심상우
(Sangwoo Shim)
1iD
지용우
(Yongwoo Jee)
2iD
김동현
(Dong-Hyun Tony Kim)
1iD
유재근
(Jaegeun Yu)
2iD
박차리
(Cha-Ri Park)
3iD
김용식
(Yong-Sik Kim)
3iD
정아영
(Ah-Young Jeong)
3iD
김진호
(Jinho Kim)
2iD
박종배
(Jong-Bae Park)
†iD
-
(Dept. of Electrical and Electronic Engineering, konkuk University, Republic of Korea.)
-
(Dept. of Electrical and Electronic Engineering, Gwangji Institute of Science and Technology,
Republic of Korea.)
-
(Korea Power eXchange, Republic of Korea)
Copyright © The Korea Institute for Structural Maintenance and Inspection
Key words
Renewable Energy, Duck Curve, Demand Response, Load Shifting, PLEXOS
1. 서 론
재생에너지, 특히 태양광의 경우 하루 내에서도 발전량이 크게 변하는 변동성(Variability)을 갖는다. 이로 인해 태양광 발전량 비중이 높은
캘리포니아에선 순 수요(Net Load)가 급격히 변하는 덕 커브(Duck Curve) 현상이 발생하고 있다[1]. 순 수요가 급격히 증가 혹은 감소할 경우 화력 발전기의 급격한 출력 감발이 요구되며 재생에너지의 발전량이 더욱 늘어날 경우 낮은 순 수요로 인해
석탄 발전기뿐만 아니라 원자력 발전기의 정지 및 재가동이 필요할 수도 있다. 이러한 문제의 완화를 위해 캘리포니아의 유틸리티인 SDG&E(San Diego
Gas & Electric), SCE(Southern California Edison)는 Super off-peak 요금제를 도입하여 특수경부하시기
전력수요 창출을 유도하고 있다[2].
최근 공고된 11차 전력수급 기본계획에 따르면 태양광, 풍력 등 재생에너지의 발전설비는 ‘30년엔 78GW의 용량으로 정격용량을 기준으로 전원구성에서
37.8%를 차지하고 ’38년엔 121.9GW로 45.5%를 차지할 것으로 전망된다. 발전량의 측면에선 ‘30년엔 120.9 TWh로 발전량 비중의
18.8%를 차지하고 ’38년엔 205.7 TWh로 29.2%를 차지할 것으로 전망된다[3]. 따라서 재생에너지의 용량 및 발전량은 계속해서 늘어날 것이며 이에 대한 대응 방안이 마련되어야 하는 상황이다.
수요 반응을 통한 덕 커브 현상 완화를 다룬 연구 사례로는 실시간 가격 기반 수요 반응을 도입하여 재생에너지 발전 비중이 높은 상황에서의 화력 발전기,
양수 발전기의 최적 기동정지를 다룬 연구가 있다[4]. 해당 연구[5]에서는 주거지에서의 사전 냉방 전략(pre-cooling strategies in residential households)을 사용하여 덕 커브 효과를
완화할 수 있음을 제시했으며 해당 전략의 유효성을 검증하기 위해 스마트 주거 부하 시뮬레이터(Smart Residential Load Simulator,
SRLS)를 이용하여 사례연구를 진행했다. 또한 해당 연구[6]에서는 풍력 발전기, 태양광 발전기, 열병합 발전기, 연료 전지, 플러그인 전기차(Plug-in Electric Vehicles, PEV)로 구성된
마이크로그리드에서 수요 반응 프로그램(Demand Response Programs, DRPS)을 도입하여 운영 비용을 줄이는 연구를 진행했다. 이때,
가격, 부하, 풍력 및 태양광 발전량은 불확실성을 도입했으며 확률 분포 함수(Probability Distribution Function, PDF)를
이용하여 각 파라미터에 따른 시나리오를 진행한 후 시나리오 축소 기법 기반 Two-Stage stochastic programming을 통해 문제를
해결했다. 본 논문은 덕 커브로 인해 발생하는 문제를 TOU(Time Of Use) 요금 변경에 따른 수요 반응을 이용하여 일부 해결할 수 있음을
시나리오를 생성하여 부하이전 잠재량을 구분하고 이를 PLEXOS 시뮬레이션 및 비용 편익 분석을 거쳐 보이고자 한다.
