Forecasting Long-Run Regional Electricity Demand and Peak Loads Using an Unbalanced Panel Model

Seongwon Yang; Changsik Kim; Yongok Choi

doi:10.22794/keer.2025.24.1.004

All Issue

2025 Vol.24, Issue 1 Preview Page Next Page

Research Article

Forecasting Long-Run Regional Electricity Demand and Peak Loads Using an Unbalanced Panel Model 불균형 패널모형을 이용한 지역별 전력소비량 및 최대전력 예측

31 March 2025. pp. 75-109

PDF XML

Abstract

We propose a model for forecasting long-run regional electricity consumption and regional peak electricity demand. We first estimate regional electricity consumption, which varies over time and with regional income, using the unbalanced panel model presented by Chang et al. (2021). By analyzing the errors in the estimated model, we assess the impact of changes in regional industrial structure on electricity consumption. For regional peak demand forecasting, we adjust the existing incomplete regional load data and verify the robustness of the adjusted data. Using this newly adjusted dataset, we construct a model for forecasting regional peak electricity demand and apply it long-run peak demand forecasts. The forecasting performance of our regional models has proven to be stable over a 1- to 5-year time span, with an average MAPE(Mean Absolute Percentage Error of less than 5%.

Keywords

Regional Electricity Consumption Forecast

Unbalanced Panel

Regional/Hourly Load

Nonparametric Estimation

본 연구에서는 지역별 전력소비량을 예측하고, 이를 기반으로 지역별 최대전력을 예측하는 모형을 제안한다. 먼저, Chang et al.(2021)에서 제시된 불균형 패널모형을 이용하여 시간과 지역별 소득에 따라 변화하는 지역별 전력소비량을 추정한다. 추정된 모형의 오차를 분석하여 지역별 산업구조의 변화가 지역별 전력소비량에 미치는 영향을 추정한다. 다음으로 지역별 최대전력을 예측하기 위해 기존의 불완전한 지역별 부하 자료를 보정하는 방식을 제안하고, 보정된 자료의 강건성을 확인한다. 이를 활용하여 지역의 최대전력 모형을 구성하고 이를 중장기 최대전력 예측에 적용하였다. 예측실험 결과 대부분의 지역에서 1-5년 중장기 예측 평균의 MAPE(Mean Absolute Percentage Error)는 5%보다 낮게 실현되었음을 확인할 수 있었다.

키워드

지역별 전력소비량 예측

불균형 패널

지역/시간별 부하

비모수 추정

References

김인무, 김창식, 박성근. (2011). 에너지 상대가격 변화에 따른 에너지 수요 예측. 경제학연구, 59(4), 199-228.

김점수, 양춘승, 박중구. (2011). 한국 도시가스용 천연가스의 소비함수에 대한 실증분석 - 시간변동계수(TVC) 시계열모형 활용 -. 에너지공학, 20(4), 318-329.

10.5855/ENERGY.2011.20.4.318

박정진, 조영상. (2022). 제조부문별 전력수요함수 및 탄력성 추정 연구. 에너지공학, 31(4), 83-102.

10.5855/ENERGY.2022.31.4.083

산업통상자원부. (2021). 안정적 전력계통 운영을 위한 전력계통 혁신방안. 세종 : 산업통상자원부.

산업통상자원부. (2023). 제10차 전력수급계획 (2022-2036) 공고. 세종: 산업통상자원부.

신학림, 김창식, 최용옥. (2024). 함수회귀모형을 이용한 중장기 부하곡선 예측. Working Paper.

안병훈, 최회련, 이홍철. (2015). 계절 ARIMA 모형을 이용한 국내 지역별 전력사용량 중장기수요예측. 한국산학기술학회 논문지, 16(12), 8576-8584.

10.5762/KAIS.2015.16.12.8576

에너지경제연구원. (2023). 2023 중기 에너지수요전망 (2022~2027). 울산 : 에너지경제연구원.

윤용기, 최용옥. (2022). C-LASSO를 이용한 도시가스 수요의 특수일 변동성 분석. 에너지경제연구, 21(1), 1-22.

이성로. (2017). 수도권과 지방권 수요예측모형을 통한 전국 도시가스 수요전망의 예측력 향상. 자원환경경제연구, 26(4), 519-547.

