Exploring near-optimal energy systems with stakeholders: a novel approach for participatory modelling

이 논문은 이해관계자가 비용 최적화에서 벗어나 배출량, 비용, 시스템 취약성 등 다양한 우선순위를 균형 있게 고려할 수 있도록, 에너지 시스템 설계의 연속적인 대안을 제시하는 참여형 모델링 방법론을 제안하고 롱위어비엔 사례를 통해 그 유효성을 입증합니다.

핵심

이 논문은 **"에너지 시스템을 설계할 때, 전문가들만의 계산이 아니라 주민들의 목소리를 어떻게 반영할 수 있을까?"**라는 질문에 답하는 흥미로운 연구입니다.

간단히 말해, **"스웨덴의 북극 마을 (롱예르비엔) 주민들에게 에너지 전환의 미래를 직접 설계해 보게 한 실험"**이라고 할 수 있습니다.

이 복잡한 내용을 일상적인 비유로 쉽게 풀어서 설명해 드릴게요.

---

🏔️ 배경: 북극의 외로운 마을, 롱예르비엔

먼저 배경을 알아야 합니다. 노르웨이 북극권에 있는 '롱예르비엔'이라는 마을은 석탄으로 전기를 만들던 곳이었지만, 기후 변화로 인해 더 이상 석탄을 쓰면 안 되게 되었습니다. 마을은 전기를 만들어야 하는데, 바다 건너로 전선을 연결할 수도 없고 (너무 비싸요), 날씨도 너무 추워서 시스템이 멈추면 큰일 납니다.

전문가들은 "가장 저렴한 비용으로 전기를 만드는 방법 (비용 최적화)"을 계산했습니다. 하지만 문제는 **"가장 싼 방법이 주민들이 원하는 유일한 방법일까?"**라는 점입니다.

🎮 핵심 아이디어: "에너지 시스템 조립 놀이"

연구팀은 주민들에게 복잡한 수식을 보여주지 않았습니다. 대신, **"에너지 시스템 조립 놀이"**를 할 수 있는 인터페이스 (게임 같은 도구) 를 만들었습니다.

1. 레고 블록 같은 슬라이더: 주민들은 화면에 있는 슬라이더 (조절 막대) 를 움직여 풍력, 태양광, 수소, 열 저장고 등에 투자할 금액을 정할 수 있습니다.
2. 즉시 반응하는 결과: 슬라이더를 살짝만 움직여도 화면이 바뀌며 "지금 선택하면 전기 요금은 이만큼 오르고, 이산화탄소는 이만큼 줄고, 시스템이 고장 날 위험은 이만큼 변한다"는 결과가 바로 나옵니다.
3. 가상의 예산: "가장 싼 방법"보다 최대 125% 까지 돈을 더 쓸 수 있는 범위를 주었습니다. (예: 100 원짜리보다 225 원까지 쓸 수 있게 한 것)

이 도구를 통해 연구팀은 **"주민들이 실제로 무엇을 중요하게 생각하는지"**를 알아내려 했습니다.

🔍 발견된 놀라운 사실들

이 실험을 통해 몇 가지 재미있는 결과가 나왔습니다.

1. "가장 싼 것"은 nobody 가 원하지 않아요.
전문가들이 계산한 '최저가 솔루션'은 주민들이 거의 선택하지 않았습니다. 대신 주민들은 태양광 패널이나 수소 저장고 같은 기술에 더 많은 돈을 투자하길 원했습니다. 비싸더라도 환경이나 안전을 더 중요하게 생각한 거죠.

2. "모든 것을 다 원하지만, 현실은 선택의 연속"
주민들은 "전기 요금도 싸고, 환경도 깨끗하고, 시스템도 튼튼하고, 풍경도 예뻐야 해!"라고 원했습니다. 하지만 슬라이더를 움직여 보니, **무엇을 선택하면 무엇을 포기해야 하는지 (Trade-off)**를 직접 체험하게 되었습니다.

• 예: 풍력 터빈을 많이 세우면 전기는 싸지고 환경도 좋아지지만, 풍경을 망치고 소음이 생길 수 있습니다.
• 주민들은 이 복잡한 선택의 과정을 직접 겪으며 "아, 에너지 전환이 이렇게 어려운 구나"라고 깨달았습니다.

3. "말과 행동의 차이"
질문지에서는 "전기 요금 인상에 15% 까지 감수할 수 있다"고 답했지만, 실제로 시스템을 설계할 때는 최저가보다 91% 까지 비싼 시스템을 선택했습니다.