2장에서는 본 논문에서 활용한 수요 반응의 유형과 수요 반응 잠재량을 나타냈다. 수요 반응의 유형은 산업용 부하의 기술적 제약에 따른 부하이전 시간대의
차이를 반영하기 위하여 4가지 시나리오를 생성하였다. 기저부하 창출, 주중 최대부하 이전, 동시간대 부하이전, 일요일 중 부하이전의 시나리오에 대하여
PLEXOS 시뮬레이션에 입력하여 결과를 분석했다. 3장에서는 시뮬레이션을 진행하기 위한 구성 및 가정사항에 대해 나타냈다. 기본적으로 10차 전력수급기본계획을
인용하였으며 계통구성, 전력수요, 신재생 발전량을 입력하기 위한 가정사항을 나타내었다. 4장에서는 시뮬레이션 결과를 활용하여 각 요소별 비용 편익
분석 결과를 서술했다. 이때, 국가, 전력회사, 상용자가 발전기의 관점에서의 비용과 편익을 분석했으며 시뮬레이션 결과를 비용 및 편익으로 계산하기
위한 가정 사항을 나타냈다. 5장은 결론으로 요금제 변경 기반 수요 반응을 통해 ESS 설치 등에 대한 투자 비용을 회피할 수 있기 때문에 가장 경제적으로
계통 운영의 유연성을 확보할 수 있는 수단이며, 향후 연구로는 차후 변화될 예정인 전력시장의 시뮬레이션으로의 반영, 시뮬레이션 기간을 확장하여 분석
표본을 늘려야 함을 서술했다.
2. 부하이전 시나리오 및 잠재량
해당 장에서는 본 논문에서 활용한 부하이전 시나리오와 전남 및 강원 지역에 대한 부하이전 잠재량에 서술한다. 저수요로 인한 출력제어가 발생하는 일요일
11~14시의 수요 창출에 대해 주중 최대부하가 발생했을 때 이전하는 경우, 동시간대에서 이전하는 경우, 일요일에 한해서 이전하는 경우, 이전하지
않는 경우 등에 따라 시나리오를 나누어 시뮬레이션을 진행했다. 이때, 전남 및 강원 지역의 부하이전 잠재량은 업종별 전력수요 패턴을 기반으로 산정했다.
2.1 국내 전력수요 패턴 및 향후 전원구성
국내 각 연도의 시간별 전력수요를 정규화하면 그림 1과 같다. 전력수요 패턴엔 크게 변화가 없으나 지속적으로 재생에너지 발전원, 특히 태양광 발전기의 증가로 인해 최근 연도로 갈수록 태양광 발전량이
많은 대략 오전 10시~오후 4시에서의 전력수요 감소량이 크게 발생함을 확인할 수 있다.
따라서 그림 2와 같이 향후 재생에너지 설치가 계속 증가하여 전원구성에서의 비중이 커질 시[3], 재생에너지 출력제어가 과도하게 발생할 수 있으며 화력 발전기의 출력 감발뿐만 아니라 원자력 발전기의 정지가 필요할 수도 있다.
그림 1. 연도별 국내 전력수요 패턴 변화
Fig. 1. Changes in Domestic Electricity Demand Patterns by Year
그림 2. 국내 전원구성 전망
Fig. 2. Domestic Resource Capacity Outlook
표 1 2024년 봄철 육지계통 출력제어 발생 시간대
Table 1 2024 Spring Land Power System Curtailment Time Zone
|
10-11
|
11-12
|
12-13
|
13-14
|
14-15
|
03/10
|
|
|
|
|
|
04/07
|
|
O
|
O
|
O
|
|
05/10
|
|
|
|
O
|
O
|
05/12
|
|
O
|
O
|
O
|
|
05/13
|
|
O
|
O
|
O
|
|
05/14
|
|
O
|
O
|
O
|
|
05/15
|
|
O
|
O
|
|
|
05/16
|
|
O
|
O
|
O
|
O
|
05/17
|
O
|
O
|
O
|
O
|
O
|
05/18
|
O
|
O
|
O
|
O
|
O
|
05/19
|
O
|
O
|
O
|
O
|
O
|
05/20
|
|
O
|
O
|
O
|
|
05/21
|
|
O
|
O
|
O
|
|
05/22
|
|
O
|
O
|
O
|
|
05/24
|
|
O
|
O
|
|
|
05/25
|
|
|
O
|
|
|
05/27
|
|
O
|
O
|
O
|
|
05/28
|
O
|
O
|
O
|
O
|
|
05/29
|
|
O
|
O
|
O
|
|
2.2 부하이전 잠재량 산정 지역 및 업종 선정
본 논문에서는 저수요 발생 시 호남 지역의 전압안정도 및 강원 지역의 HVDC 송전망 제약에 의한 출력제어를 해소하기 위하여 호남과 강원 지역의 부하이전
효과를 분석하였다. 2024년 봄철의 산업분류별 전력사용량 분석 결과는 그림 3~그림 5와 같다.
분석 결과, 호남 및 강원 지역 모두 제조업의 전력사용량이 타 산업분류에 비해 높은 것으로 나타났다. 따라서 호남 및 강원 지역의 제조업 업종을 세부적으로
파악하기 위하여 표준산업분류 상 중분류에 따라 제조업 내의 세부 업종의 전력사용량을 분석하였다. 전국, 호남, 강원으로 지역을 구분하여 2023년
봄철 중 각 달마다 전력사용량이 높은 5개 업종의 부하패턴을 생성하였다. 낮 시간대에 낮은 전력수요를 가지는 업종들이 출력제어 완화를 위한 수요 증대
잠재량이 높으므로, 출력제어가 주로 발생하여 수요증대가 필요한 11~14시의 전력사용량을 확인하였다. 제조업 각 업종의 시간대별 전력사용량은 그림 6~그림 8과 같다.
