함수형 데이터 분석을 이용한 전기차 충전 이력 데이터 분석

Abstract

본 연구에서는 함수형 데이터 분석(Funtional Data Analysis) 기법을 이용해 전기차 충전소 이용 패턴을 분석하였다. 제주도에 위치한 총 449개 충전소의 1년간 시간대별 충전소 이용 데이터를 사용하였다. 데이터를 함수형으로 변환시킬 때 B-spline을 이용해 기저를 확장하였다. 공간 단위를 3단계(구역, 동, 충전소), 시간 단위를 2단계(일자, 시간대)로 하여 충전시간과 충전량을 단변량 분석과 다변량 분석으로 살펴보았다. 총 18회의 클러스터링을 시행하여, 각 분석 방법별로 최적의 유형 개수를 도출하였다. FPCA를 활용한 K-means 클러스터링 결과와 funHDDC를 활용한 결과를 비교하였다. 군집 유형별로 충전시간, 충전량, 충전소의 위치와 유형을 비교 분석하여 이용 패턴의 차이를 면밀히 살펴보았다. 이를 활용해 군집별로 차별화된 충전소 관리 계획을 세울 수 있으며, 추가 충전 시설 확충 시 우선순위를 결정하는 데 활용될 수 있다.;This study focused on analyzing EV(Electric Vehicle) charging behavior patterns with a functional data analysis(FDA) approach. 1-year charging data from a total of 499 charging stations in Jeju Island was used. When converting a given data into a functional data, the basis was expanded using B-spline. Charging time and charging amount were analyzed using three stages of space unit (region, dong, and charging station) and two stages of time unit (date and hour). All charging stations except for island area were analyzed. Two univariate(charging time and charging amount) and one multivariate analysis were implemented. A total of 18 clustering sessions were performed. The optimal number of types was selected by BIC. The K-means clustering results using FPCA and the results using funHDDC were compared. The difference in usage patterns was examined by comparing and analyzing charging time, charging amount, and location and type of charging stations by cluster type. Based on these clustering results, differentiated charging station management plans can be established for each cluster, and can be used to determine priorities when expanding additional charging facilities.