서 론
연구방법론
태양광 발전 잠재량 추정
풍력 발전 잠재량 추정
제주 대표 전력 수요량 추정
행정 구역별 잉여에너지 발생량 계산
시추 지질도 분석
입지 후보지 전처리
연구결과
행정 구역별 잉여에너지 계산 결과
남원읍 시추지질도 분석
안덕면 시추지질도 분석
토 의
결 론
서 론
태양광·풍력 등 신재생에너지는 자연에너지를 이용한다는 특성으로 인해 간헐성 및 변동성을 내재한다. 신재생에너지의 변동성으로 인한 발전 패턴은 실제 전력 수요와 달라 계통 안정성을 저해한다. 계통 안정성 확보를 위한 방안으로 Energy Storage System (ESS)가 주목받고 있으며, 본 연구에서는 ESS 중 장주기 ESS에 적합한 지중 열저장 Underground Thermal Energy Storage (UTES) 시스템 도입을 고안하였다. 국내 신재생에너지 확장에 따른 변동성 대응을 위해 한반도 전역의 잠재량 평가와 ESS 입지 분석이 필요하며, 본 연구에서는 제주 지역을 우선 선택하여 향후 한반도 전역으로 확장하기 위한 기초 분석을 수행하였다.
제주도는 급격한 재생에너지 성장이 이루어지는 지역으로 2023년 기준 재생에너지 발전량 비중은 전국 8.4%, 제주 44%, 정격 용량 기준 전원구성비는 전국 20.8%, 제주 59.4%로 전국 대비 제주도의 높은 재생에너지 비중을 확인할 수 있다(MOTIE, 2025). 그러나 높은 신재생에너지 보급률은 신재생의 변동성으로 인해 계통 안정성 측면에서 출력제어 문제로 이어진다. 제주도의 출력제어 문제는 2017년 17회를 시작으로 2023년 약 181회까지 지속 증가하였며 풍력 제어량은 2023년 기준 26,201 MWh에 달한다. 2024년에는 High Voltage Direct Current (HVDC) 역송전을 통해 출력제어를 연간 83회까지 완화하였으나, 이는 임시적 완화책일 뿐 자체적인 저장소 운영을 통한 변동성 제어가 필요하다(KPX, 2025a).
본 연구에서 고려한 변동성 대안은 UTES로, 다양한 UTES 형태 중 Borehole Thermal Energy Storage (BTES) 적용을 검토하였다. BTES는 지하 공간의 지층 혹은 토양에 열을 주입하여 저장하거나 추출하여 사용하는 기술로 지하에 저장된 열에너지를 활용하여 겨울철 난방 혹은 여름철 냉방을 가능케 한다. 시추공 내부에 U자형 tube가 설치된 Borehole heat exchanger (BHE)를 통해 열전달 유체를 순환시켜 지층과 열교환을 유도하고, 열저장 혹은 추출을 진행하는 방식이다. BTES는 초기 투자 비용이 크고, 열손실 가능성이 존재하나, 높은 저장용량, 장주기 저장, 낮은 지질학적 제약, 낮은 운영 비용 등의 장점을 고려하여 적용하였다(Sadeghi et al., 2024).
신재생에너지 출력제한, 변동성을 열저장, 수소 전환 시설 등 타 에너지원으로 전환하여 사용하는 기술에 관한 논의는 꾸준히 지속되어 왔으며, Geographic Information System (GIS) 기반 신재생에너지 설비 및 연계 시설의 최적 입지 분석 연구들도 진행되고 있다. GIS는 지도 및 지리정보를 컴퓨터를 이용해 작성, 관리하고 여기서 얻은 지리 정보를 기초로 데이터를 수집, 분석, 가공하여 지형과 관련되는 모든 분야에 적용하기 위해 설계된 종합정보시스템을 말한다(MOEF, 2020).
