배터리와 수소에너지 저장 장치의 선형계획 기반 태양광 연계 경제성 최적화 성능 비교

Ⅰ. 서 론

에너지 시스템의 탈탄소화와 재생에너지 통합을 위해 에너지 저장 기술의 중요성이 점점 커지고 있다[1]. 특히 태양광 발전(PV)과 같은 간헐적 재생에너지원의 효율적 활용을 위해서는 적절한 에너지 저장 장치(Energy Storage System, ESS)가 필수적이다[2],[3]. 이러한 저장 장치는 전력 생산과 소비 간의 시간적 불일치를 해소하고, 전력망 안정성을 개선하며, 전기요금이 높은 시간대의 그리드 의존도를 줄이는데 기여한다[4].

현재 에너지 저장 기술 중에서 배터리 에너지 저장 장치(Battery Energy Storage System, BESS)와 수소에너지 저장 장치(Hydrogen Energy Storage System, HESS)는 각각 고유한 특성과 장단점을 가지고 있다[5],[6]. BESS는 높은 충·방전 효율(Round-Trip Efficiency, RTE), 빠른 응답 시간, 상대적으로 낮은 초기 투자 비용의 장점이 있으나, 에너지 밀도 제한과 자가 방전 문제가 있다[7],[8]. 반면, HESS는 장기간 저장이 가능하고 에너지 밀도가 높으며 수소의 다양한 활용 가능성을 제공하지만, 변환 과정에서의 효율 손실과 높은 초기 투자 비용의 단점이 있다[9],[10].

따라서 태양광 발전의 간헐성을 극복하고 투자 효율을 극대화하기 위한 '경제성 최적화' 연구는, 기술적 타당성 검증을 넘어 실제 산업 현장에서의 보급과 확산을 위한 필수적인 과정이다. 이러한 배경하에 다수의 선행 연구가 선형계획법(Linear Programming, LP)을 포함한 다양한 최적화 기법을 활용하여 에너지 저장 장치의 운영 전략을 분석해 왔다. 예를 들어, 실제 태양광 발전 데이터를 기반으로 그린 수소를 활용하여 그리드 전력 절감 효과를 분석한 연구는 HESS가 BESS의 단기적 한계를 넘어 장기 운영에서 높은 에너지 밀도의 장점을 가질 수 있음을 제시했다[11]. 그러나 이 연구는 동일한 조건에서 BESS와의 직접적인 성능 비교를 수행하지는 않았다. 또한, 다양한 에너지 저장 기술의 기술적, 경제적 특성을 포괄적으로 검토한 연구들도 다수 존재하지만[12],[13], 이들은 주로 기술적 특성을 정성적으로 비교하거나 서로 다른 조건에서 수행된 연구 결과를 종합하는 데 그쳐, 특정 운영 환경에서의 정량적인 최적화 성능 차이를 직접 분석하는 데는 한계가 있었다.

본 연구는 이러한 기존 연구의 한계를 극복하고 연구의 독창성을 확보하고자 다음과 같은 차별점을 가진다. 첫째, 5분 단위의 고해상도 실측 데이터를 사용하여 단기 변동성이 시스템 경제성에 미치는 영향을 정밀하게 분석한다. 둘째, 배터리의 심층 방전 방지를 위한 SOC 운영 범위(20-80%)와 전력변환장치(PCS)의 전격 용량 제약을 동시에 고려하여 현실적인 운영 조건을 모델링한다. 셋째, HESS의 경우 전해조와 연료전지의 변환 효율을 개별적으로 모델링하여 RTE(왕복 효율)가 고정값이 아닌 시스템 운영의 결과로 도출되도록 하였다. 본 연구의 핵심적인 차별성은 표 1과 같이 요약할 수 있다.

Table 1.

