국가 전력수요 예측시스템 진단 및 예측 고도화 방향 고찰

국가 전력수요 예측시스템 진단 및 예측 고도화 방향 고찰

기술 변화에 따른 효율개선 효과의 균형적 반영 필요

「국가 전력수요 예측」은 발전설비 확충, 송·변전망 투자, 수급안정성 확보 등 중장기 에너지정책과 전력 인프라 계획의 핵심 기준이다. 이 과정에서 발생하는 예측 오차는 설비 과잉 및 부족, 비용 증가, 계통 불안정, 사회적 갈등 확대로 이어질 수 있다. 전력수요 예측 오차는 구조적 패턴을 보이는데, 현행 체계는 효율개선 효과를 덜 구체적으로 제시하고 있다. 따라서 총량 중심 접근보다는, 부문별 변화 요인과 오차 원인을 함께 점검하는 구조가 필요하다. 

정리 편집부 

참조 국회미래연구원 등

2026년08월

정부는 「전기사업법」 제25조에 근거하여 2년 주기로 「전력수급기본계획(이하 전기본)」을 수립한다. 이를 통해 전력수급의 기본방향, 장기 수급전망, 발전 및 송·변전설비 계획, 수요관리, 분산형 전원 확대 등을 포괄하는 15년 장기계획을 제시한다. 이러한 장기 수요 전망은 발전소 건설·폐지, 송전망 투자계획, 전원구성(에너지 믹스) 설계, 에너지저장장치(ESS) 필요량 등 중장기 설비계획의 핵심 기준으로 작동한다.

전력수요 예측이 실제와 괴리될 경우 그 파급효과는 방향에 따라 다르게 나타나지만, 어느 경우든 사회적으로 적지 않은 비용을 초래한다. 발전설비 및 송전설비 확충이 실제 수요 증가를 따라가지 못하면 신뢰도 저하와 공급 불안정성이 커질 수 있으며, 이는 전력계통 계획에서 중요한 주제로 논의된다. 

반면 과대추정은 즉각적인 위기 신호가 나타나지 않아 간과되기 쉽지만, 장기적으로 더 복합적인 부담을 야기할 수 있다. 전원 입지와 송전망 확충, 설비 조정 및 조기전환 과정에서는 지역사회 수용성 문제와 정치·사회적 갈등이 증폭될 우려도 있다. 과대추정으로 수요가 예측보다 낮게 실현될 경우, 이미 확충된 발전설비의 가동률이 저하되고, 설비 활용도 하락에 따른 비용효율성 저하의 문제가 발생한다. 그 결과, 발전공기업뿐 아니라 민간발전사업자도 고정비 회수 부담, 수익성 저하, 투자 불확실성 확대에 직면할 수 있다.

전력수요를 둘러싼 환경의 구조적 변화

반도체 등 첨단산업 투자 확대, AI 데이터센터 확장, 수송·건물·산업 전반에 걸친 전기화electrification)는 전력수요를 구조적으로 늘리는 방향으로 작용하고 있다. 때문에 최근 「전기본」은 데이터센터, 첨단산업, 전기화 등을 추가수요의 형태로 전망 체계에 반영하려는 방향으로 보완되어 왔으며, 수요관리 측면에서도 검증 가능한 수단 중심으로 구조를 재정비하고 있다. 

그러나 칩 효율 향상(성능/와트 개선), 반도체 공정 혁신에 따른 전력원 단위 절감, 소프트웨어 최적화와 모델 경량화, 데이터센터 냉각 효율화 등은 동일한 서비스와 생산을 더 효율적으로 달성하게 만드는 효과가 있다. 

이러한 효율화는 정책에 의해 직접 유도되는 절감수단에서부터, 기업 간 경쟁과 비용절감 요인에 따라 시장에서 자율적으로 축적되는 미시적 혁신에 이르기까지 다양한 형태로 나타난다. 따라서 미래 전력수요는 “기술 확산 → 수요 증가”라는 단선적 관계가 아니라, 수요 확대와 효율 향상이 동시에 작동하는 결과로 이해해야 한다. 

