전력피크의 추정 및 예측에 대한 연구 · 2020-02-20 · fh~z z z 84 !"#$%&'( )* + ,-./012#345 6 5 789.:;< =>?+- @abc d ef # 65 ghi !"/89j: eklm7n1!"/34 5 ihi 89jmo

전력피크의 추정 및 예측에 대한 연구

－ 83－

에너지경제연구 제 9 권 제 2호Korean Energy Economic ReviewVolume 9, Number 2, September 2010 : pp. 83~99


1)이학노*․한진현

**․이명훈

***

요 약

전력피크 방정식의 회귀분석 결과와 분산분해분석 결과에 의하면 전력피크는 과거의

관성적인 전력사용 행태에 가장 큰 영향을 받는 것으로 분석됐다. 그리고 전력피크는

고온과 저온 및 GDP와 양의 관계를 갖고, 전기요금에 음의 관계를 가지며, 전기와 도

시가스는 대체재의 관계를 갖는 것으로 분석됐다. 단기예측 결과 2010년의 하계 전력

피크는 8월에 68,993∼69,732MW의 수준을 보일 것으로 예측되어 전력예비율은 7.4∼

8.4%수준으로 전망됐다. 이러한 전력피크에 대한 체계적인 관리를 위해서 수요관리정

책, 절전정책, 가격정책, 전력 감축 기자재 보급정책, 에너지 효율화정책, 직접부하관

리 정책 등 전통적인 기법에 기초한 수요관리정책뿐만 아니라 인센티브 기반 수요반

응, 요금제 기반 수요반응, 스마트그리드 기반 수요반응 등 시장경제원리에 기초한 수

요반응정책도 함께 추구해야 할 것이다.

주요단어 : 전력피크, 회귀분석, 분산분해, 스마트그리드, 수요반응

경제학문헌목록 주제분류 : C51, L94, Q41, Q48

* 동국대학교(서울) 경제통상학과 부교수(주저자). [email protected]

** 서울과학기술대학교 에너지정책학과 박사과정(공동저자). [email protected]

*** 명지대학교 경제학과 교수(교신저자). [email protected]

에너지경제연구 ● 제 9권 제 2호

－ 84－

Ⅰ. 서 론

전력피크는 우리나라의 기상특성상 냉․난방부하가 집중되는 여름철과 겨

울철에 주로 발생하고 있다. 에어컨 등 냉방기기 보급 초창기인 1980년까지는

겨울철 저녁시간에 전력피크가 발생했고, 1981년 처음으로 연중 피크가 여름

철 주간시간대에 발생했으며, 이후로 냉방기기 보급이 일반화되면서 1992년까

지는 대부분 여름철에 전력피크가 발생했다. 1993년에 약 10년 만에 동계피크

가 발생했으나, 다음해부터는 다시 여름철에 피크가 발생하는 패턴으로 복귀

했다. 그러나 복귀 첫해인 1994년에는 여름철 이상고온(35.6°c) 현상으로 최대

전력이 전년대비 20.7% 증가한 26,696MW를 기록하는 등 예비율이 2.8%(예

비전력 735MW)까지 떨어지는 초유의 비상사태를 맞이했다. 그 이후 지속적

인 발전공급능력의 확충으로 여름철 전력피크 수요의 증가분을 상쇄하여 안

정적인 여름철 전력계통 운영이 가능했다.

그러나 2009년 들어서는(2010.1.13) 난방용 전력수요가 확대되면서 겨울철

전력피크가 68,963MW를 기록하여 여름철 전력피크(63,212MW)를 추월했다.

지금까지 대부분 기간에서 여름철 전력피크가 겨울철 피크보다 높았으나,

2009년부터 발생한 겨울철 피크는 1993년도와 달리 여름철 피크와 5,000MW

이상 많았으며, 2010년에도 겨울철 피크 발생이 예상되는 등 겨울철 피크 발

생이 일시적인 현상으로 끝날 것 같지는 않다. 이러한 현상으로 인해 안정적

인 전력운용을 위해서는 여름철뿐만 아니라 겨울철에도 전력피크를 관리하여

야 하는 문제에 봉착하게 되었다.

