주행가능거리에 대한 ① 300km 미만, ② 300-400km 미만, ③ 400-500km 미만, ④500-600km 미만, ⑤ 600km 이상 소집단에서 ①의 경우 127.2km/충전이었고, ⑤의 경우는 최대값 270.8km/충전을 나타내었다. 완충 최대 주행가능거리가 길수록 1회 충전당 주행거리가 증가하는 것을 볼 수 있으나, 대체로 배터리 최대 용량의 약 50% 내외에서 주행하는 것으로 나타났다. 같은 그림에서 월평균 주행거리에 대한 소집단 ① 1,000km 미만, ② 1,000-2,000km 미만, ③ 2,000-3,000km 미만, ④ 3,000-5,000km 미만, ⑤ 5,000km 이상에서 ①의 평균 128.9km/충전을 제외하면 1회 충전당 약 200-250km를 주행하는 것으로 분석되었다.

Figure 6.

Average driving distance per one charging

충전 시점에서의 SoC 평균은 36.6%로 조사되었으며, 충전 시점의 배터리 상태를 잔여 주행 가능거리로 질문에 응답한 평균 거리는 154.4km이었다. Figure 7에서 알 수 있듯이 완충 최대 주행가능거리(배터리 용량) 구간 ①-⑤ 소집단 대상으로 보면 SoC는 34-40% 정도로 차이가 크지 않았으며, 완충 최대 주행가능거리가 짧은 작은 집단일수록 충전 시점의 SoC가 높게 나타나는 경향을 보였다(주황선 선그래프). 잔여 배터리 주행가능거리는 해당 소집단에 대해 88- 208km 범위로 분석되었는데, 완충 최대 주행가능거리가 긴 소집단에서 충전 시점의 잔여 주행거리가 길다는 특징을 보여주었다. 권역별로 평균을 비교하였을 때도 비슷한 결과가 도출되었으며, SoC 값으로 비교하면, 호남권이 40.7%, 타 권역은 36.5 ±3% 정도로 차이가 거의 없음을 알 수 있었다. 잔여 주행거리에 관한 결과로는 호남권이 172.4km, 제주권은 127.3km이었으며, 그 외 권역은 152km±2km이었다. 권역별 응답자 수가 모집단에 비해 현저히 작은 것을 감안하면 제주권을 제외한 권역에 대해서는 13% 수준의 차이는 결과가 다르다고 하기 어렵겠다. 제주권은 완충 최대 주행거리 평균이 367km 정도로 타 권역에 비해 50±5km 작았는데, 잔여 배터리 주행가능거리 값은 완충 최대 주행가능거리 소집단 ②의 특성과 유사한 결과로 이해할 수 있었다.

Figure 7.

State of charge when charging starts

충전할 때 목표 충전량은 완속의 경우 92.3%, 급속의 경우는 84.5%로 다소 차이가 있었다. 목표 충전량을 결정하는 주된 이유에 대해서 Table 6의 (1)-(5) 이유 중 한 개를 선택하는 방식으로 조사하였다. (1) 습관적으로 일정한 금액 또는 일정한 충전량을 정해놓고 한다, (2) 주차시간과 충전요금 등 비용을 고려하여 결정한다, (3) 대기차량 유무, 충전방해금지법 등을 고려하여 결정한다, (4) 충전 소요시간을 고려하여 결정한다, (5) 안전한 배터리 사용을 위해서 결정한다, (6) 다음 충전까지의 주행 예정 거리를 염두에 두고 결정한다, (7) 기타 중에서 조사 결과 1순위는 ‘다음 충전까지의 예정 주행거리’, 2순위는 ‘충전 소요 시간’이었다. 3순위는 비사업용과 사업용 소집단의 의견이 엇갈렸는데, 비사업용의 경우 ‘안전한 배터리 사용을 고려한다’이었고, 사업용의 경우는 ‘습관적으로 일정한 금액 또는 일정한 충전량을 정해놓고 한다’이었다. 다시 말하면, 전기자동차를 운행할 때 대략 배터리 용량이 40-90% 범위에서 주행하고, 잔여 배터리충전 상태가 40% 미만으로 낮아질 때쯤 충전할 것을 결정하는 것으로 요약할 수 있다. 이는 직전 충전 후 약 250km 내외로 주행하는 것으로 분석되며, SoC와 목적지까지의 주행거리를 비교 하며 충전 여부를 가늠하면서 운행하는 것으로 추측하게 한다. 내연기관 차량의 경우 최대 주유 후 때로는 연료 부족 표시 경고등이 켜질 때까지 운행하기도 하는 행태와는 확연한 차이가 있음을 알 수 있다.

