Decomposing CO₂ Emission Changes in the Power Sectors of Korea and Japan

Hyemin Lee; Soocheol Lee; Yongsung Cho

doi:10.22794/keer.2026.25.2.009

Preview

Korean Energy Economic Review. 30 September 2026. 303-335
https://doi.org/10.22794/keer.2026.25.2.009

Decomposing CO₂ Emission Changes in the Power Sectors of Korea and Japan

한국과 일본 전력부문의 이산화탄소 배출 변화요인 비교분석

Hyemin Lee¹

Soocheol Lee²^†

Yongsung Cho³^*

이 혜민¹

이 수철²^†

조 용성³^*

¹Graduate School of Energy and Environment (KU-KIST Green School), Korea University, (First author)

²Professor Emeritus, Faculty of Economics, Meijo University, (Co-author)

³Department of Food and Resource Economics, Korea University,(Corresponding author)

¹고려대학교 에너지환경대학원(KU-KIST) 박사과정 (주저자)

²Professor Emeritus, Faculty of Economics, Meijo University (공동저자)

³고려대학교 식품자원경제학과 교수 (교신저자)

^{*Corresponding Author}

^†These authors contributed equally to this work.

ABSTRACT

This study combines additive Logarithmic Mean Divisia Index (LMDI) decomposition with Tapio’s decoupling index (DI) to analyze changes in CO₂ emissions from the power sectors of Korea and Japan from 2013 to 2023. Changes in CO₂ emissions are decomposed into seven factors: emission coefficient, generation efficiency, fossil generation mix, nuclear power, renewable energy, electricity intensity, and economic activity. The contributions of renewable energy and nuclear power are separately quantified using a complement-based approach. The results show that power-sector CO₂ emissions declined in both countries, although the main drivers of emission reductions differed. In Korea, the generation efficiency effect was the largest contributor to emission reductions, whereas in Japan, the electricity intensity effect was the largest. Renewable energy and nuclear power also contributed to emission reductions in both countries. The decoupling analysis shows that Korea experienced strong decoupling, with total electricity generation increasing while CO₂ emissions declined, whereas Japan exhibited recessive decoupling, with both total electricity generation and CO₂ emissions decreasing. These findings demonstrate that Korea and Japan have followed different pathways of power-sector decarbonization and provide implications for decarbonization policies and comparative research in East Asia.

Keywords

LMDI decomposition analysis

Decoupling index

Power sector CO₂ emissions

Carbon free power sources

본 연구는 가법적 로그평균 디비지아 지수(Logarithmic Mean Divisia Index) 분해분석과 Tapio의 탈동조화지수(Decoupling Index)를 결합하여 2013년부터 2023년까지 한국과 일본 전력부문의 CO₂ 배출량 변화를 분석하였다. CO₂ 배출량 변화는 배출계수, 발전효율, 화력발전 구조, 원자력발전, 재생에너지발전, 전력집약도 및 경제활동의 7개 요인으로 분해하였다. 또한 재생에너지와 원자력발전의 기여도는 보완항 방식을 이용하여 각각 분리하여 정량화하였다. 분석 결과, 양국 모두 전력부문 CO₂ 배출량이 감소하였으나 주요 감축 요인은 상이하였다. 한국에서는 발전효율 변화 효과가, 일본에서는 전력집약도 효과가 가장 큰 감축 요인으로 나타났으며, 재생에너지와 원자력발전 역시 배출 감소에 기여하였다. 탈동조화 분석에서는 한국이 총발전량 증가와 배출 감소가 동시에 나타나는 강한 탈동조화, 일본은 총발전량과 배출량이 함께 감소하는 쇠퇴적 탈동조화 상태를 보였다. 이러한 결과는 한국과 일본이 서로 다른 전력부문 탈탄소화 경로를 밟아왔음을 보여주며, 동아시아의 탈탄소화 정책 및 비교연구에 시사점을 제공한다.

키워드

LMDI 분해분석

탈동조화지수

전력부문 CO₂ 배출

무탄소 전원

MAIN

Ⅰ. 서 론
Ⅱ. 선행연구
Ⅲ. 분석방법 및 자료
1. 전력부문 CO₂ 배출 분해 모형의 설정
2. 탈동조화지수(Decoupling Index) 산출 모형
3. 분석 자료
Ⅳ. 분 석 결 과
1. LMDI 분석결과
Ⅴ. 결론 및 시사점

Ⅰ. 서 론

제조업이 강한 한국과 일본의 전력 소비량은 전 세계 전력 소비의 약 5.3%를 차지할 만큼 매우 많다. 특히 산업부문의 전력 비중이 높은데 한국은 전체 전력 소비의 약 50%를(IEA, 2025b), 일본은 약 35%를 차지한다(IEA, 2025a). 최근 전기화의 확산, AI 데이터센터의 증가, 반도체 등 첨단산업의 성장이 더해지면서 한･일 양국의 전력 수요는 지속적인 증가가 예상된다(Ember, 2025; IEA, 2025b). 한편 전력생산량의 경우, 한국은 1990년 118.46TWh에서 2025년 624.66TWh로 급증하였고, 일본은 1990년 881.50TWh에서 2025년 1,029.86TWh로 증가하였다. 이 과정에서 발전부문의 이산화탄소(CO₂) 배출량 역시 증가했는데 한국은 약 4.6배(57.3Mt,1990 → 264.1Mt, 2024) 급증한 반면 일본은 약 1.1배(389.7Mt,1990 → 432.4Mt, 2024) 증가에 그쳤다. 한･일 발전부문의 이산화탄소 배출량 증가 폭에 차이가 발생한 이유는 일차적으로 양국 간의 전력공급량 증가율 및 발전 효율의 차이에서 비롯된 것이긴 하지만, 어떤 에너지를 이용하여 전기를 생산했는가 여부 즉, 전원믹스의 특성 차이를 주요 요인으로 볼 수 있다.

한편 한･일 양국은 국제 계통 연계가 없는 독립된 전력계통을 운영하고 있고, 화력발전 비중과 화석연료 수입 의존도가 높으며 전력 다소비 제조업 중심의 수요 구조를 갖고 있다는 유사성이 있다. 하지만 무탄소 전원 활용에 있어서 서로 다른 특징과 전략을 갖고 있다. 일본은 후쿠시마 원전 사고 이후 원자력 발전의 가동 중단으로 전원믹스에 급격한 변화가 발생하였으며, 이로 인해 화석연료 의존도가 급증하였다. 이후 재생에너지 확대와 발전효율 개선을 통해 CO₂ 배출 증가를 완화해왔으며, 최근에는 재생에너지와 원자력을 모두 활용하는 방향으로 전환하여 탈탄소 전원을 확대하는 전략을 추진하고 있다(資源エネルギー庁, 2025). 반면 한국은 첨단산업 성장과 전기화 확산에 따른 전력수요 증가에 대응하기 위해, 공급 안정성과 탄소중립을 동시에 고려한 전원믹스를 구축하고 있다(산업통상자원부, 2025). 특히 무탄소 전원의 확대를 핵심 방향으로 설정하면서도, 단기적으로는 전력수요 증가에 대응하기 위한 과도기적 수단으로 화석연료 발전을 일정 수준 유지하는 전략을 병행하고 있다.

한·일 양국이 2050년 탄소중립을 달성하기 위해서는 전력부문의 탈탄소화가 매우 중요하다. 특히 수송·건물·산업 등 최종소비 부문의 탈탄소화가 전기화에 크게 의존하는 점 그리고 전력부문은 원자력과 재생에너지 등 무탄소 전원으로 대체하는 탈탄소화 경로가 명확하다는 점에서, 경제 전반의 탄소중립을 뒷받침하는 핵심 선행 부문이라고 할 수 있다.

비슷한 듯하지만 서로 다른 전원믹스 특징을 갖고 있는 한･일 양국의 전력 생산 구조와 CO₂ 배출량 간의 관계를 체계적으로 비교 분석하는 것은 2035년 국가 온실가스 감축목표와 2050년 탄소중립 달성을 위한 국가 전략 수립에 기여할 것으로 기대된다. 하지만 이러한 필요성에도 불구하고 양국 전력부문을 직접 비교한 실증 분석은 충분히 축적되지 못하였다. 이에 본 연구는 전력 생산 부문에서 발생하는 CO₂ 배출의 결정요인을 요인별로 분해하고, 한･일 간 비교를 통해 전력부문 구조 변화의 특성을 규명하고 정책적 함의를 도출하는 것을 목적으로 하였다. 이를 위해 다음과 같은 두 가지 연구 질문을 설정하였다. 첫째, 한･일 전력부문의 CO₂ 배출량 추세는 어떤 특징을 갖고 있고, 배출량 증감의 주요 요인은 무엇인가? 총 발전량과 CO₂ 배출량은 동조화 혹은 탈동조화 양상을 보이는가? 둘째, 무탄소 전원인 재생에너지와 원자력은 전력부문의 CO₂ 배출량 감축에 있어서 얼마나 기여하며, 한국과 일본의 미래 전력정책에 주는 시사점은 무엇인가?

