Tom Nudell, Piq Energy의 CEO 겸 공동 창립자 – 인터뷰 시리즈

Tom Nudell, Piq Energy의 CEO 겸 공동 창립자는 전력 시스템 엔지니어이자 기술 경영자로서 그리드 분석, 전송 계획 및 에너지 인프라 분야에서 깊은 경험을 보유하고 있습니다. Piq Energy를 설립하기 전, 그는 Smart Wires에서 거의 7년 동안 근무했으며, 여러 분석 리더십 역할을 거쳐 최종적으로 제품 및 솔루션 분석 이사(Director of Product and Solution Analytics)로서 전송 계획 엔지니어, 소프트웨어 엔지니어, 분석가 등으로 구성된 다학제 팀을 이끌며 고급 그리드 계획 연구와 자동화된 분석 시스템을 수행했습니다. 이전에는 MIT에서 박사후 연구원(Postdoctoral Research Associate)으로 재직하면서 상호 연결된 에너지 시스템의 복원력, 마이크로그리드 에너지 관리 및 트랜잭션 제어에 집중했습니다. 또한 North Carolina State University에서 실시간 측정, 물리 기반 머신러닝, 제어 이론 및 최적화를 활용하여 대규모 전력망에서 교란을 위치 파악하는 연구를 수행했습니다.

Piq Energy는 새로운 에너지 프로젝트, 데이터 센터 및 기타 대규모 전력 부하를 전력망에 신속히 연결하는 데 초점을 맞춘 그리드 계획 소프트웨어 회사입니다. 이 플랫폼을 통해 개발자와 유틸리티는 복잡한 그리드 연구를 내부에서 수행하고, 엔지니어링 워크플로를 자동화하며, 잠재적인 연결 지점을 평가하고, 다양한 프로젝트 및 그리드 시나리오를 보다 빠르게 테스트할 수 있습니다. Piq는 전력 시스템 모델, 데이터, 엔지니어링 도구 및 AI 기반 워크플로를 통합된 환경에서 결합하는 에이전트 기반 그리드 계획 플랫폼을 개발 중이며, 적용 분야는 태양광, 풍력, 배터리 에너지 저장 및 대규모 부하 개발에 걸쳐 있습니다. 회사에 따르면 이 기술은 1,000개가 넘는 전송 그리드 모델을 관리하고 10,000건이 넘는 엔지니어링 워크플로를 완료했으며, 새로운 에너지와 컴퓨팅 인프라가 직면한 가장 큰 병목 현상 중 하나인 장시간 그리드 연결 절차를 줄이는 것을 목표로 하고 있습니다.

귀하의 경력은 물리 기반 머신러닝 연구, MIT에서의 그리드 복원력 작업, 그리고 Smart Wires에서 7년간 전송 계획 분석 구축을 아우릅니다. 이러한 경험이 어떻게 Piq Energy가 해결하고자 하는 구체적인 문제를 식별하게 만들었나요?

제 박사학위는 계산 전력 시스템 분야였으며, 실시간 광역 모니터링 및 제어에 중점을 두었습니다. 이후 MIT에서 복원력 있는 전력망과 동적 시장 메커니즘에 대한 박사후 연구를 진행했습니다. 박사후 연구를 마친 뒤 Smart Wires에 합류하여 분석 팀을 창립하고 7년 동안 규모를 확장했습니다. 저희 팀은 4대 대륙에 걸쳐 전력 시스템 엔지니어링을 포괄했으며, 전력 흐름, 시장 시뮬레이션, 동역학, EMT, 하드웨어 인 더 루프 등에 대한 전문성을 보유했습니다.

