데이터센터는 못 줄이는 부하인가 — 옮길 수 있는 것과 옮길 수 없는 것

자리를 미리 골라 두면 몇 해가 줄어든다

전력망은 발전소들과 전기를 쓰는 곳들을 전선으로 이어 하나로 돌아가게 만든 체계이고, 업계에서는 계통이라고 부릅니다. 텍사스 계통을 본떠 만든 가상의 계통, 곧 합성 계통 위에서 데이터센터가 들어설 자리를 미리 골라 등급을 매겨 두면 어떻게 되는지 계산한 연구가 있습니다. 이 합성 계통은 2,000개 모선짜리입니다. 모선은 계통 모형에서 발전기와 선로와 전기를 쓰는 곳이 한데 만나는 연결 지점입니다. 계산의 순서는 이렇습니다. 계통 운영자가 후보 부지를 훑어 신뢰도 기준에 못 미치는 곳을 걸러 냅니다. 남은 곳마다 「이 부지에 이런 조건으로 들어오면 계통 전체에 무슨 일이 생기는가」를 미리 계산해 순위를 매겨 둡니다.

데이터센터가 늘 같은 전력을 쓰겠다고 고정하는 대신 운전을 조절할 수 있다고 놓자, 들어설 수 있는 자리의 범위가 1기가와트 규모에서 9~17%, 2기가와트 규모에서 19~21% 넓어졌습니다. 전기 값은 거의 움직이지 않았습니다. 2기가와트 사례에서 하루 모든 시간대 평균 가격의 중앙값은 전기의 양을 재는 단위인 메가와트시당 24.32달러로 사실상 그대로였고, 쓰는 시각을 옮기는 조건에서는 가장 붐비는 시간대의 가격이 서로 벌어지는 폭이 약 3.4% 줄었습니다. 저자들이 요점으로 든 것은 시간입니다. 첫 통전은 새 시설이 계통에서 처음으로 전기를 받는 일입니다. 저자들은 미리 인증해 둔 조건표를 쓰면 큰 송전망 보강을 건너뛰어 12~18개월 만에 첫 통전이 가능하다고 추산합니다. 저자들이 비교 기준으로 삼은 관행적인 절차, 곧 사업자가 먼저 신청해 진행하는 절차는 5~8년이 걸리고, 이와 견주면 보수적으로 잡아도 3.5~4년 짧다는 계산입니다 (arXiv:2605.14714v1).

이 값들에는 단서가 둘 붙습니다. 첫째, 이 값은 텍사스 계통을 본뜬 합성 계통 위의 모의실험에서 나왔고, 실제 텍사스 계통에서 잰 값은 아닙니다. 이 글의 값 대부분이 그렇습니다. 미국 계통을 본뜬 모형이나 연구자들이 함께 쓰는 표준 모형에서 나온 값이 많고, 한국 계통은 한 연구에서 미국 계통과 견주는 상대로 나옵니다. 그래서 값마다 어느 계통에서 어떤 가정으로 나왔는지를 함께 적습니다.

둘째, 이 제안 전체가 가정 하나 위에 서 있습니다. 데이터센터가 세 가지 조건표 가운데 하나를 고를 수 있다는 가정입니다. 늘 같은 전력을 쓰겠다고 고정하거나, 요청이 오면 잠시 멈추거나, 쓰는 시각을 옮기는 것입니다. 부지 후보를 늘린 것은 계통 보강이 아니라 데이터센터를 고를 수 있는 상대로 놓은 이 가정입니다.

이렇게 고를 수 있는 성질에 이름이 있습니다. 수요 유연성(demand flexibility)은 전기를 쓰는 쪽이 언제 얼마나 쓸지를 바꿔 줄 수 있는 정도입니다. 같은 빨래를 오늘 밤에 돌리든 내일 새벽에 돌리든 상관없다면, 그 빨래는 유연한 수요입니다. 지금 이 순간 켜져야만 의미가 있는 수술실 조명은 유연하지 않습니다. 이때 움직이는 대상은 부하, 곧 전력망이 바로 그 순간에 공급해 줘야 하는 전력입니다. 수요 유연성은 그 부하를 시간 쪽으로, 또는 장소 쪽으로 얼마나 밀어 볼 수 있는가를 가리킵니다.

「못 줄인다」는 통념은 어디에 적혀 있었나

미국에서 데이터센터가 쓴 전기는 2023년 전체 전력 소비의 4.4%였고, 2028년에는 6.7~12%가 될 것으로 전망됩니다 (arXiv:2605.18517v1). 양도 크지만 쓰는 모양이 까다롭습니다. 데이터센터는 늘 무겁게 돌아가는 데다 몇몇 지역에 몰려 들어섭니다. 이 두 성질이 겹쳐 동네와 건물까지 전기를 나눠 주는 배전망의 남은 용량을 압박하고, 데이터센터가 주택 개발이나 전기차 충전 같은 다른 수요와 자리를 다투게 된다는 문제 제기가 있습니다 (DOI: 10.1093/ooenergy/oiad014).

그래서 오랫동안 이 부하는 「줄일 수 없는 것」으로 취급됐습니다. 이유는 그럴듯합니다. 서버는 24시간 돌고, 사업자는 응답 속도를 약속했고, 계산을 미루면 돈을 못 법니다.

그런데 이 통념이 적혀 있던 곳은 계획 모형입니다. 계통에 큰 부하를 꽂는 문제를 다룬 한 연구는 출발점을 이렇게 진단합니다. 데이터센터를 뻣뻣하고 유연하지 않은 부하로 다루는 것이 계통 계획 연구의 전통적인 틀이었고, 그 틀이 이제 경제적으로도 수학적으로도 운영상으로도 지탱하기 어려워지고 있다는 것입니다 (arXiv:2604.05376v1). 「데이터센터는 못 줄인다」는 말은 물리 법칙이라기보다, 계획 모형이 데이터센터를 넣을 때 기본값으로 골라 둔 설정에 가까웠습니다.

설정은 바꿀 수 있습니다. 남는 물음은 설정을 바꿨을 때 무엇이 실제로 따라 움직이느냐입니다.

