기술 요약: 머신러닝 접근 방식을 이용한 개별 가구 전력 소비 예측 모델링

1. 문제 정의

본 연구는 에너지 수요와 비용이 상승함에 따라 가구별 전력 소비를 분석하고 예측해야 하는 중요한 필요성을 다룹니다. 기존 문헌은 주로 합성 데이터, 단기 데이터셋 또는 단일 타겟 예측(예: 유효 전력만 예측)에 의존하는 경우가 많으나, 이러한 방식은 실제 가정 내 소비에서 나타나는 다면적이고 시간적인 변화를 포착하는 데 한계가 있습니다. 또한, 많은 연구가 전기적 파라미터(전압, 전류, 무효 전력, 총 강도 등) 간의 다변량 관계를 간과하며, "블랙박스" 모델의 해석 가능성 또한 결여되어 있습니다. 본 연구는 고해외도(highly granular)의 실제 다변량 시계열 데이터셋을 활용하여, 정확하고 해석 가능하며 견고한 가구 에너지 예측용 머신러닝 모델을 개발함으로써 이러한 격차를 해소하고자 합니다.

2. 방법론

데이터셋

본 연구는 2006년 12월부터 2010년 11월까지 프랑스의 한 가구에서 기록된 207만 개 이상의 분 단위 측정치로 구성된 개별 가구 전력 소비(IHEPC) 데이터셋을 사용합니다. 주요 변수는 다음과 같습니다:

• Global Active Power (총 유효 전력): 총 실효 전력 소비량 (kW).
• Global Reactive Power (총 무효 전력): 전원과 가전제품 사이를 흐르는 미사용 전력.
• Voltage & Global Intensity (전압 및 총 강도): 전기적 전위 및 전류 (Amperes).
• Sub-metering (1, 2, 3): 각각 주방, 세탁, 냉난방 시스템의 특정 소비량.
• Derived Feature (파생 변수): 서브 미터링 부하를 총 유효 전력에서 차감하여 계산된 미측정 소비량.

데이터 전처리

데이터 품질을 보장하기 위해 체계적인 파이프라인이 구현되었습니다:

• 결측치 처리: 시간적 패턴을 편향 없이 보존하기 위해 시간 기반 선형 보간법(linear interpolation)을 사용했습니다.
• 이상치 탐지: Z-score 분석을 통해 정의된 임계값을 초과하는 노이즈 데이터를 식별하고 제거했습니다.
• 정규화: 수치형 특성들의 서로 다른 척도(예: 전압 vs 전류)를 처리하기 위해 Min-Max 스케일링을 사용하여 0~1 범위로 변환했습니다.
• 리샘플링: 단기 변동과 장기 추세를 모두 포착하기 위해 데이터를 시간별, 일별, 주별 단위로 집계했습니다.
• 데이터 분할: 데이터셋을 80%의 훈련 세트와 20%의 테스트 세트로 나누었습니다.

머신러닝 모델

다섯 가지 회귀 모델을 학습시키고 비교하였습니다:

1. 의사결정나무 (Decision Tree, DT): 불순도 지표(Gini/Entropy)를 사용하여 분할하는 단일 트리 기반 모델입니다.
2. 랜덤 포레스트 (Random Forest, RF): 과적합을 줄이기 위해 부트스트랩 하위 집합과 무작위 특성 선택을 사용하는 결정 트리의 앙상블 모델입니다.
3. 그래디언트 부스팅 (Gradient Boosting, GB): 이전 모델의 잔차(residuals)에 적합한 트리를 순차적으로 학습시키는 앙상블 방법입니다.
4. LightGBM: 빠른 수렴과 효율성을 위해 리프 중심(leaf-wise) 트리 성장을 사용하는 그래디언트 부스팅 프레임워크입니다.
5. XGBoost: 규제(L1/L2)와 희소성 인식 분할 탐색(sparsity-aware split finding)을 포함하는 최적화된 그래디언트 부스팅 알고리즘입니다.

평가 지표

모델 성능은 네 가지 표준 회귀 지표를 사용하여 평가되었습니다:

• R² (결정 계수): 설명된 분산의 비율.
• MSE (평균 제곱 오차): 실제 값과 예측 값 사이의 평균 제곱 차이.
• RMSE (평균 제곱근 오차): MSE의 제곱근.
• MAE (평균 절대 오차): 평균 절대 차이.

설명 가능성

모델 예측을 해석하기 위해 **SHAP (SHapley Additive exPlanations)**이 통합되었습니다. 이를 통해 각 특성이 출력에 기여하는 바를 정량화함으로써, 복잡한 앙상블 모델과 설명 가능한 분석 사이의 간극을 메웠습니다.

