전력수요를 설명하는 중요한 변수 중 하나는 기온이다. 대부분의 경제 변수들이 시차를 두고 공표되는 것과는 달리 기상변수는 매시간의 데이터를 거의 실시간으로 이용할 수 있다. 본 연구에서는 월간으로 공표되는 “용도별” 전력수요의 예측력 제고를 위해 예측 기준일까지의 기온의 변화를 모형에 포함할 수 있는 혼합주기 모형을 제안한다. 혼합주기(MIDAS) 모형은 종속변수의 예측력을 높이기 위해 주기가 서로 다른 독립변수를 이용하는 모형으로 금융 시계열 데이터 예측을 시작으로 최근에는 경제성장률 예측을 포함한 다양한 분야로 그 적용범위가 확대되고 있다. 혼합주기 모형의 기본 아이디어는 고빈도 변수를 직접 모형에 이용함으로써 기존의 모형에서 고빈도 변수들을 평균하여 빈도(주기)를 통일시킬 시 발생하는 정보의 손실을 없애는 동시에 기하급수적으로 늘어나는 모수의 개수 때문에 발생하는 추정의 비효율성을 가중치 함수를 이용하여 해결하는 것이다. 본 연구는 혼합주기 모형을 최초로 전력수요 예측에 적용하여 에너지 분야의 예측 활용도 가능성을 살펴보았다. 구체적으로 월간 데이터만을 사용하는 기준 모형(ARDL 모형)과 주간 냉난방도일을 포함하는 혼합주기 모형의 예측력을 비교하였다. 각 모형의 예측대상 변수는 예측 시점 기준 전월과 당월의 용도별(가정용, 산업용, 상업용) 전력수요이며 예측을 위한 설명변수로는 소득변수, 가격변수, 근무일수, 냉난방도일을 이용하였다. 모형의 예측력 비교 결과 모든 용도별에서 혼합주기 모형이 기준 모형 대비 예측력이 뛰어남을 보였다. 기준 모형과 혼합주기 모형의 예측력 차이는 상업용, 가정용, 산업용 순으로 나타났다. 이러한 결과는 혼합주기 모형의 특징인 고빈도 변수의 활용이 전력수요 예측 모형에서는 기상데이터로 한정되며 기온에 대한 용도별 전력수요의 영향력은 상대적으로 상업용에서는 크나 산업용에서는 적기 때문인 것으로 판단된다. 본 연구의 결과에 비추어 향후 혼합주기 모형은 기상요인에 영향을 크게 받는 도시가스 및 열에너지 등의 예측력 제고에 큰 기여를 할 수 있을 것으로 기대된다. 본 연구에서는 혼합주기 모형의 기준 모형 대비 예측 우위를 보이는 것을 중점으로 하였기 때문에 모형의 예측력 제고를 위해 필요한 혼합주기 모형의 고도화 작업은 향후 과제로 남겨둔다.

제1장 서 론 제2장 혼합주기 모형 1. 혼합주기(MIDAS) 모형의 소개 2. 혼합주기 모형에서의 가중치(weight) 함수 선택 3. 혼합주기 모형의 용도별 전력수요 예측에의 활용 가능성 제3장 실증분석 1. 용도별 전력수요의 변수 설정 가. 종속변수 나. 설명변수 다. 변수의 발표 시기, 예측 기준 시점 및 예측 대상 시점 라. 변수 변환 및 데이터의 특징 2. 기본(Benchmarking) 전력수요 모형(ARDL) 가. 전기 예측(8월 기준 7월 예측) 나. 당기 예측(8월 기준 8월 예측) 3. 혼합주기 전력수요 모형(MIDAS) 가. 전기 예측(8월 기준 7월 예측) 나. 당기 예측(8월 기준 8월 예측) 4. 용도별 전력수요 모형의 예측 오차 비교(ARDL vs. MIDAS) 5. 강건성(Robustness) 테스트 제4장 결 론 참 고 문 헌 부 록