본 연구는 이러한 연구 질문을 규명하기 위해 로그 평균 디비지아 지수(Logarithmic Mean Divisia Index, LMDI) 분해방법을 적용하여, 2013년부터 2023년까지 한국과 일본의 전력 부문 CO₂ 배출량 변화 요인을 정량적으로 분석하였다. 주요 요인으로는 배출계수, 발전효율, 화력발전 구조, 전력집약도, 재생에너지 효과, 원자력 효과, 경제활동으로 구분하였다. 또한 Tapio(2005)의 탈동조화지수(Decoupling Index)를 산출하여, 한･일 양국의 총 발전량과 전력부문의 CO₂ 배출량 간의 관계, 즉 탈동조화 여부를 기간별로 비교･분석하였다.

Ⅱ. 선행연구

기존 연구를 살펴보면 LMDI 분석방법을 이용한 국가 및 지역 단위의 다양한 실증 연구가 수행되었다. 특히 유럽 및 아시아·태평양 국가를 대상으로 한 연구들(小川芳樹, 2021; Diakoulaki et al., 2017; Kim et al., 2020; Malla, 2009; Zhang et al., 2013)은 공통적으로 경제성장 또는 경제활동 효과가 CO₂ 배출량 증가의 가장 핵심적인 요인임을 지적했다. 경제성장 외에 다른 요인의 식별에 있어서는 연구 대상과 분석 범위에 따라 다양한 결과가 나타났다. 예를 들어, 유럽연합(EU) 28개국 및 그리스를 대상으로 한 Diakoulaki et al.(2017)에서는 연료믹스 변화와 전력 소비 구조, 그리고 전력 교역(electricity trade)이 CO₂ 배출량 변화에 중요한 영향을 미치는 요인으로 분석되었다. 중국 전력산업을 분석한 Zhang et al.(2013)에서는 석탄 중심의 발전구조가 배출 증가를 지속시키는 핵심 요인으로 지적되었다. 또한 Mai et al.(2020)의 지역 단위 분석에서는 전력화(electrification) 전략의 추진이 전력부문 배출의 직접적인 증가를 유도하는 동시에 에너지 구조 변화와 함께 배출 변동에 유의미한 영향을 미치는 것으로 확인되었다.

아시아·태평양 및 북미 국가를 대상으로 한 비교 연구, Malla(2009)에 따르면 전력 생산량 확대는 온실가스 배출 증가의 공통적 원인으로 작용하는 반면, 에너지 믹스의 전환 양상과 발전 부문의 에너지 집약도 개선 수준이 국가 간 배출 경로 및 증가 속도의 차이를 결정짓는 핵심 변수로 규명되었다. 조향숙(2017)은 1995–2013년 탄소세를 시행한 OECD 7개국을 대상으로 CO₂ 배출량 감소 요인을 분해하여, 화석연료 집약도 개선이 가장 큰 감축 기여 요인으로 작용한 가운데 탄소세 등 경제적 정책수단이 배출 감축에 유의미한 영향을 미쳤음을 규명하였다.

국내 전력부문을 대상으로 한 연구에서도 유사한 결과가 확인된다. 조용성 외(2006)는 1970-2000년 장기 시계열 분석을 통해 인구 및 1인당 전력소비 증가가 배출량 증가의 핵심 원인임을 규명하였으며, 김수이(2018)는 국내 발전부문의 LMDI 분해분석을 통해 전력집약도 효과가 배출 증가의 주된 요인으로 작용한 반면, 발전효율 개선과 비화력 발전 비중 확대가 감축에 기여하였음을 보여주었다. 조용성(2017)은 LMDI분석을 통해 화석연료 집중도 개선과 화력발전 의존도 감소가 배출 감소의 주된 요인으로 작용하였음을 분석하였다.

한편 일본을 대상으로 CO₂ 배출의 요인분석을 수행한 연구들도 존재한다. 栗山昭久·田村堅太郎(2018)는 1960년부터 2015년까지의 장기 데이터를 분석하여 일본의 CO₂ 배출량이 장기적으로 실질 GDP 성장에 의해 증가해 왔으나, 오일쇼크 이후의 에너지 효율 향상과 산업구조 변화가 이를 억제하는 핵심적 역할을 해왔음을 규명하였다. 山本博巳(2022)는 일본의 에너지 소비 구조를 분석하고, 무탄소 전원의 확대가 화석연료 소비 감축과 CO₂ 배출량 저감에 실질적으로 기여할 수 있음을 실증적으로 제시하였다. 이와 같이 기존 연구들은 경제활동 효과를 공통적인 배출 증가 요인으로 제시하는 한편, 발전구조, 연료믹스, 전력화 수준 등 다양한 구조적 요인이 국가별 배출 변화의 차이를 설명하는 보완적 요인으로 작용함을 보여준다.

이외에도 재생에너지 및 원자력 등 무탄소 전원의 확대가 전력부문 CO₂ 배출량에 미치는 영향을 규명하는 연구 또한 지속적으로 축적되고 있다. 기존의 LMDI 분해분석이 에너지 믹스를 단일한 통합 변수로 처리해온 것과 달리, 최근의 연구들은 재생에너지의 기여도를 독립 변수로 분리하여 정량적으로 평가하는 방향으로 발전하고 있다. 이러한 분리 접근의 초기 시도로, 김광욱·강상목(2012)은 OECD 27개국 1980–2007년 자료를 대상으로 방향거리함수(directional distance function) 기반 분해분석을 수행하여 에너지 투입을 화석연료와 비화석연료로 구분함으로써, 효율 및 기술 변화 요인이 CO₂ 배출량 감축을 충분히 유도하지 못한 반면 규모 효과가 배출 증가의 주된 동인으로 작용하였음을 확인하였다. 유럽 등을 대상으로 한 Yu et al.(2023)에서는 재생에너지 보급 확대가 전력부문 탈탄소화를 촉진하는 핵심 요인으로 기능하며, 기술 진보 및 에너지 효율 개선과의 상호작용을 통해 그 감축 효과가 더욱 증폭되는 것으로 나타났다. 한국을 포함한 OECD 국가들을 대상으로 분석한 백승일 외(2025)에서도 전력부문의 배출 감소가 주로 재생에너지 확대와 발전 효율 향상에 기인하는 것으로 나타났다. 특히 재생에너지와 원자력의 기여도를 구분하여 평가한 Mohlin et al.(2018)에서는 재생에너지 확대로 인한 배출 감소 효과는 전력 수요 감소 및 연료 전환 효과에 필적할 만큼 크게 나타난 반면, 원자력은 제한적인 기여도를 갖는 것으로 나타났다. Wang et al.(2021)은 1997–2017년 중국 전력부문을 대상으로 2단계 LMDI 분석을 적용하였다. 분석기간 동안 전력부문의 이산화탄소 배출은 전반적으로 증가하였으나, 분석 결과 화력발전 효율 개선이 배출 증가를 가장 크게 상쇄하는 요인으로 나타났으며, 재생에너지 확대 역시 추가적인 감축 요인으로 작용한 것으로 확인되었다.

기존 연구결과를 종합해보면 전력부문의 CO₂ 배출량 변화 요인으로 경제성장이 가장 중요하며, 이외에도 발전효율 개선과 전원믹스의 변화가 복합적으로 작용하고 있음을 알 수 있다. 최근에는 재생에너지와 원자력 등 무탄소 전원의 역할을 분석요인으로 새롭게 포함하여 분석하는 연구도 증가하고 있다. 반면, 한·일 양국 전력부문의 CO₂ 배출량 변화 요인을 비교 분석한 연구는 드물다. 따라서 한･일 전력부문의 전원믹스 특성을 분석하고 CO₂ 배출량의 증감요인을 무탄소 전원의 역할 중심으로 비교 분석하는 것은 향후 전력부문의 탈탄소 전환정책 수립에 기초 자료로 활용될 수 있을 것으로 기대된다.

Ⅲ. 분석방법 및 자료

본 연구는 한･일 간 전력부문 CO₂ 배출량 변화 요인을 체계적으로 분해하고, 양국의 배출량 증감이 어떤 요인에 의해 결정되는지를 비교 분석하기 위해 지수분해분석(Index Decomposition Analysis, IDA) 방법론을 적용하였다. 이 방법은 분석대상으로 정한 지표의 변화를 다양한 요인으로 분해한 후 각 요인별 기여도를 정량적으로 분석하는 기법으로, 에너지·환경 분야의 실증 연구에서 광범위하게 활용되어 왔다(Ang, 2005; Ang, 2015; Ang and Liu, 2001). 특히 IDA 방법론 중 하나인 로그 평균 디비지아 지수(Logarithmic Mean Divisia Index, LMDI) 분석은 잔차항이 발생하지 않는 완전분해의 구현, 분석 결과의 직관적 해석 가능성 등의 장점을 갖고 있어 에너지 관련 정책 분석을 위한 핵심 방법론으로서 폭넓게 사용되고 있다(Ang, 2004; Ang, 2005).¹⁾

본 연구에서는 전력부문 CO₂ 배출량의 변동 요인을 재생에너지 효과, 원자력 발전 효과를 포함한 7개 요인으로 구분하였다. 이와 관련하여 기본적인 구조와 분해식은 기존 문헌들(Kim et al., 2020; Mai et al., 2020; Oteng-Abayie et al., 2024; Zhang et al., 2013)의 분석틀을 참고하였고, 특히 Mohlin et al.(2018)과 Wang et al.(2021)에서 사용한 재생에너지와 원자력의 분리 분해 접근 모형을 활용하였다.

