2.1 선행연구
전력계통에 있어 신뢰도와 예비율은 매우 깊은 상관관계를 맺고 있다. 북미전력계통 신뢰도 위원회(NERC)에 따르면 전력계통의 신뢰도를 “고객이 요구하는
시점에 원하는 전력량을 원하는 수준으로 공급할 수 있는 정도”로 정의하고 있다.
이 정의에 따라 고객이 원하는 시점에 원하는 전력을 제공하기 위해서는 최대전력 대비 적정한 예비율 규모를 갖추어야 한다. 하지만 예비율은 신뢰성과
경제성을 모두 충족시켜야하기 때문에 어느 정도를 적정한 양으로 설정할지가 매우 까다롭다.
적정한 전력예비율 기준을 산정하는 방법은 주로 정전발생의 확률을 기준으로 전력예비율을 산정하는 방법인 확률론적 신뢰도 지수를 사용해 왔으며, 그 종류에는
공급지장 확률법(Loss of Load Probability, LOLP), 공급지장에너지 확률법(Loss of Energy Probability,
LOEP), F&D법(Frequency and Duration) 등이 있다. 이 외에도 전력의 공급비용 및 공급지장비용을 포함하는 경제적 비용을 목적함수로 하여 비용을
최소화하는 방법에 의해 전원개발계획을 수립하는 방법(공급지장비용법)도 일부 사용되고 있는데, 여러 가지 방법론을 통해 결과적으로 전력계통에 필요한
적정예비력이 결정된다
(3).
한국은 과거 공급지장확률법(LOLP)에 따라 1년에 0.5일의 공급중단 확률을 고려하여 전력예비율 기준을 대략 15% 정도로 운영하여 왔다
(6,7). 그러나 2011년 9월 15일 순환정전을 경험한 이후 이 기준을 22%로 정하여 운영하고 있다. 기준예비율 22%는 세부적으로, 공급신뢰도 기준
하에서 발전기 고장정지, 예방정비, 석탄 리트로핏 일정 등을 반영하여 산출되는 최소 예비율 13%와 연도별 수요 불확실성, 발전설비 건설시 발생할
수 있는 공급지연 등을 고려한 불확실성 대응 예비율 9%로 구분된다
(8).
2011년 9월 11일 순환정전 이전의 국내 전력예비율 관련 연구가 정전확률 기반으로 예비율 기준을 얼마로 정하느냐에 주안점이 맞추어져 있었다고 하면,
순환정전 이후에는 정전확률을 낮추어 예비율을 올린다든가, 아니면 전문가 설문조사 등을 통해 기준을 정하는 식으로 전력예비율 관련 연구방법이 다양해지고
있는 추세이다.
노준우 외 4명(2008)은 LOLP 0.5일/년을 기준으로 할 때 적정 예비율은 12%라고 주장하였다
(6). 박정제 외 3명(2008)은 계통규모가 커지고 국민총생산(Gross National Product, GNP)이 상승할수록 동일한 공급지장시간 기대치(Loss
of Load Expectation, LOLE)에서 설비예비율(Installed Reserve Rate, IRR)은 작아진다고 설명하며, 우리나라의
신뢰도 기준 LOLP=0.5일/년에 해당하는 IRR값은 14.9%라고 주장하였다
(7). 박정제 외 1명(2010)은 용량신뢰도라는 새로운 개념을 도입하여 불확실성이 매우 큰 신재생에너지 전원 투입 시의 실제적인 유효설비 예비력을 평가할
수 있는 방법을 제안하였다
(9).
남일총(2012)은 국가별로 전력시장 운영방식과 환경이 다르기 때문에 적정 예비율은 모두 다를 수 있지만 대부분의 선진국에서는 연중 최대 전력을 충족하는
수준의 설비규모에 15% 내외의 예비율을 기준으로 한다고 소개하였다. 또한 예비율의 근거가 되는 전력공급중단 확률(LOLP)에 대하여 미국 대부분의
지역과 일부 다른 나라에서는 1일/10년의 발생 가능성을 사용하고 있으나, 우리나라는 0.5일/1년으로 잡고 있어 우리나라의 LOLP 기준은 선진국의
5배에 달하는 공급중단 확률을 허용하고 있다고 주장하였다
(1).