무엇이 옮겨지는가 — 미루는 것과 옮기는 것은 다른 질문이다

밤새 돌려 놓고 아침에 확인하는 정산 작업이 있고, 방금 누른 검색 버튼이 있습니다. 앞의 것은 늦어도 되고 뒤의 것은 늦으면 안 됩니다. 지연 허용 작업(delay-tolerant workload)은 지금 당장 끝나지 않아도 되는 계산, 곧 결과를 기다리는 사람이 화면 앞에 앉아 있지 않은 일입니다. 2,000개 모선 규모의 미국 계통 모형(ACTIVSg2000) 위에서 이런 작업, 논문의 용어로는 「최선노력」 작업만 골라 일정을 조절하자, 그 작업들은 전기 값이 싼 시간대로 몰려갔습니다. 대체로 재생에너지 발전이 많은 때였습니다. 사람이 기다리는, 응답 지연에 민감한 작업은 건드리지 않아 서비스 품질이 유지됐습니다. 온실가스와 유해물질 배출이 줄었고, 송전 혼잡, 곧 전선이 감당할 한도에 걸려 전기를 다 보내지 못하는 상태도 줄었습니다 (arXiv:2604.23128v1).

작업이 몰려간 「전기 값이 싼 시간대」에도 이름이 있습니다. 노드 가격(locational marginal price, LMP)은 같은 시각이라도 전기가 계통의 어느 지점에서 소비되느냐에 따라 다르게 매겨지는 도매 전기 값입니다. 싼 발전소 쪽에서는 싸고, 그 전기를 실어 나르는 선로가 꽉 차 다른 비싼 발전기를 돌려야 하는 동네에서는 비쌉니다. 노드 가격은 시각에 따라서도 변하고 지점에 따라서도 변합니다. 데이터센터가 작업을 옮겨 돈을 벌 수 있는 이유가 이 두 방향의 차이에 있습니다.

인공지능 작업에 얹으면 흔히 이렇게 정리됩니다. 훈련은 모델을 만드는 과정이고, 추론은 다 만들어진 모델을 한 번 쓰는 일입니다. 훈련은 며칠 늦게 끝나도 되지만 추론은 지금 답을 내놔야 하니, 훈련은 미룰 수 있고 추론은 사람이 기다린다는 것입니다.

지리적으로 흩어진 인공지능 데이터센터들의 계산과 전력을 함께 짠 한 모형은 이 정리를 거꾸로 나눕니다. 이 모형에서 훈련 작업은 「뻣뻣한」 쪽에, 추론 작업은 「탄력적인」 쪽에 들어갑니다. 훈련은 시작 시각을 미룰 수는 있지만 끊김 없이 이어져야 한다는 제약이 걸려 있어, 중간에 끊거나 쪼개기 어렵습니다. 추론은 미룰 수는 없지만 어느 지역 시설에서 처리하든 사용자에게는 같은 답입니다. 그래서 지연 한도만 지키면 다른 곳으로 보낼 수 있습니다. 이 모형에서 이득의 큰 원천으로 꼽힌 것이 추론을 어디로 보낼지 정하는 자유였습니다 (arXiv:2605.03751v2, 합성 사례 기반 모의실험).

「미룰 수 있는가」와 「옮길 수 있는가」는 다른 질문이고, 같은 작업이 한 축에서는 유연하면서 다른 축에서는 굳어 있을 수 있습니다. 여기서 시간 축은 언제 하느냐이고, 공간 축은 어디서 하느냐입니다. 이 모형의 분류로 보면 훈련은 시간 축에서 무르고 공간 축에서 뻣뻣하며, 추론은 그 반대입니다. 다만 이 분류는 합성 사례 모형이 입력으로 둔 가정입니다. 인공지능 작업을 옮기는 데 따르는 구조적 제약을 겨냥해, 작업 상태를 중간중간 저장해 두는 체크포인트를 이용한 이동 같은 접근도 나오고 있습니다 (DOI: 10.63278/jicrcr.vi.3723, 문헌 종합). 둘을 「유연한 부하」라는 한 단어로 묶으면, 계통이 실제로 무엇을 요청할 수 있는지가 보이지 않게 됩니다.

네 개의 서랍

빨래는 새벽에 돌릴 수 있고, 조명은 잠깐 어둡게 할 수 있고, 노트북은 배터리로 버틸 수 있습니다. 셋 다 「유연하다」고 불리지만 하는 일이 다릅니다. 데이터센터의 유연성도 시간, 장소, 출력, 자기 배터리의 네 서랍으로 나눠 열어야 안에 든 것이 보입니다.

첫째 서랍은 시간을 옮기는 것, 곧 같은 일을 나중에 하는 것입니다. 독일·영국·프랑스·캘리포니아의 2020년 자료로 미루기의 여지를 따져 본 연구는 무엇이 결과를 흔드는지를 시험 대상으로 삼았습니다. 얼마나 미룰 수 있느냐, 어떤 순서로 고르느냐, 그리고 몇 시간 뒤 전기가 얼마나 깨끗할지에 대한 예보가 얼마나 정확하냐입니다 (arXiv:2110.13234v1). 이 서랍에는 전제가 하나 붙습니다. 연구자들이 결과를 견주려고 함께 쓰는 표준 모형 계통을 시험 계통이라고 부릅니다. 24모선 시험 계통에서 시간 이동을 다룬 모형은 하루 총 에너지 균형을 보존하도록 설계돼 있습니다 (arXiv:2605.18517v1). 그 설계 안에서는 미룬 일을 반드시 나중에 합니다. 이 서랍에서는 쓰는 전기의 총량이 그대로라는 뜻입니다.

둘째 서랍은 장소를 옮기는 것, 곧 같은 일을 다른 지역의 시설에서 하는 것입니다. 73개 모선짜리 시험 계통에서 데이터센터를 유연성 없이 배치하면 선로 과부하가 30.1%까지 올라갔습니다. 작업을 지역 간에 옮길 수 있게 하자 검토한 시나리오에서 그 위반들이 완화되어 계통이 다시 성립했습니다. 태양광 감발, 곧 만들 수 있었던 태양광 발전을 계통이 받아 내지 못해 버리는 양도 최대 61.0%까지 줄었습니다 (arXiv:2511.08759v2, 시험 계통 모의실험).

