전력 수요 및 에너지 소비 관리 시스템

본 논문은 남부 페루(Southern Peru) 제련소에 적용된 전력 수요 및 에너지 소비 관리 시스템을 상세히 기술한다. 시스템은 크게 두 부분으로 구성된다. 첫 번째는 시간별 전력 수요를 예측하는 ‘예측 모듈’이며, 두 번째는 플랜트 전체 전력 시스템을 재현하는 ‘시뮬레이션 모듈’이다. 예측 모듈은 15분 간격으로 수집된 캘린더 데이터(분기, 시간, 일, 주, 월), 생산량 데이터(양극, 황산, 산소 생산량), 전월 수요 데이터를 입력으로 사용한다. 이 데이터를 기반으로 NARX 형태의 동적 재귀 신경망을 설계했으며, 학습 단계에서는 백프로파게이션과 확장 칼만 필터(EKF)를 결합해 가중치를 최적화하였다. 기존의 선형 회귀와 서포트 벡터 머신(SVM) 대비 예측 정확도가 현저히 향상되었으며, 2007년 10월 한 달간의 실험에서는 평균 제곱근 오차(RMSE)가 0.486 %에 불과해 1 % 이하의 오차율을 달성하였다. 시뮬레이션 모듈은 파라메트릭 추정, 신경망 모델링, 통계 회귀, 기존 물리 모델을 복합적으로 활용한다. 각 설비(양극 생산 라인, 황산 생산 설비, 산소 생산 설비)의 전력 소비 특성을 회귀식으로 도출하고, 이를 신경망 보정값과 결합해 전체 플랜트의 전압·전류·전력 흐름을 시뮬레이션한다. 시뮬레이션 결과는 실제 청구서와 비교했을 때 3 % 수준의 차이만을 보이며, 에너지 손실 구간과 비효율 설비를 정확히 식별할 수 있었다. 변수 선택 과정에서는 생산량, 캘린더(시간, 요일, 월), 전월 수요가 전력 수요에 가장 큰 영향을 미치는 것으로 확인되었다. 온도 변수는 미래 예측이 어려워 제외했으며, 이는 산업 현장에서 실용적인 변수 설계 사례를 제공한다. 신경망 설계 시에는 입력‑출력 매핑을 명확히 정의하고, 피드백 루프와 활성화 함수(tansig, purelin)를 적절히 배치해 학습 안정성을 확보하였다. 운용 측면에서는 예측된 피크 수요를 사전에 분산시키거나, 고부하 설비의 교체·리퍼포먼스 향상 방안을 제시한다. 시뮬레이션을 통해 다양한 에너지 절감 시나리오(예: 설비 부하 재배치, 전압 레벨 최적화)를 가상 실험함으로써 실제 적용 전 위험성을 최소화한다. 또한 GUI 기반 인터페이스를 제공해 현장 운영자가 데이터 입력, 예측 결과 확인, 시뮬레이션 결과 분석을 손쉽게 수행하고, 이를 기반으로 전략적 의사결정을 내릴 수 있다. 전체적으로 본 연구는 고정밀 수요 예측과 물리·데이터 기반 시뮬레이션을 결합한 통합 솔루션을 제시한다. 이는 전력 비용 절감, 피크 관리, 설비 최적화 등 에너지 효율 향상을 목표로 하는 대규모 금속 제련 플랜트와 같은 에너지 집약형 산업에 실질적인 가치를 제공한다.