남수현(2015)은 LOLP에 의한 전력예비율 계산과정이 너무 복잡하고 또한 여러 가지 제약조건 하에서 계산되어 결과적으로 많은 편차를 보임에 따라
산·학·연 전문가들에 대한 설문조사를 통해 최적의 기준 전력예비율을 산정하였으며, 그 결과 25%를 적정 설비예비율로 제안하였다
(3).
한편 우태윤(2016)은 OECD 국가들의 전력예비율 관리 현황을 SPSS를 이용하여 회귀분석하였다. 독립변수인 부하변동률, 원자력발전 비율, 석탄발전
비율이 종속변수인 전력예비율에 유의한 영향을 보이며, 제 7차 전력수급기본계획에 따른 2020년 적정 전력예비율은 18%라고 주장하였다
(10).
다수 선진국의 연구결과들을 살펴보면(Sadorsky(2009), Apergis (2010), Menegaki(2011), Lotz(2016), Bhattacharya(2016),
Ito (2017)) 신재생 에너지와 경제성장(GDP)과의 상관관계에 대해 패널 분석하였으며, 그 결과 대부분의 경우에 상호 상관관계가 있는 것으로
해석되었다
(11-16). 또한 Sadorsky(2009)는 전기요금 변화가 재생에너지 소비에 영향을 미친다고 주장한 바 있다
(11). 본 논문은 전력예비율을 결정하는 선행연구들의 변수들 간 높은 상관관계를 고려하되, 종속변수인 전력예비율에 미치는 영향을 중심으로 독립변수들을 구분하여
타 논문들과 차별화하였다.
한편 상기의 선행연구들에서는 신재생에 의한 전기 생산량(Wh)을 기준으로 한 반면, 본 논문에서는 신재생 설비용량(W)을 기준으로 했기 때문에 의미적으로
다소 차이가 있을 수 있다. 이러한 변수 채택은 Kim(2016) 등에 의해 시도된 바 있으며
(17), 예비율 자체가 전력 생산량(Wh)을 기준으로 하는 것이 아니라 최대수요(W)가 발생하는 시점 또는 연도의 발전설비 용량(W)을 기준으로 산정하는
것이기 때문에 불가피하게 용량을 기준으로 하였다.
다음으로 본 논문은 동하계 피크차이율 변수를 포함하고자 한다. 2011년 9월 15일 한국에서 추석명절 직후 늦더위로 인해 발생한 이상부하 및 설비용량
부족으로 의해 순환정전이 발생했다. 본 논문은 그 원인을 2007년 이전까지 하계에만 발생하던 전력피크가 2009년 이후 하계와 동계에 모두 비슷하게
발생하고 있는 점에서 찾고자 한다
(18).
2009년 여름과 겨울에 모두 연중 피크가 발생하였고, 피크기간에는 설비점검을 위한 예방정비(overhaul)를 하기 어려우므로 그 이후 예방정비를
할 수 있는 기간이 기존의 9개월(9월부터 익년 5월까지(가을, 겨울, 봄))에서 약 6개월(9월부터 11월(가을), 3월부터 5월(봄))로 줄어들었다
(19-21). 이에 따라 계획정비 기간에 정비해야할 물량이 1.5배로 늘어났고 결국 계획정비 기간에 속하는 9월의 늦더위로 인해 늘어난 냉방부하를 공급할 수
있는 가동 가능한 설비가 부족하게 되었다는 점에 착안하였다
(22). 따라서 동계피크와 하계피크의 값 차이가 크지 않은 나라의 경우 그렇지 않은 나라보다 예비율이 높을 것이라는 가설을 세웠다.
표 1은 한국의 2003년부터 2011년까지 동계와 하계피크를 비교한 것이다
(18). 2007년까지는 대체로 7% 이상의 차이로 하계피크가 높았으나 2009년부터는 동계피크와 하계피크가 비슷한 수준에 있으며, 2010년부터는 동계피크가
오히려 하계피크에 비해 약간 커졌다는 것을 알 수 있다.
