AI 전력수요 폭증…전력망도 'AI 운영' 시대로 [2026 산업비전포럼]

데이터센터 전력소비 2030년까지 5년 만에 2배 전망

AI 데이터센터 확산에 전력 인프라 구축 지연·공급망 병목 심화

안정적 전력 확보 역량이 AI 산업 경쟁력의 새 변수로 부상

효성중공업, AI 기반 전력설비 자산관리 고도화

서황동 효성중공업연구소 AM연구팀 팀장이 16일 서울 여의도 CCMM빌딩에서 열린 '데일리안 경제산업포럼'에서 'AI 시대를 움직이는 두 축, 전력 인프라와 AI 솔루션'을 주제로 발표하고 있다. ⓒ데일리안 정진주 기자

인공지능(AI) 확산으로 전력 수요가 급증하면서 전력망 복잡성 관리가 전력산업의 새로운 과제로 떠올랐다. 노후 설비 교체와 신재생에너지 확대, 전기차 보급까지 맞물리며 전력 인프라 자체가 빠르게 확대되는 가운데 안정적인 전력 공급 역량이 AI 산업의 경쟁력을 좌우하는 변수로 꼽힌다.

서황동 효성중공업연구소 AM연구팀 팀장은 16일 서울 여의도 CCMM빌딩에서 열린 '데일리안 경제산업포럼'에서 발표자로 나서 AI 확산에 따른 전력 인프라 변화와 업계 대응 방향을 설명했다.

서 팀장은 "AI가 생성형 AI에서 피지컬 AI로 넘어가면서 예전에는 인식하고 판단하는 데 그쳤던 것들이 이제는 행동까지 옮기는 방향으로 발전하고 있다"며 "이 과정에서 막대한 전력을 소모하게 되고 전력 산업 자체도 그만큼 커지고 변화하고 있다"고 말했다.

실제로 AI 확산에 따른 전력수요 증가는 데이터센터를 중심으로 가시화되고 있다. 국제에너지기구(IEA)는 세계 데이터센터 전력소비량이 2025년 485테라와트시(TWh)에서 2030년 950TWh로 5년 만에 약 2배로 늘어날 것으로 전망했다.

글로벌 변압기 시장 규모는 2025년 78조원에서 2035년 140조원으로, 글로벌 신재생에너지 발전량은 2023년 8969TWh에서 2027년 1만3250TWh로 각각 늘어날 것으로 예상됐다.

문제는 이 같은 수요 증가를 실제 공급이 따라가지 못한다는 데 있다. 데이터센터 건설에는 통상 2년이 걸리는 반면 신규 송전선로에는 5.2년, 계통 연계에는 4.5년이 소요된다. 초고압 변압기도 생산 슬롯 예약에 1.6년이 필요해 주문이 곧바로 설비 확보로 이어지기 어렵다. 지난해 전 세계 가스터빈 주문량도 전년 대비 70% 급증하면서 공급망 병목 신호가 나타나고 있다.

전력 수요 증가는 곧 산업 경쟁력의 새로운 기준으로 이어지고 있다. 서 팀장은 "AI 산업의 경쟁력에서 그동안 놓치고 있던 부분 중 하나가 얼마나 안정적으로 전력량을 확보할 것인가"라며 "이 부분이 반도체·데이터센터·소프트웨어 못지않은 또 하나의 경쟁 요소로 떠오르고 있다"고 설명했다.

복잡해지는 전력망…'공급' 넘어 설비 운영에 AI

서황동 효성중공업연구소 AM연구팀 팀장이 16일 서울 여의도 CCMM빌딩에서 열린 '데일리안 경제산업포럼'에서 'AI 시대를 움직이는 두 축, 전력 인프라와 AI 솔루션'을 주제로 발표하고 있다. ⓒ데일리안 정진주 기자

전력망 자체의 복잡성 증가도 업계가 안고 있는 숙제로 지목됐다.

서 팀장은 "전력 수요가 늘고 전력 기기가 확산되면서 전력망 자체도 복잡해지고 있고 여러 계통에서 문제가 발생할 수 있는 요소들이 늘고 있다"며 "설비가 커질수록 이 리스크를 어떻게 관리하고 전력 품질을 어떻게 높이며 유지보수를 어떻게 할 것인가를 계속 고민해야 한다"고 강조했다.

실제 글로벌 전력망 노후화 비율은 미국이 가동 25년 이상 설비 70%, 유럽이 40년 이상 설비 40%에 이른다. 글로벌 전기차 전력소비량도 2024년 200TWh에서 2030년 780TWh로 4배 가까이 늘어날 것으로 전망돼 전력망에 가해지는 부담이 커지고 있다. 반대로 센서 모니터링과 의사결정 체계의 부재가 전력설비 사고로 이어질 수 있다는 사례도 제시됐다.

이런 흐름 속에 국내 전력기기 업계에서도 AI 기반 설비관리 체계 고도화가 이어지고 있다. 효성중공업은 2000년대 초 예방진단시스템 사업화를 시작으로 한국전력공사 SEDA 기술을 통합한 ARPS, 이를 고도화한 ARMOUR+를 거쳐 올해 'AI ARMOUR+ 2.0' 개발을 진행하고 있다.

서 팀장은 "예전에는 AI가 설비 상태에 이상이 있다는 것을 알람으로 알려주는 정도였다면 지금은 AI가 분석하고 판단해서 의사결정까지 지원하는 솔루션으로 가려 하고 있다"고 부연했다.

이 과정에서 핵심 기술로 꼽히는 것이 멀티모달 AI와 온톨로지다. 멀티모달 AI는 텍스트·이미지·영상·센서 데이터 등 서로 다른 형태의 정보를 통합해 분석하는 기술이다. 온톨로지는 데이터의 의미와 관계를 연결해 AI가 맥락을 이해하고 추론할 수 있도록 하는 기술이다.

서 팀장은 멀티모달 AI에 대해 "점검원이 현장에서 수기로 작성했던 것들도 다 데이터화하겠다는 의미로, 영상이나 이미지, 문서를 컴퓨터가 이해할 수 있게 만드는 기술"이라고 설명했다.

온톨로지에 대해서는 "카메라가 축구공 하나만 인식하더라도, 데이터와 데이터의 관계를 연결해주면 공을 뒤따라 아이가 뛰어들 수 있다는 것까지 판단할 수 있게 된다"며 "기존 데이터베이스만으로는 안 되고 이 데이터들 간의 관계성을 연결해주는 것이 온톨로지"라고 덧붙였다.

마지막으로 서 팀장은 전력 설비 안정성의 중요성을 재차 짚으며 "아무리 AI가 잘 돌아가더라도 순간 정전이 일어나 데이터가 손실되거나 전력망에서 정전이 발생하면 그 피해 규모는 엄청나게 클 수 있다"며 "전력 설비의 안정성이나 효율적인 관리가 뒷받침되지 않으면 에너지 분야에 큰 타격이 있을 것"이라고 말했다.