실시간 요금제의 단계적 도입방안에 대한 연구eml.ajou.ac.kr/suduk/teach/contents/실시간요금제단계적도입방안연구.pdf · 제 출 문 한국전력공사

실시간 요금제의

단계적 도입방안에 대한 연구

[최종보고서]

2012년 10월 26일

전력산업연구회

제 출 문

한국전력공사 사장 귀하

본 보고서를 “실시간 요금제의 단계적 도입방안에 대한 연구”의 최종보고서로 제출합니다.

2012월 10월 26일

주관연구기관 : 아주대학교 에너지시스템학부

연구책임자 : 김수덕 (교수, 아주대 에너지시스템학부)

연구참여자 : 민은주 (박사과정, 아주대 에너지시스템학부)

구자열 (박사과정, 아주대 에너지시스템학부)

Zulfikal Yurnadi (박사과정, 아주대 에너지시스템학부)

백민호 (박사과정, 아주대 에너지시스템학부)

조슬기 (석사과정, 아주대 에너지시스템학부)

외부자문 : Qimin Chai

(교수, Tsinghua University, China)

<제목 차례>

1. 서론 ··········································································································································· 1

가. 국내 전력시장 수급현황 ·································································································· 1

나. 전력시장 수급불균형의 원인 ··························································································· 2

1) 전력공급측면의 원인 ·································································································· 2

2) 전력수요측면의 원인 ·································································································· 3

3) 전력요금측면의 원인 ·································································································· 4

4) 전력요금측면의 원인 ·································································································· 7

다. 실시간 요금제와 스마트 그리드 ······················································································ 8

1) 실시간요금제의 경제학적 의미 ················································································· 8

2) 스마트그리드와 실시간 요금제 ·················································································· 9

3) 스마트그리드 관련 시장 ··························································································· 10

4) 관련 제도 현황 ········································································································· 13

5) 스마트그리드 관련 추진계획 ···················································································· 13

2. 전력수요전망, 실시간 요금제 관련 연구사례조사 ······························································ 18

가. 국내연구 현황 ··············································································································· 18

1) 전력수요예측 모형(ESFOS: Electricity Sales Forecasting System) ··························· 18

2) 에너지경제연구원(2004) ···························································································· 22

3) 한국전력공사 (2011.9) ······························································································· 23

4) 한국전력공사 (2012.6.15) ··························································································· 27

5) 국내 연구결과 요약 ·································································································· 34

나. 국외현황 ························································································································· 37

1) Patrick and Wolak의 연구 (2002, EPRI WO 2801-11) ·········································· 37

2) Customer Response to Electricity Prices (2002, EPRI-1005945) ···························· 39

3) Dahl (Washington,DC, October 1993) ···································································· 39

4) Annual Energy Outlook 2003 ·················································································· 40

5) Nilsen(2005) ·············································································································· 41

6) Wolak, 2007 ·············································································································· 43

7) Freeman, Sullivan, & Co., 2007 ··············································································· 45

8) Aubin, et al, (1995) ································································································ 48

9) Taylor, T. N., et al. (2005) ······················································································ 51

10) Lijesen, M. G., (2007) ····························································································· 59

11) Allcott, H., (2011) ··································································································· 62

12) Boisvert, R. N., et al, (2007) ·················································································· 66

3. 실시간요금제 도입관련 실증분석을 위한 이슈점검 ·························································· 71

가. 개요 ································································································································ 71

나. 전력소비자료의 분류형태 ······························································································· 71

1) 행정구역별 ················································································································ 71

2) 계약종별 ···················································································································· 71

3) 용도별 ······················································································································· 71

4) 지사별 ······················································································································· 71

5) 공급방식별 ················································································································ 72

6) 수요관리요금제도 및 선택요금제도 ·········································································· 72

다. 전력소비자료 분석을 위해 필요한 외생변수 ································································· 79

1) 행정구역별 분류와 기상자료 ···················································································· 79

2) 계약종별 ···················································································································· 82

3) 용도별 ······················································································································· 89

4) 수요관리요금제도 및 선택요금제도 ·········································································· 89

5) 기타 개별 수용가 정보의 추론방법 ·········································································· 93

6) RTP 적용관련 표본선정시 고려사항 ······································································ 99

4. 실시간 요금제도입관련 실증분석방법 및 결과의 비교 ···················································· 104

가. 개요 ······························································································································· 104

나. 시간대별 전력소비자료의 특성과 패널모형 ································································· 104

다. 패널모형 개요 ··············································································································· 105

라. 동태적 패널선형회귀 분석방법 ···················································································· 106

마. 사례1: 한국전력공사 (2011.9) 연구과정의 분석 결과 ·················································· 108

1) 분석의 개요 ············································································································· 108

2) 추정식과 분석에 사용된 변수설명 ·········································································· 108

3) 추정결과와 시간대별 가격 탄력성의 이해 ····························································· 109

4) 추정결과를 이용한 월별 시간대별 가격탄력성 산정사례 ······································ 111

바. 사례 2: 한국전력공사 (2011.9) ······················································································ 117

사. 사례 3: 한국전력공사 (2012.6) ······················································································ 117

아. 사례 4: 본 KPX 연구시도사례 ····················································································· 118

1) 원본 데이터 현황 ···································································································· 118

2) 가공 데이터 현황 ···································································································· 119

3) 분석 데이터 현황 ···································································································· 119

4) 데이터 문제점 ········································································································· 121

5) 기타 분석에 사용된 외생변수 현황 ········································································ 123

6) 자료한계로 인한 분석상 문제점 및 해결방안 ························································ 126

5. 실시간 요금제 도입의 효과 분석 ····················································································· 136

가. 개요 ······························································································································· 136

나. 스마트그리드 도입의 효과분석 방법론의 사례 ···························································· 139

1) SGMM(Smart Grid Maturity Model) ····································································· 139

2) KUL Approach ······································································································· 141

3) 스마트그리드 비용편익분석 ·················································································· 143

4) 스마트그리드 도입의 비용편익분석 ········································································ 153

다. 실시간 요금제 도입의 효과 분석방법 ········································································ 154

1) 개요 ························································································································· 154

2) 실시간 요금제 도입과 그 영향 범위 ···································································· 155

3) 산업연관분석을 통한 실시간 요금제 도입의 효과분석 ·········································· 155

4) 계량경제학적 방법을 통한 실시간요금제 도입의 효과분석 ··································· 169

6. 실시간 요금제의 단계적 도입방안 논의 ············································································ 175

<표 차례>

<표 1> 전력부문 공급추이 ··········································································································· 3

<표 2> 기존 전력망과 지능형전력망 비교 ················································································· 16

<표 3> 전력 수요 가격 및 소득탄력성 ······················································································ 23

<표 4> 한국전력 연구보고서(2011.9) 추정결과 ·········································································· 24

<표 5> 제8, 9차 한국표준산업분류 상의 대분류에 따라 분석에 사용된 최종 산업분류표 ···················· 26

<표 6> 분석 고객의 가격탄력성 부호와 유의성에 따른 현황 ··················································· 30

<표 7> 음의 값을 갖고 통계적으로 유의한 고객의 특징 및 가격탄력성 통계 ························· 30

<표 8> DR 및 기상 효과 산정결과 예시 그래프 (0800469506번 고객의 특정 시간) ·························· 31

<표 9> One Example of Estimation Result for Electricity Demand Model (Water Supply

Industry) ······································································································································ 38

<표 10> Summary of Ranges of Residential and Commercial Elasticities from Dahl(1993) ·················· 40

<표 11> Summary of Price Responses in the NEMS AEO2003 and AEO99 Residential

Commercial Building Models ····································································································· 41

<표 12> Nilsen, Odd Bjarte, Frank Asche And Ragnar Tveteras, Natural Gas Demand In

The European Household Sector, Bergen Open Research Archive Working Paper, Aug. 2005 ··································································································

42

<표 13> CPP의 Event Days ······································································································· 43

<표 14> 추정결과 (Wolak, 2007) ································································································ 44

<표 15> 에너지 사용 회귀 변수 설명 ························································································ 46

<표 16> 실험동안 전력가격의 구조 ···························································································· 48

<표 17> 확률적 intertemporal 모드의 파라미터 추정 ······························································· 49

<표 18> 하루지출 한계효용 측정치 회귀분석 결과정리 ···························································· 50

<표 19> 가격탄력성, 지출탄력성, intertemporal 대체 탄력성 ··················································· 50

<표 20> 자기 가중탄력성과 교차 가중탄력성 : 모든 고객 ······················································· 52

<표 21> 시간대별 총 자기탄력성 : 각각의 고객 (continued) ···················································· 54

<표 22> 시간대별 총 자기탄력성 : 각각의 고객 (continued) ···················································· 54

<표 23> 선택된 고객그룹을 대상으로한 14시부터 21시까지 평균 시간대별 탄력성 ························ 55

<표 24> 시간대별 탄력성 회귀분석 결과 ··················································································· 56

<표 25> Duke Power Company의 표준 TOU 요금제와 시간대별 요금제 비교를 통한 gain의

Welfare 분석 ································································································································ 59

<표 26> 장단기 탄력도 추정치 조사결과 ··················································································· 60

<표 27> TOU 요금제에 대한 최근 연구에서 탄력도 추정치 조사결과 ···································· 60

<표 28> 종속변수로써 부하추종결과 ·························································································· 61

<표 29> 수요 system 추정치 ······································································································ 63

<표 30> RTP도입 실험의 2년차와 1년차 비교 ·········································································· 65

<표 31> Welfare 계산과 CO2 효과 ·························································································· 66

<표 32> 섹터와 Peak 기간에 따른 부하 가중 대체탄력성 ························································ 68

<표 33> 수요와 가격반응성에 대한 기상 효과 ········································································ 69

<표 34> 회귀모형의 추정된 탄력성 결과 ··················································································· 70

<표 35> 행정구역별 구분 ··········································································································· 74

<표 36> 계약종별 구분 ··············································································································· 75

<표 37> 용도별 구분 ·················································································································· 76

<표 38> 지사별 구분 ·················································································································· 77

<표 39> 공급방식별 구분 ··········································································································· 78

<표 40> 요금제도별 구분 ··········································································································· 79

<표 41> 지상기상관측지점일람표1 ····························································································· 80

<표 42> 지상기상관측지점일람표2 ····························································································· 81

<표 43> 전기요금표 (2012년 8월 6일 시행) -1 ········································································ 83

<표 44> 전기요금표 (2012년 8월 6일 시행) -2 ········································································ 84

<표 45> 전기요금표 (2012년 8월 6일 시행) -3 ········································································ 85

<표 46> 요금표적용기준 시간대 구분 ························································································ 86

<표 47> 분석에 이용된 산업그룹 분류 ······················································································ 88

<표 48> ‘08년 이전과 '09년 이후의 수요관리체제 비교 ···························································· 89

<표 49> 현행 부하관리 프로그램 현황 및 시장규모 ································································· 89

아래에서는 지정기간 수요조정, 주간예고 수요조정, 그리고 수요자원시장 등과 같은 현행 부하

관리 프로그램에 대한 간략한 내용을 정리하였다. ····································································· 90

<표 51> 2009~2010년 주간예고 단가 ························································································ 90

<표 52> 지정기간제 개정안 ······································································································ 91

<표 53> 주간예고제 개정안 ······································································································ 91

<표 54 > 선택요금제 요금부과 기준 ·························································································· 93

<표 55> 산업생산지수의 출처 및 상세내용 ··············································································· 94

<표 56> 산업생산지수 출처 및 상세내용 (계속) ········································································ 95

<표 57> 가격지수의 출처 ··········································································································· 95

<표 58> 온실가스․에너지 목표관리 운영 등에 관한 지침 별지 제1호 서식 - 1 ························ 100



<표 61> 시간대별 모형(24시간 Lag 제외)의 변수명 설명 ······················································· 109

<표 62> 추정결과를 이용한 월요일의 24시간, 12개월별 가격탄력성 산정예시 ······················ 111

<표 63> 가정용 분석대상 고객번호 리스트 ············································································ 120

<표 64> 일반용 분석대상 고객번호 리스트 ············································································ 120

<표 65> 데이터 문제점 - 비정상적인 피크(Peak)를 가지는 일부 고객의 전력사용량 패턴 ················· 123

<표 66> 연령별 가구원수 (가정용) ··························································································· 123

<표 67> 월평균 기온 추이 (제주지역, 2011년) ······································································· 124

<표 68> 월평균 습도 추이 (제주지역, 2011년) ······································································· 124

<표 69> 월평균 일사량 추이 (제주지역, 2011년) ··································································· 124

<표 70> 월평균 일사량 추이 (제주지역, 불변지수) ································································ 125

<표 71> 소득함수 추정결과 ······································································································ 131

<표 72> 가정용 전력수요 추정결과 ·························································································· 132

<표 73> 일반용 전력수요 추정결과 ·························································································· 134

<표 74> Benefits Comparison of Various BCA Reports ························································· 144

<표 75> 산업연관표의 기본구조 ······························································································· 159

<표 76> 산업연관표의 형식 ······································································································ 160

<표 77> 투입계수표의 형식 ······································································································ 161

<표 78> 생산유발계수의 의미 ··································································································· 164

<표 79> 시간대별 요금 시나리오별 생산유발효과 ··································································· 167

<표 80 > 스마트그리드산업에 최종수요 100억원 발생시의 유발효과분석 ······························ 168

<표 81 > 전력설비산업에 최종수요 -100억원 발생시의 유발효과분석 ···································· 169

<표 82> 분석에 이용된 계약종 ································································································· 172

<표 83> 일반용(을) 및 산업용(병)에 적용된 가격시나리오 ····················································· 173

<표 84> 산업용(을) 및 기타 계약종에 적용된 가격시나리오 ··················································· 173

<표 85> 연구에 사용된 자료(2009)의 요약비교 ········································································ 174

<표 86> 시나리오별 주요결과 요약 ·························································································· 174

<그림 차례>

[그림 1] 국내 전원믹스의 추이 ··································································································· 1

[그림 2] 월별 시간대별 평균전력판매량 및 월별 최대부하의 추이 ············································ 2

[그림 3] 년도별 부하율 ················································································································· 4

[그림 4] 용도별 명목전력요금의 추이와 SMP 및 소비자물가지수(CPI)의 비교 ························· 5

[그림 5] 열량단가의 변화추이 ······································································································ 6

[그림 6] 소비자물가지수로 deflate 한 용도별 실질전력요금 ······················································· 7

[그림 7] SMP로 deflate 한 용도별 실질전력요금 ········································································ 7

[그림 8] 수요반응이 전력시장에 미치는 영향 ············································································ 8

[그림 9] Pricing Possibilities Frontier with Indifference Curves ················································ 9

[그림 10] 스마트그리드 필수 구성 요소 ····················································································· 10

[그림 11] 스마트그리드 개념도 ··································································································· 10

[그림 12] SG domain 내의 구성요소간 통신, 전력흐름 상호관계 ············································ 11

[그림 13] Domain간의 SG information network에 대한 개념도 ··············································· 12

[그림 14] Customer Domain의 상세 내역과 상호연관된 domain들 ······································· 12

[그림 15] 지능형 전력망 비전 및 전략 ······················································································ 15

[그림 16] 1차 기본계획상 스마트 그리드 거점도시 기획 ·························································· 17

[그림 17] 추정식으로 얻어지는 각 효과의 구성 ········································································ 27

[그림 18] DR 및 기상 효과 산정결과 예시 그래프 (1개 고객의 특정 시간) ·························· 33

[그림 19] 수식상의 DR의 효과 의 의미 ····················································································· 34

[그림 20] 표본기간 중 94년-95년 사이의 Pool Selling Price의 변동 ········································ 37

[그림 21] Ex Post와 Ex Ante의 분석과정과 연결 요약 ····························································· 45

[그림 22] 2010년 여름 최대온도가 90 ℉를 넘는 Control 및 Treatment Group의 시간대별 평균수요 ··· 47

[그림 23] 2010년 모든 Event day동안 시간당 평균부하효과 ···················································· 47

[그림 24] 16,17,18시에 가격이 $0.01/kwh 상승했을 때 소비패턴의 변화 Change ···················· 53

[그림 25] 1년의 추가적인 경험이 있는 고객당 평균수요 변화 ················································· 57

[그림 26] low price day(August 23, 2000, TOP) 와 high price day(August 9, 2000, BOTTOM)

TOU에서 시간당 요금제율에서 예상 소비량 ·············································································· 58

[그림 27] 기상자료의 실제형태 및 내용 ····················································································· 82

[그림 28] 수요자원시장 운영프로세스 ························································································ 92

[그림 29] 수요자원입찰 및 감축가격, 감축량 산정 ···································································· 92

[그림 30] KISVALUE 데이터 ······································································································ 96

[그림 31] KISVALUE에 나타난 삼성전자의 기업통계 ······························································· 97

[그림 32] 삼성전자의 대표 사업장 (예시) ·················································································· 98

[그림 33] 시간대별 자료의 패널형태 ························································································ 104

[그림 34] 데이터 문제점 - Missing Data를 가지는 패턴 (고객번호 9150002146) ··················· 121

[그림 35] 데이터 문제점: 비정상적인 피크(Peak)를 가지는 패턴 (고객번호 9110001472) ··················· 122

[그림 36] 데이터 문제점: 비정상적인 피크(Peak)를 가지는 패턴 (고객번호 9150000344) ··················· 122

[그림 37] 자료이용 절차 (MDSS 홈페이지 화면) ····································································· 129

[그림 38] 수요관리 유형 ············································································································ 137

[그림 39] 주거용 수요반응 ······································································································ 137

[그림 40] 전통적인 수요반응과 스마트그리드 수요반응 비교 ················································· 138

[그림 41] SGMM 모형 정의와 평가, Setting Aspirations ························································ 140

[그림 42] 유럽의 배전시스템 설치시기의 분포 ········································································ 142

[그림 43] 추정된 비용과 편익의 데이터, 분석결과의 구조 Type, Perspectives, Level of Precisions ······ 145

[그림 44] Map Functions to Benefits (EPRI)과 수혜자별 편익 ··············································· 146

[그림 45] EPRI의 비용-편익 분석 10단계 접근법 ····································································· 146

[그림 46] 비용편익분석 framework과 분석에 적용된 mapping ·············································· 147

[그림 47] 비용편익분석 응용사례(InovGrid) ············································································· 148

[그림 48] JRC의 Qualitative Impact Analysis: Deployment Merit ········································· 148

[그림 49] Illustration of the Translation of Smart Grid Assets to Monetary Value ······················· 149

[그림 50] EPRI 비용-편익 architecture ····················································································· 150

[그림 51] Function과 관련한 편익계산의 예시 ········································································· 151

[그림 52] Function에 비해 식이 간단한 경우 ·········································································· 152

[그림 53] Calcs Object in Macro code ····················································································· 152

[그림 54] SGCT의 비용데이터 입력창 ······················································································ 153

[그림 55] 스마트그리드의 세부 사업영역 ················································································· 155

[그림 56] 스마트그리드 신분류체계 ·························································································· 157

[그림 57] 산업연관표 내에서의 스마트그리드 산업분류 ·························································· 158

[그림 58] 산업연관표 내에서의 스마트그리드 산업과 전력설비산업 분류 ······························ 158

- 1 -

1. 서론

가. 국내 전력시장 수급현황

전력은 사용의 편리성으로 인하여 경제성장 및 국민 생활수준의 향상에 따라서 지속적으로

그 수요가 증가 하였다. 1990년대 이후부터 2002년까지 에너지 수요는 연평균 6.9% 증가한

반면에 전력수요는 연평균 9.4%증가 하였다. 연평균 경제성장률이 5.9% 였던 것에 비하면 높

은 수치라고 할 수 있다. 1998년에는 외환위기로 전력수요가 최초로 마이너스(-3.6%) 성장을

기록하였으나 98년 이후부터 03년까지 연간 8.7%의 증가율을 기록하였다.

지난 1980년대에는 전력공급의 과잉현상이 있었으나 1990년대 초반에는 전력수급의 안정

을 보이고 1990년대 중반에는 전력공급의 부족현상이 나타났으나 1998년 외환위기 이후에는

다시 전력수급의 안정성을 보이고 있다. 하지만 최근의 수급동향을 보면 2003년 이후 설비 예

비율이 지속적으로 하락하고 있음을 알 수 있다. 2007년에는 8월21일 낮 15시 최대전력사용

량이 6228만5천kW를 기록, 2006년 8월 최고치인 5,899만4천 kW보다 329.1만 kW 증가함으로

써 설비 예비율이 10%대 이하인 7.2%대로 급격히 떨어졌다. 전력의 전압, 주파수, 정전시간

등 전기품질은 선진국 수준을 유지하고 있으며, 1990년 대비 2002년 소비자 물가지수는

75.5% 증가한 반면 전기 요금은 45.4% 증가로 전기요금은 비교적 저렴한 수준을 유지하고 있

다.

[그림 1] 국내 전원믹스의 추이

자료: 지식경제부, 제5차 전력수급기본계획 (2010-2024), 2010

월별 시간대별 평균전력판매량, 월별 최대부하

- 2 -

[그림 2] 월별 시간대별 평균전력판매량 및 월별 최대부하의 추이

자료: 한국전력통계시스템, http://epsis.kpx.or.kr/

위의 그림과 같이 월별 최대 부하를 보면 최근이전까지는 매년 최대 부하는 예외 없이 하

절기인 7, 8월에 발생하여 왔다. 그러나 월별 평균 전력 사용량 패턴에는 최근에 상당한 변화

가 발생하여 최대전력 사용월, 최대전력피크는 하절기인 7월이나 8월이었던 패턴이 외환위기

를 겪고 나면서부터 동절기의 부하가 하절기에 비하여 상대적으로 커지기 시작하더니 2002년

이후부터는 하절기 전력소비량보다 겨울철 전력소비량이 더 크게 나타나기 시작하였다. 이와

함께 전력피크도 서서히 하절기에서 동절기로 옮겨가는 현상이 관측되었으며, 최근 동절기

피크를 시현하는 결과는 이러한 패턴변화를 감안한다면, 이미 예견되었던 현상임을 알 수 있

다.

나. 전력시장 수급불균형의 원인

상기의 현상은 전력시장의 수급이 단기적으로는 점차 공급부족현상으로 이행되고 있는 상

황임을 보여준다. 이를 좀더 상세히 살펴보기 위해 아래에서는 최근의 전력수급동향을 살핀

다.

1) 전력공급측면의 원인

아래의 그림은 최근까지의 전력공급부문에서 확인되는 최대부하, 공급예비력, 최대전력발

생 시점 등에 대한 자료이다.

- 3 -

기간 설비용량(만kW)

공급능력(만kW)

최대전력(만kW)

공급예비력(만kW)

공급예비율(%)

최대전력기준일시

2000 4,788 4,608 4,101 507 12.4 2000/08/18(12시)2001 4,963 4,870 4,313 557 12.9 2001/07/26(15시)2002 5,280 5,211 4,577 634 13.9 2002/08/29(15시)2003 5,608 5,549 4,739 810 17.1 2003/08/22(12시)2004 5,913 5,753 5,126 626 12.2 2004/07/29(15시)2005 6,174 6,082 5,463 619 11.3 2005/08/17(12시)2006 6,478 6,518 5,899 619 10.5 2006/08/16(12시)2007 6,720 6,678 6,229 449 7.2 2007/08/21(15시)2008 7,035 6,852 6,279 573 9.1 2008/07/15(15시)2009 7,331 7,207 6,680 527 7.9 2009/12/18(18시)2010 7,608 7,575 7,131 444 6.2 2010/12/15(18시)2011 7,613 7,718 7,314 404 5.5 2011/01/17(12시)2012 8,155 7,708 7,429 279 3.8 2012/08/06(15시)*

<표 1> 전력부문 공급추이

주: * 자료는 2012년 9월 현재이므로 년말 이후 달라질 수 있음.

출처: EPSIS

표에서 알 수 있듯이 2000년대 들어와서 전력공급예비율은 지속적인 하락추세를 보이고 있

으며, 2012년 9월 현재의 공급예비율은 3.8%라는 기록적으로 낮은 수치를 보여주고 있다.

2) 전력수요측면의 원인

한편, 상기에서 살펴 본 월별 전력수요패턴의 변화 외에, 전력 수요의 변동성을 측정하는

지수로서는 가장 많이 이용되는 지수는 부하율(load factor)로 다음과 같이 산정될 수 있다.

부하율( loadfactor )=평균부하/피크부하

낮은 부하율은 그만큼 짧은 기간 동안의 피크부하에 부응하기 위하여 대규모의 발전설비를

평소에 유휴상태로 유지해야 함을 의미한다. 부하율은 유휴상태의 발전 설비 비중을 나타낸

다는 의미에서 매우 유용한 지수이다. 만약 설비 용량이 정확히 첨두부하와 일치한다면, 이

비율은 설비용량의 평균적인 이용률 즉 capacity factor와 같은 의미를 갖는다. 부하율은 계산

이 간단하고 이해하기 쉽다는 장점도 있어 널리 이용되고 있다.

- 4 -

[그림 3] 년도별 부하율

자료 : 전력통계정보시스템

국내의 부하율은 대략 40-60%의 부하율수준을 보이는 다른 나라들에 비해 높은 수준을 나

타내고 있어 설비의 유휴상태가 적은 효율적인 상태를 나타낸다고 볼 수도 있지만 앞서 살펴

본 바와 같이 그 원인이 겨울철의 과다한 전력사용에 기인한다는 점은 매우 우려할만한 상황

이라는 점이다. 특히 국내 청정연료로 사용되는 LNG가 첨두 발전용으로 이해되어 왔던 상황

과는 달리 최근에는 겨울철 전력수요를 감당하기 위해 대규모 발전용 LNG 수요가 증가하고

있고, 동시에 LNG는 난방용으로의 수요로 사용된다는 사실, 특히 국제 LNG 시장이 유가상승

과 맞물려 가스공사가 매년 LNG 도입단가의 세계기록을 갱신하고 있다는 사실을 감안해 볼

때 국내 에너지수급에는 심각히 빨간불이 켜져 있음을 인식해야 한다는 점이다.

3) 전력요금측면의 원인

상기의 전력소비패턴의 변화를 이해하기 위해 전력요금의 변화추이를 살피는 것은 매우 중

요해 보인다. 아래에서는 다음과 같은 측면에서 전력요금의 변화추이를 점검한다.

∘ 명목소매전력요금의 변화와 소비자 물가지수, SMP(System Marginal Price)1)

를 감안한 실질요금의 변화추이

∘ 도매전력요금과 소매전력요금과의 괴리

∘ 도매전력요금을 결정하게 되는 열량단가의 추이

를 살피는 것은 전력시장을 이해하는데 시사하는 바가 큰 것으로 판단된다.

1) 도매시장 전력가격

- 5 -

우선, 아래의 그림은 최종소비자의 소매전력 용도별 명목전력요금의 추이와 SMP 및 소비

자물가지수(CPI)의 비교한 것이다.

[그림 4] 용도별 명목전력요금의 추이와 SMP 및 소비자물가지수(CPI)의 비교

주어진 기간동안 변화하는 추이의 그림에서 확인할 수 있는 점은

- SMP : 156.42%

- CPI : 36.67%

- 산업용 : 31.95%

- 가로등용 : 27.94%

- 가정용2) : 14.80%

- 교육용 : 1.55%

- 농사용 : -1.82%

- 상업용 : -5.83%

- 전력요금평균 : 15.91%

로 나타나고 있어, 소비자물가지수에 비교해 보면 실질전력요금이 동 기간동안 상대적으로

2) 가정용의 경우 소비자물가지수 상승폭에 비해 오히려 상승률이 낮은 것으로 나타나는 이유는 추가 점검이 필

요하나 2010년 인구총조사의 결과 전체 가구수가 1700만 가구 이상으로 나타나는 것으로 확인되어 1인 가구

등 소규모 인원의 가구수가 상대적으로 많아지는 것으로 예상되어 누진제 적용을 받는 가구의 실제 평균요금

상승률이 제대로 감안되지 않았을 가능성이 많음.

- 6 -

저렴한 재화가 되었음을 알 수 있다.

또한 명목전력요금과 SMP와의 비교는 소매요금과 도매요금의 괴리를 잘 보여주고 있는데, 전력요금이 평균 16%에 미치지 못하게 상승하는 동안, 도매요금인 정산단가를 결정하는데

가장 중요한 역할을 하는 SMP의 경우, 동기간 이 상승률의 거의 10배에 육박하는 156.7%의

상승률을 기록했다는 점은 주목할만하다.

[그림 5] 열량단가의 변화추이

상기는 SMP를 결정하는데 중요한 역할을 하는 열량단가의 변동추이를 나타낸다. 발전용으

로 사용되는 화석연료들이 대상이 되고 있는데, 동기간 유류의 경우 259%, 유연탄 212.8%, LNG 101.2% 등의 상승률을 보였다.

첫 번째 그림에서 소매시장의 명목요금이 상대적으로 변동하지 않는 동안, 도매시장의 전

력가격을 결정하는 SMP는 큰 폭의 상승을 가져왔다는 점에서 쉽게 예상할 수 있는 점은 도

소매 시장의 전력가격에 상당한 괴리가 있었다는 점을 확인할 수 있다는 점이다. 이를 구체적

으로 도식화하여 보면 다음과 같다.

소비자물가지수로 deflate 한 용도별 실질전력요금을 살펴보면, 실질전력요금은 일반적인

여타재화에 비해 용도별로 적게는 3.4% (산업용), 많게는 31.1% (상업용) 하락한 것으로 나타

나고 있다. 하지만 소매전력요금이 도매시장요금과의 괴리를 감안하여 소비자물가지수 대신

SMP로 deflate한 경우, 용도별로 적게는 48.5% (산업용), 많게는 63.3% (상업용) 실질요금이

하락했다는 것을 보여준다.

- 7 -

[그림 6] 소비자물가지수로 deflate 한 용도별 실질전력요금

[그림 7] SMP로 deflate 한 용도별 실질전력요금

4) 전력요금측면의 원인

전력시장 수급불균형의 원인을 간략히 공급측면과 수요측면에서 살펴보았지만, 공급측면

은 여기서 상세히 다루지못하여 미진한 점이 많다고 보인다. 하지만 아무리 충분한 설비를 갖

춘다고 하더라도 현재와 같은 전력시장의 요금제도나 가격결정 구조 하에서는 늘어나는 수요

를 감당하기 쉽지 않을 것이라는 점을 상기의 논의를 통해 확인할 수 있었다고 판단한다.

- 8 -

합당한 가격정책이 전력시장의 수급을 안정화시키는데 매우 긴요하다는 점에서 최근 스마

크그리드의 추진이 갖는 의미가 크다고 하겠다. 즉, 실시간요금제 등의 도입을 통한 소비자의

반응을 유도하고, 이를 통해 소매시장의 공급자가 새로은 소비자메뉴를 생산해 내거나, 공급

자가 이에 합당한 설비구성에 대한 노력을 하도록 유도할 수 있는 유인구조를 마련하게 된다

면, 과거 10여년간 발생했던 전력시장의 잘못된 가격정책에도 많은 변화가 생길 수 있을 것으

로 보인다.

다. 실시간 요금제와 스마트 그리드

1) 실시간요금제의 경제학적 의미

아래 그림은 수요반응이 있는 경우와 없는 경우, 전력시장에서 어떤 영향이 있는지를 도식

화한 것으로 주어진 가격수준 에서 수요가 증가한 경우, 가격 탄력성이 0 인 수요함수

과 는 가격과 수요량을 각각 에서 ′으로, 에서 로 증가시켜 피크부하를 시현하게

된다. 가격반응이 있는 수요함수가 에서 로 같은 수요량 크기만큼 증가하는 경우, 가격과

수요량을 각각 에서 ′으로, 에서 ′로 증가시키는데 그치게 됨을 알 수 있다.

DR은 이러한 가격변화에 대한 수요반응이 갖는 효과를 통해 관련 도메인에게 DR의 시그

널이 feedback 되어 다양한 비즈니스 기회가 제공되고 나아가 국가 전력망의 효율적 운영과

자원절약에 기여하게 됨을 알 수 있다.

[그림 8] 수요반응이 전력시장에 미치는 영향

- 9 -

DR 요금제는 해당 시간동안 피크수요를 낮추는 것은 장기적으로 설치, 연소터빈 운영과 관

련된 Capacity cost와 에너지 비용을 회피, 단기적으로 도매시장 가격을 낮추게 될 것이다. Dynamic pricing은 거의 즉각적인 hourahead 요금제(RTP)부터 기간과 요금이 최소 1년 전에 고

정된 단순 TOU요금제까지 다양한 요금제 옵션을 포함하고 있는데, RTP와 TOU 사이에 위치

한 Critical Peak Pricing(CPP)은 최고 60~100시간 이전에 가격이 공지되지만 하루 전 또는 종

일 요금제로 칭한다. CPP에서 변형된 요금제인 Critical Peak Rebates(CPR)은 표준요금이 적용

되지만 소비자는 Critical Peak시간에 사용 저감량에 따라 환불받을 수 있음. Critical Peak 시간

동안 가격은 실시간 조건에 기반하여 Variable Peak Pricing(VPP)를 산출한다. Dynamic pricing 옵션은 소비자에게 리스크와 보상의 개별적 조합으로 나타나게 되며, RTP 요금제는 고정요

금제에 비하여 잠재적으로 가장 높은 보상과 위험을 제공하는 특성을 갖고 있다. 반대로

TOU요금제는 가장 낮은 위험에서 가장 낮은 잠재적인 보상을 제공한다.

이러한 위험선호도에 따라, 소비자는 적절한 요금제 디자인을 개인적으로 선택할 수 있고, 경제적 후생을 극대화하게 되는데, 아래의 그림을 통해 요금제 옵션은 위험-보상 평면에 아래

와 같은 요금제 가능곡선을 산출하게 된다.

[그림 9] Pricing Possibilities Frontier with Indifference Curves

출처 : Faruqui and Palmer(2011)

2) 스마트그리드와 실시간 요금제

기존의 전력시스템의 특성은 계층적인 구조(Hierarchical Structure)이며 에너지 저장매체가

없어 전력의 수요에 맞춰 공급을 조절하는 방식으로 대형화 된 전력시스템으로 인해 단방향

- 10 -

배전 시스템에 따른 분산에너지원 수용이 불가능한 형태이다.

기존 전력시스템의 문제점을 해결하기 위한 방안으로 전력망에 정보기술(IT)를 접목하여, 전력공급자와 소비자가 양방향으로 실시간 정보를 교환, 에너지효율을 최적화하며 새로운 부

가가치를 창출하는 차세대 전력망인 스마트그리드를 시행을 준비하고 있다. 스마트그리드는

AMII(Advanced Metering Infrastructure) 등 전력망에 정보기술(IT)를 접목하여, 전력공급자와

소비자가 양방향으로 실시간 정보를 교환, 에너지효율을 최적화하며 새로운 부가가치를 창출

하는 차세대 전력망이다. 아래는 스마트그리드의 필수 구성요소를 도식한 내용과 스마트그리

드의 개념도와 AMI의 구성도를 나타낸다.

[그림 10] 스마트그리드 필수 구성 요소

출처 : 한국스마트그리드사업단 홈페이지

[그림 11] 스마트그리드 개념도

출처 : EPRI IntelliGrid Architecture

스마트그리드는 TOU(Time-of-Use Pricing), CPP(Critical Peak Pricing), RTP(Real-Time Pricing) 등 전력 가격의 시장 상황의 가격 반응이 가능한 시간 변동형 요금제 구현이 가능하게 함으

로써 최종적으로 전력계통 시스템 신뢰성 및 효율성 확대의 목표, 피크 시 전력 절감 및

Demand Response 유도한다.

3) 스마트그리드 관련 시장

아래의 그림은 스마트그리드 네트워크의 구성요소들 간의 상호관련성에 대해 도식화 한 것

이다. 각 구성요소 또는 Domain은 크게 아래와 같다.

∘ Power Layer 내

- Bulk Generation

- Transmission

- 11 -

- Distribution

- Customer

∘ Power Layer 외

- Operations

- Markets

- Service Provider

이들 Domain은 해당 분야에서 비슷한 응용분야의 기기들을 사용하거나 이에 의존하는 조

직, 빌딩, 개인들, 시스템, 도구들 또는 기타 관련 행위자들을 포함하는 상위 개념으로 표시된

다.

[그림 12] SG domain 내의 구성요소간 통신, 전력흐름 상호관계

자료: NIST smart grid framework 1.0, Jan. 2010

또한 이들 Domain은 서로 기능적으로 겹치는 부분들이 많은데, 예를 들면, 송전과 배전부

분과 같이 네트워크를 공유하는 등 기능적으로 중복되는 부분들이 있음을 확인할 수 있다. 아래의 그림은 이러한 기능 중복의 내용을 도식화 한 것이다.

특히 이를 정보의 교환이라는 측면에서 Network을 중심으로 도식화하면 국가 전체의 정보

망이 여러 개의 Network으로 구성되며, 이들 Network에 상기에 나열된 power layer내, 외의

domain들이 모두 쌍방향 정보전달 체계 내에 연계되어 있음을 알 수 있다.

- 12 -

[그림 13] Domain간의 SG information network에 대한 개념도

Source: NIST smart grid framework 1.0, Jan. 2010

[그림 14] Customer Domain의 상세 내역과 상호연관된 domain들

Source: NIST 2010

- 13 -

그림은 customer domain 내에 Home, Building/commercial, Industrial sector들의 부문에서 각

소비자가 AMI를 통해 어떤 SG 관련 activities가 있을 수 있는지를 사례로 도식화하고 있다.

구체적인 사례로는 다음을 들 수 있다.

∘ Building 또는 Home Automation

∘ Industrial Automation - 생산과 공급관련 설비 등 산업과정을 통제하는 시스

템으로 가정, 빌딩의 경우와 상당히 다른 체계를 요구

∘ Micro-Generation - 신재생에너지를 포함하는 다양한 분산형전원을 포함하여

소비자 영역에서 전원을 확보하며, 통신망을 통해 관련 내용을 monitoring,

급전, 통제.

도식에서는 구체적으로 언급되어 있지 않지만 이 모든 activities의 근간에는 가격시그널에

의한 DR이 기본적으로 전제되어 있음을 간과할 수 없다. 즉, 이 도메인의 Actor (AMI, 컴퓨터

시스템 또는 소프트웨어로 다른 actor들과 정보를 교환하거나 어떤 사안에 대한 결정을 내림)들은 관련 소비자의 에너지사용과 생산을 관리, 통제, 또는 도메인 내의 소비자간 또는 외부

도메인과의 정보교환을 하게 되고, customer 도메인의 바깥 경계선은 meter기들과 ESI (Energy Service Interface)로 이해될 수 있다. 이 ESI는 utility 사업자와 소비자간에 보안이 확보된 연계

를 가능하게 하고, 또 소비자의 EMS (Energy Management System)을 가능하게 하는 교량역할

을 할 수 있는데, 기본적으로 이러한 actor의 역할은 쌍방향 가격신호 및 수요반응에 기반을

두게 된다는 사실을 지적할 필요가 있다.

4) 관련 제도 현황

실시간요금제 관련 제도적 마련과 관련하여서는 ‘전기사업법’ 제19조(전력량계의 설치/관리)에 실시간으로 전력거래량을 측정할 수 있는 전력량계 설치/관리를 의무로 규정하고 전력

공급자와 전력소비자간 양방향 의사소통 채널을 마련하고 실시간 전력사용 정보를 토대로 전

력효율 최적화를 추진할 예정이다. ‘계량에 관한 법률’ 제2장의 계량기에 대한 사업 및 검정

등에 통합검침 허용에 관한 조항을 마련하여 사업자별 개별 원격 검침에 비해 중복투자비 절

감 및 업무효율성 향상을 추진할 예정이다.

5) 스마트그리드 관련 추진계획

'10년 스마트그리드 국가로드맵을 통해 "스마트그리드 구축을 통한 저탄소 녹색성장 기반

조성" 비전 수립을 수립하고 2개의 실증사업 및 2개의 보급사업 진행 중이다.

∘ 제주실증사업- 제주도 구좌읍(제주동북부 일대 약 6천호 대상, 전력․통신․

- 14 -

자동차․가전 등 168개사가 참여.

∘ K-MEG사업- 스마트그리드 개념을 빌딩 산업단지에 도입한 에너지 최적화 시

스템 개발사업으로 분산전원, BEMS, DC배전망 등을 실증 중.

∘ IHD보급사업- 수용가에 전력사용 정보를 제공하는 IHD 보급사업 진행.

∘ 스마트그리드보급사업- 스마트계량기 및 에너지저장장치 보급.

또, 제1차 지능형 전력망 기본계획(2012)에는 ‘스마트그리드 구축을 통한 저탄소 녹색성장

기반 조성’ 장기비전 달성을 위한 추진전략과, 정책방향, 단계별 목표 등을 아래와 같이 제시

하고 있다.

∘ 추진전략

- (제도개선) 다양한 요금제 및 경쟁 도입.

- (시장창출) 실증/보급/거점도시 단계적 지원.

- (기술개발) R&D-실증-사업화의 선순환 구조 정착.

- (기반조성) 스마트그리드 산업 생태계 조성.

∘ 정책방향

- 제도개선을 통한 진입장벽 제거.

- 정부 주도로 초기 시장창출.

- 체계적인 기술개발 계획 수립 및 시행.

- 산업 진흥을 위한 기반조성.

∘ 단계별 목표

- (2030년) 국가단위 스마트그리드 구축.

- (2021년) 광역단위 스마트그리드 구축(2차 기본계획).

- (2016년) 거점도시 스마트그리드 구축(1차 기본계획).

스마트그리드 도입의 목표, 기술개발, 실증. 거점/스마트그리드 구축, 관련 국가계획 등은

기본계획에 따르면 아래와 같이 제시되고 있다.

- 15 -

[그림 15] 지능형 전력망 비전 및 전략

출처 : 제1차 지능형전력망 기본계획(2012)

또 이 계획에는 기본계획 이행을 위한 정책과제 등이 포함되어 있는데, 지능형 전력망은 기

- 16 -

존 전력망에 정보․통신기술을 접목하여, 공급자와 수요자간 양방향으로 실시간 정보를 교환

함으로써 지능형 수요관리, 신재생 에너지 연계, 전기차 충전 등을 가능케 하는 차세대 전력

인프라 시스템이라는 점을 명확히하여, 기존전력망과 비교한 지능형 전력망의 특징을 아래

표와 같이 제시하고 있다.

기존 전력망 지능형전력망

아날로그/전기기계적 디지털/지능형

중앙 집중 체계 분산 체계

방사상 구조 네트워크 구조

수동 복구 자동 복구

고정 요금 실시간 요금

단방향 정보흐름 양방향 정보교류

소비자 선택권 없음 다양한 소비자 선택권

<표 2> 기존 전력망과 지능형전력망 비교


지능형전력망은 스마트계량기(AMI), 에너지관리시스템(EMS), 에너지 저장 시스템(ESS), 전기차 및 충전소, 분산전원, 신재생에너지, 양방향 정보통신기술, 지능형 송․배전시스템 등으

로 구성되는 것으로 제시하고 있고, 구체적으로는 다음과 같은 내용이 포함되어 있다.

∘ 제1차 지능형 전력망 기본계획(2012~2016)에서는 전력산업에 정보․통신기술

접목, 산업의 융합화가 가속되고 있다고 밝히고 있음.

∘ 특히 현재 시행중인 1차 기본계획은 실증단계를 거쳐 검증된 기술, 발굴된 사

업모델 사업화를 통해 시장을 창출을 위한 제도 개선(스마트그리드 2030, 지

능형전력망 구축 및 이용촉진에 관한 법률) 등으로 사업자출현, 산업생태계를

형성하여 7대 거점 구축을 목표로 하고 있음.

- 전력 IT 기술개발, 스마트그리드국가로드맵에 따른 기술개발 → 실증 → 사

업화에서 다시 기술개발로 이어지는 선순환 구조정착.

- K-MEG, 제주실증 등 앞선 실증과정에 추가로 국내외에서 실증.

- 스마트기기보급(AMI, ESS, 신재생 ESS, EV)과 관련한 신규서비스 등의 시

장창출과 거점 위주 집중 보급.

- 실증평가에 기반한 구축계획을 마련하고 시장개방/에너지특구 등을 통해 7

대 거점을 선정.

- 17 -

[그림 16] 1차 기본계획상 스마트 그리드 거점도시 기획


- 18 -

2. 전력수요전망, 실시간 요금제 관련 연구사례조사

가. 국내연구 현황

국내에서 현재 실시간 요금제가 시범사업으로 운영되고 있으며, 관련 자료의 구축이 진행

되는 과정이라는 점에서 현재까지 실시간 요금제 시행에 따른 소비자의 행태 분석에 대한 선

행연구는 많지 않다.

따라서 여기서는 전력수요추정관련 국내의 연구추이를 먼저 살펴보고, 실시간 요금제를 염

두에 두고 진행된 최근의 몇가지 사례를 살펴보기로 한다.

1) 전력수요예측 모형(ESFOS: Electricity Sales Forecasting System)

가) 기존모형

2004년 12월 발간된 ESFOS(Electricity Sales Forecasting System)은 KEPCO-SKKU Sales Forecaster라는 이름을 갖는 전력판매량 예측시스템으로 한국전력공사가 당시 성균관대학교 경

제연구소와 함께 개발한 모형으로 알려져 있다.

그러나 본 모형은 1995년 10월 에너지경제연구원의 전력수요예측 장단기 연계방안연구에서

박준용, 최인, 황윤재교수가 공적분 (Canonical Cointegration Regression)을 이용한 모형이 모태

가 되었다.

∘ Fourier Flexible Form을 이용한 기온반응함수의 추정,

∘ kernel density 추정을 이용한 월별 기온분포, 그리고 이들 둘을 numerical

integration을 통해 월별 지수형태의 기온효과(TE: temperature effect)를 얻어

내는 방법

∘ 시간변동부 공적분(Canonical Cointegration Regression with Time varying

Coefficient)을 이용한 장기추정식

∘ 오차수정모형(Error Correction Model)을 이용한 단기추정식

등은 이미 1995년 보고서에 상세히 기술되고, 실증분석에 사용된 바 있다.

상기 모형에서 적용되는 기존 공적분 모형은

log

log (식 3)

여기서,

- 19 -

: 월별 전력판매량

MED: 월 유효일수

GDP: 분기별 실질국내총생산

TE: 기온효과

D: 기타변수

으로, 상기의 식을 풀어서 확인해 보면,

exp ×

의 형태로 월별 수요가 예측됨을 알 수 있다. 즉, 분기별 GDP와 온도효과 등에 대한 탄력성

을 추정하고 있지만 가격에 대한 논의가 전혀 없음을 알 수 있다.

나) 개선모형

지식경제부(2012.3)은 성균관대학교 산학협력단이 상기의 모형을 통해 ‘장기 수요 예측정확

도 향상을 위한 개선방안연구’라는 보고서를 발간하였는데, 그 특징은 다음과 같다.

(1) 기온효과와 가격효과

기존 연구에서 기온효과(TE)를 ∈

로 산정하였던 것에 반해, 2012년의 보고서는 이에 추가하여

∈

∈

∈

상기식의 추가항을 포함하고 있는데, 후단의 내용은

: 경쟁원료와의 상대가격지수, 구체적으로는 도시가스와의 상대가격

는 월별 기온분포,

는 순수기온반응함수,

: 기온이 주어졌을 때 가격의 변화에 따른 가격반응함수

로 정의하여, 후단이 t기의 가격효과라고 보고하고 있다.

- 20 -

또한 추정식은 다음과 같이 구성하고 있다고 제시하고 있는데,

log

log

여기서

는 월 판매량,

는 월 유효일수,

는 분기별 GDP를 월별 산업생산지수 비율로 배분하여 만든 월별 GDP

상기의 식은 기온효과와 가격효과가 포함된 항에 대한 추정계수가 없고, 또 있다고 한다면, 하나의 추정치가 기온효과에 대한 탄력성이 될 뿐만 아니라 가격에 대한 탄력성도 되는 형태

가 된다.

그런데, 개선된 모형이라고 하여, 실제 추정에 사용한 식은 위의 식이 아닌 아래의 식으로

log

log log

여기서

: 분기별 주용도별 전력판매량

: 계절조정된 분기별 실질 국내총생산

: 용도별 전력가격을 물가지수로 나누어서 구한 실질 전력가격

: 더미변수로서 분기별 차이를 나타내는 계절더미 변수

이다. 개선된 부분이라면 가 추가로 포함된 것이라는 결론에 도달한다.

(2) 장기최대전력수요의 예측

장기 최대전력 예측 모형식의 경우, 기존의 모형은 아래 제시되고 있는 모형을 사용하였는

데,

log log

여기서

: 분기별 최대전력

- 21 -

: 기온효과

: 표준화된 판매량

: 분기별 더미 변수

기존의 동계 최대전력 예측모형이 동계 최대전력의 구조 변화를 반영하지 않음으로서 동계

최대전력 예측치가 하계 최대전력 예측치보다 낮게 예측되는 점이 있었다는 점을 감안, 새로

제시하는 모형은 아래와 같다.

log log

여기서 는 구조변화 더미변수로서 동계 최대 전력의 구조적 변화를 반영한 것으로서 2008

년 이후 1분기의 구조변화 더미를 반영한 것으로 기술하고 있다.

그런데, 본 모형은 사용된 설명변수가 모두 월별로 설정이 가능한데도, 최대전력의 추정을 분기

별로 하고 있다는 점은 개선의 여지가 있다.

다) 분석을 위한 자료의 사용 및 분석결과

∘ 본 모형은 분석결과에서 상업용을 제외하면, 상기에 논의된 상대가격이 유의

하지 않은 것으로 보고하고 있다. 즉 전체 논의의 결과가 상업용 모형추정결

과의 개선에 한정되는 듯한 느낌이다.

∘ 추급모형이라고 하여, 선도국과 개도국의 소득탄력성을 산정, 미래의 예측에

적용하고 있는데, 이는 두 국가군의 추정된 소득탄력성의 가중평균으로 주어

진다. 그러나 이렇게 적용하는 경우, 모형을 운용하는 사람이 자의적으로 가

중치를 정함으로써 장기수요예측 결과는 매우 다양하게 생산될 수 있다는 우

려를 낳게하고 있다.

∘ 최대전력추정시, 본 연구는 순시최대부하 자료를 사용하여야 함에도 불구하

고, 분기별 시간대별 최대 수요인 kWh값을 사용하는 것으로 확인되고 있다.

∘ 가격탄력성 추정을 위해 자료 사용한 상업용의 경우, 사용된 설명변수로 전력

가격지수와 도시가스가격지수가 있는데, 구체적으로는 다음과 같다.

- 전력가격지수 - 통계청에서 발표하는 소비자 물가지수 항목의 전력 상업용

물가지수

- 도시가스가격지수 - 서울 상업용의 영업용 요금을 이용해 지수화한 값을 사

용

모형의 추정결과가 정확하기 위해서는 분석을 위해 사용하는 자료도 정확성을 기해야 하는

데, 상기의 가격지수는 개선의 여지가 있다. 즉, 전력판매금액과 판매량을 통해 실제 전체 전

- 22 -

력의 가중평균전력가격을 산정할 수 있고, 도시가스가격은 도시가스협회의 지역별 용도별 도

시가스판매량과 지역별 용도별 가스가격정보를 이용하여 전국의 가중평균 도시가스 가격을

산정할 수 있음 (한국전력공사, 2011.9 참조)에도 불구하고 국가 전력수급계획의 기초가 되는

연구가 좀 더 체계있게 개선될 여지가 있음을 보여준다.

2) 에너지경제연구원(2004)

추정방법은 기본적으로 최소자승법(OLS)을 사용하되, 오차항의 자기상관문제가 발생하는

경우 AR(1)을 적용하였다고 지적하고 있다. 별도의 설명이 없어 구체적인 추정식은 알 수 없

지만 ARDL (Autoregressive Distributed Lag) 모형의 결과도 함께 보고하고 있다.

∘ 전력수요의 추정식은

ln lnlnlnln

의 형태로 주어졌으며, 는 각각 전기가격, 소득 또는 생산활동, 타에너지가

격, 그리고 계절요인이다.

- 계절적 요인을 월별 더미로 사용하는 경우,

ln lnln

로 제시되고 있으며, 더미는 1,2,7,8월에만 적용하였다. 분석기간은 1998.1부터 2003.9까지의

시계열을 사용하고 있으며,

∘ 추정결과는 아래와 같다.

- 23 -

OLS(또는 ARI) ARDL

가격탄력성 소득탄력성 가격탄력성 소득탄력성

주택용전체 -0.025 0.626*

아파트 -0.023 1.640*

산업용

전체 -0.285* 0.674* -0.171* 0.601*

갑 -0.631* 0.801* -0.705* 0.332*

을 -0.223* 0.283* -0.160* 0.293*

병 -0.330* 0.916* -0.160* 0.839*

일반용전체 -0.074 0.033* 0.050 0.197*

갑 -0.015 0.027* 0.164 0.126

은 -0.030 0.743* 0.178 1.452*주 : *는 5% 수준하에서 통계적으로 유의성이 있음을 의미

<표 3> 전력 수요 가격 및 소득탄력성

표에서 나타나는 전력수요는 계약종별 월별자료로 분석결과는 수요의 가격탄력성이 적게는

0.027에서 크게는 1.640까지 다양한 크기를 나타내고 있음을 알 수 있다. 다만 수요관리에 따른

전력수요저감과 비교하기 위해서는 전체 전력수요에 대한 가격탄력성 값과 비교하여야 하지

만 해당되는 값은 제시되지 않고 있다.

3) 한국전력공사 (2011.9)

본 연구는 월별 패널데이터를 이용하여 모든 지역, 계약종별을 감안한 세부산업별 가격탄력

성을 산정한 바 있다.3)

∘ 구체적인 추정식은

Pr

으로, 여기서 사용된 변수들은 다음과 같다.

: 산업, 시점의 전력수요

: 전력실질가격

: 도시가스 실질가격

3) 시간대별 자료를 이용한 결과는 아래 본문에서 상세히 다룸.

- 24 -

R-squared : 0.976

Rbar-squared : 0.976

F = 26373.244 with 56,36420 degrees of freedom

Variable EstimateStandard

Errort-value p-value

세부산업

탄력성P_Elec -0.5934 0.0865 -6.8596 0.0000

P_Gas 0.0075 0.0021 3.6025 0.0003

P_Oil -0.0954 0.0152 -6.2695 0.0000

House 0.0430 0.0019 22.4927 0.0000

ProdIndx 0.0905 0.0137 6.6108 0.0000

HDD -0.0151 0.0010 -14.7847 0.0000

CDD -0.0111 0.0018 -6.3360 0.0000

CD8 0.0092 0.0034 2.7404 0.0061

D2 -0.1608 0.0078 -20.6295 0.0000

D3 -0.2113 0.0080 -26.4179 0.0000

D4 -0.1928 0.0085 -22.5661 0.0000

D5 -0.2336 0.0106 -22.1292 0.0000

<표 4> 한국전력 연구보고서(2011.9) 추정결과

: 석유제품 실질가격

: 수용가수

Pr : 해당산업의 생산지수

: 난방도일

: 냉방도일

: 2008년 5월까지의 더미변수, 산업분류체계가 바뀌면서 생길 수 있

는 자료오류검검

: 월별더미 ( ⋯)

: 세부 산업더미변수

: 산업, 시점의 전력수요

: 시점의 전력실질가격

: 산업의 고정효과

∘ 추정에 사용된 자료는 2004년 1월부터 2010년 12월까지로 14개 지역구분과 34개

세부산업구분이 되어 있으며, 요약 추정결과는 아래 표에 정리되어 있다. 추정결과

1 세부산업의 가격탄력성은 -0.5934 이고 2번째 이후의 세부산업은 의 합

으로 아래 표 맨 마지막 컬럼에 제시되어 있다. 역시 수요의 가격탄력성 크기는

-0.0727부터 -0.9565까지로 산업별로 다양한 크기로 나타나며, 전체 전력수요의 가격

탄력성이 별도로 산정되지는 않았다.

- 25 -

D6 -0.1194 0.0123 -9.7050 0.0000

D7 -0.0195 0.0149 -1.3038 0.1923

D8 -0.0362 0.0147 -2.4571 0.0140

D9 -0.1996 0.0130 -15.3180 0.0000

D10 -0.2698 0.0100 -26.9960 0.0000

D11 -0.0767 0.0079 -9.6739 0.0000

D12 -0.0858 0.0076 -11.2201 0.0000

PE_GD2 0.3338 0.1047 3.1898 0.0014 -0.2596

PE_GD3 -0.0926 0.1167 -0.7936 0.4274 -0.5934*

PE_GD4 -0.3494 0.1100 -3.1756 0.0015 -0.9428

PE_GD5 -0.0909 0.1157 -0.7860 0.4319 -0.5934*

PE_GD6 0.1474 0.1182 1.2468 0.2125 -0.5934*

PE_GD7 -0.1308 0.1177 -1.1108 0.2667 -0.5934*

PE_GD8 -0.0200 0.1150 -0.1739 0.8619 -0.5934*

PE_GD9 -0.2355 0.1114 -2.1135 0.0346 -0.8289

PE_GD10 0.3076 0.1180 2.6055 0.0092 -0.2858

PE_GD11 -0.3631 0.1120 -3.2405 0.0012 -0.9565

PE_GD12 -0.1579 0.1119 -1.4106 0.1584 -0.5934*

PE_GD13 -0.1299 0.1156 -1.1236 0.2612 -0.5934*

PE_GD14 -0.2724 0.1102 -2.4715 0.0135 -0.8658

PE_GD15 -0.3060 0.1048 -2.9190 0.0035 -0.8994

PE_GD16 0.0355 0.1162 0.3051 0.7603 -0.5934*

PE_GD17 -0.0108 0.1100 -0.0981 0.9218 -0.5934*

PE_GD18 -0.2501 0.1092 -2.2892 0.0221 -0.8435

PE_GD19 0.0140 0.1132 0.1234 0.9018 -0.5934*

PE_GD20 0.0866 0.1169 0.7411 0.4586 -0.5934*

PE_GD21 -0.0068 0.1132 -0.0599 0.9522 -0.5934*

PE_GD22 0.0706 0.1080 0.6539 0.5132 -0.5934*

PE_GD23 -0.1569 0.1194 -1.3139 0.1889 -0.5934*

PE_GD24 -0.2174 0.1120 -1.9416 0.0522 -0.5934*

PE_GD25 -0.1898 0.1207 -1.5725 0.1158 -0.5934*

PE_GD26 0.4556 0.0987 4.6145 0.0000 -0.1379

PE_GD27 0.4507 0.1101 4.0940 0.0000 -0.1427

PE_GD28 0.5877 0.1084 5.4197 0.0000 -0.0057

PE_GD29 0.1659 0.1152 1.4403 0.1498 -0.5934*

PE_GD30 0.5207 0.1086 4.7955 0.0000 -0.0727

PE_GD31 0.5352 0.1117 4.7921 0.0000 -0.0582

PE_GD32 0.3533 0.1022 3.4574 0.0005 -0.2401

PE_GD33 0.3366 0.1070 3.1467 0.0017 -0.2568

PE_GD34 0.0141 0.0971 0.1453 0.8845 -0.5934*

* 해당 세부산업의 추가적 (partial) 가격탄력성이 95% 신뢰구간에서 통계적 유의성을 확보하지 못한 경

우에 해당함.

∘ 아래는 상기 분석에서 사용된 산업분류체계이다. 2008년 4월 기준 표준산업분류체

계가 바뀌었으며 상기의 분석은 이 기준에 따라 월별 자료를 재정리하여 분석되어

있다.

- 26 -

분석상

분류코드

9차 한국표준

산업분류코드산업분류명

분석

그룹0000 미분류 35*

0100 01XXX-03XXX 농업, 임업 및 어업 01

0200 05XXX-08XXX 광업 02

0310 10XXX 식료품 제조업03*

0311 11XXX 음료 제조업0312 12XXX 담배 제조업 04***

0313 13XXX 섬유제품제조업; 의복제외 05

0314 14XXX 의복/의복액세서리 및 모피제품 제조 06

0315 15XXX 가죽./가방 및 신발 제조업 07

0316 16XXX 목재 및 나무제품 제조업; 가구제조 08

0317 17XXX 펄프/종이 및 종이제품 제조업 19

0318 18XXX 인쇄 및 기록매체 복제업 10

0319 19XXX 코크스/연탄 및 석유정제제품 제조업 11

0320 20XXX 화학물질/화학제품 제조; 의약품 제외12*

0321 21XXX 의료용 물질 및 의약품 제조업0322 22XXX 고무제품 및 플라스틱 제조업 13

0323 23XXX 비금속 광문제품 제조업 14

0324 24XXX 1차 금속 제조업 15

0325 25XXX 금속가공제품 제조; 기계 및 가구 제조 16

0326 26XXX 전자부품컴퓨터/영상음향/통신장비제조 17

0327 27XXX 의료/정밀/광학기기 및 시계 제조업 18

0328 28XXX 전기장비 제조업 19

0329 29XXX 기타 기계 및 장비 제조업 20

0330 30XXX 자동차 및 트레일러 제조업 21

0331 31XXX 기타 운송장비 제조업 22

0332 32XXX 가구제조업23*

0333 33XXX 기타제품제조업0400 35XXX-36XXX 전기, 가스, 증기 및 수도사업 24

0500 37XXX-39XXX 하수 · 폐기물 처리, 원료재생 및 환경복원업 25

0600 41XXX-42XXX 건설업 26

0700 45XXX-47XXX 도매 및 소매업 27

0900 55XXX-56XXX 숙박 및 음식점업 28

0800 49XXX-52XXX 운수업29*

1000 58XXX-63XXX 출판, 영상, 방송통신 및 정보서비스업1100 64XXX-66XXX 금융 및 보험업 30

1200 68XXX-69XXX 부동산업 및 임대업31*1300 70XXX-73XXX 전문, 과학 및 기술 서비스업

1400 74XXX-75XXX 사업시설관리 및 사업지원 서비스업1500 84XXX 공공행정, 국방 및 사회보장 행정

32*1600 85XXX 교육 서비스업1700 86XXX-87XXX 보건업 및 사회복지 서비스업

33*1800 90XXX-91XXX 예술, 스포츠 및 여가관련 서비스업1900 94XXX-96XXX 협회 및 단체,수리 및 기타 개인 서비스업2000 97XXX-98XXX 가구내 고용활동 및 분류되지 않은 자가소비 생산활동2100 99XXX 국제 및 외국기관 34***

<표 5> 제8, 9차 한국표준산업분류 상의 대분류에 따라 분석에 사용된 최종 산업분류표

- 27 -

[그림 17] 추정식으로 얻어지는 각 효과의 구성

4) 한국전력공사 (2012.6.15)

가) 연구의 배경과 흐름도

본 연구는 현재 추진 중인 제주도 실증단지 스마트그리드 사업의 실시간요금제 도입 시범사

업과정에서 생산되는 주택용 전력소비자료를 GAUSS 통계패키지를 이용하여 분석하는 엔진

을 개발하여 제공함으로써, 이것이 현재의 시스템인 TOC (Total Operation Center)과 연결될

수 있도록 하는 것을 목적으로 하고 있다. 이를 위해서는 해당 지역의 대부분의 표본을 차지

하고 있는 주택용 전력소비자의 소비행태에 관한 실증분석이 필요하다는 점에서 연구가 진행

되었다.

고객기준부하분석을 위해 고객의 개별특성, 외부적인 온도, 습도 등 외부적 요인과, 특히

RTP요금제와 고객기반의 소득 또는 규모변수를 통해 가격효과와 소득효과를 별도로 확인하여

요금변화에 의한 가격반응의 크기를 DR로 표시할 수 있도록 하자는 것이 연구의 주요 목적이

된다. 아래 그림은 추정결과를 이용하여 각 요인별 효과를 산정하는 상기 식들의 흐름을 한눈

에 볼 수 있도록 준비된 도식이다.

나) 구체적인 추정식

CBL 산정을 위한 회귀분석방법 및 구체적 추정식은 다음과 같다.

- 28 -

ln

ln

≡ ln

ln

ln

ln ln

ln

ln

전력사용량

상수

그룹더미

실시간요금 현행요금

현행요금

소득

난방도시간

냉방도시간

습도

일사량

요일

휴일 공휴일신정추석

RTP적용에 따른 DR효과분석은 다음과 같은 과정을 거치고 있는데, 그 구체적인 내용은 다

음과 같다.

∘ 계약종에 따른 구분을 적용, 시간대별 전력사용량자료를 피설명변수로 하고,

∘ 기타 설명변수로는

- 상기에서 산정된 소득지수함수를 개별고객의 소득설명변수로 산정함. 이때

각 가구별 인원구성 및 가구주 정보, 연령 등을 포함함.

- 29 -

- RTP요금자료 (기존의 요금과의 구조변화를 감안할 수 있는 모형식 구성)

- CDD, HDD, 일사량 등 기상자료

- 요일별 특성등을 감안하여 다음과 같은 추정식을 동원함.

∘ 특히 월평균 전력소비량 기준으로 분석대상 표본을 3개의 서로 다른 그룹으로

구분하여 추정계수 값을 별도로 산정할 수 있도록 함.

다) 가격탄력성의 이해와 추정결과

특히 가격탄력성의 경우,

ln ln ln

로부터, 가 1보다 큰 경우에 이면, ln ln 이고

ln도 양의 값을 갖게 된다. 이는 기준 가격에 비해 피크부하 저감을 위해 상승된 요금을

적용한 구간으로 이해할 수 있으며, 반대의 경우는 요금을 저감시켜 소비자의 부담을 줄이고, 저렴한 전력소비의 기회를 제공할 뿐아니라 전체적으로 독점기업으로서의 한국전력이 RTP적용을 통해 초과수익을 내지 않기 위한 방안이기도 하다.

상기의 식을 논의된 방법에 따라 추정식을 다시 살펴보면,

ln

ln

와 같고, 따라서 ln 의 크기가 바로 CP와 차이가 나는 RTP가 적용됨으로써 발생

하는 DR의 효과로 정의하고 있다.

추정결과가 본 연구의 목적을 통해 갖는 의미는, 이를 통해 DR효과를 산정해 내는 것이 우

선되는 것이라는 점이다. 이러한 목적에 부합하기 위해서는 수요의 가격탄력성이 통계적으로

유의한 음의 부호를 갖아야 한다. 해당연구에서는 개별 고객에 대한 정보 (예, 소득과 같은 규

모변수에 대한 정보)가 제대로 반영되지 못하고 있다는 점에서 추정결과는 나름대로의 한계를

갖고 있음을 지적하고 있다.

라) 추정결과의 제시

추정결과로 나타난 DR 효과 및 여타효과 산정결과를 아래와 같이 특정고객의 특정시간에

대해 소개하면 다음과 같다.

