Subscript

RTM : Real time market

VPP : Virtual Power Plant

LMP : Locational Marginal Price

SM : System Marginal Price

ESS : Energy storage system

DR : Demand Response

NREL : National renewable energy laboratory

HVDC : High Voltage Direct Current

KPX : Korea Power Exchange

CVaR : Conditional Value at Risk

BESS : Battery Energy Storage System

IEA : International Energy Agency

P2H : Power to Heat

P2G : Power-to Gas

1. 서 론

1.1 연구 배경 및 필요성

전 세계적으로 태양광, 풍력 등 변동성 재생에너지 설비의 급격한 확대가 이루어지고 있으며, 이에 따라 전력 계통의 변동성과 예측 불확실성이 크게 증가하고 있다. 국제에너지기구(International Energy Agency, IEA)와 미국 국립재생에너지연구소(National renewable energy laboratory, NREL) 등 국제 기관들은 재생에너지의 간헐적 특성이 전력계통의 유연성을 감소시키는 주요 요인이라고 지적하고 있다¹⁾. IEA (2024)는 재생에너지 통합 지연 시 2030년까지 전 세계 태양광･풍력 발전량의 최대 15%가 위험에 처할 수 있으며, 이를 화석연료로 대체할 경우 전력 부문 CO₂ 배출 감축이 20%까지 감소할 수 있다고 경고했다²⁾. 특히 독립적 계통 구조를 가진 제주도를 비롯한 도서 지역에서는 발전량 급증과 저부하 구간 발생 등으로 인해 출력제어가 일상적 현상으로 자리잡고 있으며, 이는 재생에너지 사업자의 경제성 저하, 신재생에너지 정책의 지속가능성 약화, 사회적 비용 증가 등 부작용을 야기하고 있다. 국제재생에너지기구(IRENA)는 2024년 전 세계 출력제어로 인한 재생에너지 손실이 200 TWh를 초과했으며, 이로 인한 경제적 손실이 200억 달러에 달한다고 보고했다³⁾.

이러한 배경 속에서 실시간 입찰제도(Real Time Market, RTM)는 예측 오차와 계통 변동성에 능동적으로 대응하기 위한 시장 기반 해법으로 국제적으로 급부상하고 있다. 독일, 미국, 호주, 덴마크 등 선진국들은 실시간 입찰제도과 가상발전소(Virtual Power Plant, VPP)의 활성화를 통해 예측 정확도 향상, 출력제어 최소화, 경제적 유인 강화 등 다층적 정책 효과를 실현하고 있다. 실시간 입찰제도은 전력 중개 기간을 15분으로 단축하여 발전기와 재생에너지 사업자가 계통 변동에 실시간으로 대응할 수 있도록 함으로써, 하루전시장(Day-Ahead Market)에서 발생하는 예측오차를 시장 메커니즘으로 흡수한다. 특히 독일은 2011년 EPEX Spot 시장에 15분 단위 계약을 도입한 이후, 재생에너지 통합 효율성이 크게 개선되었다⁴⁾. Koch & Hirth (2019)의 실증 연구에 따르면, 독일의 15분 단위 거래 도입은 예측 가능한 불균형을 80% 감소시켰으며, 만약 이러한 개선이 없었다면 예비력 요구량이 7%, 활성화 용량이 17% 더 컸을 것으로 추정된다⁵⁾ 동시에 VPP는 분산된 태양광, 풍력, 에너지저장장치(Energy Storage System, ESS), 수요반응(Demand Response, DR) 등 다양한 자원을 통합 관리하여 시장 참여자의 예측력과 유연성을 극대화한다.

국내에서도 대한민국 정부는 2024년 6월 제주도에서 실시간 입찰제도 시범사업을 개시하여 VPP 활성화 기반을 조성하고 있다⁶⁾. 제10차 전력수급기본계획(2023)에 따르면, 정부는 2030년까지 재생에너지 발전 비중을 30.6%까지 확대할 계획이며, 이를 위해 실시간 시장 제도의 전국 확대가 필수적이라고 판단하고 있다⁷⁾. 그러나 그간 출력제어 현상의 결정 요인에 대한 연구는 물리적･기술적 원인(송전 제약, 계통 관성, 설비 용량)에 집중되어, 시장 메커니즘의 질적 요소(예측 정확도, 가격신호의 유효성, 시장 참여자의 행동)가 출력제어에 미치는 영향에 대한 실증적 분석이 부족했다. IRENA (2023)는 재생에너지 3배 확대 목표 달성을 위해서는 물리적 인프라 확충과 함께 시장 제도의 질적 개선이 동시에 이루어져야 한다고 강조했다⁸⁾.

1.2 연구 목적 및 의의

본 연구는 제주 실시간 입찰제도 시범사업 데이터를 활용하여 출력제어 발생을 결정하는 물리적 요인과 시장 질적 요인을 실증적으로 규명하고, 이를 토대로 향후 전국 실시간 입찰제도 확대 시 필요한 정책 방향을 제시하는 것을 목적으로 한다. 구체적으로 본 연구는 다음 세 가지 연구 질문에 답변하였다.

첫째, 태양광과 풍력 등 재생에너지 발전 잠재력이 출력제어에 미치는 영향의 상대적 크기는 어떠한가? 이를 통해 정책 우선순위(태양광 vs 풍력)를 정량적으로 결정할 수 있다.

둘째, 초고압직류송전(High Voltage Direct Current)과 전력수요라는 계통 수용능력 측면에서 어느 요인이 출력제어를 더 효과적으로 완화하는가? 이를 통해 물리적 인프라 확충과 수요 창출 정책 간 우선순위를 합리적으로 결정할 수 있다.

셋째, 전력 수요 예측편차와 하루전, 실시간 계통한계가격(System Marginal Price, SMP)같은 시장 질적 요인이 독립적으로 출력제어에 영향을 미치는가? 이를 통해 실시간 입찰제도의 시장 설계 완성도를 제고하기 위한 기술적･제도적 개선 방안을 도출할 수 있다.

따라서 본 연구의 학술적 의의는 다음과 같다. 첫째, 제주 시범사업 실제 데이터를 활용한 출력제어 결정 요인의 정량적 분석을 제시하였다. 둘째, 기존 연구에서 간과해온 시장 질적 요인(전력수요예측 편차, 가격신호)의 독립적 영향을 규명함으로써, 출력제어 완화가 물리적 인프라 확충과 시장 제도 개선의 동시적 추진을 요구함을 실증적으로 입증하였다. 셋째, 로그변환 변수의 원단위(MW 기준) 한계효과를 제시함으로써, 정책 입안자와 실무가가 직관적으로 정책 우선순위를 결정할 수 있도록 한다.

