1. 서 론

인공지능 기술의 확산으로 최근 데이터센터의 전력수요가 빠르게 증가하고 있다. International Energy Agency에 따르면 전 세계 데이터센터 수요를 충당하기 위한 전력 공급량은 2024년 460 TWh 수준에서 2030년에는 1,000 TWh를 상회할 것으로 전망된다 ^[1]. 데이터센터는 24시간 대규모 전력 수요가 발생하므로 전력 조달 비용이 전체 운영비에서 상당한 비중을 차지한다. 이에 따라 전력 조달 방식의 선택·조합과 부하 운용 전략을 통합적으로 고려하여 총 전력비용을 최소화하려는 시도가 확대될 것으로 예상된다.

국내 전력 소비자는 전통적으로 유일한 판매사업자인 한국전력공사를 통해 전력을 구매해 왔다. 한국전력의 전기요금은 기본요금과 전력량 요금으로 구성되며, 기본요금은 계약전력과 연동되어 사용량과 무관하게 정액으로 부과되고, 전력량 요금은 전력 사용량에 비례하여 부과된다. 따라서 수요 특성에 따라 기본요금이 높은 대신 전력량 요금이 낮은 요금제를 선택함으로써 총 전기요금을 절감할 여지가 있다. 또한 최근 재생에너지 직접전력거래(PPA, Power Purchase Agreement), 전력시장 직접구매제도 등 다양한 전력 조달 제도가 도입되면서 한전 요금제 기반 구매 외의 조달 수단을활용할 수 있게 되었고 수요자의 선택 폭도 확대되고 있다. 결과적으로 전력 조달 전략은 단순 요금제 선택을 넘어 조달 수단의 조합, 가격 변동성, 수요 특성 등을 종합적으로 고려해야 하는 복합적 의사결정 문제로 발전하고 있다.

전력 조달 요금제 선택과 관련한 선행연구는 제한적이나 일부 존재한다. 전기차 충전 분야에서는 요금제에 따른 계통 영향과 배출량 저감 수준을 평가한 연구가 수행되었다 ^[2]. 다만 해당 연구는 개별 수요자의 전력 조달 비용을 최소화하기 위한 요금제 선택이나 조달 수단 선택에 초점을 두지는 않았다. 또한 전기요금 구조를 모델링하고 이를 바탕으로 소비자의 전력 소비 비용을 분석하거나 적절한 요금제 선택을 제안한 연구도 있다 ^{[3- 4]}. 그러나 이들 연구는 주로 가정용 수요를 대상으로 수행되어 데이터센터와 같은 대규모, 상시 부하를 대상으로 한 분석은 부족하다.

국내에서도 전기요금 최소화 또는 수익 최대화를 목적으로 수행된 사례가 있다. 시간별 차등요금제 하에서 전기요금 최소화를 목적으로 ESS 운전을 고려한 혼합정수선형계획 기반 연구가 수행된 바 있다 ^{[5- 9]}. 또한 다수의 ESS를 대상으로 지역별 한계가격과 재무적 송전권 시장을 함께 고려하고, 전략적 입찰을 통해 수익을 극대화하는 시장 참여 전략을 제안한 연구가 수행된 바 있다 ^[10]. 데이터센터 수요를 고려한 것은 아니다. 다만 이들 연구는 데이터센터와 같은 대규모 수요의 운용 특성을 직접 반영하지는 않았다. 이러한 한계로 인해, 최근 도입된 PPA 및 대규모 수요의 전력시장 직접구매제도 등을 포함하여 조달 수단을 조합하는 문제를 데이터센터 수요 특성과 결합해 다룬 연구는 제한적이며, 데이터센터 맞춤형 전력 조달 방안 도출로까지는 충분히 확장되지 못했다.

앞서 살펴본 바와 같이, 국내 조달 제도를 다양하게 고려하면서 수요 특성을 반영해 최소 비용 조달 전략을 도출한 연구는 제한적이다. 특히 AI 데이터센터는 수요 이동 가능성으로 인해, 요금제 선택을 넘어 조달 수단 조합의 전략적인 고려가 필요하다. 본 논문에서는 AI 데이터센터 수요 시나리오를 생성하고 최적화 모형을 통해 국내 조달 수단을 활용한 최소 비용을 도출하고자 한다.

