수소를 싸게 생산하는 공장을 지원하면 수요도 자연스럽게 생길까? 실제 사용자는 생산시설 하나만 보고 연료를 바꾸지 않는다. 주변에 공급망과 운송·저장 시설이 있는지, 같은 전환을 선택한 기업이 있는지, 새로운 연료를 계속 살 수 있는지를 함께 본다. 이번 연구는 보조금을 받는 한 수요처의 전환이 주변 수요처의 결정에 영향을 줄 수 있다는 점을 정책 설계에 넣었다.[1]
Rumpelnik 외, Nature Energy, 2026년 9월 17일 게재. 과거 천연가스 발전소 확산에 대한 실증 분석, 잠재 수소 수요처 네트워크와 미래 시뮬레이션을 결합한 연구다. ‘최대 41%’와 ‘13–15%’는 2100년까지의 모델 비교값이며 현재 시행 정책의 실측 절감률이 아니다.#1. 가장 싼 사업과 가장 많은 전환을 만드는 사업
두 산업시설이 같은 양의 수소를 사용할 수 있다고 생각해 보자. 하나는 전환 비용이 조금 낮지만 주변에 관련 수요처가 거의 없고, 다른 하나는 비용이 조금 더 높지만 여러 공장과 운송 거점을 연결하는 위치에 있다. 첫 시설을 지원하면 당장 필요한 보조금이 적을 수 있다. 두 번째를 지원하면 미래의 주변 전환을 쉽게 만들어 추가 효과가 생길 수 있다. 이 예는 연구가 다루는 선택을 설명하기 위한 가상의 비교다.
지원 대상 한 곳의 비용만 최소화하는 정책과, 보조금 이후의 연쇄 전환까지 고려하는 정책은 평가 기준이 다르다. 주변 기업이 수소를 사용하기 시작하면 공동 인프라, 공급망, 경험과 정보가 형성될 수 있다. 이처럼 한 사용자의 선택이 이웃에게 영향을 주는 현상을 공간 파급효과(spatial spillover)라고 부른다. 연구는 이 효과를 유럽의 수소 수요 확산 문제에서 모델링한다.[1]
이 효과가 중요하다고 해서 무조건 가장 중앙에 있는 공장을 지원해야 한다는 결론은 아니다. 수소의 비용 경쟁력이 지나치게 낮으면 보조금이 너무 많이 들 수 있고, 잠재적인 연결이 실제 공급망으로 이어지지 않을 수도 있다. 논문의 질문은 비용과 연결성 사이의 균형을 어떻게 정책 배점에 반영할 것인가에 가깝다.
따라서 결과를 전해주는 문장도 분명해야 한다. 이 논문은 수전해 장치의 효율을 41% 올리거나 수소 생산 원가를 즉시 41% 내린 실험이 아니다. 어떤 시설을 먼저 지원하느냐에 따라 장기적으로 만들어지는 추가 수요와 정책 비용의 비율이 얼마나 달라지는지를 계산한 연구다. 장치 성능과 정책 비용효율의 단위가 다른 것이다.
#2. Figure 1의 세 층은 서로 다른 증거를 쓴다
원본 Figure 1은 위에서 아래로 읽으면 된다. 파란색 첫 단계는 과거 자료를 이용한 실증 분석이다. 채택(adoption)을 비용, 공간 파급효과와 인프라 거리의 관계로 설명한다. 빨간색 둘째 단계는 유럽의 잠재 수소 수요처를 네트워크로 만들고 영향력을 요약하는 중심성(centrality)을 계산한다. 초록색 셋째 단계는 미래 비용과 채택을 시뮬레이션하고 지원 정책을 비교한다.[2]
그림 첫 줄의 곱셈 기호는 비용과 공간 파급효과의 상호작용을 표현한다. 그 옆의 덧셈 기호는 인프라 거리와 같은 별도 항이 분석에 포함됨을 나타낸다. 이 그림을 가격 두 개를 곱하면 실제 수소 수요가 바로 나온다는 물리 법칙으로 읽으면 안 된다. 모델에 어떤 관계를 함께 넣었는지 보여주는 방법론 도식이다.