현행 전력수요 예측시스템 진단

「전기본」의 전력수요 예측은 초기(1~4차) 과소추정에서 후기(5~10차) 과대추정으로 오차 방향이 역전되었다. 초기 차수는 실제 수요 증가를 충분히 반영하지 못하는 경향을 보였으나, 최근 차수로 갈수록 실제 실적을 상회하는 방향으로 이동하고 있다. 반면, 한전의 판매전력 실적은 ’02년 258TWh에서 ’19년 526TWh까지 증가한 뒤, 최근에는 정체와 등락을 반복하고 있다.

부문별로 살펴보면 ▶산업부문에서는 전반적으로 과대추정된 경향이 있다. 전체 평균(’16~’24년) MAPE는 7.6%로 계산되었는데, 산업구조 변화, 경기 요인, 에너지원 단위 개선 등이 복합적으로 작용한 결과, 산업부문 전력수요의 증가세가 전망 당시 예상보다 낮게 나타났다.

▶수송부문은 전반적 과소추정된 경향이 있다. 전체 평균 MAPE는 18.3%이며, 최근 전망일수록 과소추정 정도가 확대되었다. 전기차 보급 확대와 수송 전기화 진전이 전망 당시 예상보다 더 빠르게 전개되면서, 실제 전력수요에 미친 영향이 상대적으로 크게 나타났을 가능성을 시사한다.

▶건물부문은 전체 평균 MAPE 2.1%로 가장 낮았으며, 과소추정과 과대추정이 혼재했다. 향후 히트펌프 보급 확대, 냉난방 수요 변화, 건물 전기화 진전 등으로 건물부문의 수요 변동성 증가 폭이 확대될 가능성이 있다.

상기 부문별 비교 결과는 서로 다른 요인이 각기 다르게 작용한 결과이다. 이는 전력수요 예측이 산업구조 변화, 경기, 전기화, 에너지원 단위 개선 등 다양한 요인의 영향을 받으며, 이들 요인이 시기와 부문에 따라 서로 다른 방향으로 작용하고 있음을 시사한다. 장기 전망일수록 기술 변화, 산업 여건, 정책 환경 변화에 따른 불확실성을 충분히 흡수하기 어렵다.

기술혁신의 전력수요 양방향 효과

① 수요를 증가시키는 기술 변화

▶AI·데이터센터 : 데이터센터는 최근 「전기본」이 별도 추가수요를 취급하는 대표적 기술요인이다. 「제10차 전기본」(’23)에 “4차 산업혁명 영향의 대부분은 모형전망에 포함되지만, 데이터센터 수요는 기존 추세보다 크게 증가할 것으로 예상되어 별도 반영한다”고 명시되었다. 국제적으로도 데이터센터는 가장 빠르게 부상하는 신규 전력수요로 인식하고 있다. 

▶반도체·첨단산업 : 「제11차 전기본」(’25)은 “반도체 클러스터 조성에 따라 제조업 전력수요를 단순 성장률 기반 모형만으로 보기 어렵다”고 평가했다. 이에 첨단산업을 추가수요 항목으로 별도 반영하되, 6대 첨단산업(반도체·디스플레이·이차전지·바이오·미래차·로봇) 전체를 검토한 뒤 반도체 업종만 전망 범위에 포함했다. 첨단산업 수요는 미래 FAB 계약용량에 이용률을 곱하는 방식으로 산정된다.

▶전기화 : 전기화는 현행 전기본에서 고려한 가장 큰 추가수요 요인이다. 「제10차 전기본」은 전기화 수요를 《GCAM-KAIST 모형》으로 추정했고, 「제11차 전기본」에서는 KEEI의 《EGMS 모형》으로 전환했다. 국제적으로도 전기화를 향후 전력수요 증가를 주도하는 핵심 요인으로 평가하고 있는데, 에너지다소비 기초소재 산업의 전기화가 전력수요를 44% 증가시킬 수 있을 것으로 전망한다. 