1. 전력부문 CO₂ 배출 분해 모형의 설정

전력부문의 CO₂ 배출량(C)은 IPCC 가이드라인에 따라 화석연료 i (i = 석탄, 석유, 천연가스)의 에너지 소비량( $f_{i}$ )과 배출계수( $e f_{i}$ )를 이용하여 식(1)과 같이 산정한다(IPCC, 1996).

(1)

C = \sum_{i} f_{i} \times e f_{i}

한편 식(1)을 통해 산출한 전력부문의 CO₂ 배출량(C)은 식(2)와 같이 총 7개의 요인으로 분해할 수 있다. 식(2)는 가법적 LMDI(additive LMDI) 방법에 기반한 분해식으로, 전력부문의 CO₂ 배출량을 요인별로 분해하기 위해 설정되었다.²⁾

(2)

C = \sum_{i} c_{i} = \sum_{i} \frac{c_{i}}{f_{i}} \times \frac{f_{i}}{f g_{i}} \times \frac{f g_{i}}{F G} \times \frac{F G}{N R} \times \frac{N R}{T G} \times \frac{T G}{G D P} \times G D P

여기서 $c_{i}$ 는 화석연료 i에 따른 CO₂ 배출량, $f_{i}$ 는 화석연료 i의 에너지 소비량, $f g_{i}$ 는 화석연료 i를 사용하여 생산한 발전량, FG는 전체 화력발전량을 나타낸다(즉, $F G = \sum_{i} f g_{i}$ ). 한편 NR은 화력발전량(FG)과 원자력발전량의 합, 즉 非재생에너지 발전량을 의미한다. 총 발전량을 나타내는 TG는 非재생에너지 발전량(NR)과 재생에너지 발전량의 합으로 구성된다. 그 외 GDP는 경제활동 수준을 나타낸다.

본 연구는 Mohlin et al.(2018)과 Wang et al.(2021)의 분해방식을 적용하여 식(2)의 원자력과 재생에너지의 영향을 각각 $\frac{F G}{N R}$ 와 $\frac{N R}{T G}$ 의 보완항을 통해 분리하였다. $\frac{F G}{N R}$ 은 非재생에너지 전원 내부에서 원자력이 화력발전을 대체한 정도를 반영하며, 이 비율이 감소할수록 원자력발전의 비중이 확대되었음을 의미한다. 반면 $\frac{N R}{T G}$ 는 총 발전량에서 재생에너지가 화력과 원자력을 포함한 非재생에너지 전원을 대체한 정도를 반영하며, 이 비율이 감소할수록 재생에너지발전 비중이 확대되었음을 의미한다.³⁾

식(2)의 구성요인을 변수화하면 식(3)과 같이 단순화할 수 있다.

(3)

C = \sum_{i} S_{i} \times F_{i} \times G_{i} \times N \times R \times P \times M

여기서 $S_{i} = c_{i} / f_{i}$ 는 화석연료의 배출계수를 나타내며, $F_{i} = f_{i} / f g_{i}$ 는 화석연료 i의 발전량당 연료투입량으로 발전효율을 의미한다. 본 연구에서는 석탄·석유·천연가스별로 $F_{i}$ 를 각각 산정한다. $F_{i}$ 의 감소는 i 연료를 이용한 단위 발전량당 연료 투입량이 감소하였음을 의미하며, 이를 발전효율 효과로 정의한다. 또한 $G_{i} = f g_{i} / F G$ 는 화력발전 포트폴리오의 구조 변화를 나타낸다. 한편 $N$ 은 非재생에너지 발전량( $N R$ , 화력발전량+원자력발전량) 중 화력발전량 비중을 나타내는 것으로 원자력발전 효과(非재생에너지 발전량 중 원자력이 화력발전을 대체한 효과)를 의미한다. 반면 $R$ 은 전력부문의 총 발전량(TG) 중 非재생에너지발전량( $N R$ ) 비중을 나타내는 것으로 재생에너지발전 효과(재생에너지가 화력과 원자력을 포함한 非재생에너지 전원을 대체한 효과)를 의미한다. 그 외 $P$ 와 $M$ 은 각각 전력집약도와 경제활동(경제성장) 요인을 나타낸다. 상기에 설명한 LMDI 분해모형의 주요 변수와 정의 및 단위는 <표 1>에 정리하였다.

<표 1>

LMDI 분해모형의 주요 변수 및 정의

변수	정의	단위
$f_{i}$	화석연료 i의 에너지 소비량 (i= 석탄, 석유, 천연가스)	$10^{3}$ TJ
$e f_{i}$	화석연료 i의 CO₂ 배출계수	$k g C O_{2} / T J$
$c_{i}$	화석연료 i의 CO₂ 배출량	$M t C O_{2}$
$f g_{i}$	화석연료 i의 발전량	TWh
FG	총 화력발전량	TWh
NR	非재생에너지 발전량 (화력발전량 + 원자력발전량)	TWh
TG	총 발전량	TWh
GDP	국내총생산(PPP 기준)	Trillion constants in 2021, USD

가법적 LMDI에서는 각 연료별 CO₂ 배출량의 로그평균을 가중치로 적용하여 각 요인의 로그변화가 총 배출량 변화에 기여한 정도를 산정한다(Ang, 2005). 이에 따라 식(3)에 기초하여 t년도와 (t+1)년도 사이의 CO₂ 배출량 변화( $∆ C$ )는 식(4)와 같이 각 요인별 효과의 합으로 표현된다.

(4)

∆ C = ∆ C_{s} + ∆ C_{f} + ∆ C_{g} + ∆ C_{n} + ∆ C_{r} + ∆ C_{p} + ∆ C_{m}

식(4)에서 $∆ C_{s}$ 는 배출계수 변화 효과를, $∆ C_{f}$ 는 발전효율 변화 효과, $∆ C_{g}$ 는 화력발전 구조 변화 효과, $∆ C_{n}$ 는 원자력발전 효과, $∆ C_{r}$ 는 재생에너지발전 효과, $∆ C_{p}$ 는 전력집약도 변화 효과 그리고 $∆ C_{m}$ 은 경제활동 변화 효과를 의미한다.

각 요인의 구체적인 기여도는 식(5), 식(6), 식(7), 식(8), 식(9), 식(10), 식 (11)과 같이 산정한다.

(5)

∆ C_{s} = \sum_{i} \frac{c_{i}^{t + 1} - c_{i}^{t}}{\ln c_{i}^{t + 1} - \ln c_{i}^{t}} \times \ln \frac{S_{i}^{t + 1}}{S_{i}^{t}}

(6)

∆ C_{f} = \sum_{i} \frac{c_{i}^{t + 1} - c_{i}^{t}}{\ln c_{i}^{t + 1} - \ln c_{i}^{t}} \times \ln \frac{F_{i}^{t + 1}}{F_{i}^{t}}

(7)

∆ C_{g} = \sum_{i} \frac{c_{i}^{t + 1} - c_{i}^{t}}{\ln c_{i}^{t + 1} - \ln c_{i}^{t}} \times \ln \frac{G_{i}^{t + 1}}{G_{i}^{t}}

(8)

∆ C_{n} = \sum_{i} \frac{c_{i}^{t + 1} - c_{i}^{t}}{\ln c_{i}^{t + 1} - \ln c_{i}^{t}} \times \ln \frac{N^{t + 1}}{N^{t}}

(9)

∆ C_{r} = \sum_{i} \frac{c_{i}^{t + 1} - c_{i}^{t}}{\ln c_{i}^{t + 1} - \ln c_{i}^{t}} \times \ln \frac{R^{t + 1}}{R^{t}}

(10)

∆ C_{p} = \sum_{i} \frac{c_{i}^{t + 1} - c_{i}^{t}}{\ln c_{i}^{t + 1} - \ln c_{i}^{t}} \times \ln \frac{P^{t + 1}}{P^{t}}

(11)

∆ C_{m} = \sum_{i} \frac{c_{i}^{t + 1} - c_{i}^{t}}{\ln c_{i}^{t + 1} - \ln c_{i}^{t}} \times \ln \frac{M^{t + 1}}{M^{t}}

LMDI 분석에서 각 요인의 효과는 해당 요인의 변화가 전력부문 CO₂ 배출량을 증가 또는 감소시킨 정도를 나타낸다. 따라서 각 요인의 효과가 음(−)의 값을 나타내는 경우는 해당 요인이 CO₂ 배출 감소에 기여하였음을 의미하며, 양(+)의 값인 경우에는 CO₂ 배출을 증가시키는 방향으로 작용하였음을 의미한다.

