Abstract
| -온실가스는 인류 역사에 있어서 기후 변화와 지구온난화의 주요 원인으로 지목되었다. -이산화탄소를 포집하고 제거하는 것은 환경보호와 에너지 지속성을 향한 주요 논제이다. -본 연구는 특허 분석과 인용네트워크를 기반으로 이산화탄소 포집 및 온실가스 저감 기술의 연간 성장률을 분석 및 추정할 것 -연구를 통해 발견한 성과로는 필터기반(membrane-based), 응결/정류(유사 증발법)기반(condensation/ rectification based), 흡착기반(adsorption-based)의 기술들이 가장 유망한 기술로 밝혀졌다 -또한 태양열, 풍력, 배터리 기술보다 약간 더 빠른 기술적 성장세를 보이고 있다. -다만, 지하, 해저에 이산화탄소를 저장하는 기술은 더딘 성장세를 보이고 잠재적으로 미래에 기술 병목 현상의 가능성이 있으므로 더 많은 기술적 노력이 필요할 것으로 전망했다. |
Introduction
지구온난화
지구온난화에 따라 이산화탄소와 온실가스를 포집 및 저감하는 기술이 주목받고 있다.
-대체에너지(재생에너지) 관련 기술 만큼이나 포집과 저감 기술이 매우 빠르게 성장하고 있음
Technological progress의 정량화에 관한 기존 연구
-기술 영역은 시간의 지수함수나 누적 생산의 거듭제곱 법칙으로서 개선된다. (서로 공존 가능함)
-많은 기술들은 무어의 법칙과 같은 예시가 될 수 있듯이 연간 일정한 개선률을 보이고 있었다.
-Triulzi 는 global patent citation network에서 정규화된 방법론을 제시함으로써 기술의 연간 개선율에 있어 신뢰할 수 있는 지표를 만들었고 본 논문에서 해당 방법을 적용함으로써 온실가스 포집 및 저감 기술에 대한 개선율을 추정하고자 한다. (태양광과 풍력발전 터빈과 비교하면서).
Research Objectives
-본 연구는 탄소 기술의 정량적 분석을 아래와 같은 연구 목표를 가지고 탐구하고자 한다.
-기타 녹색 기술과 온실가스 포집의 기술적 과정을 비교하는 것이 가치가 있는가?
-특히 태양열, 풍력발전, 탄소포집 기술이 모두 탈탄소화를 목표로 하는가
-탄소 포집(이산화 탄소 분리)기술이 다양한 기술로 사용될 수 있는가
-Non-CO2 온실가스 배출 저감으로의 기술적 활용이 가능한가
-프로세스의 수준에서 완화할 수 있는 기술인가
해당 연구 목표를 수행하기 위해서 기술 영역에 대한 식별(목적이나 기반 지식으로 정의되는)이 필요하다. 기술 영역은 아래 표를 참고함
- 기술 영역은 위 표의 Function에 명명된 기술 분류를 따름 (각 표에 대한 설명은 후술)
+) Y02C 10 : CO2 capture and storage
CPC 코드로의 분류 외에도 서브도메인(subdomain)을 사용해서 4가지로 본 연구에서 사용할 분류체계를 작성하였음
Technological domains for greenhouse gas capture and mitigation
r 탄소 포집은 다양한 방법으로 가능하고, 이산화탄소의 원천은 전력 생산(석탄, 바이오매스 연소와 암모니아 합성 / 나프타 열분해로부터 나오는 분해가스, 상한 천연가스, 바이오가스 등)에 따른 연도 가스와 같이 폐기물마다 다름
r 이산화탄소 분리는 직접적인 방법과 간접적인 방법으로 구분할 수 있음
r 연소 공기에서 질소를 혼합하는 방법도 있으며 연료를 사용할 경우 순수한 이산화탄소와 물을 얻을 수 있음
u 온실가스 포집 및 저장과 관련된 기술 도메인에 대한 내용(앞서 언급한 14가지 구분에 대한 상세 설명)
① 생물적 분리공정을 통한 이산화탄소 포집
n 자연적 광합성에서 영감을 받은 방법으로 태양에너지를 화학에너지로 전환함
n 일반적으로 미세조류와 미세유기체(시아노박테리아) 광합성이 육상식물보다 높은 탄소고정률을 보이고 잠재적으로 이산화탄소 포집과 활용의 잠재적 후보임
