Research Paper

Journal of the Korean Society of Mineral and Energy Resources Engineers. 31 October 2026. 929-943
https://doi.org/10.32390/ksmer.2026.63.5.929

ABSTRACT


MAIN

  • 서 론

  • 본 론

  •   국내 청색수소 생산: 시나리오 1

  •   해외 청색수소 생산: 시나리오 2

  • 고 찰

  • 결 론

서 론

전 세계적으로 기후변화가 심화되면서 각국은 탄소 저감을 위한 국가적 역량을 집중하고 있으며, 한국 역시 2030년까지 2018년 대비 온실가스 40% 감축을 목표로 정책적 대응을 강화하고 있다(MOTIE, 2023). 정부는 「수소경제 육성 및 수소 안전관리에 관한 법률」에 근거하여 2021년 ‘제1차 수소경제 이행 기본계획’을 수립함으로써 수소경제 정책의 법정 추진 체계를 마련하였다(MOTIE, 2021). 특히 2030 국가 온실가스 감축목표의 이행 수단으로 수소·암모니아 발전을 새롭게 포함함에 따라, 제10차 전력수급기본계획에서는 전력 믹스 내 청정수소·암모니아 발전 비중을 2030년 2.1%에서 2036년 7.1%까지 확대하는 계획을 포함하였다(MOTIE, 2023). 이에 따라 수소·암모니아 발전 관련 핵심 기술의 조기 확보가 전력 부문 탄소 저감 전략의 중요한 과제로 부상하고 있다.

수소는 생산 방식에 따라 회색수소(grey hydrogen), 청색수소(blue hydrogen), 녹색수소(green hydrogen)로 구분된다. 회색수소는 화석연료를 원료로 하는 개질 공정을 통해 생산되며, 이 과정에서 발생한 CO2를 대기로 배출한다. 청색수소는 회색수소와 동일하게 화석연료 개질 공정을 사용하되 생산 과정에서 발생하는 CO2를 포집·격리(carbon capture and sequestration, CCS)함으로써 탄소 배출을 크게 줄인 수소를 의미하며, 녹색수소는 풍력·태양광 등 재생에너지를 이용한 수전해 공정을 통해 생산되는 수소를 지칭한다(IEA, 2019). 한국의 ‘제1차 수소경제 이행 기본계획’ 이행 초기에는 경제성과 기술 성숙도 측면에서 청색수소의 역할이 특히 중요할 것으로 전망되며, 수소·암모니아 발전 확대 정책과도 밀접하게 연계된다(KEEI, 2023).

청색수소의 공급망을 구체적으로 검토하기 위해서는 생산 공정 특성을 이해할 필요가 있다. 본 논문에서는 화석연료 중 천연가스를 수소 생산의 원료로 가정하였다. 청색수소 생산을 위한 천연가스 개질 방식으로는 수증기 메탄 개질(steam methane reforming, SMR), 부분 산화(partial oxidation), 건식 개질(dry reforming), 열분해(thermal decomposition)가 있으며, 이 중 SMR 공정이 가장 보편적인 수소 생산 방식이다(KISTEP, 2021). SMR 공정은 전처리 단계(pre-reforming)에서 천연가스 내 황 화합물을 제거하고 메탄으로 전환한 뒤, 개질기(steam reformer)에서 식 (1)의 반응으로 고온의 수증기와 반응시켜 수소와 일산화탄소를 생성한다. 이어서 전환 반응기(shift reactor)에서 식 (2)의 수성가스 전이 반응을 통해 추가 수소를 생성하고, 산성가스 제거 장치(acid gas remover)와 압력순환흡착(pressure swing adsorption)을 거쳐 고순도 수소를 분리·회수한다(KISTEP, 2021). 이 과정에서 발생한 CO2를 CCS 기술을 이용해 지중에 격리하면, 회색수소에 비해 탄소 배출을 크게 저감한 청색수소 생산이 가능하다(KEEI, 2023).

(1)
CH4+H2O→CO+3H2
(2)
CO+H2O→CO2+H2

국내·외 수소생산에 대한 전과정평가 및 경제성 연구에 따르면, 청색수소는 회색수소 대비 온실가스 배출을 크게 줄이면서도 녹색수소보다 낮은 비용으로 공급 가능한 저탄소 수소로 평가된다(Oh et al., 2023; IEA, 2019). 이러한 점에서 청색수소의 생산·공급 방식은 한국의 탄소중립 및 수소·암모니아 발전 확대 정책의 실행 가능성을 좌우하는 핵심 요소라 할 수 있다.

한국은 청색수소의 핵심 원료인 천연가스를 LNG(liquefied natural gas) 형태로 전량 수입하고 있다(KEEI, 2025a). 이러한 에너지 수급 상황을 고려하여 향후 청색수소 공급망 확보 시 1) 천연가스를 이용하여 국내에서 청색수소를 생산하는 방식과 2) 해외 현지에서 청색수소를 생산해 직접 공급하는 방식 간의 경제성 비교가 필요하다. 이에 본 연구에서는 미국 천연가스 기반 청색수소의 국내 공급을 두 가지 시나리오로 구분하고, 각 시나리오별 공급가격을 몬테카를로 시뮬레이션을 통해 산정·비교하는 한편, 주요 비용 항목에 대한 민감도 분석을 수행하여 청색수소 공급 방법별 경제성과 비용 불확실성을 평가하고자 한다.

본 론

청색수소 생산을 위해서는 SMR 원료인 천연가스의 안정적 조달과 CCS를 위한 지중격리소 확보가 필수적이다. 미국 걸프코스트(Gulf Coast)는 이 두 가지 조건을 동시에 충족하는 지역이다. 천연가스 공급 측면에서 EIA의 장기 전망에 따르면, 미국의 천연가스 생산량은 향후 수십 년간 국내외 수요 증가에 힘입어 지속적으로 확대될 것으로 예상되며, LNG 수출량 역시 2025년 약 15 Bcf/d에서 2050년에는 30 Bcf/d 이상으로 증가할 것으로 전망된다(EIA, 2026a). 특히 미국 걸프코스트 지역은 미국 천연가스 현물가격이 형성되는 Henry Hub와 인접해 있어, SMR 원료가스를 경쟁력 있는 가격으로 안정적으로 조달하기에 유리한 입지 조건을 갖추고 있으며, 한국가스공사(KOGAS)는 Sabine Pass 등 걸프코스트 LNG 터미널로부터 Henry Hub 연계 장기 공급계약을 체결하여 안정적인 물량 확보 기반을 구축하고 있다(KOGAS, 2026a; Cheniere Energy, Inc., 2026). CCS 측면에서는 미국 전체 CO2 지중 격리 잠재량의 약 59%가 걸프코스트를 포함한 연안지역에 집중되어 있어 CCS 기반시설 구축에 있어 지질학적으로 유리한 조건을 갖추고 있다(USGS, 2013). 이러한 입지적 조건을 종합적으로 고려하여 본 연구는 미국 걸프코스트를 분석 대상으로 선정하였다. 이를 바탕으로 미국 천연가스 기반 청색수소의 국내 공급 방법에 대한 두 가지 시나리오를 정의하고, 시나리오별 비용 구조와 불확실성을 정량적으로 비교·분석한다.

