재생에너지 데이터 현황

전 세계적인 기후 위기에 따른 탄소 배출량 감축을 위해 정부는 에너지 공급을 기존 화석연료에서 재생에너지로 대체하기 위한 정책을 지속적으로 펼쳐왔다. 그 결과 2011년 설비용량이 7.5GW였던 재생에너지는 2021년 30.2GW로 4배 이상 성장하였다. 또한 10차 전력수급기본계획에 따르면 2036년에는 117GW로 재생에너지 보급이 확대될 전망이다. 하지만 재생에너지 설비가 증가할수록 계통 가시성 저하로 안정적인 전력계통 운영이 어려워지는 문제점이 발생한다. 재생에너지 출력의 가시성을 향상시키기 위한 대표적인 방법으로 발전기별로 원격 계측 또는 계량이 가능한 인프라를 구축하는 방법이 있다.

송전 계통은 SCADA(Supervision Control And Data Acquisition), 배전 계통은 ADMS(Advanced Distribution Management System) 시스템에 계통 운영 순시 데이터가 저장되고 있다. 하지만 모든 개별 재생에너지에 대한 출력을 측정하는 것은 아니며, 계측 포인트 이하 설비들에 대한 정보가 명확하지 않은 문제점이 있다.

재생에너지 발전사업의 정산을 위해서는 계량이 필수인데, 한전은 PPA(Power Purchase Agreement)나 상계 거래를 하는 재생에너지에 대해 AMI(Advanced Metering Infrastructure)룰 구축 중이다. PPA 발전기 약 13만 개 중 약 50%, 상계 거래를 하는 발전소 약 63만 개 중 일부에 AMI가 구축되어 있다. 이렇게 설치된 AMI에서는 15분 주기로 발전량 데이터를 취득하고 있으며, 이는 연간 30억 건에 달하는 매우 방대한 양이다. 이때 한전과의 거래는 월 지침 값을 바탕으로 월 단위 정산이 이루어지기 때문에 15분 단위 데이터는 별도의 검증 과정을 거치지 않아 통신 이상 등의 이유로 이상 데이터가 매우 많이 존재한다. 그리고 AMI가 설치되지 않으면 월 누적 발전량만을 알 수 있다.

전력거래소가 운영하는 전력시장을 통해 정산 받는 발전소는 시간 단위 정산이 이루어진다. 그러므로 전력거래소는 시간 단위 발전량에 대한 검증 작업을 수행하여 상대적으로 데이터를 신뢰할 수 있다.

데이터 통합 관리의 필요성과 해결 과제

계통 가시성 확보를 위해서는 다양한 신재생에너지 데이터를 통합 관리할 수 있는 재생에너지 데이터 통합 플랫폼이 필요하다. 이 플랫폼은 세 가지 문제를 해결할 수 있어야 한다.

먼저 파편화된 데이터를 통합해야 한다. 기존 시스템은 목적에 따라 관리하는 재생에너지 데이터가 다르고, 통합 시 발전소 중복이 발생하기 때문에 중복 없는 마스터를 만들어야 한다. 둘째로 데이터 신뢰성 확보가 중요하다. 재생에너지 발전소와 발전량에 대한 검증이 이루어져야 하며, 계량되지 않는 재생에너지에 대해서도 시간 단위 발전량 추정 값을 제공할 수 있어야 한다. 셋째로 계통 운영에 활용하기 위해서는 재생에너지가 어떤 배전선로, 어떤 변압기에 연계되어 있는지를 알 수 있어야 한다.
이러한 문제를 해결하기 때문에 데이터양이 매우 방대하고, 재생에너지 이외에 기상, 지리정보, 전력계통 등의 추가적인 데이터도 필요하다. 이렇듯 복잡하고 많은 데이터를 목적에 맞게 분석하기 위해서는 인공지능 알고리즘 적용이 필요하다. 인공지능 알고리즘은 대량의 데이터에 대하여 실시간 분석 기능을 제공할 수 있고, 데이터 분석을 통한 패턴 발견 및 의사결정을 지원할 수 있다.

재생에너지 데이터 통합 플랫폼

1) 지리정보 기반 재생에너지 관리
레거시 시스템별로 다른 데이터를 통합하기 위하여 위치 정보를 기본으로 고객 정보를 정비할 수 있다. 주소 정보를 좌표 정보로 변환하는 지오코딩 기법을 활용하여 공간 정보를 생성하고, 주소 정보가 없는 고객은 전력설비 정보를 참고하여 고객의 위치 정보를 추정한다. 위치 기반으로 통합된 발전소 데이터를 기반으로 마스터 정보를 생성할 수 있다. 또한 배전선로, 변전소 등의 전력설비를 지도에 매시업하여 표현함으로써 좌표 정보를 기반으로 계통 연계 정보가 명확하지 않은 재생에너지의 연계 지점을 정할 수 있다.

