가스 사업을 기반으로 전력 사업과 에너지 관리를 담당하는 홋카이도 가스 주식회사. 탄소 중립(탈탄소화)을 향해 태양광과 풍력을 활용한 재생 가능 에너지(이하, 재생에너지)의 확대와 고도화를 추진하는 동사는 재생에너지 발전량 예측 시스템의 내재화 개발 지원을 클래스메소드에 의뢰했습니다. Amazon SageMaker를 활용한 머신러닝 정확도 향상과 Git/GitHub를 이용한 개발 체제 구축에 임했습니다. 프로젝트에 대해 상사인 나카무라 씨와 실무를 주도한 이시카와 씨에게 이야기를 들었습니다.

 

 

 

재생에너지 확대에 따라 발전량의 정확한 관리가 필수

 

"북쪽의 생활, 더 많은 가능성을."을 슬로건으로 종합 에너지 사업을 전개하며 "기타가스"라는 애칭으로 친숙한 홋카이도 가스. 2050년 이후의 탄소 중립 시대를 내다보는 동사는 2030년을 중간 목표로 설정한 기타가스 그룹 경영 계획 "Challenge 2030"을 수립했습니다. 차세대 플랫폼 구축 등 사업 구조 변혁을 추진하고 있습니다.

 

그 중에서 "종합 에너지 서비스 사업의 진화를 통한 분산형 사회 형성", "디지털 기술 활용을 통한 사업 구조 변혁"과 함께 중점 시책으로 내세우고 있는 것이 "탄소 중립에 대한 도전"입니다. 현재 태양광, 풍력, 바이오매스 등 재생에너지의 적극 활용을 통한 전원 취급량 확대를 목표로 내걸고, 저·탈탄소에 기여하는 차세대 기술에 대한 도전을 계속하고 있습니다.

 

 

 

시스템 개발에 착수한 당초에는 담당자가 독학으로 진행하고 있었으며, 개발 환경은 로컬 PC가 중심이었습니다. 소스 코드와 데이터도 개인 환경에 의존하고 있었기 때문에 개인 의존화가 심화되어 인사이동에 따른 지식 산일 리스크도 높아지고 있었습니다. 머신러닝 워크플로우 수립도 지연이 눈에 띄었고, 독학으로 배우면서 개발을 진행하는 데 한계가 보이기 시작했습니다.

 

"독학인 만큼 AWS의 모범 사례에 따른 접근 방식을 취하고 있는지에 대한 불안도 있었습니다. 팀 개발과 향후 확장을 내다본 기반 정비도 시급한 과제가 되었으며, 전문가의 도움을 받을 필요성을 느꼈습니다." (이시카와 씨)

 

 

 

삿포로 오피스에 머신러닝 엔지니어가 상주하는 안심감

 

내재화 개발을 가속할 파트너를 검토한 동사는 사내 타 부서에서의 도입 실적을 높이 평가하여 클래스메소드에 기술 지원을 의뢰했습니다.

 

 

 

 

"머신러닝 워크플로우를 표준화·정형화하여 데이터 전처리부터 모델 구축, 평가까지의 흐름을 체계화할 수 있게 됨으로써 시행착오 사이클이 빨라졌습니다. 클래스메소드에서는 필요에 따라 샘플 코드도 제시해 주셔서 이미지를 공유하면서 진행할 수 있었던 것도 도움이 되었습니다." (이시카와 씨)

 

개발 체제 구축에서는 Git/GitHub와 Backlog를 도입하여 팀 개발 및 프로젝트 관리 방법론을 확립하고, Git/GitHub 플로우를 기반으로 실제 개발을 진행했습니다. 병행하여 Git/GitHub 활용 모범 사례, 매뉴얼, 코딩 AI 활용 지침, AWS 환경 가이드라인 등의 정비를 추진해 나갔습니다.

 

"Git/GitHub 활용은 클래스메소드로부터 제안을 받았습니다. 처음에는 익숙하지 않은 툴에 대한 당혹감도 있었지만, 직관적인 조작성 덕분에 금방 익숙해질 수 있었습니다. 한편 본격적인 개발 단계에 들어서자 팀 간 코드 관리나 일관성 유지 같은 운용의 깊이도 실감하게 되었습니다." (이시카와 씨)

 

프로젝트를 통해 동사가 클래스메소드를 높이 평가한 것은 높은 기술 전문성과 현장에 밀착하는 자세입니다.

