By MATT REYNOLDS, WIRED UK

날씨를 예측하는 일이 정확성이 결여된 과학이라는 사실이 절망스러울 따름이다. 스마트폰의 날씨 앱은 특정일 중 비가 올 확률이 있는 순간을 제법 정확하게 예측한다. 그러나 이번 주 일요일 오후 3시 런던 중심가에 폭우가 쏟아질 가능성을 알아보는 데는 크게 도움이 되지 않는다. 갑자기 내리는 비를 절대로 맞고 싶지 않다면, 우산을 들고 외출하거나 실내에 있는 것이 좋다.

많은 사람에게 1시간 뒤 날씨를 모르는 일은 크게 불편한 일이 아니다. 그러나 전력망에 있어, 날씨를 예측하지 못하는 일은 매우 성가신 일이며 탄소 배출의 중요한 원천이 된다. 언제, 어디서 날씨가 바뀔지 더 정확히 예측할 수 있다면, 단순히 대기 흐름이나 날씨를 몰랐기 때문에 많은 양의 이산화탄소가 대기로 배출되는 일을 막을 수 있다.

이 부분에 문제가 있다. 화창한 날, 영국의 태양열 발전소는 약 30%의 전력을 생산할 수 있다. 태양열 발전소의 정확한 전력 생산량 수치 격차는 매우 크다. 그러나 태양열 패널이 선선하면서 화창한 날에 최상의 효과를 보인다는 이상적인 조건이 주어진다면, 평균 에너지 수요 30GW 중 무려 9GW의 에너지를 생산할 수 있다. 지금까지는 만족스러운 결과이다. 그러나 거대한 구름이 갑자기 영국 태양열 패널 다수가 설치된 남서부로 이동한다면, 상당히 많은 양의 재생 에너지가 그리드에서 사라진다. 가스 전력 발전소 전체가 가동 중단된 것과 같은 상태이다. 수백 메가와트의 에너지가 사라지게 된다.

발전소 전체에서 가치가 있는 전력이 단 몇 분 만에 사라지는 것이 이상적인 일이 아닌 것은 분명하다. 따라서 이를 보완하기 위해 전력 발전소는 일부 보조 에너지 생산 계획을 세워 태양열 생선 변화 때문에 발생하는 타격을 줄인다. 영국에서는 국가 그리드 전력 시스템 공급 기관(ESO)이 에너지 생산 균형 유지 및 분배 책임을 진다. ESO는 갑작스레 태양열 발전소의 전력 생산이 어려워질 때, 화석 연료 발전소에 주로 천연가스 연소를 요청한다. (아일랜드는 상당히 다른 방식으로 전력을 생산하는 자체 에너지 그리드를 보유하고 있다.)
 
화석연료 발전소는 서서히 가동하며 전력을 생성하는 대규모 발전소이다. 캘리포니아대학교 샌디에고 캠퍼스의 재생에너지 및 환경 흐름 교수인 잰 클레슬(Jan Kleissl)은 “인간은 5분 혹은 30분이면 에너지 생산량을 급격히 늘리는 전력 발전소를 원한다. 풍력 발전소와 태양열 발전소 전력 생산이 빠르게 바뀌기 때문이다. 그러나 화석연료 발전소는 풍력 발전소나 태양열 발전소와는 다른 방식으로 가동된다. 전체 전력을 가동할 때, 발전소 가동을 시작해 가장 효율적인 수준으로 도달하기까지 시간이 오래 걸린다. 이러한 한계 때문에 태양열 발전소나 풍력 발전소 가동이 중단될 때, 전력 그리드가 에너지를 필요 이상으로 많이 생산하도록 한다”라고 설명했다.

