개요
제너럴 일렉트릭 컴퍼니(GE)는 미국의 다국적 기업이다. 2020년에 GE는 미국에서 33번째로 큰 회사로서 포춘 500대 기업 중 하나이다.
GE의 사업적 이익을 위한 혁신적인 기술 개발을 위해 GE Global Research (GEGR)이 설립되었으며, 세계에서 가장 크고 다양한 산업 연구실 중 하나가 되었다. 기술을 통해 비즈니스를 개선한 GEGR은 시뮬레이션 최적화 및 운영 연구에 대한 전문 지식을 개발했습니다.
문제
GE는 전기차(EV)에 대한 의지를 밝히면서 다양한 관련 분야의 선진화 작업이 필요하게 됐다. 대부분의 기술은 여전히 발전하고 있었고 상업적으로 널리 이용되기만 했기 때문에 많은 문제들이 해결되어야 했다.
GE는 개인 사용을 위해 대규모 전기 차량을 배치하고, WattStation 전기차 충전소를 생산했으며, EV와 관련된 다른 많은 활동을 수행하고 있었지만, 회사가 답하고자 했던 핵심 질문은 다음과 같았다. 이러한 시장은 어떻게 진화할 것인가?
EV의 비교적 광범위한 사용과 서비스 및 충전 네트워크로 EV를 지원해야 하는 필요성은 GEGR이 관련 비즈니스 수요와 신기술에 대한 연구를 수행하도록 자극했다. 또한, 전력 분배 패턴과 방법에 대한 모든 변경도 GEGR의 관심사였다.
간단히 말해서, GEGR 팀은 EV 운송 및 충전 네트워크 분석을 수행함으로써 다음 질문에 대한 답을 찾기 위해 노력했다.
- EV 채택 곡선은 어떻게 생겼는가?
- 배전망에 미치는 영향은 무엇인가?
- 충전 인프라는 어떻게 발전합니까?
- 어떤 새로운 비즈니스 모델이 등장합니까?
GEGR은 고급 시뮬레이션 모델링이 이러한 질문에 답하는 데 도움이 될 수 있는지 테스트하기로 결정했습니다. 이를 위해 연구팀은 다음과 같은 시범 프로토타입을 만드는 작업을 수행했습니다.
- 새로운 비즈니스 영역에서 통찰력, 예측 및 의사 결정을 돕는 도구로서 모델링 기법을 평가합니다.
- 연구를 지원하는 데 도움이 되는 잠재적 방법 및 접근 방식 및 통합 가능성을 식별한다.
솔루션
이 EV 운송 및 충전 네트워크 분석 프로젝트를 위해 GE 글로벌 리서치는 행위자 기반 모델링 방법을 지원하기 때문에 AnyLogic 다중 방식 시뮬레이션 소프트웨어를 선택했다. 에이전트 기반 모델링을 통해 엔지니어는 EV 시장을 스스로 선택하는 개별 에이전트의 시스템으로 설명할 수 있었다. 예를 들어, 소비자들은 EV 또는 기존의 내연기관(ICE) 자동차를 구입할 것인지 개별적으로 결정할 수 있다.
에이전트 기반 시뮬레이션을 통해, 팀은 운전자가 (일반적인 홈-워크-홈 경로와 반대로) 장시간 여행을 할 때와 충전 시기와 장소를 결정해야 하는 등 적응형 운전자 행동을 모델링할 수도 있다. 또한 잠재적 EV 구매자는 소득, 통근 거리, 개인 선호도 등과 같은 변수로 인해 우선순위가 매우 다를 수 있다.
이 프로젝트를 위해 팀은 세분화된 EV 채택 모델과 충전 네트워크 시뮬레이션이라는 두 가지 프로토타입 모델을 개발했다. 에이전트 기반 모델은 AnyLogic의 Java 플랫폼을 사용하여 다양한 규칙 기반 기능과 변수를 포함시켰으며 소프트웨어의 편리한 그래픽 시각화 기능을 포함하고 있다.
세분화된 EV 채택 모델
잠재 고객 의사결정 프로세스에 대한 과거 데이터가 부족했기 때문에, GEGR 팀은 프로세스를 시뮬레이션하기로 결정하고 사례 기반 증거 추론(EBER) 접근법을 사용했다. 이것은 여러 요인들이 어떻게 사람들의 결정에 영향을 미칠 수 있는지에 대한 예측을 가능하게 했다. 이 접근 방식은 GE가 개발했으며 리스크 관리 및 경쟁력 있는 가격 책정 관련 여러 프로젝트에 사용되어 왔습니다.