 

"표면적인 기술 지원이 아니라 당사에 최적인 개발 체제와 환경을 고려하여 진심으로 함께 고민해 주신 점이 인상적이었습니다. 머신러닝이라는 전문 영역에서 실천적인 지식을 보유한 엔지니어가 삿포로에 있었다는 점도 크게 작용했으며, 주 1회 페이스로 클래스메소드 오피스를 방문하여 직접 조언을 들을 수 있었던 것도 큰 힘이 되었습니다." (이시카와 씨)

 

 

 

 

 

적절한 전력 수급 균형 실현으로 경영에도 기여

 

이번 프로젝트에서 얻은 큰 성과는 머신러닝 워크플로우를 표준화·정형화할 수 있었다는 점입니다. 시행 횟수가 늘어남으로써 복수의 방법을 검토하면서 정확도 검증이 가능해졌고, 최적화된 모델 구축이 진행되었습니다.

 

"정확도의 구체적인 수치는 비공개이지만, 기존 예측 방법과 비교해도 정확도가 향상되었습니다." (이시카와 씨)

 

"자연환경에 좌우되기 쉬운 재생에너지 전원에서 종래보다 정밀한 예측 정확도를 유지할 수 있는 체계가 갖춰졌습니다. 이를 통해 경제적 합리성이 높은 전원 조달을 실현하여 경영에 크게 기여해 나갈 것을 기대하고 있습니다." (나카무라 씨)

 

개발 면에서는 Git/GitHub와 Backlog 도입으로 팀 내 프로그램 공유 및 진척 상황의 가시화가 진행되어 공동 개발 체제가 확립되었습니다.

 

"개인 의존화 해소는 앞으로의 과제이지만, 지식을 축적하는 기반을 구축할 수 있었다는 것이 한 걸음 전진입니다. 팀 전체가 동일한 환경에서 프로그램을 구동하면서 검증할 수 있기 때문에 경험이 부족한 멤버와도 보조를 맞춰 나아갈 수 있습니다. 이러한 체계는 재생에너지 발전량 예측 시스템에 그치지 않고 앞으로의 시스템 개발 전반에 대한 응용도 기대할 수 있습니다." (이시카와 씨)

 

 

 

재생에너지 예측 대상 확대와 정확도 향상을 목표로 개발 지속

 

앞으로는 재생에너지 예측 대상 확대와 정확도 향상을 목표로 개발을 계속해 나갈 방침입니다. 나아가 이번에 확립한 머신러닝 기반을 활용하여 시장 가격 예측을 비롯한 전력 사업 전반에 대한 응용 및 더욱 넓은 영역 확대를 목표로 합니다. 장래적으로는 그 지식을 활용하여 에너지 사업에서의 다양한 니즈에도 대응해 나가고자 합니다.

 

"이번에는 태양광 발전과 풍력 발전의 일부 설비에 한정하여 예측 모델을 적용한 단계입니다. 설비의 설치 장소와 규모 등 다양한 조건에 맞춰 세분화를 추진하면서 보다 정밀한 예측을 목표로 합니다. 또한 예측 대상을 전력 사업 전반으로 확대함으로써 전력 옥션 등 다른 분야에도 적용할 수 있다고 생각합니다." (나카무라 씨)

 

개발 체제에서는 새로운 멤버 참여를 내다본 팀 강화를 추진하여 내재화 개발의 속도 향상 및 예측 정확도 향상을 도모할 방침입니다. 클래스메소드에 대해서는 계속해서 단계에 맞는 기술 지원을 기대하고 있습니다.

 

"비즈니스 상황에 따라 필요한 기술과 목표로 하는 방향성이 바뀌는 경우도 있을 수 있습니다. 앞으로도 저희 수준에 맞는 지원과 데이터 분석·예측 영역에서의 고도의 지식 제공을 부탁드립니다." (이시카와 씨)

 

클래스메소드는 앞으로도 고도의 기술로 시스템 개발을 지원하며 기타가스가 목표로 하는 에너지 사회 실현에 기여해 나가겠습니다.