KR20150125171A - 적응형 에너지 수요예측 방법 - Google Patents

Abstract

본 발명은 경제지수, 고용률, 지역특성 또는 산업구조에 따라 에너지 예상 증감률을 산출하고, 산출된 에너지 예상 증감률이 실제의 에너지 소모량을 지속적으로 추종토록 함으로써 실제 에너지 소모량에 근접한 예측값을 산출하는 적응형 에너지 수요예측 방법을 제안한다. 이를 위해, 본 발명은 대상 지역에 대한 에너지 소모정보 및 경제지수정보를 구비하는 데이터베이스 중 적어도 하나와 네트워크 접속되는 에너지 수요예측 시스템에 의해 수행되며, 대상 지역에서 에너지 소모량 증가를 유발하는 경제지수와 감소를 유발하는 경제지수의 비율에 대해 가중치를 부여하여 에너지 예상 증감률을 산출하는 단계 및 에너지 예상 증감률에 따라 산출되는 에너지 예상 소모량과 미리 설정된 기준기간 동안 상기 대상지역의 에너지 소모 실측값을 참조하여 상기 대상지역에 대한 적응형 예측값을 산출하는 단계;를 포함할 수 있다.

Description

적응형 에너지 수요예측 방법{Adaptive energy Demand Forecasting Method}

본 발명은 에너지 수요예측 방법에 관한 것으로, 더욱 상세하게는 에너지를 소모하는 대상 지역의 경제 및 기상 의존도를 참조하여 에너지 예상 증감률 및 이에 따른 에너지 예상 소모량을 산출하고, 이를 에너지 소모 실측값과 비교하여 오차를 감소시킨 적응형 예측값을 산출하는 적응형 에너지 수요예측 방법에 관한 것이다.

통상, 에너지 수요 예측은 수년간의 통계정보를 이용하여 에너지 소모 증가율을 파악 후, 전년도 에너지 소모량을 기준으로 다음해의 에너지 소모량을 추산하는 방식이 이용되고 있다. 이러한 에너지 수요예측 방법은 급격한 기후 변화에 대해서는 적절한 대안이 되지 않는 경우가 있는데, 일 예로서, 평년도 온도에 비해 높은 기온이나 낮은 기온 분포를 보이는 경우 수용가나 산업현장에서의 에너지 소모가 급증할 수 있다.

전기 에너지의 경우 에너지 공급량이 에너지 소모량을 받쳐주지 못할 때, 대규모 정전 사태 및 산업 시설의 마비를 유발할 수 있으며, 국가 경제에 큰 타격을 가할 우려가 있다. 이에 대해 한국 등록특허 10-0648296에서는 계절변화에 따른 에너지 수요의 변동성을 모형화하고, 모형에 의해 예측값을 생성하는 에너지 수요예측 방법을 제안한 바 있다. 그러나, 에너지는 소모하는 사람에 의해 소모량이 결정되는 것이고, 사람은 경제 상황에 영향을 받는 점을 고려할 때, 등록특허 10-0648296는 계절적 특성에 대한 관련성에 대해 초점을 맞추고 있을 뿐, 경제와 에너지의 관련성에 대해서는 간과된 점이 있다. 또한, 산업구조에 따른 지역별 특성 및 고용률과 같은 현안이 간과되어 에너지 수요 예측에 한계가 있다.

본 발명의 목적은 에너지 소모와 경제의 관련성, 에너지 수용가의 특성 또는 산업구조의 특성을 고려하여 에너지 예상 증감률을 예측하고, 예측된 에너지 예상 증감률과 에너지 소모 실측값을 이용하여 시간의 흐름에 따라 실제 에너지 소모량을 추종하는 적응형 에너지 수요예측 방법을 제공함에 있다.

위와 같은 목적을 달성하기 위하여, 본 발명의 실시예에 따른 적응형 에너지 수요예측 방법은, 에너지 예상 증감률 산출단계 및 적응형 예측값 산출단계를 포함하여 구성될 수 있다.

에너지 예상 증감률은, 대상 지역에서 에너지 소모량 증가를 유발하는 경제지수와 감소를 유발하는 경제지수의 비율에 대해 가중치를 부여하여 에너지 예상 증감률을 산출하는 단계에 대응하고, 적응형 예측값 산출단계는, 에너지 예상 증감률에 따라 산출되는 에너지 예상 소모량과 미리 설정된 기준기간 동안 상기 대상지역의 에너지 소모 실측값을 참조하여 대상지역에 대한 적응형 예측값을 산출하는 단계에 대응한다.

위와 같은 목적을 달성하기 위하여, 본 발명의 실시예에 따른 적응형 에너지 수요예측 방법은, 산업용 구분단계, 예상 소모량 산출단계 및 적응형 예측값 산출단계를 포함하여 구성될 수 있다.