미국 천연가스 기반 청색수소 공급은 수소 생산 위치에 따라 한국에서 생산하는 시나리오 1과 미국에서 생산하는 시나리오 2로 구분되며, 각 시나리오는 세부 조건에 따라 하위 케이스를 구성한다. 시나리오 1은 LNG 가격 지표(가스 허브 연동형, 유가 연동형)와 CCS 수행 위치(한국, 미국)에 따라 세부 케이스를 구분하고, 시나리오 2는 수소 운반체 종류인 액화수소(liquid hydrogen, LH2), 암모니아(NH3), 액체 유기수소 운반체(liquid organic hydrogen carrier, LOHC)에 따라 세부 케이스를 구분한다(Figs. 1, 5). 시나리오 1은 수소 생산 원료인 LNG를 수입한 후 국내에서 수소를 생산하는 방식이며, 시나리오 2는 미국 현지에서 천연가스를 기반으로 수소를 생산하여 한국으로 수입하는 방식이다. 두 시나리오는 수소 생산 위치와 공급 형태가 다르지만, 원료 조달에서 최종 공급에 이르는 비용 구조를 비교 가능한 형태로 산정하기 위해 다음과 같은 공통의 공정 가정과 분석 방법을 적용하였다.

https://cdn.apub.kr/journalsite/sites/ksmer/2026-063-05/N0330630526/images/ksmer_63_05_26_F1.jpg
Fig. 1.

Schematic of Scenario 1.

먼저 수소 생산 공정과 관련하여, 두 시나리오 모두 수소 생산에 SMR 공정을 적용하였으며, 최대 90%의 CO2 포집을 전제로 천연가스 소요량은 3.4 kgCH4/kgH2, CO2 포집·격리량은 7.27 kgCO2/kgH2로 가정하였다(Katebah et al., 2022). 이러한 공정 조건하에서 두 시나리오 간 비교가 유효하도록, SMR 생산비용에는 원료가스 비용을 제외한 동일한 값을 적용하여 설비 구성을 통일하였다. SMR 생산비용에서 원료가스 비용이 차지하는 비중은 50~80%로, 국가 간 생산비 차이의 대부분은 천연가스 가격에서 발생하기 때문이다(Al Ghafri et al., 2023). 이에 SMR 공정 비용과 천연가스 구매 비용을 분리하여, 공정 비용은 두 시나리오에 동일하게 적용하고 한국과 미국 간 수소생산의 핵심 차이인 천연가스 가격은 별도의 비용 항목으로 구성하였다. 따라서 시나리오 1과 시나리오 2의 차이는 천연가스 구매, CO2 저장, 해상운송 등 공급망 구성에 따라 달라지는 비용 항목에서만 발생한다. 다만 이는 동일 문헌의 비용추정모델 결과값을 공통 적용한 것으로, 실제 입지·생산 규모 차이에 따른 설비비용 변동은 본 비교에 반영되어 있지 않다. 운송 거리는 미국 텍사스 걸프코스트의 LNG 터미널에서 파나마 운하를 경유하여 한국 하역항에 이르는 약 10,000 NM(Nautical Mile)으로 설정하였다(KOGAS, 2026b). 이러한 공정 및 운송 조건하에서, 각 시나리오를 구성하는 비용 항목은 시장 상황에 따라 변동성을 가지므로 이를 반영하여 경제성을 평가하기 위해 몬테카를로 시뮬레이션을 수행하였다. 몬테카를로 시뮬레이션에서는 각 비용 항목이 평균(μ)과 표준편차(σ)를 매개변수로 하는 정규분포를 따른다고 가정하였다(Ioannou et al., 2017; Khindanova, 2013; Gomes et al., 2025). 다만 천연가스 가격은 분포의 비대칭성을 반영하기 위해 정규분포 표본추출 대신, 실제 과거의 가격 시계열을 10th–90th 백분위수로 절사한 후 데이터 풀에서 복원추출(bootstrap) 방식으로 표본을 재추출하여 실제 관측된 분포 형태를 반영하였다.

각 비용 항목의 표준편차는 자료 형태에 따라 다음 세 가지 방식으로 산출하였다. 1) 복수의 값이 확보된 항목은 표본표준편차를 산출하였다. 2) 문헌이 범위(a~b)만 제시한 항목은 균등분포로 가정하여 σ=(b−a)/√12로 변환하였다(Barreras, 2011). 3) 문헌이 확률분포를 직접 적합해 제시한 항목은 해당 분포의 분산 공식을 이용하였다.

이러한 방법으로 2,000회의 시뮬레이션을 수행하여 시나리오별 청색수소 공급가격의 분포를 도출하였다. 이렇게 산출된 분포를 바탕으로, 공급가격을 구성하는 항목들이 각각 어느 정도의 상대적 중요도를 갖는지 파악하기 위해 민감도 분석을 추가로 수행하였다.

민감도 분석은 각 비용 항목의 변동계수(coefficient of variation, CV)를 변동 범위로 적용하여 항목별 불확실성이 공급가격에 미치는 영향을 평가하는 방식으로 수행하였다(Ioannou et al., 2017). 이때, 변동계수는 Tables 1, 5에 제시된 표준편차를 평균값으로 나누어 산출하였으며, 분석 대상 항목을 제외한 나머지 항목은 평균값에 고정한 상태에서 해당 항목만 변동계수만큼 증감시켜 공급가격의 변화폭을 평가하였다. 항목 i의 민감도는 식 (3)와 같이 정의된다.

(3)
Si=Chigh,i-Clow,iCbase×100=2σiCbase×100%

여기서 Cbase는 모든 비용 항목이 평균값을 가질 때의 기준 공급가격, Chigh,i와 Clow,i는 항목 i를 각각 평균값에서 해당 항목의 표준편차(σi)만큼 증가·감소시키고 나머지 항목은 평균값에 고정하였을 때의 공급가격을 의미한다.

