탄소중립 및 수소경제 실현을 위한 기술 전환이 가속화됨에 따라, 수소 생산 및 저장·이용 기술의 환경영향을 과학적으로 평가하기 위한 전과정평가(Life Cycle Assessment, LCA)의 중요성이 점점 부각되고 있다. 전과정평가의 신뢰성은 전과정목록(Life Cycle Inventory, LCI) 데이터의 품질에 의해 크게 좌우되며, 특히 알칼라인 수전해(Alkaline Water Electrolysis, AWE) 등 신흥 수소 기술 분야에서는 실증 데이터가 부족하여 문헌 기반 데이터에 의존하는 경우가 많다. 그러나 이러한 문헌 기반 데이터는 표본 수가 적고, 기술적⋅지리적 이질성이 존재하며, 대표성이 제한되어 불확도가 높게 나타나는 한계를 가진다^1,2,3).

국제적으로 에코인벤트(ecoinvent), ILCD (International Reference Life Cycle Data Sysem), PEF (Product Environmenta Footprint) 등 주요 LCI 데이터베이스에서는 불확도를 패디그리 매트릭스(pedigree matrix) 형태로 제시하고 있으며^2,4), 최근에는 데이터 품질 요인의 상호 관련성을 고려하고 이를 통계적 불확도 산정 기법을 결합하려는 시도가 이루어지고 있다^5,6). 하지만 이러한 접근은 주로 상대적 품질 지표에 머물러 있으며, 문헌 기반의 소표본 데이터를 다룰 때 발생하는 극단값(outlier)이나 표본 왜곡(bias)에 대한 조정 절차는 여전히 미비하다^7,8). 한편 수소 기술의 전과정평가는 수전해 장비별 설계 차이, 소재 구성, 전력 구조 등에 따라 민감하게 달라지며, 입력 데이터의 불확도로 인해 결과의 신뢰성이 크게 영향을 받는다^9,10). 따라서 문헌 기반 LCI 데이터 구축 시, 불확도의 정량적 제시와 보정 절차의 투명화가 필수적이다^11,12).

이에 본 연구는 문헌 기반 데이터를 활용한 수소 기술 핵심부품(AWE 스택)의 LCI 데이터 구축 과정에서 발생하는 불확도를 정량적으로 평가하고, 그 특성을 개선하기 위한 절차를 제시하는 것을 목적으로 한다. 구체적으로는 문헌 기반 LCI 데이터의 표본 수(n)에 따른 기본 불확도 모델을 제시하고, 패디그리 매트릭스를 이용하여 데이터 품질 요인별 추가 불확도 모델을 구축한다. 이후 몬테카를로(Monte Carlo) 시뮬레이션을 수행하여 전체 데이터의 통합 불확도를 상대표준편차(RSD)를 통해 검증하고, 소표본 데이터의 극단값 영향을 완화하기 위한 1-trim 규칙을 적용하여 그 효과를 비교·분석한다.

본 연구는 수전해 기술을 중심으로 문헌 기반 LCI 데이터의 불확도를 실증적으로 평가하고 보정한 사례로서, 향후 수소 LCI 데이터베이스 구축 및 데이터 품질관리 지침에 기여할 수 있을 것으로 기대된다.

수소 기술의 핵심 부품 생산과 같이 데이터 수집이 제한적인 문헌 기반 전과정목록 데이터의 불확도 모델을 아래와 같이 제안하고자 한다.

문헌 기반 LCI 데이터의 불확도 모델을 수소 기술 수전해 기술인 Alkaline Water Electrolyzer (AWE) 스택 LCI 데이터 구축 사례에 적용하였다. 기능 단위는 수소 1 kg 생산을 위한 2.2 MW급 AWE 스택 1 unit으로 설정하였다. 시스템 경계는 원료 물질 취득 및 가공부터 AWE 스택의 생산까지(cradle to gate)로 설정하였다. AWE 스택을 Table 7과 같이 모듈(단위 공정)을 구분하였고, 각각의 수명을 데이터 계산에 고려하였다.

AWE stack 및 구성 모듈을 구성하는 원/부자재, 에너지 사용량 데이터는 문헌을 통해 수집하고 기능 단위(수소 1 kg 생산)를 기준으로 계산되었다^17-20). 투입 및 산출물의 불확도는 “3. 문헌 기반 데이터의 불확도 모델”에서 제시한 방법으로 계산하여 전과정목록 데이터에 문서화하였다.

AWE stack 1 unit 생산의 LCI 데이터는 Table 8에 나타내었다. 모듈별 입력 데이터의 불확도를 요약하면 Table 9와 같다. 모듈별 기하표준편차(GSD)는 1.11∼3.35 범위로 나타났으며, Ni plate와 같은 금속계 투입물에서 가장 높은 불확도가 관찰되었다. 이러한 불확도는 문헌 간 기술 조건, 단위 환산 과정에서 발생한 변동 및 표본 수의 불확도 반영에 기인한 것으로 판단된다. 예를 들어 Anode unit 원자재 Nickel plate에 대한 문헌 A 데이터는 평균의 약 26% 수준으로, 다른 문헌 대비 낮은 극단값을 보이며, 높은 기하표준편차(GSD)의 원인으로 판단된다. 이러한 극단값의 영향을 완화하기 위한 일관된 통계적 접근이 필요해 보인다.