그림 3. 봄철 전국 전력사용량
Fig. 3. Spring Domestic Electricity Consumption
그림 4. 봄철 호남 지역 전력사용량
Fig. 4. Spring Honam Electricity Consumption
그림 5. 봄철 강원 지역 전력사용량
Fig. 5. Spring Gangwon Electricity Consumption
그림 6. 봄철 월별, 전국 부하사용량 상위 5개 업종 부하패턴
Fig. 6. Monthly Load Patterns of the Top 5 industries Domestic in Spring
그림 7. 봄철 월별 호남지역 부하사용량 상위 5개 업종 부하패턴
Fig. 7. Monthly Load Patterns of the Top 5 industries Honam in Spring
그림 8. 봄철 월별 강원지역 부하사용량 상위 5개 업종 부하패턴
Fig. 8. Monthly Load Patterns of the Top 5 industries Gangwon in Spring
분석 결과 대부분의 업종이 11~14시에 타 시간대 대비 높은 수준의 전력수요를 보이고, 점심시간인 12~13시에 낮은 수요를 보였다. 해당 업종들은
기존 TOU의 가격신호에 반응하지 않고 업종 개별 특성에 따른 자체적인 조업 일정을 가져 11~14시로의 수요이전이 어려울 것으로 판단하였다. 호남은
1차 금속 업종만이, 강원 지역은 시멘트와 1차 금속 업종이 낮 시간대에 비교적 낮은 전력사용량을 가지는 것으로 확인되었다. 따라서 호남 및 강원
지역의 철강 및 시멘트 산업을 부하이전 가능 업종으로 산정하여 부하이전 잠재량을 산정하였다.
2.3 시나리오별 부하이전 잠재량 산정
지역별, 업종별 수요 데이터를 이용하여 각 업종의 이론적 부하이전 잠재량을 산정하였다. 이론적 잠재량은 기술적, 경제적, 사회적 제약이 전혀 없는
상태에서 모든 자원이 수요반응에 참여할 때 가능한 최대 용량을 의미한다. 본 분석에 사용된 데이터는 지역별 철강 및 시멘트 전체 자원의 부하 데이터로,
개별 자원의 조업 시간, 부하 이전 지속 시간, 기기의 제어 가능성과 같은 기술적 제약을 고려하기에 어려움이 존재한다. 마찬가지로 부하이전을 위해
필요한 투자비용 및 운영비용에 대한 조건을 파악할 수 없기 때문에, 수요반응에 따른 부하이전 시나리오를 생성하여 각 시나리오별 이론적 잠재량을 산정하였다.
부하이전에 대한 시나리오는 (1) 기저부하 창출, (2) 주중 최대부하 이전, (3) 동시간대 부하이전, (4) 일요일 중 부하이전으로 총 4가지로
나누어 시뮬레이션을 진행했으며 부하이전 잠재량은 전남과 강원 지역의 시멘트, 철강 업종별 전력수요를 기반으로 산정했다. 각 시나리오별로 부하가 이전되는
시간대를 다르게 설정하여 업종별 특성에 의한 이전 가능 여부와 부하이전 잠재량을 고려하였다. 부하 창출이 발생하는 요일과 시간대는 24년, 30년
모두 동일한 것으로 가정했으며 부하 창출량 및 부하 이전량은 각 연도의 전력사용량에 비례하도록 증가시킨 후 입력하여 시뮬레이션을 진행했다.
기저부하 창출은 그림 9와 같이 일요일 11∼14시에 부하가 증가하는 것만을 반영한 시나리오이며 다른 시간대에 해당 증가량만큼 수요가 줄어드는 것은 반영하지 않았다. 잠재량은
일요일 11~14시의 수요 평균과 주중 최대 수요 3시간의 평균의 차를 통하여 산정했다.
그림 9. 부하이전 시나리오 – 기저부하 창출
Fig. 9. Load Shift Scenario – Base load Creation
주중 최대부하 이전은 그림 10과 같이 일요일 11∼14시에 수요를 증가시킨 만큼 1주일 내 다른 요일에서 수요를 감소시키는 시나리오이며 잠재량은 일요일 11~14시의 수요 평균과
주중 최대 수요 3시간의 평균의 차를 통하여 산정했다.
그림 10. 부하이전 시나리오 – 주중 최대부하 이전
Fig. 10. Load Shift Scenario – Peak Load in the Week Shift
동시간대 부하이전은 그림 11과 같이 일요일 11∼14시에 부하를 증가시켰을 경우 다른 날의 동일한 시간인 11∼14시에 수요를 감소시키는 시나리오이며 잠재량은 일요일 11~14시의
수요 평균과 주중 11~14시 최대 수요 3시간의 평균의 차를 통하여 산정했다.