Comparison of differentiation with prior studies

본 연구는 실제 운영 데이터를 기반으로 한 정량적 비교 분석을 통해, 향후 신재생에너지 연계 ESS 프로젝트의 경제성 평가와 기술 선정에 있어 실증적인 가이드라인을 제공하는 것을 목표로 한다.

이를 위해, 상기 기술된 차별화된 모델링 접근법을 바탕으로, 명확하게 정의된 LP 기반 최적화 프레임워크 하에서 BESS와 HESS의 운영 성능 및 경제성을 직접적이고 정량적으로 비교 분석하는 것이다. 특히, 동일한 에너지 저장 용량(250kWh) 제약조건에서 각 기술의 RTE 차이가 시스템의 에너지 흐름(그리드 수입량, 저장 장치 활용 패턴)과 최종적인 총 그리드 비용에 미치는 영향을 구체적으로 분석하여, 각 기술의 단기 운영 특성과 경제적 장단점을 명확히 규명하고자 한다.

본 논문의 구성은 다음과 같다. 2장에서는 본 연구의 대상 시스템인 PV 연계 에너지 저장 장치의 구성 요소를 수학적으로 모델링하고, 총 그리드 비용 최소화를 목표로 하는 선형계획법 기반 최적 운영 문제를 공식화한다. 3장에서는 시뮬레이션에 사용된 실측 데이터, 시스템 파라미터 등 구체적인 실험 환경을 기술하고, BESS 및 HESS 시나리오별 최적화 결과를 성능 지표 및 시간별 운영 패턴을 통해 비교 분석한다. 마지막으로 4장에서는 시뮬레이션 결과의 의미와 한계점을 논의하며 결론을 맺는다.

Ⅱ. 시스템 모델링 및 최적화 방법론

본 연구에서는 태양광(PV) 발전 시스템과 연계된 에너지 저장 장치(ESS)의 최적 운영을 위한 수학적 모델을 수립하고, 이를 바탕으로 선형계획법(Linear Programming, LP) 기반의 최적화 문제를 공식화하였다. 시스템은 PV 발전기, 전기 부하, 외부 전력 계통(Grid), 그리고 에너지 저장 장치로 구성되며, 저장 장치로는 배터리 에너지 저장 장치(Battery Energy Storage System, BESS)와 수소에너지 저장 장치(Hydrogen Energy Storage System, HESS) 두 가지 시나리오를 독립적으로 모델링하여 비교 분석하였다.

2-3 최적화 과정 및 비교 방법론

태양광 연계 경제성 최적화 과정은 그림 1과 같이 크게 4단계로 구성된다. 첫째, 입력 데이터 준비 단계에서는 시뮬레이션에 필요한 5분 단위의 PV 발전량, 전기 부하, 실시간 그리드 가격 데이터를 정제하여 입력 벡터로 구성한다. 둘째, LP 모델 구축 단계에서는 2-1절에서 정의된 시스템 구성 요소 모델(전력 균형, 저장 장치 운영 제약 등)을 바탕으로 목적함수와 제약조건을 행렬 형태로 공식화한다. 셋째, 최적화 실행 단계에서는 구축된 LP 모델을 솔버(Solver)를 이용해 계산하여, 총 그리드 비용을 최소화하는 결정 변수(시간대별 그리드 구매 전력, 저장 장치 충·방전 전력 등)의 최적해를 도출한다. 마지막으로, 결과 분석 단계에서는 도출된 최적해를 바탕으로 총 그리드 비용, 저장 장치 활용도, 그리드 의존도 등 핵심 성능 지표(KPI)를 계산하고, 시간대별 운영 패턴을 시각화하여 시스템의 동적 거동을 분석한다.

Fig. 1.

