본 논문은 독일어권 국가의 90가구를 대상으로 실제 데이터를 활용하여 가정용 에너지 관리(HEM) 시스템에서 전기 자동차(EV) 충전을 최적화하는 방법을 연구했습니다. 심층 강화 학습(DRL), 규칙 기반 제어, 모델 예측 제어 등 다양한 제어 방식을 비교 분석하여, 특히 DRL 에이전트가 태양광 발전(PV) 잉여 전력을 활용하여 EV 및 배터리 저장 장치의 충전을 효율적으로 조정하는 것을 확인했습니다. 자주 발생하는 EV 충전 거래, 조기 EV 연결, PV 잉여 전력이 최적화 가능성을 높이는 요인임을 밝혔으며, 9가구의 상세 분석(1시간 해상도, 1년)을 통해 배터리 용량이 클 경우 자체 최적화가 용이하고 추가적인 알고리즘 제어의 효과가 미미하지만, 배터리 용량이 상대적으로 낮은 경우 DRL을 이용한 알고리즘 제어가 에너지 관리 및 비용 절감에 상당한 이점을 제공함을 보였습니다. 합성 가구 시뮬레이션을 통해 이러한 결과를 추가적으로 뒷받침하였으며, 최적화 가능성이 있는 프로슈머 가구는 DRL을 통해 이익을 얻을 수 있으며, 이는 전체 전력 시스템의 탈탄소화에도 기여할 수 있다는 결론을 제시했습니다.