그림 11. 부하이전 시나리오 – 동시간대 부하이전
Fig. 11. Load Shift Scenario – Load Shift in Same Time Zone
일요일 중 부하이전은 그림 12와 같이 일요일 내에서 부하이전이 이루어지는 시나리오이며 잠재량은 일요일 11~14시의 수요 평균과 일요일 중 최대 수요 3시간의 평균의 차를 통하여
산정했다.
그림 12. 부하이전 시나리오 – 일요일 중 부하이전
Fig. 12. Load Shift Scenario – Load Shift in Sunday
최종적으로 산정한 2024년 전남 지역과 강원 지역의 각 시나리오 별 부하이전 잠재량은 표 2와 같으며 2030년의 부하이전 잠재량은 제10차 전력수급기본 계획의 전력소비량을 참고[3]하여 표 3과 같이 2024년에 대한 부하이전 잠재량을 Scale-Up 한 값을 사용했다.
표 2 2024년 시나리오별 부하이전 잠재량
Table 2 Load Shift Potential by Scenario in 2024 [단위: MW]
시나리오
|
전남
|
강원
|
최대 부하창출
|
635.87
|
876.69
|
최대 부하이전
|
635.87
|
876.69
|
동 시간대 부하이전
|
575.39
|
774.6
|
일요일 중 부하이전
|
54.14
|
132.34
|
표 3 2030년 시나리오별 부하이전 잠재량
Table 3 Load Shift Potential by Scenario in 2030 [단위: MW]
시나리오
|
전남
|
강원
|
최대 부하창출
|
726.17
|
1,001.18
|
최대 부하이전
|
726.17
|
1,001.18
|
동 시간대 부하이전
|
657.1
|
884.59
|
일요일 중 부하이전
|
61.83
|
151.13
|
3. 사례연구
해당 장에선 PLEXOS를 사용하여 2024년 5월 15일부터 21일까지 1주일 동안에 대해 시뮬레이션을 진행하기 위한 구성 및 가정 사항에 대해
서술한다. 해당 기간은 휴일로 인해 수요가 적게 발생한 기간이며 2030년도 해당 기간과 동일하게 진행했다.
3.1 PLEXOS
본 논문에서 부하이전을 반영에 따른 편익 산출을 위해 사용한 시뮬레이터는 PLEXOS이다. PLEXOS는 ‘99년 호주에 본사가 소재한 Energy
Exemplar사의 전력시장 시뮬레이션 프로그램이며 선형문제(Linear Programming, LP) 또는 혼합정수형 문제(Mixed Integer
Programming, MIP)로 정식화되는 전력시장의 다양한 문제를 구성할 수 있는 모델을 제공한다[7]. 또한 모델에서 목적함수와 제약식을 직접 입력할 수 있어 투명성이 높고 결정론적 문제와 확률적 분석을 모두 수행 가능하다는 장점을 가진다.
그림 13. PLEXOS 에너지 모델링 소프트웨어
Fig. 13. PLEXOS Energy Modeling Software
3.2 계통구성
시뮬레이션을 위한 권역은 수도권, 충청권, 강원권, 영남권, 호남권, 제주권으로 구분했다. 이때 충청권, 강원권, 영남권은 비수도권에 포함시키고 수도권과의
선로 제약을 2024년엔 19,9 GW, 2030년엔 26.2 GW로 설정했다. 추가적으로 호남권-제주권 HVDC 제약은 600MW로 설정했다. 연도별
수도권-비수도권과의 융통전력 용량 및 호남권-제주권 간의 HVDC 용량 제약은 제 10차 전력수급 계획에서 발표된 수치를 인용하였으며 표 4와 같다[8].
그림 14. 시뮬레이션에서의 계통구성
Fig. 14. Power System Configuration in Simulation
표 4 연도별 수도권-비수도권 융통전력 및 HVDC 용량
Table 4 Annual Metropolitan-Non Metropolitan Power Flow Limit and HVDC Capacity
[단위: MW]
년도
|
융통전력
|
HVDC
|
2024
|
19,900
|
600
|
2025
|
22,650
|
600
|
2026
|
25,400
|
600
|
2027
|
25,600
|
600
|
2028
|
25,800
|
600
|
2029
|
26,000
|
600
|
2030
|
26,200
|
600
|
2031
|
26,083
|
600
|
2032
|
25,967
|
600
|
2033
|
25,850
|
600
|
2034
|
25,733
|
600
|
2035
|
25,617
|
600
|
2036
|
25,500
|
600
|
3.3 전력수요 및 신재생 발전량
전력수요와 신재생 발전량은 한국전력통계를 참고하여 각 권역별로 분배하여 시뮬레이션을 진행했다[9]. 우선 2024년의 전력수요는 표 5와 같이 각 권역별 판매 전력량에 비례하여 권역별 전력수요를 계산하여 입력했다.