산업용 구분단계는, 대상 지역의 에너지 소모 형태를 산업용 및 비 산업용으로 구분하는 단계에 대응하고, 예상 소모량 산출단계는, 대상 지역에서 최대 에너지 소비를 유발하는 주도 업종의 업체 증감율을 토대로 에너지 소모량을 예측하되, 주도 업종이 대상 지역에서 차지하는 에너지 소비 비중을 참조하여 예상 소모량을 산출하는 단계에 대응하며, 적응형 예측값을 산출하는 단계는, 예상 소모량과 미리 설정된 기준기간 동안 대상 지역의 에너지 소모 실측값을 참조하여 대상 지역에 대한 적응형 예측값을 산출하는 단계에 대응할 수 있다.

위와 같은 목적을 달성하기 위하여, 본 발명의 실시예에 따른 적응형 에너지 수요예측 방법은, 예상 소모량 산출단계 및 적응형 예측값 산출단계를 포함하여 구성될 수 있다.

예상 소모량 산출단계는, 대상 지역에서 최대 에너지 소비를 유발하는 주도 업종의 실업률 증감율을 토대로 에너지 소모량을 예측하며, 주도 업종이 대상 지역에서 차지하는 에너지 소비 비중을 참조하여 예상 소모량을 산출하는 단계에 대응하고, 적응형 예측값 산출단계는, 예상 소모량과 미리 설정된 기준기간 동안 대상 지역의 에너지 소모 실측값을 참조하여 대상 지역에 대한 적응형 예측값을 산출하는 단계에 대응할 수 있다.

본 발명에 따르면 경제지수, 고용률, 지역특성 또는 산업구조에 따라 에너지 예상 증감률을 산출하고, 산출된 에너지 예상 증감률이 실제의 에너지 소모량을 지속적으로 추종토록 함으로써 실제 에너지 소모량에 근접한 예측값을 산출할 수 있다.

도 1은 본 발명의 일 실시예에 따른 에너지 수요예측 방법에 대한 개념도를 도시한다.
도 2는 경제 의존형 지역의 에너지 소모 패턴에 대한 참조도를 도시한다.
도 3은 경제고통지수와 에너지 소모에 대한 상관관계를 설명하기 위한 참조도를 도시한다.
도 4는 기상 의존형 지역의 에너지 소모 패턴에 대한 참조도를 도시한다.
도 5는 경제지수 산출방법에 대한 참조도를 도시한다.
도 6과 도 7은 대상지역(강남구)에 대해 한국전력공사에서 산출된 통계치를 도시한다.

본 명세서에서 언급되는 경제지수는 경제상황을 나타내는 지표를 의미하는 것으로, GDP(Gross Domestic Product), GDI(real Gross Domestic Income), GNI(Gross National Income), 수출 증감률, 설비투자 증감률, 경제고통지수 증감률, 실업률, 소득증감률, 주식등락률, 및 임금상승률 중 적어도 하나를 지칭할 수 있다.

이들 지수는 한 국가 또는 국가 내 지역의 경제상황을 나타내는 지표로 이용될 수 있으며, 예컨대, GDP, GDI, GDP 및 설비투자 증감률의 경우 지표값이 증가할수록 경제상황이 나아지는 것을 의미할 수 있고, 경제고통지수, 실업률의 경우, 지표값이 증가할수록 경제상황이 나빠지는 것을 의미할 수 있다.

본 명세서에서 언급되는 에너지 예상 증감률은 전년도 에너지 소모량과 경제지수 간의 상관관계를 이용하여 현재의 에너지 소모량에 대해 예측한 값을 의미할 수 있다.

본 명세서에서 언급되는 적응형 예측값은 에너지 예상 증감률과 현재 소모량과의 편차를 보정하여 다음번의 에너지 소모량을 예측한 것을 의미할 수 있다.

본 명세서에서 언급되는 특성지역은 경제적 특성, 에너지 종별 소비 패턴, 및 산업 구조를 참조하여 설정되는 것으로, 경제 의존형 지역, 비 의존형 지역, 기상 의존형 지역이 예시되나, 이 외에도, 산업 구조별로 설정될 수도 있다.

이하, 첨부된 도면을 참조하여 본 발명의 바람직한 실시예들을 상세히 설명한다. 이때, 첨부된 도면에서 동일한 구성 요소는 가능한 동일한 부호로 나타내고 있음에 유의한다. 또한, 본 발명의 요지를 흐리게 할 수 있는 공지 기능 및 구성에 대한 상세한 설명은 생략할 것이다. 마찬가지 이유로 첨부 도면에 있어서 일부 구성요소는 과장되거나 생략되거나 개략적으로 도시되었다.

도 1은 본 발명의 일 실시예에 따른 에너지 수요예측 방법에 대한 개념도를 도시한다.