- 30 -

∘ 대상 고객 : 고객번호 0800469506

∘ 대상 기간 : 2012년 7월 15일 일요일 ~ 21일 토요일 (7일; 168시간)

∘ 첫 두 그림(위)은 해당 고객의 추정결과를 이용하여 얻어낸 부하패턴과 RTP

적용요금을 나타낸다.

∘ 세 번째 그림은 DR효과 (),

∘ 네 번째 그림은 온도효과 (여기서는 여름인 관계로 CDH(Cooling Degree

Hours)효과 가 제시),

∘ 다섯 번째 그림의 위쪽은 습도효과 ( ), 아래쪽은 일사량효과 ()를 나

타낸다. 일사량이 높을수록 습도가 낮을 것이며, 서로의 패턴이 상반되게 나

타남을 보여주고 있다. 특히 습도가 높을수록 전력사용량이 많아지며, 반대로

일사량이 높을수록 전력사용량이 낮아지게 됨을 알 수 있다.

∘ 그리고 마지막 그림의 위쪽은 전체 부하에서 DR효과 ()가 차지하는 비

중을, 아래 부분에서는 전체 부하에서 DR효과와 모든 기상효의 합

( )가 차지하는 비중을 도식하고 있다.

Day 1 Day 2 Day 3 Day 4 Day 5 Day 6 Day 7 Day 8

kWh % kWh % kWh % kWh % kWh % kWh % kWh % kWh %

6.576 100.000 6.438 100.000 6.452 100.000 6.355 100.000 6.026 100.000 5.911 100.000 5.888 100.000 5.878 100.000

0.000 0.000 0.050 0.783 0.051 0.789 0.050 0.784 0.049 0.820 0.047 0.800 0.019 0.321 0.000 0.000

- - -0.024 -0.368 -0.025 -0.385 -0.024 -0.371 -0.024 -0.393 -0.023 -0.383 -0.008 -0.137 - -

0.004 0.062 0.001 0.014 0.016 0.254 0.018 0.278 0.035 0.585 0.041 0.698 0.020 0.338 0.017 0.289

0.821 12.489 0.801 12.446 0.803 12.453 0.789 12.421 0.754 12.505 0.735 12.430 0.714 12.133 0.724 12.319

-0.040 -0.602 -0.034 -0.531 -0.062 -0.964 -0.061 -0.955 -0.060 -0.991 -0.055 -0.924 -0.066 -1.116 -0.063 -1.068

0.786 11.949 0.768 11.929 0.758 11.742 0.746 11.744 0.729 12.099 0.721 12.204 0.669 11.355 0.678 11.539

원/kWh % 원/kWh % 원/kWh % 원/kWh % 원/kWh % 원/kWh % 원/kWh % 원/kWh %

95.410 100.000 63.920 29.730 62.730 29.479 62.720 29.727 61.070 29.202 60.980 29.420 82.784 75.201 88.710 100.000

- - 107.916 70.270 107.189 70.521 105.903 70.273 105.759 70.798 104.498 70.580 103.740 24.799 - -

<표 6> DR 및 기상 효과 산정결과 예시 그래프 (0800469506번 고객의 특정 시간)



5.896 100.000 6.148 100.000 6.459 100.000 6.478 100.000 6.779 100.000 6.494 100.000 6.444 100.000 6.432 100.000

0.056 0.949 0.054 0.871 0.064 0.995 0.064 0.988 0.067 0.995 0.026 0.400 0.000 0.000 0.063 0.987

-0.024 -0.409 -0.023 -0.378 -0.027 -0.424 -0.023 -0.351 -0.026 -0.377 -0.009 -0.134 - - -0.027 -0.419

0.017 0.280 0.023 0.378 0.032 0.489 0.027 0.412 0.029 0.430 0.020 0.302 0.033 0.514 0.025 0.382

0.727 12.331 0.766 12.467 0.804 12.448 0.808 12.478 0.842 12.424 0.810 12.472 0.806 12.507 0.794 12.351

-0.059 -1.002 -0.042 -0.678 -0.045 -0.694 -0.066 -1.021 -0.036 -0.537 -0.034 -0.518 -0.039 -0.613 -0.052 -0.813

0.684 11.609 0.748 12.167 0.791 12.243 0.769 11.870 0.835 12.317 0.796 12.256 0.800 12.409 0.767 11.921


54.360 27.566 56.890 28.724 53.310 27.120 56.190 28.569 54.850 27.917 71.390 35.698 87.220 100.000 53.220 27.203

102.026 72.434 100.833 71.276 102.330 72.880 100.354 71.431 101.160 72.083 91.851 64.302 - - 101.730 72.797

- 31 -



6.529 100.000 6.459 100.000 6.008 100.000 6.257 100.000 6.525 100.000 6.525 100.000 6.528 100.000 6.578 100.000

0.061 0.928 0.040 0.624 0.043 0.723 0.045 0.718 0.026 0.393 - - 0.037 0.574 0.039 0.600

-0.026 -0.399 -0.017 -0.262 -0.018 -0.298 -0.020 -0.318 -0.008 -0.128 0.000 0.000 -0.015 -0.235 -0.017 -0.251

0.039 0.605 0.045 0.701 0.035 0.584 0.029 0.471 0.048 0.743 0.050 0.771 0.055 0.837 0.054 0.828

0.814 12.469 0.805 12.460 0.750 12.477 0.779 12.442 0.815 12.488 0.819 12.553 0.814 12.477 0.818 12.429

-0.053 -0.808 -0.052 -0.809 -0.058 -0.966 -0.055 -0.871 -0.060 -0.921 -0.071 -1.091 -0.070 -1.077 -0.072 -1.087

0.801 12.266 0.798 12.352 0.727 12.095 0.753 12.041 0.803 12.310 0.798 12.233 0.799 12.237 0.801 12.170


54.980 28.014 63.850 32.227 61.190 30.973 60.500 30.654 71.620 35.869 - - 65.290 32.973 64.460 32.571

100.914 71.986 95.911 67.773 97.406 69.027 97.761 69.346 91.466 64.131 87.070 100.000 94.801 67.027 95.319 67.429

Day 25 Day 26 Day 27 Day 28 Day 29 Day 30 Day 31

kWh % kWh % kWh % kWh % kWh % kWh % kWh %

6.681 100.000 6.748 100.000 6.915 100.000 6.806 100.000 6.696 100.000 6.665 100.000 6.679 100.000

0.068 1.021 0.085 1.261 0.079 1.143 0.034 0.501 0.000 0.000 0.069 1.035 0.061 0.910

-0.030 -0.445 -0.038 -0.567 -0.037 -0.534 -0.017 -0.243 - - -0.032 -0.478 -0.029 -0.438

0.055 0.829 0.051 0.752 0.062 0.893 0.061 0.895 0.061 0.904 0.062 0.927 0.060 0.903

0.827 12.378 0.826 12.234 0.851 12.308 0.838 12.311 0.824 12.305 0.816 12.249 0.819 12.257

-0.070 -1.047 -0.073 -1.085 -0.072 -1.035 -0.071 -1.037 -0.073 -1.094 -0.071 -1.072 -0.072 -1.073

0.812 12.159 0.803 11.901 0.841 12.166 0.828 12.168 0.811 12.115 0.807 12.104 0.807 12.088

원/kWh % 원/kWh % 원/kWh % 원/kWh % 원/kWh % 원/kWh % 원/kWh %

51.920 26.613 47.530 23.648 50.640 24.823 70.530 33.684 91.600 100.000 54.440 26.254 57.930 27.895

102.269 73.387 109.615 76.352 109.549 75.177 99.184 66.316 - - 109.229 73.746 106.959 72.105

주: %는 전체 수요( )에서 각 효과가 차지하는 비율을 나타냄

주: %는 전체 수요( )에서 각 효과가 차지하는 비율을 나타냄

- 32 -

[그림 18] DR 및 기상 효과 산정결과 예시 그래프 (1개 고객의 특정 시간)

마) 추정결과의 이해

상기의 예시 그래프의

∘ 첫 번째 그래프은 해당 고객의 DR효과를 감안한 전력사용량 (검은선; 로

명시)을 보여주고 있다.

∘ 두 번째 그림(중간)은 위에서 설명한 DR 효과의 크기인 에 해당하는 값

이다. 위의 설명에서처럼 시간에 따라 은 (+) 값을 갖기도 하고 (-) 값을

갖기도 하는데, 이는 RP와 CP의 가격 차에 따라 결정된다.

- 33 -

∘ 다섯 번째 그림에서는 이 의 크기가 전체 수요에서 얼마만큼의 비중을 차

지하는지 % 단위로 보여주고 있다. 이 고객의 경우 수요의 크기에 비해 DR

효과의 크기는 작은 비중을 차지하고 있다.

[그림 19] 수식상의 DR의 효과 의 의미

그런데, 실제 DR의 효과를 제시할 때는 양의 값을 취하여 보고하는 것이 이해가 편하다는

점을 감안, DR의 기준을 다음과 같이 잡고 있다.

- RP > CP 인 경우, 즉

인 경우, 감소된 사용량:

- RP < CP 인 경우, 즉

인 경우, 증가된 사용량:

5) 국내 연구결과 요약

성균관 대학교와 한전 또는 전력거래소와 진행되어 온 공적분 모형은 1995년 이후 현재까지

기존모형에 대한 개선이나, 추가 모형개발 노력이 상대적으로 매우 더딘 것으로 보인다. 특히

한전과 직접 연구를 진행함에도 불구하고, 실제 존재하는 세부자료를 이용하여 모형을 개선하

려는 노력이 보이지 않았다는 점은 개선되어야 할 것으로 보인다. 설명변수로 동원될 수 있는

합당한 자료가 있음에도 불구하고, 전국이 아닌 서울만을 대상으로 하는 도시가스가격을 적용

한다거나, 실제 가중평균단가가 아닌 상업용전력가격지수를 사용하는 점, 가격탄력성이 여러

용도 중 상업용만 유의하게 보고하고 있다는 점4), 최대수요추정에 여러 해 연구가 진행되었음

에도 불구하고, 순시부하자료를 사용하지 않고 kWh자료를 활용하는데 어떤 문제가 있는지를

인지하지 않고 있다는 점, 해당시간대의 온도, 습도 등 기상요건을 구체적으로 감안하지 않고

4) 이는 활용가능한 자료의 질적향상을 위한 노력과, 용도별 구분이 아닌 계약종별 세부산업용도별 자료를 충분

히 활용할 수 있는 패널형태의 모형을 적용하는 등으로 추가 점검이 가능함.

- 34 -

있다는 점 등은 심각한 문제로 보인다.

에너지경제연구원(2004)의 연구는 한전과는 별도로 연구가 진행되었다는 점에서 자료의 한

계를 인정하여야 할 것으로 보인다. 이에 따라 용도별 시계열분석방법에 머무를 수 밖에 없는

한계를 갖고 있으며, 특히 가정용의 분석은 여전히 유의한 가격탄력성 값을 추정하지 못하고

있다. 지적되어야 할 점은 law of demand는 작동한다는 점이며, 분석대상자료와 설명변수 등의

자료를 추가확보함으로써 모형을 개선하여 추가적인 연구결과가 2005년 이후 제시되지 않고

있다는 점은 매우 아쉬운 점이라 하겠다.

한국전력공사(2011.9, 2012.6.15) 등의 연구는 기본적으로 매우 단순한 패널모형을 사용하고

있다. 이들 모형은 개별고객의 특성을 보고자하는 연구라는 점에서 fixed effect (고정효과) 모형에 국한할 수밖에 없는 한계가 있지만, 시간대별 모형이 아닌 월별 모형의 경우, random effect 모형 등 다양한 시도가 진행되지 못한 점이 다소 아쉽다. 향후 다양한 연구목적에 따라

모형의 개선여지가 많으며, 자료축적과 아울러 지속적인 연구가 진행될 수 있다면, 전력시장이

해에 도움을 줄 수 있는 결과들이 추가로 산출될 것으로 보인다.

특히 월별모형의 경우, 비교대상이 될 수 있는 상기의 모형들과 달리, 국내 구득가능한 자료

를 최대한 동원하여 자료의 정확성을 기했고, 이미 모든 계약종에 대해 유의한 자기가격탄력

성 뿐만 아니라 상대가격탄력성까지 추정하고 있다.

한국전력공사(2011.9)는 실제 RTP가 적용된 가구를 대상으로 한 연구는 아니지만, 이전 오랜

기간 동안 TOU(Time of Use) Pricing 가 적용되어온 수용가의 자료를 이용함으로써 시간대별

용도별 가격탄력성을 산출해 냄으로써 향후 전력시장 정책수립에 다소 도움이 될 수 있는 연

구결과를 내고자 노력하였다는 점은 지적할만하다. 특히 자료정리의 경우, 수만가구의 개별고

객정보를 반영하여 수용가가 수시로 선택을 바꾸는 계약종 정보와 국가 산업분류기준의 변화

에 따른 신분류의 세부내역을 모든 수용가에 적용하여 막대한 자료정리를 거쳐 연구결과를 도

출하고 있다.

한국전력공사(2012.6.15)는 실제로 RTP가 적용된 것으로 이야기되는 제주도 구좌읍의 가정

용소비패턴 분석에 대한 연구이지만 전체 표본 중 몇몇 표본에서만 유의한 가격탄력성을 얻고

있다는 점이 지적되어야 할 것이다. 그 이유 중의 하나는 시범사업의 특성상 피크시간대에

penalty 의 형태를 갖게되는 RTP를 대상소비자들에게 실질적으로 적용하지 못하고, 기존요금

과 RTP요금과 낮은 요금으로 지불할 수 있도록 하는 등의 인센티브만을 제공하는 현재의 틀

에서 생긴 문제일 가능성도 배제할 수는 없다. 또 자료의 축적이 아직 진행 중이라 사용된 자

료의 질이 매우 낮다는 점, 개별가구의 규모변수 등 개별 가구의 특성을 반영할 수 있는 자료

가 한계가 있고, 기존의 자료를 동원하여 추가 분석이 가능한 방법을 확인했음에도 불구하고, 통계청이 가용한 자료에서 행정구역코드를 삭제하고 제공하기 때문에 제대로 진행되지 못한

추가 문제점도 확인하고 있다. 추정결과가 RTP의 DR 효과가 미미한 것으로 이해될 여지에 대

해 본 보고서는

∘ 합당한 가구별 특성에 대한 설명변수가 부족한 가운데 얻어진 결과로 추정치

- 35 -

가 biased 되어 있지 않다고 보기 어렵다

∘ 향후 관련연구를 진행하는 경우, 개선되어야 할 문제점

∘ 그리고 가정용 전력소비가 차지하는 비중과 여타 용도, 특히 산업용과의 비교

를 통해, RTP의 적용대상 선택시 고려해야 할 사항 등 지적

을 통해 주어진 연구의 한계를 명확히 밝히고 있다.

나. 국외현황

1) Patrick and Wolak의 연구 (2002, EPRI WO 2801-11)

∘ 영국의 England와 Wales 지방에서 실시간요금제(Pool Price Contract, PPC)를

채택한 산업용 고객들을 대상으로 전력수요의 가격에 대한 탄력성을 추정함.

이 고객들은 Midland Electricity Board(MEB)사의 고객들로서, 1991년 4월 1

일 - 1995년 3월 31일까지의 4년 동아의 자료가 이용됨.

∘ 이 고객들이 채택한 실시간 요금제는 기본적으로 pool price를 그대로 소매판

매가격에 반영하는 방식이며, 이에 더하여 연간 최대 전력수요 기간에 대해서

는 추가적인 비용이 사후적으로 추가되었음. 이런 요금제 때문에 실제적인 요

금의 변동 폭은 매우 컴.

[그림 20] 표본기간 중 94년-95년 사이의 Pool Selling Price의 변동

- 36 -

∘ 하루 48시간대(30분 단위)의 부하를 서로 다른 상품으로 취급하여 이 48시간

대의 부하를 하나의 모형에서 추정하는 방식을 이용함. 이들이 사용한 모형은

Generalized MacFadden (GM) 비용함수를 기본으로 하였으나 추정해야 하는

모수들이 너무 많기 때문에 주기적으로 변동하는 변수들에 대하여 Fourier

Series를 적용하여 추정모수를 100여개로 줄임. 이 모형을 각 기업에 개별적으

로 적용하여 기업마다 모수들을 따로 추정하였으며 보고서에는 총 6개 산업

의 21개 기업에 대한 추정결과가 제시됨.

∘ 추정 결과에 의하면, 각 시간대별 전력수요는 가격에 대하여 다양한 크기의

탄력성을 보임. 가격탄력성은 산업이나 기업에 따라 달라지며, 같은 기업에

대해서도 48시간대에 대해 큰 폭의 변화를 보임.

- 37 -

<표 7> One Example of Estimation Result for Electricity Demand Model (Water Supply Industry)

2) Customer Response to Electricity Prices (2002, EPRI-1005945)

- 38 -

∘ 이 EPRI 보고서는 Christensen Associates가 작성한 보고서로서, 전력수요의

가격탄력성, 교차탄력성에 대한 기존 연구들을 정리했음. 특히 이 보고서는

계시별 요금제(TOU)의 효과에 대한 연구들을 따로 정리하여 보여 주는데, 주

택용과 상업용, 산업용을 구별함.

∘ 보고서에서 상업용, 산업용 고객을 대상으로 TOU요금제에 대한 기존 연구 결

과들을 요약한 내요을 아래 표로 첨부함. 이 표에 포함된 연구의 대부분은

80~90년대의 연구결과들임.

- 중소기업의 경우, peak 시기의 가격탄력성은 대부분의 연구에서 -0.1보다

낮은 값으로 추정되었음.

- 대기업의 경우에는 좀 더 다양한 결과들이 있으며, -0.1보다 낮은 값들만 보

고된 연구 결과가 있는 반면 demand charge에 대해서는 -1.1이라는 상당히

큰 값을 보고한 연구도 있음.

3) Dahl (Washington,DC, October 1993)

∘ Dahl의 연구는 이전의 여러 탄력성 연구들을 포함하여 관련 연구들에 대한

새로운 서베이연구임

∘ 이전의 조사에 의하면 가정/상업부문의 총에너지의 자기가격탄력성은 단기

-0.012에서 장기 -0.44

∘ 천연가스 가정용 건물의 경우 단기에는 -0.13, 장기에는 -0.68

∘ 업무용 빌딩의 경우 단기에는 -0.26, 장기에는 -0.99로 분석

- 39 -

<표 8> Summary of Ranges of Residential and Commercial Elasticities from Dahl(1993)

4) Annual Energy Outlook 2003

∘ Annual Energy Outlook 2003 (AEO2003) 보고서에 발간된 전력탄력성연구

결과는 Wade (2003)은 Annual Energy Outlook 1999 (AEO99)를 보완한 연구

∘ 가정, 상업부문의 수요에 대해 단기적 가격반응성, 장기적 가격반응성과 자기

탄력성 및 교차탄력성을 연구함

∘ 아래에 결과를 표로 표시함

- 40 -

<표 9> Summary of Price Responses in the NEMS AEO2003 and AEO99

Residential Commercial Building Models

5) Nilsen(2005)

∘ Nilsen(2005)는 9가지의 모형을 이용하여 가격탄력성을 추정함

∘ 그 중 6가지는 자료를 pooling하여 사용하여

- OLS (Ordinary Least Squares),

- GLS (Prais and Winsten (1954) generally least squares estimator with a

first-order autoregressive error term (GLS-AR1)),

- FE (fixed effects estimator),

- FE-AR1 (fixed effects estimator with a first-order autoregressive error

term),

- RE (random effects GLS estimator)

- RE-AR1 (random effects GLS estimator with a first-order autoregressive

error term).

∘ 그리고 다른 세 가지의 모형은 이분산을 고려한 추정량을 사용한 것으로 개별

국가에 대해 OLS, GLS-AR1를 적용한 모형, 그리고 OLS를 초기치로 사용하

- 41 -

여 iterative shrinkage estimator (Maddala et al. (1997))를 사용한 모형 등의

결과를 보여줌

<표 10> Nilsen, Odd Bjarte, Frank Asche And Ragnar Tveteras, Natural Gas

Demand In The European Household Sector, Bergen Open Research Archive

Working Paper, Aug. 2005

- 42 -

6) Wolak, 2007

∘ 2005년 6월 1일부터 10월 14일까지 Anaheim Public Utilities (APU)의 도시에

거주하는 123 가정용 고객을 대상으로 CPP 실험의 결과를 분석함.

- 피크기간 - 정오부터 오후6시.

- 오프피크 기간소비량은 피크기간을 포함한 고객의 전체 소비량으로 정의

됨.

- 고객들의 reference 기간 소비량은 2005년 6월 1일부터 2005년 10월 14일까

지 진행되는 실험기간 중에서 CPP days가 아니고 휴가철이 아닌 모든 주중

에서 가장 소비량이 높은 삼일의 피크기간동안(오후 12시부터 오후 6시까

지)의 소비량으로 산정됨.

- 표13에는 실험기간동안 행해지는 12개 CPP event days("Spare the Power

Days")를 기재함.

- CPP traetment 그룹에 속해있는 고객들은 “Spare the Power Day" 바로 전

날 고객에 선택에 따라서 e-amil이나 전화로 알림을 받음.

- CPP treatment group에 속해있는 고객들은 모든 critical peak days의 피크

기간동안의 평균 소비량이 reference 소비량보다 낮을 경우에 실험이 종료

될 때 보상금을 지급받음.

<표 11> CPP의 Event Days

- 43 -

- j고객이 그 treatment group에 속해있으면 Treat(j)는 1.

- CPP event day에 CPP(t)는 1이고, 다른 날들에는 0.

<표 12> 추정결과 (Wolak, 2007)

자료: Wolak, Frank A., Residential Customer Response to Real-time Pricing: The Anaheim Critical

Peak Pricing Experiment, 02-14-2007, Center for the Study of Energy Markets, University of

California Energy Institute, UC Berkeley

- 44 -

7) Freeman, Sullivan, & Co., 2007

[그림 21] Ex Post와 Ex Ante의 분석과정과 연결 요약

자료: 2010 Load Impact Evaluation of Pacific Gas and Electric Company’s Time-Based Pricing

Tariffs, Freeman, Sullivan & Co., Final Report, April 1, 2011

- 45 -

<표 13> 에너지 사용 회귀 변수 설명

∘ CARE은 California Alternate Rates for Energy의 약어이며 등록한 저소득 고

객들로부터는 등록하지 않은 non-CARE 고객들보다 낮은 요금을 받는 프로그

램

∘ 12그룹의 SmartRate 인구는 local capacity area (LCA)와 CARE 상태에 따라

대표적인 그룹을 생성하기 위해 발달됨. (6 LCA들은 CARE와 non-CARE부분

들로 각각 나뉘어짐)

∘ LCA 1 with 2 groups x 6 LCA => 12 패널회귀모델

∘ 각 그룹은 200 SmartRate 고객과 200 control 그룹으로 이루어짐.

∘ SmartRate 영향은 가격탄력성에 의존하기 보다는 처치변인들을 통해 직접적

으로 추산됨.

- 46 -

[그림 22] 2010년 여름 최대온도가 90 ℉를 넘는 Control 및 Treatment Group의 시간대별

평균수요

Source: 2010 Load Impact Evaluation of Pacific Gas and Electric Company’s Time-Based Pricing


[그림 23] 2010년 모든 Event day동안 시간당 평균부하효과

Source: 2010 Load Impact Evaluation of Pacific Gas and Electric Company’s Time-Based Pricing


- 47 -

8) Aubin, et al, (1995)

∘ 실시간신호에 대한 고객들의 반응을 평가하고 이러한 선택을 통해 증감한 복

지를 측정하는 것은 계량경제 연구를 사용해서 최적의 요금표를 설정하는데

있어서 중대한 단계임.

∘ 1989년부터 1992년까지 EDF에 의해 수집된 가정용 고객들을 대상으로 한 실

시간 tariff 실험기간에 수집된 데이터를 바탕으로 함.

∘ 실험에 쓰인 요금표는 6가지 요금을 포함함. 일 년은 세 가지 타입의 날들로

나뉘어지고 각각은 두 기간으로 나뉨.

∘ 각 요금제 타입별 일자의 수가 소비자에게 미리 공지되지만, 어느 특정한 날

의 요금제 타입은 전일의 말미에 공지됨.

∘ 저자는 요금제가 미래 전력가격의 불확실성을 도입하고, 소비자 결정의 동학

모델링이 필요함을 주장하고 있음.

∘ 채택된 해결책은 seperable intertemporal utility function을 기초한 간단한 다

이나믹 모델에서 고안된 일일 전력 소비량의 Frisch 수요를 측정하는 것.

<표 14> 실험동안 전력가격의 구조

∘ 고객은 t기간 동안 총 소비제약에 영향을 받아서 intertemporal value

function을 최대화. 그에 따라 dynamic intertemporal 프로그램은 하루 내 고

객의 간접효용함수에 관하여 쓰여짐. 해결책은 다음과 같이 행해짐 : 한 고객

은 각 날의 전력 소비량을 선택; 그러면 다른 고객은 잔여 소비를 최적화하는

순서.

∘ Frisch 수요함수의 형태를 한 수요함수(상수 포함)는 아래와 같음

- 48 -

∘ 함수 a(p)와 b(p)에서 몇몇 파라미터들의 specification은 반드시 선택되어야

함. 가격지수함수 a(p)는 일반화된 Leontief form과 거의 유사하고, b(p)는 아

래의 식인 translog form으로 고려함.

∘ 결과는 매우 큰 범위를 포괄하는 세 개의 로만 리포트 됨: = 0.00%,

2.56%, 5.26%. 최적화된 절차는 GAUSS 통계 언어 루틴에 기초함. Kalman

filter는 각 모형의 추정을 위해 매우 빠른속도로 수렴됨.

<표 15> 확률적 intertemporal 모드의 파라미터 추정

- 할인율의 가치는 추정치에 매우 작은 영향만을 주고, 모든 파라미터들은 매

우 유의함. 각각의 관찰 가능한 이질성(heterogeneity)가 모형에 포함되지

않았음에도 두 수요방정식(측정된 피크와 오프피크 수요함수의 )의 적

합도(goodness-of-fit)는 꽤 높음.

- 그때 측정된 일일소비의 한계효용(Kalman filter를 사용한 다이나믹 모형의

추정으로부터 얻음)은 가계에 소유된 heating이나 에너지 시스템의 종류를

특성화시키는 각각의 더미변수들이나 상온의 평균치에 fit 됨. 우리는 OLS

추정치를 아래에 나타냄.

- 49 -

<표 16> 하루지출 한계효용 측정치 회귀분석 결과정리

- 아래에 있는 표는 피크와 오프피크 수요동안의 Marshallian 가격탄력성에

대한 표본 평균과 표준편차(괄호안의 수치)를 보여줌. 이 표는 일일 전력소

비에 대한 가격탄력성, intratemporal 효과 그리고 intertemporal 대체 탄력

성 또한 제시함. 이 통계 자료는 day type에 따라 계산됨. (i.e. it's colour)

<표 17> 가격탄력성, 지출탄력성, intertemporal 대체 탄력성

∘ 상기를 기반으로 하면

- 첫째, 자기가격탄력성은 높지만 일치성(unity)보다는 상당이 낮음.

- 둘째, 교차 가격탄력성은 마이너스 값을 가지지만 꽤 높음.

- 셋째, 피크시기와 오프피크시기의 전력은 대체가능(보상된 교차탄력성, 계

산된 전체평균, days의 종류들은 플러스 값으로 나오나 작음).

- 넷째, 전력소비는 unity에 매우 근접함. 마지막으로, intertemproal 대체탄력

성은 0으로부터 상당히 떨어져 있으나 매우 작은 값을 의미함.

- 50 -

9) Taylor, T. N., et al. (2005)

∘ Duke Power의 선택적 실시간요금제 8년간 자료로 산업용 고객들의 시간대별

자기가격탄력성과 교차가격탄력성을 제공. 모형은 고객특징과 기혼상태의 효

과를 포함하고 있음.

∘ 전체적인 결론은 자기탄력성이 잠재적인 피크시간과 늦은 저녁시간에 대체에

서 상호보완적인 관계를 보여주는 기존연구에서 보다 큰 것을 보여주고 있음.

고객들이 시간대별 요금관련 경험이 있는 만큼 가격이 높은 시간대동안에 전

력부하를 더 크게 감소시킴. TOU 요금과 비교했을 때, 고객당 월 순 수익은

USD 14,000이고 이 금액은 평균고객요금의 대략 4%에 해당하며, 이는

metering costs보다 훨씬 큰 금액임.

∘ 시간대별 탄력성 및 교차탄력성을 얻기위해서는 경제 이론에서 적용된 global

curvature제약과 동시에 input의 대용 가능성 (substitutability)과 상보성

(complementarity) 또한 만족시키는 유동적인 functional form을 사용하는 것

이 바람직함. Diewer and Wales (1987)에 의해 개발된 The Generalized

McFadden (GM)이 그러한 함수임.

∘ NBER 보고서 (2001)에서 Patrick and Wolak (PW)는 영국의 Midlands Power

Company가 제공한 5개 산업의 RTP요금제 분석을 위해 GM을 적용함. 이번

연구에서는 고객 개개인이 프로그램에 참여했던 당 해년도의 시간대별 수요

의 자기탄력성과 교차탄력성의 측정치를 제공하기 위해 GM을 사용. PW와는

대조적으로 각 고객에 초점을 맞춤.

∘ GM비용함수에서 고안된 일련의 수요방정식은 아래와 같음:

- Eidyk is the demand in mW (megawatts) for hour i, day d, year y, customer k;

- PZmy, the producer price index for month m, year y;

- Pjdyk, the price in $/mWh (megawatthour) for hour j, day d, year y, customer k;

- Tidy, the temperature in degrees F for hour i, day d, and year y

- Ydyk, the daily output on day d, year y for customer k

- Uidyk, the unobserved random vector with mean 0 and covariance matrix

- i = 1, . . . , 24 (1 = hour ending at 1 AM, 24 = hour ending at midnight);

- d = 1, . . . , 122 (June 1 = 1,. . . , September 30 = 122);

- y = 1, . . . , 8 (1 = 1994, . . . , 8 = 2001);

- 51 -

- k = 1, . . . , 51.

<표 18> 자기 가중탄력성과 교차 가중탄력성 : 모든 고객

∘ 위의 표는 전체기간 동안에 전체 인구의 가격반응의 평균을 반영하기 위해

모든 기간 동안 모든 고객들을 통합한 자기가격탄력성과 교차탄력성을 나타

냄. 자기탄력성은 대각선에서 확인할 수 있음.

∘ 14 - 21시(2PM - 9PM)는 여름 달 동안에는 잠재적인 피크시간으로 고려됨. 가

장 큰 반응은 0.26으로 14(오후2시)에 나타나며 이 값은 24시간 중에서도 가장

큰 자기탄력성 값임.

∘ 탄력성이 작게 나타날 수 있으나, 주어진 가격변화에서 대량의 사용량 반응이

매우 클 수 있음을 시사함. 예를 들어, 14시의 평균가격은 대략 $0.05/kWh이

지만 수요가 높은 날에는 $0.10/kWh로 피크수요 날에는 $0.20/kWh 또는 더

높이 상승할 수 있음. 가격탄력성 -0.26은 가격이 두배로 올랐을 때 시간대별

수요는 1/4로 감소하고 가격이 4배 증가하였을 때는 수요를 절반으로 감소함

을 의미.

- 52 -

[그림 24] 16,17,18시에 가격이 $0.01/kwh 상승했을 때 소비패턴의 변화 Change

∘ 위의 그림은 2001년의 평균부하와 오후의 연속적인 세 시간 동안의 가격증가

에 따른 부하패턴을 변화양상을 보여줌. 가격증가에 인접한 시간대에서의 보

완효과(complementary effects)와 이후 저녁에 나타나는 대체효과(substitution

effects)에 주의.

∘ 상기의 발견은 회사들은 시간대별 보다는 연속적인 시간대의 묶음으로 전력

사용량을 달리함을 시사. 대체효과는 20시부터 24시에서 나타나고 보완효과는

12시에서 19시 사이에서 나타남.

∘ 고객이 시간대별 실시간 요금제를 실시하는 매년 여름 122일 하루 24시간 데

이터의 자기탄력성과 교차탄력성 추정치가 있음. 이 결과를 제공하는 번거로

움을 줄이기 위해 자기탄력성과 교차탄력성을 시간대별 탄력성으로 간추림.

- 53 -

<표 19> 시간대별 총 자기탄력성 : 각각의 고객 (continued)

<표 20> 시간대별 총 자기탄력성 : 각각의 고객 (continued)

∘ 위의 테이블은 가격반응의 크기로 고객 개개인의 선택된 시간(14 - 21) 동안의

시간대별 탄력성을 순서대로 정렬하여 보여줌. 자가발전을 하는 고객들은 일

- 54 -

반적으로 꽤 큰 반응을 보임. 자가발전을 하는 10개의 고객 중 7고객이

TOP12에 들음. TOP 응답자들 중 자가발전을 하지 않는 두 산업은 steel과

elctrode로 아크로(arc furnace)를 보유.

∘ 고객 개개인에 기초하여 우리는 PW가 산업을 그룹화해서 발견했던 것보다

몇몇 고객 각각이 더 큰 탄력성을 가지는 것을 확인함. 가장 큰 시간대별 평균

탄력성은 0.20이고 한 시간 탄력성 중 가장 큰 값은 0.27로 water supply 산업

에서 발생함. 51개 고객 중 7개 고객이 14시부터 21시의 평균치가 0.20을 넘었

으며 그 시간대 중 한 시간의 최대 탄력성 값은 0.775.

∘ 다양하게 그룹화한 평균 탄력성은 아래 표에서 확인할 수 있음.

<표 21> 선택된 고객그룹을 대상으로한 14시부터 21시까지 평균 시간대별 탄력성

∘ 경험으로 인한 고객반응의 변화.

∘ 경제이론은 시간대별 탄력성과 수요에 의해 측정된 것처럼 고객반응은 고객

이 시간대별요금제를 사용하는 시간의 길이만큼 증가할 것이라고 예측함.

∘ 아래의 specification은 하루 동안 고객반응의 시간당 profile을 발전시키기 위

해서 1시간별로 측정됨.

- εij는 i고객의 j시간 시간대별 탄력성으로 예측됨.;

- 고객은 고객 개개인 (i)을 2치 변수(1 or 0)로 정의; Customeri is the binary

variable (1 or 0) designating the individual customer (i);

- YearOnHP는 고객이 j시간에 Duke의 시간대별 요금제에 참여한 연도 수.;

- TempD는 그날의 평균온도(℉);

- Wkend는 주말을 지정하는 이치변수;

- Holiday는 휴일은 표기하는 이치변수;

- 55 -

- Month는 7,8,9월을 지칭하는 이치변수;

- PriceSmr는 여름동안의 평균적인 가격수준 (6월부터 9월까지) ($/mWh);

<표 22> 시간대별 탄력성 회귀분석 결과

- YearOnHP 파라미터 측정치는 피크시간 가능성이 있는 14-21시 동안 마이

너스 값을 보이고, 그 중 4시간 동안은 통계적으로 유의한 범위인 0.10에서

0.01 사이의 유의성을 가짐. 마이너스 값의 신호는 탄력성이 경험이 쌓일수

록 증가함(절대 값)을 나타냄.

- 변수 PriceSmr은 마이너스 값을 보이지만 일반적으로 오후시간 때에 유의

하지 않은 계수를 가짐. 이는 여름기간에 전체적인 가격상승이 잠재적인 피

크시간의 가격반응에 영향이 없음을 의미.

- TempD에서 측정된 하루 평균온도의 상승은 모든 시간대에 걸쳐서 가격반

응의 상승을 이끌음.

∘ 아래의 그림은 1년의 추가적인 경험후의 시간대별 수요의 변화를 보여줌.

- 56 -

[그림 25] 1년의 추가적인 경험이 있는 고객당 평균수요 변화

∘ Social Welfare 분석

- Social Welfare는 시간별 요금제 도입인구에 대하여 TOU 요금에 대한 시간

별 요금제의 순편익으로 추정됨. 순 편익은 청구된 시간별 요금제 가치가

표준요금제로 지불하게 되는 가치의 차이로 정의됨.

- 취득한 순 가치는 소비자잉여 - 공급의 under-recovered 비용 + 공급의

over-recovered 비용. 한계비용은 매 시간에 현재요금의 수준으로 일정할

것으로 가정.

- 표준 고정요금제에 비용의 over- 또는 under-recovery가 있을 수 있음. 하지

만, 시간별 요금제에서는 가격이 자본회복 비용을 포함하여 한계비용과 같

은 것으로 간주되어 over- 또는 under-recovery가 없음. 표준 요금에 비용의

Over- 또는 under-recovery는 대체적으로 생산자잉여 증가 또는 감소로 볼

수 있음.

- 아래 표는 소비자가 Duke의 표준 TOU 요금 청구 대신, Duke의 시간별 요

금제를 청구받았을 경우 소비변화를 보여줌.

- 57 -

[그림 26] low price day(August 23, 2000, TOP) 와 high

price day(August 9, 2000, BOTTOM) TOU에서 시간당

요금제율에서 예상 소비량

- 순편익은 연간 백만달러 미만에서 거의 3백 5십만 달러의 범위이며, 총 천

삼맥 오심만으로, 아래 표와 같음.

- 58 -

<표 23> Duke Power Company의 표준 TOU 요금제와 시간대별 요금제 비교를 통한

gain의 Welfare 분석

10) Lijesen, M. G., (2007)

∘ 이 연구는 총 피크수요와 현물시장 가격 사이의 실시간 관계의 수량화를 제공

하며, 실시간 요금 탄력도가 낮은 것은 모든 사용자가 현물시장 가격을 관찰

하지 않는다는 사실로부터 일부 설명될 수 있음을 확인하였음.

∘ 선행연구의 목록은 아래와 같음.

- 59 -

<표 24> 장단기 탄력도 추정치 조사결과

<표 25> TOU 요금제에 대한 최근 연구에서 탄력도 추정치 조사결과

∘ 2003년 네덜란드 데이터로 수요는 네덜란드 TSO인 Tennet 웹사이트의 부하

수치.

∘ 연구는 오전 9시에서 오후 6시까지의 평일 피크부하기간으로 한정하여, 부하

- 60 -

데이터는 15분 간격이나 시간당 부하로 합산함.

∘ 현물시장 가격은 Amsterdam 전력거래소의 웹사이트에 시간별로 발표됨.

∘ 다양한 ‘최대 낮 기온’은 네덜란드 기상청인 KNMI의 웹사이트에서 찾음.

∘ 연구는 현물시장 가격과 몇 가지 에너지 수요에 영향을 주는 다른 요인들을

바탕으로 시간당 총 시스템부하를 설명하는 식을 추정.

∘ 추정 결과는 아래 표에 정리됨.

<표 26> 종속변수로써 부하추종결과

∘ 현물시장에 영향은 매우 큰 차이가 있으나, 두 식 모두 에너지 수요에 대한 유

사한 이미지를 제공해 줌.linear specification은 −0.0014의 가격탄력성을 의미

하고, −0.0043 의 가격탄력성은 loglinear specification을 따름.

- 61 -

∘ 두 경우 탄력성은 앞선 연구에서 제시한 탄력성과 비교하여 낮으며, 예상했던

바와 같이 실시간 탄력성의 결과가 Patrick and Wolack(1997)이 제시한 수치

에 더 가까우며, 본 연구 결과와 같음.

11) Allcott, H., (2011)

∘ 주거용 고객에 시간별 실시간요금제(RTP)를 노출하기 위한 첫 프로그램을 평

가함.

∘ 연구결과 등록된 가구는 통계적으로 유의미한 가격 탄력성을 가짐, 그 고객은

피크시간 때 에너지 보존으로 반응지만, offpeak 시간대에 평균 소비량을 눈

에 띠게 증가시키지는 않음.

∘ 프로그램은 소비자잉여를 가구당 연간 $10까지 증가시킴.

∘ 이는 전기비용의 1~2% 수준인 반면, 가구의 시간별 소비량 측정을 위해 요구

되는 Advanced 전력계량계를 포함하여 소매 스마트그리드 장비 투자로부터

얻을 수 있는 잠재적 추가적인 편익을 보여줌.

∘ 수요함수는 간접효용에 의해 도출되며, 이 구조적 접근은 welfare 분석과 조

건적 시뮬레이션에 유용함.

∘ 수요 parameter들은 실험의 모든 시간데에 pooling 하고 5,580시간 관찰된 개

별 데이터에 고정효과를 추가하여 일관성있게 추정될 수 있음.

∘ 통제변수를 추가하여, 추정식은 아래와 같음.

- X={Pre-Program Average Hourly Consumption, Household Size, log(Income)};

- HPaftd = High Price Alert day의 오후시간 지표;

- ζhd= 일의 시간에 고정효과;

- εihd= econometric error.

- 추정은 표준 교정효과 추정식을 사용, 데이터는 고정효과 ζ를 제거하고 고

정효과가 제거된 데이터에 ordinary least square가 적용됨.

- Standard error는 1시간 lag를 허용하는 Newey-West. 구조적인 뜻에서,

"econometric error“ εihd 은 가구의 수요 shock ζhd 의 일부로 다른

- 62 -

covariates의 residual 임.

- 추정결과는 아래와 같음.

<표 27> 수요 system 추정치

∘ 프로그램의 첫 번째 결론은 가구(households)가 통계적으로 유의한 가격 탄력

성을 갖는 다는 것임.

- 63 -

∘ 두 번째 결론은 RTP에 대해 가구가 높은 가격시간대에서 낮은 가격시간대로

순 부하변동이 일어나는 것이 아닌 에너지 보존을 통해 반응.

∘ RTP에 대규모 산업용 소비자용 intra-day substitution parameters가 통계적으

로 유의미함.

∘ 수요 결과로부터 세 번째 결론은 에너지관리와 정보기술이 유의미하게 가구

의 가격탄력성을 높인다는 것임.

∘ 소비자는 전형적인 가격 형태에 대해 더 학습하고, 에너지 보존에 대한 초기

흥미를 잃고, 또는 에너지를 사용하는 자본 stock 에 추가적인 변화를 만들 시

간을 가질 수 있을 것.

∘ 이 이슈에 대해 추가적인 증거를 제공하는 방법은 2004년 처리그룹과 통제그

룹을 비교하는 것으로 두 그룹이 실시간 요금제를 적용하여 처리그룹은 두 번

째 해에 해당하는 조건을, 통제그룹은 첫 해의 조건을 유지하는 것임.

∘ 부가적인 통계적 검증력을 위해, 구조적인 공식에서 떠나 단순하게 시간별 가

격에 대해 reduced form coefficient를 추정함.

∘ 수요 추정식은 아래와 같은 결과를 냄.

- 64 -

<표 28> RTP도입 실험의 2년차와 1년차 비교

∘ 모든 시간에, 만약 가격이 kWh당 1센트가 높았을 경우, 처리그룹 소비는

18.6W가 하락. 위의 표 2, 3번째 column은 2004년 가격이 1센트 높은 경우,

원래 처리그룹이 시간당 6~8 watt를 덜 소비한 것임. 이러한 기준에 의거하여

두 번째 해의 가격 반응성은 첫 해보다 1/3이 더 큼.

∘ 실시간 요금제의 welfare 효과는 생산자 수익, 판매자 수익, 계측 비용과 소비

자 welfare 등의 4개 주요 채널을 따름.

∘ 이 분석은 소매비용이 고정되어 있다는 가정의 단순화를 통해 소비자잉여 효

과만을 계산함

∘ 시장 균형에서 생산자 수익과 welfare 효과를 모델링하는 것은 이 논문의 범

위에서는 거능성이 희박한 것으로, Allcott (2009)은 그 이슈들에 대해 집중함.

∘ 아래 표에 세부적으로 제시된 바와 같이 이 계산은 프로그램 가구 당 연간

$10의 보상변화(Compensation Variation)을 줌. 그에 비해 AMI(advanced

metering infrastructure)는 가구당 $100~$150 달러 사이의 비용이 될 것으로

예상됨.(Allcott, 2009)

- 65 -

<표 29> Welfare 계산과 CO2 효과

∘ 한계 탄소배출은 2003년 ComEd 지역에서 한계발전기에 의해 결정되는 가격

의 함수로 모형화됨. ESPP 실험 시간에 이 모델은 “Comparable” 소매 가격에

서 수량화한 수요에 대해 RTP의 예상효과에 의해 배가될 수 있는 한계발전기

의 emission rate를 제공함.

∘ 위의 표에서 확인할 수 있듯이, 프로그램에서 예측된 연간 탄소 저감은 가구

당 대략 0.29 shortt ton으로 평균 프로그램 가구의 전기 소비에 의한 총 배출

량의 4.4%임.

12) Boisvert, R. N., et al, (2007)

∘ 119개 대규모 소비자에 대하여 부하, 가격과 survey데이터를 이용하여 2000년

과 2004년 사이에 전일 발표된 시간대별 전력가격을 완전히 결정하는 것을 확

인하는데 사용, 이 연구는 가격반응의 강도를 결정하는 요소에 대한 insight를

제공함.

∘ peak와 off-peak 전력은 on-site 발전을 하는 기업에는 완전 보완재, 대체재 또

는 전력망에서 일시단전을 일으키는 high peak 가격에서 대체재 등이 될 수

있음.

∘ 평균 대체탄력성은 0.11임. 소비자의 30%는 고정된 비율로 peak와 off-peak

전력을 사용함. 0.10보다 18%가 높은 탄력도는 총 가격 반응의 75%에 대해 설

- 66 -

명함.

∘ 산업소비자에 대비하여, 상업/소매와 공공/교육 소비자는 더운 날씨,

peak/off-peak 비율이 높을 때 더욱 가격에 잘 반응함. 가격반응성은 소비자

가 peak 사용량 근방에서는 operate 할 때는 많이 감소하지는 않음. 소비자

환경 다양성과 가격 반응은 동태적 가격정책이 모든 소비자가 아닌 몇몇 소비

자에게 적합함.

∘ 간접 비용-최소화 전력비용 함수는 일반화된 레온티에프(Generalized

Leontief, GL) 함수 형태를 가정함으로써 구체화됨.

∘ GL 모델의 유연한 형식은 잠재적으로 다양한 소비자 가격반응 행태를 특징화

하는데 적합함. 위에서 개관한 절차에 따라 대체탄력성을 계산하기 위하여 각

소비자에 대해 아래와 같이 추정

- = weekday observations index;

- = 피크 사용량 (kWh);

- = 평균 일일 피크 가격 ($/kWh);

- = off-peak 사용량 (kWh);

- = 평균 일일 off-peak 가격 ($/kWh);

- = random error term;

∘ 날씨의 효과는 두 가지 뚜렷한 방식으로 설명

∘ 는 냉방온도를 측정(예시, 화씨 65도와 평균 피크기간 온도 사이의 차이).

절편 이동으로써 투입되므로 온도변화에 따른 피크와 off-peak에서 내재하는

차이를 통제함.

∘ 는 온도가 낮은 날( =0 피크기간에 평균 THI < 85일 때)에서 높은 날

( =1 피크기간에 평균 THI ≥ 85일 때)을 구분하기 위한 binary 변수로,

temperature heat index (THI) 에 의해 정의.

∘ 위의 GL 모델을 추정하는 것은 하루 중 peak period를 구성하는 시간을 구체

화하는 것이 요구됨. 세 가지 대안적 peak period 정의(오후 12~5시, 오후 1~5

시, 오후 2~5시)는 아래 표에 제시되어 있음.

- 67 -

<표 30> 섹터와 Peak 기간에 따른 부하 가중 대체탄력성

∘ 세 시간 peak period(2:00–5:00 p.m.)는 가장 높은 대체탄력성을 산출함.

Taylor, et al. (2005)가 서술하였듯이 이 시간대에는 피크에 포함되는 시간에

전력사용을 보완적 input으로 보고, 피크 시간대를 가장 잘 반영하는 것으로

제시하고 있음

∘ 오후 2시~5시 사이 peak period에서 119개 고객에 대한 부하 가중 대체탄력

성은 0.11(<표 2>). 가장 높은 평균 탄력성(0.16)은 제조부문에서 나타남. 정부

/교육 소비자는 매우 가격 탄력적(0.10)으로, 가격에 반응할 잠재력이 있는 소

비자 그룹은 많지만 작을 것으로 사려됨. 상대적으로 부문 평균 대체탄력성이

0.06, 0.04, 0.02인 상업/소매, 보건과 공공근로 소비자는 훨씬 덜 가격 탄력적.

∘ 소비자 전력 수요와 가격 탄력성에 대한 기상효과를 확인하기 위해, GL모형

에 두 기상 변수를 절편과 기울기 변환자로 포함함. 이 변수에 대하여 통계적

으로 유의미한 소비자 수, parameter 추정치에 상응하는 signs은 아래 표에 제

시되어 있음.

- 68 -

<표 31> 수요와 가격반응성에 대한 기상 효과

∘ 그룹으로 묶인 모든 소비자에 대하여 hot, cool days에 대해 평균적인 대체탄

력성의 필수적으로 차이가 없음. 반면 sector-level 결과는 냉방을 필요로 하는

정부/교육과 상업 소매 부문에서 hot day에 전반적인 가격 반응성으로 20%

와 100%를 보이고, 그 부문의 소비자가 상당한 에너지 사용 비중을 drive 함

을 나타냄. 반면, 제조업 소비자는 hot days에 약간 적은 가격반응성을 보임.

∘ GL모형의 추정으로부터, 각 소비자에 대한 daily 대체탄력성 추정치가 생성

됨. 가격 반응 수준이 전력가격의 명목적인 수준에 영향을 받는지 또는

business type, 전력사용의 집약성에 따라 구조적으로 차이가 있는지 확인하

기 위해 소비자에 대해 탄력성 추정치를 pooling하여 부가적인 모델이 추정

됨.

∘ 측정을 위해 정의된 변수들에서, 이 요소들은 모형 내에서 절편 또는 기울기

변환자로 특징 사이에서 상호관계를 설명하는 것으로 구체화됨. pooled

model은 다음과 같음.

-

= 소비자 에 대하여 일에 피크와 off-peak 전력가격 비율

- 69 -

- = 소비자 의 최대 여름 수요의 percent로써 일에 피크 사용

- = 1은 제조업 소비자, 다른 경우 0

- = 1은 정부/교육용 소비자, 다른 경우 0

- = 공공 근로 소비자는 1, 다른 경우 0

- = 상업과 소매 소비자는 1, 다른 경우 0

- = random error term;

- pooled model 추정식에 대한 결과는 아래와 같음

<표 32> 회귀모형의 추정된 탄력성 결과

∘ 이 결과는 정부/교육과 상업/소매 소비자가 피크사용량을 적당히 가격이 매

겨진 날보다 낮에 높은 가격비율이 매겨진 날 더 많이 축소시킴을 지적하고

있음. 높은 가격 비율이 매겨진 날은 명목 peak 요금도 높을 것이며, 이 소비

자들이 가격이 상승함에 따라 더욱 가격 탄력적이 될 것으로 추론할 수 있음.

∘ 다른 sectors에서 반대도 사실로, 비록 효과의 규모는 크지 않을지라도 제조업

소비자의 경우는 무시해도 될 정도임.

- 70 -

3. 실시간요금제 도입관련 실증분석을 위한 이슈점검

가. 개요

실시간 요금제도입을 위한 실증분석과 관련하여서는 우선적으로 아래와 같이 확인해야 할

사항들이 있다고 보여진다.

∘ 첫째, 관련된 전력소비자료의 형태와 특성을 확인할 필요가 있음.

∘ 둘째, 이들 자료를 잘 설명해 낼 수 있는 외생변수의 존재에 대해서도 확인할

필요가 있음.

∘ 셋째, 다양한 분석모형의 특성, 적용가능성 및 한계에 대한 이해

∘ 넷째, 추정된 결과가 갖는 통계적 유의성, 이들 결과의 유용성 및 한계에 대한

이해

또, 이러한 분석이 가능하기 위해서 추가적으로 전제되어야 하는 부분들은 어떤 것이 있는

지에 대해서도 미리 파악하고 준비하는 것이, 추정결과를 응용하여 다양한 dynamic pricing을

통해 소비자 메뉴를 개발하고 이를 통해 소비자의 수요반응(Demand Response)을 유도해 낼

수 있게할 것으로 보인다.

따라서 본 장에서는 실시간 요금제 도입관련 확인해야 할 사항들을 이들 이슈를 중심으로

차례로 점검해 보기로 한다5).

나. 전력소비자료의 분류형태

현재 전체 시간대별 전력소비패턴을 확인할 수 있는 자료가 KPX에서 확인되고, 이는 5분단위로 기록되고 있기도 하다. 하지만 아래의 세부적인 전력소비자료는 국내 전력소매공급을

독점하고 있는 한국전력에서만 확인될 수 있다. 전력소비자료는 아래와 같이 크게 6개 유형

으로 구분할 수 있도록 되어 있다.

1) 행정구역별

2) 계약종별

3) 용도별

4) 지사별

5) 단, 해외연구에 대한 모형특성 논의는 2장에서의 내용으로 대체함.

- 71 -

5) 공급방식별

6) 수요관리요금제도 및 선택요금제도

이들 분류가 갖는 의미를 우선 간단히 점검하여 본다면 다음과 같은 특성을 실제 분

석에서 반영할 수 있다.

1) 행정구역별 - 행정구역별 세분화의 정도와 관련하여 확보될 수 있는 정보의 quality에

따라서 분석결과의 신뢰성이 영향을 받을 수 있다.

∘ 예를 들어, 아래에서 추가로 논의되겠지만 기상청은 전국을 76개 지점으로 구

분하여 온도, 습도, 일사량, 풍속 및 풍황 자료를 축적하고 있어, 수용가의 행

정구역코드 정보는 이들 수용가의 전력소비에 영향을 미칠 수 있는 기상조건

을 별도로 반영할 수 있는 여지가 있다.

∘ 또 개별 수용가에 대한 직접적인 정보는 없지만 간접적 정보 (가구 인원수, 가

구별 구성원의 연령, 성별 정보)가 있는 경우, 통계청이 수행해 왔고, 축적된

전국 8,000여개의 표본에 대한 수년간의 서베이자료를 이용, 개별 수용가의

특성을 반영한 별도의 지수를 생성할 수 있는 가능성이 있다.

2) 계약종별 및 용도별구분 - 수용가가 어떤 특성을 갖는 고객인지 수용가별 별도의 자

료가 없더라도, 이를 근거로 grouping을 할 수 있는 정보를 제공한다. 특히,

∘ 같은 용도 내에서도 서로 다른 계약종이 존재하고,

∘ 서로 다른 용도 내에서 같은 계약종이 있을 수 있으며,

∘ 소비자는 자신의 상황에 맞추어 계약종을 변경하는 경우가 많아, 이들 정보

는 소비자별 특성을 설명해 낼 수 있는 추가적인 정보를 제공하기도 한다.

∘ 특히 전력요금의 부과는 계약종별로 이루어지고 있다는 점에서 실제로는 용

도별 구분보다 계약종별 구분정보가 개별소비자 행태분석에 더 중요할 수 있

다.

∘ 특히 한전은 각 수용가의 계약종별 정보에 추가하여 고객정보에 산업분류코

드도 함께 보유하고 있어, 이는 고객의 특성을 그룹화하는데 매우 유용한 정

보로 활용이 가능하다.

3) 지사별 - 지사별 구분은 우선 위 행정구역별 구분과 비슷한 특성으로 이해될 수 있지

- 72 -

만, 소비자의 원시자료(raw data)는 이들 지사별로 취합된다는 점에서 자료의 질이

서로 다른 경우, 이들 지사 정보를 활용가능한 경우가 있다.

∘ 예를 들어, 요금제도가 바뀐다거나, 정부의 표준산업분류기준이 바뀌는 경우,

실제 이들 변경시점에 맞추지 않고 자료가 취합된 상태로 존재하여, 실제 특

정시점에 해당산업이 어느 분류에 있었는지 확인되지 않는 경우가 상당수 있

음. 이러한 경우, 이들 몇몇 지사를 구분하여 별도 취급하는 방법이 있을 수

있음.

4) 공급방식별 - 이 구분은 아직 실제 분석에 고려된 바 없지만, 실제 수용가의 필요에

따라 공급방식이 달라진다거나 하는 경우, 혹은 특정 그룹의 소비자가 특정 공급방식

을 갖는다는 추가적인 정보가 있는 경우, 세부 소비자의 특성으로 반영, 분석에 이용

할 수 있는 정보로 활용될 수 있다.

5) 수요관리요금제도 및 선택요금제도 - 소비자별로 week ahead, day ahead, 또는 hour

ahead 등의 수요관리제도에 참여하였는지, 참여하였다면 어느 시점에 참여하였는지

등은 실제 전력소비패턴이 참여여부에 따라 달라졌을 가능성을 분석에 반영할 수 있

다. 또 서로 다른 선택요금제도에 대한 고객정보는 실제 고객에게 적용된 전력요금정

보가 서로 다르다는 점에서 실제 분석에서 꼭 반영하여야 하는 정보이다.

다음은 현재 한전이 보유하고 있는 자료들이, 이들 분류형태에 따라 어떻게 구분되고 있는

지에 대한 상세한 내용이다.

- 73 -

1) 행정구역별

∘ 1차 - 27개 시도

∘ 2차 - 252개 구군

∘ 3차 - 16382개 동별 기준

<표 33> 행정구역별 구분

- 74 -

2) 계약종별

∘ 6개 대분류

∘ 17개 중분류

∘ 30개 소분류

<표 34> 계약종별 구분

- 75 -

3) 용도별

∘ 미분류포함 21개 용도구분

<표 35> 용도별 구분

- 76 -

4) 지사별

∘ 15개 지사

∘ 189개 사업소

∘ 4개 등급구분

<표 36> 지사별 구분

- 77 -

5) 공급방식별

∘ 4개 대분류 - 고압, 저압, 직거래, 특고압

∘ 36개 중분류

<표 37> 공급방식별 구분

- 78 -

6) 요금제도별

∘ 수요관리요금제도 및 선택요금제도

<표 38> 요금제도별 구분

다. 전력소비자료 분석을 위해 필요한 외생변수

상기와 같은 분류체계를 갖는 전력소비자료의 분석을 위해서는 이미 간략히 설명한 바 있지만,

다음과 같은 자료들이 외생변수 또는 설명변수로 확보되어야 할 것이다6).

1) 행정구역별 분류와 기상자료

상기의 행정구역별 분류정보는 구득가능한 기상정보를 활용할 있도록 한다는 점은 이미 지

적한 바와 같다. 구체적인 기상정보의 분류는 아래와 같다.

6) 보다 상세한 설명을 위해서는 한국전력공사(2011.9)를 참고할 것.

- 79 -

지 상 기 상 관 측 지 점 일 람 표List of the surface synoptic stations

지점번호Station No.

관 측 지 점Station

북 위Lat.(N)

동 경Long.(E)

H

(m)

Hb

(m)

ht

(m)

ha

(m)

hr

(m)

090 속 초 Sokcho 38°15' 128°34' 17.8 18.8 1.8 11.8 0.6

095 철 원 Cheorwon 38°09' 127°18' 154.2 154.5 1.8 12.9 0.5098 동 두 천 Dongducheon 37°54' 127°04' 112.5 112.4 1.7 14.1 0.6

099 문 산 Munsan 37°53' 126°46' 30.1 31.4 1.5 10.0 0.4

100 대 관 령 Daegwallyeong 37°41' 128°46' 842.5 844.0 1.5 10.0 1.6101 춘 천 Chuncheon 37°54' 127°44' 76.8 77.7 1.6 9.8 0.6

102 백 령 도 Baengnyeongdo 37°58' 124°38' 144.4 157.9 2.0 10.0 0.6

105 강 릉 Gangneung 37°45' 128°54' 25.9 26.5 1.7 13.8 0.5106 동 해 Donghae 37°30' 129°08' 39.6 37.5 1.5 10.0 0.6

108 서 울 Seoul 37°34' 126°58' 85.5 86.2 1.5 10.0 0.2

112 인 천 Incheon 37°28' 126°38' 68.9 70.3 1.4 14.0 0.5114 원 주 Wonju 37°20' 127°57' 149.8 150.5 1.6 10.0 0.5

115 울 릉 도 Ulleungdo 37°29' 130°54' 220.9 219.9 2.1 10.0 0.5

119 수 원 Suwon 37°16' 126°59' 33.6 34.8 1.5 20.0 0.7121 영 월 Yeongwol 37°11' 128°28' 239.8 236.9 1.8 10.5 0.6

127 충 주 Chungju 36°58' 127°53' 69.1 70.7 1.5 10.0 0.5

129 서 산 Seosan 36°46' 126°30' 25.9 26.9 1.4 20.2 0.5130 울 진 Uljin 36°59' 129°25' 49.4 50.6 1.8 13.0 0.6

131 청 주 Cheongju 36°38' 127°27' 57.4 59.2 1.5 19.0 0.5

133 대 전 Daejeon 36°22' 127°22' 68.3 71.5 1.6 22.8 0.6135 추 풍 령 Chupungnyeong 36°13' 128°00' 242.5 244.8 1.5 20.7 0.5

136 안 동 Andong 36°34' 128°43' 139.4 141.4 1.5 10.0 0.6

137 상 주 Sangju 36°24' 128°09' 99.9 100.0 1.5 10.0 0.4138 포 항 Pohang 36°02' 129°23' 1.9 3.6 1.6 15.2 0.6

140 군 산 Gunsan 35°59' 126°42' 25.6 30.7 1.5 18.0 0.6

143 대 구 Daegu 35°53' 128°37' 57.6 59.0 1.5 10.0 0.6146 전 주 Jeonju 35°49' 127°09' 53.5 55.2 1.5 18.4 0.6

152 울 산 Ulsan 35°33' 129°19' 34.7 35.5 1.5 12.4 0.6

155 마 산 Masan 35°11' 128°34' 11.3 4.9 1.5 17.6 0.6156 광 주 Gwangju 35°10' 126°54' 70.5 73.7 1.5 17.5 0.6

159 부 산 Busan 35°06' 129°02' 69.2 69.9 1.7 17.8 0.6

162 통 영 Tongyeong 34°51' 128°26' 31.7 32.7 1.5 15.2 0.6165 목 포 Mokpo 34°49' 126°23' 37.9 39.0 1.5 15.5 0.6

168 여 수 Yeosu 34°44' 127°45' 66.1 67.3 1.5 20.8 0.6

169 흑 산 도 Heuksando 34°41' 125°27' 79.4 82.5 1.5 10.0 0.6170 완 도 Wando 34°24' 126°42' 34.9 35.4 1.5 15.4 0.6

175 진 도 Jindo 34°28' 126°19' 476.6 477.6 1.5 10.0 0.5

184 제 주 Jeju 33°31' 126°32' 20.0 22.6 1.8 15.0 0.5185 제주고층 Jeju Upper 33°17' 126°10' 71.2 73.2 1.8 10.0 0.5

189 서 귀 포 Seogwipo 33°15' 126°34' 50.5 52.4 1.8 10.0 0.5

192 진 주 Jinju 35°12' 128°07' 21.3 22.6 1.5 10.0 0.6

<표 39> 지상기상관측지점일람표1

H : 노장의 해발높이 (Height of observation field above mean sea level)

Hb : 기압계의 해발높이 (Height of barometer above mean sea level)

ht : 온도계의 높이 (Height of thermometer above the ground)

ha : 풍속계의 지상높이 (Height of anemometer above the ground)

hr : 우량계의 지상높이 (Height of raingauge above the ground)

- 80 -

지점번호

Station No.

관 측 지 점

Station

북 위

Lat.(N)

동 경

Long.(E)

H

(m)

Hb

(m)

ht

(m)

ha

(m)

hr

(m)

201 강 화 Ganghwa 37°42' 126°27' 45.7 47.0 1.5 9.7 0.6

202 양 평 Yangpyeong 37°29' 127°30' 47.0 48.0 1.5 10.3 0.5

203 이 천 Icheon 37°16' 127°29' 77.8 79.8 1.5 10.0 0.5

211 인 제 Inje 38°03' 128°10' 198.6 199.9 1.7 9.7 0.6

212 홍 천 Hongcheon 37°41' 127°53' 140.6 141.2 1.6 12.5 0.6

216 태 백 Taebaek 37°10' 128°59' 713.4 714.7 1.5 16.0 0.6

221 제 천 Jecheon 37°09' 128°12' 263.2 264.5 1.5 13.3 0.6

226 보 은 Boeun 36°29' 127°44' 174.1 175.5 1.5 10.0 0.5

232 천 안 Cheonan 36°47' 127°07' 24.9 26.1 1.5 22.0 0.5

235 보 령 Boryeong 36°19' 126°34' 15.3 17.0 1.5 22.0 0.5

236 부 여 Buyeo 36°16' 126°55' 11.3 13.6 1.5 10.0 0.5

238 금 산 Geumsan 36°06' 127°29' 171.3 172.9 1.5 10.0 0.6

243 부 안 Buan 35°44' 126°43' 10.7 12.1 1.5 10.1 0.6

244 임 실 Imsil 35°37' 127°17' 246.9 248.0 1.5 10.0 0.6

245 정 읍 Jeongeup 35°34' 126°52' 44.1 45.6 1.5 18.4 0.5

247 남 원 Namwon 35°24' 127°20' 89.7 91.1 1.5 10.0 0.7

248 장 수 Jangsu 35°39' 127°31' 407.0 408.3 1.5 10.0 0.6

256 순 천 Suncheon 35°04' 127°14' 74.4 74.4 1.5 14.0 0.7

260 장 흥 Jangheung 34°41' 126°55' 45.2 46.7 1.5 14.3 0.7

261 해 남 Haenam 34°33' 126°34' 13.7 15.3 1.5 10.0 0.6

262 고 흥 Goheung 34°37' 127°17' 53.3 55.0 1.5 10.0 0.6

265 성 산 포 Seongsanpo 33°23' 126°53' 18.6 20.5 1.8 10.2 0.6

271 춘 양 Chunyang 36°56' 128°55' 321.5 322.9 1.5 13.0 0.6

272 영 주 Yeongju 36°52' 128°31' 210.2 211.6 1.5 10.0 0.6

273 문 경 Mungyeong 36°37' 128°09' 170.4 171.0 1.5 10.0 0.6

277 영 덕 Yeongdeok 36°32' 129°25' 41.2 42.5 1.6 10.0 0.6

278 의 성 Uiseong 36°21' 128°41' 81.1 82.2 1.5 10.0 0.6

279 구 미 Gumi 36°08' 128°19' 47.9 49.3 1.5 10.0 0.5

281 영 천 Yeongcheon 35°58' 128°57' 94.1 96.1 1.5 10.0 0.5

284 거 창 Geochang 35°40' 127°55' 220.9 222.6 1.5 10.0 0.6

285 합 천 Hapcheon 35°34' 128°10' 32.7 34.3 1.5 10.0 0.6

288 밀 양 Miryang 35°29' 128°45' 12.6 14.7 1.5 10.0 0.5

289 산 청 Sancheong 35°25' 127°53' 138.6 140.5 1.5 16.5 0.6

294 거 제 Geoje 34°53' 128°36' 45.3 45.6 1.5 10.0 0.5

295 남 해 Namhae 34°49' 127°56' 44.4 45.7 1.5 10.0 0.5

<표 40> 지상기상관측지점일람표2

아래는 실제 기상청이 제공하고 있는 자료의 사례로

∘ 연월일시(YYYY,MM,DD,HH),

∘ 온도(TEMP, Temperature),

∘ 바람방향(WDIR, Wind Direction),

∘ 풍속(WSPD, Wind Speed),

∘ 습도(HMDT, Humidity),

∘ 강우량(PREC, Precipitation),

- 81 -

∘ 일사량(SRAD, Solar Radiation)

등의 정보가 상기와 같은 지역구분하에서 시간대별로 확인할 수 있다.

