오효빈
(Hyo-Bin Oh)
1iD
윤형석
(Hyeong-Seok Yun)
1iD
윤효정
(Hyo-Jeong Yoon)
1iD
신한솔
(Han-Sol Shin)
2iD
곽규형
(Kyu-Hyeong Kwag)
3iD
김욱
(Wook Kim)
†iD
-
(Dept. of Electrical Engineering, Pusan University, Republic of Korea.)
-
(The Lantau Group limited, Republic of Korea.)
-
(Dept of Market Innovation, Korea Power Exchange, Republic of Korea.)
Copyright © The Korea Institute for Structural Maintenance and Inspection
Key words
Renewable energy, Capacity credit, Peak Contribution, Resource adequacy, Effective load carrying capability
1. 서 론
국내 전력산업은 전력수급기본계획에 의한 계획 기반의 전력수급 전망 체계를 따르고 있다. 이러한 전력수급기본계획의 목표는 경제적 및 정책적 요인을
고려하여 미래 전력계통의 상태를 예측하고, 안정적인 전력수급을 위해 필요 발전설비의 규모와 적절한 투입 시기를 결정하는 데 있다[1]. 안정적인 전력수급이란 전력계통의 공급신뢰도가 기준을 충족하는지를 의미하며, 자원적정성 분석을 통해 공급신뢰도 기준 달성을 위해 필요한 발전설비를
도출할 수 있다[2,3].
국내에서는 공급신뢰도를 정량화하여 나타내기 위해 Loss of load expectation (공급지장기대일, LOLE) 공급신뢰도 지표를 채택하고
있다[4]. 자원적정성 분석에서는 계획기간의 연도별 LOLE를 계산하고, 공급신뢰도 기준인 LOLE 0.3일/년을 만족하기 위한 설비 수준인 용량적정성확보
예비율을 도출한다. 이러한 용량적정성확보 예비율에 불확실성에 대응하기 위한 추가 예비율을 더하여 기준 설비예비율을 정의하고, 최종적으로 연도별 목표
설비용량을 결정한다. 전력수급기본계획은 계획된 설비용량과 목표 설비용량을 바탕으로 필요 설비용량을 산출, 발전설비의 적절한 계통 진입 시기를 결정하여
국내 전력계통의 자원적정성을 확보하고 있다.
일반적으로 계통에서 전력수급 위험이 가장 높은 시간은 최대부하 시간으로 인식되고 있다[5]. 따라서 이에 대응할 수 있도록 설비예비율은 최대부하를 기준으로 산정하며, 최대부하 시간에 계통에 기여하는 능력으로 각 발전원의 설비용량을 평가한다.
원자력, 석탄 발전원과 같은 전통전원은 최대부하 시간에 정격용량을 급전할 수 있으므로, 정격용량으로 설비용량을 평가한다. 반면 재생에너지와 같은 변동성자원은
간헐적인 발전 특성으로 인해 급전이 제한되므로 정격용량을 실효용량으로 환산하여 설비용량을 평가하고 있다. 따라서 계통의 설비용량은 전통전원의 정격용량과
변동성자원의 실효용량을 합산하여 나타내어지는데, 변동성자원의 설비용량은 실효용량 평가 방법에 따라 그 수치가 크게 변동할 수 있다[6]. 실효용량을 과대평가하면 계통에 필요한 전통전원 규모가 낮게 산정되어 계통 운영 불확실성이 증가하고, 과소평가하면 더 많은 전통전원을 확보해야 하므로
많은 사회적 비용이 발생할 수 있다. 그러므로 변동성자원의 적절한 실효용량 평가는 매우 중요하며, 합리적인 방법으로 평가할 필요가 있다. 국내에서는
피크기여도를 바탕으로 하는 실효용량 평가 방법을 채택하고 있다[7]. 이러한 피크기여도는 피크시간 발전 실적을 기반으로 산정되며, 90%라는 보수적인 초과수준 기준을 적용함으로써 변동성자원의 출력 불확실성으로 인한
전력수급 위험을 관리하고 있다.
전 세계적인 탄소중립 움직임에 따라 전력산업은 탄소배출 저감을 위해 석탄 발전원의 비중을 줄이고 LNG 및 재생에너지와 같은 저탄소 발전원 중심 전원믹스로
전환하고 있다. 재생에너지와 같은 변동성자원의 대규모 보급은 전력계통 내에서 변동성자원의 역할과 계통에 미치는 영향을 확대하고 있다[8]. 변동성자원의 간헐적인 발전 특성으로 인해, 계통의 시간별 공급능력 편차가 심화되어 Duck Curve와 같이 순부하 관점에서의 피크시간이 이동하고
있다[9]. 하지만 현행 피크기여도는 과거 피크시간에서의 이용률을 바탕으로 산정되고 있기 때문에, 변동성자원의 보급이 미래 계통에 미치는 영향을 충분히 반영하지
못하고 있다. 그로 인해 전력수급기본계획 계획기간 전체에 동일한 피크기여도가 적용되어 변동성자원이 많이 보급될수록 실효용량이 낙관적으로 평가된다고
볼 수 있다. 따라서 변동성자원의 보급이 전통전원의 필요 규모를 왜곡하고 계통 운영 불확실성을 심화시켜 국내 자원적정성에 부정적 영향을 미칠 우려가
있다. 추가적으로, 태양광은 주간 시간에 출력이 집중되고 풍력은 계절 및 시간에 따라 높은 출력 변동성을 가지는데, 이러한 차이를 고려하지 않고 동일한
기준으로 피크기여도를 산정하는 현행 방식은 변동성자원의 계통 기여도를 왜곡할 가능성이 있다. 그러므로 변동성자원의 역할이 확대되고 있는 시점에서 현행
피크기여도의 산정 기준은 부적절하며 이에 대한 검토가 필요하다고 판단된다.
따라서 본 논문에서는 변동성자원의 현행 실효용량 평가 방법이 적절한지 분석하고자 한다. 이를 위해 Effective Load Carrying Capability
(ELCC) 개념을 활용하여 변동성자원의 계통 기여 능력을 정량적으로 분석하고 이를 바탕으로 피크기여도 산정 기준을 재정립하는 방안을 제시한다. 또한
변동성자원의 이용률 패턴에 따른 산정 결과의 변동성 완화 방안을 검토하고, 다양한 분석을 통해 변동성자원 고비중 환경에서의 적정한 피크기여도 산정
기준을 마련하고자 한다.
본 논문의 구성은 다음과 같다. 2장에서는 자원적정성 분석의 배경 이론과 주요 실효용량 평가 방법을 기술한다. 3장에서는 분석 대상이 되는 계통에
대한 개요 및 실효용량 평가를 위한 시나리오 구성을 소개하고, 4장에서는 시나리오별 모의 결과와 이에 대한 분석을 수행한다. 마지막으로 5장에서는
결론을 정리하였다.
2. 배경 이론
2.1 자원 적정성 분석
2.1.1 공급신뢰도 계산
자원 적정성 분석의 목적은 앞서 서술한 바와 같이 전력계통의 공급신뢰도가 기준을 달성하기 위한 설비 수준의 도출에 있다. 따라서 자원 적정성 분석에서는
계통의 공급신뢰도를 계산하고 그 수준을 공급신뢰도 지표로 나타낸다.
공급신뢰도는 전력계통에서 나타나는 공급과 수요 불확실성을 고려하였을 때의 전력수급의 신뢰성 수준을 의미하는데, 전통적으로 정전 빈도, 정전 규모,
