서 론

기후변화로 인한 재난 발생 빈도가 지속적으로 증가하고 있으며, 지구의 평균 기온 상승폭을 섭씨 2도 이내로 제한하지 못할 경우, 돌이킬 수 없는 재앙에 직면할 것이라는 경고가 제기되고 있다(Aerenson et al., 2018). 2015년 파리기후변화협약은 이러한 위기를 전 세계가 직시하게 만든 계기였으며, 온실가스 배출량 감축이라는 전 지구적 목표를 설정하는 중요한 전환점이 되었다. 협약의 핵심 목표는 2100년까지 지구 평균 온도 상승폭을 섭씨 1.5도 이하로 제한하는 것이며, 이를 위해 2030년까지 탄소 배출량을 2010년 대비 최소 45 % 감축하고 2050년까지 탄소중립을 달성하는 것을 목표로 하고 있다(Geiges et al., 2020).

탄소중립 또는 넷 제로(Net Zero) 목표의 달성을 위해서는 에너지 전환이 필수적이다. 이는 현재의 사회 기반시설을 신재생에너지로 대체함으로써 온실가스 배출을 획기적으로 줄이는 것을 의미한다(Caineng et al., 2021). 특히 태양광 및 풍력 발전은 기술 발전과 규모의 경제를 통해 비용 감소를 이루었으나(Kong and Cho, 2021), 이들 재생에너지는 생산의 간헐성이라는 한계를 지니고 있어 안정적인 전력 공급을 위해 보조적인 전력원이 필요하다. 이러한 간헐성을 극복하기 위한 방안으로는 양수 발전, 대규모 배터리 시스템, 압축 공기를 활용한 저장 방식 등이 제시되었으나(Kurbatova and Perederii, 2020), 각 방식은 지리적 제약과 환경적 영향을 동반하는 문제를 안고 있다.

이러한 한계 속에서 수소에너지가 주목받고 있다. 수소는 재생에너지를 통해 생성된 전기를 저장하고 연료전지를 통해 전기를 생산할 수 있으며, 이 과정에서 온실가스를 배출하지 않는다는 강점을 가지고 있다(Zhang et al., 2016). 그러나 현재 상업적으로 가장 널리 사용되는 수소 생산 방식인 증기메탄개질(Steam Methane Reforming, SMR) 방식은 여전히 상당량의 온실가스를 배출하고 있다. 이러한 ‘그레이 수소’는 경제성이 뛰어나지만, 궁극적인 탄소중립 실현을 위해서는 수전해 방식으로 생산되는 ‘그린 수소’로의 전환이 요구된다. 동시에 Carbon Capture Utilization and Storage(CCUS) 기술을 통해 배출된 온실가스를 포집 및 저장 또는 재활용하는 방안이 검토되어야 한다(Dong et al., 2022). 국내에서도 2040년 탄소중립을 목표로 수소경제 실현을 위한 다양한 정책과 노력이 활발히 전개되고 있다.

