다채널 합성곱 신경망 기반의 주간 전력수요예측 연구

국문 초록 (Abstract)

재생에너지 발전원의 영향이 증가하고 전력시장의 구조가 변경됨에 따라 주간 전력수요예측의 중요성이 점차 증대되고 있다. 기존에는 전력수요의 주요 변동원인은 냉난방 부하로 인한 기온이었으나, 2016년 이후 태양광 발전 증가로 일사량이 전력수요에 미치는 영향이 커졌다. 일사량이 전력수요에 미치는 영향이 커짐에 따라 전력수요예측 시 기온과 더불어 일사량을 고려해야 한다. 이와 같이 다양한 기상 요소를 반영하기 위하여 본 논문에서는 여러 인자의 특징을 추출하여 학습할 수 있는 다채널 합성곱 신경망 기반의 주간 전력수요예측 알고리즘을 제안한다. 다채널 합성곱 신경망은 여러 채널을 가지며 각각의 채널에서 특징을 추출하여 학습하는 구조를 가진다. 제안한 모형은 전력수요 실적, 기온 실적, 일사량 실적, 예측 기온, 예측 일사량을 다채널 합성곱 신경망 각각의 채널에 배치함으로써 각 데이터의 특징을 추출하고 전력수요와 기온 및 일사량의 비선형적 관계를 학습하게 된다. 순수 합성곱 신경망은 입력 데이터의 시간 관계를 고려하지 않는다. 그러나 주간 전력수요는 주기성을 갖는 시계열 데이터이므로 전력수요예측 시 모델이 시계열 정보를 고려할 수 있도록 두 가지 방식을 제안하고 비교하였다. 첫 번째로 합성곱 신경망의 입력 데이터를 2차원으로 구성하여 합성곱 연산 시 여러 주의 동일 시간대 데이터를 반영하여 특징을 추출하도록 하였다. 이는 실제 시간 정보를 모델에 입력한 것은 아니지만 모델이 자체적으로 전력수요의 주기성을 학습할 수 있게 하는 것이다. 두 번째 방법은 시간 정보를 입력 데이터로 하는 신경망을 합성곱층 이후 병합한 방식이다. 다채널 합성곱 신경망의 구성에 따른 성능은 2020∼2023년 전국 전력계통 전력수요를 적용하여 비교하였다. 제안한 모형을 기존에 개발된 주간 전력수요예측 모형과 비교하였고, 우수한 예측 성능을 나타냄을 확인하였다.