이러한 현상은 피크수요만이 아니라 월간 전력수요에서도 나타나고 있다.

한국전력의 월별 전력판매량을 통하여 2007∼2009년간 우리나라의 월별 전력

소비 추이를 살펴보면 전력 최대소비의 달이 7∼8월 여름철이 아닌 12∼2월


－ 85－

의 겨울철 성수기에 속해 있음을 알 수 있다. 그리고 2009년 1월∼2010년 2월

간 월별 최대전력 수요를 보면 동계인 2009년 12월 및 2010년 1∼2월의 수요

가 하계인 2009년 8월의 최대 수요를 상회하고 있음을 알 수 있다. 한편 전력

의 수요는 전력 소비의 50% 이상을 점하고 있는 산업용 소비와 냉난방 수요

를 중심으로 한 주택용 소비로 인하여 기온 및 GDP와 밀접한 관계가 있을

것으로 보인다.

이에 본 논문은 어떤 변수들이 전력피크에 영향을 주는지 분석해보고, 이를

토대로 하계 전력피크에 대한 단기예측을 하고자 한다. 이를 위해 전력피크

회귀방정식을 설정하여 추정 및 검정을 행하고, 회귀방정식으로부터 도출되는

전력피크의 예측치를 전력피크의 실적치와 비교함으로써 추정된 회귀방정식

이 얼마나 적합한 예측력을 갖는지 분석하고자 한다. 아울러 전력피크에 영향

을 미치는 기온, GDP, 전기요금, 도시가스요금, 등유가격의 상대적 기여도를

분석할 수 있는 분산분해를 실행한다. 회귀방정식의 예측력이 충분히 확보된

후에는 설명변수가 정태적 기대를 갖는다는 가정 하에 2010년 6월∼9월까지

의 단기예측을 행하여 올해의 여름철 전력피크가 언제 그리고 얼마나 큰 값

을 갖는지 파악해보고자 한다.

마지막으로 추정 및 예측의 결과를 토대로 도출할 수 있는 정책적 시사점

을 결론 부분에 추가하고자 한다. 이에는 전통적인 수요관리기법에 의한 정책

대안과 시장경제원리에 기초한 수요반응(demand response)정책 등이 포함될

것이다.

Ⅱ. 선행연구

전력수요에 관한 예측은 기간에 따라 단기예측과 장기 예측으로 나눌 수

있고 방법론에 따라 크게 지수평활법1)(exponential smoothing)을 포함한 회귀


－ 86－

분석(regression), 신경망 이론에 의한 알고리즘 방식으로 나눌 수 있다.

김기수․류구현․송경빈(2009)은 기온특성에 대한 데이터 정제 및 지수평활

화로 제주도의 단기전력 수요를 예측하고 있다. 우암코퍼레이션(2010)에서는

공적분 회귀모형에 의하여 전기에너지 가격의 소비자 민감도를 분석하여 산

업용, 일반용 등 각 부문의 전기소비가 가격에 대하여 음(-)의 탄성치를 가지

되 비탄력적이라는 결과를 제시하고 있다. 나인강․서정환(2000)에서는 공적

분 모형을 사용하여 산업용 전력수요를 산업생산지수, 실질전력요금, 추세 등

의 요인으로 분석함으로써 가격탄력성은 음(-), 생산지수탄력성은 양(+)의 값

을 가지게 된다는 연구결과를 제시하였다. 고종민․양일권․송재주(2009)는

평균 및 시계열 분석 방법을 통하여 단기 전력소비 패턴을 예측하고 있다.

