논문 전문 : https://www.sciencedirect.com/science/article/pii/S2666546820300070
[출처] Oliver Frendo, Jérôme Graf, Nadine Gaertner, Heiner Stuckenschmidt,Datadriven smart charging for heterogeneous electric vehicle fleets,Energy and AI,Volume 1,2020,100007,ISSN 2666-5468,
https://doi.org/10.1016/j.egyai.2020.100007.
※ The picture and content of this article are from the original paper.
[논문요약]
Data-driven smart charging for heterogeneous electric vehicle fleets
이 논문은 전기차의 관점에서 쓴것이 아니라, 전기차 충전 인프라의 관점에서 에너지를 효율적으로 충전하는방법에 대해 정리된 논문입니다.
ESS/EV 충전프로파일 최적화 관련된 논문을 보던중, 해당 논문을 보고 아.. 충전기의 입장에서는 오히려 이렇게 생각할수도있구나 라는 것을 느끼게 해준 논문이였습니다.
Purpose
배터리 충전 Infrastructure의 시점에서 어떻게하면 여러대의 차량을 정해진 파워로 효율높게 충전할수있을까를 고민한 논문입니다.
즉, EV의 입장에서는 최대한의 출력으로 충전하는게 가장 시간도빠르고 (열화에는 안좋지만), 고객입장에서 원하는 충전방식일텐데요
하지만, 충전기의 입장에서는 논문기준 270kwh를 낼수있는 충전인프라가 구성된곳에 100kwh충전을 하고자하는 차가 3대가 들어오면 한대는 원하는 정도로 충전을 못하겠죠
이런 경우에 어떻게 효율적으로 전력을 분배하면서도 모두 최대의 출력으로 충전을 할수있을까에 대해 고민한 논문입니다.
Contents
필자가 하고자 하는것은 다음과 같습니다.
현재 충전소에 있는 데이터를 모두 취득하여, 주행거리/충전시간/충전출력/SOC변화를 1분 간격으로 모니터링합니다.
그리고 15분간격의 time slot으로 SOC와 평균충전출력을 구합니다.
즉, 충전 전체과정을 상기와 같이 Time slot으로 나누어 데이터를 저장해놓는거죠
물론 1분이나 1초단위로 모두 가지고있으면 좋겠지만, 필자는 충전기의 수와 충전시간에 따라 데이터의 수가 너무나도 많았다고합니다. (차량 1대당 7시간 충전시 초단위 기준 25,200개 데이터)
필자가 하고자 하는것을 가장 간단명료하게 나타낸 flow chart 입니다.
첫번째로, 전기차 모델명/충전 시작,종료시점/시계열 순으로 충전파워/에너지 데이터를 확보합니다.
그리고 이것을 머신러닝으로 학습시킵니다. (논문 : ANN)
그렇게되면, 각 모델별로 충전시간과 관련해서 대략적으로 얼마의 파워와 에너지가 충전되는지를 알수있는 Regression 데이터를 알수있는데요
이 데이터를 다시 충전 Infrastructure 시스템에 Input으로 넣습니다.
즉, 여러대의 차를 동시에 충전할 경우 input으로 현재 충전중인 차량들에 대한 예상 출력/에너지 사용량이 들어가게 되겠죠
그리고, 이렇게 예측된 각 차량별 예상출력량으로 전력분배를 골고루 한다고합니다.
필자도 알고있듯, CC로 충전할때는 BMS에서 전류Command를 내보낸만큼 충전을 해야하기에 일부로 충전전력을 깎는다던가 하면 충전시간이 길어져 문제가 생길것을 알고있습니다.
따라서, CV(Constant Voltage)제어를 할때 전력을 집중적으로 잘 분배하고자 합니다.
위에서부터 차례대로 a,b,c 그래프라 하겠습니다.
a는 일반적인 CCCV를 충전할때의 전류 profile입니다.
b는 충전전력 예측을 하지않았을때의 Infrastructure기준 파워 확보치입니다.
즉, 붉은색이 Charge Plan(파워확보치)이고 검정색 Charging current가 실제 충전값입니다. 이사이의 면적만큼이 Wasted Infrastructure capacity가 되는것입니다.
마지막 c는 필자가 사용한 로직을 통해 전력수요량을 예측하고 이에따른 Charge Plan을 한 그래프입니다.
붉은색 그래프가 확실히 검은색 그래프에 가까워 진것을 확인할 수 있으며, Wasted infrastructure capacity또한 줄어든것을 확인할 수 있습니다.
따라서, 위와 같은 방법론으로 전력수요예측을 통한 충전출력 효율적 분배를 할수있다고하는데요,
뭔가 SMP 예측이라고.. 한전이나 대규모 전력설비쪽에서 그다음날 전력수요량예측을 해서 전력생산을 하는것과 어찌보면 살짝 비슷한 느낌이 들기도하네요..
Results
테슬라, 르노, BMW .. 여러 전기차들의 충전프ㅡ로파일을 상기와 같은방식으로 전력예측을 한 그래프입니다.
테슬라는 거의 CP(Constant Power)로 쭉 밀어넣다가 상한전압에 걸리면 CV에 들어가는것 같은 모습입니다.
BMW 또한, 비슷한 충전프로파일을 보여주는데요, 르노조에는 특이하게 CP가 끊기는 지점이 빨라집니다. 아무래도 해당 차량은 빠른 충전시간보다 값싸고 시내주행을 위한 용도로 만들어진 EV인것 같네요
필자는 상기와 같은 방법론으로 충전 infrastructure를 다루면, 약 21%정도 에너지효율이 높게 관리될 수 있으며, 차량기준 약 SOC 9%정도 더 충전할수있다고합니다.
이것은, 차량기준이 아니고 전기차 충전인프라 기준입니다.
참조
1. Oliver Frendo, Jérôme Graf, Nadine Gaertner, Heiner Stuckenschmidt,Datadriven smart charging for heterogeneous electric vehicle fleets,Energy and AI,Volume 1,2020,100007,ISSN 2666-5468,
https://doi.org/10.1016/j.egyai.2020.100007.
댓글