2. 탈동조화지수(Decoupling Index) 산출 모형

Tapio(2005)가 제안한 Decoupling Index(DI) 방법을 활용하여 한･일 전력부문의 CO₂ 배출량과 총 발전량 간의 탈동조화 여부를 분석하기 위해 t년에서 (t+1)년 사이의 총 발전량과 전력부문 CO₂ 배출 간의 탈동조화 지수(DI)를 식(12)와 같이 정의하였다.⁴⁾

(12)

D I = \frac{∆ C}{∆ T G} = \frac{\frac{(C_{t + 1} - C_{t})}{C_{t}}}{\frac{(T G_{t + 1} - T G_{t})}{T G_{t}}}

여기서 $∆ C$ 와 $∆ T G$ 는 각각 전력부문 CO₂ 배출량의 변화율과 총 발전량의 변화율을 의미한다. 총발전량이 증가하는 경우, CO₂ 배출량이 감소하면 강한 탈동조화(strong decoupling), 두 변수 모두 증가하면서 DI가 0.8 미만이면 약한 탈동조화(weak decoupling), 0.8∼1.2이면 확장적 동조화(expansive coupling), 1.2를 초과하면 확장적 부의 탈동조화(expansive negative decoupling)로 구분한다. 반대로 총발전량이 감소하는 경우, CO₂ 배출량이 증가하면 강한 음의 탈동조화, 두 변수 모두 감소하면서 DI가 0.8 미만이면 약한 음의 탈동조화, 0.8∼1.2이면 쇠퇴적 동조화, 1.2를 초과하면 쇠퇴적 탈동조화(recessive decoupling)로 구분한다. 이와 같은 탈동조화 유형별 구분 기준과 각 구간의 의미는 <표 2>에 정리하였다.

<표 2>

탈동조화 지수의 구간별 의미

구분	세부 구분	조건			의미
구분	세부 구분	$∆ C$ 부호	$∆ T G$ 부호	DI 값	의미
탈동조화 (Decoupling)	강한(strong) 탈동조화	-	+	DI < 0	총 발전량의 증가에도 불구하고, 탄소배출량은 감소
	약한(weak) 탈동조화	+	+	0 < DI < 0.8	총 발전량의 증가에 따라 탄소배출량도 증가하나, 총 발전량 증가 속도보다 느림
	쇠퇴적 (recessive) 탈동조화	-	-	1.2 < DI	총 발전량의 감소에 따라 탄소배출량이 감소하나, 탄소배출량의 감소 속도가 매우 큼
동조화 (Coupling)	확장적 (expansive) 동조화	+	+	0.8 ≤ DI ≤ 1.2	총 발전량의 증가에 따라 탄소배출량도 증가하나, 증가 속도가 발전량의 증가 속도와 유사
동조화 (Coupling)	쇠퇴적 (recessive) 동조화	-	-	0.8 ≤ DI ≤ 1.2	총 발전량의 감소에 따라 탄소배출량도 감소하며, 감소 속도가 총 발전량의 감소 속도와 유사
부의 탈동조화 (Negative Decoupling)	약한(weak) 부의 탈동조화	-	-	0 < DI < 0.8	총 발전량의 감소에 따라 탄소배출량도 감소하나, 탄소배출량의 감소 정도가 총 발전량의 감소 속도보다 느림
	확장적 (expansive) 부의 탈동조화	+	+	1.2 < DI	탄소배출량의 증가 속도가 총 발전량의 증가 속도 보다 빠름
	강한(strong) 부의 탈동조화	+	-	DI < 0	총 발전량이 감소함에도 불구하고, 탄소배출량은 증가

주: Tapio(2005)와 Wang and Jiang(2019) 내용을 바탕으로 저자 재구성

3. 분석 자료

본 연구는 2013년부터 2023년까지를 분석기간으로 설정하였다.⁵⁾[그림 1]은 식(1)에 따라 추산한 한국과 일본의 전력부문 CO₂ 배출량과 총 발전량 추이를 나타낸다. CO₂ 배출량은 양국 모두 2013년 이후 감소 추세를 나타내는데, 이와 같은 감소 양상에는 양국 간 차이가 있다. 일본은 2013년 이후 비교적 일관된 감소 추세를 보인 반면, 한국은 2013년 이후 일정 기간 높은 배출 수준을 유지하다가 2019년 이후부터 감소 추세로 전환되는 양상을 보였다.

https://cdn.apub.kr/journalsite/sites/keer/2026-025-02/N0700250209/images/Figure_keer_25_02_09_F1.jpg

[그림 1]

한국과 일본의 전력부문 CO₂ 배출량 및 발전량 추이

전체 분석기간(2013년~2023년) 중 코로나19 확산에 따른 경제활동 위축과 전력 수요 감소 현상이 나타났던 점을 고려하여 전체 기간(2013년~2023년)에 대한 분석 외에도 분석기간Ⅰ(2013년~2019년)과 분석기간Ⅱ(2019년~2023년)으로 구분하여 분석하였다.

분석에 필요한 자료는 한국의 경우 에너지통계정보시스템(Korea Energy Statistical Information System, KESIS), 일본은 자원에너지청(Agency for Natural Resources and Energy, ANRE) 자료를 활용하였다. 양국의 발전량 자료는 모두 발전단(gross generation) 기준이며 CHP를 포함하고 있으나, 자가발전의 경우 한국에서는 제외되고 일본에서는 포함되는 차이가 존재한다. 한국에서 제외되는 상용자가발전량은 총발전량의 약 4% 수준이다.

국가 간 비교의 일관성을 확보하고 가격 수준 차이로 인한 비교 왜곡을 최소화하기 위해 GDP 자료는 세계은행(World Bank)의 구매력 평가 기준(Purchasing Power Parity, PPP)의 실질 GDP를 사용하였다(Malla, 2009).

분석에 사용된 주요 변수의 기술통계는 <표 3>과 같다. 총 발전량(TG) 기준으로 일본(평균 1,034.08 TWh)은 한국(평균 552.06 TWh)의 약 1.9배 수준이며, CO₂ 배출량(C) 역시 일본이 한국의 약 2.5배에 달한다. 한국은 분석기간 동안 총 발전량이 최솟값 502.51 TWh에서 최댓값 591.72 TWh로 점진적인 증가 추세를 보인 반면, 일본은 최댓값 1,084.46 TWh에서 최솟값 987.27 TWh로 완만한 감소 추이를 나타냈다. 총 발전량 대비 화력발전 비중은 한국 약 64.7%, 일본 약 79.0%로 양국 모두 화력발전에 대한 높은 의존도를 보이고 있다.

<표 3>

LMDI 분해모형 주요 변수의 기술통계표

변수	대한민국				일본
변수	평균	표준편차	최소값	최대값	평균	표준편차	최소값	최대값
$Σ_{i} f_{i}$	2433.14	266.33	1983.64	2952.45	6785.95	820.14	5621.41	8207.19
C	206.64	23.27	165.01	240.90	509.84	58.08	427.98	613.20
FG	357.41	18.59	336.63	397.63	817.11	89.13	677.16	957.28
NR	514.19	15.87	482.70	534.83	857.85	63.93	761.22	966.58
TG	552.06	27.69	502.51	591.72	1034.08	30.13	987.27	1084.46
GDP	2.49	0.21	2.15	2.79	5.57	0.11	5.42	5.71

Ⅳ. 분 석 결 과

1. LMDI 분석결과

[그림 2]에 나타나 있듯이, 전체 분석기간(2013년∼2023년) 동안 한･일 전력부문의 CO₂ 배출량은 각각 31.5%와 30.2% 감소하여 유사한 수준의 감축률을 나타냈으나, 이를 견인한 요인에서는 뚜렷한 차이가 확인된다. 한국에서는 발전효율 변화 효과( $∆ C_{f}$ )가 -26.0%로 가장 큰 배출 감소 요인으로 작용하였으며, 전력집약도 효과( $∆ C_{p}$ ) -8.9%, 원자력발전 효과( $∆ C_{n}$ ) -6.8%, 재생에너지발전 효과( $∆ C_{r}$ ) -5.7%, 화력발전 구조 변화 효과( $∆ C_{g}$ ) -5.5% 순으로 분석되었다. 반면 일본에서는 전력집약도 효과( $∆ C_{p}$ )와 재생에너지발전 효과( $∆ C_{r}$ )가 각각 –12.2%와 –12.0%로 가장 큰 감축 요인으로 나타났으며, 이어서 원자력발전 효과( $∆ C_{n}$ ) -8.9%, 발전효율 변화 효과( $∆ C_{f}$ ) -3.4% 순으로 분석되었다.

한편 배출계수 변화 효과( $∆ C_{s}$ )는 양국 모두에서 미미한 수준에 머물렀으며, 경제활동 변화 효과( $∆ C_{m}$ )는 양국 모두 배출량을 증가시키는 방향으로 작용하였으나 그 크기에는 상당한 차이가 있다. 한국의 경제활동 변화 효과는 +21.5%로 다른 요인의 감축 효과를 크게 상쇄한 반면, 일본은 +4.4%에 그쳤다. 이는 분석기간 동안 한국에서 경제성장에 따른 전력수요 증가 압력이 일본보다 강하게 작용하였음을 의미한다. 이러한 결과는 경제성장이 에너지 소비와 CO₂ 배출 증가의 주요 동인으로 작용한다는 기존 연구 결과와 부합하며(小川芳樹, 2021), 한·일 산업부문에서 생산효과를 주요 에너지 소비 증가 요인으로 확인한 박정욱·김수이(2013) 및 국내 산업·권역별 분석에서 경제활동 효과의 중요성을 확인한 박승규·장인수(2022)의 결과와도 일치한다.

