참여연구진

< 요약 > 1. 연구필요성및목적 1990년대까지한국의에너지소비는빠르게증가하였다. 지속적이고높은경제성장률은이러한에너지소비증가를대부분설명하고있다. 그러나 2000년대들어경제성장률이둔화되고산업구조도에너지저소비형으로점차전화됨에따라에너지소비증가율도크게낮아졌으며이에따라에너지소비변화에서기온변화로설명되는부분이점차확대되는모습을보이고있다. 이를뒷받침하는사례로 2004 년에서 2008년까지경제성장률과에너지소비증가율을들수있다. 이기간중경제성장률과에너지소비증가율은서로반대방향의움직임을보였다. 즉, 경제성장률이상승하면에너지소비증가율은하락하고반대로경제성장률이하락하면에너지소비증가율은상승하는모습을보였다. 물론경제성장률과에너지소비증가율이서로반대되는움직임을보인현상은 1990년대에도발생하였다. 그러나 1990 년대에는대부분산업부문에너지소비변화에의해발생한현상이었던반면 2000년대에는주로가정 상업부문때문이라는점에서차이가있다. 경제변수와는달리기온변수는예측이쉽지않아기온변화가에너지소비변동을초래하는주요요인으로작용하는경우에너지수급분석이나전망에더욱주의가필요하다. 본연구는이러한배경하에에너지소비변동에기온이어느정도영향을미쳤는지분석한다. 또한에너지소비에대한기온의효과를보다정확하게분석하기위하여

기온변수로현재이용하고있는냉방도일과난방도일을개선할수있는방안에대해서도분석해본다. 또한 2011년발생한정전사태가기본적으로는수요예측의실패로인하여발생하였지만이상고온과같은기온변화의영향도무시할수없다. 이러한점을고려하여기온과최대전력수요사이에는어떤관계가있는지시간대별자료를이용하여분석을시도한다. 이러한과정을통하여최대전력수요에대해보다정확한예측이가능한모형을개발할수있을것이다. 2. 내용요약 본연구에서는기온변화가에너지소비변동에어느정도영향을주었는지분석하기위하여에너지수요함수를설정하고추정하였다. 추정된계수를이용하여총에너지소비변화량에서기온변화에의한변화량을추정한결과 1990년대에비하여 2000년대에기온변화의영향이더컸던것으로분석되었다. 기온변화의영향이가장크게나타난 2005년을보면총에너지소비는전년대비 8,384천 TOE 증가하였는데그가운데 5,406천 TOE가기온변화로인해발생한변화량으로추정되어기온변화가총에너지소비변화의 64.5% 를설명하였다. 그리고기온변화의영향을제거할경우경제성장률과총에너지소비증가율의동행성이크게높아지는것으로나타났다. 에너지수요함수를추정할때기온을대표하는변수로냉방도일과난방도일을이용하였다. 현재냉방도일과난방도일을추정할때기준온도로 18 를적용하는데본연구에서는기준온도를변화시켜냉방

도일과난방도일을계산하고이를추정에활용하였다. 그결과냉방도일과난방도일추정계수는크기만변하였을뿐모형의설명력을개선하지는못하는것으로나타났다. 이러한결과가나타난것은기준온도를변화시킨냉방도일과난방도일이기준온도 18 를적용한냉방도일과난방도일에비하여크기에서만차이가발생하였을뿐추이는거의일치하였기때문이다. 에너지수요를분석하거나전망할때현재의냉방도일과난방도일을적용해도큰문제가없음을시사해준다. 본연구에서는최대전력수요와기온과의관계도분석하였다. 과거최대전력수요는주로하절기에발생하였으나최근에는동절기에빈번하게발생하고있다. 난방용전력수요가크게증가하였기때문이다. 하절기최대전력수요를추정한결과온도변수만으로충분히하절기전력수요를파악할수있는것으로보이며, 습도까지고려한불쾌지수를굳이사용할이유는없는것으로판단되었다. 최근하절기와동절기전력수요를 Hodrick-Prescott 필터링에의해추세변동과순환변동을분해해본결과, 온도에대한반응폭이확대되고있는것으로관찰되었다. 소득수준이향상됨에따라냉난방기기보급이확대된영향도작용한것으로보인다. 3. 연구결과및정책제언 기온변화가에너지수요에미치는영향이 2000년대들어더욱확대되고있는것으로나타나고있다. 본연구의추정에의하면 2005년총에너지소비는전년보다 5,406천 TOE 증가하였는데그가운데 64.5% 가기온변화의영향으로인한것이었다. 에너지소비변화에

소득이나가격과같은경제변수보다기온변수의영향이더큰것으로나타났다. 2010년의경우에도기온변화가총에너지소비변화의 32.6% 를설명하는것으로추정되고있다. 그리고시간대별전력수요를분석해보면기온에대한반응이더욱확대되고있는것으로나타나고있다. 이처럼기온이에너지소비에미치는영향이경제변수의변화못지않게크다는사실은기온의예측이쉽지않다는점에서향후에너지수급분석및전망의예측오류가확대될가능성이높다는것을시사한다. 이러한문제를해결하기위해서는기온변화가에너지수요에미치는영향을보다정확히분석하기위한노력이강화되어야할것이다. 또한온실가스배출증가로기상이변현상이빈번하게발생하고있으므로기온과관련된다양한시나리오하에서에너지수요를예측하고적절한수급안정대책을수립해야할것이다.

ABSTRACT 1. Purpose of the study Energy consumption in Korea sharply rose up until the 1990s. Continued, high economic growth is mainly attributable for this consumption increase. With the advent of the 2000s, however, the nation's economic growth slowed down and its industrial structure steadily shifted into a low energy-consuming structure, resulting in a substantial drop in the level of increase in energy consumption. Changes in energy consumption are steadily becoming more attributable to temperature changes. This fact is supported by the economic growth rate and the rise in energy consumption from 2004 through 2008. During this period, the economic growth rate and the rate of increase in energy consumption moved in opposite directions. In other words, the level of increase in energy consumption dropped when the economic growth rate went up, while it rose when the economic growth rate declined. The economic growth rate and the rate of increase in energy consumption moved in opposite directions in the 1990s as well. However, this was mainly owing to changes in energy consumption in the industrial sector in the 1990s. What is different in the 2000s is that this is mainly attributable to the housing and commercial sectors. Unlike economic variables, it is not easy to forecast temperature

variables. For this reason, there is a need to pay greater heed to energy supply and demand analysis and forecasts when temperature changes serve as the major cause of fluctuations in energy consumption. With this factor in consideration, this research analyzes how much influence temperatures had on energy consumption changes. It also analyzes improvement measures for cooling degree days and heating degree days, which are currently used as temperature variables, for more accurate analysis of temperature's influence on energy consumption. The blackout in 2011 was basically because of a failure in demand forecasting, but influence from temperature changes, such as abnormally high temperatures, cannot be ignored. With this factor in mind, this research attempts to analyze what kind of relationship there is between temperature and peak demand by using data for different time zones. This process would enable the development of a model that allows more accurate forecasts on peak demand. 2. Summary of the study In this research, energy demand functions were set and estimated to analyze how much effect temperature changes had on energy consumption changes. The estimated coefficients were used to assess how much temperature changes were attributable for changes in primary energy consumption. It was analyzed that temperature

changes had greater influence in the 2000s compared to the 1990s. Temperature changes had the largest influence in 2005, when primary energy consumption indicated year-on-year growth of 8,384,000 TOE, of which 5,406,000 TOE is estimated to be an outcome of temperature changes. This means that temperature changes accounted for 64.5% of changes in primary energy consumption. It was also found that removal of influence by temperature changes substantially contributes to the economic growth rate and primary energy consumption increase rate flowing in the same direction. When estimating energy demand functions, cooling degree days and heating degree days were used as temperature variables. At present, the base temperature that is applied when estimating cooling degree days and heating degree days is 18. This research changed the base temperature to determine the cooling degree day and heating degree day and used it for estimations. As a result, it was indicated that the estimated coefficients of the cooling degree day and heating degree day changed only in their size and did not improve the explanatory adequacy of the model. This resulted because the cooling degree day and heating degree day with a changed base temperature only differed in size with the cooling degree day and heating degree day that applied a base temperature of 18, and changes were almost the same. This implies that there is no big issue when applying the current cooling degree day and heating degree day

when analyzing or forecasting energy demand. This research also analyzed the relationship between peak demand and temperature. In the past, peak demand mainly took place in the summer, but has recently been frequently occurring in the winter. This is owing to a substantial rise in electricity demand for heating. Estimations on peak demand in the summer indicate that summer electricity demand can be ascertained by temperature variables alone. There is no need to use the discomfort index that considers humidity. Hodrick-Prescott filtering was used to analyze trend variation and cyclical variation in recent summer and winter electricity demand. It was observed that the range of response towards temperature is widening. Increased dissemination of cooling and heating apparatuses, in tandem with improvements in income levels, is also having influence. 3. Result and policy suggestions Temperature changes have been influencing energy demand by a greater degree in the 2000s. According to estimations made in this research, primary energy consumption in 2005 recorded a year-on-year rise of 5,406,000 TOE, of which 64.5% was attributable to influence from temperature changes. Temperature variables have a higher influence on energy consumption changes than such economic

variables as income and price. It is estimated that temperature changes accounted for 32.6% of primary energy consumption changes in 2010. An analysis of electricity demand for different time zones indicates that there is greater response to temperature. The level of influence that temperature has on energy consumption is as big as the degree of influence of changes in economic variables. This translates into a higher possibility of greater error in energy supply/demand analyses and forecasts in that forecasting temperature is not easy. To address this issue, increased efforts should be made to more accurately analyze the influence that temperature changes have on energy demand. In addition, there are frequent abnormal weather changes owing to a rise in greenhouse gas emissions. As such, various scenarios related to temperature should be used to forecast energy demand and formulate appropriate measures to stabilize energy supply and demand.

제목차례 1 1 2 4 1. 4 2. 6 3. 12 3 20 1. 20 2. 21 3. 35 4 42 1. 42. 42. 44 2. 46. 46. 52. 62. 76

5 90 93

표차례 < 3-1> (1) 25 < 3-2> (2) 26 < 3-3> (1) 30 < 3-4> (2) 31 < 3-5> 32 < 3-6> (1) 34 < 3-7> (2) 35 < 4-1> 48 < 4-2> GARCH MAPE 49 < 4-3> GARCH(1,7) 49 < 4-4> 57 < 4-5> 59 < 4-6> CDD (GARCH(5,7) ) 60 < 4-7> 68 < 4-8> 70 < 4-9> 71 < 4-10> 74 < 4-11> 81

< 4-12> GARCH(1,1) (obs=30126) 84 < 4-13> (obs=1253) 86 < 4-14> (obs=1253) 88

그림차례 [ 2-1] 4 [ 2-2] 6 [ 2-3] 9 [ 2-4] 11 [ 2-5] 11 [ 2-6] (obs.=94,224) 13 [ 2-7] 13 [ 2-8] 14 [ 2-9] 15 [ 2-10] 16 [ 2-11] 17 [ 2-12] (2002.1.1~2012.6.30) 17 [ 2-13] Hodrick-Prescott 19 [ 3-1] 28 [ 3-2] 29 [ 3-3] 37 [ 3-4] 38 [ 3-5] 1 39 [ 3-6] 40

[ 3-7] 41 [ 4-1] 47 [ 4-2] GARCH(1,7) 51 [ 4-3] 52 [ 4-4] 53 [ 4-5] Hodrick-Prescott 54 [ 4-6] (2002 ~2005 ) 55 [ 4-7] (2006 ~2009 ) 56 [ 4-8] (2010 ~2011 ) 56 [ 4-9] (CDD =20 ) 62 [ 4-10] (obs=1250) 63 [ 4-11] HP 64 [ 4-12] 65 [ 4-13] (dayelecmax/ dayelec) 66 [ 4-14] CDD18, CDD20, CDD21 67 [ 4-15] 69 [ 4-16] 70 [ 4-17] 73 [ 4-18] 74 [ 4-19] (obs=30216) 76

[ 4-20] Hodrick-Prescott 77 [ 4-21] Hodrick-Prescott 78 [ 4-22] (2002~2005 ) 79 [ 4-23] (2006~2009 ) 79 [ 4-24] (2010~2011 ) 80 [ 4-25] (obs=30216) 81 [ 4-26] ( ) 82 [ 4-27] ( ) 83 [ 4-28] 85 [ 4-29] 87 [ 4-30] 87 [ 4-31] 89