Table 1.

Cost of components in Scenario 1

Location Cost Mean (standard deviation)
($/kgH2)
US LNG procurement Gas hub-indexed Oil-indexed
- Natural gas*1.15 0.57 (0.13) 1.77 (0.74)
- Liquefaction 0.42 (0.05)
Ocean - LNG shipping 0.40 (0.01)
Korea H2 production
LNG re-gasification 0.11 (0.03)
H2 production by SMR (feed gas cost was excluded) 0.72 (0.07)
CCS in Korea in US
- CO2 capture 0.44 (0.06)
- CO2 liquefaction - 0.06 (0.02)
Ocean - CO2 shipping - 0.79 (0.06)
Korea / US - CO2 sequestration 0.09 (0.01) 0.06 (0.01)

국내 청색수소 생산: 시나리오 1

한국은 지리적 특성상 파이프라인을 통한 천연가스 도입이 불가능하여 천연가스 수요 전량을 LNG 형태로 수입하고 있다(KEEI, 2025a). 수입 LNG를 원료로 국내에서 수소를 생산하는 시나리오 1의 공급가격은 LNG 구매 비용, SMR 기반 수소 생산 비용 및 CCS 비용으로 구성된다(Table 1). 시나리오 1은 LNG 가격 연동 방식(gas hub-indexed 또는 oil-indexed)과 CCS 수행 위치(한국 또는 미국)에 따라 4가지 케이스로 구성할 수 있으며 각 케이스별 세부 비용 구조가 달라진다(Fig. 1, Table 1). 이때 SMR 기반 수소 생산을 위해 모든 케이스에 공통으로 들어가는 LNG 재기화 비용은 $0.11/kgH2(Molnar, 2022), 원료인 천연가스 구매 비용을 제외한 수소 생산 비용은 $0.72/kgH2(Lee et al., 2022)이다.

청색수소 공급가격 결정 요소

LNG 가격 산출 방법

LNG 가격은 연동 지표에 따라 유가 연동 방식(oil-indexed)과 가스 허브 연동 방식(gas hub-indexed)으로 구분된다(KEEI, 2025b). 유가 연동 방식은 원유 가격에 일정한 비율을 적용하고 고정 상수를 더하는 형태이다(KEEI, 2025b). 유가 연동 방식인 아시아 LNG는 한국과 일본 등 동아시아 국가들이 주로 장기계약을 통해 도입하는 LNG를 의미하며, 전통적으로 일본통관원유가격(Japanese Customs-cleared Crude, JCC) 등 원유가격에 연동하는 유가 연동 방식으로 계약가격이 결정되어 왔다(Miyamoto and Ishiguro, 2009; Center on Global Energy Policy, 2026). 본 연구에서는 아시아 LNG 수입 가격 지표를 기준으로 2016년부터 2025년까지 월별 가격에서 이상값을 제외하고 10–90% 범위의 평균값인 $1.77/kgH2를 적용하였다(FRED, 2026). 가스 허브 연동 방식은 특정 거래 허브의 천연가스 현물가격을 기준으로 원료비, 액화 비용, 해상 운송비를 합산하여 산정하며, 본 연구에서는 Henry Hub 가격을 기준으로 LNG 가격(PLNG)을 식 (4)와 같이 정의하였다.

(4)
PLNG=PHH×1.15+Cliquefaction+Cshipping

여기서 PHH는 Henry Hub 천연가스 현물 가격, 1.15는 액화 공정에서의 원료 손실을 반영한 계수, Cliquefaction은 액화 비용, Cshipping​은 울산항까지의 해상 운송 비용을 의미한다. 구체적으로는 Henry Hub의 10년치 천연가스 현물 평균값에 원료 손실 계수 1.15를 곱해 산출한 원료비 $0.57/kgH2 (EIA, 2026b), 액화 비용 $0.42/kgH2(KEEI, 2025b), 해상 운송 비용 $0.40/kgH2(Gaffney Cline, 2025)을 합산하였다.

CCS 수행 위치

국내 수소 생산 시 발생한 CO2는 국내 또는 해외에 지중 격리할 수 있고, CCS 수행 국가에 따라 추가 비용 구조가 달라지며 공통적으로 CO2 포집 비용 $0.44/kgH2(Mantripragada et al., 2025)를 포함한다. 한국에서 CCS를 수행하는 경우 CO2 지중 격리 비용 $0.09/kgH2(Lee et al., 2026)만이 추가된다. 반면 해외, 즉 미국에서 CCS를 수행하는 경우, 한국에서 포집한 CO2를 LCO2전용 운반선을 이용하여 미국 걸프코스트까지 운반한 후 현지에서 지중 격리된다. 이 경우 CO2 액화 비용 $0.06/kgH2(Al Ghafri et al., 2023), CO2 해상 운송 비용 $0.79/kgH2(Al Ghafri et al., 2023), 미국 현지 CO2 지중 격리 비용 $0.06/kgH2(Smith et al., 2021)이 추가로 발생한다.

몬테카를로 시뮬레이션 결과

시나리오 1의 시뮬레이션 결과를 분석하면 다음과 같다. 먼저 LNG 가격 산출 방법에 대해서는 가스 허브 연동 방식이 유가 연동형보다 약 $0.4/kgH2 낮은 평균 공급가격을 보였다(Table 2). CCS 수행 위치에 대해서는 미국에서 CCS를 수행할 경우 CO2 액화, 해상 운송, 재기화 등의 추가 공정으로 인해 한국에서 CCS를 수행하는 경우보다 약 $0.8/kgH2 높게 나타났다. 결과적으로 가스 허브 연동 방식 LNG와 한국 CCS를 조합한 케이스 1이 평균 공급가격 $2.75/kgH2로 가장 경제적인 것으로 추정되었다(Fig. 2, Table 2). 또한, LNG 가격 산출 방법에 따라 공급가격 분포의 표준편차가 크게 달라지는 것으로 나타났다(Table 2). 가스 허브 연동 방식 LNG를 사용하는 케이스 1과 2는 유가 연동 방식을 사용하는 케이스 3과 4에 비해 평균 공급가격은 낮지만, Table 1에서 제시한 유가 연동 방식 LNG 가격의 큰 표준편차(0.74)로 인해 최소 공급가격은 오히려 케이스 3과 4에서 더 낮게 산출된다(Fig. 2). 이는 LNG 가격 연동 방식이 청색수소의 평균 공급가격뿐만 아니라 표준편차와 최소값 등 공급가격 분포의 형태 전반을 결정하는 중요한 요인임을 보여주며, 특히 유가 연동 방식 LNG 수급은 공급가격 산출에 높은 불확실성을 야기함을 의미한다.