[그림 27] 기상자료의 실제형태 및 내용

주: 연월일시(YYYY,MM,DD,HH), 온도(TEMP, Temperature), 바람방향(WDIR, Wind Direction), 풍속

(WSPD, Wind Speed), 습도(HMDT, Humidity), 강우량(PREC, Precipitation), 일사량(SRAD, Solar

Radiation)

2) 계약종별

계약종별 구분의 가장 큰 이유는 전력요금의 부과기준이 된다는 점이다. RTP 도입, 경제성

DR 등의 논의는 소비자의 가격에 대한 반응을 염두에 둔 논의라는 점을 감안한다면, 이 계약

종의 구분은 매우 중요한 정보를 제공하고 있다.

참고로 아래는 가장 최근의 계약종별 전력요금표이다.

- 82 -

<표 41> 전기요금표 (2012년 8월 6일 시행) -1

- 83 -

<표 42> 전기요금표 (2012년 8월 6일 시행) -2

- 84 -

<표 43> 전기요금표 (2012년 8월 6일 시행) -3

- 85 -

<표 44> 요금표적용기준 시간대 구분

현행 요금표는 주택용은 누진제, 농사용은 기본요금과 전력량요금만으로 구성된 단일요금

제, 심야전력은 심야전력시간대와 겨울철과 그 외의 게절구분 등으로 특성화하여 볼 수 있지

만 그 외 산업용, 일반용, 교육용 등은 계절별 시간대별 요금으로 대표되는 TOU(Time of Use) Pricing의 형태를 갖고 있을 뿐 아니라 요금제 선택사항이 있음을 알 수 있다.

이들 요금표 정보는 수요가 가격에 반응하는 정도를 실증분석하기 위해서는 활용하지 않을

수 없는 정보이며, RTP요금제에 대한 분석을 하는 경우에도, RTP가 적용되기 이전 자료를 포

함하여 자료의 활용을 확대하는 것이 좀 더 많은 정보를 분석에 이용할 수 있다는 점에서 꼭

필요한 자료라고 하겠다.

- 86 -

통상 연구결과가 제시될 때, 전력소비의 용도별 구분으로,

∘ 주택용

∘ 일반용

∘ 산업용

∘ 농사용

∘ 가로등용

∘ 공공용

등으로 구분되는 경우가 많은데, 이는 한전의 분류기준에 따르면, 게약종별 대분

류에 해당한다는 점은 주목할 만하다.

특히 앞서 지적한 바와 같이 한전의 고객정보에는 각 소비자가 아래와 같은 산업분류별로

구분되어 있다는 점을 지적한다. 물론 고객의 산업분류정보는 전 기간 동안 하나로 존재하지

는 않는 경우가 많고, 또 2008년 7월 한국표준산업분류(KSIC) 기준이 변경됨에 따라, 이를 소

비자별로 재 분류하는 작업은 엄청난 시간과 노력이 필요하다는 점을 지적하지 않을 수 없다. 특히 지사별로 이들 분류의 변경시점에 대한 정확한 정보를 기재하지 않는 경우가 있어, 이는

또 다른 문제를 야기하기도 한다.

- 87 -

분석상 분류코드

9차 한국표준산업분류코드 산업분류명 최종 산업

그룹번호0000 미분류

0100 01XXX-03XXX 농업, 임업 및 어업 01

0200 05XXX-08XXX 광업 02

0310 10XXX 식료품 제조업03

0311 11XXX 음료 제조업

0312 12XXX 담배 제조업 04*

0313 13XXX 섬유제품제조업; 의복제외 05

0314 14XXX 의복/의복액세서리 및 모피제품 제조 06

0315 15XXX 가죽./가방 및 신발 제조업 07

0316 16XXX 목재 및 나무제품 제조업; 가구제조 08

0317 17XXX 펄프/종이 및 종이제품 제조업 09

0318 18XXX 인쇄 및 기록매체 복제업 10

0319 19XXX 코크스/연탄 및 석유정제제품 제조업 11

0320 20XXX 화학물질/화학제품 제조; 의약품 제외12

0321 21XXX 의료용 물질 및 의약품 제조업

0322 22XXX 고무제품 및 플라스틱 제조업 13

0323 23XXX 비금속 광문제품 제조업 14

0324 24XXX 1차 금속 제조업 15

0325 25XXX 금속가공제품 제조; 기계 및 가구 제조 16

0326 26XXX 전자부품컴퓨터/영상음향/통신장비제조 17

0327 27XXX 의료/정밀/광학기기 및 시계 제조업 18

0328 28XXX 전기장비 제조업 19

0329 29XXX 기타 기계 및 장비 제조업 20

0330 30XXX 자동차 및 트레일러 제조업 21

0331 31XXX 기타 운송장비 제조업 22

0332 32XXX 가구제조업23

0333 33XXX 기타제품제조업

0400 35XXX-36XXX 전기, 가스, 증기 및 수도사업 24

0500 37XXX-39XXX 하수 · 폐기물 처리, 원료재생 및 환경복원업 25

0600 41XXX-42XXX 건설업 26

0700 45XXX-47XXX 도매 및 소매업 27

0900 55XXX-56XXX 숙박 및 음식점업 28

0800 49XXX-52XXX 운수업29

1000 58XXX-63XXX 출판, 영상, 방송통신 및 정보서비스업1100 64XXX-66XXX 금융 및 보험업 30

1200 68XXX-69XXX 부동산업 및 임대업311300 70XXX-73XXX 전문, 과학 및 기술 서비스업

1400 74XXX-75XXX 사업시설관리 및 사업지원 서비스업1500 84XXX 공공행정, 국방 및 사회보장 행정

321600 85XXX 교육 서비스업1700 86XXX-87XXX 보건업 및 사회복지 서비스업

331800 90XXX-91XXX 예술, 스포츠 및 여가관련 서비스업

1900 94XXX-96XXX 협회및단체,수리 및 기타 개인 서비스업

2000 97XXX-98XXX 가구내 고용활동 및 분류되지 않은 자가소비 생산활동

2100 99XXX 국제 및 외국기관 34*

0000 미분류 35*

* 는 표본부재로 분석에서 제외되었으나, 시뮬레이션을 위하여 타부문 가격탄력성의 평균값을 적용함.

아래 실증분석의 경우, 산업분류는 상기의 ‘최종산업그룹번호’ 기준으로 D01 (01산업 예) 등으로 표기함.

<표 45> 분석에 이용된 산업그룹 분류

- 88 -

3) 용도별

상기의 용도별 분류 정보는 계약종별 대, 중, 소분류가 요금표를 기준으로 작성된데 반해

고객의 특성을 반영할 수 있는 추가정보로 활용할 수 있다는 점에서, 또 분석에 필요한 고객

별 자료가 항상 부족한 현황을 감안한다면, 꼭 활용할 수 있도록 확보하여야 할 필요 자료라

고 할 수 있다.

4) 수요관리요금제도, 선택요금제도 및 기타 할인제도

아래는 ‘08년 이전과 '09년 이후의 수요관리체제를 간략히 비교정리한 표이다.

‘08년 이전

⇨

‘09년 이후공급자 중심

(공급자-소비자 사전약정)수요자 중심(소비자 참여)

프로그램 시행시기 프로그램 시행시기하계휴가보수 사전확정(6개월전) 지정기간제도 1개월전 확정 한전

시행자율절전 사전확정(6개월전) 주간예고제도 1주전 확정

직접부하제어 예비력200만kW이하하루전 시장 1일전 개설 거래소

시행한시간전시장 1시간전 개설

<표 46> ‘08년 이전과 '09년 이후의 수요관리체제 비교

프로그램지정기간

수요조정

주간예고

수요조정

수요

자원시장주관기관 한전 한전 전력거래소예고기간 2개월 2일~5일 1시간~24시간

적용대상 최대수요 100kW이상(일반,산업)감축가능

300kW이상부하특성 휴가, 보수일정조정 적정 기간 필요 수요 즉시 응동가능 수요운영시기 피크발생예상기간 공급력 500만kW이하, 피크갱신기간

조정시간하계부하관리기간

(11시-12시, 13-17시)

하계 : 11-12시, 13-17시

동계 : 10:30-11:30, 17:30-18:30

지원금 760-930[원/kW] 360-570[원/kW] 900-1300[원.kWh]

<표 47> 현행 부하관리 프로그램 현황 및 시장규모

- 전력수요관리 기금(연간 1,200억원, 9% 내외)

- 전력부하관리, 전력효율향상, 수요관리홍보, 수요관리평가

- 2009년 전력부하관리 지원금(600억원 내외 수준)

- 피크억제효과(MW) 2008 : 2,874 MW, 2009 : 3,765 MW

출처 : SG활성화를 위한 상시수요관리시장추진 방안, 박종배

- 89 -

구분

연도

지정기간 주간예고비고

단가 주요개정사항 단가 주요개정사항

2002년 620원

○ 지원방법 변경

- 요금정산

→ 기반기금지원변경

120원

○ 지원방법 변경

- 요금정산

→ 기반기금지원변경

2003년

650원

○ 참여대상 변경

- 계약전력500kW이상

→ 300kW이상

○지원금조정(620→650)

140원

○ 지원대상 조정

- 계약전력 1,000kW이상

→ 500kW이상

○지원금조정(120→140)

2004년○ 부하조정 약정일수

조정(3일이상→2일이상)

2005년

○ 장기계약 고객 추가

지원금 지급

○ 부하조정시간 조정

- 10시간(08~18시)

→ 8시간(10시~18시)

○ 장기계약 고객 추가

지원금 지급


계약전력 500kW

→ 계약전력 300kW

2006년


계약전력 300kW이상

→ 최대전력 100kW이상

○ 참여대상 변경(좌동)

○ 자율절전 이행기준

(5회→8회 이상 조정)

2007년 - -

2008년 - -

2009년850원

○ 명칭변경

(휴가보수→지정기간)별도표*

참조

○ 명칭변경

(자율절전→주간예고)

2010년 ○장기지원금 폐지 ○ 지원단가 조정

아래에서는 지정기간 수요조정, 주간예고 수요조정, 그리고 수요자원시장 등과 같은 현행 부

하관리 프로그램에 대한 간략한 내용을 정리하였다.

<표 48> 수요조정제도 단가 변경 및 연도별 개정사항 요약

예고시기 3일전예고 4일전예고 5일전 예고 6일전예고 7일전예고

2009년 단가 580원 530원 470원 410원 350원

예고시기 1일전예고 2일전예고 3일전예고 4일전예고 5일전예고

2010년 단가 570원 500원 450원 400원 360원

<표 49> 2009~2010년 주간예고 단가

주: 2009년 3일전 예고는 시행전주 금요일에 주간예고 시행예고를 할 때 기준으로 월요일까지 3일전예

고라고 호칭(혼란 우려) → 영업일 기준 1일전 예고로 변경함

- 90 -

∘ 지정기간제

개정내용 현행 개선 개정사유

1. 제도 시행여부

및 시행기간

결정방식 개선

제도

시행여부/시행시

기 한전 결정

제도 시행여부 및 시행시기는

정부, 한전, 거래소 등 관계기관

협의를 통해 결정

3. 고객 약정서

수정기한 변경

시행 10일전

수정시행 5일전(영업일기준) 수정

4. 제도 시행전

참여신청 절차 신설(신규)

제도시행전 신청절차 신설 -

수요정보/포탈시스템 반영

12. 고객기준부하

산정방식 개선

시행일 직전

정상영업일 10일

중 (이하 생략)

시행일 직전 정상영업일 10일 중

(이하 생략)

<표 50> 지정기간제 개정안

∘ 주간예고제

개정내용 현행 개선 사유

5.참여신청서

제출기한 변경

구분 시행예고 제출기간 수정기한 구분시행

예고제출기간 수정기한

5~7일

전예

고

금요일

오전

월요일

12시

시행전전

일 18시

5~7일

전예

고

금요

일

오전

금요일

17시

시행전전

일 18시

8. 시행조건 개선공급예비력 6,000MW이하 또는

최대전력 경신 전망시

공급예비력 5,000MW이하 또는

최대전력 경신 전망시

10. 이행요건

강화

기준부하 대비 10%이상,

3,000kW이상 감축

산업용은 기준부하 대비

20%이상, 3,000kW이상 감축

일반용, 산업용 기타사업의 경우

변동없음11. 고객기준부하

산정방식 개선

시행일 직전 정상영업일 10일

중(이하 생략)

시행예고일 적전 정상영업일

10일 중(이하 생략)

14. 부하조정효과

없는 고객 유형별

구체화지정기간‘ 제도에만 기술됨

‘주간예고’ 제도에 추가 기술

17. 지원금 조성위의 주간예고 단가(2009~2010년)

표 참고

위의 주간예고

단가(2009~2010년) 표 참고

<표 51> 주간예고제 개정안

∘ 수요자원시장

수요자원시장은 소비자, 정부, 그리고 전력거래소로 구성되며 각 기관별 기능은

- 91 -

다음과 같다.

- 소비자: 감축량 및 감축비용산정 및 입찰, 실제부하감축 및 정산금수령

- 정부: 수요관리정책 및 규제, 지원금확보 (전력산업기반기금)

- 전력거래소: 수요자원시장운영 및 부하감축시기, 감축량결정

[그림 28] 수요자원시장 운영프로세스

출처: 전력거래소 (2009.5)

[그림 29] 수요자원입찰 및 감축가격, 감축량 산정

출처: 전력거래소 (2009.5)

- 92 -

아래는 선택요금제 요금부과기준이며, 앞서 확인한 바와 같이 산업용, 일반용, 교

육용 등은 모두 고객에게 이러한 요금제 선택사항이 주어져있다.

<표 52 > 선택요금제 요금부과 기준

RTP적용 대상고객이 상기와 같은 수요관리제도 및 선택요금제 등에 참여하였는지의 여부

는 DR의 효과를 추정함에 있어, 반드시 고려하지 않으면 안되는 조건들이다. 왜냐하면, 수요

절감이 RTP의 적용결과인지 아니면 수요관리제도나 특정 요금제도를 선택한 결과인지를 별

도로 구분해내어야 제대로 된 평가가 가능할 것이기 때문이다.

하지만 앞서 제시된 그림과 표에서 확인할 수 있듯이 분석대상고객이 이러한 프로그램에

참여하는 경우, 관련 분석정보는 매우 복잡한 양상을 띄지 않을 수 없다는 점에서 특별한 주

의가 필요한 부분이다.

∘ 기타 할인제도 - 아래는 할인제도 관련 내용이다.

구 분 할인율

기초생활수급자

전기요금 감액

(월8천원 한도)

장애인국가유공자5.18 민주유공자독립유공자차상위계층 전기요금 감액(월2천원 한도)

3자녀이상 가구 전기요금 20% 할인(월1만2천원 한도)사회복지시설 전기요금 21.6% 할인

<표 53> 주택용 전력 복지할인 요금제도, 2011년 8월 1일 시행

∘ 구좌읍의 경우, 요금할인 적용대상의 종류가 상기의 요금표에 적시된 내용보

다 훨씬 다양한 점 등

은 실제 분석시 별도로 고려하여야 할 부분들이다.

- 93 -

지수 및 코드

자료의 계층구조

총지수15.1.

산업일반15.1.3

산업생산지수(지표선택:원지수)총지수(광업.제조업.전기및가스업)

제조업지수

15.1.3

산업생산지수(지표선택:원지수)제조업

서비스업지수

15.5.

서비스업 15.5.1

서비스업생산지수(지표선택 : 불변지수)

농업종사자수

15.6.

고용,임금,

가계

15.6.1-2

경제활동인구(신분류, 2004~)

경제활동인구 취업자 산업별A 농업,임업

및 어업

100

15.2.

농림어업및 광업

15.2.1 농업생산지수

200

15.1.

산업일반

15.1.3

산업생산지수 (지표선택 : 원지수)

광업

310

제조업

식료품

311 음료품312 담배

313 섬유제품314 의복, 악세서리 및 모피제품

315 가죽, 가방 및 신발316 목재 및 나무제품

317 펄프, 종이 및 종이제품

318 인쇄 및 기록매체 복제

<표 54> 산업생산지수의 출처 및 상세내용

5) 기타 개별 수용가 정보의 추론방법

(1) 개요

일반용, 산업용의 경우, 가장 단순한 방법으로는 개별고객정보대신 아래와 같이 산업별 생

산지수 등을 규모변수로 활용하는 방법 등이 가능하다. 이때 해당부문의 물가지수 등을 함께

사용가능하고, KISVALUE data 도 경우에 따라서 유용하게 활용이 가능할 것으로 보인다. 다만 구자읍의 경우와 같이 가구 구성원에 대한 정보가 있는 경우, 별도의 방안이 고려될 수 있

다.

아래에서는 이러한 경우에 대해 활용가능한 자료가 어떻게 동원될 수 있는지에 대해 논의

하기로 한다.

(2) 산업생산지수

한국은행 경제통계시스템 사이트(http://ecos.bok.or.kr/)로 접속 후, 통계검색 > 간편검색 > 15. 산업 및 고용 순으로 클릭하여 자료를 얻는다.

- 94 -

319 코크스, 연탄 및 석유정제

320 화학물질 및 화학제품321 의료용 물질 및 의약품

322 고무 및 플라스틱제품323 비금속 광물제품

324 1차금속제품

325 금속가공제품326 전자부품, 컴퓨터, 영상 음향 및 통신장비

327 의료, 정밀, 광학기기 및 시계328 전기장비

329 기타기계 및 장비330 자동차 및 트레일러

331 기타운송장비

332 가구333 기타 제품

400 전기가스업

50015.5.

서비스업

15.5.1

서비스업생산지수 (지표선택 : 불변지수)

하수 및 폐기물 처리, 원료재생 및 환경복원업

* 600 <표 39> 참조700

15.5.

서비스업

15.5.1


도매 및 소매업

800 운수업900 숙박 및 음식점업

1000 출판, 영상, 방송통신 및 정보서비스업1100 금융 및 보험업

1200 부동산업 및 임대업1300 전문, 과학 및 기술 서비스업

1400 사업시설관리 및 사업지원 서비스업* 1500 <표 39> 참조

1600

15.5.

서비스업

15.5.1


교육 서비스업1700 보건 및 사회복지 서비스업

1800 예술, 스포츠 및 여가관련 서비스업1900 협회 및 단체, 수리 및 기타 개인 서비스업

* 2000<표 39> 참조

* 2100

- 95 -

코드 항목 계층 자료의 계층 구조

600

건설업(=국내건설기성액/생산자물가지수)

국내건설기성액15.4.

전기,가스,

수도사업,건설업

15.4.8

건설기성액총기성액

* 생산자물가지수 * 7. 물가7.1.

생산자물가지수총지수

1500

공공행정,국방 및 사회보장 행정

(=서비스업생산지수 - 환경서비스업)

서비스업생산지수

15.5.

서비스업

15.5.1


(불변지수)

총지수

환경서비스업

하수,

폐기물 처리,

원료재생 및환경복원업

2000가구내 고용활동 및 달리 분류되지 않은

자가소비 생산활동 15.5.

서비스업

15.5.1


(불변지수)

총지수

2100 국제 및 외국기관

<표 55> 산업생산지수 출처 및 상세내용 (계속)

(3) 가격지수

가격지수 자료 출처의 계층구조

생산자 가격지수

7.물가

7.1.

생산자물가지수7.1.1

생산자물가지수(기본분류)(2005=100)총지수

소비자 가격지수

7.3.

소비자물가지수7.3.1

소비자물가지수(2005=100)(전국)총지수

에너지부문가격지수

7.1.

생산자물가지수7.1.2

생산자물가지수(특수분류)(2005=100)

에너지,

에너지 이외에너지

<표 56> 가격지수의 출처

* 단, 생산자물가지수의 경우, 15. 산업 및 고용이 아닌 7. 물가를 클릭하여 자료를 참조함

* 시간대별 모형에서는 실질가격을 구함에 있어 생산자 가격지수를 사용함.

(4) KISVALUE data

KISVALUE는 한국신용평가정보에서 제공하는 KOSPI상장기업과 외부감사대상기업의 기업

정보를 포함한다.

- 96 -

[그림 30] KISVALUE 데이터

KISVALUE 자료는 개별기업의 규모변수(생산, 매출액, 고용의 크기) 등에 대한 정보를 담

고 있기 때문에 상기에서 지적한 바와 같이 단순히 분석대상기업이 포함되어 있는 산업의 생

산지수를 그대로 사용하는 것과 달리, 해당 기업의 실제 생산 영업활동을 반영할 수 있는 자

료를 확보하여 분석에 응용할 수 있다는 점에서 매우 설명력이 높을 수 밖에 없다는 특징이

있다. 아래는 KISVALUE에서 확인할 수 있는 삼성전자의 구체적인 데이터 형태를 보여주고

있다.

- 97 -

[그림 31] KISVALUE에 나타난 삼성전자의 기업통계

하지만 상장기업이나 외부감사를 받아야하는 비상장기업의 경우, 한 기업에 여러 개의 사

업장이 동시에 존재하는 경우가 대부분이다. KISVALUE 자료는 사업장 단위의 자료를 제공

하지 못한다는 측면에서 실제 분석에 동원되기에는 어려움이 있다는 점을 지적하지 않을 수

없다. 다만 기업과 사업장이 동일한 경우에는 이 보다 설명력있는 규모변수를 확보할 방안은

없는 것으로 판단된다.

아래는 삼성전자라는 한 기업에 속해있는 여러 개의 대표사업장을 예시하고 있다.

- 98 -

[그림 32] 삼성전자의 대표 사업장 (예시)

- 99 -

(5) 가구별 구성원 정보만이 존재하는 경우

한국전력에서 2011년 6 ~ 7월에 국내형 고객(응답자수:512호)을 상대로 가구원수에 대해 전

화 조사한 결과로 조사된 가구원의 항목에 대한 정보가 존재하며, 구체적인 내용은 다음과 같

다.

총 가구원수|초등학생|중학생|고등학생|대학생|유아|20|30|40|50|60|70|80대 이상

이 경우 가국별 activity 수준을 반영할 수 있는 소득 등의 규모변수로 활용할 수 있는 자료

는 상기의 정보가 유일한 것으로 이를 반영하지 못하는 경우에는 추정결과가 아래와 같이 편

의(bias)를 갖게 됨을 알 수 있다.

PRF (Population Regression Function)이

이고, ′′ ′라 가정하자. 본 연구의 경우에서 합당한 소득변수가

없는 경우, 즉, 위의 예에서 변수에 대한 정보가 없어 이를 제대로 반영하지 못하고 추

정하는 경우,

와 같이 분석을 시도하게 되는 것과 마찬가지가 된다. 이 때, 최소자승추정법에 의해 회

귀분석한 결과, 모수 에 대한 추정치 은 다음과 같은 특성을 갖게 된다.

′ ′

′ ′

′ ′ ′

′ ′

≠

이 됨을 쉽게 확인할 수 있다.

- 100 -

(가) 문제해결을 위한 시도

- 가계동향조사 자료는 통계청 마이크로데이터 서비스 시스템을 통해 제공되

며, 1990년부터 2011년까지의 매년 8천여 가구를 대상으로 매월 방문 등을

통하여 가구실태(가구원수, 가구원 활동상태 등)에 대한 조사자료 이다.

- 조사방법 및 자료의 구성에 대해서는 마이크로데이터 서비스 시스템

(http://mdss.kostat.go.kr/)에서 찾아볼 수 있으며 자료추출 방법은 다음과

같다.

수

[그림 33] 자료이용 절차 (MDSS 홈페이지 화면)

① 자료신청 버튼 클릭

② 추출 메뉴 클릭

③ 대상자료 선택 후 일반검색 클릭(항목기준 검색은 검색하고자 하는 용어

를 포함하는 원시자료를 보여줌)

④ 수 선택대상이 되는 자료의 컬럼명

⑤ 선택된 자료의 컬럼명. 선택대상 컬럼명에서 선택하고, 추가버튼을 클

릭하면 의 선택된 컬럼명에 보여짐

⑥ 추출한 자료는 결재 후에 사용가능

- 자료의 700여 항목 중 소득지수 산정에 쓰인 자료의 내용은 다음과 같다.

- 101 -

- 전체 가구원수 - 주민등록 등재여부와 관계없이 생계를 같이하고 자산 또는

소득의 전부나 일부를 공동으로 사용하는 가구의 구성원. 가구는 혈연관계

인 가족으로 구성되기도 하고, 비혈연 관계인 가구원이 동거하는 경우도 있

음. 또한, 가족이라 해도 취업, 유학 등의 사유로 함께 생활하지 않는 경우

는 가구원에 포함하지 않음.

- 취업자수 - 가구원 중 취업상태인 인원.

- 노인가구 - 18세 이상 65세 미만 가구원을 포함하지 않고, 가구원 중 1인 이

상이 60세 이상 노인인 가구

- 도시가구 - 도시구분 여부, 도시(=동부) 지역과 읍면부

- 가구주 성별 및 나이 - 호적 상의 호주나 주민등록상의 세대주와는 관계없

이 가구의 구성원 중 실제적으로 생계를 책임지고, 생활비용을 주로 조달하

고 있는 사람. 따라서 주민등록의 세대주나 단순히 가구의 중요한 일을 결

정하는 가장과는 차이가 있음.

- 가구주 학력 및 수학여부 - 학력은 무학, 초등학교, 중학교, 고등학교, 전문

대, 대학교, 대학원으로 구분되며, 수학여부는 졸업, 재학, 중퇴, 휴학으로

구분됨.

- 가구원#2 ~ #8 의 나이 - 가구주를 제외한 가구원 각각의 나이.

- 소득 - 가구의 실질적인 자산의 증가를 가져온 일체의 현금 및 현물의 수입

을 말하며 경상소득과 비경상소득으로 구성. 자산거래, 이전 및 보유로 인

한 평가손익 및 자산거래로 인한 손익은 포함되지 않음(펀드의 차손, 주식

거래 차익 및 차손 등은 포함되지 않음)

(가) 소득지수 산정을 위해 사용가능한 추정식

∘ 위의 자료를 이용하여 소득지수를 산정함에 있어 사용할 수 있는 추정식은

다음과 같다.

- 102 -

소득

가구원수

취업자수

노인가구

도시가구

가구주성별

가구주나이

학력

수학여부

나이대별가구원수

월별더미변수

연도더미

6) RTP 적용관련 표본선정시 고려사항

상기의 논의에서는 분석대상이 되는 전력부하자료의 분류체계와 주어진 자료를 분석하는

데 필요한 외생변수들과 추가로 고려하여야 할 사항들에 대한 논의를 진행하였다. 논의과정

에서 확인한 사항은 특히 개별고객의 소비패턴을 분석해야 하는 경우, 고객별 특성이 반영될

수 있는 정보를 최대한 활용하여야 한다는 점이다. 또 이들 고객별 정보, 특히 관련 소득, 생산액, 생산규모 등의 자료는 개별고객의 privacy와 관련된 문제가 있어 쉽게 확보하지 못하는

경우가 많다는 문제가 있다.

처음 RTP 적용을 위한 대상고객 선정 등 계획단계에서 고려할만한 방법으로는

2. 인구주택총조사를 기본으로 한 표본선택방법 - 이 센서스에는 해당 가구의 주거형태, 소득, 가구원의 구성 및 연령분포 등 다양한 정보가 이미 수록되어 있다는 장점이 있다.

3. 온실가스 종합센터의 자료 (환경부, 2011.3.16)

∘ 「저탄소 녹색성장 기본법」제42조 및 같은 법 시행령 제26조 제2항에 따라 「온실가

스․에너지 목표관리 운영 등에 관한 지침」이 고시되었고, 지침의 제10조 3항에 다음과

같이 적시되어 있다. 즉, “③ 제1항 및 제2항에도 불구하고 관련 자료의 확인이 곤란할

경우 에는 해당 법인 등에게 별지 제1호 서식의 관리업체 지정 활동자료 조사표에 따라

관련 자료를 요청할 수 있다.”

- 103 -

∘ 따라서, 온실가스배출감축을 위한 통계자료구축이 진행되고 있고, 이들 정보

에는 아래와 같이 사업장별로 매우 상세한 내역이 담겨 있어 부처간 협의를

통해 이의 활용을 적극 검토할 필요성이 있다.

∘ 아래는 상기에서 지적된 별지 제1호 서식의 내용으로 여기에는 전체 기업 뿐

아니라 개별사업장별 직원수, 소재지, 상세 에너지사용량 등의 정보가 담겨있

음을 알 수 있다.

- 104 -

<표 57> 온실가스․에너지 목표관리 운영 등에 관한 지침 별지 제1호 서식 - 1

- 105 -


- 106 -


여기에 추가하여, 기타 각 산업별 공정배출관련 추가 정보제출이 요구되고 있다.

- 107 -

4. RTP 적용대상 표본선정시 추가로 고려하여야 할 사항

∘ 계약종별 대분류 기준으로 어떤 표본을 우선적으로 선택할 것인가의 여부

- 2010년 에너지 밸런스에 의하면, 전체 전력소비 중 가정용이 차지하는 비중

은 14.1%로, 이는 산업용 51.4%, 상업용 27.8% 다음에 위치하고 있다.

- 가정용 소비는 소비비중에 비해 가구수의 측면에서 산업용과 상업용에 비교

가 되지 않을 정도라 많은 소비자가 그 대상이 된다.

- 반면, 산업용의 경우, 2010년 기준 상위 15개 기업의 소비량은 전체 산업용

내 15.08%를 차지하고 있음을 확인한 바 있음 (한국전력공사, 2011.7). 이를

비선형모형으로 단순회귀분석하여 연장하는 경우 상위 100대 기업의 산업용

전력소비량은 전체 산업용의 55.9%, 또는 전체 전력소비량의 29.96%에 육박

하게 됨을 보여주고 있다.

∘ RTP요금제 적용 또는 CPP (Critical Peak Pricing) 등의 적용 및 효과분석을

가정용을 대상으로 하기 보다는 산업용을 대상으로 우선 실시함이 비용효과

적 측면에서 바람직해 보인다.

∘ 특히 산업용의 경우, 확보가능한 자료의 측면에서 살펴보면, 해당 기업의 사

업장별 소득자료 확보는 어렵지만 해당 산업의 생산지수 등을 원용하여 규모

변수로 활용할 수 있다는 분석상의 장점도 아울러 함께 있다는 점을 감안할

때 시사하는 바 크다.

∘ 특히 2012년 전력수급상의 문제로 전력수요관리7)에 막대한 전력기반기금이

사용되고 있고, 이 기금지원이 대부분 산업용 전력수요저감에 지원되고 있다

는 사실을 감안한다면 그 필요성은 더욱 명확하다.

7) 상기 수요관리 부문에 대한 설명 참조.

- 108 -

4. 실시간 요금제도입관련 실증분석방법 및 결과의 비교

가. 개요

본 장에서는 실시간 요금제도입관련 실증분석방법에 대한 논의와 실제 진행된 연구결과를

상세히 점검, 비교 분석함으로써 현재 연구가 갖는 의의, 한계 및 개선점에 대해 살펴보고자

한다.

나. 시간대별 전력소비자료의 특성과 패널모형

시간대별 전력소비행태 분석의 대상이 되는 자료의 특성에 대해 먼저 살펴보면 다음과 같

은 특징을 가지고 있다. 자료가 각 소비자별로는 시계열로 구성되어 있고, 이들 시계열 자료

는 한편으로 일반용, 산업용소비자 등과 같이 여러종류의 계약종별에 걸쳐 분포되어 있다는

점에서 대규모의 패널자료의 형태로 되어 있다.

아래는 본 연구의 대상이 되는 전력소비자료의 형태가 갖는 패널의 특성을 나타내고 있는

데, 종으로는 시계열 자료의 특성을 띠고 있지만, 이 자료가 계약종별로, 세부산업별로, 그리

고 지역별로 분포하는 입체적 특성을 갖게 된다.

[그림 34] 시간대별 자료의 패널형태

따라서 본 연구는 대규모 패널자료 분석모형으로 구성하여야 한다는 결론을 얻을 수 있다.

- 109 -

다. 패널모형 개요

패널자료를 이용한 회귀분석은, 상기의 다중회귀분석의 예를 들어 설명하면 다음과 같다. 즉, 주어진 시점의 횡단면 자료인 경우 SRF가

와 같이 주어지지만, 패널자료인 경우에는 시간 축에 대해서도 정보가 있으므로 주어진

SRF는

로 ⋯ 개의 식이 존재하는 형태가 된다. 최소자승법을 적용할 수 있는 경우,

′

′

′ ′′ ′′의 형태를 띠게 된다.

목적함수 를 에 대해 1차 미분을 통해 1계 조건을 구하면,

′

′ 로부터, 아래의 형태가 됨을 알 수 있다.

′

′

오차항이 이분산을 갖는 경우, 즉 ∼ 의 경우는 앞의 논의로부터,

′

′

의 형태가 되는 것이다. 다만 통계량에 포함된 는 모집단 파라미터로 별도의 추정이 필

요하게 된다.

- 110 -

라. 동태적 패널선형회귀 분석방법

실시간 요금제도입관련 실증분석은 대부분 개별 고객의 특성을 반영한 가격탄력성 추정, 분석결과를 이용한 DR효과의 산정, 단기예측 등의 결과를 요구하고 있다는 점에서 연구방법

론으로 동태패널선형회귀모형을 선택하여 사용하고 있다. 그런데, 이러한 경우, 해당 모형의

추정시 그룹 내 추정량의 일치성/불일치성과 관련된 이슈가 존재한다.

만약, 가 고정된 작은 수치값이라면 공분산은 0으로 수렴하지 않게 되고, 따라서 그룹내

추정량은 불일치 추정량이 된다는 지적이다. 이러한 경우를 해결하는 추정방법을 연구한 문

헌으로는 Hsiao and Anderson(1981), Arellano and Bond(1991) 등을 들 수 있다.

실시간 요금제도입관련 실증분석 사례와 본 연구에서 적용을 시도한 동태패널선형회귀모

형(dynamic panel linear regression model)은 간단히 다음과 같이 표현할 수 있다.

x′ … …

를 설명하는 변수에 시차 종속변수인 가 포함되어 있으며, 개별효과(individual effects)를 반영하기 위하여 가 포함되어 있다. 모형의 추정을 위하여 통상적으로 다음과 같

은 표준적인 가정을 수용한다.

[가정 1] 모든 및 에 대하여, 는 와 무상관 관계를 가진다.

[가정 2] 모든 및 에 대하여, 는 와 무상관 관계를 가진다.

[가정 3] 모든 및 에 대하여, 는 상호간에 무상관 관계를 가진다.

[가정 4] (선택적 가정) 모든 및 에 대하여, var ≡ 이다.

표준적인 가정을 충족시키는 동태패널선형회귀모형에서 그룹내 추정량(within estimator)의

일치성/불일치성은 가 커지는 상황인지에 달려 있다. 미시 패널자료의 경우, 는 작은 시

계열 길이(예: 5)인 반면 은 상대적으로 큰 횡단면 길이를 가진다. 반면 거시 패널자료의

경우, 는 상대적으로 긴 시계열 길이인 반면 은 작은 횡단면 길이(예: 개별고객수)를 가

진다. 본 보고서에서 다루고 있는 패널자료의 속성은 거시 패널자료에 해당한다. 횡단면 길이

는 고정된 반면 시계열 길이는 개념상 지속적으로 증가될 수 있으며, 현재 분석하는 자료(시간단위 자료)의 길이도 7320시간에 해당하는 큰 값이다. 다음은 그룹내 추정량이 일치성을 갖

기 위한 조건에 관한 정리와 따름의 증명을 간략히 제시하고 있다.

- 111 -

[정리] 그룹내 추정량(within estimator)은 가 크지 않다면 불일치 추정량이다.

[증명] 먼저 표본평균과 관련한 표식을 아래와 같이 정의한다.

≡

⋯

≡

⋯

xt ≡

x x ⋯ x

≡

⋯

위 표식을 사용하여 (식 42)는 다음과 같은 표준편차 형태로 표현할 수 있다.

x x ′

그룹내 추정량의 일치성 여부는 와 의 상관성 여부에 달려 있다.

와 의 공분산은 점근적으로 다음과 같이 표현할 수 있다.

cov ≈

주어진 PRF인 모형식 하에서 모형의 동태안정성(dynamic stability)을 확보하기 위하여

≦ 을 가정하므로 가 커진다면 위에 제시된 공분산은 작아져서 궁극적으로는 0으로 수렴하게 된다. 즉, 그룹내 추정모형식의 우변에 등장하는 “표준편차” 형태의 설명변수들

은 “표준편차” 형태의 오차항과 점근적으로 무상관관계를 가지므로 그룹내 추정량의 일치성

이 성립한다.

본 연구에서 사용하고 있는 자료는 상기에서 지적하고 있는 바와 같이 그룹의 수 에 비

해 각 그룹의 시계열 길리를 표시하는 가 시간대별로 1년 (8760시간)을 대상으로 한다는

점에서 가 충분히 커서 일치추정량을 갖는 경우에 해당되며, 따라서 점근적 일치성의 문제

는 무시하여도 좋은 것으로 간주된다고 하겠다.

- 112 -

마. 사례1: 한국전력공사 (2011.9)8) 연구결과

1) 분석의 개요

본 연구에서 시간대별 추정모형은 다음과 같이 설정하였다.

∈

∈

∈

(식 54)

여기서,

: 기업의 시점 전력소비량 에 로그를 취한 ln 값

: 기업의 계약종에 따른 시점 명목전력요금 을 실질화하여 로그를 취한 값 (추정결과에서 p_rate에 해당)

: 32개 세부산업그룹더미(1~35그룹 중, 그룹 4, 34, 35 제외)

(추정결과에서 D02에서 D33에 해당, 해당 산업분류명은 <표 38> 참조)

: 는 1월부터 12월까지, 는 1시부터 24시까지의 인덱스 더미

(추정결과에서 는 P_JanH02부터 P_DecH24가 해당)

: 주중 일(월, 화, 수, 목, 금, 토요일) (추정결과의 P_Mon~P_Sat가 해당)

: 주중 일과 공휴일이 겹치는 경우(추정결과의 P_MonHol~P_SatHol가 해당)

: 특수 공휴일(설날과 추석) (추정결과의 P_NY와 P_TG가 해당)

: 계약용량 (추정결과의 Size가 해당)

: 각각 냉방도일9), 난방도일10), 습도

: 세부 산업생산지수 (추정결과에서 p_ind가 해당)

8) 전력소비 분석시스템 개발 및 실시간 요금제도 도입 영향분석 (2011.9)의 연구진행 중 추가 연구로 진행되었

던 내용으로 본 보고서에는 포함되지 않음.

9) 냉방도일(cooling degree day, CDD) : 일평균기온이 24℃ 이상이 되는 날의 온도와 24℃와의 차를 일정기간

적산시킨 값

10) 난방도일(heating degree day, HDD) : 일평균기온이 18℃ 미만이 되는 날의 온도와 18℃와의 차를 일정기

간 적산시킨 값

- 113 -

: 주중 일 더미 (추정결과에서 weekday가 해당)

: 낮시간대 더미 (09:00~18:00시까지의 더미) (추정결과에서 day가 해당)

: 기업의 고정효과

2) 추정결과와 시간대별 가격 탄력성의 이해

우선 가격탄력성의 이해를 돕기위해, 예를 들어 자동차 및 트레일러 제조업(산업그룹 21)의

2010년 8월 20일 금요일 16시에 대한 가격탄력성은 아래와 같이 구한다.

(식 55)

여기서, Prate : 기준 가격탄력성 (변수 p_rate)

D21 : 자동차 및 트레일러 제조업 (변수 D21)

PAugH16 : 8월 16시의 계수 (변수 P_AugH16)

PFri : 금요일의 계수 (변수 P_Fri)

<표 60> 시간대별 가격탄력성 확인방법

추정결과는 사용된 설명변수의 수가 많아 직관적으로 이해하기에 다소간 어려움이 있다. 따라서 계절별 대표일 4일과 설날 및 추석에 대해 16시를 기준으로 산정해 본 가격탄력성 산

정결과를 아래에 제시하고, 이 값들을 산정하는데 필요한 원래 추정치에 대한 정보를 관련 표

준오차, t-값, p-값 등과 함께 요약 정리하여 이해를 돕도록 하였다.

* 계절 및 특수일의 일시는 다음과 같다.

계절 및 특수일 계절 및 특수일의 대표일시

봄 2010년 05월 12일(수) 16시

여름 2010년 08월 20일(금) 16시

가을 2010년 10월 12일(화) 16시

겨울 2010년 12월 30일(목) 16시

설날 2010년 02월 14일(일) 16시

추석 2010년 09월 22일(수) 16시

- 114 -

산업그룹번호(Industry Number)

가격탄력성 (Price Elasticity)

봄* 여름* 가을* 겨울* 설날* 추석*

D01 (농업, 임업 및 어업) -0.474 -0.411 -0.472 -0.444 -0.912 -0.636

D02 (광업) -0.218 -0.155 -0.216 -0.188 -0.656 -0.380

D03 (식료품,음료 제조업) -0.249 -0.186 -0.247 -0.219 -0.687 -0.411

D05 (섬유제품 제조업) -0.231 -0.168 -0.229 -0.201 -0.669 -0.393

D06 (의복,모피제품 제조업) -0.256 -0.193 -0.254 -0.226 -0.694 -0.418

D07 (가죽 신발 제조업) -0.179 -0.116 -0.177 -0.149 -0.617 -0.341

D08 (목재 나무제품 제조업) -0.433 -0.370 -0.431 -0.403 -0.871 -0.595

D09 (펄프 종이제품 제조업) -0.340 -0.277 -0.338 -0.310 -0.778 -0.502

D10 (인쇄 기록매체 복제업) -0.254 -0.191 -0.252 -0.224 -0.692 -0.416

D11 (코크스 석유정제품) -0.242 -0.179 -0.240 -0.212 -0.680 -0.404

D12 (화학제품,의약품 제조) -0.238 -0.175 -0.236 -0.208 -0.676 -0.400

D13 (고무 플라스틱 제조) -0.217 -0.154 -0.215 -0.187 -0.655 -0.379

D14 (비금속광물제품 제조) -0.250 -0.187 -0.248 -0.220 -0.688 -0.412

D15 (1차금속 제조업) -0.186 -0.123 -0.184 -0.156 -0.624 -0.348

D16 (금속가공제품 제조) -0.169 -0.106 -0.167 -0.139 -0.607 -0.331

D17 (전자,컴퓨터,통신 제조) -0.199 -0.136 -0.197 -0.169 -0.637 -0.361

D18 (의료,정밀,광학 제조) -0.293 -0.230 -0.291 -0.263 -0.731 -0.455

D19 (전기장비 제조업) -0.152 -0.089 -0.150 -0.122 -0.590 -0.314

D20 (기타기계장비 제조) -0.151 -0.088 -0.149 -0.121 -0.589 -0.313

D21 (자동차 트레일러 제조) -0.156 -0.093 -0.154 -0.126 -0.594 -0.318

D22 (기타 운송장비 제조) -0.139 -0.076 -0.137 -0.109 -0.577 -0.301

D23 (가구, 기타제품 제조) -0.246 -0.183 -0.244 -0.216 -0.684 -0.408

D24 (건기 가스 증기 수도) -0.204 -0.141 -0.202 -0.174 -0.642 -0.366

D25 (하수 폐기물 환경복원) -0.322 -0.259 -0.320 -0.292 -0.760 -0.484

D26 (건설업) -0.291 -0.228 -0.289 -0.261 -0.729 -0.453

D27 (도매 소매업) -0.244 -0.181 -0.242 -0.214 -0.682 -0.406

D28 (숙박 음식점업) -0.261 -0.198 -0.259 -0.231 -0.699 -0.423

D29 (운수업,출판영상정보) -0.293 -0.230 -0.291 -0.263 -0.731 -0.455

D30 (금융 보험업) -0.226 -0.163 -0.224 -0.196 -0.664 -0.388

D31 (부동산,과학기술,사업지원) -0.293 -0.230 -0.291 -0.263 -0.731 -0.455

D32 (공공, 국방, 교육) -0.264 -0.201 -0.262 -0.234 -0.702 -0.426

D33 (보건, 예술, 기타개인) -0.253 -0.190 -0.251 -0.223 -0.691 -0.415

<표 61> 계절별 대표일과 설날 및 추석의 가격탄력성 산정결과

- 115 -

변수 추정치 표준오차 t-value p-value

p_rate(기준가격탄력성) -0.810 0.001 -737.376 0.000

D02 (산업그룹02-광업) 0.256 0.001 204.266 0.000

D03 0.225 0.001 204.912 0.000

D05 0.243 0.001 212.672 0.000

D06 0.218 0.002 116.700 0.000

D07 0.295 0.001 203.892 0.000

D08 0.041 0.001 35.159 0.000

D09 0.134 0.001 115.810 0.000

D10 0.220 0.001 190.482 0.000

D11 0.232 0.002 146.325 0.000

D12 0.236 0.001 221.892 0.000

D13 0.257 0.001 236.923 0.000

D14 0.224 0.001 207.505 0.000

D15 0.288 0.001 269.264 0.000

D16 0.305 0.001 288.698 0.000

D17 0.275 0.001 266.405 0.000

D18 0.181 0.001 147.457 0.000

D19 0.322 0.001 296.740 0.000

D20 0.323 0.001 312.465 0.000

D21 0.318 0.001 304.145 0.000

D22 0.335 0.001 304.383 0.000

D23 0.228 0.001 201.664 0.000

D24 0.270 0.001 233.283 0.000

D25 0.152 0.001 131.439 0.000

D26 0.183 0.001 133.277 0.000

D27 0.230 0.001 218.706 0.000

D28 0.213 0.001 191.269 0.000

D29 0.181 0.001 177.387 0.000

D30 0.248 0.001 202.421 0.000

D31 0.181 0.001 179.553 0.000

D32 0.210 0.001 176.851 0.000

D33 0.221 0.001 208.615 0.000

P_FebH16 (2월16시) 0.067 0.001 99.932 0.000

P_MayH16 0.041 0.001 60.015 0.000

P_AugH16 0.104 0.001 164.219 0.000

P_SepH16 0.061 0.001 91.030 0.000

P_OctH16 0.041 0.001 61.028 0.000

P_DecH16 0.067 0.001 100.992 0.000

P_Mon (월요일) 0.274 0.000 857.045 0.000

P_Tue 0.297 0.000 927.933 0.000

P_Wed 0.295 0.000 923.118 0.000

P_Thr 0.299 0.000 934.368 0.000

P_Fri 0.295 0.000 921.684 0.000

P_Sat 0.074 0.000 1617.105 0.000

P_NY (설날) -0.169 0.000 -695.783 0.000

P_TG (추석) -0.182 0.000 -760.655 0.000

<표 62> 대표일의 가격탄력성 산정에 사용된 원래 추정치

- 116 -

이와 같은 방법으로 얻어 볼 수 있는 월별 시간대별 가격탄력성 표의 종류는

∘ 주중요일별 (7일)

∘ 주중요일과 휴일이 겹친 경우(7일). 단 양자의 경우 일요일은 동일

∘ 그리고 추석, 설날에 대해

1. 각 산업그룹별 (32개)

2. 각 12개월별 24시간대별 (12 x 24 = 288)

로 가격탄력성 표가 달라질 수 있다. 즉, 다음과 같은 다양한 조합의 가격탄력성을 산정해

볼 수 있다.

∘ 월요일 (횡 24시간, 종 12개월)

∘ 월요일과 공휴일이 겹친날 (횡 24시간, 종 12개월)

∘ 화요일 (횡 24시간, 종 12개월)

∘ 화요일과 공휴일이 겹친날 (횡 24시간, 종 12개월)

∘ 수요일 (횡 24시간, 종 12개월)

∘ 수요일과 공휴일이 겹친날 (횡 24시간, 종 12개월)

∘ 목요일 (횡 24시간, 종 12개월)

∘ 목요일과 공휴일이 겹친날 (횡 24시간, 종 12개월)

∘ 금요일 (횡 24시간, 종 12개월)

∘ 금요일과 공휴일이 겹친날 (횡 24시간, 종 12개월)

∘ 토요일 (횡 24시간, 종 12개월)

∘ 토요일과 공휴일이 겹친날 (횡 24시간, 종 12개월)

∘ 일요일 (횡 24시간, 종 12개월)

∘ 일요일과 공휴일이 겹친날 (횡 24시간, 종 12개월)

∘ 설날 (횡 24시간, 종 12개월)

∘ 추석 (횡 24시간, 종 12개월)

- 117 -

변수(Variable)

추정치(Estimate)

표준오차(Std. Error)

t-value p-value

Cnst (상수) 5.182 0.001 3547.194 0.000

p_rate (기준탄력성) -0.810 0.001 -737.376 0.000

D02 (산업그룹02-광업) 0.256 0.001 204.266 0.000

D03 0.225 0.001 204.912 0.000

D05 0.243 0.001 212.672 0.000

D06 0.218 0.002 116.700 0.000

D07 0.295 0.001 203.892 0.000

D08 0.041 0.001 35.159 0.000

D09 0.134 0.001 115.810 0.000

D10 0.220 0.001 190.482 0.000

D11 0.232 0.002 146.325 0.000

D12 0.236 0.001 221.892 0.000

D13 0.257 0.001 236.923 0.000

D14 0.224 0.001 207.505 0.000

D15 0.288 0.001 269.264 0.000

D16 0.305 0.001 288.698 0.000

D17 0.275 0.001 266.405 0.000

D18 0.181 0.001 147.457 0.000

D19 0.322 0.001 296.740 0.000

D20 0.323 0.001 312.465 0.000

D21 0.318 0.001 304.145 0.000

D22 0.335 0.001 304.383 0.000

D23 0.228 0.001 201.664 0.000

D24 0.270 0.001 233.283 0.000

<표 64> 시간대별 모형의 변수 추정결과

3) 추정결과를 이용한 월별 시간대별 가격탄력성 산정사례

아래는 추정결과를 이용하여 위의 가격탄력성 산정의 방법에 따라 월별 시간대별 가격탄력성

을 산정하고 산정된 탄력성의 통계적 유의성을 delta method를 이용하여 추가로 계산, 포함한

결과이다.11)

관측수 (Observations) 234,720,017

그룹수 (Number of Groups) 6,494

자유도 (Degrees of freedom) 234,713,183

전체제곱합 (Total SS (corrected)) 171,291,100.393

잔차의 제곱합 (Residual SS) 128,291,216.872

결정계수 (R-squared) 0.251

조정결정계수 (Rbar-squared) 0.251

표준오차 (Std error of estimation) 0.739

F-test231,381.654

with 340,234,713,183 degrees of freedom

P-value 0.000

<표 63> 시간대별 모형 추정결과

11) 아래 추정결과에서 나타나는 낮은 결정계수의 크기는 본 연구의 목적이 추정모형의 점검이라기 보다는 아래

설명하는 것과 같이 모든 경우의 가격탄력성이 음이 나오는 조합을 찾은 결과라 하겠음.

- 118 -

D25 0.152 0.001 131.439 0.000

D26 0.183 0.001 133.277 0.000

D27 0.230 0.001 218.706 0.000

D28 0.213 0.001 191.269 0.000

D29 0.181 0.001 177.387 0.000

D30 0.248 0.001 202.421 0.000

D31 0.181 0.001 179.553 0.000

D32 0.210 0.001 176.851 0.000

D33 0.221 0.001 208.615 0.000

P_JanH02 (월+시간대) -0.009 0.000 -28.919 0.000

P_JanH03 -0.016 0.000 -47.973 0.000

P_JanH04 -0.019 0.000 -59.563 0.000

P_JanH05 -0.020 0.000 -59.847 0.000

P_JanH06 -0.011 0.000 -34.386 0.000

P_JanH07 0.012 0.000 35.158 0.000

P_JanH08 0.068 0.000 208.847 0.000

P_JanH09 0.163 0.000 498.704 0.000

P_JanH10 0.071 0.001 105.493 0.000

P_JanH11 0.083 0.001 123.332 0.000

P_JanH12 0.085 0.001 127.149 0.000

P_JanH13 0.057 0.001 84.593 0.000

P_JanH14 0.073 0.001 109.351 0.000

P_JanH15 0.076 0.001 113.150 0.000

P_JanH16 0.070 0.001 104.078 0.000

P_JanH17 0.064 0.001 95.162 0.000

P_JanH18 0.047 0.001 70.285 0.000

P_JanH19 0.184 0.000 595.633 0.000

P_JanH20 0.163 0.000 525.799 0.000

P_JanH21 0.139 0.000 449.645 0.000

P_JanH22 0.109 0.000 351.604 0.000

P_JanH23 0.081 0.000 262.929 0.000

P_JanH24 0.026 0.000 80.749 0.000

P_FebH01 0.000 0.000 1.285 0.199

P_FebH02 -0.009 0.000 -28.263 0.000

P_FebH03 -0.016 0.000 -47.678 0.000

P_FebH04 -0.020 0.000 -59.815 0.000

P_FebH05 -0.020 0.000 -60.691 0.000

P_FebH06 -0.012 0.000 -35.386 0.000

P_FebH07 0.012 0.000 35.415 0.000

P_FebH08 0.069 0.000 206.821 0.000

P_FebH09 0.164 0.000 493.006 0.000

P_FebH10 0.070 0.001 103.573 0.000

P_FebH11 0.081 0.001 121.202 0.000

P_FebH12 0.084 0.001 124.498 0.000

P_FebH13 0.054 0.001 80.564 0.000

P_FebH14 0.071 0.001 106.050 0.000

P_FebH15 0.074 0.001 109.460 0.000

P_FebH16 0.067 0.001 99.932 0.000

P_FebH17 0.061 0.001 90.194 0.000

P_FebH18 0.040 0.001 59.811 0.000

P_FebH19 0.181 0.000 573.773 0.000

P_FebH20 0.161 0.000 512.477 0.000

P_FebH21 0.138 0.000 438.127 0.000

P_FebH22 0.108 0.000 343.584 0.000

P_FebH23 0.080 0.000 255.763 0.000

P_FebH24 0.025 0.000 76.028 0.000

P_MarH01 -0.013 0.000 -40.316 0.000

P_MarH02 -0.023 0.000 -72.235 0.000

P_MarH03 -0.030 0.000 -93.726 0.000

P_MarH04 -0.034 0.000 -107.263 0.000

- 119 -

P_MarH05 -0.035 0.000 -108.358 0.000

P_MarH06 -0.026 0.000 -81.132 0.000

P_MarH07 -0.002 0.000 -7.376 0.000

P_MarH08 0.056 0.000 175.784 0.000

P_MarH09 0.155 0.000 483.527 0.000

P_MarH10 0.056 0.001 83.383 0.000

P_MarH11 0.068 0.001 101.091 0.000

P_MarH12 0.072 0.001 107.951 0.000

P_MarH13 0.037 0.001 55.113 0.000

P_MarH14 0.059 0.001 88.225 0.000

P_MarH15 0.063 0.001 93.476 0.000

P_MarH16 0.056 0.001 84.000 0.000

P_MarH17 0.050 0.001 74.938 0.000

P_MarH18 0.026 0.001 38.191 0.000

P_MarH19 0.168 0.000 546.633 0.000

P_MarH20 0.153 0.000 497.150 0.000

P_MarH21 0.128 0.000 416.818 0.000

P_MarH22 0.096 0.000 312.564 0.000

P_MarH23 0.067 0.000 216.935 0.000

P_MarH24 0.013 0.000 41.703 0.000

P_AprH01 -0.019 0.000 -58.888 0.000

P_AprH02 -0.030 0.000 -91.505 0.000

P_AprH03 -0.037 0.000 -113.295 0.000

P_AprH04 -0.042 0.000 -126.828 0.000

P_AprH05 -0.042 0.000 -127.665 0.000

P_AprH06 -0.034 0.000 -105.418 0.000

P_AprH07 -0.015 0.000 -46.174 0.000

P_AprH08 0.039 0.000 119.590 0.000

P_AprH09 0.135 0.000 409.723 0.000

P_AprH10 0.033 0.001 48.394 0.000

P_AprH11 0.047 0.001 68.131 0.000

P_AprH12 0.055 0.001 81.858 0.000

P_AprH13 0.014 0.001 20.974 0.000

P_AprH14 0.044 0.001 65.339 0.000

P_AprH15 0.050 0.001 73.722 0.000

P_AprH16 0.044 0.001 65.760 0.000

P_AprH17 0.039 0.001 57.607 0.000

P_AprH18 0.010 0.001 14.241 0.000

P_AprH19 0.152 0.000 478.626 0.000

P_AprH20 0.141 0.000 445.591 0.000

P_AprH21 0.118 0.000 373.323 0.000

P_AprH22 0.086 0.000 270.609 0.000

P_AprH23 0.055 0.000 175.551 0.000

P_AprH24 0.007 0.000 22.140 0.000

P_MayH01 -0.019 0.000 -56.925 0.000

P_MayH02 -0.030 0.000 -90.232 0.000

P_MayH03 -0.037 0.000 -112.024 0.000

P_MayH04 -0.041 0.000 -126.052 0.000

P_MayH05 -0.042 0.000 -127.537 0.000

P_MayH06 -0.038 0.000 -116.587 0.000

P_MayH07 -0.021 0.000 -62.664 0.000

P_MayH08 0.028 0.000 84.624 0.000

P_MayH09 0.119 0.000 361.472 0.000

P_MayH10 0.019 0.001 27.259 0.000

P_MayH11 0.034 0.001 48.968 0.000

P_MayH12 0.044 0.001 64.991 0.000

P_MayH13 0.003 0.001 4.728 0.000

P_MayH14 0.037 0.001 54.065 0.000

P_MayH15 0.045 0.001 66.069 0.000

P_MayH16 0.041 0.001 60.015 0.000

- 120 -

P_MayH17 0.036 0.001 53.236 0.000

P_MayH18 0.006 0.001 8.719 0.000

P_MayH19 0.147 0.000 461.131 0.000

P_MayH20 0.136 0.000 429.461 0.000

P_MayH21 0.119 0.000 374.640 0.000

P_MayH22 0.087 0.000 275.109 0.000

P_MayH23 0.057 0.000 179.911 0.000

P_MayH24 0.008 0.000 25.644 0.000

P_JunH01 -0.011 0.000 -32.211 0.000

P_JunH02 -0.021 0.000 -63.952 0.000

P_JunH03 -0.028 0.000 -85.177 0.000

P_JunH04 -0.033 0.000 -99.057 0.000

P_JunH05 -0.033 0.000 -100.511 0.000

P_JunH06 -0.031 0.000 -92.418 0.000

P_JunH07 -0.012 0.000 -35.308 0.000

P_JunH08 0.040 0.000 121.189 0.000

P_JunH09 0.141 0.000 424.018 0.000

P_JunH10 0.044 0.001 64.501 0.000

P_JunH11 0.061 0.001 88.006 0.000

P_JunH12 0.071 0.001 105.077 0.000

P_JunH13 0.031 0.001 44.554 0.000

P_JunH14 0.066 0.001 96.890 0.000

P_JunH15 0.075 0.001 110.258 0.000

P_JunH16 0.070 0.001 104.057 0.000

P_JunH17 0.066 0.001 96.837 0.000

P_JunH18 0.034 0.001 49.143 0.000

P_JunH19 0.168 0.000 524.522 0.000

P_JunH20 0.152 0.000 472.505 0.000

P_JunH21 0.133 0.000 415.724 0.000

P_JunH22 0.099 0.000 309.165 0.000

P_JunH23 0.067 0.000 208.089 0.000

P_JunH24 0.018 0.000 54.780 0.000

P_JulH01 0.015 0.000 46.836 0.000

P_JulH02 0.005 0.000 14.648 0.000

P_JulH03 -0.002 0.000 -6.851 0.000

P_JulH04 -0.007 0.000 -20.253 0.000

P_JulH05 -0.007 0.000 -20.737 0.000

P_JulH06 -0.003 0.000 -8.480 0.000

P_JulH07 0.016 0.000 48.156 0.000

P_JulH08 0.070 0.000 214.060 0.000

P_JulH09 0.169 0.000 519.634 0.000

P_JulH10 0.083 0.001 127.808 0.000

P_JulH11 0.098 0.001 150.688 0.000

P_JulH12 0.109 0.001 172.384 0.000

P_JulH13 0.072 0.001 110.787 0.000

P_JulH14 0.103 0.001 163.055 0.000

P_JulH15 0.110 0.001 174.148 0.000

P_JulH16 0.106 0.001 167.522 0.000

P_JulH17 0.101 0.001 159.993 0.000

P_JulH18 0.070 0.001 107.378 0.000

P_JulH19 0.193 0.000 619.359 0.000

P_JulH20 0.174 0.000 560.126 0.000

P_JulH21 0.156 0.000 503.102 0.000

P_JulH22 0.124 0.000 400.504 0.000

P_JulH23 0.094 0.000 301.958 0.000

P_JulH24 0.040 0.000 122.424 0.000

P_AugH01 0.013 0.000 39.714 0.000

P_AugH02 0.003 0.000 7.705 0.000

P_AugH03 -0.004 0.000 -13.358 0.000

P_AugH04 -0.009 0.000 -26.633 0.000

- 121 -

P_AugH05 -0.009 0.000 -26.404 0.000

P_AugH06 -0.003 0.000 -8.182 0.000

P_AugH07 0.015 0.000 46.932 0.000

P_AugH08 0.071 0.000 217.840 0.000

P_AugH09 0.169 0.000 519.111 0.000

P_AugH10 0.082 0.001 125.297 0.000

P_AugH11 0.096 0.001 147.601 0.000

P_AugH12 0.107 0.001 169.280 0.000

P_AugH13 0.072 0.001 111.253 0.000

P_AugH14 0.102 0.001 160.455 0.000

P_AugH15 0.108 0.001 170.485 0.000

P_AugH16 0.104 0.001 164.219 0.000

P_AugH17 0.099 0.001 156.978 0.000

P_AugH18 0.069 0.001 105.661 0.000

P_AugH19 0.192 0.000 617.189 0.000

P_AugH20 0.175 0.000 563.220 0.000

P_AugH21 0.155 0.000 499.202 0.000

P_AugH22 0.122 0.000 393.729 0.000

P_AugH23 0.093 0.000 298.788 0.000

P_AugH24 0.040 0.000 123.054 0.000

P_SepH01 -0.010 0.000 -31.294 0.000

P_SepH02 -0.021 0.000 -63.893 0.000

P_SepH03 -0.028 0.000 -84.714 0.000

P_SepH04 -0.032 0.000 -98.315 0.000

P_SepH05 -0.033 0.000 -99.694 0.000

P_SepH06 -0.026 0.000 -79.005 0.000

P_SepH07 -0.009 0.000 -28.909 0.000

P_SepH08 0.040 0.000 120.403 0.000

P_SepH09 0.135 0.000 411.206 0.000

P_SepH10 0.036 0.001 52.548 0.000

P_SepH11 0.052 0.001 75.576 0.000

P_SepH12 0.063 0.001 93.312 0.000

P_SepH13 0.025 0.001 36.271 0.000

P_SepH14 0.058 0.001 85.545 0.000

P_SepH15 0.066 0.001 97.590 0.000

P_SepH16 0.061 0.001 91.030 0.000

P_SepH17 0.057 0.001 83.852 0.000

P_SepH18 0.026 0.001 38.517 0.000

P_SepH19 0.168 0.000 527.580 0.000

P_SepH20 0.154 0.000 485.614 0.000

P_SepH21 0.130 0.000 409.602 0.000

P_SepH22 0.095 0.000 300.690 0.000

P_SepH23 0.064 0.000 203.131 0.000

P_SepH24 0.016 0.000 50.083 0.000

P_OctH01 -0.019 0.000 -59.228 0.000

P_OctH02 -0.030 0.000 -91.740 0.000

P_OctH03 -0.036 0.000 -113.243 0.000

P_OctH04 -0.041 0.000 -127.767 0.000

P_OctH05 -0.042 0.000 -129.721 0.000

P_OctH06 -0.035 0.000 -108.469 0.000

P_OctH07 -0.018 0.000 -55.981 0.000

P_OctH08 0.028 0.000 86.182 0.000

P_OctH09 0.120 0.000 372.035 0.000

P_OctH10 0.023 0.001 33.160 0.000

P_OctH11 0.037 0.001 54.767 0.000

P_OctH12 0.046 0.001 67.713 0.000

P_OctH13 0.007 0.001 10.973 0.000

P_OctH14 0.038 0.001 55.864 0.000

P_OctH15 0.045 0.001 67.372 0.000

P_OctH16 0.041 0.001 61.028 0.000

- 122 -

P_OctH17 0.037 0.001 55.075 0.000

P_OctH18 0.013 0.001 19.794 0.000

P_OctH19 0.163 0.000 526.225 0.000

P_OctH20 0.146 0.000 470.942 0.000

P_OctH21 0.122 0.000 394.845 0.000

P_OctH22 0.090 0.000 290.131 0.000

P_OctH23 0.060 0.000 195.569 0.000

P_OctH24 0.008 0.000 24.695 0.000

P_NovH01 -0.011 0.000 -34.624 0.000

P_NovH02 -0.021 0.000 -66.413 0.000

P_NovH03 -0.028 0.000 -87.814 0.000

P_NovH04 -0.032 0.000 -101.725 0.000

P_NovH05 -0.033 0.000 -102.686 0.000

P_NovH06 -0.025 0.000 -77.387 0.000

P_NovH07 -0.003 0.000 -8.232 0.000

P_NovH08 0.051 0.000 160.225 0.000

P_NovH09 0.151 0.000 473.194 0.000

P_NovH10 0.059 0.001 89.177 0.000

P_NovH11 0.072 0.001 108.405 0.000

P_NovH12 0.075 0.001 112.800 0.000

P_NovH13 0.041 0.001 61.895 0.000

P_NovH14 0.063 0.001 94.798 0.000

P_NovH15 0.068 0.001 102.135 0.000

P_NovH16 0.062 0.001 93.650 0.000

P_NovH17 0.058 0.001 86.870 0.000

P_NovH18 0.043 0.001 64.757 0.000

P_NovH19 0.182 0.000 599.367 0.000

P_NovH20 0.160 0.000 527.652 0.000

P_NovH21 0.135 0.000 447.229 0.000

P_NovH22 0.104 0.000 342.030 0.000

P_NovH23 0.074 0.000 245.821 0.000

P_NovH24 0.016 0.000 48.918 0.000

P_DecH01 -0.006 0.000 -17.575 0.000

P_DecH02 -0.015 0.000 -48.716 0.000

P_DecH03 -0.022 0.000 -69.204 0.000

P_DecH04 -0.026 0.000 -82.067 0.000

P_DecH05 -0.026 0.000 -82.342 0.000

P_DecH06 -0.018 0.000 -57.611 0.000

P_DecH07 0.005 0.000 15.344 0.000

P_DecH08 0.062 0.000 197.420 0.000

P_DecH09 0.159 0.000 506.998 0.000

P_DecH10 0.069 0.001 104.275 0.000

P_DecH11 0.081 0.001 122.946 0.000

P_DecH12 0.084 0.001 126.243 0.000

P_DecH13 0.053 0.001 80.364 0.000

P_DecH14 0.071 0.001 106.623 0.000

P_DecH15 0.073 0.001 110.830 0.000

P_DecH16 0.067 0.001 100.992 0.000

P_DecH17 0.061 0.001 91.775 0.000

P_DecH18 0.044 0.001 66.898 0.000

P_DecH19 0.177 0.000 592.906 0.000

P_DecH20 0.154 0.000 516.636 0.000

P_DecH21 0.131 0.000 439.140 0.000

P_DecH22 0.101 0.000 336.804 0.000

P_DecH23 0.073 0.000 245.718 0.000

P_DecH24 0.016 0.000 51.925 0.000

P_Mon (요일) 0.274 0.000 857.045 0.000

P_Tue 0.297 0.000 927.933 0.000

P_Wed 0.295 0.000 923.118 0.000

P_Thr 0.299 0.000 934.368 0.000

- 123 -

--------------------------------------------------------- Standard Variable Estimate Error t-value p-value ---------------------------------------------------------P_JanH01 -0.111772 0.013812 -8.092348 0.000000P_JanH02 -0.112044 0.013776 -8.133263 0.000000P_JanH03 -0.112073 0.013776 -8.135393 0.000000P_JanH04 -0.111713 0.013776 -8.109247 0.000000P_JanH05 -0.111923 0.013776 -8.124455 0.000000P_JanH06 -0.112917 0.013776 -8.196642 0.000000P_JanH07 -0.112884 0.013776 -8.194201 0.000000P_JanH08 -0.110784 0.013776 -8.041793 0.000000P_JanH09 -0.109583 0.013776 -7.954665 0.000000P_JanH10 -0.106527 0.013776 -7.732933 0.000000P_JanH11 -0.106803 0.013776 -7.753092 0.000000P_JanH12 -0.107369 0.013775 -7.794204 0.000000P_JanH13 -0.108498 0.013775 -7.876207 0.000000P_JanH14 -0.108827 0.013775 -7.900161 0.000000P_JanH15 -0.109262 0.013775 -7.931767 0.000000P_JanH16 -0.109487 0.013775 -7.948049 0.000000P_JanH17 -0.109295 0.013775 -7.934073 0.000000P_JanH18 -0.107759 0.013776 -7.822493 0.000000P_JanH19 -0.107605 0.013776 -7.811269 0.000000P_JanH20 -0.107928 0.013776 -7.834647 0.000000P_JanH21 -0.107735 0.013776 -7.820592 0.000000P_JanH22 -0.107714 0.013776 -7.819048 0.000000P_JanH23 -0.110203 0.013776 -7.999689 0.000000P_JanH24 -0.111095 0.013776 -8.064449 0.000000P_FebH01 -0.111657 0.013777 -8.104799 0.000000P_FebH02 -0.112070 0.013777 -8.134727 0.000000P_FebH03 -0.111995 0.013777 -8.129281 0.000000P_FebH04 -0.111705 0.013777 -8.108187 0.000000P_FebH05 -0.112149 0.013777 -8.140415 0.000000P_FebH06 -0.112855 0.013777 -8.191669 0.000000P_FebH07 -0.112576 0.013777 -8.171412 0.000000P_FebH08 -0.110644 0.013777 -8.031155 0.000000P_FebH09 -0.109563 0.013777 -7.952789 0.000000

