2.1 충전 인프라 최적 입지 선정 및 공간적 불균형

충전 인프라의 공간적 배치 최적화는 전기차 이용자의 편의성 증대와 전력망의 효율성을 결정짓는 핵심 분야이다. 서울시를 대상으로 도로 네트워크와 등록 대수 기반의 공간할당 모형을 통해 공공 급속충전기의 최적 입지를 도출한 연구가 진행되었으며^[3], 이용자의 통행 및 충전행태 이질성을 반영하여 장소별 완속충전기의 적정 보급 비율을 분석하기도 하였다^[4]. 머신러닝을 도입한 최적화 연구도 활발하여, 교통량과 지역적 특성 데이터를 학습한 수요예측 기반의 입지선정 모델이 제안되었다^[5].

또한, 전력 부하 분산 관점에서 제주도의 공간적 형평성을 고려한 입지-용량 동시 최적화(G2SFCA) 기법이 제시되었으며^[6], 경기도 내 전기차 충전기의 공급과 수요 간의 미스매치 현상을 지적하며 설치 및 운영의 비효율성을 진단한 사례가 있다^[7]. 이와 더불어 신규 충전소의 최적 입지 선정을 통한 계통 부하 분산 전략이 수학적으로 검증되기도 하였다^[8].

2.2 충전 패턴 및 전력망 부하 분석

다수의 전기차가 전력망에 연계될 때 발생하는 배전계통의 영향과 이를 최적화하기 위한 충전 패턴 분석 연구가 다수 진행되었다. EV 충전기 데이터 기반의 접속 주기 및 패턴을 분석하여 수요자원화 활용 방안이 제시되었고^[9], 전기차 충전 장소를 고려한 그리드 일부하곡선(Daily Load Curve) 변화를 추정한 연구가 수행되었다^[10]. 나아가 시간대별 수요반응(Plus DR) 이행 실적을 분석하여 충전기의 특성을 규명하였으며^[11], 충전소 사용 패턴이 배전선로 최대 부하 형성에 미치는 상관관계가 분석되었다^[12]. 이와 더불어 스마트 충전 제어 관점에서 실시간 전력 분석 및 DSO(배전망운영자) 협조를 통해 배전계통 전압 불균형을 해소하는 부하 분배 알고리즘이 제안된 바 있다^[13-14].

2.3 제주지역 특화 실증 및 정책 연구

국내 최고 수준의 전기차 보급률을 지닌 제주특별자치도를 대상으로 한 정책적 실증 연구도 활발히 수행되었다. 3년간 누적된 제주도의 전수 충전 데이터를 바탕으로 계절 및 시간대별 충전 부하 변동성을 계량화하여 계시별 요금제(TOU)의 실효성을 분석한 연구가 진행되었다^[1]. 정책 효과성 측면에서는 제주지역 충전 인프라 구축 정책의 한계점이 실증적으로 지적되었으며^[2], 제주지역 접속 데이터를 기반으로 K-Means 클러스터링을 수행하여 지역 특화 충전 패턴을 도출하기도 하였다^[15]. 또한, 충전소에서의 대기 및 회차 경험이 제주 전기렌터카 이용자 인식에 미치는 악영향을 분석하여 인프라 밀집도 관리의 필요성을 역설한 연구도 존재한다^[16].

2.4 선행연구의 한계점 및 본 논문의 차별성

상기 선행연구들은 인프라의 수학적 입지 예측^{[3-6] [8]}과 전력망 제어^[12-14], 그리고 거시적인 부하 분석^{[1] [10]}에 크게 기여하였다. 그러나 대부분의 연구가 '신규 충전기를 어디에, 어떻게 제어하며 설치할 것인가'에 집중되어 있어, '이미 구축된 충전 인프라가 공간적으로 얼마나 비효율적으로 유휴화(Idle)되어 있는가'에 대한 사후적·실증적 평가 연구는 여전히 부족하다.

