1. 서 론

2015년 제21차 유엔기후변화협약 당사국 총회(26th Conference of the Parties, COP21)에서 체결된 파리기후변화협정을 이행하기 위하여 세계 각국은 재생에너지 발전(Renewable power generation) 비중을 확대해 나가고 있다. 국내의 경우도 재생에너지 3020 이행계획에서 2030년 재생에너지 발전량 비중 20%⁽¹⁾, 2021년 발표한 국가온실가스감축목표(Nationally Determined Contribution, NDC)의 개정안에서는 2030년 재생에너지 발전량 비중 목표치를 30.2%로 상향하였다⁽²⁾. 2023년 1월에 발표한 ‘제10차 전력수급기본계획’에서는 실현가능하고 균형잡힌 전원믹스의 목표로 재생에너지 발전량 비중이 2030년과 2036년 각각 21.6%와 30.6%로 조정되었으나, 재생에너지 설비용량 기준으로 2022년 29.2GW에서 2036년 108.3GW로 연간 20GW 규모의 신규 발전설비의 설치가 필요하다⁽³⁾.

국가적 목표에서 뿐만 아니라, 산업적인 측면에서도 기업의 책임을 강조하는 ESG(Environment, Social, Governance) 경영이 확산되고 있다. 특히 민간 차원의 자발적 이니셔티브인 RE100 (Renewable Energy 100%)과 CF100(Carbon Free 100%)으로 불리는 국제연합(United Nations, UN)에서 추진하는 24/7 무탄소 에너지 콤팩트(24/7 Carbon free Energy Compact, 24/7 CFE) 등의 캠페인으로 인하여, 기업의 기후환경에 대한 책무와 이를 수행하기 위한 재생에너지 발전 자원의 증가가 요구된다⁽⁴⁾.

재생에너지 발전은 재생에너지원의 자연적 특성으로 인하여 불확실성을 가진다⁽⁵⁾. 이러한 재생에너지 발전의 활용을 위해서는 재생에너지 발전 예측 기술이 필수적이다⁽⁶⁾. 특히 최근 재생에너지 발전 예측 기술 개발에 있어, 기계학습(Machine learning, ML), 심층학습(Deep learning, DL) 등 인공지능(Artificial intelligence, AI)을 활용한 재생에너지 발전 예측 기술에 대한 다양한 연구 논문들이 출판되고 있다^(7-8).

특허는 연구 개발 활동에 대하여 배타적 권리를 부여함으로 인하여 기술개발을 촉진시킨다. 또한 연구자에게 현재 기술 상황, 최신 기술 및 개발 전망에 대한 포괄적인 그림을 제공할 수 있으며, 기술 혁신 및 보조금 정책의 효과를 평가할 수 있는 풍부한 데이터 소스를 제공한다⁽⁹⁾. 이와 같은 이유로 연구 개발 활동에 있어 논문을 활용한 기술 동향의 조사 뿐 아니라 특허 동향 기반의 기술 조사 분석이 필요하다.

AI 기반 재생에너지 발전 예측 기술 특허 동향 연구에 있어서 다음과 같은 문제를 해결하여야 한다. 우선 연구 개발 활동에서 진행되는 시스템의 복잡성으로 인하여 자세한 기술 검증 없이는 필수 기술의 선정 및 구별이 어렵다. 또한 AI, 재생에너지, 예측 기술 등 다양한 기술에 속하는 시스템의 다양성을 고려하여야 한다. 다음으로 기술 분류에만 의존하는 경우 시장지향적인 연구문제를 다루기 어렵다. 이는 기 확립된 특허 분류 체계 또는 기술 산업 분류만을 의존하는 경우 개발 분야에 대한 효과적인 특허 매칭을 어렵게 한다. 마지막으로 특허 심사관의 판단에 따른 특허 출원 기술 분류의 주관성 식별 및 양도 과정에서의 장애가 발생할 수 있다. 특히 인공지능 관련 발명의 경우 심사실무가이드가 제정되고 있지만 아직은 지속적인 연구 보완이 필요한 단계이다^(10-11). 이와 같은 이유로 재생에너지 기반 특허 동향에 관한 연구는 기기 기술에 대한 연구에 집중되었다^(12-13).

