Renewable energy and carbon capture are the twin pillars of most national decarbonization strategies. Wind and solar power reduce emissions by displacing fossil fuel generation; carbon capture and storage (CCS) reduces emissions by trapping CO₂ before it reaches the atmosphere. In policy documents and corporate sustainability reports, these technologies sit comfortably side by side. In engineering reality, integrating them creates a tangle of optimization problems that neither technology was designed to solve alone. The core tension is straightforward: CCS requires a steady energy supply for solvent regeneration and CO₂ compression, while renewable energy is inherently intermittent. When the wind stops blowing, the carbon capture plant either shuts down (losing efficiency) or draws from the grid (potentially consuming fossil-generated electricity, undermining its purpose). Recent optimization studies are beginning to map the conditions under which coupling these technologies yields genuine carbon and economic benefits—and the conditions under which it does not. ## The Research Landscape: From Separate to Integrated

Traditional energy system modeling treats renewable integration and carbon capture as independent optimization problems. Renewable energy studies focus on curtailment minimization, storage sizing, and grid stability. CCS studies focus on capture rate, solvent degradation, and pipeline economics. The emerging literature on integrated energy systems (IES) attempts to bridge this gap by modeling the interactions between renewables, CCS, and energy conversion pathways within a unified optimization framework. Meng et al. (2025), publishing in Scientific Reports with 27 citations, develop a low-carbon optimal scheduling model that incorporates wind power, carbon capture, and energy storage under explicit carbon pricing constraints. Their model addresses a specific engineering reality: when wind generation exceeds demand, surplus electricity can power carbon capture operations; when wind generation falls short, stored energy or grid power must compensate. The scheduling problem becomes: how to allocate variable renewable output across competing demands (grid supply, carbon capture, energy storage charging) to minimize total system cost including carbon penalties. Their key finding: under China's national carbon trading scheme pricing of ~a notable quantity/tonne (~a significant amountUSD), the integrated system reduces total carbon emissions by a meaningful fraction compared to a wind-only system without CCS. However, the economic benefit is highly sensitive to carbon price. Below a notable quantity/tonne, the additional capital and operating costs of CCS integration exceed the carbon trading revenue, making the integrated system more expensive than standalone wind power. ### Power-to-Gas as a Coupling Mechanism

Zhang et al. (2024) introduce power-to-gas (P2G) technology as a critical bridging element between renewables and CCS. P2G converts surplus renewable electricity into hydrogen (via electrolysis) and then into synthetic natural gas (via methanation of captured CO₂). This creates a dual benefit: it provides a storage mechanism for excess renewable generation while simultaneously consuming CO₂ captured by the CCS system. Their stochastic optimization model, which accounts for wind and solar forecast uncertainty using Latin hypercube sampling (LHS) for scenario generation, demonstrates that P2G integration reduces wind curtailment meaningfully and improves system economics by approximately a meaningful fraction compared to a system with CCS but without P2G. The mechanism is intuitive: rather than venting captured CO₂ or compressing it for geological storage (both energy-intensive processes), converting it to synthetic fuel creates a revenue stream that partially offsets CCS operating costs. Fan et al. (2024) extend this analysis with a two-stage P2G model that separately optimizes hydrogen production and methanation. Their approach reveals an important subtlety: **the integration of P2G with CCS creates economic synergies by converting captured CO₂ into marketable synthetic fuel, partially offsetting CCS operating costs. ## Methodological Approaches

The studies employ different but complementary optimization techniques:

Mixed-integer linear programming (MILP) with carbon pricing (Meng et al.): The system uses an improved genetic algorithm (GA) to optimize low-carbon scheduling incorporating post-combustion carbon capture, energy storage, and carbon pricing constraints. The carbon price enters the objective function directly as a cost on unabated emissions and a revenue for captured CO₂ sold in trading markets. Two-stage stochastic programming (Zhang et al.): Wind and solar generation are modeled as random variables with known probability distributions. The first stage makes investment and scheduling decisions before uncertainty is realized; the second stage adjusts dispatch after actual renewable output is observed. This approach captures the economic value of flexibility—systems with more flexible components (P2G, battery storage) perform better under uncertainty. Multi-objective optimization (Fan et al.): Their deep low-carbon economic optimization strategy incorporates stepwise carbon trading, coal consumption, renewable curtailment penalties, and gas purchasing costs into a comprehensive cost function, demonstrating that two-stage P2G addition can reduce costs by approximately 14% and emissions by approximately 12%. Novel framework for industrial utility systems (Park et al., 2025): Taking an engineering approach, this study develops a framework for the design and optimization of industrial utility systems integrated with renewable energy sources and carbon capture, using monthly-based analysis to evaluate the economic trade-offs of such integration. ## Critical Analysis: Claims and Evidence

