[인더스트리뉴스 권선형 기자] “VPP(가상발전소)가 활성화 되면 안정적이고 효율적인 친환경 전력계통이 구현될 것이다. 기술적으로는 재생에너지, 수요반응(DR), ESS, 전력중개시장, RE100, 에너지 효율화(EERS), 마이크로그리드 등 에너지 생산, 감축, 효율화, 계통관리, 전환 등의 기술이 서로 유기적으로 결합하게 된다. 이런 VPP의 시작은 재생에너지의 발전량 예측이다.”

한국동서발전 신사업운영센터 채효진 대리는 “동서발전은 분산 자원이 지닌 문제를 해결하고 새로운 성장 동력을 창출하기 위해 2015년 발전공기업 최초로 에너지신사업 전문조직을 신설했다”며, “다년간 사업개발 경험과 노하우를 기반으로 분산에너지의 통합과 최적화를 통해 전력계통의 안정성 확보를 목표로 2019년 ‘E-Max’라는 브랜드를 런칭해, 첫 사업으로 재생에너지의 발전량을 예측하고 거래하는 전력중개사업을 본격적으로 추진하고 있다”고 말했다.

채 대리는 “전력중개사업을 통해 예측정산금을 전력거래소로부터 확보해 수익을 창출하고 미래 전력시장의 핵심인 다양한 분산자원을 확보해 통합‧최적화하는 가상발전소의 운영기반을 구축하고 있다”며, “발전량 예측은 VPP의 구현을 위한 가장 필수적이며 기초가 되는 핵심 기술”이라고 말했다.

E-Max 사업에는 어떤 발전량 예측 기술이 적용됐나?

인공지능(AI)을 통한 딥러닝 기법을 E-Max 사업의 발전량 예측에 적용하고 있다. 방대한 양의 신재생 발전소 데이터를 실시간으로 수집‧분석해 만들어진 빅데이터를 AI시스템이 반복 학습하는 개념이라고 보면 된다. 구체적으로 데이터의 시계열적 특성을 반영한 LSTM 모델, CNN 기반의 패턴 탐색 기법 등을 다양하게 조합해 예측 정확도를 높여 나가고 있다. LSTM(Long Short-Term Memory)은 출력과 먼 위치에 있는 정보를 기억할 수 없는 순환 신경망의 단점을 보완해 장‧단기 기억을 가능하게 해주는 신경망이다. CNN(Convolutional Neural Network)은 일반적인 인공 신경망에서 이미지나 영상 데이터를 처리할 때 발생하는 문제점을 보완한 방법으로 합성곱을 이용해 특징을 추출하는 신경망이다.

발전량 예측 기술은 예측제도 기준 95% 이상의 예측 정확도를 달성했다. 정확도를 높일 수 있었던 핵심 기술은?

동서발전은 ‘EWP 빅데이터 플랫폼’을 통해 약 29억 건에 달하는 방대한 신재생 빅데이터를 확보하고 있다. 발전설비, 전력거래, 환경‧화학 등 사내외 전력분야 빅데이터를 수집해 분석하는 전문 플랫폼이다. 이를 기반으로 딥러닝 기반 예측 모델을 지속적으로 개선하고 반복학습과 성능 평가를 통해 높은 수준의 예측 정확도를 유지하고 있다.

일반 기업에서 개발한 기술과 차별화된 점이 있다면?

동서발전은 오픈 이노베이션(개방형 혁신)으로 발전량 예측 기술을 혁신하고 있다. 자사 사업의 특성상 인공지능 전문인력의 확보가 전문회사에 비해 어려운 측면이 있지만, 이를 극복하기 위해 발전데이터 AI, 태양광 발전량 예측 분야 등에서 정기적인 경진대회를 개최하고 자체 연구 용역을 추진하는 등 산‧학‧연 협업을 통해 꾸준하게 기술을 개발하고 있다.

발전량 예측 기술은 현재 어디서 어떻게 활용되고 있나?

발전량 예측 기술은 정부의 재생에너지 발전량 예측제도와 소규모 전력중개시장을 통해 재생에너지의 출력 간헐성을 보완하는데 활용되고 있다. 발전사업자의 경우 전력중개시장 참여를 통해 기존의 발전수익(SMP, REC) 외에 예측정산금이라는 부가 수익을 창출할 수 있다. 이는 곧 재생에너지의 확산을 유도하는 기폭제가 될 것이다.

이 기술은 설비의 이상 진단, 고장 예측에도 활용되고 있다. 발전량 예측을 위해 수집된 빅데이터는 발전소의 출력정보는 물론 부속설비에서 생산되는 각종 운전 데이터를 수집한다. 예측값과 실제 발전량 간 기준 이상의 오차가 발생할 경우 설비의 이상상태로 판단해 즉시 점검, 조치가 이뤄진다. 또 이상진단과 점검조치 데이터를 확보해 고장패턴을 분석하면 향후 고장 발생 전 미리 징후를 포착하는 예측진단기술에도 활용 가능하다.

현재까지 운영해 본 결과 정확도는 어느 정도인가? 성과는 어느 정도인지?

소규모 전력중개시장 개장일(2021년 10월 1일)로부터 현재까지 약 2%대의 오차율을 보이고 있으며 제도적으로 예측정산금을 확보할 수 있는 기준 오차율 8%보다 현저히 낮은 수준을 지속적으로 유지하고 있다.

발전량 예측 기술을 사용하기 전과 후, 달라진 점이 있다면?

