1.1 연구배경

재생에너지 도입 확대와 함께 대형 전력수용가의 에너지 운영 방식이 변화하고 있다^[1]. 공항, 항만, 철도시설과 같은 대형 교통 인프라는 넓은 부지를 기반으로 태양광 설비의 온사이트 설치가 가능하며, 자체 전력조달 비중이 증가하는 추세이다. 특히, 인천국제공항은 자체설치, 직접 PPA, REC 구매 및 녹색프리미엄 제도 등을 활용하여 2040년까지 RE100 달성을 목표로 하고 있으며, 이 중 자체설치 및 직접 PPA 태양광 설비는 공항 인근 부지를 활용한 연차별 확충 계획에 따라 약 200 MW 규모까지 증설이 추진되고 있다.

대형 교통 인프라의 전력수요는 일반 상업·주거 부하와 달리 여객 수요 변동과 관계없이 일정 수준의 전력소비가 지속되는 특성을 가진다. 이는 공조, 보안, 수하물처리, 정보통신 설비 등 상시 운영 설비에 기인하며^[2], 이러한 특성으로 인해 전력수요는 제한된 탄력성을 가지는 최소부하 구조를 형성한다. 다만 이러한 특성은 모든 공항에서 동일하게 나타나는 것은 아니며, 여객 수요 감소에도 불구하고 일정 수준 이상의 운영시설을 지속적으로 유지해야 하는 공항에서 더욱 뚜렷하게 나타난다. 기존의 태양광 설비 확충 계획은 주로 피크전력 및 정상 운영 상태에서의 전력수요 특성을 기반으로 수립되어 왔으며, 외부 수요가 급격히 감소하는 비정상 상황에서의 최소부하 수준은 충분히 반영되지 못하였다. 코로나19 기간은 이러한 한계를 확인할 수 있는 대표적인 사례로, 재생에너지 설비 용량 산정 및 계통 연계 운영에 있어 최소 운전 조건을 고려할 필요성을 시사한다.

1.2 문제의식 및 기존 연구의 한계

코로나19 기간은 전력수요 구조를 관측할 수 있는 중요한 사례를 제공하였다. 이동량이 급감한 상황에서도 전력소비는 비례하여 감소하지 않았으며, 일정 수준의 부하가 유지되는 현상이 보고되었다^{[3– 5]}. 이는 전력수요가 이용객 수뿐만 아니라 설비 운영에 의해 형성되는 구조적 요소에 의해 결정됨을 시사한다.

그러나 기존의 전력수요 분석 및 태양광 설비 증설 계획은 주로 연간 전력사용량, 피크전력 또는 정상 운영 상태에서의 부하 특성을 기준으로 수립되어 왔다. 이러한 접근은 평균적 운영 조건을 반영하는 데에는 유효하나, 외부 수요가 급격히 감소하는 비정상 상황에서의 최소 운전 조건을 충분히 반영하지 못하는 한계를 가진다.

특히 재생에너지 확대 환경에서 태양광 발전은 특정 시간대에 집중되는 특성을 가지므로, 시간대별 최소부하 수준은 설비 용량 산정 및 계통 연계 안정성 측면에서 중요한 기준이 될 수 있다. 그럼에도 불구하고, 코로나19와 같은 비정상 상황에서 유지되는 기저부하 수준을 정량적으로 분석하고 이를 설비 계획에 반영한 연구는 제한적으로 이루어져 왔다.

또한 기존 연구는 주로 국가 또는 산업 단위 전력수요 분석에 집중되어 있으며^[3], 개별 대형 시설을 대상으로 한 장기 실측 데이터 기반 연구는 부족한 실정이다. 더불어 월 또는 년 단위 집계 데이터가 주로 사용되어 단기 변동성과 기상 변수의 영향을 충분히 반영하지 못하며, 태양광 등 재생에너지 자가발전량을 포함한 공항의 총 전력수요(total electricity demand)를 대상으로 한 분석도 제한적으로 수행되어 왔다^[6].