이처럼 수소 경제로의 전환이 탄소중립의 핵심 과제로 부상하고 있음에도 불구하고, 수소 생산은 여전히 경제적 타당성을 확보하지 못하고 있다. 따라서 수소경제가 안정적으로 구현되기 위해서는 수소 생산비용의 감소, 기술 혁신, 시장 수요 분석 등을 기반으로 한 경제성 검토가 필요하다. 이를 위해 수소 공급망을 분석하기 위한 다양한 연구가 이루어지고 있다. Almansoori and Betancourt-Torcat(2016)은 Mixed Integer Linear Programming(MILP) 모델을 이용해서 독일 수소 에너지의 생산, 저장, 운송에 이르는 공급망 네트워크를 최적화하였다. 특정 시점에서의 최적화 모델을 제안하였으나 공급망의 동적인 상호작용을 실시간으로 반영하는 데에는 한계가 있었다. Almansoori and Shah(2012)는 수소 수요의 장기 변동성과 불확실성을 고려하여 시나리오 기반의 수소 공급망을 설계하였으나, 최적화 과정에서 동적인 상호작용을 고려하지 못하고 지역적 요인이나 실시간 변동성을 반영하지 않았다. Sizaire et al.(2024)은 선형 프로그래밍 모델을 사용하여 텍사스와 루이지애나를 대상으로 노드 기반의 수소 공급망 분석을 수행하고 인프라 요구사항을 평가하였다. 그러나 마찬가지로 실제 적용에서 발생할 수 있는 동적 상호작용, 지역 데이터 및 불확실성을 충분히 반영하지 못한 한계가 있다. Fazeli et al.(2022)은 수소 생산 기술에 따른 온실가스 배출을 평가하기 위해 기술·경제적 분석과 몬테카를로 기반의 불확실성 분석을 결합한 통합 프레임워크를 제시하였다. 시스템 비용, 용량, 가스 가격의 불확실성 등이 그린 수소로의 전환에 중요한 영향을 미친다는 사실을 확인하였으나 수소의 수요와 공급 과정에서의 상호작용과 변동성은 고려할 수 없었다. 국내에서도 수소 생산시설의 위치와 생산량, 수소 저장 시설의 위치와 용량, 운송 방식 및 운송량 등을 매개변수로 고려하여 MILP 모델 기반의 수소 공급망을 설계하는 연구가 이루어졌다(Jang and Lee, 2024, Choi et al., 2021). 이처럼 기존의 연구들은 대부분 수소 공급망 최적화를 위해 수학적 모델링 기반의 비용 최소화를 목표로 하며 일부 장기적 불확실성을 반영하고 있다. 그러나 동적인 상호작용, 실시간 변동성, 지역적 요인 및 수요와 공급 간의 상호작용을 충분히 반영하지 못하는 한계가 있다. 특히 실제 수소 관련 시설의 데이터를 이용한 시뮬레이션 분석 사례는 매우 미흡한 실정이다. 향후 수소의 수요와 공급이 확대될 것을 고려하면, 생산시설, 충전소, 운송 수단 등 개별 객체의 상호작용을 고려하여 동적 모델링을 수행할 필요가 있다. 또한, 현실적이고 신뢰할만한 시뮬레이션을 위해서는 실제 데이터를 활용하여 현실을 재현하는 모델을 구축한 후 다양한 상황을 실험할 수 있어야 한다.

본 연구에서는 에이전트 기반 모델링을 통해서 수소 관련 개별 행위자들의 상호작용을 동적으로 시뮬레이션하고, 수학적 모델로 포착하기 어려운 변동성을 고려하였다. 현실적인 데이터 기반 모델을 구축하기 위해서 삼척시에서 운영 중인 수소 생산시설의 모니터링 데이터를 활용하였고, 충전소와의 거래 데이터를 기반으로 실제적인 수요를 반영하였다. 본 연구는 실제 운영 데이터를 바탕으로 현재의 운영 상황을 모델링하고 경제성을 검토하는 동시에, 여러 가지 시나리오를 평가하여 정책적 시사점을 도출하고자 한다.

연구지역

본 연구는 강원특별자치도 삼척시에 위치한 수소충전 복합 스테이션(Fig. 1)을 대상으로, 경제성과 이산화탄소(CO₂) 감축 효과를 분석하고 예측하는 것을 목적으로 한다. 삼척 수소충전 복합 스테이션은 전국 최초로 수소 생산시설과 충전소가 동시에 운영되는 복합 시설로, 2022년 11월 상업운영을 개시하였다. 이 연구대상지는 설비용량 1.3톤/일 규모의 수소 생산시설을 보유하고 있으며, 일일 약 1,000 kg의 수소를 생산할 수 있는 능력을 갖추고 있다. 천연가스를 활용한 SMR 방식의 수소 생산을 진행하며, 이 과정에서 핵심적인 역할을 하는 장비로는 가스압축기, 탈황기, 개질기 등이 포함된다.

Fig. 1.

Samcheok hydrogen complex station.

가스압축기는 천연가스를 0.8 MPa로 압축하여 탈황기로 공급하며, 탈황기는 가스압축기에서 공급된 천연가스나 다른 수소 원료 가스로부터 황화수소(H₂S)와 같은 황 화합물을 제거하는 장치로, 부취제인 TBM, DMS 등도 함께 제거한다. 개질기는 메탄(CH₄)과 물(H₂O)을 반응시켜 수소를 생산하는 장비로, 증기 개질 방식을 통해 수소를 대량으로 생산하는 역할을 수행한다. 이 외에도 개질 반응에 필요한 열을 공급하는 오프 가스버너, 수소를 압축 및 저장하는 수소정제기, 그리고 실시간으로 일산화탄소(CO) 가스를 분석하는 장비 등이 있으며, 안전 및 효율성을 높이기 위한 통합 모니터링 시스템이 설치되어 있다.