가장 크게 달라진 점은 발전 수익의 증가다. 지금까지 태양광 발전사업은 전기도매가격(SMP)과 공급인증서(REC) 수익이 전부였다. 하지만 발전량 예측기술을 활용한 재생에너지 발전량 예측제도로 예측정산금이라는 새로운 수익원이 탄생한 것이다. 현재는 일부 태양광 발전사업자들이 참여하고 있지만 향후 더 많은 사업자들이 참여해 추가수익을 올릴 수 있는 기회를 가졌으면 하는 바람이다.

분산자원에 대한 효율적 관리도 가능해졌다. 발전량 예측기술은 원격관리체계가 필수적이다. 동서발전은 본사 내 통합 에너지관리센터(MSP센터)에서 전국 각지에 흩어져있는 분산 자원을 원격 모니터링하고 있다. 각 자원의 발전량을 예측하고, 이 예측값을 기준으로 실시간 출력을 비교하며 이상징후를 즉시 포착하고 있어 설비를 더 안정적으로 운영할 수 있게 됐다.

분산자원을 활용한 신규사업 개발도 가능해질 전망이다. 발전량 예측을 위해 수집된 전국단위 신재생 자원과 여기서 생산된 빅데이터는 향후 RE100, 재생에너지 직접공급사업 등에 활용될 수 있다. 나아가 분산자원을 하나의 발전소처럼 운영하는 통합발전소(VPP), 구역단위 배전망운영자(DSO) 등 새로운 제도와 시장에 대응한 유용한 자원으로 활용될 것이다.

미계량 태양광 발전소에 대한 준비는? 

자가소비용 태양광처럼 미계량 태양광 발전소도 발전량 예측에 있어서 중요한 자원이다. 전국단위로 분산된 다양한 발전소에서 생산되는 데이터를 최대한 많이 수집하는 것이 관건이기 때문이다. 이에 민간업체와 공동으로 실시간 데이터 수집장치(RTU)를 개발했다. 이 수집장치는 미계량 태양광 뿐만 아니라 풍력, ESS, 연료전지 등 모든 신재생 발전원에서 생산되는 각종 데이터를 저장‧가공‧분석해 E-Max 시스템으로 자동 전송한다. E-Max는 이렇게 수집된 데이터를 전국 각지의 분산자원에 대한 발전량 예측, 출력감시, 이상패턴 분석 등에 활용하게 된다. 전력중개시장에 참여하지 못한 미계량 태양광 설비도 발전량 예측기술을 기반으로 앞서 언급한 이상상태 분석, 예측진단 등의 서비스를 제공할 계획이다.

발전량 예측 기술이 VPP(통합발전소)에 어떻게 활용될 수 있는지?

지난해 6월 정부가 분산에너지 활성화 추진전략을 발표한 데 이어 같은 해 말 분산에너지 활성화 특별법이 발의됐다. 정부정책의 취지는 분산자원에 대한 기존 법과 제도, 시장을 정비해 VPP를 활성화하면서 안정적, 효율적인 친환경 전력계통을 구현하겠다는 것으로 보인다. 기술적으로는 재생에너지, 수요반응(DR), ESS, 전력중개시장, RE100, 에너지 효율화(EERS), 마이크로그리드 등 에너지 생산, 감축, 효율화, 계통관리, 전환 등의 기술이 서로 유기적으로 결합하게 될 것인데 이런 VPP의 시작이 결국 재생에너지의 발전량 예측이다.

예측된 재생에너지의 미래 발전량에 기반하여 계통운영 계획이 수립되고 실제 발전량과의 차이를 실시간으로 보정하기 위해 ESS, DR 등의 기술이 시장과 연동될 것이다. 이 과정에서 에너지 효율화와 마이크로 그리드, V2G(Vehicle To Grid, 전기차 배터리에 충전된 전력을 전력망으로 전송) 등 파생 서비스가 계통의 효율과 안정성을 더욱 극대화해 궁극적으로 우리나라 전력의 공급과 수요에 대한 균형을 이뤄갈 것이다. 즉, 발전량 예측은 VPP의 구현을 위한 가장 필수적이며 기초가 되는 핵심 기술로 활용될 것이다.

향후 발전량 예측 오차율을 줄이기 위해 노력하고 있는 기술이나 사업은?

ESS(에너지저장장치)를 활용해 발전량 예측을 더욱 높여갈 계획이다. ESS는 재생에너지에서 생산된 전력을 충전‧방전을 통해 인위적으로 계통 접속을 제어할 수 있다는 점에서 예측오차를 보정하기 위한 최적의 기술이자 설비이다. 예측 발전량과 실제 발전량 간의 오차를 실시간으로 측정‧분석하면서 오차정도를 보정하기 위해 ESS의 즉각적인 충전 또는 방전을 한다면 계통에서 측정되는 예측정확도는 더욱 높아질 것이다. 현재 E-Max 시스템을 통한 실시간 예측분석과 ESS 자동 충방전 제어시스템을 개발하고 있다.

오픈 이노베이션을 통해 E-Max 시스템에 적용하는 예측 알고리즘을 고도화할 계획이다. 현재 총 5개의 예측 알고리즘을 가동 중인데 각각의 알고리즘은 서로 다른 원형데이터(Raw Data)와 예측방법을 사용한다. 이로 인해 각각의 알고리즘은 계절, 시간, 기상상태, 지역 등 불특정 외부변수에 따른 특화된 예측성능을 보이게 된다. 이를 고려해 복수 알고리즘을 결합하는 현재의 앙상블 기법과 병행해 각각의 알고리즘별로 외부변수에 따른 개별 예측 특성을 분석하고 있다.

권선형 기자 다른기사 보기