「옮긴다」는 말 아래에는 실물 부품이 여럿 깔려 있습니다. 메모리 내용을 미리 복사해 넘기는 절차, 네트워크 연결 상태의 보존, 저장장치 구조에 대한 의존, 하드웨어 호환성 확인입니다. 기업 데이터센터 안의 유지보수·부하 분산용 작업 이동 문헌을 종합한 글은 이 부품들이 갖춰지면 이동이 실제로 굴러간다고 적습니다. 그리고 응답 지연에 민감한 작업과 인공지능 작업에는 구조적 제약이 남지만, 체크포인트를 이용한 이동이나 계층을 고려한 배치 같은 접근이 그 제약을 향해 나오고 있다고 덧붙입니다 (DOI: 10.63278/jicrcr.vi.3723, 문헌 종합). 지역 사이를 옮기는 전력망 쪽 모형에는 또 다른 제약이 들어갑니다. 계산 자원과 전력을 함께 운용하는 한 모형은 작업 이동이 통신 회선의 경로와 대역폭에 묶인다는 점을 명시적으로 넣었습니다. 그 제약을 넣은 채로도, 수치 사례에서 지역 간 이동이 재생에너지가 나는 곳과 작업 요청이 몰리는 곳의 어긋남을 줄였습니다 (DOI: 10.2139/ssrn.7218438, 프리프린트, 수치 사례).

셋째 서랍은 잠깐 덜 쓰는 것, 곧 옮기지 않고 그 자리에서 성능을 낮추는 것입니다. 이 분야를 훑은 리뷰는 유연성의 통로로 보호 설비, 미리 식혀 두기, 처리장치의 동작 속도 조절, 작업 순서 조정을 꼽습니다 (DOI: 10.1007/s40518-025-00258-9). 인공지능 추론에 맞춘 방식도 나왔습니다. 모델의 수치 정밀도를 낮춰 같은 요청을 더 적은 전기로 처리하는 방식입니다. 이를 전력 조절 수단으로 모형화한 연구는 모델이 처리하는 글자 조각인 토큰의 양을 줄이지 않으면서 데이터센터 운영비를 34.3% 낮췄다고 보고합니다 (arXiv:2606.18851v1, 제안 모형의 수치 사례). 정밀도를 낮춘 답이 원래 답과 같은 답인지는 따로 따져야 할 질문으로 남습니다.

넷째 서랍은 자기 배터리를 쓰는 것입니다. 데이터센터에는 이미 배터리가 있습니다. 무정전 전원장치(uninterruptible power supply, UPS)는 전기가 끊긴 순간부터 비상 발전기가 전기를 넘겨받을 때까지를 메우려고 데이터센터 안에 놓아둔 배터리입니다. 노트북에 붙어 있는 배터리와 역할이 같지만, 방 하나를 채울 만큼 크고 평소에는 아무 일도 하지 않습니다. 데이터센터의 배터리를 계통 쪽으로 돌려 쓰자는 제안은 적어도 2020년, 작은 지역 단위로 따로 돌아갈 수 있는 소규모 전력망인 마이크로그리드를 다룬 연구까지 거슬러 갑니다 (DOI: 10.1049/iet-rpg.2020.0217). 이 연구가 무정전 전원장치를 콕 집어 말한 것은 아닙니다.

적어도 탄소를 의식한 작업 배치 문헌은 대개 서랍 하나씩만 열어 왔습니다. 그런 논문 28편 가운데 두 축을 함께 본 것은 11편이었고, 둘을 결합한 최적화를 만든 것은 2편이었습니다 (DOI: 10.3390/su17146433, 리뷰).

값은 속도가 정한다 — 30달러에서 3,000달러까지

한 건물 안에서도 유연성에는 가격표가 층층이 붙어 있습니다. 그래픽처리장치가 많은 데이터센터에서 작업 일정을 조절해 만든 전력 여유를 항목별로 뜯어 값을 매긴 연구에서, 순서는 이랬습니다.

가장 싼 것은 냉각을 미루는 것이었습니다. 짧은 시간이라면 줄인 전기 메가와트시당 30달러 정도의 보상으로도 안정적으로 전력을 낮출 수 있었습니다. 그다음은 빈자리를 메우려고 끼워 넣은 작업들을 옮기는 것으로, 30~300달러 사이에서 가능한 경우가 많았습니다. 여기서부터 값이 뜁니다. 작업 순서를 다시 짜거나 아예 미루는 것은 놓치는 수익 때문에 600달러부터 시작했고, 3,000달러를 넘어야 본격적으로 나왔습니다. 같은 연구는 하나를 덧붙입니다. 앞으로 어떤 작업이 들어올지 모르는 채로도 유연성은 만들어지지만, 앞으로 들어올 작업의 줄을 완벽히 알고 있을 때 훨씬 커집니다 (arXiv:2603.27831v2, 들어오는 순서대로 처리하는 기준선과 견준 최적화 모형).

유연성은 얼마를 주면 얼마나 나오느냐로 재는 물건입니다. 값을 가르는 것은 그 조작이 무엇을 희생하느냐입니다. 방을 덥히는 것은 싸고, 고객의 작업을 늦추는 것은 비쌉니다.

값에는 축이 하나 더 있습니다. 속도입니다. 계통이 사 주는 것 가운데에는 전기 자체가 아닌 것도 있습니다. 부가 서비스(ancillary services)는 전기를 만들어 파는 일 말고, 계통이 무너지지 않게 옆에서 받쳐 주는 일들을 묶어 부르는 이름입니다. 주파수는 교류의 방향이 초마다 몇 번 오가는지를 센 값이고, 주파수가 움직인다는 것은 만드는 양과 쓰는 양이 어긋났다는 뜻입니다. 주파수가 흔들릴 때 몇 초 안에 출력을 바꿔 주는 일처럼, 부가 서비스는 전기의 양보다 전기의 질을 파는 쪽에 가깝습니다. 이 시장의 일부 상품에서는 몇 초 안에 반응하느냐가 값을 정합니다.

