이미디어= 황원희 기자] 기후위기와 물 부족이 심화되는 가운데, 해수담수화와 농축수 자원 회수에 인공지능(AI)을 접목해 에너지 효율과 운영 안정성을 동시에 높이려는 시도가 본격화하고 있다. 지난 11월 12일부터 14일까지 대구에서 열린 ‘대한민국 국제물주간(KIWW) 2025’ 특별세션 ‘차세대 물관리 기술을 위한 스마트업 기반 혁신 전략’에서 ㈜씨제이케이 윤택근 연구소장은 ‘AI 시대의 해수담수화와 자원회수(Desalination and Resource Recovery in the Age of AI)’를 주제로 전 세계 동향과 국내 연구 성과를 소개했다.

전 세계 물 부족 심화… 담수화 시장 급성장

▲해수담수화 시설(제공=씨제이케이)

이 같은 수요를 반영하듯, 글로벌 담수화 기술 시장은 2024년 기준 256억8,000만 달러 규모로 평가되며, 2032년에는 약 498억8,000만 달러까지 성장할 것으로 전망된다. 연평균 성장률(CAGR)은 8.68%로 추산된다. 시장의 52% 이상은 중동·아프리카 지역이 차지하고 있으며, 미국 시장도 2032년까지 52억1,000만 달러 규모로 확대될 것으로 예상된다.

역삼투(RO)가 주도… “온실가스 배출 4.5배 적어”
현재 상용 담수화 기술은 ▲다단 플래시 증발(MSF) ▲다중효용 증발(MED) ▲역삼투(RO) ▲전기투석(ED) ▲나노여과(NF) 등으로 구분되는데, 이 가운데 시장을 압도적으로 주도하는 것은 막기반 기술인 역삼투(RO)다.
 

발표에 따르면, 2024년 기준 전 세계 담수화 설비의 약 70%가 역삼투 기술을 채택하고 있는 것으로 추정된다. RO는 다른 열 기반 기술보다 에너지 효율이 높아 온실가스 배출량이 타 기술 대비 최대 4.5배 적은 것으로 평가된다.
 

역삼투 막은 화학·생물학적 안정성이 우수하고, 낮은 압력과 전력으로도 99.6%에 달하는 높은 염 제거율을 달성할 수 있다”며 “막 수명도 길어 경제성과 지속가능성을 동시에 확보할 수 있는 기술이 될 수 있기 때문이다.

AI, 담수화 공정의 ‘두뇌’로… 운영·세정·고장 예측까지
AI가 본격적으로 힘을 발휘하는 영역은 ‘운영 최적화’다. 머신러닝(ML)과 딥러닝(DL)을 활용한 세계 각국의 연구 사례를 들 수 있는데 이제 담수화 설비는 센서와 데이터, AI 모델을 통해 스스로 상태를 진단하고 운영 조건을 조정하는 단계로 진입하고 있다.  

▲제공=씨제이케이

주요 응용 분야는 공정 성능 예측에 있는데 이는 실제 RO 플랜트 데이터를 활용해 생산수 유량, 압력, 염 농도 등을 예측하는 LSTM(장단기 메모리) 기반 모델이 개발되고 있다. 이를 통해 운전 조건 변화가 플럭스와 품질에 미치는 영향을 사전에 파악하고, 안정적인 수질 유지와 에너지 절감을 동시에 노린다.
 

인공지능 신경망(ANN)을 이용해 막간 압력(TMP) 상승 패턴을 학습함으로써, 막 오염 발생 시점을 미리 예측하고 세정(CIP) 시기를 최적화하는 연구도 진행 중이다. 이는 불필요한 세정 횟수는 줄이고, 실제 성능 저하를 유발하는 시점에는 선제적으로 대응할 수 있다는 장점이 있다.
 

또한 담수화 플랜트를 가상공간에 구현하는 디지털 트윈에 머신러닝 모델을 결합해, 시간대별 전력요금 변동을 반영한 ‘전력비 최소 운전’도 가능해지고 있다. 유전 알고리즘 등과 결합하면, 시간대별 압력·유량 조건을 바꾸면서도 목표 수질·처리량을 만족시키는 최적 운전 조건을 자동으로 도출할 수 있다.

막 설계·자원 회수까지 확장되는 AI 활용
AI 적용 범위는 단순 운전 제어를 넘어, 막 소재 설계와 농축수 자원 회수 분야로도 빠르게 확대되는 추세다. 해외 연구진은 탄소 포집용 고분자 막을 설계하는 데 AI 기반 자동 탐색 기법을 도입하고 있다. 수많은 조합을 실험으로 검증하던 과정을, AI가 사전에 스크리닝해 유망 조합만 추려냄으로써 연구 시간을 획기적으로 줄이는 방식이다.
 