도 1을 참조하면, 실시예에 따른 에너지 수요예측 방법은, 에너지 수요예측 시스템(100)이 경제지수정보를 구비하는 데이터베이스에 접속하여 경제지수, 예컨대, GDP, GDI, GNI, 수출 증감률, 설비투자 증감률, 경제고통지수 증감률, 실업률, 소득증감률, 주식등락률, 및 임금상승률 정보를 획득하며, 경제지수 변동에 따른 에너지 예상 증감률을 산출할 수 있다.

이후, 에너지 수요예측 시스템(100)은 산출된 에너지 예상 증감률과 데이터베이스(10, 20, 30)에 저장된 에너지 소모 실측값의 편차를 보정하여 적응형 예측값을 산출하며, 산출된 적응형 예측값과 다음번 에너지 소모 실측값과 대비하여 두 번째 적응형 예측값을 산출할 수 있다. 이때, 에너지 예상 증감률과 적응형 예측값의 산출 주기는 1주일, 1달, 분기, 및 년(Year) 단위로 산출될 수 있으며, 예시된 주기 이외에도 다양한 주기에 따라 산출될 수 있음은 물론이다.

한편, 실시예에 따른 에너지 수요예측 시스템(100)은 각 지역(Sector A, Sector B 및 Sector C)별 특성에 따라 가중치를 부여하고, 부여된 가중치를 이용하여 에너지 예상 증감률을 산출할 수 있다. 가중치는 각 지역(Sector A, Sector B 및 Sector C)별 에너지 소모 특성에 따라 부여되는 것으로, 각 지역을 복수의 특성지역 중 하나로 분류하고, 분류된 특성지역에 따라 달리 부여될 수 있다. 여기서, 특성지역은,

1) 경제 의존형 지역,

2) 기상 의존형 지역,

3) 비 의존형 지역으로 구획될 수 있다.

경제 의존형 지역은 경제지수의 증감에 따라 에너지, 특히 전기 에너지 소모량의 증감이 큰 지역을 의미하고,

기상 의존형 지역은 기상 상황에 따라 에너지 소모량의 증감이 큰 지역을 의미하고,

비 의존형 지역은 경제나 기상 상황에 따른 에너지 소모량의 증감이 적은 지역을 의미할 수 있다.

이때, 비 의존형 지역은 부유층 거주지 또는 빈곤층 거주지 양측에서 발견될 수 있는데, 부유층 거주지의 경우 경제지수의 변동이나 에너지 비용에 따라 에너지 소모량의 증감에 큰 영향을 받지 않는데 따른 것이며, 빈곤층 거주지의 경우 최소한의 에너지만을 사용하는데 따른 것이다. 비 의존형 지역은 경기지수의 변동이나 에너지 비용의 증감에 따라서 받는 영향이 적으므로 에너지 예상 증감률을 산출하거나 적응형 예측값을 산출할 때 부여되는 가중치의 값이 작게 설정되어야 하며, 가중치의 값은 0.8 내지 1.3의 범위로 부여됨이 바람직하다. 비 의존형 지역의 특성은 도 2를 함께 참조하여 설명하도록 한다.

도 2를 참조하면, 비 의존형 지역의 경우, GDI 지수가 증가하는 D1 시점이나, GDI 지수가 하락하는 D2 시점에서의 에너지 소모량의 차이가 크게 발생하지 않을 수 있다. 부유층 거주지의 경우, GDI 지수 하락에 따른 경기 하강 국면이 있다고 해도 난방과 냉방을 위한 기본적인 에너지 소모량을 크게 줄이지 않는 경향이 있다. 이는 부유층 거주지의 경우, 에너지 비용이 소득 수준에 비해 낮은 편이므로 에너지 비용이 크게 감소하지 않는데 따른다.

경제 의존형 지역은 산업 구조가 서비스업, 유통업, 판매업과 같은 비 생산형 산업구조인 곳에서 발견될 수 있는데 경제 의존형 지역의 에너지 소모 패턴은 경기가 활황일 때, 관련 업체의 수가 증가하고, 에너지 소모량이 증가하는 반면, 불황일 때에는 관련 업체의 수가 감소하여 에너지 소모량이 감소하는 측면이 있다. 경제 의존형 지역은 에너지 예상 증감률 또는 적응형 예측값을 산출할 때, 부여되는 가중치 범위가 비 의존형 지역에 비해 더 크게 설정될 필요가 있다. 경제 의존형 지역은 주변 경기 상황에 따라 에너지 소모량이 증감되는 경향이 있는데 이는 도 3을 함께 참조하여 설명하도록 한다.

도 3을 참조하면, 경제 의존형 지역은 경제고통지수가 증가할수록 에너지 소모량이 감소할 수 있다. 경제 의존형 지역은 상가 위주의 B1 그래프와 주택가 위주에 대응하는 B2 그래프로 구획될 수 있는데, 삶을 위해 기본적인 에너지 소모량이 요구되는 주택가의 경우 일정량의 에너지 소모량이 지속적으로 요구되어 B2 그래프를 구현하는 반면, 상가 위주의 B1 그래프는 경제고통지수가 증가할수록 급격히 에너지 소모량이 감소될 수 있음을 나타낸다.