② 수요를 감소시키는 기술 변화

▶데이터센터 효율화 : 그린 데이터센터 확산에 따라 글로벌 평균 PUE2) 수준으로 개선될 것으로 가정하며, 중장기적으로 데이터센터 확산에 따른 전력수요 증가 영향이 완화될 것으로 전망된다. 냉각·전원 인프라 효율 개선이라는 의미의 데이터센터 효율화는 이미 「제11차 전기본」 수요 전망 안에 포함되어 있다.

▶전기화 기술 내부 효율 개선 : 산업공정열 전기화, 히트펌프, 전기차 등은 전력수요를 늘리는 동시에, 더 높은 최종에너지 효율과 수요측 유연성을 제공할 수 있다.

▶정책형 효율화 : 목표수요 단계에서 에너지효율 향상 의무화제도(EERS), 효율화 사업, 수요반응(DR), 차량-전력망 연계(V2G) 등 검증 가능한 수단을 통해 수요관리를 지향하고 있다. 

전력수요 예측 고도화 사례

▶IEA(국제에너지기구) 

『Energy and AI』(’25)에서 데이터센터 전력수요를 단일 전망치가 아니라 《기본 시나리오 + 3개의 민감도 사례(도약 시나리오-고효율 시나리오-역풍 시나리오)》로 제시했다. 기본 시나리오는 전 세계 데이터센터 전력수요가 ’35년에 약 1,200TWh에 달할 것으로 전망했다. 도약 시나리오는 AI 채택 가속과 지역 제약 완화를, 고효율 시나리오는 소프트웨어와 하드웨어 모두에서의 에너지 절감을, 역풍 시나리오는 AI 확산과 에너지 인프라 구축의 제약을 반영했고, 이에 따라 ’35년 데이터센터 전력수요를 약 700~1,720TWh 범위로 확대했다. IEA 사례의 핵심은 데이터센터 수요를 하나의 확정값이 아니라, 기술 채택 속도와 효율 개선 경로에 따라 달라지는 범위의 문제로 다룬다는 점에 있다.

▶EIA(美 에너지정보청) 

『Annual Energy Outlook 2026』에서 기준 시나리오 외에 기술혁신과 정책 변화의 조합에 따른 총 11개의 복수 시나리오를 병행 제시했다. 미국의 전력 소비가 ’50년까지 연평균 0.9~1.6% 증가할 것으로 보았으며, 그 핵심 요인 중 하나로 데이터센터 서버 전력사용을 명시했다. 또한 기술효율화의 수요억제 효과도 시나리오 안에 명시적으로 반영했다. EIA의 특징은 데이터센터와 전기화 같은 새로운 수요 요인을 공식 국가전망체계에 편입하면서도, 기술효율화와 정책 불확실성을 복수 사례로 함께 관리한다는 점에 있다.

▶LBNL(美 로런스 버클리 국립연구소) 

데이터센터 전력수요를 단일 수치가 아닌 범위(range)로 제시하는 방법론을 채택했다. 이유는 서버 가동률, AI 칩 세대전환 속도, PUE 개선 추세 등 기술혁신 변수의 불확실성을 명시적으로 반영하기 위함이다. LBNL 사례는 데이터센터 수요를 단순 추세가 아니라 장비 구성·운영 방식·냉각 효율의 조합으로 설명한다는 점에서, 추가수요를 보다 미시적으로 구조화한 사례이다.