이탈리아 시칠리아섬을 대상으로 한 사례 연구에서는 GIS 소프트웨어를 통해 신재생 발전 시설, 도로망, 가스관, 철도망, 수소 전환 시설 후보지 등의 공간 정보를 결합하고, 발전 시설과 수소 전환 시설 간 거리가 가까워야 출력제한 대응과 전력망에 미치는 영향을 줄일 수 있다는 점을 고려하여 신재생 발전 시설과 수소 전환 시설 후보지 간 최단 경로 분석을 진행하였다(La Guardia et al., 2022). 스페인 카나리아 제도 사례 연구에서는 경사 및 경사방향 설치 가능 부지 탐색을 통해 태양광·풍력 발전 잠재량을 계산하고, 전력 수요를 통합하여 신재생에너지 자체 소비량 및 경제성을 평가하였다(Santana-Sarmiento and Velázquez-Medina, 2024). 본 연구에서 GIS와 함께 활용한 시추지질주상도는 시추공 코어를 토대로 지층 분포 및 지하수위 정보를 제공하며, 실제 지하 공간을 직접 확인한 데이터라는 측면에서 정확하고 구체적인 지하 구조 파악이 가능하다.
이 연구의 목적은 태양광·풍력 잠재량과 전력 수요를 기반으로 잉여에너지 잠재량을 산정하고, 과잉 발생 지역의 BTES 설치 가능 입지를 도출하는 것이다. 이는 향후 신재생에너지의 한반도 전역 확대로 인한 출력제한에 대응하는 분석 체계를 제시하며, 이를 통해 국내 신재생에너지 연계 ESS 입지 선정 연구의 기반을 마련하고자 한다.
연구방법론
태양광 발전 잠재량 추정
잉여에너지 발생량은 총 신재생에너지 발전량에서 전기에너지 사용량을 제외한 값으로, 연간시간별 잉여에너지 발생량을 추정하고자 한다. 잉여에너지 발생량 추정의 첫 단계는 신재생에너지 발전량 추정이다. 태양광 발전 잠재량 추정은 향후 태양광 발전 시설이 추가 도입된 미래 잠재량을 확인하기 위하여 기존에 존재하는 발전량 데이터를 그대로 사용하지 않고, GIS 분석을 기반으로 설치 적합지를 선별한 후, 표준기상년(Typical Meteorological Year, TMY) 데이터를 기반으로 잠재량을 예측하였다.
GIS 분석은 ArcGIS 소프트웨어를 활용하여 진행하였으며, 경사 및 경사방향 분석, 레이어 클립을 통한 마스킹을 통해 적합지를 선별하였다. ASTER GDEM의 30 × 30 m DEM (NASA et al., 2019)을 사용하여 경사와 경사 방향 분석을 수행하였으며, 태양이 남중하는 한반도의 특성을 고려할 때, 패널을 남향으로 설치하는 것이 가장 효율적이기에, 경사는 0° 이상, 30° 이하, 경사 방향은 157.5° 이상, 202.5° 이하의 범위를 동시에 만족하는 지역만 선별하였다(Kim and Kim, 2018). Fig. 1a에는 경사와 경사 방향 분석 결과를 표시하였으며 붉은색 영역이 경사와 경사 방향 조건을 만족하는 지역이다. Fig. 1b에는 환경공간정보서비스의 토지피복지도(EGIS, 2024) 중 나지와 초지에 해당하는 지역만 선별하여 나타냈으며, Fig. 1c에는 국토교통부의 제주 지역 개발 제한 보호구역 데이터를 시각화하였다(MOLIT, 2023). Fig. 1a and b는 클립 기능을 통해 동시에 만족하는 지역을 탐색하였고, 이후 Fig. 1c와 겹치는 영역은 삭제하여 1차 발전 가능 부지를 도출하였다.
