Analysing drivers and interdependencies in European electricity markets using XAI

기술 요약: XAI를 이용한 유럽 전력 시장의 동인 및 상호 의존성 분석

문제 정의
유럽 전력 시장은 강력한 비선형성, 고차원적 상호작용, 그리고 증가하는 지역적 상호 의존성을 특징으로 합니다. 심층 신경망(DNN)은 전통적인 계량 경제 모델에 비해 전력 가격 예측에서 우수한 정확도를 입증해 왔으나, 그 "블랙박스"적 특성은 경제적 해석과 정책 분석을 위한 활용도를 제한합니다. 기존의 설명 가능한 인공지능(XAI) 적용 사례들은 설명 가능성을 단순히 스태킹 모델을 위한 중간 단계로 취급할 뿐, 시장 역학의 근본적인 동인을 밝혀내는 도구로 활용하지 못하고 있습니다. 또한, 표준적인 피처 중요도(feature importance) 방법론은 39개 입찰 구역(bidding zones)의 발전 믹스(generation mixes)와 같이 피처가 매우 많고 상호 의존적인 고차원 환경에서 어려움을 겪으며, 이는 중요도의 오도된 집계로 이어질 수 있습니다.

방법론
저자들은 2023년 1월 1일부터 2025년 12월 31일까지의 데이터셋을 사용하여 27개국 39개 유럽 입찰 구역을 분석합니다. 데이터에는 일일 가격(day-ahead electricity prices), 부하(load), 발전 믹스(태양광, 풍력, 수력, 원자력, 기타 재생 에너지, 화석 가스, 기타 화석 연료로 분류) 및 TTF 가스 가격이 포함됩니다.

1. 모델링: 본 연구는 Adam 옵티마이저와 평균 절대 오차(MAE) 손실 함수를 사용하여 두 개의 은닉층(128 및 32개 뉴런)을 가진 다층 퍼셉트론(MLP)을 채택합니다. 이 모델들은 비시계열적(non-temporal)입니다. 즉, 입력과 출력이 동일한 시간대에 대응하며, 이는 모델이 미래 가격을 예측하기보다는 시장 메커니즘을 설명하도록 설계되었음을 의미합니다.
2. 피처 엔지니어링: 각 입찰 구역에 대해 입력 피처는 해당 지역의 부하 및 발전 믹스, 가스 가격, 그리고 전기적으로 연결된 모든 인접 구역의 부하/발전 믹스를 포함합니다. 이로 인해 모델당 최대 364개의 잠재적 피처가 생성됩니다.
3. 설명 가능한 AI (XAI) 프레임워크:
   • SHAP (SHapley Additive exPlanations): 피처 기여도를 정량화하는 데 사용됩니다. 저자들은 종속성을 처리하기 위해 몬테카를로 샘플링을 통한 조건부 기댓값 기반의 샤플리 값(Shapley value) 추정 방식을 활용합니다.
   • SSHAP (Super-SHAP): 고차원 설정에서의 표준 SHAP의 한계(특히, 피처 집합 내의 피처들이 서로 상쇄될 때 중요도가 과대평가될 위험)를 해결하기 위해, 저자들은 SSHAP 프레임워크를 적용 및 확장합니다. 이 방법은 피처들을 "슈퍼 피처"(예: 모든 구역의 태양광 피처를 하나로 묶거나, 특정 국가에 속한 모든 피처를 그룹화함)로 집계하고, 글로벌 중요도를 결정하기 전에 이 집합 내에서 네팅(netting)을 수행합니다.
4. 반사실적 시나리오 (Counterfactual Scenario): 단일 공통 청산 가격을 갖는 시나리오를 시뮬레이션하기 위해, 39개 개별 구역 모델을 평균 부하에 따라 가중치를 두어 결합한 합성 "EU 전역" 시장 모델을 구축합니다.

주요 기여

• 비교 분석: 단일 시장 연구를 넘어 39개의 서로 다른 유럽 전력 시장에 대한 포괄적인 분석과 비교를 제공합니다.
• 이중 관점의 동인: 발전 믹스의 관점과 상호 연결된 인접 구역의 영향이라는 두 가지 뚜렷한 관점에서 핵심 가격 동인을 식별합니다.
• 방법론적 확장: 상관관계가 있는 변수들을 다룰 때 표준 SHAP보다 더 견고한 피처 중요도 집계를 제공하는 SSHAP의 전력 시장 적용 및 확장을 입증합니다.
• 반사실적 탐색: 완전히 통합된 유럽 시장(단일 가격 체계)의 "만약 ~라면(What if)" 시나리오를 탐구하기 위해 합성 EU 시장을 구축합니다.

