건물 부하 예측 모델의 Concept Drift 탐지 정확도 개선

국문 초록 (Abstract)

건물 부문은 전 세계 에너지 소비의 약 30%를 차지하며, AI 기반 전력 사용량 예측 모델은 에너지 관리 효율 향상의 핵심 기술로 활용되고 있다. 그러나 시간이 흐르면서 설비 노후화, 점유 패턴 변화 등으로 인해 입력변수와 출력변수 간 관계가 변하는 concept drift가 발생하며, 이는 예측 모델의 성능 저하를 초래한다. Concept drift 발생 시 적시에 모델을 재학습하거나 파라미터를 수정해야 하지만, 건물에서는 변화 발생 정보를 알기 어려우므로 정확한 탐지가 필수적이다.
기존의 concept drift 탐지 방법들은 시간에 따른 예측 오차의 변화만을 추적하여 drift를 탐지한다. 그러나 이러한 방법은 예측 당시의 입력변수 조건을 고려하지 않아, 서로 다른 상황에서의 예측 성능을 비교하는 문제가 있다. 정상적인 환경에서도 예측 오차는 기상 조건의 복잡성, 부하 크기 등 입력조건에 따라 불균일하게 나타나므로, 입력조건 변화로 인한 정상적 오차 변동을 drift로 오인하는 오탐지가 발생한다. 오탐지로 인한 불필요한 업데이트는 학습 데이터 손실 및 학습 리소스 낭비를 초래할 수 있다.
본 연구는 입력변수 조건 매칭 기반의 concept drift 탐지 방법을 제안한다. 제안 방법은 학습 데이터를 재예측하여 정상 상태의 기준 오차 분포를 구축하고, 운영 중 수집된 스트림 데이터의 예측 오차를 동일한 입력변수 범위에 속하는 기준 오차 분포와 비교한다. 이를 통해 입력조건 변화의 영향을 제거하고 실제 모델 성능 저하만을 탐지할 수 있다. 분포 유사도 측정을 위해 Wasserstein distance를 사용하였으며, Bernstein bound를 임계값으로 설정하여 drift를 판단한다.
제안 방법의 성능 검증을 위해 EnergyPlus 시뮬레이션을 통해 사무용 건물의 냉방 전력 사용량 데이터를 생성하고, HVAC 효율 저하를 가정한 4가지 시나리오(10%, 20%, 30% 단계적 증가 및 점진적 증가)를 구현하였다. CNN-GRU 하이브리드 모델로 예측 모델을 구축하였으며, 지연 허용 F1-Score로 탐지 정확도를 평가하였다.
실험 결과, 제안 방법은 모든 시나리오에서 precision 1.0을 달성하여 오탐지가 전혀 발생하지 않았으며 시나리오 3에서는 F1-Score 0.8로 가장 높은 탐지 정확도를 보였다. 기존 방법들은 고온 기간 진입과 같은 입력조건 변화를 drift로 오인하여 낮은 precision(0.143~0.667)을 나타낸 반면, 제안 방법은 동일 입력조건 매칭을 통해 정상적 오차 변동과 실제 성능 저하를 명확히 구분하였다. 본 연구의 높은 drift 탐지 정확도는 실제 성능 저하 시점에만 재학습을 수행하도록 하여 불필요한 모델 업데이트를 방지하고, 건물 에너지 예측 모델의 장기적 정확도 유지 및 운영 효율성 향상에 기여할 것으로 기대된다.

목차 (Table of Contents)

• 제1장 서 론 1
• 1.1 연구 배경 및 필요성 1
• 1.2 연구 동향 4
• 1.3 연구 목적 및 구성 6
• 제2장 선행연구 7
• 2.1 모델 성능 저하 탐지 7
• 2.1.1 단일 임계값 8
• 2.1.2 Bernstein Bound 9
• 제3장 입력조건을 고려한 Concept drift 탐지 방법론 11
• 3.1 건물 전력 사용량 예측 모델 11
• 3.1.1 CNN-GRU 11
• 3.2 입력조건 매칭 기반 Concept drift 탐지 13
• 3.2.1 Concept drift 탐지 개요 13
• 3.2.2 입력조건 매칭 14
• 3.2.3 분포 유사도 측정 19
• 3.3 탐지 정확도 평가 지표 21
• 제4장 건물 전력 사용량 예측 모델의 CD 탐지 사례연구 23
• 4.1 데이터 소개 23
• 4.1.1 Concept drift 시나리오 25
• 4.2 건물 전력사용량 예측 결과 28
• 4.2.1 모델 구성 및 학습 데이터 28
• 4.3 Concept drift 탐지 결과 비교 30
• 4.3.1 시나리오 1 탐지 결과 31
• 4.3.2 시나리오 2 탐지 결과 35
• 4.3.3 시나리오 3 탐지 결과 39
• 4.3.4 시나리오 4 탐지 결과 43
• 제5장 결 론 50
• 참고문헌 52
• ABSTRACT 54