태양광 발전소 설치 가능성 분석 연구에서 hillshade 모델을 활용한 음영 분석은 주요한 판단 기준이다(Santana-Sarmiento and Velázquez-Medina, 2024). Hillshade는 태양의 고도에 따라 변하기 때문에 연간 1시간 간격으로 결과를 도출하였으며, 태양의 고도가 수평선보다 낮을 경우는 태양광 발전이 이루어지지 않는다고 분석하였다. Hillshade 분석 결과는 0부터 255까지 256개로 이산화되어 표시되며, 0은 그림자가 있는 경우, 1–255까지는 그림자가 생기지 않는 지형으로 분석한다. 본 연구에서는 256개의 결과를 이진화하여 그림자가 생기는 경우를 1, 생기지 않을 경우를 0으로 정의하고, 이를 1차 발전 가능 부지와 융합하여 최종 마스킹을 진행하였다. 마스킹 결과는 TMY 데이터와 융합하여 최종 발전 잠재량을 추정했다. 사용한 TMY 데이터는 국가참조표준센터의 측정 기반 TMY 제주(NCSRD, 2023a), 모델 기반 TMY (300 km2급, 200지점)(NCSRD, 2023b)으로 총 3종류의 TMY 데이터를 활용하였고, Table 1에 각 TMY 데이터의 세부 정보를 표시했다.
3종류 TMY 데이터는 행정 구역별로 행정구역 폴리곤과 TMY 지점 간 거리를 기준으로 가장 가까운 지점의 값을 적용하여 해당 지점의 기상 특성을 반영할 수 있도록 세분화하였다.
Table 1.
Summary of typical meteorological year data
| TMY Number | Location | Latitude (°) | Longitude (°) | Basement |
| TMY 1 | Jeju | 33.51 | 126.53 | Measurement |
| TMY 2 | Gosan | 33.44 | 126.31 | Model |
| TMY 3 | Seoguipo | 33.43 | 126.81 | Model |
태양광 발전 잠재량 는 식 (1)로 표현되며, 는 수평면 전천 일사량, 는 태양광 패널 효율을 의미한다.
상용 태양광 모듈 평균 효율은 2024년 기준 22.7%이며, 2012년 15.8%부터 평균 효율 성장 추세를 반영하여 본 연구에서는 평균 20% 효율로 가정하였다(KEEI, 2025). GCR (Ground Cover Ratio)은 태양광 패널의 면적과 패널이 설치된 지표 면적의 비율로, 지역별 특성을 고려하여 다양한 값을 가지나 본 연구에서는 보수적으로 접근하여 태양 남중고도가 가장 낮은 겨울철 동지에도 패널 간 그림자가 겹치지 않는 값인 1/6을 사용하였다. 는 태양광 패널 설치 적합지 면적을 의미하며, 설치적합지 분석 결과를 시간대별로 세분화한 후 각 행정구역별 발전 가능 면적을 확인하였다. 최종 는 각 시간대별·행정구역별 면적 및 수평면전천 일사량 데이터를 식 (1)에 대입하여 계산하였으며, 최종 계산 결과 제주특별자치도 전역을 통틀어 연간 5,591 GWh의 발전 잠재량을 가진다고 분석했다.
풍력 발전 잠재량 추정
풍력 발전 잠재량 추정은 일사량이 전체적으로 일정한 태양광과 달리 지점별로 풍속이 크게 달라진다는 특징으로 인해 풍력 발전 터빈의 설비용량까지 임의로 가정하여 계산하는 추정은 현실성이 떨어진다고 판단하였다. 따라서 풍력 발전 잠재량은 기존의 발전 시설과, 추가 설치 계획이 발표된 발전단지의 발전기 성능 데이터를 활용하여 추정하였다.
잠재량 계산 시 활용한 풍속 데이터는 Table 1의 TMY 데이터를 사용하였고, 발전단지에서 가장 가까운 지점의 풍속 데이터를 적용하였으며, cut in speed는 4 m/s, cut out speed는 25 m/s로 설정하였다(Swisher et al., 2022). 해당 범위를 벗어나는 풍속에서는 발전이 중단된다고 가정하였다.