The Model-Reality Gap

A significant limitation common to all four studies is the gap between optimization models and deployed systems. The models assume perfect foresight (or statistically characterized uncertainty), rational market participation, and seamless technical integration. In practice, renewable-CCS coupling faces challenges that models routinely abstract away:

• Spatial mismatch: Wind resources and industrial CO₂ sources are often geographically separated, requiring either long-distance power transmission or CO₂ pipeline infrastructure. - Temporal mismatch: CCS systems have start-up and shut-down times of 30–60 minutes; wind ramps can occur in seconds. - Regulatory fragmentation: In many jurisdictions, electricity markets and carbon markets are regulated by different agencies with misaligned incentive structures. - Financing complexity: Integrated projects require investors comfortable with both renewable energy risk profiles (technology mature, policy-dependent) and CCS risk profiles (technology less mature, geology-dependent)—a combination that few financial institutions routinely assess. ## Open Questions and Future Directions

The optimization literature suggests that coupling renewables with CCS through P2G conversion can yield meaningful economic and environmental benefits—but only under specific conditions. For energy system planners, the key takeaway is that integration economics depend critically on the local carbon price, gas demand profile, and renewable resource quality. Blanket assumptions that integration "always helps" or "never works" are both unsupported by the evidence. For researchers, the priority should be bridging the gap between idealized optimization models and real-world deployment constraints. This means incorporating spatial dimensions (network topology), temporal dynamics (start-up costs, ramp rates), and market imperfections (information asymmetry, regulatory uncertainty) into system models. For policymakers, the clearest finding is that carbon pricing is a necessary condition for economically viable integration. Below a threshold price, coupling CCS with renewables imposes costs that no amount of engineering optimization can overcome. ## References

[1] Meng, Q., He, Y., Hussain, S. et al. (2025). Low carbon optimization for wind integrated power systems with carbon capture and energy storage under carbon pricing. Scientific Reports, 15, 17463. https://doi.org/10.1038/s41598-025-17463-7

[2] Zhang, Y., Zhang, P., Du, S. et al. (2024). Economic Optimal Scheduling of Integrated Energy System Considering Wind–Solar Uncertainty and Power to Gas and Carbon Capture and Storage. Energies, 17(11), 2770. https://doi.org/10.3390/en17112770

[3] Fan, J., Zhang, J., Yuan, L. et al. (2024). Deep Low-Carbon Economic Optimization Using CCUS and Two-Stage P2G with Multiple Hydrogen Utilizations for an Integrated Energy System with a High Penetration Level of Renewables. Sustainability, 16(13), 5722. https://doi.org/10.3390/su16135722

[4] Park, H., Lee, J. & Dorneanu, B. (2025). Cost-effective Process Design and Optimization for Decarbonized Utility Systems Integrated with Renewable Energy and Carbon Capture Systems. Systems and Control Transactions, 4, 107403. https://doi.org/10.69997/sct.107403

면책 조항: 이 게시물은 정보 제공을 목적으로 한 연구 동향 개요이다. 특정 연구 결과, 통계, 주장은 학술 연구에서 인용하기 전에 원본 논문을 통해 반드시 검증해야 한다.

재생에너지와 탄소 포집의 결합: 간헐성 하에서의 최적화

재생에너지와 탄소 포집은 대부분의 국가 탈탄소화 전략의 두 축을 이루고 있다. 풍력 및 태양광 발전은 화석연료 발전을 대체함으로써 배출량을 줄이고, 탄소 포집 및 저장(CCS)은 CO₂가 대기 중으로 방출되기 전에 포집함으로써 배출량을 감소시킨다. 정책 문서와 기업 지속가능성 보고서에서 이 두 기술은 나란히 편안하게 자리하고 있다. 그러나 공학적 현실에서 이 기술들을 통합하면 어느 한 기술도 단독으로 해결하도록 설계되지 않은 복잡한 최적화 문제들이 얽혀 발생한다. 핵심적인 긴장 관계는 단순하다. CCS는 용매 재생 및 CO₂ 압축을 위해 안정적인 에너지 공급을 필요로 하는 반면, 재생에너지는 본질적으로 간헐적이다. 바람이 멈추면 탄소 포집 플랜트는 가동을 중단하거나(효율 손실) 그리드에서 전력을 끌어와야 하는데, 후자의 경우 화석연료로 생산된 전기를 소비할 가능성이 있어 CCS 본래의 목적을 훼손한다. 최근의 최적화 연구들은 이 두 기술의 결합이 실질적인 탄소 감축 및 경제적 편익을 가져오는 조건과 그렇지 않은 조건을 체계적으로 규명하기 시작하고 있다.

