Dynamic pricing of electricity is receiving growing attention as a key enabler of the smart grid and a solution for promoting grid resilience to increasing penetration of renewable sources. Despite various dynamic pricing programs are contemplated and actively implemented in many developed economies, there is still a lack of understandings about how electricity consumers might respond to price changes in demand response program. Since previous studies have been conducted from the perspective of utilities and regulators with their primary focus on impact evaluation at the program-level or aggregate level of residential, commercial, and industrial sector, studies based on customers’ perspective are rarely reported. Therefore, corporate decision makers are not aware of the extent to which their businesses can adapt to the programs and its associated risks and opportunities. High drop rates of participants in several demand response pilot programs reveal that many customers may not aware of technical or operational measures available to them or these measure may be simply too costly to adopt.
In addition, there is prevalent skepticism by policy makers, utilities, and cooperate decision makers with regard to the effectiveness of full-scale deployment of demand response program to their customers. In case of non-residential customers including industrial and commercial businesses, one of important lessons from pilot studies is their considerable heterogeneity in price response behaviors. Literatures on pilot studies suggest that non-residential customer’s demand response vary with the nature of pricing experiments, business types under consideration, and even customers within the business types. Some studies observed severe uneven distribution of load impacts across customers without persuasive explanations that why these customers are more responsive than others.
Objectives of this study are to improve our understandings about how customers respond to electricity price changes and, by doing so, to bridge over knowledge gaps in previous studies. For these purposes, this study investigates firm-level demand response behaviors on the customer’s perspectives and effective segmentation of customers with different demand response behaviors. By doing so, this study attempts to explain the difference of demand response behaviors across customers and characteristics underlying the heterogeneity, and to identify highly responsive customers in the population. Two independent but closely-related essays are constructed with the case of the Korean critical peak pricing pilot which was implemented in the winter of 2013. The first essay plays the role of foundation of this study and the second essay explores the segmentation of highly responsive customers which explains severe heterogeneity of demand response behaviors and uneven distribution of load impacts which are observed at the first essay.
In the first essay, the demand responses of 802 businesses covering 34 commercial and industrial categories are evaluated and characterized by constructing their individual baseline loads. The results resoundingly confirm substantial differences in demand response across and within the segments, with the magnitude of response closely correlated with the firms’ expenditure shares of electricity. It is thus suggested that conventional business classification is not sufficient enough to characterize firms’ demand response to dynamic pricing plans, calling for firm-level data-driven approaches to consumer segmentation and electricity services. This study also identifies two important types of response behavior to which due attention has not been paid: short-term learning effect-that is, the demand responsiveness increasing with CPP event experiences-and seemingly inefficient behavior of preparatory and recovering reductions in off-peak hours neighboring critical peak hours.
In the second essay, this study assumes that consumers who show variable load patterns in normal days may be more suited to change their loads in dynamic pricing environment, since the demand response can be regarded as the intentional electricity usage adjustment to price signal or to incentive payments. This study describes the variability of load patterns of non-residential customers and its relation to demand response behaviors. Using four shape factors representing demand response behaviors of reduction and shifting, five clusters ranging from stable pattern to all-day random fluctuation are identified. The results indicate that customers in high variability clusters consistently show substantial load impacts. Meanwhile, only limited or non-responsive behaviors are observed at customers in low variability clusters. High variability customers share most of program level peak reductions in our study. The effects of the firm’s electricity expense to the demand response behavior and their relations with load variability are tested. The results suggest that the mechanism of price signal, which is the basis for most of dynamic pricing programs, may not be working well to the customers with low variability. This study proposes a useful method identifying highly responsive customers from the population via combining the results of firm’s electricity cost ratio and variability of loads as the representation of motivation and easiness of implementation of demand response activities.
시간에 따라 전기요금을 변화시켜 소비자의 효율적인 에너지 사용을 도모하는 수요반응 (Demand Response; DR) 요금제는 피크 시간대 전력소비량을 감소시킬 뿐 아니라 스마트 그리드를 통해 구현할 수 있는 핵심 응용서비스로서, 신 재생에너지 보급 확대에 대비하여 전력공급 망을 안정화시킬 수 있는 중요한 솔루션으로 관심을 받고 있다. 그간 다양한 DR 요금제가 북미, 유럽 등 선진국을 중심으로 연구되어 왔으나, DR 요금제 하에서 고객들이 어떻게 수요를 변화시키는 지에 대한 행태분석과 이해가 아직 부족한 상황이다. 이는 그간의 많은 연구들이 프로그램 수준의 효과 분석이나 가정용, 산업용, 상업용 등으로 단순 분류된 집단별 수요반응 특성을 분석하는 등과 같이 이 제도를 시행하는 규제 당국, 전력회사 등 공급자 시각에서 연구되어 수요자 관점의 연구가 별로 없는 것에 기인하는 측면이 있다. 이로 인해 DR 요금제에 관심을 갖는 기업고객들은 이러한 제도가 자신들의 비즈니스에 어느 정도 적합한 것인지에 대해 잘 모를 뿐 아니라, 이 제도와 관련된 위험 요인이 무엇인지에 대해서도 우려가 높은 상황이다. 외국의 수요반응 요금제 파일럿에서 자주 관찰되는 참여고객들의 높은 이탈율은 많은 소비자들이 전기사용을 시간에 따라 조절하는 기술적 수단이나 운영방법에 대해서 잘 이해하지 못할 뿐 아니라, 이 제도에 적응하는데 어려움을 겪고 있음을 시사한다.