Smart Wires에 합류한 지 3개월 만에 그리드 계획이 본질적으로 방대하고 복잡한 데이터 과학 문제라는 것을 깨달았습니다. 저는 분석 정의, 다양한 분야 전문가 간의 협업 조정, 모델 구축 및 검증 등 가장 비용이 많이 드는 프로세스 단계를 간소화하고 자동화하는 방법을 고민하기 시작했습니다. 그리드 계획 프로세스를 개선하기 위해 몇 가지 핵심 아이디어를 개발했습니다. 첫 번째는 재현성입니다—분석이 100% 재현 가능하면 다른 사람이나 전문가가 분석을 다시 실행하는 데 추가 비용이 전혀 없어야 합니다. 이러한 재현성은 개발자, 유틸리티 및 기타 제3자 간의 원활한 협업을 가능하게 하는 데 필수적입니다. 두 번째는 “모든 모델은 틀리지만, 일부는 유용하다”는 개념을 적용하고, 모든 상황에 대해 가장 ‘정확한’ 모델을 만들고 관리하려 하기보다 현재 문제에 유용한 모델을 보유하고 있는지를 검증하는 데 초점을 맞추는 것이었습니다. (여기서 “모델”이라 함은 그리드 네트워크 모델, 장치 및 플랜트의 동적 모델 등을 의미합니다.)

이러한 초기 통찰은 저와 공동 창업자인 Dio가 우리가 수행하던 작업을 자동화할 정교한 소프트웨어 플랫폼을 구상하도록 이끌었습니다. 동시에 우리는 연결 대기열이 그리드에 거대한 병목이 되고 있음을 목격했습니다. 또한 인버터 기반 자원(IBR, 모든 신규 재생 에너지 프로젝트 포함) 및 Smart Wires가 판매하던 SmartValve 하드웨어와 같은 그리드 강화 기술을 연결하는 데 점점 더 큰 어려움이 발생하고 있었습니다. Dio와 저는 이러한 문제를 해결할 방법을 알고 있지만, 이를 위해 소프트웨어 회사를 설립해야 한다는 결론에 도달했습니다.

세 가지 요소가 있습니다. 첫째, 계산 전력 시스템에 대한 제 배경과 글로벌 분석 팀을 운영한 경험이 기반이 되었습니다. 둘째, Smart Wires에서 이미 수행한 작업이 실질적인 가치를 창출할 수 있음을 입증했습니다. 마지막으로, 거시적 환경—도전 과제의 규모가 곧 기회의 규모와 맞물리는—이 Piq Energy를 시작하도록 뛰어들게 만든 촉매제였습니다.

Piq는 자신을 \”에이전트 기반 그리드 계획 플랫폼\”이라고 설명합니다. 이 시스템이 단순한 자동화 또는 분석 플랫폼이 아니라 에이전트 기반이 되게 하는 요소는 무엇이며, AI 에이전트가 독립적으로 계획하고 실행할 수 있는 작업은 무엇인가요?

Piq는 연결을 가속화하고 있습니다. 현재 기술 분석이 연결의 가장 큰 병목 현상이므로, 우리는 이러한 기술 분석을 신속히 수행하기 위해 자율 그리드 계획 플랫폼을 구축하고 있습니다.

자동화 수준이 존재합니다. 오늘날 이러한 자동화 수준은 전력망 계획 및 연계에 대해 명확히 정의되지 않았지만, SAE의 운전 자동화 수준.과 유사한 것을 상상해 볼 수 있습니다. 저는 2018년에 CIGRE World Congress에 발표한 논문에서 이 아이디어를 언급했습니다. [T. Nudell, et al. “On Developing Automated Tools for Reliability Planning”, CIGRE Paris C1-201, 2018.].

현재 우리는 대규모 언어 모델이라는 놀라운 범용 기술을 보유하고 있으며, Piq와 함께 에이전트 자율성을 활용하면서도 물리와 엔지니어링이 매번 정확히 수행되고 완전히 재현 가능하며 감사 가능한 방식으로 이루어지도록 방법을 모색하고 있습니다.