n 생물학적 분해는 타 오염물질의 분리에서 이미 효과적인 방법임을 입증한 바 있음
② 흡수를 통한 이산화탄소 포집
l Cf) 흡수(absorption)와 흡착(adsorption)의 차이
흡수는 완전히 침투하여 화합물 또는 용액을 형성하는 벌크 현상
흡착은 분자가 표면에만 집중되는 표면 현상
n 흡수과정에서 이산화탄소를 용매와 오염물질을 접촉시키면서 분리
n 용매분자에 대한 이산화탄소의 물리적 결합이나 화학작용의 가역반응과 관련
n 압력과 온도로 이산화탄소를 분리시킬 수 있고 용매를 재생시킴
n 아민세정(gas sweetening, 가스에서 황화수소와 이산화탄소를 제거하기 위해 다양한 알킬아민의 수용액을 사용하는 공정)과 암모니아 합성에서 사용된 기술
n 최근의 연구는 용매 특성의 설계 및 최적화와 액체-기체 공정 통합에 초점
③ 흡착을 통한 이산화탄소 포집
n 흡수와 달리 환경오염을 유발할 수 있는 용매가 필요없음
④ 필터(membrane)을 사용한 이산화탄소 포집
n 무기막은 고온에서 작동가능함
n 해당 영역은 현재 새로운 필터 재료와 구조에 대한 연구가 활발함
⑤ 응결과 정류를 통한 이산화탄소 포집
n 연소 공정에서 활용되긴 하나 열역학적으로 한계를 가지고 있지만 천연가스 액화와 식품 산업(저온)에서는 경제적으로 잠재성이 있는 기술임
⑥ 산소연료연소를 통한 이산화탄소 포집
n Y02C가 아닌 Y02E로서 간접 이산화탄소 저감기술로 분류되어 있음
n 산소를 분리한 후 순수 산소로 연소함으로 이산화탄소가 풍부한 혼합물이 생성되고 저장 및 운송에 쉽게 사용
n 본 분야는 잠재적 부식 완화와 연소 매커니즘에 대해 진행 중임
⑦ 화학적 순환 연소를 통한 이산화탄소 포집
⑧ 탄소포집과 저장으로 결합된 가스화복합발전
n 앞선 방법들의 통합된 기술
⑨ 지하, 해저에 이산화탄소 저장
n 염류대수층과 같은 지형에 이산화탄소를 저장하는 기술
n EOR(3차회수, 원유추출의 방법)에서 잔재 석유 저장소이기도 함(염류대수층)
n 저장된 이산화탄소의 낮은 점성으로 50%가까이는 회수되기도 함
⑩ Non-이산화탄소 온실가스 배출
n 대기중의 열을 더 많이 포획하는 Non-CO2, 종류에 따라 다르지만 메탄의 경우 21배부터 육플루오르화 황의 경우 23,900배 까지 다양함
⑪ 메탄 배출의 포획과 처분
n 석탄채굴, 원유나 천연가스 추출, 지자체 쓰레기 매립지, 가축, 오수처리, 쌀농사에서 메탄이 발생
⑫ 질화 산소 배출의 포획과 처분
⑬ 불화 가스 배출의 포획과 처분
n 더욱 다양한 곳에서 배출된다(냉장고, 에어컨, 농장, 방화장비 : HFC(냉매) , 알루미늄 공정: PFC(과불화화합물), 전력발전과 마그네슘 공정: SF6, 클로로디플루오르메탄(HCFC-22) 등 다양한 종류의 불화화합물 가스 형태로 배출
⑭ 온실가스 저감 방법
n Y02E 20/00으로 분류되어 있으며 연소와 관련된 기술임- Y02C class는 온실가스의 분리와 저장과 관련된 기술인 반면에
n 20/10은 혼합 연소, 20/30은 효율적 연소 및 열사용과 관련된 기술로 분류
Meteodology and data
r 1976~2015년의 USPTO에서 특허 정보를 추출함 (patsnap을 통해서 다운로드)
r 인용데이터는 patentsview.org 에서 얻음
r 연간 성장 개선율을 추정하기 위해 서론에서 언급한 대로 Triulzi의 연구를 참고함
r 30개의 다양한 기술에 대해 test를 거쳤으며 validation또한 3년(기술의 특허에 인용된 특허의 평균 연차)으로서 인용 수로 검증함
r 중심 지표는 SPNP(Search Path Node Pair)에 의해 계산되었음
è 인용의 incoming, outgoing 수의 계산식이 있고 네트워크에서 각 노드의 중심성을 측정하기도 함.
