🔬 physics

Energy-Optimal Allocation of Storage in Transmission Grid Networks

이 논문은 재생에너지의 변동성을 보완하기 위해 리튬이온 배터리의 저장 용량과 생산 과잉 설계를 최적화하여 에너지 투자 대비 저장 효율 (ESOI) 을 극대화하고, 프랑스 송전망 모델 분석을 통해 최대 설치 전력을 가진 노드에 저장 장치를 배치할 때 추가적인 줄 열 손실을 최소화할 수 있음을 규명했습니다.

원저자: Emile Emery, Sébastien Aumaître, Hervé Bercegol

게시일 2026-03-04

📖 3 분 읽기☕ 가벼운 읽기

CC BY 4.0

원저자: Emile Emery, Sébastien Aumaître, Hervé Bercegol

원본 논문은 CC BY 4.0 (http://creativecommons.org/licenses/by/4.0/) 라이선스로 제공됩니다. ✨ 이것은 아래 논문에 대한 AI 생성 설명입니다. 저자가 작성하거나 승인한 것이 아닙니다. 기술적 정확성을 위해서는 원본 논문을 참조하세요. 전체 면책 조항 읽기

🌞🌬️ 1. 문제 상황: "날씨에 의존하는 불안정한 식당"

상상해 보세요. 여러분이 운영하는 식당이 있습니다.

태양광과 풍력 발전은 마치 **"날씨에 따라 손님이 오는 식당"**과 같습니다.
- 해가 쨍쨍하거나 바람이 불면 (생산 과잉), 손님이 너무 많아 음식을 많이 만들어야 하지만, 다 팔지 못해 버려야 할 수도 있습니다 (전력 낭비).
- 비가 오거나 바람이 안 불면 (생산 부족), 손님이 와도 음식을 줄 수 없어 손님을 쫓아내야 합니다 (전력 부족).

이런 불규칙함을 해결하기 위해 **전기 저장소 (배터리)**를 도입하려고 합니다. 하지만 여기서 중요한 질문이 생깁니다.

얼마나 큰 냉장고 (배터리) 를 사야 할까? (용량)
그 냉장고는 식당의 어느 구석에 두는 게 좋을까? (위치)
냉장고를 사느라 든 비용과, 버려지는 음식 (낭비) 중 어느 쪽이 더 손해일까? (효율성)

🔋 2. 핵심 아이디어: "ESOI"라는 저울

연구자들은 **ESOI(Energy Stored On Invested)**라는 개념을 사용합니다. 쉽게 말해 **"저장소 하나를 만드는 데 들어간 에너지 비용 대비, 평생 얼마나 많은 전기를 저장해 줄 수 있는가?"**를 계산하는 저울입니다.

너무 작은 냉장고: 전기가 부족할 때를 해결 못 해서, 결국 더 많은 발전소를 지어야 합니다. (비효율)
너무 큰 냉장고: 냉장고 자체를 만드는 데 너무 많은 에너지와 돈이 들어갑니다. (비효율)
최적의 크기: 냉장고 비용과 발전소 확장 비용을 고려했을 때, 가장 이득을 보는 크기를 찾는 것이 이 연구의 목표입니다.

📍 3. 위치의 중요성: "교통 체증을 피하는 길"

전기를 저장할 장소를 어디에 두느냐도 매우 중요합니다. 연구진은 프랑스의 전력망 지도를 분석했습니다.

비유: 전기는 도로를 달리는 차와 같습니다.
- 전기를 생산하는 곳 (발전소) 에서 전기를 저장하는 곳 (배터리) 으로, 그리고 다시 집으로 보내는 과정에서 전선 (도로) 을 타고 이동합니다.
- 전선이 길고 복잡할수록, 전기가 이동하는 동안 **열로 소모되는 에너지 (저항 손실)**가 발생합니다. 이를 '줄 손실 (Joule losses)'이라고 합니다.

연구 결과:
전기를 저장하는 배터리는 전기가 가장 많이 생산되는 곳 (가장 붐비는 교차로) 바로 옆에 두는 것이 가장 좋습니다.

이유: 전기를 멀리 이동시켜서 저장하면, 이동하는 동안 전기가 새어 나갑니다. 하지만 생산지 바로 옆에 저장하면, 전기가 이동할 필요가 없으므로 손실이 거의 없습니다. 마치 "시장에서 바로 사서 바로 집으로 가져가는 것"과 "먼 곳에서 사서 트럭으로 실어 나르는 것"의 차이입니다.

📊 4. 연구 결과: 프랑스를 예로 들면

이 연구는 프랑스의 전력망을 기준으로 시뮬레이션했습니다.