제 1 장서론 에너지수요에영향을미치는변수는다양하다. 경제변수로는소득, 생산, 가격등이대표적이다. 경제변수외에에너지수요에영향을크게주는변수는바로기온이다. 우리나라처럼 4 계절구분이뚜렷한경우에는냉방용및난방용에너지수요가에너지소비에미치는영향이매우크다. 특히동절기에너지소비가연간에너지소비에서차지하는비중이매우높아난방용에너지수요가매우큰것으로나타나고있다. 기온이에너지수요에미치는영향이매우큼에도불구하고 1990년대까지는에너지소비의주요결정요인으로주목을크게받지못했다. 경제가지속적으로높은성장을유지함에따라에너지소비도매년큰폭으로증가하였기때문이다. 이러한에너지소비변화는대부분생산이나소득의증가로설명이가능하였다. 물론석유파동시기나외환위기시기그리고국제금융시장위기를경험하였던시기에는에너지소비증가율이크게둔화되거나전년보다소비가감소하는모습을보이기도하였지만, 1960년대이후대부분의기간동안에너지소비는큰폭으로증가하였다. 특히경제가에너지다소비업종주도로성장하게됨에따라에너지소비증가율이경제성장률을추월하였던해도자주발생하였다. 이처럼에너지소비변동이경제변화의영향을크게받던시기에는기온의변화가초래하는에너지소비변동성이크게주목을받지

못하였다. 그러나 2000년대들어잠재성장률하락에따라경제성장률이크게둔화됨에따라에너지소비증가율도크게둔화되는모습을보이고있다. 과거에비하여상대적으로에너지저소비형으로산업구조가변함에따라에너지소비증가율이오히려경제성장률을하회하는구조로변하였다. 반면에기온이에너지소비에미치는영향은과거와큰차이가없어에너지소비변동에서기온의변화가미치는영향의비중이더욱커지게되었다. 소득수준이증가함에따라냉방및난방기기보급이확대된것도에너지소비변동에기온의영향이더커지게한요인으로판단된다. 기온변화가에너지소비변동에미치는영향이매우크고또경제에큰충격을줄수있다고인식된것이 2011년 9월에발생한전국단위의정전사고이다. 9월에기상이변으로갑자기기온이크게상승하면서전력수요가급증함에따라불가피하게전국적인정전이발생하였다. 물론정전사태를예기치못한것이기온상승때문만으로볼수는없다. 과거 10여년간수요예측의실패로충분한설비가도입되지못하였고또한 2000년대중후반이후석유화학이나철강과같은에너지다소비업종의신규설비도입이크게증가하여전력소비가급증한것이더큰영향을주었을수도있다. 온실가스배출증가로지구의기상이변이매우빈번하게발생하고있다. 한반도의경우도예외가아니다. 예상하지못한혹서나혹한이언제든지발생할수있다. 그런데기온변화현상은결국에너지수요에영향을줄것이고이러한변화에제대로대처하지못하는경우공급부족에따라전년의정전사고와같은문제가언제든지발생할수있다. 본연구에서는기온의변화가에너지소비에미치는영향을분석

한다. 2000년대들어총에너지소비증가율이경제성장률과서로반대방향으로변한경우가절반정도되는것으로나타나고있다. 즉, 경제성장률은상승하였는데에너지소비증가율은둔화되고반대로경제성장률이둔화되었는데에너지소비증가율이상승하는경우가매우빈번하게발생하고있다. 이러한변화에가장큰영향을미친것이기온의변화이다. 본연구는기온변화가에너지수요에미치는영향을크게두가지로구분하여분석을시도한다. 하나는기온변화가냉방용및난방용에너지소비에영향을미쳐궁극적으로는총에너지소비에어떤영향을주었는지분석하는것이다. 또한 2011년정전사태를반영하여기온변화가전력최대수요에는어떤영향을주었는지도분석한다. 이러한분석을통해향후에너지수요전망의예측력을제고하고이를통해에너지수급의안정성을높이는것이본연구의목적이다. 이를위해본연구는다음과같이구성된다. 서론에이어제2장에서는한국의에너지수급추이를분석하고기온변화와는어떤관계를보이는지분석한다. 기온과총에너지소비와의관계는물론기온과전력최대수요사이의변화를함께분석한다. 제3장에서는기온변화가총에너지소비변동성에어떤영향을주었는지간단한모형을이용하여추정하고, 기온변화에따른에너지소비변동성을제거할경우경제성장률과총에너지소비증가율사이의동행성에어떤변화가발생하는지보기로한다. 제4장에서는기온변화와전력최대수요사이의관계를시간대별자료를이용하여분석한다. 마지막으로제5장에서는연구의주요내용을요약하고정책적시사점을제시하며, 본연구의한계와향후개선방향에대해언급한다.

제 2 장한국의에너지소비 1. 경제성장과에너지소비 한국의총에너지소비는 1990년대후반까지빠르게증가하였다. 1980년대총에너지소비는연평균 7.8% 의높은증가세를기록하였을뿐만아니라증가율도상승하는추세를보였다. [ 그림 2-1] 에서볼수있듯이 1990년대에들어서는총에너지소비증가율이둔화되는추세를보였으나여전히연평균 7.5% 의높은증가율을유지하였다. [ 2-1] ( 단위 : 천 TOE, %) 300,000 250,000 200,000 150,000 100,000 50,000 20.0 15.0 10.0 5.0 0.0 5.0 0 10.0 1980 1985 1990 1995 2000 2005 2010

2000년대들어서총에너지소비는증가세가더욱둔화되어 2000년에서 2010년까지의총에너지소비의연평균증가율은 3.1% 로 1990년대의절반에도미치지못하였다. 2007년에서 2009년기간에는총에너지소비증가율이 1% 대에불과하여증가율둔화추세가더욱가속되는모습을보였다. 이처럼한국의총에너지소비증가율이매우큰변화를보인것은경제성장과밀접한관련을갖는다. 에너지다소비업종인철강, 석유화학등중화학공업이경제성장을주도하면서높은성장을지속하던 1990년대까지는에너지소비가크게증가한반면, 2000년대들어서는경제성장률이둔화되고산업구조도상대적으로에너지저소비업종인 IT 업종의비중이확대되는추이를보임에따라에너지소비증가율이크게둔화되었다. [ 그림 2-2] 는 1982년이후경제성장률과총에너지소비증가율의추이를나타낸것이다. 그림을통해알수있듯이경제성장률과총에너지소비증가율은일부기간을제외하고는대부분동행하는모습을보인다. 즉, 경제성장률이상승하면총에너지소비증가율도높아지고, 반대로경제성장률이하락하면총에너지소비증가율도낮아지는모습을보인다. 그림에서나타나는특징의하나는 1980년대에는경제성장률에비하여총에너지소비증가율이낮았으나, 1990년대에는총에너지소비증가율이오히려경제성장률보다높았다는점이다. 이러한현상은 2000년대들어다시역전되어대부분의기간에서경제성장률이총에너지소비증가율을상회하는것으로나타났다. 1990년대에총에너지소비증가율이경제성장률을추월한것은철강및석유화학등에너지

다소비업종이크게신장하였기때문이다. [ 2-2] ( 단위 : %) 20.0 15.0 10.0 5.0 0.0 5.0 1982 1985 1988 1991 1994 1997 2000 2003 2006 2009 10.0 GDP 2. 기온과에너지소비 앞서 [ 그림 2-2] 를통해대부분의기간에서경제성장률과총에너지소비증가율이서로같은방향으로움직이는높은정의상관관계를보이고있지만일부기간에는서로반대되는움직임을보이고있음을알수있다. 구체적으로보면 1991년에서 1994년까지의기간과 2004 년에서 2008년까지의기간에는경제성장률이전년보다상승하면총에너지소비증가율은오히려하락하고, 경제성장률이하락하면총에너지소비증가율은상승하는즉, 경제성장률과총에너지소비증가율이서로반대방향으로움직이고있음을알수있다.

이러한현상을발생시킨원인이무엇인지보기위해두기간에대해좀더구체적으로살펴보자. 먼저 1991년에서 1994년기간을보면, 경제성장률은 1991년 9.7% 에서 1992년에는 5.8% 로크게낮아졌으나, 총에너지소비증가율은오히려 11.2% 에서 12.0% 로상승하였다. 반면 1993년과 1994년에는경제성장률이지속적으로상승하였지만총에너지소비증가율은오히려계속하락하고있다. 이처럼경제성장률과총에너지소비증가율이서로상반된움직임을보인것은에너지를가장많이소비하는산업부문에너지소비변화의영향이크게작용한결과다. 1992년경제성장률하락에도불구하고총에너지소비증가율이상승한것은최종에너지소비의 50% 이상을점유하는산업부문의에너지소비증가율이전년대비 18.4% 라는높은증가율을기록하였기때문이다. 1993년과 1994년의경우에는경제성장률상승에도불구하고산업부문의에너지소비증가율이지속적으로하락하여총에너지소비증가율도하락하였던것으로판단된다. 1) 2004년에서 2008년까지의기간을보자. 2005년은경제성장률이전년보다 0.6%p 하락한 4.0% 를기록하였으나총에너지소비증가율은 3.8% 로전년보다오히려 1.4%p나상승하였다. 그런데 2005년에산업부문의에너지소비가 1.5% 증가하는데그쳐전년보다 0.9%p 낮아진것을고려하면총에너지소비증가에대한산업부문의기여가크지않았음을알수있다. 오히려가정 상업부문의에너지소비가 2005 년에전년대비 5.9% 의높은증가율을기록하여총에너지소비증가를주도한것으로나타났다. 2006년은경제성장률이전년보다 1.2%p 높아진 5.2% 를기록하였으나총에너지소비증가율은 2.1% 로오히려 1) 1993 년산업부문의에너지소비증가율이낮아진것은전년의높은증가에따른상대적영향도크게작용한것으로판단된다.

1.7%p나하락하였다. 산업부문의에너지소비증가율이전년보다높아졌으나, 가정 상업부문과공공 기타부문의에너지소비가감소하여경제성장률과는달리총에너지소비증가율이하락한것으로보인다. 2) 이처럼 2000년대중반에경제성장률과총에너지소비증가율이서로다른방향으로변한것은 1990년대와는달리주로가정 상업부문과공공 기타부문의에너지소비변화영향이크게작용한결과이다. 그런데가정 상업부문과공공 기타부문은산업이나수송부문과는달리에너지소비에서냉방용과난방용소비의비중이높은부문으로결국두부문의에너지소비가크게변한것은기온변화의영향이반영된결과로보인다. 2005년의경우가정 상업부문과공공 기타부문의에너지소비증가율이각각 5.9% 와 13.2% 로높게나타난것은 2005년동절기이상한파의영향으로난방도일이전년대비 17.1% 증가하여난방용에너지수요가급증한데따른결과로보인다. 2006년은난방도일이전년대비 12.6% 감소함에따라가정 상업부문의에너지소비는전년대비 2.4% 감소하였고공공 기타부문의소비는 5.7% 감소하였다. 3) 경제성장률이전년보다상승하여산업부문의에너지소비증가율이높아졌지만가정 상업부문과공공 기타부문의에너지소비는감소하여총에너지소비증가율이오히려낮아지는결과를초래한것으로볼수있다. 2) 2006 년가정 상업부문의에너지소비가전년보다감소한것은전년급증에대한기저효과가반영된결과로볼수있다. 3) 1981 년에서 2011 년까지 30 여년간의평균난방도일과비교하면 2005 년은높고 2006 년은낮은것으로나타났다.([ 그림 2-5] 를참조 )

[ 그림 2-3] 은가정 상업부문의연간에너지소비대비 7월과 8월의에너지소비비중과 1월과 12월의에너지소비비중을나타낸다. 그림을통해동절기의에너지소비가하절기에비하여크게높음을알수있다. 1월과 12월의에너지소비비중은다소의등락은보이나 25% 에서 30% 사이로나타난다. 하절기인 7월과 8월의소비비중은 1991년에는 7.5% 에그쳤으나이후상승추세를보이고있으며 2004 년이후에는 10% 이상에서완만한상승세를보이고있다. 하절기에너지소비비중이지속적으로높아지는모습을보이는것은소득수준이증가함에따라에어컨등냉방용가전기기의보급이확대되면서냉방용에너지소비가상대적으로빠르게증가하고있기때문이다. [ 2-3] ( 단위 : %) 40.0 35.0 30.0 25.0 20.0 15.0 10.0 5.0 0.0 1991 1993 1995 1997 1999 2001 2003 2005 2007 2009 2011 7 8 1 12 가정 상업부문의동절기와하절기에너지소비비중추이에서

하절기의비중은지속적으로높아지는추세를보이고있는반면동절기의비중은뚜렷하게상승하는모습을보이지않고있는데이는냉방도일과난방도일의추이를통해서판단할수있다. [ 그림 2-4] 와 [ 그림 2-5] 는 1981년이후연간난방도일과냉방도일추이를보여준다. 4) 그림에서실선은전체기간의평균난방도일과냉방도일을의미한다. 먼저난방도일을보자. 난방도일이평균 (2,711.3) 보다높았던시기를보면 1981~1990년기간에 7번, 1991~2000년기간은 5번그리고 2001~2010년기간에는 3번으로시간이지남에따라평균난방도일을초과하는기간이감소하는것으로나타나고있다. 그러나이처럼평균난방도일을초과하는빈도가최근으로오면서점차감소하는추세를보이고있지만전반적으로난방도일이뚜렷이감소하고있다고보기는어렵다. 반면에냉방도일은평균냉방도일 (730.3) 과비교할때 1981~1990 년기간에는평균냉방도일을초과한해가한번도없었고, 1991~ 2000년기간에는 6번그리고 2001~2010년기간은 7번으로시간이지남에따라평균냉방도일을초과하는해가증가하고있고냉방도일이완만하게나마증가하는모습을보이고있다. 4) 본연구에서이용한냉방도일과난방도일자료는서울지역의일평균기온을적용하여구하였다. 중단기에너지수요전망기법개선연구 (2011) 에서는인구를가중치로전국가중평균냉난방도일을구하였는데두방식으로계산한결과에큰차이는없는것으로보인다.