세 단계의 자료도 구분된다. 과거 확산의 실증 분석은 천연가스 발전소를 사용한다. 네트워크 분석과 미래 수소 시뮬레이션은 별도로 구축한 14,108개 잠재 수요처를 사용한다. 여기의 수요처(offtaker)는 수소나 수소 유래 연료로 전환할 가능성이 있는 시설이지, 현재 녹색수소를 구매 중인 확정 고객 14,108곳을 뜻하지 않는다.[1][2]
이 구분이 중요한 이유는 장기 예측의 근거가 무엇인지 드러내기 때문이다. 관측된 천연가스 확산 관계가 수소에도 어느 정도 적용될 것이라는 가정을 통해 미래로 넘어간다. 과거 자료가 있다는 사실은 모델을 검토하는 데 유리하지만, 수소의 미래 확산을 직접 관측했다는 뜻으로 바뀌지는 않는다.
#3. 왜 천연가스의 확산을 참고했나
수소가 널리 사용되기 전에는 수소 채택의 오랜 역사 자료가 부족하다. 저자들은 에너지 운송·저장·공급망과 비용 경쟁력이 함께 작용했던 천연가스 발전소의 확산을 역사적 유사 사례로 선택했다. 천연가스와 수소가 같은 산업이라는 뜻이 아니라, 한 시설의 전환이 주변 인프라와 이웃 시설의 결정에 영향을 주는 구조를 참고하려는 것이다.[1]
분석에서는 비용 경쟁력과 주변 확산이 채택에 긍정적으로 연관됐고, 두 효과가 서로 강화되는 양상이 보고됐다. 특히 비용 경쟁력이 매우 낮은 조건에서는 주변 채택의 영향이 더 커질 수 있다는 결과가 나온다. 이때 큰 배율로 표현한 한계효과를 ‘수소 수요가 그 배수로 늘었다’고 바꾸면 안 된다. 특정 비용·주변 채택 조건에서 모델이 추정한 채택 관계의 변화다.
경제적으로 직관적인 해석도 가능하다. 혼자 전환하는 기업은 공급과 인프라가 생기기를 기다리고, 공급자는 충분한 수요가 모이기를 기다린다. 이런 조정 문제에서 초기 지원이 주변의 불확실성을 줄일 수 있다. 그러나 가까이 있다는 사실만으로 같은 공급망을 공유한다고 단정할 수는 없다. 산업 공정, 필요한 수소 품질, 운송 제약과 계약 조건에 따라 실제 연결은 달라질 수 있다.
그래서 모델의 공간 관계는 관측과 가정으로 구성한 연결망이다. 경험적으로 추정한 연관성에서 모든 인과 경로가 독립적으로 식별됐다고 말하지 않고, 그 관계를 사용해 정책 시나리오를 비교했다는 수준을 유지한다. 발표 제목에 ‘정책’이 들어 있어도 정책을 실제로 시행한 무작위 대조시험과는 증거의 종류가 다르다.[1]
#4. 연결이 많은 곳과 연결을 이어 주는 곳
연구는 두 가지 중심성을 사용한다. 연결정도 중심성(degree centrality)은 직접 연결된 이웃이 많은 정도를 요약한다. 주변 시설들이 촘촘히 모인 수소 밸리(hydrogen valley)의 가능성과 연결된다. 매개 중심성(betweenness centrality)은 다른 노드 사이 경로를 얼마나 자주 이어 주는지를 요약해, 서로 다른 지역을 연결하는 수소 회랑(hydrogen corridor)의 가능성을 표현한다.[1]
아주 단순한 가상 네트워크를 생각해 보자. 시설 A–B–C가 일렬로 연결돼 있고 A와 C는 직접 연결되지 않는다고 하자. B는 직접 이웃 두 곳을 갖고 A와 C는 각각 한 곳만 갖는다. A에서 C로 가는 유일한 경로도 B를 지난다. 이 예에서는 B가 두 중심성에서 모두 중요한 위치지만, 더 큰 네트워크에서는 이웃이 많은 지역 중심과 지역을 잇는 연결 지점이 달라질 수 있다.
