Public Preferences and Increasing Acceptance of Time-Varying Electricity Pricing for Demand-Side Management in South Korea

Kibum Kim, jihye-choi, jihee-lee, 이종수, Junghun Kim (2023) · Energy Economics 119:106558 · DOI ↗

한국 KEPCO 가 2021 년 9 월 제주 시범 도입 후 1% 미만 의 극저조한 전환율을 기록한 residential TOU (time-of-use) 요금제 의 공중 선호 구조를 discrete-choice-experiment + 혼합 로짓 로 분석. 1,050 명 (17 개 시·도, 2021-11) 조사에서 6 attribute (피크 시간/계절, tier 수, 계약 기간, 추가 인센티브, 할인액) 의 불확실성 회피 패턴 확인. 소비자가 가장 선호하는 피크 시간대는 10am–1pm (전력 소비 변동성이 가장 작은 시간), 겨울만 피크 적용 은 강하게 회피 (계수 -0.346***), 2-tier 단순 요금제 가 3-tier 보다 +0.566*** 선호. 시뮬레이션: 현재 KEPCO 안 선택 확률 51.1% → 2-tier + 10 년 계약 + 인센티브 추가 시 91.3% → 모든 attribute 최적화 시 94.2%. 정책 함의: 불확실성 완화 (실시간 metering 정보) + 고효율 가전 보조금·탄소포인트 가 단순 할인보다 효과적.

RQ: 한국 residential TOU 요금제 도입 후 극저조한 전환율 (<1%) 의 원인은? 어떤 요금제 attribute (피크 시간/계절, tier 수, 계약 기간, 인센티브, 할인) 가 switching 수용도 를 가장 끌어올리는가?
방법론: discrete-choice-experiment (24 orthogonal alternatives / 8 choice sets / 3 alternatives per set), 혼합 로짓 (정규·로그정규 random coefficients), MWTD (marginal willingness to discount), relative importance, 시나리오 시뮬레이션 (binary choice between 누진제 vs TOU)
데이터: Gallup Korea 2021-11-10~19 설문 N=1,050 (20-59 세, 17 개 시·도). 9 번째 rationality check choice set 으로 비합리·부주의 응답자 제외. KEPCO 의 현재 TOU 요금 (5pm-8pm 피크, 여름·겨울, 3-tier, 1 년 계약) 을 baseline 으로 비교
주요 발견: (i) 피크 시간대 (10am-1pm 기준) 다른 시간대는 모두 비선호 — 7am-10am -0.303***, 1pm-4pm -0.216***, 5pm-8pm -0.281***. (ii) 피크 계절 (전 계절 기준) 겨울만 -0.346*** (강한 회피, 전기 난방 부담), 여름·여름+겨울은 비유의. (iii) Tier 수 (3 기준) 2-tier +0.566*** (단순함 선호), 4-tier +0.295*** — U-shaped 선호. (iv) 계약 기간 양 (+0.204**) — 긴 계약을 통한 가격 안정 선호. (v) 인센티브 고효율 가전 보조금 +0.901**, 탄소포인트 +0.835***. (vi) 할인액 +2.950***. MWTD: 2-tier 의 가치 USD 5.51/월, 고효율 가전 보조금 USD 4.04/월. Relative importance: 피크 시간 27.0% > 할인 22.2% > 인센티브 17.6% > tier 수 16.8%.
시사점: (a) 1% 전환율의 핵심 원인은 불확실성 회피 + 현행 요금제 status-quo bias — 실시간 metering 기반 정보 제공 으로 불확실성 완화 필수. (b) 고효율 가전 보조금·탄소포인트 가 5 USD 할인보다 효과적 — 단순 가격 인하보다 적극적 절약 유도 정책. (c) 2-tier 단순 요금제 + 장기 계약 옵션 추가가 KEPCO 가 추진할 가장 비용 효율적 전환 전략. (d) 8 USD 청구서 증가 시 선택 확률 51.1% → 27.9% 로 급락 — 실제 가격 인상 위험 이 가장 큰 장벽.