정전 일수 등의 공급신뢰도 지표로 신뢰성 수준을 정량화하고 있다[10,11]. 국내에서는 LOLE 공급신뢰도 지표를 채택하여 LOLE 0.3일/년을 공급신뢰도 기준으로 하고 있다. 이러한 LOLE는 식 (1)과 같이 나타낼 수 있다.
여기서 $LOLP_{d}$는 일별 공급지장확률을 나타내는 공급신뢰도 지표로, 이를 연평균화하여 $LO\le$를 계산할 수 있다. 이러한 일별 공급지장확률은
해당 일에서의 불확실성을 고려하여 시간별 계통 총 공급능력($AVCP_{d,\: t}$)이 시간별 전력수요($Load_{d,\: t}$) 보다 작을
확률로, 식 (2)와 같이 나타내어진다.
일반적으로 시간별 계통 총 공급능력 및 시간별 전력수요에는 불확실성이 존재하기 때문에 단일 수치가 아닌 특정 범위에서 임의의 확률에 대응하는 확률
분포 형태를 가진다. 하지만 전력수급기본계획에서 부하 예측 불확실성을 별도로 고려하고 있기 때문에, 본 논문에서도 공급신뢰도 계산에서 전력수요에 대한
불확실성은 고려하지 않았다. 시간별 계통 총 공급능력은 전통전원 전체의 공급능력($AVCP_{d,\: t}^{Trad}$)과 변동성자원 전체의 공급능력($AVCP_{d,\:
t}^{Var}$)을 합산하여 식 (3)과 같이 나타낼 수 있다.
식 (4)는 전통전원 전체의 공급능력을 의미하며, 전통전원 집합 $G$에 속한 발전기 $g$의 정격용량($CP^{g}$)에 불시고장으로 인한 고장 여부($FO_{d,\:
t}^{g}$) 및 예방정비로 인한 공급능력 변화($MO_{d,\: t}^{g}$)를 고려하여 나타낼 수 있다. 식 (5)는 변동성자원의 공급능력으로, 변동성자원 집합 $V$에 속한 발전기 $v$의 정격용량($CP^{v}$)에 시간별 이용률 패턴($PT_{d,\: t}^{v}$)을
고려하여 공급능력의 변동성 및 불확실성을 반영하였다.
2.1.2 설비예비율 계산
전력계통을 구성하는 발전설비와 전력수요 정보를 식 (1)에 적용하여 LOLE를 계산할 수 있다. 하지만 이때의 LOLE는 계통의 현재 상태에서의 공급신뢰도 수준을 의미하는 것으로, 공급신뢰도 기준이 되도록
하기 위해 발전설비의 추가/제거 또는 부하 증감과 같이 계통 상태를 조정할 필요가 있다. 본 논문에서는 계통을 조정하여 LOLE가 공급신뢰도 기준에
도달한 계통을 공급신뢰도 기준 계통이라고 하였으며, 후술할 ELCC 분석과의 방법론 정합성 일치를 위해 공급능력을 조정하여 공급신뢰도 기준 계통을
도출하였다.
그림 1. 공급능력 변화에 따른 LOLE
Fig. 1. LOLE trends associated with supply capacity changes
그림 1은 공급능력 변화에 따른 LOLE 변화 추세에 대한 예시를 나타내었다. 그림에 나타낸 바와 같이 공급능력이 감소할수록 LOLE가 증가하는 추세를 보이며,
공급능력과 LOLE 사이에는 지수적인 상관관계가 나타난다[12]. 공급능력 조정 이전의 계통에서 공급신뢰도 기준보다 LOLE가 낮으면 공급용량을 감소시키고, LOLE가 기준보다 높으면 공급용량을 증가시켜서 공급신뢰도
기준 계통을 도출한다. 이러한 계통 조정 과정을 수행하여 공급신뢰도 기준 계통에서의 공급능력이 최대부하를 초과하는 비율로써 용량적정성확보 예비율을
도출할 수 있다. 전력수급기본계획에서는 최종적으로 자원적정성 확보를 위해 필요한 설비 수준을 용량적정성확보 예비율에 불확실성 대응 예비율을 합산한
기준 설비예비율로 설정하고 있다.
2.2 실효용량 평가
2.2 실효용량 평가
2.2.1 피크기여도
최대부하 시간은 계통에서 가장 전력수급 위험이 높은 시간으로 인식되고 있다. 전력수급기본계획은 이러한 최대부하를 기준으로 발전설비 계획을 수립하므로,
급전불가능한 변동성자원은 최대부하 시간에서 전통전원을 대체하는 수준을 고려하여 실효용량을 평가한다.
국내에서는 이러한 개념을 피크기여도로 정의하고 있다. 피크기여도는 변동성자원이 피크시간(최대수요 시간을 포함하는 고수요 시간 구간)에서의 발전(이용률)
실적에 초과수준 방식을 적용하여 산정한다. 현재 국내에는 변동성자원 각각의 발전 특성 구분 없이 동일한 초과수준 90%의 기준을 적용하여 피크기여도를
산정하고 있다. 표 1은 7차부터 10차 전력수급기본계획에서 발표한 주요 신재생에너지의 피크기여도를 나타내었다.
표 1 전력수급기본계획 차수별 피크기여도 (%)
Table 1 Peak Contribution across Basic Plan of Long-Term Electricity Supply and Demand
(%)
|
태양광
|
풍력
|
수력
|
바이오
|
연료전지
|
7차
|
13.0
|
2.2
|
28.0
|
23.3
|
70.1
|
8차
|
15.6
|
1.9
|
28.1
|
29.2
|
73.5
|
9차
|
13.9
|
3.1
|
21.6
|
44.7
|
67.7
|
10차
|
13.9
|
2.2
|
22.6
|
45.3
|
68.8
|
2.2.2 Effective Load Carrying Capability
ELCC는 임의의 자원이 계통의 공급신뢰도에 기여하는 능력을 의미한다. ELCC 방법은 변동성자원에 대한 최대수요 시간 발전 실적 기반의 기존 평가
방법에서 공급신뢰도 기여 능력으로 변동성자원을 평가함으로써 변동성자원이 공급신뢰도에 미치는 영향을 고려할 수 있다는 의의가 있다.
일반적으로 간헐적 발전 특성에 의해 변동성자원이 보급될수록 공급신뢰도에 기여하는 능력이 감소하는데, 이러한 현상을 포화 현상이라고 한다. 대표적으로
주간 시간에만 발전하는 태양광 설비의 보급이 증가하면 계통의 위험시간은 저녁이나 야간 시간에 나타날 수 있다. 변동성자원이 보급됨에 따라 이러한 포화
현상이 심화되므로, 최대수요 실적만으로 평가하는 기존의 방법에서 변동성자원의 보급 영향을 고려하는 실효용량 평가 방법의 필요성이 증가하였다. 이러한
상황에서 ELCC는 변동성자원의 보급으로 인한 계통 영향을 고려할 수 있으며, 전통전원과 변동성자원 모두에 일관된 기준을 적용할 수 있는 합리적인
방법으로 평가받고 있다. 따라서 ELCC는 이용률 기반의 방법을 효과적으로 대체하기 때문에 표 2에 나타낸 바와 같이, 주요 해외 전력시장에서 ELCC 방법을 도입하여 변동성자원의 실효용량을 평가하고 있다[13-17].
표 2 해외 주요 전력시장의 ELCC 산정 현황 (%)
Table 2 ELCC result in Major Electricity Markets (%)
|
태양광
|
풍력
|
ESS
|
PJM
|
9.0-14
|
35-60
|
59-68
|
CAISO
|
6.6-7.0
|
12-48
|
75-87
|
NYISO
|
12-16
|
13
|
55-100
|
MISO
|
21-31
|
26-47
|
-
|
