초록

용어보기논문에서 용어와 풀이말을 자동 추출한 결과로, 시범 서비스 중입니다. AI-Helper

지구온난화 문제의 대표적 원인 물질인 이산화탄소의 배출을 억제 하기 위해 사용할 수 있는 수단 중 하나가 탄소세이다. 탄소세가 부과되면 에너지 집약 산업인 철강 산업에 커다란 영향이 있을 것이 분명하다. 따라서 본 연구는 탄소세 부과로 인한 파급 효과를 시스템 다이내믹스(System Dynamics) 방법에 의한 시뮬레이션 모델을 이용하여 분석하고자 한다. 탄소세 부과 금액, 부과 방법, 신기술 도입을 고려한 시나리오를 설정하여 이에 따른 결과를 분석한다. 또한 에너지 가격 상승률이 다양한 폭으로 변화하였을 때 철강 산업에 미치는 영향에 대해서도 분석한다.

지구온난화 문제의 대표적 원인 물질인 이산화탄소의 배출을 억제 하기 위해 사용할 수 있는 수단 중 하나가 탄소세이다. 탄소세가 부과되면 에너지 집약 산업인 철강 산업에 커다란 영향이 있을 것이 분명하다. 따라서 본 연구는 탄소세 부과로 인한 파급 효과를 시스템 다이내믹스(System Dynamics) 방법에 의한 시뮬레이션 모델을 이용하여 분석하고자 한다. 탄소세 부과 금액, 부과 방법, 신기술 도입을 고려한 시나리오를 설정하여 이에 따른 결과를 분석한다. 또한 에너지 가격 상승률이 다양한 폭으로 변화하였을 때 철강 산업에 미치는 영향에 대해서도 분석한다.

AI 본문요약

엑셀 다운로드 AI-Helper

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

• 연구 주제
• 연구 방법
• 연구 결과

문제 정의

• 본 연구에서 가장 주안점을 두는 것은 탄소세의 부과에 따른 이산화탄소 배출량의 저감효과를 분석하는 것이다. 우선, BAU 시나리오에서 탄소세부과에 따른 효과를 분석하고, TECH 시나리오 상에서 탄소세 부과 효과를 확인하였다.
• 본 연구에서는 모델 추정기간에 대하여 모델의 안정성 및 예측력, 즉 로바스트니스(robustness)를 평가하기 위하여 의태분석(Back-casting)을 수행하였다. 시뮬레이션 결과가 실제 데이터를 비교함으로써, 모델의 예측력을 검정하기 위해 MAPEs(Mean Absolute Percentage Errors)와 같은 기 준들이 모델의 채택여부를 결정하는데 사용된다.

가설 설정

• 본 연구의 시뮬레이션 기간은 1995년부터 2030 년까지로 가정하였고, 1995년부터 2000년까지는 모델의 예측력을 검증하기 위해 의태분석 (Backcasting)을 수행하기 위해 사용하였다. 검증을 위한 실제 데이터는 현 시점인 2003년까지를 수집하여 분석하여야 하지만, 데이터 수집의 어려움으로 2000년까지를 과거 데이터로 사용하였다.
• 다음과 같다. 생산설비의 용량은 수요를 만족하기에 충분하다고 가정하였으며, 제품별 생산시간은 모든 제품에 동일한 것으로 처리하였다. 또한, 재고는 고려되지 않았다.
• TECH 시나리오 설정하였다. 철강 산업에서 2005년말까지 기술 개발을 완료할 예정이므로, 2007 년부터 부분적인 도입이 시작되고, 매년 10%의 대체가 이루어져서 2016년 이후에 기존 고로 공정을 완전히 대체하는 것으로 가정하였다.
• 하였다. 파이넥스 공정의 경우, 현재 도입단계에 있기 때문에 본 연구에서는 2007년부터 매년 10% 포인트씩 기존 선철공정을 대체하여 2016년에는 기존 제선 공정을 완전히 대체하는 것으로 가정하였다. 이 가정은 시뮬레이션 결과를 분석할 때, TECH 시나리오에 적용하였다.
• 이는 탄소세 부과방식에서 가장 기본적인 방법이다. 하지만, 본 연구에서는 실제 탄소세 부과방식이 여러 형태를 가질 수 있을 것으로 가정하였다. 그래서, 탄소세 부과방식을 4가지 형태로 구분하여 실험한 결과는 그림 16과 17에 나타나 있다.

