에너지 공급 & 경제성장

멀고도 가까운 미래: 에너지 전환[6]

에너지 공급 변화율과 경제성장률 사이 관계는 비선형일 수 있다.

에너지 전환의 경제적 효과를 분석하기 위해 심층학습(deep learning) 신경망 기법을 이용한다. 다층 퍼셉트론(MLP: multi layers perceptron) 모형을 사용하며, 입력층에서 연간 에너지 수요·공급의 변화율을 입력 변수로, 출력층에서 국민계정 항목(지출, 생산, 소득)을 출력 변수로 설정한다. 에너지 수급 자료는 에너지경제연구원의 통계월보를 통해, 국민계정 자료는 한국은행 경제통계시스템을 통해 수집한다. 입력 변수와 출력 변수 사이의 존재할 수 있는 비선형 관계를 고려하기 위해 은닉층을 설정한다.

심층학습은 인공 신경망(ANN: artificial neural network)을 기반으로 구축한 기계학습(machine learning)의 한 분야이다. 관측값 수가 적은 거시경제변수에 신경망 모형을 적용함에 따라 과적합(over-fitting) 현상을 줄일 수 있는 기법(regularization, drop-out)을 적용하고 다수의 모형을 추정한 후 평균값을 사용하여 분석을 수행한다.

에너지 전환에 따른 에너지 공급 변화율을 충격으로 간주하면, 경제성장률 변화는 반응으로 해석할 수 있다.

에너지 전환에 따른 경제적 효과를 분석하기 위해, 특정 에너지원(석탄, 가스, 석유, 무탄소)의 공급이 변화하는 충격(impulse)에 대한 국내총생산(GDP)의 반응(response)을 추정한다. 아래 그림은 일정한 범위(-10%~10%)에서 충격의 크기를 변화시키면서 각 충격에 따른 반응의 크기를 나타낸다. 수평축은 에너지 공급 변화율을, 수직축은 각 충격에 반응하는 경제성장률을 보여준다. 추정된 각 신경망을 토대로 충격이 주어질 때의 반응을 추정한 다음, 해당 추정값들의 평균값을 반응의 크기로 해석한다.

분석결과 에너지원별로 반응곡선의 기울기가 다르게 나타났다.

에너지 공급 변화율이 양(+)인 구간에서 기울기의 크기는 가스, 무탄소(원자력+재생), 석유, 석탄 순이다. 충격 크기의 변화에 대해 반응곡선의 형태가 비선형이다. 무탄소의 경우, 공급 증가 시의 기울기가 공급 감소 시의 기울기보다 크다. 반대로 석탄의 경우 공급 증가 시의 기울기가 공급 감소 시의 기울기보다 작다. 이 결과는 석탄 공급이 줄어드는 대신 무탄소 에너지가 늘어나면 경제성장에 긍정적일 수 있음을 시사한다.

분석결과와 같은 관계가 유지된다고 가정하면, 에너지 전환이 지속성장에 기여할 수 있다.

2022년 기준 석탄발전에 따른 1인당 온실가스 배출량이 주요 20개국(G20) 중 2위인 한국이 석탄 공급을 축소하고 무탄소 에너지 공급을 확대하는 경우 경제성장률이 높아지는 반응이 나타날 수 있다. 석탄 공급 축소에 따른 경제성장률 하락 폭에 비해 무탄소 에너지 공급 확대에 따른 경제성장률 상승폭이 클 수 있기 때문이다.