표 1. 한국의 연도별 동계피크와 하계피크 비교
Table 1. Comparison of Winter/Summer peak by Year in Korea
|
연도
|
동계피크 (MW)
|
하계피크 (MW)
|
동하계 피크차이율(%)
|
|
2003년
|
45,062
|
47,385
|
4.9
|
|
2004년
|
46,387
|
51,264
|
9.5
|
|
2005년
|
49,990
|
54,631
|
8.5
|
|
2006년
|
54,451
|
58,994
|
7.7
|
|
2007년
|
55,508
|
62,285
|
10.9
|
|
2008년
|
60,947
|
62,794
|
2.9
|
|
2009년
|
62,645
|
63,212
|
0.9
|
|
2010년
|
71,310
|
69,890
|
-2.0
|
|
2011년
|
73,140
|
72,190
|
-1.3
|
한편 변동성 있는 신재생 발전(풍력, 태양광, 조력)의 경우 급전성(dispatchable)이 보장된 수력, 화력, 원자력에 비해 피크 기여율이 현저히
낮은 것이 사실이다. 이에 따라 본 논문은 변동성 있는 신재생(풍력, 태양광, 조력) 용량은 전력예비율 계산에서 아예 배제하였다. 그러나 Chen(2015),
박정제(2008), 박정제(2010)는 신재생발전(풍력, 태양광)의 피크부담 능력 평가방법 또는 신재생을 고려한 적정 설비 예비율 계산방법을 제안한
바 있다
(7)(9)(23).
2.2 데이터 추출 및 연구방법
2.2.1 데이터 추출 기준
본 논문에서는 OECD Library의 데이터를 이용하였다
(4). OECD 34개국의 2000년부터 2014년까지 15년간의 설비정보(수력, 화력, 원자력, 풍력, 태양광 등)와 최대 수요(피크), 가정용 전기요금,
월별 전력량 데이터를 기반으로 변수 값들을 계산하였다. 다만, 1인당 GDP는 세계은행의 GDP 자료와 OECD Library의 나라별 연도별 인구자료를
활용하였다. GDP값은 2010년 미국 달러로 고정된 구매자 가격 기준이다.
표 2. 국가별 신재생 발전설비 소유구분(2014년, MW)
Table 2. Ownership of renewable generation facilities by country (2014, MW)
|
구 분
|
일본
|
멕시코
|
벨기에
|
호주
|
|
전력회사 소유
|
111
|
603
|
1,926
|
3,801
|
|
고객 소유
|
25,981
|
2,065
|
3,027
|
4,004
|
|
합계
|
26,092
|
2,668
|
4,953
|
7,805
|
OECD 34개국 중에서 캐나다는 최대수요 데이터가 전혀 없어 예비율을 계산할 수 없었고, 핀란드는 예비율이 대부분 마이너스(-) 값이며, 칠레는
2014년 예비율이 109.7%로서 예비율이 이상치(outlier) 기준 이상으로 너무 높으며, 아이슬란드와 룩셈부르크는 가정용 전기요금 데이터가
전혀 없고, 이스라엘은 월별 전력량 데이터가 없어서 동하계 피크차이율을 계산할 수 없었으므로 6개국을 제외하고 나머지 28개국만을 대상으로 분석하였다.
세부 국가 목록은
표 3에 기술된 바와 같다.
