[논문]AMI 적용 아파트의 전기사용 패턴 기반 국내외 전기요금제 분석

구인석; 이성희; 손중찬; 이동희

doi:10.5762/kais.2020.21.12.52

AMI 적용 아파트의 전기사용 패턴 기반 국내외 전기요금제 분석
Analysis of Domestic and Foreign Electricity Rates based on Electricity Usage Patterns of AMI applied Apartments 원문보기

한국산학기술학회논문지 = Journal of the Korea Academia-Industrial cooperation Society, v.21 no.12, 2020년, pp.52 - 59

구인석 (한국폴리텍대학) , 이성희 ((주)비알프레임) , 손중찬 ((주)이쓰리엑스퍼트) , 이동희 (수원대학교)

초록
AI-Helper

현행 국내의 주택용 전기요금은 월 전력 사용량에 따라 누진 단계를 적용하여 부과하는 방식으로 전기사용량이 많을 경우 전기요금이 급격하게 상승하는 구조로 이루어져 있다. 이러한 획일화된 전기요금 누진제는 소비자의 전력소비 패턴에 대한 고려가 부족한 점과 소비자의 선택권을 제한하는 측면에서 한계가 있다. 이에 산업통상자원부와 한국전력공사에서 계절과 시간대별 전기사용량에 따라 전기요금을 부과하는 방식인 주택용 계시별 요금제 기반의 실증이 이루어지고 있다. 본 논문에서는 대도시 소재 아파트 단지 5개동 362세대의 5년간 AMI 데이터 분석을 통해 10개의 전기사용 패턴을 도출하였다. 도출된 패턴을 국내의 기존 요금제인 주택용 전기요금제 및 현재 실증에 적용하고 있는 계시별 요금제인 일반형과 집중형 요금제 등 3개 요금제와 미국과 호주의 계시별 요금제 3개에 적용하여 각 패턴 별 선택형 요금제의 효과를 전기요금 편익 측면에서 분석한 결과 기존 요금제 대비 5개 패턴에서는 편익이 발생하였고 5개 패턴에서는 오히려 전기요금이 증가하였으며 이러한 현상은 실증 중인 국내요금을 포함하여 해외 요금제에서도 동일한 현상을 보이고 있음을 확인하였다.

Abstract ▼ AI-Helper

Currently, the domestic electricity rates for houses are charged by applying a progressive level according to monthly electricity usage. Electricity rates rise sharply wWhen the amount of electricity used is large, electricity rates rise sharply. The standardized electricity rate progressive system has limitations in that it lacks consideration of the consumers' power usage patterns and limits consumers' their options. Accordingly, the Ministry of Trade, Industry and Energy and the Korea Electric Power Corporation have been demonstrating the basis of a rate system for housing, which is a method of charging electricity according to the amount of electricity used by season and time. In this paper, 10 electricity usage patterns were derived through from AMI data analysis for 5 five years of 362 apartment complexes located in metropolitan cities. The patterns were, and then applied to the existing domestic electricity rate and time-by-time rates applied to demonstrations, and by time-by-time rates in the US and Australia. The effect of the optional rate by pattern was compared and analyzed. As a result, it was confirmed that benefits occurred in five5 patterns compared to existing rate plans, and the electricity rates increased in 5 five patterns, and t. This phenomenon shows the same phenomenon withis the same as the overseas rates, including domestic rates being demonstrated.

