출력제한 없이 유연성 확보: 데이터센터 전력 공급을 위한 가정용 배터리의 가능성을 살펴본 보고서

Piq Energy의 출력제한 없이 유연성 확보 보고서는 가정용 배터리를 조율해 전력망 용량이 제약된 지역에 대규모 전력 소비자를 연결하는 데 어떻게 기여할 수 있는지 살펴본다. 10월 29일에 발표된 이 보고서는 Base Power와 함께 진행한 연구를 소개한다. 이 연구에서는 텍사스주 포트워스 인근에 제안된 100MW 부하로 인해 발생한 송전망 과부하를 표적 배터리 급전으로 해소했다.

이 연구 결과는 전력 이용이 발전량뿐 아니라 전력망의 송전 능력에도 좌우되는 AI 데이터센터에 중요한 의미가 있다. 또한 AI의 또 다른 역할도 보여준다. Piq는 에이전트형 계획 플랫폼을 활용해 잠재적인 전력망 해결책을 평가하는 데 필요한 엔지니어링 분석을 구성한다.

송전 계획 자원으로서의 가정용 배터리

Base Power는 주거용 배터리 시스템을 개발·설치·운영한다. 이 회사의 사업은 가정용 비상 전력과 전력망을 지원할 수 있는 통합 운영을 결합한다. 따라서 하나의 배터리가 지역 차원의 복원력 수요를 충족하는 동시에, 더 큰 규모로 관리되는 자원의 일부로 기능한다.

계획 단계에서 중요한 질문은 해당 자원이 어디에서 효과를 낼 수 있느냐는 것이다. 수요가 추가되면 전력망 전반의 전력 흐름이 달라지며, 가장 효과적인 배터리 설치 위치가 접속을 원하는 고객과 가까울 필요는 없다. 한 곳에서 충전하고 다른 곳에서 방전하면 과부하가 걸린 송전 설비에서 전력 흐름을 다른 곳으로 분산할 수 있다.

ERCOT의 집합형 분산 에너지 자원 실증 사업은 배전망에 연결된 여러 지점이 급전 지시에 공동으로 대응할 수 있는 체계를 제공한다. 등록, 원격 계측, 자격 요건은 여러 배터리를 통합 운영하는 일이 개별 배터리의 정격 용량을 단순히 합산하는 것보다 복잡한 이유를 보여준다.

벌레슨 스위치 연구의 주요 결과

이 보고서는 Oncor 서비스 지역의 벌레슨 스위치에 제안된 접속을 살펴본다. 100MW의 부하를 추가하자 송전 설비 5곳에서 열적 제약 8건이 발생했다. 모델에서는 11개 지점의 배터리를 조율해 급전함으로써 8건을 모두 해소했으며, 이때 필요한 배터리 총 급전량은 약 81.5MW였다.

더 큰 부하를 적용한 시나리오에서는 효과가 점차 감소하는 것으로 나타났다.

첫 번째 사례는 분산형 배터리를 더 연구할 필요가 있음을 보여준다. 두 번째 사례는 분산형 배터리의 유용성이 위치와 전력망 여건에 달려 있는 이유를 보여준다. 마지막 몇 건의 제약을 해소하려면 훨씬 더 큰 포트폴리오가 필요할 수 있다. 유연한 자원과 기존 방식의 설비 보강을 함께 활용하는 편이 더 실용적일 수 있다.

81.5MW가 데이터센터의 전력 공급량을 뜻하지 않는 이유

기술 백서 원문은 9월 1일자로 작성되었으며, 총 급전량과 순주입량을 구분한다. 예시로 든 비상 상황에서 배터리는 43.2MW를 주입하는 한편 다른 배터리는 38.2MW를 흡수해, 순주입량은 5MW가 된다.