제안 방법

• 우선, BAU 시나리오에서 탄소세부과에 따른 효과를 분석하고, TECH 시나리오 상에서 탄소세 부과 효과를 확인하였다. 그리고, 탄소세 부과에 따른 두 시나리오의 비교 분석을 수행하였다.
• 설정하였다. 기존의 다른 연구보고서에는 에너지 소비세나 탄소세 등을 제시하였지만, 본 연구에서는 BAU 시나리오와 TECH시나리오에 대하여 탄소세 부과 금액과 부과 방식을 다양하게 조합하여 다양한 실험을 수행하였다. 각 시나리오에 대한 기본적인 내용은 다음과 같다.
• 하지만, 이들에 영향을 미치는 요인에는 탄소세뿐만 아니라, 에너지 가격도 큰 비중을 차지한다. 따라서, 에너지 가격 변화율에 따른 철강 수요와 이산화탄소 배출량 변화의 민감도 분석을 수행하였다. 에너지 가격 증가율의 변화폭을 0%부터 +16%까지로 가정하고, 200번의 시뮬레이션을 수행한 결과는 Figure20]에 나타난 바와 같다.
• 실시하였다. 또한, 탄소세 부과방식에 따른 시나리오를 구성하였다. 책정된 탄소세에 대해 일정한 유예기간이 있다는 가정하에서, 유예기간 초기에 한번 부과하는 방식과 유예기간 말기에 한번 부과하는 방식, 그리고 기간 내에 균등하게 증액하여 부과하는 방식을 고려하였다.
• 미래에 이산화탄소 배출에 따른 탄소세 비용이 부과될 경우를 가정하여 BAU 시나리오와 TECH 시나리오에 저감잠재력을 평가하기 위한 시나리오로써, 탄소세 비용은 3만원/TC에서 15만 원/TC까지 다양한 수준과 단계별로 민감도분석을 실시하였다. 또한, 탄소세 부과방식에 따른 시나리오를 구성하였다.
• 민감도 분석은 3만원부터(TECH-3만원 -6), 6만원(TECH-6만원-6), 9만원(TECH-9만원-6), 12만원(TECH-12만원-6), 15만원(TECH-15만원-6) 까지 3만원 간격으로 수행하였으며, 그 결과는 그림 18과 19와 같다.
• 부과방식은 탄소세가 6만원/TC으로 책정되어 있고 탄소세 부과 유예기간을 2009년에서 2014년까지라고 할 때, 2009년 6만원을 한번에 부과하는 방식(TECH-6만원), 2009년부터 2년 간격으로 2만원씩 균등하게 누적하여 부과하는 방식(TECH-6만원-3), 2009년부터 1년 간격으로 1만원씩 균등하게 누적하여 부과하는 방식(TECH-6만원-6), 2014년에 6만원을 한번에 부과하는 빙-식(TECH-6만원-LATE) 등으로 구분하였다.
• 각 변수들에 대해 의태 분석을 수행한 결과, 모두 MAPE가 3%안에 들어가는 것으로 나타나 모델의 예측력이 있는 것으로 나타났다. 분석을 위해 크게 3가지의 시나리오(BAU 시나리오, TECH 시나리오, 탄소세 부과 시나리오)를 설정하였으며, 특히 TECH 시나리오의 경우, 현재 철강 산업에서 도입 중인 신기술 공정을 고려하였다. 탄소세 부과 시나리오의 경우, 탄소세 부과 금액에 대한 민감도 분석뿐만 아니라, 탄소세 부과 방식(한번 부과, 분할 증액 부과) 등을 고려하여 다양한 상황을 분석하였다.
• 분석을 위해 크게 3가지의 시나리오(BAU 시나리오, TECH 시나리오, 탄소세 부과 시나리오)를 설정하였으며, 특히 TECH 시나리오의 경우, 현재 철강 산업에서 도입 중인 파이넥스 공정을 고려하였다. 탄소세 부과 시나리오의 경우, 탄소세 부과 금액에 대한 민감도 분석뿐만 아니라, 탄소세 부과 방식(한번 부과, 분할 증액 부과) 등을 고려하여 다양한 상황을 분석하였다.
• 철강 수요는 수요 증가율과 생산비용 증감을 고려하여 결정하였으며, 생산비용 변화율은 현재 생산비용과 이전 년도 생산비용의 변화량으로 나타내었다. 생산비용은 원료구입비용과 에너지 구입비용, 그리고 탄소세에 의해 결정되며, 원료구입비용은 다양한 원료들을 고려할 수 있지만, 본 연구에서는 고철, 원료 탄, 철광석만 고려하여 결정하였다. 한편, 에너지 구입비용은 연료탄, LNG, 중유, 전력 사용량에 의해 결정되며, 에너지가격 상승률을 함께 고려하였다.
• 설정하였다. 생산비용은 원료구입비용과 에너지 구입비용, 탄소세로 구성하였다. 원료구입비용은 철광석, 원료탄, 고철 구입비용으로 국한하였으며, 에너지 구입비용은 연료탄, LNG, 전력, 중유를 고려하였다.
• 시나리오에서 언급한 바와 같이, 탄소세가 TC당 3만 원에서 15만원까지 3만원 간격으로 부과됨에 따른 민감도 분석(Sensitive Analysis)을 수행하였다. 2025 년을 기준으로 볼 때, 철강 수요는 BAU대비 3만원 /TC는 4.