[ 2-4] 3500 3000 2500 2000 1500 1000 500 0 1981 1984 1987 1990 1993 1996 1999 2002 2005 2008 2011 [ 2-5] 1000 900 800 700 600 500 400 300 200 100 0 1981 1984 1987 1990 1993 1996 1999 2002 2005 2008 2011

난방도일이뚜렷한감소세를보이지않고있는반면, 냉방도일은완만하지만증가세를보이고있는것으로나타나는데, 앞서가정 상업부문의하절기 (7월과 8월 ) 에너지소비비중이지속적으로상승하는추세를보이는것은냉방도일이완만하지만증가세를보이고있고, 여기에소득향상으로인해에어컨등냉방용가전기기보급이확대됨으로써나타난현상으로판단된다. 5) 3. 기온과시간대별전력수요 [ 그림 2-6] 은일별시간대별최대전력수요와최대수요가발생하는시점의온도에대한분포를보여준다. 그림을통해알수있듯이약 20 를기준으로기온이상승하거나하락하면서최대전력수요가증가하는것으로나타나고있다. 일별시간대별최대전력수요가발생하는시간대의분포를살펴보면, 오후 3시대 (19.59%), 저녁 11시대 (19.66%) 가가장높으며, 이어서, 저녁 7시대 (10.29%) 인것으로나타났다. 저녁시간대인 7시부터 9시대까지는약 23% 에해당되는발생빈도를보였고, 오전 11시와 12시대도총 17.7% 정도의발생빈도를보였다. 5) 1981~2011 년기간동안난방도일은연평균 0.2% 로감소하였고, 냉방도일은연평균 1.4% 로증가하였다. 그러나비교시점을어떻게정하는가에따라연평균변화율에차이가발생하므로연평균변화율을통해난방도일은감소추세에있고냉방도일은증가추세에있다고판단하기는어려울것으로보인다.

[ 2-6] (obs.=94,224) [ 2-7]

일별최대전력수요를동절기와하절기로구분해서보도록하자. 먼저 [ 그림 2-8] 과 [ 그림 2-9] 를통해동절기 (11월 ~2월 ) 에대해보면최대전력수요는대부분영상 5 이하에서집중적으로발생하고최대전력수요와온도사이에는부의상관관계가있는것을알수있다. [ 2-8]

[ 2-9] 하절기의최대전력수요를보자. 2002년 1월 1일부터 2012년 6월 30일까지기간중하절기의일별시간대별최대전력수요 ( 총관측일 1,250일 ) 는대부분 25 이상에서발생하는것으로나타났다. [ 그림 2-10] 은하절기최대전력수요와기온사이에는정의상관관계가있음을보여준다.

[ 2-10] [ 그림 2-11] 을통해 6월 ~9월의하절기동안일별최대전력수요가발생하는시간대별분포를살펴보면, 약 50% 가오후 3시대에몰려있으며, 오후 12시 (18.16%), 저녁 9시 (13.52%), 저녁 8시 (10.24%) 의순으로발생하는것으로나타났다. 하절기기온이최고로높은시간대와일과후의시간대에전력최대수요가발생하고있음을보여준다.

[ 2-11] [ 2-12] (2002.1.1~2012.6.30) [ 그림 2-12] 는 2002 년이후시간대별전력수요의추세를보여주는데, 2002 년부터지속적으로증가하고있고순환적으로변동하고있음을

알수있다. 이와같이장기적으로증가하는전력수요를추세 (trend) 와순환변동 (cycle) 으로분해하여살펴보면다음과같다. 대부분의경제변수와마찬가지로, 전력수요도장기적으로추세를갖는증가요인을포함하고있기때문에, 시계열이비정상성 (nonstationary) 문제를갖게된다. 이와같은비정상성은과대추정과회귀분석의경우가성회귀 (spurious regression) 의문제를초래하게되므로추세와순환변동을분리하는방법중의하나로, Hodrick-Prescott(HP) 필터링을적용한다. HP필터링은시계열에서장기추세치를제거하는방법론으로서, Hodrick and Prescott(1997) 에의해개발된후특히경기변동론에서자주활용되고있다. 시계열변수 를장기적인증가요인 (growth component) 인 와단기적인순환변동 (cycle component) 요인인 로분해할수있다., (1) Hodrick and Prescott 는최적추세를탐색하기위하여 (2) 와같은최 적화문제를제시하였는데, 이는장기추세로서의이탈에대하여일종 의패널티 가주어질때, 이를최소화하는문제로이해할수있다. (2) HP 필터링결과, 추세선을보면가파르게증가하는것을알수있는데,

여기에는경제활동의증가외에도 2000년대들어서이른바전화현상 (electrification) 에의한전력수요상승도상당히이루어진것으로보인다. 전력수요의순환변동은계절변동의영향을주로받는데, [ 그림 2-13] 을통해확인할수있다. 그림에서횡축은시간을, 종축은전력수요를나타낸다. 순환변동을보면그진폭이갈수록확대되는것을알수있다. 순환변동의진폭확대는기상요인등에의한계절요인에대한반응이큰폭으로나타나기때문인것으로판단되는데, 가전제품의보급확대및대형화와신제품의개발등도영향을미쳤을것으로판단된다. [ 2-13] Hodrick-Prescott ( ) ( ) 1990년대와 2000년대에지속적으로제품의에너지효율이개선되고있지만, 리바운드효과 (rebound effect) 로인해전력수요는줄지않고증가할수도있으며, 이는다시최대전력이발생하는데어느정도기여한것으로보인다.

제 3 장기온의에너지소비에대한영향분석 1. 기존연구사례 기온변화가에너지소비에어떤영향을미쳤는지를분석한연구는다수존재한다. 해외연구를보면 Eskeland (2010) 는 31개국의패널자료를이용하여유럽의전력소비와기온그리고기타요인사이의관계를실증분석하였다. 주택용전력소비함수를설정하여추정하였고기온변수로는냉난방도일을이용하였다. Enrica (2007) 역시 1978년에서 2000년까지 31개국가의패널자료를이용하여기온변화가에너지수요에미치는영향을분석하였다. Arellano-Bond method 6) 를통해 1단계에서는나라를두그룹 (HOT vs COLD) 으로나누어기온에따른전력수요의반응을살펴본다음, 이두지역에서가스, 석유, 석탄의수요에영향을미치는요인에대해분석하였다. 2단계에서는소득상호작용모형 (income interaction model) 을이용하여국가별소득탄력변수를사용하여전력수요의반응과두지역그룹에대한가스, 석유, 석탄수요의영향에대해분석하였다. 기온변수로는연평균기온을사용하였으며최소자승법 (OLS) 을이용하여추정하였다. Mansur (2008) 은연료선택모형을사용하여연료선택에따라에너지 6) GMM 을발전시킨방법으로시차종속변수를도구변수로서사용하며, 특히국가별패널을다룰때누락변수로인한편의 (bias) 의위험을줄이는역할을하기때문에매우효율적인방법이라할수있다.

수요가기후변화에얼마나민감하게반응하는가를연구하였다. 1단계에서는다항로짓모형을이용하여소비자의연료선택에분석하였고 2단계에서선택된연료하에에너지소비량에대한기온의영향을분석하였다. 국내연구를살펴보면성균관대계량경제학연구센터 (2008) 에서는기온분포함수와기온반응함수라는개념을도입하여기온변화의에너지소비에대한영향을분석하였다 (SKKU모형). 기온분포함수는주어진기간동안특정기온이얼마나자주발생하였는지의상대빈도 (relative frequency) 를평활화 (smoothing) 한함수이고기온반응함수는비선형적기온효과를추정하기위하여전력수요가각온도에서반응하는민감도를나타내는함수이다. 에너지경제연구원 (2011) 은냉방도일과난방도일을이용하여기온변화가에너지소비에미치는영향을분석하였다. 회귀모형을이용하여냉방도일과난방도일의에너지소비에대한한계효과를추정한다음이를이용하여과거 20년간의평균냉난방도일과냉난방도일실적치와의차이를구하고이를통하여기온변화에따른에너지소비변화량을연도별로추정하였다. 2. 에너지수요함수 앞서 2000년대들어에너지소비의변동성이과거와는달리기온변화의영향을많이받고있음을보았다. 여기서는에너지수요함수를설정하여부문별 / 에너지원별소비행태를추정하고, 추정된계수를활용하여기온변화가에너지소비변동에미친영향을분석해본다. 본

연구에서설정한에너지수요함수의기본형태는다음과같다. 즉, 에 너지수요는소득, 에너지가격, 냉방도일및난방도일의영향을받아 결정된다. 기본모형에서에너지수요와냉방도일및난방도일은 log-linear의형태를지니는것으로나타나지만실제추정시에는 log-log 함수의경우도추정에이용하였다. 기온변수로는실제기온을사용하지않고냉방도일 (CDD: cooling degree days) 과난방도일 (HDD: heating degree days) 을이용하였다. 난방도일은난방에대한수요를추정하기위해사용되는데, 어느특정일 의평균온도가 이고, 기준온도가 이라고하면난방도일 HDD는다음과같이정의된다. 우리나라에서는기준온도로 18 를적용하고있다. 예를들어어느 특정일의평균기온이 10 이었다면이날의난방도일은 8 이된다. 냉 방도일은다음과같이정의된다. 월이나분기또는연간의난방도일과냉방도일은해당기간의일별

난방도일과냉방도일을누적함으로써구한다. 즉, 예를들어 1월의난방도일은 1월1일에서 1월31일까지일별기준온도와일평균기온의차를누적하면구할수있다. 앞서언급하였듯이냉방도일과난방도일을구할때현재기준온도로 18 를적용하고있다. 이는기온이 18 미만으로내려가면난방이필요하고 18 를초과하면냉방이필요하다는것을의미한다. 예를들어기온이 17 가되면난방이필요하고 19 가되면냉방이필요하다는것이다. 그러나실생활에서는이러한기온에서난방이나냉방을할가능성이높지않을것으로판단되어본연구에서는난방의경우기준온도로 16, 14, 12 를적용하여각각난방도일을구하였다. 냉방도일의경우에도기준온도로 20, 22, 그리고 24 를적용하여추정하였다. 또한냉방도일과난방도일을구할때기준온도와일평균기온의차이를이용하는데동일한일평균기온에서도일교차가큰경우와적은경우냉난방행태에서차이가발생할가능성이높다. 이러한점을고려하여본연구에서는최저기온을적용한난방도일과최고기온을적용한냉방도일을구하여분석에이용하였다. 또한동일한기온이라도습도가높은경우냉방에대한수요가높을것으로판단되어평균습도역시냉방용에너지수요의설명변수로활용하였다. 기준온도에따른냉방도일과난방도일은다음과같이표시된다.