발전효율 변화 효과( $∆ C_{f}$ )에서도 양국 간 차이가 뚜렷하게 나타났다. 한국에서는 발전효율 변화 효과가 -26.0%로 전체 요인 가운데 가장 큰 배출 감소 요인으로 작용한 반면, 일본에서는 -3.4%로 상대적으로 낮은 수준에 머물렀다. 본 연구의 발전효율 변화 효과는 개별 발전기의 순수한 기술적 열효율이 아니라 석탄·석유·천연가스별 단위 발전량당 연료 투입량의 변화를 반영하며, 동일 연료군 내 설비 구성과 운전 조건의 변화도 함께 포함될 수 있다. 또한 미세먼지 계절관리제 시행에 따른 석탄발전의 출력 제한, 노후 석탄발전의 단계적 폐지 등 석탄발전 감축 정책과 이를 대체한 가스발전 확대 과정이 반영된 것으로도 해석할 수 있다. 특히 일본은 분석기간Ⅰ(2013년∼2019년) 동안에는 발전효율 변화 효과가 -5.2%로 배출 감소에 기여하였으나, 분석기간Ⅱ(2019년∼2023년) 동안에는 +3.4%로 나타나 분석기간Ⅰ 동안의 감축 효과가 상당 부분 상쇄된 것으로 추측된다. 반면 한국은 분석기간 Ⅰ과 Ⅱ 모두에서 발전효율 변화 효과가 각각 –19.3%와 –8.2%로 전체 분석기간 동안의 누적적인 감축 효과가 크게 나타났다. 화력발전 구조 변화 효과 또한 한국에서는 -5.5%로 배출 감소에 기여한 반면, 일본에서는 +1.9%로 배출 증가 방향으로 작용하였다. 일본은 2013∼2023년 화력발전 내 석유 비중이 16.4%에서 10.8%로 감소한 반면 석탄 비중은 37.3%에서 41.5%로 증가하였다. 이에 석유 비중 축소의 감축 효과(-3.9%)보다 석탄 비중 확대의 증가 효과(+4.9%)가 크게 나타나, 화력발전 내부의 연료구성이 상대적으로 탄소를 더 많이 배출하는 방향으로 변화한 것으로 해석된다.

한편 무탄소 전원의 역할에서도 양국 간 뚜렷한 차이가 확인된다. 한국에서는 원자력발전 효과와 재생에너지발전 효과 간 감축 기여도의 차이가 크지 않은 반면, 일본에서는 재생에너지발전 효과가 원자력발전 효과를 상회하여 재생에너지의 상대적인 감축 기여가 크게 나타났다.⁶⁾ 일본의 결과는 후쿠시마 원전사고 이후 원자력발전이 크게 위축된 상황에서 재생에너지 확대와 원전 재가동이 병행되면서 무탄소 전원이 점진적으로 회복되는 과정에서 재생에너지의 역할이 상대적으로 크게 나타난 것으로 해석할 수 있다. 이러한 결과는 재생에너지 발전비용의 하락에 따라 일본의 전력구조에서 재생에너지의 대체 역할이 확대될 수 있음을 제시한 李秀澈 외(2021)의 분석결과와도 부합한다.

https://cdn.apub.kr/journalsite/sites/keer/2026-025-02/N0700250209/images/Figure_keer_25_02_09_F2.jpg

[그림 2]

한국과 일본 전력부문 CO₂ 배출 변화에 대한 LMDI 분해분석 비교

분석기간을 구분하여 살펴보면 한국과 일본의 요인별 배출 변화에 뚜렷한 차이가 나타난다.

1) 한국

분석기간Ⅰ(2013년∼2019년) 동안 전력부문의 CO₂ 배출량은 2013년 대비 11.5% 감소하였으며, 분석기간Ⅱ(2019년∼2023년)에는 22.6% 감소하였는데 발전효율 개선이 배출 감소를 주도한 것으로 나타났다. [그림 3]을 통해 알 수 있듯이 발전효율 변화 효과( $∆ C_{f}$ )는 분석기간Ⅰ에서 크게 나타났다. 연료별로 살펴보면 이 기간에는 가스발전의 단위 발전량당 연료투입량 감소가 주요 요인으로 작용했다. 강병욱(2019)은 2013~2015년 LNG 복합화력의 가동률 하락과 함께 고효율 신규 설비가 우선적으로 가동되면서 전체 가스발전 효율이 크게 상승한 것으로 보고하였다. 전력집약도 효과( $∆ C_{p}$ ) 역시 분석기간Ⅰ에서는 -6.5%, 분석기간Ⅱ에서는 -3.4%로 나타나 경제활동 대비 전력 사용의 감소가 CO₂ 배출량 저감에 기여한 것으로 분석되었다. 이러한 결과는 김수이·김현석(2011)이 1991년∼2007년 기간 동안 한국 제조업을 대상으로 산업구조 변화와 에너지집약도 개선이 에너지 소비 감소 요인으로 작용하였음을 규명한 결과와 맥락을 같이한다. 또한 조향숙(2017)이 1995년∼2013년 기간 동안 탄소세를 시행하고 있는 OECD 7개국을 대상으로 분석하여 화석연료 집약도 개선을 주요 배출 감소 요인으로 확인한 결과와도 유사하다.

한편 재생에너지발전 효과( $∆ C_{r}$ )는 분석기간 Ⅰ과 Ⅱ 모두에서 크기는 작지만 전력부문의 CO₂ 배출량 감축에 기여한 것으로 나타났다. [그림 4]에 나타나 있듯이 재생에너지 발전량은 2013년 이후 지속적으로 증가하여 2019년에는 2013년 대비 약 2배 수준으로 확대되었다. 이에 따라 총발전량에서 재생에너지의 비중이 증가하면서 CO₂ 배출량 감소에 기여한 것으로 해석된다. 반면 원자력발전 효과( $∆ C_{n}$ )의 경우, 분석기간Ⅱ(2019년~2023년)에서는 -8.2%로 재생에너지발전 효과보다 크게 나타났으나, 분석기간Ⅰ(2013년~2019년)에서는 +1%로 나타났다. 그 이유를 살펴보면, [그림 4]를 통해 알 수 있듯이 원자력 발전량은 2015년∼2016년까지 증가한 이후 감소하면서 2018년에는 가장 낮은 수준을 기록하였고, 이후 2019년부터 회복하는 흐름을 보였다. 이러한 변화는 2017년 ｢제8차 전력수급기본계획」에서 신규 원전 건설 중단과 노후 원전의 수명 연장 제한 등 원자력 발전을 단계적으로 축소하는 정책 방향이 제시된 시기와 맞물린다(산업통상자원부, 2017).

https://cdn.apub.kr/journalsite/sites/keer/2026-025-02/N0700250209/images/Figure_keer_25_02_09_F3.jpg

[그림 3]

분석기간별 한국 전력부문 CO₂ 배출 변화의 요인별 분해 결과

2019년 이후에는 원자력 발전이 다시 확대 국면에 진입하면서 원자력 발전량은 약 24% 증가하였다. 결국 원자력 발전의 축소･확대가 분석기간 동안의 원자력발전 효과를 (+)에서 (-)로 변화하게 한 요인으로 해석된다. 이러한 결과는 ARDL 모형을 이용하여 원자력 발전의 CO₂ 감축 효과를 분석한 이용성·김현석(2021)의 결과와 맥락을 같이한다.

https://cdn.apub.kr/journalsite/sites/keer/2026-025-02/N0700250209/images/Figure_keer_25_02_09_F4.jpg

[그림 4]

한국의 원자력 및 재생에너지 발전량 추이

2) 일본

분석기간Ⅰ(2013년~2019년) 동안 일본 전력부문의 CO₂ 배출량은 2013년 대비 22.9% 감소하였으며, 전력집약도 효과가 -9.4%로 가장 큰 감소 요인으로 나타났다. 이는 경제활동 대비 전력생산량이 감소하면서 전력수요 측면의 구조적 변화가 배출 저감에 크게 기여하였음을 의미한다. 이러한 결과는 오일쇼크 이후 지속되어 온 에너지 효율화와 산업구조 변화에 더해, 동일본대지진 이후 절전 및 효율 개선이 강화된 일본의 장기적인 변화와 관련된 것으로 해석할 수 있다(栗山昭久·田村堅太郎, 2018). 발전효율 변화 효과 역시 -5.2%로 나타나 단위 화력발전량당 연료투입량 감소가 배출 저감에 기여하였다.