본 연구의 정책적 의의는 다음과 같다. 첫째, 정부와 전력거래소는 본 연구 결과를 토대로 수요 창출, 예측 품질 관리, 실시간 가격신호 투명성 강화 등 3대 우선 정책을 수립할 수 있다. 둘째, VPP 사업자는 본 연구에서 제시한 변수별 한계효과를 참고하여 포트폴리오 최적화, ESS 운영 전략, 동적 입찰 기법 등을 고도화할 수 있다. 셋째, 향후 전국 실시간 입찰제도 확대 및 다른 독립 계통(도시가스, 열 등)의 시장 설계 시 본 연구의 실증 결과를 기본 틀로 활용할 수 있다.

2. 선행 연구 조사

2.1 연구 사례

관련한 기존 연구를 살펴보면 출력제어 해소 및 유연성 확보 기술과 전략과 시장 설계 및 질적 요인의 인과분석 중심 연구 두 가지 주제로 나뉜다.

2.1.1 재생에너지 출력제어 해소 및 유연성 확보 기술

많은 선행연구들은 재생에너지의 출력제어 발생을 저감하기 위한 기술적･운영적 해법에 집중해왔다. 주로 ESS의 최적 배치 및 운영전략, VPP, 섹터커플링(P2H, P2G 등), HVDC 송전망 확충, DR과 같은 유연성 자원의 결합적 활용에 방점이 찍혀왔다.

Lee et al. (2020)은 제주도 Carbon-Free Island (CFI) 2030 목표 달성을 위한 BESS 배치 전략을 시뮬레이션했다⁹⁾. 제주의 재생에너지 설비용량 확대 시나리오별로 필요한 ESS 규모를 계산하고, 경제성 분석을 통해 최적 투자 시점을 제시했다. 최민수 등(2022)은 제주 지역 신재생 출력제한 방지를 위한 섹터커플링 VPP 아키텍처를 설계하며, P2H (Power-to-Heat), P2G (Power-to-Gas) 등 유연성 자원을 VPP에 통합하는 방안을 제시했다¹⁰⁾. P2H 설비를 활용한 출력제어 시간대의 잉여 전력 활용 방안과 경제적 타당성을 분석했다.

윤성욱 등(2024)은 AHP (Analytic Hierarchy Process) 기법으로 제주 변동성 재생에너지 출력제어 해소방안의 우선순위를 도출했다¹¹⁾. ESS, DR, HVDC 확충, P2H, 전기차 충전 인프라 등 다양한 대안을 경제성, 기술성, 정책 실현가능성, 환경성 등 다기준으로 평가하여 정책 우선순위를 제시했다.

하지만 이들 연구 상당수는 출력제어의 발생요인을 송전용량, 설비비중, 유연성 자원 확충 여부 등 주로 계통 물리량의 변화로 간주하고, 시장제도의 세부 구조(입찰방식, 가격신호, 정산체계 등)가 어떻게 출력제어를 유발･억제하는지에 대한 검증적 분석은 상대적으로 미흡했다.

2.1.2 시장 설계 및 질적 요인의 인과분석

재생에너지 출력제어 발생에서 시장 미세구조와 시장 참여자의 행동･예측 품질･가격 변동성이 미치는 영향력에 대한 질적 분석에 초점을 맞춘 많은 연구가 이루어졌다. 이들 연구는 주로 실시간 전력시장에서 예측편차, 실시간 가격 신호, 입찰제도 불균형 정산, 패널티 부과 등 ‘소프트웨어적(Market) 요인’이 물리적 자원 변화에 못지않게 출력제어 확률을 결정한다는 가설하에 구성된다.

Dabbagh & Sheikh-El-Eslami (2016)는 VPP의 에너지 및 예비력 시장 참여 시, 예측 오차에 노출되는 재정적 리스크를 CVaR 기법으로 정량화하고, 위험회피적 입찰 전략을 제시했다¹²⁾. 이들은 VPP가 불확실성 하에서 최적 입찰량을 결정하는 확률론적 모델을 개발했으며, 예측오차가 클수록 CVaR 값이 증가하여 보수적 입찰로 이어짐을 보였다.

Nguyen & Nguyen (2021)은 예비력 활성화 확률을 확률분포 함수로 모델링하고, VPP의 최적 예비력 입찰량을 도출했다¹³⁾. 이들은 예비력 시장에서 VPP의 수익 극대화와 출력제어 회피를 동시에 고려한 최적화 모델을 제시했다. Lee & Won (2021)은 DER 집합체의 실시간 디스패치 불확실성을 고려한 VPP 최적 운영 알고리즘을 개발했다¹⁴⁾. 이들은 실시간 시장에서 15분 단위 운영의 불확실성을 확률적으로 모델링하고, 롤링 호라이즌 최적화(Rolling Horizon Optimization)를 통해 VPP의 실시간 의사결정 프레임워크를 구축했다.

Naval & Yusta (2021)는 VPP의 시장 참여 전략과 분산형 재생에너지 통합에 대한 포괄적 리뷰를 수행했다¹⁵⁾. 이들은 VPP가 하루전 시장과 실시간 시장에 동시 참여할 때의 전략적 최적화 방법론을 체계적으로 정리했으며, 전 세계 VPP 모델의 발전 방향을 제시했다. Pandžić & Kuzle (2013)은 VPP의 중기 디스패치 최적화를 위한 혼합정수선형계획(MILP) 모델을 개발했다¹⁶⁾. 이들은 양자간 계약과 하루전 시장을 결합한 VPP의 주간 수익 극대화 전략을 제시했다.

Denholm et al. (2015)은 캘리포니아의 “Duck Curve” 현상을 분석하고, 태양광 발전량 급증으로 인한 계통 유연성 문제를 정량화했다¹⁷⁾. 이들은 재생에너지 비중이 높아질수록 실시간 계통 운영의 복잡성이 증가함을 실증적으로 보였다. Mills & Wiser (2015)는 재생에너지 침투율 증가가 전력 가격과 경제적 가치에 미치는 영향을 분석했다. 캘리포니아 사례를 통해 재생에너지 비중이 높아질수록 시장 가격 변동성이 증가하고, 출력제어 발생 확률도 높아짐을 확인했다¹⁸⁾.

CAISO (2016)는 실시간 시장 도입 이후 5분 단위 시장 운영이 출력제어 감소에 기여했음을 보고했다¹⁹⁾. 특히 실시간 가격신호의 세분화가 시장 참여자의 자율적 대응을 유도하여 계통 유연성을 개선했다고 분석했다.