오늘날 우리 에이전트는 모델과 시나리오를 구성하고, 연구를 시작하며, 발표된 보고서를 교차 참조하고, 결과를 분석한 뒤, 연구 데이터에 기반한 새로운 보고서를 작성합니다.

전력망 연구는 기존 엔지니어링 소프트웨어, 상세한 네트워크 모델, 그리고 엄격한 물리적 제약에 의존합니다. Piq는 확률적 모델이 기본 전력 시스템 물리를 무시하지 않도록 하면서 AI를 이러한 결정론적 도구와 어떻게 결합합니까?

전력망 연구가 기존 소프트웨어, 상세 모델, 그리고 알려진 물리에 의존한다는 점에 동의합니다. 우리 플랫폼은 에이전트가 인간 전문가를 보강하도록 하며, 어떤 종류의 연구를 수행하고 시나리오를 어떻게 구성할지에 대한 데이터와 컨텍스트를 제공하고, 분석을 구체적인 결과 데이터에 기반하도록 합니다.

하지만 그 사이의 모든 과정은 확장 가능하고 결정론적인 자동화입니다. 에이전트가 새로운 코드를 작성하거나 익숙하지 않은 물리 시뮬레이터를 사용하는 일은 없습니다. 이는 에이전트가 수행하는 작업이 재현 가능하고 감사 가능하며 매번 올바르게 수행되기 때문에 다른 접근 방식에 비해 훨씬 높은 신뢰성을 제공하는 플랫폼을 만들게 됩니다. 다시 말해, 인간 엔지니어가 결과물을 검토하면 프로세스의 모든 단계를 복제하여 동일한 결과를 얻을 수 있어야 합니다.

전통적인 연계 또는 전송 계획 연구의 어떤 부분을 Piq가 오늘날 자동화할 수 있으며, 어떤 결정은 여전히 자격을 갖춘 엔지니어의 검토와 승인이 필요합니까?

오늘날 Piq는 개발자에게 연계 연구 프로세스 전반에 걸친 도구 세트를 제공합니다.

첫 번째는 우리가 지역 스크리닝 분석이라고 부르는 대규모 영역에 대한 고수준 그린필드 스크리닝입니다. 이는 지역 내 모든 노드에서 N-1 여유 용량의 히트맵을 제공하여, 위치를 확정하기 전에 전력망에 실제로 여유가 있는지를 확인할 수 있게 합니다.

두 번째는 특정 위치에 대한 심층 스크리닝인 POI 연구, 즉 포인트 스크리닝입니다. 이러한 연구는 하나의 연계 지점에 대해 깊이 파고들어 네트워크 제약 전체, 잠재적 업그레이드, 그리고 해당 프로젝트가 연결될 경우 업그레이드 비용을 분석합니다.

세 번째는 대기열 관리입니다. 여기서 개발자는 클러스터 연구의 게임 이론을 적용하여, 상세 비용 할당을 이해하고 발전기 풀의 변동에 따라 할당이 어떻게 변하는지를 파악할 수 있습니다. 프로젝트 규모가 조정되고, 프로젝트가 탈락하며, 다른 개발자가 조치를 취하면 비용 할당도 함께 변합니다. 이는 동적인 문제이며, 오늘날 대부분의 개발자는 사전에 모델링하기보다 사후에 그 사실을 알게 됩니다.

Piq는 또한 동적 플랜트 모델—데이터 센터, 태양광 발전소 및 그리드의 기타 참여자를 나타내는 장비와 제어 시스템—의 모델 구축 및 검증 과정을 자동화합니다.

이 모든 모델, 결과 및 보고서는 입력을 안내하고 출력물을 검토할 수 있는 인간이 관여해야 합니다. 우리는 아직 완전한 자율 시스템을 보유하고 있다고 주장하지 않으며, 그렇게 주장하는 사람을 신뢰하지도 않습니다.

