[한국전력기술] AI 활용 원전 안전 강화 및 재생에너지 최적화 기술개발

한국전력기술 AI 에너지 전환 기술 - 원전은 더 안전하게, 재생에너지는 더 효율적으로

“발전소 설계 전문가의 경험에 AI의 예측 능력을 더하다”

발전소를 안전하고 효율적으로 운영하려면 수많은 조건을 동시에 고려해야 합니다.

원자력발전소에서는 배관과 열교환기의 상태, 구조물의 지진응답, 사고가 발생했을 때의 진행 경로까지 분석해야 합니다. 해상풍력단지를 설계할 때는 바람의 방향과 세기뿐 아니라 해저 지형, 케이블 길이, 터빈 간 후류 영향과 공사비를 함께 따져야 하죠.

그동안 이러한 분석은 숙련된 엔지니어의 경험과 대규모 시뮬레이션에 크게 의존해 왔습니다. 정확한 결과를 얻을 수 있지만, 조건이 달라질 때마다 해석을 다시 수행해야 하고 수많은 설계 조합을 모두 비교하기 어렵다는 한계가 있어요.

발전소 종합설계 전문기관인 한국전력기술은 이 문제를 해결하기 위해 원전 안전과 재생에너지 설계에 AI를 접목하고 있습니다.

현재 추진 방향은 크게 두 가지입니다.

• AI를 활용해 원전 사고와 설비 이상을 더 빠르게 진단하고 예측하는 것

• 해상풍력과 그린수소·암모니아 플랜트의 복잡한 설계 조건을 동시에 최적화하는 것

한국전력기술이 제시한 기술개발 계획에는 원전 안전 분야 7개, 재생에너지 분야 2개 등 총 9개 과제가 포함되어 있습니다. 일부 과제는 2025년까지의 개발 일정으로 제시됐으며, 나머지는 2027년 또는 2029년을 목표로 단계적으로 추진됩니다.

즉, 이번 사례는 하나의 완성된 AI 제품을 도입한 사례라기보다 발전소 설계와 안전관리 업무 전반을 AI 중심으로 바꾸기 위한 중장기 기술개발 체계에 가깝습니다.

Challenge - 복잡한 발전소, 사람이 모든 가능성을 계산하기 어렵다

① 원전 사고는 드물지만, 발생하면 빠르고 정확한 판단이 필요해요

원전에서 중대사고가 발생하면 운전원은 현재 상황을 진단하고 사고가 앞으로 어떻게 진행될지 예측해야 합니다. 그러나 실제 사고 데이터는 제한적이고, 설비 상태와 사고 유형에 따라 진행 경로도 달라질 수 있어요.

기존에는 사고해석 코드와 절차서, 운전원의 경험을 바탕으로 판단했습니다. 신뢰성 높은 방식이지만 급박한 상황에서 방대한 정보를 빠르게 종합하는 데에는 한계가 있습니다.

② 지진 조건이 복잡해질수록 구조해석 부담도 커져요

원전 구조물의 내진 안전성을 평가하려면 지진의 세기와 주파수, 부지 특성, 구조물의 형태 등 다양한 조건을 반영해야 합니다. 안전 기준이 강화될수록 검토해야 할 해석 조건과 계산량도 늘어납니다.

정밀 시뮬레이션은 많은 시간과 컴퓨팅 자원을 필요로 하기 때문에, 설계 대안을 빠르게 비교하거나 반복 검토하기 어렵다는 문제가 있어요.

③ 노후 설비는 고장 이후가 아니라 열화 단계에서 관리해야 해요

가동원전의 배관과 증기발생기 전열관은 오랜 시간 고온·고압 환경에 노출됩니다. 미세한 감육이나 마모가 누적되면 설비의 안전성과 수명에 영향을 줄 수 있죠.

정기검사에서 이상을 발견한 뒤 대응하는 방식만으로는 설비 상태의 변화를 연속적으로 파악하기 어렵습니다. 설비별 재료 정보, 운전 조건, 두께 측정값과 유체해석 결과를 함께 분석해 앞으로의 열화 속도를 예측할 필요가 있습니다.

④ 재생에너지 플랜트는 고려해야 할 설계 조합이 너무 많아요

해상풍력단지는 터빈을 어디에 배치하느냐에 따라 발전량과 공사비가 크게 달라집니다. 터빈 사이의 후류 때문에 발전효율이 떨어질 수 있고, 해저케이블이 길어지면 건설비도 증가해요.

그린수소·암모니아 플랜트 역시 태양광과 풍력의 변동성, 에너지저장장치, 수전해 설비, 암모니아 합성공정 등을 함께 고려해야 합니다. 수많은 용량과 운전 조합 중에서 경제성과 안정성을 모두 만족하는 설계를 찾는 일이 핵심 과제입니다.

Solution - 발전소 데이터를 학습하고, 설계 대안을 AI로 탐색하다

한국전력기술의 기술개발은 원전 위험예측·평가와 재생에너지 최적설계라는 두 축으로 진행됩니다.