이 계산은 ‘B에 보조금을 주면 반드시 두 시설이 따라온다’는 확정 예측이 아니다. 중심성은 잠재적인 파급효과의 지표다. 실제 채택 여부는 비용과 사용 가능성, 인프라 조건을 함께 넣어 결정된다. 가장 연결이 많은 시설을 선택하는 규칙과 가장 많은 수소 수요를 실제로 만들어내는 결과가 같은 것인지는 시뮬레이션에서 따로 비교한다.
논문에서 높은 중심성은 공간적으로 고르게 분포하지 않았다. 연결정도 기준 상위 10%의 수요처 가운데 절반이 벨기에와 독일의 다섯 지역에 모였다. 이는 효율을 겨냥한 공간 정책이 특정 산업집적지에 지원을 집중할 수 있음을 뜻한다. 비용효율 외에 지역 간 공정성, 산업 전환의 형평성을 별도 정책 목표로 검토해야 할 이유다.[1]
#5. Figure 6: 두 정책 비교의 조건을 먼저 읽기
Figure 6a의 controlled setting은 업종·비용·규모를 맞춘 조건에서 공간적으로 중요한 수요처를 지원하는 효과를 비교한다. 차액계약(CfD) 방식으로 비용 격차를 줄이는 개입을 가정한다. 다른 조건이 너무 다른 대상을 단순히 섞는 대신, 중심성을 반영한 선택이 어떤 차이를 만드는지 살피기 위한 모델상의 비교다.[3]
6b는 유럽수소은행(European Hydrogen Bank, EHB) 형태의 입찰에 더 가까운 설정이다. 비용 경쟁력의 비중을 유지하면서 공간 파급효과 지표에 10%의 배점을 준다. 즉 전부 연결성만 보고 뽑는 정책이 아니라 비용 기준 90%와 공간 기준 10%를 결합한 수정안이다. 두 설정에서 나온 효과 크기를 같은 실험의 반복 결과로 보지 않는다.[1][3]
6c–d의 파란 실선은 연간 수소 수요 차이, 붉은 점선은 정책 비용 차이를 나타낸다. 좌우 세로축의 단위도 다르다. 초기 지원이 늘어나 정책 지출이 먼저 증가하고, 나중에 다른 시설이 전환하면서 수요 차이가 커질 수 있다. 비용과 수요가 시간에 따라 다르게 움직이기 때문에 특정 연도의 한 점만으로 누적 비용효율을 판단하기 어렵다.
6e–f는 그 누적 비용효율의 차이를 보여준다. 세로축은 추가 수소 수요 1 kg당 정책 비용의 차이이며, 비교 기준보다 비용이 낮아지면 곡선이 음의 방향으로 내려간다. 그림 안의 ‘개선’ 백분율은 이런 비용 감소를 성과로 설명한 것이다. 축의 음수와 정책 개선이라는 표현이 반대되는 것처럼 보여도, 무엇을 비용으로 계산했는지 확인하면 관계가 분명해진다.[3]
| 정책 비교 | 배분 조건 | 2100년까지의 누적 비용효율 결과 |
|---|---|---|
| 통제된 CfD 설정 | 업종·비용·규모를 맞추고 중심성 반영 | 추가 수요 1 kg당 비용의 중앙값 37–41% 감소; 0.83–0.96 €/kg |
| EHB형 입찰 설정 | 비용 경쟁력 90%·중심성 10% | 13–15% 감소; 0.17–0.20 €/kg |
| 시간적 해석 | 초기 지출과 이후 확산을 함께 계산 | 비용효율 이점은 2040년 이후 나타나며 장기에 누적 |
이 수치는 2030년의 즉시 성과나 현재 정책의 실측값이 아니다. 모델은 2024–2100년의 채택과 수요를 계산하며, 본문은 2100년까지의 누적 비교에서 37–41%와 13–15%를 보고한다. 미래를 멀리 볼수록 채택 속도, 비용 경로와 경쟁 기술에 대한 가정이 결과에 크게 작용한다. 그러므로 시간 범위를 숫자와 함께 적는 것이 핵심이다.[1][3]
#6. 비용효율 41%는 어떤 분모에서 나왔나
보조금 총액이 줄었다는 결과와, 같은 보조금으로 얻는 효과가 좋아졌다는 결과는 다르다. 연구는 누적 정책 비용을 정책 때문에 추가로 생긴 누적 수소 수요로 나눈 값을 사용한다. 분모를 전체 수소 수요로 잡으면 정책 없이도 일어났을 채택까지 정책의 성과로 세게 된다. 따라서 추가분을 정의할 비교 기준이 필요하다.[1]
보조금 총액이 늘어도 추가 수요 1 kg당 비용은 낮아질 수 있을까? 기호·연산·계산 과정 펼치기
는 같은 분석 기간의 누적 정책 비용, 는 정책으로 추가된 누적 수소 수요, 는 추가 수요 1 kg을 유도하는 데 든 비용이다. 비용을 유로, 수요를 kg으로 두면 단위는 €/kg이다. 분모는 0보다 커야 이 해석이 가능하다. 할인·회계 조건을 바꾸면 비교도 달라지므로 두 정책에 같은 기준을 사용해야 한다.