è SPNP란 간단히 말해서 특허 인용 네트워크에서 정보 흐름의 경로에 있어 얼마나 중심에 위치한 혁신 기술인지를 알려주는 지표라고 이해할 수 있다.
r Time-specific, patent class-specific은 중심도 계산에 있어 편향을 만듬
è 이를 해결하고자 Z-score를 계산하여 네트워크 관측 값과 랜덤 값을 비교하고자 함
r 주어진 특허가 공학적 개선(향상)에 있어 중심 경로와 얼마나 관련이 있고 중심 특허와 얼마나 상호작용하는지 확인할 수 있음
r 독립변수를 각 30개 관측 기술의 연간 성능 향상율의 로그값으로 하는 최고제곱법 기반 회귀분석으로 피팅, sigma는 추정향상율의 로그값의 표준편차임
l fitting equation
Fitting equation에 대한 참고자료 : https://papers.ssrn.com/sol3/papers.cfm?abstract_id=2987588
Results and discussion
1) pre-processing in the patent sets: overlaps and interconnections
#1~#9 : 이산화탄소 포집과 저장
#10~#12: non-CO2 온실가스 포집과 폐기
#13: 온실가스 저감의 혼합연소방법
#14: 효과적인 연소법과 열사용
Off-diagonal 은 를 의미함
Diagonal 은 를 의미함
어두움의 정도로 비교할 때
Combined combustion with potential for GHG mitigation
영역은 다른 영역과 교집합이 많은 것으로 이해함
해당 표를 통해 각 기술이 서로 얼마나 연관성이 있는지 확인할 수 있음
l 한가지 예시로 #1~#9 중의 #6,7은 combustion(연소)와 관련된 바 있다고 앞에서 언급하였고 실제로 CPC code도 Y02E로 분류되었으며 지표상으로도 0.49, 절반정도의 교집합을 가지는 것으로 확인할 수 있음
해당 표는 #1~#9에 대해서만 plot화 한 것으로
어둡다는 것은 각 sub class가 서로 독립적인 기술영역이라는 것을 말하고 (diagonal)
밝다는 것은 (off-diagonal) 두 기술이 hybrid technology
로서 특히 progress level에서 응용이 가능함을 의미
è Cross-comparison을 통해서 technological improvement analysis를 보일 수 있음
Fig 4,5 는 cross-technology citation analysis plot임
r 상호의존성은 citation z-scores라고 불리는 것에 의해 계산되어질 수 있음
r Z-scores는 임의의 USPTO patent의 sub-domain 특허 수와 기대 값과 실제 관측된 특허의 인용 수 차이를 표준편차로 나눔으로써 계산할 수 있음
l 인용의 기대 값은 초기하학적 랜덤변수임(인용이 한 특허에서 다른 특허로 랜덤으로 구성된다고 가정하는, 각 기술에 있어 관측된 전체 특허를 보존하고 인용의 수는 sub domain에 의해 구성되고 인용-피인용 연도를 자료화 함으로써, 인용특허는 시차분포를 따름(lag distribution))
l 큰 z-score는 두 domain간 강한 연관성을 의미
l 작은 z-score는 각 기술과의 관계에 있어 사전처리 기술의 관점으로 볼 수 있음
r Fig 4에서는 두 domain간의 z score 만이 양의 값을 가졌으며 약한 상호작용을 한다고 볼 수 있음(진한 색에 비해서) CCS와 non-CO2 온실가스 포집 기술 사이에서 전자에서 후자로의 z 값이 더 크고 이는 천연가스 스위트닝 프로세스(천연가스에서 황화수소나 이산화탄소 제거) 기술 때문
Results and discussion
1) pre-processing in the patent sets: overlaps and interconnections
#1~#9 : 이산화탄소 포집과 저장
#10~#12: non-CO2 온실가스 포집과 폐기
#13: 온실가스 저감의 혼합연소방법
#14: 효과적인 연소법과 열사용
Off-diagonal 은 를 의미함
Diagonal 은 를 의미함
어두움의 정도로 비교할 때
Combined combustion with potential for GHG mitigation
영역은 다른 영역과 교집합이 많은 것으로 이해함
해당 표를 통해 각 기술이 서로 얼마나 연관성이 있는지 확인할 수 있음
