지난 8월28일 2025 대한민국 에너지대전 부대행사로 열린 ‘AI전환시기 에너지다소비기기들의 변화방향 및 기술개발전략포럼’이 성료됐다.

 

이번 포럼은 한국에너지기술평가원 효율향상부문과 한국에너지기술연구원 차세대 히트펌프시스템 N-Lab이 공동주최했으며 에너지다소비기기대상 AI기술 도입사례, 기술개발 방향 등이 소개됐다.

 

AI/DT기반 스마트빌딩솔루션 공유

 

김석우 삼성전자 B2B통합오퍼링센터 수석은 삼성전자의 인공지능(AI)과 디지털트윈(DT)기반 스마트빌딩솔루션을 공유했다.

 

현재 삼성전자가 쓰는 1년 전기요금(전력비)이 4조원대가 넘어가는 가운데 국내 전기비용 증가에 따른 문제와 전쟁 등 해외의 불안정한 정세로 인한 전력수급 불안정으로 제품단가가 올라가게 되는 문제가 발생했다.

 

단가상승을 지연시키기 위해서는 발생하는 에너지를 줄이는 것이 중요한데 삼성전자 연구소나 빌딩에 있는 전기, 에어컨, 조명 등에서 나오는 에너지절감이 필수적이다.

 

이에 따라 삼성전자는 AI를 도입해 플랫폼차원에서 에너지관리를 하는 방안을 고안해 AI와 DT를 기반으로 향후 당사생존전략과 사회전략 이끌고자 노력하고 있다.

 

특히 AI기반 차세대 빌딩솔루션을 통해 B2B 비즈니스 강화와 스마트시티 확대적용을 목표로 한다.

 

김석우 삼성전자 수석은 “건물에 있어 AI탑재는 기본이며 DT를 통한 운영효율화까지 이뤄내야 한다”라며 “이를 통해 빌딩에너지절감, 사용자 재실자경험, 설비유지보수 효율화 등이 가능할 것”이라고 말했다.

 

삼성전자는 BEMS, 자율운전기반 에너지알고리즘, 다양한 시스템 인터페이스 등을 활용해 빌딩에너지를 절감하고 있으며 개별 사용자용 모바일앱을 통해 다양한 서비스 제공하고 무선조명·센서 연동서비스 등을 통해 재실자경험을 높이고 있다.

 

또한 냉난방·환기, 급탕 등 다양해진 설비를 한 번에 관리하기 위해 IoT시스템을 적용해 유지보수를 효율화해 설비수명을 높였다.

 

중장기적으로는 빌딩자율운영이 가능할 수 있도록 가상화빌딩환경구현, 예측분석을 통한 위험관리, 실시간 보안, 출입통제, 안전관리 제공을 하는 것을 목표로 한다. 빌딩자율운영이 현실화될 경우 에너지, 환경, 보안부문을 효율적으로 관리할 수 있게 된다.

 

지난 2024에는 중대형 빌딩 구축을 통해 빌딩관리시스템(BMS)기술역량을 확보했으며 올해와 내년에는 AI/DT기반 차세대 빌딩솔루션 및 레퍼런스를 확보할 예정이다. 또한 DT기반 캠퍼스 운영솔루션 확보, 건물에너지관리시스템(BEMS) AI기반 알고리즘 확보, 플랜트에너지관리시스템(PEMS)확보 등도 진행한다. 궁극적으로 2026년부터 2027년까지는 단지와 캠퍼스단위 통합솔루션을 확보하는 것이 목표다.

 

김석우 삼성전자 수석은 “전 세계 삼전공장을 수원 R&D센터에서 통합관리하는 형태로 나아가는 것이 지향점이다”라며 “AI와 DT 중 중요설비가 이동하는 설비가 로봇이므로 로봇관리도 큰 인프라 될 것”이라고 강조했다.

 

규모가 큰 건물이나 공장의 경우 AI알고리즘 활용 시 누수를 최소화하며 발생하는 에너지를 최대 50% 이상 절감할 수 있을 것으로 예상한다.

삼성전자 자체 앱을 연동해 묶어서 관리하고 이에 따른 스케쥴, 조건 이후 일어나는 이벤트를 효율적 로직으로 제어하겠다는 구상이다.