화석연료 발전소가 에너지를 필요 이상으로 생산하는 것을 막을 한 가지 방법은 더 나은 날씨 예측이다. 영국의 태양열 발전소가 특정 시간에 전력을 얼마나 생산하게 될지 정확하게 알게 된다면, 국가 그리드 ESO는 예비 전력으로 보유할 전력 생산량을 줄여, 에너지 그리드의 전체 탄소 발자국을 줄일 수 있다. 다시 말해, 5분 단위로 태양열 에너지가 얼마나 이동할지 알게 된다면, 화석연료 발전소에서 생성되는 전력으로 갑작스러운 태양열 발전소 가동 중단 때문에 발생하는 손실을 막는 대신 매 순간 에너지 사용량을 확실히 알 수 있다.

알파벳 산하 인공지능(AI) 연구소인 딥마인드(DeepMind) 소속 연구원이었던 잭 켈리(Jack Kelly)는 날씨 예측 정확도를 크게 높일 방법을 알고 있다고 생각한다. 켈리는 머신러닝을 이용한 온실가스 배출량 감축에 집중하는 비영리단체 클라이밋 픽스(Open Climate Fix)를 공동 창립했다. 켈리는 “기후변화 문제에 경악했던 머신러닝 연구원 출신으로서 가능한 모든 노력을 동원해 기후변화 문제를 해결하기 위한 시도를 하며 문제를 고치고 싶다”라고 말했다. 켈리는 태양열 발전소 상황 예측 수준이 더 나아진다면, 영국은 연간 탄소 배출량 약 10t을 감축할 수 있다고 추산한다. 이는 국가 그리드 ESO가 언제든 재생에너지 생성이 충분히 가능해진다면, 2025년 탄소 중립 목표를 충족하는 데 중요한 요소가 될 것이다.

켈리는 머신러닝을 이용해, 태양열 발전소의 전력 생산량을 1시간 이내로 예측하는 태양열 실황 예보 정확도를 높이는 방안을 의견으로 제시한다. 특정 지역의 전반적인 날씨를 예측해 정확한 태양열 상황을 예측하는 대신 켈리는 태양열 패널 영역과 관련해 모든 구름의 위치와 구름의 크기 및 모양이 태양열 발전소에 미치는 영향, 패널에 비추게 될 햇빛의 양 등을 정확히 알 필요가 있다.

켈리는 “국가 그리드 ESO가 발전소 가동 계획을 더 잘 세울 수 있으며, 결과적으로 소수의 발전소를 가동하면서 최대치에 가까운 전력을 생산하기를 바란다”라고 말했다. 오픈 클라이밋 픽스는 유럽 기상위성기구(EUMETSAT)에서 수집한 1년 반 동안 수집한 위성 사진과 영국 내 태양열 발전소 시스템 700곳에서 축적한 데이터로 머신러닝 모델을 훈련한다. 현재 오픈 클라이밋 픽스가 사용하는 데이터는 실제로 사용할 수 있는 데이터의 극히 일부에 불과하다. EUMETSAT는 접근이 어려운 금속 테이프로 보관된 11년간 기록된 위성 이미지를 두고 있다. 그러나 1년 반 동안 모은 데이터로 초기 머신러닝 훈련을 하기 충분해야 한다.

오픈 클라이밋 픽스의 접근 방식은 오픈AI(OpenAI)가 제작한 텍스트 생성 모델 GPT-3의 핵심 부분으로도 알려진 트랜스포머(Transformer)라는 딥러닝 구조를 사용한다. 트랜스포머는 데이터의 전체 용량 중, 특정 결과를 생성하는 데 중요한 용량 처리 작업을 하며, 해당 데이터가 상호작용하는 방식 처리 작업도 한다. 단순히 구름이 태양열 패널 영역을 가릴 것인지 아는 것이 중요하지 않다. 빛이 다른 구름에 가려질 때 미치는 영향과 풍향 변화가 전력 생산에 미치는 영향을 아는 것도 중요하다. 켈리는 “이 모든 사항을 주목하고 있다. 모든 위성 이미지를 다루어 어떤 구름이 정보를 아는 데 가장 도움이 될지 파악하고, 다른 구름과 어떤 식으로 상호작용을 할지 알 수 있다”라고 설명했다.

