Overhead Transmission Line Fragility, Climate-Induced Risks and Geospatial Artificial Intelligence: A Systematic Bibliometric Review

대륙을 가로질러 집을 밝히고 도시의 동력을 공급하는 전기를 실어 나르는, 거대하고 보이지 않는 전력망의 그물을 상상해 보십시오. 수십 년 동안 엔지니어들은 일반적인 폭풍, 통상적인 열기, 표준적인 바람과 같이 그들이 알고 있던 날씨를 견딜 수 있도록 이 선들을 설계해 왔습니다. 하지만 세상은 변하고 있습니다. 기후가 변화하면서 더욱 빈번하고 강력한 극한 현상들, 즉 강렬한 폭염, 격렬한 폭풍, 몰아치는 산불이 발생하고 있으며, 기존의 설계는 이러한 상황을 감당하도록 만들어지지 않았습니다. 이 선들이 고장 나면 단순히 불이 깜빡거리는 것에 그치지 않습니다. 그것은 광범위한 정전, 경제적 손실, 그리고 공동체의 안전에 대한 위협으로 이어집니다. 이 중요한 인프라를 보호하기 위해 과학자들은 강력한 새로운 도구인 인공지능에 주목하고 있습니다. 이 기술는 방대한 양의 데이터를 학습하여 선이 어디서 언제 끊어질지 예측할 수 있지만, 효과적으로 작동하기 위해서는 주변 환경의 복잡한 이야기를 이해해야 합니다.

남아프리카 공화국의 프리토리아 대학교 연구진은 과학계가 이 두 세계, 즉 인공지능이라는 첨단 기술과 기후 변화라는 물리적 현실을 얼마나 잘 연결하고 있는지 조사하기 위해 나섰습니다. 그들은 2004년부터 2026년 사이에 발표된 수천 편의 과학 논문을 체계적으로 검토하는 방법론적 탐색을 수행했습니다. 그들의 목표는 컴퓨터 모델이 예측하는 선의 고장과 기상 및 지형의 실제 데이터가 성공적으로 결합되고 있는지 확인하는 것이었습니다. 그들은 글로벌 트렌드, 연구를 수행하는 주체, 그리고 가장 자주 논의되는 주제들을 살펴보았습니다. 그들은 구축 중인 도구들이 실제로 전력 회사들이 변화하는 기후 속에서 살아남을 수 있도록 준비되어 있는지를 알고 싶었습니다.

연구진은 빠르게 성장하고 있지만 여전히 파편화되어 있는 지형을 발견했습니다. 이 주제에 대한 연구 수는 특히 머신러닝을 이용한 결함 탐지에 대한 관심이 급증한 2022년 이후 폭발적으로 증가했습니다. 그러나 이번 검토 결과 상당한 격차가 드러났습니다. AI, 결함 진단, 전력 시스템 공학에 대한 연구는 강력하게 우세하지만, 기후, 환경 및 지질과학적 관점의 통합은 제한적이었습니다. 대부분의 연구는 단 하나의 측면에만 집중하고 있습니다. 어떤 연구는 순수하게 전기 공학 측면에 집중하여 컴퓨터를 이용해 끊어진 전선을 찾아내는 데 주력하는 반면, 다른 연구는 기상 측면에 집중하여 바람이나 열기가 송전탑에 가하는 스트레스를 연구합니다. 기후와 환경이 어떻게 상호작용하여 고장을 일으키는지에 대한 단일하고 완전한 그림을 제시하며 이 두 관점을 성공적으로 융합하는 연구는 매우 드뭅니다.

이러한 단절은 단순한 학술적 관심의 문제가 아닙니다. 이는 실질적인 결과를 초래합니다. 분석 결과, 연구가 특정 지역에 과도하게 집중되어 있음이 나타났으며, 중국, 미국, 영국이 앞서 나가고 있었습니다. 반면, 회복 탄력성이 있는 전력 시스템에 대한 필요성이 절실하고 기후 변화가 빠르게 진행되고 있는 아프리카 대륙은 글로벌 연구 지도에서 과소평가되어 있습니다. 저자들은 남아프리카 공리 전력 회사인 에스콤(Eskom)이 점점 더 극단적인 날씨에 취약해지는 수천 킬로미터의 전력선을 관리하고 있음에도 불구하고, 이 지역의 구체적인 문제를 다루는 발표된 연구가 거의 없다는 점에 주목했습니다. 이는 위험한 사각지대를 남깁니다. 문헌이 파편화되어 있으며, 기후와 환경 변수의 누적된 다중 재해 영향이 가공 전선 신뢰성에 미치는 영향을 적절히 다루는 포괄적인 엔드 투 엔드 지형 공간 인공지능(Geo-AI) 프레임워크가 부족하기 때문입니다.

또한 연구는 현재의 고장 예측 방식이 너무 단순한 경우가 많다는 점을 강조했습니다. 많은 기존 모델은 수년간의 변화하는 조건에 의해 발생하는 누적된 피해를 이해하기보다는, 단일 사건(예: 한 번의 폭풍이나 한 번의 폭염)만을 살펴봅니다. 이들은 환경을 배경 요소로 취급할 뿐, 왜 선이 고장 나는지에 대한 이야기의 중심적인 주인공으로 다루지 않습니다. 연구진은 딥러닝이나 디지털 트윈(실제 시스템을 모방한 가상 모델)과 같은 고급 도구들이 존재하지만, 이것들이 자연계의 무질서하고 복잡한 데이터를 완전히 통합하는 방식으로 아직 사용되지 않고 있다는 것을 발견했습니다. 그 결과, 퍼즐의 조각들은 제공하지만 전체 그림은 보여주지 못하는 파편화된 연구들의 집합체가 만들어지고 있습니다.

궁극적으로, 이 논문은 해당 분야가 중대한 전환점에 있다고 결론짓습니다. 더 스마트하고 회복 탄력적인 전력망을 구축할 기술은 존재하지만, 과학계는 기후 과학의 데이터와 인공지능의 알고리즘을 연결하는 데 필요한 가교를 아직 건설하지 못했습니다. 저자들은 전력 시스템이 미래에 생존하기 위해서는 환경과 기술을 하나의 상호 연결된 시스템으로 다루는 새로운 접근 방식이 필요하다고 주장합니다. 이는 열기, 바람, 식생의 조합이 시간이 지남에 따라 어떻게 선을 약화시키는지 추적하고, 그 지식을 활용하여 고장이 발생하기 전에 유지보수를 유도하는 프레임워크를 개발하는 것을 의미합니다. 이러한 통합이 이루어지지 않는 한, 변화하는 기후로부터 우리의 전력망을 확보하려는 글로벌 노력은 불완전한 상태로 남을 것이며, 많은 공동체를 다음 큰 폭풍 앞에 취약한 상태로 방치하게 될 것입니다.