Current Issue

서울시는 에너지 전환의 일환으로 2012년 ｢원전하나줄이기｣ 종합대책과 2014년 2단계 사업인 ｢에너지살림도시, 서울｣대책을 발표하면서 전력과 관련된 목표를 제시한 바 있다. 1단계 대책에서는 2014년까지 전력자립률을 8% 달성하고, 전력 수요 감축은 3,339 GWh만큼 하겠다고 발표하였다(서울특별시, 2012). 2단계 대책에서는 2020년까지 전력자립률 20%를 달성하고, 전력 수요 감축은 9,553 GWh만큼 하겠다고 발표했다(서울특별시, 2014). 이후 서울시는 1단계 사업의 성과¹⁾ 중 하나로 2012~2013년 사이 서울시 전력 소비가 1.4% 감소했다고 발표했는데, 이는 같은 기간 타 지자체의 전력 소비가 모두 증가한 것(전국 평균 1.76% 증가)과 대비되는 것이다(서울특별시, 2014).

한편, 에너지원이 전기로 대체되거나 전기설비 이용이 늘어나는 현상인 전력화(electrification)는 재생가능에너지, 에너지 효율과 함께 에너지전환의 핵심 기반 중 하나로 여겨지고 있다(IRENA, 2019). 이는 전력화 심화를 통해 에너지 공급과 수요가 모두 전기로 단일화된다면 환경적으로 바람직해질 수 있기 때문이다. 물론 이때의 전제는 재생가능에너지 등 청정에너지를 통해 발전을 해야 한다는 것이다. 전력화의 정도를 나타내는 지표로서 전력화율²⁾을 사용하는데, 우리나라의 경우 전력화율이 1981년 7.8%에서 2017년 18.7%로 연평균증가율(Compound Annual Growth Rate; CAGR) 2.5%로 빠르게 증가했고(산업통상자원부･에너지경제연구원, 2018), 서울시의 전력화율은 2002년 20.0%에서 2017년 26.6%로 증가해 CAGR이 1.9%였다.

그런데 에너지 전환의 핵심 동력 중 하나인 전력화가 심화되면 전력 소비가 증가할 수밖에 없는데, 이는 전력 수요 관리와 상충되는 측면이 있다. 재생가능에너지를 기반으로 한 전력화를 통해 전력 수요가 증가하는 것은 바람직하지만, 전력 수요 자체는 관리를 통해 지속적으로 줄여갈 필요가 있기 때문이다. 특히 서울시는 단기간에 대규모 발전 설비 구축이나 재생가능에너지를 통한 발전량 증대가 용이하지 않기 때문에 수요관리를 통한 전력 소비 절감 제고가 중요하다. 이처럼 전력소비량 변화는 전력화 정도를 비롯해 1인당 에너지소비량 변화, GDP, 인구 등 다양한 요인으로부터 영향을 받는다. 전력 사용을 억제하면서 동시에 재생가능에너지를 동반하는 전력화를 촉진하기 위해서는 전력소비량 변화에 영향을 미치는 다양한 요인을 파악하고 이러한 요인들이 전력 소비에 미치는 영향을 면밀히 분석하는 것이 중요하다.

이런 맥락에서 이 논문은 전력 소비 특성 연구에서 많이 활용되고 있는 LMDI(Log Mean Divisia Index; 로그 평균 디비지아 지수) 방식을 활용하여 그동안의 서울시 전력소비량 변화 특성을 분석하고 정책적 시사점을 도출하였다. 이 논문은 다음과 같이 구성된다. II장에서는 선행연구들을 검토하였고, Ⅲ장에서는 서울 및 주요 지자체 전력 소비 현황들을 살펴보았다. Ⅳ장에서는 LMDI 방법론 소개 및 이 연구에서 구성한 항등식을 설명하고, 분석기간과 자료를 제시하였다. Ⅴ장에서는 분석 결과를 제시하였고, 이를 바탕으로 Ⅵ장에서 결론을 정리하였다.

이 연구에서는 서울시의 전력 소비 현황을 다른 지자체 현황과 비교해 살펴보고, LMDI를 활용해 서울시 전력소비량 변화를 세부 요인들로 분해 분석하였다. 이때 5개 부문, 즉 가정, 산업, 상업, 수송, 공공･기타 부문으로 구분하여 고려하는 요인을 달리하였다. 가정 부문의 경우, 전력화율 효과, 1인당 에너지소비량 효과, 인구 효과로 구분하였고, 산업, 상업, 수송, 공공･기타 부문의 경우, 전력화율 효과, 에너지집약도 효과, 1인당 GRDP 효과, 인구 효과로 구분하였다.

2002~2017년 기간 서울시 부문별 전력소비량 추이를 살펴보면 <그림 1>과 같다. 그림에서처럼 전체 전력소비량은 2012년까지 서서히 증가했다가 이후 약간 하락하여 정체되었다. 부문별 비중을 살펴보면, 2017년 기준 가정･상업 부문이 83.2%를 차지해서 가장 비중이 컸고, 그 다음 공공･기타(9.3%), 산업(4.2%), 수송(3.2%)였다.

