지능형사물인터넷(AIoT)은 유틸리티 산업을 어떻게 발전시킬까요?


지능형사물인터넷(AIoT)에 대해 들어본 적 있으신가요? 지능형사물인터넷은 사물인터넷(IoT)을 통해 연결된 스마트 기기 데이터에 인공지능(AI)을 적용하는 것입니다. AIoT가 활성화되면 연결된 기기(커넥팅 디바이스)에서 수집된 정보를 기반으로 머신러닝 학습과 분석은 물론 서비스 제공까지 동시에 이루어질 수 있을 텐데요.  


학습과 자동화를 기반으로 사람의 업무 처리 영역을 돕는 인공지능 기술은 경험 학습, 새 입력값(Input)을 통한 조정, 별도의 수동 조작이 필요 없는 업무 등을 수행합니다. 그렇다면 이러한 AIoT가 유틸리티 산업에 적용된다면 어떨까요?


AIoT 기술이 유틸리티 산업에 적용된다면 백 오피스(Back office) 업무 운영부터 드론 기반 라인 시설 검사까지 다양한 분야에 사물인터넷, 데이터 인텔리전스, 알고리즘과 자동화를 통해 엄청난 업무 효율을 얻을 수 있습니다. 하지만 AIoT의 설비 응용을 보다 잘 이해하기 위해서는 현재의 트렌드를 먼저 파악하는 것이 중요합니다.



그렇다면 AIoT 기술을 활용해 유틸리티 효율성을 높이고 비즈니스 목표를 더욱 손쉽게 달성할 수 있는 주요 영역은 무엇일까요? 지능형사물인터넷이 긍정적인 영향을 미칠 수 있는 유틸리티의 5가지 핵심 영역을 소개해드리겠습니다. 



  • 그리드 신뢰도: 유틸리티는 전력망 자체에서 사물인터넷 디바이스에 인공지능을 적용해 그리드 신뢰도에 영향을 미치는 이벤트를 모니터링하고 예측할 수 있습니다. 유틸리티는 스마트 라인 센서의 스태틱 데이터(static data) 자료와 드론에서 수집한 이미지를 활용해 사용 중인 데이터나 나머지 데이터에 배치할 수 있는 분석 모델을 구축합니다. 이 때 인공지능을 통해 그리드 장애를 예측하고 자동으로 전력 공급 정지를 완화할 수 있습니다. 

  • 에너지 예측: 머신러닝 알고리즘을 활용하면 에너지 수요와 공급을 예측할 수 있을 뿐만 아니라 이를 통해 비용 및 에너지 배출 타깃 내에서 공급 및 거래를 결정할 수 있는데요. 이때 어댑티브(adaptive) 머신러닝 알고리즘은 입력 값이 매우 가변적인 에너지 예측 데이터의 오차를 줄이고 활용 효율성을 높여줍니다.

  • 생산 수율 최적화: 에너지 생산은 생산 자산의 가용성에 따라 달라지는데요. 머신러닝을 통해 유틸리티 산업은 회전 설비(Rotating Equipment)의 가동 시작 및 종료 프로세스를 최적화하고, 성능 저하를 기반으로 향후 필요한 유지 보수를 예측해 예기치 않은 다운타임을 방지할 수 있습니다. 맥킨지 글로벌 인사이트(McKinsey Global Insight)가 발표한 내용에 따르면 “머신러닝은 과거 성능, 다른 풍력 발전소와의 실시간 커뮤니케이션, 그리드 상태, 풍속 및 풍향의 변화를 기반으로 풍력 터빈의 산출량을 최적화하는 데 도움이 된다”고 설명된 바 있죠.



  • 마이크로그리드(Microgrid) 관리: 마이크로그리드를 포함한 분산전원(DER; Distributed Energy Resources)의 통합은 머신러닝 알고리즘 실행에 중요한 기회로 작용합니다. 인공지능을 통해 사물인터넷 디바이스 최적화와 복잡한 연결 조정이 가능하지만, 활용 전 입증되어야 할 필요가 있습니다. 만약 성공적이라면 인공지능과 머신러닝을 활용해 재생 가능한 에너지 자원을 통합하고 오늘날 에너지 그리드에서 겪고 있는 손실을 줄일 수 있습니다. 

  • 백 오피스 효율화: 유틸리티 산업에는 새 계정 설정, 지불 방식 결정, 사기 탐지 및 청구 처리를 비롯한 백 오피스 업무들이 필요합니다. 인공지능의 구성 요소인 자연어 처리(NLP; Natural Language Processing)를 사용하면 이러한 업무 처리를 보다 효율적으로 수행할 수 있는데요. 예를 들어, 콜센터에서는 가상 에이전트를 사용해 발신자의 요구 목적을 듣고 파악한 후 서비스 기록을 바탕으로 적절한 에이전트나 온라인 해결 방법을 자동으로 연결할 수 있습니다. 또한 큰 정전 사건 이후의 재산 청구권 분류 역시 자연어 처리를 통해 처리할 수 있습니다. 머신러닝 알고리즘은 비전문적인 손실과 잠재적인 악성 부채를 예측하는 모델을 개선합니다. 인공지능을 적용해 일반적인 사기 탐지를 향상시키는 것과 마찬가지로, 신경망(neural network) 기법을 통해 조달 상태와 업무를 개선할 수 있습니다. 


특히 오늘날 디지털화(Digitization), 탈중앙화(Decentralization), 파괴적 혁신(Disruption)이라는 3대 주요 트렌드는 사물인터넷의 활용 가치를 빠르게 높이고 있는데요. 내년에는 인공지능과 사물인터넷이 만나는 접점인 유틸리티 산업에서 더욱 빠른 혁신이 이루어질 것으로 전망됩니다. 유틸리티 분석에 대한 더 자세한 정보를 SAS 웹사이트와 아래 동영상으로 확인해보세요!


▲Powers the Internet of Things (IoT) for Utilities




저자

알리사 파렐(Alyssa Farrell) l SAS 에너지 및 지속가능성 담당 제품 마케팅 매니저(Product Marketing Manager, Energy and Sustainability at SAS)


편집

SAS코리아