본 연구는 기온의 연속·누적 효과와 전력소비 변동성 간 관계를 분석하여 일일 최대전력소비의 예측력을 향상할 방안을 제시하고자 하였다. 2016년 여름 동안 나타난 이상 고온 현상의 지속은 전력소비량의 급증과 변동성 확대로 이어졌다. 그 결과 단기 전력소비의 예측 불확실성이 증가하여, 전력수급 관리와 계획에 큰 어려움을 가져왔다. 그뿐만 아니라, 현행 전기요금 누진체계 아래에서 국민들의 후생 감소로 전기요금 개편 추진과 같은 사회적 이슈를 발생시켰다.
일일 최대전력소비와 같은 단기 전력소비의 변동성은 기상변수와 밀접한 관련이 있다. 특히, 기상변수 중에서 기온의 영향에 가장 민감하다. 기온이라는 명확한 설명요인이 있음에도 불구하고 일일 최대전력소비 변동성을 예측하기가 쉽지 않은 것은 기온과의 비선형 관계가 존재하기 때문이다. 특히, 기온의 종류, 기온 외 기상변수 고려 여부에 따라 전력소비 변동성과 기온 간 다양한 형태의 비선형 관계가 나타난다.
그뿐만 아니라, 일일 최대전력소비는 기온의 연속·누적 효과에 영향을 받을 수 있다. 기온의 연속·누적 효과는 일정 수준 이상 또는 이하의 기온이 어느 정도의 편차를 가지고 연속적이며 누적적으로 나타나는지를 의미한다. 신동현·조하현(2014a)에서는 기온의 연속·누적 효과를 평균 기온으로 4일간의 이동 기간(moving windows)을 이용하여 정의하고 있다. 그러나 평균 기온이 아닌 최고 또는 최저 기온, 4일이 아닌 그 이상의 기간도 고려할 수 있다. 이처럼 여러 종류 기온의 연속·누적 효과까지 고려한다면 분석 가능한 일일 최대전력소비에 관한 예측 모형의 수는 매우 증가하게 된다.
일반적으로 고려할 수 있는 모형 중에서 통계량에 근거하여 하나의 모형을 선택하여 일일 최대전력소비의 분석과 예측에 활용할 수 있다. 그러나 하나의 모형을 선택하면 다른 모형에서 얻을 수 있는 정보를 잃게 된다. 특히, 선택되지 않은 모형들이 일일 최대전력소비에 대한 어느 정도의 설명력을 가지고 있다면 모형 선택으로 인한 정보 손실은 무시할 수 없을 것이다. 일일 최대전력소비와 같은 여름과 겨울의 특정 기간의 분석과 예측이 중요한 경우도 이에 해당한다.
본 연구에서는 전력소비와 기상변수 간 존재할 수 있는 다양한 형태의 비선형 관계를 최대한 고려한다. 이때, 모형 선택으로 인한 정보 손실을 최소화하여, 일일 최대전력소비에 대한 예측력을 향상할 방안으로 모형평균방법을 고려하였다.
모형평균방법은 개별 모형들의 가지는 정보의 중요도를 가중치로 하여 모형들의 추정계수와 예측치를 가중 평균하는 방법이다. 모형의 중요도를 의미하는 가중치에 따라 동일 가중치부터 모형의 설명력 또는 적합도를 나타내는 통계량을 이용하는 방법까지 8가지 방법을 본 연구에서 고려하였다.
2014년 1월 1일부터 2016년 8월 25일까지 일별 자료를 이용하여 실증 분석한 결과, 일일 최대전력소비는 평균 기온뿐만 아니라 최고 기온과 최저 기온에도 영향을 받는 것으로 나타났고, 기온의 종류에 따라 임계 기온의 수준과 국면의 수가 달라지는 것을 확인할 수 있었다. 또한, 기온 외 상대습도, 풍속도 일일 최대전력소비는 영향을 주는 것으로 분석되었다. 구체적으로 상대습도는 일정 기온 이상에서, 풍속은 일정 기온 이하에서 일일 최대전력소비 변화에 효과를 주는 것으로 나타났다.
일정 수준 이상 또는 이하의 기온이 특정 기간 편차 없이 나타나는 정도로 정의한 기온의 연속·누적 효과도 일일 최대전력소비에 영향을 주는 것으로 분석되었다. 단, 기존 연구와 달리 평균 기온뿐만 아니라 최고 기온과 최저 기온으로 정의한 기온의 연속·누적 효과도 일일 최대전력소비를 변화시킨다. 게다가, 4일이라는 특정 기간보다 3일에서 7일까지 기간의 기온 연속·누적 효과도 일일 최대전력소비와 관련이 있는 것을 확인하였다.
2016년 1월 1일부터 2016년 8월 25일까지 기간에 대해서 54개의 단일 모형들과 8가지 모형평균방법 간 표본외 예측을 수행하여 예측력을 비교하였다. 그 결과, 모형평균방법 중 정보기준인 AIC 또는 SIC를 이용한 지수평균을 이용한 모형평균방법이 단일 모형 중에서 가장 예측력이 높은 모형에 비해서 약 5%의 예측력 향상이 나타났다. 이는 일일 최대전력소비를 예측하는데 있어 하나의 모형을 선택하는 것보다 모든 모형의 정보를 차등적으로 활용하는 모형평균방법이 예측력 측면에서 바람직하는 것을 의미한다.
본 연구에 의하면 일일 최대전력소비와 같은 단기 전력소비 예측 시 기온의 현재 수준과 함께 기온의 연속·누적 효과를 활용하여야 함을 시사한다. 이를 통해 전력소비 예측력이 향상된다면 전력 도매시장의 계통한계가격 변동성 축소에 긍정적 영향을 가져와 전력시장 안정화에 도움이 될 것이다. 그뿐만 아니라, 전력수요의 과대 예측을 줄임으로써 불필요한 전력 생산과 사용을 감소시켜 온실가스 감축에 이바지할 수 있을 것으로 기대한다. 마지막으로 이상 고온 현상이 앞으로 지속하면 전력소비에 미치는 가격 변동의 효과를 확대할 가능성이 존재하므로 현재 논의되고 있는 누진제 개편 시, 기온의 연속·누적 효과를 사전에 고려할 필요가 있다.