본 연구에서는 AI 기반 재생에너지 발전 예측 기술에 대하여 포괄적으로 정의하고 관련 특허 출원을 체계적으로 식별하여 국가별, 기간별 및 기술적 동향을 분석한다. 이를 위하여 국내외에 등록된 AI 기반 재생에너지 발전 예측 기술에 연관된 특허데이터를 추출하여 특허출원범위의 정합도를 고려하여 유효한 특허를 선별한다. 이를 기반으로 기술 분류 체계 구성 및 연구 범위 분류를 수행한다. 분류된 기반 데이터를 활용한 정량적, 정성적 분석을 통하여 AI 기반 재생에너지 발전 예측 기술에 대한 연구의 기술 동향 및 향후 연구 방향에 대한 시사점을 제공한다.

2. 분석 방법

특허 분석을 통해 AI 기반 재생에너지 발전 예측 기술의 연구개발 동향을 분석하기 위해 본 연구에서 제안한 특허 조사 분석 방법은 그림 1과 같다. 그림 1에서 보는 것과 같이 AI 기반 재생에너지 발전량 예측 기술에 대한 특허를 키워드 검색 및 대응 국제특허분류(International Patent Classification, IPC) 한정을 통해 특허 검색식을 작성하고 특허 데이터베이스에서 특허 모집단을 수집한다. 특허 모집단 중 AI 기반 재생에너지 발전량 예측 기술과 관련성이 있는 특허만 유효특허로 선별하여, 특허 출원 동향 분석을 통해 기술 시장 동향을 확인한다. 마지막으로, 유효특허 중 발명 단위의 대표건 기준으로 연구 개발 시 활용 가능성이 높은 기술적 의의가 있는 특허를 주요특허로 선별하여, 각 특허별 목적(Object) 및 수단(Solution)을 추출한 후, 유사 목적 및 유사 수단을 그룹핑하여 맵핑한 OS Matrix를 작성한다. 이러한 OS Matrix 분석을 통해 AI 기반 재생에너지 발전량 예측 기술의 중점 기술, 공백 기술 영역을 도출한다.

그림. 1. 특허 조사 분석 방법

Fig. 1. Patent search analysis method

특허 분석을 위해 2022년 7월 이전에 한국, 일본, 미국, 유럽 및 국제 출원되어 공개 및 등록된 특허를 특허 데이터베이스 및 특허 검색 서비스 중 하나인 Keywert⁽¹⁴⁾를 통해 수집하였다. 특허 검색을 위한 키워드를 도출할 때는 데이터의 누락을 최소화하기 위해 표 1과 같이 각 키워드에 대한 키워드 확장을 최대한 넓게 선정하였다.

확장된 키워드군의 조합을 통해 표 2와 같은 특허 검색식을 작성하였다. 이때 대상 기술에 대응되는 IPC를 함께 적용하여 관련된 기술 분야의 관련 특허에 대한 모집단을 수집하였다. 키워드 및 특허 검색식 작성 시 인접 연산자를 사용하였으며, A/n 인접 연산자는 두 단어 사이에 다른 단어가 n가 이하로 포함되는 문헌을 검색하는 것을 의미하며, N/n 인접 연산자는 순서에 관계없이 두 단어 사이에 다른 단어가 n개 이하로 포함된 문헌을 검색하는 것을 의미한다. 특허 검색식 작성에 있어서, 검색 필드는 KEY, TAC, IPC를 사용하였으며, KEY는 발명의 명칭, 요약 및 독립항의 범위 내에서 검색하는 것을 의미하며, TAC는 발명의 명칭, 요약 및 전체 청구항의 범위 내에서 검색하는 것을 의미한다. IPC는 특허분류코드로 각 특허에 부여된 하나 이상의 IPC 코드 중 대응되는 IPC 코드를 적어도 하나 포함하는 것을 의미한다.

표 2의 검색식을 활용하여 특허 모집단이 추출된다. 추출된 모집단 특허의 대표 청구항을 확인하여 연구 내용과 관련성이 높은 유효특허를 추출하고, 이를 활용하여 AI 기반 재생에너지 발전량 예측 기술 특허 조사 분석이 수행되었다.

표 2의 특허 조사 검색식을 이용한 검색 결과는 표 3과 같다. 특허 조사 검색식을 활용한 초기검색 결과 특허 모집단 494건이 검색되었다. 대표 청구항을 기준으로

- 재생에너지 발전 예측 기술과 관련이 없는 특허

- ‘AI를 적용할 수 있다.’ 등과 같이 AI 기술이 단순 언급된 특허

등과 같이 연구 내용과 관련성이 낮은 특허를 제외하여, 114 건의 유효 특허를 선별하였다. 선별된 유효 특허를 기준으로 AI 기반 재생에너지 발전 예측 특허 조사 분석이 수행된다.