앞서 서술한 바와 같이 ELCC는 임의의 자원이 계통 공급신뢰도에 기여하는 능력을 분석하고 그 능력을 실효용량으로 평가하는 방법이다. 이를 위해 ELCC를
분석하고자 하는 자원을 포함한 계통과 제외한 계통 2가지를 구성할 필요가 있다. 그림 2는 ELCC에 대한 개념도를 나타낸 것으로, 파란색 선은 분석자원 포함 계통에서 공급능력 변화에 대한 LOLE 추세, 주황색 선은 분석자원 제외 계통에서
공급능력 변화에 대한 추세를 의미한다. ELCC는 두 선이 동일한 LOLE (공급신뢰도 기준)일 때의 공급능력 차이로 정의할 수 있다. 본 논문에서는
공급능력 조정 과정에서 투입되는 발전설비의 고장 및 정비 특성이 ELCC 분석 결과에 영향을 미치지 않도록 가상의 공급자원인 Perfect capacity를
조정하여 ELCC 분석을 수행하였다.
그림 2. ELCC 개념도
Fig. 2. ELCC conceptual framework
본 논문에서는 다양한 자원의 집합으로 구성된 포트폴리오에 대해, 포트폴리오 전체의 ELCC를 포트폴리오를 구성하는 각 자원에 배분하기 위해 Delta
method를 활용하였다[18]. Delta method는 포트폴리오를 구성하는 자원 사이에 발생하는 상호효과를 고려하여 각 자원에 분배하는 방법으로, 이를 위해 다양한 조합으로
포트폴리오를 구성하여 ELCC를 분석한다.
식 (6)은 포트폴리오에 모든 분석자원이 존재하여 상호효과가 나타나는 ELCC($ELCC_{Last -in}^{v}$)와 포트폴리오가 단일 자원으로 구성되어
상호효과가 없는 ELCC($ELCC_{First-in }^{v}$)의 차이로 자원별 상호효과($IE^{v}$)를 정의한다. 식 (7)은 포트폴리오 전체의 ELCC($ELCC^{port}$)와 상호효과가 나타나는 자원별 ELCC 합과의 차이로 포트폴리오 상호효과($IE^{port}$)를
정의한다. 식 (8)은 자원별 상호효과를 바탕으로 포트폴리오 상호효과를 각 자원에 분배하여 자원별 조정상호효과($AIE^{v}$)를 계산하였으며, 각 자원에 조정상호효과를
할당하여 최종적으로 식 (9)와 같이 ELCC($ELCC_{Delta}^{v}$)를 도출할 수 있다. 본 논문은 ELCC로 분석자원의 계통 기여 능력을 평가하였으며, 실효용량으로
도출되는 ELCC와 Capacity credit 개념인 피크기여도와의 직접적인 비교를 위해 실효용량을 정격용량으로 나눈 Capacity credit의
개념으로 ELCC를 나타내었다.
3. 분석 계통 및 시나리오 구성
3.1 분석 계통
본 논문의 목적은 변동성자원의 비중 증가에 따른 실효용량 평가 방법의 검토에 있다. 10차 전력수급기본계획의 계획기간에서 국가 온실가스 감축목표 달성을
위해 2030년까지는 변동성자원이 보급 확대 중인 것으로 판단하여, 본 논문에서는 2030년부터 2036년까지를 분석 계통으로 선정하여 2년 단위로
분석을 수행하였다.
3.1.1 전력수요
본 논문에서는 전력통계정보시스템에서 공개하고 있는 연료원별 시간대별 전력거래량 데이터를 바탕으로 전력수요 패턴을 구성하였다. 이때, 연중 최대수요가
10차 전력수급기본계획 발표 목표수요의 최대수요와 동일하도록 수요 크기에 비례하여 패턴을 조정하여 미래 전력수요를 구현하였다. 분석 시나리오에 따라
각각의 전력수요 패턴을 설정하였으며, 관련 내용은 3.2 절에 후술하였다.
3.1.2 전통전원
본 논문에서는 분석 계통의 전통전원 설비를 구성하기 위해 10차 전력수급기본계획 상의 연차별 설비 내역을 참고하였다. 표 3에 연도별 발전원별 전통전원 설비 구성을 나타내었으며, 전통전원은 급전가능한 중앙 설비로 한정하였다. 표에 나타낸 석탄 발전원의 수치와 10차 전력수급기본계획
수치 사이에서 발생하는 차이는 비중앙 설비로 간주하여 표에 나타나지 않은 발전원과 함께 기타 설비로 정의하였다.
표 3 연도별 발전원별 전통전원 설비 구성 (MW)
Table 3 Annual composition of traditional power plants by generation type (MW)
연도
|
원자력
|
석탄
|
LNG
|
양수
|
유류
|
2030
|
28,850
|
30,489
|
58,604
|
5,200
|
65
|
2032
|
30,250
|
28,489
|
61,854
|
5,800
|
65
|
2034
|
31,650
|
26,889
|
63,604
|
6,500
|
65
|
2036
|
31,650
|
25,889
|
64,604
|
6,500
|
65
|
전통전원의 고장정지율 및 예방정비율은 전력거래소에서 발표하는 통계 자료를 활용하였으며, 10차 전력수급기본계획의 수립 기간을 고려하여 2021년도
전력설비 정지통계 자료를 참고하였다. 본 논문에서는 정지의 성격을 고려하여 발전원별 종합비계획정지율, 계획중간정비정지율의 합을 고장정지율로 간주하였으며,
계획예방정비정지율을 예방정비율로 간주하였다. 또한 연도별로 나타나는 정지통계 실적 차이를 고려하여 표 4과 같이 연도별 수치를 평균화하여 적용하였다.
표 4 발전원별 고장정지율 및 예방정비율 (%)
Table 4 Forced outage rate and maintenance outage rate by generation type (%)
구분
|
원자력
|
석탄
|
LNG
|
양수
|
유류
|
고장정지율
|
2.2
|
3.1
|
4.5
|
6.3
|
8.5
|
예방정비율
|
26.4
|
12.6
|
5.3
|
16.0
|
5.7
|
3.1.3 변동성자원 및 기타 설비
본 논문에서는 급전 불가능한 간헐적 발전원을 변동성자원으로 정의하였는데, 이러한 발전 특성과 신재생에너지 설비의 보급 전망을 고려하여 태양광 및 풍력
설비를 실효용량 평가 방법 검토 대상으로 한정하였다. 태양광, 풍력 이외의 신재생에너지 설비들은 모두 실효용량화 하여 3.1.2절에서 서술한 비중앙
석탄 발전과 함께 기타 설비로 간주하였다. 표 5는 변동성자원과 기타 설비의 연도별 보급 전망을 나타내었다.
표 5 연도별 변동성자원 및 기타 설비 구성 (MW)
Table 5 Annual composition of variable energy resources and other generation resources
(MW)
연도
|
태양광
|
풍력
|
기타
|
2030
|
46,500
|
19,300
|
4,385
|
2032
|
52,900
|
25,910
|
4,606
|
2034
|
59,300
|
30,010
|
4,823
|
2036
|
65,700
|
34,089
|
5,383
|
변동성자원의 시간대별 이용률 패턴은 10차 전력수급기본계획의 수립기간을 고려하여 2019년, 2020년, 2021년의 시간대별 전력거래량 자료를 바탕으로
