top of page

· Solution · 리서치

리서치

Our Research

  • Virtual Utility Plant, 유틸리티 에너지 수요 & 공급 거래 솔루션

    참여 기관

    Thingspire, 필즈엔지니어링, (주)우원엠앤이, 고등기술연구원, (주)젬백스링크, (주)이안, (주)에니트, (주)테라플랫폼, 한국산업단지공단, GS E&R

    연구 목적

    분산 환경에서 소스 및 싱크 기업 내 유틸리티 리소스 거래가 가능한지 검증하고 공통 IT 인프라 하에서 리소스의 공동 풀링을 통해 실증 사례 구축.

    연구 목표

    소스 및 싱크 회사 내에서 유틸리티 에너지 거래 기술을 개발

    • 소스 기업: 고효율 설비를 보유하고 자체 수요 후 잉여 자원을 공유할 수 있는 기업

    • 싱크 기업: 저효율 설비를 보유하여 외부 자원 구매에 유리한 기업

    연구 성과

    • Steam Energy: 7% 절감

    • Compressed Energy: 10% 절감

    • Infrastructure Cost: 15% 절감

    • 참여 기관

      필즈엔지니어링, 띵스파이어, 엘켐텍, 현대자동차, 한국과학기술연구원, 한국에너지기술연구원

      연구 목적

      • 간헐적이며 변동성이 있는 재생에너지를 저장하여 안정적으로 열과 전기에너지를 공급할 수 있는 시스템을 통해 국내 성과확산 및 해외수출 도모

      연구 목표

      • 모듈/이동형 1MWh 이상급 수소 저장 및 온수 생산/전기 발전 시스템 개발

      • 다양한 수요처(EMS, H-EMS, T-EMS)에 대응하는 통합제어시스템 개발

      ​기대 효과

      • 실증 단계 수소저장시스템 및 연료전지 작동 조건 확립

      • 실증 단계 수소저장소재 작동 조건 확립

      • 시스템 운영 로직 개발 - 시스템 시험평가

    • 참여 기관

      현대일렉트릭, 현대자동차, 해성이엔지, 누리플렉스, SEP협동조합, 엔베스트, 캠토피아, 태산솔루션즈, 띵스파이어, 테라플랫폼, 한국산업기술대학교 산학협력단, 에코아이, 한국산업기술시험원

      연구 목적

      • 반월시화 스마트그린산업단지의 신재생에너지 발전소 및 통합 에너지관리시스템 구축을 통해 탄소중립 및 RE100을 추진

      연구 목표

      • 신재생에너지 분산전원 확대 및 에너지 수요공급 최적화 인프라 구축을 통한 저탄소, 고효율 스마트그린산단 구축

      • 2050 탄소중립 선언에 따른 반월시화 스마트산업단지의 신재생에너지 발전소 및 통합에너지 관리시스템 구축/운영

      • 산단 입주기업의 친환경 에너지 사용 전환 및 RE100 참여를 구현할 수 있는 산업단지 에너지 자급자족 인프라 구축

      • 반월시화 산업단지 스마트에너지플랫폼 구축사업(SEP)과 연계한 CEMS 시스템 확장 운영

      • 에너지 인프라 사업과 연계한 기업 RE100 참여 및 지역 탄소중립 기반 구축

      • 전기차 충전인프라 구축

      ​기대 효과

      • 신재생에너지 자급자족 발전량: 23,214MWh/년

      • 그린에너지활동 에너지 사용량 5% 절감: 2,500MWh/년

      • 소규모 탄소배출권 거래 지원 서비스: 2,612t CO2 감축

    • 참여 기관

      띵스파이어, KAIST

      연구 목적

      • 실효성 있는 감축 목표 설정을 위한 정확한 온실가스 배출 산정의 필요성이 증가(박유진 et al., 2022)

      • Scope 3 배출량은 기업에서 발생되는 전체 온실가스 배출의 약 84%를 차지(Huang et al., 2009)