Zhang et al. (2021)은 중국의 풍력･태양광 출력제어가 2015년 이후 급격히 감소한 원인을 분석했다²⁰⁾. 이들은 송전망 확충, 성간(省間) 전력거래 확대, 석탄발전 최소출력 하향조정, 그리고 실시간 시장 제도 도입 등 다층적 정책 조합의 효과를 실증적으로 규명했다. 특히 시장 메커니즘의 개선이 물리적 인프라 확충만큼 중요한 역할을 했음을 강조했다.

그러나 대부분은 개념적 모델 모의실험, 정책 시나리오 평가, 시장 참여 조건 변화의 예측 결과 비교 등 간접적 방증에 그친 경우가 많고, 물리량 변화와 시장요인의 합성 효과, 그리고 그것이 실제 제주처럼 독립 계통 시장에서 어떻게 실증적으로 드러나는지는 한계가 존재했다.

2.2 기존 연구와의 차별성

본 연구는 재생에너지 실시간 입찰제도 제주 시범사례를 통해, 출력제어 발생을 유도하는 시장요인(예측편차, 가격변동, 불균형 정산 등)과 물리적 요인(송전용량, 태양광･풍력자원, 수요 크기 등)을 데이터 기반으로 계량적으로 명시적으로 분리한 뒤, 각 요인이 실제 계통에서 어떤 영향력을 갖는지 실증분석하였다.

즉, 출력제어의 단순 물리량 부족, 송전혼잡 해소, ESS 확충 등 물리적 해법과 함께, 입찰 예측편차･가격 편차･시장 정산구조 등 시장질적 요인이 실제로 얼마나 강하게 계통 운영에 영향을 미치는지를 실적 데이터에 기반하여 계량적으로 규명하는데 집중하였다.

따라서 본 논문은 기존 문헌의 주제별 분절성과 모의실험 중심 한계를 넘어, 실시간 시장제도 도입이 계통(제주)의 실제 출력제어 현황에 미치는 미시적 인과관계와, 시장 설계자 및 VPP사업자 모두에게 의사결정에 직결된 실제적 근거를 제시한다는 점에서 명확한 학술적 차별성을 갖는다.

3. 연구 방법론

3.1 연구 대상 및 데이터 수집

본 연구는 제주 실시간 입찰제도 시범사업 참여 VPP 사업자의 입찰 데이터와 제주 전력 계통의 시계열 데이터를 분석 대상으로 활용하였다. 데이터는 전력거래소(KPX)의 실시간 시장 운영 자료와 기상청의 기상 관측 자료를 통합하여 구성하였다. 데이터의 시간 단위는 1시간 간격(Hour)을 기본으로 하되, 실시간 입찰제도 운영의 최소 단위인 15분 단위로 수집된 자료(SMP, Real-time Demand)를 시간대별 평균값으로 가공하여 분석의 기초 자료로 삼았다.

데이터 관측기간은 제주 입찰제도 시범사업이 시작한 2024년 6월 1일부터 2025년 3월 31일까지이다. 이는 총 7,296시간의 관측 데이터를 포함하며, 사계절의 기후 특성과 계절별 수요 특성을 최대한 반영하되, 제주 연중 재생에너지 발전 양상의 대표성을 담보하도록 설정되었다.

3.2 변수 정의

본 연구는 출력 제어 발생이라는 이산적인 사건을 종속변수로 정의하고, 이를 결정하는 독립변수들을 크게 4가지 특성 카테고리로 분류하였다. Table 1와 같이 각 카테고리는 출력제어 발생의 물리적･경제적･예측적 요인을 포괄하며, 이들의 독립적 영향력을 구분하기 위해 설계되었다.

출력제어 판단은 전력거래소(KPX) 기준을 따른다. 전력시장운영규칙 제18.5.1조에 따른 실시간 발전계획 대비 실시간 급전지시(Set Point)의 차이를 통해 확인하며, 본 연구는 이 기준을 토대로 출력제어 여부를 이항변수로 정의하였다. 즉, 출력제어는 계통 운영자인 전력거래소가 계통 안정성 또는 수급 불균형을 이유로 발전기의 발전량을 사전 계획값 이하로 제한하는 행위를 의미한다.

물리적 요인 카테고리에 속하는 일사량(avg_solar_rad)과 풍속(avg_wind_speed)은 재생에너지의 간헐적 특성을 직접 반영한다. 일사량은 태양광 발전량을 결정하는 핵심 기상 변수로, 계절･시간대별 변동이 크고 구름, 미세먼지 등 대기조건의 영향을 직접 받는다. 풍속은 풍력 발전량의 3제곱 함수로 결정되므로 작은 풍속 변화도 발전량에 큰 영향을 미친다. 이들 변수는 계통 공급 측(supply-side) 변동성을 대표한다.

계통 수용능력 카테고리에 속하는 HVDC 송전량(log_hvdc)과 실시간 수요(log_realtime_demand)는 제주 계통이 재생에너지를 얼마나 수용할 수 있는지를 결정한다. HVDC 송전량은 육지-제주간 전력 수송 능력을 제약하는 물리적 한계를 나타내며, 제주 출력제어의 근본 원인 중 하나이다. 여기서 log_hvdc는 HVDC 설비용량(400 MW)이 아닌 시간대별 실제 송전량을 의미하며, 분석 기간 중 평균 221 MW(범위 –85 ~ 350 MW)로 충분한 변동성을 보였다. 실시간 수요는 계통 내 재생에너지 흡수 능력을 결정한다. 수요가 크면 재생에너지 발전량을 모두 소비할 수 있지만, 저부하 구간(예: 봄철 저수요 시간대)에는 계통 내 잉여 전력이 누적되어 출력제어가 발생한다. 이들은 계통 수요 측(demand-side) 제약을 대표한다.

HVDC와 수요 변수에 로그변환을 적용한 이유는 다음과 같다. 첫째, 규모의 차이를 정규화한다. HVDC(평균 221 MW)와 수요(평균 728 MW)는 수백 MW 단위로, 다른 변수들(m/s, MJ/m², 원 /kWh)과 크기가 100배 이상 차이난다. 로그변환은 이러한 규모 차이를 축소하여 Logit 모형의 MLE 수렴성을 확보한다. 둘째, 탄력성(elasticity) 해석을 가능하게 한다. 로그계수는 “1% 증가할 때 확률 변화”로 해석되어, 절댓값이 아닌 상대적 변화율에 기반한 정책 함의를 도출할 수 있다. 이는 국제 에너지 정책 연구의 표준 방법론이다.