각 풍력 발전 단지의 설비용량과 허브 높이, 블레이드 길이가 다르므로 개별 발전단지 잠재량 계산 후 전체 총합 발전량을 계산하였으며, 각 발전단지의 풍력 발전량 는 식 (2)를 통해 계산하였다.
여기서, 𝜌는 공기의 밀도로 0.602 kg/m3을 사용하였고, 는 터빈의 효율로 본 연구에서는 일반적인 0.3–0.45의 효율 범위 중 0.4를 적용하였으며(Cooney et al., 2017), 는 블레이드 길이로 발전단지별로 사용하는 풍력발전기 모델의 지표를 사용했다. 는 허브 높이에서의 풍속이며, 은 발전단지에 있는 풍력발전기 수이다. 일반적인 TMY 데이터는 관측 지점 높이의 풍속 데이터를 기록하기 때문에 를 구하기 위해선 해당 풍속을 허브 높이에서의 풍속으로 변환해야 하며 이 과정은 식 (3)으로 표현할 수 있다.
여기서, 는 기준 지점에서의 풍속으로 TMY 관측 지점 높이의 풍속을 사용하였다. 는 허브 높이이며, 는 TMY 관측 지점의 높이이다. 𝛿는 roughness length로 전형적인 지형 특성 측면의 거칠기 클래스를 의미한다. 거칠기 클래스는 Table 2에 표현되어 있으며, 실제 발전 시설 및 추가 설치 발전단지가 위치한 곳의 지형 특성을 반영하여 잠재량을 추정하였다.
Table 2.
Roughness class and length for different terrains
| Roughness class | Roughness length, δ(m) | Terrain |
| 0 | 0.0002 | Water |
| 1 | 0.03 | Open flat agricultural land |
| 2 | 0.1 | Fields with some trees |
| 3 | 0.4 | Forests or villages |
| 4 | 1.6 | Large cities |
연간 시간별 풍력 발전 잠재량을 계산하였으며, 식 (2)의 결과가 전체 설비용량보다 큰 값을 기록한 경우, 설비용량 값으로 최댓값을 고정하였다. 계산 결과는 행정구역 단위로 통합하여 각 행정구역의 시간별 풍력 발전 잠재량으로 표현하였으며, 제주특별자치도 전역을 통틀어 연간 1,074 GWh의 발전 잠재량을 기록하였다.
제주 대표 전력 수요량 추정
제주 전력 수요량 분석을 위해 사용한 데이터는 한국전력거래소에서 제공하는 시간대별 제주 전력 수요(2007–2024) 데이터(KPX, 2025b)와, 한국전력공사에서 제공하는 월별 계약종-법정동별 전력 사용량 데이터이다(KEPCO, 2025). 전력 수요량은 행정구역, 연도별로 변동이 존재하기 때문에 특정 기간의 데이터를 사용하는 것은 제주 지역의 잉여에너지 특성 분석에 적합하지 않다고 판단하여 제주의 대표성을 가지는 별도의 데이터로 분석을 진행하고자 하였다. TMY와 유사하게 장기간 제주 지역의 전력 수요량 데이터에 기반한 대표성을 가지는 Typical Electricity-use Year (TEY) 데이터 전처리를 진행하였다. 전처리 진행 방법론은 Finkelstein-Schafer (FS) 통계량을 적용하여 대표 월을 선정하고자 하였으며, 2007년부터 2024년까지 월별로 누적 분포함수(Cumulative Distribution Function, CDF)를 생성한 다음 각각의 FS 통계량을 사용해 계산하였다. FS 통계량 계산과정은 식 (4)로 정리할 수 있다(Ohunakin et al., 2013).