      • 현재까지 대부분의 기업들에서 환경평가 보고서를 작성할 때 Scope 1, 2 배출량만 반영하여 보고하였으나, 이제는 Scope 3 배출량에 대한 평가를 포함시켜야 한다는 압박이 커짐(Stenzel and Waichman, 2023)

      • Scope 3 배출계수를 계산하는 방법에는 크게 LCA(Life Cycle Assessment) 방법 및 EEIO(Environmentally Extended Input-Output) 방법이 있는데, LCA 방법은 조금 더 세밀한 분석이 가능하나 공정별 데이터 수집 등으로 인해 비용이 많이 발생한다는 한계를 지니고 있으며(Filimonau et al., 2011; Wiedmann et al., 2011), 반면 EEIO 방법은 계산이 용이하며 비교적 넓은 지역 및 산업에서의 배출량에 대한 유효한 결과를 가짐(Demeter et al., 2021; World Resource Institute, 2013)

      • 다양한 기업들이 Scope 3 범위의 온실가스 배출계수를 계산하기 위해 EEIO 방법을 채택(Demeter et al., 2021; Tian et al., 2018; Yang et al., 2017)

      • 국내 산업 전반에 걸쳐 상세하게 적용 가능한 EEIO 기반 배출계수의 부족으로 본 연구를 진행

      연구 목표

      • 국내외 기존 EEIO를 활용한 Scope 3 배출계수 산정에 관한 선행연구 검토

      • 2019년 기본부문 산업연관표에 기반하여 국내 381개 부문별 Scope 1, 2, 3 배출량 및 배출 계수 산정

      • 한국표준산업분류를 바탕으로 배출 계수 상세화

      • 기존 산정된 계수와의 비교 및 샘플 기업을 대상으로 한 계수의 검정 수행

      ​기대 효과

      • 다양한 기업의 Scope 3 범위 온실가스 배출량 계산에 용이할 것.

      • Scope 3 카테고리 중 Category 1, 2, 4, 15 적용 가능한 상세 배출계수 도출.

  • Intelligent Process Automation (IPA)

    IPA는 로봇 공정 자동화(RPA)에 인공 지능(AI)을 결합하여 자동화 수준을 제고하는 기술입니다. 이 기술은 기업의 비효율적인 수동 작업을 자동화하여 운영 효율성을 높이고, 다양한 기업 문서를 학습하여 인간의 의사결정을 지원하는 어시스턴스 기능을 제공합니다. 또한, IPA는 기업의 탄소 발자국을 측정, 분석 및 보고서 자동화 기술을 포함하여, 다양한 데이터 소스로부터 정보를 수집하고 통합하며, 데이터의 정합성을 보장하기 위해 누락/이상값 탐지 및 복원 기능을 제공합니다.

    Advanced Predictive Analytics (APA):

    APA는 다양한 산업에서 고급 데이터 분석 기술을 활용하여 미래의 사건, 행동, 추세를 예측하는 기술입니다. 이는 획득할 수 없는 메트릭을 과학적이고 일관성 있는 방법으로 추정하거나 예측하며, 과거 데이터를 기반으로 패턴을 인식하고 미래의 탄소 배출량을 예측합니다. APA는 기업의 배출량 감소 목표를 설정하고, 달성 가능성을 평가하는 데 사용할 수 있습니다.

    AI Agents

    AI 에이전트는 주어진 목표를 달성하기 위해 독립적으로 결정을 내리고 행동할 수 있는 기술입니다. 이는 데이터 수집, 처리 및 정제, 저장 및 관리, 지능형 분석을 통해 의사결정에 능동적인 인사이트를 제공합니다. AI 에이전트는 온실가스 배출량 감축전략 수립을 지원하며, 온실가스 배출량 관련 법규 및 지속 가능성 목표에 부합하는 보고를 지원합니다. 또한, 에너지 사용과 프로세스 효율성을 최적화하여 탄소 배출을 최소화하는 방안을 시뮬레이션을 통해 제공할 수 있습니다.

bottom of page