Table 2.

Blue hydrogen supply cost analysis of Scenario 1

No. Case LNG price Location of CO2 sequestration Mean ($/kgH2) Standard deviation Coefficient of Variation (%)
1 Gas hub-indexed Korea 2.75 0.17 6.1
2 US 3.57 0.18 5.0
3 Oil-indexed Korea 3.12 0.75 24.0
4 US 3.94 0.75 19.0

https://cdn.apub.kr/journalsite/sites/ksmer/2026-063-05/N0330630526/images/ksmer_63_05_26_F2.jpg
Fig. 2.

Blue hydrogen supply cost analysis of Scenario 1.

민감도 분석 결과

시나리오 1의 민감도 분석 결과, 가장 큰 민감도를 보이는 항목은 모든 케이스에서 천연가스 구매 비용으로 나타났다(Fig. 3). 이러한 결과는 천연가스 구매비용의 변동계수와 전체 공급가격에서 차지하는 비중이 가스 허브 연동형을 사용하는 케이스와 유가 연동형을 사용하는 케이스 모두 크기 때문에(Table 1), 작은 비용 변화만으로도 공급가격에 큰 영향을 미치는 것으로 추정된다. 이때, 비중은 결정론적 기준 시나리오(base case)에서의 각 항목 비용을 총 공급가격으로 나누어 산출한 값이다.

https://cdn.apub.kr/journalsite/sites/ksmer/2026-063-05/N0330630526/images/ksmer_63_05_26_F3.jpg
Fig. 3.

Sensitivity analysis of Scenario 1.

LNG 가격 산출 방법에 따른 민감도 분석 결과 비교

다만 천연가스 구매 비용의 민감도는 모든 케이스에서 공통적으로 가장 크게 나타났을 뿐, 그 절대적인 크기는 LNG 가격 산출 방법에 따라 상당한 차이를 보인다. LNG 가격 산출 방법만 다른, 케이스 1과 케이스 3을 기준으로 비교하면, 가장 큰 민감도를 보이는 천연가스 구매 비용의 청색수소 공급가격에 대한 민감도는 가스 허브 연동 방식인 케이스 1이 9.7%, 유가 연동 방식인 케이스 3이 47.8%로, 케이스 3이 케이스 1의 4.9배에 달한다. 이는 천연가스 구매 비용의 변동계수와 비중이 모두 케이스 3에서 케이스 1보다 크기 때문이다. 특히 케이스 3에서 천연가스 구매 비용의 비중은 56.5%로 공급가격의 절반 이상을 차지하여, 작은 가격 변동에도 민감도가 크게 나타난다(Fig. 4).

https://cdn.apub.kr/journalsite/sites/ksmer/2026-063-05/N0330630526/images/ksmer_63_05_26_F4.jpg
Fig. 4.

Cost shares of blue hydrogen supply costs for each case in Scenario 1.

다만 이는 천연가스 구매 비용 한 항목만을 비교한 결과이며, 가스 허브 연동 방식(케이스 1)은 유가 연동 방식(케이스 3)과 달리 천연가스 액화 비용(NG Liquefaction), LNG 운송 비용(LNG Shipping) 등 추가 비용 항목을 포함하므로, 개별 항목의 민감도를 결합할 경우 두 방식 간 격차가 줄어들 가능성이 있다. 그러나 이들 세부 항목의 민감도를 모두 결합한 전체 민감도(Combined Sensitivity)를 비교해도 유가 연동 방식(케이스 3)이 가스 허브 연동 방식(케이스 1)의 4.6배로 여전히 크게 나타난다(Table 3). 이는 가스 허브 연동 방식이 유가 연동 방식을 사용할 때보다 청색수소 공급망에서 천연가스 구매 비용으로 인한 가격 변동성을 크게 낮출 수 있음을 의미한다. 이때 개별 비용 항목의 민감도를 결합한 전체 민감도는 각 항목이 서로 독립적이라는 가정 하에, 개별 항목 민감도의 제곱합제곱근(root-sum-square, RSS)으로 산출하였다(Taylor, 1997).

Table 3.

Sensitivity analysis of Scenario 1: LNG price derivation method

No. Case Natural Gas NG Liquefaction LNG Shipping Combined Sensitivity
1 9.7% 3.6% 0.7% 10.37%
3 47.8% - - 47.75%

CCS 수행 위치에 따른 민감도 분석 결과 비교

천연가스 가격 산출 방법 외에, CCS 수행 위치 역시 시나리오 1의 공급가격 변동성에 영향을 미치는 주요 요인이다. CCS 수행 위치에 따라 시나리오 1을 구성하는 비용 항목이 달라지므로, 위치 선택이 공급가격의 변동성에 미치는 영향을 파악하기 위해 케이스별로 CCS 관련 비용의 결합 민감도를 비교하였다. CO2 포집 비용(CO2 Capture)은 CCS 수행 위치와 무관하게 두 케이스에 공통으로 존재하므로, 위치 선택에 따른 영향만을 분리하기 위해 결합 민감도 산출 시 제외하였다.

한국에서 CCS를 수행하는 케이스 1은 CO2 격리 비용(CO2 Sequestration) 한 항목만 남아 결합 민감도가 0.4%에 그친 반면, 미국에서 CCS를 수행하는 케이스 2는 포집된 CO2를 해상 운송하기 위한 CO2 액화 비용(CO2 Liquefaction)과 CO2 해상운송 비용(CO2 Shipping)이 추가로 발생하여 결합 민감도가 3.53%로 나타났다(Table 4). 이는 CCS를 국내에서 수행할 경우 해외 운송 과정에서 비롯되는 변동성을 원천적으로 배제할 수 있어, 미국에서 수행하는 경우보다 공급가격의 안정성 측면에서 유리함을 의미한다.

Table 4.