<표 65> 추정결과를 이용한 월요일의 24시간, 12개월별 가격탄력성 (산정예시)

P_Fri 0.295 0.000 921.684 0.000

P_Sat 0.074 0.000 1617.105 0.000

P_MonHol (요일+공휴일) -0.128 0.000 -662.688 0.000

P_TueHol -0.108 0.000 -572.964 0.000

P_WedHol -0.067 0.000 -315.030 0.000

P_ThrHol -0.117 0.000 -503.962 0.000

P_FriHol -0.088 0.000 -379.047 0.000

P_SatHol -0.028 0.000 -137.605 0.000

P_NY (설날) -0.169 0.000 -695.783 0.000

P_TG (추석) -0.182 0.000 -760.655 0.000

Size (계약용량) 0.000 0.000 1030.169 0.000

CDD (냉방도일) 0.000 0.000 158.355 0.000

HDD (난방도일) 0.001 0.000 618.154 0.000

Humd (습도) 0.000 0.000 93.835 0.000

p_ind (산업생산지수) 0.003 0.000 864.212 0.000

weekday (주중일) -0.590 0.001 -469.542 0.000

day (낮시간대) 0.632 0.002 263.771 0.000

- 124 -

P_FebH10 -0.106464 0.013776 -7.728017 0.000000P_FebH11 -0.106890 0.013776 -7.759010 0.000000P_FebH12 -0.107546 0.013776 -7.806730 0.000000P_FebH13 -0.108598 0.013776 -7.883117 0.000000P_FebH14 -0.108953 0.013776 -7.908912 0.000000P_FebH15 -0.109282 0.013776 -7.932785 0.000000P_FebH16 -0.109541 0.013776 -7.951626 0.000000P_FebH17 -0.109315 0.013776 -7.935102 0.000000P_FebH18 -0.108191 0.013776 -7.853462 0.000000P_FebH19 -0.108033 0.013776 -7.841919 0.000000P_FebH20 -0.107926 0.013776 -7.834097 0.000000P_FebH21 -0.107840 0.013777 -7.827791 0.000000P_FebH22 -0.107867 0.013777 -7.829740 0.000000P_FebH23 -0.110205 0.013777 -7.999422 0.000000P_FebH24 -0.111167 0.013777 -8.069230 0.000000P_MarH01 -0.112119 0.013787 -8.132418 0.000000P_MarH02 -0.112323 0.013787 -8.147207 0.000000P_MarH03 -0.112115 0.013787 -8.132093 0.000000P_MarH04 -0.111902 0.013787 -8.116587 0.000000P_MarH05 -0.112152 0.013787 -8.134730 0.000000P_MarH06 -0.113050 0.013787 -8.199874 0.000000P_MarH07 -0.112605 0.013787 -8.167590 0.000000P_MarH08 -0.111085 0.013787 -8.057363 0.000000P_MarH09 -0.109687 0.013786 -7.956161 0.000000P_MarH10 -0.106733 0.013786 -7.742021 0.000000P_MarH11 -0.107023 0.013786 -7.763150 0.000000P_MarH12 -0.107787 0.013786 -7.818644 0.000000P_MarH13 -0.108919 0.013786 -7.900767 0.000000P_MarH14 -0.109057 0.013786 -7.910838 0.000000P_MarH15 -0.109203 0.013786 -7.921430 0.000000P_MarH16 -0.109594 0.013786 -7.949755 0.000000P_MarH17 -0.109518 0.013786 -7.944224 0.000000P_MarH18 -0.108819 0.013786 -7.893432 0.000000P_MarH19 -0.108356 0.013786 -7.859747 0.000000P_MarH20 -0.107988 0.013786 -7.832973 0.000000P_MarH21 -0.107775 0.013786 -7.817498 0.000000P_MarH22 -0.107665 0.013786 -7.809486 0.000000P_MarH23 -0.109361 0.013787 -7.932467 0.000000P_MarH24 -0.111263 0.013787 -8.070395 0.000000P_AprH01 -0.112481 0.013795 -8.153563 0.000000P_AprH02 -0.112671 0.013795 -8.167329 0.000000P_AprH03 -0.112536 0.013795 -8.157518 0.000000P_AprH04 -0.112296 0.013795 -8.140110 0.000000P_AprH05 -0.112593 0.013795 -8.161609 0.000000P_AprH06 -0.113209 0.013795 -8.206228 0.000000P_AprH07 -0.112318 0.013795 -8.141696 0.000000P_AprH08 -0.111276 0.013795 -8.066291 0.000000P_AprH09 -0.110125 0.013795 -7.983040 0.000000P_AprH10 -0.107278 0.013795 -7.776761 0.000000P_AprH11 -0.107504 0.013795 -7.793268 0.000000P_AprH12 -0.107956 0.013794 -7.826095 0.000000P_AprH13 -0.109154 0.013794 -7.912945 0.000000P_AprH14 -0.109137 0.013794 -7.911743 0.000000P_AprH15 -0.109331 0.013794 -7.925770 0.000000P_AprH16 -0.109569 0.013794 -7.943043 0.000000P_AprH17 -0.109673 0.013794 -7.950520 0.000000P_AprH18 -0.109143 0.013795 -7.912047 0.000000P_AprH19 -0.108953 0.013795 -7.898168 0.000000P_AprH20 -0.108186 0.013795 -7.842446 0.000000

- 125 -

P_AprH21 -0.107698 0.013795 -7.807054 0.000000P_AprH22 -0.107471 0.013795 -7.790547 0.000000P_AprH23 -0.109206 0.013795 -7.916257 0.000000P_AprH24 -0.111152 0.013795 -8.057318 0.000000P_MayH01 -0.112804 0.013795 -8.176965 0.000000P_MayH02 -0.112881 0.013795 -8.182545 0.000000P_MayH03 -0.112690 0.013795 -8.168651 0.000000P_MayH04 -0.112659 0.013795 -8.166366 0.000000P_MayH05 -0.112847 0.013795 -8.180007 0.000000P_MayH06 -0.113352 0.013795 -8.216574 0.000000P_MayH07 -0.112633 0.013795 -8.164560 0.000000P_MayH08 -0.111917 0.013795 -8.112806 0.000000P_MayH09 -0.110299 0.013795 -7.995606 0.000000P_MayH10 -0.107395 0.013795 -7.785115 0.000000P_MayH11 -0.107642 0.013795 -7.803117 0.000000P_MayH12 -0.108050 0.013795 -7.832672 0.000000P_MayH13 -0.109124 0.013795 -7.910521 0.000000P_MayH14 -0.109113 0.013795 -7.909753 0.000000P_MayH15 -0.109200 0.013795 -7.916049 0.000000P_MayH16 -0.109530 0.013795 -7.939959 0.000000P_MayH17 -0.109672 0.013795 -7.950260 0.000000P_MayH18 -0.109349 0.013795 -7.926821 0.000000P_MayH19 -0.109280 0.013795 -7.921741 0.000000P_MayH20 -0.108359 0.013795 -7.854931 0.000000P_MayH21 -0.107520 0.013795 -7.794095 0.000000P_MayH22 -0.107400 0.013795 -7.785341 0.000000P_MayH23 -0.109294 0.013795 -7.922601 0.000000P_MayH24 -0.111257 0.013795 -8.064908 0.000000P_JunH01 -0.112773 0.013795 -8.174944 0.000000P_JunH02 -0.112935 0.013795 -8.186659 0.000000P_JunH03 -0.112769 0.013795 -8.174659 0.000000P_JunH04 -0.112819 0.013795 -8.178218 0.000000P_JunH05 -0.112999 0.013795 -8.191261 0.000000P_JunH06 -0.113519 0.013795 -8.228948 0.000000P_JunH07 -0.113019 0.013795 -8.192764 0.000000P_JunH08 -0.111783 0.013795 -8.103225 0.000000P_JunH09 -0.110234 0.013795 -7.990973 0.000000P_JunH10 -0.107233 0.013795 -7.773464 0.000000P_JunH11 -0.107442 0.013795 -7.788610 0.000000P_JunH12 -0.107778 0.013795 -7.812982 0.000000P_JunH13 -0.108891 0.013795 -7.893689 0.000000P_JunH14 -0.108687 0.013795 -7.878895 0.000000P_JunH15 -0.108605 0.013795 -7.872935 0.000000P_JunH16 -0.108980 0.013795 -7.900138 0.000000P_JunH17 -0.109023 0.013795 -7.903244 0.000000P_JunH18 -0.108780 0.013795 -7.885592 0.000000P_JunH19 -0.109052 0.013795 -7.905258 0.000000P_JunH20 -0.108537 0.013795 -7.867928 0.000000P_JunH21 -0.107614 0.013795 -7.801014 0.000000P_JunH22 -0.107587 0.013795 -7.799050 0.000000P_JunH23 -0.109523 0.013795 -7.939359 0.000000P_JunH24 -0.111193 0.013795 -8.060411 0.000000P_JulH01 -0.112060 0.013737 -8.157546 0.000000P_JulH02 -0.112217 0.013737 -8.169004 0.000000P_JulH03 -0.112137 0.013737 -8.163190 0.000000P_JulH04 -0.112308 0.013737 -8.175593 0.000000P_JulH05 -0.112429 0.013737 -8.184440 0.000000P_JulH06 -0.112993 0.013737 -8.225525 0.000000P_JulH07 -0.112610 0.013737 -8.197602 0.000000

- 126 -

P_JulH08 -0.111529 0.013737 -8.118972 0.000000P_JulH09 -0.110115 0.013737 -8.016033 0.000000P_JulH10 -0.107963 0.013737 -7.859361 0.000000P_JulH11 -0.108187 0.013737 -7.875701 0.000000P_JulH12 -0.108508 0.013737 -7.899033 0.000000P_JulH13 -0.109308 0.013737 -7.957316 0.000000P_JulH14 -0.109106 0.013737 -7.942642 0.000000P_JulH15 -0.109064 0.013737 -7.939548 0.000000P_JulH16 -0.109215 0.013737 -7.950531 0.000000P_JulH17 -0.109191 0.013737 -7.948767 0.000000P_JulH18 -0.108874 0.013737 -7.925735 0.000000P_JulH19 -0.109404 0.013737 -7.964305 0.000000P_JulH20 -0.109209 0.013737 -7.950066 0.000000P_JulH21 -0.108604 0.013737 -7.906036 0.000000P_JulH22 -0.108720 0.013737 -7.914475 0.000000P_JulH23 -0.110010 0.013737 -8.008363 0.000000P_JulH24 -0.111215 0.013737 -8.096043 0.000000P_AugH01 -0.112023 0.013737 -8.154823 0.000000P_AugH02 -0.112197 0.013737 -8.167488 0.000000P_AugH03 -0.112103 0.013737 -8.160696 0.000000P_AugH04 -0.112245 0.013737 -8.171013 0.000000P_AugH05 -0.112380 0.013737 -8.180841 0.000000P_AugH06 -0.112995 0.013737 -8.225618 0.000000P_AugH07 -0.112620 0.013737 -8.198344 0.000000P_AugH08 -0.111562 0.013737 -8.121276 0.000000P_AugH09 -0.109930 0.013737 -8.002491 0.000000P_AugH10 -0.107775 0.013737 -7.845626 0.000000P_AugH11 -0.107977 0.013737 -7.860402 0.000000P_AugH12 -0.108353 0.013737 -7.887733 0.000000P_AugH13 -0.109209 0.013737 -7.950069 0.000000P_AugH14 -0.109026 0.013737 -7.936727 0.000000P_AugH15 -0.108939 0.013737 -7.930455 0.000000P_AugH16 -0.109108 0.013737 -7.942755 0.000000P_AugH17 -0.109050 0.013737 -7.938472 0.000000P_AugH18 -0.108732 0.013737 -7.915346 0.000000P_AugH19 -0.109448 0.013737 -7.967472 0.000000P_AugH20 -0.109241 0.013737 -7.952365 0.000000P_AugH21 -0.108738 0.013737 -7.915712 0.000000P_AugH22 -0.108786 0.013737 -7.919204 0.000000P_AugH23 -0.110046 0.013737 -8.010914 0.000000P_AugH24 -0.111199 0.013737 -8.094852 0.000000P_SepH01 -0.112566 0.013796 -8.159396 0.000000P_SepH02 -0.112927 0.013796 -8.185565 0.000000P_SepH03 -0.112778 0.013796 -8.174740 0.000000P_SepH04 -0.112792 0.013796 -8.175776 0.000000P_SepH05 -0.112893 0.013796 -8.183033 0.000000P_SepH06 -0.113544 0.013796 -8.230227 0.000000P_SepH07 -0.113069 0.013796 -8.195832 0.000000P_SepH08 -0.111885 0.013796 -8.110016 0.000000P_SepH09 -0.110241 0.013796 -7.990931 0.000000P_SepH10 -0.107073 0.013796 -7.761342 0.000000P_SepH11 -0.107360 0.013796 -7.782138 0.000000P_SepH12 -0.107550 0.013796 -7.795914 0.000000P_SepH13 -0.108610 0.013796 -7.872798 0.000000P_SepH14 -0.108646 0.013796 -7.875387 0.000000P_SepH15 -0.108779 0.013796 -7.885013 0.000000P_SepH16 -0.109104 0.013796 -7.908546 0.000000P_SepH17 -0.109123 0.013796 -7.909954 0.000000P_SepH18 -0.108493 0.013796 -7.864266 0.000000

- 127 -

P_SepH19 -0.108588 0.013796 -7.871075 0.000000P_SepH20 -0.107814 0.013796 -7.814947 0.000000P_SepH21 -0.107431 0.013796 -7.787187 0.000000P_SepH22 -0.107568 0.013796 -7.797135 0.000000P_SepH23 -0.109717 0.013796 -7.952889 0.000000P_SepH24 -0.111491 0.013796 -8.081498 0.000000P_OctH01 -0.112720 0.013788 -8.175167 0.000000P_OctH02 -0.112816 0.013788 -8.182043 0.000000P_OctH03 -0.112619 0.013788 -8.167798 0.000000P_OctH04 -0.112521 0.013788 -8.160630 0.000000P_OctH05 -0.112680 0.013788 -8.172131 0.000000P_OctH06 -0.113095 0.013788 -8.202243 0.000000P_OctH07 -0.112504 0.013788 -8.159388 0.000000P_OctH08 -0.111396 0.013788 -8.079080 0.000000P_OctH09 -0.110365 0.013788 -8.004450 0.000000P_OctH10 -0.107606 0.013788 -7.804415 0.000000P_OctH11 -0.107710 0.013788 -7.812043 0.000000P_OctH12 -0.108130 0.013788 -7.842548 0.000000P_OctH13 -0.109089 0.013788 -7.912109 0.000000P_OctH14 -0.109142 0.013788 -7.915945 0.000000P_OctH15 -0.109472 0.013788 -7.939913 0.000000P_OctH16 -0.109723 0.013788 -7.958067 0.000000P_OctH17 -0.109778 0.013788 -7.962011 0.000000P_OctH18 -0.109076 0.013788 -7.911050 0.000000P_OctH19 -0.108162 0.013788 -7.844692 0.000000P_OctH20 -0.107932 0.013788 -7.828004 0.000000P_OctH21 -0.107653 0.013788 -7.807738 0.000000P_OctH22 -0.107627 0.013788 -7.805821 0.000000P_OctH23 -0.109615 0.013788 -7.949965 0.000000P_OctH24 -0.111465 0.013788 -8.084161 0.000000P_NovH01 -0.112144 0.013776 -8.140626 0.000000P_NovH02 -0.112330 0.013776 -8.154139 0.000000P_NovH03 -0.112180 0.013776 -8.143243 0.000000P_NovH04 -0.112059 0.013776 -8.134439 0.000000P_NovH05 -0.112257 0.013776 -8.148767 0.000000P_NovH06 -0.112949 0.013776 -8.199023 0.000000P_NovH07 -0.112441 0.013776 -8.162143 0.000000P_NovH08 -0.111035 0.013776 -8.060089 0.000000P_NovH09 -0.109997 0.013776 -7.984852 0.000000P_NovH10 -0.107317 0.013775 -7.790431 0.000000P_NovH11 -0.107469 0.013775 -7.801569 0.000000P_NovH12 -0.108053 0.013775 -7.844052 0.000000P_NovH13 -0.109137 0.013775 -7.922777 0.000000P_NovH14 -0.109274 0.013775 -7.932726 0.000000P_NovH15 -0.109569 0.013775 -7.954117 0.000000P_NovH16 -0.109694 0.013775 -7.963189 0.000000P_NovH17 -0.109538 0.013775 -7.951765 0.000000P_NovH18 -0.108183 0.013775 -7.853305 0.000000P_NovH19 -0.107930 0.013776 -7.834938 0.000000P_NovH20 -0.108238 0.013776 -7.857266 0.000000P_NovH21 -0.107910 0.013776 -7.833393 0.000000P_NovH22 -0.107854 0.013776 -7.829334 0.000000P_NovH23 -0.110218 0.013776 -8.000877 0.000000P_NovH24 -0.111387 0.013776 -8.085743 0.000000P_DecH01 -0.111896 0.013776 -8.122618 0.000000P_DecH02 -0.112133 0.013776 -8.139793 0.000000P_DecH03 -0.112080 0.013776 -8.135924 0.000000P_DecH04 -0.111959 0.013776 -8.127158 0.000000P_DecH05 -0.112167 0.013776 -8.142194 0.000000

- 128 -

P_DecH06 -0.113047 0.013776 -8.206122 0.000000P_DecH07 -0.112856 0.013776 -8.192251 0.000000P_DecH08 -0.111105 0.013776 -8.065115 0.000000P_DecH09 -0.109903 0.013776 -7.977932 0.000000P_DecH10 -0.106682 0.013776 -7.744241 0.000000P_DecH11 -0.106784 0.013776 -7.751708 0.000000P_DecH12 -0.107490 0.013775 -7.803066 0.000000P_DecH13 -0.108660 0.013775 -7.887982 0.000000P_DecH14 -0.108886 0.013775 -7.904449 0.000000P_DecH15 -0.109299 0.013775 -7.934443 0.000000P_DecH16 -0.109515 0.013775 -7.950075 0.000000P_DecH17 -0.109170 0.013775 -7.924994 0.000000P_DecH18 -0.107582 0.013776 -7.809587 0.000000P_DecH19 -0.107628 0.013776 -7.812942 0.000000P_DecH20 -0.107945 0.013776 -7.835903 0.000000P_DecH21 -0.107703 0.013776 -7.818328 0.000000P_DecH22 -0.107671 0.013776 -7.815921 0.000000P_DecH23 -0.110292 0.013776 -8.006225 0.000000P_DecH24 -0.111342 0.013776 -8.082397 0.000000---------------------------------------------------------

주: 주어진 t-value는 delta method를 이용하여 산정한 결과임.

바. 사례2: 한국전력공사 (2011.9)12) 연구결과

1) 분석의 개요

분석대상기간: 2005년 1월1일부터 2009년 12월 31일까지

분석대상계약종: 교육용, 산업용(갑, 을, 병), 일반용(갑, 을)에서 선택된 표본 각 15가구

분석대상표본지역: 제주도13)

2) 추정식과 분석에 사용된 변수설명

실제 적용된 모형식은 아래와 같으며, 해당 변수명은 표에 설명되어 있다.

12) 전력소비 분석시스템 개발 및 실시간 요금제도 도입 영향분석 (2011.9)의 연구진행 중 추가 연구로 진행되

었던 내용으로 본 보고서에는 포함되지 않음.

13) 본 과제와 관련 없이 별도의 작업으로 요청받은 내용으로 구체적인 출처는 알지못함.

- 129 -

변수명 설명 변수명 설명

P_rate 시간대별 요금 P_SatHol 토요일, 공휴일 가격더미

P_JanH2 1월 2시의 가격더미 P_NY 설날의 가격더미

P_JanH3 1월 3시의 가격더미 P_TG 추석의 가격더미

⋯ P_Yrt06 2006년의 년도 가격더미

P_DecH23 12월 23시의 가격더미 P_Yrt07 2007년의 년도 가격더미

P_DecH24 12월 24시의 가격더미 P_Yrt08 2008년의 년도 가격더미

P_Mon 월요일의 가격더미 P_Yrt09 2009년의 년도 가격더미

P_Tue 화요일의 가격더미 P_sz 계약용량의 년도 가격더미

P_Wed 수요일의 가격더미 CDD 냉방도일

P_Thu 목요일의 가격더미 HDD 난방도일

P_Fri 금요일의 가격더미 Humd 습도

P_Sat 토요일의 가격더미 Week_E 주중 사용량 시간대별 평균

P_MonHol 월요일, 공휴일 가격더미 1번째 개별기업 고정효과

P_TueHol 화요일, 공유일 가격더미 ⋯

P_WedHol 수요일, 공휴일 가격더미 N번째 개별기업 고정효과

P_ThuHol 목요일, 공휴일 가격더미

P_FriHol 금요일, 공휴일 가격더미

<표 66> 시간대별 모형(24시간 Lag 제외)의 변수명 설명

3) 추정결과

현재 정리 가능한 추정결과는 교육용, 일반용(갑, 을), 산업용 (갑, 병) 등으로 확인되고 있

다. 아래에서는 각각

∘ 교육용,

∘ 일반용(갑),

∘ 일반용(을),

- 130 -

------------------- OLS DUMMY VARIABLE WITH Constant ---------------------

Observations : 538339

Number of Groups : 15

Degrees of freedom : 538013

Total SS (corrected) : 320595.567

Residual SS : 60471.034

R-squared : 0.811


Std error of est : 0.335


P-value = 0.000

---------------------------------------------------------

Standard

Variable Estimate Error t-value p-value

---------------------------------------------------------

p_rate -0.256981 0.009372 -27.419767 0.000000

P_JanH02 -0.001402 0.000221 -6.333671 0.000000

P_JanH03 -0.001962 0.000221 -8.864166 0.000000

P_JanH04 -0.003048 0.000221 -13.773561 0.000000

P_JanH05 -0.001969 0.000221 -8.896035 0.000000

P_JanH06 -0.002840 0.000221 -12.829473 0.000000

P_JanH07 -0.004148 0.000221 -18.736111 0.000000

P_JanH08 -0.001881 0.000221 -8.494322 0.000000

P_JanH09 0.003677 0.000221 16.609889 0.000000

P_JanH10 0.007446 0.000218 34.097937 0.000000

<표 67> 교육용 추정결과

∘ 산업용 (갑),

∘ 산업용(병)

의 각 용도에 해당하는 추정결과 및 시간대별 가격탄력성 산정사례 (2009년 기준 각 월별

월요일의 시간대별 가격탄력성)를 제시할 수 있으나 지면의 한계를 감안, 여기서는 교육용, 일반용(갑), 산업용(갑)의 결과만을 제시한다.

- 131 -

P_JanH11 0.007633 0.000219 34.933141 0.000000

P_JanH12 0.007088 0.000219 32.415046 0.000000

P_JanH13 0.004995 0.000219 22.832989 0.000000

P_JanH14 0.004171 0.000219 19.058321 0.000000

P_JanH15 0.004112 0.000219 18.788700 0.000000

P_JanH16 0.004288 0.000219 19.602730 0.000000

P_JanH17 0.003533 0.000218 16.169036 0.000000

P_JanH18 0.000428 0.000218 1.961470 0.049825

P_JanH19 -0.000991 0.000213 -4.655763 0.000003

P_JanH20 0.000407 0.000213 1.913160 0.055728

P_JanH21 0.001380 0.000213 6.484031 0.000000

P_JanH22 0.001156 0.000213 5.430815 0.000000

P_JanH23 0.000425 0.000213 1.997592 0.045761

P_JanH24 -0.000182 0.000221 -0.821291 0.411481

P_FebH01 -0.000372 0.000226 -1.641816 0.100629

P_FebH02 -0.001167 0.000226 -5.154311 0.000000

P_FebH03 -0.001688 0.000226 -7.453820 0.000000

P_FebH04 -0.002933 0.000226 -12.953402 0.000000

P_FebH05 -0.002052 0.000226 -9.063885 0.000000

P_FebH06 -0.003358 0.000226 -14.827366 0.000000

P_FebH07 -0.004329 0.000226 -19.117353 0.000000

P_FebH08 -0.001511 0.000226 -6.673016 0.000000

P_FebH09 0.005280 0.000226 23.322630 0.000000

P_FebH10 0.008540 0.000223 38.258304 +DEN

P_FebH11 0.008244 0.000224 36.882324 0.000000

P_FebH12 0.007372 0.000224 32.953182 0.000000

P_FebH13 0.005107 0.000224 22.808928 0.000000

P_FebH14 0.004192 0.000224 18.718069 0.000000

P_FebH15 0.004454 0.000224 19.886345 0.000000

P_FebH16 0.004885 0.000224 21.817076 0.000000

P_FebH17 0.004465 0.000224 19.956692 0.000000

P_FebH18 0.001352 0.000223 6.048527 0.000000

P_FebH19 -0.000831 0.000218 -3.815906 0.000136

P_FebH20 0.000452 0.000218 2.079532 0.037569

P_FebH21 0.001366 0.000217 6.281312 0.000000

P_FebH22 0.001195 0.000217 5.496333 0.000000

P_FebH23 0.000572 0.000217 2.629956 0.008540

- 132 -

P_FebH24 -0.000069 0.000226 -0.303023 0.761872

P_MarH01 -0.001341 0.000220 -6.085197 0.000000

P_MarH02 -0.002298 0.000220 -10.429623 0.000000

P_MarH03 -0.003282 0.000220 -14.891515 0.000000

P_MarH04 -0.004983 0.000220 -22.614083 0.000000

P_MarH05 -0.003613 0.000220 -16.395161 0.000000

P_MarH06 -0.005392 0.000220 -24.468055 0.000000

P_MarH07 -0.006887 0.000220 -31.233732 0.000000

P_MarH08 -0.000658 0.000221 -2.981962 0.002864

P_MarH09 0.009880 0.000221 44.691431 0.000000

P_MarH10 0.010530 0.000219 48.190135 0.000000

P_MarH11 0.009033 0.000219 41.238104 0.000000

P_MarH12 0.008230 0.000218 37.697095 +DEN

P_MarH13 0.006832 0.000220 31.097006 0.000000

P_MarH14 0.006427 0.000219 29.390174 0.000000

P_MarH15 0.006469 0.000219 29.595674 0.000000

P_MarH16 0.006502 0.000218 29.773784 0.000000

P_MarH17 0.005803 0.000218 26.621211 0.000000

P_MarH18 0.002653 0.000219 12.137479 0.000000

P_MarH19 0.000192 0.000214 0.897855 0.369263

P_MarH20 0.001466 0.000213 6.871222 0.000000

P_MarH21 0.002311 0.000213 10.842666 0.000000

P_MarH22 0.001133 0.000213 5.316655 0.000000

P_MarH23 0.000125 0.000213 0.587658 0.556762

P_MarH24 -0.001121 0.000220 -5.088026 0.000000

P_AprH01 -0.001567 0.000227 -6.901803 0.000000

P_AprH02 -0.002476 0.000227 -10.905058 0.000000

P_AprH03 -0.003210 0.000227 -14.142594 0.000000

P_AprH04 -0.004578 0.000227 -20.179503 0.000000

P_AprH05 -0.003118 0.000227 -13.747312 0.000000

P_AprH06 -0.004359 0.000227 -19.217922 0.000000

P_AprH07 -0.006258 0.000227 -27.573356 0.000000

P_AprH08 -0.001636 0.000227 -7.191976 0.000000

P_AprH09 0.007920 0.000228 34.701443 0.000000

P_AprH10 0.009079 0.000227 40.068165 0.000000

P_AprH11 0.008387 0.000227 36.909124 0.000000

P_AprH12 0.007900 0.000223 35.413736 0.000000

- 133 -

P_AprH13 0.006709 0.000228 29.451329 0.000000

P_AprH14 0.006088 0.000223 27.268426 0.000000

P_AprH15 0.006155 0.000223 27.579189 0.000000

P_AprH16 0.006124 0.000223 27.464618 0.000000

P_AprH17 0.005308 0.000223 23.836593 0.000000

P_AprH18 0.002107 0.000227 9.291483 0.000000

P_AprH19 -0.000622 0.000226 -2.750896 0.005943

P_AprH20 0.000813 0.000226 3.599202 0.000319

P_AprH21 0.001991 0.000225 8.828404 0.000000

P_AprH22 0.001015 0.000225 4.508382 0.000007

P_AprH23 -0.000002 0.000225 -0.010093 0.991947

P_AprH24 -0.000866 0.000227 -3.810325 0.000139

P_MayH01 -0.001252 0.000227 -5.515196 0.000000

P_MayH02 -0.001784 0.000227 -7.862690 0.000000

P_MayH03 -0.002467 0.000227 -10.876199 0.000000

P_MayH04 -0.003483 0.000227 -15.362448 0.000000

P_MayH05 -0.002857 0.000227 -12.604489 0.000000

P_MayH06 -0.003878 0.000227 -17.111213 0.000000

P_MayH07 -0.005912 0.000227 -26.052728 0.000000

P_MayH08 -0.001364 0.000227 -5.994173 0.000000

P_MayH09 0.006364 0.000228 27.914865 0.000000

P_MayH10 0.007724 0.000226 34.172602 0.000000

P_MayH11 0.007323 0.000226 32.350159 0.000000

P_MayH12 0.007038 0.000222 31.701609 0.000000

P_MayH13 0.006051 0.000227 26.684477 0.000000

P_MayH14 0.005821 0.000222 26.189462 0.000000

P_MayH15 0.005724 0.000222 25.755561 0.000000

P_MayH16 0.005436 0.000222 24.479174 0.000000

P_MayH17 0.004694 0.000222 21.160857 0.000000

P_MayH18 0.001794 0.000226 7.935821 0.000000

P_MayH19 -0.000855 0.000226 -3.785422 0.000153

P_MayH20 0.000732 0.000226 3.245417 0.001173

P_MayH21 0.001908 0.000225 8.468752 0.000000

P_MayH22 0.001308 0.000225 5.811200 0.000000

P_MayH23 0.000119 0.000225 0.526910 0.598256

P_MayH24 -0.000716 0.000227 -3.152584 0.001618

P_JunH01 -0.001551 0.000229 -6.782813 0.000000

- 134 -

P_JunH02 -0.002295 0.000229 -10.038909 0.000000

P_JunH03 -0.002641 0.000229 -11.547006 0.000000

P_JunH04 -0.003860 0.000229 -16.883163 0.000000

P_JunH05 -0.003444 0.000229 -15.065058 0.000000

P_JunH06 -0.004455 0.000229 -19.483575 0.000000

P_JunH07 -0.007226 0.000229 -31.577734 0.000000

P_JunH08 -0.002094 0.000229 -9.142869 0.000000

P_JunH09 0.006074 0.000229 26.484510 0.000000

P_JunH10 0.008322 0.000227 36.589781 0.000000

P_JunH11 0.007888 0.000228 34.609799 0.000000

P_JunH12 0.007851 0.000224 35.087739 0.000000

P_JunH13 0.006819 0.000229 29.820167 0.000000

P_JunH14 0.007202 0.000224 32.105569 0.000000

P_JunH15 0.007219 0.000224 32.185192 0.000000

P_JunH16 0.006771 0.000224 30.208722 0.000000

P_JunH17 0.005376 0.000224 24.023211 0.000000

P_JunH18 0.001951 0.000228 8.564443 0.000000

P_JunH19 -0.000196 0.000227 -0.862370 0.388485

P_JunH20 0.000622 0.000227 2.741183 0.006122

P_JunH21 0.002003 0.000227 8.838961 0.000000

P_JunH22 0.000713 0.000227 3.147365 0.001648

P_JunH23 -0.000308 0.000226 -1.359430 0.174011

P_JunH24 -0.001219 0.000229 -5.327943 0.000000

P_JulH01 0.000155 0.000183 0.845242 0.397976

P_JulH02 -0.000329 0.000183 -1.798651 0.072074

P_JulH03 -0.000933 0.000183 -5.098710 0.000000

P_JulH04 -0.001730 0.000183 -9.460996 0.000000

P_JulH05 -0.001301 0.000183 -7.111516 0.000000

P_JulH06 -0.002348 0.000183 -12.834469 0.000000

P_JulH07 -0.003727 0.000183 -20.364988 0.000000

P_JulH08 -0.000312 0.000183 -1.700821 0.088977

P_JulH09 0.004913 0.000183 26.780214 0.000000

P_JulH10 0.006786 0.000183 37.137025 0.000000

P_JulH11 0.006627 0.000183 36.207611 0.000000

P_JulH12 0.006234 0.000176 35.323654 0.000000

P_JulH13 0.005539 0.000183 30.201627 0.000000

P_JulH14 0.004975 0.000177 28.158084 0.000000

- 135 -

P_JulH15 0.005042 0.000177 28.541072 0.000000

P_JulH16 0.004731 0.000177 26.792786 0.000000

P_JulH17 0.004255 0.000176 24.124963 0.000000

P_JulH18 0.002158 0.000183 11.796576 0.000000

P_JulH19 0.000230 0.000183 1.261093 0.207276

P_JulH20 0.000939 0.000182 5.148615 0.000000

P_JulH21 0.001926 0.000182 10.573346 0.000000

P_JulH22 0.001345 0.000182 7.386374 0.000000

P_JulH23 0.000696 0.000182 3.822939 0.000132

P_JulH24 0.000516 0.000183 2.818454 0.004826

P_AugH01 0.000131 0.000182 0.716631 0.473602

P_AugH02 -0.000217 0.000182 -1.190855 0.233711

P_AugH03 -0.000594 0.000182 -3.256083 0.001130

P_AugH04 -0.001288 0.000182 -7.063953 0.000000

P_AugH05 -0.001035 0.000182 -5.677508 0.000000

P_AugH06 -0.001894 0.000182 -10.394583 0.000000

P_AugH07 -0.002947 0.000182 -16.158586 0.000000

P_AugH08 -0.000076 0.000183 -0.418452 0.675617

P_AugH09 0.003409 0.000183 18.625507 0.000000

P_AugH10 0.006064 0.000183 33.178009 0.000000

P_AugH11 0.006278 0.000183 34.275705 0.000000

P_AugH12 0.005932 0.000179 33.208109 0.000000

P_AugH13 0.004987 0.000184 27.137517 0.000000

P_AugH14 0.004691 0.000179 26.209697 0.000000

P_AugH15 0.004568 0.000179 25.523256 0.000000

P_AugH16 0.004493 0.000179 25.127087 0.000000

P_AugH17 0.004157 0.000178 23.294397 0.000000

P_AugH18 0.001985 0.000183 10.846559 0.000000

P_AugH19 0.000496 0.000183 2.718124 0.006566

P_AugH20 0.001139 0.000182 6.249585 0.000000

P_AugH21 0.002023 0.000182 11.116413 0.000000

P_AugH22 0.001506 0.000182 8.278013 0.000000

P_AugH23 0.000832 0.000182 4.577410 0.000005

P_AugH24 0.000601 0.000182 3.296668 0.000978

P_SepH01 -0.001267 0.000227 -5.569466 0.000000

P_SepH02 -0.001863 0.000227 -8.192857 0.000000

P_SepH03 -0.002506 0.000227 -11.019525 0.000000

- 136 -

P_SepH04 -0.003642 0.000227 -16.021565 0.000000

P_SepH05 -0.003036 0.000227 -13.354922 0.000000

P_SepH06 -0.004756 0.000227 -20.922493 0.000000

P_SepH07 -0.006825 0.000227 -30.011574 0.000000

P_SepH08 -0.001880 0.000228 -8.259613 0.000000

P_SepH09 0.006515 0.000228 28.560039 0.000000

P_SepH10 0.008538 0.000227 37.618403 +DEN

P_SepH11 0.008152 0.000228 35.832158 0.000000

P_SepH12 0.008040 0.000225 35.805154 0.000000

P_SepH13 0.007150 0.000228 31.332956 0.000000

P_SepH14 0.007110 0.000225 31.591707 0.000000

P_SepH15 0.006994 0.000225 31.078247 0.000000

P_SepH16 0.006493 0.000225 28.883005 0.000000

P_SepH17 0.005377 0.000224 23.966511 0.000000

P_SepH18 0.001968 0.000227 8.668182 0.000000

P_SepH19 -0.000689 0.000227 -3.041855 0.002351

P_SepH20 0.000819 0.000226 3.617495 0.000297

P_SepH21 0.002171 0.000226 9.602335 0.000000

P_SepH22 0.000999 0.000226 4.419455 0.000010

P_SepH23 -0.000041 0.000226 -0.180533 0.856735

P_SepH24 -0.000808 0.000228 -3.551110 0.000384

P_OctH01 -0.001020 0.000218 -4.667994 0.000003

P_OctH02 -0.001443 0.000218 -6.604529 0.000000

P_OctH03 -0.002032 0.000218 -9.308174 0.000000

P_OctH04 -0.002846 0.000218 -13.041835 0.000000

P_OctH05 -0.002236 0.000218 -10.245889 0.000000

P_OctH06 -0.003670 0.000218 -16.822274 0.000000

P_OctH07 -0.005188 0.000218 -23.781104 0.000000

P_OctH08 -0.001027 0.000219 -4.702006 0.000003

P_OctH09 0.006272 0.000219 28.620381 0.000000

P_OctH10 0.007815 0.000218 35.878039 0.000000

P_OctH11 0.007532 0.000218 34.505121 0.000000

P_OctH12 0.007185 0.000217 33.033670 0.000000

P_OctH13 0.006141 0.000219 28.084991 0.000000

P_OctH14 0.006106 0.000218 28.040290 0.000000

P_OctH15 0.005995 0.000218 27.536890 0.000000

P_OctH16 0.005769 0.000218 26.521790 0.000000

- 137 -

P_OctH17 0.005056 0.000217 23.274457 0.000000

P_OctH18 0.002164 0.000218 9.933819 0.000000

P_OctH19 0.000472 0.000215 2.196319 0.028070

P_OctH20 0.001477 0.000215 6.886215 0.000000

P_OctH21 0.002208 0.000214 10.301547 0.000000

P_OctH22 0.001327 0.000214 6.193498 0.000000

P_OctH23 0.000341 0.000214 1.593303 0.111093

P_OctH24 -0.000252 0.000219 -1.152898 0.248953

P_NovH01 -0.000723 0.000210 -3.440686 0.000580

P_NovH02 -0.001378 0.000210 -6.560716 0.000000

P_NovH03 -0.002213 0.000210 -10.538734 0.000000

P_NovH04 -0.003383 0.000210 -16.116589 0.000000

P_NovH05 -0.002390 0.000210 -11.384106 0.000000

P_NovH06 -0.004258 0.000210 -20.281605 0.000000

P_NovH07 -0.005965 0.000210 -28.401714 0.000000

P_NovH08 -0.001087 0.000210 -5.173606 0.000000

P_NovH09 0.008204 0.000211 38.953461 0.000000

P_NovH10 0.009622 0.000209 45.961963 0.000000

P_NovH11 0.008690 0.000210 41.400476 0.000000

P_NovH12 0.008046 0.000210 38.279029 +DEN

P_NovH13 0.006639 0.000210 31.540727 0.000000

P_NovH14 0.006280 0.000211 29.821681 0.000000

P_NovH15 0.006306 0.000210 29.961775 0.000000

P_NovH16 0.006233 0.000210 29.645134 0.000000

P_NovH17 0.005592 0.000210 26.662863 0.000000

P_NovH18 0.002437 0.000209 11.644545 0.000000

P_NovH19 0.000504 0.000205 2.455098 0.014085

P_NovH20 0.001496 0.000205 7.293893 0.000000

P_NovH21 0.002378 0.000205 11.605124 0.000000

P_NovH22 0.001250 0.000205 6.102041 0.000000

P_NovH23 0.000267 0.000205 1.303930 0.192258

P_NovH24 -0.000023 0.000210 -0.111105 0.911533

P_DecH01 -0.000360 0.000208 -1.728871 0.083833

P_DecH02 -0.001045 0.000208 -5.021461 0.000001

P_DecH03 -0.002086 0.000208 -10.022075 0.000000

P_DecH04 -0.003645 0.000208 -17.511346 0.000000

P_DecH05 -0.002710 0.000208 -13.018994 0.000000

- 138 -

P_DecH06 -0.004377 0.000208 -21.017620 0.000000

P_DecH07 -0.005617 0.000208 -26.955370 0.000000

P_DecH08 -0.000667 0.000208 -3.197601 0.001386

P_DecH09 0.008873 0.000209 42.522106 0.000000

P_DecH10 0.010346 0.000207 49.961114 0.000000

P_DecH11 0.009043 0.000207 43.625219 0.000000

P_DecH12 0.008110 0.000207 39.090973 0.000000

P_DecH13 0.006488 0.000208 31.250423 0.000000

P_DecH14 0.005758 0.000208 27.732857 0.000000

P_DecH15 0.005884 0.000208 28.355253 0.000000

P_DecH16 0.006145 0.000207 29.636109 0.000000

P_DecH17 0.005242 0.000207 25.317449 0.000000

P_DecH18 0.001660 0.000207 8.028890 0.000000

P_DecH19 -0.000417 0.000203 -2.054583 0.039920

P_DecH20 0.000675 0.000203 3.328211 0.000874

P_DecH21 0.001725 0.000203 8.506536 0.000000

P_DecH22 0.001066 0.000203 5.256714 0.000000

P_DecH23 0.000447 0.000203 2.205204 0.027440

P_DecH24 0.000233 0.000208 1.118292 0.263443

P_Mon 0.001454 0.000033 44.550097 0.000000

P_Tue 0.001197 0.000033 36.133270 0.000000

P_Wed 0.000971 0.000033 29.389465 0.000000

P_Thr 0.001486 0.000033 45.178311 0.000000

P_Fri 0.000628 0.000033 19.034461 0.000000

P_Sat 0.000554 0.000032 17.478053 0.000000

P_MonHol -0.001458 0.000125 -11.666630 0.000000

P_TueHol -0.001008 0.000123 -8.186434 0.000000

P_WedHol -0.001123 0.000151 -7.420005 0.000000

P_ThrHol -0.001292 0.000169 -7.630333 0.000000

P_FriHol -0.000971 0.000163 -5.951184 0.000000

P_SatHol -0.000511 0.000148 -3.462398 0.000535

P_NY -0.000888 0.000179 -4.948805 0.000001

P_TG -0.001129 0.000183 -6.181614 0.000000

P_Yrt06 -0.000177 0.000031 -5.699989 0.000000

P_Yrt07 0.000145 0.000031 4.716413 0.000002

P_Yrt08 0.000641 0.000031 20.663833 0.000000

P_Yrt09 0.001451 0.000031 46.786338 0.000000

- 139 -

P_sz 0.000000 0.000000 2.376206 0.017492

CDD 0.000243 0.000028 8.700333 0.000000

HDD 0.000328 0.000014 24.165676 0.000000

Humd 0.000170 0.000029 5.948829 0.000000

Week_E 0.804339 0.000870 924.953748 0.000000

alpha01 1.231341 0.031081 39.617167 0.000000

alpha02 1.713574 0.031318 54.716070 0.000000

alpha03 1.353144 0.031117 43.485437 0.000000

alpha04 1.292974 0.031159 41.495697 0.000000

alpha05 1.343593 0.031085 43.223140 0.000000

alpha06 1.442877 0.031231 46.200784 0.000000

alpha07 1.291877 0.031134 41.494592 0.000000

alpha08 1.829425 0.030819 59.359773 0.000000

alpha09 1.306287 0.031135 41.955828 0.000000

alpha10 1.210742 0.031167 38.847460 0.000000

alpha11 2.089783 0.030187 69.226873 0.000000

alpha12 1.747096 0.031182 56.029814 0.000000

alpha13 1.467647 0.031287 46.908789 0.000000

alpha14 1.292423 0.030964 41.739851 0.000000

alpha15 1.421797 0.031087 45.735823 0.000000

---------------------------------------------------------

year 2009 Monday Hourly Price Elasticity

---------------------------------------------------------

Standard


---------------------------------------------------------

P_JanH01 -0.254075 0.009369 -27.117536 0.000000

P_JanH02 -0.255476 0.009253 -27.610920 0.000000

P_JanH03 -0.256037 0.009253 -27.671385 0.000000

P_JanH04 -0.257123 0.009253 -27.788905 0.000000

P_JanH05 -0.256044 0.009253 -27.672287 0.000000

P_JanH06 -0.256915 0.009253 -27.766847 0.000000

<표 68> 교육용 추정결과를 이용한 월요일의 가격탄력성 산정결과 (사례)