Process of solar-integrated economic optimization

BESS와 HESS의 성능을 공정하게 비교하기 위해 그림 2와 같은 병렬 비교 프레임워크를 적용하였다. 동일한 입력 데이터(PV, 부하, 그리드 가격)와 최적화 목표(총 그리드 비용 최소화)를 두 개의 독립적인 시나리오에 각각 적용한다. BESS 시나리오는 배터리와 PCS(전력변환장치)로 구성된 모델을 사용하고, HESS 시나리오는 전해조, 수소 저장탱크, 연료전지로 구성된 모델을 사용한다. 이때, 두 시나리오의 공칭 에너지 저장 용량(250 kWh)은 동일하게 설정하여 용량 차이로 인한 유불리가 없도록 통제하였다. 각 시나리오에 대해 독립적으로 최적화를 수행한 후, 도출된 핵심 성능 지표(KPIs)를 직접 비교하여 어느 시스템이 주어진 조건에서 더 경제적인 운영 성능을 보이는지 정량적으로 평가한다.

Fig. 2.

Methodology for performance comparison of BESS and HESS

Ⅲ. 실험 및 결과 분석

본 장에서는 제 II 장에서 수립된 시스템 모델링 및 최적화 방법론을 바탕으로 수행된 시뮬레이션의 구체적인 실험 환경을 기술하고, 도출된 결과를 비교 분석한다. 시뮬레이션은 배터리 에너지 저장 장치(BESS)와 수소에너지 저장 장치(HESS)를 각각 적용한 두 가지 주요 시나리오에 대해 수행되었으며, 동일한 입력 데이터와 제약조건 하에서 각 시스템의 운영 특성 및 경제성을 평가하는 데 초점을 맞추었다.

3-1 실험 환경

1) 입력 데이터

시스템 운영을 위한 시계열 데이터는 K 대학교 삼척캠퍼스 5공학관(위도 37° 27' 1.75', 경도 129° 9' 3.89')에 설치된 30kW 태양광 발전 시스템의 실측 일사량과 해당 건물의 소비전력 패턴, 그리고 교육용(을) 고압 A 선택 시간대별 그리드 가격 정보를 포함하는 데이터를 사용하였다[11]. 원본 데이터의 시간 간격은 60초였으나, 본 시뮬레이션에서는 계산 효율성을 고려하여 300초(5분) 간격으로 데이터를 리샘플링하여 사용하였다. 또한, 부하 데이터의 경우, 원본 데이터에 포함된 58개의 음수 값은 실제 전력 소비가 아닌 공급을 의미할 수 있어, 현실적인 부하 시나리오를 반영하기 위해 이 음수 값들을 모두 0으로 처리하여 식 (2)와 같이 수정된 부하 프로파일 P_Load(t)를 사용하였다.

2) 시스템 파라미터

시뮬레이션에 적용된 주요 시스템 파라미터는 표 2와 같다. PV 시스템의 경우, 패널 면적은 100 m², 효율은 30%로 설정하여 실제 30kW급 발전 시스템의 규모를 반영하고자 하였다. 에너지 저장 장치의 경우, BESS와 HESS 시나리오 모두에서 비교의 기준을 맞추기 위해 동일한 공칭 에너지 용량인 250kWh로 설정하였다. BESS의 경우, 최소 및 최대 충전 상태(State of Charge, SOC)는 각각 20%와 80%로, 최대 충·방전 전력은 400kW로 설정하였다. HESS의 경우, 수소 저장량은 0%에서 100%까지 가능하도록 하였으며, 전기분해 효율은 90%, 연료전지 효율은 50%로 설정하여 왕복 효율(RTE)은 45%가 되도록 하였다. 전해조와 연료전지의 최대 전력은 각각 150kW로 설정하였다. 이러한 HESS 파라미터 설정은 녹색 수소 활용을 통한 전력 시스템 운영에 관한 연구 등에서 고려되는 일반적인 효율 및 운영 범위를 참고하였다. 초기 에너지 저장 상태는 BESS와 HESS 모두 공칭 용량의 50%에서 시작하는 것으로 가정하였다.

Table 2.