속도로 줄을 세우면 순서가 뒤집힙니다. 대형 데이터센터의 냉각 설비와 무정전 전원장치를 각각 동적 모형으로 만들어 계통 안정도 분석에 넣은 연구가 있습니다. 지역 간 진동은 멀리 떨어진 두 지역의 발전기 무리가 서로 엇박자로 출렁이는 현상입니다. 무정전 전원장치를 쓴 수요 조절은 이 진동을 가라앉히는 데 도움이 되었습니다. 냉각 설비는 열이 반응하는 속도가 느려서 그 일에는 본질적으로 쓸 수 없었습니다 (arXiv:2607.27575v1, 39모선 시험 계통). 가격 사다리에서 가장 싼 자원이었던 냉각이 여기서는 후보에도 들지 못합니다. 싼 유연성과 빠른 유연성은 같은 물건이 아닙니다.

빠른 쪽에서는 데이터센터가 계통 주파수를 받치는 자원으로 계산되기 시작했습니다. 사고 뒤 주파수가 가장 낮게 떨어지는 지점을 제약으로 넣은 모형에서는, 유연한 데이터센터 부하의 비중이 커질수록 계통 운영의 비용 효율이 꾸준히 좋아지고 재생에너지 수용도 늘었습니다. 다만 이 이득에는 수확 체감, 곧 더할수록 늘어나는 몫이 줄어드는 성질이 뚜렷했습니다. 그래서 저자들은 유연성을 한 단위 더 늘렸을 때의 값어치를 따로 재는 지표를 내놓았습니다. 동시에 저자들은 데이터센터가 계통 부하에서 차지하는 몫이 커질수록 그 참여가 점점 필수불가결해진다고 적습니다 (arXiv:2510.01050v1, 기준 계통과 2030년 시나리오 모의실험). 데이터센터 배터리를 전기차 배터리와 묶어 마이크로그리드의 주파수를 받치는 구성을 모의실험한 연구도 있는데, 저자들은 이를 앞으로의 논의를 위한 개념적 틀로 제시합니다 (DOI: 10.1049/iet-rpg.2020.0217).

계통이 축을 정한다

같은 유연성 모형을 성격이 다른 두 계통에 적용해 본 연구가 있습니다. 한쪽은 시장으로 운영되고 화석연료 비중이 높은 미국 PJM 계통, 다른 쪽은 탄소 배출 상한이 걸려 있고 중앙에서 조율되는 한국 계통입니다. 저자들은 데이터센터 부하를 고정·유연·중단 가능의 셋으로 나눠 설비 확충 모형에 넣었습니다. 설비 확충 모형은 앞으로 어떤 발전 설비를 얼마나 지을지를 전체 비용이 가장 적게 드는 쪽으로 계산하는 모형입니다.

두 곳에서 이득이 나오는 축이 달랐습니다.

PJM에서 값어치는 공간에 있었습니다. 지역 간에 작업을 옮기자 계통 전체 비용이 2028년에 6%, 2038년에 19% 줄었고, 각각 4.4기가와트와 8.9기가와트의 가스·원자력 발전 건설을 피했습니다. 한국에서 값어치는 시간에 있었습니다. 부하를 한낮 태양광 시간대로 옮기자 2028년에 0.5기가와트의 태양광을 더 짓는 것이 값어치 있는 일이 되었고, 2038년에는 1.2기가와트의 가스와 0.3기가와트의 배터리를 짓지 않아도 되었습니다. 관측된 일이 아니라 모형이 낸 값입니다. 저자들은 양쪽 모두에 같은 단서를 답니다. 감축 요청이 걸리는 사건의 모양을 현실적으로 제한하면, 부하를 줄이거나 멈추는 방식의 값어치는 떨어집니다 (arXiv:2608.19622v1, 설비 확충 모형).

같은 처방이 어느 계통에서는 공간 축으로, 어느 계통에서는 시간 축으로 작동합니다. 저자들의 결론은 유연성을 사들이는 방식과 그 값어치를 계통의 성격과 정책 목표가 정한다는 것입니다. 데이터센터가 무엇을 할 수 있느냐만으로는 값이 정해지지 않고, 그 계통이 어떤 계통이고 무엇을 목표로 하느냐가 함께 값을 정합니다.

다른 설비 확충 모형도 같은 쪽을 가리킵니다. 인공지능 데이터센터의 유연성은 계통 투자비와 운영비를 3~21% 줄였지만, 그 이득은 일관되게 나타나지 않았습니다. 부지의 위치, 유연성의 범위, 계통의 부하 상태에 따라 달라졌고, 유연성을 늘린다고 필요한 발전 설비가 반드시 줄지도 않았습니다. 미룰 수 있는 시간을 길게 늘리는 데에도 수확 체감이 있었습니다 (arXiv:2604.05376v1).

이득의 모양도 반복됩니다. 24개 모선짜리 신뢰도 시험 계통에서 시간 이동과 공간 이동을 함께 켠 모형은, 옮길 수 있는 부하의 비율인 유연성 비율 40%에서 평시와 사고 뒤의 송전 위반, 곧 선로가 정해진 한도를 넘는 상태를 모두 없앴습니다. 유연성 비율 30%에서는 재생에너지 감발을 최대 84.4%까지 줄였습니다. 같은 논문의 민감도 분석은 20~30% 정도의 적당한 유연성이 얻을 수 있는 이득의 대부분을 이미 가져간다고 결론짓습니다. 저자들은 이를 데이터센터 운영자에게 지우는 부담이 제한적이라는 뜻으로 읽습니다 (arXiv:2605.18517v1, 시험 계통 모의실험).

세 연구가 서로 다른 계통에서 서로 다른 손잡이를 돌려 비슷한 모양을 그립니다. 돌린 손잡이는 유연한 부하의 비율(24모선 시험 계통), 미룰 수 있는 시간의 길이(설비 확충 모형), 계통 부하에서 유연한 데이터센터가 차지하는 몫(주파수 제약 모형)입니다. 어느 손잡이든 처음 얼마에서 이득이 크고, 더할수록 늘어나는 몫은 줄어듭니다. 이 모양은 「데이터센터를 전면 유연화해야 한다」는 주장과도, 「유연성은 헛되다」는 주장과도 맞지 않습니다.

