데이터센터 에너지 소비 추정치의 불일치를 해소하기 위한 새로운 산업 프레임워크가 도입된다.
엔지니어링(Engineering)에 게재된 관점 논문은 급속히 확장되는 클라우드 및 대규모 인공지능 인프라 환경에서 에너지 사용 추적을 표준화하기 위해 통합된 기술적·정책적 해결책을 제시하며, 글로벌 데이터센터 에너지 회계 전반에 만연한 불확실성에 주목한다. 논문은 기존 글로벌 데이터센터 전력 소비 평가의 심각한 불일치를 강조하며, 2020년 추정치가 196~1,200 TWh로 6배 이상 차이가 난다고 지적했다. 저자들은 이러한 막대한 편차가 두 가지 주류 에너지 계산 패러다임 내 구조적 결함에서 비롯되며, 이로 인해 탄소 회계가 왜곡되고 전력망 계획이 지연되며, 컴퓨팅 부하 증가에 따른 재생에너지 통합이 느려진다고 주장한다. 연구는 기존 추정 방법을 하향식(bottom-up)과 상향식(top-down) 프레임워크로 분류하며, 각각 통계적 신뢰성을 훼손하는 고유한 한계를 지닌다고 분석한다.
하향식 모델링은 랙 밀도, 서버 가동률, 전력 사용 효율(PUE) 등 시설 수준 매개변수를 사용하여 총 에너지 소비량을 산출한다. 그러나 이는 사이트 간 광범위한 매개변수 변동성으로 인해 어려움을 겪으며, 실제 이질적인 워크로드를 반영하지 못하는 SPECpower_ssj2008과 같은 실험실 편향 효율 벤치마크에 의존하고, 독립 검증 없이 과소 보고되기 쉬운 불투명한 자체 보고 기업 운영 데이터에 의존한다는 단점이 있다. 반면 상향식 모델링은 거시 부문 평가를 위해 집계된 국가 또는 유틸리티 전력 통계를 활용한다. 그러나 공식 ICT 에너지 데이터셋 내에 전용 산업 분류가 부재하여 상업용 복합 건물의 데이터센터 부하를 분리해 낼 수 없으며, 이로 인해 중소규모 시설이 공식 집계에서 누락되는 문제가 발생한다.
기존 미등록 데이터센터 주변의 사각지대를 해소하기 위해 논문은 AI 기반 식별 워크플로우와 비침습적 부하 모니터링(NILM)을 제시한다. LSTM 네트워크, 트랜스포머, 랜덤 포레스트, 서포트 벡터 머신 분류기를 포함한 머신러닝 아키텍처는 집계된 계량기 판독값에서 고유한 24/7 연속 부하 서명을 추출하여 데이터센터 소비를 사무실, 소매 공간, 주거 건물의 변동 패턴과 효과적으로 구분한다. 이러한 분류 모델은 데이터센터 부하를 격리하는 데 높은 정확도를 제공한다. NILM은 물리적 소계량기 개조 없이 시설 수준의 전력_draw를 특정하기 위해 혼합 건물 전기 신호를 세분화하며, 노이즈가 많고 해상도가 낮은 그리드 데이터에서도 모델 성능을 안정화하기 위해 주기적 수동 감사 검증을 활용한다.
새롭게 건설되는 컴퓨팅 허브의 경우, 본 연구는 중국과 같은 중앙집권적 그리드 관할구와 미국 및 유럽연합 전역의 분산형 시장 간 구현 조건을 대조하며, 그리드 정보에 기반한 의무적 에너지 등록을 핵심 정책 기둥으로 제안한다. 현재 파편화된 부서 간 감독은 프로젝트 승인 과정에서 그리드 운영자와 표준화된 에너지 데이터를 공유하는 것을 지연시키고 있다. 한편 유럽 전역의 불균형한 지역 규제 규칙은 500 kW 이상의 시설에 대해 유럽위원회가 구속력 있는 2024년 지속가능성 보고 의무를 도입했음에도 불구하고 일관되지 않은 공개 기준을 초래했다. 논문은 등록 기록에 표준화된 기술 설명자, 통일된 건물 사용 분류법, 그리고 그리드 스마트 미터 시계열 데이터와의 직접적인 연결 고리를 포함할 것을 권고한다. 이러한 분류 요구사항을 일상적인 그리드 접속 신청 절차에 통합하면 운영자에게 과도한 부담을 주지 않으면서 데이터 수집을 간소화할 수 있다.
정확한 에너지 집계에 더해, 통일된 등록은 AI 및 고성능 컴퓨팅 데이터센터가 지닌 시간적·공간적 부하 유연성을 해방시킨다. 배치 모델 학습 워크로드는 시간 이동이 가능하며, 교차 위치 작업 마이그레이션은 컴퓨팅 수요를 간헐적 재생에너지 발전과 일치시킨다. 공식화된 에너지 통계는 수요 반응 인센티브_scheme를 가능하게 하여 시설 운영자의 전력 비용을 절감하고, 변동성 있는 풍력 및 태양광 공급과 관련된 그리드 저장 및 스케줄링 오버헤드를 줄인다. 논문은 부서 간 보고 기준 조정, AI 모니터링 도구 및 그리드 인프라 업그레이드에 대한 표적 금융 지원, 완전한 에너지 투명성과 자발적 전력 시장 참여를 장려하기 위한 장기적 시장 인센티브를 촉구하는 이해관계자 간 정책 권고안을 제시하며 결론을 맺는다. 궁극적으로 이러한 조치는 글로벌 저탄소 전환 과정에서 데이터센터를 수동적 전력 소비자로부터 능동적 그리드 안정성 기여자로 재위치시키는 것을 목표로 한다.
논문 "Building Accurate Energy-Use Statistics for Data Centers"의 저자는 Yong-Zhen Wang, Te Han, Yi-Ming Wei이다. 오픈 액세스 논문의 전체 텍스트: https://doi.org/10.1016/j.eng.2025.12.014