기상 의존형 지역은 계절에 따른 기온 편차가 크거나, 비, 바람의 영향으로 체감온도가 크게 낮거나 폭염이 발생하는 지역에서 주로 발견될 수 있다. 기상 의존형 지역은 계절별, 기상 환경별 에너지 소모량의 편차가 크게 나올 수 있으며, 경제지수 보다는 기상환경 영향이 더 크므로, 가중치 대신 기상환경 변화율을 가중치로 적용할 수도 있다.

예컨대, A 지역의 전년도 8월 평균 기온이 30도이고, 올해의 8월 평균 기온이 33도라고 가정하면, 10%의 기온 상승률이 발생하였다고 볼 수 있다. 이 경우, 가중치는 10%를 감안하여 에너지 소모량이 10% 더 증가할 것을 예상할 수 있으며, 전년도 에너지 소모량 대비 가중치를 1.1 승산하여 당해 에너지 예상 증감률을 산출할 수도 있을 것이다. 그러나, 평균 기온이 10% 상승한다고 하여, 에너지 소모량이 10% 선형 증가하는 것은 아니므로 기온 증가율 대비 에너지 소모량에 대한 참조 테이블을 작성하고, 이를 참조하여 가중치를 설정할 필요가 있다.

기상 의존형 지역은 기상 환경이 시간에 따라 급격히 변하는 지역에서 주로 발견될 수 있으며, 기상 환경의 변화가 에너지 소모로 이어지는 지역일 수 있다. 이는 도 4를 함께 참조하여 설명하도록 한다.

도 4를 참조하면, G1 그래프는 기온 변화 대비 에너지 소모량 변화가 적으며, 타 그래프에 비해 기본적으로 에너지 소모량이 높게 나오는 것을 볼 수 있다. 그래프 G1은 주택가보다 산업시설이 밀집된 곳의 에너지 소모 형태를 보이는데, 이러한 에너지 소모 형태는 기온에 대한 의존성이 적다고 볼 수 있다.

G2 그래프는 기온 변화에 비례하여 에너지 소모량이 증가하며, 주택가의 에너지 소모 형태를 보이고 있다. 주택가는 기온이 급격히 낮아질수록 에너지 소모량이 급증하는 경향을 보일 수 있다. 이러한 에너지 소모 형태는 기온에 대한 의존성이 있다고 볼 수 있으며, 기온에 대한 의존성이 있는 지역에 대해서는 기온 변화량을 에너지 예상 증감률 산출에 반영하여야 한다.

G3 그래프는 기온 변화에 따라 에너지 소모량이 변하기는 하지만 변화율이 매우 낮으며, 인구밀도가 낮고 노지에서 벼나 채소를 재배하는 농촌에서의 에너지 소모 형태를 보이고 있으며, 기상 의존성이 적다고 볼 수 있다.

에너지 수요예측 시스템(100)은 에너지를 소모하는 지역을 상기한 특성지역에 따라 복수로 구획한 후, 특성지역별로 상이한 가중치를 부여하여 에너지 예상 증감률을 산출할 수 있다. 이때, 에너지 수요예측 시스템(100)은 이전 ∼ 현재까지의 경제지수에 가중치를 부여하여 현재의 에너지 예상 증감률을 산출할 수 있다.

예컨대, 현재 시점이 2014년 1월이라면, 2013년도 1월 ∼ 12월의 경제지수 및 가중치를 토대로 현재(2014년 1월)의 에너지 예상 증감률(제1에너지 예상 증감률)을 산출할 수 있다. 이후, 에너지 수요예측 시스템(100)은 2013년도 1월 ∼ 12월을 기준으로 산출된 2014년도의 에너지 예상 증감률을 기록하고, 전력공사 데이터베이스(30)에 네트워크 접속하여 2014년도 12월 31일까지 소모된 에너지 소모 실측값과 제1에너지 예상 증감률을 비교하여 제1에너지 예상 증감률을 산출하는데 적용된 가중치를 조정할 수 있다. 조정된 가중치를 참조하여 에너지 수요예측 시스템(100)은 2015년도의 에너지 예상 증감률을 재 산출할 수 있는데, 이렇게 산출된 에너지 예상 증감률을 이하, "적응형 예측값"이라 한다.

적응형 예측값은 2015년도 이후에 2016년, 2017년,.... 에도 지속적으로 산출될 수 있다. 적응형 예측값은 이전 년도에 대해 산출된 제1에너지 예상 증감률과 당해 년도에 파악된 실제 에너지 소모 실측값을 비교하여 지속적으로 산출된다. 이에 따라, 적응형 예측값은 점차 실제 에너지 소모량에 수렴하게 된다. 이처럼, 실시예에 따른 에너지 수요예측 시스템(100)은 이전에 산출된 에너지 예상 증감률과 에너지 소모 실측값을 지속적으로 비교하는 방식으로 운용될 수 있다.