탄소를 기준으로 보면 축이 한 번 더 뒤틀립니다. 한계 배출량은 전기를 조금 더 쓸 때 그만큼을 메우려고 더 돌리는 발전기가 내는 배출입니다. 미국의 지역별·시간대별 한계 배출량을 2007년부터 2009년까지의 자료로 추정하자, 상부 중서부의 배출률이 서부의 3배가 넘었고, 같은 지역 안에서도 어떤 시간대는 다른 시간대의 2배가 넘었습니다. 이 연구가 짚은 근본적인 긴장이 있습니다. 전기를 만들기 가장 싼 시간대가 대체로 가장 더러운 시간대라는 것입니다. 다만 그 관측은 2007~2009년 자료의 것이고, 그 뒤 미국 발전 구성이 크게 바뀌어 오늘도 같은 방향인지는 이 자료로는 말할 수 없습니다 (DOI: 10.2139/ssrn.2153929).

앞의 미국 계통 모형에서는 전기 값이 싼 시간대가 재생에너지 발전이 많은 때와 겹쳐 배출이 함께 줄었지만, 미국의 옛 자료에서는 반대 방향의 긴장이 나왔습니다. 돈을 보고 옮기는 것과 탄소를 보고 옮기는 것은 계통과 시기에 따라 같은 방향이 아닐 수 있습니다. 무엇을 신호로 삼느냐가 답을 바꿉니다.

그런데 실제로는 가격에 잘 반응하지 않는다

데이터센터 유연성 연구의 현재 상태를 정리한 리뷰는 앞서 본 통로들을 나열하고, 그 가운데 작업 순서 조정이 학계에서 가장 많이 다뤄진다고 적습니다. 요약의 문장은 무겁습니다. 많은 연구자가 유연성을 늘리는 방법을 제안하지만, 그 유연성이 실제로 어느 규모이고 얼마짜리인지에 대해서는 아는 것이 상대적으로 적다는 것입니다. 리뷰는 두 가지를 더 적습니다. 일부 연구는 운영자들이 유연성을 제공할 의사가 없다고 시사합니다. 그리고 저자들은 실제 에너지 사용 자료로 데이터센터가 극단적인 사건 때를 빼면 전기 가격에 민감할 가능성이 낮다는 것을 보입니다 (DOI: 10.1007/s40518-025-00258-9, 리뷰).

같은 리뷰는 암호화폐 채굴에도 단서를 붙입니다. 채굴은 끊었다 이었다 해도 되는 일이라 본래 유연하고, 많은 연구가 따로 다뤄 왔습니다. 그런데 채굴은 대부분 전용 하드웨어에서 이뤄져 전통적인 데이터센터에서 돌아가는 일이 아니고, 가격 민감도조차 환율에 따라 출렁입니다. 유연한 계산 부하의 대표 사례로 자주 다뤄지는 채굴이 정작 이 글이 말하는 시설의 이야기가 아닐 수 있다는 뜻입니다.

데이터센터가 왜 잘 응하지 않는지를 직접 잰 연구는 이 글이 모은 문헌에 없습니다. 다만 문헌 곳곳에 장벽으로 짚이는 것이 셋 있습니다.

첫째 장벽은 사업자가 안을 보여 주지 않는다는 것입니다. 작업을 다시 배치하면 서비스 품질에 손실이 생기는데, 사업자는 그 손실을 공개할 의사가 없습니다. 그래서 계통 운영자는 안을 들여다보지 못한 채 감축을 요청해야 합니다. 이 조건을 다룬 연구는 조건을 없애지 않고, 안을 보지 못한 채로도 요청을 배분하는 방법을 만듭니다 (arXiv:2605.19116v2).

둘째 장벽은 공개된 기록이 없다는 것입니다. 접속 대기열은 새 설비를 전력망에 연결해 달라고 낸 신청들이 순서대로 늘어서서 검토를 기다리는 줄입니다. 미국에서 발전 설비의 접속 대기열은 공개 기록입니다. 그런데 수백 메가와트 규모로 접속을 요청하는 데이터센터 같은 대형 부하 쪽의 같은 기록은 공개돼 있지 않습니다. 한 정책 브리프는 규제 당국이 발전 쪽에 세워 온 공개 기준을 부하 쪽에도 적용해야 한다고 주장하고, 새 입법 없이 요금 규정 개정만으로 가능한 경로를 제시합니다 (DOI: 10.2139/ssrn.6614823, 정책 브리프). 텍사스주와 조지아주에서 주 단위 선례가 나오고 있지만, 연방 차원의 공개 기준은 아직 부하 쪽에 없다는 것이 이 브리프의 문제 제기입니다.

셋째는 제도의 장벽입니다. 데이터센터에 한정한 이야기는 아니지만, 2016년 서유럽을 놓고 수요 쪽 유연성의 확산을 다룬 한 정책 브리프는, 그 확산이 시장과 규제의 장벽, 그리고 기술적 불확실성에 상당 부분 가로막혀 있다고 적었습니다. 저장장치가 수요 쪽 유연성을 보완할 수도 있고 대신할 수도 있다는 점을 불확실성의 예로 듭니다. 저자들의 처방은 위험과 이득을 체계적으로 저울질하며 도입을 관리하는 것입니다. 그 저울질로 수요 쪽 유연성이 가장 세게 쓰는 때를 대비해 짓는 발전 설비와 전력망 보강 투자를 얼마나 대신할 수 있는지 가늠하고, 확산을 막는 장벽을 풀자고 권고합니다 (DOI: 10.2139/ssrn.2831868, 서유럽 대상 정책 브리프).

대형 부하를 다루는 제도가 만들어지는 중이라는 신호는 있습니다. 미국의 규제 당국들은 데이터센터 같은 대형 부하에만 적용되는 전용 요금제를 만들기 시작했습니다. 전력회사가 그런 부하를 위해 오래 쓸 설비를 지을 때 생기는 재무 위험을 나누려는 요금제로, 유연성에 값을 치르는 제도와는 목적이 다릅니다. 2022년부터 2026년까지 13개 주에서 나온 그런 결정 가운데, 규제 당국이 확인한 첫 최종 결정 15건(고객별 특수계약은 제외)을 모아 주식시장의 반응을 살핀 연구에서, 주가가 다시 매겨졌다는 증거는 나오지 않았습니다. 거래량 쪽 신호는 집계 방식을 바꾸면 사라졌고, 저자들 스스로 결론이 분석 설정에 민감하다고 밝힙니다 (DOI: 10.2139/ssrn.7367558, 사건 연구).

