Customising Electricity Contracts at Scale with Large Language Models

논문 개요

이 논문은 전력 시스템이 복잡해지고 수많은 최종 사용자 및 분산 발전원이 연결됨에 따라 발생하는 계약 및 계획의 병목 현상을 해결하기 위해 **대규모 언어 모델 (LLM)**을 활용하는 새로운 접근법을 제안합니다. 기존의 표준화된 블록 계약 (Block Contracts) 대신, LLM 기반 채팅 시스템을 통해 최종 사용자가 전력망 제약 조건 내에서 개별적이고 유연한 시간별 사용 (Time-of-Use) 계약을 직접 협상할 수 있도록 하는 시스템을 개발하고 검증했습니다.

1. 문제 제기 (Problem Statement)

• 전력 시스템의 복잡성 증가: 재생에너지 전환과 전기화 가속화로 인해 전력망의 부하 변동성이 커지고 예측이 어려워졌습니다.
• 인력 부족 및 비효율성: 전력망 연결 요청을 평가하려면 엔지니어의 전문적인 연구 (시뮬레이션, 분석) 가 필요하지만, 엔지니어 부족으로 인해 처리 시간이 길어집니다.
• 표준화의 한계: 시간과 비용의 제약으로 인해 운영자는 사용자에게 유연한 맞춤형 계약을 제공하지 못하고, 비효율적인 '표준 블록 계약'만 제공합니다. 이는 전력망 용량의 과소 활용 (Underutilization) 이나 새로운 연결 요청의 거절로 이어집니다.
• 개인화 부족: 가정용 수요 반응 (DR) 이나 중소기업 (SME) 의 개별적인 유연성 요구사항을 반영하지 못해, 잠재적인 그리드 유연성이 낭비됩니다.

2. 방법론 (Methodology)

논문은 LLM 을 단순히 대화만 하는 도구가 아닌, 전력 시스템 분석 도구와 기능적으로 결합된 에이전트로 활용합니다.

• 기능적 프로그래밍 (Functional Programming) 통합:
  • LLM 은 자연어 대화 (채팅) 를 관리하고 사용자 입력에서 매개변수를 추출하는 역할만 수행합니다.
  • 실제 전력망의 물리적 타당성 (Physical Feasibility) 검증은 **결정론적 기능 프로그램 (Deterministic Functional Programs)**이 수행합니다.
  • 작동 원리: 사용자가 채팅으로 요청을 입력 $\rightarrow$ LLM 이 기능 호출 (Function Calling) 을 통해 매개변수 추출 $\rightarrow$ 전력 흐름 계산 (AC Power Flow), 최적 전력 흐름 (SCOPF) 등 전문 소프트웨어 실행 $\rightarrow$ 결과 (타당성 여부) 를 LLM 에 반환 $\rightarrow$ LLM 이 사용자에게 계약 제안 또는 수정 요청.
• 보안 및 검증 구조:
  • LLM 이 직접 물리적 계산을 수행하지 않으므로, LLM 의 오류 (할루시네이션 등) 가 전력망 안전에 직접적인 위협이 되지 않도록 설계되었습니다.
  • 모든 계약은 내부의 결정론적 검증 로직을 통과해야만 최종적으로 승인됩니다.
• 사용 사례 (Use Cases):
  1. 저압 (LV) 가정용: 스마트 미터 데이터를 기반으로 개별 가구의 전기차 충전 시간 등을 조정하여 맞춤형 요금제 협상.
  2. 중압 (MV) 중소기업 (SME): 산업용 부하 프로파일을 입력받아 특정 지점의 전력망 연결 타당성을 즉시 평가하고 대안 제시.
  3. 고압 (HV) 송전 설비 유지보수: 발전기 정지 (Outage) 계획 요청 시, N-1 보안 제약 조건을 고려한 최적의 시기를 자동 제안.