특히 지자체 예산으로 보급된 '개방형(공용)' 충전기와 개인 주도의 '비개방형(개인용)' 충전기는 방치 원인이 다름에도 불구하고, 기존 선행연구에서는 이를 엄격히 분리하여 전력 계량기 전력사용량 기반의 가동률 하락을 입증하지 못하였다^{[2] [7]}. 따라서 본 논문은 2.3만 대에 달하는 제주도 전수 데이터를 바탕으로 장기 방치 상태(3개월 연속 0 kWh)를 계량화하고, 용도별 이원화된 공간 군집 모델링을 적용하여 실효성 없는 유휴 인프라의 재배치 기준을 제안한다.

3.1 전력사용량 실증 데이터 수집 및 전처리

본 논문의 분석 대상 데이터는 한국전력공사의 계량 데이터를 기반으로 월별 누적 전력사용량(kWh), 충전기 용도 및 설치 주소 데이터를 수집하였다.

원시 주소 데이터에는 아파트 동·호수(예: 112동)나 임의의 설비 명칭(예: 가동, 전기자동차 등)이 법정동과 혼재된 형태의 비정형 노이즈가 다수 존재하였다. 이를 해결하고 공간 해상도의 손실을 막기 위해 정규표현식을 활용한 텍스트 마이닝 기법을 적용하였다. 구체적으로 도로명 주소의 괄호 표기법 규칙과 행정구역(시/구분) 인접 단어 추출 알고리즘을 설계하여 전체 모수를 43개 읍·면·동 행정구역으로 오차 없이 매핑하였다.

본 논문에서는 '장기 방치형'의 기준을 3개월 연속 전력사용량 0 kWh로 정의한 이유는 다음과 같다. 1~2개월의 단기 유휴는 사용자의 장기 출장, 차량 수리, 일시적 기기 통신 장애 등 우발적 요인에 의해 발생할 수 있으나, 분기(3개월) 단위의 연속된 가동 무실적은 설비의 물리적 고장 방치 또는 수요가 완전히 단절된 '구조적 유휴화'로 간주하는 것이 타당하다. 실제로 본 연구 수행 과정에서 2개월과 6개월 기준으로 예비 민감도 분석(Sensitivity Analysis)을 수행한 결과, 2개월 기준에서는 정상 가동 충전기가 일시적 방치로 과대 추정(Overestimation)되는 노이즈가 발생하였으며, 6개월 기준은 방치 판단이 너무 지연되어 정책적 개입의 골든타임을 놓치는 한계가 확인되었다. 따라서 전력망 낭비를 조기 진단하기 위한 최적의 임계치로 3개월을 채택하였다.

3.2 인프라 유휴율 정의

충전 인프라의 가동률 저하는 전력 계통의 설비 이용률을 저하시킨다. 본 연구에서는 충전기 i의 m월 전력사용량을 Ei,m이라 할 때, 3개월 이상 연속으로 충전 부하가 발생하지 않은 설비를 '장기 방치형'으로 규정하였다. 이를 지시 함수 Ii로 나타내면 식 (1)과 같다.

특정 행정구역 k에 설치된 전체 충전기 집합을 Ck, 총 충전기 대수를 Nk라고 할 때, 해당 지역의 인프라 유휴율 Rk는 식 (2)와 같이 정의된다.

전기자동차 충전기의 가동률 저하는 전력 계통의 설비 이용률 측면에서 투자 대비 효율성을 급감시키는 주요 원인이다. 본 연구에서는 충전기의 월별 전력사용량이 0 kWh인 경우를 '미사용' 상태로 규정하였으며, 연속적인 미사용 기간을 기준으로 충전기의 운영 등급을 다음과 같이 3단계로 분류하였다.

1. 정상 운영 : 분석 기간 내 전력사용량이 0 kWh인 월이 없는 경우로, 지속적인 충전 부하가 발생하는 정상 가동 상태.

2. 일시적 미사용 : 전력사용량이 0 kWh인 기간이 1~2개월인 경우로, 일시적인 기기 고장, 유지보수, 혹은 계절적 수요 감소에 기인한 상태.

