1. 연구 배경 및 문제 제기 (Problem)

• 디지털 인프라의 환경적 영향: 클라우드, AI, 스트리밍 등 ICT 및 데이터센터 (DC) 의 급격한 성장으로 전력 소비가 증가하면서 탄소 발자국 (Carbon Footprint, CF) 에 대한 우려가 커졌습니다.
• 물 발자국 (Water Footprint, WF) 의 간과: 전력 생산은 탄소 배출뿐만 아니라 막대한 물 소비를 동반합니다 (냉각수, 발전소 냉각, 증발 등). 그러나 기존 평가는 주로 탄소 배출에 집중하여 물-에너지 넥서스 (Water-Energy Nexus) 를 간과하는 경향이 있습니다.
• 전력 흐름의 복잡성: 전력 소비의 환경적 영향을 정확히 평가하려면 단순한 지역 내 발전량 (Local Generation) 만을 보는 것이 아니라, **국경을 초월한 전력 수입/수출 (Cross-border flows)**과 **시간적 변동성 (Temporal variability)**을 고려해야 합니다.
• 기존 방법론의 한계:
  • 대부분의 평가는 월간 또는 연간 평균 배출 인자를 사용하여 시간적 변동을 무시합니다.
  • 전력 거래 (수입/수출) 를 고려하지 않거나, 단순화된 방법론 (예: 인접 국가의 평균 배출 인자만 적용) 을 사용하여 실제 전력 믹스를 왜곡합니다.
  • 탄소와 물 발자국을 분리하여 평가하여, 저탄소 시스템이 오히려 물 스트레스를 유발하는 트레이드오프 (Trade-off) 를 놓칩니다.

2. 방법론 (Methodology)

이 논문은 유럽 전체의 전력 소비에 대한 탄소 및 물 발자국을 15 분 단위의 높은 시간 해상도로 공동 평가하는 오픈소스 도구인 Wattnet을 제시합니다.

• 데이터 소스:
  • ENTSO-E (유럽 송전 시스템 운영자 네트워크) 투명성 플랫폼에서 전력 생산량 및 국경 간 물리적 흐름 데이터를 수집합니다.
  • 영국 (Great Britain) 의 경우 ENTSO-E 데이터가 부족하므로 NESO (National Energy System Operator) 데이터를 보완합니다.
• 전력 흐름 추적 (Electricity Flow Tracing):
  • **비례 분배 원리 (Proportional Sharing Principle)**를 기반으로 한 토폴로지 접근법을 사용합니다.
  • 각 국가/지역 (노드) 에 유입되는 전력이 어떤 발전원 (지역 내 발전 + 이웃 국가로부터의 수입) 에서 기원하는지 추적하여 실시간 전력 믹스 구성을 계산합니다.
  • 직접적인 수입뿐만 아니라 제 3 국을 경유한 간접적인 전력 흐름까지 고려합니다.
• 발자국 계산 (Footprint Calculation):
  • 운영적 (Operational) 및 생애주기 (Life-cycle) 인자: 발전 과정 중의 직접 배출 (Scope 2) 과 연료 추출, 건설, 폐기 등 전 과정 (Scope 2+3) 의 영향을 모두 고려할 수 있도록 설계되었습니다.
  • 탄소 인자: 발전 기술별 (화석 연료, 원자력, 재생에너지 등) CO2 배출 계수를 적용합니다.
  • 물 인자: 발전 기술별 물 소비 계수 (L/kWh) 를 적용합니다. 특히 저수지형 수력발전의 증발 손실을 중요한 물 발자국 요인으로 포함합니다.
• 예측 모듈 (Forecasting Module):
  • 72 시간ahead 예측: ARX(p) (자기회귀 외생변수 모델) 를 사용하여 탄소 및 물 발자국을 예측합니다.
  • 계절성 (일별, 주별) 을 반영하기 위해 시간의 사인/코사인 함수를 외생 변수로 포함하며, 과거 4 일간의 데이터를 학습합니다.
  • 데이터베이스 업데이트 시 실시간으로 예측을 재계산하여 의사결정 지원에 활용합니다.