• 시뮬레이션 모델은 총 6개의 모듈(철강 수요모듈, 이산화탄소 배출량 모듈, 원료탄 및 철광석 처리 모듈, 제선 공정 모듈, 최종 제품 모듈, 전력 및 고철 모듈)로 구성하였으며, 모델의 검증을 위해 의태 분석을 수행하였다. 각 변수들에 대해 의태 분석을 수행한 결과, 모두 MAPE가 3%안에 들어가는 것으로 나타나 모델의 예측력이 있는 것으로 나타났다.
• 신기술 도입에 따른 기존 철강 공정이 대체된다는 가정하에서 그 효과를 보기 위해 도입한 시나리오로써, 기존 연구에 여러 형태의 기술 대안들이 이용 가능 한 것으로 정의되어 있지만, 현재 철강 산업에서 가장 큰 이슈가 되고 있는 파이넥스 공정의 도입을 TECH 시나리오 설정하였다. 철강 산업에서 2005년말까지 기술 개발을 완료할 예정이므로, 2007 년부터 부분적인 도입이 시작되고, 매년 10%의 대체가 이루어져서 2016년 이후에 기존 고로 공정을 완전히 대체하는 것으로 가정하였다.
• 앞서, 탄소세 부과에 따른 민감도 분석을 BAU 시나리오와 TECH시나리오에 대하여 실시하였다. 그러나, 탄소세 부과가 두 시나리오에 미치는 영향을 보기 위해서는, 각 시나리오 별로 동일한 금액의 탄소세 부과에 따라 철강수요와 이산화탄소 배출량을 분석해 볼 필요가 있다.
• 앞선 결과에서 탄소세 부과방식 가운데, 한 번에 책정된 금액을 부과하는 것보다 여러 번에 나누어서 증액하는 방법이 효과적이라는 것이 나타났으므로, 본 실험에서는 6년 동안 균등 증액 부과방식하에서 탄소세 부과 금액에 따른 민감도 분석을 수행하였다. 민감도 분석은 3만원부터(TECH-3만원 -6), 6만원(TECH-6만원-6), 9만원(TECH-9만원-6), 12만원(TECH-12만원-6), 15만원(TECH-15만원-6) 까지 3만원 간격으로 수행하였으며, 그 결과는 그림 18과 19와 같다.
• 것이다. 우선, BAU 시나리오에서 탄소세부과에 따른 효과를 분석하고, TECH 시나리오 상에서 탄소세 부과 효과를 확인하였다. 그리고, 탄소세 부과에 따른 두 시나리오의 비교 분석을 수행하였다.
• 생산비용은 원료구입비용과 에너지 구입비용, 탄소세로 구성하였다. 원료구입비용은 철광석, 원료탄, 고철 구입비용으로 국한하였으며, 에너지 구입비용은 연료탄, LNG, 전력, 중유를 고려하였다. 실험을 위한 입력 데이터는 다음의 표 2와 3과 같다.
• 파이넥스 공정의 경우, 현재 도입단계에 있기 때문에 본 연구에서는 2007년부터 매년 10% 포인트씩 기존 선철공정을 대체하여 2016년에는 기존 제선 공정을 완전히 대체하는 것으로 가정하였다. 이 가정은 시뮬레이션 결과를 분석할 때, TECH 시나리오에 적용하였다.
• 이 분석을 BAU 시나리오와 TECH 시나리오에 각각 적용할 수 있으나, 이미 철강 산업에서는 올해부터 파이넥스 공정이라는 신기술 도입 중에 있으므로, TECH 시나리오에 대해서만 분석하였다
• 본연구에서는 SD 툴로 잘 알려진 Vensim을 이용하여 환경 규제를 고려한 철강 산업의 원료.제품 흐름을 모델링하고 이를 분석하였다. 아래의 [그림 1]은 본 연구에서 평가한 모델의 범위를 도식화한 것이다.
• 의미한다. 즉, 시간이 지남에 따라 철강 수요와 이산화탄소 배출량의 변동은 과거 데이터의 추세에 맞추어 증감되도록 처리하였으며, 제품별 원료 사용량은 구성 비 에 비 례 한다.
• 또한, 탄소세 부과방식에 따른 시나리오를 구성하였다. 책정된 탄소세에 대해 일정한 유예기간이 있다는 가정하에서, 유예기간 초기에 한번 부과하는 방식과 유예기간 말기에 한번 부과하는 방식, 그리고 기간 내에 균등하게 증액하여 부과하는 방식을 고려하였다.
• 분석을 위해 크게 3가지의 시나리오(BAU 시나리오, TECH 시나리오, 탄소세 부과 시나리오)를 설정하였으며, 특히 TECH 시나리오의 경우, 현재 철강 산업에서 도입 중인 신기술 공정을 고려하였다. 탄소세 부과 시나리오의 경우, 탄소세 부과 금액에 대한 민감도 분석뿐만 아니라, 탄소세 부과 방식(한번 부과, 분할 증액 부과) 등을 고려하여 다양한 상황을 분석하였다.
• 한편, 에너지 구입비용은 연료탄, LNG, 중유, 전력 사용량에 의해 결정되며, 에너지가격 상승률을 함께 고려하였다. 탄소세는 각 공정별 배출되는 이산화탄소 배출량에 단위당 탄소세의 곱으로 계산하였다.