= 기준온도 18 의난방도일 = 기준온도 16 의난방도일 = 기준온도 14 의난방도일 = 기준온도 18 와최저기온의차를적용한난방도일 = 기준온도 18 의냉방도일 = 기준온도 20 의냉방도일 = 기준온도 22 의냉방도일 = 기준온도 18 와최고기온의차를적용한냉방도일 기온변화의영향이큰에너지원은전력과도시가스그리고난방용석유이고부문별로는가정부문과상업부문그리고공공부문의에너지소비가기온변화에영향을많이받는다. 따라서본연구에서는모든부문의에너지원별수요함수를추정하여분석하지않고가정용전력, 상업용전력, 가정상업용도시가스, 그리고가정상업용석유로대상을국한하여분석을시도한다. 7) 본연구에서사용한에너지소비및가격자료는에너지경제연구원의에너지통계월보로부터구하였으며, 추정에는 1991년에서 2011년까지의분기자료를이용하였다. 에너지수요함수추정시가격변수는해당에너지가격을물가지수로나눈실질가격을사용하였다. 추정방법으로는최소자승법을이용하였다. 8) 7) 가정부문과상업부문에비하여산업부문의에너지소비는상대적으로기온변화의영향을적게받아본연구에서는제외하였다. 8) 오차항의자기상관문제가발생한경우이를제거하기위하여 Cochrane-Orcutt 방법을이용하여다시추정하였으나, 대부분의결과에서부호가예상과다르게추정되어석유제품수요함수의경우를제외하고는추정결과에서배제하였다.

가정부문의전력수요함수를추정한결과는 < 표 3-1> 과 < 표 3-2> 에 정리되어있다. < 3-1> (1) 1 2 3 4 상수 2.835** 7.825*** 4.312*** 6.105*** (1.252) (0.828) (0.997) (0.778) 1.128*** 0.969*** 1.059*** 1.005*** (0.045) (0.032) (0.037) (0.029) -0.018-0.249** (0.150) (0.122) -0.661*** -0.469*** -0.033*** -0.021*** (0.007) (0.005) -0.034*** -0.029*** (0.102) (0.095) (0.006) (0.004) 0.00044*** 0.00027*** (0.000) (0.000) 0.00018*** 0.00014*** (0.000) (0.000) 0.965 0.976 0.979 0.985 DW 2.183 1.342 1.471 1.069 주 : ***, **, * 는각각 1%, 5%, 10% 수준에서통계적으로유의함을나타내며, 괄호안의숫자는표준편차를의미

< 3-2> (2) 5 6 7 8 상수 3.465*** 3.571*** 3.355*** 0.812 (1.091) (1.118) (1.160) (1.132) 1.090*** 1.086*** 1.094*** 1.174*** (0.040) (0.041) (0.042) (0.043) -0.136-0.144-0.116 0.184 (0.133) (0.137) (0.142) (0.138) 0.00042*** (0.000) 0.00015*** (0.000) 0.00058*** (0.000) 0.00015*** (0.000) 0.00093*** (0.000) 0.00016*** (0.000) 0.0002*** (0.000) 0.00013*** (0.000) 0.974 0.974 0.972 0.964 DW 1.768 1.821 1.959 2.184 주 : ***, **, * 는각각 1%, 5%, 10% 수준에서통계적으로유의함을나타내며, 괄호 안의숫자는표준편차를의미

표를통해알수있듯이소득변수의경우추정된계수의부호는모두정의값을보여경제이론에부합하였고, 대부분 1% 수준에서유의한것으로나타났다. 가격변수의경우는당기의가격은대부분음의값을보였지만통계적으로유의하지않은것으로추정되었다. 반면에한분기전의가격은모두음의값을갖는것으로추정되었고통계적으로도유의하였다. 냉방도일과난방도일의추정결과를보면 log-log 함수의경우추정치는통계적으로유의하였으나부호가예상과는반대로나왔다. 반면에 log-linear 함수의경우에는추정치가통계적으로유의할뿐만아니라부호도예상과부합하는것으로나타났다. 기준온도를변화시켜추정한결과도추정계수가모두통계적으로유의하고부호도예상과부합하는것으로나타났다. 추정계수를보면냉방도일의추정치가난방도일의추정치보다다소크게추정되었고이러한현상은기준온도를변화시킨경우에도동일하게발생하였다. 9) 최저기온과최고기온을이용하여구한냉방도일과난방도일을이용하여추정한결과도냉방도일의추정치가난방도일의추정치보다큰것으로나타났다. 기준온도 18 를적용한경우의냉방도일과난방도일추정치가다른기준온도를적용한냉방도일과난방도일추정치보다적은것은 18 를적용한냉방도일과난방도일값이가장크기때문에발생한현상이다. 9) 본연구에서는습도가에너지수요에영향을주는지알아보기위하여습도변수를추가하여전력수요함수를추정해보았으나계수의부호가예상과반대되거나부호가예상에부합하는경우는통계적으로유의하지않은것으로추정되어보고에서제외하였다.

[ 그림 3-1] 과 [ 그림 3-2] 는기준온도별냉방도일과난방도일을비교한것이다. 두그림에서기준온도를변화시켰을때냉방도일과난방도일은크기의차이만보일뿐거의동일한추이를보이고있다. 따라서에너지수요함수를추정할때기준온도변화에따른차이는단지냉방도일과난방도일계수의추정치크기에만영향을주고다른영향은거의없게된다. 이는본연구에서추정한가정부문과상업부문전력수요함수를통해서도알수있다. 추정결과를보면기준온도를달리한냉방도일과난방도일을적용하여도소득이나가격변수의차이는크지않은것으로나타나고있다. [ 3-1]

[ 3-2] 상업부문의전력수요함수추정결과는 < 표 3-3> 과 < 표 3-4> 에정리되어있다. 소득변수는모두통계적으로유의하고탄력적인것으로추정되었다. 가격변수의경우동일한시차에서는추정계수의부호가정의값을보여경제이론과부합하지않았고, 통계적으로도유의하지않은것으로추정되었다. 그러나 1분기의시차를두는경우모두예상과부합되는부호를나타냈으며통계적으로유의하였다. 냉방도일과난방도일추정치의경우가정부문과비슷한추정결과를보여준다. 가정부문과마찬가지로 log-log 함수의경우에는추정치가모두통계적으로는유의하나예상과는반대로음의값을보였다. log-linear 함수의형태에서는추정치가모두예상과부합되는부호를보였고통계적으로도유의한것으로나타났다. 기준온도를변화시키거나최저기온과최고기온을적용하여추정한냉방도일과난방도일을사용한경우에도마찬가지의결과를보였다.

< 3-3> (1) 1 2 3 4 상수 -8.050*** -2.788-8.874*** -5.293*** (2.684) (1.847) (2.252) (1.695) 2.084*** 1.834*** 2.078*** 1.905*** (0.131) (0.095) (0.112) (0.086) 0.010 0.029 (0.229) (0.194) -0.458*** -0.276* -0.060*** -0.060*** (0.011) (0.010) -0.056*** -0.050*** (0.014) (0.012) (0.158) (0.144) 0.00062*** 0.00059*** (0.000) (0.000) 0.00029*** 0.00029*** (0.000) (0.000) 0.957 0.959 0.967 0.967 DW 1.809 1.250 1.272 0.093 주 : ***, **, * 는각각 1%, 5%, 10% 수준에서통계적으로유의함을나타내며, 괄호안의숫자는표준편차를의미

< 3-4> (2) 5 6 7 8 상수 -4.536** -4.284** -4.030** -4.001** (1.761) (1.723) (1.690) (1.997) 1.875*** 1.864*** 1.854*** 1.847*** (0.090) (0.088) (0.087) (0.101) -0.337** -0.354** -0.376** -0.400** (0.150) (0.146) (0.143) (0.168) 0.00056*** (0.000) 0.00025*** (0.000) 0.00077*** (0.000) 0.00026*** (0.000) 0.00130*** (0.000) 0.00029*** (0.000) 0.00031*** (0.000) 0.00023*** (0.000) 0.964 0.964 0.965 0.956 DW 0.963 0.969 0.990 1.285 주 : ***, **, * 는각각 1%, 5%, 10% 수준에서통계적으로유의함을나타내며, 괄호안의숫자는표준편차를의미

가정상업부문도시가스수요함수추정결과는 < 표 3-5> 에정리되어 있다. 는 3 분기더미변수를의미한다. < 3-5> 1 2 3 4 5 상수 -7.748-3.047-13.605** -11.090** -9.201* (6.337) (6.288) (5.790) (4.963) (4.922) 1.474*** 1.209*** 1.833*** 1.710*** 1.586*** (0.348) (0.348) (0.318) (0.272) (0.271) -1.938* -0.917-1.270 (1.099) (1.003) (0.859) -2.662** -1.458* (1.073) (0.837) 0.00097*** 0.00071*** 0.00072*** 0.233*** 0.233*** (0.018) (0.017) (0.000) (0.000) (0.000) -0.542*** -0.541*** (0.097) (0.095) 0.820 0.825 0.851 0.891 0.898 DW 1.419 1.236 1.003 0.561 0.523 주 : ***, **, * 는각각 1%, 5%, 10% 수준에서통계적의로유의함을나타내며, 괄호안의숫자는표준편차를의미

소득변수는모두 1% 수준에서유의한것으로나타났다. 가격변수의경우는모두음의값으로추정되었으나통계적으로유의하지않았고전기의가격을이용한경우는 5% 와 10% 수준에서유의한것으로나타났다. 도시가스수요함수의경우전력수요함수와는달리 log-log 모형과 log-linear 모형모두에서난방도일계수가정의값을보이고통계적으로도유의한것으로추정되었다. 가정상업부문의석유제품수요함수추정결과는 < 표 3-6> 과 < 표 3-7> 에정리되어있다. < 표 3-6> 은 1991~2011년기간의자료를이용하여추정한결과이고 < 표 3-7> 에서 4와 5는 1991~2000년기간, 6과 7은 2001~2011년기간의자료를이용하여추정한결과이다. 10) 추정결과를보면 1에서 3까지의경우소득변수의추정치가모두음의값을보이고있으며통계적으로도유의한것으로나타나고있어석유제품이열등재의성격을지니고있음을보여준다. 그런데자료를두기간으로나누어추정한결과를보면 4와 5에서는소득변수가정의값을보이고있으나 6과 7에서는음의값으로추정되어 1990년대와 2000년대의가격탄성치가서로반대의부호를보이고있다. 이는 1990년대까지정상재의성격을지닌석유제품이 2000년대들어열등재로변하였음을의미한다. 11) 가격변수는모두음의값을보이고있으나일부추정결과에서는통계적으로유의하지않은것으로나타났다. 10) 추정결과에서 3, 5, 7 은 Cochrane-Orcutt 방법을이용하여추정한결과이다. 11) 본연구의목적이기온변화가에너지소비변동에미치는영향을분석하는데있어석유제품수요함수의구조적변화와관련된논의는추후연구과제로돌린다.

< 3-6> (1) 1 2 3 상수 14.314*** 7.238*** 8.437*** (1.006) (0.749) (1.045) -0.708*** -0.349*** -0.366*** (0.081) (0.052) (0.067) -0.063-0.378*** -0.493*** (0.236) (0.129) (0.155) 0.00198*** 0.00047*** 0.00061*** (0.000) (0.000) (0.000) 0.732*** 0.655*** (0.034) (0.041) 0.715 0.920 0.954 DW 0.562 1.363 2.021 주 : ***, **, * 는각각 1%, 5%, 10% 수준에서통계적으로유의함을나타내며, 괄호 안의숫자는표준편차를의미 기온변수를나타내는난방도일의추정계수는모두정의값을보이고통계적으로도유의한것으로추정되었다. 1991~2000년기간자료를이용하여추정한결과에서는추정치가 0.001 정도로나타나고있으나 2001~2011년기간의자료를이용하여추정한결과에서는추정치가 0.0005 정도로절반수준으로하락하였다. 이러한결과는 2000년대들어기온의석유제품수요에대한영향이감소한것을의미한다. 12) 12) 중단기에너지수요전망기법개선연구 (2011) 에서도가정상업용석유수요의

< 3-7> (2) 4 5 6 7 상수 3.991*** 4.298*** 4.432* 6.322** (1.127) (1.463) (2.381) (2.700) 0.360** 0.350** -0.252* -0.278* (0.157) (0.176) (0.141) (0.167) -0.976*** -0.970*** -0.004-0.248 (0.202) (0.228) (0.217) (0.239) 0.00104*** 0.00110*** 0.00050*** 0.00059*** (0.000) (0.000) (0.000) (0.000) 0.478*** 0.444*** 0.726*** 0.652*** (0.074) (0.079) (0.052) (0.057) 0.900 0.963 0.920 0.923 DW 1.409 1.909 1.471 2.029 주 : ***, **, * 는각각 1%, 5%, 10% 수준에서통계적의로유의함을나타내며, 괄호안의숫자는표준편차를의미 3. 에너지소비에대한기온의영향분석 에너지수요함수를추정하여구한계수를이용하여기온변화가에너지소비에미친영향을분석하였다. 기온변동에따른에너지소비변화량추정방법을난방도일의예를들어설명하면다음과같다. 에너지소비변화량은난방도일변화분 ( 당해년도난방도일 전년도 기온민감도가시간이지남에따라하락하고있음을보여준다.