 

이를 통해 건물재실자가 앱을 통해 관리하고 볼 수 있는 시스템을 통해 시뮬레이션 통한 선제대응이 가능할 것으로 기대되며 건물군통합모니터링으로 다수건물의 특이사항 인지 및 비상상황 발생시 빠른대처 가능, 효율적인 관리와 안전이 보장될 것으로 기대된다.

 

김석우 수석은 “DT는 향후 에너지절감하고 유지보수 고도화하는 데 있어 중요한 인프라”라며 “아직 초기단계지만 DT가 AI와 연계되고 IoT와 연계되 다른차원의 빌딩, 설비관리가 가능할 것”이라고 말했다.

 

열에너지다소비기기 설계플랫폼 개발과 AI

 

이대근 한국에너지기술연구원 책임은 열에너지 다소비기기 사업장을 효율적으로 설계·제작할 수 있는 플랫폼 기술개발과제의 성과를 공유했다.

 

열에너지다소비산업은 다량의 열이 제품새산에 필요한 제조업으로 △철강 △석유화학 △섬유제지 △식품산업 등이다.

 

산업군에 적용되는 △연소기 △보일러 △히트펌프 △열교환기 △건조기 등의 경우 다양한 업종과 용도, 용량 등에 대응하기 위해 수요맞춤형 주문제작이 이뤄져 표준화 대응이 어렵다.

 

또한 정부 R&D 지원 혜택이 소수에 집중돼있으며 고효율 신기술보급이 지체되고 있는 상황이다.

 

이에 따라 에너지기술평가원은 ‘열에너지다소비산업설비 스마트설계플랫폼 기술개발 및 실증’과제를 통해 열에너지 다소비사업장에 적용가능한 플랫폼 개발과제를 공고했다.

 

주관기관인 에너지기술연구원은 총 21개 기관과 함께 'Smart Thermal Energy Design Platform(STED)' 구축을 목표로 기술개발을 진행했다.

 

연구진은 공공성·개방성·확장성·사용자 편의성·신뢰성·지속가능성을 개발 원칙으로 산업현장에서 쉽게 적용할 수 있도록 설계 모듈화를 추진했다. 또한 IoT 센서와 FEMS(Factory Energy Management System)를 연동해 공정 및 설비를 효율화했다.

기술개발 첫 단계에서는 공정설계를 진행했으며 2번째 단계에서는 기기설계와, 물리기반 기기해석 설계자료 제공, 온오프라인 전문가컨설팅 등이 이뤄졌다.

 

이후 공개 시연과 수요자 피드백을 통해 공정설계에 대한 호응을 얻으며 맞춤 설계의 어려움을 일부 해소했다. 반면 상세 설계단계에서는 여전히 전문가 컨설팅 의존도가 높아 기업이 독자적으로 신기술을 평가·적용하기 어려운 문제가 발생했다.

 

이에 따라 연구진들은 패턴화된 설계절차를 인공지능에 학습시켜 전문가 개입 없이도 기업 스스로 고효율기술을 탐색·설계·적용할 수 있도록 AI기반 산업설계 플랫폼을 제안했다. 또한 도메인 특화 AI를 통해 특화된 분야에 경량화된 AI모델을 적용해 비용과 시간의 경제성을 확보했다.

 

특히 열교환기 사양과 형상변수를 학습데이터로 구축해 신경망 학습을 통해 판형, 쉘튜브형 열교환기, 단상·다상모듈을 개발했으며 철강공정용 복사관 연소기 2,000개 실험을 물리기반 전산유체역학(CFD)결과로 신경망 학습시켜 연소기 주요성능오차  10% 이내로 예측할 수 있도록 했다.

 

이대근 에너지기술연구원 책임은 “훈련데이터 한계로 인해 심층 신경망의 정확도에는 한계가 있을 수 있다”며 “향후에는 물리모델과 CFD 연계 등을 통해 데이터 부족 문제를 보완하고 실증 가능한 데이터를 축적해 나갈 필요가 있다”고 강조했다.

 

가변형 유체기기기술개발 현황 공유

 

최영석 한국생산기술연구원 수석은 가변형 유체기기기술개발 현황을 공유했다. 유체기계란 유체 운동에너지를 기계적에너지로 변환하거나 그 반대로 변환하는 기계다.

가변형 유체기기인 가변형 압축기는 가변형 입구 가이드베인(Inlet Guide Vane, IGV)와 가변회전속도 제어를 진행하는 데 핵심은 날개자체 변화를 통해 에너지를 절감하는 것이다.

