에너지 및 사물인터넷(IoT) 분야의 기술 동향과 데이터 활용을 위한 텍스트마이닝 분석 방법론 및 고려사항 doc_id PCY_201610210302347061_6

GreenWave Realty와 같은 신생기업들은 아무런 활동이 감지되지 않을 때 자동으로 조명이 꺼지는 기본적인 기능뿐만 아니라, 프로그래밍을 하기 위해 LED 조명에 IP 주소를 장착할 수 있게 하고 있다. Philips는 수요자 중심 색조를 바탕으로 네트워크 연계 조명 분야로 뛰어들었고, 소프트웨어 개발자들이 전구를 어둡게 하거나, 끄거나, 동기화하는 애플리케이션을 개발할 수 있도록 소프트웨어개발키트(SDK)를 개방했다. 시장 견인이라는 측면에서, 상업 및 산업 분야의 움직임이 강한데, 백열등을 네트워크로 연결된 LED 시스템으로 교체함으로써 에너지 절약 효과가 두드러지게 정량화되기 때문이다. Digital Lumens와 같은 회사들은 대형 상업 공간에서 조명을 최적화하기 위해 원격으로 명암을 조절할 수 있는 LED 조명 시스템을 보급하고 있다. LED는 백열전구 대비 선행투자비용 면에서 15~20배 더 비용이 들 수 있는 반면, 긴 수명 덕분에 소유총비용(total cost of ownership)이 보통 4~5배 더 낮다. 현재는 가정 분야에서도 상업시설 분야에서도 네트워크 조명 시장이 초기이지만, 에너지 절약 효과와 함께 규제적 인센티브가 시장 성장을 촉진할 것이다. 그러나 사물인터넷 적용 등 신규 사업들이 활성화될 수 있는 여건이 부분적으로 조성되고 있기는 하지만, 정부의 정책 일관성 및 투명성에 대한 시장참여자들의 신뢰를 제고할 필요가 있다. 스마트그리드 확산사업의 경우 당초 스마트그리드 거점도시 사업이란 이름으로 2013년에 추진할 계획이었으나 예비타당성 분석 지연 등으로 2016년부터 추진될 예정이다. 이 지연 과정에서 정부의 스마트그리드 사업 추진 의지에 대한 논란이 일었던 게 사실이다. 또한, 정부 담당자가 자주 바뀌고, 확산사업 범위와 예산 축소에 대한 소통도 부족했다는 지적이 있다. 스마트그리드의 경우 전력시장이 개방되어 있지 않고 요금도 철저하게 규제되어 있는 환경에서, 기업이 에너지신산업에 참여한다는 것은 초기 투자 위험이 매우 클 수밖에 없다. 이에 정부는 그 초기 리스크를 줄여주고 새로운 사업 추진과 성과분석을 통해 전력산업의 발전 방향을 모색하고자 공공예산을 투입하고 다양한 사업을 추진하고 있다. 그러나 정부의 정책에 대한 신뢰가 받쳐지지 못할 경우 정부 노력의 효과는 단기적으로 그치고, 민간 참여는 주춤해질 수밖에 없다. 수집된 데이터 활용에서 비롯되는 개인정보 침해 가능성은 그 데이터 자체가 아니라, 개별적으로 식별 가능한 프로파일을 만들고, 소비자의 요구와 충돌하는 동기를 가진 자가 그 프로파일에 접근하는 것을 허용하면서 발생한다. 따라서 데이터 출처, 잠재적 위험성, 데이터 접근 가능 주체에 근거하여 에너지 데이터를 분류하고, 각 데이터 범주별로 구체적인 개인정보보호 지침을 만들 수 있다. 에너지 사용 데이터 분류 과정을 거친 뒤에는, 데이터 공개에 따른 잠재적 위험 수준을 정하고, 그 데이터 유출에 대한 권한과 책임을 부여할 수 있다. 그리고 정보를 종합하여 가공함으로써 개인정보 침해를 줄일 수 있을 것이다. 한편, 사물인터넷으로부터 수집된 데이터는 활용목적에 맞게 가공되는데, 해당 데이터는 활용목적, 분석방법 등에 따라 다양한 방법으로 가공될 것이다. 따라서 가능한 한 다양한 목적을 달성하기 위한 데이터 표준화에 대한 사회적, 기술적 합의가 선행되어야 한다. 기술표준설정이 기술진보를 뒷받침하지 못할 경우, 다양한 사회적 비용이 수반 되기 때문이다. 많은 연구에서 계량분석은 정형화된 데이터(structured data)를 대상으로 발전되어 왔다. 