여기서, 은 17년 월별 데이터의 누적 분포이며, 는 특정 연도의 월별 데이터의 누적 분포를 의미한다. 이 두 수치가 차이가 작을수록 해당 연도가 전체 기간의 특징을 잘 반영한다고 볼 수 있으므로, 식 (4) 결과로 도출한 FS 통계량이 가장 작은 연도를 해당 월의 대표 월로 지정하였다. 1월부터 12월까지 반복적으로 수행하여 최종적으로 연간 시간별 TEY 데이터를 완성하였다.
그러나 TEY 데이터는 단순 제주 지역 전역을 대상으로 하는 데이터로 세부 행정 구역의 전력 사용량 정보는 알 수 없다. 따라서 해당 TEY 데이터를 행정 구역별로 세분화하기 위하여 계약종-법정동별 전력 사용량 데이터를 추가로 반영하였다. 계약종-법정동별 전력 사용량은 행정 구역(법정동)에 대해 세세한 데이터가 제공되지만 시간 해상도가 월 단위이다. 따라서 2015년부터 2024년까지 10년의 전력 사용량 데이터에 대해서 중앙값을 계산한 후 중앙값에서 가장 가까운 값을 해당 법정동의 대표 월별 전력 사용량으로 지정하였다. 10년의 데이터를 반영하였기 때문에 특정 연도의 이상 기후나 사회적 이벤트의 영향을 줄이고 실제 사용량 데이터를 반영하여 현실성을 높였다.
최종적으로 제주 지역의 TEY 데이터와 법정동별 월별 대표 전력 사용량 데이터를 확보하였고, 이 둘을 조합하여 법정동별 TEY 데이터로 가공하였다. TEY 월별 전체 전력 사용량 대비 특정 시간의 전력 사용량 비율을 구해 제주 지역의 전력 사용 양상을 패턴화하였다. 이후 해당 패턴을 법정동별 대표 월별 전력 사용량 데이터에 곱해 법정동별-시간별 전력 사용량 데이터로 재가공하여, 제주 전역에 대한 TEY를 법정동별 TEY로 구체화하여 분석하였다.
행정 구역별 잉여에너지 발생량 계산
최종 연구 목표인 UTES 적합지 분석을 위해 UTES 설치가 필요한 지역을 분석하고자 잉여에너지 발생량 분석을 수행하였다. 잉여에너지 발생량이 많은 지역일수록 UTES와 같은 ESS 도입이 필요하다고 판단하여, 잉여에너지 발생량 분석을 통해 잉여에너지 발생 횟수와 발생량이 많은 행정구역을 UTES 적합지로 분류하였다.
식 (5)는 잉여에너지 발생량을 구하는 과정을 표현하였다. SE는 Surplus Energy로 잉여에너지 발생량을 의미하며, 는 태양광 잠재 발전량, 는 풍력 잠재 발전량, 는 전력 사용량을 의미한다.
이후 각 행정 구역별로 잉여에너지가 발생한 빈도수와 발생한 잉여에너지 총합을 분석하여 추후 UTES를 설치하고자 할 때 필요성이 높은 지역을 선별하였다. 빈도수는 SE 값이 0 이상인 횟수를 측정하였고, 잉여에너지 총합은 SE 값이 0 이상인 경우의 총합으로 구하였다.
시추 지질도 분석
본 연구에서는 UTES 유형 중 BTES의 적용 가능성 분석을 위해 시추지질도를 활용하여 현무암 지층분포와 지하수위를 확인하였다. 현무암은 높은 밀도, 비열, 열전도율을 가지고 있으며, 고온 열반복사이클을 견디는 열 내구성을 보유하고 있다(Nahhas et al., 2019). 이러한 특징으로 인해 현무암을 활용한 열에너지 저장은 열손실을 최소화하고 안정적인 장주기 에너지 저장 성능 확보가 가능하다. Nahhas et al.(2019)이 분석한 시료는 제주 지역의 시료는 아니지만, Kim (2006)의 연구에서 제시된 표선리 현무암의 광물학적 조성이 유사한 비율을 보여준다. 따라서 본 연구는 해당 열물성 결과를 토대로 열에너지 저장 지층으로 현무암을 선정하였다.
