Energy demand forecasting is very hot topic in contemporary energy industry and academic world. As the paradigm shift from internal combustion engine car to electric car(electric vehicle, EV), EV charging is one of the most important issue for EV eco-system. The necessity of EV charging demand forecasting is raising because we need to respond explosive increase of EV charging load proactively which is unprecedent and brand-new concept of power consuming, and also it helps us to select and allocate adequate charging station location in the view of supply side.
In this thesis we will handle Korean local EV charging energy demand data, especially focusing on public fast charging infrastructure(Two main public charging point operators : Ministry of Environment, Korea Electric Power Corporation). We divided the whole 3.5 years monthly data into two parts(3 years of fitting period and a half year of evaluation period) for suitable assessment of forecasting. Furthermore, we will check regional level of charging amount data and try to figure out the differences between national level data.
Not only just conducting conventional regression model, we expand the scope to forecasting models(Simple Forecasting Model, Exponential Smoothing, ARIMA and ARIMAX, GARCH, VAR). In addition to exploring the models, we check the validity of each model and compare the forecast performance by using evaluation criteria(MAE, RMSE, MAPE, MASE).
Regardless of certain limitations of this study, we can get some meaningful implications and identifications such as (1)national level data and forecasting analysis results do not respond to regional level (2)regardless of high correlation and significance from regression, EV registration volume does not always guarantee charging amount in specific regional level (3)COVID19 dummy variable and Fine dust concentration which are not covered as independent variable from preceding researches show significant result with charging amount from correlation and multiple regression analysis.
에너지 수요예측은 현대의 에너지 산업 및 학계에서 매우 관심이 높은 주제이다. 내연기관 차량에서 전기차로의 패러다임 전환에 따라, 전기차 충전은 전기차 생태계에서 가장 중요한 주제 중 하나이다. 전례가 없는 새로운 전력소비의 개념인 전기차 충전수요의 폭발적 증가에 대해 선제적으로 대응하고, 또한 공급 측면에서 적정한 충전소 입지 선정 및 할당에도 도움이 될 수 있다는 점에서, 전기차 충전수요 예측의 필요성은 증대되고 있다.
동 연구에서는 한국의 전기차 충전 에너지 수요데이터 중에서도, 특히 환경부 및 한국전력 두 공공기관의 급속충전 인프라 데이터를 중심으로 다루고 있다. 총 3.5개년의 월별 충전전력량 데이터를 기준으로, 3년의 고정기간과 6개월의 평가기간으로 구분하여 예측의 적합성을 높였고, 지역단위의 충전전력량 데이터를 세분화하여 전국단위 데이터와의 분석 및 예측비교를 수행하였다.
전통적인 회귀분석 모형에 따른 분석뿐만 아니라, 각종 예측모형(단순예측모형, 지수평활법, ARIMA, ARIMAX, GARCH, VAR)을 통한 예측분석을 진행하였고, 평가척도(MAE, RMSE, MAPE, MASE)를 기반으로 각 예측모형 적용에 따른 예측평가를 모형간 비교 분석하였다. 동 연구의 일정한 한계점에도 불구하고, (1)전국단위의 데이터 및 예측분석결과가 지역단위에서도 동일하게 유지되지 않는다는 점 (2)전기차 등록대수와 충전전력량 간의 높은 상관관계에도 불구하고, 특정 지역단위에서는 등록대수가 충전전력량을 절대적으로 담보하지 못한다는 점 (3)선행연구에서는 독립변수로서 다뤄지지 않았던 코로나19 및 미세먼지 변수의 충전전력량 간 유의한 상관관계분석 및 다중회귀분석 결과 등 의미 있는 시사점을 발견할 수 있었다.
