대한민국을 뒤흔든 915 정전사태
온난화로 기후환경이 변하고, 늦더위나 강추위는 예고 없이 발생할 수 있다. 그에 따라 갑작스러운 전기 사용량 증가로 전기 수급이 어려워질 수 있기 때문에, 이를 대비하기 위해서 전기를 지능적으로 절약하는 기술이 필요했다. 그렇게 부각된 기술이 바로 스마트그리드(Smart Grid)다.
지난 2011년 9월, 대한민국에서 일시적인 대규모 정전 사태가 발생했었다. 한전은 하절기 전력수급 기간(6월 27~9월 9일)이 지나 겨울을 대비해 발전기를 정비 중이었다고 한다. 하지만 그 해 9월 중순에는 전국적 이상기후로 인한 무더위로 전기 수요가 급증했고, 에어컨 과다 사용으로 인해 예비전력량이 떨어졌었다. 오후 3시 이후로도 전력피크를 초과하여 전력수요가 유지되고, 예비전력이 안정 유지 수준 이하로 떨어지자, 한전은 지역별 순환단전을 지시했다. 이로 인해 전국적인 정전 사태가 발생한 것이다.
대한민국은 또다시 전력 부족으로 인한 정전이 발생하지 않도록, 중국, 미국, 일본에 이어 스마트그리드 기술을 적극적으로 투자해왔고, 2014년에 첫 ‘스마트그리드 스테이션’을 준공했다.
스마트시티의 에너지를 담당하는 스마트그리드
인공지능, 빅데이터, 5G 등 ICT 기술이 발전하면서 도시 인프라 부족과 노후화, 에너지 부족, 환경오염, 교통혼잡 등의 문제를 해결할 방안으로 스마트시티 구축이 집중되고 있다. 다양한 ICT 및 IoT 기술을 총동원하여 구분한 스마트시티 기술은 플랫폼 기술과 5대 중점분야별 기술(스마트 빌딩, 스마트 교통, 스마트 에너지, 스마트 워터, 스마트 정부)로 구성된다.
플랫폼 기술은 분야별 디바이스를 통합, 관리 및 제어하는 기술이다. 하드웨어, 운영체제 및 인터페이스 등을 의미하며 이를 정의하는 규약, 규칙 등의 기술표준을 포함한다.
플랫폼 기술을 구성하는 3가지 중요 기술:
1) 도시 내 사물들에서 발생하는 데이터들을 수집하기 위한 사물인터넷 네트워킹 기술
2) 발생한 데이터를 효율적으로 관리 및 공유할 수 있는 데이터 허브 플랫폼
3) 데이터에 대한 분석 및 예측을 지원하는 플랫폼인 디지털 트윈 기술
5대 중점분야별 기술을 구성하는 예로는 빌딩의 시설 및 에너지를 관리하는 시스템으로 알려진 건물관리시스템과 스마트 에너지에서 전력 에너지를 효율적으로 관리하기 위한 ‘스마트그리드’가 있다.
한국과학기술기획평가원에서 수집한 스마트시티 해외시장 전망을 볼 때 스마트 에너지 분야가 가장 높은 증가율(25.2%)로 고성장할 것으로 예측했다. 지난 7월, 정부에서 발표한 한국형 뉴딜에서 포함하고 있고, 2010년대부터 진행하고 있던 ‘스마트그리드’가 스마트 에너지 기술로 다시 주목받았다. 이에 따라, 본 글은 한국형 뉴딜을 통해 재조명받고 있는 스마트그리드를 소개하고, 비트나인의 그래프 DB가 어떻게 활용될 수 있는지 알아보고자 한다.
스마트그리드(Smart Grid)란?
스마트그리드는 전기 및 정보통신 기술을 활용하여 전력망을 지능화 및 고도화함으로써 고품질의 전력서비스를 제공하고 에너지 이용효율을 극대화하는 지능형(Smart) 전력망(Grid)이다.
