뉴스 제공
2024-11-06 08:46
서울--(뉴스와이어)--DX 전문기업 LG CNS가 통합발전소(Virtual Power Plant, VPP) 사업자를 위한 전력 AI 솔루션 ‘에너딕트(Enerdict)’를 출시하고 전력중개 솔루션 사업을 추진한다. ‘에너딕트’는 에너지(Energy)의 흐름을 정확하게 예측한다(Predict)라는 의미를 담고 있다.
생성형 AI를 활용해 ‘에너딕트’가 제공하는 서비스를 표현한 상상도
VPP는 전국에 분산된 태양광, 풍력 등의 소규모 재생에너지 발전소들을 정보통신기술(ICT)로 연결해 하나의 발전소처럼 운영하는 것을 의미한다. 정부는 지난 6월부터 ‘분산에너지 활성화 특별법’을 시행 중이다. 이는 기존 중앙집중형 전력산업 구조를 분산 형태로 전환해, 지역 내 소규모 발전소에서 생산된 에너지를 인근 수요처에서 직접 소비할 수 있도록 하는 법이다. 이 같은 에너지 공급 개편에 따라 VPP 시장이 새롭게 떠오르면서 다수의 기업들이 사업에 뛰어들고 있다. 미국의 시장조사 전문기관 ‘스카이퀘스트(SkyQuest)’에 따르면 글로벌 VPP 시장 규모는 30년까지 169억달러(약 23조원)에 달할 것으로 전망된다.
LG CNS가 선보인 ‘에너딕트’는 VPP 사업을 영위하는 기업 고객을 위한 최적의 솔루션이다. VPP 사업자는 계절, 날씨 등 기상 상황에 따라 발전량의 변동성이 큰 소규모 재생에너지 발전소들의 발전량을 예측하고, 전력거래소의 급전지시를 이행하는 것이 중요하다. 급전지시란 우리나라 전력의 수요와 공급을 관리하는 전력거래소에서 각 발전소에 발전량 조절을 실시간 지시하는 것으로, VPP 사업자의 중요 의무사항이다.
LG CNS는 ‘에너딕트’에 머신러닝, 딥러닝 등 AI와 수학적최적화 기술을 접목했다. 이를 통해 발전량 예측 정확도를 높이고, 전력거래소의 급전지시에 효율적으로 대응할 수 있도록 해 VPP 사업자의 운영 수익을 극대화한다. 수학적최적화는 현재 보유한 자원과 조건하에서 발생할 수 있는 모든 경우의 수를 계산해 최대 효율을 내는 최적의 대안을 찾아내는 기술이다.
LG CNS의 ‘에너딕트’는 업계 최고 수준의 발전량 예측 정확도를 자랑한다. ‘에너딕트’는 과거에 축적된 기상자료와 더불어 국내외 기상 예측 기관에서 예보하는 다양한 기상 데이터까지 AI가 분석함으로써 태양광, 풍력 등 재생에너지 발전소의 위치별로 발전량의 예측 정확도를 한층 높였다. 전력거래소의 급전지시에는 수학적최적화 기술이 최적의 대응 옵션을 찾아낸다. VPP 사업자는 하나의 대형 발전소가 아닌 소규모로 분산된 다양한 형태의 발전소들을 통합 운영하기 때문에 급전지시를 이행하기 위한 최적의 방법을 찾는 것이 매우 어렵다. ‘에너딕트’는 VPP에 속한 수많은 발전소의 발전량을 각각 어떻게 조절해야 급전지시를 가장 효과적으로 이행할 수 있는지를 자동으로 찾아준다.
LG CNS는 ‘에너딕트’를 SaaS(Software as a Service) 형태로 제공한다. SaaS는 기업 고객이 소프트웨어를 구매하지 않고 클라우드 환경에서 솔루션을 구독해 사용하는 방식을 뜻한다. 이를 통해 고객은 국내뿐만 아니라 글로벌 사업장에도 ‘에너딕트’를 손쉽게 도입할 수 있다. 또한 고객은 항상 최신, 최상의 상태로 ‘에너딕트’ 솔루션을 이용할 수도 있다. LG CNS가 클라우드를 기반으로 고객의 요청사항이나 서비스 개선에 대한 다양한 아이디어를 ‘에너딕트’에 발 빠르게 반영하기 때문이다.
LG CNS는 VPP 사업을 준비 중인 △에너지 △통신 △건설 등 분야의 기업들과 ‘에너딕트’ 도입을 논의 중이다. 향후 정부의 신재생에너지 확대 정책 기조 등에 따라 국내 VPP 시장이 더욱 활성화될 것으로 예측되면서 ‘에너딕트’를 도입하는 기업들도 더욱 늘어날 것으로 전망된다.
LG CNS D&A(Data Analytics&Artificial Intelligence)사업부장 장민용 상무는 “LG CNS의 AI와 수학적최적화 기술 역량을 결합해 VPP 사업자들을 위한 최고의 솔루션을 구현했다”며 “‘에너딕트’를 통해 고객들이 비즈니스 가치를 혁신할 수 있도록 할 것”이라고 강조했다.
){kind=small}
){kind=small}
){kind=small}
){kind=small}