1.3 연구 목적 및 구성

본 연구는 인천국제공항의 장기간 실측 데이터를 기반으로 전력수요 구조를 분석하고, 특히 정상 운영 상태뿐만 아니라 코로나19와 같은 비정상 상황에서 유지되는 기저부하 수준을 정량적으로 규명하는 것을 목적으로 한다. 이를 통해 재생에너지 설비 확충 계획 및 에너지 운영 전략 수립 시 활용 가능한 보다 보수적이고 현실적인 설계 기준을 제시하고자 한다.

이를 위해 전력소비 분포를 기반으로 최소 운영 부하 수준을 정량화하고, 건물 및 기능군 단위에서 전력수요 구조를 분석하며, 기상 변수 및 여객 수요와 전력소비 간의 관계를 함께 검토하였다. 또한 코로나19 전후 기간을 구분하여 기저부하의 변화와 유지 특성을 비교함으로써, 외부 수요 변화에 따른 전력수요 하한 구조를 평가하였다.

전력소비는 수전전력과 태양광 발전전력의 자가소비를 포함한 총 전력소비로 정의하였으며, 기저부하는 계절별 일간 전력소비 분포의 하위 분위수를 이용하여 산정하였다.

본 논문의 구성은 다음과 같다. 제2장에서는 데이터 구성과 분석 방법을 설명하고, 제3장에서는 전력소비 특성을 분석한다. 제4장에서는 코로나19 전후 기저부하 변화를 비교·분석한다. 제5장에서는 이러한 분석 결과를 바탕으로 재생에너지 설비 확충 및 에너지 운영 측면에서의 시사점을 제시한다.

2.1 건물별 전력사용량 데이터 구성

본 연구에서는 인천국제공항의 전력사용량 데이터를 활용하였다. 분석 대상 기간은 2019년 1월 1일부터 2024년 12월 31일까지이다. 전력 데이터는 공항 전력주제어소에서 수집된 실측 자료로, 주요 건물 단위의 일별 전력사용량이 포함되어 있다. 전력소비는 공항 내 실제 사용 전력을 기준으로 하며, 수전전력과 태양광 설비의 자가소비 전력을 포함한다.

기록상 공항 내 태양광 발전설비의 용량은 2022년 10.6MW에서 꾸준히 증가하여 2024년 말 기준 약 21.7MW까지 증가하였고, 연간 발전량은 전체 전력소비 대비 계절에 따라 약 1 ~ 5% 수준이다.

분석 대상은 총 19개 주요 건물이며, 이들을 표1과 같이 여객터미널, 교통시설, 냉동기, 운영·지원시설, 물류·지원시설 및 상업시설로 구분하였다. 이러한 분류는 공항 운영 기능에 따른 전력소비 특성 분석을 위한 것이다.

2.2 데이터 전처리 및 분석범위

결측 데이터는 전체 기간 대비 약 1% 수준으로 나타났으며, 모든 변수(전력, 기상, 여객 데이터)가 동시에 존재하는 날짜만을 분석에 사용하였다. 최종 분석에는 2,192일 중 2,166일의 데이터가 활용되었다. 장기 추세 분석을 위해 월별 1일 평균 전력소비를 산출하였다. 단, 기저부하 산정 및 분포 분석에는 일별 데이터를 사용하였다. 분석 기간은 코로나 이전(2019년), 팬데믹 기간(2020년 3월–2022년), 회복 기간(2023년 이후)으로 구분하였다. 기간 구분은 여객 수요 변화 추이를 기준으로 설정하였으며, 팬데믹 기간 동안의 급격한 수요 감소와 이후 회복 구간을 구분하기 위한 것이다.

2.3 기상 및 여객 데이터

전력소비 영향 요인을 분석하기 위해 기상 데이터와 여객 수요 데이터를 함께 사용하였다.