시장조사 전문기관인 MarketsandMarkets에 의하면 코로나 19 이후 글로벌 스마트그리드 시장 규모는 2020년에 269억 달러로 추산되며, 2020~2021년까지 CAGR 7.1% 성장하여 2021년에는 288억 달러에 이를 것으로 예상한다. 올해는 코로나로 인해 잠시 주춤한 것이 보이지만 내년부터 시장이 복구하여 서서히 성장할 것으로 보고 있다.
스마트그리드를 구성하는 구현 서비스는 AMI(Advanced Metering Infrastructure, 원격검침 인프라)와 ESS(Energy Storage System, 에너지 저장 시스템)가 있다.
지능형 검측 장비인 AMI를 통해서 사용한 전력량을 실시간으로 볼 수 있다. 여기에 스마트 가전기기가 연결되면 전기를 더 쉽게 절약을 할 수 있다. 전기요금이 비싼 시간대를 피해서 가전제품이 자동으로 작동되고, 필요 없는 전원은 자동으로 꺼진다. 공장이나 상점에서도 비슷한 방법으로 적용할 수 있다.
ESS는 심각한 정전 사태가 일어나지 않도록 여분의 전력을 저장하여 전력이 부족할 때 공급할 수 있는 장치다. 발전소용 ESS는 전기 사용량이 낮은 밤에 충전하고, 전기 사용량이 많은 낮에 저장한 전기를 사용하여 경제활동에 큰 지장 없이 전기를 절약한다.
ESS 전체 시스템의 핵심인 배터리 셀(cell)의 잔량, 충전/방전, 온도 등을 제어하는 배터리관리시스템(BMS)이라는 제어 시스템이 있다. 이는 배터리가 최대 성능을 발휘할 수 있도록 전압을 조절하고 과부하가 걸리지 않도록 전압 밸런싱을 관리한다. 일반적인 BMS는 테이블로 저장된 온도 및 충·방전율 로그(log) 데이터를 EMS(Energy Management System)에 전달하고, 발전소의 관리 직원들은 EMS를 통해 상황에 따라 필요한 의사결정을 한다.
전력 그리드에 그래프 DB 사용하기
빅데이터 시대의 그리드 시장은 새로운 도전에 직면했다. 폭발적으로 늘어나는 전력망 시스템의 데이터를 관리하는 시스템을 구축하기 쉽지 않기 때문이다.
전력망 데이터는 크게 세 가지 항목으로 나뉜다. 정형 데이터, 반정형 데이터, 그리고 비정형 데이터가 있다. 정형 데이터는 관계형 DB의 표 형식의 데이터를 말한다. 반정형은 XML과 같은 HTML 언어이며, 비정형 데이터는 사진 및 영상 등, 체계적이지 않은 데이터를 뜻한다.
다음 사례와 연구를 보면 빅데이터 시대에 적합한 데이터 관리 기술은 그래프 데이터베이스라는 것을 알 수 있을 것이다.
1) 실제 사례: GDB 기반 스마트 전력 계량(AMI) 장애 모니터링 / 분석 시스템
전국 가정 및 아파트 등에서는 스마트그리드 전력 계량기(AMI)에서 수집되는 전력 사용량 등의 정보를 관리한다. AMI의 서비스 장애가 발생하는 경우, 검침 기사를 파견하여 조치를 해야 하는데, 수십, 수백 곳에서 동시다발적으로 발생 시, 해당 지점에 모두 검침 기사를 파견하기에는 무리가 있다. 또한, AMI뿐만 아닌, 이와 연관된 장비들의 영향이 있을 수 있기 때문에 오탐율이 크다.
비트나인의 고객인 ‘D사’는 비트나인의 아젠스그래프를 도입하여 AMI 환경 전체를 그래프로 표현하여 연관 관계를 나타냈다. 장애 발생 시, 문제의 원인이 되는 지점을 최소 공통 조상(LCA) 그래프 분석을 통해 정확하게 파악할 수 있었다. 이를 통해서 검침 기사 파견 횟수를 급격히 줄이고, 장애를 빠르게 대응할 수 있어 비용 절감 효과를 가져왔다.
