미국 전력망, 최대의 시험대를 통과하지 못했다 — 그런데 아무도 눈치채지 못했다
지난 가을 버지니아의 한 에너지 기업 임원과 통화하던 중, 그가 저를 얼어붙게 만드는 말을 했습니다.
"물리적으로 공급할 수 있는 것보다 더 많은 전력을 요구하는 데이터센터들이 있습니다. 다음 10년이 아닙니다. 지금입니다. 그리고 우리가 미루는 매달, 또 다른 석탄 화력발전소가 퇴출(폐지)을 신청합니다."
그는 당황한 게 아니었습니다 — 업계에서 30년을 보낸 사람이었으니까요. 하지만 그 정도 위치에 있는 사람에게서 그전까지 들어본 적 없던 무언가가 목소리에 담겨 있었습니다. 체념이었습니다. 계산을 충분히 여러 번 해본 끝에, 그 산수가 더 이상 맞아떨어지지 않는다는 걸 알아버린 사람처럼요.
그 대화를 계기로 저는 이 문제를 끝까지 파고들게 됐고, 몇 달 동안 Veriprajna 팀 전체가 여기에 매달렸습니다. 우리가 발견한 것은 제 예상보다 더 나빴습니다. 미국 최대의 그리드 운영기관 — 13개 주에 걸쳐 6,500만 명에게 전력을 공급하는 PJM Interconnection — 이 사상 처음으로 충분한 전력을 조달하는 데 실패했습니다. 부족분은 6,623메가와트. 이는 대략 원자로 6기분의 출력이며, 그 원자로들은 존재하지 않습니다. 한편 텍사스에서는 그리드 운영기관 ERCOT이 233GW의 계통연계 요청에 파묻혀 있습니다 — 주 전체 최대 수요의 거의 세 배에 달하는 규모인데, 그 대부분을 연결할 현실적인 방법은 없습니다.
이것들은 2050년으로 표시된 기후 보고서 속 가상의 시나리오가 아닙니다. PJM의 부족분은 2027년 6월에 닥칩니다. 18개월 뒤입니다.
미국 최대 그리드가 전력이 모자라면 어떤 일이 벌어지는가?
PJM의 2025년 12월 용량 경매 결과를 쉬운 말로 정리해 보겠습니다. 매년 PJM은 발전소들이 수요 피크 시 가동 가능함을 보장하겠다고 입찰하는 경매를 진행합니다. 본질적으로 그리드의 보험 증서입니다. 올해 경매는 134,479MW의 용량으로 낙찰되었고 — 정전을 막기 위해 유지해야 하는 신뢰도 기준에 필요한 양보다 6,623MW 부족했습니다.
예비율은 14.8%로 떨어졌습니다. 목표는 20%입니다. 그리고 용량 가격은 지역 전체에서 규제 상한선인 메가와트-일당 $333.44에 도달했습니다 — 소비자를 보호하기 위해 설계된 가격 상한이지만, 이제는 눈가리개처럼 작동하며 상황이 실제로 얼마나 절박한지를 가리고 있습니다.
가격 상한이 13개 주 전역에서 걸린다면, 그건 시장의 신호가 아닙니다. 시장의 비명입니다.
이 사안에 대한 보도에서 제가 가장 답답한 부분은 단순합니다. 대부분의 기사는 이를 "석탄 발전소가 퇴출되고 있는데 재생에너지가 그 자리를 충분히 빠르게 메우지 못한다"는 식으로 프레이밍합니다. 기술적으로는 맞지만 대단히 불완전합니다. 진짜 이야기는, 어떤 통상적인 계획으로도 제때 고칠 수 없을 만큼 심각한 불일치에 관한 것입니다.
