[한국가스공사] 천연가스 배관망 운영 최적화를 위한 AI 기반 수요 송출량 예측

한국가스공사는 천연가스 수요예측, 배관망 압력분석, 송출량 추천을 하나의 AI 플랫폼으로 연결했습니다. 수요예측 오차를 20% 개선하고 2026년 1~5월 13억2천만 원의 비용절감 효과를 확인했습니다.
[한국가스공사] 천연가스 배관망 운영 최적화를 위한 AI 기반 수요 송출량 예측

한국가스공사 AI 배관망 – 수요를 예측하고 송출량까지 최적화하다

“내일 필요한 천연가스를 예측하는 것에서 한 걸음 더 나아가, 어느 생산기지에서 얼마나 보내야 할지도 AI가 계산할 수 있을까요?”

한국가스공사는 5,504km에 이르는 전국 천연가스 배관망을 운영합니다. 4개 생산기지와 164개 공급관리소가 연결돼 도시가스사와 발전소에 천연가스를 공급합니다.

천연가스 수요는 기온과 요일, 산업활동, 전력시장 상황에 따라 계속 달라집니다. 수요를 적게 예측하면 공급안정성이 흔들리고, 지나치게 많이 보내면 비효율적인 기지운영과 에너지비용이 발생합니다.

기존에는 통계·회귀모형과 상용 배관해석 소프트웨어, 운영자의 경험을 함께 활용했습니다. 하지만 수요예측과 배관망 해석, 생산기지 송출계획이 서로 분리돼 있어 분석결과를 실제 운영계획으로 연결하는 데 시간이 필요했습니다.

한국가스공사는 이를 AI 수요예측 → 배관망 분석 → 송출량 추천으로 이어지는 통합플랫폼으로 재구성했습니다.


Challenge – 전국 배관망의 수요와 압력을 동시에 맞춰야 해요

천연가스 운영의 목표는 단순히 총수요를 맞히는 데 있지 않습니다.

어느 지역에서 언제 수요가 늘어나는지, 발전용 수요가 얼마나 변하는지, 여러 생산기지에서 보낸 가스가 배관 안에서 어떤 압력으로 흐르는지를 함께 계산해야 합니다.

  • 도시가스 수요는 기온과 생활패턴의 영향을 크게 받습니다.

  • 발전용 수요는 전력수급과 발전계획에 따라 급변할 수 있습니다.

  • 같은 총량을 보내도 기지별 송출비율에 따라 운영비가 달라집니다.

  • 배관압력이 허용범위를 벗어나면 안정적인 공급이 어려워집니다.

상용 외산 프로그램에 의존하면 사용자 수와 기능개선에 제약이 생기고, 국내 운영환경에 맞춘 알고리즘을 빠르게 반영하기도 어렵습니다.

필요한 것은 예측모델 하나가 아니라 수요와 물리적 배관망, 경제성을 함께 보는 의사결정 시스템이었습니다.


Solution – 네 가지 기능을 하나의 웹플랫폼으로 연결했어요

한국가스공사의 PoC는 다음 네 가지 과제를 하나의 화면에서 수행하도록 구성됐습니다.

  1. 도시·발전용 천연가스 AI 수요예측 고도화

  2. 국내 배관망 해석 정확도 향상

  3. AI 기반 생산기지 송출량 추천

  4. 여러 사용자가 함께 쓰는 웹 기반 배관망 분석

① 수요 특성에 따라 다른 AI 모델을 적용했어요

도시가스 수요에는 심층신경망, DNN을 적용했습니다. 기온과 요일, 과거 사용량 등 생활·계절 패턴을 학습해 다음 날 수요를 예측합니다.

발전용 수요에는 XGBoost를 활용하고 전력거래소 데이터를 연계했습니다. 발전계획과 전력시장 정보를 반영해 발전소의 연료수요 변화를 예측합니다.

수요 성격이 다른 두 영역을 하나의 모델에 억지로 넣지 않고, 업무 특성에 맞는 모델을 선택한 것입니다.