또한 리튬·마그네슘 등 유가 금속 이온을 선택적으로 회수하기 위해, 나노여과(NF) 막 성능을 기계학습 모델(XGBoost 등)으로 예측·최적화하는 연구도 진행 중이다. AI는 막 설계와 공정 조건 최적화를 동시에 다루는 강력한 도구이며 담수화 농축수 속에서 자원을 회수하는 통합 프로세스에 특히 유용하다는 특징이 있다.

스마트 플랜트·예지정비·전문 솔루션 기업 부상
산업계에서는 이미 AI를 활용한 스마트 담수화 플랜트 구현이 본격화하고 있다. RO 공정은 담수화 플랜트에서 가장 많은 에너지를 소비하는 구간이다. AI 기반 제어 시스템은 압력·유량을 정밀 제어해 에너지 사용량을 줄이고, 태양광·풍력 등 재생에너지와 연계해 전력 변동성에 대응하는 최적 운전 타이밍을 제시한다. 일부 사례에서는 에너지 사용량을 최대 50%까지 절감한 것으로 보고됐다.
 

일례로 사우디아라비아 SWCC(염수전환공사) 등은 AI를 활용한 데이터 분석, 예지정비, 사고 관리, 안전장비(PPE) 착용 모니터링 등의 시스템을 도입해 ‘스마트 담수화’를 추진하고 있다. 그밖에 Pani, IntelliFlux Controls, Gradient(Turing) 등 AI 기반 디지털 솔루션을 제공하는 전문 기업들이 담수화 시장 혁신을 이끄는 플레이어로 부상하고 있다.
 

한편 자원 회수 분야에서도 AI 기반 고속 분류 로봇과 실시간 폐기물 조성 분석 시스템이 도입돼 재활용률을 크게 끌어올리고, 수거 경로·운행 최적화로 탄소 배출과 비용을 줄이는 사례가 늘고 있다.

씨제이케이의 도전: RO 성능 예측 AI와 브라인 자원 회수 공정
씨제이케이는 RO 공정 성능을 예측하는 자체 AI 모델을 개발해 실제 적용을 준비 중에 있다. 연구팀은 문헌 기반 데이터 23개월분, 총 700개 데이터셋을 활용해, 역삼투 공정에서 시간별 운전 조건(시간, 원수 압력, 온도, 유량 등)을 입력하면 투과수의 TDS(총용존고형물)를 예측하는 LSTM 모델을 구축했다. 

▲제공=씨제이케이

데이터는 학습·검증·테스트를 40:20:40 비율로 나눠 사용했으며, 베이지안 최적화를 통해 하이퍼파라미터를 튜닝하고, SHAP 분석으로 변수 민감도를 검토했다. 모델 성능은 RMSE 0.0394 수준까지 끌어올렸다.
 

누구나 쉽게 쓸 수 있도록 엑셀 기반 프로그램도 제작했다. 시간대별 운전 데이터를 입력하면, 내부에 탑재된 LSTM 모델이 자동으로 TDS를 예측하고, 성능 저하 여부를 분석해 CIP 주기와 유지보수 시점을 미리 계획할 수 있게 했다.
 

이를 통해 씨제이케이는 담수화 농축수에서 유가 성분을 회수하는 통합 공정을 연구 중이며, 향후 AI 모델을 결합해 통합 공정의 ‘최적 효율 구간’을 찾아주는 운전 지원 시스템을 구현하는 것이 목표다.

센서·데이터 없는 AI는 없어
그러나 AI가 만능 열쇠는 아닐 것이다. 윤 연구소장은 “AI 기반 운영을 위해서는 무엇보다도 고품질 데이터, 이를 수집할 수 있는 센서·계측·데이터 수집 인프라가 선행돼야 한다”며 “플랜트 설계 단계부터 데이터 중심(data-oriented) 관점을 반영하는 것이 중요하다”고 강조했다.
 

그는 “프로세스 전문성과 AI 기술의 융합이 이뤄질 때, 담수화와 농축수 자원 회수의 효율과 안정성을 최대화할 수 있다”며 “AI는 해수담수화의 미래를 여는 ‘두뇌’이자, 기후위기 시대 물안보와 자원순환을 동시에 달성하기 위한 핵심 도구”라고 덧붙였다.