TEMEP Wiki

Ex-ante Evaluation of Economic Costs from Power Grid Blackout in South Korea

Chang Seob Kim, Manseok Jo, 구윤모 (2014) · journal-of-electrical-engineering-and-technology 9(3):796-804 · DOI ↗

한국 전국 단위 total blackout (단일 grid + 타 grid 와 분리된 한국 전력망 특성) 의 경제적 비용을 산업·가계 부문 분리 추정. 산업: direct-costing-approach (Average Interruption Cost Function, AICF) 의 log-log 회귀 추정 ln⁡AICF=c+ρln⁡T+ε\ln \text{AICF} = c + \rho \ln T + \varepsilon (Kim 등 2010 의 1,889 산업 firm 설문 데이터 활용, ρ\rho=0.372 / cc=2.574, R²=0.871, both 1% 유의), 가계: 조건부 가치 평가법 + 이중 양분 선택 + spike-model (Kristrom 1997) MLE, 1,000 명 (15 지역, 8 초기 가격 5K-40K KRW). 3 일 total blackout 총비용 39.23조 KRW = 산업 35.83조 (91.3%) + 가계 3.40조 (8.7%). GDP 의 3.1%. AICF: 1 분 60 백만 KRW/MW → 1 일 897 → 3 일 1,349 백만 KRW/MW. 가계 1 인당 월 WTP 3,394 KRW (1,795 만 가구 × 5 년 NPV 2.5% 할인 = 3.40조). 응답자 53.1% 가 WTP=0 (spike value Model A 52.64% / B 52.53%). 가계 비중 8.7% 가 Reichl 등 (2013) Austria 48 시간 9.05% 와 유사. 구윤모 의 1 기 (2010-2017) EV/V2G 소비자 분석 시기의 에너지 안보 sub-thread.

  • RQ: 한국 전국 단위 total blackout (1-3 일) 의 총 경제적 손실은 얼마이며, 산업/가계 부문별로 어떻게 분해되는가? 한국 가계의 정전 위험 회피 WTP 는?
  • 방법론: 산업 — direct-costing-approach (AICF), Kim 등 (2010) 의 1,889 firm 설문 데이터에 log-log AICF 회귀: ln⁡AICF=c+ρln⁡T+ε\ln \text{AICF} = c + \rho \ln T + \varepsilon (Eq. 3), simple OLS. 가계 — 조건부 가치 평가법 + 이중 양분 선택 (Cameron-Quiggin 1992, Cameron-James 1987) + spike-model (Kristrom 1997, zero-WTP 직접 모델링) MLE, logistic distribution.
  • 데이터: 산업 — Kim 등 (2010, KIEE) 의 1,889 산업 firm 설문 (Choi 2007 의 18 산업 sub-sector + 확장), AICF (백만 KRW/MW) = {1초: 5, 3초: 50, 1분: 97, 20분: 138, 1시간: 213, 2시간: 307, 4시간: 493, 8시간: 708}. 2010 산업 power load 26.56 GW (KEPCO 232,672 GWh). 가계 — 1,000 명 설문 (15 지역 제주 제외, 남 509/여 491, 8 초기 가격 5K-40K KRW), 가구 인구 1,795 만. KEPCO Korea Power Exchange 한국 전력 자료.
  • 주요 발견: (i) AICF 회귀: ρ\rho = 0.372 (t=6.36, 1%), cc = 2.574 (t=6.15, 1%), R² = 0.871. (ii) Forecasted AIC (백만 KRW/MW): 1 일 = 897, 3 일 = 1,349. (iii) 3 일 산업 outage cost = 35.83조 KRW = 1,349 × 26,560 MW. GDP (2010 1,173조) 의 3.1%. (iv) 가계 CVM: Model A — aa = −0.106, b0b_0 = 0.00019, Mean WTP = (1/b)ln⁡[1+exp⁡(a)](1/b)\ln[1+\exp(a)] = 3,394 KRW/월/가구. Spike (WTP=0 비율) = [1+exp⁡(a)]−1[1+\exp(a)]^{-1} = 52.64% (실측 53.1% 와 일치). (v) Model B 공변량: 남성 + 고소득이 더 높은 WTP, 교육 효과 미미. (vi) 5 년 NPV (2.5% Bank of Korea 표준 이자율) × 1,795 만 가구 = 3.40조 KRW. 총비용 39.23조 KRW, 가계 비중 8.7% (Austria 9.05% 와 유사). (vii) 53.1% 응답자가 WTP=0 — 한국 가계의 정전 위험 인식 매우 낮음.
  • 시사점: (a) 한국 power 안정성 신뢰가 예방 투자 의지 부족 으로 surface — 정책 설계 시 risk awareness 향상 가 우선, 단순 요금 인상으로는 과잉 소비 억제 한계. (b) Total blackout 시나리오의 3.1% GDP 손실 의 사전 평가로 power reserve margin 정책 정당화. (c) 산업 부문이 손실의 91.3% — 산업 우선 backup + 부문별 우선순위 설계. (d) Austria 9.05% 와의 유사성 → 가계 비중 국제적 보편 패턴.