설명용으로 정책 0이 1억 유로를 써 추가 수요 5천만 kg을 만들었다고 가정하면 다. 정책 1은 1억 1,800만 유로를 쓰고 1억 kg을 추가했다고 가정하면 다. 두 나눗셈에서 백만 단위가 서로 소거된다.
비용효율 개선은 다. 분자에서 기준 비용과 새 비용을 빼 개선한 절대 차이를 얻고, 이를 기준 비용으로 나누어 상대 감소율을 구한다. 총지출은 18% 늘었지만 추가 수요 1 kg당 비용은 41% 줄었다. 이 예제는 논문의 원시 예산·수요 값을 복원한 것이 아니라 분모의 역할을 보여주는 가상 계산이다.
같은 이유로 ‘수소 가격이 41% 떨어졌다’고 쓰는 것도 잘못이다. 가격은 거래 조건에 따른 금액이고, 여기의 값은 특정 정책이 만든 추가 수요에 대한 정책 비용이다. 수소의 생산 비용, 시장 가격, 보조금 지출, 추가 수요는 서로 연관될 수 있지만 같은 변수가 아니다. 어떤 비용을 어떤 효과로 나눴는지를 먼저 적어야 정책 연구를 장치 기술의 개선률과 혼동하지 않는다.
그림에서 초기 비용효율이 일시적으로 나빠지는 구간도 중요한 결과다. 초기에 지원할 시설을 바꾸면 비용이 먼저 들어가지만 연쇄 전환은 늦게 나타날 수 있다. 장기 누적 효과가 좋다는 이유로 초기 재정 부담이 사라지는 것은 아니다. 논문이 지속적인 정책 의지를 강조하는 맥락과 연결되지만, 실제 예산 집행자가 그 장기 가정을 받아들일지는 별도 판단이다.[1][3]
#7. 시뮬레이션의 가장 약한 연결은 어디인가
가장 중요한 가정은 천연가스 확산의 경험적 관계가 수소 확산에도 유용한 유사 모델이라는 점이다. 두 연료가 모두 인프라와 수요 집적에 영향을 받더라도, 기술 전환 비용, 전력 가격과 대안 기술, 운송 특성은 다르다. 수소 채택 자료가 쌓이면 같은 모델을 다시 추정하고 가정이 유지되는지 확인해야 한다. 현재의 2100년 결과는 그 가정에 조건부인 시뮬레이션이다.[1]
저자들은 미래 수소의 비용 경쟁력과 최종 사용 분야의 범위를 주요 불확실성으로 둔다. 화학과 철강처럼 전환이 어려운 산업만 남는 경우와, 운송·전력 분야까지 넓어지는 경우는 시장 규모와 확산 경로가 달라진다. 가장 낙관적인 비용과 사용 분야 조합의 결과를 모든 시나리오의 공통 미래처럼 읽으면 안 된다.