연구 동향: 분리에서 통합으로

전통적인 에너지 시스템 모델링은 재생에너지 통합과 탄소 포집을 독립적인 최적화 문제로 취급한다. 재생에너지 연구는 출력 제한 최소화, 저장 용량 산정, 그리드 안정성에 초점을 맞추고, CCS 연구는 포집률, 용매 열화, 파이프라인 경제성에 초점을 맞춘다. 통합 에너지 시스템(IES)에 관한 신흥 문헌은 통합 최적화 프레임워크 내에서 재생에너지, CCS, 에너지 변환 경로 간의 상호작용을 모델링함으로써 이 격차를 해소하고자 한다.

27회 인용을 기록한 Scientific Reports 게재 논문인 Meng et al. (2025)은 명시적인 탄소 가격 제약 하에서 풍력 발전, 탄소 포집, 에너지 저장을 통합하는 저탄소 최적 스케줄링 모델을 개발하였다. 이 모델은 구체적인 공학적 현실을 다룬다. 즉, 풍력 발전량이 수요를 초과할 때는 잉여 전력이 탄소 포집 운영에 활용될 수 있고, 풍력 발전량이 부족할 때는 저장 에너지나 그리드 전력으로 보완해야 한다는 것이다. 이 스케줄링 문제의 핵심은 다음과 같다. 총 시스템 비용(탄소 패널티 포함)을 최소화하기 위해, 변동하는 재생에너지 출력을 경쟁적 수요(그리드 공급, 탄소 포집, 에너지 저장 충전) 간에 어떻게 배분할 것인가.

주요 연구 결과에 따르면, 중국 국가 탄소 배출권 거래제의 가격 수준(~주목할 만한 수량/톤, ~상당한 금액 USD)에서 통합 시스템은 CCS가 없는 풍력 단독 시스템 대비 총 탄소 배출량을 의미 있는 비율로 감소시키는 것으로 나타났다. 그러나 경제적 편익은 탄소 가격에 매우 민감하다. 특정 수준/톤 이하에서는 CCS 통합에 따른 추가 자본 비용 및 운영 비용이 탄소 배출권 수익을 초과하여, 통합 시스템이 독립형 풍력 발전보다 더 높은 비용을 초래한다.

Power-to-Gas를 활용한 결합 메커니즘

방법론적 접근

Zhang et al. (2024)은 재생에너지와 CCS를 연결하는 핵심 요소로 P2G(Power-to-Gas) 기술을 소개한다. P2G는 잉여 재생 전력을 수소(전기분해를 통해)로 변환한 뒤, 합성 천연가스(CCS 시스템으로 포집된 CO₂의 메탄화를 통해)로 변환한다. 이를 통해 이중적인 이점이 발생하는데, 잉여 재생 발전량의 저장 메커니즘을 제공하는 동시에 CCS 시스템이 포집한 CO₂를 소비한다. Latin hypercube sampling(LHS)을 활용한 시나리오 생성으로 풍력 및 태양광 예측 불확실성을 고려한 이들의 확률적 최적화 모델은, P2G 통합이 풍력 출력 제한(curtailment)을 유의미하게 감소시키고, CCS는 있지만 P2G가 없는 시스템과 비교하여 시스템 경제성을 약 유의미한 수준으로 개선한다는 것을 보여준다. 그 메커니즘은 직관적이다. 포집된 CO₂를 방출하거나 지질학적 저장을 위해 압축하는(둘 다 에너지 집약적인 공정) 대신, 이를 합성 연료로 전환하면 CCS 운영 비용을 부분적으로 상쇄하는 수익원이 창출된다. Fan et al. (2024)은 수소 생산과 메탄화를 별도로 최적화하는 2단계 P2G 모델로 이 분석을 확장한다. 이들의 접근 방식은 중요한 미묘한 점을 드러낸다. P2G와 CCS의 통합은 포집된 CO₂를 시장성 있는 합성 연료로 전환함으로써 경제적 시너지를 창출하며, CCS 운영 비용을 부분적으로 상쇄한다.

방법론적 접근

각 연구는 서로 다르지만 상호 보완적인 최적화 기법을 적용한다.