3. 주요 기여 (Key Contributions)

1. 전력 시스템용 기능적 프로그램과 LLM 채팅의 통합: 전력망 분석 도구 (AC Power Flow, SCOPF 등) 를 LLM 이 정확히 호출하고 매개변수를 추출하는 고도의 정확성을 입증했습니다.
2. 대규모 맞춤형 계약의 가능성 증명: 수천만 가구에 대한 개별적인 상담이 불가능했던 기존 방식에서, LLM 을 통해 가정용 및 중소기업 대상 맞춤형 계약을 대규모로 자동화할 수 있음을 보였습니다.
3. SME 의 자가 연결 연구 (Self-study): 중소기업이 채팅을 통해 자신의 연결 요청이 물리적으로 가능한지 직접 검증하고, 불가능할 경우 대안을 즉시 확인할 수 있는 프로세스를 구현했습니다.
4. 보안 및 유지보수 계획 자동화: 송전 설비 유지보수 계획 시, 외부 공격자 (Brute-force) 가 민감한 그리드 데이터를 유출하지 못하도록 설계된 보안 구조를 제시했습니다.

4. 실험 결과 (Results)

• 테스트 시스템: IEEE 118 버스 시스템 (송전), Oberrhein 179 버스 시스템 (중압), 저압 가정용 시나리오.
• 효율성 향상:
  • 가정용: 사용자 선호도의 이질성 (Heterogeneity) 을 맞춤형 계약을 통해 활용했을 때, 동일한 그리드 용량 내에서 전기차 (EV) 연결 가능 대수가 7 배 증가했습니다.
  • 처리 시간: 기존에는 수개월이 걸리던 중소기업 연결 요청 및 송전 설비 정지 계획이 수 분 내로 해결되었습니다.
• 강건성 (Robustness):
  • 입력 오류: 사용자의 오타 (Typographical errors) 나 문장 재구성 (Paraphrasing) 에 대해 LLM 이 매개변수를 정확히 추출하는 능력을 검증했습니다. 오타율이 1-2% 를 초과할 경우 성능이 저하되지만, 전체적으로 높은 정확도를 보였습니다.
  • 온도 (Temperature) 설정: LLM 의 창의성과 정확성 사이의 균형을 위해 온도 파라미터를 조정하였으며, $\tau=0.7$ 부근이 최적의 성능을 보였습니다.
• 보안성: 외부 공격자가 반복적인 요청을 통해 그리드 데이터 (예: 정전 계획, 혼잡 구간) 를 역추적하는 시나리오에서, 시스템이 내부 데이터를 노출하지 않고 '타당성 여부'만 반환함으로써 데이터 유출을 방지함을 확인했습니다.

5. 의의 및 결론 (Significance)

• 거래 비용 절감: 전력 계약 및 계획 과정의 수동적, 전문가 의존적 프로세스를 자동화하여 거래 비용을 획기적으로 줄였습니다.
• 그리드 유연성 극대화: 표준화된 계약에서 숨겨져 있던 사용자 및 기기의 다양성 (Heterogeneity) 을 맞춤형 계약을 통해 활용함으로써, 전력망 용량 효율을 극대화하고 재생에너지 수용 능력을 높였습니다.
• 에너지 전환 가속: 엔지니어의 업무 부담을 줄이고, 중소기업 및 일반 가구가 전력 시스템에 더 쉽게 참여할 수 있는 디지털 인프라를 제공하여 에너지 전환을 가속화할 수 있는 토대를 마련했습니다.
• 미래 지향성: 이 연구는 LLM 을 전력 시스템 운영에 통합하는 초기 단계로, 향후 더 정교한 사용자 인터페이스와 보안 강화, 그리고 실제 상용화를 위한 추가 연구의 발판이 됩니다.

결론적으로, 이 논문은 LLM 을 단순한 챗봇이 아닌 전력 시스템의 물리적 제약을 준수하는 '지능형 인터페이스'로 재정의하여, 전력 계약의 맞춤형화와 그리드 운영 효율성을 동시에 달성할 수 있음을 기술적으로 입증했습니다.