ODEC: SAS^® Analytics는 공익 사업 협동 조합의 수요 예측에 큰 기여를 하고 있습니다.

ODEC(Old Dominion Electric Cooperative)가 SAS Analytics를 도입하여 에너지 수요를 예측하기 시작한 첫 해 공익 사업 부문 고객들은 수백 만 달러를 절감할 수 있었습니다. 협동 조합은 더 정확한 예측을 통해 지속적으로 비용을 낮추고 서비스 수준은 높일 수 있기를 기대하고 있습니다.

ODEC는 Virginia, Maryland 및 Delaware의 시골 및 교외 지역의 백만 회원 고객들에게 서비스를 제공하고 있는 11개의 비영리 협동 조합에 도매 전력을 제공하고 있습니다. 최대 전력 수요 예측 부서의 책임자인 David Hamilton은 "각 협동 조합은 조직의 발전에 영향을 미치는 고유한 특성과 날씨 및 경제적 요인을 가지고 있습니다."라고 설명합니다. ODEC는 발전소를 보유하고 있을 뿐 아니라 전력을 구입하기도 합니다. 협동 조합은 에너지 구입을 위해 수 개월 전에 미리 연락을 취해야 합니다. 날씨나 에너지 수요를 잘못 예측한다면 ODEC는 현물 시장에서 곤란한 상황에 처하게 됩니다.

Hamilton은 "에너지를 충분히 구입해 놓지 않은 경우엔 향후 구입해야 하는 시점의 시장 가격으로 에너지를 구입해야 합니다. 반면 에너지를 과도하게 구입해 놓은 경우엔 헐값에 판매해야 할 수도 있습니다. 전기 공급 부문은 상당히 독특한 특성을 가지고 있습니다. 우리뿐 아니라 에너지, 가스 또는 석유 부문도 이와 같은 문제점을 안고 있습니다."라고 말합니다.

SAS를 통해 Hamilton은 더 효율적인 예측이 가능해졌습니다. SAS는 ODEC가 전력을 구입하고 판매하며 미래에 대한 계획을 세울 때 더 효율적인 판단을 내릴 수 있도록 도와줍니다. Hamilton은 "발전소에 30억 달러를 투자하고 있다면 발전소가 구축되었을 때 충분한 전력을 사용할 수 있는지 확인해야 합니다."라고 말합니다.

SAS^® Forecast Server를 통해 Hamilton의 부서는 지수 평활법 모델, ARIMAX 모델, 비관측인자 모델, 간헐적 수요 모델 및 동적 회귀 및 사용자 정의 모델을 포함하여 가장 정교한 예측 모델과 기술을 사용할 수 있게 되었습니다. SAS 모델은 시스템 분석, 헤지 모델, 재무 분석 및 에너지와 수요에 대비한 미래의 리소스를 지원하는데 사용됩니다. SAS를 통해 ODEC는 다음과 같은 이점을 누릴 수 있습니다.

• 변화하는 상황에 맞춰 신속하게 조정합니다. 예측 실행 시간이 절반으로 단축됩니다. 예상하지 못한 변수들(시원한 여름 또는 지나치게 추운 겨울)도 신속하게 예측에 포함시킬 수 있습니다.
• 각 협동 조합의 개별 시장을 이해하고 데이터를 취합하여 종합적인 시각을 확보합니다. 개별 시장을 빠르게 파악함으로써 ODEC는 전력 구매처를 효과적으로 결정할 수 있습니다. 이러한 종합적인 시각은 5년, 10년 또는 20년 미래의 전력 수요를 계획하는데 유용합니다.
• 풍속이나 운량(cloud cover)과 같은 세부 사항을 설명하는 일일 날씨 정보와 함께 소매 영업에서부터 인구 동향에 이르는 다양한 데이터를 고려합니다. SAS를 통해 ODEC는 모델에 포함된 모든 변수들과 이러한 변수가 모델의 결과에 어떤 영향을 미치는 지를 이해할 수 있습니다. 협동 조합은 각 모델 상호 간 경쟁을 통해 최상의 모델을 선택할 수 있습니다. 이는 모델 오류를 방지하기 위해 허리케인과 같은 이상 요소도 조사할 수 있습니다.
• 소규모 에너지 공급업체들이 주로 겪게 되는 변동성을 효율적으로 관리합니다.

Hamilton은 “전력 규모가 큰 공익 사업 부문들은 많은 변동을 감당할 수 있으며 상당히 우수한 예측을 수행하고 있습니다. 이에 비해 우리는 훨씬 규모가 작은 반면 변동성은 더 높은 경향을 보이고 있습니다.”라고 말합니다.

그는 "SAS 없이는 지금과 같은 작업을 진행할 수 없었을 것입니다. 제가 아는 한 SAS 만큼의 유연하고 강력한 소프트웨어는 없었습니다."라고 말합니다. SAS 덕분에 ODEC의 회원 고객들에게도 상당한 금전적 혜택이 돌아가고 있습니다. "실제로 우리는 지난해 도매 전력에 청구하는 요금을 4배나 인하하였습니다. 협동 조합은 이러한 혜택을 회원들에게 그대로 제공할 수 있습니다.''

A better approach leads to improved accuracy

When Hamilton first joined ODEC, the utility company was using an off-the-shelf software tool along with Microsoft Excel to perform energy forecasting. The inefficiencies of this method added to the data validation challenges. More importantly, it could lead to second-guessing from regulators and auditors.

