인프라의 복원력을 극대화하기 위한 AI 활용

편집자 주: 본 글은 Energy Beat 팟캐스트에서 Kevin Scarborough가 발언한 내용을 서술형으로 정리한 것입니다. 전체 팟캐스트 인터뷰는 여기에서 청취할 수 있습니다.

Siemens는 글로벌 에너지 전환이 진행되고 있음을 인지하고 있습니다. 당사는 장기 전략을 인구 통계학적 변화, 도시화, 세계화(glocalization), 환경 변화 및 자원 효율성, 디지털화라는 5대 글로벌 메가트렌드에 기반하고 있기 때문에 이러한 관측에 확신을 가지고 있습니다. 이러한 각 요소는 에너지를 생산, 분배 및 사용하는 방식에 중대한 영향을 미칠 것입니다. 주지하다시피, 기업들은 재생 에너지, 에너지 효율성 및 자산의 전기화를 우선시하고 있습니다.

또한 이러한 전환이 기존 에너지 및 빌딩 인프라에 부담을 주고 있다는 사실도 인지하고 있습니다. 이러한 복잡한 시스템의 신뢰성과 지속성을 유지하려면 신속한 트랜스포메이션이 필요합니다.

빌딩 부문은 전 세계 에너지 수요의 약 40%를 차지하며, 전 세계 빌딩의 가용 공간은 2060년까지 두 배로 증가할 것으로 예상됩니다. 이는 곧 엄청난 면적의 건물이 건설되어 자원 수요를 가중시킬 것임을 의미합니다. 이것이 2050년까지 전력 수요가 3배 증가할 것으로 예상되는 이유 중 하나입니다. 따라서 Siemens Smart Infrastructure의 CEO인 Matthias Rebellius가 최근 Reuters Plus 기고문에서 언급했듯이, “복원력 있는 에너지 공급은 인프라의 최우선 과제가 될 만큼 중요해졌습니다.”

Siemens는 이를 빌딩 및 에너지 인프라가 AI를 통해 더욱 지능화되고 당사가 열망하는 미래 지향적 기술을 창출할 수 있는 중요한 기회로 보고 있습니다.

Siemens는 Building X 에코시스템 내에서 AI를 활용하고 연구하여 데이터 보고의 전달력을 개선하고, 결과적으로 고객에게 더 높은 에너지 효율성과 운영 성과를 제공하고 있습니다. 한 가지 예로 생성형 AI를 활용하여 자산의 작업 지시 내역을 식별함으로써 유지보수의 우선순위를 정하고 유지보수 요구에 더 신속하게 대응하는 것을 들 수 있습니다. 또한 머신 러닝을 사용하여 전산실 공조기(air handler) 및 에어컨을 최적화합니다.

간단히 말해, 당사는 AI에게 빌딩 내 에너지 사용과 빌딩 자체에 대해 분석할 것을 요구하고 있습니다. 그러나 이 새로운 환경의 다른 모든 것과 마찬가지로 과제와 기회가 공존하며, 이는 올바른 데이터에 대한 막대한 필요성으로 귀결됩니다.

에너지 및 유틸리티 산업에 AI를 통합하는 데 따른 과제

에너지 및 유틸리티 산업에 AI를 통합하는 데 있어 가장 큰 세 가지 과제는 데이터 보안, 데이터 거버넌스, 그리고 AI에 대한 과도한 의존입니다.

AI와 관련된 데이터 보안은 대체로 규제되지 않고 있으므로 이는 기회이자 리스크의 영역입니다. 미국 냉동공조공학회(ASHRAE)와 같은 산업 협회가 모여 업계 내 AI 활용을 위한 모범 사례를 수립한다면 기회가 창출될 수 있습니다. 데이터 보안 내의 잠재적 리스크에는 악의적인 행위자가 AI를 해킹과 같은 악의적인 방식으로 사용하는 경우가 포함됩니다. 산업계는 이러한 과제를 해결하기 위해 데이터 보안에 대한 접근 방식을 신속하게 발전시켜야 합니다. 데이터와 의사 결정은 감사가 가능해야 하며, 악의적인 행위자가 사용 중인 AI 엔진의 두뇌에 영향을 미치지 못하도록 알고리즘에 대한 역할 기반 액세스 제어가 마련되어야 합니다.