연구대상지의 수소 운송을 위한 튜브 트레일러(Fig. 2)는 총 18대가 있으며, 그중 4대가 수소 운송을 전담한다. 튜브 트레일러의 수소저장 용기 용량은 22,900 L로, 저장된 수소 가스는 약 20 °C의 온도, 20.0 MPa의 압력 하에 유지된다. 트레일러 한 대당 최대 338 kg의 수소를 적재할 수 있지만, 실제로는 약 320 kg의 수소만을 적재하고, 약 120 kg의 수소는 압력 유지를 위해 보존되므로 충전소에 공급되는 수소량은 약 200 kg이다. 수소 튜브 트레일러는 생산시설에서 2대의 압축기를 사용해 충전되며, 충전에는 약 9시간 30분이 소요된다. 충전소에서는 용기를 교체하는 방식으로 운송된 수소를 제공하며, 약 30분이 소요된다.

Fig. 2.

Hydrogen tube trailer at Samcheok hydrogen complex station.

본 연구에서는 이러한 수소 생산시설의 운영 데이터를 활용하여 천연가스 투입량, 수소 생산량 및 판매량 등을 분석하고, 수소 운송에 필요한 튜브 트레일러의 운행 정보를 수집하여 수소 수요지의 수요와 공급량 데이터를 기반으로 한 시뮬레이션 모델을 개발하였다.

연구 방법

수소 생산방식 분석

SMR 수소 생산방식은 천연가스와 수증기를 반응시켜 수소를 생성하는 가장 보편적인 수소 생산 방법 중 하나로, 대량의 수소 생산이 가능하여 산업적 용도로 널리 활용되고 있다. 그러나 이 과정에서 메탄 분자가 탄소와 수소로 분해되어 CO 및 CO₂가 생성되므로 온실가스를 배출하는 단점이 있다.

본 연구의 대상인 삼척 수소 생산시설은 SMR 방식을 활용하므로 SMR 생산방식에서 소모되는 전기, 천연가스, 물의 양과 비용을 시뮬레이션 모델에 적용하였고, 이때 배출되는 CO₂의 양을 추정하였다. SMR 방식은 식 (1)과 같은 화학식을 기반으로 하며, 원료로 투입된 천연가스 대비 생산되는 수소의 화학양론적(stoichiometric) 비를 4로 적용할 수 있다.

Han et al.(2019)은 이러한 화학식을 기반으로 국내에서의 공정 효율(62.2%)과 액화천연가스(LNG)의 기화 과정을 고려하여 수소 1 kg을 생산할 때 11.39 kg의 CO₂가 발생하는 것으로 분석하였다(수소 1몰 생산 시 CO₂ 0.52몰). 본 연구에서는 이러한 관계를 적용하여 수소생산량 대비 CO₂ 발생량을 계산하였다.

수소충전소 및 수소 차량 현황 분석

2024년 10월 기준 강원특별자치도 내에는 총 13개의 수소충전소가 운영되고 있으며(Hydrogen Distribution Information System, 2024), 이 중 삼척, 춘천, 원주, 속초, 동해, 평창, 강릉, 횡성, 인제 충전소와 충청북도의 제천 충전소는 연구대상지인 삼척 수소 생산시설에서 수소를 공급받은 바 있다. 본 연구에서는 거래 중인 충전소에 국한하여 분석을 진행하였다. 각 충전소의 운영 시간은 상이하나, 일반적으로 오전 8시부터 오후 8시까지 운영되며, 분석일 기준 9,900 원/kg 수준의 판매금액이 형성되어 있다. 강원지역 내에는 2024년 10월 기준 총 2,726대의 수소 차량이 등록되어 있으며(Hydrogen Economy Comprehensive Information Portal, 2024), Fig. 3(a)는 강원지역의 수소차량 분포와 수소충전소의 위치를 보여준다. 인구가 많은 춘천과 원주가 가장 많은 수소 차량이 등록되어있고 속초와 삼척 순으로 많은 수소 차량이 등록되어 있다. Fig. 3(b)는 삼척 생산시설에서 각 충전소에 판매한 수소 거래량과 해당 지역 수소차량 등록대수 사이의 관계를 보여준다. 춘천 충전소는 월평균 약 6,000 kg의 수소를 거래하며 가장 높은 거래량을 보이며, 수소 차량 보유 수가 많은 지역일수록 수소 거래량이 높은 경향을 확인할 수 있다.

Fig. 3.

(a) The distribution of hydrogen vehicles and hydrogen charging stations in Gangwon State, and (b) the correlation between hydrogen sales and the number of hydrogen vehicles.