3. 장기 방치형: 전력사용량이 0 kWh인 기간이 3개월 이상 지속되는 경우로, 실질적인 충전 수요가 소멸하였거나 입지 선정 오류로 인해 전력 인프라가 완전히 유휴화된 고위험 상태.

본 연구에서는 위 분류 기준 중 '장기 방치형'에 해당하는 설비를 핵심 분석 대상으로 설정하고, 전체 설치 대수 대비 장기 방치형 설비의 비율을 '유휴율(Idle Rate, 방치율)'로 정의하여 지역별 인프라 운영 효율성을 평가하는 지표로 활용하였다.

3.3 공간적 전력 소비 효율성 검증

지역적 특성(도심 vs 외곽)과 인프라 소유 주체(개방형 vs 비개방형)에 따른 실제 전력 소비량의 통계적 유의성을 검증하기 위해 독립표본 t-검정을 수행하였다. 도심 권역(동지역) 가동 충전기의 평균 전력사용량을 $\mu_1$, 외곽 권역(읍면지역)의 평균 전력사용량을 $\mu_2$라 할 때, 두 집단 간의 분산이 다를 수 있음을 고려하여 Levene의 등분산 검정을 거친 후 Welch's t-test를 적용하였다. 검정 통계량 t는 식 (3)과 같다.

여기서 $\overline{X}_1, s_1^2, n_1$은 도심 권역의 표본 평균, 표본 분산, 표본 크기이며, $\overline{X}_2, s_2^2, n_2$는 외곽 권역의 해당 지표를 의미한다. 본 연구에서는 개방형과 비개방형 충전기를 엄격히 분리하여 해당 가설 검정을 독립적으로 2회 수행하였다.

3.4 용도별 공간 군집 모델링

제주도 내 43개 행정구역을 인프라 운영 특성에 따라 과학적으로 분류하기 위해 비지도 학습인 K-평균 군집분석을 도입하였다. 각 행정구역 k의 특성 벡터 xk는 앞서 도출한 총 충전기 수, 유휴율, 평균 전력사용량의 3차원 변수로 구성된다.

변수 간 스케일 차이로 인한 거리 계산의 왜곡을 방지하기 위해 표준화를 선행하였으며, 개방형과 비개방형 인프라에 대한 군집 모델을 이원화하여 구축하였다. K-Means 알고리즘의 목적 함수 J는 식 (5)와 같이 각 군집의 중심 $\mu_j$와 해당 군집에 속한 데이터 포인트 간의 거리 제곱합(Within-Cluster Sum of Squares)을 최소화하는 방향으로 최적화된다.

본 연구에서는 실루엣 지수 및 정책적 해석의 용이성을 고려하여 최적의 군집 수 K=3으로 설정하였으며, 이를 통해 인프라 과잉 공급 지역과 수요 밀집 지역을 공간적으로 매핑하여 재배치를 위한 정량적 타겟팅 기준을 마련하였다.

4.1 충전 인프라 유휴율 기초 통계 및 공간적 편차 분석

분석 대상인 1년 치 누적 전력 데이터를 추적하여, 3개월 이상 연속으로 전력사용량이 0 kWh인 '장기 방치형' 설비의 비율(유휴율)을 산출하였다. 단순한 1회성 조사가 아닌 12개월간의 연속적인 가동 상태를 기반으로, 인프라 소유 주체(개방형/비개방형)와 지역적 특성(도심/외곽)을 이원화하여 교차 분석(Cross-tabulation Analysis)을 수행하였으며, 그 결과는 표 1 및 그림 1과 같다.