그러나 영국 태양열 발전소의 전력 생산량 예측 관련, 한 가지 기본적인 문제가 있다. 바로 모든 태양열 패널의 위치를 정확하게 알지 못한다는 사실이다. 태양열 발전소 설치 정보는 여러 데이터베이스에 걸쳐 분산되었으며, 종종 중요한 데이터가 아예 사라지기도 한다. 셰필드대학교 태양열 연구팀인 셰필드 솔라(Sheffield Solar) 소속 수석 데이터 과학자인 제이미 테일러(Jamie Taylor) 박사는 “이상적인 환경이라면, 전국 태양열 발전소의 위치와 전력 생산량을 알았을 것이다. 그리고, 태양열 발전소의 배향각과 움직임도 더 잘 알 수 있었을 것이다. 현재, 불확실성 문제 개선 측면에서 가장 쉽게 얻을 수 있는 점은 (태양열 발전소가) 설치된 규모와 지역 관련 정보를 늘리는 것이다”라고 설명했다.

오픈 클라이밋 픽스는 영국의 태양열 발전소 문제 해결 노력도 하고 있다. 오픈스트리트맵(OpenStreetMap)이라는 이름으로 태양열 발전소 설치 정보를 기록하는 프로젝트를 운영한다. 그와 동시에 머신러닝을 활용해 위성 이미지와 항공 이미지로 태양열 패널이 설치된 곳을 정확히 확인한다. 태양열 발전소가 설치된 곳을 정확히 아는 것은 태양열 발전소 전력 생산량 예측 정확도 향상에도 도움이 된다.

현재, 영국의 태양열 발전소 예측은 매우 첨단화된 기술과 함께 이루어진다. 셰필드 솔라 팀은 각각의 우편 주소 단위로 일조량과 기온, 풍속 등을 예측하기 위한 날씨 모델에 적용된 통계 모델을 사용한다. 그러나 여전히 개선해야 할 사항이 많다. 클레슬 교수는 오늘의 날씨가 전날과 같다고 추측하는 모델과 비교했을 때, 정확도가 가장 높은 태양열 예보도 50% 안팎의 정확도를 보일 것으로 예측한다. 2021년 4월, 오픈 클라이밋 픽스는 태양열 예보 프로젝트 발전을 위해 구글 산하 자선 기관인 Google.org에서 50만 파운드의 자금을 지원받았다.

국가 그리드 ESO의 혁신 및 디지털 변혁 총괄인 캐롤라이나 토토라(Carolina Tortora)는 “태양열 발전소 예측 정확도 향상을 위한 작업이 실제로 영향을 미칠 것이다. 예측 오류를 줄이고, 가동하지 않는 화석연료 발전소를 효율적인 비용으로 유지할 수 있다. 오픈 클라이밋 픽스의 실황예보 연구팀은 전 세계 전력 시스템의 예측 능력을 향상할 수도 있을 것이다”라고 말했다.

또, 영국이 1990년 수준과 비교해, 2035년까지 배출량을 78% 감축하겠다는 새로운 목표를 달성하고자 한다면, 에너지 수요 예측 정확도 향상도 필요하다. 전력 수송과 가열 모두 그 어느 때보다 더 많은 에너지가 필요하다는 것을 의미하며, 에너지 상당수가 풍력 발전소와 태양열 발전소 등 여러 발전소에서 생성될 것이다. 테일러 박사는 “전기차와 열펌프 등이 전기 수요에 큰 영향을 미칠 것이다. 만약, 이를 분산 저장과 결합해 본다면, 시스템 운영 기관에는 매우 처리하기 까다로운 일이 될 것이다. 전력 수요 예측 접근 방식은 향후 몇 년의 수요까지 예측하도록 크게 진화할 필요가 있다”라고 말했다.

** 위 기사는 와이어드UK(WIRED.co.uk)에 게재된 것을 와이어드코리아(WIRED.kr)가 번역한 것입니다. (번역 : 고다솔 에디터)

<기사원문>
Bad weather forecasts are a climate crisis disaster