실시예에 따른 에너지 수요예측 시스템(100)은 경제지수정보의 획득을 위해, 국내외 다양한 데이터베이스에 네트워크 접속될 수 있다. 도 1에 도시된 바와 같이, 에너지 수요예측 시스템(100)은 OECD 데이터베이스(51a ∼ 51n)에 접속하여 경제지수정보를 획득할 수 있다. 획득되는 경제지수 중 경기 상승과 하강에 관련된 경제지수, 경제고통지수, 실업률, GDI와 같은 경제지수정보가 획득될 수 있으며, 이중 경제고통지수는 물가상승률과 실업률의 합으로 표현되는 것으로서, 해당 경제지수의 수치가 증가한다는 것은 대상 지역(또는 대상 국가)의 경제 활동이 위축됨을 의미하고, 화폐의 유통이 감소될 가능성이 매우 높다. 이러한 조건에서는 에너지 소모량이 감소하는 경향을 가질 수 있다.

실업률은 2 ∼ 3% 사이의 값을 가지는 것이 통상적이나, 이보다 높을 경우, 산업생산성이 낮아지고, 이보다 낮을 경우 경기가 활황 상태인 것으로 판단할 수 있다. 실업률은 2%를 시작점으로 하여 랭크를 부여할 수 있는데, 예컨대, 2% 이하인 경우를 랭크 1.3 ∼ 1.5, 2% ∼ 3% 사이인 경우 1.1 ∼ 1.2 및 3% ∼ 4%인 경우에는 1, 4% ∼ 5%인 경우, 0.9, 5% ∼ 6%인 경우에는 0.8과 같이 부여될 수 있다. 랭크로 표현되는 실업률은 어떤 특정한 단위를 갖지 않는다.

바람직하게는 에너지 수요예측 시스템(100)은 경제지수 산출부(110), 기상 지수 판단부(120), 에너지 비중 판단부(130), 특성지역 판단부(140) 및 시뮬레이터(150)를 포함하여 구성될 수 있다.

경제지수 산출부(110)는 전년도 경제지수를 이용하여 현재의 경제지수 변화율을 판단한다. 이는, 도 1 및 2008년부터 2013년의 강남구 전기 에너지 사용량, 전기 에너지 소모량 증가율, 국가(대한민국)의 경제고통지수, 실업률, 및 GDI 수치를 나타내는 도 5를 함께 참조하여 설명하도록 한다.

경제지수 산출부(110)는 두 시점을 기준으로 전력 소모량의 증가율을 산출할 수 있다. 먼저, 경제지수 산출부(110)는 2008년과 2009년의 전기 에너지 소모량을 참조하여 2008년 대비 2.9%의 증가율을 산출할 수 있다. 또한, 경제지수 산출부(110)는 통계청 DB(51c) 또는 경제연구소 DB(51b)에 접속하여 전년도 경제고통지수, 실업률, GDI(또는 GDP, GNP)에 대한 정보를 획득하고, 이전 기간과 현재 사이의 GDI(또는 GDP, GNP) 증가율 및 전기 에너지 예상 증감률을 산출할 수 있다.

도 5를 살펴보면, 2008년을 기준으로 강남구의 전기 에너지 소모량 증가율이,

2008 -> 2009 : 2.9%

2009 -> 2010 : 7.5%

2010 -> 2011 : 3.5%

2011 -> 2012 : -5% 임을 나타내고 있으며, GDI 증감률은 동일 기간동안 각각 3.4%, 3.6%, 1.5% 및 1%임을 나타내고 있다.

여기서, 도 5는 경제고통지수와 실업률은 증감률로 표시하지 않고 실제 수치를 나타내고 있음에 유의한다.

기상 지수 판단부(120)는 에너지 소모량의 증감량을 토대로 에너지 소모가 많은 시기를 파악할 수 있다. 도 5에서 강남구는 1월, 2월, 7월, 8월 및 9월달에 피크이며 나머지 기간에는 35만 MW 전후로 일정하다.

즉, 강남구 지역의 기상 의존성은 1월, 2월, 7월, 8월 및 9월달에 발생하며, 나머지 기간에는 기상 의존성이 적다고 판단할 수 있다.

에너지 비중 판단부(130)는 각 지역별 사용되는 에너지의 비중을 판단할 수 있다. 이를 위해, 에너지 비중 판단부(130)는 가스공사 DB(10), 석유공사 DB(20) 및 전력공사 DB(30)과 네트워크 접속되어 동일 기간에, 동일 지역(예컨대 강남구)에서 소모되는 유류, 가스 및 전기 에너지의 소모량이 어느 정도인가를 파악할 수 있다. 이를 통해 대상 지역에서 사용되는 에너지 사이의 비율을 파악하고, 파악된 비율에 따라 에너지 종류별 소모량을 예측하는데 이용될 수 있다.