Sensitivity analysis of Scenario 1: CCS site

No. Case CO2 Liquefaction CO2 Shipping CO2 Sequestration Combined Sensitivity
1 - - 0.4% 0.4%
2 1.1% 3.3% 0.6% 3.53%

해외 청색수소 생산: 시나리오 2

시나리오 2는 미국에서 생산된 청색수소를 한국으로 직접 수입하는 경우로, 운송 과정의 수소 저장 방식에 따라 LH2, NH3, LOHC의 세 가지 케이스로 구성된다(Fig. 5). 3개 케이스 모두 SMR 공정의 원료용 천연가스(feed gas) 비용, 수소 생산 비용, CCS 비용을 공통적으로 포함하며, 저장 방식에 따라 수소 저장 비용, 해상 운송 비용, 수입국에서의 수소 재변환(reconversion) 비용이 상이하게 산정된다(Table 5). 공통 비용 항목 중 원료용 천연가스는 Henry Hub의 2016년부터 2025년까지의 월별 가격에서 이상값을 제외하고 10–90% 범위의 평균값인 $2.95/MMBtu를 산출하였으며, 이를 수소 단위로 환산해 $0.50/kgH2(EIA, 2026b)를 사용하였다. SMR 기반 수소 생산 비용은 $0.72/ kgH2(Lee et al., 2022), CO2 포집 비용은 $0.44/kgH2 (Mantripragada et al., 2025), 미국 현지 CO2 지중 격리 비용 $0.06/kgH2(Smith et al., 2021)이다.

https://cdn.apub.kr/journalsite/sites/ksmer/2026-063-05/N0330630526/images/ksmer_63_05_26_F5.jpg
Fig. 5.

Schematic of Scenario 2.

Table 5.

Cost of components in Scenario 2

Location Cost Mean (standard deviation)
($/kgH2)
US LH2 NH3 LOHC
Feed gas (Natural gas) 0.50 (0.11)
H2 production by SMR (feed gas cost was excluded) 0.72 (0.07)
CO2 capture 0.44 (0.06)
CO2 sequestration 0.06 (0.01)
H2 conversion 1.61
(0.39)
1.25
(0.14)
1.50
(0.17)
Ocean H2 shipping 2.07
(0.07)
0.55
(0.03)
1.13
(0.07)
Korea H2 reconversion 0.46
(0.22)
1.13
(0.22)
1.50
(0.29)

청색수소 공급가격 결정 요소

해외 수소 생산 시 수소 저장 방식

수소 저장 방식에 따른 수소 저장 비용은 LH2 $1.61/kgH2(Choi et al., 2024), NH3 $1.25/kgH2(Curcio, 2025), LOHC $1.50/kgH2(Curcio, 2025)로 설정하였다. 해상 운송 비용은 운송 거리별 수송비 추정치를 수집한 후 선형 회귀 분석을 통해 운송 거리와 비용의 관계식을 도출하였다(Fig. 6). 그 결과, 미국 걸프코스트에서 한국까지 약 10,000 NM 운송 시 해상 운송 비용은 LH2 $2.07/kgH2, NH3 $0.55/ kgH2, LOHC $1.13/kgH2로 산정되었다. 수소 재변환(reconversion) 비용은 LH2의 경우 $0.46/kgH2(Choi et al., 2024), NH3는 $1.13/kgH2(Kanaan et al., 2023), LOHC는 $1.50/kgH2(Curcio, 2025)를 적용하였다. 각 저장 방식별 세부 비용 항목은 Table 5에 정리하였다.

https://cdn.apub.kr/journalsite/sites/ksmer/2026-063-05/N0330630526/images/ksmer_63_05_26_F6.jpg
Fig. 6.

Hydrogen transport costs by carrier type (Modified from Johnston et al., 2022).

몬테카를로 시뮬레이션 결과

시나리오 2의 시뮬레이션 결과를 분석하면 다음과 같다. 수소 저장 방식에 따른 평균 공급가격은 NH3가 $4.64/kgH2로 가장 낮았고, LOHC $5.85/kgH2, LH2 $5.87/kgH2 순으로 높아졌다(Fig. 7, Table 6). LH2는 세 저장 방식 중 가장 높은 해상 운송 비용으로 인해, LOHC는 전반적으로 높은 수소 변환·재변환 비용으로 인해 공급가격이 높게 나타났다. 결과적으로 수소 저장 방식 중 NH3가 가장 경제적인 것으로 추정되었다. 또한, 시나리오 2는 시나리오 1과 달리 모든 케이스(케이스 5, 6, 7)의 변동계수가 비슷한 수준(CV 6.3~8.0%)으로 나타났다(Table 6). 이는 시나리오 1의 가스 허브 연동형 케이스(CV 5.0~6.1%)와 유사한 수준이다(Table 2). 이는 시나리오 2 내에서는 수소 저장·운송 형태 선택에 따른 공급가격의 변동성 차이가 크지 않음을 의미하며, 따라서 저장·운송 형태를 선정할 때는 변동성보다 평균 공급가격, 즉 NH3의 경제성 우위를 주된 기준으로 고려할 수 있음을 보여준다.

https://cdn.apub.kr/journalsite/sites/ksmer/2026-063-05/N0330630526/images/ksmer_63_05_26_F7.jpg
Fig. 7.

Blue hydrogen supply cost analysis of Scenario 2.

Table 6.

Blue hydrogen supply cost analysis of Scenario 2

No. Case H2 storage Mean
($/kgH2)
Standard deviation Coefficient of Variation (%)
5 LH2 5.87 0.47 8.0
6 NH3 4.64 0.30 6.6
7 LOHC 5.85 0.37 6.3

민감도 분석 결과

시나리오 2의 민감도 분석 결과, 모든 케이스에서 수소 변환(H2 Conversion)·재변환(H2 Reconversion) 비용이 공급가격에 대한 민감도 1, 2위를 차지하였으며, 천연가스 구매 비용이 그 뒤를 이었다(Fig. 8). 이는 변환·재변환 공정의 비용 변화가 다른 항목보다 공급가격에 더 크게 반영됨을 의미하며, 해당 공정의 기술 개발을 통한 비용 절감이 시나리오 2의 공급가격 감축에 가장 효과적인 수단이 될 수 있음을 의미한다.

https://cdn.apub.kr/journalsite/sites/ksmer/2026-063-05/N0330630526/images/ksmer_63_05_26_F8.jpg
Fig. 8.

Sensitivity analysis of Scenario 2.