Main simulation parameters

3) 소프트웨어 환경

시뮬레이션 모델 구현 및 최적화 문제 해결에는 Python 3.9 프로그래밍 언어와 과학 계산 라이브러리인 SciPy (버전 1.11)를 사용하였다. 선형계획법 문제 풀이를 위해 SciPy 내의 optimize.linprog 함수와 함께 제공되는 고성능 솔버인 'highs' 메소드를 채택하였다. 시뮬레이션은 표준 데스크톱 환경(Intel i7-12700 CPU, 32GB RAM)에서 수행되었으며, 24시간 시뮬레이션에 대한 최적화 계산 시간은 BESS 시나리오의 경우 약 0.05초, HESS 시나리오의 경우 약 0.08초가 소요되어 모델의 계산 효율성이 높음을 확인하였다.

3-3 시뮬레이션 결과

시뮬레이션을 통해 도출된 BESS 및 HESS 시나리오의 정량적 성능 지표와 시간별 운영 패턴은 다음과 같다.

1) 정량적 결과 비교

표 3은 시나리오별 주요 성능 지표의 누적값을 비교하여 보여준다. 총 그리드 비용은 BESS가 $29,367.19로 HESS의 $59,709.73보다 약 50.8% 낮게 나타났다. 총 그리드 수입량은 BESS가 357.76kWh, HESS가 710.82kWh로, HESS가 약 2배 더 많았다. 총 부하 소비량(570.07kWh) 대비 그리드 기여율은 BESS가 62.8%, HESS가 124.7%로, BESS는 부하의 약 63%를, HESS는 부하를 초과하는 에너지를 그리드에서 공급받았다.

Table. 3.

Comparison of performance metrics for BESS and HESS scenarios

가장 큰 차이는 저장 장치의 활용도에서 나타났다. BESS는 159.07kWh를 충전하고 146.60kWh를 방전하며 저장 장치를 활발하게 사용한 반면, HESS는 677.09kWh를 충전하고 311.57kWh를 방전하였으나, 낮은 왕복 효율(RTE 0.45)로 인해 저장 에너지의 상당 부분이 손실되었다. 이는 HESS의 낮은 파라미터 기반 RTE(45%)와 극명한 대조를 이룬다.

2) 시간별 운영 패턴 비교

그림 3부터 그림 7은 시간의 흐름에 따른 각 시스템의 주요 변수 변화를 보여준다. 그림 6과 그림 7은 모든 시나리오에 공통으로 적용된 PV 발전량, 부하량, 그리고 그리드 가격 프로파일을 나타낸다. PV 발전은 낮 시간 동안 약 60kW 이상의 피크를 보이며, 부하는 특정 시간대에 60kW를 초과하는 피크를 가진다. 그리드 가격은 심야 및 새벽 시간대에 낮고, 주간과 특히 저녁 시간대(18시~21시)에 높은 피크를 보인다.

그림 3은 시간대별 그리드 전력 사용량을 비교한다. BESS와 HESS 모두 PV 발전이 없거나 부족하고 부하가 높은 시간대(아침, 저녁)에 그리드 전력을 사용하는 패턴을 보인다. 특히 저녁 시간대 부하 피크와 높은 그리드 가격이 겹치는 구간에서 두 시스템 모두 그리드 사용량이 크게 증가하지만, 전반적으로 HESS가 BESS보다 더 많은 그리드 전력을 사용하며, 특히 저녁 피크 시간대에 그 차이가 두드러진다.

Fig. 3.

Comparison of grid power usage

그림 4는 저장 장치의 전력 흐름을 보여준다. BESS(녹색 실선)는 PV 발전량이 부하를 초과하는 낮 시간대(약 7시~14시)에 최대 충전 전력(-400kW)에 가깝게 충전하고, PV 발전이 감소하고 그리드 가격이 높은 저녁 시간대(약 17시~20시)에 최대 방전 전력(400kW)에 가깝게 방전하는 등 매우 동적으로 작동한다. 반면, HESS의 연료전지 출력(라임색 점선) 은 매우 제한적으로, 주로 저녁 피크 시간대에 최대 150kW까지 작동하며, 전해조 입력(자주색 점선, 음수로 표시)은 거의 0에 가깝게 유지된다.