공간 지표도 한계가 있다. 지리적으로 가까운 시설끼리 계산한 연결은 실제 파이프, 계약과 운송망의 모든 제약을 담지 못할 수 있다. 한 공장이 폐쇄되거나 투자 계획이 바뀌면 잠재 수요와 중심성도 바뀐다. 높은 중심성이 강한 정책 효과를 나타내는지 판단하려면 실제 공급망과 기업의 의사결정 자료를 연결하는 후속 검증이 유용하다.
정책 배점의 민감도는 이러한 절충을 잘 보여준다. 논문은 EHB형 설정에서 중심성 비중을 20%보다 크게 올리면 비용 경쟁력 손실이 파급효과 이익을 넘을 수 있다고 보고한다. 10%에서 효과가 있었다고 50%나 100%로 늘리면 더 좋아진다는 단순 추세는 성립하지 않는다. 연결성은 비용을 대체하는 절대 기준보다 추가 판단 정보로 작동한다.[1]
#8. 실제 정책에 쓰려면 무엇을 더 확인해야 하나
이 연구가 제시하는 실용적 제안은 기존 비용 평가를 버리는 것이 아니라, 후보 수요처의 위치와 연계성을 추가하는 것이다. 지원 신청서에 단일 프로젝트의 단가 외에도 연결 가능한 수요처, 공동 인프라와 전환 일정, 후속 확산 경로를 보여주는 자료가 필요할 수 있다. 이는 모델에서 도출한 정책적 함의이며 이미 그 방식으로 모든 입찰이 바뀌었다는 소식은 아니다.[1][4]
실제 적용에서는 수요처 목록부터 최신화해야 한다. 잠재 시설과 확정 구매 계약을 구분하고, 인프라 건설 가능성, 전력·수소 공급의 시간적 제약을 확인해야 한다. 배점에 반영한 중심성이 실제 추가 채택으로 이어졌는지, 원래도 전환했을 기업을 지원한 것은 아닌지 사후 평가가 필요하다. 그래야 시뮬레이션의 추가 수요 분모가 현실에서도 검증된다.
또한 초기 비용 부담과 장기 성과를 함께 공개해야 한다. 2100년 누적 비교의 이점을 오늘의 예산 절감으로 바꿔 제시하면 정책을 평가할 시간 축이 사라진다. 2030년, 2040년, 2050년과 장기의 수요·비용 경로를 나눠 공개하면 어떤 가정 아래 언제 효과가 생기는지를 볼 수 있다. 긴 전망은 단일 숫자의 예언보다 서로 다른 정책을 비교하는 실험실로 활용하는 편이 적절하다.
지역적 형평성도 따로 다뤄야 한다. 중심성이 높은 기존 산업집적지만 지원하면 현재 연결이 적은 지역의 전환 기회가 줄어들 수 있다. 효율 극대화와 균형 발전은 서로 다른 목적함수다. 한 지표에서 좋은 정책을 모든 사회적 목표에서 최선인 정책이라고 부르지 않는 것이 중요하다.
결국 질문은 수소를 어느 시설에서 가장 싸게 생산하느냐를 넘어, 어떤 초기 전환이 다른 전환을 가능하게 만드는가로 넓어진다. 논문은 그 질문을 14,108개 잠재 수요처의 네트워크와 장기 시뮬레이션으로 구체화했다. ‘41%’보다 더 오래 남을 기여는 비용과 공간적 파급효과를 같은 정책 비교 안에 놓고, 효과의 분모와 시간 범위를 명시했다는 점이다. 저자들은 이해관계가 없다고 밝혔다.[1]
#9. 원문과 데이터
[1] Rumpelnik, C., Zakeri, B. & Surana, K. Spatially informed demand-side policies for green hydrogen diffusion in Europe. Nature Energy, 2026-09-17.
[2] Figure 1. 실증 분석·수요처 네트워크·정책 시뮬레이션의 연결.
[3] Figure 6. 통제된 CfD와 EHB형 설정, 2100년까지 수요·정책 비용·누적 비용효율 비교.
[4] 동일 연구의 Nature Energy 정책 해설. 수요 측 공간 파급효과를 정책 설계에 반영하는 의미.