다만 수소 변환·재변환 공정의 민감도가 크다는 공통점에도 불구하고, 저장 방식 별로 그 세부 양상은 다르게 나타났다. LH2 저장 방식은 재변환 비용(단순 기화)의 평균값이 낮아, 변환·재변환 공정 전체가 공급가격에서 차지하는 비중(35.3%)이 세가지 수소 저장 방식 중 가장 작다(Fig. 9, Table 7). 하지만 반대로, 변환·재변환 공정의 결합 민감도는 세가지 수소 저장 방식 중 LH2 저장 방식이 15.08%로 가장 크다는 것을 확인할 수 있다(Table 8). 이는 LH2 저장 방식의 변환·재변환 공정의 변동계수가 각각 약2.1배(CV 24.2% vs. CV 11.5%, 11.3%), 약2.5배(CV 47.8% vs. CV 19.2%, 19.3%)로 크기 때문이다(Fig. 8). 이러한 결과는 LH2 액화 공정의 비용 추정치가 다른 저장 방식의 변환 공정보다 문헌 간 편차가 커, 시나리오 2의 공급가격 불확실성에 상대적으로 큰 영향을 미친다는 것을 보여준다.

https://cdn.apub.kr/journalsite/sites/ksmer/2026-063-05/N0330630526/images/ksmer_63_05_26_F9.jpg
Fig. 9.

Cost shares of blue hydrogen supply costs for each case in Scenario 2.

Table 7.

Cost shares of Scenario 2: Carrier conversion processes

No. Case H2 storage H2 Conversion H2 Reconversion Combined Share
5 LH2 27.45% 7.84% 35.30%
6 NH3 26.86% 24.28% 51.14%
7 LOHC 25.62% 25.62% 51.24%
Table 8.

Sensitivity analysis of Scenario 2: Carrier conversion processes

No. Case H2 storage H2 Conversion H2 Reconversion Combined Sensitivity
5 LH2 13.3% 7.1% 15.08%
6 NH3 6.1% 9.4% 11.21%
7 LOHC 5.7% 9.8% 11.34%

고 찰

결과적으로 국내에서 청색수소를 생산하는 방식인 시나리오 1이 수소 저장 방식과 무관하게 미국에서 청색수소를 생산하여 국내에 공급하는 시나리오 2보다 경제적인 것으로 평가되었다(Fig. 10). 이는 미국에서 한국으로 수소를 해상 운송하기 위해 다양한 저장 방식(LH2, NH3, LOHC)으로 변환하는 과정과, 한국에서 다시 수소로 재변환하는 공정의 비용이 높기 때문이다(Table 5). 이는 LNG를 도입하여 수요국에서 수소를 생산하는 방식이 NH3나 액화수소 형태로 수소를 도입하는 방식보다 경제적이라는 Al Ghafri et al.(2023)의 결과와도 일치하며, 해당 연구 역시 수소의 변환, 운송 및 재변환 비용이 추가되어 LNG 기반 공급망보다 높은 비용이 발생하는 것으로 분석하였다.

한편, 시나리오 1 내에서도 LNG 가격 산출 방법에 따라 공급가격 분포의 변동성뿐 아니라, 평균 대비 최댓값 쪽으로의 비대칭성에도 차이를 보였다. 시나리오 1에서 케이스 3, 4는 케이스 1, 2에 비해 평균 대비 최댓값 쪽으로 뚜렷하게 긴 꼬리를 나타냈다(Fig. 10). 이러한 비대칭성은 두 가격 지표 산정에 사용된 원자료의 형태에서 비롯된 것으로 판단된다. 가스 허브 연동형의 원자료인 Henry Hub 천연가스 가격과 유가 연동형의 원자료인 아시아 LNG 가격 모두 평균에서 P90까지의 거리가 평균에서 P10까지의 거리보다 크게 나타났는데, Henry Hub 천연가스의 경우 평균에서 P10까지 $1.26/MMBtu, P90까지는 $1.88/MMBtu로 약 1.5배인 데 비해 아시아 LNG 가격은 평균에서 P10까지 $7.32/MMBtu, P90까지는 $14.58/MMBtu로 약 2배이다(Fig. 11). 또한 Henry Hub는 가스 허브 연동 방식의 전체 공급가격에서 차지하는 비중이 케이스 1, 2 각각 20.7%, 16.0%로(Fig. 4), 공급가격의 절반 내외를 차지하는 아시아 LNG 가격의 비중(케이스 3: 56.5%, 케이스 4: 44.8%)보다 작아(Fig. 4), 원자료의 비대칭 형태가 최종 분포에서 중화된 것으로 해석된다.

https://cdn.apub.kr/journalsite/sites/ksmer/2026-063-05/N0330630526/images/ksmer_63_05_26_F10.jpg
Fig. 10.

Comparison of blue hydrogen supply costs by LNG price index and CCS site in Scenario 1 and by hydrogen carrier in Scenario 2.

https://cdn.apub.kr/journalsite/sites/ksmer/2026-063-05/N0330630526/images/ksmer_63_05_26_F11.jpg
Fig. 11.

Ten-year monthly price distribution (2016–2025).

이처럼 가스 허브 연동 방식(케이스 1, 2)은 상방 꼬리가 길지 않아 공급가격이 예상보다 급등할 가능성이 낮다는 공통점을 갖지만, 두 케이스 사이에도 우열은 존재한다. 공통 비용인 CO2 포집 비용을 제외하고 CCS 관련 비용의 결합 민감도를 비교하면, 국내에서 CCS를 수행하는 케이스 1은 0.4%에 그친 반면 미국에서 수행하는 케이스 2는 3.53%로 나타나(Table 4), 케이스 1이 시나리오 1 내에서 비용 변동성 측면에서도 가장 안정적인 조합으로 확인되었다.

다만 이러한 케이스 1의 우위는 실제 조달 구조를 온전히 반영하지 못한 결과일 수 있다. 케이스 1의 낮은 공급가격과 변동성은 가스 허브 연동 방식 가격을 전제로 산출된 것이나, 2024년 기준 국내 LNG 공급 기간계약 물량 중 가스 허브 연동 방식 비중은 17%에 불과해(KEEI, 2025b), 실제로는 유가 연동 방식이 지배적인 조달 구조가 형성되어 있다. 앞서 살펴본 것처럼 유가 연동 방식(케이스 3, 4)은 원자료 자체의 비대칭성이 최종 분포에 그대로 반영되어 상방으로 치우칠 위험이 크므로(Fig. 10), 가스 허브 연동 계약 확보에 실패할 경우 시나리오 1의 경제성 우위가 오히려 시나리오 2에 비해 불리해질 가능성이 존재한다. 케이스 1의 경제성은 또한 국내 CO2 지중저장 활용을 전제로 한다. 국내 SMR 기반 청정수소 생산 잠재량은 연 25만 톤 수준으로 전망되는 데 비해, CO2 저장 인프라가 충분히 갖춰지지 않아 생산 과정에서 발생하는 CO2 대부분을 해외로 수출해야 하는 한계가 존재한다(KEEI, 2024). 국내 생산 확대를 위해서는 이러한 CO2 저장 인프라 확충뿐 아니라 안정적인 수요 기반 확보도 함께 이루어져야 한다. 그러나 국내 수소 수요가 선 확보되지 않은 상태에서는 투자가 지연되고, 이로 인해 다시 수요 기반 확대가 지연되는 순환적 불확실성도 존재한다(KISTEP, 2025).