배터리는 100MW 부하 전체에 전력을 공급하는 것이 아니라 전력 흐름을 재분배한다. 신규 고객에게는 여전히 전력 공급원이 필요하며, 모델에서 다룬 개입은 송전망 과부하를 해소한다. 또한 MW로 측정하는 배터리 출력과 MWh로 측정하는 저장 에너지는 서로 다르다. 저장 에너지량에 따라 대응을 얼마나 오래 지속할 수 있는지가 결정된다.

에이전트형 AI가 전력망 엔지니어링에 기여하는 방식

Piq의 기술은 전력망 데이터 세트, 시뮬레이션 엔진, 반복 실행이 가능한 엔지니어링 작업 절차를 결합한다. 계획 수립 에이전트 Delphi는 엔지니어가 최종 결정권을 유지하는 가운데 연구 설정, 전력망 모델 탐색, 결과 비교, 보고서 초안 작성을 지원한다.

회사는 자연어 요청으로 결정론적 분석을 조율하는 시스템을 설명한다. 병렬로 연구를 실행하면 더 많은 시나리오를 시험할 수 있으며, 결과는 특정 모델 버전과 연결된 상태로 유지된다. 이 차이가 AI의 기여를 이해하는 데 핵심이다. 언어 모델은 전력망 평가에 사용되는 전력 흐름 계산을 대체하지 않고도 작업을 구성하는 데 도움을 줄 수 있다.

Unite.AI가 공동 창업자 겸 CEO인 Tom Nudell과 진행한 인터뷰에서 그는 재현성과 전문가들을 조율하고, 분석을 정의하며, 유용한 모델을 구축하는 데 필요한 작업을 강조했다. 이번 보고서는 특정 적용 사례를 통해 그 전략을 보여준다. Piq는 이 프로젝트를 며칠 만에 완료했다고 밝혔다. 회사가 추산하기로는 기존 방식으로는 몇 달이 걸릴 작업이다. 이 비교는 독립적으로 통제된 벤치마크 결과가 아니라 회사의 평가다.

앞으로 입증해야 할 점

이 기술 연구는 직류 조류 분석을 활용해 열적 제약을 평가한다. 구현에 앞서 교류 조류, 전압, 안정성, 통신 및 운영 신뢰성을 추가로 평가해야 한다. 최적화 과정에는 가격이 반영되지 않으므로, 상업적으로 비용이 가장 적게 드는 해법을 제시하는 것은 아니다.

수치 결과는 연구 대상 접속 지점, 가정한 배터리 집합 및 계통 조건에 적용된다. 이를 다른 위치에 그대로 적용할 수는 없다. 또한 이 모델만으로 승인된 운영 중인 확정적 접속이 성립하는 것도 아니다.

Base의 분산 자원 집합화에 관한 논의는 특정 송전망 지점의 배터리를 고려하는 데 상업적 관심이 있는 이유를 설명한다. 개발자에게는 인프라 확장과 함께 유연성을 평가할 기회가 있다. 운영자에게는 신뢰할 수 있는 급전과 그 활용을 규율하는 규칙이 여전히 필수적이다.

데이터센터 전력 제약에 더 정밀하게 대응하는 접근법

이 보고서는 인프라 계획에서 AI가 맡을 수 있는 실용적인 역할을 제시한다. 여러 자원의 조합을 더 쉽게 검토하고, 어떤 지점에서 도움이 되는지 파악하며, 그 이점이 줄어드는 지점을 드러내는 역할이다. 분석 속도가 빨라지면 배터리만으로는 충분하지 않다는 결론에 이르더라도 프로젝트 선택을 개선할 수 있다.

독자는 출력 제한 없이 유연성 활용하기에서 연구 결과를 살펴보고, 함께 제공되는 기술 백서에서 가정과 한계를 확인할 수 있다. 두 자료는 데이터센터 전력망 계획의 일환으로 가정용 배터리의 협조 운전을 시험해 볼 근거를 제시하며, 실제로 유용한 용량을 제공할 수 있는지는 엔지니어링 검증을 통해 판단해야 한다.