결과

• 태양광의 불균형적 역할: 태양광이 주요 에너지원 중 전체 발전량에서 차지하는 비중(약 10%)이 낮음에도 불구하고, SSHAP 분석 결과 태양광은 가격 형성에 있어 가장 영향력 있는 슈퍼 피처로 나타났습니다. 태양광 발전은 변동성이 크고 강력한 방향성 영향(SHAP 분포의 긴 음의 꼬리)을 보이며, 가격을 크게 하락시킬 수 있습니다. EU 모델에서 태양광은 가스 가격에 이어 두 번째로 중요한 슈퍼 피처입니다.
• 가스 가격의 지배력: 가스 가격은 시장 전반에 걸쳐 지배적이고 일관된 동인으로 남아 있으며, 메리트 오더(merit order)에서 주요 한계 비용 설정자 역할을 합니다. EU 모델에서 가스 가격 피처는 단일 개별 피처 중 가장 중요하며, 가격을 €40/MWh까지 끌어올릴 수 있습니다.
• 부하 vs. 발전: 전통적으로 부하가 주요 동인으로 간주되지만, SSHAP 분석에 따르면 피처 상쇄(offset)를 고려할 때 부하의 설명력은 예상보다 낮습니다. 부하 피처는 종종 혼합된 방향성 영향(양의 상관관계와 음의 상관관계)을 보이며 글로벌 중요도 측정 시 서로 상쇄됩니다.
• 상호 의존성 및 인접 구역: 인접 시장은 국내 가격에 막대한 영향을 미칩니다. 평균적으로 인접 슈퍼 피처는 39개 구역 전체에서 가격 형성 동인의 61%를 차지합니다. 독일의 경우, 11개 이웃 중 6개 구역이 독일 피처를 지배적인 슈퍼 피처로 가지고 있습니다. 반면, 스페인과 이탈리아 섬 지역은 부하 대비 상호 연결 용량이 적은 것과 상관관계가 있는 낮은 인접 의존도(34%)를 보입니다.
• 지역별 특이성:
  • 폴란드: 화석 연료 발전 비중이 72%임에도 불구하고, 태양광과 풍력이 가격 변동을 설명하는 가장 중요한 에너지원입니다.
  • 이탈리아: 가스가 지배적인 발전원이며 높은 평균 가격 및 낮은 변동성과 일치하게 모든 6개 이탈리아 입찰 구역에서 지배적인 가격 동인입니다.
  • 노르딕 지역: 수력과 풍력이 지배적이지만, 독일의 수력이 덴마크에 영향을 미치는 것과 같은 교차 국경 영향이 지배적인 슈퍼 피처를 결정하는 예외 상황도 존재합니다.

의의 및 주장
본 논문은 DNN과 XAI(특히 SSHAP 프레임워크)를 결합함으로써 연구자들이 예측 성능을 넘어 전력 가격 형성 메커니즘에 대한 해석 가능한 통찰력을 얻을 수 있다고 주장합니다. 본 연구는 전통적인 선형 모델이 현대 시장의 비선형 관계와 고차원적 의존성을 포착하는 데 실패한다는 점을 강조합니다.

저자들은 다음과 같이 기존의 통념에 도전하는 발견을 제시합니다:

1. 가격 결정자로서의 재생 에너지: 재생 에너지, 특히 태양광은 그 발전량 대비 가격 설정에 있어 불균형적으로 큰 역할을 합니다. 이는 주로 그 변동성 때문입니다.
2. 체계적 상호 의존성: 전력 가격은 국내 조건에 의해서만 결정되는 것이 아니라, 국경 간 흐름과 인접 시장이 가격 역학의 주요 결정 요인이 되는 경우가 많습니다.
3. 정책적 시사점: 이러한 통찰은 상호 연결 용량 증대와 같은 시장 설계 선택을 평가하는 데 도움을 줄 수 있습니다. 합성 EU 시장 모델은 완전히 통합된 유럽 시장의 잠재적 영향을 이해하기 위한 도구로 기능합니다.

논문은 현재의 접근 방식이 인접 구역의 피처를 상호 연결의 대리 변수(proxy)로 사용하고 있으므로, 향후 연구에서는 혼잡(congestion) 효과를 더 잘 포착하기 위해 송전 제약과 흐름을 명시적으로 모델링해야 한다고 언급하며 겸허히 결론을 맺습니다. 또한, 현재의 XAI 방법론이 극단적인 고가격 이벤트는 완전히 설명하지 못할 수 있는데, 이는 재생 에너지의 긴 음의 꼬리(가격 억제 효과)가 양의 영향보다 더 뚜렷하게 나타나기 때문이라고 설명합니다.