이용이 가능한 충전소 위치에 대한 물음에 주거지 인근에 충전기가 있다고 응답한 경우가 71.6%로 가장 많았고, 두 번째는 34.3%가 직장으로 응답하였다. 이들 중 26%는 직장과 주거지에 두 곳에 충전기가 설치되어 있었다. 주로 이용하는 충전소의 위치도 거의 비슷하게 주거지, 직장이었으며 완속 충전을 위주로 하고, 주거지나 직장 인근이나 그 밖의 충전소에서는 급속 충전 응답이 우세하였다. Figure 8에 주 이용 충전소와 월평균 이용 횟수를 나타내었는데, 주거지나, 직장의 경우 월평균 약 9.3회 내외, 그 외 충전소는 월평균 약 4.7회 내외인 것을 알 수 있다. 주유보다 상대적으로 긴 완속 충전 시간은 전기자동차 사용자들의 충전소 선택에 제약을 두는 것으로 풀이된다. 주거지나 직장 또는 인근 외의 충전소 이용 빈도를 조사하기 위해, 당시 ‘코로나 상황이 아니라면’이라는 전제를 두고 “3개월 동안 방문했을 충전 장소 3순위까지” 응답하는 문항을 설계하였다. 가장 많은 응답이 나온 충전 장소는 ‘공공기관’으로 48.9%였으며, ‘마트/편의점’은 47.2%로 근소한 차이로 두 번째로 응답이 많았다.

Figure 8.

Number of charging per month with respect to the EVSE Station type and location

2. 실제 전기자동차 사용 자료 분석 및 결과

설문조사 중 월평균 주행거리, 충전 시점의 배터리 충전 상태와 목표 충전량, 충전 1회당 주행거리에 관한 문항들은 응답자의 기억에 의존하게 된다. 실제 전기자동차 이용자들이 문항에 관한 내용들을 미리 생각하고 준비하지 않았다면 응답 결과는 사실과 사뭇 다를 수 있다. 이 부분을 보완하기 위해 실시간 운행데이터를 분석하게 되었다. 패널 등록 시기가 상이하여 2023년 4월 말-6월 초 사이에 연속으로 운행기록이 있는 패널 중 사전 조사에 의해 전기자동차의 운행 목적이 응답 된 차량 중 주행거리계 값의 오류가 없는 차량 449대를 분석 대상으로 하였다. 이 패널들의 2023년 5월 한 달 동안의 충전 이벤트 자료 7,555건이었다. Table 7은 분석 대상 패널에 대한 특성 자료이고, Table 8은 충전 이벤트에 관한 기본 통계 자료이다. 패널은 대부분 남성으로 93%에 해당하며, 전기자동차 사용 목적으로 비사업용(개인 승용)과 사업용의 비율은 각각 52%와 48%로 비슷하였다. 총 1,000대를 계획으로 지역별 분포를 전기자동차 등록 대수로 배분하여 모집하였는데, 현재 분석 대상 패널 449대의 분포도 제주도를 제외하면 전기자동차 등록 대수 분포와 유사하다. 패널 충전 자료에 대해서 살펴보면, 패널 1명 당 충전 횟수 평균은 16.8회이었으며, 한달 동안 최대 150회 충전하는 경우도 관찰되었다.