l 한가지 예시로 #1~#9 중의 #6,7은 combustion(연소)와 관련된 바 있다고 앞에서 언급하였고 실제로 CPC code도 Y02E로 분류되었으며 지표상으로도 0.49, 절반정도의 교집합을 가지는 것으로 확인할 수 있음
해당 표는 #1~#9에 대해서만 plot화 한 것으로
어둡다는 것은 각 sub class가 서로 독립적인 기술영역이라는 것을 말하고 (diagonal)
밝다는 것은 (off-diagonal) 두 기술이 hybrid technology
로서 특히 progress level에서 응용이 가능함을 의미
è Cross-comparison을 통해서 technological improvement analysis를 보일 수 있음
Fig 4,5 는 cross-technology citation analysis plot임
r 상호의존성은 citation z-scores라고 불리는 것에 의해 계산되어질 수 있음
r Z-scores는 임의의 USPTO patent의 sub-domain 특허 수와 기대 값과 실제 관측된 특허의 인용 수 차이를 표준편차로 나눔으로써 계산할 수 있음
l 인용의 기대 값은 초기하학적 랜덤변수임(인용이 한 특허에서 다른 특허로 랜덤으로 구성된다고 가정하는, 각 기술에 있어 관측된 전체 특허를 보존하고 인용의 수는 sub domain에 의해 구성되고 인용-피인용 연도를 자료화 함으로써, 인용특허는 시차분포를 따름(lag distribution))
l 큰 z-score는 두 domain간 강한 연관성을 의미
l 작은 z-score는 각 기술과의 관계에 있어 사전처리 기술의 관점으로 볼 수 있음
r Fig 4에서는 두 domain간의 z score 만이 양의 값을 가졌으며 약한 상호작용을 한다고 볼 수 있음(진한 색에 비해서) CCS와 non-CO2 온실가스 포집 기술 사이에서 전자에서 후자로의 z 값이 더 크고 이는 천연가스 스위트닝 프로세스(천연가스에서 황화수소나 이산화탄소 제거) 기술 때문
1) Patent centrality analysis
r 각 특허에 대해서 자료화되었던 초기 3년의 인용 정보를 정규화시킴(z-scores)
r 각 서브 도메인의 중심 특허는 해당 도메인의 공학적 향상율에 대한 지배적인 궤도를 의미함
r 각 특허에 상응하는 Body of knowledge(key phrase 정도로 이해)를 통해 서브 도메인과 식별 특허의 적합성 사이의 흥미로운 관측이 가능함
ü 한편, 보충자료(ESI)로서 patent number, Filing year, Centrality measure, Organization, Title, abstract 로 구성된 특허 텍스트 자료가 존재했음
링크: https://pubs.rsc.org/en/content/articlelanding/2019/EE/C9EE01526D (미리보기 아래)
r 해당 보충 자료의 table에서는 S1~S4까지는 각 domain에서의 중심특허에 있어 기술 분류를 실시함
r S5~S13까지는 첫째 domain의 sub-domain의 중심특허에 대한 기술 분류를 실시함
l 각 표의 내용은 생략함
è 각 domain, sub-domain 별 분류된 기술의 핵심 KEY를 파악할 수 있음
Ex) S8은 membrane-based technology이며 혁신적인 기술이나 재료로는 dried cellulose ester(건조 셀룰로오스 에스터, 에스터: 유기화합물의 한 종류)와 solvent-swollen polymer, microporous polymeric support, hydrous gel, 등이 있음
1) Technological improvement quantitative analysis
Fig 6를 통해서 4개의 domain과 나머지 30개의 기술 영역에 대한 정량적인 분석을 실시했고 계산 방법은 section4에서 설명한 바 있음
-연간 성장율에서 non-CO2 domain이 가장 우위에 있음
-각 기술과 다른 주요 domain과의 성장 속도를 비교할 수 있음
-현재 기술 트렌드가 탈탄소화를 통한 전력생산을 겨냥하고 있음을 알려줌
r 탄소포집은 다른 녹색에너지와 비교할 때 energy penalty 관점에서 매력이 아주 적음
r 그럼에도 빠른 성장율을 보인다는 것은 해당 기술의 main driver가 전세계적으로 과학 기술에서 강력한 능력을 가지고 있다는 가정을 할 수 있음, 단순히 노력하는 정도가 아니라.