시간대별 이용률을 산출하여 구성하였다. 산출한 이용률에서 피크기여도를 산정하기 위해서는 피크시간을 정의할 필요가 있는데 10차 전력수급기본계획에 피크시간은
13-17시로만 명시되어 있고 그 시기는 확인되지 않는다. 따라서 본 논문에서는 2019년부터 2021년까지 주로 7월과 8월에 최대전력이 발생한
것을 고려하여 7월과 8월인 하계를 피크시기로 간주하였다. 이러한 피크시간 조건(7, 8월 13-17시)에서 피크기여도를 산정하고, 그 수치가 10차
전력수급기본계획 발표 피크기여도(태양광 : 13.9%, 풍력 : 2.2%)와 같아지도록 최종적으로 변동성자원의 시간대별 이용률을 조정하였다.
3.2 시나리오 구성
3.2.1 기본 시나리오
기본 시나리오의 전력수요 패턴을 설정하기 위해 10차 전력수요기본계획에서 발표한 목표수요와 가장 유사한 특징이 나타나는 전력수요 패턴을 검토하였다.
목표수요에서 동계 최대수요 대비 하계 최대수요 비율은 약 106.6%로 나타났다. 2019년부터 2023년까지의 전력거래량 데이터를 분석한 결과,
2019년 패턴의 경우에서 동계 대비 하계 최대수요 비율이 107.9%로 나타나 가장 목표수요와 유사한 특성을 가진 것으로 판단되어 2019년 전력수요
패턴을 기본 시나리오의 전력수요 패턴으로 설정하였다. 이때 변동성자원의 이용률은 그 변동성을 고려하여 3개년도 이용률 모두를 기본 시나리오의 분석
대상으로 하였다. 표 6은 기본 시나리오의 구성을 나타내었다.
표 6 기본 시나리오 구성
Table 6 Configuration of the baseline scenario
시나리오
|
패턴 데이터
|
전력수요
|
변동성자원 이용률
|
S1
|
2019
|
2019
|
S2
|
2020
|
S3
|
2021
|
3.2.2 상관관계 시나리오
상관관계 시나리오에서는 전력수요와 변동성자원 이용률 간의 상관관계로 인한 실효용량 평가 방법에 대한 시사점을 분석한다. 이를 위해 전력수요의 발생
연도와 변동성자원 이용률 발생 연도의 모든 조합에 대한 시나리오를 구성하였다. 표 7은 상관관계 시나리오의 구성을 나타내었다.
표 7 상관관계 시나리오 구성
Table 7 Configuration of the correlation scenario
시나리오
|
패턴 데이터
|
전력수요
|
변동성자원 이용률
|
S4
|
2020
|
2019
|
S5
|
2020
|
S6
|
2021
|
S7
|
2021
|
2019
|
S8
|
2020
|
S9
|
2021
|
3.2.3 피크시간 시나리오
피크기여도 방법은 피크시간으로 정의된 시간에서의 발전량 실적에 의존한다. 그러나 변동성자원의 보급에 따라 순부하 관점의 피크시간이 변동될 수 있기
때문에, 기본 시나리오의 전제에서 피크시간의 정의를 달리하여 시나리오를 구성하였다. S1-S9는 기본 시나리오와 상관관계 시나리오에 대한 것으로,
3.1.3.2절에서 가정한 피크시간에 대한 시나리오이다. S10-S12는 태양광 발전이 감소하는 시간에 전력수급 위험시간이 발생할 것을 고려하여 피크시간(時)을
확장한 시나리오이며, S13-S15는 하계뿐만 아니라 동계까지 피크시기(月)를 확장한 시나리오다. S16-S18은 피크시기와 피크시간 모두를 확장하였으며,
S19-S21에서는 피크시기에 따른 최대수요 발생 시간을 고려하여 하계와 동계 피크시간을 별도로 정의하였다[19]. 표 8은 피크시간 시나리오의 구성을 나타내었다.
표 8 피크시간 시나리오 구성
Table 8 Configuration of the peak period scenario
시나리오
|
피크시기 (月)
|
피크시간 (時)
|
S1-S9
|
7-8월
|
13-17시
|
S10-S12
|
7-8월
|
10-19시
|
S13-S15
|
1월, 7-8월, 12월
|
13-17시
|
S16-S18
|
1월, 7-8월, 12월
|
10-19시
|
S19-S21
|
7-8월
|
13-17시
|
1월, 12월
|
10-12시, 18-19시
|
4. 사례 연구
4.1 기본 시나리오 분석
기본 시나리오에서는 2019년 전력수요 패턴 조건에 2019년, 2020년, 2021년 변동성자원 이용률 패턴 각각을 적용하였을 때의 변동성자원의
ELCC를 분석하였다. 표 9는 기본 시나리오인 S1-S3에 대한 태양광 및 풍력의 ELCC를 연도별로 나타내었다. 먼저 연도별 결과를 바탕으로 변동성자원 보급에 의한 연도별
ELCC의 감소 추세를 확인할 수 있다. 이는 변동성자원에 대한 계통 수용 능력의 한계가 있음을 보여주어, ELCC 방법은 변동성자원의 보급 수준을
고려한 실효용량 평가 방법임을 알 수 있다. 다음으로 시나리오 간 ELCC 비교를 통해 이용률 패턴 차이에 의한 ELCC의 변동성이 발생함을 확인하였다.
이러한 변동을 고려하였을 때 단일 연도의 이용률 패턴만으로 ELCC를 분석하는 것은 높은 변동성에 노출될 수 있기 때문에, 이용률 각각에 대한 ELCC의
최소 또는 평균을 대푯값으로 하여 변동성자원의 ELCC로 간주하는 것이 적절하다고 판단된다. 여기서 2036년 기준 태양광 ELCC의 평균은 12.10%,
최소값은 10.50%로 1.6%의 차이가 나타난 반면, 풍력 ELCC의 평균은 11.21%, 최소값은 8.74%로 2.46%의 차이가 확인된다. 이를
통해 태양광에 비해 풍력에서 ELCC 변동성이 더 높은 것을 확인할 수 있다. 다음으로 태양광 ELCC는 피크기여도인 13.9%와 비교적 유사하게
도출되었지만, 풍력 ELCC는 피크기여도인 2.2%에 비해 다소 차이가 발생하였다.
표 9 기본 시나리오 ELCC 분석 결과 (%)
Table 9 ELCC results for the baseline scenario
연도
|
S1
|
S2
|
S3
|
태양광
|
풍력
|
태양광
|
풍력
|
태양광
|
풍력
|
2030
|
14.45
|
11.87
|
11.65
|
15.84
|
15.14
|
9.74
|
2032
|
13.20
|
12.04
|
11.38
|
15.95
|
13.77
|
9.47
|
2034
|
13.21
|
10.77
|
10.73
|
15.33
|
13.46
|
8.66
|
2036
|
12.87
|
10.11
|
10.50
|
14.76
|
12.92
|
8.74
|
그림 3과 그림 4는 연도별 태양광 및 풍력의 ELCC와 ELCC가 나타나는 초과수준 영역을 나타냈다. 태양광 ELCC는 90~100% 초과수준 영역 내에 있는 반면,
풍력 ELCC는 30~50% 초과수준 영역 내에 있음을 확인할 수 있다. 이러한 분석을 통해 현행 피크기여도 산정 기준은 태양광의 실효용량 평가에
적절할 수 있지만 풍력의 경우 계통 기여 능력과는 다소 왜곡된 실효용량이 평가될 수 있음을 보여준다. 따라서 변동성자원 각각에 대한 피크기여도 산정