3. 주요 결과

모델 성능 비교

모든 모델은 0.9980에서 0.9990 사이의 테스트 R² 값을 보이며 높은 예측 정확도를 입증했습니다. 그러나 일반화 및 과적합 측면에서 뚜렷한 차이가 나타났습니다:

• 의사결정나무 (DT): 가장 높은 훈련 정확도(Train R² = 0.9990, Train RMSE = 0.0080)를 달성했으나, 훈련 오차와 테스트 오차 간의 큰 격차(Test RMSE = 0.0440)로 인해 심각한 과적합을 보였습니다.
• 랜덤 포레스트 (RF): 가장 균형 잡힌 성능을 보여주었습니다. 가장 높은 테스트 R²(0.9990)와 모든 지표에서 가장 낮은 테스트 오차(Test MAE = 0.0183, Test RMSE = 0.0340)를 달성했습니다. 훈련 지표와 테스트 지표 사이의 작은 격차는 우수한 일반화 능력과 견고함을 나타냅니다.
• 그래디언트 부스팅, LightGBM, XGBoost: 이 모델들은 강력한 예측력을 갖춘 일관되고 재현 가능한 결과를 보여주었습니다. XGBoost와 LightGBM은 매우 낮은 테스트 오차(Test RMSE ≈ 0.0320)와 최소한의 과적합을 달-성했으나, 전체적인 테스트 지표에서는 RF가 약간 더 우세했습니다.

특성 중요도 및 상관관계

• 상관관계 분석: Spearman 및 Pearson 상관관계 히트맵 모두에서 Global Active Power와 Global Intensity 사이에 완전한 양의 상관관계(1.00)가 나타났습니다. 또한 Global Active Power와 Voltage 사이에는 강한 음의 상관관계(-0.62 ~ -0.65)가 관찰되었습니다.
• SHAP 분석: SHAP beeswarm 및 특성 중요도 플롯을 통해 Global Intensity(특성 2)가 예측 정확도의 지배적인 동인임을 확인하였으며, 해당 특성의 평균 절대 SHAP 값은 약 0.87이었습니다. 그 외 Global Reactive Power, Voltage, Sub_metering_3 등의 특성은 기여도가 미미했으며, Sub_metering_1과 Sub_metering_2는 거의 제로에 가까운 중요도를 보였습니다.

4. 주요 기여 및 의의

본 논문은 주거 에너지 분석 분야에 대해 다음과 같은 기여를 주장합니다:

• 다변량 실세계 접근 방식: 합성 데이터나 단기 데이터를 사용하는 많은 연구와 달리, 본 연구는 4년간의 고해상도 실제 데이터셋을 활용하여 전기적 파라미터 간의 복잡한 다변량 관계를 모델링했습니다.
• 포괄적인 모델 비교: 주거 전력 소비를 위해 다섯 가지 서로 다른 ML 알고리즘(DT, RF, GB, LightGBM, XGBoost)을 엄격하게 비교하였으며, 정확도와 일반화의 균형 측면에서 랜덤 포레스트가 이 작업에 가장 견고한 모델임을 확인했습니다.
• 해석 가능성: SHAP을 통합함으로써 "블랙박스"식 예측을 넘어, Global Intensity가 이 맥락에서 전력 소비의 주요 결정 요인이라는 점을 구체적으로 밝혀내는 실행 가능한 통찰력을 제공했습니다.
• 에너지 관리를 위한 실행 가능한 통찰력: 본 연구의 결과는 스마트 그리드 시스템 및 가구 모니터링 도구 개발을 지원합니다. RF 모델의 높은 정확도와 해석 가능성은 실시간 애플리케ชัน(예: 스마트 미터, 주거용 대시보드)에 배포되어 선제적 에너지 관리, 기기 스케줄링 및 지속 가능한 생활 방식을 촉진하는 데 적합함을 시사합니다.

5. 한계점 및 향후 과제

저자들은 본 연구가 단일 가구의 데이터를 기반으로 하고 있어, 다양한 인구 통계적 또는 행동적 패턴에 대한 일반화가 제한될 수 있음을 인정합니다. 향후 연구에서는 다양한 가구와 지역적 변동성을 포함하도록 데이터셋을 확장할 것을 제안합니다. 또한, 예측 정확도와 계산 오버헤드 간의 트레이드오프를 조사하고, 동적 대응력을 위한 하이브리드 또는 딥러닝 모델을 탐구할 것을 제안합니다.