주제어

표/그림 (15)

표 Table 1. Composition of apartment household
표 Table 2. Annual power usage by dong (kWh)
그림 Fig. 1. 24 hour relative coefficient of overall data
그림 Fig. 2. Procedure of k-Means algorithm to derive power usage pattern
그림 Fig. 3. Elbow method to determine the number of clusters
그림 Fig. 4. 24hour relative coefficient of each 10patterns [Y-axis: relative coefficient(average=1.0), X-axis: 24hours]]
표 Table 3. Power usage pattern by dong (number of households)
표 Table 4. Electricity rates for domestic houses(high voltage)
표 Table 5. Residential Time-Of-Use pricing - Normal Type
표 Table 6. Residential Time-Of-Use pricing – Concentrated Type
표 Table 7. Time-Of-Use pricing, PG&E, USA
표 Table 8. Time-Of-Use pricing, Ausgrid, Australia[8]
그림 Fig. 5. Comparison of domestic and international average rates by 10 electricity usage patterns
그림 Fig. 6. Comparison of domestic and international average rates for each apartment building in 'normal type'
표 Table 9. Energy consumption charge, Ausgrid, Australia[9]

AI 본문요약
AI-Helper

* AI 자동 식별 결과로 적합하지 않은 문장이 있을 수 있으니, 이용에 유의하시기 바랍니다.

문제 정의

24시간 전기사용 패턴은 몇 개의 패턴으로 나뉘는지, 각 패턴은 어떤 특성을 나타내는지 온전히 알려지지 않은 상태에서 데이터의 특성을 파악하기 위한 마이닝의 대표적인 방법이기도 하다. 이와 같이 군집 분석을 통해 상대적으로 보다 유사한 패턴들로 구성되는 몇 개의 부분집단으로 분할하고자 한다[3]. 군집 분석은 계층적 분석방법론과 비계층적 분석방법론으로 나눈다.

제안 방법

단, 각 요금은 국내 요금의 경우 각 요금 기준의 특성에 따라 일별 요금이 일정치 아니하고, 해외 요금의 경우 국내 환율을 적용하여 원화로 변경됨에 따라, 국내 요금 대비 차이가 크게 나타나므로, 국내외 요금을 대등하게 비교 가능하도록, 각 요금에 일정한 가중치를 적용하였다. 가중치는 해당 아파트의 일간 전력요금 18, 250건에 대한 국내주택용 전력(고압) 요금 평균치와 그 외 요금 평균치가 일치하도록 가중치를 적용하였다. 해당 아파트의 전력사용량 패턴을 적용한 국내외 요금제별 전기요금에 다음의 다양한 지표를 활용하여 비교 분석한 후, 유의미한 결과도출 시 유형별 요금 사례를 세부적으로 분석하여 요금별 차이 등에 대한 근거 및 요금제 특징 등을 도출하는 방향으로 추진하였다.
해외 요금제의 경우 각국의 요금 단위를 환율에 따라 국내 원화로 변경하였다. 그 후 국내외 요금제별 시간대별 요금에 ‘해당 아파트의 시간대별 상대계수’를 적용하였다. 즉, 해당 아파트의 전력 사용량을 국내외 요금제에 반영함으로써 각각의 요금제를 비교 가능하도록 데이터를 설정하였다.
즉, 해당 아파트의 전력 사용량을 국내외 요금제에 반영함으로써 각각의 요금제를 비교 가능하도록 데이터를 설정하였다. 단, 각 요금은 국내 요금의 경우 각 요금 기준의 특성에 따라 일별 요금이 일정치 아니하고, 해외 요금의 경우 국내 환율을 적용하여 원화로 변경됨에 따라, 국내 요금 대비 차이가 크게 나타나므로, 국내외 요금을 대등하게 비교 가능하도록, 각 요금에 일정한 가중치를 적용하였다. 가중치는 해당 아파트의 일간 전력요금 18, 250건에 대한 국내주택용 전력(고압) 요금 평균치와 그 외 요금 평균치가 일치하도록 가중치를 적용하였다.
따라서, 본 논문에서는 대도시 아파트 단지의 세대별 5년간 AMI 데이터를 이용하여 머신러닝의 비지도 학습에서 널리 사용되고 있는 군집분석방법론을 통해 전기사용패턴을 도출한 후 국내의 기존 전기요금제(실증에 적용된 계시별 요금제 포함) 및 미국과 호주의 계시별 요금제에 적용하여 각 패턴 별 선택형 요금제의 효과를 분석하였다.
본 연구에서 각 세대별 전기사용 패턴은 전기사용 행태를 기반으로 정의하였다. 이를 위해 세대 의 날짜별, 시간의 전기사용량 표준화값을 시간별 상대계수로 산출하여 패턴분석을 실시하였다.
기반으로 정의하였다. 이를 위해 세대 의 날짜별, 시간의 전기사용량 표준화값을 시간별 상대계수로 산출하여 패턴분석을 실시하였다.
그 후 국내외 요금제별 시간대별 요금에 ‘해당 아파트의 시간대별 상대계수’를 적용하였다. 즉, 해당 아파트의 전력 사용량을 국내외 요금제에 반영함으로써 각각의 요금제를 비교 가능하도록 데이터를 설정하였다. 단, 각 요금은 국내 요금의 경우 각 요금 기준의 특성에 따라 일별 요금이 일정치 아니하고, 해외 요금의 경우 국내 환율을 적용하여 원화로 변경됨에 따라, 국내 요금 대비 차이가 크게 나타나므로, 국내외 요금을 대등하게 비교 가능하도록, 각 요금에 일정한 가중치를 적용하였다.
가중치는 해당 아파트의 일간 전력요금 18, 250건에 대한 국내주택용 전력(고압) 요금 평균치와 그 외 요금 평균치가 일치하도록 가중치를 적용하였다. 해당 아파트의 전력사용량 패턴을 적용한 국내외 요금제별 전기요금에 다음의 다양한 지표를 활용하여 비교 분석한 후, 유의미한 결과도출 시 유형별 요금 사례를 세부적으로 분석하여 요금별 차이 등에 대한 근거 및 요금제 특징 등을 도출하는 방향으로 추진하였다.