기준을 마련할 필요가 있다고 판단된다.
그림 3. 태양광 ELCC 및 초과수준 영역
Fig. 3. Solar ELCC and areas of exceedance levels
그림 4. 풍력 ELCC 및 초과수준 영역
Fig. 4. Wind ELCC and areas of exceedance levels
4.2 상관관계 시나리오 분석
상관관계 시나리오에서는 전력수요 패턴과 변동성자원 이용률 패턴이 발생한 연도 조합에 대하여 ELCC를 분석하였다. 표 10, 표 11, 표 12는 S1-S9에 대한 태양광 및 풍력의 ELCC를 연도별로 나타내었다. 먼저 S1-S3, S4, S7의 비교를 통해 전력수요와 변동성자원의 이용률
발생 연도가 일치한 S1에서 태양광과 풍력 모두 중앙값의 ELCC가 도출되었다. 다음으로 S2, S4-S6, S8의 비교에서는 전력수요와 변동성자원의
이용률 발생 연도가 일치하는 S5에서 가장 높은 풍력 ELCC가 도출되었지만, 태양광 ELCC에는 일관된 경향이 확인되지 않았다. 마지막 S3, S6,
S7-S9의 비교에서는 전력수요와 변동성자원의 이용률 발생 연도가 일치하는 S9에서 태양광, 풍력 모두 일관된 경향이 확인되지 않았다.
이러한 결과를 바탕으로 전력수요와 변동성자원의 이용률 사이의 상관관계는 ELCC 분석 시 그 상관관계가 다소 희석되는 것으로 판단된다. 따라서 전력수요와
변동성자원의 이용률 간의 상관관계는 실효용량 평가 과정에서 중요한 고려 대상이 될 수 있지만, 상관관계 고려에 따른 일관된 경향이 관측되지 않을 수
있으며 전력수요와 변동성자원 이용률의 다양한 조합으로 구성한 기본 시나리오 또한 중요한 시사점을 제공할 것으로 사료된다.
표 10 상관관계 시나리오 ELCC 분석 결과 (1) (%)
Table 10 ELCC results for the correlation scenario (1) (%)
연도
|
S1
|
S4
|
S7
|
태양광
|
풍력
|
태양광
|
풍력
|
태양광
|
풍력
|
2030
|
14.45
|
11.87
|
15.19
|
9.13
|
12.59
|
12.07
|
2032
|
13.20
|
12.04
|
14.73
|
8.04
|
12.17
|
11.30
|
2034
|
13.21
|
10.77
|
13.90
|
8.15
|
12.15
|
10.41
|
2036
|
12.87
|
10.11
|
13.55
|
8.07
|
11.75
|
10.42
|
표 11 상관관계 시나리오 ELCC 분석 결과 (2) (%)
Table 11 ELCC results for the correlation scenario (2) (%)
연도
|
S2
|
S5
|
S8
|
태양광
|
풍력
|
태양광
|
풍력
|
태양광
|
풍력
|
2030
|
11.65
|
15.84
|
12.80
|
18.75
|
11.29
|
14.30
|
2032
|
11.38
|
15.95
|
12.89
|
17.81
|
10.98
|
13.74
|
2034
|
10.73
|
15.33
|
12.26
|
17.90
|
10.59
|
13.84
|
2036
|
10.50
|
14.76
|
12.09
|
17.40
|
10.50
|
13.12
|
표 12 상관관계 시나리오 ELCC 분석 결과 (3) (%)
Table 12 ELCC results for the correlation scenario (3) (%)
연도
|
S3
|
S6
|
S9
|
태양광
|
풍력
|
태양광
|
풍력
|
태양광
|
풍력
|
2030
|
15.14
|
9.74
|
13.72
|
14.02
|
14.73
|
11.63
|
2032
|
13.77
|
9.47
|
13.65
|
12.58
|
14.50
|
10.61
|
2034
|
13.46
|
8.66
|
12.92
|
12.08
|
13.83
|
11.07
|
2036
|
12.92
|
8.74
|
12.67
|
12.03
|
13.61
|
10.84
|
4.3 피크시간 시나리오 분석
피크시간 시나리오에서는 기본 시나리오에서 피크시간의 정의를 달리하였을 때 나타나는 피크기여도와 ELCC 간의 변화에 대해 분석하였다. 그림 5, 그림 6은 피크시간 정의에 따른 변동성자원의 이용률 분포를 나타내었다. 일반적으로 태양광은 초과수준에 따라 비교적 고른 분포를 가지며, 동계(1월, 12월)가
피크시기에 포함되면 이용률이 감소하는 경향이 나타났다. 반면 풍력은 초과수준에 따라 급격한 이용률 변동을 보였는데 하계만 고려한 경우에서 그 변동성이
높았으며, 피크시기에 동계를 포함하면 이용률이 증가하는 것으로 나타났다. 또한 피크시간 확장에 대한 이용률의 변화는 풍력보다 태양광에서 더 높은 것으로
확인된다.
이러한 이용률 분포를 바탕으로 표 13에 변동성자원의 ELCC의 평균과 최솟값이 나타나는 초과수준 영역을 피크시간 시나리오별로 나타내었다. 피크시간을 확장한 S10-S12에서는 S1-S3
대비 초과수준 영역의 큰 변화는 나타나지 않았다. 이는 태양광 발전량이 감소하는 저녁 시간에 높은 수요가 형성될 수 있음에도 불구하고 주간 시간 중에서
기상조건의 악화 등으로 태양광 발전량이 감소한 일부 시간에 더욱 심각한 위험시간이 나타났기 때문임을 의미한다. 피크시기를 동계로 확장한 S13-S15에서는
전체적으로 태양광의 이용률이 감소하고 풍력의 이용률은 증가하여 초과수준의 영역이 변화하였다. 피크시기와 피크시간 모두 확장한 S16-S18에서는 S13-S15
대비 큰 변화는 나타나지 않았으며, 하계와 동계에 각각의 피크시간을 정의한 S19-S20에서 가장 높은 풍력 이용률 분포를 보였다. 이와같이 다양한
피크시간에 대해 분석을 수행하였음에도 태양광과 풍력 두 자원이 동일한 초과수준 범위에서 ELCC가 결정되지 않는 것을 확인할 수 있는데. 이는 각각의
발전특성을 가지는 변동성자원에 대해 동일한 피크기여도 산정 기준을 적용하는 것이 부적절함을 보여준다.
그림 5. 피크시간에 따른 태양광 이용률 분포
Fig. 5. Distribution of solar utilization rates across peak periods
그림 6. 피크시간에 따른 풍력 이용률 분포
Fig. 6. Distribution of wind utilization rates across peak periods
표 13 피크시간 시나리오 분석 결과
Table 13 Results for the peak period scenario
시나리오
|
태양광
|
풍력
|
평균
|
최소
|
평균
|
최소
|
S1-S3
|
90-95%
|
90-100%
|
30-35%
|
40-45%
|
S10-S12
|
90-95%
|
90-95%
|
30-35%
|
35-45%
|
S13-S15
|
80-90%