난방도일 ) 에난방도일한단위변화에대한에너지소비의한계적변 화를곱한것이된다. : 기온효과에의한에너지소비량 : 실제에너지소비 : 난방도일 (HDD) 의한계효과 (marginal effects) 여기서난방도일의한계효과 ( ) 는난방도일이한단위증가할때 발생하는에너지소비증가율을의미한다. 13) 냉방도일의경우도동일 하다. 석유와는달리도시가스와전력의경우다른에너지를투입하여생 산하는 2 차에너지이므로기온변화가총에너지소비에미치는영향을 분석하기위해서는 2 차에너지소비변화로발생하는전환부문의에너 지소비량변화를추정해야한다. [ 그림 3-3] 을통하여기온변화가총 에너지소비에미치는파급경로를보자. 그림에서알수있듯이기온 변동은가정용전력수요의변화를초래하고이러한변화에대응하여 발전부문의연료소비에변화가발생하게된다. 예를들어동계이상 저온현상이발생하는경우전력수요가증가하고이러한수요증가에 대응하기위해서는전력공급을증가시켜야하므로발전연료의투입을 증가시켜야한다. 본연구에서는발전연료로 LNG 와석유만을고려 13) 수요함수의좌변과우변을시간에대해미분하면 의관계를얻을수있다. 만약에수요함수가 log-log 함수라면이경우 는탄성치가된다.

하였다. 발전연료로는원자력과유연탄이더많이소비되나기온의영향을주로받는여름과겨울의경우전력소비가많아원자력과유연탄과같은기저발전은기온변화의영향이거의없다고보아도될것이다. [ 3-3] 자료 : 에너지경제연구원, 중단기에너지수요전망기법개선연구, 2011 [ 그림 3-4] 는가정용전력소비실적과기온변화의영향을제거한조정치를비교한것이다. 그림을통해알수있듯이가정용전력소비실적은지속적으로증가하고있다. 그러나기온변화의영향을제거할경우 2007년과 2010년전력소비는전년에비해감소하는것을알수있다.

[ 3-4] ( 단위 : TWh) 65.00 60.00 55.00 50.00 45.00 40.00 35.00 30.00 2000 2001 2002 2003 2004 2005 2006 2007 2008 2009 2010 [ 그림 3-5] 는 1차에너지소비실적과기온효과를제거한조정치를비교한것이다. 앞서언급하였듯이기온효과를제거한 1차에너지소비조정치를구하기위하여본연구에서는가정부문전력소비, 상업공공부문전력소비, 가정상업부문도시가스소비, 가정상업부문석유소비의기온효과를제거한소비량을추정한다음전력과도시가스와같은네트워크에너지공급을위해투입되는 1차에너지투입량을구하여기온효과가제거된 1차에너지소비량을추정하였다. 그림을통해서 2005년과 2006년이 1차에너지소비실적과기온효과제거추정치사이의차이가큰것을알수있다.

[ 3-5] 1 ( 단위 : 백만 TOE) 280.0 260.0 240.0 220.0 200.0 180.0 2000 2001 2002 2003 2004 2005 2006 2007 2008 2009 2010 1 [ 그림 3-6] 은총에너지소비변화량에서기온효과에의한변화량이얼마나되는지를나타낸것이다. 그림에서소비변화량은전년대비총에너지소비변화량으로해당년도의총에너지소비에서전년도총에너지소비를차감한것이다. 기온효과는기온변화에따른에너지소비변화량을의미한다. 그림을통해알수있듯이시간이지남에따라총에너지소비변화량에서기온변화로인한소비변화량의비중이확대되는모습을보이고있다. 2005년을보면총에너지소비는전년대비 8,384천 TOE 증가하였는데그가운데 5,406천 TOE가기온변화로인해발생한변화량으로총에너지소비변화의 64.5% 를설명하는것으로나타났다.

[ 3-6] ( 단위 : 천 TOE, %) 2006년은총에너지소비가전년대비 4,750천 TOE 증가하였고기온변화에의한소비변화량은 5,048천 TOE 감소한것으로추정되었다. 2006년은경제성장률이전년보다 1.2% 높아진 5.2% 를기록하였으나총에너지소비증가율은 2.1% 로오히려 1.7%p나하락하였다. 이러한결과는기온변화가총에너지소비를감소시키는방향으로작용하여발생하였음을알수있다. 만약기온의변화가없어에너지소비에영향을주지않았다면 2006년의총에너지소비는전년대비 4.3% 증가하여경제성장률과마찬가지로전년의증가율보다높아졌을것으로추정된다. [ 그림 3-7] 에서실적은총에너지소비실적증가율을그리고조정은기온효과가제거된총에너지소비증가율을나타낸다. 그림을통해기온효과를제거한총에너지소비증가율은실적증가율보다경제성장률

과의동행성이개선되고있음을알수있다. [ 3-7] ( 단위 : %)

제 4 장기온변화의전력최대수요에대한영향 분석 1. 기상변수와추정모형 1) 체감온도최근전력수요추정에있어서기온뿐만아니라, 습도의영향도중요하다. 습도가체감온도에영향을주기때문이다. 기온과습도등을포함하는체감온도관련된지수는다양하게존재한다. 일반적으로체감온도 (sensible temperature) 는하절기보다동절기온도를나타낼때자주사용하는데우리나라기상청에서예보하는체감온도는다음의공식에의해계산된다. 체감온도 ( ) = 13.12 + 0.6215 T 11.37 (0.16) + 0.3965 (0.16) T 공식에서 T는기온 ( ) 을그리고 는풍속 (km/h) 을나타낸다. 위의체감온도는일종의온도와풍속의영향을고려하는일종의풍랭지수로서, 전력수요추정에는적합하지않은것으로판단되어다음과같은지수들을검토하였다.

2) Heat Index (HI) 미국에서주로사용하는기준으로서, HI 또는 Humiture로불리우며, 미국 NOAA의 National Weather Service에서채택하고있으며공식은다음과같다. 식에서 는섭씨기준건구온도를나타내며, 은상대습도를의미 한다. HI 의계산을위한각파라미터의값은다음과같이주어진다.,,,,,,,, 3) Humidex HI 와비슷한온도및습도에대한체감온도로서캐나다에서채택 하고있는방식이다. 공식은다음과같다. Humidex= 여기서 는대기중온도이며, 는노점 (dew point) 를의미한다. 우리나라의경우에는불쾌지수를사용하며, 기상청에서사용하는

공식은습구온도가주어질경우에는 불쾌지수 = 0.72( 기온 + 습구 온도 )+40.6 과같으며, 습구온도데이터가존재하지않을경우에는다 음의공식을사용한다. 불쾌지수 = 0.81*Td + 0.01H (0.99Td 14.3) + 46.3 (Td: 건구온도, H: 습도 (%)) 단기전력수요전망에있어서기상변수는핵심적인요인으로서, 본연구에서는전력수요와기상관련변수에대한다양한모형을바탕으로최대전력수요전망을위한적절한방법론을개발하고자한다. 최대전력수요는동절기와하절기에발생하고최근에는특히동절기에집중하여나타나는경향이있으므로, 하절기와동절기로구분하여추정하도록한다. 현재구축되어있는데이터가시간대별전력발전실적과시간대별온도및습도데이터로구성되어있으므로, 시간대별모형을기본으로하되, 일별집계전력수요에대해서도살펴보도록한다. 본연구에서는기상변수가최대전력수요에미치는영향에초점을두어분석한다. 기존연구에서전력소비의온도민감도를분석하기위해필터링방법으로 non-climatic factor를제거한연구로는 Sailor and Munoz (1997), Pardo et al. (2002), Moral-Carcedo and Vicens-Otero (2005) 이있다. 그외에 Sailor (2001) 등에의하면아래와같이장기추세를제거하여도추세이외의 non-climatic seasonal effects는제거하지못하는단점이있다.

(3) : 해의평균월별전력소비 : 전체기간의평균월별전력소비 Moral-Carcedo and Vicens-Ostero (2005) 는 8 월의휴가 ( ) 로인한 생산량감소에따른전력소비변화를고려한모형을설정하였다. (4) : Filtered electricity demand : 8 월에대한더미변수 최대전력수요외에전력수요가급감하는구간도있는데, 이는주말과공휴일의휴일효과가크게나타난것으로파악되기때문에, 일별자료로분석할경우더미변수를이용하여이들효과도분석하였다. 주중의일일평균전력소비량은주말전력소비량에비해약 12% 많아주말효과가나타나는것으로보인다. 본연구에서분석하는전력수요시계열데이터는자기상관이강한관계로모형의적합도를제고하는과정에서긴시차를요구하게되는경우가많아 Bollerslev (1986) 의 GARCH (Generalized Autoregressive Conditional Heteroscedasticity) 모형을사용하였다. 14) 14) 시계열모형상에서온도반응수요가과다추정될수있는점을방지하기위하여 saturation level 이있는아래와같은로지스틱함수의사용도대안이될수있으나, 추후과제로삼는다.

기본적인 GARCH(p,q) 모형은아래와같이일반화할수있다. 우선 ARCH 모형에서의조건부평균과조건부분산을보면다음과같다., 이분산성을구체적으로반영하기위하여다음의형태를가정하였다. GARCH(p,q) 모형은위식을보다일반화하여다음의식을추정하는 형태로된다. 2. 모형의추정 2002 년 1 월 1 일부터 2012 년 9 월 30 일까지의시간대별전력수요의 분포를보면, 왜도와첨도가각기 0.31, 2.64 로서정규분포에가깝지 않은것을알수있다 ([ 그림 4-1] 횡축은전력수요를종축은빈도수를 where

의미 ). 앞서 HP 필터링에서도본바와같이비정상성을가지는전력수 요특성상 GARCH 모형을활용하여추정하는것이바람직한것으로 판단된다. [ 4-1] 전망모형의선별을위해서는 PMSE (Prediction Mean Square Error), MAE (Mean Absolute Prediction Error) 등다양한지표를이용할수있는데, 본연구에서는 MAPE (Mean Absolute Percentage Error) 를사용하였다. PMSE =

MAE = MAPE = ( : 총표본, 내표본크기, : 실측치, : 전망치 ) 추정을위한변수의기본적인통계량은다음 < 표 4-1> 와같다. < 4-1> TOTAL_ELEC TOTAL_TEMP Mean 45503.02 13.82745 Median 44713.5 15.009 Maximum 74291 35.788 Minimum 19000-15.399 Std. Dev. 9402.055 9.988219 Skewness 0.314997-0.27142 Kurtosis 2.638387 2.015427 Jarque-Bera 2071.578 4962.674 Probability 0 0 Sum 4.29E+09 1302877 Sum Sq. Dev. 8.33E+12 9400112 따라서, GARCH(p,q) 의각 order 별모형에서의표본내전망의예 측오차기준으로비교해볼때, p=1, q=7 이가장 MAPE(Mean

Absolute Percentage Error) 가낮은것으로확인되었다. < 4-2> GARCH MAPE GARCH ARCH 1 2 3 4 5 6 7 8 9 1 1.628 1.597 1.616 1.616 1.586 1.597 1.533 1.611 1.592 5 1.599 1.599 1.596 1.600 1.613 1.597 1.600 1.594 1.595 9 1.595 1.589 1.599 1.601 1.592 1.599 1.633 1.592 1.611 GARCH(1,7) 에대한추정결과는 < 표 4-3> 과같다. 15) 는 0.98, 각계수의추정신뢰도는통계적으로유의하게나왔으며, 온도변수 (total_temp) 와전력수요 (total_elec) 의시차변수도모두직관에부합하며유의한추정결과가확보되었다. < 4-3> GARCH(1,7) Coefficient Std. Error z-statistic Prob. C 553.8344 23.22701 23.84441 0 TOTAL_TEMP 194.9309 9.241455 21.0931 0 TOTAL_TEMP(1) 91.19836 18.09606 5.039682 0 TOTAL_TEMP(2) -146.678 19.02254-7.71075 0 TOTAL_TEMP(3) -136.539 19.80543-6.89402 0 TOTAL_TEMP(4) 124.2117 19.67332 6.313711 0 TOTAL_TEMP(5) -225.143 18.78691-11.984 0 TOTAL_TEMP(6) 96.35696 9.699642 9.934074 0 15) 오차항의분포에대해서는비정규성을허용하는 GED(generalized error distribution) 을적용하였다.