r 빠른 성장율을 보이는 domain은 citation network에서 다른 특허영역과 상호작용이 활발하게 진행중인 경향성이 보임
r 다만, 흥미롭게도 해당 분야에서 하위 두개의 domain은 높은 물리적 상호작용을 보임에도 낮은 성장율을 나타내기도 하였음 -해석 여부 오류(?), 모르겠음, 위의 내용과 상반되는 설명으로 이해함--
r 한편 각 domain과 sub-domain 영역별 prediction interval(위 그림의 Fig 6의 y축 ,K값이 predicted improvement rate를 의미함)
l Interval 을 추정하는 방법으로는 다양하게 있음, 기존 연구의 이론을 참고하던지 선형관계성을 추정하는 방법이 있으나 기존 연구의 방법은 매우 보수적인 편이고 선형관계성은 과대적합의 가능성이 존재함
l 또한, 본 연구를 통해 도출하고자 하는 함의가 각 영역별 비율을 정확히 추정하는 것이 아닌 서로 각 기술 간에서 비교하는 것에 있으므로 추가로 연구를 진행하지는 않음
l Prediction interval은 아래 표와 같음
r 해당 interval을 다양한 방법으로서 시각화 할 수 있음(PDF, CDF 등)
r 해당 prediction rate를 통해 얻을 수 있는 결론으로는 각 domain별로 성장율의 추이를 확인할 수 있으며 나아가 다른 기술 영역과의 상호작용의 가능성(인용, 피인용의 네트워크)을 추정할 수 있음
Sensitivity analyses
r 세분화된 분류는 특허 공동 분류와 인용 관계 사이의 일관성을 높이는 결과를 가져옴
r 공동 분류는 기술 간 경계가 모호한 상태로 침투할 수 있는 영역으로서 잠재적 기술 기회(재산)으로 볼 수 있음
r 공동 특허에서 특허를 어느 영역에서라도 제거하여 다시 비율을 계산하는 비율 추정은 공동 특허에 있어서는 정확하지 않음’
r 연구에 사용한 SPNP는 특허 출원 및 등록 연도의 차이를 고려한 것이고 교란 효과를 배제하기 위함임
Conclusions
r 본 연구의 domain과 sub-domain은 이산화탄소와 온실가스 포집과 저감, 오염물질 최소화, 연소효율성 증대와 관련된 기술임
r 또한 추정한 비율은 절대적인 수치보다 신뢰구간의 가능성 정도로 이해하는 것이 바람직함
r 한계점으로, 본 연구는 다양한 경제적 상황을 배제한 상태로 연구를 진행하였고 따라서 아주 극소량이지만 탄소포집기술이 다른 녹색에너지 기술보다 더 빠른 성장세를 보인다는 결론은 얻게 되었음
r Sub domain중에서도 예상과 다르게 더딘 성장세를 보이는 기술들도 존재했음. 혹은 이미 성숙한 기술이지만 낮게 관측된 영역도 있었음(solvent-based adsorption)
r 지하와 해저에 저장하는 기술은 가장 낮은 성장세를 나타냈으며 이를 통해 잠재적으로 carbon sequestration은 지속 가능 탄소 가치 사슬에 중요한 기술적 병목 현상을 일으킬 것을 시사함