또한 여러 파일럿을 통해서 이러한 제도가 유용한 것으로 보고되었으나, 이러한 결과가 이 제도를 기본 요금제 형태로 모든 고객들에게 적용할 때에도 계속 유용할 지와 지속 가능한 제도인지에 대해 많은 정책 당국자, 전력회사, 기업 의사결정자 등이 우려가 높은 것으로 조사되고 있다. 그간 비즈니스 고객들을 대상으로 시행한 여러 파일럿 실험에서 관찰된 공통적인 특징의 하나는 비즈니스 고객들의 수요반응은 고객에 따라 큰 차이가 있다는 점이다. 기존 문헌에서는 이러한 차이를 가격 등 실험 조건의 차이, 참여고객의 업종 특성 등에서 기인하는 것으로 보고하고 있다. 통상적으로 전기에너지의 사용비중이 높은 고객일수록 수요반응 특성이 높은 것으로 알려져 있으나, 각각의 파일럿 실험결과마다 차이가 크게 나타나서 뚜렷한 결론이 제시되지 못하고 있다. 일부 연구에서는 비즈니스 고객의 수요반응에서 고객별로 편차가 매우 크다고 보고하고 있으나, 그 원인에 대해서는 충분한 설명이 제시되지 못하고 있는 상황이다.
본 연구의 목적은 시간에 따른 전기요금의 변화에 대해 고객들이 어떻게 전기소비를 변화시키는지를 체계적으로 분석하여, 비즈니스 고객들의 수요반응 특성에 대한 이해를 높이고 이를 통해 기존 연구에서 밝히지 못한 고객간 수요반응 차이를 설명할 수 있는 방법론을 찾는데 있다. 이를 위해 본 연구는 고객 관점에서 기업 수준의 수요반응을 조사하고 서로 다른 수요반응 특성을 보이는 고객들을 구분할 수 있는 유의한 고객분류 방법을 찾고자 하였다. 이를 통해 본 연구는 고객간의 수요반응 차이를 설명하고, 수요반응을 잘 하는 고객 군을 구별할 수 있는 방법을 제시하고자 하였다. 본 연구에서는 2013년 겨울에 한국에서 시행했던 선택형 피크 요금제 (Critical Peak Pricing; CPP) 파일럿 실험을 분석대상으로 하여, 두 개의 에세이를 구성하였다.
첫 번째 에세이에서는 CPP 요금제에 참여한 802개의 참여기업을 업종 기준에 따라 34개 세분하여 이들 고객 군의 수요반응 특성을 조사하였다. 조사결과, 기존 문헌에서 제시된 바와 마찬가지로 업종에 따라 수요반응에 상당한 차이가 있음이 확인되었고, 동일 업종 내에서도 각 고객의 수요반응에는 큰 차이가 있음이 관찰되었다. 또한 이러한 수요반응 차이는 고객의 전기요금 원가 비중과 밀접한 관련이 있음이 확인되었다. 이러한 연구결과는 동일한 제품, 서비스를 생산하는 기업들은 전기사용 패턴이 동일하다는 가정하에, 통상적인 업종구분이 수요반응 연구에서 널리 사용되고 있으나, 이러한 구분이 고객의 수요반응 특성을 설명하는데 충분하지 않으며, 개별기업 수준의 전기사용 패턴 데이터를 활용한 고객구분 연구가 필요함을 시사한다. 본 연구에서는 또한 기존 문헌에서 다루어지지 않았던 단기 학습효과와 사전 및 사후 감소현상을 규명하였다. 산업고객의 일부 업종에서, CPP 이벤트 참여경험이 증가할수록 수요반응 특성이 향상되는 단기 학습효과가 있음이 확인되었고, 일부 고객들은 CPP 이벤트 전에 전기사용량을 미리 줄임으로써 Peak 시간대의 전기요금 절감을 최대화하려는 전략적인 소비패턴이 있음을 확인하였다.