 

한국생산기술연구원은 ‘가변형 고효율 유체기기 핵심기술 및 운영시스템 개발’과제 총과를 맡아 펌프, 송풍기, 압축기 등을 개발했으며 AI/ICT기반 제어시스템을 구축했다,

 

이번 과제는 에너지다소비유체기기의 에너지소비량 저감을 위한 가변형 유체기기의 핵심기술 및 최적운영관리시스템 개발을 포함한 통합형 연구개발과제다.

 

유체기기는 산업부문 전력에너지 사용량의 24% 이상을 차지하며 개별 유체기기의 정격운전에서의 고효율화만으로는 한계가 있어 부하변동·부분부하운전 시 에너지저감이 가능한 가변형 운전기술이 절대적으로 필요한 상황이다.

 

이에 따라 연구진들은 △가변형유체기기 운영관리시스템 시스템 검증 △실시간 최적제어를 위한 가변형 유체기기시스템 운영관리 기술개발 △네트워크기반 유체기기모니터링, 상태진단 및 예측기술개발 △극한환경용 고부가가가치 베어링 기술 △유체기기에 공동적용가능한 AI기반 통합최적설계기술 등을 개발했다.

 

최영석 생산기술연구원 수석은 “가변형 유체기기는 변동속도와 하중회전체 안정화기술, 변동속도·부하에 따른 베어링 윤활유체 누설제어·방지기술, 가변형 유체기기의 유동 및 구조통합최적화기술 등이 필요하다”라며 “이에 따라 설계단계에서부터 최적설계를 위해 극한환경용 고부가가치 베어링/실 기술, AI기반 통합최적설계를 진행했다”고 말했다.

 

연구진들은 최적가변운전기술을 검증하기 위해 상태진단과 모니터링, 부하변동에 따른 최적운전제어, 가변성능검증을 실시했으며 비가변 단순모니터링도 실시했다.

 

유체기기의 운전모니터링 기술은 특정제품 또는 적용대상에 대해 한정돼 에너지소비량 데이터베이스가 부재한다는 단점이 있어 네트워크기반 상태진단, 예측기술·최적제어 및 운영관리시스템을 구축해 AI기반 유동·구조 최적설계를 진행했다.

 

에너지효율을 확인하기 위해 유체기기 하나가 여러 성능곡선 가진 것에 대응가능하도록 해 시스템이 변화돼도 정점을 찾아갈 수 있도록 구축했다.

 

부하변동운전 운영시나리오 수집을 통해 펌프, 송풍기 적용대상시스템을 검토하고 기존 운영된 유입펌프장의 월, 일, 시간별정보를 비교했으며 부하변동운전이 필요한 사이트정보를 수집했다.

 

이를 통해 유량변화 시 에너지절약여부에 대한 실험을 진행하기 위한 펌프·송풍기 축소모형 조립도기반 실증시스템 설계·구축을 진행해 모델별 가변제어동작 및 가변제어범위 확인을 실시했다.

실험결과 펌프는 에너지 소비저감률이 19.5%로 나타났으며 송풍기는 운영시나리오에서 요구유량이 가변범위 벗어나면 스로롤 밸브를 조절해 56.6% 에너지효과를 보였다.

 

최영석 생산기술연구원 수석은 “AI를 설계로직에서 활용하며 상태진단 빅데이터 활용해 최적제어 부분 AI기술로 활용 중”이라며 “향후 시나리오 적용된 모델시험으로 검증할 것”이라고 말했다.

 

전동기 고장진단·AI 결합체계 구축

 

허진 인천대 교수는 전동기 고장진단과 AI접목시스템을 공유했다.

 

전동기 고장진단 범위는 넓어 고장에 대한 고민했던 사람들은 발전기, 해상풍력발전기, 등에서의 고장진단, 큰 사이즈 발전기 전동기 등에서 주로 관심을 보이고 있다.

 

전동기 고장발생 시 파급효과가 커 전동기 센서데이터 기반 모니터링이나 판단하는 역할이 시급하다. 과거에는 신호처리 중심의 접근이 주류였으나 최근에는 AI접목이 빠르게 진행되고 있다.

 

전통적 고장진단방식은 센서를 많이 붙여 외부모니터링을 주로 실시했다. 그러나 만개 이상 모터를 통합모니터링하는 방식은 사실상 불가능해 경량진단체계가 요구된 상황이다.