|
85-90%
|
50-60%
|
60-70%
|
S16-S18
|
80-90%
|
85-90%
|
45-55%
|
55-65%
|
S19-S21
|
80-85%
|
85-90%
|
55-60%
|
65-70%
|
4.4 발전설비 전망
앞서 수행한 다양한 시나리오 분석을 바탕으로 변동성자원 고비중 계통에서의 적절한 실효용량 평가 방법을 수립할 필요가 있다. 먼저 ELCC 자체를 실효용량으로
활용하는 방안에 대해서, ELCC는 아직 국내에 도입되지 않은 방법이므로 ELCC 도입 타당성 및 도입 영향, 도입 전략 검토 등 다양한 논의가 필요할
것으로 판단된다. 따라서 본 논문에서는 피크기여도 방법을 바탕으로 실효용량을 평가하되, ELCC 분석 결과를 바탕으로 피크기여도 산정 기준을 재정립함으로써
실효용량 평가에 ELCC를 간접적으로 고려하였다. 피크기여도는 계획기간 전체에 일정한 수치가 적용되고 있으므로, 변동성자원 보급 확대로 가장 낮은
수치가 도출된 2036년 ELCC를 전체 계획기간에 적용함으로써 실효용량이 과대평가 되는 위험을 회피할 수 있다. 추가로 ELCC 자체를 활용하는
것이 아니라 ELCC가 나타나는 초과수준 영역을 적용함으로써 변동성자원의 이용률 변화에 따른 피크기여도 및 초과수준 기준의 변동성 또한 완화할 수
있을 것으로 판단된다. 피크시기에 대해서는 다양한 시나리오 분석을 통해 하계뿐만 아니라 동계 시기도 고려하는 것이 적절하며 각각의 시기에서 다른 피크시간을
정의하는 것이 합리적이라고 판단된다.
따라서 S19-S21의 결과를 바탕으로 하여 태양광 피크기여도 산정 기준은 초과수준 85% 또는 90%, 풍력 피크기여도 신장 기준은 초과수준 60%
또는 70%로 설정하는 것을 제안한다. 이때, (제안 1) ELCC 평균값에 근거한 초과수준 85%, 60%에서의 이용률은 12.1%, 11.2%가
되며; (제안 2) ELCC 최솟값에 근거한 초과수준 90%, 70%에서의 이용률은 10.1%, 8.4%가 된다. 표 14는 제안 피크기여도 적용 시 연도별 실효용량 및 현행 실효용량 대비 변동 수치를 나타냈다. 제안 1에서는 태양광 피크기여도의 변화가 미미하지만, 풍력의
피크기여도가 크게 증가하여 현행 대비 전체적으로 실효용량이 증가하였다. 반면 제안 2에서는 제안 1에 비해 태양광, 풍력 모두 피크기여도가 감소하여
현행 대비 추가 발전설비가 필요한 것으로 나타났다.
표 14 제안 피크기여도 적용 연도별 실효용량 (MW)
Table 14 Annual Effective capacity based on the proposed peak contribution (MW)
연도
|
현행
|
제안 1
|
제안 2
|
태양광
|
풍력
|
태양광
|
풍력
|
변동
|
태양광
|
풍력
|
변동
|
2030
|
6,325
|
293
|
5,506
|
1,490
|
378
|
4,596
|
1,117
|
- 904
|
2032
|
7,353
|
570
|
6,401
|
2,902
|
1,380
|
5,343
|
2,216
|
- 404
|
2034
|
8,243
|
660
|
7,175
|
3,361
|
1,634
|
5,989
|
2,521
|
- 393
|
2036
|
9,132
|
750
|
7,950
|
3,818
|
1,885
|
6,636
|
2,863
|
- 383
|
5. 결 론
본 논문에서는 변동성자원의 실효용량 평가 방법에 대한 검토를 수행하였다. 현행 피크기여도는 피크시간에서의 초과수준 90%에 해당하는 이용률로 정의되는데,
현행 피크기여도 산정 기준이 변동성자원의 계통 기여 능력을 적절하게 반영하는지 확인하기 위해 ELCC 분석을 수행하였다.
ELCC 분석 결과 태양광 ELCC는 10~15% 풍력 ELCC는 8~16% 수준으로 도출되었다. 이는 피크기여도 2.2% 대비 풍력이 계통에 더
많은 기여를 한다는 것을 보여주며, 이러한 결과가 입력 전제에 의한 특수한 경우인지 확인하기 위해 상관관계 시나리오 분석을 수행하여 입력 전제가 부적절하지
않음을 확인하였다. 또한 변동성자원의 보급 영향을 고려하여 다양한 피크시간에 대한 시나리오 분석을 수행하였으며, 피크시기 각각에 대해 피크시간을 정의하는
것이 가장 합리적으로 판단된다. 다양한 시나리오 분석을 수행한 결과 태양광과 풍력의 계통 기여 능력은 동일한 초과수준 기준으로 결정할 수 없음을 확인하였다.
이는 발전 특성이 상이한 변동성자원에 대해 동일한 피크기여도 산정 기준을 적용하는 것이 부적절함을 보여주며 발전 특성을 고려하여 각각의 피크기여도
산정 기준을 마련할 필요가 있다고 판단된다.
본 논문에서는 태양광과 풍력의 피크기여도 산정 시 초과수준 기준을 (제안 1) 85%, 60%; (제안 2) 90%, 70%로 설정할 것을 제안하였다.
이때 태양광과 풍력의 피크기여도는 (제안 1) 12.1%, 11.2%; (제안 2) 10.1%, 8.4%로 도출되었다. 제안 피크기여도를 적용하였을
때 10차 전력수급기본계획 2036년 발표 수치 대비 제안 1에서는 1,885MW의 실효용량이 증가하였으며, 제안 2에서는 383MW의 실효용량이
감소하였다. 실효용량 변화로 전통전원의 필요용량 또한 변화하는데, 계통계획자 입장에서 급격한 실효용량 변동을 초래하는 방법은 수용하기 어려울 가능성이
있다. 제안 2에서 제시한 수치는 비교적 실효용량 변동폭이 작고 현행 초과수준 기준과도 가장 근접하므로, 본 연구 결과는 차기 전력수급기본계획 수립
과정에서 기초 자료로 활용될 수 있다고 판단된다.
마지막으로, 본 연구에는 변동성자원을 태양광과 풍력으로 한정하였다는 한계가 존재한다. 비록 10차 전력수급기본계획과 전제사항을 일치시키기 위함이라고는
하지만, ESS 활용 시 변동성자원의 변동성과 불확실성을 개선할 수 있으므로 본 논문에서의 분석과 다른 분석 결과가 도출될 수 있다. 또한 수요반응자원의
경우에는 전력수요 패턴 변화에 영향을 주기 때문에 ELCC 산정 결과도 변화할 수 있다. 따라서 ESS와 수요반응자원과 같이 전력시장에 참여하는 다양한
발전 자원들의 영향을 고려하여 더욱 현실적인 조건에서 변동성자원의 실효용량 평가 방법을 검토한 후속 연구가 필요하다.
Acknowledgements
This work was supported by a 2-Year Research Grant of Pusan National University.
References
Il-Chong Nam, Efficiency of power supply and demand planning and power generation
facility investment market, Korea Development Institute, pp. 1~8, 2013.