• 비유: "나는 커피에 1,000 원 더 낼 수 없다"고 말하지만, 실제로는 "오늘은 특별한 날이니까 2,000 원짜리 스페셜 라떼를 사 마시는" 것과 비슷합니다. 주민들은 이론적으로는 아끼고 싶지만, 실제로는 안전과 환경을 위해 더 많은 비용을 감수하려는 마음이 강했습니다.

💡 이 연구가 주는 교훈

이 논문은 단순히 "어떤 기술이 좋은가?"를 말하는 것이 아니라, **"어떻게 의사결정을 할 것인가?"**에 대한 새로운 방식을 제시합니다.

• 전문가 vs 주민: 전문가가 "이게 가장 효율적이야"라고 말하면 주민은 "그래도 우리 마을에는 맞지 않아"라고 할 수 있습니다.
• 함께 배우기: 이 도구를 통해 주민들은 복잡한 에너지 시스템을 이해하게 되었고, 전문가들은 주민들이 무엇을 두려워하고 무엇을 원하는지 배웠습니다.
• 합의의 과정: 에너지 전환은 단순히 기술 문제가 아니라, 사람들의 마음을 얻는 문제입니다. 주민들이 직접 선택하고 그 결과를 보며 "이건 내 선택이야"라고 느낄 때, 진정한 변화가 시작됩니다.

🌟 한 줄 요약

"에너지 전환은 전문가가 독점하는 수학적 계산이 아니라, 주민들이 직접 '레고'를 조립하며 서로의 의견을 조율해 나가는 공동의 여정입니다."

이 연구는 북극의 작은 마을에서 시작되었지만, 전 세계가 기후 위기를 해결하는 과정에서 주민들의 참여와 이해가 얼마나 중요한지를 보여주는 귀중한 사례입니다.

기술 요약

1. 연구 배경 및 문제 제기 (Problem)

• 에너지 전환의 정당성과 사회적 수용성: 기후 변화 완화와 지속 가능한 에너지 시스템으로의 전환은 기술적 혁신뿐만 아니라 사회적, 시민적 참여가 필수적입니다. 그러나 기존 에너지 모델링 연구는 비용 최적화 (Cost-optimality) 에만 집중하여 다양한 이해관계자의 가치와 우선순위를 반영하지 못하거나, 모델의 선택지와 시나리오가 참여자들에게 불투명하다는 한계가 있습니다.
• 참여적 모델링의 부재: 기존 참여적 모델링은 단순한 시나리오 선택이나 기술 포트폴리오 구축에 그치는 경우가 많으며, 변수 재생에너지, 저장장치, 전송망 간의 복잡한 상호작용을 포괄적으로 반영하지 못합니다. 또한, 연구자가 미리 선정한 소수의 시나리오만 제시함으로써 옵션의 다양성을 제한하고 연구자의 선입견을 강화할 수 있습니다.
• Longyearbyen 의 특수성: 노르웨이 스발바르 제도의 롱이어비엔 (Longyearbyen) 은 외부 전력망 연결이 불가능한 고립된 지역이며, 기후 변화의 영향 (온난화 속도가 지구 평균의 7 배) 을 직접적으로 받고 있습니다. 석탄 발전에서 탈피해야 하는 정치적, 환경적 압력이 존재하지만, 지역 주민들의 다양한 의견과 우선순위를 반영한 구체적인 에너지 시스템 설계가 필요합니다.

2. 방법론 (Methodology)

이 연구는 근사 최적 (Near-optimal) 모델링과 상호작용형 인터페이스를 결합한 새로운 프레임워크를 제시합니다.

• 근사 최적 공간 탐색 (Modelling-to-Generate-Alternatives, MGA):
  • 단순히 비용이 가장 낮은 해 (Cost-optimal) 만을 찾는 것이 아니라, 비용이 최적해보다 약간 더 비싸지만 (최대 125% 까지 허용) 다른 목표 (배출량, 취약성 등) 에서 더 우수한 성능을 보이는 56,050 개의 실현 가능한 에너지 시스템 구성을 사전에 계산했습니다.
  • 이를 통해 비용 최적화 모델이 놓칠 수 있는 다양한 대안적 설계 공간을 체계적으로 매핑했습니다.
• 상호작용형 인터페이스 개발:
  • 롱이어비엔 주민 126 명을 대상으로 한 실증 연구에서 사용된 웹 기반 인터페이스를 개발했습니다.
  • 슬라이더 기반 설계: 참여자는 풍력, 태양광, 녹색 연료 수입, 열 저장, 수소 인프라 등 5 가지 핵심 기술에 대한 투자 수준을 슬라이더로 조절합니다.
  • 실시간 제약 조건 및 피드백: 시스템이 물리적으로 실현 가능 (Feasible) 하도록 인터페이스가 동적으로 슬라이더 범위를 제한하며, 선택에 따른 비용, 배출량, 시스템 취약성, 시각적 영향 등 7 가지 주요 지표를 실시간으로 보여줍니다.
  • 보간 (Interpolation): 사전 계산된 56,050 개의 데이터 포인트 사이의 값을 선형 보간하여 사용자가 연속적인 설계 공간을 탐색할 수 있게 했습니다.
• 데이터 수집: 2024 년 3 월, 롱이어비엔의 공공 장소 (카페, 도서관, 대학 등) 에서 주민 126 명을 대상으로 개별 인터뷰를 진행하여 데이터를 수집했습니다.