무탄소 전원의 확대도 주요 감축 요인으로 작용하였다. 재생에너지발전 효과는 -7.5%로 나타났으며, [그림 5]에서 확인되듯이 재생에너지 발전량은 분석기간 동안 지속적으로 확대되었다. 이는 후쿠시마 원전사고 이후 재생에너지 확대 정책이 본격화된 결과로 볼 수 있으며, 일본 정부는 2015년 ｢장기 에너지 수급 전망｣에서 2030년 재생에너지 발전 비중을 22~24%까지 확대하는 목표를 제시하였다(経済産業省, 2015). 원자력발전 효과 또한 -6.1%로 배출 감소에 기여하였다. 일본의 원자력 발전은 2014년, 사실상 최저 수준까지 감소한 이후 점진적으로 재가동되면서 2019년까지 회복세를 보였다. 이러한 원자력발전의 부분적 회복은 무탄소 전원이 점진적으로 회복되는 과정의 일부로 해석된다. 반면 화력발전 구조 변화 효과는 +1.4%로 배출 증가 방향으로 작용하여 감축 효과를 일부 상쇄하였다. 이는 분석기간Ⅰ(2013년~2019년) 동안 화력발전 내부의 연료구성에 있어서 탄소배출이 높은 에너지의 비중이 상대적으로 높았다는 점을 시사한다. 경제활동 효과 역시 +3.9%로 배출 증가 방향으로 작용하였다. 종합적으로 분석기간Ⅰ(2013년~2019년) 동안 일본에서는 전력집약도 개선과 재생에너지발전 확대, 원자력발전 재가동 및 발전효율 개선이 복합적으로 작용하면서 경제활동과 화력발전 구조에 따른 CO₂ 배출량 증가 압력을 상회한 것으로 분석된다.

https://cdn.apub.kr/journalsite/sites/keer/2026-025-02/N0700250209/images/Figure_keer_25_02_09_F5.jpg

[그림 5]

분석기간별 일본 전력부문 CO₂ 배출 변화의 요인별 분해 결과

한편 분석기간Ⅱ(2019년~2023년) 동안 일본 전력부문의 CO₂ 배출량은 2019년 대비 9.4% 감소하였으며, 이전 구간과 비교하여 요인별 효과의 구조에도 뚜렷한 변화가 나타났다. 가장 큰 배출 감소 요인은 재생에너지발전 효과(-5.6%)이다. [그림 6]에 나타나 있듯이 2019년 이후에도 재생에너지 발전이 지속적으로 확대되면서 일본 전력부문의 주요 감축 요인으로 작용하였다. 또한 전력집약도 효과(-3.7%) 역시 주요 감축 요인으로 작용하였으며, 원자력발전 효과도 -3.6%로 나타나 원자력발전의 점진적인 재가동이 배출 감소에 기여한 것으로 설명할 수 있다.

화력발전 구조 효과는 -0.8%로 이전 구간의 배출 증가 방향에서 감축 방향으로 전환된 반면 발전효율 변화 효과는 분석기간Ⅰ과 달리 +3.4%로 나타났다. 본 연구의 발전효율 변화 효과는 단위 화력발전량당 연료투입량의 변화를 반영하므로, 이러한 결과는 재생에너지 확대에 따라 화력발전의 출력 조정 및 백업 역할이 증가하면서 부분 부하 운전 등 운전조건의 변화가 함께 반영된 것으로 해석할 수 있다. 吉葉史彦 외(2019)는 일본 석탄화력이 저부하로 운전될 경우 발전효율이 저하될 수 있음을 분석한 바 있으며, 본 연구의 결과 역시 이러한 화력발전 운전방식의 변화 가능성과 부합한다.

https://cdn.apub.kr/journalsite/sites/keer/2026-025-02/N0700250209/images/Figure_keer_25_02_09_F6.jpg

[그림 6]

일본의 원자력 및 재생에너지 발전량 추이

3) 탈동조화 분석 결과

전체 분석기간(2013년~2023년) 동안 한국의 DI 값은 -1.919, 일본의 DI 값은 3.371로 나타났다([그림 7] 참조). Tapio(2005)의 분류기준에 따르면, 한국은 총 발전량이 증가하는 가운데 CO₂ 배출량이 감소하여 강한 탈동조화(strong decoupling) 상태를 나타냈다. 반면 일본은 총 발전량과 CO₂ 배출량이 모두 감소하고 DI 값이 1.2를 초과하여 쇠퇴적 탈동조화(recessive decoupling) 상태로 나타났다. 따라서 양국 모두 발전량과 CO₂ 배출량 간의 탈동조화가 나타났으나, 한국은 발전량 증가와 배출량 감소가 동시에 나타난 반면, 일본은 발전량과 배출량이 함께 감소하는 상이한 경로를 보였다.

https://cdn.apub.kr/journalsite/sites/keer/2026-025-02/N0700250209/images/Figure_keer_25_02_09_F7.jpg

[그림 7]

CO₂ 배출량과 발전량 간 탈동조화지수(DI) 분석 결과

분석기간별로 살펴보면, 한국의 경우 분석기간Ⅰ(2013년~2019년)의 DI 값은 -0.988, 분석기간Ⅱ(2019년~2023년)의 DI 값은 –5.243으로 나타났다. 두 기간 모두 강한 탈동조화 상태를 보였으며, 특히 분석기간Ⅱ에는 총 발전량이 증가하는 가운데 CO₂ 배출량의 감소 폭이 상대적으로 크게 나타났다. 이러한 결과는 총 발전량이 증가하는 가운데 CO₂ 배출량은 오히려 감소하는 양상이 최근 들어 더 강하게 나타나고 있다는 것을 의미한다. 이러한 결과는 2010년 이후 한국 발전부문에서 탈동조화 현상이 발생하고 있음을 확인한 조용성(2017)의 선행연구와 맥락을 같이한다. 반면 일본의 경우에는 분석기간Ⅰ(2013년~2019년)의 DI 값은 +3.77, 분석기간Ⅱ(2019년~2023년)의 DI 값은 +3.09로 두 기간 모두 쇠퇴적 탈동조화 상태를 보였다. DI 값이 양수(+)로 나타난 것은 총 발전량과 CO₂ 배출량이 모두 감소했기 때문이다. 일본의 총 발전량은 2013년에는 약 1,084 TWh, 2019년에는 약 1,018 TWh, 그리고 2023년에는 약 987 TWh로 지속적인 감소 추세를 보였으며, CO₂ 배출량 역시 2013년에는 613.2 MtCO₂에서 2019년 472.5 MtCO₂, 그리고 2023년에는 428.0 MtCO₂로 가파른 감소세를 보였다.

한･일 양국의 서로 다른 탈동조화 경로는 경제 여건과 산업 구조의 차이를 반영하는 측면이 있다. 일본은 1991년 자산 버블 붕괴 이후 이어진 장기 저성장 국면에 머물렀으며, 제조업의 해외 이전과 서비스업 비중 확대, 인구 감소 등 탈산업화·인구 구조 전환을 동시에 겪으면서 전력집약도가 큰 폭으로 개선되었다. 그 결과 경제 활동의 정체와 전력집약도 개선이 동시에 작용하면서 총 발전량이 감소하게 되었다. 반면 한국은 반도체·자동차·철강 등 전력 다소비 산업이 지속적으로 확장되면서 경제성장과 함께 전력소비가 증가하여 총 발전량은 지속적으로 증가하게 되었다. 하지만 무탄소 전원의 증가, 전력집약도 개선, 발전효율 효과 등으로 CO₂ 배출량이 감소한 것으로 해석할 수 있다.

[그림 8]을 통해 알 수 있듯이 한국의 단위 발전량당 탄소집약도는 2013년 479 kgCO₂/MWh에서 2023년에는 282 kgCO₂/MWh로 약 41% 하락하였다. 일본의 탄소집약도 역시 2013년 565 kgCO₂/MWh에서 2023년에는 433 kgCO₂/MWh로 약 23% 하락하였지만 한국보다 높은 수준을 보이고 있다. 이 결과는 일본이 후쿠시마 원전사고 이후 원자력 공백을 화력발전으로 대체하는 과정에서 발생한 것으로 해석된다. 양국을 비교해 보면 한국은 발전부문의 무탄소 전원의 확대 및 탄소집약도의 개선, 일본은 전력 수요의 감소와 탄소집약도 개선 등을 통해 CO₂ 배출량을 줄여왔음을 알 수 있다.

https://cdn.apub.kr/journalsite/sites/keer/2026-025-02/N0700250209/images/Figure_keer_25_02_09_F8.jpg

[그림 8]

한･일 전력부문의 탄소집약도 추이 비교

Ⅴ. 결론 및 시사점

본 연구는 한국과 일본을 대상으로 2013년~2023년 기간 동안 전력부문의 CO₂ 배출량 변화의 결정요인을 비교 분석하고, 양국에서 전력 생산과 CO₂ 배출 간의 탈동조화 혹은 동조화 관계를 규명하는 것을 목적으로 하였다. 이를 위해 가법적 LMDI 분해분석을 적용하여 전력부문의 CO₂ 배출량 변화를 배출계수, 발전효율, 화력발전 구조, 원자력발전, 재생에너지발전, 전력집약도 및 경제활동의 7개 요인으로 분해하였다. 또한 LMDI 분해분석과 병행하여 Tapio(2005)의 탈동조화지수(DI)를 산출하여 총 발전량과 전력부문의 CO₂ 배출량 간의 탈동조화 정도와 그 변화 양상을 비교하였다.