현재 상황 (화석 연료 + 재생 에너지):
- 태양과 바람만 믿고 모든 화석 연료를 없앤다면, 약 21 GWh(기가와트시) 정도의 배터리가 필요합니다.
- 이는 약 20,000 가구가 하루 종일 쓸 수 있는 양입니다.
- 발전량을 아주 조금만 (0.24%) 더 늘려주면, 배터리 효율이 극대화됩니다.
극단적인 상황 (태양 100% 또는 바람 100%):
- 만약 태양광만 100% 의존한다면? 배터리가 훨씬 커져야 합니다 (약 921 GWh).
- 하지만 이때는 배터리 크기만 키우는 게 아니라, **발전 시설 자체를 더 크게 짓는 것 (Oversizing)**이 더 효율적일 수 있다는 것을 발견했습니다.

💡 5. 결론: "적당한 크기, 올바른 위치"

이 논문이 우리에게 주는 메시지는 다음과 같습니다.

"재생 에너지로 완전히 전환하려면, 무작정 거대한 배터리를 쌓아두는 것이 답이 아닙니다.

대신, 전기가 가장 많이 생산되는 곳에 적정 크기의 배터리를 배치하고, 전력망의 손실을 최소화하는 지능적인 전략을 세워야 합니다.

이렇게 하면 전기를 만드는 데 들어가는 에너지 비용 (투자) 대비, 우리가 실제로 쓸 수 있는 전기를 최대화할 수 있습니다."

한 줄 요약:

"전기를 저장할 때는 '너무 크지도, 너무 작지도 않은' 적정 크기의 배터리를, '전기가 가장 많이 나오는 공장 바로 옆'에 두는 것이 가장 경제적이고 환경 친화적인 방법이다."

1. 연구 배경 및 문제 정의 (Problem)

재생에너지의 불확실성: 화석 연료에서 재생에너지로의 전환은 분산형 발전의 확장을 수반하지만, 이는 전압 변동, 신뢰성 저하 및 생산 - 소비 불일치를 초래합니다.
저장 시스템 (ESS) 의 필요성: 이러한 문제를 해결하기 위해 에너지 저장 시스템 (ESS) 이 필수적이지만, ESS 구축에는 상당한 **암묵적 에너지 (embodied energy)**가 투자됩니다.
핵심 딜레마: 생산 과잉 시 에너지를 저장할지, 아니면 안정성을 위해 폐기 (curtailment) 할지 결정하는 것은 에너지 투자 대비 수익 (EROI) 문제입니다.
연구의 간극: 기존 연구들은 주로 배전망 (distribution network) 에 집중하거나, 저장소 배치와 송전 손실 (Joule losses) 을 통합적으로 고려하지 못했습니다. 또한, 저장소의 **용량 (sizing)**과 **공간적 배치 (placement)**를 동시에 최적화하여 전력망 전체의 에너지 효율을 평가하는 통합 프레임워크가 부족했습니다.

2. 방법론 (Methodology)

저자들은 프랑스의 송전망과 2021 년 생산/소비 데이터를 기반으로 한 새로운 모델링 프레임워크를 개발했습니다.

A. 생산 신호 처리 및 필터링

화석 연료 발전소를 풍력과 태양광으로 대체하여 재생에너지 비율을 높인 시나리오를 가정합니다.
**Haar 웨이블릿 분해 (Haar wavelet decomposition)**를 사용하여 생산 및 소비 신호를 필터링합니다. 이를 통해 리튬 - 이온 배터리가 처리할 수 있는 **단기 변동 (6~12 시간 규모)**에 초점을 맞춥니다.
생산과 소비의 차이 ( $P_\Delta$ ) 를 분석하여 저장소가 필요한 에너지 플럭스를 산출합니다.

B. 동적 저장소 모델 (Dynamical Storage Model)

ESS 작동 원리: 과잉 생산 시 저장, 부족 생산 시 방전하는 과정을 시뮬레이션합니다.
제약 조건:
- 충전/방전 효율 ( $\eta_{st}$ ): 저장 효율이 100% 가 아니므로 추가적인 생산 (Oversizing, $P_1$ ) 이 필요합니다.
- 용량 제한: 저장소 용량 ( $S_{max}$ ) 과 최대 전력 ( $P_{max}$ ) 한계를 고려합니다.
- 충전 부족: 저장소가 비어있을 때 수요를 충족하지 못하는 경우를 방지하기 위해 '과잉 생산 (Oversizing)'을 도입합니다.