2030년의 전력수요는 표 6과 같이 제10차 전력수급계획에 명시된 연도별 전력소비량 및 최대전력을 활용했다[8]. 이때, 시간별 전력수요를 계산하기 위해 PLEXOS의 Build기능을 사용했으며 연도별 전력소비량과 최대전력을 입력 후 그림 15와 같이 시간별 전력수요를 산출한 후 시뮬레이션에 반영하여 진행했다. 이때, 2024년과 2030년의 각 권역별 전력수요 비중은 동일한 것으로 가정했다.
표 5 권역별 판매 전력량 및 비중
Table 5 Sales Power Volume and Proportion by Region
권역
|
판매 전력량(TWh)
|
비중(%)
|
수도권
|
215.41
|
39.45
|
강원권
|
17.11
|
3.13
|
충청권
|
92.94
|
17.02
|
호남권
|
64.51
|
11.82
|
영남권
|
149.92
|
27.46
|
제주
|
6.08
|
1.11
|
표 6 연도별 전력소비량 및 최대전력
Table 6 Annual Power Consumption and Peak
년도
|
전력소비량(GWh)
|
최대전력(MW)
|
2024
|
561,592
|
100,724
|
2025
|
566,834
|
102,484
|
2026
|
570,090
|
104,246
|
2027
|
570,746
|
105,773
|
2028
|
571,703
|
107,014
|
2029
|
572,421
|
108,209
|
2030
|
572,831
|
109,304
|
2031
|
575,551
|
110,769
|
2032
|
578,830
|
112,178
|
2033
|
582,712
|
113,565
|
2034
|
586,675
|
114,847
|
2035
|
591,126
|
116,158
|
2036
|
597,420
|
117,950
|
그림 15. PLEXOS Build 기능을 통한 미래 전력수요 산출
Fig. 15. Calculating Future Load through PLEXOS Build Function
신재생 발전량은 표 7과 같이 각 발전원에 대해 권역별 발전량[8]에 따라 분배한 후 시뮬레이션에 입력했다. 2030년에 대한 신재생 발전량은 제10차 전력수급 기본계획에 명시된 신재생 전원별 용량 및 발전량을 인용하여
시뮬레이션에 입력했다.
표 7 권역별 신재생 발전량
Table 7 Renewable Energy Generation by Region [단위: GWh]
권역
|
수력
|
태양광
|
풍력
|
바이오
|
수도권
|
756.1
|
1,895.9
|
27.8
|
531.9
|
충청권
|
1,056.7
|
5,391.2
|
0.6
|
2,817.3
|
강원권
|
946.4
|
2,075.2
|
958.8
|
1,693.5
|
호남권
|
337.8
|
12,465.3
|
784.8
|
3,363.5
|
영남권
|
616.7
|
6,798.5
|
1,095.4
|
88.5
|
제주권
|
2.8
|
662.0
|
515.1
|
1,692.0
|
합계
|
3,716.4
|
29,288.0
|
3,382.5
|
10,186.7
|
4. 편익 분석
본 시뮬레이션의 결과로 2024년과 2030년에 대해 ① 석탄 및 LNG 발전량(GWh), ② 재생에너지 출력제어량(GWh), ③ ESS 충·방전량(GWh),
④ 발전비용(백만 원)을 연료비와 기동비의 합을 통해 산출하여 편익 분석을 진행했다.
4.1 편익 가정사항
본 논문에서 창출로 인해 발생하는 편익은 표 8과 같이 국가와 전력회사의 관점에서 계산했다. 국가의 관점에선 발전비용 회피, ESS 투자 회피, 온실가스 감축을 편익에 포함 시킬 수 있으며 전력회사의
관점에선 ESS 투자 회피, 전력회사 구입비 감소, 전력회사 판매 수익 증가를 편익에 포함 시킬 수 있다.
표 8 각 관점별 편익 요소
Table 8 Benefits for each Perspective
No.
|
편익 요소
|
관점
|
국가
|
전력회사
|
1
|
발전비용 회피
|
○
|
|
2
|
ESS 투자 회피
|
○
|
○
|
3
|
온실가스 감축
|
○
|
|
4
|
전력회사 구입비 감소
|
|
○
|
5
|
전력회사 판매 수익 증가
|
|
○
|
발전비용 회피에 대한 편익은 각 케이스에서 Base Case 대비 발전비용이 증가하였을 경우 편익의 감소, 발전비용이 감소하였을 경우 편익의 증가로
반영하여 계산했다.
ESS 투자 회피에 대한 편익은 수식 (1)을 통해 계산했다. ESS 충·방전량 감소량은 시뮬레이션을 통해 Base Case 대비 줄어든 사용량으로 계산했으며 ESS 충·방전 단가는 ESS
LCOE를 참고하여 200 [원/kWh]으로 가정했다[10]. 수요창출로 인한 ESS 충·방전량이 감소한 것을 ESS 투자회피에 대한 편익으로 환산하기 위해 ESS의 LCOE를 이용하여 편익을 산출했다.
