융합 발전소 비용 산정 프레임워크

초록

본 논문은 2017‑2024년 동안 ARPA‑E 지원 하에 수행된 융합 발전소 비용 산정 작업을 정리하고, 초기 ARIES 기반 스케일링에서 IAEA‑GEN‑IV‑EPRI 표준 회계 체계에 맞춘 검증 가능하고 확장 가능한 모델로 진화한 과정을 기술한다. 최신 버전은 하위 시스템별 Bottom‑up 모델을 적용해 자석·레이저·전원공급·핵심 부품 등 주요 비용 요인을 물리‑기술 기반으로 직접 계산하고, 이를 파이썬 오픈소스 툴(pyFECONs)로 구현해 LCOE를 일관되게 산출한다.

상세 분석

이 연구는 융합 에너지의 경제성을 정량화하기 위한 체계적 접근법을 제시한다는 점에서 의미가 크다. 초기 단계에서는 ARIES 시리즈에서 도출된 비용‑스케일링 관계를 활용해 Nth‑of‑a‑Kind(NOK) 비용을 추정했으며, Bechtel·Decysive와의 파일럿 EPC 검증을 통해 BOP(Balance‑of‑Plant) 비용의 현실성을 확보했다. 그러나 이러한 상향식 스케일링은 설계 변화, 모듈화, 학습 효과 등 비핵심 비용의 변동성을 충분히 반영하지 못한다는 한계가 있었다.

2019년 Lucid Catalyst의 원자력 비용 드라이버 분석을 도입하면서 간접비(엔지니어링, 관리, 컨틴전시 등)를 명시적으로 분리하고, 표준화된 레이아웃·중앙집중 제조·모듈화 전략을 통해 비용 절감 가능성을 정량화했다. 특히 비핵심 비용이 전체 CAPEX의 50 % 이상을 차지한다는 결과는 설계‑중심이 아닌 시스템‑중심 비용 최적화가 필요함을 강조한다.

2022‑2023년에는 BETHE·GAMOW 등 다양한 사기업 컨셉에 적용하면서, MFE(자기유도)와 IFE(관성구속) 각각에서 지배적인 비용 드라이버가 다름을 확인했다. MFE는 초전도 자석과 전원공급이, IFE는 고출력 레이저와 타깃 공급 시스템이 핵심 비용 요소로 부각된다. 또한 PPPL과의 협업을 통해 삼중수소(Tritium) 취급·연료 사이클 모델을 물리‑운영 기반으로 정교화함으로써, 연료계통이 전체 비용 구조에 미치는 영향을 보다 정확히 반영했다.

2023년에는 비용 회계 체계를 IAEA‑GEN‑IV‑EPRI 코드‑오브‑어카운트에 맞춰 재구성하고, ARIES 스케일링을 대체할 Bottom‑up 서브시스템 모델을 구축했다. 여기에는 자석(냉각·구조 포함), 레이저(에너지·반복률·효율), 전원공급(피크 전력·전압 프로파일), 핵심 부품(블랭킷·플라즈마 용기·열전달 구조) 등이 물리‑공학적 제약 조건 하에 직접 비용을 산출하도록 설계되었다. 이러한 모델은 스프레드시트 기반 FECONs에 구현된 뒤, 파이썬 오픈소스 프레임워크 pyFECONs로 전환되어 투명한 입력‑출력 매핑과 재현 가능한 LCOE 계산을 제공한다.

핵심 인사이트는 다음과 같다. 첫째, 비용 산정의 신뢰성을 확보하려면 물리‑기술 기반의 Bottom‑up 접근이 필수이며, 이는 기존 ARIES‑style 스케일링보다 높은 해상도와 확장성을 제공한다. 둘째, 비핵심 BOP·간접비가 전체 비용을 좌우하므로, 모듈화·표준화·학습 효과를 통한 비용 절감 전략이 핵심 설계 목표와 동등하게 고려돼야 한다. 셋째, 국제 표준 회계 체계와 연계된 모델링은 개념 간 비교뿐 아니라 융합과 기존 원자·화석·재생에너지 간의 경제적 경쟁력 평가에도 필수적이다. 마지막으로, 오픈소스 툴 배포는 학계·산업·정책 입안자 간 비용 데이터 공유를 촉진하고, 향후 대규모 파일럿 및 상업화 단계에서 비용 불확실성을 체계적으로 관리할 수 있는 기반을 마련한다.