<그림 1> 
서울 부문별 전력소비량 추이 (2002~2017)

자료: 지역에너지통계연보(2003~2018)를 바탕으로 작성

다음 <표 1>은 2002~2017년 기간 서울을 비롯해 우리나라 주요 지자체별 인구당 전력소비량 추이를 나타낸 것이다. 표에서 보듯이, 우리나라 인구당 전력소비량 평균은 2002년 496.4 TOE/천명에서 2017년 843.2 TOE/천명으로 증가하였으며, 이 기간 CAGR은 3.6%였다. 서울의 경우, 인구당 전력소비량은 2002년 293.8 TOE/천명에서 2017년 403.8 TOE/천명으로 증가하였고, 그 수준은 전국에서 가장 낮았다. 이 기간 CAGR도 전국에서 인천에 이어 두 번째로 낮은 2.1%였다. 이를 통해 서울은 인구당 전력소비량이 전국에서 가장 낮은 수준이며 서서히 증가하고 있음을 확인할 수 있다.

다음 <표 2>는 2002~2017년 동안 서울을 비롯해 우리나라 주요 지자체별 GRDP당 전력소비량 추이를 나타낸 것이다. 표에서 보듯이, 우리나라 GRDP당 전력소비량 평균은 2002년 23.5 TOE/십억원에서 2017년 24.8 TOE/천명으로 증가하였으며, 이 기간 CAGR은 0.4%였다. 서울의 경우, GRDP당 전력소비량은 2002년 11.5 TOE/십억원에서 2017년 10.2 TOE/십억원으로 감소하였고, 그 수준은 전국에서 가장 낮았다. 이 기간 CAGR도 전국에서 가장 낮은 –0.8%였다. 이를 통해 서울은 GRDP당 전력소비량이 전국에서 가장 낮은 수준으로 제일 큰 폭으로 감소하고 있음을 확인할 수 있다.

다음 <표 3>은 2002~2017년 동안 서울을 비롯해 우리나라 주요 지자체별 전력화율 추이를 나타낸 것이다. 표에서 보듯이, 우리나라 평균 전력화율은 2002년 14.9%에서 2017년 18.7%로 증가하였으며, 이 기간 CAGR은 1.5%였다. 서울의 경우, 전력화율이 2002년 20.0%에서 2017년 26.6%로 증가하여 전국 평균보다 더 높은 수준이었으며, CAGR 또한 전국 평균보다 더 높은 1.9%였다. 2017년 기준으로 보면, 서울의 전력화율은 경기(33.7%), 경남(32.1%), 전북(30.8%) 등 9개 지자체에 이어 10위였으며, CAGR 기준으로 보면 부산(3.2%), 충북(2.8%), 강원(2.8%) 등 8개 지자체에 이어 9위였다.

2002~2017년 기간 서울시의 부문별 전력화율 추세를 살펴보면 <그림 2>와 같다. 상업 부문과 가정 부문의 전력화율은 꾸준히 증가한 반면, 공공･기타 부문과 산업 부문의 전력화율은 감소했고, 수송 부문은 큰 변화가 없었다.

<그림 2> 
서울 부문별 전력화율 추이 (2002~2017)

주. 2017년 기준 전체 전력 소비에서 부문별 비중은 상업 55.1%, 가정 28.1%, 공공･기타 36.3%, 산업 10.4%였음

자료: 지역에너지통계연보(2003~2018)를 바탕으로 작성

지수분해분석(Index Decomposition Analysis; IDA)은 지수 이론(Index Theory)을 근거해 경제시스템의 변화를 여러 개의 지수로 단순화하여 파악하는 방법론이다(김진수･허은녕, 2005; 진상현･정경화, 2013). 이 방법은 먼저 몇 개의 요인으로 구성된 중심 함수를 정의하고 이것을 다양한 방식으로 분해한 다음, 각 요인들이 중심 함수에 미치는 영향을 분석하는 방법이다(Ang, 2004). 지수분해분석은 적은 양의 자료만으로도 분석이 가능하고, 기준 연도와 비교 연도의 자료만 있으면 분석이 가능하기에 비교적 자유롭고, 비교 시점 간의 변화량이나 변화 비율 모두 분석이 가능하다는 장점이 있다(김진수･허은녕, 2005). 아울러 필요한 만큼 요인을 추가함으로써 분석 범위를 확장할 수 있다는 장점도 있다. 이로 인해 지수분해분석은 그동안 에너지 이용이나 CO₂ 배출에 관한 요인분해분석 연구에서 많이 활용되었다(이재형, 2018; Mairet and Decellas, 2009; Ma, 2014; Rogan et al., 2012).