Fig. 4.

Comparison of storage power flows

그림 5는 저장 장치의 에너지 저장 상태 변화를 보여준다. BESS(보라색 실선)는 낮 동안 충전되어 SOC가 증가했다가 저녁에 방전되면서 감소하는 뚜렷한 일일 사이클을 보이며, 운영 범위(최소 20% ~ 최대 80%인 50kWh~200kWh) 내에서 활발하게 움직인다. 반면, HESS(남색 점선, kWh 환산값) 는 초기 50% SOC에서 시작하여 매우 느리게 방전될 뿐, 유의미한 충전이 일어나지 않아 시뮬레이션 동안 저장량이 거의 변화하지 않는다.

Fig. 5.

Comparison of storage state

Fig. 6.

PV generation and load

Fig. 7.

Grid electricity price

Ⅳ. 결 론

본 연구는 태양광 발전의 경제적 자립성 확보라는 현실적 과제에 대응하여, 핵심 에너지 저장 기술인 BESS와 HESS의 경제성 및 운영 특성을 동일 조건에서 정량적으로 비교 분석했다는 점에서 중요한 의의를 가진다. K대학교 삼척캠퍼스의 실측 데이터를 바탕으로 선형계획법(LP) 기반의 최적화 시뮬레이션을 수행한 결과, 다음과 같은 핵심 결론과 그 의의를 도출하였다.

첫째, 단기 운영 경제성 측면에서 BESS의 명백한 우위를 정량적으로 재확인하였다. 시뮬레이션 결과, BESS는 90% 이상의 높은 왕복 효율(RTE)을 바탕으로 저장 장치를 적극 활용하여 총 그리드 비용을 $29,367.19로 최소화했다. 반면, HESS는 낮은 RTE(약 35-45%)로 인해 저장 장치 활용이 극히 제한되었고, 그리드 의존도와 비용($59,709.73)이 더 높게 나타났다.

본 연구 결과의 가장 큰 학술적/실용적 의의는, 시스템 설계자와 정책 입안자에게 각 기술의 적합한 적용 분야에 대한 실증적 데이터를 제공하는 것을 넘어, 미래 에너지 시스템의 기술 포트폴리오 전략에 대한 중요한 통찰을 제공한 데 있다. 즉, 본 연구는 단기 운영 경제성 관점에서는 BESS가 최적의 선택지임을 명확히 보여주는 한편, HESS의 가치는 단순 전력 차익거래 모델이 아닌, 장주기 저장이나 부문 연계(Sector Coupling)와 같은 특정 비즈니스 모델과 결합될 때 비로소 발현될 수 있음을 시사하며, 이는 향후 수소 경제 정책 및 R&D 방향성에 중요한 함의를 제공한다. 따라서 HESS의 경제성 평가는 단일 전력 시장이 아닌, 전력-열-가스를 아우르는 통합 에너지 시스템 관점에서 접근해야 한다.

본 연구는 선형 모델을 사용하여 배터리 노화나 수소 누출과 같은 비선형적 요소를 고려하지 못한 한계를 가진다. 향후 연구에서는 이러한 비선형 모델링을 포함하고, 날씨와 전력 가격의 불확실성을 반영한 확률적 최적화, 그리고 BESS의 단기 효율성과 HESS의 장기 저장 능력을 결합한 하이브리드 시스템에 대한 심층 분석을 통해 연구를 확장할 필요가 있다.