LMDI 분석 결과, 양국 모두 분석기간 동안 전력부문의 CO₂ 배출량이 감소하였으나 감축효과를 가져온 요인에서는 뚜렷한 차이가 나타났다. 한국에서는 발전효율 변화 효과가 가장 큰 감축 요인으로 나타났으며, 이어 원자력 발전, 재생에너지발전, 화력발전 구조 변화가 CO₂ 배출량 감축에 기여하였다. 반면 일본에서는 전력집약도 개선과 함께 재생에너지발전과 원자력발전을 포함한 무탄소 전원의 비중 변화가 주요 감축 요인으로 작용하였다. 경제활동 효과는 양국 모두 배출 감소를 상쇄하는 방향으로 나타났으며, 특히 한국에서 그 영향이 상대적으로 크게 나타났다. DI 분석에서도 한국은 발전량이 증가하면서 CO₂ 배출이 감소하는 탈동조화를 나타낸 반면, 일본은 발전량과 배출량이 함께 감소하는 것으로 나타났다.

분석결과를 통해 도출할 수 있는 시사점은 다음과 같다. 한국의 경우, 재생에너지발전 효과는 -5.7%로 일본(-12.0%)에 비해 낮은 수준을 나타냈다. 이 결과는 발전부문의 CO₂ 배출량을 효과적으로 감축하기 위해서는 기존의 화력발전의 발전효율 개선 외에 재생에너지 발전을 확대하는 것이 중요하다는 점을 시사한다.

일본의 경우, 분석기간Ⅱ에서 재생에너지 발전의 확대에도 불구하고 발전효율 효과가 음수가 아니라 +3.4%로 나타난 점은 재생에너지 확대 외에도 화력발전의 운전조건 변화에 대응할 수 있도록 계통 유연성 자원을 확충하는 것이 필요하다는 점을 시사한다. 따라서 재생에너지 확대와 계통 안정성 강화를 지속하는 동시에, 자연재해 위험과 사회적 수용성 등의 제약을 고려하면서 안전성이 확보된 원자력을 일정 수준 활용하는 균형적 접근이 필요하다(尾本彰, 2018; 李秀澈 외, 2021). 다만 원자력을 단기간에 급격히 확대하는 데에는 한계가 있으므로 변동성이 큰 재생에너지를 안정적으로 공급하기 위한 에너지 저장장치(ESS), 송·배전망 확충과 계통 보강, 수요반응 등 전력시스템의 유연성 자원에 대한 투자를 병행할 필요가 있다.

본 연구의 한계점은 다음과 같다. 첫째, 본 연구의 발전효율 요인은 화력발전에 투입된 에너지와 발전량 간의 관계를 바탕으로 산출되므로 순수한 기술적 발전효율뿐 아니라 발전원 구성과 설비 운영 등의 변화가 함께 반영될 수 있다는 점에서 해석에 주의가 필요하다. 둘째, 분석모형에서 원자력발전 효과는 원자력발전량을 직접 사용하기보다는 非재생에너지발전량 대비 화력발전량의 비중으로, 재생에너지발전 효과는 총 발전량 대비 非재생에너지발전량으로 표현하고 있어, 직관적인 해석이 쉽지 않다는 한계점을 갖고 있다. 마지막으로 본 연구는 전력부문에서 발생하는 CO₂ 배출량만을 분석 대상으로 하므로, 전력수요 변화에 수반되는 다른 에너지원의 소비 변화와 이에 따른 경제 전체의 CO₂ 배출 변화를 포괄하지 못한다는 한계가 있다. 따라서 본 연구의 분석결과는 총 발전량과 전력부문 CO₂ 배출량 간의 관계로 한정하여 해석할 필요가 있다. 후속 연구에서는 이러한 방법론적 한계를 보완하는 한편, 분석 대상을 동아시아 주요국으로 확대하고 개별 전력정책의 감축 효과를 별도로 식별함으로써 국가별 전력부문 탈탄소화 경로를 보다 정교하게 규명할 필요가 있다.

Acknowledgements

이 논문은 고려대학교 특별연구비에 의하여 수행되었음

This paper was supported by a Korea University Special Research Grant

References

강병욱. (2019). 천연가스 소비 동향 및 중기 전망. 에너지 수급 브리프, (Series No. 6-10), 에너지경제연구원.

김광욱, 강상목. (2012). OECD 국가의 이산화탄소 배출량 분해분석. 자원·환경경제연구, 21(2), 211-235.

김수이, 김현석. (2011). LMDI 방법론을 이용한 국내 제조업의 에너지 소비 요인 분해분석. 에너지경제연구, 10(1), 49-76.

김수이. (2018). 국내 발전부문의 온실가스 배출 요인 분해 분석. 에너지경제연구, 17(1), 241-264.

박승규, 장인수. (2022). 산업별 및 권역별 이산화탄소 발생의 로그평균디비지아지수 분해분석. 한국지역개발학회지, 34(2), 195-228.

박정욱, 김수이. (2013). 한국과 일본의 산업부문 에너지 소비에 대한 LMDI 요인분해 분석. 에너지경제연구, 12(1), 67-103.

백승일, 세사리데시, 김하나. (2025). 한국의 부문별 분해 동인 분석 및 OECD 국가와의 비교. 한국기후변화학회지, 16(3-1), 365-376.

10.15531/KSCCR.2025.16.3.365

산업통상자원부. (2017). 제8차 전력수급기본계획(2017–2031). 산업통상자원부.

산업통상자원부. (2025). 제11차 전력수급기본계획. 산업통상자원부.

이나영, 조용성. (2025). 국내 시멘트 산업의 온실가스 배출 요인 분석. 자원·환경경제연구, 34(2), 291-319.

이용성, 김현석. (2021). 원자력 및 신재생에너지 발전의 CO₂ 감축 비용 효율성 비교. 자원·환경경제연구, 30(4), 607-625.

조용성, 조영대, 박순애. (2006). 발전부문의 온실가스 배출요인 분석. 환경정책, 14(1), 216-237.

조용성. (2017). 전력산업의 온실가스 배출요인 분석 및 감축 방안 연구. 한국기후변화학회지, 8(4), 357-367.

10.15531/ksccr.2017.8.4.357

조향숙. (2017). OECD 7개 국가의 CO₂ 배출량 감소요인 분해 분석. 자원·환경경제연구, 26(1), 1-35.

10.1109/TIP.2016.2612825

李秀澈, 何彦旻, 昔宣希, 諸富徹, 平田仁子, Unnada Chewpreecha. (2021). 石炭火力発電と原発早期フェーズアウトの2050年までの日本経済と電源構成,そして二酸化炭素排出への影響分析―E3MEマクロ計量経済モデルを用いた分析―. 環境経済·政策研究, 14(2), 1-12.

小川芳樹. (2021). 50年にわたるエネルギー起源の二酸化炭素排出の要因分析と国際的な対応の影響. 現代社会研究, 19, 29-37.

尾本彰. (2018). 低炭素電力システムにおける原子力と再生可能エネルギーの共生. 日本原子力学会誌 (ATOMOΣ), 60(4), 218-220.

栗山昭久, 田村堅太郎. (2018). 要素分解分析に基づく日本の2030年CO₂削減目標に関する一考察. 公益財団法人地球環境戦略研究機関(IGES). https://doi.org/10.57405/iges-6590

10.57405/iges-6590

経済産業省. (2015). 長期エネルギー需給見通し.

資源エネルギー庁. (2025). 第7次エネルギー基本計画. 経済産業省.

山本博巳. (2022). カーボンエネルギー概念のCO₂排出量および化石燃料消費の削減への応用. エネルギー・資源学会論文誌, 43(4), 178-185.

吉葉史彦, 花井悠二, 渡邊勇, 白井裕三. (2019). 再生可能エネルギー導入時の火力発電の調整力評価に関する研究―調整力の指標を用いた石炭火力の低負荷運用性能と追加コストの評価. 第24回動力·エネルギー技術シンポジウム講演論文集, D134.

Ang, B. W. (2004). Decomposition analysis for policymaking in energy: Which is the preferred method? Energy Policy, 32(9), 1131-1139.

10.1016/S0301-4215(03)00076-4

Ang, B. W. (2005). The LMDI approach to decomposition analysis: A practical guide. Energy Policy, 33(7), 867-871.

10.1016/j.enpol.2003.10.010

Ang, B. W. (2015). LMDI decomposition approach: A guide for implementation. Energy Policy, 86, 233-238.

10.1016/j.enpol.2015.07.007

Ang, B. W., Liu, F. L. (2001). A new energy decomposition method: Perfect in decomposition and consistent in aggregation. Energy, 26(6), 537-548.

10.1016/S0360-5442(01)00022-6

Diakoulaki, D., Giannakopoulos, D., Karellas, S. (2017). The driving factors of CO₂ emissions from electricity generation in Greece: An index decomposition analysis. International Journal of Global Warming, 13(3-4), 382-397.

10.1504/IJGW.2017.087205

Ember. (2025). Global Electricity Review 2025.

IEA. (2025a). Energy Statistics Data Browser (Japan).

IEA. (2025b). Korea 2025. IEA.

IPCC. (1996). Revised 1996 IPCC Guidelines for National Greenhouse Gas Inventories.

Kim, H., Kim, M., Kim, H., Park, S. (2020). Decomposition analysis of CO₂ emission from electricity generation: Comparison of OECD countries before and after the financial crisis. Energies, 13(14), 3522.

10.3390/en13143522

Mai, L., Ran, Q., Wu, H. (2020). A LMDI decomposition analysis of carbon dioxide emissions from the electric power sector in Northwest China. Natural Resource Modeling, 33(4), e12284.