2) 연구: 그래프 DB로 전력 그리드 변전소 데이터 쌓기
대규모 과학 및 의료 연구 학술지를 출판하는 ScienceDirect에서 Procedia Computer Science 113호에서는 전력 그리드 변전소에서 발생하는 데이터를 그래프 DB에 적재하는 내용을 담았다.
그리드 변전소에서 발생하는 데이터는 SCADA/EMS 시스템 내부에 있는 기존 데이터베이스에 처리되고 기록된다. 테이블의 조인(join) 방식은 데이터가 많을수록 처리 기능이 떨어지기 때문에 그래프 DB를 활용해 데이터 처리를 빠르게 할 수 있었다. 그들은 변전소와 변압기를 모델링하여 전압과 온도와 같은 여러 요소에 대한 데이터를 한눈에 확인할 수 있었다. 또한 그래프 모델에는 새로운 데이터를 추가하기 쉽고, 분석하기 빠르기 때문에 데이터베이스 구축이 효율적이라고 판단했다.
3) 연구: 전력망 네트워크 그래프 DB로 모델링하기
2017년, 유럽의 한 기술협회(EUSFLAT)가 발행하는 연구일지인 International Journal of Computational Intelligence Systems 10호에서는 전력망에 그래프 DB의 성능을 실험하는 연구를 진행했다.
비정형 전력망 데이터가 기하급수적으로 증가하고 있지만, 전력망에서 사용되는 정보 보관 시스템은 관계형 DB다. 연구진은 중복적인 데이터로 인해 성능이 저하될 수 있는 관계형 DB 대신 복잡한 관계를 연결할 수 있는 그래프 DB로 대체하여 성능을 개선하고자 했다. 전력을 관리하는 발전소의 경우, 24시간 동안 데이터를 관리할 수 있어야 하는데, 연구에 사용된 그래프 DB는 고가용성(High Availability)이 보장되기 때문에 장기간 동안 운영이 가능하다. 그래프 DB의 HA 클러스터(cluster) 구조에는 마스터와 두 슬레이브가 존재하는데, 두 인스턴스에 장애가 발생하여 작동을 멈춰도 하나라도 남아있으면 데이터가 온전히 보관된다.
연구에는 데이터는 IEEE 118-버스(Bus) 시스템이 사용되었다. IEEE 118 버스는 미국의 전력 회사, American Electric Power의 시스템을 간략하게 나타낸다. IEEE 118 버스 시스템에는 19개의 발전기, 35대의 콘덴서, 177개의 라인, 9대의 변압기와 91개의 로드로 구성되어있다. 실제 전력망 네트워크 환경을 시뮬레이션하기 위해 IEEE 118 버스 시스템을 각각 20만, 2백만, 2천만 및 2억 개로 확장하여 실험을 별도로 수행했다.
해당 시스템의 구조로 토폴로지를 구축하여 특정 장치의 전원을 켰을 때 어떤 장치가 함께 상호작용하는지 파악했다. 현실의 전력망 네트워크에 존재할만한 2억 개의 노드를 가진 데이터셋을 준비하여 그래프 DB와 관계형 DB의 최단 경로(shortest path)의 질의 시간을 비교했다. 당연하게도 그래프 데이터베이스가 모든 질의에 빠르다는 것을 입증할 수 있었고, 이 실험으로 인해 전력망 네트워크에 존재하는 데이터 분석을 향상시킬 수 있음을 증명했다.
늘어나는 스마트그리드 인프라, 그래프 DB로 관리하기
한국판 뉴딜 덕분에 스마트그리드는 스마트시티의 발전과 함께 성장할 것이다. 전력사용 정보를 실시간으로 제공하는 AMI와 태양 및 풍력 발전소에서 친환경 에너지를 저장하는 ESS도 계속 개발될 것이다. 이 구현 서비스들을 바탕으로 IT 기술을 활용한 새로운 서비스들도 출시될 것이다.