Piq는 10,000건 이상의 실생산 연구를 완료했습니다. 이러한 규모로 운영하면서 모델 정확성을 유지하고, 변화하는 그리드 상황을 추적하며, 엔지니어가 재현하고 감사할 수 있는 결과를 생산하는 데 대해 무엇을 배웠습니까?

10,000건이라는 수치는 현재는 오래된 것이며, 1월(이 수치가 발표된 시점) 이후 우리는 매월 2,000건의 연구를 수행하고 있으며 성장하고 있습니다. 이는 사용자 수가 증가하고, 더 많은 사용자가 확장 가능한 내부 시스템을 구축하고 있기 때문입니다.

그러한 속도로 운영하면서 재현성이 추가적인 기능이 아니라는 것을 배웁니다. 재현성은 해당 속도로 운영할 수 있는지를 결정하는 제약 조건입니다. 연구가 재현되지 않으면 감사도 할 수 없으며, 감사가 불가능하면 아무도 그 결과에 기반해 행동할 수 없습니다. 연구가 실행 가능하지 않다면, 여러분은 가치를 창출하지 못하고 단지 양만을 생산하는 것입니다. 플랫폼을 구축한 모든 과정은 유용한 모델을 만들고 가치 있는 연구를 수행한다는 아이디어에서 비롯되었습니다.

Piq는 데이터 센터 개발자 및 기타 대규모 부하 고객이 유틸리티에 접근하기 전에 잠재적 부지와 연계 시나리오를 평가할 수 있게 합니다. 이러한 개발자 주도 연구가 상충되는 가정을 만들거나 유틸리티의 공식 분석을 중복하지 않으면서 프로세스를 어떻게 가속화할 수 있을까요?

유틸리티는 여전히 자체 공식 연구를 수행해야 하지만, 우리 고객들은 기다릴 수 없습니다. 오늘날, 공식 연구 결과를 받는 데 1년 이상이 걸릴 수 있으며, 그 사이에 우리 고객들은 수억 달러 규모의 투자를 보유하고 있습니다. 그들은 장비를 조달하고, 토지를 확보하며, 전국에 걸쳐 연결 위치를 확보해야 합니다. 우리는 고객들이 공식 유틸리티 연구보다 앞서 이러한 결정을 내릴 수 있도록 지원합니다. 또한 고객들이 유연한 연결 솔루션이나 대체 업그레이드에 대한 통찰력을 갖추어 유틸리티 방향에 영향을 미칠 수 있음을 확인했습니다.

우리가 제공하는 것은 미래를 빠르고 효율적으로 미리 살펴볼 수 있는 방법입니다. 아무도 크리스털 볼을 가지고 있지 않으며(그리고 대기열에서 누가 경쟁하고 있는지도 모릅니다), 연구가 저렴하고 빠르다면 다양한 시나리오를 탐색함으로써 고객이 자본을 보다 현명하게 활용할 수 있습니다. 또한 고객이 시스템의 기존 용량을 해제할 수 있는 대체 업그레이드를 탐색하고, 유틸리티와 진정한 파트너로서 손잡고 협업할 수 있는 능력도 제공합니다.

캘리포니아 유틸리티는 약 18.7GW에 달하는 새로운 데이터 센터 서비스 용량에 대한 요청을 받았지만, 많은 제안 프로젝트가 실제로 건설되지 않을 수도 있습니다. AI가 유틸리티가 신뢰할 수 있는 프로젝트와 투기성 또는 중복된 요청을 구분하고, 장기 그리드 계획을 왜곡하는 ‘팬텀 부하’를 방지하는 데 도움이 될 수 있을까요?

투기는 비합리적인 것이 아닙니다. 프로젝트가 연구되고 연결되는 데 걸리는 시간을 고려하면, 투기적인 연결 요청을 할 여력이 있는 사람은 누구든지 그렇게 할 것입니다. 이는 현재 존재하는 연결 프로세스에 대한 합리적인 대응입니다. 우리가 보기에는 프로젝트가 건설 속도만큼 빠르게 연구되고 연결될 수 있다면, 처음부터 투기할 유인이 사라질 것입니다.