운행 자료로부터 수집된 자료 중에서 필요한 항목을 선별, 전처리 후 Table 9와 같이 선별하여 최종 데이터 프레임(data frame)을 만들었다. 설문조사 문항이 응답자들의 월평균에 관한 것이기에, 실시간으로 취득한 자료에서도 5월 1일 -5월 31일 1개월간 주행거리를 차량의 주행거리계 값 차이로 계산하여 별도의 데이터 프레임 Table 9(1) 운행 행태를 정리하였다. 사용 목적을 비사업용(승용)과 사업용을 각각 0과 1로 구별하여 ‘ev_purpose’에 기록하였으며, 전기자동차의 모델명 ‘ev_name’, 배터리 용량 ‘battery_ capacity’, 월 주행거리 ‘driving _distance’ 자료를 정리하였다. Table 9(2)는 충전 행태를 정리한 데이터 프레임이다. 패널 차량은 식별 번호(I.D.)로 구분하고, 충전 시작 시각(charge start time), 충전 시점에서의 배터리 충전 상태 ‘start SoC’ , 충전 종료 시점에서의 배터리 충전 상태인 ‘end_SoC’를 포함하고 있다. 완속, 급속을 구별하여 분석하기 위해 충전 방식(charging_type) 열을 추가하였다.

Table 10은 취득한 운행, 충전 자료를 각각의 패널에서 평균을 구하고, 그 값에 대한 기초 통계 결과를 요약한 표이다. 분석 대상 전기자동차 449대의 월 주행거리를 평균한 값은 2,267km이었고, 비사업용과 사업용을 구별하면 각각 1,978km, 2,578km이었다. 패널 차량의 운행 목적이 ‘비사업용’은 232대, 사업용은 217대로 회사영업용 차량 73대, 한전 업무용 33대, 택시 6대, 소형화물차 105대로 구성되었다. 충전 횟수 평균은 16.8회이었고, 비사업용과 사업용에 대해 평균은 12.3회와 21.7회이었다(Table 10). 자동차 주행거리 통계 2022년도 자료(MOLIT_c)를 살펴보면, 전체 자동차 대상 하루 평균 거리는 비사업용의 경우가 32.4km, 사업용의 경우는 87.2km로 30일을 곱하여 추정한 월평균 주행거리는 각각의 경우 1,026km과 2,616km이었다. 비사업용의 경우 전기자동차 이용고객의 월 주행거리가 전체 자동차 평균 주행거리보다 1.8배 이상 긴 것에 비해 사업용의 경우는 큰 차이가 나지 않았다. 전기자동차 이용 목적이 승용의 경우, 휘발유나 경유보다 상대적으로 저렴한 충전요금으로 인해 가족들과의 여행, 쇼핑 등의 횟수나 빈도가 늘어난 것으로 추측하게 한다. 반면, 사업용의 경우 영업 형태나 규모, 또는 업무량의 증가, 화물 운송 고객 증가 등의 변화가 뚜렷하지 않다면 전기자동차의 운행에 크게 영향을 주지 않았을 것이다. 설문조사 결과와 실시간 운행 자료로부터 비사업용의 전기자동차 운행에 있어서 주행거리가 전체 자동차 대상 월평균 주행거리보다 길다는 결론을 내릴 수 있겠다.

충전 횟수에 관해서는, 실시간 데이터 분석 결과와 설문조사 결과 모두 내연차량의 주유 횟수보다 월등히 많았다. 비사업용의 경우 2022년도 자동차 월평균 주행거리(MOLIT_c)와 주유횟수 통계(BC카드, 2023)를 이용하면 1회 주유 당 주행거리가 약 310.9km로 계산된다. 전기자동차 사용자들의 잦은 충전 횟수로부터 알 수 있듯이 Table 9(1)에서 월주행거리(‘driving_distance’)를 월충전횟수(‘No_ chargings’)로 나누어 얻은 1회 충전당 주행거리는 비사업용과 사업용의 경우 각각 196.1km와 134.7km로 내연기관 차량에 비해 상대적으로 짧았다. Figure 9은 패널 차량의 배터리 용량에 대한 충전 1회당 주행거리 분포를 상자수염 그래프로 나타내고, 평균 주행거리 값을 그림 안에 표로 삽입하였다. 배터리 용량이 66kWh인 차량은 패널이 1대로 상자수염 그래프에서 제외하였다. 차량의 배터리 용량과 상관없이 충전 1회당 주행거리가 50km 이내인 사례들이 관찰되었다. 배터리 용량이 28kWh인 패널 소집단의 경우 1회 충전당 평균 82km 정도, 그 외의 배터리 용량에 대해서 대략 100-200km 범위에서 주행하는 것으로 나타났다. 산업통상자원부에서 고시한 전기자동차 복합에너지 소비효율(km/kWh) 등급(MOTIE, 2023)에서 2등급인 5.0km/kWh 값을 이용하여 환산하면, 평균적으로 배터리 충전상태(SoC)가 42%-64% 일 때 다시 충전하는 것으로 분석되었다.