3. 주요 기여 (Key Contributions)

1. Wattnet 도구 개발: 유럽 전역의 전력 소비에 대한 탄소 및 물 발자국을 15 분 단위로 통합적으로 추적하고 시각화하는 최초의 오픈소스 플랫폼을 제공합니다.
2. 고해상도 흐름 추적: 전력 무역 (수입/수출) 을 고려한 소비 기반 (Consumption-based) 평가 방법을 구현하여, 단순 생산 기반 평가의 오류를 수정합니다.
3. 탄소 - 물 트레이드오프 분석: 저탄소 전환이 반드시 물 절약으로 이어지지 않을 수 있음을 입증했습니다. 특히 **저수지형 수력발전 (Reservoir-based Hydropower)**은 탄소 배출은 낮지만, 증발로 인한 물 발자국이 매우 크다는 점을 강조했습니다.
4. 의사결정 지원: 데이터센터 등 에너지 다소비 시설이 작업 부하 (Workload) 를 시간과 공간적으로 최적화하여 환경 영향을 줄일 수 있도록 72 시간 예측 기능을 제공합니다.

4. 주요 결과 (Results)

• 전력 무역의 영향: 전력 수입/수출을 무시할 경우 탄소 및 물 발자국이 크게 과소 또는 과대 평가됩니다.
  • 예: 슬로바키아는 탄소 집약적인 전력을 많이 수입하여 실제 소비 기반 탄소 발자국이 지역 내 발전 기반 발자국보다 훨씬 높습니다.
  • 예: 독일은 저탄소 전력 (프랑스, 스위스 등) 을 수입하여 실제 소비 기반 발자국이 낮아지지만, 물 발자국은 수입 전력의 원천에 따라 달라집니다.
• 시간적 변동성: 월간 평균 데이터를 사용할 경우, 계절적 요인 (여름의 태양광, 겨울의 풍력/수력 등) 으로 인한 발자국 변동성을 놓치게 되어 수요 관리 전략 (Workload shifting) 에 실패할 수 있습니다.
• 탄소 vs 물의 상충 관계:
  • 풍력과 태양광은 탄소와 물 발자국을 동시에 줄이지만, 저수지형 수력발전은 탄소 배출은 적으나 물 발자국을 급격히 증가시킵니다.
  • 스페인의 사례에서 봄철 수력 발전이 활발할 때는 탄소는 낮지만 물 발자국이 최대가 되고, 여름철에는 태양광이 많아져 탄소와 물 발자국이 모두 낮아지는 등 복잡한 패턴을 보였습니다.
• 예측 성능: 72 시간 예측 모델은 전반적인 추세를 잘 포착하며, 재생에너지 비중이 높은 지역 (스페인, 핀란드 등) 은 변동성으로 인해 오차가 다소 크지만, 전반적으로 유효한 예측을 제공합니다.

5. 의의 및 결론 (Significance)

• 정책 및 운영적 함의: 탄소 중심의 최적화 전략만으로는 물 스트레스를 악화시킬 수 있으므로, 탄소와 물을 동시에 고려한 통합 평가가 필수적입니다.
• 데이터센터 및 AI 산업: 고에너지 소비 시설 (데이터센터, AI 연산 등) 이 작업 부하를 실행할 시간과 장소를 선택할 때, 단순한 전력 가격이나 탄소 배출량뿐만 아니라 물 발자국까지 고려하여 지속 가능한 의사결정을 내릴 수 있습니다.
• 투명성 제고: 일반 사용자와 정책 입안자에게 전력 소비의 환경적 영향 (탄소 및 물) 을 투명하게 공개하여 인식 제고에 기여합니다.
• 확장성: Wattnet 은 디지털 인프라뿐만 아니라 전력 소비와 관련된 모든 산업에 적용 가능한 방법론을 제공합니다.

요약하자면, 이 연구는 전력 소비의 환경적 영향을 평가할 때 공간적 (국경 간 흐름) 및 시간적 (15 분 단위 변동) 요소를 통합하고, 탄소와 물 발자국을 동시에 고려함으로써 기존 방법론의 한계를 극복하고 보다 정교한 지속 가능성 전략을 수립할 수 있는 도구 (Wattnet) 를 제시했습니다.