AWE 스택 LCI 데이터 전체의 불확도를 평가하기 위해 Table 8에 제시된 기하표준편차(GSD)를 openLCA 소프트웨어에 입력하여 몬테카를로 시뮬레이션(10,000 회 반복)을 수행하였다(Fig. 1).

Fig. 1. 
Monte Carlo simulation results (10,000 iterations) for the climate change impact (GWP) of AWE stack production for the functional unit of 1 kg hydrogen

시뮬레이션 결과 기후변화 환경영향(GWP) 평균은 0.068 kgCO₂eq/FU, 표준편차는 0.019, 95% 범위는 0.050∼0.098 kgCO₂eq/FU로 나타났다. 모듈별 분산 기여도는 anode unit이 46.8%, cathode unit이 21.0%를 차지하였으며, 원자재 기준으로는 nickel이 전체 분산의 70.9%를 차지하였다.

LCI 데이터 전체의 상대표준편차(relative standard deviation)는 27.9%로 ILCD의 데이터 품질 지침에서 규정한 매우 낮은 품질(very poor) 수준으로 평가되었다. ILCD 데이터 품질 지침은 상대표준편차가 25%를 초과하면 매우 낮은 품질(very poor)로 규정하고 있다³⁾. 이러한 결과는 AWE 스택 데이터의 전체 불확도가 anode 및 cathode unit의 원자재인 nickel 데이터 품질에 크게 의존함을 의미한다.

Table 8에서 nickel의 기하표준편차(GSD)가 3.0 이상으로 높게 나타났으며, 이는 문헌 데이터의 편차가 크기 때문으로 분석되었다. 그러나 추가적인 실험 또는 문헌 데이터 수집의 한계로 인해, 본 연구에서는 로그공간에서 중앙값으로부터 가장 먼 값을 제외하는 “1-trim 규칙”을 적용하였다. 이 절차에 따라 기하평균(GM)과 기하표준편차(GSD)를 재산정하고, 이를 이용해 AWE 스택 데이터의 불확도를 다시 평가하였다(Fig. 2).

Fig. 2. 
Monte Carlo simulation results (10,000 iterations) by adjusted GSD of nickel input for the climate change impact (GWP) of AWE stack production for the functional unit of 1 kg hydrogen

그 결과, GWP 평균값은 0.068 → 0.073 kgCO₂eq/FU로 약 7.3% 증가하였으나, 표준편차는 0.019 → 0.0088로 감소하였다. 상대표준편차는 27.9%에서 12.1%로 크게 개선되어, ILCD 기준에서 보통(fair) 수준으로 평가되었다.

따라서, 본 연구에서 제시한 1-trim 기반 불확도 보정 절차는 소표본 문헌 데이터의 불확도를 정량적으로 개선할 수 있는 실용적인 접근임을 확인하였다. 이러한 절차를 통해 구축된 AWE 스택의 LCI 데이터는 향후 수소기술 전반의 환경성 평가 및 데이터베이스 품질 향상에 기여할 수 있다.

본 연구에서는 문헌 기반 데이터를 활용한 수전해 기술용 AWE 스택의 LCI 데이터을 구축하고, 각 데이터의 불확도를 정량적으로 평가하였다. 패디그리 매트릭스를 이용하여 계산된 기하표준편차(GSD)를 openLCA에 입력하여 몬테카를로 시뮬레이션(10,000회 반복)을 수행한 결과, 전체 LCI 데이터의 기후변화 영향(GWP) 평균값은 0.068 kgCO₂eq/FU, 상대표준편차(RSD)는 27.9%로 나타나 매우 높은 불확도를 보였다. 분산 기여도 분석 결과, anode unit과 cathode unit이 전체 분산의 약 68%를 차지하였으며, 특히 원자재 중 nickel이 70.9%로 주요 불확도 원인으로 확인되었다.

이러한 결과는 문헌 기반 데이터에서 표본 수가 적고 자료의 이질성이 높은 경우, 개별 데이터의 신뢰성 부족이 전체 시스템 불확도에 크게 영향을 미친다는 점을 시사한다. 이에 따라 본 연구는 로그공간에서 중앙값으로부터 가장 멀리 떨어진 값을 제거하는 1-trim 규칙을 적용하여 극단값의 영향을 완화하였다. 이 방법을 적용한 재분석 결과, GWP 평균은 0.073 kgCO₂eq/FU로 7.3% 증가하였으나, 표준편차는 0.019에서 0.0088로 감소하였고, 상대표준편차는 12.1%로 개선되어 ILCD 지침에서 보통(fair) 수준으로 평가되었다.

따라서, 본 연구에서 제안한 1-trim 기반 불확도 보정 절차는 문헌 기반 소표본 LCI 데이터의 불확도를 합리적으로 저감할 수 있는 실용적 방법으로 확인되었다. 다만, 1-trim 규칙은 모든 소표본 데이터에 적용될 수 있는 것은 아니며, 이상치가 명확히 식별되는 경우에 데이터 특성을 충분히 고려하여 적용해야 한다. 향후에는 동일한 접근을 수전해 외의 수소 생산 및 연료전지 시스템 등 다른 수소 기술에도 확대 적용하여, 데이터 품질의 일관성을 확보하고 국가 차원의 수소 LCI 데이터베이스 구축에 기여할 수 있을 것으로 기대된다.