따라서 답은 AI를 사용해 투기를 식별하는 것이 아니라, AI를 활용해 실제로 프로세스를 개선하고 더 많은 부하를 효율적으로 연결하는 것입니다. 이는 AI가 연결 연구 과정을 가속화하고, 그리드 강화 기술 및 유연한 연결을 포함한 대체 완화 방안을 찾는 것을 의미합니다. 더 높은 신청 비용이나 더 큰 보증금, 개정된 연결 요금과 같은 규제 변화와 결합될 때, AI는 훨씬 더 효율적인 시스템을 구현하고 투기를 크게 감소시킬 수 있습니다.

하지만 변화가 없을 경우, 팬텀 부하 문제는 계속해서 악화될 것입니다. 팬텀 부하가 늘어날수록 연구해야 할 시나리오가 증가하고, 이는 유틸리티 계획자들의 장기 계획을 더욱 어렵게 만들어 시스템 전체를 느리게 합니다. 시스템이 느려지면 투기 유인이 커집니다. 이는 우리가 2023년에 Piq을 설립하게 만든 발전기 연결 대기열에서 목격한 바로 그 현상이며, 우리가 끊고자 하는 피드백 루프와도 동일합니다.

Piq은 유연한 솔루션과 그리드 강화 기술을 통해 거의 1GW에 달하는 그리드 용량을 식별하는 데 기여했다고 말합니다. 어떤 종류의 운영 변화 또는 기술이 그 용량을 해제하고 있으며, 주요 그리드 업그레이드를 피한 프로젝트 사례를 설명해 주실 수 있나요?

용량을 해제할 수 있는 것은 세 가지뿐입니다. 이들은 모두 최근에야 그리드에 적용될 수 있게 된 운영 유연성 유형입니다. 우리는 이러한 세 가지 유연성을 점 유연성, 집합 유연성, 네트워크 유연성이라고 부릅니다.

점 유연성은 연결 지점에서 발생하는 변화로, 자체 발전(Bring Your Own Generation, BYOG), 순 인출 제한, 부하 절감/제어 가능한 부하 등과 같은 솔루션을 포함합니다. 집합 유연성은 VPP(가상 발전소)와 DER(분산형 에너지 자원)과 같이 네트워크 전역에 분산된 자원을 집계하여 전송 제약을 관리하는 것입니다. 네트워크 유연성은 그리드 자체의 파라미터와 구성—고급 전력 흐름 제어, 토폴로지 최적화, 동적 라인 등급—을 의미합니다. 중요한 점은 이 세 가지 모두 모델링·계획·궁극적으로 제어실에 배치될 수 있다는 것입니다.

가장 명확한 예는 네트워크 유연성입니다. 우리는 구속 조건이 단일 요소인 사례를 조사했으며, 해당 구속 조건에 70 MVAr의 전력 흐름 제어를 직접 적용함으로써 약 600 MW의 추가 용량을 해제했습니다. 새로운 송전선이 필요 없고, 다년간의 허가 절차도 없으며, 600 MW 용량을 해제하기 위한 작은 네트워크 업그레이드만으로 해결되었습니다.

최악의 계획 조건 하에서 전송 그리드 용량 활용도는 약 35%에 불과합니다. 그리드는 포화 상태가 아닙니다. 오늘날 대규모 부하를 연결하는 데 가장 큰 과제는 네트워크 용량이지만, 그리드 제약은 특정 장소와 특정 조건에서만 발생합니다. 이러한 제약 대부분은 새로운 전선을 설치하기 위해 10년을 기다릴 필요가 없는 해결책이 존재하며, 그리드를 보다 면밀히 연구함으로써 이러한 해결책을 찾을 수 있습니다.