탄소 가격을 적용한 혼합 정수 선형 계획법(MILP)(Meng et al.): 연소 후 탄소 포집, 에너지 저장, 탄소 가격 제약을 포함한 저탄소 스케줄링 최적화를 위해 개선된 유전 알고리즘(GA)을 사용한다. 탄소 가격은 감축되지 않은 배출에 대한 비용 및 탄소 거래 시장에서 판매된 포집 CO₂에 대한 수익으로 목적 함수에 직접 반영된다.

2단계 확률적 프로그래밍(Zhang et al.): 풍력 및 태양광 발전을 알려진 확률 분포를 가진 확률 변수로 모델링한다. 1단계에서는 불확실성이 실현되기 전에 투자 및 스케줄링 결정을 내리고, 2단계에서는 실제 재생에너지 출력이 관측된 후 발전 배분(dispatch)을 조정한다. 이 접근 방식은 유연성의 경제적 가치를 포착한다. 즉, 더 유연한 구성요소(P2G, 배터리 저장)를 갖춘 시스템이 불확실성 하에서 더 우수한 성능을 보인다.

다목적 최적화(Fan et al.): 이들의 심층 저탄소 경제 최적화 전략은 단계적 탄소 거래, 석탄 소비, 재생에너지 출력 제한 패널티, 가스 구매 비용을 포괄적인 비용 함수에 통합하며, 2단계 P2G 추가를 통해 비용을 약 14%, 배출량을 약 12% 감소시킬 수 있음을 보여준다.

산업용 유틸리티 시스템을 위한 새로운 프레임워크(Park et al., 2025): 공학적 접근 방식을 취하는 이 연구는 재생에너지원 및 탄소 포집과 통합된 산업용 유틸리티 시스템의 설계 및 최적화를 위한 프레임워크를 개발하며, 월별 분석을 통해 그러한 통합의 경제적 상충 관계를 평가한다.

비판적 분석: 주장과 근거

모델과 현실의 괴리

네 연구 모두에서 공통적으로 나타나는 중요한 한계는 최적화 모델과 실제 배치 시스템 사이의 괴리이다. 모델은 완전한 예측 가능성(또는 통계적으로 특성화된 불확실성), 합리적인 시장 참여, 그리고 원활한 기술 통합을 가정한다. 실제로 재생에너지-CCS 결합은 모델이 일상적으로 추상화하는 다음과 같은 과제에 직면한다:

• 공간적 불일치: 풍력 자원과 산업용 CO₂ 배출원은 지리적으로 분리되어 있는 경우가 많아, 장거리 전력 송전 또는 CO₂ 파이프라인 인프라가 필요하다. - 시간적 불일치: CCS 시스템의 기동 및 정지 시간은 30~60분이 소요되는 반면, 풍력 출력 변동은 수 초 내에 발생할 수 있다. - 규제 분절: 많은 관할 구역에서 전력 시장과 탄소 시장은 인센티브 구조가 맞지 않는 서로 다른 기관에 의해 규제된다. - 금융 복잡성: 통합 프로젝트는 재생에너지 리스크 프로파일(기술 성숙, 정책 의존적)과 CCS 리스크 프로파일(기술 미성숙, 지질 의존적) 모두에 익숙한 투자자를 필요로 하는데, 이러한 조합을 일상적으로 평가하는 금융기관은 거의 없다.

미해결 과제와 향후 연구 방향

연구자 및 실무자를 위한 시사점

최적화 문헌은 P2G 전환을 통해 재생에너지와 CCS를 결합하면 경제적·환경적으로 의미 있는 이점을 얻을 수 있음을 시사한다—그러나 이는 특정 조건 하에서만 가능하다. 에너지 시스템 계획자에게 있어 핵심적인 시사점은 통합의 경제성이 지역 탄소 가격, 가스 수요 프로파일, 재생에너지 자원 품질에 결정적으로 의존한다는 것이다. 통합이 "항상 도움이 된다" 또는 "절대 효과가 없다"는 일률적인 가정은 모두 증거에 의해 뒷받침되지 않는다. 연구자에게 있어 우선순위는 이상화된 최적화 모델과 실제 배치 제약 사이의 간극을 좁히는 것이다. 이는 공간적 차원(네트워크 위상), 시간적 역학(기동 비용, 출력 변화율), 그리고 시장 불완전성(정보 비대칭, 규제 불확실성)을 시스템 모델에 통합하는 것을 의미한다. 정책 입안자에게 있어 가장 명확한 결론은 탄소 가격 책정이 경제적으로 실행 가능한 통합의 필요 조건이라는 것이다. 임계 가격 이하에서는 CCS와 재생에너지를 결합하면 어떠한 공학적 최적화로도 극복할 수 없는 비용이 발생한다.