시장 질적 요인 카테고리에 속하는 수요 예측편차(abs_ demand_change)와 실시간-하루전 SMP 편차(smp_differ)는 본 연구의 핵심 차별성을 반영한다. 이들은 실시간 입찰제도의 미세구조와 시장 참여자의 예측･입찰 행동이 출력제어에 미치는 영향을 포착한다. 수요 예측편차는 실시간 전력수요 예측의 정확도를 나타낸다. 발전사업자는 하루전 시장에서 예측된 수요에 기반해 입찰하지만, 실제 실시간 수요가 예측과 크게 벗어나면 과잉공급 시 출력제어 또는 부족공급 시 높은 실시간 가격 발생 등으로 이어진다. 수요 예측편차가 크다는 것은 실시간 입찰제도 진입 시 불확실성이 크다는 의미이며, VPP가 입찰 후 리스크를 안게 된다는 뜻이다. 본 연구는 이 변수가 출력제어를 독립적으로 유발하는지 실증하였다.

실시간-하루전 SMP 편차(smp_differ)는 시장의 실시간 가격신호를 나타낸다. 편차가 크게 음수(RT SMP < DA SMP)라는 것은 계통 공급이 과잉임을 의미하며, 이는 출력제어의 선행지표이다. 반대로 편차가 양수(RT SMP > DA SMP)라면 공급부족 신호로, VPP나 ESS가 발전･충전을 증가시킬 동기를 얻는다. 따라서 가격신호의 유효성이 시장 메커니즘 기반 출력제어 완화의 전제조건이다. 실시간 SMP는 해당 거래시간 개시 전에 형성되므로, smp_differ는 출력제어 발령 시점 이전의 가격신호로서 시간적 선행성을 갖는다. 여기서 실시간과 하루전 SMP의 편차의 내생성 가능성이 있다. 실시간 SMP가 공급과잉의 결과일 수 있어 역인과성 우려가 존재하나, 본 연구는 가격신호의 시간적 선행성에 기반하여 해석하였다. 도구변수 추정 등 엄밀한 인과 식별은 향후 과제로 남긴다.

본 연구의 6개의 독립변수는 출력제어 발생의 4가지 차원을 포괄한다. 물리적 발전 측면에서는 일사량과 풍속이 재생에너지의 간헐적 발전량 변화를 포착한다. 계통 수용능력 측면에서는 HVDC와 실시간 수요가 계통이 재생에너지를 수용할 수 있는 물리적･경제적 한계를 나타낸다. 예측 정확성 측면에서는 수요 예측편차가 실시간 입찰제도 진입 시 불확실성이 출력제어에 미치는 영향을 포착한다. 시장신호 유효성 측면에서는 SMP 편차가 실시간 가격신호가 시장 참여자의 자율적 대응을 유도하는지 여부를 반영한다.

3.3 연구모형

3.3.1 분석방법 : 로지스틱 회귀분석

본 연구의 종속변수인 출력 제어 발생 여부(is_curtailment)가 발생(1) 또는 미발생(0)의 이산적 확률 값을 가지는 이항변수이므로, 일반적인 선형 회귀 모형(OLS)의 한계를 극복하기 위하여 로지스틱 회귀분석(Logistic Regression)을 최종 분석 방법으로 채택하였다. 이는 특정 사건(Y=1)이 발생할 오즈(Odds = P/(1-P))와 독립변수(X)의 관계를 선형 함수로 모델링하여, 독립변수가 종속변수의 확률에 미치는 영향을 추정하는 데 적합한 방법론이다.

로지스틱 회귀분석은 출력제어와 같은 이산적 사건(binary event)의 결정 요인 분석에 표준적으로 사용된다. Bird et al. (2016)은 CAISO 시간대별 출력제어 발생 확률 분석을 수행했으며, Lee & Won (2021)은 VPP의 최적 운영 리스크 평가에 로지스틱 모형을 적용했다.

로지스틱 회귀모형의 함수식은 다음과 같다²¹⁾.

P = 출력제어 발생 확률, β0 = 절편, βi = 각 독립변수의 회귀계수, Xi= 독립변수

3.3.2 최종 분석 모형

본 연구는 독립 변수들을 사용하여 다음의 로지스틱 회귀 모형을 구성하고 추정한다.

모형 추정 결과는 계수(βᵢ)의 통계적 유의성을 통해 해석하며, 핵심적으로 한계효과(Marginal Effect, dy/dx) 분석을 수행하여 계량적 분석을 완료한다. 한계효과는 독립변수가 단위기준으로 변화할 때, 출력 제어 발생 확률(P) 자체가 퍼센트 포인트(p.p.) 단위로 얼마나 변화하는지 직관적으로 제시한다.

로그변환 변수의 한계효과 계산은 다음과 같다. 이를 통해 절댓값(MW) 단위에서의 한계효과를 산출하여 정책적 해석을 더욱 명확히 하고자한다.

Λ = 적합확률(fitted probability), X = 변수 전체의 평균값

4. 연구 결과

4.1 연구결과 개요

수집한 제주 실시간 입찰제도 시범사업 데이터(2024년 6월~ 2025년 3월, 총 7,296시간)를 바탕으로 출력제어 발생 패턴과 주요 독립변수들의 월별･계절별 추이를 시각화하여 분석하였다. 앞서 정의한 변수 특성 카테고리(물리적 요인, 계통 수용능력, 시장 질적 요인)별로 구분하여, 각 요인이 출력제어 발생과 어떠한 관계를 보이는지 기술통계 및 시각적 분석을 수행한다.

4.1.1 계절별 출력제어 양상

제주 실시간 입찰제도 시범사업 기간 중 출력제어는 총 182시간 발생하여, 전체 관측시간(7,296시간) 대비 2.49%의 비율을 기록했다. 그러나 Fig. 1과 Table 2와 같이 출력제어는 월별로 극명한 편차를 보였다.

Fig. 1

Curtailment by month

수집한 데이터 분석 결과 Table 2와 같이 2025년 3월에는 출력제어 비율(12.10%)이 여름철(1.13%)의 약 10.7배, 전체 평균(2.49%)의 약 4.9배에 달한다. 이는 2025년 3월 한 달 동안 발생한 출력제어(90시간)가 전체 출력제어의 49.5%를 차지함을 의미한다. 6월부터 8월까지 여름철 출력제어는 총 25시간으로 가장 낮았으며, 이는 냉방 부하 증가로 인한 높은 전력수요(평균 770 MW)가 재생에너지 발전량을 충분히 흡수했기 때문이다. 2월(3.27%)에서 2025년 3월(12.10%)으로 넘어가며 출력제어 비율이 약 3.7배 급증했다. 이는 난방 부하 종료에 따른 수요 감소와 태양광 발전 잠재력 증가가 동시에 작용한 결과이다.