Coefficient Std. Error z-statistic Prob. TOTAL_ELEC(1) 1.42039 0.003051 465.5799 0 TOTAL_ELEC(2) -0.47612 0.00578-82.3708 0 TOTAL_ELEC(3) 0.075446 0.005879 12.83392 0 TOTAL_ELEC(4) -0.10295 0.004754-21.6545 0 TOTAL_ELEC(5) 0.151402 0.00454 33.34645 0 TOTAL_ELEC(6) -0.22598 0.004828-46.8055 0 TOTAL_ELEC(7) 0.069572 0.005031 13.82738 0 TOTAL_ELEC(8) -0.0333 0.005823-5.71897 0 TOTAL_ELEC(9) 0.156311 0.006595 23.70036 0 TOTAL_ELEC(10) -0.21867 0.006315-34.629 0 TOTAL_ELEC(11) 0.225183 0.005849 38.49764 0 TOTAL_ELEC(12) -0.05289 0.003278-16.1348 0 Variance Equation C 1047417 45522.86 23.00859 0 RESID(-1)^2 0.038497 0.00147 26.18334 0 GARCH(-1) 0.428041 0.024082 17.77438 0 GARCH(-2) 0.533809 0.078006 6.84315 0 GARCH(-3) -0.38941 0.102692-3.79202 0.0001 GARCH(-4) -0.21594 0.076543-2.82115 0.0048 GARCH(-5) -0.17124 0.109893-1.55821 0.1192 GARCH(-6) -0.07039 0.057564-1.22279 0.2214 GARCH(-7) 0.138776 0.049408 2.808759 0.005 R-squared 0.980938 Mean dependent var 45503.93 Adj. R-squared 0.980932 S.D. dependent var 9402.27 S.E.of regression 1298.325 Akaike info criterion 16.99578 SSR 1.59E+11 Schwarz criterion 16.99869 Log likelihood -800574 F-statistic 173094.8 D-W stat 2.052369 Prob(F-statistic) 0

표본내전망 (10 일기준 ) 을위해 GARCH(1,7) 모형으로추정해본 결과는다음그림과같다. 비교적적은수의설명변수만으로도단기전 망에서 1.56% 의높은예측력을가지는것으로평가된다. [ 4-2] GARCH(1,7)

본절에서는매년 5월 ~8월의하절기전력수요전망에앞서기상변수에대한반응을살펴보도록한다. 본보고에서는불쾌지수를사용하여실험적으로추정하여본다. 이를위하여 2002년 1월1일부터시간대별온도및습도관련 DB를구축하였다. [ 그림 4-3] 과 [ 그림 4-4] 에서종축은불쾌지수를그리고횡축은시간을나타낸다. 불쾌지수산정결과, 우리나라에서는불쾌지수가대체적으로 7월중순에서 8월상순에걸쳐최고가되는것으로나타났다. [ 4-3] 65 60 55 50 45 40 35 30 0 500 1000 1500 2000 2500 3000 3500 4000 온도와불쾌지수산정에있어서 5 대광역시인광주, 대구, 대전, 부 산, 서울의 2011 년지역별전력수요를가중치로채택하였다. 가중치는 서울 0.48, 부산 0.21, 대구 0.15, 광주 0.08, 대전 0.09 이다.

[ 4-4] 4.5 4 3.5 3 2.5 2 1.5 1 0.5 0 0 500 1000 1500 2000 2500 3000 3500 4000 Hodrick-Prescott 필터링에의한하절기온도의추세와순환변동을분해한결과는 [ 그림 4-5] 에나타나있다. 그림에서종축은전력수요를그리고횡축은시간을나타낸다. 그림을보면, 추세변동은뚜렷한증가세를보이지는않지만확률적변동 (stochasticity) 은더욱커지고있음을알수있다. 순환변동은하절기온도의계절성을반영하여증감이거듭되는유형으로발전하고있음을알수있다.

[ 4-5] Hodrick-Prescott ( ) ( ) 30 8 6 4 25 2 0 20-2 -4-6 15 0 0.5 1 1.5 2 2.5 3 x 10 4-8 0 0.5 1 1.5 2 2.5 3 x 10 4 [ 그림 4-6] 과 [ 그림 4-7] 을통해하절기전력수요의기온에대한민감도를살펴보면, 시간에걸쳐반응구간이변화하는것을알수있다 ( 그림에서종축은전력수요횡축은시간을나타낸다 ). 온도상승시냉방수요의증가로인해전력수요가증가하게되는데, 특히전력수요가비교적큰폭으로증가하게되는구간을임계온도로정의하면, 2000년대전반부의경우 18 대구간인것으로나타났다. 2000년대후반부터는 20 내외구간에서임계온도가관찰되는데, 특히최근 2010년과 2011년에는 20 를넘은것을알수있다. 16) 이러한관찰은냉방도일 (CDD) 산정시현재 18 기준을보다상향조정할필요가 16) 임계온도의상승에는여러가지이유가있을것으로사료된다. 우선, 18 가실제냉방수요를촉발하는데부족한온도일수있으며, 둘째, 기후변화로인한온도상승이지속됨에따라어느정도적응된것으로도이해할수있을것이다. 하지만, 이와같은추측에대해서는보다구체적인미시데이터를확보하여추후연구가있어야할것이다.

있음을의미한다. [ 4-6] (2002 ~2005 )

[ 4-7] (2006 ~2009 ) [ 4-8] (2010 ~2011 )

하절기전력수요전망에있어서시간대별자료와일별자료로구분하여추정하였다. 시간대별자료는 10일기준의단기전망에, 일별자료는 30일기준의전망모형으로각각구분하고, 이들을 MAPE기준으로적정모형을탐색하였다. 관련변수는 < 표 4-4> 와같이구분된다. 냉방도일의경우, 앞에서와관찰을바탕으로기준온도를 18 ~2 1 로설정하여지수를생성하였다. < 4-4> 기준시간대별 (obs=30000) 일별 (obs=1250) 불쾌지수온도냉방도일전력수요 summer_hr_bad summer_hr_temp CDD18: 18 도기준 CDD20: 20 도기준 CDD21: 21 도기준 summer_hr_elec daybadmean: 일평균 daybadstd: 일표준편차 daytempmean: 일평균 daytempstd: 일표준편차 dayelec: 일일총소비 dayelecmax: 일일최대전력 하절기시간대별전력수요는시간대별전력수요의예측오차에대한그리드 (grid) 탐색을통해 GARCH(5,7) 이최적인것으로파악되었다. 설명변수로전력수요의자기시차변수인 summer_hr_elec과, 기상관련변수는다음과같이구분하여추정하였다. 일반적인기상변수, 즉시간대별기상자료인 summer_hr_temp, 시간대별불쾌지수인 summer_hr_bad, 그리고냉방도일은 18, 20, 21 를기준으로 summer_hr_cdd18, summer_hr_cdd20, summer_hr_cdd21을사용하였다.

우선, 온도변수 (summer_hr_temp) 와불쾌지수 (summer_hr_bad) 간의예측성과를보면, 불쾌지수가오히려예측력이더낮은것으로나타났으며, 의경우에도불쾌지수가추정에서뚜렷이우수하다고판단할수있는근거는없는것으로나타났다. 하절기전력수요에대하여습도까지고려한불쾌지수의설명력이그다지높지않은것은향후전력수요전망에서습도요인까지반영할필요가없음을시사해주는것으로판단된다. 한편, CDD 기준온도로 18, 20, 21 로달리설정하여추정한결과, 와 MAPE 모두아주근소한차이지만, 20 기준의 CDD가보다상대적으로우수한것으로나타났다. 이는앞서, 2000년대이후온도에대한전력수요반응의임계구간이서서히증가하고있음을반영하는것이다. 그러나통계적으로 18 기준보다 20 기준을반드시써야한다고보기에는근거가약하다고판단된다. 시간대별전력수요의대표본을이용할경우, 거의모든추정모형에서 1% 내외의양호한예측오차력을보임에따라, 전망전제치가용이하게확보될수있는모형중심으로전망작업이이루어지는것이바람직한것으로판단된다. [ 그림 4-9] 는 GARCH(5,7) 에서 20 기준의 CDD 변수사용시에표본내전망결과를정리한것이다. RMSE=1308 기준으로는 2.3%, MAPE 기준으로는 1.46% 의예측오차를가진것으로나타났다.

< 4-5> Model (A=temp) Model (A=bad) MAPE 1.469 1.520 coeff. p-value coeff. p-value C 503.607 0.000 324.139 0.000 SUMMER_HR_A 410.205 0.000 365.546 0.000 SUMMER_HR_A(1) 90.625 0.000 79.973 0.000 SUMMER_HR_A(2) -327.055 0.000-274.047 0.000 SUMMER_HR_A(3) -174.768 0.000-141.254 0.000 SUMMER_HR_A(4) -41.920 0.069-25.455 0.052 SUMMER_HR_A(5) 16.881 0.450-27.502 0.040 SUMMER_HR_A(6) 27.784 0.026 27.226 0.000 SUMMER_HR_ELEC(1) 1.416 0.000 1.418 0.000 SUMMER_HR_ELEC(2) -0.382 0.000-0.382 0.000 SUMMER_HR_ELEC(3) 0.013 0.086 0.019 0.000 SUMMER_HR_ELEC(4) -0.292 0.000-0.345 0.000 SUMMER_HR_ELEC(5) 0.324 0.000 0.365 0.000 SUMMER_HR_ELEC(6) -0.101 0.000-0.055 0.000 SUMMER_HR_ELEC(7) -0.057 0.000-0.096 0.000 SUMMER_HR_ELEC(8) -0.151 0.000-0.172 0.000 SUMMER_HR_ELEC(9) 0.218 0.000 0.252 0.000 SUMMER_HR_ELEC(10) -0.070 0.000-0.091 0.000 SUMMER_HR_ELEC(11) 0.100 0.000 0.092 0.000 SUMMER_HR_ELEC(12) -0.032 0.000-0.023 0.000 Variance Equation C 1322418.0 0.000 1349558.0 0.000 RESID(-1)^2 0.066 0.000 0.065 0.000 RESID(-2)^2-0.032 0.000-0.034 0.000 RESID(-3)^2 0.221 0.000 0.156 0.000

Model (A=temp) Model (A=bad) RESID(-4)^2-0.046 0.007-0.037 0.000 RESID(-5)^2 0.072 0.001 0.059 0.075 GARCH(-1) 0.108 0.174 0.140 0.004 GARCH(-2) -0.249 0.010-0.092 0.724 GARCH(-3) -0.014 0.674-0.118 0.004 GARCH(-4) -0.100 0.000-0.056 0.573 GARCH(-5) -0.062 0.003-0.124 0.035 GARCH(-6) 0.175 0.000-0.064 0.351 GARCH(-7) -0.120 0.000 0.084 0.066 GED PARAMETER 1.030 0.000 1.056 R-squared 0.985 0.984 Adjusted R-squared 0.985 0.984 S.E. of regression 1170.785 1180.837 Log likelihood -250413.3-251236.3 Durbin-Watson stat 2.029 2.015 < 4-6> CDD (GARCH(5,7) ) Model (18 도기준 ) Model (20 도기준 ) Model (21 도기준 ) MAPE 1.466 1.46 1.467 coeff. p-value coeff. p-value coeff. p-value C 534.890 0.000 547.758 0.000 623.525 0.000 SUMMER_HR_CDD 440.631 0.000 477.177 0.000 489.015 0.000 SUMMER_HR_CDD(1) 31.3719 0.170-19.330 0.398-70.053 0.003 SUMMER_HR_CDD(2) -302.744 0.000-277.441 0.000-279.921 0.000 SUMMER_HR_CDD(3) -161.466 0.000-131.11 0.000-78.649 0.001 SUMMER_HR_CDD(4) -72.800 0.002-59.657 0.013-41.389 0.080 SUMMER_HR_CDD(5) 23.647 0.2981 21.553 0.357-32.829 0.148 SUMMER_HR_CDD(6) 35.552 0.005-24.106 0.074-0.479 0.970 SUMMER_HR_ELEC(1) 1.419 0.000 1.408 0.000 1.419 0.000 SUMMER_HR_ELEC(2) -0.385 0.000-0.370 0.000-0.383 0.000 SUMMER_HR_ELEC(3) 0.0517 0.000-0.002 0.731 0.019 0.004