그림 1. 지역 및 용도별 유휴율 비교

Fig. 1. Comparison of Idle Rates by Region and Usage

표 1과 그림 1의 분석 결과에서 알 수 있듯이, 제주시와 서귀포시 모두 도심 권역(동지역) 대비 외곽 권역(읍면지역)에서 방치율이 급증하는 공간적 불균형 현상이 관찰되었다. 특히 그림 2의 제주도 읍면동 경계 매핑 지도를 살펴보면, 1년 내내 가동 기록이 전무하거나 3개월 이상 방치된 유휴 인프라의 다수가 '개방형 완속' 충전기에 집중되어 있으며, 읍면지역에서 그 비율이 가장 높게 나타났다. 이는 과거 인프라 보급 초기 단계에서 수요 예측 없이 관공서 등에 맹목적으로 할당된 공공 충전기와 유지보수를 포기한 민간 완속 충전기의 정책적 한계가 어떻게 비효율로 누적되었는지를 실데이터로 증명하는 결과이다.

그림 2. 제주도 유휴 충전기 공간 분포

Fig. 2. Spatial Distribution of Idle Chargers in Jeju

4.2 용도별 전력 소비 효율성 공간 검증(T-test)

일반적으로 충전 인프라의 전력사용량 데이터는 일부 상업용 고부하 충전기에 의해 우측으로 꼬리가 긴 비대칭(Right-skewed) 분포를 띠며 극단값이 존재할 가능성이 높다. 그러나 본 논문의 분석 표본(n)은 각 군집별로 수백에서 수천 건에 달하는 대규모 전수 데이터이므로, 중심극한정리(Central Limit Theorem)에 의해 표본 평균의 정규성 가정을 충족한다. 또한 도심과 외곽 간의 데이터 불균형 및 분산 차이(이분산성)로 인한 통계적 오류를 엄격히 통제하기 위해, 등분산 가정을 요구하지 않는 Welch's t-test를 적용하여 분석의 강건성(Robustness)을 확보하였다.

이러한 공간적 편차가 실제 가동 중인 충전기의 연간 전력 소비량에도 유의미한 영향을 미치는지 검증하기 위해, 12개월 관측 기간 내 정상 가동된 충전기들의 누적 전력사용량 데이터를 바탕으로 독립표본 t-검정(Welch's t-test)을 수행하였으며, 세부적인 검정 통계량은 표 2와 같다.

표 2의 가설 검정 결과, 도심/외곽 간 전력사용량의 불균형은 '개방형 급속', '개방형 완속', '개인용 완속' 모델에서 통계적으로 유의미한 차이를 보였다(p < 0.01). 특히 개방형 완속 충전기의 경우, 읍면지역에 설치된 인프라의 연간 평균 전력사용량(6,411.8 kWh)이 도심 지역(12,915.4 kWh)의 절반 수준에 불과했다. 특정 지역에 무분별하게 설치된 인프라가 1년 내내 실질적 충전 부하를 거의 발생시키지 못함이 입증되었으며, 이는 전력 계통 관점에서 설비 이용률 하락을 시사한다.

반면, 상업용 부하 특성을 지닌 '개인용 급속' 모델은 도심과 외곽 간의 전력사용량 차이가 통계적으로 유의하지 않은 것으로 나타났다(p = 0.181). 이는 렌터카 차고지 및 운수회사 등 특정 영업 목적의 충전 수요는 지리적 특성과 무관하게 연중 높은 가동률을 유지하고 있음을 명확히 보여준다.

4.3 K-Means 알고리즘 기반 용도별 공간 군집 모델링

최적의 공간 군집 수(K)를 결정하기 위해 엘보우 기법(Elbow Method)과 실루엣 계수(Silhouette Coefficient) 검증을 사전 수행하였다. 분석 결과 K=2부터 K=5 구간 중 K=3일 때 실루엣 지수가 약 0.55 내외로 가장 안정적인 양수 값을 보였으며, 군집 내 응집도와 군집 간 분리도가 가장 우수하게 나타났다. 또한 정책적 제언을 위한 직관적 해석을 고려하여 최종 군집 수를 3개로 확정하였다.