본 연구에서 제안하는 최적 전력 조달 포트폴리오를 도출하는 과정은 다음과 같다. 먼저 조달 수단별 비용 산정을 위해 한국전력 요금 체계, 전력시장 직접구매 정산 항목, 망 이용 요금 등 관련 단가·요율 정보를 수집한다. 또한 데이터센터 수요 시나리오 생성을 위해 수요 특성 정보를 정리하고, PPA 시 재생에너지 발전량 시나리오 생성을 위해 태양광 발전 패턴 및 이용률 정보를 수집한다. 이후 본 논문에서 제안한 절차에 따라 수요 시나리오 데이터와 재생에너지 발전량 시나리오를 생성한다. 마지막으로 생성된 AI 데이터센터 수요 시나리오와 태양광 발전량 시나리오를 입력으로 하여 연간 전력 조달 비용을 최소화하는 조달 수단의 조합을 도출한다. 제안 모형에 대한 개략도는 그림 1과 같으며 본 논문이 제안하는 주요 기여는 다음과 같다.

본 논문의 구성은 다음과 같다. 2장에서는 전력 조달 비용 최소화를 위한 전력 조달 포트폴리오 최적화 모형을 제안한다. 3장에서는 시뮬레이션에 필요한 AI 데이터센터의 수요 패턴 생성 방법과 국내 전력 조달 수단별 비용 산정에 활용되는 주요 입력 파라미터를 제시한다. 4장에서는 최적 포트폴리오 산정 결과와 전력 조달 비용을 도출한다. 마지막으로 5장에서는 도출한 결과를 바탕으로 결론을 제시하고 향후 연구 방향을 제안한다.

2. 최적 전력 조달 포트폴리오 산정 모형

본 장에서는 주어진 AI 데이터센터의 시간대별 전력 수요를 충족하기 위한 최소 비용 전력 조달 포트폴리오 산정 모형을 제안한다. 본 연구에서 AI 데이터센터의 부하는 추론(inference) 및 대기(idle) 부하가 상시 존재하고, 학습(training) 수행 여부에 따라 총 부하가 시간대 이동이 가능하다고 가정한다. 전력 조달은 한국전력 선택요금제, 전력시장 직접 구매제도, 재생에너지 PPA, ESS 충ㆍ방전과 학습 부하 수요 이동을 고려한다.

본 연구에서의 목적함수는 전체 전력 조달 비용을 최소화하는 것이며, 전체 비용은 조달 방법 선택에 따라 발생하는 기본요금과 시간대별 전력 사용량에 비례하여 발생하는 전력량 요금으로 구성된다.

$\lambda^{basic}$: 연간 기본요금 합 [원/년]
$\lambda^{oper}$: 연간 전력량 요금 합 [원/년]

수식 (2), (3)은 각각 기본요금과 전력량 요금을 정의한 수식이다. 기본요금 $\lambda^{basic}$은 모든 조달 방법 $m$에 대해 조달 방법별 기본요금 단가 $\lambda_m^{basic}$과 공급 용량 $C_m$의 곱으로 표현되며, 전력량 요금 $\lambda^{oper}$은 모든 시간 $t$ 및 조달 방법 $m$에 대해 시간대별 전력 단가 $\lambda_{m,t}$와 조달량 $p_{m,t}$의 곱을 합산한 값으로 정의된다.

$t$: 시간 인덱스(1시간 단위)
$m$: 조달 수단 인덱스
$T$: 전체 시간 집합, $T = \{1, 2, 3, \dots, 8760\}$
$M$: 조달 수단 집합, $M = \{KEPCO, KPX, PPA, BD, LS\}$
$KEPCO$: 한전 선택요금제 기반 구매
$KPX$: 전력시장 직접구매제도 기반 구매
$PPA$: 재생에너지 PPA 기반 조달
$BD$: ESS 방전으로 외부 조달 대체
$LS$: 학습 부하 수요 이동
$\lambda_m^{basic}$: 조달 수단 $m$의 기본요금 단가 [원/MW]
$C_m$: 조달 수단 $m$의 공급용량 [MW]
$u_m^{basic}$: 조달 수단 $m$의 사용 여부 이진변수
$\lambda_{m,t}$: 시간 $t$에서 조달 수단 $m$의 전력량 단가 [원/MWh]
$p_{m,t}$: 시간 $t$에서 조달 수단 $m$으로 조달한 전력량 [MWh]

수식 (4)는 모든 시간 $t$에서 조달된 전력의 합이 데이터센터의 총 전력 사용량을 충족하도록 하는 수급 제약 식이다. 데이터센터의 기본 수요에 더해 ESS 충전 및 수요 이동으로 인해 일시적으로 증가하는 소비까지 반영하여, 시간대별 조달 조합이 항상 수요를 충족하도록 한다.