이 세 가지 유연성 유형을 위한 생태계가 빠르게 성장하고 있습니다. Base Power, Voltus, Smart Wires, NewGrid 등과 같은 기업들이 현재 대규모로 실제 솔루션을 구현하고 있습니다. 현재 부족한 부분은 이러한 솔루션을 처음에 연결 연구에 적용할 수 있는 분석 프레임워크뿐입니다.

그리드와 관련된 엔지니어링 결정은 수십 년 동안 신뢰성, 전기 요금 및 인프라 투자에 영향을 미칠 수 있습니다. 유틸리티가 점점 복잡해지는 계획 워크플로우에 AI 에이전트를 신뢰하기 전에 어떤 안전장치, 검증 절차, 권한 및 감사 추적이 필요할까요?

우리는 100% 동의합니다. 건전한 엔지니어링 결정을 내리기 위해서는 자동화된 모든 작업이 감사 가능하고 재현 가능해야 합니다. 모든 행동에 대한 문서 기록이 필요합니다. AI가 블랙 박스 안에서 실행되어 제어를 벗어나길 원하지 않기 때문입니다.

우리의 감사 추적은 다층적입니다. 에이전트 대화, 에이전트 행동, 그리고 결정론적 도구 실행을 모두 보관합니다. 모든 하위 단계와 하위 워크플로는 그 입력과 출력을 모두 매핑하고 관리하므로 전체 과정이 끝까지 감사 가능합니다.

권한도 매우 중요합니다. 우리 에이전트는 함께 작업하는 사용자의 권한을 상속받습니다. 에이전트는 해당 사용자가 볼 수 없거나 수행할 수 없는 데이터나 행동을 볼 수 없으며 수행할 수도 없습니다.

이는 데이터 거버넌스라는 더 넓은 주제와 관련이 있으며, 에이전트가 기존 패러다임을 변화시키고 있습니다. 과거에 거버넌스는 하나의 사일로 안에 한정된 구조화된 데이터에 관한 것이었습니다. 에이전트를 사용하면 구조화된 데이터, 반구조화 데이터, 비구조화 데이터가 모두 사일로를 넘어 이동하게 되는데, 이는 바로 Piq와 같은 플랫폼이 약속하는 혁신이며, 거버넌스를 더욱 복잡하게 만드는 요인입니다. 다루어야 할 데이터 양이 훨씬 늘어나고, 이를 다루는 사람들의 범위도 넓어졌습니다. 전력 시스템 조직에서는 이것이 두 배로 중요합니다: 경쟁적으로 민감한 투자 정보와 CEII(중요한 전력 인프라 정보) 때문입니다. 다행히도 IEEE 전력 시스템 조직을 위한 데이터 거버넌스 태스크 포스에 참여하는 전문가들처럼 이 분야에 뛰어난 인재들이 작업하고 있습니다.

Piq는 최근 플랫폼 확장을 위해 초과 청약된 500만 달러 시드 라운드를 모금했습니다. 앞으로 5년을 내다볼 때, AI가 전력망 계획을 어떻게 변화시킬 것으로 예상하며, AI 데이터 센터, 전력화 및 산업 성장으로 인한 전력 수요에 맞추기 위해 더 빠른 분석이 충분할까요?

저는 분석을 가속화하기 위해 AI를 활용하는 것이 전력 수요에 대응하는 핵심이라고 믿습니다. 핵심 요점은 이러한 규모의 자동화가 단순히 동일한 작업을 더 빠르게 수행하는 것이 아니라, 제한된 인간 인력으로는 불가능한 분석을 가능하게 한다는 것입니다. 유연한 연결, 유연한 전송 그리드, 그리드 강화 기술—이 모든 것이 현재 전력망에 존재하는 잠재 용량을 해방합니다. 이를 가속화된 연결 연구와 결합하면, 우리는 수요를 따라잡을 수 있을 것이라고 믿습니다.

훌륭한 인터뷰에 감사드립니다, 더 알고 싶어하는 독자들은 Piq Energy를 방문하십시오.