References

• A. Gallo, J. Simões-Moreira, H. Costa, M. Santos, and E. Moutinho, “Energy Storage in the Energy Transition Context: A Technology Review,” Renewable and Sustainable Energy Reviews, Vol. 65, pp. 800-822, 2016. [https://doi.org/10.1016/j.rser.2016.07.028]
• S. Tajjour and S. Chandel, “A Comprehensive Review on Sustainable Energy Management Systems for Optimal Operation of Future-Generation of Solar Microgrids,” Sustainable Energy Technologies and Assessments, Vol. 58, 2023. [https://doi.org/10.1016/j.seta.2023.103377]
• G. Notton, V. Lazarov, and L. Stoyanov, “Optimal Sizing of a Grid-Connected PV System for Various PV Module Technologies and Inclinations, Inverter Efficiency Characteristics and Locations,” Renewable Energy, Vol. 35, No. 2, pp. 541-551, 2010. [https://doi.org/10.1016/j.renene.2009.07.013]
• N. Bansal, S. P. Jaiswal, and G. Singh, “Comparative Investigation of Performance Evaluation, Degradation Causes, Impact and Corrective Measures for Ground Mount and Rooftop Solar PV Plants - A Review,” Sustainable Energy Technologies and Assessments, Vol. 47, 101526, 2021. [https://doi.org/10.1016/j.seta.2021.101526]
• H. Ibrahim, A. Ilinca, and J. Perron, “Energy Storage Systems-Characteristics and Comparisons,” Renewable and Sustainable Energy Reviews, Vol. 12, No. 5, pp. 1221-1250, 2008. [https://doi.org/10.1016/j.rser.2007.01.023]
• B. Zakeri and S. Syri, “Electrical Energy Storage Systems: A Comparative Life Cycle Cost Analysis,” Renewable and Sustainable Energy Reviews, Vol. 42, pp. 569-596, 2015. [https://doi.org/10.1016/j.rser.2014.10.011]
• T. Bocklisch, “Hybrid Energy Storage Systems for Renewable Energy Applications,” Energy Procedia, Vol. 73, pp. 103-111, 2015. [https://doi.org/10.1016/j.egypro.2015.07.582]
• X. Luo, J. Wang, M. Dooner, and J. Clarke, “Overview of Current Development in Electrical Energy Storage Technologies and the Application Potential in Power System Operation,” Applied Energy, Vol. 137, pp. 511-536, 2015. [https://doi.org/10.1016/j.apenergy.2014.09.081]
• M. Pellow, C. Emmott, C. Barnhart, and S. Benson, “Hydrogen or Batteries for Grid Storage? A Net Energy Analysis,” Energy & Environmental Science, Vol. 8, No.7, pp. 1938-1952, 2015. [https://doi.org/10.1039/c4ee04041d]
• I. Staffell, D. Scamman, A. Velazquez Abad, P. Balcombe, P. Dodds, P. Ekins, ... and K. Ward, “The Role of Hydrogen and Fuel Cells in the Global Energy System,” Energy & Environmental Science, Vol. 12, No. 2, pp. 463-491, 2019. [https://doi.org/10.1039/c8ee01157e]
• K. Kwon, N. An, and N. Kim, “Grid-Power Saving through Green Hydrogen Utilization,” Journal of Digital Contents Society, Vol. 24, No. 10, pp. 2373-2378, October 2023. [https://doi.org/10.9728/dcs.2023.24.10.2373]
• H. Khani and M. Dadash Zadeh, “Real-Time Optimal Dispatch and Economic Viability of Cryogenic Energy Storage Exploiting Arbitrage Opportunities in an Electricity Market,” IEEE Transactions on Smart Grid, Vol. 6, No. 1, pp. 391-401, January 2015. [https://doi.org/10.1109/tsg.2014.2357253]
• O. Krishan and S. Sathans, “An Updated Review of Energy Storage Systems: Classification and Applications in Distributed Generation Power Systems Incorporating Renewable Energy Resources,” International Journal of Energy Research, Vol. 43, No. 15, 2018. [https://doi.org/10.1002/er.4285]