값을 치르는 형식은 제안돼 있습니다. 다만 지금까지는 제안된 정식화의 형태입니다. 데이터센터의 공간·시간 이동 유연성을 전력 시장 청산, 곧 시장이 거래량과 가격을 정하는 계산 안에 넣은 연구는, 데이터센터를 전기를 요청하는 동시에 이동 서비스를 제공하는 주체로 다룹니다. 그 보상은 지점과 시각 사이의 노드 가격 차이로 계산됩니다. 저자들은 이 제안된 청산 방식이 시장이 갖춰야 할 성질들을 만족한다는 것을 사례 계산으로 보입니다 (arXiv:2105.11416v3, 2021년 프리프린트). 보상 형식을 어떻게 짤 수 있는지에 대한 제안 하나가 나와 있다는 뜻입니다. 그 방식이 어느 시장에 실제로 들어갔다는 뜻은 아닙니다.

계획과 실현 사이

예보를 보고 최적화한 일정을 뒤에 확정된 값(작업량·날씨·가격·탄소)으로 다시 정산하면 무엇이 남는지 물은 연구가 있습니다. 흩어져 있는 인공지능 데이터센터 세 곳을 놓고, 제약을 건 주 사례에서 비용은 3.33%, 탄소는 4.00% 줄었습니다. 계통에서 가장 세게 끌어온 순간의 전력인 최대 수입 전력은 6.63% 줄었습니다. 같은 설비를 두고 작업 이동만 더 허용했을 때 추가로 얻은 것은 비용 1.45%, 탄소 1.80%였습니다. 저자들은 감축이 조건부로만 유지된다고 적고, 이 값들을 특정 부지에 대한 평가가 아니라 운영 영역에 대한 점검으로 읽으라고 명시합니다 (DOI: 10.2139/ssrn.7232709, 프리프린트, 공개 신호 파형과 시나리오 워크로드 위의 모의 정산).

한 자릿수입니다. 그런데 같은 주제의 다른 논문들에는 훨씬 큰 숫자가 있습니다. 39개 모선 계통에서 데이터센터의 시공간 유연성을 두 층으로 나눠 최적화한 연구에서는 데이터센터의 비용 효율이 70% 개선되고 계통 운영비가 46% 줄었습니다. 재생에너지 소비는 26.58% 늘었고 탄소 배출은 63% 줄었습니다 (DOI: 10.1049/stg2.70020, 39모선 시험 계통).

두 결과는 재는 대상도 계통도 가정도 다릅니다. 이 분야에서 퍼센트만 떼어 오면 아무것도 알 수 없습니다. 어느 계통에서, 무엇을 기준선으로, 예보가 맞았다고 가정했는지가 붙어 있어야 그 퍼센트를 읽을 수 있습니다.

그 규율을 논문 안에 넣은 사례도 있습니다. 중국의 계산 거점을 놓고 공개 자료만으로 작업 배분의 탄소 효과를 추정한 연구는, 주장을 등급으로 나눠 주 시나리오와 탐색적 스트레스 테스트를 분리합니다. 기준선 배출량은 20.30메가톤입니다. 시설 전체가 쓰는 전력을 계산 장비가 쓰는 전력으로 나눈 값인 전력사용효율만 개선하면 3.63%가 줄었습니다. 유연성 10%를 확인한 사례에서는 4.47%가 줄었고, 주 시나리오인 작업 배분에서는 11.78%가 줄었습니다. 재생에너지와 저장장치를 함께 넣은 상한 민감도에서는 29.23%까지 나왔는데, 저자들은 이 값을 대표 결과로 취급하지 않는다고 명시합니다 (DOI: 10.2139/ssrn.7052138, 프리프린트, 공개 자료 기반 추정).

옮겨서 얻을 수 있는 상한 자체를 따진 연구도 있습니다. 탄소집약도는 전기 한 단위를 만들 때 나오는 탄소의 양입니다. 주요 클라우드 지역 대부분을 포함하는 123개 지역의 탄소집약도 자료로, 일괄 처리 작업과 대화형 작업을 나눠 시간·공간 이동의 이상적 한계와 현실적 한계를 계산했습니다. 결론은 셋이었습니다. 시간·공간 이동은 배출을 줄일 수 있지만, 현실적인 상한은 지금으로서는 이상적인 값과 멉니다. 단순한 정책이 대체로 그 감축의 대부분을 가져가고, 정교한 기법을 더해도 추가 이득이 거의 없습니다. 그리고 앞으로 전력 공급이 더 깨끗해질수록 탄소를 보고 옮기는 것의 상대적 이득은 오히려 줄어듭니다 (arXiv:2306.06502v2).

가운데 결론이 무겁습니다. 상한 연구는 적어도 탄소를 줄이려고 옮기는 일에서는, 알고리즘을 정교하게 만드는 데서 얻을 것이 별로 없다고 말합니다. 계통 쪽 유연성에서는 사정이 다를 수 있습니다. 앞으로 들어올 작업의 줄을 완벽히 알면 유연성이 훨씬 커진다는 계산도 있습니다 (arXiv:2603.27831v2). 그래도 탄소 쪽에서 남는 숙제는 다른 데 있습니다. 무엇을 옮길 수 있는 작업으로 분류할 것인가, 그리고 그 약속을 어떻게 검증할 것인가입니다.

검증은 생각보다 어렵습니다. 데이터센터가 「출력을 낮췄다」고 할 때 그것을 확인하려면 낮추지 않았을 경우의 소비량을 알아야 하는데, 그 값은 관측되지 않습니다. 그래서 작업을 늦춘 결정을 계통 쪽에서 검증할 수 있는 전력 감축량으로 바꾸는 보수적인 변환 절차가 따로 설계됐습니다 (DOI: 10.2139/ssrn.6546460, 프리프린트, 사례 연구). 약속을 지킬 수 있느냐도 같은 문제입니다. 작업 대기열은 서버에서 처리를 기다리는 작업들의 줄입니다. 데이터센터가 작업 일정과 따로 주파수 조정 용량을 미리 팔아 두면, 작업 대기열의 상태에 따라 약속한 조정량이 실현 불가능해지거나 잠깐만 유지되고 끝날 수 있습니다. 대기열 상태에 제약을 걸어 일정과 함께 짜면 실제로 지킬 수 있는 조정 용량이 늘어납니다 (arXiv:2602.01508v1, 68모선 시험 계통).