지하수 유동은 열손실의 주요 요소 중 하나로, 용암 동굴, 용천수 등 투수 지질층 구조는 유체의 흐름으로 인한 열손실 발생 가능성을 고려해 입지 후보지에서 제외하였으며, 투수 지질층이 연결성을 갖는 최대 반경이 500 m라는 점을 반영하여 완충 지대인 반경 500 m도 제외하였다(Kim et al., 2019b). 또한, 지하수위보다 높은 지역에 위치한 현무암 지층만 열저장 대상으로 분류하여 지하수로 인한 열손실을 최소화하고자 하였다.
입지 후보지 전처리
에너지 저장에 필요한 현무암 지층 부피, 를 구하는 공식은 식 (6)으로 표현할 수 있다.
여기서, 는 UTES 저장용량, 는 현무암 지층의 비열, 는 현무암 지층의 밀도이다. 비열은 전국암석비열분포도 제주 지역의 비열값 839 J/kg·°K을 사용하였고(Kim et al., 2019a), 밀도는 제주 표선리 현무암 연구 결과인 2,337 kg/m3을 사용하였다(Nam and Kim, 2006). 는 열저장 후 지층 온도와 초기 지층 온도 간 차이로, 초기 온도는 20°C, 열저장 후 지층 온도를 95°C로 설정하여 75°C 값을 사용하였다. 초기 온도는 상온 15°C에 지하 100 m인 상황을 가정하여 설정하였다.
용암 동굴, 용천수 등 투수 지질층 구조 데이터와(JPDC, 2020) 반경 500 m 완충지대는 연구부지에서 삭제하였다. 제외 결과를 대상으로 토지피복도의 나지 및 초지 지역만 선별하여 최종적으로 입지 후보지를 선정하였다.
연구결과
행정 구역별 잉여에너지 계산 결과
Fig. 2는 제주 행정구역별 잉여에너지 발생 빈도수와 발생량을 시각화하였다. 두 항목 모두 높은 수치를 기록한 지역 중 남원읍과 안덕면은 높은 빈도수와 동시에 연간 발생량 총합이 500 GWh를 넘는 지역이다. UTES 적합지를 분석하는 연구의 본래 취지에 맞추어 빈도수도 중요하지만, 최종적으로 발생량 총합이 큰 지점을 우선하여 UTES 도입 필요 지역으로 분류하였다.
남원읍과 안덕면에 대해서는 히트맵 분석을 추가로 진행하여 가장 잉여에너지 발생이 크게 일어나는 지점과 UTES 도입 시 필요 에너지양을 계산하였다. Fig. 3a의 경우, 남원읍의 잉여에너지 히트맵으로 5월 14시가 가장 높은 잉여에너지 발생량을 기록하였으며 6시간 누적 최대 발생량은 1.8 GWh (ESS 저장 기준 6시간)로 나타났다. 이는 태양 일사량이 가장 높은 봄, 가을 시기로 남원읍은 풍력보다 태양광의 영향을 더 많이 받는 지역임을 알 수 있다. Fig. 3b에는 안덕면의 잉여에너지 히트맵이 제시되었으며, 동일하게 5월 14시가 가장 높은 잉여에너지 발생량을 기록하고 6시간 누적 최대 발생량은 1.5 GWh임을 확인하였다. 두 지역의 잉여에너지 발생 패턴은 유사하게 나타났기에 안덕면도 태양광의 영향으로 5월 최대 잉여에너지 생산량을 기록했다고 볼 수 있다. 각 지역의 6시간 누적 최대 발생량은 이후 UTES 입지 분석에서 UTES 저장용량 기준으로 활용하여 해당 기준을 만족하는 UTES 시설의 도입 가능성을 분석하는 데 활용하였다.