온실가스 감축량 수식 (2)를 통해 계산했다. 석탄 및 LNG 발전량 감소량은 시뮬레이션을 통해 계산했고, BM 계수는 기획재정부에서 발표한 제4차 배출권거래제 기본계획[11]을 인용하여 0.682188923 [ton/MWh]으로 설정했으며 배출권 가격은 KAU24 가격[12]을 인용하여 9,490 [원/ton]으로 설정했다. 예를 들어 2024년의 Case2에서의 온실가스감축 편익에서 석탄 및 LNG 발전량이 Base에
비해 2.06 GWh가 감소함에 따라 해당 발전량 감소량과 BM계수 0.682188923, 배출권 가격 9,490을 곱하여 13.4 백만 원의 온실가스감축편익이
발생하는 것으로 편익을 산출했다.
전력회사의 구입비는 수식 (3)과 같이 계산하였다. 연료원별 발전량은 시뮬레이션을 통해 산출했으며 연료원별 정산단가는 EPSIS에서 발표하는 수치를 인용했다[13].
전력회사 판매 수익은 수식 (4)와 같이 수요 창출량에 대해 해당 시간의 전력량요금[14]을 곱한 값에서 수요 감축량을 진행한 요일과 날짜에 대한 전력량요금을 곱한 값을 제외하여 계산한다. 본 논문에서의 수요 창출시간은 일요일 11~14시로
봄가을철 경부하 요금이 적용되고 수요 감축시간은 부하 이전이 일어난 Case 중에서는 일요일 중 부하이전인 Case4를 제외한 Case2와 Case3에선
중간부하 혹은 최대부하 요금이 적용되는 시간대이기 때문에 전력회사 판매수익 증가에 대한 편익은 음의 값을 가진다. 이때, 수요를 단순히 창출하기만
하는 Case1에선 전력판매량이 단순 증가함에 따라 전력회사 판매수익 증가에 대한 편익이 양의 값을 가진다.
표 9 편익 항목 별 가정 필요 항목에 따른 가정수치 요약
Table 9 Summary of Assumed Values by Required Assumptions for Each Benefit Category
편익 항목
|
가정 필요 항목
|
가정수치
|
ESS투자회피
|
ESS
충·방전 단가
|
200 [원/kWh]
|
온실가스감축
|
BM 계수
|
0.682188923 [ton/MWh]
|
배출권 가격
|
9,490 [원/ton]
|
전력회사
구입비 감소
|
연료원별 정산단가
|
EPSIS 발표 정산단가
|
전력회사
판매수익 증가
|
전력량 요금
|
한국전력 전기요금표
|
4.2 시뮬레이션 결과
각 항목에 대한 2024년의 시뮬레이션 결과는 표 10과 같으며 수요의 이전 없이 기저부하 창출만을 진행한 Case1에서 석탄 및 LNG 발전량, 발전비용 항목에 대해 Base Case에 비해 증가한
것을 제외하면 나머지 케이스들에선 모든 항목에 대해 경향성이 일치하는 것을 확인할 수 있다.
표 10 2024년 케이스별 시뮬레이션 결과
Table 10 Simulation Results by Case in 2024
|
석탄 및 LNG 발전량
|
재생E
출력제어
|
ESS 충·방전량
|
발전
비용
|
[GWh]
|
[GWh]
|
[GWh]
|
[백만 원]
|
Base
|
4,177.98
|
5.45
|
2.26
|
357,190.92
|
Case1
|
4,180.40
|
3.97
|
2.17
|
357,342.10
|
Case2
|
4,175.92
|
3.97
|
2.23
|
357,060.16
|
Case3
|
4,176.09
|
4.03
|
2.18
|
357,094.66
|
Case4
|
4,177.81
|
5.29
|
2.26
|
357,172.03
|
표 11 2024년 케이스별 편익
Table 11 Benefits by Case in 2024 [단위: 백만 원]
편익 항목
|
Case1
|
Case2
|
Case3
|
Case4
|
발전 비용회피
|
-151.18
|
130.76
|
96.26
|
18.89
|
ESS투자회피
|
18
|
6
|
16
|
0
|
온실가스감축
|
-15.67
|
13.4
|
12.3
|
1.1
|
전력회사 구입비 감소
|
-228.12
|
402.19
|
410.37
|
30.38
|
전력회사 판매수익 증가
|
434.24
|
-60.77
|
-71.28
|
0
|
표 12 2024년 관점별 편익
Table 12 Benefits by Perspective in 2024 [단위: 백만 원]
2024
|
국가
|
전력회사
|
Case1
|
-148.85
|
224.12
|
Case2
|
150.16
|
347.42
|
Case3
|
124.56
|
355.09
|
Case4
|
19.99
|
30.38
|
각 항목에 대한 2030년의 시뮬레이션 결과는 표 13과 같으며 수요의 이전 없이 기저부하 창출만을 진행한 Case1에서 석탄 및 LNG 발전량, 발전비용 항목에 대해 Base Case에 비해 증가한
것을 제외하면 나머지 케이스들에선 모든 항목에 대해 경향성이 일치하는 것을 확인할 수 있다.