Model (18 도기준 ) Model (20 도기준 ) Model (21 도기준 ) SUMMER_HR_ELEC(4) -0.337 0.000-0.278 0.000-0.333 0.000 SUMMER_HR_ELEC(5) 0.313 0.000 0.322 0.000 0.328 0.000 SUMMER_HR_ELEC(6) -0.073 0.000-0.109 0.000-0.084 0.000 SUMMER_HR_ELEC(7) -0.052 0.000-0.053 0.000-0.040 0.000 SUMMER_HR_ELEC(8) -0.178 0.000-0.169 0.000-0.140 0.000 SUMMER_HR_ELEC(9) 0.243 0.000 0.255 0.000 0.214 0.000 SUMMER_HR_ELEC(10) -0.088 0.000-0.095 0.000-0.089 0.000 SUMMER_HR_ELEC(11) 0.101 0.000 0.104 0.000 0.105 0.000 SUMMER_HR_ELEC(12) -0.027 0.000-0.026 0.000-0.030 0.000 Variance Equation C 1321878 0.000 1322196 0.000 1324536 0.000 RESID(-1)^2 0.037 0.000 0.087 0.000 0.109 0.000 RESID(-2)^2-0.027 0.000-0.015 0.000-0.001 0.304 RESID(-3)^2 0.173 0.000 0.274 0.000 0.124 0.000 RESID(-4)^2-0.032 0.292-0.031 0.000-0.018 0.003 RESID(-5)^2 0.043 0.136 0.147 0.000 0.097 0.000 GARCH(-1) 0.067 0.733-0.009 0.782-0.026 0.588 GARCH(-2) -0.033 0.844-0.653 0.000-0.449 0.000 GARCH(-3) -0.064 0.184-0.067 0.000 0.094 0.027 GARCH(-4) -0.070 0.063 0.170 0.000-0.325 0.000 GARCH(-5) -0.113 0.000 0.101 0.000 0.023 0.577 GARCH(-6) -0.115 0.001-0.041 0.065 0.429 0.000 GARCH(-7) 0.140 0.001-0.017 0.257-0.065 0.000 GED PARAMETER 1.010 0.000 0.013 0.000 1.20139 0.000 R-squared 0.984 0.985 0.9843

[ 4-9] (CDD =20 ) 하절기일별전력수요는일별누적전력수요와하루중최대전력수요를구분하여추정하였다. 추정시온도및불쾌지수와일별평균값및이들의표준편차를변동성차원에서고려하였다. 아울러, 일일데이터의경우주말효과를보기위해토요일과일요일에대해서는 1, 나머지

요일은 0으로처리한더미변수를추가하였다. 앞서다른모형에서와마찬가지로본연구의주목적은전망모형구축에있으므로, MAPE 기준으로적정모형을선별하도록하였다. [ 그림 4-10] 은 2002년부터 2012년까지의하절기 (6월 ~9월 ) 일별전력수요추세를정리한것이다. 종축은일누적전력수요를그리고횡축은하루단위의시간을나타낸다. 그림을통해알수있듯이일누적전력수요는지속적인상승추세를보이는동시에최대전력과최저전력수요가비주기적으로발생하는것을알수있다. 최대전력은주로기상요인, 최저전력은공휴일과같은휴일효과에의해발생하는것으로판단된다. [ 4-10] (obs=1250) 1.5 x 106 1.4 1.3 1.2 1.1 1 0.9 0.8 0.7 0.6 0.5 0 200 400 600 800 1000 1200 1400

Hodrick-Prescott 필터링을이용하여하반기일별전력수요를분해해보면, 하절기일별전력수요의증가추세는지속적으로유지되고있으나, 순환변동의폭은갈수록확대되는것을알수있는데, 이는하절기냉방수요의진폭이크게작용하기때문인것으로사료된다 ([ 그림 4-11]). [ 4-11] HP 1.5 x 106 Hodrick-Prescott Filter 1.4 Raw Data Smoothed Trend 1.3 1.2 1.1 1 0.9 0.8 0.7 0.6 0.5 0 200 400 600 800 1000 1200 1400 [ 그림 4-12] 는하절기일별최대전력수요의추세를보여준다. 종축은하루 24시간대별전력수요중최대전력수요를나타내고횡축은하루단위의시간을나타낸다. 최대전력수요역시일별전력수요와유사하게휴일효과가현저하게나타나기때문에, 이후수요추정에있어서

휴일더미변수의사용이필요한것으로판단된다. [ 4-12] 7.5 x 104 7 6.5 6 5.5 5 4.5 4 3.5 3 2.5 0 200 400 600 800 1000 1200 1400 이와같은일별시간대별최대전력수요는 2012년기준으로는하루전체수요의약 4.5% 에해당되지만, 2000년대초반에는 2~3% 대에머물렀으며, 그비중이차츰증가하고있는점이주목된다 ([ 그림 4-13] 참조 ). 2000년대중반부터진행된지속적인고유가와상대적으로저렴한전력가격, 그리고가전제품등내구재보급등에기인한전력화현상 (electrification) 이하절기의최대전력비중을이처럼확대시킨것으로판단된다.

[ 4-13] (dayelecmax/dayelec) 0.05 0.045 0.04 0.035 0.03 0.025 0.02 0.015 200 400 600 800 1000 1200 이는하절기전력수요의안정적인관리에있어서, 하루소비비중이많게는 5% 에달하는최대부하관리에보다세심한주의를기울여야하며, 아울러이를위해최대전력발생에대한심층적인이해가필요함을시사한다. 다음그림은각 18, 20, 21 를기준으로생성한냉방도일 (CDD) 의추세를보여주는데, 종축은냉방도일의크기를횡축은단위가하루인시간을나타낸다. 그림을통하여기준온도가올라갈수록지수값이전반적으로동률로작아지는것으로나타나고있다.

[ 4-14] CDD18, CDD20, CDD21 20 15 10 5 0 0 0.5 1 1.5 2 2.5 3 CDD18 x 10 4 20 15 10 5 0 0 0.5 1 1.5 2 2.5 3 CDD20 x 10 4 20 15 10 5 0 0 0.5 1 1.5 CDD21 2 2.5 3 x 10 4 하절기일별전력수요추정결과는 < 표 4-7> 과같다. GARCH(1,5) 에의한추정결과, 30 일기준의표본내전망시 MAPE=2.8% 인것으 로나타났다.

< 4-7> ( : DayElec, GARCH(5,1)) Coefficient Std. Error z-statistic Prob. C -40820 5915.51-6.90051 0 DAYBADMEAN 7470.692 132.8626 56.22872 0 DAYBADMEAN(1) -3011.68 123.659-24.3547 0 DAYBADMEAN(2) -3706.9 58.99687-62.8321 0 DAYBADSTD 691.2732 779.3013 0.887042 0.3751 SUMMER_HOLIDAY -68042.8 2393.134-28.4325 0 DAYELEC(1) 0.409876 0.00827 49.56065 0 DAYELEC(2) -0.0113 0.008328-1.35732 0.1747 DAYELEC(3) 0.136209 0.008174 16.66272 0 DAYELEC(4) 0.086196 0.00837 10.29876 0 DAYELEC(5) 0.013588 0.00895 1.518182 0.129 DAYELEC(6) 0.375071 0.010066 37.26287 0 Variance Equation C 3.08E+09 5.45E+08 5.659352 0 RESID(-1)^2 0.691074 0.140343 4.924161 0 GARCH(-1) -0.17919 0.033035-5.42437 0 GARCH(-2) -0.13071 0.040773-3.20579 0.0013 GARCH(-3) 0.175114 0.05752 3.044423 0.0023 GARCH(-4) -0.04045 0.024834-1.62872 0.1034 GARCH(-5) 0.014314 0.037059 0.38624 0.6993 GED PARAMETER 0.774757 0.058419 13.26215 0 R-squared 0.897394 Mean dependent var 1056848 Adjusted R-squared 0.895801 S.D. dependent var 184345 S.E. of regression 59506.22 Akaike info criterion 24.40507 Sum squared resid 4.33E+12 Schwarz criterion 24.48748 Log likelihood -15160 F-statistic 563.4286

[ 4-15] ( : DayElec, GARCH(5,1)) 불쾌지수대신에전형적으로사용되던온도변수를이용하여추정한결과를보면, 전반적인추정결과가불쾌지수를설명변수로사용하였을때와크게차이가없게나타났으며, MAPE 기준으로는불쾌지수와온도변수간에매우근소한차이만보인다 ([ 그림 4-15] 및 [ 그림 4-16] 참조. 종축은일전력수요로단위는 MWh이고횡축은하루단위의시간을의미 ). 습도까지고려한불쾌지수가전력수요예측에보다정확할수있다는통계적근거는확보되지않았다. 따라서, 추정의간편함외에도전망을위한전제치확보의어려움측면에서도불쾌지수보다는온도변수만을사용하는것으로도충분하다고판단된다.

[ 4-16] ( : DayElec, GARCH(5,1)) < 4-8> ( : DayElec, GARCH(5,1)) Coefficient Std. Error z-statistic Prob. C 10733.130 8053.285 1.333 0.183 DAYTEMPMEAN 9385.130 614.050 15.284 0.000 DAYTEMPMEAN(1) -3543.324 787.517-4.499 0.000 DAYTEMPMEAN(2) -5190.037 637.562-8.140 0.000 DAYTEMPSTD -3592.662 896.046-4.009 0.000 SUMMER_HOLIDAY -67519.420 2723.469-24.792 0.000 DAYELEC(1) 0.415 0.013 31.510 0.000 DAYELEC(2) -0.015 0.010-1.473 0.141 DAYELEC(3) 0.146 0.015 10.046 0.000 DAYELEC(4) 0.075 0.014 5.433 0.000 DAYELEC(5) 0.015 0.014 1.080 0.280 DAYELEC(6) 0.371 0.013 28.424 0.000 Variance Equation C 3070000000.000 537000000 5.713 0.000 RESID(-1)^2 0.637 0.125 5.114 0.000

Coefficient Std. Error z-statistic Prob. GARCH(-1) -0.194 0.032-6.043 0.000 GARCH(-2) -0.152 0.038-4.041 0.000 GARCH(-3) 0.199 0.058 3.458 0.001 GARCH(-4) -0.031 0.026-1.209 0.227 GARCH(-5) 0.012 0.039 0.301 0.764 GED PARAMETER 0.823 0.063 13.154 0.000 R-squared 0.898 Mean dependent var 1056848.0 Adj R-sq 0.896 S.D. dependent var 184345.0 S.E. of reg 59310.740 Akaike info criterion 24.426 SSR 4310000000000. Schwarz criterion 24.509 L-likeli -15173.180 F-statistic 567.574 일별최대전력수요 (DayElecMax) 에대한추정결과를살펴보면다음과같다. 불쾌지수의시차변수는기간 2가넘어가면서더이상유의하지않게나와, 시차1까지만허용하였다. MAPE 기준으로탐색한결과인 GARCH(2,1) 에일반화된오차분포 (GED) 를적용하였다. < 4-9> ( : DayElecMax, GARCH(2,1)) Coefficient Std. Error z-statistic Prob. C -5041.148 1057.153-4.769 0.000 DAYBADMEAN 577.090 30.625 18.844 0.000 DAYBADMEAN(1) -87.152 46.469-1.875 0.061 DAYBADMEAN(2) -153.211 48.038-3.189 0.001 DAYBADMEAN(3) -256.036 32.802-7.805 0.000 DAYBADSTD 224.432 58.848 3.814 0.000 SUMMER_HOLIDAY -8575.582 171.208-50.089 0.000 DAYELECMAX(1) 0.019 0.017 1.143 0.253 DAYELECMAX(2) 0.311 0.018 17.781 0.000

Coefficient Std. Error z-statistic Prob. DAYELECMAX(3) 0.119 0.015 8.015 0.000 DAYELECMAX(4) 0.209 0.015 13.591 0.000 DAYELECMAX(5) 0.108 0.016 6.951 0.000 DAYELECMAX(6) 0.252 0.013 19.809 0.000 Variance Equation C 8432820.000 1007721.0 8.368 0.000 RESID(-1)^2 0.659 0.120 5.495 0.000 RESID(-2)^2 0.550 0.122 4.502 0.000 GARCH(-1) -0.896 0.074-12.167 0.000 GED PARAMETER 0.994 0.069 14.372 0.000 R-squared 0.879 Mean dependent var 50047.950 Adjusted R-squared 0.878 S.D. dependent var 9056.933 S.E. of regression 3168.955 Akaike info criterion 18.371 Sum squared resid 12300000000.0 Schwarz criterion 18.445 Log likelihood -11408.530 F-statistic 525.127 앞서다른모형에서와결과와유사하게, 불쾌지수는최대전력수요에 (+) 의효과를, 그리고하절기의휴일더미 (summer_holiday) 는 (-) 의효과를갖는것으로나타났다. 30일기준의표본내예측오차는 3.45% 로서, 일일시간대별최대전력수요보다는예측오차가약간낮게나왔다. 일일불쾌지수의변동성이증가하면최대전력수요도증가하는것으로나왔으며, 통계적으로유의한값이확보되었다.