Figure 9.

Boxplot of average mileage per charging with respect to EV battery capacity (insect: mean values)

충전 행태에서 충전 시점 SoC는 충전 수요를 예측하거나 방전 여부를 결정하는 중요한 변수이다. 실시간 운행 자료(Table 10)에서 각 패널 당 충전 시점에서의 배터리 충전 상태(‘start_SoC’)의 평균은 완속의 경우 50%, 급속의 경우 45%로 설문조사 결과 36.6%보다 약 10-15% 정도 높았으며, 최종 충전량의 경우 완속 평균 89.2%, 급속 평균 82.9%로 설문조사의 목표 충전량 결과보다 수 % 수치가 낮았다. 결과적으로 충전 횟수가 많은 것이다. Esmaili et al.(2018)에서 지적했듯이, 최소 SoC 수준과 ‘주행거리불안’은 상관관계가 있다. 설문조사 결과보다 실제 운행 자료에서 충전 시점의 SoC가 더 높은 것은 전기자동차 사용자들의 ‘주행거리불안’이 내재하는 것을 시사한다고 하겠다.

Figure 10은 비사업용 차량 패널에 대한 Table 9(2)의 시작 SoC(‘start_SoC’)와 종료 SoC(‘end_SoC’) 값 순서쌍의 산점도그래프이다. 완속 충전은 1,928건, 급속 충전은 766건이었고, 완속 충전의 평균값은(53%, 88%)로 파란색 사각형으로 표시하였다. 급속 충전의 평균값은(47%, 81%)로 주황색 사각형으로 표시하였다. 산점도 그래프에서 (시작 SoC, 종료 SoC)의 선호하는 배터리충전상태(SoC)가 뚜렷하지 않았다. 오히려 앞선 설문조사에서 예상하지 못했던 충전 행태가 관찰되었다. 충전 시작 SoC와 종료(SoC) 차이 값 10% 이하인 사례(보라색 경계 내부)가 전체의 14%에 이르며, 충전 시점의 배터리 상태(SoC)가 20% 이하인 사례도 전체의 11%로 무시하기 어려울 정도의 사례 수를 보인다. 배터리의 수명과 건전성을 위해 SoC 20% 이하에서 충전하는 경우는 거의 없을 것으로 추측한 것과 실제 상황이 다름을 확인하게 되었다.

Figure 10.

Scatter plot of (start_SoC, end_SoC) for the charging events of the non_business panel

Figure 11에서 비사업용 패널에 대해 충전 시작과 종료 SoC를 히스토그램으로 나타내었다. 충전 시작 SoC는 10-90% 범위에서 넓게 분포되었나, 충전 종료 SoC는 80-100%에 집중되는 경향이 나타났다. 완속 충전의 경우 연두색, 급속 충전은 파란색 막대로 나타내었다. 전체적인 SoC 분포의 경향이 완속 충전의 경우와 유사함을 관찰하였다. 전반적으로 전기자동차 사용자들이 SoC 상태를 높게 충전하려는 경향이 있다고 이해하였다.

Figure 11.