본 논문에서는 표 14, 15와 같이 편익산정 요소의 가정을 통해 편익을 제시하는 것 뿐만 아니라 ESS LCOE 가격, 배출권가격 등이 변동할 가능성 고려하여 각 케이스별 편익이
±25% 만큼 변동할 수 있음을 가정했다. 이에 따라 각 편익 항목이 25%만큼 감소한 경우, 25%만큼 증가한 경우에 따라 각 관점별 편익을 산정하면
표 16, 17과 같다.
표 13 2030년 케이스별 시뮬레이션 결과
Table 13 Simulation Results by Case in 2030
|
석탄 및 LNG 발전량
|
재생E
출력제어
|
ESS 충·방전량
|
발전
비용
|
[GWh]
|
[GWh]
|
[GWh]
|
[백만 원]
|
Base
|
2,548.99
|
38.19
|
182.01
|
233,310.03
|
Case1
|
2,549.67
|
33.49
|
179.91
|
233,389.05
|
Case2
|
2,546.20
|
35.40
|
180.82
|
233,043.64
|
Case3
|
2,545.67
|
33.94
|
178.96
|
233,067.19
|
Case4
|
2,548.02
|
37.55
|
180.69
|
233,281.60
|
표 14 2030년 케이스별 각 편익
Table 14 Benefits by Perspective in 2030 [단위: 백만 원]
편익 항목
|
Case1
|
Case2
|
Case3
|
Case4
|
발전 비용회피
|
-79.02
|
266.38
|
242.84
|
28.43
|
ESS투자회피
|
420
|
238
|
610
|
264
|
온실가스감축
|
-4.4
|
18.07
|
21.5
|
6.27
|
전력회사구입비 감소
|
-22.44
|
292.67
|
248.34
|
-72.4
|
전력회사판매수익 증가
|
495.91
|
-69.4
|
-81.4
|
0
|
표 15 2030년 관점별 편익
Table 15 Benefits by Perspective in 2030 [단위: 백만 원]
2030
|
국가
|
전력회사
|
Case1
|
336.57
|
893.46
|
Case2
|
522.46
|
461.27
|
Case3
|
874.34
|
776.94
|
Case4
|
298.70
|
191.60
|
또한 2024년과 2030년 모두 재생에너지 출력제어가 감소하는 것을 통해 부하이전의 적용이 전력계통의 안정화에 기여할 수 있으며 이를 통한 편익은
소비자 지원에 사용할 수 있고 그림으로 간략히 나타내면 그림 16과 같다.
표 16 2024년 관점별 편익 시나리오
Table 16 Benefits Scenarios by Perspective in 2030 [단위: 백만 원]
2024년
|
국가
|
전력회사
|
-25%
|
+25%
|
-25%
|
+25%
|
Case1
|
-187.23
|
-110.47
|
168.09
|
280.15
|
Case2
|
112.62
|
187.70
|
260.57
|
434.28
|
Case3
|
93.42
|
155.70
|
266.32
|
443.86
|
Case4
|
14.99
|
24.99
|
22.79
|
37.98
|
표 17 2030년 관점별 편익 시나리오
Table 17 Benefits Scenarios by Perspective in 2030 [단위: 백만 원]
2030년
|
국가
|
전력회사
|
-25%
|
+25%
|
-25%
|
+25%
|
Case1
|
212.93
|
460.24
|
670.10
|
1116.84
|
Case2
|
391.84
|
653.06
|
345.95
|
576.59
|
Case3
|
655.76
|
1092.93
|
582.71
|
971.18
|
Case4
|
224.03
|
373.38
|
143.70
|
239.50
|
그림 16. 최저수요 상승으로 인한 기대효과
Fig. 16. Expected Effects of Increased Light-Load Demand
5. 결 론
본 논문은 경부하시기에 대해 수요창출을 시뮬레이션에 반영하여 2024년과 2030년에 대해 국가와 전력회사 관점에서의 편익을 계산했다. 2024년
시뮬레이션에서 일요일 11~14시에 대해 부하를 단순히 증가시킨 Case1의 국가관점에서의 편익이 음의 편익을 나타내는 것을 제외하면 각 관점별 모든
케이스에서 2024년과 2030년에 대해 경부하시기의 수요 창출프로그램을 통해 양의 편익을 나타냄을 확인했다. 따라서 수요 반응은 다른 수단들(ESS의
설치 등)에 대한 투자비용을 회피할 수 있고 재생에너지 출력제어를 줄일 수 있기 때문에 경제적으로 계통 운영의 유연성을 확보할 수 있는 수단 중 하나이다.