Granular EV Adaptation 모델의 경우, 선호 요인은 팀이 직접 선택했습니다. 여기에는 다음이 포함됩니다.
- 차량 유틸리티(평판, 범위, 배터리 수명 등)
- 소비자 속성(통근거리, 소득, 가정용 충전기 가용성 등)
- 재무(지급 시간, 연간 비용 등)
- 위치(기후, 정부 인센티브, 인프라 등)
이 모델의 입력에는 다른 모델의 출력물(예: EV의 투자 회수 및 운영 비용을 계산한 재무 시뮬레이션)과 다양한 오픈 소스 데이터베이스의 데이터가 포함되었다.
EV 운송 네트워크 모델에서, 개인의 재정 및 위치, 입소문 및 차량 가용성과 관련된 모든 요인과 선호도는 하나의 잠재적 구매자와 일치하는 방식으로 구성되었다. 또한 에이전트가 잠재적 구매자에서 EV 또는 ICE 차량 사용자로의 전환을 추적했다. 출력은 기존의 ICE 차량보다 EV를 구매하는 잠재적 소비자의 상대적 선호였다.
채택률은 총 인구를 나타내기 위해 EV 및 ICE 차량 운전자의 수를 추적하여 정의되었다. 주어진 지리적 영역인 뉴욕 주의 경우, 이 모델은 시간 경과에 따른 채택률을 요약하였다. 결과는 우편 번호 영역별 지도 또는 차트에 표시될 수 있습니다.
충전 네트워크 시뮬레이션
시뮬레이션은 다양한 충전 네트워크 설계가 EV 드라이버의 만족도 및 충전 지점의 활용도에 미치는 영향을 테스트하기 위해 작성되었다. 이 팀은 또한 다음 질문에 대한 답을 찾고자 했습니다.
- 특정 충전 네트워크 설계를 구현하기 위한 ROI는 무엇입니까?
- 충전 지점의 잠재적인 위치는 어디입니까?
- 몇 개의 충전 지점이 필요합니까?
이전 시뮬레이션 모델의 EV 채택률에 대한 데이터를 사용하여, 팀은 GIS 매핑의 도움으로 11개의 뉴욕 주 우편 번호 지역에서 EV 사용의 프로토타입 시뮬레이션을 구축했다. 에이전트 기반 모델링을 사용하여 다른 프로젝트에서 추가로 사용할 수 있는 사용자 정의 개체 라이브러리를 만들었습니다. 각 물체에 대해 팀은 예를 들어 가구가 소유 또는 임대되고 차량 수와 운전자 수가 서로 다를 수 있도록 재산과 행동을 설정할 수 있다.
실행 시 시뮬레이션은 모델에 설정된 논리 규칙을 기반으로 운전자의 행동, 움직임 및 의사 결정을 보여 주었다. 지도에서 또는 개체의 상태 차트를 통해 각 개체의 상태가 시간에 따라 어떻게 변화하는지 관찰할 수 있었습니다. 충전 지점을 추가하거나 제거함으로써 환경을 변경하고 잠재적 EV 소유자 만족도 메트릭에 어떤 영향을 미치는지 모니터링할 수 있었다.
결과
GE 전기차 운송 및 충전 네트워크 분석 프로젝트는 시뮬레이션이 신흥 비즈니스 영역에서 예측과 계획을 수립하는 강력한 도구임을 보여주었다. 연구팀이 개발한 모델은 다음과 같은 용도로 유용했다.
- 수요를 이해하기 위한 EV 충전소 제조업체.
- 매장 소유자는 EV 충전기를 설치하면 비즈니스 수익에 어떤 영향을 미칠 수 있는지 시뮬레이션합니다.
- 충전 네트워크 운영자가 사용률을 극대화하기 위해 충전기를 어디에 배치할지를 결정하는 것.
- 투자 수익과 EV 채택률을 극대화할 충전기 네트워크 설계를 결정하는 도시 계획자.
GE 연구팀은 AnyLogic 소프트웨어를 통해 의사결정 능력을 가진 에이전트를 포함한 수많은 실체와 함께 정교한 모델을 구축할 수 있었다. 이 모델들은 AnyLogic의 다중 방법 모델링 가능성과 내장된 그래픽 시각화 기능을 이용했다.