이러한 한계를 완화하기 위해서는 1) 가스 허브 연동 계약 비중 확대를 통한 LNG 조달 가격의 불안정성을 줄이고(KEEI, 2025b), 2) 국내 CCS 실증사업을 추진하여 국내 CO2 저장량을 확보하며, 3) 국내 발전 및 철강 산업의 계획된 수소 수요를 실제 수요로 전환하고(MOTIE, 2021), 데이터센터 온사이트 발전 등 신규 수요처를 확대하여 수요 확보의 불확실성을 낮추는 접근이 병행될 필요가 있다(KISTEP, 2025).

결 론

본 연구는 미국산 천연가스를 활용한 SMR 기반 국내 청색수소 공급을 수소 생산 위치에 따라 두 가지 시나리오로 구분하고, 몬테카를로 시뮬레이션을 통해 시나리오별 공급가격의 분포와 평균값을 산정한 후 주요 비용 항목에 대한 민감도 분석을 수행하였다. 미국 천연가스를 LNG로 수입하여 국내에서 수소를 생산하는 시나리오 1에서는 가스 허브 연동 방식 LNG와 한국 내 CCS를 조합한 케이스 1의 평균 공급가격이 $2.75/kgH2로 가장 낮게 나타났으며, 미국에서 생산된 수소를 직접 수입하는 시나리오 2에서는 암모니아(NH3) 기반 저장·운송 방식이 $4.64/kgH2로 가장 낮았다.

특히 시나리오 1에서는 LNG 가격 연동 방식에 따라 공급가격의 평균과 변동성이 크게 달라져 가스 허브 연동형이 유가 연동형보다 안정적인 공급 조건을 제공한 반면, 시나리오 2에서는 모든 수소 저장·운송 방식이 비슷한 변동성을 보였다(CV 6.3~8.0%).

이러한 변동성의 원인은 민감도 분석 결과, 두 시나리오 모두 특정 항목의 비용 추정치가 공급가격 전체의 불확실성을 좌우하는 구조에서 비롯된 것으로 확인되었다. 시나리오 1의 모든 케이스에서 공급가격에 가장 큰 영향을 미치는 항목은 천연가스 구매 비용으로 나타났다. 유가연동 방식의 결합 천연가스 구매 비용 민감도(케이스 3, 47.75%)는 가스허브 연동 방식(케이스 1, 10.37%)의 4.6배를 보이는데, 이는 유가 연동 방식에서 사용하는 천연가스 가격의 변동계수(41.8%)와 공급가격 내 비용 비중(56.5%)이 모두 가스허브 연동 방식보다 높기 때문이다. 시나리오 2에서는 모든 케이스에서 수소 변환(H2 Conversion)·재변환(H2 Reconversion) 공정이 천연가스 구매 비용(Natural Gas)보다 높은 민감도를 보였으며, 특히 LH2는 해당 공정의 비용 비중이 가장 낮음에도 문헌 간 추정치 편차로 인해 결합 민감도가 가장 크게 나타나, 캐리어에 따라 비용과 불확실성이 서로 다른 축에서 작동함을 보여주었다.

따라서 청색수소 공급 전략 수립 시에는 평균 공급가격의 단순 비교를 넘어 LNG 가격 연동 방식, 캐리어별 비용 구조, 공정별 민감도와 분포 특성을 종합적으로 고려한 경제성 평가가 요구되며, 기술적 불확실성과 시장 불확실성을 반영한 단계적 전략을 한국의 수소·암모니아 발전 정책과 연계하여 수립해야 한다. 더 나아가 한국 기업의 국내외 가스전 개발사업 참여와 CCS를 연동한 청색수소 연계 사업은 공급가스 확보와 국내 수소 공급망 안정 및 경제 안보에도 기여할 수 있을 것으로 기대된다.

Acknowledgements

이 논문은 2026년도 정부(기후에너지환경부)의 재원으로 한국에너지기술평가원의 지원(RS-2025-6063236, CCS 통합 시스템 네트워크 최적화 및 안전성 확보 기술 개발)과 2026년도 정부(과학기술정보통신부)의 재원으로 한국연구재단의 지원(RS-2025-25436989)을 받아 수행된 연구입니다.

References

1

Al Ghafri, S.Z., Revell, C., Di Lorenzo, M., Xiao, G., Buckley, C.E., May, E.F., and Johns, M., 2023. Techno-economic and environmental assessment of LNG export for hydrogen production, International Journal of Hydrogen Energy, 48 (23), p.8343-8369.

10.1016/j.ijhydene.2022.11.160
2

Barreras, A.J., 2011. Risk management: Monte Carlo simulation in cost estimating, Proceedings of the PMI Global Congress 2011—North America, Project Management Institute, Dallas, TX, USA.

3

Center on Global Energy Policy at Columbia University SIPA, 2026.08.09., https://www.energypolicy.columbia.edu/asias-fragmented-future-on-lng-pricing/

5

Choi, H., Lee, H., Han, J., and Roh, K., 2024. Revisiting the cost analysis of importing liquefied green hydrogen, International Journal of Hydrogen Energy, 82, p.817-827.

10.1016/j.ijhydene.2024.07.418
6

Curcio, E., 2025. Techno-economic analysis of hydrogen production: Costs, policies, and scalability in the transition to net-zero, International Journal of Hydrogen Energy, 128, p.473-487.

10.1016/j.ijhydene.2025.04.013
7

Federal Reserve Bank of St. Louis (FRED), 2026.04.20., https://fred.stlouisfed.org/series/PNGASJPUSDM.

8

Gaffney, Cline & Associates (Gaffney Cline), 2025. Market Advice and Estimates of Contemporary LNG Contract Prices, Report #7, Canberra, Australia, 61p.

9

Gomes, A.F., Kim, N., and Shin, H., 2025. Cost analysis of the blue hydrogen supply from Canada to Korea, Journal of the Korean Society of Mineral and Energy Resources Engineers, 62(3), p.9-18.