공성일․백영식․송경빈(2003)은 기온의 민감도를 고려한 수요 예측 알고리

즘을 구성함으로써 하절기 평일의 최대전력 수요를 예측하고 있다. 민준영․

조형기(1997)는 radial basis 함수네트워크를 중심으로 한 알고리즘을 적용하

여 오차율이 낮은 연구결과를 제시하고 있다. 최낙훈․손광명․이태기(2001)

는 신경회로망의 입력치와 출력치 간의 오차의 합계가 최소가 되도록 조절하

는 알고리즘을 사용하여 수요경향과 기온을 고려한 1일 최대전력 수요를 예

측하고 있다.

안대훈․송광헌․최은재(2009)는 데이터 분석을 통하여 최대전력은 GDP

성장률보다 기후변화에 더 민감하고 평균전력은 GDP 성장률에 비례하여 감

소한다는 연구결과를 제시하고 있다. 박준용, 김인무, 이상철 등(2005)은 반응

최저점(15.8℃)을 기준으로 기온이 이보다 낮은 경우 난방부하를, 기온이 이보

다 높은 경우 냉방부하를 발생한다는 전제하에 기준부하, 난방부하, 냉방부하

로 구분하여 기온에 따른 부하를 추정하고 있다.

1) 통상 최근 데이터에 더 큰 비중을 두게 됨.


－ 87－

Ⅲ. 전력피크 방정식의 추정 및 분산분해

전력피크 방정식에서 전력피크는 미시경제학의 수요이론에 근거하여 소득

변수, 가격변수, 기타 기온변수 등으로 설정하였다. 전력피크 방정식에서 설명

변수로서 가장 중요한 소득변수(경기상황의 지표인 GDP)와 기온변수를 포함

하여 기본방정식을 설정하고 그밖에 전기요금, 도시가스요금, 등유요금 등 관

련변수의 가격을 추가하여 모형규정의 강건성(robustness)을 살펴보고자 하였

다. 이는 일반적인 재화의 수요이론으로부터 도출된다고 볼 수 있다.

전력피크 방정식은 다음과 같이 식(1)로 설정된다.

(1)

여기서 는 최대전력을 나타내는 전력피크, 는 기온, 는 국내

총생산, 는 전력요금, 는 도시가스요금, 는 등유요금을 나타낸다.

기온은 고온과 저온일 때 각각 냉방과 난방 전력소비가 증가하므로 기온을

제곱한 변수를 포함시켰으며, 평균기온()를 고려하였다. 기온변수를 2차

식으로 포함시킨 이유는 고온과 저온일 때 전력소비가 증가된다는 것을 반영

하기 위해 기온변수를 포물선 형태로 변형하였기 때문이다. 그리고 냉방과 난

방을 위한 전력의 대체재로서 도시가스와 등유를 고려하여 전력요금과 더불

어 도시가스요금과 등유요금을 설명변수에 포함시켰다.

1. 이용자료

회귀방정식의 추정 및 예측에 이용된 자료는 1998년 6월부터 2010년 4월까

지의 월별 자료이다. 최대전력을 나타내는 전력피크(MW)와 전력요금(원

/kWh)은 전력거래소의 자료를 이용하였으며, 피크일 평균기온(℃)은 기상청


－ 88－

자료이다. GDP(10억)는 한국은행의 분기자료를 이용하여 전력거래소가 월별

로 편제한 자료이고, 도시가스요금(원/㎥)은 가정용은 취사, 업무용은 난방용

기준으로 한 서울지역 가중평균가격으로서 부가세는 제외된 가격이며 한국도

시가스협회로부터 획득한 자료이다. 그리고 등유요금(원/L)은 보일러 등유의

주유소가격으로서 www,opinet.co.kr의 유가통계정보 자료이다.