위의 연구들에 의하면 그래프 DB는 스마트그리드 인프라가 생성하는 수억 개의 데이터를 적재하고 빠르게 분석할 수 있음을 증명했다. 또한, 비트나인은 AMI의 장애를 모니터링하는 기술을 구현하여 스마트그리드 인프라에 그래프 DB의 효과를 입증했다.
또한, 앞으로의 ESS는 성능보다 안정성에 의한 설계를 이어갈 것을 보면, 그래프 DB를 배제할 수 없을 것이다.
국내에서는 2018년에 ESS로 발생한 화재가 15건 이상을 기록했다. 그 이후로, 정부에서는 안전성을 보장하지 않은 설비는 사용 중지를 권고했다. 화재 원인은 업계측의 의견일 뿐이지만, 설치 시 배터리에 물리적 충격을 가했거나, 보호장치가 누락되었다거나, 또는 배터리관리시스템(BMS) 자체 결함 때문으로 추정한다. BMS는 다른 물체적인 원인과 달리 소프트웨어와 관련이 있기 때문에 그래프 DB가 활용될 수 있는 가능성을 두고 있다.
만약 BMS의 로그 파일이 전송되는 EMS, 또는 상위 BMS 시스템에 그래프 DB와 머신러닝 및 AI 기술을 적용한다고 가정하면, 실시간으로 데이터를 적재하면서 이상적인 데이터를 탐지하거나, 알 수 없는 오류로 데이터를 전송하지 않는 BMS의 위치를 파악할 수 있을 수 있다. 실시간으로 오작동하는 BMS를 파악한다면 모니터링하는 관리자들이 해당 배터리 시스템을 정지시키든지, 즉시 수리 기사를 보낼 수 있는 의사결정을 만들 수 있을 것이다.
그래프 DB의 활용도는 무궁무진하다. 사용자의 니즈에 따라 제작될 수 있는 유연성을 가지고 있으며, 위 연구에 언급된 고가용성(high availability)으로 수억 개의 노드와 엣지를 관리할 수 있다. 또한, 백업 플랜으로 안정적인 운영이 가능해지기 때문에, 그래프 DB를 포함한 기타 IT 기술을 스마트그리드에 도입한다면, 미래 에너지 산업은 새로운 전환점을 맞이하게 될 것이다.
자료 및 이미지 출처
1) https://www.kistep.re.kr/c3/sub8.jsp?brdType=R&bbIdx=12190
2)https://www.marketsandmarkets.com/Market-Reports/covid-19-impact-on-smart-grid-market-204540248.html
3) 한상목. “4차 산업혁명의 종합 플랫폼, 스마트시티.” Weekly KDB Report (2018)
4) Bowen Kan, Wendong Zhu, Guangyi Liu, Xi Chen, Di Shi, Weiqing Yu. “Topology Modeling and Analysis of a Power Grid Network using a Graph Database.” International Journal of Computational Intelligence Systems, Vol. 10 (2017).
5) https://www.sciencedirect.com/science/article/pii/S187705091731685X
6) http://www.ecofuturenetwork.co.kr/news/articleView.html?idxno=15785
7) https://electricgrids.engr.tamu.edu/electric-grid-test-cases/ieee-118-bus-system/
8) https://ulsansafety.tistory.com/154
9) https://bitnine.tistory.com/307
'USE CASES > 사례 연구' 카테고리의 다른 글
| 그래프 모델링으로 알아보는 지식 그래프 (0) | 2021.01.26 |
|---|---|
| 2020 美 대선 특집: 그래프 DB로 러시아 트윗 추적하기 (0) | 2020.11.06 |
| 가상 세계 만들어내는 디지털 트윈(Digital Twin), 그리고 그래프 DB (0) | 2020.10.21 |
| 디지털 뉴딜 성공, 그래프 기술에 달렸다 (0) | 2020.09.02 |
| 보험사기 잡아내는 법 (feat.그래프 모델링, 데이터 시각화) (0) | 2020.08.12 |