수소 생산시설 데이터 분석

본 연구에서는 연구 대상인 삼척 생산시설의 2023년 1월부터 2024년 5월까지 데이터를 기반으로 월별 수소 생산량과 판매량, 생산 시 투입되는 천연가스량, 물의 양, 전기 소모량, 운반 비용 등을 고려하여 경제적 측면에서의 데이터 분석을 수행하였다. 분석 기간 동안의 각 지표 평균 값을 Table 1에 정리하였고, 장비의 고장으로 생산이 중단된 기간은 분석에서 제외하였다. 생산 비용을 산정하기 위해서 수도요금과 가스요금, 전기요금, 운반비용 등을 고려하였다. 상세 데이터는 제시하지 않았으나, 원주나 춘천 충전소와 같이 삼척 생산시설로부터 거리가 멀수록 높은 운송 비용이 발생하였으며 거리에 따른 운반 비용을 시뮬레이션에 반영하였다. Fig. 4에서는 수소 생산량과 비용 변수들을 0에서 1 사이의 값으로 정규화하여 월별 변화를 그래프로 표현하였다. 2023년 상반기에는 이들 사이에 높은 상관성을 보이는 반면, 2024년 이후에는 상관성이 다소 낮게 나타났다. 2023년 하반기 장비의 고장 및 수리 과정으로 인해 일부 환경적 변화가 있었을 것으로 추정된다. 비용 변수들 중에 천연가스는 수소 생산의 직접적인 원료가 되므로 수소 생산량과 가장 유사한 경향을 보이는 것을 알 수 있다. 본 연구에서는 데이터를 기반으로 시뮬레이션 변수를 설정하되, 정상 운영을 가정하여 분석하였다.

Fig. 4.

Monthly normalized values of hydrogen production, sales, and costs.

시뮬레이션 분석 도구

본 연구에서는 삼척시에 위치한 수소 생산시설에서의 수소 생산, 운송, 저장, 활용에 대한 시뮬레이션을 수행하고, 다양한 가상의 시나리오를 분석하기 위해 AnyLogic 소프트웨어를 활용하였다. AnyLogic은 에이전트 기반 모델링(Agent-based modeling)과 시스템 다이내믹스(System dynamics), 이산 이벤트 모델링(Discrete event modeling) 등을 지원하므로 수소 공급망 내 개체들의 동적 상호작용을 모델링할 수 있고 향후 다양한 수소 관련 공정에도 확장하여 적용이 가능하다. 또한, AnyLogic은 다양한 산업에서 검증되고 활용되는 상업용 소프트웨어로서 직관적인 인터페이스와 시각화 기능을 통해 시뮬레이션 과정과 결과를 명확히 전달할 수 있다는 장점이 있다(Jung et al., 2020). 유사한 기능을 수행하는 다른 분석 도구와 비교했을 때 상대적으로 프로그래밍 요구사항이 적고 사용자 친화적이므로 초기 연구 단계에서 효율적인 모델 설계에 유리하다고 판단하였다. AnyLogic의 에이전트 기반 모델링 기능을 활용하면 수소의 생산, 운송, 저장, 판매와 같은 복잡한 프로세스에서 에이전트들 간의 상호작용을 구현할 수 있고, 보다 다양한 시나리오를 구성하고 분석할 수 있다(Macal and North, 2005).

시뮬레이션 모델 구축

삼척 생산시설의 시뮬레이션 모델을 구축하기 위해 수소 생산 및 판매 알고리즘을 구성하였다. 먼저, 수요처에 해당하는 각 수소 충전소는 오전 8시부터 오후 8시까지 수소를 판매하며, 판매 가능한 수소의 양이 부족해지면 삼척 수소 생산시설에 수소 운반을 요청한다. 요청을 수신한 생산시설은 트레일러에 수소를 충전하여 해당 충전소로 운반한다. 이 과정에서 수소를 운송하기 위한 차량이 준비되어 있을 경우 즉시 운송이 이루어지며, 차량이 없는 경우에는 운송 가능한 차량이 확보될 때까지 대기하게 된다. 각 충전소에 운송이 완료되면, 해당 충전소는 공급받은 수소의 양(200 kg)을 반영하여 일반인에게 판매 가능한 수소의 양을 업데이트한다. 이러한 일련의 과정을 Anylogic을 통해 반복적으로 실행함으로써 삼척 생산시설의 수소 생산 및 판매 주기를 분석할 수 있다. Fig. 5는 이러한 분석과정의 흐름도를 보여준다.