For ODEC, the solution was simple: make better decisions from the data already available. Now SAS is the single source for medium- and long-term forecasts, a relationship “that will never change,” according to Hamilton. A big reason is transparency. If the SEC or state commissions want to review the work, they can see how ODEC builds its models and what goes into the models.

“I want an open system, and SAS is one of the few that has everything there, fully explained,” says Hamilton. “All the statistics, all the programming, everything is completely open for someone to evaluate and audit.”

Because the forecasting is automated, analysts are no longer required to be programmers to run the forecasting process. The system automatically builds the most appropriate model for the data, allowing ODEC to forecast with greater accuracy. In the last two years, Hamilton used SAS to produce ODEC forecast budgets within 1 percent of accuracy.

“Our rates are low and have stayed low, because the accuracy of our forecasts is extremely good,” says Hamilton.

Flexible forecasting, no matter what lies ahead

Hamilton’s department can account for variables like anticipated demand and population growth, also allowing for unforeseen changes – like an unexpectedly cold winter – to alter the forecast. Increasingly, ODEC is also using SAS to ensure grid reliability as renewable sources like solar panels, electric cars and wind farms become more mainstream.

ODEC also is developing data marts to drive its models with pre-verified variable streams. These massive data processing activities allow ODEC to build and update forecasts in hours versus days.

“We use these data marts for any ad hoc weather analysis that we’re developing on a monthly basis,” says Hamilton. “If any of our members want to look at any portion of their load or specific substation, we’re using SAS to provide that data in a format they can use.”

Additionally, ODEC is looking into using SAS Analytics for short-term forecasts to determine peak days and specifically the hour of the peak and the estimated load of that hour. This will help reduce load during peak conditions to better control transmissions and costs.

“We got a big bang for our buck when we first started using SAS, and now we are trying to use it for other applications, other needs, especially around extreme weather periods,” says Hamilton. With this increased efficiency, ODEC can build models faster, share information better and continue to keep rates low for its members decades to come.

간소해진 예측 프로세스

과거, ODEC는 몇 가지 보고 업무를 위해 SAS를 사용했지만 예측을 실행하기 위해선 다른 예측 도구와 Excel 스프레드시트를 사용하였습니다. 그는 "이는 많은 노동력이 요구되는 작업이었지만 사람들은 스프레드시트를 쉽게 이해하였기 때문에 이러한 방식을 고수할 수 밖에 없었습니다."라고 말합니다. Hamilton은 다른 예측 제품에는 기능성이 충분하지 못하다는 것을 알았고 SAS를 사용해 본 경험을 토대로 SAS^® Forecast Server가 더 강력한 솔루션을 제공해줄 것이라 믿었습니다.

이 외에도, Hamilton은 SAS를 이용하여 다른 ODEC 직원들의 분석 요청을 처리하고 계량기에서 수집한 데이터도 조사하고 있습니다. 비즈니스 시스템 분석가인 John Robinson은 "데이터 분량이 매우 방대하여 Excel 애플리케이션이나 기본 데스크톱 애플리케이션으로는 처리가 힘들었으며 SAS는 AMI(원격 검침 인프라) 데이터를 처리하기에 매우 편리했습니다."라고 말합니다. Hamilton은 "우리 조직은 신규 인력을 채용할 수 있는 여력이 없습니다. 따라서 새로운 프로젝트를 추진해야 할 경우 기존 인력으로 새로운 업무를 진행해야 하는 상황이었는데 SAS가 없었다면 조직의 이러한 문제를 해결할 수 없었을 것입니다."라고 덧붙였습니다.

SAS와의 협력을 통한 SAS^® Forecast Server의 구현 과정은 매우 순조로웠다고 Hamilton은 말합니다. ODEC는 SAS 파트너인 Zencos를 통해 솔루션을 관리하고 있습니다. SAS 골드 파트너인 Zencos는 SAS 고객들에게 SAS^® Business Analytics Framework를 설치, 최적화 및 관리하는데 필요한 모든 서비스를 제공합니다. Hamilton은 “SAS와 그의 파트너는 우리에게 큰 도움이 되었습니다.”라고 말합니다.

SAS는 예측을 해석하는 과정에서 추측에 의한 판단을 철저히 배제시키고 있다고 Hamilton은 말합니다. 다른 솔루션들의 경우엔 전력 소모가 낮고 이러한 추세가 계속 이어질 것이라는 정보를 제공해 주었지만 SAS는 이러한 현상이 날씨로 인한 것인지 혹은 경제 상황에 기인한 것인지 이해할 수 있는 정보를 제공해 주었습니다. "SAS가 없었다면, 이러한 상황을 이해할 수 없었을 것입니다. 영업에 영향을 미치는 각 구성 요소의 변동성 수준을 파악할 수 있게 된 것이 매우 기쁩니다. 방대한 데이터를 보유하고 있으며 SAS를 다양한 방식으로 활용하는 많은 SAS 고객이 있다는 사실을 알고 있습니다. 우리와 같은 전기 사업 부문도 상당히 많은 데이터를 보유하고 있습니다. 우리는 대용량 데이터를 신속하게 처리할 수 있는 시스템을 구현해야 하며 SAS 없이는 이러한 방대한 데이터에 대한 어떠한 분석도 실행할 수 없을 것입니다."