닫기
배너

[마켓트렌드] 에너지 소비&운영 효율화 부문 데이터 활용 비즈니스모델: 최적화

  • 등록 2019.03.26 13:46:43
URL복사
[무료 초대합니다] 생성형AI, 디지털트원, 제조AI, SaaS, 클라우드로 생산성 높이고, 비용절감 방안 제시.. AI자율제조혁신포럼 개최 (3/27~29, 코엑스3층 컨퍼런스룸 317~318호)

[첨단 헬로티]


전세계적으로도 최적화 단계까지는 활발하게 발전하고 있지 못한 상황

 

1. 들어가면서

 

2019년을 시작하면서 필자는 에너지 데이터 수집과 공유, 활용에 초점을 두고 에너지산업 비즈니스모델의 확장 가능성들을 탐색하기 시작했다. 필자는 에너지의 생산, 거래, 소비 영역 중에서 우선 소비 효율화 부문의 비즈니스모델 사례들을 발굴하기 시작했으며, 이의 기반이 되는 논거는 그림 1에서 보듯이, 하바드비즈니스리뷰 논문에서 제시된 ‘스마트 커넥티드 프로덕트(Smart, Connected Products; 이하 SCP)’의 4대 역량이다.

 

그림 1. SCP 역량 4단계: 모니터링-제어-최적화-자율<출처: Porter & Hippelmann (2014); 송민정(2017.7) 재인용>

 

필자는 먼저 소비 효율화 측면에서 1월호에서는 모니터링(Monitoring) 단계의 서비스 가능성과 현황에 대해, 2월 호에서는 제어(Control) 단계에서의 서비스 가능성과 현황들을 살펴보았으며, 이번 호에서는 모니터링과 제어 역량을 인프라로 가진 상태에서 에너지 소비 및 운영 효율화 측면에서 예측 처방과 유지보수 등 한발 더 나아간 소비 및 운영 최적화(Optimization) 단계에 초점을 두어, 해외 비즈니스모델 현황들을 살펴보고 그 시사점을 제시하기로 한다. 이 경우부터 본격적인 빅데이터 분석이 시작된다.
 
2. 해외의 소비 및 운영 최적화 비즈니스모델 사례

 

2.1. 센트리카(Centrica)의 소비 효율화
센트리카(Centrica plc)는 영국의 다국적 에너지 및 서비스 회사이며, 영국, 아일랜드 및 북미 기업과 소비자에게 전기 및 가스를 공급한다. 이 기업은 스코틀랜드의 스코틀랜드 가스(Scottish Gas)와 영국과 웨일즈의 영국가스(British Gas) 브랜드로 운영되는 영국 최대의 전기 공급업체 중 하나이며 영국 고객에게 가장 큰 가스 공급 업체이기도 하다. 센트리카는 에너지 데이터 분석 업체로서 선두이며, 스마트미터를 통해 수집한 30분 단위 에너지 소비량을 근거로 피크시간대 실시간 전력수요 동향을 분석하고 시간대와 전력 수요에 따라 동적으로 변하는 전기요금 설계하여 이에 근거한 전력수요 관리와 사용시간대 분산 등에 활용한다.

 

스마트미터는 하루 48회, 30분 1회 간격으로 에너지 소비 데이터를 수집하며, 소비자는 댁내 기기에서 실시간 소비량 및 요금을 확인할 수 있다. 센트리카는 2012년까지 약 350만 대 스마트미터를 설치했고, 연간 1.2테라바이트(TeraByte, 1TB=1,000GB)의 빅데이터를 축적 및 관리 중이다. 센트리카는 에너지 소비 패턴 분석을 위해 수집된 스마트미터 데이터를 인메모리 데이터베이스에서 처리하고, 패턴 분석 프로그램을 고속으로 실행해 에너지 소비 패턴을 요약한다. 이를 통해 소비자 그룹화, 요금 메뉴 개발, 미래 소비 동향 예측 등이 가능해진다. 소비자는 센트리카 서비스를 이용해 시간, 날짜, 월별 전기 및 가스 소비량을 확인하거나 전년도 동월 소비량과 비교 분석하며, 연간 최대 190파운드(약 34만원)의 에너지 비용을 절약할 수 있다고 한다.

 

2.2. 제너럴일렉트릭(General Electric; GE)의 운영 효율화
GE는 발전 및 에너지공급과 관련한 광범위한 기술을 통해 이미 태양광과 풍력 등의 재생자원, 바이오가스 및 기타 대체연료, 석탄, 석유, 천연가스 및 원자력에너지 등 에너지 산업 모든 분야에 걸쳐 사업을 운영 중이다. GE파워는 디지털 파워 플랜트, 세계 최대 및 최고 효율의 가스터빈, 발전 관련 설비, 업그레이드 및 서비스 솔루션, 그리고 데이터 기반 분석을 통해 보다 경제적이고 안정적이며, 지속가능한 전력을 공급하는 데 기여하고 있다.