봄철 고위험 원인은 세 가지 복합요인으로 분석된다. 첫째, 수요의 급격한 감소 측면에서 겨울 난방 부하(1월부터 2월까지 평균 약 760 MW)가 2025년 3월에 급감(약 682 MW)하면서, 계통의 잉여 전력 수용능력이 감소한다. 둘째, 태양광 발전의 피크 도달 측면에서 봄철은 태양의 고도각이 여름과 비슷할 정도로 높아지면서 일사량이 2025년 3월부터 최고조에 달한다(연중 800에서 850 MJ/m² 정점). 동시에 저수요 시간(10시부터 14시)에 태양광이 집중되어 급격한 공급 변동을 야기한다. 셋째, 풍력 발전의 증가 측면에서 봄철 평균 풍속이 겨울 다음으로 높아(2025년 3월부터 평균 4.5에서 5.0 m/s), 풍력 발전량이 증가하면서 공급 과잉이 심화된다.

여름철 출력제어가 가장 낮은 이유는 높은 에어컨 냉방 부하(여름 피크 수요 약 2,000 MW)로 재생에너지 발전량을 충분히 소비할 수 있기 때문이다. 겨울철은 난방 부하로 수요가 유지되면서(평균 755 MW) 출력제어가 중간 수준(1.67%)을 기록했으며, 낮은 태양광 발전 잠재력(평균 일사량 0.31 MJ/m²)으로 인해 출력제어 압력이 상대적으로 낮았다.

4.2 독립변수 간 상관관계 분석

분석 모형에 투입된 주요 독립 변수들 간의 통계적 관계를 파악하기 위하여 Table 3와 같이 피어슨(Pearson) 상관계수를 산출하였다.

본 연구의 핵심 변수들인 log_realtime_demand와 abs_ demand_change 간의 상관계수의 절대값이 -0.0955로 매우 낮게 나타났다.

이는 두 변수가 거의 독립적으로 작용함을 의미하며, abs_demand_change를 독립 변수로 투입할 때 다중공선성 위험이 낮음을 사전적으로 시사하였다. 모든 변수 간의 상관계수 절대값이 0.5를 초과하는 경우가 없어, 모형 안정성에 대한 긍정적인 신호로 작용하였다.

4.3 다중공선성 검토

분산 팽창 요인(Variance Inflation Factor, VIF) 값을 산출한 결과, 본 연구의 모형에 투입된 모든 독립 변수의 VIF 값은 Table 4와 같이 2.5 미만(평균 1.72)으로 산출되었다.

이는 일반적인 허용 기준치(VIF < 10, 보수적 기준 VIF < 5)에 하회하는 수준으로, 모형에 투입된 독립 변수들 간에 다중공선성 문제가 존재하지 않음을 의미한다. 따라서 각 변수의 계수 추정값의 신뢰도가 높으며, 개별 변수의 순효과(net effect) 해석이 통계학적으로 타당하다. 계통 운영자의 실시간 수요 예측 정확도를 KPI로 관리하고, 예측편차를 줄이는 투자(AI/ML 기반 예측모델, 데이터 고도화)를 장려해야 한다.

4.4 로지스틱 회귀분석 결과 및 한계효과 해석

로지스틱 회귀분석 결과, Table 5와 같이 Pseudo R²값은 0.4705로, 모형의 설명력이 높고, 모든 변수가 P < 0.001로 통계적으로 강력하게 유의미함을 입증하였다.

4.4.1 계통 수용능력 요인

Table 5에서 확인할 수 있다시피 육지에서 제주로의 HVDC이 1 MW 증가할 때, 출력제어 발생 확률은 약 0.0047 퍼센트 포인트(p.p.) 감소한다. 이는 HVDC의 총 평균 용량(221 MW) 대비 1 MW라는 미세한 변화의 효과를 나타낸다. 즉, 평균 송전량 중 약 0.45%의 추가 송전 능력이 출력제어를 0.0047% p.p. 감소시킨다는 의미이다.

기저 출력제어 확률(2.8%)과의 비교하면, HVDC 1 MW 증가는 출력제어 확률을 상대적으로 약 0.17% 감소시킨다. 이는 송전 용량이 이미 상당 수준 포화되어 있는 상태임을 시사한다. HVDC는 계통 수용능력 카테고리에서 물리적 송전 제약을 대표한다. 한계효과의 작은 절댓값은 정상적인 현상이다. 송전 여유가 클수록 추가 송전의 한계효과는 크지만, 현재 제주 HVDC 운영 상황(대부분 시간대 70에서 85% 이용률)에서는 추가 1 MW의 효과가 제한적이다. 이는 HVDC 확충만으로는 출력제어를 완전히 해소할 수 없음을 의미하며, 다른 정책 수단(DR, ESS, 수요창출)의 병행 필요성을 강하게 시사한다.

또한, 제주 실시간 전력수요(realtime demand)가 1 MW 감소할 때, 출력제어 발생 확률은 약 0.0130 퍼센트 포인트(p.p.) 증가한다. 이는 제주의 평균 수요(728 MW) 대비 1 MW라는 미세한 변화가 출력제어에 미치는 영향을 원단위로 표현한 것이다. 즉, 전력수요가 감소하면 계통의 잉여 전력이 증가하여 출력제어 확률이 상승하는 것이다. 예를 들어, 저부하 시간대(야간 또는 계절 저수요 시기)에 같은 양의 재생에너지가 발전되면, 수요가 많은 시간대보다 출력제어 위험이 훨씬 크다.

기저 출력제어 확률(2.8%)과의 비교하면, 수요 1 MW 감소는 출력제어 확률을 상대적으로 약 0.464% 증가시킨다. 이는 출력제어 완화에서 수요 감소가 HVDC 확충보다 약 3배 더 효과적임을 알 수 있다. (0.013 / 0.0047 ≈ 2.8배), 제주의 실시간 수요 변동폭을 고려하면, 최저 수요(약 450 MW)와 최고 수요(약 2,100 MW) 간 1,650 MW 격차에서 수요 변화의 누적 효과는 약 21.45 p.p. (0.0130 × 1,650)에 달한다. 즉, 저부하 시간에 같은 재생에너지 발전이 일어나면 고부하 시간의 출력제어 확률 대비 약 20% p 이상의 추가 위험에 노출된다.

log_realtime_demand는 계통 수용능력 카테고리에서 계통 수요 크기를 대표한다. 분석 결과는 출력제어 완화에서 수요 창출이 HVDC　확충보다 약 3배 더 효과적일 수 있다(0.0130 ÷ 0.0047 ≈ 2.77배). 이는 정책적으로 매우 중요한 발견이다. 장기적으로는 HVDC 확충이 필요하지만, 단기적으로는 수요반응(DR), 에너지저장(ESS), 섹터커플링(P2H, P2G) 등을 통한 수요 창출이 출력제어 억제의 최우선 수단이 되어야 함을 시사한다.