2) 재생에너지 데이터 검증, 보정 및 추정
재생에너지 데이터에는 이상 값이나 누락 값이 다수 존재한다. 정확한 발전량 산출이나 발전량 예측, 발전량 통계를 위해서는 이상 값이 존재해서는 안 되므로 검침 데이터의 검증 및 보정을 수행해야 한다. 재생에너지 중에서 대다수는 태양광과 풍력으로 발전량이 기상에 밀접한 연관을 갖는다. 또한 가까운 지역의 일사량, 풍속은 거의 같은 값을 가지기 때문에 인근 지역 발전소 정보를 활용하면 이상 데이터의 보정을 할 수 있다.
이상 값 탐색과 데이터 보정은 LSTM(Long Short-Term Memory), 트랜스포머 모델(Transformer Model) 등 딥러닝 알고리즘을 적용할 수 있다. 이러한 알고리즘은 시계열 데이터를 처리하는데 뛰어난 성능을 보이며, 보정 대상이 되는 발전소의 과거 실적과 외부 변수를 활용하여 데이터 보정을 수행한다.
또한 이러한 방법을 활용하면 이상 데이터 보정뿐만 아니라 AMI가 설치되어 있지 않은 발전소에 대해 시간 단위 발전량 추정이 가능하다.

3) 인공지능 기반 태양광 패널 탐지
전력계통에는 전력거래소나 한전과 거래하지 않고 자가소비를 하는 발전소가 존재한다. 자가소비 발전소는 계통에 영향을 주고 있지만 존재 여부와 위치, 용량을 파악하기가 어렵다. 자가소비 발전소 대부분은 태양광인데 패널의 모습이 유사하므로 항공 사진에서 식별할 수 있다. 이 때문에 이미지 세그먼테이션(Image Segmenta tion) 기법을 활용하면 항공 사진에서 태양광 패널을 탐색할 수 있다. 이미지 세그먼테이션은 이미지를 작은 부분으로 분할하는 작업으로, 픽셀 수준에서 개별 객체 또는 영역을 구분하고 분류한다. 대표적인 알고리즘은 U-Net, Mask R-CNN 등이 있다.
이 기술은 자가소비 태양광 탐지 이외에도 픽셀 단위로 태양광 패널을 구분할 수 있으므로 패널의 용량 정보와 설치 방향 검증이 가능하다. 태양광 발전설비의 계약 용량과 실제 설비용량이 차이가 나는 경우가 많은데, 이 기술을 활용하면 기존에 알고 있는 자원에 대한 위치 용량 검증이 가능하다.

4) 인공지능 기법을 활용한 재생에너지 데이터 분석
통합된 재생에너지 데이터를 활용하면 더욱 다양한 분석이 가능하다. 그룹핑 알고리즘을 활용하면 유사 발전 자원을 통합 관리할 수 있고, 기상 데이터 분석을 통해 발전 출력의 변동성 분석도 가능하다. 전력설비의 재생에너지 이용률과 설비 과부하 영향성 분석을 통해 설비계획 수립에도 활용할 수 있다. 특히 발전량 예측 정확성 향상에 크게 기여할 수 있다. 또 지리 정보 기반의 재생에너지 통계 정보 시각화는 전력계통 운영자에게 더 직관적인 재생에너지 현황 정보를 제공할 수 있다.

   


맺음말

정부 정책 추진으로 전력계통에서의 재생에너지는 급격히 증가하였다. 하지만 낮은 가시성으로 인하여 발전 현황 파악과 대응 방안 수립(안정적인 계통 운영)을 어렵게 한다. 재생에너지는 다양한 레거시 시스템에서 데이터를 관리하고 있으나 관리 방식이 상이하고, 데이터 검증이 이루어지지 않기 때문에 데이터 통합이 어렵고, 데이터의 신뢰성이 낮다.

이러한 문제를 해결하기 위해서는 재생에너지 데이터 통합 플랫폼이 필요하다. 플랫폼에서 신뢰성 있는 데이터를 제공하기 위해서는 방대한 양의 데이터에 인공지능 기술을 활용하여 데이터를 통합하고, 이용자에게 의미 있는 데이터를 제공한다. 앞으로 인공지능 기술의 적용을 통해 더 안정적인 전력계통 운영을 실현할 수 있다.

asjjong@kepco.co.kr