두 번째 에세이에서는 첫 번째 에세이에서 관찰된 비즈니스 고객간의 수요반응 차이를 설명하고, 수요반응 특성이 높은 고객을 효과적으로 분류할 수 있는 방법론을 탐구하였다. 고객의 수요반응은 시간대별 가격 시그널에 대해 의도적으로 전기사용량을 변화시키는 행위로 정의되므로, 본 연구에서는 평상시 시간별 전기사용량에 변동이 큰 고객들이 CPP 요금제의 시그널에 따라 시간별 전기사용량을 조절하는 데에 더 유리한 여건에 있다는 가정을 하였다. 이러한 가정을 바탕으로 본 연구에서는 고객의 전기사용량 변동성과 수요반응 행위에 대한 비교분석을 실시하였다. 고객의 수요반응 행위를 수요 감축(Reduction)과 부하이전(Shift)로 구분하여 변동성을 구분할 수 있는 특성인자를 도출하였으며, 이를 통해 산업고객과 상업고객을 각각 5개, 4개의 그룹으로 분류할 수 있었다. 각 그룹의 수요반응 특성을 조사한 결과, 변동성이 큰 그룹은 수요 감축량이 일관되게 높게 나타난 반면, 변동성이 작은 그룹에서는 수요 감축이 없거나 미비한 것으로 조사되었다. 또한 변동성이 높은 고객들의 수요 감축량이 전체 수요 감축량의 대부분을 차지하는 것으로 확인되었다. 첫 번째 에세이에서 확인된 전기요금 원가비중과 수요반응 특성과의 상관관계가 변동성이 낮은 그룹에서는 적용되지 않음을 확인하였는데, 이는 수요반응 요금제와 같은 가격기반 수요관리 제도들을 가지고 있는 기본 가정인 가격 메커니즘이 변동성이 낮은 고객에게는 잘 적용될 수 없음을 의미한다. 본 연구에서는 이러한 연구결과를 바탕으로 고객의 수요반응 요인을 동기요인과 실행요인으로 구분하고, 각각의 요인을 대표하는 특성인 전기요금 원가비중과 변동성 변수를 기반으로 수요반응 특성이 높은 고객을 구분하는 방법론을 제시하였다.
본 연구의 의의는 다음과 같다. 우선 연구방법론 측면에서 본 연구는 고객의 전기사용 패턴을 기준으로 유사 패턴의 고객 군을 구분하고, 각 고객 군에 대해 고정효과모형을 적용하여 고객의 기준부하(Customer Baseline Load; CBL)을 정확히 추정할 수 있는 방법을 제시하였고, 이를 통해 수요반응 특성을 세밀하게 분석할 수 있었으며, 사전 및 사후 감소현상과 같이 기존 문헌에서 제시되지 않았던 현상들을 발견할 수 있었다. 또한 기존 수요반응 효과 추정 방법에 대한 대안으로 반응지수(Response Index; RI)를 도출하였고, 이 RI가 기존 방식에 비해 감축과 부하이전을 동시에 관찰할 수 있는 유용한 지수일 뿐 아니라, 단기학습효과 추정 등 수요반응의 다른 특성 분석에도 유용한 지수임을 제시하였다. 본 연구에서는 기존 전기수요 패턴 분석에서 다루어지지 않았던 변동성을 기준으로 고객을 분류할 수 있는 방법론을 제시하고, 이를 기준으로 고객을 유의하게 분류할 수 있음을 확인하였다. 또한 이러한 변동성이 고객수요반응 특성과 매우 밀접한 상관관계가 있음을 밝힘으로써, 기존 파일럿 연구에서 관찰되었던 고객 수요반응 차이를 설명할 수 있는 대안을 제시하였다.
본 연구는 또한 실용적, 정책적 관점에서 정책당국자, 전력회사, DR사업자 및 기업고객에 유용한 의미 있는 결과를 제시하였다. 즉, 기존 DR 프로그램에서 고객 구분의 기준으로 사용되는 업종에 따른 분류가 고객간 수요반응 차이를 반영하지 못하므로 정책당국 및 전력회사의 DR 프로그램 운영에 큰 오류를 줄 수 있음을 제시하였고, 이러한 결과는 개별 기업에 있어서도 업종 평균이 아닌 각 기업의 전기 사용패턴을 기준으로 DR 프로그램에 대한 적합성 평가와 참여여부를 판단해야 함을 의미한다. 또한 변동성 연구결과를 통해서, 변동성이 낮은 고객은 DR 프로그램의 기본 가정인 가격 메커니즘이 적용될 수 없음을 보였는데 이는 정책관점에서 이들 고객에 대해서는 가격제도 보다는 효율향상 프로그램과 같은 다른 정책수단이 더 유용할 뿐 아니라, 전기사용량 조절을 용이하게 도와줄 수 있는 장치나 기술의 보급이 필요함을 의미한다. 개별기업의 경우, 본 연구의 변동성 연구결과를 활용하여 각 기업의 전기사용 변동성을 분석함으로써 DR 프로그램에 적합한지 여부를 미리 확인할 수 있는 수단을 제시하였다는 점에 의미가 있다. 본 연구에서는 전기요금 원가비중과 변동성 변수를 통해서 수요반응 특성이 높은 고객들을 구분할 수 있는 방법론을 제시하였는데, 이러한 결과는 DR 프로그램의 효과성과 지속 가능성을 높일 수 있는 방안을 제시한다고 할 수 있다. 즉, 정책당국자나 전력회사는 DR 프로그램을 설계하고 참여 고객들을 모집, 운영함에 있어서 수요반응 특성이 높은 고객 군을 분류할 수 있게 됨에 따라 프로그램의 주요 시행목적인 피크 저감을 비용 효과적으로 달성할 수 있을 뿐 아니라, 고객들은 CCP 프로그램 참여의 주요 동기인 전기요금 절감 효과를 기대할 수 있게 되어 참여고객의 만족도를 높을 수 있을 것으로 기대된다.