추가적인 연구를 통해 개선해야 할 사항으로는 시뮬레이션 수행기간을 확장하여 분석 표본을 늘릴 필요가 있으며 향후 시장 변화로 인해 재생에너지가 전력시장
입찰을 통해 가격결정자격을 가지는 경우를 고려해야 한다. 또한 송전선의 TLF(Transmission Loss Factor)에 대한 민감도 분석으로
계통 손실 계산을 통해 송전망에 대한 경제성 분석을 시도할 수 있으며 LMP(Locatinal Marginal Price) 도입을 가정했을 시 자발적인
부하이전 및 발전량 감축에 대한 영향을 분석하는 것이 필요할 것으로 생각된다. 현 단계에서는 일요일의 부하 증가만을 고려했지만 차후엔 토요일도 부하증가를
같이 고려하여 비교할 수 있으며 수요가 낮은 공휴일 뿐 아니라 일반적인 평일의 수요 상황에서의 효과도 분석할 수 있을 것으로 생각된다. 또한 봄철에
대해서 뿐만 아니라 수요패턴이 다른 겨울철과 여름철의 시스템 적용방식에 대해서도 연구하여 비교하는 것이 필요할 것으로 생각된다. 추가적으로 편익 항목의
가정사항에 대해서 민감도 분석을 추가하여 다양한 가정에서의 편익 산출을 통해 편익의 잠재량에 대한 제시를 하는 것도 의미 있을 것으로 보인다.
감사의 글
본 연구는 산업통상자원부(MOTIE)와 한국에너지기술평가원(KETEP)의 지원을 받아 수행한 연구 과제입니다. (RS-2025-02422969)
본 연구는 2024년도 전력거래소 수요전망팀의 지원을 받아 수행한 연구 과제입니다.
References
CAISO, “What the duck curve tells us about managing a green grid,” 2012.

CPUC, “Decision addressing residential default time-of-use rate design proposals and
transition implementation,” 2017.

Minister of Trade and Industry and Energy, “The 11th Basic Plan for Long-term Electricity
Supply and Demand (2024-2038),” 2025

H. Howlader, M. Sediqi, A. Ibrahimi, T. Senjyu, “Optimal Thermal Unit Commitment for
Saving Duck Curve Problem by Introducing CSP, PSH and Demand Response,” IEEE ACCESS,
vol 6, pp. 4834-4844, 2018.

I. Calero, CA. Canizares, K. Bhattacharya, R. Baldick, “Duck-Curve Mitigation in Power
Grids With High Penetration of PV Generation,” IEEE Transactions on Smart Grid, vol.
13, no. 1, pp. 314-329, 2022.

A. Farsangi, S. Hadayeghparast, M. Mehdinejad, H. Shayanfar, “A novel stochastic energy
management of a microgrid with various types of distributed energy resources in presence
of demand response programs,” Energy, vol. 160, pp. 257-274, 2018.

Energy Exemplar, “Platform(PLEXOS),” 2025.

Minister of Trade and Industry and Energy, “The 10th Basic Plan for Long-term Electricity
Supply and Demand (2022- 2036),” 2023.

KEPCO, “Statistics of Electric Power in KOREA,” 2023.

BloombergNEF, “2H2023 LCOE,” 2023.

Ministry of Strategy and Finance, Ministry of Environment, “4th Emissions Trading
Scheme Basic Plan,” 2024.

KRX, “Market Information Platform,” 2025.

EPSIS, “Settlement unit price,” 2025.

Kepco, “Electricity Rate Table,” 2025.

저자소개
He received B.S. degree and M.S. in electrical engineering from Konkuk University
in 2022 and 2023, respectively, where he is currently pursuing the Ph.D. degree with
the Department of Electrical Engineering.
He received the B.S. degree in physics from the Gwangju Institute of Science and Technology,
Gwangju, South Korea, in 2022, where he is currently pursuing the integrated M.S./Ph.D.
degree with electrical engineering and computer science.
He received B.S. degree and M.S. in electrical engineering from Konkuk University
in 2021 and 2024, respectively, where he is currently pursuing the Ph.D. degree with
the Department of Electrical Engineering.
He received the B.S. degree in earth science and environmental engineering from the
Gwangju Institute of Science and Technology, Gwangju, South Korea, in 2024, where
he is currently pursuing the M.S./Ph.D. degree with the electrical engineering and
computer science.
She received the B.A. degree in Geography Education from Seoul National University.
She currently works for Korea Power Exchange.
He received the B.A. degree in Economics from Chonnam National University. He currently
works for Korea Power Exchange.
She received the B.A. degree in English Literature from Chosun University. She currently
works for Korea Power Exchange.
He received the Ph.D. degree in electrical engineering from Seoul National University,
Seoul, South Korea, in 2001, and the M.B.A. degree from the University of Illinois,
in 2012. He is currently a Professor with the Gwangju Institute of Science and Technology,
Gwangju, South Korea.
He received B.S., M.S., and Ph.D. degrees in Electrical Engineering from Seoul National
University in 1987, 1989, and 1998, respectively. Currently, he is with the Department
of Electrical Engineering at Konkuk University, Seoul, Korea.