4.4.2 물리적 요인 : 재생에너지 발전 잠재력

일사량이 1 MJ/m² 증가할 때, 출력제어 발생 확률은 2.06 퍼센트 포인트(p.p.) 증가한다. 이는 Table 5에서 확인할 수 있듯이 모든 변수 중 가장 큰 절댓값의 한계효과이며, 최근 제주 계통에서 태양광 발전 과잉이 출력제어의 가장 지배적인 위험 요인임을 재확인한다. 태양광 발전의 간헐적 특성과 일사량의 계절적 편중(봄철 일사량 회복으로 인한 과잉)이 직접적으로 출력제어를 유발한다.

풍속이 1 m/s 증가할 때, 출력제어 발생 확률은 0.66 퍼센트 포인트(p.p.) 증가한다. 이는 avg_solar_rad의 약 1/3 수준의 영향력으로, 여전히 중요한 요인이지만 태양광에 비해 상대적으로 낮다. 풍력은 풍속의 3제곱으로 발전량이 결정되지만, 제주 지역의 풍속 변동폭이 일사량 대비 상대적으로 작고, 풍력 발전량이 태양광보다 시간적 분산이 큰 특성 때문이다.

이들 둘은 물리적 요인 카테고리에서 계통 공급 측 변동성을 대표한다. 분석 결과, 태양광이 풍력보다 약 3.12배(2.06 ÷ 0.66) 더 강력한 출력제어 유발 요인이므로, 관제 및 제어 전략의 우선순위가 태양광에 집중되어야 함을 시사한다. 예를 들어, 태양광 과잉이 예상되는 시간대(10시부터 16시)에 대한 수요 창출, ESS 충전, DR 발동 등의 대응이 가장 효율적이다. 억제의 최우선 수단이 되어야 함을 시사한다.

4.4.3 시장 질적 요인 1 : 전력 수요 예측편차

abs_demand_change가 1 MW 증가할 때, 출력제어 발생 확률은 0.015 p.p. 증가한다. 이는 기존 연구에서 해결하지 못한 핵심 발견이다. 하루전과 실시간 전력 수요 예측의 절대 편차가 단순히 “재정적 리스크”가 아닌, 출력제어라는 물리적 사건을 직접 유발하는 통계적으로 유의미한 결정 요인으로 규명하였다. 이는 출력제어 문제가 단순한 물리량 부족이 아니라 시장의 질적 문제(예측 정확도, 정산 체계)와도 깊이 연결되어 있음을 의미한다.

절댓값은 작지만, 1 MW의 예측편차 증가 시 0.015 p.p.의 출력제어 확률 증가는 통계적으로 유의미한 수준이다. 3월의 평균 예측편차가 43.4 MW였으므로, 누적 효과는 약 0.65 p.p. (0.015 × 43.4)에 달하며, 이는 전체 출력제어 증가의 일부를 설명한다.

이 변수는 시장 질적 요인 카테고리에서 예측 정확도를 대표한다. 분석 결과는 실시간 입찰제도 운영에서 수요 예측의 품질 관리가 독립적으로 중요한 정책 수단임을 입증한다. 정부는 VPP 사업자의 재생에너지 발전량 예측뿐 아니라, 계통 운영자의 실시간 수요 예측 정확도를 KPI로 관리하고, 예측편차를 줄이는 투자(AI/ML 기반 예측모델, 데이터 고도화)를 장려해야 한다.

4.4.4 시장 질적 요인 2 : 시장 가격의 자정 작용

하루전과 실시간 SMP 의 편차가 1 원/MWh 증가할 때(실시간 SMP가 하루전 SMP보다 상승), 출력제어 발생 확률은 0.025 p.p. 감소한다. smp_differ가 음수(RT SMP < DA SMP)라는 것은 계통 공급 과잉 신호이다. 반대로 smp_differ가 양수(RT SMP > DA SMP)로 커진다는 것은 공급 부족 신호로, VPP나 ESS가 자발적으로 발전량을 증가시킬 경제적 동기를 얻는다. 분석 결과는 이러한 시장신호가 실제로 출력제어를 억제하는 자정 작용(market self-correction)을 한다는 것을 입증하였다.

절댓값은 0.025 p.p.로 작지만, 월평균 SMP 편차 변동폭(최저 -6.2에서 최고 +0.15 원/MWh, 범위 6.35)을 고려하면, 극단적 가격신호 변화 시 누적 효과는 약 0.16 p.p. (0.025 × 6.35)에 달할 수 있다. 이는 시장신호의 정책적 중요성을 보여준다.

이 변수는 시장 질적 요인 카테고리에서 시장신호 유효성을 대표한다. 실시간 입찰제도의 핵심 아이디어인 “실시간 가격신호 → 시장 참여자의 자율적 대응 → 출력제어 억제”가 제주 시장에서 실제로 작동하고 있음을 보여준다. 이는 실시간 입찰제도 도입의 정당성과 향후 확대의 근거를 제공한다.

4.4.5 통합 분석 : 변수 영향력의 상대적 비교

절댓값 기준으로 영향력 순위를 정렬하면 다음과 같다. 첫째, 수요 크기(log_realtime_demand)로 0.0130 p.p.로 가장 강력한 해소 수단이다. 둘째, 태양광(avg_solar_rad)로 2.06 p.p.로 가장 강력한 유발 요인이다. 셋째, HVDC (log_hvdc)로 0.0047 p.p.로 물리적 해소 수단이다. 넷째, 풍속(avg_wind_ speed)로 0.66 p.p.로 보조 유발 요인이다. 다섯째, 전력수요예측 편차(abs_demand_change)로 0.015 p.p.로 시장질적 요인이다. 여섯째, 가격신호(smp_differ)로 0.025 p.p.로 시장신호 자정 작용이다.

원단위 비교(MW 단위) 기준으로 보면, 수요 1 MW 감소의 출력제어 증가 효과(0.0130 p.p.)가 HVDC 1 MW 증가의 출력제어 감소 효과(0.0047 p.p.)의 약 2.77배에 달한다. 이는 정책 우선순위 결정에 직접적인 의미를 제공한다.

출력제어 억제를 위한 최우선 정책은 수요 창출이며, 다음으로 태양광 과잉 제어(특히 10시부터 16시), HVDC 확충 순이다. 동시에 시장 질적 요인(전력수요예측 편차, 가격신호)은 절댓값으로는 작지만, 실시간 입찰제도의 제도 설계 완성도를 좌우하는 중요 요소이므로, 기술적･정책적으로도 고도화가 필요하다.