Fig. 5.

AnyLogic simulation flow chart for hydrogen supply chain analysis.

본 연구에서는 삼척 수소 생산시설과 거래하는 수소 충전소들의 데이터를 분석하여 각 충전소의 일별 수소 판매량 평균 및 표준편차를 산출하였다. 일별 판매량이 정규분포를 따른다는 가정 하에 판매량의 평균과 표준편차를 바탕으로 난수를 생성하여 시뮬레이션에 적용하였다. 산출한 일별 판매량을 수소충전소의 운영시간(12시간)으로 나누어 시간당 판매량을 추정한 후 시뮬레이션에 적용하여 각 충전소의 수소 잔량 변화를 예측하였다. 각 충전소에서는 시간당 판매량에 따라 수소 잔량이 일정 기준 미만일 경우 생산시설에 수소 운송을 요청하도록 설정하였다. 구체적으로, 충전소의 수소 잔량이 트레일러 용량(200 kg)의 절반인 100 kg 미만으로 떨어질 경우 운송 요청이 발생한다고 가정하였다.

수소 운송 요청을 받은 생산시설은 운용 가능한 4대의 차량 중 대기 상태인 차량을 즉시 배치하고, 트레일러에 최대 200 kg의 수소를 적재하여 해당 충전소로 이동시킨다. 차량이 모두 운행 중일 경우, 요청 순서에 따라 대기 후 순차적으로 운송을 진행한다. 운송 트럭은 요청을 받은 충전소로 이동하며, 차량 속도는 시속 80 km로 가정하였다. 생산시설에 도착하여 트레일러를 교체하는 데 소요되는 시간은 실제 교체 시간인 30분을 반영하여 시뮬레이션에 적용하였다.

생산시설에서는 하루 최대 생산량인 1,300 kg을 24시간으로 나누어 시간당 54 kg을 생산한다고 가정하였다. 생산시설의 수소 잔량이 트레일러 6대분에 해당하는 1,200 kg에 도달할 경우, 수소 생산이 자동으로 중지되는 조건을 설정하였다. 또한, 수소 1 kg을 생산하는 데 필요한 천연가스, 물, 전기의 소모량과 각각의 자원에 대한 단가를 적용하여 천연가스, 수도, 전기 비용을 산출하였다. CO₂ 배출량은 문헌을 참고하여 수소 1 kg 생산시 11.39 kg이 배출되는 것으로 계산하였다. Fig. 6은 이러한 에이전트(수소 생산시설, 운송 차량, 충전소)의 각 구성과 동작을 개념적으로 표현한 그림이다. 특정한 조건이나 유기적인 상호 작용에 의해서 에이전트의 상태에 변화가 생기며 동적 시뮬레이션이 이루어진다.

Fig. 6.

Conceptual detailed structure of individual agents in the AnyLogic simulation model.

연구 결과

시뮬레이션 결과

구축한 시뮬레이션 모델을 기반으로 1년 간의 총 수소 판매량, 천연가스 요금, 전기 요금, 수도 요금, 운송비, 순이익, CO₂ 배출량 등을 평가하였다. 난수 생성을 통해 모델에 변동성을 부여했으나 본 연구에서는 편의를 위해 반복 수행한 평균값을 제시한다. 현재 데이터를 바탕으로 다수의 시뮬레이션을 수행하고 평균을 계산한 결과, 연간 수소 생산량은 약 254톤, CO₂ 배출량은 약 2,890톤으로 계산되었고, 매출에서 비용을 제외한 순이익을 계산했을 때 연간 약 6억 원의 손해가 발생할 것으로 예측되었다(Table 2). 수소 생산시설의 매출 데이터와 시뮬레이션 데이터를 비교했을 때, 시뮬레이션 결과가 평균적으로 약 10% 정도 적자가 더 높게 계산되었다. 현재는 강원특별자치도와 삼척시에서 지원금이 지급되고 있어 운영에 큰 어려움이 없으나, 이러한 결과는 현재 운영 방식에서의 경제적 부담을 반영하므로 향후 최적화 및 비용 절감 방안을 통해 수익성 개선이 필요함을 시사한다. 생산 비용의 변수 별로 살펴보면, 시뮬레이션 수행 결과에서는 가스요금이 약 52.3 %, 운송비는 약 34.0 %, 전기요금은 약 10.4 %, 수도요금은 약 3.3 %의 비중을 차지하는 것으로 나타난 반면, 실제 매출 데이터에서는 가스요금이 약 45.7%, 운송비가 약 46.2%, 전기요금이 약 5.8%, 수도요금이 약 2.3%의 비중을 차지하였다. 즉, 실제에 비해서 시뮬레이션에서 가스요금은 다소 과장되고 운송비는 다소 과소평가 된 것으로 나타났다. 실제 생산시설의 운영 과정에서는 장비 고장, 요금 변동을 비롯한 다양한 환경적 변화가 생기기 때문에 이러한 요소들을 모두 고려하기에는 어려움이 있다. 또한, 비용을 유발하는 요인들은 상대적으로 변동성이 크고 수소 생산량과 정비례하지는 않으므로 전체적인 순이익 예측은 불확실성을 내포하고 있다. 그러나 현재의 구조에서는 순이익이 흑자를 기록하기 어려운 것은 명확하며, 이는 원료 비용에 대한 의존도가 높고 차량을 이용한 운송비의 영향을 크게 받기 때문이다. 개별 행위자 간의 상호작용을 반영할 수 있는 에이전트 기반 모델링의 특징을 활용해 추가로 시나리오를 가정하였고, 일부 변수의 변화에 따른 결과를 예측하였다.