 

미국 에너지부는 앞으로 풍력 에너지 발전을 통해 미국 연간 전력 생산의 4배가 넘는 4000기가와트(GW) 정도의 전력을 생산할 것으로 2016년 전망한 바 있으며, GE는 신재생에너지 중에서도 풍력을 새로운 전력원으로 주목하고 있다.
GE는 2015년 5월, 신개념의 디지털 풍력발전소 모델인 “디지털윈드팜(Digital Wind Farm)”을 도입했는데, 빅데이터와 IoT 기술이 발전 산업에 적용된다. 이는 전통적인 풍력단지에 센서와 클라우드(Cloud), 빅데이터(Big data) 분석 기술을 더해 ‘디지털 트윈(Digital Twin)’이라는 홀로그램 시뮬레이션 기술을 가능하게 한다. 즉, 발전단지의 풍향과 지형 등 환경 데이터를 수집, 이를 컴퓨터 프로그램에 입력해서, 마치 쌍둥이처럼 동일한 조건을 갖추고 있는 가상의 풍력단지를 만들어내는 것이다. 이 모델을 바탕으로 최대의 전력을 생산할 수 있는 이상적인 풍력 발전기 및 단지 설계가 가능하게 된다.

 

먼저, 디지털 트윈 기반 풍력단지는 운영 단계에서 기계를 서로 연결해 자료를 수집하고 분석하는 윈드파워업(Wind PowerUp)이라는 산업인터넷 솔루션을 활용해 실시간으로 발전소를 모니터링(WindCONTROL)하며, 풍력발전기에 부착된 센서들이 온도나 풍향 등의 정보를 클라우드로 전송해 운영자로 하여금 발전단지 상황을 실시간 제어(WindCONTROL: 풍력발전단지의 전압 및 전력을 실시간 제어; WindFREE Reactive Power: 모든 운전조건에서 무효전력 제어 전달)할 수 있도록 한다. 발전소에 이 기술이 적용되면 일단 발전소 효율이 연간 최대 20%는 향상될 것으로 예상되었고, 실제로 2015년 디지털윈드팜을 적용한 미국 동부 풍력발전소는 연간 에너지 생산량이 16% 증가했다고 보도된 바 있다.

 

이처럼 모니터링과 제어 역량이 가능한 상태에서 기상 예측과 사이버 보안 기술이 적용된 운영 시스템이 2016년 6월 출시되었고, 이것이 운영 최적화를 가능하게 하는 기술 기반이 된다. GE는‘디지털트윈’기술을 통해 시행착오 없이 풍력발전소 최적지를 파악할 수 있으며, GE 풍력발전기에 장착된 IoT센터가 실시간으로 온도와 바람 흐름을 감지하고 발전 효율이 최적화되도록 날개 각도를 조절한다. 바람이 한쪽에 강하게 쏠리는 등 비정상적인 흐름을 보일 때는 공기 흐름을 자동으로 분산시키게 된다. 윈드라이드-쓰루(WindRIDE-THRU)는 전력망의 외란 중에도 전력망과 연계를 가능하게 하고, 윈드스카다(WindSCADA)는 광범위한 풍력발전단지의 운영과 유지를 위한 다양한 툴들을 제공한다. 시장조사 기관인 가트너(Gartner)는 2018년에 이어 올해에도 10대 유망 기술 중 하나로 ‘디지털트윈’기술을 꼽았다. GE의 디지털트윈 개념을 도식화하면 아래 그림 2와 같다.

 

그림 2. GE의 디지털트윈 개념도<출처: GE리포트코리아, 2016.10.5>


2.3 베스타스(Vestas)와 IBM 협력 통한 운영 효율화
덴마크의 풍력발전용 터빈 제조업체이면서 개발사인 베스타스는 부지 선정을 위해서 빅데이터 분석모델을 운영하고 있다. 하지만, 기존의 분석모델에서는 분석에 있어서 많은 시간이 소요되고, 터빈을 설치할 부지 선정과 전력 생산량 예측을 위해 필요한 대량의 데이터를 충분히 활용치 못하는 한계가 존재하고 있었다. 이러한 문제를 해결하기 위해 베스타스는 IBM의 분석 솔루션과 슈퍼컴퓨터를 도입하여 정형・비정형 데이터를 활용하는 모델링 기법을 개발하고, 부지 선정 외에 최적의 운영방안을 도출하는데 활용하기 시작한다.