데이터 거버넌스에서 업계가 효율적이고 효과적으로 결과를 이끌어내려면 AI의 출력이 균일해야 해요. 특히 제너레이티브 AI의 경우 말이죠.품질 데이터 거버넌스에는 표준화된 데이터 분류, 보고 메커니즘, 통신이 포함돼요. 특히 AI가 빌딩 자동화 시스템과 통신하는 경우.통신의 용이성은 주요 데이터 공유를 방해하는 데이터 사일로를 만드는 것을 방지하는 데 도움이 돼요.

하지만 AI에 대한 과도한 의존에는 큰 위험이 있어요.AI에 너무 많이 의존하면 창의성의 핵심인 원천을 잃게 돼요. 모든 것은 AI 엔진에 공급되는 것에 기반하고 이에 국한돼요.이로 인해 편향과 안주감이 생길 수 있어요. 특히 제너레이티브 AI의 경우 말이죠.AI를 창의성 도구로 사용하는 회사는 인간의 마음을 입력하고 감독해야만 성공할 수 있어요.

궁극적으로는 AI 엔진이 그 엔진에 입력되는 데이터만큼만 똑똑할 거예요.

최고의 데이터를 사용하여 건물 및 에너지 산업에서 AI를 활용해요

건물과 에너지에 있는 모든 종류의 AI 애플리케이션에서 가장 중요한 데이터는 정확하고 적용 가능해요. 과거 데이터요미래를 예측하려면 과거에 사물이 그 시스템의 다양한 자극에 어떻게 반응하고 작용했는지 알아야 하니까요.과거 데이터에는 이미지가 포함될 수 있어요. 예를 들어 중앙 플랜트의 이미지를 AI 엔진에 입력하면 기기나 모터의 설계 정보를 인터넷을 뒤지는 데 도움이 돼요.

제너레이티브 AI를 사용하면 특정 시스템의 작업 주문 보고서와 전체 유지 관리 내역을 보유하면 시스템 최적화 전문가인 전문가가 고객이 겪을 수 있는 복잡한 문제를 더 빠르게 해결하도록 할 수 있어요.기계 학습은 올바른 센서를 사용하고 올바른 추세 데이터와 측정값으로 형식을 지정하는 빌딩 자동화 시스템을 갖추는 것이 정말 중요해요.

데이터 정확도와 정말 믿을 수 있는 양의 데이터가 모두 AI 최적화에 필수예요.예를 들어 날씨 데이터를 사용하여 중앙 운영 계획이나 기계 학습을 사용하는 항공 처리기의 잠재적 절감 효과를 계산하는 데 거의 실시간으로 결정을 내릴 수 있어요.이것은 한 프로그램이 다른 시스템의 작동 방식을 알 필요 없이 다른 프로그램에 데이터나 기능을 요청할 수 있게 하는 두 응용 프로그램 사이의 디지털 중개자인 응용 프로그래밍 인터페이스 (API) 를 사용하는 것에 대한 경의예요.시스템 관리자는 사용 중인 AI에 통합할 수 있는 API를 만들 수 있습니다. 그 결과 사용자의 특정 요구에 맞게 출력을 사용자 지정할 수 있어 확장성, 기능, 유연성이 향상돼요.

AI를 위한 적절한 양의 과거 데이터 파악하기

필요한 과거 데이터의 범위를 어떻게 결정하세요?그건, 예를 들어 지난 3년 동안 실제로 무슨 일이 있었는지에 달렸어요.충분한가요, 아니면 더 필요하세요?

에너지 엔지니어였던 제 배경에는 대부분의 관리자들이 2~3년 분량의 유틸리티 데이터를 원할 거예요.하지만 COVID 팬데믹 기간 중에 3년 치 유틸리티 데이터를 원한다고 하셨다면 2020년과 2021년은 미래가 어떻게 될지 예측하는 데 별로 관련이 없다고 말씀드릴 수 있어요. 당시에는 건물이 비어 있었기 때문이죠.

