Identifiability of battery fuel savings from sparse diesel engine fuel curves

중공업 분야에서 거대한 디젤 엔진은 메인 전력망이 실패했을 때 병원, 데이터 센터, 그리고 외딴 광산 운영을 유지하는 일꾼 역할을 합니다. 이 엔진들은 연료를 태워 전기를 생성하지만, 모든 속도에서 똑같이 효율적인 것은 아닙니다. 자동차가 도로 위를 순항할 때가 교통 체증 속에 정체되어 있을 때보다 연비가 더 좋은 것과 마찬가지로, 디젤 발전기는 특정 최적 부하에서 작동할 때 단위 전력당 연료를 적게 소비합니다. 비용을 절감하고 배출을 줄이기 위해 엔지니어들은 종종 이 엔진들을 대규모 배터리 뱅크와 결합하려고 시듭니다. 아이디어는 간단합니다. 엔진을 가장 효율적인 속도로 운전하여 배터리를 충전한 다음, 수요가 낮을 때는 배터리가 시설에 전력을 공급하게 하여 엔진을 끄거나 일정한 효율적 속도로 유지하게 하는 것입니다. 이 전략은 효율성을 위한 확실한 승리처럼 들리지만, 이는 우리가 엔진이 특정 속도나 부하에서 어떻게 작동할지, 즉 제조사가 구체적인 데이터를 제공하지 않은 지점에서도 엔진이 매 순간 연료를 얼마나 태울지 정확히 알고 있다는 결정적인 가정에 의존합니다.

핵심 과제는 바로 데이터 자체에 있습니다. 제조사는 엔진이 몇 가지 특정 고출력 설정에서 연료를 얼마나 사용하는지 나열한 연료 소비 표를 제공합니다. 이 표들은 데이터 포인트 사이에 큰 간격이 있는 희소한 형태입니다. 엔지니어들은 보통 이 간극을 메우기 위해 점들을 잇는 매끄러운 선을 그려, 엔진이 그 사이에서도 예측 가능하게 행동한다고 가정합니다. 그러나 마흐무드 압델파타 알라바 마무드(Mahmoud Abdelfattah Abbas Mahmoud)의 새로운 분석 연구는 이러한 일반적인 관행이 매우 위험하게 오도될 수 있음을 밝혀냈습니다. 이 연구는 근본적인 질문을 던집니다. 만약 우리가 몇 개의 특정 지점에서만 연료 사용량을 알고 있다면, 수학적으로 배터리 시스템이 그 측정값들 사이의 지점에서 실제로 연료를 절감할 것이라고 증명할 수 있는가? 결과는 놀랍게도, 종종 '아니오'였습니다. 연구는 추가적인 구체적 측정값 없이는 연료 절감의 방향(배터리가 연료를 아끼는지 아니면 낭비하는지)이 완전히 미지수로 남을 수 있음을 보여주었습니다. 이는 엔진이 정상 작동 범위 내에서 가동 중일 때조차 마찬가지입니다.

연구자는 제조사의 연료 표를 엔진의 행동에 대한 완전한 그림이 아니라, 엄격한 경계값들의 집합으로 취급함으로써 이 문제에 접근했습니다. 그는 데이터 포인트들을 연결하는 가능한 모든 곡선을 고려하되, 연료 소비량은 음수가 될 수 없고 엔진이 더 열심히 작동할수록 일반적으로 증가한다는 기본적인 물리 법칙을 따르는 곡선들만을 고려했습니다. 그는 알려진 데이터 포인트에 부합하는 모든 가능한 곡선에 대해 최선의 시나리오와 최악의 시나리오를 계산함으로써 '의사결정 감사(decision audit)'를 생성했습니다. 이 감사는 어떤 연료 절감 주장이 수학적으로 확실한 것인지, 아니면 단순히 두 점 사이에 임의로 선을 그어 만든 추측인지 확인하는 엄격한 테스트 역할을 합니다. 이 연구는 커민스(Cummins)와 캐터필러(Caterpillar)라는 두 주요 엔진 제조사의 실제 데이터를 적용하여, 공식 연료 표를 통해 배터리 전략이 엄격한 검증 하에서도 유효한지 확인했습니다.