정형화된 데이터를 사용하면 수리적인 모형을 토대로 정량적이며 정밀한 연구결과를 얻을 수 있는 장점을 갖는다. 그러나 최근 언론기사의 디지털화, 지식정보의 인터넷망 배포, 사회관계망(SNS)의 확산 등으로 정형화된 데이터가 아닌 비정형데이터가 기하급수적으로 쌓이고 있다. 이러한 비정형데이터는 텍스트, 음성, 영상 등의 형태이고, 실제 경제 및 사회에 미치는 영향력이 매우 높아 정보로서 높은 가치를 갖고 있다. 이에 따라 최근 많은 연구에서는 비정형데이터를 활용한 지식발견 기법들이 소개되고 있고, 실제 연구 및 기업 활동에 적용하고자 하는 노력이 활발하다. 예를 들면, 한국과학기술기획평가원(2010)은 건설분야의 미래예측에 텍스트마이닝을 활용하여 미래예측에 필요한 주요 키워드를 도출하고 보다 정량적인 방법으로 미래예측을 시도한 바 있다. 또한 민영기 외(2014)는 철강산업의 트렌드를 파악하고자 텍스트마이닝을 활용하여 경쟁사의 전략, 관심국가의 시장변화, 해외사업장 여론 등을 분석하고자 하였다. 텍스트마이닝을 수행하기 이전에 텍스트마이닝의 대상이 되는 자료를 먼저 구축해야 한다. 이 장에서는 에너지 부문에서 사물인터넷의 동향을 분석하는 것이 목적이기 때문에 사물인터넷(IoT)과 에너지 부문의 내용이 동시에 포함되어 있는 지식정보를 확보해야 한다. 따라서 이러한 지식정보를 담고 있는 정보원(information sources)을 우선적으로 선정한다. 정보원이 선정되면 관련 정보원에서 구체적인 문서(documents)를 획득하고 이를 데이터베이스(DB)화 한다. 이렇게 데이터베이스화한 문서들의 집합은 텍스트마이닝의 분석단위인 코퍼스(corpus)가 된다. 구체적인 문서를 획득하는 방식은 최대한 효율적으로 이루어질 필요가 있다. 문서의 양이 많을수록 수작업으로 수행하기에는 상당히 어려움이 많기 때문에 가능한 수준에서 자동화하여 문서를 획득한다. 자료 수집을 위해서 사물인터넷 및 에너지와 관련된 정보원을 선정하여야 한다. 이 분야 전문가와의 토의를 거친 후, 에너지 관련 전문 지식정보 사이트와 일반적인 대규모 지식정보 사이트를 구분하였다. 우선 에너지 관련 전문 지식정보 사이트로는 Smart Grid News(www.smartgridnews.com)를 선정하였다. 본 사이트는 전력망의 현대화 및 자동화에 관한 뉴스와 분석을 선도적으로 제공하는 사이트이고, 약 65,000명이 이메일 뉴스를 구독하고 있는 사이트로서 스마트그리드 부문 최대 뉴스 사이트에 해당한다. 본 사이트에서는 메인 뉴스(news) 섹션과 세부 주제별 섹션을 구분하여 서비스를 제공하고 있는데, 본 연구에서는 메인 news 섹션 부분과, 세부 주제별 섹션 중 M2M and connected Devices(이하 M2M이라 함)를 별도로 구분하여 정보를 수집 대상으로 하였다. 텍스트마이닝을 통해 얻은 결과인 키워드들을 의미 있게 해석하기 위해서는 미리 중요 키워드들이 도출될 수 있는 환경을 마련해줘야 한다. 가장 기초적인 작업은 언어별 불용어(stop word)를 제거하는 일이다. 불용어란 관사, 전치사, 조사, 접속사 등 키워드로 검색할 필요가 없는 단어를 의미한다. 그런데 이런 작업 수행을 위해 R, SAS 등 텍스트마이닝 툴에서 기초적 기능을 제공한다. 만약 툴의 기본적 탑재 기능으로 제거가 안 되는 단어들이 있다면 별도 색인을 만들어 자동으로 제거될 수 있도록 해야 한다. 불필요한 단어의 제거도 중요하지만 에너지 분야에서 주로 사용되는 조합어들을 분류하고 유사어는 한 단어로 추출되도록 해 놓는 일도 중요하다. 예를 들어 에너지효율(energy efficiency), 에너지절약 (energy conservation), 에너지저장장치(energy storage) 등의 조합어는 단어를 쪼개지 않고 하나의 단어로 인식하도록 설정하는 것이 낫다.