Fig. 7은 수소 판매금액 변동에 따른 시뮬레이션 결과를 나타낸다. 현재 판매금액을 기준으로 10 %, 15 %, 20 %, 25 %, 30 % 인상하는 시나리오를 가정하여 시뮬레이션을 수행하였다. 판매금액이 인상되면 충전소에서의 판매율은 감소한다고 가정하고 감소비율에 따른 시나리오를 세분화하여 결과를 비교하였다. 충전소에서 수소 판매율이 낮아지면 생산시설에 수소를 요청하는 빈도 역시 감소하게 된다. 결과적으로 수소 생산량 감소 및 차량의 운반 횟수가 줄어드는 현상이 생기며 수익과 비용이 모두 줄어들게 된다. 이러한 과정은 각 행위자들의 위치와 조건에 따라 다양하게 나타나므로 행위자 간의 상호작용을 동적 모델로 분석할 필요가 있다. 판매율이 떨어지지 않는다면 판매금액을 25 % 인상할 때 약간의 흑자가 발생 가능하고, 30 % 인상할 경우 약 1.5억 원의 순이익이 발생 가능하다. 그러나 가격 인상에 따라 판매율이 떨어질 것을 고려한다면 30% 인상을 하더라도 약 12%의 판매율이 떨어지면 적자가 예상된다.

Fig. 7.

Simulation results of net profit based on hydrogen sales price and sales rate.

Table 3은 생산시설에서 운송에 이용하는 차량의 수를 2대에서 5대까지 변화를 줬을 때 시뮬레이션 결과를 나타낸다. 현재는 4대의 트레일러를 운용하고 있으며, 1년 간 10번 정도의 지연이 발생하고 각각의 지연시간은 평균 45분 정도로 분석되었다. 지연이 발생했다는 것은, 구매요청이 왔을 때 수소를 가득 채운 채 대기 중인 차량이 없어서 즉각적으로 운송이 이루어지지 않는 상황을 의미한다. 운용하는 차량이 적을수록 지연이 자주 발생하며, 2대만으로 운영한다면 연간 500회 이상의 지연 상황이 발생하므로 적절하지 않음을 알 수 있다. 5대를 운용할 경우 지연이 거의 발생하지 않으나, 운전자 고용, 유지보수 비용, 트레일러 보유 현황 등의 환경을 고려하면 4대를 운용하는 것이 더 적절하다고 판단된다. 3대를 운용하면 약 100회의 지연이 발생하는 것으로 분석되었고, 총 지연시간은 약 73시간으로 나타났다. 비용 저감을 고려한다면 3대를 운용하는 것도 고려사항이 될 수 있을 것이다. 종합적인 유류비는 수요에 의해서 결정되므로 모든 경우에 유사한 결과가 예측되었다.

Fig. 8(a)는 수소 수요가 높은 춘천과 원주 사이에 신규 수요처인 수소충전소를 구축하는 가정 하에 수행한 시뮬레이션 화면을 나타낸다. 수소 판매량은 춘천과 원주 충전소의 평균 판매량으로 가정하였다. 춘천과 원주 충전소의 높은 수요를 반영하여 신규 충전소 구축 시 기존 대비 36%의 매출 증가가 예상되나, 가스 요금 및 기타 비용 또한 증가하였다(Table 4). 순이익은 기존 대비 약 5% 감소하는 것으로 분석되었다. 거래처 증가에 따라 수소의 판매량이 증가하지만, 순이익으로 연결되려면 판매 가격 인상이나 원가 절감이 필요함을 다시 한번 확인하였다. 가정한 충전소의 위치가 생산시설로부터 거리가 먼 곳에 위치함에 따라 운반비가 크게 발생한 것도 순이익 감소의 원인으로 작용하였다.

