데이터 센터 백업 전력 전략은 배터리 화학만으로가 아닌 시스템 설계(부하 이동, 모듈식 발전, 연료 다양성)를 우선시한다.

국제 에너지 기구(IEA)는 2025년 전 세계 데이터센터 전력 수요가 17퍼센트 증가했으며, AI 애플리케이션을 지원하는 데이터센터의 소비는 같은 기간에 50퍼센트 증가했다고 지적합니다. 국제, 국가 및 지역 차원의 정부들은 산업에 대한 지속가능성 의무를 계속 강화하고 있습니다.

최근의 두 가지 관련 사례는 유럽연합(EU)에서 나옵니다. 아일랜드에서는 10 MVA 이상의 전력 접속을 보유한 데이터센터가 대응하는 조절 가능 발전 시설이나 저장 시설을 제공하고 연간 전력 수요의 80퍼센트를 국내 신규 재생에너지 발전에서 조달해야 합니다. EU 전역에서는 총 용량이 500kW를 초과하는 데이터센터가 에너지 효율성, 수질 소비, 재생에너지 및 폐열 재활용에 관해 매년 보고해야 하며, 이는 EU의 새로운 지속가능성 평가 프레임워크를 지원합니다.

워크로드 프로필이 다양화됨에 따라 UPS 에너지 저장 시스템 도입 시 워크로드 중심의 접근을 점점 더 중요하게 고려해야 합니다. AI 훈련, AI 추론, 고성능 컴퓨팅, 클라우드, 저장 및 엔터프라이즈 애플리케이션은 모두 서로 다른 워크로드 프로필을 지니고 있으며, 각각의 백업 전력 요구사항을 충족시키려면 맞춤형 UPS 에너지 저장 시스템이 필요합니다. 백업 전력은 모든 데이터센터 지속가능성 전략의 핵심 구성요소여야 하지만, 워크로드 중심의 UPS 전략이 지속가능성 전략을 주도해야 하며, 그 반대가 아닙니다. 데이터센터는 배터리 화학 같은 요소에 집착하기보다는 자신의 사이트 워크로드 프로필이 제기하는 지속가능성 문제를 적절히 해결하는 데 집중해야 합니다.

AI 성장이 데이터센터 전력 수요를 가속화하고 있으나 "AI 데이터센터"라는 용어는 상당한 차이를 감춥니다. 훈련은 AI 모델을 구축하거나 개선하기 위해 대규모 데이터세트를 처리하는 것인 반면, 추론은 훈련된 모델을 사용하여 실제 요청에 응답하는 것입니다. 훈련은 대규모 GPU 클러스터 전체에 걸친 동기화된 전력 수요를 포함할 수 있으며, 수요는 밀리초 단위로 변동합니다. 추론은 일반적으로 더 분산되고 사용자 중심이며, 요청이 증가하고 감소할 때 활동의 버스트를 생성합니다. JLL은 AI 워크로드가 2025년의 약 25퍼센트에서 2030년까지 모든 데이터센터 용량의 50퍼센트를 차지할 수 있으며, 추론이 훈련을 지배적 AI 요구사항으로 대체할 수 있는 시점으로 2027년을 식별했습니다.

전통적 UPS 배터리는 주로 예비 자산으로 작동하여 전력망 차단 후 즉각적인 전력을 공급했습니다. AI 훈련은 다른 과제를 야기합니다: 전력 수요가 극도로 빠른 속도로 대규모로 변할 수 있습니다. 북미 전력 신뢰도 공사(NERC)는 200MW 훈련 시설의 50MW 블록에서 수요가 약 250밀리초에 걸쳐 급격히 변했다고 설명합니다. 이러한 특성은 기존 데이터센터의 비교적 안정적인 프로필보다 전기 인프라에 다른 요구사항을 제기하며, UPS 에너지 저장 시스템이 중단 시까지 수동적으로 유지되기보다는 정상 작동 중에 부하 평활화에 기여할 필요가 있을 수 있습니다. 이는 빠른 반응, 높은 전력 방전 및 더 빈번한 사이클링을 가능하게 하는 아키텍처가 필요할 수 있습니다. 리튬 이온 시스템이 이러한 애플리케이션에 주목을 받고 있습니다.