2. 단위근 검정

회귀방정식에 포함된 변수의 안정성을 검증하기 위해 단위근 검정을 행하

였다. 시차를 4에서 6까지 두고 행한 ADF(Augmented Dicky-Fuller) 단위근

검정의 분석결과는 <표 1>에 나타나 있다. 단위근이 있다는 귀무가설을 5%

유의수준에서 검정한 결과, 전력피크, GDP, 도시가스요금, 등유요금은 단위근

이 있는 것으로 분석되었다. 따라서 회귀방정식 (1)을 추정하는 데 있어서 이

들 변수는 차분을 취하여 사용하였다.

구분 lag 4 lag 5 lag 6

lo g () -3.6345(0.0305)

-3.1555(0.0980)

-3.3487(0.0629)

-14.1067(0.0000)

-14.3293(0.0000)

-12.1613(0.0000)

-9.2137(0.0000)

-10.4010(0.0000)

-12.2168(0.0000)

log () -3.2489(0.0794)

-3.0369(0.1262)

-3.0526(0.1222)

lo g ( )-4.1458(0.0069)

-4.9472(0.0004)

-4.8017(0.0008)

lo g ( )-2.2455(0.4604)

-2.2225(0.4730)

-2.2446(0.4609)

lo g ( )-3.5506(0.0380)

-3.3264(0.0663)

-3.2620(0.0771)

<표 1> 각 변수의 ADF 단위근 검정 결과

주: 에서 : 를 검정한 t값이고 ( )내는 한계

유의수준임. 우변의 의 시차를 4, 5, 6으로 주었음.


－ 89－

3. 전력피크 방정식의 추정

전력피크 방정식의 설명변수로서(, , , , , )

의 6변수를 이용하여 추정방정식을 다음과 같이 설정하였다.

log

log

log log

(2)

여기서 추세적 요인과 계절적 요인을 제거하기 위해 시간추세와 월 더미를

포함시켰다. 월 더미는 가 월이면 이고 가 월이 아니면

이다.

참고로 모형규정의 강건성(robustness)을 살펴보기 위해

( )의 4변수 모형과 (, , )의

3변수 모형도 함께 추정해 보았다.

식(2)를 추정한 결과는 <표 2>에 나타나 있다. 표준오차는 이분산성

(heteroscedasticity)과 자기상관(serial correlation)을 제거하기 위해 Newey-West

표준오차를 사용하였다.

추정결과 기온변수와 기온의 제곱변수의 추정계수는 모든 모형에서 1%에

서 유의적이었다. 그리고 GDP의 추정계수는 모든 모형에서 5%에서 유의적이

었다. 전력요금을 설명변수에 포함시킨 4변수 모형의 추정 결과 전력요금의

추정계수는 음의 값으로 추정되어 수요법칙이 성립하였으나 유의적이지 않았

다. 그러나 전력요금, 도시가스요금, 등유요금을 포함시킨 6변수 모형의 추정

결과, 전력요금의 추정계수는 음의 값으로 추정되어 수요법칙이 성립하였으며

10%에서 유의적이었다. 그리고 도시가스요금의 추정계수는 양의 값으로 추정


－ 90－

되었으며 5%에서 유의적이었다. 이는 도시가스가 전력의 효과적인 대체재임

을 시사하고 있다. 그러나 등유가격의 추정계수는 예상과 달리 음의 값으로

추정되었으나 유의적이지 않았다.

다음으로 모형의 적합도를 평가하기 위해 와 RMSE를 살펴보면, 6변수,

4변수, 3변수 모형에서 는 각각 0.8191, 0.8081, 0.8067이고, RMSE는 각각

0.0270, 0.0275, 0.0275로 나타났다. 이러한 실증분석 결과로부터 모든 모형에

서 모형규정의 적합성이 높게 나타났다고 판단할 수 있다. 그리고 이 중 6변

수 모형이 가장 높은 모형규정의 적합도를 보이고 있다.