10.32390/ksmer.2025.62.3.274
10

International Energy Agency (IEA), 2019. The Future of Hydrogen: Seizing Today’s Opportunities, Paris, France, 203p.

11

Ioannou, A., Angus, A., and Brennan, F., 2017. Stochastic prediction of offshore wind farm LCOE through an integrated cost model, Energy Procedia, 107, p.383-389.

10.1016/j.egypro.2016.12.180
12

Johnston, C., Khan, M.H.A., Amal, R., Daiyan, R., and MacGill, I., 2022. Shipping the sunshine: An open-source model for costing renewable hydrogen transport from Australia, International Journal of Hydrogen Energy, 47(47), p.20362-20377.

10.1016/j.ijhydene.2022.04.156
13

Kanaan, R., Affonso Nóbrega, P.H., Achard, P., and Beauger, C., 2023. Economical assessment comparison for hydrogen reconversion from ammonia using thermal decomposition and electrolysis, Renewable and Sustainable Energy Reviews, 188, 113784.

10.1016/j.rser.2023.113784
14

Katebah, M., Al-Rawashdeh, M., and Linke, P., 2022. Analysis of hydrogen production costs in steam-methane reforming considering integration with electrolysis and CO2 capture, Cleaner Engineering and Technology, 10, 100552.

10.1016/j.clet.2022.100552
15

Khindanova, I., 2013. A Monte Carlo model of a wind power generation investment, Journal of Applied Business and Economics, 15(1), p.94-106.

16

Korea Energy Economics Institute (KEEI), 2023. A Study on Hydrogen Policy and Technology Trends in Korea and Japan (in Korean), KEEI Occasional Research Report 23-01, Ulsan, Korea, 108p.

17

Korea Energy Economics Institute (KEEI), 2024. A Study on Promoting Domestic Clean Hydrogen Production (1/3) (in Korean), Basic Research Report 24-16, Ulsan, Korea, 229p.

18

Korea Energy Economics Institute (KEEI), 2025a. Market Impacts of Global Natural Gas Supply Chain Reorganization and Major Countries’ Policy Trends (1/3) (in Korean), KEEI Basic Research 25-18, Ulsan, Korea, 262p.

19

Korea Energy Economics Institute (KEEI), 2025b. A Study on Long-term LNG Contract Pricing by Applying Portfolio Analysis (in Korean), KEEI Self-Directed Research Report 2024-06, Ulsan, Korea, 74p.

20

Korea Gas Corporation (KOGAS), 2026a.08.05., https://www.kogas.or.kr/site/koGas/1030302000000

21

Korea Gas Corporation (KOGAS), 2026b.08.06., https://www.kogas.or.kr/site/koGas/1060103030000

22

Korea Institute of S&T Evaluation and Planning (KISTEP), 2021. Hydrogen Production (in Korean), KISTEP Technology Trend Brief 2021-02, Sejong, Korea, 38p.

23

Korea Institute of S&T Evaluation and Planning (KISTEP), 2025. 6 Years of the Hydrogen Economy Activation Roadmap: Progress and Outlook (in Korean), KISTEP Research Brief No. 202, Eumseong, Korea, 19p.

24

Lee, J., Jang, M., Ahn, Y., Kim, C., Chae, M., Kim, M., and Min, B., 2026. Probabilistic estimation of CCS costs using Monte Carlo simulation, Journal of the Korean Society of Mineral and Energy Resources Engineers, 63(1), p.31-41.

10.32390/ksmer.2026.63.1.031
25

Lee, Y.H., Kim, K.W., Ki, S.I., and Seo, J.K., 2022. Development of conceptual cost estimation model for an economic analysis of steam methane reforming based hydrogen production, Journal of the Korean Society of Mineral and Energy Resources Engineers, 59(2), p.193-204.

10.32390/ksmer.2022.59.2.193
26

Mantripragada, H., De Leon, R., Zoelle, A., Woods, M., Lewis, E., Fout, T., Shultz, T., Grol, E., and Homsy, S., 2025. Research goals for minimizing the cost of CO2 capture when using steam methane reforming for hydrogen production, Carbon Capture Science & Technology, 14, 100344.

10.1016/j.ccst.2024.100344
27

Ministry of Trade, Industry and Energy (MOTIE), 2021. The 1st Basic Plan for the Implementation of the Hydrogen Economy (in Korean), MOTIE Notice No. 2021-806, Sejong, Korea, 48p.

28

Ministry of Trade, Industry and Energy (MOTIE), 2023. The 10th Basic Plan for Electricity Supply and Demand (2022–2036) (in Korean), Sejong, Korea, 128p.

29

Miyamoto, A. and Ishiguro, C., 2009. A New Paradigm for Natural Gas Pricing in Asia: A Perspective on Market Value, OIES Working Paper NG 28, Oxford, United Kingdom, 49p.

30

Molnar, G., 2022. Economics of gas transportation by pipeline and LNG, in: Hafner, M. and Luciani, G. (Eds.), The Palgrave Handbook of International Energy Economics, Springer International Publishing, Cham, Switzerland, p.23-57.

10.1007/978-3-030-86884-0_2
31

Oh, H., Kim, J., Park, S., Lee, M., and Jeong, H., 2023. Economic analysis of grey and blue hydrogen for carbon and tax credits, Journal of the Korean Society of Mineral and Energy Resources Engineers, 60(2), p.78-87.

10.32390/ksmer.2023.60.2.078
32

Smith, E., Morris, J., Kheshgi, H., Teletzke, G., Herzog, H., and Paltsev, S., 2021. The cost of CO2 transport and storage in global integrated assessment modeling, International Journal of Greenhouse Gas Control, 109, 103367.

10.1016/j.ijggc.2021.103367
33

Taylor, J.R., 1997. An Introduction to Error Analysis: The Study of Uncertainties in Physical Measurements (2nd Ed.), University Science Books, Sausalito, CA, USA, 327p.

34

U.S. Energy Information Administration (EIA), 2026a.04.08., https://www.eia.gov/todayinenergy/detail.php?id=67425

35

U.S. Energy Information Administration (EIA), 2026b.04.24., https://www.eia.gov/dnav/ng/hist/rngwhhdd.htm

36

U.S. Geological Survey Geologic Carbon Dioxide Storage Resources Assessment Team (USGS), 2013. National Assessment of Geologic Carbon Dioxide Storage Resources—Results (ver. 1.1, September 2013), U.S. Geological Survey Circular 1386, Reston, VA, USA, 41p.

페이지 상단으로 이동하기