표 3. 패널분석 대상 28개국 적용 변수값(2014년도)
Table 3. Applied variable values of 28 countries (2014)
|
국가
|
예비율
|
전기요금 (MW)
|
신재생점유율
|
1인당 GDP
|
동하계피크 차이율
|
|
호주
|
33.5
|
258
|
12.7
|
54,362
|
5.91
|
|
오스트리아
|
86.4
|
267
|
13.2
|
47,175
|
1.62
|
|
벨기에
|
14.8
|
244
|
25.4
|
44,630
|
7.00
|
|
체코
|
63.4
|
174
|
11.7
|
20,203
|
7.00
|
|
덴마크
|
27.9
|
403
|
42.0
|
59,256
|
7.00
|
|
에스토니아
|
76.4
|
169
|
11.1
|
17,302
|
7.00
|
|
프랑스
|
33.1
|
207
|
12.0
|
42,813
|
7.00
|
|
독일
|
40.5
|
395
|
41.1
|
44,596
|
7.00
|
|
그리스
|
52.0
|
236
|
24.9
|
21,736
|
7.00
|
|
헝가리
|
27.2
|
158
|
4.7
|
14,118
|
7.00
|
|
아일랜드
|
43.8
|
305
|
25.3
|
51,199
|
7.00
|
|
이탈리아
|
75.4
|
307
|
23.2
|
34,295
|
7.00
|
|
일본
|
47.1
|
253
|
10.0
|
46,145
|
4.87
|
|
대한민국
|
11.6
|
110
|
3.6
|
24,498
|
4.69
|
|
멕시코
|
33.6
|
90
|
4.7
|
9,493
|
7.00
|
|
네덜란드
|
37.1
|
252
|
14.7
|
50,424
|
7.00
|
|
노르웨이
|
28.0
|
127
|
2.7
|
89,027
|
7.00
|
|
뉴질랜드
|
36.0
|
236
|
7.4
|
35,557
|
7.00
|
|
폴란드
|
22.4
|
192
|
11.3
|
13,987
|
7.00
|
|
포르투갈
|
43.6
|
292
|
30.6
|
21,389
|
7.00
|
|
슬로바키아
|
66.1
|
214
|
7.3
|
17,925
|
6.09
|
|
슬로베니아
|
53.9
|
213
|
6.9
|
23,159
|
0.51
|
|
스페인
|
97.6
|
295
|
28.2
|
29,468
|
1.63
|
|
스웨덴
|
35.6
|
214
|
13.3
|
53,599
|
7.00
|
|
스위스
|
74.7
|
209
|
6.3
|
75,422
|
7.00
|
|
터키
|
60.6
|
169
|
5.3
|
13,312
|
7.00
|
|
영국
|
34.7
|
256
|
20.2
|
40,370
|
7.00
|
|
미국
|
23.8
|
125
|
7.7
|
50,918
|
6.49
|
|
평균
|
45.7
|
228
|
15.3
|
37,371
|
6.14
|
한편 최대수요 데이터가 없어서 일부 년도가 누락된 국가들과 누락년도는 다음과 같다. 오스트리아(2000년), 에스토니아(2000~ 2003년), 독일(2002~2007년),
이탈리아(2000~2004년), 네덜란드(2000~2004년), 미국(2000년)의 총 22개 데이터 라인이 누락되었다. 또한 월별 전력량 데이터가
없어서 동하계 피크차이율 변수값을 계산하지 못하므로 일부 년도가 누락된 국가들과 누락년도는 다음과 같다. 에스토니아(2004~2007년), 슬로베니아(2000~
2008년)의 총 13개 데이터 라인이 누락되었다.
또한 스페인(2012~2014년), 스웨덴(2000~2006년)은 괄호 안의 기간 동안 가정용 전기요금 데이터가 누락되어 전년도 또는 후년도 값으로
동일하게 채워 넣었다.
결과적으로 총 385개의 국가별 연도별 데이터로 패널을 구성하였다.
2.2.2 분석모형
본 논문의 각 독립변수가 실제 종속변수인 전력예비율에 미치는 영향을 분석하고자 하는 것이다. 이에 따라 각 독립변수가 가지는 특성을 다중회귀모형으로
분석해 보았다.
종속변수 : reserve_rate(전력예비율)
독립변수 :
- tariff : 가정용 전기요금($/MW)
- renewable_rate : 변동성 있는 신재생 점유비율(풍력,태양광,조력)
- gdppc : GDP Per Capita, 1인당 GDP($)
- sumter_y7 : 동하계 피크차이율(7% 이상은 상한 처리)
종속변수인 전력예비율은
식(1)과 같이 연도별 설비용량과 최대부하의 관계식으로 계산하되, 변동성이 크고 제어가 불가능하여 피크 기여율이 낮은 신재생발전(풍력, 태양광, 조력)은
전력예비율 계산에서 제외하였다.