설명변수 6변수 모형 4변수 모형 3변수 모형

-0.0039(0.0012)

*** -0.0037(0.0012)

*** -0.0035(0.0011)

***

0.0002(0.0000)

*** 0.0002(0.0000)

*** 0.0002(0.0001)

***

lo g ( ) 0.2019(0.0913)

** 0.1785(0.0849)

** 0.1717(0.0837)

**

lo g ( ) -1-0.1117(0.0584)

* -0.0783(0.0589)

lo g ( )-10.2220(0.0936)

**

lo g ( )-1-0.0642(0.0621)

상 수 항 0.5044(0.2466)

** 0.3644(0.2496)

0.0322(0.0079)

***

0.8191 0.8081 0.8067

RMSE 0.0270 0.0275 0.0275

<표 2> 전력피크 방정식의 추정

주 1) ***, **, *는 각각 1%, 5%, 10%에서 유의

2) ( )는 이분산성과 자기상관을 제거한 Newey-West 표준오차


－ 91－

참고로 [그림 1]은 6변수 모형의 경우 모형규정의 적합도를 그래프로 나타낸

것이다. 전력피크의 실적치(Actual)와 예측치(Fitted)가 상당히 근접한 것으로

보임으로써 와 RMSE를 함께 고려해보면 모형규정이 어느 정도 잘 되었

다고 판단할 수 있다.

-.08

-.04

.00

.04

.08

-.2

-.1

.0

.1

.2

2000 2002 2004 2006 2008

Residual Actual Fitted

[그림 1] 전력피크의 실적치와 예측치 - 6변수 모형

4. 분산분해

, log , log

, log , log

, log 의 6변

수로 VAR 모형을 이용하여 전력피크에 영향을 미치는 기온, GDP, 전기요금,

도시가스요금, 등유가격의 상대적 기여도를 분석할 수 있는 분산분해

(variance decomposition)를 행하였다. 분석의 결과, 는 13.1%,


－ 92－

log 는 9.8%, log 는 7.5%, log

는 7.4%, log 는 9.7%,

log 은 52.5%로 나타났다. 이러한 결과로 볼 때 역시 전력피크는 과거의

관성적인 전력사용 행태에 가장 큰 영향을 받는 것으로 분석되었다.

Ⅳ. 전력피크에 대한 단기예측

전력피크 방정식의 모형규정의 적합도가 확보된 이후에는 이 방정식을 이

용하여 미래에 전력피크에 대한 단기예측을 행하고자 한다. 6변수(,

, , , , )의 설명변수를 이용한 전력피크 방정식 (2)를

추정한 <표 2>의 결과를 토대로 하여 2010년 5월∼9월까지의 전력피크를 단

기적으로 예측하였다. 전력피크()의 미래의 예측치는 다음의 식(3)에서

구할 수 있다.

exp

log

log log

식(3)에서 우변의 변수의 값을 정태적 기대(static expectation)의 가정 하에

2009년 5월∼9월의 데이터의 값을 순차적으로 대입하면 2010년의 5월∼9월의

예측치를 구할 수 있다. 참고로 모형규정의 강건성(robustness)을 살펴보기

위해 4변수 모형과 3변수 모형도 함께 예측해 보았다. 전력피크의 예측치는

<표 3>에 나타나 있다.


－ 93－

<표 3> 전력피크의 예측 (단위: MW)

구분 2010년 5월 6월 7월 8월 9월

6변수 모형 58,596 64,792 67,799 69,366 65,123

4변수 모형 58,546 64,886 67,939 68,993 64,926

3변수 모형 58,644 65,095 68,322 69,732 65,760

6변수 모형의 경우 2010년의 하계 전력피크는 8월에 발생할 것으로 예측되

었으며 69,366MW의 수준을 보일 것으로 예측되었다. 2010년도 전력피크 시

최대 공급능력인 75,300MW(7,530만kW)와 비교해보면 피크 예비전력이

5,934MW(593.4만kW)의 수준이 될 것으로 판단된다. 이는 7.9%%의 예비율을

의미한다. 예비전력이 400만kW로서 예비율이 5.3% 이하로 떨어지게 되면 정

부는 비상상황으로 판단하고 있다. 따라서 전력소비에 대한 관리가 필요한 상

황으로 볼 수 있다. 4변수 모형과 3변수 모형의 경우도 2010년의 하계 전력피

크는 8월에 각각 68,993MW와 69,732MW의 수준을 보일 것으로 예측되어 전

력피크에 대한 예비율이 각각 8.4%와 7.4%로 나타났다.