대상 데이터

AMI를 통해 2015년부터 2019년까지 1시간 간격 전기사용량 데이터가 수집되었다. 5년간 시간별 전기사용량 데이터는 전체 15, 855, 600행(=362세대×5년×365 일×24시간)이다.
분석대상 아파트는 Table 1에서 보는 바와 같이 5개 동, 총 362세대로 구성되어 있다. 101동과 102동은 142.
연구에 적용할 요금제는 국내 요금제로 Table 4의 국내 주택용 전력(고압), Table 5 및 Table 6의 국내 주택용 계시별(일반형, 집중형)이며, 해외 요금제로는 Table 7의 미국 계시별 요금제(E-TOU A, E-TOU B), Table 8의 호주 배전망 요금제이다. Table 9는 호주 Australia 사의 에너지 소비 요금 적용 기간별 설명이다.

데이터처리

24시간 전기사용 패턴을 도출하기 위해 k-평균 알고리즘을 기반으로 하는 절차에 따라 패턴분석을 시행하였다.
적정 군집개수를 선정하기 위해 군집개수에 대한 분산분석 통계량 Pseudo-F 통계량을 산출한다. 식 1의  에 대하여 k개 군집에 대한 Pseudo-F 통계량은 다음 식에 의해 계산한다[4].

이론/모형

24시간 전기사용 패턴을 파악하기 위해 머신러닝의 비지도 학습에서 가장 널리 사용되고 있는 군집 분석방법론을 활용하였다. 24시간 전기사용 패턴은 몇 개의 패턴으로 나뉘는지, 각 패턴은 어떤 특성을 나타내는지 온전히 알려지지 않은 상태에서 데이터의 특성을 파악하기 위한 마이닝의 대표적인 방법이기도 하다.