Histogram of (1) the start SoC and (2) the end SoC of the charging events for the non_business panel (quick charger: blue, slow charger: yellow green)

Figure 12은 비사업용 패널에 대해 충전과 바로 그다음 충전 사이의 주행거리(Table 9(2) ‘distance btw. chargings’)를 히스토그램으로 나타낸 것이다. 비사업용은 연두색, 사업용은 파란색으로 보인다. 단, 비사업용 패널 한 대가 충전과 충전 사이 주행거리 10km 이내 횟수가 80회 경우가 있어서 제외하였다. 전체 분포 형태는 0-200km 범위에 패널의 75%가 분포하고 있고, 나머지 25%는 200-400km 범위에 분포하는 모양이다. Figure 12에서 0-30km 구간의 사례는 대체로 Figure 11의 보라색 사각형 내부에 해당하는 충전 사건들에 해당한다. 충전 시작과 종료 SoC 차이가 10%라고 하면, 예를 들어 60kWh 용량 배터리 차량의 경우 6kWh, 전비 2등급 5km/kWh (산업통산자원부)기준으로 30km를 주행한 것이다. 막대그래프 1개의 구간은 10km 범위인데, 0-10km 이내 초단거리 운행 직후에 충전한 사례가 300여 건 있었다. 분석 대상 패널 140대에서 이러한 사례가 발견되었다. 10km 이내 초단거리 운행이 월 1-2회 정도로 관찰되는 경우가 110대, 나머지는 3-11회에 분포되어 있다. 월 1-2회 정도 초단거리 운행하는 차량의 경우에 ‘초단거리 운행 → 충전→ 주행 80km 이상 → 충전’하는 운행 행태도 관찰되었으며, 보통 1-2일 이내에 이러한 일련의 사건들이 발생하였다. 이러한 경우는 설문조사에서 목표 충전량을 결정하는 이유 중 1순위인 Table 6의 ‘(6) 다음 충전까지의 주행 예정 거리를 염두에 두고 결정한다’와 2순위 ‘(4) 충전 시간을 고려한다’와 같은 맥락으로 이해하였다. 비록 초단거리를 주행했을 뿐이나 다음 목적지를 고려하여 경유지 충전하지 않고 안심하고 갈 수 있는 배터리 SoC를 확보한 것으로 보인다. 경유지 충전을 선호하지 않는 것으로 ‘적절한 충전소 찾지 못할 수도 있는 충전인프라 부족 인식’과 ‘충전시간불안(time anxiety)’(Yan, 2021)을 고려한 것으로 생각해 볼 수 있겠다.

Figure 12.

Histogram of driving distance between charging events for business (blue) and non-business panel (yellow green)

결론 및 시사점

자동차등록자료 통계(MOLIT_b)에 따르면, 2021.01-09까지 신차등록 대수는 412,025대이며, 연료로 구별하였을 때 동 기간 배터리 전기자동차의 신차등록 대수는 66,558대로 비율이 16.2%를 차지하고 있었다. 내연기관 자동차가 전기자동차로 바뀌는 추세가 뚜렷함을 알 수 있다. 설문 응답자의 전기자동차는 생활의 주 이용 자동차로 사용되고 있었으며 운행 목적과 시간 등이 내연기관 차량의 사용과 다르지 않았다. 설문조사 결과에서, ’21년에 전기자동차 구매한 응답자(A) 비율은 48.9%이었는데, ’21년도 제조 전기자동차를 구매한 응답자(B)의 비율은 44.3%이었다. 전체의 약 4.6% 전기자동차 구매자는 중고차를 구매한 것이다. 이러한 중고 전기자동차 구매 또는 두 번째 전기자동차 구매 현상은 전기자동차 사용에 있어서 만족도가 높았음을 시사한다.