첫 번째 독립변수인 가정용 전기요금(변수명 tariff)은 OECD 자료를 활용하였다. 한편 우리나라에서 가정용 보다 전력 사용량 점유율이 높은 산업용
전기요금을 독립변수로 고려해 볼 때, OECD 통계에서 가정용 대비 산업용 전기요금이 평균 60% 수준밖에 되지 않는 것이 문제로 작용하였다. 다수의
OECD 국가에서 산업용 전기요금에 대해 보조금 성격의 요금정책을 취하고 있어 인과관계를 연구하는 통계분석에 오류가 발생할 우려가 있으며, 실제 산업용
전기요금을 독립변수로 반영하여 패널 분석을 실행해 본 결과 90% 신뢰수준에서 유의하지 않은 것으로 판명되어 본 논문에서는 가정용 전기요금을 변수로
채택하였다.
두 번째 독립변수인 신재생 점유비율(변수명 renewable_rate)은 전력예비율 계산에서 제외했던 변동성 있는 신재생인 풍력, 태양광, 조력의
용량 합계를 전력예비율 계산 시 사용한 설비용량(화력, 수력, 원자력, 바이오, 지열 등)에 대한 비율로 계산하였다. 따라서 풍력, 태양광 등의 재생발전
설비용량이 화력 등 일반 발전 설비용량의 2배라면 신재생 점유비율은 200%가 되는 방식이다. 바이오발전, 지열, 수력 등 통상 신재생으로 분류되기는
하지만 급전 가능한(dispatchable) 재생에너지는 전력예비율 계산시의 설비용량에 포함시켰다.
한편 대부분의 국가는 신재생을 전력회사 설비로 분류하기도 하지만, 일본, 멕시코의 경우처럼, 대부분의 신재생 설비용량이 고객소유로 분류되는 경우가
있다(
표 2 참조).
따라서 전력회사 소유이거나 고객 소유이거나 관계없이 바람과 햇빛에 의해 자연적으로 구동되어 전력계통으로 전기를 보내는 신재생의 특성을 고려하여 고객소유
신재생발전 설비용량도 포함하여 신재생 용량으로 산정하였다. 단, 고객소유의 기타 발전설비는 고객의 임의로 가동하는 것으로서 본 논문의 전력예비율 및
신재생 점유비율 계산 시에 제외하였다.
세 번째 독립변수인 1인당 GDP는 Sadorsky(2009), Apergis (2010), Menegaki(2011), Lotz(2016), Bhattacharya
(2016), Ito(2017) 등 다른 선행 논문에서 경제성장률을 나타내는 대체변수로서 자주 사용되었으며
(11-16), 본 논문은 독립변수로서 뿐만 아니라
표 4의 OECD 내에서 4만불 이상의 국가와 4만불 미만의 국가들을 구분하는 기준으로도 사용하였다.
네 번째 독립변수인 동하계 피크차이율(변수명 Sumter_y7)의 경우 각 국가의 연도별 하계, 동계 피크 데이터를 확보하기 어려워서 동계(12,
1, 2월) 월간 전력사용량 3개 중 최대값과 하계(6, 7, 8월) 월간 전력사용량 3개 중 최대값을 대체변수로 선정하고 그 값의 차이율을 변수
값으로 적용하였다.
즉,
따라서 동계, 하계의 피크값의 차이가 크면 변수값이 크고 동계, 하계 피크값의 차이가 작은 동하계 동시피크의 경우 변수값이 작아지도록 설정되었다.
또한 이 변수는 동하계 피크 차이가 작은 동하계 동시피크의 경우에는 예방정비에 어려움이 있어 설비량을 늘릴 필요가 있지만 동하계 피크 차이가 상당히
큰(하계 단독 피크 등) 경우에는 예방정비에 문제가 없으므로, 동하계 피크 차이가 작은 경우에만 유효한 것으로 산정하였다. 변수의 유효성을 차이 비율(0~10%)에
따라 단계별로 검토해 본 결과 차이비율이 7% 이하인 경우에 변수가 유효한 것으로 분석되어 변수의 최대치를 7%의 상한 캡을 씌워 적용하였다.
28개국 15년 치의 변수 값들을 논문에 모두 표시할 수는 없지만 독자들의 이해를 돕기 위해 가장 최근 적용년도인 2014년의 각 국가별 변수 값을
표 3에 제공하였다.
