영국에너지2023 – 진행 중SSE 에너지 솔루션스
열병합 발전 네트워크의 머신러닝 최적화
SSE 에너지 솔루션스는 열병합 발전 네트워크의 수작업 예측 시간을 12배 줄이고 연 35만 파운드를 절감했다
문제
SSE plc 계열사인 SSE 에너지 솔루션스는 열병합 발전(CHP) 네트워크의 머신러닝 최적화 모델을 가상 머신에서 돌렸다. 실행할 때마다 데이터 과학자의 수작업이 많이 필요했고, 컴퓨팅 자원이 제한적이어서 확장에 비용이 많이 들었다.
접근 방식
SSE 디지털 서비스는 이 작업을 애저 데이터브릭스로 옮겼다. 가격 데이터 적재를 자동화하고, 최적화 실행을 예약해 클러스터에서 병렬로 돌렸다. 결과는 Power BI 대시보드로 보냈고, 산출물은 영국 전역 CHP 기반 네트워크 4곳의 최적화에 쓰이며 각 현장에서 주간 작업이 돈다.
주요 수치
12배수작업 예측에 쓰는 시간의 감소, 데이터브릭스 기준
35만 파운드예측 기반 에너지 최적화의 연간 절감액, 데이터브릭스 기준
2시간 이하주 1일 걸리던 예측 작업에 드는 시간, 데이터브릭스 기준
시사점
최적화 실행을 자동화하면서 데이터 과학자가 매주 하던 수작업 예측에서 벗어났고, 모델은 연간 비용 절감과 연결되었다.
분류
- 규모
- 대기업
- 산업
- 에너지
- 경영 기능
- 생산·품질
- 혁신 유형
- 프로세스 혁신
- 도입 방식
- 플랫폼·범용 도구 활용
- 근거
- 공급사 사례
출처
출처 요약
[1]Databricks2023년 12월 26일
데이터브릭스는 SSE 에너지 솔루션스가 CHP 네트워크 최적화 모델을 가상 머신에서 애저 데이터브릭스로 옮긴 사례를 소개했다. 수작업 예측 시간이 12배 줄고, 연간 35만 파운드를 절감했으며, 예측 작업이 2시간 이하로 끝난다고 밝혔다. 절감액을 어떻게 계산했는지는 설명하지 않았다.
자세한 내용은 원문에서 확인하실 수 있습니다.
등록일 2026년 11월 4일 · 수정일 2026년 11월 4일