2011년부터 2023년 사이 PJM은 폐쇄로 인해 54.2GW의 화력 용량을 잃었습니다. 추가로 24~58GW — 설비 용량의 최대 30% — 가 2030년까지 퇴출 위험에 놓여 있습니다. 그리고 모든 그리드 계획자를 밤잠 못 이루게 해야 할 숫자가 여기 있습니다. 퇴출되는 석탄 또는 가스 발전 1MW를 동등한 신뢰도로 대체하려면 약 5.2MW의 태양광 또는 14MW의 육상 풍력이 필요합니다. 간헐성 격차는 각주가 아닙니다. 그것이 이야기의 전부입니다.
왜 ERCOT의 계통연계 대기열은 233GW에 이르렀는가?
PJM의 위기가 사라지는 공급에 관한 것이라면, 텍사스는 정반대의 문제를 안고 있습니다. 누구도 가능하다고 상상하지 못한 속도로 나타나는 수요 말입니다.
ERCOT의 대규모 부하 계통연계 대기열은 2025년 말 233GW에 도달했습니다. 이는 2024년 말 대비 269% 증가입니다. 규모를 가늠해 보자면, ERCOT의 총 최대 수요는 약 85GW입니다. 대기열은 그리드 전체의 거의 세 배에 달합니다.
그 요청의 77%는 데이터센터가 차지합니다.
그 숫자를 처음 봤을 때 저는 투기적 신청 때문에 부풀려진 것이라 짐작했습니다 — 어느 곳이 먼저 승인되는지 보려고 여러 부지에 동시에 요청을 넣는 기업들 말입니다. 제 짐작은 맞았지만, 일부만 맞았습니다. 업계는 이를 "팬텀 부하(phantom loads)"라고 부르는데, 실제로 문제가 됩니다. 하이퍼스케일러들은 수십 개 부지에 걸쳐 신청서를 제출해, 착공조차 하지 않을 수 있는 프로젝트들로 엔지니어링 검토 절차를 막아버립니다. ERCOT은 최근 신뢰할 만한 요청과 투기적 요청을 가려내기 위해 McKinsey를 불러들였는데, 이는 내부 팀들이 얼마나 감당하기 힘든 상태인지를 말해줍니다.
하지만 팬텀들을 걷어내고 나서도 근저의 수요는 아찔합니다. 그러면 공급 측은요? ERCOT은 2025년에 23GW의 신규 발전을 계통에 동기화했습니다 — 대부분 태양광과 배터리였습니다. 발전 대기열은 158GW의 태양광과 175GW의 배터리 저장장치가 지배하고 있으며, 천연가스는 47GW에 불과합니다. 텍사스 의원들은 상원법안 6호(Senate Bill 6)를 통과시키고 신규 가스 발전소를 유인하기 위해 90억 달러 규모의 기금을 만들었지만, 제안된 가스 프로젝트의 약 35%는 전 세계적인 터빈 부족과 인허가 지연을 이유로 이미 철회되었습니다.
저는 이 수급 충돌을 우리 연구의 인터랙티브 버전에서 더 자세히 다뤘습니다. 하지만 핵심은 단도직입적입니다. 그리드는 AI 혁명이 요구하는 속도로 물리적으로 성장할 수 없습니다.
"그냥 더 지으면 된다"를 더는 믿지 않게 된 밤
특정한 어느 저녁이 있었습니다 — 저와 팀은 PJM 퇴출 절벽을 모델링하는 데 깊이 빠져 있었는데 — 엔지니어 한 명이 화면에 예측치를 띄우자 방 안이 조용해졌습니다.
그녀는 PJM 내 모든 화력발전소의 퇴출 위험을 신규 발전이 가동에 들어가는 일정과 대조해 그려냈습니다. 두 선은 2027년에 교차했습니다. 2030년이 아니었습니다. 2035년도 아니었습니다. 격차는 18개월 안에 벌어지기 시작했고, 그 이후 해마다 더 넓어졌습니다.
누군가 말했습니다. "그러니까 1년 반 안에 약 7GW의 급전 가능 발전을 지어야 한다는 거네요."
저는 웃었습니다. 웃겨서가 아니었습니다. PJM 관할에서 가스 발전소를 인허가하고 건설하는 데 걸리는 평균 시간이 4~7년이기 때문입니다. 신규 송전선의 평균은 그보다도 더 깁니다.