3. 분석 결과

3.1 국가 및 기간별 특허 동향

그림 2는 국가 및 기간별 재생에너지 발전 예측 특허 동향 분석 결과이다. 표 2의 검색식에서 AI 키워드를 제외하고 도출된 결과이다. 그림 2의 검은색, 주황색, 회색, 노란색, 파란색선은 각각 한국, 일본, 미국, 유럽, PCT 특허 결과이다. 2021년 이후의 구간은 미공개 특허가 존재하는 구간으로 논의에서 제외한다.

그림 2에서 보는 것과 같이 기간별 재생에너지 발전 예측 특허 출원은 2007년 60건에서 2011년 350건으로 급속히 증가하였다. 이후 2016, 2017, 2018년 매해 400건 이상의 특허가 출원되었으며, 2019년부터 감소하는 형태를 보인다. 이는 교토의정서에서 협의된 온실가스 배출량 감축 제1차 공약기간(2008~2012년)인 2008년까지 재생에너지 기술개발이 기술 성장단계 상 태동기를 거쳤으며, 2008년 금융위기 이후 경제위기극복과 스마트그리드 사업 등으로 인하여 재생에너지 활용을 위한 기술개발에 활성화되어 2017년 까지 성장기가 지속되었고, 이후 성숙기에 접어들고 있음을 의미한다. 국가별로는 한국, 일본, 미국의 3국이 각각 전체 특허 건수의 약 26%를 차지하며 비슷한 점유를 보인다. 그러나 일본과 미국에서의 특허가 2018년 이후 감소하는 것에 비하여 국내 특허는 2018년 이후에도 지속적으로 증가하여 연간 최다 특허 출원 동향을 보이고 있다. 이는 일본과 미국에서는 재생에너지 발전 예측에 대한 기술개발이 기술 성장단계 상 성숙기에 접어들고 있으나, 국내에서는 성장기를 이어나가고 있는 것으로 분석된다.

그림. 2. 국가 및 기간별 재생에너지 발전 예측 특허 동향

Fig. 2. Renewable power generation forecasting techniques patent trend by country and period

그림 3은 국가 및 기간별 AI 기반 재생에너지 발전 예측 특허 동향 분석 결과이다. 그림 3의 결과는 표 2의 검색식을 활용하여 도출된 유효 특허를 기준으로 한다. 전체 AI 기반 재생에너지 발전 예측 특허 출원은 2016년 특이점을 제외하면 2020년까지 지속적으로 증가하는 경향을 나타낸다. 그림 2의 재생에너지 발전 예측 특허 동향에서와 마찬가지로 일본, 미국 등의 특허 출원이 2019년 이후 감소하는 형태이나, 국내에서의 특허 출원은 지속적으로 증가하고 있다. 특히 그림 4의 국가별 AI 기반 재생에너지 발전 예측 특허 출원인 동향을 보면, 국내 출원이 98%가 내국인인 것으로 나타나고 있다. 이와 같은 결과를 통하여 국내에서 AI 기반 재생에너지 발전 예측 관련 분야 연구가 활발히 이루어지고 있음을 알 수 있다.

그림. 3. 국가 및 기간별 AI 기반 재생에너지 발전 예측 특허 동향

Fig. 3. AI-based Renewable power generation forecasting techniques patent trend by country and period

한편으로 일본과 미국에서 외국인 특허 출원 비율이 각각 33%와 48%인 것에 비하여 국내 외국인 특허 출원 비율이 2%이다. 특허의 목적이 기술개발 내용에 대한 배타적 권리를 행사하는 것임을 고려하면, 그림 4의 특허 출원인 동향은 국내 재생에너지 발전 사업에 대한 국외 사업자의 관심이 낮은 것으로 해석할 수 있다. 이는 국내 재생에너지 발전 시장의 규모가 다른 비교 국가에 대하여 상대적으로 작아⁽¹⁵⁾, 충분한 사업성 확보에 대한 매력이 부족하기 때문일 것으로 보여진다.

그림. 4. 국가별 AI 기반 재생에너지 발전 예측 특허 출원인 동향

Fig. 4. AI-based Renewable power generation forecasting techniques patent applicant trend by country

3.3 주요 출원인 특허 동향

특허 출원 건수를 기준으로 선정한 주요 출원인별 특허 동향을 정리하면 그림 5와 같다. 미국 IBM이 10건으로 가장 많은 특허를 출원하였으며, Siemens와 Mitsubishi가 각 7건과 6건을 출원하였다. 국내 기업으로는 나눔에너지가 5건으로 가장 많은 특허를 출원하였다. 특히 Siemens의 경우 모사 데이터를 제외한 모든 소분류 범위에 해당하는 특허를 출원하다. 이는 Siemens가 AI 기반 재생에너지 발전 예측 기술개발에 있어 가장 넓은 범위의 연구 개발을 진행하고 있다고 해석할 수 있다.