V. 결론 및 시사점

전력피크 방정식의 회귀분석 결과와 분산분해분석 결과에서 보듯이 전력피

크는 과거의 관성적인 전력사용 행태에 가장 큰 영향을 받는 것으로 분석되

었다. 그리고 전력피크는 고온과 저온 및 GDP와 양의 관계를 갖고, 전기요금

에 음의 관계를 가지며, 전기와 도시가스는 대체재의 관계를 갖는 것으로 분

석되었다.


－ 94－

그리고 6변수 모형에서는 2010년의 하계 전력피크는 8월에 69,366MW의 수

준을 보일 것으로 예측되어 7.9%의 예비율로 예측되었다. 4변수 모형에서는

2010년의 하계 전력피크는 8월에 68,993MW의 수준을 보일 것으로 예측되어

8.4%의 예비율로 예측되었다. 한편 3변수 모형에서는 2010년의 하계 전력피

크는 8월에 69,732MW의 수준을 보일 것으로 예측되어 7.4%의 예비율로 예

측되었다. 예비전력이 400만kW로서 예비율이 5.3% 이하로 떨어지게 되면 정

부는 비상상황으로 판단하고 있다. 따라서 전력소비에 대한 관리가 필요한 상

황으로 볼 수 있다.

이러한 실증분석 결과를 토대로 도출되는 정책적 시사점은 다음과 같다. 관

성적인 전력사용 행태를 개선하는 방안으로서 수요반응에 따른 수요관리정책

과 절전정책을 들 수 있다. 그리고 전력피크와 전기요금간의 음의 관계로부터

전기요금 인상 정책 등 가격정책을 고려해볼 수 있다. 그리고 전기와 도시가

스간의 대체재의 관계로부터 전력 냉난방을 가스 냉난방으로 교체하는 등 전

력 감축 기자재 보급정책을 들 수 있다. 그 밖에 스마트그리드를 통한 에너지

효율화정책 및 에너지 대체정책과 직접부하관리 정책을 고려해 볼 필요가 있

다. 또한 인센티브 기반 수요반응, 요금제 기반 수요반응, 스마트그리드 기반

수요반응 등 시장경제원리에 기초한 수요반응정책도 함께 추구해야 할 것이

다.

첫째, 만성적인 전력피크 문제를 개선하기 위해서는 무엇보다 강력하고도

효율적인 수요관리정책이 요구된다. 겨울철 난방부하의 절대량과 최대전력수

요에서 난방부하가 차지하는 비율이 매년 증가하는 추세이다. 또한 여름철 냉

방기기 사용 증가로 전력수요 관리에 거의 매년 비상이 걸리고 있다. 단기적

으로는 적극적인 부하관리로 전력수요를 분산시킬 필요가 있으며, 장기적인

수요관리 대응 방법으로는 효율성 향상이다. 설치장려금을 지급하는 등 효율

이 우수한 에너지기기를 보급․확대할 필요가 있다.

둘째, 절전정책으로서 적정 실내 냉난방 온도(냉방 26℃, 난방 20℃)의 준수

를 공공건물 및 대형건물에는 의무조항으로 할 필요가 있다. 인센티브를 부여


－ 95－

하는 방법으로는 전력 수요 피크 시간대에 자율적으로 전력을 감축하는 고객

에게 일정한 자금을 지원하는 방법과 전력 감축만큼 전기료를 인하여 전력

감축에 동참하도록 하는 방법이 고려될 수 있다.