지수분해분석은 크게 두 가지 계열로 구분할 수 있는데, 특정 연도(기준 연도 혹은 비교 연도)를 기준으로 가중치를 설정하여 요인 변화로 인한 영향을 측정하는 라스파이레스(Laspeyres) 지수 계열과 기준 연도와 비교 연도의 평균을 이용하는 방식인 디비지아(Divisia) 지수 계열이 있다(Ang, 2004). 이 중에서 디비지아 지수 계열 방식은 특정 연도 수치에 가중치를 둘 때 생길 수 있는 왜곡을 방지할 수 있는 장점이 있다. 디비지아 계열은 단순 평균을 이용하는 단순 로그 디비지아 방식(Simple Log Mean Divisia Index)과 로그 평균을 이용하는 로그 평균 디비지아 방식(Log Mean Divisia Index)으로 구분할 수 있다(에너지경제연구원, 2007).

이 연구에서는 로그 평균 디비지아 방식의 지수분해분석 방법을 활용해 서울시 전력소비량 변화를 요인 분해하였다. 대상은 가정, 산업, 상업, 수송, 공공･기타 부문으로 하였다. 가정 부문의 경우, 전력소비량 변화를 전력화율(electrification) 효과, 1인당 에너지소비량 효과, 인구 효과로 구분하였다. 산업, 상업, 수송,³⁾ 공공･기타 부문의 경우, 전력소비량 변화를 전력화율 효과, 에너지집약도 효과, 1인당 GRDP 효과, 인구 효과로 구분하였다.

이와 관련해 수식으로 표현하면 다음과 같다. 가정, 산업, 상업, 수송, 공공･기타 부문으로 구성된 서울 전력소비량 El은 다음 식 (1)과 같이 표현할 수 있고, 이는 다시 식 (2)와 같이 부문별 항등식으로 표현할 수 있다.

여기서 각 변수들의 의미는 다음 <표 4>와 같다.

i=1인 경우, 전력소비량 El을 시간의 함수라고 가정하고 시간에 대해 미분하면 다음 (3), (4)와 같고, 이를 다시 시간 0→T까지 적분하면 다음 식 (5)와 같다. 그리고 양변에 EliT-Eli0ln⁡EliT∕Eli0를 곱하면 식 (6)과 같다.

EliT-Eli0ln⁡EliT∕Eli0×lnXTX0 형태를 X_eff라고 표현한다면 식 (6)은 다음 식 (7)처럼 표현할 수 있는데, 다시 말하면 0~T 기간 동안의 전력소비량 변화량(El_i)은 전력화율 효과, 1인당 에너지소비량 효과, 인구 효과로 구분할 수 있는 것이다.

마찬가지로 산업, 상업, 수송, 공공･기타 부문 (i=2, 3, 4, 5)에 대해서도 시간에 대해 미분을 하면 다음 식 (8), (9)와 같이 나타낼 수 있고, 이를 다시 시간 0→T까지 적분하면 식 (10)과 같다. 그리고 양변에 EliT-Eli0ln⁡EliT∕Eli0를 곱하면 식 (11)과 같다.

식 (11)은 마찬가지로 식 (12)처럼 표현할 수 있고, 0~T 기간 동안의 전력소비량 변화량(El_i)은 전력화율 효과, 에너지집약도 효과, 1인당 GRDP 효과, 인구 효과로 구분할 수 있다.

이 연구는 서울시 가정, 산업, 상업, 수송, 공공･기타 5개 부문을 대상으로 하였으며, 분석 기간은 2002∼2007, 2007∼2012, 2012∼2017년 3개 구간으로 구분하였다. 부문별 최종에너지 소비량과 부문별 전력소비량은 2003년, 2008년, 2013년, 2018년 지역에너지통계연보를 활용하였다. 지역에너지통계연보 자료의 경우, 가정과 상업 데이터가 통합되어 제시되어 있는데, 두 부문의 특성이 상이하여 구분하여 분석할 필요가 있다. 이에 본 연구에서는 산업자원부(2006), 지식경제부(2009, 2012), 산업통상자원부(2015), 산업통상자원부(2018)를 바탕으로 전국 가정과 상업 부문 원별 최종에너지 소비량 수치 비율을 도출하였고, 이를 활용하여 서울시 가정과 상업 부문 에너지소비량 데이터를 구분하여 추정하였다. GRDP의 경우, KOSIS(Korean Statistical information Service) 국가통계포털에 있는 서울 지역내총생산 자료를 활용하되, 2015년 기준년 가격 수치를 사용하였다. 서울 인구 자료의 경우, 내국인과 외국인이 모두 포함된 자료를 활용하였는데, 이는 외국인도 전력 소비를 하고 GRDP에도 기여하기 때문이다. 내국인 현황 자료는 KOSIS 국가통계포털에 있는 서울 주민등록인구 자료, 외국인 현황 자료는 서울 열린데이터광장 포털의 서울시 등록외국인 현황 자료를 활용하였다.