5. 결론 및 시사점

5.1 연구 결과 요약

본 연구는 제주 실시간 입찰제도 시범사업 데이터(2024년 6월~2025년 3월, 7,296시간)를 활용하여 출력제어 발생 확률을 결정하는 요인들을 로지스틱 회귀분석을 통해 실증적으로 규명하였다. 서론에서 제시한 세 가지 연구 질문에 대한 답변은 다음과 같다.

첫째, 재생에너지 발전 잠재력이 출력제어에 미치는 상대적 영향은 어떠한가?

일사량 1 MJ/m² 증가 시 출력제어 확률은 2.06 p.p. 증가하며, 풍속 1 m/s 증가 시에는 0.66 p.p. 증가한다. 태양광이 풍력보다 약 3.1배 강력한 출력제어 유발 요인으로, 정책 우선순위는 태양광 관리에 집중되어야 함을 입증하였다.

둘째, 송전 용량과 전력수요 중 어느 요인이 출력제어를 더 효과적으로 완화하는가?

실시간 수요 1 MW 감소 시 출력제어 확률이 0.0130 p.p. 증가하며, 이는 HVDC 1 MW 증가의 감소 효과(0.0047 p.p.)의 약 2.8배에 달한다. 수요 창출이 송전망 확충보다 즉각적이고 효과적인 출력제어 억제 수단임을 실증하였다.

셋째, 시장 질적 요인이 독립적으로 출력제어에 영향을 미치는가?

수요 예측 편차 1 MW 증가 시 출력제어 확률이 0.015 p.p. 증가하고, 실시간-하루전 SMP 편차 1원/MWh 증가 시 0.025 p.p. 감소하여, 두 변수 모두 p < 0.001 수준에서 통계적으로 유의미하다. 이는 출력제어 완화가 물리적 인프라 확충과 시장 제도 개선의 동시적 추진을 요구함을 입증한다.

본 연구는 기존 연구들이 해결하지 못했던 시장 질적 요인의 인과적 역할을 정량적으로 규명했다는 데 학술적 의의가 있다.

5.2 시사점 및 제언

5.2.1 시장 설계자를 위한 정책 제언

본 연구 결과를 토대로 시장 설계자이자 계통운영자는 강제적 출력제어 발령을 최소화하기 위해 다음 네 가지 우선 정책을 추진해야 한다.

첫째, 계통 운영 예비력으로서의 수요 창출 전략 최우선화이다. log_realtime_demand의 영향력(2.77배)은 수요 창출이 강제 출력제어를 회피할 수 있는 가장 강력한 수단임을 의미한다. 운영자는 출력제어 예상 시간대에 수요반응(DR) 및 섹터커플링(P2H, P2G) 자원을 ‘상시 가동 가능한 운영 예비력 으로 편입시켜야 한다. 이는 단순히 수요를 늘리는 것을 넘어, 계통운영자가 물리적 전원 차단 지시를 내리기 전 선택할 수 있는 운영적 선택지를 넓혀 강제 제어의 임계점을 높이는 효과를 가져온다.

둘째, ‘예측 불확실성 마진’ 축소를 위한 KPI 관리 체계 도입이다. abs_demand_change의 유의성은 예측 오차가 클수록 ISO가 계통 안정을 위해 보수적으로(선제적으로) 강제 제어를 발령할 가능성이 높음을 시사한다. 따라서 실시간 수요 및 재생에너지 예측 오차를 출력제어 최소 시기 수준(3% 이하)으로 관리하는 것을 운영 KPI로 설정해야 한다. 이는 ISO가 확보해야 하는 ‘안전 마진(Safety Margin)’의 과다 설정을 방지하여, 불필요한 예방적 출력제어를 줄이는 핵심 기제가 될 것이다.

셋째, 가격 신호를 활용한 ‘자발적 시장 조절’ 유도와 강제 제어의 분리이다. smp_differ의 유의성은 가격 신호가 수급 긴장도를 선행적으로 반영하고 있음을 보여준다. 강제적 출력제어는 시장 메커니즘이 해결하지 못하는 최후의 수단이 되어야 한다. 이를 위해 음(-)의 SMP 허용이나 지역별 한계가격(Locational Marginal Price, LMP) 도입을 통해 시장 참여자들이 가격 신호에 따라 자발적으로 출력 수준을 조정하도록 유도함으로써, 계통운영자가 물리적으로 개입해야 하는 상황 자체를 사전에 억제해야 한다.

넷째, 고위험 시기(봄, 가을철 낮 시간대) 집중 관리 및 운영 유연성 확보이다. 출력제어가 3월(12.1%) 및 주간 시간대(10~16시)에 극단적으로 집중되는 패턴을 고려할 때, 해당 구간에서는 계통운영자의 직접 지시보다는 ESS 충전 유도, 양수 발전 가동, 산업용 부하의 시간대 이동 인센티브를 집중하여 계통의 물리적 수용 능력을 탄력적으로 운용해야 한다.

5.2.2 시장 참여자를 위한 운영 전략

본 연구 결과는 VPP 사업자가 출력제어 리스크를 최소화하고 수익을 극대화하기 위해 다음과 같은 전략을 수립해야 함을 시사한다.

첫째, 수요 창출을 최우선 포트폴리오 전략으로 설정해야 한다. log_realtime_demand의 압도적 한계효과는 수요 창출이 출력제어 회피의 핵심 수단임을 입증한다. VPP 사업자는 발전 자원뿐만 아니라 수요 자원을 적극적으로 포트폴리오에 통합해야 한다. ESS 충전을 출력제어 예상 시간대(봄철 10시부터 16시)에 최대한 진행하고, 고가 시간대(저녁 피크)에 방전하여 차익을 극대화해야 한다. AI 기반 충방전 스케줄링으로 예측 정확도를 높이고, V2G 계약을 통해 EV 소유자에게 출력제어 시간대 충전 인센티브를 제공하여 VPP가 EV 충전을 제어해야 한다. 제조업, 냉동창고, 데이터센터 등 유연한 부하 이동이 가능한 산업 고객과 DR 계약을 체결하여, 출력제어 시간대에 전력 소비를 증가시켜야 한다.