그 순간 제 논지가 분명해졌습니다. 우리는 이 상황에서 충분히 빠르게 건설로 빠져나올 수 없습니다. 그리드는 이미 가진 인프라를 가지고 극적으로 더 똑똑해져야 합니다. 그리고 대부분의 에너지 기업이 도입하고 있는 종류의 "AI" — 챗봇, 기초적인 회귀 모델, 대시보드 분석 — 는 이 문제에 대해 우스울 만큼 부적절합니다.
그리드에 필요한 것은 또 하나의 대시보드가 아닙니다. 그리드는 사고할 수 있어야 합니다.
"Deep AI"는 그리드에 실제로 무엇을 의미하는가?
여기서는 구체적으로 말할 필요가 있습니다. "에너지를 위한 AI"라는 표현은 모든 것을 뜻하면서 아무것도 뜻하지 않는 문구 중 하나가 되어버렸기 때문입니다. 제가 Deep AI라고 말할 때, 그것은 SCADA 시스템(감시 제어 및 데이터 수집 — 그리드 운영을 모니터링하고 관리하는 산업용 제어 시스템) 위에 대규모 언어 모델을 씌워놓고 혁신이라 부르는 것과는 매우 다른 무언가를 의미합니다.
전력 그리드는 동기화된 동역학 시스템입니다. 그리드는 키르히호프 법칙(회로에서 전류와 전압이 어떻게 거동하는지를 지배하는 기본 규칙)을 따릅니다. 발전기들은 동요 방정식을 통해 결합되어 있습니다. 전압, 주파수, 조류는 여러분의 학습 데이터 따위엔 관심 없는 물리 법칙의 지배를 받습니다. 이 물리를 무시하는 AI 시스템은 잘해봐야 장난감입니다.
Veriprajna에서 우리는 그리드의 물리적 현실을 존중하는 세 가지 부류의 모델을 다룹니다.
첫 번째 부류는 물리 정보 신경망(Physics-Informed Neural Networks) — PINN — 으로, 발전기 거동을 지배하는 실제 미분방정식을 모델의 손실 함수에 직접 내장합니다. 과거 데이터에서 패턴만 학습하는 대신, 신경망은 물리 법칙을 위반하면 페널티를 받습니다. 그 결과, 과도 안정도 해석이 기존의 수치 해석 솔버보다 87배 더 빠르게 실행됩니다. 잠재적 연쇄 고장을 마주한 그리드 운영자에게 이것은 정전을 예측하는 것과 정전을 겪는 것의 차이입니다.
다음은 그래프 신경망(Graph Neural Networks)입니다. 이 모델은 그리드를 실제 모습 그대로 — 변전소를 노드로, 송전선을 엣지로 갖는 그래프로 — 다룹니다. 전통적인 머신러닝은 이 구조를 데이터 테이블로 납작하게 만들면서 가장 중요한 공간적 관계를 잃어버립니다. GNN은 한 변전소의 순간 전압강하가 네트워크 토폴로지를 따라 어떻게 전파되는지를 밀리초 단위로 예측할 수 있습니다. 우리의 다층 GNN 아키텍처는 30일 이내에 고장 위험이 있는 변전소를 식별하는 데서 F1 점수(정밀도와 재현율을 균형 있게 반영하는 예측 정확도 척도) 0.89를 달성했습니다.
세 번째 부류 — 그리고 제가 실시간 운영에 가장 유망하다고 보는 것 — 는 그리드 제어를 제약 최적화 문제로 취급해 급전 결정을 내리는 강화학습 에이전트입니다. 이 에이전트들은 전압 한계, 열적 정격, 주파수 범위 같은 엄격한 물리적 제약을 충족하면서 신뢰도를 최대화하고 비용을 최소화하는 정책을 학습합니다.