- 140 -

P_JanH07 -0.258223 0.009252 -27.908778 0.000000

P_JanH08 -0.255956 0.009252 -27.664063 0.000000

P_JanH09 -0.250398 0.009252 -27.064818 0.000000

P_JanH10 -0.246629 0.009249 -26.665050 0.000000

P_JanH11 -0.246441 0.009249 -26.646158 0.000000

P_JanH12 -0.246987 0.009248 -26.705956 0.000000

P_JanH13 -0.249080 0.009248 -26.932769 0.000000

P_JanH14 -0.249904 0.009248 -27.022111 0.000000

P_JanH15 -0.249963 0.009248 -27.028439 0.000000

P_JanH16 -0.249787 0.009248 -27.008849 0.000000

P_JanH17 -0.250542 0.009249 -27.089529 0.000000

P_JanH18 -0.253647 0.009249 -27.423909 0.000000

P_JanH19 -0.255066 0.009249 -27.576948 0.000000

P_JanH20 -0.253668 0.009250 -27.424917 0.000000

P_JanH21 -0.252695 0.009250 -27.319014 0.000000

P_JanH22 -0.252919 0.009250 -27.342783 0.000000

P_JanH23 -0.253650 0.009250 -27.421251 0.000000

P_JanH24 -0.254257 0.009253 -27.479750 0.000000

P_FebH01 -0.254447 0.009252 -27.502115 0.000000

P_FebH02 -0.255242 0.009252 -27.587879 0.000000

P_FebH03 -0.255763 0.009252 -27.644045 0.000000

P_FebH04 -0.257008 0.009252 -27.778759 0.000000

P_FebH05 -0.256127 0.009252 -27.683583 0.000000

P_FebH06 -0.257433 0.009252 -27.825171 0.000000

P_FebH07 -0.258404 0.009252 -27.930762 0.000000

P_FebH08 -0.255586 0.009251 -27.626707 0.000000

P_FebH09 -0.248795 0.009251 -26.894417 0.000000

P_FebH10 -0.245535 0.009248 -26.549434 0.000000

P_FebH11 -0.245831 0.009248 -26.582842 0.000000

P_FebH12 -0.246703 0.009247 -26.677902 0.000000

P_FebH13 -0.248968 0.009247 -26.923459 0.000000

P_FebH14 -0.249883 0.009247 -27.022627 0.000000

P_FebH15 -0.249621 0.009247 -26.994191 0.000000

P_FebH16 -0.249190 0.009247 -26.947101 0.000000

P_FebH17 -0.249610 0.009248 -26.991640 0.000000

P_FebH18 -0.252723 0.009248 -27.326954 0.000000

P_FebH19 -0.254905 0.009248 -27.562012 0.000000

- 141 -

P_FebH20 -0.253623 0.009249 -27.422364 0.000000

P_FebH21 -0.252709 0.009249 -27.322811 0.000000

P_FebH22 -0.252880 0.009249 -27.340762 0.000000

P_FebH23 -0.253503 0.009249 -27.407503 0.000000

P_FebH24 -0.254144 0.009252 -27.469882 0.000000

P_MarH01 -0.255416 0.009254 -27.600745 0.000000

P_MarH02 -0.256373 0.009254 -27.703995 0.000000

P_MarH03 -0.257356 0.009254 -27.810130 0.000000

P_MarH04 -0.259058 0.009254 -27.994223 0.000000

P_MarH05 -0.257688 0.009254 -27.846099 0.000000

P_MarH06 -0.259467 0.009254 -28.039085 0.000000

P_MarH07 -0.260962 0.009253 -28.201542 0.000000

P_MarH08 -0.254733 0.009253 -27.529775 0.000000

P_MarH09 -0.244195 0.009252 -26.393019 0.000000

P_MarH10 -0.243545 0.009249 -26.332050 0.000000

P_MarH11 -0.245042 0.009248 -26.495356 0.000000

P_MarH12 -0.245845 0.009248 -26.583508 0.000000

P_MarH13 -0.247243 0.009248 -26.734764 0.000000

P_MarH14 -0.247648 0.009248 -26.779274 0.000000

P_MarH15 -0.247606 0.009248 -26.774453 0.000000

P_MarH16 -0.247573 0.009248 -26.770346 0.000000

P_MarH17 -0.248272 0.009248 -26.844979 0.000000

P_MarH18 -0.251422 0.009249 -27.183675 0.000000

P_MarH19 -0.253883 0.009249 -27.450350 0.000000

P_MarH20 -0.252609 0.009249 -27.311426 0.000000

P_MarH21 -0.251764 0.009250 -27.218989 0.000000

P_MarH22 -0.252942 0.009250 -27.345801 0.000000

P_MarH23 -0.253950 0.009250 -27.453799 0.000000

P_MarH24 -0.255196 0.009254 -27.577749 0.000000

P_AprH01 -0.255642 0.009256 -27.620490 0.000000

P_AprH02 -0.256551 0.009256 -27.718392 0.000000

P_AprH03 -0.257285 0.009256 -27.797511 0.000000

P_AprH04 -0.258653 0.009256 -27.945485 0.000000

P_AprH05 -0.257193 0.009256 -27.787679 0.000000

P_AprH06 -0.258434 0.009255 -27.922274 0.000000

P_AprH07 -0.260333 0.009255 -28.128841 0.000000

P_AprH08 -0.255711 0.009254 -27.631173 0.000000

- 142 -

P_AprH09 -0.246155 0.009254 -26.600856 0.000000

P_AprH10 -0.244996 0.009251 -26.484123 0.000000

P_AprH11 -0.245688 0.009250 -26.560108 0.000000

P_AprH12 -0.246175 0.009249 -26.616911 0.000000

P_AprH13 -0.247366 0.009250 -26.742243 0.000000

P_AprH14 -0.247987 0.009249 -26.813052 0.000000

P_AprH15 -0.247920 0.009249 -26.805509 0.000000

P_AprH16 -0.247950 0.009249 -26.808414 0.000000

P_AprH17 -0.248767 0.009249 -26.896024 0.000000

P_AprH18 -0.251968 0.009251 -27.237242 0.000000

P_AprH19 -0.254697 0.009251 -27.531444 0.000000

P_AprH20 -0.253262 0.009252 -27.375090 0.000000

P_AprH21 -0.252084 0.009252 -27.246624 0.000000

P_AprH22 -0.253059 0.009252 -27.351348 0.000000

P_AprH23 -0.254077 0.009252 -27.460391 0.000000

P_AprH24 -0.254941 0.009255 -27.545603 0.000000

P_MayH01 -0.255327 0.009254 -27.591167 0.000000

P_MayH02 -0.255859 0.009254 -27.648398 0.000000

P_MayH03 -0.256542 0.009254 -27.721992 0.000000

P_MayH04 -0.257558 0.009254 -27.831850 0.000000

P_MayH05 -0.256932 0.009254 -27.764084 0.000000

P_MayH06 -0.257953 0.009254 -27.875062 0.000000

P_MayH07 -0.259987 0.009253 -28.096380 0.000000

P_MayH08 -0.255439 0.009253 -27.606136 0.000000

P_MayH09 -0.247711 0.009253 -26.772081 0.000000

P_MayH10 -0.246351 0.009250 -26.632618 0.000000

P_MayH11 -0.246752 0.009250 -26.676178 0.000000

P_MayH12 -0.247037 0.009249 -26.710418 0.000000

P_MayH13 -0.248024 0.009250 -26.813308 0.000000

P_MayH14 -0.248254 0.009249 -26.841632 0.000000

P_MayH15 -0.248351 0.009249 -26.851935 0.000000

P_MayH16 -0.248639 0.009249 -26.882905 0.000000

P_MayH17 -0.249381 0.009249 -26.962899 0.000000

P_MayH18 -0.252281 0.009250 -27.272394 0.000000

P_MayH19 -0.254930 0.009250 -27.558916 0.000000

P_MayH20 -0.253343 0.009251 -27.386921 0.000000

P_MayH21 -0.252167 0.009251 -27.259108 0.000000

- 143 -

P_MayH22 -0.252767 0.009251 -27.323593 0.000000

P_MayH23 -0.253956 0.009251 -27.451517 0.000000

P_MayH24 -0.254791 0.009254 -27.533780 0.000000

P_JunH01 -0.255626 0.009253 -27.625500 0.000000

P_JunH02 -0.256370 0.009253 -27.705996 0.000000

P_JunH03 -0.256716 0.009253 -27.743382 0.000000

P_JunH04 -0.257935 0.009253 -27.875469 0.000000

P_JunH05 -0.257519 0.009253 -27.830602 0.000000

P_JunH06 -0.258530 0.009253 -27.940592 0.000000

P_JunH07 -0.261301 0.009253 -28.241072 0.000000

P_JunH08 -0.256169 0.009252 -27.686481 0.000000

P_JunH09 -0.248001 0.009252 -26.804116 0.000000

P_JunH10 -0.245753 0.009250 -26.568067 0.000000

P_JunH11 -0.246187 0.009250 -26.614946 0.000000

P_JunH12 -0.246224 0.009249 -26.622304 0.000000

P_JunH13 -0.247256 0.009250 -26.730149 0.000000

P_JunH14 -0.246873 0.009249 -26.692163 0.000000

P_JunH15 -0.246856 0.009249 -26.690006 0.000000

P_JunH16 -0.247304 0.009249 -26.738317 0.000000

P_JunH17 -0.248699 0.009249 -26.888976 0.000000

P_JunH18 -0.252124 0.009250 -27.255303 0.000000

P_JunH19 -0.254271 0.009250 -27.487827 0.000000

P_JunH20 -0.253453 0.009250 -27.399317 0.000000

P_JunH21 -0.252072 0.009250 -27.249591 0.000000

P_JunH22 -0.253362 0.009250 -27.389044 0.000000

P_JunH23 -0.254383 0.009251 -27.498936 0.000000

P_JunH24 -0.255294 0.009253 -27.589908 0.000000

P_JulH01 -0.253920 0.009240 -27.481417 0.000000

P_JulH02 -0.254404 0.009240 -27.533838 0.000000

P_JulH03 -0.255008 0.009240 -27.599294 0.000000

P_JulH04 -0.255805 0.009240 -27.685937 0.000000

P_JulH05 -0.255375 0.009239 -27.639555 0.000000

P_JulH06 -0.256423 0.009239 -27.753421 0.000000

P_JulH07 -0.257802 0.009239 -27.903142 0.000000

P_JulH08 -0.254387 0.009239 -27.533554 0.000000

P_JulH09 -0.249162 0.009239 -26.968305 0.000000

P_JulH10 -0.247288 0.009238 -26.768659 0.000000

- 144 -

P_JulH11 -0.247448 0.009238 -26.786023 0.000000

P_JulH12 -0.247840 0.009241 -26.819362 0.000000

P_JulH13 -0.248536 0.009238 -26.903613 0.000000

P_JulH14 -0.249100 0.009241 -26.955439 0.000000

P_JulH15 -0.249033 0.009241 -26.947915 0.000000

P_JulH16 -0.249344 0.009241 -26.981414 0.000000

P_JulH17 -0.249820 0.009241 -27.032713 0.000000

P_JulH18 -0.251917 0.009238 -27.268574 0.000000

P_JulH19 -0.253845 0.009238 -27.477336 0.000000

P_JulH20 -0.253136 0.009238 -27.400526 0.000000

P_JulH21 -0.252149 0.009238 -27.293364 0.000000

P_JulH22 -0.252730 0.009238 -27.356248 0.000000

P_JulH23 -0.253379 0.009239 -27.426270 0.000000

P_JulH24 -0.253559 0.009240 -27.442410 0.000000

P_AugH01 -0.253944 0.009240 -27.483815 0.000000

P_AugH02 -0.254292 0.009240 -27.521550 0.000000

P_AugH03 -0.254669 0.009240 -27.562392 0.000000

P_AugH04 -0.255362 0.009240 -27.637716 0.000000

P_AugH05 -0.255110 0.009240 -27.610511 0.000000

P_AugH06 -0.255969 0.009239 -27.704019 0.000000

P_AugH07 -0.257022 0.009239 -27.818304 0.000000

P_AugH08 -0.254151 0.009239 -27.507549 0.000000

P_AugH09 -0.250666 0.009239 -27.130306 0.000000

P_AugH10 -0.248011 0.009239 -26.845062 0.000000

P_AugH11 -0.247797 0.009239 -26.821868 0.000000

P_AugH12 -0.248143 0.009241 -26.852650 0.000000

P_AugH13 -0.249088 0.009239 -26.961412 0.000000

P_AugH14 -0.249384 0.009241 -26.986722 0.000000

P_AugH15 -0.249507 0.009241 -26.999887 0.000000

P_AugH16 -0.249582 0.009241 -27.007909 0.000000

P_AugH17 -0.249918 0.009241 -27.044043 0.000000

P_AugH18 -0.252090 0.009239 -27.285801 0.000000

P_AugH19 -0.253579 0.009239 -27.447231 0.000000

P_AugH20 -0.252936 0.009239 -27.377645 0.000000

P_AugH21 -0.252052 0.009239 -27.281668 0.000000

P_AugH22 -0.252569 0.009239 -27.337694 0.000000

P_AugH23 -0.253243 0.009239 -27.410405 0.000000

- 145 -

P_AugH24 -0.253474 0.009240 -27.433019 0.000000

P_SepH01 -0.255342 0.009252 -27.597803 0.000000

P_SepH02 -0.255938 0.009252 -27.662353 0.000000

P_SepH03 -0.256581 0.009252 -27.731893 0.000000

P_SepH04 -0.257717 0.009252 -27.855083 0.000000

P_SepH05 -0.257111 0.009252 -27.789613 0.000000

P_SepH06 -0.258831 0.009252 -27.976288 0.000000

P_SepH07 -0.260900 0.009251 -28.200876 0.000000

P_SepH08 -0.255955 0.009251 -27.666699 0.000000

P_SepH09 -0.247560 0.009251 -26.759523 0.000000

P_SepH10 -0.245537 0.009250 -26.545823 0.000000

P_SepH11 -0.245923 0.009250 -26.587506 0.000000

P_SepH12 -0.246035 0.009249 -26.601954 0.000000

P_SepH13 -0.246925 0.009250 -26.695490 0.000000

P_SepH14 -0.246964 0.009249 -26.702221 0.000000

P_SepH15 -0.247081 0.009249 -26.714482 0.000000

P_SepH16 -0.247582 0.009249 -26.768488 0.000000

P_SepH17 -0.248698 0.009249 -26.889082 0.000000

P_SepH18 -0.252107 0.009250 -27.254878 0.000000

P_SepH19 -0.254764 0.009250 -27.542631 0.000000

P_SepH20 -0.253256 0.009250 -27.379219 0.000000

P_SepH21 -0.251904 0.009250 -27.232434 0.000000

P_SepH22 -0.253076 0.009250 -27.359122 0.000000

P_SepH23 -0.254116 0.009250 -27.471091 0.000000

P_SepH24 -0.254883 0.009252 -27.548540 0.000000

P_OctH01 -0.255095 0.009250 -27.576929 0.000000

P_OctH02 -0.255517 0.009250 -27.622445 0.000000

P_OctH03 -0.256107 0.009250 -27.686052 0.000000

P_OctH04 -0.256921 0.009250 -27.774109 0.000000

P_OctH05 -0.256310 0.009250 -27.707975 0.000000

P_OctH06 -0.257745 0.009250 -27.863526 0.000000

P_OctH07 -0.259263 0.009250 -28.028375 0.000000

P_OctH08 -0.255102 0.009250 -27.579669 0.000000

P_OctH09 -0.247803 0.009249 -26.792203 0.000000

P_OctH10 -0.246260 0.009247 -26.631410 0.000000

P_OctH11 -0.246543 0.009247 -26.662537 0.000000

P_OctH12 -0.246890 0.009247 -26.700425 0.000000

- 146 -

P_OctH13 -0.247934 0.009247 -26.812868 0.000000

P_OctH14 -0.247969 0.009247 -26.816995 0.000000

P_OctH15 -0.248080 0.009247 -26.828825 0.000000

P_OctH16 -0.248306 0.009247 -26.853078 0.000000

P_OctH17 -0.249019 0.009247 -26.930083 0.000000

P_OctH18 -0.251911 0.009247 -27.242020 0.000000

P_OctH19 -0.253603 0.009247 -27.425708 0.000000

P_OctH20 -0.252597 0.009247 -27.316188 0.000000

P_OctH21 -0.251867 0.009247 -27.236388 0.000000

P_OctH22 -0.252748 0.009248 -27.331296 0.000000

P_OctH23 -0.253734 0.009248 -27.437146 0.000000

P_OctH24 -0.254327 0.009250 -27.494284 0.000000

P_NovH01 -0.254798 0.009248 -27.552857 0.000000

P_NovH02 -0.255453 0.009248 -27.623527 0.000000

P_NovH03 -0.256288 0.009248 -27.713739 0.000000

P_NovH04 -0.257458 0.009248 -27.840540 0.000000

P_NovH05 -0.256465 0.009248 -27.733016 0.000000

P_NovH06 -0.258333 0.009247 -27.935620 0.000000

P_NovH07 -0.260040 0.009247 -28.120985 0.000000

P_NovH08 -0.255162 0.009247 -27.594237 0.000000

P_NovH09 -0.245871 0.009246 -26.591335 0.000000

P_NovH10 -0.244453 0.009244 -26.443768 0.000000

P_NovH11 -0.245385 0.009244 -26.545786 0.000000

P_NovH12 -0.246028 0.009244 -26.616065 0.000000

P_NovH13 -0.247436 0.009243 -26.768769 0.000000

P_NovH14 -0.247795 0.009243 -26.807775 0.000000

P_NovH15 -0.247769 0.009244 -26.804630 0.000000

P_NovH16 -0.247842 0.009244 -26.812002 0.000000

P_NovH17 -0.248483 0.009244 -26.880211 0.000000

P_NovH18 -0.251638 0.009245 -27.220299 0.000000

P_NovH19 -0.253571 0.009245 -27.428348 0.000000

P_NovH20 -0.252579 0.009245 -27.320074 0.000000

P_NovH21 -0.251697 0.009245 -27.223727 0.000000

P_NovH22 -0.252825 0.009246 -27.345319 0.000000

P_NovH23 -0.253808 0.009246 -27.450927 0.000000

P_NovH24 -0.254098 0.009247 -27.477521 0.000000

P_DecH01 -0.254435 0.009249 -27.508054 0.000000

- 147 -

P_DecH02 -0.255120 0.009249 -27.582051 0.000000

P_DecH03 -0.256161 0.009249 -27.694658 0.000000

P_DecH04 -0.257720 0.009249 -27.863542 0.000000

P_DecH05 -0.256785 0.009249 -27.762495 0.000000

P_DecH06 -0.258452 0.009249 -27.943360 0.000000

P_DecH07 -0.259691 0.009249 -28.078180 0.000000

P_DecH08 -0.254742 0.009249 -27.543558 0.000000

P_DecH09 -0.245202 0.009248 -26.513716 0.000000

P_DecH10 -0.243729 0.009246 -26.360167 0.000000

P_DecH11 -0.245032 0.009246 -26.502197 0.000000

P_DecH12 -0.245965 0.009245 -26.603869 0.000000

P_DecH13 -0.247587 0.009245 -26.779758 0.000000

P_DecH14 -0.248317 0.009245 -26.858800 0.000000

P_DecH15 -0.248191 0.009245 -26.844840 0.000000

P_DecH16 -0.247930 0.009246 -26.815939 0.000000

P_DecH17 -0.248833 0.009246 -26.912418 0.000000

P_DecH18 -0.252415 0.009246 -27.298567 0.000000

P_DecH19 -0.254492 0.009247 -27.522418 0.000000

P_DecH20 -0.253400 0.009247 -27.403328 0.000000

P_DecH21 -0.252350 0.009247 -27.288908 0.000000

P_DecH22 -0.253009 0.009247 -27.359775 0.000000

P_DecH23 -0.253628 0.009248 -27.426072 0.000000

P_DecH24 -0.253842 0.009249 -27.444199 0.000000

---------------------------------------------------------







R-squared : 0.793


<표 69> 일반용(갑) 추정결과

- 148 -



P-value = 0.000

---------------------------------------------------------

Standard


---------------------------------------------------------

p_rate -0.112275 0.013809 -8.130786 0.000000

P_JanH02 -0.000271 0.000139 -1.953234 0.050792

P_JanH03 -0.000301 0.000139 -2.165826 0.030325

P_JanH04 0.000059 0.000139 0.425362 0.670573

P_JanH05 -0.000151 0.000139 -1.083733 0.278484

P_JanH06 -0.001145 0.000139 -8.243487 0.000000

P_JanH07 -0.001112 0.000139 -8.002274 0.000000

P_JanH08 0.000988 0.000139 7.111082 0.000000

P_JanH09 0.002189 0.000139 15.756291 0.000000

P_JanH10 0.005245 0.000139 37.739804 +DEN

P_JanH11 0.004969 0.000139 35.729180 0.000000

P_JanH12 0.004404 0.000139 31.644811 0.000000

P_JanH13 0.003275 0.000139 23.520621 0.000000

P_JanH14 0.002945 0.000139 21.146425 0.000000

P_JanH15 0.002510 0.000139 18.019692 0.000000

P_JanH16 0.002285 0.000139 16.410686 0.000000

P_JanH17 0.002477 0.000139 17.801758 0.000000

P_JanH18 0.004013 0.000139 28.857845 0.000000

P_JanH19 0.004167 0.000139 29.973733 0.000000

P_JanH20 0.003844 0.000139 27.661972 0.000000

P_JanH21 0.004038 0.000139 29.060263 0.000000

P_JanH22 0.004058 0.000139 29.216473 0.000000

P_JanH23 0.001570 0.000139 11.301815 0.000000

P_JanH24 0.000677 0.000139 4.876284 0.000001

P_FebH01 0.000115 0.000143 0.805777 0.420372

P_FebH02 -0.000298 0.000143 -2.086028 0.036976

P_FebH03 -0.000223 0.000143 -1.561789 0.118338

P_FebH04 0.000068 0.000143 0.473211 0.636062

P_FebH05 -0.000377 0.000143 -2.640580 0.008277

P_FebH06 -0.001083 0.000143 -7.592611 0.000000

- 149 -

P_FebH07 -0.000804 0.000143 -5.637881 0.000000

P_FebH08 0.001129 0.000143 7.912768 0.000000

P_FebH09 0.002210 0.000143 15.494364 0.000000

P_FebH10 0.005308 0.000143 37.194415 0.000000

P_FebH11 0.004882 0.000143 34.175418 0.000000

P_FebH12 0.004226 0.000143 29.557454 0.000000

P_FebH13 0.003174 0.000143 22.191435 0.000000

P_FebH14 0.002819 0.000143 19.699539 0.000000

P_FebH15 0.002491 0.000143 17.401986 0.000000

P_FebH16 0.002231 0.000143 15.588439 0.000000

P_FebH17 0.002458 0.000143 17.184706 0.000000

P_FebH18 0.003581 0.000143 25.063002 0.000000

P_FebH19 0.003739 0.000143 26.183429 0.000000

P_FebH20 0.003846 0.000143 26.944655 0.000000

P_FebH21 0.003933 0.000143 27.567254 0.000000

P_FebH22 0.003905 0.000143 27.382280 0.000000

P_FebH23 0.001567 0.000143 10.991882 0.000000

P_FebH24 0.000605 0.000143 4.245532 0.000022

P_MarH01 -0.000347 0.000141 -2.451260 0.014236

P_MarH02 -0.000551 0.000141 -3.898111 0.000097

P_MarH03 -0.000343 0.000141 -2.425954 0.015268

P_MarH04 -0.000129 0.000141 -0.915956 0.359690

P_MarH05 -0.000380 0.000141 -2.687683 0.007195

P_MarH06 -0.001278 0.000141 -9.045868 0.000000

P_MarH07 -0.000833 0.000141 -5.896312 0.000000

P_MarH08 0.000688 0.000141 4.866283 0.000001

P_MarH09 0.002085 0.000141 14.740513 0.000000

P_MarH10 0.005039 0.000142 35.573793 0.000000

P_MarH11 0.004749 0.000142 33.472580 0.000000

P_MarH12 0.003985 0.000142 28.053593 0.000000

P_MarH13 0.002854 0.000142 20.069668 0.000000

P_MarH14 0.002715 0.000142 19.085597 0.000000

P_MarH15 0.002569 0.000142 18.058676 0.000000

P_MarH16 0.002179 0.000142 15.316385 0.000000

P_MarH17 0.002254 0.000142 15.862722 0.000000

P_MarH18 0.002953 0.000142 20.811438 0.000000

P_MarH19 0.003416 0.000142 24.105641 0.000000

- 150 -

P_MarH20 0.003784 0.000142 26.724241 0.000000

P_MarH21 0.003997 0.000142 28.241851 0.000000

P_MarH22 0.004107 0.000141 29.029929 0.000000

P_MarH23 0.002411 0.000141 17.049088 0.000000

P_MarH24 0.000509 0.000141 3.601353 0.000317

P_AprH01 -0.000708 0.000148 -4.784969 0.000002

P_AprH02 -0.000899 0.000148 -6.071495 0.000000

P_AprH03 -0.000764 0.000148 -5.160393 0.000000

P_AprH04 -0.000524 0.000148 -3.540645 0.000399

P_AprH05 -0.000821 0.000148 -5.547963 0.000000

P_AprH06 -0.001436 0.000148 -9.713011 0.000000

P_AprH07 -0.000546 0.000148 -3.688313 0.000226

P_AprH08 0.000497 0.000148 3.352582 0.000801

P_AprH09 0.001647 0.000148 11.094594 0.000000

P_AprH10 0.004494 0.000149 30.203140 0.000000

P_AprH11 0.004268 0.000149 28.628209 0.000000

P_AprH12 0.003816 0.000149 25.549136 0.000000

P_AprH13 0.002618 0.000149 17.525443 0.000000

P_AprH14 0.002635 0.000149 17.634917 0.000000

P_AprH15 0.002442 0.000149 16.341584 0.000000

P_AprH16 0.002203 0.000149 14.750561 0.000000

P_AprH17 0.002099 0.000149 14.069206 0.000000

P_AprH18 0.002629 0.000149 17.644225 0.000000

P_AprH19 0.002819 0.000149 18.956228 0.000000

P_AprH20 0.003587 0.000149 24.150326 0.000000

P_AprH21 0.004074 0.000148 27.457331 0.000000

P_AprH22 0.004301 0.000148 29.009468 0.000000

P_AprH23 0.002567 0.000148 17.320800 0.000000

P_AprH24 0.000620 0.000148 4.186923 0.000028

P_MayH01 -0.001032 0.000148 -6.970323 0.000000

P_MayH02 -0.001109 0.000148 -7.496094 0.000000

P_MayH03 -0.000918 0.000148 -6.204850 0.000000

P_MayH04 -0.000886 0.000148 -5.995477 0.000000

P_MayH05 -0.001075 0.000148 -7.272115 0.000000

P_MayH06 -0.001579 0.000148 -10.687081 0.000000

P_MayH07 -0.000861 0.000148 -5.817106 0.000000

P_MayH08 -0.000145 0.000148 -0.977465 0.328339

- 151 -

P_MayH09 0.001473 0.000148 9.921961 0.000000

P_MayH10 0.004378 0.000149 29.444792 0.000000

P_MayH11 0.004130 0.000149 27.743857 0.000000

P_MayH12 0.003722 0.000149 24.985511 0.000000

P_MayH13 0.002649 0.000149 17.761337 0.000000

P_MayH14 0.002659 0.000149 17.822558 0.000000

P_MayH15 0.002573 0.000149 17.239779 0.000000

P_MayH16 0.002243 0.000149 15.033426 0.000000

P_MayH17 0.002100 0.000149 14.090167 0.000000

P_MayH18 0.002423 0.000149 16.277235 0.000000

P_MayH19 0.002493 0.000149 16.768212 0.000000

P_MayH20 0.003413 0.000148 22.991923 0.000000

P_MayH21 0.004252 0.000148 28.664628 0.000000

P_MayH22 0.004372 0.000148 29.496616 0.000000

P_MayH23 0.002479 0.000148 16.730402 0.000000

P_MayH24 0.000515 0.000148 3.477414 0.000506

P_JunH01 -0.001001 0.000149 -6.714098 0.000000

P_JunH02 -0.001163 0.000149 -7.800890 0.000000

P_JunH03 -0.000997 0.000149 -6.691888 0.000000

P_JunH04 -0.001046 0.000149 -7.023465 0.000000

P_JunH05 -0.001226 0.000149 -8.232911 0.000000

P_JunH06 -0.001746 0.000149 -11.720197 0.000000

P_JunH07 -0.001247 0.000149 -8.362007 0.000000

P_JunH08 -0.000011 0.000149 -0.072043 0.942567

P_JunH09 0.001538 0.000149 10.293897 0.000000

P_JunH10 0.004539 0.000150 30.325374 0.000000

P_JunH11 0.004330 0.000150 28.880746 0.000000

P_JunH12 0.003994 0.000150 26.596583 0.000000

P_JunH13 0.002881 0.000150 19.156649 0.000000

P_JunH14 0.003085 0.000151 20.494933 0.000000

P_JunH15 0.003167 0.000151 21.035823 0.000000

P_JunH16 0.002792 0.000151 18.551661 0.000000

P_JunH17 0.002749 0.000150 18.288473 0.000000

P_JunH18 0.002992 0.000150 19.941041 0.000000

P_JunH19 0.002721 0.000150 18.168150 0.000000

P_JunH20 0.003235 0.000149 21.641652 0.000000

P_JunH21 0.004158 0.000149 27.845352 0.000000

- 152 -

P_JunH22 0.004185 0.000149 28.042769 0.000000

P_JunH23 0.002249 0.000149 15.079844 0.000000

P_JunH24 0.000579 0.000149 3.884808 0.000102

P_JulH01 -0.000287 0.000125 -2.289772 0.022035

P_JulH02 -0.000445 0.000125 -3.545266 0.000392

P_JulH03 -0.000365 0.000125 -2.908942 0.003627

P_JulH04 -0.000535 0.000125 -4.268317 0.000020

P_JulH05 -0.000657 0.000125 -5.238144 0.000000

P_JulH06 -0.001221 0.000125 -9.740880 0.000000

P_JulH07 -0.000837 0.000125 -6.676708 0.000000

P_JulH08 0.000243 0.000126 1.933731 0.053147

P_JulH09 0.001657 0.000126 13.172077 0.000000

P_JulH10 0.003810 0.000126 30.228673 0.000000

P_JulH11 0.003585 0.000126 28.407443 0.000000

P_JulH12 0.003265 0.000126 25.835517 0.000000

P_JulH13 0.002464 0.000126 19.486613 0.000000

P_JulH14 0.002666 0.000127 21.066319 0.000000

P_JulH15 0.002708 0.000127 21.396364 0.000000

P_JulH16 0.002557 0.000127 20.209347 0.000000

P_JulH17 0.002582 0.000126 20.419247 0.000000

P_JulH18 0.002898 0.000126 22.950474 0.000000

P_JulH19 0.002368 0.000126 18.784332 0.000000

P_JulH20 0.002563 0.000126 20.369742 0.000000

P_JulH21 0.003168 0.000126 25.199188 0.000000

P_JulH22 0.003052 0.000126 24.293732 0.000000

P_JulH23 0.001762 0.000126 14.033209 0.000000

P_JulH24 0.000558 0.000126 4.442658 0.000009

P_AugH01 -0.000250 0.000126 -1.987563 0.046861

P_AugH02 -0.000424 0.000126 -3.370630 0.000750

P_AugH03 -0.000331 0.000126 -2.630423 0.008528

P_AugH04 -0.000473 0.000126 -3.757767 0.000171

P_AugH05 -0.000608 0.000126 -4.832326 0.000001

P_AugH06 -0.001223 0.000126 -9.725723 0.000000

P_AugH07 -0.000848 0.000126 -6.742896 0.000000

P_AugH08 0.000211 0.000126 1.671914 0.094542

P_AugH09 0.001843 0.000126 14.578831 0.000000

P_AugH10 0.003998 0.000127 31.561768 0.000000

- 153 -

P_AugH11 0.003795 0.000127 29.898928 0.000000

P_AugH12 0.003420 0.000127 26.894761 0.000000

P_AugH13 0.002563 0.000127 20.134609 0.000000

P_AugH14 0.002747 0.000127 21.558372 0.000000

P_AugH15 0.002833 0.000127 22.232617 0.000000

P_AugH16 0.002664 0.000127 20.918830 0.000000

P_AugH17 0.002723 0.000127 21.407236 0.000000

P_AugH18 0.003040 0.000127 23.950944 0.000000

P_AugH19 0.002324 0.000127 18.359254 0.000000

P_AugH20 0.002531 0.000126 20.040132 0.000000

P_AugH21 0.003035 0.000126 24.053855 0.000000

P_AugH22 0.002987 0.000126 23.694931 0.000000

P_AugH23 0.001727 0.000126 13.708561 0.000000

P_AugH24 0.000574 0.000126 4.556334 0.000005

P_SepH01 -0.000794 0.000146 -5.455805 0.000000

P_SepH02 -0.001155 0.000145 -7.940886 0.000000

P_SepH03 -0.001006 0.000145 -6.916362 0.000000

P_SepH04 -0.001020 0.000145 -7.017142 0.000000

P_SepH05 -0.001120 0.000145 -7.707998 0.000000

P_SepH06 -0.001772 0.000145 -12.191437 0.000000

P_SepH07 -0.001297 0.000145 -8.925209 0.000000

P_SepH08 -0.000112 0.000146 -0.772883 0.439592

P_SepH09 0.001531 0.000146 10.496841 0.000000

P_SepH10 0.004699 0.000146 32.134260 0.000000

P_SepH11 0.004412 0.000147 30.104575 0.000000

P_SepH12 0.004222 0.000147 28.758937 0.000000

P_SepH13 0.003162 0.000147 21.506293 0.000000

P_SepH14 0.003126 0.000147 21.232598 0.000000

P_SepH15 0.002993 0.000147 20.329221 0.000000

P_SepH16 0.002669 0.000147 18.132673 0.000000

P_SepH17 0.002649 0.000147 18.035604 0.000000

P_SepH18 0.003279 0.000146 22.383722 0.000000

P_SepH19 0.003185 0.000146 21.794805 0.000000

P_SepH20 0.003959 0.000146 27.129633 0.000000

P_SepH21 0.004342 0.000146 29.781400 0.000000

P_SepH22 0.004204 0.000146 28.859371 0.000000

P_SepH23 0.002055 0.000146 14.118793 0.000000

- 154 -

P_SepH24 0.000281 0.000146 1.930761 0.053513

P_OctH01 -0.000948 0.000139 -6.810667 0.000000

P_OctH02 -0.001043 0.000139 -7.495314 0.000000

P_OctH03 -0.000847 0.000139 -6.087156 0.000000

P_OctH04 -0.000748 0.000139 -5.379901 0.000000

P_OctH05 -0.000907 0.000139 -6.522237 0.000000

P_OctH06 -0.001323 0.000139 -9.511311 0.000000

P_OctH07 -0.000732 0.000139 -5.264263 0.000000

P_OctH08 0.000376 0.000139 2.705438 0.006822

P_OctH09 0.001407 0.000139 10.090792 0.000000

P_OctH10 0.004166 0.000140 29.818821 0.000000

P_OctH11 0.004062 0.000140 29.017743 0.000000

P_OctH12 0.003642 0.000140 25.979955 0.000000

P_OctH13 0.002683 0.000140 19.122261 0.000000

P_OctH14 0.002630 0.000140 18.734393 0.000000

P_OctH15 0.002300 0.000140 16.382746 0.000000

P_OctH16 0.002049 0.000140 14.608872 0.000000

P_OctH17 0.001995 0.000140 14.237590 0.000000

P_OctH18 0.002696 0.000140 19.284533 0.000000

P_OctH19 0.003611 0.000140 25.854247 0.000000

P_OctH20 0.003840 0.000140 27.523086 0.000000

P_OctH21 0.004119 0.000139 29.544139 0.000000

P_OctH22 0.004145 0.000139 29.749216 0.000000

P_OctH23 0.002157 0.000139 15.491343 0.000000

P_OctH24 0.000307 0.000139 2.204203 0.027510

P_NovH01 -0.000371 0.000134 -2.777654 0.005475

P_NovH02 -0.000558 0.000134 -4.172763 0.000030

P_NovH03 -0.000408 0.000134 -3.051879 0.002274

P_NovH04 -0.000287 0.000134 -2.145646 0.031902

P_NovH05 -0.000484 0.000134 -3.624754 0.000289

P_NovH06 -0.001177 0.000134 -8.810118 0.000000

P_NovH07 -0.000669 0.000134 -5.008133 0.000001

P_NovH08 0.000738 0.000134 5.521505 0.000000

P_NovH09 0.001776 0.000134 13.272294 0.000000

P_NovH10 0.004456 0.000134 33.242342 0.000000

P_NovH11 0.004303 0.000134 32.048773 0.000000

P_NovH12 0.003719 0.000134 27.664337 0.000000

- 155 -

P_NovH13 0.002635 0.000135 19.583427 0.000000

P_NovH14 0.002498 0.000135 18.559206 0.000000

P_NovH15 0.002203 0.000135 16.370857 0.000000

P_NovH16 0.002078 0.000135 15.449363 0.000000

P_NovH17 0.002234 0.000134 16.636287 0.000000

P_NovH18 0.003590 0.000134 26.766676 0.000000

P_NovH19 0.003842 0.000134 28.674218 0.000000

P_NovH20 0.003534 0.000134 26.393774 0.000000

P_NovH21 0.003862 0.000134 28.863605 0.000000

P_NovH22 0.003918 0.000134 29.293253 0.000000

P_NovH23 0.001554 0.000134 11.625297 0.000000

P_NovH24 0.000385 0.000134 2.879899 0.003978

P_DecH01 -0.000124 0.000132 -0.936738 0.348894

P_DecH02 -0.000361 0.000132 -2.725813 0.006415

P_DecH03 -0.000308 0.000132 -2.324300 0.020110

P_DecH04 -0.000187 0.000132 -1.412561 0.157785

P_DecH05 -0.000394 0.000132 -2.979219 0.002890

P_DecH06 -0.001275 0.000132 -9.636697 0.000000

P_DecH07 -0.001084 0.000132 -8.193098 0.000000

P_DecH08 0.000667 0.000132 5.043572 0.000000

P_DecH09 0.001869 0.000132 14.123778 0.000000

P_DecH10 0.005090 0.000132 38.430856 +DEN

P_DecH11 0.004988 0.000133 37.632614 +DEN

P_DecH12 0.004282 0.000133 32.278529 0.000000

P_DecH13 0.003113 0.000133 23.451245 0.000000

P_DecH14 0.002886 0.000133 21.733990 0.000000

P_DecH15 0.002473 0.000133 18.622172 0.000000

P_DecH16 0.002257 0.000133 17.002057 0.000000

P_DecH17 0.002602 0.000133 19.608838 0.000000

P_DecH18 0.004191 0.000133 31.608873 0.000000

P_DecH19 0.004144 0.000133 31.266508 0.000000

P_DecH20 0.003827 0.000132 28.887231 0.000000

P_DecH21 0.004069 0.000132 30.722611 0.000000

P_DecH22 0.004102 0.000132 30.978569 0.000000

P_DecH23 0.001480 0.000132 11.179596 0.000000

P_DecH24 0.000430 0.000132 3.250487 0.001152

P_Mon 0.000677 0.000020 33.121376 0.000000

- 156 -

P_Tue 0.000543 0.000021 26.376221 0.000000

P_Wed 0.000270 0.000021 13.136610 0.000000

P_Thr 0.000871 0.000020 42.613591 0.000000

P_Fri -0.000101 0.000021 -4.917481 0.000001

P_Sat 0.000853 0.000020 42.148856 0.000000

P_MonHol -0.000313 0.000082 -3.826787 0.000130

P_TueHol -0.000241 0.000076 -3.155516 0.001602

P_WedHol -0.000042 0.000090 -0.468051 0.639749

P_ThrHol -0.000368 0.000111 -3.326965 0.000878

P_FriHol -0.000019 0.000104 -0.181472 0.855997

P_SatHol -0.000081 0.000097 -0.830415 0.406304

P_NY -0.000186 0.000113 -1.652186 0.098497

P_TG -0.000390 0.000112 -3.469887 0.000521

P_Yrt06 -0.000016 0.000020 -0.823947 0.409970

P_Yrt07 0.000003 0.000019 0.140786 0.888039

P_Yrt08 -0.000115 0.000024 -4.749594 0.000002

P_Yrt09 -0.000184 0.000021 -8.686900 0.000000

P_sz 0.000001 0.000000 4.885641 0.000001

CDD -0.000020 0.000021 -0.945537 0.344385

HDD -0.000167 0.000010 -16.636154 0.000000

Humd -0.000134 0.000021 -6.378184 0.000000

Week_E 0.900777 0.000811 1110.268182 0.000000

alpha01 0.758715 0.054042 14.039290 0.000000

alpha02 0.557426 0.055065 10.123081 0.000000

alpha03 0.464075 0.054813 8.466526 0.000000

alpha04 0.653209 0.053703 12.163313 0.000000

alpha05 0.640531 0.054473 11.758707 0.000000

alpha06 0.784793 0.053408 14.694298 0.000000

alpha07 0.719871 0.054140 13.296594 0.000000

alpha08 0.725394 0.053614 13.530004 0.000000

alpha09 0.649934 0.054450 11.936295 0.000000

alpha10 0.721115 0.053619 13.448753 0.000000

alpha11 0.600900 0.054119 11.103256 0.000000

alpha12 0.646211 0.054121 11.940047 0.000000

alpha13 0.757789 0.053398 14.191323 0.000000

alpha14 0.715140 0.054255 13.180998 0.000000

alpha15 0.713031 0.054257 13.141678 0.000000

- 157 -

---------------------------------------------------------


---------------------------------------------------------

Standard


---------------------------------------------------------

P_JanH01 -0.111772 0.013812 -8.092348 0.000000

P_JanH02 -0.112044 0.013776 -8.133263 0.000000

P_JanH03 -0.112073 0.013776 -8.135393 0.000000

P_JanH04 -0.111713 0.013776 -8.109247 0.000000

P_JanH05 -0.111923 0.013776 -8.124455 0.000000

P_JanH06 -0.112917 0.013776 -8.196642 0.000000

P_JanH07 -0.112884 0.013776 -8.194201 0.000000

P_JanH08 -0.110784 0.013776 -8.041793 0.000000

P_JanH09 -0.109583 0.013776 -7.954665 0.000000

P_JanH10 -0.106527 0.013776 -7.732933 0.000000

P_JanH11 -0.106803 0.013776 -7.753092 0.000000

P_JanH12 -0.107369 0.013775 -7.794204 0.000000

P_JanH13 -0.108498 0.013775 -7.876207 0.000000

P_JanH14 -0.108827 0.013775 -7.900161 0.000000

P_JanH15 -0.109262 0.013775 -7.931767 0.000000

P_JanH16 -0.109487 0.013775 -7.948049 0.000000

P_JanH17 -0.109295 0.013775 -7.934073 0.000000

P_JanH18 -0.107759 0.013776 -7.822493 0.000000

P_JanH19 -0.107605 0.013776 -7.811269 0.000000

P_JanH20 -0.107928 0.013776 -7.834647 0.000000

P_JanH21 -0.107735 0.013776 -7.820592 0.000000

P_JanH22 -0.107714 0.013776 -7.819048 0.000000

P_JanH23 -0.110203 0.013776 -7.999689 0.000000

P_JanH24 -0.111095 0.013776 -8.064449 0.000000

P_FebH01 -0.111657 0.013777 -8.104799 0.000000

<표 70> 일반용(갑) 추정결과를 이용한 월요일의 가격탄력성 산정결과 (사례)

- 158 -

P_FebH02 -0.112070 0.013777 -8.134727 0.000000

P_FebH03 -0.111995 0.013777 -8.129281 0.000000

P_FebH04 -0.111705 0.013777 -8.108187 0.000000

P_FebH05 -0.112149 0.013777 -8.140415 0.000000

P_FebH06 -0.112855 0.013777 -8.191669 0.000000

P_FebH07 -0.112576 0.013777 -8.171412 0.000000

P_FebH08 -0.110644 0.013777 -8.031155 0.000000

P_FebH09 -0.109563 0.013777 -7.952789 0.000000

P_FebH10 -0.106464 0.013776 -7.728017 0.000000

P_FebH11 -0.106890 0.013776 -7.759010 0.000000

P_FebH12 -0.107546 0.013776 -7.806730 0.000000

P_FebH13 -0.108598 0.013776 -7.883117 0.000000

P_FebH14 -0.108953 0.013776 -7.908912 0.000000

P_FebH15 -0.109282 0.013776 -7.932785 0.000000

P_FebH16 -0.109541 0.013776 -7.951626 0.000000

P_FebH17 -0.109315 0.013776 -7.935102 0.000000

P_FebH18 -0.108191 0.013776 -7.853462 0.000000

P_FebH19 -0.108033 0.013776 -7.841919 0.000000

P_FebH20 -0.107926 0.013776 -7.834097 0.000000

P_FebH21 -0.107840 0.013777 -7.827791 0.000000

P_FebH22 -0.107867 0.013777 -7.829740 0.000000

P_FebH23 -0.110205 0.013777 -7.999422 0.000000

P_FebH24 -0.111167 0.013777 -8.069230 0.000000

P_MarH01 -0.112119 0.013787 -8.132418 0.000000

P_MarH02 -0.112323 0.013787 -8.147207 0.000000

P_MarH03 -0.112115 0.013787 -8.132093 0.000000

P_MarH04 -0.111902 0.013787 -8.116587 0.000000

P_MarH05 -0.112152 0.013787 -8.134730 0.000000

P_MarH06 -0.113050 0.013787 -8.199874 0.000000

P_MarH07 -0.112605 0.013787 -8.167590 0.000000

P_MarH08 -0.111085 0.013787 -8.057363 0.000000

P_MarH09 -0.109687 0.013786 -7.956161 0.000000

P_MarH10 -0.106733 0.013786 -7.742021 0.000000

P_MarH11 -0.107023 0.013786 -7.763150 0.000000

P_MarH12 -0.107787 0.013786 -7.818644 0.000000

P_MarH13 -0.108919 0.013786 -7.900767 0.000000

P_MarH14 -0.109057 0.013786 -7.910838 0.000000

- 159 -

P_MarH15 -0.109203 0.013786 -7.921430 0.000000

P_MarH16 -0.109594 0.013786 -7.949755 0.000000

P_MarH17 -0.109518 0.013786 -7.944224 0.000000

P_MarH18 -0.108819 0.013786 -7.893432 0.000000

P_MarH19 -0.108356 0.013786 -7.859747 0.000000

P_MarH20 -0.107988 0.013786 -7.832973 0.000000

P_MarH21 -0.107775 0.013786 -7.817498 0.000000

P_MarH22 -0.107665 0.013786 -7.809486 0.000000

P_MarH23 -0.109361 0.013787 -7.932467 0.000000

P_MarH24 -0.111263 0.013787 -8.070395 0.000000

P_AprH01 -0.112481 0.013795 -8.153563 0.000000

P_AprH02 -0.112671 0.013795 -8.167329 0.000000

P_AprH03 -0.112536 0.013795 -8.157518 0.000000

P_AprH04 -0.112296 0.013795 -8.140110 0.000000

P_AprH05 -0.112593 0.013795 -8.161609 0.000000

P_AprH06 -0.113209 0.013795 -8.206228 0.000000

P_AprH07 -0.112318 0.013795 -8.141696 0.000000

P_AprH08 -0.111276 0.013795 -8.066291 0.000000

P_AprH09 -0.110125 0.013795 -7.983040 0.000000

P_AprH10 -0.107278 0.013795 -7.776761 0.000000

P_AprH11 -0.107504 0.013795 -7.793268 0.000000

P_AprH12 -0.107956 0.013794 -7.826095 0.000000

P_AprH13 -0.109154 0.013794 -7.912945 0.000000

P_AprH14 -0.109137 0.013794 -7.911743 0.000000

P_AprH15 -0.109331 0.013794 -7.925770 0.000000

P_AprH16 -0.109569 0.013794 -7.943043 0.000000

P_AprH17 -0.109673 0.013794 -7.950520 0.000000

P_AprH18 -0.109143 0.013795 -7.912047 0.000000

P_AprH19 -0.108953 0.013795 -7.898168 0.000000

P_AprH20 -0.108186 0.013795 -7.842446 0.000000

P_AprH21 -0.107698 0.013795 -7.807054 0.000000

P_AprH22 -0.107471 0.013795 -7.790547 0.000000

P_AprH23 -0.109206 0.013795 -7.916257 0.000000

P_AprH24 -0.111152 0.013795 -8.057318 0.000000

P_MayH01 -0.112804 0.013795 -8.176965 0.000000

P_MayH02 -0.112881 0.013795 -8.182545 0.000000

P_MayH03 -0.112690 0.013795 -8.168651 0.000000

- 160 -

P_MayH04 -0.112659 0.013795 -8.166366 0.000000

P_MayH05 -0.112847 0.013795 -8.180007 0.000000

P_MayH06 -0.113352 0.013795 -8.216574 0.000000

P_MayH07 -0.112633 0.013795 -8.164560 0.000000

P_MayH08 -0.111917 0.013795 -8.112806 0.000000

P_MayH09 -0.110299 0.013795 -7.995606 0.000000

P_MayH10 -0.107395 0.013795 -7.785115 0.000000

P_MayH11 -0.107642 0.013795 -7.803117 0.000000

P_MayH12 -0.108050 0.013795 -7.832672 0.000000

P_MayH13 -0.109124 0.013795 -7.910521 0.000000

P_MayH14 -0.109113 0.013795 -7.909753 0.000000

P_MayH15 -0.109200 0.013795 -7.916049 0.000000

P_MayH16 -0.109530 0.013795 -7.939959 0.000000

P_MayH17 -0.109672 0.013795 -7.950260 0.000000

P_MayH18 -0.109349 0.013795 -7.926821 0.000000

P_MayH19 -0.109280 0.013795 -7.921741 0.000000

P_MayH20 -0.108359 0.013795 -7.854931 0.000000

P_MayH21 -0.107520 0.013795 -7.794095 0.000000

P_MayH22 -0.107400 0.013795 -7.785341 0.000000

P_MayH23 -0.109294 0.013795 -7.922601 0.000000

P_MayH24 -0.111257 0.013795 -8.064908 0.000000

P_JunH01 -0.112773 0.013795 -8.174944 0.000000

P_JunH02 -0.112935 0.013795 -8.186659 0.000000

P_JunH03 -0.112769 0.013795 -8.174659 0.000000

P_JunH04 -0.112819 0.013795 -8.178218 0.000000

P_JunH05 -0.112999 0.013795 -8.191261 0.000000

P_JunH06 -0.113519 0.013795 -8.228948 0.000000

P_JunH07 -0.113019 0.013795 -8.192764 0.000000

P_JunH08 -0.111783 0.013795 -8.103225 0.000000

P_JunH09 -0.110234 0.013795 -7.990973 0.000000

P_JunH10 -0.107233 0.013795 -7.773464 0.000000

P_JunH11 -0.107442 0.013795 -7.788610 0.000000

P_JunH12 -0.107778 0.013795 -7.812982 0.000000

P_JunH13 -0.108891 0.013795 -7.893689 0.000000

P_JunH14 -0.108687 0.013795 -7.878895 0.000000

P_JunH15 -0.108605 0.013795 -7.872935 0.000000

P_JunH16 -0.108980 0.013795 -7.900138 0.000000

- 161 -

P_JunH17 -0.109023 0.013795 -7.903244 0.000000

P_JunH18 -0.108780 0.013795 -7.885592 0.000000

P_JunH19 -0.109052 0.013795 -7.905258 0.000000

P_JunH20 -0.108537 0.013795 -7.867928 0.000000

P_JunH21 -0.107614 0.013795 -7.801014 0.000000

P_JunH22 -0.107587 0.013795 -7.799050 0.000000

P_JunH23 -0.109523 0.013795 -7.939359 0.000000

P_JunH24 -0.111193 0.013795 -8.060411 0.000000

P_JulH01 -0.112060 0.013737 -8.157546 0.000000

P_JulH02 -0.112217 0.013737 -8.169004 0.000000

P_JulH03 -0.112137 0.013737 -8.163190 0.000000

P_JulH04 -0.112308 0.013737 -8.175593 0.000000

P_JulH05 -0.112429 0.013737 -8.184440 0.000000

P_JulH06 -0.112993 0.013737 -8.225525 0.000000

P_JulH07 -0.112610 0.013737 -8.197602 0.000000

P_JulH08 -0.111529 0.013737 -8.118972 0.000000

P_JulH09 -0.110115 0.013737 -8.016033 0.000000

P_JulH10 -0.107963 0.013737 -7.859361 0.000000

P_JulH11 -0.108187 0.013737 -7.875701 0.000000

P_JulH12 -0.108508 0.013737 -7.899033 0.000000

P_JulH13 -0.109308 0.013737 -7.957316 0.000000

P_JulH14 -0.109106 0.013737 -7.942642 0.000000

P_JulH15 -0.109064 0.013737 -7.939548 0.000000

P_JulH16 -0.109215 0.013737 -7.950531 0.000000

P_JulH17 -0.109191 0.013737 -7.948767 0.000000

P_JulH18 -0.108874 0.013737 -7.925735 0.000000

P_JulH19 -0.109404 0.013737 -7.964305 0.000000

P_JulH20 -0.109209 0.013737 -7.950066 0.000000

P_JulH21 -0.108604 0.013737 -7.906036 0.000000

P_JulH22 -0.108720 0.013737 -7.914475 0.000000

P_JulH23 -0.110010 0.013737 -8.008363 0.000000

P_JulH24 -0.111215 0.013737 -8.096043 0.000000

P_AugH01 -0.112023 0.013737 -8.154823 0.000000

P_AugH02 -0.112197 0.013737 -8.167488 0.000000

P_AugH03 -0.112103 0.013737 -8.160696 0.000000

P_AugH04 -0.112245 0.013737 -8.171013 0.000000

P_AugH05 -0.112380 0.013737 -8.180841 0.000000

- 162 -

P_AugH06 -0.112995 0.013737 -8.225618 0.000000

P_AugH07 -0.112620 0.013737 -8.198344 0.000000

P_AugH08 -0.111562 0.013737 -8.121276 0.000000

P_AugH09 -0.109930 0.013737 -8.002491 0.000000

P_AugH10 -0.107775 0.013737 -7.845626 0.000000

P_AugH11 -0.107977 0.013737 -7.860402 0.000000

P_AugH12 -0.108353 0.013737 -7.887733 0.000000

P_AugH13 -0.109209 0.013737 -7.950069 0.000000

P_AugH14 -0.109026 0.013737 -7.936727 0.000000

P_AugH15 -0.108939 0.013737 -7.930455 0.000000

P_AugH16 -0.109108 0.013737 -7.942755 0.000000

P_AugH17 -0.109050 0.013737 -7.938472 0.000000

P_AugH18 -0.108732 0.013737 -7.915346 0.000000

P_AugH19 -0.109448 0.013737 -7.967472 0.000000

P_AugH20 -0.109241 0.013737 -7.952365 0.000000

P_AugH21 -0.108738 0.013737 -7.915712 0.000000

P_AugH22 -0.108786 0.013737 -7.919204 0.000000

P_AugH23 -0.110046 0.013737 -8.010914 0.000000

P_AugH24 -0.111199 0.013737 -8.094852 0.000000

P_SepH01 -0.112566 0.013796 -8.159396 0.000000

P_SepH02 -0.112927 0.013796 -8.185565 0.000000

P_SepH03 -0.112778 0.013796 -8.174740 0.000000

P_SepH04 -0.112792 0.013796 -8.175776 0.000000

P_SepH05 -0.112893 0.013796 -8.183033 0.000000

P_SepH06 -0.113544 0.013796 -8.230227 0.000000

P_SepH07 -0.113069 0.013796 -8.195832 0.000000

P_SepH08 -0.111885 0.013796 -8.110016 0.000000

P_SepH09 -0.110241 0.013796 -7.990931 0.000000

P_SepH10 -0.107073 0.013796 -7.761342 0.000000

P_SepH11 -0.107360 0.013796 -7.782138 0.000000

P_SepH12 -0.107550 0.013796 -7.795914 0.000000

P_SepH13 -0.108610 0.013796 -7.872798 0.000000

P_SepH14 -0.108646 0.013796 -7.875387 0.000000

P_SepH15 -0.108779 0.013796 -7.885013 0.000000

P_SepH16 -0.109104 0.013796 -7.908546 0.000000

P_SepH17 -0.109123 0.013796 -7.909954 0.000000

P_SepH18 -0.108493 0.013796 -7.864266 0.000000

- 163 -

P_SepH19 -0.108588 0.013796 -7.871075 0.000000

P_SepH20 -0.107814 0.013796 -7.814947 0.000000

P_SepH21 -0.107431 0.013796 -7.787187 0.000000

P_SepH22 -0.107568 0.013796 -7.797135 0.000000

P_SepH23 -0.109717 0.013796 -7.952889 0.000000

P_SepH24 -0.111491 0.013796 -8.081498 0.000000

P_OctH01 -0.112720 0.013788 -8.175167 0.000000

P_OctH02 -0.112816 0.013788 -8.182043 0.000000

P_OctH03 -0.112619 0.013788 -8.167798 0.000000

P_OctH04 -0.112521 0.013788 -8.160630 0.000000

P_OctH05 -0.112680 0.013788 -8.172131 0.000000

P_OctH06 -0.113095 0.013788 -8.202243 0.000000

P_OctH07 -0.112504 0.013788 -8.159388 0.000000

P_OctH08 -0.111396 0.013788 -8.079080 0.000000

P_OctH09 -0.110365 0.013788 -8.004450 0.000000

P_OctH10 -0.107606 0.013788 -7.804415 0.000000

P_OctH11 -0.107710 0.013788 -7.812043 0.000000

P_OctH12 -0.108130 0.013788 -7.842548 0.000000

P_OctH13 -0.109089 0.013788 -7.912109 0.000000

P_OctH14 -0.109142 0.013788 -7.915945 0.000000

P_OctH15 -0.109472 0.013788 -7.939913 0.000000

P_OctH16 -0.109723 0.013788 -7.958067 0.000000

P_OctH17 -0.109778 0.013788 -7.962011 0.000000

P_OctH18 -0.109076 0.013788 -7.911050 0.000000

P_OctH19 -0.108162 0.013788 -7.844692 0.000000

P_OctH20 -0.107932 0.013788 -7.828004 0.000000

P_OctH21 -0.107653 0.013788 -7.807738 0.000000

P_OctH22 -0.107627 0.013788 -7.805821 0.000000

P_OctH23 -0.109615 0.013788 -7.949965 0.000000

P_OctH24 -0.111465 0.013788 -8.084161 0.000000

P_NovH01 -0.112144 0.013776 -8.140626 0.000000

P_NovH02 -0.112330 0.013776 -8.154139 0.000000

P_NovH03 -0.112180 0.013776 -8.143243 0.000000

P_NovH04 -0.112059 0.013776 -8.134439 0.000000

P_NovH05 -0.112257 0.013776 -8.148767 0.000000

P_NovH06 -0.112949 0.013776 -8.199023 0.000000

P_NovH07 -0.112441 0.013776 -8.162143 0.000000

- 164 -

P_NovH08 -0.111035 0.013776 -8.060089 0.000000

P_NovH09 -0.109997 0.013776 -7.984852 0.000000

P_NovH10 -0.107317 0.013775 -7.790431 0.000000

P_NovH11 -0.107469 0.013775 -7.801569 0.000000

P_NovH12 -0.108053 0.013775 -7.844052 0.000000

P_NovH13 -0.109137 0.013775 -7.922777 0.000000

P_NovH14 -0.109274 0.013775 -7.932726 0.000000

P_NovH15 -0.109569 0.013775 -7.954117 0.000000

P_NovH16 -0.109694 0.013775 -7.963189 0.000000

P_NovH17 -0.109538 0.013775 -7.951765 0.000000

P_NovH18 -0.108183 0.013775 -7.853305 0.000000

P_NovH19 -0.107930 0.013776 -7.834938 0.000000

P_NovH20 -0.108238 0.013776 -7.857266 0.000000

P_NovH21 -0.107910 0.013776 -7.833393 0.000000

P_NovH22 -0.107854 0.013776 -7.829334 0.000000

P_NovH23 -0.110218 0.013776 -8.000877 0.000000

P_NovH24 -0.111387 0.013776 -8.085743 0.000000

P_DecH01 -0.111896 0.013776 -8.122618 0.000000

P_DecH02 -0.112133 0.013776 -8.139793 0.000000

P_DecH03 -0.112080 0.013776 -8.135924 0.000000

P_DecH04 -0.111959 0.013776 -8.127158 0.000000

P_DecH05 -0.112167 0.013776 -8.142194 0.000000

P_DecH06 -0.113047 0.013776 -8.206122 0.000000

P_DecH07 -0.112856 0.013776 -8.192251 0.000000

P_DecH08 -0.111105 0.013776 -8.065115 0.000000

P_DecH09 -0.109903 0.013776 -7.977932 0.000000

P_DecH10 -0.106682 0.013776 -7.744241 0.000000

P_DecH11 -0.106784 0.013776 -7.751708 0.000000

P_DecH12 -0.107490 0.013775 -7.803066 0.000000

P_DecH13 -0.108660 0.013775 -7.887982 0.000000

P_DecH14 -0.108886 0.013775 -7.904449 0.000000

P_DecH15 -0.109299 0.013775 -7.934443 0.000000

P_DecH16 -0.109515 0.013775 -7.950075 0.000000

P_DecH17 -0.109170 0.013775 -7.924994 0.000000

P_DecH18 -0.107582 0.013776 -7.809587 0.000000

P_DecH19 -0.107628 0.013776 -7.812942 0.000000

P_DecH20 -0.107945 0.013776 -7.835903 0.000000

- 165 -

P_DecH21 -0.107703 0.013776 -7.818328 0.000000

P_DecH22 -0.107671 0.013776 -7.815921 0.000000

P_DecH23 -0.110292 0.013776 -8.006225 0.000000

P_DecH24 -0.111342 0.013776 -8.082397 0.000000

---------------------------------------------------------







R-squared : 0.803




P-value = 0.000

---------------------------------------------------------

Standard


---------------------------------------------------------

p_rate -0.097147 0.010218 -9.507290 0.000000

P_JanH02 -0.001698 0.000321 -5.286951 0.000000

P_JanH03 -0.002363 0.000321 -7.356379 0.000000

P_JanH04 -0.003324 0.000321 -10.345005 0.000000

P_JanH05 -0.002901 0.000321 -9.024832 0.000000

P_JanH06 -0.003382 0.000321 -10.519989 0.000000

P_JanH07 -0.003921 0.000322 -12.195227 0.000000

P_JanH08 -0.003200 0.000322 -9.953160 0.000000

P_JanH09 -0.002839 0.000321 -8.837423 0.000000

P_JanH10 -0.002022 0.000275 -7.351128 0.000000

P_JanH11 -0.001904 0.000275 -6.921601 0.000000

<표 71> 산업용(갑) 추정결과

- 166 -

P_JanH12 -0.001410 0.000275 -5.119806 0.000000

P_JanH13 -0.001581 0.000275 -5.739004 0.000000

P_JanH14 -0.001195 0.000275 -4.336231 0.000014

P_JanH15 -0.001201 0.000276 -4.359687 0.000013

P_JanH16 -0.001655 0.000275 -6.008268 0.000000

P_JanH17 -0.001934 0.000275 -7.024427 0.000000

P_JanH18 -0.001593 0.000275 -5.790906 0.000000

P_JanH19 -0.001195 0.000254 -4.710918 0.000002

P_JanH20 -0.001984 0.000254 -7.820167 0.000000

P_JanH21 -0.001440 0.000254 -5.675166 0.000000

P_JanH22 -0.002009 0.000254 -7.919721 0.000000

P_JanH23 -0.000785 0.000254 -3.093572 0.001978

P_JanH24 -0.001362 0.000321 -4.242301 0.000022

P_FebH01 -0.001388 0.000331 -4.192375 0.000028

P_FebH02 -0.001693 0.000331 -5.110307 0.000000

P_FebH03 -0.002434 0.000331 -7.348417 0.000000

P_FebH04 -0.003175 0.000331 -9.586448 0.000000

P_FebH05 -0.003054 0.000331 -9.219846 0.000000

P_FebH06 -0.003566 0.000331 -10.762503 0.000000

P_FebH07 -0.004134 0.000331 -12.482153 0.000000

P_FebH08 -0.002808 0.000331 -8.482537 0.000000

P_FebH09 -0.003009 0.000331 -9.099826 0.000000

P_FebH10 -0.001598 0.000281 -5.694736 0.000000

P_FebH11 -0.001590 0.000281 -5.660064 0.000000

P_FebH12 -0.001252 0.000281 -4.453157 0.000008

P_FebH13 -0.001607 0.000281 -5.712789 0.000000

P_FebH14 -0.001519 0.000281 -5.397390 0.000000

P_FebH15 -0.001264 0.000281 -4.492720 0.000007

P_FebH16 -0.001642 0.000281 -5.834549 0.000000

P_FebH17 -0.002016 0.000281 -7.167776 0.000000

P_FebH18 -0.002523 0.000281 -8.979945 0.000000

P_FebH19 -0.001459 0.000258 -5.646883 0.000000

P_FebH20 -0.001559 0.000258 -6.037460 0.000000

P_FebH21 -0.000956 0.000258 -3.702260 0.000214

P_FebH22 -0.001717 0.000258 -6.649452 0.000000

P_FebH23 -0.000649 0.000258 -2.513066 0.011969

P_FebH24 -0.001151 0.000330 -3.481970 0.000498

- 167 -

P_MarH01 -0.001810 0.000316 -5.721856 0.000000

P_MarH02 -0.002202 0.000316 -6.959459 0.000000

P_MarH03 -0.002447 0.000316 -7.734446 0.000000

P_MarH04 -0.002726 0.000316 -8.617361 0.000000

P_MarH05 -0.002790 0.000316 -8.818813 0.000000

P_MarH06 -0.003998 0.000316 -12.633733 0.000000

P_MarH07 -0.004248 0.000316 -13.424847 0.000000

P_MarH08 -0.002784 0.000316 -8.800874 0.000000

P_MarH09 -0.003297 0.000317 -10.415297 0.000000

P_MarH10 -0.001536 0.000277 -5.553845 0.000000

P_MarH11 -0.001480 0.000277 -5.343533 0.000000

P_MarH12 -0.001193 0.000278 -4.300712 0.000017

P_MarH13 -0.001513 0.000278 -5.447716 0.000000

P_MarH14 -0.001402 0.000278 -5.045918 0.000000

P_MarH15 -0.001133 0.000278 -4.076132 0.000046

P_MarH16 -0.001483 0.000278 -5.338291 0.000000

P_MarH17 -0.001622 0.000278 -5.845518 0.000000

P_MarH18 -0.002040 0.000277 -7.361635 0.000000

P_MarH19 -0.002406 0.000256 -9.410883 0.000000

P_MarH20 -0.001892 0.000255 -7.404528 0.000000

P_MarH21 -0.001014 0.000255 -3.969220 0.000072

P_MarH22 -0.001892 0.000255 -7.412731 0.000000

P_MarH23 -0.000636 0.000255 -2.493732 0.012641

P_MarH24 -0.001284 0.000317 -4.056861 0.000050

P_AprH01 -0.001335 0.000322 -4.151238 0.000033

P_AprH02 -0.002215 0.000322 -6.889433 0.000000

P_AprH03 -0.002552 0.000321 -7.939373 0.000000

P_AprH04 -0.002968 0.000321 -9.235383 0.000000

P_AprH05 -0.003183 0.000321 -9.908360 0.000000

P_AprH06 -0.004357 0.000321 -13.563492 0.000000

P_AprH07 -0.004102 0.000321 -12.765867 0.000000

P_AprH08 -0.002027 0.000322 -6.297630 0.000000

P_AprH09 -0.002244 0.000323 -6.953620 0.000000

P_AprH10 -0.001599 0.000292 -5.485799 0.000000

P_AprH11 -0.001492 0.000292 -5.107957 0.000000

P_AprH12 -0.001121 0.000289 -3.880475 0.000104

P_AprH13 -0.001637 0.000293 -5.597146 0.000000

- 168 -

P_AprH14 -0.001441 0.000289 -4.987452 0.000001

P_AprH15 -0.001182 0.000289 -4.093119 0.000043

P_AprH16 -0.001377 0.000289 -4.768202 0.000002

P_AprH17 -0.001511 0.000289 -5.236862 0.000000

P_AprH18 -0.001854 0.000292 -6.352700 0.000000

P_AprH19 -0.003521 0.000274 -12.856695 0.000000

P_AprH20 -0.002385 0.000274 -8.721641 0.000000

P_AprH21 -0.000713 0.000273 -2.609615 0.009065

P_AprH22 -0.001416 0.000273 -5.183655 0.000000

P_AprH23 -0.001037 0.000273 -3.800080 0.000145

P_AprH24 -0.001332 0.000322 -4.137350 0.000035

P_MayH01 -0.001110 0.000322 -3.442658 0.000576

P_MayH02 -0.001875 0.000322 -5.819838 0.000000

P_MayH03 -0.002264 0.000322 -7.029353 0.000000

P_MayH04 -0.002841 0.000322 -8.824211 0.000000

P_MayH05 -0.003106 0.000322 -9.651279 0.000000

P_MayH06 -0.004258 0.000322 -13.231067 0.000000

P_MayH07 -0.004016 0.000322 -12.462090 0.000000

P_MayH08 -0.002165 0.000323 -6.704504 0.000000

P_MayH09 -0.002031 0.000323 -6.280846 0.000000

P_MayH10 -0.001437 0.000292 -4.927712 0.000001

P_MayH11 -0.001589 0.000292 -5.447917 0.000000

P_MayH12 -0.001053 0.000289 -3.641020 0.000272

P_MayH13 -0.001737 0.000292 -5.953646 0.000000

P_MayH14 -0.001208 0.000289 -4.175745 0.000030

P_MayH15 -0.000596 0.000289 -2.061802 0.039227

P_MayH16 -0.001047 0.000289 -3.621108 0.000293

P_MayH17 -0.001049 0.000289 -3.630223 0.000283

P_MayH18 -0.001625 0.000292 -5.573780 0.000000

P_MayH19 -0.003749 0.000274 -13.699100 0.000000

P_MayH20 -0.003294 0.000274 -12.043673 0.000000

P_MayH21 -0.000828 0.000273 -3.026863 0.002471

P_MayH22 -0.001567 0.000273 -5.731956 0.000000

P_MayH23 -0.000779 0.000273 -2.851481 0.004352

P_MayH24 -0.001100 0.000323 -3.410844 0.000648

P_JunH01 -0.001080 0.000325 -3.318127 0.000906

P_JunH02 -0.001958 0.000325 -6.017292 0.000000

- 169 -

P_JunH03 -0.002176 0.000325 -6.686269 0.000000

P_JunH04 -0.002922 0.000325 -8.979344 0.000000

P_JunH05 -0.003052 0.000325 -9.378947 0.000000

P_JunH06 -0.004622 0.000325 -14.205581 0.000000

P_JunH07 -0.004767 0.000325 -14.646021 0.000000

P_JunH08 -0.002359 0.000325 -7.249395 0.000000

P_JunH09 -0.002509 0.000325 -7.710023 0.000000

P_JunH10 -0.001460 0.000294 -4.966552 0.000001

P_JunH11 -0.001235 0.000294 -4.199058 0.000027

P_JunH12 -0.000877 0.000292 -3.002241 0.002680

P_JunH13 -0.001356 0.000295 -4.600485 0.000004

P_JunH14 -0.001161 0.000292 -3.973208 0.000071

P_JunH15 -0.000141 0.000292 -0.483889 0.628465

P_JunH16 -0.000362 0.000292 -1.239319 0.215228

P_JunH17 -0.000379 0.000292 -1.299391 0.193810

P_JunH18 -0.000680 0.000294 -2.310347 0.020869

P_JunH19 -0.003153 0.000276 -11.422579 0.000000

P_JunH20 -0.004056 0.000276 -14.700163 0.000000

P_JunH21 -0.002288 0.000276 -8.293231 0.000000

P_JunH22 -0.002813 0.000276 -10.194182 0.000000

P_JunH23 -0.001182 0.000276 -4.283216 0.000018

P_JunH24 -0.001154 0.000325 -3.544896 0.000393

P_JulH01 -0.000860 0.000290 -2.963363 0.003043

P_JulH02 -0.001310 0.000290 -4.513932 0.000006

P_JulH03 -0.001552 0.000290 -5.346552 0.000000

P_JulH04 -0.001929 0.000290 -6.647803 0.000000

P_JulH05 -0.002172 0.000290 -7.486400 0.000000

P_JulH06 -0.003284 0.000290 -11.316013 0.000000

P_JulH07 -0.003804 0.000290 -13.106127 0.000000

P_JulH08 -0.002746 0.000290 -9.456508 0.000000

P_JulH09 -0.001943 0.000291 -6.685306 0.000000

P_JulH10 -0.001534 0.000263 -5.830036 0.000000

P_JulH11 -0.001478 0.000263 -5.610001 0.000000

P_JulH12 -0.000918 0.000255 -3.604617 0.000313

P_JulH13 -0.001084 0.000264 -4.107520 0.000040

P_JulH14 -0.000734 0.000255 -2.877831 0.004004

P_JulH15 -0.000108 0.000255 -0.422320 0.672791

- 170 -

P_JulH16 -0.000159 0.000255 -0.623203 0.533151

P_JulH17 -0.000248 0.000255 -0.974749 0.329685

P_JulH18 -0.000866 0.000263 -3.287425 0.001011

P_JulH19 -0.002087 0.000231 -9.030895 0.000000

P_JulH20 -0.002384 0.000231 -10.321001 0.000000

P_JulH21 -0.001819 0.000231 -7.877993 0.000000

P_JulH22 -0.002525 0.000231 -10.939874 0.000000

P_JulH23 -0.001247 0.000231 -5.403085 0.000000

P_JulH24 -0.000738 0.000290 -2.543154 0.010986

P_AugH01 -0.000974 0.000289 -3.368648 0.000755

P_AugH02 -0.001647 0.000289 -5.698651 0.000000

P_AugH03 -0.001855 0.000289 -6.419852 0.000000

P_AugH04 -0.002210 0.000289 -7.648848 0.000000

P_AugH05 -0.002704 0.000289 -9.360345 0.000000

P_AugH06 -0.003678 0.000289 -12.733939 0.000000

P_AugH07 -0.004217 0.000289 -14.594959 0.000000

P_AugH08 -0.002410 0.000289 -8.332093 0.000000

P_AugH09 -0.001248 0.000290 -4.305986 0.000017

P_AugH10 -0.001313 0.000263 -4.999788 0.000001

P_AugH11 -0.001238 0.000263 -4.706016 0.000003

P_AugH12 -0.000814 0.000252 -3.226736 0.001252

P_AugH13 -0.001006 0.000264 -3.815010 0.000136

P_AugH14 -0.000492 0.000253 -1.945443 0.051722

P_AugH15 0.000053 0.000253 0.211203 0.832729

P_AugH16 -0.000108 0.000253 -0.428337 0.668406

P_AugH17 -0.000265 0.000252 -1.050553 0.293464

P_AugH18 -0.000801 0.000263 -3.046386 0.002316

P_AugH19 -0.001991 0.000231 -8.614277 0.000000

P_AugH20 -0.002059 0.000231 -8.917165 0.000000

P_AugH21 -0.001285 0.000231 -5.567252 0.000000

P_AugH22 -0.002174 0.000231 -9.423238 0.000000

P_AugH23 -0.001183 0.000231 -5.130238 0.000000

P_AugH24 -0.000877 0.000289 -3.034909 0.002406

P_SepH01 -0.001334 0.000330 -4.038694 0.000054

P_SepH02 -0.001919 0.000330 -5.808794 0.000000

P_SepH03 -0.002153 0.000330 -6.516865 0.000000

P_SepH04 -0.002868 0.000330 -8.681144 0.000000

- 171 -

P_SepH05 -0.002454 0.000330 -7.429258 0.000000

P_SepH06 -0.003826 0.000330 -11.581328 0.000000

P_SepH07 -0.005147 0.000330 -15.579534 0.000000

P_SepH08 -0.003149 0.000331 -9.527797 0.000000

P_SepH09 -0.002698 0.000330 -8.165476 0.000000

P_SepH10 -0.002314 0.000298 -7.754625 0.000000

P_SepH11 -0.001800 0.000299 -6.027165 0.000000

P_SepH12 -0.000891 0.000296 -3.007065 0.002638

P_SepH13 -0.001322 0.000299 -4.418046 0.000010

P_SepH14 -0.001019 0.000297 -3.435667 0.000591

P_SepH15 -0.000279 0.000297 -0.941260 0.346572

P_SepH16 -0.000475 0.000297 -1.602647 0.109013

P_SepH17 -0.000570 0.000296 -1.925645 0.054149

P_SepH18 -0.000656 0.000299 -2.196993 0.028021

P_SepH19 -0.002552 0.000280 -9.107509 0.000000

P_SepH20 -0.002614 0.000280 -9.329737 0.000000

P_SepH21 -0.002142 0.000280 -7.645557 0.000000

P_SepH22 -0.003152 0.000280 -11.251135 0.000000

P_SepH23 -0.001622 0.000280 -5.791829 0.000000

P_SepH24 -0.001231 0.000330 -3.725522 0.000195

P_OctH01 -0.001408 0.000320 -4.404957 0.000011

P_OctH02 -0.002146 0.000320 -6.712607 0.000000

P_OctH03 -0.002397 0.000320 -7.502553 0.000000

P_OctH04 -0.002919 0.000319 -9.138477 0.000000

P_OctH05 -0.002601 0.000319 -8.143527 0.000000

P_OctH06 -0.003980 0.000319 -12.466072 0.000000

P_OctH07 -0.004787 0.000319 -14.995313 0.000000

P_OctH08 -0.003259 0.000320 -10.198926 0.000000

P_OctH09 -0.003042 0.000320 -9.497180 0.000000

P_OctH10 -0.002151 0.000286 -7.519406 0.000000

P_OctH11 -0.001655 0.000287 -5.776992 0.000000

P_OctH12 -0.001063 0.000287 -3.708457 0.000209

P_OctH13 -0.001321 0.000287 -4.608240 0.000004

P_OctH14 -0.001264 0.000287 -4.409520 0.000010

P_OctH15 -0.000687 0.000287 -2.395861 0.016582

P_OctH16 -0.000620 0.000287 -2.163639 0.030492

P_OctH17 -0.000792 0.000286 -2.764037 0.005709

- 172 -

P_OctH18 -0.001122 0.000286 -3.921393 0.000088

P_OctH19 -0.001870 0.000266 -7.023276 0.000000

P_OctH20 -0.002411 0.000266 -9.060617 0.000000

P_OctH21 -0.002323 0.000266 -8.734354 0.000000

P_OctH22 -0.002749 0.000266 -10.339373 0.000000

P_OctH23 -0.001353 0.000266 -5.091654 0.000000

P_OctH24 -0.001618 0.000320 -5.059385 0.000000

P_NovH01 -0.001684 0.000305 -5.511973 0.000000

P_NovH02 -0.002041 0.000305 -6.682362 0.000000

P_NovH03 -0.002571 0.000305 -8.416952 0.000000

P_NovH04 -0.002763 0.000305 -9.049142 0.000000

P_NovH05 -0.002444 0.000305 -8.004505 0.000000

P_NovH06 -0.003628 0.000305 -11.881315 0.000000

P_NovH07 -0.004814 0.000305 -15.765854 0.000000

P_NovH08 -0.003524 0.000305 -11.539488 0.000000

P_NovH09 -0.002465 0.000306 -8.064435 0.000000

P_NovH10 -0.001829 0.000273 -6.692209 0.000000

P_NovH11 -0.001585 0.000274 -5.786335 0.000000

P_NovH12 -0.001028 0.000274 -3.747383 0.000179

P_NovH13 -0.001398 0.000275 -5.090783 0.000000

P_NovH14 -0.001435 0.000275 -5.223516 0.000000

P_NovH15 -0.000722 0.000275 -2.626960 0.008615

P_NovH16 -0.000925 0.000275 -3.368349 0.000756

P_NovH17 -0.001365 0.000274 -4.981662 0.000001

P_NovH18 -0.001164 0.000274 -4.255697 0.000021

P_NovH19 -0.001558 0.000255 -6.101443 0.000000

P_NovH20 -0.002122 0.000255 -8.315181 0.000000

P_NovH21 -0.001840 0.000255 -7.212952 0.000000

P_NovH22 -0.002468 0.000255 -9.675783 0.000000

P_NovH23 -0.001391 0.000255 -5.454697 0.000000

P_NovH24 -0.001693 0.000306 -5.540459 0.000000

P_DecH01 -0.001931 0.000302 -6.388149 0.000000

P_DecH02 -0.001923 0.000302 -6.360231 0.000000

P_DecH03 -0.002437 0.000302 -8.061265 0.000000

P_DecH04 -0.003665 0.000302 -12.121382 0.000000

P_DecH05 -0.003349 0.000302 -11.077144 0.000000

P_DecH06 -0.003984 0.000302 -13.173857 0.000000

- 173 -

P_DecH07 -0.004973 0.000302 -16.443243 0.000000

P_DecH08 -0.003797 0.000302 -12.553713 0.000000

P_DecH09 -0.002138 0.000302 -7.074722 0.000000

P_DecH10 -0.001660 0.000270 -6.152444 0.000000

P_DecH11 -0.001806 0.000270 -6.691445 0.000000

P_DecH12 -0.001536 0.000270 -5.685775 0.000000

P_DecH13 -0.001842 0.000270 -6.819131 0.000000

P_DecH14 -0.002117 0.000270 -7.832018 0.000000

P_DecH15 -0.001498 0.000270 -5.543018 0.000000

P_DecH16 -0.001444 0.000270 -5.341665 0.000000

P_DecH17 -0.001263 0.000270 -4.675378 0.000003

P_DecH18 -0.000987 0.000270 -3.656572 0.000256

P_DecH19 -0.001709 0.000252 -6.773685 0.000000

P_DecH20 -0.002546 0.000252 -10.095387 0.000000

P_DecH21 -0.002181 0.000252 -8.650792 0.000000

P_DecH22 -0.002693 0.000252 -10.681277 0.000000

P_DecH23 -0.001304 0.000252 -5.173606 0.000000

P_DecH24 -0.001963 0.000302 -6.494943 0.000000

P_Mon 0.000369 0.000042 8.739142 0.000000

P_Tue -0.000012 0.000042 -0.293692 0.768994

P_Wed 0.000026 0.000042 0.613001 0.539876

P_Thr 0.000146 0.000042 3.462021 0.000536

P_Fri -0.000131 0.000042 -3.106282 0.001895

P_Sat 0.000202 0.000042 4.792447 0.000002

P_MonHol 0.000209 0.000172 1.219326 0.222721

P_TueHol -0.000242 0.000164 -1.476462 0.139820

P_WedHol 0.000488 0.000193 2.530489 0.011391

P_ThrHol 0.000086 0.000214 0.402286 0.687474

P_FriHol -0.000057 0.000212 -0.270390 0.786860

P_SatHol -0.000165 0.000205 -0.805133 0.420743

P_NY 0.000093 0.000219 0.423237 0.672123

P_TG 0.000356 0.000238 1.495737 0.134723

P_Yrt06 0.000158 0.000039 4.083033 0.000044

P_Yrt07 0.000288 0.000039 7.423561 0.000000

P_Yrt08 -0.000099 0.000038 -2.582451 0.009810

P_Yrt09 -0.000141 0.000042 -3.389368 0.000701

P_sz 0.000001 0.000000 43.964112 0.000000

- 174 -

CDD -0.000137 0.000034 -3.989971 0.000066

HDD 0.000142 0.000016 8.761486 0.000000

Humd 0.000197 0.000035 5.542626 0.000000

Week_E 0.993934 0.000690 1440.873044 0.000000

alpha01 0.070338 0.030259 2.324519 0.020098

alpha02 0.307239 0.030737 9.995804 0.000000

alpha03 0.287715 0.030118 9.552931 0.000000

alpha04 0.427118 0.030733 13.897860 0.000000

alpha05 0.372829 0.030207 12.342394 0.000000

alpha06 0.319869 0.030631 10.442546 0.000000

alpha07 0.396409 0.030412 13.034561 0.000000

alpha08 0.441864 0.030568 14.455096 0.000000

alpha09 0.037720 0.030160 1.250662 0.211058

alpha10 0.423165 0.030440 13.901474 0.000000

alpha11 0.381589 0.030359 12.569174 0.000000

alpha12 0.346131 0.030380 11.393481 0.000000

alpha13 0.396611 0.030395 13.048415 0.000000

alpha14 0.406825 0.030386 13.388377 0.000000

alpha15 0.368385 0.030526 12.067919 0.000000

---------------------------------------------------------


---------------------------------------------------------

Standard


---------------------------------------------------------

P_JanH01 -0.096905 0.010205 -9.495922 0.000000

P_JanH02 -0.098603 0.010030 -9.831158 0.000000

P_JanH03 -0.099268 0.010030 -9.897379 0.000000

P_JanH04 -0.100229 0.010030 -9.993095 0.000000

P_JanH05 -0.099805 0.010030 -9.950751 0.000000

P_JanH06 -0.100286 0.010030 -9.998679 0.000000

P_JanH07 -0.100826 0.010030 -10.052419 0.000000

<표 72> 산업용(갑) 추정결과를 이용한 월요일의 가격탄력성 산정결과 (사례)