설문조사 결과에서 목표 충전량을 결정하는 주된 이유로 ‘목적지까지의 예상 주행거리’, ‘충전 시간’으로 응답하였는데, 이러한 이유는 경유지 충전을 고려하지 않는 것처럼 보이며 결과적으로 잦은 충전을 하게 하는 원인으로 생각하였다. 충전과 그 다음 충전 사이의 주행거리가 10km 이내의 초단거리 자료들이 이를 뒷받침하는데, 초단거리 운행 → 충전→ 주행 80km 이상 → 충전’하는 운행 행태가 관찰되었기 때문이다. 비록 초단거리를 주행했을 뿐이나 다음 목적지를 고려하여 경유지 충전하지 않고 안심하고 갈 수 있는 배터리 SoC를 확보한 것으로 보인다. 그 이유로 적절한 충전소를 찾지 못할 수도 있다는 ‘충전 인프라 부족 인식’으로 생각해 볼 수 있겠다. 내연기관 차량 사용자들이 때로는 연료 경고 등이 켜질 때까지 운전하기도 하며, 목적지로 가는 도중 주유하는 것을 어렵지 않게 생각하는 것과는 확연히 다른 것을 알 수 있다. 또한 선호하는 충전소가 주거지, 직장 또는 인근으로 이러한 장소에서는 주로 완속 충전을, 그 밖의 충전소에서는 급속 충전을 선호하는 것으로 조사되었다. 주유보다 상대적으로 긴 완속 충전 시간은 전기자동차 사용자들의 충전소 선택에 제약을 두는 것으로 풀이된다.

‘주행거리불안’ 요소는 충전 수요에 영향을 주기 때문에(Kim, 2022) 전기자동차의 보급뿐만 아니라 충전 인프라 구축 측면에서도 이러한 소비자들의 심리는 다루어져야 하는 문제임은 확실하다. ‘주행거리불안’이 사용 차량의 일일사용시간 및 연간사용량과는 무관하다는 결론을 놓고 볼 때 객관적 실체보다는 정서적 예측 오류일 수 있음을 시사한다고 보고하였다(Chu, 2017). 논문과 전기자동차 유관 블로그, 홈페이지 등에서 이러한 정서적인 불안감을 설득하려는 내용의 글들을 많이 찾을 수 있다. 그럼에도 본 논문에서 분석한 전기자동차 사용 행태, 즉, ‘잦은 충전’, ‘장거리 운행 시 대체 교통수단 이용’, ‘1회 충전 후의 주행거리’, 충전 시점에서의 높은 SoC, ‘목표 충전량 결정 이유’ 등은 이러한 불안 심리가 여전히 전기자동차 사용자들에게 남아 있음을 보여주는 결과임을 주장하고자 한다. 또 다른 이유로 ‘충전 시간’을 고려해 볼 수 있다. 장시간 한 번에 배터리를 충전하는 것을 피하고자, 스마트폰을 사용하는 것처럼, 충전할 수 있는 여건이 되면 미리 충전하여 높은 수준의 SoC를 유지하고자 하는 의도일 수 있겠다. 그러나, 아직은 10km 이내 초단거리 운행 후 항시 충전습관을 보이는 패널의 수는 아주 미미하게 관찰되었을 뿐이다.