기상 데이터는 기상청의 일별 자료를 활용하였으며, 주요 변수는 최고기온, 최저기온, 평균상대습도 및 일사량이다. 온도 변수는 냉난방 부하 특성을 반영하기 위해 최고기온과 최저기온을 모두 포함하였다. 이러한 변수는 건물 에너지 수요 분석에서 일반적으로 사용되는 기상 변수이다^[7]. 결측값은 별도의 보간 없이 해당 날짜를 분석에서 제외하였다. 여객 수요는 인천공항 홈페이지에서 제공되는 월간 여객 처리 실적을 사용하였다. 다중선형회귀(ordinary least squares, OLS) 분석에서는 월간 여객 수요 데이터를 일별 전력소비 데이터와 정합시키기 위해 동일 월에 속하는 모든 일자에 동일한 여객 수요 값을 적용하였다. 이로 인해 일별 단기 변동성은 반영되지 않으나, 전력소비와 여객 수요 간의 장기적 관계를 분석하는 데에는 유효한 것으로 볼 수 있다.

2.4 기저부하 정의

기저부하는 각 건물 및 기능군의 계절별 일간 전력소비 자료를 기반으로 정의하였으며, 전력소비 분포의 하위 10% 분위수(P10)를 기저부하의 대표값으로 선정하였다. 하위 분위수는 극단값의 영향을 최소화하면서 최소 운영 수준을 안정적으로 추정하기 위한 방법으로, 건물 에너지 수요 분석에서 일반적으로 활용된다^{[8– 10]}.

분위수 기준의 영향을 확인하기 위해 5%, 10%, 15% 분위수를 비교하였으며, 기능군 간 상대적 구조는 기준에 관계없이 유사하게 나타났다. 이에 따라 본 연구에서는 10% 분위수를 기준으로 적용하였다.

2.4 분석방법

전력소비 특성 분석은 다음의 절차로 수행하였다. 먼저 건물 및 기능군 단위로 데이터를 분류하고, 계절별 전력소비 분포를 구성하였다. 이후 하위 분위수를 이용하여 기저부하를 산정하고, 기간별 및 기능군별 차이를 비교하였다.

전력소비 결정요인을 분석하기 위해 다중선형회귀모형을 적용하였다. 모형은 다음 식(1)과 같이 표현된다.

여기서,

$Power_t$ 는 t시점의 일별 총 전력소비량,

$Passenger_m$ 은 해당 월 여객수,

$T_{max,t}$ 는 최고기온,

$T_{min,t}$ 는 최저기온,

$Hummidity_t$ 는 습도,

$SolarRad_t$ 는 일일 합계 일사량,

$\gamma_m D_{m,t}$ 는 월 더미변수,

$\epsilon_t$ 는 오차항을 의미한다.

본 모형은 전력소비와 주요 변수 간의 관계를 정량적으로 확인하기 위한 것으로, 예측모형 구축보다는 변수 간 영향 분석에 초점을 두었다.

3.1 태양광 설비 영향 분석

그림 1은 총 전력소비량, 월별 태양광 발전량, 총 전력소비량 대비 태양광 발전 비율을 나타낸 것이다.

그림 1. 월별 PV발전량, 전체 전력소비량, 비율 변화 추이

Fig. 1. Monthly Trends in PV Generation, Total Electricity Consumption, and Their Ratio

분석 기간 동안 태양광 설비 도입에 따라 발전량은 증가하였으며, 전력소비 대비 발전 비중 또한 점진적으로 상승하였다. 그러나 태양광 발전 비중은 전체 전력소비 대비 약 5% 미만으로 제한적인 수준으로 나타났다.

또한, 전력소비 분포의 하단 수준은 태양광 발전량 변화와 관계없이 유사한 범위에서 유지되는 것으로 확인되었다. 이는 태양광 발전이 전체 전력소비 구조에 미치는 영향이 제한적임을 의미한다. 따라서 본 연구에서 사용한 총 전력소비(수전전력 + 태양광 자가소비)는 공항 전력수요의 구조적 특성을 분석하는 데 유효한 지표로 볼 수 있다.

