AI 시대, 안정적 전력 운영이 핵심

데이터센터 장애의 주요 원인으로 전력이 꼽히는 가운데, 2024년 415W인 전력 소비량은 2030년 945W로 두 배 이상 급증할 전망이다. 업타임 인스티튜트 조사 결과 운영자 57%가 10만 달러 이상의 손실을 경험했으며, 5곳 중 1곳은 피해액이 100만 달러를 웃돌았다.

데이터센터 장애 원인 중 전력 문제가 가장 큰 비중을 차지하고 있으며, 2024년 약 415W였던 데이터센터 전력 소비량은 2030년에 945W로 두 배 이상 증가할 것으로 예상된다.

2021년 미국 텍사스에 닥친 기록적인 한파로 인해 삼성전자 오스틴 Fab 공장이 대규모 전력 중단에 영향을 받았다.

당시 회사가 밝힌 피해 규모는 약 7만 1,000장의 웨이퍼 손실이었으며, 금액으로는 3,000억에서 4,000억 원 수준의 막대한 피해로 추산되었다. 이는 전력 복구 후에도 즉각적인 생산 재개가 어려운 반도체 산업의 특성을 보여준다.

배전반 연결부의 접촉 불량은 저항에 의한 발열을 유발하며, 부분 방전은 절연 상태 변화를 알 수 있는 중요한 신호가 된다.

설비의 단발성 온도 측정값만으로는 문제가 없다고 보일 수 있으나, 과거 60도에서 최근 61도, 63도, 67도 등으로 지속해서 상승하는 추세를 보면 이상 징후를 파악할 수 있다. 경보 기준을 넘지 않았더라도 시간축에 따른 온도 변화 추세를 파악하는 것이 중요하다.

설비별 사용 환경, 즉 온도, 습도, 부하 등이 다르기 때문에 일괄적인 점검 주기를 적용하는 데 한계가 있다. 가령 가동 5년 차 설비라도 부하 변동이 심하면 5년 이내 점검이 필요할 수 있으나, 기존 방식은 이를 반영하지 못한다.

전통적인 주기적 점검 방식은 전력 차단 및 우회로 확보 등 정기 점검 자체가 운영 부담을 초래한다. 또한 설비의 실제 상태와 무관하게 특정 시점에만 점검이 이루어져 잠재적 고장을 놓칠 위험이 있다.

이를 보완하기 위해 장비의 실제 상태를 기준으로 정비를 하는 상태 기반 정비(CBM)가 도입되었으며, 과거 데이터와 현재 변화를 분석하여 앞으로 어떤 설비를 먼저 점검해야 할지 판단하는 예지보전이 필요하다. 이는 실시간 센서 데이터와 AI 분석으로 고장 전조를 파악하여 선제적으로 대응하는 방식이다.

F1 화재 안전 등급을 획득한 이 제품은 부분 방전 수준을 5pC 이하로 유지해 절연체 열화를 방지하며 설계 수명을 기존보다 30% 이상 늘렸다. IEC 60076-11 기준의 C4 온도 등급과 E4 환경 등급을 준수하여 영하 40도의 혹한과 95% 습도의 결로 환경에서도 내구성을 입증했다.

이 변압기는 F1 등급의 화재 안전성을 확보하고, 부분 방전 수준을 5pC 이하로 억제해 절연체 열화를 방지한다. 이를 통해 기존 대비 30% 이상 향상된 설계 수명으로 전력 설비의 내구성과 장기 운전 신뢰성을 확보한다.

데이터 기반의 예지보전은 설비 전 생애주기의 탄소 배출량을 줄여 스코프 3 대응에도 기여한다. 이상 발열이 감지될 경우 정기 점검을 기다리지 않고 선제적 조치가 가능해지며, 24시간 모니터링을 통해 운영 효율을 높이고 비용을 최적화한다. 평소와 같은 조건임에도 특정 연결부의 온도가 이전과 다르게 상승하기 시작하면 다음 전기 점검까지 기다리지 않고 먼저 살펴봐야 할 근거가 생긴다.

이러한 24시간 모니터링 시스템은 설비 운영 효율화를 높이고 유지보수 비용을 최적화한다. 또한 설비 전 생애주기 동안의 탄소 배출량 감소와 기업의 스코프 3 탄소 배출 절감에도 기여한다.

산업용 차단기의 핵심은 사고 전류를 안전하게 차단하고 다음 작동 상태를 확인하는 것이다. 슈나이더의 에브팩트 HVX는 이러한 차단 성능과 더불어 상태 진단 기능을 갖춘 진공 차단기로, MCSeT 배전반 내에서 고압 전력을 여러 회로로 안전하게 나누고 보호한다.

이 시스템은 이상 발열, 습도, 부품 상태 등을 지속적으로 분석하여 설비의 안정적인 운영을 돕는다. 특히 기존 SF6 가스 방식 대비 지구 온난화 지수가 낮은 친환경 진공 차단 기술을 채택하여 환경 보호에도 기여한다.

슈나이더는 연결된 전력 기기의 상태 정보를 디지털 시스템으로 가져와 분석하고, 이를 실제 유지보수 판단으로 연결하는 구조를 제공한다. 이 시스템은 수집된 데이터를 기반으로 우선 정비 대상 설비를 판단하여 한정된 유지보수 인력과 시간을 효율적으로 배분하게 돕는다.

이를 통해 현장 설비 점검 방식의 패러다임을 예지보전으로 전환하며, 모든 사고를 예방할 수는 없지만 인프라 신뢰성을 제고하고 비용을 절감하는 효과를 가져온다.

설비가 100대 있고 정비 팀이 이번 주에 집중적으로 볼 수 있는 장비가 10대뿐이라면, 모든 장비를 똑같은 순서로 볼 필요는 없다. 예지보전 시스템은 최근 몇 주 사이에 평소와 다른 발열이 나타났거나 여러 상태 정보가 함께 달라지는 장비를 우선 점검 후보로 올릴 수 있다.

이러한 데이터 기반의 판단은 인력과 시간을 필요한 장비에 집중 투입하여 효율적인 시설 점검을 가능하게 하며, 모든 설비를 동일한 주기로 점검하던 방식에서 벗어나게 한다.

삼성전자 오스틴 공장 사례와 같이 외부 요인에 의한 사고 방지에는 한계가 있지만, 예지보전 기술은 운영자가 설비를 중단하고 열어 테스트해야만 알 수 있었던 정보를 운영 중에 실시간으로 받아볼 수 있게 한다.

전력 연결부의 발열, 배전반 환경 변화, 차단기 이상 징후 등 미세한 변화를 조기에 포착하여 정기 점검일 이전이라도 선제적인 조치를 취할 수 있는 근거를 확보함으로써 전력 인프라의 신뢰성을 높인다.

AI 시대에는 얼마나 많은 전력을 확보했느냐 못지않게 이미 확보한 전력을 얼마나 안정적으로 운영하느냐가 상당히 중요해지고 있다. AI 인프라의 핵심인 GPU까지 가는 길을 따라가보면 하위 전력 설비의 데이터화가 필수적임을 알 수 있다.

이제 전력 설비들은 단순히 전기를 공급하는 것을 넘어, 스스로 자신의 상태를 데이터로 표현하는 시대로 접어들었으며, 이는 전력 인프라 관리의 패러다임 변화를 의미한다.