이 중 어느 것도 이론에 그치지 않습니다. 우리는 이 시스템들을 실제로 구축했습니다. 그리고 이들이 할 수 있는 일과 대부분의 유틸리티가 현재 쓰고 있는 것 사이의 격차는 어마어마합니다.
발전소를 단 한 곳도 짓지 않고 6.6GW를 어떻게 찾아내는가?
이것이 우리를 사로잡은 질문입니다. 그리고 그 답은 에너지 분야에서 가장 저평가된 기술 중 하나에서 시작합니다. 바로 동적 선로 정격(Dynamic Line Rating)입니다.
미국의 모든 송전선에는 "정적" 정격이 있습니다 — 온도와 바람에 대한 최악의 가정에 기반해 허용되는 최대 전력 말입니다. 이 가정들은 의도적으로 보수적입니다. 대부분의 날, 선로의 실제 열적 용량은 정적 정격이 허용하는 것보다 20~40% 높습니다.
동적 선로 정격은 실시간 기상 데이터와 IoT 센서를 사용해, 100년에 한 번 올 최악의 날이 아니라 바로 지금 그 선로가 실제로 감당할 수 있는 양을 계산합니다. 우리는 컴퓨터 비전과 LiDAR(광 탐지 및 거리 측정 — 레이저 기반 원격 감지 기술) 데이터를 통합해 전선 처짐과 온도를 지속적으로 모니터링합니다.
결과는 점진적인 수준이 아닙니다. 인디애나와 오하이오에서 AES는 이 기술들을 도입해 송전 용량을 345kV 선로에서 61% 늘렸습니다 — 비용은 39만 달러였고, 이는 전통적인 재가선 방식의 163만 달러와 비교됩니다. 이는 76%의 비용 절감이자 80%의 배치 시간 단축입니다.
이제 그것을 PJM의 13개 주 영역 전체에 곱해 보십시오. DLR만으로 6.6GW 격차 전체를 메우지는 못하지만, 기초 콘크리트를 한 번도 붓지 않고 엄청난 폭으로 줄일 수 있습니다.
가장 저렴한 메가와트는 이미 여러분의 전선을 흐르고 있지만 있는 줄도 몰랐던 그 메가와트입니다.
아무도 묻지 않는 1,630억 달러짜리 질문
여기서부터 경제성은 진심으로 우려스러워집니다. 천연자원보호협의회(Natural Resources Defense Council)의 분석에 따르면, PJM 지역의 데이터센터 성장은 2028년부터 2033년까지 1,630억 달러의 누적 용량 비용을 초래할 수 있습니다. 북부 일리노이 한 곳만 해도 — ComEd 관할 — 예상 영향은 214억 달러이며, 이는 평균 가구 기준 월 약 $70의 추가 비용으로 환산됩니다.
다르게 말해 보겠습니다. 경제를 변혁할 것이라던 AI 붐이 여러분의 전기 요금을 연간 $840 올릴 수 있다는 뜻이고, 그것도 단일 유틸리티 구역에서의 이야기입니다.
이 숫자들을 기술 기업 임원들에게 제시하면, 저는 그들의 표정이 바뀌는 것을 봅니다. 그들은 서버 비용, 네트워크 비용, 인재 비용은 이해합니다. 하지만 대부분은 자사 AI 모델을 돌릴 전기가 곧 극적으로 비싸질 — 그리고 어쩌면 아예 구할 수 없게 될 — 것이라는 사실을 체화하지 못했습니다. 그들의 데이터센터에 전력을 공급하는 그리드가 구조적으로 용량이 모자라기 때문입니다.
이것은 시장의 힘만으로 저절로 풀리는 문제가 아닙니다. PJM 경매가 지역 전체에서 가격 상한에 도달했다면, 시장은 자기가 고장 났다고 말하고 있는 것입니다. 신규 투자를 끌어와야 할 가격 신호가 인위적으로 억제되고 있고, 그래서 투자는 오지 않으며, 그래서 부족분은 지속됩니다.
AI가 정말로 233GW의 계통연계 요청을 선별할 수 있는가?
