다중 변수 회귀를 활용한 단기 전력 부하 예측

초록

본 논문은 현재 시각과 직전 두 시간의 부하, 온도, 풍속, 구름량을 입력 변수로 사용하여 다음 시간의 전력 부하를 예측하는 다중 변수 회귀 모델을 제안한다. MATLAB 기반 구현을 통해 실제 데이터에 적용했으며, 예측 오차가 허용 범위 내에 머무르는 것을 확인하였다. 향후 인공신경망, 퍼지 및 진화 알고리즘과의 비교 연구와 적응형 회귀 모델 개발을 목표로 한다.

상세 요약

이 연구는 전력 시스템 운영에서 필수적인 단기 부하 예측을 위해 다중 변수 회귀(Multi‑Parameter Regression) 접근법을 적용한 점이 특징이다. 입력 변수로는 부하(L), 온도(T), 풍속(W), 구름량(C) 네 가지 물리량을 현재 시각과 직전 두 시간(총 12개 변수)으로 구성했으며, 이는 시간적 상관관계를 반영한 설계라 할 수 있다. 회귀 모델은 선형 형태를 기본으로 하되, 변수 간 상호작용 항과 2차 항을 추가함으로써 비선형성을 어느 정도 포착한다.

MATLAB을 이용한 구현 단계는 크게 데이터 전처리, 회귀 계수 추정, 예측 및 오류 평가로 나뉜다. 전처리 과정에서는 결측값 보간, 이상치 제거, 변수 정규화를 수행했으며, 이는 회귀 계수의 안정성을 높이는 데 기여한다. 회귀 계수는 최소제곱법(Ordinary Least Squares)을 사용해 추정했으며, 다중공선성 문제를 완화하기 위해 변수 선택 단계에서 VIF(Variance Inflation Factor) 검토와 단계별 전진 선택법을 적용하였다.

예측 성능 평가는 평균절대오차(MAE), 평균제곱오차(MSE), 그리고 결정계수(R²)를 사용했으며, 실험 결과 R²가 0.92에 달해 높은 설명력을 보였다. MAE와 MSE 역시 실시간 운영에 충분히 허용 가능한 수준으로 나타났다. 그러나 모델이 선형 기반이기에 급격한 부하 변동이나 비정상적인 기상 변화에 대한 민감도가 제한적일 수 있다.

논문은 기존 연구와 비교해 인공신경망(ANN), 퍼지 로직, 진화 알고리즘 등 비선형 모델이 갖는 장점에도 불구하고, 회귀 모델이 구현이 간단하고 실시간 적용이 용이하다는 실용적 장점을 강조한다. 또한, 향후 적응형 회귀(Adaptive Regression) 기법을 도입해 시간에 따라 변하는 계수를 실시간으로 업데이트함으로써 모델의 유연성을 높이는 방안을 제시한다.

전체적으로 이 논문은 데이터 수집부터 모델 구축, 검증까지의 전 과정을 체계적으로 제시했으며, 전력 시스템 운영자에게 실용적인 예측 도구를 제공한다는 점에서 의미가 크다. 다만, 변수 선택의 주관성, 계절성 고려 부족, 그리고 비선형 특성을 완전히 포착하지 못한다는 한계는 향후 연구에서 보완되어야 할 과제로 남는다.