재화 및 서비스를 공급하는 산업에서는 최대한 수요에 맞추어 생산하고 적시에 공급함으로써 비용 최소화와 이익 최대화를 달성하기 위해 노력한다. 따라서 산업별로 수요예측의 정확도를 높이기 위해 많은 투자를 한다. 하지만, 대부분의 수요는 시간에 따라 결정적이지 않고 확률적이라 그것이 쉽지 않다.
물론, 수요가 날씨 등 환경에 따라 특유의 변동 특성과 패턴을 갖고 있는 경우에는 관련 변수들을 추정하여 예측의 정밀도를 높일 수는 있다. 최근 인공지능(AI) 알고리즘을 적용해 각종 예측력을 높이는 연구가 많이 수행되고 있는 이유이다.
하지만, 100% 정확한 예측은 여전히 불가능에 가까우며, 특히 예측을 위해 세워둔 기존 가정이 무너지거나 맞지 않는 상황이 오게 되면 실제 값은 예측의 범위를 한참 벗어나 관리하기 불가능한 수준이 될 수 있다.
이러한 상황을 막기 위해 일반적인 재화의 경우에는 재고관리 방법을 사용한다. 재고의 유지 및 부족에 따른 비용 등을 종합적으로 감안하여 적정한 재고 수준으로 관리한다. 수요에 대한 예측이 범위를 벗어날 가능성이 있기 때문에 이를 대응하기 위하여 적정량의 재고를 보유하는 것이다.
따라서 수요예측과 재고관리는 전체적인 생산관리 입장에서 보면 상호보완적이라고 할 수 있다. 예측의 정확성을 높이는 한편, 유연한 재고관리를 통해 변동성과 불확실성을 양방향으로 관리하는 것이다. 이처럼 완충작용을 할 수 있는 방법을 함께 준비해 두면 그만큼 위험 발생 가능성을 줄일 수 있게 된다.
최근 몇 년 동안, 세계적으로 재생에너지 비율이 높은 나라들에서는 전력계통에의 위험 요소로, 재생에너지의 특수성인 변동성과 불확실성을 주시하고 있다. 이와 같은 특징이 전력수급에 대한 예측 정확도를 떨어뜨리는 요인으로 작용하고 있으며, 재생에너지의 시간대별 발전량과 전력수급 상황이 안 좋은 방향으로 맞아떨어질 때에 국가적인 위기 상황이 발생할 수 있기 때문이다.
이 부분은 발전 전원별로 지역적 편중이 심한 우리나라의 경우 더욱 간과할 수 없는 문제이다. 예를 들어 특정한 시간에 어떠한 지역을 중심으로 전력의 수요와 공급의 불균형이 심화될 경우 선로 과전압 및 과부하 현상이 발생할 수도 있기 때문이다.
따라서 우리나라는 백업전원의 확보 및 운영이 필수적이다. 특히 출력 변동성이 큰 재생에너지의 비중이 지속적으로 늘어날 것으로 계획되어 있기 때문에, 지금보다 여유 있는 백업전원이 필요하다. 하지만, 재고 수준에 따라 그만큼의 경제적 및 사회적 비용도 수반되기 때문에 무작정 백업전원을 늘릴 수 없는 것도 현실이다. 따라서 적절한 수준을 찾아가기 위한 산·학·연·관의 협력이 요구된다.
일반적으로 수요예측과 재고관리가 상호보완적인만큼, 전력수요에 대한 예측의 정확성을 높이기 위한 다방면의 기술개발 노력과 함께 적절한 백업전원 방법과 관리 수준을 도출하고 평가할 수 있는 등의 기술개발 노력도 동시적으로 이루어져야 할 것이다.