표 3에서 보는 바와 같이, 대한민국은 2014년 기준으로 28개 대상국가 중 설비 예비율이 가장 낮았으며 가정용 전기요금은 강력한 누진제를 운영 중인
멕시코에 이어 두 번째로 저렴하였다. 또한 신재생(풍력, 태양광) 점유비율도 발전설비 중 수력 점유율이 98%에 달하는 노르웨이를 제외하고는 가장
낮았다.
해외 예비율 기준과 사례를 살펴보면, 미국의 장기 전력수급 전망 및 전력수급 안전성 평가를 맡고 있는 북미 전력안전성협회(NERC: North America
Electric Reliability Corporation)에서 권고하는 기준 전력예비율은 15%이며[24], ENTSO-E(European network
of transmission system operators for electricity)에서 발표한 유럽의 공급예비율 전망에 따르면 2014년에는
21.7%로 목표를 설정한다고 되어있으나[25],
표 4에서 보는 바와 같이 OECD 통계의 설비용량과 피크 값으로 계산할 때, 변동성 신재생(풍력, 태양광)은 예비율 계산시 설비용량에서 제외하였음에도
불구하고 미국은 23.8%, 프랑스, 독일, 영국 등 유럽 대부분의 국가들은 30% 이상의 예비율을 보이고 있어 권고치와 실제 운영 사이에 괴리가
있는 것으로 보인다. 보다 정확한 인과관계 분석을 위해서는 괴리의 원인에 대한 상세한 검토가 필요하다고 사료된다.
표 3에서 보이는 2014년 동하계 피크 차이율의 경우 7% 미만의 값을 보이는 국가가 8개국 밖에 없으나, 2000년부터 총 15년의 기간 중 1번 이상
7% 미만의 값을 보이는 국가는 15개국으로서 유의미한 통계를 낼 수 있는 숫자라고 생각된다.
또한 연구목적을 살리기 위해 1인당 GDP 4만불 이상 국가와 4만불 미만 국가들의 변수값 평균을 아래
표 4에 제공하였다.
표 4. 분석대상 국가들을 구분하여 평균 비교(2014년)
Table 4. Average comparison of segments(2014)
|
GDP 그룹구분
|
예비율
|
전기 요금/MW
|
신재생 점유 비율
|
1인당 GDP
|
동하계 피크 차이율
|
|
4만$ 이상 14개국
|
40.1
|
251
|
17.6
|
53,567
|
6.35
|
|
4만$ 미만 14개국
|
51.4
|
204
|
12.9
|
21,174
|
5.92
|
표 4에서 보는 바와 같이, 4만불 미만 국가들의 예비율이 4만불 이상 국가들보다 11% 이상 높았다. 반면 4만불 이상 국가들의 가정용 전기요금이 4만불
미만 국가에 비해 25%이상 높았고, 신재생설비 점유비율도 5%가량 높았다. 1인당 GDP 평균은 약 2.5배였다. 동하계 피크차이율의 경우 7%
이상의 값은 모두 7%로 캡(상한)을 씌운 것이므로 평균값 자체는 큰 의미가 없다고 사료된다.
2.4 나나나
종속변수 1개, 독립변수 4개에 대해 E-views의 패널 고정효과(FE) 모델을 적용하여
표 5와 같은 결과를 얻었다.
표 5에서 보는 바와 같이 독립변수 4개 모두 95% 신뢰수준에서 유의한 것으로 판명되었다. 또한 수정된 R-squared 값도 0.83으로 설명력이 높은
것으로 판단된다.
따라서 전력예비율을 결정하는 함수는 다음과 같이 설정될 수 있다.
식(1)
1) 전기요금은 전력예비율과 양(positive)의 인과관계가 있다. 전기요금이 높으면 에너지를 절감하게 되고 에너지절감은 피크(최대수요)를 낮추어서
전력예비율이 올라가게 된다. 이것은 제6차 전력수급계획의 ‘최근 전력수급 불안요인 분석’에서 언급된 ‘높은 전력수요는 상대적으로 낮은 전기요금 등에
기인’하며 ‘중요한 수요관리 수단인 전기요금 현실화 및 전기요금 체제 개편 등을 통한 수요감축 노력이 상대적으로 부족’ 했다는 내용과 맥을 같이하는
결과이다
(27).
