태양광 산업 활성화를 위한 15개국 태양광 보급 결정요인 분석
Analysis of Determinants of Solar Photovoltaic Installation in 15 countries for Solar Industry Activation
0
조회
0
다운로드
0
인용
0
참고문헌
키워드
초록
재생에너지 보급량은 2008년 세계경제위기 이후 추진된 그린뉴딜을 시작으로 급격히 성장하고 있으며 그 결과 태양광 설치용량 증가와 발전단가 하락의 폭이 매우 크다. 태양광 보급량이 점차 증가하면서 얻게 되는 경험적 학습효과(learning by doing)와 규모의 경제 실현으로 태양광 균등화발전단가(LCOE, 이하 “발전단가”)는 하락하고, 발전단가의 하락이 연도별 신규 보급량의 증가에 기여하며, 보급량이 점차 누적됨에 따라 발전단가가 낮아지는 선순환 구조가 수립되고 있다. 이러한 선순환 구조에 대한 실증분석은 태양광 산업을 활성화하기 위한 일환으로서 중요하나, 기존 연구들은 이를 고려하지 못하고 있다. 본 연구에서는 발전단가를 설치용량에 직접적으로 영향을 미치는 설명변수로 설정하고, 발전단가와 설치량이 양방향 관계임을 고려하여 둘 모두가 피설명변수인 모형을 수립하여 분석하였다. 모형을 연립방정식으로 수립하고 3단계 최소자승법(3SLS)으로 추정함으로써 내생성 문제를 해결하고, 불편추정량일 뿐만 아니라 일치추정량을 얻었다. 분석 결과, 발전단가의 감소가 태양광 설치량 증가에 기여하고 태양광설치용량의 증가가 발전단가 하락에 영향을 미치는 것을 실증적으로 밝혔다. 국가별 특성을 나타내는 요인 중 천연가스와 재생에너지 발전 비중이 높을수록 태양광 신규 설비증설에 소극적인 반면, 인당 소득이 낮을수록 태양광 신규설비 증설에 적극적인 것으로 나타났다.
Abstract
Since the Green New Deal following the 2008 global economic crisis, renewable energy deployment has rapidly grown, significantly increasing solar PV installation capacity and reducing generation costs. As solar PV deployment increases, the learning by doing effect and economies of scale have led to a decrease in the levelized cost of electricity (LCOE), further boosting new installations. This virtuous cycle is crucial for promoting the solar industry but has been overlooked in existing studies. This study considers the bidirectional relationship between LCOE and installation capacity, using both as dependent variables in a simultaneous equations model. By employing three-stage least squares (3SLS) estimation, we address endogeneity and obtain unbiased and consistent estimates. Our analysis reveals that decreasing LCOE contributes to increased solar PV installations, while increasing installations further reduce LCOE. National characteristics show that countries with higher shares of natural gas and renewable energy are less proactive in new solar PV installations, whereas lower per capita income correlates with higher new solar PV deployments.
참고문헌 (17)
- 김태은, "신재생에너지 성장의 영향요인 연구 : FIT와 RPS의 효과성 검증을 중심으로", 한국행정학보, 45(3), pp.305~333 (2011)
- 김은성, "동적 패널 모형을 이용한 재생에너지 정책의 OECD 국가 재생에너지 보급 효과 분석", 자원·환경경제연구, 25(2), pp.229~253 (2016)
- 김영덕, "신재생발전량 확대에 대한 실증분석", Journal of The Korean Data Analysis Society, 25(1), pp.221~233 (2023)
- 손민희, "패널분석을 이용한 지역별 태양광발전량 보급요인 분석", 한국자원공학회지, 54(2), pp.149~159 (2017)
- 그리드 패리티의 결정요인에 관한 국가별 비교 연구, "신동현", 에너지경제연구원, ~, pp.KEEI 수시 연구보고서, 17-13 (2018)
- 임형우, "RPS 및 FIT 제도가 신재생에너지 보급에 미치는 효과 분석 : 104개국 패널토빗분석", 에너지경제연구, 16(2), pp.1~31 (2017)
- 국제 신재생에너지 정책변화 및 시장분석, "장연재", 에너지경제연구원, ~, pp.KEEI 기본연구보고서, 2022-26 (2022)
- Aguirre, M., "Determinants of renewable energy growth : A global sample analysis", Energy Policy, 69, pp.374~384 (2014)
- Briguglio, M., "When households go solar : Determinants of uptake of a Photovoltaic Scheme and policy insights", Energy Policy, 108, pp.154~162 (2017)
- Beck, N., "What to do(and not to do)with time-series cross-section data", American Political Science Review, 89(3), pp.634~647 (1995)
- EIA(Energy Information Administration, USA), "International Energy Statistics", ~ (2022)
- Greene, W., "Fixed Effects of Vector Decomposition : A Magical Solution to the Problem of Time-Invariant Variables in Fixed Effects Models?", Political Analysis, 19(2), pp.135~146 (2011)
- IRENA(International Renewable Energy Agency), "Renewable Energy Statistics 2022~2023", ~ (2022)
- IRENA(International Renewable Energy Agency), "Power Generation Costs in 2021, 2022", ~ (2022)
- IEA(International Energy Agency), "World Energy Statistics", ~ (2023)
- Renewables Global Status Report (2006~2022), "REN21", ~ (2006)
- USDA(U. S. Department of Agriculture, Economic Research Service), "Macroeconomic Data Set, GDP table and Population table", ~ (2023)