유연성의 값은 시설마다 다릅니다. 인공지능용 고성능 계산 시설 일곱 곳과 범용 시설 일곱 곳의 실제 작업 기록, 그리고 세 개 클라우드 플랫폼의 계산 가격으로 유연성 제공 비용을 계산한 연구가 있습니다. 인공지능용 시설은 여러 종류의 계통 서비스에 대해 범용 시설보다 50% 낮은 비용으로 더 큰 유연성을 낼 수 있었습니다. 그 비용을 유연성 시장 가격과 견주면, 인공지능용 시설에게 유연성 제공은 수지가 맞는 일이었습니다 (arXiv:2410.17435v2). 앞 절에서 본 「가격에 잘 반응하지 않는다」는 실측과 나란히 놓으면, 적어도 이 계산 안에서는 하지 않는 이유를 「수지가 안 맞아서」로만 설명하기 어려워집니다.

유연성이 푸는 것과 풀지 못하는 것

줄을 선 발전 설비, 정전이 번지던 이베리아 반도의 하루, 같은 훈련에 나란히 적힌 두 배출량이 앞선 편들에 나왔습니다. 그 편들은 각각 다른 자리에 걸려 있었습니다. 「AI는 전기를 얼마나 쓰는가 — 자료마다 숫자가 갈리는 진짜 이유」에서 추정치가 갈리는 이유는 경계와 분모의 문제였습니다. 「발전기의 쇳덩이가 공짜로 주던 몇 초 — 계통 관성이 줄면 무엇이 어려워지나」는 발전기가 계통에 주던 성질의 문제였습니다. 「발전소를 짓는 것보다 꽂는 것이 어렵다 — 접속 대기열이 실제로 정하는 것」은 줄의 구조 문제였고, 「공기로는 더 이상 안 된다 — 계산이 만든 열은 어디로 가는가」는 시설 안쪽의 문제였습니다.

유연성은 그중 하나를 건드립니다. 접속 대기열에 설 때의 조건입니다. 이 글을 연 합성 텍사스 계통 연구가 부지 후보를 넓히고 첫 통전을 앞당길 수 있다고 계산한 방법은, 줄에 설 때 무엇을 약속하느냐를 바꾸는 것이었습니다. 계통이 붐빌 때 물러서겠다고 미리 약속한 부하는 붐비지 않을 때의 여유만큼만 쓰면 됩니다. 그러면 가장 붐비는 순간에 맞춰 설비를 키워 둘 필요가 줄어듭니다. 앞서 본 모형의 값들이 송전 위반 해소, 감발 감소, 짓지 않아도 되는 발전 설비로 나오는 것도 그 때문입니다.

동시에 유연성이 풀지 못하는 것도 분명합니다.

시간을 옮기는 쪽에서는 총량이 그대로입니다. 앞서 본 시간 이동 모형이 하루 총 에너지 균형을 보존하도록 설계됐다는 것은, 미룬 계산을 반드시 나중에 한다는 뜻입니다. 그 서랍에서 유연성은 전기를 덜 쓰게 만드는 장치보다 덜 짓게 만드는 장치에 가깝습니다. 줄어드는 것은 쓴 양이 아니라, 계통 전체의 최대 수요, 곧 가장 세게 쓴 때의 전력에 이 부하가 얼마나 보태느냐입니다. 다만 네 서랍이 다 그렇지는 않습니다. 정밀도를 낮추는 쪽은 총량 자체를 건드립니다.

옮길 수 없는 것은 여전히 옮길 수 없습니다. 사람이 화면 앞에서 기다리는 작업은 미뤄지지 않고, 지연 한도를 넘는 거리로는 보내지지 않으며, 한번 시작한 훈련은 도중에 흩어 놓기 어렵습니다. 유연한 몫은 부하 전체가 아니라 그 일부입니다.

그리고 이 모든 것이 지금은 대체로 모형 안에서만 일어납니다. 이 글에 나온 값의 대부분은 시험 계통이나 합성 계통 위의 계산이고, 실제 사용 자료를 본 리뷰는 데이터센터가 극단적인 사건 때를 빼면 전기 가격에 민감할 가능성이 낮다고 말합니다. 가능성과 실행 사이에서 대형 부하의 기록과 요금제는 이제 막 만들어지는 중이고, 유연성에 값을 치르는 방식은 아직 제안 단계입니다.

데이터센터 부하 전체가 못 줄이는 것인지는 물리가 정해 준 사실이 아니었습니다. 계획 모형이 그것을 기본값으로 골라 두고 있었습니다. 그렇다고 제약이 없는 것은 아닙니다. 이 글이 따라온 제약 가운데 지연 한도, 끊김 없이 이어져야 하는 훈련, 열이 느리게 반응하는 냉각은 물리와 서비스 조건에서 옵니다. 그리고 실제 사용 자료에서 데이터센터는 극단적인 사건 때를 빼면 전기 가격에 민감할 가능성이 낮았습니다. 옮길 수 없는 몫은 물리와 서비스 조건이 정하고, 옮길 수 있는 몫을 실제로 쓰게 할지는 모형과 제도가 정합니다.

데이터센터가 유연해질 수 있느냐는 물음에는 이미 모형으로 계산해 놓은 값이 많습니다. 남는 질문은 셋입니다. 무엇이 옮겨지는지를 누가 알고 있고, 옮겼다는 것을 누가 확인하며, 그 대가를 누가 치르는가. 이 셋은 기록과 검증과 계약의 문제입니다.

근거 논문

arXiv·SSRN·리서치스퀘어에 공개된 글은 「프리프린트」로 표시했고, 그 뒤 학술지에 실렸는지는 따로 확인하지 않았습니다. 이 분야 결과는 대부분 계통 모형 위의 모의실험이고, 등급은 본문에서 그때마다 표시했습니다.