② 배관망의 압력을 계산하고 결과를 검증해요

예측수요는 자체 개발한 배관망 해석엔진으로 전달됩니다.

엔진은 전국 주요지점의 압력과 흐름을 계산해 공급가능성을 확인합니다. 상용 프로그램의 결과와 실제 운영데이터를 비교하며 정확도를 높였습니다.

웹 기반으로 구현해 여러 운영자가 같은 분석결과와 시나리오를 공유할 수 있도록 했습니다.


③ AI가 경제적인 송출량 조합을 추천해요

생산기지 송출량 추천에는 인코더-디코더 LSTM을 적용했습니다.

AI는 예상수요와 배관상태, 생산기지별 운영조건을 바탕으로 안정적으로 공급하면서 비용을 줄일 수 있는 송출량 조합을 제안합니다. 운영자는 추천결과와 압력 시뮬레이션을 확인한 뒤 실제 계획에 반영합니다.

즉, AI가 ‘얼마나 쓸 것인가’를 예측하는 단계에서 ‘어디서 얼마나 보낼 것인가’를 지원하는 단계로 확장됐습니다.


PoC 결과 – 예측오차와 압력오차를 낮추고 실제 비용효과를 확인했어요

수요예측 결과는 다음과 같습니다.

구분

기존 오차

개선 후 오차

도시가스 일일 수요

2.94%

1.86%

발전용 일일 수요

6.76%

5.70%

전체 일일 수요

3.67%

3.08%

전체 예측오차는 기존 대비 20% 개선됐습니다.

배관망 분석은 전국 28개 지점의 평균 압력오차를 0.0303MPa 이하로 낮췄습니다. 기존 상용 프로그램의 ±0.05MPa 수준과 비교해 약 40% 개선된 결과입니다.

경제적 송출량 최적화를 실제 운영에 적용한 결과, 2026년 1월부터 5월까지 누적 13억2천만 원의 비용절감 효과를 확인했습니다.

지표

결과

성과 성격

전체 수요예측 오차

3.67% → 3.08%

PoC 성능

예측오차 개선

20%

PoC 성능

평균 압력오차

0.0303MPa 이하

28개 지점 검증

상용 해석 대비 개선

약 40%

비교 검증

송출 최적화 비용효과

13억2천만 원

2026년 1~5월 누적 실제 적용


예상효과와 확장계획 – 연간 수치는 아직 전망이에요

자료는 송출 최적화로 연간 50~70억 원의 비용을 절감할 수 있을 것으로 전망했습니다. 외산 소프트웨어 도입비 약 30억 원과 유지비 약 3,500만 원을 줄일 수 있다는 효과도 제시했습니다.

이 수치들은 자체 시스템을 지속 활용하고 적용범위를 넓혔을 때의 예상·회피비용입니다. 2026년 1~5월에 확인한 13억2천만 원의 누적 실적과 구분해야 합니다.

향후에는 계절별 알고리즘을 세분화하고 새 데이터를 주기적으로 재학습할 계획입니다. 도시가스사와 발전소, 민간 LNG 터미널 등으로의 기술이전도 확산방향으로 제시됐습니다.

전력거래소와의 데이터 협력은 발전용 수요예측을 높이는 기반입니다. 다만 다른 기관에 적용하려면 설비구조와 운영규칙, 데이터 형식에 맞춘 별도 검증이 필요합니다.


마무리 – 예측모델을 실제 배관운영의 결정으로 연결했어요

AI 수요예측 사례는 많지만, 예측값이 별도 보고서에 머물면 현장운영을 바꾸기 어렵습니다.

한국가스공사는 수요예측 결과를 배관망 압력계산과 생산기지 송출량 추천으로 이어지게 했습니다.

수요를 예측하고, 공급가능성을 검증하고, 경제적인 송출계획을 추천하는 하나의 흐름입니다.

PoC에서 예측·해석 성능과 5개월간의 비용효과를 확인한 만큼, 향후에는 계절과 수급상황이 다른 기간에도 같은 안정성과 경제성을 유지하는지가 중요한 검증과제가 됩니다.


Share article