제가 가장 기대하고 있는 프로젝트 중 하나는 계통연계 대기열 문제를 위해 우리가 구축해 온 것입니다. FERC(연방에너지규제위원회) 명령 2023호는 송전 사업자에게 가용 용량의 공개 "히트맵"을 유지하도록 요구하지만, 실제 검토 절차 — 특정 프로젝트가 특정 지점에서 그리드를 불안정하게 만들지 않고 연결될 수 있는지 판정하는 일 — 는 여전히 지독하게 수작업입니다.
우리는 제가 계통연계 심사를 위한 agentic AI라고 부르는 것을 도입하고 있습니다. 이것들은 챗봇이 아닙니다. 계통연계 신청서를 수집·해석하고, 이를 NERC(북미전력신뢰도협회 — 그리드의 신뢰도 기준을 설정하는 기구)와 FERC 표준에 대조해 확인하며, 우리의 GNN 모델을 사용해 위상학적 타당성 분석을 수행하고, 프로젝트의 상업적·물리적 준비도에 기반해 완공 가능성 점수를 부여할 수 있는 자율 추론 시스템입니다.
목표는 ERCOT을 — 그리고 궁극적으로 다른 그리드 운영기관들을 — "선착순(first-come, first-served)" 대기열에서 "준비된 순서대로(first-ready, first-served)" 모델로 옮기는 것입니다. 233GW의 요청이 있는데 실제 신규 발전은 23GW뿐일 때, 어떤 프로젝트가 진짜이고 어떤 것이 투기적인지 식별하는 능력은 있으면 좋은 것이 아닙니다. 그것은 생존의 문제입니다.
우리 아키텍처에 대한 완전한 기술적 해설 — PINN 정식화, GNN 토폴로지, RL 제어 프레임워크 포함 — 을 원하신다면 우리 연구 논문을 참조하십시오.
"그런데 그리드를 AI에 맡겨도 됩니까?"
저는 이 말을 끊임없이 듣습니다. 대개는 엔터프라이즈 AI 데모를 충분히 많이 봐서 회의적이 된 사람들에게서요. 솔직히 그들이 회의적인 게 맞습니다. 전력 그리드는 중요 기반시설입니다. 챗봇의 잘못된 추천은 누군가의 오후를 낭비시킵니다. 그리드 제어 시스템의 잘못된 추천은 병원을 정전시킵니다.
그래서 우리는 운영 환경에 블랙박스 모델을 배포하기를 거부합니다. 우리 GNN이 내놓는 모든 예측에는 그래프 기반 설명이 따라붙습니다 — 위험 평가에 기여한 특정 송전선과 변전소를 짚어주기 때문에, 인간 운영자가 행동에 옮기기 전에 그 추론을 검증할 수 있습니다. 우리는 이를 안정도 인식 추론(stability-aware inference)이라고 부릅니다. AI는 제안하고, 물리는 제약하며, 인간이 결정합니다.
우리 팀은 이 문제로 몇 주 동안 논쟁했습니다. 일부 엔지니어들은 더 자율적인 제어를 밀어붙이고 싶어 했습니다 — RL 에이전트는 대부분의 수작업 절차보다 실시간 급전에서 진짜로 더 낫거든요. 하지만 저는 같은 원칙으로 계속 돌아왔습니다. 안전 필수 시스템에서 설명가능성은 기능이 아닙니다. 그것은 전제조건입니다.
우리는 IT/OT 경계(정보 기술 시스템과 물리 장비를 제어하는 운영 기술 사이의 구분)에 대해서도 신중을 기해 왔습니다. 우리 아키텍처는 검증된 안전 필수 제어 구조를 변경하지 않고 기존 분산 제어 시스템에 연결됩니다. AI 계층은 제어 계층 위에 올라앉는 것이 아니라, 그 옆에 나란히 자리합니다.