Fig. 8.

Interactive map of simulations for scenarios with the addition of (a) a hydrogen charging station and (b) a hydrogen production facility.

Fig. 8(b)는 새로운 수소 생산시설을 구축한다고 가정했을 때의 시뮬레이션 화면을 나타낸다. 신규 생산시설의 위치는 교통과 충전소 분포를 고려하여 춘천과 원주 사이로 설정하였고, 삼척의 생산시설과 동일한 생산 능력을 갖추었다고 가정하였다. 수요처가 늘어난 것은 아니므로, 2개 생산시설의 생산량과 매출 합계는 1개일 때보다 근소하게 증가하였으나 총 가스비용이 더 커져 순이익은 기존 대비 약 12% 감소하는 것으로 분석되었다(Table 4). 각 생산시설에서 생산하는 양은 어느 정도 유지되는데 비해 각 생산시설에서 담당하는 수요는 이보다 더 적어짐에 따라 순이익이 감소한 것이다. 향후 국가적으로 수요가 늘어난다면 생산시설 추가 구축이 필요할 것이나, 현재의 수요 상황에서는 인근에 추가적인 수소 생산시설은 불필요한 상황임을 확인하였다. 종합적인 비용은 상승했으나 거리가 멀리 위치한 충전소에 대한 수소 공급을 이원화하면서 운송비는 약 12.9% 감축되었다.

CO₂ 저감 효과 분석

시뮬레이션 결과, 해당 생산시설의 연간 수소 생산량은 약 254톤, CO₂ 배출량은 약 2,890톤이며 이는 수소차량의 연비를 약 100 km/kg(Hyundai, 2024)으로 가정했을 때 총 2,540만 km의 주행을 가능하게 한다. 일반적인 승용차 온실가스 규제의 경우, 2012년에 140 g/km CO₂(연비 17 km/L), 2020년에는 97 g/km CO₂(연비 24.1 km/L) 기준을 적용하였으나 실제적으로는 140 g/km 수준의 배출이 이루어지고 있다(Kim and Jeong, 2023). 이를 고려했을 때 일반 차량이 동일한 2,540만 km의 거리를 주행했을 때 배출되는 CO₂는 약 3,556톤으로 추정할 수 있다. 따라서 연구대상인 삼척 생산시설에서 만들어진 수소를 차량 운행에 활용했을 때, 연간 약 666톤의 CO₂를 저감할 수 있다. 한국에서 온실가스 배출에 대한 세금을 부과한다면 1톤 당 2천원에서 1만 4천원이 적절하다는 연구가 이루어진 바 있다(Yonhap News Agency, 2024). 이를 고려하면 부수적으로 연간 최대 1,000만원 수준의 경제적 효과도 얻을 수 있을 것이다.

토 의

본 연구는 실제 운영데이터를 활용하여 합리적이고 현실을 반영한 시뮬레이션 모델을 구축하였으나, 모델을 고도화하고 활용성을 높이기 위해서는 몇 가지 사항들을 개선할 필요가 있다.

본 연구는 데이터 분석을 통해 산출된 통계 값을 기반으로 수요와 공급을 예측하고 시뮬레이션을 수행하였다. 이러한 방식은 현실과 시뮬레이션의 오차를 최소화 할 수 있고, 현실을 바탕으로 구체적인 시나리오를 제시하고 변동성을 확인할 수 있다는 장점이 있다. 그러나 예측하기 어려운 불확실한 미래를 반영하기에는 어려움이 있다. 본 연구에서는 1년이라는 단기간 분석을 수행하며 제어가능한 환경 변화를 모델링하였으나, 상대적으로 먼 미래의 변화를 다양하게 예측하기 위해서는 다양한 변수들의 변화를 확률론적으로 고려할 필요가 있다. 예를 들어 현재 모델은 수소 수요 변동을 정규분포를 통해 반영하고 있으나, 수소 모빌리티 증가에 따른 수요 변화는 고려하지 않고 있다. 몬테카를로 시뮬레이션 등을 결합한다면 이러한 불확실성을 반영한 분석이 가능할 것이다.