필요한 과거 데이터의 양도 건물 시스템, 건물 자체, 운영상 달성하려는 목표에 따라 달라져요.데이터가 필요한 회의실 공기 처리기가 있는 경우를 예로 들 수 있어요.회의실에서 하루에 한 번 회의가 있으면 아마 2주 분량의 데이터로 충분히 버틸 수 있을 거예요.외부 온도가 특정 온도에서 더 많은 시간을 나타낸다면 그 정도면 충분한 데이터일 거예요.

과거 데이터에 대한 많은 고려 사항은 응용 분야에 따라 다르지만 에너지 관리자는 과거와 글로벌 이벤트가 보유한 데이터의 실제 품질에 어떤 영향을 미쳤을지 진지하게 살펴봐야 해요.

AI를 사용하여 부하 관리와 수요 유연성 문제를 해결해요

에너지 업계는 전력망과 시스템의 부하를 최적화하고 적정화하는 가장 중요한 문제에 기계 학습과 AI를 활용하는 방법을 배우고 있어요.디지털 트윈 기술도 여기에 중요한 역할을 해요.디지털 트윈은 문제가 되기 전에 이러한 시스템의 결함을 감지하여 전기 자산의 수명을 늘리는 데 도움이 될 수 있어요.AI는 그런 자산 트윈을 만드는 데 필요한 대규모 데이터 세트를 처리해서 이 디지털 트윈을 구동할 수 있어요.

에너지 분배에 활용할 수 있는 또 다른 기술은 Siemens Xcelerator 플랫폼 내의 제품인 Electrification X예요. 클라우드 서비스를 기반으로 하는 이 제품은 변전소와 기타 자산을 총체적으로 파악하여 전기화 인프라를 관리, 최적화, 자동화하도록 설계됐어요.Electrification X의 기능 세트인 Electrification X Asset Management는 센서 데이터 분석을 활용하여 자산 소유자와 운영자가 가동 시간과 신뢰성을 높이고 운영 비용을 줄이며 사이버 보안을 강화할 수 있도록 해요.

Siemens는 Gridscale X라는 또 다른 제품을 출시했어요. Gridscale X는 엔드투엔드 그리드 관리를 위한 배포가 쉬운 모듈식 소프트웨어를 제공하고 AI를 활용하여 방대한 양의 그리드 데이터를 분석해요.해당 오퍼링에 Gridscale X DER Insights가 포함되어 있어요. AI를 사용하여 배후의 분산 에너지 자원 (DER) 을 찾아내고 그 동작과 그리드 장비에 미치는 영향을 평가해요.이는 유용한 통찰력을 예측, 분석 및 추출하여 실행 가능한 다음 단계로 전환하는 데 도움이 돼요.이는 고객이 DER 운영을 최적화하고 DER 성능 및 상태를 이해하며 비즈니스 및 그리드 복원력을 극대화하는 데 도움이 되기 때문에 가치가 있어요.

주요 AI 트렌드에 앞서가기

업계 관리자들은 미국과 전 세계에서 도입될 AI 규정을 주시해야 해요. 미래 AI 발전 방식에 확실히 영향을 미칠 것이기 때문이죠.이는 우리가 지금 AI로 하는 일이 바뀔 거라는 뜻이에요.우리는 또한 새로운 AI 기능과 기술이 온라인에 등장할 때 이를 주시해야 해요.업계 관리자는 이러한 새로운 요소가 비즈니스와 고객을 위해 가치를 변화시킬 수 있도록 건물 및 에너지 운영에 어떻게 적용될 수 있는지 빨리 배워야 해요.

궁극적으로는 우리 모두 AI가 할 수 있는 일에 대해 열린 마음을 가져야 해요.다가오는 변화를 받아들이고 AI에서 인간의 역할을 주장해 봅시다.조심할 수는 있지만 두려워해서는 안 돼요.AI에 대해 할 수 있는 모든 것을 배우고 비즈니스를 성장시키고 가치를 더하고 운영을 개선하고 고객에게 혜택을 주는 곳에 활용하면 누구나 AI에 의존할 수 있어요.

게시 날짜: 2025년 12월 30일