셋째, 겨울철 전기요금이 여름철 전기요금의 85%를 차지하는 ‘하고동저’의

요금체계를 개선할 필요가 있다. 그리고 전력피크 방정식의 회귀분석 결과에

서 나타났듯이 전기요금 인상은 전력피크에 음의 관계를 갖기 때문에 공공기

관 등에 대한 요금인상도 추진되어야 할 것이다.

넷째, 직접부하제어는 이상고온, 발전소 고장 등 예기치 못한 비상상황에서

전력수급에 차질이 생길 경우, 사전에 체결한 수용가의 부하를 원격으로 제어

하는 비상 수요관리제도이다. 전력피크 시에 직접부하관리를 통해 비상 전력

량을 구축하고 직접부하관리에 따른 여러 가지 지원제도를 통해서 전력 소비

자의 참여를 적극 유도하는 방법이다. 그러나 직접부하관리 정책은 전력피크

시에 고려할 수 있는 비상수단이며 단기적이라는 데 한계가 있다.

다섯째, 전력 감축 기자재 보급정책으로서 고효율 에너지기기 보급을 확대

하고 절전 전기기기 사용을 권장하여 전력 수요를 절감해야 한다. 이를 위해

서는 고효율기기 보급, 기술개발을 정책적으로 지원하고 고효율 인증 대상품

목을 확대하고 효율기준을 강화해야 한다. 그리고 전력피크 방정식의 회귀분

석 결과에서 나타났듯이 전기와 도시가스는 대체재의 관계를 보이기 때문에

전력 냉난방을 가스 냉난방으로 교체하는 사업을 들 수 있다. 그러나 가스냉

방은 설치와 운전 면에서 전기 냉난방 방식 보다 불편하고 관리가 어렵다는

단점이 있기 때문에 정부는 예산지원을 통해 가스냉방의 보급을 확대할 필요

가 있다.

마지막으로 전력공급자위주의 전통적인 수요관리정책에서 탈피하여 소비자

의 편익과 선택권을 중시하는 수요반응(demand response)정책이 필요하다.

인센티브 내지 수요관리형 요금제 기반의 수요반응 정책을 통해 소비자의 전

력수요 절약을 유도하는 차원을 넘어서 녹색기술의 핵심인 스마트그리드를

통해 전력피크를 보다 효율적으로 관리할 수 있다. 스마트그리드란 기존의 전


－ 96－

력망에 IT기술을 접목해 전력 공급자와 소비자가 상호 반응하여 전력사용․

공급정보를 교환함으로써 에너지 효율을 향상시키는 시스템이다. 전력 소비자

의 입장에서는 전기요금이 올라가는 전력피크 시기에는 수요를 줄임으로써

전기소비 분산 및 절약을 유도하는 효과를 기대할 수 있고 전력 공급자의 입

장에서는 과도한 전력시설투자 부담을 줄이는 효과2)를 기대할 수 있다. 현재

제주도에서 3,000가구를 대상으로 시범실시 되고 있는데 이를 토대로 전국적

인 차세대 전력망을 구축함으로서 전력효율을 최적화함은 물론 전력산업에

IT산업의 경쟁력을 결합시켜 새로운 수출성장산업으로 발전시켜 나가야 할

것이다.

접수일(2010년 8월 13일), 수정일(2010년 9월 23일), 게재확정일(2010년 9월 23일)

2) 지식경제부(2010)의 스마트그리드 국가로드맵에 따르면 스마트그리드의 피크전력 감축

효과는 5,817MW로 추정하고 있으며, 전력수요의 분산을 통해 피크전력을 10% 감축시

킬 것으로 예상하고 있다.