배터리 효율성은 온도, 방전 전류, 차단 전압 등의 작동 조건에 따라 변하며, 배터리가 노화됨에 따라 감소할 수 있습니다. 정기적인 사이클링은 모든 충방전 사이클에서 일부 에너지가 손실되므로 효율성을 더욱 중요한 지속가능성 고려사항으로 만듭니다. 사이클링이 드물어서(예: 주로 예비 전력용으로 사용되는 시스템) 이러한 손실이 생명주기 에너지 사용의 상대적으로 작은 부분을 나타낼 때, 이러한 손실은 비교적 중요하지 않을 수 있습니다. 그러나 저장 시설이 워크로드 변동을 관리하기 위해 반복적으로 전력을 흡수하고 방출할 때, 작은 비효율도 누적되어 전력망 소비 및 관련 Scope 2 배출량을 증가시킵니다.

많은 데이터센터 워크로드의 경우 UPS 에너지 저장은 여전히 주로 예비 전력으로 작동합니다. Microsoft 연구에 따르면 AI 추론 데이터센터의 개별 서버는 급격한 피크를 경험할 수 있으나, 클러스터 전체에 걸쳐 집계될 때 수요는 덜 극단적이 되어 AI 훈련보다 훨씬 더 많은 전력 여유를 남깁니다. 많은 추론 환경의 경우 UPS 에너지 저장은 따라서 확립된 역할을 유지할 수 있습니다: 중단 시 즉각적인 예비 전력을 제공하는 것입니다. 유사한 원칙이 클라우드, 저장 및 엔터프라이즈를 포함한 많은 비AI 환경에 적용됩니다. 전력 수요가 시스템 수준에서 관리 가능하게 유지될 때, 우선순위는 빈번한 배터리 사이클링보다는 신뢰할 수 있는 대기 용량입니다.

많은 데이터센터 예비 전력 애플리케이션에서 여전히 사용 중인 납축 배터리는 일반적으로 플로트 충전으로 유지되며, 이는 완전히 충전되고 준비된 상태로 유지하기 위해 적용되는 지속적인 저전압 충전 전압입니다. 이 과정에서 일부 에너지가 손실되므로 효율성이 낮은 시스템은 대기 상태를 유지하기 위해 더 많은 전력을 필요로 합니다. 대규모 UPS 설치 전체에서 이러한 지속적 손실은 시설 전력 소비를 증가시키고 Scope 2 배출량에 기여할 수 있습니다.

일부 지속가능성 고려사항은 워크로드 프로필을 초월합니다. 에너지 밀도가 하나입니다: 더 높은 에너지 밀도 시스템은 필요한 백업 용량을 더 작은 물리적 공간 내에 제공할 수 있으며, 잠재적으로 랙, 인클로저, 케이블링 및 구조 재료의 수량을 줄일 수 있습니다. 더 큰 에너지 밀도는 또한 냉각 수요를 줄일 수 있으며, 잠재적으로 Scope 2 배출량을 줄이는 데 도움이 될 수 있습니다. 지속가능성은 작동을 넘어 배터리의 전체 수명주기로 확대되어야 합니다. IEA는 핵심 광물 재활용의 확대가 중세기까지 새로운 광산 공급의 필요성을 25~40퍼센트 줄일 수 있으며, 재활용된 핵심 광물은 광산 채광의 1차 물질보다 평균 80퍼센트 더 적은 온실가스 배출량을 생성한다고 추정합니다. EU Batteries Regulation은 재료 공급 및 탄소 발자국을 통해 수집, 재활용 및 물질 회수까지 배터리를 다룹니다. 따라서 데이터센터 산업은 최종 수명 관리를 사후 대응으로 취급하기보다는 조달 단계부터 추적 가능성, 책임감 있는 제거 및 재활용을 계획해야 합니다.

[제공된 발췌문을 넘어 텍스트가 계속되는 것으로 보입니다.]