제주도 내 43개 행정구역을 인프라 운영 특성에 따라 과학적으로 분류하기 위해 실증 데이터로부터 도출된 '총 충전기 수', '유휴율(%)', '평균 전력사용량(kWh)'을 3차원 변수로 한 K-평균 군집분석(K=3)을 개방형과 비개방형으로 분리하여 각각 수행하였다. 해당 군집별 요약 통계는 표 3과 같고, 공간 군집의 산점도는 그림 3, 4, 5, 6에 나타내었다.

그림 3. 개방형 완속 K-Means 군집 산점도

Fig. 3. Scatter Plot of K-Means Clustering

그림 4. 개방형 급속 K-Means 군집 산점도

Fig. 4. Scatter Plot of K-Means Clustering

그림 5. 개인용 완속 K-Means 군집 산점도

Fig. 5. Scatter Plot of K-Means Clustering

그림 6. 개인용 급속 K-Means 군집 산점도

Fig. 6. Scatter Plot of K-Means Clustering

표 3과 그림 3, 4, 5, 6에 나타난 머신러닝 알고리즘 분류 결과, 인프라의 소유 주체와 설비 용량(급속/완속)에 따라 공간적 군집 형태와 방치 원인이 극명하게 다름이 입증되었다.

1. 개방형 완속: 본 연구에서 파악한 가장 심각한 고위험 방치 인프라이다. 특정 외곽 지역(Cluster 2)을 중심으로 유휴율이 52.7%까지 치솟으며 평균 전력사용량은 3,546 kWh로 극히 저조한 군집이 명확히 형성되었다. 이는 보조금만 수령한 뒤 유지보수를 포기해 버린 민간사업자의 기기와 관공서에 무분별하게 할당된 공공 충전기가 대거 유휴화되고 있음을 데이터로 증명한다.

2. 개방형 급속: 완속과 달리 연간 평균 전력사용량이 매우 높고(Cluster 0 기준 4.5만 kWh), 방치율이 상대적으로 10~20% 내외로 양호하게 형성되어 공공 인프라로서의 제 기능을 비교적 충실히 수행하는 것으로 나타났다.

3. 개인용 급속: 특정 군집(Cluster 0)의 연간 평균 전력사용량이 무려 40만 kWh에 육박할 정도로 타 용도와 비교조차 할 수 없는 압도적인 초고부하(Peak Load)를 보였다. 이는 렌터카 차고지 및 전기버스 운수회사 등 상업용 영업 설비의 특성이 반영된 결과이다.

4. 개인용 완속: 도심과 외곽을 가리지 않고 전반적으로 20~23%대(Cluster 0, 1)의 산발적인 유휴 군집을 형성하였다. 이는 인프라의 공간적 실패가 아닌 거주지 이전, 차량 매각 후 기기 철거 미비 등 사용자 개인의 환경 변화에 기인한 행정 관리의 사각지대임을 의미한다.

4.4 종합고찰

기존 선행연구^{[2] [7]}가 포괄적으로 지적했던 공공 인프라의 '수요-공급 미스매치'는 본 논문의 4분류 정밀 분석을 통해 '개방형 완속' 충전기에 집중된 구조적 비효율임이 명확히 밝혀졌다. 민간 충전사업자의 이윤 논리와 공공기관의 맹목적 할당이 결합되어 특정 지역 배전망의 수전 용량만 낭비하고 있는 실정이다.

또한, '개인용 급속' 충전기에서 나타난 연중 지속적인 초고부하 밀집 현상과 t-검정 결과(지역적 무관련성)는 선행연구^{[1] [12]}에서 우려한 배전망 피크 부하 유발의 핵심 원인을 정량적으로 제시한다.

따라서 향후 인프라 최적화는 단순히 전체 충전기를 대상으로 획일적인 정책을 적용할 것이 아니라, 방치된 개방형 완속 충전기에 대한 자발적 재배치 및 계약전력 휴지 조치, 개인용 완속 충전기에 대한 행정 말소, 그리고 초고부하 개인용 급속 충전기에 대한 수요반응 자원 편입 등 전력망 연계형 다각적 관리 프레임워크로 고도화되어야 한다.