성능/효과

10개 전기사용패턴별 국내외 요금제에 따른 전기요금을 비교 분석한 결과는 Fig. 5에서 보는 바와 같이, 전기사용 패턴 중 ‘일반적인 패턴’에서의 요금이 가장 저렴한 것으로 나타났으며, 뒤이어 ‘저녁소비 패턴-3’, ‘출퇴근패턴-1’ 요금 순으로 저렴하였다. 이들 유형에서는 미국의 계시별 요금제가 타 요금제 대비 편익이 우수한 요금으로 나타났다.
국내 주택용 전기요금 제도의 변화를 요구하는 연구와 실증이 지속적으로 이루어지고 있는 실정에서 본 연구는 대도시 아파트 단지의 AMI 데이터를 분석하여 10개의 전기사용 패턴을 도출하였으며, 부하 패턴이 1년간 변하지 않는다는 가정하에 기존 요금제와 비교하였을 때 5개의 패턴에서는 편익이 발생하였고 5개의 패턴에서는 오히려 기존요금제보다 비용이 증가하였다. 이는 대부분의 요금제가 정오 이후부터 21시까지 피크 요금을 적용하고 있기 때문이며 전기요금이 증가한 5개의 패턴은 정오, 오후 피크 패턴과 저녁소비 패턴 유형으로 구성되어 있다.
동별 세대당 연간 전기사용량 추이분석을 통해 볼 때 세대별 전기사용량은 세대면적에 따라 차이가 나타났다. 또한 세대 전기사용량은 전기사용기기와 전기사용행태에 따라 차이가 발생하였다.
이들 유형에서는 미국의 계시별 요금제가 타 요금제 대비 편익이 우수한 요금으로 나타났다. 반면, ‘저녁소비 패턴-2’, ‘정오피크 패턴’, ‘오후피크 패턴’ 순으로 요금이 높게 나타났고, 이들 고비용 유형에서는 ‘미국E-TOU A 요금’이 타 요금제 대비 가장 편익성이 저조한 요금인 것으로 나타났으며 대신 ‘호주의 배전망 요금’이 타 요금제 대비 저렴한 것으로 나타났다.
본 논문의 국내외 전기요금 적용 사례로 볼 때 하나의 아파트 단지의 전기사용 패턴은 동일하지 않기 때문에 단지별로 획일적인 요금제를 적용하는 것은 형평성에 문제가 발생할 수 있음을 보여준다. 따라서 선택형 요금제 적용을 검토할 경우 전기사용 패턴에 따라 세대에서 요금제를 선택할 수 있는 제도가 도입되어야 할 것이며, 향후 지역별, 거주 형태별(다세대, 단독주택 등) 전기사용패턴 분석을 통해 수용가에 패턴 정보를 공유한다면 세대는 이익이 되는 요금제 선택을 위해 전기사용 패턴 변경에 적극적일 것이며 이는 수요관리에 긍정적으로 작용할 것으로 기대된다.
세부적으로는 상기 데이터에서 가장 저렴한 부하 패턴인 ‘보통 유형’을 해당 아파트 5개 동별로 국내외 요금 추이를 분석한 결과, Fig. 6에서 보는 바와 같이 국내 주택용(고압) 요금과 미국 요금이 해당 아파트의 라인별 최대면적이 좁아질수록 감소하는 경향이 나타났다.

후속연구

발생할 수 있음을 보여준다. 따라서 선택형 요금제 적용을 검토할 경우 전기사용 패턴에 따라 세대에서 요금제를 선택할 수 있는 제도가 도입되어야 할 것이며, 향후 지역별, 거주 형태별(다세대, 단독주택 등) 전기사용패턴 분석을 통해 수용가에 패턴 정보를 공유한다면 세대는 이익이 되는 요금제 선택을 위해 전기사용 패턴 변경에 적극적일 것이며 이는 수요관리에 긍정적으로 작용할 것으로 기대된다.