퇴출 절벽은 예측 가능하다 — 올바른 모델을 쓴다면
저를 잠 못 들게 하는 것이 하나 더 있습니다. PJM의 6.6GW 부족분은 올바른 예측 도구를 갖췄다면 놀랄 일이 아닙니다. 우리는 적층형 LSTM(장단기 메모리 — 순차 데이터를 위한 신경망의 한 종류) 네트워크와 그래디언트 부스팅을 사용해 발전소 단위의 경제성 — CO2 배출, 연료 가격, 해당 지역 시장의 재생에너지 침투율, 유지보수 비용, 규제 노출 — 을 분석하는 퇴출 예측 모델을 구축했습니다.
우리 모델은 발전소 퇴출 시점을 평균 절대 백분율 오차 1.07%로 예측합니다. 그 정도의 정확도는 그리드 운영자에게 신뢰도 격차가 벌어지기 전에 개입할 수 있는 2~3년의 경고 기간을 줍니다 — 표적화된 용량 인센티브, 백스톱 조달, 또는 대체 자원의 계통연계 가속화 같은 수단으로 말입니다.
PJM이 2025년에 부족 사태를 맞은 것은 퇴출 절벽이 예측 불가능해서가 아닙니다. 그것을 예측하는 데 쓰이던 도구들이 부적절했기 때문입니다.
사람들은 때때로 반박합니다. "그거 그냥 더 나은 예측 아닌가요? 뭐가 그렇게 '딥'하다는 거죠?" 그 깊이는 모델이 무엇을 이해하느냐에 있습니다. 표준 회귀 모델은 석탄 발전소의 나이와 연료비를 봅니다. 우리 모델은 그 발전소가 송전 토폴로지에서 차지하는 위치, 해당 가격 구역의 재생에너지 포화도, 그 주의 정치적 환경, 그리고 그 발전소의 퇴출이 연결된 모든 변전소에 미치는 연쇄적 신뢰도 영향을 봅니다. 그건 스프레드시트가 아닙니다. 그건 그리드의 경제 물리학에 대한 디지털 트윈입니다.
이제 어디로 가는가
저는 PJM의 부족분이나 ERCOT의 대기열 위기가 이런 종류의 마지막 사례가 될 거라고 생각하지 않습니다. 저는 그것들이 첫 사례라고 봅니다. 북미의 모든 주요 그리드 운영기관은 퇴출되는 화력 발전, AI가 몰고 온 폭발적 수요, 그리고 인프라를 얼마나 빨리 지을 수 있느냐의 물리적 한계 사이의 이 충돌을 어떤 형태로든 마주하게 될 것입니다.
이 상황을 성공적으로 헤쳐 나갈 유틸리티는 가장 많이 짓는 곳이 아닐 것입니다. 가장 잘 조율하는 곳일 것입니다 — DLR로 기존 선로에서 가용한 모든 메가와트를 짜내고, 비상사태가 되기 전에 퇴출을 예측하며, 엔지니어 군단 대신 AI로 계통연계 대기열을 선별하고, 실시간 안정도 해석을 몇 시간이 아니라 밀리초 단위로 돌리는 곳 말입니다.
PJM의 6,623MW 격차는 경매 보고서에 적힌 숫자에 그치지 않습니다. 그것은 우리가 가진 그리드와 우리에게 필요한 그리드 사이의 거리입니다. 그리고 그 거리는 매달 벌어지고 있습니다.
그리드는 인류가 지금까지 만든 가장 복잡한 기계입니다. 우리는 그 기계에게 인류가 지금까지 만든 가장 복잡한 소프트웨어를 돌리라고 요구하고 있습니다. 무언가는 양보해야 합니다 — 그리고 그것이 불빛이어서는 안 됩니다.
우리는 그 격차를 좁힐 수 있습니다. AI가 마법 지팡이인 척해서가 아니라, 물리를 존중하고 토폴로지를 이해하며 불을 켜두는 운영자들의 신뢰를 얻는 AI 시스템을 구축함으로써 말입니다. 그것이 우리가 할 일입니다. 그리고 그리드에는 누군가가 그것을 느긋하게 알아낼 시간이 없습니다.