발전량 예측이 곧 수익이다 — AI와 기상데이터가 여는 예측보정 시장
지난 회차에서는 육지로 확대되는 준중앙급전 제도와 임밸런스 패널티가 재생에너지 사업자에게 예측·이행 책임을 함께 지운다는 이야기를 살펴봤습니다. 그렇다면 사업자들은 이 예측 부담을 어떻게 줄이고 있을까요.
오늘은 발전량 예측제도의 정산 구조와, 예측 오차를 줄이기 위해 활용되는 기상데이터·AI 보정 기술을 살펴보겠습니다.
오차율 8%가 기준선 — 잘 맞히면 돈이 되는 구조
전력거래소는 2021년 10월부터 20MW 이상 태양광·풍력 발전사업자를 대상으로 재생에너지 발전량 예측제도를 시행하고 있습니다. 사업자가 하루 전 다음 날 발전량을 미리 예측해 제출하고, 실제 발전량과의 오차가 일정 범위 이내면 정산금을 지급받는 구조입니다. 정산 기준이 되는 예측오차율 8%는 전력거래소가 자체적으로 수행하는 중앙예측의 평균 오차율을 참고해 설정된 값이며, 이 기준을 충족하면 태양광·풍력 모두 kWh당 3~4원의 인센티브가 붙습니다. 준중앙급전과 임밸런스 패널티가 '얼마나 정확히 이행했는가'를 벌칙으로 다룬다면, 발전량 예측제도는 같은 문제를 인센티브로 다루는 제도라 할 수 있습니다(출처: 전력거래소, KDI 경제정보센터).
재생에너지 발전량 예측제도 핵심 수치
대상
20MW 이상 태양광·풍력
정산 기준 오차율
8% 이내
인센티브
3~4원/kWh
출처: 전력거래소, KDI 경제정보센터 재구성
기상데이터와 AI가 예측 오차를 줄인다
예측 정확도를 끌어올리는 핵심은 결국 날씨 변수를 얼마나 정교하게 다루느냐에 달려 있습니다. 최근에는 기상청 지상관측(ASOS) 자료와 전력거래소의 실제 태양광 발전 데이터를 함께 학습시킨 AI 기반 앙상블 예측모델이 연구되고 있으며, 전국 198개 지점의 시간별 데이터를 활용한 모델은 기존 태양광 예측시스템(KIFS) 대비 오차율을 최대 20% 개선한 결과를 보였습니다. 구름의 높이와 층별 비중까지 반영하면 일사량 변화에 따른 발전량 보정 정도를 한층 더 높일 수 있다는 연구 결과도 나오고 있습니다. 전력거래소 역시 '에너지기상'을 핵심 의제로 두고 기상학회와 함께 재생에너지 변동성·기상예측기술을 논의하는 등, 전력시장과 기상과학의 경계가 점점 좁아지는 모습입니다(출처: 전기신문, ETRI 발전량 예측모델 연구).
| 구분 | 기존 예측시스템(KIFS) | AI 앙상블 보정모델 |
| 활용 데이터 | 기상예보 중심 | 지상관측+실측 발전데이터 학습 |
| 예측 오차 개선 | 기준선 | 최대 20% 개선 |
출처: ETRI, 전기신문 재구성
마무리
패널티와 인센티브가 동시에 작동하면서, 재생에너지 사업의 경쟁력은 이제 '발전 설비'뿐 아니라 '예측 역량'에서도 갈리기 시작했습니다.
다음 회차에서는 개별 사업자가 감당하기 어려운 예측 리스크를 모아서 관리해주는 전력중개사업자의 역할과, 소규모 사업자들이 이를 어떻게 활용하고 있는지 살펴보겠습니다.
참고자료
· 전력거래소, 「재생에너지 발전량 예측제도」
· KDI 경제정보센터, 「재생에너지 발전량 예측제도 도입」
· 전기신문, 「전력거래소, '에너지기상' 핵심 의제 선도」