Levenberg-Marquardt-Optimized Feed-Forward Neural Network for High-Accuracy Day-Ahead Joint Forecasting of Electricity Load and Market Prices in Smart Grid Environments

현대의 전력망은 더 이상 거대한 발전소에서 수동적인 가정으로 전력이 흐르는 일방통행로가 아닙니다. 그것은 지붕 위의 태양광 패널, 전기 자동차, 그리고 스마트 가전제품이 시장과 끊임없이 상호작용하는 역동적인 양방향 시스템이 되었습니다. 이 복잡한 환경에서는 두 숫자가 다른 어떤 것보다 중요합니다. 바로 사람들이 내일 전기를 얼마나 필요로 할 것인가와 그 전기의 가격이 얼마가 될 것인가 하는 점입니다. 이 두 수치는 서로 깊게 연결되어 있습니다. 수요가 급증하거나 바람이 멈추면 가격이 치솟을 수 있고, 가격이 오르면 사람들은 종종 전력 사용 방식을 바꿉니다. 이러한 예측을 정확하게 하는 것은 매우 중요합니다. 만약 유틸리티 회사가 예측에 실패하면 비싼 전력을 구매하여 돈을 낭비하거나 불이 깜빡거리게 만들 수 있습니다. 만약 발전소가 예측에 실패하면 에너지를 판매할 기회를 놓치거나 지불할 수 없는 청구서에 묶여 버릴 수 있습니다. 수십 년 동안 전문가들은 통계적 도구를 사용하여 이 숫자들을 예측하려고 노력해 왔지만, 날씨와 인간 행동의 엄청난 예측 불가능성은 이 과업을 매우 어렵게 만들었습니다.

한 연구팀은 과거의 패턴으로부터 학습하도록 설계된 특정 유형의 컴퓨터 프로그램에 초점을 맞춘 새로운 해결 방식을 제 propose했습니다. 이들은 로드(부하)와 가격을 따로 예측하려고 시도하는 대신, 두 가지를 동시에 추측하는 단일 시스템을 구축했습니다. 이 시스템을 마치 날씨와 공원의 인파라는 두 가지 관련 사건이 서로 어떻게 영향을 미치는지 이해하기 위해 역사 책을 공부하는 학생과 같다고 생각해보십시오. 날씨와 인파를 각각 다른 수업에서 배우는 것이 아니라 말입니다. 연구진은 이 시스템을 훈련하기 위해 레벤버그-마쿼트트(Levenberg-Marquardt) 알고리즘이라는 방법을 사용했습니다. 간단히 말해, 이것은 컴퓨터가 훨씬 더 빠르고 안정적으로 학습할 수 있도록 돕는 정교한 수학적 기법으로, 데이터에 가장 잘 맞는 적합한 값을 찾기 위해 내부 설정을 조정하며 막다른 길에 빠지지 않도록 합니다.

연구팀은 미국의 동부 지역을 포함하는 거대한 전력 시장인 PJM 인터커넥션의 실제 데이터를 사용하여 이 접근 방식을 테스트했습니다. 그들은 과거의 전력 사용량, 과거 가격, 기온 예보, 심지어 재생 에너지의 가용량 예측까지 포함된 수 시간 분량의 과거 정보를 컴퓨터에 입력했습니다. 컴퓨터는 이 모든 정보를 살펴보고 향후 24시간 동안의 부하와 가격를 동시에 예측하도록 요청받았습니다. 결과는 인상적이었습니다. 표준 신경망 및 전통적인 통계 모델을 포함한 다른 인기 있는 예측 도구들과 비교했을 때, 이 새로운 시스템은 전력 부하와 시장 가격 모두에서 일관되게 더 적은 오류를 범했습니다. 이 시스템은 모든 지표에서 가장 낮은 오차를 기록하며, 지속성(persistence) 및 ARIMA와 같은 베이스라인 방법들을 능가하였고, 결합 모델링 접근 방식이 시장의 복잡한 역학 관계를 성공적으로 포착했음을 입증했습니다.

이 발견이 특히 유용한 이유는 정확성뿐만 아니라 부하 예측을 위한 솔루션의 속도와 단순성에 있습니다. 많은 현대 인공지능 모델은 방대한 양의 컴퓨팅 파워를 요구하고 훈련하는 데 오랜 시간이 걸려, 빠른 의사결정이 필요한 실시간 상황에서 사용하기 어렵습니다. 그러나 이 새로운 모델은 상대적으로 컴팩트하며 매우 빠르게 훈련됩니다. 이 모델은 더 복잡한 딥러닝 시스템의 무거운 장비 없이도 사람들이 전력을 얼마나 사용하는지와 그 전력의 비용이 얼마인지 사이의 복잡하고 숨겨진 관계를 포착해 냅니다. 연구진은 네트워크의 '사고' 부분을 두 예측 사이에 공유함으로써, 높은 수요가 높은 가격으로 이어지며 이러한 패턴이 시간대와 요일에 따라 예측 가능한 방식으로 반복된다는 것을 시스템이 학습했다는 것을 발견했습니다.

또한 연구는 모델이 다양한 계절과 특이한 시장 조건에서도 어떻게 작동하는지 확인하기 위해 시간에 따른 성능을 면밀히 조사했습니다. 분석 결과, 부하에 대한 오차는 고르게 분포되어 있었으며, 이는 시스템이 숫자를 지속적으로 과대평가하거나 과소평가하지 않았음을 의미합니다. 시스템은 일일 주기를 잘 처리하여 오전과 저녁의 사용 피크를 높은 충실도로 예측했습니다. 연구진은 가격 예측의 정확도가 여전히 시스템에 제공되는 기상 및 재생 에너지 예보의 품질에 크게 의존한다는 점을 언급했지만, 핵심 방법론은 두 변수 모두에 대해 견고함을 입증했습니다. 또한 이 접근 방식은 가능성의 범위가 아닌 단일한 최선의 추측을 제공하는 데 중점을 두고 있는데, 이는 일부 리스크 관리 작업에는 한계가 될 수 있으나 즉각적인 운영 계획에는 이상적입니다.

궁극적으로, 이 연구는 때때로 가장 효과적인 해결책이 가장 복잡한 것이 아님을 보여줍니다. 오래되고 잘 알려진 유형의 컴퓨터 프로그램을 강력한 훈련 방법으로 개선함으로써, 연구팀은 현대적인 스마트 그리드의 전력 수요와 시장 가격 사이의 섬세한 균형을 관리하는 데 충분히 빠르고 정확한 도구를 만들어냈습니다. 전력 수요와 그 비용을 단 한 번의 빠른 계산으로 예측할 수 있는 능력은 불을 밝히고 시장을 운영하는 사람들에게 실질적인 이점을 제공합니다. 그리드가 재생 에너지와 전기 자동차와 함께 계속 진화함에 따라, 이러한 두 가지 과제를 예측할 수 있는 신뢰할 수 있고 효율적인 방법을 갖추는 것은 점점 더 필수적이 되고 있습니다. 이 연구는 적절한 수학적 도구가 있다면, 우리는 그 어느 때보다 명확한 시야를 가지고 미래의 그리드가 가진 불확실성을 헤쳐 나갈 수 있음을 시사합니다.