전력 수요 예측 오차의 경제적 비용¶

작성일: 2026-04-15 목적: 피크 예측 정확도의 경제적 가치를 뒷받침하는 핵심 외부 출처 정리 관련: docs/reference/energy/peak_economic_analysis.md (프로젝트 내부 분석)

1. 핵심 수치 요약¶

출처	조건	핵심 수치
Hong (2015)	1GW 피크 유틸리티, MAPE 1%p 개선 (4%→3%)	장기 $500K, 단기 $300K, 단기+가격 $600K /년
RMI (2017)	미국 FERC 2005-2015 분석	연 1%p 과대예측 → 10년 누적 10%+ 오차, 수십억 달러 낭비
RMI (2017)	미국 전체 발전 용량	필요 예비율 대비 30% 과잉

2. 출처 A: Tao Hong — 예측 오차 1%의 경제적 가치¶

서지 정보¶

저자: Tao Hong (University of North Carolina at Charlotte)
제목: "Crystal Ball Lessons in Predictive Analytics"
출판: EnergyBiz Magazine, Spring 2015, pp. 35-37
원문: https://blog.drhongtao.com/2015/04/crystal-ball-lessons-in-predictive-analytics.html
인용: Wikipedia "Energy forecasting" [14]번 각주로 수록

핵심 내용¶

1GW 피크 부하 유틸리티에서 MAPE를 4%에서 3%로 1%p 개선했을 때의 연간 절감 추정:

예측 유형	연간 절감 추정	설명
장기 부하 예측 (Long-term)	$500,000	과잉 설비 투자 회피
단기 부하 예측 (Short-term)	$300,000	운영 최적화 (연료비, 예비력)
단기 부하+가격 예측	$600,000	시장 입찰 최적화 포함

방법론 특성¶

"Rule-of-thumb" (경험적 추정) 방식 — 정밀 시뮬레이션이 아닌 실무자용 추정
저자 본인이 "rough estimate"임을 명시
두 극단(막연한 직관 vs 학술적 정밀 시뮬레이션) 사이의 실용적 가이드 목적
유틸리티 경영진의 back-of-the-envelope 계산을 위한 수치

본 프로젝트에서의 활용 시 주의점¶

스케일 차이: 1GW 유틸리티 수준의 추정 → EC(50가구, ~150kW 피크) 수준으로 직접 선형 스케일링하면 과소 추정 위험
비용 구조 차이: 미국 유틸리티 vs KEPCO 산업용 요금 → 구조가 다름
MAPE vs PAPE: 이 수치는 전체 MAPE 기준 → 피크 특화 PAPE와 직접 비교 불가
인용 방식 권장: "According to Hong (2015), a 1% MAPE reduction saves ~$500K/yr for a 1GW utility" + 프로젝트 맥락에서의 차이를 명시

3. 출처 B: RMI — 수십억 달러의 과대예측 비용¶

서지 정보¶

저자: Mark Dyson, Alex Engel
기관: Rocky Mountain Institute (RMI)
제목: "The Billion-Dollar Costs of Forecasting Electricity Demand"
발행일: 2017-10-23
URL: https://rmi.org/billion-dollar-costs-forecasting-electricity-demand/

핵심 발견¶

3.1 체계적 과대예측¶

항목	수치
분석 기간	FERC 데이터 2005-2015 (2009-2010 경기침체 제외)
연간 과대예측 규모	평균 1%p/년
10년 누적 오차	10%+ 과대예측
미국 과잉 발전 용량	필요 예비율 대비 30% 초과
고객 부담	연간 수십억 달러 (불필요 발전소 건설비)

3.2 과대예측의 원인¶

미국 GDP 에너지 집약도가 1990년 대비 40% 감소 — 구조적 수요 감소를 예측에 미반영
전통적 선형 외삽 방식이 에너지 효율 향상, 분산 자원 성장을 과소 반영
보수적 계획 문화 (under-forecast보다 over-forecast를 선호)

3.3 대안 제시¶

분산에너지자원(DER) + 배터리 저장: 모듈형, 짧은 리드타임
남호주 사례: Tesla 100MW 배터리를 100일 내 설치 (2016)
남캘리포니아 사례: Aliso Canyon 가스 누출 후 DER/ESS 신속 배치

본 프로젝트에서의 활용¶

논문 Introduction: "전력 수요 예측 오차가 수십억 달러의 사회적 비용을 유발한다"는 동기 부여에 적합
직접 인용 가능: RMI는 비영리 연구기관으로 높은 신뢰도
주의: 이 기사는 장기 용량 계획(10년) 관점 — 본 프로젝트의 단기 피크 예측(24-48h) 과 스케일이 다름

4. 보충 출처¶

Wikipedia — Energy Forecasting¶

URL: https://en.wikipedia.org/wiki/Energy_forecasting
해당 섹션: "Benefits from reducing electric load and price forecast errors"
역할: Hong (2015) 수치를 정리한 2차 출처, 접근 용이

RMI — Get a Load of This (2025)¶

URL: https://rmi.org/insight/get-a-load-of-this/
내용: 전력 수요 예측 관행 현대화를 위한 규제기관 가이드
핵심: "load forecasts inform billions of dollars of infrastructure investments"
비고: 구체적 수치 없음, 정성적 보고서

Ortega-Vazquez & Kirschen — IEEE-RTS 시스템¶

수치: 3105MW 시스템에서 예측 오차 1% 증가 시 일 $590 손실
인용: 기존 peak_economic_analysis.md에 수록
원출처 확인 필요: 정확한 논문 서지 미확인 (MDPI Energies로만 기록)

5. 프로젝트 적용: 예측 오차의 직접 비용 공식¶

위 출처들을 종합하면, 예측 오차의 경제적 비용은 ESS 시뮬레이션 없이도 추정 가능:

5.1 KEPCO Demand Charge 직접 공식¶

ΔCost_demand = R_d × P_actual × PAPE / 100

  R_d     = KEPCO 기본요금 단가 (7,220 ~ 9,810 원/kW/월)
  P_actual = 월간 실제 최대수요전력 (kW)
  PAPE    = 피크 예측 오차 (%)

5.2 래칫 효과 반영¶

ΔCost_ratchet = R_d × ΔP_peak × N_months

  ΔP_peak  = 한 번의 피크 미스로 인한 최대수요전력 증가분 (kW)
  N_months = 래칫 영향 기간 (최대 12개월)

5.3 Hong (2015) 스케일링 (참고용)¶

1GW 유틸리티 기준 MAPE 1%p 개선 ≈ $500K/yr
→ EC 150kW 기준으로 단순 선형 스케일링:
  $500K × (0.15MW / 1000MW) = $75/yr ≈ 10만원/yr

※ 이 스케일링은 지나치게 단순 — 실제로는 KEPCO 요금 구조에 기반한
  직접 공식(5.1, 5.2)이 더 정확하고 논문에 적합

6. 기존 문서와의 관계¶

문서	역할	이 문서와의 관계
`peak_economic_analysis.md`	프로젝트 내부 데이터 + 외부 근거 종합	외부 출처 상세는 이 문서로 분리
`ess_adaption.md`	ESS 논문 비교	ESS 맥락의 예측 가치는 해당 문서 참조
`peak_definition.md`	PAPE/HR 정의	이 문서의 PAPE 공식은 해당 정의를 따름