결과는 극명했습니다. 연구자가 제조사의 데이터 포인트들 사이의 정확한 중간 지점에서 배터리 전략을 테스트했을 때, 결과는 모호했습니다. 현대적인 배터리 시스템의 현실적인 수치인 90.25%의 왕복 효율을 기준으로 했을 때, 분석 결과 모든 테스트 지점에서 배터리가 연료를 절감할지 아니면 소비를 증가시킬지 확신할 수 없는 것으로 나타났습니다. 어떤 경우에는 하나의 타당한 곡선은 연료 절감을 시사했지만, 또 다른 똑같이 타당한 곡선은 연료 낭비를 시사했습니다. 연구는 엔진의 연료 사용량이 높은 범위와 낮은 범위에서 모두 알려져 있음에도 불구하고, 그 중간의 동작은 미스터리로 남는다는 것을 발견했습니다. 예를 들어, 커민스 엔진의 특정 저부하 지점에서 절감을 결정짓는 임계 연료율은 시간당 31.23리터였습니다. 분석 결과, 두 가지 수학적으로 유효한 데이터 확장 방식이 이 선을 서로 반대 방향으로 통과할 수 있었으며, 이는 결과가 실제 제공된 데이터가 아니라 어떤 보이지 않는 곡선을 선택하느냐에 전적으로 달려 있음을 의미합니다.

이러한 모호함은 대상 작동 지점이 제조사 데이터 범위 내에 잘 위치해 있을 때도 지속됩니다. 연구는 두 엔진 유형에 대해 알려진 매듭(knots) 사이에 위치한 6개의 특정 지점을 조사했습니다. 6가지 사례 모두에서 연료 절감에 대한 수학적 경계가 0을 가로질렀으며, 이는 결과의 부호가 미정임을 의미했습니다. 그러나 연구는 결과가 확실한 특정 시나리오도 식별해 냈습니다. 예를 들어, 캐터필러 데이터를 분석할 때 170kW와 175kW의 두 가지 미보고 지점을 동시에 분석하면, 수학적 경계는 모든 허용 가능한 곡선이 연료 사용을 증가시킬 것임을 입증하여 음(-)의 절감을 보장했습니다. 이는 희소한 데이터만으로는 절감을 보장하기 어렵지만, 특정 결합 조건 하에서는 연료 증가를 보장할 수도 있음을 강조합니다. 배터리 시스템을 사용하는 결정은 종 often 엔진의 형태에 대한 입증되지 않은 가정에 기반합니다. 연구는 이 불확실성을 해결하는 유일한 방법은 새로운 구체적인 측정을 얻는 것이라고 결론지었습니다. 연료 사용이 얼마나 빠르게 상승하는지를 제한하는 기울기 제약(slope constraint)이나, 특정 저부하 지점에서의 직접적인 연료 소비량 측정이 모호함을 해소할 수 있습니다. 이러한 추가 정보 없이는 배터리 통합이 연료를 절감할 것이라는 주장은 수학적 확실성이 아닌 검증되지 않은 가설로 남습니다.

이 작업의 함의는 단일 엔진이나 특정 배터리 구성에 국한되지 않습니다. 이는 표준 연료 표에 의존하여 하이브리드 전력 시스템을 설계하는 엔지니어와 시설 관리자들에게 경고를 주는 사례입니다. 이 연구는 배터리가 쓸모없다거나 디젤 엔진이 비효율적이라고 주장하는 것이 아니라, 그 성능을 예측하는 데 사용되는 도구들이 확정적인 주장을 하기에는 불충분하다는 점을 지적합니다. 연구는 이러한 주장을 감사할 수 있는 재현 가능한 방법을 제공하며, 데이터가 강한 부분과 약한 부분을 명확히 보여줍니다. 엔진의 성능이 나열된 지점에서는 정확하지만, 그 사이의 행동은 가능성의 풍경이라는 점을 확립합니다. 저부하 지점에서의 구체적인 측정이 이루어지기 전까지, 배터리 통합을 통한 연료 절감의 약속은 엔지니어가 선택한 특정 곡선에 따라 달라질 수 있는 교육된 추측에 불과합니다. 연구는 명확한 길을 제시합니다. 추측에서 확실성으로 나아가기 위해, 업계는 제조사 표의 빈틈에 의존하는 대신 실제 운영 지점에서의 연료 소비량을 측정해야 합니다.