전력거래소 보고서에 따르면 2021년 9월 기준 충전기 1기당 전기자동차 대수는 평균 2.6대이었다. 급속 충전기 수로만 계산하면 충전기 1기당 15.3대, 완속 충전기의 경우는 3.2대이었다(KPX, 2021). 동 연도 12월 기준으로 한국 석유관리원에서 집계한 통계에서 전국 주유소는 11,378개소(Kpetro)로 평균 5기의 주유기가 있다고 가정하면, 주유기 1기당 내연기관 차량 약 380대로 비율이 계산된다. 전기자동차 충전기 비율이 나쁘지 않은 수치로 보인다. 그러나, 현실은 전기자동차 상승세 둔화와 그 이유로 충전소 부족이라는 보도를 접하는 것이다(Hankyung). 우리는 논문의 결과를 이용하여 전기자동차 이용자들의 ‘인프라 부족’ 체감 이유를 설명하고자 한다. 이유가 ‘주행거리불안’이든 ‘충전 시간’이든 전기자동차 사용자들은 주유할 때보다 충전소를 찾는 빈도가 많았다. 그리고, 충전소에서 불편한 상황(충전 대기, 고장 등)에 부딪히는 경우가 이전 내연기관 차량 운행시 주유 상황에서보다 빈도보다 높았을 것으로 생각할 수 있다. 주유 시간 평균 약 10분(Autodaily)에 비해 월등히 긴 충전 시간(KPX, 2021)에 의하면 급속: 평균 38분/ 완속: 평균 280.4분)까지 고려하면 집이나 회사 등의 근거지에서 접근성이 좋은 충전소 유효 숫자가 충분하지 않은 것이다. 상대적으로 긴 충전 시간은 충전소를 선택하는데 제약을 두게 하며, 경유지 충전을 꺼리는 이유가 되어 출발지 충전을 선호하게 하기 때문이다. 간단히 산술적으로 비교하면, 월 충전 횟수가 주유 횟수에 4-5배이상 많으므로 충전기 1대당 전기자동차 대수가 주유기 1대당 내연기관 자동차 대수보다 최소 1/5 정도보다 작아야 한다. 충전기 점유 시간이 길기에 시간까지 고려하면 그 비율은 완속 충전 충전기의 경우 1/140 수준으로 보급되어야 내연기관 차량 주유할 때의 경험과 비슷하게 체감한다는 것이다. 단순 계산상으로 완속 충전기 1기당 전기자동차 2.7대 수준이 되려면 2021년도 9월 전기자동차 등록 대수를 기준으로 완속 충전기 수 약 74,600기가 필요하다. 앞서 언급한바 당시 충전기 1기당 전기자동차는 2.6대로 인프라가 충분할 것 같으나, 완속 충전기만 고려하면 65,000여대(KPX, 2021)로 1,000기 가까운 수가 부족한 상태였다. 주거지와 근무지에서 선호하는 완속 충전기 보급 관점으로는 양적인 측면에서 상당한 규모가 더 필요함을 알 수 있다. 이러한 결론은 Park(2022)에서 주장한 바, 승용차를 위한 충전 인프라의 계획은 주거지와 완속 중심의 구축이 강조되어야 한다고 한 것과 같은 맥락이다. 이와 더불어 급증하는 전기자동차에 비해 인프라 구축의 속도가 늦기 때문에 그만큼 전기자동차 사용자의 인프라 부족 체감은 커질 수밖에 없을 것이다.

이상은 전기자동차 사용자 관점에서의 충전 인프라의 규모에 대해 논의하였다. 충전사업자 관점에서 살펴보면, 충전소를 이용할 수 있는 전기자동차 대수가 주유소의 1/20(급속)-1/140(완속) 수준이고, 차량당 매출금액 또한 더 적은 상황에서 과연 충전소 구축에 적극적일 수 있을까 하는 의문이 든다. 이 부분은 정책을 결정할 때 반드시 고려해야 할 중요한 요소가 될 것이다.

본 논문은 전기자동차 사용 행태를 운행과 충전 관점에서 분석하였으며, 충전 1회당 주행거리, 충전 횟수, 충전 시점의 SoC, 목표 충전량 결정의 이유, 선호 충전소/충전 방식 등의 결과를 도출하였다. 내연기관 차량과 비교하였을 때 잦은 충전 횟수, 충전 전 짧은 주행거리, 충전 시점의 높은 SoC 상태 등은 전기자동차 사용자의 ‘주행거리불안’에 기인한 것으로 판단한다. 경유지 충전보다는 출발지에서 SoC를 높여 다음 목적지까지 여유있게 운행하려는 사용자의 의도 또한 충전 횟수, 충전 시점 SoC 등의 결과에 내포되어 있다. 또한 본 연구는 실시간 주행자료의 패턴을 기술통계 중심에 치중한 한계점이 있다. 향후 연구로서 앞서 선행연구에서 SOC 상태를 단순하게 가정하고 연구했던 충전 인프라 설계와 V2G 설계에 신뢰도 높은 충전 패턴 자료를 활용함으로 앞으로 전기자동차 사용자들의 충전 시간 주기성, 충전량 등을 분석하고 지속해서 연구를 보완하고자 한다. 특히 실제 운행 및 충전 자료를 분석함과 동시에 패널의 특성, 즉, 연령, 성별, 직업, 소득 수준 등의 사회 경제적 지표를 이용하여 전기자동차 사용 행태 차이를 설명하고자 한다. 이러한 연구를 통하여 전기자동차의 양적인 규모 확대를 위한 충전 인프라 구축 및 유연성 자원(flexible resource)으로 활용하기 위한 V2G 서비스의 잠재 수요를 예측하는 데 활용되기를 기대한다.