Fig. 1. 추가 인센티브 (보조금·탄소포인트) 유무·할인 수준에 따른 TOU 요금제 선택 확률 — 인센티브가 단순 할인보다 효과적임을 보여준다.

요약

이 paper 는 이종수 의 energy demand-side management + discrete choice 라인의 KEPCO 위탁 연구로, 2021 년 9 월 제주에서 시범 도입된 residential TOU 요금제의 <1% 전환율 문제를 consumer 관점 에서 진단한 작업이다. 기존 TOU literature 는 (i) Bartusch et al. 2011, Torriti 2012, Allcott 2011 등의 load transfer 효과 측정과 (ii) Ericson 2011, Schlereth et al. 2018, Ruokamo et al. 2019 등의 tariff type 선호 분석으로 갈라져 있었으나, 한국 residential TOU 의 DCE 기반 공중 선호 분석은 본 paper 이 최초 라 주장.

방법론은 혼합 로짓 기반 DCE. 6 attribute (피크 시간 4 수준, 피크 계절 4 수준, tier 수 3 수준, 계약 기간 3 수준, 추가 인센티브 3 수준, 할인 4 수준) × fractional factorial design → 24 alternatives → 8 choice sets × 3 alternatives. 9 번째 명백한 우월 대안 choice set 으로 비합리·부주의 응답자 거름. 인센티브·할인·계약 기간은 로그정규 (방향 일치), 나머지는 정규 분포. MWTD 와 relative importance 계산.

핵심 발견은 불확실성 회피 의 일관된 surface. 첫째, 피크 시간대 는 전력 소비 변동성 이 가장 작은 10am-1pm 이 가장 선호 — 다른 시간대는 청구서 변동 위험이 크기 때문. 둘째, 겨울만 피크 는 -0.346*** 로 강하게 회피 (한국의 전기 난방 의존 + 17% 더 큰 겨울 소비). 셋째, 2-tier (단순) 와 4-tier (복잡하지만 절약 여지 큼) 가 3-tier 보다 선호되는 U-shape — 중간 복잡도가 가장 비선호. 넷째, 긴 계약 기간 양의 효과 — 가격 안정성을 위해. 다섯째, 인센티브 중 고효율 가전 보조금 (소비자 인지도 94%) > 탄소포인트 (인지도 68%). 인식이 정책 효과의 매개 변수임을 시사.

시뮬레이션은 세 시나리오 비교. Base (KEPCO 현재안): 5pm-8pm 피크, 여름·겨울, 3-tier, 1 년, 인센티브 없음, 할인 없음 → 선택 확률 51.1%. Simulated 1: tier 와 계약 기간만 최적화 (2-tier, 10 년) + 인센티브 추가 → 91.3%. Simulated 2: 모든 attribute 최적화 (10am-1pm 피크, 여름만, 2-tier, 10 년, 인센티브 추가) → 94.2%. 5 USD/월 추가 할인 시 95%+. 그러나 현실의 가격 인상 (8.10 USD/월 평균, 소비 패턴 미변 시) 을 가정하면 선택 확률은 27.9% 로 급락. 한 한계는 (i) 제주 시범사업 초기라 응답자 인식 부족, (ii) 행동 변화 응답 보정 미수행. 이종수 의 연구 궤적 안에서 consumer acceptance 정책 분석 의 KEPCO 응용 사례.