대상 데이터

• 수행하기 위해 사용하였다. 검증을 위한 실제 데이터는 현 시점인 2003년까지를 수집하여 분석하여야 하지만, 데이터 수집의 어려움으로 2000년까지를 과거 데이터로 사용하였다. 따라서, 예측을 위한 시뮬레이션의 기준 년도는 2001년으로 하였다.
• 즉, 시스템 행동을 세밀하게 분석하는 것보다는 총괄적으로 어떻게 영위되는가를 분석하는 전체적, 최적지향이라 할 수 있으므로, 문제와 그 해결방안을 모색하는데 이상적이라고 판단된다. 본연구에서는 SD 툴로 잘 알려진 Vensim을 이용하여 환경 규제를 고려한 철강 산업의 원료.제품 흐름을 모델링하고 이를 분석하였다.
• 최종 제품 수요는 [그림 6]과 같이 총 6가지, 주물, 선재, 후판, 열연, 냉연 및 전기강판이다. 철강 수요를 이루고 있는 각 제품들의 구성비는 2000년을 기준으로 2030년까지 고정된 값으로 간주하였다.

이론/모형

• 본 연구는 기후변화협약이 철강 산업에 미치는 파급효과를 분석하기 위해 SD 방법론을 이용하였다. 시스템 다이나믹스는 철강 산업와 같이 복잡한 공정에 의해 원료를 수급하고 제품을 생산하며, 환경변화에 민감한 에너지 집약 산업을 분석하는데 효율적 인 도구라고 할 수 있다.
• 본 연구에서는 SD 모델링 기법이 사용되었다. SD는 제시된 문제에 대하여 그와 직접 또는 간접적으로 관련된 변수들로 구성된 시스템을 정의하고, 변수들간의 관계를 정량적으로 분석하여 모델화한 후, 시뮬레이션을 통하여 시스템의 동적 특성을 밝혀내 문제를 해결하는 시뮬레이션 방법론 중의 하나이다.
• 시뮬레이션 결과가 실제 데이터를 비교함으로써, 모델의 예측력을 검정하기 위해 MAPEs(Mean Absolute Percentage Errors)와 같은 기 준들이 모델의 채택여부를 결정하는데 사용된다. MAPE 추청치는 일반적으로 다음과 같이 계산된다.
• 이에 본 연구에서는 철강 산업의 파급효과를 분석하기 위해서, 시스템 다이나믹스(SD) 방법론을 이용하였다. SD는 철강 산업과 같이 복잡한 공정에 의해 원료를 수급하고 제품을 생산하며, 환경변화에 민감한 에너지 집약 산업을 분석하는데 효율적인 도구라고 할 수 있다.