3.2 월별 전력소비 변화 추세

그림 2는 공항 전체 전력소비의 월별 1일 평균 값을 나타낸 것이다. 분석 결과, 2020년 이후 코로나19로 인한 여객 수요 감소와 함께 전력소비도 감소하는 경향을 보였다. 그러나 여객 수요 감소 폭에 비해 전력소비 감소 폭은 제한적으로 나타났다. 특히, 여객 수요가 급감한 기간에도 전력소비는 일정 수준 이상 유지되는 특성이 확인되었다.

이후, 2023년부터 여객 수요가 회복됨에 따라 전력소비 역시 증가하는 경향을 보였으며, 전반적으로 여객 수요 변화와 유사한 방향성을 나타냈다.

그림 2. 월별 1일 평균 전력소비 변화 추이

Fig. 2. Monthly Trends in Average Daily Electricity Consumption

한편, 여객 수요는 팬데믹 기간 동안 급격히 감소한 후 2023년 이후 점진적으로 회복되는 추세를 보였다. 그러나 여객 수요 감소 폭에 비해 전력소비 감소 폭은 제한적으로 나타났다.

3.3 계절별 전력소비 분포 특성

그림 3은 계절별 일간 전력소비 분포를 나타낸 것이다.

그림 3. 계절별 일간 전력소비 분포

Fig. 3. Seasonal Distribution of Daily Electricity Consumption

분석 결과, 계절에 따라 전력소비의 평균 수준과 변동 범위는 차이를 보였다. 특히 여름철에는 냉방 수요 증가로 인해 전력소비 수준과 변동 폭이 확대되는 경향이 나타났다. 반면, 모든 계절에서 전력소비 분포의 하단 영역은 유사한 범위에서 형성되는 것으로 확인되었다. 이는 전력소비의 하한 수준이 계절적 변동에 비해 상대적으로 안정적으로 유지됨을 의미한다.

3.4 전력소비 결정요인 분석

그림 4는 전력소비와 주요 기상변수 간의 관계를 나타낸 것이다.

그림 4(a). 최고기온과 전력소비량 간 관계

Fig. 4(a). Relationship Between Maximum Temperature and Electricity Consumption

그림 4(b). 상대습도와 전력소비량 간 관계

Fig. 4(b). Relationship Between Relative Humidity and Electricity Consumption

그림 4(c). 일사량과 전력소비량 간 관계

Fig. 4(c). Relationship Between Solar Radiation and Electricity Consumption

분석결과, 전력소비는 외기온도가 상승함에 따라 증가하는 경향을 보였으며, 특히 고온 구간에서 증가폭이 크게 나타났다. 반면 상대습도와 일사량은 온도 변수에 비해 뚜렷한 단일 패턴을 보이지 않았다.

이러한 관계를 정량적으로 확인하기 위해 2장에서 제시한 OLS 모형을 적용하여 회귀분석을 수행하였다. 종속변수는 일별 총 전력소비량이며, 독립변수는 여객 수요, 최고기온, 최저기온, 상대습도, 일사량 및 월 더미 변수를 포함하였다. 표2는 회귀분석 결과를 나타낸 것이다.

분석 결과, 여객 수요는 전력소비에 대해 가장 큰 영향을 미치는 변수로 나타났다 (t=48.21, p<0.001). 이는 공항 전력수요가 단순한 환경 변수보다 이용 규모에 의해 지배되는 구조적 부하 특성을 가짐을 의미한다. 기온 변수는 모두 통계적으로 유의한 영향을 보였으며 (p<0.01), 최저기온은 양(+)의 계수, 최고기온은 음(-)의 계수를 나타냈다. 이러한 결과는 냉방과 난방 부하가 동시에 존재하는 공항 공조시스템의 특성에 기인한 것으로, 외기 온도 변화에 대한 전력소비의 반응이 냉방기와 난방기에 따라 서로 다르게 나타남을 의미한다. 일사량은 전력소비에 영향을 주는 것으로 나타났으며(p<0.01), 이는 태양복사에 따른 외피 열획득 증가가 냉방부하 상승으로 이어지는 효과를 반영한 것으로 해석된다. 반면 상대습도는 5% 유의수준에서 통계적으로 유의하지 않아, 전력소비에 대한 영향은 제한적인 것으로 판단된다.