이정섭, 이강원. (2023). 지역별 차등 전기요금제 적용을 위한 공간 단위 검토: 시‧군‧구별 전력 자급률을 기준으로. 한국경제지리학회지, 26(2), 96-109.

임혜원, 성시민, 이은, 김성민, 정상오. (2021). 딥러닝 기반 지역별 중장기 전력수요예측. 대한전기학회 학술대회 논문집, 1785-1786.

최용옥, 박혜성. (2020). 함수 주성분 분석을 이용한 일별 도시가스 수요 예측. 자원환경경제연구, 29(4), 419-442.

최용옥, 양현진. (2019). 함수 주성분 분석을 이용한 한국의 장기 에너지 수요예측. 자원환경경제연구, 28(3), 37-465.

통계청. (2023). 장래인구추계: 2022~2072년. 세종 : 통계청.

한국전력공사. (2023). 2023년도판 한국전력통계(제92호). 나주 : 한국전력공사.

Alsaedi, Y. H., Tularam, G. A. (2020). The relationship between electricity consumption, peak load, and GDP in Saudi Arabia: A VAR analysis. Mathematics and Computers in Simulation, 175, 164-178.

10.1016/j.matcom.2019.06.012

Chang, Y., Choi, Y., Kim, C. S., Miller, J. I., Park, J. Y. (2016). Disentangling temporal patterns in elasticities: A functional coefficient panel analysis of electricity demand. Energy Economics, 60, 232-243.

10.1016/j.eneco.2016.10.002

Chang, Y., Choi, Y., Kim, C. S., Miller, J. I., Park, J. Y. (2021). Forecasting regional long-run energy demand: A functional coefficient panel approach. Energy Economics, 96, 105117.

10.1016/j.eneco.2021.105117

Chang, Y., Choi, Y., Kim, C. S., Miller, J. I., Park, J. Y. (2024). Common trends and country-specific heterogeneities in long-run world energy consumption. CAMA Working Papers, 2024-04.

10.2139/ssrn.4687908

Galli, R. (1998). The relationship between energy intensity and income levels: Forecasting long term energy demand in Asian emerging countries. The Energy Journal, 19, 85-105.

10.5547/ISSN0195-6574-EJ-Vol19-No4-4

Hong, T., Wang, P., White, L. (2015). Weather station selection for electric load forecasting. International Journal of Forecasting, 31(2), 286-295.

10.1016/j.ijforecast.2014.07.001

Hsu, C. C., Chen, C. Y. (2003). Regional load forecasting in Taiwan-applications of artificial neural networks. Energy Conversion and Management, 44(12), 1941-1949.

10.1016/S0196-8904(02)00225-X

Judson, R. A., Schmalensee, R., Stoker, T. M. (1999). Economic development and the structure of the demand for commercial energy. The Energy Journal, 20, 29-57.

10.5547/ISSN0195-6574-EJ-Vol20-No2-2

Liddle, B. (2022). What is the temporal path of the GDP elasticity of energy consumption in OECD countries? An assessment of previous findings and new evidence. Energies, 15, 3802.

10.3390/en15103802

Liddle, B., Huntington, H. (2020). Revisiting the income elasticity of energy consumption: A heterogeneous, common factor, dynamic OECD & non-OECD country panel analysis. The Energy Journal, 41, 207-229.

10.5547/01956574.41.3.blid

Su, L., Shi, Z., Phillips, P. C. B. (2016). Identifying latent structures in panel data. Econometrica, 84(6), 2215-2264.

10.3982/ECTA12560

Xia, Y., Wang, J., Wei, D., Zhang, Z. (2023). Combined framework based on data preprocessing and multi-objective optimizer for electricity load forecasting. Engineering Applications of Artificial Intelligence, 119, 105776.

10.1016/j.engappai.2022.105776

Information

Publisher :Korea Energy Economic Institute·Korea Resource Economics Association
Publisher(Ko) :에너지경제연구원·한국자원경제학회
Journal Title :Korean Energy Economic Review
Journal Title(Ko) :에너지경제연구
Volume : 24
No :1
Pages :75-109
Received Date : 2024-10-09
Revised Date : 2024-11-07
Accepted Date : 2024-11-11
DOI :https://doi.org/10.22794/keer.2025.24.1.004

Korean Energy Economic Review ISSN:1599-7057(Print) 에너지경제연구

All Issue