[ 4-17] ( : DayElecMax, GARCH(2,1)) 일별최대전력수요 (DayElecMax, MWh) 에대해불쾌지수대신온도변수를사용하였을때의추정결과를살펴보면다음과같다. 모형전반적으로는불쾌지수를사용할때와크게차이가없지만, 불쾌지수의변동성 (daybadstd) 에비해온도변수의변동성 (daytempstd) 은통계적으로유의성이확보되지않았으며, 휴일효과의 (-) 효과는지속적으로관찰되는것으로나타났다. MAPE 기준으로는온도변수사용시 3.49% 로서, 불쾌지수와거의유사한수준이었다.

[ 4-18] ( : DayElecMax, GARCH(2,1)) < 4-10> ( : DayElecMax, GARCH(2,1)) Coefficient Std. Error z-statistic Prob. C -814.285 536.247-1.518 0.129 DAYTEMPMEAN 798.704 39.448 20.247 0.000 DAYTEMPMEAN(1) -89.223 53.800-1.658 0.097 DAYTEMPMEAN(2) -248.257 55.368-4.484 0.000 DAYTEMPMEAN(3) -353.886 41.267-8.575 0.000 DAYTEMPSTD -38.892 56.367-0.690 0.490 SUMMER_HOLIDAY -8718.571 170.528-51.127 0.000 DAYELECMAX(1) 0.015 0.017 0.886 0.376 DAYELECMAX(2) 0.309 0.017 17.785 0.000 DAYELECMAX(3) 0.122 0.015 8.350 0.000 DAYELECMAX(4) 0.202 0.015 13.466 0.000 DAYELECMAX(5) 0.111 0.015 7.245 0.000 DAYELECMAX(6) 0.253 0.013 20.179 0.000

Coefficient Std. Error z-statistic Prob. Variance Equation C 8261552.000 974359.300 8.479 0.000 RESID(-1)^2 0.637 0.117 5.428 0.000 RESID(-2)^2 0.541 0.121 4.472 0.000 GARCH(-1) -0.903 0.080-11.247 0.000 GED PARAMETER 0.992 0.069 14.374 0.000 R-squared 0.882 Mean dependent var 50047.950 Adjusted R-squared 0.881 S.D. dependent var 9056.933 S.E. of regression 3128.329 Akaike info criterion 18.353 Sum squared resid 12*10^9 Schwarz criterion 18.427 Log likelihood -11397.360 F-statistic 540.740 하절기전력수요추정에관한지금까지의결과를요약, 정리해보면, 우선불쾌지수가온도와습도를동시에고려함으로써전력수요에대한보다정확한추정을제시할것이라는직관과는달리, 온도변수만으로충분히하절기전력수요를파악할수있는것으로보인다. 하절기의시간대별전력수요의경우, CDD를 18 기준보다는상향조정할필요가있다. 최근들어서, 냉방수요가급증하게되는임계온도가과거의 18 대에서 20 이상으로상승하고있는추세로관찰되는데, 본연구의추정결과와같이임계온도의조정이예측력을향상시키는것으로나왔다. 하지만, 이같은임계온도의상향이동이단기간현상에그치는지, 아니면지속될것인지에대한꾸준한관찰도필요하다. 임계온도가지속적으로상승할경우온도상승, 즉기후변화에대한일종의적응으로도이해될수있는내용이나, 아직확언하기에는이른것으로판단된다. 아울러, 일일기준으로전력수요추정할경우,

휴일효과의유의성이고루확인됨에따라전망모형에이를반영할 필요가있는것으로보인다. 2002 년 ~2011/12 년동절기 ( 매년 11 월부터익년 2 월 ) 기간의전력수 요추세를살펴보면 [ 그림 4-19] 와같다. 종축은전력수요로단위는 MWh 이고횡축은한시간단위의시간을의미한다. [ 4-19] (obs=30216) 8 x 104 7 6 5 4 3 2 1 0 0.5 1 1.5 2 2.5 3 x 10 4 [ 그림 4-19] 의동절기시간대별전력수요를 Hodrick-Prescott 필터를이용하여추세변동과순환변동을분해한결과, 순환폭이뚜렷하게확장되는것이관찰되었다. 동절기의경우이처럼순환변동이커지는이유는, 난방에너지로전기에대한대체가 2000년대중반이후꾸준히이루어졌기때문인것으로판단된다.

[ 4-20] Hodrick-Prescott ( ) ( ) 7 x 104 1.5 x 104 6.5 6 1 5.5 5 0.5 4.5 4 0 3.5 3-0.5 2.5 2 0 0.5 1 1.5 2 2.5 3 3.5 x 10 4-1 0 0.5 1 1.5 2 2.5 3 3.5 x 10 4 [ 그림 4-21] 은동절기온도를 HP필터를이용하여순환변동과추세변동으로분해한결과이다. 종축은기온을나타내고횡축은한시간단위의시간을나타낸다. 동절기온도의경우, HP필터링결과순환변동보다는추세변동의폭이커지고있는것으로관찰되는데, 이는지구온난화로인해겨울철일교차의폭이확대되고있기때문으로보인다.

[ 4-21] Hodrick-Prescott ( ) ( ) 20 8 15 6 10 4 2 5 0 0-2 -5-4 -10-6 -15 0 0.5 1 1.5 2 2.5 3 x 10 4-8 0 0.5 1 1.5 2 2.5 3 x 10 4 [ 그림 4-22] ~ [ 그림 4-24] 는동절기전력수요와온도와의관계를세개의기간으로구분하여나타낸것이다. 그림에서종축은전력수요를그리고횡축은온도를나타낸다. 그림을통해알수있듯이동절기의경우는기온과전력수요가음의상관관계를보이고있다. 하절기와달리전력수요에대한구조적인변화를유발하는임계온도가뚜렷하게관찰되지않았다. 따라서본연구에서는난방도일 (HDD) 보다는온도데이터를직접적으로설명변수로채택하여분석하였다.

[ 4-22] (2002~2005 ) [ 4-23] (2006~2009 )

[ 4-24] (2010~2011 ) 동절기전력수요추정을위하여다음의변수를사용하였다. 하절기의경우에는온도변수와비교하기위하여불쾌지수또는냉방도일 (CDD) 을사용하였다. 그러나동절기에는불쾌지수와유사한체감지수가있음에도불구하고풍속데이터가필요하며, 아울러체감온도는외부활동에만해당되기때문에적합하지않다. 그리고상기그림에서보는바와같이임계온도가뚜렷이존재하지않은것으로판단되어, 난방도일 (HDD) 대신온도를직접사용하였다.

< 4-11> 기준시간대별 (obs=30000) 일별 (obs=1250) 온도 휴일 전력수요 winter_hr_temp winter_hr_elec daytempmean: 일평균 daytempstd: 일표준편차 winter_holiday: 휴일더미 dayelec: 일일총소비 dayelecmax: 일일최대전력 [ 그림 4-25] 는동절기전력수요의분포를나타낸다. 그림에서횡축은전력수요 (MWh) 를종축은해당전력수요가발생한빈도수를의미한다. 그림을통해알수있듯이동절기전력수요의경우에도왜도와첨도모두정규분포에가깝지않은형태임을알수있다. [ 4-25] (obs=30216) [ 그림 4-26] 에서와같이동절기시간대별전력수요 (winter_hr_elec) 의 자기상관을살펴보면, 시차를 10 일까지주어도계속존재하는것으로

나타났다. [ 4-26] ( ) 이러한결과는 winter_hr_elec의 1계차분의경우에도현저한자기상관이지속되는것으로관찰되었다. [ 그림 4-27] 에제시한바와같이차분변수의경우, 자기상관은시간이지날수록감소하고는있지만, 일정한규칙이주기적으로반복된후이역시감소하는것으로나타났다.

[ 4-27] ( ) 동절기시간대별전력수요 (winter_hr_elec) 에대한추정모형역시 MAPE 기준으로정하였으며, GARCH(1,1) 에대한전망결과는 < 표 4-12> 와같다. 는하절기보다전반적으로우수한것으로나타났으며, 기온변수와자기시차변수모두상당히유의하게나왔다. 10일

기준으로표본내전망결과, 예측오차인 MAPE 는 1.93% 로서하절기 보다우수하게평가되었다. < 4-12> GARCH(1,1) (obs=30126) Coefficient Std. Error z-statistic Prob. C 992.479 29.878 33.218 0.000 WINTER_HR_TEMP 77.762 13.059 5.955 0.000 WINTER_HR_TEMP(1) 29.379 26.051 1.128 0.259 WINTER_HR_TEMP(2) -14.507 26.787-0.542 0.588 WINTER_HR_TEMP(3) -35.825 27.610-1.298 0.194 WINTER_HR_TEMP(4) 261.402 27.880 9.376 0.000 WINTER_HR_TEMP(5) -693.449 26.451-26.216 0.000 WINTER_HR_TEMP(6) 347.871 12.836 27.101 0.000 WINTER_HR_ELEC(1) 1.410 0.004 358.245 0.000 WINTER_HR_ELEC(2) -0.448 0.006-69.790 0.000 WINTER_HR_ELEC(3) -0.055 0.007-8.149 0.000 WINTER_HR_ELEC(4) 0.159 0.007 23.053 0.000 WINTER_HR_ELEC(5) -0.082 0.007-12.619 0.000 WINTER_HR_ELEC(6) -0.004 0.004-1.070 0.285 Variance Equation C 1942744.000 32010.690 60.690 0.000 RESID(-1)^2 0.224 0.020 11.240 0.000 GARCH(-1) -0.115 0.002-50.520 0.000 GED PARAMETER 0.969 0.010 92.675 0.000 R-squared 0.977 Mean dependent var 47987.240 Adjusted R-squared 0.977 S.D. dependent var 9508.826 S.E. of regression 1432.158 Akaike info criterion 17.179 Sum squared resid 61900000000. Schwarz criterion 17.184 Log likelihood -259466.500 F-statistic 76559.670 Durbin-Watson stat 2.076 Prob(F-statistic) 0.000

[ 4-28] ( : winter_hr_elec, GARCH(1,1)) 동절기일별전력수요 (winter_dayelec) 추정결과, MAPE 기준으로 GARCH(1,2) 가제일양호한것으로나타났으며, 는 0.88로서동절기시간대별보다는낮게추정되었다. 추정된계수는 (-) 의값을보이고통계적으로유의하여동절기기온이낮아지면전력수요가증가하고, 동절기일일온도편차 (winter_daytempstd) 가증가하면전력수요는감소하는것으로나타났다 (< 표 4-13> 참조 ). 10일기준으로전력수요의표본내전망 MAPE가 3.89% 로서, 시간대별전망보다는예측력이낮은것으로평가되었다 ([ 그림 4-29] 참조 ). 휴일효과역시하절기와유사하게나타났는데, 전력수요에대하여휴일은 (-) 의효과를갖는것으로나타났다. 동절기일별최대전력수요 (winter_dayelecmax) 를추정하기에앞서, 일별최대전력의비중을살펴보았다. 하절기와마찬가지로일별최대전력