월 더미 변수는 대부분 유의하게 나타났으며, 특히 하절기(7–8월)에서 양(+)의 계수가 크게 나타나 냉방 수요 중심의 계절적 부하 특성이 확인되었다. 이는 공항 전력수요가 계절에 따른 열부하 변화에 크게 영향을 받음을 시사한다.

본 회귀모형의 설명력은 R² = 0.747, 수정된 결정계수는 Adj. R² = 0.745로 나타났으며, 모형 전체에 대한 F-검정 결과 F=396.44 (p < 0.001)로 통계적으로 유의한 것으로 확인되었다. 이는 본 모형이 공항 전력수요의 주요 변동 요인을 충분히 설명하고 있음을 의미한다. 종합하면, 공항 전력소비는 여객 수요에 의해 설명되는 구조적 부하와 기온 및 일사량에 의해 변동하는 환경 반응형 부하가 결합된 형태로 나타났다. 다만, 이러한 설명 변수들만으로는 여객 수요 감소에도 불구하고 일정 수준 이하로 감소하지 않는 전력소비 특성을 충분히 설명하기는 어려운 것으로 나타났다. 이는 추가적인 구조적 요인의 존재를 시사하며, 해당 특성은 다음 장에서 기저부하 분석을 통해 구체적으로 검증한다.

또한, 단기 변동 특성을 확인하기 위해 그림 5와 같이 전력소비와 기온에 대해 5일 이동평균을 적용하였다. 분석 결과, 전력소비는 단기적으로도 외기온도 변화에 대해 일관된 반응을 보였으며, 이는 회귀분석 결과를 시간적 관점에서 재확인하는 결과이다.

그림 5. 전력소비 및 기온의 5일 이동평균 추이

Fig. 5. Five-Day Moving Average Trends of Electricity Consumption and Temperature

3.5 기저부하 특성

본 절에서는 전력소비의 하한 수준을 정량적으로 파악하기 위해 기능군별 기저부하를 분석하였다. 기저부하는 계절별 일간 전력소비 분포의 하위 10% 분위수를 기준으로 산정하였다. 표3은 기능군별 계절 기저부하 수준을 나타낸 것이다.

분석 결과, 여객터미널은 모든 기능군 중 가장 높은 기저부하를 보였으며, 물류·지원시설 및 상업시설이 그 뒤를 따르는 것으로 나타났다. 반면, 교통시설 및 운영·지원시설은 상대적으로 낮은 수준을 유지하였다.

기능군별 평균 전력소비 대비 기저부하 비율을 비교한 결과를 그림 6에 제시하였다.

그림 6. 기능군별 대비 기저부하 수준

Fig. 6. Baseline Load Levels by Functional Group

분석 결과, 기능군별 기저부하 비율은 일정 범위 내에서 유지되는 것으로 나타났다. 이는 전력소비 수준이 변동하더라도 일정 비율의 최소 부하가 지속적으로 요구됨을 의미한다. 기저부하 산정 기준의 영향을 검토하기 위해 하위 5%, 10%, 15% 분위수를 적용하여 비교한 결과, 절대값에는 차이가 있으나 기능군 간 상대적 순위와 구조는 동일하게 유지되었다. 표4는 분위수 기준에 따른 기능군별 기저부하 수준을 나타낸 것이다.

또한, 여객 수요가 크게 감소한 기간에도 기저부하 수준은 유사하게 유지되는 것으로 확인되었다.

종합하면, 공항 전력소비는 기능군별 운영 특성에 따라 형성되는 구조적 기저부하를 가지며, 이는 공항 이용 여객수 변화와 관계없이 일정 수준 이상 유지되는 특성을 보인다.