 

그림 3. 베스타스의 데이터 분석 3단계<출처: 산업통상자원부, 2018.3.14.>

 

그림 3에서 나타난 베스타스의 데이터 분석과정은 IBM과의 협력으로 가능해진다. 베스타스는 풍력 발전으로 최대 전력을 생산하기 위해 IBM이 제공하는 빅데이터를 활용해, 날씨, 조수간만의 차, 위성, 산림 정도를 분석해 풍력 발전원에 적합한 지리를 추천해주는 시스템을 갖추었으며, 이외에도 기후, 발전원 상황 등의 정보를 기반으로 에너지 생산 패턴을 추출한 후 신재생에너지 발전원의 에너지 생산량을 예측해 공급의 안정성도 높일 수 있게 되었다. 이 시스템은 풍향, 높이에 따른 변화요소, 날씨, 조수 간만의 차, 위성 이미지, 지리적 특성, 산림지도 등 페타바이트(PB) 규모의 데이터를 이용, 방대한 양의 특성자료를 수집, 분석한다. 베스타스는 이 시스템을 통해 풍력발전의 전력생산 비용을 절감할 수 있고, 기대수익률을 산정하는 과정에서 정확도를 제고함과 동시에 풍력터빈의 최적 설치지역을 파악하기 위한 분석기간도 획기적으로 단축하였다.

 

3. 시사점

 

지난 호에도 언급했듯이, 소비 효율화 측면에서는 기 구축된 스마트미터 내지 스마트계량기를 통해 모니터링 및 제어 기능 외에도, 보다 정교한 데이터 수집과 분석을 통해 변수 간 연관성이나 패턴 등을 추출할 수 있으며, 이를 토대로 하여 데이터 분석 기법을 활용한 알고리즘 산출로 소비 효율화에서 더 나아가 발전기 운영 효율화 측면에서도 예측 및 결함 원인 분석 등을 실시할 수 있는 가능성들이 열리게 된다. 아쉽게도 소비 효율화 측면에서는 실시간으로 자동적인 문제 해결이나 예측 정보를 도출하는 과정이 가능하지만, 아직 전세계적으로도 최적화 단계까지는 활발하게 발전하고 있지 못한 상황이다.

 

이번 호에서는 영국의 센트리카 사례를 소개하였다. 점차적으로 다양한 소스의 데이터가 지속 축적되면 최적화 비즈니스모델들이 등장할 것이다. IoT 기기 별 실시간 전력소비 데이터를 수집하면 기기 별 수요관리 효과가 측정될 수 있고, 이는 수요관리 정책 설계 시에 보다 효율적인 맞춤형 정책을 수립할 수 있음을 뜻한다. 현재 설치 대수가 급속도로 증가하고 있는 스마트계량기는 전력사용 총량을 실시간으로 측정하고 있는데, 전원 입력단에 하나의 센서를 설치하여 가전기기별 전력사용량을 측정하거나 개별 기기에 센서를 부착하면 기기 별 전력소비량 측정이 가능하게 된다. 이처럼 보다 세분화된 데이터를 실시간으로 수집하면, 전력수요 예측 정확성을 제고하고, 보다 차별화된 수요관리 정책 설계를 지원하고, 구체적인 수요관리정책 성과를 평가하며, 에너지소비 통계 정확성을 제고하는 등 에너지 수요 효율화 측면에서 다양하게 활용될 수 있을 것이다.

 

이번 호에서는 소비 효율화 측면에서 최적화 역량이 아직 도달되지 못하고 있다는 판단 하에 운영 효율화 측면에서의 최적화 비즈니스모델 사례들도 함께 탐색하였다. 대표 사례로 GE와 베스타스의 풍력발전 운영 최적화에 대해 소개하였다. 국내에서도 빅데이터와 IoT, 인공지능 등을 활용해 에너지(운영)관리시스템으로 발전 중이다. 예로 한국에너지공단은 건물의 실시간 에너지 사용량을 분석하고 성능을 진단해 에너지 절감을 실현하는 빅데이터 분석 기반 건물에너지 소비패턴 진단 플랫폼을 2017년 구축하였으며, 에너지공단이 보유한 데이터(에너지 사용량 신고 데이터 및 에너지 진단 데이터) 외에 한국전력(전략 사용량), 국토부(건축물 정보), 기상청(실시간 기상정보)의 데이터들을 결합하여 건물의 소비 패턴을 분석할 수 있게 되었다.

 

사사문구
본 연구는 과학기술정보통신부 및 정보통신기술진흥센터의 대학ICT연구센터지원사업의 연구결과로 수행되었다(IITP-2018-0-01396).

 

 

송민정 교수 한세대학교 미디어영상광고학과

 



















주요파트너/추천기업