 

또한 안정성 측면에서도 전기차모터가 주행 중 고장 나면 급정지나 사고로 이어질 수 있어 모터의 상태를 조기포착하고 안전정지로 연결하는 체계가 요구돼 AI진단 수요는 점차 확대되고 있는 상황이다.

 

허진 인천대 교수는 “현장 적용성을 위해 인버터 입·출력 전압·전류 등 기존신호만으로 최대한 판단하는 경량접근이 현실적인 방식”이라며 “비용과 확장성에서 유리한 전략일 것”이라고 강조했다.

 

이에 따라 물리적 특성과 AI를 결합해 △전압·전류 위상 △임피던스 △역기전력 등 1차 가공 특징을 추출해 학습효율을 높이는 방식이 떠오르고 있다. 고품질 고장데이터 확보와 도메인 지식이 결합 시 신뢰성이 증가시키는 것이 핵심이다.

 

허진 인천대 교수는 “권선고장은 발생 후 100ms 이내 포착이 중요하며 수백 ms만 지나도 연소·화재로 이어질 수 있다”라며 “베어링 고장은 비교적 서서히 악화되며 소음과 진동이 조기 징후가 될 수 있지만 편심이 자속편중을 거치면 권선과열로 연쇄될 수 있어 고장들이 상호 연동돼 복합 리스크를 만들 수 있다”고 말했다.

 

허진 인천대 교수는 “고장진단기술에 AI접목을 진행해 다양할 수 있는 다양한 설계를 진행했다”라며 “강건설계로 모터제조공정에서 공차범위가 시스템 안정성에 영향을 얼마나 미치는지에 대한 연구가 필요하다”고 말했다.

 

AI·디지털트윈기술 개발에 따른 에너지·기계분야 변화 조망

발제 이후 정지환 부산대학교 교수가 좌장을 맡아 △송찬호 한국기계연구원 센터장 △박기준 한국전력연구원 랩장 등을 포함한 발표자들이 패널토론을 진행했다.

 

 

송찬호 한국기계연구원 센터장은 “현재 AI·DT에 대한 강력한 드라이브가 있다”라며 “이와관련한 흐름에 맞춰 연구개발되고 있으며 기계분야 역량 끌어올리는 중으로 히트펌프 분야에서도 열과관련한 시스템설계를 AI활용한 디지털트윈 개발해 앞으로 설계하고자 준비하고 있다”고 말했다.

 

박기준 한국전력연구원 랩장은 “현재 전력연구원 내에서 AI는 이미 적용 중”이라며 “10년 이후 대부분의 업무영역에서 조금이라도 상향된 AI기술을 적용해 처리할 것으로 예상하는데 이때 여러건물에 적용 시 어려움이나 모델링 확장전략을 고민해야 할 시점”이라고 말했다.

 

김석우 삼성전자 수석은 “DT 구축 시 에이전트를 이용한 인터페이스 모델로 AI를 통해 건물별 모델 쉽게 뽑아내면 투자비대비 ROI가 나올것으로 예상한다”라며 “AI에이전트를 이용해 여러 어플리케이션 한 통합모듈로 적용되면 사업화가 가능할 것으로 예상한다”고 말했다.

 

이대근 에너기기술연구원 책임은 “AI 접목은 예측못한 교란에 대해 어떻게 인지할까하는 문제로 이해할 수 있을 것”이라며 “AI에게 어느정도 정확도 요구하느냐 등 문제로 수렴할 것으로 예상되는데 물리정보, 물리기반 AI 활성화를 통해 다양한 교란상황이 방정식에 의해 설명될 수 있도록 심도있는 기술개발이 필요하다”고 말했다.

 

허진 인천대 교수는 “데이터 부족은 초기단계이기 때문에 발생하는 문제이며 향후 AI가 발전되면서 강점가질 것”이라며 “요즘 특정대기업은 전기회로 등에 DSP를 구현해 알고리즘 자는것가지 구현돼 오픈소스로 사용하는 것 외에도 다양한 기술이 발생할 수 있을 것”이라고 말했다.

 

최영석 생산기술연구원 수석은 “실제로 실증하면서 모델시험 시 우수한 효과를 홍보하는데 사실상 중소기업이 개발한 우수한 효율의 제품을 실제 적용하는 사례는 드물다”라며 “사용자들을 이해시켜 기술개발한 결과와 보급효과를 실제적으로 느낄 수 있도록 노력해야 한다”고 말했다.