이와 반대로 더욱 정확하고 정밀한 시뮬레이션을 수행하기 위해서는 데이터와 알고리즘의 정확도를 높이고 개선할 필요가 있다. 예를 들어, 본 연구에서는 데이터 기반 통계 값을 기반으로 수소 생산과 비용 관련 변수들의 관계를 정립하고 요금을 반영한 생산 비용을 추정하였다. 그러나 실제로 수소 생산량과 투입 원료들 사이에 정확한 정량적 관계가 성립되지 않고, 비용을 유발하는 다른 요인들도 상당수 존재한다. 따라서 시뮬레이션의 정확도를 높이기 위해서는 더 장기간의 데이터를 획득하고 상세한 변수설정과 통계분석을 수행하여 이를 반영할 필요가 있다. 또한, 수소 튜브 트레일러의 운송 알고리즘은 차량 속도를 80 km/h로 고정하여 시뮬레이션을 수행하였다. 그러나 실제 운반 환경에서는 교통 혼잡이나 도로 상황에 따른 변수들이 존재할 수 있다. 장기적인 추세 파악에는 세부적인 교통정보가 불필요하나, 보다 정밀한 시뮬레이션을 위해서는 실제 교통 상황과 가변적인 운반 속도를 반영할 필요가 있다. 그 외에도 산업용 수소 차량과 일반 수소 차량의 수요 차이를 반영할 수도 있을 것이다. 또한, 본 연구에서는 용량을 초과하면 수소 생산을 중단한다고 가정하지만, 실제로는 판매되지 않고 벤트 되거나 타 충전소로 판매되는 수소가 있을 수 있고 이러한 상세 데이터 부족은 오차를 유발할 수 있다. 따라서 더욱 정밀한 모델 구축을 위해서는 보다 상세한 데이터의 확보와 이를 바탕으로 한 시뮬레이션 구현이 요구된다.

현 시점에서는 극단적인 원료비 절감이 이루어지지 않는 한 SMR 수소 생산시설의 수익성을 확보하기는 어렵지만, 수소 판매 가격을 일부 인상시킨다면 경제성이 개선될 것을 확인하였다. 그러나 수소 가격 인상은 수요 감소와 수소 경제에 대한 관심 저하로 이어질 수 있으므로, 이를 고려한 보다 종합적인 접근이 요구된다. 또한, 운송 차량 수를 변경한 시나리오 분석 결과, 각 충전소에 수소를 원활하게 공급하면서 경제성을 확보하려면 적정량의 운송 차량이 필요함을 알 수 있었다. 차량 운영에 따른 비용도 상당하므로 장기적으로는 운송용 파이프 네트워크 구축이 효과적인 대안이 될 수 있을 것이다.

결 론

본 연구는 삼척 수소 생산시설의 운영데이터를 기반으로 시뮬레이션 모델을 개발하고 경제적, 환경적 측면에서의 분석을 수행하였다. 수소의 생산량, 판매량, 자원 투입량, 운영비용, 운반비 등을 고려하였고, 수소 생산 과정에서 배출되는 CO₂의 양을 추정하여 일반 승용차 대비 CO₂ 감축 효과를 분석하였다. 에이전트 기반 모델링을 통해서 수소의 생산과 수요, 공급 과정을 실시간으로 시각화하였으며, 에이전트(생산시설, 충전소, 운반차량 등) 관련 매개변수를 변경하며 시나리오에 따른 변화를 분석하였다.

본 연구에서는 경제성 위주로 결과를 제시하였으나, 당장의 수익성이 없더라도 수소에너지는 탄소중립 실현을 위해 반드시 필요한 자원이며, 앞으로 기술개발을 통한 원가 절감이 이루어질 것은 자명하다. 본 연구에서 대상이 된 SMR 방식의 생산시설은 CO₂를 배출함에도 불구하고 화석연료 차량에 비해서 종합적인 CO₂ 절감효과를 보였으며, 신재생에너지 기반의 그린수소, CCUS를 이용한 블루수소가 활성화된다면 수소경제 실현은 더욱 가까워질 것이다. 향후 수소의 수요가 늘어난다면 본 시뮬레이션 기술은 수소 생산·판매 효율 및 운송 효율 개선에 유용한 도구로 활용될 수 있으며, 추가적인 데이터 확보가 이루어진다면 다양한 생산 방식의 시설에도 적용 가능할 것으로 기대된다.