4.1 기간 구분 및 분석 접근

본 절에서는 코로나19 전후 기간을 구분하고, 기저부하 비교 분석을 위한 접근 방법을 제시한다.

분석 기간은 제2장에서 정의한 바와 같이 코로나 이전(2019년), 팬데믹 기간(2020년 3월–2022년), 회복 국면(2023년 이후)으로 구분하였다.

각 기간에 대해 제3장에서 정의한 동일한 방법을 적용하여 기능군별 기저부하를 산정하고, 기간 간 절대값 변화와 상대적 유지 수준을 비교하였다. 이를 통해 기저부하가 공항 이용 여객 수 변화에 대해 어느 정도 독립적인 특성을 가지는지를 평가하였다.

4.2 기저부하 변화 및 유지 특성

코로나19 전후 기간에 따른 기저부하 수준의 변화를 비교하기 위해, 각 기간별로 산정된 기저부하의 절대값을 분석하였다. 표 5는 코로나 이전 대비 팬데믹 기간 동안 기능군별 기저부하 수준과 유지율을 나타낸 것이다.

분석 결과, 팬데믹 기간 동안 일부 기능군에서 기저부하 수준이 감소하는 경향이 나타났다. 그러나 기저부하 감소 폭은 여객 수요 감소 규모에 비해 제한적인 수준에 머물렀다. 표 5에서 제시된 바와 같이 기능군별 기저부하 유지율은 약 76~99% 수준으로 나타났으며, 전반적으로 높은 수준을 유지하는 것으로 확인되었다.

특히, 대부분의 기능군에서 비교적 높은 유지율이 나타났으며, 이는 공항 운영에 필수적인 설비 부하가 여객 수요 감소에도 불구하고 지속적으로 유지됨을 의미한다. 반면 냉동기 시설은 계절적 운전 특성의 영향으로 다른 기능군과 상이한 거동을 보이는 것으로 나타났다.

그림 7은 전체 전력소비 기준에서 코로나 이전 대비 팬데믹 기간 동안의 유지 특성을 나타낸 것이다.

그림 7. 코로나 이전 대비 기능군별 전력소비 유지율

Fig. 7. Electricity Consumption Retention Rates by Functional Group Compared to the Pre-COVID-19 Period

그림 7에서 확인할 수 있듯이, 전체 전력소비 역시 여객 수요가 급격히 감소한 상황에서도 일정 수준 이상 유지되는 경향을 보였다. 이는 개별 기능군 수준에서 나타난 기저부하 유지 특성이 전체 전력소비 구조에서도 일관되게 나타남을 의미한다.

표 5와 그림 7의 결과를 종합하면, 공항 전력소비는 전체 수준뿐만 아니라 기능군 단위에서도 높은 유지율을 보이며, 여객 수요 감소에도 불구하고 구조적으로 일정 수준 이상의 전력소비가 지속되는 특성을 갖는 것으로 해석할 수 있다.

또한, 회복 국면에서는 기저부하 수준이 다시 증가하는 경향을 보였으며, 팬데믹 기간 중 감소한 수준이 일부 회복되는 양상이 나타났다. 이러한 결과는 여객 수요 변화에 따라 기저부하의 절대 수준이 일부 변동할 수 있으나, 그 변화 폭은 제한적인 범위 내에서 나타남을 의미한다.

4.3 기저부하의 구조적 안정성

코로나19 이후 여객 수요는 점진적으로 회복되었으며, 이에 따라 전력소비도 증가하는 경향을 나타냈다. 그러나 기저부하의 변화는 여객 수요 변화에 비해 상대적으로 완만하게 나타났다. 기능군별 비교 결과, 여객터미널 및 교통시설과 같은 핵심 운영 시설은 팬데믹 기간과 회복 국면 모두에서 유사한 기저부하 수준을 유지하는 것으로 나타났다. 반면 일부 상업시설 및 지원시설에서는 상대적으로 변동이 나타났으나, 기능군 간 상대적 수준과 구조는 모든 기간에서 일관되게 유지되었다.