남원읍 시추지질도 분석
남원읍의 필요 ESS 용량은 1.8 GWh이며, 식 (6)에 대입하여 계산한 결과 약 44,000 m3의 부피가 필요하다. 지중 현무암 지층의 분포 여부를 파악하고자 시추지질주상도를 참고하였다(JWAMH, 2001). Table 3에는 남원읍의 시추공 중 입지 후보지 전처리 결과에 포함되는 시추공 정보를 표시하였다.
Table 3.
Geological column for Namwon-eup
현무암 지층은 지하수 수위보다 높은 곳에 위치한 것만 작성하였다. Surface Area는 남원읍의 UTES 필요 부피인 44,000 m3를 충족하는 설비 면적을 구하고자, 지층 부피를 각 시추공의 현무암 지층 두께로 나누어 계산하였다.
Fig. 4a는 시추공 위치와 입지 후보지가 시각화한 것으로 F-185와 F-386이 모여있고, D-129와 D-245가 모여있는 것을 확인할 수 있다. 최종적으로 F-185와 F-286이 위치한 곳의 인근 후보지는 남북 방향으로 길게 분포하고, 후보지 간 간격이 멀어 BTES 설치에 부적합하다고 판단하여 D-129와 D-245가 위치한 지역을 적합 지역으로 분석하였다. Fig. 4b는 자세한 최종 적합 후보지를 시각화하여 나타내었다.
안덕면 시추지질도 분석
안덕면의 필요 ESS 용량은 1.5 GWh이며, 식 (6)에 대입하여 계산한 결과 약 36,700 m3의 부피가 필요하다. Table 4에는 안덕면의 시추공 중 사전 입지 후보지 전처리 결과에 포함되는 시추공 정보를 표시했다. Fig. 5a에는 시추공 위치와 입지 후보지가 표시되어 있으며, D-138과 D-165에 비해 F-81과 F-82가 위치한 지역이 입지 후보지가 밀집된 경향을 확인할 수 있다. F-81과 F-82 시추공 간 지층의 분포 및 지하수 수위의 유사성은 두 지점의 연결성을 의미하여 안덕면의 최종 입지 후보지는 F-81과 F-82가 위치한 지역으로 선정하였으며 최종 후보지는 Fig. 5b에 시각화하였다.
토 의
잉여에너지 잠재량 분석 결과, 남원읍과 안덕면에서 연간 500 GWh 이상의 잉여에너지가 발생하는 것으로 나타났으며, 두 지역 모두 5월에 최대 발생량을 기록하였다. 이는 신재생에너지 발전과 전력 수요의 계절적 불일치를 보여주며, 계절 간 전력 변동성 완화를 위한 장주기 ESS의 필요성을 입증한다.
일반적인 Battery Energy Storage System (BESS)의 경우 화학 반응의 수명으로 인해 에너지 저장 수명에 한계가 존재하며 장주기 저장에 부적합하다. 이에 반해 BTES는 열의 형태로 지중 저장하기에 장기간 저장에 적합하며, 타 UTES 유형과 달리 지질학적 영향이 적다. 특히, 초기 투자비용이 높은 편이지만 운영 비용은 타 UTES 대비 낮은 편으로 장기간 운용 시 다른 UTES 및 BESS 대비 높은 경제성을 보여준다는 장점이 있다. 다만, 경제성 분석은 해외 실증 사례의 경제성에 기반한 분석이기에 제주 지역의 지질환경 및 기반 시설을 고려한 추가적인 경제성 평가를 통해 BTES 기술의 실효성을 확인할 필요가 있다. 이 외에도 BTES는 지층에 직접 열을 저장하는 형태이기 때문에 열회수율이 낮고 지하수 유동에 의한 열손실 발생 가능성이 높게 나타난다(Lanahan and Tabares-Velasco, 2017).