성능/효과

• 시나리오에서 언급한 바와 같이, 탄소세가 TC당 3만 원에서 15만원까지 3만원 간격으로 부과됨에 따른 민감도 분석(Sensitive Analysis)을 수행하였다. 2025 년을 기준으로 볼 때, 철강 수요는 BAU대비 3만원 /TC는 4.1%, 6만원/TC는 10.7%, 9만원/TC는 19.4%, 12만원/TC는 29.6%, 15만원/TC는 40, 9%의 감소효과가 나타났다.
• 같다. TECH 시나리오 대비 철강 수요 감소 폭은 TECH-6만원-6이 4.2%로 가장 적고, TECH -6만원-3, TECH -6만원 -LATE, TECH-6만원 순으로 작은 값을 보였다. 이는 탄소세를 균등하게 누적하여 부과하는 방식이 한번에 책정된 금액을 부과하는 방식보다 철강 수요 감소폭이 작게 나타남을 알 수 있다.
• 합계를 보여주고 있다. TECH 시나리오에서 2007년부터 신기술이 도입됨에 따라 이산화탄소 배출 저감효과가 발생하는 것을 확인할 수 있다. 기술 도입의 효과는 2007년에 BAU 대비 1%(BAU: 19.
• 수행하였다. 각 변수들에 대해 의태 분석을 수행한 결과, 모두 MAPE가 3%안에 들어가는 것으로 나타나 모델의 예측력이 있는 것으로 나타났다. 분석을 위해 크게 3가지의 시나리오(BAU 시나리오, TECH 시나리오, 탄소세 부과 시나리오)를 설정하였으며, 특히 TECH 시나리오의 경우, 현재 철강 산업에서 도입 중인 신기술 공정을 고려하였다.
• 셋째, 탄소세 부과방식에 따른 민감도 분석 결과 한 번에 부과하는 방식보다 점차 증액하여 부과하는 방식이 탄소세에 의한 철강수요 감소폭이 적은 것으로 나타났다. 끝으로, 에너지 가격 변화율(0%-16%)에 대한 민감도 분석 결과, 2030년 기준으로 철강 수요가 최대 6000만톤(0%의 변화율 적용)에서 최소 1500만톤(16%의 변화율 적용)으로 나타났다. 이는 에너지 가격 변화가 철강 수요에 미치는 영향이 적지 않음을 의미한다.
• 첫째, 신기술 도입 의 효과는 2030년 BAU 시나리오 대비 이산화탄소 배출량이 8%의 저감효과가 있는 것으로 나타났다. 둘째, BAU와 TECH 시나리오에 각각 탄소세를 6만원/TC 부과했을 경우, 철강수요가 탄소세를 부과하지 않은 경우에 비해 각각 2025년 기준으로 10.7%, 10.1%의 감소가 있을 것으로 예상된다. 그런데, 이를 BAU 시나리오와 TECH에 탄소세 6만 원/TC를 부과한 경우를 비교해보면 7.
• 2%의 향상된 효과를 타냈다. 따라서, 톤당 탄소 세액이 커짐에 따라 신기술 도입 효과가 미미하나마 점차 커지는 것으로 나타났다.
• 이는 탄소세를 균등하게 누적하여 부과하는 방식이 한번에 책정된 금액을 부과하는 방식보다 철강 수요 감소폭이 작게 나타남을 알 수 있다. 또한, 한번에 책정된 금액을 반드시 부과해야 할 경우라면, 그 시기를 최대한 늦추는 것이 철강 수요 감소를 줄일 수 있는 것으로 나타났다.