특성지수 산출부(140)는 이전 기간(예컨대 전년도) 경제지수를 이용하여 현재의 경제지수 변화율을 판단한다. 이는, 도 6과 도 7을 함께 참조하여 설명하도록 한다.

도 6은 한국전력공사에서 산출된 통계치로서, 2013년도 서울시 강남구의 전기 에너지 소모량을 나타내고, 도 6은 전남 고흥군의 전기 에너지 소모량을 나타낸다.

먼저, 도 6을 참조하면, 2013년 1월 강남구의 1월 전기 에너지 소모량은 2013년 1월 기준으로 주택용, 일반용, 교육용, 산업용, 농사용, 가로등, 심야 전기 소모량이 각각 76,397 / 313,467 / 2,845 / 17,934 / 497 / 3,228 / 3,554 / 417,922 MW로 나타나고 있다.

다음으로, 도 7을 참조하면, 2013년 1월 전남 고흥군의 전기 에너지 소모량은 2013년 1월 기준으로 각각 8,095 / 8,940 / 823 / 3,428 / 22,115 / 542 / 4,792 MW로 나타나고 있다.

강남구의 전기 에너지 소모량을 살펴보면,

1) 주택용 전기 에너지 및 일반용 전기 에너지가 각각 전체 전기 에너지 소모량 대비 약 16%, 76%를 점하고 있음을 볼 있다.

2) 주택용 전기 에너지는 8월을 제외하고 일정하다(6-7만 MW급).

3) 전체 전기 에너지 소모량은 1월, 2월, 7월, 8월 및 9월달에 피크이며 나머지 기간에는 35만 MW 전후로 일정하다. 그러나 전기 에너지 소모량이 최대일 때와 최소일 때의 편차는 7% 내외로 측정된다.

대상지역을 특성지역으로 분류 후, 시뮬레이터(150)는 특성지역의 산업분포변동에 따라 특성지역에 대한 이후의 에너지 예상 증감률을 산출할 때, 가중치(R)를 증감할 수 있다.

예컨대, 특성지역이 산업 지역인 경우, 해당 특성지역에서 주도적인 산업(주도 산업)을 파악하고, 주도 산업의 증감률을 가중치(R)에 반영할 수 있다.

이때, 가중치(R)는 1로 설정될 수 있으며, 특성지역에서의 주도 산업이 10% 증가하고, 주도 산업이 특성지역에서 차지하는 에너지 소모 비율이 50%라고 가정하면, 가중치(R)는 5% 더 증가한 1.05로 설정될 수 있다.

만일, 특성지역이 농업 지역인 경우 시뮬레이터(150)는 농지와 일반용지의 비율을 이용하여 에너지 예상 증감률을 산출할 수도 있다. 예컨대, 특성지역이 농업지역이고, 농지와 일반토지의 비율이 60:40이며, 전년도 ∼ 현재의 농지 : 일반토지의 비율이 50 : 50으로 변경되었다고 가정하면, 가중치(R)는 1 ∼ 1.08의 범위를 갖도록 설정될 수 있다. 즉 농지의 비율변경이 줄어들고, 용도변경 되었다면, 통상 주택가나 산업시설이 들어선 것으로 추정되므로 이를 반영하여 가중치(R)를 설정할 수 있다.

시뮬레이터(150)는 경제지수 산출부(110), 기상 지수 판단부(120), 에너지 비중 판단부(130), 특성지역 판단부(140)에서 산출된 정보를 토대로 예상전력 소모량을 산출할 수 있는데, 예상전력 소모량은 아래의 수학식 1에 따라 산출될 수 있다.

여기서, GDI 증가율은 전년도 대비 증감비율이고, 경제고통지수는 소비자 물가 상승률과 실업률의 합을 나타낸다.

이하, 상기한 수학식 1을 도 5에 적용하여 에너지 예상 증감률을 산출해보도록 한다.

시뮬레이터(150)가 에너지 예상 증감률을 산출하는 시점이 2009년 말일이라고 가정할 때, 에너지 예상 증감률은 2008년 대비 아래의 수학식 2와 같이 산출될 수 있다.

2008 - 2009년도를 토대로 산출된 에너지 예상 증감률은 6.12% 이며, 이를 토대로 2010년도의 에너지 예상 소모량을 산출하면,

2009년도 전기 에너지 소모량이 425MW 이므로, 6.12%를 증가시키면 2010년도에는 451MW의 전기 에너지가 소모될 것으로 예상할 수 있으나, 도 5에 도시된 연도별 도표를 보면, 실제 2010년도에는 457MW가 소모되었으며, 약 6MW의 편차가 발생함을 볼 수 있다.