이러한 결과는 공항 전력소비의 기저부하가 외부 수요 변화에 의해 직접적으로 결정되기보다는, 시설의 기능적 역할과 운영 요구에 의해 구조적으로 형성됨을 의미한다.

5.1 주요 결과

본 연구에서는 인천국제공항의 장기 실측 데이터를 기반으로 건물 및 기능군별 전력소비 특성을 분석하였다. 분석 결과, 공항 전력소비는 여객 수요의 급격한 변화에도 불구하고 일정 수준 이하로 감소하지 않는 구조적 기저부하 특성을 갖는 것으로 확인되었다. 전력소비 분포의 하한 영역 분석을 통해 이러한 기저부하가 정량적으로 확인되었으며, 기능군별 기저부하 수준에는 차이가 존재하나 그 상대적 구조는 기간 및 분석 조건에 관계없이 안정적으로 유지되는 것으로 나타났다.

또한, 기상조건과의 관계 및 단기 변동 분석 결과, 전력소비는 외기온도에 따라 변동하는 동시에 상시 운영 설비에 의해 결정되는 하한부하를 포함하는 복합적 부하 구조를 갖는 것으로 확인되었다.

아울러, 기저부하 산정 기준에 대한 민감도 분석 결과, 하위 10% 분위수는 극단값의 영향을 배제하면서도 하한 영역을 안정적으로 대표하는 기준으로 확인되었다.

5.2 운영 및 정책적 시사점

본 연구에서 분석 대상으로 설정한 인천국제공항은 2040년까지 RE100 달성을 목표로 태양광 발전설비를 단계적으로 확대하는 계획을 추진하고 있다. 기존의 설비 증설 계획은 공항의 피크전력 및 평상시 운영 조건에서의 기저부하 특성을 기반으로 수립되어 왔다.

그러나 본 연구에서는 코로나19와 같은 비정상 상황에서의 전력소비 데이터를 분석함으로써, 외부 수요가 급격히 감소하는 조건에서도 유지되는 기저부하 수준을 추가적으로 확인하였다. 이는 기존 계획에서 고려되지 않았던 최소 운전 조건에 해당하며, 태양광 설비 용량 산정 시 보다 보수적인 기준으로 활용될 수 있다.

따라서, 향후 태양광 설비 확충 계획은 기존의 피크전력 및 정상 상태 기저부하뿐만 아니라, 비상 상황에서도 유지되는 최소 기저부하 수준을 함께 고려하여 수립될 필요가 있다. 이러한 접근은 낮 시간대 재생에너지 발전량이 최소부하를 초과할 가능성을 사전에 반영함으로써, 역송전력 발생 위험을 보다 안정적으로 관리할 수 있게 한다.

아울러, 본 연구에서 도출된 기저부하 정보는 에너지저장장치(ESS)의 적정 용량 산정 및 운전 전략 수립에도 활용될 수 있으며, 에너지관리시스템(EMS)의 제어 범위 및 운전 기준 설정에 있어 정량적 근거를 제공한다. 즉, 본 연구의 기여는 기존의 재생에너지 확대 계획을 대체하는 새로운 방법을 제시하는 것이 아니라, 계획 수립 과정에서 활용 가능한 추가적인 운영 정보를 제공함으로써 계획의 신뢰성과 안정성을 향상시키는 데 있다.

5.3 향후 연구 방향

향후 연구에서는 본 연구에서 확인된 기저부하 특성을 반영하여, 전력수요를 기저부하와 변동부하로 분리하는 구조 기반 수요모델 개발이 필요하다. 또한, 재생에너지 연계 환경에서의 운영 최적화를 위해 기저부하 제약을 고려한 통합 운영 모델과 ESS 및 수요관리 자원을 포함한 최적 운전 전략에 대한 추가 연구가 요구된다. 아울러 배전계통 관점에서의 역조류 및 전압 영향 분석과 다양한 공항 및 교통 인프라로의 적용확대를 통해 결과의 일반성 검증이 필요하다.