• "Flexibility-Aware Framework for Efficient Planner-Initiated Siting of Data Center" (2026, 프리프린트) — arXiv:2605.14714v1 — 합성 텍사스 2,000모선. 유연 운전이 부지 후보를 넓힌다.
• "Data Center Spatio-Temporal Load Flexibility in Security-Constrained Unit Commitment" (2026, 프리프린트) — arXiv:2605.18517v1 — 24모선. 20~30%가 이득의 대부분.
• "Stretched grid? Managing data center energy demand and grid capacity" (2023) — DOI: 10.1093/ooenergy/oiad014 — 부하 집중이 배전 용량을 압박한다.
• "To Defer or To Shift? The Role of AI Data Center Flexibility on Grid Interconnection" (2026, 프리프린트) — arXiv:2604.05376v1 — 투자·운영비 3~21% 절감, 일관되지 않음.
• "System-Level Impacts of Flexible Data Center Load Scheduling" (2026, 프리프린트) — arXiv:2604.23128v1 — 최선노력만 이동, 지연 민감 작업 불변.
• "Carbon-Aware Compute-Power Scheduling for AI Data Centers with Microgrid Prosumer Operations" (2026, 프리프린트) — arXiv:2605.03751v2 — 훈련은 뻣뻣, 추론은 탄력적.
• "Let's Wait Awhile: How Temporal Workload Shifting Can Reduce Carbon Emissions in the Cloud" (2021, 프리프린트) — arXiv:2110.13234v1 — 미루기의 여지와 영향 요인 조사.
• "Grid Operational Benefit Analysis of Data Center Spatial Flexibility" (2025, 프리프린트) — arXiv:2511.08759v2 — 73모선. 공간 이동이 위반을 완화.
• "Enabling Zero-Downtime Maintenance And Dynamic Load Balancing Through Intelligent Workload Migration" (2026, 문헌 종합) — DOI: 10.63278/jicrcr.vi.3723 — 이동의 부품·남은 제약·새 접근.
• "Privacy-Preserving Operation Approach for Electricity-Computing Power Systems" (2026, 프리프린트) — DOI: 10.2139/ssrn.7218438 — 회선 제약을 걸고도 이동이 어긋남을 줄인다.
• "The Potential of Data Center Energy Demand To Provide Grid Flexibility" (2025, 리뷰) — DOI: 10.1007/s40518-025-00258-9 — 규모·비용 지식이 적고 실측 가격 민감도가 낮다.
• "From Tokens to Energy Flexibility: Quantization-Enabled Demand Response" (2026, 프리프린트) — arXiv:2606.18851v1 — 정밀도 조절을 전력 조절 수단으로.
• "Carbon-Aware Spatio-Temporal Workload Shifting in Edge-Cloud Environments: A Review and Novel Algorithm" (2025, 리뷰) — DOI: 10.3390/su17146433 — 문헌 대부분이 한 축만 연다.
• "Quantifying and Attributing Power Flexibility from GPU-Heavy Data Centers" (2026, 프리프린트) — arXiv:2603.27831v2 — 항목별 가격 사다리.
• "Inter-Area Oscillation Damping in Data-Center-Integrated Power Systems" (2026, 프리프린트) — arXiv:2607.27575v1 — 39모선. 배터리는 되고 냉각은 안 된다.
• "Grid Frequency Stability Support Potential of Data Center" (2025, 프리프린트) — arXiv:2510.01050v1 — 수확 체감, 다만 참여는 점점 필수불가결.
• "Virtual inertia provision through data centre and electric vehicle for ancillary services support in microgrid" (2020) — DOI: 10.1049/iet-rpg.2020.0217 — 배터리로 주파수를 받치는 개념적 모의실험.
• "Shift or curtail? How much data-center flexibility is worth depends on the host power grid" (2026, 프리프린트) — arXiv:2608.19622v1 — PJM은 공간 축, 한국은 시간 축.
• "Spatial and Temporal Heterogeneity of Marginal Emissions" (2012) — DOI: 10.2139/ssrn.2153929 — 2007~2009년. 싼 시간대가 대체로 더러운 시간대.
• "Robust Restless Multi-Armed Bandit for Data Center Flexibility Services" (2026, 프리프린트) — arXiv:2605.19116v2 — 안을 못 보는 조건에서 요청을 배분.
• "The Missing Half of the Queue: Why FERC Should Require Load-Side Interconnection Queue Disclosure" (2026, 정책 브리프) — DOI: 10.2139/ssrn.6614823 — 대형 부하 대기열 기록이 없다.
• "Demand-Side Flexibility for Energy Transitions: Policy Recommendations for Developing Demand Response" (2016, 정책 브리프) — DOI: 10.2139/ssrn.2831868 — 장벽과 위험 거버넌스 권고.
• "Large-Load Tariff Decisions and Utility Market Responses" (2026, 사건 연구) — DOI: 10.2139/ssrn.7367558 — 결정 15건, 재평가 증거 없음.
• "Remunerating Space-Time, Load-Shifting Flexibility from Data Centers in Electricity Markets" (2021, 프리프린트) — arXiv:2105.11416v3 — 제안된 시장 청산 정식화.
• "Forecast-to-Realized Carbon-Aware Dispatch Evaluation for AI Data Centers" (2026, 프리프린트) — DOI: 10.2139/ssrn.7232709 — 시나리오 워크로드 위의 모의 정산.
• "Bi-Level Optimisation Model for Harvesting Spatial-Temporal Load Shifting Flexibility of Data Centres" (2025) — DOI: 10.1049/stg2.70020 — 39모선. 훨씬 큰 폭의 개선.
• "A public-data decision-support framework for carbon-aware workload allocation in AI data-center hubs" (2026, 프리프린트) — DOI: 10.2139/ssrn.7052138 — 주장 등급을 나눈 공개 자료 추정.
• "On the Limitations of Carbon-Aware Temporal and Spatial Workload Shifting in the Cloud" (2023, 프리프린트) — arXiv:2306.06502v2 — 123개 지역. 상한이 이상과 멀다.
• "Integrated Low-Carbon Scheduling of Workload Shifting and Demand Response in AI Data Centers" (2026, 프리프린트) — DOI: 10.2139/ssrn.6546460 — 검증 가능한 감축량으로의 변환.
• "Harnessing Flexible Spatial and Temporal Data Center Workloads for Grid Regulation Services" (2026, 프리프린트) — arXiv:2602.01508v1 — 68모선. 지킬 수 있는 용량이 는다.
• "AI-focused HPC Data Centers Can Provide More Power Grid Flexibility and at Lower Cost" (2024, 프리프린트) — arXiv:2410.17435v2 — 절반 비용, 그리고 수지가 맞는다.