시뮬레이터(150)는 2010년 12월 31일이 지난 후, 즉 2011년도에 전력공사 DB(30)를 통해 2010년도에 소모된 전기 에너지가 실제 457MW임을 파악할 수 있으며, 이는 시뮬레이터(150)가 산출한 에너지 예상 증감률 6.12와 달리 실제로는 2009년도는 전년도(2008년도) 대비 7.5% 증가함에 기인한다.

시뮬레이터(150)는 에너지 예상 증감률의 편차(7.5 - 6.12) 가 0에 수렴하도록 가중치(R)를 보정할 수 있다. 가중치(R)가 보정된 이후 산출되는 에너지 예상 증감률은 적응형 예측값이라 지칭할 수 있으며, 적응형 예측값의 개념은 본 명세서 전반에 걸쳐 동일하게 적용된다.

2010년도에 대한 실제 전기 에너지 소모량(457MW)를 토대로 시뮬레이터는 가중치(R)를 1.1로 보정할 수 있다. 보정된 가중치(R)의 정확성은 2011년도의 전기 에너지 소모량에 적용해보면 확인할 수 있다.

한편, 시뮬레이터(150)는 실업률을 참조하여 실제 경제활동의 정도를 파악하고, 이를 반영하여 에너지 예상 증감률을 산출할 수 있다. 이때, 실업률은 에너지 예상 증감률을 산출하는데 직접 대입되는 변수가 아니라 하나의 랭크(RANK)로서 대입될 수 있다. 예컨대, 실업률의 랭크는 2% 이하인 경우를 랭크 1.3 ∼ 1.5, 2% ∼ 3% 사이인 경우 1.1 ∼ 1.2, 3% ∼ 4%인 경우에는 1, 4% ∼ 5%인 경우, 0.9, 및 5% ∼ 6%인 경우에는 0.8과 같이 부여될 수 있다.

랭크로 표현되는 실업률을 참조하여 에너지 예상 증감률을 산출하면 아래의 수학식 3과 같다.

수학식 3에 따라 2008 - 2009년도에 대해 에너지 예상 증감률을 산출하면, 아래의 수학식 4와 같다.

도 5에 도시된 실제 2010년도 전기 에너지 증감률은 7.5%로서, 0.42% 정도의 오차가 발생함을 볼 수 있다. 실업률은 산업 현장, 유통 현장은 물론 경제활동에 참여하는 사람의 지표를 나타내는 것으로서, 이 수치는 2 - 3% 범위에 있을 때, 정상적인 범위로서 간주되나, 이 수치가 증가할 경우에는 직접적인 소득 감소 및 미래 불안으로 인하여 에너지 소모량이 직접적으로 타격받을 가능성이 상승한다. 이에 따라, 본 출원인은 0% 에서 100%의 구간을 갖는 실업률을 몇 개의 구간으로 구획하고, 각 구간에 따라 랭크를 부여하며, 부여된 랭크를 에너지 예상 증감률에 적용하여 산출하고 있다.

한편 예시된 수학식은 경제고통지수, GDI 및 실업률을 근거로 산출되는 것을 예시하고 있으나, 이에 한정되지 않음을 미리 밝혀둔다.

본 명세서에서 언급되는 가중치(R)는 기상 조건 및 계절별로 상이한 값을 가질 수 있다.

예컨대, 도 6에 도시된 바와 같이, 1월, 2월, 7월, 8월, 9월달에 대해 각각 1월달에 대해서는 가중치(R)를 18% 더 증가시킬 수 있다. 이는 도 6에 도시된 강남구 월별 전기 에너지 소모량의 평균값이 394MW 이고, 1월달의 전기 에너지 소모량이 평균 대비 18% 더 높은데 따른다. 만일 가중치(R)가 0.9인 경우, 기상 조건, 또는 계졀에 따라 보정된 가중치는 0.916일 수 있다. 즉, 기상 조건 또는 계절에 따른 가중치(R)는 평균값 대비 증감되는 량에 따라 보정될 수 있으며 이러한 기상 정보는 기상청 DB(50)을 통해 획득될 수 있다.

한편, 본 명세서와 도면에 개시된 본 발명의 실시예들은 본 발명이 기술 내용을 쉽게 설명하고 본 발명의 이해를 돕기 위해 특정 예를 제시한 것일 뿐이며, 본 발명의 범위를 한정하고자 하는 것은 아니다. 여기에 개시된 실시예들 이외에도 본 발명의 기술적 사상에 바탕을 둔 다른 변형예들이 실시 가능하다는 것은 본 발명이 속하는 기술 분야에서 통상의 지식을 가진 자에게 자명한 것이다.

