본문 바로가기
KERD
논문KCI 등재

일 단위 전력소비 고변동성 그룹에 대한 군집화 및 결정요인 분석

Clustering and Determinants Analysis on the High Volatility Group of Daily Electricity Demand

조하현|이제훈
한국응용경제학회|2020.03|응용경제 (Korea Review of Applied Economics)|제22권 제1호|pp. 95-127

1

조회

0

다운로드

4

인용

0

참고문헌

키워드

군집분석clustering analysis전력 고변동성 그룹k-Means 알고리즘달력효과기상효과high volatility group of daily electricity demandk-Means algorithmcalender effectmeteorological effect
주제분류경제학

초록

본 연구는 여름과 겨울의 일 단위 전력소비 고변동성 그룹을 파악하고, 해당 그룹의 결정요인을 분석하였다. 분석을 위해 한국의 19년간(2000~18년도) 시간대별 전력소비 데이터를 활용하였다. 주요 분석결과는 다음과 같다. 첫째, 전력소비 고변동성 그룹의 발생 빈도가 전반기(2000~09년도)에 비해 후반기(2010~18년도)에 4배 이상 증가하였다. 둘째, 전력소비 고변동성 그룹의 계수 유의성을 확보하는 결정요인의 비중이 기상효과에 비해 달력효과에서 높게 나타났다. 셋째, 전력소비 고변동성 그룹의 지속효과를 확인하였다. 본 연구는 휴일 전력소비 행태, 산업 업종의 변화 등으로 인한 전력소비 고변동성 그룹의 출현이 빈번해지는 현상을 분석하였다. 특히, 수요 차원에서 전력수급의 불안정성을 논의하고, 에너지 효율 개선, 실시간요금제 도입 등 전력 수요관리 차원의 정책 시사점을 제안하였다.

Abstract

This study grasped a group of the high volatility of daily electricity demand in summer and winter and analyzed the determinants. Korea’s 19-year electricity demand data from 2000 to 2018 was used. The main results are as follows. First, the frequency of occurrence has increased four times in the second half(2010~2018) compared to the first half(2000~2009). Second, the calender effect has more proportion of significant determinants than the meteorological effect has. Third, the lasting effect was confirmed. This study analyzed the frequent occurrence of the group with the change in electricity consumption behavior and industry sectors. Particularly, policy implications were given such as efficiency improvement and real-time pricing while discussing the instability of power supply and demand in terms of demand.

참고문헌 (44)