- 175 -

P_JanH08 -0.100105 0.010030 -9.980550 0.000000

P_JanH09 -0.099744 0.010030 -9.945022 0.000000

P_JanH10 -0.098927 0.010016 -9.876387 0.000000

P_JanH11 -0.098809 0.010016 -9.865081 0.000000

P_JanH12 -0.098314 0.010016 -9.815973 0.000000

P_JanH13 -0.098485 0.010015 -9.833312 0.000000

P_JanH14 -0.098099 0.010015 -9.794878 0.000000

P_JanH15 -0.098106 0.010015 -9.795577 0.000000

P_JanH16 -0.098560 0.010015 -9.840824 0.000000

P_JanH17 -0.098838 0.010016 -9.868407 0.000000

P_JanH18 -0.098497 0.010016 -9.834040 0.000000

P_JanH19 -0.098100 0.010022 -9.788798 0.000000

P_JanH20 -0.098888 0.010022 -9.867361 0.000000

P_JanH21 -0.098344 0.010022 -9.812930 0.000000

P_JanH22 -0.098913 0.010022 -9.869633 0.000000

P_JanH23 -0.097689 0.010022 -9.747391 0.000000

P_JanH24 -0.098267 0.010029 -9.797959 0.000000

P_FebH01 -0.098293 0.010029 -9.801147 0.000000

P_FebH02 -0.098597 0.010029 -9.831361 0.000000

P_FebH03 -0.099338 0.010029 -9.905147 0.000000

P_FebH04 -0.100080 0.010029 -9.978995 0.000000

P_FebH05 -0.099959 0.010029 -9.966779 0.000000

P_FebH06 -0.100470 0.010029 -10.017730 0.000000

P_FebH07 -0.101039 0.010029 -10.074419 0.000000

P_FebH08 -0.099713 0.010029 -9.942292 0.000000

P_FebH09 -0.099914 0.010029 -9.962953 0.000000

P_FebH10 -0.098503 0.010016 -9.834567 0.000000

P_FebH11 -0.098494 0.010016 -9.834133 0.000000

P_FebH12 -0.098156 0.010015 -9.800694 0.000000

P_FebH13 -0.098511 0.010015 -9.836384 0.000000

P_FebH14 -0.098423 0.010015 -9.827737 0.000000

P_FebH15 -0.098169 0.010015 -9.802355 0.000000

P_FebH16 -0.098546 0.010015 -9.839999 0.000000

P_FebH17 -0.098920 0.010015 -9.877151 0.000000

P_FebH18 -0.099428 0.010015 -9.927437 0.000000

P_FebH19 -0.098364 0.010021 -9.815402 0.000000

P_FebH20 -0.098464 0.010021 -9.825260 0.000000

- 176 -

P_FebH21 -0.097860 0.010022 -9.764942 0.000000

P_FebH22 -0.098621 0.010022 -9.840750 0.000000

P_FebH23 -0.097554 0.010022 -9.734094 0.000000

P_FebH24 -0.098055 0.010028 -9.777680 0.000000

P_MarH01 -0.098715 0.010028 -9.844101 0.000000

P_MarH02 -0.099106 0.010028 -9.882997 0.000000

P_MarH03 -0.099352 0.010028 -9.907299 0.000000

P_MarH04 -0.099631 0.010028 -9.935043 0.000000

P_MarH05 -0.099695 0.010028 -9.941272 0.000000

P_MarH06 -0.100902 0.010028 -10.061599 0.000000

P_MarH07 -0.101153 0.010028 -10.086584 0.000000

P_MarH08 -0.099689 0.010028 -9.941078 0.000000

P_MarH09 -0.100201 0.010027 -9.992932 0.000000

P_MarH10 -0.098441 0.010012 -9.831804 0.000000

P_MarH11 -0.098385 0.010012 -9.826668 0.000000

P_MarH12 -0.098098 0.010012 -9.798312 0.000000

P_MarH13 -0.098417 0.010012 -9.830402 0.000000

P_MarH14 -0.098307 0.010011 -9.819420 0.000000

P_MarH15 -0.098037 0.010011 -9.792551 0.000000

P_MarH16 -0.098388 0.010012 -9.827449 0.000000

P_MarH17 -0.098527 0.010012 -9.841164 0.000000

P_MarH18 -0.098945 0.010012 -9.882581 0.000000

P_MarH19 -0.099311 0.010017 -9.914176 0.000000

P_MarH20 -0.098796 0.010017 -9.862650 0.000000

P_MarH21 -0.097918 0.010017 -9.774845 0.000000

P_MarH22 -0.098797 0.010017 -9.862449 0.000000

P_MarH23 -0.097541 0.010018 -9.736944 0.000000

P_MarH24 -0.098189 0.010028 -9.791838 0.000000

P_AprH01 -0.098240 0.010025 -9.799301 0.000000

P_AprH02 -0.099120 0.010025 -9.886919 0.000000

P_AprH03 -0.099456 0.010025 -9.920359 0.000000

P_AprH04 -0.099872 0.010026 -9.961729 0.000000

P_AprH05 -0.100088 0.010026 -9.983109 0.000000

P_AprH06 -0.101261 0.010026 -10.100110 0.000000

P_AprH07 -0.101007 0.010026 -10.074975 0.000000

P_AprH08 -0.098932 0.010025 -9.868661 0.000000

P_AprH09 -0.099149 0.010024 -9.891117 0.000000

- 177 -

P_AprH10 -0.098504 0.010010 -9.840182 0.000000

P_AprH11 -0.098397 0.010010 -9.829760 0.000000

P_AprH12 -0.098025 0.010011 -9.792151 0.000000

P_AprH13 -0.098542 0.010010 -9.844379 0.000000

P_AprH14 -0.098345 0.010011 -9.824160 0.000000

P_AprH15 -0.098087 0.010011 -9.798307 0.000000

P_AprH16 -0.098281 0.010011 -9.817701 0.000000

P_AprH17 -0.098415 0.010011 -9.831017 0.000000

P_AprH18 -0.098759 0.010010 -9.865708 0.000000

P_AprH19 -0.100425 0.010012 -10.030232 0.000000

P_AprH20 -0.099290 0.010012 -9.916656 0.000000

P_AprH21 -0.097618 0.010013 -9.749473 0.000000

P_AprH22 -0.098320 0.010013 -9.819461 0.000000

P_AprH23 -0.097942 0.010013 -9.781488 0.000000

P_AprH24 -0.098236 0.010025 -9.799284 0.000000

P_MayH01 -0.098015 0.010023 -9.778977 0.000000

P_MayH02 -0.098780 0.010023 -9.855204 0.000000

P_MayH03 -0.099169 0.010023 -9.893866 0.000000

P_MayH04 -0.099746 0.010023 -9.951343 0.000000

P_MayH05 -0.100011 0.010023 -9.977683 0.000000

P_MayH06 -0.101163 0.010023 -10.092637 0.000000

P_MayH07 -0.100921 0.010023 -10.068914 0.000000

P_MayH08 -0.099070 0.010023 -9.884732 0.000000

P_MayH09 -0.098936 0.010022 -9.871665 0.000000

P_MayH10 -0.098342 0.010009 -9.825002 0.000000

P_MayH11 -0.098494 0.010009 -9.840089 0.000000

P_MayH12 -0.097957 0.010010 -9.785967 0.000000

P_MayH13 -0.098642 0.010010 -9.854555 0.000000

P_MayH14 -0.098112 0.010010 -9.801216 0.000000

P_MayH15 -0.097501 0.010010 -9.740084 0.000000

P_MayH16 -0.097951 0.010010 -9.785147 0.000000

P_MayH17 -0.097954 0.010010 -9.785469 0.000000

P_MayH18 -0.098530 0.010010 -9.843480 0.000000

P_MayH19 -0.100653 0.010011 -10.053895 0.000000

P_MayH20 -0.100199 0.010011 -10.008537 0.000000

P_MayH21 -0.097732 0.010011 -9.762120 0.000000

P_MayH22 -0.098471 0.010011 -9.835870 0.000000

- 178 -

P_MayH23 -0.097684 0.010012 -9.757093 0.000000

P_MayH24 -0.098005 0.010023 -9.778212 0.000000

P_JunH01 -0.097984 0.010022 -9.777106 0.000000

P_JunH02 -0.098863 0.010022 -9.864747 0.000000

P_JunH03 -0.099080 0.010022 -9.886465 0.000000

P_JunH04 -0.099826 0.010022 -9.960913 0.000000

P_JunH05 -0.099956 0.010022 -9.973824 0.000000

P_JunH06 -0.101527 0.010022 -10.130664 0.000000

P_JunH07 -0.101672 0.010022 -10.145246 0.000000

P_JunH08 -0.099264 0.010022 -9.904792 0.000000

P_JunH09 -0.099414 0.010022 -9.919604 0.000000

P_JunH10 -0.098365 0.010010 -9.826897 0.000000

P_JunH11 -0.098140 0.010010 -9.804220 0.000000

P_JunH12 -0.097781 0.010010 -9.767889 0.000000

P_JunH13 -0.098260 0.010010 -9.815863 0.000000

P_JunH14 -0.098066 0.010011 -9.796086 0.000000

P_JunH15 -0.097046 0.010011 -9.694162 0.000000

P_JunH16 -0.097267 0.010011 -9.716267 0.000000

P_JunH17 -0.097284 0.010011 -9.718089 0.000000

P_JunH18 -0.097584 0.010010 -9.748528 0.000000

P_JunH19 -0.100057 0.010012 -9.994092 0.000000

P_JunH20 -0.100961 0.010011 -10.084520 0.000000

P_JunH21 -0.099193 0.010011 -9.908027 0.000000

P_JunH22 -0.099718 0.010011 -9.960506 0.000000

P_JunH23 -0.098087 0.010011 -9.797616 0.000000

P_JunH24 -0.098058 0.010022 -9.784481 0.000000

P_JulH01 -0.097765 0.010022 -9.755082 0.000000

P_JulH02 -0.098215 0.010022 -9.800022 0.000000

P_JulH03 -0.098456 0.010022 -9.824159 0.000000

P_JulH04 -0.098834 0.010022 -9.861868 0.000000

P_JulH05 -0.099077 0.010022 -9.886141 0.000000

P_JulH06 -0.100188 0.010022 -9.997072 0.000000

P_JulH07 -0.100708 0.010022 -10.048894 0.000000

P_JulH08 -0.099650 0.010022 -9.943131 0.000000

P_JulH09 -0.098847 0.010022 -9.862880 0.000000

P_JulH10 -0.098438 0.010014 -9.830140 0.000000

P_JulH11 -0.098382 0.010014 -9.824410 0.000000

- 179 -

P_JulH12 -0.097823 0.010019 -9.763469 0.000000

P_JulH13 -0.097988 0.010014 -9.784873 0.000000

P_JulH14 -0.097639 0.010019 -9.745040 0.000000

P_JulH15 -0.097012 0.010019 -9.682425 0.000000

P_JulH16 -0.097063 0.010019 -9.687554 0.000000

P_JulH17 -0.097153 0.010019 -9.696540 0.000000

P_JulH18 -0.097771 0.010014 -9.763254 0.000000

P_JulH19 -0.098992 0.010027 -9.872722 0.000000

P_JulH20 -0.099288 0.010027 -9.902378 0.000000

P_JulH21 -0.098723 0.010027 -9.846100 0.000000

P_JulH22 -0.099430 0.010027 -9.916615 0.000000

P_JulH23 -0.098152 0.010027 -9.789160 0.000000

P_JulH24 -0.097643 0.010022 -9.742869 0.000000

P_AugH01 -0.097878 0.010022 -9.766327 0.000000

P_AugH02 -0.098551 0.010022 -9.833543 0.000000

P_AugH03 -0.098759 0.010022 -9.854352 0.000000

P_AugH04 -0.099114 0.010022 -9.889798 0.000000

P_AugH05 -0.099608 0.010022 -9.939125 0.000000

P_AugH06 -0.100583 0.010022 -10.036404 0.000000

P_AugH07 -0.101122 0.010022 -10.090137 0.000000

P_AugH08 -0.099315 0.010022 -9.909638 0.000000

P_AugH09 -0.098153 0.010022 -9.793409 0.000000

P_AugH10 -0.098218 0.010014 -9.807971 0.000000

P_AugH11 -0.098143 0.010014 -9.800337 0.000000

P_AugH12 -0.097719 0.010021 -9.751859 0.000000

P_AugH13 -0.097911 0.010014 -9.776943 0.000000

P_AugH14 -0.097396 0.010021 -9.719524 0.000000

P_AugH15 -0.096851 0.010021 -9.665112 0.000000

P_AugH16 -0.097013 0.010021 -9.681267 0.000000

P_AugH17 -0.097170 0.010021 -9.696956 0.000000

P_AugH18 -0.097706 0.010014 -9.756662 0.000000

P_AugH19 -0.098895 0.010027 -9.863165 0.000000

P_AugH20 -0.098963 0.010027 -9.870065 0.000000

P_AugH21 -0.098189 0.010027 -9.792936 0.000000

P_AugH22 -0.099078 0.010026 -9.881661 0.000000

P_AugH23 -0.098088 0.010026 -9.782908 0.000000

P_AugH24 -0.097782 0.010022 -9.756690 0.000000

- 180 -

P_SepH01 -0.098239 0.010022 -9.802348 0.000000

P_SepH02 -0.098824 0.010022 -9.860718 0.000000

P_SepH03 -0.099058 0.010022 -9.884047 0.000000

P_SepH04 -0.099773 0.010022 -9.955420 0.000000

P_SepH05 -0.099359 0.010022 -9.914111 0.000000

P_SepH06 -0.100730 0.010022 -10.050979 0.000000

P_SepH07 -0.102052 0.010022 -10.182890 0.000000

P_SepH08 -0.100054 0.010022 -9.983531 0.000000

P_SepH09 -0.099603 0.010022 -9.938401 0.000000

P_SepH10 -0.099219 0.010009 -9.912670 0.000000

P_SepH11 -0.098704 0.010010 -9.861046 0.000000

P_SepH12 -0.097796 0.010010 -9.769728 0.000000

P_SepH13 -0.098226 0.010010 -9.812959 0.000000

P_SepH14 -0.097924 0.010010 -9.782336 0.000000

P_SepH15 -0.097184 0.010010 -9.708387 0.000000

P_SepH16 -0.097380 0.010010 -9.728033 0.000000

P_SepH17 -0.097475 0.010010 -9.737705 0.000000

P_SepH18 -0.097560 0.010009 -9.746807 0.000000

P_SepH19 -0.099457 0.010011 -9.934992 0.000000

P_SepH20 -0.099519 0.010011 -9.941273 0.000000

P_SepH21 -0.099047 0.010011 -9.894169 0.000000

P_SepH22 -0.100057 0.010011 -9.995115 0.000000

P_SepH23 -0.098527 0.010011 -9.842323 0.000000

P_SepH24 -0.098135 0.010022 -9.792068 0.000000

P_OctH01 -0.098313 0.010022 -9.809762 0.000000

P_OctH02 -0.099050 0.010022 -9.883204 0.000000

P_OctH03 -0.099302 0.010022 -9.908212 0.000000

P_OctH04 -0.099824 0.010022 -9.960195 0.000000

P_OctH05 -0.099505 0.010022 -9.928286 0.000000

P_OctH06 -0.100885 0.010022 -10.065854 0.000000

P_OctH07 -0.101692 0.010022 -10.146351 0.000000

P_OctH08 -0.100164 0.010022 -9.994373 0.000000

P_OctH09 -0.099947 0.010021 -9.973366 0.000000

P_OctH10 -0.099056 0.010009 -9.896895 0.000000

P_OctH11 -0.098560 0.010009 -9.847457 0.000000

P_OctH12 -0.097968 0.010009 -9.788219 0.000000

P_OctH13 -0.098226 0.010009 -9.813936 0.000000

- 181 -

P_OctH14 -0.098169 0.010009 -9.808202 0.000000

P_OctH15 -0.097591 0.010009 -9.750503 0.000000

P_OctH16 -0.097525 0.010009 -9.743891 0.000000

P_OctH17 -0.097696 0.010009 -9.761129 0.000000

P_OctH18 -0.098027 0.010009 -9.794093 0.000000

P_OctH19 -0.098775 0.010013 -9.864975 0.000000

P_OctH20 -0.099316 0.010013 -9.918936 0.000000

P_OctH21 -0.099228 0.010013 -9.909984 0.000000

P_OctH22 -0.099653 0.010013 -9.952380 0.000000

P_OctH23 -0.098257 0.010013 -9.812871 0.000000

P_OctH24 -0.098522 0.010022 -9.830718 0.000000

P_NovH01 -0.098588 0.010023 -9.836601 0.000000

P_NovH02 -0.098946 0.010023 -9.872134 0.000000

P_NovH03 -0.099475 0.010023 -9.924850 0.000000

P_NovH04 -0.099668 0.010023 -9.943997 0.000000

P_NovH05 -0.099349 0.010023 -9.912052 0.000000

P_NovH06 -0.100532 0.010023 -10.030089 0.000000

P_NovH07 -0.101718 0.010023 -10.148401 0.000000

P_NovH08 -0.100428 0.010023 -10.019867 0.000000

P_NovH09 -0.099369 0.010022 -9.914878 0.000000

P_NovH10 -0.098734 0.010012 -9.861394 0.000000

P_NovH11 -0.098489 0.010012 -9.837397 0.000000

P_NovH12 -0.097933 0.010011 -9.782068 0.000000

P_NovH13 -0.098303 0.010011 -9.819163 0.000000

P_NovH14 -0.098340 0.010011 -9.822924 0.000000

P_NovH15 -0.097626 0.010011 -9.751660 0.000000

P_NovH16 -0.097829 0.010011 -9.771851 0.000000

P_NovH17 -0.098270 0.010012 -9.815550 0.000000

P_NovH18 -0.098069 0.010012 -9.795128 0.000000

P_NovH19 -0.098463 0.010017 -9.829482 0.000000

P_NovH20 -0.099027 0.010017 -9.885633 0.000000

P_NovH21 -0.098745 0.010017 -9.857317 0.000000

P_NovH22 -0.099372 0.010018 -9.919846 0.000000

P_NovH23 -0.098295 0.010018 -9.812205 0.000000

P_NovH24 -0.098597 0.010023 -9.837529 0.000000

P_DecH01 -0.098835 0.010025 -9.858939 0.000000

P_DecH02 -0.098827 0.010025 -9.858035 0.000000

- 182 -

P_DecH03 -0.099342 0.010025 -9.909262 0.000000

P_DecH04 -0.100569 0.010025 -10.031668 0.000000

P_DecH05 -0.100254 0.010025 -10.000113 0.000000

P_DecH06 -0.100889 0.010025 -10.063391 0.000000

P_DecH07 -0.101878 0.010025 -10.162057 0.000000

P_DecH08 -0.100701 0.010025 -10.044746 0.000000

P_DecH09 -0.099043 0.010025 -9.879804 0.000000

P_DecH10 -0.098564 0.010014 -9.842170 0.000000

P_DecH11 -0.098711 0.010014 -9.857204 0.000000

P_DecH12 -0.098440 0.010014 -9.830465 0.000000

P_DecH13 -0.098747 0.010014 -9.861301 0.000000

P_DecH14 -0.099021 0.010013 -9.888821 0.000000

P_DecH15 -0.098403 0.010013 -9.827079 0.000000

P_DecH16 -0.098348 0.010014 -9.821485 0.000000

P_DecH17 -0.098167 0.010014 -9.803092 0.000000

P_DecH18 -0.097891 0.010014 -9.775219 0.000000

P_DecH19 -0.098613 0.010019 -9.842499 0.000000

P_DecH20 -0.099450 0.010019 -9.925947 0.000000

P_DecH21 -0.099086 0.010019 -9.889437 0.000000

P_DecH22 -0.099598 0.010019 -9.940431 0.000000

P_DecH23 -0.098209 0.010020 -9.801715 0.000000

P_DecH24 -0.098867 0.010025 -9.862174 0.000000

---------------------------------------------------------

- 183 -

사. 사례 3: 한국전력공사 (2011.7)14) 연구결과

피크타임의 부하저감효과를 분석을 위해 「전력소비 분석시스템 개발 및 실시간 요금제도

도입 영향분석(아주대학교, 한국전력)」의 시나리오 결과 값을 응용할 수 있다. 구체적인 방

법은 다음과 같다.

1) 개요

앞서 논의한 바와 같이 실시간 요금제 도입효과는

ü 피크부하의 경제성 수요관리에 따른

- 피크 저감과 이에 따른 설비투자수요 감축의 파급효과

- 전력 최종수요의 변화(한전의 시나리오에서는 해당없음)에 따른 산업파급효

과

ü 실시간요금제 도입과 관련, 스마트그리드 산업의 최종수요변화와 이에 따

른 파급효과

등으로 구분지어 볼 수 있다. 다음은 이의 평가와 관련된 방법론, 그리고 시산결과이다.

2) 피크부하의 경제성 수요관리 효과

가) 피크부하의 경제성 수요관리 효과 추정방법

주어진 특정일에 가격 충격을 주어 나타나는 결과를 분석하기 위해 아래와 같은 방법을

사용하였다.

가격은 계시별 요금제를 기준으로 하여 가격충격효과를 다음과 같은 식으로 표시할 수 있

다. 즉 시간대별 부하는 로 표시하되, 은 load, = 1, 2, 3 으로 3개의 시간블럭을 표시,

는 하루 24시간을 표시한다. 마찬가지로 가격의 경우도 로 표시가 가능하다.

각 기간구간별 가격충격을 (예를 들어 =0.1 인 경우, 0.1 배 만큼의 가격변화) 배로 표

시할 수 있으며, 이에 따른 수요변화에 따른 경제성 수요관리(Economic DR)의 효과, 그리고

경제성 수요관리의 판매수입 변화효과는 다음과 같이 산정할 수 있다.

원래의 시간대별 수요와 가격수준, 그리고 변화된 수요와 가격수준을 각각 , 그리

14) 동계 피크전력 감축을 위한 수요관리제도 개선방안 보고서, 2011.7.31

- 184 -

고 ′ , ′ 로 표시하면,

′

′

가 된다. 또 시간블럭, 시간의 수요의 가격탄력성을 라 둔다면,

′

임을 알 수 있다. 가격 충격 이전과 이후의 수입을 각각 , ′ 라 두면,

′ ′ ′

가 됨을 알 수 있다.

위에서 를 세부산업의 피크부하, 그리고 ′ 를 가격 충격이 주어진 이후 나타날

것으로 예상되는 새로운 부하라고 한다면 세부산업에 경제성 DR 도입을 통한 피크부하관

리의 효과 는 로 나타난다. 단 여기서 는 피크발생 시간블럭이 된다.

방법 1:

전체 세부산업의 경제성 DR을 통한 수요관리효과 는 이론적으로는 간단히 다음과 같이

산정될 수 있다.

방법 2:

하지만 본 연구에서는 전수데이터를 갖고 있지 않으며, 세부산업별 대표기업의 시간대별

- 185 -

부하추정결과만 있다는 점을 유의할 필요가 있다. 해당 세부산업의 월별 자료에는 수용가 수

가 있다는 점을 활용, 전체 세부산업의 경제성 DR을 통한 수요관리효과 ′은 다음과 같은 방

법을 사용가능하다.

′

여기서 는 세부산업의 수용가 수를 의미한다. 즉, 대표기업의 경제성 DR의 크기를 수

용가수에 대해 환산해 보는 방법이다. 다만 이 경우 표본에서 사용된 시간대별 자료가 해당

세부산업을 대표할 수 있다는 전제가 필요함을 지적할 필요가 있다.

방법 3:

또 다른 방법으로는 피크발생시 각 세부산업별 부하가 월별 사용량 기준의 비중을 그대로

갖고 있는 것으로 가정하는 경우이다. 이 경우에는 다음과 같이 경제성 DR의 효과를 추정해

볼 수 있다. 즉, 각 세부산업의 가격탄력성을 ( 세부산업, 는 피크발생 시간블럭의 가

격탄력성), 세부산업별 월별 소비비중 라 두면, 피크시점의 총부하와 세부산업별 부하는

다음과 같이 표시할 수 있다.

단 여기서 는 피크타임의 부하를 나타낸다. 새로운 가격에 의한 피크 부하를 ′이라 두

면 이는

′

′

의 형태로 산정이 가능해진다. 여기서 세부산업의 피크부하산정은 표본을 통해 분석한

산업에 속한 기업의 부하패턴을 이용하여 TLP (Typical Load Profile)를 산정한 결과값을 응용

한 것으로 상세한 내용은 한국전력공사(2011.9)을 참고할 수 있다.

나) 피크부하의 경제성 수요관리 효과 추정결과15)

전력수요 피크시의 전력사용 패턴 분석을 위해 다음과 같은 자료를 사용하였다.

15) 한국전력공사(2011.9) 참조

- 186 -

1. 분석기간 : 2005.01.01 ~ 2009.12.31

2. 고객 수 : 6,494 (기간 내 수요관리에 참여하지 않은 고객)

분석에

이용된

계약종번호

계약종

코드계약종이름

분석에

이용된

계약종번호

계약종코드 계약종이름

1* 100 주택용 15 331 산업용(갑)고압B

2* 108 임시갑 16 721 산업용(을)고압A

3* 808 아파트 17 731 산업용(을)고압B

4 211 일반용(갑)저압 18 726 산업용(병)고압A

5 221 일반용(갑)고압A 19 736 산업용(병)고압B

6 231 일반용(갑)고압B 20 746 산업용(병)고압C

7 226 일반용(을)고압A 21 410 농사용(갑)

8 236 일반용(을)고압B 22 420 농사용(을)

9* 208 일반용(임시) 23 430 농사용(병)

10 213 교육용저압 24 600 가로등(갑)

11 223 교육용고압A 25 610 가로등(을)

12 233 교육용고압B 26* 905 심야(갑)

13 311 산업용(갑)저압 27* 910 심야(을) I

14 321 산업용(갑)고압A 28* 915 심야(을) II주: (*)가 표시된 계약종은 요금제의 특성이 계시별이 아니거나 분석 고객이 없어 이번 패턴분석

에 이용되지 않았다. 따라서, 2009년과 2010년의 총 부하량은 분석에서 빠진 계약종의 부하량 만

큼 차이를 보이게 된다.

<표 73> 분석에 이용된 계약종

앞의 표와 같이 35개 세부산업 각각에 대해 28개 계약종 중 1,2,3,9,26,27,28 의 7개 계약종

은 분석에서 제외되었다. 이는 아래의 표에서 나타나는 것과 같이 해당 년도에 해당 세부산업

별 계약종에 해당하는 소비량이 보고되지 않기 때문이다.

일반용(을), 산업용(병)의 요금제에서 시간대별 구분은 경부하/중간부하/최대부하 이다. 본

보고서의 가격 시나리오는 시간대별 구분의 순서대로 아래와 같이 두 가지의 경우를 일년 전

체에 대해 수행하여 보고, 마지막에는 이를 여름 7,8월과 겨,울 12, 1월에만 적용한 결과를 정

리하였다. 따라서 세 가지 시나리오는 다음과 같이 정리될 수 있다.

시나리오 1: 경부하/중간부하/최대부하 = -10%/+10%/+50%

시나리오 2: 경부하/중간부하/최대부하 = -70%/-10%/+50%

시나리오 3: 경부하/중간부하/최대부하 = -70%/-10%/+50% (단 해당 가격시나리오는 여름 7, 8월과 겨울 1, 12월에만 적용함)

- 187 -

　 1월(겨울철) 8월(여름철)가격변화율

시나리오1

가격변화율

시나리오2

가격변화율

시나리오3

경부하 시간 23:00 ~ 09:00 23:00 ~ 09:00 -10% -70% -70%

중간부하 시간09:00 ~ 10:00 09:00 ~ 11:00

10% -10% -10%12:00 ~ 17:00 12:00 ~ 13:00

20:00 ~ 22:00 17:00 ~ 23:00

최대부하 시간10:00 ~ 12:00 11:00 ~ 12:00

50% 50% 50%17:00 ~ 20:00 13:00 ~ 17:00

22:00 ~ 23:00 　

<표 74> 일반용(을) 및 산업용(병)에 적용된 가격시나리오

　 1월(겨울철) 8월(여름철)가격변화율

시나리오1

가격변화율

시나리오2

가격변화율

시나리오3

심야시간 23:00 ~ 09:00 23:00 ~ 09:00 -10% -70% -70%

주간시간 09:00 ~ 18:00 09:00 ~ 18:00 50% 50% 50%

저녁시간 18:00 ~ 23:00 18:00 ~ 23:00 10% -10% -10%

<표 75> 산업용(을) 및 기타 계약종에 적용된 가격시나리오

아래의 표는 본 연구에 사용된 자료, 전력거래소가 공개하는 자료 및 한전이 제공한 월별

세부산업별 자료를 기초한 사용량, 판매수입 등의 값에 어떤 차이가 있는지를 정리하고 있다. 본 연구에서는 판매수입, 전력사용량 등을 한전의 자료를 기초로 하였으며, 7개 세부 계약종

이 제외된 상태로 분석되어 전력사용량, 판매수입, 그리고 이를 기초로 산정한 부하율 등의

값이 서로 다를 수 있음을 지적한다.

　　 판매수입(백만원)총전력사용

량(GWh)

피크부하

(만kW)

부하율

(%)

EPSIS

통계모든계약종 (기본요금+사용요금) 32,975,019 394,475 6,680 67.4

한전자료 모든계약종(기본요금+사용요금) 33,336,440

395,940 6,680 67.7(사용요금) 25,215,787

본연구

자료

7개계약종

제외

(기본요금+사용요금) 26,273,236315,633 5,783 62.3

(사용요금) 19,016,172

동계피크기준: 2009년 12월 18일 (금요일)

<표 76> 연구에 사용된 자료(2009)의 요약비교

시나리오별 분석 결과는 7개 세부계약종을 제외한 채로 피크부하, 전력사용량, 판매수입 등

에 대해 가격 충격 이전과 이후의 값을 정리하고, 그 변화폭을 %로 나타내었다.

- 188 -

　

　

피크부하변화

(이후,GW)

총전력사용량

(이후,GWh)

총전력사용량

증감(%)

판매수입변화*

(이전,백만원)

판매수익

증감(%)

기준 57.8300 315,633 - 19,016,172 -

시나리오1 55.7792 309,940 -1.8 23,161,439 21.80

시나리오2 56.8022 328,488 3.9 19,686,776 3.53

시나리오3 56.8022 320,007 1.4 19,482,965 2.45

<표 77> 시나리오별 주요결과 요약

아. 사례 4: 한국전력공사 (2012.6)16) 연구결과

1) 연구의 배경 및 목적

스마트 그리드 제주실증단지는

∘ 제주특별자치도 제주시 구좌읍 일원을 대상지역으로

∘ 구축단계 : ’09.12~’11. 5 / 운영단계 : ’11. 6~’13. 5 의 기간을 갖고

∘ 5개 분야 12개 컨소시엄 168개사 (총 사업규모 : 2,395억원)

으로 진행되고 있으며, 특히 한전은 TOC (Total Operation Center)를 구축하는 임무가 있으

며, TOC는 다음과 같은 서비스를 제공하는 것으로 계획되어 있다.

본 연구는 현재 추진 중인 제주도 실증단지 스마트그리드 사업의 실시간요금제 도입 시범

사업과정에서 생산되는 주택용 전력소비자료를 분석하여 TOC에서 필요로 한 엔진을 개발하

여 제공함으로써, 이것이 현재의 시스템과 연결될 수 있도록 하는 것을 목적으로 하였다. 주어진 자료의 한계로 인해 주택용 전력소비자의 소비행태에 관한 실증분석 방법론 개발이 필

수적이었으며, 스마트그리드의 혜택과 사업타당성을 판단할 수 있도록 주택용 전기소비자 행

태에 관한 실증분석 결과가 본 연구의 주요 결과라 하겠다.

16) 제주 SG 실증단지 실시간 요금기반 수요반응(DR)성과 분석모델 개발, 최종보고서, 2012. 6.15

- 189 -

[그림 35] TOC의 개념도

2) 주어진 자료의 현황 및 문제점

가) 자료의 현황

∘ 기간 : 2011년 7월 1일부터 2012년 6월 30일까지

∘ 고객별 전력사용량

∘ 고객별 전력요금 (현행요금 및 실시간요금)

∘ 기타 고객정보 및 외생변수

∘ 전력사용량 데이터를 가진 전체 고객 수는 6697호지만, 고객정보와 함께 데이

터를 이용하기 위해서 785호의 고객 수로 정리되었음.

∘ 또한, 소득지수를 추정하는데 활용되는 연령별 가구원수의 데이터가 473호의

고객으로 한정되어 있기 때문에 전력사용량을 비롯한 모든 데이터는 473호의

고객을 기준으로 정리함.

- 190 -

∘ 473호 중 전력사용량 데이터의 시계열 길이가 짧은 이유 등으로 실제 분석에

적용 가능한 데이터를 가진 고객은 434호임.

나) 자료의 문제점

∘ 전력사용량 최대값

- 전력사용량의 크기가 평소 패턴과 다르게 급격하게 증가하는 전력사용량을

보이는 데이터가 존재함.

- 이는 데이터 전송오류인지 사용자의 실제 전력사용량인지 판단하기가 쉽지

않아 임의로 데이터를 정리하기가 애매모호함.

- 분석기간 동안 전력사용량의 최대값이 주택용 전력의 계약전력량인 3kW를

초과하는 고객이 존재하는 등 자료의 품질에 대한 문제가 있음.

∘ 전력사용량 데이터의 부재

- 모든 고객의 일정 기간에서 missing Data가 존재하며 고객별로 불규칙함.

- 예를 들어 전체 8784시간 중 5001 ~ 6000시간 동안에 대해서만 데이터가 존

재하는 고객의 수는 6임.

∘ 기타 문제점

- 할인요금의 종류에 대한 상세 고객정보부재

- 가끔 음의 요금이 기록되는 경우도 발생

3) 구체적 추정방법과 추정결과

가) 추정방법 및 추정식

∘ 계약종에 따른 구분을 적용, 시간대별 전력사용량자료를 피설명변수로 하고,

∘ 기타 설명변수로는

- 상기에서 논의된 방법에 따라, 각 가구별 인원구성 및 가구주 정보, 연령 등

을 이용하여 개별고객의 소득지수함수를 통해 소득설명변수를 산정함.

- RTP요금자료 (기존의 요금과의 구조변화를 감안할 수 있는 모형식 구성)

- CDD, HDD, 일사량 등 기상자료

- 191 -

- 요일별 특성등을 감안하여 다음과 같은 추정식을 동원함.

∘ 특히, 월평균 전력소비량 기준으로 분석대상 표본을 3개의 서로 다른 그룹으

로 구분하고, 이 중 데이터 누락 및 오류가 비교적 적은 고객(2011년 9월부터

2012년 5월까지 스마트청구서가 빠짐없이 청구된 고객)을 따로 분류하여(세부

그룹I, 세부그룹II), 전체 고객을 총 6그룹으로 나눠 추정 계수값을 별도로 산

정할 수 있도록 함. 아래는 각 그룹별 월평균 전력소비량 범위와 해당 고객수

를 보여주고 있다.

그룹명 세부그룹 월평균 전력사용량 고객수

그룹1

I

200 kWh 이하 197

그룹2 201~300 kWh 107

그룹3 301 kWh 이상 101

그룹4

II

200 kWh 이하 15

그룹5 201~300 kWh 10

그룹6 301 kWh 이상 4

<표 78> 그룹 분류 -월평군 전력소비량에 따른 고객 수 현황

ln

ln

≡ ln

ln

ln

ln ln

ln

ln

- 192 -

전력사용량

상수

그룹더미

실시간요금 현행요금

현행요금

소득

난방도시간

냉방도시간

습도

일사량

요일

휴일 공휴일신정추석

∘ 한편, 고객의 그룹분류에 따른 그룹더미

의 형태는 아래 표와 같다.

그룹1 1 0 0 0 0 0

그룹2 1 1 0 0 0 0

그룹3 1 0 1 0 0 0

그룹4 1 0 0 1 0 0

그룹5 1 1 0 1 1 0

그룹6 1 0 1 1 0 1

<표 79> 그룹 분류에 따른 그룹더미의 형태

나) 추정결과

결과는 분석대상 전체 고객 434호 중 164호의 가격탄력성이 음의 값을 보였고, 그 중 통계

적으로 유의(5% 수준 하에서)한 고객은 18호 뿐이다.

- 193 -

가격탄력성 부호가격탄력성 유의성 (5% 수준 하에서)

해당 고객 수

양(+)의 값유의함 106

유의하지 않음 164

음(-)의 값유의함 18

유의하지 않음 146

<표 80> 분석 고객의 가격탄력성 부호와 유의성에 따른 현황

가격탄력성 부호가 양의 값을 갖는 것, 즉 가격이 상승(하락)하면 전력사용량이 증가(하락)하는 것과 같이 가격과 전력사용량 변화를 인과관계 안에서 해석하기 보다는 전력사용량이

증가하는 시간대에 가격을 높게 책정하였지만, 가격의 신호가 고객에게 제대로 전달되지 못

해 고객이 가격에 반응하지 못하고 일상적인 전력사용량 증가가 이루어졌다고 해석하는 것이

합당해 보인다. 아래 표는 가격탄력성이 음의 값을 가지며 통계적으로 유의한 고객 18호의 통

계치를 보여주고 있다.

고객번호 그룹 구성원수 노인가구가구주

변수명Estimate

(

)Std.Err t-value p-value

나이 성별(1=남)

0800464235 3 4 no 46 1 -0.02181 0.00730 -2.98630 0.00282

0800468749 2 1 yes 63 1 -0.01589 0.00571 -2.78197 0.00540

0800468874 3 1 yes 77 1 -0.00899 0.00387 -2.32564 0.02004

0800469506 1 7 no 49 1 -0.04774 0.01172 -4.07482 0.00005

0800469515 2 1 yes 40 1 -0.01716 0.00465 -3.69456 0.00022

0801506448 2 6 no 43 1 -0.00918 0.00418 -2.19416 0.02822

0801513635 3 6 no 62 0 -0.00767 0.00345 -2.22436 0.02612

0801514046 1 4 no 41 1 -0.01946 0.00368 -5.29341 0.00000

0801519489 6 1 yes 63 1 -0.02749 0.01184 -2.32149 0.02026

0802441248 1 3 yes 68 0 -0.00789 0.00324 -2.43447 0.01491

0802447947 2 1 yes 89 0 -0.03126 0.00561 -5.56979 0.00000

0802449543 1 1 yes 75 0 -0.03191 0.00728 -4.38269 0.00001

0802454607 3 1 yes 68 0 -0.00948 0.00423 -2.24090 0.02503

0803397302 3 4 yes 65 1 -0.01250 0.00518 -2.41137 0.01589

0803399328 1 2 yes 65 1 -0.01197 0.00551 -2.17262 0.02981

0803399658 3 4 yes 51 1 -0.02352 0.01167 -2.01504 0.04390

0804424432 1 1 yes 59 1 -0.01830 0.00887 -2.06303 0.03911

0804427634 1 2 yes 80 1 -0.01012 0.00458 -2.21030 0.02709

<표 81> 음의 값을 갖고 통계적으로 유의한 고객의 특징 및 가격탄력성 통계

∘ 모형 산정결과

------------------ OLS DUMMY VARIABLE --------------------Observations : 3084978 Number of Groups : 434

Degrees of freedom : 3083876 Total SS (corrected) : 738642.917 Residual SS : 282475.56 R-squared : 0.618

- 194 -

-0.32079 0.10749 -2.98441 0.00284

0.04571 0.00159 28.67736 0.00000

-0.00378 0.00265 -1.42706 0.15356

0.00534 0.00260 2.05259 0.04011

0.02709 0.00536 5.05310 0.00000

0.00428 0.00977 0.43860 0.66096

-0.06734 0.00860 -7.82609 0.00000

-0.00598 0.01116 -0.53617 0.59184

-0.01545 0.01889 -0.81800 0.41336

-0.00479 0.01906 -0.25143 0.80149

0.01443 0.03856 0.37414 0.70830

-0.02459 0.06166 -0.39886 0.69000

0.10787 0.08507 1.26795 0.20482

0.00278 0.00017 16.37153 0.00000

0.00056 0.00029 1.95924 0.05009

0.00084 0.00029 2.87551 0.00403

0.00105 0.00057 1.84175 0.06551

0.00046 0.00091 0.50364 0.61452

-0.00093 0.00123 -0.75809 0.44840

0.00280 0.00027 10.28290 0.00000

-0.00113 0.00046 -2.47580 0.01329

-0.00169 0.00046 -3.71225 0.00021

0.00062 0.00095 0.65252 0.51407

-0.00155 0.00151 -1.02224 0.30667

0.00158 0.00221 0.71573 0.47416

0.02887 0.00117 24.63573 0.00000

0.00379 0.00197 1.92174 0.05464

0.00399 0.00200 1.99588 0.04595

0.00710 0.00412 1.72282 0.08492

-0.00557 0.00653 -0.85229 0.39405

0.01003 0.00898 1.11758 0.26375

-0.00335 0.00037 -9.18100 0.00000

0.00019 0.00061 0.30878 0.75749

-0.00018 0.00062 -0.28699 0.77412

0.00032 0.00122 0.26519 0.79087

-0.00257 0.00193 -1.33064 0.18331

0.00223 0.00260 0.86046 0.38953

0.60246 0.00085 705.83392 0.00000

-0.00285 0.00146 -1.95960 0.05004

-0.02101 0.00141 -14.87723 0.00000

0.02041 0.00305 6.68613 0.00000

0.00645 0.00476 1.35526 0.17534

0.05421 0.00727 7.46076 0.00000

0.03698 0.00099 37.21191 0.00000

-0.00682 0.00169 -4.02735 0.00006

0.01653 0.00164 10.10778 0.00000

-0.04202 0.00359 -11.71399 0.00000

-0.02608 0.00560 -4.65986 0.00000

-0.00421 0.00863 -0.48792 0.62561

0.00626 0.00099 6.30950 0.00000

0.00563 0.00169 3.32600 0.00088

0.00618 0.00163 3.78197 0.00016

0.00914 0.00359 2.54857 0.01082

-0.00871 0.00559 -1.55770 0.11931

0.00287 0.00863 0.33258 0.73945

0.00105 0.00099 1.05922 0.28950

-0.00181 0.00169 -1.07072 0.28430

-0.01154 0.00163 -7.06827 0.00000

-0.00230 0.00358 -0.64131 0.52132

0.00526 0.00559 0.94046 0.34698

-0.00631 0.00863 -0.73115 0.46469

0.00132 0.00099 1.33403 0.18219

-0.00404 0.00169 -2.39029 0.01684

0.00412 0.00163 2.52106 0.01170

-0.01479 0.00359 -4.12285 0.00004

0.00887 0.00559 1.58574 0.11280

0.02516 0.00863 2.91476 0.00356

-0.00275 0.00099 -2.77331 0.00555

0.00064 0.00169 0.37826 0.70524

-0.00112 0.00163 -0.68417 0.49387

-0.00003 0.00359 -0.00731 0.99417

-0.00063 0.00559 -0.11305 0.90999

0.00546 0.00863 0.63231 0.52719

0.00037 0.00099 0.37174 0.71008

-0.00171 0.00169 -1.00912 0.31292

0.00342 0.00164 2.08968 0.03665

-0.01314 0.00359 -3.66442 0.00025

0.00903 0.00559 1.61466 0.10638

-0.00250 0.00863 -0.28948 0.77221

-0.00298 0.00099 -2.99397 0.00275

0.00438 0.00169 2.58493 0.00974

-0.00039 0.00164 -0.23520 0.81406

0.00669 0.00359 1.86524 0.06215

Rbar-squared : 0.617Std error of est : 0.303 F : 7455.277 with 668, 3083876 dfP-value : 0 ---------------------------------------------------------Variable Estimate Std.Err t-value p-value ---------------------------------------------------------