핵심 결과

Attribute	Mean coef.	유의	MWTD (USD/월)	RI (%)
피크 시간 7am-10am (vs 10am-1pm)	-0.303	***	1.484	10.6
피크 시간 1pm-4pm	-0.216	***	1.413	5.3
피크 시간 5pm-8pm	-0.281	***	1.046	11.1
피크 계절 겨울만 (vs 전체)	-0.346	***	3.250	6.6
Tier 2 (vs 3)	+0.566	***	-5.513	11.1
Tier 4	+0.295	***	-2.817	5.7
계약 기간 (년)	+0.204	**	-1.678	3.8
고효율 가전 보조금	+0.901	**	-4.040	8.1
탄소포인트	+0.835	***	-4.631	9.5
할인 (USD/월)	+2.950	***	—	22.2

시뮬레이션	Peak time	Tier	계약	인센티브	선택 확률
Base (KEPCO 현재)	5pm-8pm	3	1 년	없음	51.1%
Simulated 1	5pm-8pm	2	10 년	있음	91.3%
Simulated 2 (full optim)	10am-1pm	2	10 년	있음	94.2%
Base + 1 USD 가격 인상	—	—	—	—	-8.2%p
Base + 8 USD 가격 인상	—	—	—	—	27.9%

방법론 노트

Mixed logit utility (Eq. 3):

U_{ni} = \beta_{n,7-10} d_{7-10} + \beta_{n,13-16} d_{13-16} + \beta_{n,17-20} d_{17-20} + \beta_{n,sm} d_{sm} + \beta_{n,wt} d_{wt} + \beta_{n,smwt} d_{smwt} + \beta_{n,2tier} d_{2tier} + \beta_{n,4tier} d_{4tier} + \beta_{n,per} x_{per} + \beta_{n,sb} d_{sb} + \beta_{n,point} d_{point} + \beta_{n,disc} x_{disc} + \varepsilon_{ni}

피크 시간 reference = 10am-1pm, 피크 계절 reference = 전 계절, tier reference = 3-tier, 인센티브 reference = 없음. 일관된 부호 (인센티브·할인) 는 로그정규, 나머지는 정규 분포로 random coefficient. 선택 확률은 (Eq. 2) integral of standard logit over $f(\beta|\theta)$ — Bayesian-equivalent 시뮬레이션 추정.

MWTD (marginal willingness to discount) — 본 paper 의 monetary attribute 가 할인액이므로 price 가 아닌 discount 기준 계산. RI (relative importance) 는 attribute 별 range (max-min coefficient) 의 정규화 비율 — 피크 시간 27% 가 결정적, 할인 22% 가 두 번째.

식별 핵심: (i) 9 번째 명백 우월 alternative 로 비합리 응답자 거름, (ii) 24 orthogonal alternative 가 1,728 조합 중 직교성 보존 으로 attribute interaction 추정 가능, (iii) 1,050 명 표본의 인구·연령·권역 quota sampling.

연구 계보

이 paper 는 (i) Borenstein & Holland (2005), Vickrey (1971) 의 price-based DSM 이론, (ii) Bartusch et al. (2011), Torriti (2012), Andruszkiewicz et al. (2020), Di Cosmo et al. (2014), Allcott (2011), Burns & Mountain (2021) 의 load-transfer 실증 라인, (iii) Schlereth et al. (2018) 의 status quo bias + dynamic pricing 분석, (iv) Lambrecht et al. (2007) 의 uncertainty + tariff choice, (v) Ruokamo et al. (2019) 의 DCE 기반 dynamic contract 선호 분석을 한국 residential TOU 에 결합. 이종수 연구실 라인의 직접 선행: Kim et al. (2018) renewable energy reference-dependent, Kim et al. (2020) well-to-wheel EV, Can Liquefied Petroleum Gas Vehicles Join the Fleet of Alternative Fuel Vehicles? Implications of Transportation Policy Based on Market Forecast and Environmental Impact (Kim, Lee, Kim 2021a), Kim et al. (2021b) OTT bundled services — 모두 discrete-choice-experiment + 정책 시뮬레이션의 공통 도구. 이종수 의 연구 궤적 consumer demand-side management 라인의 KEPCO 위탁 응용 사례, Kibum Kim 박사과정 DCE + 정책 시뮬레이션 시리즈의 한 갈래.