• 7%보다 3% 포인트 낮은 값으로 그만큼 신기술도입이 탄소세 부과에 좋은 대안으로 판단된다. 셋째, 탄소세 부과방식에 따른 민감도 분석 결과 한 번에 부과하는 방식보다 점차 증액하여 부과하는 방식이 탄소세에 의한 철강수요 감소폭이 적은 것으로 나타났다. 끝으로, 에너지 가격 변화율(0%-16%)에 대한 민감도 분석 결과, 2030년 기준으로 철강 수요가 최대 6000만톤(0%의 변화율 적용)에서 최소 1500만톤(16%의 변화율 적용)으로 나타났다.
• 이는 에너지 가격 변화가 철강 수요에 큰 영향을 미치는 것을 의미한다. 이산화탄소 배출량도 에너지 가격 증가율에 따라 최대 3700만TC에서 최소 800만TC의 값으로 크게 변화하는 것으로 나타났다.
• 철강 수요의 경우, 철강제품 생산비용과 수요증가율이 결정요인이며, 수요 증가율은 과거 데이터의 추세를 분석한 결과, 매년 5%의 증가하는 것으로 설정하였다. 생산비용은 원료구입비용과 에너지 구입비용, 탄소세로 구성하였다.
• 철강수요의 경우, 기준 TECH 시나리오(탄소세가 전혀 부과되지 않은 상황에서 기술만 도입) 대비감소 효과가 3만원/TC의 경우 3.8%에서 부과되는 가격이 점차 증가하여, 15만원/TC가 부과될 경우, 39.2%의 감소효과가 있는 것으로 나타났다.
• 실험을 수행한 결과는 다음과 같다. 첫째, 신기술 도입 의 효과는 2030년 BAU 시나리오 대비 이산화탄소 배출량이 8%의 저감효과가 있는 것으로 나타났다. 둘째, BAU와 TECH 시나리오에 각각 탄소세를 6만원/TC 부과했을 경우, 철강수요가 탄소세를 부과하지 않은 경우에 비해 각각 2025년 기준으로 10.
• 표 6와 같이, 톤당 부과되는 탄소세가 6만원일 때(BAU-6만원, TECH-6만원)와 12만원 일 경우 (BAU-12만원, TECH-12만원)를 비교해 보면, 탄소세 6만원/TC 부과일 경우는 TECH가 BAU 대비 3%의 개선된 효과를 보였으나, 12만원/TC 부과일 경우는 3.2%의 향상된 효과를 타냈다. 따라서, 톤당 탄소 세액이 커짐에 따라 신기술 도입 효과가 미미하나마 점차 커지는 것으로 나타났다.

후속연구

• 따라서, 본 연구의 수행결과는 향후 기후변화 협약이 철강 산업에 미치는 파급효과를 분석하는데 기여할 수 있을 것으로 기대된다.
• 2025년을 기준으로 볼 때, BAU 시나리오에 탄소세를 부과한 경우가 TECH 시나리오에 탄소세를 부과한 경우보다 철강수요 및 이산화탄소 배출량의 감소 폭이 큰 것으로 나타났다. 따라서, 신기술 도입이 탄소세 부과 정책에 대응방안으로 모색될 수 있을 것으로 기대된다.

본문요약 정보가 도움이 되었나요? 예 아니오 제출

이 논문을 인용한 문헌

더보기