10.1111/nrm.12284

Malla, S. (2009). CO₂ emissions from electricity generation in seven Asia-Pacific and North American countries: A decomposition analysis. Energy Policy, 37(1), 1-9.

10.1016/j.enpol.2008.08.010

Mohlin, K., Camuzeaux, J. R., Muller, A., Schneider, M., Wagner, G. (2018). Factoring in the forgotten role of renewables in CO₂ emission trends using decomposition analysis. Energy Policy, 116, 290-296.

10.1016/j.enpol.2018.02.006

OECD. (2002). Indicators to Measure Decoupling of Environmental Pressure from Economic Growth. OECD.

Oteng-Abayie, E. F., Asaki, F. A., Duodu, E., Mahawiya, S., Gyamfi, B. A. (2024). Decomposition analysis of electricity generation on carbon dioxide emissions in Ghana. Heliyon, 10(7).

10.1016/j.heliyon.2024.e2821238586330PMC10998045

Tapio, P. (2005). Towards a theory of decoupling: Degrees of decoupling in the EU and the case of road traffic in Finland between 1970 and 2001. Transport Policy, 12(2), 137-151.

10.1016/j.tranpol.2005.01.001

Wang, J., Song, C., Yuan, R. (2021). CO₂ emissions from electricity generation in China during 1997–2040: The roles of energy transition and thermal power generation efficiency. Science of the Total Environment, 773, 145026.

10.1016/j.scitotenv.2021.145026

Wang, Q., Jiang, R. (2019). Is China’s Economic Growth Decoupled from Carbon Emissions?, Journal of Cleaner Production, 225, 1194-1208.

10.1016/j.jclepro.2019.03.301

Wang, W., Kuang, Y., Huang, N., Zhao, D. (2014). Empirical research on decoupling relationship between energy-related carbon emission and economic growth in Guangdong Province based on extended Kaya identity. The Scientific World Journal, 2014(1), 782750.

10.1155/2014/78275024782666PMC3981526

Yu, B., Fang, D., Xiao, K., Pan, Y. (2023). Drivers of renewable energy penetration and its role in power sector’s deep decarbonization towards carbon peak. Renewable and Sustainable Energy Reviews, 178, 113247.

10.1016/j.rser.2023.113247

Zhang, M., Liu, X., Wang, W., Zhou, M. (2013). Decomposition analysis of CO₂ emissions from electricity generation in China. Energy Policy, 52, 159-165.

10.1016/j.enpol.2012.10.013

각주

[2] 1) LMDI 분해분석은 배출량 변화 요인을 정량적으로 분해하여 각 요인의 기여도를 규명하는 장점이 있는 반면, 활동 수준과 배출량 간의 거시적 동태 관계나 양 변수의 분리 진행 정도를 종합적으로 평가하기에는 한계가 있음. 즉 LMDI는 배출량 변화의 내적 메커니즘은 보여주지만, 그 결과가 경제활동 수준과 환경 부담(오염) 간 탈동조화 진전으로 이어지고 있는지에 대한 거시적 해석에는 추가적인 분석 도구가 요구됨. 이러한 단점을 보완하기 위해 LMDI 분해와 탈동조화지수(Decoupling Index, DI) 분석을 결합하는 다층적 접근이 최근 활발히 시도되고 있음. 이나영·조용성(2025)은 국내 시멘트 산업을 대상으로 LMDI 요인분해와 DI 분석을 결합하여, 매출액 증가에도 불구하고 온실가스 배출이 감소하는 탈동조화 현상의 구조적 동인과 거시적 진전을 동시에 규명한 바 있음.

[3] 2) Additive LMDI는 배출량 변화의 절대적인 증감량을 요인별로 분해하여, 각 요인이 전체 배출량 변화에 미치는 기여도를 직관적으로 해석할 수 있음. 또한 잔차 없이 완전 분해가 가능하다는 장점을 갖고 있음. 하지만 항등식 설정 단계에서 요인을 어떤 비율의 연쇄로 구성할 것인지는 분석자의 선택에 따라 달라지며, 잔차가 없는 완전분해는 주어진 항등식 내에서 보장되는 성질일 뿐, 서로 다른 항등식 구성 간에 각 요인으로 배분되는 크기가 동일함을 보장하는 것은 아님.

[4] 3) 기존의 분석은 에너지 믹스를 하나의 통합된 요인으로 처리함으로써 재생에너지와 원자력 간의 변화를 개별적으로 구분하여 정량화하기 어렵다는 한계가 있었음. Mohlin et al.(2018)은 이러한 한계를 보완하기 위해 에너지 믹스의 변화를 재생에너지, 원자력으로 구분하여 분석하는 접근을 제안함. 이후 Wang et al.(2021)은 이를 중국 전력부문에 적용하여 화력발전량의 비재생 발전량 대비 비중과 비재생 발전량의 총발전량 대비 비중을 각각 원자력 및 재생에너지 효과를 측정하기 위한 요인으로 설정함. 재생에너지와 원자력은 발전 과정에서 CO₂를 직접 배출하지 않으므로, 이들의 변화는 해당 발전비중의 보완항(complement)을 통해 간접적으로 반영할 수 있음. 이러한 방식은 배출량을 구성요인의 곱으로 표현하는 LMDI의 항등구조를 유지하면서 각 요인의 기여도를 완전분해할 수 있다는 장점을 갖고 있음(Ang, 2005). 다만 이러한 구성은 단계적 분해구조에 해당하며, 두 요인의 개별 효과는 항등식의 구성 순서에 따라 달라질 수 있음.

[5] 4) OECD(2002)는 탈동조화를 절대적·상대적 형태로 구분하였으나, 본 연구에서는 다음 두 가지 이유에서 Tapio(2005)가 제안한 탈동조화 지수를 적용함. 첫째, Tapio의 탄성치는 배출량 변화율을 발전량 변화율로 나눈 비율 구조로 정의되므로, LMDI 분해를 통해 도출된 개별 요인별 배출 기여도를 동일한 탄성치 틀 안에서 재구성할 수 있다는 장점(Wang et al., 2014). 둘째, OECD 방식이 절대적 탈동조화와 상대적 탈동조화의 이분법적 구분에 그치는 반면, Tapio 방식은 탄성치 수치와 분자·분모의 부호 조합을 통해 탈동조화 상태를 8가지로 세분화함으로써 보다 정교한 해석을 가능하게 함(조용성, 2017; Tapio, 2005).

[6] 5) 일본의 경우, 기준년도로 설정한 2013년은 원자력 발전이 사실상 정지 상태였고 전력부문의 배출량이 정점에 달했던 시점이므로, 일본의 분석 결과에는 후쿠시마 원전사고 충격으로부터의 회복과정이라는 특수성이 반영되어 있음. 따라서 일본의 원자력발전 효과 해석 시 이러한 특성을 고려해야 함.

[7] 6) 식(2)에서 재생에너지발전 효과는 총 발전량을 분모로 하는 상위 단계에, 원자력발전 효과는 非재생 발전량을 분모로 하는 하위 단계에 위치하므로, 원자력 발전량이 변화하면 재생에너지 발전량이 전혀 변하지 않았더라도 NR의 변동을 통해 재생에너지발전 효과의 값이 함께 움직이게 됨. 따라서 하위 단계 전원의 변화가 상위 단계 요인의 산정값에 영향을 미치는 비대칭이 존재하며, 두 전원의 위계를 역전하여 항등식을 재구성하면(원자력을 상위 단계에, 재생에너지를 하위 단계에 배치) 각 효과에 배분되는 크기가 달라질 수 있다는 한계점을 갖고 있음. 이에 원자력과 재생에너지 요인의 위계 순서를 역전하여 추가 분석한 결과, 2013∼2023년 기간 동안 한국에서는 두 효과의 상대적 순위가 역전된 반면, 일본에서는 재생에너지발전 효과가 원자력발전 효과보다 크게 나타나는 결과가 유지되었음.

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

Preview

Decomposing CO₂ Emission Changes in the Power Sectors of Korea and Japan

ABSTRACT

MAIN

(1)

(2)

(3)

<표 1>

LMDI 분해모형의 주요 변수 및 정의

(4)

(5)

(6)

(7)

(8)

(9)

(10)

(11)

(12)

<표 2>

탈동조화 지수의 구간별 의미

[그림 1]

한국과 일본의 전력부문 CO₂ 배출량 및 발전량 추이

<표 3>

LMDI 분해모형 주요 변수의 기술통계표

[그림 2]

한국과 일본 전력부문 CO₂ 배출 변화에 대한 LMDI 분해분석 비교

[그림 3]

분석기간별 한국 전력부문 CO₂ 배출 변화의 요인별 분해 결과

[그림 4]

한국의 원자력 및 재생에너지 발전량 추이

[그림 5]

분석기간별 일본 전력부문 CO₂ 배출 변화의 요인별 분해 결과

[그림 6]

일본의 원자력 및 재생에너지 발전량 추이

[그림 7]

CO₂ 배출량과 발전량 간 탈동조화지수(DI) 분석 결과

[그림 8]

한･일 전력부문의 탄소집약도 추이 비교

Acknowledgements

References

각주