- 195 -

-0.02024 0.00559 -3.61774 0.00030

0.00670 0.00864 0.77633 0.43755

0.00984 0.00099 9.89860 0.00000

-0.00379 0.00169 -2.23763 0.02525

-0.01064 0.00164 -6.50160 0.00000

-0.00247 0.00359 -0.68810 0.49139

-0.00838 0.00559 -1.49826 0.13407

0.00081 0.00864 0.09393 0.92517

0.00018 0.00099 0.18550 0.85284

0.00513 0.00169 3.02921 0.00245

0.01065 0.00164 6.50606 0.00000

0.00051 0.00359 0.14078 0.88805

0.02333 0.00559 4.17100 0.00003

-0.01276 0.00864 -1.47629 0.13987

0.00814 0.00099 8.18712 0.00000

-0.00450 0.00169 -2.65277 0.00798

-0.00633 0.00164 -3.86527 0.00011

-0.00427 0.00359 -1.18910 0.23440

0.00049 0.00560 0.08713 0.93057

0.01513 0.00865 1.74988 0.08014

0.00377 0.00100 3.78532 0.00015

-0.00583 0.00170 -3.43853 0.00059

-0.00491 0.00164 -2.99638 0.00273

0.00009 0.00359 0.02631 0.97901

-0.00325 0.00560 -0.58106 0.56120

-0.00655 0.00865 -0.75699 0.44906

0.00089 0.00100 0.89881 0.36875

0.00299 0.00170 1.76427 0.07769

0.00486 0.00164 2.96658 0.00301

0.00428 0.00359 1.19366 0.23261

0.00200 0.00560 0.35781 0.72048

-0.00133 0.00865 -0.15425 0.87741

0.00102 0.00100 1.02475 0.30548

0.00067 0.00169 0.39621 0.69195

-0.00272 0.00164 -1.66177 0.09656

-0.00803 0.00359 -2.23805 0.02522

0.00962 0.00560 1.71752 0.08589

0.00167 0.00865 0.19297 0.84699

-0.00568 0.00100 -5.70811 0.00000

0.00349 0.00169 2.05700 0.03969

0.00533 0.00164 3.24954 0.00116

0.00232 0.00359 0.64657 0.51791

-0.03194 0.00560 -5.70150 0.00000

-0.01043 0.00865 -1.20528 0.22810

-0.00382 0.00100 -3.83965 0.00012

-0.00246 0.00170 -1.45384 0.14599

-0.00624 0.00164 -3.80610 0.00014

-0.00908 0.00359 -2.53049 0.01139

0.01569 0.00560 2.80264 0.00507

0.03497 0.00865 4.04384 0.00005

-0.00430 0.00100 -4.31676 0.00002

0.00078 0.00170 0.45745 0.64735

0.00303 0.00164 1.85090 0.06418

-0.00715 0.00359 -1.99337 0.04622

0.00197 0.00560 0.35203 0.72482

0.00854 0.00865 0.98794 0.32318

0.00216 0.00100 2.16293 0.03055

0.00171 0.00170 1.00410 0.31533

0.00167 0.00164 1.01720 0.30906

-0.00101 0.00359 -0.28035 0.77921

0.00249 0.00560 0.44372 0.65725

-0.01611 0.00864 -1.86345 0.06240

0.00040 0.00100 0.40326 0.68676

-0.00234 0.00170 -1.37999 0.16759

0.00154 0.00164 0.94081 0.34680

-0.00023 0.00359 -0.06466 0.94844

-0.00171 0.00560 -0.30579 0.75977

0.01694 0.00864 1.96061 0.04993

0.00690 0.00100 6.91972 0.00000

-0.00058 0.00170 -0.34407 0.73080

0.00113 0.00164 0.68988 0.49027

0.00826 0.00359 2.30210 0.02133

-0.00917 0.00560 -1.63739 0.10155

-0.00691 0.00864 -0.79963 0.42393

0.02275 0.00100 22.83634 0.00000

-0.00208 0.00170 -1.22754 0.21962

-0.00056 0.00164 -0.34410 0.73077

-0.00279 0.00359 -0.77770 0.43675

0.00294 0.00560 0.52447 0.59995

0.00313 0.00864 0.36178 0.71752

0.04334 0.00100 43.51830 0.00000

0.00276 0.00170 1.62501 0.10416

-0.00076 0.00164 -0.46602 0.64120

-0.00453 0.00359 -1.26477 0.20595

- 196 -

-0.01396 0.00560 -2.49440 0.01262

0.00359 0.00864 0.41541 0.67784

0.08985 0.00100 90.30110 0.00000

0.00068 0.00170 0.40260 0.68725

0.00032 0.00164 0.19522 0.84522

-0.00343 0.00358 -0.95781 0.33816

0.02036 0.00559 3.63943 0.00027

0.01692 0.00864 1.95973 0.05003

0.09683 0.00085 113.49705 0.00000

0.00530 0.00145 3.64589 0.00027

-0.00034 0.00141 -0.23774 0.81208

0.00998 0.00305 3.27637 0.00105

0.01360 0.00475 2.86167 0.00421

-0.02760 0.00723 -3.81480 0.00014

-0.01574 0.00099 -15.89176 0.00000

-0.00002 0.00166 -0.01308 0.98957

-0.00869 0.00168 -5.16278 0.00000

-0.01619 0.00336 -4.82214 0.00000

0.01570 0.00532 2.95135 0.00316

0.02642 0.00735 3.59317 00033

-0.00669 0.00099 -6.77851 0.00000

-0.00058 0.00165 -0.35259 0.72440

-0.00429 0.00168 -2.55637 0.01058

-0.00730 0.00335 -2.17993 0.02926

0.00353 0.00530 0.66615 0.50532

0.01739 0.00735 2.36524 0.01802

-0.00628 0.00100 -6.28523 0.00000

-0.00217 0.00167 -1.29916 0.19389

-0.00717 0.00170 -4.22724 0.00002

-0.00614 0.00339 -1.81308 0.06982

0.00649 0.00537 1.21037 0.22614

0.02070 0.00744 2.78270 0.00539

-0.00607 0.00099 -6.11317 0.00000

0.00042 0.00166 0.25379 0.79966

-0.00229 0.00169 -1.35601 0.17510

-0.00792 0.00337 -2.35391 0.01858

0.00470 0.00532 0.88345 0.37700

0.01447 0.00740 1.95585 0.05048

-0.00552 0.00099 -5.58390 0.00000

-0.00035 0.00165 -0.21205 0.83207

-0.00332 0.00168 -1.98042 0.04766

-0.01078 0.00335 -3.21487 0.00131

0.00836 0.00531 1.57623 0.11497

0.01059 0.00737 1.43661 0.15083

0.00048 0.00098 0.49234 0.62248

-0.00387 0.00164 -2.35392 0.01858

-0.00454 0.00167 -2.71966 0.00654

0.00175 0.00333 0.52548 0.59925

-0.00343 0.00527 -0.65008 0.51564

-0.00335 0.00733 -0.45676 0.64784

0.00921 0.00198 4.65141 0.00000

-0.00002 0.00332 -0.00515 0.99589

-0.00137 0.00333 -0.41208 0.68028

0.01474 0.00687 2.14505 0.03195

-0.00954 0.01071 -0.89046 0.37322

-0.02671 0.01477 -1.80794 0.07062

0.01039 0.00269 3.86094 0.00011

0.00366 0.00457 0.80049 0.42343

-0.00555 0.00461 -1.20273 0.22908

0.00454 0.00988 0.45933 0.64600

0.00781 0.01564 0.49952 0.61741

-0.01749 0.02111 -0.82862 0.40732

0.01139 0.00404 2.81682 0.00485

0.00860 0.00700 1.22842 0.21929

-0.00188 0.00689 -0.27215 0.78551

0.01166 0.01266 0.92104 0.35703

-0.03591 0.02063 -1.74032 0.08180

-0.04080 0.02555 -1.59706 0.11025

-0.00202 0.00375 -0.53996 0.58922

-0.00444 0.00381 -1.16373 0.24454

0.00672 0.00400 1.67848 0.09325

0.00287 0.00321 0.89638 0.37005

0.00522 0.01328 0.39311 0.69424

0.00199 0.01100 0.18095 0.85640

-0.00018 0.00409 -0.04370 0.96514

0.00158 0.00407 0.38872 0.69748

-0.00088 0.00355 -0.24701 0.80490

-0.00321 0.00391 -0.82042 0.41198

0.00304 0.00435 0.69768 0.48538

0.00015 0.00374 0.03927 0.96867

-0.00623 0.00405 -1.53711 0.12427

-0.00424 0.00407 -1.04123 0.29777

-0.00099 0.00330 -0.30078 0.76359

-0.00014 0.00366 -0.03804 0.96965

0.00706 0.00400 1.76576 0.07744

0.01004 0.01704 0.58909 0.55580

0.06973 0.01756 3.97046 0.00007

-0.00441 0.00399 -1.10645 0.26853

0.02118 0.01582 1.33857 0.18071

0.00152 0.00414 0.36841 0.71257

-0.00314 0.00385 -0.81512 0.41501

0.01445 0.01001 1.44279 0.14908

- 197 -

0.00359 0.00605 0.59435 0.55228

0.01462 0.00875 1.67096 0.09473

-0.00416 0.01301 -0.31950 0.74935

0.00517 0.00901 0.57367 0.56619

0.00037 0.00595 0.06289 0.94986

0.05658 0.01456 3.88550 0.00010

0.00480 0.00597 0.80409 0.42135

0.03384 0.01458 2.32182 0.02024

0.04036 0.00607 6.65156 0.00000

0.05114 0.01140 4.48490 0.00001

-0.00379 0.01210 -0.31313 0.75418

0.03026 0.01344 2.25090 0.02439

-0.00006 0.00418 -0.01515 0.98791

-0.00382 0.00439 -0.87011 0.38424

0.00286 0.00985 0.29038 0.77153

-0.00110 0.00522 -0.21036 0.83338

-0.02181 0.00730 -2.98630 0.00282

0.03522 0.00751 4.68935 0.00000

0.00281 0.01017 0.27573 0.78276

0.03632 0.00850 4.27273 0.00002

0.02468 0.01347 1.83281 0.06683

0.03538 0.00776 4.55707 0.00001

0.00580 0.00658 0.88212 0.37771

0.00918 0.01187 0.77317 0.43942

0.06653 0.01395 4.76904 0.00000

0.03420 0.01286 2.65927 0.00783

-0.00630 0.00399 -1.57921 0.11429

0.00849 0.01126 0.75382 0.45096

0.01599 0.00829 1.92941 0.05368

0.04745 0.01380 3.43813 0.00059

0.03908 0.01328 2.94271 0.00325

0.03650 0.00900 4.05635 0.00005

0.00142 0.01578 0.08967 0.92855

0.01240 0.00719 1.72524 0.08448

0.03132 0.01484 2.11093 0.03478

0.01418 0.00784 1.80815 0.07058

-0.00621 0.00448 -1.38602 0.16574

0.09487 0.01662 5.70870 0.00000

0.00065 0.00616 0.10531 0.91613

0.00383 0.00496 0.77200 0.44012

0.00176 0.00501 0.35055 0.72593

-0.00210 0.00383 -0.54885 0.58311

-0.01589 0.00571 -2.78197 0.00540

-0.00899 0.00387 -2.32564 0.02004

-0.00237 0.00444 -0.53249 0.59438

0.00202 0.00713 0.28350 0.77680

0.05518 0.01208 4.56807 0.00001

0.05745 0.01343 4.27757 0.00002

0.05394 0.01430 3.77210 0.00016

-0.00197 0.01438 -0.13673 0.89124

0.03578 0.00847 4.22261 0.00002

0.04267 0.01563 2.72974 0.00634

0.06939 0.00810 8.57062 0.00000

-0.04774 0.01172 -4.07482 0.00005

-0.01716 0.00465 -3.69456 0.00022

0.02257 0.00707 3.19419 0.00140

0.05405 0.01410 3.83435 0.00013

0.00766 0.01122 0.68256 0.49489

0.02155 0.01192 1.80837 0.07055

-0.00665 0.00416 -1.60069 0.10945

0.02882 0.01107 2.60388 0.00922

0.02442 0.00749 3.25979 0.00112

-0.01257 0.02326 -0.54011 0.58912

0.03452 0.00664 5.19789 0.00000

0.00486 0.00470 1.03509 0.30063

0.00665 0.00352 1.88759 0.05908

0.00011 0.00320 0.03288 0.97377

-0.00918 0.00418 -2.19416 0.02822

-0.00675 0.00378 -1.78509 0.07425

-0.00058 0.00364 -0.16013 0.87278

0.00310 0.00413 0.75008 0.45321

0.00056 0.00412 0.13681 0.89118

-0.00206 0.00359 -0.57546 0.56498

-0.00245 0.00410 -0.59701 0.55050

0.00009 0.00418 0.02059 0.98358

0.00381 0.00430 0.88580 0.37573

-0.00124 0.00356 -0.34733 0.72835

0.00037 0.00413 0.08925 0.92889

0.01305 0.01037 1.25834 0.20827

-0.00481 0.00348 -1.38009 0.16756

0.00241 0.00344 0.69972 0.48410

0.00249 0.00384 0.64712 0.51756

-0.00466 0.00401 -1.16149 0.24544

0.00073 0.00522 0.13992 0.88872

-0.00223 0.00397 -0.56046 0.57517

0.00192 0.01301 0.14743 0.88279

0.05541 0.01300 4.26215 0.00002

0.00126 0.01055 0.11909 0.90520

0.03529 0.01360 2.59426 0.00948

-0.00600 0.00563 -1.06607 0.28639

-0.00576 0.00603 -0.95509 0.33953

0.01387 0.01181 1.17388 0.24044

0.00213 0.01368 0.15604 0.87600

0.01728 0.00662 2.61028 0.00905

- 198 -

0.03583 0.00466 7.68777 0.00000

0.02086 0.00822 2.53799 0.01115

-0.01280 0.00943 -1.35675 0.17486

0.00914 0.00750 1.21966 0.22259

0.00286 0.00740 0.38732 0.69852

0.01069 0.00757 1.41153 0.15809

0.02435 0.00693 3.51303 0.00044

-0.00477 0.00711 -0.67045 0.50257

0.01783 0.00767 2.32591 0.02002

0.02301 0.00751 3.06550 0.00217

0.01718 0.00842 2.04022 0.04133

0.01456 0.00737 1.97625 0.04813

0.02582 0.00706 3.65567 0.00026

-0.00767 0.00345 -2.22436 0.02612

-0.00307 0.00348 -0.88027 0.37872

-0.00185 0.00385 -0.48145 0.63020

-0.01946 0.00368 -5.29341 0.00000

-0.00550 0.00409 -1.34624 0.17823

0.00794 0.00424 1.87107 0.06134

0.00192 0.00428 0.44878 0.65359

0.01713 0.00698 2.45292 0.01417

0.00579 0.00672 0.86139 0.38902

-0.00154 0.01242 -0.12401 0.90131

0.00108 0.00629 0.17146 0.86386

0.00508 0.00901 0.56333 0.57321

0.04959 0.01021 4.85646 0.00000

0.03833 0.00995 3.85353 0.00012

0.00101 0.01405 0.07174 0.94281

0.01073 0.01283 0.83674 0.40274

0.03119 0.01256 2.48325 0.01302

-0.00219 0.01177 -0.18623 0.85226

0.04876 0.01063 4.58872 0.00000

-0.00376 0.00678 -0.55411 0.57951

0.04776 0.01337 3.57265 0.00035

0.04367 0.01251 3.49220 0.00048

0.01755 0.00807 2.17493 0.02964

0.03230 0.01710 1.88944 0.05883

0.03876 0.01167 3.32193 0.00089

0.02214 0.00843 2.62555 0.00865

-0.00070 0.00369 -0.19053 0.84890

0.03663 0.00374 9.79817 0.00000

0.03302 0.01248 2.64688 0.00812

0.01580 0.00881 1.79243 0.07306

0.03440 0.01383 2.48789 0.01285

-0.00300 0.01461 -0.20502 0.83756

0.08259 0.00996 8.29074 0.00000

0.02556 0.01098 2.32844 0.01989

-0.00268 0.01583 -0.16948 0.86542

0.02657 0.01057 2.51413 0.01193

0.03828 0.01290 2.96683 0.00301

0.02705 0.01164 2.32434 0.02011

-0.01062 0.01672 -0.63523 0.52528

-0.00628 0.00476 -1.32027 0.18675

0.03189 0.01472 2.16594 0.03032

0.03051 0.01281 2.38282 0.01718

0.00813 0.00846 0.96041 0.33685

0.02148 0.01192 1.80183 0.07157

0.01443 0.01275 1.13136 0.25790

0.05462 0.01094 4.99362 0.00000

0.00996 0.01109 0.89740 0.36951

0.00708 0.01335 0.53069 0.59563

0.03718 0.01358 2.73723 0.00620

0.01510 0.01022 1.47739 0.13957

-0.01560 0.00902 -1.72912 0.08379

0.01809 0.00654 2.76586 0.00568

-0.00204 0.00461 -0.44158 0.65880

0.04437 0.00999 4.43993 0.00001

0.00571 0.01264 0.45168 0.65150

-0.00162 0.01480 -0.10923 0.91302

0.02513 0.00745 3.37271 0.00074

-0.00241 0.00503 -0.47816 0.63254

-0.01098 0.01329 -0.82630 0.40863

-0.00084 0.00696 -0.12026 0.90428

0.03554 0.00923 3.85274 0.00012

0.03129 0.01123 2.78597 0.00534

0.03629 0.01131 3.20887 0.00133

-0.00242 0.01558 -0.15516 0.87669

-0.01270 0.01259 -1.00833 0.31330

0.00982 0.01435 0.68430 0.49379

0.09387 0.01207 7.78048 0.00000

0.01747 0.00784 2.22934 0.02579

0.04743 0.00635 7.47121 0.00000

0.02320 0.00763 3.04048 0.00236

0.01035 0.00569 1.81921 0.06888

0.02980 0.00769 3.87641 0.00011

0.01288 0.01120 1.14912 0.25051

-0.01682 0.01299 -1.29440 0.19553

0.01694 0.01319 1.28494 0.19881

0.01394 0.01347 1.03477 0.30078

0.03874 0.01718 2.25517 0.02412

0.01304 0.01436 0.90789 0.36394

-0.00725 0.01324 -0.54768 0.58391

-0.00541 0.01295 -0.41748 0.67633

0.02567 0.01074 2.39125 0.01679

- 199 -

0.04271 0.01438 2.97057 0.00297

0.00493 0.01128 0.43660 0.66240

-0.02749 0.01184 -2.32149 0.02026

0.01124 0.01133 0.99223 0.32109

0.04055 0.00890 4.55749 0.00001

0.01218 0.01449 0.84025 0.40077

0.04817 0.01032 4.66637 0.00000

0.00598 0.01427 0.41927 0.67502

0.01258 0.01277 0.98476 0.32474

-0.00428 0.00428 -0.99933 0.31763

0.00522 0.00358 1.45798 0.14485

-0.01275 0.01256 -1.01515 0.31004

-0.00789 0.00324 -2.43447 0.01491

-0.00555 0.00380 -1.46180 0.14380

-0.00566 0.00531 -1.06612 0.28637

-0.00248 0.00514 -0.48292 0.62915

0.00255 0.00453 0.56213 0.57403

0.01502 0.01202 1.24952 0.21148

-0.00071 0.01155 -0.06165 0.95084

-0.00052 0.00449 -0.11468 0.90870

-0.00088 0.00389 -0.22561 0.82150

0.00275 0.00404 0.68210 0.49518

-0.00224 0.00432 -0.51785 0.60456

0.00023 0.00352 0.06598 0.94740

-0.00404 0.00317 -1.27385 0.20272

-0.00101 0.00441 -0.22974 0.81829

-0.00130 0.00386 -0.33784 0.73548

0.01241 0.00815 1.52327 0.12769

0.00171 0.00502 0.33943 0.73429

-0.00121 0.00340 -0.35485 0.72270

-0.00156 0.00421 -0.37146 0.71029

-0.00401 0.00419 -0.95756 0.33829

0.03043 0.00961 3.16636 0.00154

-0.00702 0.00443 -1.58492 0.11299

-0.00752 0.00451 -1.66540 0.09583

0.00095 0.00432 0.21972 0.82609

-0.00235 0.00375 -0.62636 0.53108

-0.00689 0.00419 -1.64279 0.10043

0.00203 0.00396 0.51232 0.60843

-0.00621 0.00338 -1.83657 0.06627

-0.00775 0.00446 -1.73673 0.08244

-0.00092 0.00359 -0.25514 0.79861

0.00063 0.00369 0.16959 0.86534

-0.00691 0.00440 -1.57012 0.11639

-0.03126 0.00561 -5.56979 0.00000

0.01092 0.00649 1.68194 0.09258

0.00807 0.00753 1.07138 0.28400

0.01223 0.00760 1.60964 0.10748

-0.03191 0.00728 -4.38269 0.00001

-0.00654 0.00689 -0.94915 0.34254

0.01030 0.00644 1.59923 0.10977

0.01350 0.00611 2.20892 0.02718

0.02769 0.00650 4.25911 0.00002

-0.00975 0.00695 -1.40235 0.16081

0.00084 0.00758 0.11025 0.91221

0.06585 0.02306 2.85607 0.00429

0.00018 0.00691 0.02562 0.97956

-0.00403 0.00660 -0.60987 0.54195

0.07140 0.00389 18.35754 0.00000

0.00969 0.00495 1.96000 0.05000

-0.00404 0.00650 -0.62074 0.53477

0.00217 0.00634 0.34154 0.73270

-0.00023 0.00586 -0.03989 0.96818

0.01287 0.00767 1.67851 0.09325

0.00711 0.00717 0.99183 0.32128

0.01943 0.00761 2.55212 0.01071

0.00934 0.00577 1.61769 0.10573

0.01266 0.00694 1.82395 0.06816

0.00959 0.00773 1.23992 0.21500

0.01202 0.00676 1.77819 0.07537

-0.00504 0.00704 -0.71646 0.47371

0.00721 0.00688 1.04744 0.29490

0.00728 0.00721 1.01026 0.31237

0.00159 0.00696 0.22902 0.81885

-0.00224 0.00418 -0.53637 0.59170

0.03764 0.00887 4.24194 0.00002

0.02512 0.00674 3.72541 0.00020

0.02947 0.01059 2.78326 0.00538

0.00580 0.00730 0.79393 0.42724

-0.00202 0.00594 -0.34034 0.73360

-0.00380 0.00767 -0.49473 0.62079

0.02626 0.00672 3.90631 0.00009

-0.00091 0.00652 -0.14009 0.88859

0.00635 0.00331 1.92151 0.05467

-0.00174 0.00374 -0.46523 0.64176

-0.00948 0.00423 -2.24090 0.02503

0.00394 0.00428 0.92086 0.35712

-0.00691 0.00385 -1.79499 0.07266

0.00029 0.00350 0.08392 0.93312

0.00399 0.00367 1.08801 0.27659

-0.00294 0.00335 -0.87887 0.37947

-0.00214 0.00382 -0.55878 0.57631

-0.00245 0.00364 -0.67288 0.50103

0.00122 0.00409 0.29869 0.76518

- 200 -

-0.00421 0.00377 -1.11445 0.26509

-0.00604 0.00411 -1.46951 0.14169

0.00201 0.00348 0.57806 0.56322

0.02255 0.01113 2.02606 0.04276

0.00284 0.00896 0.31706 0.75120

0.00041 0.00349 0.11630 0.90741

-0.00081 0.00353 -0.23083 0.81745

-0.00171 0.00349 -0.49081 0.62356

-0.00291 0.00343 -0.84758 0.39667

-0.00134 0.00394 -0.33935 0.73435

0.00444 0.00410 1.08323 0.27871

0.00087 0.00457 0.18961 0.84962

0.00177 0.00382 0.46382 0.64278

0.00021 0.00346 0.06090 0.95144

-0.00220 0.00415 -0.52915 0.59670

0.00151 0.00439 0.34388 0.73094

-0.00094 0.00394 -0.23923 0.81093

0.00349 0.00448 0.77922 0.43585

0.00114 0.00449 0.25295 0.80031

0.02742 0.00823 3.33114 0.00087

-0.00313 0.00409 -0.76619 0.44357

-0.00431 0.00363 -1.18499 0.23602

0.02922 0.00905 3.22987 0.00124

0.00062 0.00400 0.15527 0.87661

0.02382 0.00851 2.80008 0.00511

-0.00370 0.00388 -0.95405 0.34006

-0.00506 0.00418 -1.21032 0.22616

-0.01250 0.00518 -2.41137 0.01589

0.00846 0.01141 0.74129 0.45852

-0.00408 0.00471 -0.86582 0.38659

0.00177 0.00422 0.41893 0.67527

-0.00019 0.00409 -0.04628 0.96309

0.00173 0.00348 0.49795 0.61852

0.00761 0.00490 1.55270 0.12050

-0.00210 0.00490 -0.42807 0.66860

0.00406 0.00495 0.82014 0.41214

-0.00610 0.00411 -1.48347 0.13795

0.00692 0.00415 1.66581 0.09575

0.05086 0.00329 15.46383 0.00000

0.03300 0.00519 6.36442 0.00000

0.02065 0.00966 2.13877 0.03245

-0.00368 0.01411 -0.26071 0.79431

-0.01571 0.00966 -1.62696 0.10375

0.02541 0.00692 3.67096 0.00024

0.01536 0.01200 1.27978 0.20062

0.02888 0.01015 2.84625 0.00442

-0.01197 0.00551 -2.17262 0.02981

0.01850 0.00919 2.01305 0.04411

0.01733 0.00762 2.27555 0.02287

-0.00214 0.00457 -0.46801 0.63978

0.05973 0.00929 6.43284 0.00000

0.02226 0.01117 1.99252 0.04631

-0.02352 0.01167 -2.01504 0.04390

0.02838 0.00937 3.02931 0.00245

-0.00892 0.00621 -1.43556 0.15113

-0.00339 0.00449 -0.75622 0.44952

-0.00700 0.00401 -1.74699 0.08064

-0.00016 0.00418 -0.03862 0.96920

0.00003 0.00465 0.00704 0.99439

-0.00776 0.00427 -1.81926 0.06887

0.00301 0.00517 0.58152 0.56089

0.00093 0.00382 0.24248 0.80841

0.01674 0.01070 1.56395 0.11783

0.01389 0.00940 1.47827 0.13934

0.00961 0.00661 1.45300 0.14623

-0.00428 0.00340 -1.26025 0.20758

-0.00441 0.00379 -1.16473 0.24413

0.03743 0.00934 4.00769 0.00006

0.00250 0.00677 0.36826 0.71268

-0.00218 0.00417 -0.52220 0.60153

0.00570 0.00432 1.31867 0.18728

0.01744 0.01160 1.50294 0.13286

-0.00601 0.00379 -1.58670 0.11258

-0.00577 0.00408 -1.41209 0.15792

-0.00134 0.00395 -0.33974 0.73406

0.00519 0.00392 1.32333 0.18573

0.00952 0.00956 0.99671 0.31891

-0.00317 0.00377 -0.84144 0.40010

-0.00234 0.00424 -0.55120 0.58150

-0.00299 0.00414 -0.72334 0.46947

0.00020 0.00465 0.04245 0.96614

-0.00095 0.00373 -0.25488 0.79882

0.00204 0.00421 0.48566 0.62721

-0.00780 0.00488 -1.59889 0.10984

-0.00083 0.00364 -0.22712 0.82033

-0.00138 0.00420 -0.32714 0.74357

-0.00602 0.00404 -1.49122 0.13591

0.00358 0.00410 0.87276 0.38279

-0.00174 0.00512 -0.33918 0.73448

0.02917 0.00748 3.89690 0.00010

-0.00039 0.00399 -0.09884 0.92127

-0.00870 0.00615 -1.41591 0.15680

0.00411 0.00387 1.06421 0.28724

0.00793 0.00432 1.83489 0.06652

- 201 -

0.00086 0.00513 0.16850 0.86619

-0.01830 0.00887 -2.06303 0.03911

0.00512 0.01046 0.48911 0.62476

0.00588 0.01204 0.48831 0.62533

0.00692 0.00768 0.90198 0.36707

0.00305 0.00617 0.49450 0.62096

0.00033 0.00388 0.08445 0.93270

-0.00634 0.00480 -1.32148 0.18634

-0.00285 0.00565 -0.50507 0.61351

0.00508 0.00615 0.82523 0.40924

0.01568 0.01145 1.37048 0.17054

0.04309 0.00819 5.26163 0.00000

0.01734 0.00920 1.88477 0.05946

0.02371 0.00836 2.83575 0.00457

0.01534 0.00877 1.74941 0.08022

-0.00653 0.00814 -0.80190 0.42261

0.02752 0.00819 3.36270 0.00077

0.02920 0.00872 3.34987 0.00081

-0.00255 0.00647 -0.39428 0.69338

0.07541 0.00956 7.89117 0.00000

-0.01012 0.00458 -2.21030 0.02709

0.00606 0.00830 0.73037 0.46516

0.00028 0.00375 0.07393 0.94107

-0.00022 0.00851 -0.02567 0.97952

-0.00371 0.00460 -0.80602 0.42023

-0.00032 0.00878 -0.03655 0.97085

-0.00235 0.00422 -0.55697 0.57755

0.02803 0.00935 2.99677 0.00273

0.00329 0.00426 0.77086 0.44079

0.00799 0.00905 0.88288 0.37730

-0.00283 0.00436 -0.64837 0.51675

0.00714 0.00403 1.77173 0.07644

-0.00522 0.00360 -1.44888 0.14737

0.00234 0.01170 0.20042 0.84115

-0.01225 0.12835 -0.09544 0.92396

-0.02177 0.11055 -0.19693 0.84388

-0.04004 0.11173 -0.35834 0.72009

0.04370 0.20246 0.21585 0.82910

0.12623 0.17267 0.73107 0.46474

-1.74143 1.17177 -1.48615 0.13724

-0.02305 0.12863 -0.17922 0.85776

-0.00448 0.20157 -0.02221 0.98228

-0.00973 0.11866 -0.08196 0.93468

-0.00620 0.21344 -0.02904 0.97683

-0.03327 0.19049 -0.17466 0.86135

0.02041 0.21975 0.09287 0.92601

0.02467 0.20594 0.11979 0.90465

0.04022 0.12423 0.32374 0.74614

0.03527 0.22115 0.15950 0.87327

0.21513 0.18899 1.13827 0.25501

-0.00826 0.12050 -0.06851 0.94538

-0.00801 0.12414 -0.06455 0.94854

0.22603 0.20020 1.12904 0.25888

-0.03304 0.12256 -0.26961 0.78746

0.02804 0.20433 0.13725 0.89084

-0.05331 0.11107 -0.47993 0.63127

0.15874 0.17702 0.89672 0.36987

0.00014 0.20039 0.00067 0.99946

0.19439 0.18764 1.03596 0.30022

0.04396 0.18351 0.23953 0.81070

0.18493 0.17674 1.04637 0.29539

-0.03229 0.18318 -0.17625 0.86010

-0.02352 0.11711 -0.20081 0.84085

0.11023 0.60853 0.18114 0.85626

-0.05034 0.11173 -0.45057 0.65230

-0.43883 0.52257 -0.83976 0.40104

-0.05986 0.10909 -0.54870 0.58321

0.16771 0.18531 0.90500 0.36547

0.15390 0.20334 0.75686 0.44914

0.20750 0.18824 1.10231 0.27033

-0.03712 0.11189 -0.33175 0.74008

0.14694 0.17295 0.84961 0.39554

-0.00317 0.18122 -0.01747 0.98606

-0.00072 0.19542 -0.00369 0.99706

0.00529 0.21138 0.02503 0.98003

-0.10797 0.12402 -0.87059 0.38398

-0.03953 0.20187 -0.19582 0.84476

-0.05861 0.18067 -0.32439 0.74564

0.17595 0.17934 0.98112 0.32653

-0.12165 0.10774 -1.12910 0.25886

-0.01516 0.11766 -0.12882 0.89750

0.18888 0.18274 1.03359 0.30133

-0.00193 0.12681 -0.01525 0.98784

0.17957 0.17694 1.01486 0.31017

0.02392 0.20041 0.11933 0.90501

-0.00741 0.11880 -0.06234 0.95029

0.10535 0.17516 0.60147 0.54753

-0.02323 0.11720 -0.19820 0.84289

-0.00864 0.18258 -0.04734 0.96225

-0.03913 0.18564 -0.21078 0.83306

-0.45538 0.54487 -0.83576 0.40329

-0.00425 0.18452 -0.02305 0.98161

0.16020 0.71034 0.22553 0.82157

-0.05224 0.10793 -0.48400 0.62839

- 202 -

0.17985 0.17716 1.01519 0.31002

-0.42403 0.55554 -0.76329 0.44529

-0.02809 0.11020 -0.25493 0.79878

0.00055 0.19374 0.00283 0.99774

0.03203 0.12381 0.25873 0.79584

0.00960 0.14007 0.06855 0.94535

-0.03126 0.17822 -0.17542 0.86075

-0.02264 0.18153 -0.12471 0.90075

0.13897 0.17640 0.78777 0.43083

0.20888 0.20162 1.03604 0.30018

-0.00583 0.18104 -0.03223 0.97429

0.25946 0.21429 1.21079 0.22598

0.24060 0.21644 1.11163 0.26630

0.00282 0.20646 0.01364 0.98912

-0.06581 0.21747 -0.30260 0.76220

0.14045 0.60126 0.23360 0.81530

-0.11528 0.18540 -0.62178 0.53409

-0.01833 0.13555 -0.13518 0.89247

0.16772 0.17984 0.93263 0.35101

0.14907 0.21970 0.67851 0.49745

0.19990 0.67856 0.29459 0.76831

-0.43748 0.54188 -0.80735 0.41947

0.13152 0.69191 0.19008 0.84925

0.04688 0.19406 0.24155 0.80913

-0.02015 0.18110 -0.11128 0.91139

-0.02108 0.19778 -0.10659 0.91511

-0.04009 0.13469 -0.29767 0.76595

-0.09662 0.10894 -0.88694 0.37511

0.19282 0.19623 0.98261 0.32580

0.04071 0.18539 0.21960 0.82619

0.17791 0.17794 0.99984 0.31739

0.23318 0.20300 1.14865 0.25070

0.14938 0.17313 0.86285 0.38822

-0.03180 0.11082 -0.28695 0.77415

0.18761 0.17768 1.05589 0.29102

-0.03114 0.11176 -0.27866 0.78050

0.20999 0.20258 1.03662 0.29992

-0.01249 0.18177 -0.06871 0.94522

-0.04483 0.12172 -0.36827 0.71267

-0.04376 0.11203 -0.39060 0.69609

-0.03391 0.11177 -0.30340 0.76159

-0.01231 0.18306 -0.06722 0.94641

0.17207 0.18400 0.93516 0.34971

-0.06123 0.11670 -0.52466 0.59982

-0.03162 0.18308 -0.17271 0.86288

0.01328 0.20770 0.06393 0.94903

-0.02454 0.12353 -0.19865 0.84254

-0.02162 0.12363 -0.17485 0.86120

0.20970 0.19767 1.06085 0.28876

-0.02091 0.18464 -0.11327 0.90982

-0.01172 0.11570 -0.10131 0.91930

-0.05758 0.11021 -0.52242 0.60138

-0.01076 0.12245 -0.08783 0.93001

-0.01941 0.12236 -0.15860 0.87399

-0.00007 0.18087 -0.00040 0.99968

0.16732 0.18243 0.91713 0.35908

-0.02805 0.10913 -0.25704 0.79715

0.14242 0.17517 0.81303 0.41620

-0.00858 0.11670 -0.07350 0.94141

0.18377 0.19543 0.94036 0.34703

0.00009 0.20895 0.00044 0.99965

0.21450 0.19204 1.11696 0.26401

-0.04703 0.18084 -0.26007 0.79481

0.01544 0.12492 0.12363 0.90161

-0.03742 0.11028 -0.33927 0.73441

-0.01473 0.20540 -0.07169 0.94285

0.17930 0.20846 0.86015 0.38971

0.17720 0.17389 1.01907 0.30817

-0.03050 0.12808 -0.23812 0.81179

0.00478 0.13423 0.03560 0.97161

0.12348 0.19046 0.64832 0.51678

0.00838 0.19657 0.04265 0.96598

0.00297 0.13399 0.02216 0.98232

-0.02849 0.18389 -0.15490 0.87690

-0.05408 0.12550 -0.43087 0.66657

0.16161 0.19306 0.83708 0.40255

0.12254 0.18739 0.65390 0.51317

0.01051 0.12953 0.08111 0.93535

-0.01410 0.12572 -0.11216 0.91069

0.15966 0.17371 0.91911 0.35804

-0.02074 0.11874 -0.17470 0.86132

-0.02068 0.11191 -0.18481 0.85338

-0.04633 0.11011 -0.42074 0.67395

-0.05309 0.10920 -0.48615 0.62686

-0.03840 0.18553 -0.20700 0.83601

0.20847 0.19142 1.08911 0.27611

-0.02131 0.11162 -0.19088 0.84862

-0.00821 0.18508 -0.04434 0.96463

-0.03061 0.18496 -0.16547 0.86858

-0.04501 0.11078 -0.40629 0.68453

-0.03126 0.12032 -0.25984 0.79499

0.22723 0.20268 1.12116 0.26222

0.00467 0.20033 0.02329 0.98142

-0.05308 0.11798 -0.44987 0.65281

- 203 -

-1.82957 1.22906 -1.48860 0.13659

0.16684 0.75185 0.22191 0.82438

-0.02860 0.11597 -0.24657 0.80524

0.04705 0.13394 0.35125 0.72540

-0.03559 0.18008 -0.19760 0.84336

-1.48602 0.99289 -1.49666 0.13448

-0.05457 0.11002 -0.49604 0.61987

-0.43122 0.52013 -0.82907 0.40707

-0.44620 0.49688 -0.89800 0.36919

-0.02954 0.12830 -0.23025 0.81790

-0.46410 0.47994 -0.96699 0.33355

-0.42577 0.47480 -0.89673 0.36986

0.23928 0.21057 1.13633 0.25582

0.24958 0.20164 1.23776 0.21581

0.24098 0.20711 1.16354 0.24461

0.17389 0.70314 0.24730 0.80468

0.15910 0.17315 0.91889 0.35815

0.18359 0.17958 1.02234 0.30662

-0.02810 0.18133 -0.15496 0.87686

-0.50914 0.49370 -1.03127 0.30242

0.17323 0.17700 0.97872 0.32772

-0.01797 0.11815 -0.15207 0.87913

-0.03909 0.10877 -0.35939 0.71930

-0.03047 0.18178 -0.16761 0.86689

0.17248 0.17942 0.96132 0.33639

-0.03497 0.11034 -0.31696 0.75127

-0.03186 0.10988 -0.28995 0.77186

0.13212 0.17232 0.76671 0.44326

0.19072 0.17360 1.09861 0.27194

0.23401 0.21990 1.06420 0.28724

-0.05375 0.17955 -0.29935 0.76467

-0.03111 0.12200 -0.25498 0.79874

-0.40399 0.48883 -0.82645 0.40855

0.10332 0.22345 0.46236 0.64382

0.14594 0.17697 0.82467 0.40956

0.16828 0.17700 0.95071 0.34175

0.16254 0.17478 0.92995 0.35240

0.01143 0.59528 0.01921 0.98468

0.06245 0.62124 0.10053 0.91993

-0.02962 0.18552 -0.15967 0.87314

-0.01104 0.11883 -0.09292 0.92597

-0.01839 0.18083 -0.10172 0.91898

-0.02336 0.11174 -0.20902 0.83443

-0.46405 0.55701 -0.83311 0.40479

0.14316 0.18459 0.77553 0.43803

-0.46402 0.48364 -0.95943 0.33734

-0.09424 0.10872 -0.86686 0.38602

-0.07142 0.11592 -0.61608 0.53784

-0.07106 0.18452 -0.38513 0.70014

0.22563 0.21175 1.06555 0.28663

-0.02898 0.12531 -0.23128 0.81710

-0.39416 0.54271 -0.72629 0.46766

0.17018 0.17615 0.96609 0.33400

-0.00767 0.18475 -0.04150 0.96690

0.08404 0.60548 0.13880 0.88961

-0.04307 0.11062 -0.38937 0.69700

0.01726 0.19820 0.08706 0.93063

-0.02328 0.18057 -0.12892 0.89742

0.00723 0.12913 0.05597 0.95536

0.12087 0.18286 0.66101 0.50861

-1.52639 1.00327 -1.52141 0.12816

-0.04344 0.10913 -0.39809 0.69056

-0.05134 0.12698 -0.40430 0.68599

0.03861 0.21628 0.17851 0.85832

-0.47925 0.47967 -0.99912 0.31774

-0.02087 0.11034 -0.18916 0.84997

-0.03035 0.10972 -0.27661 0.78208

-0.01970 0.12817 -0.15374 0.87782

-0.01142 0.12032 -0.09492 0.92438

-0.04207 0.12098 -0.34773 0.72804

-0.01856 0.11615 -0.15978 0.87305

-0.02520 0.18174 -0.13866 0.88972

-0.00373 0.12571 -0.02966 0.97634

-0.01858 0.12499 -0.14865 0.88183

-0.05823 0.12736 -0.45716 0.64756

-0.51554 0.20264 -2.54417 0.01095

0.00571 0.20689 0.02761 0.97797

-0.02823 0.12260 -0.23027 0.81788

-0.00597 0.12255 -0.04875 0.96112

-0.02803 0.11922 -0.23507 0.81416

-0.01878 0.11174 -0.16807 0.86653

-0.03707 0.11049 -0.33546 0.73728

0.28326 0.22061 1.28399 0.19914

-0.01567 0.12275 -0.12765 0.89843

0.00992 0.13713 0.07230 0.94236

-0.00767 0.12643 -0.06070 0.95160

-0.01521 0.11183 -0.13600 0.89182

-0.00340 0.11723 -0.02900 0.97686

-0.03526 0.11182 -0.31534 0.75250

-0.02994 0.11919 -0.25121 0.80165

0.24381 0.21764 1.12021 0.26262

-0.02805 0.20648 -0.13584 0.89195

-0.00985 0.13030 -0.07558 0.93975

-0.04766 0.10928 -0.43613 0.66274

- 204 -

0.16475 0.17716 0.92998 0.35238

-0.00554 0.21385 -0.02592 0.97932

0.21355 0.19567 1.09135 0.27512

-0.01598 0.18455 -0.08659 0.93100

0.01611 0.20538 0.07846 0.93746

0.16715 0.17672 0.94583 0.34423

0.22587 0.20263 1.11471 0.26498

0.21380 0.20988 1.01864 0.30837

0.05714 0.17165 0.33286 0.73924

-0.01481 0.11960 -0.12383 0.90145

0.16667 0.17351 0.96058 0.33676

-0.00998 0.19273 -0.05180 0.95869

-0.06440 0.10841 -0.59400 0.55251

-0.00919 0.20138 -0.04561 0.96362

-0.05524 0.11176 -0.49423 0.62114

0.01648 0.12047 0.13679 0.89120

0.03604 0.22022 0.16364 0.87001

-0.05294 0.11015 -0.48058 0.63082

-0.04397 0.17802 -0.24697 0.80493

-0.12260 0.12670 -0.96767 0.33321

-0.05862 0.18079 -0.32424 0.74576

-0.00417 0.20055 -0.02078 0.98342

-0.06787 0.18476 -0.36735 0.71336

0.00976 0.12534 0.07785 0.93795

0.20940 0.19605 1.06808 0.28548

0.19036 0.19019 1.00089 0.31688

-0.00016 0.19362 -0.00081 0.99935

0.19312 0.19842 0.97331 0.33040

0.01334 0.12039 0.11083 0.91175

0.16469 0.17362 0.94855 0.34285

-0.01112 0.12821 -0.08671 0.93090

-0.00297 0.19837 -0.01497 0.98806

-0.02231 0.11006 -0.20269 0.83938

0.19900 0.18348 1.08457 0.27811

-0.00388 0.18330 -0.02115 0.98313

0.00452 0.19430 0.02324 0.98146

0.17348 0.17561 0.98792 0.32319

-0.05786 0.11794 -0.49059 0.62372

-0.04780 0.11109 -0.43027 0.66700

0.03721 0.19443 0.19139 0.84822

-0.03504 0.13101 -0.26748 0.78910

-0.00908 0.20275 -0.04480 0.96427

-0.06537 0.10832 -0.60347 0.54620

-0.03932 0.11795 -0.33337 0.73886

-0.00853 0.12516 -0.06818 0.94564

-0.00537 0.20561 -0.02611 0.97917

-0.03048 0.13097 -0.23271 0.81599

0.03575 0.22058 0.16206 0.87126

0.00087 0.20406 0.00424 0.99662

-0.06164 0.18040 -0.34170 0.73258

0.00151 0.18058 0.00838 0.99331

-0.01164 0.19402 -0.05998 0.95217

-0.01061 0.11571 -0.09168 0.92696

-0.02780 0.18511 -0.15020 0.88061

0.24379 0.19900 1.22512 0.22053

-0.02890 0.11033 -0.26197 0.79335

-0.01188 0.11791 -0.10071 0.91978

-0.05491 0.10836 -0.50676 0.61233

-0.00240 0.12568 -0.01909 0.98477

-0.04836 0.11960 -0.40436 0.68595

-0.01521 0.11592 -0.13118 0.89564

-0.01672 0.11176 -0.14959 0.88109

0.00476 0.12658 0.03760 0.97001

0.03846 0.21653 0.17763 0.85901

-0.00229 0.12790 -0.01790 0.98572

-0.01689 0.12032 -0.14037 0.88837

0.00739 0.18447 0.04008 0.96803

-0.05732 0.11584 -0.49481 0.62074

0.16087 0.17305 0.92964 0.35256

-0.02248 0.11169 -0.20124 0.84051

-0.01290 0.18260 -0.07064 0.94369

-0.01956 0.11693 -0.16731 0.86713

0.17818 0.17912 0.99472 0.31987

-0.03528 0.11196 -0.31511 0.75268

0.00329 0.12902 0.02550 0.97966

-0.03630 0.11751 -0.30890 0.75740

0.19088 0.19532 0.97724 0.32845

0.23416 0.20108 1.16454 0.24421

-0.03196 0.11252 -0.28403 0.77639

0.21796 0.19059 1.14358 0.25280

-0.05133 0.10760 -0.47703 0.63334

0.18450 0.17878 1.03203 0.30206

0.21499 0.19905 1.08010 0.28010

0.23352 0.21026 1.11067 0.26671

-0.04343 0.11196 -0.38789 0.69810

0.00072 0.20362 0.00353 0.99719

0.04804 0.21515 0.22331 0.82329

0.15822 0.17941 0.88186 0.37786

-0.02594 0.11057 -0.23465 0.81448

-0.07850 0.12937 -0.60675 0.54402

-0.02968 0.18098 -0.16401 0.86972

-0.02510 0.18968 -0.13232 0.89474

-0.10730 0.11029 -0.97288 0.33061

-0.06497 0.10941 -0.59380 0.55265

- 205 -

-0.00616 0.12341 -0.04990 0.96021

-0.02912 0.13063 -0.22295 0.82357

0.16149 0.17780 0.90824 0.36375

0.04690 0.20122 0.23308 0.81570

-0.04551 0.10784 -0.42201 0.67302

-0.00742 0.13080 -0.05675 0.95474

-0.01010 0.12724 -0.07941 0.93671

0.12197 0.19038 0.64063 0.52176

-0.00480 0.20185 -0.02377 0.98104

0.15478 0.17370 0.89107 0.37289

-0.06170 0.11185 -0.55161 0.58122

0.03841 0.12351 0.31096 0.75583

-0.04053 0.11576 -0.35014 0.72624

0.21058 0.20179 1.04355 0.29670

-0.06547 0.11039 -0.59308 0.55313

-0.02131 0.17749 -0.12007 0.90443

0.02886 0.21887 0.13186 0.89509

-0.00356 0.19898 -0.01787 0.98574

-0.02301 0.17906 -0.12849 0.89776

-0.05017 0.11036 -0.45458 0.64941

0.21056 0.19902 1.05801 0.29005

-0.04750 0.10892 -0.43610 0.66277

0.01046 0.12330 0.08484 0.93239

-0.05495 0.11673 -0.47073 0.63784

-0.06281 0.10794 -0.58188 0.56065

-0.01752 0.10856 -0.16139 0.87179

-0.05761 0.11021 -0.52278 0.60113

-0.04230 0.11729 -0.36067 0.71834

0.20838 0.19373 1.07562 0.28210

-0.02559 0.11531 -0.22193 0.82437

0.02377 0.20619 0.11527 0.90823

0.05194 0.13554 0.38325 0.70154

0.26134 0.21376 1.22257 0.22149

-0.04387 0.12167 -0.36055 0.71843

-0.09797 0.10916 -0.89749 0.36946

-0.04593 0.11044 -0.41591 0.67748

0.21027 0.20052 1.04862 0.29435

-0.01018 0.13463 -0.07557 0.93976

0.21618 0.20099 1.07562 0.28210

0.24553 0.21133 1.16185 0.24530

0.01954 0.21712 0.08999 0.92830

-0.01366 0.12457 -0.10962 0.91271

-0.05558 0.11014 -0.50464 0.61382

0.17655 0.17746 0.99488 0.31980

0.01730 0.13053 0.13253 0.89457

0.19789 0.18654 1.06086 0.28875

-0.04418 0.20803 -0.21239 0.83180

0.19506 0.17966 1.08571 0.27761

0.22892 0.20738 1.10389 0.26964

-0.01073 0.19466 -0.05510 0.95606

-0.02267 0.11985 -0.18915 0.84998

0.18929 0.19355 0.97803 0.32806

0.21329 0.20205 1.05565 0.29113

-0.04647 0.18438 -0.25200 0.80104

-0.03201 0.10960 -0.29209 0.77022

-0.02037 0.12446 -0.16366 0.87000

0.23754 0.19825 1.19820 0.23084

0.14849 0.17659 0.84086 0.40043

-0.01731 0.13306 -0.13011 0.89648

-0.03271 0.11741 -0.27856 0.78058

-0.00204 0.12166 -0.01680 0.98659

-0.03226 0.11021 -0.29267 0.76978

0.15385 0.19060 0.80721 0.41955

-0.03360 0.10889 -0.30858 0.75764

-0.01213 0.10968 -0.11056 0.91197

-0.06800 0.12686 -0.53598 0.59197

0.15339 0.17768 0.86327 0.38799

-0.03953 0.10868 -0.36370 0.71609

-0.01124 0.11866 -0.09468 0.92457

0.04292 0.21504 0.19960 0.84180

-0.03137 0.12500 -0.25093 0.80187

-0.04179 0.12622 -0.33109 0.74058

-0.04258 0.11847 -0.35938 0.71931

-0.03413 0.12249 -0.27861 0.78055

-0.01787 0.12563 -0.14227 0.88687

0.16806 0.17754 0.94658 0.34385

-0.03661 0.11178 -0.32755 0.74325

-0.15388 0.11016 -1.39682 0.16247

-0.02467 0.11010 -0.22404 0.82273

-0.03578 0.11031 -0.32439 0.74565

-0.01541 0.10965 -0.14052 0.88825

-0.04327 0.12799 -0.33811 0.73528

-0.04035 0.11159 -0.36157 0.71767

-0.00734 0.12666 -0.05795 0.95379

-0.01475 0.11811 -0.12490 0.90060

-0.01786 0.12057 -0.14810 0.88226

-0.02686 0.11222 -0.23936 0.81082

-0.46672 0.49186 -0.94889 0.34268

-0.02046 0.11625 -0.17601 0.86029

-0.11171 0.11605 -0.96261 0.33575

-0.19556 0.11669 -1.67597 0.09375

-0.01726 0.12301 -0.14030 0.88843

---------------------------------------------------------

- 206 -

자. 사례 5: 본 KPX 연구시도사례

1) 원본 데이터 현황

본 연구를 위해 KT로부터 협조받은 데이터는 아래와 같은 형태이다.

∘ 스마트그리드_제주실증단지_KT.xls (고객 정보)

∘ KT 실시간 요금제(TOU) 단가.xls (실시간요금 정보)

∘ 해외형 고객 호별 전력사용량(시간별).xls (전력사용량 정보)

∘ 스마트그리드 제주실증단지_0229.xlsx (고객 정보 - 추가)

∘ 스마트그리드 제주실증단지_0404.xlsx (고객 정보 - 추가)

∘ 실증고객별_가구원수_제공.xlsx (고객 정보 - 고객별 가구원수)

∘ TOU_2012.02-03.xlsx (실시간요금 정보 - 2,3월 추가)

∘ KT 2012.2-3 시간별 전력사용량.xls (전력사용량 정보 - 2,3월 추가)

데이터 파일을 분류하여 확인된 데이터 현황은 다음과 같다.

가) 데이터 전체 기간 :

∘ 2011년 6월 1일 ~ 2012년 3월 31일 (305일, 7320시간)

나) 고객 정보 (계약종에 따른 분류, 전체 570 고객)

∘ 가정용 503 고객

∘ 일반용 1 고객

∘ 일반용저압 57 고객

∘ 교육용저압 1 고객

∘ 농사용병 1 고객

∘ 산업용저압 1 고객

∘ 심야갑 1 고객

∘ 정보없음 5 고객

다) 사용량 정보 (월별 분류)

- 207 -

∘ 06월 243호

∘ 07월 204호

∘ 08월 282호

∘ 09월 289호

∘ 10월 287호

∘ 11월 287호

∘ 12월 309호

∘ 01월 308호

∘ 02월 595호

∘ 03월 595호

라) 실시간요금 정보 (2011년 6월 ~ 2012년 3월)

∘ 가정용 저압/고압A/고압B/고압C

∘ 교육용 저압/고압A/고압B/고압C

∘ 일반용 저압/고압A/고압B/고압C

2) 가공 데이터 현황

KT로부터 협조받은 원본 데이터를 바탕으로 고객정보와 사용량정보를 matching 하여 분석

가능한 데이터를 추출한 결과, 관련 데이터현황은 아래와 같다.

∘ 데이터분석 가능 기간 : 2011년 6월 1일 ~ 2012년 3월 31일 (305일, 7320시간)

∘ 분석 대상 :

- 가정용 443 고객

- 일반용 36 고객

3) 분석 데이터 현황

데이터 가공을 통해 분석 가능 고객으로 분류하더라도 분석모형에서 제외되는 고객들이 존

재함.

이는 모형에서 전력사용량 “0”의 존재, LAG 에 따라 분석 가능 여부가 결정됨.

- 208 -

9110000017 9110000892 9110001686 9150000460 9150001156 9150001726 9150002244 9150003074 9150004108

9110000026 9110000918 9110002417 9150000479 9150001165 9150001735 9150002253 9150003092 9150004126

9110000035 9110000936 9110002729 9150000488 9150001183 9150001744 9150002262 9150003109 9150004135

9110000044 9110000945 9110002756 9150000497 9150001209 9150001753 9150002271 9150003118 9150004153

9110000053 9110000954 9110002774 9150000521 9150001227 9150001762 9150002280 9150003136 9150004162

9110000062 9110000963 9110002792 9150000549 9150001236 9150001771 9150002299 9150003145 9150004171

9110000071 9110000981 9110002818 9150000567 9150001245 9150001780 9150002306 9150003163 9150004180

9110000099 9110001034 9110002845 9150000576 9150001254 9150001806 9150002315 9150003172 9150004260

9110000106 9110001070 9110002854 9150000585 9150001263 9150001815 9150002324 9150003207 9150004297

9110000115 9110001123 9110002863 9150000594 9150001272 9150001824 9150002333 9150003216 9150004304

9110000124 9110001132 9110002872 9150000601 9150001281 9150001833 9150002342 9150003225 9150004322

9110000142 9110001169 9110002890 9150000610 9150001290 9150001842 9150002351 9150003243 9150004331

9110000197 9110001178 9110002907 9150000656 9150001307 9150001851 9150002360 9150003252 9150004340

9110000204 9110001187 9110002916 9150000674 9150001316 9150001860 9150002388 9150003314 9150004386

9110000213 9110001196 9110002925 9150000709 9150001325 9150001879 9150002397 9150003323 9150004527

9110000222 9110001203 9110002934 9150000718 9150001334 9150001888 9150002404 9150003332 9150004554

9110000240 9110001212 9110002943 9150000727 9150001352 9150001897 9150002413 9150003341 9150004581

9110000268 9110001221 9110002952 9150000736 9150001361 9150001904 9150002422 9150003378 9150004590

9110000277 9110001230 9110002961 9150000745 9150001370 9150001913 9150002431 9150003387 9150004607

9110000286 9110001249 9110002970 9150000754 9150001389 9150001922 9150002440 9150003396 9150004616

9110000295 9110001258 9110002998 9150000763 9150001405 9150001931 9150002459 9150003403 9150004625

9110000302 9110001267 9110003005 9150000772 9150001414 9150001940 9150002477 9150003412 9150004634

9110000311 9110001276 9110003014 9150000781 9150001423 9150001968 9150002495 9150003467 9150004661

9110000357 9110001285 9110003023 9150000790 9150001432 9150001977 9150002510 9150003494 9150004670

9110000366 9110001294 9110003069 9150000807 9150001441 9150001986 9150002538 9150003555 9150004787

9110000375 9110001329 9110003087 9150000816 9150001450 9150001995 9150002547 9150003626 9150005045

9110000384 9110001356 9110003096 9150000834 9150001478 9150002011 9150002565 9150003635 9150005090

9110000393 9110001365 9110003112 9150000843 9150001487 9150002020 9150002574 9150003699 9150005134

9110000400 9110001383 9110003130 9150000852 9150001502 9150002039 9150002592 9150003751 9150005170

9110000419 9110001392 9110003149 9150000861 9150001511 9150002048 9150002618 9150003760 9150005189

9110000428 9110001436 9110003158 9150000889 9150001520 9150002057 9150002725 9150003797 9150005198

9110000437 9110001445 9110003176 9150000898 9150001539 9150002066 9150002734 9150003804 9150005214

9110000446 9110001463 9110003194 9150000905 9150001557 9150002075 9150002752 9150003813 9150006124

9110000455 9110001472 9110003372 9150000941 9150001566 9150002084 9150002761 9150003822 9150006311

9110000516 9110001481 9110003381 9150000969 9150001575 9150002093 9150002770 9150003831 9150006320

9110000543 9110001490 9110003407 9150000978 9150001584 9150002100 9150002841 9150003840 9150006357

9110000561 9110001506 9110003434 9150000987 9150001593 9150002128 9150002850 9150003868 9150006366

9110000570 9110001515 9110003461 9150001003 9150001600 9150002137 9150002887 9150003886 9150006384

9110000589 9110001524 9150000317 9150001012 9150001619 9150002146 9150002896 9150003895 9150006393

9110000598 9110001542 9150000326 9150001030 9150001628 9150002155 9150002912 9150003902 9150006623

9110000614 9110001551 9150000335 9150001049 9150001637 9150002164 9150002930 9150004028 9150006632

9110000623 9110001560 9150000344 9150001067 9150001646 9150002173 9150002985 9150004046 9150006641

9110000678 9110001588 9150000362 9150001085 9150001673 9150002182 9150002994 9150004055 9150006650

9110000785 9110001597 9150000371 9150001094 9150001682 9150002208 9150003029 9150004064 9150006669

9110000794 9110001604 9150000380 9150001129 9150001691 9150002217 9150003038 9150004073 9150006678

9110000856 9110001631 9150000406 9150001138 9150001708 9150002226 9150003056 9150004082 9150006687

9110000874 9110001640 9150000433 9150001147 9150001717 9150002235 9150003065 9150004091 9150006703

9150006712

9150006721

<표 82> 가정용 분석대상 고객번호 리스트

따라서 실제 모형에서 분석되는 고객들의 현황은 아래와 같이 다시 정리될 수 있음.

∘ 데이터분석 가능 기간 : 2011년 6월 1일 ~ 2012년 3월 31일 (305일, 7320시간)

∘ 분석 대상 고객 수 및 고객번호 리스트(번호순 세로정렬):

- 가정용 425 고객

- 일반용 30 고객

- 209 -

9110000534 9110001338 9110003336 9150002789 9150003083 9150003485 9150004359 9150006213

9110000829 9110001347 9110003345 9150002805 9150003127 9150003644 9150005054 9150006730

9110000838 9110002809 9150002486 9150002967 9150003190 9150003859 9150006099

9110000909 9110003327 9150002690 9150002976 9150003298 9150004206 9150006133

<표 83> 일반용 분석대상 고객번호 리스트

4) 데이터 문제점

가) Missing Data

∘ 모든 고객들의 전력사용량 데이터가 분석기간 전체에 대해 존재한다면,

- 가정용의 경우 3,111,000 Observations (425고객 * 7320시간)

- 일반용의 경우 219,600 Observations (30고객 * 7320시간)

이 분석되어야 한다.

∘ 하지만 실제 데이터는 분석 기간 중 Missing Data가 존재하여 실제로는,

- 가정용의 경우 1,239,713 Observations

- 일반용의 경우 72,039 Observations

를 가지고 분석하게 된다.

∘ 예를 들어, 고객번호 9150002146 의 경우 아래의 그래프에서 보듯이 대부분의

시간에서 Missing Data를 볼 수 있다.

[그림 36] 데이터 문제점 - Missing Data를 가지는 패턴 (고객번호 9150002146)

- 210 -

나) 패턴에서 크게 벗어나는 데이터

∘ 분석기간 동안 대부분의 고객 전력사용량의 패턴에서 특이점을 발견할 수 있

다. 각 고객의 불규칙한 시간대에서 정상적인 전력사용량이라고 보기 힘든 피

크(Peak)값을 볼 수 있다.

∘ 아래는 이러한 비정상적인 피크(Peak)데이터를 보여주는 몇몇 고객의 전력사

용량 패턴에 대한 그래프이다.

[그림 37] 데이터 문제점: 비정상적인 피크(Peak)를 가지는 패턴 (고객번호 9110001472)

[그림 38] 데이터 문제점: 비정상적인 피크(Peak)를 가지는 패턴 (고객번호 9150000344)

∘ 아래 테이블은 일부 고객의 일정 시간에서 나타나는 비정상적인 전력사용량

패턴을 보여주고 있다.

- 211 -

고객#54 고객#55 고객#56 고객#57 고객#58 고객#59 고객#60 고객#61 고객#62 고객#63

‘12 3/1 3PM 479 363 1938 1717 274 401 0 394 252 517

4PM 453 297 1766 1850 520 369 0 364 565 525

5PM 282 328 1760 2293 469 523 0 355 347 701

6PM 116510 36287 74804 1410 50521 108375 0 444 22372 36455

7PM 517 378 1942 1271 546 719 0 401 348 335

8PM 546 348 1980 1008 432 321 0 355 651 595

9PM 551 454 2115 2190 550 285 0 433 704 567

10PM 623 219 3177 1757 1006 72 0 399 573 503

11PM 950 137 3111 1690 684 125 0 395 556 493

12PM 602 161 3049 906 669 95 0 404 343 548

<표 84> 데이터 문제점 - 비정상적인 피크(Peak)를 가지는 일부 고객의 전력사용량 패턴

5) 기타 분석에 사용된 외생변수 현황

가) 고객별 가구원수

∘ 가정용 전력사용 고객의 가구원수에 대한 정보임. 이는 소득지수 추정에 활용

됨.

∘ 총인원에 따른 고객수 현황은 아래와 같음.

총인원 고객수1 232 1713 1474 785 56 07 1

합계 425

<표 85> 연령별 가구원수 (가정용)

나) 기상조건

(1) 기온

∘ 난방도시간(Heating Degree hours) 및 냉방도시간(Cooling Degree Hours)

∘ 출처 : 기상청홈 > 날씨 > 관측자료 > 지상관측자료 > 지역별상세관측자료

- 212 -

(AWS)

∘ 관측지 : 제주시

- 아래 표는 2011년 제주지역 월별 기온 추이이며, 모형 분석에서는 시간대별

온도 데이터를 사용함.

월 1월 2월 3월 4월 5월 6월 7월 8월 9월 10월 11월 12월

기 온 2.35 6.98 7.72 13.13 18.13 21.62 27.18 25.99 23.02 17.85 15.66 7.05

<표 86> 월평균 기온 추이 (제주지역, 2011년)

- 한편, 도시간이란 기준온도(18℃)과 그 시간동안의 기온과의 차이를 말한다.

만약 그 시간동안의 평균기온이 18℃ 아래로 떨어지면 난방도시간으로 간

주된다. 반대로 냉방도시간은 그 시간동안의 평균기온이 18℃ 보다 높을 때

를 기록한다.

(2) 습도

∘ 출처 : 기상청홈>날씨>관측자료>지상관측자료>지역별상세관측자료(AWS)


∘ 아래 표는 2011년 제주지역 월별 습도 추이이며, 모형 분석에서는 시간대별

습도 데이터를 사용함.

월 1월 2월 3월 4월 5월 6월 7월 8월 9월 10월 11월 12월

습 도 62.7 66.1 54.7 62.8 72.8 82.9 74.7 81.7 70.3 62.0 69.3 60.1

<표 87> 월평균 습도 추이 (제주지역, 2011년)

(3) 일사량

∘ 출처 : 기상청홈>날씨>관측자료>지상관측자료>과거자료>요소별 자료


∘ 아래 표는 2011년 제주지역 월별 일사량 추이이며, 모형 분석에서는 일별 일

사량 데이터를 사용함. 단위는 MJ/m3임.

월 1월 2월 3월 4월 5월 6월 7월 8월 9월 10월 11월 12월

일사량 4.7 10.1 16.2 20.6 19.1 16.6 20.5 16.4 16.6 13.4 7.1 4.5

<표 88> 월평균 일사량 추이 (제주지역, 2011년)

- 213 -

(4) 서비스업생산지수

∘ 가정용 고객의 추정모형에서는 가구원수에 따라 추정된 소득지수를 활용하는

한편, 일반용 고객의 추정모형에서는 서비스업생산지수를 활용함.

∘ 아래 표는 분석기간 제주지역 월별 서비스업생산지수 추이임.

월 6월 7월 8월 9월 10월 11월 12월 1월 2월 3월

일사량 128.2 127,3 127.2 126.7 127.9 127.5 137.1 127.4 123.6 130.1

<표 89> 월평균 일사량 추이 (제주지역, 불변지수)

(5) 더미변수

∘ 요일더미 - 일요일을 기준으로 월요일, 화요일, 수요일, 목요일, 금요일, 토요

일을 구분함.

∘ 휴일더미 - 평일을 기준으로 공휴일, 추석연휴를 구분함.

다) 기타 불충분한 설명변수

∘ 통계청 자료를 이용하여 소득함수를 추정함에 있어서 기대되는 설명변수는

다음과 같다.

∘ 전체 가구원수

- 주민등록 등재여부와 관계없이 생계를 같이하고 자산 또는 소득의 전부나

일부를 공동으로 사용하는 가구의 구성원. 가구는 혈연관계인 가족으로 구

성되기도 하고, 비혈연 관계인 가구원이 동거하는 경우도 있음. 또한, 가족

이라 해도 취업, 유학 등의 사유로 함께 생활하지 않는 경우는 가구원에 포

함하지 않음.

∘ 취업자수

- 가구원 중 취업상태인 인원.

∘ 노인가구

- 18세 이상 65세 미만 가구원을 포함하지 않고, 가구원 중 1인 이상이 60세

이상 노인인 가구

∘ 도시가구

- 도시구분 여부, 도시(=동부) 지역과 읍면부

- 214 -

∘ 가구주 성별 및 나이

- 호적 상의 호주나 주민등록상의 세대주와는 관계없이 가구의 구성원 중 실

제적으로 생계를 책임지고, 생활비용을 주로 조달하고 있는 사람. 따라서

주민등록의 세대주나 단순히 가구의 중요한 일을 결정하는 가장과는 차이

가 있음.

∘ 가구주 학력 및 수학여부

- 학력은 무학, 초등학교, 중학교, 고등학교, 전문대, 대학교, 대학원으로

구분되며, 수학여부는 졸업, 재학, 중퇴, 휴학으로 구분됨.

∘ 가구원#2 ~ #8 의 나이

- 가구주를 제외한 가구원 각각의 나이.

∘ 소득

- 가구의 실질적인 자산의 증가를 가져온 일체의 현금 및 현물의 수입을 말하

며 경상소득과 비경상소득으로 구성. 자산거래, 이전 및 보유로 인한 평가

손익 및 자산거래로 인한 손익은 포함되지 않음(펀드의 차손, 주식거래 차

익 및 차손 등은 포함되지 않음)

- 하지만 이번 분석에서는 고객별 가구원수 정보만 사용할 수 있다는 제한이

있기 때문에 이번 분석에서 소득지수는 가구원수, 도시가구 여부, 월별/연

도더미 등만을 이용하여 추정한다.

- 소득지수 추정에 대한 설명은 다음 장에서 대신한다.

6) 자료한계로 인한 분석상 문제점 및 해결방안

가) 본 연구의 분석상 문제점

본 연구에서는 2011년 6월 - 2012년 3월 까지의 기간 동안

1. 고객정보

2. 고객별 전력사용량 및 실시간요금

3. 기타 고객정보 및 외생변수

를 분석에 사용하였음을 설명한 바 있음.

- 215 -

그런데 앞서 지적한 바와 같이 본 연구의 경우에서 합당한 소득변수가 없어 이를 제대로

반영하지 못하고 추정하는 경우에 해당하며, 모수에 대한 추정치는 편의 (bias)를 가질 수 밖

에 없음을 설명한 바 있다.

나) 문제해결을 위한 연구방향

(1) 소득지수 산정을 통한 문제해결 시도

소득지수가 확보되지 않는 문제를 해결하기 위해 외부의 자료(통계청의 서베이 자료)를 사

용하여 산정된 개별 소비자에 대한 소득지수를 분석에 적용하는 경우에도 여전히 다음과 같

은 문제가 있을 수 있음을 확인함. 즉, 현재 사용되어야 하는 대신 추정된 설명변수 를

사용하는 경우, 와 같은 형태로 표시할 수 있으며, PRF에 이를 대입해 보면,

로 표시되어 오차항이 에서 로 나타나게 된다는 문제는 여전히 발생하게 된다.

하지만 이를 통해 오차항이 커지는 문제보다 omitted variable로 인해 야기되는 biasedness의

문제가 더 크다고 한다면 이러한 방법을 통해서라도 문제를 해결하려고 하는 시도는 유용하

며, 실용적 관점에서 진행되는 본 연구의 특성상 피할 수 없는 대안이 아닌가 판단된다.

(2) 소득지수 산정을 위해 사용된 자료 및 추정식

∘ 가계동향조사 자료는 통계청 마이크로데이터 서비스 시스템을 통해 제공되며,

1990년부터 2011년까지의 매년 8천여 가구를 대상으로 매월 방문 등을 통하

여 가구실태(가구원수, 가구원 활동상태 등)에 대한 조사자료 이다.

∘ 조사방법 및 자료의 구성에 대해서는 마이크로데이터 서비스 시스템

(http://mdss.kostat.go.kr/)에서 찾아볼 수 있으며 자료추출 방법은 다음과

같다.

- 216 -

수

[그림 39] 자료이용 절차 (MDSS 홈페이지 화면)

① 자료신청 버튼 클릭

② 추출 메뉴 클릭

③ 대상자료 선택 후 일반검색 클릭(항목기준 검색은 검색하고자 하는 용어를 포함하

는 원시자료를 보여줌)

④ 수 선택대상이 되는 자료의 컬럼명

⑤ 선택된 자료의 컬럼명. 선택대상 컬럼명에서 선택하고, 추가버튼을 클릭하면 의

선택된 컬럼명에 보여짐

⑥ 추출한 자료는 결재 후에 사용가능

∘ 자료의 700여 항목 중 소득지수 산정에 쓰인 자료의 내용은 다음과 같다.

(가) 전체 가구원수

∘ 주민등록 등재여부와 관계없이 생계를 같이하고 자산 또는 소득의 전부나 일

부를 공동으로 사용하는 가구의 구성원. 가구는 혈연관계인 가족으로 구성되

기도 하고, 비혈연 관계인 가구원이 동거하는 경우도 있음. 또한, 가족이라 해

도 취업, 유학 등의 사유로 함께 생활하지 않는 경우는 가구원에 포함하지 않

- 217 -

음.

(나) 도시가구

∘ 도시구분 여부, 도시(=동부) 지역과 읍면부

(다) 소득

∘ 가구의 실질적인 자산의 증가를 가져온 일체의 현금 및 현물의 수입을 말하며

경상소득과 비경상소득으로 구성. 자산거래, 이전 및 보유로 인한 평가손익

및 자산거래로 인한 손익은 포함되지 않음(펀드의 차손, 주식거래 차익 및 차

손 등은 포함되지 않음)

(라) 소득지수 산정을 위한 추정식

∘ 위의 자료를 이용하여 소득지수를 산정함에 있어 사용된 추정식은 다음과

같다.

소득

가구원수

도시가구

월별더미변수

연도더미

- 218 -

(3) 본 연구에서 사용된 추정식

(가) 추정식 및 추정결과

∘ 상기에서 논의된 방법으로 얻어진 소득지수를 가정용에 동원하고, 또 일반용

의 경우, 월별 서비스업의 생산지수를 규모변수로 활용하여 주어진 자료를 분

석 시도하였다.

∘ 아래는 본 연구에서 시간대별 주거용, 일반용 전력소비 분석을 위해 사용된

추정식이다.

ln

ln

∈

전력사용량

실시간요금

소득

시계열

난방도시간

냉방도시간

습도

일사량

요일

∘ 추정결과는 표로 제시하기에 적합하지 않아 본 보고서에 포함시키지 않기로

한다. 왜냐하면 수요의 가격탄력성이 음의 값으로 확보되지 못하고 있기 때

문이다.

∘ 주어진 자료의 특성을 감안할 때 분석을 용이하게 할 수 있을 정도의 자료가

아니었다고 판단하고 이를 제시하는 것은, 오히려 구좌읍의 사례가 가격반응

- 219 -

이 없다고 주장하는 논거가 될 수도 있을 것이기 때문이다. 고객특성에 맞는

규모변수, 기상조건, 요일 시간별 특성 등 모든 변수가 잘 통제된 경우 실증분

석의 경우, 그 결과로 나타나는 가격탄력성은 수요의 법칙에 따라 실증분석

결과표에는 당연히 음의 값으로 나타날 것이기 때문이다.

- 220 -

5. 실시간 요금제 도입의 효과 분석

가. 개요

1980년대 이래의 인구 증가, 주택 및 TV 크기의 확대, 컴퓨터와 에어컨의 증가 등으로 인해

peak 수요는 증가하고 있는데 전력설비와 R&D에 대한 투자는 이를 따라가지 못해 송전선로

용량이 한계에 직면하고 있다. 이에 따라 국내에서는 1970년대부터 수요관리제도를 도입하여

시행하고 있으며, 2001년 한전에서는 인터넷을 이용해 고객의 부하를 직접제어 할 수 있는 직

접부하시스템을 도입함으로써 전력산업 구조개편 등 환경변화에 대비하여 장기적 전력수급

안정을 도모할 수 있는 체제를 구축하였다.

수요관리의 유형에는 아래 그림에서와 같이 첨두부하 삭감, 기저부하 창출, 부하이전, 전략

전 소비절약, 전략적 부하창출, 가변부하가 있다. 각각의 유형의 예를 들어보면 아래와 같다.

∘ 첨두부하 삭감 : 최대전력관리장치

∘ 기저부하 창출 : 수요자원시장 등 심야전력기기 보급

∘ 부하이전 : 전력저장장치, 수요자원시장 등 - 시간대 설정, 감축량 평가방식이

중요

∘ 전략적 소비절약 : 고효율기기 보급

∘ 전략적 부하창출 : 전기자동차, 히트펌프

∘ 가변부하 : 소규모 부하제어능력(EMS)

- 221 -

[그림 40] 수요관리 유형

출처 : 수요자원시장, 전력거래소 스마트그리드팀

스마트그리드에 따른 실시간 요금제 시행에 따라서도 수요관리 효과를 기대할 수 있다. Sedano et al. (2010)에 따르면 DR을 전통적인 수요반응과 스마트그리드 수요반응으로 구분하

여 가정용 수요반응에 대해 다음과 같이 비교하고 있다. 아래는 주거용 수요반응을 전통적

DR과 SGDR로 구분하여 도식화한 것이다. 기존의 수요관리 효과와 스마트그리드 시행시의

실시간 요금제에 따른 수요관리 효과가 상당부분 교차함을 알 수 있다.

[그림 41] 주거용 수요반응

출처 : Sedano et al. (2010)

- 222 -

[그림 42] 전통적인 수요반응과 스마트그리드 수요반응 비교

출처 : Sedano et. al(2010)

Sedano et al. (2010)은 전통적인 수요반응과 스마트그리드 수요반응의 특징을 아래와 같이

구분하였다.

∘ 전통적인 DR은 제한된 기업과 산업, 주거용 전력을 대상으로 하나, 스마트그

리드 DR은 모든 최종 전력소비자를 대상으로 함

∘ Control system에 대하여 전통적인 DR은 Utility와 Aggregator의 신호에 의해

Water Heater와 HVAC에 대해 통제되는 반면, 스마트 그리드 DR에서는 추가

적으로 소비자에 의한 신재생, 냉장고, 드라이어, 식기세척기, Pool Pump와

Water Heater, HVAC 등의 모든 전력부하에 대한 통제가 가능함.

∘ 통제시스템 설비에 대해서도 다양한 공급자에 의해 시장이 형성됨.

∘ 인센티브는 전통적인 DR의 경우 고정/참여시 지불, Baseline metrics이었으나

스마트그리드 DR에서 Retail Dynamic Pricing, 예약지불, 성과지불.

∘ DR의 산출물로써 전통적인 DR에서는 일반적으로 안정성에 국한되나, 스마트

그리드 DR에서는 설비용량, 에너지, 부가서비스 시장, 혼잡관리 등을 산출.

∘ 스마트그리드 DR 도입으로 DR, 에너지 효율 개선, 신재생에너지 통합이 가능

할 것으로 보임.

- 223 -

스마트그리드 시행시 실시간 요금제로 인해 피크 타임에 반드시 사용할 필요가 없는 수요

는 다른 시간대로 옮겨짐으로써 피크 부하를 줄여 전체 전력체계의 부하율(load factor)를 높

이고 용량 이용률(capacity factor)을 높여 전력 생산 비용이 주는 효과가 있을 수 있지만 설비

투자요구량이 적어져 거시경제적으로 투자가 줄어 생산과 고용이 감소될 수도 있다. 한편으

로 스마트그리드 관련산업에 대한 수요창출은 총생산을 증대시킬 수도 있다.

이 장에서는 실시간요금제 도입에 따른 이러한 전력산업의 파급효과에 대해 분석하기 위해

우선, 스마트그리드 도입의 효과분석을 위한 여러 가지 논의와 SGMM(Smart Grid Maturity Model), KUL(Katholieke Universiteit van Leuven, Belgium)의 smartness 측정방법, 비용편익분석

관련하여 EPRI, FERC, FSC, IEE 등의 논의 내용 등을 검토한다. 이후, 이들 논의를 근거로, 실시간요금제 도입의 파급효과분석은 스마트그리드 도입의 효과 중 일부분을 차지하는 것으

로 파악되고 있어, 실시간 요금제 도입의 파급효과 분석에 동원가능한 분석방법과 시산 결과

를 함께 살펴보고, 고자 한다.

나. 스마트그리드 도입의 효과분석 방법론의 사례

1) SGMM(Smart Grid Maturity Model)

o 모델의 특성

∘ 스마트그리드 도입과 electric utility의 능력 등 현 상태에 대한 이해의

Framework을 제공, 미래전략 수립, 전력망 근대화를 달성하기 위한 배경을

제공해 주는 Maturity 모델로 다음과 같은 특성이 있다.

- 스마트그리드에 대한 비젼 제시, 스마트그리드 도입 성과의 위치 평가, 우

선순위 지정, 성과 측정.

- 정의된 스마트그리드의 단계와 옵션에 따른 일반적인 프레임워크에 대해

기술하며, 6개로 정의된 완성도 레벨과 이에 상응하는 스마트 그리드에 대

한 특징을 포함하는 8개의 영역으로 구성.

o 모델의 구조

∘ SGMM은 Model Definition 부문과 Survey부문으로 구성된다.

- 모델의 특성, 성과 및 각종 정보를 파악할 수 있는 survey instrument인

SGMM Compass를 사용.

- Compass 결과 각 영역에 대한 완성도 점수를 산출. 완성도 점수는 해당 기

- 224 -

관이 자동화, 효율, 안정성, 에너지와 비용 절감, 대체에너지원 통합, 소비자

와의 상호작용, 신 사업기회와 시장측면의 스마트그리드 비전 달성을 향한

진전상황을 보여줌.

- 각 영역의 완성도 수준을 평가하고 적절한 성도를 증가시키기 위한 단계를

밟아 스마트그리드 도입에서 기대했던 이익을 얻을 수 있도록 근접하게 함.

- 모델을 유연하게 적용하여 개별 유틸리티의 고유 완성도 profile을 작성할

수 있으며, 각 유틸리티 사업자의 완성도 점수의 비교가 가능.

∘ 아래는 스마트그리드 모형 정의와 평가, 영역, 완성도로 표시한 SGMM의 결

과이다.

- 스마트그리드의 8개 영역은 유틸리티의 역량, 특징과 관련한 grouping.

- 6단계 완성도는 특징과 결과 등을 정의하고 각 단계는 Pioneering(5),

Optimizing(4), Integrating(3), Enabling(2), Initiating(1), default(0)

- 175개 특징은 스마트그리드 각 단계에서 기대되는 특성 등을 나타냄.

[그림 43] SGMM 모형 정의와 평가, Setting Aspirations

출처 : SEI(2010)

- Compass Survey에는 앞선 SGMM의 8개 영역(Domain) Strategy,

- 225 -

Management and Regulatory(SMR), Organization and Structure(OS), Grid

Operations(GO), Work & Asset Management(WAM), Technology(TECH),

Customer(CUST), Value Chain Integration(VCI), Societal &

Environmental(SE)에 Company information - for the Organization Being

Addressed, Contact information - Person Responsible for Competeting

the Compass, Demographic Information, Performance Information 등의

정보가 포함됨.

2) KUL Approach

o KUL(Katholieke Universiteit van Leuven, Belgium)

∘ KUL에서는 전력망의 우월성(Smartness)를 측정하기 위한 방법을 제시하고

있고, 개별 국가 또는 유럽 그리드의 우월성(Smartness)을 다른 국가나 대륙

수준에서 비교 평가할 수 있어 스마트그리드 프로젝트 결과를 평가하는데 적

용하고 있다.

∘ 유럽 스마트그리드 발전 수준을 평가하기 위한 툴을 구축하기 위해 미국의

Framework을 적용하여 KUL의 접근방식은 미국의 스마트그리드 도입 평가

방식과 유사한 면이 있음.

∘ 유럽의 스마트그리드에 관한 Characteristics는 EPRI와 DOE의 6개

Characteristics를 차용하여 아래와 같이 적용하였음.

- Enable informed participation by customers;

- Accommodate all generation and storage options;

- Sell more than kWhs;

- Provide power quality for the 21st Century;

- Optimise assets and operate efficiently;

- Operate resiliently to disturbances, attacks and natural disasters.

∘ 따라서 스마트그리드의 Qualitative 분석에 사용한 데이터의 분류는 Overlap

되는 면이 많으며 Category가 다양하게 존재한다.

∘ 스마트그리드 발전 상태의 이해를 통해 indicator는 Smart-criteria에 따라 구

체적이고 측정가능하며, 달성할 수 있으며, 관련이 있고, 특정시간에 달성되어

야 하는 것으로 하고, 스마트그리드가 충족해야할 6가지 특징으로 구성된

Frame work을 규정하고 있다.

- 226 -

∘ 6가지 특징의 발전에 대한 progress는 KPI(Key Performance Indicator)로 평

가되며 이는 스마트그리드 수준을 평가하는 툴로 사용될 수 있다.

o Dupont et al. (June 2010)

∘ Dupont et al.에서는 6개의 특징과 세부 범주에 따른 59가지 KPI를 정의하고

있으며, Dupont et. al에서 참조한 EPRI(2009)에서는 스마트그리드의 특성에

따른 20개의 matric을 구하였음. 또한 JRC(2012)에서는 European

Commission(2010)의 스마트그리드와 스마트 미터의 기능에 대한 논의를 통해

결정된 54개의 Key Performance Index를 분석에 사용하였음.

∘ 따라서 각각의 스마트그리드에 관한 Key Performance Index는 정의하는 주

체와 고려해야할 지역적 특성에 따라 차이가 발생할 수 있음.

o KUL의 Ronnie Belmans (June, 2009)

∘ Belmans의 스마트그리드에 관한 연구에 따르면 유럽의 배전시스템은 60년대

와 70년대를 중심으로 투자가 이루어짐에 따라 BAU 접근에 따라서 교체가

필요한 시기가 도래하고 있고, 또 새로운 시스템 구조와 운영계획 등에 대한

기회가 있음을 지적하고 있다.

∘

[그림 44] 유럽의 배전시스템 설치시기의 분포

∘ 따라서 유럽의 스마트그리드 비젼을 제시하는데 있어 스마트그리드의

Smartness(우월성)을 측정하여 평가하는 것을 제시하고 있음.

∘ 아래 문헌은 ronnie Belmans가 참여한 연구목록임.

- SmartGrids A Vision For Intelligent Electrical Grids Serving the Energy

User, CEER Smartgrids, June 29, 2009.

- SmartGrids A Vision For Intelligent Electrical Grids, Smart Grids

Presentatie, IEEE, 12 mei 2009.

- 227 -

- SmartGrids SRA 2035, Strategic Research Agenda Update of the

SmartGrids SRA 2007 for the needs by the year 2035, March 2012.

3) 스마트그리드 비용편익분석

가) 스마트그리드의 비용과 편익 연구

∘ EPRI, FERC, FSC, IEE의 보고서를 바탕으로 편익을 계산하는 구성요소를 아

래의 표에 정리하여 보았다.

∘ 이 중에서도 EPRI보고서가 편익에 관한 가장 포괄적인 것으로 평가됨.

- EPRI가 제시한 체계에 기반하여 스마트그리드의 편익은 경제, 안정성, 환

경, 안전의 4가지 범주로 구분하여 볼 수 있으며, 스마트그리드의 비용은

현존 네트워크의 업그레이드 또는 네트워크에 신규설비 추가 또는 네트워

크 건설하는데 드는 자본비용과 인건비(personnel cost)를 포함하는 운영 및

관리비가 적절하게 포함되어야 함.

- 국내연구로는 AMI 구축과 RTP 시행에 따른 경제성 분석, 기획본부, 경영

연구소, 한국전력, 2011.7 이 있으며 이외에 다양한 해외사례 연구가 존재하

여 연구조사를 통해 확장.

- 228 -

Benefits (EPRI 2010)BCA REPORTS

EPRI 2004 EPRI 2011 FERC 2006 FSC 2008 IEE 2011

Economic

Improved Asset

Utilization

Optimized Generator Operation

Deferred Generation Capacity Investments X X X

Reduced Ancillary Service Cost X X X

Reduced Congestion Cost X X

T&D Capital Savings

Deferred Transmission Capacity Investments X X X X

Deferred Distribution Capacity Investments X X X X

Reduced Equipment Failures X X

T&D O&M Savings

Reduced T&D Equipment Maintenance Cost X X

Reduced T&D Operations Cost X X X

Reduced Meter Reading Cost X X X X

Theft Reduction Reduced Electricity Theft

Energy Efficiency Reduced Electricity Losses X X

Electricity Cost Savings Reduced Electricity Cost X X X X

Reliability

Power Interruptions

Reduced Sustained Outages X X X X X

Reduced Major Outages X X X X X

Reduced Restoration Cost X X X X X

Power QualityReduced Momentary Outages X X X X

Reduced Sags and Swells X X

Environ-

mentalAir Emissions

Reduced CO2 Emissions X X X X

Reduced SOx, NOx, and PM-10 Emissions X X

Security Energy SecurityReduced Oil Usage (not monetized) X

Reduced Wide-scale Blackouts X X

출처:

EPRI_2004 Power Delivery System of The Future: A Preliminary Estimate of Costs and Benefits (EPRI 1011001)

EPRI_2010 Methodological Approach for Estimating the Benefits and Costs of Smart Grid Demonstration Projects (EPRI 1020342)

EPRI_2011a Estimating the Costs and Benefits of the Smart Grid: A Preliminary Estimate of the Investment Requirements and the Resultant Benefits of a FullyFunctioning Smart Grid (EPRI 1022519)

FERC_2006 Assessment of Demand Response & Advanced Metering (AD-06-2-000)

FSC_2008 Benefit-Cost Analysis of Advanced Metering and Time Based Pricing

IEE_2011 The Costs and Benefits of Smart Meters for Residential Customers

<표 90> Benefits Comparison of Various BCA Reports

- 229 -

나) EPRI 방법론의 간략한 설명

∘ EPRI의 방법론은 3가지 단계로 이루어짐.