참고문헌 (9)

H. S. Park, An Analysis of the Effects of Residential Electricity Pricing Reform, Master' thesis, Seoul University, Seoul, Korea, pp.10, 2019.
Ministry of Trade, Industry and Energy. Implementation of the Residential Electricity Time-of-Use Pricing Demonstration Project [Internet]. Ministry of Trade, Industry and Energy, c2019 [cited 2019 September 23], Available From: http://www.motie.go.kr/motie/ne/presse/press2/bbs/bbsView.do?bbs_seq_n162094&bbs_cd_n81¤tPage1&search_key_ntitle_v&cate_n1&dept_v&search_val_v (accessed May. 21, 2020)
H. J. Kim, S. H. Lee, S. H. Moom, "A Study on KEPCO's Power Sales Pattern in the Manufacturing Industry Using Growth Curve Analysis", Journal of the Korean Data Analysis Society, Vol.17, No.5B, pp.2433-2446, 2015. https://www.kci.go.kr/kciportal/ci/
T. Calinski, J. Harabasz, A Dendrite Method for Cluster Analysis, Communications in Statistics-Theory and Methods, 3, pp.1-27, 1974. DOI: https://doi.org/10.1080/03610927408827101

상세보기
H. S. Bae, S. W. Noh, "A study on k-means clustering, Communications for Statistical Applications and Methods", Journal of the Korean Data Analysis Society, Vol.12, No.2, pp.497-508, 2005. DOI: https://doi.org/10.5351/CKSS.2005.12.2.497

원문보기 상세보기
KEPCO. Electric Rates Tables [Internet]. KEPCO, c2019 [cited 2019 July 1], Available From: http://cyber.kepco.co.kr/ckepco/front/jsp/CY/E/E/CYEEHP00101.jsp (accesed July. 9, 2020)
PG&E. Residential Inclu TOU(Jun 1, 2020-Sep 30, 2020) [Internet]. PG&E, c2020 [cited 2020 September 30], Available From: https://www.pge.com/tariffs/electric.shtml (accessed August. 24, 2020)
Ausgrid, Attachment 10.01, Tariff Structure Statement, Ausgrid, Austrailia, pp.29. https://www.ausgrid.com.au/Industry/Regulation/
Ausgrid, Attachment 10.01, Tariff Structure Statement, Ausgrid, Austrailia, pp.17. https://www.ausgrid.com.au/Industry/Regulation/

표제어: PCR

동의어: Packet Collision Rate

용어 설명 출처 목록 (6)

용어 설명: PCR은 세균 특이성이 있는 primer를 이용하여 적은 수의 세균이 있을지라도 쉽게 검출할 수 있는 유용한 방법이며, 이를 이용하여 구강 내 치면세균막이나 타액에서 직접 세균을 검출할 수 있게 되었다[8].

내보내기 구분	파일저장 인쇄 메일전송
구성항목	기본정보 상세정보 관리번호, 논문명, 저널/프로시딩명, 저자 , 발행년, 권, 호, 시작페이지, 끝페이지, 발행기관 관리번호, 논문명, 대등논문명, 저자 , 저널/프로시딩명, 발행기관, 발행년, 발행언어, 권, 호, 시작페이지, 끝페이지, ISBN, ISSN, 주제분야, 키워드, 초록(한글), 초록(영문), 저자(소속기관)
저장형식	Text(ASCII format) Excel format RefWorks Direct Export RIS format (for Reference Manager, ProCite, EndNote), Scholar's Aids, Mendeley
메일정보	받는사람 (필수) @ 보내는사람 (선택) @ 제목 내용 KISTI 검색결과 이메일 서비스
안내	총 건의 자료가 검색되었습니다. 다운받으실 자료의 인덱스를 입력하세요. (1-10,000) 검색결과의 순서대로 최대 10,000건 까지 다운로드가 가능합니다. 데이타가 많을 경우 속도가 느려질 수 있습니다.(최대 2~3분 소요) 다운로드 파일은 UTF-8 형태로 저장됩니다. 파일의 내용이 제대로 보이지 않을실 때는 웹브라우저 상단의 보기 -> 인코딩 -> 자동선택 여부를 확인하십시오. ~ Text(ASCII format) Excel format

연합인증