이 점을 고려하여 본 연구에서는 지하수 유동으로 인한 열손실 방지를 위해 투수지질층 구조 및 반경 500 m를 제외하고 지하수위보다 높은 곳에 위치한 현무암 지층인 시추공만 적합 부지로 분류하였다. 다만, 실제 지층 내 열전도는 지층의 이방성, 비균일성 등으로 인해 불균일하게 나타나기 때문에(Jorand et al., 2013) 방향성 및 열전도 범위를 고려한 구체적인 현무암 지층 부피 산정이 필요하나 시추지질도 내 지하 지층 방향성 및 시추공 주변 분포 현황 데이터의 부재로 인해 단순 지층 두께와 면적을 곱하는 방식으로 접근하였다는 한계점이 존재한다.
이 외에도 잉여에너지 잠재량 및 시추지질도만 입지 선정 기준으로 활용하였기에, 전력 계통, 수도 시설 등 기타 연계 시설과의 접근성에 대한 추가적인 검토가 필요하다. 실제로 Zandi et al.(2025)의 연구에서는 Multi Criteria Decision-making (MCDM)과 같은 다중 기준에 요소별 가중치를 부여하는 방법론을 적용하여 태양광발전소 적합부지를 선정하는 연구를 진행하였으며, 이와 같은 Multi Criteria Analysis (MCA)에 기반한 종합적인 보완이 필요하다.
시추지질도의 특성 상 지층 연결성 확인이 불가하고, 시추공 부재 지역은 탐색이 제한되어 데이터가 존재하는 지역으로만 설치 후보지가 한정되는 아쉬움도 존재한다. 본 연구는 이러한 한계를 극복하기 위해 인접 시추공 정보를 활용하여 지층 간 연결성을 검토하였으나, 일부 지역(예: 안덕면 F-81, F-82 시추공)을 제외하면 지층 및 지하수위의 유사성 및 연결성을 확인하지 못하였다. 따라서 물리 탐사, 지질도 같은 추가 탐색을 통해 지하 지층 분포와 열전도 특성을 반영하는 보완이 필요하다.
결 론
본 연구에서는 GIS 기반 신재생에너지 잠재량 추정과 시추지질주상도 분석을 통합하여 제주도의 UTES 최적 입지를 선정하였다. 시추지질주상도 분석을 통해 두 지역에서 BTES 설치에 필요한 현무암 지층을 확인하고 최종 입지를 도출하였다.
급격히 성장하는 신재생에너지 시스템의 안정적 계통 운영을 위해서는 ESS, 수소 전환 시설 등의 연계 시설 도입이 필수적이다. 이번 연구 방법론은 UTES 입지 선정뿐만 아니라 수소 지중 저장, 배터리 ESS 등 다양한 신재생에너지 연계 시설의 입지 분석에도 적용 가능하다. 추가 검증 이전 단계의 1차적 입지 선정 방법론으로 활용할 수 있으며, 본 연구에서 제시한 발전 잠재량과 전력 수요 추정 기법은 대규모 신재생에너지 시스템 도입에 필요한 연계 시설의 위치와 용량 사전 산정 프레임워크로서 의의를 지닌다.
다만 본 연구는 잉여에너지 잠재량 및 시추지질도 기반 분석을 수행하였기에, 지층 이방성, 비균일성, 시추공 외 지역에 대한 정보 부족으로 인한 불확실성이 존재하며, 지질 조건 외 다른 선정 기준이 필요하다. 향후 연구에서는 물리 검층을 통한 지층 특성 반영과 함께 전력망·유통망, 난방용 수도시설, 재생에너지 발전 시설과의 접근성을 고려한 종합적인 분석이 요구된다. 이러한 확장은 GIS 기반 분석에 통합되어 다양한 연계 시설의 입지 선정 프레임워크로 확장될 수 있을 것이다.