10a : 가스공가 DB 20 : 석유공사 DB
30 : 전력공사 DB 50 : 기상청 DB
51a ∼ 51n : 데이터베이스 100 : 에너지 수요예측 시스템

Claims (10)

1. 대상 지역에 대한 에너지 소모정보 및 경제지수정보를 구비하는 데이터베이스 중 적어도 하나와 네트워크 접속되는 에너지 수요예측 시스템에 의해 수행되며,
   대상 지역에서 에너지 소모량 증가를 유발하는 경제지수와 감소를 유발하는 경제지수의 비율에 대해 가중치를 부여하여 에너지 예상 증감률을 산출하는 단계; 및
   상기 에너지 예상 증감률에 따라 산출되는 에너지 예상 소모량과 미리 설정된 기준기간 동안 상기 대상지역의 에너지 소모 실측값을 참조하여 상기 대상지역에 대한 적응형 예측값을 산출하는 단계;를 포함하는 것을 특징으로 하는 적응형 에너지 수요예측 방법.
2. 제1항에 있어서,
   상기 적응형 예측값은,
   상기 에너지 예상 증감률에 따른 상기 에너지 예상 소모량이 상기 에너지 소모 실측값을 추종토록 상기 가중치를 가변 후, 산출되는 것을 특징으로 하는 적응형 에너지 수요예측 방법.
3. 제1항에 있어서,
   상기 대상 지역은,경제 의존형 지역, 비 의존형 지역 및 기상 의존형 지역 중 어느 하나의 특성지역으로 분류되는 것을 특징으로 하는 적응형 에너지 수요예측 방법.
4. 제3항에 있어서,
   상기 비 의존형 지역은,
   상기 경기 지수와 에너지 소모량의 상관성이 낮은 부유충 지역 또는 빈곤층 지역으로 분류되며,
   상기 부유층 지역 또는 상기 빈곤층 지역에 대한 상기 적응형 예측값 산출 시, 상기 가중치의 범위를 0.8 내지 1.3 부여하는 것을 특징으로 하는 적응형 에너지 수요예측 방법.
5. 제1항에 있어서,
   상기 에너지 예상 증감률은,
   

   

   
   (GDI 증가율은 전년도 대비 증감비율이고, 경제고통지수는 소비자 물가 상승률과 실업률의 합)에 의해 산출되는 것을 특징으로 하는 적응형 에너지 수요예측 방법.
6. 제1항에 있어서,
   상기 에너지 예상 증감률은,
   

   

   
   (GDI 증가율은 전년도 대비 증감비율이고, 경제고통지수는 소비자 물가 상승률과 실업률의 합이며, UR은 0 내지 100%의 실업률을 복수의 구간으로 구획하여 형성한 각 랭크에 대한 랭크 지수, 랭크 지수는 각 랭크에 대응하는 숫자로서, 1 내지 10의 범위를 가짐)에 의해 산출되는 것을 특징으로 하는 적응형 에너지 수요예측 방법.
7. 제6항에 있어서,
   상기 랭크 지수는,
   전년도 실업률이 2% 이하인 제1 랭크, 전년도 실업률이 2% ∼ 3%인 제2 랭크, 및 전년도 실업률이 3% 이상인 구간에 대해 설정되는 복수의 제3 랭크로 구성되는 것을 특징으로 하는 적응형 에너지 수요예측 방법.
8. 대상 지역에 대한 에너지 소모정보 및 경제지수정보를 구비하는 데이터베이스 중 적어도 하나와 네트워크 접속되는 에너지 수요예측 시스템에 의해 수행되며,
   대상 지역의 에너지 소모 형태를 산업용 및 비 산업용으로 구분하고,
   상기 대상 지역에서 최대 에너지 소비를 유발하는 주도 업종의 업체 증감율을 토대로 에너지 소모량을 예측하되, 상기 주도 업종이 상기 대상 지역에서 차지하는 에너지 소비 비중을 참조하여 예상 소모량을 산출하는 단계; 및
   상기 예상 소모량과 미리 설정된 기준기간 동안 상기 대상 지역의 에너지 소모 실측값을 참조하여 상기 대상 지역에 대한 적응형 예측값을 산출하는 단계;를 포함하는 것을 특징으로 하는 적응형 에너지 수요예측 방법.
9. 대상 지역에 대한 에너지 소모정보 및 경제지수정보를 구비하는 데이터베이스 중 적어도 하나와 네트워크 접속되는 에너지 수요예측 시스템에 의해 수행되며,
   상기 대상 지역에서 최대 에너지 소비를 유발하는 주도 업종의 실업률 증감율을 토대로 에너지 예상 증감률을 산출하며, 상기 주도 업종이 상기 대상 지역에서 차지하는 에너지 소비 비중을 참조하여 예상 소모량을 산출하는 단계; 및
   상기 예상 소모량과 미리 설정된 기준기간 동안 상기 대상 지역의 에너지 소모 실측값을 참조하여 상기 대상 지역에 대한 적응형 예측값을 산출하는 단계;를 포함하는 것을 특징으로 하는 적응형 에너지 수요예측 방법.
10. 제8항 또는 제9항에 있어서,
    상기 적응형 예측값은,
    전년도 대비 경제지수의 변동률을 반영하여 산출하는 것을 특징으로 하는 적응형 에너지 수요예측 방법.

Images