2) 신재생 점유비율은 전력예비율과 양(positive)의 인과관계가 있다. 신재생 발전은 구름, 바람 등 자연적 요소에 따라 변동되므로 통제할 수
없기는 하지만 신재생 비율이 높으면 피크 시에도 신재생 발전이 전력생산에 어느 정도 기여를 하여 최대수요(피크)를 낮추고 예비율은 올라가게 된다.
한편 이것은 박정제(2010) 논문에서 언급된 바와 같이 신재생 발전기가 일정 부분 전력생산에 기여하고 있으나 이에 대한 실질적 기여도 계산 방식이
필요하다는 점과 괘를 같이 한다
(9).
3) 1인당 GDP와 전력 예비율은 음(negative)의 인과관계를 가진다. 1인당 GDP 값이 낮은 후발국가들은 경제성장이 빠르기 때문에 급증하는
수요에 대비하기 위해 상대적으로 예비율이 높게 된다. 한편 이것은 박정제(2008) 논문에서 언급된 GNP가 상승할수록 IRR(전력예비율)이 작아진다는
사실과 동일한 결과를 얻었음을 알 수 있다
(7).
4) 동하계 피크차이율은 전력예비율과 음(negative)의 인과관계를 갖는다. 동하계 피크의 차이가 작으면 계획정비(overhaul) 시에 동계·하계
피크를 모두 대비할 수밖에 없고, 계획정비를 할 수 있는 기간이 대폭 줄어들어서(9개월→6개월) 상대적으로 짧은 기간에 많은 설비가 계획정비에 들어가게
돼서 급전 가능한 설비의 부족을 겪게 된다. 따라서 추가 설비용량 확보가 필요하므로 발전설비 건설이 늘어나게 된다. 결과적으로 동하계 피크차이율이
낮은 국가의 전력예비율은 올라가게 된다.
변수별 영향력을 설명하자면, 가정용 전기요금(tariff)이 MW당 1$(kW당 약 1.1원) 오르면 예비율은 0.035% 올라가게 되며, 신재생
점유비율이 1% 증가하면 예비율은 0.51% 증가하는 경향이 있다. 반대로 1인당 GDP가 10,000$ 증가하면 예비율은 13% 감소하며, 동하계
피크차이율이 0~7% 이내의 범위에 있으면 동하계 피크차이율이 1% 줄어들 때마다 예비율은 0.61% 증가하는 경향이 있다. 즉, 동하계 피크차이율이
0~7%의 범위를 가지므로 베타값 –0.61을 적용하면 최대 4.3%의 편차를 가지게 된다. 따라서 동계와 하계의 피크가 동일한 국가는 하계피크 만을
경험하는(동계와 7% 이상 차이) 국가에 비해 약 4.3% 더 높은 예비율을 가질 필요가 있다. 참고로 OECD 데이터에서 동하계 피크 차이가 15개년
중 1년이라도 7% 이내로 나타난 15개 국가들과 15년간 한번도 7% 이내로 내려가지 않은 13개 국가들을 구분하여 각각 예비율을 평균하였을 때,
전자의 예비율이 약 7% 높은 것으로 나타났다.
상기 변수별 영향력은 한국의 경우로 볼 때, 전기요금(가격)을 10%(kW당 11원) 올려도 예비율은 0.35% 밖에 올라가지 않는데 비해 신재생
점유비율을 10% 올리면 예비율이 5.1%나 올라간다. 신재생 점유비율의 영향력이 가격(전기요금)보다 10배 이상 큰 것으로 나타나고 있다. 이는
신재생 점유비율은 가동 여부가 명확하지는 않지만 매년 실질적인 설비용량으로 작용하는 반면, 전기요금의 경우 전기요금이 급격히 인상되면 사용량이 줄어들어
단기적으로는 예비율이 어느 정도 올라가겠지만 장기적으로는 발전설비에 대한 신규투자의 필요성이 줄어들어 몇 년 후 예비율은 과거와 비슷한 수준에 머물
것이라는 점을 반영하고 있다.