C. 에너지 투자 대비 저장 에너지 (ESOI) 지표

ESOI 정의: 저장된 유용 에너지 ( $E_U$ ) 를 저장소 및 과잉 생산에 투자된 에너지 ( $E_I$ ) 로 나눈 비율입니다.
$ESOI = \frac{E^s_U + E^o_U}{E^s_I + E^o_I}$
최적화 목표: 고객 수요 충족률 (Satisfaction rate) 을 95% 이상 유지하면서 ESOI 값을 최대화하는 저장 용량 ( $S_{max}$ ) 과 과잉 생산 비율 ( $P_1$ ) 을 찾습니다.

D. 중심성 분석을 통한 최적 배치 (Centrality Analysis)

그래프 이론 적용: 전력망을 노드와 간선으로 구성된 그래프로 모델링합니다.
손실 최소화 전략: 저장소를 배치할 노드를 선정하기 위해 중심성 (Centrality) 지표를 사용합니다.
- 전력 중심성 (Power Centrality): 설치된 발전 용량이 가장 큰 노드에 저장소를 배치할 때, 송전선로를 통한 추가적인 전력 흐름 (Joule losses) 을 최소화할 수 있음을 증명했습니다.
- DC 근사 모델: 송전망의 전압과 길이를 고려하여 DC 근사를 통해 전체 줄 (Joule) 손실을 추정합니다.

3. 주요 결과 (Key Results)

A. 최적 저장 용량 및 과잉 생산 (Scenario Analysis)

프랑스의 현재 전력믹스 (화석 연료 대체 시나리오) 와 두 가지 이상화된 시나리오 (100% 태양광, 100% 풍력) 에 대해 분석한 결과:

시나리오	최적 저장 용량 ( $S_{max}$ )	과잉 생산 비율 (Oversizing)	최대 ESOI 값
현재 RTE 믹스 (재생에너지 대체)	21.21 GWh	0.24%	14.16
100% 풍력	142.95 GWh	1.95%	12.31
100% 태양광	921.44 GWh	8.20%	9.84

결론: 재생에너지 비율이 높을수록 필요한 저장 용량과 과잉 생산 비율이 급격히 증가하며, 이에 따라 ESOI 효율은 감소합니다. 하지만 리튬 - 이온 배터리는 단기 변동 (일일/시간 단위) 을 처리하는 데 있어 여전히 효율적인 솔루션입니다.

B. 저장소 배치 전략

최적 위치: 저장소는 **설치된 발전 용량이 최대인 노드 (Nodes of maximal installed power)**에 배치하는 것이 가장 효과적입니다.
이유: 과잉 생산 시 전력을 먼 거리로 전송하여 저장하는 대신, 생산 지점에서 바로 저장함으로써 송전선로의 전류 흐름을 줄이고 줄 (Joule) 손실을 최소화할 수 있습니다.
전압 안정성: 고전압 계층의 단축 (shortcut) 토폴로지를 활용하여 전압 안정성도 개선됩니다.

4. 주요 기여 및 의의 (Contributions & Significance)

통합 평가 프레임워크: 기존 연구들이 분리했던 저장소 크기 결정 (Sizing), 배치 (Placement), 그리고 **송전 손실 (Transmission losses)**을 하나의 통합된 에너지 회수 (EROI) 프레임워크로 결합했습니다.
새로운 지표 제안:
- ESOI: 저장소 자체의 에너지 효율성을 평가.
- ETOI (Energy Transmitted on Invested): 전력망 인프라 건설 및 운영에 투자된 에너지 대비 최종 소비자에게 전달된 에너지 비율을 제안하며, 저장소 배치가 이 지표를 높이는 데 기여함을 보였습니다.
실용적 인사이트:
- 저장소는 단순히 용량만 늘리는 것이 아니라, 생산이 집중된 노드에 배치해야 전력망 전체의 효율이 극대화됨을 수학적으로 증명했습니다.
- 95% 수요 충족률은 현실적인 목표이며, 100% 달성을 위해서는 국가 간 전력 거래 등 추가적인 유연성 자원이 필요함을 시사합니다.
확장성: 이 방법론은 프랑스뿐만 아니라 다른 국가나 지역 그룹의 전력망에 적용 가능하며, 미래 전력망의 공간적 토폴로지와 에너지 믹스를 평가하는 새로운 기준을 제시합니다.

5. 결론

이 논문은 재생에너지 전환 과정에서 필수적인 저장 시스템의 **에너지 투자 대비 효율 (ESOI)**을 극대화하기 위한 전략을 제시합니다. 연구 결과에 따르면, 저장 용량을 적절히 설계하고 (과잉 생산 최소화), 생산량이 많은 노드에 저장소를 집중 배치함으로써 송전 손실을 줄이고 전력망 전체의 에너지 효율성을 높일 수 있습니다. 이는 미래 지능형 전력망 (Smart Grid) 의 설계 및 정책 수립에 중요한 기술적 근거를 제공합니다.