  1. 김민기, "한국의 여름철과 겨울철 지속극한기온현상의 특성 및 변화에 관한 연구", 기후연구, 12(4), pp.305~320 (2017), 기후연구소[DOI]
  2. 일별·시간대별 전력 부하패턴 분석, "김철현", 에너지경제연구원, 1~73 (2013)
  3. 국내 전력소비 패턴의 구조적 변화 및 변화요인 분석, "김철현", 에너지경제연구원, ~ (2015)
  4. 2016년도 국민여가활동총조사, "문화체육관광부", ~ (2016)
  5. 박다인, "시간단위 전력사용량 시계열 패턴의 군집 및 분류분석", 한국데이터정보과학회지, 28(2), pp.395~406 (2017), 한국데이터정보과학회[DOI]
  6. 2017년도 에너지총조사 보고서, "산업통상자원부", ~ (2017)
  7. 신동현, "구조변화를 고려한 우리나라 전력소비의 변동성 증가에 관한 연구", 에너지경제연구, 13(2), pp.131~169 (2014), 재단법인 에너지경제연구원[DOI]
  8. 전력소비 변동성에 대한 기온의 연속ㆍ누적 효과 분석: 전력시장 안정화 및 온실가스 저감을 위한 시사점, "신동현", 에너지경제연구, 1~80 (2016)
  9. 국제 에너지세장 구조변화의 거시경제효과분석, "안성배", 대외경제정책연구원, 17~27 (2017)
  10. 에너지경제연구원, "에너지통계연보", ~ (2019)
  11. 수요 측 반응을 고려한 실시간 전력요금제 도입방안 연구, "이근대", 에너지경제연구원, 10~17 (2010)
  12. 최광용, "우리나라 사계절 극한기온현상의 시·공간적 변화", 대한지리학회지, 49(4), pp.489~508 (2014), 대한지리학회
  13. 황선웅, "소파동(Wavelet) 기법을 이용한 산업간 공행성 추이 분석", 경제분석, 19(1), pp.1~41 (2013), 한국은행
  14. Aghabozorgi, S., "Time-series clustering–A decade review", Information Systems, 53, pp.16~38 (2015)
  15. Allcott, H., "Rethinking real-time electricity pricing", Resource and energy economics, 33(4), pp.820~842 (2011)
  16. Amjady, N., "Short-term load forecasting of power systems by combination of wavelet transform and neuro-evolutionary algorithm", Energy, 34(1), pp.46~57 (2009)
  17. Changes in International Energy Market and Their Impact on the Korean Economy, "An, S.", KIEP, 17~27 (2017)
  18. Baltagi, B. H., "Econometrics" (2008), Springer
  19. Bagnall, A., "A bit level representation for time series data mining with shape based similarity", Data Mining and Knowledge Discovery, 13(1), pp.11~40 (2006)
  20. Berkhin, P., "Grouping multidimensional data", pp.25~71 (2006), Springer
  21. Bessec, M., "The non-linear link between electricity consumption and temperature in Europe : a threshold panel approach", Energy Economics, 30(5), pp.2705~2721 (2008)
  22. Chicco G., "Load pattern clustering for short-term load forecasting of anomalous days", Proc. IEEE Porto power Tech 2001 (2001)
  23. Chicco, G., "Overview and performance assessment of the clustering methods for electrical load pattern grouping", Energy, 42(1), pp.68~80 (2012)
  24. Easterling, D. R., "Climate extremes: observations, modeling, and impacts", science, 289(5487), pp.2068~2074 (2000)
  25. Faruqui, A., "Household response to dynamic pricing of electricity: a survey of 15 experiments", Journal of regulatory Economics, 38(2), pp.193~225 (2010)
  26. Hausman, J. A., "Specification tests for the multinomial logit model", Econometrica, 52(5), pp.1219~1240 (1981)
  27. Keogh, E., "On the need for time series data mining benchmarks : a survey and empirical demonstration", Data Mining and knowledge discovery, 7(4), pp.349~371 (2003)
  28. Liao, T. W., "Clustering of time series data—a survey", Pattern recognition, 38(11), pp.1857~1874 (2005)
  29. Liu, P., "Hybrid Features based K-means Clustering Algorithm for use in Electricity Customer Load Pattern Analysis", 2018 37th Chinese Control Conference, pp.8851~8857 (2018), IEEE
  30. MacQueen, J., "Some methods for classification and analysis of multivariate observations", Proceedings of the fifth Berkeley symposium on mathematical statistics and probability, 1(14), pp.281~297 (1967)
  31. Maulik, U., "Performance evaluation of some clustering algorithms and validity indices", IEEE Transactions on pattern analysis and machine intelligence, 24(12), pp.1650~1654 (2002)
  32. McFadden, D. L., "Econometric analysis of qualitative response models", Handbook of econometrics, 2, pp.1395~1457 (1984)
  33. McLoughlin, F., "A clustering approach to domestic electricity load profile characterisation using smart metering data", Applied energy, 141, pp.190~199 (2015)
  34. Montero, P., "TSclust : An R package for time series clustering", Journal of Statistical Software, 62(1), pp.1~43 (2014)
  35. Park, S., "Demand power forecasting with data mining method in smart grid", 2017 IEEE Innovative Smart Grid Technologies-Asia, pp.1~6 (2017), IEEE
  36. Ramanathan, R., "Short-run forecasts of electricity loads and peaks", International Journal of Forecasting, 13, pp.161~174 (1997)
  37. Rhodes, J. D., "Clustering analysis of residential electricity demand profiles", Applied Energy, 135, pp.461~471 (2014)
  38. Household formation and residential energy demand: Evidence from Japan, "Schröder, C.", Kiel, ~, pp.No. 1836 (2013)
  39. Shivakumar, A., "Valuing blackouts and lost leisure : Estimating electricity interruption costs for households across the European Union", Energy Research & Social Science, 34, pp.39~48 (2017)
  40. Vlachos, M., "A wavelet-based anytime algorithm for k-means clustering of time series", proc. workshop on clustering high dimensionality data and its applications (2003)
  41. Yildiz, Ö., "Financing renewable energy infrastructures via financial citizen participation–The case of Germany", Renewable Energy, 68, pp.677~685 (2014)
  42. Yoo, S. H., "Electricity consumption and economic growth: evidence from Korea", Energy policy, 33(12), pp.1627~1632 (2005)
  43. Zhang, K., "What weather variables are important in predicting heat-related mortality? A new application of statistical learning methods", Environmental research, 132, pp.350~359 (2014)
  44. Zhu, J., "Multi-stage active management of renewable-rich power distribution network to promote the renewable energy consumption and mitigate the system uncertainty", International Journal of Electrical Power & Energy Systems, 111, pp.436~446 (2019)

관련 논문AI추천

구조변화를 고려한 우리나라 전력소비의 변동성 증가에 관한 연구김동하, 신동현, 조하현재단법인 에너지경제연구원 · 에너지경제연구2014 · 제13권 제2호한국 일일 최대전력소비의 기상변수 민감도와 임계기온에 관한 실증연구신동현, 조하현한국경제통상학회 · 경제연구2014 · 제32권 제4호기온의 연속ㆍ누적효과가 일일 최대전력소비에 미치는 영향에 관한 연구신동현, 조하현한국응용경제학회 · 응용경제2014 · 제16권 제3호1시간 단위 고밀도 미시 패널자료를 활용한 기온이 주택용 전력 소비에 미친 영향 분석박창수, 한상미한국경제통상학회 · 경제연구2024 · 제42권 제2호고빈도 데이터를 활용한 주택용 전력 최대수요의 가격탄력성 추정김창식, 홍순동한국계량경제학회 · 계량경제학보2018 · 제29권 제1호Why Are Peak Loads Observed during Winter Months in Korea?김지영, 오형나, 최경미한국개발연구원 · KDI Journal of Economic Policy2019 · 제41권 제1호

이 간행물의 다른 논문 (3건)

영세 소매사업체의 시장 퇴출: 생산성과 종사자 구성을 중심으로강지수, 조장희pp. 5-37이민여성의 성역할태도와 자녀의 희망학력고원식pp. 39-65유배우 여성의 경제활동참여로 인한 가구지출 구성 변화 분석설귀환, 임병인pp. 67-94
원문 보기