한국 power reserve margin 의 연간 추이 — 2009 이후 10% 미만 일수 급증, 4 GW 미만 일수 증가 → 단일 power plant 사고 시 total blackout 가능성 증가 (한빛 원전 1 reactor 1 GW vs 최저 reserve 4.19 GW).

요약

구윤모 의 1 기 (2010-2017) EV/V2G 소비자 분석 시기의 에너지 안보 / 리스크 평가 sub-thread 의 대표 작업. 2011 년 한국 9·15 정전 사태 이후 정책 수요가 높았던 블랙아웃 경제적 비용 사전 평가 를 — 짧은 outage 가 아닌 3 일 total blackout 극단 시나리오 로 — 시도. 한국 power grid 가 단일 grid + 타국 grid 와 분리 라는 독특한 취약성 (2011 reserve 4.19 GW vs 한빛 원전 1 reactor 1 GW capacity) 이 배경.

방법론 핵심은 부문별 추정 도구 분리. 산업: direct-costing-approach — Kim 등 (2010, KIEE) 의 1,889 firm 전국 설문 데이터에 log-log AICF 회귀 (ln⁡AICF=c+ρln⁡T\ln \text{AICF} = c + \rho \ln T). ρ\rho = 0.372 (1% 유의), cc = 2.574 (1%), R² = 0.871. Diminishing marginal cost 가정 (LaCommare-Eto 2004 의 logarithmic nature, Quaia-Tosato 2003 의 initial damage 후 marginal 감소). 가계: 조건부 가치 평가법 + 이중 양분 선택 (Cameron-Quiggin 1992, Loomis 1990 의 single bounded 대비 bias 적음) + spike-model (Kristrom 1997, zero-WTP 직접 incorporation). Logistic distribution G(A)=[1+exp⁡(a−bA)]−1G(A) = [1+\exp(a-bA)]^{-1} 가정, MLE 추정.

핵심 결과: AICF 의 forecasted 값 — 1 일 897 백만 KRW/MW, 3 일 1,349. 2010 산업 power load 26.56 GW × AICF → 1 일 23.82조 KRW, 3 일 35.83조 KRW (GDP 1,173조의 3.1%). 가계: Model A 의 mean WTP = (1/b)ln⁡[1+exp⁡(a)](1/b)\ln[1+\exp(a)] = 3,394 KRW/월/가구. 가구 1,795 만 × 5 년 NPV (2.5% Bank of Korea 표준 이자율, 가구당) = 3.40조 KRW. 총비용 39.23조 KRW = 산업 35.83 (91.3%) + 가계 3.40 (8.7%). 가계 비중 8.7% 가 Reichl 등 (2013, Energy Economics) Austria 48 시간 outage 9.05% 와 유사 — 국제적 보편 패턴. 가장 흥미로운 발견: 응답자 53.1% 가 정전 방지 WTP = 0 (Spike model 52.64% / 52.53% 일치). 한국의 낮은 전기요금 + 높은 공급 안정성 신뢰 의 누적 효과 — 정전 위험 인식 부족. Model B 의 공변량: 남성 + 고소득이 더 높은 WTP (b_Income_M = −0.0000548, b_Income_H = −0.0000614, 모두 5% 유의), 교육 효과 미미. caveat: 산업 AICF 의 small sample (n=8 duration points) 회귀, CVM 의 hypothetical bias, 사회적 cost (의료·교통·국방) 미반영, gross 손실로 recovery time 후 회복 효과 미반영.

정책 함의: (a) 한국 power 안정성 신뢰가 예방 투자 의지 부족 으로 surface — risk awareness 향상 이 단순 요금 인상보다 우선. (b) Total blackout 의 3.1% GDP 손실 → power reserve margin 정책 정당화. (c) 산업 우선 backup + 부문별 우선순위 설계. (d) 미국 2003 Northeast blackout (4−10B),인도2012(4-10B), 인도 2012 (87M), 이탈리아 2003 등 국제 사례와 비교 가능 framework.