－ 97－

◎ 참 고 문 헌 ◎

고종민․양일권․송재주. 2009. “수요측 단기 전력소비패턴 예측을 위한 평균 및 시계

열 분석 방법 연구.” 전기학회논문지 58(1) : 1-6.

고종민․양일권․유인협. 2008. “수요측 전력사용량 예측을 위한 수요패턴 분석 연구.”

전기학회논문지 57(8) : 1342-1348.

공성일․백영식․송경빈. 2003. “온도민감도를 고려한 하절기 평일 최대전력수요예측.”

전자기술연구지 23 : 133-140.

김기수․류구현․송경빈. 2009. “온도특성에 대한 데이터 정제를 이용한 제주도의 단

기 전력수요예측.” 전기학회논문지 58(9) : 1695-1699.

나인강․서정환. 2000. “산업용 전력수요의 탄력성 분석.” 자원․환경경제연구 9(2) :

333-347.

민준형․조형기. 1997. “Radial Basis 함수를 이용한 동적-단기 전력수요 예측 모형의

개발.” 한국정보처리학회논문지 4(7) : 1749-1758.

박준용 외. 2005. 냉방 및 난방전력 전망모형 개발, 한국전력거래소 연구용역보고서.

안대훈․송광헌․최은재. 2009. “기후의 영향에 따른 동절기 전력수요 변화에 대한 연

구.” 조명․전기설비학회논문지 23(9) : 47-54.

우암코퍼레이션. 2010. “에너지원간 가격차를 고려한 전기에너지 가격의 소비자 민감

도 연구.” 지식경제부 연구용역보고서.

지식경제부. 2010.1.25 스마트그리드 국가로드맵 : 7-61.

최낙훈․손광명․이태기. 2001. “수요경향과 온도를 고려한 1일 최대전력 수요 예측.”

조명․전기설비학회논문지 15(6) : 35-42.

Kreith, F. and Goswami, D. Y. 2007. “Handbook of Energy Efficiency and Renewable

Energy.” CRC Press, Taylor & Francis Group : 533-553.

Banks, F. 2003. “Energy Economics: A Modern Introduction.” 2nd edition. Kluwer

Academic Publishers : 175-198.


－ 98－

US DOE. National Renewable Energty Laboratory. 2005. “A Manual for the Economic

Evaluation of Energy Efficiency and Renewable Energy Technologies.” University

Press of the pacific Honolulu, Hawaii.

McLean-Cooner, P. 2009. “Energy Efficiency: Principles and Practices.” PennWell Corporation.


－ 99－

ABSTRACT Electricity Peak Equation: Estimation and Prediction

Hak Loh Lee*and Jin-Hyun Han

**and Myung Hoon Yi

***

Regression analysis and variance decomposition on electricity peak

show that electricity peaks are mainly affected by their past behaviors,

and also show that electricity peaks are positively related with the hot

and cold weather and GDP, negatively related with electricity price.

And electricity is a substitute for city gas. According to the short run

prediction, summer electricity peak of 2010 will happen in August and

it will range from 68,993∼69,732MW, which corresponds to 7.4∼8.4%

reserve margin. The policy responses on electricity peaks will be not

only the demand management of electricity, saving electricity,

electricity price increase, but also incentive compatible demand

response, price compatible demand response, smart grid based demand

response.

Key Words : electricity peak, regression, variance decomposition, smart

grid, demand response

* Associate Professor, Department of International Economics and Trade,

Dongguk University(Seoul Campus)(Main Author). [email protected]

** Ph.D student, Department of Energy Policy, Seoul National University of

Technology(Co-Author). [email protected]

*** Professor, Department of Economics, Myongji University(Corresponding Author).

[email protected]

Documents

전력피크의 추정 및 예측에 대한 연구 · 2020-02-20 · fh~z z z 84 !"#$%&'( )* + ,-./012#345 6 5 789.:;< =>?+- @abc d ef # 65 ghi !"/89j: eklm7n1!"/34 5 ihi 89jmo