| 학회 |
한국화학공학회 |
| 학술대회 |
2022년 봄 (04/20 ~ 04/23, 제주국제컨벤션센터) |
| 권호 |
28권 1호, p.1012 |
| 발표분야 |
[주제 12] 화학공학일반(부문위원회 발표) |
| 제목 |
Deep learning-based optimization of green hydrogen economy: A case study in South Korea |
| 초록 |
풍력이나 태양광 같은 가변 재생 에너지는 탄소 중립에 핵심적인 역할을 할 것으로 예상된다. 하지만 수요-공급 네트워크의 불가피한 불균형으로 인해 많은 양의 가변 재생 에너지가 의도적으로 생산되지 않는다. 따라서, 본 연구는 1) 총 가변 재생 에너지 공급 용량을 기반으로 생산 가능한 그린 수소의 양을 추정, 2) 가변 재생 에너지 발전 문제를 해결하기 위해 최적의 power-to-gas (P2G) 용량을 제안, 3) 그린 수소의 경제성 및 환경성 평가를 한국의 사례연구로 진행하였다. 이 연구의 일반적인 알고리즘은 주어진 데이터를 분석하기 위해 딥러닝(e.g., recurrent neural network) 모델과 전통적인 기계학습 알고리즘(e.g., auto-regressive model)을 포함한 다양한 예측 모델의 개발하였다. 한국의 사례연구 결과 2030년 가변 재생 에너지 총 발전량은 약 124TWh이며, 가동률 50%을 가정한 P2G 설비의 최적용량은 28GW였다. 생산할 수 있는 그린수소는 약 288만t으로 2040년 수전해 수소 공급 목표의 약 54.4%를 차지하였다. 본 연구 결과는 각국의 수소경제 로드맵, 신재생에너지 정책 등 다양한 친환경 정책에 기여할 것으로 예상된다. |
| 저자 |
김태현, 이윤재, 하병민, 고재락, 강수민, 황보순호
|
| 소속 |
경상대 |
| 키워드 |
에너지 환경(Energy and Environment) |
| E-Mail |
|
| 원문파일 |
초록 보기 |