핵심 결과

항목값
AICF 회귀 (산업): ρ0.372* (t=6.36)
AICF 회귀: c2.574*** (t=6.15)
R²0.871
1 일 AIC897 백만 KRW/MW
3 일 AIC1,349 백만 KRW/MW
산업 power load (2010)26.56 GW
3 일 산업 손실35.83 조 KRW
GDP (2010) 대비3.1%
가계 CVM: Model A a−0.106*
Model A b₀0.00019**
가구당 월 평균 WTP3,394 KRW
Spike (WTP=0 비율)52.64% (실측 53.1%)
가구 수 × 5 년 NPV (2.5%)3.40 조 KRW
총비용 (산업+가계)39.23 조 KRW
가계 비중8.7% (Austria 9.05% 유사)

2010 한국 가구 1,795 만, GDP 1,173 조 KRW, 1 USD = 1,100 KRW (2013). 정전 대형 사례: 미국 2003 Northeast 4−10B/5천만명,인도20124-10B / 5천만 명, 인도 2012 87M / 6.2 억 명 (세계 인구 9%), 이탈리아 2003.

방법론 노트

산업 AICF — log-log 회귀, diminishing marginal cost 가정:

ln⁡AICF=c+ρln⁡T+ε\ln \text{AICF} = c + \rho \ln T + \varepsilon

TT = interruption duration (초), ρ\rho = duration elasticity (0.372), Outage cost = AICF × 산업 power load. 가계 조건부 가치 평가법 + 이중 양분 선택 log-likelihood (Cameron-Quiggin 1992):

log⁡L=∑kIkYYln⁡[1−G(Ak)]+IkYNln⁡[G(Aku)−G(Ak)]+IkNYln⁡[G(Ak)−G(Akd)]+IkNNln⁡[G(Akd)]\log L = \sum_k I_k^{YY}\ln[1-G(A_k)] + I_k^{YN}\ln[G(A_k^u) - G(A_k)] + I_k^{NY}\ln[G(A_k) - G(A_k^d)] + I_k^{NN}\ln[G(A_k^d)]

spike-model (Kristrom 1997) 의 zero-WTP 직접 포함:

log⁡Lspike=⋯+IkNNYln⁡[G(Akd)−G(0)]+IkNNNln⁡[G(0)]\log L_{\text{spike}} = \cdots + I_k^{NNY}\ln[G(A_k^d) - G(0)] + I_k^{NNN}\ln[G(0)]

Logistic distribution G(A)=[1+exp⁡(a−bA)]−1G(A) = [1+\exp(a-bA)]^{-1}, mean WTP = (1/b)ln⁡[1+exp⁡(a)](1/b)\ln[1+\exp(a)], spike = [1+exp⁡(a)]−1[1+\exp(a)]^{-1}. 공변량 b=b0+bGenderSGender+bEduSEdu+bIncSIncb = b_0 + b_{\text{Gender}} S_{\text{Gender}} + b_{\text{Edu}} S_{\text{Edu}} + b_{\text{Inc}} S_{\text{Inc}}. Identification: random sampling, hypothetical bias 균일 가정, 가계 손실 = direct use + option value.

연구 계보

구윤모 의 1 기 (2010-2017) EV/V2G 소비자 분석 시기의 에너지 안보 / 리스크 평가 sub-thread. Direct method predecessor: Sanghvi (1982, blackout cost methodology), Reichl 등 (2013, Energy Economics, Austria 가계·기업·공공 outage cost — 본 paper 의 가장 직접 비교 대상), Tollefson 등 (1994, Canadian utility customer 설문), Cameron-Quiggin (1992, DBDC), Cameron-James (1987, closed-ended CV estimation), Kristrom (1997, spike model), Loomis (1990, dichotomous reliability), KDI (2008, pre-feasibility 가이드). 한국 데이터 source: Kim 등 (2010, KIEE), Choi (2007), KEPCO. 정책 context: 2011 한국 9·15 정전 (1 백만 가구 정전), 미국 2003 Northeast, 인도 2012, 이탈리아 2003. Sibling: 구윤모 의 1 기 다른 CVM 작업, hyojung-choi-2018-cvm-arboretum, kyungjin-kim-2020-renewable-local-acceptance 등.

See also

인접 그래프

1-hop 이웃 9개
  • 인물 3
  • 방법론 2
  • 수록처 1
  • 논문 3
휠 = 확대/축소 · 드래그 = 이동 · hover = 강조 · 클릭 = 페이지 이동