ü 프로젝트의 특성 구체화, 편익의 수량화와 화폐가치화, 비용과 편익의 비교.

∘ 수혜자 그룹(Perspectives)은 Utilities, 전력의 최종소비자, 사회 전반임.

∘ 편익과 비용의 평가 규모에서 정밀도 수준. 일반적인 정밀도 수준을 특징화하는 합리적

인 방법은 넓은 범위를 사용하는 것임.

ü 계량적인 평가 또는 화폐가치화에서 온당한 불확실성 수준, 계량적인 평가 또는

화폐가치화 하는 방법에 대한 확실한 불확실성, 매우 불확실, 수량화 불가 등으로

구분

[그림 45] 추정된 비용과 편익의 데이터, 분석결과의 구조 Type, Perspectives, Level of Precisions

출처 : EPRI(2010)

∘ 위와 같은 구조로 분석되는 편익은 수혜자에 따라 아래 표와 같이 분류됨.

- 230 -

[그림 46] Map Functions to Benefits (EPRI)과 수혜자별 편익

출처 : EPRI(2010)

∘ EPRI의 비용-편익 분석구조는 10단계로 이루어지며 세부진행사항은 아래와 같음.

[그림 47] EPRI의 비용-편익 분석 10단계 접근법

출처: EPRI(2010)

- 231 -

다) JRC (Joint Research Center, EU)

∘ 미국 EPRI 모형을 기초로, 포르투갈에서 실시된 inovGrid 프로젝트를 사례로 비용-편익

분석 모형을 fine-tune하여 비용과 편익의 구조는 유사한 면이 많다.

∘ EURELECTRIC, JRC, EDP Distribuçlã의 공동연구는 편익을 7단계로 평가하는 방법론적

framework 결과, 비용-편익분석 모델의 가이드라인을 제시.

∘ JRC의 분석방법론은 BCA 분석의 Quantitative 접근방식과 스마트그리드 도입의 장점에

대한 Qualitative 접근으로 분석하고 있음.

∘ BCA 분석의 Quantitative 분석 방법론은 아래와 같음.

[그림 48] 비용편익분석 framework과 분석에 적용된 mapping

출처 : European Commission(2012)

∘ EPRI의 방법론을 변형하여 JRC에서는 EPRI의 3번째 단계(Characteristc)이 생략되고

Merit Deployment Analysis로 변화, EPRI 타입의 16개의 function이 유럽의 33개

Functionalities로 교체, EPRI의 Step 6, 7, 8 (Data, Quantification, Monetization)은 JRC

의 STEP 5로 통합됨.

- 아래 두 그림은 각각 7단계의 BCA 분석방법론, 스마트그리드 도입의 장점에 대한

- 232 -

Qualitative 분석결과.

[그림 49] 비용편익분석 응용사례(InovGrid)

출처 : JRC(2012)

[그림 50] JRC의 Qualitative Impact Analysis: Deployment Merit

출처 : JRC(2012)

- 233 -

라) DOE Smart Grid Computational Tool(SGCT)

∘ 스마트그리드의 비용과 편익을 평가하는 프로그램은 EPRI(2010)의 체계에서 미국 DOE

에 의해 개발된 엑셀 프로그램임.

- 스마트그리드의 적절한 편익이 무엇인지 결정하기 위해 AMI, 배전자동화, 배전관리시

스템, 활용가능한 에너지자원, 그리드 충전소 차량(vehicle to grid charging station) 등

의 스마트그리드 자산을 입력해야 함.

- 개별의 자산은 적응보호, 자동공급과 회선전환, 고장보호기능이 있음.

∘ 스마트그리드 편익 계산

- 스마트그리드 편익계산은 스마트그리드에서 이용가능한 기술(자산)에 대해 확인하고,

자산의 기능이 결정되면 소비자, 유틸리티와 사회가 수혜하는 편익의 list가 결정되고

이를 화폐가치회하여 계산함.

[그림 51] Illustration of the Translation of Smart Grid Assets to Monetary Value

출처: Navigant(2011)

- 개별 Asset은 복수의 기능을 할 수 있으며, Function 역시 복수의 자산에 의해 기능할

수 있으며, 이는 mechanism에서 benefit으로 가는 단계에서도 마찬가지로 적용됨.

∘ SGCT는 Project Characterization Module (PCM); Data Input Module (DIM); and

Computational Module (CM), 등의 3가지 모듈로 이루어지며 그 구조는 아래의 그림과

같음.

- 첫 번째 모듈은 프로젝트의 기능성(Functionality)를 결정, 스마트그리드 자산을 표준화

된 편익 범주에 배치하는 것으로, EPRI의 10단계에서 4번째 단계까지 해당

- 두 번째 모듈은 프로젝트 편익계산을 위해 요구되는 데이터를 입력, 기대 편익에 대한

list는 첫 번째 모듈과 각 편익 계산의 공식에 따라 필요한 투입변수의 리스트에 의해

취득이 가능하고, 이는 EPRI의 접근 방식에서 4, 5, 6번째에 해당함.

- 234 -

- 마지막 모듈에서는 프로젝트 비용과 편익을 계산함, 또한 고객수, 전력가격과 편익계산

을 위한다양한 투입변수와 같은 기본적인 input의 범위를 변경하여 분석함으로써 민감

도 분석을 제공함.

[그림 52] EPRI 비용-편익 architecture

출처 : Navigant(2011)

∘ 스마트그리드의 Function을 매개로 한 mapping에 의해 스마트그리드 자산과 스마트그리

드 자산 도입의 편익에 관한 Matrix 구성.

(1) Assets to Functions

- 20개 자산은 Customer Assets, AMI Assets, Distribution Assets, Transmission Assets,

and Other Assets 등의 5개 범주로 구분되며, Distributed Generator, Electricity

Storage device 등의 자산을 추가되었음. 또한 이는 EPRI’s Methodological Approach

for Estimating the Benefits and Costs of Smart Grid Demonstration Projects의

Linkage of Smart Grid Assets and Functions에서 Smart Grid Assets을 Enabled

Energy Resources를 제외하고 19개로 정의하는 차이점이 있음.

- SGCT에는 16개의 Function이 'Functions' 부분과 'Enabled Energy Resources

(Stationary Electricity Storage, Distributed Generation, Plug in Electric Vehicles)'로

구분하여 정의되는 반면, EPRI(2010)에서는 13개의 Function을 정의하는데 13개에 대

하여 SGCT와 EPRI의 Function은 일치함.

(2) Functions to (Mechanism to) Benefits

- 235 -

- EPRI의 방법론에는 4가지 편익의 범주로 경제, 안정성, 환경, 보안 등 4가지 범주로 구

성되어, 22개 타입의 편익으로 세분화됨.

- SGCT에서는 Functions과 Benefits 사이에 mechanism의 개념이 도입되며, 각

mechanism은 1~3개의 편익을 도출해 내며 mechanism to benefit mapping은 EPRI의

functions to benefits mapping방식과 같음.

- SGCT의 macro code(VBA)에서 mapping은 “Fxn_Benefit List”, “Fxn-Mechanisms”,

“FxnMech to Benefits List”, “Function-Benefit Chart” 등에서 확인해 볼 수 있음.

(3) Benefits Monetized Value

- SGCT내에서 Benefit의 리스트가 작성되면, 편익의 화폐화된 가치를 계산함.

- 편익은 다양한 Function의 mechanism에 의해 달성될 수 있음을 확인하였으나 편익 계

산 과정 자체는 구체적인 mechanism(또는 Function)을 모두 사용하지 않을 수도 있음.

- 즉, 편익계산은 편익을 만들어내는 각 mechanism 효과의 총합으로 계산되지 않기도

함.

- 아래 표에서 각 Function은 각각 화폐화 계산식이 있으므로 Optimized Generator

Operation의 총 화폐화된 편익은 Wide Area Monitoring, Visualization & Control,

Stationary Electricity Storage, PEV의 화폐화된 mechanism의 합.

[그림 53] Function과 관련한 편익계산의 예시

출처 : EPRI(2010)

- 반면, 다른 예를 들면, Reduced Wide-scale Blackouts의 편익이 Wide Area Monitoring

& Visualization, Dynamic Capability Rating, and Enhanced Fault Detection functions

을 통해 이루어질 수 있음에도 불구하고 화폐화 계산은 대규모 정전의 발생 횟수와

baseline case와 project case에서 event마다 평가된 비용의 곱으로 계산됨. 그러므로 이

경우, “Dynamic Capability Rating-contributed benefit” or “Enhanced Fault

Detection-contributed benefit”는 존재하지 않고 계산을 단순화하는 경우도 있음.

- 236 -

[그림 54] Function에 비해 식이 간단한 경우

출처 : EPRI(2010)

∘ SGCT의 편익계산에서 각 편익에 대하여 standard와 optional calculation이 가능하고, 각

계산에서는 다양한 투입변수가 필요함.

- Reduced Ancillary Service Cost를 예시로 계산하면 아래와 같음.

∘ Standard Calculation : Value ($) = [Ancillary Services Cost ($)]Baseline -

[Ancillary Services Cost($)]Project

∘ Optional Calculation : Value ($) = [Σ (Price of Ancillary Service ($/MW) *

Purchases(MW))]Baseline - [Σ(Price of Ancillary Service($/MW) *

Purchases(MW))]Project

- Macro code(VBA에서 편익계산의 주요 목적은 “Calcs"라는 object에서 찾아볼 수 있고,

이 object는 Macro code에서 다양한 object와 연결됨.

[그림 55] Calcs Object in Macro code

출처: U.S. DEPARTMENT OF ENERGY, SMART GRID COMPUTATIONAL TOOL(SGCT); Version 2.0, 스크린샷

(4) Cost Representation

- 첫 번째 비용 schedule input인 norminal cost 계획 입력의 경우, 최소 요구사항이나 필

요한 비용구조에 대한 세부사항을 고려하는 구체적인 가이드라인이 없으며, 프로젝트

에서 비용소모를 필요로 하는 한, 프로젝트 각 년도에 한 가지 단일 대표비용을 필요로

함.

- 237 -

- 비용 schedule input의 두 번째 타입의 user inputs은 첫 해와 마지막 해의 프로젝트

지출과 프로젝트 총 자본비용, 이자율 등이 제공되어야 함.

- 비용 계산과정은 편익계산과정에 비해 매우 간단함.

[그림 56] SGCT의 비용데이터 입력창

출처: U.S. DEPARTMENT OF ENERGY, SMART GRID COMPUTATIONAL TOOL(SGCT); Version 2.0, 스크린샷

(5) Macro(VBA) code

- 엑셀로 제공되는 SGCT 프로그램을 운용하기 위해서는 macro code인 Visual Basic for

Application에 대한 이해와 스마트그리드의 기술적, 경제적 input에 대한 정보와 스마

트그리드 프로젝트의 다양한 자산, 기능, mechanism에 대한 이해가 필요, macro code

는 Worksheet, Form, Module 등으로 구성.

ü Macro의 worksheet에서는 Mapping, Input Parameter, Calculation, Showing Summaries,

Results 등의 기능을 수행하는 43개 worksheet으로 구성되어 있음.

ü Macro의 form에서는 Message box, Explanation, Choosing Assets, Functions, Mechanisms에

대한 기능을 수행하는 13개 form이 있음.

ü Module은 macro codes의 모음으로 5개로 구성됨.

∘ 더불어 스마트그리드의 자산을 구성하는 기술의 구성요소의 변화에 따른 기술평가모형인

GCAM 모형과 스마트그리드 자산 도입에 따른 국민경제 파급효과를 분석하기 위한

CGE 모형을 적용하여 분석 가능성 제시할 수 있음

4) 스마트그리드 도입의 비용편익분석

∘ 상기의 비용편익분석은 이미 EPRI 의 ‘추정된 비용과 편익의 데이터, 분석결과의 구조

- 238 -

Type, Perspectives, Level of Precisions’에서 확인할 수 있듯이 여러 불확실성 등의 문재

를 내포하고 있다.

∘ 아래는 각 기관에서 제시한 스마트그리드 비용 편익분석의 장애요인들로, 일반적으로 스

마트그리드에 대한 분석이 어려운 이유에 대해 유럽의 연구기관인 EURELECTRIC에서는

아래와 같은 사항을 제시하고 있음.

- 데이터 확보와 공개의 문제.

- 기술, 프로그램과 운영 관례 등을 포함하고, 전력 가치사슬의 모든 운영영역에 대한 영

향을 분석해야 한다는 점, 장기비전 요구와 시행에 전념이 요구된다는 점.

- 사용하는 신기술, 소프트웨어, 안정성과 불확실성, 소비자의 적극적인 참여 등에 대한

가정을 전제로 한다는 점.

- 현존 전력망 인프라에서 유럽 DSO사이의 다양성 또는 서비스 지역의 개별적인 특성이

스타트그리드에 대한 투자와 관련한 현재의 연구에 의존하지 못하게 되며 경제적인 관

점에서, 이와 같은 문제는 스마트그리드 투자에 대한 전통적인 비용-편익 분석을 적용

할 때 발생하고, 스마트그리드 프로젝트 투자를 평가하는 것은 전통적인 투자분석과

차이가 있음을 지적.

- 스마트그리드의 투자와 관련한 편익이 투자자 집단외의 다른 집단의 추가적인 비용투

자를 통해 발생할 수 있어 이를 분석에 포함해야 할지에 대한 의문과 이를 모델링하고

분석하는 방법에 대한 의문이 제기.

- 편익 흐름의 규모에 대한 불확실성은 스마트그리드에만 한정되는 것이 아닌 반면, 스

마트그리드가 주는 몇 가지 잠재적인 편익에 대해서는 정확한 수령화가 어렵고,

parameter의 분석을 위한 가정이 분석결과에 매우 강한 영향을 줄 수 있음.

∘ EPRI(2010)에서는 스마트그리드 비용-편익분석이 어려운 이유에 대해 스마트그리드에 대

한 연구 각각이 구성요소에 대한 다양한 해석을 하고 있어 통합하기에 쉽지 않으므로 위

의 비용과 편익의 비교는 개인적으로 판단하는 경향이 있다고 지적하고 있다.

∘ JRC(2012)에 따르면 유럽에서도 데이터의 보안 문제로 인해 구체적인 비용-편익분석은

프로젝트에서 제외되었으며 기술과 application 과 solution 등이 주로 평가되어왔으며 다

른 이유는 적절한 비용-편익 분석 방법론이 부족했기 때문이라고 지적한다.

다. 실시간 요금제 도입의 효과 분석방법

1) 개요

- 239 -

본 절에서는 실시간 요금제 도입이 갖는 파급효과를 구분해 보고, 이를 분석할 수 있는 방법론에 대해

논의한다. 우선 다음 절에서는 실시간 요금제 도입과 그 영향 범위, 실시간 요금제 도입의 효과를 구분하

여 보고, 각 효과를 어떤 방법으로 분석할 수 있는지, 또 분석전제에 대한 추가적인 연구 이전에 구체적인

방법론을 적용하였을 때의 기대효과 등을 우선 살펴본다.

2) 실시간 요금제 도입과 그 영향 범위

Leeds(2009)에 따르면 스마트 그리드는 전력, 통신 인프라, 정보기술 산업/영역의 수렴된 형태로 각 산

업은 전력부문(송배전), 데이터 전송과 제어(통신과 제어), 응용계층(application layer)의 세 가지 영역 중

하나를 제공한다고 정의하였다.

아래 그림은 스마트그리드에 대한 산업분류를 나타내고 있으며. Leeds(2009)는 통신망을 중요한 산업영

역으로 보고 있다.

[그림 57] 스마트그리드의 세부 사업영역

자료 Leeds(2009)

실시간 요금제의 도입은 수요반응을 통해 위 스마트그리드 비즈니스 영역의 모든 부분에 영향을 미칠

것으로 가정해 볼 수 있다. 따라서 아래에서는 실시간 요금제의 도입효과를 분석하기 위해 위의 스마트그

리드 비즈니스 영역을 기준으로 좀 더 상세한 방법론을 제시하고자 한다.

3) 산업연관분석을 통한 실시간 요금제 도입의 효과분석

가) 개요

- 240 -

현재 한국전력이 고려하고 있는 실시간 요금제의 기준은 전체 전력소비량에는 변함이 없이 함으로써

전력소비에 소비자 측면의 불이익이 없도록 하되, 피크 시간대에 부하가 줄어들도록 계획하는 것이다. 이를 위해서는 off-peak 시기에 전력요금을 낮추어 소비를 늘려주는 방안이 함께 요금제에 고려되어야 한

다.

따라서 실시간 요금제의 도입은 다음과 같은 효과를 가정해 볼 수 있다.

1. 피크수요를 줄여주는 효과를 갖는데 이는 요구 전력설비규모의 축소에 따른 총산출 저감효과, 이에 따

른 고용저감효과 등이 있을 것으로 판단할 수 있다.

2. 전력시장의 스마트화에 따른 새로운 수요창출효과를 고려할 수 있는데, 이는 위 Leads (2009)에 의거하

여 전력시장 뿐 아니라 관련 통신망사업자의 영역과 AMI 등 관련기기 산업의 총산출 및 고용증대 효

과를 생각해 볼 수 있다.

3. 전력소비의 감소효과인데, 이는 한국전력의 실시간요금제 도입의 경우에는 그 효과가 없는 것으로 가

정할 수 있다.

나) 실시간 요금제 도입의 파급효과분석을 위한 산업구분

구체적으로 위 1, 2의 효과를 측정하기 위해서는 전력설비산업과 스마트그리드 산업의 구분이 필요해

보인다.

국내 “스마트그리드 산업분류체계 및 실태조사“ 연구보고서에 따른 산업분류로 대분류는 지능형망법의

정의에 따라 기반, 제조, 서비스 등 3대 대분류로 구분하였다. 대분류에 따라 중분류는 각 특성에 맞춰 세

부 부문을 마련하였다. 이는 현재 산업연관표상의 부문분류와는 별도로 스마트그리드 산업을 형성한 것

이다.

이를 이용한 산업연관분석은 아래 분류표에 따른 새로운 통계정보가 수집된 후에 가능할 것으로 보인

다.

- 241 -

[그림 58] 스마트그리드 신분류체계

자료 : SG산업분류체계에 따른 비지니스 모델 발굴 세미나, 2012.06.11

본 연구에서는 스마트그리드 산업와 전력설비산업의 파급효과 분석을 위해 한국은행 산업연관표 403개

기본섹터를 기준으로 기본 산업부문 19군과 기본 산업부문 20군의 두 종류 산업군으로 분류하였다. 위 그

림의 구축업, 운영업, 설비 제조업, 설비 제공업 서비스 제공업 등의 분류를 참고로 한 것이다. 첫 번째로

스마트그리드 산업군을 세부적 전기 및 전자기기, 수송장비(일부), 건설(전력시설 등), 부가통신 및 정보서

비스, 수리서비스를 스마트그리드 관련 산업으로 하였다. 그러나 스마트그리드산업에는 발전기 및 전동기

전력시설 건설 등의 전력 설비 관련한 산업이 포함되어 있는 것이 사실이다. 이에 따라 스마트그리드 시

행시 실시간 요금제로 인해 피크 타임에 반드시 사용할 필요가 없는 수요는 다른 시간대로 옮겨짐으로써

피크 부하를 줄여 전체 전력체계의 부하율(load factor)를 높이고 용량 이용률(capacity factor)을 높여 전력

생산 비용이 주는 효과를 분석하기 위해 스마트그리드 산업군에 포함된 전력설비산업을 별도로 구분하여

분석하도록 한다.

- 242 -

[그림 59] 산업연관표 내에서의 스마트그리드 산업분류

[그림 60] 산업연관표 내에서의 스마트그리드 산업과 전력설비산업 분류

다) 산업연관분석의 파급효과 분석방법17)

(1) 개요

∘ 국민경제에서의 재화와 서비스 생산과정에서 각 산업은 원재료의 거래관계를 통한 직간

17) 해당 부분은 한국은행 산업연관분석해설 (2007)를 참조, 요약한 내용임.

- 243 -

접적인 연관관계를 맺고 있음, 생산활동을 통하여 이루어지는 산업간의 상호연관관계를

수량적으로 파악하는 분석방법이 산업연관분석(interindustry analysis) 또는 투입산출분

석(input-output analysis)이라 함.

∘ 산업연관분석은 최종수요가 유발하는 생산, 고용, 소득 등 각종의 파급효과를 산업별로

구분하여 분석할 수 있어 경제정책의 수립, 정책효과의 측정 등에 활용되고 있음.

(2) 산업연관표의 기본구조

∘ 국민경제를 구성하고 있는 각 산업부문은 원재료, 연료 등의 중간 재 구입과 노동, 자본

등 본원적 생산요소를 결합하여 새로운 재화와 서비스를 생산하여 이를 다른 산업부문에

중간재의 형태 또는 최종소비자에게 소비재나 자본재로 판매하게 됨.

∘ 산업연관표에서는 재화와 서비스의 거래를 3가지로 구분함. 첫째, 산업 상호간의 중간재

거래부분. 둘째, 각 산업부문에서의 노동, 자본 등 본원적 생산요소의 투입부문. 셋째, 각

산업부문 생산물의 최종소비자에게로의 판매부문 등

<표 91> 산업연관표의 기본구조

출처: 한국은행(2007)

(3) 산업연관효과 분석

∘ 산업연관분석은 일정기간 동안 산업부문별 투입구조가 안정적이라는 가정하에 산업별 생

- 244 -

산품에 대한 최종수요 변동이 각 산업의 생산에 미치는 파급효과를 측정

- 결합생산이 존재하지 않으며 한 산업은 한 상품만 생산(개별 상품과 산업간의 일대일

대응)

- 대체생산방법이 존재하지 않아 각 상품에 대하여 한 가지 생산방법만 존재

- 규모의 경제가 존재하지 않아 각 부문의 투입량과 생산수준은 비례함

- 외부경제가 존재하지 않아 각 부문의 개별적 생산활동의 총합은 각 부문의 생산량의

합과 같음(투입계수 고정, 산업별로 유일한 생산함수산정)

∘ 생산에 수반되는 부가가치, 수입 및 고용 등 변수들과 생산과의 관계를 통하여 최종수요

의 변동이 부가가치, 수입 및 고용 등에 미치는 파급효과도 계측

- 산업연관분석에서는 생산유발계수, 부가가치 유발계수 및 수입유발계수를 이용한 산업

간 연관관계 분석과 산업별 최종수요가 생산, 부가가치 및 수입에 미치는 직·간접 파급

효과 분석

(4) 투입계수표와 생산유발 계수표

∘ 투입계수표(Input coefficient matrix)

- 투입계수는 각 산업부문이 해당 부문의 재화나 서비스 생산에 사용하기 위하여 다른

부문으로부터 구입한 원재료 및 연료 등의 중간투입액을 총 투입액으로 나눈 것으로

- 부가가치계수: 본원적 투입요소에 대한 대가인 피용자보수, 영업잉여 등 부가가치액을

총투입액으로 나눈 것

<표 92> 산업연관표의 형식


- 245 -

- 위의 표에서 제1열 즉, 1산업의 중간투입내역, , 를 총투입액 으로 나눈 값을

, 이라 하면 이것이 1산업 생산물 한 단위를 생산하기 위하여 필요한 각 산업부문

생산물의 크기를 나타내는 투입계수, 1산업의 부가가치 을 으로 나눈 것이 부가가

치 계수

투입계수 : =

, 부가가치계수 : =

- 투입계수행렬은 투입계수를 산업연관표의 내생부문과 같은 모양으로 배열, 투입계수표

에서 열(세로)방향을 특정산업의 투입계수와 부가가치계수를 합하면 1이 됨

투입계수행렬( ) =

⋯ ⋯

⋮ ⋮ ⋮ ⋮ ⋯ ⋯ ∈⋮ ⋮ ⋮ ⋮ ⋯ ⋯

부가가치계수( ) = ⋯ ⋯

<표 93> 투입계수표의 형식


∘ 생산유발계수표

- 산업부문수가 많은 경우 투입계수를 매개로 무한히 계속되는 생산파급 효과를 계산하

는데 현실적으로 어려워 역행렬을 사용

- 246 -

⋯⋯

⋮ ⋯ ⋯

⋮ ⋯⋯

단, : 투입계수 : 부문의 산출액

: 부문의 최종수요 : 부문의 수입

- 위 방정식의 행렬 표시는 아래와 같음

⋯⋯ ⋯⋯⋮ ⋮ ⋯⋯ ⋯⋯⋮ ⋮ ⋯⋯ ⋯⋯

⋮

⋮

⋮

⋮

⋮

⋮

⋮

⋮

⋯⋯⋯⋯⋯(1)

단, : 투입계수행렬 : 총산출액 벡터, : 최종수요 벡터, : 수입액 벡터

이를 에 대해 전개하여 풀면

⋯⋯⋯⋯⋯(2)

이 되는데 여기서 을 유발계수라 하고 는 주대각요소가 모두 1이고 나머지 요소는 0인 단위

행렬

⋯ ⋯ ⋮⋮ ⋮ ⋮⋮⋮ ⋮ ⋮⋮⋮ ⋮ ⋮ ⋯

ü 생산유발계수는 최종수요와 수입의 변동에 따라 각 산업부문에서 직·간접 유발 총산출

- 247 -

액를 구할 수 있음.

ü (2)식의 좌우변에서 국내 최종수요와 국내 총산출이 투입계수에서 도출되는 생산유발

계수를 매개로 연결.

ü 즉, 최종수요의 변동에 대해 생산유발계수 에 따라 국내 총산출이

변동

ü 생산유발계수는 최종수요 한 단위 증가에 따른 각 산업부문의 직간접 유발 생산액 수준을 나타

냄

(5) 생산유발계수의 의미

∘ 생산 유발계수 은 최종수요 한 단위 증가에 따라 유발되는 직·간접 생산파급효

과를 합한생산유발계수를 의미, 생산파급효과의 계산 결과와 같음

- 어떤 실수 가 일 경우 의 역수는 은 무한등비급수의 합으로

아래와 같이 표현됨

-

⋯

- 이를 행렬에 적용하면 는 아래와 같이 표현됨

- ⋯ ⋯⋯⋯⋯⋯(3)

ü 우변의 단위행렬 는 각 산업부문 생산물에 대한 최종수요가 한 단위씩 발생할 경우 이를 충족

시키기 위한 각 산업부문의 직접생산효과

ü 는 각 산업부문 생산물 한 단위 생산에 필요한 중간재 투입액

ü 는 1차 생산파급효과로 나타난 각 산업부문 생산물 생산에 필요한 중간재 투입액(2차 파급

효과), ,

, ⋯⋯는 각각 3차, 4차 이상의 생산 파급효과

- 248 -

<표 94> 생산유발계수의 의미


(6) 생산유발계수표의 종류

∘ 형

- 국산과 수입을 구분하지 않는 경쟁수입형 생산자가격평가표의 투입계수를 기포로 하

여 도출

- 수입과 국내 생산활동간에 함수관계가 존재하지 않는다는 가정하에 수입을 외생변수

로 취급

- 수요방정식 로부터 으로 형 생산유발계수

표 도출

- 각 부문별 총산출액은 생산유발계수표 에 최종수요(수입공제)를 곱하여 구함,

- 249 -

외생변수로써 최종수요 벡터와 수입 벡터가 주어져야 함.

∘ 형

- 형의 가정인 수입과 국내 생산활동간의 함수관계가 존재하지 않는 다는 가정

을 보완

- 수입을 외생변수로 취급하지 않고 내생화하여 도출하는 생산유발계수표

- 산업연관표의 행에서 각 산업부문의 수입액을 그 부문의 총산출액으로 나눈 값을 수입

계수()로 정의

- 각 산업부문에서 중간수요와 모든 최종수요항목이 동일한 비율만큼 수입품을 포함

하는 것으로 가정

- 각 선업부문의 수입계수를 요소로 하는 대각행렬을 로 표시하면 가 되며,

경쟁수입형 생산자가격평가표의 수급방정식 는 임.

- 이 식에서 도출되는

형의 생산유발계수표를 이용하기 위해 외생변수로서

최종수요 벡터만 주어지면 됨.

∘ 형

-

형 생산유발계수에서 가정하는 각 산업부문별 중간수요와 모든 최종수요

항목이 일정한 비율의 국산, 수임품으로 구성되어 있다는 가정을 보완

- 수입을 내생변수로 간주하나 최종수요 항목 중 수출은 다른 항목과 별도로 취급하여

수입품이 수출에 포함되지 않도록 하여 도출

- 어느 산업부문의 수입액을 그 산업부문 생산물에 대한 국내총수요액(총수요액-수출액)

으로 나눈 값으로 수입계수를 정의

- 각 산업의 수입계수를 요소로 하는 대각행렬을 으로 표시하면 가 성

립하며, 는 중간숭요 벡터, 는 국내최종수요 벡터

- 경쟁수입형 생산자가격평가표의 수급방정식 에서 최종수요 를 국내

최종수요 와 수출로 나누어 쓰면, d 되고 대신

를 대입하여 전개하면 아래와 같이 정리할 수 있음.

-

- 에 대해 정리하면, 로 형의 생산유발

- 250 -

계수를 얻음.

- 국내 최종수요 와 수출이 주어지면 이를 충족시키기 위한 총산출액을 구할

수 있음.

∘ 형

- 국산과 수입을 구분하여 작성하는 비경쟁수입형표의 투입계수로부터 도출되는 생산유

발계수

- 수급방정식은 국산거래표에서 , 수입거래표에서 이 성립.

단, 는 국산투입계수행렬, 은 수입투입계수행렬, 는 국산품에 대한 최종수요

벡터, 은 수입품에 대한 최종수요 벡터

- 식을 에 대하여 풀면 에서 형의 생산유발계

수를 얻고, 이를 이용하여 국산품에 대한 최종수요 가 외생변수로 주어질 때 필요

한 총산출액를 구할 수 있음.

(7) 부가가치 및 수입유발계수

- 공급능력이나 노동력 등이 충분하다는 가정하에 최종수요의 변동이 국내생산의 변동

을 유발하여 최종수요의 변동이 부가가치 변동의 원천이라 간주

∘ 부가가치 유발계수

ü 부가가치 벡터를 , 부가가치계수의 대각행렬을 라 하면 임.

ü 이를 생산유발관계식 를 대입하여 를 얻게 되며,

의 부가가치유발계수행렬이 도출됨.

ü 형의 부가가치유발계수는 어떤 산업부문의 국내생산물에 대한 최종수요가 한 단

위 발생하는 경우 국민경제전체의 직·간접적 유발 부가가치 단위를 나타냄.

ü , 의 생산유발관계식에 대해 동일한

방법으로

, 형의 부가가치유발계수행렬을 구함

∘ 수입유발계수

ü 산업부문에서 수요하는 중간재는 국산품과 수입품에 의해 충당되므로 최종수요 발생에 따른 생

산유발은 국산품유발, 수입품유발로 구분

ü 산업연관표의 수입균형식은 으로 정의되고, 생산유발관계식

- 251 -

를 대입하면 을 얻어 수입유발계수는 이며, 이 계수의

의미는 어떤 산업부문의 국내생산물에 대한 최종수요가 한 단위 발생할 경우 국민경제전체에서

직·간접적으로 유발되는 수입 단위를 나타냄

ü 의 생산유발관계식과 의 관계식을 이

용하여

, 형의 수입유발계수행렬 도출

라) 산업연관분석을 이용한 효과분석 시산

(1) 전력부문 최종수요변화에 따른 산업연관분석 시산

산업연관분석의 기본적인 방법론을 이용하여, ‘사례 3: 한국전력공사 (2011.7) 연구결과’의 각 시나리오

결과를 이용하여 전력부문 최종수요 변화에 따른 생산유발효과를 시산해 볼 수 있다. 즉, 주어진 시나리

오는

시나리오 1: 경부하/중간부하/최대부하 = -10%/+10%/+50%

시나리오 2: 경부하/중간부하/최대부하 = -70%/-10%/+50%

시나리오 3: 경부하/중간부하/최대부하 = -70%/-10%/+50% (단 해당 가격시나리오는 여름 7, 8월과 겨울

1, 12월에만 적용함)

이며, 요약결과표는 다음과 같이 주어졌음을 확인한다. 단 여기서 제시된 판매수입변화의 크기는 사용

량요금만을 기준으로 하고, 또 주택용, 임시갑, 아파트, 일반용(임시), 심야(갑), 심야(을) I, 심야(을) II 의

7개 종별수요가 반영되지 않았음을 이미 밝힌 바 있다.

　

　

피크부하변화

(이후,GW)

총전력사용량

(이후,GWh)

총전력사용량

증감(%)

판매수입변화*

(이전,백만원)

판매수익

증감(%)

기준 57.8300 315,633 - 19,016,172 -

시나리오1 55.7792 309,940 -1.8 23,161,439 21.80

시나리오2 56.8022 328,488 3.9 19,686,776 3.53

시나리오3 56.8022 320,007 1.4 19,482,965 2.45

<표 95> 시나리오별 주요결과 요약

위의 결과에 따라 기준시나리오 대비 각 시나리오별 전력최종수요 변화액을 기준으로 전력산업부문 생

산유발효과 등을 분석한 결과는 아래와 같다. 여기서 각 시나리오별 전력부문 최종수요 변화액으로는 각

시나리오 별로 4,145,267, 670,604, 466,793백만원이 적용되었다.

본 연구에서는 수행되지 않았으나. 생산의 중간투입물로서의 전력사용량의 변화가 미치는 파급효과 평

가가 중요하다는 점도 지적하지 않을 수 없다.

- 252 -

(단위 : 백만원)

　 산업분류　 시나리오 1 시나리오 2 시나리오 3

1 농림수산품 38,568.5 6,239.45 4,343.15

2 석탄 4,601,373.20 744,390.95 518,154.51

3 원유 338,351.38 54,737.08 38,101.30

4 천연가스(LNG) 637,960.99 103,206.67 71,839.94

5 광산품 36,830.93 5,958.35 4,147.48

6 음식료품/섬유 및 가죽 82,917.72 13,414.08 9,337.25

7 목재종이/인쇄 59,823.30 9,677.96 6,736.62

8 석유석탄제품 504,307.14 81,584.71 56,789.36

9 화학제품 500,392.93 80,951.48 56,348.58

10 비금속광물 56,145.00 9,082.90 6,322.41

11 1차금속 618,593.69 100,073.51 69,659.01

12 일반기계 264,385.64 42,771.21 29,772.12

13 스마트그리드 산업 288,516.79 46,675.04 32,489.49

14 정밀기기/선박/기타제조 67,650.94 10,944.29 7,618.08

15 전력 4,347,877.10 703,381.42 489,608.66

16 도시증기수도 983,906.08 159,172.22 110,796.35

17 건설 78,188.08 12,648.94 8,804.66

18 도소매/음식/운수 483,638.63 78,241.04 54,461.90

19 금융/서비스 1,037,480.60 167,839.28 116,829.31

　 합 계 15,026,908.66 2,430,990.59 1,692,160.19

<표 96> 시간대별 요금 시나리오별 생산유발효과

(2) 스마트그리드산업의 최종수요 증가와 설비산업 최종수요 감소 효과

RTP 적용의 파급효과는 피크수요를 저감함에 따라, 1) AMI 등 양방향 시그널을 제공하는 appliance산업

에 추가적인 파급효과를 가져오게 되기도 하지만, 2) 전력설비산업의 최종수요를 감소시키는 효과도 있

다.

아래에서는 최종수요 100억의 변화에 따라 각각의 산업부문별 파급효과를 산정하여 보았다. 단 2)의 효

과를 평가하기 위해서 스마트그리드산업에 포함되어 있는 발전기 및 전동기 전력시설 건설 등의 전력 설

비 관련한 산업을 전력설비산업으로 추가 구분하였음은 앞서 논의한 바와 같다.

분석에 사용한 투입산출분석표는 2009년 기본 403부문에서 스마트그리드 관련 산업으로 분류하여 최종

적으로 내생부문 19부문과 20부문으로 분류한 것인데, 이때의 산업연관표를 국산과 수입을 구분하지 않는

경쟁수입형 생산유발계수와 비경쟁수입형을 분석하여 비교할 수 있다.

(가) 스마트그리드 산업의 최종수요 증가에 따른 파급효과

분석의 편리상 최종수요 변화로 +100억 원의 발생을 가정한다. 여기서 최종수요는 민간소비지출, 정부

- 253 -

소비지출, 고정자본형성, 재고증가, 수출을 의미한다. 아래는 외생변수인 최종수요가 스마트그리드산업에

서 100억 원이 발생할 시에 직·간접적으로 전 산업에서 나타나는 생산유발효과를 보여주고 있다.

생산유발효과(백만원) S 고용유발효과(명)

번호 부문명칭경쟁

S1

비경쟁_국산만

S2경쟁 비경쟁_국산만

1 농림수산품 154 46 1 0

2 석탄 1,019 43 1 0

3 원유 607 0 2 0

4 천연가스(LNG) 130 1 0 0

5 광산품 270 30 1 0

6 음식료품/섬유 및 가죽 334 130 1 0

7 목재종이/인쇄 318 150 1 1

8 석유석탄제품 905 289 0 0

9 화학제품 2,767 1,069 5 2

10 비금속광물 626 372 2 1

11 1차금속 4,234 1,770 7 3

12 일반기계 811 357 3 1

13 스마트그리드산업 16,994 13,352 45 35

14 정밀기기/선박/기타제조 408 193 1 1

15 전력 348 183 0 0

16 도시증기수도 201 108 0 0

17 건설 58 32 0 0

18 도소매/음식/운수 1,859 1,009 16 9

19 금융/서비스 3,225 1,673 26 15

합계 35,266 20,808 114 68

<표 97 > 스마트그리드산업에 최종수요 100억원 발생시의 유발효과분석

(나) 전력설비 산업의 최종수요 감소에 따른 파급효과

마찬가지로 분석의 편리상 전력설비 산업에 대한 최종수요 변화로 –100억 원의 발생을 가정한다.

- 254 -

생산유발효과(백만원) E 고용유발효과(명)

번호 부문명칭경쟁

E1

비경쟁_국산만

E2경쟁 비경쟁_국산만

1 농림수산품 - 150 - 45 -1 0

2 석탄 - 1,179 - 50 -1 0

3 원유 - 619 - 0 -2 0

4 천연가스(LNG) - 142 - 1 0 0

5 광산품 - 329 - 50 -1 0

6 음식료품/섬유 및 가죽 - 319 - 122 -1 0

7 목재종이/인쇄 - 342 - 169 -1 -1

8 석유석탄제품 - 923 - 288 0 0

9 화학제품 - 2,712 - 824 -5 -2

10 비금속광물 - 981 - 641 -3 -2

11 1차금속 - 4,841 - 2,077 -8 -4

12 일반기계 - 815 - 399 -3 -2

13 스마트그리드산업 - 335 - 176 -1 0

14 전력설비산업 - 15,022 - 12,330 -41 -34

15 정밀기기/선박/기타제조 - 320 - 129 -1 0

16 전력 - 374 - 201 0 0

17 도시증기수도 - 219 - 122 0 0

18 건설 - 58 - 33 0 0

19 도소매/음식/운수 - 1,761 - 948 -15 -8

20 금융/서비스 - 3,241 - 1,782 -26 -16

합계 - 34,682 - 20,387 -113 -70

<표 98 > 전력설비산업에 최종수요 -100억원 발생시의 유발효과분석

(다) 두 효과 동시 고려시의 효과

앞서의 두 표에 나타난 효과를 단순히 함께 고려하는 경우, 생산유발효과는 경쟁, 비경쟁의 경우 양의

값으로는 나타나지만 전체적으로 큰 값으로 나타나지 않는 것을 알 수 있다. 또 전력설비산업의 감소분은

스마트그리드 산업의 최종수요 증가분으로 옮겨가는 형태임을 쉽게 알 수 있다.

문제는 RTP적용시 발생하는 효과가 스마트그리드산업의 최종수요유발과 전력설비산업 투자감소에 각

각 어떤 효과를 가져다 줄 것인지에 대해 실증적인 평가를 어떻게 하느냐에 달려있을 것이다. 예를 들어

상기의 중간투입계수 행렬을 라 하고, 스마트그리드산업의 최종수요유발 벡터를 , 전력설비산업 투

자감소 벡터를 라 한다면, 각각의 생산유발효과의 합은

의 형태로 나타나며, 결국 스마트그리드산업의 최종수요유발과 전력설비산업 투자감소의 크기인

의 값이 각각 어떤 비율로 주어질 것인지 또는 스마트그리드산업의 최종수요유발 1원당 전력설비산업 투

자감소의 크기인 는 어떤 값으로 나타날 것인지가 최종적인 파급효과의 크기에 영향을 미치게 될 것임

을 알 수 있다.

- 255 -

다만 이에 대한 실증적 분석은 추가적인 연구가 필요한 부분으로 판단되며, 본 연구에서는 실제 분석은

추후의 연구과제로 남겨둘 수밖에 없음을 지적한다.

(3) RTP도입의 파급효과평가의 과제

EPRI (2010)의 연구는 스마트그리드의 비용편익분석에서 다음과 같은 편익항목을 제시하고 있다.

- Optimized Generator Operation

- Deferred Generation Capacity Investments

- Reduced Ancillary Service Cost

- Reduced Congestion Cost

- Deferred Transmission Capacity Investments

- Deferred Distribution Capacity Investments

- Reduced Equipment Failures

- Reduced T&D Equipment Maintenance Cost

- Reduced T&D Operations Cost

- Reduced Meter Reading Cost

- Reduced Electricity Theft

- Reduced Electricity Losses

- Reduced Electricity Cost

- Reduced Sustained Outages

- Reduced Major Outages

- Reduced Restoration Cost

- Reduced Momentary Outages

- Reduced Sags and Swells

- Reduced CO2 Emissions

- Reduced SOx, NOx, and PM-10 Emissions

- Reduced Oil Usage (not monetized)

- Reduced Wide-scale Blackouts

상기의 모든 효과가 스마트그리드의 편익분석의 항목이기는 하지만, RTP의 적용이 피크부하를 줄이고, 전력에너지를 절감하는 효과를 가져다 준다고 할 경우, 향후 RTP적용의 파급효과분석을 위해 개별적으로

모두 고려의 대상이 될 것임을 알 수 있다.

- 256 -

하지만 조금만 상세히 개별 item을 들여다 보면, 각각의 편익산정은 그리 쉬운 문제가 아님을 금방 확인

할 수 있다.

이재봉 (2011.7)에 따르면, 전자식전력량계 보급비용과 실시간요금을 통한 피크절감 효과에 대한 경제

성 분석을 시행한 결과, 다음과 같은 결론을 내리고 있다.

∘ 저압고객의 AMI 구축은 순편익이 적어 경제성 없음

- 20년간 투자 및 운영비의 80%만 회수 가능

∘ 단, 저압고객 AMI 구축 후 RTP 시행시 경제성 확보 가능

- RTP 시행시 투자비의 2.8배 회수 가능하며 경제성이 있음

- 경제성확보를 위해서는 RTP 요금을 SMP에 준하여 설계하고, RTP 참여율을 높여야 함

∘ 주택용 고객은 RTP를 시행해도 경제성이 낮음

- 주택용은 RTP 시행에 따른 수요반응에도 수익성지수가 1.2로 낮음

- AMI 구축이 완료된 일반용․산업용 고압 고객 우선 적용 필요

분석을 위한 전제로 RTP의 적용은 ‘14년부터 시행을 가정하고, 주택용은 AMI 설치고객을 대상으로, 일반용․산업용은 전체 고객을 대상으로 하되, RTP가입율은 연간 5% 증가를 가정하고 있다. 특히 최대수

요 시간대의 계약종별 가격탄력성으로 주택용은 -0.097, 일반용․산업용은 -0.030 ~ -0.180을 적용하고 있

다. 실제분석에서 그는 비용산정을 위해 스마트미터, 통신설비, 전산설비 설치비, 그리고 통신비와 O&M을 감안한 반면, 편익산정을 위해 검침용역 회피비, 실효계기교체회피비, 변압기부하감시회피비, 도전손실

회피 등을 고려하고 있다. 이는 위의 EPRI 제시항목 중 몇몇을 구체화한 것으로 이해될 수 있으나, 여전히

전체적인 평가는 고려하지 못한 것으로 판단된다.

그럼에도 불구하고, 이재봉(2011.7)은 국내에서 스마트그리드 비용편익분석으로는 확인되는 최초의 시

도이며, 대용량 수용가가 아닌 주택용 등에 스마트그리드의 보급은 경제성을 확보하는데 어려움이 있음

을 지적하고, 스마트그리드 도입방안에 대한 나름대로의 직관을 제공하고 있다는 점에서 그 의미가 있다

고 하겠다.

- 257 -

6. 실시간 요금제의 단계적 도입방안 논의

가. 개요

실시간 요금제 도입에서 고려되어야 할 사항으로 맨 먼저 소매시장의 다양한 메뉴를 제공할 수 있는 소

매업자가 필요함을 알 수 있으며, 다양한 메뉴에는 가격 뿐 아니라 다양한 결합상품이 소비자에게 제공되

어야 함을 알 수 있다. 이러한 다양한 가격과 상품에 대한 메뉴제공은 판매자가 소비자에 대한 상세한 분

석 후에야 가능할 것이며 이는 관련 통계의 확보문제로 귀결될 것이다. 또 현재의 시장상황에서 나타나

는 요금규제 등은 새로운 규제의 틀에 대한 마련도 필요로 한다.

본 장에서는 이러한 측면을 고려해 우선 판매경쟁의 조건과 도입단계에 대한 논의18), 시간대별 전력통

계 공유의 문제, 독립적 규제기관의 필요성19), 그리고 기타이슈에 대해 논의함으로써 실시간 요금제의 단

계적 도입방안에 대해 검토하고자 한다.

나. 판매경쟁의 조건과 도입단계

판매경쟁 도입을 위한 조건으로 김영산(본 연구의 자문보고서)은

1. 송배전 사업의 독립

2. 중립적 판매서비스 기능

3. 최종공급자 및 디폴트 서비스 공급자

4. 소매시장에서 판매경쟁 활성화를 위한 안정적인 도매시장설계

5. 판매경쟁이 도입되는 시기에 맞추어 보정계수를 규제계약으로 대체할 필요

등의 필요성을 제시하고 다음과 같은 단계적 시장도입방안을 제시하고 있다.

1) 1 단계

2012년 현재 이미 모든 고압용 고객에게 이미 AMI가 보급되어 있기 때문에, 이들을 대상으로 다양한

요금제를 시행할 수 있다. 고압용 고객은 전체 고객 중에서 호수로는 1% 정도이지만, 사용량 기준으로는

64%에 달한다 (2010년 기준). 이들 중에서 특히 규모가 큰 산업용(병) 고객들만 대상으로 하더라도 호수로

는 0.03%에 불과하지만, 소비량은 39%에 달한다. 이들 대규모 수용가들은 시장 환경변화에 대응할 수 있

는 능력을 보유하고 있기 때문에 우선적으로 경쟁대상으로 하여 소매시장을 개설한다. 판매사업자들 입

장에서도 고객의 수가 많지 않기 때문에, 소규모의 영업 자원으로도 충분히 시장에 진입할 수 있다.

이 단계에서는 소매시장의 판매경쟁을 위한 인프라 구축에 주력한다. 우선 한전의 송배전과 판매부문

18) 김영산, 전력요금 개선을 위한 바람직한 전력산업 구조개선 방향, 본 연구의 자문보고서

19) 조성봉, 실시간 요금제를 위한 규제환경, 본 연구의 자문보고서

- 258 -

을 법적으로 분리하고 도매시장에서는 CBP 체계의 근간을 유지하되 규제계약을 도입한다. 그러나 SMP 결정과정에서 수요반응이 반영될 수 있도록 가격 결정방식을 수정해야 한다. 기존의 발전자회들은 규제

계약 이외의 물량을 현물 시장이나 쌍무계약을 통하여 판매한다. 그러나 현물시장의 물량을 확보하기 위

해서 가용 물량 중에서 최소한 일정 비율을 현물시장에 판매하도록 한다. 발전자회사가 아닌 민간 발전회

사들에 대해서는 이런 제약을 부과하지 않아야만 다양한 형태로 발전시장에의 진입을 장려할 수 있다.

최초 단계에서 중요한 것은 최대한 향후 경쟁도입 일정과 내용을 미리 발표하고 확실한 실행 의사를

보임으로써 시장에서의 불확실성을 없애는 것이다.

2) 2단계

현재 스마트 그리드 보급 계획에 의하면, 2012년까지 전체 저압고객의 55%에 해당하는 1000만호에 대

해서 AMI가 보급되고, 2020년까지는 모든 가구에 대해서 AMI 보급이 완료된다. 2단계에는 AMI를 장착한

비 주택용 고객 전체와 주택용 고객 중에서 희망고객을 대상으로 경쟁대상 고객을 확대한다. 주택용 고객

에 대해서는 누진제 요금제를 디폴트 요금제로 제시하고 선택요금제로 계시별 요금제나 동적 요금제를

제시하여 선택하게 한다. 최종공급자나 디폴트 서비스 공급자의 기능은 배전사업자에게 담당하게 하지만, 배전사업자가 직접 판매업무를 하기보다는 이 기능을 한전에서 분리된 기존 판매사업자에게 위탁하는 방

안을 고려한다. 이 방안의 장점은 규제부문과 경쟁부문의 분리를 유지할 수 있으면서도, 배전사업자에게

고유 업무가 아닌 판매사업의 부담을 줄이고, 동시에 기존 판매사업자에게는 충분한 고객기반을 초기에

제공하여 안정적 영업기반을 유지하면서도 디폴트 요금제 규제로 인하여 손실을 입을 수 있는 위험부담

에서 벗어나게 해 준다는 점이다.

이 시기에는 도매시장을 본격적으로 개편하여 양방향 가격입찰을 개시하고 실시간 시장, 보조시장 용

량시장 등 모든 필요한 시장을 도입한다.

3) 3단계

AMI 보급 완료와 함께 경쟁대상 고객을 전 고객으로 확대하고, 도시가스와 전력 판매 겸업을 허용하되, 도시가스 시장의 유효경쟁 도입을 전제로 한다. 배전사업자인 한국전력은 최종공급자와 디폴트 서비스

공급자의 역할을 계속하되, 디폴트 서비스의 적용대상을 어디까지 할 것인지를 결정한다.

이 시기에는 스마트 그리드가 완성되어 전기자동차 등 스마트 그리드를 이용한 새로운 상품과 서비스

시장이 확대될 것이므로, 이런 시장을 수용할 수 있는 인프라를 완성한다.

다. 시간대별 전력통계 공유의 문제

다양한 가격과 상품에 대한 메뉴제공은 판매자가 소비자에 대한 상세한 분석 후에야 가능할 것이며 이

는 관련 통계의 확보문제로 귀결된다. 해외의 경우, 판매사업자로 등록하는 과정에서 가장 먼저 취하는

조치는 자신의 컴퓨터시스템을 시장 시장시스템과 proptocole을 맞춤으로써 자신의 자료와 시장자료를 공

- 259 -

유하는 형태를 취하게 된다. 현재 우리 전력시장에서는 시간대별 발전소별 전력생산자료는 전력거래소가, 그리고 전력소비자별 계약종별, 용도별, 지역별, 월별 자료의 경우는 한국전력이 보유하고 있지만 이들 두

기관이 서로 이들 자료를 공유하지 못하는 상황이다.

현재와 같이 공공의 R&D자금을 이용하여 RTP도입의 효과 등을 연구하지 않더라도, 상기 지적과 같이

관련자료를 공유할 수 있게 되면, 판매사업에 참여하는 사업자는 확보가능한 자료를 이용해 다양한 결합

상품과 이에 따른 RTP가격메뉴를 생성하고, 나름대로의 효과분석을 진행하게 될 것이다.

이는 전력시장 전반의 효율성 제고의 도모에 관한 논의로 연결되게 되며, 아래 독립규제기관의 필요성

논의를 포함, RTP 도입을 위해 필수적인 조치가 될 것이다.

라. 독립적 규제기관의 필요성

조성봉(본 연구의 자문보고서)에 따르면, 네트워크 부문은 여전히 과거와 같이 규모의 경제 논리가 적

용되어 자연독점적인 투자보수율 규제가 적용되지만 발전이나 판매와 같이 자연독점성이 약하고 사업자

간 자유로운 경쟁이 허용되는 부문에서는 자율과 책임이 기본적인 규제원리로 자리잡게 되었다고 지적하

고 있다. 따라서 정부는 시장의 소매가격 결정에 개입하는 것을 자제하여야 하며, 이와 함께 정부의 역할

은

∘ 전력시장에 영향을 미치는 불합리한 요인을 차단하고

∘ 지역간·연료간·사업자간·소비자간 교차보조를 순차적으로 제거하며

∘ 전력시장의 도매요금 변화에 대해 일희일비(一喜一悲)하기보다는 적절한 가격시그널로

전력시장의 참여자가 반응하여 자연적으로 수급문제가 해결되도록 유도하는 것

∘ 전력시장에 깊이 개입하여 소매요금 수준을 규제하고 도매요금의 결정방식을 보정계수

등을 통하여 왜곡하는 것은 변화된 규제환경에 어울리지 않는 것

임을 지적하면서,

∘ 전력요금 등 상장 공기업의 사업여건에 중대한 영향을 미치는 사항은 독립규제기관을 통

해 결정하도록 관련 법률이 개정되어야 할 것

∘ 가스의 도입 및 판매부문과 지역난방 사업에 경쟁이 도입되고 있다는 점을 고려할 때 독

립적 규제기관의 확충 필요성

을 강조하고 있다.

마. 기타 이슈

RTP 도입은 기본적으로 수요가 가격에 반응한다는 경제적 DR의 개념을 바탕으로 하고 있다. 그런데 그

간의 전력분야 연구결과 중 많은 경우가 다소의 오해를 야기할 수 있는 측면을 갖고 있음을 지적하지 않

을 수 없다.

- 260 -

즉, data의 질이 확보되고, Model Misspecification의 문제가 없는 경우, 전력수요의 분석결과 나타나는 수

요의 가격탄력성은 당연히 통계적으로 유의한 음의 값을 보이는 것이 합당하다. 이는 해외연구사례 등을

통해 잘 확인되는 부분이다.

유독 우리의 경우, 여러 가지 이유로 실증분석의 결과 전력수요의 가격탄력성이 유의하게 음으로 나타

나지 않았던 사례를 들어 마치 수요의 법칙이 전력분야에서는 존재하지 않는 듯한 방향으로 견강부회하

는 경향이 없지 않았음을 지적한다. 여기에는 연구자들이 확보할 수 있는 양질의 자료가 있음에도 불구하

고 시간과 노력을 투입하지 않고 편의에 따라 연구를 진행한 부분도 없지 않지만, 무엇보다고 우선되는

이유는 양질의 자료에 대한 접근성이 떨어지는 부분에서 야기된 면이 적지 않다.

특히 RTP의 적용과 관련하여 최근 수집되고 있는 자료의 경우에는 최초 설계시 수집되는 자료가 어떻

게 활용될 것인지에 대한 고찰과 설계가 부족하였던 점이 적지 않고, 초기 단계에서 나타나는 AMI 등의

자료 송수신, DB구축상의 문제, RTP 적용시 나타나는 여러 인적오류 등이 복합적으로 자료의 품질을 떨

어뜨리는 문제가 있었던 것이 사실이다.

특히 KDN이 수용가별로 관리하는 시간대별 자료의 경우, 이미 10여년 이상을 관리하여 왔음에도 불구

하고 앞서 본 보고서에서 제시한 다양한 종별 산업별 DB 구축이 제대로 관리되고 있지 않은 점 등은 경

쟁상태에 있지 않은 판매자로서는 이들 자료의 유용성이나 필요성을 제대로 평가하지 못할 수 밖에 없는

상황에서 나타난 결과라 하지 않을 수 없다.

- 261 -

- 262 -

참고문헌

관계부처합동, 제1차 지능형전력망 기본계획, 2012. 6

국가에너지통계종합정보시스템(KESIS),

http://www.kesis.net/flexapp/KesisFlexApp.jsp?menuId=M0101&reportId=&chk=Y

김영산, “전력시장 경쟁도입 가능성과 지능형 전력망,” 산업조직연구 2009년 9월

김수덕, 김영산, 독립적인 소규모 발전회사들이 발전시장 경쟁에 미치는 영향, 한국경제연구, pp.235 - 256,

2009.12

삼일회계법인, 『CBP 제도 선진화 방안 연구 요약』 (사) 민간발전협회 연구보고서, 2011년 1월

삼일회계법인, 김수덕, 문춘걸, 도시가스 수요의 용도별 가격탄력성 분석, 최종보고서, Nov. 2008

산업자원부, SOMAS와 TGIS시스템 연계를 통한 지역수요예측기법 개발, 2004.3

스마트그리드 협회, SG산업분류체계에 따른 비지니스 모델 발굴 세미나, 2012.06.11.

에너지경제연구원, 장기천연가스 수요전망, 최종보고서, 1995.8

에너지경제연구원, 전력수요예측 장단기 연계방안연구, 최종보고서, 1995.10

에너지경제연구원, 장기 에너지수요 전망모형 개선 연구 (1차년도) - 수송 및 산업 부문, 2008

에너지경제연구원, 저탄소 경제시스템 구축 전략 연구 : 상·하향식 통합모형 개발 및 저탄소정책효과 분석,

10-32, 2010

이재봉, AMI 구축과 RTP 시행에 따른 경제성 분석, 한국전력 경영연구소, 2011.7

전력거래소, 고객의 입찰을 통한 수요관리: 수요자원시장 안내, 2010.6

전력거래소, 고객의 입찰을 통한 수요관리 (전력수요자원시장), 2009.5

지식경제부, 수요통계자료를 기반으로 주요 업종별 에너지 수요전망모형 개발, 최종보고서, 2010.12

지식경제부, 스마트그리드의 효율적 구축과 기후대응방안 연구, 연구보고서(연구책임), 2010.4

지식경제부, 장기 수요예측 정확도 향상을 위한 개선방안 연구, 최종보고서, 2012 . 3

통계청 홈페이지 www.kosis.kr

한국개발연구원, 『대내외 여건 변화에 부응한 전력산업구조 정책방향 연구』연구보고서 2010년 6월

한국석유공사, 중장기석유수요전망 모형개발 연구, 최종보고서, 2009.11

한국은행 경제통계시스템 홈페이지 http://ecos.bok.or.kr/

- 263 -

한국은행, 산업연관표를 이용한 경제분석, 2011

한국은행, 산업연관분석 해설, 2007

한국전력통계시스템, http://epsis.kpx.or.kr/

한국전력공사, 제주 SG 실증단지 실시간 요금기반 수요반응(DR)성과 분석모델 개발, 최종보고서, 2012. 6.15

한국전력공사, 전력소비 분석시스템 개발 및 실시간 요금제도 도입 영향분석, 최종보고서, 2011.9

한국전력공사, 동계 피크전력 감축을 위한 수요관리제도 개선방안 보고서, 2011.7.31

한국전력공사, ESFOS, 전력판매량 예측시스템, 2004.12

환경부, 온실가스,에너지 목표관리 운영 등에 관한 지침, 고시 제2011 - 29호, 2011.3.16

Allcott, H., 2011, Rethinking real-time electricity pricing, Resource and Energy Economics 33

pp 820-842

Aubin, et al, 1995, Real Time Pricing of Electricity for Residential Customers: Econometric

Analysis of an Experiment, Journal of Applied Econometrics 10 pp S171-S191

Belmans, Ronnie., SmartGrids; A Vision For Intelligent Electrical Grids Serving the Energy

User, CEER Smartgrids, June, 2009(발표자료)

Boisvert, R. N., et al, 2007, Customer Response to RTP in Competitive Markets: A Study of

Niagara Mohawk's Standard Offer Tariff, Energy Journal 28 (1) pp 53-74

Dupont, B.; Meeus, L.; Belmans, R.; , "Measuring the “smartness” of the electricity grid,"

Energy Market (EEM), 2010 7th International Conference on the European , vol., no.,

pp.1-6, 23-25 June 2010

EURELCTRIC, The Smartness Barometer - How to quantify smart grid projexcts and interpret

results, A EURELECTRIC paper, February 2012

ELECTRIC POWER RESEARCH INSTITUTE(EPRI), Power Delivery System of The Future: A

Preliminary Estimate of Costs and Benefits(EPRI 1011001), 2004.

ELECTRIC POWER RESEARCH INSTITUTE(EPRI), Methodological Approach for Estimating

the Benefits and Costs of Smart Grid Demonstration Projects, Final Report, January,

2010

ELECTRIC POWER RESEARCH INSTITUTE(EPRI), Estimating the Costs and Benefits of the

Smart Grid: A Preliminary Estimate of the Investment Requirements and the

Resultant Benefits of a Fully Functioning Smart Grid (EPRI 1022519), 2011.

EPRI, 2004, “Power Delivery System of the Future: A Preliminary Estimate of Costs and

Benefits,” Palo Alto, CA: 1011001.

- 264 -

EPRI, 2008, “Characterizing and Quantifying the Societal Benefits Attributable to Smart

Metering Investments,” Palo Alto, CA: 1017006.

EPRI, 2008, “The Green Grid: Energy Savings and Carbon Emissions Reductions Enabled by a

Smart Grid,” Palo Alto, CA: 1016905.

EPRI, 2010, “Methodological Approach for Estimating the Benefits and Costs of Smart Grid

Demonstration Projects,” Palo Alto, CA: 1020342.

EPRI, 2011a, “Estimating the Costs and Benefits of the Smart Grid: A Preliminary Estimate of

the Investment Requirements and the Resultant Benefits of a Fully Functioning Smart

Grid,” Palo Alto, CA: 1022519.

EPRI, 2011b, “ The Effect on Electric Consumption of the Commonwealth Edison Customer

Application Program Pilot: Phase 1

European Commission, Guidelines for conducting a cost-benefit analysis of Smart Grid

Projects, Joint Research Center(JRC) REFERENCE REPORTS, 2012

Federal Energy Regulatory Commission(FERC), 2006, Assessment of Demand Response and

Advanced Metering, Staff Report, February 2006


Advanced Metering, Staff Report, September 2007


Advanced Metering, Staff Report, December 2008

Federal Energy Regulatory Commission(FERC), 2009, A National Assessment of Demand

Response Potential, Staff Report, June 2009

Federal Energy Regulatory Commission(FERC), 2010, National Action Plan on Demand

Response, Docket No. AD09-10, June 17, 2010

Federal Energy Regulatory Commission(FERC), 2010, Smart Grid Standards Adoption: Staff

Update and Recommendations, Item No. A-3, July 15, 2010


Advanced Metering, Staff Report, November 2011Freeman, Sullivan & Co, 2011, 2010

Load Impact Evaluation of Pacific Gas and Electric Company's Time-Based Pricing

Tariffs, Final Report

Leeds, David J., The Smart Grid in 2010: Market Segments, Applications and Industry Players,

GTM RESEARCH, JULY 2009

- 265 -

Lijesen, M. G., 2007, The real-time price elasticity of electricity, Energy Economics 29 pp

249-258

Navigant Counsulting, USER GUIDE FOR THE U.S. DEPARTMENT OF ENERGY SMART

GRID COMPUTATIONAL TOOL(SGCT); Guideline for SGCT Public Version 1.1,

December, 2010

NIST, Office of the National Coordinator for Smart Grid Interoperability, NIST Framework and

Roadmap for Smart Grid Interoperability Standards, Release 1.0, Jan. 2010NIST, Office

of the National Coordinator for Smart Grid Interoperability, NIST Framework and

Roadmap for Smart Grid Interoperability Standards, Release 1.0, Jan. 2010

NIST, Report to NIST on the Smart Grid Interoperability Standards Road map.

http://www.nist.gov.smartgrid/

Patrick, Robert H., Wolak, Frank A., Using Customer Demands Under Spot Market Prices for

Service Design and Analysis, EPRI WO 2801-11, June 2001

PECO Energy Company, 2010, PECO Energy Company's Initial Dynamic Pricing and

Customer Acceptance Plan

Rupp, Steve., Smart Grid Maturity Model Webinar: Defining the Pathway to the California

Smart Grid of 2020, for Publicly Owned Utilities, Science Applications International

Corporation(SAIC), March 21, 2012

Sedano, R (2010) “ Demand Response with and without Smart Grid”. NARUC Winter Meeting

Software Engineering Institute(SEI), Smart Grid Maturity Model; Model Definition(A frame for

smart grid transformation), TECHNICAL REPORT CMU/SEI-2010-TR-009

ESC-TR-2010-009, September 2010

Software Engineering Institute, Basic about the Smart Grid Maturity Model, April 2012,

Steven D. Braithwait, Daniel G. Hansen, Jess Reaser, and Michael P. Welsh, 2008 Load Impact

Evaluation of California: Statewide Critical-Peak Pricing Rates for Non-Residential

Customers Ex Post and Ex Ante Report, Freeman, Sullivan & Co. April 29, 2009

Taylor, T. N., Scwarz, P. M., and Cochell, J. E., 2005, 24/7 Hourly Response to Electricity

Real-Time Pricing with up to Eight Summers of Experience, Journal of Regulatory

Economics 27 (3) pp 235-262

U.S. DEPARTMENT OF ENERGY, SMART GRID COMPUTATIONAL TOOL(SGCT); Version

2.0, Available at:

http://www.smartgrid.gov/recovery_act/program_impacts/computational_tool

- 266 -

U.S. Department of Energy, Smart Grid System Report, July, 2009

Wolak, Frank A., Residential Customer Response to Real-time Pricing: The Anaheim Critical

Peak Pricing Experiment, 02-14-2007, Center for the Study of Energy Markets,

University of California Energy Institute, UC Berkeley

Documents

실시간 요금제의 단계적 도입방안에 대한 연구eml.ajou.ac.kr/suduk/teach/contents/실시간요금제단계적도입방안연구.pdf · 제 출 문 한국전력공사