① AI로 원전 사고의 현재와 미래를 함께 판단해요

한국전력기술은 중대사고 진단과 사고 진행 예측 결과를 운전원에게 제공하는 AI 기반 운전지원 시스템을 개발하고 있습니다.

먼저 기존 사고해석 데이터와 인공지능 학습용 데이터를 구축합니다. AI는 다양한 사고 조건에서 나타나는 발전소 상태 변화를 학습하고, 실시간 운전 데이터가 입력되면 현재 사고 유형과 발전소 거동을 추정해요.

분석 결과는 운전원이 이해하고 활용할 수 있는 형태로 제공됩니다.

• 현재 어떤 사고가 진행되고 있는지 진단

• 이후 발전소 상태가 어떻게 변할지 예측

• 사고 유형에 맞는 대응 방향 제시

• 강화학습 기반 조치 에이전트와 연계한 운전 의사결정 지원

중요한 점은 AI가 운전원을 대신해 독립적으로 원전을 제어하는 것이 아니라, 사고해석과 예측 정보를 빠르게 제공해 운전원의 판단을 지원하는 체계라는 것입니다.

이를 통해 사고 대응의 적시성과 정확성을 높이고, 최적의 대응 방향을 제시해 원전 안전성과 주민 수용성을 높이는 것이 목표입니다.

② 지진해석 결과를 학습해 구조물의 응답을 빠르게 예측해요

원전 구조물의 지진응답을 계산하려면 다양한 지진 조건과 부지 특성을 반영한 정밀 해석이 필요합니다.

한국전력기술은 기존 지진해석 결과를 데이터베이스로 구축하고, 이를 AI가 학습하도록 하는 지진응답 예측 알고리즘을 개발하고 있습니다.

작동 과정은 다음과 같습니다.

1. 다양한 지진 조건과 부지 특성을 반영한 해석 데이터를 수집합니다.

2. 시계열 지진가속도와 구조물 응답 데이터를 AI 학습에 적합하게 전처리합니다.

3. LSTM, CNN, Transformer 등의 모델이 입력 조건과 응답 결과의 관계를 학습합니다.

4. 새로운 지진 조건이 주어지면 구조물의 응답과 설계 결과를 빠르게 추정합니다.

5. 예측 결과를 기존 정밀해석 결과와 비교해 검증합니다.

AI가 모든 구조안전 해석을 대체하는 것은 아닙니다. 반복적인 초기 검토와 설계 대안 비교를 빠르게 수행하고, 중요한 조건에 정밀해석 역량을 집중하도록 지원하는 방식입니다.

한국전력기술은 이를 통해 해석시간과 사업 리스크를 줄이고, 설계 효율성과 유연성을 높이는 것을 기대하고 있습니다.

③ 배관과 열교환기의 열화 상태를 미리 예측해요

가동원전 주요설비의 지능형 예측진단 기술은 배관 감육과 증기발생기 전열관 마모를 주요 대상으로 합니다.

AI는 다음과 같은 정보를 함께 분석합니다.

• 설비별 재료와 화학조성 정보

• 배관과 기기의 형상 및 계통설계 정보

• 유속, 온도, 건도 등 운전 조건

• 배관 관계와 이상 유동해석 결과

• 설비별 두께 측정 및 열화 이력

이 데이터를 바탕으로 설비별 감육 속도와 손상 가능성을 예측합니다. 기존 경험 데이터의 정제·추출과 고성능 시뮬레이션을 결합해 열화·손상 예측진단을 고도화하는 방식이에요.

정기검사 결과만 확인하는 데서 나아가 설비의 상태 변화를 예측할 수 있다면, 점검과 교체 시기를 더 합리적으로 결정할 수 있습니다. 한국전력기술은 이를 통해 노후 가동원전의 안전성과 설비관리 경제성을 함께 높이는 것을 목표로 하고 있습니다.

④ 해상풍력 터빈과 해저케이블을 동시에 최적화해요

해상풍력단지 설계에서는 발전량만 높이는 배치가 항상 최적은 아닙니다. 터빈 사이의 후류 영향을 줄여야 하고, 해저케이블의 길이와 시공 제약, 변전소 위치와 공사비도 함께 고려해야 합니다.

한국전력기술은 풍력단지 맞춤형 AI 융합 수리모델을 활용해 다음 항목을 동시에 최적화하는 알고리즘을 개발하고 있습니다.

• 풍황 정보와 터빈별 발전량

• 터빈 사이의 후류 영향

• 터빈 간 최소 이격거리와 배치 제약

• 해저 지형과 케이블 시공 조건

• 해상변전소와 육상연계 지점의 위치

• 해저케이블 건설비용을 포함한 CAPEX

• 연간 에너지 생산량을 나타내는 AEP

AI는 여러 배치 대안을 빠르게 탐색하고, 건설비는 낮추면서 발전량은 높일 수 있는 조합을 찾습니다. 외산 설계 소프트웨어에 의존하던 일부 업무를 자체 알고리즘으로 전환하고, 국내 해상풍력 설계 경쟁력을 높이는 것도 목표입니다.