Stenclik, D., Bloom, A., Cole, W., Acevedo, A. F., Stephen, G. & Tuohy, A, Redefining
Resource Adequacy for Modern Power Systems: A Report of the Redefining Resource Adequacy
Task Force, National Renewable Energy Laboratory, pp. 9~28, 2021.

Pfeifenberger, J. P., Spees, K., Carden, K. & Wintermantel, N, Resource adequacy requirements:
Reliability and economic implications, The Brattle Group, pp. 17~37, 2013.

Ministry of Trade, Industry and Energy, The 10th Basic Plan of Long-Term Electricity
Supply and Demand, pp. 34~42, 2023.

Čepin, M, Assessment of power system reliability: methods and applications, Springer
Science & Business Media, pp. 3~12, 2011.

Milligan, M, Methods to model and calculate capacity contributions of variable generation
for resource adequacy planning (ivgtf1-2): Additional discussion (presentation), National
Renewable Energy Lab, pp. 6~10 , 2011.

Young-Min Wi, “Comparative Analysis of Effective Supply Capacity Estimation Methods
for Renewable Energy Generation in the Jeju Island Power Systems,” The Transactions
of the Korean Institute of Electrical Engineers, vol. 73, no. 2, pp. 237-242, 2024.DOI:10.5370/KIEE.2024.73.2.237