$P_t^D$: 시간 $t$의 데이터센터 전력 수요 [MWh]
$P_t^{ch}$: 시간 $t$의 ESS 충전 전력량 [MWh]
$P_t^{MUD}$: 시간 $t$의 수요이동으로 인한 추가 발생 전력 수요
$\sum_{m \in M} P_{m,t}$: 시간 $t$의 총 조달 및 감축량 합 [MWh]

수식 (5)부터 수식 (10)까지는 ESS의 충ㆍ방전 운전과 SOC(State Of Charge)를 모델링하기 위한 제약조건이다. 수식 (5)는 동일 시간에 충전과 방전이 동시에 발생할 수 없음을 나타낸다. 수식 (6)과 (7)은 각 시간 $t$에서 충ㆍ방전 전력이 최대 충전/방전 한계를 초과하지 않도록 제한한다. 수식 (8)부터 수식 (10)까지는 SOC의 상ㆍ하한과 시간에 따른 SOC 변화, 그리고 SOC의 주기 조건을 정의한다.

$b_t^{ch}$: 시간 $t$의 충전 상태 이진변수
$b_t^{dch}$: 시간 $t$의 방전 상태 이진변수
$P_{BD,t}$: 시간 $t$의 ESS 방전을 통한 전력 조달량 [MWh]
$\bar{P}_{ch}$: 시간당 최대 충전 가능 전력량 [MWh]
$\bar{P}_{dch}$: 시간당 최대 방전 가능 전력량 [MWh]
$SOC_t$: 시간 $t$의 ESS 충전 상태 [MWh]
$SOC^{min}, SOC^{max}$: ESS 충전 상태 상한/하한 [MWh]

수식 (11)과 수식 (12)는 수요 이동으로 인해 발생하는 수요 감소 및 수요 증가의 크기를 제한하기 위한 제약조건이다. 수식 (11)은 특정 시간 $t$에서 수요 이동으로 감소시킬 수 있는 전력량을 상한으로 제한하여, 수요 이동이 과도하게 발생하지 않도록 한다. 수식 (12)는 반대로 수요 이동으로 인해 증가하는 전력 사용량의 상한을 정의하며, 특히 배터리 최대 방전량 등을 고려한 현실적인 범위를 크게 초과하지 않도록 제한한다.

$P_{LS,t}$: 시간 $t$의 수요 이동으로 인한 수요 감축량 [MWh]
$P_t^{MUD}$: 시간 $t$의 수요이동으로 인한 수요 증가량 [MWh]
$\bar{P}_{load}$: 데이터센터 최대부하 [MWh]
$\underline{P}_{load}$: 데이터센터 최소부하 [MWh]
$b_t^{NUD}$: 수요 감축 상태 이진변수 [MWh]
$b_t^{MUD}$: 수요 증가 상태 이진변수 [MWh]

수식 (13)과 수식 (14)는 수요 이동으로 인해 변동하는 데이터센터의 시간대별 부하가 물리적으로 가능한 최소ㆍ최대 부하 범위 $\underline{P}_{load}$와 $\bar{P}_{load}$를 벗어나지 않도록 하는 제약조건이다. 수식 (13)은 수요 증가로 인해 증가한 부하를 포함한 시간 $t$의 수요가 최대 부하 $\bar{P}_{load}$를 초과하지 않도록 제한한다. 수식 (14)는 수요 감소로 인해 부하를 감소시키더라도 시간 $t$의 수요가 최소 부하 $\underline{P}_{load}$ 이상을 유지하도록 제한한다.

PPA를 통한 조달량은 시간대별 태양광 발전량 시나리오 $P_t^{pv}$와 동일하게 설정하였다. 따라서 본 연구에서는 PPA를 통해 확보되는 전력이 외생적으로 결정되며, 해당 발전량이 전력 수요 충족에 우선 반영되는 것으로 모델링한다.