그림. 5. 주요 출원인 특허 동향

Fig. 5. Patent trend by major applicant

그림. 6. AI 모델 기술 분류 기준 주요 출원인 특허 동향

Fig. 6. AI model-based patent trend by major applicant

기술 분류 항목의 AI 모델을 기준으로 주요 출원인별 특허 동향을 정리하면 그림 6과 같다. 주요 출원인은 미국의 유틸리티 회사인 Sacramento Municipal Utility District (SMUD)이며, 다음으로 스위스 ABB이다. Qatar 재단과 한국과학기술원, Zhejiang university 등 교육기관들의 특허 출원도 나타나고 있다. 해당 출원인들은 기술 분류 상 AI 모델 분류에 해당하는 특허 출원 이외의 다른 분류에 해당하는 특허 출원이 나타나고 있지 않다. 또한 그림 5의 AI 기반 재생에너지 발전 예측 기술 전체 특허 건수를 통한 주요 출원인과 그림 6의 AI 모델을 기준으로 하는 주요 출원인간 중복 출원인이 나타나고 있지 않다. 이는 앞서 기술 분류별 특허 동향에서 논의하였던 것과 같이 AI 기술 특허로 인한 한계성으로 연구 주체별로

- 일반적인 AI 모델 학습 성능을 증대시키기 위하여 입력 데이터 가공에 관한 기술개발

- 재생에너지 발전 예측을 위한 AI 모델 기술개발

의 두 분류로 서로 다른 기술개발 방법론을 적용하고 있다고 생각할 수 있다. 그림 6의 AI 모델 기술 분류 기준 주요 출원인 동향에서 교육기관들이 다수 나타나는 것도 이러한 이유이다.

4. 결 론

본 연구에서는 AI 기반 재생에너지 발전 예측 기술에 대하여 포괄적으로 정의하고 관련 특허 출원을 체계적으로 식별하여 국가별, 기간별 및 기술적 동향을 분석하였다. 2022년 7월까지 국내외에 등록된 AI 기반 재생에너지 발전 예측 기술에 연관된 494건 특허데이터를 추출하였고, 특허출원범위의 정합도를 고려한 114건의 유효 특허를 선별한다. 유효 특허의 대표 청구항과 청구 내용을 통하여 기술 분류와 특허 동향 분석이 수행되었다.

수행된 AI 기반 재생에너지 발전 예측 기술 특허 동향을 정리하면 다음과 같다.

- AI 기술을 한정하지 않은 재생에너지 발전 예측 기술 관련 특허 출원은 일본, 미국, 유럽 등 주요국에서 정체 또는 감소되고 있는 반면, 국내 특허 출원은 증가하고 있다. 이는 세계적으로 재생에너지 발전 예측 기술개발이 성숙 단계에 진입하였으며, 국내에서는 아직 성장단계의 기술개발이 진행되고 있음을 의미한다.

- AI 기반 재생에너지 발전 예측 기술 관련 특허는 2016년 출원이 급증한 구간이 있었으나 이를 제외하면 지속적으로 증가하는 형태이다. 이는 재생에너지 발전 예측 기술개발에 있어 기존 기술의 기술 성숙도가 높은 상태이며, 이를 극복하기 위하여 AI 기술이 접목되고 있음을 보여준다.

- AI 기술을 활용한 재생에너지 발전 예측 기술개발 특허의 경우 기상 데이터 사용 등이 주요 권리 사항으로 기술되고 있으며, AI 기술은 적용할 수 있는 부가 사항으로 기술되어 있는 경우가 다수이다. AI 기술의 경우 청구항 작성 및 권리화의 어려움으로, AI 모델 개발 보다는 기존 AI 모델을 활용하는 형태로 특허 출원이 이루어지고 있는 것으로 해석된다.

재생에너지 발전원의 활용을 위해서는 재생에너지 발전 예측 기술개발이 필수적이다. 특허는 배타적 권리 행사를 통하여 기술개발을 촉진시키는 역할을 수행한다. 그러나 AI 기반 재생에너지 발전 예측 기술의 경우 AI 기술 특허의 특성으로 인하여 제한적인 형태로 특허 출원이 진행되고 있다. 따라서 AI 기반 재생에너지 발전 예측 기술개발에 있어 특허를 통한 권리행사를 위해서는 기술개발 초기부터 지표성을 갖는 요소와 AI 기술 특허의 특징을 고려한 기술개발이 필요하다.