▶NESO(英 국가에너지시스템운영자)

’24년 『Future Energy Scenarios(FES)』 전망체계 개편에서는 전략적 네트워크 투자, 경제모형 도입, 전력·수소 상호작용 반영을 핵심 변화로 제시했다. ’25년 『FES』에서는 영국 전체 에너지시스템의 미래 경로를 다시 제시했는데, 데이터센터를 상업부문 전력수요 변화의 핵심 요인 중 하나로 명시했다. 수요 전망을 단순 총량예측이 아니라 계통계획 도구로 활용하고, 기술혁신 가정-소비자 참여-에너지효율-유연성 자원-망 투자계획을 함께 연계하는 전략적 계획수단으로 발전시켰다.

복수 시나리오, 민감도 분석 강화해야

지금까지의 전력수요 전망은 데이터센터, 첨단산업, 전기화 등 수요를 늘리는 기술 변화를 비교적 구체적으로 추가 반영하는 방향으로 발전해왔다. 반면, 시장 주도로 축적되는 미시적 효율혁신은 상대적으로 덜 구조화되어 있다. 따라서 향후 전력수요 전망 고도화의 핵심은 기술 변화에 따른 효율개선 효과에 대한 구체적인 설명과 균형적인 반영에 있다.

수요 증가 요인뿐 아니라 기술효율 개선 요인도 요소별로 분해하여 반영하는 방식의 검토가 필요하다. 특히 데이터센터, 첨단산업, 전기화처럼 기술 변화 속도가 빠른 부문일수록 수요 증가 효과와 상쇄 효과를 함께 고려하는 접근이 중요하다.

기술혁신이 빠르게 진행되는 분야에서는 단일 전망치만으로 미래 수요를 제시하는 방식에 한계가 있다. 미래 수요를 하나의 확정값(단일 수치)이 아닌, 불확실성의 범위와 경로의 문제로 이해하는 접근이 필요하다. 복수 시나리오 또는 민감도 분석은 미래의 불확실성을 반영한 전망을 함께 제시한다는 점에서 중요하다. 향후 전력공급을 조정해야 하는 상황에서 수요 변화에 큰 영향을 미치는 핵심 변수와 전제를 식별할 수 있어, 정책적으로 우선 대응이 필요한 요인을 판단하는 데 활용 가능하다.

「전기본」도 단일 기준전망 중심 구조에서 벗어나, 주요 기술 변화에 대해 불확실성을 명시적으로 반영하는 복수 시나리오를 병행 제시하는 체계로 전환될 필요가 있다. 예를 들어, 전기화 수요는 정책목표 실현 수준, 기술효율 개선 정도, 수요유연성 확산 정도에 따라 ‘범위형 전망’으로 제시할 수 있다. 첨단산업 또한 기업 투자계획의 실현 정도와 효율혁신 속도에 따라 상·중·하 경로를 구분해 제시할 수 있다. 

전망 오차의 재보정 체계 도입 필요

최근 「전기본」은 추가수요를 별도 반영하는 점에서 진전이 있다. 그러나 분야별 기술 특성과 불확실성을 보다 세밀하게 반영하는 추가 고도화 여지는 여전히 존재한다. 따라서 데이터센터·첨단산업·전기화 수요에 대해 세분화된 상향식 전망모형의 적용 가능성을 검토하되, 그에 앞서 관련 기존연구를 체계적으로 축적·정리하고 기술혁신 지표를 지속적으로 추적하는 기반 마련이 필요하다.

「전기본」 수립 이후 일정 주기마다 차수별 오차, 부문별 오차, 주요 기술변수의 반영 여부를 체계적으로 평가하는 것도 중요하다. 평가 결과를 다음 차수의 입력 전제, 추가수요 산정, 수요관리 효과의 정량적 추정 방식, 기술혁신에 따른 효율화 계상 방식, 자가수급계획 반영 방식 등에 반영하는 재보정 체계의 도입도 검토해야 한다.

특히 ‘수요관리’ 항목은 목표 제시에 그치지 않고 “실제 절감효과를 어떻게 정량적으로 추정·검증할 것인지”에 대한 방법론 보강이 요구되며, 수요 전망은 학습과 보정이 반복되는 선순환형 체계로 운영되어야 할 것이다.