둘째, 태양광 중심의 ESS 연동 및 예측 고도화에 투자해야 한다. avg_solar_rad의 최대 위험 기여도(2.06 p.p.)는 태양광 발전이 출력제어의 가장 큰 원인임을 시사한다. VPP 사업자는 태양광 자원 관리에 최우선 투자를 집중해야 한다. LSTM, Transformer 등 딥러닝 모델을 활용하여 1시간 전, 15분 전 초단기 일사량 예측 정확도를 95퍼센트 이상으로 향상시켜야 한다. 실시간 일사량 센서와 ESS를 연동하여, 일사량 급증 시 자동으로 ESS 충전을 개시하거나 발전량 일부를 자발적으로 감축해야 한다. 지리적으로 분산된 태양광 발전소를 클러스터링하여, 국지적 기상변동(구름 이동)의 영향을 평균화하고 수요예측 편차를 감소시켜야 한다.

셋째, 실시간 가격신호 기반 동적 입찰 전략을 수립해야 한다. smp_differ의 시장신호 기능 입증은 실시간 가격을 적극 활용한 전략적 입찰이 수익성 제고의 핵심임을 시사한다. VPP 사업자는 smp_differ를 실시간으로 추적하고, 편차가 음수(과잉 공급 신호)로 전환되는 순간 발전량을 감축하거나 ESS 충전을 증가시켜야 한다. 향후 음의 SMP가 허용될 경우, 해당 시간대 발전을 자발적으로 중단하고 ESS 충전으로 전환하여 음의 가격을 회피하는 자동화 프로토콜을 구축해야 한다. 하루전 시장, 실시간 시장, 예비력 시장 등 다중 시장에 동시 참여하여 포트폴리오 리스크를 분산하고, 각 시장의 가격신호를 종합적으로 반영한 입찰 전략을 수립해야 한다.

넷째, 예측 품질 자체 관리 체계를 구축해야 한다. abs_demand_change의 유의성은 예측 정확도가 출력제어 회피의 독립적 요인임을 입증한다. 본 연구 데이터 분석 결과, 전력거래소의 제주이겨 평균 전력수요 예측편차는 28.6 MW(평균 수요 728 MW 대비 약 3.9%)이며, 출력제어가 급증한 2025년 3월에는 43.4 MW(약 6.4%)로 증가했다. 반면 출력제어가 최소였던 12월의 예측편차는 20.1 MW(약 2.8%)였다.

따라서 VPP 사업자는 자체 예측 품질 목표를 출력제어 최소 시기 수준(편차 20 MW 이하, 약 3% 이하)으로 설정하고, 이를 월별･분기별로 모니터링해야 한다. 기상청 예보, 자체 AI 모델, 제3자 예측 서비스를 결합한 앙상블(Ensemble) 예측 체계 구축으로 달성 가능하다.

5.3 한계점 및 향후 연구 방향

본 연구는 제주 실시간 입찰제도 시범사업의 초기 데이터를 활용하여 출력제어 결정 요인을 실증 분석했다는 점에서 학술적･정책적 의의가 있으나, 다음과 같은 한계점을 가지며, 이는 향후 연구를 통해 보완되어야 한다.

첫째, 데이터 관측 기간의 제약이 있다. 본 연구의 데이터는 2024년 6월부터 2025년 3월까지 총 10개월(7,296시간)을 포함하나, 완전한 연간 주기(12개월) 데이터를 확보하지 못했다. 특히 4월부터 5월 데이터가 누락되어, 봄철 출력제어 패턴의 완전한 분석이 제한적이었다. 향후 연구는 최소 1년 이상의 완전한 계절 주기 데이터를 확보하여, 연중 출력제어 패턴의 재현성(Reproducibility)과 예측 가능성을 검증해야 한다.

둘째, 미시적 행동 데이터의 부재이다. 본 연구는 계통 운영 데이터(HVDC, 수요, 기상)와 시장 데이터(SMP, 예측오차)를 활용했으나, VPP 사업자의 실제 입찰 가격, DR 발령 이력, ESS의 실시간 충방전 이력 등 미시적 행동 데이터를 직접 분석하지 못했다. 이로 인해 시장 참여자의 전략적 행동(Strategic Behavior)이 출력제어에 미치는 영향을 규명하지 못했다. 향후 연구는 VPP 사업자 수준의 미시 데이터를 확보하여, 입찰 전략, ESS 운영 패턴, DR 반응성 등이 출력제어 회피에 미치는 인과관계를 심층 분석해야 한다.

셋째, 지역적 일반화 가능성의 한계이다. 본 연구는 제주도라는 독립 계통(Isolated Grid)에 국한되었으며, HVDC 한계(400 MW), 낮은 계통 관성, 높은 재생에너지 비중(40퍼센트) 등 제주만의 특수한 조건을 반영한다. 따라서 본 연구 결과를 육지 계통(Interconnected Grid)에 직접 적용하는 데는 한계가 있다. 향후 연구는 전국 실시간 입찰제도 확대 시, 육지 계통(특히 호남･영남 지역)의 데이터를 추가 분석하여 본 연구 결과의 일반화 가능성을 검증하고, 계통 특성별(독립 계통 대 연계 계통) 차별화된 정책 함의를 도출해야 한다.

넷째, 정책 시뮬레이션 및 반사실 분석(Counterfactual Analysis)의 부족이다. 본 연구는 실증 데이터 기반 요인 분석에 집중했으나, “만약 정책 A를 시행했다면 출력제어가 얼마나 감소했을까?”와 같은 정책 시뮬레이션을 수행하지 못했다. 향후 연구는 본 연구의 추정 계수를 기반으로, DR 확대, HVDC 증설, 예측편차 개선등 정책 시나리오를 시뮬레이션하고, 각 정책의 비용-편익 분석(Cost-Benefit Analysis)을 수행하여 최적 정책 조합을 도출해야 한다.

본 연구는 제주 실시간 입찰제도 시범사업을 통해, 출력제어 발생의 물리적 요인(태양광, 풍력, HVDC, 수요)과 시장 질적 요인(수요 예측편차, 가격신호)을 실증적으로 규명했다. 연구 결과는 출력제어 완화를 위해 수요 창출이 최우선 정책 수단이며, 시장 질적 개선(예측 품질, 가격 투명성)이 물리적 인프라 확충과 동등하게 중요함을 보여준다. 향후 전국 실시간 시장 확대 시, 본 연구의 실증 결과는 합리적 시장 설계와 효과적 정책 수립의 학술적･정책적 기반이 될 것으로 기대된다. 동시에 본 연구의 한계를 보완하는 후속 연구를 통해, 한국형 실시간 입찰제도의 완성도를 지속적으로 높여나가야 할 것이다. 특히 수요 창출의 다층적 정책(DR, P2H, EV, 그린수소)과 시장 질적 고도화(예측 품질 KPI, 가격신호 투명성, 음의 가격 도입)는 출력제어 억제와 에너지전환의 동시 달성을 위한 핵심 과제로 남아 있다.