$P_{PPA,t}$: 시간 $t$의 PPA 조달 전력량 [MWh]
$P_t^{pv}$: 시간 $t$의 태양광 발전량 [MWh]

수식 (16)은 각 일 단위로 수요 이동에 의해 증가한 전력 소비량과 감소한 전력 소비량의 합이 동일함을 의미한다.

수식 (17)은 조달 수단 $m$의 사용 여부를 나타내는 이진변수 $u_m^{basic}$와 조달량 $P_{m,t}$를 연계하여, 미사용 시 해당 조달량이 0이 되도록 한다.

$M^{big}$: Big-M 상수

3. 수요 패턴생성 및 입력 파라미터

본 장에서는 제안한 최적화 모형을 적용하여 최소 비용 전력 조달 포트폴리오를 도출하기 위해 필요한 데이터센터 전력 수요 정보와 전력 조달 수단별 비용 산정에 필요한 입력 파라미터를 정의한다.

4. 사례연구

5. 결 론

본 연구는 대규모 AI 데이터센터의 전력 수요 특성을 정량적으로 모델링하고, 다양한 전력 조달 수단을 통합적으로 고려하여 최소 비용 전력 조달 포트폴리오를 도출하는 체계적 방법론을 제시하였다. AI 데이터센터의 부하 시나리오를 생성하기 위해 부하 특성을 추론, 대기, 운용 상태로 세분화하여 모델링하였다. 이용률·설비 용량·상태 전환 특성을 반영한 시간대별 수요 패턴을 생성하고, 기존의 단일 조달 방식 중심 분석을 넘어 한국전력 요금제, PPA, 전력시장 직접전력구매, 에너지저장장치, 수요 이동 등을 동시에 고려하는 최적화 기반 접근을 적용하였다. 이를 통해 주어진 제약조건 하에서 비용이 최소화되는 조달 전략을 도출하였다.

전력 조달 수단별 가격 구조와 기술적 제약을 반영하여 최적화 모형을 적용한 결과, 본 사례 분석에서는 한전 일반용(을) 고압B 선택3 요금제와 PPA를 조합한 경우가 가장 낮은 평균 조달 비용을 보였다. 또한 추론 비중 및 PPA 계약 용량이 증가할수록 평균 조달 비용이 감소하는 경향을 보였다. 분석 조건하에서 최소 조달 비용은 118.63원/kWh로 산정되었다. 따라서 AI 데이터센터 사업자는 한전 선택요금제(선택3)를 기본 옵션으로 검토하되, 가능한 범위에서 PPA 계약 용량을 확대하고 ESS 운전 및 학습 부하 수요 이동을 병행하여 시간대별 요금 차이를 적극 활용하는 조달 전략을 우선 고려할 수 있다.

본 연구의 결과는 생성한 수요 시나리오, 과거 계통한계가격 정보, ESS 정보 등의 가정에 기반하여 도출되었다는 한계가 있다. 특히 실제 운용에서는 1시간 이내의 단주기 부하 변동과 계통 상황에 따른 가격 변동이 존재할 수 있으므로, 본 연구에서 산정한 절대적 조달 비용 수준에는 오차가 발생할 수 있다. 또한 본 사례연구에서는 분석 기간이 1년으로 제한적이며, 최적해에서 ESS 충·방전 운전 및 SOC 변동이 나타나지 않아 시간 경과 및 반복 운전에 따른 성능 저하 효과를 고려하지 않았다. 따라서 본 연구 결과는 절대적인 비용 수준의 제시보다는, 조달 수단 조합 변화에 따른 비용의 상대적 변화 및 경향을 해석하는 데 중점을 두고 활용될 필요가 있다. 또한 연료비 단가 변동, LMP 도입 등 실계통 가격·정산 제도의 변화와 ESS 설치 지원 또는 세제 혜택과 같은 정책적 인센티브의 적용 여부에 따라 조달 비용 양상과 최적 조달 전략은 달라질 수 있다. 향후 연구에서는 데이터센터의 실측 부하 데이터와 시장 및 제도 변화 시나리오에 따른 조달 수단 별 비용 양상을 도출하고자 한다.