⑤ 그린수소·암모니아 플랜트의 최적 구성을 찾아요

그린수소·암모니아 플랜트는 태양광과 풍력의 출력 변동에 맞춰 수전해 설비와 저장장치, 암모니아 합성공정을 운영해야 합니다.

한국전력기술은 다음 조건을 함께 고려하는 최적설계 프레임워크를 개발하고 있습니다.

• 계통 연계형 또는 독립형 운전 여부

• 태양광과 풍력의 설비용량 비율

• 에너지저장장치의 용량과 운전 방식

• PEM·AEL 수전해 설비의 구성 비율

• 재생에너지 출력제한에 대한 대응 방식

• 수소와 암모니아 생산·저장·변환 공정의 균형

• 사업 예산과 목표 생산량

여러 설비를 단순히 조합하는 것이 아니라, 재생에너지 변동성과 각 설비의 운전특성을 함께 반영해 전체 시스템의 최적 구성을 찾는 방식입니다.

자료에는 서호주 그린 암모니아 타당성 용역과 연계해 개발 중인 모델링을 검토하는 내용도 제시되어 있습니다. 향후 대규모 그린수소·암모니아 플랜트의 기술 경쟁력 확보와 사업영역 확대에 활용하는 것이 목표입니다.

Benefit - 안전성과 경제성을 동시에 높이는 AI 엔지니어링

핵심 추진 지표

원전 안전 분야 기대효과

• 중대사고 진단과 진행 예측을 통한 운전원 의사결정 지원

• 사고 대응의 적시성과 정확성 향상

• 반복적인 지진해석 시간과 컴퓨팅 자원 부담 완화

• 설계 대안 검토의 효율성과 유연성 향상

• 배관과 전열관의 열화·손상 예측진단 고도화

• 노후 가동원전의 안전성과 최적관리 경제성 향상

재생에너지 분야 기대효과

• 해상풍력 터빈과 해저케이블의 통합 최적설계

• 건설비와 발전량을 함께 고려한 경제성 향상

• 외산 소프트웨어 의존도 완화와 자체 설계역량 확보

• 대규모 그린수소·암모니아 플랜트 설계 경쟁력 강화

• 재생에너지 변동성을 반영한 최적 시스템 구성 도출

확장 가능성 - AI가 발전소 설계의 공통 기반이 되다

한국전력기술의 계획에서 주목할 점은 AI를 특정 설비 하나에만 적용하지 않는다는 것입니다.

중대사고 대응, 내진설계, 설비 열화관리, 해상풍력 배치, 수소·암모니아 플랜트 구성처럼 서로 다른 업무에 AI를 적용하고 있습니다. 각 과제에서 구축된 데이터와 예측모델이 축적되면 AI는 개별 분석도구를 넘어 발전소 설계와 운영을 지원하는 공통 기반으로 발전할 수 있어요.

향후에는 다음과 같은 확장이 가능합니다.

• 사고진단 모델과 운전지원 시스템의 연계

• 설비별 예측진단을 발전소 전체 자산관리체계로 확대

• 지진응답 예측과 구조설계 자동화 플랫폼 연계

• 해상풍력 설계 알고리즘의 실제 사업 적용과 국산화

• 그린수소·암모니아 타당성 검토에서 기본설계·운영 최적화로 확대

• 축적된 설계 데이터와 엔지니어의 지식을 결합한 AI 설계 지원체계 구축

다만 원전 안전과 같은 고위험 분야에서는 AI의 예측만으로 판단해서는 안 됩니다. 검증된 해석코드와 안전기준, 전문가의 독립적인 검토를 함께 적용하고, AI 결과의 근거와 불확실성을 확인할 수 있는 체계가 필요합니다.

마무리 - AI가 계산을 돕고, 엔지니어가 최종 판단하다

한국전력기술의 사례는 AI가 에너지 산업에서 어떤 역할을 해야 하는지 보여줍니다.

원전에서는 AI가 사고와 설비 이상을 더 빠르게 예측해 안전한 판단을 돕고, 재생에너지 분야에서는 사람이 모두 비교하기 어려운 설계 조합을 탐색해 경제적인 대안을 찾아줍니다.

두 영역은 서로 달라 보이지만 공통점이 있습니다. 모두 복잡한 데이터를 분석하고, 수많은 가능성 가운데 더 나은 선택을 찾아야 하는 문제라는 점입니다.

AI의 역할은 엔지니어를 대체하는 것이 아닙니다. 반복 계산과 패턴 탐색을 맡고, 엔지니어가 안전성과 사업성을 종합적으로 판단할 수 있도록 더 정확하고 빠른 정보를 제공하는 것입니다.

앞으로 9개 기술개발 과제가 실제 설계와 운영 현장에서 검증된다면, 한국전력기술은 발전소를 설계하는 회사를 넘어 AI로 에너지 시스템의 안전성과 경제성을 함께 설계하는 기업으로 확장할 수 있습니다.

작성 기준 및 참고 자료

• 한국전력기술 부서별 업무 안내

• 한국전력기술 사업보고서