3. 주요 기여 (Key Contributions)

1. 새로운 참여적 모델링 프레임워크: 이해관계자가 비용 최적해가 아닌, 다양한 비용 - 성능 트레이드오프가 존재하는 '근사 최적 공간' 전체를 탐색하고 자신의 우선순위에 맞는 시스템을 직접 설계할 수 있는 최초의 도구 중 하나를 제시했습니다.
2. 시스템 복잡성의 시각화: 재생에너지의 간헐성, 저장장치, 백업 발전 간의 복잡한 상호작용을 고려하면서도, 일반인이 이해하기 쉬운 인터페이스로 이를 전달하여 정보 비대칭을 해소했습니다.
3. 실제 이해관계자 데이터 확보: 기존 연구들이 가상의 선호도나 과거 인터뷰에 의존했던 것과 달리, 실제 지역 주민들이 상호작용을 통해 드러낸 '표시된 선호 (Revealed Preferences)'와 '진술된 선호 (Stated Preferences)'의 차이를 정량적으로 분석했습니다.

4. 주요 결과 (Results)

• 비용 최적해와의 편차: 참여자들은 대부분 비용 최적해 (Cost-optimal) 에서 벗어나 다른 목표를 위해 추가 비용을 감수했습니다.
  • 슬랙 (Slack) 값: 제출된 시스템 설계의 평균 비용 증가율은 최적해 대비 81%, 중앙값은 **91%**에 달했습니다. 이는 참여자들이 비용보다 배출량 감소나 시스템 취약성 감소 등을 더 중요하게 여겼음을 의미합니다.
  • 선호도 불일치: 사후 설문에서 참여자들은 평균 15% 의 추가 비용만 감수하겠다고 진술했으나, 실제 설계에서는 91% 까지 비용을 늘렸습니다. 이는 참여자가 시스템의 복잡성과 비용의 실질적 부담을 완전히 인지하지 못했거나, 비용 부담이 정부 보조금 등을 통해 전가될 것으로 기대했기 때문일 수 있습니다.
• 기술별 투자 경향:
  • 태양광 및 수소: 비용 최적 모델에서는 배제되거나 최소화되지만, 참여자들은 태양광과 수소 저장에 상당한 투자를 선택했습니다.
  • 풍력: 시각적 영향을 우려하는 참여자들은 풍력 투자를 줄이는 경향을 보였습니다.
• 트레이드오프 인식: 참여자들은 여러 목표 (배출량, 취약성, 가격 등) 를 동시에 달성하려 노력했으나, 이를 위해 불가피한 트레이드오프를 직면했습니다. 대부분의 참여자 (57%) 가 3 개 이상의 지표를 우선순위로 지정하며 의사결정의 복잡성을 경험했습니다.
• 학습 효과: 복잡한 트레이드오프를 경험한 후, 참여자들은 "시스템의 복잡성을 이해하게 되었다"는 긍정적인 피드백을 남겼으며, 의사결정 과정에 더 잘 준비되었다고 느꼈습니다.

5. 의의 및 결론 (Significance)

• 정책적 함의: 에너지 전환 계획 수립 시 비용 효율성만 고려하는 기존 접근법의 한계를 지적하고, 사회적 수용성을 높이기 위해 다양한 이해관계자의 가치와 우선순위를 반영한 '근사 최적' 해를 탐색해야 함을 강조합니다.
• 사회적 정당성 확보: 참여자들이 직접 시스템을 설계하고 그 결과를 경험함으로써, 에너지 전환 과정의 정당성 (Legitimacy) 을 높이고 정치적 실행 가능성을 강화할 수 있습니다.
• 확장성: 롱이어비엔이라는 특정 지역 사례이지만, 이 프레임워크와 도구 (MGA 기반 인터페이스) 는 다른 지역이나 에너지 시스템 계획에도 적용 가능하여, 복잡한 의사결정 과정을 투명하게 만들고 집단적 합의를 도출하는 데 기여할 수 있습니다.

이 연구는 에너지 시스템 모델링이 단순한 기술적 도구를 넘어, 이해관계자와의 소통과 학습을 위한 플랫폼으로 진화할 수 있음을 보여주었습니다.