Jain, A., Yamujala, S., Gaur, A., Das, P., Bhakar, R. & Mathur, J, “Power sector decarbonization
planning considering renewable resource variability and system operational constraints,”
Applied Energy, vol. 331, 120404, 2023.DOI:10.1016/j.apenergy.2022.120404

Mlilo, N., Brown, J. & Ahfock, T, “Impact of intermittent renewable energy generation
penetration on the power system networks–A review,” Technology and Economics of Smart
Grids and Sustainable Energy, vol. 6(1), no. 25, 2021.DOI:10.1007/s40866-021-00123-w

Oh, H., Shin, H., Kwag, K., Hwang, P. & Kim, W, “Power System Reliability Evaluation
Based on Chronological Booth–Baleriaux Method,” Applied Sciences, 13(14), 8548, 2023.DOI:10.3390/app13148548

Garip, S., Özdemir, Ş. & Altın, N, “Power System Reliability Assessment—A Review on
Analysis and Evaluation Methods,” Journal of Energy Systems, vol. 6, no. 3, pp. 401-419,
2022.DOI:10.30521/jes.1099618

Stephen, G., Tindemans, S. H., Fazio, J., Dent, C., Acevedo, A. F., Bagen, B., ...
& Burke, D, “Clarifying the interpretation and use of the LOLE resource adequacy metric,”
In 2022 17th International Conference on Probabilistic Methods Applied to Power Systems,
pp. 1~4, 2022.

Olson, A., Ming, Z. & Carron, B, ELCC concepts and considerations for implementation,
Energy and Environmental Economics, pp. 21~28, 2021.

Carden, K., Bellon, T., Burdick, A., Gulian, C. & Olson, A, Incremental elcc study
for mid-term reliability procurement, Prepared for The California Public Utilities
Commission, pp 32~41, 2023.

PJM, Resource Adequacy and Capacity Accreditation in PJM, pp. 14~20, 2024.

NYISO, Updated Final Capacity Accreditation Factors for the 2024-2025 Capability Year,
pp. 1~2, 2024.

MISO, PY 2025-2026 LOLE Study Report, pp. 19~20, 2024.

PJM, PJM Manual 20: PJM Resource Adequacy Analysis, pp. 35~40, 2024.

Kyung-sik Nam, A study on the change of daily peak electricity demand, Korea Energy
Economics Institute, pp. 20~32, 2020.

저자소개
He received B.S. degrees in electrical engine ering from Pusan National University,
Busan, Korea in 2021. Currently, he is pursuing MS and Ph.D Integrated Program at
Pusan National University.
He received B.S. degrees in electrical engine ering from Pusan National University,
Busan, Korea in 2022. Currently, he is pursuing MS and Ph.D Integrated Program at
Pusan National University.
She received B.S. degrees in electrical engine ering from Pusan National University,
Busan, Korea in 2023. Currently, she is pursuing MS and Ph.D Integrated Program at
Pusan National University.
He received B.S., M.S., and Ph.D. degrees in electronic and electrical engineering
from Pusan National University, Busan, Korea in 2015, 2017 and 2022, respectively.
Since 2024, he is working at The Lantau Group limited.
He received B.S., M.S., and Ph.D. degrees in electronic and electrical engineering
from Pusan National University, Busan, Korea in 2018, 2020 and 2024, respectively.
Since 2024, he is working at The Korea Power Exchange.
He received B.S., M.S., and Ph.D. degrees in electrical engineering from Seoul
National University, Seoul, Korea in 1990, 1992 and 1997, respectively. Since 2011,
he has been a faculty member at the Department of Electrical and Electronics Engineering
of Pusan National University.