RVP · 사례 DB · 칼편 · C-63
⚔ 칼 기후·에너지 C-63

DeepMind + National Grid — AI가 풍력 발전량을 36시간 전에 알려주다

재생에너지의 가장 큰 약점은 간헐성이다. 바람이 언제 얼마나 불지 정확히 예측할 수 없으면, 전력 회사는 풍력 에너지를 "신뢰할 수 없는 전원"으로 취급해 가치를 할인한다.

짝 사례 ↔ S-15 · 질로우(Zillow)의 3억 달러짜리 알고리즘 파산
활용 버전
에너지/전력 산업용, 재생에너지 정책용, 일반 사용자용
성과 영역
풍력 발전량 36시간 전 예측, 풍력 에너지의 경제적 가치 약 20% 향상
작동 원리
기상 데이터 + 풍력 터빈 성능 데이터 → 신경망 모델이 36시간 후 전력 생산량 예측 → 전력 시장에 사전 공급 계획 제출
행위 수준
DeepMind + National Grid (영국) / Google Wind Farm 프로젝트
근거 출처
DeepMind Blog (2019) + Google 공식 확인 / National Grid UK 협업 발표
적용 모듈
모듈 D(논쟁적 주제/의사결정) + 모듈 A(정보 검증)

재생에너지의 가장 큰 약점은 간헐성이다. 바람이 언제 얼마나 불지 정확히 예측할 수 없으면, 전력 회사는 풍력 에너지를 "신뢰할 수 없는 전원"으로 취급해 가치를 할인한다. 2019년 DeepMind은 신경망 모델로 풍력 발전량을 36시간 전에 예측하는 시스템을 개발했다. 이 시스템을 적용한 결과, 풍력 에너지의 경제적 가치가 약 20% 향상됐다. 전력 시장에서 사전에 공급 계획을 제출할 수 있게 되면서, "불확실한 전원"이 "계획 가능한 전원"으로 격상된 것이다. 영국의 National Grid과의 협업에서도 AI 기반 수요 예측이 전력 그리드 안정성에 기여했다.

AI가 바꾼 것은 풍력 터빈의 효율이 아니라 풍력 에너지의 '신뢰도'다. 같은 양의 전력을 생산하더라도, 예측 가능한 전력은 예측 불가능한 전력보다 시장에서 높은 가격을 받는다. AI가 만들어낸 것은 추가 전력이 아니라 추가 가치다.

모듈 D(논쟁적 주제/의사결정): 재생에너지의 간헐성 문제에 대한 해법은 AI 예측만이 아니라 에너지 저장(배터리), 그리드 연결, 수요 반응 등 다양한 접근이 복합적으로 필요하다. AI 예측은 해법의 일부이지 전부가 아니다.

모듈 A(정보 검증): "경제적 가치 20% 향상"이라는 수치는 특정 풍력 발전 단지에서의 결과다. 풍력 자원의 특성, 전력 시장 구조, 기상 조건에 따라 효과가 다를 수 있다.

→ 본편: 2부 4장 (모듈 D — 논쟁적 주제), 2부 4장 (모듈 A — 정보 검증)

← 사례 DB로 돌아가기 ⚔ 칼 전체 보기