전기신문 즐겨찾기 추가
인공지능은 전술한 바와 같이 포괄적인 개념이므로 의미가 명확하지 않은 부분이 있으며, 인공지능과 유사한 개념인 빅데이터, 딥러닝, 기계학습 등과 혼용되기도 하고 그 경계가 불분명한 경우도 있다.
기계학습은 일반적으로 사람이 컴퓨터 시스템에게 특정한 작업을 수행하도록 문제를 정의하고 해결 방법을 제시한다. 예를 들면 이미지 분류, 기계 번역, 스팸메일 필터 등의 문제를 해결하기 위해 활용된다.
딥러닝 기법은 기계학습 방법 중 하나인 인공신경망, 특히 은닉층이 다수인 심층 인공신경망 기반의 학습 방법이다. 효과적인 학습을 위해서는 다량의 데이터와 고성능 연산장치의 도움이 필요하며, 2010년경에 들어와서야 비로소 빅데이터와 GPU의 도움으로 유용한 결과를 내기 시작했다.
하지만, 기존의 구체적인 데이터 추출, 변형, 학습 과정의 대부분이 사람에 의해서 정의되던 기계학습 방법에 비해 점차 데이터 처리와 학습 과정이 빅데이터와 딥러닝 기법의 틀 안에서 자동 결정돼 가는 과정을 인공지능의 형태가 구현되는 과정이라고 볼 수도 있다.
따라서 우리가 에너지를 생성하고 관리·사용하는 시스템에서 인공지능 기술이 어떻게 활용될지, 현재 활용되고 있는 기술의 활용 범주를 토대로 예측해 볼 수 있다. 본고에서는 전력 시스템의 안정화, 스마트 그리드, 신재생 에너지 활용의 세 가지 부분에서 인공지능 기술의 활용 방안을 살펴보겠다.
첫 째, 인공지능 기술을 이용해 보다 안정된 전력 시스템의 운용이 가능하다. 전력 시스템의 안정성은 발전 및 송전 과정에서 가장 중요한 문제 중 하나다.
발전 및 송전 시스템은 그리드의 형태로 연결되며, 그리드의 한 부분에 발생하는 오류는 연쇄 반응을 거쳐 전체 그리드 시스템의 종료와 여러 도시의 정전을 야기할 수도 있다. 인공지능 기술을 사용하면 결함 진단을 자동화 및 가속화해 보다 안정적인 그리드 시스템의 운용이 가능하게 될 수 있다.
한편, 변압 과정에서는 전력각, 각속도, 자속, 변압기 탭의 위치, 단자 전압, 변압기 리액턴스 등의 변수들을 효과적으로 제어하는 방식을 찾기 위해 기존의 제어 기법들을 사용하여 왔다.
이러한 입력 변수들로부터 최적의 출력 값을 찾는 문제는 심층 인공신경망을 이용하여 해결할 수 있다.
최근에는 인공지능 기법을 이용해 보다 세분화된 변수를 제어하려는 시도들이 이루어지고 있다. 전원 시스템 상태 추정, 발전 및 송전망에서 특정 부품의 고장으로부터 발생하는 비상사태 추정 등에도 인공지능 기술을 적용해 보다 안정적인 시스템 운용이 가능하다.
둘 째, 인공지능 기술을 이용해 보다 안정적이며 효율적인 스마트 그리드 운용이 가능하다. 스마트 그리드는 스마트 장치 간의 통신 관리와 함께 생산된 전력을 소비 영역으로 공급하기 위한 전기 전송 네트워크의 양방향 연결이며, 최적화된 성능 달성을 위해 수많은 데이터의 교환 작업을 통한 의사 결정을 수행한다.
이러한 스마트 그리드에 인공지능 기술을 적용하면 다양한 종류의 공급원으로부터 발생하는 전력 에너지의 양과 매 시간 변화하는 가격 및 사용자의 전력 사용량을 고려해 최적의 에너지 효율과 가격으로 에너지를 공급하는 것이 가능하게 된다.
셋 째, 재생에너지 발전에 인공지능 기술을 활용할 수 있다. 화력 및 원자력 발전 방식은 현재 대부분의 발전량을 차지하고 있으나 환경적, 경제적 요인으로 인해 지속가능하지 않은 면이 있다.
따라서 태양과 바람 등의 재생 가능한 에너지원을 이용한 전력생산에 관한 요구가 증대하고 있다. 하지만 이러한 재생에너지의 전력생산 효율은 구름, 먼지, 습도, 태양 방사, 조도, 온도와 같은 대기 환경에 따라 큰 영향을 받기 때문에 효율적인 전력생산을 위해서는 지능적인 기상 및 환경 모델링 기술의 개발이 수반돼야 한다.
이러한 환경 모델링 및 변수 값을 예측하고 효율적으로 최대한의 전력을 얻도록 시스템을 구성하는 데에 인공지능 기술을 사용할 수 있다. 심층 인공신경망을 사용해 풍력 발전에서 시간에 따른 바람의 세기를 예측해 발전 가능한 시간대와 그에 따른 최대 발전량을 예측할 수 있고, 기상 데이터의 예측과 모델링, 광전지 시스템의 크기 조정, 광전지 시스템의 모델링, 시뮬레이션 및 제어를 하는 것이 가능하다.
지금까지 전력시스템에 인공지능 기술이 활용됨으로써 발전 가능한 몇 가지 요소들에 대해서 간단하게 살펴봤다.
데이터의 분석 및 예측을 위한 인공지능 기술은 심층 인공신경망 기술로 대변되며, 심층 인공신경망의 효과적인 학습을 위해서는 양질의 대용량 데이터의 확보가 선행되어야 한다.
따라서 전력 시스템 및 스마트 그리드 운용과 재생 에너지 발전 등에 있어서 다양한 환경 및 시스템 변수들에 대한 데이터베이스를 구축하는 노력이 필요하다.
또한, 전력시스템 관련 데이터의 분석 및 활용을 위한 인공지능 기술 개발 전문 인력 확보와, 전력 분야 전문가와 인공지능 분야 전문가들의 협업이 중요할 것으로 보인다.
이를 위한 체계적이고 지속적인 국가 단위의 지원이 제공됨으로써, 점차 본격화되고 있는 인공지능 시대에 인공지능 기술을 적극적으로 활용하는 선진국형 에너지 시스템을 갖출 수 있기를 기대한다.
